数字金融赋能大学科技园企业孵化——高学历管理人员的调节作用

蒋建勋，唐宇晨，李林鹏

(1.中国社会科学院 数量经济与技术经济研究所，北京 100732；2.南开大学 经济学院，天津 300071；3.国家税务总局 人事司，北京 100038)

一、问题提出

自从党的十八大将创新驱动发展作为国家战略以来，大学科技园孵化器作为培育创新创业的重要载体，其发展备受国家重视。2015年《国务院关于大力推进大众创业万众创新若干政策措施的意见》印发。国务院办公厅印发的《关于发展众创空间推进大众创新创业的指导意见》更是明确了完善孵化器体系促进创新创业的重要目标。党的十九届五中全会指出“十四五”时期的发展迫切需要提升创新实力、实现科技自立自强，大学科技园孵化器在国家战略中的重要性更加突出。然而，近年由于中国传统金融的结构性问题凸显，即融资模式与金融供给失衡[1]，使得大学科技园孵化器难以获得充足的资金和完善的金融服务帮助科技初创企业进行发展与创新[2]。为解决科技初创企业因缺乏足够的资金供给而难以发展，同时金融资本难以发现合适的投资机会问题，中国提出要加快推进数字化转型，推进数字金融项目实施[3]。微众银行等互联网银行的设立也体现了国家通过数字金融等创新金融服务优化金融体系，服务创新型中小企业孵化、发展的重要战略布局。数字金融如何影响大学科技园孵化绩效以及存在怎样的内在机制？目前并没有可借鉴的先例，值得深入讨论。

目前国内外学者针对金融影响孵化器绩效的机制已经进行大量研究，得到金融是孵化器孵化绩效重要影响因素的结论[4]，但仍缺乏对数字金融与孵化器孵化绩效的进一步探讨。其一，数字金融作为创新性融资模式能否弥补传统金融在服务大学科技园孵化器中存在的融资模式与资金供求之间不匹配问题[1]。传统金融在支持创新活动中，主要存在着属性错配、领域错配以及阶段错配的问题，上述三个结构性问题极大降低了资源向创新主体配置的有效性，使得融资难、融资贵成为许多有潜力的科技初创公司成长道路中的最大难题[3]。其二，数字金融影响大学科技园孵化器孵化绩效的内在机制。数字金融依托大数据等科技手段加速了金融发展[5]，其科技加金融的双重属性是如何在大学科技园孵化绩效中降低融资成本，哪些特征发挥着重要作用以及存在怎样的作用机理等问题值得思考。其三，管理人员是主导大学科技园企业孵化的重要因素，管理人员的高知识专业水平能有效促进组织的技术产出[6-7]，那么大学科技园管理人员学历背景在数字金融与大学科技园孵化绩效中的作用值得进一步探究。

针对以上不足，本文以全国31个省份(不包括香港、澳门、台湾)的大学科技园作为研究对象，探究数字金融及其特征影响大学科技园孵化绩效的内在机制。本文贡献主要体现在如下几个方面：一是研究视角的新颖性。本文创新性地以数字金融及其特征为研究切入点，从交易成本理论、资源约束理论系统地分析了区域数字金融水平对大学科技园孵化绩效的影响路径和机制，弥补了现有研究对现象分析的不足。二是研究方法和数据的更新。现有讨论中国金融与大学科技园孵化绩效的文献多采用传统金融数据进行分析，由于数据较难获得而未能对数字金融进行深入分析，本文通过收集数字金融以及大学科技园孵化绩效数据进行微观实证研究，从研究方法和研究角度上进行创新。三是研究内容更全面。本文考虑到大学科技园管理人员素质这一重要变量，研究能深入地探析数字金融对大学科技园孵化绩效的影响机制。

二、机制分析与研究假设

(一)数字金融与大学科技园孵化绩效

大学科技园孵化器能够为科技初创企业提供资金、人才等要素，协助其成功孵化[8]。这些要素中，金融资源对于大学科技园科技初创企业来说尤为重要。多数科技初创企业从创立到孵化成型都会遇到死亡之谷这一困境，死亡之谷指科技初创企业在成长的过程中由于资金短缺而被迫停滞[9]。因为科技型初创企业需要进行科技研发，往往存在技术水平达不到预期、技术可行性与市场不匹配、资金人力投入不足而烂尾等高风险，因而需要金融机构提供充足的资金以对抗风险，但高风险又会成为融资的阻碍[10]。不少学者针对金融与科技初创企业孵化进行深入讨论，范维尔等(Van Weele et al.,2017)[11]认为风险投资能够弥补政府资金对科技初创企业资金需求的不足，而斯塔姆等(Stam et al.，2014)[12]更详细地讨论了不同金融投资方式，即公募基金、风险投资、众筹等方式在推动科技初创企业孵化中的优劣势差异。但大学科技园提供的传统融资渠道存在信息透明度差、信息不对称形成的高风险溢价以及高运营成本问题，难以满足现阶段科技初创企业融资需求[13]。数字金融的路径机制主要体现在拓展融资渠道和优化传统金融两个方面。拓展融资渠道是数字金融通过整合金融市场中小而散的投资者所持有的资金，解决传统金融由于交易成本过高而难以吸纳零散资金支持科技初创企业孵化的问题[14]。内部机理在于数字金融依托大数据、区块链、人工智能等技术解决金融市场信息不对称、交易成本高的问题，减少融资机构寻找资金的成本，同时降低散户投资的门槛，有效增加科技初创企业孵化资金供应。优化传统金融体现在数字金融通过新技术优化信用体系，在大数据、算法等工具下提升传统金融机构资源配置和风险管理能力[15-16]，同时解决科技初创企业孵化中信贷错配问题，进一步打破科技初创企业的融资约束[17]。更值得一提的是，数字金融弱化了地理距离因素，打破科技初创企业创业者和金融机构之间因为地理隔离形成的阻碍，提高大学科技园孵化绩效。据此，本文提出以下假设：

假设1：数字金融能够促进大学科技园孵化绩效。

(二)数字金融覆盖广度、使用深度与大学科技园孵化绩效

进一步分析，数字金融可以通过覆盖广度和使用深度两条路径影响大学科技园孵化绩效。根据郭峰等(2020)[18]的研究，数字金融广度是指在多大程度上能保证用户得到相应服务，体现的是数字金融的受众范围；数字金融深度是指用户使用金融服务的类型，体现了数字金融能够满足用户金融需求的能力。反观科技初创企业急需解决的金融难题，主要体现在融资渠道少、融资成本高、信贷供需不匹配等问题[19]。数字金融覆盖广度在于提升了初创企业使用数字金融的可能性，其作用仅仅体现在为更多接触、了解并使用数字金融提供机会。但使用深度才是有效发挥数字金融在促进初创科技企业孵化的重要因素[20]。数字金融使用深度反映了其多元的服务类型，包括支付服务、货币基金服务、信贷服务、保险服务、投资服务和信用服务等[18]。使用深度越高表明数字金融能够为科技初创企业孵化提供的服务越细致且精准。一是投资服务和信贷服务，能够解决科技初创企业孵化融资难的问题，弥补因政府基金、项目资金不足造成的资金短缺[21]，也为风险投资提供参与培育科技初创企业的机会。二是保险服务。科技初创企业进行科技研发的过程中存在较高的不确定性和风险，保险服务可以保障科技初创企业知识产权和合法权益不受侵害，激发科技初创企业研发人员的积极性；同时也能在一定程度上保护投资人的资金安全，鼓励更多的风险投资机构进入大学科技园企业孵化当中[4，22]。三是信用服务。中国信用体系的建设还不够完善，资本市场信息不对称不透明，导致科技初创企业团队、企业的信誉资质情况难以被投资机构掌握，因此投资机构为了降低风险而选择谨慎放款；而一般科技初创企业团队缺乏证明其信用和偿债能力的资料，也难以进行融资。数字金融可以借助区块链技术搭建信用平台，有效降低投融资双方的信用成本、交易成本，促进科技初创企业孵化[23]。综上所述，本文提出以下假设：

假设2a：数字金融覆盖广度对大学科技园孵化绩效没有显著影响。

假设2b：数字金融使用深度对大学科技园孵化绩效有正向促进作用。

(三)大学科技园管理机构人员高学历背景的调节作用

高学历教育是人力资本的重要构成要素，具有高学历背景的大学科技园管理人员能够运用其专业的知识技能和优秀的工作能力帮助初创企业走出困境[24]。一方面，数字金融的前沿科技加金融的双重特征决定了数字金融应用的知识门槛。大学科技园机构管理人员拥有较高的学历背景和专业知识，能够准确掌握数字金融的应用优势和初创企业的市场价值，能更快发现企业的融资需求和困难，因此更可能在科技初创企业孵化中高效率运用数字金融工具解决融资难题[25]；另一方面，金融知识作为一种特殊的资本要素，需要高学历人才的配置、使用金融工具的能力才能在初创企业融资过程中发挥效用[26]。具有高学历背景的大学科技园机构管理人员更加了解国家信贷政策、金融扶持政策和资本融资知识，在助力科技初创企业融资过程中能更好地结合传统金融、国家政策与数字金融各自的优势，熟悉融资流程并规避融资风险，确保数字金融服务科技初创企业孵化的顺利进行。综上所述，本文提出以下假设：

假设3：大学科技园机构管理人员高学历背景在数字金融与大学科技园孵化绩效关系中有着正向调节作用。

三、研究方法与模型构建

(一)模型设定

依据上述理论推导，以2011—2020年中国各省份大学科技园孵化器为研究对象，探讨区域数字金融指数、数字金融覆盖广度、数字金融使用深度对大学科技园孵化绩效的影响效应，以及大学科技园机构管理人员高学历背景的调节作用。考虑到解决随个体而异、随时间而变的遗漏变量问题，并基于假设，本文构建如下固定效应模型：

Yit=β0+β1DIFit+β3∑Zit+μi+τt+εit

(1)

Yit=β0+β1DIF_bthit+β3∑Zit+μi+τt+εit

(2)

Yit=β0+β1DIF_dthit+β3∑Zit+μi+τt+εit

(3)

Yit=β0+β1DIFit+β2DIFit×eduit+β3∑Zit+μi+τt+εit

(4)

式(1)—式(4)是考虑了时间和高校固定效应的固定效应模型。其中，Yit表示i地区大学科技园在第t年的孵化绩效。DIFit是i地区在第t年数字金融指数；DIF_bthit是i地区大学科技园在第t年数字金融覆盖广度指数；DIF_dthit是i地区大学科技园在第t年数字金融使用深度指数；eduit是i地区大学科技园管理人员高学历背景；∑Zit指的是其他影响大学科技园孵化绩效的控制变量；μi表示高校固定效应，用于捕捉其他不随时间变化的高校特征；τt表示年份固定效应，用来控制随时间而改变的不可观测的影响因素；εit表示随机误差项。

(二)指标选取

被解释变量为大学科技园的孵化绩效。已有研究定义孵化绩效为孵化网络中各主体通过在同一网络治理机制中协同互动而产生的孵化器价值收益[27]。国外学者更关注孵化器的个体发展，即孵化器治理结构、企业绩效、存活率和创新技术的商业化开发等；国内学者对孵化器绩效的研究更加倾向于其对社会经济的带动作用以及其经济创新功能[28]。结合国内外学者关于科技园孵化绩效的研究成果，本文采用大学科技园当年毕业企业数量作为衡量大学科技园孵化绩效的指标，同时使用大学科技园当年孵化总收入作为稳健性检验中衡量大学科技园孵化绩效的指标[29-30]。变量来源于《中国火炬统计年鉴》中“国家大学科技园”部分的统计。

主要解释变量为区域数字金融指数、区域数字金融覆盖广度和区域数字金融使用深度，变量来源于《北京大学数字普惠金融指数2011—2020》中附录部分的统计，以省份为单位，记录了在省级地区每年数字金融相关指标的数据。维拉尼等(Villani et al.,2017)[31]的研究证明，区域内的金融咨询等服务行业水平对就近行政区域内的大学有着辐射影响作用，故可以认为同省份内数字金融水平对大学科技园孵化绩效有同等效力影响。本文的另一个解释变量是高学历管理人员数量，该变量同样来源于《中国火炬统计年鉴》中“国家大学科技园”部分的统计，以省份为单位，表示在管理人员中具有硕士及博士学历的人员数量。

控制变量。影响大学科技园孵化绩效的因素众多，最主要的因素可以归纳为大学科技园数量、孵化基金总额、年末固定资产净值、科技园从业人员总数和大学科技园场地面积。考虑到上述变量能够充分反映大学科技园的硬件实力、园区规模、运营管理能力以及能够获得的政府支持，可以控制住影响大学科技园孵化绩效的主要因素[32]。

(三)数据说明与描述性统计

本文以全国31个省份(不含港澳台地区)的大学科技园为研究对象，通过科技部发布的《中国火炬统计年鉴》收集2011—2020年大学科技园孵化企业数量、大学科技园资金规模等数据。另外，通过北京大学数字金融研究中心发布的《北京大学数字普惠金融指数2011—2020》收集2011—2020年全国31个省份区域数字金融情况数据，包括区域数字金融指数、区域数字金融覆盖广度以及区域数字金融使用深度。选取2011年作为观测起点是因为中国数字普惠金融业务在2011—2020年实现了跨越式发展，2011年后能够获得较为全面的区域数字金融指数相关指标数据；再者，《中国火炬统计年鉴》2011年之后(含当年)记录了较为完整的大学科技园企业孵化数据。选取2020年作为观测最后一年主要是局限于数据样本的可得性。通过匹配《中国火炬统计年鉴》以及《北京大学数字普惠金融指数2011—2020》数据库，本文获得进行进一步实证研究的数据库，共得到31个省份大学科技园的310个观测样本。

在实证分析之前，本文对各变量进行描述统计分析，并分析了各解释变量与被解释变量之间的相关系数。由于除解释变量和被解释变量以外，各控制变量数值较大且存在取值为零的指标，因此对除被解释变量以外的所有指标加1后再取对数。从区域数字金融指数、区域数字金融覆盖广度和区域数字金融使用深度的均值、标准差和极值来看，全国数字金融发展程度相差较大，体现出由于地域差异导致大数据、区块链等数字技术在金融领域的应用广度和深度存在结构性不平衡的问题，数字金融的普及工作还有待完善。相关系数方面，变量之间的皮尔逊(Pearson)相关系数均在1%置信水平显著，说明所选变量能够解释大学科技园的孵化绩效。描述性统计分析结果见表1。

表1 描述性统计分析

四、实证结果分析

(一)基准回归

如表2结果所示，本文首先建立模型以检验区域数字金融普及和应用程度对大学科技园孵化绩效的影响，用于检验研究假设。四个模型的R2均在0.3以上，说明模型很好地对数据进行了拟合，且rho值均小于0.1，说明模型的解释力较好。模型中数字金融指数(DIF)系数超过0.26，且在1%的置信水平上显著为正，这表明区域数字金融指数对大学科技园孵化绩效有显著提升作用；数字金融覆盖广度(DIF_bth)系数为0.47，但P值显示系数没有显著影响，表明数字金融覆盖广度对大学科技园孵化绩效没有影响；数字金融使用深度(DIF_dth)系数为1.44，且在1%的置信水平上显著为正，表明区域数字金融使用深度对大学科技园孵化绩效有显著提升作用；数字金融指数与管理人员学历背景交互项系数为0.95，且在1%的置信水平上显著为正，证实了大学科技园中拥有更多高学历背景的管理人员会更加有利于数字金融发挥对孵化器绩效的促进作用。究其原因，数字金融的普及有利于大学科技园孵化绩效的提升，区块链、大数据等数字技术通过整合零散资金、搭建信用平台、重构传统金融模式等方式补充大学科技园初创企业孵化资金来源；同时，解决大学科技园初创企业孵化中信贷错配的问题，通过区块链等技术手段为初创企业信誉进行背书，打消投融资双方对于风险、信用的疑虑，从而打破大学科技园初创企业孵化中的融资约束。进一步分析发现，数字金融影响大学科技园初创企业孵化的机制在于其使用的深度而非覆盖的广度。使用深度通过多元的服务类型，能够一一解决大学科技园初创企业孵化中所遇到的融资难融资贵、信贷双方风险过大、信用体系不够透明等问题，从而有效弥补传统金融支持大学科技园初创企业孵化中的不足。大学科技园管理人员学历背景有助于数字金融对于大学科技园初创企业孵化绩效的提升。高学历人才是十分重要的人力资本，加上数字金融属于科技、知识密度较高的新兴金融工具，其对金融与数字技术知识掌握应用的门槛较高。高学历管理人员能够利用其丰富的知识积累和过人的学习能力快速学习掌握数字金融工具并高效、精准地解决初创企业融资问题。高学历管理人员也更熟悉国家金融政策、金融法律法规以及传统金融规则流程，能够更好地融合新、老金融工具的优势，在帮助初创企业孵化的过程中能更有效地运用规则并规避风险。

显著正向影响大学科技园孵化绩效的控制变量有大学科技园数量、科技园从业人员总数以及孵化基金。大学科技园数量反映了区域内科技园形成的相互间资源溢出效应以及规模效应有利于初创企业孵化；科技园从业人数增多有利于提升科技园对企业孵化的运营管理能力；而孵化基金为大学科技园企业孵化提供支持以促进孵化效率提升[11，33]。孵化园区面积对于大学科技园孵化绩效存在负向影响，可能的原因是园区面积过大不利于孵化资源的集中，形成管理、运营、交易成本的增加[34]。大学科技园年末固定资产额对孵化绩效没有显著影响。

表2 基准回归结果

(二)稳健性检验

为了让研究结论更加严谨稳健，考虑到基准方程中以大学科技园当年毕业企业数衡量大学科技园孵化绩效，为了进一步从孵化质量角度检验数字金融对大学科技园孵化绩效的影响，借鉴袁祥飞等(2022)[32]的研究选取大学科技园当年孵化总收入作为大学科技园孵化绩效的衡量指标进行稳健性检验。本文的做法是考察大学科技园当年孵化总收入(income)作为被解释变量时，区域数字金融指数以及覆盖广度、使用深度、管理人员高学历背景作用效果是否发生变化，带入模型分析的时候取对数处理。实证结果如表3所示。从表3可以看出，区域数字金融指数和数字金融使用深度的系数仍显著为正，数字金融覆盖广度系数依然不显著，管理人员高学历背景起到显著正向调节作用。这说明数字金融促进大学科技园孵化绩效这一结论是稳健的，且管理人员的高学历背景有助于数字金融优势发挥这一内在机理得到进一步确定。

表3 稳健性检验

(三)内生性问题探讨

数字金融和大学科技园孵化绩效之间可能存在内生性问题。一是由于遗漏变量导致的内生性问题。虽然本文已经从大学科技园的数量规模、获得的孵化基金、管理从业人员规模等方面选取变量，作为控制影响大学科技园孵化绩效的因素，但大学科技园孵化绩效会受到许多潜在因素的作用和影响，难以一一列出全部的影响因素，所以本文的研究仍然存在遗漏变量导致的内生性问题。二是由于测量误差导致的内生性问题。本文所使用数据的权威性和可信程度较高，但也不排除统计人员报错以及登记遗漏等的可能。三是数字金融相关指数和大学科技园孵化绩效之间存在联立性导致的内生性问题[35]。对于那些处在发达地区、有政策倾向的大学科技园，通过政策优势和市场优势也能够较为轻松地获得数字金融服务。为了解决本文可能存在的内生性问题，本文选择工具变量并使用两阶段最小二乘法(2SLS)进行重新验证。

选取合适的工具变量，应同时满足与数字金融指数变量相关，但是与决定大学科技园孵化绩效的未观测因素不相关。本文使用各省份网络普及率(数据来源于《中国互联网络发展状况统计报告》)。一方面，各省份网络普及率为数字金融服务大学科技园孵化提供了基础设施保障，也为开展多元化金融服务提供了技术支持，因而与数字金融指数、数字金融使用深度和数字金融覆盖广度相关，满足相关性假设。另一方面，大学科技园孵化绩效是科技初创企业发展成长的过程，与各省份网络普及率这一指标无关，满足外生性假设。表4列出了回归结果。为了确定选择的工具变量是恰当的，本文对各回归方程进行了过度识别检验，结果均表明在10%以上的水平上接受工具变量外生性的原假设，验证了工具变量的有效性。在消除了内生性之后，数字金融指数、数字金融使用深度和数字金融覆盖广度对大学科技园孵化绩效的影响与本文之前的结论保持一致。

表4 工具变量回归结果

五、进一步分析

本文依据《中共中央关于制定国民经济和社会发展第七个五年计划的建议》对中国三大经济带的划分方法(不含港澳台地区)，考察区域数字金融指数相关变量对处于不同经济带的大学科技园孵化绩效的影响差异，理由在于大学科技园孵化能力及政策、市场环境会受到所处地区经济水平的直接影响，通过分析表5的结果，可以得到如下结论：东部和中部地区，数字金融指数和数字金融使用深度正向影响大学科技园孵化绩效，数字金融覆盖广度对大学科技园孵化绩效没有显著影响，管理人员高学历背景有正向调节作用；西部地区数字金融指数、数字金融使用深度和数字金融覆盖广度对大学科技园孵化绩效均没有显著影响，管理人员高学历背景也没有体现出显著的调节作用。

东部地区属于中国经济、科技发展领先的地区，能够为初创企业的孵化提供较成熟的政策支持、法律金融等咨询服务。早期的大学科技园也是在北京、上海、广州等沿海发达城市率先设立，使得大学科技园孵化流程和配套资源成熟完善。另外，该地区数字金融行业发展较早且相对成熟，并且该地区拥有大量名校可为初创企业提供优秀人才，东部地区数字金融因此能够得到有效发展，也有足够的土壤和补充要素为数字金融促进大学科技园初创企业孵化提供支持。数字金融覆盖广度对东部地区大学科技园孵化绩效没有显著影响，这与基准回归保持一致。

中部地区经济发展落后于东部发达地区，但近年来特别是在数字金融领域发展迅猛，且拥有如武汉大学、华中科技大学、中国科学技术大学等高水平大学提供技术和人才支持数字金融在大学科技园科技企业孵化中的应用。另外，数字金融的发展能够很好地弥补中部地区传统金融发展落后的劣势，新旧金融体系的融合也促进了该地区企业孵化。数字金融对于中部地区大学科技园企业孵化的作用机制，同样是通过多元化丰富的业务模式助力，即数字金融使用深度促进大学科技园企业孵化这一路径同样适用。

西部大部分地区仍欠发达，数字金融普及程度较低且区块链、大数据等技术发展滞后，且该地区缺乏足够的人才和市场作为初创企业孵化的平台和基础，此外，西部地区的创业政策成熟度、创业市场环境相对于中东部地区有一定差距。因此，数字金融在西部地区难以发挥东中部地区对大学科技园企业孵化的同等作用。

表5 三大经济带的区分考察

六、结论与启示

本文主要得到如下结论：

第一，数字金融具有促进大学科技园孵化绩效的机制。为解决已有研究在数据条件、变量选取以及研究方法上的不足，本文基于《北京大学数字普惠金融指数2011—2020》发布的数字金融数据集以及《中国火炬统计年鉴》发布的大学科技园孵化器数据，运用固定效应模型，实证检验区域数字金融指数及相关特征指标对大学科技园孵化绩效的影响，并通过稳健性检验以及内生性检验等进行实证结论的再验证。研究结论认为，区域数字金融指数及数字金融使用深度对大学科技园孵化绩效有明显的促进作用，而数字金融覆盖广度对大学科技园孵化绩效没有显著影响。

第二，大学科技园管理人员高学历背景能够正向调节数字金融对大学科技园孵化绩效的促进作用。大学科技园具有高学历背景的管理人员能够更好地运用数字金融工具解决初创企业融资难、融资贵问题。

第三，大学科技园区域异质性特征使得区域数字金融指数及数字金融使用深度对大学科技园孵化绩效的促进效应具有异质性。本文深入考察了大学科技园所在区域经济发展水平因素所导致的数字金融对孵化绩效影响的异质性效应。结果表明：东部和中部地区数字金融指数及数字金融使用深度对大学科技园孵化绩效产生影响，管理人员高学历背景有正向调节作用，数字金融覆盖广度没有显著影响；而在西部地区数字金融指数等上述指标对大学科技园孵化绩效均没有显著影响。

本文提出如下建议：

第一，探索大学科技园科技企业孵化的中国路径和规律，进一步加强数字金融对大学科技园科技企业孵化服务领域的深度，完善数字金融助力科技园科技企业孵化协同机制。本文发现，数字金融特别是数字金融服务程度的多元化和深入性有利于科技企业孵化，丰富的数字金融服务业务能够很好地解决科技企业孵化中亟待解决的融资难、融资贵以及信用风险问题。为此，国家应大力发展数字金融行业，特别是发展针对大学科技园企业孵化的相应数字金融业务。

第二，提高大学科技园管理人员的专业能力。科技企业孵化不同于传统企业创业，知识技术是这类企业成长的核心要素；况且数字金融技术的应用也天然具备高知识门槛。提升大学科技园管理人员学历，可以通过提高招聘门槛和增加员工学习培训的机制来实现。

第三，根据大学科技园差异化特征有选择地构建数字金融服务系统，大学科技园科技企业孵化体系。一方面，应针对不同类型高校所处地域、优势专业、发展目标的差异，了解大学科技园在企业孵化中的投资、融资痛点以及优势，构建具备相应功能的数字金融服务体系，做到有的放矢。另一方面，在建设数字金融的同时，加强大学科技园中数字金融的普及和应用，通过优化政策、改进大学科技园企业孵化制度流程的方式完善数字金融，助力大学科技园企业孵化体系。