中国众创空间创新创业效率及其提升路径研究——基于两阶段混联网络DEA与fsQCA方法

李 犟，吴和成

（南京航空航天大学 经济与管理学院，南京 211106）

“大众创业、万众创新”已成为当前互联网时代的新趋势，推动“双创”战略是培育我国经济发展新动能的必然选择。众创空间作为集“创新”与“创业”、“投资”与“孵化”于一体的全要素综合服务平台［1］，已成为实施“双创”战略的重要阵地。近几年，我国众创空间数量增长迅速，截至2020年年底，我国已建立8507家众创空间①数据来源：https：//data.cnki.net/Yearbook/Single/N2021120209。。然而，数量的高增长并不意味着发展的高质量，已有大批众创空间因同质化、空心化以及过度依赖政府财政补贴等问题倒闭［2-3］。这些问题表明我国众创空间仍处于粗放型发展阶段，尚未实现向集约型发展模式的转变。促进众创空间发展模式的有效转变，关键在于提升其创新创业效率。因此，准确测度我国众创空间创新创业效率并探寻效率提升路径具理论与实践意义。

作为一种复杂生态系统的众创空间［4］，非参数DEA模型常被用于测度其创新创业效率。然而，已有研究主要基于传统DEA方法，将众创空间视为“黑箱”，忽视了众创空间的内在结构和运行机理，导致效率测度结果偏差较大，也无法定位效率损失根源［5-6］。与此同时，分析效率影响因素是探寻效率提升路径的基础，而已有研究主要从线性假设出发，关注影响因素的净效应。创新创业是一个复杂的动态过程，其驱动要素并非孤立地起作用，而是受到诸多相互依赖的因素的协同影响，如政府投入、市场化水平与区域众创空间规模等［7-9］。现有研究采用的分析方法无法捕捉这种复杂的非线性关系。因此，有必要采用更加匹配的方法探寻效率提升路径。

本文基于众创空间创新创业系统的内部结构与运行机制，首先构建了两阶段混联网络DEA模型测度我国30 省市众创空间创新创业效率，然后在此基础上应用模糊集定性比较分析（fuzzy-set Qualitative Comparative Analysis，fsQCA）方法研究政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本这4 个条件对效率的组态影响，进而揭示我国众创空间创新创业效率提升路径。本文可能的创新之处主要体现在两个方面：①考虑众创空间创新创业系统内部关联特征，构建了两阶段混联网络DEA模型，不仅得到的效率结果更准确，信息更丰富，而且为测度众创空间这类混联生产系统的效率提供了方法参考；②众创空间创新创业活动是一个复杂动态过程，本文采用fsQCA方法从组态视角分析多个前因条件引发众创空间创新创业高效率的组态，揭示了实现效率提升的多元路径，研究结论更具现实启示意义。

1 文献回顾

1.1 众创空间创新创业效率测度方法

众创空间创新创业效率是指众创空间创新创业活动的产出与投入之比，反映众创空间创新创业资源的利用水平。目前主流的效率测度方法为参数的随机前沿分析（SFA）和非参数的数据包络分析（DEA）。由于SFA方法仅能处理单产出，且可能存在参数设定错误的风险，所以DEA方法成为测度众创空间这类复杂系统效率的主要工具。当前关于我国众创空间创新创业效率的研究主要采用传统DEA模型［10-12］和三阶段DEA［13-14］两种DEA模型。相较于传统DEA模型，三阶段DEA模型考虑了随机因素和环境因素对效率的影响。然而，这两种模型仅将众创空间视为“黑箱”，忽略了该复杂系统从最初投入最终产出的中间环节，这将高估效率结果［15］。尽管两阶段网络DEA 能够打开复杂系统的“黑箱”，获得更丰富的信息［16-17］，但现有两阶段网络DEA主要针对具有串联结构的生产系统，无法应用于串并联结构即混联结构的生产系统［18］。对于众创空间而言，其服务对象为创业团队与企业，在吸纳这二者入驻后，将分别对其进行孵化培育，这意味着众创空间创新创业系统存在串联和并联共存的混联结构，而现有两阶段网络DEA难以适用。没有合适的效率测度方法，既无法科学评估我国众创空间创新创业效率，也无法进一步研究效率的提升路径。

1.2 众创空间创新创业效率影响因素

分析众创空间创新创业效率影响因素是寻找效率提升路径的基础。黄钟仪等［9］总结了已有关于众创空间创新创业产出影响因素的研究，并结合我国众创空间运营实践，构建了一个众创空间创新创业产出绩效影响因素的分析框架。该分析框架指出，我国众创空间创新创业产出实质上是由外部政府政策推动和内部众创空间赋能协同影响的结果。对于众创空间，增加其创新创业产出是现阶段提高创新创业效率的关键途径。因此，该分析框架同样适用于分析创新创业效率。

就政府层面而言，政府主要通过提升市场化水平［12，14］、控制对众创空间的财政补贴额［13，19-20］以及控制区域众创空间规模［21］等方式影响众创空间创新创业绩效。从众创空间内部出发，众创空间为创业者提供的服务是影响众创空间创新创业绩效的主要因素。众创空间的服务主要包括经济服务（如降低创新创业运营成本）和社会服务（如举办创业教育培训和创新创业交流会）［9］。从我国众创空间运营实践来看，创新创业运营成本是影响创业者入驻和众创空间可持续发展的主要因素［22］，不少明星众创空间（如孔雀机构、克拉咖啡等）均因为入驻创业者创新创业运营成本较高，难以吸引足够的创业者入驻，最终无法负担运营成本进而倒闭。对于创业者而言，控制创业成本是提高创业收益和支撑持续经营的首要途径［23-24］。

1.3 众创空间创新创业效率复杂因果关系

已有文献主要从线性角度考察效率影响因素对众创空间创新创业效率的作用，但随着研究的深入，学者们逐渐认识到众创空间创新创业活动是一个复杂的动态过程，受到诸多相互依赖的前因条件的协同影响。例如，政府补贴为建设众创空间提供了重要支撑，也为入驻创业者降低创新创业成本提供必要帮助，这表示政府补贴对创新创业活动本身是有利的。然而，由于企业可能存在寻租行为以及政府对补贴项目存在偏好等问题［25-26］，政府补贴对创新创业效率也可能产生负向影响。赵文等［27］和杨洋等［28］进一步研究发现，政府补贴对创新创业效率是否能产生正向作用受市场化水平的影响。就市场化水平而言，高市场化水平的地区一般具有良好的要素市场，有利于资金、技术等创新资源流动到相对高效的项目，盘活现有的存量创新资源，从而促进创新主体效率的提高［29］。除此之外，市场化水平对区域众创空间规模也可能产生影响，较高的市场化水平会使创新资源集中于少数创新创业主体，从而抑制众创空间规模扩大。而众创空间规模的扩大带来的集群效应被认为能够带动人才、技术等创新创业要素的集聚，促进创新创业活动的发生和产出的增加［21］。而盲目增加众创空间数量会导致众创空间同质化问题加剧，难以实质性提升创新创业效率［30］。从众创空间层面来看，降低入驻创业者的创新创业运营成本则意味着众创空间需要降低自身的利润，不利于众创空间自身的可持续建设，但提高创新创业运营成本则会导致无法吸纳足够的创业者入驻。事实上，创新创业运营成本这一因素与政府财政补贴、市场化水平与区域众创空间规模也具复杂关系。例如，充足的政府财政补贴会降低众创空间自身运营成本，但也会造成众创空间过度依赖政府补贴，失去提高资源配置效率的动力。

受制于政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本4个条件之间复杂的联系和已有研究对众创空间创新创业效率组态分析的缺乏，上文仅简要论述这4个条件对众创空间创新创业效率存在复杂影响，并未提出具体的理论组态模型。与此同时，已有研究关于上述因素的研究结论仍然存在差异甚至矛盾之处。而这恰恰也推动本文采用新的研究方法进一步探索引发众创空间高创新创业效率的条件组态。

1.4 文献评述

综上所述，目前关于我国众创空间创新创业效率测度及影响因素的研究取得了丰硕成果，但仍存在一定不足。①已有研究采用的效率测度方法均将众创空间创新创业系统视为“黑箱”，未考虑其内在结构和运行机理，导致效率测度结果不准确。而现有能打开“黑箱”的两阶段网络DEA方法均无法适用于众创空间这种具有混联结构的生产系统。本文根据众创空间创新创业活动的特点，构建了两阶段混联网络DEA 测度其效率，效率结果更准确，为分析效率影响因素提供了必要前提。除此之外，本文所构建的效率测度模型对研究混联结构生产系统效率也可提供价值参考。②尽管已有文献在展开相关影响因素研究时选取的前因条件不同，但均是从政府层面与众创空间内部两个维度出发，可见黄钟仪等［9］所构建的分析框架对我国众创空间创新创业绩效具有较好的解释力。因此，本文在此研究框架基础上展开研究具合理性。综合已有研究，本文在政府层面选择政府补贴、市场化水平以及区域众创空间规模3个因素，在众创空间层面选择创新创业运营成本这一关键因素。由于这些因素相互关联、相互影响，本文采用fsQCA方法从组态视角出发探讨众因素间复杂的协同效应，可揭示效率提升的等效路径，弥补现有研究方法的不足。

2 研究设计

2.1 研究方法

首先，本文基于众创空间创新创业系统运行机理构建两阶段混联网络DEA模型，为准确测度众创空间创新创业效率提供方法支撑。然后，介绍fsQCA方法并说明使用fsQCA方法分析效率影响因素的必要性。

2.1.1 两阶段混联网络DEA 合适的效率测度模型应根据研究对象的特征构建。对于创新创业平台，通常可将其创新创业活动划分为两个关联的阶段［31］：第一阶段通过招商引资吸纳基本的创新创业孵化要素；第二阶段对招商引资成果加以转化和利用。众创空间本质上也是一种创新创业服务平台。结合众创空间的实际运营过程，本文首先将众创空间创新创业活动分为串联的招商引资阶段与孵化培育阶段。由于众创空间主要为创业团队和企业提供创新创业服务，因此，本文进一步将孵化培育阶段分为并联的创业团队孵化培育子阶段与企业孵化培育子阶段。能够评价这种混联结构的生产系统的DEA效率模型称之为混联网络DEA模型［32］。

设有n个决策单元（DMU）需要评价众创空间创新创业效率为第i个DMU在招商引资阶段的投入向量，m为投入指标数和是招商引资阶段的产出向量，同时分别是创业团队孵化培育阶段和企业孵化培育阶段的投入向量，k1和k2是二者的投入指标数分别为创业团队孵化培育阶段和企业孵化培育阶段的产出向量，s1和s2分别是二者的产出指标数。上述投入和产出向量在DEA 模型中将被给予不同的权重，记和分别是和对应的权重向量。

基于混联结构，本文提出的众创空间创新创业活动过程如图1所示。

图1 众创空间创新创业活动过程Fig.1 The process of innovation and entrepreneurship activities in crowd innovation space

以DMU0为例，招商引资阶段、孵化培育阶段以及两个子阶段的效率分别记为和整体效率记为E0。根据KAO［33］和CHEN等［34］的研究，本文将众创空间创新创业整体效率定义为招商引资阶段与孵化培育阶段效率的乘积，其中具有并联结构的孵化培育阶段的效率为两个子阶段效率的加权和，即与λ2为相应的权重且λ1+λ2= 1。可见，只有和同时有效时（结果为1则表示有效），DMU0才能达到整体有效。

网络DEA模型必须满足以下两个条件［35］：①每个子阶段都必须满足前沿条件，即累积投入不小于累积产出（效率小于等于1）；②系统中某种资源要素的权重在整个系统的不同阶段是相同的。基于以上考虑，本文构建模型（1）计算众创空间创新创业的整体效率。

其中，Im、Ik1、Ik2、Is1和Is2为元素为1的常向量，元素个数为相应的下标，ε为非阿基米德无穷小量，保证各指标权重大于0。

模型（1）为非线性规划，且λ1与λ2未知。参考CHEN 等［36］的研究，以各阶段的投入占总投入的比例来衡量，所以将λ1与λ2定义为

为了避免λ1与λ2出现0的极端情况，定义λ1，λ2≥a，将式（2）代入式（1），则可得

式（3）仍是非线性规划，可借助Charnes-Cooper②资料来源：CHARNES 和COOPER 于1962年在Naval Research Logistics Quarterly 期刊上发表的论文Programming with linear fractional functionals。变换将其转化为等价的线性规划求解：令则可变换为等价的线性规划模型（4），即

通过求解模型（4）可得到各DMU的整体效率值，然后利用各变量的最优解计算分阶段效率值。若记是模型（4）的最优解，则DMU0的整体效率和各阶段效率分别为

2.1.2 模糊定性比较分析 首先，我国众创空间创新创业效率受多个因素协同影响，然而传统分析方法仅从线性假设出发关注单个条件的“净效应”，无法从整体性视角考察众多影响因素对效率复杂的协同效应。其次，我国各地区具有不同的要素禀赋，这表明必须找到因地制宜的效率提升路径，由此形成的政策建议才具有针对性和有效性，而传统分析方法并不能凝练出多条等效的提升路径。最后，对于中小数量样本，传统分析方法难以获得稳健分析结论。

相较于传统分析方法，定性比较分析（QCA）方法认为案例是原因条件组成的整体，因而关注条件组态与结果间复杂的因果关系［37］，并通过不同条件组合与结果的逻辑关系识别出多重条件的“协同效应”和“互动关系”，进而提取具有等效结果的条件组态。由于QCA方法是以布尔运算为基础，分析结果的稳健性主要受样本是否包含代表性个体影响，而不是取决于样本量，因而QCA方法对小样本数据也有很好的适用性［38］。

综上所述，本文选择模糊集定性比较分析（fsQCA）方法分析我国众创空间创新创业效率影响因素的协同效应，进而提取效率提升的等效路径。在QCA方法中，fsQCA具有质性分析和定量分析的双重优势，能够处理程度变化和部分隶属的问题。本文因果条件为连续变量，而fsQCA方法可更有效地利用数据信息，因此fsQCA方法与本文的研究能够有效匹配。

续 表

2.2 样本说明

本文从区域层面出发，选取中国30个省级区域（因相关数据缺失，未包括西藏、香港特区、澳门特区和中国台湾地区）为研究样本。众创空间创新创业活动的投入作用于产出存在一定时滞性，而相关统计报告、年鉴等并没有考虑这一点，提供的投入和产出数据不对应。现实中众创空间内的各种创新创业活动周期也存在较大差异，因此难以确定一个合理统一的滞后期。此外，由于科技部对众创空间统计追踪的指标发生了变化，本文需要的指标数据在2018年以前并未统计，而最新的统计数据只到2019年，所以即使选择一个时滞期也难以收集相应的数据。DEA是一种考察在同一指标体系下各样本相对效率的方法，尽管不同年份的产出不同，但相关研究表明由于路径依赖的影响，不论时滞设定为1 年、2 年还是3年，对效率结果影响甚微［39］。参考相关文献［31，39］，本文选择当期数据测度我国各地区众创空间的创新创业效率。基于数据的可得性与完整性，本文研究样本的时期为2019年，为目前可资利用的最新数据。

2.3 测量和数据来源

2.3.1 结果 众创空间创新创业活动的效率是由招商引资效率和孵化培育效率共同组成。如果要使众创空间创新创业活动达到完全最优则必须使各环节均达到有效，所以本文将众创空间招商引资效率、创业团队孵化培育效率和企业孵化培育效率分别设定为结果，有利于进一步分析不同条件组态对结果的复杂作用机制。

测度效率首先需要选取合适的投入产出指标，而合理的指标应满足测度对象的特征。针对招商引资阶段，选取投入指标分别为提供工位数（x1）、服务人员数（x2）和众创空间运营成本（x3），与创业团队孵化培育阶段的中间产出为创业团队数和创业团队融资总额，与企业孵化培育阶段的中间产出为入驻企业数和企业融资总额。这一阶段的含义是众创空间通过提供工位、服务人员支持并投入运营费用（如场地费用、管理费用和人员费用等）尽可能吸纳创业团队和企业入驻，并帮助其获得融资，实现众创空间具备对创业团队和企业进行孵化培育的基本要素。第二阶段主要是评价孵化培育效率，分析各地区众创空间将招商引资成果转化和利用的能力。尽管创业团队与企业的经济收入也是重要的孵化培育成果，但是由于我国众创空间发展时间不长，相关统计数据不足，因此无法择取经济方面的产出指标。2015年所颁发的《关于发展众创空间推进大众创新创业的指导意见》指出，发展众创空间的目的在于满足大众创新与创业的需求，提供更多就业岗位。因此，本文选取创业团队拥有有效知识产权数、创业团队吸纳就业人数作为创业团队孵化培育阶段的产出，企业拥有有效知识产权数、企业吸纳就业人数作为企业孵化培育阶段的产出，这两个子阶段的投入分别是与第一阶段相关联的中间产出。

2.3.2 条件 在QCA研究中，确定前因条件的方法主要有问题导向法、研究框架法和理论框架法等［40］。本文参考黄钟仪等［9］构建的众创空间创新创业产出影响因素分析框架，选取了政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本这4个对众创空间创新创业效率具有较强解释力度的因素作为分析高效率样本的前因条件。

各条件具体的测量方式如下。①政府财政补贴用各地区众创空间享受的政府财政资金支持总额表示。②市场化水平以市场化指数表示。市场化指数涵盖了政府与市场的关系、非国有经济的发展、产品市场的发育、要素市场的发育程度，以及市场中介组织的发育和法律制度环境等方面，能够系统展示我国各省区市场化的情况［41］。③区域众创空间规模以各地区众创空间数量表示。④创新创业运营成本采用各地区众创空间服务与房租物业收入之和表示。

QCA 分析中，条件的数量要与案例数量达到良好的平衡，过多的条件则会使得组态数量呈指数增加，导致观测到的案例小于条件组态数，此时所得的结论可能会失去代表性。本文选择的条件个数为4，案例个数为30，能够满足fsQCA分析中案例数与条件数的平衡（10～40个案例应选择4～6个条件）［42］。

2.3.3 数据来源 测度众创空间创新创业效率的投入产出指标来源于《中国火炬统计年鉴2020》以及《中国创业孵化发展报告2020》［43］。政府财政补贴、区域众创空间规模以及创新创业运营成本数据均来源于《中国火炬统计年鉴2020》。市场化水平采用王小鲁等［41］发布的《中国分省份市场化指数报告（2021）》中的市场化指数衡量。指标的描述性统计结果如表1所示。

表1 指标的描述性统计分析结果Tab.1 Descriptive statistical analysis results of indicators

3 数据分析

3.1 效率测度结果

对于上文中构建的两阶段混联网络DEA模型，本文利用MATLAB 软件编写计算我国各地区众创空间创新创业效率及其各阶段效率。参考熊曦等［18］的研究，设定并联结构中的两个子阶段权重不小于0.2，即a= 0.2。计算结果如表2所示。其中，第2列显示了整体效率值，第3列和第4列依次显示了招商引资阶段和孵化培育阶段的效率值，第5列和第6列依次显示了创业团队孵化培育效率和企业孵化培育效率，最后两列为孵化培育两个子阶段的最优权重。

表2 中国各地区众创空间创新创业效率Tab.2 Innovation and entrepreneurship efficiency of crowd innovation space in various regions of China

由表2可知，我国众创空间创新创业活动达到有效的地区只有北京，这意味着北京地区众创空间创新创业活动在每个环节均为有效。北京是高投入高产出的代表，2019年北京众创空间提供的工位数在分析样本中最多（173875个），创业团队及企业获得融资也在研究样本中最多（共495.68亿），较好的人力资源基础、融资环境等有利于北京地区众创空间创新创业效率在各个环节达到有效。从招商引资阶段来看，仅有北京、辽宁、新疆、青海以及新疆地区效率为1。而在孵化培育阶段，除北京外没有完全有效的地区。创业团队孵化培育阶段仅有北京、内蒙古、辽宁、安徽、湖北和重庆6个地区位于生产前沿面即效率为1，而企业孵化培育阶段有北京、黑龙江、湖南和陕西4个地区效率为1，但创业团队孵化培育效率均值低于企业孵化培育效率均值。就区域差异而言，东部整体效率略高于中部，而西部最低。在招商引资阶段，东部效率均值最高，西部次之，中部最低。而在孵化培育阶段，中部地区效率均值最高，东部次之，西部最低。总体而言，东部地区融资环境和人力资源更优，创新创业活动更为活跃，因此在招商引资阶段更具优势，能够吸引更多的创业者和融资，高投入高产出使得招商引资效率相对更高；而西部地区在招商引资阶段整体上处于低投入低产出的状态，但有限的资源也得到了较好地利用，因此总体上和东部地区招商引资效率差异很小；在孵化培育阶段，中部地区总体上对招商引资成果转化和利用的能力更强，而东部地区未能很好地消化和孵化相对更多的招商引资成果，造成了创新创业要素的拥挤，导致孵化培育效率水平不佳。

本文通过绘制箱形图，观察我国众创空间创新创业效率及各阶段效率的总体分布情况。如图2所示，整体效率值的上分位数接近0.7，中位数不超过0.6，表明分析期内我国至少75%的地区众创空间创新创业整体效率在0.7以下，超过50%的地区效率为0.6以下，我国众创空间创新创业效率还有较大提升空间。分阶段来看，招商引资效率总体上低于孵化培育效率，并且招商引资效率箱体更长，表示其分布差异更大。总体而言，招商引资效率是造成整体效率低下的首要原因。对于孵化培育效率阶段，创业团队孵化培育效率和企业孵化培育效率二者箱体位置及长度接近，但创业团队孵化培育效率下分位数更低，表明总体上二者差异较小，创业团队孵化培育效率低的地区更多。

图2 众创空间创新创业效率Fig.2 Innovation and entrepreneurship efficiency of crowd innovation space

3.2 效率提升路径分析

已有研究表明众创空间创新创业效率受多个前因条件的协同影响，可能存在多种引发高效率结果的条件组态，即可能存在多条等效的效率提升路径。因此，本文通过fsQCA方法揭示众创空间创新创业效率的多元提升路径。

3.2.1 校准 校准是指给案例赋予集合隶属分数的过程。校准后的集合隶属度在0～1之间，越接近1，表示隶属程度越高。校准后的数据兼顾了案例间的类别差异与程度差异，如，通过未校准的“市场化水平”，只能知道一个地区市场化水平比另一个地区是高还是低，但并不能判断他们属于高市场化水平地区还是非高市场化水平地区，而校准后的数据则可以比较不同地区属于“高市场化水平”的程度。

对条件进行校准需要设置完全隶属、中间点和完全不隶属3个锚点。理想的校准方式是采用与研究相关的理论或实践知识对锚点进行设置，但是关于众创空间创新创业效率的研究较少，没有充分的校准依据。参考黄钟仪等［9］、赵文等［27］和程建青等［44］的研究，本文将3个结果（招商引资效率、创业团队孵化培育效率和企业孵化培育效率）和4个条件（政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本）的3个锚点分别设定为数据分布的上四分位数、中位数以及下四分位数。表3为各条件和结果的具体校准锚点。

表3 校准锚点Tab.3 Calibration anchors

3.2.2 必要条件分析 在进行组态分析之前，需要对各个条件的必要性进行检验。当结果发生时，某个条件总是存在，那么该条件就是结果的必要条件。表4展示了借助fsQCA3.0软件进行必要性条件检验的结果。由表4可知，所有条件在各阶段的一致性值均小于0.9，不构成必要条件［40］。这一结果表明众创空间创新创业活动的复杂性，有必要对各条件进一步展开组态分析。本文也对非高效率结果进行了必要条件分析，分析结果表明所有条件的一致性均小于0.9，表明不存在引发非高效率结果的必要条件，限于篇幅这里不再列出。

表4 必要条件分析Tab.4 Analysis of necessary conditions

3.2.3 组态分析 参考张明和杜运周［40］、罗顺均等［45］的研究，本文将原始一致性阈值设置为0.8，PRI 一致性阈值设置为0.75，并将案例频数设为1。当缺乏条件影响结果明确的证据时，可假设单个条件出现与否均对结果有影响［36］。同时出现在简约解与中间解中的条件为该解的核心条件，仅在中间解中出现的条件为边缘条件。

由表5 fsQCA结果可知，产生较高招商引资效率的条件组态路径有2条，产生高创业团队孵化培育效率的组态路径有2条，而产生高企业孵化培育效率的组态路径则有4条。由此可见，不同阶段能够引发高效率结果的条件组态存在差异，将各阶段效率分别作为结果是必要的，有利于识别不同阶段效率的提升路径，由此形成的管理启示更具针对性。

表5 众创空间创新创业各阶段高效率的组态分析Tab.5 Configuration analysis of high efficiency in various stages of innovation and entrepreneurship

招商引资阶段共存在两种可引发高效率的条件组态。组态H1a指出以高市场化水平以及非高区域众创空间规模为核心条件，互补非高的政府财政补贴为边缘条件可以产生较高的众创空间招商引资效率。组态H1b则表明以高市场化水平以及非高区域众创空间规模为核心条件，互补高创新创业运营成本也可以引发高招商引资效率。这两种组态均强调市场化水平和众创空间规模的作用。从招商引资阶段的产出端来看，市场化水平高的地区，融资环境较好，知识产权保护制度相对成熟，有利于创新创业活动的产生，进而催生更多创业团队及企业入驻众创空间，因此能够增加众创空间招商引资阶段的产出。就招商引资阶段投入端而言，市场化水平高的地区，市场分配资源的能力更强，在一定程度上能够遏制区域众创空间规模的无序扩张，进而缓解众创空间同质化、空心化的问题，最终能够减少众创空间招商引资阶段投入端的冗余。例如，处于组态H1b环境的上海，其区域众创空间规模并不大（2019年上海众创空间数量为164，全国排名第20），但市场化水平较高（2019年全国排名第3）。较少的众创空间意味着招商引资阶段投入相对较少，而高创新创业成本可淘汰发展潜力不强的创业者、维持现有众创空间的可持续发展。在高市场化水平环境下，创新创业资源集中于具有潜力的创业团队及企业，使得招商引资阶段具有足够的产出。结合我国众创空间运营实践，不少明星众创空间（如深圳的孔雀机构和克拉咖啡等）均是因为当地众创空间数量较多且同质化严重，无法吸纳足够的创业者，导致难以支付高昂的运营成本最终走向倒闭。组态H1b表明，在经济基础较好的地区，不应盲目开设过多众创空间，而应通过市场逻辑将资源集中于发展较好的众创空间。综合而言，较好的市场环境可从众创空间招商引资阶段投入端与产出端协同作用提高众创空间招商引资效率。

在创业团队孵化培育阶段，共找到两种可引发高创业团队孵化培育效率的条件组态。组态H2a 表明，以高政府财政补贴以及非高创新创业运营成本为核心条件、互补非高市场化水平和非高区域众创空间规模为边缘条件，可引发创业团队孵化培育效率的提升。处于这两种组态环境的案例地区主要集中在中部区域，如湖南是组态H2a的典型案例，安徽是组态H2b的典型案例。事实上，中部地区比西部地区拥有更多的政府财政补贴，比东部地区拥有更低的创新创业运营成本，这两点优势的互补是中部区域孵化培育效率总体更高的主要原因。与招商引资阶段不同，孵化培育阶段更强调众创空间入驻创业者利用所获融资强化自身创新实力并扩大生产收益的能力。知识经济时代，创业者资产主要以无形资产为主，低成本的办公场所、创业培训等资源能够最大化减少创业者的创新创业成本。同时，创业团队市场融资能力更弱，更需要政府给予直接的财政补贴支持。众创空间作为我国政策驱动的产物，政府为众创空间提供了众多类型的补贴，通过众创平台的传递，能够为创业者的创新创业活动提供多种优惠、奖励与补贴，进一步帮助创业者降低创新创业活动沉没成本的影响。值得注意的是，组态H2b和H2a具有相同的核心条件，但边缘条件相反，互补了高市场化水平和高区域众创空间规模。湖南作为组态H2a的典型案例，其市场化水平并不高（2019年湖南市场化指数得分为6.13，排名为全国第16），众创空间外部融资环境并不宽松，但其区域众创空间规模不大（2019年湖南拥有186个众创空间，排名为全国第17），因此湖南在孵化培育阶段投入规模不大，再辅助以较高的政府财政补贴及非高创业创业运营成本，可产生较高的创业团队孵化培育效率。相比之下，安徽作为组态H2b的典型案例，位于长三角地区，与创新创业活动较活跃的江浙沪地区相邻，具有得天独厚的区位优势。与此同时，安徽市场化水平相对较高，融资环境相对宽松，再辅以高政府财政补贴及非高创新创业运营成本，也能够进一步提高创业者的收益水平。综合而言，由于融资及创新能力相对较弱，提升创业团队孵化培育效率更需要政府针对性的财政补贴支持。

企业孵化培育阶段共存在4种可引发高效率条件组态。组态H3a指出以非高区域众创空间规模以及高创新创业运营成本为核心条件，互补高市场化水平为边缘条件可以产生较高的企业孵化培育效率。组态H3b则表明以非高政府财政补贴以及高创新创业运营成本为核心条件，互补高市场化水平也可以引发高企业孵化培育效率。而组态H3c和组态H3d则分别与组态H2a、组态H2b相同。可见，尽管企业和创业团队同为众创空间服务的对象，但引发其高孵化培育效率的条件组态却有同有异。一方面，对于众创空间而言，创业团队和企业具有同样的创新创业目的，即通过知识、技术创新等途径扩大自身收益，进而扩大自身规模以形成规模经济，进一步提高收益水平与创新水平。这表示创业团队与企业在众创空间中具有相同创新创业行为模式，二者都需要融资支持以进行创新创业活动，因此能够引发高创业团队孵化培育效率的组态H2a和组态H2b，也能够引发高企业孵化培育效率。另一方面，相对于创业团队，一般企业具有更完善的管理体系、更强的融资能力和更好的创新基础，故而当企业处于高创新创业成本和高市场化水平的环境中时，可通过宽松的融资环境获取更多融资降低高创新创业成本的影响，并且高创新创业成本也会淘汰一些创新能力不足的企业及创业团队，使得资金聚集在资源利用能力强的企业。因此组态H3a和组态H3b能够引发高企业孵化培育效率，但不能作用于融资能力和创新能力相对较弱的创业团队。

梳理上述条件组态可以发现，招商引资阶段重视市场化水平的作用，创业团队孵化培育阶段强调政府财政补贴和创新创业运营成本的协同作用，而企业孵化培育阶段“殊途同归”的特点更明显，不仅兼顾了创业团队孵化培育阶段的条件组态，而且市场化水平和其他条件的协同也可引发高企业孵化培育效率，这主要是因为企业相对于创业团队具有更强的市场竞争力。总体而言，存在8条可提升我国众创空间创新创业效率的路径，具体可以归纳为“市场驱动型”和“政府驱动型”两类模式。各地区应根据自身条件选择合适的众创空间发展模式。

3.2.4 稳健性检验 以集合论为基础的QCA研究结果，应该优先选择集合论特定的方法进行稳健性检验，常用的方法有改变案例频数、变动一致性门槛值、调整校准阈值和补充案例等［40］。参考杜运周等［7］、SCHNEIDER和WAGEMANN［46］以及张明等［47］的研究，本文选择提升案例原始一致性阈值的方式，分别将招商引资效率、创业团队孵化培育效率和企业孵化培育效率组态分析中的原始一致性阈值从0.80提高至0.85，组态结果表明新组态与表5结果基本一致，故本文分析结果具有良好的稳健性。

4 结论与展望

4.1 研究结论

本文基于众创空间创新创业系统的结构特征，将众创空间创新创业活动分为串联的招商引资阶段与孵化培育阶段，再将孵化培育阶段分为并联的创业团队孵化培育子阶段与企业孵化培育子阶段，构建两阶段混联网络DEA模型测度了我国30个省市众创空间创新创业效率。之后，基于fsQCA方法分析了政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本4个条件对众创空间创新创业各环节效率的协同影响。主要结论如下。

1）分析期内我国众创空间创新创业整体效率全国均值为0.584，并且至少75%的地区众创空间创新创业整体效率在0.7以下，超过50%的地区效率为0.6以下，效率水平有较大提升空间。招商引资效率总体上低于孵化培育效率，两者全国均值分别0.730和0.808，其中招商引资效率地区分布差异更大。就孵化培育效率阶段而言，创业团队孵化培育效率和企业孵化培育效率总体上差异较小，但创业团队孵化培育效率低的地区更多。从区域差异看，东部整体效率略高于中部，而西部最低；东部地区在招商引资阶段更具优势，招商引资效率均值最高；在孵化培育阶段，中部地区总体上更为突出，孵化培育效率更优。

2）众创空间创新创业效率受政府财政补贴、市场化水平、区域众创空间规模以及创新创业运营成本4个条件的协同影响，具有“殊途同归”和“多重并发”的特点。组态分析共发现8条可引发众创空间创新创业高效率的路径，其中产生较高招商引资效率的条件组态路径有2条，产生高创业团队孵化培育效率的组态路径有2条，而产生高企业孵化培育效率的组态路径则有4条，且其中两条与高创业团队孵化培育效率组态路径相同。

3）市场化水平是引发招商引资阶段高效率结果的核心条件，创业团队培育孵化阶段则强调政府财政补贴和创新创业运营成本的协同作用，而企业孵化培育阶段不仅兼顾了引发高创业团队孵化培育效率结果的条件组态，并且市场化水平和其他条件的协同也可引发高企业孵化培育效率。因此，我国众创空间创新创业效率提升路径可以归纳为“市场驱动型”和“政府驱动型”两类模式。招商引资阶段适合“市场驱动型”提升路径，创业团队培育孵化阶段适合“政府驱动型”提升路径，而企业孵化培育阶段兼顾了“市场驱动型”和“政府驱动型”两类提升路径。

4.2 方法与理论贡献

本文分析了众创空间创新创业系统的内在结构与运行机理，构建了两阶段混联网络DEA模型用于测度众创空间创新创业效率，这是首次尝试打开众创空间创新创业系统的“黑箱”，为科学评估我国众创空间创新创业效率提供了一个有效的测度工具，克服了现有研究在众创空间创新创业效率测度方法上的缺点［10-14］。该模型还可应用其他类似结构的混联生产系统如电商平台、孵化机构以及产业园等，弥补了现有两阶段网络DEA 方法仅基于串联结构假设的不足［16-17］，拓展了网络DEA 理论并可推动相关应用研究的深入。

本文将网络DEA与fsQCA方法有机结合，揭示了不同环节效率的提升路径及其差异，克服了已有研究仅关注整体效率影响因素的缺点［13-14］，对条件组态如何作用于整体效率提供了更具体的解释。为未来效率影响因素研究提供了一种新的研究范式，同时也拓宽了QCA方法的应用领域。

本文基于黄钟仪等［9］构建的众创空间创新创业产出影响因素分析框架，选取了政府财政补贴、市场化水平、区域众创空间规模和创新创业运营成本4个条件，从组态视角证明了众创空间创新创业效率的驱动机制存在“殊途同归”和“多重并发”的特征，为创新创业活动受多种因素协同影响的观点提供有力的支撑［7-9］，也是对已有研究线性假设下净效应思维的一种补充［13-14］。本文的结论证明了该分析框架对众创空间创新创业效率也具有较强的解释力度，拓展了该分析框架的适用范围。

4.3 管理启示

从政府角度而言，众创空间作为政府政策驱动的产物，尽管投入持续增长，但是创新创业效率水平不佳的问题仍然突出，需要从招商引资和孵化培育两个阶段来切实加强。招商引资阶段效率低下的问题表明未来我国不应盲目发展众创空间，需要进一步优化市场环境，拓宽众创空间融资渠道与降低众创空间融资难度，从招商引资阶段的投入端与产出端共同发力提升招商引资效率。在孵化培育阶段，创业团队孵化培育效率相较企业更低，主要由于创业团队在创新能力以及融资能力方面相对较弱，更需要政府出台相关政策有针对性地加强对创业团队的扶持，如将补贴创业团队的资金比例设为众创空间绩效考核目标等。总体而言，政府未来应该健全众创空间创新创业绩效评估体系，科学规划众创空间建设，引导众创空间有序发展。当一个地区众创空间创新创业绩效未能达到某种要求，那么政府可以在某一时间段内减少对该地区众创空间的财政补贴。

从众创空间方面来说，提升创新创业效率的路径是多元的，众创空间应该根据所在地区的实际情况选择合适的发展模式。组态分析结果表明，众创空间创新创业不同环节的效率提升路径侧重点有所差异，招商引资阶段强调市场化水平的作用，而孵化培育阶段更强调政府财政补贴的作用。未来我国众创空间应进一步兼顾并强化市场运作和公共服务两种属性。一方面，众创空间要加强对入驻企业和创业团队的审核，引入具有发展潜力的创业者，确保政府财政补贴资源能够得到有效利用。另一方面，众创空间应提升服务队伍的专业化水平，为入驻的创业团队和企业提供有价值的创新创业服务，可重点培育一批优质创业团队和企业，形成领头效应。

4.4 研究不足与展望

本文也存在以下不足，值得进一步研究。①由于数据的可得性与QCA方法的限制，本文侧重于众创空间效率提升路径的跨区域横向分析，未能考察各条件随时间变化如何影响效率变化。未来可收集更多数据，改进QCA方法，分析研究组态效应的动态变化。②不同阶段的效率影响因素可能存在差异，因而需要准确识别不同阶段的关键影响因素进而展开组态分析，未来可考虑结合机器学习算法挖掘不同阶段的关键影响因素。③以各省市众创空间为研究样本，研究结论也许不能很好地适用于单个的众创空间，未来可以通过实地调研等方式从微观的样本出发展开研究，并与本文组态进行比较，使得研究结论更丰富。