我國眾創(chuàng)空間發(fā)展的金融支持效率評價

徐曉旭，姚登寶

（安徽大學經濟學院，安徽合肥230601）

一、引 言

2014年，李克強總理在夏季達沃斯論壇上首次提出，并在2015年政府工作報告中將“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”作為中國經濟轉型和保增長的“新引擎”。眾創(chuàng)空間作為“雙創(chuàng)”戰(zhàn)略的重要載體，是順應創(chuàng)新3.0時代新趨勢和實施創(chuàng)新驅動發(fā)展戰(zhàn)略的重要組成部分。2016年國務院辦公廳出臺《關于加快眾創(chuàng)空間發(fā)展服務實體經濟轉型升級的指導意見》，全國各地在此文件基礎上紛紛制定了具體的實施細則，各種類型的眾創(chuàng)空間如雨后春筍一般在全國各地蓬勃發(fā)展起來。據(jù)2019年《中國火炬統(tǒng)計年鑒》和《中國眾創(chuàng)空間白皮書2018》顯示，中國已擁有眾創(chuàng)空間5 739家，眾創(chuàng)空間數(shù)量已躍居全球第一。眾創(chuàng)空間的發(fā)展推動了各種創(chuàng)新要素交叉融合，服務于實體經濟轉型升級，業(yè)已成為經濟高質量發(fā)展的重要力量。

為了加快眾創(chuàng)空間發(fā)展，各地紛紛出臺支持眾創(chuàng)空間建設的各種優(yōu)惠政策，尤其是金融支持政策。例如，杭州的“洋蔥膠囊”、北京的“3W咖啡”、上海的“新車間”以及深圳的“柴火創(chuàng)客空間”，這些高水平的眾創(chuàng)空間平臺都離不開充分且完善的金融支持。金融支持體系與經濟發(fā)展、產業(yè)結構調整都存在著密切的耦合關系[1]，高效的金融支持體系建設對創(chuàng)新創(chuàng)業(yè)的績效具有重要的促進作用?？梢?，金融支持對于眾創(chuàng)空間的發(fā)展壯大具有重要的推動作用。然而，現(xiàn)有研究很少從理論上深入闡述眾創(chuàng)空間發(fā)展過程中的金融支持體系問題。目前，部分眾創(chuàng)空間雖獲得充足的資金支持，但資金的使用效率較低，金融資金支持額度并不能與眾創(chuàng)空間產出水平相匹配。究其原因，就是缺乏對眾創(chuàng)空間的金融支持效率進行科學評價，導致相關部門無法根據(jù)眾創(chuàng)空間特點及發(fā)展情況做到精準施策，造成金融支持資源的極大冗余和浪費。因此，分析金融支持眾創(chuàng)空間發(fā)展的現(xiàn)狀及主要模式，從多維度評價眾創(chuàng)空間的金融支持效率，具有十分重要的理論和現(xiàn)實意義。

眾創(chuàng)空間與Dougherty（2012）、Lindtner&Li（2012）所提出“創(chuàng)客空間”的概念非常相似，是一類新型企業(yè)孵化器[2-3]；而互聯(lián)網時代的“眾創(chuàng)空間”是特定時代背景下的物理空間、社會空間與精神空間的融合體[4]。眾創(chuàng)空間作為國家支持創(chuàng)新創(chuàng)業(yè)的平臺，與企業(yè)一樣需要金融支持。崔祥民（2019）指出影響眾創(chuàng)空間核心競爭力的重要因素包括融資與金融機構聚集[5]。與國內不同，國外的眾創(chuàng)空間分為純商業(yè)化機構和非營利組織兩類，其中純商業(yè)化機構的眾創(chuàng)空間主要以會員費、風險投資、銀行金融資本和機構資助等作為金融支持；而非營利組織主要以眾籌、政府資助等作為金融支持。對于非營利組織，許多項目與成果是以政府資助為支撐。例如，紐約作為全球金融中心，其設立的“紐約創(chuàng)業(yè)投資基金”（NYCEF）和“紐約戰(zhàn)略投資集團”（NYCSIC），為非營利組織提供個性化的金融解決方案。英國著名眾創(chuàng)空間Build Brighton則屬于純商業(yè)化眾創(chuàng)空間，其運營費用則來自于會員的捐贈。另外，對純商業(yè)化眾創(chuàng)空間的金融支持方式還包括銀行金融資本、風險投資等[6-8]。

國內學者對眾創(chuàng)空間金融支持模式的研究大多以國家出臺的政策文件為依據(jù)。黃彥菁和孫麗江（2015）認為目前我國眾創(chuàng)空間的資金支持方式主要由政府專項扶持基金、金融機構融資、創(chuàng)意成果轉化后的創(chuàng)收、大企業(yè)扶持、私募股權投資、天使投資與風險投資等[1]；郝君超和張瑜（2016）將金融支持政策文件歸納為政府給予包括資金、場地及人員在內的各項支持[9]。目前，政府扶持是促進眾創(chuàng)空間生態(tài)系統(tǒng)健康發(fā)展的重要手段[10]。因此，各地政府從財政補貼、場地、稅收、獎勵等方面大力扶持眾創(chuàng)空間的發(fā)展[11]，才逐漸搭建出眾創(chuàng)空間的金融支持體系。然而，政策工具對眾創(chuàng)空間的發(fā)展并非完全起推動作用。徐示波（2019）在對眾創(chuàng)空間政策文本進行量化研究中發(fā)現(xiàn)，中央和地方政府運用政策工具存在差異，且部分有效的政策工具運用不足[12]。同時，部分地區(qū)還存在眾創(chuàng)空間僅以單純工位出租模式，攫取政府補貼，導致眾創(chuàng)空間的無序發(fā)展[10]。除了政府通過財稅、信貸進行扶持以外，眾創(chuàng)空間本身的投融資活動也屬于金融支持。吳崇明和于源（2019）發(fā)現(xiàn)眾創(chuàng)空間的核心價值獲取應來源于創(chuàng)業(yè)企業(yè)的價值創(chuàng)造，而價值創(chuàng)造則需要眾創(chuàng)空間對其進行投資支持[13]。但是，目前投融資仍然眾創(chuàng)空間發(fā)展的軟肋，杜躍平等（2019）在對西安市眾創(chuàng)空間的服務滿意度進行評估時就發(fā)現(xiàn)創(chuàng)客對于投融資的滿意度較低[14]。鑒于眾創(chuàng)空間的運營機制尚不完善、經營風險較高和盈利水平較低等問題，大部分眾創(chuàng)空間很難通過直接投融資渠道獲得金融支持。由于我國各地區(qū)之間的經濟發(fā)展水平、科技與人才力量等方面存在較大差異，這也導致了各地區(qū)眾創(chuàng)空間金融支持方式也有所不同。陳夙等（2015）以杭州夢想小鎮(zhèn)為例，在眾創(chuàng)空間中構建包括天使投資基金、股權投資機構、財富管理機構等在內的全鏈條金融服務體系[15]；王慶金等人（2019）通過構建“眾創(chuàng)空間網絡嵌入—共生行為—商業(yè)模式創(chuàng)新”模型，認為創(chuàng)業(yè)企業(yè)與其他主體共生發(fā)展后在資金獲取與利用方面更具優(yōu)勢[16]。

對于眾創(chuàng)空間效率評價的研究，大多數(shù)學者采用數(shù)據(jù)包絡分析（Data Envelopment Analysis,DEA）。但DEA方法包含的模型眾多，不同的學者由于研究對象不同，所采用的DEA模型也不同。目前，研究眾創(chuàng)空間效率評價主要分為兩類：一類是眾創(chuàng)空間的運行效率。如李洪波與史歡（2019）綜合基本CCR模型以及超效率DEA模型，對國內眾創(chuàng)空間的運行效率進行評價[17]；徐莉等（2019）運用DEA模型與DEA-Malmquist指數(shù)，從靜態(tài)與動態(tài)雙維度對全國30個省市區(qū)眾創(chuàng)空間的運行效率狀況進行評價[18]。另一類是眾創(chuàng)空間的創(chuàng)新創(chuàng)業(yè)效率。如高涓和喬桂明（2019）采用改進的EBM-DEA三階段模型，結合地方政府對于眾創(chuàng)空間的財政補貼及其享受的稅收收益，分析了創(chuàng)新創(chuàng)業(yè)財政引導政策的績效[19]；張靜進和陳光華（2019）運用三階段DEA模型方法在有效剔除環(huán)境變量的基礎上分析了我國眾創(chuàng)空間的創(chuàng)新創(chuàng)業(yè)效率及各省份之間的差異[20]。

綜上所述，國內對眾創(chuàng)空間方面的研究大多還集中在實踐領域，理論研究較少，尤其是缺乏深入剖析眾創(chuàng)空間發(fā)展過程中的金融要素，這也導致了現(xiàn)階段國內眾創(chuàng)空間的“融資難、融資貴”問題依然存在，且金融支持效率不高。雖然上述文獻為本文研究提供了有益借鑒，但仍存在以下三個方面的不足：第一，偏于將眾創(chuàng)空間看成獨立主體研究其運行機制和相關政策支持，缺乏從整個經濟生態(tài)或科技創(chuàng)新生態(tài)來分析眾創(chuàng)空間的作用以及發(fā)展過程中存在的問題；第二，分析金融支持眾創(chuàng)空間發(fā)展的研究偏少，且大多偏于定性地討論金融支持方式或融資方式，很少建立金融支持眾創(chuàng)空間發(fā)展的評價指標體系；第三，偏于從整體上分析眾創(chuàng)空間的運行效率，金融作為推動眾創(chuàng)空間發(fā)展的重要力量，卻尚未對金融支持效率進行系統(tǒng)評價。因此，本文將在深入分析我國金融支持眾創(chuàng)空間發(fā)展的現(xiàn)狀基礎上，通過構建三階段DEA模型評價我國30個省市眾創(chuàng)空間的金融支持效率。

二、我國金融支持眾創(chuàng)空間發(fā)展的現(xiàn)狀

（一）我國眾創(chuàng)空間的發(fā)展情況

自2016年以來，為響應和貫徹國務院辦公廳《關于加快眾創(chuàng)空間發(fā)展服務實體經濟轉型升級的實施意見》，全國各地相繼建立了各種類型的眾創(chuàng)空間。據(jù)2019年《中國火炬統(tǒng)計年鑒》和《中國眾創(chuàng)空間白皮書》顯示，截至2018年12月31日，除西藏藏族自治區(qū)以外，全國30個省市已擁有5 739家眾創(chuàng)空間，數(shù)量躍居全球第一。

按照全國七大地理區(qū)域劃分，2018年我國眾創(chuàng)空間的區(qū)域分布如圖1所示?？梢钥闯?，我國眾創(chuàng)空間分布具有顯著的不平衡特征，其中，華東地區(qū)眾創(chuàng)空間數(shù)量最多，其次是華北、華南地區(qū)，而西南、華中、西北和東北地區(qū)的數(shù)量最少。這也說明眾創(chuàng)空間數(shù)量與地區(qū)的經濟、教育、科技、人才等因素關系密切，經濟發(fā)展水平越發(fā)達，眾創(chuàng)空間的數(shù)量越多。

圖1 2018年全國眾創(chuàng)空間分布情況

總收入是反映眾創(chuàng)空間發(fā)展水平的最直接統(tǒng)計指標，由圖2可知，除天津、甘肅以外，大部分省市2018年眾創(chuàng)空間的總收入都要高于2017年。北京、天津、江蘇、浙江、廣東、江西等相對發(fā)達地區(qū)眾創(chuàng)空間總收入明顯高于其他省市自治區(qū)，這主要因為這些地區(qū)的經濟發(fā)展水平、科技水平以及包含金融、財稅等支持政策為眾創(chuàng)空間提供了優(yōu)越的發(fā)展環(huán)境。黑龍江、廣西、海南、青海、寧夏、新疆等欠發(fā)達地區(qū)的眾創(chuàng)空間總收入也相對較低。值得注意的是，天津因其2017年對眾創(chuàng)空間總收入的統(tǒng)計口徑與國家統(tǒng)計局不一致，加之眾創(chuàng)空間服務收入與投資收入在2018年均有所下降，使得其在2018年眾創(chuàng)空間總收入出現(xiàn)顯著下降的現(xiàn)象。

圖2 全國各省市眾創(chuàng)空間總收入狀況（千元）

（二）我國金融支持眾創(chuàng)空間發(fā)展的主要模式

2016年國務院辦公廳印發(fā)《關于加快眾創(chuàng)空間發(fā)展服務實體經濟轉型升級的指導意見》（下文簡述為《指導意見》），作為全國各省市建設與發(fā)展眾創(chuàng)空間的綱領性文件。該《指導意見》針對眾創(chuàng)空間發(fā)展提出了三項金融支持政策：一是實行獎勵和補助政策，綜合運用無償資助、業(yè)務獎勵等方式對眾創(chuàng)空間軟硬件設施給予補助，發(fā)揮財政資金的杠桿作用，并利用市場引導社會資金與金融資本進入眾創(chuàng)空間；二是落實促進創(chuàng)新的稅收政策，對研發(fā)的設備儀器使用加速折舊政策以盡量少納稅，對研發(fā)費用進行稅前加計扣除等；三是引導金融資本支持，引導和鼓勵各類天使投資、創(chuàng)業(yè)投資與眾創(chuàng)空間相結合，結合股權與債券進行投貸聯(lián)動，支持眾創(chuàng)空間內企業(yè)通過資本市場進行融資，完善投融資模式。《指導意見》出臺以后，全國各省市紛紛響應并制定了相應的金融支持政策，表1列出了我國部分城市針對眾創(chuàng)空間發(fā)展出臺的一些金融支持政策。

表1 我國部分城市的眾創(chuàng)空間金融支持政策

三、金融支持眾創(chuàng)空間發(fā)展的效率評價模型：三階段DEA模型

發(fā)展眾創(chuàng)空間是一個多投入、多產出的系統(tǒng)過程，而數(shù)據(jù)包絡分析方法（DEA）可以很好地研究此類多投入、多產出的效率評價問題。在DEA方法中，最常用的是BCC與CCR模型，但由于各省市眾創(chuàng)空間的金融支持效率會受到環(huán)境因素、隨機因素等外部沖擊因素的影響，因此這里主要采用三階段DEA模型，通過剔除環(huán)境因素和隨機因素，進而更準確地獲得各省市金融支持眾創(chuàng)空間的效率值。

（一）三階段DEA模型

1.第一階段DEA模型

第一階段DEA模型主要是運用傳統(tǒng)DEA模型對各省市金融支持眾創(chuàng)空間發(fā)展的效率進行評價，得到評價的初始效率值。傳統(tǒng)DEA模型包括BCC模型與CCR模型兩種，且模型還有投入導向與產出導向的區(qū)分。由于DEA模型中的投入導向主要是在產出既定的前提下衡量要素投入減少的比例，而本文最終是要分析如何調整投入指標來優(yōu)化金融支持的效率問題，因此這里選擇投入導向模型。另外，鑒于眾創(chuàng)空間常常具有規(guī)模報酬可變的特征，所以第一階段DEA模型主要運用投入導向BCC模型獲得各地區(qū)金融支持眾創(chuàng)空間發(fā)展的初始效率值。投入導向的BCC模型如下：

其中，θ表示投入角度的效率值，xi和yi分別表示第i種投入和產出，X與Y分別表示投入與產出，λ為權重向量，I1'為單位向量，I1'λ=1表示權重之和為1，說明該模型的規(guī)模報酬可變，這正是BCC模型與CCR模型的不同之處。

2.第二階段DEA模型

第一階段得到投入或產出的松弛量受到環(huán)境變量、管理無效率項、隨機干擾項等因素影響，需要運用SFA模型分解第一階段所得到的松弛變量，剔除環(huán)境與隨機因素的影響，對投入變量進行一定的調整。根據(jù)張靜進和陳光華（2019）[20]的方法，以各投入變量的松弛量作為因變量，以環(huán)境變量作為自變量，對每一個投入變量的松弛量建立一個SFA回歸方程，SFA回歸方程如下：

其中，Sn1表示第i個決策單元（省市）在第1項投入上的松弛量，f1(Zi;β)為確定的可行松弛前沿，這里β為系數(shù)，Zi為第i個決策單元的環(huán)境變量，v1i表示投入變量1的統(tǒng)計噪聲，服從于正態(tài)分布，μ1i表示投入變量1的管理無效率項，一般為非負數(shù)，服從于半正態(tài)分布，且v1i與μ1i相互獨立。

然后，對投入變量的松弛量與選擇的環(huán)境變量進行SFA回歸分析，驗證其是否通過單邊似然比檢驗，并得到投入變量的松弛量與每個環(huán)境變量之間的相關系數(shù)、混合誤差項的平方以及gama值。在對兩項投入變量的松弛量進行SFA回歸之后，利用公式（3）求出管理無效率項，進而結合公式（4）計算隨機誤差項。

其中，μ為管理無效率項，表示混合誤差項，為管理無效率項與隨機擾動項之和，φ(?)、φ(?)分別為密度函數(shù)和累計密度函數(shù)。

最后，運用公式（5）對投入變量的原始投入數(shù)據(jù)進行調整。

其中，XAni、Xni分別表示第n個投入變量在第i個決策單元的調整數(shù)據(jù)和原始數(shù)據(jù)，f(Zi;β)為環(huán)境變量值，vni為隨機干擾項值，max[f(Zi;β)]-f(Zi;β)表示將所有決策單元調整于相同環(huán)境，max(vni)-vni是為了在所有決策單元置于相同環(huán)境時將統(tǒng)計噪聲調整為相同情形。

3.第三階段DEA模型

對利用公式（5）得出的剔除環(huán)境因素和隨機因素的兩項變量再次進行DEA模型檢驗，檢驗模型仍然使用投入導向BCC模型，從而得出各地區(qū)眾創(chuàng)空間的真實效率值。

四、我國眾創(chuàng)空間發(fā)展的金融支持效率評價

（一）金融支持眾創(chuàng)空間發(fā)展的評價指標體系構建

鑒于本文側重于研究眾創(chuàng)空間發(fā)展的金融支持效率，所選取的投入指標主要與金融支持相關，而選取的產出指標則是盡可能反映眾創(chuàng)空間的運營情況。根據(jù)《中國火炬統(tǒng)計年鑒》與科技部火炬高技術產業(yè)開發(fā)中心相關報告，選取的投入和產出指標如表2所示。由于目前國家統(tǒng)計局只發(fā)布了《2018中國火炬統(tǒng)計年鑒》，因此本文只針對2018年眾創(chuàng)空間相關數(shù)據(jù)進行實證分析。

表2 金融支持眾創(chuàng)空間發(fā)展的評價指標體系

如表2所示，產出指標主要選取眾創(chuàng)空間總收入、創(chuàng)業(yè)團隊和企業(yè)吸納就業(yè)情況兩個基礎指標，而在投入指標中，團隊和企業(yè)獲得的投資總額反映眾創(chuàng)空間從外界獲得的投資額，團隊和企業(yè)享受財政資金支持額反映眾創(chuàng)空間享受到的財政投資額。一般來說，選取環(huán)境指標需要滿足兩個條件，分別是必須不受到投入、產出指標的影響和必須對省市的效率有影響。因此，本文選取服務人員、創(chuàng)業(yè)導師和財政補貼收入比重作為環(huán)境指標，其中，服務人員是能夠為創(chuàng)新創(chuàng)業(yè)過程的順利進行提供必要幫助和服務的人員，創(chuàng)業(yè)導師是為眾創(chuàng)空間提供智力支持與技術支持的指導人員，財政補貼收入比重為創(chuàng)業(yè)團隊和企業(yè)享有的財政補貼收入與總收入的比例。根據(jù)《中國創(chuàng)業(yè)孵化發(fā)展報告2019》，財政補貼是總收入的一部分，所占比重越大，表明政府支持對眾創(chuàng)空間的收入影響越大。

（二）基于三階段DEA模型的眾創(chuàng)空間金融支持效率評價分析

1.三階段DEA模型檢驗

（1）第一階段DEA模型分析

由于《2018中國火炬統(tǒng)計年鑒》尚未公布西藏藏族自治區(qū)眾創(chuàng)空間的相關數(shù)據(jù)，因此這里DEA模型的決策單元僅包含全國30個省市、自治區(qū)。下面利用投入導向BCC模型對投入與產出效率進行計算，結果如表3所示，但是這里計算的效率值并未剔除環(huán)境因素與隨機干擾因素。

表3 30個省市第一階段DEA模型效率值

表4 30個省市投入變量的松弛量

如表3所示，北京、山西、內蒙古、吉林、江西、青海和寧夏都處于效率的前沿線上，是BCC模型中效率最優(yōu)的7個省市。相比較均值而言，全國有17個省市低于平均值，其中安徽省的純技術效率值最低，說明在未剔除環(huán)境因素與隨機因素的影響下，安徽省眾創(chuàng)空間的金融支持效率低于全國平均水平。同時，不難發(fā)現(xiàn)，一些發(fā)展水平較快的省市，如上海、江蘇、浙江、廣東等，其金融支持眾創(chuàng)空間發(fā)展的初始效率值也不高，這也說明初始效率值其實并不能準確反映該地區(qū)金融支持眾創(chuàng)空間發(fā)展效率的真實情況，需要剔除其中環(huán)境因素與隨機因素對效率值的影響，應該對30個省市的投入變量進行調整。

（2）第二階段DEA模型分析

通過第一階段DEA模型，可以得出每個省市目標投入量，以此求得各投入變量的松弛量，其中松弛量等于投入變量的目標數(shù)據(jù)與其原始數(shù)據(jù)之差。結果如表4所示。

如表4所示，在第一階段DEA模型中得出的效率值為1的省市，其投入變量的松弛量為0。為了提高金融支持效率，其余的省市都應該增加投入。同時，在表4中，由于各省市投入變量1的松弛量高于投入變量2的松弛量，這就表明所有省市眾創(chuàng)空間想要達到最優(yōu)效率就應優(yōu)先考慮增加眾創(chuàng)空間總投資額。通過對兩個投入變量的松弛量與三個環(huán)境變量的數(shù)據(jù)進行分析，它們均通過了單邊似然比檢驗。同時將三個環(huán)境變量和投入變量1松弛量、投入變量2松弛量分別進行SFA回歸分析，回歸結果如表5所示。

表5 第二階段投入變量SFA回歸結果

表6 30個省市第三階段DEA效率值

由表5可以發(fā)現(xiàn)，環(huán)境變量對兩種投入變量產生了不同影響：

第一，服務人員與創(chuàng)業(yè)導師對團隊和企業(yè)獲得的投資總額與享受財政資金支持額的松弛變量均產生了正面影響，這表明服務人員越多，越不利于提升金融支持眾創(chuàng)空間的效率。主要原因是：一方面，眾創(chuàng)空間中的團隊和企業(yè)均處于初創(chuàng)階段，知識和技術尚未成熟，服務人員和創(chuàng)業(yè)導師對資金的運用處于摸索階段，導致金融支持效率不高；另一方面，眾創(chuàng)空間中人員越多，一些不必要的人員開支也就越多，資金利用率不高，也會降低金融支持的效率。

第二，財政補貼收入比重對團隊和企業(yè)獲得的投資總額松弛變量產生了負面影響，這說明財政補貼收入比重越大，越有利于投資總額運用效率的提升。這是因為財政補貼并非面向眾創(chuàng)空間中全部團隊和企業(yè)，大部分地區(qū)在實施財政補貼前會對團隊和企業(yè)的業(yè)績、運營情況等進行考察，對運營狀況良好、有投資價值的企業(yè)進行補貼，從而激勵眾創(chuàng)空間內部團隊相互競爭，只有更有效地利用所獲得的投資額，才能進一步改善團隊和企業(yè)的經營狀況。

第三，財政補貼收入比重對享受財政資金支持額松弛變量產生了正面影響，這反映了財政補貼占總收入比重越大，越不利于財政資金運用效率的提升。這可能是政府對于眾創(chuàng)空間的支持一方面通過各項財政補貼，如減免稅負等，另一方面通過財政資金支持，即財政撥款。這兩種方式實際上都屬于政府用資金支持眾創(chuàng)空間的團隊與企業(yè)，所以財政補貼越多，資金有效運用的難度越大，進而也降低了運用財政資金支持額的效率。

由于投入變量的松弛量很大程度上受環(huán)境因素的影響，這就需要將每個省市的投入松弛量置于相同的環(huán)境之中，以保證各個省市處于相同條件，進而獲取更為準確的效率值。

（3）第三階段DEA模型分析

利用第二階段DEA模型，可以得到剔除環(huán)境因素與隨機因素之后的投入變量數(shù)據(jù)，再運用投入導向BCC模型，進而得到經過調整后的效率值，如表6所示。

2.眾創(chuàng)空間發(fā)展的金融支持效率分析

由三階段DEA模型的檢驗結果表明，金融支持眾創(chuàng)空間的綜合技術效率、純技術效率以及規(guī)模效率在指標調整前后發(fā)生較明顯的變化，環(huán)境因素對金融支持眾創(chuàng)空間的效率影響較大，并且三項指標在省市之間的分布態(tài)勢也呈現(xiàn)顯著的地區(qū)不平衡性。由于不同地區(qū)眾創(chuàng)空間金融支持體系綜合技術效率水平主要取決于純技術效率和規(guī)模效率，下面將針對金融支持的綜合技術效率、純技術效率和規(guī)模效率分別進行更深入的分析。

（1）金融支持的綜合技術效率

金融支持的綜合技術效率是對省市的資源配置能力、資源使用效率等多方面能力的綜合衡量和評價。對比表3和表6可知，調整前TE均值為0.495，調整后TE均值為0.453，TE均值有所下降，表明在剔除環(huán)境因素之后，全國平均金融支持的綜合技術效率值總體上呈現(xiàn)減弱趨勢，環(huán)境因素對金融支持眾創(chuàng)空間發(fā)展的效率具有一定影響，全國范圍內眾創(chuàng)空間的金融支持效率整體上還有待提高。這也說明提高金融支持效率不能僅依靠金融政策支持等投入因素以及人員等外部環(huán)境因素，還需要眾創(chuàng)空間內部運作機制的有力支撐。

圖3 30個省市TE值調整前后變化

如圖3所示，從各個省市金融支持的綜合技術效率值調整前后的變化來看，只有內蒙古地區(qū)在調整前后的技術效率值均為1，有17個地區(qū)調整后的效率值高于調整前，其中北京、江蘇、浙江和廣東這四個省市是調整后效率值增加最為明顯，說明環(huán)境因素對于這些地區(qū)效率值的影響較大。實際上，北京、江蘇、浙江和廣東四省市的服務人員與創(chuàng)業(yè)導師數(shù)量遠高于其他地區(qū)，對于眾創(chuàng)空間的財政支持力度和稅收優(yōu)惠也相對較大。但值得注意的是，江蘇、浙江、廣東三省雖然經濟發(fā)展水平高、環(huán)境因素相對優(yōu)越、金融支持政策較多，在剔除環(huán)境因素之后的金融支持效率相對較高，但其調整后的綜合技術效率值卻低于內蒙古、江西等省份，這也說明人員與投資資金過多并不一定會提高金融支持效率，有時反而可能降低眾創(chuàng)空間利用金融支持資源的效率。另外，在圖3中，有12個省市金融支持的綜合技術效率值在調整之后有不同程度的下降，且下降幅度較大，這也是導致全國總體金融支持的綜合技術效率值在調整后有所降低的主要原因。值得注意的是，同樣處于西北地區(qū)，內蒙古的綜合效率值一直處于最優(yōu)，而青海、寧夏、新疆地區(qū)的效率值卻在調整后出現(xiàn)大幅下降，這表明這些地區(qū)的環(huán)境因素對綜合技術效率值產生較大的正向影響，如果政府進一步投入人員與財政補貼資金，可以顯著提高眾創(chuàng)空間使用金融資金和享受金融支持政策的效率。

（2）金融支持的純技術效率

圖4 30個省市PTE值調整前后變化

金融支持的純技術效率表示省市在最優(yōu)金融支持規(guī)模時投入要素的金融支持效率。對比表3和表6可知，全國金融支持眾創(chuàng)空間發(fā)展的純技術效率PTE均值由調整前的0.596提高到調整后的0.961，PTE在調整前后提升幅度較大，已接近于最優(yōu)效率值。結合圖4可以發(fā)現(xiàn)，在調整前，全國僅有7個省市金融支持的純技術效率達到最優(yōu)，而調整后擁有最優(yōu)效率省市增加至13個，達到最優(yōu)效率的省市明顯增加。這表明這些省市眾創(chuàng)空間在最優(yōu)條件下均能將金融支持資源進行最充分地利用。另外，各個省市金融支持的純技術效率值在調整后相對比較集中，說明剔除環(huán)境因素的影響之后，各個省市眾創(chuàng)空間在最優(yōu)規(guī)模下對于金融支持資源的利用效率相對一致。從純技術效率的分布區(qū)域來看，擁有最優(yōu)效率的省市主要位于我國北方，而處于華中和華東地區(qū)的上海、江蘇、安徽、福建、河南等省市的純技術效率值雖有所提高，但仍未達到全國平均水平。尤其是安徽，其純技術效率值在調整前僅為0.15，而調整后大幅提高到0.856，這也表明安徽省的環(huán)境因素對金融支持眾創(chuàng)空間發(fā)展的效率具有較大影響，環(huán)境因素在一定程度上限制了安徽眾創(chuàng)空間對金融支持資源的利用效率。值得注意的是，作為經濟發(fā)達省份的江蘇，其綜合技術效率值在調整后得到較大提高，但其純技術效率卻仍處于全國中下游水平，這也說明環(huán)境因素對于江蘇眾創(chuàng)空間達到最優(yōu)金融支持規(guī)模存在一定的正向影響，江蘇可以據(jù)此增加眾創(chuàng)空間人員與財政補貼投入，進而推動其眾創(chuàng)空間達到最優(yōu)金融支持規(guī)模。

（3）金融支持的規(guī)模效率

圖5 30個省市SE值調整前后變化

金融支持的規(guī)模效率反映了由于企業(yè)的規(guī)模因素影響金融支持效率的程度。對比表3和表6可知，全國范圍內金融支持的規(guī)模效率SE均值由調整前的0.852下降至0.475，產生了較大幅度的下跌，成為綜合技術效率均值下降的主要原因。這也表明盡管金融支持眾創(chuàng)空間發(fā)展的效率受環(huán)境因素影響較大，但真實的金融支持效率值仍是處于較低水平，這主要是因為對于大多數(shù)省市來說，眾創(chuàng)空間也是自2016年才相繼建立，雖然發(fā)展速度很快，但尚未形成較大規(guī)模，導致金融支持的規(guī)模效率在剔除環(huán)境因素影響之后都有所下降。結合圖5可知，北京、黑龍江、江蘇、浙江、江西、山東與廣東等6個省市金融支持的規(guī)模效率在調整后有所提高，主要是因為這些省市的眾創(chuàng)空間成立時間都比較早，特色明顯、科技含量高且已經形成較大規(guī)模，如浙江杭州“洋蔥膠囊”、廣東深圳“柴火創(chuàng)客空間”和北京“3W咖啡”等。而部分經濟欠發(fā)達省市，如廣西、海南、貴州、云南、青海和新疆等，其金融支持的規(guī)模效率值在調整后均出現(xiàn)大幅下降，這與這些省份自身經濟發(fā)展水平相對較低，眾創(chuàng)空間成立時間較晚且數(shù)量有限，加之金融支持體系不夠完善，導致他們在剔除環(huán)境因素影響之后金融支持的規(guī)模效率驟降，進而影響其綜合技術效率。

（4）金融支持效率狀態(tài)

表7 30個省市金融支持眾創(chuàng)空間發(fā)展的效率狀態(tài)分布

表7給出了全國30個省市金融支持眾創(chuàng)空間發(fā)展的效率狀態(tài)分布情況，可以發(fā)現(xiàn)，在30個省市中，處于金融支持效率遞增狀態(tài)的省市從調整前的14個增加到調整后的27個，效率不變狀態(tài)的省市由調整前的5個減少到調整后的3個，而11個金融支持效率遞減狀態(tài)的省市在調整后全部轉變?yōu)樾蔬f增狀態(tài)和效率不變狀態(tài)。這表明我國大部分省市眾創(chuàng)空間處于金融支持效率遞增狀態(tài)，這與近年來國家實施創(chuàng)新驅動發(fā)展戰(zhàn)略，不斷深化“雙創(chuàng)”建設，全國各地紛紛提高建設眾創(chuàng)空間的速度有關。同時，需要注意的是，環(huán)境因素對金融支持眾創(chuàng)空間發(fā)展的效率具有較大影響，部分省市金融支持眾創(chuàng)空間發(fā)展的效率不高，金融支持資源的利用效率相對低下，這就需要在加大金融支持力度的同時，提高金融支持政策與區(qū)域經濟發(fā)展環(huán)境之間的配合度和協(xié)調度，最大限度的提升金融支持效率，促進眾創(chuàng)空間發(fā)展。

五、結論與政策啟示

眾創(chuàng)空間作為新型創(chuàng)新創(chuàng)業(yè)服務平臺，能夠有效推動各類創(chuàng)新要素交叉融合，促進“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”不斷深化，已經成為我國創(chuàng)新驅動發(fā)展戰(zhàn)略的有力支撐。然而，建設高質量眾創(chuàng)空間平臺離不開完善的金融支持體系，金融支持效率高低則直接影響眾創(chuàng)空間的發(fā)展水平。因此，本文深入分析我國金融支持眾創(chuàng)空間發(fā)展的現(xiàn)狀及主要模式，運用三階段DEA模型評價我國30個省市眾創(chuàng)空間的金融支持效率。實證結果發(fā)現(xiàn)：第一，環(huán)境因素對各省市眾創(chuàng)空間的金融支持效率有較大影響，且不同的環(huán)境因素對投入變量的松弛量影響不同，這就要求計算實際金融支持效率時需要剔除環(huán)境因素的影響；第二，在剔除環(huán)境因素和隨機干擾因素后，眾創(chuàng)空間發(fā)展的金融支持效率在不同省市之間存在顯著的地區(qū)不平衡性，該不平衡性主要與地區(qū)間眾創(chuàng)空間金融支持的規(guī)模效率差異性有關；第三，雖然大部分省市眾創(chuàng)空間的金融支持效率都處于效率遞增狀態(tài)，但他們的實際金融支持效率值并不高；第四，金融支持眾創(chuàng)空間發(fā)展的綜合技術效率由其純技術效率和規(guī)模效率決定，雖然純技術效率在調整之后有所提升，但綜合技術效率因規(guī)模效率的大幅減小而減弱。

鑒于上述結論，本文提出以下建議：第一，拓寬和創(chuàng)新眾創(chuàng)空間的金融支持模式，靈活運用政府財政激勵與稅收優(yōu)惠政策，建立包含銀行信貸、風險投資、政府引導基金、股權眾籌等多種形式的金融支持體系；第二，各省市應根據(jù)本地區(qū)經濟發(fā)展水平靈活調整金融支持的力度，提高金融支持與地區(qū)經濟發(fā)展環(huán)境的配合度和協(xié)調度，突出金融支持在眾創(chuàng)空間發(fā)展中的重要作用；第三，加強各省市之間的金融信息交流與共享，創(chuàng)建眾創(chuàng)空間生態(tài)圈，借助“資智和融”，全面提升金融支持眾創(chuàng)空間發(fā)展的效率。