中国科技企业孵化器的地域集聚及影响因素研究

李燕萍,李 洋

(1.武汉大学经济与管理学院,湖北 武汉 430072;2.武汉大学中国产学研合作问题研究中心,湖北 武汉 430072)

一、问题的提出

当前，国家创新驱动发展战略和“双创”政策的大力推行为创新创业提供了强劲的动力和良好的环境，激起了新一轮的创新创业高潮。在此背景下，作为为创新创业提供支持的专业组织[1]，科技企业孵化器在国民经济中的地位日趋提升，成为支持中国创新经济的重要平台和关键载体。时至今日，中国科技企业孵化器已深耕创业服务30年，孵化服务体系日益完备，发展规模不断壮大，目前数量和规模均达到了世界首位[2]，成为加速科技成果转化、扶持高新技术中小企业以及推动创新型国家建设的有力支撑。随着中国科技企业孵化器的规模化发展日渐成熟，孵化器建设开始呈现出一定的区域集聚效应和空间特征。区域集聚既可以产生创新创业服务市场共享、知识外溢等正外部性，也可能导致生产要素的争夺而产生拥挤效应[3]。因此，从实证角度了解中国科技企业孵化器的空间集聚及其影响因素，将会对“十三五”期间及未来科技企业孵化器的空间布局和区域协同发展产生重要的指导意义。基于此背景，本文以国家级科技企业孵化器为代表，收集2007—2015年省份面板数据，计算并检验了科技企业孵化器的空间集聚程度，并通过构建空间计量模型经验分析了科技企业孵化器地域集聚的影响因素，以期为推动孵化器合理集聚和布局优化，以及提升中国科技企业孵化器发展的整体水平提供理论支撑，并为政府和企业实践提供决策参考。

孵化器产业的发展得到社会各界的广泛关注，理论研究也取得了丰硕的成果。相关研究界定和分析了孵化器的内涵和外延[4]-[6]，探讨了孵化器对在孵企业的功能和作用[7]-[10]、孵化器的绩效评价指标[11]-[14]以及孵化器与政产学研机构的相互影响关系和互动等[15]-[17]。此外，也有相关研究从空间布局视角探讨中国科技企业孵化器的集聚现状和成因，但多为描述或定性分析，如周苏皖[18]介绍和分析了上海科技企业孵化器的空间结构布局和创新集群效应。贺志华和王兴平[19]对南京孵化器的多尺度空间区位模式进行了分析等。仅有少量学者对科技企业孵化器以及更为宏观的科技服务业的空间集聚现象进行了定量研究。如张清正和李国平[20]探讨了科技服务业的地域集聚和空间演化现象。黄虹和许跃辉[21]与吴文清等[22]采用区位熵作为度量指标测量了科技企业孵化器运行绩效的区域差异以及罗文静和刘宇辉[23]通过问卷调查探讨了各类型科技企业孵化器的空间选择因素、集聚规模及空间布局模式等。

纵观已有研究，科技企业孵化器的空间格局议题已得到了孵化器研究、创新创业研究以及规划研究等各类学者的关注。但是，首先，目前运用经济计量方法的定量研究较少，通过构建集聚的度量指标以及空间计量模型探讨科技企业孵化器的集聚现象和影响因素的研究较为鲜见。其次，现有基于空间关系的研究多是从孤立的视角来探讨各个区域孵化器的发展，相对忽视了孵化器发展可能存在的空间相互关系，所得出的结论或推论有可能缺乏完整的、科学的解释力。中国科技企业孵化器经过30年的发展，其空间格局表现出怎样的特征？其空间集聚又主要受哪些社会和经济因素的影响？这些都是尚待研究和探讨的课题。因此，本文引入空间计量模型方法，探讨中国省域科技企业孵化器可能存在的空间效应。

二、国家级科技企业孵化器集聚度及其空间相关性

基于数据的可获得性，本文以2007—2015年中国28个省份的国家级科技企业孵化器为样本，由于西藏、海南和青海三省份国家级科技企业孵化器建立时间较晚，部分数据缺失，故未将三省份的孵化器列入样本，同时也未考虑港、澳、台地区。国家级科技企业孵化器数据来源于2008—2016年《中国火炬统计年鉴》，区位熵运算数据来源于历年的《中国劳动统计年鉴》。

(一)国家级科技企业孵化器的集聚度

产业集聚的测算方法包括区位熵指数、产业集中度、空间基尼系数和EG知识等相关指标。参考相关学者对中国生产服务业和科技服务业集聚度的测算方法[20-24]，本文采用区位熵测算中国国家级科技企业孵化器的集聚程度：

(1)

其中，LQi为地区i的区位熵；SPi为地区i国家级科技企业孵化器就业人数；SP为全国国家级科技企业孵化器就业人数；Xi为地区i的就业人数；X为全国就业人数。LQi值越大，表明该地区该产业集聚程度越高，比较优势越明显，反之则反。

为了更好地显示科技企业孵化器集聚的区域格局和变化，根据国家统计局的地理划分标准，笔者将28个省份分为东部、中部、西部和东北部四大地区，按照式(1)计算2007—2015年中国各省份国家级科技企业孵化器的区位熵，结果如表1所示。

由表1可知，2007—2015年国家级科技企业孵化器的区位熵大多在0—8间变化。具体而言，(1)东部地区历年的区位熵多数在2.50以上，具有明显的发展优势。其中，江苏省、北京市和天津市的区位熵基本维持在4—7的水平，科技企业孵化器发展的专业化水平较高。(2)东北地区的区位熵具有比较优势，整体水平多数在2—3之间，尤以辽宁省的科技企业孵化器集聚最为突出。(3)中西部地区的区位熵多为1—2，科技企业孵化器集聚水平较低。然而，中部地区的湖北省和安徽省的集聚程度最高；西部地区的陕西省一直保持着相对高水平的集聚，重庆市和四川省在2011年前集聚水平较高，之后则呈下降趋势，贵州省则在2015年异军突起，其区位熵达到2.24，超过西部地区平均水平。

表1 中国各省份国家级科技企业孵化器区位熵(2007—2015年)

(二)国家级科技企业孵化器的空间相关性分析

Anselin[25]指出，相邻区域同一经济特征之间存在一定的空间效应，即空间相关性和空间异质性。为此，本文进一步分析相邻省份国家级科技企业孵化器集聚可能产生的相互关系，采用空间相关性测算空间效应。判断空间范围内是否存在自相关性，主要是通过全局空间自相关和局部空间自相关两种指标来衡量。全局空间自相关用于测算整个区域空间的自相关情况，用以体现空间临近或邻接区域单元测量值的相似程度，即是否存在空间集聚特征，通常采用全局Moran’s I指数反映。其具体计算公式为：

(2)

根据上述2007—2015年28个省份国家级科技企业孵化器的区位熵，利用Moran’s I指数测算中国国家级科技企业孵化器的空间相关性的结果如表2所示。

表2 各年度Moran’s I指数

注：***、**和*分别表示显著水平为1%、5%和10%，下同。

表2表明，2007—2015年，中国国家级科技企业孵化器在地域分布上呈集聚态势，并有逐步增强的趋势，而且各年份均通过了显著性检验，相异时期内存在正向的空间相关性。

上述全局Moran’s I指数呈现了国家级科技企业孵化器集聚的全局空间自相关性。采用局部空间自相关测算局部地区是否与临近区域存在空间关联性，即进行LISA(Local Indicators of Spatial Association)分析，其计算公式为：

(3)

根据式(3)计算空间关联性得到表3。由表3可知，中国大部分省份国家级科技企业孵化器的集聚水平属于高—高和低—低两种模式，2007年、2011年和2015年三年高—高和低—低集聚模式分别占到64%、75%和68%，表明中国国家级科技企业孵化器具有显著的空间集聚效应，集聚水平较高或较低的相邻省份间的集中度较高。首先，高—高集聚模式的省份呈现出逐渐向东部沿海集聚的趋势。2007年高—高集聚模式的省份共6个，除湖北省和重庆市外，其余四个省份均位于东部地区；2011年的省份数量仍为6个，但湖北省和重庆市被安徽省和山东省所替代；2015年，高—高模式的省份增至7个，安徽省和山东省集聚模式改变，东部地区的浙江省和东北地区的吉林省、辽宁省三省变为高—高聚集模式。总体而言，中部地区的发展优势逐渐减弱，东北地区集聚水平逐渐提高，东部地区的发展规模和集聚效应愈发强势。其次，低—低模式聚集的省份在数量上呈现先增加后减少的趋势，且主要集中在西部地区。除重庆市2007年呈现高—高集聚模式外，其他省份多呈现低—低聚集模式，国家级科技企业孵化器集聚水平较低，发展相对滞后。最后，高—低和低—高集聚模式的省份变动较大，在考察期内保持低—高集聚模式的省份仅有河北省，相邻的北京市和天津市的集聚效应显著且稳定；一直为高—低模式的省份也仅有陕西省，说明孵化器发展在西部地区具有稳定的比较优势。由此可以看出，目前中国科技企业孵化器的集聚仍未完全进入稳定发展阶段，各省份历年的集聚水平均有一定程度上变化，需要采取一定的措施提高国家级科技企业孵化器的集聚效应。

表3 国家级科技企业孵化器局域Moran’s I散点图对应地区(2007年、2011年和2015年)

三、国家级科技企业孵化器集聚发展的影响因素分析

(一)变量选取与模型构建

1.变量选取

根据数据的可得性并参考相关学者的研究[26]-[30]，本文从经济、创新和人力资本等方面探讨可能影响科技企业孵化器集聚发展的因素，作为影响中国国家级科技企业孵化器集聚度(LQ)的自变量。

创新资源丰富程度(Patent)。科技企业孵化器的重要职能在于“促进科技成果转化、培养高新技术企业和企业家”[27]，故科技企业孵化器需追求高新技术，创新资源丰富程度应是影响科技企业孵化器集聚分布的重要因素。本文以专利申请授权量反映各省份创新资源丰富程度。

技术市场发展水平(Tmarket)。由于促进科技成果转化是孵化器的重要职能，区域技术转移的活跃度同科技企业孵化器的集聚水平应具有一定的关联，故用技术市场成交额反映区域技术市场发展水平。

人力资本水平(Gedu)。一方面，人力资本水平同科技企业孵化器的服务质量和孵化效益密切相关[28]；另一方面，创新企业，特别是科技创新企业的成功在很大程度上也依赖于高质量的人力资本[29]。基于此，本文使用每十万人口高等学校平均在校生数来衡量区域的人力资本水平。

政府支持程度(Gov)。虽然孵化器发展模式逐步市场化，但政府各种形式的支持和引导仍是中国科技企业孵化器发展不可忽视的重要影响因素[30]。本文使用各省份地方政府财政科技支出作为衡量政府支持程度的指标。

经济发展水平(Gdp)。在经济发达地区，服务业体系相对健全，配套设施更加完善，区域经济发展水平对科技企业孵化器集聚应具有重要影响。本文使用各省份年度地区生产总值(GDP)反映区域的经济发展水平。

综上所述，本文空间计量模型包括：因变量1个，即科技企业孵化器区位熵；自变量5个，即创新资源丰富程度、技术市场发展水平、人力资本水平、政府支持程度和经济发展水平。5个自变量数据来源于2008—2016年历年的《中国统计年鉴》《中国科技统计年鉴》《中国劳动统计年鉴》。

2.模型构建

本文拟采用空间计量模型探究中国科技企业孵化器地域集聚的影响因素。式(4)为空间滞后模型(Spatial Lag Model，SLM)，式(5)为空间误差模型(SPatial Error Model，SEM)。

(4)

LQit=β1Patentit+β2Tmarketit+β3Geduit+β4Govit+β5Gdpit+φit

(5)

(二)空间相关性检验与回归结果分析

1.Moran检验

首先，对空间计量模型进行Moran检验，结果显示Moran’s I 指数为0.2683，通过1%水平上的P值检验，空间效应显著，使用空间计量模型具有合理性。此外，由于空间面板模型中的空间效应和时间效应存在固定形式或随机形式，需通过Hausman 检验加以选择，检验结果表明，p值=0.0023(<0.0100)，存在固定效应，应选用空间与时间效应的固定模型。但至此尚无法确定模型是否存在时间或空间固定效应，采用空间、时间固定效应检验(LR检验)予以验证。LR检验结果表明，面板模型空间效应显著，不存在时间效应。

在此基础上，采用Anselin[25]提出的拉格朗日检验法(LM检验)判定和选择空间面板模型。通过检验可知(如表4所示)，除LM-Lag外，LM-Lag-Robust、LM-Error和LM-Error-Robust均在5%的显著性水平下通过检验，但空间误差模型优于空间滞后模型，选取空间误差模型更为合适。

表4 LM检验结果

2.空间计量模型结果分析

根据参数估计前的统计量检验，确定选用空间误差模型，通过Matlab2009a软件对影响中国国家级科技企业孵化器集聚发展的因素进行分析。为了进一步证明选用空间误差模型的合理性，表5同时显示普通计量模型、空间滞后模型和空间误差模型的估计结果。

表5 科技企业孵化器集聚发展影响因素空间计量结果

注：括号内为t值。

从各解释变量的估计结果和显著性来看，可以得出如下结论：

第一，创新资源丰富程度具有显著的正向影响(P值<0.01)。这说明创新资源是科技企业孵化器集聚发展的重要影响因素。可从以下两个方面予以解释：一方面，在创新资源丰富、科技发达的地区，科技企业和科研机构更为集聚，先进科技信息的溢出效应更为显著，区域内的创业企业能够在第一时间、以较低的成本掌握该项新兴技术，并识别和发现市场开发机会。因此，创新资源丰富地区吸引着大量科技创业企业的集聚，从而为科技企业孵化器提供了大量的服务对象，吸引着科技企业孵化器的集聚。另一方面，科技企业和科研机构的集聚也有利于科技企业孵化器建立和完善孵化网络。在创新资源丰富的地区，科技企业孵化器不仅能够更容易获取在孵企业所需的实验设备等资源，而且通过与当地科研企业和科研机构形成密切联系，促进在孵企业与大中型科技企业形成技术互动，进而降低交易成本和开拓相关市场，增强入孵企业的成活率和成功率。

第二，技术市场发展水平的作用不显著(P>0.10)。这说明以技术市场成交额为代表的科技成果转化活跃度并未对国家级科技企业孵化器的集聚形成影响。究其原因，一方面，由于中国科技系统的市场导向机制仍未形成，产学研结合的协同性有待进一步提高；另一方面，由于基于科技成果转化的创业活动严重缺乏，创业企业多是基于国外成熟技术引进开展创业活动[29]，而不是通过“自主创新+成果转化”模式。因此，区域技术市场发展水平呈现出与孵化器集聚不相关的态势，这充分说明中国创业企业的自主创新水平尚待提高。

第三，人力资本水平对国家级科技企业孵化器的集聚具有显著正向影响(P值<0.01)。本文选用的每十万人口高等学校平均在校生数指标反映了地区科技企业、科研机构可吸纳的人才数量和质量，体现着地区的技术人才供给能力和人力资本发展能力。从2015年国家级科技企业孵化器的集聚度来看，集聚水平较高的省份也基本是中国科研院校较为集中的省份，这说明人力资本优势会对科技企业孵化器产生吸纳效应。

第四，政府行为具有较显著的负向影响(P值<0.05)。笔者认为，出现这种现象的原因在于：首先，相关研究已经发现，政府的科技投入与产业集聚之间呈现一定的倒U型关系，即当产业集聚发展到一定水平，政府干预会对产业发展产生一定的阻碍作用[31]。科技企业孵化器由于其所提供的产品—创业服务具有一定的特殊性，发展初期并不具备进入市场的能力，对政府政策和制度环境的依赖性较强[30-32]，更多以政府直接投资、事业单位建制的方式建设和运营[33]。其次，现阶段集聚水平与政府支持强度的反向关系一定程度上来源于科技企业孵化器区域发展水平和发展规模的不均衡。期初起步较早、建设规模较大的地区，如北京市、天津市、上海市和江苏省等省份，在完成集聚化后逐步转变政府干预的模式，以市场为主导，充分发挥科技企业孵化器集聚的规模经济效应。但起步阶段较晚、规模较小的地区为了追赶优势地区和实现集聚化发展，其科技企业孵化器的发展不可避免地更多需要政府的主导和支持。根据《中国创业风险投资发展报告2016》，集聚度较高的地区，政府在创业风险投资中所占比重基本低于50%，而在集聚度较低的地区，创业风险投资中50%乃至90%以上的资本来源于政府。可以看出，科技企业孵化器发展较为劣势的地区，政府的支持程度较高，而聚集水平较高的地区，政府支持程度反而相对较弱。如前所述，除了东部地区的少数省份外，中国大部分地区的科技企业孵化器集聚水平较低。因此，总体上看，科技企业孵化器集聚水平与政府科技投入呈显著的负相关，反映的是中国科技企业孵化器集聚发展在考察期内的阶段性特征。

第五，区域经济发展水平显著正向影响国家级科技企业孵化器的集聚(P值<0.01)。首先，经济发达地区，创业投资更为活跃，金融服务更为健全。2015年，74.6%的创业风险投资机构位于经济发达的东部地区[26]，使得东部区域的科技创业企业更容易获得融资渠道，因此，对创业企业和科技企业孵化器具有着更强的吸引力。其次，经济发达地区基础设施较为完善，先进的信息技术和便捷的交通设施为科技工作提供了必要基础，同时，较高的工资水平和相对优越的生活条件也使得经济发达地区更易吸引科技人才。最后，经济发展水平高的地区产业发达，对科技服务和成果转化有着更高的需求，从而促进了科技企业孵化器的集聚。

四、结论与启示

本文应用空间计量模型探索了以国家级科技企业孵化器为代表的中国科技企业孵化器地域集聚及其影响因素，解决了关于传统孵化器研究中忽视空间关联的问题，为科技企业孵化器研究提供了新的思路和方法。研究结果表明：中国科技企业孵化器经过30年的发展，数量持续增长，规模逐渐扩大，区域分布上呈现出显著的差异性；省域科技企业孵化器集聚存在显著的空间关联性；东部地区呈现高—高集聚模式，中西部地区多为低—低集聚模式；创新资源丰富程度、人力资本水平和地区经济发展水平对科技企业孵化器的集聚具有显著的正向影响，政府行为则呈现出一定的负向影响。

科技企业孵化器的集聚发展可以有效提升区域科技企业孵化能力，营造科技创新创业良好环境，推动区域创新驱动发展。但是，中国科技企业孵化器的集聚发展目前仍存在一些问题，需采取相关措施引导和推动科技企业孵化器合理、健康集聚发展。为此，笔者提出如下建议：

首先，注重空间效应，促进区域协同发展。其次，提升科技创新水平，优化科技成果转化机制。再次，加强高端科技人才引进与培养，打造孵化器人才培养专业体系。最后，进一步转变政府职能，创造科技企业孵化器集聚发展良好环境。