中国创业孵化机构运作绩效评估及优化对策

杨毅 贺浩浩 罗雨溪

摘 要：随着企业孵化器、众创空间等创业孵化机构的日益发展，其在联结科技与经济发展方面的正向作用愈加凸显。研究选取31个省（区市）创业孵化机构2018年截面数据，通过构建投入产出绩效评估指标体系，综合运用DEA模型与聚类分析方法，对比分析各省创业孵化机构运作的相对效率差异，结果表明创业孵化具有明显的集群效应与扩散效应，最后从运作模式、微观管理和宏观调控3个方面阐述提升我国创业孵化绩效水准的优化对策。

关键词：创新创业;企业孵化;绩效评估;DEA模型;聚类分析

中图分类号：F223    文献标识码：A    文章编号：1671-0037（2019）8-1-8

DOI：10.19345/j.cxkj.1671-0037.2019.08.001

1 研究背景

在全球新一轮产业革命孕育兴起的背景下，2015年国务院《关于大力推进大众创业万众创新若干政策措施的意见》等系列文件提出为适应创新创业主体大众化趋向，到2020年要形成一批具有较强专业化服务能力、可有效满足大众需求的新型创业服务平台的总目标。在政策导向与市场激励的交互作用下，截至2018年末，我国科技企业孵化器、众创空间等各类创业孵化机构（以下简称“孵化机构”）总数已突破10万家，服务于数十万初创企业与团队，总体呈现出各类主体广泛参与、科技含量不断提升、服务渐趋结果导向、孵化产出质量优化、国际合作不断深入、管理体制逐步完善、各类新业态蓬勃发展的态势。孵化机构已成为传统企业转型升级和新兴企业快速成长的重要选择和手段、联结科技和经济的重要枢纽、“双创”战略的核心载体和国民经济社会建设的强力引擎，在加快推进经济结构调整与新旧动能转换中发挥着关键作用。

一系列实证研究表明，由于经济相对落后、市场机制孱弱、关系网络复杂等因素，欠发达国家的创业活动一般比发达国家具有更强的异质性，关注质量而非数量能更好地理解创业与经济发展间的交互逻辑。目前就我国整体而言，创业孵化事业尚处于初级阶段，创新创业潜能与各类资源需要长久地协调整合，而发展不充分不平衡的国情意味着各地的基础和进程不尽相同，难以制定统一的微观发展规划与具体策略。此外，增强各地区协同进步须明确创业孵化的影响因素与发展路径，更须洞察各地区发展的差距与经验，以求建立与实现增进全社会创新创业效益的协同目标。因此，基于我国经济提质增效的阶段性目标，对各省份孵化机构运营状况进行系统评估，揭示和把握我国创业活动的规律，以此构建和发展具有中国元素的创业理论，对于分析整体绩效、加强融合协作、推动创新创业事业繁荣具有积极效用。

2 文献综述

对孵化机构绩效评估及优化思路既有的研究内容进行梳理，可发现其呈现3个层次的学理特征。

首先，创业孵化是一个包含多要素的综合性系统，所以学界从不同本位探索绩效评估方法。一是以孵化机构为本位，如Hugh D. Sherman综合采用宏观分析和微观调查方法，认为创业孵化项目可以有效协助初创企业生存发展[1]，即验证了孵化服务——孵化绩效——企业绩效的两级传递关系;K. F. Chan等运用组织理论与集群理论构建孵化机构绩效评估体系，并认为存在资源集聚、咨询服务、网络优势等9个影响绩效的关键点[2]，突破了以孵化产品为绩效唯一评价标准的局限;袁剑锋等以Web of Science收录文献作为样本，以具有全局性、动态性的视角，运用文献计量和内容分析方法，从类型、过程、模式、机理以及绩效等方面对企业孵化器进行研究[3]。特别是一些学者采取纵向视角，考量不同代际孵化机构的绩效水准，如Johan Brunee研究认为早期孵化机构囿于遴选标准宽松和缺乏淘汰机制，其在孵企业对综合性服务利用率很低[4]，这实际上说明早期孵化机构的陈旧体制亟须变革;许治等也认为不同代际孵化器投入产出关系与孵化绩效存在明显差异，但孰优孰劣不应一概而论[5]。而另一些学者则采取横向视角，对比分析孵化机构的表征或内涵，如黄攀等以广东省2016年政府类、民营类和高校类共537家孵化器进行对比分析，认为投资主体不同导致孵化机构的建设目标、利益诉求和孵化能力存在较强异质性[6];何慧芳等通过对比广州市众创空间孵化模式及绩效优劣，发现投入孵化要素的侧重点、孵化模式的执行力度以及与在孵企业的相互适应程度是3个主要影响因素[7];张玲等研究认为目前中国孵化机构同质化严重问题会阻碍其健康发展[8]。二是以孵化产品为本位，即以企业的发展成效為机构绩效考核的主要标准，如张鲁彬等基于企业生命周期理论，分析了创业孵化的周期性特征及基础功能孵化模式[9];Ond[r]ej Dvoulet ?等则强调以销售额增长值、利润率、资产周转率、总资产规模与人员成本规模等来评估孵化绩效[10]。三是综合孵化机构及其产品的主客体视角，如Mian等认为在孵企业的生存发展状况、孵化项目的持续增长潜力、孵化服务与设施、孵化机构对高校和社会产生的影响为最关键的四项绩效指标[11]，这种视角较为全面，可以充分体现孵化机构的多元效益。

其次，从网络及空间研究其绩效影响机理。英国经济学家弗里曼（Christopher Freeman）认为，各种公私部门构成的网络促进新技术的开发与扩散[12]，后来许多学者沿袭了这一网络分析思想，如李宇等通过剖析网络资源对孵化绩效的中介作用，发现了两种绩效差异模型[13];王艺博则揭示了孵化网络各结点的微观特征对多元绩效的作用机理[14];裴旭东等基于从个体出发的资源依赖理论和组织学习理论，研究发现技术资源整合和市场资源整合除了受创业氛围显著影响外，还分别受金融支持和政策支持显著影响，而技术资源整合和市场资源整合对科技型小微企业孵化具有显著影响[15]，而Jin Hong等偏向于从整体出发的相互依赖理论，研究发现孵化机构之间的相互依赖程度与孵化绩效呈倒“U”形关系，非国有企业和多元化企业的孵化机构之间的相互依存关系与孵化绩效之间的关联性更强[16]。而以空间为研究立足点，则是探讨孵化机构对区域地理的作用机理，如吕海燕等以孵化机构有无实用型创业技能培训、能否推动区域经济繁荣、是否有效整合优质资源作为绩效评估三类指标[17];何长胜以网络资源整合为导向，通过对天津市众创空间的观察研究，发现碍于体制，在位企业、高等学校、科研院所的优势资源难以充分转化为推动孵化机构发展的实质性力量[18]。

最后，从生态系统视角研究其绩效改进方向。Klaus Schwab认为，社会接受技术创新的程度是产业革命进程的决定性因素，因而需要政府以及各类公私机构和部门尽自己所能，协同破除创新性技术实际应用中的阻滞因子[19]，Rabeh Morrar等人也提出应对嵌入式技术扩散的影响需要建构耦合技术创新和社会创新的可持续发展框架[20]。基于此，对于孵化机构的改进路径，一是从主体即孵化机构切入，如针对部分孵化机构盈利能力弱的现状，贾天明等认为孵化机构的经济属性决定了持续长久的、源于专业化服务的盈利能力是其存在发展的基础，并提出孵化机构应以投资创业项目回报作为主要收入来源[21];吴文清等基于分类核算绩效的视角，通过对中国国家级孵化器的实证研究，认为孵化器创业绩效和创新绩效分别与孵化器资金投入规模、孵化器面积规模之间呈倒“U”形关系，孵化器的类型及性质对孵化绩效有显著不同的影响[22]。二是从客体即在孵企业切入，如陈胜男等通过多案例研究，构建了以创业项目潜力和创业者自我效能为基础、以组织管理和文化融合为保证、以生态占位和网络反哺孵化企业成长为路径[23];吴玉伟等通过分析科技型小微企业的创业动力要素及作用机制，提出“政府主导”与“依托院所”两种创业孵化模式[24]。三是从外部环境切入，如张宝建结合中国实践认为，“举国体制”式扶持效果并不理想，在市场体制中需要融入更多异质性力量[25];宋思远等运用系统基模解构创业孵化生态的运行机制，以此作为实践指导[26]。

总之，现阶段学术界形成以区域协调统筹为导向，以多元效益诉求为核心，以生态系统规划为基础，以满足孵化企业需求、加快技术协同应用、促进经济社会发展为靶向的创业孵化绩效评估及增进策略体系。

3 模型阐释与指标体系构建

3.1 DEA-CA模型

基于“相对效率评价”概念的数据包络分析（DEA，Data Envelopment Analysis）包含了众多数理模型，而C2R-DEA和BC2-DEA是其中常用的基本模型。DEA模型的基本思路是：若现有N个决策单元（DMU，Decision Making Unit），输入、输出向量分别为[Xj=（x1j]，[x2j]，…，[xmj）T]，[Yj=（y1j]，[y2j]，…，[ysj）T]，利用Charnes-Cooper变换赋权方法计算输入、输出的权向量分别为[v=（v1，v2，]…，[vm）T]，[u=（u1，u2，]…，[us）T]，另设[s-]和[s+]分别为松弛变量和剩余变量，[ε]为非Archimedes无穷小量，依据帕累托最优（Pareto Optimality）理念计算（综合）技术效率（TE，Technical Efficiency）且规模报酬不变的C2R-DEA模型构建如下。

若λ，[s-]，[s+]，[θ]是[DεC2R]的最优解，令[x0=θx0-s-]，[y0=y0+s+]，称（[x0]，[y0]）是[DMUj0]所对应（[x0]，[y0]）在DEA有效投影面上的“投影”。若[j=1nλj]=1，则可将C2R-DEA模型转化为规模报酬可变的BC2-DEA模型。

本研究采用DEA方法对31个省（区市）孵化机构的运作效率进行评估和探究，主要基于：孵化机构是个体差异性与系统复杂性较大的综合性生态，依据现有信息难以给定一个具有普适性与确定性的生产函数表达式;DEA方法无须预先人为赋权的特性使其具有较强的客观性;不受指标量纲影响，适宜描述多输入、多输出生产效率状况;最后从指导生产决策而言，DEA方法可以分析无效DMU的资源利用状况，利用投影規划改善方案，为决策者提供提高生产效率的有效途径。

最后，为了深入寻求造成各省孵化机构运行效率差异的因子，本研究在DEA模型的计算基础上，引入聚类分析（CA，Cluster Analysis），即利用K-means算法将绩效特征相似的DMU进行归类。

3.2 评估指标体系构建及数据来源

孵化机构作为现代社会经济组织，评价其绩效发展水准应综合考虑经济效益与社会效益，以往研究经验表明，孵化机构绩效评估存在多个可选指标，但DEA方法一般要求DMU总数N与评估指标总数E应满足关系[N≥2E]，否则会降低评估结果的可信度。首先从投入来看，每个孵化机构的在孵企业数、资金流转和人员配置均具有载荷临界值，资源体量影响着孵化机构的运作效率;其次从产出来看，孵化机构建设的最直接目标即是培育优质企业，因此孵化机构须具有持续的维持其生存发展的经济收入来源，对初创企业而言，有效知识产权数量决定了其未来差异化竞争的战略选择空间，同时在我国产业转型升级导致结构性失业日趋凸显的背景下，孵化机构与新创企业均承载了促进就业的重任。基于此，本研究结合政策导向和数据的可获取性与多元性，选取在孵企业数、机构运营成本、企业投融资额、管理服务人员数以及创业导师数5项作为投入指标，毕业上市（挂牌）企业数、机构收入、有效知识产权数和企业吸纳就业量4项作为产出指标，具体含义见表1，具体数据来源于《中国创业孵化发展报告（2019）》。

应用DEA方法评估DMU绩效的前提要求是投入指标与产出指标符合单调性原则，因此，本研究利用SPSS Statistics 22软件对评估指标进行了Spearman相关性双尾检验，据表2统计结果可知，每对投入指标和产出指标均具有显著的正相关性，表明指标选取有效。

4 孵化机构绩效实测结果与分析

4.1 效率分析

通过整理归纳，得到31个省（区市）的投入、产出指标数据，采用DEA-Solver Pro5软件进行计算，表3显示了各个DMU的各项效率值及规模报酬变动状态。

对计算结果分析可知：从（综合）技术效率来看，16个省（区市）为DEA有效，孵化机构发展综合绩效良好;而其余15个省（区市）为非DEA有效，其孵化机构的投入要素结构与产出规模总量还须调整优化。从纯技术效率来看，19个省（区市）要素资源利用有效;而其余12个省（区市）则需要调整要素投入与使用状况，克服资源使用冗余的弊病，提高资源使用效率。从规模效率来看，17个省（区市）为规模有效，说明其规模适当;而其余省（区市）则需要优化其投入要素规模与结构。进一步从规模报酬变动状态来看，内蒙古、福建、甘肃和宁夏4个省（区市）处于规模报酬递增状态，说明其孵化机构发展处于基础巩固阶段，因投入资源相对欠缺，应适当扩大整体投入与规模;吉林、江西和山东3个省（区市）处于规模报酬递减状态，说明其孵化机构发展已步入较为成熟的阶段，应将下一步工作重点转移到提质增效方向，而非盲目投入资源与纯粹扩张规模。

4.2 聚类分析

为了进一步探究我国各省（区市）孵化机构绩效水准的空间分布规律，本研究利用SPSS Statistics 22软件，采用K-means聚类算法，以纯技术效率与规模效率作为聚类变量，设置[k=4]，聚类分析结果如表4所示。据此可将31个省（区市）划分为“综合高效型”“技术高效型”“规模高效型”和“综合低效型”四种类型。

据表4可知，23个省（区市）效率良好，表明我国孵化机构总体发展趋势良好。虽然计算结果表明西藏属于综合高效型，但结合具体数据可知2018年西藏的投入与产出很低：省内虽有1家国家级孵化机构，但企业投融资额直至2018年才有所突破，所拥有知识产权数呈减少趋势，是我国创业孵化中较为薄弱的一环，这与其客观上地理位置偏远、经济发展落后、孵化机构的容纳能力低相关，因而要推动该地区创新创业发展，需要从改善宏观环境入手。山东与宁夏属于技术高效型和规模低效型，结合具体数据可知，2018年末山东孵化机构数已增至958家，维持了前一年20%以上的高位增长率，但是规模报酬却呈现递减状态，说明其在规模快速扩张进程中忽视了效率的提升;宁夏作为西北内陆少数民族聚居区，虽截至2018年末仅有50家孵化机构，但结合其规模报酬呈递增状态，且2018年产出指标均有较大幅度增长，说明其发展潜力有待进一步发掘，可以加大孵化机构投入力度，更好地推动地区经济发展。内蒙古等5个省（区市）属于规模高效型，但规模报酬呈递减或不变状态，说明其孵化机构对于各种资源要素的利用程度有待提升。而江西则属于综合低效型，且其综合效率居于末尾，其创业孵化事业发展遇到了多重阻碍，绩效提升任重道远。

为进一步探究孵化机构绩效的地域分布规律，本研究采用ArcGIS10.2软件将DEA有/无效省（区市）及聚类分析结果进行可视化处理。

据分析结果可知，孵化机构绩效发展水准呈现集中连片趋向，事实上，我国经济较发达的京津冀、粤港澳、长三角等区域呈现明显的协同发展态势，以其中孵化载体最集中的长三角为例，2018年其孵化机构约占全国总数的22%，并呈现出阶梯联动式发展格局：不仅聚集了上海、苏州、杭州等创业孵化发展领先的城市，也囊括了宁波、无锡、合肥等创业孵化基础较为薄弱的城市，这说明创业孵化绩效水准存在集群效应与扩散效应。

4.3 投影分析

基于投入指标的投影分析，目的在于缩减投入松弛变量而使DMU达到最优效率。

据表5可知，非DEA有效省（区市）每项投入均存在不同程度的冗余现象。以天津市为例，其2018年在孵企业数为8 301家，而投影显示为达到最佳效率，该指标应调整为6 307（取整）家，差额调整百分比为-24.02%，其他省（区市）及投入指标调整与此相同。

特别地，孵化机构运营成本很大程度上决定其为企业提供服务的能力上限，具体投入应与企业所需相匹配，投入过多实质上反映了孵化机构对于资源的动态管理体制尚不健全。具体数据显示，90%以上机构在孵企业数在100家以内，孵化机构的载荷有限性决定了其必须依据综合考评指标对入孵企业进行严格遴选，目前，多数孵化机构仅以申请入孵企业的商业计划书作为评判标准，缺乏对于创业者综合素质深入而全面的考察，同时由于缺乏动态淘汰机制，造成部分入孵企业长期占据孵化资源而无法实现其预估价值。

5 优化对策

基于以上分析，结合各地孵化器探索发展进程中积累的有益经验，可从运作模式、微观管理和宏观调控3个方面提升我国创业孵化绩效水准的优化对策。

在运作模式方面，以管理体制改革为基础，协同推进产学研与市场融合发展。①孵化器应结合自身、行业、地域情况改良孵化模式，利用财务管理、商务咨询等增值服务夯实自身经济基础。②加强对在孵企业的业绩定期监督，建立健全动态淘汰机制，可尝试探索相关负责人问责制度，对长期占有孵化资源但运营状况较差的在孵企业实施重点支持或清退。③完善信息共享机制，构建高等学校、科研院所、科技企业以及社会组织等资源集聚载体，促进支持政策与企业的有效衔接。④建立健全科研人员产学研的长期多聘机制，构建知识产权快速应用协同网络，推动孵化质量精准化提升。

在微观管理方面，兼顾孵化资源的普惠性与瞄准性。①建立质量管理、动态出入的健康发展机制，采取双向对接服务模式，化数量为质量，引导孵化器向专业化、精细化方向升级。②以市场力量驱动各种商业单元有机结合、共生共荣，与孵化器及其他外界主体形成开放包容、信任支持的交互关系，吸收异质性资源并将其内化，提高企业内外资源的流动性。③尤其是在西藏等经济欠发达地区，借助以政府为主导的援助力量支持，建立资源开放共享的横向协同关系网络。④在孵化器发展步入成熟期后，以国际化发展为导向，掌握国外市场第一手信息，同时利用国内外两种资源，扩大孵化企业的战略选择空间。

在宏观调控方面，政府应切实履行倡导者、促进者、资助者和监管者的职责。①作为倡导者，在各地区发展不充分不平衡的背景下，不断追踪孵化器发展进程，因时因地制宜，制定长期发展战略规划，对改革重点领域做出全面科学的部署。②作为促进者，应集聚多方智慧，共同商讨孵化器现存的微观问题，并提出合理的指导意见与解决办法，通过政策统筹加强各主体的协同联动;鼓励探索创业孵化新路径并建立相应的容错免责制度，激发孵化器及创新创业者的内生动力;建立信息即时发布平台，破除企业、政府、市场等主体间的信息传递障礙;遴选优秀孵化器先行打造一批具有资源集聚优势的创新创业平台，加强先进经验与办法的推广应用。③作为资助者，在增加生产要素投入的同时，还须为此建立科学合理的综合质量评估体系，据评估结果审慎分配资源，从而化解因资源冗余或不足而制约孵化器绩效提升的瓶颈。④作为监管者，完善相关监测统计指标体系，充分利用大数据等现代信息技术手段，形成具备科学性与时效性的可视化动态管理系统，定期梳理并解决制约创新创业的痛点难点;针对部分孵化器绩效水准低且难以改良的现实，探索和推行淘汰机制，促使孵化器形成自我净化的机能。

参考文献：

[1] Sherman H D. Assessing the intervention effectiveness of business incubation programs on new business start-ups[J]. Journal of developmental enterpreneurship， 1999（2）： 117-133.

[2] Chan K F， Lau T. Assessing technology incubator programs in the science park： the good， the bad and the ugly[J]. Technovation，2004（10）： 1215-1228.

[3] 袁剑锋，许治.企业孵化器国际研究系统回顾：现状及未来发展方向[J].科学学与科学技术管理，2018（8）： 82-99.

[4] Brunee J，Ratinho T， Clarysse B.et al. The Evolution of Business Incubators： Comparing demand and supply of business incubation services across different incubator generations[J]. 2012（2）： 110-121.

[5] 許治，黄攀，陈朝月.不同代际科技企业孵化器孵化绩效差异比较：基于广东省的实证研究[J].管理评论， 2019（5）：100-108.

[6] 黄攀，王小燕，许治.投入产出视角下不同投资主体孵化器差异比较[J].科技进步与对策，2018（20）：15-23.

[7] 何慧芳，周振江.众创空间的创业孵化模式研究：来自广州的调查与分析[J].科技管理研究，2019（4）：159-165.

[8] 张玲，窦倩倩，张宝建.中国企业孵化毕业影响因素：基于分位数回归的检验[J].经济问题， 2018（10）： 58-64.

[9] 张鲁彬，柳进军，刘学.基于生命周期的创业孵化模式研究[J].科技进步与对策， 2016（5）： 104-110.

[10]Ond[r]ej Dvoulet?，Maria Cristina Longo，Ivana Bla?ková，et al. Are publicly funded Czech incubators effective？ The comparison of performance of supported and non-supported firms[J].European Journal of Innovation Management，2018（4）： 543-563.

[11] Mian，Sarfraz A. Assessing and managing the university technology business incubator： An integrative framework[J].Journal of Business Ventu ring，1997 （12）： 251-285.

[12] 弗里曼.技术政策与经济绩效：日本国计算创新系统的经验[M].南京：东南大学出版社，2008.

[13] 李宇，张雁鸣.网络资源、创业导向与在孵企业绩效研究：基于大连国家级创业孵化基地的实证分析[J].中国软科学，2012（8）：98-110.

[14] 王艺博.外部环境、孵化网络对孵化绩效影响的实证研究[D].长春：吉林大学，2013.

[15] 裴旭东，黄聿舟.创业支持政策对科技型小微企业孵化的影响：资源整合的中介作用[J].科技进步与对策， 2016（12）：109-114.

[16] Hong J，Yang Y， Wang H Y，et al. Incubator interdependence and incubation performance in Chinas transition economy： the moderating roles of incubator ownership and strategy[J].Technology Analysis & Strategic Management，2019（1）：99-110.

[17] 吕海燕.创业孵化效果指标体系的构建研究[J].创新科技，2018（4）：76-78.

[18] 何长胜.天津众创空间发展现状、问题及对策研究[J].科技创新与应用，2016（24）：283.

[19] Schwab K.The Fourth Industrial Revolution[M].Crown Publishing Group，2017.

[20] Morrar R， Arman H， Mousa S.The Fourth Industrial Revolution （Industry 4.0）：A Social Innovation Perspective[J].Technology Innovation Management Review， 2017（11）： 12-20.

[21] 贾天明，雷良海.众创空间的内涵、类型及盈利模式研究[J].当代经济管理，2017（6）：13-18.

[22] 吴文清，付明霞，赵黎明.科技企业孵化器规模对孵化绩效的影响：基于国家级孵化器的实证研究[J].科技进步与对策，2015（19）：1-7.

[23] 陳胜男，权锡鉴.新旧动能转换背景下孵化企业成长能力演化分析[J].山东大学学报（哲学社会科学版）， 2019（3）：161-170.

[24] 吴玉伟，施永川.科技型小微企业“硬”科技创业动力要素与孵化模式研究[J].科学管理研究，2019（1）：70-73.

[25] 张宝建.“双创”背景下企业孵化生态体系构建[J].中国科技论坛，2019（3）：7-9.

[26] 宋思远，贾梦宇，张宝建，等.企业孵化生态的系统基模及政策分析[J].中国科技论坛，2019（1）：80-88.

Operation Performance Evaluation and Optimization Measures of Chinese Business Incubation Institutions

—Empirical Analysis Based on DEA-CA Model

Yang Yi1，2，He Haohao1，2，Luo Yuxi1

（1. Southwest University， Chongqing 400715;

2. Chongqing Institute of Cultural Industry （Southwest University）， Chongqing 400715）

Abstract： With the development of business incubator， crowded innovation space and other entrepreneurship incubator， their positive role in connecting science and technology with economic development is more and more prominent. In this research， the cross section data of 31 provincial （district） business incubators in 2018 were chosen， by constructing input-output performance evaluation index system， comprehensively using DEA model and the clustering analysis method， and the provinces the relative operation efficiency differences of business incubator in various provinces were comparatively analyzed. The results showed that the  start-up incubator had obvious cluster effect and diffusion effect， and finally the optimization countermeasures to promote entrepreneurship incubation performance level were described from three aspects  of operation mode， micro management and macro-control.

Key words： innovation and entrepreneurship; enterprise incubation; performance evaluation; DEA model; clustering analysis