科技企業(yè)孵化器的有效性評(píng)價(jià)研究

楊薪鈺

青島科技大學(xué)經(jīng)濟(jì)與管理學(xué)院，山東 青島 266000

科技企業(yè)孵化器形成的目的是為科技型的初創(chuàng)企業(yè)提供服務(wù)，扶持其早期的發(fā)展。目前，我國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)的發(fā)展態(tài)勢(shì)，大眾創(chuàng)業(yè)、萬(wàn)眾創(chuàng)新被提到發(fā)展的首要位置，成為發(fā)展新動(dòng)力，創(chuàng)新和創(chuàng)業(yè)活動(dòng)共同從各方面推進(jìn)經(jīng)濟(jì)發(fā)展，由此對(duì)創(chuàng)新創(chuàng)業(yè)的孵化服務(wù)及效率有了新的要求和目標(biāo)，科技企業(yè)孵化器的未來(lái)發(fā)展也將面臨更大的挑戰(zhàn)和更高的要求。因此有必要對(duì)目前我國(guó)科技企業(yè)孵化器的有效性進(jìn)行系統(tǒng)客觀地評(píng)價(jià)，以了解我國(guó)科技企業(yè)孵化器目前的綜合能力情況。這對(duì)我國(guó)孵化器整體的發(fā)展以及其經(jīng)濟(jì)提升有著重要的指導(dǎo)意義。

國(guó)內(nèi)外相關(guān)學(xué)者對(duì)科技企業(yè)孵化器的研究?jī)A向于對(duì)其績(jī)效水平、商業(yè)模式和運(yùn)行效率等方面的研究，主要通過(guò)構(gòu)建相應(yīng)的評(píng)價(jià)指標(biāo)體系進(jìn)行。Bacalan 等[1]認(rèn)為從前的研究已經(jīng)確定了科技企業(yè)孵化器孵化所需的各個(gè)因素，但并未得出哪些因素影響最大的結(jié)論，因此對(duì)于促進(jìn)因素的識(shí)別是一項(xiàng)至關(guān)重要的任務(wù)。翁莉、殷媛[2]以長(zhǎng)三角地區(qū)的科技企業(yè)孵化器為例，運(yùn)用數(shù)據(jù)包絡(luò)分析方法對(duì)其運(yùn)行效率進(jìn)行評(píng)價(jià)，再運(yùn)用聚類分析法發(fā)現(xiàn)差異并提出相應(yīng)改革建議。張建清等[3]運(yùn)用投入與產(chǎn)出的思想構(gòu)建了科技企業(yè)孵化器的績(jī)效評(píng)價(jià)指標(biāo)體系，并運(yùn)用數(shù)據(jù)包絡(luò)分析方法進(jìn)行了實(shí)證研究，研究表明大多數(shù)科技企業(yè)孵化器均存在發(fā)展不均衡的問(wèn)題。楊海珍[4]采用了DEA 方法、超效率DEA 方法對(duì)全國(guó)科技企業(yè)孵化器的運(yùn)行效率和全要素生產(chǎn)率進(jìn)行了測(cè)算。 曹昱亮等[5]從以往研究中總結(jié)了15 個(gè)科技企業(yè)孵化器的成長(zhǎng)影響因素，運(yùn)用問(wèn)卷調(diào)查和主成分分析的方法進(jìn)行篩選，最后得出五大影響因素，其中包括服務(wù)能力、創(chuàng)業(yè)者能力等。

在前人研究的基礎(chǔ)上，本文將從投入情況、孵化效率、經(jīng)濟(jì)成果等幾個(gè)角度構(gòu)建科技企業(yè)孵化器有效性評(píng)價(jià)指標(biāo)，運(yùn)用主成分分析法獲得各省市科技企業(yè)孵化器的成分因子，并對(duì)其有效性進(jìn)行分項(xiàng)和綜合評(píng)價(jià)。

1 研究方法和指標(biāo)選取

1.1 主成分分析法

主成分分析法也稱作主分量分析方法，它的核心思想是降維，即將多個(gè)繁雜的無(wú)分類性的指標(biāo)轉(zhuǎn)化為幾個(gè)主要指標(biāo)。

1.2 指標(biāo)選取

科技企業(yè)孵化器的有效性評(píng)價(jià)主要是面向孵化能力、孵化業(yè)績(jī)和經(jīng)濟(jì)成果三個(gè)方向的，本文采用主成分分析法對(duì)科技企業(yè)孵化器的有效性進(jìn)行評(píng)價(jià)，在構(gòu)建指標(biāo)體系的過(guò)程中，采納了前人指標(biāo)體系構(gòu)建的思路和方法。因此，本文認(rèn)為影響科技企業(yè)孵化器有效性的主要因素有以下三類。（1）運(yùn)營(yíng)能力，其中包括團(tuán)隊(duì)建設(shè)能力和獲得支持能力，即科技企業(yè)孵化器在運(yùn)行過(guò)程中所能得到的地理、人力、財(cái)力等的支持情況，具體為孵化器場(chǎng)地面積、管理機(jī)構(gòu)人數(shù)、創(chuàng)業(yè)導(dǎo)師人數(shù)和在孵企業(yè)數(shù)。（2）產(chǎn)出能力，主要包括孵化器內(nèi)部的企業(yè)所能產(chǎn)生的經(jīng)濟(jì)成果和社會(huì)貢獻(xiàn)，具體為收入達(dá)5000 萬(wàn)元企業(yè)數(shù)、高新技術(shù)企業(yè)數(shù)、當(dāng)年新增的在孵企業(yè)數(shù)和在孵企業(yè)畢業(yè)率。（3）發(fā)展能力，即科技企業(yè)孵化器自身的盈利能力和資金運(yùn)用能力，具體為孵化基金總額、孵化器總收入和對(duì)公共服務(wù)技術(shù)平臺(tái)的投資額。

2 科技企業(yè)孵化器有效性評(píng)價(jià)及分析

2.1 數(shù)據(jù)獲取

本文的數(shù)據(jù)來(lái)自于《中國(guó)火炬統(tǒng)計(jì)年鑒（2018）》中全國(guó)各省市科技企業(yè)孵化器的數(shù)據(jù)，收集了孵化基金總額、從業(yè)人數(shù)、孵化器總收入等12 項(xiàng)定量數(shù)據(jù)，因數(shù)據(jù)缺失等原因剔除了西藏和海南的數(shù)據(jù)，最終選取全國(guó)34 個(gè)省市的科技企業(yè)孵化器作為樣本進(jìn)行評(píng)價(jià)研究。

為了消除指標(biāo)數(shù)據(jù)量綱不同對(duì)于評(píng)估結(jié)果的影響，本文將對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，選取的方法是標(biāo)準(zhǔn)化的處理方法。由于篇幅有限，將不再對(duì)原始數(shù)據(jù)進(jìn)行展示。

2.2 主成分分析過(guò)程

本文使用Spss19.0，對(duì)2018 年全國(guó)34 個(gè)省市科技企業(yè)孵化器的有效性作主成分分析，提取了三個(gè)主要因子并根據(jù)主要因子來(lái)計(jì)算綜合得分，分析排名情況，具體分析過(guò)程如下。

（1）KMO 檢驗(yàn)和Bartlett 檢驗(yàn)。 本文采用KMO檢驗(yàn)和Bartlett 球形檢驗(yàn)的統(tǒng)計(jì)分析方法，可知KMO 統(tǒng)計(jì)量為0.711，Bartlett 球形檢驗(yàn)的顯著性為0.000，表明本研究所選取的數(shù)據(jù)適宜采用主成分分析法。

（2）求取特征值和方差貢獻(xiàn)率，以及對(duì)主成分的確定。 本文采用SPSS19.0，對(duì)指標(biāo)數(shù)據(jù)進(jìn)行主成分分析，獲得樣本數(shù)據(jù)的特征根和方差貢獻(xiàn)率。根據(jù)累計(jì)方差的數(shù)據(jù)顯示，由于只有前3 個(gè)成分的特征值大于1，而且這3 個(gè)成分因子解釋了9 個(gè)變量組合方差的90.084%，所以可以提取3 個(gè)成分F1、F2和F3為主成分因子。

（3）成分矩陣的旋轉(zhuǎn)。多次旋轉(zhuǎn)成分矩陣，根據(jù)方差貢獻(xiàn)率表，按照特征值大于1 的原則，可以確定選擇3 個(gè)主成分因子。同時(shí)，可以得到旋轉(zhuǎn)后的成分矩陣，如表1 所示。

表1 旋轉(zhuǎn)后的成分矩陣

由表1 可以看出，第一個(gè)主成分在場(chǎng)地面積x1、管理機(jī)構(gòu)人數(shù)x2、創(chuàng)業(yè)導(dǎo)師數(shù)x3、在孵企業(yè)數(shù)x6和平均企業(yè)獲風(fēng)險(xiǎn)投資額x12上有較大載荷，說(shuō)明這5 個(gè)指標(biāo)具有較強(qiáng)的關(guān)聯(lián)性，能夠歸為運(yùn)營(yíng)能力成分；第二個(gè)主成分在當(dāng)年新增在孵企業(yè)數(shù)量x8、在孵企業(yè)畢業(yè)率x9、收入達(dá)5000 萬(wàn)元企業(yè)數(shù)占在孵企業(yè)數(shù)x10和高新技術(shù)企業(yè)占在孵企業(yè)數(shù)x11上有較大的載荷，說(shuō)明這4 個(gè)指標(biāo)具有較強(qiáng)的關(guān)聯(lián)性，能夠歸為產(chǎn)出能力成分；第三個(gè)主成分在單位面積孵化基金總額x4、單位面積對(duì)公共服務(wù)技術(shù)平臺(tái)投資額x5和單位面積孵化器總收入x7上有較大的載荷，說(shuō)明這3 個(gè)指標(biāo)具有較強(qiáng)的相關(guān)性，可以歸為發(fā)展能力成分。

（4）根據(jù)成分得分系數(shù)矩陣構(gòu)建表達(dá)式，計(jì)算各成分得分及綜合得分。由于篇幅有限，省去因子得分矩陣表，僅展示具體表達(dá)式情況，如下所示。

根據(jù)表達(dá)式所得到的因子得分和排名僅展示排名前五的地區(qū)，如表2 所示。

表2 科技企業(yè)孵化器因子得分及排名

2.3 有效性評(píng)價(jià)

（1）綜合水平分析。由選取的全國(guó)34 個(gè)省市的科技企業(yè)孵化器綜合得分來(lái)看，有18 個(gè)達(dá)到了1 以上，占所選取數(shù)量的52.94%，說(shuō)明我國(guó)科技企業(yè)孵化器的整體有效性達(dá)到良好的水平。江蘇省排名第一，廣東省、北京市、上海市等經(jīng)濟(jì)發(fā)達(dá)省市則位列前七，得分均在1.1 以上，其科技企業(yè)孵化器的有效性最佳，處于第一層次。湖北省、深圳市、四川省等11 個(gè)省市得分則在1.0 以上，處于第二層次，該層次的科技企業(yè)孵化器的發(fā)展較為均衡。而處于第三層次的則是來(lái)自廈門市、青島市、云南省等16 個(gè)省市的科技企業(yè)孵化器，其得分均在0.94 以上，彼此之間差距較小，但可以看出在這一層次的省市多是經(jīng)濟(jì)較為落后的西部地區(qū)，東西部地區(qū)的孵化器有效性還是存在一定的差距。

（2）F1主成分分析。 從F1的得分情況來(lái)看，在綜合排名中處于一、二位的江蘇省和廣東省仍在前列，并與其他省市有較大差距，說(shuō)明江蘇省和廣東省的科技企業(yè)孵化器運(yùn)營(yíng)能力較強(qiáng)，而其他省市的運(yùn)營(yíng)能力排名與其綜合排名并無(wú)明顯差異，說(shuō)明綜合得分和第一主成分的得分存在較大關(guān)聯(lián)（第一主成分的方差貢獻(xiàn)率為38.813%），也可以說(shuō)，孵化器的運(yùn)營(yíng)能力是影響其有效性的最重要因素。

（3）F2主成分分析。從F2的得分情況來(lái)看，僅有福建省、山東省、廣東省和江蘇省四個(gè)省份的得分達(dá)到了1 以上，且與其他省市存在較大差異，這說(shuō)明我國(guó)科技企業(yè)孵化器的孵化產(chǎn)出能力還處于較低水平，在一定程度上影響了其有效性水平，應(yīng)從各方面幫助在孵企業(yè)加快成長(zhǎng)速度，提高孵化器的產(chǎn)出能力和產(chǎn)出效率。

（4）F3主成分分析。 從F3的得分情況來(lái)看，上海市、北京市、廣東省、江蘇省等經(jīng)濟(jì)發(fā)達(dá)省市的發(fā)展能力仍排在前列，而在綜合排名中表現(xiàn)良好的省市，例如福建省、山東省等，則在這一主成分排名中靠后，說(shuō)明存在一些省市的運(yùn)營(yíng)能力和產(chǎn)出能力均良好，而發(fā)展能力薄弱，其獲利能力和資金利用及分配能力不足，長(zhǎng)遠(yuǎn)來(lái)看會(huì)影響科技企業(yè)孵化器的可持續(xù)發(fā)展能力，即使畢業(yè)后也會(huì)產(chǎn)生關(guān)于繼續(xù)生存和發(fā)展的問(wèn)題。