基于空間效應(yīng)的科技企業(yè)孵化器運(yùn)營(yíng)效率俱樂(lè)部收斂研究

劉 禎，何慧芳，李傳舉

(1.科學(xué)技術(shù)部 火炬高技術(shù)產(chǎn)業(yè)開(kāi)發(fā)中心，北京100045；2. 華南理工大學(xué) 工商管理學(xué)院， 廣東 廣州 510641；3.廣東科學(xué)技術(shù)情報(bào)研究所 創(chuàng)業(yè)孵化促進(jìn)中心，廣東 廣州510033)

0 引言

科技企業(yè)孵化器在扶持初創(chuàng)企業(yè)和中小企業(yè)成長(zhǎng)、推動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展過(guò)程中發(fā)揮著重要作用。除為中小企業(yè)提供人才、資金、場(chǎng)地支持外，科技企業(yè)孵化器還能夠降低創(chuàng)業(yè)者的創(chuàng)業(yè)成本與風(fēng)險(xiǎn)。更重要的是，科技企業(yè)孵化器在促進(jìn)科技成果“落地生根”、創(chuàng)造就業(yè)崗位、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)等方面起重要推動(dòng)作用。作為創(chuàng)新要素與資源匯聚的重要載體，科技企業(yè)孵化器在早期發(fā)展階段通過(guò)匯集各種孵化資源實(shí)現(xiàn)自身快速成長(zhǎng)。但隨著孵化器及被孵企業(yè)資源吸收、轉(zhuǎn)化、利用能力的增強(qiáng)及孵化資源投入的不斷增加，一些地區(qū)出現(xiàn)了資源閑置、資源利用效率低下甚至難以完全發(fā)揮孵化功能的問(wèn)題。因此，提高科技企業(yè)孵化器運(yùn)營(yíng)效率，由資源驅(qū)動(dòng)向效率驅(qū)動(dòng)轉(zhuǎn)變是促進(jìn)科技企業(yè)孵化器高質(zhì)量發(fā)展的關(guān)鍵。了解科技孵化器經(jīng)營(yíng)現(xiàn)狀，測(cè)算科技企業(yè)孵化器運(yùn)營(yíng)效率，是助力中國(guó)孵化器高質(zhì)量發(fā)展的前提。

有關(guān)創(chuàng)新創(chuàng)業(yè)活動(dòng)的地域分布并非隨機(jī)的，而是呈現(xiàn)出一定的規(guī)律性[1]。例如，中國(guó)科技企業(yè)孵化器發(fā)展演變表現(xiàn)出地理集聚性特征，形成了北京中關(guān)村、深圳創(chuàng)業(yè)園、武漢東湖高新區(qū)、上海張江、廣州高新區(qū)等具有明顯集聚特征的優(yōu)勢(shì)孵化集群[2]。一方面，優(yōu)勢(shì)地區(qū)孵化器運(yùn)營(yíng)效率持續(xù)提升；另一方面，中國(guó)區(qū)域發(fā)展不平衡現(xiàn)象日益凸顯，區(qū)域經(jīng)濟(jì)收斂在宏觀經(jīng)濟(jì)調(diào)控中的位置愈發(fā)重要。那么，我國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率如何？不同地區(qū)運(yùn)營(yíng)效率是否存在差異？效率較高地區(qū)是否在保持自身良好發(fā)展情況下帶動(dòng)了更多地區(qū)快速發(fā)展，進(jìn)而縮小了區(qū)域差距？如何促進(jìn)區(qū)域科技企業(yè)孵化器效率提升？對(duì)上述問(wèn)題的解答對(duì)于推動(dòng)中國(guó)孵化器高質(zhì)量發(fā)展具有重要意義。

1 文獻(xiàn)綜述

1.1 孵化器運(yùn)營(yíng)效率

近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)孵化器運(yùn)營(yíng)效率、空間溢出效應(yīng)和收斂性進(jìn)行了諸多研究。孵化器運(yùn)營(yíng)效率是指孵化器在運(yùn)營(yíng)過(guò)程中資源投入與產(chǎn)出的對(duì)比關(guān)系，即孵化器培育中小企業(yè)、加快創(chuàng)新、創(chuàng)造就業(yè)機(jī)會(huì)的能力，反映了孵化器資源配置效果[3]。學(xué)者對(duì)孵化器運(yùn)營(yíng)效率的研究主要集中在孵化運(yùn)營(yíng)效率指標(biāo)體系構(gòu)建、孵化運(yùn)營(yíng)效率測(cè)度和影響因素分析等方面。關(guān)于指標(biāo)體系構(gòu)建，我國(guó)學(xué)者多以人、財(cái)、物作為投入指標(biāo)，以經(jīng)濟(jì)、社會(huì)效益和孵化能力作為產(chǎn)出指標(biāo)[4]，并根據(jù)具體情境對(duì)指標(biāo)進(jìn)行調(diào)整，指標(biāo)體系設(shè)計(jì)不一致[5-6]。劉寧暉等(2007)選取入孵企業(yè)畢業(yè)率、人均科技成果轉(zhuǎn)化率、創(chuàng)業(yè)環(huán)境、引進(jìn)海歸人員數(shù)量、在孵企業(yè)收入增長(zhǎng)率和社會(huì)貢獻(xiàn)6個(gè)指標(biāo)，運(yùn)用灰色系統(tǒng)理論對(duì)南京5家科技企業(yè)孵化器運(yùn)行績(jī)效進(jìn)行了評(píng)價(jià)；張嬌等[3]通過(guò)構(gòu)建以人財(cái)物為投入指標(biāo)、以經(jīng)濟(jì)和社會(huì)效益為產(chǎn)出指標(biāo)的科技企業(yè)孵化器運(yùn)行效率評(píng)價(jià)模型，運(yùn)用數(shù)據(jù)包絡(luò)分析法對(duì)2008年我國(guó)科技企業(yè)孵化器效率進(jìn)行了評(píng)價(jià)。關(guān)于孵化器運(yùn)營(yíng)效率測(cè)算，學(xué)者通過(guò)多種方法進(jìn)行定量評(píng)價(jià)，其中數(shù)據(jù)包絡(luò)分析(DEA)和隨機(jī)前沿模型(SFA)應(yīng)用最為廣泛。代碧波等[7]運(yùn)用DEA模型對(duì)東北地區(qū)孵化器綜合效率、純技術(shù)效率和規(guī)模效率進(jìn)行了評(píng)價(jià)；仲深等[8]借助網(wǎng)絡(luò)DEA模型，將生產(chǎn)過(guò)程劃分為若干階段，對(duì)中國(guó)企業(yè)孵化器分階段效率及整體運(yùn)行效率進(jìn)行了評(píng)價(jià)；黃虹等[9]利用隨機(jī)前沿法對(duì)我國(guó)國(guó)家級(jí)科技孵化器運(yùn)營(yíng)效率進(jìn)行測(cè)算，并分析了區(qū)域性差異。此外，還有學(xué)者運(yùn)用SBM模型[10]、三階段DEA模型[11]等進(jìn)行了研究?，F(xiàn)有研究多將孵化效率影響因素歸為內(nèi)部微觀要素和外部宏觀要素兩種。在內(nèi)部影響因素方面，學(xué)者從網(wǎng)絡(luò)資源[12]、創(chuàng)業(yè)導(dǎo)師[13]、創(chuàng)新資源投入[14]等方面進(jìn)行了探討；關(guān)于外部影響因素，政府補(bǔ)貼、公共支出水平、地區(qū)經(jīng)濟(jì)發(fā)展、人力資本積累等對(duì)孵化器運(yùn)營(yíng)效率的影響不容忽視[15-16]。

1.2 孵化器空間溢出效應(yīng)與收斂性

已有理論表明，外部性是空間溢出效應(yīng)產(chǎn)生的條件[17-18]，空間溢出機(jī)制主要包括示范效應(yīng)[19]、“干中學(xué)”[20]、空間競(jìng)爭(zhēng)效應(yīng)[21]和協(xié)作效應(yīng)[22]等。當(dāng)前，創(chuàng)新要素區(qū)域流動(dòng)越來(lái)越頻繁，如人才跨區(qū)流動(dòng)[23]、導(dǎo)師跨區(qū)交流[24]、被孵企業(yè)畢業(yè)脫離母體等，孵化邊界逐漸被打破，地區(qū)間、產(chǎn)業(yè)間創(chuàng)新溢出效應(yīng)日益明顯[25]。在服務(wù)過(guò)程中，孵化器產(chǎn)生的溢出效應(yīng)和輻射效應(yīng)不僅有利于促進(jìn)本地區(qū)經(jīng)濟(jì)發(fā)展，也對(duì)周邊區(qū)域經(jīng)濟(jì)增長(zhǎng)起到積極帶動(dòng)作用。新經(jīng)濟(jì)增長(zhǎng)理論表明，空間溢出是縮小區(qū)域發(fā)展差距的重要途徑，厘清溢出效應(yīng)與孵化器發(fā)展的內(nèi)在聯(lián)系，對(duì)于滯后企業(yè)及所在區(qū)域發(fā)展具有重要意義[26]。

當(dāng)前，關(guān)于收斂性的研究主要集中在區(qū)域經(jīng)濟(jì)和區(qū)域創(chuàng)新領(lǐng)域，歷經(jīng)從新古典增長(zhǎng)理論為基礎(chǔ)的單一穩(wěn)態(tài)絕對(duì)趨同假說(shuō)到以?xún)?nèi)生增長(zhǎng)理論為基礎(chǔ)的多穩(wěn)態(tài)條件趨同假說(shuō)的發(fā)展過(guò)程。陳向東等[27]根據(jù)內(nèi)生增長(zhǎng)理論對(duì)我國(guó)區(qū)域創(chuàng)新水平和區(qū)域經(jīng)濟(jì)收斂性進(jìn)行研究，將我國(guó)劃分為東部、中部、西部三大地區(qū)，發(fā)現(xiàn)中國(guó)區(qū)域創(chuàng)新水平俱樂(lè)部收斂特征不顯著。然而，孫建(2010)、魏守華等(2011)針對(duì)區(qū)域創(chuàng)新能力收斂的研究卻沒(méi)有得出上述結(jié)論。現(xiàn)有關(guān)于區(qū)域經(jīng)濟(jì)增長(zhǎng)及區(qū)域創(chuàng)新能力趨同的研究雖然引起學(xué)者廣泛關(guān)注，但對(duì)孵化器運(yùn)營(yíng)效率的收斂研究較少。馮苑等[28]采用2007-2017年數(shù)據(jù)對(duì)科技企業(yè)孵化器績(jī)效的空間相關(guān)性進(jìn)行研究發(fā)現(xiàn)，各省份孵化績(jī)效存在空間正相關(guān)性，中國(guó)科技企業(yè)孵化器績(jī)效雖然不存在σ收斂，但存在絕對(duì)β收斂和條件β收斂。

綜上所述，現(xiàn)有研究存在以下不足：第一，關(guān)于科技企業(yè)孵化績(jī)效，鮮有研究將空間相關(guān)性納入考慮范圍，而是將各區(qū)域單元視為“孤島”，忽略了區(qū)位條件和空間交互作用對(duì)區(qū)域經(jīng)濟(jì)的影響[29-30]。第二，關(guān)于科技企業(yè)孵化器運(yùn)營(yíng)效率收斂，現(xiàn)有研究多按照東、中、西部地理區(qū)域劃分，這就暗含了一種假設(shè)，即東、中、西部地區(qū)內(nèi)部初始孵化創(chuàng)新能力相近[27,31-35]，因而降低了某些落后省份孵化創(chuàng)新能力向領(lǐng)先省份收斂的可能[36]。第三，現(xiàn)有研究所用數(shù)據(jù)多為 2017 年之前，無(wú)法真實(shí)反映創(chuàng)新創(chuàng)業(yè)高質(zhì)量發(fā)展戰(zhàn)略制定和《科技企業(yè)孵化器管理辦法》頒布后各省份企業(yè)孵化器發(fā)展現(xiàn)狀?；诖?，本文以2016-2019年科技部火炬中心提供的中國(guó)內(nèi)地29個(gè)省份國(guó)家級(jí)科技企業(yè)孵化器為研究樣本，對(duì)各省份科技企業(yè)孵化器進(jìn)行超效率分析，比較城市群孵化運(yùn)營(yíng)績(jī)效之間的差距，從全局和局部?jī)蓚€(gè)維度測(cè)算中國(guó)孵化效率的空間相關(guān)性，并采用探索性空間分析法對(duì)城市群間及內(nèi)部孵化效率進(jìn)行收斂性檢驗(yàn)，可為縮小中國(guó)各地區(qū)孵化器運(yùn)營(yíng)績(jī)效差距、提高孵化資源配置效率、優(yōu)化區(qū)域孵化空間結(jié)構(gòu)、推動(dòng)創(chuàng)新型國(guó)家建設(shè)提供參考依據(jù)。

2 研究方法

2.1 科技企業(yè)孵化器運(yùn)營(yíng)效率測(cè)度

2.1.1 模型選取

DEA是研究同類(lèi)決策單元(DUM)多投入與多產(chǎn)出系統(tǒng)效率的非參數(shù)方法，具有無(wú)需事先設(shè)定生產(chǎn)函數(shù)具體形式、無(wú)需對(duì)不同類(lèi)型量綱進(jìn)行統(tǒng)一處理、無(wú)需提前設(shè)定指標(biāo)權(quán)重等特點(diǎn)[37]。由于孵化器運(yùn)營(yíng)較為復(fù)雜，且投入與產(chǎn)出具有多變量、不同量綱等特征，因此DEA模型對(duì)于評(píng)價(jià)孵化器運(yùn)營(yíng)效率具有很好的適用性。本文選取數(shù)據(jù)包絡(luò)分析法中的超效率SBM-DEA模型測(cè)算科技企業(yè)孵化器運(yùn)營(yíng)效率，以避免運(yùn)用DEA模型測(cè)算效率值只能得到有效和無(wú)效兩種結(jié)果的弊端(Andersan等，1993)，同時(shí)還能夠解決變量松弛問(wèn)題(Tone,2001)。

本文構(gòu)建投入導(dǎo)向超效率DEA模型如下：

(1)

2.1.2 指標(biāo)體系構(gòu)建

構(gòu)建科學(xué)的評(píng)價(jià)指標(biāo)體系是準(zhǔn)確測(cè)量科技企業(yè)孵化器運(yùn)營(yíng)效率的關(guān)鍵。以現(xiàn)有研究為基礎(chǔ)，將孵化運(yùn)營(yíng)過(guò)程劃分為要素投入與產(chǎn)出兩大部分(許治等，2019)。與其它經(jīng)濟(jì)系統(tǒng)相似，孵化器正常運(yùn)營(yíng)也需要投入人力、財(cái)力和物力3類(lèi)資源(翁莉等，2016)。在投入方面，高素質(zhì)人力資源是提高孵化器運(yùn)營(yíng)效率的關(guān)鍵因素，本文以管理機(jī)構(gòu)從業(yè)人員數(shù)、創(chuàng)業(yè)導(dǎo)師數(shù)進(jìn)行衡量；孵化器財(cái)力支持主要包括政府基金、社會(huì)資金及自有資金，考慮到指標(biāo)可得性，本文選取孵化基金總額、公共技術(shù)服務(wù)平臺(tái)投資總額兩個(gè)二級(jí)指標(biāo)進(jìn)行衡量；物力指孵化器硬件基礎(chǔ)設(shè)施，本文以孵化器面積作為物力指標(biāo)。在產(chǎn)出方面，孵化器以培育中小企業(yè)、促進(jìn)科技成果轉(zhuǎn)化為目的，借鑒以往研究，本文從孵化能力、技術(shù)創(chuàng)新、經(jīng)濟(jì)效益和社會(huì)效益4個(gè)方面衡量孵化產(chǎn)出(Robert等，1988)。在借鑒現(xiàn)有研究的基礎(chǔ)上，本文將孵化能力作為評(píng)價(jià)孵化器運(yùn)營(yíng)效率的因素層[3]，采用累計(jì)畢業(yè)企業(yè)數(shù)對(duì)其進(jìn)行衡量；技術(shù)創(chuàng)新采用申請(qǐng)知識(shí)產(chǎn)權(quán)件數(shù)(件)進(jìn)行測(cè)量；借鑒Smilor(1987)的研究，將經(jīng)濟(jì)效益納入指標(biāo)體系，本文用孵化器總收入衡量；社會(huì)效益主要反映孵化器能提供的就業(yè)崗位數(shù)量(Bollinger等，1983)，本文用在孵企業(yè)人員數(shù)衡量?？萍计髽I(yè)孵化器運(yùn)營(yíng)效率評(píng)價(jià)指標(biāo)體系見(jiàn)表1。

表1 科技企業(yè)孵化器投入產(chǎn)出指標(biāo)Tab. 1 Input-output indicators of science and technology business incubators

2.2 ESDA俱樂(lè)部劃分

ESDA分組法以空間自相關(guān)測(cè)度為核心，采用探索性空間分析法對(duì)區(qū)域進(jìn)行分組，用于檢驗(yàn)?zāi)车貐^(qū)孵化器運(yùn)營(yíng)效率是否與相鄰空間地區(qū)顯著相關(guān)，進(jìn)而實(shí)現(xiàn)區(qū)域劃分(張偉麗等，2011；Gliff等，1981)。具體包括兩個(gè)步驟：首先，構(gòu)建空間權(quán)重矩陣，以反映區(qū)域間相關(guān)性，包括地理距離矩陣和經(jīng)濟(jì)距離矩陣；其次，測(cè)度空間自相關(guān)性并進(jìn)行分組，包括全局自相關(guān)和局部自相關(guān)，計(jì)算公式分別為：

(2)

(3)

2.3 收斂性檢驗(yàn)

本文借鑒Barro & Sala-I-Martin提出的絕對(duì)β收斂性模型[38]，將科技企業(yè)孵化器運(yùn)營(yíng)效率β收斂檢驗(yàn)方程設(shè)定為:

(4)

在式(4)中，yi，t、yi，t+t分別表示第i個(gè)地區(qū)在第t年和第t+T年的孵化運(yùn)營(yíng)績(jī)效，α為截距項(xiàng)，εt為誤差項(xiàng)，β為收斂系數(shù)。當(dāng)β值為負(fù)且在統(tǒng)計(jì)上顯著時(shí)，表明區(qū)域孵化運(yùn)營(yíng)效率在研究期內(nèi)存在β收斂。

常見(jiàn)的空間計(jì)量模型有空間誤差模型(SEM)和空間滯后模型(SLM)，兩種模型均將孵化器空間溢出效應(yīng)考慮在內(nèi)。其中，SEM模型可以反映區(qū)域間隨機(jī)誤差項(xiàng)沖擊的空間溢出效應(yīng)，SLM模型則主要描述區(qū)域孵化效率受到自身發(fā)展水平和鄰近區(qū)域績(jī)效影響的程度。

區(qū)域孵化效率SEM收斂模型公式如下:

(5)

區(qū)域孵化效率SLM收斂模型公式如下:

(6)

式(5)中，γ為空間誤差系數(shù)，反映模型殘差項(xiàng)之間的空間相關(guān)性；式(6)中，ρ為空間自回歸系數(shù)，用于衡量被解釋變量的空間相關(guān)性。W為空間權(quán)重矩陣，μt、εt為隨機(jī)誤差項(xiàng)。本文利用上述模型計(jì)算收斂速度θ=-ln(1+β)/T和收斂半生命周期τ=ln(2)/θ。

3 實(shí)證檢驗(yàn)

3.1 區(qū)域孵化運(yùn)營(yíng)效率測(cè)度結(jié)果

本文原始數(shù)據(jù)來(lái)源于2017-2020年《中國(guó)火炬統(tǒng)計(jì)年鑒》，以中國(guó)內(nèi)地29個(gè)省、自治區(qū)、直轄市(考慮到數(shù)據(jù)可得性，樣本未涵蓋西藏、海南)國(guó)家級(jí)科技企業(yè)孵化器為研究樣本，對(duì)各省市孵化器運(yùn)營(yíng)效率進(jìn)行檢驗(yàn)，結(jié)果如表2所示。

表2 2016-2019年中國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率測(cè)算結(jié)果Tab.2 Calculation results of operation efficiency of Chinese science and technology business incubators from 2016 to 2019

由表2可知，在樣本期內(nèi)，北京、江蘇科技企業(yè)孵化器運(yùn)營(yíng)效率一直保持在前兩位，河南、廣東、福建、貴州等省份運(yùn)營(yíng)效率較為穩(wěn)定，一直處于前10名，青海、江西、甘肅、內(nèi)蒙古等省份一直居于低位，科技企業(yè)孵化器運(yùn)營(yíng)效率有待提升。另外，不同省份之間存在較大差距。例如，2016年，科技企業(yè)孵化器運(yùn)營(yíng)效率領(lǐng)先地區(qū)如北京、江蘇的孵化運(yùn)營(yíng)效率均值分別是排名末位青海的10.62倍和14.69倍，但這種差距呈逐漸縮小趨勢(shì)，2019年分別下降到2.36倍和2.24倍。在樣本期內(nèi)，按照區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展程度不同，對(duì)全國(guó)各省份進(jìn)行分組發(fā)現(xiàn)，相對(duì)于中西部地區(qū)而言，東部地區(qū)科技企業(yè)孵化器運(yùn)營(yíng)效率較高，創(chuàng)新效率平均值為1.23，中部地區(qū)為0.99，西部地區(qū)為0.95，總體上呈現(xiàn)“東高西低”的空間分布格局。此外，科技企業(yè)孵化器運(yùn)營(yíng)效率較高或較低省份呈現(xiàn)出一定的區(qū)域集聚特征?？梢钥闯?，東、中、西部地區(qū)科技企業(yè)孵化器孵化資源稟賦及利用能力存在差異，東部地區(qū)科技企業(yè)孵化器運(yùn)營(yíng)效率較高，中部和西部地區(qū)還需要進(jìn)一步優(yōu)化創(chuàng)新創(chuàng)業(yè)環(huán)境，提升科技企業(yè)孵化器創(chuàng)新創(chuàng)業(yè)資源利用能力。

3.2 區(qū)域科技企業(yè)孵化器運(yùn)營(yíng)效率空間效應(yīng)檢驗(yàn)與分組

隨著國(guó)家或地區(qū)間的交流愈發(fā)頻繁，地區(qū)發(fā)展不斷受到周邊地區(qū)經(jīng)濟(jì)、文化、政治的影響。傳統(tǒng)研究一般假設(shè)研究單元同質(zhì)，且空間不相關(guān)，導(dǎo)致采用最小二乘法(OLS)進(jìn)行估計(jì)的研究結(jié)果缺乏說(shuō)服力。空間計(jì)量模型通過(guò)將空間自相關(guān)和空間誤差納入收斂模型，能夠解決以往傳統(tǒng)模型忽略的復(fù)雜的空間依賴(lài)性問(wèn)題。因此，本文引入莫蘭指數(shù)，對(duì)中國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率空間相關(guān)性進(jìn)行檢驗(yàn)，結(jié)果如表3所示。

表 3 全局Moran's I指數(shù)估計(jì)值Tab.3 Global Moran's I index estimates

由表3可知，在考察期內(nèi)，國(guó)家級(jí)科技企業(yè)孵化器運(yùn)營(yíng)效率全局莫蘭指數(shù)為正，除2018年外，其它年份均通過(guò)顯著性檢驗(yàn)，由此拒絕了我國(guó)各地區(qū)科技企業(yè)孵化器運(yùn)營(yíng)效率不存在空間依賴(lài)性的原假設(shè)?？梢?jiàn)，區(qū)域孵化活動(dòng)空間分布并非隨機(jī)的，而是表現(xiàn)出一定的空間正相關(guān)性，為進(jìn)一步研究科技企業(yè)孵化器運(yùn)營(yíng)效率空間溢出效應(yīng)提供了基礎(chǔ)。

進(jìn)一步，本文引入局域空間關(guān)聯(lián) Moran's I 指數(shù)，檢驗(yàn)孵化器運(yùn)營(yíng)效率地理空間分布與集群特征。圖1和表4展示了2016-2019年Moran's 散點(diǎn)圖中各象限所覆蓋的省份分布情況。結(jié)果顯示，在各年份中，第一象限和第三象限覆蓋了中國(guó)60%以上的省份，并且有11個(gè)省份始終位于同一象限，極有可能形成空間俱樂(lè)部收斂。其中，北京、廣東、云南、廣西始終位于第一象限“H-H”高高聚集區(qū)，說(shuō)明該區(qū)域城市在發(fā)展階段、資源稟賦、吸收能力等方面具有一定相似性，加之創(chuàng)新要素跨區(qū)域流動(dòng)頻繁，科技企業(yè)孵化器協(xié)同程度不斷加深。青海、甘肅、內(nèi)蒙古、陜西、吉林始終處于第三象限“L-L”低低聚集區(qū)，說(shuō)明該組科技企業(yè)孵化器運(yùn)營(yíng)效率整體較低，產(chǎn)業(yè)配套條件有待完善，空間溢出效應(yīng)不明顯。山東、江西則始終處于第二象限“L-H”低高聚集區(qū)。

現(xiàn)有研究按照東、中、西部地區(qū)分組分析中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)收斂，但由科技企業(yè)孵化器運(yùn)營(yíng)效率測(cè)度結(jié)果看，一些中西部地區(qū)省份(貴州、重慶)孵化效率比部分東部地區(qū)省份(山東)還高。因此，本文進(jìn)一步計(jì)算泰爾指數(shù)，通過(guò)比較組內(nèi)和組間指標(biāo)差異判斷不同類(lèi)別劃分方法的優(yōu)劣勢(shì)，若組內(nèi)差異小、組間差異大則表示更加符合俱樂(lè)部收斂特征。由表5可知，通過(guò)ESDA法得到的分組內(nèi)部差異結(jié)果小于基于傳統(tǒng)三大地帶劃分得到的分組差異結(jié)果，而組間差異結(jié)果又大于傳統(tǒng)劃分組間差異結(jié)果，可見(jiàn)通過(guò)ESDA法得到的4個(gè)空間區(qū)域分組結(jié)果更加符合俱樂(lè)部收斂特征。

圖1 2016-2019年莫蘭指數(shù)覆蓋省份Fig.1 Provinces covered by Moran index from 2016 to 2019

表 4 Moran's 散點(diǎn)圖各象限省份劃分Tab.4 Division of provinces in each quadrant of Moran's scatter chart

3.3 區(qū)域孵化效率俱樂(lè)部收斂性檢驗(yàn)

本文根據(jù)收斂模型的基本原理，首先運(yùn)用不考慮空間相關(guān)性約束的OLS法進(jìn)行估計(jì)，然后運(yùn)用LM和R-LM檢驗(yàn)法作出判斷。如果LMLAG(R-LMLAG)檢驗(yàn)值比LMERR(R-LMERR)檢驗(yàn)值更加顯著，則選取 SLM 模型；反之，則選取 SEM 模型，結(jié)果如表6所示。由表6可知，H-H組LMERR統(tǒng)計(jì)值大于LMLAG統(tǒng)計(jì)值，且顯著性更高，因此適宜采用空間誤差效應(yīng)模型。H-L組RLMLAG檢驗(yàn)值大于RLMERR檢驗(yàn)值，且顯著性水平較高，說(shuō)明存在空間滯后效應(yīng)，適宜采用SLM模型。全國(guó)組、L-H組和L-L組均通過(guò)空間相關(guān)性初步檢驗(yàn)，但LMLAG、 LMERR檢驗(yàn)值不顯著，且空間誤差系數(shù)顯著為0，因此適宜采用傳統(tǒng)OLS模型。

表5 三大地帶劃分與 ESDA 空間分組比較結(jié)果Tab.5 Comparison results of three zones' division and ESDA spatial grouping

表7為全國(guó)及分區(qū)域科技企業(yè)孵化器孵化效率β收斂檢驗(yàn)結(jié)果。從中可見(jiàn)，無(wú)論是整體還是分組β估計(jì)值均為負(fù)數(shù)，除L-H組外均通過(guò)顯著性檢驗(yàn)，說(shuō)明科技企業(yè)孵化器孵化運(yùn)營(yíng)效率低的地區(qū)比運(yùn)營(yíng)效率高的地區(qū)增長(zhǎng)更快，即運(yùn)營(yíng)效率增長(zhǎng)率與初始效率水平成反比。具體來(lái)說(shuō)，孵化運(yùn)營(yíng)效率整體呈收斂趨勢(shì)，β估計(jì)值為-0.148且通過(guò)1%顯著性水平檢驗(yàn)，表明起步較晚地區(qū)利用后發(fā)優(yōu)勢(shì)學(xué)習(xí)先進(jìn)地區(qū)的成功經(jīng)驗(yàn)，有助于逐步縮小區(qū)域差距，加快實(shí)現(xiàn)區(qū)域協(xié)同發(fā)展?？臻g效應(yīng)不顯著表明科技企業(yè)孵化器整體運(yùn)行效率逐漸趨同，各地區(qū)交流互動(dòng)產(chǎn)生的空間溢出效應(yīng)對(duì)科技企業(yè)孵化器運(yùn)營(yíng)效率的趨同作用不明顯，動(dòng)力主要來(lái)自各地區(qū)孵化器自身發(fā)展。本文進(jìn)一步采用空間數(shù)據(jù)探索性分析法對(duì)中國(guó)各省份科技企業(yè)孵化器孵化效率進(jìn)行組別劃分，分別采用SEM模型、SLM模型對(duì)H-H組和H-L組進(jìn)行收斂性檢驗(yàn)，結(jié)果發(fā)現(xiàn)β估計(jì)值均通過(guò)1%顯著性水平檢驗(yàn)，說(shuō)明地區(qū)俱樂(lè)部收斂特征明顯。同時(shí)，H-H組和H-L組空間溢出效應(yīng)參數(shù)ρ均通過(guò)1%顯著性水平檢驗(yàn)，說(shuō)明兩組地區(qū)科技企業(yè)孵化器運(yùn)營(yíng)效率變動(dòng)不僅受初始運(yùn)營(yíng)效率的影響，且隨著人才、知識(shí)、技術(shù)等孵化資源的不斷流動(dòng)，也會(huì)受到周邊地區(qū)孵化器運(yùn)營(yíng)效率空間溢出效應(yīng)的影響。L-L組在研究期內(nèi)呈現(xiàn)出收斂趨勢(shì)，在L-H組中β值雖然為負(fù)，但不顯著，說(shuō)明L-H組孵化器運(yùn)營(yíng)效率收斂特征不明顯。本文進(jìn)一步測(cè)算收斂速度和收斂半生命周期發(fā)現(xiàn)，全國(guó)總體收斂速度為0.040，對(duì)應(yīng)的半生命周期為17.329年，L-L組收斂速度較快，達(dá)到0.067，半生命周期為10.414年，H-L組收斂速度低于全國(guó)水平，速度及半生命周期分別為0.039、17.967年。

表6 空間計(jì)量模型檢驗(yàn)結(jié)果Tab.6 Test results of spatial econometric model

表7 空間計(jì)量模型檢驗(yàn)結(jié)果Tab.7 Test results of spatial econometric model

4 研究結(jié)論與政策啟示

4.1 研究結(jié)論

本文基于2016-2019年科技企業(yè)孵化器投入產(chǎn)出數(shù)據(jù)，構(gòu)建超效率SBM測(cè)算模型，測(cè)度中國(guó)內(nèi)地29個(gè)省份科技企業(yè)孵化器運(yùn)營(yíng)效率，并構(gòu)建空間計(jì)量模型考察中國(guó)科技企業(yè)孵化器空間溢出效應(yīng)對(duì)運(yùn)營(yíng)效率收斂性的影響，得出如下結(jié)論：

(1)從整體看，2016-2019年我國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率均值大于1，每年效率值超過(guò)1的省份占57.8%以上，運(yùn)營(yíng)效率呈整體上升趨勢(shì)。從地區(qū)分布看，東部地區(qū)效率值最高，中部地區(qū)次之，西部地區(qū)最低，呈現(xiàn)“東強(qiáng)西弱”的分布格局。其中，高水平區(qū)域集中在東部地區(qū)，且形成以第一梯隊(duì)江蘇、北京、福建等省份為節(jié)點(diǎn)的高效率增長(zhǎng)極，帶動(dòng)其它梯隊(duì)地區(qū)不斷躍遷，西部地區(qū)如甘肅、青海等還有很大提升空間。

(2)孵化效率呈現(xiàn)出一定的空間相關(guān)性。在考察期內(nèi)，我國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率全局莫蘭指數(shù)為正，且大多數(shù)年份均通過(guò)顯著性檢驗(yàn)，說(shuō)明我國(guó)科技企業(yè)孵化器孵化活動(dòng)空間分布并非隨機(jī)的，而是呈現(xiàn)出一定的空間相關(guān)性；從局部莫蘭指數(shù)可以看出，大部分省份集聚在第一象限和第三象限，部分地區(qū)表現(xiàn)出高—低、低—高聚集特征，說(shuō)明隨著孵化器跨區(qū)交流、孵化資源自由流動(dòng)越來(lái)越頻繁，地區(qū)孵化績(jī)效不僅受本地區(qū)內(nèi)部孵化資源及能力的影響，同時(shí)也會(huì)受到其它地區(qū)知識(shí)、技術(shù)和人力資本等孵化資源溢出效應(yīng)的影響。

(3)我國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率整體呈收斂態(tài)勢(shì)，且空間溢出效應(yīng)不明顯。分組檢驗(yàn)發(fā)現(xiàn)，H-H組和H-L組科技企業(yè)孵化器運(yùn)營(yíng)效率存在俱樂(lè)部收斂，且受空間溢出效應(yīng)的影響；L-L組科技企業(yè)孵化器運(yùn)營(yíng)效率呈收斂趨勢(shì)，L-H組運(yùn)營(yíng)效率收斂特征不明顯。

4.2 政策啟示

(1)從整體看，我國(guó)科技企業(yè)孵化器運(yùn)營(yíng)效率呈收斂趨勢(shì)，但各地區(qū)空間溢出效應(yīng)不明顯。因此，應(yīng)實(shí)施較為傾斜的科技資源布局策略，提高落后地區(qū)知識(shí)吸收、整合和創(chuàng)造能力，縮小其與發(fā)達(dá)地區(qū)之間的知識(shí)差距，提高科技企業(yè)孵化器運(yùn)營(yíng)效率。

(2)對(duì)于處于效率收斂且具有空間溢出效應(yīng)的地區(qū)來(lái)說(shuō)，在維持自身快速發(fā)展的同時(shí)，還應(yīng)進(jìn)一步擴(kuò)大區(qū)域互動(dòng)范圍，從更廣范圍積極帶動(dòng)其它地區(qū)孵化產(chǎn)業(yè)快速發(fā)展。

(3)對(duì)于處于效率收斂但空間效應(yīng)不顯著的地區(qū)來(lái)說(shuō)，各省份應(yīng)利用由地理鄰近性、“干中學(xué)”、示范效應(yīng)、競(jìng)爭(zhēng)效應(yīng)帶來(lái)的空間溢出效應(yīng)，最大限度地發(fā)揮區(qū)域協(xié)同合作優(yōu)勢(shì)。運(yùn)營(yíng)效率較高地區(qū)企業(yè)應(yīng)充分發(fā)揮孵化效率優(yōu)勢(shì)，在保持自身高質(zhì)量發(fā)展的同時(shí)帶動(dòng)周邊地區(qū)發(fā)展；孵化效率落后地區(qū)企業(yè)應(yīng)重點(diǎn)吸收和借鑒先進(jìn)省份的成功經(jīng)驗(yàn)，實(shí)現(xiàn)省域之間的聯(lián)動(dòng)，形成相互促進(jìn)的孵化網(wǎng)絡(luò)。

(4)對(duì)于處于效率“低谷”且未與周邊地區(qū)形成收斂趨勢(shì)的地區(qū)而言，一方面，科技企業(yè)孵化器應(yīng)著力提升發(fā)展內(nèi)生動(dòng)力，通過(guò)聘請(qǐng)外部創(chuàng)業(yè)導(dǎo)師、開(kāi)展管理人員培訓(xùn)、積極申報(bào)省級(jí)與國(guó)家級(jí)孵化器等方式提升自身孵化水平，提高運(yùn)營(yíng)效率；另一方面，科技企業(yè)孵化器運(yùn)營(yíng)主管部門(mén)還應(yīng)通過(guò)培育新“增長(zhǎng)極”、優(yōu)化創(chuàng)新創(chuàng)業(yè)環(huán)境等方式增強(qiáng)對(duì)創(chuàng)新要素的粘滯力，吸引更多優(yōu)質(zhì)創(chuàng)業(yè)項(xiàng)目“落地生根”，進(jìn)而提升科技企業(yè)孵化器運(yùn)營(yíng)效率。