2. 中国科学院 地理科学与资源研究所, 北京 100101;
3. 伊利诺伊大学厄巴纳-香槟分校, 香槟, 伊利诺伊州 61820
2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China;
3. University of Illinois at Urbana-Champaign, Champaign, IL 61820, US
随着全球化、一体化的深入发展,开放区域系统下的知识溢出效应正加速知识、技术与人才等要素的快速流动,人才作为空间经济竞争的新区位因子与战略资源,其合理有序流动既是知识传播与技术扩散的主要途径,也是高端人力资本空间优化配置的重要手段[1],进而成为城市创新发展与升级转型的重要驱动力。剖析区域人才流动现状,追踪人才流动轨迹是建立合理人才流动机制,完善人才组织管理制度,推进区域高质量一体化发展的现实需要。
人才是指具备一定专业知识与技能,同时从事创造性劳动并为社会做出贡献的人,是人力资源中能力与素质较高的劳动者[2],其口径较为宽泛并包含着各个领域,企业经营管理人才作为其中一类,是我国人才队伍建设重要组成部分,对于提高我国企业现代化经营管理水平与国际竞争力具有关键性作用。广义上人才流动是指人才在不同岗位、职业、产业与地区间的一种主动或被动的流动与转换[2],其一般包含着部门变化、职务流动、领域变化与地理位移等形式[1],本文所指的人才流动为狭义上的理解,即基于地理学视角探究人才在不同地理空间中的位移。
纵观人才流动的相关研究进展,主要集中于以下几方面:①理论建构方面,国内研究相较于国外起步较晚,尚处于探索阶段。国外学者基于个体、组织、社会层面提出了以人力资本理论[3]、马奇和西蒙模型[4]为代表的理论模型论证了人才流动的必要性与必然性;国内学者在借鉴国外研究成果基础上提出人才流动饱和度趋势定律[5]、人才流动决策模型[6]等也是一种有益补充。②研究对象方面,多集中于单一类型的个案追踪调查。部分学者从地理学空间视角,针对科研技术人员[7]、院士教授群体[8, 9]、女性人才[10]、高校本科毕业生[11]、留学归国人才[12]、企业家[13]等不同类型的人才群体,对其流动的空间偏好特性及其驱动因素展开了探析,研究表明各类人才分布具有空间集聚效应。段德忠在对786名企业家成长时空规律分析基础上指出长三角地区为我国企业家成长最为依赖的空间[13];周亮等人研究发现我国顶尖学术性人才主要流向以京沪苏省市为主的大城市[14]。③研究内容方面,主要涉及人才概念、类型、流动动因、模式、效应以及人才引进政策等方面。整体上,人才概念尚没有形成统一认知[15, 16],且基于不同类别、职能、技能等级、表现形式下的人才划分标准不一[17, 18];人才流动动因主要集中于外部因素(如经济、教育、文化、环境、制度等)与个体因素(如酬薪、家庭、观念等)两个层面[19];人才流动作为复杂系统,其流动模式大致可总结为人才外流、人才内流以及人才环流三种形式[2],针对不同流动类型(如部门变化、职务流动、领域变化、地理位移等),黄海刚等人划分更为细致[1];人才流动效应体现在流入地与流出地所产生的影响不同[20];世界主要国家的人才引进政策大致包含环境政策、收入分配政策与海外政策三个层次[20],我国除却与之相关的直接政策外,还包括了推进人才队伍建设的其他公共政策。④研究方法方面,经历了从定性分析到定量研究再至两者结合的演变过程。早期研究多采用文献梳理、宏观数据、问卷调查相结合的研究方法[21],随着信息技术发展以及相关领域交叉融合,应用文献计量学[22]、CV分析法[23]、复杂网络理论与代数图论[24]等先进工具定量分析区域人才流动格局已成为现实,研究结论相较于以往的定性分析更具说服力。
综上所述,人才流动研究已有一定基础,但仍存在着不足,其多集中于国与国或国家内部等大尺度的个案人才追踪调查分析,缺乏对于区域尺度、大规模人才群体流动的整体探究。随着长三角区域一体化发展上升为国家战略,人才资源空间结构不合理、城市发展定位不清、人才流动滞后等问题已成为区域协同创新发展的阻碍因素,亟需应用大数据对区域人才流动网络进行整体研究。为此,本文以上市公司董监高团队为典型群体,借鉴履历分析法构建关系矩阵,运用社会网络分析与修正型复合指标划分方法,试图揭示长三角地区企业经营管理人才流动的一般规律与特征,进而为合理制定城市人才政策,推进区域高质量一体化发展提供借鉴。
2 数据与方法 2.1 研究区概况长三角地区由沪、苏、浙、皖三省一市共41座地级及以上城市有机构成,其位于长江经济带与“一带一路”战略重要交汇地带,总面积35.9万平方千米。截止2018年底,共拥有上市企业1337家(见图 1),地区生产总值高达21.15万亿元,分别约占全国的1/3与1/5。作为全国经济发展领跑者与创新集聚区,同时也是实施区域人才竞争战略的先行者,长三角正经历着人才流动网络变动与重构过程,已经并将继续产生深刻的社会经济影响和空间效应。与此同时,企业经营管理人才作为区域竞争力的核心要素,其合理有序流动不论是对人才个人发展、企业组织效益或是区域整体竞争都有着巨大作用,研究长三角地区企业经营管理人才流动空间格局具有着重要现实意义。
研究主要以公司高层架构中的“董监高”团队为典型样本,识别分析长三角地区企业经营管理人才(以下简称“企业人才”)的时空分布与流动规律。上市公司作为资本市场的重要载体拥有着较为完整的企业组织架构,其高层架构包括股东大会、监事会、董事会、财务中心、审计中心等[25]。研究中的“董监高”主要是指公司董事、监事与高级管理人员(如总经理、副总经理、财务负责人等)。作为公司高层,董事、监事和高级管理人员掌握着公司各方面资源,承担着公司战略制定、决策执行、监督管理等重要使命,对于公司经营和发展具有举足轻重的作用。
长三角上市公司董监高履历信息来源于CSMAR经济金融研究数据库,该数据库是由深圳国泰安教育技术有限公司借鉴芝加哥大学CRSP、标准普尔Compustat、纽约交易所TAQ、I/B/E/S、Thomson等国际知名数据库的专业标准,结合中国实际国情开发的经济金融型数据库构建而成,主要涵盖了因子研究、人物特征、绿色经济、股票、公司等18个大系列,是国内目前规模最大、信息最精准的金融、经济数据库,具有权威性与可靠性。
2.2.2 数据处理为避免人物特征信息逐年统计的重复性,研究主要选取自2017年11月20日至2018年11月20日整1年间所有上市公司董监高团队成员样本,结合沪、深证券交易所上市公司列表,剔除非长三角三省一市范围内的人才样本以及重复人员信息,最终共获得有效样本11586个作为研究的初始样本,筛选出具有工作履历信息的样本共计9493人(人才空间分布数据)。其次,以地级市为单位深度挖掘上述样本在长三角区域内的地理流动信息,将人才首次工作单位地点定义为“第一工作地”,后按照时间顺序依次统计人才工作单位地点,当地点发生变化时则将其定义为人才“第二、三……工作地”,“目前工作地”即为人才当前工作单位所在地,在识别提取企业人才工作地随时间变化的序列(第一、二……工作地)以及目前工作地等信息基础上,确定企业人才以地级市为单位的流动路径(第一工作地→第二工作地,第二工作地→第三工作地……),最终统计出具有地理流动经历样本数为2139(人才地理流动数据),作为构建人才流动网络的依据。后运用统计软件对上述数据进一步整理汇总,可得到含有“从城市A流入至城市B”属性的41×41有向多值网络矩阵,从而进行长三角企业人才流动网络的测度。
为使研究结论更为客观科学,处理细节如下:①文章仅探究长三角区域内以地级市为单位的人才地理流动网络,因而在识别样本工作地信息时,剔除了样本非研究区范围内工作地信息,此外人才在城市内部流动也不在文章讨论范围内。②独立董事作为比较特殊的一类董事,考虑到其同样为公司经营管理出谋划策,是高层重要组成部分,并且其流动行为对于流动网络的构建具有贡献,因而在数据整理过程中保留了独立董事样本,对其履历信息的处理同其他样本一致。③人物履历中包含了兼职方面信息,由于文章主要探讨人才在地理空间上的流动行为,“兼职”更多描述的是城市间知识与经济协作关系,不一定会产生空间上的位移,因而研究多探讨企业人才兼职行为。
2.3 研究方法 2.3.1 履历分析法履历分析法又称为CV分析法,该方法是以人员职业履历(Curriculum Vitae,简称CV)作为数据来源,通过对履历中包含的信息进行编码与分析,同时借助相应统计分析方法,研究目标对象的职业特征、发展轨迹、流动模式以及个人与组织评价等问题[26]。
2.3.2 社会网络测度指标Entropy Index(简写为EI)也称为网络聚集度评价指标,其被Narisra Limtanakool[27]所提出用以衡量网络各链路上要素流分布的均匀程度,它可以看作是整个网络结构维度的度量指标:
(1) |
式中:Zi是节点i相关链路上总流量与网络所有链路上总流量之比,L是节点数。EI ∈[0, 1],当EI =0时,要素流主要集中在一条链路上,网络只有一个最强节点,当EI =1时,要素流在各链路上均匀分布,网络不存在层次结构。
刘铮[28]等基于网络聚集度评价指标提出了节点中心性评价指标,用来刻画节点在网络中的影响力与重要程度,即对于某一节点i,其中心性EIi:
(2) |
式中:xj是从节点j到节点i的流量与从节点j到所有节点的流量之比;J是连接节点i的节点数。EIi值越高,节点在网络中的重要性就越高。
2.3.3 修正复合指标划分方法净流动率与总流动率是较为常用的测度人口流动方向与流动强度的比率类指标[29],由于单一指标难以清晰准确表述出人口流动的多样化地域类型,为兼顾区域内人口流动方向与活跃程度两方面,刘盛和[30]等人基于修正净流动率与修正总流动率构建出复合指标法,并用于流动人口地域类型的测度与划分。
本文在参照相关研究基础上,对其做一定变形,将长三角各地级市的流入人才与流出人才分别代替原公式中地区迁入人口与迁出人口,用人才总数代替区域总人口,具体公式如下:
(3) |
(4) |
(5) |
(6) |
(7) |
式中:NMi为城市i人才净流动率,Ii为城市i流入人才,即城市入度;Oi为城市i流出人才,即城市出度;Pi为城市i总人才数;GMi为城市i人才总流动率。RNMi和RGMi分别为城市i修正后的净流动率和总流动率,RGMi为长三角平均总流动率,ra为修正后的活跃度阈值。在确定区域人才流动活跃度阈值基础上,依据修正净流动率与修正总流动率指标,可将区域人才流动地域类型划分为以下4种:
(1)净流入型活跃区。总流动率RGM ≥ ra,且净流动率RNM ≥ ra。
(2)平衡型活跃区。总流动率RGM ≥ ra,且净流动率- ra < RNM < ra。
(3)净流出型活跃区。总流动率RGM ≥ ra,且净流动率RNM ≤- ra。
(4)非活跃区。总流动率RGM < ra。
3 长三角企业人才的空间分布 3.1 第一工作地主要集中于沿江沿海地带企业人才第一工作地空间分布具有显著地域差异。运用聚类工具对各地级市作为企业人才第一工作地的人才规模进行层级划分,可将其分为4层级。其中,上海以聚集了近2400名企业人才位列第一,人才规模占整体的24.9%;杭州、苏州以分别聚集了12.5%、9.0%企业人才紧追其后,位居第二层级;人才规模处于第三层级的城市包括南京、无锡、合肥、绍兴、台州、嘉兴、常州、南通、宁波这9座城市。剩余城市企业人才规模较小且数值相近,为第四层级。人才规模前三层级城市中,上海作为首位城市汇聚众多企业公司,对于人才具有较强的吸引力,处于核心地位。剩余的11座城市中,江苏省与浙江省各拥有5座城市,而安徽省有且仅有省会城市——合肥1座城市。总体而言,吸引企业人才选择作为第一工作地的城市主要分布在经济发展基础较好、实力雄厚且其外向经济发达的沿江沿海地区(见图 2)。研究认为长三角地区企业人才集聚格局一定程度上与企业区位息息相关,作为实现人才个人价值的重要载体,企业的注入可以说是企业人才集聚的前提与根本,相关研究也指出人才集聚与企业区位呈现高度一致性[31]。长三角地区上市企业大多布局在经济、政策环境较好的沿江沿海地区,优越的平台也为人才提供更多发展机遇,从而促进人才集聚格局形成。
企业人才目前工作地整体仍集中于东部沿海以及沿江地区。上海、杭州与苏州承载了整个长三角近半的企业人才,占整体的43.8%,为企业人才首选工作地,常州、合肥、嘉兴、南京、南通、宁波、绍兴、台州与无锡这9座城市也受到了企业人才的青睐,所承载的企业人才总体规模达37.3%。采用Pearson相关系数对各地级市作为第一工作地与目前工作地的企业人才规模进行相关性分析,结果显示二者之间高度相关,其相关系数数值高达0.99,且在0.01水平上显著。与此同时,通过比较各地级市原有企业人才与现有企业人才规模也可发现,长三角企业人才的第一工作地与目前工作地格局高度吻合,具有很好的时序传承性。
3.3 企业人才空间集聚态势持续强化长三角企业人才空间分布呈正相关性,且集聚态势日益加强。研究基于ArcGIS软件中空间自相关工具,以各地级市作为第一工作地与目前工作地的企业人才规模为解析字段,获得全局Moran's I指数和相关指标数值(见表 1),可进一步准确判断长三角地区企业人才空间分布变动趋势。结果表明,各地级市作为企业人才第一工作地时,其Moran's I指数为0.186,Z值为2.444,存在较为明显的正相关性,且在空间上呈现集聚分布趋势;而在以各地级市作为企业人才目前工作地时,Moran's I指数数值与Z值进一步增大,且显著性得到提升,表明长三角地区企业人才空间集聚态势正进一步增强。
基于企业人才在区域内城市间的流动路径数据,观察所构建出的流动网络,EI=0.808,城市间普遍联系,区域空间结构正由传统中心地等级体系转变为扁平化网络空间结构,网络也逐渐集中在某些特定节点,不同层次节点与链接线组合成长三角城市群网,企业人才流动网络日趋形成。
4.1 网络结构 4.1.1 节点层级显著根据公式(2)计算得出研究区内41座城市节点中心性并以此作为因变量,以城市位序作为自变量,绘制出长三角城市人才流动的规模位序散点图(见图 3)。研究选择幂函数对散点进行拟合,拟合优度R2值高达0.907,为典型幂律分布,其具有明显长尾特点并呈现由核心城市主导的梯级规模层级特征。其中,上海中心性值高达2.46,领先其后的苏州0.52,位于网络第一层级;位于第二层级的城市主要有苏州(1.94)、杭州(1.93)、合肥(1.77)与南京(1.44)4市,为区域中心城市,而南京在第二层级中处于落后地位,且与前一位的合肥之间差距较大;第三层级的城市主要有绍兴、无锡、台州、金华、宁波、芜湖、宣城、常州共8座城市,为地方中心城市,主要承担地方性功能;剩余城市中心性值差距小于0.1,分布变化平缓,则为一般城市节点(见表 2)。结果基本符合金字塔结构的递变规律。
研究先以城市链接最大值百分比对长三角企业人才流动规模进行标准化处理,后采用系统聚类工具从高到低将网络拆分为5个层次(见表 3),并使用Gephi 9.2软件绘制出了城市间企业人才流动网络空间格局图(见图 4)。图中节点大小对应该城市中心性数值的高低,链接粗细对应流动规模的强弱,此外,图中部分城市之间呈现两条相交的弧线,顺时针方向为两地间企业人才流动方向。
处于首位的流动链接为上海→苏州、上海→杭州两条线,其流动强度占总体的8.08%,为网络第一层次。网络第二层次的城市链接共有5组,其流动规模占整体的10.64%,尽管前7组链接只占总体样本的0.4%,但其总流动规模占比却达到18.72%,为企业人才流动网络核心链接。网络第三层次城市链接共有32组,流动规模强度总和占整个长三角流动总和的32.28%,为企业人才流动网络主要链接线。链接整体呈“Z”型(南京—苏州—上海—杭州—绍兴—台州)空间分布。
4.2 流动特征研究采用系列空间计量模型与复杂网络模型将企业人才流动路径进行空间映射,结合节点中心性等指标计算结果,总结出以下六点企业人才流动特征:
4.2.1 企业人才地理流动性整体偏弱企业人才整体流动比率偏低,固化现象较为严重。通过数据整理,企业人才流动人口仅占样本整体的18.5%,流动人才与常驻人才比约为1:3,结果表明大部分企业人才一旦选好工作城市后,便不再变动,并长期在一个单位内工作。与此同时,通过对企业人才履历信息进一步挖掘,可发现长三角地区企业人才流动多以职务间的流动为主,即在组织内由人事部门通过提升或者调动完成,职业地位的变动往往并不会造成人才在地理上的流动,一定程度上也体现出企业人才地理流动中的空间粘滞性。
4.2.2 “一主四副”多核心网络结构人才流动与集聚推动了一些人才集聚载体城市从“节点”升级成“枢纽”。在区域尺度上,长三角形成以上海为核心的中心地格局,其与区域内37个城市有着人才交流,流动规模占整个地区的42.1%;在地方尺度上,已形成了以区域中心城市为核心的放射状结构,表现如下:浙江、安徽两省人才流动网络主要以其省会城市杭州、合肥为核心,并逐渐由单核心集聚状态向着双核心演变的趋势发展,核心—边缘结构明显;江苏省人才流动网络由于苏州、南京双核心的存在,同时并存着无锡、常州等地方中心城市,省内中心地结构并不明显。综合而言,长三角企业人才流动网络呈现“一主四副”多核心的特征——上海是核心枢纽,苏州、杭州、合肥、南京是区域中心。
4.2.3 企业人才流动路径较为集中长三角企业人才流入与流出路径的密集程度在空间分布上呈现明显地理集中性。具体来看,城市链接密集区域主要集中于沿江两岸以及环杭州湾地区,随着向内陆与长江两翼地区不断扩展,人才流动路径密集程度逐渐降低,整体上北翼平原地区以及南部山地地区企业人才流动网络结构松散。二者构成长三角企业人才流动格局,并使其呈现强烈空间差异。
4.2.4 企业人才流动相对均衡长三角地区企业人才流动呈现相对均衡特征。研究对企业人才流动网络中41个节点城市的入度与出度进行了相关性分析,发现其Pearson相关系数值达到了0.860,且在0.01水平上显著,二者之间呈现明显正相关关系,表明了长三角地区城市入度与出度之间的相对均等。也存在着部分城市入度与出度之间差值较大,其中,在出度盈余(出度>入度)城市中具有代表性的主要有上海、南京以及杭州3市,不难发现这3座城市外向辐射力远大于内向吸引力,并向外输出人才资源;入度盈余(出度 < 入度)城市中苏州、台州、绍兴与湖州4座城市较为典型,其多与核心城市相接壤或者距离较短,接受核心城市辐射的能力大于自身对周边城市的作用;剩余城市多处于一种入度与出度相对平衡的状态。结合城市出入度相关系数以及人才流动现象之间关系,一定程度上表明长三角地区不存在单向阻碍的约束力,城市之间形成双向交互联系,企业人才可实现区域内的自由流动。
4.2.5 极核交互与邻域渗透特征显著长三角地区企业人才流动整体呈现出核心节点城市间的双向流动与邻域渗透的特征。一方面,核心城市间的交互流动活跃,通过对企业人才流动网络中位于前三层次的有向轨迹数据进一步研究与分析,39组城市链接中,以网络节点位于前两层级的5所核心城市间链接共出现了9组,其人才流动规模占网络链接前三层次的36.8%,占整个长三角的18.8%;另一方面,前39组城市链接中共有16组城市对在地理空间上彼此相邻。
形成这种特征的原因,研究认为与城市经济实力以及地理空间距离密不可分。城市经济实力较强一般意味着其拥有更为开放自由的市场环境与更为优惠的政策福利,从而吸引大批企业人才集聚,其丰富的人才资源也为核心城市间交互流动创造了条件,并在空间上形成网络系统的轴线;同时,相邻城市间空间距离较短、生活习惯相近且风俗文化相同也更容易促使流动行为的发生,塑造出彼此渗透的流动模式。
4.2.6 企业人才省际流动活跃长三角地区企业人才省际流动现象较为活跃。据数据显示,企业人才省际流动与省内流动规模比例约为53:47,其中,江苏省与浙江省作为人才流动活跃省份,其省际流动人口占比分别为64.2%与54.9%,安徽省流动规模虽不及苏浙两省,但其省际流动占比却超过了浙江省,达到了56.6%,不论从区域整体还是各省自身来看,人才跨省流动规模均已过半。省际流动中,苏沪、浙沪与苏浙跨省流动规模在总跨省流动人口占比分别为37.2%、29.5%与14.6%,构成长三角地区省际联系的主体,而安徽省企业人才跨省流动并无明显偏好,其与其他三地之间的流动规模相当。整体而言,长三角地区企业人才流动呈现出明显跨区域特征,其省际联系也主要集中于东部地区。
5 企业人才流动地域类型文章参考相关研究经验,以企业人才流动人口所占份额作为权重,可得区域人才流动活跃度阈值a约为0.185,并依据公式(7)计算出修正后的活跃度阈值ra为1.6。基于复合指标划分体系对长三角地区以地级市为单位的企业人才流动地域类型进行了测度与划分,绘制出相应人才流动地域类型空间格局图(见图 5),总体呈“破碎化”特征。
净流出型活跃区城市数量较少,分布零星,主要有上海、南京、杭州、蚌埠、淮南与淮安共6所城市,占长三角所有地级市数量的14.6%。通过对这6所城市进行深入分析,可将其细分为两种类型。具体来看:
(1)第一种类型城市主要有上海、南京与杭州,其人才溢出效应显现。一方面,高人才基数对于人才的扩散具有推动作用,3市企业人才规模庞大,其人才输出量也相对较高,分别占比45.2%、21.3%和17.7%,具有明显流出能级,为长三角地区企业人才核心输出城市;另一方面,随着信息业与生产性服务业比重的提升,退二进三的产业结构转型促使以企业人才为代表的高端人力资本开始由第二产业转向第三产业,观察分行业人才流动情况可以发现,3市的外流人才中,大部分人才所属行业为制造业行业,其外流规模占全行业比重分别为83.7%、76.7%与80.8%。与此同时,并非全行业均处于人才外流状态,租赁与商贸服务业(L)与交通运输、仓储和邮政业(G)行业为上海企业人才主要流入行业,杭州为卫生和社会工作(Q)与信息传输、软件和信息技术服务业(I),南京为信息传输、软件和信息技术服务业(I)与交通运输、仓储和邮政业(G)。总体来看,上海、南京与杭州3市作为区域核心城市,其人才溢出效应开始显现。
(2)第二种类型城市包括了蚌埠、淮南与淮安3市,其人才外流现状严重。这三所城市企业人才外流规模虽远不及沪宁杭三市,但由于其自身人才储备量偏低,从而导致计算后的净流动率绝对值较大。相较于自身而言,三市人才外流现状严重,一定程度上可以认为是人才流失。
5.2 净流入型活跃区净流入型活跃区主要包括了以苏州、无锡、绍兴为代表的15所城市,其占长三角城市总数的36.6%。从地域分布来看,净流出型活跃区周围地区为主要的人才流入地,尤其是以上海、南京、杭州为代表的3所城市周边一般为净流入型活跃区。观察净流入型活跃区的15所城市也可大致将其分为两类:
(1)第一种类型城市为合肥,其人才聚集效应显著。作为安徽省省会城市,合肥现已成为带动全省经济发展的重要增长极,其拥有着大量的发展机会与广阔的发展空间,吸引了大批企业人才在此汇聚,在安徽省构成了企业人才流动的引力核心,呈现出较强的人才“虹吸效应”。
(2)第二种类型主要是以苏州、无锡、台州为代表的14座城市,其人才吸附效应明显。一方面,这些城市自身良好的经济与生态环境,对于人才要素具有较强的吸附能力;另一方面,上述城市地理空间上邻近区域核心城市,从而在其人才溢出效应影响范围内,享受到溢出效应所带来的好处,进一步加固了城市人才吸附的能力。
5.3 平衡型活跃区平衡型活跃区包括了宁波、金华、扬州、徐州、镇江、盐城、宣城、连云港、马鞍山、安庆10座城市,其占长三角城市总数的24.4%。这些城市分布较为广泛,总体上并无明显特征。此外,“平衡型活跃区”与“非活跃区”的净迁移率在数值上较为接近,但其内涵却有所不同,所属平衡型活跃区的这10所城市经济发展平稳,且具有一定的人才储备量,人才流出与流入规模相对较大且较为均衡,致使其净迁移率数值较低。
5.4 非活跃区属于非活跃区类型的共有10座城市,分别为泰州、宿迁、淮北、舟山、亳州、阜阳、宿州、丽水、六安和池州,空间上多分布于西部与南部山地地区,整体呈现带状空间形态。城市社会经济发展水平上的差距会对人才资源的吸引力产生差别,这种差别一定程度上导致了人才地理空间配置上的失衡。上述10所城市由于自身区位、自然及交通等因素的制约,城市经济发展水平在整个区域中处于落后地位,企业人才储备量的贫乏以及人才流动行为的微弱使其人才总迁移率与净迁移率均较低,城市在整个区域中也处于孤立状态。
6 结论与讨论 6.1 结论研究基于长三角区域尺度,以知识经济时代背景下的“人才流”作为切入点,选择人才履历信息数据,通过社会网络分析方法探究了区域企业经营管理人才流动网络结构与特征内涵,并在此基础上运用修正型复合指标法对长三角地区进行了地域类型划分,主要结论如下:
(1)企业人才空间分布方面,具有显著地域差异,沿江沿海地区城市为企业人才主要工作地;企业人才第一工作地与目前工作地格局高度耦合,具有很好的时序传承性;整体上,长三角地区企业人才空间分布呈正相关性,集聚态势日益加强。
(2)企业人才流动网络结构方面,长三角地区企业人才流动网络是以少数城市为核心、各城市紧密联系的无标度网络,网络节点层级明显;网络链接呈“Z”字形空间分布。
(3)企业人才流动现状特征方面,长三角地区企业人才流动比率偏低,固化现象较为严重;网络整体形成以上海为核心枢纽,苏州、杭州、合肥、南京为区域中心的“一主四副”多核心特征;企业人才流动具有明显地理集中性与强烈空间差异;城市间人才流动相对均衡;流动具有核心节点城市间的双向流动与邻域渗透特征;企业人才省际流动较为活跃。
(4)人才流动地域类型划分方面,总体呈“破碎化”特征,净流出型活跃区城市数量较少,上海、南京与杭州3市为企业人才核心输出城市;净流入型活跃区包括了15所城市,空间上主要分布于上海、南京、杭州城市四周;所属平衡型活跃区的10所城市分布较为广泛,并无明显特征;西部与南部山地地区一般为非活跃区,整体呈现带状空间形态。
6.2 建议与讨论在现有企业人才分布态势以及流动网络研究基础上,本文尝试从人才流动视角提出两点建议,为推进长三角高质量一体化发展提供参考:
(1)依据产业类型吸引人才,合理配置人才资源。一体化的根本在于各地区之间形成合力、高效的分工合作关系,促成各方在专业化分工基础上的联动发展。长三角地区产业结构转型使得城市对于人才需求结构与需求数量发生变化,因而需依据各地产业类型以及城市定位制定相应的人才政策,使其产业结构与当地人才资源结构相匹配,推进区域一体化发展。
(2)充分发挥上海作为核心枢纽城市的引领作用。作为长三角核心枢纽城市,上海应努力发挥对长三角地区乃至全国的人才辐射带动作用,一方面需打破其行政藩篱,放眼长三角并服务全国,另一方面可通过设立人才特区使其成为长三角吸引国内外高端人才与外籍人才的桥头堡,从而推动长三角更高质量一体化的发展。
需要指出的是,研究仍存在一定的局限性。研究尺度方面,本文将长三角地区作为封闭区域,仅探究了区域内部人才流动的空间格局及特征,而忽略了网络系统下其与外部地区的联系,研究结论可能存在一定片面性;研究数据方面,履历分析法自身存在着数据异质性与缺失性问题,研究通过网络平台获取的企业人才履历信息在内容上也存在着部分缺失,即无法获取每一个样本发生流动的确切时间,因而对流动网络演化的分析是缺乏的;数据处理方面,企业人才工作地的整理是以其所在单位地址进行记录,可能并非本人真实位置,数据缺陷致使缺乏对于人才职住分离现象的分析。此外,由于独立董事的特殊性,所提取出的该对象“目前工作地”信息也可能存在一定偏差。未来应积极采用新理论新手段,基于多尺度、多对象深化对区域人才流动发生、发展、机理与效应的研究。
[1] |
黄海刚, 曲越, 白华. 中国高端人才的地理流动、空间布局与组织集聚[J]. 科学学研究, 2018, 36(12): 2191-2204. [Huang Haigang, Qu Yue, Bai Hua. The geographic mobility, spatial distribution and institutional aggregation of China's research scientists[J]. Studies in Science of Science, 2018, 36(12): 2191-2204.] |
[2] |
梁伟年.中国人才流动问题及对策研究[D].武汉: 华中科技大学, 2004: 4-10. [Liang Weinian. Research on Issue and Strategy of Talent Flow in China[D]. Wuhan: Huazhong University of Science & Technology, 2004: 4-10.] http://cdmd.cnki.com.cn/Article/CDMD-10487-2005037201.htm
|
[3] |
西奥多·W·舒尔茨. 论人力资本投资[M]. 北京: 北京经济学院出版社, 1990: 1-18. [Schultz T W. Investment in Human Capital[M]. Beijing: Capital Economic and Trade University Press, 1990: 1-18.]
|
[4] |
王福波. 国内外人才流动理论研究综述[J]. 重庆三峡学院学报, 2008(2): 118-122. [Wang Fubo. Review the theory of talent flow at home and abroad[J]. Journal of Chongqing Three Gorges University, 2008(2): 118-122.] |
[5] |
黄永军. 人才流动的饱和度趋衡论[J]. 科学管理研究, 2001, 19(5): 23-26, 30. [Huang Yongjun. Saturation tendency theory of talent flow[J]. Scientific Management Research, 2001, 19(5): 23-26, 30.] |
[6] |
张弘, 赵曙明. 人才流动探析[J]. 中国人力资源开发, 2000(8): 4-6. [Zhang Hong, Zhao Shuming. Analysis of talent flow[J]. Human Resources Development of China, 2000(8): 4-6.] |
[7] |
王寅秋, 罗晖, 李正风. 全球科技领军人才跨国流动网络研究——基于文献信息计量的复杂网络大数据分析[J]. 技术与创新管理, 2018, 39(5): 521-529. [Wang Yinqiu, Luo Hui, Li Zhengfeng. A study on the network of global mobility of scientific top talents:Based on bibliometrics and complex network[J]. Technology and Innovation Management, 2018, 39(5): 521-529.] |
[8] |
李双双, 延军平. 中国当代地理教授、研究员地域分异[J]. 地理科学进展, 2011, 30(10): 1298-1304. [Li Shuangshuang, Yan Junping. Geographical distribution and regional differentiation of contemporary geographical professors and researchers in China[J]. Progress in Geography, 2011, 30(10): 1298-1304.] |
[9] |
李瑞, 吴殿廷, 鲍捷, 等. 高级科学人才集聚成长的时空格局演化及其驱动机制——基于中国科学院院士的典型分析[J]. 地理科学进展, 2013, 32(7): 1123-1138. [Li Rui, Wu Dianyan, Bao Jie, et al. Evolution of temporal and spatial pattern and driving mechanisms of agglomerative growth of senior science talents:A case study of academicians of CAS[J]. Progress in Geography, 2013, 32(7): 1123-1138.] |
[10] |
任泉香, 朱竑, 李鹏. 近现代中国女性人才的地理分布和区域分异[J]. 地理学报, 2007, 62(2): 211-220. [Ren Quanxiang, Zhu Hong, Li Peng. Geographical distribution and regional differentiation of female talents in modern and contemporary China[J]. Acta Geographica Sinica, 2007, 62(2): 211-220.] |
[11] |
聂晶鑫, 刘合林. 中国人才流动的地域模式及空间分布格局研究[J]. 地理科学, 2018, 38(12): 1979-1987. [Nie Jingxin, Liu Helin. Spatial pattern and the resulting characteristics of talent flows in China[J]. Scientia Geographica Sinica, 2018, 38(12): 1979-1987.] |
[12] |
马海涛. 基于人才流动的城市网络关系构建[J]. 地理研究, 2017, 36(1): 161-170. [Ma Haitao. Triangle model of Chinese returnees:A tentative method for city networks based on talent flows[J]. Geographical Research, 2017, 36(1): 161-170.] |
[13] |
段德忠, 杜德斌, 桂钦昌, 等. 中国企业家成长路径的地理学研究[J]. 人文地理, 2018, 33(4): 102-112. [Duan Dezhong, Du Debin, Gui Qinchang, et al. The geography of Chinese entrepreneurial development[J]. Human Geography, 2018, 33(4): 102-112.] |
[14] |
周亮, 张亚. 中国顶尖学术型人才空间分布特征及其流动趋势——以中国科学院院士为例[J]. 地理研究, 2019, 38(7): 1749-1763. [Zhou Liang, Zhang Ya. The spatial distribution and flow trends of Chinese top academic talents:Based on the case study of academicians of Chinese Academy of Sciences[J]. Geographical Research, 2019, 38(7): 1749-1763.] |
[15] |
Mcguire D, Stewart J, Harte V. The implications of talent management for diversity training:An exploratory study[J]. Journal of European Industrial Training, 2010, 34(6): 506-518. DOI:10.1108/03090591011061194 |
[16] |
Kim Y, Williams R, Rothwell W J, et al. A strategic model for technical talent management:A model based on a qualitative case study[J]. Performance Improvement Quarterly, 2014, 26(4): 93-121. DOI:10.1002/piq.21159 |
[17] |
Erhardt N L. The international mobility of talent:Types, causes and development impact[J]. Human Resource Management, 2010, 49(2): 337-339. DOI:10.1002/hrm.20344 |
[18] |
Mahroum S. Highly skilled globetrotters:Mapping the international migration of human capital[J]. R & D Management, 2000, 30(1): 23-32. |
[19] |
张再生. 人才流动态势及影响因素分析——以天津市为例[J]. 人口学刊, 2000(1): 7-11. [Zhang Zaisheng. Analysis on dynamics of talent flow and influencing factors:A case study of Tianjin[J]. Population Journal, 2000(1): 7-11.] |
[20] |
Solimano A. The international mobility of talent and its impact on global development[J]. Working Papers, 2006, 32(7): 41-46. |
[21] |
Beechler S, Woodward I C. The global "war for talent"[J]. Journal of International Management, 2009, 15(3): 273-285. DOI:10.1016/j.intman.2009.01.002 |
[22] |
朱军文, 李奕嬴. 国外科技人才国际流动问题研究演进[J]. 科学学研究, 2016, 34(5): 697-703. [Zhu Junwen, Li Yiying. The evolution of the overseas research on science and technology talents mobility[J]. Studies in Science of Science, 2016, 34(5): 697-703.] |
[23] |
Ulf S. Combining curriculum vitae and bibliometric analysis:Mobility, gender and research performance[J]. Research Evaluation, 2009, 18(2): 135-142. |
[24] |
Tranos E, Gheasi M, Nijkamp P. International migration:A global complex network[J]. Environment and Planning B:Planning and Design, 2014, 42(1): 4-22. |
[25] |
贾长松. 企业组织理论[M]. 北京: 北京大学出版社, 2014: 102-107. [Jia Changsong. Enterprise Organization System[M]. Beijing: Peking University Press, 2014: 102-107.]
|
[26] |
周建中, 肖小溪. 科技人才政策研究中应用CV方法的综述与启示[J]. 科学学与科学技术管理, 2011, 32(2): 151-156, 179. [Zhou Jianzhong, Xiao Xiaoxi. The suggestions and summaries of CV method in the research of the S&T talent policy[J]. Science of Science and Management of S&T, 2011, 32(2): 151-156, 179.] |
[27] |
Limtanakool N, Dijst M, Schwanen T. A theoretical framework and methodology for characterising national urban systems on the basis of flows of people:Empirical evidence for France and Germany[J]. Urban Studies, 2007, 44(11): 2123-2145. DOI:10.1080/00420980701518990 |
[28] |
刘铮, 王世福, 赵渺希, 等. 有向加权型城市网络的探索性分析[J]. 地理研究, 2013, 32(7): 1253-1268. [Liu Zheng, Wang Shifu, Zhao Miaoxi, et al. Exploratory analysis of directed weighted network of city[J]. Geographical Research, 2013, 32(7): 1253-1268.] |
[29] |
戚伟, 刘盛和. 中国城市流动人口位序规模分布研究[J]. 地理研究, 2015, 34(10): 1981-1993. [Qi Wei, Liu Shenghe. Research on the rank-size distribution rule of China's urban floating population[J]. Geographical Research, 2015, 34(10): 1981-1993.] |
[30] |
刘盛和, 邓羽, 胡章. 中国流动人口地域类型的划分方法及空间分布特征[J]. 地理学报, 2010, 65(10): 1187-1197. [Liu Shenghe, Deng Yu, Hu Zhang. Research on classification methods and spatial patterns of the regional types of China's floating population[J]. Acta Geographica Sinica, 2010, 65(10): 1187-1197.] |
[31] |
廖建桥, 黄书毅, 刘智强. 中国区域人才集聚合理性及其评价——中美500强企业地区分布的对比视角[J]. 经济管理, 2007(19): 76-81. [Liao Jianqiao, Huang Shuyi, Liu Zhiqiang. Human capital concentration:A view from the comparison between the location distributions of 500 enterprises in China and the United States[J]. Economic Management, 2007(19): 76-81.] |