[1] Prato M. The global race for talent: Brain drain, knowledge transfer, and growth[J]. The Quarterly Journal of Economics, 2025, 140(1): 165～238.

1 Overview

这篇论文由Prato (2025) [1]提出，研究了国际高技能移民（以发明家为例）对人才配置、知识转移和生产力的影响。作者构建了一个新颖的两国内生增长模型，结合微观数据和理论分析，得出了以下核心结论：

1. 理论框架创新

   提出包含异质性发明家迁移决策、内生互动网络和跨国知识溢出的增长模型。模型显示移民基于三个动机迁移：(i) 更高生产率地区的创新回报；(ii) 差异化的学习机会；(iii) 个体特有的生产率冲击。

2. 实证发现

   • 移民流量不对称：欧盟（EU）向美国（US）呈现净人才流失（brain drain），而美国则从中获益（brain gain）[1]
   • 移民生产率提升：发明家迁移后年专利申请量增加42%，表明迁移优化了人才配置
   • 持续的知识转移：移民与原籍国合作者保持联系，其移民行为使原籍国合作者年专利申请量提升18%

3. 政策模拟

   • 欧盟减税政策：对回流移民和外国发明家减税（税率从40%降至30%）短期内可提升欧盟创新率5%，但长期会因美国创新下降和技术溢出减少，导致欧盟增长率降低6%
   • 美国签证扩容：H1B签证数量翻倍长期可使美欧经济增长率均提升9%，因更高效的人才配置增强了知识溢出

4. 广义启示

   尽管研究聚焦发明家，其机制适用于STEM等高技能人群。模型提出“人才配置效率”和“跨境知识网络”是评估移民政策经济效应的关键维度[1]。文章为理解移民对增长的长短期权衡提供了新视角，指出政策效果依时间窗口而异，并强调国际知识溢出的宏观重要性。最终建议将移民政策纳入创新与增长的战略框架。

2 Detailed Notes

1 Introduction

高技能工人的迁移一直有正负两种声音。对于原始国家，人才流失（brain drain）是作为迁移的负面效应，另一方面，对客座国家，迁移带来了有价值的天赋，但这可能会淘汰当地工人。

模型的主要思想已展示在图1中，在每一期，发明家决定去哪、向他人学习和进行发明，这会增强商品质量与驱动生产率上升。发明的数量取决于发明家的异质天赋和国家特有的生产率。天赋内生取决于向他人学习程度。具体来说，发明家相遇概率在地区之间不同，且依赖于发明家类型的分布和外生的相遇摩擦矩阵

移民基于三个动机迁移：(i) 更高生产率地区的创新回报；(ii) 差异化的学习机会；(iii) 个体特有的生产率冲击