摘 要：科技企業(yè)孵化器（以下簡稱孵化器）是提供物理空間、共享設(shè)施和專業(yè)化服務(wù)的科技創(chuàng)業(yè)服務(wù)機(jī)構(gòu)。本文通過三階段DEA模型分離環(huán)境條件和隨機(jī)誤差，對2021年我國31個省孵化器的運行的效率進(jìn)行測算。結(jié)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(fā)展（Ramp;D）經(jīng)費提升給孵化器的運行的效率帶來了有利影響因素。經(jīng)SFA調(diào)整后，大多數(shù)發(fā)達(dá)地區(qū)的綜合效率、純技術(shù)效率和規(guī)模效率均有所提高，說明環(huán)境變量會對孵化器的運行效率帶來較大的影響。

關(guān)鍵詞：科技企業(yè)孵化器；三階段DEA；運行效率；環(huán)境變量

中圖分類號：F 27 " " " " " " " 文獻(xiàn)標(biāo)志碼：A

20世紀(jì)50年代以來，企業(yè)孵化器的概念從美國紐約州巴達(dá)維亞工業(yè)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(nèi)，誕生了全國第一家科技企業(yè)孵化器新技術(shù)創(chuàng)業(yè)中心。TechStars、Y-Combinator、Plug and Play Tech Center、啟迪孵化器、36Kr等國內(nèi)外知名的孵化器，它們孵化了大量獨角獸、高新技術(shù)企業(yè)，為行業(yè)技術(shù)積累、企業(yè)發(fā)展、區(qū)域經(jīng)濟(jì)增長做出突出貢獻(xiàn)。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(shù)據(jù)進(jìn)行分析，針對DEA的多種投入（即資源）的運用和多種產(chǎn)出（即服務(wù)）的產(chǎn)生，不需要轉(zhuǎn)換為相同的單位，結(jié)合SFA提出環(huán)境條件和隨機(jī)誤差影響，使每個決策的單元均處于相同環(huán)境與隨機(jī)因素里。

31個省份孵化器運行效率同時受到系統(tǒng)內(nèi)部環(huán)境和外部環(huán)境影響，孵化器發(fā)展存在顯著地域性，與所在省份經(jīng)濟(jì)發(fā)展密切相關(guān)。Fried等提出的三階段DEA方法可分離環(huán)境條件和隨機(jī)誤差，使31個省份的孵化器處于同一發(fā)展水平條件下進(jìn)行效率測算。

1 研究設(shè)計

1.1 三階段DEA方法

數(shù)據(jù)包絡(luò)分析方法DEA（Data Envelopment Analysis）是一種基于線性規(guī)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(guī)模報酬可變BC2（規(guī)模報酬可變）模型，計算每個決策單元的綜合效率、純技術(shù)效率和規(guī)模效率和投入變量的松弛值。純技術(shù)效率體現(xiàn)的是決策單元在一定（最優(yōu)規(guī)模時）投入要素的生產(chǎn)效率；規(guī)模效率體現(xiàn)的是實際規(guī)模與最優(yōu)生產(chǎn)規(guī)模的差距；綜合技術(shù)效率體現(xiàn)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(dǎo)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(quán)重，λjXj和λjYj分別為按這種權(quán)重組合的虛構(gòu)決策單元的投入和產(chǎn)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(guī)模報酬可變）模型計算得到的效率值是綜合技術(shù)效率，對其再次分解為規(guī)模效率與純技術(shù)效率，得到公式：綜合技術(shù)效率=規(guī)模效率×純技術(shù)效率。第二階段為將所有的環(huán)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(huán)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(jìn)行調(diào)整。

構(gòu)造以投入導(dǎo)向SFA估計函數(shù)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(huán)境變量；βn為環(huán)境變量系數(shù)；vni+μni為混合誤差項；vni為隨機(jī)干擾；μni為管理的無效率。v～N（0，σv2）為隨機(jī)誤差項。

SFA回歸的目的是剔除環(huán)境因素和隨機(jī)因素對效率測度的影響，以便將所有決策單元調(diào)整于相同的外部環(huán)境中。調(diào)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(diào)整后投入；Xni為調(diào)整前投入；[max（f（Zi;））-f（Zi;）]：對外部的環(huán)境因素進(jìn)行調(diào)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(shù)如公式（4）所示。

（4）

式中：ε為聯(lián)合誤差項；Φ、?分別為標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)。

最后，計算隨機(jī)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(diào)整后投入數(shù)據(jù)與原始的產(chǎn)出數(shù)據(jù)再次帶入BC2模型進(jìn)行計算，得到剔除環(huán)境因素及隨機(jī)誤差影響的結(jié)果。

1.2 樣本選取

本文數(shù)據(jù)來源，樣本對應(yīng)指標(biāo)的原始數(shù)據(jù)源于《中國創(chuàng)業(yè)孵化發(fā)展報告2022》[1]、《2021年全國科技經(jīng)費投入統(tǒng)計公報》[2]、國家統(tǒng)計局官網(wǎng)[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(jī)構(gòu)從業(yè)人員數(shù)量（X3）體現(xiàn)投入，財力方面用運營成本（X1）體現(xiàn)投入，物力方面用孵化場地面積（X2）體現(xiàn)投入，用在孵企業(yè)平均Ramp;D經(jīng)費（X4）體現(xiàn)科技投入。

1.3.2 選取產(chǎn)出變量

表1中產(chǎn)出變量（Y）應(yīng)當(dāng)反映31個省份孵化器的運行效率，表現(xiàn)為孵化器在獲得經(jīng)濟(jì)效益、培育中小微企業(yè)及累計畢業(yè)企業(yè)數(shù)量、實現(xiàn)科技成果等績效，所以本文從經(jīng)濟(jì)的效益、孵化的效率、科技轉(zhuǎn)化成果3個方面選取變量。以2021年數(shù)據(jù)為樣本，以2021年孵化器總收入（Y1）表征業(yè)務(wù)規(guī)模，替代經(jīng)濟(jì)的效益；以單位孵化面積的在孵企業(yè)數(shù)量（Y2）、累計畢業(yè)企業(yè)數(shù)量（Y3）反映孵化的效率；以在孵企業(yè)擁有有效知識產(chǎn)權(quán)（Y4）反映科技轉(zhuǎn)化成果。

1.3.3 選取環(huán)境變量

表1中環(huán)境變量（Z）是孵化器運行效率的外部環(huán)境影響因素，屬于不可控因素。本文從宏觀經(jīng)濟(jì)環(huán)境、科技實力方面選取2個環(huán)境變量：孵化器所在省經(jīng)濟(jì)水平發(fā)展越高，基礎(chǔ)設(shè)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(fā)展，用人均GDP（Z1）來反映其宏觀經(jīng)濟(jì)環(huán)境；以31個省份研究與試驗發(fā)展（Ramp;D）經(jīng)費投入（Z2）來反映其科技實力。

2 實證結(jié)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(jié)果見表2。

2021年孵化器綜合效率平均為0.886，純技術(shù)效率平均為0.912，規(guī)模效率平均為0.969。根據(jù)第三階段的結(jié)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(qū)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(guī)模效率為0.748也最低，說明我國孵化器創(chuàng)新效率比較高。處于綜合效率前沿面上的16個省份和內(nèi)蒙古自治區(qū)、安徽省規(guī)模收益不變，其余6個省份的規(guī)模收益增加，7個省份的規(guī)模收益減少。

2.2 基于SFA的隨機(jī)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(jī)構(gòu)從業(yè)人員數(shù)量（X3）和在孵企業(yè)平均Ramp;D經(jīng)費投入（X4）的松弛變量作為函數(shù)的被解釋變量，選取各省人均GDP（Z1）、各省研究與試驗發(fā)展（Ramp;D）（Z2）經(jīng)費投入作為解釋變量，考察2個環(huán)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(jié)果見表3。

首先，從回歸結(jié)果來看， 4個回歸模型的gamma值均為1（見表3～表6），說明技術(shù)無效率的影響比較大，存在管理無效率項和隨機(jī)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(dá)1%水平上顯著性，說明SFA模型顯著性良好。

下面對各環(huán)境變量對投入松弛便變量的影響進(jìn)行具體說明：1）各省人均GDP（Z1）。在上述分析結(jié)果中，各省人均GDP（Z1）僅在管理機(jī)構(gòu)從業(yè)人員數(shù)量這個松弛變量達(dá)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(yè)平均Ramp;D經(jīng)費投入（X4）松弛變量顯著性影響不大。說明在產(chǎn)出量相同的情況下，疫情的特殊情況，經(jīng)濟(jì)水平的提升會增加管理機(jī)構(gòu)從業(yè)人員數(shù)量（X3）的投入浪費。2）各省研究與試驗發(fā)展（Ramp;D）經(jīng)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(yè)平均Ramp;D經(jīng)費投入（X4）松弛變量無顯著性影響，僅對管理機(jī)構(gòu)從業(yè)人員數(shù)量（X3）松弛變量回歸系數(shù)為負(fù)數(shù)。說明增加研究與試驗發(fā)展（Ramp;D）經(jīng)費投入可以減少管理機(jī)構(gòu)從業(yè)人員數(shù)量投入。

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

2.3 第三階段效率值分析

利用調(diào)整后投入的數(shù)據(jù)和原來產(chǎn)出的數(shù)據(jù)，重新計算結(jié)果見表2。

2.3.1 綜合技術(shù)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(qū)，其中，上海市綜合效率由0.626升至0.824。調(diào)整后大多數(shù)發(fā)達(dá)地區(qū)的綜合效率都有所提高。

2.3.2 純技術(shù)效率分析

調(diào)整后，31個省份孵化器平均純技術(shù)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(shù)有效前沿面的省份，其他各省孵化器的純技術(shù)效率都得到提高，這說明31個孵化器的純技術(shù)效率在沒有剔除環(huán)境和隨機(jī)因素前提下，純技術(shù)效率被低估。

2.3.3 規(guī)模效率分析

調(diào)整后，31個省份孵化器平均規(guī)模效率由0.969升至0.975，其中規(guī)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(nèi)蒙古自治區(qū)、吉林省、安徽省、廣西省、重慶市、甘肅省、新疆吾爾自治區(qū)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(qū)從0.92、0.968、0.951、0.807、0.979升至0.955、0.999、0.96、0.842、0.98。調(diào)整前后仍處于規(guī)模收益遞減狀態(tài)的有天津市、上海市、江西省、四川省、陜西省、寧夏回族自治區(qū)，這些省孵化器應(yīng)該注重創(chuàng)新資源的合理配置和使用效率來提高創(chuàng)新效率，走內(nèi)涵式發(fā)展道路，而不是通過擴(kuò)大要素投入規(guī)模來提高創(chuàng)新效率[5]。

3 結(jié)論

研究發(fā)現(xiàn)，在剔除了環(huán)境因素與隨機(jī)因素后，大部分省份孵化器的綜合效率與純技術(shù)效率都有所提高，規(guī)模效率卻有所下降。在疫情的作用下，各地經(jīng)濟(jì)發(fā)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(yīng)加強(qiáng)省內(nèi)孵化器的管理和技術(shù)指導(dǎo)。建議中西部應(yīng)加強(qiáng)孵化器聯(lián)盟建設(shè)，各省科技廳發(fā)揮主導(dǎo)作用，推動省內(nèi)孵化器聯(lián)動，與周邊省份、沿海省份加強(qiáng)交流，不斷總結(jié)先進(jìn)孵化器的管理經(jīng)驗，提升管理效率。2）疫情后應(yīng)繼續(xù)保持精益創(chuàng)業(yè)思路推廣孵化器建設(shè)。疫情使各省份對孵化器的建設(shè)進(jìn)行精簡，事實證明，創(chuàng)業(yè)也需要精益管理，并不是創(chuàng)業(yè)投入越多，效果越好。疫情下，各省份孵化器建設(shè)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(chuàng)業(yè)投入逐漸理性，合理分配。3）全國孵化器建設(shè)進(jìn)入新階段。從整理的數(shù)據(jù)看，全國孵化器總體規(guī)模已經(jīng)達(dá)到較高的水平。

參考文獻(xiàn)

[1]科學(xué)技術(shù)部火炬高技術(shù)產(chǎn)業(yè)開發(fā)中心.中國創(chuàng)業(yè)孵化發(fā)展報告[M].北京：科學(xué)技術(shù)文獻(xiàn)出版社，2022：9-36.

[2]國家統(tǒng)計局，科學(xué)技術(shù)部，財政部.2021年全國科技經(jīng)費投入統(tǒng)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(tǒng)計局.國家數(shù)據(jù)-2021年度數(shù)據(jù)[EB/OL].http：//www.stats.gov.cn/sj/，2022-1-31/2023-10-30.

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

[5]劉滿鳳，李圣宏.基于三階段DEA模型的我國高新技術(shù)開發(fā)區(qū)創(chuàng)新效率研究[J].管理評論，2016（1）：42-52.