中国主要城市群高水平人才高地发展模式研究——基于人才流动网络的视角

doi:10.3969/j.issn.1004-9479.2026.02.20240475

摘要/Abstract

摘要：

网络范式的兴起为学界研究高水平人才高地提供了新的理论视角。高水平人才高地因各地区的资源禀赋和现实条件不同，呈现出不同的结构特征和网络形态，由此形成的发展模式也各具特点，分析高水平人才高地的发展模式，可为各地因地制宜推动高水平人才高地建设提供指引。本文从外部开放、内部协同和人才能级3个维度构建理论分析框架，并基于人才流动网络视角刻画2020年中国七大高水平人才高地的内外部人才联系，通过构建指标体系科学计算各城市群的人才能级，最终据此划分高水平人才高地的发展模式。研究表明：①中国七大高水平人才高地中，长三角、珠三角和京津冀是人才能级最高的三个城市群，其中长三角城市群在人才数量、人才结构和人才质量3个子领域均位列首位；②高水平人才高地的人才内部联系受城市能级和地理邻近性的双重影响，人才的外部联系则明显受到城市能级的影响；③高水平人才高地的发展模式存在显著差异。其中，长三角、京津冀和珠三角城市群已具有较好基础，其高水平人才高地发展模式较为理想。成渝城市群和长江中游城市群的人才能级不足，其中前者外部开放程度低，后者内部协同水平低，两者均处于高水平人才高地发展的初级阶段。中原城市群和关中平原城市群各维度评价均不高，发展模式最不理想。

关键词: 高水平人才高地, 发展模式, 人才流动网络, 中国

Abstract:

The rise of the network paradigm provides a new perspective for the academic community to study high-level talent highland. The high-level talent highland presents different structural characteristics and network forms due to resource endowment and local conditions, and the development models formed by this also have their own characteristics. Analyzing the development models of high-level talent highland can provide guidance for promoting the construction of high-level talent highland according to local conditions in various regions. This article constructs a theoretical analysis framework from three dimensions: external openness, internal collaboration, and talent level. Based on the network perspective, this paper depicts the internal and external talent flow of the seven high-level talent highlands in China in 2020, constructs an indicator system to scientifically calculate the level of each urban agglomeration, and based on these, classifies the development mode of high-level talent highlands. Research shows that: ① The Yangtze River Delta, Pearl River Delta, and Beijing-Tianjin-Hebei region are the three urban agglomerations with the highest talent levels, with the Yangtze River Delta urban agglomerations ranking first in the three subfields of talent quantity, talent structure, and talent quality; ② The internal connections of high-level talent highlands are influenced by both urban levels and geographical proximity, while external connections are significantly influenced by urban levels. ③ There are significant differences in the development models of high-level talent highlands. The urban agglomerations of the Yangtze River Delta, Beijing-Tianjin-Hebei region, and Pearl River Delta have a good foundation, and the development model of high-level talent highlands is relatively good. The talent level of the Chengdu-Chongqing urban agglomeration and the Middle Reaches of the Yangtze River urban agglomeration is insufficient, with the former having a low level of external openness and the latter having a low level of internal coordination. Both are in the initial stage of high-level talent highland development. The evaluation of various dimensions of the Central Plains urban agglomeration and the Guanzhong Plain urban agglomeration is very low, and the development model is the least ideal.

Key words: high-level talent highlands, development model, talent flow network, China

马双, 汪怿. 中国主要城市群高水平人才高地发展模式研究——基于人才流动网络的视角[J]. 世界地理研究, 2026, 35(2): 141-153.

Shuang MA, Yi WANG. Development model of high-level talent highlands in major urban agglomerations in China from the perspective of talents flow network[J]. World Regional Studies, 2026, 35(2): 141-153.

图/表 7

参考文献 26

[1]	汪怿.高水平人才高地建设:基本内涵、核心角色与发展对策.中国党政干部论坛,2021(12):57-61.
	WANG Y. High level talent highland construction: Basic connotation, core role, and development strategies. Chinese Cadres Tribune, 2021(12): 57-61.
[2]	蒋小荣,汪胜兰.中国地级以上城市人口流动网络研究——基于百度迁徙大数据的分析.中国人口科学,2017(2):35-46.
	JIANG X, WANG S. Research on China's urban population mobility network: Based on baidu migration big data. Chinese Journal of Population Science, 2017(2): 35-46.
[3]	姚先国,冯履冰,周明海.中国劳动力迁移决定因素研究综述.中国人口科学,2021(1):117-125.
	YAO X, FENG L, ZHOU M. A review on the determinants of labor migration in China. Chinese Journal of Population Science, 2021(1): 117-125.
[4]	姜炎鹏,王鑫静,马仁锋.创新人才集聚的理论探索——全球人才流动的城市选择视角.地理科学,2021,41(10):1802-1811.
	JIANG Y, WANG X, MA R. Theoretical exploration of innovative talent agglomeration: From the perspective of city selection of global talent flow. Scientia Geographica Sinica, 2021, 41(10): 1802-1811.
[5]	SCOTT A. Globalization and the rise of city-regions. European Planning Studies, 2001, 9(7): 813-826.
[6]	王子立,刘永军,麦家和.全球城市国际人才集聚的经验与启示——以新加坡、多伦多、阿姆斯特丹、慕尼黑为例.中国人事科学,2022(7):52-66.
	WANG Z, LIU Y, MAI J. Experience and enlightenment of international talent gathering in global cities: Taking Singapore, Toronto, Amsterdam and Munich as examples. Chinese Personnel Science, 2022(7): 52-66.
[7]	吴江.京津冀人才发展一体化的战略选择.中国人力资源社会保障,2017(2):20-22.
	WU J. Strategic choice for the integration of talent development in the Beijing-Tianjin-Hebei region. China Human Resources Social Security, 2017(2): 20-22.
[8]	马双,汪怿.人才政策对人才跨区域流动的影响——以长三角城市群为例.中国人口科学,2023(1):101-113.
	MA S, WANG Y. The impact of talent policy on talents'inter-city flows: Evidence from the Yangtze River Delta urban agglomeration. Chinese Journal of Population Science, 2023(1): 101-113.
[9]	赵梓渝,王士君,陈肖飞,等."全球—地方"视角下中国汽车生产网络的跨域关联与影响因素——一汽—大众案例.地理科学进展,2022,41(5):741-754.
	ZHAO Z, WANG S, CHEN X, et al. Cross-regional relatedness and influencing factors of China's automobile production network from the perspective of "global-local": A case study of FAW-Volkswagen. Progress in Geography, 2022, 41(5): 741-754.
[10]	余兴安.经济全球化中的人才争夺与发展中国家的战略.中国行政管理,2002(7):10-11.
	YU X. The competition for talents in economic globalization and the strategies of developing countries. Chinese Public Administration, 2002(7): 10-11.
[11]	刘晔,黄翠盈,李晴,等.2000—2020年中国高学历人才分布格局及其影响因素研究.地理研究,2023,42(11):2827-2844.
	LIU Y, HUANG C, LI Q, et al. Spatial patterns and determinants of highly educated talent in China, 2000-2020. Geographical Research, 2023, 42(11): 2827-2844.
[12]	陈修高,雷凤利,于博.沪粤人才国际化和高水平人才高地建设的比较与思考.中国人事科学,2022(7):33-42.
	CHEN X, LEI F, YU B. Comparison and reflection on talent internationalization and high-level talent highland construction in Shanghai and Guangdong. Chinese Personnel Science, 2022(7): 33-42.
[13]	阎豫桂.粤港澳大湾区打造世界一流创新人才高地的思考.宏观经济管理,2019(9):59-65.
	YAN Y. Thoughts on building a world-class innovation talent highland in the Guangdong-Hong Kong-Macao Greater Bay Area. Macroeconomic Management, 2019(9): 59-65.
[14]	孙康,司月芳.创新型人才流动的空间结构与影响因素——基于高被引华人科学家履历分析.地理学报,2022,77(8):2113-2130.
	SUN K, SI Y. The geographical structure and influencing factors of talent mobility: The resume analysis of highly cited Chinese scientists. Acta Geographica Sinica, 2022, 77(8): 2113-2130.
[15]	王秀梅,黄春晓,许宏福,等.高端人才流动的网络关联特征与影响因素分析——对长三角地区高端人才流动的观察.热带地理,2023,43(8):1489-1500.
	WANG X, HUANG C, XU H, et al. Network correlation characteristics and influencing factors of highlevel talent flow: Observation of the highlevel talent in the Yangtze River Delta. Tropical Geography, 2023, 43(8): 1489-1500.
[16]	萧鸣政,应验,张满.人才高地建设的标准与路径——基于概念、特征、结构与要素的分析.中国行政管理,2022(5):50-56.
	XIAO M, YING Y, ZHANG M. The standard and path of talent highland construction: Analysis based on concept, feature, structure and element. Chinese Public Administration, 2022(5): 50-56.
[17]	孙锐.实施新时代人才强国战略:演化脉络、理论意涵与工作重点.人民论坛·学术前沿,2022(18):92-101.
	SUN R. Implementation of the strategy on developing a quality workforce in the new era: Evolution, theoretical implications and work priorities. Frontiers, 2022(18): 92-101.
[18]	高鹏,宁越敏,何丹.长三角地区多尺度城市网络空间演化及互馈效应研究.地理科学,2022,42(10):1767-1777.
	GAO P, NING Y, HE D. Spatial evolution and interaction effects of multi-scalar urban networks in the Yangtze River Delta. Scientia Geographica Sinica, 2022, 42(10): 1767-1777.
[19]	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.
	NIE J, LIU H. Spatial pattern and the resulting characteristics of talent flows in China. Scientia Geographica Sinica, 2018, 38(12): 1979-1987.
[20]	杜德斌. 全球科技创新中心:动力与模式.上海:上海人民出版社,2015.
	DU D. Global Technology Innovation Center: Dynamic and Mode. Shanghai: Shanghai People's Press, 2015.
[21]	BATHELT H. Buzz-and-pipeline dynamics: Towards a knowledge: Based multiplier model of clusters. Geography Compass, 2007, 1(6): 1282-1298.
[22]	高文书.数字经济的人力资本需求特征研究.贵州社会科学,2021(3):114-120.
	GAO W. Research on the characteristics of human capital demand in the digital economy. Guizhou Social Sciences, 2021(3): 114-120.
[23]	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.
	LIU Y, WANG R, XUE D, 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.
[24]	古恒宇,沈体雁.中国省际高技能人才迁移的时空演化机制.地理学报,2022,77(10):2457-2473.
	GU H, SHEN T. Spatio-temporal evolution mechanism of China's internal skilled migration. Acta Geographica Sinica, 2022, 77(10): 2457-2473.
[25]	齐宏纲,戚伟,刘振,等.中国人才分布的学历梯度分异性:时空格局及影响机理.地理科学进展,2023,42(5):821-836.
	QI H, QI W, LIU Z, et al. Heterogeneity of educational attainment of talents in China: Spatial and temporal patterns and driving factors. Progress in Geography, 2023, 42(5): 821-836.
[26]	周灿,曾刚,宓泽锋,等.区域创新网络模式研究——以长三角城市群为例.地理科学进展,2017,36(7):795-805.
	ZHOU C, ZENG G, MI Z, et al. The study of regional innovation network patterns: Evidence from the Yangtze River Delta urban agglomeration. Progress in Geography, 2017, 36(7): 795-805.

目标层	准则层	指标层/ 单位	数据来源
人才能级	人才数量	人才总量/人	2020年《中国人口普查分县资料》
		从业人员数/人	2021年《中国城市统计年鉴》
		人才总量年均增速/ %	2010年和2020年《中国人口普查分县资料》
		从业人员数年均增速/ %	2011年和2021年《中国城市统计年鉴》
	人才结构	35岁及以下青年人才占从业人员比重/ %	网络公开报道、政府网站资料、2021年《中国城市统计年鉴》
		海归人才占从业人员比重/ %	网络公开报道、政府网站资料
		硕博人才占从业人员比重/ %	2020年《中国人口普查分县资料》
		非户籍人口占常住人口比重/ %	2020年《中国人口普查分县资料》
	人才质量	研发人员数/人	各城市2020年《城市统计年鉴》、政府网站公开资料
		在岗职工平均工资/元	2021年《中国城市统计年鉴》
		国家级人才数量/人	中国工程院和中国科学院官网
		本科及以上学历人才数/人	2020年《中国人口普查分县资料》

目标层	准则层	指标层/ 单位	数据来源
人才能级	人才数量	人才总量/人	2020年《中国人口普查分县资料》
		从业人员数/人	2021年《中国城市统计年鉴》
		人才总量年均增速/ %	2010年和2020年《中国人口普查分县资料》
		从业人员数年均增速/ %	2011年和2021年《中国城市统计年鉴》
	人才结构	35岁及以下青年人才占从业人员比重/ %	网络公开报道、政府网站资料、2021年《中国城市统计年鉴》
		海归人才占从业人员比重/ %	网络公开报道、政府网站资料
		硕博人才占从业人员比重/ %	2020年《中国人口普查分县资料》
		非户籍人口占常住人口比重/ %	2020年《中国人口普查分县资料》
	人才质量	研发人员数/人	各城市2020年《城市统计年鉴》、政府网站公开资料
		在岗职工平均工资/元	2021年《中国城市统计年鉴》
		国家级人才数量/人	中国工程院和中国科学院官网
		本科及以上学历人才数/人	2020年《中国人口普查分县资料》

城市群	人才数量	人才结构	人才质量	人才能级
京津冀城市群	0.713	0.710	0.733	0.719
长三角城市群	0.735	0.751	0.755	0.747
珠三角城市群	0.708	0.726	0.726	0.720
成渝城市群	0.525	0.493	0.538	0.519
长江中游城市群	0.551	0.507	0.545	0.534
中原城市群	0.410	0.319	0.234	0.321
关中平原城市群	0.364	0.341	0.250	0.318

城市群	人才数量	人才结构	人才质量	人才能级
京津冀城市群	0.713	0.710	0.733	0.719
长三角城市群	0.735	0.751	0.755	0.747
珠三角城市群	0.708	0.726	0.726	0.720
成渝城市群	0.525	0.493	0.538	0.519
长江中游城市群	0.551	0.507	0.545	0.534
中原城市群	0.410	0.319	0.234	0.321
关中平原城市群	0.364	0.341	0.250	0.318

城市群	内部协同				外部开放
城市群	网络密度（+）	平均路径长度（－）	群集系数（+）	综合得分	外部开放
京津冀城市群	0.646	1.413	0.719	0.663	0.720
长三角城市群	0.762	1.518	0.678	0.705	0.717
珠三角城市群	0.761	1.345	0.603	0.716	0.667
成渝城市群	0.595	1.636	0.590	0.593	0.561
长江中游城市群	0.541	2.023	0.565	0.551	0.570
中原城市群	0.436	1.966	0.515	0.465	0.381
关中平原城市群	0.401	1.474	0.412	0.394	0.372