科技企业孵化器运行效率研究.pdf

中国新技术新产品2024 NO.2（上）-140-技 术 经 济 与 管 理20 世纪 50 年代以来，企业孵化器的概念从美国纽约州巴达维亚工业中心横空出世。1987 年在武汉东湖总参通信部武昌军代表室驻地一座闲置的营房内，诞生了全国第一家科技企业孵化器新技术创业中心。TechStars、Y-Combinator、Plug and Play Tech Center、启迪孵化器、36Kr 等国内外知名的孵化器，它们孵化了大量独角兽、高新技术企业，为行业技术积累、企业发展、区域经济增长做出突出贡献。本文采用 Fried 等提出的三阶段 DEA 方法对全国 31 个省份 2021 年数据进行分析，针对 DEA 的多种投入（即资源）的运用和多种产出（即服务）的产生，不需要转换为相同的单位，结合 SFA 提出环境条件和随机误差影响，使每个决策的单元均处于相同环境与随机因素里。31 个省份孵化器运行效率同时受到系统内部环境和外部环境影响，孵化器发展存在显著地域性，与所在省份经济发展密切相关。Fried 等提出的三阶段 DEA 方法可分离环境条件和随机误差，使 31 个省份的孵化器处于同一发展水平条件下进行效率测算。1 研究设计1.1 三阶段 DEA 方法数据包络分析方法 DEA（Data Envelopment Analysis）是一种基于线性规划的用于评价同类型的组织中绩效相对有效的工具。本文将采用 Fried 等提出的三阶段 DEA 方法：第一阶段为用的是规模报酬可变 BC2（规模报酬可变）模型，计算每个决策单元的综合效率、纯技术效率和规模效率和投入变量的松弛值。纯技术效率体现的是决策单元在一定（最优规模时）投入要素的生产效率；规模效率体现的是实际规模与最优生产规模的差距；综合技术效率体现的是对决策单元的资源配置能力、资源使用效道率等多方面能力的综合衡量与评价。对于每个决策单元，投入导向下BC2模型如公式（1）所示。min.,?e Se SstXSXYSYSjjjnjjjnjTT01010?,S0 （1）式中：j=1，2，.，n 表示决策单元，j（j=1，2，n）为n 个决策单元的某种组合权重，jn?1jXj和jn?1jYj分别为按这种权重组合的虚构决策单元的投入和产出向量，S-=（S1-，S2-，.，Sm-）T，S+=（S1+，S2+，.，SS+）T，Si-、Sr+（i=1，2，m;r=1，2，.，s）为松弛变量，是非阿基米德无穷小。如果=1，S+=S-=0，说明该决策单元有效；如果=1，S+0，或 S-0，说明该决策单元弱有效；如果 1，说明该决策单元非 DEA 有效。BC2（规模报酬可变）模型计算得到的效率值是综合技术效率，对其再次分解为规模效率与纯技术效率，得到公式：综合技术效率=规模效率纯技术效率。第二阶段为将所有的环境变量作为自变量，上一阶段得到的松弛变量作为因变量，基于 SFA 估计得到所有环境变量对投入松弛量影响的程度，以最有效决策单元的投入量为参照，对其他单元投入量进行调整。构造以投入导向 SFA 估计函数如公式（2）所示。Sni=f(Zi;n)+vni+ni;i=1，2，I;n=1，2，N （2）式中：Sni为第 i 个的决策单元中第 n 项的投入松弛值；Zi为环境变量；n为环境变量系数；vni+ni为混合误差项；vni为随机干扰；ni为管理的无效率。vN（0，v2）为随机误差项。SFA 回归的目的是剔除环境因素和随机因素对效率测度的影响，以便将所有决策单元调整于相同的外部环境中。调整公式如公式（3）所示。XA ni=Xni+max(f(Zi;n)-f(Zi;n)+max(vni)-vnii=1,2,I;n=1,2,N （3）式中：XniA为调整后投入；Xni为调整前投入；max（f（Zi;n）-f（Zi;n）：对外部的环境因素进行调整；max（vni）-vni：将全部决策单元置于相同运气水平下。然后剔除管理无效率项，采用 SFA 回归的成本函数如公式（4）所示。Ev?2222?（4）科技企业孵化器运行效率研究于龙盛（江西理工大学经济管理学院，江西 赣州 341000）摘 要：科技企业孵化器（以下简称孵化器）是提供物理空间、共享设施和专业化服务的科技创业服务机构。本文通过三阶段 DEA 模型分离环境条件和随机误差，对2021年我国31个省孵化器的运行的效率进行测算。结果表明：疫情情况下，人均 GDP 提升影响了孵化器的运行的效率，试验发展（R&D）经费提升给孵化器的运行的效率带来了有利影响因素。经 SFA 调整后，大多数发达地区的综合效率、纯技术效率和规模效率均有所提高，说明环境变量会对孵化器的运行效率带来较大的影响。关键词：科技企业孵化器；三阶段 DEA；运行效率；环境变量中图分类号：F27文献标志码：A中国新技术新产品2024 NO.2（上）-141-技 术 经 济 与 管 理式中：为联合误差项；、分别为标准正态分布的密度函数和分布函数。最后，计算随机误差项，如公式（5）所示4。Evni|vni+ni=Sni-f（zi;n）-Euni|vni+ni（5）第三阶段是用上一阶段调整后投入数据与原始的产出数据再次带入 BC2模型进行计算，得到剔除环境因素及随机误差影响的结果。1.2 样本选取本文数据来源，样本对应指标的原始数据源于中国创业孵化发展报告 20221、2021 年全国科技经费投入统计公报2、国家统计局官网3。1.3 变量选取与说明1.3.1 选取投入变量表 1 中投入变量（X）切实反映 31 个省份孵化器投入，主要考虑人力、财力以及物力 3 个方面。其中，人力方面用管理机构从业人员数量（X3）体现投入，财力方面用运营成本（X1）体现投入，物力方面用孵化场地面积（X2）体现投入，用在孵企业平均 R&D 经费（X4）体现科技投入。表 1 三阶段 DEA 投入、产出和环境变量投入变量（X）产出变量（Y）环境变量（Z）X1：运营成本/亿元X2：孵化场地面积/万平方米X3：管理机构从业人员数量/人Y1：总收入/亿元Y2：单位孵化面积的在孵企业数量/（个/万平方米）Y3：累计毕业企业数量/家Z1：各省人均GDP/万元Z2：各省研究与试验发展（R&D）经费投入/亿元X4：在孵企业平均R&D经费投入/万元Y4：在孵企业拥有有效知识产权/件1.3.2 选取产出变量表 1 中产出变量（Y）应当反映 31 个省份孵化器的运行效率，表现为孵化器在获得经济效益、培育中小微企业及累计毕业企业数量、实现科技成果等绩效，所以本文从经济的效益、孵化的效率、科技转化成果 3 个方面选取变量。以2021 年数据为样本，以 2021 年孵化器总收入（Y1）表征业务规模，替代经济的效益；以单位孵化面积的在孵企业数量（Y2）、累计毕业企业数量（Y3）反映孵化的效率；以在孵企业拥有有效知识产权（Y4）反映科技转化成果。1.3.3 选取环境变量表 1 中环境变量（Z）是孵化器运行效率的外部环境影响因素，属于不可控因素。本文从宏观经济环境、科技实力方面选取 2 个环境变量：孵化器所在省经济水平发展越高，基础设施配套、财政投入就越多，吸引的劳动力就越多，这样就越有利该省孵化器的发展，用人均 GDP（Z1）来反映其宏观经济环境；以 31 个省份研究与试验发展（R&D）经费投入（Z2）来反映其科技实力。2 实证结果及分析2.1 运行的效率分析利用软件 DEAP2.1 及 Frontier4.1 对我国 31 个省份孵化器运行效率测算，所得结果见表 2。2021 年孵化器综合效率平均为 0.886，纯技术效率平均为 0.912，规模效率平均为 0.969。根据第三阶段的结果，可得出 31 个省份中北京市、河北省、山西省、辽宁省、黑龙江省、江苏省、浙江省、山东省、河南省、湖北省、湖南省、广东省、海南省、贵州省、云南省、西藏自治区 16 个省份处于综合效率前沿面上。有 13 个省份低于平均综合效率，其中，上海市综合效率为 0.626 最低，其规模效率为 0.748也最低，说明我国孵化器创新效率比较高。处于综合效率前沿面上的 16 个省份和内蒙古自治区、安徽省规模收益不变，其余 6 个省份的规模收益增加，7 个省份的规模收益减少。表 2 31 个省份孵化器运行效率测算的结果（2021 年）序号省份调整前调整后综合效率纯技术效率规模效率规模收益综合效率纯技术效率规模效率规模收益1北京市1111112天津市0.8570.9320.92drs0.9040.9460.955drs3河北省1111114山西省1111115内蒙古自治区 0.8140.81410.8150.8160.998irs6辽宁省1111117吉林省0.6810.6910.986irs0.6850.6960.985irs8黑龙江1111119上海市0.6260.8360.748drs0.8240.8520.968drs10江苏省11111111浙江省11111112安徽省0.7230.72310.7250.7280.996irs13福建省0.7380.7620.968drs0.7860.7860.999irs14江西省0.7260.730.995drs0.7260.730.995drs15山东省11111116河南省11111117湖北省11111118湖南省11111119广东省11111120 广西壮族自治区 0.7150.7170.997irs0.7090.7310.97irs21海南省11111122重庆市0.8630.8830.977irs0.8620.90.958irs23四川省0.90.9460.951drs0.9080.9460.96drs24贵州省11111125云南省11111126西藏自治区11111127陕西省0.7290.9030.807drs0.7610.9040.842drs28甘肃省0.4740.5330.888irs0.4740.5410.876irs29青海省0.7840.8030.976irs0.7470.8270.903irs30 宁夏回族自治区 0.97910.979drs0.9810.98drs31新疆维吾尔自治区 0.85310.853irs0.8510.85irs注：drs为规模收益递减，irs为规模收益递增。2.2 基于 SFA 的随机前沿分析第二阶段，将第一阶段测算的 4 种投入变量运营成本（X1）、孵化场地面积（X2）、管理机构从业人员数量（X3）和在孵企业平均 R&D 经费投入（X4）的松弛变量作为函数的被解释变量，选取各省人均 GDP（Z1）、各省研究与试验发展（R&D）（Z2）经费投入作为解释变量，考察 2 个环境变量对4 个投入项松弛变量的影响。采用软件 Frontier4.1 计算，分析结果见表 3。表 3 运营成本松弛变量 SFA 回归参数估计结果回归系数标准误差T值常数项0.00 0.01-0.13 各省人均GDP（Z1）0.00 0.00 0.79 各省研究与试验发展（R&D）经费投入（Z2）0.00 0.00-0.06 sigma-squared1.31 0.28 4.68 gamma1.00 0.00 3224027.80 单边检验值27.02 表 4 孵化场地面积松弛变量 SFA 回归参数估计结果回归系数标准误差T值常数项-30.59 1.02-29.96 各省人均GDP（Z1）1.60 1.51 1.06 各省研究与试验发展（R&D）经费投入（Z2）0.00 0.01 0.06 sigma-squared7211.68 1.00 7211.68 gamma1.00 0.00 2117914.10 单边检验值20.36 首先，从回归结果来看，4 个回归模型的 gamma 值均为中国新技术新产品2024 NO.2（上）-142-技 术 经 济 与 管 理1（见表 3 表 6），说明技术无效率的影响比较大，存在管理无效率项和随机误差项的影响。其次，表 3 表 6 4 个模型的单边检验值为 27.02、20.36、18.49、21.83，且均达1%水平上显著性，说明 SFA 模型显著性良好。表 5 管理机构从业人员数量松弛变量 SFA 回归参数估计结果回归系数 标准误差T值常数项-194.98 1.00-194.99 各省人均GDP（Z1）17.72 1.00 17.78 各省研究与试验发展（R&D）经费投入（Z2）-0.05 0.01-4.71 sigma-squared183293.89 1.00 183293.89 gamma1.00 0.00 344653.41 单边检验值18.49 表 6 在孵企业平均 R&D 经费投入松弛变量 SFA 回归参数估计结果回归系数 标准误差T值常数项-1.29 3.72-0.35 各省人均GDP（Z1）0.21 0.43 0.50 各省研究与试验发展（R&D）经费投入（Z2）0.00 0.00-0.89 sigma-squared134.45 1.00 134.40 gamma1.00 0.00 14261.04 单边检验值21.83 下面对各环境变量对投入松弛便变量的影响进行具体说明：1）各省人均 GDP（Z1）。在上述分析结果中，各省人均 GDP（Z1）仅在管理机构从业人员数量这个松弛变量达到 1%水平的显著性，对运营成本松弛变量无显著性影响，对孵化场地面积（X2）松弛变量、在孵企业平均 R&D经费投入（X4）松弛变量显著性影响不大。说明在产出量相同的情况下，疫情的特殊情况，经济水平的提升会增加管理机构从业人员数量（X3）的投入浪费。2）各省研究与试验发展（R&D）经费投入（Z2）。在疫情的特殊情况下，对运营成本（X1）松弛变量、孵化场地面积（X2）松弛变量和在孵企业平均 R&D 经费投入（X4）松弛变量无显著性影响，仅对管理机构从业人员数量（X3）松弛变量回归系数为负数。说明增加研究与试验发展（R&D）经费投入可以减少管理机构从业人员数量投入。综上所述，第一阶段在没有剔除环境条件和随机误差影响下，所得到的效率值结果对 31 个省份的孵化器的运行效率进行判断，结论存在不合理，再根据第二阶段的分析结果，对第一阶段的投入变量进行调整，剔除了环境条件和随机误差等影响后，再次对 31 个省份孵化器的运行效率进行评价。2.3 第三阶段效率值分析利用调整后投入的数据和原来产出的数据，重新计算结果见表 2。2.3.1 综合技术效率分析处于 SFA 有效前沿面的省是北京市、河北省、山西省、辽宁省、黑龙江省、江苏省、浙江省、山东省、河南省、湖北省、湖南省、广东省、海南省、贵州省、云南省以及西藏自治区，其中，上海市综合效率由 0.626 升至 0.824。调整后大多数发达地区的综合效率都有所提高。2.3.2 纯技术效率分析调整后，31 个省份孵化器平均纯技术效率由 0.912 升至 0.916，除了江西省、四川省以及处于相对技术有效前沿面的省份，其他各省孵化器的纯技术效率都得到提高，这说明 31 个孵化器的纯技术效率在没有剔除环境和随机因素前提下，纯技术效率被低估。2.3.3 规模效率分析调整后，31 个省份孵化器平均规模效率由 0.969 升至0.975，其中规模效率下降的有 8 个，上升的有 6 个。下降最大的是青海省由 0.976 降至 0.903，上升最大的是上海市，由 0.748 升至 0.968。其中，内蒙古自治区、吉林省、安徽省、广西省、重庆市、甘肃省、新疆吾尔自治区从 1、0.986、1、0.997、0.977、0.888、0.976、0.853 降至 0.998、0.985、0.996、0.97、0.958、0.876、0.903、0.85；天津市、福建省、四川省、陕西省、宁夏回族自治区从 0.92、0.968、0.951、0.807、0.979 升至 0.955、0.999、0.96、0.842、0.98。调整前后仍处于规模收益递减状态的有天津市、上海市、江西省、四川省、陕西省、宁夏回族自治区，这些省孵化器应该注重创新资源的合理配置和使用效率来提高创新效率，走内涵式发展道路，而不是通过扩大要素投入规模来提高创新效率5。3 结论研究发现，在剔除了环境因素与随机因素后，大部分省份孵化器的综合效率与纯技术效率都有所提高，规模效率却有所下降。在疫情的作用下，各地经济发展都受到不同程度的影响，有 16 个省份处于综合效率前沿面，基于此，提出以下 3 个对策：1）中西部省份应加强省内孵化器的管理和技术指导。建议中西部应加强孵化器联盟建设，各省科技厅发挥主导作用，推动省内孵化器联动，与周边省份、沿海省份加强交流，不断总结先进孵化器的管理经验，提升管理效率。2）疫情后应继续保持精益创业思路推广孵化器建设。疫情使各省份对孵化器的建设进行精简，事实证明，创业也需要精益管理，并不是创业投入越多，效果越好。疫情下，各省份孵化器建设受到不同程度影响，但仍然有过半的省份处于综合效率前沿面上，创业投入逐渐理性，合理分配。3）全国孵化器建设进入新阶段。从整理的数据看，全国孵化器总体规模已经达到较高的水平。参考文献1 科学技术部火炬高技术产业开发中心.中国创业孵化发展报告 M.北京：科学技术文献出版社，2022：9-36.2 国家统计局,科学技术部,财政部.2021年全国科技经 费 投 入 统 计 公 报 EB/OL.https:/ 国家统计局.国家数据-2021年度数据 EB/OL.http:/ 马月鹏.我国科技企业孵化器运行效率评价及提升研究D.南昌：南昌大学，2020.5 刘满凤，李圣宏.基于三阶段 DEA 模型的我国高新技术开发区创新效率研究 J.管理评论，2016（1）：42-52.