1
地级市颁布人才政策数量统计
The Impact of Urban Talent Policies on Labor Allocation Efficiency
李永友,齐菁华
为了在激烈人才竞争中引进人才，很多城市颁布了人才政策，那么人才政策能改善城市内劳动力配置效率吗？文章通过手工整理中国各地级市2009—2019年颁布的人才政策，对这一问题进行考察，并探究其中的作用机制。研究发现：颁布人才政策的城市，其内部劳动力配置效率更高，说明人才政策能够显著提升城市内部劳动力的配置效率；人才政策对劳动力配置效率的促进效应不仅受到政策内容设计的影响，而且受到城市自身特征的影响。机制识别表明，人才政策通过吸引高技能劳动力流入、促进流入人才和企业需求的有效对接来改善城市内部高技能劳动力配置。进一步研究表明，高技能劳动力集聚还通过技能互补渠道对低技能劳动力产生就业外溢效应，使得不同技能劳动力进入与自身技能水平相适应的岗位，提升社会分工水平，从而提升城市整体劳动力配置效率；人才政策带来的劳动力配置效率提高显著促进了城市经济增长。文章结论表明，地方政府应根据城市特征，制定更具针对性的人才政策，更好地助力经济高质量发展。
关键词：人才政策，技能互补，劳动力配置效率
随着中国人口红利的消失，如何发挥人才红利的作用推动经济高质量发展成为实现中国式现代化的关键问题。党的二十大报告指出，“实施更加积极、更加开放、更加有效的人才政策”，“促进人才区域合理布局和协调发展”。党的二十届四中全会进一步强调“一体推进教育科技人才发展”。这表明合理的人才配置已经成为推进中国新质生产力发展的重要方式。各地政府纷纷出台具有竞争力的人才政策，通过落户、补贴等多种方式吸引人才流入。因此，人才政策不仅成为地方政府吸引人才流入的重要工具，也成为影响人力资本空间流动和城市内部劳动力配置的重要制度。然而，人才政策是否能真正发挥作用不仅取决于是否吸引更多人才流入，还取决于流入人才能否进入与城市产业结构、企业需求和岗位要求相匹配的部门。由此带来的核心问题是：人才政策是否促进了城市内部劳动力配置效率的提升？其发挥作用的机制是什么？何种类型的人才政策能更好发挥改善劳动力配置效率的作用？
从人才政策与劳动力配置效率的关系来看，人才政策不仅影响劳动力跨区域流动，而且其能改善劳动者与城市产业结构、企业需求和岗位要求之间的匹配。既有研究表明，住房约束、户籍门槛等因素都会阻碍劳动力流向更适配的地区或岗位，从而导致劳动力错配。Hsieh和Moretti（2019）发现，限制新建住房供应阻碍了劳动力流向高生产率地区，从而带来城市间劳动力配置效率下降，类似的机制在中国同样存在（黄文彬和王曦，2021；黄文彬等，2023；王丽莉，2023）。上述研究表明，人力资本跨区域流动及其所面临的制度和市场摩擦，是影响劳动力配置效率的重要机制。
本文并非探究某一个体劳动者迁移前后个人收益是否提高，而是考察人才政策导致劳动力流入以后对流入地城市内部不同技能劳动力在企业、行业间配置状态的影响。在岗位需求信号释放充分且劳动力要素自由流动的理想状态下，劳动力配置效率更接近最优。但现实中，信息不对称和迁移摩擦会阻碍劳动力与岗位的有效匹配。在此背景下，人才政策可能通过两种相反渠道影响城市劳动力配置效率。一方面，人才政策发布缓解了人才供求双方信息不对称，各种福利补贴也可以缓解劳动力流动摩擦。既有研究表明，信息不对称的改善、住房约束的缓解和落户门槛的降低都会改善劳动力配置效率（Hsieh和Moretti，2019；黄文彬和王曦，2020，2021；牛子恒和崔宝玉，2022；白俊红等，2022；黄文彬等，2023；王丽莉，2023）。另一方面，人才流动可能更多受补贴强度和行政激励驱动而非市场化回报驱动，从而带来新的劳动力错配。人才政策除了影响高技能劳动力流动，还可能通过技能互补效应影响低技能劳动力流动。Autor等（2003）、Moretti（2010，2012）和Eeckhout等（2014）研究发现，高技能劳动力集聚不仅可以通过生产互补性增加对辅助性岗位的需求，还会通过消费互补性带动城市服务业发展，提高城市对低技能劳动力的需求。此外，董直庆等（2014）、黄浩权等（2024）、李天一等（2025）研究还发现，不同技能水平的劳动力之间存在“隐性知识”流动，低技能劳动力可以通过学习和模仿获得非市场化知识溢出，提高自身生产效率。因此，人才政策可能通过促进高技能劳动力流动，并借助知识溢出间接重塑低技能劳动力就业格局来影响城市内部社会分工和整体劳动力配置效率。
基于上述分析，本文利用2009—2019年各地级市首次出台人才政策这一准自然实验，结合全国人口普查和抽查数据，实证考察城市人才政策对城市内劳动力配置效率的作用。本文研究发现：第一，人才政策显著改善了城市内劳动力配置效率，在经过稳健性检验后，改善效应依然存在。第二，政策效果显著依赖于城市特征和人才政策的内容设计，在工业活动强度较高、规模较大、道路可达性较高、财政压力较小和落户门槛较高的城市，人才政策的改善效果更显著；政策内容中包含货币化补贴，引进拔尖人才和有经验人才，并设置专业限制、学历门槛和就业方向的人才政策，其对劳动力配置效率改善效果相对更好。第三，机制分析表明，人才政策通过吸引高技能劳动力流入，并促进流入人才和企业需求的有效对接来改善城市内部高技能劳动力配置效率；人才集聚还通过技能互补效应对低技能劳动力就业产生外溢效应，进而使不同技能水平的劳动力分别进入与其技能水平相适应的行业，从而改善城市整体劳动力配置效率。第四，拓展分析表明，人才政策导致的劳动力配置状态改善带来了微观层面企业全要素生产率的提升和宏观层面城市经济的增长。
本文贡献主要体现在以下几个方面：第一，本文将城市劳动力配置效率纳入分析框架，丰富了人才政策的评估体系。现有关于人才政策的研究主要聚焦在微观层面，围绕公司人力资本水平（金智和彭辽，2022）、企业创新（刘春林和田玲，2021；孙鲲鹏等，2021）、制造业智能化（余明桂等，2024）、长期资源配置效率（金智和张心睿，2024）、家庭教育投资（周广肃和于磊，2025）等角度展开，本文将对人才政策效果的评估延伸到城市层面的劳动力配置效率，加深了对人才政策宏观作用效果的理解。第二，本文进一步考察人才政策对低技能劳动力的就业外溢效应。不同技能水平劳动力之间的强互补性表示对人才政策作用机制的分析不应仅局限于高技能劳动力，因此本文将人才政策的研究延伸至不同技能水平劳动力之间的互补效应，丰富了人才政策的效果评估框架。第三，本文基于手工整理的政策文本，对人才政策内容进行系统分析，考察政策个性化差异对政策效果的影响。不同城市的人才政策在人才层次、人才类型、学历门槛、专业限制和就业去向等方面存在明显差异，这些差异决定了人才政策能否有效对接城市产业需求、企业岗位需求和人才比较优势。本文识别不同政策内容的配置效应，不仅有助于解释人才政策何以发挥作用，也为地方政府优化人才政策设计、提升政策精准性提供了经验证据。
2010年，国务院颁布《国家中长期人才发展规划纲要（2010—2020年）》，确定中长期人才发展规划目标，标志着“人才强国”成为一个长期战略。2016年，中共中央印发《关于深化人才发展体制机制改革的意见》，在人才管理、培养、评价和流动等多方面进行改革，着力破除束缚人才发展的思想观念和体制机制障碍。2017年，党的十九大进一步提出“实行更加积极、更加开放、更加有效的人才政策”。2022年党的二十大再次强调人才政策，要求“完善人才战略布局”，“加快建设世界重要人才中心和创新高地，促进人才区域合理布局和协调发展”。2025年，党的二十届四中全会要求一体推进教育科技人才发展，强调投资于人的重要性。在党中央、国务院人才战略的号召下，各地人才政策陆续颁布。本文手工整理了2009年以来地级市首次颁布人才政策的时间数据，如图1所示。 1可以发现，2009—2013年是首次发布人才政策的高峰期，自2014年开始，新增人才政策城市数量增长放缓。
本文对各地颁布的人才政策内容进行梳理，研究发现人才政策有如下特征：（1）人才政策主要面向高水平人才和高技能人才。（2）人才政策给予人才的待遇内容丰富，包含科研经费、生活补贴等货币化福利以及人才称号、子女入学等非货币化福利。本文统计了人才政策中常见的科研经费、购房补贴、生活补贴、子女入学和人才称号五类待遇。表1汇总了人才政策中有各类待遇的城市占比。可以发现，人才政策中有购房补贴和生活补贴的城市占比最高，其次是子女入学、科研经费和人才称号，说明各地人才政策以最直接、最容易获得的货币化补贴为主，从待遇类型看，各地也明显趋同。
| 待遇类别 | 占比 |
|---|---|
| 科研经费 | 51.3% |
| 购房补贴 | 73.7% |
| 生活补贴 | 66.2% |
| 子女入学 | 58.1% |
| 人才称号 | 11.0% |
关于劳动力配置效率的测度，本文借鉴Hsieh和Moretti（2019）建立的对数剩余工资方法的思想，将其应用于城市内部区县层面，以区县调整后工资回报相对于城市平均水平的偏离程度刻画城市内部劳动力配置状态。 2本文将上述计算结果绘制成图2，以直观考察城市内部劳动力配置状态的变化趋势。在无摩擦的理想市场中，如果劳动力能够在城市内部找到与其技能水平相适应的岗位，那么同一城市内部不同区县之间控制劳动者特征后的剩余工资应该趋于收敛；反之，若同一城市内部不同区县之间仍存在较大的剩余工资差异，则说明在城市内部可能存在劳动力配置扭曲。由图2可知，相较于2010年，2015年和2020年区县对数剩余工资偏离值的分布更加明显集中于0附近，分布峰值更高、尾部更短。这表明区县对数剩余工资相对于本市平均水平的偏离程度总体趋于收敛，即同一城市内部不同区县之间的对数剩余工资差异有所缩小，城市内部劳动力配置失衡程度呈下降趋势。结合图1可知，人才政策扩散与城市内部劳动力配置状态改善在时间上具有一定同步性。
人才政策通常与若干配套政策同时发布。人才政策明确城市需要的人才类型、人才层次和重点支持方向等，配套政策则进一步规定落户、住房、补贴、科研支持、子女教育以及用人单位奖励等具体支持措施。相较于单一政策文件，这种政策安排能够改变高技能劳动力跨区域流动的成本与收益结构，进而吸引高技能劳动力流入。与一般劳动力相比，高技能劳动力更加重视创新环境、公共服务等，因此，为吸引人才流入，地方政府通过提供科研经费、授予人才称号、安排子女入学等多种方式提高本地对人才的综合吸引力。既有研究已经证明，荣誉称号、子女教育、税收激励和收入差异等因素都会影响高技能劳动力的迁移选择（张维迎，1987；Moretti和Wilson，2017，2023；王春超和叶蓓，2021）。因此，若人才政策能提高高技能劳动力迁移收益并降低其迁移成本，则可以提升人才流入本市的概率，扩大城市人才供给。
然而，人才供给增加并不必然带来高技能劳动力配置效率的改善，其关键取决于流入人才能否进入与自身技能水平、产业结构和企业岗位需求相匹配的部门。对于具有较强创新能力的劳动力而言，只有当其进入技术密集型企业或创新需求更高的部门时，人才流入才更可能转化为配置效率提升；反之，则可能形成新的结构性错配。人才政策可以改善高技能劳动力流入后的就业去向和匹配质量。一方面，人才政策为高技能劳动力提供各种货币化和非货币化支持，与企业给予高技能劳动力的市场化报酬形成互补，这在一定程度上降低企业雇佣人才的综合成本，从而提高企业对高技能劳动力的承接能力；另一方面，人才政策通过明确引进对象、支持方向和配套待遇，向劳动力市场释放产业发展方向和岗位需求信号，有助于缓解高技能劳动力和企业之间的信息不对称，促进企业与高技能劳动力有效对接。尤其对技术密集型企业而言，其创新需求更高，对高技能劳动力的需求弹性更大，也更具备吸纳和雇佣高技能劳动力的岗位条件。因此，城市新增高技能劳动力在人才政策影响下流向具有真实人才需求和岗位承接能力的企业或部门，从而提高高技能劳动力与本地产业结构和企业需求的匹配程度。由上述分析可知，人才政策通过降低高技能劳动力迁移成本、扩大人才供给、降低企业搜寻和吸纳人才成本，促进高技能劳动力流向具有真实需求和吸纳能力的企业和部门，进而带来高技能劳动力配置效率的改善。基于此，本文提出以下假说：
假说1: 人才政策通过扩大城市人才供给以及促使人才流入与其技能水平相适应的部门来改善高技能劳动力配置效率。
人才政策的直接作用对象主要是高技能劳动力，但其配置效应并不局限于高技能劳动力本身。人才政策不仅吸引高技能劳动力流入并促进其与企业有效对接，还可能进一步通过技能互补和岗位扩张影响低技能劳动力的就业机会与行业选择，重塑城市内部不同技能劳动力之间的分工合作。根据技能互补理论，城市发展依赖于不同技能劳动力之间的分工与合作（Moretti，2010），高、低技能劳动力在就业和生产率等方面存在明显的互补性。高技能劳动力主要从事管理、研发和创新等高技能任务，而这些任务的开展往往需要清洁、安保和后勤等辅助性岗位的支持。因此，高技能劳动力的集聚可能扩大城市对低技能岗位的需求，并由此对低技能劳动力流动和就业去向产生外溢效应。具体而言，高技能劳动力集聚可能通过以下三个渠道影响低技能劳动力的就业结构：第一，生产互补机制。知识密集型和技术密集型行业的发展需要低技能劳动力提供配套性和辅助性服务，因此高技能劳动力流入可能扩大城市对低技能岗位的需求。第二，消费互补机制。高技能劳动力通常具有更高的收入水平和消费能力，其集聚会增加对住宿、餐饮和清洁等生活性服务的需求。Moretti（2012）发现，城市中每增加一个高技能岗位，就会增加五个消费性岗位。第三，技能溢出与干中学机制。不同技能水平劳动力之间还可能存在知识与技能的隐性流动和非市场化溢出，高技能劳动力的流入可能通过经验交流和组织学习等方式对低技能劳动力的人力资本积累产生长期影响（董直庆等，2014；黄浩权等，2024；李天一等，2025）。这种跨技能群体的非市场化溢出有助于提高低技能劳动力自身技能水平。由于高技能劳动力集聚带来的岗位需求扩张主要集中于配套性和辅助性岗位，因此流入城市的低技能劳动力在这些新增需求的牵引下更可能流向技能水平要求较低的行业。由此，人才政策推动不同技能劳动者进入与其比较优势相匹配的岗位，城市内部不同技能劳动力之间的岗位排序更加清晰，社会分工水平深化，最终推动城市劳动力配置效率提升，具体如图3所示。基于此，本文提出以下假说：
假说2: 人才政策导致的高技能劳动力集聚通过技能互补效应对低技能劳动力产生就业外溢效应，表现为低技能岗位需求的扩张、低技能劳动力流入以及更多低技能劳动力进入与其技能水平相适应的岗位。
假说3: 高技能劳动力和低技能劳动力分别进入与其技能水平相匹配的行业后，城市不同技能水平劳动力的岗位排序更加清晰，从而推动社会分工水平提升，并最终改善城市劳动力配置效率。
本文综合使用多种数据库进行实证分析，具体如下：第一，人才政策。人才政策文本主要通过手工搜集各地级市政府门户网站、人社局网站等公开渠道中2009—2019年发布的人才政策获得。第二，CHIP数据。本文使用2007年、2013年和2018年劳动力个体特征估算相应年份劳动力特征系数，并将其分别用来估算2010年、2015年和2020年的城市劳动力配置效率。第三，全国人口普查数据。本文使用2015年人口抽查数据和2010年、2020年人口普查数据，利用其区县层面劳动力特征变量，结合CHIP计算的分年份劳动力特征系数，计算城市层面劳动力配置效率。第四，CMDS数据。本文使用2011—2017年全国流动人口动态监测调查数据， 3剔除流动时间超过一年、年龄超过60岁和小于22岁的流动样本个体，将其与人才政策变量匹配后识别人才政策对劳动力流动和配置的影响。第五，Wind和国泰安数据。本文主要利用其企业的财务指标和员工学历结构指标。第六，CHFS数据。本文使用与人才政策时间最接近的2011—2019年数据，利用其中劳动力就业信息，检验人才政策对社会分工和行业结构多样化的影响，并在稳健性检验部分计算教育适配度。第七，城市宏观控制变量等来自城市统计年鉴、CEIC等其他宏观数据库。 4在实证检验中，本文分为总体效应识别和机制识别两个层次。其中，基准回归关注的是人才政策对城市整体劳动力配置效率的影响。因此，本文使用全体劳动力数据构造城市层面的劳动力配置效率指标。在机制检验中，本文按照技能劳动力高低分为高技能劳动力和低技能劳动力两组，并分别进行检验。
本文在各地级市人民政府网站、人社局网站和组织部网站收集与人才引进相关的政策文件，并通过百度百科以“地级市名称+年份+人才引进”为关键词进行搜索补充，最终整理得到2009—2019年254个地级市层级发布的共717份文件。本文根据人才政策的内容，记录人才政策特征变量。所有变量的记录均采用人工阅读并按统一规则编码的方式，即当且仅当政策文本中明确出现相应条款时，相应变量才赋值为1，否则为0。特征变量如下：（1）人才引进时间。本文以政策文本中的发布时间为准。（2）引进人才层次。本文分两个角度对其进行识别，一是按照职称头衔分为“专家学者”和“基础型人才”；二是根据职业经历分为“有经验人才”和“应届生”。（3）人才待遇。本文识别了人才政策中的支持条款，包括科研经费、购房补贴、生活补贴、子女入学和人才称号等。（4）限制条件。主要指对拟引进人才在专业、学历和就业单位类型的限制等。
各地人才政策是陆续颁布的。这为本文提供了良好的准自然实验场景。因此，本文使用双重差分模型（Difference-in-Differences，DID）识别人才政策对劳动力配置效率的影响，具体回归模型如下：
\begin{document}$ E f ficiency_{jt}=\beta_0+\beta_1policy_{jt}+\sum_k^{ }\beta\mathrm{\mathit{_{{k}}}}control_{kjt}+\sum_l^{ }\beta_l[Z_{lj}\times f\left(x\right)]+u_j+v_t+\varepsilon_{jt} $ \end{document}
其中，\begin{document}$ j $\end{document}代表城市，\begin{document}$ t $\end{document}代表时间；\begin{document}$ {E f ficiency}_{jt} $\end{document}为被解释变量，代表城市\begin{document}$ j $\end{document}在\begin{document}$ t $\end{document}年的劳动力配置效率； 6\begin{document}$ {policy}_{jt} $\end{document}为本文核心解释变量，代表城市\begin{document}$ j $\end{document}在\begin{document}$ t $\end{document}年是否实行人才政策，实行年份及往后赋值为1，其余年份赋值为0；\begin{document}$ {control}_{kjt} $\end{document}代表一系列控制变量，\begin{document}$ k $\end{document}代表第\begin{document}$ k $\end{document}个控制变量，包括人均消费支出、人均GDP、交通可达性（公路面积）、高校数量、房价、财政压力（郑威和陆远权，2021）和在岗职工人数等；为了尽可能使模型满足城市颁布人才政策的随机性，本文借鉴毛捷和任占尚（2025）的做法，在模型中引入城市层面变量与时间项的交互项\begin{document}$ {Z}_{lj} \times f\left(x\right) $\end{document}，其中，\begin{document}$ {Z}_{lj} $\end{document}代表第\begin{document}$ l $\end{document}个前定变量，包括可能影响城市颁布人才政策的常住人口总量、地区产业结构和市场化水平；\begin{document}$ f\left(x\right) $\end{document}采用时间虚拟变量\begin{document}$ {\mu }_{t} $\end{document}、时间趋势项\begin{document}$ T $\end{document}和时间趋势多项式\begin{document}$ {T}^{n} $\end{document}三种形式；模型中控制了城市固定效应\begin{document}$ {u}_{j} $\end{document}、时间固定效应\begin{document}$ {v}_{t} $\end{document}；\begin{document}$ {\beta }_{1} $\end{document}为本文重点关注系数，若\begin{document}$ {\beta }_{1}> 0 $\end{document}，则说明人才政策对劳动力配置效率有显著的改善作用。
表2报告了人才政策对城市劳动力配置效率的检验结果，列（1）报告了未加入控制变量的结果。由列（1）回归结果可知，解释变量\begin{document}$ policy $\end{document}系数显著为正，说明人才政策显著改善了城市劳动力配置效率。列（2）、列（3）分别加入可能影响劳动力配置效率的控制变量以及前定变量与年份虚拟变量\begin{document}$ {\mu }_{t} $\end{document}的交互项，其系数依旧显著为正。列（4）同时加入控制变量和前定变量与年份虚拟变量\begin{document}$ {\mu }_{t} $\end{document}的交互项，结果显示政策效果依旧显著。为缓解时间趋势变化对回归结果的影响，列（5）、列（6）分别加入控制变量和前定变量与时间趋势项\begin{document}$ T $\end{document}、\begin{document}$ {T}^{n} $\end{document}的交互项，结果显示系数大小基本不变，且均在5%水平上显著，说明在控制了可能影响劳动力配置效率的因素后，人才政策依旧对劳动力配置效率有明显改善作用，因此回归结果稳健。以列（4）系数为基准结果，人才政策实施将城市内部劳动力配置效率提升约4.03%，这一改善幅度约占样本均值绝对值的13.67%，说明人才政策不仅改变人才流入规模，而且可能通过降低流动摩擦和改善人才与岗位之间的匹配度来缓解城市内部劳动力配置失衡。
| 变量 | 劳动力配置效率 | |||||
|---|---|---|---|---|---|---|
| （1） | （2） | （3） | （4） | （5） | （6） | |
| policy | 0.0482** | 0.0505** | 0.0391** | 0.0403** | 0.0427** | 0.0475** |
| （0.0219） | （0.0221） | （0.0188） | （0.0194） | （0.0193） | （0.0201） | |
| 控制变量 | 控制 | 控制 | 控制 | 控制 | ||
| 前定变量\begin{document}$ \times {\mu }_{t} $\end{document} | 控制 | 控制 | ||||
| 前定变量\begin{document}$ \times T $\end{document} | 控制 | 控制 | ||||
| 前定变量\begin{document}$ \times {T}^{2} $\end{document} | 控制 | |||||
| 前定变量\begin{document}$ \times {T}^{3} $\end{document} | 控制 | |||||
| 城市固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 时间固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | 控制 |
| N | 575 | 575 | 575 | 575 | 575 | 575 |
| 调整R2 | 0.5383 | 0.5742 | 0.5878 | 0.6037 | 0.5995 | 0.5842 |
为验证基准结论的可靠性，本文进行如下检验：第一，为缓解地区发展趋势和不可观测冲击的影响，本文在基准模型基础上加入区域×年份固定效应和省份线性趋势，结果显示回归系数保持稳定。第二，更换核心解释变量和被解释变量。一方面，本文以待遇的数量刻画政策强度，构建强度双重差分；另一方面，本文参考潘士远等（2018）的做法，计算各区县对数剩余工资与城市加权平均对数剩余工资的比值，然后计算区县加权后的标准差。更换测算方法后，结论不变。第三，更换劳动力配置效率的考察维度。本文借鉴彭骏和赵西亮（2025）的思路，使用CHFS数据构造劳动者受教育水平与所在行业典型受教育水平的适配指标，间接衡量劳动力配置效率。结果表明，人才政策显著提高了劳动者受教育水平与行业典型受教育水平的适配度。第四，本文进行平行趋势检验、安慰剂检验和PSM-DID检验，所得结果均证明基本结论的稳健性。第五，为排除其他政策和制度的干扰，本文进一步控制城市落户门槛，并且考虑创业型城市建设的影响，结果显示，本文的核心解释变量的系数基本不变。第六，考虑到相邻城市人才政策可能对本地政策效果产生竞争性影响，本文构造邻市是否出台人才政策和出台人才政策的邻市数量两个变量。结果发现，邻市是否出台人才政策对本地政策效果影响不明显，但出台人才政策的邻市数量越多，本地人才政策的改善效应越弱。这说明地区间人才竞争可能削弱单个城市人才政策的边际效果，因此，地方政府应该结合本地产业基础和岗位需求实施“精准引才”政策，避免同质化政策竞争。
前述结果表明，人才政策能够提升城市劳动力配置效率，但不同城市的初始禀赋和政策细节存在较大差别，上述差异可能会影响人才政策的实际效果。因此，本文进一步从城市特征和政策细节角度考察人才政策的异质性。
第一，从产业背景看，本文以废水排放量衡量城市工业活动强度，并按照初始年份（2010年）中位数将城市划分为工业活动强度较高和工业活动强度较低两组。废水排放量不仅反映城市工业基础和传统产业比重，也在一定程度上体现其产业转型压力。结果显示，人才政策在工业活动强度较高的城市中效果更明显，表明在基础较强、转型需求更大的城市中，高技能劳动力流入更可能通过技术创新和产业升级改善劳动力配置效率。第二，从城市规模看，规模较大的城市通常具有更大的劳动力市场、更丰富的岗位类型和更强的技能互补效应，也更有利于人才与岗位实现有效匹配（蔡庆丰等，2023）。结果显示，人才政策在大城市中显著改善劳动力配置效率，而在小城市中效果不明显，说明城市市场规模和岗位承接能力是人才政策发挥作用的重要条件。第三，从交通可达性看，较高的交通可达性能够降低通勤成本，扩大劳动者可选择岗位范围，能缓解因职住距离过远导致的配置损失（孙伟增和何磊磊，2022）。结果显示，人才政策在交通可达性较高的城市中效果更明显，说明降低城市内部空间摩擦有助于人才政策更好转化为配置效率改善。第四，从财政压力看，地方政府财政水平是影响补贴力度的重要因素，本文发现人才政策在财政压力较小的城市中发挥作用，而在财政压力较大的城市中作用不明显，该结果表明稳定的财政承接能力是人才政策有效实施的重要基础。第五，从落户门槛看，落户门槛较高的城市通常具有更强的就业吸引力和岗位承接能力，因此，人才政策在这类城市中降低制度性流动摩擦的边际作用可能更大。本文发现，人才政策在落户门槛较高的城市中效果较为明显。总体来看，人才政策的效果并非在所有城市中都相同，在产业转型压力大、大城市、交通可达性高、财政实力强的城市中，政策效果更明显，这也表明人才政策的实际效果具有较强的城市条件依赖性。 9因此，人才政策要更好发挥作用不能脱离城市产业基础和要素承接条件，而应该根据本地发展需求和岗位结构情况实施政策。
首先考察政策待遇异质性，本文统计了科研经费、购房补贴、生活补贴、子女入学和人才称号五种类型，探究不同待遇类型产生的效果异质性。由回归结果可知，生活补贴类待遇改善效果最好，而其他类型的补贴效果并不明显。本文认为可能原因如下：与其他类型的条款相比，生活补贴具有覆盖面广、领取限制少等特征，更贴近基础型人才的现实需要，因此更容易形成可识别的政策效果。相比之下，其余待遇条款的系数不显著，可能反映出其覆盖面窄、领取门槛较高等特征。该发现与余明桂等（2024）的研究结论一致，即相较于非货币化福利，货币化福利对人才的激励作用更强。由此也说明，人才政策要更好发挥作用，应更加重视政策工具的可及性、兑现性和与人才现实需求的匹配程度，而不能仅停留在政策条款数量或名义支持力度的扩张上。其次，从学历门槛看，结果显示，设置学历门槛的人才政策对城市劳动力配置效率的改善作用较为显著，但未设置学历门槛的政策效果不明显。该结果可能的原因是：设置学历门槛的人才政策能够为城市引入与本地发展规划和岗位需求更匹配的人才，从而能够更有效改善城市劳动力配置效率。该结果也表明，人才政策的制定应立足本地发展需求和产业结构特征，实行精准化、差异化人才政策，避免以扩大政策覆盖范围替代对人才需求的精准识别。再次，从引进人才类型来看，本文发现，着重引进专家学者和有经验人才的政策对城市劳动力配置效率的改善作用更为显著，而侧重引进基础型人才和应届生的政策效果则不明显。可能的原因在于：专家学者型人才可以通过知识溢出和组织带动效应提升存量劳动力配置效率，有经验人才进入企业后的适应期短，因此更容易在短时间内转化为配置效率的改善。上述结果说明，人才政策要更好发挥配置作用，关键在于充分发挥高层次人才和有经验人才的带动效应，使其通过知识扩散和经验传导进一步提升城市内部劳动力配置效率。从行业指向性来看，本文发现，限制人才引进行业的人才政策效果较为显著，未限制行业的政策则没有明显效果。该结果再次表明，具有明确行业指向的人才政策更有助于提高人才流入与本地产业结构、企业需求和岗位要求之间的匹配程度，从而带来城市内部劳动力配置效率的提升。最后，从就业单位类型来看，结果显示，面向企业引才的人才政策能够将提高城市内部劳动力配置效率约4.58%，而面向公共部门引才和不限制就业单位类型的政策效果则不明显。这说明，企业作为劳动力市场需求的重要主体，能够通过市场化岗位匹配来吸纳和使用高技能劳动力。这表明，人才政策能否有效发挥配置改善作用，关键在于流入人才能否进入具有真实用工需求和岗位承接能力的部门。
人才政策改善高技能劳动力配置，关键在于同时促进人才流入和岗位匹配两个环节。一方面，人才政策通过科研经费、工资补贴、子女入学等货币化与非货币化支持，提高高技能劳动力流入本地的预期净收益；另一方面，人才政策通过企业人才补贴、雇佣成本补偿和税收优惠等方式增强企业引才用才激励，引导人才进入更能发挥其比较优势的企业和岗位，从而促进高技能劳动力与本地岗位需求有效匹配。因此，本文分别检验人才政策对高技能劳动力流入和就业去向的影响。本文借鉴孙伟增等（2019）的研究，采用条件logit模型考察城市人才政策是否提高人才流入本市的概率。结合数据可得性和基准回归样本期间范围，利用2011—2017年流动人口动态监测调查数据（CMDS）构建城市备选集进行检验。 10从表3的回归结果看到，人才政策显著提升了人才流入本地的概率，这意味着在城市实行人才政策后，人才流入本地的概率提升了大约3.53%。说明人才政策可以通过提高流入收益、降低迁移成本来有效扩大城市高技能劳动力的供给。
| 变量 | 人才选址 | |||
|---|---|---|---|---|
| （1） | （2） | （3） | （4） | |
| policy | 0.3798*** | 0.1686*** | 0.0920*** | 0.0353** |
| （0.0437） | （0.0449） | （0.0099） | （0.0147） | |
| 控制变量 | 控制 | 控制 | ||
| N | 151150 | 151150 | 151150 | 151150 |
| 伪R2 | 0.0018 | 0.0394 | ||
表3证明了人才政策对人才有显著吸引力，但人才的流入能否转化为配置效率的改善还取决于人才在何种类型的岗位就业。相比较而言，以企业为代表的私人部门比以政府为代表的公共部门具有更高的生产率和创新需求，因此当高技能劳动力流向企业时，更能带来配置效率的改善。因此，本文以企业中高学历人才占比来检验流入的人才是否在创新能力和生产率更高的企业就业。 11表4的回归结果显示，人才政策将企业中的高学历人才占比提高了6.47%，对企业劳动力结构有较为明显的改善作用。该结果表明，人才政策在促进人才跨区域流动的同时，也推动人才向更能发挥其比较优势、创新能力的部门配置，从而促进城市劳动力配置效率提升。
| 变量 | 高学历人才占比 | |
|---|---|---|
| （1） | （2） | |
| policy | 0.0683** | 0.0647** |
| （0.0270） | （0.0259） | |
| 控制变量 | 控制 | |
| 企业固定效应 | 控制 | 控制 |
| 时间固定效应 | 控制 | 控制 |
| N | 17711 | 17711 |
| 调整R2 | 0.8900 | 0.8909 |
在表4的基础上，表5进一步区分企业类型，检验人才主要流向何种类型的企业。本文参考尹美群等（2018）的研究，将企业分为劳动密集型、资本密集型、技术密集型三类。从表5报告的结果来看，相比于劳动密集型和资本密集型企业，技术密集型企业在人才政策实施后，其人才占比上升7.66%，说明流入的人才主要流向技术含量更高、对高技能劳动力需求更强的企业，该结果为高技能劳动力配置效率的改善提供了更直接的经验证据。
| 变量 | （1） | （2） | （3） |
|---|---|---|---|
| 劳动密集型企业 | 资本密集型企业 | 技术密集型企业 | |
| policy | 0.0475 | 0.0379 | 0.0766** |
| （0.0439） | （0.0312） | （0.0253） | |
| 控制变量 | 控制 | 控制 | 控制 |
| 企业固定效应 | 控制 | 控制 | 控制 |
| 时间固定效应 | 控制 | 控制 | 控制 |
| N | 4484 | 4802 | 8317 |
| 调整R2 | 0.8805 | 0.8855 | 0.9202 |
前述分析表明，人才政策能够改善高技能劳动力配置。根据技能互补理论，高技能劳动力集聚可能间接影响低技能劳动力的流入和就业去向。因此，本文从低技能岗位需求扩张、低技能劳动力流入和低技能行业配置三个角度检验人才政策对低技能劳动力的就业外溢效应。具体而言，本文借鉴Autor和Dorn（2013）、Moretti和Wilson（2014）的研究，将批发和零售业、住宿和餐饮业、居民服务、修理和其他服务业等岗位定义为低技能岗位，以其就业人数作为岗位需求扩张的代理变量，检验人才政策是否扩大了城市对低技能岗位的需求。本文使用CMDS数据，检验人才政策是否促进更多低技能劳动力流入。 12本文利用就业数据，将商业、服务业、餐饮、仓储运输、装修等行业定义为低技能要求行业，识别人才政策是否提高了低技能劳动力进入低技能要求行业的概率。根据表6的回归结果，人才政策显著提高低技能劳动力进入低技能行业就业的概率。上述结果说明，人才政策在吸引高技能劳动力集聚的同时，也通过技能互补效应提升了城市对低技能劳动力的吸纳能力，并促进低技能劳动力进入与其技能水平相匹配的行业。
| 变量 | （1） | （2） | （3） | （4） | （5） | （6） |
|---|---|---|---|---|---|---|
| 低技能岗位扩张 | 低技能岗位扩张 | 低技能劳动力流入数量 | 低技能劳动力流入数量 | 从事低技术含量行业 | 从事低技术含量行业 | |
| policy | 0.0547** | 0.0497** | 0.1341** | 0.1274** | 0.2281** | 0.1716** |
| （0.0246） | （0.0236） | （0.0525） | （0.0544） | （0.0779） | （0.0594） | |
| 控制变量 | 控制 | 控制 | 控制 | |||
| 城市固定效应 | 控制 | 控制 | 控制 | 控制 | ||
| 时间固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 | |
| N | 2552 | 2552 | 1627 | 1627 | 466949 | 466949 |
| 调整R2 /伪R2 | 0.8841 | 0.8863 | 0.8896 | 0.8917 | 0.0013 | 0.0351 |
本文检验人才政策对社会分工水平的影响。参考Duncan和Duncan（1955）、Frenken等（2007）的做法，本文通过计算技能与行业分离度和行业结构熵来衡量社会分工水平。技能与行业分离度指数越高，说明不同技能劳动力在行业之间的配置边界越清晰。行业结构熵越高，表明行业分工越细化，社会分工水平越高。表7报告了人才政策对社会分工的影响。由表7可知，人才政策显著提高了城市内技能与行业分离度和行业结构熵，表明在人才政策实施后，城市内行业结构更加丰富和多元化，社会分工进一步细化。由上述结果可知，人才政策导致的高技能劳动力集聚并非简单增加低技能劳动力供给，而是通过强化技能排序、推动岗位重配和促进分工细化，重塑城市内部行业结构和技能分工格局，从而成为人才政策改善城市劳动力配置效率的重要机制。 13
| 变量 | （1） | （2） | （3） | （4） |
|---|---|---|---|---|
| 技能与行业分离度 | 技能与行业分离度 | 行业结构熵 | 行业结构熵 | |
| policy | 0.1194** | 0.1095* | 0.1095*** | 0.0939** |
| （0.0496） | （0.0572） | （0.0295） | （0.0339） | |
| 控制变量 | 控制 | 控制 | ||
| 城市固定效应 | 控制 | 控制 | 控制 | 控制 |
| 时间固定效应 | 控制 | 控制 | 控制 | 控制 |
| N | 540 | 540 | 540 | 540 |
| 调整R2 | 0.5263 | 0.5476 | 0.7732 | 0.7794 |
本文研究发现，人才政策使企业的人才占比显著上升，那么，流入企业的人才给企业带来了什么？人才配置与经济增长理论的代表学者Baumol（1990）提出，人才配置方向比人才总量更重要，人才流向生产性领域可以推动技术进步和生产率提升。基于上述理论判断，本文进一步用上市公司全要素生产率识别人才政策在企业层面带来的经济后果。 14回归结果显示，人才政策显著提升了企业的全要素生产率。该结果表明，人才政策对高技能劳动力配置的改善显著转化为企业层面生产率的提升。
本文以城市GDP增长率作为经济增长的代理变量，识别劳动力配置效率改善后城市GDP增长率有何变化。回归结果显示，人才政策实施显著提升了城市GDP增长率，说明人才政策不仅在微观层面促进了企业生产率提升，也在宏观层面转化为更快的经济增长。将这一结果与前文机制分析结合可知，人才政策通过促进高技能劳动力向生产率更高的部门配置、推动低技能劳动力向与其技能结构相匹配的岗位流动，带来社会分工水平的深化，最终改善了城市劳动力配置效率。
党的二十大报告明确指出，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。党的二十届四中全会进一步强调，要统筹教育强国、科技强国、人才强国建设。由此可见，人才政策的功能定位已从扩大人才流入规模转向更加重视高质量引才和人才资源的高效配置。基于此，本文利用手工整理的地级市2009—2019年人才政策数据，系统识别人才政策对城市劳动力配置效率的影响及其作用机制。研究发现：第一，人才政策显著提高了城市劳动力配置效率；第二，政策效果显著依赖于城市特征和具体的政策方案；第三，人才政策通过吸引高技能劳动力流入、促进流入人才和企业需求有效对接来改善城市内部高技能劳动力配置，而高技能劳动力集聚还通过技能互补渠道对低技能劳动力产生就业外溢效应，进而促进不同技能劳动力进入与自身技能水平相适应的岗位，带动社会分工水平提升，改善城市整体劳动力配置效率；第四，人才政策不仅改善劳动力配置效率，而且进一步提高企业全要素生产率，并推动城市经济高质量增长。
本文研究表明，人才政策的关键作用不仅是增加人才数量，更重要的是优化人才配置方向、改善不同技能劳动力的匹配状态和深化社会分工，提高城市整体资源配置效率，并进一步转化为企业生产率提升和经济高质量增长。结合本文所得结论和人才政策导向，本文得到如下政策启示：第一，地方人才政策的评价标准应从引进人才数量向人才配置效率方向转变。不应只关注引进多少人才，还应关注人才是否进入能够发挥其比较优势的行业、企业和岗位以及是否通过高低技能劳动力协同配置提升城市整体资源配置效率。第二，人才政策应更加突出“精准引才”导向，强化与本地产业需求和发展阶段的匹配。地方政府应围绕本地主导产业和重点发展行业的需求配置人才资源，合理设置学历门槛、专业方向、人才层次和就业去向，避免同质化竞争。第三，人才政策应从单一补贴模式转向教育、科技、人才协同推进的模式。因此，地方人才政策应该同时围绕企业创新需求、技术升级和产业链关键环节进行设计，统筹衔接本地高校人才培养、企业创新需求、产业链布局和技术升级，推进人才链、创新链和产业链有效融合。第四，人才政策应该从“引、育、留、用”四个方面协同发力，并建立健全制度安排。未来地方政府应重视本地人才培养体系建设、职业发展通道完善和人才使用机制改革。第五，国家层面应加强人才政策统筹。应在国家层面进一步完善人才发展规划和区域协调机制，将人才政策纳入区域协调发展和现代化产业布局之中，推动人才流动与产业布局和区域功能定位相匹配，在提高人才配置效率的同时，兼顾区域发展的均衡性和协调性。