东三省国家级科技企业孵化器运行效率的分析

王楠　赵聚辉

摘要：文章基于DEAP2.1和DEA-Solver pro5.0软件，对2016～2020年我国各地区国家级科技企业孵化器的综合运行效率和超效率进行了分析。研究发现，东三省的超效率最高。又通过Malmguist指数方法对东三省国家级科技企业孵化器的运行效率进行了动态分析。得出结论：说明是投入不足、技术水平不高、规模效率无效的结果。文章从政府政策改良、服务升级、打造品牌和人才培养等方面对东三省国家级科技企业孵化器运行效率的提高，提出对策和建议。

一、引言

近些年，政府为促进我国科技企业孵化器的健康发展，认定了国家级科技企业孵化器项目并给予了一定的政策支持，为我国科技型创业企业提供了良好的成长环境，培养了科技创业领军人才，同时提升了其管理水平与创业孵化能力。

现有文献大多采用数据包络分析法，对科技企业孵化器的运行效率进行研究。然而显有利用DEA-Solver pro5.0模型对各地区科技企业孵化器的运行效率进行分析，DEA-Solver pro5.0可以计算出超效率，进而准确地分析出应该再加大多少投入或减少多少产出，从而使科技企业孵化器的运行效率达到最优的生产前沿面。

夏星、张珍（2020）采用Fride等（2002）提出的将非参数评价方法DEA与参数评价方法SFA相结合的三阶段DEA方法对科技企业孵化器运行效率进行测度，为我国各省份科技企业孵化器运行效率改进提出新思路;田天、沈铭（2020）基于多层次科拓模型的实证分析对科技企业孵化器发展绩效进行了研究，对科技企业孵化器业态优化建设提出了宝贵意见;王全宝（2021）以江苏省为例，对科技企业孵化器运营中存在的问题进行了解析，并提出了加快江苏省科技孵化器发展的建议;龚斌（2021）研究了科技企业孵化器对区域创新的影响，证实了科技企业孵化器可以激活区域创新;杜赛华等（2020）基于改进熵值法与超效率DEA模型对广东省城市科技创新孵化能力与效率进行了实证研究，将各个城市划分为高能低效，低能高效，能效匹配三种类型，并提出了对策建议;王晓青等（2020）基于SCP范式对我国科技企业孵化器产业发展现状进行了实证分析，提出了促进企业孵化器发展优化的路径。

二、评价体系的构建

（一）方法的选取

当前测量效率的方法主要有随机前沿分析（SFA）和数据包络分析（DEA）两种方法。

1. 数据包络分析法（DEA）

DEA模型不需要考虑生产函数的具体形式，只要确定了投入与产出指标，也不需要估计参数，并且可计算多投入多产出的问题。同时，DEA模型不需要赋予指标权重，也不需要进行数据处理，可以排除一些主观因素，具有一定客观性。所以选择数据包络分析法（DEA）。

2. deasolver模型

deasolve模型将超效率和SBM模型相结合，它是超效率DEA模型的一种。deasolve模型中的super-sbm模型属于非径向模型。其模型至少存在一个决策单元，且决策单元有效性与输入和输出量纲的选取有关。

3. Malmguist指数方法

Malmguist生产效率指数法使用的是多投入多产出的指标，不仅可以测量出DMU的相对效率，还可以测量出DMU的全要素生产率;不仅可以分析多个不同时期的DMU效率值变化，还可以从不同角度分析导致DMU发生效率变化的原因。

（二）评价指标的选取

本文数据来源于《中国火炬统计年鉴》，本文选取了中国东部、中部、东北、西部四个地区以及东三省2016-2020年的投入产出数据进行分析。以各个地区为基本决策单元，进而研究东三省国家级科技企业孵化器的运行效率，进行分效率测算。详见表1。

1. 投入变量的确定

根据数据来源的可获得性和准确性，确保科技企业孵化器运行效率评价结果的合理性和有效性，本文建立了科技企业孵化器运行效率投入和产出的各项指标。投入指标从人力资源（T1）、基础设施（T2）和财力资源（T3）三个一级指标进行考虑。人力资源方面选取管理机构从业人数（T11）和创业导师人数（T12）两个二级指标;基础设施方面选取孵化器场地面积（T21）一个二级指标;财力资源方面选取孵化基金总额（T31）和服务平台投资额（T32）两个二级指标。

2. 产出变量的确定

国家级科技企业孵化器运行效率的产出指标设有孵化效益（C1）、社会效益（C2）和经济效益（C3）和三个一级指标。经济效益选取在孵企业总收入（C11）、孵化器总收入（C12）两个二级指标;社会效益选取新增就业岗位（在孵企业从业人员数C21）一个二级指标;孵化能力選取累计毕业企业数量（C31）、当年企业毕业数量（C32）、当年在孵企业数量（C33）三个二级指标。

三、实证结果分析

（一）描述性统计

对所有指标变量进行描述性统计分析。表2列出了所选指标相关变量的均值、极小值、极大值和标准差。在样本数据中，管理机构从业人员数的极大值和极小值为43871和2780，创业导师人数的极大值和极小值为41016和1406，孵化器场地面积的极大值和极小值为84106403和6888210，孵化基金总额的极大值和极小值为8413925和258673，服务平台投资额的极大值和极小值为94104922和1915713，在孵企业总收入的极大值和极小值为571187894和2267236，孵化器总收入的极大值和极小值为32449379和1410110，在孵企业从业人员数的极大值和极小值为1768759和125633，累计毕业企业数量的极大值和极小值为101228和6475，当年毕业企业数量的极大值和极小值为16583和956，当年在孵企业数量的极大值和极小值为134832和7718。不管投入指标还是产出指标，极大值和极小值相差都比较大，说明我国科技企业孵化器运行的投入与产出相差较大。

表3显示，所有指标的相关性均在1%的水平上显著。说明了相关指标满足DEA分析的前提条件，可以利用相关指标对其进行科技孵化器企业运行效率的评价。

（二）效率分析

1. 各地区综合效率和超效率

从表4可知，除了西部地区2017年规模效率无效导致综合效率无效且规模递增以外，其他地区各年份科技企业孵化器和国家级科技企业孵化器运行效率都是1，并且规模不变。但是，传统DEA模型无法区分有效决策单元，因而我们使用DEA SOVER模型，对国家级科技企业孵化器的超效率分析，最大程度地考虑松弛问题。

研究结果发现，东北地区国家级科技企业孵化器的超效率均值排在首位，说明东北地区资源冗余程度最大，可以加大投入或者缩小规模。

2. 东三省国家级科技企业孵化器的超效率

从表5可知，东部地区，辽宁、吉林、黑龙江三个省国家级科技企业孵化器的运行效率都大于1，辽宁省国家级科技企业孵化器的超效率最高。

从表6可以看出，以2020年为例，为了使其运营效率达到生产前沿面，辽宁省可以加大管理机构从业人数投入94人同时加大投入基金总额2533.14元，或者减少累计毕业企业的数量113家同时减少当年企业的毕业数量21家和在孵企业的数量26家。吉林省可以减少在孵企业的总收入600313.23元。黑龙江省可以增加管理机构从业人数26人同时增加孵化场地的面积95471.98平方米，或者减少当年企业毕业数量23家和在孵企业的数量117家。

如表8所示，整体来看，全要素生产效率均值为0.913，2016年最低0.673，2017年最高，之后呈递减趋势，说明孵化器技术创新效率水平有所下降。各年份技术效率变化指数、纯技术效率变化指数、规模效率变化指数均为1，说明技术进步指数是影响全要素生产效率的唯一因素，2016年最低，2017年最高，之后逐年递减的趋势，2020年较2016整体提高了0.25。

表9显示，2016～20209年科技企业孵化器平均全要素生产率为0.979，除了技术进步指数其他指数均为1，技术进步指数是影响东三省国家级科技企业孵化器技术创新效率的唯一因素。东三省各省份的技术进步有待提高。

四、结论与建议

（一）研究结论

以2016～2020年我国各省份科技企业孵化器投入与产出的相关数据为样本，采用DEA p2.1模型、DEAsover5.0模型和Malmguist指數法，对科技企业孵化器创新效率进行了静态和动态的分析。本文选取了管理机构从业人数、创业导师人数、孵化器场地面积、孵化基金总额和服务平台投资额5个指标进行了实证研究。结合技术创新效率分析和实证分析结果，得到以下结论：

1. 从静态来看，东三省国家级科技企业孵化器的综合技术效率虽然为1，但是通过超效率进行分析，仍然存在上升空间。

2. 从动态来看，东三省国家级企业孵化器的Malmquist生产指数由于技术进步指数的提升而提升了25%。说明东三省国家级技企业孵化器的管理水平得到了改进、规模得到扩大。

3. 东三省国家级技企业孵化器的整体技术创新效率有所改善，但是仍然有提升的空间，因此技术创新效率还有待改善和提高。

（二）建议

我国科技企业孵化器的运营应采取以下措施：

1. 推动政府资金的正确引导，对政策进行改良。政府通过购买服务的方式对资金进行补贴，不是按照面积粗犷式补贴，而是对孵化的企业质量越好，补助越多。更多的补贴使用在信息化上、基地人员的培训体系建设上、推动技术转移建设上、平台的建设上。

2. 聚集形成双创服务区，对服务进行升级。政府发挥作用，协助做一些培训辅导、技术支撑、媒体宣传，使企业信息公开、透明，更好地为创业者、投资人，建立沟通的桥梁，提高产业的成功率。建立一个平台提高对接效率。随时可以对全区全市乃至全省孵化器的实施情况进行查询，投资人可以快速查找到需要投资的企业。政府严格要求孵化企业信息开放，如果不开放就不发放投资，全区全市的监控才能有效实施和进行。

3. 打造品牌，为发挥优质的孵化器起到示范带头作用。一般的市级是区级的5～6倍大，好坏的差距也很大，尽量发挥示范作用。

4. 培育空间运营人才、提高持续运营能力。孵化器基地专业服务人员的匮乏依然成为制约孵化器成长的主要要素，提高专业孵化器基地专业技术已经迫在眉睫。空间运营人才的专业程度，也会提高科技企业孵化器的持续运营能力。

（三）局限性

《火炬路统计年鉴》中，虽然收集了不同年份的相关统计数据，但是本文只获得了2016～2020年共5年的数据，为短面板数据，样本跨度期间比较短、样本的总量不够大，加上统计口径不一致等原因，或许会对本文的部分实证造成不利影响，还有待进行进一步探讨。《火炬路统计年鉴》中没有收录专利申请数这一重要指标，有待数据完善后进一步研究。

参考文献：

[1]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——一东北地区14家国家级企业孵化器为例[J].科学进步与对策，2012，29（01）：142-146.

[2]刚登峰.孵化企业孵化绩效的评估体系与模型设计[J].科学技术与工程，2009（02）：520-524.

[3]黄虹，许跃辉.我国科技企业孵化器运行绩效与区域差异研究——基于260家国家级科技企业孵化器的实证分析[J].经济问题探索，2013（07）：144-151.

[4]刘永松，王婉楠，于东平.高技术企业技术创先效率评价既影响因素研究[J].云南财经大学学报，2020（11）：100-113.

（作者单位：辽宁师范大学）