“双创”形势下苏锡常各地区青年创业质量研究——基于PMC指数模型

曹雨佳

（苏州大学东吴商学院，江苏 苏州 215000）

目前青年创业是大势所趋，国家也出台了多项相关政策推动创业【1】。但对该领域的研究大多基于主观问卷调查，并且缺少青年创业质量的衡量指标。因此，本文考虑采用实证研究的方式，构建关于青年创业质量的衡量模型，利用数据估计其参数，并以此来探讨其分布规律。

一、数据的收集与量化分析

在将截至2017年的江苏省所有的青年创业者在工商管理局的登记资料进行了分类汇总，对江苏省13个地级市的行业分布、注册资本分布、法人年龄分布等进行了静态描述分析之后，分析结果表明，初创企业基本集中于批发业、零售业、制造业等准入门槛较低的行业；一半以上的初创企业的注册资本集中在100-500万的区段；青年创业者以80后居多，总体而言，江苏省初创企业规模较为可观并且拥有较强的生存和成长能力。

二、构建PMC指数模型

建立模型来实证分析初创企业经营状况的影响因素。使用的主模型方法是回归分析。通过建立数据库，计算出各地区各行业存活率的年变化数据，在此基础上建立的模型。其中的参数表示时刻i地区j行业的存活率，表示时刻i地区j行业相关的政策因素，表示时刻i地区j行业的企业启动资金因素，表示时刻i地区j行业相关企业软实力因素，A,B,C,D为待验证的回归参数。假设政策与企业的软实力因素相互独立，则两者呈无影响交集状态。而对于企业的启动资金，假设创业者会根据历年的政策支持情况概率性的调整自身的启动资金。因此引入交叉影响因子，对于政策量化模型，我采用的是PMC指数模型。理论基础是渐进决策理论。根据Charles Lindblom的渐进决策模型，我认为政策的制定是在过去经验的基础上，经过逐渐修补的渐进过程来实现的。渐进决策看上去似乎行动缓慢，但它实质是决策效果累积的过程，是量变到质变的过程。因此我在建立政策量化模型时接受过去的政策结果，并在此基础上计算政策的影响量，根据政策性质划分了一级变量和二级变量来计算PMC指数。

三、PMC基础上的因子分析

先通过建立数据库，利用Python对数据进行统计，计算出各地区各行业存活率的年变化数据；并以此为基础建立企业存活率和政策、资金等因素的线性回归模型。对于政策量化模型，以渐进决策理论为理论基础，采用了PMC指数模型。经过分析，计算出了各行业的PMC指数，统计出各行业注册资金占比率及行业存活率；并以此为基础利用MATLAB软件，使用先行最小二乘法计得出各行业模型系数（图一）。结果表明，不同行业企业的存活率与政策、资金等因素的相关性显著不同。这对当代青年的创新创业有着借鉴意义：以教育业为例，若青年即将或正在进行教育业领域的创业，需要着重考虑资金问题，因为资金因子在该领域达到了42.92，具有重大显著影响。而对即将或正在进行电热气领域创业的青年，当地政策是首要考虑因素，因为其政策因子达到了8.31，是所有行业中政策因子最高的一个。

图一：各行业模型系数

综上，苏锡常地区青年创业可采用的评估模型，其中各行业估计出的政策因子、资金因子（具体见图一）各不相同且有显著差异，青年创业者在进入之前可利用模型研究存活率及风险，各地政府也可根据模型调整政策给予支持，例如减少对第一产业的政策扶持，加大对第三产业的政策激励等。并且，这里政策也包括了当地大学的支持政策，研究发现，高校在引领、组织、服务青年创业方面也有一定的优势【2】，各大高校可以利用此模型来分析自身创业政策的比较优势和劣势，进行进一步的改进。