科技企業孵化器運行效率研究

摘 要：科技企業孵化器（以下簡稱孵化器）是提供物理空間、共享設施和專業化服務的科技創業服務機構。本文通過三階段DEA模型分離環境條件和隨機誤差，對2021年我國31個省孵化器的運行的效率進行測算。結果表明：疫情情況下，人均GDP提升影響了孵化器的運行的效率，試驗發展（Ramp;D）經費提升給孵化器的運行的效率帶來了有利影響因素。經SFA調整后，大多數發達地區的綜合效率、純技術效率和規模效率均有所提高，說明環境變量會對孵化器的運行效率帶來較大的影響。

關鍵詞：科技企業孵化器；三階段DEA；運行效率；環境變量

中圖分類號：F 27 " " " " " " " 文獻標志碼：A

20世紀50年代以來，企業孵化器的概念從美國紐約州巴達維亞工業中心橫空出世。1987年在武漢東湖總參通信部武昌軍代表室駐地一座閑置的營房內，誕生了全國第一家科技企業孵化器新技術創業中心。TechStars、Y-Combinator、Plug and Play Tech Center、啟迪孵化器、36Kr等國內外知名的孵化器，它們孵化了大量獨角獸、高新技術企業，為行業技術積累、企業發展、區域經濟增長做出突出貢獻。本文采用Fried等提出的三階段DEA方法對全國31個省份2021年數據進行分析，針對DEA的多種投入（即資源）的運用和多種產出（即服務）的產生，不需要轉換為相同的單位，結合SFA提出環境條件和隨機誤差影響，使每個決策的單元均處于相同環境與隨機因素里。

31個省份孵化器運行效率同時受到系統內部環境和外部環境影響，孵化器發展存在顯著地域性，與所在省份經濟發展密切相關。Fried等提出的三階段DEA方法可分離環境條件和隨機誤差，使31個省份的孵化器處于同一發展水平條件下進行效率測算。

1 研究設計

1.1 三階段DEA方法

數據包絡分析方法DEA（Data Envelopment Analysis）是一種基于線性規劃的用于評價同類型的組織中績效相對有效的工具。本文將采用Fried等提出的三階段DEA方法：第一階段為用的是規模報酬可變BC2（規模報酬可變）模型，計算每個決策單元的綜合效率、純技術效率和規模效率和投入變量的松弛值。純技術效率體現的是決策單元在一定（最優規模時）投入要素的生產效率；規模效率體現的是實際規模與最優生產規模的差距；綜合技術效率體現的是對決策單元的資源配置能力、資源使用效道率等多方面能力的綜合衡量與評價。

對于每個決策單元，投入導向下BC2模型如公式（1）所示。

（1）

式中：j=1，2，...，n表示決策單元，λj（j=1，2，…，n）為n個決策單元的某種組合權重，λjXj和λjYj分別為按這種權重組合的虛構決策單元的投入和產出向量，S-=（S1-，S2-，...，Sm-）T，S+=（S1+，S2+，...，SS+）T，Si-、Sr+（i=1，2，…，m;r=1，2，...，s）為松弛變量，ε是非阿基米德無窮小。

如果θ=1，S +=S -=0，說明該決策單元有效；如果θ=1，S +≠0，或S -≠0，說明該決策單元弱有效；如果θlt;1，說明該決策單元非DEA有效。

BC2（規模報酬可變）模型計算得到的效率值是綜合技術效率，對其再次分解為規模效率與純技術效率，得到公式：綜合技術效率=規模效率×純技術效率。第二階段為將所有的環境變量作為自變量，上一階段得到的松弛變量作為因變量，基于SFA估計得到所有環境變量對投入松弛量影響的程度，以最有效決策單元的投入量為參照，對其他單元投入量進行調整。

構造以投入導向SFA估計函數如公式（2）所示。

Sni=f（Zi;βn）+vni+μni;i=1，2，…，I;n=1，2，…，N （2）

式中：Sni為第i個的決策單元中第n項的投入松弛值；Zi為環境變量；βn為環境變量系數；vni+μni為混合誤差項；vni為隨機干擾；μni為管理的無效率。v～N（0，σv2）為隨機誤差項。

SFA回歸的目的是剔除環境因素和隨機因素對效率測度的影響，以便將所有決策單元調整于相同的外部環境中。調整公式如公式（3）所示。

XA ni=Xni+[max（f（Zi;））-f（Zi;）]+[max（vni）-vni]i=1，2，…，I;

n=1，2，…，N " （3）

式中：XniA為調整后投入；Xni為調整前投入；[max（f（Zi;））-f（Zi;）]：對外部的環境因素進行調整；[max（vni）-vni]：將全部決策單元置于相同運氣水平下。

然后剔除管理無效率項，采用SFA回歸的成本函數如公式（4）所示。

（4）

式中：ε為聯合誤差項；Φ、?分別為標準正態分布的密度函數和分布函數。

最后，計算隨機誤差項μ，如公式（5）所示[4]。

E[vni|vni+μni]=Sni-f（zi;βn）-E[uni|vni+μni] （5）

第三階段是用上一階段調整后投入數據與原始的產出數據再次帶入BC2模型進行計算，得到剔除環境因素及隨機誤差影響的結果。

1.2 樣本選取

本文數據來源，樣本對應指標的原始數據源于《中國創業孵化發展報告2022》[1]、《2021年全國科技經費投入統計公報》[2]、國家統計局官網[3]。

1.3 變量選取與說明

1.3.1 選取投入變量

表1中投入變量（X）切實反映31個省份孵化器投入，主要考慮人力、財力以及物力3個方面。其中，人力方面用管理機構從業人員數量（X3）體現投入，財力方面用運營成本（X1）體現投入，物力方面用孵化場地面積（X2）體現投入，用在孵企業平均Ramp;D經費（X4）體現科技投入。

1.3.2 選取產出變量

表1中產出變量（Y）應當反映31個省份孵化器的運行效率，表現為孵化器在獲得經濟效益、培育中小微企業及累計畢業企業數量、實現科技成果等績效，所以本文從經濟的效益、孵化的效率、科技轉化成果3個方面選取變量。以2021年數據為樣本，以2021年孵化器總收入（Y1）表征業務規模，替代經濟的效益；以單位孵化面積的在孵企業數量（Y2）、累計畢業企業數量（Y3）反映孵化的效率；以在孵企業擁有有效知識產權（Y4）反映科技轉化成果。

1.3.3 選取環境變量

表1中環境變量（Z）是孵化器運行效率的外部環境影響因素，屬于不可控因素。本文從宏觀經濟環境、科技實力方面選取2個環境變量：孵化器所在省經濟水平發展越高，基礎設施配套、財政投入就越多，吸引的勞動力就越多，這樣就越有利該省孵化器的發展，用人均GDP（Z1）來反映其宏觀經濟環境；以31個省份研究與試驗發展（Ramp;D）經費投入（Z2）來反映其科技實力。

2 實證結果及分析

2.1 運行的效率分析

利用軟件DEAP2.1及Frontier4.1對我國31個省份孵化器運行效率測算，所得結果見表2。

2021年孵化器綜合效率平均為0.886，純技術效率平均為0.912，規模效率平均為0.969。根據第三階段的結果，可得出31個省份中北京市、河北省、山西省、遼寧省、黑龍江省、江蘇省、浙江省、山東省、河南省、湖北省、湖南省、廣東省、海南省、貴州省、云南省、西藏自治區16個省份處于綜合效率前沿面上。有13個省份低于平均綜合效率，其中，上海市綜合效率為0.626最低，其規模效率為0.748也最低，說明我國孵化器創新效率比較高。處于綜合效率前沿面上的16個省份和內蒙古自治區、安徽省規模收益不變，其余6個省份的規模收益增加，7個省份的規模收益減少。

2.2 基于SFA的隨機前沿分析

第二階段，將第一階段測算的4種投入變量運營成本（X1）、孵化場地面積（X2）、管理機構從業人員數量（X3）和在孵企業平均Ramp;D經費投入（X4）的松弛變量作為函數的被解釋變量，選取各省人均GDP（Z1）、各省研究與試驗發展（Ramp;D）（Z2）經費投入作為解釋變量，考察2個環境變量對4個投入項松弛變量的影響。采用軟件Frontier4.1計算，分析結果見表3。

首先，從回歸結果來看， 4個回歸模型的gamma值均為1（見表3～表6），說明技術無效率的影響比較大，存在管理無效率項和隨機誤差項的影響。其次，表3～表6 4個模型的單邊檢驗值為27.02、20.36、18.49、21.83，且均達1%水平上顯著性，說明SFA模型顯著性良好。

下面對各環境變量對投入松弛便變量的影響進行具體說明：1）各省人均GDP（Z1）。在上述分析結果中，各省人均GDP（Z1）僅在管理機構從業人員數量這個松弛變量達到1%水平的顯著性，對運營成本松弛變量無顯著性影響，對孵化場地面積（X2）松弛變量、在孵企業平均Ramp;D經費投入（X4）松弛變量顯著性影響不大。說明在產出量相同的情況下，疫情的特殊情況，經濟水平的提升會增加管理機構從業人員數量（X3）的投入浪費。2）各省研究與試驗發展（Ramp;D）經費投入（Z2）。在疫情的特殊情況下，對運營成本（X1）松弛變量、孵化場地面積（X2）松弛變量和在孵企業平均Ramp;D經費投入（X4）松弛變量無顯著性影響，僅對管理機構從業人員數量（X3）松弛變量回歸系數為負數。說明增加研究與試驗發展（Ramp;D）經費投入可以減少管理機構從業人員數量投入。

綜上所述，第一階段在沒有剔除環境條件和隨機誤差影響下，所得到的效率值結果對31個省份的孵化器的運行效率進行判斷，結論存在不合理，再根據第二階段的分析結果，對第一階段的投入變量進行調整，剔除了環境條件和隨機誤差等影響后，再次對31個省份孵化器的運行效率進行評價。

2.3 第三階段效率值分析

利用調整后投入的數據和原來產出的數據，重新計算結果見表2。

2.3.1 綜合技術效率分析

處于SFA有效前沿面的省是北京市、河北省、山西省、遼寧省、黑龍江省、江蘇省、浙江省、山東省、河南省、湖北省、湖南省、廣東省、海南省、貴州省、云南省以及西藏自治區，其中，上海市綜合效率由0.626升至0.824。調整后大多數發達地區的綜合效率都有所提高。

2.3.2 純技術效率分析

調整后，31個省份孵化器平均純技術效率由0.912升至0.916，除了江西省、四川省以及處于相對技術有效前沿面的省份，其他各省孵化器的純技術效率都得到提高，這說明31個孵化器的純技術效率在沒有剔除環境和隨機因素前提下，純技術效率被低估。

2.3.3 規模效率分析

調整后，31個省份孵化器平均規模效率由0.969升至0.975，其中規模效率下降的有8個，上升的有6個。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，內蒙古自治區、吉林省、安徽省、廣西省、重慶市、甘肅省、新疆吾爾自治區從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、陜西省、寧夏回族自治區從0.92、0.968、0.951、0.807、0.979升至0.955、0.999、0.96、0.842、0.98。調整前后仍處于規模收益遞減狀態的有天津市、上海市、江西省、四川省、陜西省、寧夏回族自治區，這些省孵化器應該注重創新資源的合理配置和使用效率來提高創新效率，走內涵式發展道路，而不是通過擴大要素投入規模來提高創新效率[5]。

3 結論

研究發現，在剔除了環境因素與隨機因素后，大部分省份孵化器的綜合效率與純技術效率都有所提高，規模效率卻有所下降。在疫情的作用下，各地經濟發展都受到不同程度的影響，有16個省份處于綜合效率前沿面，基于此，提出以下3個對策：1）中西部省份應加強省內孵化器的管理和技術指導。建議中西部應加強孵化器聯盟建設，各省科技廳發揮主導作用，推動省內孵化器聯動，與周邊省份、沿海省份加強交流，不斷總結先進孵化器的管理經驗，提升管理效率。2）疫情后應繼續保持精益創業思路推廣孵化器建設。疫情使各省份對孵化器的建設進行精簡，事實證明，創業也需要精益管理，并不是創業投入越多，效果越好。疫情下，各省份孵化器建設受到不同程度影響，但仍然有過半的省份處于綜合效率前沿面上，創業投入逐漸理性，合理分配。3）全國孵化器建設進入新階段。從整理的數據看，全國孵化器總體規模已經達到較高的水平。

參考文獻

[1]科學技術部火炬高技術產業開發中心.中國創業孵化發展報告[M].北京：科學技術文獻出版社，2022：9-36.

[2]國家統計局，科學技術部，財政部.2021年全國科技經費投入統計公報[EB/OL]. https：//www.gov.cn/xinwen/2022-08/31/content_5707547.htm，2022-8-31/2023-10-30.

[3]國家統計局.國家數據-2021年度數據[EB/OL].http：//www.stats.gov.cn/sj/，2022-1-31/2023-10-30.

[4]馬月鵬.我國科技企業孵化器運行效率評價及提升研究[D].南昌：南昌大學，2020.

[5]劉滿鳳，李圣宏.基于三階段DEA模型的我國高新技術開發區創新效率研究[J].管理評論，2016（1）：42-52.