中国海外归国人才区位选择：经济机遇与城市舒适性的交互作用机制

为解决中国海外归国人才区位分布不均衡及驱动因素不明的问题，研究人员基于“Maimai”平台简历数据，结合随机森林模型，揭示了经济因素（如平均年薪、房价）与城市舒适性（消费文化设施、社会氛围）的交互作用机制。研究发现归国人才呈现“双核多中心”集聚模式，且经济因素为主导，舒适性仅在特定经济阈值下显著。该研究为区域人才政策制定提供了差异化理论依据。

　　

随着全球化进程加速，中国海外留学生归国潮持续升温。1978至2019年间，656万留学生中86.3%选择回国发展，成为推动区域创新的关键力量。然而，这些高学历人才在国内的区位选择呈现高度不均衡——90%集中于10%的城市，尤以北京、上海为“双核”。这一现象引发核心问题：究竟是高薪岗位的“经济拉力”，还是优质生活环境的“舒适性吸引力”在主导他们的选择？传统研究长期争论“人随工作走”与“工作随人走”两种观点，但鲜少关注两者交互作用。华东师范大学的研究团队在《Applied Geography》发表论文，首次通过大数据揭示了经济因素与舒适性的非线性协同效应。

研究团队采集“Maimai”职业社交平台2000-2020年海归简历数据，运用随机森林机器学习算法，量化了12项经济指标与9类舒适性特征的相对重要性。通过SHAP值解析和阈值效应检验，发现：归国人才分布呈现东部集聚、中西部塌陷的“钻石型”格局（基尼系数0.909）。经济因素贡献度达63.7%，其中平均年薪（26.5%）和房价收入比（18.2%）最为关键；而舒适性整体贡献36.3%，但存在显著门槛效应——仅当年薪超12.8万元时，咖啡馆密度每增加1单位可提升3.2%人才流入概率。值得注意的是，文化设施（剧院/博物馆）的吸引力存在14.5万元年薪的“启动阈值”，证实了“经济基础决定舒适性效用”的假设。

研究创新性提出“经济-舒适性耦合阶梯”模型：初级城市（年薪<10万）依赖制造业岗位吸引人才；中级城市（10-15万）需配套基础教育设施；高级城市（>15万）则通过文化资本竞争。这一发现打破了传统政策“撒胡椒面”式的舒适性建设思路，建议低经济水平城市优先优化就业结构，而发达城市应强化文化软实力。论文的机器学习方法克服了传统逻辑回归的线性假设局限，首次捕捉到房价与人才流入的“倒U型”关系——当房价收入比超过8.7时，人才吸引力急剧下降。

该研究为“因地制宜”的人才政策提供了量化依据：雄安新区等新兴城市应聚焦核心产业培育而非盲目建设文化地标；而上海陆家嘴等成熟商务区需通过24小时图书馆等“微舒适性”增强粘性。未来研究可拓展至归国人才细分群体（如STEM<科学、技术、工程、数学>与非STEM）的差异化偏好，进一步优化区域人力资源配置效率。