科技企业孵化器集聚及效率与空间关联研究

吴文清， 马赛翔， 刘晓英

(1.天津大学管理与经济学部， 天津 300072；2.国家知识产权战略实施(天津大学)研究基地， 天津 300072)



科技企业孵化器集聚及效率与空间关联研究

吴文清1，2， 马赛翔1， 刘晓英1

(1.天津大学管理与经济学部， 天津 300072；2.国家知识产权战略实施(天津大学)研究基地， 天津 300072)

从我国省域层面出发，研究了省域国家级科技企业孵化器的区域差异与集聚度，利用数据包络分析对我国省域国家级科技企业孵化器的投入产出效率进行了测算。以各省域DEA效率为基础，运用全局自相关和局部自相关分析了我国省域国家级孵化器效率的空间关联性和模式。研究结果表明：我国省域国家级孵化器数量存在较大差异，并且分布不均匀，各省域国家级科技企业孵化器的投入产出效率之间存在显著差异；各省域孵化器综合效率存在空间关联性，而纯技术效率、规模效率和全要素生产率不存在空间自相关性，省域国家级孵化器综合效率空间关联模式呈现出三种类型：high-high型，high-low型和low-high型。

科技企业孵化器； 集中度； 全局空间自相关； 局部空间自相关

20世纪80年代，自科技企业孵化器在我国成立以来取得了重要进展，对我国经济社会特别是高新技术创业企业成长以及新兴产业培育起到了重要推动作用。2014年中央经济工作会议指出：“新兴产业、服务业、小微企业作用更加凸显，生产小型化、智能化、专业化将成为产业组织新特征”的背景下，作为孵化小微企业和培育新兴产业为使命的科技企业孵化器肩负着更大的责任。

近年来，我国科技企业孵化器发展出现了一些新的特点，科技企业孵化器建设出现集聚化和布局的不均衡化倾向。以国家级科技企业孵化器为例，2012年，我国东部地区江苏省、浙江省、上海市拥有国家级科技企业孵化器分别为80家、34家、23家，北京市拥有国家级孵化器28家。而西部地区的甘肃省、贵州省、青海省、新疆自治区、宁夏自治区分别拥有国家级科技企业孵化器2家、2家、2家、3家、1家[1]，国家级科技企业孵化器的区域发展集聚化和不平衡趋势较明显。在十八大报告明确提出“支持小微企业特别是科技型小微企业发展”的背景下，科学布局科技企业孵化器、发挥科技企业孵化器的集聚作用和引领带动作用，对有效支持小微企业成长，提高创业企业成功率，完善国家创新体系具有重要意义。

科技企业孵化器绩效和运营效率受到国内外学者的广泛重视[2,3]。Schwartz和Maximilian以德国410家从科技企业孵化器毕业的创业企业为研究对象，研究了科技企业孵化器的有效性以及科技企业孵化器对促进创业企业生存的作用[4]，Sergio和Charbel以巴西科技企业孵化器为例，提出了评估科技企业孵化器“绿色”绩效框架[5]，Kim 和 Jung研究了韩国科技企业孵化器在区域经济发展中的作用[6]， Jafar等基于DEA研究了科技企业孵化器对创业企业的评估效果[7]。殷群、张娇研究了长三角地区和国家级科技企业孵化器运行效率[8,9]；代碧波、孙东生研究了东北地区部分国家级孵化器效率[10]；张鹏、占豪剑研究了广东省科技企业孵化器的运营绩效[11]；王敬、汪克夷得出我国新兴产业科技孵化器的技术效率区域差异显著[12]；李志祥、宋清也指出我国各地区之间科技企业孵化器运营效率差异比较明显[13]。吴文清等[14,15]对国家级大学科技园、国家级科技企业孵化器的效率进行了评价。赵黎明等[16,17]对孵化器与创投合作的绩效进行了研究。不过，这些研究大多研究科技企业孵化器的运营效率与改善途径，对于科技企业孵化器的集聚以及由此造成的效率差异和空间关联作用，则较少涉及。鉴于此，本文以我国省域国家级科技企业孵化器为研究对象，对我国国家级科技企业孵化器在省域层面的差异性和集聚度进行研究，评价国家级科技企业孵化器省域层面集聚度对资源配置效率的影响。在此基础上，运用LISA (local indicators of spatial association局部空间关联)分析法分析我国省域国家级孵化器效率的空间关联性和模式，提出效率改进方向及对策建议。

一、 国家级科技企业孵化器区域差异与集聚度

本文选取的样本为中国大陆29个省市区国家级科技企业孵化器(目前海南省尚没有国家级科技企业孵化器，西藏自治区孵化器相关统计数据不完整)，国家级科技企业孵化器经过科技部严格认定，具有代表性，数据较为准确和权威，国家级孵化器数据均来源于2010—2013年《中国火炬统计年鉴》。由于2014年《中国火炬统计年鉴》只发布2013年度以省域为单位的国家级孵化器数据，不再发布单独的国家级科技企业孵化器数据，因此本文的数据截止到2012年。

1. 国家级孵化器区域差异

本文利用锡尔系数[18]衡量国家级科技企业孵化器发展的省域差异，具体的计算公式为

(1)

式中：L为锡尔系数；n为研究的国家级科技企业孵化器区域个数(本文中为29)；pi为i省市区的人口占全国人口的比重；yi为i省市区的国家级孵化器数量占全国国家级孵化器的比重。锡尔系数L越大，表示孵化器发展的省际差异越大。锡尔系数L越小，表示孵化器发展在空间上越均衡。

利用上述数据得出2011—2012年我国省域国家级孵化器发展的锡尔系数分别为0.125和0.132。由此可见，2011年和2012年省域国家级孵化器锡尔系数较大，且2012年的锡尔系数要高于2011年，表明我国省域国家级孵化器数量存在较大的差异，且不均衡有扩大趋势。

2. 国家级孵化器区域集聚度

下面进一步采用集中化指数[19]来研究我国国家级孵化器数量省域空间集中程度，其计算公式为

(2)

利用上述数据得出2011—2012年我国省域国家级孵化器发展的集中化指数分别为0.21 和0.27，集中化指数表明我国国家级孵化器数量分布不均匀，且不均衡程度有扩大趋势。

二、 省域国家级孵化器效率模型、数据与变量选择

本文基于投入导向的BCC 模型[20,21]对我国省域国家级科技企业孵化器效率进行测算。结合殷群[8]、代碧波[10]、张鹏[11]等人的研究以及数据的可得性，本文选取的投入指标由科技企业孵化器的管理机构人员数量、科技企业孵化器场地总面积、累计公共技术服务平台投资额与孵化基金总额3个指标组成。

产出指标由在孵企业人员数、在孵企业累计获得风险投资总额和批准知识产权数3个指标组成。

将各省域国家级孵化器对应的变量进行加总，得到29个省域国家级孵化器的投入产出变量数据。

三、 省域国家级孵化器效率分析

利用上文选取DEA模型，在对基础数据进行标准化处理后,采用DEA P2.1软件进行测算，得到我国29个省(市、自治区)国家级科技企业孵化器2009—2012年的综合效率、纯技术效率、规模效率和全要素生产率变动情况，如表1所示。

从表1中可以得到以下几点启示。

(1) 省域国家级科技企业孵化器总体效率较好。在研究的29个省市区中，孵化器DEA综合效率相对有效的省域有9个，占总数据的31%，这些省市区国家级孵化器所投入的孵化器数量、资金、规模与其本身的效益是匹配的。

(2) 部分综合效率小于1的省域国家级孵化器源于规模无效性。从表1中可以看出，有9个省市区国家级孵化器(辽宁、江苏、福建、山东、河南、湖北、广东、重庆、陕西)的纯技术效率为1，但综合效率都小于1。根据模型的经济意义可以得知，这9个省市区国家级孵化器未能达到DEA有效的原因，在于其规模无效性，但技术水平已经发挥到最佳。因此，改革的重点应该在于如何更好地发挥其规模效益。另外11个省市自治区国家级孵化器的无效率既来自技术无效也来自于规模无效，意味着这部分省市自治区孵化器存在着资源尚未得到有效使用，规模效益难以发挥的问题。

表1 我国29个省域国家级孵化器2009—2012年DEA效率评价

(3) 西部地区的国家级科技企业孵化器投入产出效率表现较好。内蒙古、四川、贵州、新疆、宁夏、青海6省市区的综合效率都为1，其中贵州、新疆、宁夏、青海的综合效率为1，主要由于他们拥有的国家级孵化器数量很少，而孵化器能够择优选择好的创业项目进行孵化，投入产出效率高。

(4) 省域国家级科技企业孵化器总体处于技术进步状态。我国29个省域国家级孵化器2009—2012年全要素生产率变动指数(TFP)为1.168，表明我国国家级孵化器2009—2012年以16.8%的速度处于较快的进步状态。在研究的29个省域中，孵化器全要素生产率变化(TFP)大于1的省域有27个，占总体数据的93.1%。可以看出，这些省域国家级科技企业孵化器的经营绩效相对改善，主要得益于国家对科技企业孵化器发展的重点关注，尤其是《国家科技企业孵化器“十二五”发展规划》的颁布，使各地加大了对孵化器的投入力度，改善了孵化器的孵化服务。

四、 省域国家级科技企业孵化器效率的空间关联性

1. 省域国家级科技企业孵化器效率的全局空间差异

为研究我国省域国家级科技企业孵化器综合效率、纯技术效率、规模效率和全要素生产率变动指数的关联性和差异程度，首先对这类效率进行全局自相关分析。这里用空间自相关指数(Moran’s I)统计量作为衡量我国省域国家级孵化器效率全局空间自相关指标，即

(3)

表2 29个省域国家级孵化器效率的Moran’s I估计值

从表2可以看出，在5%的显著性水平下，我国省域国家级科技企业孵化器的综合效率存在空间自相关，而省域国家级科技企业孵化器的纯技术效率、规模效率和全要素生产率变动指数则不存在空间自相关性。这表明我国各省域国家级科技企业孵化器综合效率在空间上呈现高高或低低的聚集现象，综合效率较大的省份，其周围省份综合效率也比较大；综合效率较小的省份，其相邻省份孵化器的综合效率也比较小。

2. 省域国家级科技企业孵化器综合效率的关联格局

为进一步认识我国省域国家级孵化器综合效率的关联格局，对其进行LISA[22,23]分析，以检验局部地区数据是否存在空间关联性的方法。其计算公式为

(4)

对我国省域国家级孵化器综合效率进行局部空间关联分析，可以得出我国省域国家级科技企业孵化器综合效率的空间关联模式呈现出：1) high-high型；high-low型和low-high型3种类型。具体而言，呈现high-high型特征的省域为重庆市，其周边相邻省域国家级孵化器综合效率较高，且显著正相关，彼此间呈现出空间同质性。呈现high-low型的省域为安徽省，其自身国家级孵化器综合效率水平相对较高，而周边相邻省域国家级孵化器的综合效率相对较低，呈现出显著负相关的关联特征。呈现low-high型特征的省域是宁夏回族自治区，其自身国家级孵化器综合效率水平相对较低，其周边相邻省域国家级孵化器的综合效率相对较高，呈现出显著负相关的关联特征。上述各个省域国家级科技企业孵化器综合效率空间关联模式都通过了5%的显著性水平检验。除上述各个省市区外，其余省市区同周边相邻省市区的空间关联均未通过5%的显著性水平检验，因而未能呈现出较为明确的空间关联模式。

五、 结 语

本文研究了我国国家级科技企业孵化器区域差异与集聚度，利用数据包络分析对2009—2012年我国29个省域国家级科技企业孵化器效率进行了测算，对29个省域国家级孵化器综合效率、纯技术效率、规模效率和全要素生产率变动指数进行了全局自相关分析，运用LISA方法对省域国家级孵化器综合效率空间关联模式进行探讨。在我国省域国家级孵化器的综合效率、纯技术效率、规模效率和全要素生产率变动指数中，综合效率具有全局空间相关性。基于上述研究，本文提出如下建议。

第一，注重科技企业孵化器均衡发展。研究表明，我国省域国家级科技企业孵化器数量存在较大的差异，且不均衡有扩大趋势。因此，需要注重科技企业孵化器的均衡化发展，通过局部地区重点投入的方法促使科技企业孵化器特别是国家级孵化器向均衡化发展，发挥国家级孵化器的带动和引领作用。

第二，重点优化局部科技企业孵化器规模。我国有9个省市区国家级科技企业孵化器的纯技术效率为1，但综合效率都小于1，其原因在于规模效率小于1，这些区域国家级孵化器的技术水平已经发挥到最佳，改革的重点应该在于如何更好地发挥其规模效益。对于规模效率递增的地区，应扩大国家级孵化器数量，发挥其规模效益，而对于规模效率递减的地区，应适度控制国家级孵化器数量，提升规模效率。

第三，总体提升科技企业孵化器技术效率。我国省域国家级孵化器的综合效率、纯技术效率、规模效率和全要素生产率变动指数中，只有综合效率具有全局空间相关性，表明我国省域国家级孵化器对周边地区的技术引领作用不明显，应通过重点扶持、示范引导、优化布局、交流合作等方法发挥省域国家级孵化器的作用，有效发挥我国省域国家级孵化器的集聚和扩散作用，促进我国高新技术产业的均衡发展。

第四，促进国家级孵化器的区域协同发展。总体而言，我国省域国家级科技企业孵化器的发展空间关联性不强，还未从整体上形成优势互补，互动发展的局面。目前可结合京津冀一体化发展和长江经济带建设的契机，一方面重点促进京津冀区域内科技企业孵化器的协同发展，鼓励京津冀孵化器之间形成战略联盟；另一方面重点建设长江经济带上的省域国家级孵化器效率较低的地区如湖北省国家级孵化器，促使长江经济带上的省域国家级孵化器形成“high-high”发展局面，并进一步带动周边地区国家级孵化器的发展。

[1] 科技部火炬高新技术产业开发中心. 中国火炬统计年鉴2013[M]. 北京：中国统计出版社，2012.

[2] Phillip H P, Donald S S, Mike W. Science parks and incubators: Observations, synthesis and future research [J].JournalofBusinessVenturing, 2005, 20(2):165-182.

[3] 吴文清，吕卓燏，赵黎明. 基于共词的我国科技企业孵化器研究趋势分析[J]. 科学管理研究,2014,32(1):74-77.

[4] Michael S, Maximilian G. A multidimensional evaluation of the effectiveness of business incubators: An application of the PROMETHEE outranking method [J].EnvironmentandPlanningC:GovernmentandPolicy, 2009, 27(6): 1072-1087.

[5] Sergio A F, Charbel J C. Assessment of business incubators’ green performance: A framework and its application to brazilian cases [J].Technovation, 2012, 32(2), 122-132.

[6] Ha Y K, Chang M J. Does a technology incubator work in the regional economy? Evidence from South Korea [J].JournalofUrbanPlanningandDevelopment, 2010, 136(3):273-284.

[7] Jafar R,Roland O,Victor S. Measuring entrepreneurship: Expert-based vs. data-based methodologies [J].ExpertSystemswithApplications, 2012, 39(4): 4063-4074.

[8] 殷 群，张 娇. 长三角地区科技企业孵化器运行效率研究：基于DEA的有效性分析[J]. 科学学研究，2010，28(1)：86-94.

[9] 张 娇，殷 群. 我国企业孵化器运行效率差异研究：基于DEA 及聚类分析方法[J]. 科学学与科学技术管理，2010，31(5)：171-177.

[10] 代碧波，孙东生. 基于DEA方法的科技企业孵化器运行效率评价：以东北地区14家国家级企业孵化器为例[J]. 科技进步与对策，2012，29(1)：142-146.

[11] 张 鹏，占豪剑. 基于DEA科技企业孵化器绩效评价：以广东为例[J]. 科技管理研究, 2010，30(14)：78-81.

[12] 王 敬，汪克夷. 我国新兴产业科技孵化器技术效率的测评与影响[J]. 财经问题研究，2012(3)：40-47.

[13] 李志祥，宋 清. 科技企业孵化器运营效率的激励规制[J]. 北京理工大学学报：社会科学版，2012，14(6)：45-46.

[14] 吴文清，刘晓英，赵黎明. 科技企业孵化器网络平台效率差异与优化：基于338家国家级科技企业孵化器的分析[J]. 科技进步与对策，2014，31(1):86-92.

[15] 吴文清，赵黎明. 中国大学科技园动态效率评价[J]. 天津大学学报：社会科学版,2012,14(3):247-252.

[16] 赵黎明，卢 珊. 科技企业孵化器与创投合作绩效研究[J]. 天津大学学报：社会科学版,2013,15(1):26-30.

[17] 吴文清，张海红，赵黎明. 基于学习的孵化器与创投协同知识创造资源共享研究[J]. 管理学报,2015,12(7):1038-1044.

[18] Chakraborty J, Bosman M M. Measuring the digital divide in the United States: Race, income and personal computer ownership [J].TheProfessionalGeographer, 2005, 57(3):395-410.

[19] 宁进厅，邱 娟，汪明峰. 中国互联网产业发展的区域差异及其动态演进：基于生产和消费的视角 [J]. 世界地理研究，2010，19(4)：58-64.

[20] Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units [J].EuropeanJournalofOperationalResearch, 1978, 2 (6):429-444.

[21] Banke R D, Charnes A, Cooper W W. Some models for estimating technical and scale inefficiencies in data envelopment analysis [J].ManagementScience,1984,30(9):1078-1092.

[22] Anselin L. Local indicators of spatial association： LISA [J].GeographicalAnalysis, 1995, 27(2): 93-115.

[23] 丁 刚，罗 暖. 省域创新型科技人才队伍建设的投入产出效率评价及其空间关联格局分析[J]. 西北人口，2012，33(4):13-17.

Research on Agglomeration Degree, Efficiency and Spatial Correlation of Business Incubators

Wu Wenqing1,2， Ma SaiXiang1， Liu Xiaoying1

(1.School of Management and Economics, Tianjin University, Tianjin 300072, China;2.Tianjin University Research Center for National Intellectual Property Strategy Implementation, Tianjin 300072, China)

The paper analyzes regional differences, agglomeration degree and the input-output efficiency of national business incubators in 29 provinces of China from 2009 to 2012. Based on data envelopment analysis (DEA), the paper uses global and local spatial autocorrelation analysis to analyze the spatial correlation and patterns of national incubators. The results indicate that national incubators have a huge difference in numbers and input-output efficiency, and they have an uneven distribution. The number of incubators and combined efficiency display spatial autocorrelation, while pure technical efficiency, scale efficiency and TFP don’t display spatial autocorrelation. The spatial correlation patterns of combined efficiency display three types, high-high, high-low and low-high.

business incubator; agglomeration degree; global spatial autocorrelation; local spatial autocorrelation

2015-06-17.

国家社会科学基金资助项目(13CGL018)；国家自然科学基金资助项目(71403182)；高等学校博士学科点专项科研基金资助项目(20130032120014).

吴文清(1977— )，男，博士，副教授.

吴文清，wenqingw@tju.edu.cn.

F276.44

A

1008-4339(2016)03-206-05