中國眾創空間科技創新效率的區域差異及空間分布

李鑫　陳銀娥

摘 要：基于技術創新和區域經濟理論，依據眾創空間2017—2019年數據，運用三階段超效率SBM-DEA動態模型，結合ML指數、Dagum系數和Morans I指數，考量我國眾創空間科技創新效率的時空差異和空間分布。結果發現：眾創空間科技創新整體效率較低，區域之間差異較大；科技創新效率的差異來源于組內和組間差異，呈現“東多西少”的分布格局，具有較強的局部集聚性。鑒于此，應進一步依托眾創空間的科技創新動能和區位優勢，構建區域優勢產業，優化區域產業結構，聚集科技創新人才，提升科技創新產業水平。

關鍵詞： 眾創空間；科技創新；時空分異；SBM-DEA動態模型

中圖分類號：F276．44；F273．1文獻標識碼： A文章編號：1003-7217（2023）02-0088-08

一、引 言

《國務院辦公廳關于發展眾創空間推進大眾創新創業的指導意見》等政策加速了眾創空間的發展，明確眾創空間承載創新創業功能的定位，進一步激發了大眾創新創業的激情，成為我國構建經濟發展新格局和創新經濟的重要動力。但是，隨著眾創空間數量的爆發式增長，出現了依賴財政補貼、經營管理不善、科技人才流失等問題，影響了其科技創新能力和科技創新效率，也滯后了其所在區域的科技發展進程。因此，對我國眾創空間科技創新發展現狀的進一步分析，提出提升眾創空間科技創新效率的有效對策，不僅有利于眾創空間科技創新能力的提升，也有助于我國有效實施創新驅動發展戰略。

目前，國內外學者從以下四個方面進行了相關研究：第一，眾創空間的內涵。眾創空間是互聯網技術和科技發展的產物，一種從虛擬世界轉到線下的共享社區[1]，為創客提供舒適的辦公場所及多元化服務，激發他們的創新熱情[2]，提供創新創業平臺[3]，體現民主化的社會價值和自力更生的生存愿望[4，5，6]。眾創空間是市場化盈利的服務組織[7]，創客彼此交流想法并相互激勵[8]，以提高創新效率為目的[9，10]，具有共享交流、開放式運作以及跨界合作的屬性[11]，以及便利化、低成本、平臺化、開放性強等特點[12]。第二，眾創空間的運行模式。眾創空間分為創客孵化型、專業服務型、媒體平臺型、投資驅動型、培訓輔導型和創業生態型等多種運行模式[13]，以及投資驅動型、產業鏈服務型、綜合創業生態體系型和地產思維型四種類型[14]。有學者對比國內外眾創空間的運行模式，具有空間租金、服務收費和投資收益三種盈利模式[15]，需要構建政府保障和以市場主導來重塑眾創空間的運行機制[16]；也有學者研究高校的眾創空間發展模式，探索其運行及盈利方式[17，18]。第三，眾創空間的運行效率。早期學者以問卷調查和面談的形式獲取運行數據，分析和篩選后評價其運行效率[19，20，21]；隨后利用公開數據分析企業的存活程度是影響其運行效率的主要指標[22]。從眾創空間的經濟情況、企業及人才的吸引力、內外部環境的支持程度、金融結構和企業的滿意度等8個維度測評其運行效率[23]；入駐企業的數量、員工數量、創造的就業數量和企業成功率等指標也可以評價其運行效率[24]。第四，眾創空間的創新效率。有學者選擇常駐企業有效知識產權數、發明專利數衡量創新能力，結合發展能力和社會貢獻能力，構建創新效率綜合評價指標體系[25]；以創業團隊數量、初創企業數量衡量創業聚集能力，創業團隊和企業吸納就業情況、有效知識產權數量衡量創新創業成效[26]；以科技成果轉化率、專利申請授權數、孵化企業數衡量科技創新效果[27]；也有學者僅用孵化成功率[28]或有效知識產權數量[29]等單一指標評價創新發展水平。在評價方法上，學者們通過模糊集定性比較[30]、三階段DEA模型[31]和馬姆奎斯特指數[32]，研究眾創空間的創新效率及影響因素。

總的來說，國內外學者對眾創空間進行了多維度的研究，主要貢獻在于：一是從多方面探索了眾創空間的概念和內涵，為進一步明晰眾創空間的內涵奠定了基礎；二是分析了眾創空間的運行模式和運行效率，從運行特色、運行內容和運行方向等多個方面進行分析，提出了優化眾創空間運行模式和效率的發展方向；三是構建了眾創空間科技創新的評價指標，運用多種方法和模型分析科技創新效率，為進一步客觀評價眾創空間科技創新提供了理論基礎。以上學者從不同角度對眾創空間進行了研究，取得了一定的研究成果。但存在的不足主要有兩點：一是多數文獻評價眾創空間科技創新效率時并未剔除外部環境、隨機誤差等影響因素，致使對其科技創新的真實水平及動態演變的評估存在偏差；二是已有文獻研究了眾創空間科技創新效率，但研究其區域差異和空間分布的文獻仍相對不足。鑒于此，本文集中研究三個方面：一是構建三階段SBM-DEA并結合ML生產率指數，將管理無效率、外部環境和隨機誤差等因素納入眾創空間科技創新效率的分析框架，對我國眾創空間科技創新的真實水平和動態演變展開分析；二是運用Dagum基尼系數對眾創空間科技創新的區域差異和來源進行解析；三是利用Morans I指數對眾創空間科技創新的空間相關性和空間關聯性進行識別。

二、研究設計

（一）研究方法

1.三階段SBM-DEA。

與傳統的DEA模型不同，SBM模型將松弛變量引入目標函數中，使得SBM模型的經濟解釋不單是實現收益最大化，并且是獲得實際利潤的最大化。SBM方法克服了徑向DEA模型不考慮投入產出的松弛性問題，并解決了考慮非期望產出的效率評估問題，在生態效率、環境效率、創新效率評價中應用廣泛。當DEA模型分析結果中出現多個DMU被評價為有效的情況，對這些有效DMU無法進一步區別。Andersen和Petersen提出對有效DMU進一步區分其有效程度的方法，被稱為“超效率”模型[33]。Fried等人指出傳統 DEA 模型并沒有考慮環境因素以及隨機誤差對樣本效率評價的影響，需要引入隨機前沿模型（SFA）來剔除環境因素和隨機誤差，再將剔除過環境因素和隨機誤差的數據進行第一階段傳統DEA方法測算，即將第二階段SFA回歸后的調整過的投入值和原始產出值再通過超效率SBM及ML指數模型測算，得到的效率值更加客觀和準確[34]。

2. Dagum基尼系數。

利用Dagum提出的基尼系數分解方法揭示中國眾創空間科技創新效率的區域差異和來源。該方法可以充分考慮中國眾創空間的空間分布特征和不平衡現象，將其分解為地區內部不平衡、地區之間的不平衡和超變密度。超變密度指地區間因重疊引起的地區不平衡[35]。

3. Morans I指數。

為了進一步從整體上分析我國眾創空間科技創新效率，并考察眾創空間科技創新效率與其鄰近的空間區域上的相關程度，采用Morans I指數模型分析我國30個省市眾創空間的全局空間自相關性，探索空間變量的區域結構形態。

（二）數據來源

從《中國火炬統計年鑒》選取我國30個省份（西藏和港澳臺地區數據缺失，不包含在內）的2017—2019年眾創空間科技創新效率評價指標體系，具體見表1。

三、實證結果及分析

（一）超效率SBM效率分析

通過MAXDEA 8軟件的超效率SBM模型（以投入為導向），對我國30個省份眾創空間2017—2019年的科技創新效率進行測算，得到整體及個體的技術效率、純技術效率和規模效率。具體見表2、表3。

從表2可以發現，2017—2019年我國30個省份眾創空間技術效率和純技術效率呈現先遞增后遞減的趨勢，規模效率則一直遞減，且純技術效率較高；從表3可以發現，北京、天津、遼寧、黑龍江、江西、河南、寧夏、新疆的技術效率較高；內蒙古、湖南、江蘇、貴州、福建、云南、陜西、重慶、浙江、山東的技術效率較低。因為各個省份眾創空間的外部環境存在一定的差異，影響科技創新效率的測算，必須剔除環境變量及隨機噪聲，獲取真實客觀的結果。

（二）SFA模型回歸實證分析

SFA模型回歸分析將第一階段得到的各個投入松弛變量作為被解釋變量，將環境變量作為解釋變量，通過建立SFA模型，運用Frontier4.1軟件，可得如下結果（表4）。

2017—2019年回歸結果的極大似然比（LR值）均通過5%水平的顯著性檢驗，可以認為選擇的三個外部環境因素對各個DMU單元效率測算產生了顯著性影響。而且三個回歸分析中的gamma值分別為0.46、0.66、0.4和0.45，均大于0.1，且都通過顯著性檢驗，說明環境變量影響越大，管理無效率影響較為明顯，隨機因素影響相對較小。由環境變量對投入松弛變量的回歸結果可知，3個環境變量對4個投入松弛變量的回歸系數大部分通過了10%以上的顯著性水平檢驗，說明所選擇的環境變量對投入松弛變量產生明顯的影響。環境變量的系數正負，反映出環境變量對投入松弛變量的影響關系，即負值表示增加環境變量會減少投入松弛變量，即減少投入變量的損耗，從而提升創新效率；反之，環境變量的系數為正值，則表示增加環境變量將會提高投入松弛變量，即加劇投入變量的損耗，從而降低眾創空間的科技創新效率。

由上可見，（1）地區生產總值對享受財政資金支持額松弛、提供工位數松弛、舉辦創新創業活動松弛及眾創空間服務人員數量松弛呈現顯著正相關性，造成這種現象可能是因為眾創空間處于發展初期，內外部基礎設施建設尚不完善，并且外部環境沒有形成濃厚創新創業氛圍，因此過多的增加對眾創空間的財政資金支持會導致“財浮于事”“人浮于事”的現象。（2）科學技術支出對享受財政資金支持額松弛、提供工位數松弛、舉辦創新創業活動松弛及眾創空間服務人員數量松弛呈現顯著負相關性。這反映出科學技術支出增加將會減少這四個投入的松弛變量，從而提升科技創新效率。這一結果反映了科學技術支出在引導眾創空間科技創新過程中發揮的積極作用，更加直接地對各個省份眾創空間的科技創新效率的提升明顯。如果想要進一步提升科技創新效率，需要在政府財力允許的基礎上，加大對眾創空間科學技術投入，實現創新創業更高的產出，帶動當地的經濟發展。（3）對外開放水平對享受財政資金支持額松弛、舉辦創新創業活動松弛及眾創空間服務人員數量松弛呈現顯著負相關性，對提供工位數松弛呈現顯著正相關性，這反映出對外開放水平增加將會減少享受財政資金支持額、舉辦創新創業活動及眾創空間服務的松弛，從而提升創新效率，但會增加提供工位數的松弛。這一結果表明，對外開放水平的提高會促進眾創空間科技創新效率的提升，但會影響提供工位數，這需要各地政府結合本地創新創業的特點，在工位提供上要結合創新創業的需要，而不是片面追求數量的提升，更要注重質的提升和成果轉化。

（三）調整后的超效率SBM效率分析

超效率SBM效率分析在第二階段剔除環境變量的投入變量和初始產出數據基礎上，將這些數據重新代入到超效率SBM及ML指數模型進行測算，獲得調整后的靜態和動態效率值，具體見表5、表6。

1.我國30個省份眾創空間科技創新效率的靜態實證分析。

由表5可知，剔除環境變量的影響后，2017—2019年我國30個省份眾創空間的技術效率和規模效率均呈現遞增的趨勢，而純技術效率呈現先遞增后遞減的趨勢。一方面反映我國眾創空間整體靜態科技創新效率存在穩步提升，純技術效率依然是技術效率提升的主要原因，反映了2017—2019年各種科技創新技術、方法得到了較好的應用；另一方面反映了創新創業的發展由行業本身和外部環境共同推進，充分利用內外部兩種力量，能更好更快地的推動我國創新創業效率的提升。

由表6可知，江蘇、浙江和山東從技術效率較低變成技術效率較高的區域，而黑龍江、寧夏、新疆從技術效率較高變成技術效率較低的區域，剔除環境變量影響后的結果更加合理。一方面反映寧夏、新疆等西部省份的創新效率較高可能是國家政策類的扶持，而非市場的直接反應；另一方面反映江蘇、浙江等東部省份由于市場環境較為成熟，相關配套齊全，創新效率更多的是依靠市場為主的推動，政府的支持反而相對較少。而從純技術效率和規模效率來看，剔除環境變量后的第三階段效率值與第一階段類似。技術效率不高的原因主要是因為規?；蛔悖哟_定了我國創新創業事業需要進一步提高規?；?。

2.我國30個省份眾創空間科技創新效率的動態實證分析。

本節內容采用超效率SBM及ML生產率指數模型從動態角度分析30個省份在2017—2019年眾創空間的科技創新效率變化。運用MAXDEA 8軟件，對我國30個省份眾創空間的創新效率在2017—2019年的變動進行測算，具體結果如表7、表8所示。

從表7中可以發現，從Tfpch值的情況來看，整體增幅有所放緩的趨勢，但增速依然很快，3年內平均增長幅度達到了78.8%。而Effch值年均43.5%的增幅，高于Techch值年均25%的增幅，而Effch值年均43.5%增幅的貢獻主要來自Pech值年均增長1.1%以及Sech年均增長42.4%?？梢耘袛嘞啾扔诩夹g進步提升，技術效率提升以及規模效率提升是促進Tfpch值提高的主因。因此，對于我國30個省份整體而言，提高各個省份整體的規?；绞翘嵘齽撔滦实囊豁椫匾ぷ?。

從表8中可以發現，2017—2019年，除了天津和江西的增速為負以外，其他28個省份的增速均為正，部分中西部省份如新疆、湖北、廣西、海南等的增速反而超過東部省份。整體而言，2017—2019年，我國絕大部分省份的創新創業工作發展迅猛，增速非?？?，尤其是創新工作處于起步階段、發展較晚的省份上升速度更快。雖然部分省份Tfpch值增長速度接近，但是全要素生產率變化原因卻不一定相同，以上海和河北為例，上海2017—2019年間Tfpch值年均增長35.5%，河北2017—2019年間Tfpch值年均增長32.7%，Tfpch值增長速度接近，但是上海Effch年均增長7.6%，Techch年均增長24.7%，而河北Effch年均增長17%，Techch年均增長12.9%，上海全要素增長的主要原因是技術進步的提升，而河北全要素增長的主要原因是技術效率的提升。因此，各個省份需結合自身的實際情況及在我國創新創業大潮中的定位和分工，進行針對性的改善和提升。

（四）地區差異測度與分析

1.我國眾創空間科技創新效率的地區差異與分解。

利用Dagum基尼系數及分解方法對我國眾創空間科技創新效率進行空間分解（表9）。一是我國眾創空間運行效率的總體基尼系數在研究期間呈現下降的趨勢，表明我國東中西部地區的眾創空間科技創新效率的差距趨于收斂，并且東、中部地區內和地區之間的基尼系數存在一定的異質性。二是從東中西部區域內部比較可以看出，2017—2019年東部和西部區域的基尼系數處于持續下降趨勢，并且東部區域下降幅度較大，而中部地區呈現小幅度的先升后降態勢。三是從區域間的比較可知東-中區域、東-西區域和中-西區域的基尼系數呈現持續下降趨勢，其下降幅度分別是42.49%、31.83%和19.29%。由于中西部地區眾創空間不斷模仿和借鑒東部地區的先進運行模式和科學技術，從而降低了區域間的差異。四是從2017—2019年的差異來源和貢獻度來看，基尼系數地區內部差異、地區間差異和超變密度貢獻度較為均衡，而三者的均值分別是30.752%、40.51%、28.738%，可見基尼系數地區間差異的貢獻份額較大。

2.眾創空間科技創新效率的空間分布。

進一步分析我國眾創空間科技創新效率的空間分布，采用全局和局部空間自相關分析方法，利用GeoDa14.0計算2017—2019年我國眾創空間科技創新效率的全局Morans I指數、局部Morans I指數，結果見表10、表11。我國眾創空間科技創新效率的空間分布特征：一是我國眾創空間科技創新效率空間分布存在較強的集聚效應。2017—2019年全局Morans I指數在0.2上下波動，通過P值小于0.05的顯著性檢驗；位于高高聚集區和低低聚集區的省份比例分別為63.33%、76.67%和73.33%，表明這些地區存在空間分布依賴性。二是眾創空間科技創新效率空間部分呈現東高西低、北高南低的總體集聚態勢。2017—2019年，北京、河北、山東、江蘇、浙江、福建等東部省份多處于高高聚集區，這些省份具有人口、政策、金融等適合進行科技創新活動的資源；在低低聚集區的云南、貴州、四川和廣西等省份則相對缺少這類資源。而上海、湖南、重慶、廣東等處于低高聚集區或高低聚集區的省份，一般會受到相鄰省份正反兩個方向的影響，即眾創空間科技創新效率會被鄰省的創新人才、創新技術或創新資金等資源沖擊，說明高聚集區會對低聚集區具有科技創新的溢出效應和帶動作用，而低聚集區也會對其相鄰地區的科技創新產生鎖定特征。

四、結論與對策建議

利用三階段超效率SBM-DEA動態模型和ML指數，以及Dagum基尼系數分解方法和Morans I指數對2017—2019年我國30個省份的眾創空間科技創新效率進行了檢驗，結合我國眾創空間的運行現狀，得出如下結論：

第一，從整體上分析，我國30個省份眾創空間科技創新效率存在穩步的提升是由于技術效率的拉動，但是仍然參差不齊，其主要原因是規模效應嚴重滯后了其發展和運行效率，需全面地提升規模效應才能有效提升眾創空間科技創新效率。

第二，我國大部分省份的眾創空間科技創新效率發展迅猛，增速非常快，尤其是處于起步階段或發展較晚的眾創空間上升速度更快。但是每個省份的眾創空間科技創新效率的提升都是由不同因素引起的，例如上海主要是由科學技術的發展，而河北則是技術效率的提升。因此，各個省份眾創空間需結合自身的實際情況，進行針對性的改善和提升。

第三，科學技術和對外開放對我國眾創空間科技創新效率的提升具有顯著作用，因此各地區需要加大科學技術投入，進一步激活科技創新經濟；同時也要加大加快對外開放，吸引先進的科技創新技術、資金和人才。

第四，從地區差異上來看，我國眾創空間發展的地區差距逐漸收斂，東中部和東西部地區的差距下降幅度是最大的，說明東部地區眾創空間發展的先進技術和經驗正在逐漸地向中、西部地區溢出，促進了該地區眾創空間的發展，提升了其科技創新運行效率。從全局和局部空間來看，我國眾創空間科技創新效率空間分布存在較強的集聚效應；眾創空間科技創新效率空間部分呈現東高西低、北高南低的總體集聚態勢，并且我國大部分的眾創空間聚集在華東、華南和華北地區。

基于上述結論，提出進一步提升眾創空間科技創新效率的對策建議：

第一，提高各省眾創空間科技創新的規模效率。一是加速眾創空間科技成果產業化，圍繞科技創新企業進行規劃并鼓勵龍頭科技企業間的合作，搭建科技成果市場化平臺，促進科技創新成果轉化。二是加速眾創空間的科技產業結構升級，通過稅收優惠政策、科技產業扶持政策等，培育人工智能、區塊鏈、大數據等科技型企業，調整區域科技產業發展結構，加快科技產業發展步伐，促進科技產業升級。

第二，明確各省眾創空間的定位、分工及合作。一是各省份眾創空間需緊密結合區域的要素稟賦優勢，從科學研發、技術升級、人才素質等多方面考量，形成具有區域特色的發展模式。二是基于人才、技術等要素稟賦優勢的異質性，眾創空間科技創新效率的提升需要緊密合作，形成優勢互補、協同創新的發展態勢，才能進一步提升眾創空間科技創新的效率。

第三，加大科技投入和對外開放程度。一是眾創空間需要借助財政支出、金融市場、民間資本以及利用外資等形式加大科學技術的資金支持力度，進一步激發企業科技創新的激情。二是強化與不同地區或國家的經濟、貿易、技術的交流與合作，有計劃、有重點、有選擇地從國外引進適用且先進的技術設備，聘請必要的外國經濟技術專家指導科技創新工作。

第四，全方位優化空間結構和空間治理。一是基于不同省份社會經濟發展程度的差異性，加強眾創空間科技創新資源的集約利用，堅持科技創新資源存量空間盤活，并進一步激活科技創新空間增量，增強眾創空間科技創新區域合作能力。二是建立健全空間經濟關聯，降低資源自由流動的空間約束和壁壘限制，促進科技創新知識技術溢出、生產要素和資源的有序流動，推進眾創空間科技創新資源的有效配置，形成有機聯動和協調發展的區域一體化空間格局。

參考文獻：

［1］ Hunsinger J. The social workshop as PLE：Lessons from hacklabs[J]．Proceedings of the PLE Conference，2011，10：7-13．

[2] Mohomed I， Dutta P. The age of DIY and dawn of the maker movement[J]. ACM? Sigmobile Mobile Computing & Communications Review， 2015， 18（4）：41-43.

[3] El-Ariss T. Hacking the modern： Arabic writing in the virtual age[J]. Comparative Literature Studies， 2010， 47（4）：533-548.

[4] Bauwens M，Mendoza N，Iacomella F．Synthetic overview of the collaborative economy［J］． Chiang Mai： P2P Foundation． Accessed August，2014： 12-15．

[5] 顧瑩．眾創空間發展與國家高新區創新生態體系建構［J］．改革與戰略，2015（ 4）： 66－69．

[6] Willett R. Making， Makers， and makerspaces： A discourse analysis of professional journal articles and blog posts about makerspaces in public libraries[J]. The Library Quarterly， 2016， 86（3）：313-329.

[7] 賈天明， 雷良海. 眾創空間的內涵、類型及盈利模式研究[J]. 當代經濟管理， 2017（6）：13-18.

[8] Moilanen J.Emerging hackerspaces-peer-production generation[M]. Open Source Systems： Long-Term Sustainability. Springer Berlin Heidelberg， 2012：94-110.

[9] Troxler P. Commons-based peer-production of physical goods： Is there room for a hybrid innovation ecology？[J]. SSRN Electronic Journal， 2010：8-16.

[10]眾創空間研究課題組. 眾創空間的“前世今生”[J]. 科技智囊， 2017（11）：64-81.

[11]鄭巧英，朱常海．國家高新區“三次創業”主題文章之八：眾創空間的概念、運作機制與發展建議［J］．理論視野，2015（8）：132-137.

[12]李燕萍，陳武.中國眾創空間研究現狀與展望[J].中國科技論壇，2017（5）：12-18，56.

[13]蘆亞柯. 我國眾創空間的運行模式、制度環境及制度創新策略[J]. 商業經濟研究， 2017（4）：121-123.

[14]李同月. 眾創空間運營模式分析[J]. 中外企業家， 2016（8）：246-248.

[15]杜楓.中美眾創空間商業模式的比較與分析[J]. 現代經濟信息， 2017（4）：40-42.

[16]李燕萍，李洋.中美英三國創客空間發展的比較及啟示[J]. 貴州社會科學， 2017（08）：84-90.

[17]張育廣. 高校眾創空間的運行機制及建設策略——以廣東工業大學國家級創客空間為例[J]. 科技管理研究， 2017（13）：101-106.

[18]袁俊榆，謝鑫. 高校專業化眾創空間的建設與運行——以電子科技大學無線通信國家專業化眾創空間為例[J]. 中國高校科技， 2017（S2）：68-69.

[19]張力. 企業孵化器研究前沿與突破方向探析[J]. 外國經濟與管理， 2010，32（6）：19-24.

[20]Harpe-Anderson? E， Lewis D A. What makes business incubation work？ Measuring the influence of incubator quality and regional capacity on incubator outcomes[J].Economic Development Quarterly，2018，32（1）：60-77.

[21]Fukugawa N.Is the impact of incubators ability on incubation performance contingent on technologies and life cycle stages of startups？：Evidence from Japan[J].International Entrepreneurship and Management Journal，2018，14（2）：457-478.

[22]Aerts K， Matthyssens P， Vandenbempt K. Critical role and screening practices of European business incubators［J］. Technovation， 2007， 27（5）： 254-267.

[23]Barbero J L， Casillas J C， Ramos A， et al. Revisiting incubation performance： How incubator typology affects results[J]. Technological Forecasting & Social Change， 2012， 79（5）：888-902.

[24]Schwartz M . A control group study of incubators impact to promote firm survival[J]. Journal of Technology Transfer， 2013， 38（3）：302-331.

[25]劉筱寒，王棟晗，谷盟，等.基于三階段數據包絡分析的國內眾創空間創新效率研究[J].科技管理研究，2020，40（20）：64-74.

[26]李洪波，史歡. 基于DEA方法的國內眾創空間運行效率評價[J]. 華東經濟管理， 2019， 33（12）： 77-83.

[27]宋宏，張璐.眾創空間投入與區域科技創新發展關系實證研究[J].科技管理研究，2018（12）：15-21.

[28]閆麗平，谷立霞，陳曄.創新驅動戰略下高技術產業發展能力評價[J].企業經濟，2016（6）：54-58.

[29]杜寶貴，王欣.眾創空間創新發展多重并發因果關系與多元路徑[J].科技進步與對策，2020，37（19）：9-16.

[30]黃鐘儀，趙驊，許亞楠.眾創空間創新產出影響因素的協同作用研究——基于31個省市眾創空間數據的模糊集定性比較分析[J].科研管理，2020，41（5）：21-31.

[31]張靜進，陳光華.基于DEA模型的眾創空間創新創業效率及投入冗余比較研究[J].工業技術經濟，2019，38（9）：26-34.

[32]許亞楠，黃鐘儀，王藝，等.中國眾創空間運營效率評價及影響因素研究[J].科技管理研究，2020（4）：80-87.

[33]Andersen P， Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science， 1993， 39（10）：1261-1264.

[34]Fried H O， Lovell C， Schmidt S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002， 17（1-2）：157-174.

[35]Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics，1997， 22（4）， 515-531.

（責任編輯：鐘 瑤）

Regional Differences and Spatial Distribution of Science and Technology

Innovation Efficiency in Chinas Crowdsourcing Spaces

LI Xin1，2，CHEN Yine3

（1.Wenlan School of Business，Zhongnan University of Economics & Law，WuHan，Hubei 430073，China；

2.School of Finance & Economics，Hunan University of Finance & Economics，ChangSha，Hunan 410205，China；

3.School of Economics & Management，Changsha University of Science & Technology，ChangSha，Hunan 410014，China）

Abstract：Based on theories of technological innovation and regional economy， the three-stage super-efficiency SBM-DEA dynamic model， combined with ML index， Dagum coefficient and Morans I index， was applied to consider the spatial and temporal differences and the spatial distribution of technological innovation efficiency of crowdsourcing innovation spaces in China based on the data of crowdsourcing innovation spaces from 2017 to 2019. The results show that the overall efficiency of science and technology innovation in crowdsourcing innovation spaces is low， and the differences between regions are large; the differences in science and technology innovation efficiency are within and between groups， and the distribution pattern is “more in the east and less in the west”， with strong local clustering. In view of this， we should further build up regional advantageous industries， optimize regional industrial structure， gather scientific and technological innovation talents， and improve the level of scientific and technological innovation industries by relying on the scientific and technological innovation kinetic energy and location advantages of crowdsourcing spaces.

Key words：crowdsourcing space; science and technology innovation; spatio-temporal differentiation; SBM-DEA dynamic model

收稿日期： 2022-09-23

基金項目：國家社科基金重點項目（21AJL007）、湖南省教育廳科學研究項目（22C0687）

作者簡介： 李 鑫（1987—），男，湖南澧縣人，博士，中南財經政法大學應用經濟學在站博士后，湖南財政經濟學院財政金融學院講師，研究方向：數字金融與商業模式創新；陳銀娥（1966—），女，湖南湘陰人，博士，長沙理工大學經濟與管理學院教授，博士生導師，研究方向：數字普惠金融。