姚夢(mèng)思， 呂 微， 李彥華

（中北大學(xué) 經(jīng)濟(jì)與管理學(xué)院，太原 030051）

1 研究現(xiàn)狀

關(guān)于科技企業(yè)孵化器對(duì)區(qū)域經(jīng)濟(jì)的影響，中外學(xué)者均有研究探討. Subrahmanya和Hillemane［1］通過探討企業(yè)孵化器（TBI）的特征，分析其孵化過程如何影響國民經(jīng)濟(jì)的發(fā)展；Haugh［2］探討了企業(yè)孵化和企業(yè)發(fā)展對(duì)發(fā)展中經(jīng)濟(jì)體減貧的影響；李具恒和張美玲［3］提出，企業(yè)孵化器通過產(chǎn)生溢出效應(yīng)和輻射帶動(dòng)效應(yīng)來促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展、區(qū)域創(chuàng)新和科技成果的轉(zhuǎn)化；朱云浩等［4］研究發(fā)現(xiàn)，科技企業(yè)孵化器對(duì)區(qū)域經(jīng)濟(jì)增長有正向影響；張魯彬等［5］研究認(rèn)為，企業(yè)孵化器作為中小企業(yè)初創(chuàng)時(shí)期重要的載體是有效促進(jìn)區(qū)域經(jīng)濟(jì)增長的工具之一；王婧美［6］針對(duì)中國科技中介在區(qū)域經(jīng)濟(jì)發(fā)展過程中面臨的問題制定合理的發(fā)展戰(zhàn)略.

關(guān)于技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)的影響國內(nèi)外學(xué)者也有研究探討. Romer等［7］建立了內(nèi)生經(jīng)濟(jì)增長模型，并在模型加入了技術(shù)因素，強(qiáng)調(diào)了技術(shù)研發(fā)對(duì)經(jīng)濟(jì)增長的影響；Jungmittag［8］認(rèn)為，技術(shù)創(chuàng)新能顯著影響全要素生產(chǎn)率，而全要素生產(chǎn)率又能積極影響區(qū)域經(jīng)濟(jì)增長；Desmet和Rossi［9］認(rèn)為，技術(shù)進(jìn)步能夠通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整刺激經(jīng)濟(jì)增長；謝曉芳［10］以京津冀地區(qū)為例，探討了技術(shù)進(jìn)步與經(jīng)濟(jì)增長質(zhì)量之間的耦合關(guān)系；謝周亮和李志影［11］研究發(fā)現(xiàn)，技術(shù)創(chuàng)新與產(chǎn)業(yè)升級(jí)能夠正向影響區(qū)域經(jīng)濟(jì)增長；胡亞南等［12］研究發(fā)現(xiàn)，技術(shù)進(jìn)步與經(jīng)濟(jì)增長之間有顯著的空間溢出效應(yīng)；冉征和鄭江淮［13］以不同地區(qū)之間技術(shù)復(fù)雜程度為研究視角，分析了創(chuàng)新能力與地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展之間的關(guān)系.

綜上所述，現(xiàn)有研究已經(jīng)分別關(guān)注到了科技企業(yè)孵化器與區(qū)域經(jīng)濟(jì)增長之間、技術(shù)進(jìn)步與區(qū)域經(jīng)濟(jì)增長之間的相互作用關(guān)系，但是很少有人將三者結(jié)合起來進(jìn)行定量分析. 科技企業(yè)孵化器在不斷進(jìn)行自身發(fā)展建設(shè)，技術(shù)在經(jīng)濟(jì)發(fā)展過程中不斷進(jìn)步，研究孵化器創(chuàng)新效率、技術(shù)進(jìn)步與區(qū)域經(jīng)濟(jì)增長之間的關(guān)系，能夠?yàn)楝F(xiàn)代化經(jīng)濟(jì)體系建設(shè)提供新思路. 本文以技術(shù)創(chuàng)新理論、內(nèi)生性經(jīng)濟(jì)增長理論等為理論基礎(chǔ)，以2010—2019年我國28個(gè)?。▍^(qū)、市）為研究對(duì)象，運(yùn)用超效率DEA模型測(cè)算各地區(qū)孵化器創(chuàng)新效率，構(gòu)建面板回歸模型對(duì)孵化器創(chuàng)新效率、技術(shù)進(jìn)步和區(qū)域經(jīng)濟(jì)增長之間的關(guān)系進(jìn)行探討；選取科技企業(yè)孵化器政策工具強(qiáng)度、技術(shù)進(jìn)步滯后一期作為工具變量，采用兩階段最小二乘法（2SLS）解決面板回歸模型中存在的內(nèi)生性問題.

2 理論基礎(chǔ)與研究方法

2.1 理論基礎(chǔ)

2.1.1 孵化器創(chuàng)新效率對(duì)區(qū)域經(jīng)濟(jì)增長的影響

科技企業(yè)孵化器是以技術(shù)知識(shí)為動(dòng)力的創(chuàng)新平臺(tái)，是推動(dòng)區(qū)域科技創(chuàng)新發(fā)展的重要組成部分. 孵化器通過為初創(chuàng)時(shí)期的科技型中小企業(yè)提供包括基礎(chǔ)設(shè)施、人員、技術(shù)等服務(wù)支持，幫助和扶持科技型中小企業(yè)迅速發(fā)展. 孵化器的創(chuàng)新能力能夠?qū)^(qū)域經(jīng)濟(jì)的增長起到輻射帶動(dòng)作用. 謝會(huì)強(qiáng)等［14］提出產(chǎn)業(yè)集聚能夠使技術(shù)創(chuàng)新形成網(wǎng)絡(luò)，各種企業(yè)通過技術(shù)流動(dòng)、生產(chǎn)合作、競爭發(fā)展等方式推動(dòng)新資本的形成，從而推動(dòng)區(qū)域經(jīng)濟(jì)快速發(fā)展. 對(duì)于科技企業(yè)孵化器來說，其與周邊高新技術(shù)企業(yè)建立緊密的生產(chǎn)合作網(wǎng)，有利于技術(shù)的共享以及人才的流動(dòng)，從而提高孵化器的孵化效率，促進(jìn)區(qū)域經(jīng)濟(jì)增長.

2.1.2 區(qū)域技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)增長的影響

技術(shù)創(chuàng)新能夠推動(dòng)經(jīng)濟(jì)增長這一觀點(diǎn)已得到眾多學(xué)者認(rèn)可. Boschma和Lambooy［15］在創(chuàng)新理論中提到，經(jīng)濟(jì)的變化是由創(chuàng)新活動(dòng)引起的；Romer 等［16］在內(nèi)生性經(jīng)濟(jì)增長理論中提出，經(jīng)濟(jì)增長的根源在于技術(shù)創(chuàng)新，是確保均衡狀態(tài)、保持經(jīng)濟(jì)可持續(xù)發(fā)展的前提. 技術(shù)進(jìn)步水平已經(jīng)逐步成為衡量地區(qū)創(chuàng)新發(fā)展的重要因素，我國經(jīng)濟(jì)發(fā)展已經(jīng)在創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的帶領(lǐng)下步入新常態(tài)，區(qū)域技術(shù)進(jìn)步愈發(fā)成為推動(dòng)區(qū)域經(jīng)濟(jì)增長的重要一環(huán)，許多地區(qū)的經(jīng)濟(jì)發(fā)展正在進(jìn)入一個(gè)新時(shí)期，因此，提高區(qū)域技術(shù)創(chuàng)新水平對(duì)實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)的長期穩(wěn)定增長具有重要意義.

2.1.3 孵化器創(chuàng)新效率、技術(shù)進(jìn)步共同對(duì)區(qū)域經(jīng)濟(jì)增長的影響

區(qū)域科技企業(yè)孵化器的發(fā)展、技術(shù)的進(jìn)步不是一蹴而就的，區(qū)域經(jīng)濟(jì)的發(fā)展也不是孤立存在的，而是相互配合、相互促進(jìn)的. 企業(yè)孵化器通過提升區(qū)域創(chuàng)新孵化效率為技術(shù)進(jìn)步提供要素資源，技術(shù)創(chuàng)新可以轉(zhuǎn)化吸引資金、人才等要素，進(jìn)而促進(jìn)企業(yè)孵化器的發(fā)展. 科技企業(yè)孵化器作為技術(shù)轉(zhuǎn)移的重要?jiǎng)?chuàng)新平臺(tái)，能夠加速科技創(chuàng)新成果轉(zhuǎn)化進(jìn)程，提升地區(qū)創(chuàng)新驅(qū)動(dòng)能力，不斷促進(jìn)地區(qū)技術(shù)進(jìn)步，進(jìn)而提高區(qū)域經(jīng)濟(jì)增長水平；而區(qū)域經(jīng)濟(jì)增長又可通過人力、物力、財(cái)力等資本投入促進(jìn)區(qū)域創(chuàng)新發(fā)展.

2.2 研究方法

2.2.1 計(jì)量模型的選擇

本文主要研究目的是探討國家級(jí)科技企業(yè)孵化器創(chuàng)新效率和技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)增長的影響. 基于2010—2019年我國28個(gè)省（區(qū)、市）的省級(jí)面板數(shù)據(jù)，構(gòu)建以下實(shí)證模型：

式中：i代表某省（區(qū)、市）；t代表年份；pgdpit表示省（區(qū)、市）i在第t年的實(shí)際人均GDP；efficit表示孵化器i在第t年的創(chuàng)新效率；tpit表示省（區(qū)、市）i在第t年的技術(shù)水平；X表示控制變量；αi表示不能觀測(cè)的省際效應(yīng)；εit表示隨機(jī)誤差項(xiàng).

由于科技企業(yè)孵化器孵化效率和技術(shù)進(jìn)步可能會(huì)共同影響區(qū)域經(jīng)濟(jì)發(fā)展，式（1）只加入了這兩個(gè)因素和一系列控制變量. 為了進(jìn)一步探討科技企業(yè)孵化器孵化效率和技術(shù)進(jìn)步的聯(lián)合作用，在式（1）的基礎(chǔ)上加入了二者的交互項(xiàng)：

2.2.2 變量選取及數(shù)據(jù)來源

被解釋變量：區(qū)域經(jīng)濟(jì)增長（pgdp）. 參考王立平和余小婷［17］的做法，采用各地區(qū)的實(shí)際人均GDP表示（實(shí)際人均GDP用以2010年為基期的GDP平減指數(shù)對(duì)人均名義GDP進(jìn)行縮減得到）.

核心解釋變量：孵化器創(chuàng)新效率（effic）. 目前用于效率評(píng)價(jià)的模型主要包括隨機(jī)前沿分析模型（SFA）和數(shù)據(jù)包絡(luò)分析模型（DEA）.但是DEA 模型不需要提前設(shè)定具體的函數(shù)形式，并且能夠處理多個(gè)投入與產(chǎn)出條件下的效率測(cè)算，因此本文選取DEA模型進(jìn)行創(chuàng)新效率測(cè)算. 由于傳統(tǒng)DEA模型在測(cè)算過程中會(huì)忽略松弛變量對(duì)效率評(píng)價(jià)的影響，導(dǎo)致出現(xiàn)測(cè)算偏誤，因此本文借 鑒Andersen 和Petersen［18］提 出 的 超 效 率DEA模型進(jìn)行測(cè)算. 對(duì)于創(chuàng)新效率指標(biāo)體系的設(shè)計(jì)，本文參考以往研究［19-21］，從投入和產(chǎn)出兩個(gè)方面設(shè)計(jì)了8個(gè)指標(biāo)進(jìn)行測(cè)量（表1）.

表1 DEA 超效率模型指標(biāo)體系Tab.1 Index system of DEA super efficiency model

核心解釋變量：技術(shù)進(jìn)步（tp）. 技術(shù)進(jìn)步作為一個(gè)無形變量，其主要度量方法包括全要素生產(chǎn)率法、研發(fā)支出投入法、專利產(chǎn)出法3種. 考慮到前兩種方法計(jì)算時(shí)缺乏統(tǒng)一性且存在誤差，因此采用專利產(chǎn)出法衡量我國各地區(qū)的技術(shù)進(jìn)步情況，選取國內(nèi)3種專利有效數(shù)進(jìn)行具體測(cè)算.

控制變量：①政府科學(xué)技術(shù)支出（gov）. 政府對(duì)地區(qū)科技發(fā)展的扶持與資助能夠?yàn)榭萍紕?chuàng)新發(fā)展提供財(cái)政資金，因此本文將政府科學(xué)技術(shù)支出作為控制變量. ②技術(shù)合同成交額（contract）. 采用各地區(qū)登記的技術(shù)合同金額數(shù)表示. ③外商投資（fdi）. 用外商投資額與GDP的比值表示. ④人力資本（hum）. 用人均受教育水平衡量地區(qū)人力資本情況. ⑤城鎮(zhèn)化率（ur）. 城市化水平高的地區(qū)能夠更好地吸引和凝聚科技創(chuàng)新人才，因此參照文獻(xiàn)［22］的做法，采用城鎮(zhèn)常住人口數(shù)量除以地區(qū)總?cè)丝跀?shù)量衡量城市化率.

數(shù)據(jù)來源：考察時(shí)間為2010—2019年；各項(xiàng)指標(biāo)均源自《中國統(tǒng)計(jì)年鑒》《中國火炬統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》中所選28省（區(qū)、市）中的原始數(shù)據(jù).

3 實(shí)證分析

3.1 描述性統(tǒng)計(jì)

表2為用Stata16.0軟件估計(jì)的變量描述性統(tǒng)計(jì)結(jié)果. 由表2可以看出，我國區(qū)域間經(jīng)濟(jì)發(fā)展水平存在發(fā)展不平衡現(xiàn)象；各地區(qū)國家級(jí)科技企業(yè)孵化器創(chuàng)新效率差距較大；地區(qū)間科技發(fā)展水平也存在較大差異.

表2 變量描述性統(tǒng)計(jì)Tab.2 Descriptive statistics of variables

3.2 回歸結(jié)果分析

利用2010—2019 年我國28 個(gè)?。▍^(qū)、市）面板數(shù)，在模型（1）的基礎(chǔ)上借助Stata16.0 軟件進(jìn)行實(shí)證分析. 回歸之前，通過F檢驗(yàn)所得P值為0.000，因此選擇FE 模型要優(yōu)于混合回歸.表3 第（1）和（3）列分別為不加交互項(xiàng)的固定效應(yīng)和隨機(jī)效應(yīng)模型回歸結(jié)果，第（2）和（4）列匯為加交互項(xiàng)的固定效應(yīng)和隨機(jī)效應(yīng)模型回歸結(jié)果.

從表3 第（1）和（3）列的回歸結(jié)果來看，孵化器創(chuàng)新效率對(duì)區(qū)域經(jīng)濟(jì)增長存在顯著的正向影響，說明科技企業(yè)孵化器創(chuàng)新效率的提升能夠促進(jìn)區(qū)域經(jīng)濟(jì)增長. 技術(shù)進(jìn)步能夠顯著促進(jìn)區(qū)域經(jīng)濟(jì)增長，地區(qū)可以通過積極引導(dǎo)孵化器科技成果的轉(zhuǎn)化與流通來促進(jìn)區(qū)域經(jīng)濟(jì)增長. 從表3 第（2）和（4）列回歸結(jié)果可以看出，加入孵化器創(chuàng)新效率和技術(shù)進(jìn)步的交互項(xiàng)后，核心解釋變量依舊顯著，且孵化器創(chuàng)新效率的顯著性略有提升，表明孵化器創(chuàng)新效率和技術(shù)進(jìn)步對(duì)經(jīng)濟(jì)增長存在協(xié)同提升效應(yīng)，孵化器創(chuàng)新效率的提升、當(dāng)?shù)丶夹g(shù)的不斷進(jìn)步能共同促進(jìn)區(qū)域經(jīng)濟(jì)增長.

從表3第（2）和（4）列的回歸結(jié)果還可以看出，在一系列控制變量中，政府科學(xué)技術(shù)支出對(duì)區(qū)域經(jīng)濟(jì)增長有正向影響，說明政府對(duì)地區(qū)技術(shù)創(chuàng)新的大力支持有助于當(dāng)?shù)丶夹g(shù)進(jìn)步以及經(jīng)濟(jì)增長；技術(shù)合同成交額的估計(jì)系數(shù)顯著為正，可見通過將科技成果轉(zhuǎn)化為商品進(jìn)行交易能夠促進(jìn)區(qū)域經(jīng)濟(jì)的增長；外商投資水平對(duì)區(qū)域經(jīng)濟(jì)增長影響為正，外商投資具有技術(shù)溢出效應(yīng)，外商投資的增加有利于區(qū)域經(jīng)濟(jì)的增長；人力資本對(duì)區(qū)域經(jīng)濟(jì)增長有正向影響，高素質(zhì)人才集聚能夠更好地轉(zhuǎn)化與應(yīng)用先進(jìn)技術(shù)，從而推動(dòng)地區(qū)技術(shù)進(jìn)步，進(jìn)而促進(jìn)區(qū)域經(jīng)濟(jì)增長；城鎮(zhèn)化水平的估計(jì)系數(shù)顯著為正，表明地區(qū)城鎮(zhèn)發(fā)展水平越高，配套基礎(chǔ)設(shè)施越先進(jìn)，越有利于吸引大量的優(yōu)秀人才來促進(jìn)當(dāng)?shù)貏?chuàng)新發(fā)展，進(jìn)而提升區(qū)域經(jīng)濟(jì)發(fā)展水平.

表3 固定效應(yīng)與隨機(jī)效應(yīng)模型的回歸結(jié)果Tab.3 Regression results of fixed effect and random effect models

3.3 內(nèi)生性討論與工具變量再估計(jì)

3.3.1 內(nèi)生性討論

在進(jìn)行OLS回歸時(shí)，若不考慮內(nèi)生性問題，會(huì)使得OLS的估計(jì)結(jié)果有偏且不一致. 因此，為了獲得更加準(zhǔn)確的實(shí)證結(jié)果，采用工具變量法進(jìn)行再估計(jì). 本文內(nèi)生性產(chǎn)生的原因如下：

1）遺漏變量. 丁玉龍和秦尊文［23］認(rèn)為，區(qū)域經(jīng)濟(jì)增長包括了經(jīng)濟(jì)、社會(huì)、環(huán)境等多方面要素，是一個(gè)綜合性指標(biāo). 本文在設(shè)定模型時(shí)已加入控制變量，但仍可能會(huì)遺漏某些變量.

2）雙向因果關(guān)系. 孵化器創(chuàng)新效率與區(qū)域經(jīng)濟(jì)增長可能會(huì)存在雙向因果關(guān)系. 首先，孵化器創(chuàng)新效率會(huì)影響區(qū)域經(jīng)濟(jì)增長，此觀點(diǎn)在前文中已有論述. 其次，區(qū)域經(jīng)濟(jì)增長也會(huì)影響孵化器創(chuàng)新效率. 通常情況下，區(qū)域經(jīng)濟(jì)發(fā)展水平高的地區(qū)，技術(shù)創(chuàng)新能力、勞動(dòng)力素質(zhì)等也會(huì)高，因此會(huì)提高孵化器的創(chuàng)新與孵化能力；對(duì)于區(qū)域經(jīng)濟(jì)發(fā)展水平較低的地區(qū)，政府可能會(huì)通過政策傾斜資金投入等來促進(jìn)該地區(qū)孵化器基礎(chǔ)設(shè)施建設(shè)，因此孵化器孵化效率與區(qū)域經(jīng)濟(jì)增長會(huì)相互影響. 技術(shù)進(jìn)步率與區(qū)域經(jīng)濟(jì)增長也可能會(huì)存在雙向因果關(guān)系. 技術(shù)的進(jìn)步會(huì)推動(dòng)區(qū)域經(jīng)濟(jì)的增長，同時(shí)，區(qū)域經(jīng)濟(jì)發(fā)展水平的提高，有利于吸引人才的流入以及基礎(chǔ)設(shè)施的完善，更有利于技術(shù)的創(chuàng)新發(fā)展.

3）測(cè)量誤差. 本文在實(shí)證分析之前，雖然已經(jīng)對(duì)原始數(shù)據(jù)進(jìn)行了預(yù)處理，并沿用前人較為科學(xué)的測(cè)算方法與模型來測(cè)算各地區(qū)孵化器創(chuàng)新能力與區(qū)域經(jīng)濟(jì)增長水平，但由于數(shù)據(jù)種類及來源等問題，實(shí)證結(jié)果仍舊不可避免會(huì)出現(xiàn)偏誤.

3.3.2 工具變量再估計(jì)

綜合考慮相關(guān)性與外生性問題，本文選取如下工具變量：①政策工具強(qiáng)度. 龔斌［22］認(rèn)為，某地區(qū)有關(guān)孵化器的政策對(duì)當(dāng)?shù)胤趸鞯姆趸鹋c孵化規(guī)模有十分重要的影響，能夠直接影響該地區(qū)孵化器的孵化效率，因此政策工具強(qiáng)度與孵化器創(chuàng)新效率之間具有相關(guān)性. 同時(shí)，孵化器政策通過當(dāng)?shù)胤趸鬟M(jìn)行扶持來提升當(dāng)?shù)貏?chuàng)新能力，對(duì)區(qū)域經(jīng)濟(jì)增長不會(huì)產(chǎn)生直接影響，因此該工具變量也具有外生性. 參照龔斌［22］的研究，使用地方政府頒布的關(guān)于孵化器建設(shè)的政策文件數(shù)量作為政策工具強(qiáng)度的代理變量，并進(jìn)一步構(gòu)造孵化器創(chuàng)新效率與政策工具的交互項(xiàng)作為工具變量. ②技術(shù)進(jìn)步的滯后一期. 上一期的技術(shù)進(jìn)步與當(dāng)期的區(qū)域經(jīng)濟(jì)增長密切相關(guān)，本文所用數(shù)據(jù)為10年間的省級(jí)面板數(shù)據(jù)，因此可以采用內(nèi)生解釋變量的滯后期作為工具變量來解決內(nèi)生性問題. 本文選取技術(shù)進(jìn)步的滯后一期作為技術(shù)進(jìn)步的工具變量來解決技術(shù)進(jìn)步與區(qū)域經(jīng)濟(jì)增長的內(nèi)生性問題.

表4為通過兩階段最小二乘法（2SLS）對(duì)模型進(jìn)行回歸的結(jié)果. 從表4 可以看出，在解決內(nèi)生性問題后，孵化器創(chuàng)新效率、技術(shù)進(jìn)步以及兩者的交互項(xiàng)依舊對(duì)區(qū)域經(jīng)濟(jì)增長具有顯著且正向的影響.

表4 工具變量回歸結(jié)果Tab.4 Regression results of instrumental variables

3.4 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)上述回歸結(jié)果的穩(wěn)健性和可靠性，本文通過剔除直轄市樣本和剔除異常值進(jìn)行穩(wěn)健性檢驗(yàn).表5是基于工具變量回歸模型的回歸結(jié)果. 由表5 可以看出，剔除4 個(gè)直轄市樣本后，孵化器創(chuàng)新效率、技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)增長有正向影響，且回歸系數(shù)在1%的水平上顯著；加入核心解釋變量的交互項(xiàng)后，孵化器創(chuàng)新效率的顯著性下降，但依舊對(duì)區(qū)域經(jīng)濟(jì)增長有正向影響；技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)增長有正向顯著影響. 從剔除異常值的回歸結(jié)果可以看出，孵化器創(chuàng)新效率、技術(shù)進(jìn)步對(duì)區(qū)域經(jīng)濟(jì)發(fā)展都有顯著的正向影響.

表5 穩(wěn)健性檢驗(yàn)結(jié)果Tab.5 Robustness test results

4 結(jié)論與建議

4.1 結(jié)論

綜上，研究結(jié)果表明：科技企業(yè)孵化器創(chuàng)新效率、技術(shù)進(jìn)步都對(duì)區(qū)域經(jīng)濟(jì)增長有顯著的促進(jìn)作用，二者協(xié)同更可明顯促進(jìn)區(qū)域經(jīng)濟(jì)的發(fā)展.

4.2 建議

1）不斷促進(jìn)科技企業(yè)孵化器創(chuàng)新效率的提升，推動(dòng)科技企業(yè)孵化器的建設(shè)，充分利用政府、社會(huì)資源，促進(jìn)孵化器產(chǎn)生更強(qiáng)大的區(qū)域經(jīng)濟(jì)輻射帶動(dòng)作用，從而促進(jìn)區(qū)域經(jīng)濟(jì)的高質(zhì)量發(fā)展.

2）不斷完善科技企業(yè)孵化器建設(shè)體系，促進(jìn)區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展. 科技企業(yè)孵化器在建設(shè)中要重視與各種創(chuàng)新平臺(tái)合作，注重與創(chuàng)新科技資源集聚地建立共同發(fā)展的緊密合作關(guān)系，不斷吸引與帶動(dòng)高素質(zhì)人員進(jìn)行科技研發(fā)與創(chuàng)新，不斷促進(jìn)科技成果轉(zhuǎn)化，為促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展提供基礎(chǔ). 科技企業(yè)孵化器要結(jié)合當(dāng)?shù)貎?yōu)勢(shì)行業(yè)，不斷提高自身專業(yè)化建設(shè)，完善與建設(shè)更具當(dāng)?shù)靥厣募夹g(shù)服務(wù)平臺(tái)；積極搭建各種孵化器共享平臺(tái)，完善科技企業(yè)孵化器建設(shè)體系，促進(jìn)孵化器專業(yè)化、多元化、標(biāo)準(zhǔn)化發(fā)展.

3）要始終堅(jiān)持創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，促進(jìn)各種創(chuàng)新要素集聚，不斷提升孵化器和企業(yè)的科技創(chuàng)新能力. 注重提升各種高技術(shù)人才的綜合素質(zhì)，培養(yǎng)更加優(yōu)秀的科技型創(chuàng)新人才. 注重發(fā)揮科技企業(yè)孵化器等創(chuàng)新平臺(tái)的技術(shù)轉(zhuǎn)移以及科技成果轉(zhuǎn)化等優(yōu)勢(shì)，不斷提升各類產(chǎn)業(yè)的競爭力，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)對(duì)區(qū)域經(jīng)濟(jì)增長的推動(dòng)作用，同時(shí)也要充分利用科技創(chuàng)新帶來的高質(zhì)量產(chǎn)品與服務(wù)，打造更加具有戰(zhàn)略性的新興產(chǎn)業(yè)，為區(qū)域經(jīng)濟(jì)增長構(gòu)建新引擎.