京津冀人力資源配置效率：時空格局、演變機理及影響因素研究

梁林　趙玉帛　朱葉珊　趙雪

摘 要： 人力資源在空間維度配置的不平衡，制約了京津冀協同發展戰略的深入實施。科學評價京津冀人力資源配置效率，探究京津冀人力資源配置的時空格局、演變機理和影響因素成為解決人力資源配置問題的有效途徑。利用超效率DEA測算京津冀人力資源配置效率，并運用GIS、探索性空間數據方法（ESDA）、Malmquist指數分別對京津冀人力資源配置效率的時空格局、演變機理、影響因素進行實證分析。研究發現，京津冀人力資源配置效率雖整體呈現逐年提高的發展態勢，但在空間上仍呈現“東高西低”格局，地區差異化顯著;相鄰地區人力資源配置效率的聚集特征呈現由負向空間自相關演變為正向空間自相關的發展態勢;技術進步是影響京津冀人力資源配置效率的重要因素。進而，提出推進京津冀人力資源優化配置的治理整體方案、原則和關鍵點。

關鍵詞：京津冀;人力資源配置效率;時空格局;演變機理;影響因素

中圖分類號：C922? ?文獻標志碼：A? ?文章編號：1674-7356（2019）-03-0001-12

京津冀區域作為重大國家發展戰略區域和科技創新的核心區域，肩負著引領和帶動實現創新型國家戰略目標的重任[1]。作為中國經濟增長的重要引擎之一，京津冀在人力資源、科技信息、產業升級、區域協同創新等諸多方面具有獨特優勢，為經濟社會發展提供了較好的資源基礎。人力資源作為在京津冀經濟社會發展過程中的重要資源，已經成為區域經濟發展的核心動力源泉。

然而，由于受到經濟產業發展程度、戶籍、醫療教育、基礎設施建設以及人力資源互通共享機制等多方面因素的影響，導致目前京津冀內部的人力資源發展差距仍然較大，分布格局失衡，配置效率較低，嚴重阻礙了京津冀協同發展的進程。隨著2014年京津冀協同發展等重大國家戰略的提出以及《京津冀人才一體化發展規劃（2017—2030年）》的發布，京津冀人力資源發展的要求和目標進一步明確，急需精準掌握京津冀人力資源當前配置現狀中的問題，通過探究京津冀人力資源配置的機理，促進京津冀人力資源結構更加合理，配置高效均衡，從而提升人才國際競爭力，實現建成“世界高端人才聚集區”的追求。

一、文獻回顧

區域人力資源配置問題引起了學術界的廣泛重視，現有研究主要集中在宏觀和微觀兩個層面。在微觀層面，李文林等[2]分析了數字環境下圖書館人力資源配置過程中存在的諸多問題，并從網絡化趨勢下用戶的信息需求提出優化配置效率的策略。白全民等[3]利用數據包絡分析的CCR模型來測度商業銀行的人力資源配置效率，利用相關性分析方法得出人力資源配置效率對商業銀行的盈利能力有顯著影響。李玨等[4]通過協調適配度評價模型對國有重點林區的人力資源配置和產業結構的協調性進行測度，得出林業第二、三產業比重的提升對人力資源配置優化具有重要意義。張秀川等[5]構建了疾病預防控制機構DEA人力資源配置評價模型，通過實證研究驗證了該方法在應急資源配置效率中的適用性。王狄佳等[6]采用基尼系數、泰爾指數等方法，對我國西部地區基層衛生機構人力資源配置的公平性進行評價，并提出優化人力資源配置的相關政策建議。在宏觀層面，何福平[7]分析了福建區域人力資源配置中存在的體制障礙，重沿海、輕內陸，重數量、輕質量，整體素質不高等問題，認為優化區域人力資源配置能夠促進區域經濟建設和人的全面發展。楊繼明等[8]使用自主創新實驗性調查數據，利用Tobit 模型驗證了區域人力資源配置水平對區域創新的積極作用。楊勝利等[9]71-79構建區域勞動力資源配置效率指標體系，通過投入產出模型測度了我國31個省市的勞動力資源配置效率，并對區域差異性和影響因素進行了探究。

由此可見，現有研究偏重于人力資源配置效率微觀層面的研究，宏觀層面研究相對較少，且大多是定性分析，也鮮有從時空兩個維度去刻畫人力資源配置效率變化以及演變機理的研究。鑒于此，本文擬首先構建京津冀人力資源配置效率評價指標體系，測度三省市人力資源配置效率值，進而基于超效率DEA方法動態測度京津冀人力資源配置效率時空格局變化，利用探索性空間數據方法分析其演變機理。

二、研究方法與數據來源

（一）京津冀人力資源配置效率評價指標選取與數據來源

人力資源配置效率的測度一般分為人力資源投入和人力資源產出兩個方面。本文中人力資源投入是廣義范疇上的人力資源投入，既包括傳統意義上的人力資本投入，又包括該地區吸引聚集人力資源的經濟社會環境。故人力資源的投入可以劃分為具有物質形態的硬投入（如經濟資源投入、人力資本投入等）和非物質資源形態的軟投入（如社會公共服務和產業發展環境等）。而人力資源的產出，一方面包括人力資源對該地區商品服務的供給和科學技術的貢獻，進而促進產業結構的優化，最終實現經濟發展水平的提升;另一方面合理科學的人力資源配置可以優化人力資源在不同行業的傾向程度，進而促進教育、醫療等公共服務水平的提升。為了全面、科學、有效地評價京津冀人力資源配置效率，評價指標體系選取需要遵循科學性、可比性、可操作性及綜合性等原則。基于此，本文在參考相關文獻[9]72，[10-12]的基礎上，將經濟資源投入指數、產業發展投入指數、社會服務投入指數和人力資本投入指數作為人力資源投入指數的二級指標;將經濟資源產出指數、產業發展產出指數和社會發展產出指數作為人力資源產出指數的二級指標，并選取人力資源配置效率的三級指標對應二級指標，構建京津冀人力資源配置效率評價指標體系（見表1）。

以上數據均來自2013—2017年《中國統計年鑒》 《中國科技統計年鑒》 《河北經濟統計年鑒》和《河北科技統計年鑒》的相關統計數據，以此來測度2012—2016年京津冀的人力資源配置效率變化情況。

（二）超效率DEA

關于資源配置效率的測度方法主要分為非參數分析法和參數分析法兩大類。參數分析法（如隨機前沿法、自由分步法等）需要事前根據假設來選定生產函數的具體形式然后對參數進行估計。而非參數分析法無需事前確定具體的生產函數和估計參數值，即可對資源配置的效率進行測度。區域人力資源的配置涉及研究地區經濟實力、產業發展、公共服務等多個方面，具有非線性、復雜性等特征，其生產函數和估計參數難以確定，非參數分析法可以較好地解決該問題。DEA是常用的非參數分析法之一[13]，但傳統的DEA方法無法對有效決策單元（即效率值為1）進行進一步區分。因此Banker等[14]提出超效率數據包絡分析法（Super-Efficiency）以彌補傳統DEA的上述問題，Andersen等[15]于1993年進一步改進了超效率數據包絡分析法。故本文采用超效率DEA對京津冀人力資源配置效率進行測度。其中，超效率CCR-DEA模型主要考慮被評價決策單元相對于其他單元的效率，其構造的參考集并不含有被評價決策單元本身，因此該評價模型可對DEA有效決策單元做出進一步區分評價[16]。超效率CCR-DEA模型為：

其中，X、Y分別表示投入向量和產出向量，表示效率值。？姿j為各決策單元的組合系數，s-、s+為松弛變量。超效率DEA模型在進行第k個決策單元效率評價時，使第k個決策單元的投入和產出被其他所有的決策單元投入和產出的線性組合替代，將第k個決策單元排除在外（j = k）[16]。

（三）Malmquist指數

Malmquist指數又被稱為“全要素生產率”（TEPCH），通常被用于計算生產效率的變化情況。Malmquist指數定義為：TFPCH = ECH × TECH =PECH × SECH × TECH。Malmquist指數可分解為技術效率變化指數（ECH）與技術進步變化指數（TECH）。技術效率變化指數又能夠分解為純技術效率變動指數（PECH）與規模效率指數（SECH）。技術效率測度技術效率變化中由純技術效率影響的部分，規模效率指數則測度其生產規模的變化情況。Malmquist指數和分解的各類指數數值均有特定的含義：如果指數數值大于1，則表示在評價時間段里相應指數效率呈現上升態勢;反之，則說明其處于下降的趨勢[17]。

Malmquist指數在人力資源配置中所表示的具體含義如下：全要素生產率（TEPCH）反映人力資源的規模集聚效應、社會技術進步、人力資源要素資源配置和利用水平的發展情況。如果指數大于1，表明人力資源配置效率提高;若小于1，則表明人力資源配置效率下降。規模效率（SECH）反映人力資源的規模集聚效應對人力資源配置效率的影響。純技術效率（PECH）反映人力資源要素資源配置和利用水平的發展情況，通過管理水平的變化影響人力資源配置效率。綜合技術效率（ECH）則總體反映人力資源的規模集聚效應、人力資源要素資源配置和利用水平的發展情況。技術進步變化指數（TECH）反映社會技術進步程度對人力資源配置效率的影響。反映技術的創新和進步程度，指數小于1表示技術退步，大于1表示技術進步，而等于1則無變化[18]。

（四）探索性空間數據分析（ESDA）

ESDA是一系列空間數據分析技術及方法的集合，其優勢是使用可視化的方法來描述數據的空間分布規律，從而獲得數據的空間結構，揭示空間相互作用的機理，其包括全局空間自相關及局部空間自相關[19-20]。鑒于京津冀人力資源配置呈現較大差異化特征，為更好地探索人力資源配置效率在時空維度上的演變規律，分析相鄰城市的科技資源配置效率呈現的空間集聚特征，故本文應用空間計量經濟學中的探索性空間數據分析方法（ESDA）分析京津冀人力資源配置效率的演變機理。

1. 全局空間自相關

全局空間自相關利用單一的指數值來反映該區域的自相關程度，從而分析整體的空間模式。全局空間自相關指數為 Global Moran′s I，見公式（2）。

式（2）中 ，I為全局空間自相關指數，n為空間單元數據數目，yi和yj分別表示空間單元i和j的屬性值，Wij是空間權重系數矩陣，表示各空間單元鄰近關系。Global Moran′s I指數取值范圍在[-1，1]之間。當 I大于0時，該區域在空間分布上呈正空間自相關，觀測屬性呈集聚空間格局，且越接近1時其正相關越強;反之，I小于0時，該區域在空間上存在負空間自相關，觀測屬性呈離散空間格局，且越接近-1時其負相關越強;當I接近0時，該區域的觀測屬性不存在空間自相關，在空間上呈隨機分布格局[21]。

2. 局部空間自相關

局部空間自相關能夠分析某一空間單元和其鄰近單元某一屬性的相關程度，局部空間自相關指數為Local Moran′s I，見公式（3）。

式（3）中，Ii為局部空間自相關指數，n為空間單元數據數目，yi和yj分別表示空間單元i和j的屬性值，wij是空間權重系數矩陣，表示各空間單元鄰近關系。

三、京津冀人力資源配置效率的時空格局

利用EMS1.3統計軟件求解投入角度的超效率CCR-DEA模型即（1）式，可得2012—2016年京津冀人力資源配置效率與排名情況（見表2）。

（一）京津冀人力資源配置效率整體呈現逐年提高發展態勢，且北京人力資源配置效率顯著高于其他城市

京津冀人力資源配置效率整體呈現逐年提高的發展態勢，其人力資源配置效率平均值的變化路徑為1.861→1.874→1.916→1.967→2.112，整體提高了0.251。隨著京津冀協同發展的各項政策措施的落地，三地之間產學研合作日益密切，人力資源實現較好流動，京津冀協同發展取得了一定的成效。2012—2016年人力資源配置效率的平均值排名前三的分別為北京、秦皇島和唐山，這些城市在經濟社會發展、產業升級以及人力資源方面具有巨大的優勢，有利于推動其人力資源配置效率保持較高水平;排名后三的分別是邢臺、保定和張家口，這些城市受到地理位置和經濟社會發展等方面的限制，阻礙了其人力資源配置效率的提高。其中，北京的人力資源配置效率平均值為5.375，遠高于排名第二秦皇島的1.923，是其配置效率的2.8倍。

（二）京津冀人力資源配置效率總體表現由低向高發展態勢，空間格局呈現“東高西低”布局，地區差異顯著

為了判斷京津冀人力資源配置效率的相對發展階段，本文根據2012—2016年京津冀13個城市人力資源配置效率數據，采用相等間隔法對人力資源配置效率類別進行劃分。人力資源配置效率（用E表示）可分為七個階段：初級階段（1 < E≤1.3），較低級階段（1.3 < E≤1.6），低級階段（1.6<E≤1.9），中級階段（1.9 < E≤2.2），較高級階段（2.2 < E≤2.5），高級階段（2.5 < E≤2.8），最高級階段（E>2.8）。為更加直觀分析2012—2016年京津冀人力資源配置效率分布變化情況，通過使用ArcGIS10.2軟件定量符號化中的分級色彩工具，繪制出圖1。

通過圖1等級色彩深淺變化情況可以探究，2012—2016年京津冀人力資源配置效率的地理空間特征及隨時間的演進態勢。

第一，除2013和2014年外，京津冀人力資源配置效率上升為更高階段的區域逐年增多，基本表現由各階段向其更高級的階段發展態勢，說明京津冀人力資源配置效率不斷提高。其中，2012—2014年京津冀人力資源配置效率除較高級階段和高級階段外，在初級階段、較低級階段、低級階段、中級階段和最高級階段均有分布;2015年京津冀人力資源配置效率除初級階段、較高級階段和高級階段外，在較低級階段、低級階段、中級階段和最高級階段均有分布;2016年京津冀人力資源配置效率在七個階段均有分布。

第二，京津冀人力資源配置效率階段的空間格局基本呈現為東高西低的態勢。京津冀人力資源配置效率階段相對較高的區域主要位于京津冀的東部，而效率階段相對較低的主要位于京津冀西部區域，石家莊除外。京津冀東部區域的人力資源管理更多呈現低級階段、中級階段，甚至是較高級階段和高級階段，但是京津冀西部區域的人力資源配置效率則更多的呈現初級階段、較低級階段和低級階段。京津冀東部地區，地處渤海灣，是環渤海經濟圈的重要組成部分，具有東出西連的橋頭堡作用，是沿海率先發展區和戰略性的增長極，交通和地理位置優越，經濟發達。而地處京津冀西部的張家口和承德，雖然毗鄰北京，但是受到生態涵養特殊城市定位的掣肘，經濟發展相對落后。而邯鄲和邢臺由于遠離京津，受到北京、天津的輻射帶動作用較小，產業發展和公共服務優勢不明顯，對人力資源的吸引力較差。

第三，京津冀人力資源配置效率階段的地區差異化較為顯著。例如北京的人力資源配置效率一直處于最高級階段，但與其相鄰的張家口和保定連續三年處于人力資源配置效率的初級階段，雖然在2015和2016年有所提升，但是也僅處于較低級階段，成為京津冀人力資源配置效率的低洼地區;同時，位于京津冀南部的衡水、邢臺和邯鄲的人力資源配置效率一直處于初級階段、較低級階段和低級階段，成為另一低洼地區，從而使得京津冀人力資源配置效率階段呈現顯著的地區差異。這說明京津冀協同發展雖然取得了一定的成效，但是京津冀區域發展不平衡的矛盾仍然突出，三地之間經濟發展水平差距仍然懸殊。以2016年為例，河北省人均GDP僅有4萬余元，還不到北京、天津兩地的一半。河北省仍處于人力資源凈流出局面，且越靠近北京、天津兩地人力資源流出越嚴重，尚未形成三地之間人力資源的良性流動循環。

（三）京津冀人力資源配置效率極化現象顯著，北京人力資源配置效率及波動幅度顯著高于天津河北

為進一步分析京津冀人力資源配置效率情況，對河北省11個的人力資源配置效率數據進行處理，得到2012—2016年京津冀人力資源配置效率與排名情況和折線圖，如表3和圖2所示。

由表3和圖2可以發現，京津冀三地人力資源配置效率極化現象顯著，北京人力資源配置效率和波動幅度顯著高于天津和河北省。2012—2016年北京人力資源配置效率平均值為5.375，遠高于天津的1.858和河北省的1.642，約是天津的2.9倍，河北省的3.3倍，三省市人力資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，北京人力資源配置效率呈現在較大幅度波動中上升的發展態勢，經歷了先上升、再下降、后上升的過程，整體配置效率上升0.707;天津人力資源配置效率呈現在較小幅度中波動下降的發展態勢，經歷了先下降、后上升的過程，整體配置效率下降0.054;河北省的人力資源配置效率呈現在較小幅度中上升的發展態勢，經歷了先下降、后上升的過程，整體配置效率上升0.236。雖然五年中河北省的人力資源配置效率一直低于天津市，但是河北省的人力資源配置效率與天津市的差距由2012年的0.337逐漸縮小為2016年的0.056。河北省以京津冀協同發展為重要契機，立足區域發展互補原則和土地、礦產資源等方面的比較優勢，積極主動承接京津兩地的產業轉移，人力資源配置實現進一步優化。北京市在此階段一方面面臨著總人口規模控制在1 800萬的壓力，另一方面又急需吸納和培育現代服務業、文創產業的人力資源。雙重壓力之下，導致北京市人力資源配置處于震蕩優化期。

四、京津冀人力資源配置效率演變機理

為深入分析2012—2016年京津冀人力資源配置效率整體的演變機理，本文使用GeoDa軟件計算了京津冀人力資源配置效率的全局自相關系數Moran′s I指數（見表4）和局部自相關的Moran散點圖（見圖3）。全局Moran's I指數反映了京津冀人力資源配置效率空間整體上的集聚或分散程度，但卻在一定程度上掩蓋了局部的空間差異性，因此利用局部空間自相關進一步揭示京津冀人力資源配置效率的局部空間差異。

（一）人力資源配置效率聚集特征呈現由負向空間自相關演變為正向空間自相關

根據全局空間自相關指數測算結果（見表4），結論如下。除2014年外，其他年份均未通過P值檢驗（P≤0.05）。2012—2015年的全局自相關系數Moran′s I指數均為負值，表明京津冀人力資源配置效率在空間分布上呈現負向空間自相關的集聚特征，即人力資源配置效率較高的與人力資源配置效率較低的地區互相鄰近，也就是相鄰較多的表現為“高-低”和“低-高”的空間聚集特征。但是2016年的全局自相關系數Moran′s I指數變為正值，表明京津冀人力資源配置效率在空間分布上呈現正向空間自相關的集聚特征，即人力資源配置效率較高的鄰近，人力資源配置效率較低的也互相鄰近，也就是相鄰較多地表現為“高-高”和“低-低”的空間聚集特征。

同時，隨著時間的推移，由Moran′s I的值可以發現，京津冀人力資源配置效率的空間負相關聚集特征呈現出先逐漸變強，再逐漸變弱的趨勢，最值為-0.336，表現為較強的空間負相關聚集特征。到2016年，京津冀人力資源配置效率的Moran′s I值變為0.100，表現為較弱的空間正相關聚集特征，并成為京津冀人力資源配置效率空間負相關聚集特征的關鍵轉變時期。

（二）人力資源配置效率分屬擴散效應區、過渡區、低速增長區和極化效應區且各類區域呈現較大變化趨勢

根據局部空間自相關指數測算結果，現將京津冀人力資源配置效率劃分定義為擴散效應區、過渡區、低速增長區和極化效應區[22]，四類區域的空間自相關要素詳見表5。

通過對2012—2016年京津冀人力資源配置效率局部自相關的Moran散點圖（見圖3）進行分析，可以得到2012—2016年京津冀13個城市人力資源配置效率四類區域的分布情況（見表6）。現根據四類區域的分布情況對京津冀人力資源配置的演變機理進行深入探究。

1. 北京人力資源配置效率局部空間集聚特征

如表6所示，2012—2015年期間北京人力資源配置效率一直位于極化效應區，自身效率值一直處于高水平，但是其相鄰的張家口、保定等城市人力資源配置效率卻一直處于較低水平，從而導致了北京呈現高-低的聚集特征;2016年北京人力資源配置效率位于擴散效應區，這是由于與其相鄰的張家口、保定、廊坊和承德人力資源配置效率的提高，從而使其呈現高-高的聚集特征。北京作為我國經濟社會最發達的地區之一，擁有優惠的產業政策、豐富的人力資源、發達的地區經濟等有利因素，一直保持高投入-高產出的人力資源配置模式，其人均一般公共預算支出、每萬人城鎮非私營單位就業人數和每萬人科技人員數等人力資源投入方面均遠高于其他各城市，加之自身高水平的人力資源配置和產出，使其人均GDP、第三產業比重和每萬人專利申請授權量等人力資源產出方面均高于其他各城市。

2. 天津和石家莊人力資源配置效率局部空間集聚特征

2012年天津人力資源配置效率位于極化效應區，2013—2015年位于低速增長區，2016年位于過渡區，變化原因在于天津人力配置效率整體呈現下降發展態勢，而毗鄰地區如廊坊等人力資源配置效率呈現上升趨勢。天津作為環渤海地區經濟中心，其濱海新區作為自由貿易試驗區，為天津的經濟發展注入了新活力，但天津在教育投入、城鎮非私營單位就業以及科技投入等方面的力度有待加強，同時其人力資源成果轉化能力急需進一步提升。2012年和2014年石家莊的人力資源配置效率位于極化效應區，2013年、2015年和2016年位于低速增長區，變化原因在于石家莊人才配置效率呈現先下降后上升的發展態勢，而相鄰的保定、衡水和邢臺的人力資源配置效率卻一直處于較低水平。

3. 保定和廊坊人力資源配置效率局部空間集聚特征

2012年和2014年保定人力資源配置效率位于過渡區，2013年、2015年和2016年位于低速增長區。2012年廊坊的人力資源配置效率位于過渡區，2013—2015年位于低速增長區，2016年位于極化效應區。保定和廊坊緊鄰北京、天津和石家莊，地理位置優越，但是它們的人力資源配置效率水平較低。可能是由于兩方面原因：一是由于北京、天津和石家莊對其人力資源等方面的吸引，導致其人力資源特別是優質人力資源的聚集能力較弱，其城鎮非私營單位就業人數需要進一步增加;二是對一般公共預算投入偏少，利用外商直接投資能力偏弱，從而削弱了人力資源配置過程中社會服務和經濟投入等重要因素。其中，廊坊在2016年的人才配置效率上升為2.533，高于與之相鄰的天津、保定和滄州，從而使其由低速增長區過渡到極化效應區。

4. 承德和張家口人力資源配置效率局部空間集聚特征

在2012—2016年期間承德和張家口的人力資源配置效率一直位于過渡區，它們的人力資源配置效率一直處于較低水平，但是與其相鄰的北京和唐山的人力資源配置效率則一直處于較高水平。承德經濟基礎不好，基礎設施落后，加之交通不便，使其發展受到制約。張家口由于地理位置的原因，側重生態環境保護，第一產業和第二產業的發展受到制約。它們在外商直接投資、科技資源投入、一般公共預算支出等人力資源投入方面嚴重偏低，同時人均GDP和專利申請授權量等人力資源產出方面嚴重偏低，導致其人力資源配置效率一直偏低，從而使得它們一直位于過渡區。其中，雖然北京和張家口獲得2022年冬奧會舉辦權，在一定程度上促進了張家口的經濟社會發展，但是人力資源配置效率提高幅度有限，為0.414。

5. 秦皇島和唐山人力資源配置效率局部空間集聚特征

2012—2013年秦皇島的人力資源配置效率位于過渡區，2014年位于低速增長區，2015—2016年位于極化效應區，這是由于秦皇島的人力資源配置效率呈現先下降后上升的發展態勢，并且整體上升幅度較大，為0.75。2012年唐山的人力資源配置效率位于擴散效應區，2013年位于極化效應區，2014—2016年位于低速增長區，這是由于唐山人力資源配置效率呈現先上升后下降的發展態勢。秦皇島和唐山人力資源配置效率一直保持較高水平，在京津冀各城市排名中分別為2、3名。秦皇島和唐山憑借東鄰渤海、西鄰京津、扼守華北地區通往東北地區的咽喉要道等優越地理位置和發達的交通網絡，加之不斷增加對社會服務的投入，重視科技資源投入和科技人員的培養，不斷提高引進利用外資的能力，特別是唐山的GDP長期處于河北省各前列，從而實現了人力資源的高效配置。

6. 衡水、邢臺、邯鄲和滄州人力資源配置效率局部空間集聚特征

除2012年滄州的人力資源配置效率位于極化效應區外，2012—2016年衡水、邢臺、邯鄲和滄州四地的人力資源配置效率長期位于低速增長區，從而成為京津冀人力資源配置的薄弱地區。其中，滄州由于其緊鄰京津，并擁有黃驊綜合大港，促進了人力資源配置，其平均值在京津冀各城市中排名第5。衡水、邢臺和邯鄲引進和利用外商直接投資的能力較弱、在科技資源投入方面偏低，對人力資源培養、引進和利用的能力不足，并且對人力資源的社會保障服務投入力度偏弱，從而導致其人力資源配置效率偏低，并長期位于低速增長階段。

五、京津冀人力資源配置效率影響因素

為了更好地探究不同時期天津人才配置效率的變動狀況，利用DEAP2.1軟件計算投入角度CCR模型的Malmquist指數，對2012—2016年京津冀人力資源投入和產出的面板數據進行分析，可得到2012—2016年京津冀分年份和分城市的全要素生產率指數及其分解的計算結果，如表7和表8所示。

（一）京津冀人力資源配置效率分年份TEPCH指數及其分解

第一，從分年份全要素生產率角度可以發現，2012—2016年五年的全要素生產率平均值為0.855，說明京津冀人力資源配置效率呈現14.5%的下降趨勢。雖然京津冀人力資源配置的技術效率為1，但是其技術進步指數下降了14.5%，從而導致其全要素生產率下降14.5%，說明技術進步是京津冀人力資源配置效率的主要影響因素。同時，只有2013—2014年和2015—2016年的全要素生產率大于1，其他年份均小于1，說明京津冀人力資源配置效率在2013—2014年出現0.1%的增長，在2015—2016年出現8.8%的增長，其他年份均為下降。

第二，從技術效率的角度可以發現，2012—2016年五年的技術效率平均值為1，且京津冀人力資源配置的技術效率歷年均為1，說明技術效率未出現上升或下降趨勢。進一步分析可知，京津冀人力資源配置的純技術效率和規模效率平均值都為1，且歷年效率都為1，說明純技術效率和規模效率均未出現上升或下降趨勢。

第三，從技術進步的角度可以發現，2012—2016年五年的技術進步指數平均值為0.855，整體呈現先下降后上升再下降的變化趨勢。其中，2013—2014年和2015—2016年的技術進步指數大于1，說明該時期技術進步促進了京津冀人力資源配置效率的提高;但是2012—2013年和2014—2015年的技術進步指數小于1，說明該時期技術進步是制約京津冀人力資源配置效率提高的主要影響因素。

（二）京津冀人力資源配置效率分城市TEPCH指數及其分解

第一，從全要素生產率角度可以發現，只有北京的全要素生產率大于1，其余各城市均小于1，說明只有北京的人力資源配置效率總體呈現增長態勢，且增長幅度為3.3%，其余各城市的人力資源配置效率均表現為不同程度的下降態勢，且下降幅度差距較大，其中下降幅度最小的是天津為0.9%，而下降幅度最大的是邢臺為24.5%。因為京津冀人力資源配置的技術效率平均值為1，技術進步效率平均值為0.855，說明技術進步是天津各區人才配置效率的主要影響因素。

第二，從技術效率的角度可以發現，京津冀人力資源配置的技術效率都為1，說明各城市的技術效率未出現上升或下降趨勢。其中各城市的純技術效率和規模效率均為1，說明各城市的純技術效率和規模效率均未出現上升或下降趨勢。

第三，從技術進步的角度可以發現，除北京的技術進步指數大于1，呈現正增長外，其他各城市的技術進步指數均呈現負增長，說明技術進步促進了北京人力資源配置效率，抑制了其他各城市的人力資源配置效率。

綜上所述，通過對京津冀分年份和分城市的全要素生產率指數及其分解數據進行逐步分析，發現京津冀人力資源配置的全要素生產率總體呈現下降趨勢，并且技術效率、純技術效率和規模效率未出現波動變化，技術進步總體呈現下降趨勢，因此技術進步是影響京津冀人力資源配置效率的重要因素。

六、推進京津冀人力資源優化配置的治理策略

本文構建了京津冀人力資源配置效率評價體系，利用超效率DEA對其配置效率的時空格局進行分析，采用探索性空間數據方法對京津冀人力資源配置的演變機理進行分析，運用Malmquist指數探究京津冀人力資源配置效率的影響因素。下面將基于研究結果，提出推進京津冀人力資源優化配置的治理整體方案、原則和關鍵點。

（一）基于配置效率的時空格局，提出京津冀人力資源配置的治理整體方案

從京津冀人力資源配置效率的時空格局來看，一方面，總體呈逐年提高的發展趨勢;另一方面，呈現“東高西低”的分布格局以及地區差異化顯著的現狀。因此，提出京津冀人力資源配置的整體治理方案。

1. 強化人力資源配置的頂層設計，推進人力資源協同共享機制

京津兩地應發揮其“領頭”作用，在人力資源培育上對河北各市進行支持，通過企業、高校、科研機構等社會力量，以共建研發中心、聯合辦學、項目合作、精準人力資源培育等形式實現互幫互助，推動京津冀人力資源共育機制的形成。人力資源的保障服務對人力資源配置和三地之間人力資源的流動起著至關重要的作用。當前，京津冀三地之間已經實現了服務業從業人員資質互認，但京津冀三地之間的人力資源服務保障機制尚未統一。京津冀三地應制定統一的地方服務標準，逐步實現人力資源市場管理政策，人力資源保障水平協同一致，以此促進三地之間服務業的對接合作，最終實現三地之間人力資源的優化配置。

2. 推動人力資源信息化建設，建立統一的人力資源信息共享庫

通過互聯網通信、AI、大數據、物聯網等技術的應用，建立京津冀人力資源政策體系，對三地的人力資源市場進行整合統一，集合三地力量建立統一有序、信息共享、運行規范的人力資源資源市場。京津冀三地在發展中有著各自不同的定位，人力資源的層次、類型需求也大有不同。三地之間應立足自身的發展需要，以市場為導向，建立統一的人力資源信息共享庫，為三地提供人力資源需求和人力資源供給信息，創造條件引導人力資源在三地之間合理有序流動，實現人力資源自我價值實現的最大化。

3. 加強北京對河北教育和醫療等人力資源公共服務的支持力度

北京經濟水平發達，憑借豐厚的薪酬待遇和完善的公共服務對周邊地區的人力資源產生了強大的虹吸效應，致使河北省人力資源特別是優質人力資源的聚集能力較弱，進而導致河北省人力資源配置效率與北京之間的差距日益加大。縮小京冀兩地之間的公共服務水平差距，可以減弱北京對河北省的人力資源虹吸效應，進而提高河北省人力資源配置效率。北京應給予資源支持，幫助河北產業承接地建立完善的公共服務體系。對于產業遷入地的教育服務，北京應利用擁有的眾多一流大學和一流學科建設高校資源以及優質的中小學教育資源，結合產業遷入地的實際情況和地方高校的實力，開展設立分校分院，不能設立分校分院的，在師資力量上給予幫助，實現京師入冀定期輪換交流機制。對于產業遷入地的醫療服務，北京應利用其眾多的三甲醫院和先進精密的醫療器械設備，與產業遷入地的醫院進行資源共享，以“技術支持、醫療信息共享、學術交流、醫師培養”等模式，對遷入地醫院進行幫扶，以提高其醫療水平。

（二）基于配置效率的演變機理，提出京津冀人力資源配置的治理原則

基于京津冀人力資源配置演變機理判斷，空間自相關由負向演變為正向，且呈現較大變化趨勢的現狀，提出京津冀人力資源配置的治理原則。

1. 長期處于過渡區的地區應加強與相鄰地區的協同互動

張家口和承德在地理位置和交通優勢上遜于東部沿海地區，需要結合各功能定位、加強“依靠京津，服務自身”的意識，區別對待，分類解決。張家口和承德毗鄰北京，在京津冀協同發展中的功能定位為生態涵養區。張家口是著名的冰雪運動旅游勝地，國家級生態文明示范區，張家口應充分利用北京-張家口2022年冬奧會這一契機，完善基礎設施，優化京張交通網絡，提高公共服務水平，以北京為名片，利用其毗鄰北京，生態優美的優勢，吸引在京人力資源的流入。

2. 長期處于低速增長區的城市應積極融入京津冀一體化

保定和廊坊接壤北京南部和天津西部，在承接京津產業轉移和優化自身產業機構調整上，具有得天獨厚的優勢。兩地應抓住雄安新區建設的重大歷史機遇，積極主動承接京津產業轉移，圍繞優勢產業進行深度融合和產業鏈延伸，形成多層次產業承接體系，優化區域產業布局，實現人力資源回流。邯鄲、邢臺、衡水三地既不接壤京津地區，又非沿海港口城市，在經濟發展水平、交通區位、教育醫療等方面處于劣勢地位。三地應完善交通體系，打造與京津兩地和相鄰省會城市的半小時通勤圈，加大教育醫療方面的投入，實現京津優質教育醫療資源共享，提高三地的公共服務水平。

（三）基于配置效率的影響因素，提出京津冀人力資源配置的治理關鍵點

從人力資源配置效率的影響因素看，技術進步是影響京津冀人力資源配置效率的重要因素。由此，提出京津冀人力資源配置的治理關鍵點。

1. 充分利用大數據、人工智能、云計算等先進技術，建立自下而上的人力資源需求庫

提高人力資源的配置水平，需要強化人力資源配置中市場地位的決定性作用，打破三地政府機關在人力資源的選用、考核、評價、激勵等方面包管一切的局面，政府應認清自己在人力資源配置中的服務地位，為企業人力資源的配置提供幫助與支持，幫助企業構建層次分明、自下而上、不同類型的人力資源需求庫。

2. 結合當地高校畢業生情況和流動人口狀況，建立區域人力資源供給庫

三地政府機關在各地高校畢業生的所學專業、就業意向、薪資待遇等信息獲取方面具有先天優勢，通過結合各地流入流出人口的就業信息，建立信息完備、真實有效、資源共享的人力資源供給庫，為企業選人、用人提供便利。

3. 強化三地政府在人力資源供給、需求信息聯通中的橋梁作用

政府需要對錄入人力資源需求庫的企業進行審查，保證其資質合格，為企業的招聘信息進行信用背書，并加強事前、事中、事后監督。為錄入人力資源需求信息的企業提供技術支持和幫助，減少企業負擔。鼓勵和引導高校畢業生就業意向信息錄入人力資源供給庫，對供給需求匹配成功的企業給予獎勵。

[參考文獻]

[1]? 沈曉平，張紅，潘銳煥，等. 京津冀區域科技資源投入產出效率研究[J]. 情報工程，2017（6）： 81-89.

[2]? 李文林，曾莉，車瑋. 數字環境下高校圖書館人力資源配置問題研究現狀與思考[J]. 圖書館論壇，2010（1）： 33-35+92.

[3]? 白全民，孫健，安佰芹. 商業銀行人力資源配置效率及對盈利性影響的實證分析[J]. 金融發展研究，2008（1）： 52-54.

[4]? 李玨，王玉芳. 重點國有林區人力資源配置與產業結構協調性測度[J]. 林業經濟問題，2017（6）： 66-71+108.

[5]? 張秀川，劉婷婷，王春平，等. 數據包絡分析在疾病預防控制機構衛生應急人力資源配置效率評價中的應用[J]. 中國衛生資源，2018（2）： 155-160.

[6]? 王狄佳，陳丹鏑，楊先碧，等. 我國西部地區基層衛生人力資源配置公平性研究[J]. 現代預防醫學，2019（11）： 1986-1989.

[7]? 何福平. 區域人力資源配置對海峽西岸經濟區建設的影響及對策研究[J]. 南方經濟，2005（10）： 50-53.

[8]? 楊繼明，馮俊文，李永忠. 人力資源配置與區域創新有效性研究——技術吸收能力視角[J]. 科學管理研究，2010（1）： 95-98+102.

[9]? 楊勝利，段世江. 轉型期我國勞動力資源配置效率評價與分析研究[J]. 中國人力資源開發，2016（19）： 71-79.

[10]? 高寧，李景平. 人力資源配置科學性測評指標體系的構建[J]. 統計與決策，2016（6）： 45-49.

[11]? 彭皓玥，王樹恩. 我國科技人才配置的效率[J]. 工業工程，2008（2）： 17-20+28.

[12]? 王曉丹，金喜在. 基于DEA方法的人力資本結構效率評價[J]. 稅務與經濟，2008（3）： 36-41.

[13]? 吳傳清，董旭. 環境約束下長江經濟帶全要素能源效率研究[J]. 中國軟科學，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間分異——以湖南省各市州為例[J]. 經濟地理，2017（3）： 188-192.

[17]? 李聞一，朱祥波，王宇. 政府科技投入成本效益分析——基于超效率CCR模型與Malmquist指數模型[J]. 科技進步與對策，2016（21）： 132-136.

[18]? 劉兵，李青，梁林. 天津市人才配置效率動態演化及影響因素研究——基于超效率DEA和Malmquist指數[J]. 河北工業大學學報（社會科學版），2019，11（2）： 16-23.

[19]? 任宇飛，方創琳. 京津冀城市群縣域尺度生態效率評價及空間格局分析[J]. 地理科學進展，2017（1）： 87-98.

[20]? 武紅. 中國省域碳減排：時空格局、演變機理及政策建議——基于空間計量經濟學的理論與方法[J]. 管理世界，2015（11）： 3-10.

[21]? 梁林，李青，劉兵. 環境約束下省域科技資源配置效率：時空格局、演變機理及影響因素[J]. 中國科技論壇，2019（6）： 125-135+146.

[22]? 劉漢初，盧明華，劉成. 山西省縣域人口半城市化的空間格局研究[J]. 經濟地理，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