東三省國家級科技企業孵化器運行效率的分析

王楠　趙聚輝

摘要：文章基于DEAP2.1和DEA-Solver pro5.0軟件，對2016～2020年我國各地區國家級科技企業孵化器的綜合運行效率和超效率進行了分析。研究發現，東三省的超效率最高。又通過Malmguist指數方法對東三省國家級科技企業孵化器的運行效率進行了動態分析。得出結論：說明是投入不足、技術水平不高、規模效率無效的結果。文章從政府政策改良、服務升級、打造品牌和人才培養等方面對東三省國家級科技企業孵化器運行效率的提高，提出對策和建議。

一、引言

近些年，政府為促進我國科技企業孵化器的健康發展，認定了國家級科技企業孵化器項目并給予了一定的政策支持，為我國科技型創業企業提供了良好的成長環境，培養了科技創業領軍人才，同時提升了其管理水平與創業孵化能力。

現有文獻大多采用數據包絡分析法，對科技企業孵化器的運行效率進行研究。然而顯有利用DEA-Solver pro5.0模型對各地區科技企業孵化器的運行效率進行分析，DEA-Solver pro5.0可以計算出超效率，進而準確地分析出應該再加大多少投入或減少多少產出，從而使科技企業孵化器的運行效率達到最優的生產前沿面。

夏星、張珍（2020）采用Fride等（2002）提出的將非參數評價方法DEA與參數評價方法SFA相結合的三階段DEA方法對科技企業孵化器運行效率進行測度，為我國各省份科技企業孵化器運行效率改進提出新思路;田天、沈銘（2020）基于多層次科拓模型的實證分析對科技企業孵化器發展績效進行了研究，對科技企業孵化器業態優化建設提出了寶貴意見;王全寶（2021）以江蘇省為例，對科技企業孵化器運營中存在的問題進行了解析，并提出了加快江蘇省科技孵化器發展的建議;龔斌（2021）研究了科技企業孵化器對區域創新的影響，證實了科技企業孵化器可以激活區域創新;杜賽華等（2020）基于改進熵值法與超效率DEA模型對廣東省城市科技創新孵化能力與效率進行了實證研究，將各個城市劃分為高能低效，低能高效，能效匹配三種類型，并提出了對策建議;王曉青等（2020）基于SCP范式對我國科技企業孵化器產業發展現狀進行了實證分析，提出了促進企業孵化器發展優化的路徑。

二、評價體系的構建

（一）方法的選取

當前測量效率的方法主要有隨機前沿分析（SFA）和數據包絡分析（DEA）兩種方法。

1. 數據包絡分析法（DEA）

DEA模型不需要考慮生產函數的具體形式，只要確定了投入與產出指標，也不需要估計參數，并且可計算多投入多產出的問題。同時，DEA模型不需要賦予指標權重，也不需要進行數據處理，可以排除一些主觀因素，具有一定客觀性。所以選擇數據包絡分析法（DEA）。

2. deasolver模型

deasolve模型將超效率和SBM模型相結合，它是超效率DEA模型的一種。deasolve模型中的super-sbm模型屬于非徑向模型。其模型至少存在一個決策單元，且決策單元有效性與輸入和輸出量綱的選取有關。

3. Malmguist指數方法

Malmguist生產效率指數法使用的是多投入多產出的指標，不僅可以測量出DMU的相對效率，還可以測量出DMU的全要素生產率;不僅可以分析多個不同時期的DMU效率值變化，還可以從不同角度分析導致DMU發生效率變化的原因。

（二）評價指標的選取

本文數據來源于《中國火炬統計年鑒》，本文選取了中國東部、中部、東北、西部四個地區以及東三省2016-2020年的投入產出數據進行分析。以各個地區為基本決策單元，進而研究東三省國家級科技企業孵化器的運行效率，進行分效率測算。詳見表1。

1. 投入變量的確定

根據數據來源的可獲得性和準確性，確保科技企業孵化器運行效率評價結果的合理性和有效性，本文建立了科技企業孵化器運行效率投入和產出的各項指標。投入指標從人力資源（T1）、基礎設施（T2）和財力資源（T3）三個一級指標進行考慮。人力資源方面選取管理機構從業人數（T11）和創業導師人數（T12）兩個二級指標;基礎設施方面選取孵化器場地面積（T21）一個二級指標;財力資源方面選取孵化基金總額（T31）和服務平臺投資額（T32）兩個二級指標。

2. 產出變量的確定

國家級科技企業孵化器運行效率的產出指標設有孵化效益（C1）、社會效益（C2）和經濟效益（C3）和三個一級指標。經濟效益選取在孵企業總收入（C11）、孵化器總收入（C12）兩個二級指標;社會效益選取新增就業崗位（在孵企業從業人員數C21）一個二級指標;孵化能力選取累計畢業企業數量（C31）、當年企業畢業數量（C32）、當年在孵企業數量（C33）三個二級指標。

三、實證結果分析

（一）描述性統計

對所有指標變量進行描述性統計分析。表2列出了所選指標相關變量的均值、極小值、極大值和標準差。在樣本數據中，管理機構從業人員數的極大值和極小值為43871和2780，創業導師人數的極大值和極小值為41016和1406，孵化器場地面積的極大值和極小值為84106403和6888210，孵化基金總額的極大值和極小值為8413925和258673，服務平臺投資額的極大值和極小值為94104922和1915713，在孵企業總收入的極大值和極小值為571187894和2267236，孵化器總收入的極大值和極小值為32449379和1410110，在孵企業從業人員數的極大值和極小值為1768759和125633，累計畢業企業數量的極大值和極小值為101228和6475，當年畢業企業數量的極大值和極小值為16583和956，當年在孵企業數量的極大值和極小值為134832和7718。不管投入指標還是產出指標，極大值和極小值相差都比較大，說明我國科技企業孵化器運行的投入與產出相差較大。

表3顯示，所有指標的相關性均在1%的水平上顯著。說明了相關指標滿足DEA分析的前提條件，可以利用相關指標對其進行科技孵化器企業運行效率的評價。

（二）效率分析

1. 各地區綜合效率和超效率

從表4可知，除了西部地區2017年規模效率無效導致綜合效率無效且規模遞增以外，其他地區各年份科技企業孵化器和國家級科技企業孵化器運行效率都是1，并且規模不變。但是，傳統DEA模型無法區分有效決策單元，因而我們使用DEA SOVER模型，對國家級科技企業孵化器的超效率分析，最大程度地考慮松弛問題。

研究結果發現，東北地區國家級科技企業孵化器的超效率均值排在首位，說明東北地區資源冗余程度最大，可以加大投入或者縮小規模。

2. 東三省國家級科技企業孵化器的超效率

從表5可知，東部地區，遼寧、吉林、黑龍江三個省國家級科技企業孵化器的運行效率都大于1，遼寧省國家級科技企業孵化器的超效率最高。

從表6可以看出，以2020年為例，為了使其運營效率達到生產前沿面，遼寧省可以加大管理機構從業人數投入94人同時加大投入基金總額2533.14元，或者減少累計畢業企業的數量113家同時減少當年企業的畢業數量21家和在孵企業的數量26家。吉林省可以減少在孵企業的總收入600313.23元。黑龍江省可以增加管理機構從業人數26人同時增加孵化場地的面積95471.98平方米，或者減少當年企業畢業數量23家和在孵企業的數量117家。

如表8所示，整體來看，全要素生產效率均值為0.913，2016年最低0.673，2017年最高，之后呈遞減趨勢，說明孵化器技術創新效率水平有所下降。各年份技術效率變化指數、純技術效率變化指數、規模效率變化指數均為1，說明技術進步指數是影響全要素生產效率的唯一因素，2016年最低，2017年最高，之后逐年遞減的趨勢，2020年較2016整體提高了0.25。

表9顯示，2016～20209年科技企業孵化器平均全要素生產率為0.979，除了技術進步指數其他指數均為1，技術進步指數是影響東三省國家級科技企業孵化器技術創新效率的唯一因素。東三省各省份的技術進步有待提高。

四、結論與建議

（一）研究結論

以2016～2020年我國各省份科技企業孵化器投入與產出的相關數據為樣本，采用DEA p2.1模型、DEAsover5.0模型和Malmguist指數法，對科技企業孵化器創新效率進行了靜態和動態的分析。本文選取了管理機構從業人數、創業導師人數、孵化器場地面積、孵化基金總額和服務平臺投資額5個指標進行了實證研究。結合技術創新效率分析和實證分析結果，得到以下結論：

1. 從靜態來看，東三省國家級科技企業孵化器的綜合技術效率雖然為1，但是通過超效率進行分析，仍然存在上升空間。

2. 從動態來看，東三省國家級企業孵化器的Malmquist生產指數由于技術進步指數的提升而提升了25%。說明東三省國家級技企業孵化器的管理水平得到了改進、規模得到擴大。

3. 東三省國家級技企業孵化器的整體技術創新效率有所改善，但是仍然有提升的空間，因此技術創新效率還有待改善和提高。

（二）建議

我國科技企業孵化器的運營應采取以下措施：

1. 推動政府資金的正確引導，對政策進行改良。政府通過購買服務的方式對資金進行補貼，不是按照面積粗獷式補貼，而是對孵化的企業質量越好，補助越多。更多的補貼使用在信息化上、基地人員的培訓體系建設上、推動技術轉移建設上、平臺的建設上。

2. 聚集形成雙創服務區，對服務進行升級。政府發揮作用，協助做一些培訓輔導、技術支撐、媒體宣傳，使企業信息公開、透明，更好地為創業者、投資人，建立溝通的橋梁，提高產業的成功率。建立一個平臺提高對接效率。隨時可以對全區全市乃至全省孵化器的實施情況進行查詢，投資人可以快速查找到需要投資的企業。政府嚴格要求孵化企業信息開放，如果不開放就不發放投資，全區全市的監控才能有效實施和進行。

3. 打造品牌，為發揮優質的孵化器起到示范帶頭作用。一般的市級是區級的5～6倍大，好壞的差距也很大，盡量發揮示范作用。

4. 培育空間運營人才、提高持續運營能力。孵化器基地專業服務人員的匱乏依然成為制約孵化器成長的主要要素，提高專業孵化器基地專業技術已經迫在眉睫。空間運營人才的專業程度，也會提高科技企業孵化器的持續運營能力。

（三）局限性

《火炬路統計年鑒》中，雖然收集了不同年份的相關統計數據，但是本文只獲得了2016～2020年共5年的數據，為短面板數據，樣本跨度期間比較短、樣本的總量不夠大，加上統計口徑不一致等原因，或許會對本文的部分實證造成不利影響，還有待進行進一步探討。《火炬路統計年鑒》中沒有收錄專利申請數這一重要指標，有待數據完善后進一步研究。

參考文獻：

[1]代碧波，孫東生.基于DEA方法的科技企業孵化器運行效率評價——一東北地區14家國家級企業孵化器為例[J].科學進步與對策，2012，29（01）：142-146.

[2]剛登峰.孵化企業孵化績效的評估體系與模型設計[J].科學技術與工程，2009（02）：520-524.

[3]黃虹，許躍輝.我國科技企業孵化器運行績效與區域差異研究——基于260家國家級科技企業孵化器的實證分析[J].經濟問題探索，2013（07）：144-151.

[4]劉永松，王婉楠，于東平.高技術企業技術創先效率評價既影響因素研究[J].云南財經大學學報，2020（11）：100-113.

（作者單位：遼寧師范大學）