中国人才资本对经济增长贡献的时空格局与演化-基于教育、科技、人才一体化战略的分析

/中国人才资本对经济增长贡献的时空格局与演化——基于教育、科技、人才一体化战略的分析【摘要】人才资本作为人力资本的高级形式，是推动经济进步的内生动力，具有更为显著的时效性、稀缺性和异质性特征。采用C-D生产函数优化构建人才贡献率模型，测算我国31个省(区、市)2000-2020年人才资本对经济增长的贡献率，在考虑空间效应的基础上，综合运用空间计量模型对人才贡献率进行时空演化和收敛性分析。研究结果表明：我国人才资本对经济增长的贡献表现出较小的波动及阶段性下降趋势，整体效率偏低且值域范围仅在0.09和0.28之间；空间上呈现出东部均值(0.478)＞中部均值(0.238)＞西部均值(0.158)的梯形分布格局，而增长率却是“中部＞东部＞西部”的反常态局势。传统β收敛模型和空间β收敛模型均显示全国收敛态势明显，且这种空间效应在推动区域经济协调发展中起到了关键作用。因此，国家应施行地区间差异管理政策，以强带弱地加强省际人才互动，提质增效地优化人才培养体制机制，进而加速提升我国人才资本对经济增长的贡献，协助教育、科技、人才一体化改革，形成东中西部高质量协同发展的空间联动格局。【关键词】人才资本；人才贡献率；空间收敛性；教育、科技、人才一体化 一、问题提出 党的二十届三中全会鲜明提出：“必须深入实施科教兴国战略、人才强国战略、创新驱动发展战略，统筹推进教育科技人才体制机制一体化改革，形成推动高质量发展的倍增效应。”[1]党的二十大报告也曾重点强调“要坚持教育优先发展、科技自立自强、人才引领驱动，加快建设教育强国、科技强国、人才强国”[2]。人才资本是人力资本的更高级形式，是人力资本根据社会发展的新需求转化和升级的结果[3]。世界银行估算，在发达经济体的要素贡献率中，人力资本包括人才资本对经济的贡献率高达70%[4]。早在2010年，我国首次发布《国家中长期人才发展规划纲要(2010-2020年)》(以下简称《纲要》)并将人才资本贡献率确立为衡量世界人才强国的六大核心指标之一，设立至2020年人才贡献率提升到35%的奋斗目标[5]。从此，我国在人才战略上取得了突破性成就，全国人才总量从2010年的1.2亿人增长至2019年的2.2亿人，人力资本总量按当年价值计算从2010年的59.35万亿元大幅度增长至2020年3108.8万亿元[6]，居世界首位。 当前，我国高质量发展进程中，统筹推进教育、科技、人才一体化战略已步入全新历史阶段。然而，现阶段人才领域面临多重现实挑战：人才队伍结构矛盾突出，人才资源流失问题严峻，区域间人才资本配置失衡，且人才发展保障机制存在明显短板。这些问题严重制约了人才活力的释放、积极性的调动和创新能力的施展，进而对人才推动经济增长的贡献形成制约。此外，近十年来，我国人口发展面临自然增长率连续负增长、老龄化程度不断加深、劳动力人口持续下降的严峻局面[7]。在此背景下，精准测算区域人才资本对经济增长的贡献率，剖析区域间人才资本的时空差异特征，并提出针对性提升路径，是缓解人口红利衰减压力、推动高质量发展、落实科教兴国战略的关键举措。 二、文献综述 人才资本作为人力资本理论在知识经济时代的延伸拓展，是从人力资本概念中衍生出的更高级形态。人力资本中的“人力”泛指具备劳动能力(涵盖体力与脑力)的全体个体，而人才资本中的“人才”则特指人力资本中的高端群体，其核心特征体现为更强的时效性、稀缺性与异质性[8]。此处“资本”沿用舒尔茨(T.W.Schultz)为代表的“人力资本理论”内涵，即通过教育、卫生保健、迁移等投资形成并凝结于人体的、以知识资本为核心的一般性人力资本[4]；而人才资本中的“资本”指以P.M.Romer等为代表的“新增长理论”中所阐述的特殊知识和专业化人力资本[9]。2003年12月，中共中央、国务院印发《关于进一步加强人才工作的决定》，首次以中央政策文件形式明确提出“人才资本”概念，并将“探索建立人才资本及科研成果有偿转移制度”[10]作为创新人才保障机制的核心内容，标志着我国人才工作从人力资源管理向资本价值运营的理念跃升和制度突破。综上所述，人才资本是指体现在人才个体及社会经济效益中的资本形态，其核心要素涵盖人才质量、知识储备、创新能力，尤其表现为创造性劳动成果及对人类发展的重大贡献[11]。人才资本对经济增长的贡献是衡量世界人才强国的六大核心指标之一，反映了人才作用的发挥效能[5]。精确量化国家人才资本对经济增长的贡献，已成为近年来国内学者的研究焦点。依据研究对象的不同，现有研究成果可分为以下三类： 第一类以国家整体为分析对象。桂昭明首次结合Maddison的受教育年限法，构建了系统化的人力资本贡献率测算框架[12]。马宁和王选华基于马克思劳动价值理论，测算了1978-2015年间的人力资本贡献率，指出尽管该指标呈上升趋势，但总体水平仍然较低，建议政府决策部门应重视人才的有效配置与使用[13]。黄敏等运用势效系数法简化测算发现，我国物质资本贡献率持续走低，2017年创新要素贡献率(53.11%)已超越物质资本贡献率，其中专业型人力资本贡献率达17.81%[14]。第二类研究聚焦区域差异化分析。许凡[15]、黄维德[16]等学者以上海市为例，分别从人才红利的视角和未来发展的预测维度进行了深入探讨。研究结果显示，上海市在人才贡献率方面位居全国前列，并展现出持续增长的潜力。此外，马宁、陈志强、申潇雅、曹毅、鹿方圆等运用C-D函数，分别测算了北京、广西、云南、河北、山西、山东、南京的人力资本贡献率[17-21]。第三类研究侧重特定领域探索。姚宝珍构建了海外人才贡献率测算体系，同步提出人才使用效能评价模型[22]。李红霞则测算了高等院校人才贡献率，通过横、纵向比较分析，提出了针对性提升策略[23]。 党的二十大报告首次将教育、科技、人才进行一体化统筹布局，并将其战略地位提升至应对新一轮科技革命与产业变革、重塑全球秩序与发展格局的核心战略层面。学界围绕教育、科技、人才“三位一体”的生成逻辑、价值内涵与实践路径展开多维研究。阙明坤等指出，教育、科技、人才是推进中国式现代化的客观需求：教育是科技与人才发展的先导基础，科技是教育与人才升级的核心动能，人才则是教育与科技创新的主体支撑[24]。周洪宇等系统探讨了教育科技人才体制机制一体化改革的理论内涵、动力机制与实施策略，提出涵盖宏观政策设计、中观制度衔接与微观操作路径的全链条改革方案[6]。郑永和等强调，科教协同是教育高质量发展的必然要求，通过强化教育、科技、人才的深度融合，可为国家创新体系建设和科技创新人才培养提供系统性支撑[25]。肖贵清等则论证了教育、科技、人才作为现代化强国建设的战略三角，在开辟新领域、塑造新动能、推动高质量发展中的关键作用[26]。 整体而言，既有研究对人才资本的经济贡献测算、教育科技人才协同机制及方法论创新进行了系统性探索，为本研究提供了逻辑起点与理论基础。但现有成果仍存在三方面局限：其一，时间跨度不够大，短期数据难以揭示政策长周期效应；其二，空间覆盖有限，单一区域的分析弱化了空间异质性讨论；其三，方法严谨性待提升，传统模型对统计干扰的敏感性影响结论稳健性。 对此，本研究拟从以下维度实现突破：第一，构建长周期面板数据库。基于教育科技人才一体化战略视角，整合2000-2020年我国31省(区、市)面板数据，对比分析《纲要》实施前后的人才贡献率时空演化规律，突破单一时点或区域的局限性。第二，优化理论模型架构。融合马克思劳动价值理论与改进型柯布-道格拉斯生产函数(Cobb-DouglasProductionFunction)，通过决策单元精准测度降低测量误差与统计干扰，提升模型逻辑严密性。第三，引入空间计量分析。构建空间β收敛模型，采用多维度空间权重矩阵检验区域人才贡献率的空间自相关性与收敛特征，突破传统孤立分析范式，增强结论稳健性。 三、模型构建、指标选取和数据处理 1.模型构建 (1)人才贡献率经典模型与优化 柯布-道格拉斯生产函数的理论预设与我国社会经济发展现状具有显著适配性。该模型的方法论优势体现在通过分步测度各生产要素存量，系统化估算物质资本与人才资本的边际产出弹性系数。既有研究中，尽管存在多种产出弹性估算方法(如CES函数法、超越对数法)，但普遍面临时变弹性系数识别困难、经济学解释力不足以及大样本数据依赖性强等局限。基于此，本研究融合马克思劳动价值理论的商品价值构成原理，重构柯布-道格拉斯生产函数测算框架，通过引入动态调整机制优化产出弹性估算路径，有效克服传统回归模型内生性偏误与稳定性缺陷。 一是人才贡献率的经典模型。至于人力资本对经济增长贡献率的测算，其基础模型源自柯布-道格拉斯生产函数，经典模型结构表述如下： 其中，At表示t时期的综合要素，Kt为物质资本投资、Lt为人力资本投资，α、β分别表示为物质资本和人力资本的产出弹性。 二是人才贡献率经典模型的优化。为深入探究人才资本对经济增长的贡献度，本研究对柯布-道格拉斯生产函数进行了优化处理。基于受教育程度的差异，本文将人力资本(L)细分为普通人力资本(H)与人才资本(T)两个组成部分。据此，构建了如下所示的经济模型： 产出弹性被估算完成后，计算人才资本对经济增长的贡献率公式为： 三是产出弹性的估算。经优化构建的人才贡献率测算模型，其关键一步在于对物质资本产出弹性(α)与人力资本产出弹性(β)的精准估算。本研究融合马克思劳动价值理论，对α、β的估算进行深入讨论，通过剖析商品价值构成要素间的内在联系，进一步推导出产出弹性系数。商品价值构成公式为： W=C+V+M(4) 其中，W代表社会总生产值，C、V、M分别对应不变资本转移价值、劳动力价值与剩余价值。根据马克思政治经济学原理，生产资料被界定为不变资本(C)，剩余价值(M)是价值增殖的结果，V+M是劳动力创造的总价值。由此可得：C表示物质资本投入，V+M作为活劳动创造价值，其价值量由劳动力数量(体力要素)与质量(脑力要素)共同决定，分别对应H、T。据此，商品价值构成可表述为： W=C+H+T(5) 在两个不同时期t1、t2中，商品价值分别记为： W1=C1+H1+T1① W2=C2+H2+T2② 对价值公式①、②加以运算，可以得到如下形式： (2)空间自相关检验模型构建 空间自相关检验模型致力于量化空间数据的分布特征及其交互效应。该模型的基本假设是地理邻近区域间空间依赖性的强度与距离呈负相关关系，即地理距离较小的区域间空间关联性更为显著，而随着距离的增加，空间关联性则呈现衰减趋势[27]。在空间计量经济学体系中，经典的空间自相关性检验方法包括：莫兰指数(Moran'sIIndex)、吉尔里指数(Geary'sCCoefficient)以及盖蒂斯-奥德指数(Getis-OrdIndex)等。本研究采用莫兰指数进行空间相关性检验。其计算公式为： 其中，Yi和Yj分别表示i地区和j地区的贡献值，S2为各省(区、市)人才贡献率的方差，Wij为空间权重矩阵。当0＜Moran'sI≤1时，表示空间正相关且越接近1，空间正相关性越强；当-1≤Moran'sI＜0时，表示空间负相关且越接近-1，空间负相关性越强；当Moran'sI=0时，则为随机分析，表示空间不存在相关性。 (3)空间β收敛模型构建 收敛性分析的理论渊源可追溯至Ramsey的开创性研究，该研究基于新古典增长理论的分析框架，首次系统论证了区域经济差异的动态收敛机制。Ramsey在其经典模型中证明，在规模报酬不变、技术外生等严格假设条件下，异质性经济体的增长率差异将随时间推移渐近消弭，最终收敛于相同稳态均衡状态[28]。现有研究通常将收敛模型划分为σ收敛、β收敛与俱乐部收敛三类范式，其中σ收敛关注截面数据的离差演变，β收敛侧重增长率与初始水平的负向关联，俱乐部收敛则强调区域聚类特征[29]。本研究基于Barro和Sala-i-Martin的分析框架[30]，采用绝对β收敛模型检验人才资本对经济增长贡献的收敛特性。模型设定遵循新古典收敛假说的核心前提，即假定各省(区、市)具有同质化的教育发展水平、技术进步速率及制度环境特征。在此约束下，理论预期不同地区人才资本贡献率将遵循条件收敛路径，随时间演进趋近于统一稳态值。基准回归模型设定如下所述： 其中，表示i省(区、市)人才资本对经济增长的贡献在第t期的增长率，pgeit为i省(区、市)第t时期人才贡献率。Xit为控制变量，θk为控制变量的系数，当θk=0时模型为绝对β收敛模型。β为收敛系数，当β＜0时表示省域间效率值收敛；当β＞0时表示省域间效率值发散。 2.指标选择与数据处理 在经济学研究中，人力资本对经济增长的贡献度通常用人才贡献率这一指标进行量化。为了进一步区分人力资本的不同层次，学者们基于柯布-道格拉斯生产函数，将人力资本细分为一般性人力资本与专业性人力资本(在命名上存在差异，如基础性人力资本与专业性人力资本等)。本研究在前人研究的基础上进一步优化柯布-道格拉斯生产函数模型，将人力资本划分为普通人力资本与人才资本。鉴于人才资本在我国未来社会经济发展中的关键作用，本研究在后续的空间实证分析中，直接采用人才资本贡献率的测算结果。优化后的C-D函数模型主要涉及对产出(经济增长)、物质资本存量、人才资本存量三项指标的逐步计算。具体变量说明与数据处理方法详见表1。 四、实证分析 1.人才贡献率的测算与分析 (1)全国人才贡献率的测度与分析 优化构建人才贡献率模型之后，利用Stata18.0软件测度了我国2000-2020年31个省(区、市)的人才贡献率，详见表2。 表2显示，2000-2020年中国的经济年均增长速度为8.61%。根据马克思劳动价值理论，经济增长的主要推动要素有两个：一是物质资本投资，该要素在我国20年的平均贡献率为53.53%；二是人力资本驱动经济增长，达到了46.49%，其中人才资本贡献率为19.56%。在过去的20年间，中国经济年均GDP增长率约10%，主要得益于物质资本投资的驱动。随着经济步入高质量发展阶段，物质资本对经济增长的贡献率已从2003年的峰值64.56%降至2020年的40.20%。综合分析表明，尽管人才资本对经济增长的贡献率目前呈现出轻微的阶段性下降趋势，但其整体增长趋势依然稳健。与此同时，普通人力资本的贡献率则持续下降。为了更精确地描绘人才发展的进步轨迹，本研究将聚焦于《纲要》实施的前后十年，分阶段分析中国经济增长中各要素的贡献率，并对人才资本在不同阶段对经济增长的贡献特点进行深入探讨。具体数据见表3。 依据表3所呈现的数据分析，在《纲要》颁布的前十年，中国经济经历了一段“黄金时期”，此阶段国内生产总值(GDP)的年均增长率达到了10.46%。在此期间，物质资本依旧是推动经济增长的主要动力源泉，其贡献率高达59.66%，而人力资本的贡献率为40.42%，其中人才资本的贡献率仅占14.46%。《纲要》发布后，我国经济步入了高质量发展阶段，GDP增长率呈现出平稳下降的趋势，其平均增长率降至6.73%；与此同时，物质资本对经济增长的主导作用逐渐减弱，其贡献率下降至47.40%。而人力资本对经济增长的贡献日益显著，成为主要动力源，尤其是人才资本的平均贡献率，从14.46%显著提升至23.77%，增长幅度接近10个百分点。 经观察与分析，近十年，全国劳动力规模相较于前十年显著减少，增长率由前十年的0.63%转变为-0.09%，呈现负增长态势。在此背景下，劳动力规模对经济增长的贡献已不再显著，进一步证实了我国人口“红利”效应正逐步减弱。值得注意的是，在劳动力数量逐步缩减的背景下，人才贡献率整体上却呈现出持续增长的趋势。这表明，通过持续提升人才质量，人才资本对经济增长的推动作用得以持续增强。经综合分析，全国人才贡献率的演变趋势不仅映射出中国经济发展的周期性特征，同时也揭示了我国经济已进入增速放缓的新常态阶段。因此，释放教育、科技、人才一体化统筹推进的潜能，提升人才资本对经济增长的贡献，是实现经济结构转型升级及新旧动能转换，进而推动我国经济高质量发展的关键路径。 (2)我国东、中、西部地区人才贡献率时序变化分析 图1揭示了2011-2020年全国以及东、中、西部地区人才贡献率的年度平均变化趋势，反映了人才贡献率随时间序列的动态演进。从区域视角分析，东部、中部与西部地区在人才贡献率上呈现出显著的梯度差异。具体而言，东部地区的平均贡献率为0.478，中部为0.238，而西部则为0.158。然而，在增长幅度方面，出现了与常规趋势相反的现象，东部的增长率为9.66%，西部为23.8%，中部则高达33.7%。据此可以推论，尽管我国人才贡献率在空间分布上存在显著差异，但区域间的差距正在逐渐缩小，并展现出一定程度的均衡趋势。这一推论将在后续的统计分析中得到进一步验证。 图1中国东、中、西部人才贡献率均值变化图 (3)人才贡献率的空间自相关性检验 一是全局空间相关性检验。本研究采用经济距离矩阵作为空间权重矩阵，对2001-2020年我国各年度人才贡献率的全局空间自相关性进行了Moran'sI指数检验。根据检验结果绘制了对应的Moran'sI时序变化图(见图2)。研究结果揭示，在2001-2020年，全局Moran'sI指数均值大于0，并且通过了1%水平的显著性检验。该指数在区间[0.123，0.069]内呈现出波动性较短的"W"形变化趋势。这表明人才资本对经济增长的贡献具有显著的正向空间自相关性，即效率高(或低)的省(区、市)存在相邻关系。 图22001-2020年全局空间自相关指数 二是局部空间相关性检验。为进一步考察因空间位置差异而导致的人才贡献率异质性，本研究引入局部Moran'sI指数来刻画31个省(区、市)人才贡献率的空间集聚性和差异性，并绘制Moran'sI散点图进行空间分析。表4展示2001年和2020年中国各省(区、市)人才贡献率的空间象限分布图。图3展示2002年和2020年人才贡献率的Moran'sI散点图。通过这两年的比较，可以观察到不同省(区、市)人才贡献率的空间集聚效应及其变化趋势。 第一象限(H-H集聚区)：高—高集聚区主要分布于东部省(区、市)，涵盖北京、天津、上海、江苏、福建、广东等经济发达区域。依托强大的经济基础、完备的教育科研体系以及地理优势，这些区域持续吸引高素质人才，形成人才集聚效应。第二象限(L-H集聚区)：低—高集聚区包含内蒙古、黑龙江、浙江、江西等省(区、市)，其自身人才贡献率虽处于低位，但因邻近高贡献率区域的正向空间溢出效应而获益。第三象限(L-L集聚区)：低—低集聚区表现为自身及邻近区域人才贡献率双低特征。2020年，西藏、甘肃等省(区、市)仍处于该象限，虽已实施人才政策优化，但受限于区域发展梯度差异，仍面临人才流失与空间发展失衡的双重压力。第四象限(H-L集聚区)：高—低集聚区呈现出人才贡献率高值区被低值区包围的空间形态，亟须构建跨区域协同发展机制以突破空间锁定效应。 通过对比2002年与2020年Moran'sI散点图(图3)可见，人才贡献率的空间集聚特征随时间演进愈发显著：高贡献率区域逐渐强化对周边地区的辐射带动作用，而低贡献率区域则呈现发展滞后态势。上述发现对完善区域协调发展战略及差异化政策设计具有重要参考价值。 图32002年和2020年人才贡献率Moran'sI散点图 2.人才贡献率的空间收敛性分析 (1)传统绝对β收敛分析 Hausman检验结果显示，全国及东、中、西部三大区域的传统β收敛模型均支持固定效应设定。表5显示，全国及东、中、西部区域的β收敛系数依次为-0.226(全国)、-0.159(东部)、-0.439(中部)与-0.239(西部)，且在1%水平上显著(P＜0.01)。实证结果表明，在未纳入空间效应时，无论全国层面还是分区域检验均存在显著绝对β收敛，说明欠发达区域对发达区域呈现显著追赶效应，预期未来人才贡献率将呈现向均衡稳态收敛的趋势。 从收敛速率与半衰期维度观测，全国层面的收敛速率为1.35%，对应收敛半衰期为51.35年，表明全国人才贡献率的收敛进程呈现缓滞特征。中部地区表现出最强的收敛效应，其收敛速率达3.04%(半衰期22.76年)。反观东部地区，其收敛进程相对迟滞，收敛速率仅0.91%，半衰期长达75.92年。《中国城市人才吸引力排名：2023》数据显示，2018-2022年东部地区人才净流入占比由5.7%提升至14.1%，中、西部分别从4.6%、2.2%增长至7.9%、3.9%[34]。2021年新晋两院院士数据揭示，北京、江苏、上海三地的院士人数占比达到55%，东部地区院士的总体占比为68%，其中97%的院士任职于“双一流”高校及国家级科研机构[35]。在2019年的科技创新研究领域，研究者增量的地理分布也表现出明显的空间异质性特征。具体而言，东部地区占据了84%的研究者增量，中部地区为9%，而西部地区则仅为7%，呈现出一种梯度式的分布模式[36]。上述实证表明，我国东部地区在教育、科技、人才三位一体协同发展方面形成显著优势，而中、西部地区则面临公共教育投入强度偏低、人才资源配置失衡及高技能劳动力缺口持续扩大等发展困境。 (2)空间回归收敛分析 根据前述分析，我国人才贡献率具有显著的空间依赖特征。由于传统β收敛模型未能纳入省(区、市)间的相互作用，其估计结果可能存在偏差。因此，有必要深入研究并采用考虑空间效应的β收敛模型，并对两种模型的分析结果进行对比分析。在进行参数估计之前，需要依据Anselin等[37]的判定法则对空间计量模型进行筛选。检验结果详见表6，全国、东部和中部地区均未通过LM(LAG)显著性检验，而西部地区虽通过了LM(LAG)显著性检验，但LM(ERR)检验的显著性水平明显优于LM(LAG)检验。据此，无论全国还是各地区均应选择空间面板误差的β收敛模型(SPEM)。 经由空间误差系数(λ)与显著性检验，可明确全国、东部、中部及西部地区均表现出显著的空间自相关性。观察模型收敛系数(β)发现，全国及各区域β值均小于0，并且均通过了1%的显著性水平检验，其绝对值大小顺序依次为中部地区(-0.554)、全国(-0.391)、西部地区(-0.202)、东部地区(-0.172)。相较于传统的绝对β收敛模型，全国及东、中、西部地区在纳入空间效应考量后，收敛速度均有所提升。这一结果证实了人才资本的空间共享及要素流动在有效缩小省际与区域间贡献率差异方面具有显著作用，对促进人才贡献率的收敛具有积极影响。 3.稳健性检验 本研究运用替代空间权重矩阵方法对估计结果进行了稳健性检验，构建了0-1邻接矩阵、经济距离矩阵以及嵌套矩阵进行模型估计，以探究空间权重矩阵设定误差对模型参数的影响。研究结果显示，β收敛系数均显著为负，空间滞后系数ρ、空间误差系数λ的方向和显著性与先前估计结果相比无显著差异。因此，即便在不同空间权重矩阵的替换下，结果依然保持稳定。鉴于篇幅限制，具体的测算结果将另行索引。 五、结论与启示 本研究立足于我国教育、科技、人才一体化推进战略的深层含义，采用2000-2020年31个省(区、市)的面板数据，对柯布-道格拉斯生产函数进行优化，构建了人才贡献率测算模型和空间计量模型，以探究我国人才贡献率的时空演变及其收敛性。 1.结论 (1)人力资本结构转型趋势显著 从时间序列分析的角度来看，2001-2020年普通人力资本对经济增长的贡献率逐步下降，而人才资本贡献率呈上升趋势，但其效率值长期处于[0.09，0.28]的低区间，提升潜力显著。这一“降”一“升”反映经济高质量发展对人才需求从“数量红利”转向“质量红利”。以产业实践为例，杭州市2025年“8+4”政策明确对通用人工智能、人形机器人等领域提供专项人才支持，15.72%的产业资金投向新质生产力[38]；深圳市则通过“20+8”产业集群重构高校学科设置[39]，强化“学科—产业—人才”精准对接。数据与政策共同表明，人才资本配置需向“高精尖缺”领域倾斜，以匹配战略性新兴产业(如人工智能、低空经济)和未来产业(如量子科技、合成生物)的跨学科创新需求。 (2)区域梯度差异与空间集聚效应并存 从时空维度分析，Moran'sI指数显示，我国省际人才贡献效率存在显著空间关联性和集聚效应，呈现“东部(0.478)＞中部(0.238)＞西部(0.158)”的梯度分布。值得注意的是，增长率呈现“中部＞东部＞西部”的非典型特征，反映区域发展动态差异。这一格局揭示两大矛盾：一是虹吸效应与扩散效应博弈。东部形成“H-H”高贡献增长极，但过度集聚可能导致资源冗余；中西部陷入“L-L”低贡献陷阱，需政策干预打破路径依赖。二是区域协同的潜力与障碍。中部依托“强省会”战略和产业转移实现较快收敛，西部可借助“一带一路”节点城市构建次级增长极。然而，局部空间分析显示人才贡献的路径依赖性强，31省(区、市)未出现显著时空格局变迁。 (3)全国及区域呈现显著收敛趋势 从空间收敛性角度分析，全国及分区域分析表明，人才贡献率存在显著β收敛特征，中部地区收敛速度最快。纳入空间相关性后，东部与西部地区的收敛效率显著提升，印证空间效应对区域均衡发展的促进作用。 在教育、科技、人才一体化改革的战略背景下，本研究结论对动态理解人才资本对经济增长的促进作