物联网产业集群的人力资本效率分解——对广州经济技术开发区11家企业2008-2015年间的跟踪调研

一 引言与文献综述

物联网是新一代信息技术的高度集成和综合运用,对新一轮产业变革具有重要意义。2009年我国将物联网产业列入五大战略性新兴产业之一。目前，全国物联网产业空间分布已初步形成分别以北京-天津、 上海-无锡、深圳-广州、重庆-成都为核心的环渤海、长三角、珠三角、西部地区等四大区域集聚发展的格局(王思博，2017)[1]。《信息通信行业发展规划物联网分册(2016-2020 年)》指出,近年来我国物联网产业规模高速增长,2015 年底已达 7500亿元,“十二五”期间年均复合增长率达到25%。“十三五”时期我国物联网产业规模将突破1.5万亿的发展目标,打造10个具有特色的产业集聚区,并制定了“加强产业链配套协作”等重点任务。因而,从产业集群及产业链协同的视角来探讨我国物联网产业发展十分有必要。

产业集群是一种位于特定地理区位的中间组织,由众多成员在相互分工的条件下,通过竞合关系,建立以投入产出为基础的经济技术联系(姜明辉和贾晓辉，2013)[2]。产业链纵向协同表现为产业链上下游环节及其各环节下企业间的契合与协同。一个布局合理、各环节协同且均充分发挥作用的产业链能使整个产业获取更大的经济、生态及社会效益。物联网产业集群属于高新技术产业集群,主体功能是协同创新,协同创新过程中的一大难点在于产业链的纵向协同 (Carbonara，2004[3]；万幼清和王云云，2014[4]；王明辉和陈扬，2015[5]；王艳和纪志成，2013[6]) 。人力资本对高新技术产业集群的产业链协同创新具有关键性影响 (Lin et al., 2006[7]；郑季良等,2012[8]；万幼清等，2015[9])。从产业链纵向协同视角研究人力资本效率的文献较少,主要是定性研究,有一个较为一致的结论：高新技术产业集群产业链纵向协同中的人力资本效率低下,主因是人力资本在集群产业链上的时空协同性不足 (Lin et al., 2006[7]；郑季良等,2012[8]；万幼清等，2015[9]；王俊倩和卢星名，2014[10])。郑季良等(2012)[8]认为人力资本效率低下的主要原因是人力资本投入在时间上的协同性不足,具体表现在产业链上下游各企业间的科研人员和技术人才的培养未能在时间规划上共享信息及彼此协调；万幼清等(2015)[9]从风险管理角度研究了人力资本空间协同这一难题,认为在投入过程中,人力等投入要素的质量、数量及投入关系会导致集群的空间结构风险；王俊倩和卢星名(2014)[10]认为,集群内上下游企业间最难的是将人力等资源进行时空协同,致使产业集群的系统性和完整性难以体现,最终导致协同效率低下。上述人力资本在高新技术集群产业链上时空协同性不足的观点提出,为研究及优化物联网产业集群产业链纵向协同提供了新的突破口。

广州经济开发区的物联网产业始于2006年,经过十余年的发展,初具集群式产业链组织形态。广州市作为物联网区域集聚发展的四大空间之一,以其为例研究物联网集群人力资本效率各环节纵向协同情况及其背后原因,揭示产业提升机理具有典型的示范意义；对促进我国物联网产业发展也有实践参考价值。本文以人力资本为切入点,以提升产业集群的纵向协同效率为目标,从产业链时空协同视角评价广州经济开发区物联网产业集群的人力资本效率，研究提升路径。具体的,本文基于产业链纵向视角,将物联网产业链划分为感知、传输和应用三环节。采用典型相关分析法(CCA)，测算物联网产业集群的人力资本综合效率、存量效率和再生量效率。协同性评价主要从人力资本综合效率和“存量-再生量”矩阵效率两个层面展开,从2008-2015年纵向展开时序协同性评价,从感知、传输和应用纵向三环节展开空间协同性评价,从而综合实现对物联网集群人力资本效率的时空协同性评价。另外,结合投入产出典型化相关分析和边际产出弹性分析,探寻感知、传输和应用三环节时空协同与否的背后原因。

二 研究设计

(一)研究方法

数据包络分析(DEA)和随机前沿(SFA)这较为常用的投入产出评价方法主要有两大类：两类方法对投入产出效率评价各有优劣。DEA方法可以根据多项投入指标和多项产出指标进行效率评价,但对变量选取和数据要求较为苛刻,同时也不具备统计特征,难以对评价模型本身进行检验(张华胜和薛澜，2003)[11]。SFA方法需要假定生产函数方可进行效率评价,且仅局限于评价单产出的效率(史君卿等，2008)[12],不适合进行产业集群人力资本多投入多产出效率的评价。同时，上述两种方法都不能进行产业链不同环节间效率的横向比较。基于CCA技术的典型相关分析法,可以允许生产函数单位不同、多输入和多输出,且可以对其本身进行检验,可靠性较高,因此本文选择使用典型相关分析方法评价人力资本投入产出效率。该方法的主要思想是在两组变量里挑选部分有代表性的变量,对两组变量分别组成总指标,用这两个总指标之间的相关关系来表示原来这两组变量之间的相关关系,以此合理简化有较多复杂相关关系的两组变量。

本文采用最基本的线性形式来研究两组变量间的关系。假设有两组变量,其中第一组是s个输入指标,第二组是t个输出指标,共有n个样本,即：X=(xi1,xi2, …,xis),Y=(yi1,yi2, …,yit),i=1, 2, …,n。于是,假设向量α=(a1,a2, …,as),β=(b1,b2, …,bs),考虑这样一个线性组合：

(1)

存在使得U和V的相关系数R达到最大的α及β：

(2)

在此基础上,达到最大典型相关系数时,取变量对输入输出指标的载荷为权重,构造出输入总指标U和输出总指标V之间的效率模型为：

(3)

由式(3)可以计算投入与产出之间的效率值Ei,且可以进行评价以及用来比较各样本之间的效率高低。

根据Cobb-Douglas生产函数形式,定义一个多投入多产出生产函数模型：

y1b1…ytbt=x1a1…xsaseε

(4)

其中,eε为随机误差项。

对上述生产函数两边同时取对数,有：

(5)

根据Ruggiero(1998)[13]、Gyimah和Gyapong(1991)[14]的研究,可以得到输入与输出之间的边际弹性关系为：

(6)

依据式(6)计算的结果可进行投入产出的边际弹性分析。

另外,考虑到变量的数量级差异较大以及数据处理的方便,本文用下列公式对数据进行标准化处理：

其中xmax、xmin∈{xij|j=1, 2, …,s}。对于y同样处理。

(二)指标体系设计

人力资本主要源自教育、培训 、工作的变动和人口迁移等(李海峥等，2010)[15]。关于人力资本的度量方法主要有劳动者报酬法、学历指数法、技术等级或职称等级法、教育经费法、人才与非技术劳动的分解法和受教育年限法(王金营,2001)[16]。多数实证研究发现,人力资本存量在经济增长中扮演着重要的角色(钱晓烨等，2010)[17]。Gemmell(1996)[18]经研究更是发现了人力资本的存量和增量对经济增长都有作用。借鉴上述思想,本文将人力资本划分为人力资本存量和人力资本再生量两个维度。这种划分方式,进一步细分了人力资本投入的时段,有利于更加细腻且多时段的审视人力资本投入产出效率问题,可促进产业链各环节在人力资本投入上的进一步时序协同。人力资本存量按人才分解法细分为技术人才、技能人才和管理人才三类存量。人力资本再生量主要是指技术和技能人才经教育、培训和研发投资等获得的人力资本增值量,可按再生途径细分为岗位技能培训、集群内协同创新交流培训和经R&D投入形成的三类再生量。其中,集群内协同创新交流培训指标提出的依据是,在高新技术产业集群中,由于地理邻近性与组织接近性,各企业之间会形成较强的社会网络关系,嵌入在这种社会网络关系中的便有企业间的知识流动和一定程度的知识共享, 通过促进集群中知识的流动与吸收,进而提高企业创新绩效(Meagher和Rogers，2004[19]；朱秀梅，2008[20])。经实地调研发现,广州经济开发区物联网产业源于地缘关系聚集及核心企业推动,每年存在着一定量的各种形式的协同创新交流培训。综上,将人力资本效率的输入指标设定为人力资本存量投入(技术人才投入量、技能人才投入量和管理人才投入量)和人力资本再生量投入(岗位技能培训总量、集群内协同创新交流培训总量和R&D投入总量)。人力资本效率输出指标则从符合价值链的契合式价值创新和整体式价值创新的要求去设定(王瑜和任浩，2014)[21],具体包含年度销售总收入和年度专利获批数两项指标。物联网集群人力资本效率输入和输出评价指标体系及相关指标具体说明见表1。

表1 物联网产业集群人力资本效率输入和输出评价指标体系及具体说明

在上述基础上,借鉴迟国泰等(2006)[22]的研究思路进行三种输入输出指标的组合,拟分别测算人力资本综合效率、人力资本存量效率和人力资本再生量效率,以便能够多角度考察物联网产业集群的人力资本效率水平。三种输入输出指标的组合见表2。

表2 物联网集群人力资本效率三种输入输出指标的组合

(三)研究样本与数据说明

广州市的物联网企业重点聚集在广州黄埔国家级经济技术开发区,呈现产业集群发展态势。物联网从产业链纵向上可分为感知、传输和应用三个环节。广州经济技术开发区的物联网产业集群内具有紧密上下游业务合作关系的共有11家企业,感知、传输和应用三个环节各拥有2家、2家和7家企业。产业链三个环节及各环节下属企业情况如图1所示。

图1 广州经济技术开发区物联网集群产业链三环节及各环节下属企业

鉴于上述11家企业完全落户经济技术开发区的起始时间是2008年,兼顾被调研企业对最新信息数据的披露意愿,重点收集统计了2008-2015年间各项指标的信息数据。

三 实证结果及分析

(一)实证结果

1.典型相关检验及典型变量表达式构建

首先,利用SPSS19.0软件中附带的宏命令对收集的样本数据进行处理,通过运算得到物联网产业集群及三个环节中投入产出两组变量间的典型相关系数、特征值以及显著性检验的统计指标值,如表3所示。从表3可以看出,物联网产业集群中两对典型变量都具有较强的相关性,其典型相关系数分别为1和0.961。对物联网产业集群整体典型相关模型进行检验,从输出结果来看,只有第1对典型变量通过了显著性检验(Sig<0.01),因此对物联网产业集群分析只采用第1对典型变量。

表3 典型相关系数及其显著性检验

表3也显示,在感知环节的第1对典型变量U1与V1和第2对典型变量U2与V2中,只有第1对典型变量通过了显著性检验(Sig<0.01),具有相关性。而第2对变量未能通过显著性检验,据此判断第2对典型变量之间不存在典型相关关系。对第一典则模型进行检验,其Wilk’s Lambda值为0.000,且显著性约为0.000,因此可以认为其是显著的,相关系数为1说明物联网产业集群感知环节中的人力资本在投入与产出之间存在较强的典型相关性。同样,物联网产业集群传输环节和应用环节在0.01的显著性水平下也只有第1对典型变量通过了统计显著性检验(Sig<0.01),且这两个环节的典型相关系数也都为1。因此,对物联网产业集群感知环节、传输环节和应用环节的人力资本投入与产出的三组向量相关关系的研究可以转化为对每一环节中的第1对典型变量相关关系的研究。

通过典型相关分析,计算出典型变量对的标准化系数,结果如表4所示。表4给出了物联网产业集群整体及各环节的人力资本投入xk与人力资本产出yj的标准化系数。

表4 典型变量与各变量组中每个变量的典型系数

(续上表)

集群及环节投入变量标准化系数产出变量标准化系数传输环节x10.516y1-0.294x2-0.330y2-0.803x3-0.466x4-0.054x5-0.654x60.073应用环节x11.896y1-0.244x2-4.429y2-0.774x3-3.209x4-1.862x5-0.410x63.249

根据表4的计算结果,可以构造出典型变量的表达式如下。

代表物联网产业集群人力资本投入的第一典型变量U0的表达式为：

U0=0.134x1-0.118x2-1.008x3+0.503x4-0.507x5+0.072x6

(7)

代表物联网产业集群人力资本产出的第一典型变量V0的表达式为：

V0=-0.255y1-0.757y2

(8)

代表物联网产业集群感知环节中人力资本投入的第一典型变量U1的表达式为：

U1=-2.406x1+10.164x2-7.178x3+0.303x4-0.596x5-1.303x6

(9)

代表物联网产业集群感知环节中人力资本产出的第一典型变量V1的表达式为：

V1=-0.833y1-0.326y2

(10)

代表物联网产业集群传输环节中人力资本投入的第一典型变量U2的表达式为：

U2=0.516x1-0.33x2-0.466x3-0.054x4-0.654x5+0.073x6

(11)

代表物联网产业集群传输环节中人力资本产出的第一典型变量V2的表达式为：

V2=-0.294y1-0.803y2

(12)

代表物联网产业集群应用环节中人力资本投入的第一典型变量U3的表达式为：

U3=1.896x1-4.429x2-3.209x3-1.862x4-0.41x5+3.249x6

(13)

代表物联网产业集群应用环节中人力资本产出的第一典型变量V3的表达式为：

V3=-0.244y1-0.774y2

(14)

2.人力资本综合效率值计算结果

应用人力资本效率计算公式(3)和典型变量表达式(7)-(14)可计算2008-2015年间广州市物联网产业集群及三环节人力资本投入与产出的综合效率值,结果如表5所示。

表5 物联网产业集群整体及三环节人力资本综合效率值

3.人力资本存量效率值和再生量效率值计算结果

同理,可计算出2008-2015年间广州市物联网产业集群三环节的人力资本存量效率值和人力资本再生量效率值,结果如表6所示。

表6 三环节人力资本存量效率和再生量效率

4.人力资本边际产出弹性计算结果

为了探明人力资本投入产出效率高低的原因,依据边际弹性公式(6)计算出物联网产业集群三环节人力资本各投入要素的边际产出弹性,结果如表7所示。

表7 三环节人力资本边际产出弹性的计算结果

(续上表)

环节变量x1x2x3x4x5x6传输环节y1-0.5670.8910.6315.4440.450-4.027y2-1.5562.4331.72314.8701.228-11.000应用环节y1-0.1290.0550.076-0.1310.595-0.075y2-0.4080.1750.241-0.4161.888-0.238

(二)人力资本综合效率及环节间协同性分析

依据表5绘制2008-2015年间广州市物联网产业集群整体及三环节的人力资本综合效率趋势图,如图2所示。先从产业链的整体时序走势来看,8年间广州市物联网产业集群整体及三环节的人力资本综合效率都呈现上升的态势,三环节中的传输和应用两环节趋势基本保持一致,协同性较好。具体来看,物联网产业集群整体的人力资本综合效率在2008年最低,为0.34,而后逐年提高,至2015年达到最大值,为0.64。8年间三个环节的人力资本综合效率值处于0.1-0.6范围之间,2008-2011年间三个环节的人力资本综合效率都在持续增长,2012年应用环节和2013年感知环节经历了短暂的回落。据实地调研获悉,短暂回落缘于2012年中央政府提出的经济降速提质(中国政府网，2012)[23],广州经济开发区贯彻实施新政,要求物联网行业企业提质增效。这对区内物联网行业企业发展节奏产生了一定影响,但影响时间短且影响程度小。再加之物联网产业依托互联网得到支撑性发展,自2014年起三个环节的人力资本综合效率即呈现回升态势。另从调研数据来看,11家企业在2008-2015年间的人力资本各项投入总量大体上都呈现出不断增加的发展趋势。再从8年间人力资本产出总量来看,尤其是年度销售总收入指标,各个企业年度销售总收入逐年增长幅度相对较大,具体到感知、传输和应用三环节也均符合以上特征,这也是支撑物联网产业集群和三环节的综合人力资本效率持续走高的主要原因。

再从产业链三环节的协同性来看,如图2所示,2013-2015年感知、传输和应用三环节人力资本综合效率在持续走高态势上基本保持一致,且三环节人力资本综合效率值的差距亦有逐渐收窄趋势,协同性持续增强。具体来看,8年间传输环节的人力资本综合效率远远高于应用环节和感知环节,感知环节的人力资本综合效率在三环节中最低。下面结合具体调研数据分析三环节人力资本综合效率高低的缘由以及存在的一些问题。2008-2015年间感知环节在技术人才、技能人才和管理人才的投入总量均值分别为21人、16人和9人,传输环节均值分别为1652人、639人和439人,而应用环节均值分别为167人、68人和80人。比较可看出,人力资本上的高投入支撑了传输环节人力资本综合效率在三环节中最好。但背后的问题是,结合人力资本边际产出弹性计算结果来看,技术人才总量投入的作用并不显著。即便传输环节各企业在发展中注重技术人才的投入,但由于物联网产业在技术、标准、产品以及市场上均不成熟(刘勇燕和郭丽峰，2012)[24],致使技术人才未能发挥出本应有的效率水平。值得肯定的是,8年内集群内协同创新交流培训投入均值的最小值为1124天·人/年,最大值高达为1795天·人/年,反映出传输环节经常举办产学研互动交流会、行业技术研讨会、协同创新交流培训会、高峰论坛等,并利用共享平台共同实现专利获批数和销售总收入增加,这也进一步验证了集群内的知识分享与流动更有利企业创新的结论(魏江和徐蕾，2014[25]；Rui和Swann，1998[26]；李浩，2012[27]；Andac，2009[28])。在物联网应用环节中,2008-2015年间专利获批数的均值呈现出稳步递增发展趋势。结合人力资本边际产出弹性计算结果来看,应用环节中企业增加对技能人才总量的投入更能够使企业专利获批数增加,而加大R&D投入总量对于增加企业专利获批数的效果并不理想。再从实际调研数据来看,8年间应用环节的技能人才投入和R&D投入总量均值都表现出不断增加的变化态势,值得注意的是,技能人才投入增加量并不是很大,相应的企业专利获批数增加幅度也不是很大,R&D投入增加量却逐年大幅度提高,这显示出技能人才投入增加量与企业专利获批数增加的幅度相匹配,而R&D 投入增加量与企业专利获批数增加幅度不成比例。从理论上来说,技术创新和专利发明离不开R&D投入(王铮等，2018)[29],相比于技能人才投入来说,R&D投入应更能催生出专利技术发明,但广州物联网产业应用环节未能将R&D投入发挥出应有的产出效应。另外,从实地调研获悉,应用环节各企业每年获批的专利大部分属于实用新型,而发明专利则较少,这或许与 R&D投入作用发挥不明显却较为重视岗位技能培训有关。最后结合人力资本边际产出弹性计算结果,感知环节中管理人才总量的投入对于提高年度销售总收入的作用较为显著,而技能人才总量的投入对于提高年度销售总收入的作用不明显。感知环节更多依赖于管理人才的作用发挥,这一点由实地调研的数据可以印证,2008-2015年间感知环节管理人才的投入总量均值不断增加，表明感知环节仍处于管理效能发挥阶段,而技术人才的作用发挥尚有较大的提升空间。

综合来看,2008-2015年间广州市物联网产业集群整体及三环节的人力资本综合效率都呈现上升态势,三环节人力资本综合效率呈现出较高的协同特征,且三环节人力资本综合效率值的差距亦有逐渐收缩趋势。在三环节中,传输环节的人力资本综合效率虽高,但更多是依靠集群内协同创新交流培训效应,尚未能发挥出技术人才应有的人力资本价值和作用。应用环节人力资本综合效率较高,更多依靠技能人才总量的投入,而加大R&D投入对于提高其人力资本综合效率的作用不明显。感知环节的人力资本综合效率最低,较大程度上依赖管理人才总量的投入,说明该环节的发展仍处于依靠管理能力提高人力资本效率水平的阶段。

图2 物联网产业集群及各环节人力资本综合效率走势

(三)人力资本存量效率、再生量效率及环节间协同性分析

为了既展现人力资本存量效率和再生量效率单个演变态势,又辨析人力资本存量效率和再生量效率的联动发展趋势,构建了“人力资本存量-人力资本再生量”效率矩阵。矩阵共分为四个效率区域,如图3所示。

图3 “人力资本存量-人力资本再生量”效率矩阵

依据表6的计算结果,分别采用三环节人力资本存量效率平均值0.56和人力资本再生量效率平均值0.64作为分界值来划分区域。将2008-2015年间广州市物联网产业集群三环节人力资本存量效率和人力资本再生量效率分别置放在矩阵图中,图中虚线箭头表示人力资本存量效率和人力资本再生量效率逐年走向,三环节存量和再生量效率2008-2015年间具体分布及走势情况如图4所示。

图4 三环节“人力资本存量-人力资本再生量”效率矩阵

先从时序走势来看,8年间广州市物联网产业集群三环节的人力资本存量效率和再生量效率都呈现上升态势。具体来看,传输环节2008年处于“低存量-高再生量”效率区,而其他两环节均处在“双低”效率区。此后,传输环节从C区(“低存量-高再生量”效率区)升至D区(“双高”效率区),应用和感知两环节走向趋势基本保持一致,均从A区(“双低”效率区)经B区(“高存量-低再生量”效率区),最终升至D区(“双高”效率区)。随着近些年掀起的物联网快速发展浪潮,广州经济技术开发区物联网产业自始创以来,在政府相关政策的大力扶持下,保持了持续发展劲头,规模也在不断扩大。据调研所知,物联网产业集群下各企业目前正处于快速发展期,不断加大投入,总体产出效应持续走高。这也是物联网产业各环节的人力资本存量和人力资本再生量在投入上持续增加的现实原因,进而也推进了人力资本存量效率和人力资本再生量效率的提高,最终使三环节在“人力资本存量-人力资本再生量”效率矩阵中的走向趋势基本保持一致,并都朝向“双高”效率区逐步迈进。

再从产业链三环节的协同性来看,如图4所示,2014及2015年感知、传输和应用三环节人力资本存量效率和再生量效率都步入了“双高”区域,呈现出基本协同特征。但传输环节的人力资本存量效率和再生量效率远远高于应用环节和感知环节,感知环节的两方面效率在三环节中最低。进一步结合调研数据进行分析,8年来传输环节对技能人才、管理人才、岗位技能培训和集群内协同创新交流培训的总量投入均值分别高达639人、439人、6329天·人/年和1538天·人/年,而感知环节四项指标投入均值分别为16人、9人、98天·人/年和64天·人/年,应用环节分别为68人、80人、2018天·人/年和1159天·人/年,以上数据显示出8年中传输环节较为重视对人力资本存量和人力资本再生量的投入,边际产出弹性为正的各项指标投入总量均值都远高于应用环节和感知环节,这也是传输环节人力资本存量效率和再生量效率高于应用环节和感知环节的原因所在。但传输环节也存在问题,加大技术人才投入和R&D投入总量对于提高人力资本存量效率和再生量效率的作用却并不十分明显。理论上，对于具有高新技术特性的物联网传输环节,技术人才和R&D投入应更加有利于促进技术创新和增加企业收入。但实际上,由于传输环节自身发展条件不成熟和技术研发能力不足,对技术人才和R&D 过多投入会造成资源浪费,导致投入产出效率的降低。感知环节依赖于技术研发和创新,对技术人才、集群内协同创新交流培训和R&D进行大量投入是该环节发展的主攻方向,而同时应对技能人才和岗位技能培训投入要素实现优化组合,提高感知环节的人力资本存量效率和再生量效率。而逐年增加应用环节的技术人才、岗位技能培训和R&D投入并未带来更高的产出效益,具有过度投入之嫌。

综合来看,2008-2015年间广州市物联网产业集群三环节的人力资本存量效率和再生量效率都呈现上升态势。2014及2015年感知、传输和应用三环节人力资本存量效率和再生量效率都步入了“双高”区域,呈现出基本协同特征。从相同点来看,三环节的集群内协同创新交流培训投入都产生了积极的正向产出效应。从不同点来看,三环节中传输环节的人力资本存量效率及再生量效率最高,更多依赖技能人才和岗位技能培训投入,尚未能很好发挥技术人才和R&D投入的价值与作用。应用环节的人力资本存量效率及再生量效率较高,更多依赖集群内协同创新交流培训投入,尚未能很好发挥技术人才、岗位技能培训和R&D投入的价值与作用。感知环节的人力资本存量效率及再生量效率最低,更多依赖集群内协同创新交流培训和R&D投入,未能很好发挥技能人才和岗位技能培训投入的价值与作用。

四 结论与建议

物联网产业持续健康发展对我国新一轮产业变革具有重要战略意义。本文以人力资本为切入点,以提升产业集群的纵向协同效率为目标,采用典型相关分析法,将物联网产业集群从产业链纵向划分出感知、传输和应用三个环节,从时序协同和空间协同两个维度分析评价了广州经济技术开发区物联网集群三环节间的人力资本综合效率、存量效率和再生量效率的协同情况。结果表明,2008-2015年间三环节的人力资本综合效率、人力资本存量效率和再生量效率都呈现上升态势,三环节人力资本效率的时序走势协同性较好。其中,2013-2015年感知、传输和应用三环节人力资本综合效率呈现出较高的协同特征,且三环节间人力资本综合效率值的差距有逐渐收缩趋势。2014及2015年感知、传输和应用三环节人力资本存量效率和再生量效率都步入了“双高”区域,呈现出基本协同特征。还有,三环节的集群内协同创新交流培训投入和管理人才投入对人力资本存量效率和再生量效率都产生了积极的正向产出效应。不足方面：从人力资本综合效率、存量效率和再生量效率来看,近年来三环节的发展虽然呈现出了愈加协同性,但三环节间人力资本投入产出效率的差异性较大,效率最高的传输环节与效率最低的感知环节间的人力资本投入产出水平还有较大差距。另从投入产出的边际弹性来看,物联网作为高新技术产业,未能有效发挥技术人才人力资本效率,具体表现为技术人才投入产出弹性在传输和应用两环节都为负。此外,R&D投入产出效率不高,R&D投入只有在感知环节产生了正向产出效应,而在其他两个环节都为负向产出。

对上述结论的进一步解释：(1)广州经济开发区物联网产业经历了企业谋求“自身建设”转向“协同合作”的发展阶段。通过检索文献可知,我国理论界对物联网概念的热议始于2009年,实践中我国物联网产业也是始于此时。物联网企业经历了五年左右的自身能力建设期,才有精力和动力谋求产业链上下游对接和主动参与物联网产业技术标准制定与执行等群体性行为(王艳和纪志成，2013)[6]。所以,2008-2012年间广州经济开发区物联网集群产业链三环节间的人力资本效率协同性不高,而近三年来的协同性却有较为明显的提升,十分符合我国物联网产业的整体发展规律。(2)广州经济开发区物联网集群产业链协同管理机制还未真正有效建立。据访谈得知,目前广州经济开发区物联网集群产业链的协调以集群内两家龙头企业自发协调为主,这种自发协调具有偶然性和非约束性(岳中刚，2014)[30]。目前协调的主题较窄,主要围绕着产业技术协同创新偶尔召开交流研讨会议,以及一年内不定期进行协同创新方面的经验介绍和专题讲座,还未涉及集群内各企业人才投入及配置的整体规划等更深层次的人力资本协同问题。(3)广州经济开发区物联网产业集群人才存量和增量投入产出效率不高。传输和应用两环节表现突出,技术人才存量规模大,个别企业的技术人才存量已累计达3000余人。技术人才增量规模高,两环节大部分企业的技术人员基本以每年15%的规模递增。而技术人才较大的存量规模和较高的增量幅度并未带来等比例及更高的产出效益,致使两环节的技术人才投入产出都为负效率。(4)物联网产业集群人力资本再生量投入产出效率不高。主要表现在岗位技能培训和R&D投入上。物联网产业集群内各企业都十分重视岗位技能培训,每年对核心技术人员和技能人员的培训天数较高(17天·人/年),且呈现逐年增高的趋势。但是感知和应用两环节的岗位技能培训投入增加都对企业年度销售总收入增长产生了负向效应,造成了岗位技能培训的负效率产出,有投入过度之嫌。除此之外,物联网产业集群内各企业也都十分重视 R&D 投入,这在一定程度上对人力资本再生成具有益处,可在实践中却对专利获批产生了负向效应,也有投入过度之嫌。如前所述,应用环节各企业每年获批的专利大部分属于实用新型,而发明专利则较少,这或许与R&D投入作用发挥不明显却较为重视岗位技能培训有关。

在上述研究基础上，本文提出如下政策建议：以促进物联网产业集群纵向三环节协同发展为导向,根据三环节的人力资本效率水平、环节间的协同情况及存在的问题,可针对性的采取改进措施。具体来说：一是加强物联网产业集群协同管理和产业链整合。充分利用集群内部地理邻近、认知邻近优势(Lazerson和Lorenzoni，1999)[31],积极推动集群内企业间由沟通向协调、合作和协同的递进(Serrano和Fischer，2007)[32],科学构建集群内竞争与协作机制(刘霞，2009)[33],规避在集群规模成长过程中的企业间竞争劣性。科学制定物联网产业集群的协同目标和规则,重新优化和设计各项业务流程。通过龙头企业调整、优化相关企业关系使其协同行动,有效整合产业链中的各个环节,提高整个产业链的运作效能,实现利益相关主体共生多赢(上创立等，2013)[34],以此打造物联网产业集群的协同能力来获取集群整体的可持续竞争优势。二是从系统优化上提升物联网产业集群人力资本效率纵向协同中的产业链“薄弱环节”。综观人力资本综合效率、存量效率和再生量效率,三环节中的感知环节排名最后,应用环节排名其次,感知环节与其他两环节不能协调发展的问题较为突出。一方面可从宏观层面来解决,即在协同管理的宏观机制引导下,构建集群知识创新平台来促进集群各环节更好参与知识创新活动(魏江和徐蕾，2014)[25]。同时可在该平台嵌入人力资本协调沟通功能(Kratke,2010)[35],进行“事前”引导和优化配置产业链各环节人力资本要素的投入和再生,实现各环节人力资本投入产出效率最高和各环节间的协同效应最优。另一方面从微观层面入手,重点整改集群“拖后腿”的环节,即可重点分析感知和应用两环节中各企业“拖后腿”的具体方面及原因,并针对性地采取提升改进措施。三是优化人力资本存量投入和使用。物联网产业属于高新技术产业,集群企业应当尽快转变用人观念,适当降低管理人才和技能人才的投入量,适度控制技术人才的投入量。保持管理人才的人力资本效率水平,适度提升技能人才的人力资本效率水平,大幅度提高技术人才的人力资本效率水平。四是优化人力资本再生量投入和使用。适度降低岗位技能培训投入量,提升集群内协同创新交流培训投入量,保持R&D投入量。通过上述优化措施,保持集群内协同创新交流培训的人力资本再生量效率水平,适度提升岗位技能培训的人力资本再生量效率水平,大幅度提高 R&D投入的人力资本再生量效率水平。

本研究的主要工作：(1)将典型相关分析法应用在产业链纵向环节间的效率评价上,解决了异质性单位主体间效率不能横向比较的问题；(2)为人力资本支撑产业集群的发展和提升高新技术产业集群协同创新能力提供了更深层次的理论基础和依据,同时对产业集群人力资本投资绩效理论进行了必要的拓展和补充；(3)深入企业实际，理清产业集群背后的人力资本效率差异性及隐含的深层次原因,这有利于实践上完善产业集群产业链协同创新体系建设,指导产业集群的“补链和强链”,提升产业链协同创新能力,实现内生发展等具有重要应用价值。下一步的研究计划是在全国范围内分区域针对同一类型高新技术产业集群展开评价及横向比较分析。