廣東省城市科技創(chuàng)新孵化能力與效率
——基于改進(jìn)熵值法與超效率DEA的分析

杜賽花，李鎮(zhèn)南，賴志杰

（1.廣東省科技創(chuàng)新監(jiān)測(cè)研究中心，廣東廣州 510033；2.暨南大學(xué)國(guó)際商學(xué)院，廣東珠海 519070）

1 研究背景

企業(yè)孵化器這一概念由美國(guó)企業(yè)家喬·曼庫(kù)于1956年提出，并且第一家企業(yè)孵化器在紐約得以成立，企業(yè)孵化器這一組織能為入駐企業(yè)提供場(chǎng)地，共享設(shè)施，服務(wù)等支持并降低初創(chuàng)企業(yè)的創(chuàng)業(yè)風(fēng)險(xiǎn)與創(chuàng)業(yè)成本,保障創(chuàng)業(yè)企業(yè)存活率與成功率，因此企業(yè)孵化器在世界范圍內(nèi)獲得迅猛的發(fā)展［1］。國(guó)內(nèi)外學(xué)者在企業(yè)孵化器績(jī)效這一研究領(lǐng)域已經(jīng)取得相當(dāng)數(shù)量的研究成果，通過對(duì)相關(guān)文獻(xiàn)進(jìn)行梳理,可知目前的成果主要從以下兩方面對(duì)孵化器績(jī)效進(jìn)行評(píng)價(jià)，分別為分析孵化器績(jī)效影響因素與結(jié)合各類評(píng)價(jià)方法構(gòu)建運(yùn)營(yíng)績(jī)效評(píng)價(jià)體系。

在分析績(jī)效影響因素方面，林強(qiáng)等［2］從內(nèi)外兩個(gè)角度提出，孵化器績(jī)效受政府、社會(huì)、競(jìng)爭(zhēng)者三個(gè)外部因素與投資模式、盈利模式、經(jīng)理人素質(zhì)、入孵企業(yè)關(guān)系四個(gè)內(nèi)部因素影響。Sang Suk Lee等［3］通過對(duì)比美國(guó)與韓國(guó)兩個(gè)國(guó)家的孵化器得出孵化器成果的關(guān)鍵因素有人力物力資源、配套服務(wù)與網(wǎng)絡(luò)化流程等。宋清等［4］結(jié)合實(shí)例建立回歸分析模型分析人力資源、財(cái)務(wù)資源與物質(zhì)資源三方面的投入對(duì)孵化器績(jī)效的影響。吳文清等［5］結(jié)合2010—2013年科技部統(tǒng)計(jì)年鑒數(shù)據(jù)建立回歸分析模型，發(fā)現(xiàn)孵化器創(chuàng)業(yè)績(jī)效和創(chuàng)新績(jī)效分別與孵化器資金投入規(guī)模、孵化器面積規(guī)模之間呈倒U型關(guān)系。而在前人對(duì)運(yùn)營(yíng)績(jī)效影響因素的研究基礎(chǔ)上，有許多學(xué)者建立了各類指標(biāo)體系并給出相應(yīng)的評(píng)價(jià)方法，如梁敏［6］運(yùn)用層次分析法設(shè)計(jì)綜合評(píng)價(jià)模型，其中的指標(biāo)層包括孵化器基地面積、風(fēng)險(xiǎn)投資額、企業(yè)孵化成功率等。孫琦等［7］運(yùn)用模糊評(píng)價(jià)方法分析企業(yè)孵化器的優(yōu)勢(shì)與劣勢(shì)。劉寧暉等［8］在評(píng)價(jià)模型構(gòu)建上選取了入孵企業(yè)畢業(yè)率、引進(jìn)海歸人員數(shù)、人均科技成果轉(zhuǎn)化率、在孵企業(yè)收入增長(zhǎng)率等指標(biāo)，并結(jié)合灰色系統(tǒng)理論分析了南京5家科技企業(yè)孵化器的運(yùn)行績(jī)效。殷群等［9］運(yùn)用DEA方法評(píng)價(jià)研究了長(zhǎng)三角地區(qū)45家國(guó)家級(jí)企業(yè)孵化器的綜合效率、技術(shù)效率以及規(guī)模效率。除此之外，還有學(xué)者應(yīng)用組合賦權(quán)法［10］、模糊層次分析法［11］、變異系數(shù)法等進(jìn)行評(píng)價(jià)［12］。

而在研究對(duì)象的選取方面，大部分學(xué)者孵化器作為單位進(jìn)行研究，如何慧芳等［13］以孵化器企業(yè)為單位對(duì)廣東省245個(gè)企業(yè)孵化器的運(yùn)行效率展開研究。也有學(xué)者以省份或地級(jí)市為單位進(jìn)行孵化器效率的研究，如趙崢等［1］、劉肖肖等［14］。孵化器通過對(duì)初創(chuàng)企業(yè)提供相關(guān)扶持措施促進(jìn)初創(chuàng)企業(yè)的成長(zhǎng)，是創(chuàng)業(yè)生態(tài)系統(tǒng)中的重要組成部分之一，對(duì)區(qū)域經(jīng)濟(jì)的增長(zhǎng)有著重要的影響，而孵化器的經(jīng)營(yíng)績(jī)效在一定程度上也反映了其所在城市的創(chuàng)業(yè)水平。

本文的研究對(duì)象是廣東省內(nèi)各地級(jí)以上城市（除云浮市），運(yùn)用基于改進(jìn)熵值法的綜合評(píng)價(jià)法構(gòu)建指標(biāo)體系對(duì)各市的科技企業(yè)孵化能力進(jìn)行評(píng)價(jià)，結(jié)合超效率DEA方法分析各城市科技孵化效率，進(jìn)而從量與質(zhì)兩方面對(duì)城市科技孵化水平進(jìn)行綜合分析，結(jié)合聚類分析方法對(duì)各城市進(jìn)行聚類，探究不同類型城市的效率差異及改進(jìn)方法。

2 研究方法

2.1 基于改進(jìn)熵值法的綜合評(píng)價(jià)法

（1）因?yàn)椴煌笜?biāo)具有不同量綱與單位，因此將評(píng)價(jià)指標(biāo)值進(jìn)行無量綱化處理（即度量化）并消除負(fù)值：

2.2 超效率DEA模型

科技型企業(yè)孵化器作為一個(gè)經(jīng)濟(jì)主體，實(shí)現(xiàn)投入資源的價(jià)值將其轉(zhuǎn)化為產(chǎn)出貫穿于孵化器的經(jīng)營(yíng)過程，而這一過程涉及多種投入到多種產(chǎn)出的轉(zhuǎn)化，且投入產(chǎn)出指標(biāo)具有不同量綱，因此衡量這一過程的效率難度較高。同樣地，以區(qū)域?yàn)閱挝谎芯糠趸蕰r(shí)也需要考慮測(cè)量這一過程效率的難度。而數(shù)據(jù)包絡(luò)分析作為評(píng)價(jià)復(fù)雜系統(tǒng)多投入多產(chǎn)出效率的方法，具有如下優(yōu)點(diǎn)：（1）DEA方法無須對(duì)數(shù)據(jù)進(jìn)行無量綱化處理，因?yàn)樵摲椒ú⒉恢苯訉?duì)數(shù)據(jù)進(jìn)行綜合，各個(gè)決策單元的最優(yōu)效率指標(biāo)并不取決于投入產(chǎn)出指標(biāo)值的量綱；（2）無須進(jìn)行任何權(quán)重假設(shè)，最優(yōu)權(quán)重取決于決策單元輸入輸出的實(shí)際數(shù)據(jù)，完全由數(shù)據(jù)驅(qū)動(dòng)，客觀性強(qiáng)；（3）假設(shè)輸入與一個(gè)或多個(gè)輸出之間具有關(guān)聯(lián)關(guān)系，但無需求出該關(guān)系的表達(dá)式，即生產(chǎn)函數(shù)［17］。因此，本文使用DEA方法評(píng)價(jià)廣東省地級(jí)以上城市的科技孵化效率。

在DEA方法的應(yīng)用中，主要有固定規(guī)模報(bào)酬的CCR模型與規(guī)模報(bào)酬可變的BBC模型這兩個(gè)基礎(chǔ)模型。然而，上述基礎(chǔ)模型存在難以進(jìn)一步判斷多個(gè)效率值為1的DMU相對(duì)效率的高低這一缺陷，因此Andersen等［18］提出了DEA超效率模型用于解決此類問題,以下對(duì)超效率模型進(jìn)行簡(jiǎn)要介紹。

超效率DEA模型基本思想為在對(duì)決策單元進(jìn)行評(píng)估時(shí),使該決策單元本身獨(dú)立于單元的集合，即排除在單元集合之外。對(duì)于效率評(píng)價(jià)值為1的DMU,該模型會(huì)將生產(chǎn)前沿面重新推導(dǎo)計(jì)算,從而使其大于經(jīng)典DEA模型的效率值;而對(duì)于DEA無效的DMU,其生產(chǎn)的前沿面不會(huì)發(fā)生改變,效率值與排序結(jié)果也與傳統(tǒng)模型保持一致。

在運(yùn)用超效率模型評(píng)價(jià)城市科技創(chuàng)新孵化效率這一過程中，可以假設(shè)研究對(duì)象共有個(gè)城市，每一個(gè)城市為一個(gè)決策單位（DMU），在其孵化過程中共有n種投入指標(biāo)與m種產(chǎn)出指標(biāo)，為第個(gè)城市的第種類型輸入的投入總量，為第個(gè)城市的第種類型輸入的投入總量，因此可以將任意一個(gè)城市的投入集，產(chǎn)出集表示為：基于投入導(dǎo)向的規(guī)模報(bào)酬不變的超效率DEA模型為：

為了對(duì)多個(gè)DEA有效的DMU進(jìn)行更有區(qū)分度的效率評(píng)價(jià)，本文選取這一模型對(duì)廣東省內(nèi)地級(jí)以上城市的科技企業(yè)孵化器孵化效率進(jìn)行評(píng)價(jià)分析。

2.3 K-means聚類

聚類分析是統(tǒng)計(jì)學(xué)中的數(shù)據(jù)歸類方法，作為一種描述數(shù)據(jù)之間相似性的分類算法獲得廣泛應(yīng)用，而K-means聚類（又稱快速聚類）是較為常用的聚類方法。K-means聚類由Mac Queen［19］于1967年首次提出,其基本思想為：選取任意個(gè)對(duì)象作為聚類中心，然后根據(jù)每個(gè)對(duì)象與聚類中心的距離將對(duì)象初步劃分為個(gè)群體形成初始聚類，再根據(jù)數(shù)據(jù)相似性與距離最短的原則不斷優(yōu)化直至收斂最終形成最終聚類。K-means聚類相較于方法優(yōu)點(diǎn)在于可以根據(jù)實(shí)際需求確定類別的個(gè)數(shù)，因此本文以廣東省地級(jí)以上城市為研究對(duì)象，以各城市創(chuàng)新孵化水平與效率為變量，運(yùn)用K-means聚類方法將不同城市劃分為不同類型，并在此基礎(chǔ)上探究不同類型城市的效率差異及改進(jìn)方法。

3.7 膝關(guān)節(jié)的應(yīng)用 徐盛元等[42]人探究Mulligan手法與低頻電療聯(lián)合治療膝骨關(guān)節(jié)炎，其療效顯著。Takasaki等[43]認(rèn)為MWM可以緩解疼痛和改善膝關(guān)節(jié)功能，此次的研究?jī)H探討直接和短期效益，因?yàn)镸WM尚未在膝骨關(guān)節(jié)炎中進(jìn)行說服力的研究與數(shù)據(jù)表明，所以其是潛在膝關(guān)節(jié)骨性關(guān)節(jié)炎的早期管理的一個(gè)組成部分。Doskay等[44]研究同樣可表明MWM對(duì)膝骨關(guān)節(jié)炎的疼痛減輕和功能恢復(fù)有效果。

3 城市科技創(chuàng)新孵化能力與孵化效率評(píng)價(jià)體系構(gòu)建

3.1 孵化能力評(píng)價(jià)體系

在評(píng)價(jià)城市創(chuàng)新孵化能力方面，大部分學(xué)者通過建立評(píng)價(jià)指標(biāo)體系并結(jié)合相關(guān)評(píng)價(jià)方法進(jìn)行分析，而在評(píng)價(jià)指標(biāo)的選取上，目前的研究成果傾向于從資源，環(huán)境，經(jīng)濟(jì)效益等方面入手，如曹細(xì)玉［20］構(gòu)建了以孵化器硬軟件環(huán)境、融資能力、管理能力、人才聚集能力和市場(chǎng)開拓能力等為指標(biāo)的評(píng)價(jià)體系對(duì)孵化器的能力進(jìn)行分析。本文在對(duì)城市創(chuàng)新孵化能力的評(píng)價(jià)指標(biāo)選取上，出于數(shù)據(jù)可得性與模型完備性，參考城市創(chuàng)業(yè)水平與城市孵化能力的研究［1，21-22］，選取以下指標(biāo)作為城市創(chuàng)業(yè)孵化能力評(píng)價(jià)指標(biāo)：孵化器數(shù)量、城市在孵企業(yè)總收入、城市在孵企業(yè)從業(yè)人員數(shù)、城市在孵企業(yè)數(shù)量和城市孵化器面積（見圖1）。

圖1 城市孵化能力評(píng)價(jià)體系

本文在上述評(píng)價(jià)體系的基礎(chǔ)上，結(jié)合改進(jìn)后的熵值法對(duì)城市創(chuàng)業(yè)孵化能力進(jìn)行評(píng)價(jià)。

3.2 孵化效率評(píng)價(jià)體系

在構(gòu)建評(píng)價(jià)體系時(shí)，選取合適的指標(biāo)對(duì)區(qū)域內(nèi)科技企業(yè)孵化器的投入產(chǎn)出進(jìn)行測(cè)量是運(yùn)用DEA方法的基礎(chǔ)與關(guān)鍵環(huán)節(jié)，這一過程直接影響到模型的合理性與有效性。而在投入產(chǎn)出指標(biāo)的選取方面，國(guó)內(nèi)學(xué)者在大方向上具有較為一致的觀點(diǎn)，但在具體的指標(biāo)選擇上有一些差異。例如，殷群等［9］從人、財(cái)、物三個(gè)方面考慮投入指標(biāo)，從社會(huì)效益出發(fā)考慮產(chǎn)出指標(biāo)，建立起以在職人員總數(shù)、孵化器產(chǎn)地面積、孵化器收入與資金總額為投入，累計(jì)畢業(yè)企業(yè)數(shù)量、就業(yè)總?cè)藬?shù)、稅收金額為產(chǎn)出的模型。代碧波等［23］從人力、財(cái)力、物力、孵化能力、就業(yè)機(jī)會(huì)、經(jīng)營(yíng)效益六個(gè)方面設(shè)置投入產(chǎn)出指標(biāo)。何慧芳等［13］設(shè)置了9個(gè)指標(biāo)測(cè)量投入產(chǎn)出，投入指標(biāo)為運(yùn)營(yíng)成本、基金總額度、孵化器使用面積、管理機(jī)構(gòu)從業(yè)人員，產(chǎn)出指標(biāo)為累計(jì)畢業(yè)企業(yè)數(shù)量、在孵企業(yè)從業(yè)人數(shù)、孵化器內(nèi)企業(yè)數(shù)量、知識(shí)產(chǎn)權(quán)數(shù)、孵化器總收入。結(jié)合前人研究成果與數(shù)據(jù)可獲得性等一般性原則，本文從人財(cái)物投入與社會(huì)效益等6方面設(shè)計(jì)了10個(gè)指標(biāo)測(cè)量企業(yè)孵化器的投入產(chǎn)出（見表1）。

表1 DEA超效率模型指標(biāo)體系

3.3 數(shù)據(jù)來源

2017年廣東省各城市的區(qū)域科技創(chuàng)新孵化能力評(píng)價(jià)與效率評(píng)價(jià)相關(guān)數(shù)據(jù)均來自廣東省科學(xué)技術(shù)廳發(fā)布的《2018廣東火炬統(tǒng)計(jì)年鑒》。篩除了部分指標(biāo)值缺失的樣本后，本文以廣州、深圳、珠海等20個(gè)地級(jí)以上城市作為研究對(duì)象進(jìn)行城市創(chuàng)新孵化能力與孵化效率的評(píng)價(jià)。投入產(chǎn)出變量與孵化能力相關(guān)變量的描述性統(tǒng)計(jì)見表2。

表2 各量定義及描述性檢驗(yàn)

4 實(shí)證分析

4.1 城市創(chuàng)新孵化水平與效率評(píng)價(jià)結(jié)果

本文利用改進(jìn)的熵值法與超效率DEA模型評(píng)價(jià)廣東省內(nèi)20個(gè)地級(jí)以上城市科技創(chuàng)新孵化能力,分別運(yùn)用state與EMS軟件進(jìn)行數(shù)據(jù)運(yùn)算,最終得到各城市創(chuàng)新孵化水平與創(chuàng)新孵化效率評(píng)價(jià)結(jié)果。其中，效率值小于1則代表DEA無效，大于1則代表DEA有效（見表3）。

表3 廣東省地級(jí)以上城市科技創(chuàng)新孵化能力效率綜合評(píng)價(jià)

表3 （續(xù)）

結(jié)合基于改進(jìn)熵值法的城市創(chuàng)新孵化能力綜合評(píng)價(jià)模型，本文求得廣東省20個(gè)地級(jí)以上城市的創(chuàng)新孵化水平，其中位于前五名的分別為廣州（0.996），深圳（0.700），東莞（0.406），佛山（0.308），中山（0.172），各城市創(chuàng)新孵化能力如圖2所示，其中廣東省各城市創(chuàng)新孵化能力均值為0.155，樣本方差為0.26。

圖2 廣東省地級(jí)以上城市創(chuàng)新孵化能力

由圖2可以看出，廣東省內(nèi)各城市創(chuàng)新孵化能力差異較大，其中創(chuàng)新孵化能力較強(qiáng)的城市僅占少數(shù)（如廣州、深圳），大部分城市的創(chuàng)新孵化能力仍較差，能力指數(shù)在0.1以下的城市共13座。結(jié)合各個(gè)城市的地理位置可知，孵化能力較強(qiáng)的企業(yè)全都位于珠三角地區(qū)，這些城市較高的經(jīng)濟(jì)發(fā)展水平為科技企業(yè)孵化器的發(fā)展提供了優(yōu)越的條件，而廣東省經(jīng)濟(jì)發(fā)展不均衡的格局導(dǎo)致了珠三角城市創(chuàng)新孵化能力遠(yuǎn)遠(yuǎn)強(qiáng)于粵東，粵西等地區(qū)的城市。

在超效率DEA模型的基礎(chǔ)上求解得到各個(gè)城市的創(chuàng)新孵化效率，其中揭陽（603.06%），汕尾（584.37%），潮州（386.67%），珠海（358.54%），清遠(yuǎn)（241.14%）位于前五。結(jié)合各城市創(chuàng)新孵化效率，不難看出城市創(chuàng)新孵化效率與能力兩者之間不存在匹配關(guān)系，如廣州的孵化能力在廣東位于首位，而孵化效率卻小于1，即DEA無效；汕尾的孵化能力位于廣東省末尾，其孵化效率卻位于前列。當(dāng)然也存在類似于深圳、肇慶能力與效率相匹配的情況。總體上看，廣東省城市創(chuàng)新孵化這一方面存在著高能低效、低能高效、能效匹配這三種情況。

4.2 聚類分析

結(jié)合前文對(duì)廣東省城市創(chuàng)新孵化能力效率總體情況的分析，本文運(yùn)用SPSS以各城市創(chuàng)新孵化能力指數(shù)與孵化效率指數(shù)為變量進(jìn)行聚類分析，結(jié)合聚類分析結(jié)果與實(shí)際情況將20個(gè)城市分為三類：高能低效型，低能高效型，能效匹配型，具體結(jié)果見表4。

表4 廣東省地級(jí)以上市創(chuàng)新孵化能力效率分類

高能低效型城市有廣州、佛山這兩個(gè)城市，其中廣州作為廣東省省會(huì)，政治經(jīng)濟(jì)條件優(yōu)越，擁有豐富的創(chuàng)新創(chuàng)業(yè)資源，吸引而來的科技企業(yè)孵化器數(shù)量眾多，但由于資源的有限約束與不合理分配等原因，孵化器數(shù)量的增多并不能有效提升整個(gè)城市的創(chuàng)新孵化效率，反而有可能導(dǎo)致整體效率的降低。而佛山臨近廣州，其發(fā)展歷史及相關(guān)資源與廣州具有相似性，其孵化能力效率特點(diǎn)與廣州相似，同屬高能低效型城市。針對(duì)這兩個(gè)城市規(guī)模不經(jīng)濟(jì)及可能存在的管理、組織方式滯后的問題，城市之間應(yīng)加強(qiáng)科技交流，發(fā)揮規(guī)模效應(yīng)，共同推動(dòng)協(xié)同創(chuàng)新發(fā)展。

低能高效型城市有珠海、揭陽等，這些城市雖然孵化器企業(yè)數(shù)量較少，孵化能力較弱，但由于孵化器數(shù)量較少，其孵化效率易受企業(yè)自身特質(zhì)，區(qū)位條件及政策資源等條件影響，而較為優(yōu)越的條件能較強(qiáng)的提升城市創(chuàng)新孵化效率。如珠海臨近澳門，是粵港澳大灣區(qū)的重要組成部分，在資源傾斜及政策的加持下具有較高的效率。

能效匹配型城市可以根據(jù)其城市創(chuàng)新孵化能力的高低進(jìn)一步區(qū)分為高能高效型城市與低能低效型城市，高能高效型城市有深圳、東莞、中山、惠州，這些城市相較于廣州更具有活力，其經(jīng)濟(jì)實(shí)力的快速提升激活了區(qū)域內(nèi)科技創(chuàng)新活力，加之政府政策及相關(guān)區(qū)位優(yōu)勢(shì)，這些城市在具有較高創(chuàng)新孵化能力的同時(shí)保持了一定的孵化效率。以深圳為例，深圳作為改革發(fā)展的先行地，既擁有強(qiáng)大的發(fā)展基礎(chǔ)與資源的傾斜，也有著濃厚的創(chuàng)新創(chuàng)業(yè)氛圍，另外高端科研人才引進(jìn)與培養(yǎng)政策等政策支持也進(jìn)一步提升了深圳的科技創(chuàng)新發(fā)展效率。而低能低效型城市由于經(jīng)濟(jì)基礎(chǔ)較差，自身優(yōu)勢(shì)不夠明顯，不能有效提升創(chuàng)新孵化能力及效率，針對(duì)這類型的城市，政府因以科技創(chuàng)新能力提升為導(dǎo)向，鼓勵(lì)高新技術(shù)企業(yè)孵化器的入駐，同時(shí)推動(dòng)城市之間的技術(shù)與政策交流，促進(jìn)區(qū)域科技協(xié)同創(chuàng)新，共同發(fā)展。

5 研究結(jié)論與對(duì)策建議

5.1 研究結(jié)論

本文以廣東省內(nèi)20個(gè)地級(jí)以上城市為研究對(duì)象，通過基于熵值法的綜合評(píng)價(jià)法與超效率DEA法對(duì)比分析了各個(gè)城市的創(chuàng)新孵化能力及效率，并將各個(gè)城市劃分為高能低效，低能高效，能效匹配三種類型，得出以下結(jié)論：

（1）廣東省由于區(qū)域經(jīng)濟(jì)發(fā)展不均衡，城市之間差異較大，位于珠江三角洲的城市因?yàn)閾碛休^強(qiáng)的經(jīng)濟(jì)基礎(chǔ)與創(chuàng)新創(chuàng)業(yè)環(huán)境而具有極高的科技創(chuàng)新孵化能力，位于粵東、粵西的城市科技創(chuàng)新孵化能力較弱。

（2）廣東省內(nèi)各城市創(chuàng)新孵化效率差異較大，效率較高的城市有揭陽、汕尾、潮州等城市，而DEA無效的城市有廣州、佛山等7個(gè)城市。而城市創(chuàng)新孵化效率的高低受資源分配，企業(yè)自身管理能力等多種條件影響。

（3）城市科技創(chuàng)新孵化能力與效率兩者之間不具有匹配性，創(chuàng)新孵化能力的提升不一定會(huì)帶來孵化效率的提高，孵化效率受多種因素的影響，孵化能力的增強(qiáng)，孵化器數(shù)量的增多反而會(huì)導(dǎo)致資源的不合理分配，從而導(dǎo)致孵化效率的降低。而兩者之間的關(guān)系也產(chǎn)生了高能低效型、低能高效型、能效匹配型等類型的城市。

5.2 對(duì)策建議

基于上述實(shí)證分析的內(nèi)容及結(jié)論，本文認(rèn)為要同步提升廣東省內(nèi)各城市科技創(chuàng)新孵化能力與效率可以從以下兩個(gè)方面著手：

（1）企業(yè)提升精細(xì)化管理程度，促進(jìn)資源的合理配置。隨著國(guó)家社會(huì)經(jīng)濟(jì)的發(fā)展及相關(guān)產(chǎn)業(yè)政策的實(shí)施，科技企業(yè)孵化器的數(shù)量及規(guī)模得以大幅度擴(kuò)張，但孵化器企業(yè)的經(jīng)營(yíng)管理能力，技術(shù)水平等提升幅度則較為有限。企業(yè)在經(jīng)營(yíng)發(fā)展過程中需逐步完善自身經(jīng)營(yíng)制度，提升管理水平，通過整合孵化器軟硬件資源，合理利用內(nèi)外部發(fā)展優(yōu)勢(shì)，促進(jìn)孵化器從粗放型到精細(xì)型的轉(zhuǎn)變。在合理配置企業(yè)人、財(cái)、物等資源的基礎(chǔ)上，增強(qiáng)在孵企業(yè)發(fā)展能力，提升企業(yè)存活率與畢業(yè)企業(yè)數(shù)量，促進(jìn)孵化效率的提升。

（2）完善科技企業(yè)孵化器管理制度，推動(dòng)重點(diǎn)化，差異化發(fā)展及退出機(jī)制的實(shí)施。結(jié)合孵化器企業(yè)經(jīng)營(yíng)實(shí)踐，不同科技企業(yè)孵化器的效率影響因素各不相同，其效率改善途徑也有所區(qū)分，這對(duì)政府在孵化器管理過程中精準(zhǔn)識(shí)別區(qū)域內(nèi)孵化器的發(fā)展?jié)摿εc發(fā)展前景提出了要求。針對(duì)優(yōu)質(zhì)的高效科技企業(yè)孵化器，當(dāng)?shù)卣梢酝ㄟ^減稅降費(fèi)等政策進(jìn)行鼓勵(lì)與扶持，使其成為行業(yè)標(biāo)桿進(jìn)而帶動(dòng)區(qū)域內(nèi)科技企業(yè)孵化器的發(fā)展，而針對(duì)部分效率低下，發(fā)展?jié)摿^弱的孵化器企業(yè)，可以引入退出機(jī)制進(jìn)行整改，有序逐步淘汰完全低效的孵化器。另一方面，各科技企業(yè)孵化器的行業(yè)類別既有差異也有重復(fù)，這要求政府在推動(dòng)科技企業(yè)孵化器發(fā)展過程中需要針對(duì)不同區(qū)域，不同產(chǎn)業(yè)等特點(diǎn)進(jìn)行差異化管理，結(jié)合當(dāng)?shù)貐^(qū)位，資源等條件促進(jìn)孵化器企業(yè)差異化發(fā)展。