返乡创业生态系统评价指标体系构建与实证研究

2021-12-31 09:11张国庆
资源开发与市场 2021年1期
关键词:指标体系环境指标

金 语,张国庆

(浙江农林大学 经济管理学院,浙江 临安 311300)

返乡创业是我国乡村振兴的重要推动力,在社会经济各个领域、各个层面、各类经济主体和各种经济过程中影响显著。创业主体、创业要素和创业环境等构成多个创业生态种群,各个种群构建创业生态系统,在实现最优组合的过程中相互作用、协同发展,促进创业生态系统平衡发展。完善的返乡创业生态系统有助于政府更好服务返乡创业,提升创业数量,改进创业质量,鼓励更多返乡劳动者回乡参与创业,减少创业失败带来的社会负面效应,培育更多高增长性创业活动和高潜力新创企业,实现乡村振兴。

本文结合生态学、创业生态系统等理论与文献,在全球创业观察(GEM)对创业环境评价的框架下,根据创业环境评价通用指标,运用相关性分析初步构建了返乡创业生态系统评价指标体系,并运用R型聚类分析及因子分析对指标体系进行了精简,并通过实证验证其科学性与合理性,以期为构建和完善返乡创业生态系统提供决策支持。

1 文献综述

创业生态系统研究源于自然生态系统和创业学的整合。Tansley,A.G认为,在一定时间和空间范围内存在一个整体,整体内部各种生物及生物群落与其所处的环境之间存在相互作用,且该整体具有调节作用,由此提出生态系统概念[1];Dunnk将生态系统引入创业研究领域,将创业学与生态学融合,提出“创业生态系统”的基本轮廓[2];林嵩从生态学角度对创业活动的理解起点为创业活动的发展过程如同生命体一样,拥有孕育、诞生、成长、成熟等阶段,创业活动的阶段性成长特征决定了新创企业需要如同生物体一样不断汲取资源,并且形成与外部支持要素之间相互依存的密切联系[3]。

当前学术界对创业生态系统构成的研究视角主要有两个视角:一是系统视角,认为创业生态系统是创业参与主体与创业环境共同构成的有机整体,政府、创业企业等与创业环境一起构成创业体系,系统内要素的空间及秩序不作考虑[4-6];二是生态视角,认为创业生态系统内部具有创业者、政府机构、企业等多个生态群落,其构成具有空间秩序,各要素形成一个个圈层,圈层再进一步组合,这些生态群落相互依赖,并与其外部生态环境高度依存[7-9]。

《全球创业观察报告(GEM)》和《全球创业生态系统报告》在创业环境评价上具有权威性,学者们对创业生态系统评价主要从创业环境评价出发,在评价中多参考该报告并依据创业生态系统构成要素确定指标,最终构建某一类创业生态系统评价指标体系。刘文光、赵涛、边伟军在建设创业生态系统评级指标体系中,根据区域科技创业生态系统的构成,评价指标体系由区域社会支撑环境和区域科技创业生态群落两部分组成[10];Acs Z J、Autio E和Szerb L首先尝试依据GEM等报告数据对基于国家层面视角的创业生态系统开展研究,并提出相应建议[11];任声策、胡迟分析了评价区域创业生态系统的运行效率,根据学者和机构提出的创业生态系统要素构成框架建立指标体系[12]。

通过文献研究发现,目前尚未有学者对返乡创业生态系统构建评价指标体系并进行实证研究,返乡创业生态系统的研究较少。现有对返乡创业生态系统的研究从人群细分角度出发,选择返乡创业大学生[13]或农民工[14]进行研究,缺乏对整个返乡创业生态系统的系统性研究。通过对创新创业生态系统[15]、科技型企业创业生态系统[12]的研究发现,返乡创业者选择的创业模式切入研究,可以较全面细致地研究返乡创业生态系统。学者们在研究时根据创业生态系统的创业主体的不同特点构建相应创业生态系统评价指标体系,创业主体主要有师生[16]、创新型企业[15]、科技型企业[10]等。

2 评价指标体系构建

2.1 指标筛选范围

本文参考相关文献,以经济发展、文化氛围、基础设施、创业主体、金融机构、政府部门等作为筛选范围,展开返乡创业影响因素评价指标筛选(表1)。

表1 返乡创业生态系统构成

创业主体从群体视角出发进行研究具有局限性,本文选择通从创业模式研究创业主体,使创业主体范围覆盖面更广。有关文献关于返乡创业模式的研究显示,雷洪、赵晓歌在对返乡创业研究中提出,农村创业应根据市场需求导向,提高农产品质量,支持主产区发展农产品精深加工,加快推进农产品标准化生产、品牌创建和保护,发展观光农业、休闲农业,拓展产业链与价值链[19]。研究发现,返乡创业者通过大规模的种养殖[20]进行创业,通过产业化延长产业链条实现创业,还有通过创办实体经济、发展农村第三产业创业[21]。田晶在研究中指出,返乡高校毕业生农村创业中主要集中在种植养殖、农产品加工、休闲农业、电子商务、特色工艺与农业信息等方面[22];Gubert F和Nordman C J通过对阿尔及利亚、摩洛哥和突尼斯回流劳动力进行的问卷调查,发现回流劳动力主要在建筑业、批发零售业、餐饮酒店业等领域[23];谢韶光以第一代返乡农民工为研究对象,发现返乡农民工返乡创业主要经营形式为个体和私营,企业规模较小[24];檀学文、胡拥军、伍振军等通过研究,总结返乡创业模式主要分为农产品加工、农村电商、家庭农场和休闲娱乐等[25]。

2.2 评价指标筛选

本文根据返乡创业及创业生态系统的内涵及国内外相关文献中出现的高频指标,结合我国返乡创业的实际情况,依据系统性、全面性、可操作性和代表性原则,筛选得到70个二级指标(表2)。

表2 返乡创业生态系统筛选评价指标体系

(续表2)

2.3 指标数据收集与处理

样本选择与数据收集:2016年2月至2017年11月,国家十部委联合公布了三批结合新型城镇化开展支持农民工等人员返乡创业实践地区名单。经济发展良好的地区有利于创业者识别、利用创业机会,有助于当地创业生态系统的形成与发展,进一步推动和保障创业活动。本文根据系统性原则、全面性原则和代表性原则,首先筛选出三批名单都有地区入选的省份,依据2017年全国GDP排名,东部地区、中部地区、西部地区各选择一个GDP最高的省份。GDP高的省份经济活跃,返乡创业显示度高,分别是江苏省、河南省和四川省。其次,各省份分三批根据GDP排名各抽取一个返乡创业试点地区,根据可操作性原则(由于部分地区统计年鉴不对外公布,因此选择地区按GDP排名顺延),选择江苏省的新沂市、启东市、如皋市,河南省的汝州市、禹州市、清丰县,四川省的宜宾市、阆中市、宣汉县。第三,通过查阅9个地区统计年鉴(2018年),以及经济发展局、农业农村局、统计局、商务局等相关政府部门公布的统计公报,搜集并获取相应的指标数据。

数据标准化:由于指标数据存在单位不一致问题,因此采用Z-score标准化法对指标数据进行无量纲化处理。计算公式为:

(1)

式中,Zij为数据无量纲化后的指标数据;Xij为第i个城市第j个指标的原始数据。利用公式(1)计算出指标标准化结果(表3)。

表3 筛选指标数据标准化结果

2.4 系统指标再筛选

相关性分析:为了使评价指标体系简洁有效,需避免指标反映信息重复。两个指标之间的相关系数反映了两个指标之间的相关性,相关系数越大,两个指标反映的信息相关性就越高。通过SPSS软件计算同一准则层中评价指标之间的相关系数,以M为0.9作为临界值,相关系数大于0.9的指标进行筛选删除,经过筛选删除X2、X8、X11、X32、X33、X40、X41、X44、X51、X57。

表4 R型聚类分析—因子分析指标筛选

(续表4)

R型聚类分析:为了保证分类的合理性,本文利用SPSS软件对各准则层内指标进行R聚类。首先,对各指标层的指标分别聚类;其次,每个聚类类别内需分别进行非参数Kruskal-Wallis检验,检验系数应显著大于0.05,表示各类别内指标具有高相关性,检验结果说明分类合理。具体指标聚类结果见表4中的第2、3列。

因子分析:因子分析提取公共因子,由此对指标进一步筛选,保留最具代表性指标。在R型聚类结果基础上,对不同聚类类别的指标分别用SPSS软件进行因子分析,得到各指标因子载荷值,具体见表4中的第4列。由于经过聚类分析,类别内指标相关性较高,故从中提取一个公共因子,该公共因子在类别中解释力最强,具有很强代表性,公共因子的因子贡献率均大于75%,结果见表4中的第5列和第6列。较为特殊的是Y4-2中仅有X30、X41,提取公共因子后其因子贡献率小于75%,因此两指标均保留。Y1-3中只有一个指标X4,说明这个指标与本准则层内其他指标考核经济发展环境的角度可能不同,相关性不高,故用这个指标单独代表一类。筛选结果见表4中的第7列。这样,每一准则层都能够得到几个代表性的指标。

在R型聚类的初步聚类后,通过因子分析进行定量筛选,最终在7个准则层内共筛选、保留23个指标,共删除47个指标。

2.5 指标体系合理性判断

根据因子分析采用数据方差表示指标信息含量的做法,建立判断指标体系合理性的定量标准。计算公式为:

(2)

式中,Sk表示筛选指标样本方差之和;Sh表示最终保留指标样本方差之和;k表示筛选指标数目;h表示筛选后最终保留的指标数目;n表示指标样本的数目;Xij表示筛选指标中第i个城市第j个指标数据;xij表示最终保留指标中第i个城市第j个指标数据。

通过计算,本文从筛选的70个指标中再筛选出32.8%,即23个指标的信息贡献量为92.14%,表明最终得到的指标体系在反映原始指标信息能力上合理,指标体系具有合理性。

2.6 指标权重确定

熵值法综合评估所有指标,具有客观性。具体表现在:利用指标信息熵即信息有序程度来确定权重,熵越小,指标权重就越大;熵越大,指标权重就越小。首先将指标进行标准化、正向化处理,然后计算评价指标熵值,最后计算评价指标熵权。评价指标熵值计算公式为:

(3)

式中,Ei为第i个指标的熵值;aij为在m个返乡创业试点地区中第j个地区第i个指标标准化、正向化后数据。

其中,fij的计算公式为:

(4)

评价指标熵权计算公式为:

(5)

2.7 指标体系形成

本文通过指标筛选最终得到返乡创业生态系统评价指标体系及权重(表5)。指标体系综合得分计算公式如下:

(6)

式中,Mj为第j个返乡创业试点地区综合得分;n为指标数量;wi为该地区第i个指标的熵权;xij为第j个地区第i个指标的标准化数据。

表5 返乡创业生态系统最终评价指标体系及权重

3 实证分析

3.1 评价结果

根据本文构建的指标体系对东部地区江苏省的新沂市、启东市、如皋市,中部地区河南省的汝州市、禹州市、清丰县和西部地区四川省的宜宾市、阆中市、宣汉县进行返乡创业生态系统评价。样本区在各分指标、总指标得分及排名见表6。

表6 9市(县)返乡创业生态系统评价得分及排名

3.2 结果分析

根据评价结果可知,四川省宜宾市排名第一位,主要是由于该市在经济发展环境、基础设施环境、文化氛围环境、创业企业、政府部门5个方面排名均第一位。宜宾市农村居民人均生活消费支出、社会消费品零售总额、城镇化率在9市(县)中均排名靠前,其创业经济环境较好、交通便捷度较高、网络覆盖面较广、重视农民技能培训、农村书屋和文化馆数量较多,良好的基础设施环境为返乡创业人员提供了较强的电商基础设施,而注重提高农村居民素质的文化氛围环境提高了创业人员的创业技能。宜宾市乡村休闲旅游接待人数多,表明乡村休闲旅游发展较好;家庭农场数量庞大,农民专业合作社联合社持续增加,农业龙头企业总数较多,体现宜宾市返乡创业企业数量多、发展好,政府部门为返乡创业人员提供资金与项目支持,鼓励、扶持返乡创业力度大。宜宾市金融机构与服务机构这两个方面排名第四位,但金融机构整体为返乡创业人员仍提供了较多的资金支持,服务机构则从创业发展空间、技术、服务外包等方面给予返乡人员创业支持。宜宾市返乡创业具有良好的返乡创业氛围和创业环境,返乡创业人员得到资金、技术和资源上的大力支持,形成返乡创业生态系统,因此宜宾市在9市返乡创业生态系统评价中排名第一位。

江苏省新沂市、启东市、如皋市分别为第二位、第三位、第四位。总体上,江苏省返乡创业生态系统评价优于四川省和河南省,东部地区优于中西部地区。江苏省经济发展活跃,综合经济实力强于四川省和河南省,江苏省各级政府出台了多项政策鼓励各群体进行返乡创业活动,社会创业氛围浓厚,基础设施完善建成且质优价廉,高速畅通、服务便捷的宽带网络基础设施和服务体系,创业服务深入农村,主动探索并解决返乡创业人员金融难题,由此江苏省返乡创业外部环境、经济发展环境、文化氛围环境、基础设施环境与返乡创业内部各个群落,创业企业、政府部门、金融机构、服务机构之间相互作用,建成相互协调、良性循环的返乡创业生态系统。

河南省清丰县金融机构排名第九位,说明清丰县虽然为返乡创业者提供了一定的资金支持,但是在经济发展环境、基础设施环境、文化氛围环境、创业企业、政府部门、服务机构6个方面排名低。其中,经济发展环境、基础设施环境排名第九位,文化氛围环境、政府部门排名第八位,创业企业、服务机构排名第七位。清丰县尚未营造出良好的返乡创业氛围和创业环境,返乡创业人员对创业要素获取具有难度,尚未构成完善的返乡创业生态系统,因此清丰县在九市返乡创业生态系统评价中排名第九位。

4 结论与讨论

本文从经济发展环境、基础设施环境、文化氛围环境、创业企业、政府部门、金融机构、服务机构7个方面出发构建了准则层,筛选出70个指标,并通过相关性分析、R型聚类分析、因子分析筛选出23个指标,最终构建了返乡创业生态系统评价指标体系。同时,采用熵值法对返乡创业生态系统评价指标体系中23个指标的权重进行科学计算,并对江苏省、河南省、四川省9个市(县)进行返乡创业生态系统评价,在理论和方法贡献为返乡创业生态系统评价提供了支持。现阶段构建完善返乡创业生态系统应以政府引导为主,科学、系统、综合评价返乡创业生态系统有助于政府制定更加匹配的政策。地方政府从基础设施、文化氛围、创业能力、政策支持、金融渠道、服务体系6个方面鼓励返乡创业活动,各地区则根据评价分析有针对性地采取举措,提高返乡创业数量和质量,改善返乡创业生态系统质量,进一步完善返乡创业生态系统。

未来,应进一步选取更多年份做纵向的比较分析,评价系统发展的合理性和持续性等,并尽可能扩大样本量,通过横向比较不同地域返乡创业生态系统的发展差异,以进一步探究返乡创业生态系统。

猜你喜欢
指标体系环境指标
一类带临界指标的非自治Kirchhoff型方程非平凡解的存在性
长期锻炼创造体内抑癌环境
一种用于自主学习的虚拟仿真环境
孕期远离容易致畸的环境
最新引用指标
环境
莫让指标改变初衷
层次分析法在生态系统健康评价指标体系中的应用
供给侧改革指标体系初探
制造强国的主要指标