人才吸引有助于企业跨区域投资。本研究构建了中国上市公司的城市-年份面板数据。采用Bartik型工具变量来解决内生性问题。劳动力匹配、创新外部性以及资源配置效率都至关重要。对于高科技企业和数字化发展水平较高的地区,其效应更为显著。 引言 人力资本、创新资源以及企业投资的
人才吸引有助于企业跨区域投资。本研究构建了中国上市公司的城市-年份面板数据。采用Bartik型工具变量来解决内生性问题。劳动力匹配、创新外部性以及资源配置效率都至关重要。对于高科技企业和数字化发展水平较高的地区,其效应更为显著。
人力资本、创新资源以及企业投资的空间分布为理解经济体系的运行提供了重要视角。企业选择在某些城市而非其他城市布局新项目,不仅是因为市场规模、工资水平、土地价格或运输成本,还与地方政府在公共服务、创新平台建设以及制度承诺方面的安排密切相关。在地方政府具备较强资源协调能力且各地区通过政策手段相互竞争的经济体系中,企业的选址决策既反映了市场激励因素,也体现了制度信号。因此,本研究提出了一个更广泛的问题:当地方政府通过人才吸引政策来表明其在人力资本和创新方面的优先方向时,企业是否会相应调整其跨区域投资模式?
本研究以中国各城市的层面人才吸引政策作为实证分析对象,但并非仅聚焦于地方政策效果的简单评估。中国城市为观察这一机制提供了适宜的制度环境:地方政府在公共服务、产业平台建设、科技投入以及投资促进方面发挥着重要作用;各城市之间为争夺人才、产业及创新资源而持续竞争;此外,政府工作报告还提供了可比较的年度文本,有助于了解地方治理的优先事项。在这种环境下,企业的投资决策不仅取决于市场基本面,还与地方政府在技能供给、公共服务以及创新平台建设方面的支持力度密切相关。如果人才政策不仅能影响劳动力的流动,还能改变企业对目标地制度条件的评估,那么它们就起到了连接人力资本政策、地方治理与企业空间布局的作用,而不仅仅是对某一特定城市或政策工具的简单评价。因此,中国不应被视为本研究结论的边界,而应被视为研究地方治理信号如何塑造企业预期,进而影响企业投资空间分配的理想场景。
现有关于人才流动的研究已明确表明,高技能劳动力的地理分布对创新和企业组织结构具有重要影响。跨国发明家的流动会受到税收和制度激励的影响(Akcigit等人,2016);州际税收差异会影响顶尖科学家的选址决策(Moretti和Wilson,2017);全球人才流动则受到个人职业回报、企业需求以及国家引进规则的共同影响(Kerr等人,2016)。近期基于企业层面的研究进一步表明,高技能移民政策不仅会影响企业的招聘行为,还会影响企业的创新能力、就业结构以及海外扩张战略(Doran等人,2022)。这些研究提示,人才政策不应仅仅被视为人口政策,它们还可能通过改变企业可用的人力资本结构以及调整成本,影响企业的跨城市投资分配。
中国城市的人才吸引政策恰恰具有这种综合性特征。户籍制度改革——即简化当地户籍办理流程以及配套的城市公共服务,如住房补贴、人才公寓、创业启动资金、创业扶持、子女教育保障、医疗服务、人才服务卡、创新平台建设以及工业园区支持等——往往并非孤立的补贴措施,而是构成了一套政策组合,地方政府通过这套组合推动产业升级以及城市间的竞争。对企业而言,目标城市的人才政策强度不仅关系到招聘成本,还涉及研发团队能否稳定配置、工程师和技术人员能否持续供应、非本地员工能否享受公共服务,以及地方政府是否愿意将创新和产业升级作为年度治理重点。从这个意义上说,人才吸引政策可被视为地方政府在技能供给、公共服务、创新平台建设以及产业发展方面优先事项的直观信号(Zhu和Lee,2026)。
本研究将这些政策优先事项具体化为城市-年份层面的人才吸引政策强度指标。政府工作报告是地方政府向同级人民代表大会汇报年度工作并制定下一年度任务的正式文件,相比零散的政策文件,它更适于比较不同城市以及不同时期地方政府对某一问题的政策关注程度。本研究首先从城市政府工作报告中提取与人才吸引相关的表述,根据文本强调程度构建加权人才吸引政策指数,再将该指数与上市公司在各地设立的子公司项目相匹配,从而形成企业-目标城市-年份面板数据。因变量为上市公司i在年份t在目标城市c新设立的子公司数量,此处目标城市始终指新设立子公司的所在地,而非企业总部的所在城市。
这样的数据结构明确了研究的分析对象。本研究并非比较那些人才政策力度较强与较弱的城市之间的静态差异,而是探讨在同一个企业-目标城市关系中,随着时间推移人才政策强度的变化,企业是否会增加在目标城市的子公司布局。本研究采用的识别策略主要针对三个潜在问题:首先,人才政策较强的城市可能本身就具有更好的发展前景;其次,同一省份内的共同政策周期以及城市间的竞争可能会同时推动人才政策和企业投资的发展;第三,企业也可能基于对某城市未来发展的预期而提前进行投资。为缓解这些问题,基准模型采用了滞后的人才政策指数,纳入了企业-目标城市固定效应、企业固定效应以及年份固定效应,并报告了在企业层和目标城市-年份层双向聚类的标准误差。此外,本研究还利用历史产业暴露程度和国家人才政策周期构建了工具变量,并进一步通过省级政策周期、省内政策竞争、城市特定趋势以及未来政策创新等方面进行了检验。这些分析共同构成了互补的识别证据。
基准分析结果表明,目标城市滞后后的加权人才吸引政策指数与企业在该城市新设立的子公司数量之间存在显著的正向关联。即使在替换核心解释变量、改变因变量、加强固定效应、使用政策强度的移动平均值以及调整聚类方式之后,这一关系依然保持稳定。基于文本的测量方法的构建验证表明,该文本指数与城市产业升级、绿色创新以及当地人力资本基础之间存在稳定关联。渠道一致性检验则提供了初步证据,表明人才吸引政策强度较强的城市通常拥有更良好的知识服务环境、更高的绿色创新产出以及更多的科技领域财政支出。
本研究的贡献主要有三点:首先,它将地方人才政策从一般的政策描述转化为可复制的城市-年份文本指标,从而解决了现有研究中关于地方政策关注度以及制度承诺衡量不足的问题;其次,通过将政府工作报告文本与企业实际的跨城市子公司设立情况相结合,本研究不同于那些仅关注人口流入、创新产出或政策采纳本身的研究,它提供了微观层面的证据,说明地方制度支持如何影响企业资源的空间分配;最后,本研究将中国的地方人才政策置于多级治理、地方政策竞争以及历史产业基础共同作用的框架之下,表明企业的选址决策不仅受市场规模和成本比较的影响,还取决于企业对当地治理能力、公共服务供给以及产业平台发展水平的评估。这一视角也将本研究与那些研究治理制度、人力资本发展、迁移限制、区域创新差距以及企业动态的经济学文献联系在一起(Bang和Mitra,2011;Ma等人,2025;Peiró-Palomino和Perugini,2022)。
本文的其余部分结构如下:第2节介绍制度背景并构建分析框架;第3节描述数据、变量及实证策略;第4节报告基准分析结果;第5节讨论稳健性检验以及文本测量方法的验证;第6节解决识别问题及内生性担忧;第7节呈现渠道一致性证据及异质性分析结果;第8节总结并探讨研究的局限性。
在中国背景下,地方人才吸引政策首先属于地方治理的工具,其次才是狭义上的劳动力市场政策。它们将人才流动、户籍与住房安排、公共服务供给、科技创新平台建设、工业园区发展以及投资促进等要素整合在统一的政策框架之中。因此,这类政策不仅影响劳动者迁移的收益,还影响企业对目标地的评估。
本研究构建了企业-目标城市-年份面板数据,用以分析上市公司在各地设立子公司的情况。数据主要来源于四个方面:上市公司跨城市子公司及经营机构的相关信息、城市政府工作报告文本、上市公司的财务数据,以及城市统计年鉴和宏观经济数据库。通过这种匹配方式,本研究能够将企业的实际空间布局与目标城市的政策环境相结合。
表2展示了主要变量的描述性统计信息。因变量InvestCounti,c,t的平均值为0.0617,中位数为0,这表明在企业-目标城市-年份层面,子公司的设立频率相当低,大多数观测值均没有新设立的子公司。因此,以下结果不应仅从相对于平均值的百分比角度来解读,还应结合另外两种结果衡量指标来进行分析。
表4针对三组问题进行了检验:第一,基准结论是否依赖于加权词频规则;第二,结果是受子公司数量这一指标的影响,还是源于少数几家拥有大量新设子公司的企业;第三,企业年度扩张冲击以及单期政策波动是否会影响估计结果。通过这种方式进行的稳健性检验不仅仅是简单地替换变量或模型设定,它们还能进一步验证结果的稳定性。
前述分析表明,目标城市的人才吸引政策强度与企业跨城市设立子公司之间存在稳定的正向关系,而且即使在改变变量定义、调整模型设定以及进行构建验证测试之后,这一关系依然保持稳定。然而,稳健性检验仍无法完全排除与政策时机相关的内生性问题。企业的投资决策以及地方政府的政策重点都可能受到未来政策变化的影响。
在得到基准估计结果并进行识别检验之后,本研究进一步分析了人才吸引政策强度与目标城市相关发展环境是否一致。前述分析已显示,目标城市的人才吸引政策强度与企业跨城市设立子公司之间存在稳定的正向关系。不过,企业不太可能仅仅因为目标城市的人才政策文本中出现了更多相关条款就调整其投资布局。
本研究以中国各城市的层面人才吸引政策作为制度背景,探讨地方政府在人力资本、公共服务以及创新平台建设方面的政策重点是否会影响企业跨城市设立子公司的决策。通过分析城市政府工作报告文本,本研究构建了加权的城市-年份人才政策文本指数,并将其与上市公司跨城市子公司设立数据相结合,形成了企业-目标城市-年份面板数据。
Yihong Yue:撰写——初稿撰写,数据整理。Chien-Chiang Lee:调研,概念设计。Liou Jenn Hae:撰写——审稿与编辑,形式分析,数据整理。
表A.1列出了关键词词典。表A.2展示了聚类稳健性检验结果。表A.3介绍了政策时序及未来政策创新检验的相关内容。表A.4列出了用于控制共同省级政策周期及省内政策竞争的变量。表A.5则提供了针对城市特定长期趋势的控制变量。