范金 趙彤

孵化器內(nèi)初創(chuàng)型科技企業(yè)績效綜合評價(jià)*

范金 趙彤

對孵化器內(nèi)初創(chuàng)型科技企業(yè)績效進(jìn)行綜合評價(jià)具有必要性與緊迫性?；谛滦投嘀笜?biāo)評價(jià)方法—PLS路徑模型，運(yùn)用南京110家企業(yè)調(diào)研數(shù)據(jù)，以人才效益、科技效益、成長效益、經(jīng)濟(jì)效益、社會(huì)效益5大方面、15個(gè)指標(biāo)為基礎(chǔ)，構(gòu)建了孵化器內(nèi)初創(chuàng)型科技企業(yè)績效綜合評價(jià)指標(biāo)體系，數(shù)據(jù)顯示該指標(biāo)體系能夠較好地覆蓋孵化器內(nèi)初創(chuàng)型科技企業(yè)的多維度目標(biāo)。在此基礎(chǔ)上根據(jù)綜合評價(jià)結(jié)果進(jìn)行系統(tǒng)聚類分析。特別地，為克服聚類分析的主觀性以及貧數(shù)據(jù)問題，引入灰色關(guān)聯(lián)分析方法以客觀考察不同維度的潛變量指標(biāo)對不同類型初創(chuàng)型科技企業(yè)綜合評價(jià)得分的影響。結(jié)果表明不同類型初創(chuàng)型科技企業(yè)改進(jìn)綜合評價(jià)得分的著力點(diǎn)并不相同，企業(yè)應(yīng)認(rèn)清自身情況，進(jìn)而做出針對性決策。

科技創(chuàng)業(yè);綜合評價(jià);偏最小二乘法;聚類分析;灰色關(guān)聯(lián)度

一、引言

創(chuàng)業(yè)活動(dòng)決定了一個(gè)國家或者地區(qū)的經(jīng)濟(jì)增長，因而其活躍程度在一定程度上能夠代表一個(gè)國家或者地區(qū)經(jīng)濟(jì)發(fā)展的繁榮程度①，其中科技創(chuàng)業(yè)作為將知識(shí)創(chuàng)新成果孵化為新技術(shù)和企業(yè)的創(chuàng)業(yè)形式②，能夠有力地推動(dòng)創(chuàng)新并顯著增加地區(qū)財(cái)富③。盡管作為中國科教名城的南京人才總量眾多，但具有國際水準(zhǔn)的高端人才相對缺乏，引領(lǐng)產(chǎn)業(yè)發(fā)展的創(chuàng)業(yè)人才相對缺乏，產(chǎn)業(yè)發(fā)展的急需緊缺人才相對缺乏，這是南京人才結(jié)構(gòu)的現(xiàn)實(shí)困境。南京在發(fā)展過程中也出現(xiàn)了創(chuàng)新活力不足、創(chuàng)業(yè)氛圍匱乏、創(chuàng)業(yè)主體缺失、創(chuàng)業(yè)融資困難、市場機(jī)制不完善等問題，這導(dǎo)致南京科教人力資源向現(xiàn)實(shí)生產(chǎn)力的轉(zhuǎn)化能力不高，科技創(chuàng)業(yè)乏力④，從而影響了南京的長遠(yuǎn)發(fā)展。培植適合初創(chuàng)型科技企業(yè)⑤的環(huán)境體系是充分發(fā)揮人力資源優(yōu)勢、吸引高端人才、發(fā)展創(chuàng)業(yè)經(jīng)濟(jì)的必要條件⑥。為此，南京市政府于2011年7月1日提出實(shí)施科技創(chuàng)業(yè)特別社區(qū)建設(shè)計(jì)劃。自2011年至今，南京先后有總用地約45.8平方公里的20個(gè)紫金科技創(chuàng)業(yè)特別社區(qū)啟動(dòng)建設(shè)并陸續(xù)投入使用，且各項(xiàng)配套服務(wù)設(shè)施齊備。這對于最大程度地創(chuàng)造適合科技創(chuàng)業(yè)的良好空間和卓越服務(wù)，全面聚焦“四個(gè)第一”⑦，實(shí)施創(chuàng)新驅(qū)動(dòng)戰(zhàn)略具有重要的現(xiàn)實(shí)意義。

然而，倘若科技創(chuàng)業(yè)社區(qū)內(nèi)的初創(chuàng)型科技企業(yè)因績效不佳紛紛倒閉，那么不僅會(huì)浪費(fèi)社會(huì)資源，而且會(huì)使后來者駐足，進(jìn)而嚴(yán)重影響科技創(chuàng)業(yè)活動(dòng)的整體活躍程度⑧。因此科技創(chuàng)業(yè)特別社區(qū)管理部門有必要對轄區(qū)內(nèi)初創(chuàng)型科技企業(yè)績效進(jìn)行綜合評價(jià)，在此基礎(chǔ)上采取針對性措施，指導(dǎo)企業(yè)進(jìn)行相應(yīng)改善，最終實(shí)現(xiàn)科技創(chuàng)業(yè)特別社區(qū)的長遠(yuǎn)發(fā)展。但由于初創(chuàng)型科技企業(yè)績效評價(jià)的特殊性與復(fù)雜性，目前無論從理論層面還是操作層面均缺乏具有針對性和系統(tǒng)性的評價(jià)方案。本文在對以往評價(jià)方法進(jìn)行回顧的基礎(chǔ)上，針對初創(chuàng)型科技企業(yè)的特點(diǎn)，基于PLS-SEM方法，利用南京20家科技創(chuàng)業(yè)特別社區(qū)內(nèi)的110家初創(chuàng)型科技企業(yè)數(shù)據(jù)，從人才效益、科技效益、成長效益、經(jīng)濟(jì)效益、社會(huì)效益等五個(gè)層面設(shè)計(jì)了初創(chuàng)型科技企業(yè)的綜合評價(jià)指標(biāo)體系，從而較好地覆蓋了初創(chuàng)型科技企業(yè)的多維度目標(biāo)，在一定程度上解決了指標(biāo)的非觀測性、數(shù)據(jù)非正態(tài)分布以及多重共線性等問題，并給出了較為合理的孵化器內(nèi)初創(chuàng)型科技企業(yè)綜合評價(jià)指數(shù)。在對企業(yè)綜合績效進(jìn)行聚類分析的基礎(chǔ)上，為克服聚類分析的主觀性和數(shù)據(jù)樣本量較小的問題，文章引入了不受數(shù)據(jù)分布與樣本量限制的灰色關(guān)聯(lián)分析方法，據(jù)此更加客觀地指出不同類型初創(chuàng)型科技企業(yè)提升綜合評價(jià)得分的著力點(diǎn)所在。

二、初創(chuàng)型科技企業(yè)綜合評價(jià)模型構(gòu)建

1.方法選擇

多指標(biāo)綜合評價(jià)方法主要有兩類，分別是顯變量綜合評價(jià)方法與潛變量綜合評價(jià)方法。顯變量綜合評價(jià)方法包括線性規(guī)劃法、專家評價(jià)法、層次分析法、數(shù)據(jù)包絡(luò)分析、因子分析法等等。但此類方法通常有三大問題難以解決:第一，現(xiàn)實(shí)中的許多數(shù)據(jù)無法直接觀測，因而這些方法往往無用武之地;第二，當(dāng)指標(biāo)間存在嚴(yán)重的多重共線性時(shí)，由于信息的重復(fù)使用會(huì)導(dǎo)致結(jié)果有偏;第三，對數(shù)據(jù)性質(zhì)的要求較高，并且可能存在較為明顯的主觀性問題。與顯變量綜合評價(jià)方法相對應(yīng)，潛變量綜合評價(jià)方法主要分為兩類:第一類是基于極大似然估計(jì)的結(jié)構(gòu)方程建模方法，被稱為“硬模型”，以線性結(jié)構(gòu)方法為代表;第二類是基于方差的結(jié)構(gòu)方程建模方法，被稱為“軟模型”，以偏最小二乘法為代表。后者能夠同時(shí)對測量模型的信度與效度以及結(jié)構(gòu)模型內(nèi)潛變量間的關(guān)系進(jìn)行估計(jì)⑨。相較于基于極大似然估計(jì)的結(jié)構(gòu)方程建模方法而言，其具有一系列的優(yōu)勢，包括:(1)不要求變量原始數(shù)據(jù)滿足正態(tài)分布假設(shè);(2)適用于進(jìn)行理論上的探索性分析，而非僅僅是驗(yàn)證性分析;(3)相對于MLE-SEM的大樣本要求而言，PLS-SEM運(yùn)用Bootstrap技術(shù)能夠產(chǎn)生穩(wěn)定的路徑系數(shù)和顯著水平，即使樣本量在100以下;(4)能夠更好地處理可能存在的多重共線性問題。因此，PLS在經(jīng)濟(jì)學(xué)、管理學(xué)以及心理學(xué)領(lǐng)域已然得到了廣泛的運(yùn)用⑩。

基于上述理由，本文主要采用PLS-SEM方法對初創(chuàng)型科技企業(yè)績效進(jìn)行綜合評價(jià)。PLS結(jié)構(gòu)方程模型主要涉及兩類變量，即潛變量以及用于測度潛變量的顯變量。相應(yīng)地，該模型主要由兩類子模型構(gòu)成:(1)用于描述顯變量與潛變量關(guān)系的測量模型;(2)用于衡量潛變量之間關(guān)系的結(jié)構(gòu)模型。在測量模型方面，由于指標(biāo)構(gòu)成方式的不同，可以將其劃分為“構(gòu)成型”與“反映型”兩類，其測量方程分別可以用 xjh= λjhζj+ εjh和 ζj= ∑kπjhxjh+ δj表示，而究竟使用哪種類型的指標(biāo)主要可以根據(jù) Jarvis（11）(2003)的標(biāo)準(zhǔn)從理論分析的角度加以判別;而在結(jié)構(gòu)模型方面，潛變量之間的關(guān)系可以用 ζj= ∑j≠iβjiζi+ ζj表示。其中ζj表示標(biāo)準(zhǔn)化的潛變量，λjh與πjh代表因子載荷，εjh、δj以及ζj為模型誤差項(xiàng)。

在模型參數(shù)的具體計(jì)算方面，PLS路徑分析主要分為兩個(gè)步驟:(1)運(yùn)用迭代方法計(jì)算得到潛變量估計(jì)值;(2)運(yùn)用偏最小二乘法對潛變量與顯變量、顯變量之間進(jìn)行線性回歸，從而得到具體的參數(shù)估計(jì)值。通過上述步驟最終實(shí)現(xiàn)測量方程與結(jié)構(gòu)方程誤差項(xiàng)最小化。本文使用SmartPLS 2.0.M3軟件對文中的綜合評價(jià)路徑模型進(jìn)行分析。

2.數(shù)據(jù)說明與指標(biāo)設(shè)計(jì)

本文一方面借鑒使用國內(nèi)外孵化器領(lǐng)域的成熟量表，另一方面走訪科技創(chuàng)業(yè)社區(qū)管理部門與初創(chuàng)型科技企業(yè)進(jìn)行半結(jié)構(gòu)化訪談，該訪談的目的在于全面深入地了解對初創(chuàng)型科技企業(yè)進(jìn)行綜合評價(jià)應(yīng)該包含的維度，使遺漏變量的可能性降至最低，并據(jù)此對相關(guān)題項(xiàng)加以修改，從而滿足偏最小二乘法路徑模型的實(shí)證要求。結(jié)合上述二者編制初始問卷，我們面向在寧五所高校的6位專家和14位科技創(chuàng)業(yè)社區(qū)的管理者對問卷進(jìn)行了預(yù)測試，在對反饋意見進(jìn)行綜合分析的基礎(chǔ)上，對問卷進(jìn)行調(diào)整以增強(qiáng)題項(xiàng)的內(nèi)容效度，由此形成正式的調(diào)查問卷。問卷的調(diào)查對象是南京20個(gè)紫金科技創(chuàng)業(yè)特別社區(qū)內(nèi)的初創(chuàng)型科技企業(yè)以及科技創(chuàng)業(yè)特別社區(qū)的管理部門。問卷的應(yīng)答者是這些初創(chuàng)技術(shù)企業(yè)的高層管理者與科技創(chuàng)業(yè)特別社區(qū)管理者。調(diào)查問卷于2012年12月發(fā)放，并于2013年1月中旬收回。共發(fā)放問卷132份，共收回有效問卷110份，問卷回收率達(dá)到83.33%。對收回的110份有效問卷和22份無效問卷進(jìn)行t值檢驗(yàn)，發(fā)現(xiàn)所有t值均不顯著，這表明并不存在顯著的非回應(yīng)偏差問題;對問卷所有條目一起做因子分析，發(fā)現(xiàn)在未旋轉(zhuǎn)時(shí)得到的第一主成份占到的載荷量是36.16%，并未占到多數(shù)，可見同源偏差并不嚴(yán)重（12）。本研究樣本的主要特征如表1所示。

由于初創(chuàng)型科技企業(yè)綜合評價(jià)的復(fù)雜性和多維結(jié)構(gòu)增加了對其測度的難度，因此學(xué)者們采用多因素方法進(jìn)行分析（13）。在借鑒以往研究成果的基礎(chǔ)上，本文針對南京科技創(chuàng)業(yè)特別社區(qū)內(nèi)企業(yè)的特點(diǎn)，遵循相關(guān)性、全面性、可操作性、穩(wěn)定性的原則設(shè)計(jì)如下指標(biāo)。

表1 研究樣本的主要統(tǒng)計(jì)特征

人才效益。人才對于企業(yè)的重要性主要體現(xiàn)在兩個(gè)方面:第一，企業(yè)尤其是初創(chuàng)型科技企業(yè)的發(fā)展壯大依賴于人才的有效研發(fā)與管理工作;第二，能否吸引和培養(yǎng)高質(zhì)量的人才本身也是評價(jià)企業(yè)績效的重要指標(biāo)。本研究所調(diào)研的科技創(chuàng)業(yè)特別社區(qū)內(nèi)的企業(yè)主要員工均參與研究性工作，其從事的多為高新技術(shù)產(chǎn)業(yè)，因此本文所指人才效益主要指企業(yè)培育(吸引)的高學(xué)歷(高技術(shù)能力)人才（14）。我們使用博士人數(shù)、教授人數(shù)、R＆D人員人數(shù)來測度該指標(biāo)（15）。

科技效益。從事科技研發(fā)工作是初創(chuàng)型科技企業(yè)的主要特征，也是初創(chuàng)型科技企業(yè)安身立命的根本所在，更是其存在于科技創(chuàng)業(yè)特別社區(qū)，受到國家大力扶持的重要原因?，F(xiàn)有研究通常使用專利數(shù)目或者申請專利數(shù)目作為科技效益的評價(jià)指標(biāo)。但該指標(biāo)存在如下不足:第一，我國企業(yè)普遍缺乏專利意識(shí)和法律意識(shí)，尤其是在法律制度不完善的情況下，相當(dāng)多的企業(yè)科技成果可能未能以專利形式表現(xiàn)出來;第二，由于當(dāng)代科學(xué)和技術(shù)的結(jié)合越來越緊密，很多新創(chuàng)企業(yè)從事著最新技術(shù)的突破，十分需要科學(xué)研究的支持，因此主要體現(xiàn)企業(yè)技術(shù)水平的專利數(shù)目指標(biāo)可能不足以完全體現(xiàn)企業(yè)的技術(shù)水平與科學(xué)水平兩個(gè)層面?；谏鲜隼碛?，我們用專利申請數(shù)量，獲得專利數(shù)量，發(fā)表論文數(shù)量來綜合衡量該指標(biāo)（16）。前兩者主要體現(xiàn)企業(yè)的技術(shù)效益，而論文數(shù)量則能夠體現(xiàn)企業(yè)所達(dá)到的科學(xué)水平。

成長效益。根據(jù)Chrisman等（17）對企業(yè)創(chuàng)業(yè)階段的劃分，可以將企業(yè)產(chǎn)生的前四年定義為“初創(chuàng)期”。按照此標(biāo)準(zhǔn)，南京科技創(chuàng)業(yè)社區(qū)內(nèi)的企業(yè)均處于生命周期的初創(chuàng)階段，在績效指標(biāo)的選取方面應(yīng)該體現(xiàn)其初創(chuàng)型科技企業(yè)的特點(diǎn)?？萍计髽I(yè)在創(chuàng)建初期主要關(guān)注企業(yè)的生存與成長，因此本文特別使用了企業(yè)成長效益指標(biāo)。員工數(shù)量的變化被認(rèn)為是一個(gè)能夠全面反映初創(chuàng)型科技企業(yè)成長績效的重要標(biāo)志，因此我們選擇員工數(shù)量的變化(員工增長率與員工增長量)作為反映企業(yè)規(guī)模性增長的指標(biāo)（18）。

經(jīng)濟(jì)效益。對于任何企業(yè)來說，盈利能力與水平都是衡量其運(yùn)行績效的重要標(biāo)志，并最終決定了其能否實(shí)現(xiàn)自身的發(fā)展壯大，初創(chuàng)型科技企業(yè)也不例外。Delmar等（19）認(rèn)為，銷售凈利潤能夠反映企業(yè)的成長，為企業(yè)帶來逐增的利潤。Palepu等（20）指出，企業(yè)的投入應(yīng)該得到相應(yīng)的回報(bào)，這是企業(yè)未來發(fā)展的基石。Murphy（21）基于1987-1996年間發(fā)表在權(quán)威刊物上的99篇文獻(xiàn)，提出了創(chuàng)業(yè)績效的五維度分類法，將創(chuàng)業(yè)績效分為盈利性績效、成長性績效、生存性績效、生產(chǎn)率績效、滿意度績效五類。本文借鑒上述分析，采用銷售凈利潤、銷售利潤率、投資回報(bào)率來測度企業(yè)的經(jīng)濟(jì)效益。

社會(huì)效益。企業(yè)經(jīng)濟(jì)效益固然重要，但利潤并非企業(yè)唯一的目標(biāo)所在。在企業(yè)社會(huì)責(zé)任日益受到關(guān)注的當(dāng)下，對企業(yè)績效的評價(jià)從內(nèi)涵到外延都需要增加符合時(shí)代要求的新內(nèi)容。社會(huì)效益已然成為評價(jià)企業(yè)績效的重要方面，其將影響企業(yè)的公眾形象，并很大程度上決定了企業(yè)發(fā)展的未來走向。文章中社會(huì)效益的評價(jià)指標(biāo)包括“對當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的引領(lǐng)作用”，“對當(dāng)?shù)刂鲗?dǎo)產(chǎn)業(yè)的促進(jìn)作用”，“對當(dāng)?shù)卦盒？蒲性核蒲袑?shí)力的提升作用”以及“對當(dāng)?shù)貏?chuàng)業(yè)創(chuàng)新文化建設(shè)提升的作用”。

3.模型構(gòu)建

根據(jù)上述指標(biāo)，并運(yùn)用Guinot等（22）提出的一類特殊的PLS路徑模型構(gòu)建本文的初創(chuàng)型科技企業(yè)綜合評價(jià)體系，上文中所分析的人才效益、科技效益、成長效益、經(jīng)濟(jì)效益、社會(huì)效益等五個(gè)潛變量指標(biāo)共同反映的潛變量為綜合評價(jià)指標(biāo)，因此，綜合評價(jià)指標(biāo)能夠較好地概括企業(yè)的綜合績效水平。本文基于PLS-SEM的初創(chuàng)型科技企業(yè)綜合績效評價(jià)路徑模型如圖1所示。

三、實(shí)證分析結(jié)果

PLS對于測量模型中反映型指標(biāo)的測度是基于個(gè)別項(xiàng)目的信度、建構(gòu)信度、會(huì)聚效度以及判別效度進(jìn)行的（23）。在本文的研究中，所有反映型指標(biāo)的相關(guān)系數(shù)均超過0.7，外部權(quán)重均大于0，這說明本文模型較好地綜合了各觀測指標(biāo)的信息，如表2所示。

圖1 孵化器內(nèi)初創(chuàng)型科技企業(yè)績效綜合評價(jià)模型

表2 PLS評價(jià)模型因子載荷與外部權(quán)重

表3 建構(gòu)信度、收斂效度與判別效度

建構(gòu)信度的目的在于檢驗(yàn)觀測變量是否一致地測度目標(biāo)潛變量，通常使用組合信度指標(biāo)與Cronbach’s alpha指標(biāo)加以測度（24）。Nunnally和Bernstein（25）建議當(dāng)模型的復(fù)合信度(Composite Reliability)達(dá)到0.7以上時(shí)是可以接受的。在我們的研究中，五個(gè)潛變量均達(dá)到了標(biāo)準(zhǔn)。為了檢測收斂效度，我們觀察相應(yīng)的平均變異萃取量(AVE)指標(biāo)（26），本文中潛變量的AVE值均超過了0.5。判別效度意指各個(gè)構(gòu)念直接的區(qū)分程度，PLS中有兩種途徑來檢測判別效度:第一，各維度間完全標(biāo)準(zhǔn)化相關(guān)系數(shù)應(yīng)該小于所涉及各維度自身AVE的平方根;第二，題項(xiàng)與該測度構(gòu)念的載荷不應(yīng)小于題項(xiàng)對其他構(gòu)念的載荷。本文的研究能夠保證較好的判別效度，如表3所示。同時(shí)，表3中潛變量的相關(guān)關(guān)系也能夠表明本文中的綜合評價(jià)得分指標(biāo)能夠較好地涵蓋人才效益、科技效益、成長效益、經(jīng)濟(jì)效益以及社會(huì)效益指標(biāo)的相關(guān)信息。

基于圖1所示的PLS結(jié)構(gòu)方程模型可以計(jì)算得到110家南京初創(chuàng)型科技企業(yè)的綜合評價(jià)指標(biāo)得分及其排名（27），如表4所示。我們可以看到企業(yè)間各指標(biāo)得分差距較大，且總體來看，綜合評價(jià)結(jié)果并不理想，只有31家企業(yè)的綜合評價(jià)得分為正，其余79家企業(yè)綜合評價(jià)得分為負(fù)。

為了對上述110家初創(chuàng)型科技企業(yè)進(jìn)行合理分類，找出各類企業(yè)的特征并給出針對性的政策建議，我們分別運(yùn)用SPSS軟件提供的七種系統(tǒng)聚類方法對上述企業(yè)的因素評價(jià)得分進(jìn)行聚類分析。聚類結(jié)果顯示，組間聯(lián)接與質(zhì)心聚類法結(jié)果類似，而最遠(yuǎn)鄰元素與中位數(shù)聚類法結(jié)果接近。根據(jù)馬慶國（28）提出的聚類個(gè)數(shù)確定原則以及本文數(shù)據(jù)的實(shí)際情況，我們最終選擇使用最小方差法進(jìn)行聚類，并將企業(yè)類型劃分為五類，該方法能夠較好地兼顧分類個(gè)數(shù)合理同時(shí)又具備足夠的區(qū)分力度兩大原則。為進(jìn)一步檢驗(yàn)上述聚類結(jié)果的合理性，本文進(jìn)行單方差分析。結(jié)果顯示上述五類企業(yè)在人才效益、科技效益、成長效益、經(jīng)濟(jì)效益、社會(huì)效益、綜合評價(jià)指標(biāo)等方面均存在顯著差異，如表5所示。上述系統(tǒng)聚類結(jié)果的直觀表示見圖2。

表6給出了五類初創(chuàng)型科技企業(yè)各潛變量得分的平均水平，從結(jié)果來看，前三類初創(chuàng)型科技企業(yè)各指標(biāo)績效均相對較好，但企業(yè)數(shù)目偏少(僅16家);而后兩類初創(chuàng)型科技企業(yè)各指標(biāo)績效相對較差，且企業(yè)數(shù)目偏多(達(dá)94家)，尤其是表現(xiàn)最為不理想的第五類企業(yè)，其數(shù)目高達(dá)59家，超過了研究樣本(110家)的半數(shù)。這固然有南京科技創(chuàng)業(yè)特別社區(qū)成立時(shí)間尚短，各方面績效尚未完全得以實(shí)現(xiàn)的緣故，但并不能掩蓋其中可能存在的問題。因此，應(yīng)該更加注重對社區(qū)內(nèi)初創(chuàng)型科技企業(yè)績效的綜合評價(jià)，并針對評價(jià)結(jié)果，對不同類型的初創(chuàng)型科技企業(yè)給出針對性的發(fā)展建議以促進(jìn)其綜合績效的提升。為此，下文引入灰色系統(tǒng)理論進(jìn)行針對性分析。

表4 南京科技創(chuàng)業(yè)特別社區(qū)初創(chuàng)型科技企業(yè)綜合效益評價(jià)得分及其排名

表5 系統(tǒng)聚類分析后單方差分析結(jié)果

圖2 110家社區(qū)內(nèi)初創(chuàng)型科技企業(yè)綜合評價(jià)得分樹狀聚類圖

表6 聚類分析后各類初創(chuàng)型科技企業(yè)各指標(biāo)得分均值

對于第一類企業(yè)而言，其在各指標(biāo)中的表現(xiàn)均非常優(yōu)異，但比較而言，其成長效益排序相對落后(第三)，其余指標(biāo)則均排名第一，因此可以看出，這類企業(yè)應(yīng)更加注重自身成長性，增強(qiáng)發(fā)展后勁，避免“大企業(yè)病”。但是其余四類企業(yè)的情況就相對復(fù)雜，直接根據(jù)聚類結(jié)果難以相對客觀和準(zhǔn)確地給出結(jié)論。特別地，由于本文中各種聚類的企業(yè)數(shù)目相對較少，數(shù)據(jù)較為貧乏，也不適宜使用傳統(tǒng)的數(shù)理統(tǒng)計(jì)方法，因此適合于運(yùn)用灰色系統(tǒng)理論進(jìn)行分析?；疑C合評價(jià)方法的主要工具是關(guān)聯(lián)分析，即通過比較數(shù)列與參考數(shù)列的關(guān)聯(lián)系數(shù)和相關(guān)度來判斷各分指標(biāo)與總評價(jià)指標(biāo)的相關(guān)程度，不受樣本量大小和樣本分布規(guī)律的限制，從而能夠?yàn)楦黝惼髽I(yè)盡快提升綜合績效得分提供有力依據(jù)。

下面，本文針對其余四類企業(yè)的綜合績效評價(jià)得分首先運(yùn)用歸一化方法進(jìn)行無量綱化和初始化處理，繼而進(jìn)行灰色關(guān)聯(lián)度分析，以期找出影響不同種類初創(chuàng)型科技企業(yè)綜合評價(jià)得分相對重要的因素指標(biāo)。本文選用灰關(guān)聯(lián)中的綜合關(guān)聯(lián)度指標(biāo)，該指標(biāo)能夠較好地兼顧各因素指標(biāo)與總評價(jià)指標(biāo)之間的幾何相似程度以及指標(biāo)間相對于始點(diǎn)變化速率的接近程度，因而在實(shí)證研究中得到了廣泛使用。其計(jì)算公式為 ρij=θεij+(1-θ)rij，其中 εij與rij分別為灰色絕對關(guān)聯(lián)度與灰色相對關(guān)聯(lián)度。取θ=0.5表示對絕對關(guān)聯(lián)度和灰色關(guān)聯(lián)度施加同等關(guān)注。根據(jù)ρij的大小可以對灰色絕對關(guān)聯(lián)度進(jìn)行排序，由此判斷各因素指標(biāo)對總綜合評價(jià)得分的不同影響程度。根據(jù)上述公式的計(jì)算結(jié)果如表7所示（29）。

表7 各因素指標(biāo)與綜合評價(jià)得分的灰關(guān)聯(lián)分析

我們可以看到，對于第二類企業(yè)而言，影響綜合評價(jià)得分的因素按程度大小排列分別為社會(huì)效益、科技效益、成長效益、人才效益、經(jīng)濟(jì)效益;對于第三類企業(yè)而言，影響綜合評價(jià)得分的因素按程度大小排列分別為社會(huì)效益、成長效益、科技效益、經(jīng)濟(jì)效益、人才效益;對于第四類企業(yè)來說，影響綜合評價(jià)得分的因素按程度大小排列分別為人才效益、經(jīng)濟(jì)效益、科技效益、成長效益、社會(huì)效益;對于第五類企業(yè)來說，影響綜合評價(jià)得分的因素按程度大小排列分別為社會(huì)效益、成長效益、科技效益、經(jīng)濟(jì)效益、人才效益。不同類別的企業(yè)為迅速提升綜合績效水平需從不同的方面著重努力。對于第二第三類企業(yè)而言，社會(huì)效益最為重要，科技效益和成長效益緊列其后，企業(yè)應(yīng)當(dāng)更加注重社會(huì)責(zé)任的履行和自身的未來發(fā)展;對于第四類企業(yè)而言，應(yīng)重點(diǎn)關(guān)注對于人才的吸引和培養(yǎng)，在此基礎(chǔ)上努力創(chuàng)造更大的經(jīng)濟(jì)效益;對于第五類企業(yè)來說，盡管總體評價(jià)不佳，短期內(nèi)也難以迅速趕超前四類企業(yè)，但是依然應(yīng)當(dāng)重視社會(huì)效益的創(chuàng)造，這將為企業(yè)繼續(xù)享受創(chuàng)業(yè)社區(qū)的孵化服務(wù)提供充足理由，在此基礎(chǔ)上應(yīng)該放眼未來，用更好的成長性提升自身的綜合評價(jià)得分。

四、總結(jié)與展望

從微觀角度對孵化器內(nèi)的初創(chuàng)型科技企業(yè)績效進(jìn)行綜合評價(jià)尚未得到學(xué)者與相關(guān)管理部門的足夠重視。本文以南京科技創(chuàng)業(yè)社區(qū)內(nèi)的110家初創(chuàng)型科技企業(yè)數(shù)據(jù)為依據(jù)，設(shè)計(jì)了包含人才效益、科技效益、成長效益、經(jīng)濟(jì)效益、社會(huì)效益在內(nèi)的綜合評價(jià)指標(biāo)體系，并運(yùn)用PLSSEM方法建立了南京初創(chuàng)型科技企業(yè)績效綜合評價(jià)模型，從而較好地解決了評價(jià)指標(biāo)的綜合性、非觀測性、多重共線性以及數(shù)據(jù)非正態(tài)分布等問題，較為深入地分析了各觀測變量與潛變量、各潛變量之間的關(guān)系，因而能夠?yàn)榭茖W(xué)合理和全面地評價(jià)初創(chuàng)型科技企業(yè)績效提供依據(jù)。

在對初創(chuàng)型科技企業(yè)績效進(jìn)行綜合評價(jià)的基礎(chǔ)上，根據(jù)企業(yè)的績效評價(jià)得分情況運(yùn)用基于最小方差的系統(tǒng)聚類方法將企業(yè)劃分為五類，從而能夠直觀反映初創(chuàng)型科技企業(yè)的綜合績效水平，有利于科技創(chuàng)業(yè)社區(qū)管理部門和科技企業(yè)管理者客觀認(rèn)識(shí)科創(chuàng)企業(yè)績效的總體狀況。為克服傳統(tǒng)聚類分析的主觀性，進(jìn)一步相對客觀地指出不同潛變量指標(biāo)對不同類型企業(yè)綜合評價(jià)得分的影響，考慮到樣本量和數(shù)據(jù)類型，最終選用灰色關(guān)聯(lián)分析方法計(jì)算了各類潛變量指標(biāo)對綜合評價(jià)得分的影響程度大小，這能夠幫助不同類型的企業(yè)在認(rèn)清現(xiàn)狀的情況下，找準(zhǔn)著力點(diǎn)，從而盡快提升綜合績效水平。

由于初創(chuàng)型科技企業(yè)的運(yùn)營狀況具有很強(qiáng)的動(dòng)態(tài)性，且在各個(gè)階段不同維度的績效指標(biāo)內(nèi)涵與外延可能有所不同，各分指標(biāo)與總評價(jià)指標(biāo)的關(guān)系也將變化，并最終影響綜合評價(jià)得分情況。未來的研究可以根據(jù)情況變化修正潛變量下的觀測指標(biāo)，并在不同的時(shí)點(diǎn)對本文指標(biāo)加以測度，實(shí)現(xiàn)對科創(chuàng)企業(yè)績效評價(jià)的制度化與常態(tài)化，以更好地探索南京科技創(chuàng)業(yè)特別社區(qū)內(nèi)企業(yè)綜合績效的動(dòng)態(tài)特征。

注:

①陳興淋:《南京創(chuàng)業(yè)環(huán)境現(xiàn)狀評價(jià)——一項(xiàng)基于專家問卷的實(shí)證研究》，《南京社會(huì)科學(xué)》2007年第7期。

②http://www.yznews.com.cn/yzrbmjjt/default.asp.

③Block，J.H.，Thurik，R.，Zhou，H.，What turns knowledge into innovative products?The role of entrepreneurship and knowledge spillovers.Journal of Evolutionary Economics，2013:1-26.

④據(jù)調(diào)查，在寧高校70%左右的職務(wù)發(fā)明專利仍在“沉睡”，實(shí)現(xiàn)轉(zhuǎn)化的應(yīng)用技術(shù)成果只有40%落在南京——大量科技成果停留在論文層面，終止于實(shí)驗(yàn)室之內(nèi)。

⑤初創(chuàng)型科技企業(yè)是指創(chuàng)立時(shí)間不長，成長尚未成熟的，以科技人員為主體，以科技創(chuàng)新為使命與生存手段的企業(yè)。

⑥Hannon?，P.D，Chaplin，P.，Are incubators good for business?Understanding incubation practice-the challenges for policy.Environment and Planning C:Government and Policy，2003，(21):861-881.

⑦即“人才為第一資源、教育為第一基礎(chǔ)、科技為第一生產(chǎn)力、創(chuàng)新為第一驅(qū)動(dòng)力”。

⑧Barroso，C.，Carrión，G.C.，Roldán，J.L.，Applying Maximum Likelihood and PLS on Different Sample Sizes:Studies on Servqual Model and Employee Behavior Model.Handbook of Par-tial Least Squares.New York:Springer Berlin Heidelberg，2010.

⑨鐘衛(wèi)東、孫大海、施立華:《創(chuàng)業(yè)自我效能感，外部環(huán)境支持與初創(chuàng)科技企業(yè)績效的關(guān)系——基于孵化器在孵企業(yè)的實(shí)證研究》，《南開管理評論》2007年第5期。

⑩Swoboda，B，Meierer，M，F(xiàn)oscht，T，et al.，International SME alliances:the impact of alliance building and configurational fit on success.Long Range Planning，2011，44(4):271-288.

（11）Jarvis C B，MacKenzie S B，Podsakoff P M.A critical review of construct indicators and measurement model misspecification in marketing and consumer research.Journal of consumer research，2003，30(2):199-218.

（12）Armstrong，J.，Overton，T.，Estimating nonresponse bias in mail surveys.Journal of Marketing Research，1977，14:396-402.

（13）Sandberg W R.New venture performance:The role of strategy and industry structure.Lexington，MA:Lexington Books，1986.

（14）鄭美群、蔡莉、周明霞:《高技術(shù)企業(yè)績效評價(jià)指標(biāo)體系的構(gòu)建研究》，《科學(xué)學(xué)與科學(xué)技術(shù)管理》2004年第7期。

（15）Wernerfelt，B.，A resource-based view of the firm.Strategic Management Journal，1984，5(2):171-180.

（16）Lichtenstein，B.B.，Brush，C.G.，How do“resource bundles”develop and change in new ventures?A dynamic model and longitudinal exploration.Entrepreneurship Theory and Practice，2001，(25):37-58.

（17）Chrisman，J.J.，Hofer，C.W.，Corporate diversification:entry，strategy，and performance.Academy of Management Review，1984，9(4):772-774.

（18）由于本文研究的初創(chuàng)型科技企業(yè)成立時(shí)間很多在1年左右，因而無法使用銷售增長率這個(gè)普遍使用的成長性指標(biāo)。

（19）Delmar，F(xiàn)，Davidsson，P，Gartner，W.B.，Arriving at the high-growth firm.Journal of Business Venturing，2003，18(2):189-216.

（20）Palepukg，H.，Bernard，V.L.，Business Analysis and Valuation:Using Financial Statements.Cincinnati:South Western College Publishing，2000.

（21）Murphy，G.B.，Toward an improved entrepreneurial performance construct:the effects of variable selection，sample source，and screening criterion.Houston:University of Houston，1996.

（22）Guinot C，Latreille J，Tenenhaus M.PLS path modelling and multiple table analysis.Application to the cosmetic habits of women in Ile-de-France.Chemometrics and Intelligent Laboratory Systems，2001，58(2):247-259.

（23）Hair，J.F，Sarstedt，M，Ringle，C.M，Mena，J.A.，An assessment of the use of partial least squares structural equation modeling in marketing research.Journal of the Academy of Marketing Science，2012，(40):414–433.

（24）Roldán，J.L，Sánchez-Franco，M.J.，Variance-based structural equation modeling:guidelines for using partial least squares in information systems research.Research Methodologies，Innovations and Philosophies in Software Systems Engineering and Information Systems，2012:193-221.

（25）Nunnally，J.C，Bernstein，I.H.，Psychometric Theory(3rd ed.).New York:McGraw-Hill，1994.

（26）Hair，J.F，Ringle，C，Sarstedt，M.，PLS-SEM:Indeed a silver bullet.Journal of Marketing Theory and Practice，2011，19(2):139-152.

（27）由于版面所限，正文中只給出得分為正的31家企業(yè)情況。

（28）馬慶國:《管理統(tǒng)計(jì):數(shù)據(jù)獲取，統(tǒng)計(jì)原理，SPSS工具與應(yīng)用研究》，科學(xué)出版社2002年版。

（29）由于篇幅所限，具體的計(jì)算公式與計(jì)算過程未予列出。

〔責(zé)任編輯:清 菡〕

Comprehensive Evaluation on the Performance
of Technology Start-ups in Incubator:An Example of Nanjing Technology Entrepreneurship Special Community

Fan Jin＆Zhao Tong

It is not only essential but also urgent to evaluate the performance of the technology star-ups in incubator.Based on the PLS path model，which is a new multi-index evaluation method，the survey data of 110 technology start-ups in Nanjing technology entrepreneurship special community are used，a comprehensive evaluation system is built based on five aspects and fifteen indicators，the data show that this system can well reflect the main goals of the technology start-ups in incubator.According to the results of the synthetic evaluation model，the cluster analysis is conducted.Specially，in order to overcome the subjectivity of clustering analysis，the grey incidence theory is introduced to analyze the impacts of different dimensions of evaluation index on the synthetic evaluation scores of different types of technology star-ups，the results show that the focal point for different types of technology star-ups are different，the enterprises should realize their situations and make targeted decisions.

technology entrepreneurship;comprehensive evaluation;PLS;cluster analysis;grey correlation degree

F272.5

A

1001-8263(2014)07-0027-08

范金，江蘇省行政學(xué)院江蘇應(yīng)用經(jīng)濟(jì)研究中心主任、教授、博士 南京210004;趙彤，南京農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院博士研究生，南京曉莊學(xué)院經(jīng)濟(jì)法政學(xué)院副教授 南京210014

* 本文是國家自然科學(xué)基金項(xiàng)目“工業(yè)增加值率的轉(zhuǎn)型動(dòng)態(tài)研究與政策模擬:以長三角地區(qū)制造業(yè)為例”(71373106)的階段性成果。