EN中文

地理学报 >

2024 , Vol. 79 >Issue 10: 2621 - 2637

DOI: https://doi.org/10.11821/dlxb202410013

城乡与区域发展

高技能人才流动对新兴国家技术演化的影响机制

  • 金文纨 , 1 ,
  • 朱晟君 , 2 ,
  • 林雄斌 1
展开
  • 1.宁波大学地理与空间信息技术系 浙江省陆海国土空间利用与治理协同创新中心，宁波 315211
  • 2.北京大学城市与环境学院，北京 100871
朱晟君(1984-), 男, 博士, 研究员, 研究方向为产业升级、全球化与区域发展。E-mail:

金文纨(1996-), 女, 博士, 讲师, 研究方向为创新地理、人才流动。E-mail:

收稿日期: 2023-08-05

  修回日期: 2024-03-08

  网络出版日期: 2024-10-25

基金资助

国家自然科学基金项目(42122006)

国家自然科学基金项目(41971154)

国家自然科学基金项目(42271201)

国家自然科学基金重点项目(41731278)

收起

Influencing mechanism of the flow of high-skilled talents on technological evolution in emerging countries

  • JIN Wenwan , 1 ,
  • ZHU Shengjun , 2 ,
  • LIN Xiongbin 1
Expand
  • 1. Department of Geography and Spatial Information Technology, Zhejiang Collaborative Innovation Center for Land and Marine Spatial Utilization and Governance Research, Ningbo University, Ningbo 315211, Zhejiang, China
  • 2. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China

Received date: 2023-08-05

  Revised date: 2024-03-08

  Online published: 2024-10-25

Supported by

National Natural Science Foundation of China(42122006)

National Natural Science Foundation of China(41971154)

National Natural Science Foundation of China(42271201)

Key Project of National Natural Science Foundation of China(41731278)

Fold

摘要

在全球化背景下，从新兴国家向发达国家的高技能人才流动浪潮兴起。现有人才跨国流动研究主要集中在目的国，较少关注来源国维度，尤其缺乏从动态视角讨论其对来源国技术演化的影响。本文基于全球专利数据库，旨在研究流向发达国家的人才群体为新兴国家反向引回知识技术、实现技术演化路径突破的过程，并进一步讨论潜在机制。结果发现：① 新兴国家的技术演化具有路径依赖特征。流向发达国家的高技能人才有助于新兴国家发展与本国知识基础不相关的技术类型并维持比较优势，实现技术演化的路径突破。② 人才流出对新兴国家技术演化路径突破的影响与专利跨国合作、引用有关。相较一般专利，跨国合作或引用专利与本国知识基础的差异更大，是国家技术演化路径突破的潜在机制之一。③ 人才流出对新兴国家技术演化的影响主要集中于高复杂性、低新颖性的技术类型，而对低复杂性、高新颖性技术的作用不明显。本文补充了现有人才流出与来源国技术演化研究的不足，实证检验跨国人才流动对新兴国家技术追赶的积极作用，为新兴国家人才派出、引进以及创新政策制定提供建议。

关键词： 人才流动; 技术演化; 路径突破; 机制研究; 新兴国家

本文引用格式

金文纨 , 朱晟君 , 林雄斌 . 高技能人才流动对新兴国家技术演化的影响机制[J]. 地理学报, 2024 , 79(10) : 2621 -2637 . DOI: 10.11821/dlxb202410013

Abstract

Globalization has resulted in a notable rise in highly-skilled talent flows from emerging to developed countries. Highly-skilled talents introduce external information, skills, and tacit knowledge, and provide impetus for technological path-breaking processes. Although the impacts of highly-skilled immigrants on economic growth, exports, and the social welfare of receiving countries have been widely studied, little research has been done to date on the influences on sending countries. This paper contributes to the limited existing literature by analysing the relationship between the migration of inventors and technological evolution in sending countries based on the OECD REGPAT database. This relates to the hypothesis that the mobility of talents from emerging to developed countries can bring back external knowledge and technologies, hence facilitating sending countries' technological path-breaking process. The findings of this paper include: (1) The technological development of emerging countries is a path-dependent process, as countries often branch into new technologies that are related to their preexisting knowledge base. As a result of knowledge feedback from highly-skilled talents, the probability of sending countries to develop unrelated technologies increases. (2) The mobility of talents across countries contributes to more international collaborations and citations for patents that are unrelated to the local knowledge base, thus enriching the technological paths of sending countries. (3) The mobility of highly-skilled talents typically affects complex technologies, which have strong economic effects that provide an impetus for other countries to imitate. And the effect on novel technologies is not significant, due to their high geographical sticky characteristics. In general, this paper highlights the importance of highly-skilled talent outflows on the technological evolution of emerging countries, then offers some policy implications for migration and innovation. Besides, there are issues about the regional consequences of talent mobility for future research to explore.

Key words： talent flow; technological evolution; path-breaking; mechanism research; emerging countries

1 引言

在全球化背景下，高技能人才（High-skilled Talents）跨国流动成为越来越普遍的现象[1]。至2020年，国际移民总量由1990年的1.53亿人增长到2.81亿人，达到全球总人口的3.6%[2]。其中，从印度、菲律宾和中国等新兴国家流入如美国、英国与法国等发达国家的人才数量急剧增加，成为高技能人才跨国流动的主要方向。当前全球创新活动空间布局存在明显的核心边缘结构，发达国家与发展中国家间具有无形鸿沟。一些研究聚焦于知识从发达国家向新兴国家的溢出过程[3⇓-5]。新兴国家人才流动促进知识、实践和关系网络的跨国转移，形成全球多种形式、多向交流的有效渠道[6-7]。这类知识回流有利于新兴国家获取来自发达国家的前沿知识，实现发展转变、优化经济结构、增添发展动能，加速向发达国家的技术追赶[8-9]。例如，中国台湾的新竹、印度的班加罗尔和海得拉巴等通过高技术工程师和企业家的跨国流动学习美国硅谷经验，在本地成功发展出口型信息与通讯技术产业。因此，高技能人才跨国流动对新兴国家的影响，尤其在科技和创新领域，不仅是国际发展研究越来越重视的议题[10]，也已成为新兴国家亟待深入讨论的现实问题。
移民研究尤其是高技能人才跨国流动，一直备受地理学、经济学与社会学的重点关注[11]。现有研究主要关注目的国获得的人才流入收益，而忽视来源国所受影响[8]。初期研究认为人才外流会造成来源国人力资本损失，加剧国家间贫富不均。例如Bhagwati等[12]以及McCulloch等[13]通过引入劳动力市场刚性、信息不完善等概念，强调人才流失对来源国的负面影响，包括加剧国际层面不平等。随后研究发现来源国还可能从人才跨国流动中通过技能传播、知识共享和移民返乡等形式实现潜在人才收益[14-15]。不过，现有研究主要从静态视角关注高技能人才流动对知识技术扩散的影响，尚未深入分析新兴国家技术演化特征，忽略技术发展背后复杂的动态机制[8]。因此讨论人才跨国流动与来源国拓展现有知识基础、实现技术演化路径突破之间的关系还具有一定理论意义[16]。
基于上述讨论，本文旨在解决如下问题：① 高技能人才流出是否会影响新兴国家技术演化过程；② 人才流动影响与新兴国家技术演化的潜在机制是否与跨国专利合作或引用有关；③ 人才跨国流动对来源国技术演化的影响可能集中于何类特定的技术领域。本文不仅为讨论人才流动对来源国的反向影响提供系统性跨国经验证据，还试图补充人才流动理论与演化经济地理学研究交叉领域的薄弱环节。研究结论能为中国等新兴国家制定人才流动、技术创新政策提供理论基础。

2 理论机制与研究假说

国家技术发展是一个非随机的动态过程[17]，受到内、外部影响因素的作用。演化经济地理学关注现有本地技术基础对未来技术动态的影响。区域技术动态是一个从现有技术衍生出关联技术、具有路径依赖特征的分支过程。技术发展需要相关知识信息，而本地有限的知识空间边界会限制技术演化方向[18]。Kogler等[19]、Colombelli等[20]、Whittle[21]以及He等[22]分别基于美国、欧盟、爱尔兰以及中国等研究背景发现技术与本地知识基础的关联程度，即技术关联密度对技术演化存在正向影响，反映国家或区域尺度技术演化的路径依赖特征。不过知识基础并不能决定国家或区域的技术演化方向。一些区域能通过如跨国贸易、投资等渠道构建国际联系[23⇓-25]，拓展本地知识基础、突破技术演化路径。
人才流动是重要的跨区域渠道。基于人才流动视角，本文构建如图1所示的研究框架。单向人才流动往往可以促进双向知识流动[26]，同时增加人才来源国与接收国的收益[27]。高技能人才引发的知识回流，既包括通过人才永久或暂时回到母国的直接回流[28]，还包括通过高技能人才与来源国保持个人、专业或社会联系的间接回流[29]。例如，Saxenian等[30]发现在硅谷有82%的移民科学家和工程师曾通过社会网络与来源国实现技术信息交换。因此国家知识获取不再局限于本地，而是可以随着人才流动通过非本地知识要素交换扩展到全球范围[31]。由于社会、经济和制度差异，发达国家与发展中国家间的知识基础正不断趋于专业化与差异化[32⇓-34]。从新兴国家流向发达国家的高技能人才可以为来源国带回具有差异性的前沿知识、信息与技术。这使得技术演化不再仅依赖本国知识基础，还可以低成本获取外部知识信息，弱化技术演化过程中技术关联密度的影响，改变现有技术演化方向、实现路径突破[35]。鉴于此，本文提出如下研究假设：
图1 研究框架

Fig. 1 Research framework

假设1：从新兴国家流向发达国家的高技能人才群体可能降低来源国技术演化对本国知识基础的依赖，促使其进入并维持技术关联密度更低的新技术领域，实现在技术演化层面的路径突破。
人才流动的作用与跨国知识流动密切相关。专利合作与引用是实现知识流动的直接方式，也是国家间技术学习的重要途径[36]。基于直接效应，高技能人才流动前在本国已具有一定知识合作或引用关系，而该类关系网络并不会随流动完全切断[37]。这使得高技能人才在进入发达国家后，仍保留和维持与新兴国家间互动，直接提高跨国专利合作与引用概率。此外，基于示范效应，人才流动还可能通过减少沟通障碍促进两国人才建立知识交流渠道。Caviggioli等[38]认为本国人才也可以通过周围人才流动拉近与其他国家间距离，增加跨国互动与合作概率。即高技能人才流动的积极影响不仅限于自身，还能通过关系网络实现广泛溢出，提高两国间沟通效率[39]。综上，高技能人才可以通过直接或示范效应构建跨国知识交换与共享机制[40]。而在结合发达国家优势技术后，这类跨国合作或引用专利会与新兴国家知识基础具有更低的技术关联密度[41-42]。因而，新兴国家可能在人才流出过程中增加与其他国家知识合作与引用，通过加强知识回流弱化本国知识基础对技术演化的影响[32]。本文提出如下研究假设：
假设2：从新兴国家流向发达国家的高技能人才群体可能会通过促进形成跨国合作型或引用型专利，降低新兴国家技术演化对于本地知识基础的依赖，实现在技术演化层面的路径突破。

3 数据与方法

3.1 数据来源与处理

本文采用发明人流动数据衡量跨国高技能人才流动。人才流动数据来自Miguelez等[3]数据库，包含发明人国籍信息的专利合作条约（Patent Cooperation Treaty, PCT），精确反映1980—2010年间发明人跨国迁移情况。该数据库是目前唯一由发明人提供国籍和居住信息的数据集，被广泛应用于实证研究[26]。其包含约241个国家/地区数据，共衡量460997人次的发明人流动量。本文同时采用OECD REGPAT数据库（REGPAT 2021.07）中的全球专利数据衡量国家尺度的技术创新。本文使用专利数据主要有两方面原因：一方面，专利属于公开文件，容易获取并包含发明人背景及活动等详细信息，可广泛用于跨国比较[3,26]；另一方面，专利被视为联系研发活动与生产力的创新产出，适用于构建创新活动的定量指标。该数据库包括1977—2021年全球向欧洲专利局（European Patent Office, EPO）和PCT申请专利，包含3881997条专利条目，存在8个国际专利分类（IPC），分别为：A：生活必需品；B：作业、运输；C：化学、冶金；D：纺织、造纸；E：固定建筑物；F：机械工程、照明；G：物理；H：电学。该数据库内不同国家申请人在原则上具有相同申请倾向，避免可能存在的“本国偏向”问题，并且其较高的申请成本也更可能反映实质性创新。Bahar等[43]、Caviggioli等[38]以及Wigger[44]等研究均使用该数据库衡量创新活动。此外，本文还使用如联合国贸易和发展数据库（UNCTAD）以及国际双边出口数据库等构建相关控制变量。
本文对使用数据进行预处理：① 参考Miguelez等[26]，删除存在数据缺失的2019年、2020年以及2021年，以及存在使用限制的1990年前时段，最终划定4个阶段：1996—2000年、2001—2005年、2006—2010年、2011—2015年，并以申请时间作为专利年份，更好地反映创新活动的实际发生时间。② 通过发明人将专利分配给各国，避免一些大企业通过外包研究活动拥有大量专利产生潜在抽样偏差。③ 将研究对象限定在新兴国家与发达国家：参考国际金融公司（International Finance Corporation, IFC）[45]与Hoskisson等[46]，选择亚洲、拉丁美洲、非洲以及中东快速增长的发展中国家，再根据欧洲复兴开发银行分类添加转型经济体[47]，最终限定在以中国、印度、韩国为代表的50个新兴经济体中。发达国家名单来自联合国分类结果，共包含22个国家。具体国家名单见脚注 ① 。④ 删除未匹配国家、区域（非独立主权）和一些群岛，例如法罗群岛和特克斯与凯科斯群岛等。为避免非稳定创新国家干扰，删除在研究阶段内专利申请总数低于50以及仅存在于小部分时段专利申请记录的国家。⑤ 对于跨国合作专利，将其在每个国家中作为一个完整独立专利，并附注所有技术分类信息。

3.2 重要指标构建

3.2.1 技术领域的进入与维持

模型中核心因变量为二元型变量，包括国家技术进入（Entryc,i,t）与技术维持（Maintainc,i,t）。其中，技术进入是指当一个“国家—技术”组合在初期t1不存在比较优势，而在末期t2存在技术优势时，定义为1；当“国家—技术”组合在初期t1与末期t2均不存在比较优势时，该国家并未成功进入相应技术领域，定义为0。同理，技术维持是指当一个“国家—技术”在初始时期t1与末期t2均存在技术比较优势时，定义为1；当“国家—技术”组合在初期t1具有比较优势，而在末期t2不存在比较优势时，该国家并未成功维持相应技术领域优势，定义为0。国家层面技术比较优势的公式为：
R T A c , i , t = p a t c , i , t / ∑ i p a t c , t ∑ c p a t i , t / ∑ c ∑ i p a t t
式中：pat是指不同尺度专利申请数量；c代表国家；i代表技术类别；t代表时间段。

3.2.2 技术关联密度

参考Hidalgo等[46]研究，本文通过技术关联密度（Densityc,i,t）衡量技术演化对于国家现有知识基础的依赖程度。该变量取值范围为0~1，数值越大表明国家技术发展对知识基础的依赖性越强。本文对上述计算的RTAc,i,t变量进行二分化处理：当其> 1时，认为国家在t年对该技术具有比较优势，反之则认为不具有比较优势，具体公式为：
D e n s i t y c , i , t = ∑ i ∅ i , j , t × R T A c , j , t ∑ i ∅ i , j , t
式中： ∅ i , j , t代表不同专利类别之间的技术关联。基于共现分析方法，本文利用两种技术类型同时出现在同一专利中的概率构建技术关联指标。技术类别i与j同时出现在同一专利中的最小条件概率越高，其间技术关联性越强， ∅ i , j , t数值越高。相较地理尺度共现关系，该方法能避免因地理空间范围过大造成误差。具体公式为：
∅ i , j , t = m i n P x i , t | x j , t ,   P x j , t | x i , t
式中：i与j代表不同技术类型；xi,t表明在t时段内专利中存在i技术类型概率；xj,t表明在t时段专利中存在j技术类型概率。本文对每5年创新产出情况求平均，逐阶段计算各技术类型间相关性。

3.2.3 人才流动的技术扩散效应

参考Valentina等研究[48]，本文核心自变量技术扩散效应（Migrationc,i,t）结合发明人流出量与国家技术比较优势，衡量发明人流动过程中引发技术扩散情况。发明人流出量是指国家间各技术类型移民规模，共分为5类：电子工程（Electrical Engineering）、仪器与材料（Instruments）、化学（Chemistry）、处理与机械工程（Process Engineering and Mechanical Engineering）以及其他。参考Schmoch[49]研究，本文将4位数尺度IPC技术分类与5种移民类型匹配，最终获得“来源国—技术—时间”层面变量Migrationc,i,t：
M i g r a t i o n c , i , t = ∑ c ' I n v e n t o r c , c ' , i , t × R c ' , i ∈ t a , t
式中： I n v e n t o r c , c ' , i , t指在时段t内来源国c与目的国c'之间、技术类型i的高技能发明人流动数量； R c ' , i ∈ t a , t代表国家c'中t时期技术类型i是否具有比较优势的二元变量，存在比较优势记作1，否则为0。

4 人才跨国流动与国家技术路径突破

图2展示了2006—2010年不同尺度中全球高技能人才流动情况。在大洲尺度，欧洲与北美洲是主要流动型人才输入地，亚洲是主要输出地（图2a）。从新兴国家流向发达国家的大量案例中，亚洲到北美洲是最主要人才流动方向，其次是亚洲到欧洲。从国家尺度分解，保留了从新兴国家流向发达国家的主要（前25%）人才流动国家组合。美国是最重要的人才流入国，中国、印度和韩国是主要人才流出国（图2b）。作为超级大国，美国处于全球创新发展前沿，不断吸引其他国家人才流入，进而向外扩散知识技术[10]。除美国外，德国、日本、英国与加拿大也是相对主要的人才流入国。这些国家的高技能人才流入规模接近，且往往与来源国间存在紧密的政治、地理与文化关联，例如日本主要接收来自韩国与中国的国际人才。这类新兴国家与发达国家间高频率、大规模的人才流动，可能与新兴国家拓展能力基础的过程有关[4]。
图2 2006—2010年发明人跨国流动情况

Fig. 2 International mobility of inventors from 2006 to 2010

本文通过热力图展示从新兴国家到发达国家的人才流动规模变化（图3）。随着整体经济发展与人力资本积累，大部分国家间人才流动规模都在增加。其中，美国与各国间人才流动规模增加最明显，尤其是中国、印度、韩国与俄罗斯。一些亚洲国家内部的人才流动规模也明显增加，如中国与日本。同时少量国家间，如从突尼斯到比利时、斯洛伐克到澳大利亚、波兰到芬兰等人才流动数量减少。这表明大部分国家间通过高技能人才流动形成知识交换的渠道稳定增强，预期将形成越来越重要影响。
图3 1990年和2010年国家间发明人流动规模变化

Fig. 3 Changes in the international mobility of inventors in 1990 and 2010

此外，表1展示了不同时期国家创新突破型专利占比情况。2011—2015年间新兴国家技术演化路径突破的表现较好，中国、韩国和印度等占比均在1%以上；美国和日本等发达国家的突破型专利占比也较高，分别为27.18%与19.13%。但一些发达欧洲国家的专利占比已降低至不到1%。这可能是由于该类国家已经在大多数技术领域具有优势，增加了继续实现创新突破的难度，而该难度值还会随时间继续增加。例如，英国初期申请的25524个专利中有接近2215个属于突破型，但到末期申请的35901个专利中仅有1625个属于突破型，表明虽然新申请专利数量增加，但突破型专利数量却在减少。同样占比降低明显的国家还有挪威和丹麦。新兴国家，如中国和韩国的创新突破程度却愈发明显。1996—2000年间中国仅申请了206个突破型专利，而到2006—2010年间已有2002个突破型专利，且该比例仍在不断上升。这表明全球创新格局并没有完全僵化，新兴国家正展现出巨大发展潜力[34]。而新兴国家的创新潜力积累与其内部高技能人才流向发达国家的过程存在同期性，后文将进一步讨论两者间可能存在的因果关系。
表1 不同时期国家创新突破型专利占比

Tab. 1 Proportion of patents with technological novelty in different periods

时间阶段 创新突破型专利占比(%)
0~0.1 0.1~1.0 1.0~10.0 10.0以上
总量(个) 重要国家 总量(个) 重要国家 总量(个) 重要国家 总量(个) 重要国家
1996—2000 83 马来西亚、泰国、越南、智利、哥伦比亚等 24 印度、新加坡、墨西哥、俄罗斯、葡萄牙等 15 中国、韩国、
日本、挪威、
丹麦等		 2 美国、
德国
2001—2005 85 泰国、越南、智利、埃及、哥伦比亚等 23 印度、马来西亚、丹麦、挪威、俄罗斯等 14 中国、韩国、
英国、德国、
法国等		 2 美国、
日本
2006—2010 86 泰国、越南、埃及、哥伦比亚、
阿根廷等		 24 马来西亚、丹麦、挪威、智利、俄罗斯等 12 中国、韩国、
印度、英国、
德国等		 2 美国、
日本
2011—2015 85 埃及、越南、阿根廷、葡萄牙、菲律宾等 30 马来西亚、丹麦、挪威、泰国、哥伦比亚等 6 韩国、法国、
德国、印度、
英国等		 3 美国、
日本、
中国

5 实证分析

5.1 模型与变量

为研究高技能人才跨国流动与来源国技术演化间关系，本文构建“国家—时段—技术类型”层面基准模型：
Y c , i , t + 1 = α + β 1 M i g r a t i o n c , i , t + β 2 D e n s i t y c , i , t + β 3 M i g r a t i o n c , i , t ×                             D e n s i t y c , i , t + γ C o n t r o l s c , i , t + θ c , t + μ i , t + ε c , i , t
式中：c表示高技能人才来源国；i表示4位数IPC技术类型；t表示不同时段。模型中二元因变量为Yc,i,t+1，包括技术进入与维持两方面。模型核心自变量包括Densityc,i,t、Migrationc,i,t以及两者交互项Migrationc,i,t×Densityc,i,t。Densityc,i,t表示特定技术i与来源国c在t时段中知识基础接近程度，衡量来源国技术演化对本地知识基础的依赖程度，其系数β2反映了本地知识基础对来源国技术发展的影响；Migrationc,i,t结合人才流出量与目的国技术比较优势，反映高技能人才流动为来源国带来的知识情况，其系数β1代表人才流动对来源国技术发展的作用。Migrationc,i,t×Densityc,i,t衡量人才流动对国家技术演化路径依赖程度的影响，其系数β3 > 0表明高技能人才外流会加强来源国的技术演化路径依赖程度，β3 < 0则表明有利于来源国实现技术演化路径突破。变量α代表模型中的常数项。
除人才流动外，全球主要知识流动渠道还包括贸易与投资[50]。为控制外商投资和出口贸易，本文参考Bahar等[51]类比核心因变量Migrationc,i,t计算方法，结合贸易和资本流出量与目的国技术比较优势，同时加入上一阶段专利总数控制国家创新基础，γ为控制变量的系数，反映各维度控制变量对来源国技术发展的影响。为避免控制变量遗漏误差，本文加入“国家—年份”固定效应θc,t，控制与流动发明人来源国相关的国家尺度时变特征，如国家收入、规模和制度等，以及加入“技术—年份”固定效应μi,t，控制技术类型尺度时变特征，如不同年份中不同技术类型专利申请规模等。最后，本文对所有变量进行反双曲正弦转换。这种线性单调变换类似于对数变换，并可以定义为0[51]。表2展示上述变量统计性描述结果。本文模型通过VIF检验，不存在严重共线性问题。
表2 全文变量解释

Tab. 2 Descriptive statistics of variables

变量名 变量解释 观测数 平均值 标准差 最小值 最大值
Density 技术关联密度 36404 0.28 0.12 0.028 110.59
Migration 移民数量与目的国技术比较优势的乘积，并进行反双曲正弦转换 36404 3.27 2.03 0 6325.20
FDI 外商直接投资数量与目的国技术比较优势乘积，并进行反双曲正弦转换 36404 12.64 0.99 0 9625.40
Trade 贸易额与目的国技术比较优势乘积，并进行反双曲正弦转换 36404 21.26 1.36 0 43.00
Total_pat 国家上一时段专利总数，并进行反双曲正弦转换 36404 0.53 1.10 0 8.44

5.2 实证回归结果

5.2.1 基准回归结果

表3与表4分别展示新兴国家作为来源国时，技术进入与维持的基准模型回归结果。表3中的模型（1）回归人才流动与来源国技术进入间关系，显示核心自变量Migration系数显著为正，表明人才流动有助于引发技术知识向来源国回流，促进新兴国家学习发达国家优势技术。这与Miguelez等[26]以及Fackler等[52]研究结论一致，均强调流动型人才在国际知识传播中的重要作用。模型（2）回归了技术密度变量Density对新兴国家技术进入的影响，发现Density变量系数显著为正，表明新兴国家技术演化具有路径依赖特征。模型（3）、（4）进一步加入移民变量与技术密度变量的交互项Migration×Density并控制贸易和投资等，发现交互项系数始终显著为负，表明高技能人才流动有助于新兴国家降低对本国知识基础的依赖性，进入技术关联密度更低的技术领域[53]。
表3 人才流出与来源国技术进入的回归结果

Tab. 3 Regression of talent outflow and technological entry of sending country

变量 Entry
模型(1) 模型(2) 模型(3) 模型(4)
Migration 0.0226***(0.0029) 0.0173***(0.0037) 0.0269***(0.0037)
Density 12.2057***(0.0679) 12.5667***(0.0792) 12.9290***(0.0794)
Migration×Density -0.0943***(0.0112) -0.1270***(0.0112)
Trade -0.0236***(0.0037)
FDI 0.0346***(0.0118)
Total_pat 0.0829***(0.0031)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
N 36383 36383 36383 36383
R2 0.169 0.575 0.576 0.576

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

表4 人才流出与来源国技术维持

Tab. 4 Regression of talent outflow and technological maintenance of sending country

变量 Maintain
模型(1) 模型(2) 模型(3) 模型(4)
Migration 0.0343***(0.0052) 0.0119*(0.0066) 0.0215***(0.0066)
Density 14.0775***(0.1071) 14.5398***(0.129) 14.5946***(0.1277)
Migration×Density -0.0981***(0.0176) -0.1224***(0.0176)
Trade -0.0346***(0.0063)
FDI -0.0034(0.0166)
Total_pat 0.0830***(0.0047)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
N 16445 16445 16445 16445
R2 0.247 0.660 0.662 0.670

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

与表3结果相似，表4显示模型（1）、（2）中Migration和Density的变量系数均显著为正，表明人才流动还有助于新兴国家维持相关技术领域优势，该技术维持过程也具有路径依赖特征。模型（3）、（4）进一步发现交互项Migration×Density系数均显著为负，反映高技能人才流出有助于新兴国家降低对本国知识基础的依赖，维持一些多样化、差异化技术类型的比较优势。这与交通[54]、贸易[55]以及投资[32]等外部渠道结论一致，即从新兴国家流向发达国家的高技能人才能为来源国反向带回非本地知识技术，从而降低新兴国家对本地知识基础依赖，促使其进入并维持技术关联密度较低的新技术领域，实现技术演化路径突破，即假设1成立 ① 。这为人才外流影响目的国知识扩散的研究主题提供新证据[56]，并表明人才流动可能是新兴国家存在长期效益的跨国渠道，加速对发达国家的创新赶超。
除核心变量外，其余控制变量系数符号在不同模型中大多能保持一致且符合理论预期。结果显示（表4），跨国贸易变量（Trade）系数显著为负，跨国投资变量（FDI）系数显著为正，表明两国间投资流动过程有利于来源国学习目的国优势技术，而跨国贸易渠道则较难体现相应作用，即跨国投资变量与技术领域中的跨国学习过程关系更紧密。万威等[57]发现投资与技术发展之间有紧密联系。而贸易渠道的知识回流效应与产业关系更紧密，对技术创新活动影响不大[58]。国家间贸易网络还可能促使国家建立比较优势、深化专业分工，反而阻碍国家突破原有技术路径[59]。此外，国家基期创新水平（Total_pat）也被发现对新技术进入与维持有积极作用，表明创新能力越强的国家也会越容易实现技术拓展。

5.2.2 内生性问题

上述结论证明高技能人才流动会影响新兴国家作为来源国的技术进入与维持。事实上，来源国技术发展情况也可能会影响人才跨国流动。这使得文章模型存在内生性问题。参考Bahar等研究[51,60]，本文试图利用工具变量缓解模型内生性，并构建以下两类工具变量：第一类，采用历史移民数据。本文用滞后30年、来自相同国家的移民存量衡量人才流动，具体工具变量指标构建为：
i n v I V c , c ' , t = ∑ c ' I n v e n t o r c , c ' , t a , t - 30 e m × R c ' , t ∈ t a , t w - 1
第二类，基于“推—拉”模型构建工具变量。参考Card[61]结合“推”和“拉”成分，通过移民来源国c和移民目的国c'之间发明人移民实际存量进行预测。具体工具变量构造为：
p u s h c ' , t - c = ∑ i i n v e n t o r s i , c ' , t ∑ i ∑ c ' i n v e n t o r s i , c ' , t ,             i ≠ c    
p u l l c , t - c ' = ∑ j i n v e n t o r s c , j , t ∑ c ∑ j i n v e n t o r s c , j , t ,               j ≠ c '
i n v I V c , c ' , t = p u s h c ' , t - c × p u l l c , t - c ' × ∑ c ∑ c ' i n v e n t o r s c , c ' , t
式中：c和c'分别代表目的国和来源国；i和j是国家每个存在双边流动的伙伴国。因此要衡量来源国的向外推动力，需要计算t年从c'国转移到其他国家流动发明人占所有国家流出发明人总量的比例，记作push c ' , t。同理，衡量目的国吸引力需要计算t年从其他国家流入c国发明人占所有国家接收发明人总量的比例，记作pullc,t。结合c和c'国家间流动发明人数量、“推”push c ' , t以及“拉”pullc,t指标，形成两国在特定时段内发明人流动量的预测值。最后将上述流量预测值针对特定目的国加总，作为来源国发明人流出量的工具变量。为进一步减少内生性，本文还在工具变量计算过程中特别排除原有c国与c'国之间双边流量规模。表5展示了使用工具变量后来源国进入（Entry）与维持（Maintain）模型结果。其中交互项Migration×Density系数仍保持显著为负，表明本文结论具有一定稳健性，即发明人流动确实可以弱化来源国进入与维持技术演化过程对本地知识基础的依赖。此外，模型中Cragg-Donald Wald F Statistic指数远大于20，表明并不存在弱工具变量问题。
表5 工具变量回归结果

Tab. 5 Regression of IV variable

IV Entry Maintain
模型(1) 模型(2) 模型(3) 模型(4)
Migration -0.0394*(0.0213) 0.4764***(0.0293) 0.0221(0.0243) 0.1210***(0.0405)
Density 13.2815***(0.1313) 15.7947***(0.2266) 15.3863***(0.2335) 16.7016***(0.3783)
Migration×Density -0.1846***(0.0313) -1.0103***(0.0581) -0.2948***(0.0499) -0.6241***(0.0916)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
控制变量 YES YES YES YES
N 36383 36383 16445 16445
R2 285.140 239.076 255.673 166.417

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

5.2.3 潜在机制讨论

为进一步讨论人才流动与国家技术演化间潜在机制，本文将分别分析人才流动对新兴国家专利合作、引用国际化的影响，以及跨国合作或引用专利与一般专利在实现技术演化路径突破方面的概率差异。表6中collaboration_rate是指跨国合作专利与全部专利比值在某一时段内的增长率，即国家c时段t内在技术领域i中跨国合作比例的复合平均增长率。同理，citation_rate表示跨国引用专利与全部专利比值在某一时段内增长率。具体计算过程如下：
G r o w t h c , i , t = ( r a t i o c , i , t r a t i o c , i , t - 1 ) 1 / 5 - 1             i f   r a t i o t - 1 > 0
表6 专利跨国组合、引用概率与人才流动关系

Tab. 6 Regression on talent outflow and probability of patent collaboration (citation)

变量 collaboration_rate citation_rate
(1) (2) (3) (4)
Migration 0.0496**(0.0247) 0.0609***(0.0112) -0.0194(0.0150) 0.0650***(0.0037)
Trade 0.4187***(0.0022) 0.3609***(0.0007)
FDI 0.0146(0.0098) 0.0125***(0.0041)
Previous rate -0.3602***(0.0079) -0.2729***(0.0034)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
N 11707 11707 22695 22695
R2 0.005 0.792 0.003 0.938

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

表6包括回归增长型因变量、移民变量Migration以及一系列固定效应。结果显示移民变量在大部分情况下系数均显著为正，表明人才外流会显著提高来源国相关领域中专利跨国合作与引用比例，即人才流出有助于新兴国家与其他国家实现创新合作与学习。这是因为流动后的高技能人才仍然会维护和保留与新兴国家的部分沟通渠道[37]，例如专利合作与引用关系，并基于示范效应加强两国人才互动，最终实现由发达国家向新兴国家的反向知识回流[62]。现有研究也有相似发现：Miguelez[3]与D'Ambrosio等[40]均关注了移民对跨国创新网络的影响，发现来源国专利活动的国际合作与流动发明人规模间存在正向关系。Lissoni[63]指出专利引用在高技能人才知识传播过程中具有中介作用。该类知识跨国扩散关系还存在于文献引用中，例如Bosetti等[64]发现移民流动有利于目的国中科技论文的国际引用。
进一步比较跨国专利与一般专利之间的差异。本文用collaboration与citation两类二元变量区分专利“是否实现跨国合作”以及“是否跨国引用”。当其存在跨国合作或引用时变量赋值1，否则为0。表7结果显示技术关联密度Density与collaboration、citation变量交互项的系数均显著为负，表明跨国合作与引用专利往往会比一般专利具有更低的本地关联，更可能促进来源国实现创新突破。原因在于合作或引用网络能扩大知识交流地理范围[65-66]，而组合两国知识的专利与来源国知识基础存在差异，更可能突破区域现有演化路径。Hu等[36]也发现基于知识合作或引用等非本地知识关联模式能够提高本国知识创新突破性。因此假设2成立，即从新兴国家流向发达国家的高技能人才群体可能会通过增加跨国合作型或引用型专利，降低新兴国家技术演化对本地知识基础的依赖，实现技术演化的路径突破。
表7 跨国组合与引用专利的能力基础拓展作用

Tab. 7 The effect of patents collaboration (citation) on density indicator

变量 Density
(1) (2)
collaboration -0.0054***(0.0001)
citation -0.0014***(0.0001)
“国家—时段”控制 YES YES
“技术—时段”控制 YES YES
N 5467312 670993
R2 0.803 0.911

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

5.2.4 异质性讨论

人才流出对新兴国家技术演化的影响还可能存在技术类型异质性。人才流动引发知识回流过程受知识效益与知识流动性影响[27]。复杂性与新颖性都属于重要技术类型特征。现有研究认为复杂技术往往组合更多样知识，与区域经济效益间存在正向关系[67]。这类具有更高经济价值的技术可能有更强动力突破地理约束，随人才流动实现跨国扩散[68]。而技术新颖性表示技术领域的创新前沿程度，即是否属于成熟技术[69]。其可以分为重组新颖性（Novelty in Recombination, NR）与来源新颖性（Novelty in Technological Knowledge Origins, NTO）。其中，重组新颖性指专利用于实现目标的原理组合与先前技术不同；来源新颖性指专利从以前未应用于该发明的技术领域中汲取知识。非成熟、新颖技术的知识组合具有较大不确定性，可能难以随人才流动实现跨国回流。本文分别参考Balland等[70]与Verhoeven等[71]指标设计，通过各技术类型专利所需发明人平均数量来衡量技术复杂性，并综合“重组新颖性”与“来源新颖性”指标，以1/4分位数划分低复杂性、高复杂性以及低新颖性、高新颖性，分别进行异质性回归。
表8为技术复杂性异质性回归结果，发现在技术进入模型中交互项Migration×Density系数在高、低复杂性技术中均显著为负，而在技术进入模型中高复杂性技术的系数绝对值显著更大，表明高技能人才外流对新兴国家高复杂性技术的演化具有更显著的影响。事实上，Kerr[72]发现流动人才对来源国的积极影响主要存在于一些重要行业。原因在于高复杂性技术的经济效应更能吸引高技能人群学习、模仿[73]，从而更可能通过人才流动向新兴国家回流。
表8 异质性讨论(技术复杂性)

Tab. 8 Heterogeneity analysis on technological complexity

变量 Entry Maintain
low-complexity (1) high-complexity (2) low-complexity (3) high-complexity (4)
Migration 0.0351***(0.0109) 0.0546***(0.0069) 0.0582***(0.0188) 0.0454***(0.0128)
Density 12.9930***(0.1975) 12.4044***(0.1572) 15.7067***(0.3184) 13.9160***(0.2491)
Migration×Density -0.1193***(0.0323) -0.2358***(0.0213) -0.1990***(0.0497) -0.1419***(0.0343)
Trade -0.0190(0.0117) -0.0290***(0.0067) -0.0295*(0.0166) -0.0288**(0.0117)
FDI 0.0663(0.0433) 0.0249(0.0186) 0.0684(0.0690) -0.0440(0.0272)
Total_pat 0.1420***(0.0106) 0.0717***(0.0051) 0.1057***(0.0104) 0.0733***(0.0093)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
N 7187 9946 3867 4494
R2 0.580 0.575 0.650 0.676

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

表9为不同技术新颖性的情况：交互项Migration×Density系数在低新颖性技术中显著为负，表明高技能人才外流促进新兴国家技术演化路径突破过程主要集中于低新颖性技术类型。原因在于新颖技术需要大量组合本地知识种类，具有较高扩散成本[74]。例如Mascarini等[75]发现新颖技术具有更强的地理粘滞性。所以高技能人才引回的知识主要存在于成熟技术领域，很难使新兴国家跳跃到更前沿的技术领域。综上，本文基于异质性讨论发现向发达国家输送高技能人才可能有利于新兴国家突破知识基础、发展成熟且复杂的技术领域，但很难使其成为新技术的起源地，发展具有原创性与新颖性的技术类型。不过也有研究提出，新兴国家可以通过自身培养或人才引入等方式发展高新颖性技术[76]。
表9 异质性讨论(技术新颖性)

Tab. 9 Heterogeneity analysis of technological novelty

变量 Entry Maintain
low-novelty (1) high-novelty (2) low-novelty (3) high-novelty (4)
Migration 0.0393***(0.0064) 0.0227**(0.0093) 0.0248**(0.0115) 0.0004(0.0180)
Density 12.1587***(0.1432) 11.1634***(0.1802) 13.4935***(0.2239) 13.8471***(0.3237)
Migration×Density -0.1901***(0.0196) -0.1141***(0.0271) -0.1543***(0.0308) -0.0254(0.0467)
Trade -0.0201***(0.0060) -0.0200**(0.0100) -0.0483***(0.0104) -0.0455**(0.0179)
FDI 0.0223(0.0164) 0.0602**(0.0305) -0.0595**(0.0282) 0.0085(0.0540)
Total_pat 0.0515***(0.0051) 0.1114***(0.0127) 0.0798***(0.0094) 0.1015***(0.0131)
“国家—时段”控制 YES YES YES YES
“技术—时段”控制 YES YES YES YES
N 10903 6491 4875 2567
R2 0.559 0.590 0.662 0.736

注：***表示p < 0.01，**表示p < 0.05，*表示p < 0.1；括号内数值为稳健标准误。

6 结论与讨论

当前全球面临知识经济历史性转型，越来越多国家进入或即将进入创新驱动发展阶段。高技能人力资本逐渐取代传统生产要素，知识积累与获取的重要性提升。基于从新兴国家到发达国家的人才流动样本，本文关注了高技能人才流动通过引发知识回流对新兴国家技术演化的影响。结果表明：人才流动会加速从目的国到来源国的知识回流，有助于作为来源国的新兴国家拓展知识基础，进入并维持突破性技术。这种人才流动效应可能与来源国形成更多跨国合作或引用型专利有关。这些专利往往与来源国的知识基础具有较低的相关性。最后，人才流动引起知识反向回流的影响还存在技术类型异质性，主要集中于高复杂性与低新颖性技术。这表明新兴国家向发达国家的人才流动有助于其发展成熟、复杂新技术，提高国家经济水平，但却很难使其真正进入全球技术发展的前沿领域。
本文关于人才外流对新兴国家影响的讨论具有一定意义。现在移民研究存在4个主要领域：来源国到目的国、目的国到来源国、跨目的国以及目的国维度[66]，以目的国维度为主而相对忽视来源国。本文不仅从来源国视角分析高技能人才流动的正向知识溢出，为“人才增益”现象提供实证依据，还结合技术演化的动态理论分析知识回流对来源国技术演化路径突破的积极作用。这补充了以静态为主的国际移民创新研究，提供技术演化路径突破的人才流动因素证据，为未来研究关注其他跨区域渠道的作用奠定基础。此外，本文结论具有一系列政策含义。高技能人才流动性增强了科学研发的全球化特征，对作为主要来源国的新兴国家产生积极影响。因而新兴国家可以通过制定相关政策促进人才流动，从发达国家获取非本地知识、提高来源国技术演化路径突破概率。例如中国可以在海外人才政策方面一定程度放松流动限制，积极与海外人才建立、巩固国内联系，加强知识回流并形成跨国创新活动。不过由于人才流动较难带回新颖性知识，中国不应过度依赖海外人才，在继续通过如“孔雀计划”与青年千人计划等政策吸引人才回流的同时，还应积极培育本土人才，形成正向人才环流，培养国家内部自主创新能力。
尽管本文为高技能人才流动对新兴国家技术演化的影响提供了一定见解，但仍存在一定研究局限性。首先，本文主要分析较短时段内的全球专利数据，不仅限制了研究所关注创新范围，忽视一些等级较低的国家内部创新活动，还削弱研究结果与现实政策的相关性。未来研究可以增加关注国家的非专利创新行为，分析宏观尺度中长时间序列的国家创新动态变化。其次，本文关注的研究尺度和作用主体均较为单一，缺少比较不同地理尺度影响差异以及分析微观主体作用机制。未来研究可以从微观尺度中的企业与高校等角度深化分析。最后，除了新兴国家受到人才流动的影响，发达国家同样也从人才流动中获得收益，且其作用机制可能存在较大差异。因此未来研究可以比较不同国家类型作用机制的差异性，尤其是全球一些发达国家也开始针对高技能人才流动实施政策计划。这将有利于研究结论应用于更大范围的国家群体，为从事创新和移民主题的政策制定者和学者提供有用见解。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Kerr S P, Kerr W, Özden Ç, et al. Global talent flows. Journal of Economic Perspectives, 2016, 30(4): 83-106.

[2]
McAuliffe M, Triandafyllidou A. World Migration Report 2022. International Organization for Migration (IOM), 2021.

[3]
Fink C, Miguelez E. The International Mobility of Talent and Innovation:New Evidence and Policy Implications, Intellectual Property, Innovation and Economic Development. Cambridge: Cambridge University Press, 2017.

[4]
Qiu S M, Liu X L, Gao T S. Do emerging countries prefer local knowledge or distant knowledge? Spillover effect of university collaborations on local firms. Research Policy, 2017, 46(7): 1299-1311.

[5]
Ozgen C. The economics of diversity: Innovation, productivity and the labour market. Journal of Economic Surveys, 2021, 35(4): 1168-1216.

[6]
He Canfei, Guo Jiahong, Xie Yuhuan. The impact of import spillover effect on the reconstruction of regional export industries: From the perspective of cognitive proximity. Acta Geographica Sinica, 2023, 78(6): 1323-1338.

DOI

[贺灿飞, 郭佳宏, 谢玉欢. 基于认知邻近性的进口溢出效应对区域出口产业重构的影响. 地理学报, 2023, 78(6): 1323-1338.]

DOI

[7]
Ma Ling, Xie Yuanyuan, Zhang Bo. Place embeddedness of Chinese academic returnees from the perspective of transnationalism. Acta Geographica Sinica, 2022, 77(6): 1430-1445.

DOI

[马凌, 谢圆圆, 张博. 跨国主义视角下高校海归知识移民的回流与地方嵌入. 地理学报, 2022, 77(6): 1430-1445.]

DOI

[8]
Jin Wenwan, Yang Bofei, Zhu Shengjun. Progress on the regional consequences of international high-skilled migration. Human Geography, 2022, 37(5): 8-14, 182.

[金文纨, 杨博飞, 朱晟君. 西方高技能移民区域影响的研究进展及启示. 人文地理, 2022, 37(5): 8-14, 182.]

[9]
Hou Chunguang, Du Debin, Liu Chengliang, et al. Spatio-temporal evolution and factors influencing international student mobility networks in the world. Acta Geographica Sinica, 2020, 75(4): 681-694.

DOI

[侯纯光, 杜德斌, 刘承良, 等. 全球留学生留学网络时空演化及其影响因素. 地理学报, 2020, 75(4): 681-694.]

DOI

[10]
World Bank. Innovation Policy: A Guide for Developing Countries. World Bank, 2010.

[11]
Liu Ye, Shen Jianfa, Liu Yuqi. Transnational mobility of the highly skilled: A review. Human Geography, 2013, 28(2): 7-12.

[刘晔, 沈建法, 刘于琪. 西方高端人才跨国流动研究述评. 人文地理, 2013, 28(2): 7-12.]

[12]
Bhagwati J, Hamada K. The brain drain, international integration of markets for professionals and unemployment: A theoretical analysis. Journal of Development Economics, 1974, 1(1): 19-42.

[13]
McCulloch R, Yellen J L. Factor mobility, regional development, and the distribution of income. Journal of Political Economy, 1977, 85(1): 79-96.

[14]
Boeri T, Brücker H, Docquier F, et al. Brain Drain and Brain Gain: The Global Competition to Attract High-skilled Migrants. Oxford: Oxford University Press, 2012.

[15]
Clemens M A. Losing Our Minds? New Research Directions on Skilled Migration and Development. Washington DC: Center for Global Development, 2015.

[16]
Fagerberg J, Verspagen B. Innovation, diffusion, the economy and contemporary challenges: A comment. Industrial and Corporate Change, 2020, 29(4): 1067-1073.

[17]
Boschma R, Frenken K. The Spatial Evolution of Innovation Networks:A Proximity Perspective//The Handbook of Evolutionary Economic Geography. Cheltenham: Edward Elgar Publishing, 2010.

[18]
Li Dandan, Wang Tao, Zhou Hui. The structural characteristics of knowledge spillover networks based on different spatial and temporal scales. Scientia Geographica Sinica, 2013, 33(10): 1180-1187.

DOI

[李丹丹, 汪涛, 周辉. 基于不同时空尺度的知识溢出网络结构特征研究. 地理科学, 2013, 33(10): 1180-1187.]

DOI

[19]
Kogler D F, Rigby D L, Tucker I. Mapping knowledge space and technological relatedness in US cities. European Planning Studies, 2013, 21(9): 1374-1391.

[20]
Colombelli A, Krafft J, Quatraro F. The emergence of new technology-based sectors in European regions: A proximity-based analysis of nanotechnology. Research Policy, 2014, 43(10): 1681-1696.

[21]
Whittle A. Operationalizing the knowledge space: Theory, methods and insights for smart specialisation. Regional Studies, Regional Science, 2020, 7(1): 27-34.

DOI

[22]
He C F, Zhu S J. Evolutionary Economic Geography in China. Singapore: Springer Nature Singapore Pte Ltd, 2019.

[23]
Cao Guoqiang, Xie Jianguo. Path-dependence or path-breakthrough: The evolution model of China's regional comparative advantage. Inquiry Into Economic Issues, 2023(1): 87-104.

[曹国强, 谢建国. 路径依赖还是路径突破: 中国地区比较优势演化模式的测算与评估. 经济问题探索, 2023(1): 87-104.]

[24]
Qian Xiaoying, Yang Yu. From path creation to path locking: A comparative analysis of Hong Kong, Macao, and Taiwan investment and foreign investment in the Pearl River Delta region. Progress in Geography, 2022, 41(9): 1635-1646.

DOI

[钱肖颖, 杨宇. 从“路径创造”到“路径锁定”: 港澳台投资与外商投资影响珠三角产业动态的比较分析. 地理科学进展, 2022, 41(9): 1635-1646.]

DOI

[25]
Zhu S J, Wang C, He C F. High-speed rail network and changing industrial dynamics in Chinese regions. International Regional Science Review, 2019, 42(5-6): 495-518.

[26]
Miguelez E, Temgoua C. Inventor migration and knowledge flows: A two-way communication channel? Research Policy, 2020, 49(9): 103914. DOI: 10.1016/j.respol.2019.103914.

[27]
Ma Haitao. Triangle model of Chinese returnees: A tentative method for city networks based on talent flows. Geographical Research, 2017, 36(1): 161-170.

[马海涛. 基于人才流动的城市网络关系构建. 地理研究, 2017, 36(1): 161-170.]

DOI

[28]
Sun Jian, Ji Jianyue, Wang Dan. The research on regularity in the returning of overseas technological talents. China Soft Science, 2005(8): 6-10.

[孙健, 纪建悦, 王丹. 海外科技人才回流的规律研究. 中国软科学, 2005(8): 6-10.]

[29]
Breschi S, Lissoni F, Miguelez E. Foreign-origin inventors in the USA: Testing for diaspora and brain gain effects. Journal of Economic Geography, 2017, 17(5): 1009-1038.

[30]
Saxenian A. The new argonauts: Regional advantage in a global economy. Economic Geography, 2008, 84(1): 105-108.

[31]
Trippl M, Tödtling F, Lengauer L. Knowledge sourcing beyond buzz and pipelines: Evidence from the Vienna software sector. Economic Geography, 2009, 85(4): 443-462.

[32]
Zhou Yi, He Canfei. Evolution of urban export product in China. Acta Geographica Sinica, 2019, 74(6): 1097-1111.

DOI

[周沂, 贺灿飞. 中国城市出口产品演化. 地理学报, 2019, 74(6): 1097-1111.]

DOI

[33]
Fassio C, Montobbio F, Venturini A. Skilled migration and innovation in European industries. Research Policy, 2019, 48(3): 706-718.

DOI

[34]
Ma Haitao. The theoretical construction and network simulation of intercity innovative relationships in knowledge flow space. Acta Geographica Sinica, 2020, 75(4): 708-721.

DOI

[马海涛. 知识流动空间的城市关系建构与创新网络模拟. 地理学报, 2020, 75(4): 708-721.]

DOI

[35]
Esposito C R, Rigby D L. Buzz and pipelines: The costs and benefits of local and nonlocal interaction. Journal of Economic Geography, 2019, 19(3): 753-773.

[36]
Hu A, Jaffe A B. Patent citations and international knowledge flow: The cases of Korea and Taiwan. International Journal of Industrial Organization, 2003, 21(6): 849-880.

[37]
Constant A F, Zimmermann K F. Diaspora economics: New perspectives. International Journal of Manpower, 2016, 37(7): 1110-1135.

[38]
Caviggioli F, Jensen P, Scellato G. Highly skilled migrants and technological diversification in the US and Europe. Technological Forecasting and Social Change, 2020, 154: 119951. DOI: 10.1016/j.techfore.2020.119951.

[39]
Arrow K J. Classificatory notes on the production and transmission of technological knowledge. The American Economic Review, 1969, 59(2): 29-35.

[40]
D'Ambrosio A, Montresor S, Parrilli M D, et al. Migration, communities on the move and international innovation networks: An empirical analysis of Spanish regions. Regional Studies, 2019, 53(1): 6-16.

DOI

[41]
Gui Qinchang, Du Debin, Liu Chengliang. Global scientific knowledge production: Process, pattern and influential factors. Scientia Geographica Sinica, 2023, 43(7): 1185-1194.

DOI

[桂钦昌, 杜德斌, 刘承良. 全球科学知识生产的时空格局及影响因素. 地理科学, 2023, 43(7): 1185-1194.]

DOI

[42]
Montobbio F, Sterzi V. The globalization of technology in emerging markets: A gravity model on the determinants of international patent collaborations. World Development, 2013, 44: 281-299.

[43]
Bahar D, Choudhury P, Rapoport H. Migrant inventors and the technological advantage of nations. Research Policy, 2020, 49(9): 103947. DOI:10.1016/j.respol.2020.103947.

[44]
Wigger C. Who with whom? Untangling the effect of high-skilled immigration on innovation. Journal of Economic Geography, 2022, 22(2): 449-476.

[45]
International Finance Corporation. Draft Education Strategy. Washington DC, 1999.

[46]
Hoskisson R E, Hitt M A, Johnson R A, et al. Conflicting voices: The effects of institutional ownership heterogeneity and internal governance on corporate innovation strategies. Academy of Management Journal, 2002, 45(4): 697-716.

[47]
European Bank for Reconstruction and Development. Transition Report, 1998.

[48]
Valentina D, Miguelez E. The ties that bind and transform: Knowledge remittances, relatedness and the direction of technical change. Journal of Economic Geography, 2022, 222(2): 423-448.

[49]
Schmoch U. Concept of a technology classification for country comparisons. Final Report to the World Intellectual Property Organisation, 2008.

[50]
Isaksen A, Trippl M. Exogenously led and policy-supported new path development in peripheral regions: Analytical and synthetic routes. Economic Geography, 2017, 93(5): 436-447.

[51]
Bahar D, Hausmann R, Hidalgo C A. Neighbors and the evolution of the comparative advantage of nations: Evidence of international knowledge diffusion? Journal of International Economics, 2014, 92(1): 111-123.

[52]
Fackler T A, Giesing Y, Laurentsyeva N. Knowledge remittances: Does emigration foster innovation? Research Policy, 2020, 49(9): 103863. DOI: 10.1016/j.respol.2019.103863.

[53]
He Canfei, Zhu Shengjun. The principle of relatedness in China's regional industrial development. Acta Geographica Sinica, 2020, 75(12): 2684-2698.

DOI

[贺灿飞, 朱晟君. 中国产业发展与布局的关联法则. 地理学报, 2020, 75(12): 2684-2698.]

DOI

[54]
Jin Wenwan, Zhu Shengjun, Wang Chong. Technological relatedness, regional accessibility and firm productivity. Geographical Research, 2022, 41(2): 509-526.

[金文纨, 朱晟君, 王翀. 技术关联、交通可达性与企业生产率: 基于公路和铁路的研究. 地理研究, 2022, 41(2): 509-526.]

DOI

[55]
Mao X Y, He C F. Export expansion and regional diversification: Learning from the changing geography of China's exports. The Professional Geographer, 2019, 71(4): 692-702.

[56]
Docquier F, Rapoport H. Globalization, brain drain, and development. Journal of Economic Literature, 2012, 50(3): 681-730.

[57]
Wan Wei, Long Xiaoning. FDI access policies and technological innovation of domestic enterprises. Economic Review, 2023(2): 75-91.

[万威, 龙小宁. 外资准入政策与本国企业技术创新. 经济评论, 2023(2): 75-91.]

[58]
Duan Dezhong, Du Debin. Structural evolution of global high-tech trade system: Products, networks and influencing factors. Acta Geographica Sinica, 2020, 75(12): 2759-2776.

DOI

[段德忠, 杜德斌. 全球高科技产品贸易结构演化及影响因素. 地理学报, 2020, 75(12): 2759-2776.]

DOI

[59]
Ding Xiaoyi, Li Jiaxin. Bilateral trade, product relatedness and the upgrading of the intra-product specialization of China. Economic Geography, 2022, 42(7): 106-116.

DOI

[丁小义, 李佳欣. 双边贸易、产品关联与中国产品内分工升级. 经济地理, 2022, 42(7): 106-116.]

DOI

[60]
Bahar D, Rapoport H, Turati R. Birthplace diversity and economic complexity: Cross-country evidence. Research Policy, 2022, 51(8): 103991. DOI: 10.1016/j.respol.2020.103991.

[61]
Card D. Immigrant inflows, native outflows, and the local labor market impacts of higher immigration. Journal of Labor Economics, 2001, 19(1): 22-64.

[62]
Agrawal A, Kapur D, McHale J, et al. Brain drain or brain bank? The impact of skilled emigration on poor-country innovation. Journal of Urban Economics, 2011, 69(1): 43-55.

[63]
Lissoni F. International migration and innovation diffusion: An eclectic survey. Regional Studies, 2018, 52(5): 702-714.

[64]
Bosetti V, Cattaneo C, Verdolini E. Migration of skilled workers and innovation: A European perspective. Journal of International Economics, 2015, 96(2): 311-322.

[65]
Breschi S, Lissoni F. Knowledge spillovers and local innovation systems: A critical survey. Industrial and Corporate Change, 2001, 10(4): 975-1005.

[66]
Singh J. Collaborative networks as determinants of knowledge diffusion patterns. Management Science, 2005, 51(5): 756-770.

[67]
Alesina A, Harnoss J, Rapoport H. Birthplace diversity and economic prosperity. Journal of Economic Growth, 2016, 21(2): 101-138.

[68]
Lv Shuang, Sun Tieshan, Sun Yukang. Types of inter-city technological proximity and differences in the knowledge spillovers: From the perspective of knowledge complexity. Geographical Research, 2022, 41(11): 3036-3050.

[吕爽, 孙铁山, 孙瑜康. 城市间技术邻近的类型及其知识溢出的差异: 基于知识复杂度的视角. 地理研究, 2022, 41(11): 3036-3050.]

DOI

[69]
Corredoira R A, Banerjee P M. Measuring patent's influence on technological evolution: A study of knowledge spanning and subsequent inventive activity. Research Policy, 2015, 44(2): 508-521.

[70]
Balland P A, Jara-Figueroa C, Petralia S G, et al. Complex economic activities concentrate in large cities. Nature Human Behaviour, 2020, 4(3): 248-254.

[71]
Verhoeven D, Bakker J, Veugelers R. Measuring technological novelty with patent-based indicators. Research Policy, 2016, 45(3): 707-723.

[72]
Kerr W R. Ethnic scientific communities and international technology diffusion. Review of Economics and Statistics, 2008, 90(3): 518-537.

[73]
Ren Zhuoran, He Canfei, Wang Wenyu. Progress of research on economic complexity and regional economic development in the perspective of evolutionary economic geography. Progress in Geography, 2021, 40(12): 2101-2115.

DOI

[任卓然, 贺灿飞, 王文宇. 演化经济地理视角下的经济复杂度与区域经济发展研究进展. 地理科学进展, 2021, 40(12): 2101-2115.]

DOI

[74]
Plunket A, Starosta de Waldemar F. Regional recombinant novelty, related and unrelated technologies: A patent-level approach. Regional Studies, 2023, 57(7): 1267-1288.

[75]
Mascarini S, Garcia R, Quatraro F. Local knowledge spillovers and the effects of related and unrelated variety on the novelty of innovation. Regional Studies, 2023, 57(9): 1666-1680.

[76]
Liu Yungang, Chen Yue. Remarks on Chinese migration policy within globalizing urbanization. World Regional Studies, 2015, 24(1): 1-10, 37.

[刘云刚, 陈跃. 全球化背景下的中国移民政策: 评述与展望. 世界地理研究, 2015, 24(1): 1-10, 37.]

Options
文章导航

/

〈 〉