廣東省科技企業孵化器技術效率測度及特征分析

朱 婧，周振江，蘇瑞波

（廣東省科學技術情報研究所，廣東廣州 510033）

廣東省作為我國第一經濟大省，在科技創新驅動經濟發展方面先行先試，尤其重視科技企業孵化器對科技創新與產業經濟融合的作用。長期以來，廣東省不斷出臺政策和投入大量資源扶持科技企業孵化器的發展，在經過了20余年的發展之后，科技企業孵化器已經成為各類創新要素與資源匯集、融合的重要載體，成為推動廣東省高新技術產業發展和創新能力提升的重要助推器［1］。在科技企業孵化器發展的早期階段，通過大量資源投入促進發展是必要的；隨著資源投入的不斷增加，實現從資源驅動向效率驅動轉變是廣東省科技企業孵化器發展的必經之路，也是唯一的出路。然而，廣東省科技企業孵化器的運行效率水平究竟如何，目前國內外學術界對此還不是很清楚。因此，針對廣東省科技企業孵化器的運行效率問題展開研究，既有助于理論文獻的完整和豐富，對促進廣東省科技企業孵化器進一步完善發展也具有重要意義。

1 文獻綜述

隨著孵化器組織性質、形式和建設機制等相關理論研究的日臻成熟，近年來國內外學者日益關注孵化器運行績效問題。在中國知網全文數據庫中，以“科技企業孵化器+效率”進行檢索，發現2009—2018年間在核心期刊共發表34篇科技企業孵化器效率相關文章，且相關文獻數量呈逐漸增加趨勢。

目前關于國內孵化器運行效率及其影響因素的研究，主要是基于全國（未含港澳臺地區，下同）層面數據進行的，主要有如：張姣等［2］測評了國家級孵化器的技術效率、純技術效率和規模效率，并探討了不同類型孵化器效率改進的方向和思路；王敬等［3］運用數據包絡方法測算了27個地區140家國家級科技企業孵化器的技術效率，并以此為變量進行聚類分析，劃分為高效型、配置高效型、規模高效型和低效型4類，并提出不同類型孵化器應遵循差異化的發展路徑；李志祥等［4］對22個省份243家國家級科技企業孵化器的運營效率進行了比較分析，發現我國科技企業孵化器的運營效率具有很大提升空間，且地區差異十分明顯；黃虹等［5］采用2009—2011年的260家國家級科技企業孵化器數據，利用隨機前沿分析方法對科技企業孵化器的運行效率和區域性差異進行了深入研究，發現我國科技企業孵化器運行效率呈下降趨勢且不同區域之間差異明顯；馮金余［6］基于2009—2012年國家級孵化器的動態面板數據考察了孵化器的創新驅動效應，研究發現我國科技企業孵化器存在動態改進且公司型孵化器比創業服務中心能更好地提高孵化器的技術進步水平與全要素生產率；關成華等［7］采用2015—2017年科技企業孵化器數據，運用部分共享投入的二階段網絡數據包絡模型，實證測算我國科技企業孵化器整體效率、創新研發效率和成果轉化效率。與此同時，還有部分研究基于地區或者省（區、市）層面數據對科技企業孵化器運行效率進行分析，如李慶博等［8］采用隨機前沿模型分析了2012—2015年天津市科技企業孵化器的創新效率，并進一步分析了孵化器創新要素投入對創新效率產出的影響；何慧芳等［9］基于數據包絡分析方法評價了廣東省245家科技企業孵化器的運行效率，發現技術效率偏低是妨礙廣東省科技企業孵化器運行效率提升的重要原因。

綜上分析可見，目前科技企業孵化器運行效率的研究是學術界關注的焦點，但相關研究存在幾點局限性：（1）既有文獻主要是基于全國層面數據的研究，基于各個省份的研究相對較少，由此對于省際科技孵化器運行效率的地區異質性分析不足；（2）現有相關文獻在評價科技企業孵化器運行效率時多采用數據包絡分析方法，測算得到的效率值區分度有待進一步提高；（3）廣東省作為科技創新的前沿陣地，科技企業孵化器無論是數量還是質量在全國都處于領先的地位，但是現有文獻中以廣東省科技企業孵化器作為研究樣本的文獻屈指可數。有鑒于此，本文擬采用2015—2017年廣東省1 663家科技企業孵化器樣本數據，在充分參考現有相關研究的基礎上對科技企業孵化器的投入、產出和效率影響因素指標進行科學遴選，進而運用基于產出距離函數的真實固定效應隨機前沿模型對廣東省科技企業孵化器的技術效率進行實證測度和分析，從而理清廣東省科技企業孵化器運行效率的基本現狀及特征，以期為未來廣東省科技企業孵化器運行效率的進一步提升提供政策參考。

2 研究方法

近年來，隨著隨機前沿分析具有的分離技術無效項與隨機誤差項，以及“一步法”分析效率及其影響因素等優點逐漸被學者們所認知，越來越多的研究也開始嘗試使用隨機前沿分析方法對科技企業孵化器的運行效率進行評價。隨機前沿分析方法最早分別由 Aigner等［10］和 Meeusen等［11］獨立提出。Pitt等［12］使用企業數據對隨機前沿和技術效率進行估計，并試圖探尋影響行業內技術效率出現差異的原因，但由于采用的二階段估計違背了技術非效率項同分布的假設，從而無法得到一致估計。Kumbhakar［13］提出了一階段回歸的隨機前沿模型，將技術非效率項（）表示為生產單元特性變量和隨機誤差項的函數:

然而，在上述模型中并未考慮生產單元的固定效應。Kumbhakar［13］指出，若在面板數據隨機前沿模型設定中缺少生產單元固定效應，將使得所估計的單側誤差項有偏，從而導致非效率項出現較大偏誤，影響研究結論的可靠性。為此，Grenn［14］通過在生產函數中加入個體效應對生產單元的異質性進行度量，從而構建了真實固定效應隨機前沿模型（true fixed effects stochastic frontier model, TFSFM）。因此，本文采用Green［14］提出的固定效應面板數據隨機前沿模型：以此反映各個生產生產單元具有可變的截距項單元的異質性，具體的處理方法是在產出函數中加入N個反映個體固定效應的虛擬變量。

由于真實固定效應隨機前沿模型具有高度非線性結構特征，因此無法像普通線性模型通過一階差分或組內去心的方法消除個體效應，有鑒于此，Green［14］指出：當N較小時，可以將其看作N個虛擬變量，可以通過極大似然估計方法進行估計；當N較大時，則可以通過數值計算法進行估計。

具體到本文研究而言，科技企業孵化器的產出具有多維度的特征，涉及的產出涵蓋孵化能力、技術創新能力、經濟效益和社會效益等方面，因此，若想真實測度廣東省科技企業孵化器的技術效率，就應該綜合考慮各個維度的產出。20世紀90年代中期以來，隨機前沿分析方法出現了突破性進展——距離函數，通過距離函數可以實現在沒有價格和行為信息的前提下，由傳統的多投入單產出模型拓展到多投入多產出模型。通過距離函數與隨機前沿分析方法的結合，可以更為科學地估計生產單元的技術效率及其決定因素問題。因此，本文將通過道格拉斯的產出型距離函數，對廣東省科技企業孵化器的技術效率進行測度。具體模型設定如下：

根據式（3）不難看出真實固定效應隨機前沿模型與傳統隨機前沿模型的差別就是，前者允許每個

由于被解釋變量無法直接觀測，直接估計比較困難，本文運用產出距離函數的產出線性齊次性這一性質，將式（8）轉化為可以估計的模型。根據一種產出為距離函數施加約束，式（8）可以轉化為：

式（10）已經轉化為可以直接估計的標準固定效應隨機前沿分析模型，從而可以用于科學測度廣東省科技企業孵化器技術效率問題。

3 指標選擇

運用隨機前沿分析方法對科技企業孵化器的運行效率進行評價，前提是需要確定合理的投入指標、產出指標和效率影響因素指標。在具體指標的選取方面，本文借鑒了王敬等［15］、翁莉等［16］研究的做法，充分考慮科技企業孵化器的特點，從人力、財力和物力3個維度選擇投入指標。具體而言，人力投入指標包括管理機構從業人員數和創業導師數；財力投入指標包括孵化器基金總額、公共技術服務平臺投資額；物力投入指標主要為孵化器總面積。在產出指標方面，主要從孵化器的孵化能力、技術創新能力、經濟效益和社會效益4個維度進行考慮。孵化器的孵化能力指標采用累計畢業企業數衡量；技術創新能力通過當年申請知識產權數量衡量；經濟效益主要通過孵化器總收入衡量；社會效益主要通過在孵企業人員數衡量。在科技企業孵化器運行效率的影響因素方面，本文主要考慮了孵化器的級別（國家級與否）、孵化器類型（綜合型抑或專業型）和孵化器壽命（成立至今已經運行多長時間）3類因素。本文的研究指標的詳細說明見表1所示。

表1 科技企業孵化器運行投入、產出及效率影響因素評價指標

4 數據及估計結果

4．1 樣本數據

本文選取2015—2017年間廣東省1 667家科技企業孵化器作為原始研究樣本。樣本原始數量較大且覆蓋面十分廣泛，涵蓋了全省21個地級市的科技企業孵化器，并且包括了國家級孵化器和非國家級孵化器、綜合型孵化器和專業型孵化器等，可以很好地滿足數據的代表性和一致性要求。本文進一步將研究數據缺失不全的孵化器予以剔除。經過上述處理后，最終進入實證分析的研究樣本的年度觀測值分別為305家、578家和780家，3年的總樣本觀測值為1 663家（以下簡稱樣本孵化器）。樣本數據來源于科技部火炬統計數據。

4．2 固定效應隨機前沿模型估計結果

利用Stata程序SFPANEL.ado對本文構建的基于產出距離函數的固定效應隨機前沿模型進行估計，結果報告如表2所示。根據隨機前沿分析方法的基本原理，sigma_u的統計檢驗可以反映出廣東省科技企業孵化器技術效率的變異是否具有統計顯著性。從表2可見，sigma_u的估計值為0.743，且其95%的置信區間為［0.741, 1.003］，由此說明廣東省科技企業孵化器在運行的過程中存在效率損失，如果不對技術損失進行考慮的話，利用傳統方法進行估算難以科學準確反映廣東省科技企業孵化器運行的技術效率。這也就說明了本文采用真實固定效應隨機前沿分析方法具有合理性。

與此同時，從模型的估計結果來看，大多數的待估計參數都通過了顯著性檢驗，說明本文構建的實證分析模型可以很好擬合樣本數據。再從效率影響因素的估計結果來看，孵化器級別變量z1的估計系數為0.055，但是顯著性偏低，說明國家級孵化器雖然在技術效率上表現出一些劣勢，但是這種劣勢不具有統計顯著意義；孵化器類型變量z2的估計系數為-0.198，在5%水平下通過了顯著性檢驗，這說明綜合型孵化器的技術效率顯著更高；孵化器壽命變量z3的估計系數為0.007，但是顯著性偏低，這一結果表明成立時間較長的孵化器可能具有更低的技術效率。至于上述因素是否顯著影響廣東省科技企業孵化器的技術效率，后文將進行進一步分析。

表2 樣本孵化器基于真實固定效應隨機前沿模型估計結果

5 技術效率測度結果分析

5．1 技術效率測度結果及時變趨勢分析

通過對樣本孵化器估算得到的技術效率進行分析發現，2015—2017年間廣東省科技企業孵化器技術效率的平均值為0.370，說明在保持現有技術水平和不變投入的情況下，如果能夠消除既有的技術損失，廣東省科技企業孵化器的綜合產出具有66%的提升潛能。

分年度的樣本孵化器技術效率均值結果圖1所示，可以看出2015—2017年間樣本孵化器技術效率均值呈逐漸提升的變化趨勢，由2015年的0.328提升至2016年的0.360，進而提升至2017年的0.394。根據這一結果可見看出，雖然2015—2017年間樣本孵化器的技術效率與理想效率值1相比具有較大的差距，但呈現出不斷改善的良好態勢。

圖1 2015—2017年廣東省科技企業孵化器技術效率年度均值

2015—2017年廣東省科技企業孵化器技術效率的核密度分布情況如圖2所示，其中橫坐標表示技術效率，縱坐標表示密度。根據圖2展現的核密度分布形態可見，廣東省科技企業孵化器的技術效率呈現明顯的動態演進趨勢，年度核密度估計曲線基本一致地隨時間演進而不斷向右移動，這一結果與圖1的結果相一致。與此同時，本文還發現廣東省科技企業孵化器技術效率分布逐漸由2015年的單峰（0.18左右）聚集形態向2017年的雙峰（0.18和0.45）聚集形態演化，這就說明2015年廣東省科技企業孵化器的技術效率普遍處于較低水平，高技術效率的孵化器數量較少；隨著時間推移到2017年，廣東省科技企業孵化器的技術效率逐漸出現了在0.18這一低水平聚集和在0.45這一中等水平聚集的格局，并且在中等水平聚集的樣本孵化器數量更多一些。這一結果反映了在短短兩年時間里，廣東省科技企業孵化器技術效率得到明顯提升這一客觀事實。

圖2 2015—2017年廣東省科技企業孵化器技術效率核密度估計

5．2 技術效率空間分布特征分析

2015—2017年廣東省科技企業孵化器技術效率的空間分布情況如表3所示，可以看出：（1）河源、汕尾、潮州、湛江和茂名等5個地級市的科技企業孵化器的整體平均技術效率最高，均高于0.45；（2）云浮、肇慶、中山、惠州、東莞和梅州等6個地級市的科技企業孵化器的整體平均技術效率次之，2015—2017年間的整體技術效率值處于0.40～0.45之間；（3）江門、佛山、廣州、韶關和揭陽等5個地級市的科技企業孵化器的整體平均技術效率再次之，處于0.35～0.40之間；（4）陽江、深圳和汕頭等3個地級市的科技企業孵化器的整體平均技術效率再次之，處于0.30～0.35之間；（5）清遠和珠海2個地級市的科技企業孵化器整體平均技術效率最低，處于0.2～0.3的區間之內。

通過上述空間分布情況可知，盡管以廣州和深圳為代表等珠三角地區城市的科技企業孵化器數量眾多，且其各項投入水平也較高，但是這些經濟相對發達地級市的科技企業孵化器的技術效率普遍處于中下游水平，反而是河源、汕尾、潮州、湛江、茂名和韶關等粵北山區、粵東粵西兩翼的一些欠發達地區的科技企業孵化器的技術效率處于相對較高的水平。對于這一研究結果，本文提出的理論解釋主要有兩個方面：一是現階段廣東省科技企業孵化器尚處于要素驅動發展階段，因此，珠三角地區經濟發達城市雖然投入了更多的人力、物力和財力資源，也取得了更多孵化產出，但是投入要素向孵化產出轉化過程中存在比較嚴重的資源浪費，導致孵化產出效率仍處于相對較低水平；二是受規模經濟有效性的影響，珠三角地區逐年增加的大量投入可能已經越過目前技術條件下的最優投入規模，從而引起了投入要素產出邊際效應遞減，從而導致要素投入的轉化效率偏低。

表3 2015—2017年廣東省各地市科技企業孵化器技術效率值

表3（續）

5．3 技術效率異質性分析：孵化器級別、類型和壽命的影響

為了考察廣東省科技企業孵化器在國家級和非國家級孵化器之間是否存在明顯的異質性，本文區分了兩類孵化器對前文測度的技術效率進行了分組統計分析，結果報告如圖3所示。不難看出，2015—2017年間廣東省國家級科技企業孵化器的技術效率大多處于0.2以下，存在十分嚴重的技術損失，如能消除技術上的損失，在保持現有投入和技術不變的前提下，樣本中國家級孵化器的綜合產出能力大約可以提高80%；而相對于國家級孵化器來說，2015—2017年間廣東省非國家級科技企業孵化器明顯具有更好的技術效率表現，且大多數孵化器的技術效率處于0.2～0.6之間，整體效率均值在0.4左右，顯然其效率損失程度明顯更低一些。因此，本文認為現階段廣東省國家級科技企業孵化器雖然在投資規模上和級別上更高，但是其效率表現并不佳，未來需要傾注更多的精力著力于提升國家級科技企業孵化器的運行效率。

圖3 2015—2017年國家級與非國家級廣東省科技企業孵化器的技術效率差異

進一步分析廣東省科技企業孵化器在專業型和綜合型之間是否存在明顯的異質性。與前文的分析方法相一致，本文將研究樣本區分了綜合型和專業型孵化器兩組對前文測度的技術效率進行了分組統計分析，結果報告如圖4所示。不難看出，2015—2017年廣東省專業型科技企業孵化器的平均技術效率分別為0.345、0.336和0.372，而綜合型科技企業孵化器的平均技術效率分別為0.319、0.370和0.405，專業型科技企業孵化器的技術效率除了在2015年略高于綜合型孵化器外，2016和2017年廣東省綜合型科技企業孵化器的平均技術效率均要明顯高于專業型孵化器。因此，從整體上看，2015—2017年間廣東省綜合型科技企業孵化器具有更好的效率表現。

圖4 2015—2017年綜合型和專業型廣東省科技企業孵化器的技術效率差異

本文統計結果顯示樣本孵化器的平均創立時間為5年，因此，根據創立時間是否長于5年將樣本孵化器區分為創立時間較短和創立時間較長兩組，并對兩組樣本的技術效率進行了分組統計分析，結果報告如圖5所示。創立時間較短的樣本孵化器在2015—2017年間的平均技術效率分別為0.398、0.400和0.432；相應的，創立時間較長的樣本孵化器在2015—2017年間的平均技術效率分別為0.208、0.281和0.317。由此可見，創立時間較短的樣本孵化器的技術效率明顯高于創立時間較長的樣本孵化器。

圖5 2015—2017年不同壽命的廣東省科技企業孵化器技術效率差異

6 結論

近年來廣東省政府相繼出臺了一系列扶持政策以及投入了大量人財物促進科技企業孵化器的發展，旨在解決科技創新與產業經濟嚴重脫節的世界性難題，從而更好地發揮科技創新對經濟發展的作用，然而，相對于不斷增加要素投入而言，探討如何提高科技企業孵化器的運營效率以得到更高的經營產出是更加值得我們深入研究的一個重要課題。有鑒于此，本文基于2015—2017年廣東省1 663家科技企業孵化器構造起來的面板數據，對廣東省科技企業孵化器的技術效率進行實證測度及特征分析。主要研究結論如下：

首先，從效率水平層面來看，研究期間廣東省科技企業孵化器的技術效率損失嚴重，但呈逐漸提升的良好趨勢。2015—2017年間廣東省科技企業孵化器的技術效率平均值僅為0.370，表明目前廣東省科技企業孵化器處于典型的要素投入驅動階段，仍存在諸多技術無效因素導致孵化器的技術效率損失嚴重。

其次，從空間分布特征來看，研究期間廣東省科技企業孵化器的技術效率與地區經濟發展存在反向關系。廣州和深圳等珠三角地區城市科技企業孵化器的技術效率普遍較低，河源、汕尾、潮州、湛江、茂名和韶關等粵北山區和粵東粵西兩翼的一些欠發達地區科技企業孵化器的技術效率處于相對較高的水平，揭示出廣東省科技企業孵化器在資源投入和孵化產出的匹配方面還存在較大的提升空間。

最后，不同級別、類型和創立時間的科技企業孵化器在技術效率上存在明顯的差異性。具體表現為廣東省科技企業孵化器中，非國家級、綜合型和創立時間較短的孵化器具有明顯更高的技術效率。