■錢 坤 孔令媛 張曉建 田 男

(1.南京財經大學會計學院，江蘇南京210023；2.坤元資產評估有限責任公司，浙江杭州310013；3.青島西海岸新區(qū)工業(yè)和信息化局，山東青島266555）

一、引言

自1987年中國第一家孵化器——武漢東湖新技術創(chuàng)業(yè)中心出現起，我國科技企業(yè)孵化器的數量逐年增長，2017年底已達到了4 063 家，居世界首位。隨后的2018 和2019年，我國孵化器數量繼續(xù)增長，達到了5 206 家（如圖1）。據科技部火炬中心數據顯示，2017年我國孵化器孵化基金總額就已超過840億。鑒于我國的孵化器是政府重要的產業(yè)轉化中心，前期離不開各項孵化資源的支持，從政策層面來說，為了讓投入資源利用效率實現最大化，需針對其發(fā)展情況制定不同的投入方案。因此對不同地區(qū)孵化器的運營績效進行評估，分析運營績效的區(qū)域差異，對于政府有關部門決策制定具有重要的參考意義。

圖1 1995-2019年全國科技企業(yè)孵化器數量變動情況

國內外對于如何評估孵化器運營績效已經有了一定的研究基礎。在樣本的范圍選擇上，國外學者多為探究國家范圍內孵化器的績效情況，而國內的一些學者選擇部分省市的孵化器作為研究對象。Jos等（2012）[1]分析比較了國內五種性能類別的孵化器績效差異；Johanna Vanderstraetend 等（2016）[2]通過實證分析巴西國內的數家孵化機構的運營情況發(fā)現針對性的服務對孵化器的生存和成長具有重要的作用；Martin Luke 等（2019）[3]運用大量意大利初創(chuàng)企業(yè)的數據研究了孵化器對于企業(yè)成長的作用。在國內，翁莉、殷媛（2016）[4]選擇了長三角地區(qū)的孵化器作為研究樣本，探究了上海孵化器效率低于其他兩省份的原因；何慧芳、黃灝然、方凱（2018）[5]對廣東省內的二百余家孵化器進行了實證分析，發(fā)現深圳的孵化器績效遠優(yōu)于其他城市；李慶博、劉西明（2018）[6]著眼于位于天津的孵化機構，分析了創(chuàng)新對于孵化績效的影響。

對于衡量孵化器績效的模型，國內外學者有著多樣化的選擇，得出的結論也各有不同。Sung 等（2003）[7]提出可以在實踐中使用線性和非線性的數學手段作為孵化器績效主要的研究工具；K.F.Chan 和Theresa Lau（2005）[8]提出了九個指標下孵化器評價的思路并指出孵化器要想發(fā)揮最大作用需要與被孵企業(yè)的成長狀態(tài)緊密結合;李恒光（2007）[9]對國內外指標體系進行了介紹，并構建了3C 系統(tǒng)分析框架用來對孵化器的績效進行有效評價；王憲明（2013）[10]對我國孵化器整體進行了宏觀分析，又對部分的孵化器企業(yè)運用DEA 模型進行了針對性的研究；關成華等（2018）[11]使用傾向得分匹配法分析了稅收等因素對孵化器績效的影響；梅強等（2018）[12]利用了IPA 這一分析方法從競爭力的角度評價了具有連鎖關系的孵化器；黃攀等（2019）[13]運用單因素方差分析和多重檢驗等統(tǒng)計分析方法比較了不同控制主體下孵化器績效的差異；朱媾、周振江、蘇瑞波（2020）[14]利用了隨機前沿模型發(fā)現廣東經濟落后地區(qū)技術反而更加先進。

從現有研究可以發(fā)現，國內基于全國背景下對孵化機構運營績效的評估的文獻相對較少，但傳統(tǒng)DEA 模型在環(huán)境變量、隨機因素等多重因素干擾下，難以得出精確的運算結果，進而也無法對呈現出的問題提出具有嚴格針對性的意見和建議。本文將科技企業(yè)孵化器運營績效評估范圍擴大至全國，以31個省級行政區(qū)劃的孵化器作為研究對象，運用三階段DEA 模型，在傳統(tǒng)DEA 模型基礎之上利用隨機前沿函數將松弛變量分離出環(huán)境變量與隨機噪聲的影響，所得出的對策建議將更具參考價值。

二、模型介紹及指標選取

（一）研究模型介紹

1.傳統(tǒng)DEA 模型

數據包絡分析方法（DEA）是一種從投入和產出兩個角度對數個決策單元（DMU）進行效率評價的方法，認為效率等于產出與投入的比值，比值最高的決策單元被視為最有效的決策單元，通過每個決策單元的效率與最優(yōu)效率的比值來判斷其他決策單元效率是否相對有效。DEA 有兩種基本模型，即CCR 模型與BCC 模型，二者的不同點在于CCR 假設規(guī)模報酬不變，得出的結果僅有綜合效率，而BCC 模式設定規(guī)模報酬可變，認為技術效率=純技術效率×規(guī)模效率，在此種情況下數據結果不僅可以衡量決策單元的綜合效率，還可以分析綜合效率中純技術效率與規(guī)模效應發(fā)揮的作用。

鑒于效率由投入和產出共同決定，對于效率的評價分析可以從投入與產出兩個不同角度來進行，即投入導向與產出導向，投入導向為一定產出下探究投入的減少，產出導向為一定投入下探究產出的增加。理論上來兩種角度都可以運用，但從孵化器運行實際來看，我們僅能控制投入的成本（土地、人員等），產出往往難以調整，再加上本次研究需要分析技術與規(guī)模效應發(fā)揮的作用，本次DEA 分析將選取投入角度下的BCC 模型。

2.SFA 模型

隨機前沿分析(SFA)是指用隨機前沿函數進行效率分析的方法，考慮了隨機因素對于產出的影響，在決策單元的績效評價過程中可將誤差項中各因素的效果分離出來。SFA 視角下生產函數f(x)表達為：

3.三階段DEA 模型

最早提出將SFA 與DEA 結合在一起（也就是三階段DEA 模型）的是Fried 等人，他認為傳統(tǒng)DEA模型中的決策單元受到其自身因素的影響，而SFA模型可以分離出各種影響。在三階段DEA 模型中，首先將選擇的投入變量與產出變量應用于傳統(tǒng)DEA模型中得到初步分析結果，可以發(fā)現各決策單元投入變量的實際值與目標值存在差距，形成松弛變量，利用隨機前沿手段可以對松弛變量進行進一步分析，即各決策單元反映低效率的松弛變量可以被分解為環(huán)境因素、管理無效率和隨機噪聲。通過用SFA 模型對松弛變量進行回歸分析，參照陳巍巍等學者（2014）的管理無效率分離公式①陳巍巍,張雷,馬鐵虎,劉秋繸.關于三階段DEA 模型的幾點研究［J］.系統(tǒng)工程，2014，32（09）：144-149.可以分離出環(huán)境變量與隨機噪聲的影響，將產出指標和經過處理后的投入指標再次應用于傳統(tǒng)DEA 模型中，可以得到新的分析結果，通過兩次DEA 分析結果的對比可以衡量環(huán)境變量對于決策單元發(fā)揮的作用，從而達到研究目的。

（二）指標體系構建

本次研究以科技部火炬中心頒布的《中國火炬統(tǒng)計年鑒2020》為數據基礎，選擇了截止至2019年底各省科技企業(yè)孵化器的各項指標作為樣本，最終樣本為31 個地區(qū)的共5 206 家科技企業(yè)孵化器。目前關于科技企業(yè)孵化器績效的評價的研究手段還是以DEA 模型為主，在投入指標選取方面，參考代碧波、顏振軍等學者研究，本文將選取管理機構從業(yè)人員（X1）、孵化基金（X2）、當年新增企業(yè)數（X3）、孵化場地面積（X4）作為投入指標，當年畢業(yè)企業(yè)數（Y1）、孵化器總收入（Y2）、當年獲風險投資額（Y3）作為產出指標。

三、實證分析

（一）第一階段DEA 模型運行結果

本次研究運用了DEAP-xp 軟件對搜集來的數據進行了處理，采用了投入導向的BCC 模型，設定規(guī)模報酬可變，得出的初步分析結果如下：

表1 傳統(tǒng)DEA 模型指標選取

表2 一階段DEA 運行結果

注：作者根據2020年中國火炬統(tǒng)計年鑒計算整理所得

圖2 一階段效率分布圖

我國科技企業(yè)孵化器平均綜合效率為0.625 低于1，整體來看我國的孵化器綜合效率尚未達到相對有效，具有較大的成長空間。規(guī)模效率的平均值略高于技術效率，對綜合效率的貢獻更大，未來國家可考慮將技術效率的提高作為扶持孵化器產業(yè)的側重點，加大孵化器技術層面的投入。綜合效率達到1 的北京、內蒙古、海南、云南、西藏5 個省份處于綜合效率有效的水平；技術效率為1 代表這5個省份技術水平處于行業(yè)前列，規(guī)模效率為1、規(guī)模報酬不變表明這幾個省份的目前發(fā)展規(guī)模已經達到比較理想的水平。在余下的綜合效率沒有達到有效的省份里，天津、河北、上海、江蘇、浙江、江西、河南、湖北、廣東共9 個省份技術效率達到1，說明這幾個地區(qū)的技術水平已經達到前列，綜合效率不高主要是規(guī)模效應引起的，而剩余的17 個地區(qū)綜合效率不高則是規(guī)模效應和技術水平不高兩個因素共同引起的。在綜合效率小于1 的省份中，所有地區(qū)都處于規(guī)模報酬遞減階段，那么這部分地區(qū)未來要提高運營績效需要控制孵化器增長規(guī)模。

從圖3 可以發(fā)現技術效率與規(guī)模效率均高于平均值的有北京、內蒙古、遼寧、江蘇、江西、湖南、海南、云南、西藏共計9 個省份，說明這些地區(qū)的技術效率與規(guī)模效率都居于全國前列；四川與上海的技術效率與規(guī)模效率都低于平均值，表明未來這兩個省份孵化器的建設技術與規(guī)模效應都應受到重點關注。整體來看技術效率高于平均值的省份共有17 個，占全國的54.84%，規(guī)模效率高于平均值的有19 個省份，占全國的61.30%，兩者的表現情況較為接近，表明孵化器效率在數值分布上較為均衡。

圖3 一階段DEA 純技術效率與規(guī)模效率比較圖

從分布來看，我國東北、華東、華中和西北地區(qū)暫無綜合效率達到有效的省份，落后于其他地區(qū)。北方地區(qū)技術效率普遍較低，可見我國的孵化器的績效水平存在分布不平衡的問題。華東、華中地區(qū)提升孵化器績效的關鍵點在于提高規(guī)模效率，鑒于這幾個地區(qū)目前均位于規(guī)模報酬遞減的階段，未來需要通過控制物質投入控制規(guī)模增長來提高績效水平；東北、西北地區(qū)技術效率不高是核心問題，未來孵化器發(fā)展的側重點在于管理水平的提高及科研資源、技術人才的投入。而西南地區(qū)技術效率與規(guī)模效率有效的地區(qū)都不多，未來上述兩方面都值得關注，發(fā)展技術，控制規(guī)模，最終提高整體運營效率。

表3 一階段DEA 各區(qū)域不同效率水平省份數量

圖4 一階段效率區(qū)域分布圖

（二）第二階段 SFA 模型回歸結果

本階段主要是為了分離出環(huán)境變量、隨機噪聲對孵化器效率值的影響，將所有地區(qū)置于相同的環(huán)境之下，然后再衡量各地區(qū)孵化器的運行效率。

參照學者們在測度效率時選取環(huán)境變量指標的考慮因素，結合本次研究目的及數據的搜集情況，本次分析選取環(huán)境指標為2019年各省公辦本科大學數量、各省發(fā)明專利申請受理量(項)和各省的人均GDP。利用一階段DEA 的運行結果，可以得到各地區(qū)投入指標的松弛變量（即實際值-目標值）。

以四個投入指標的松弛變量作為因變量，以公辦本科大學數量、各省發(fā)明專利申請受理量( 項)和各省的人均GDP 作為自變量，運用FRONT41-xp1 軟件，對四個投入指標進行了調整。三個指標的gamma 值都非常接近1，且結果已通過廣義單邊似然比檢驗，因此SFA 模型是適用于本次研究的。另外，σ2的值較大，且大部分數值通過了1%的顯著性檢驗，表明管理無效率造成的影響是占主導地位的。

各環(huán)境變量的系數正負情況代表其對各松弛變量的影響方向。由結果可見數據基本上都通過了1%的顯著性檢驗。各省發(fā)明專利申請受理量(項)、人均GDP 對松弛變量的影響基本都是負向的，明顯各省發(fā)明專利申請受理量( 項)越多，區(qū)域技術創(chuàng)新能力越強，技術水平越高，投入的實際值越接近目標值，投入的冗余越?。回斦杖朐蕉?，用于孵化器運營的資金越充裕，使得硬件條件能夠及時升級，也吸引了更多技術人才的涌入，自然對于孵化器績效的提升也具有推動作用。公辦本科大學數量對松弛變量的影響是正向的，即公辦本科大學數量與孵化器數量越多，投入的實際數值與目標數值的差別越大。

表4 環(huán)境變量及解釋

（三）第三階段調整后DEA 模型運行結果

將經過處理后的四項投入變量和三項產出變量又應用于DEA 模型，得到新的分析結果。

表5 二階段SFA 模型回歸結果

表6 三階段DEA 運行結果

續(xù)表

圖5 三階段效率分布圖

經過對無關要素的剝離后，綜合效率平均值為0.746，較一階段DEA 運行結果有所升高，純技術效率值為0.892、規(guī)模效率值為0.832 也比一階段要高，說明在相同環(huán)境的條件下，我國科技企業(yè)孵化器技術水平總體都已經達到較好水平，但技術水平、規(guī)模報酬還有提升空間。綜合效率有效的省份升高到了10 個，為北京、河北、山西、內蒙古、遼寧、上海、江蘇、江西、河南及西藏；在規(guī)模效率未達到有效的區(qū)域中，浙江、湖北、廣東、廣西、海南、云南六個地區(qū)達到了技術效率有效，表明這六個地區(qū)孵化器技術水平已經達到行業(yè)領先位置，現階段主要是規(guī)模效應制約效率的提升。除浙江、安徽、福建、山東、湖北、湖南、廣東、四川、陜西9 個地區(qū)處于規(guī)模報酬遞減階段外，其余12 個綜合效率未達到有效地區(qū)都處于規(guī)模報酬遞增階段，即孵化器數量越多，綜合效率會越高。可見未來我國孵化器數量規(guī)模的不能一味增長或縮減，應針對各地區(qū)規(guī)模效率的表現情況制定不同的方案。

在三階段DEA 結果中不難發(fā)現位于效率領先的省份升至13 個，北京、河北、山西、內蒙古、遼寧、上海、江蘇、江西、河南、湖南、湖北、廣西、西藏處于領先地位。云南、海南的規(guī)模效率不再高到平均值，說明環(huán)境變量對于云南、海南的孵化器建設具有良好的推動作用；而河北、陜西、上海、河南、湖北、廣西在剔除環(huán)境影響之后躍進行業(yè)前列，表明公辦本科大學數量、各省發(fā)明專利申請受理量(項)和各省的人均GDP 對于這6 個省份的制約效果明顯。技術效率與規(guī)模效率都低于平均值的只有貴州、甘肅兩個省份，從這個角度來看我國孵化器的績效整體表現良好。所有省份中技術效率超過平均值的升至21 個，占全國的67.74%，規(guī)模效率超過平均值的省份仍未19 個，占全國的61.30%。

圖6 三階段DEA 純技術效率與規(guī)模效率比較圖

表7 三階段DEA 各區(qū)域不同效率水平省份數量

在三階段DEA 結果中，依然是華北、華東處于效率領先地位，西北、西南和東北地區(qū)處于孵化器發(fā)展落后階段，尤其是技術效率較為落后。如圖8所示，東北、西北地區(qū)綜合效率的平均值較第一階段有所降低，說明各省發(fā)明專利申請受理量（項）、人均GDP 對西北地區(qū)孵化器起到的作用大于公辦本科大學數共同起到的作用，從而環(huán)境變量整體上是促進孵化器績效提升的；而其他地區(qū)綜合效率平均值均上升，尤其是華北、華中、華東地區(qū)效率上升幅度很大，可見公辦本科大學數這一環(huán)境變量對這些地區(qū)的孵化器績效的制約效果較為明顯。

圖7 第三階段效率分布圖

圖8 調整后各區(qū)域綜合效率變動情況

圖9 調整后各省份綜合效率變動情況

具體到省份來看，除天津、海南、貴州、云南、青海、寧夏、新疆外，其余未達到綜合效率有效的省份的綜合效率較一階段DEA 的結果都有所上升，且大部分增長幅度較大，表明環(huán)境變量與隨機噪聲對這些地區(qū)的孵化器運營績效影響較為顯著。

四、研究結論及建議

（一）研究結論

本文運用三階段DEA 模型，對2019年的31 個地區(qū)的共5 206 家科技企業(yè)孵化器的運營績效進行了實證分析，得出結論如下：

1.我國孵化器績效水平有一定提升空間。我國的31 個省份中只有10 個達到了綜合效率有效，16個省份達到技術水平有效，10 個省份規(guī)模效率達到有效。綜合效率平均值只有0.746，有一定成長空間；規(guī)模效應平均值為0.832，純技術效率的平均值0.892，均有較大提升空間。

2.孵化器績效水平存在區(qū)域差異。東北、西南、西北地區(qū)綜合效率有效的省份數量較少，且綜合效率無效省份的技術效率普遍不高，表明這三個區(qū)域績效較低，技術水平較為落后；華南全部為僅技術效率有效地區(qū)，規(guī)模效應利用情況較差。西北、華北、東北大部分地區(qū)都處于規(guī)模報酬遞增的階段，需要有更多的孵化資金以及場地等資源投入來提升績效；東北、西北地區(qū)的技術效率與規(guī)模效應表現均不理想，未來孵化器的發(fā)展不僅要提升硬件水平，軟投入也要進一步加強。

3.各公辦本科大學數量、各省發(fā)明專利申請受理量(項)和各省的人均GDP 作為環(huán)境變量都通過了廣義單邊似然比檢驗，意味著SFA 模型是適用于本次研究的。環(huán)境變量剔除后大部分省份的綜合效率都提升明顯，表明環(huán)境變量對孵化器的發(fā)展制約效果顯著，這三個因素在未來的政策制定中值得關注。

4.公辦本科大學數量對各松弛變量的影響為正向，各省發(fā)明專利申請受理量(項)、人均GDP 對各松弛變量的影響都為負向。表明政府的資金支持仍是孵化器初步發(fā)展的重要依托，充足的資金意味著孵化企業(yè)硬件設施得以及時升級，企業(yè)可以有足夠的精力進行技術研發(fā)和最佳管理模式的探索。目前我國孵化基地的大部分企業(yè)為高新技術企業(yè)，特有先進技術是這些企業(yè)的絕對優(yōu)勢，而成熟的技術來源于發(fā)明創(chuàng)造，壟斷地位來源于法律保護，專利擁有量成為孵化企業(yè)技術先進水平的衡量指標，擁有的專利越多，企業(yè)越有可能掌握更多的核心技術，提升其市場競爭能力。

（二）政策建議

1.注重科研隊伍的建設。整體來看目前技術效率仍然制約我國孵化器運營績效，因此未來建設的側重點在于提高孵化器的科學技術水平，可從科研成果與科研人才兩個角度入手。孵化機構應當充分利用已有的技術團隊進行技術創(chuàng)新，同時注重技術保護，推動技術的市場化轉移水平。對于人才的遴選，孵化機構要擴大范圍，嚴格標準，可與高校合作引進高水平人才，各孵化器科研團隊之間可以擴大技術交流范圍，實現共同發(fā)展。國家應對孵化機構提供相應的人才發(fā)展政策支持。

2.制定針對性的扶持政策。我國的孵化器運營績效區(qū)域差異明顯，因此，針對不同特點的區(qū)域應制定具有一定差異性的扶持政策。對于技術發(fā)達的區(qū)域政策的側重點在于加大資金投入力度，提供孵化場地，合理增加孵化器的規(guī)模；對于東北地區(qū)，應關注人才流失問題，發(fā)揮政策對于人才發(fā)展的引導作用，提高高精尖人才的待遇和保障水平；對于西南西北地區(qū)，政府可以考慮向經濟發(fā)展地區(qū)吸取寶貴經驗，一方面不斷提高經濟發(fā)展水平，一方面加強教育資源投入，吸引人才，留住人才，最終實現孵化器綜合效率的突破。

3.完善孵化器考核和內部管理體系。孵化器的建立之前，應進行科學評估，從多維度分析其投資可行性，建立之后設立系統(tǒng)化的管理制度，明確各部門的責任，充分發(fā)揮各崗位的作用，對各項資源投入的風險提前進行預估，實現精準把控，建立并不斷完善孵化資金、人力、場地以及各項資源投入的績效考核體系。