企业孵化器的创新驱动效应研究——基于省级面板数据的随机前沿分析

(山东财经大学金融学院，山东 济南 250014)

研究背景

科技企业孵化器是国家技术创新体系的重要组成部分，是新创企业协同创新、降低创业风险的网络平台。随着创新驱动战略的全面推进，我国新创企业创新与生存能力薄弱的问题日益凸显。因此，如何通过科技企业孵化器(以下简称孵化器)等创新载体(鲍克与夏友富2008)[11]对其进行孵化培育1，从源头上推动创新驱动发展战略，是学界、业界与政府共同面临的难题。

“十一五”以来，我国孵化器事业获得了快速发展2，截止2015年末全国国家级孵化器总数已超过600家(所有孵化器总数超过1500家)，一些先进孵化器(例如宁波国家高新区)甚至针对企业成长不同阶段孵化服务需求，将孵化服务向前期和后端进行了拓展，形成了从创业苗圃到孵化器、再到加速器与产业园的全程孵化体系。但是，我国大多数孵化器存在发展方向不明、服务水平较低、退出机制缺失、链接社会资源网络能力不足等问题。现有文献以描述性居多，少有结合我国创新驱动发展背景来探讨孵化器的运营机制与绩效评估。

有鉴于此，本文拟以创新驱动发展为目标来探讨科技孵化器的微观机制，考察其创新驱动效应与影响因素。这不仅可以促进我国“大众创业、万众创新”战略的实施，而且有助于相关部门对孵化器进行科学评估和管理，促进孵化服务水平的提升。因此具有重要理论和实践意义。

文献综述

一、以新创企业成长为目标是孵化器未来发展趋势

国外文献普遍将孵化器定义为促进创业、提高就业与链接社会的经济社会工具。从美国等国家发展经验来看，孵化器发展主要模式是孵化服务拓展与对入孵企业股权投资。根据Nicholas Theodorakopoulos et al.(2014)[8]，孵化器目标与功能主要经历了三个阶段：提供共享设施与场地(1980～1990年)；新增商业咨询服务、支持功能(1991～2000年)；进一步提供创业辅导、发展创新网络与企业加速器等新型功能(2001年～至今)。

与国外不同，我国科技企业孵化器是政府基于中国特色市场环境推出的政策工具，主要经历了两个阶段：(1)发展缓慢的第一阶段(1987～2000年)。政府直接投资以服务科技成果转化为目标的创业服务中心，孵化器主要功能是创业孵化。(2)快速发展的第二阶段(2000年～至今)。政府部门不再直接投资，而是通过支持引导国有、民营企业等多元经济主体参与孵化器建设和运营，孵化器功能开始由创业孵化向企业加速与招商引资等多元化功能拓展(刘刚，李强治；2014)[15]。这虽能暂时平衡了多元化投资主体的利益追求与政府短期目标，但也导致了孵化器服务水平不专业、链接社会资源能力不足。

随着创业环境的完善和创新创业活动的不断增多以及土地资源的稀缺，尤其是最近“大众创业、万众创新”战略的提出，现有孵化器的空间扩张模式已面临极大的瓶颈，以新创企业成长为目标的孵化服务深化和创业投资模式是孵化器未来发展趋势。

二、基于新创企业成长的孵化器运行机制研究

资源基础论是解释新创企业成长的主要理论，与其相关的孵化器运行机制理论研究，主要聚焦于以下问题：创业企业成功的决定要素是什么？孵化器如何能够有效地帮助创业企业获取这些要素？大量研究发现，成功孵化器普遍遵循如下原则：(1)成功筛选有潜力的创业企业与团队。(2)解决创业企业的瓶颈资源约束。(3)与当地政府和文化相融合。代表性文献有：林强(2003)[14]、Hackett and Dilts(2004)[4]、Maital et al.(2008)[7]、Bruneel(2012)[5]等。

随着研究的深入，Chandra,Chao(2011)[1]、Tavoletti(2012)[11]、张力等(2014)[18]等逐渐将研究重心从孵化器有形资源，转向能促进创业企业链接与利用社会资源的孵化器创新网络等无形资源上。Soetanto and Jack(2013)[3]进一步发现，高科技创新公司在孵化器内部网络的活动多于普通创新公司。

通过以上文献可以看出，孵化器运行机制研究的研究趋势是，在筛选+配置资源框架中，进一步考虑孵化器整合与链接社会资源能力。现有文献还存在诸多不足：较少考察孵化器级别、发展网络、区域环境等对孵化器运营的影响；此外，实证分析尤其是针对中国特色市场环境下的相关研究，非常鲜见。

三、孵化器绩效评价研究

对创新载体的评价体系设计是建设创新型国家的关键环节(鲍克与夏友富，2008)[11]，现有孵化器评价文献在研究方法上能提供一些借鉴，但是还存在一些不足。

首先，在绩效评价中对新创企业成长重视不够，而且缺乏运营机制理论作指导。Nicholas Theodorakopoulos et al.(2014)[8]指出，这是因为在孵化器发展目标、功能与孵化过程界定上不一致，难以形成统一的理论框架，导致研究结论差异较大、缺乏可比性。

其次，孵化器绩效评价研究自身在研究内容、方法与数据指标上各自为政。现有文献主要采用两类方法。一类是效率前沿方法(DEA数据包络分析、SFA随机前沿分析)，例如黄虹与许跃辉(2013)[13]、殷群与张娇(2010)[17]、王敬与汪克夷(2012)[16]等。其优点是可挖掘利用国家级孵化器的中微观数据，有助于研究成果的比较与借鉴。而不足之处是投入产出指标差别较大，研究样本仅局限少数地区，较少探讨孵化绩效的影响因素及其动态变化。

另一类是深度案例与基于问卷调查的因子分析法相结合，例如林强(2003)[14]。其优点是能根据研究需要设计更微细的子指标深入探讨孵化器运营机制，缺点是成本非常高，且存在“小样本”问题，难以进行理论推广。

总之，以新创企业成长为目标是孵化器未来发展趋势，现有文献对孵化器运营机制与绩效评估进行了有益的探索，但仍存在一些不足：对孵化器运营机制及其效率影响因素仍缺乏深入地理论分析与实证检验，在孵化器绩效评价中也存在对新创企业成长不够重视、缺乏理论支撑等问题。针对现有文献的不足，本文拟以新创企业成长为目标构建理论分析框架，并且采用随机前沿分析的方法来进行相关拓展性研究。

根据林强(2003)[14]等理论文献与国内孵化器实际发展情况，本文对现有孵化器运营机制分析框架进行拓展，如图1所示。

图1 孵化器孵化过程与机制

与以往研究不一样，本文的理论分析框架，主要特点有：(1)以新创企业成长作为孵化器主要服务绩效；(2)在配置资源基础上引入了孵化器筛选与发展能力，并强调了其内生互动作用；(3)考虑了孵化器特征(级别、所处区域等)与新创企业成长目标，对孵化过程与机制的影响。

研究方法

一、样本与方法

本文选择国家级孵化器作为研究样本，其理由有二：

第一，国家级孵化器的认定3及其对入孵企业的筛选4与毕业5具有较为统一的标准，可以保证研究样本纯净与减少异方差，增强研究结论的可比性。

第二，国家级孵化器的信息披露较为严格，指标稳定，数据可靠。

本文采取随机前沿分析(SFA)方法，其优点主要有：

首先，采取SFA能同时考虑投入与产出，适用性广6，相对DEA等方法，效率指标信息含量高、稳定持续性好。其次，SFA的优势是可以同时估计技术效率及其影响因素相关参数(Battese and Coelli1995)[2]，克服以往两阶段方法7的假设冲突和理论矛盾。第三，随机前沿分析方法可以对模型和相关参数进行统计检验，能为进一步分析奠定基础。

二、孵化器孵化效率SFA模型

随机前沿生产函数由Aigner etc.al与Meeusen and Broeck于1997年最早提出，当时针对的是截面数据，基本模型如下：

式(1)中，X与Y分别代表投入与产出向量，f(·)、β、exp(V-U)分别表示函数确定性部分、待估计参数向量，与复合误差项。其中V表示观测与随机因素导致的误差，exp(-U)表示生产单元的相对技术效率水平，V、U分别符合的正态分布。U≥0，独立于V，当U=0时TE=1，生产单元技术有效，位于生产前沿面上；当U＞0时0＜TE＜1，生产单元的技术非有效，即位于生产前沿下方。

随机前沿模型自提出后逐步拓展到面板数据、时变技术效率、两参数γ分布等情形。近年来较为流行的是Battese和Coelli(1995)[2]创立的模型，它可直接估计技术效率及其影响因素的相关参数，能克服以往两阶段回归中的假设冲突和估算偏差。本文将基于我国各省市国家级孵化器 2009～2014年的非平衡面板数据，运用该模型考察其孵化效率与影响因素。

SFA模型包括柯布－道格拉斯和超越对数生产函数两种形式。考虑到国内孵化器数量与规模增长迅速，技术与产出弹性逐年变化，本文采用超越对数生产函数形式。为避免函数设定对估计结果的影响，本文依据创业企业成长的资源基础论(林强，2003；Nisakorn Somsuk et al.2012)[14][9]来构建模型，以当年毕业孵化企业数量为产出目标8，本文将其分为当年毕业的孵化企业数量，以及当年毕业的产值在5千万以上的企业 。根据资源基础论，孵化器主要通过凝聚政策、场地、管理、服务、资金等要素资源，助推企业成长。因此本文在各省国家级孵化器投入结构中包含了上述要素，进一步参考黄虹和许跃辉(2013)[13]以及殷群和张娇(2010)[17]，将其细分为图2所示的7种指标。

图2 各省科技企业孵化器的投入结构

进一步，根据数据样本特点与待估参数情况，本文对函数形式进行了探索性检验9，最终将孵化器超越对数生产函数设定如下：

式(2)为各省国家级孵化器随机前沿分析的超越对数生产函数，等式左边变量lnGradui,t(/ln Gradu5i,t)为当年毕业孵化企业数量(或产值5千万以上毕业企业)的对数，等式右边变量依次为政策投入Policyi,t与场地面积(办公用房1n(ofspace)i,t、企业用房1n(Espaceln)i,t、服务用房1n(Sv space)i,t、管理人员数量1n(L1)i,t、创业导师数量1n(L2)i,t以及获得投融资企业数量1n(K)i,t的对数。β系数为各变量产出弹性，β0为常数项，i、t分别为各省(或直辖市)与时期序号。其中V为观测与随机误差，独立于V，且通过式(2)可以衡量评价各省不同时期的孵化器技术效率水平TEi,t。

式(3)表示各省孵化器技术无效率函数，主要考察环境如何影响其孵化器技术效率。解释变量为孵化器以往毕业企业、孵化器盈利水平、当地财政收入、教育科研以及房地产开发情况。δ系数为各变量产出弹性，δ0为常数项，i、t含义同前。

式(4)γ是待估系数，表示技术无效率所占比例，γ越接近于1，说明模型误差中技术无效率U占比越高。在实证检验中若γ=0被显著拒绝，则说明运用SFA技术比较合适。

三、变量指标与数据说明

随机生产函数(2)以产出为导向，被解释变量采用当年毕业孵化企业数量(或产值5千万以上毕业企业)。投入变量指标的原始数据完全相同，孵化器场地、管理人员、创业导师、获得投融资企业数量等指标都进行了单位化处理(除以创业企业总数，即当年毕业企业+在孵化企业)。此外，对于投入、产出指标中的0进行了平移转换(保证其对数有意义)。

在技术无效率函数(3)中，被解释变量为技术无效率mi,t，解释变量为孵化器已经毕业企业、孵化器盈利目标、当地财政收入、教育科研以及房地产开发情况。上述变量指标大多数没有现成数据，本文按如下方法进行设定与计算：

1. 产出变量

lnGradui,t(/ln Gradu5i,t)表示当年毕业孵化企业(或产值5千万以上的毕业企业)数量，以省或直辖市为单位，逐年加总《中国火炬统计年鉴》中各省国家级孵化器当年毕业企业(或产值5千万以上的毕业企业)数量。

2. 投入变量

政策资源Policyi,t：由于国家级孵化器能集聚当地的创业基金、免税政策等政策资源，因此本文以各省或直辖市国家级孵化器数量来表示各省孵化器政策资源的大小。国家级孵化器数量越多，其政策效应覆盖面越广。

孵化器办公用房1n(of space)i,t、企业用房1n(Espaceln)i,t、服务用房1n(Sv space)i,t：变量设定与产出变量相同，也是以省或直辖市为单位，逐年加总《中国火炬统计年鉴》中各省(直辖市)国家级孵化器办公用房、在孵化企业用房以及服务用房的面积。为消除数量级的影响，采取对数处理。

孵化器管理人员数量1n(L1)i,t、创业导师数量1n(L2)i,t、获得投融资企业数量1n(K)i,t：同样，以省(或直辖市)为单位，逐年加总《中国火炬统计年鉴》中各省(直辖市)国家级孵化器管理人员数量，并且按照省内所以国家级孵化器内孵化企业总数量进行单位化处理。进一步为消除量纲的影响，采取对数形式。创业导师数量1n(L2)i,t与获得投融资企业数量1n(K)i,t，采取类似方法处理。

3. 影响技术无效率的因素变量

孵化器累计已毕业企业1n∑Gradui,t-1：根据《中国火炬统计年鉴》各省(直辖市)国家级孵化器数据求出累计毕业企业与当年毕业企业之差，而后以省(或直辖市)为单位，逐年进行加总。

孵化器收入Iincome：孵化器自成立以来一直以孵化培育创业企业为目标，具有非营利性性质，但是近年来许多孵化器有逐利倾向，可能会影响其孵化效果。本文根据《中国火炬统计年鉴》，以省(或直辖市)为单位，对国家级孵化器的总收入进行逐年加总。

当地财政收入Revenui,t：当地财政收入大小可能会影响孵化器的费用投入，但是另一方面也能反映当地企业的税负水平，因此对孵化企业成长的作用可能是混合的。本文采用《中经网》各省市历年的地方公共财政收入(本级)指标来反映该区域财政收入状况。

当地教育科研Colleges：本文采用《中经网》各省市历年普通高等学校数量来反映该区域教育科研状况。

当地房地产经济状况Restatei,t：采用《中经网》各省市历年的房地产开发企业投资完成额来反映该区域房地产开发状况。

本文所涉及的国家级科技企业孵化器原始数据，来源于2010～2015年《中国火炬统计年鉴》和《中国经济社会发展统计数据库》，影响孵化器技术效率的区域经济环境数据来源于《中经网统计数据库》。样本原始数据区间为2009～2014年，本文从省级层面进行分类、汇总成非平衡面板数据，时间序列方向共6个年度、横截面方向最大为30家省市，共163个样本。主要变量的描述性统计与指标设计如表1所示。数据计算与处理运用Excel2003与Stata12.0软件，模型估计采用Frontier4.1软件。

表1对孵化器的产出(毕业企业(或年产值5千万以上)数量)与投入(政策、场地、人才、管理、投融资服务)变量以及影响孵化器效率因素的原始数据进行了描述性统计。表1显示，各孵化器在政策资源投入与5千万以上毕业企业产出差距较大，在效率影响因素中，累计毕业企业与孵化器收入变化较大。为保证结果的准确，本文在实证检验时对其进行了单位化处理。

表1 主要变量的描述性统计

表2 孵化器创新驱动效应的实证研究

实证结果与分析

一、 孵化器效率总体偏低

表3显示，科技孵化器整体效率偏低，对普通企业的孵化效率平均得分仅为0.666，对于收入5千万以上毕业孵化效率则更低，只有0.496，说明国内国家级孵化器孵化效率还比较低，具有较大提升空间。

二、 孵化器效率具有较强的区域特征

从科技孵化器效率的区域分布来看，样本中涉及到30个省，表3显示，科技孵化器效率最好的四个省份是北京、湖北、浙江与福建，这四个省市无论是在孵化普通科技企业方面，还是在孵化年产值5千万以上的科技企业方面，都排在前四位。在孵化普通科技企业方面，北京效率最高，而在孵化年产值5千万以上的大型科技企业方面，湖北省的孵化器表现最好。相比而言，科技企业孵化器创新驱动效应最差的区域主要集中在广西、贵州、青海、新疆、甘肃等西部省市，他们无论对普通科技企业的孵化，还是对于5千万以上大型科技企业的孵化，相对效率值排名都非常靠后。

三、孵化器创新驱动效应的动态变化

从动态来看，孵化器的创新驱动效应先增后减，逐步趋于平稳，其中以2010年表现最好。这与我国孵化器发展历程有关。我国科技企业孵化器自八十年代成立以来一直发展比较缓慢，但是十一五期间在政策、土地、资金等方面获得了国家和地方政府的大力支持，而2010年恰好是处于十一五之末。

对孵化器技术无效率影响因素的进一步分析

本文将孵化器技术无效率影响因素实证结果汇总在表4，表中γ分别为0.994与0.9986接近于1，说明模型中的误差主要来源于U，亦即孵化器效率不高主要因为技术无效率。

表3 各省国家级科技企业孵化器的创新驱动效应

在统计检验中，γ=0的原假设显著被拒绝，说明并非所有基金公司的生产点都位于生产前沿面上，直接运用最小二乘法估计会产生偏误，因此 SFA技术较为适用。孵化器毕业企业网络等因素对孵化器孵化效率的影响如下所述。

一、孵化器以往毕业企业网络有助于创业企业茁壮成长

表4技术无效率方程2acgrad系数显著为负表明，以往毕业企业能显著地提升孵化器对5千万以上大型创业企业的孵化，对此的解释是已毕业企业与在孵化企业的关系类似于“校友”关系，通过孵化器成功孵化的毕业企业数量越多，越有利于拓展在孵化企业与外界的关系网络，使在孵化企业生活在孵化器-加速器-产业园的产业链氛围中，扩大业务协作关系，获取资金、技术、人才、市场等要素资源，获得茁壮成长。

二、适当扩大孵化器自身收入有助于提高其孵化效率

表4技术无效率方程1Iincome系数显著为负表明，适当的扩大孵化器自身收入不仅不会阻碍孵化企业的成长，反而能促进在孵企业的顺利毕业。随着我国科技企业孵化器产业的发展，孵化器盈利模式已经从当初简单收取房租物业费，转向分享孵化企业股权收入。因而孵化器收入的提高，有助于调动孵化器管理人员积极性，主动地对具有发展前景的在孵企业进行股权投资，这种股权投资不仅能为孵化企业缓解融资难与融资贵的问题，而且能为其带来更深入的增值服务，因而能促进孵化企业的成长与顺利毕业。

表4 孵化器技术无效率实证结果

三、优质的教育科技资源有利于提升科技孵化器的创新驱动效应

表4技术无效率方程1Schools系数显著为负表明，普通高等学校数量的增多会有助于其孵化器孵化效率的提升。其主要通过以下三种途径提升本区域孵化器对创业企业的孵化：首先，有助于孵化企业招募大学生实习生与毕业生，为孵化器的技术研发与市场管理注入新的活力。其次，有助于孵化器创业企业与本区域高等学校进行科研联盟、协同创新，降低技术与研发风险，缩短研发周期。第三，有助于孵化器持续地获得新的创业项目与新创企业。这方面比较典型的例子，是北京、湖北等高等学校较多的省份，其孵化器与高等学校产生了较好的协同效应。

四、区域的房地产开发投资会有利于孵化器创新驱动效应的提升

表4技术无效率方程2Restatei,t系数显著为负表明，区域房地产开发状况会正向提升当地孵化器的孵化效率。对此的解释是，房地产经济比较繁荣的区域，一般在城市规划与建设、交通基础设施等方面做的较好，有利于为孵化器在孵企业营造好的创业环境。另一方面，房地产经济比较景气的省市，房价与房租一般都比较高，会大幅提高当地创业成本，从而会激励更多优质企业选择在房租与办公费相对较低的孵化器内创业，从而能更好地发挥孵化器资源集聚与协同创新效应。

五、地方财政收入过高不利于孵化企业快速成长

表4技术无效率方程2Revenui,t系数显著为正表明，地方财政收入过高会阻碍新创企业成长为大型科技企业。其原因可能是，地方财政收入过高，往往表现为当地政府对孵化器补贴与干预较多，导致孵化器非市场化低效运行。此外，地方财政收入过高，一定程度上说明当地课税相对较高，企业税负较严重，因而会降低孵化企业成长与扩大收入规模的积极性。

结论与政策建议

在实施创新驱动发展战略中，如何通过企业孵化器从源头上推动新兴战略产业的发展，是业界与学界共同面临的理论难题。孵化器是科技企业创新发展的重要载体，文章基于2009～2014年国家级孵化器的省级面板数据考察了孵化器的创新驱动效应。结果发现：我国科技企业孵化器的创新驱动效应整体偏低，它不仅与孵化器毕业企业数量、自身收入状况有关，而且与所处区域的教育科技资源、税收规模以及房地产开发投资等因素密切相关。从根据研究结果，提出以下针对性建议：

(1)以创新驱动为导向，将SFA排名纳入孵化器评级体系，对其进行动态管理。

(2)适度减少孵化器场地、人才等投入，提高孵化器产出效率。

(3)努力推动孵化器创业企业与本区域高等学校进行科研联盟与协同创新。

(4)针对企业成长不同阶段的孵化服务需求，科学规划建设“创业苗圃+孵化器+加速器+产业园”的“大孵化”体系，提升孵化器链接社会资源与网络的能力。

(5)根据各省科技孵化器发展情况，适当减免孵化器创业企业税收。

注释

1. 科技孵化器通过筛选与凝聚有发展前景的科技创业企业，提供共享的场地设施、资金、技术、管理、服务等创新资源，可以降低创新风险与成本，提高成活率。

2. “十一五”期间，孵化器发展规模是其前20年的总和。我国目前已成为世界孵化器大国，孵化器数量全世界第二，仅次于美国。

3. 具体参照科技孵化器认定管理办法(2011年版)。

4. 政府已经将孵化器从专项工作提升到国家战略层面，将其定位为国家技术创新体系的重要组成部分，与培育战略性新兴产业源头企业和建设创新型国家的战略工具。

5. 科技企业孵化器(高新技术创业服务中心)认定和管理办法(2005年版)，科技孵化器认定管理办法(2011年版)。

6. 不要求模型的随机误差项严格符合正态分布。

7. 先估计DEA效率，再对效率与其影响因素进行回归，这种方法假定两个阶段的随机误差相互独立。

8. 模型具体又可分为产出导向与成本导向。随着国家创新驱动战略的贯彻实施，以及大众创业、万众创新等战略的提出，孵化培育创业企业逐渐成为孵化器的主要运营目标。

9. 从国内孵化器发展来看，现阶段大多数孵化器服务还主要是以场地物业提供与管理服务为主，因此为稳健起见，本文在构建模型中也尝试过在超越对数生产函数中加入办公用房面积与管理人员交叉项，服务用房面积与管理人员交叉项，但是结果差别较小。为简便起见，本文选择了上述函数形式。