一、问题提出

　　中国自踏上全面建设社会主义现代化国家的新征程后，人才第一资源与创新第一动力的战略意义愈加凸显。2021年中央人才工作会议强调我国要加快建设世界重要人才中心和创新高地，标志着人才中心和创新高地建设正式成为国家政策目标。党的十八大以来，我国在全球人才竞争力指数（The Global Talent Competitiveness Index, GTCI）中的排名从2013年的47位上升至2022年的36位，在全球创新指数（The Global Innovation Index, GII）中的排名从2013年的35位跃升至2022年的11位，如此显著成绩的背后，教育系统的作用功不可没。中国在2022年GTCI中正式教育指标全球排名第2，终身学习指标全球排名第6；同年教育指标在GII中也表现不俗，位列全球第7。教育与人才、创新之间的密切关联可见一斑。党的二十大报告也首次将教育、科技、人才统筹部署，其中教育可谓基础中的基础，是建设世界人才中心和创新高地的先导变量。尽管已有学者基于辩证唯物主义解读三者之间的内在关系，并意识到中国在建设世界人才中心和创新高地过程中离不开健全的教育政策。然而学界尚未用实证测算教育系统对世界人才中心和创新高地建设的贡献程度，特别是处于龙头地位的高等教育。鉴于此，本研究采用2013—2021年全球38个国家的面板数据实证回答高等教育对于世界人才中心和创新高地建设究竟贡献几何。

　　关于高等教育与世界人才中心建设，简·奈特（J. Knight）提出的“教育中心”（Education Hub）理论较为系统地探讨了高等教育、人才、知识之间的关系。打造教育中心意指通过有计划、战略性地集聚大批本地和国际行动者，使其参与到当地的跨境教育、人才培训、知识生产活动之中。这里的行动者既包括学生、教育机构，也包括培训公司、知识型企业和科技园区。教育中心具体涵盖学生中心、人才中心与知识中心三种形态。学生中心强调招收、培养本土生源及外国留学生；人才中心强调吸引、培训和留用毕业生以及其他劳动者以充实当地劳动力市场；知识中心则强调新知识的生产与应用。可见高等教育发挥着培养皿功能，大规模的教育体系是自主培养大批高层次人才的前提基础，通常教育规模越大，培养积蓄的人才越多，也越有可能建成世界人才中心。

　　关于高等教育与世界创新高地建设，欧洲共同体委员会提出的“知识三角”（Knowledge Triangle）理论模型形象地刻画了高等教育、科研与创新之间的紧密关系，指出高等教育能够通过科研活动参与国家创新。已有学者证实初等与中等教育人力资本对创新的作用均不显著；高中阶段教育人力资本对创新具有显著正向作用，不过影响程度小于高等教育人力资本。可见高等教育与科技创新的关系最为密切，已成为区域创新的关键影响因素和国家创新体系的重要组成部分，发挥着培养创新人才、孕育创新文化和开展尖端科研等战略功能。因为培养创新人才与孕育创新文化相当于增加创新要素投入，开展尖端科研则意味着通过知识生产与转化增加创新成果产出。此外，高等教育对国家创新的影响还受到经济发展水平等条件制约，若一地的高等教育发展水平超出当地的经济发展需求，则高等教育对创新的影响会出现空间溢出效应。在最不发达国家中，初等教育和中等教育更加重要，而在较为发达的经合组织国家中，高等教育则更加重要。

　　综上所述，尽管学界已有研究分别关注高等教育与世界人才中心建设、高等教育与世界创新高地建设的关系，但至少还存在下述三点不足。一是关于高等教育与世界人才中心建设关系的考察多停留在理论层面，仍缺乏宏观跨国层面的实证证据。二是关于高等教育与世界创新高地建设关系的实证分析大多没有考虑研究样本所处的不同发展阶段。三是既有研究尚未将高等教育、世界人才中心、世界创新高地三者置于统一分析框架中加以综合考量。针对目前文献的不足之处，本研究使用全球38个国家2013—2021年的面板数据，揭示高等教育、人才中心、创新高地之间的相互关系，实证测度高等教育对建设世界人才中心与创新高地的贡献，同时考虑高等教育贡献在不同经济发展阶段、不同高等教育发展阶段国家的异质性。

　　二、研究设计

　　（一）变量选取与数据来源

　　1. 因变量。因变量依次为世界人才中心和创新高地的建设情况。因为人才中心和创新高地属于政策话语，所以需对其进行操作化，可行思路有二。思路一为单一指标测量法，如汤浅光朝曾将世界科学中心操作化为一定时期内科技成果数超过全球科技成果总数1/4的国家。专利数则是测度创新绩效的常见代理变量。思路二为综合指标测量法，与单一指标相比，综合指标的考察维度更加全面，因而本研究借鉴Leikuma-Rimicane等的做法，采用GTCI衡量世界人才中心建设情况。GTCI从2013年起首次发布，基于投入-产出框架，投入维度综合考察各国的人才培养、吸引和保留情况，产出维度从职业技术能力和通用知识能力两方面衡量各国人才质量。参考国内国外学者的做法，使用GII衡量世界创新高地建设情况，国际公认GII能较为综合、全面、科学地评价各国的创新能力，GII自2007年起首次发布，从创新投入与创新产出两大维度衡量国家创新能力。GTCI和GII有得分和排名两种形式，主回归采用得分形式，排名形式则用以稳健性检验，数据来自欧洲工商管理学院（INSEAD）和世界知识产权组织（WIPO）历年发布的报告。

　　2. 自变量。选取高等教育相对规模作为自变量。鉴于各国高等教育的绝对规模差异巨大，故采用相对规模，即每百万人口中高等教育注册生数，数据来自联合国教科文组织统计所。

　　3. 控制变量。鉴于初等教育和中等教育相对规模也可能影响世界人才中心与创新高地建设，故将初等教育和中等教育相对规模加以控制。此外，劳动力基数与经济发展程度是世界人才中心建设的基础，因而在测算高等教育对世界人才中心建设的贡献时，还将劳动力总数与按购买力平价衡量的人均国民生产总值（现价美元）两个变量作为控制变量。相比人才中心建设，学界对于国家创新能力的影响因素已开展了较为深入的研究。除研发支出和研发人员外，公共创新基础设施、产业集群发展以及公共创新基础设施与产业集群之间的连接质量均是国家创新能力的影响因素。因此在测算高等教育对世界创新高地建设的贡献时，另纳入6个控制变量：①研发支出（以研发支出占GDP比例衡量）、②研发人员（以每百万人口研发人员数衡量）、③国际竞争开放度（表征公共创新基础设施的指标之一，以货物和服务出口额占GDP比例衡量）、④知识产权保护强度（表征公共创新基础设施的指标之二，以知识产权使用费用衡量，现价美元）、⑤产业集群发展（以企业提供的研发经费，2015年不变价美元衡量）、⑥公共创新基础设施与产业集群之间的连接质量（以高等教育部门执行的研发经费衡量）。以上数据源于世界银行数据库及OECD数据库。

　　（二）模型设定与数据检验

　　传统柯布－道格拉斯生产函数（Cobb－Douglas Production Function，以下简称C-D生产函数）模型刻画了技术进步、资本、劳动力与产出的关系，可表达为公式（1）。其中，Y表示产出；A表示基期的技术水平，为常数；K表示资本，L表示劳动力，α和β分别表示资本与劳动力的弹性系数。

　　本研究欲测算高等教育对世界人才中心和创新高地建设的贡献，而传统C-D生产函数并未涉及对经济增长之外其他方面的贡献，所以需改进传统C-D生产函数，借鉴既有研究，改进后以公式（2）测算高等教育对世界人才中心建设的贡献。其中，GTCI_t代表第t年的全球人才竞争力指数，HEducation_t、PEducation_t、SEducation_t、Pergdp_t、Labor_t分别代表第t年高等教育相对规模、初等教育相对规模、中等教育相对规模、人均国民生产总值和劳动力总数。α、β、γ、δ、ε则表示相应的弹性系数，A是常数。对公式（2）两边取对数得到公式（3），式中μ_t为随机误差项。

　　以公式（4）测算高等教育对世界创新高地建设的贡献。其中，GII_t代表第t年的全球创新指数，HEducation_t、PEducation_t、SEducation_t同样依次代表第t年高等教育相对规模、初等教育相对规模、中等教育相对规模，Rdeg_t、Rdresearcher_t分别代表第t年研发支出占GDP比例和每百万人口中研发人员数，分别表征在既定知识技术存量下国家创新的物质资本和人力资本。Controls_t代表第t年的其他控制变量，具体包括货物和服务出口额占GDP比例（Export）、知识产权使用费用（Ippay）、企业提供的研发经费（Befund）和高等教育部门执行的研发经费（Hefund）。α、β、γ、δ、ε、θ则表示相应的弹性系数，A是常数。对公式（4）两边取对数得到公式（5），μ_t是随机误差项。公式中各变量取对数后的描述性统计情况见表1。

　　综合考虑数据的可得性与完整性，在时间序列维度，由于GTCI数据最早可追溯到2013年，而联合国教科文组织统计所、世界银行及OECD数据库的最新数据更新至2021年，故所用面板数据涵盖2013—2021年共9年。在截面维度，共纳入全球38个国家作为研究样本，覆盖亚洲、欧洲、非洲、北美洲、南美洲和大洋洲6大洲，具有全球代表性。样本中既有当前处于高收入组的国家，也有处于中高收入组的国家；既有当前处在高等教育大众化阶段的国家，也有处在高等教育普及化阶段的国家。因年份数小于国别数，故属于短面板数据。原始数据中存在个别缺失值，经外推插补，构成平衡面板数据。

　　为避免出现“伪回归”，确保估计结果的有效性，通常先要对面板数据进行单位根检验，若数据非平稳，还需进行协整检验。考虑到本研究为短面板数据，故选择Harris-Tzavalis Test来检验单位根。检验结果显示，因变量符合数据平稳要求，但其余变量中有些存在单位根，数据非平稳，因此进一步开展协整检验。Pedroni检验结果显示，Modified Phillips-Perron t、 Phillips-Perron t与Augmented Dickey-Fuller t的p值均为0.000，故拒绝变量间不存在协整关系的原假设，可认为长期来看各变量之间存在相互作用，能进行后续分析。

　　对于面板数据，可使用混合OLS、随机效应和固定效应3种回归模型，其具体适合哪种模型需通过检验结果确定。首先进行Breusch-Pagan检验，发现chibar2的p值为0.000，从而确定变截距的随机效应和固定效应模型优于混合OLS模型。随后进行Hausman检验，发现chi2的p值为0.000，从而确定固定效应模型优于随机效应模型。综上，最终选择固定效应模型估计高等教育对世界人才中心与创新高地建设的贡献。经数据初步探索发现，各国历年GTCI与GII的变化程度较小，故估计模型中只固定个体效应而不固定时间效应。

　　三、实证结果

　　（一）世界人才中心与创新高地的变化趋势

　　GTCI和GII每年约100多个国家参与排名，前10名大致相当于全球前10%，故本研究将其视为世界人才中心与创新高地的判断标准。依据图1和表2，可得到下述规律性认知。第一，2013—2021年世界人才中心与创新高地虽分别有小幅变动，但仍集中分布在北美和欧洲国家，整体呈现“西强东弱”态势，样本国家中美国、瑞士、瑞典、荷兰、芬兰、丹麦长期保持世界人才中心与创新高地地位。第二，9年间中国的GTCI与GII进步明显，分别提升10位和23位，出现“东升西降”趋势。除中国外，在非人才中心国家中，9年间GTCI排名进步较快的国家有希腊（提升13位）和葡萄牙（提升10位）；在非创新高地国家中，9年间GII排名进步较快的国家有土耳其（提升27位）和俄罗斯联邦（提升17位）。

　　（二）高等教育对世界人才中心建设的贡献

　　高等教育对世界人才中心建设贡献的逐步回归结果如表3所示。模型（1）和模型（2）F统计量的p值显著性均为0.000，表明全部回归模型构建成功。两个模型的rho值均大于0.93，说明复合扰动项的方差主要来自个体效应而非时间效应的变动。模型（1）仅纳入初等教育相对规模、中等教育相对规模、劳动力总数和人均GDP这4个控制变量。模型（2）在模型（1）基础上纳入高等教育相对规模变量，R2较之模型（1）有所提升。由模型（2）的回归系数可知，高等教育相对规模会显著正向影响世界人才中心建设，而人力资本层次偏低无助于建设世界人才中心。为验证回归结果的稳健性，将因变量替换为GTCI排名后重复回归操作，结果依旧保持稳健。

　　随后进行异质性分析以验证高等教育对世界人才中心建设的贡献是否因一国经济发展水平或高等教育发展阶段而有所差异。分经济发展水平的异质性回归分析结果显示，高等教育对于世界人才中心建设的影响主要体现在高收入国家，高等教育相对规模会显著正向影响高收入国家的世界人才中心建设。在中等收入国家中，高等教育相对规模对世界人才中心建设的影响虽仍为正向但不显著。这一发现支持既有研究结果，即当中等收入国家要迈向高收入国家时，教育规模将对跨越中等收入陷阱发挥重要作用。分高等教育发展阶段的异质性回归分析结果显示，在大众化阶段高等教育相对规模尚未对世界人才中心建设产生显著影响。一旦跨入普及化阶段后，高等教育相对规模将发挥显著正向作用。（见表4）由此可见，随着一国经济发展水平的跃升与高等教育普及化程度的提高，高等教育相对规模之于世界人才中心建设的重要性不容忽视。特别是在跨越中等收入陷阱，以及高等教育由大众化阶段迈向普及化阶段这些关键节点上，有必要从战略高度前瞻部署国家高等教育发展规划。

　　（三）高等教育对世界创新高地建设的贡献

　　高等教育对世界创新高地建设贡献的逐步回归结果如表5所示。模型（1）和模型（2）F统计量的p值显著性均小于0.001，表明全部回归模型构建成功。两个模型的rho值均大于0.97，说明复合扰动项的方差主要来自个体效应而非时间效应的变动。模型（1）仅纳入初等教育相对规模、中等教育相对规模、反映既定知识技术存量下国家创新的物质资本和人力资本、公共创新基础设施、产业集群发展以及公共创新基础设施与产业集群之间连接质量的8个控制变量。模型（2）在模型（1）基础上纳入高等教育相对规模变量，与模型（1）相比R²有所提升。由模型（2）的回归系数可知，高等教育相对规模显著正向影响世界创新高地建设。这与国内外既有研究发现保持一致，即初等、中等、高等三级教育中只有高等教育人力资本对国家创新具有显著正向作用。本部分同样将因变量替换为GII排名后重复回归操作以验证回归结果的稳健性，结果依旧保持稳健。

　　同样分经济发展水平和高等教育发展阶段进行异质性分析，回归分析结果如表6所示。分经济发展水平看，中高收入国家的高等教育相对规模对世界创新高地建设具有显著正向影响，而在高收入国家，高等教育相对规模对于世界创新高地建设的影响变得不再显著。可能原因是尽管人力资本数量总体上会影响国家创新，但与此同时人力资本也决定着技术创新吸收能力，只有当人力资本质量跨过一定门槛后才可能切实提升创新绩效。而当一国的经济发展水平达到高收入组后，人力资本数量红利逐渐让位于质量红利，高等教育质量开始替代高等教育相对规模成为驱动国家创新的主要力量，这也意味着教育大国不一定等于创新强国，必须持续深化高等教育高质量发展，充分激发人力资本质量红利，以更好地发挥高等教育对国家创新的襄助效应。分高等教育发展阶段看，对于处在大众化阶段的国家而言，高等教育相对规模的影响还并不显著；而对于进入普及化阶段的国家而言，高等教育相对规模会显著正向促进世界创新高地建设。

　　四、结论与启示

　　（一）研究结论

　　第一，2013—2021年世界人才中心与创新高地呈现“西强东弱”态势，集中分布在北美和欧洲国家，整体变化幅度不大，不过开始出现“东升西降”趋势，这主要得益于新时代以来中国对人才发展与科技创新的高度重视。第二，高等教育相对规模会显著正向影响世界人才中心和创新高地建设。究其原因，与初、中等教育相比，高等教育可以通过人才培养与科学研究更直接地参与人才中心和创新高地建设。第三，高等教育相对规模会显著影响中高收入国家的创新高地建设与高收入国家的人才中心建设，即随着国家经济发展水平的提升，高等教育相对规模将对建设世界人才中心发挥更大作用。第四，高等教育相对规模对世界人才中心和创新高地建设的影响在大众化阶段并不显著，但在普及化阶段呈显著正向影响。这可能与高层次人力资本的门槛效应有关，普及化阶段相较于大众化阶段意味着更多人口有机会接受高等教育，只有高层次人力资本的积累跨过一定门槛，才能发挥显著作用。

　　（二）启示

　　首先，应从战略高度系统审视世界人才中心与创新高地建设过程中的高等教育贡献。中国的GII距离进入全球前十位只有一步之遥，但GTCI在世界范围内尚处于中等偏上水平，世界人才中心建设略滞后于创新高地建设。全球普遍规律表明，高等教育发展是建设世界人才中心与创新高地的重要条件，中国要加快世界人才中心的建设进程，并成功跻身创新高地，高等教育战线必须有所作为且大有所为。坚持教育优先发展，发挥高等教育龙头作用必须建立在系统考量世界人才中心与创新高地建设需求的基础上，依据人才所需与创新所求来调整高等教育相对规模，优化高等教育结构，变革高等教育模式，完善高等教育制度。

　　其次，应结合所处经济发展水平与高等教育发展阶段制定教育规划，以实现高等教育贡献的最大化。世界银行使用以美元为单位的人均国民总收入划分各经济体所处的收入组，根据2022年的划分标准，人均国民总收入在1085美元及以下定义为低收入国家，1086~4255美元为中低收入国家，4256~13205美元为中高收入国家，13205美元以上则为高收入国家。2019年中国人均国民总收入首次突破1万美元大关，2021年约为1.24万美元，正处于努力由中高收入国家迈入高收入国家行列，跨越中等收入陷阱的关键时期。有学者预测，到2025年我国将正式进入高收入国家行列。加大人力资本投资是中等收入国家迈入高收入国家的基本做法之一，高等教育则是投资高层次人力资本的重要方式。加之2019年中国的高等教育毛入学率达到51.6%，刚刚实现由高等教育大众化阶段向普及化阶段的转型。站在新的历史方位，中国的高等教育系统也必须因时而变，顺势而为。

　　本研究发现，伴随一国高等教育迈入普及化阶段以及经济发展水平的跃升，高等教育对于建设世界人才中心和创新高地将发挥更大作用，新时代赋予中国高等教育战线以新使命、新要求。据测算，2010年以前初等和中等教育在劳动年龄人口平均受教育年限增长中发挥主要作用；到2020—2030年，初等和中等教育对劳动年龄人口平均受教育年限的贡献率越来越接近理论最大值，届时高等教育的贡献率将超过50%；到2030—2035年，这一比例预计将达到53.2%。因此中国尚需稳步提升高等教育毛入学率，着力提高劳动年龄人口中接受高等教育者的比例，持续充实高层次人力资本存量，不断增强拔尖创新人才自主培养能力，打造适合中国国情、规模宏大、结构合理、素质优良的人才雁阵格局，为加快建设世界人才中心和创新高地奠定智力基础，做好支撑引领。

　　最后，考虑到全球可比性与数据可得性，本研究将世界人才中心和创新高地操作化为全球人才竞争力指数和全球创新指数。但局限在于此类指数在指标选取、权重设计上可能隐含政治诉求，即更青睐纳入本国表现良好的评价指标，或对此类指标赋予更高权重。未来将基于人类命运共同体理念，构建更具全球普适性的世界人才中心与创新高地评价指标体系，从而更客观地测度高等教育贡献。

【杨佳乐，中国社会科学院中国社会科学评价研究院助理研究员】

原文刊载于《中国高教研究》2023年第11期