双创背景下众创空间运行效率评价及影响因素分析——基于三阶段DEA-Tobit模型

李存斌 马源培

华北电力大学经济与管理学院 北京 102206

1 研究背景

近年来我国的发展历程中，有两个热频词。一是创新驱动发展，科技领域创新开拓是提高社会生产力和综合国力的最强推动力，以科技创新驱动代替传统劳动力及资源能源驱动是我国未来发展的核心战略。二是经济新常态，强调优化经济结构保证中高速增长的同时转向创新驱动。“大众创业、万众创新”理念的提出是切合发展现状的创造性举动，“双创”的深入开展推动新生市场和新生业态的大量涌现，助力传统企业升级，激发大众创业者的创业热情，成为稳定和扩大就业的重要支撑及推动中国新常态下经济发展转型的核心思想。

众创空间作为创新型孵化器，具备专业化服务能力，其便捷、完整的孵化要素可以满足创客的创业经验指导和创新思想孵化落地的需求。众创空间的形成发展，顺应开放创新、协同创新、大众创新等思想交汇融合的创新趋势。众创空间的良好发展可以使得“双创”中创新创业个体或集体的思想实践化，切实为“双创”注入活力，营造良好创新创业生态环境，实现可持续性的“大众创业、万众创新”。

2 文献综述和研究创新

国内众创空间相关领域的研究从无到有，从有到成果纷呈，历时不到十年。“科技创新浪潮”的迅速发展无疑靠的是2.0创新时代的推动和国家“大众创业、万众创新”的双创政策的支持。众创空间的发展运行，代表着传统孵化器的再深入创新，代表着创新思维浪潮的落地可行性，更是代表着国家创新驱动发展战略的引擎驱动力。国内学者们从不同角度，借助不同模型工具对众创空间进行研究，极大丰富了众创理论研究，补上了国内在此领域的薄弱一环。

众创空间发展初期，国家提出相应政策纲领，有研究学者从整体角度对政策、运行机理等进行评价。卜令通等人从宏观层面出发，基于五年内各省市出台的众创政策并结合PMC指数模型进行量化评价分析后提出了政策改进建议。林妙昕等人同样基于发展政策，聚焦于广东省众创空间发展情况，对样本政策进行编码划分，形成供给型政策、环境型政策和需求型政策三个分类并深入分析可改进空间。陶小龙、黄睿娴基于同级层视角和跨级层视角，从创新创业载体提高孵化创新水平的基本点出发，对众创空间案例样本进行扎根理论分析，对众创生态系统和运行机制进行剖析。潘英豪等人通过实地走访调查山东省内众创空间，对其不同运营模式和影响因素总结归纳，为制度完善性和创业者入驻提供指导建议。

部分研究学者的重点放在众创空间的空间区域性质上，积极探索不同省市的科技孵化器的地域和效率的空间相关性。陈洁、蒋亮等人采用最近邻指数、核密度分析等探究众创空间地域层面的演变特点和影响机理。卫武、黄苗苗将研究重点放在各省市众创空间发展状况的差异性和不平衡性上，基于经济发展新常态的双创浪潮，比较不同创新服务载体的影响因子，并提出切实地区发展实情的政策建议。

随着众创空间的不断发展，研究学者不仅深入量化评价众创政策，从空间维度分析地区性差异，更多的研究关注于其运行效率和影响因素。张静进、陈光华采用经典三阶段DEA模型，排除环境因素和随机误差因素的干扰，评价测算更贴近真实情况的运行效率，对众创空间运行中投入冗余提出调整建议。徐丽、胡文彪等人采用DEA模型和DEA-Malmquist指数，在构建的投入产出体系中对区域创新能力进行动静双方面的分析，对测算的运行效率进一步分解后总结对应的管理建议。李荣、王彦铭学者的研究在使用三阶段DEA之外，加入了两阶段共同边界DEA的测度方法，将众创空间运行流程分解为服务阶段和转化阶段，利用前后关联性递推分析两阶段的效率情况。

综上所述，现在国内对众创空间运行效率的评价研究已有一定积累，但大多采用的数据都是单年多地区的横截面数据，测算过程存在偶然性。徐丽、田剑等人也在研究中指出众创空间发展时间较短的限制使得多年多地区的面板数据使用出现阻碍。本文计划使用2016—2019四年相关数据，在参考文献基础上对投入产出指标体系进行调整构建，使用三阶段DEA对我国各省众创空间运行效率进行评价，从区域角度和时间序列上探究发展情况。在测得四年整体运行效率后使用tobit回归模型，选取不同于三阶段DEA指标体系的评价指标作为解释变量，运行效率作为被解释变量，进行大样本回归分析，深入探讨影响众创空间发展的因素。

3 研究设计

3.1 模型构建

经典DEA采用线性规划技术计算效率，约束限制较少，但未考虑环境因素和随机误差对效率差异的影响。针对这一不足，Fried等提出了三阶段DEA模型，首先利用经典DEA测算效率值，然后利用随机前沿模型对投入指标进行修正调整，使各个决策单元处于相同的环境当中，最后将修正后的投入数据使用经典DEA模型再次计算，得到剥离了环境因素和随机误差影响的结果。

Tobit模型，又称受限回归模型、截尾回归模型，是指因变量受到限制的一种模型。该模型采用最大似然法对部分连续的或离散分布的被解释变量进行回归估计，可以避免采用普通最小二乘法估计带来的参数估计量不一致和偏差问题。该模型的数学表达式为：

其中，是被解释变量，为解释变量，为随机扰动项且～(0，)。

3.2 指标选取

3.2.1 三阶段DEA投入产出指标

选取代表众创工作服务支持度的工作人员数量，反映服务规模提供的工位数量，体现政府支持力度的财政资金支持和服务工作开展进度的创新创业活动次数为投入变量。选取众创空间的数量、创业团队和初创企业当年获得投资总额以及众创空间总收入等经济收益作为产出变量。

3.2.2 三阶段DEA环境变量

环境变量应为对运行效率评价有影响且评价单元无法控制改变的变量，文章做了调整，选取了人口数量、城镇人口比重、人均GDP和受教育程度四个环境变量。其中受教育程度不同于以往文献中的文盲率，而是考虑到众创空间的发展对工作人员提出相对较高的学历要求，因此选用各省份6岁以上受教育人数中，本科及本科以上占总人数的比例。

3.2.3 影响因素

参照李容等的研究并结合政府部门相关政策，选取政府补贴、当地科技企业孵化器数量、创业导师人数、备案众创空间比例、开展创业教育培训次数和人员教育素养这6个变量作为影响因素。为了减少异方差的影响，将政府补贴、当地科技企业孵化器数量、创业导师人数、开展创业教育培训次数和人员教育素养这5个变量进行对数变换后加入Tobit回归模型。

3.2.4 数据来源

研究使用的各项指标数据均来源于2017至2020年《中国统计年鉴》和《中国火炬统计年鉴》(部分数据缺失)。

4 基于三阶段DEA模型的众创空间运行效率测算分析

4.1 第一阶段：传统DEA效率测算结果及分析

采用DEAP2.1软件，选取投入导向规模报酬可变的BCC模型测算2016—2019年中国30个省区市众创空间运行效率，第一阶段的DEA结果如表1所示。由表1可以发现，在不考虑外部环境因素的影响下，整体而言，中国众创空间资源配置状态有待优化，众创空间运行效率仍有一定的提升空间。河北、上海、甘肃和青海的众创空间运行效率平均值为1，表明2016—2019年这4个省市的众创空间的资源配置十分均衡，长期处于DEA有效状态。其他省区市的众创空间运行效率与最优值之间仍存在一定差距，其中，北京市、吉林省、黑龙江省、江苏省、浙江省、福建省、广东省、广西壮族自治区、宁夏回族自治区和新疆维吾尔自治区的众创空间运行效率平均值均高于全国平均值，说明这10个省区市的众创空间投入和产出处于较为均衡的状态；而天津市、山西省、内蒙古自治区、辽宁省、安徽省、江西省、山东省、河南省、湖北省、湖南省、海南省、重庆市、四川省、贵州省、云南省的众创空间运行效率平均值均低于全国平均值，说明这16个省区市的众创空间投入产出效果一般，资源配置有待优化。

表1 2016—2019年中国30个省区市第一阶段众创空间运行效率平均值

4.2 第二阶段：SFA模型回归结果与分析

考虑到第一阶段传统DEA模型没有排除环境变量、随机干扰项和内部管理无效率等因素对众创空间运行效率的影响，导致决策单元的效率运行结果出现一定偏差。因此，在第二阶段将众创空间服务人员数量、提供工位个数、享受财政资金支持和举办创新创业次数这4个投入指标的松弛变量作为因变量，选取各地区人口数量、城镇人口比重、人均GDP和受教育程度这4个环境变量作为自变量，采用SFA模型并借助Frontier4.1软件考察环境变量对投入指标松弛变量的影响，SFA模型的回归结果见表2。

表2 SFA模型回归结果

城镇人口比重对服务人员数量松弛变量、提供工位个数松弛变量的系数均显著为正。表现在城镇人口比重越高，越不利于降低服务人员数量和提供工位个数的投入冗余。原因可能在于城镇人口比重高的地区经济发展水平较高，创新创业智能化服务设施也更为健全，对服务人员数量和工位个数的需求也相对较少，从而在导致众创空间服务人员数量和提供工位个数产生投入冗余，造成浪费，进而不利于众创空间运行效率的提升。城镇人口比重对享受财政资金支持松弛变量产生了显著的负向影响，说明城镇化比重越高，越有利于降低财政资金支持松弛。这可能是因为城镇人口比重高的地区往往有更多的创新创业机会，而创新创业初期通常面临高额的资金投入和较大的风险，对政策财政资金支持的需求也较高，因此，城镇化比重越高，越有利于降低财政资金投入冗余。

人均GDP对提供工位个数松弛变量的影响显著为负，表明人均GDP越高，越有利于降低提供工位个数松弛。这可能是因为人均GDP越高的地区，经济活动活跃程度更高，收入水平往往也较高，从而能够吸引更多的创新创业人才，有效降低提供工位个数投入松弛，进而提升众创空间运行效率。人均GDP对享受财政资金支持松弛变量的影响显著为正，表明人均GDP导致享受财政资金支持松弛变量增加，主要原因在于人均GDP较高的地区，往往也有较高的财政收入水平，从而导致财政资金投入众创空间的数额较大，产生了大量投入冗余，从而对众创空间运行效率产生消极影响。

受教育程度对服务人员数量松弛变量、享受财政资金支持松弛变量的影响显著为负，说明受教育程度越高，越有利于降低服务人员数量和享受财政资金支持松弛。其原因可能在于受教育程度越高的地区，服务人员对于创新性、科技性较强的孵化项目有一定经验和基础知识支撑，可以更高效地完成工作，有利于降低服务人员数量松弛量，进而提升众创空间运行效率；同时，受教育程度高的地区往往汇集了大量高素质人才，创新创业氛围浓厚，对财政资金支持的需求量也随之提高，财政资金使用效率较高，能有效降低财政资金支持的投入松弛冗余，进而提升众创空间运行效率。受教育程度对提供工位个数松弛变量产生了显著的正面影响，表明受教育程度高导致提供工位个数松弛变量增加。主要原因可能在于，受教育程度高的地区众创空间的数量在不断增加，大部分众创空间在初创时期在进行工位个数的配置过程中，由于对众创空间的主营业务、岗位需求等不够熟悉，导致提供工位个数出现了供需不对应的状态，导致资源浪费，从而不利于众创空间运行效率提升。

4.3 第三阶段：调整后的运行效率结果与分析

第二阶段SFA模型的回归结果表明外部环境因素会对众创空间运行效率产生较大变差，故需要对原来的投入变量进行调整，运用调整后的投入指标和原有的产出指标，采用投入导向规模报酬可变的BCC模型测算2016—2019年中国30个省区市众创空间运行效率，表3汇报了调整后的众创空间运行效率结果。第三阶段2016—2019年中国30个省区市众创空间运行效率(综合技术效率)、纯技术效率和规模效率的均值分别为0.641、0.995和0.645。

表3 2016—2019年众创空间运行效率调整后的结果

对比第一和第三阶段的结果可以发现，在剔除了环境因素和随机干扰项的影响后，中国30个省区市众创空间运行效率(综合技术效率)的平均值下降了0.213，降幅为24.94%；纯技术效率上升了0.084，增幅为9.22%；规模效率的平均值下降了，降幅为31.09%。由此可见，从第一阶段到第三阶段，众创空间运行效率和规模效率的平均值均出现了较大幅度的下降，而纯技术效率的平均值则没有显著变化，说明规模效率低下是造成中国众创空间运行效率低下的主要原因。

为了进一步了解中国众创空间运行效率的地区差异，根据国家统计局的划分标准，将本文的研究对象30个省份划分为东、中、西三大地区，本文中的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南共11个省(市)；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖南和湖北共8个省；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆共11个省(自治区、直辖区)。由图1可以看出，中国各地区众创空间运行效率具有明显的地区差异。总体而言，2016—2019年中国众创空间的运行效率呈现上升的趋势，表明众创空间资源配置水平在不断优化，但均值在0.650左右波动，说明中国众创空间运行效率并不理想，仍存在较大的提升空间。

从东、中、西部地区分别来看，东部地区众创空间运行效率最高，表明东部地区众创空间的投入适度、产出效果明显，资源配置最为科学合理，主要得益于东部地区优越的地理位置、较高的经济发展水平和浓厚的创新创业氛围。中部地区众创空间运行效率呈现先上升后下降的变化趋势，但运行效率仍低于全国平均水平。原因可能在于中部地区受东部地区的辐射带动作用较强，承接了东部地区的技术转移和产业转移，导致早期众创空间投入取得了积极成效，后期因为没有及时对投入水平进行合理的调整，中部地区众创空间运行效率又有所下降。西部地区众创空间运行效率最低，均值一直在0.5以下，这可能是由于众创空间发展起步较晚，受制于经济发展水平、科技发展水平落后等原因，“大众创业、万众创新”的意识较为薄弱，投入产出效果较差。

图1 2016—2019年中国及各地区众创空间运行效率变化情况

5 基于Tobit模型的众创空间运行效率影响因素分析

由于三阶段DEA模型测算出的众创空间运行效率值在0～1之间，属于受限被解释变量。为了更深入地分析中国众创空间的影响因素，本文运用stata15.0软件，采用Tobit回归模型对众创空间运行效率的影响因素进行实证检验。回归模型如下：

=+1+2+3+4+5+6+

式中，和分别代表省份和年份，为众创空间运行效率，表示政府补贴，表示当地科技企业孵化器数量、表示创业导师人数、表示备案众创空间比例，表示开展创业培训次数，表示人员教育素养，为随机扰动项。

表4报告了Tobit模型的回归结果，LR检验和Wald检验均通过显著性检验，说明模型的拟合效果很好，Tobit模型的选择是合理的。由回归结果可知，政府补贴与众创空间运行效率的回归系数为0.067，且通过了5%水平上的显著性检验，说明政府补贴水平越高，众创空间运行效率就越高。具体而言，政府补贴每增加1%，众创空间运行效率随之提高0.067%。当地科技企业孵化器数量的回归系数为0.084，且通过了1%水平上的显著性检验，表明增加当地科技企业孵化数量有助于提高众创空间的运行效率。具体而言，当地科技企业孵化器数量每增加1%，众创空间运行效率会提高0.084%。人员教育素养的系数为正且在5%的水平上通过显著性检验，说明人员教育素养对众创空间运行效率有显著的积极影响。未通过显著性检验的变量，结合实际情况进行主观方面解释，创业导师人数和开展创业培训次数的系数为正，但未通过检验，这可能是因为部分地区政府对于实际运行中的培训指导不够重视，众创空间运行属于摸索前进，缺乏专业指导。备案众创空间比例的系数为负，原因可能在于监管备案流程不够规范，为追求表面数字而只有“空壳”的众创空间只会造成投入资源浪费。具体而言，人员教育素养每提高1%，众创空间运行效率会随之提高0.079%。综上所述，当地科技企业孵化器数量是影响众创空间运行效率的首要因素，其次是人员教育素养，随后是政府补贴。

表4 Tobit模型回归结果

6 结论与政策建议

本文的研究选择三阶段DEA模型，采用30个省份四年面板数据，考察环境变量对四种投入指标的松弛变量的影响，得出更贴近真实的排除环境因素和随机误差因素后的众创空间运行效率。深入解读测算结果，调整后运行效率和规模效率的平均值均出现了较大幅度的下降，而纯技术效率的平均值则没有显著变化，得出规模效率低下是现运行阶段的主要问题，从时间序列分析众创空间发展情况，2016—2019年众创空间效率有所上升且较为稳定，但0.650的均值说明仍然存在提升空间。对30个省份评价单元进行地域划分，并从空间角度分析东中西地区发展不平衡现状和其原因。使用Tobit回归模型，以三阶段测算结果为被解释变量，选取六项解释变量，深入探讨影响众创空间运行效率的因素。总结全文实证研究，结合相关“双创”政策，归纳出如下针对众创空间未来发展的政策建议。

(1)从整体上对众创空间的空间布局进行合理化调整，优化完善空间体系。东、中、西三地区应结合自身发展情况进行政策引导。东部地区继续借助发达经济地带和高新技术人才科技聚集的优势，建立针对高新技术前沿领域的众创空间，争做“双创”中的“尖端力量”的同时增强对其他地区的辐射带动作用。中部地区不仅要承接技术和产业转移，更要积极学习借鉴东部地区双创工作开展经验，在众创空间大众化建设的基础上提高服务水平，拓宽服务对象范围，向革新性创意技术孵化对接。西部地区努力与中部、东部地区搭建众创产业“链式化”，顺接吸收中部地区众创成果影响，打造面向大众的基础性众创空间聚集地，加大宣传力度以提高群众“大众创业、万众创新”的意识，营造良好双创氛围。(2)众创空间相关人员教育素养和运行效率紧密相关。全面优化众创空间高等教育素养人才体系，实施“招进来”和“留下来”双线推进战略。“招进来”即积极与拥有丰富的双创资源的高校和科研院所等开展合作交流，为创新人才直接提供一对一岗位对接。拓宽招收范围，吸引大学应届毕业生就业，革新工作人员团队，全面提高教育素养。“留下来”即为有创新创业能力的人才制定优惠政策，提供良好生活和收入保障，提高满意度。同时完善人才激励政策，例如，科技成果转化所带来利益分配、股权和绩效等。(3)政府加强政策引导在众创空间运行中的影响力度。在科技创新点和孵化落地之间，政府要扮演“牵线者”。在众创空间和科研机构、行业协会团体、企业等之间进行积极引导。对于众创空间运行，细化补贴资金流向，在众创空间开展的多项活动中，例如，对入驻人员团队的创业培训辅导，科创项目投融资对接，众创空间建设用地出租和基础设施建设等方面制定相关优惠政策，加大补贴力度。同时趁“双创”浪潮加大宣传力度，政府利用影响力在广告或其他媒体渠道为众创空间提升群众吸引力。(4)当地科技企业孵化器数量对于众创空间运行效率有显著正向影响，这说明地区范围内，高新技术企业孵化成果能带动高新技术产业发展，对于孵化器延伸者众创空间而言，有可学习借鉴的孵化经验，进而能带动众创空间积极发展。众创空间的定位是顺应网络时代，更多面向互联网创业者，多与当地科技企业资源结合。在孵化对象选择上，打破传统企业传统产业的边界引导产业升级转型，聚类创新人力、物力、科创思想等资源和高技术企业联合开展产学研深度融合。(5)“双创”浪潮下，政府一直提倡降低创业门槛，但同时在众创空间飞速发展的这几年，部分众创空间造成投入冗余，没有为创业者提供服务的能力和设施。

因此必须完善众创空间备案规范体系，实行“外紧内松”。“外紧”指的是限制各地区上报数量的同时对于符合备案的相关指标要严格细化，对于众创空间考察从材料文件转到实地考核，增加考核专家人数并面向社会群众公示，保证考察过程严谨。“内松”是指通过建立专门申报系统平台，为符合申报条件的众创空间减少烦琐流程。