“人才争夺战”背景下人才流动的空间特征及影响因素——以中国“一流大学”毕业生为例

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王一凡^,¹, 崔璨^,¹, 王强¹, 宁越敏¹, 杨振山²^,³

1.华东师范大学中国现代城市研究中心/中国行政区划研究中心/城市与区域科学学院,上海 200241

2.中国科学院地理科学与资源研究所区域可持续发展分析与模拟实验室,北京 100101

3.中国科学院大学资源与环境学院,北京 100049

Migration of human capital in the context of vying for talent competition: A case study of China's "first-class" university graduates

WANG Yifan^,¹, CUI Can^,¹, WANG Qiang¹, NING Yuemin¹, YANG Zhenshan²^,³

1. The Center for Modern Chinese City Studies/Research Center for China Administrative Division/School of Urban & Regional Science, East China Normal University, Shanghai 200062, China

2. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 崔璨（1987-）,女,安徽合肥人,博士,研究员,博士生导师,研究方向为城市地理和社会地理。E-mail：ccui@geo.ecnu.edu.cn

收稿日期:2020-05-20接受日期:2020-12-18网络出版日期:2021-03-10

基金资助:

国家自然科学基金与荷兰研究理事会合作研究项目.72061137072
国家自然科学基金与荷兰研究理事会合作研究项目.482.19.607
上海市科技计划项目.20692192100
中国科学院区域可持续发展分析与模拟重点实验室开放基金.KF2020-10

Received:2020-05-20Accepted:2020-12-18Online:2021-03-10
作者简介 About authors
王一凡（1995-）,女,安徽合肥人,硕士,研究方向为城市地理。E-mail: vanyeewang@163.com

摘要
自2017年以来,“人才争夺战”如火如荼,城市步入以人才为核心要素的高维竞争阶段。作为人才争夺战的主要目标和人力资本的重要承载者,本文聚焦中国“一流大学”毕业生,基于2018年《毕业生就业质量报告》,运用Cartogram地图呈现了毕业生的空间流动特征,并梳理政府人才政策文件构建了人才政策评价指标体系,运用有向迁移模型剖析毕业生流动的影响因素。结果表明：① 就学地存在粘滞性,但区域差异显著,毕业生向一线城市集聚。② 城市吸引力水平分异明显,部分城市通过发布人才政策以补充地方经济、舒适性吸引力的不足。③ 经济维度要素与城市舒适性均能有效吸引毕业生流入,较高房价收入比会引发“挤出效应”。人才政策中,落户政策对毕业生流入起激励作用。
关键词： 高校毕业生;人才流动;人才争夺战;城市吸引力

Abstract

Human capital is the key driver of urban innovation and development. In 2017, the "vying for talent" competition was initiated by some second-tier cities, since then cities have been competing each other fiercely for recruiting and retaining talent. This paper focuses on China′s "first-class" university graduates, who are regarded as the main target of the "vying for talent" competition and an important carrier of human capital. Based on 2018 Graduate Employment Reports, this paper demonstrates the spatial mobility of graduates using Cartogram. In addition, an evaluation system for assessing talent policy is constructed through analyses of the talent policies issued by different cities. With a directional migration model, the determinants of graduate mobility are explored. The results reveal that there are significant regional disparities in retention rates, with the geographical patterns of the Y-shaped low-value areas in the northeastern, northwestern, and central regions, and the U-shaped high-value areas covering east coast to southwest. Graduates have been accumulating spatially, and the T-shaped cluster along east coast and the Yangtze River Economic Belt has formed. The spatial patterns of "neighborhood interaction" and "long-distance unidirectional flow" are presented between the city of university and the city of employment. Moreover, the differences in city attractiveness are remarkable. First-tier cities are preferred by graduates, even though limited talent policies have been implemented there. Some second-tier cities have issued talent policies to make up for the lack of attractiveness in economy and amenities. The findings suggest that economic factors, such as income level and technological innovation, as well as amenities including natural and cultural environment, educational resources, and public transportation are positively associated with the volume of graduates inflow. It has been found that a higher ratio of house price to income has squeezed out university graduates. With regard to talent policies, only relaxed hukou policy has a strong effect on attracting graduates, whereas the effects of housing and employment policies are relatively limited. However, it needs to be noted that talent policies may take a longer time to show effects, which requires follow-up investigation. In addition, heterogeneity at the individual level in terms of place of origin, major, etc. should be explored in the future studies.

Keywords：university graduates;migration;vying for talent;city attraction

PDF (4837KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
王一凡, 崔璨, 王强, 宁越敏, 杨振山. “人才争夺战”背景下人才流动的空间特征及影响因素——以中国“一流大学”毕业生为例. 地理研究[J], 2021, 40(3): 743-761 doi:10.11821/dlyj020200437
WANG Yifan, CUI Can, WANG Qiang, NING Yuemin, YANG Zhenshan. Migration of human capital in the context of vying for talent competition: A case study of China's "first-class" university graduates. Geographical Research[J], 2021, 40(3): 743-761 doi:10.11821/dlyj020200437

1 引言

知识经济时代,人力资本是城市创新和发展的源动力,人才的地理流动正在重塑区域经济发展格局^[1,2]。自1999年以来,高校扩招促使中国高等教育人才规模迅速扩张,2017年中国高等教育领域的又一重大战略决策——世界一流大学和一流学科建设名单正式发布,中国高水平人才培养体系建设迈入新阶段。高校毕业生作为人力资本的重要承载者,是最富活力、最具创造性的群体,是中国高水平人才的后备军,同时,规模庞大的高校毕业生群体在就学地和就业地之间跨区域流动,已成为中国仅次于农民工群体的第二大迁移人群^[3]。为吸引人才实现经济发展的“弯道超越”,自2017年开始,由新一线城市发起的“人才争夺战”席卷全国,2019年,“人才争夺战”持续升级,广州、深圳等一线城市也相继出台了人才新政,城市步入以“人才”为核心要素的高维竞争阶段。各地竞相从落户、购房补贴、生活补贴、配套保障等方面出台了一系列人才吸引政策,但政策效果还有待实践检验。在“人才争夺战”背景下,深度剖析毕业生空间流动的特征和影响因素,可以为引导合理、公正、畅通、有序的人才社会性流动、提升区域人才配置效率提供理论依据和政策建议。

人力资本理论认为人力资本越高,流动障碍越小^[4]。在西方市场经济和劳动力自由流动的条件下,人力资本越来越向国家和区域中心以及大都市圈聚集^[5,6]。中国区域发展的不均衡性导致毕业生的就业流动具有东部地区和中心城市指向性^[7,8]。但随着经济发展形势的变化,部分研究指出,高昂房价、激烈竞争、低居住满意度等“大都市化陷阱”促使毕业生前往一线城市的比例逐渐下降,而对于二线城市,尤其是发达地区二线城市的热情有所上升^[9,10]。此外,不同于一般劳动力流动,高校毕业生经历过一次择校迁移,众多研究发现就学地的粘滞效应凸显。尤其是欧洲国家,79.2%的英国高校毕业生和近一半的德国高校毕业生留在大学所在区域工作^[11,12]。相比之下,美国的劳动力市场流动性较强,美国高校的毕业生跨区域流动活跃^[13]。中国的实证研究发现就学地粘滞率较高,毕业生的就学经历及在就学地累积的社会资本会增加他们留在就学地工作的可能性,并且择校迁移可能已包含了毕业生对就学地的偏好^[8,14]。

关于影响毕业生流动的因素,劳动力迁移理论（如新古典经济学理论）认为,劳动力流动是对不同区域工资差异和就业机会的合理性适应^[15]。随着西方国家进入后工业化时代,生活质量（quality of life）被用于解释人口流动^[16]。Glaeser等提出“消费城市（consumer city）”理论,认为人们选择居住地时,不仅将城市视为获得高薪工作的场所,也将城市视为消费和获得更高生活质量的场所^[17]。与“生活质量”交替使用的另一个概念是“城市舒适性（urban amenities）”,它包括空气质量、平均温度、降水等自然环境以及公共服务、文化和娱乐设施等社会环境,并日益成为高技能劳动力定居地选择的重要影响因素^[18,19]。此外,Florida提出的“创意阶层（creative class）”概念的兴起,还引发了****对于地方品质（quality of place）如多样性、包容性、创造性等的关注^[20,21]。

对中国高校毕业生流动机制的研究发现,区域经济因素仍占主导作用,但公共服务水平、高等教育资源、自然环境等均有显著影响^[22,23]。Liu等运用2005年1%人口抽样调查数据,研究发现教育、医疗资源对毕业生存在重要的吸引作用^[24]。马莉萍等分析了中国高等院校布局与毕业生区域流动发现,高等院校布局会对当地人才供给产生可观影响^[25]。Zheng等对2005—2016年清华大学毕业生的调查研究发现,空气污染会对毕业生产生“挤出效应”,严重的空气污染会削弱城市保留与吸引顶尖人才的能力^[18]。此外,国内教育学****基于毕业生微观抽样调查数据揭示了人口学特征、人力资本、社会资本等个体因素对毕业生流动有显著影响^[26,27]。

综上所述,现有研究涵盖了毕业生流动的特征分析以及机制识别,但存在以下几点不足：① 地理学的研究多聚焦于高层次科研人才（如中国科学院院士）^[28]和高技能劳动力^[19]的空间分布规律,相对忽视了高校毕业生这一重要且庞大的社会创新群体从就学地向就业地的迁移流动,及其对区域发展格局影响的研究。② 随着“人才争夺战”的发起,人才政策成为城市吸引人才的重要手段,然而,现有城市吸引力的测度体系中缺乏人才政策维度的深入、系统评价。③ 在流动影响因素方面,现有研究主要考察区域经济因素和公共服务或城市舒适性对于人才流动的影响,而相对忽视了人才政策的影响。2018年第二季度主要城市人才净流入的数据显示,该轮“人才争夺战”中,杭州、成都、西安、长沙和武汉等城市引才效果明显^[29]。然而,作为人才政策重要引进对象的高校毕业生,其流动是否以及如何受到人才政策影响亟需开展深入研究。在此背景下,本研究试图回答以下问题：中国“一流大学”毕业生的空间流动有何特征?“人才争夺战”中各地颁布的人才政策效果如何,其与经济因素、城市舒适性有何内在关系,是否显著提升了城市吸引力?影响毕业生空间流动的因素有哪些,人才政策对毕业生流动是否存在导向作用?

2 数据来源与研究方法

2.1 数据来源

中国“双一流”体系建设旨在培养拔尖创新人才,全面提升学生的科学精神和创业意识、创造能力^[30],“双一流”高校毕业生尤其是“一流大学”毕业生,往往具有较高的人力资本水平且毕业后更可能从事创造性劳动,因此更接近西方文献中对“人才”的界定^[20]。另外,由于毕业院校等级体系在就业市场中被广泛认可,有必要对不同等级院校的毕业生进行分类研究。因此,本研究聚焦于2018届进入劳动力市场就业的“一流大学”本科毕业生,其迁移数据收集整理自39所“一流大学”建设高校于2018年发布的《毕业生就业质量报告》^①(① 全国共42所“一流大学”建设高校,本研究未包括新疆大学、国防科技大学和中国海洋大学,因为新疆大学和国防科技大学近3年未公开《毕业生就业质量报告》,而中国海洋大学仅记录了留在本地的毕业生数量,存在较大数据缺失。另外,部分高校的缺失数据由该校2017年或2019年发布的《毕业生就业质量报告》数据作为补充。)。数据以高校为单元,按省/直辖市/自治区（不含港、澳、台）统计毕业生就业人数。本研究将39所“一流大学”数据,按照高校所在城市汇总至22个就学地城市,得到22个就学地城市到31个省/直辖市/自治区的流向数据用于研究省级行政区层级的毕业生流动情况。同时,本研究也基于部分高校提供的城市层级流动数据,在城市层级测算出直辖市、省会城市和计划单列城市的毕业生流入情况^②(② 大多数高校数据显示流向直辖市、省会城市和计划单列城市的毕业生占绝大比例。南京大学2018年《毕业生就业质量报告》称,81.21%的毕业生在毕业后去往了直辖市、省会城市和计划单列城市就业;四川大学、东北大学、天津大学等高校《毕业生就业质量报告》中均有类似表述;北京大学、中山大学、西北工业大学等高校的毕业生城市流向数据也印证了该表述。)。在就学地到就业地的OD矩阵中,除去因流量较少而未被数据记录的迁移流,最终得到由就学地流向就业地的562条毕业生迁移流。

城市人才吸引政策资料整理自本研究所涉及城市（包括就学城市和就业城市）政府官方网站于2017年1月至2018年6月期间发布的相关政策,包括市政府信息公开网、人力资源与社会保障局（部）网站以及人才中心网站。研究剔除了政策实施对象为非高校毕业生的政策文件,并按照政策影响面、人才落户、安居、就业创业4个维度8个属性指标对相关政策进行归纳整理。对于配套文件、实施细则以及追加文件中有重复、交叉的政策举措,按照“时间从新、标准从高、奖励补贴不重复”的原则进行合并处理,最终获取34份人才政策文件作为研究资料。

关于城市属性数据,为保证数据的可靠性、可比性和统计口径的一致性,本文使用的统计数据均来源于国家和省市官方统计年鉴、公报、普查数据以及行业权威数据。其中自然环境、平均收入、科技创新、教育和交通数据来源于2018年《中国统计年鉴》和《中国城市统计年鉴》;就业机会和人口规模数据源自2017年各省市国民经济与社会发展统计公报;人力资本测度数据选自于滞后一个普查周期的2010年人口普查数据;房价数据来源于国家统计局数据库;文化资源数据则从猫眼电影历史数据中获取。城市等级数据采用的是被广为认可的第一财经发布的《2017城市商业魅力排行榜》^[31,32],其根据城市商业资源集聚度、城市人活跃度、生活方式多样性、城市枢纽性和未来可塑性5个维度,将城市划分为一线城市、新一线城市、二线城市、三线城市、四线城市和五线城市^③(③ 根据《2017城市商业魅力排行榜》,针对本研究所涉及城市,其城市等级划分如下：一线城市包括北京、上海、广州、深圳;新一线城市包括成都、杭州、武汉、重庆、南京、天津、西安、长沙、沈阳、青岛、郑州、大连;二线城市为厦门、福州、合肥、昆明、哈尔滨、济南、长春、石家庄、南宁、南昌、贵阳、太原、海口、乌鲁木齐、兰州;三线城市为呼和浩特、银川、咸阳、西宁;五线城市有拉萨。)。

2.2 研究方法

2.2.1 毕业生流动性测度指标

（1）粘滞率。反映就学地对于本地毕业生的粘滞能力,粘滞率R_i的表达式为：

（1）

R_{i} = L_{i} / T_{i}

式中：L_i为留在就学地i的毕业生人数;T_i为i城市的毕业生总数。计算省级粘滞率时,取该省所包含城市粘滞率的均值。

（2）流入率。反映就业地的毕业生流入比例,流入率M_ij的表达式为：

（2）

M_{ij} = \{\begin{array}{l} K_{ij} / T_{i} (城市尺度) \\ [\overset{L}{\sum_{i = 1}} (K_{ij} / T_{i})] / L (省级行政区尺度) \\ [\overset{N}{\sum_{i = 1}} \overset{M}{\sum_{j = 1}} \frac{(K_{ij}}{T_{i})}] / N (区域尺度) \end{array}

式中：K_ij为由就学地i前往就业地j的毕业生人数;T_i为i城市的毕业生总数;L为来源省份拥有“一流大学”城市的数量;N为就学区域拥有“一流大学”城市的数量;M为就业区域包含的城市数量。

2.2.2 Cartogram地图 Cartogram是一种在不改变原有拓扑关系的基础上,通过简化和变形来突出表现地理对象的某些属性的表示方法。较传统的统计地图,Cartogram忽略地图位置精度,着重属性信息的表达,有助于提升信息传输效率并为数据分析提供全新的视角^[33]。由于本研究涉及的城市单元较少,为了更加直观地呈现宏观空间分布状态,本文以省级行政区为分析底图,利用Cartogram地图呈现毕业生粘滞率以及流入率的属性空间分布。

2.2.3 熵权法熵权法作为一种客观赋值方法,常用于确定指标体系中各子系统及构成要素指标的权重。对于某项指标,信息熵值越小,指标值的变异程度越大,则该指标在评价中所起的作用越大,权重越大。以X_ij表示第i个城市第j项指标值,则熵权法^[34]计算权重的步骤为：

（1）计算标准化后的城市各人才政策指标的特征比重值Z_ij：

（3）

Z_{ij} = \frac{X'_{ij}}{\overset{m}{\sum_{i = 1}} X'_{ij}}

式中：X'_ij为第i个城市的第j项指标的标准化后的值;m为城市的个数。

（2）计算城市各人才政策指标的信息熵值P_j和信息效用值Q_j：

（4）

P_{j} = - (1 / \ln m) \times \overset{m}{\sum_{i = 1}} (Z_{ij} \times \ln Z_{ij})

（5）

Q_{j} = 1 - P_{j}

（3）计算城市各人才政策指标的权重W_j：

（6）

W_{j} = Q_{j} / \overset{n}{\sum_{j = 1}} Q_{j}

式中：n为人才政策指标的个数。

（4）计算城市人才政策的得分G_i：

（7）

G_{i} = \overset{n}{\sum_{j = 1}} X'_{ij} \times W_{j}

2.2.4 有向迁移模型现有研究常在效用最大化分析框架下使用条件logit模型对个体决策行为进行分析,由于本文所使用的为宏观流动数据,需要将其进行转换。

毕业生l由就学地i到就业地j的效用可表示为

U_{ijl}

。在线性假设下,

U_{ijl}

取决于i地和j地的相关属性

X_{ij}

,则

U_{ijl}

表示为：

（8）

U_{ijl} = α X_{ij} + ε_{ijl}

基于效用最大化原则,毕业生l前往j地的概率

P_{ijl}

为：

（9）

P_{ijl} = Prob (U_{ij} > U_{ik}), k = 1,2, \dots, 31, k \neq j

式中：k为就业地的替代选择。假设随机扰动项

ε_{ijl}

独立同分布（Weibull分布）,则毕业生l选择j地的概率是一个标准的条件logit模型：

（10）

P_{ijl} = \frac{\exp (α X_{ij})}{\overset{30}{\sum_{j = 1}} \exp (α X_{ik})}

由于

X_{ij}

与所有潜在就业地的属性相关,难以直接使用条件logit模型估算

P_{ijl}

,一些****将条件logit模型转换为估算迁移几率的函数^[35]：

（11）

P_{ijl} / P_{iil} = \exp (α X_{ij})

式中：

P_{iil}

为毕业生留在i地的概率。

根据大数定律,迁移几率可以由给定时间内地区间的宏观流动量来表示,即：

（12）

P_{ijl} / P_{iil} = (N_{i} \times P_{ijl}) / (N_{i} \times P_{iil}) = N_{ij} / N_{ii}

式中：

N_{i}

为i地的毕业生总数;

N_{ij}

为由i地前往j地的毕业生数量;

N_{ii}

为留在i地的毕业生数量。对公式（12）进行对数变换：

（13）

\ln (N_{ij} / N_{ii}) = α X_{ij} + \in_{ij}

至此,本文将条件logit模型转换为适用于宏观流动数据的有向迁移模型,其中,因变量为毕业生迁移几率（即由就学地i前往就业地j就业的毕业生数量与留在就学地i就业的毕业生数量的比值）的对数,核心解释变量包括经济因素、城市舒适性和人才政策。

3 “一流大学”毕业生流动特征

3.1 就学地粘滞性的区域差异

根据公式（1）计算得到39所“一流大学”所在的22个就学地的粘滞率。由于涉及城市单元较少,为直观呈现其空间格局,将同一省份就学地的粘滞率取均值,得到20个省级行政区的毕业生粘滞率,各省毕业生粘滞率分化明显,极差达到51.44%。图1a反映了毕业生粘滞率的空间格局,东北、西北、中部地区各省市呈现“Y”型低值区,其中黑龙江粘滞率为19.04%、湖南20.28%、吉林21.48%。而东部沿海地区、西南各省市呈现“U”型高值区,上海粘滞率高达70.48%、浙江65.20%、云南62.88%。图1b运用Cartogram地图,通过变形突出展示了各省市毕业生粘滞率的差异。“U”型高值区被放大,其中,上海变形后的面积扩大了近84倍,浙江和江苏也分别扩大了8倍和6倍,体现了以上省市在毕业生粘滞上的绝对优势。

图1

新窗口打开|下载原图ZIP|生成PPT
图12018年20个“一流大学”所在省级行政单元毕业生粘滞率

注：图1a基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号为GS(2019)1825号）绘制,底图无修改;图1b为基于上述标准地图制作的Cartogram地图进行空间拓扑示意。
Fig. 1Retention rates of the 20 provinces where "first-class" universities locate in 2018

图2展示了按城市等级划分的“一流大学”所在城市的毕业生粘滞率。一线城市在毕业生保留上颇具竞争力,平均粘滞率为50.46%,而新一线、二线城市的粘滞率分别为35.67%和35.81%。相同城市等级内部粘滞率也表现出较大差异,一线城市中位列第一的上海、新一线城市中位列第一的杭州,以及二线城市中位列第一的昆明的粘滞率分别是相同城市等级中粘滞率最低城市北京、长沙、哈尔滨的2.3倍、3.2倍和3.3倍。粘滞率的差异不仅是城市自身吸引力作用的结果,也与其周边城市的吸引力息息相关,尤其是经济发达地区的“虹吸”作用,因此,需结合就业地流入率作进一步分析。

图2

新窗口打开|下载原图ZIP|生成PPT
图22018年“一流大学”所在城市的毕业生粘滞率（按城市等级划分）

Fig. 2Retention rates of the cities of "first-class" universities in 2018 (by city tier)

3.2 就业地流入率的空间分布

基于公式（2）,本研究计算了31个省市的毕业生流入率。图3a展示了毕业生流入率的空间格局,空间聚集趋势凸显,东部沿海地区以及长江经济带沿岸区域形成了“T”型高流入区。图3b进一步展示了毕业生流入率的空间分异,广东（12.80%）、北京（8.03%）、上海（5.93%）等省市成为全国最重要的磁力核心。相反,东北三省受到了较大程度的压缩,辽宁的毕业生流入率为1.08%,黑龙江和吉林均仅为0.50%左右。相关研究显示,2010—2015年间东北三省年均净迁出人口达27.38万人^[36]。在人口流失进一步加剧的同时,本研究发现东北地区还面临着毕业生流入较少问题。

图3

新窗口打开|下载原图ZIP|生成PPT
图32018年31个省级行政单元的“一流大学”毕业生流入率

注：图3a基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号为GS(2019)1825号）绘制,底图无修改;图3b为基于上述标准地图制作的Cartogram地图进行空间拓扑示意。
Fig. 3Inflow rates of graduates from "first-class" universities in 31 provinces in 2018

对比图1就学地粘滞率的空间分布可以发现,就学地的低粘滞率常与其邻域的高流入率相伴而生,如湖南、陕西、甘肃等省份。以湖南省为例,2018年流向其毗邻省份广东的毕业生比例超过留在湖南省比例近8个百分点。这是由于广东经济发达、就业市场巨大,需要通过大量引入外来人才实现供需平衡,而其邻省湖南自然成为其重要的人才来源地。

本研究也在城市层级探讨了毕业生流入情况,图4为按城市等级划分的就业地的毕业生流入率,大量毕业生涌入一线城市,新一线城市的平均流入率为1.43%,略低于均值（1.59%）,去往二线、三线城市毕业生相对较少。分城市等级来看,一线城市毕业生平均流入率达到6.05%,其中,北京、深圳分别达到8.03%、7.27%,而粘滞率较高的上海和广州,毕业生流入相对较少,分别为5.93%、2.96%。新一线城市的毕业生平均流入率（1.43%）不及一线城市的四分之一,高于均值的城市包括：杭州、成都、武汉和南京。此外,二线城市石家庄、福州的毕业生流入率较高,分别达到1.37%、1.34%,高于长沙、重庆等部分新一线城市。

图4

新窗口打开|下载原图ZIP|生成PPT
图42018年就业地毕业生流入率（按城市等级划分）

Fig. 4Inflow rates of the employment cities in 2018 (by city tier)

3.3 就学地与就业地的空间关联

图5a展示了毕业生在华北、华东、华中、华南、西北、西南和东北七大区域间的流动路径,流动方向按照顺时针从就学地指向就业地,线条颜色表征就业地的毕业生流入率。可以看出,周边区域间的“邻里互动”现象凸显,地理邻近的区域在自然环境、语言文化、生活习俗等方面具有一定共性,易于发生流动行为,例如华中与华东地区、华东与华北地区间的毕业生相互流动。此外,由内陆边缘地区向发达地区的“远距离单向流动”涌现,例如东北和西北地区的毕业生跨越长距离向华东、华南等发达区域流动。

图5

新窗口打开|下载原图ZIP|生成PPT
图52018年“一流大学”毕业生流动路径

注：此图基于自然资源部地图技术审查中心标准地图服务网站下载的标准地图（审图号为GS(2019)1825号）绘制,底图无修改。
Fig. 5Mobility paths of graduates from "first-class" universities in 2018

图5b毕业生在省级/直辖市单元之间的流动路径清晰呈现出以北京、上海和广东为就业地,形成的三股毕业生聚集流动路径。其中,北京和上海以“邻里互动”模式为主,作为京津冀和长三角城市群的中心城市,北京和上海广泛接收城市群内部人才,15.79%的天津毕业生流向北京,江苏、安徽各有12.06%和11.90%的毕业生流向上海。而广东的毕业生来源不仅涵盖了周边省份——湖南（28.32%）、湖北（27.05%）等,相当一部分毕业生通过“远距离流动”前往广东就业发展,包括22.69%的黑龙江毕业生和11.73%的吉林毕业生。

进一步地,本研究在城市层级统计了毕业生的流动情况,毕业生在不同城市等级间的流动轨迹如图6所示,左侧百分比表示毕业生流向同一等级其他城市的比例。新一线城市毕业生同级流动比例高达14.21%,而一线、二线城市同级流动比例相对不高,分别为8.22%和8.12%。向高等级城市流动在新一线和二线城市中较为突出,新一线城市毕业生流向一线城市的比例为26.52%,二线城市毕业生流向高等级城市的比例合计达到41.24%。三线城市毕业生以向新一线城市流动为主,流动比例高达44.06%,流向一线、二线城市的比例分别为12.37%和10.64%。一线城市向低等级城市流动比例随城市等级降低而减少,但流向新一线、二线的毕业生规模差异不大,分别为12.01%和10.15%。各城市等级向三线城市流动的毕业生比例最低,一线、新一线、二线城市的比例分别为0.87%、0.42%和0.81%。

图6

新窗口打开|下载原图ZIP|生成PPT
图62018年“一流大学”毕业生城市等级间流动路径

Fig. 6Mobility pattern of "first-class" university graduates across city tier in 2018

4 城市吸引力测度

城市经济发展水平与舒适性对毕业生的吸引作用被广泛证实^[18,24]。随着“人才争夺战”的发起,各城市相继发布相关人才优惠政策,以吸引人才涌入。然而,现有城市吸引力的测度,尚缺乏人才政策对毕业生的吸引力的系统评价。因此,本文整理了研究所涉及城市于2017年1月至2018年6月期间发布的人才政策,在4.1章节中构建了城市人才政策评价指标体系,并在4.2章节中结合城市经济发展和舒适性,综合测度城市吸引力。

4.1 城市人才政策评价指标体系

为了科学评价各城市人才政策,借鉴相关研究成果^[37],按照科学性、整体性、层次性和操作性等原则,基于各地人才政策的具体内容,构建了城市人才政策评价指标体系。如表1所示,指标体系包括政策影响面、人才落户、人才安居和人才就业创业4个维度,以及针对对象、落户方式、购房补贴在内的8个指标,并对每项人才政策得分标准进行设定,科学细化赋值。在处理指标权重时,为了降低不同赋权法所带来的差异性,本文采取了主客观结合的赋权方法,然后求其权重的均值,在一定程度上降低了单一赋权法带来的局限性和弊端。其中,主观赋值是通过103名“一流大学”毕业生对各项指标根据其相对重要性打分所得,客观赋值为熵权法计算得出。

Tab. 1
表1
表1城市人才政策评价指标体系及打分标准
Tab. 1The talent policy indicator system and scoring criteria

要素指标	属性指标	权重	评判标准	得分标准
政策影响面	针对对象	0.0920	全日制本科毕业生	5
			有年龄限制的全日制本科毕业生	4
			限定专业的全日制本科毕业生	3
			已落户并签订劳动合同的全日制本科毕业生	2
			已落户、限制专业的全日制本科毕业生	1
			无优惠政策	0
人才落户	落户方式	0.0991	零门槛	2
			先就业/缴纳社保再落户	1
			无落户优惠政策	0
人才安居	购房补贴	0.1453	15%~20%（包含20%)	4
			10%~15%（包含15%）	3
			5%~10%（包含10%）	2
			0%~5%（包含5%）	1
			0%	0
	生活补贴及租房补贴	0.1235	2000元以上	5
			1500~2000元（包含2000元）	4
			1000~1500元（包含1500元）	3
			600~1000元（包含1000元）	2
			0~600元（包含600元）	1
			0元	0
	实物配租	0.1390	政策中有涉及	1
	实物配租	0.1390	政策中无涉及	0
人才就业创业	人才驿站或面试补贴	0.1673	政策中有涉及	1
	人才驿站或面试补贴	0.1673	政策中无涉及	0
	就业机会及补贴	0.1288	针对以下措施政策有涉及：提供基层公共服务岗位/补贴、就业奖励、建设就业见习基地、鼓励企业提供见习岗位/补贴、灵活就业补贴	1
	就业机会及补贴	0.1288	针对以下措施政策无涉及：提供基层公共服务岗位/补贴、就业奖励、建设就业见习基地、鼓励企业提供见习岗位/补贴、灵活就业补贴	0
	创业帮扶	0.1050	针对以下措施政策有涉及：创业场地免租/物业补贴、创业补贴、贷款扶持、创新创业比赛奖励、创新培养培训	1
	创业帮扶	0.1050	针对以下措施政策无涉及：创业场地免租/物业补贴、创业补贴、贷款扶持、创新创业比赛奖励、创新培养培训	0

注：购房补贴标准,按照购房补贴占当地60平米商品房售价的比例评判。生活补贴及租房补贴为月度标准。

新窗口打开|下载CSV

评价结果如表2。从总得分来看,在统计时段内,已发布人才政策的19个城市中,成都、南京、武汉三个新一线城市的总指数位列前三。这些城市发布的人才政策辐射范围广、扶持力度大、内容多样化。而排名末位的济南、天津发布的优惠政策则主要锁定高端人才,缺乏针对高校毕业生的优惠政策。

Tab. 2
表2
表2城市人才政策得分
Tab. 2Scores of talent policy

城市	总指数	针对对象	落户方式	购房补贴	生活及租房补贴	实物配租	面试补贴	就业机会及补贴	创业帮扶
成都	0.64	0.09	0.10	0.00	0.12	0.14	0.17	0.00	0.02
南京	0.63	0.07	0.10	0.00	0.02	0.14	0.17	0.04	0.08
武汉	0.63	0.07	0.10	0.15	0.02	0.14	0.00	0.04	0.10
呼和浩特	0.61	0.09	0.10	0.07	0.00	0.14	0.17	0.00	0.04
沈阳	0.53	0.07	0.10	0.04	0.02	0.00	0.17	0.09	0.04
哈尔滨	0.48	0.09	0.10	0.00	0.02	0.14	0.00	0.09	0.04
西安	0.46	0.07	0.10	0.00	0.00	0.14	0.00	0.09	0.06
南昌	0.45	0.09	0.10	0.00	0.02	0.00	0.00	0.13	0.10
合肥	0.44	0.07	0.10	0.00	0.10	0.00	0.00	0.09	0.08
长沙	0.41	0.09	0.10	0.00	0.02	0.00	0.00	0.09	0.10
太原	0.38	0.09	0.10	0.07	0.07	0.00	0.00	0.00	0.04
石家庄	0.38	0.09	0.10	0.07	0.05	0.00	0.00	0.00	0.06
银川	0.34	0.02	0.00	0.11	0.05	0.14	0.00	0.00	0.02
长春	0.32	0.04	0.00	0.07	0.02	0.14	0.00	0.00	0.04
郑州	0.32	0.09	0.10	0.04	0.02	0.00	0.00	0.00	0.06
贵阳	0.23	0.09	0.10	0.00	0.00	0.00	0.00	0.04	0.00
福州	0.22	0.07	0.10	0.00	0.00	0.00	0.00	0.04	0.00
天津	0.17	0.07	0.10	0.00	0.00	0.00	0.00	0.00	0.00
济南	0.14	0.09	0.05	0.00	0.00	0.00	0.00	0.00	0.00

注：未发布人才政策的城市得分均为0,此表中省略。

新窗口打开|下载CSV

户籍制度是限制人才流动的首道门槛,“全日制本科生+‘零门槛’落户”成为大部分城市人才政策效仿的重要举措,城市间的差异性不大。在人才安居方面,武汉、银川、长春三市不断完善政策架构,积极追加相应配套文件,如：在2017年6月武汉发布的《关于支持百万大学生留汉创业就业的若干政策措施》中规定“毕业3年内的普通高校大学生,在汉创业就业且家庭在本市无自有住房的,可申请人才公寓,最长可租用至毕业3年期满”,同年10月发布的《关于加强大学毕业生安居保障的实施意见（试行）》中则追加“大学毕业生可低于市场价20%购买到安居房或租到租赁房”等举措,评价较优。沈阳、南昌等城市,通过增设就业岗位、提供贷款扶持、减免创业场地费用等一系列奖励补贴制度,为毕业生创造提供良好的就业创业环境。

4.2 城市吸引力综合评价

本研究从城市经济发展水平、城市舒适性以及人才政策三个方面综合测度城市吸引力,运用三维散点图对城市吸引力做出评价。其中,经济发展水平以人均GDP来表征;城市舒适性以教育、文化和交通资源来测度,并经过标准化处理后相加;人才政策的测度则以城市人才政策评价总指数表征,结果如图7所示。

图7

新窗口打开|下载原图ZIP|生成PPT
图7城市吸引力综合评价

Fig. 7Evaluation of city attraction

分城市等级来看,北京、上海、广州、深圳四个一线城市是传统意义上的人才流入高地,在此轮“人才争夺战”中并未积极参与,其人才政策指向“人才金字塔”顶端,对于大学毕业生的引才力度不够。而新一线城市是此次“人才争夺战”的主要发起者,大部分新一线城市在人才政策的广度、频度和深度上都有综合性的考量,尤其是成都、南京和武汉,兼具强经济、城市舒适性和政策吸引力。少数二、三线城市积极加入到新一轮人才竞争中,例如合肥、南昌等城市,2017年GDP增速均超过8%,在加速进行经济发展的同时,也及时发布人才优惠政策来提升引才能力。城市经济、舒适性吸引力不足的呼和浩特、哈尔滨则尝试通过出台人才政策来弥补。而部分二、三线城市不仅在经济发展和舒适性上不具优势,在新一轮人才竞争中也均有缺位。

从城市吸引力综合评价结果来看,毕业生空间流动与经济发展和城市舒适性水平基本呈正相关,而人才政策对毕业生流动的影响存在着多重结果。毕业生流入率的高值地区深圳、北京、上海和杭州,这些城市均未在统计时段发布适用于“一流大学”本科毕业生的人才政策,却凭借高水平经济发展和城市舒适性吸引了大批毕业生。成都、武汉和南京等新一线城市,近几年不断积极释放人才吸引信号,均收获了一定比例的人才流入,毕业生流入率分别为2.06%、1.80%和1.62%,高于同等级发展水平但人才评分不高的天津（1.49%）和长沙（1.22%）,但远不及北京（8.03%）和深圳（7.27%）。可见,毕业生就业地受到多种因素叠加影响,尤其在当前“人才争夺战”背景下,人才政策的作用需通过进一步分析来揭示。

5 毕业生流动的影响因素

本研究利用有向迁移模型剖析毕业生流动的影响因素,在现有研究主要关注经济因素和公共服务或城市舒适性的分析框架中,加入人才政策以全面考量毕业生流动的成因。考虑到迁移和不迁移的系统差异,模型排除毕业生留在“一流大学”所在地就业的22组样本,得到540组城市对之间的毕业生流动数据。模型的因变量为毕业生迁移几率的对数,即由就学地i去往就业地j的毕业生数量与留在i地的毕业生的比值的对数。核心解释变量包括经济因素、城市舒适性和人才政策,其具体解释在表3中列出。

Tab. 3
表3
表3模型变量描述
Tab. 3Description of independent variables in the models

变量	指标	具体指标（单位）
人才政策	人才落户	人才落户指数
	人才安居	人才安居指数
	人才就业创业指数	人才就业指数
经济发展	平均收入	2017年在岗职工平均工资（万元）
	就业机会	2017年登记失业率（%）
	科技创新	2017年人均专利授权数量（个/万人）
	生活成本	2017年房价收入比（1/m²）
城市舒适性	自然环境	平均温差（℃）
	文化资源	人均电影院数量（个/百万人）
	教育资源	普通小学生师比（万人/人）
	交通资源	人均公共汽车运营数量（辆/万人）
控制变量	人口规模	2017年常住人口数量（千万人）
	人力资本	2010年6岁以上人口中大专及以上学历人口占比（%）
	地理距离	城市间欧氏距离（100 km）

新窗口打开|下载CSV

（1）人才政策,根据本研究构建的城市人才政策评价指标体系,着重探讨落户、安居以及就业创业3个政策维度对毕业生流动的影响。

（2）经济因素,作为毕业生流动的关键影响因素,选取平均收入、失业率和人均专利授权数量作为评定城市收入水平、就业机会和科技创新水平的重要指标^[15,38]。此外,住房支出在居民生活支出中所占比例较大,能够较为直观的反映一个地区的生活成本,因此,本研究使用房价收入比来衡量毕业生所需负担的生活成本水平^[39]。

（3）城市舒适性,本研究以平均温差表征城市自然环境,并以人均电影院数量、普通小学生师比和人均公共交通运营数量来测度文化娱乐、公共服务等相关的社会环境^[19,40]。

此外,本研究还将人口规模、人力资本水平、地理距离作为控制变量纳入模型中。城市人口规模会存在集聚效应,人力资本存在外部性特征,二者均会带来更高的收入水平、更丰富的就业机会以及更健全的公共服务体系,吸引人才流入^[2]。而地理距离的增加往往会提高流动成本,包括交通、通讯、工作信息搜寻等可量化的直接成本,以及因放弃原有社会网络关系而带来的隐性成本,从而降低流动规模^[27]。上述解释变量值除地理距离外,均采取就业地j与就学地i的差值形式。

利用公式（13）进行分析,模型通过共线性检验,模型结果如表4所示。模型1为仅包括控制变量的基准模型。模型2中加入了经济因素、收入水平和科技创新作为衡量城市经济发展水平的关键指标,对塑造毕业生流动格局产生重要作用,二者均在1%的显著水平上呈正。获得较高的经济收益是毕业生流动的重要驱动力,预期收入水平差异会引起毕业生流向薪资水平较高的城市。此外,“一流大学”毕业生具有较强的创新能力,其往往从事创造性劳动。人均专利授权数量直接反映了城市的科技创新能力和潜力,较高的科技创新水平可以为毕业生工作成长提供更多的资金、技术、平台等支持。

Tab. 4
表4
表4有向迁移模型结果
Tab. 4Results of directional migration model

具体指标	模型1	模型2	模型3	模型4	模型5
人才政策总指数				-0.405**
人才政策总指数				(0.159)
人才落户指数					4.810***
人才落户指数					(0.950)
人才安居指数					-1.001***
人才安居指数					(0.351)
人才就业创业指数					-2.140***
人才就业创业指数					(0.473)
平均工资		0.130***	0.090***	0.054*	0.055*
平均工资		(0.023)	(0.025)	(0.029)	(0.028)
失业率		-0.039	0.087^*	0.147***	0.094*
失业率		(0.047)	(0.045)	(0.051)	(0.051)
人均专利授权数量		0.044***	0.026***	0.030***	0.020***
人均专利授权数量		(0.005)	(0.005)	(0.005)	(0.005)
房价收入比		0.108	-2.127***	-3.000***	-2.115***
房价收入比		(0.666)	(0.768)	(0.837)	(0.814)
平均温差			0.067***	0.071***	0.069***
平均温差			(0.008)	(0.008)	(0.008)
人均电影院数量			0.052***	0.051***	0.084***
人均电影院数量			(0.010)	(0.010)	(0.011)
普通小学生师比			-0.059***	-0.061***	-0.093***
普通小学生师比			(0.016)	(0.016)	(0.016)
人均公共汽车运营数量			0.043***	0.049***	0.035***
人均公共汽车运营数量			(0.014)	(0.014)	(0.014)
常住人口	0.047*	-0.067***	-0.146***	-0.146***	-0.151***
常住人口	(0.028)	(0.023)	(0.023)	(0.023)	(0.023)
大专以上学历占比	0.034***	-0.063***	-0.022**	-0.011	-0.005
大专以上学历占比	(0.007)	(0.008)	(0.009)	(0.010)	(0.009)
欧式距离	-0.044***	-0.035***	-0.049***	-0.051***	-0.051***
欧式距离	(0.008)	(0.006)	(0.006)	(0.006)	(0.006)
Constant	-2.835***	-2.806***	-2.723***	-2.688***	-2.713***
Constant	(0.113)	(0.087)	(0.078)	(0.078)	(0.076)
Observations	540	540	540	540	540
R-squared	0.097	0.487	0.599	0.604	0.630

注：***p<0.01,**p<0.05,*p<0.1;括号内为标准误差。

新窗口打开|下载CSV

模型3加入了城市舒适性相关变量,结果表明4类舒适性变量都有显著影响,折射出“一流大学”毕业生对于丰富多元的高品质生活的追求。其中,自然环境对毕业生流入的影响最强,表明气候温暖宜人的城市更易于受到毕业生的青睐。公共交通作为重要的公共服务基础设施,其发达程度反映了城市的出行条件和舒适性水平,显示出城市舒适性水平越高,毕业生流入越多。教育资源越丰富,即普通小学生师比越低,毕业生流入几率越大。此外,在控制了城市舒适性相关变量后,房价收入比对毕业生流入的“挤出效应”开始显现。自2010年以来,中国商品房价格持续攀高,特别是在部分一线城市,快速上涨的房价极大地加重了生活成本,使部分毕业生望而却步^[39]。失业率在10%的显著水平上呈正,反映出“一流大学”毕业生的就业特征,即相较于一般劳动力而言,由于其人力资本水平较高,更有能力胜任各种工作岗位,就业空间相对宽广,因此“一流大学”毕业生对城市失业率并不敏感。

本研究尤其关注人才政策对于毕业生流动的影响,模型4加入了人才政策总指数用以衡量人才政策的总体影响,结果显示,“人才争夺战”虽如火如荼,但对“一流大学”毕业生的流动影响显著为负。成都、武汉和南京这三个人才政策较优的城市,毕业生流入率分别为2.06%、1.80%和1.62%,远不及未发布相关人才政策的北京（8.03%）和深圳（7.27%）。目前来看,人才政策的发布可能还不足以改变长期以来形成的地区差异。但政策效应一般具有滞后性,人才政策的影响需跟踪持续研究。

模型5将人才政策细分,分别检验了落户、安居和就业创业政策对毕业生流动的影响。其中人才落户政策表现出突出的正向激励作用。作为影响人才流动的体制性障碍,近年来多地陆续降低落户门槛,颁布了“零门槛”的落户政策,这一举措在吸引毕业生流入上已初显成效。然而,在安居和就业创业方面,人才政策暂时没有表现出良好的吸附能力。当前各地有关人才安居和就业创业相关政策正在不断完善以适应毕业生诉求,毕业生可能正处于观望与期待阶段,暂时没有产生跟随政策流动的行为,因此实施效果的显现可能尚待时日,值得进一步的研究。

6 结论与讨论

知识经济时代,人才已经成为推动经济高质量发展最关键、最紧缺的要素。为吸引更多人才,近年来中国各大城市展开了激烈的竞争,出台了一系列人才政策。作为人力资本的重要载体,高校毕业生的流动将重塑区域人力资本分布,进而影响区域经济发展格局。本研究基于2018年中国“一流大学”《毕业生就业质量报告》以及各地市颁布的人才政策,采用Cartogram地图对毕业生空间流动进行分析。同时,构建城市人才政策评价指标体系,将其与城市经济发展水平、城市舒适性叠合综合测度城市吸引力,利用有向迁移模型识别这三类因素对毕业生流动的影响。本文的主要贡献在于,在“人才争夺战”背景下,基于西方人才流动理论和分析框架,拓展加入了政策因素,更为全面地考量了毕业生流动的成因。研究为引导合理、公正、畅通、有序的人才社会性流动、提升区域人才配置效率提供理论依据和政策建议。本研究得出如下结论：

（1）从地理空间和城市等级多维角度,本研究系统分析了“一流大学”毕业生的空间流动特征。研究发现,就学地存在粘滞性,但区域差异显著,呈现出东北、西北以及中部“Y”型低值区和东部沿海至西南地区“U”型高值区的地理格局。一线城市粘滞率显著高于其他等级城市,城市等级内部分化较为明显。同时,毕业生流入具有明显的空间聚集性,东部沿海以及长江经济带沿岸各省市形成了“T”型聚集区,从城市等级看一线城市是毕业生就业的首选。此外,就学地和就业地之间呈现“邻里互动”和“远距离单向流动”两种空间关联模式,不同城市等级间毕业生流动存在规模差异。

（2）从人才政策的崭新视角,结合经济发展水平和城市舒适性对城市吸引力进行综合测度,本研究发现城市吸引力水平存在明显分异。南京、成都、武汉以及沈阳、呼和浩特在本轮“人才争夺战”中,发布了目标清晰、架构完整、丰富全面的人才政策,前者综合吸引力较强,后者则通过积极出台人才政策以补充经济、舒适性吸引力的不足。相对而言,北京、上海、深圳等发达一线城市,作为传统人才流入高地,尚未制定相关人才吸引政策。而南宁、西宁等城市则处于综合吸引力劣势。

（3）有向迁移模型结果表明,经济因素和城市舒适性是影响毕业生流动的关键因素,人才政策在当前毕业生流动配置中起到较为有限的作用。收入水平、科技创新、自然环境以及文化、教育、公共交通等各类资源均能有效吸引毕业生流入;较高的房价收入比对毕业生存在一定的“挤出效应”;人才政策中,落户政策对毕业生流入起到强激励作用,安居和就业创业政策的效应还未显现,需跟踪持续研究。

上述发现对人才政策制定以及人才合理性流动存在两点启示：

（1）以高等教育为抓手,借助其就业粘滞作用,为城市吸引、积累高质量人力资本。在高等教育人才培养上,一方面,通过城市文化吸引、价值认同、氛围融入等形式增强毕业生对于城市的认同感和归属感。另一方面,根据本地高等教育专业结构,保障就业岗位供给,增强就业转换的可能性,提升城市人力资本水平。

（2）地方政府应充分审视城市发展现况,依据城市定位分类施策,协调发挥好市场与政府“两只手”的作用。对于经济发达、舒适便利的城市,应当立足本地就业市场优势,加强高层次人才吸引,助力经济高质量发展。而对于经济吸引力不足的城市,应将经济发展与人才吸引有机结合,围绕“产业链”打造“人才链”,做到“以产业引人才,为产业聚人才”。同时,应注意到人才争夺不只包括引才,育才、用才和留才也是其重要内涵,各城市要通过“引”“育”“用”“留”四项并举的措施完善人才培养体系,力争获得长远发展优势。

“人才争夺战”表征城市已步入以人才为核心要素的高维竞争阶段。随着人才流动研究的深入以及“人才争夺战”的持续升温,对于人才政策的细化研究尤为重要。后续研究可以从以下两个方面深化：首先,由于人才政策涉及就业、住房、落户等各个方面,具有复杂性,其直接或间接的影响机制有待进一步研究。其次,个体对于人才政策的感知能力存在差异,未来可以基于微观个体数据,进一步探究人才政策效用的个体异质性。

致谢

真诚感谢二位匿名评审专家在论文评审中所付出的时间和精力,评审专家对本文结果分析、模型变量选取、结论和理论贡献梳理等方面的修改意见,使本文获益匪浅。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

Glaeser E

, Ponzetto

G A M

, Tobio

. Cities, skills and regional change
Regional Studies, 2014,48(1):7-43. DOI: 10.1080/00343404.2012.674637.

[本文引用: 1]

[2]

夏怡然, 陆铭. 跨越世纪的城市人力资本足迹: 历史遗产、政策冲击和劳动力流动
经济研究, 2019,54(1):132-149.

[本文引用: 2]

[ Xia

Yiran

, Lu

Ming

. The footprint of human capital across cities over centuries: historical inheritance, policy shock and contemporary migration in China
Economic Research Journal, 2019,54(1):132-149.]

[本文引用: 2]

[3]

杨钋, 门垚, 马莉萍. 高校毕业生就业流动现状的分析
国家教育行政学院学报, 2011, (4):75-80.

[本文引用: 1]

[ Yang

, Men

Yao

, Ma

Liping

. Analysis on the status of employment flow of college graduates
Journal of National Academy of Education Administration, 2011, (4):75-80.]

[本文引用: 1]

[4]

Faggian

, Li

, Wright

. Graduate migration flows in Scotland
Fraser of Allander Economic Commentary, 2009,33:35-42.

[本文引用: 1]

[5]

Faggian

, McCann

. Universities, agglomerations and graduate human capital mobility
Tijdschrift voor Economische en Sociale Geografie, 2009,100(2):210-223. DOI: 10.1111/j.1467-9663.2009.00530.x.

[本文引用: 1]

[6]

Di C

, Grassi

. Internal migration and wages of Italian university graduates
Papers in Regional Science, 2013,92:119-140. DOI: 10.1111/j.1435-5957.2011.00397.x.

[本文引用: 1]

[7]

何仲禹, 翟国方. 我国大学生就业城市选择意愿及其影响因素分析
人文地理, 2015,30(2):37-42+102.

[本文引用: 1]

[ He

Zhongyu

, Zhai

Guofang

. Employment location choice of Chinese college students and its determinants
Human Geography, 2015,30(2):37-42+102.]. DOI: 10.13959/j.issn.1003-2398.2015.02.006.

[本文引用: 1]

[8]

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
地理科学, 2018,38(12):1979-1987.

[本文引用: 2]

[ Nie

Jingxin

, Liu

Helin

. Spatial pattern and the resulting characteristics of talent flows in China
Scientia Geographica Sinica, 2018,38(12):1979-1987.]. DOI: 10.13249/j.cnki.sgs.2018.12.005.

[本文引用: 2]

[9]

葛玉好, 牟小凡, 刘峰. 大学生就业地域选择的影响因素分析: 基于扩展的托达罗人口流动模型
中国人民大学教育学刊, 2011, (4):81-89.

[本文引用: 1]

[ Ge

Yuhao

, Mu

Xiaofan

, Liu

Feng

. The analysis on influencing factors of colleges graduates′choices among job locations
Renmin University of China Education Journal, 2011, (4):81-89.] .DOI: CNKI: SUN:RDXK.0.2011-04-010.

[本文引用: 1]

[10]

朱迪. 北上广还是二线?: 大学毕业生就业区域流向分析
中国青年研究, 2015, (11):96-102.

[本文引用: 1]

[ Zhu

. Beijing, Shanghai, Guangzhou or the second-tier cities? Analysis on the regional flow of university graduates' employment
China Youth Study, 2015, (11):96-102.]. DOI: 10.19633/j.cnki.11-2579/d.2015.11.015.

[本文引用: 1]

[11]

Higher Education Statistics Agency. Destinations of leavers from higher education2016/17
(2018-07-19)[2020-05-20]. https://www.hesa.ac.uk/data-and-analysis/publications/destinations-2016-17.

URL [本文引用: 1]

[12]

Krabe

, Fl?ther

. Here today, gone tomorrow? Regional labour mobility of German university graduates
Regional Studies, 2014,48(10):1609-1627. DOI: 10.1080/00343404.2012.739282.

[本文引用: 1]

[13]

Bound

, Groen

, Kézdi

, et al. Trade in university training: Cross-state variation in the production and stock of college-educated labor
Journal of Econometrics, 2004,121(1-2):143-173. DOI: 10.1016/j.jeconom.2003.10.012.

[本文引用: 1]

[14]

马莉萍, 潘昆峰. 留还是流?: 高校毕业生就业地选择与生源地、院校地关系的实证研究
清华大学教育研究, 2013,34(5):118-124.

[本文引用: 1]

[ Ma

Liping

, Pan

Kunfeng

. Stay or migrate? An empirical study on the relationship between work place and birth place
Tshinghua Journal of Education, 2013,34(5):118-124.]. DOI: 10.14138/j.1001-4519.2013.05.017.

[本文引用: 1]

[15]

Hicks J

. The Theory of Wages
London: Macmillan, 1966: 58-88.

[本文引用: 2]

[16]

Royuela

, Moreno

, Vayá

. Influence of quality of life on urban growth: A case study of Barcelona, Spain
Regional Studies, 2010,44(5):551-567. DOI: 10.1080/0034340080266268.

[本文引用: 1]

[17]

Glaeser E

, Gottlieb J

. Urban resurgence and the consumer city
Urban Studies, 2006,43(8):1275-1299. DOI: 10.1080/00420980600775683.

[本文引用: 1]

[18]

Zheng

, Zhang

, Sun

, et al. Air pollution and elite college graduates' job location choice: Evidence from China
Annals of Regional Science, 2019,63:295-316. DOI: 10.1007/s00168-019-00939-6.

[本文引用: 3]

[19]

刘晔, 王若宇, 薛德升, 等. 中国高技能劳动力与一般劳动力的空间分布格局及其影响因素
地理研究, 2019,38(8):1949-1964.

[本文引用: 3]

[ Liu

, Wang

Ruoyu

, Xue

Desheng

, et al. The spatial pattern and determinants of skilled laborers and lessskilled laborers in China: Evidence from 2000 and 2010 censuses
Geographical Research, 2019,38(8):1949-1964.]. DOI: 10.11821/dlyj020180391.

[本文引用: 3]

[20]

Florida

. The economic geography of talent
Annals of the Association of American Geographers, 2002,92(4):743-755. DOI: 10.1111/1467-8306.00314.

[本文引用: 2]

[21]

Darchen

, Tremblay

. What attracts and retains knowledge workers/students: The quality of place or career opportunities? The cases of Montreal and Ottawa
Cities, 2010,27(4):225-233. DOI: 10.1016/j.cities.2009.12.009.

[本文引用: 1]

[22]

张抗私, 周晓蒙. 大学毕业生就业的省际流动特征及其影响因素
人口与经济, 2018, (1):69-78.

[本文引用: 1]

[ Zhang

Kangsi

, Zhou

Xiaomeng

. An analysis on the characteristics and influencing factors of the inter-provincial flow of the graduates
Population & Economics, 2018, (1):69-78.]. DOI: 10.3969/j.issn.1000-4149.2018.01.007.

[本文引用: 1]

[23]

赵晶晶, 盛玉雪, 蒋承. 区域差距、就业选择与人力资本流动: 基于高校毕业生的实证研究
人口与发展, 2016,22(1):28-37.

[本文引用: 1]

[ Zhao

Jingjing

, Sheng

Yuxue

, Jiang

Cheng

. Regional disparity, job choosing and human capital mobility-an empirical research of China graduates job survey
Population and Development, 2016,22(1):28-37.]. DOI: 10.3969/j.issn.1674-1668.2016.01.004.

[本文引用: 1]

[24]

Liu

, Shen

, Xu

, et al. From school to university to work: Migration of highly educated youths in China
Annals of Regional Science, 2017,59:651-676. DOI: 10.1007/s00168-016-0753-x.

[本文引用: 2]

[25]

马莉萍, 岳昌君, 闵维方. 高等院校布局与大学生区域流动
教育发展研究, 2009,29(23):31-36.

[本文引用: 1]

[ Ma

Liping

, Yue

Changjun

, Min

Weifang

. Regional distribution of colleges and regional flow of college students
Research in Educational Development, 2009,29(23):31-36.]. DOI: CNKI: SUN: SHGJ.0.2009-23-008.

[本文引用: 1]

[26]

岳昌君, 邱文琪. 高校毕业生城际流动的特征分析
北京大学教育评论, 2019,17(3):88-104+189-190.

[本文引用: 1]

[ Yue

Changjun

, Qiu

Wenqi

. An empirical study on inter-city migration of university graduates in China
Peking University Education Review, 2019,17(3):88-104+189-190.]. DOI: 10.12088/pku1671-9468.201903005.

[本文引用: 1]

[27]

岳昌君, 李欣. 高校毕业生跨省流动的特征分析
教育与经济, 2016, (4):11-20.

[本文引用: 2]

[ Yue

Changjun

, Li

Xin

. An empirical study on trans-provincial migration of graduates in China
Education & Economy, 2016, (4):11-20.]. DOI: 10.3969/j.issn.1003-4870.2016.04.002.

[本文引用: 2]

[28]

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
地理研究, 2019,38(7):1749-1763.

[本文引用: 1]

[ Zhou

Liang

, Zhang

. The spatial distribution and flow trends of Chinese top academic talents: Based on the case study of academicians of Chinese Academy of Science
Geographical Research, 2019,38(7):1749-1763.]. DOI: 10.11821/dlyj020180304.

[本文引用: 1]

[29]

猎聘大数据研究院. 2018二季度大数据报告: 人才大战中的人才红利热点及流向
(2018-08-08)[2020-05-20]. http://www.sohu.com/a/245900149_189918.

URL [本文引用: 1]

[ Liepin big data research institute. Big data report for the second quarter of 2018: Hotspots and trends of talent dividends in the talent war
.]

[本文引用: 1]

[30]

周川. 一流大学的一流德行
高等教育研究, 2020,41(8):4-12.

[本文引用: 1]

[ Zhou

Chuan

. First-class virtues in world-class universities
Journal of Higher Education, 2020,41(8):4-12.]

[本文引用: 1]

[31]

第一财经. 2017中国城市商业魅力排行榜
(2017-05-25)[2020-05-20]. https://yicai.smgbb.cn/live/5290679.html.

URL [本文引用: 1]

[ China business network. Ranking of cities’ business attractiveness in 2017
.]

[本文引用: 1]

[32]

吕拉昌, 廖倩, 黄茹. 基于期刊论文的中国地级以上城市知识专业化研究
地理科学, 2018,38(8):1245-1255.

[本文引用: 1]

[ Lv

Lachang

, Liao

Qian

, Huang

. Knowledge specialization of cities above the prefecture level in china based on journal articles
Scientia Geographica Sinica, 2018,38(8):1245-1255.]. DOI: 10.13249/j.cnki.sgs.2018.08.006.

[本文引用: 1]

[33]

袁振杰, 郭隽万果, 杨韵莹, 等. 中国优质基础教育资源空间格局形成机制及综合效应
地理学报, 2020,75(2):318-331.

[本文引用: 1]

[ Yuan

Zhenjie

, Guo

Junwanguo

, Yang

Yuying

, et al. Analysis of the spatial structure, mechanism and social-political effects of the high-quality basic educational resources in China
Acta Geographica Sinica, 2020,75(2):318-331.]. DOI: 10.11821/dlxb202002008.

[本文引用: 1]

[34]

张凡, 宁越敏, 娄曦阳. 中国城市群的竞争力及对区域差异的影响
地理研究, 2019,38(7):1664-1677.

[本文引用: 1]

[ Zhang

Fan

, Ning

Yuemin

, Lou

Xiyang

. Competitiveness and regional inequality of China's mega-city regions
Geographical Research, 2019,38(7):1664-1677.]. DOI: 10.11821/dlyj020180328.

[本文引用: 1]

[35]

, Gabriel S

. Labor migration, human capital agglomeration and regional development in China
Regional Science and Urban Economics, 2012,42(3):473-484. DOI: 10.1016/j.regsciurbeco.2011.08.006.

[本文引用: 1]

[36]

戚伟, 刘盛和, 金凤君. 东北三省人口流失的测算及演化格局研究
地理科学, 2017,37(12):1795-1804.

[本文引用: 1]

[ Qi

Wei

, Liu

Shenghe

, Jin

Fengjun

. Calculation and spatial evolution of population loss in northeast China
Scientia Geographica Sinica, 2017,37(12):1795-1804.]. DOI: 10.13249/j.cnki.sgs.2017.12.002.

[本文引用: 1]

[37]

刘旭阳, 金牛. 城市“抢人大战”政策再定位: 聚焦青年流动人才的分析
中国青年研究, 2019, (9):47-53.

[本文引用: 1]

[ Liu

Xuyang

, Jin

Niu

. Analysis of reorientation of unban policies in "war of attracting talents": Focusing on young floating talent
China Youth Study, 2019, (9):47-53.]. DOI: 10.19633/j.cnki.11-2579/d.2019.0141.

[本文引用: 1]

[38]

郭鑫鑫, 杨河清. 中国省际人才分布影响因素的实证研究
人口与经济, 2018, (3):47-55.

[本文引用: 1]

[ Guo

Xinxin

, Yang

Heqing

. An empirical study on influencing factors of the interprovincial talent distribution in China
Population & Economics, 2018, (3):47-55.]. DOI: 10.3969/j.issn.1000-4149.2018.03.005.

[本文引用: 1]

[39]

李辉, 王良健. 房价、房价收入比与流动人口长期居留意愿: 来自流动人口的微观证据
经济地理, 2019,39(6):86-96.

[本文引用: 2]

[ Li

Hui

, Wang

Liangjian

. Housing price, price-income ratio and long-term residence intention of the floating population: Evidence from the floating population in China
Economic Geography, 2019,39(6):86-96.]. DOI: 10.15957/j.cnki.jjdl.2019.06.010.

[本文引用: 2]

[40]

王若宇, 薛德升, 刘晔, 等. 基于空间杜宾模型的中国高学历人才时空分异研究
世界地理研究, 2019,28(4):134-143.

[本文引用: 1]

[ Wang

Ruoyu

, Xue

Desheng

, Liu

, et al. Spatial pattern change of high-educated talents in china based on spatial durbin model
World Regional Studies, 2019,28(4):134-143.]. DOI: 10.3969/j.issn.1004-9479.2019.04.2018170.

[本文引用: 1]