基于DEA方法的我国科技企业孵化器运行效率评价

郑小珊

基于DEA方法的我国科技企业孵化器运行效率评价

郑小珊

以2013年我国30个省份的国家级科技企业孵化器为研究对象，运用DEA效率评价方法构建投入、产出指标体系并进行综合效率、纯技术效率和规模效率分析，研究结果表明我国科技企业孵化器整体效率水平较高，且纯技术效率均值高于规模效率的结论。对此提出一方面要严格控制资源投入，防止浪费现象的产生；另一方面合理规划规模，以实现规模效应，增加产出。

企业孵化器；DEA方法；运行效率

一、引言

十八大以来，我国积极推进科技体制改革，实施创新驱动发展战略，旨在通过科技创新推动体制改革促进经济转型发展,使创新型国家建设迈向了新的征程。为了支持科技企业的发展，我国从20世纪80年代起着手建立科技企业孵化器，到2013年年末，全国已有1468家科技企业孵化器，其中包括504家国家级科技企业孵化器，在孵企业则达到了77677家。科技企业孵化器，是为中小科技企业提供场地、资金等物质条件以及技术、培训等服务支持的机构，它能降低参孵企业的创业风险和成本，提高创业成功率，从而培育成功的高新技术企业和企业家。它对促进科技进步和高新技术产业发展，完善国家科技创新体系有着重要意义。对经济结构调整和经济发展方式转型的当代中国来说，如何有效评价科技企业孵化器，尤其是国家级科技企业孵化器的孵化效率，对其进行合理的引导和规范的控制显得尤为重要。

对科技企业孵化器的研究不单单集中于效率评价这一块，潘冬、石常峰等基于生态位的视角，而林德昌等、赵黎明等则通过调查问卷及对虚拟科技孵化器和众包模式的对比分析探讨了影响科技企业孵化器创新的因素并提出了创新服务改进策略。在其投资收益和盈利模式方面，肖强以孵化器创办及运营所需资金的来源渠道为依据，将主要收益模式划分为房地产、中介服务、自办实业和风险投资四种。郭俊峰、霍国庆等在分析孵化器价值链、产业链以及利益相关者的基础上，构建了孵化企业的盈利模型，从而对其盈利模式进行了解析。有学者（如吴文清、张海红和张涵、赵黎明等）通过构建科技企业孵化器与其主要行为主体——如企业、创投等的博弈模型，探讨了影响博弈实现均衡的主要因素，如信息不对称、知识共享水平低等。此外还有研究科技企业孵化器商业模式和企业行为模式的，如杜娟、张少杰和陈颉、李娜等。

而在科技企业孵化器运行效率评价这一块，国内学者也取得了不错的成绩，其中，绝大多数学者通过构建不同评价指标体系，运用不同模型进行评价。在DEA方法运用方面，刘琳、李冬梅等基于2010-2012年我国西南地区28家国家级科技企业孵化器的数据，结合聚类分析法深入研究了西南地区企业孵化器运行效率的差异。代碧波、孙东生在对科技企业孵化器运行效率的内涵进行界定的基础上，对东北地区2008年14家国家级科技企业孵化器的运行效率进行了实证分析，指出提高孵化器的孵化能力和经济效益是改进效率的重要途径。张鹏、占豪剑以广东省2006年科技企业孵化器为决策单元进行DEA计算，指出了其效率低下的主要原因是技术无效并提出了改进策略。还有部分学者选择使用其他模型对企业孵化器运行效率进行评价，如宋清、金桂荣等将科技企业孵化器绩效分为经济绩效、孵化绩效和科技创新绩效，运用回归分析方法分析了人、财、物三类资源投入要素对科技企业孵化器绩效的影响。而范金、赵彤则基于新型多指标评价方法——PLS路径模型，运用南京110家企业调研数据，构建评价指标体系进行评价，进而做出针对性决策。除此之外，运用较为普遍的还有随机前沿分析法、主成分分析法、灰色关联分析法等。

总体而言，由于缺乏统一标准的评价指标体系，我国学者在科技企业孵化器效率问题的研究上显得主观性比较强，效率差异分析和结论的实用性不明显，且针对区域性的企业孵化器运行效率评价较多，而忽视了国家层面的效率分析。基于此，本文在前人研究的基础上，构建科技企业孵化器运行效率的投入和产出指标体系，并以2013年中国省际区域相关数据为依据，运用DEA这一效率分析的前沿方法，对中国国家级科技企业孵化器最新的效率现状进行评价，以期为孵化器主要行为主体，即孵化器自身、参孵企业及其他利益相关者等提供决策参考依据。

二、方法与评价指标体系的建立

（一）DEA效率评价方法

科技企业孵化器、参孵企业及其他利益相关者构成的是一个复杂的系统，各种投入和产出资源互相转化，很难对各个指标进行绝对的量纲处理，因此，本文选用DEA方法来对其相对效率进行评价。DEA模型是运用线性规划的方法建造一个非参数分段的前沿面，再相对这个面来计算效率。它有三个主要的选择：标准CRS和VRS的数据包络分析模型，包括技术效率和规模效率的计算；上述两个模型的延伸，成本和配置效率计算；针对面板数据的Malmquist全要素生产率的计算。由于本文是评价孵化器的运行效率，主要针对其技术效率和规模效率而言，因而着重介绍标准的CRS和VRS模型。

1.CRS模型是由Charnes、Cooper和Rhodes于1978年提出，因此也被称为CCR模型，该模型为投入主导型并假设规模报酬不变。假设有N个决策单元DMU，对于第i个DMU，其投入和产出指标分别为xi和yi，X、Y则分别为投入和产出矩阵。则有：

其中λ是一个N×1的常数矢量，θ是一个标量，就是第i个DMU的效率分数。θ=1代表该决策单元的效率是前沿效率上的点，也就是技术有效的DMU。要注意的是，线性规划问题必须要解决N次，即所有样本都要计算，由此得出每个DMU的θ值。

2.VRS模型由Banker、Charnes和Cooper于1984年提出，也被称为BCC模型，这是对规模报酬不变的CCR模型的拓展，即BCC模型假设规模报酬是可变的。当DMU没有在最优的规模上运作的时候，CCR模型可能会导致技术效率的测度被规模效率所混淆，BCC模型则可以很好地解决这一问题，它允许剔除规模效率的影响来进行技术效率的计算。在公式（1）的基础上定义BCC模型公式：

N1是所有的N×1的矩阵，这是在CCR线性规划模型的基础上通过增加一个凸性约束而来，即N1’λ=1。这种方法形成了一个凸面，能够比CCR圆锥形的面更紧密地包络所有的数据，因此获得的技术效率比使用CCR模型获得的技术效率高或者相等，称之为纯技术效率。在此基础上，将综合效率与纯技术效率之比定义为规模效率，用以表示决策单元的生产规模与最优生产规模之间的差距。

（二）指标选取及数据来源

构建合理的投入和产出指标体系是用DEA方法评价科技企业孵化器运行效率的前提。国内学者主要从资源投入和由其转化而来的成果产出角度构建评价指标体系，如殷群、张娇从人、财、物三个方面建立投入指标，分别为孵化器在职人员总数、孵化基金总额和孵化器的场地面积。产出指标则主要定位在取得的社会效益方面，分别用累计企业毕业数表示孵化器的成功孵化率、用在孵企业人员数与孵化器人员数之和表示增加的就业机会、用在孵企业上缴税金表现其对国家经济建设的贡献。王敬、汪克夷则从孵化器的社会效益和自身效益两个角度构建产出指标，其中社会效益主要包括新增企业数、新增就业岗位数和获批准知识产权数，自身效益包括孵化器总收入和服务性收入。在总结前人结论的基础上，本文构建指标如表1所示。

表1 科技企业孵化器的投入和产出指标体系

必要的人力、财力及物力资源的投入是维持一个科技企业孵化器正常运转的基础条件，结合数据的可获得性，本文选用孵化器在职人员总数（人）、孵化基金总额（千元）、孵化器场地总面积（平方米）分别作为人、财、物资源投入指标。在产出指标方面，由于孵化器不仅仅为自身及参孵企业带来了收益，在创造就业机会、推动经济增长等方面也存在着不可忽视的重要作用，因此本文除了考虑孵化器自身孵化效果之外，还综合了其取得的社会效益和经济效益，最终选定累计毕业企业数（个）、孵化器总收入（千元）和在孵企业人员数（人）构成产出指标。

本文以中国大陆31个省（自治区）为决策单元，以其拥有的国家级科技企业孵化器为研究样本，由于西藏自治区数据披露不全将其剔除，最终选定除西藏以外的30个省为研究对象，相关数据均来自《中国火炬统计年鉴2014》。运用DEAP 2.1软件对上文建立的投入及产出指标数据进行处理并加以分析。

三、实证结果及分析

（一）整体效率分析

用DEA软件对相关数据进行处理，得到效率指数如表2所示。

表2 2013年我国各省国家级科技企业孵化器运行效率

从表中可以看出，2013年我国30个省（自治区）的国家级科技企业孵化器综合效率均值为0.905，总体水平较高，其中达到综合效率有效的有14个省，占总体的46.67%，这14个省的科技企业孵化器运行效率在整体上实现了最优，其投入资源的使用达到了最理想的状态，且产生了规模收益。在综合效率小于1的省份中，海南省只有0.457，处于30个省份的最低水平。然而在所有的效率值中，其纯技术效率达到了1，说明海南省的科技企业孵化器投入资源转化的产出水平是有效的，总体效率低是受规模效率的影响。另外，山西省的综合效率为0.61，其纯技术效率阻碍了整体运行效率的提升，存在投入冗余或者产出不足的情况。

（二）纯技术效率及规模效率分析

纯技术效率是指决策单元投入资源的使用程度，即其投入的某种资源是否在最大程度上转化为了产出。规模效率考虑的则是规模效应对整体效率的影响。表3是对本文纯技术效率及规模效率的进一步总结。从表3能看到，纯技术效率的均值大于规模效率的均值，且在所有的决策单元中，纯技术效率达到1的省份为23个，占总体的76.67%，规模效率达到1的省份只有15个，占总体的50%。这说明2013年我国国家级科技企业孵化器投入资源的节约和使用程度较高，相比之下规模效应的带动作用却不是很明显。在孵化器的建设和管理方面要注意规模效应的影响，这可以作为今后努力的一个方向。

表3 纯技术效率和规模效率统计特征值

（三）非DEA有效分析

理论上来讲，对非DEA有效的决策单元，可以通过调整投入和产出的数值使其达到DEA有效。本文选取的30个DMU（决策单元）有16个未达到DEA有效，选取其中综合效率不满0.8的7个省份，其投入和产出冗余变量如表4所示。

表4 非DEA有效孵化器的投入和产出调整值

由表4得到，上述7个非DEA有效的省份都需要提高孵化器在经济效益方面的产出转化能力，孵化器总收入这一指标存在很大的改进空间，如吉林省在当前投入不变的情况下，总收入可提升两千万元以上。吉林省、贵州省和甘肃省则可以通过增加在孵企业人员数实现社会效益来提高孵化器整体的运行效率。在投入资源的利用方面，这7个省份表现得比较好。山西省和甘肃省需要适当减少孵化基金总额，河北省则要控制孵化器场地总面积的进一步扩大，以降低投入资源冗余度，避免资源浪费现象的产生，提高孵化器运行效率。

四、结束语

本文以2013年我国30个省份拥有的国家级科技企业孵化器为研究对象，构建了运行效率评价的投入和产出指标体系，运用DEAP2.1软件计算分析了其综合效率、纯技术效率和规模效率，并给出了7个非DEA有效省份的投入和产出松弛变量值。结果表明：2013年我国国家级科技企业孵化器运行效率整体水平较高，但是也存在海南省、山西省等综合效率不足的省份。纯技术效率均值高于规模效率，说明整体上投入资源的节约和配置程度较高，但未能充分发挥规模效应的带动作用。基于此，提出如下建议：各省应结合自身实际制定战略规划，纯技术效率和规模效率一起抓，既要保证投入无冗余，资源无浪费，又要注意控制孵化器规模的变化，使产出达到最大，以实现整体效率的提升。

[1]潘冬,石常峰.生态位视域下的科技企业孵化器技术创新服务研究[J].科学管理研究,2014,32(4):4-7.

[2]林德昌,廖蓓秋,陆强等.科技企业孵化器服务创新影响因素研究[J].科学学研究,2010,28(6):920-925.

[3]赵黎明,刘猛,郝琳娜.基于众包模式的虚拟科技孵化器创新研究[J].中国科技论坛,2014，(08):30-35.

[4]肖强.科技企业孵化器的投资收益模式研究[J].科技管理研究,2013，(06):197-200.

[5]郭俊峰,霍国庆,袁永娜.基于价值链的科技企业孵化器的盈利模式分析[J].科研管理,2013,34(2):69-76.

[6]吴文清,张海红,赵黎明.科技企业孵化器与创投知识共享博弈及政策研究[J].软科学,2014,28(1):39-43.

[7]张涵,赵黎明.基于合作博弈理论的科技企业孵化器网络稳定性分析[J].科学管理研究,2013,31(3):57-61.

[8]杜娟,张少杰.科技孵化器中企业行为模式的超边际分析[J].统计与决策,2013，(08):182-185.

[9]陈颉,李娜.科技企业孵化器商业模式构建研究——基于天津地区多案例分析[J].科技进步与对策,2013,30(9):90-95.

[10]刘琳,李冬梅,赵智.我国西南地区科技企业孵化器运行效率差异研究——基于28家孵化器的DEA分析[J].科技管理研究,2014，(20):59-64.

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

[12]张鹏,占豪剑.基于DEA科技企业孵化器绩效评价——以广东为例[J].科技管理研究,2010，(14):78-81.

[13]宋清,金桂荣,赵辰.科技企业孵化器绩效的影响因素实证研究[J].中国科技论坛,2014，(10):120-125.

[14]范金,赵彤.孵化器内初创型科技企业绩效综合评价[J].南京社会科学,2014，(07):27-34.

[15]Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units[J].European Journal of Operational Rescarch,1978，,02):429-440.

[16]Banker R D,Charnes A,Cooper W W.Some models for estimating technical and scale inefficiencies indata envelopment analysis[J].Management Science, 1984，,09):1078-1092.

[17]魏权龄.数据包络分析[M].北京:科学出版社，2004.

[18]殷群,张娇.长三角地区科技企业孵化器运行效率研究——基于DEA的有效性分析 [J].科学学研究,2010，28(1): 86-94.

[19]王敬,汪克夷.基于DEA方法的我国新兴产业孵化器技术效率评测研究[J].大连理工大学学报,2012，33(2):18-21.

郑小珊，女，安徽安庆人，安徽大学商学院硕士研究生，研究方向：技术经济及管理。

F273/F062.4

A

1008-4428（2015）07-106-04