京津冀人力资源配置效率：时空格局、演变机理及影响因素研究

梁林　赵玉帛　朱叶珊　赵雪

摘 要： 人力资源在空间维度配置的不平衡，制约了京津冀协同发展战略的深入实施。科学评价京津冀人力资源配置效率，探究京津冀人力资源配置的时空格局、演变机理和影响因素成为解决人力资源配置问题的有效途径。利用超效率DEA测算京津冀人力资源配置效率，并运用GIS、探索性空间数据方法（ESDA）、Malmquist指数分别对京津冀人力资源配置效率的时空格局、演变机理、影响因素进行实证分析。研究发现，京津冀人力资源配置效率虽整体呈现逐年提高的发展态势，但在空间上仍呈现“东高西低”格局，地区差异化显著;相邻地区人力资源配置效率的聚集特征呈现由负向空间自相关演变为正向空间自相关的发展态势;技术进步是影响京津冀人力资源配置效率的重要因素。进而，提出推进京津冀人力资源优化配置的治理整体方案、原则和关键点。

关键词：京津冀;人力资源配置效率;时空格局;演变机理;影响因素

中图分类号：C922   文献标志码：A   文章编号：1674-7356（2019）-03-0001-12

京津冀区域作为重大国家发展战略区域和科技创新的核心区域，肩负着引领和带动实现创新型国家战略目标的重任[1]。作为中国经济增长的重要引擎之一，京津冀在人力资源、科技信息、产业升级、区域协同创新等诸多方面具有独特优势，为经济社会发展提供了较好的资源基础。人力资源作为在京津冀经济社会发展过程中的重要资源，已经成为区域经济发展的核心动力源泉。

然而，由于受到经济产业发展程度、户籍、医疗教育、基础设施建设以及人力资源互通共享机制等多方面因素的影响，导致目前京津冀内部的人力资源发展差距仍然较大，分布格局失衡，配置效率较低，严重阻碍了京津冀协同发展的进程。随着2014年京津冀协同发展等重大国家战略的提出以及《京津冀人才一体化发展规划（2017—2030年）》的发布，京津冀人力资源发展的要求和目标进一步明确，急需精准掌握京津冀人力资源当前配置现状中的问题，通过探究京津冀人力资源配置的机理，促进京津冀人力资源结构更加合理，配置高效均衡，从而提升人才国际竞争力，实现建成“世界高端人才聚集区”的追求。

一、文献回顾

区域人力资源配置问題引起了学术界的广泛重视，现有研究主要集中在宏观和微观两个层面。在微观层面，李文林等[2]分析了数字环境下图书馆人力资源配置过程中存在的诸多问题，并从网络化趋势下用户的信息需求提出优化配置效率的策略。白全民等[3]利用数据包络分析的CCR模型来测度商业银行的人力资源配置效率，利用相关性分析方法得出人力资源配置效率对商业银行的盈利能力有显著影响。李珏等[4]通过协调适配度评价模型对国有重点林区的人力资源配置和产业结构的协调性进行测度，得出林业第二、三产业比重的提升对人力资源配置优化具有重要意义。张秀川等[5]构建了疾病预防控制机构DEA人力资源配置评价模型，通过实证研究验证了该方法在应急资源配置效率中的适用性。王狄佳等[6]采用基尼系数、泰尔指数等方法，对我国西部地区基层卫生机构人力资源配置的公平性进行评价，并提出优化人力资源配置的相关政策建议。在宏观层面，何福平[7]分析了福建区域人力资源配置中存在的体制障碍，重沿海、轻内陆，重数量、轻质量，整体素质不高等问题，认为优化区域人力资源配置能够促进区域经济建设和人的全面发展。杨继明等[8]使用自主创新实验性调查数据，利用Tobit 模型验证了区域人力资源配置水平对区域创新的积极作用。杨胜利等[9]71-79构建区域劳动力资源配置效率指标体系，通过投入产出模型测度了我国31个省市的劳动力资源配置效率，并对区域差异性和影响因素进行了探究。

由此可见，现有研究偏重于人力资源配置效率微观层面的研究，宏观层面研究相对较少，且大多是定性分析，也鲜有从时空两个维度去刻画人力资源配置效率变化以及演变机理的研究。鉴于此，本文拟首先构建京津冀人力资源配置效率评价指标体系，测度三省市人力资源配置效率值，进而基于超效率DEA方法动态测度京津冀人力资源配置效率时空格局变化，利用探索性空间数据方法分析其演变机理。

二、研究方法与数据来源

（一）京津冀人力资源配置效率评价指标选取与数据来源

人力资源配置效率的测度一般分为人力资源投入和人力资源产出两个方面。本文中人力资源投入是广义范畴上的人力资源投入，既包括传统意义上的人力资本投入，又包括该地区吸引聚集人力资源的经济社会环境。故人力资源的投入可以划分为具有物质形态的硬投入（如经济资源投入、人力资本投入等）和非物质资源形态的软投入（如社会公共服务和产业发展环境等）。而人力资源的产出，一方面包括人力资源对该地区商品服务的供给和科学技术的贡献，进而促进产业结构的优化，最终实现经济发展水平的提升;另一方面合理科学的人力资源配置可以优化人力资源在不同行业的倾向程度，进而促进教育、医疗等公共服务水平的提升。为了全面、科学、有效地评价京津冀人力资源配置效率，评价指标体系选取需要遵循科学性、可比性、可操作性及综合性等原则。基于此，本文在参考相关文献[9]72，[10-12]的基础上，将经济资源投入指数、产业发展投入指数、社会服务投入指数和人力资本投入指数作为人力资源投入指数的二级指标;将经济资源产出指数、产业发展产出指数和社会发展产出指数作为人力资源产出指数的二级指标，并选取人力资源配置效率的三级指标对应二级指标，构建京津冀人力资源配置效率评价指标体系（见表1）。

以上数据均来自2013—2017年《中国统计年鉴》 《中国科技统计年鉴》 《河北经济统计年鉴》和《河北科技统计年鉴》的相关统计数据，以此来测度2012—2016年京津冀的人力资源配置效率变化情况。

（二）超效率DEA

关于资源配置效率的测度方法主要分为非参数分析法和参数分析法两大类。参数分析法（如随机前沿法、自由分步法等）需要事前根据假设来选定生产函数的具体形式然后对参数进行估计。而非参数分析法无需事前确定具体的生产函数和估计参数值，即可对资源配置的效率进行测度。区域人力资源的配置涉及研究地区经济实力、产业发展、公共服务等多个方面，具有非线性、复杂性等特征，其生产函数和估计参数难以确定，非参数分析法可以较好地解决该问题。DEA是常用的非参数分析法之一[13]，但传统的DEA方法无法对有效决策单元（即效率值为1）进行进一步区分。因此Banker等[14]提出超效率数据包络分析法（Super-Efficiency）以弥补传统DEA的上述问题，Andersen等[15]于1993年进一步改进了超效率数据包络分析法。故本文采用超效率DEA对京津冀人力资源配置效率进行测度。其中，超效率CCR-DEA模型主要考虑被评价决策单元相对于其他单元的效率，其构造的参考集并不含有被评价决策单元本身，因此该评价模型可对DEA有效决策单元做出进一步区分评价[16]。超效率CCR-DEA模型为：

其中，X、Y分别表示投入向量和产出向量，表示效率值。？姿j为各决策单元的组合系数，s-、s+为松弛变量。超效率DEA模型在进行第k个决策单元效率评价时，使第k个决策单元的投入和产出被其他所有的决策单元投入和产出的线性组合替代，将第k个决策单元排除在外（j = k）[16]。

（三）Malmquist指数

Malmquist指数又被称为“全要素生产率”（TEPCH），通常被用于计算生产效率的变化情况。Malmquist指数定义为：TFPCH = ECH × TECH =PECH × SECH × TECH。Malmquist指数可分解为技术效率变化指数（ECH）与技术进步变化指数（TECH）。技术效率变化指数又能够分解为纯技术效率变动指数（PECH）与规模效率指数（SECH）。技术效率测度技术效率变化中由纯技术效率影响的部分，规模效率指数则测度其生产规模的变化情况。Malmquist指数和分解的各类指数数值均有特定的含义：如果指数数值大于1，则表示在评价时间段里相应指数效率呈现上升态势;反之，则说明其处于下降的趋势[17]。

Malmquist指数在人力资源配置中所表示的具体含义如下：全要素生产率（TEPCH）反映人力资源的规模集聚效应、社会技术进步、人力资源要素资源配置和利用水平的发展情况。如果指数大于1，表明人力资源配置效率提高;若小于1，则表明人力资源配置效率下降。规模效率（SECH）反映人力资源的规模集聚效应对人力资源配置效率的影响。纯技术效率（PECH）反映人力资源要素资源配置和利用水平的发展情况，通过管理水平的变化影响人力资源配置效率。综合技术效率（ECH）则总体反映人力资源的规模集聚效应、人力资源要素资源配置和利用水平的发展情况。技术进步变化指数（TECH）反映社会技术进步程度对人力资源配置效率的影响。反映技术的创新和进步程度，指数小于1表示技术退步，大于1表示技术进步，而等于1则无变化[18]。

（四）探索性空间数据分析（ESDA）

ESDA是一系列空间数据分析技术及方法的集合，其优势是使用可视化的方法来描述数据的空间分布规律，从而获得数据的空间结构，揭示空间相互作用的机理，其包括全局空间自相关及局部空间自相关[19-20]。鉴于京津冀人力资源配置呈现较大差异化特征，为更好地探索人力资源配置效率在时空维度上的演变规律，分析相邻城市的科技资源配置效率呈现的空间集聚特征，故本文应用空间计量经济学中的探索性空间数据分析方法（ESDA）分析京津冀人力资源配置效率的演变机理。

1. 全局空间自相关

全局空间自相关利用单一的指数值来反映该区域的自相关程度，从而分析整体的空间模式。全局空间自相关指数为 Global Moran′s I，见公式（2）。

式（2）中 ，I为全局空间自相关指数，n为空间单元数据数目，yi和yj分别表示空间单元i和j的属性值，Wij是空间权重系数矩阵，表示各空间单元邻近关系。Global Moran′s I指数取值范围在[-1，1]之间。当 I大于0时，该区域在空间分布上呈正空间自相关，观测属性呈集聚空间格局，且越接近1时其正相关越强;反之，I小于0时，该区域在空间上存在负空间自相关，观测属性呈离散空间格局，且越接近-1时其负相关越强;当I接近0时，该区域的观测属性不存在空间自相关，在空间上呈随机分布格局[21]。

2. 局部空间自相关

局部空间自相关能够分析某一空间单元和其邻近单元某一属性的相关程度，局部空间自相关指数为Local Moran′s I，见公式（3）。

式（3）中，Ii为局部空间自相关指数，n为空间单元数据数目，yi和yj分别表示空间单元i和j的属性值，wij是空间权重系数矩阵，表示各空间单元邻近关系。

三、京津冀人力资源配置效率的时空格局

利用EMS1.3统计软件求解投入角度的超效率CCR-DEA模型即（1）式，可得2012—2016年京津冀人力资源配置效率与排名情况（见表2）。

（一）京津冀人力資源配置效率整体呈现逐年提高发展态势，且北京人力资源配置效率显著高于其他城市

京津冀人力资源配置效率整体呈现逐年提高的发展态势，其人力资源配置效率平均值的变化路径为1.861→1.874→1.916→1.967→2.112，整体提高了0.251。随着京津冀协同发展的各项政策措施的落地，三地之间产学研合作日益密切，人力资源实现较好流动，京津冀协同发展取得了一定的成效。2012—2016年人力资源配置效率的平均值排名前三的分别为北京、秦皇岛和唐山，这些城市在经济社会发展、产业升级以及人力资源方面具有巨大的优势，有利于推动其人力资源配置效率保持较高水平;排名后三的分别是邢台、保定和张家口，这些城市受到地理位置和经济社会发展等方面的限制，阻碍了其人力资源配置效率的提高。其中，北京的人力资源配置效率平均值为5.375，远高于排名第二秦皇岛的1.923，是其配置效率的2.8倍。

（二）京津冀人力资源配置效率总体表现由低向高发展态势，空间格局呈现“东高西低”布局，地区差异显著

为了判断京津冀人力资源配置效率的相对发展阶段，本文根据2012—2016年京津冀13个城市人力资源配置效率数据，采用相等间隔法对人力资源配置效率类别进行划分。人力资源配置效率（用E表示）可分为七个阶段：初级阶段（1 < E≤1.3），较低级阶段（1.3 < E≤1.6），低级阶段（1.6<E≤1.9），中级阶段（1.9 < E≤2.2），较高级阶段（2.2 < E≤2.5），高级阶段（2.5 < E≤2.8），最高级阶段（E>2.8）。为更加直观分析2012—2016年京津冀人力资源配置效率分布变化情况，通过使用ArcGIS10.2软件定量符号化中的分级色彩工具，绘制出图1。

通过图1等级色彩深浅变化情况可以探究，2012—2016年京津冀人力资源配置效率的地理空间特征及随时间的演进态势。

第一，除2013和2014年外，京津冀人力资源配置效率上升为更高阶段的区域逐年增多，基本表现由各阶段向其更高级的阶段发展态势，说明京津冀人力资源配置效率不断提高。其中，2012—2014年京津冀人力资源配置效率除较高级阶段和高级阶段外，在初级阶段、较低级阶段、低级阶段、中级阶段和最高级阶段均有分布;2015年京津冀人力资源配置效率除初级阶段、较高级阶段和高级阶段外，在较低级阶段、低级阶段、中级阶段和最高级阶段均有分布;2016年京津冀人力资源配置效率在七个阶段均有分布。

第二，京津冀人力资源配置效率阶段的空间格局基本呈现为东高西低的态势。京津冀人力资源配置效率阶段相对较高的区域主要位于京津冀的东部，而效率阶段相对较低的主要位于京津冀西部区域，石家庄除外。京津冀东部区域的人力资源管理更多呈现低级阶段、中级阶段，甚至是较高级阶段和高级阶段，但是京津冀西部区域的人力资源配置效率则更多的呈现初级阶段、较低级阶段和低级阶段。京津冀东部地区，地处渤海湾，是环渤海经济圈的重要组成部分，具有东出西连的桥头堡作用，是沿海率先发展区和战略性的增长极，交通和地理位置优越，经济发达。而地处京津冀西部的张家口和承德，虽然毗邻北京，但是受到生态涵养特殊城市定位的掣肘，经济发展相对落后。而邯郸和邢台由于远离京津，受到北京、天津的辐射带动作用较小，产业发展和公共服务优势不明显，对人力资源的吸引力较差。

第三，京津冀人力资源配置效率阶段的地区差异化较为显著。例如北京的人力资源配置效率一直处于最高级阶段，但与其相邻的张家口和保定连续三年处于人力资源配置效率的初级阶段，虽然在2015和2016年有所提升，但是也仅处于较低级阶段，成为京津冀人力资源配置效率的低洼地区;同时，位于京津冀南部的衡水、邢台和邯郸的人力资源配置效率一直处于初级阶段、较低级阶段和低级阶段，成为另一低洼地区，从而使得京津冀人力资源配置效率阶段呈现显著的地区差异。这说明京津冀协同发展虽然取得了一定的成效，但是京津冀区域发展不平衡的矛盾仍然突出，三地之间经济发展水平差距仍然悬殊。以2016年为例，河北省人均GDP仅有4万余元，还不到北京、天津两地的一半。河北省仍处于人力资源净流出局面，且越靠近北京、天津两地人力资源流出越严重，尚未形成三地之间人力资源的良性流动循环。

（三）京津冀人力资源配置效率极化现象显著，北京人力资源配置效率及波动幅度显著高于天津河北

为进一步分析京津冀人力资源配置效率情况，对河北省11个的人力资源配置效率数据进行处理，得到2012—2016年京津冀人力资源配置效率与排名情况和折线图，如表3和图2所示。

由表3和图2可以发现，京津冀三地人力资源配置效率极化现象显著，北京人力资源配置效率和波动幅度显著高于天津和河北省。2012—2016年北京人力资源配置效率平均值为5.375，远高于天津的1.858和河北省的1.642，约是天津的2.9倍，河北省的3.3倍，三省市人力资源配置效率的平均值排名由高到低依次是北京市、天津市、河北省。其中，北京人力资源配置效率呈现在较大幅度波动中上升的发展态势，经历了先上升、再下降、后上升的过程，整体配置效率上升0.707;天津人力资源配置效率呈现在较小幅度中波动下降的发展态势，经历了先下降、后上升的过程，整体配置效率下降0.054;河北省的人力资源配置效率呈现在较小幅度中上升的发展态势，经历了先下降、后上升的过程，整体配置效率上升0.236。虽然五年中河北省的人力资源配置效率一直低于天津市，但是河北省的人力资源配置效率与天津市的差距由2012年的0.337逐渐缩小为2016年的0.056。河北省以京津冀协同发展为重要契机，立足区域发展互补原则和土地、矿产资源等方面的比较优势，积极主动承接京津两地的产业转移，人力资源配置实现进一步优化。北京市在此阶段一方面面临着总人口规模控制在1 800万的压力，另一方面又急需吸纳和培育现代服务业、文创产业的人力资源。双重压力之下，导致北京市人力資源配置处于震荡优化期。

四、京津冀人力资源配置效率演变机理

为深入分析2012—2016年京津冀人力资源配置效率整体的演变机理，本文使用GeoDa软件计算了京津冀人力资源配置效率的全局自相关系数Moran′s I指数（见表4）和局部自相关的Moran散点图（见图3）。全局Moran's I指数反映了京津冀人力资源配置效率空间整体上的集聚或分散程度，但却在一定程度上掩盖了局部的空间差异性，因此利用局部空间自相关进一步揭示京津冀人力资源配置效率的局部空间差异。

（一）人力资源配置效率聚集特征呈现由负向空间自相关演变为正向空间自相关

根据全局空间自相关指数测算结果（见表4），结论如下。除2014年外，其他年份均未通过P值检验（P≤0.05）。2012—2015年的全局自相关系数Moran′s I指数均为负值，表明京津冀人力资源配置效率在空间分布上呈现负向空间自相关的集聚特征，即人力资源配置效率较高的与人力资源配置效率较低的地区互相邻近，也就是相邻较多的表现为“高-低”和“低-高”的空间聚集特征。但是2016年的全局自相关系数Moran′s I指数变为正值，表明京津冀人力资源配置效率在空间分布上呈现正向空间自相关的集聚特征，即人力资源配置效率较高的邻近，人力资源配置效率较低的也互相邻近，也就是相邻较多地表现为“高-高”和“低-低”的空间聚集特征。

同时，随着时间的推移，由Moran′s I的值可以发现，京津冀人力资源配置效率的空间负相关聚集特征呈现出先逐渐变强，再逐渐变弱的趋势，最值为-0.336，表现为较强的空间负相关聚集特征。到2016年，京津冀人力资源配置效率的Moran′s I值变为0.100，表现为较弱的空间正相关聚集特征，并成为京津冀人力资源配置效率空间负相关聚集特征的关键转变时期。

（二）人力资源配置效率分属扩散效应区、过渡区、低速增长区和极化效应区且各类区域呈现较大变化趋势

根据局部空间自相关指数测算结果，现将京津冀人力资源配置效率划分定义为扩散效应区、过渡区、低速增长区和极化效应区[22]，四类区域的空间自相关要素详见表5。

通过对2012—2016年京津冀人力资源配置效率局部自相关的Moran散点图（见图3）进行分析，可以得到2012—2016年京津冀13个城市人力资源配置效率四类区域的分布情况（见表6）。现根据四类区域的分布情况对京津冀人力资源配置的演变机理进行深入探究。

1. 北京人力资源配置效率局部空间集聚特征

如表6所示，2012—2015年期间北京人力资源配置效率一直位于极化效应区，自身效率值一直处于高水平，但是其相邻的张家口、保定等城市人力资源配置效率却一直处于较低水平，从而导致了北京呈现高-低的聚集特征;2016年北京人力资源配置效率位于扩散效应区，这是由于与其相邻的张家口、保定、廊坊和承德人力资源配置效率的提高，从而使其呈现高-高的聚集特征。北京作为我国经济社会最发达的地区之一，拥有优惠的产业政策、丰富的人力资源、发达的地区经济等有利因素，一直保持高投入-高产出的人力资源配置模式，其人均一般公共预算支出、每万人城镇非私营单位就业人数和每万人科技人员数等人力资源投入方面均远高于其他各城市，加之自身高水平的人力资源配置和产出，使其人均GDP、第三产业比重和每万人专利申请授权量等人力资源产出方面均高于其他各城市。

2. 天津和石家庄人力资源配置效率局部空间集聚特征

2012年天津人力资源配置效率位于极化效应区，2013—2015年位于低速增长区，2016年位于过渡区，变化原因在于天津人力配置效率整体呈现下降发展态势，而毗邻地区如廊坊等人力资源配置效率呈现上升趋势。天津作为环渤海地区经济中心，其滨海新区作为自由贸易试验区，为天津的经济发展注入了新活力，但天津在教育投入、城镇非私营单位就业以及科技投入等方面的力度有待加强，同时其人力资源成果转化能力急需进一步提升。2012年和2014年石家庄的人力资源配置效率位于极化效应区，2013年、2015年和2016年位于低速增长区，变化原因在于石家庄人才配置效率呈现先下降后上升的发展态势，而相邻的保定、衡水和邢台的人力资源配置效率却一直处于较低水平。

3. 保定和廊坊人力资源配置效率局部空间集聚特征

2012年和2014年保定人力资源配置效率位于过渡区，2013年、2015年和2016年位于低速增长区。2012年廊坊的人力资源配置效率位于过渡区，2013—2015年位于低速增长区，2016年位于极化效应区。保定和廊坊紧邻北京、天津和石家庄，地理位置优越，但是它们的人力资源配置效率水平较低。可能是由于两方面原因：一是由于北京、天津和石家庄对其人力资源等方面的吸引，导致其人力资源特别是优质人力资源的聚集能力较弱，其城镇非私营单位就业人数需要进一步增加;二是对一般公共预算投入偏少，利用外商直接投资能力偏弱，从而削弱了人力资源配置过程中社会服务和经济投入等重要因素。其中，廊坊在2016年的人才配置效率上升为2.533，高于与之相邻的天津、保定和沧州，从而使其由低速增长区过渡到极化效应区。

4. 承德和张家口人力资源配置效率局部空间集聚特征

在2012—2016年期间承德和张家口的人力资源配置效率一直位于过渡区，它们的人力资源配置效率一直处于较低水平，但是与其相邻的北京和唐山的人力资源配置效率则一直处于较高水平。承德经济基础不好，基础设施落后，加之交通不便，使其发展受到制约。张家口由于地理位置的原因，侧重生态环境保护，第一产业和第二产业的发展受到制约。它们在外商直接投资、科技资源投入、一般公共预算支出等人力资源投入方面严重偏低，同时人均GDP和专利申请授权量等人力资源产出方面严重偏低，导致其人力资源配置效率一直偏低，从而使得它们一直位于过渡区。其中，虽然北京和張家口获得2022年冬奥会举办权，在一定程度上促进了张家口的经济社会发展，但是人力资源配置效率提高幅度有限，为0.414。

5. 秦皇岛和唐山人力资源配置效率局部空间集聚特征

2012—2013年秦皇岛的人力资源配置效率位于过渡区，2014年位于低速增长区，2015—2016年位于极化效应区，这是由于秦皇岛的人力资源配置效率呈现先下降后上升的发展态势，并且整体上升幅度较大，为0.75。2012年唐山的人力资源配置效率位于扩散效应区，2013年位于极化效应区，2014—2016年位于低速增长区，这是由于唐山人力资源配置效率呈现先上升后下降的发展态势。秦皇岛和唐山人力资源配置效率一直保持较高水平，在京津冀各城市排名中分别为2、3名。秦皇岛和唐山凭借东邻渤海、西邻京津、扼守华北地区通往东北地区的咽喉要道等优越地理位置和发达的交通网络，加之不断增加对社会服务的投入，重视科技资源投入和科技人员的培养，不断提高引进利用外资的能力，特别是唐山的GDP长期处于河北省各前列，从而实现了人力资源的高效配置。

6. 衡水、邢台、邯郸和沧州人力资源配置效率局部空间集聚特征

除2012年沧州的人力资源配置效率位于极化效应区外，2012—2016年衡水、邢台、邯郸和沧州四地的人力资源配置效率长期位于低速增长区，从而成为京津冀人力资源配置的薄弱地区。其中，沧州由于其紧邻京津，并拥有黄骅综合大港，促进了人力资源配置，其平均值在京津冀各城市中排名第5。衡水、邢台和邯郸引进和利用外商直接投资的能力较弱、在科技资源投入方面偏低，对人力资源培养、引进和利用的能力不足，并且对人力资源的社会保障服务投入力度偏弱，从而导致其人力资源配置效率偏低，并长期位于低速增长阶段。

五、京津冀人力资源配置效率影响因素

为了更好地探究不同时期天津人才配置效率的变动状况，利用DEAP2.1软件计算投入角度CCR模型的Malmquist指数，对2012—2016年京津冀人力资源投入和产出的面板数据进行分析，可得到2012—2016年京津冀分年份和分城市的全要素生产率指数及其分解的计算结果，如表7和表8所示。

（一）京津冀人力资源配置效率分年份TEPCH指数及其分解

第一，从分年份全要素生产率角度可以发现，2012—2016年五年的全要素生产率平均值为0.855，说明京津冀人力资源配置效率呈现14.5%的下降趋势。虽然京津冀人力资源配置的技术效率为1，但是其技术进步指数下降了14.5%，从而导致其全要素生产率下降14.5%，说明技术进步是京津冀人力资源配置效率的主要影响因素。同时，只有2013—2014年和2015—2016年的全要素生产率大于1，其他年份均小于1，说明京津冀人力资源配置效率在2013—2014年出现0.1%的增长，在2015—2016年出现8.8%的增长，其他年份均为下降。

第二，从技术效率的角度可以发现，2012—2016年五年的技术效率平均值为1，且京津冀人力资源配置的技术效率历年均为1，说明技术效率未出现上升或下降趋势。进一步分析可知，京津冀人力资源配置的纯技术效率和规模效率平均值都为1，且历年效率都为1，说明纯技术效率和规模效率均未出现上升或下降趋势。

第三，从技术进步的角度可以发现，2012—2016年五年的技术进步指数平均值为0.855，整体呈现先下降后上升再下降的变化趋势。其中，2013—2014年和2015—2016年的技术进步指数大于1，说明该时期技术进步促进了京津冀人力资源配置效率的提高;但是2012—2013年和2014—2015年的技术进步指数小于1，说明该时期技术进步是制约京津冀人力资源配置效率提高的主要影响因素。

（二）京津冀人力资源配置效率分城市TEPCH指数及其分解

第一，从全要素生产率角度可以发现，只有北京的全要素生产率大于1，其余各城市均小于1，说明只有北京的人力资源配置效率总体呈现增长态势，且增长幅度为3.3%，其余各城市的人力资源配置效率均表现为不同程度的下降态势，且下降幅度差距较大，其中下降幅度最小的是天津为0.9%，而下降幅度最大的是邢台为24.5%。因为京津冀人力资源配置的技术效率平均值为1，技术进步效率平均值为0.855，说明技术进步是天津各区人才配置效率的主要影响因素。

第二，从技术效率的角度可以发现，京津冀人力资源配置的技术效率都为1，说明各城市的技术效率未出现上升或下降趋势。其中各城市的纯技术效率和规模效率均为1，说明各城市的纯技术效率和规模效率均未出现上升或下降趋势。

第三，从技术进步的角度可以发现，除北京的技术进步指数大于1，呈现正增长外，其他各城市的技术进步指数均呈现负增长，说明技术进步促进了北京人力资源配置效率，抑制了其他各城市的人力资源配置效率。

综上所述，通过对京津冀分年份和分城市的全要素生产率指数及其分解数据进行逐步分析，发现京津冀人力资源配置的全要素生产率总体呈现下降趋势，并且技术效率、纯技术效率和规模效率未出现波动变化，技术进步总体呈现下降趋势，因此技术进步是影响京津冀人力资源配置效率的重要因素。

六、推进京津冀人力资源优化配置的治理策略

本文構建了京津冀人力资源配置效率评价体系，利用超效率DEA对其配置效率的时空格局进行分析，采用探索性空间数据方法对京津冀人力资源配置的演变机理进行分析，运用Malmquist指数探究京津冀人力资源配置效率的影响因素。下面将基于研究结果，提出推进京津冀人力资源优化配置的治理整体方案、原则和关键点。

（一）基于配置效率的时空格局，提出京津冀人力资源配置的治理整体方案

从京津冀人力资源配置效率的时空格局来看，一方面，总体呈逐年提高的发展趋势;另一方面，呈现“东高西低”的分布格局以及地区差异化显著的现状。因此，提出京津冀人力资源配置的整体治理方案。

1. 强化人力资源配置的顶层设计，推进人力资源协同共享机制

京津两地应发挥其“领头”作用，在人力资源培育上对河北各市进行支持，通过企业、高校、科研机构等社会力量，以共建研发中心、联合办学、项目合作、精准人力资源培育等形式实现互帮互助，推动京津冀人力资源共育机制的形成。人力资源的保障服务对人力资源配置和三地之间人力资源的流动起着至关重要的作用。当前，京津冀三地之间已经实现了服务业从业人员资质互认，但京津冀三地之间的人力资源服务保障机制尚未统一。京津冀三地应制定统一的地方服务标准，逐步实现人力资源市场管理政策，人力资源保障水平协同一致，以此促进三地之间服务业的对接合作，最终实现三地之间人力资源的优化配置。

2. 推动人力资源信息化建设，建立统一的人力资源信息共享库

通过互联网通信、AI、大数据、物联网等技术的应用，建立京津冀人力资源政策体系，对三地的人力资源市场进行整合统一，集合三地力量建立统一有序、信息共享、运行规范的人力资源资源市场。京津冀三地在发展中有着各自不同的定位，人力资源的层次、类型需求也大有不同。三地之间应立足自身的发展需要，以市场为导向，建立统一的人力资源信息共享库，为三地提供人力资源需求和人力资源供给信息，创造条件引导人力资源在三地之间合理有序流动，实现人力资源自我价值实现的最大化。

3. 加强北京对河北教育和医疗等人力资源公共服务的支持力度

北京经济水平发达，凭借丰厚的薪酬待遇和完善的公共服务对周边地区的人力资源产生了强大的虹吸效应，致使河北省人力资源特别是优质人力资源的聚集能力较弱，进而导致河北省人力资源配置效率与北京之间的差距日益加大。缩小京冀两地之间的公共服务水平差距，可以减弱北京对河北省的人力资源虹吸效应，进而提高河北省人力资源配置效率。北京应给予资源支持，帮助河北产业承接地建立完善的公共服务体系。对于产业迁入地的教育服务，北京应利用拥有的众多一流大学和一流学科建设高校资源以及优质的中小学教育资源，结合产业迁入地的实际情况和地方高校的实力，开展设立分校分院，不能设立分校分院的，在师资力量上给予帮助，实现京师入冀定期轮换交流机制。对于产业迁入地的医疗服务，北京应利用其众多的三甲医院和先进精密的医疗器械设备，与产业迁入地的医院进行资源共享，以“技术支持、医疗信息共享、学术交流、医师培养”等模式，对迁入地医院进行帮扶，以提高其医疗水平。

（二）基于配置效率的演变机理，提出京津冀人力资源配置的治理原则

基于京津冀人力资源配置演变机理判断，空间自相关由负向演变为正向，且呈现较大变化趋势的现状，提出京津冀人力资源配置的治理原则。

1. 长期处于过渡区的地区应加强与相邻地区的协同互动

张家口和承德在地理位置和交通优势上逊于东部沿海地区，需要结合各功能定位、加强“依靠京津，服务自身”的意识，区别对待，分类解决。张家口和承德毗邻北京，在京津冀协同发展中的功能定位为生态涵养区。张家口是著名的冰雪运动旅游胜地，国家级生态文明示范区，张家口应充分利用北京-张家口2022年冬奥会这一契机，完善基础设施，优化京张交通网络，提高公共服务水平，以北京为名片，利用其毗邻北京，生态优美的优势，吸引在京人力资源的流入。

2. 长期处于低速增长区的城市应积极融入京津冀一体化

保定和廊坊接壤北京南部和天津西部，在承接京津产业转移和优化自身产业机构调整上，具有得天独厚的优势。两地应抓住雄安新区建设的重大历史机遇，积极主动承接京津产业转移，围绕优势产业进行深度融合和产业链延伸，形成多层次产业承接体系，优化区域产业布局，实现人力资源回流。邯郸、邢台、衡水三地既不接壤京津地区，又非沿海港口城市，在经济发展水平、交通区位、教育医疗等方面处于劣势地位。三地应完善交通体系，打造与京津两地和相邻省会城市的半小时通勤圈，加大教育医疗方面的投入，实现京津优质教育医疗资源共享，提高三地的公共服务水平。

（三）基于配置效率的影响因素，提出京津冀人力资源配置的治理关键点

从人力资源配置效率的影响因素看，技术进步是影响京津冀人力资源配置效率的重要因素。由此，提出京津冀人力资源配置的治理关键点。

1. 充分利用大数据、人工智能、云计算等先进技术，建立自下而上的人力资源需求库

提高人力资源的配置水平，需要强化人力资源配置中市场地位的决定性作用，打破三地政府机关在人力资源的选用、考核、评价、激励等方面包管一切的局面，政府应认清自己在人力资源配置中的服务地位，为企业人力资源的配置提供帮助与支持，帮助企业构建层次分明、自下而上、不同类型的人力资源需求库。

2. 结合当地高校毕业生情况和流动人口状况，建立区域人力资源供给库

三地政府机关在各地高校毕业生的所学专业、就业意向、薪资待遇等信息获取方面具有先天优势，通过结合各地流入流出人口的就业信息，建立信息完备、真实有效、资源共享的人力资源供给库，为企业选人、用人提供便利。

3. 强化三地政府在人力资源供给、需求信息联通中的桥梁作用

政府需要对录入人力资源需求库的企业进行审查，保证其资质合格，为企业的招聘信息进行信用背书，并加强事前、事中、事后监督。为录入人力资源需求信息的企业提供技术支持和帮助，减少企业负担。鼓励和引导高校毕业生就业意向信息录入人力资源供给库，对供给需求匹配成功的企业给予奖励。

[参考文献]

[1]  沈曉平，张红，潘锐焕，等. 京津冀区域科技资源投入产出效率研究[J]. 情报工程，2017（6）： 81-89.

[2]  李文林，曾莉，车玮. 数字环境下高校图书馆人力资源配置问题研究现状与思考[J]. 图书馆论坛，2010（1）： 33-35+92.

[3]  白全民，孙健，安佰芹. 商业银行人力资源配置效率及对盈利性影响的实证分析[J]. 金融发展研究，2008（1）： 52-54.

[4]  李珏，王玉芳. 重点国有林区人力资源配置与产业结构协调性测度[J]. 林业经济问题，2017（6）： 66-71+108.

[5]  张秀川，刘婷婷，王春平，等. 数据包络分析在疾病预防控制机构卫生应急人力资源配置效率评价中的应用[J]. 中国卫生资源，2018（2）： 155-160.

[6]  王狄佳，陈丹镝，杨先碧，等. 我国西部地区基层卫生人力资源配置公平性研究[J]. 现代预防医学，2019（11）： 1986-1989.

[7]  何福平. 区域人力资源配置对海峡西岸经济区建设的影响及对策研究[J]. 南方经济，2005（10）： 50-53.

[8]  杨继明，冯俊文，李永忠. 人力资源配置与区域创新有效性研究——技术吸收能力视角[J]. 科学管理研究，2010（1）： 95-98+102.

[9]  杨胜利，段世江. 转型期我国劳动力资源配置效率评价与分析研究[J]. 中国人力资源开发，2016（19）： 71-79.

[10]  高宁，李景平. 人力资源配置科学性测评指标体系的构建[J]. 统计与决策，2016（6）： 45-49.

[11]  彭皓玥，王树恩. 我国科技人才配置的效率[J]. 工业工程，2008（2）： 17-20+28.

[12]  王晓丹，金喜在. 基于DEA方法的人力资本结构效率评价[J]. 税务与经济，2008（3）： 36-41.

[13]  吴传清，董旭. 环境约束下长江经济带全要素能源效率研究[J]. 中国软科学，2016（3）： 73-83.

[14]  Banker Rajiv-D.. Estimating most productive scale size using data envelopment analysis[J]. European Journal of Operational Research，1984，17（1）： 35-44.

[15]  Andersen P，Petersen NC. A Procedure for Ranking Units in Data Envelopment Analysis[J]. Management Science，1993，39（10）： 1261-1264.

[16]  周平. 基于超效率DEA模型的區域低碳效率空间分异——以湖南省各市州为例[J]. 经济地理，2017（3）： 188-192.

[17]  李闻一，朱祥波，王宇. 政府科技投入成本效益分析——基于超效率CCR模型与Malmquist指数模型[J]. 科技进步与对策，2016（21）： 132-136.

[18]  刘兵，李青，梁林. 天津市人才配置效率动态演化及影响因素研究——基于超效率DEA和Malmquist指数[J]. 河北工业大学学报（社会科学版），2019，11（2）： 16-23.

[19]  任宇飞，方创琳. 京津冀城市群县域尺度生态效率评价及空间格局分析[J]. 地理科学进展，2017（1）： 87-98.

[20]  武红. 中国省域碳减排：时空格局、演变机理及政策建议——基于空间计量经济学的理论与方法[J]. 管理世界，2015（11）： 3-10.

[21]  梁林，李青，刘兵. 环境约束下省域科技资源配置效率：时空格局、演变机理及影响因素[J]. 中国科技论坛，2019（6）： 125-135+146.

[22]  刘汉初，卢明华，刘成. 山西省县域人口半城市化的空间格局研究[J]. 经济地理，2015（1）： 21-28.

Beijing-Tianjin-Hebei Human Resource Allocation Efficiency： Spatiotemporal Pattern，Evolution Mechanism and Influencing Factors

LIANG Lin1，2， ZHAO Yubo1， ZHU Yeshan1， ZHAO Xue1

（1. School of Economics and Management， Hebei University of Technology Tianjin 300401， China; 2. The Institute for Jingjinji Area Development Studies， Hebei University of Technology Tianjin 300401， China）

Abstract： The imbalance in the allocation of human resources on spatial dimension constrains the in-depth imple-mentation of Beijing-Tianjin-Hebei coordinated development strategy. An effective way of solving human resource allocation problem in Beijing-Tianjin-Hebei area lies in the scientific evaluation of human resource allocation efficiency and the exploration of spatiotemporal pattern， evolution mechanism and influencing factors of human resource allocation. The human resources allocation efficiency in Beijing-Tianjin-Hebei area was measured by super-efficiency DEA， and the spatiotemporal patterns， evolution mechanism and influencing factors of human resource allocation efficiency in Beijing-Tianjin-Hebei area were analyzed by GIS， Exploratory Spatial Data Method（ESDA）and Malmquist index. The study shows that although the overall efficiency of human resources allocation in Beijing-Tianjin-Hebei area has been increasing year by year， it is still higher in the eastern part and lower in the western part on space dimension， representing a significant regional differentiation. The aggregation characteristics of human resource allocation efficiency in adjacent areas have evolved from negative spatial autocorrelation to positive spatial autocorrelation. Technological advancement is also an important influencing factor to the human resource allocation efficiency in Beijing-Tianjin-Hebei area. Therefore， an overall plan， principles and key points for promoting the optimal allocation of human resources in Beijing-Tianjin-Hebei area are proposed.

Key words： Beijing-Tianjin-Hebei; human resource allocation efficiency; spatiotemporal pattern; evolution mechanism; influencing factors