一、问题提出

党的二十大报告指出，“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是第一生产力、人才是第一资源、创新是第一动力，……”科技人才在当今知识经济中扮演着重要的角色，由于知识具有集聚的属性，在20世纪90年代，创新集聚机制受到了经济地理学研究领域的广泛关注[1-2]。早期研究主要关注以本地化学习为代表的创新网络的形成，随着世界范围内全球化的深入，以产业分工为基础和以投入产出联系为主的贸易依赖关系成为全球创新网络研究的重点。在区域创新研究领域，经济地理学者们指出空间存在相互作用力，其中以知识和技术为代表的创新要素流动构成了创新空间关联存在的内在动力[3]。人才作为知识的重要载体，对于突破性创新和科学发现以及协调和指导其他人的行动方面具有卓越的直接贡献，能够推动知识前沿发展并刺激经济增长[4]。知识和人才的流动性对于提高生产力至关重要，近年来受到学术界广泛的关注。

发明人才跨国流动拉开了创新地理研究的新序幕，现有研究大多以国家为研究单元考察发明人才流动对东道国或目的国产生的经济影响。在经济全球化的背景下，国家之间的创新竞争已演化到诸如生物医药、计算机等高技术领域的人才竞争。随着行业层面发明人才流动数据的可获取性增强，越来越多的研究基于跨国发明人才考察全球创新地理演化的新格局，但仍然存在一些悬而未决的问题，如发明人才在生物医药、计算机行业的跨国流动具有怎样的特征，高技术行业发明人才在全球创新地理上呈现怎样的集聚发展态势，中国在世界创新地理中的技术中心度呈现怎样的变化，何种因素影响发明人才的跨国流动以及全球技术中心度的提升等都是本文亟待解决的问题。

二、文献综述

在全球科技活动交流日益频繁的知识时代，人才的流动和集聚受到国内外学者的广泛关注。在城市经济学研究中，创新人才的集聚和流动总是与特定的城市群联系在一起[5]。许多学者尝试从城市吸引力[6]、城市舒适性[7-8]、地区宜居性[9]等视角讨论创新人才空间流动、集聚以及基于创新人才跨国流动的全球创新网络形成[10-11]。在宏观层面，国家之间共同推动技术领域的突破与发展，发明人才流动对东道国创新能力的作用已经在很大程度上得到强调、衡量以及经验证明[12-15]。高技能移民对经济存在显著的影响，他们扩大了居住地经济的生产潜力，从而提高全要素生产率增长[16]。发明者的资金流入对一个地区向更复杂的创新模式发展的能力有积极的影响。发明人才的流入影响了各地区在创新环境中改变创新模式的能力，在这些创新环境中，发明人才的流动性可以加强现有知识网络并建立全新的知识网络[17]。随着微观企业发明人才流动的可获得性增强，学术界围绕发明人才流动与企业创新活动的关系展开了一系列相关研究，如发明人才的流动被认为是企业之间知识溢出的关键渠道，采用欧洲研发投资公司样本分析表明发明人才流动对公司层面专利活动存在显著的正向影响[18]。发明人才的个体流动往往与公司开发可申请专利的想法密切相关[19]。在更微观的层面，移动发明人才将基础知识转移和转化为新的技术并有效地整合到公司的创新过程中，合作伙伴关系一方面提高了移动发明人才自身价值捕获的能力，另一方面也带来了发明人才的社会价值在不同地区的流动[20]。科达-扎贝塔等(Coda-Zabetta et al.，2021)利用全球专利和发布的地理定位数据也发现，全球创新热点和集聚网络背后的行动者是高技能移民[21]。

近年来，新兴国家在诸如生物医药和计算机等高技术领域加速发展，对全球经济的可持续增长起到了重要的作用[22]。中国表现较为抢眼，无论是从物质资本还是人力资本的产生方面，中国都已上升为全球研发的第二大产出国[23]。中国在高技术创新领域取得了长足发展，印度和新加坡等许多新兴经济体也越来越多地投资于高技术领域，引发了学界的广泛关注。以生物医药行业为例，弗里德曼(Friedman，2010)通过调查药物创新的地理位置来证实美国在全球制药领域的主导地位，并在国家层面探索了2000—2009年医药创新的地理位置，重点关注特定国家药品专利发明人的分离频率[24]。进一步研究发现，美国在全球创新网络中仍然占据主导地位，尤其在关键核心发明方面。然而与之前时间段相比，2006—2010年美国在总新药或新分子实体药物创新网络中的显著性略有下降，网络中心性细微下降充分显示了这一点[25]。考虑到研究合作和网络目前被认为是在一般知识经济中产生创新的基本要素，在制药行业也是如此，对这种跨国研发合作的分析构成了调查美国在全球制药创新中的主导地位时的一个重要的附加因素。一方面，这与寻找新药的复杂性日益增加有关；另一方面，这也与研究资源在地理空间中的可及性和流动性显著提高有关。

通过梳理相关文献可以看出，现有文献基于专利的地理分布、国外专利申请和授权以及专利引用和被引用信息等考察全球创新网络的变迁趋势，而发明人才作为知识和技术的重要载体，其流动频率在很大程度上能够反映国家行业在创新网络中的地位，也是现有研究容易忽视的一个部分。同时，尽管越来越多的文献开始关注移民发明者对目的国经济或创新的影响，诸如弗里德曼等知名学者及其相关著作也未考虑跨国互动关系，而仅仅是考虑到移民单向流动对目的国创新能力的影响。鉴于此，本文可能的边际贡献包括：(1)理论上，本文为行业创新能力对发明人才的双向流动以及所引致的全球技术“中心—外围”结构的地理变迁提供学理支撑，在工资溢价、自我选择机制、地区与人才双向匹配和知识流动等分析框架下补充了行业创新能力促进发明人才双向流动和提升技术中心度的理论机制；(2)实证上，本文验证国家行业创新能力对高技术行业技术中心度的提升作用，并综合考察产业相对比较优势和技术相对比较优势对行业创新能力与技术中心度之间关系的调节作用，为以产业相对比较优势为基础构建全球代表性技术集群进而广纳全球发明人才提供经验支持。

三、行业创新能力对全球高技术发明人才地理的影响

(一)行业创新能力对全球发明人才流动的影响

马歇尔将移民劳动力划分为一般性人力资本和专用性人力资本，他认为人力资本的结构性特征决定了人力资本价值的结构性特征，较高层级或专业性人力资本在出让产权时会获得较高的收益权，即经济价值也会更大；反之，较低层级或一般性人力资本的收益相对较低。因此，人力资本的结构性特征在一定程度上决定了人力资本的流动性。大量研究表明，一些个人或群体在地理上的流动性更大，并且对区域工资差异的反应更大。例如采用丹麦人口的面板数据研究发现更大的地域流动性源于他们可以预期的显著的工资跨地区差异，那些能够获取较高工资溢价的地区往往能够吸引更多的移民发明家[26]。高技术行业作为专利密集型行业的典型代表，有能力提供较高的工资水平，因此对全球发明人才的吸引力较大。与此同时，高技术行业往往具有高投入、高风险和高技术门槛，其专利是具有重大经济价值的创新性知识，其所含知识的复杂程度对相关技术领域的专业化人才需求较为固定，只有与特定研发岗位需求相适应的发明人才才能形成良好的匹配效应。创新能力相对较强的行业通常表现为技术更迭速度快于普通行业，对专业化和多样化的知识需求更强，这一过程往往也需要通过发明人才的更迭实现。本文认为行业创新能力越强，全球发明人才的流入和流出越频繁。基于以上分析，本文提出如下研究假设。

假设1：行业创新能力越强，则全球发明人才流动越频繁。

许多研究移民的文献将劳动力分为技能劳动力和非技能劳动力。通常情况下，技能劳动力的生产效率高于非技能劳动力[27-29]，与选择留在原籍地的类似个体相比，移民发明家往往具有更高的技术、更年轻、受过良好教育和更有创业精神，即移民的积极自我选择机制。给定贸易成本水平下，由于存在与一个地区高技能匹配相关的生产率溢价，高技能工人比低技能的工人更愿意迁移。行业创新能力越强，生产率越高，与之相匹配的发明人才也越多。同时，地区发明人才之间的互动又可以通过知识扩散过程提高每个工人的生产率，即技能溢价是内生的，并且随着发明人才的区域配额而不断增加。因此，一个拥有更高创新能力的行业往往比一个拥有较低创新能力的行业能吸引更多的发明人才。此外，保持足够的创新能力也是区域维持高技能人力资源的重要方式。综上，相对于发明人才流出而言，能够流入并且稳定加入本地研发团队的发明人才的自选择效应往往更强，他们通常能够提供与工资水平相适应的熟练技能。本文认为行业创新能力对发明人才流入的净效应具有显著的促进作用。基于以上分析，本文提出如下研究假设。

假设2：行业创新能力能够显著促进发明人才的净流入。

(二)行业创新能力对全球发明人才跨国流动网络的影响

根据卢卡斯(Lucas，1988)的观点，国家行业技能水平可以解释为经济中发明人才的存量[30]，人力资本积累是正外部性溢出的来源，有理由认为工人的技能是通过学习和交流思想而提高的，工人通过与周围的人互动来提高他们的生产力。生产过程通常由多个任务组成，所有这些任务都必须成功完成才能使产品具有完整的价值。因此，在生产过程中匹配熟练工人可提高成功执行这些任务的可能性。在均衡状态下，技术工人在核心区域被匹配在一起，其最终的结果是，思想传播的外部性越强。并且伴随着地区的高生产率，工人从人力资本平均水平低的地区迁移到平均水平高的地区的动机越强，地区也越有可能形成技术集聚，从而成为全球技术中心。利用全球专利统计数据库提供的1985—2018年发明专利申请信息，郑江淮等(2022)研究发现，随着全球产业分工的深化、信息技术的发展以及不断下降的贸易成本，创新活动的地理范围在全球呈现不断扩大的趋势，国家间广泛的技术合作显著促进了拥有发明专利的个体跨国流动动机[31]。因此，本文认为，与创新能力较弱的行业相比，创新能力较强的行业对外部性知识获取的需求更大，而发明人才流动活跃的行业更有可能吸收来自全世界范围内多样化的知识，也越有可能成为技术交流合作的中心。基于以上分析思路，本文提出如下研究假设。

假设3：地区行业创新能力越强，在发明人才跨国流动网络中相对重要程度也越高，该地区越有可能成为全球技术中心。

在许多欧盟成员国，地区差异明显且非常持久，创新活动的空间分布很不均匀，在各个地理层面都可以观察到创新集聚的现象[32]。如卡利诺等(Carlino et al.，2012)研究发现，创新部门的公司表现出强烈地按研究领域在地理上聚集的趋势[33]。现有研究主要聚焦于这种空间不平等的起源以及研究全球化程度的加深对空间集聚程度的影响，在克鲁格曼(Krugman，1991)的基本模型中，区域间劳动力迁移、规模经济、运输成本和空间固定需求来源之间的相互作用产生了集聚和分散的力量[34]。由于某些生产要素在空间上具有流动性，当运输成本低于临界水平时，集聚力就会变得足够强大，从而形成“核心—边缘”结构。自20世纪80年代以来，研发全球化成为全球范围内的一个特别强烈的趋势[35]。跨国公司是发明人才流动的主要载体。高技术行业通常属于知识密集型行业，从事知识创造和创新的代理人、公司和机构在某种程度上植根于当地环境和各自的文化背景，这在新知识的产生阶段尤其重要。这些阶段依赖于面对面的交流和想法的本地化验证，并且对本地环境结构高度敏感。然而，这些社区和组织形成的知识创造和创新过程不能简化为地方知识库。它们依赖于其他地方的知识库，由其构建并与之融合在一起。因此，知识创造的地方和全球层面是内在交织的，并产生了基本的跨地方和跨国家反馈循环，这些反馈循环通过持续的知识流通过程传导[36]。因此，伴随着大型跨国公司成为创新活动国际化的驱动力，本文认为将会有越来越多的外围国家依附于技术中心国家。基于以上分析，本文提出如下研究假设。

假设4：随着知识交流和跨国公司研发全球化，发明人才地理呈现由单中心向多中心的转变，以及技术外围国家增多的趋势。

四、研究设计

(一)数据来源

本文研究的时间跨度为1980—2015年。研究数据主要来源于两个部分：一是用于识别高技术行业技术中心的发明人才流动数据，来源于欧洲专利局全球专利统计数据库(PATSTAT)。伦齐(Lenzi，2009)指出发明人才的职业道路很少反映在他们的专利申请活动中，使用专利统计数据往往会低估流动现象的强度[37]。为此，本文直接采用行业层面发明人才双向流动信息构建发明人才跨国流动网络，考察全球技术中心度与多中心外围式变迁。二是实证分析所包含的国家和地区行业层面相关变量数据来源于世界投入产出数据库(WIOD)。在行业的选取上，参照联合国统计委员会构建的国际标准产业分类体系(ISIC)和经济合作与发展组织(OECD)制造业技术分类标准[38]，选取基础药品和制剂制造(C21，以下简称医药行业)以及计算机、电子、光学产品制造(C26，以下简称计算机行业)两个行业作为高技术行业代表。为了简化，将两个行业合并之后的总样本视为高技术行业代表。

(二)研究方法

1.发明人才跨国流动网络中心识别

PageRank中心度最初用于谷歌浏览器对网页的排名分析[39]。该算法基于“从许多优质的网页链接过来的网页必定还是优质网页”的回归关系来判定网页的重要性。近年来，在国际贸易领域和创新网络的研究中得到广泛的运用[40-42]。本文主要利用全球发明人才在国家和地区行业层面双向流动信息，构建全球发明人才流动网络并以此识别国家和地区行业在网络中节点的相对重要性。通常而言，PageRank中心度需要经过修正规则进行多次迭代，最终收敛于一个稳定值，即初始给定所有节点的PageRank(0)值满足∑iPageRank(0)pit=1，经过多次迭代，第k步的PageRank值与第k-1步的PageRank值基本保持一致，具体如式(1)所示。

(1)

式(1)中，Rt+1和Rt分别表示t+1期和t期发明人才流动的可能性，系数d为阻尼因子，E是全为1的矩阵，Ι是所有分量为1的n维向量。dMRt表示状态平稳分布时依照转移矩阵M流向各个结点的概率，表示完全随机访问各个结点的概率。阻尼因子d取值由经验决定，当d接近1时，随机游走主要依照转移矩阵M进行；当d接近 0时，随机游走主要以等概率随机访问各个结点。本文根据布林和佩杰(Brin & Page，1998)提出的PageRank算法经验值[43]，将d设定为0.85，经过多次迭代，直至行业层面的PageRank值综合利用发明人才的流入和流出信息，可以用来衡量国家和地区相关行业对发明人才的集聚和分散能力，该值越大表明发明人才双向流动的频率越高，该行业在某些国家和地区更密集地集聚，使其成为全球技术中心。因此，可以根据PageRank排名衡量识别不同国家和地区高技术行业在发明人才跨国流动网络中的相对重要程度。

2.发明人才跨国流动网络外围识别

在已有技术中心国家和地区的基础上，借鉴泰勒和迪布鲁德(Taylor & Derudder，2015)的相对关联度法[44]，对其外围国家和地区进行识别。将国家/地区i与其他国家/地区j的联系强度Vij与这些国家/地区的总关联度Nj进行回归分析，进而分析残差，具体见式(2)。

Vij=a+b(Nj+Rij),(j=1,2,...,n;j≠i)

(2)

式(2)中，为总关联强度，表示国家/地区i在创新网络中的影响力。Rij为残差，表示国家/地区i与j之间的联系强度。若残差为正，表明两者之间是强联系单元，反之则为弱联系单元。考虑到各样本间的残差数值差异较大，不能很好地显示观测值明显偏离回归值的情况。参考泰勒的识别方法，本文根据残差值的大小反映外围国家/地区与技术中心国家/地区联系的紧密程度，具体划分标准如表1所示。

表1 标准残差与联系强弱的对应关系

注：通常情况下，取前两层级国家/地区单元作为技术中心国家/地区的外围国家/地区。

根据以上方法可以识别发明人才跨国流动网络的“中心—外围”国家/地区的分布情况。首先，在识别技术中心国家/地区方面，按照行业PageRank值由大到小排名取前5作为技术中心国家/地区；其次，在识别外围国家/地区方面，若与技术中心国家/地区标准残差大于0则视为外围国家/地区。按照上述两步法可以得出样本期内高技术行业在全球范围内技术“中心—外围”分布的动态变化特征。

五、行业层面创新网络地理演进典型特征事实

(一)高技术行业发明人才跨国流动全球技术中心演变特征

表2汇报了1980—2015年代表性国家高技术行业技术中心度(1)的结果。首先，从全球范围PageRank值的变化来看，一方面，高技术行业技术中心从早期单中心转变为多中心，主要体现在全球发明人才流动涉及的国家越来越多；另一方面，高技术中心与外围地区建立了较为密切的联系，以地理为边界，发明人才流动呈现了一定程度的“高高集聚”和“低低集聚”特征。其次，从代表性国家PageRank值的变化趋势来看，美国、德国和日本在高技术行业始终保持着较强的竞争优势。从不同年份技术中心度数值大小来看，上述三国在高技术领域基本位居前列，在全球具有较强的竞争优势。中国在高技术领域成为技术中心存在一定滞后。数据显示，中国在1985年前既不是技术中心地区，也不是外围地区；1990年前后开始在世界崭露头角；20世纪以后中国在全球范围内悄然崛起，PageRank值逐年上升，2015年中国技术中心度升至第二，成为仅次于美国的全球技术中心。但是从平均意义而言，中国的PageRank值与美国、德国和日本等发达国家相比仍然较低，并且美国、德国和日本技术中心度波动相对平稳。

表2 代表性国家高技术行业发明人才跨国流动技术中心度

(二)医药和计算机行业发明人才跨国流动全球技术中心演变特征

表3汇报了1980—2015年代表性国家医药行业技术中心度的结果。总体上，遵循了高技术行业技术中心度在全球演变的规律。落实到中国的创新发展实践，呈现出一些新的特征，即相较于高技术行业和计算机行业，中国在医药行业与外围国家建立的技术联系要小于前两者，主要体现在相对关联强度和广度方面。可能的原因在于，相比于高技术行业和计算机行业，各个国家在医药行业创新研发的不相关多样化程度相对较高，导致医药技术扩散相对缓慢。

表3 代表性国家医药行业发明人才跨国流动技术中心度

表4汇报了1980—2015年代表性国家计算机行业技术中心度。与高技术行业和医药行业所不同的是，中美在计算机领域的差距要大于两国在高技术领域和医药领域中心度的整体差距。可能的原因在于，中国计算机的发展总体上经历了从依赖他国到自主研发转变的过程。而在美国，很多产业围绕计算机发展生成了一种产业生态并形成了一条完整的产业链，涵盖了各种材料的研发、各种零件的制造、芯片技术的发展、整机的装配以及其外围的各种设备。因此，美国计算机的整个产业线条是十分庞大的，并且在全球范围占据着非常重要的地位，这导致中美在计算机领域技术中心度差距相对较大。

表4 代表性国家计算机行业发明人才跨国流动技术中心度

表4(续)

图1为代表性国家和地区高技术行业、医药行业和计算机行业发明人才跨国流动技术中心度均值的变化趋势(2)。

图1 代表性国家和地区发明人才跨国流动技术中心度

从高技术行业来看，欧洲在1980—1985年呈现小幅上升趋势，1985年后呈现稳中有降的变化趋势。美洲在样本期内经历了先升后降的倒U型变化趋势，整体稳中有升。东亚在1980—1985年经历了大幅度下滑，随后总体保持平稳上升趋势。中国在1980—1995年稳中有升，1995年以后上升趋势明显，2005年后超过欧洲、美洲和东亚代表性国家发明人才跨国流动技术中心度平均水平。从医药行业来看，欧洲总体呈现稳中有降的变化趋势。美洲在1980—2005年下降趋势明显，2005年以后基本保持平稳。东亚在1980—1995年上升趋势明显，1995年之后基本保持平稳。中国医药行业在1980—1995年尚未崭露头角，2010年后超过欧洲、美洲和东亚代表性国家发明人才跨国流动技术中心度平均水平。

从计算机行业来看，欧、美、东亚在1980—1990年波动幅度较大，1990—2015年欧洲和美洲呈现先降后升的U型变化趋势，东亚1990—1995年降幅明显，随后保持平稳。尽管中国在1995年之后快速上升，并于2007年超过东亚代表性国家发明人才跨国流动技术中心度平均水平，但是与欧洲和美洲代表性国家的平均水平仍然存在一定的差距。

综上，在高技术行业、医药行业和计算机行业，中国发明人才跨国流动技术中心度在1995年后上升态势明显，除计算机行业之外，陆续超越欧、美和东亚代表性国家的平均水平，逐渐成为全球技术中心国家。

六、实证检验

(一)计量模型设定

为考察创新能力对发明人才跨国流动以及国家和地区行业技术中心度的影响，本文构建了如式(3)所示的计量模型。

lninflowijt(lnoutflowijt,PageRankijt)=α0+α1lnpatijt+∑αklncontrolsijt+λcountry+μindustry+τyear+εijt

(3)

式(3)中，lninflowijt(lnoutflowijt,PageRankijt)分别为行业发明人才流入、流出数加1取自然对数以及行业全球技术中心度指数；lnpat为对应行业发明专利申请数加1取对数；controls为一系列相关控制变量；λcountry、μindustry和τyear分别表示国家/地区固定效应、行业固定效应和年份固定效应，ε表示误差项。

(二)变量选取

1．被解释变量

本文被解释变量包含三个：(1)发明人才流入(inflow)，以流入到行业发明人才数量表示；(2)发明人才流出(outflow)，以行业发明人才流出数量表示。本文根据专利发明人连续申请专利所属组织的变化对发明人才流动进行追踪，即当专利发明人申请的发明专利信息中含有的企业、国家/地区信息与其他年份申请的发明专利不同时，识别为发明人才流动；(3)技术中心度(centre)，以高技术行业、医药行业和计算机行业PageRank值表示。

2．解释变量

本文核心解释变量为行业创新能力(pat)。帕洛梅拉斯和梅莱罗(Palomeras & Melero，2010)依靠专利数据来跟踪发明家在公司之间的流动，研究发现在国际商业机器公司(IBM)工作的发明家所体现的知识类型与他们迁移的可能性存在强烈的正向关系[45]。巴斯卡拉巴特拉等(Bhaskarabhatla et al.，2021)使用37年的美国专利活动数据研究发现，流入地专利存量越大，则与流入的发明人才相关的专利和发明同行越大[46]。参考现有研究，本文采用发明专利申请数量表征行业创新能力。通常而言，一个国家行业创新能力是内生于本国的研发物质资本和人力资本，来自国外发明人才更多起到锦上添花的作用，国外发明人才对目的国创新产出增量的边际贡献相对较小。因此，来自国外发明人才对本国创新能力的影响有限。

3．控制变量

为了尽可能避免因为遗漏变量带来的内生性问题，选取行业层面的控制变量主要有：(1)行业生产状况(ind)，以行业总产值表示；(2)从业人数规模(lab)，以行业就业人员数量表示；(3)资本密集程度(cint)，以行业总固定资产除以就业人员数表示；(4)经济发展水平(gdp)，以美元计价的人均国内生产总值(GDP)表示。此外，为了减弱模型可能存在的异方差性，本文对上述相关数据加1取对数处理。同时，为了避免潜在离群值对回归结果的干扰，对相关变量进行前后1%的缩尾处理。

相关变量描述性统计如表5所示。

表5 相关变量描述性统计

(三)实证检验结果

1.基准回归结果

基于式(3)，表6进一步汇报了行业层面创新能力对发明人才流入和流出的影响，列(1)—列(3)lnpat的系数均在1%的显著性水平为正，表明行业创新能力对发明人才流入具有显著的促进作用；类似地，列(4)—列(6)的结果表明，行业创新能力对发明人才流出也具有显著的促进作用。此外，为了进一步考察行业创新能力对发明人才流动的净效应，以流入到行业的发明人才数量减去流出该行业发明人才数量表示净流入(net_inflow)。由行业专利绝对数(pat)对行业发明人才净流入的影响可以看出，pat的系数在1%的显著性水平下为正，表明行业创新能力显著促进发明人才的净流入。综上，行业创新能力促进了发明人才的双向流动，并且对发明人才净流入具有显著的正向效应。

表6 创新能力对发明人才流动的检验结果

注：列(1)—列(3)分别为高技术行业、医药行业和计算机行业发明专利数量对相应行业发明人才流入的影响；列(4)—列(6)为发明专利数量对相应行业发明人才流出的影响。括号内为标准误差，***、**和*分别表示 1%、5%和 10%的显著性水平，后表同。

表7汇报了行业创新能力对技术中心度的影响。可以看出，列(1)—列(3)lnpat的回归系数至少在5%的显著性水平下为正，表明行业创新能力能够显著提升行业技术中心度。类似地，列(4)—列(6)lnpat的回归系数均在1%的显著性水平为正，表明在加入相关控制变量之后，创新能力对行业技术中心度提升依然具有显著的促进作用，假设3得到验证。综上，行业创新能力在促进行业发明人才双向流动的同时，也提升了行业在发明人才跨国流动网络中的重要程度。

表7 创新能力对行业层面PageRank检验结果

注：列(1)—列(3)分别为不加入控制变量情形下高技术行业、医药行业和计算机行业创新能力对行业PageRank值的普通最小二乘(OLS)法检验结果，列(4)—列(6)分别为加入相关控制变量情形下相应的检验结果。

2．稳健性检验

(1)替换解释变量

为了尽可能利用国家行业层面的生产和创新信息，本文采用如下代理变量替换原有解释变量，主要包括：①行业专利总量(patall)，采用同时包含发明、实用新型和外观设计专利的行业专利总量数据表示；②发明专利增长率(growth_rate)，专利增速越快的话，则行业在创新方面通常越具有竞争力；③专利强度(pat_strength)，以每万元GDP发明专利数量来表示。表8汇报了替换原有解释变量的稳健性检验结果。列(1)—列(3)lnpatall的回归系数均在1%的显著性水平下为正，表明行业专利总量对技术中心度具有显著的促进作用。类似地，列(4)—列(6)growth_rate的回归系数也均在1%的显著性水平下为正，表明行业发明专利增长率越快，则该行业越有可能成为全球技术中心。列(7)—列(9)pat_strength的回归系数至少在10%的显著性水平为正，表明行业专利强度对全球技术中心度的提升具有显著的正向促进作用。

表8 替换解释变量的稳健性检验结果

注：列(1)—列(3)分别为高技术行业、医药行业和计算机行业专利总量对相关行业PageRank值的影响，列(4)—列(6)为采用发明专利增速作为解释变量对应行业的检验结果，列(7)—列(9)为采用专利强度作为解释变量对应行业的检验结果。

(2)替换被解释变量

为了进一步验证行业创新能力对技术中心度的影响，本文采取技术密度指标替换PageRank值对行业创新能力与技术中心度的关系再次进行检验。借鉴豪斯曼和克林格(Hausmann & Klinger，2007)[47]技术密度指标的测算方法，使用国家/地区i具有比较优势的技术k与技术l的邻近度之和与技术l与所有技术邻近度之和的比值来反映不同国家/地区在技术空间的非均质性以及国家/地区在技术领域相对地位的变化[48]，具体测算如式(4)所示。

(4)

式(4)中，Denk,i为技术k在国家/地区i中的技术密度。∑iProxk,l×Ml,i表示国家/地区i拥有比较优势的技术l与技术k之间的邻近度的总和；∑lProxk,l为各项技术之间的邻近度之和。如果国家/地区i与技术k邻近的各项技术中均具有比较优势，那么技术密度Denk,i等于1；反之，如果与技术k所邻近的技术仅有一小部分具有比较优势，则技术密度值很小。

表9汇报了采用技术密度作为被解释变量的检验结果，鉴于发明专利与其滞后一期相关，并且滞后变量已经发生，从当前来看其取值已经固定，可能与当前的扰动项不相关。因此，同时满足相关性和无关性假定，在一定程度上减少了内生性。不难看出，除了列(5)lnpatall的回归系数未能通过显著性检验之外，其余列中lnpat、lnpatall和L.lnpat的回归系数至少在5%的显著性水平下为正。由此表明，行业创新能力对国家技术密度具有显著的提升作用，从而进一步验证了基准回归的结论。

表9 替换被解释变量的稳健性检验结果

注：列(1)—列(3)分别为发明专利数量、三类专利总量和发明专利数量滞后一期对高技术行业总体样本技术密度的检验结果。列(4)—列(6)和列(7)—列(9)分别为相应情形下医药行业样本和计算机行业样本的检验结果。

(四)进一步分析

1.基于经济发展水平的异质性分析

为了进一步探究上述研究结论在不同收入水平国家样本中是否具有异质性，根据世界银行(World Bank)对收入水平的划分标准，本文将高收入和中等偏上收入组统一归为中高收入组，将中等偏下收入和低收入组统一归为中低收入组，分别对两个组别进行检验。表10汇报了按照收入水平划分的异质性检验结果(3)。列(1)—列(3)lnpat的回归系数至少在5%的显著性水平下为正，表明行业创新能力对技术中心度的促进作用在中高收入组样本的检验中依然成立。相反，列(4)—列(6)lnpat的回归系数均未通过显著性检验，表明以上结论在中低收入组样本并不显著。出现上述现象可能的原因在于，相比于中低收入组，中高收入组更多地掌握世界前沿技术，从而能够汇集更多的发明人才。此外，中高收入组在诸如生活基础设施、子女受教育水平、环境质量等方面也基本优于中低收入组，并且来自不同国家的发明人才能够在特定的技术领域形成良好的互补效应，从而有利于发明人才的集聚。但是，随着人才集聚效应超过一定阈值之后，竞争效应大过互补效应，使得那些在技术研发中处于竞争劣势的发明人才或团队开始寻求新的出路，从而导致中高收入组在相关行业发明人才中表现为“大进大出”的现象。

表10 按照收入水平划分的国别分类的异质性检验结果

注：列(1)—列(3)分别为中高收入组高技术行业、医药行业和计算机行业创新能力对技术中心度的影响，列(4)—列(6)为中低收入组样本相应的检验结果。

2.基于技术和产业比较优势的调节效应检验

为了进一步考察行业创新能力对技术中心度的影响是否会受到技术比较优势和产业比较优势的调节作用，本文在基准回归的基础上，分别以技术相对比较优势和产业相对比较优势为调节变量考察创新能力对相关行业技术中心度的影响，具体模型如式(5)所示。

PageRankijt=β0+β1lnpatijt+β2trcaijt(rcaijt)+β3lnpatijt×trcaijt(lnpatijt×rcaijt)+

∑βklncontrolsijt+λcountry+μindustry+τyear+εijt

(5)

式(5)中，trcaijt和rcaijt分别为i国家/地区j行业t年技术相对比较优势和产业相对比较优势，其余变量如前文所述。其中，技术相对比较优势与产业相对比较优势测算如式(6)所示。

(6)

式(6)中，技术相对比较优势(trcaijt)采用i国家/地区j行业第t年发明专利数量占该国家/地区发明专利总量比例与全球j行业第t年发明专利数量占全球发明专利总量比例之比表示，若trcaijt>1，则表明该行业存在技术相对比较优势，反之亦然。类似地，如式(7)所示，产业相对比较优势(rcaijt)采用行业产值数据测算。

(7)

表11汇报了基于式(5)调节效应的回归结果。不难发现，列(1)和列(3)trca的回归系数至少在5%的显著性水平下为负，表明技术相对比较优势对高技术行业和医药行业在发明人才流动网络中相对重要程度具有显著的负向作用；列(2)trca的系数不显著，表明技术相对比较优势对计算机行业PageRank值尚未产生影响。同时，列(2)和列(3)lnpat×trca的回归系数也未通过显著性检验，表明技术相对比较优势的调节作用不显著。相反，列(4)和列(6)rca的回归系数在1%的显著性水平为正，表明产业相对比较优势对高技术行业和计算机行业技术中心度具有显著的促进作用，并且列(4)—列(6)lnpat×rca的回归系数至少在5%的显著性水平下为正，表明产业相对比较优势的调节作用显著。本文认为可能的原因在于：产业相对比较优势可以通过行业内企业生产经营活动进行外部反映，在短期内对于在相关技术领域寻求工资溢价的全球发明人才具有广泛的虹吸效应，从而可以强化国家行业创新能力对技术中心度的影响，而技术相对比较优势的产生则相对隐晦，需要在更长的时间范围内才能促成全球技术中心度的形成。

表11 技术和产业相对比较优势调节效应检验结果

表11(续)

注：列(1)—列(3)分别为纳入技术相对比较优势情形下高技术行业、医药行业和计算机行业的检验结果，列(4)—列(6)分别为纳入产业相对比较优势情形下相应的检验结果。

3．全球发明人才中心外围式变迁

(1)全球范围内技术中心外围地区分布特征

表12—表14汇报了1985年、2000年和2015年高技术行业“中心—外围”国家和地区分布(4)，主要呈现如下特征：从联系广度来看，技术中心国家和地区与越来越多的外围国家和地区形成联系。随着时间的推移，技术中心国家和地区的前三层级外围国家和地区的数量均呈现不断增多的趋势。其次，从联系强度来看，技术中心国家和地区与外围国家和地区之间的联系在加强。1985年前中心国家和地区与第一层外围几乎没有联系，只有少数的第二层外围和第三层外围的国家和地区，即与技术中心发生强联系的单元较少。2000年以后，不同层级的外围国家和地区数量明显增多，并且相对关联系数也呈现扩大的趋势。

表12 1985年高技术行业“中心—外围”国家分布

表13 2000年高技术行业“中心—外围”国家和地区分布

表14 2015年高技术行业“中心—外围”国家和地区分布

此外，从美国和中国在高技术行业的外围国家和地区分布来看，有四个比较明显的特征：(1)美国在全球范围依然保持强劲的影响力。与美国建立起强联系和较强联系的单元最多，并且从分布来看，基本上是欧美发达国家/地区以及亚洲的日本和韩国。(2)从中国外围国家和地区分布来看，第一层级主要以地理邻近的国家和地区为主，第二层级主要是传统的欧美发达国家和地区为主。(3)中国与美国的技术联系在日益加强，中美互为强联系单元。(4)全球范围内高技术中心的板块呈现了一定的分化，基本形成了以美国为中心的美洲板块“中心—外围”结构，以德国为中心的欧洲板块“中心—外围”结构以及新出现的以中国为中心的东亚板块“中心—外围”结构。

(2)基于中心外围的实证检验

为了进一步考察行业创新能力对发明人才流动的影响是否会受到技术中心或外围的调节作用，本文构建如式(8)所示的技术中心调节效应方程。

PageRankijt=γ0+γ1lnpatijt+γ2centreijt+γ3lnpatijt×centreijt+

∑γklncontrolsijt+λcountry+μindustry+τyear+εijt

(8)

式(8)中，centreijt为是否为技术中心的调节变量，若i国j行业t年为技术中心，则记为1，反之为0。表15汇报了纳入技术中心调节变量的检验结果。列(1)—列(6)centre的回归系数至少在10%的显著性水平为正，表明技术中心国家的发明人才流动更为频繁。此外，除了计算机样本lnpat×centre的回归系数不显著外，高技术样本和医药样本lnpat×centre的回归系数均在1%的显著性水平为正，表明是否为全球技术中心对发明人才的流动存在显著的正向调节作用。

表15 技术中心调节效应检验结果

注：列(1)—列(3)分别为加入是否为技术中心调节变量情形下高技术行业、医药行业和计算机行业创新能力对发明人才流入的检验结果，列(4)—列(6)为相应情形下对发明人才流出的检验结果。

七、结论与政策建议

本文以1980—2015年高技术行业发明人才跨国流动数据为样本，采用PageRank算法考察了高技术行业全球技术中心度的变化特征，并结合相对关联度方法识别了外围国家和地区的分布情况。基于以上测度，本文进一步实证分析了行业创新能力对发明人才双向流动和技术中心度的影响，主要结论如下。

第一，从全球高技术行业技术中心度变化特征来看，样本考察期内全球高技术行业发明人才在地理上呈现多中心集聚发展态势，既表现为全球技术中心度指数整体呈现上升趋势，又表现为以中国为代表的新兴国家和地区的兴起。从技术中心外围国家和地区变化特征来看，在联系广度方面，中心国家和地区与越来越多的外围国家和地区形成联系；在联系强度方面，两者之间的联系在加强。美国在全球范围依然保持着强劲的影响力，而中国在全球范围内悄然崛起，中国与美国之间的技术联系在日益加强；从中国的外围分布来看，第一层级外围主要以地理邻近国家和地区为主，第二层级外围主要以欧美发达国家和地区为主。

第二，从代表性行业来看，医药行业和计算机行业整体上基本遵循高技术行业发明人才流动的地理特征，但是中国在以上两个行业发明人才跨国流动创新网络中存在一定的分异特征：就医药行业而言，美国是全球绝对领先者，以中国为技术中心的“中心—外围”结构尚不明显。相较于计算机行业，中国在医药行业与外围国家和地区建立的技术联系强度和广度均要小于前者。就计算机行业而言，中国成为全球技术中心存在一定的滞后，并且中美在计算机领域的差距要大于中美在高技术行业技术中心度的整体差距。

第三，实证结果显示，行业创新能力在促进发明人才流入的同时，也加速了发明人才的流出，并且对行业技术中心度具有显著的提升作用。进一步分析表明，行业创新能力对全球技术中心度的影响仅在中高收入国家和地区样本显著，在中低收入国家和地区样本尚不明显；产业相对比较优势对行业创新能力与技术中心度具有显著的调节作用，但技术相对比较优势的调节效应尚不显著；技术中心国家的发明人才流动更为频繁，表明是否为全球技术中心对发明人才的流动存在显著的正向调节作用。

基于上述研究结论，本文政策建议如下。

首先，就发明人才跨国流动性而言，相对于无人问津的行业，那些门庭若市的行业更有可能成为全球技术中心。为此中国在发明人才战略布局上，对外要派遣专业技能科研人员到世界技术前沿国家和地区学习本国不具备比较优势的先进技术和成熟管理经验，对内要积极主动地营造良好的科研合作条件和氛围，多增设一些能够提供发明人才面对面科技交流活动的平台。此外，从外围国家和地区的分布特征来看，虽然样本期内中国与美国发明人才双向互动频率在提升，但是目前中国第一层级外围国家和地区主要是以地理邻近为主。为此，一方面要与欧美日韩等发达国家进行广泛的科技合作交流活动，通过发明人才的双向互动增强海外知识储备的存量；另一方面要善于利用外围国家和地区生产要素和资源禀赋，形成全球创新与生产活动的合理布局，盘活国内外知识流量。

其次，从目前分析来看，美德日等国在高技术行业仍然保持着强劲竞争力，中国在短期内可能无法实行全盘赶超，加之近年来受中美贸易摩擦影响，美国单方面公布了对华实体制裁名单，导致目前中国在发明人才对外输出和对内引进方面难度均日益增大。因此，在更长的时间范围内，注重发明人才引进的同时，也要强调本土化激励。可以通过增加基础研发投入，尤其在高技术领域中一些面向未来和使命导向型的创新领域，着重打造新型比较优势，广纳全球发明人才。同时，注重发挥本土高校、企业与科研院所之间的互动，强化三者的基础性研究投入，增强对复合型发明人才的吸引力。此外，要规范择才取才标准，建立科学合理的人才评价机制，采取柔性用才取才措施，为海内外发明人才的发展提供健康良好的科研成长环境，做到“不求所有，但为所用”。

再次，高技术产业创新能力是吸引全球发明人才的基础，为此行业发展既要迎合国家发展需要，又要在高精尖技术领域力争突破，以发明人才流动为契机，打破固有的技术和产业分工均衡，打造全球范围内的特色产业，构建产业竞争优势。一方面，要通过强化国内高技能劳动力国内市场，采取弹性工资条款抢占全球发明人才资源；另一方面，通过产业优势有效扩大发明人才的交流活动，尤其是在工业4.0技术革命背景下，加速低技术产业升级转型，加快高技术产业发展，在国内形成一批代表性的技术集群，助推国家在高科技领域的发展。