区域经济是在一定区域内经济发展的内部因素与外部条件相互作用而产生的生产综合体。加快区域经济发展对贵州实现后发赶超、推动跨越、全面小康具有重大意义。而人才是支撑区域经济发展的重要保障，是加快区域经济发展的关键因素。为摸清贵州区域经济和区域人才队伍的现状，找准其中存在的问题，进一步提高区域经济与人才发展的协调度，不断加大人才队伍建设，促进人才作用发挥，增强人才对经济社会发展的支撑力，“贵州人才蓝皮书”课题组运用灰色聚类方法和面板数据模型，以贵州88个县（市、区、特区）为研究对象，着重对区域人才密度、人才结构、人才素质与经济增长的关系等进行实证分析，并围绕贵州区域经济发展，有针对性地提出区域人才发展的对策建议。

一 贵州区域经济发展与区域人才发展的灰色聚类分析

（一）聚类方法与模型

我们从经济发展与人才发展两个维度来对贵州88个县（市、区、特区）进行灰色聚类分析。通过这种分析，可以按经济发展和人才发展综合实力水平的高低，将全省88个县（市、区、特区）划分为若干类别。

设i=Ⅰ，Ⅱ，Ⅲ，…，N为聚类对象，即贵州省的88个县（市、区、特区）；J=J₁，J₂，J₃，…，J_n为聚类指标。我们选取地区生产总值（GDP）、人均生产总值、人均社会消费品零售额、人均规模以上工业增加值、农民人均纯收入、人均固定资产投资总额、人均公共财政收入和人才总量、企业经营管理人才、本科以上学历人才占人才总量比重、中级以上职称人才占专业技术人才总量比重、每万人人才资源数等12个指标作为聚类指标^[1]。这12个指标基本上可以反映一个区域经济发展与人才发展的状况。为了消除偶然因素导致的经济指标年度之间的波动，我们取其4年的算术平均值。

考虑到各县（市、区、特区）发展水平存在差异，我们按经济与人才综合实力的高低将88个县（市、区、特区）分为高、中、低3个灰类等级，即K=1，2，3。由于各指标值在意义和数值上相差较大，我们采用定权聚类方法。

写出J指标K子类的白化权函数：

上限测度白化权函数为：

适中测度白化权函数为：

下限测度白化权函数为：

其中，x^k_j（1）、x^k_j（2）、x^k_j（3）、x^k_j（4）为J指标K子类白化权函数的转折点。令J指标K子类的上限和中限临界值λ^K_J=X^K_J（2），下限的临界值为λ^k_j=x^k_j（3），计算J指标K子类的权重：

软件自动赋予各项指标权重η_j=1/12，计算灰色定权聚类系数

得到对象i的聚类系数向量，由下式判定各县区所属灰类：

（二）聚类结果与分析

上述步骤由DPS数据处理系统V14.50版实现，结果见表1。根据计算结果，我们分别对高、中、低三类区域的基本特征进行描述。

表1 贵州省88个县（市、区、特区）灰色聚类结果

1.高类地区

高类地区包括南明区、云岩区、花溪区等18个县（市、区），占全省88个县级行政单元的20.45%。这些县（市、区）主要集中在黔中经济区，且绝大多数属于各市州府所在地，其基本特征是：地理区位条件好，交通便利；工商业较发达，综合经济实力较强；人才聚集度较高，人才素质优势较为明显。表2显示，该类地区各项经济发展指标与人才发展指标均位于全省前列^[2]，其中，县均地区生产总值170.09亿元、人均生产总值32771.25元、农民人均纯收入7241.77元、人均社会消费品零售额11965.39元、人均规模以上工业增加值11922.86元、人均固定资产投资31257.92元、人均公共财政收入2758.92元，均远远高于全省平均水平；人才总量县均59890人、每万人人才资源数（以下简称人才密度）1212.39人、企业经营管理人才县均14551人、本科以上学历人才占人才总量比重为29.59%、中级以上职称人才占专业技术人才总量的49.40%，亦远远高于全省平均水平。

表2 高类地区聚类指标描述性统计

2.中类地区

中类地区包括修文县、清镇市、六枝特区等40个县（市、区、特区），占全省88个县级行政单元的45.45%。这些县（市、区、特区）主要集中在黔北经济协作区和“三州”等民族地区，其基本特征是：距离区域中心城市或交通干线较近，交通条件相对较好；工商业基础较好，经济实力相对较强；人才聚集度相对较高。

表3 中类地区聚类指标描述性统计