科技企业孵化器运营绩效空间分布及影响因素

彭世广, 陈俊宇

(云南大学 经济学院, 昆明 650500)

科技企业孵化器作为我国科技自主创业创新中重要的一环,已经成为我国实施创新驱动发展战略的重要载体,不仅为自主创新企业提供创新创业平台,也在将科技成果转化为高技术产业中发挥了不可替代的中介作用。从孵化器的发展数量来看,2013—2021年,中国科技企业孵化器的数量由1 648家上升至6 227家,8年的时间里孵化器数量规模扩大了将近4.3倍,这一时期也正是我国双创并跑的时期[1]。但是,在科技企业孵化器规模快速发展的同时,孵化器企业还存在一些问题:由于部分孵化企业孵化器功能未能发挥出其应有的作用,导致运营绩效不佳[2-3];区域间经济发展不平衡引致孵化器运营效果差异显著[4-6]。

根据2020年发布的《国务院关于促进高新技术产业开发区高质量发展若干意见》,未来5～10年是我国从孵化大国走向孵化强国的机遇期,在规模扩张的同时,孵化器也要向特色专业孵化器聚焦。因此,在测度各省孵化器运营绩效的基础上,检验各省孵化器之间运营绩效是否存在空间相关性,分析科技企业孵化器运营绩效的影响因素以及这些因素对运营绩效具体产生何种影响,对于推进我国从孵化大国走向孵化强国仍有必要。

1 文献综述

1.1 关于孵化器的研究

当前国内外一些学者对孵化器的发展现状和存在的问题进行了研究。孵化模式发展初期,对于企业的发展是否需要纳入最新的孵化模式还是保持最初的模式,许多企业还存在困惑[7]。然而,随着科技企业孵化器的不断发展,它被认为是全球经济不景气时候创造就业机会的有效工具[8-9],促进新兴市场初创企业客户增长的国际知识中介[10-11],推进人才聚集、成果转化、企业孵育的重要平台[12-13]。2015年之后,国内的科技企业孵化器培养更加注重规范与专业化,实现了对创新经济的推动[14-15],如今的科技孵化器呈现出了数量不断增加、发展多元、服务能力不断创新等特征[16]。但是,在其发展过程中还存在着一系列问题。罗丽璇[17]提出科技企业孵化器在发展过程中面临资产结构不合理、盈利能力较弱、财务管理水平较低等财务问题;刘波等[18]发现目前我国对科技企业孵化器评价指标的权重过分强调产出而忽略孵化器的成长性与社会贡献,绩效评价体系的构建还不健全;龚斌[19]指出我国科技企业孵化器发展存在不均衡的情况,沿海城市与内陆城市之间存在较大的差距;梁宇等[20]提出企业孵化器政策支持力度不够、运行模式单一、缺少长期规划等问题。

1.2 孵化器运营绩效

科技企业孵化器在培育企业成长过程中发挥着越来越重要的作用,其运营绩效也受到广大学者关注。张根明和刘思维[21]提出动态与静态相结合的模型,构造出服务能力、孵育效率、运营效率和成长性4个方面的评价指标体系,并运用德尔菲法、层次分析法和变异系数法确定指标权重对湖南科技企业孵化器进行了评价与分析;Soetanto和Jack[22]从资源类型、企业孵化器内外部关系两个维度构建企业孵化器网络框架。此后对科技企业孵化器绩效研究深入到了空间关联和差异分析。例如,刘桢等[5]通过Super-SBM DEA测量科技企业孵化器发展的运营效率后,运用探索性空间分析法探究其空间分布收敛情况。最近几年对科技企业孵化器的绩效研究主要集中在运用DEA法和前人研究的主层次、多层次与定性、定量相结合进行分析。例如,杜赛花等[23]通过超效率数据包络分析(data enve-lopment analysis,DEA)方法对广东省城市科技创新能力与效率进行了分析;田天和沈铭[24]引入多层次可拓模型从4个维度对江苏省科技企业孵化器建设和工作绩效进行了定性和定量分析;夏星和张珍[25]以随机前沿方法(stochastic frontier approach,SFA)模型剥离出影响投入变量的环境因素,通过传统DEA模型和三阶段DEA模型结果对比,分析了孵化器运行效率情况。

本文中通过研究科技企业孵化器运营绩效空间分布及影响因素的边际贡献在于:①基于空间杜宾模型分析影响各省份科技企业孵化器运营绩效的因素,避免注重于评价运营绩效本身而缺少对其影响因素的分析;②将空间相关性纳入科技企业孵化器运营绩效进行研究,避免将各区域单元视为“孤岛”而忽略了区位条件和空间交互作用对区域间科技企业孵化器的影响;③采用DEA-Malmquist指数模型测算科技企业孵化器运营绩效,避免了采取传统的CCR(Charnes-Cooper-Rhodes)和BCC(Banker-Charness-Cooper)模型集中在静态时间段的某一区域而忽略了科技企业孵化器在不同时期间运营绩效的动态变化。基于此,针对30个省份的科技企业孵化器绩效进行时间、空间的动态分析并深入探究其影响因素,以全面理解我国科技企业孵化器的发展状况。

2 研究设计

2.1 测算方法与计量模型

2.1.1 DEA-Malmquist指数模型

传统的CCR和BBC模型是相对静态的评估方法,只能横向比较决策单元在同一时点的生产效率,而不同年份的科技企业孵化器运营绩效不具有可比性,不应简单地以每年的运营绩效指数结果进行时序对比分析。因此,本文采用DEA-Malmquist指数模型测度科技企业孵化器在不同时期间运营绩效的动态变化,可分解为效率变化(EFFCH)和技术效率(TECHCH),模型如下:

(1)

技术效率(TECHCH)进一步又可分解为规模效率(SECH)和纯技术效率(PECH)两部分,本文最终构建如下模型测度科技企业孵化器运营绩效:

(2)

2.1.2 莫兰指数

经济地理学者认为经济特征具有在特定地区积聚的空间分布现象,即空间依赖或空间相关性,体现为受相邻地区积极影响的正空间相关和被相异值包围的负空间相关。因此本文选取全局莫兰指数进行空间相关性判断和检验,进一步探索各省科技企业孵化器绩效的空间关联,具体公式为

(3)

2.1.3 空间杜宾模型

通过空间杜宾模型(spatial Durbin model,SDM)检验科技企业孵化器运营绩效的影响因素,具体模型设定如下:

(4)

式中:TFP_Incubator为被解释变量科技企业运营绩效;Xi,t为控制变量;αi为常数项;ρ为空间相关系数;β为空间自回归系数;Wi,j为地理距离空间权重矩阵;β1为各影响因素变量系数;β2为受空间自变量影响的回归系数;νi为省份固定效应;μt为年份固定效应;εi,t为随机扰动项。

2.2 数据来源与变量选择

2.2.1 数据来源

用于实证分析的数据来源于科技部火炬中心颁布的《中国火炬统计年鉴》与国家统计局发布的《中国统计年鉴》,样本时间跨度为2014—2021年,研究样本主要选取30个省份(因数据缺失,未包含西藏地区和港澳台地区),共240个观测样本。

2.2.2 科技企业孵化器运营绩效指标体系

张明和王旗[26]从孵化器基本功能、服务能力、孵化成效3个方面构造指标体系;宋清等[27]基于孵化绩效、经济绩效和科技创新绩效3个指标层次测度科技企业孵化器绩效;刘肖肖等[28]基于人、财、物的三维投入和孵化、创新、经济的三维产出框架构建指标体系,对2013年30个省份科技企业孵化器效率进行测度。

基于数据可得性,借鉴以上学者经验,构建科技企业孵化器运营绩效评价体系描述如下:①投入指标包含以管理机构人员数为代表的人才投入、科技企业孵化器建设总面积代表的物质投入、以孵化基金总额及累计公共技术平台投资额为代表的资金投入;②产出指标包含当年毕业企业数及在孵化企业人员数代表的就业贡献产出、孵化器总收入代表的经济效益产出。科技企业孵化器运营绩效指标体系见表1。

表1 科技企业孵化器运营绩效指标体系

2.2.3 科技企业孵化器运营绩效影响因素变量选择

根据《标杆孵化器培育行动方案(2022—2025年)》提出的经济、资源、政策、科技、创新等要求,选择以下区域特征变量:

1)经济发展水平(gdp),采用地区人均生产总值取对数衡量。经济发达地区稳定的经济基础、活跃的创新创业环境、健全的金融服务及更好的资源优势对科技企业孵化器的建设发展形成了巨大的吸引力和长期的黏性。

2)政府支持程度(gov)。采用政府财政支出占国内生产总值比重衡量。政府的政策引导和资金支持是科技企业孵化器发展过程中的重要依托,政府对科技企业孵化器的支持有助于推动地区形成良好的孵化环境,对科技企业孵化器运营绩效提升发挥杠杆式的提升作用。

3)区域创新活力(patent)。采用地区专利申请授权量的对数值衡量。地区创新高活力、专利授权数量越高代表该地区创新资源越丰富、科技成果转化能力越强,而促进科技企业成果转化被视为科技企业孵化器的重要宗旨,因此,区域的创新活力应视为影响科技企业孵化器运营绩效的重要因素。

4)自由贸易水平(trade)。采用各省份贸易进出口总额衡量。贸易水平的提高有助于推动地区发挥对全球资源要素的“磁吸”效应、增强区域资源要素整合能力,地区自由贸易水平对科技企业孵化器运营绩效应具有重要影响。

5)数字社会建设程度(digit)。采用各省份每百家企业拥有网站数衡量。地区数字社会建设和发展推动科技企业孵化器进行信息交流、弥合数字鸿沟,为科技企业孵化器的生存和发展营造了良好的数字创新环境。

6)人才集中水平(edu)。采用地区每十万人口高等学校平均在校生数衡量。人才是第一资源,专业化孵化人才是打造号科技企业孵化器的关键。一方面,孵化服务需要懂技术、懂市场、懂管理、善服务的复合型人才,另一方面,专业化人才能够创新变革、提供正能量,有很强的自驱能力,能够为科技企业孵化器建设及运行创造价值。因此,人才集中水平是影响科技企业孵化器运营绩效的关键因素。

对主要变量进行了描述性统计分析,结果见表2。表2显示,孵化器运营绩效最大值为3.771 0,最小值为0.270 0,表明我国各省份科技企业孵化器的运行水平还存在一定差异,部分地区科技企业孵化器已发展健全。从解释变量来看,经济发展水平、政府支持程度等变量在各省份间同样存在较大差异。

表2 变量描述性统计

3 研究结果与分析

3.1 科技企业孵化器运营绩效的空间分布特征

3.1.1 整体绩效变动分析

根据表3可知,2013—2021年我国科技企业孵化器运营绩效均值为0.952 0(<1.000 0),总体呈现先增加、后下降的波动趋势,且研究期间半数年份的科技企业运营绩效小于1,说明我国科技企业运营绩效整体偏低。分解来看,技术效率下降0.000 1,技术进步均值下降0.047,说明技术效率代表的要素质量利用率不高、科学技术需要得到提升。

表3 2013—2021年科技企业孵化器运营绩效及其分解

3.1.2 区域绩效差异分析

根据表4可知,2013—2021年,西部、中部、东部、东北部的科技企业孵化器运营绩效均值分别为0.987 9、0.958 5、0.935 2、0.866 0,综合排名为西部地区>中部地区>东部地区>东北部地区。西部地区、中部地区科技企业孵化器运营绩效更高得益于技术效率的上升,但存在的技术倒退问题是限制其运营绩效进一步提升的原因,应重点关注技术水平的发展;东部地区、东北部地区由于技术效率降低、技术进步减缓而呈现科技企业孵化器运营绩效降低,应提升运行效率、技术水平。

表4 各省份科技企业孵化器运营绩效及其分解

3.1.3 各省份绩效差异分析

根据表4可知,2013—2021年,江西、江苏、广西、山东、福建、宁夏、新疆、四川、云南、重庆10个省份的科技企业孵化器运营绩效均大于1,说明我国只有部分省份科技企业孵化器运营绩效较好,发展态势不佳。从增长动因看,山西、内蒙古、浙江、安徽等多数省份均呈现技术退步趋势。技术进步因素是使我国科技企业孵化器运营绩效提升受到制约的主要原因。

3.2 空间相关性检验

对空间计量模型进行全局Moran检验,表5结果显示多数都在1%的统计水平上显著为正值,表明我国科技企业孵化器运营绩效在空间分布上存在显著的正相关性。因此,采用空间计量模型进行影响因素的实证分析是合理的。

表5 莫兰指数检验结果

3.3 空间计量模型的选择

首先,采用拉格朗日检验法(LM检验)判定和选择空间面板模型LM-lag、LM-lag-Robust、LM-Error和LM-Error-Robust均在5%的显著性水平下为正值,表明选择空间杜宾模型对科技企业孵化器运营绩效影响因素进行实证检验具有合理性,结果见表6。

表6 LM检验结果

其次,通过Hausman检验在空间面板中的省份固定效应、年份固定效应的固定形式和随机形式间加以选择,结果显示拒绝原假设(P=0.003 1<0.100 0),即存在固定效应,应选用省份和年份效应的固定模型。最后,通过LR(似然比)检验模型是否存在省份或年份固定效应,表7结果表明模型省份效应和年份效应均显著。

表7 LR检验结果

3.4 影响因素分析

根据前文的检验,确定选用空间杜宾模型对影响中国科技企业孵化器的影响因素进行测度和分析。表8结果显示,空间杜宾模型的统计系数显著为正,空间效应显著。从各影响因素变量的估计结果和显著水平进行分析,得出以下结论:

表8 科技企业孵化器影响因素及分解效应检验结果

1)地区经济发展水平的系数在10%的水平上显著为正,同时直接效应和间接效应也均在10%的水平上显著为正,表明经济水平的发展对科技企业孵化器运营绩效具有显著正向影响。究其原因,科技企业经济发达地区建设、发展可获得更低的成本、更丰富的资源要素和更广阔的市场,因此,地区经济发展带动所在地区科技企业孵化器运营绩效,同时,区域间的经济合作、协同发展提高了其对邻近地区的空间溢出效应,带动了相邻区域科技企业孵化器运营绩效。

2)政府支持程度的系数在1%的水平上显著为正,间接贡献和直接贡献分别在1%和5%的显著水平上为正值,表明政府支持程度对所在省份的科技企业孵化器运营绩效具有显著正向影响。究其原因,合理的政策干预和资金支持是地区科技企业孵化器得以有效运转的保障,具有正向空间溢出效应,一方面,适当的政策支持有助于技术的革新、激发创新创业活力,另一方面资金支持为孵化器企业硬件设施完善、技术研发投入等诸多方面提供“活水”。

3)区域创新活力的系数在1%的水平上显著为正,直接效应和间接效应分别在1%和5%的显著水平上为正,表明区域创新活力对所在省份的科技企业孵化器运营绩效具有显著正向影响。究其原因,创新活力越高、创新创业投资更为活跃的地区对科技企业孵化器产生“虹吸”效应,同时,浓厚的创新氛围有助于激发各孵化器主体的创新能力,加速孵化器企业对信息化技术和手段的使用,为孵化器运营绩效的提升奠定坚实的基础、促进创新成果的孵化级别及后期创新成果转化率提升。

4)自由贸易水平在5%的统计水平上显著为负,这说明以贸易进出口总额代表的自由贸易水平对科技企业孵化器运营绩效产生了负向影响。本文认为,地区的贸易水平越高通常意味着区域间的技术交流频率越频繁,会带动区域的技术水平提高。但自由贸易水平之所以会对地区运营绩效提升产生负面影响是由于各区域孵化器建设的差异性,技术交流经验未有效转化到实际应用中或对不同地区并不适用,因此自由贸易水平并未促进科技企业孵化器运营绩效提升。

5)数字社会建设水平在5%的水平上显著为正,间接效应在10%的统计水平上显著为正值,表明数字社会建设对科技企业孵化器运营绩效具有显著正向影响且主要通过提高了其对邻近地区的空间溢出效应发挥作用。究其原因,数字社会的建设、健全为科技企业孵化器运营绩效提升赋能,通过数字信息的介入推进孵化器网络平台构建、打造智能化科技企业孵化器管体系,有助于科技企业孵化器提高运用数字技术进行创新的能力,实现运营绩效提高。

6)教育水平有显著的负向影响。人才的集中并不代表人力资源发挥最大效用,虽然各省人才数量增加,但根据各地区的《重点产业紧缺人才目录》《“十四五”紧缺人才开发目录》显示,各地区科技创新人才均存在质量、数量短缺困境,科技企业孵化器需要的专业技术人才、创新创业者同样面临专业化人才紧缺的困难。因此,人才集中水平并未带动科技企业孵化器运营绩效的提升。

3.5 稳健性检验

构建动态空间杜宾模型检验实证结果的稳健性。从表9检验结果可看出,区域经济发展水平、政府支持程度、区域创新活力的系数均显著为正值,自由贸易水平、人力集中水平的系数均显著为负值,与前文检验结果基本一致,具有较强的稳健性。

表9 动态空间杜宾模型检验结果

4 结论和政策建议

4.1 结论

对2013—2021年30个省份科技企业孵化器运营绩效及其影响因素进行实证分析,得出以下结论:①我国科技企业孵化器运营绩效水平存在提升空间,仅少数省份科技企业孵化器运营绩效达到有效,30个省份中只有10个省份达到综合有效,18个省份达到技术效率有效,8个省份保持技术进步;②科技企业孵化器运营绩效在不同省份间存在空间正相关性且差异显著,西部地区和中部地区的技术效率是其运营绩效相较东部地区和东北部地区有更优的表现;③经济发展水平、政府支持力度、区域创新活力、数字社会建设水平是带动地区科技企业孵化器运营绩效提升的重要因素,有助于推动科技企业孵化器高质量发展。同时,专业化人才紧缺等因素阻碍了人才集中水平和自由贸易水平对科技企业孵化器运营绩效的带动作用,应重点关注。

4.2 政策建议

1)完善协同发展的孵化网络。科技企业孵化器的网络化发展通过协同效应、创新效应和扩散效应使科创企业更高效的获取所需知识、资本和技术等关键资源,为科技企业孵化器提供更优化的发展条件。科技企业孵化器网络以项目为基础、孵化期为平台,通过一系列契约汇集不同领域的孵化机构作为节点并建立信任的联结机制与运作机制,是整合孵化主体信息资源、增强孵化机构合作伙伴联系质量、提升科技企业孵化器运营效率得有效手段。各省应抓住互联网、区块链、大数据等新发展机遇,建立健全孵化网络机制,通过优化孵化网络中的节点、加强处于孵化器网络中心节点孵化器间的联系与合作等方式推进孵化网络的协同发展。

2)优化孵化器的政策环境。一是实施精准的人才政策,要留住人才、用好人才。科技企业孵化器不仅是科技成果和创新成果的孵化器,更是人才“孵化器”,通过引进有经验丰富的企业家、成功的创新创业者、技术性人才以及优秀的投资者组建孵化队伍,为科技企业孵化器建设及运行创造价值;二是兼顾各地区孵化器实际情况制定专项措施,实施差异化政策。针对国内整体科技企业孵化器存在技术进步减缓现象,应加强科技创新工作的政策支持力度,坚持能给尽给、应给尽给。同时,东部以及东北部地区综合效率不高主要是由于科技企业孵化器规模效率低下的城市较多,应加强有助于科技企业孵化器提升规模的政策和资金支持,推进科技企业孵化器增强投入,提高管理效率。

3)推进孵化器科学发展。区域创新活力、数字社会建设水平是带动地区科技企业孵化器运营绩效提升的积极因素,因此科技企业孵化器的后续建设和发展进程离不开各地区的创新和数字化发展。一是激发区域创新活力,营造良好创新创业生态,促进科技企业孵化载体体系化、专业化发展。同时,内外整合与优化孵化平台软、硬件资源配置,及时调整资源投入和孵化产出,实现孵化资源和创业要素的高效利用;二是各省市持续推进数字社会建设步伐,加速孵化器企业对信息化技术和手段的使用,推进科技企业孵化平台的数字化动态能力。