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(qū)國家級科技企業(yè)孵化器的綜合運行效率和超效率進行了分析。研究發(fā)現(xiàn)，東三省的超效率最高。又通過Malmguist指數(shù)方法對東三省國家級科技企業(yè)孵化器的運行效率進行了動態(tài)分析。得出結(jié)論：說明是投入不足、技術(shù)水平不高、規(guī)模效率無效的結(jié)果。文章從政府政策改良、服務(wù)升級、打造品牌和人才培養(yǎng)等方面對東三省國家級科技企業(yè)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(yè)孵化器的健康發(fā)展，認定了國家級科技企業(yè)孵化器項目并給予了一定的政策支持，為我國科技型創(chuàng)業(yè)企業(yè)提供了良好的成長環(huán)境，培養(yǎng)了科技創(chuàng)業(yè)領(lǐng)軍人才，同時提升了其管理水平與創(chuàng)業(yè)孵化能力。

現(xiàn)有文獻大多采用數(shù)據(jù)包絡(luò)分析法，對科技企業(yè)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(qū)科技企業(yè)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(chǎn)出，從而使科技企業(yè)孵化器的運行效率達到最優(yōu)的生產(chǎn)前沿面。

夏星、張珍（2020）采用Fride等（2002）提出的將非參數(shù)評價方法DEA與參數(shù)評價方法SFA相結(jié)合的三階段DEA方法對科技企業(yè)孵化器運行效率進行測度，為我國各省份科技企業(yè)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(yè)孵化器發(fā)展績效進行了研究，對科技企業(yè)孵化器業(yè)態(tài)優(yōu)化建設(shè)提出了寶貴意見;王全寶（2021）以江蘇省為例，對科技企業(yè)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(fā)展的建議;龔斌（2021）研究了科技企業(yè)孵化器對區(qū)域創(chuàng)新的影響，證實了科技企業(yè)孵化器可以激活區(qū)域創(chuàng)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(chuàng)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(yè)孵化器產(chǎn)業(yè)發(fā)展現(xiàn)狀進行了實證分析，提出了促進企業(yè)孵化器發(fā)展優(yōu)化的路徑。

二、評價體系的構(gòu)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(shù)據(jù)包絡(luò)分析（DEA）兩種方法。

1. 數(shù)據(jù)包絡(luò)分析法（DEA）

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

2. deasolver模型

deasolve模型將超效率和SBM模型相結(jié)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(guān)。

3. Malmguist指數(shù)方法

Malmguist生產(chǎn)效率指數(shù)法使用的是多投入多產(chǎn)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(chǎn)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(fā)生效率變化的原因。

（二）評價指標的選取

本文數(shù)據(jù)來源于《中國火炬統(tǒng)計年鑒》，本文選取了中國東部、中部、東北、西部四個地區(qū)以及東三省2016-2020年的投入產(chǎn)出數(shù)據(jù)進行分析。以各個地區(qū)為基本決策單元，進而研究東三省國家級科技企業(yè)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(jù)數(shù)據(jù)來源的可獲得性和準確性，確?？萍计髽I(yè)孵化器運行效率評價結(jié)果的合理性和有效性，本文建立了科技企業(yè)孵化器運行效率投入和產(chǎn)出的各項指標。投入指標從人力資源（T1）、基礎(chǔ)設(shè)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(gòu)從業(yè)人數(shù)（T11）和創(chuàng)業(yè)導師人數(shù)（T12）兩個二級指標;基礎(chǔ)設(shè)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(wù)平臺投資額（T32）兩個二級指標。

2. 產(chǎn)出變量的確定

國家級科技企業(yè)孵化器運行效率的產(chǎn)出指標設(shè)有孵化效益（C1）、社會效益（C2）和經(jīng)濟效益（C3）和三個一級指標。經(jīng)濟效益選取在孵企業(yè)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(yè)崗位（在孵企業(yè)從業(yè)人員數(shù)C21）一個二級指標;孵化能力選取累計畢業(yè)企業(yè)數(shù)量（C31）、當年企業(yè)畢業(yè)數(shù)量（C32）、當年在孵企業(yè)數(shù)量（C33）三個二級指標。

三、實證結(jié)果分析

（一）描述性統(tǒng)計

對所有指標變量進行描述性統(tǒng)計分析。表2列出了所選指標相關(guān)變量的均值、極小值、極大值和標準差。在樣本數(shù)據(jù)中，管理機構(gòu)從業(yè)人員數(shù)的極大值和極小值為43871和2780，創(chuàng)業(yè)導師人數(shù)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(wù)平臺投資額的極大值和極小值為94104922和1915713，在孵企業(yè)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(yè)從業(yè)人員數(shù)的極大值和極小值為1768759和125633，累計畢業(yè)企業(yè)數(shù)量的極大值和極小值為101228和6475，當年畢業(yè)企業(yè)數(shù)量的極大值和極小值為16583和956，當年在孵企業(yè)數(shù)量的極大值和極小值為134832和7718。不管投入指標還是產(chǎn)出指標，極大值和極小值相差都比較大，說明我國科技企業(yè)孵化器運行的投入與產(chǎn)出相差較大。

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

（二）效率分析

1. 各地區(qū)綜合效率和超效率

從表4可知，除了西部地區(qū)2017年規(guī)模效率無效導致綜合效率無效且規(guī)模遞增以外，其他地區(qū)各年份科技企業(yè)孵化器和國家級科技企業(yè)孵化器運行效率都是1，并且規(guī)模不變。但是，傳統(tǒng)DEA模型無法區(qū)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(yè)孵化器的超效率分析，最大程度地考慮松弛問題。

研究結(jié)果發(fā)現(xiàn)，東北地區(qū)國家級科技企業(yè)孵化器的超效率均值排在首位，說明東北地區(qū)資源冗余程度最大，可以加大投入或者縮小規(guī)模。

2. 東三省國家級科技企業(yè)孵化器的超效率

從表5可知，東部地區(qū)，遼寧、吉林、黑龍江三個省國家級科技企業(yè)孵化器的運行效率都大于1，遼寧省國家級科技企業(yè)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(chǎn)前沿面，遼寧省可以加大管理機構(gòu)從業(yè)人數(shù)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(yè)企業(yè)的數(shù)量113家同時減少當年企業(yè)的畢業(yè)數(shù)量21家和在孵企業(yè)的數(shù)量26家。吉林省可以減少在孵企業(yè)的總收入600313.23元。黑龍江省可以增加管理機構(gòu)從業(yè)人數(shù)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(yè)畢業(yè)數(shù)量23家和在孵企業(yè)的數(shù)量117家。

如表8所示，整體來看，全要素生產(chǎn)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(shù)創(chuàng)新效率水平有所下降。各年份技術(shù)效率變化指數(shù)、純技術(shù)效率變化指數(shù)、規(guī)模效率變化指數(shù)均為1，說明技術(shù)進步指數(shù)是影響全要素生產(chǎn)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(yè)孵化器平均全要素生產(chǎn)率為0.979，除了技術(shù)進步指數(shù)其他指數(shù)均為1，技術(shù)進步指數(shù)是影響東三省國家級科技企業(yè)孵化器技術(shù)創(chuàng)新效率的唯一因素。東三省各省份的技術(shù)進步有待提高。

四、結(jié)論與建議

（一）研究結(jié)論

以2016～2020年我國各省份科技企業(yè)孵化器投入與產(chǎn)出的相關(guān)數(shù)據(jù)為樣本，采用DEA p2.1模型、DEAsover5.0模型和Malmguist指數(shù)法，對科技企業(yè)孵化器創(chuàng)新效率進行了靜態(tài)和動態(tài)的分析。本文選取了管理機構(gòu)從業(yè)人數(shù)、創(chuàng)業(yè)導師人數(shù)、孵化器場地面積、孵化基金總額和服務(wù)平臺投資額5個指標進行了實證研究。結(jié)合技術(shù)創(chuàng)新效率分析和實證分析結(jié)果，得到以下結(jié)論：

1. 從靜態(tài)來看，東三省國家級科技企業(yè)孵化器的綜合技術(shù)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(tài)來看，東三省國家級企業(yè)孵化器的Malmquist生產(chǎn)指數(shù)由于技術(shù)進步指數(shù)的提升而提升了25%。說明東三省國家級技企業(yè)孵化器的管理水平得到了改進、規(guī)模得到擴大。

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

（二）建議

我國科技企業(yè)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(wù)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(yè)質(zhì)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(shè)上、推動技術(shù)轉(zhuǎn)移建設(shè)上、平臺的建設(shè)上。

2. 聚集形成雙創(chuàng)服務(wù)區(qū)，對服務(wù)進行升級。政府發(fā)揮作用，協(xié)助做一些培訓輔導、技術(shù)支撐、媒體宣傳，使企業(yè)信息公開、透明，更好地為創(chuàng)業(yè)者、投資人，建立溝通的橋梁，提高產(chǎn)業(yè)的成功率。建立一個平臺提高對接效率。隨時可以對全區(qū)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(yè)。政府嚴格要求孵化企業(yè)信息開放，如果不開放就不發(fā)放投資，全區(qū)全市的監(jiān)控才能有效實施和進行。

3. 打造品牌，為發(fā)揮優(yōu)質(zhì)的孵化器起到示范帶頭作用。一般的市級是區(qū)級的5～6倍大，好壞的差距也很大，盡量發(fā)揮示范作用。

4. 培育空間運營人才、提高持續(xù)運營能力。孵化器基地專業(yè)服務(wù)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(yè)孵化器基地專業(yè)技術(shù)已經(jīng)迫在眉睫。空間運營人才的專業(yè)程度，也會提高科技企業(yè)孵化器的持續(xù)運營能力。

（三）局限性

《火炬路統(tǒng)計年鑒》中，雖然收集了不同年份的相關(guān)統(tǒng)計數(shù)據(jù)，但是本文只獲得了2016～2020年共5年的數(shù)據(jù)，為短面板數(shù)據(jù)，樣本跨度期間比較短、樣本的總量不夠大，加上統(tǒng)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(tǒng)計年鑒》中沒有收錄專利申請數(shù)這一重要指標，有待數(shù)據(jù)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(yè)孵化器運行效率評價——一東北地區(qū)14家國家級企業(yè)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(yè)孵化績效的評估體系與模型設(shè)計[J].科學技術(shù)與工程，2009（02）：520-524.

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

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

（作者單位：遼寧師范大學）