雙創背景下眾創空間運行效率評價及影響因素分析
——基于三階段DEA-Tobit模型

李存斌 馬源培

華北電力大學經濟與管理學院 北京 102206

1 研究背景

近年來我國的發展歷程中，有兩個熱頻詞。一是創新驅動發展，科技領域創新開拓是提高社會生產力和綜合國力的最強推動力，以科技創新驅動代替傳統勞動力及資源能源驅動是我國未來發展的核心戰略。二是經濟新常態，強調優化經濟結構保證中高速增長的同時轉向創新驅動?！按蟊妱摌I、萬眾創新”理念的提出是切合發展現狀的創造性舉動，“雙創”的深入開展推動新生市場和新生業態的大量涌現，助力傳統企業升級，激發大眾創業者的創業熱情，成為穩定和擴大就業的重要支撐及推動中國新常態下經濟發展轉型的核心思想。

眾創空間作為創新型孵化器，具備專業化服務能力，其便捷、完整的孵化要素可以滿足創客的創業經驗指導和創新思想孵化落地的需求。眾創空間的形成發展，順應開放創新、協同創新、大眾創新等思想交匯融合的創新趨勢。眾創空間的良好發展可以使得“雙創”中創新創業個體或集體的思想實踐化，切實為“雙創”注入活力，營造良好創新創業生態環境，實現可持續性的“大眾創業、萬眾創新”。

2 文獻綜述和研究創新

國內眾創空間相關領域的研究從無到有，從有到成果紛呈，歷時不到十年?！翱萍紕撔吕顺薄钡难杆侔l展無疑靠的是2.0創新時代的推動和國家“大眾創業、萬眾創新”的雙創政策的支持。眾創空間的發展運行，代表著傳統孵化器的再深入創新，代表著創新思維浪潮的落地可行性，更是代表著國家創新驅動發展戰略的引擎驅動力。國內學者們從不同角度，借助不同模型工具對眾創空間進行研究，極大豐富了眾創理論研究，補上了國內在此領域的薄弱一環。

眾創空間發展初期，國家提出相應政策綱領，有研究學者從整體角度對政策、運行機理等進行評價。卜令通等人從宏觀層面出發，基于五年內各省市出臺的眾創政策并結合PMC指數模型進行量化評價分析后提出了政策改進建議。林妙昕等人同樣基于發展政策，聚焦于廣東省眾創空間發展情況，對樣本政策進行編碼劃分，形成供給型政策、環境型政策和需求型政策三個分類并深入分析可改進空間。陶小龍、黃睿嫻基于同級層視角和跨級層視角，從創新創業載體提高孵化創新水平的基本點出發，對眾創空間案例樣本進行扎根理論分析，對眾創生態系統和運行機制進行剖析。潘英豪等人通過實地走訪調查山東省內眾創空間，對其不同運營模式和影響因素總結歸納，為制度完善性和創業者入駐提供指導建議。

部分研究學者的重點放在眾創空間的空間區域性質上，積極探索不同省市的科技孵化器的地域和效率的空間相關性。陳潔、蔣亮等人采用最近鄰指數、核密度分析等探究眾創空間地域層面的演變特點和影響機理。衛武、黃苗苗將研究重點放在各省市眾創空間發展狀況的差異性和不平衡性上，基于經濟發展新常態的雙創浪潮，比較不同創新服務載體的影響因子，并提出切實地區發展實情的政策建議。

隨著眾創空間的不斷發展，研究學者不僅深入量化評價眾創政策，從空間維度分析地區性差異，更多的研究關注于其運行效率和影響因素。張靜進、陳光華采用經典三階段DEA模型，排除環境因素和隨機誤差因素的干擾，評價測算更貼近真實情況的運行效率，對眾創空間運行中投入冗余提出調整建議。徐麗、胡文彪等人采用DEA模型和DEA-Malmquist指數，在構建的投入產出體系中對區域創新能力進行動靜雙方面的分析，對測算的運行效率進一步分解后總結對應的管理建議。李榮、王彥銘學者的研究在使用三階段DEA之外，加入了兩階段共同邊界DEA的測度方法，將眾創空間運行流程分解為服務階段和轉化階段，利用前后關聯性遞推分析兩階段的效率情況。

綜上所述，現在國內對眾創空間運行效率的評價研究已有一定積累，但大多采用的數據都是單年多地區的橫截面數據，測算過程存在偶然性。徐麗、田劍等人也在研究中指出眾創空間發展時間較短的限制使得多年多地區的面板數據使用出現阻礙。本文計劃使用2016—2019四年相關數據，在參考文獻基礎上對投入產出指標體系進行調整構建，使用三階段DEA對我國各省眾創空間運行效率進行評價，從區域角度和時間序列上探究發展情況。在測得四年整體運行效率后使用tobit回歸模型，選取不同于三階段DEA指標體系的評價指標作為解釋變量，運行效率作為被解釋變量，進行大樣本回歸分析，深入探討影響眾創空間發展的因素。

3 研究設計

3.1 模型構建

經典DEA采用線性規劃技術計算效率，約束限制較少，但未考慮環境因素和隨機誤差對效率差異的影響。針對這一不足，Fried等提出了三階段DEA模型，首先利用經典DEA測算效率值，然后利用隨機前沿模型對投入指標進行修正調整，使各個決策單元處于相同的環境當中，最后將修正后的投入數據使用經典DEA模型再次計算，得到剝離了環境因素和隨機誤差影響的結果。

Tobit模型，又稱受限回歸模型、截尾回歸模型，是指因變量受到限制的一種模型。該模型采用最大似然法對部分連續的或離散分布的被解釋變量進行回歸估計，可以避免采用普通最小二乘法估計帶來的參數估計量不一致和偏差問題。該模型的數學表達式為：

其中，是被解釋變量，為解釋變量，為隨機擾動項且～(0，)。

3.2 指標選取

3.2.1 三階段DEA投入產出指標

選取代表眾創工作服務支持度的工作人員數量，反映服務規模提供的工位數量，體現政府支持力度的財政資金支持和服務工作開展進度的創新創業活動次數為投入變量。選取眾創空間的數量、創業團隊和初創企業當年獲得投資總額以及眾創空間總收入等經濟收益作為產出變量。

3.2.2 三階段DEA環境變量

環境變量應為對運行效率評價有影響且評價單元無法控制改變的變量，文章做了調整，選取了人口數量、城鎮人口比重、人均GDP和受教育程度四個環境變量。其中受教育程度不同于以往文獻中的文盲率，而是考慮到眾創空間的發展對工作人員提出相對較高的學歷要求，因此選用各省份6歲以上受教育人數中，本科及本科以上占總人數的比例。

3.2.3 影響因素

參照李容等的研究并結合政府部門相關政策，選取政府補貼、當地科技企業孵化器數量、創業導師人數、備案眾創空間比例、開展創業教育培訓次數和人員教育素養這6個變量作為影響因素。為了減少異方差的影響，將政府補貼、當地科技企業孵化器數量、創業導師人數、開展創業教育培訓次數和人員教育素養這5個變量進行對數變換后加入Tobit回歸模型。

3.2.4 數據來源

研究使用的各項指標數據均來源于2017至2020年《中國統計年鑒》和《中國火炬統計年鑒》(部分數據缺失)。

4 基于三階段DEA模型的眾創空間運行效率測算分析

4.1 第一階段：傳統DEA效率測算結果及分析

采用DEAP2.1軟件，選取投入導向規模報酬可變的BCC模型測算2016—2019年中國30個省區市眾創空間運行效率，第一階段的DEA結果如表1所示。由表1可以發現，在不考慮外部環境因素的影響下，整體而言，中國眾創空間資源配置狀態有待優化，眾創空間運行效率仍有一定的提升空間。河北、上海、甘肅和青海的眾創空間運行效率平均值為1，表明2016—2019年這4個省市的眾創空間的資源配置十分均衡，長期處于DEA有效狀態。其他省區市的眾創空間運行效率與最優值之間仍存在一定差距，其中，北京市、吉林省、黑龍江省、江蘇省、浙江省、福建省、廣東省、廣西壯族自治區、寧夏回族自治區和新疆維吾爾自治區的眾創空間運行效率平均值均高于全國平均值，說明這10個省區市的眾創空間投入和產出處于較為均衡的狀態；而天津市、山西省、內蒙古自治區、遼寧省、安徽省、江西省、山東省、河南省、湖北省、湖南省、海南省、重慶市、四川省、貴州省、云南省的眾創空間運行效率平均值均低于全國平均值，說明這16個省區市的眾創空間投入產出效果一般，資源配置有待優化。

表1 2016—2019年中國30個省區市第一階段眾創空間運行效率平均值

4.2 第二階段：SFA模型回歸結果與分析

考慮到第一階段傳統DEA模型沒有排除環境變量、隨機干擾項和內部管理無效率等因素對眾創空間運行效率的影響，導致決策單元的效率運行結果出現一定偏差。因此，在第二階段將眾創空間服務人員數量、提供工位個數、享受財政資金支持和舉辦創新創業次數這4個投入指標的松弛變量作為因變量，選取各地區人口數量、城鎮人口比重、人均GDP和受教育程度這4個環境變量作為自變量，采用SFA模型并借助Frontier4.1軟件考察環境變量對投入指標松弛變量的影響，SFA模型的回歸結果見表2。

表2 SFA模型回歸結果

城鎮人口比重對服務人員數量松弛變量、提供工位個數松弛變量的系數均顯著為正。表現在城鎮人口比重越高，越不利于降低服務人員數量和提供工位個數的投入冗余。原因可能在于城鎮人口比重高的地區經濟發展水平較高，創新創業智能化服務設施也更為健全，對服務人員數量和工位個數的需求也相對較少，從而在導致眾創空間服務人員數量和提供工位個數產生投入冗余，造成浪費，進而不利于眾創空間運行效率的提升。城鎮人口比重對享受財政資金支持松弛變量產生了顯著的負向影響，說明城鎮化比重越高，越有利于降低財政資金支持松弛。這可能是因為城鎮人口比重高的地區往往有更多的創新創業機會，而創新創業初期通常面臨高額的資金投入和較大的風險，對政策財政資金支持的需求也較高，因此，城鎮化比重越高，越有利于降低財政資金投入冗余。

人均GDP對提供工位個數松弛變量的影響顯著為負，表明人均GDP越高，越有利于降低提供工位個數松弛。這可能是因為人均GDP越高的地區，經濟活動活躍程度更高，收入水平往往也較高，從而能夠吸引更多的創新創業人才，有效降低提供工位個數投入松弛，進而提升眾創空間運行效率。人均GDP對享受財政資金支持松弛變量的影響顯著為正，表明人均GDP導致享受財政資金支持松弛變量增加，主要原因在于人均GDP較高的地區，往往也有較高的財政收入水平，從而導致財政資金投入眾創空間的數額較大，產生了大量投入冗余，從而對眾創空間運行效率產生消極影響。

受教育程度對服務人員數量松弛變量、享受財政資金支持松弛變量的影響顯著為負，說明受教育程度越高，越有利于降低服務人員數量和享受財政資金支持松弛。其原因可能在于受教育程度越高的地區，服務人員對于創新性、科技性較強的孵化項目有一定經驗和基礎知識支撐，可以更高效地完成工作，有利于降低服務人員數量松弛量，進而提升眾創空間運行效率；同時，受教育程度高的地區往往匯集了大量高素質人才，創新創業氛圍濃厚，對財政資金支持的需求量也隨之提高，財政資金使用效率較高，能有效降低財政資金支持的投入松弛冗余，進而提升眾創空間運行效率。受教育程度對提供工位個數松弛變量產生了顯著的正面影響，表明受教育程度高導致提供工位個數松弛變量增加。主要原因可能在于，受教育程度高的地區眾創空間的數量在不斷增加，大部分眾創空間在初創時期在進行工位個數的配置過程中，由于對眾創空間的主營業務、崗位需求等不夠熟悉，導致提供工位個數出現了供需不對應的狀態，導致資源浪費，從而不利于眾創空間運行效率提升。

4.3 第三階段：調整后的運行效率結果與分析

第二階段SFA模型的回歸結果表明外部環境因素會對眾創空間運行效率產生較大變差，故需要對原來的投入變量進行調整，運用調整后的投入指標和原有的產出指標，采用投入導向規模報酬可變的BCC模型測算2016—2019年中國30個省區市眾創空間運行效率，表3匯報了調整后的眾創空間運行效率結果。第三階段2016—2019年中國30個省區市眾創空間運行效率(綜合技術效率)、純技術效率和規模效率的均值分別為0.641、0.995和0.645。

表3 2016—2019年眾創空間運行效率調整后的結果

對比第一和第三階段的結果可以發現，在剔除了環境因素和隨機干擾項的影響后，中國30個省區市眾創空間運行效率(綜合技術效率)的平均值下降了0.213，降幅為24.94%；純技術效率上升了0.084，增幅為9.22%；規模效率的平均值下降了，降幅為31.09%。由此可見，從第一階段到第三階段，眾創空間運行效率和規模效率的平均值均出現了較大幅度的下降，而純技術效率的平均值則沒有顯著變化，說明規模效率低下是造成中國眾創空間運行效率低下的主要原因。

為了進一步了解中國眾創空間運行效率的地區差異，根據國家統計局的劃分標準，將本文的研究對象30個省份劃分為東、中、西三大地區，本文中的東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南共11個省(市)；中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖南和湖北共8個??；西部地區包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆共11個省(自治區、直轄區)。由圖1可以看出，中國各地區眾創空間運行效率具有明顯的地區差異。總體而言，2016—2019年中國眾創空間的運行效率呈現上升的趨勢，表明眾創空間資源配置水平在不斷優化，但均值在0.650左右波動，說明中國眾創空間運行效率并不理想，仍存在較大的提升空間。

從東、中、西部地區分別來看，東部地區眾創空間運行效率最高，表明東部地區眾創空間的投入適度、產出效果明顯，資源配置最為科學合理，主要得益于東部地區優越的地理位置、較高的經濟發展水平和濃厚的創新創業氛圍。中部地區眾創空間運行效率呈現先上升后下降的變化趨勢，但運行效率仍低于全國平均水平。原因可能在于中部地區受東部地區的輻射帶動作用較強，承接了東部地區的技術轉移和產業轉移，導致早期眾創空間投入取得了積極成效，后期因為沒有及時對投入水平進行合理的調整，中部地區眾創空間運行效率又有所下降。西部地區眾創空間運行效率最低，均值一直在0.5以下，這可能是由于眾創空間發展起步較晚，受制于經濟發展水平、科技發展水平落后等原因，“大眾創業、萬眾創新”的意識較為薄弱，投入產出效果較差。

圖1 2016—2019年中國及各地區眾創空間運行效率變化情況

5 基于Tobit模型的眾創空間運行效率影響因素分析

由于三階段DEA模型測算出的眾創空間運行效率值在0～1之間，屬于受限被解釋變量。為了更深入地分析中國眾創空間的影響因素，本文運用stata15.0軟件，采用Tobit回歸模型對眾創空間運行效率的影響因素進行實證檢驗。回歸模型如下：

=+1+2+3+4+5+6+

式中，和分別代表省份和年份，為眾創空間運行效率，表示政府補貼，表示當地科技企業孵化器數量、表示創業導師人數、表示備案眾創空間比例，表示開展創業培訓次數，表示人員教育素養，為隨機擾動項。

表4報告了Tobit模型的回歸結果，LR檢驗和Wald檢驗均通過顯著性檢驗，說明模型的擬合效果很好，Tobit模型的選擇是合理的。由回歸結果可知，政府補貼與眾創空間運行效率的回歸系數為0.067，且通過了5%水平上的顯著性檢驗，說明政府補貼水平越高，眾創空間運行效率就越高。具體而言，政府補貼每增加1%，眾創空間運行效率隨之提高0.067%。當地科技企業孵化器數量的回歸系數為0.084，且通過了1%水平上的顯著性檢驗，表明增加當地科技企業孵化數量有助于提高眾創空間的運行效率。具體而言，當地科技企業孵化器數量每增加1%，眾創空間運行效率會提高0.084%。人員教育素養的系數為正且在5%的水平上通過顯著性檢驗，說明人員教育素養對眾創空間運行效率有顯著的積極影響。未通過顯著性檢驗的變量，結合實際情況進行主觀方面解釋，創業導師人數和開展創業培訓次數的系數為正，但未通過檢驗，這可能是因為部分地區政府對于實際運行中的培訓指導不夠重視，眾創空間運行屬于摸索前進，缺乏專業指導。備案眾創空間比例的系數為負，原因可能在于監管備案流程不夠規范，為追求表面數字而只有“空殼”的眾創空間只會造成投入資源浪費。具體而言，人員教育素養每提高1%，眾創空間運行效率會隨之提高0.079%。綜上所述，當地科技企業孵化器數量是影響眾創空間運行效率的首要因素，其次是人員教育素養，隨后是政府補貼。

表4 Tobit模型回歸結果

6 結論與政策建議

本文的研究選擇三階段DEA模型，采用30個省份四年面板數據，考察環境變量對四種投入指標的松弛變量的影響，得出更貼近真實的排除環境因素和隨機誤差因素后的眾創空間運行效率。深入解讀測算結果，調整后運行效率和規模效率的平均值均出現了較大幅度的下降，而純技術效率的平均值則沒有顯著變化，得出規模效率低下是現運行階段的主要問題，從時間序列分析眾創空間發展情況，2016—2019年眾創空間效率有所上升且較為穩定，但0.650的均值說明仍然存在提升空間。對30個省份評價單元進行地域劃分，并從空間角度分析東中西地區發展不平衡現狀和其原因。使用Tobit回歸模型，以三階段測算結果為被解釋變量，選取六項解釋變量，深入探討影響眾創空間運行效率的因素?？偨Y全文實證研究，結合相關“雙創”政策，歸納出如下針對眾創空間未來發展的政策建議。

(1)從整體上對眾創空間的空間布局進行合理化調整，優化完善空間體系。東、中、西三地區應結合自身發展情況進行政策引導。東部地區繼續借助發達經濟地帶和高新技術人才科技聚集的優勢，建立針對高新技術前沿領域的眾創空間，爭做“雙創”中的“尖端力量”的同時增強對其他地區的輻射帶動作用。中部地區不僅要承接技術和產業轉移，更要積極學習借鑒東部地區雙創工作開展經驗，在眾創空間大眾化建設的基礎上提高服務水平，拓寬服務對象范圍，向革新性創意技術孵化對接。西部地區努力與中部、東部地區搭建眾創產業“鏈式化”，順接吸收中部地區眾創成果影響，打造面向大眾的基礎性眾創空間聚集地，加大宣傳力度以提高群眾“大眾創業、萬眾創新”的意識，營造良好雙創氛圍。(2)眾創空間相關人員教育素養和運行效率緊密相關。全面優化眾創空間高等教育素養人才體系，實施“招進來”和“留下來”雙線推進戰略。“招進來”即積極與擁有豐富的雙創資源的高校和科研院所等開展合作交流，為創新人才直接提供一對一崗位對接。拓寬招收范圍，吸引大學應屆畢業生就業，革新工作人員團隊，全面提高教育素養。“留下來”即為有創新創業能力的人才制定優惠政策，提供良好生活和收入保障，提高滿意度。同時完善人才激勵政策，例如，科技成果轉化所帶來利益分配、股權和績效等。(3)政府加強政策引導在眾創空間運行中的影響力度。在科技創新點和孵化落地之間，政府要扮演“牽線者”。在眾創空間和科研機構、行業協會團體、企業等之間進行積極引導。對于眾創空間運行，細化補貼資金流向，在眾創空間開展的多項活動中，例如，對入駐人員團隊的創業培訓輔導，科創項目投融資對接，眾創空間建設用地出租和基礎設施建設等方面制定相關優惠政策，加大補貼力度。同時趁“雙創”浪潮加大宣傳力度，政府利用影響力在廣告或其他媒體渠道為眾創空間提升群眾吸引力。(4)當地科技企業孵化器數量對于眾創空間運行效率有顯著正向影響，這說明地區范圍內，高新技術企業孵化成果能帶動高新技術產業發展，對于孵化器延伸者眾創空間而言，有可學習借鑒的孵化經驗，進而能帶動眾創空間積極發展。眾創空間的定位是順應網絡時代，更多面向互聯網創業者，多與當地科技企業資源結合。在孵化對象選擇上，打破傳統企業傳統產業的邊界引導產業升級轉型，聚類創新人力、物力、科創思想等資源和高技術企業聯合開展產學研深度融合。(5)“雙創”浪潮下，政府一直提倡降低創業門檻，但同時在眾創空間飛速發展的這幾年，部分眾創空間造成投入冗余，沒有為創業者提供服務的能力和設施。

因此必須完善眾創空間備案規范體系，實行“外緊內松”。“外緊”指的是限制各地區上報數量的同時對于符合備案的相關指標要嚴格細化，對于眾創空間考察從材料文件轉到實地考核，增加考核專家人數并面向社會群眾公示，保證考察過程嚴謹。“內松”是指通過建立專門申報系統平臺，為符合申報條件的眾創空間減少煩瑣流程。