中國(guó)眾創(chuàng)空間科技創(chuàng)新效率的區(qū)域差異及空間分布

李鑫　陳銀娥

摘 要：基于技術(shù)創(chuàng)新和區(qū)域經(jīng)濟(jì)理論，依據(jù)眾創(chuàng)空間2017—2019年數(shù)據(jù)，運(yùn)用三階段超效率SBM-DEA動(dòng)態(tài)模型，結(jié)合ML指數(shù)、Dagum系數(shù)和Morans I指數(shù)，考量我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的時(shí)空差異和空間分布。結(jié)果發(fā)現(xiàn)：眾創(chuàng)空間科技創(chuàng)新整體效率較低，區(qū)域之間差異較大；科技創(chuàng)新效率的差異來(lái)源于組內(nèi)和組間差異，呈現(xiàn)“東多西少”的分布格局，具有較強(qiáng)的局部集聚性。鑒于此，應(yīng)進(jìn)一步依托眾創(chuàng)空間的科技創(chuàng)新動(dòng)能和區(qū)位優(yōu)勢(shì)，構(gòu)建區(qū)域優(yōu)勢(shì)產(chǎn)業(yè)，優(yōu)化區(qū)域產(chǎn)業(yè)結(jié)構(gòu)，聚集科技創(chuàng)新人才，提升科技創(chuàng)新產(chǎn)業(yè)水平。

關(guān)鍵詞： 眾創(chuàng)空間；科技創(chuàng)新；時(shí)空分異；SBM-DEA動(dòng)態(tài)模型

中圖分類(lèi)號(hào)：F276．44；F273．1文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1003-7217（2023）02-0088-08

一、引 言

《國(guó)務(wù)院辦公廳關(guān)于發(fā)展眾創(chuàng)空間推進(jìn)大眾創(chuàng)新創(chuàng)業(yè)的指導(dǎo)意見(jiàn)》等政策加速了眾創(chuàng)空間的發(fā)展，明確眾創(chuàng)空間承載創(chuàng)新創(chuàng)業(yè)功能的定位，進(jìn)一步激發(fā)了大眾創(chuàng)新創(chuàng)業(yè)的激情，成為我國(guó)構(gòu)建經(jīng)濟(jì)發(fā)展新格局和創(chuàng)新經(jīng)濟(jì)的重要?jiǎng)恿Α５?，隨著眾創(chuàng)空間數(shù)量的爆發(fā)式增長(zhǎng)，出現(xiàn)了依賴(lài)財(cái)政補(bǔ)貼、經(jīng)營(yíng)管理不善、科技人才流失等問(wèn)題，影響了其科技創(chuàng)新能力和科技創(chuàng)新效率，也滯后了其所在區(qū)域的科技發(fā)展進(jìn)程。因此，對(duì)我國(guó)眾創(chuàng)空間科技創(chuàng)新發(fā)展現(xiàn)狀的進(jìn)一步分析，提出提升眾創(chuàng)空間科技創(chuàng)新效率的有效對(duì)策，不僅有利于眾創(chuàng)空間科技創(chuàng)新能力的提升，也有助于我國(guó)有效實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略。

目前，國(guó)內(nèi)外學(xué)者從以下四個(gè)方面進(jìn)行了相關(guān)研究：第一，眾創(chuàng)空間的內(nèi)涵。眾創(chuàng)空間是互聯(lián)網(wǎng)技術(shù)和科技發(fā)展的產(chǎn)物，一種從虛擬世界轉(zhuǎn)到線下的共享社區(qū)[1]，為創(chuàng)客提供舒適的辦公場(chǎng)所及多元化服務(wù)，激發(fā)他們的創(chuàng)新熱情[2]，提供創(chuàng)新創(chuàng)業(yè)平臺(tái)[3]，體現(xiàn)民主化的社會(huì)價(jià)值和自力更生的生存愿望[4，5，6]。眾創(chuàng)空間是市場(chǎng)化盈利的服務(wù)組織[7]，創(chuàng)客彼此交流想法并相互激勵(lì)[8]，以提高創(chuàng)新效率為目的[9，10]，具有共享交流、開(kāi)放式運(yùn)作以及跨界合作的屬性[11]，以及便利化、低成本、平臺(tái)化、開(kāi)放性強(qiáng)等特點(diǎn)[12]。第二，眾創(chuàng)空間的運(yùn)行模式。眾創(chuàng)空間分為創(chuàng)客孵化型、專(zhuān)業(yè)服務(wù)型、媒體平臺(tái)型、投資驅(qū)動(dòng)型、培訓(xùn)輔導(dǎo)型和創(chuàng)業(yè)生態(tài)型等多種運(yùn)行模式[13]，以及投資驅(qū)動(dòng)型、產(chǎn)業(yè)鏈服務(wù)型、綜合創(chuàng)業(yè)生態(tài)體系型和地產(chǎn)思維型四種類(lèi)型[14]。有學(xué)者對(duì)比國(guó)內(nèi)外眾創(chuàng)空間的運(yùn)行模式，具有空間租金、服務(wù)收費(fèi)和投資收益三種盈利模式[15]，需要構(gòu)建政府保障和以市場(chǎng)主導(dǎo)來(lái)重塑眾創(chuàng)空間的運(yùn)行機(jī)制[16]；也有學(xué)者研究高校的眾創(chuàng)空間發(fā)展模式，探索其運(yùn)行及盈利方式[17，18]。第三，眾創(chuàng)空間的運(yùn)行效率。早期學(xué)者以問(wèn)卷調(diào)查和面談的形式獲取運(yùn)行數(shù)據(jù)，分析和篩選后評(píng)價(jià)其運(yùn)行效率[19，20，21]；隨后利用公開(kāi)數(shù)據(jù)分析企業(yè)的存活程度是影響其運(yùn)行效率的主要指標(biāo)[22]。從眾創(chuàng)空間的經(jīng)濟(jì)情況、企業(yè)及人才的吸引力、內(nèi)外部環(huán)境的支持程度、金融結(jié)構(gòu)和企業(yè)的滿(mǎn)意度等8個(gè)維度測(cè)評(píng)其運(yùn)行效率[23]；入駐企業(yè)的數(shù)量、員工數(shù)量、創(chuàng)造的就業(yè)數(shù)量和企業(yè)成功率等指標(biāo)也可以評(píng)價(jià)其運(yùn)行效率[24]。第四，眾創(chuàng)空間的創(chuàng)新效率。有學(xué)者選擇常駐企業(yè)有效知識(shí)產(chǎn)權(quán)數(shù)、發(fā)明專(zhuān)利數(shù)衡量創(chuàng)新能力，結(jié)合發(fā)展能力和社會(huì)貢獻(xiàn)能力，構(gòu)建創(chuàng)新效率綜合評(píng)價(jià)指標(biāo)體系[25]；以創(chuàng)業(yè)團(tuán)隊(duì)數(shù)量、初創(chuàng)企業(yè)數(shù)量衡量創(chuàng)業(yè)聚集能力，創(chuàng)業(yè)團(tuán)隊(duì)和企業(yè)吸納就業(yè)情況、有效知識(shí)產(chǎn)權(quán)數(shù)量衡量創(chuàng)新創(chuàng)業(yè)成效[26]；以科技成果轉(zhuǎn)化率、專(zhuān)利申請(qǐng)授權(quán)數(shù)、孵化企業(yè)數(shù)衡量科技創(chuàng)新效果[27]；也有學(xué)者僅用孵化成功率[28]或有效知識(shí)產(chǎn)權(quán)數(shù)量[29]等單一指標(biāo)評(píng)價(jià)創(chuàng)新發(fā)展水平。在評(píng)價(jià)方法上，學(xué)者們通過(guò)模糊集定性比較[30]、三階段DEA模型[31]和馬姆奎斯特指數(shù)[32]，研究眾創(chuàng)空間的創(chuàng)新效率及影響因素。

總的來(lái)說(shuō)，國(guó)內(nèi)外學(xué)者對(duì)眾創(chuàng)空間進(jìn)行了多維度的研究，主要貢獻(xiàn)在于：一是從多方面探索了眾創(chuàng)空間的概念和內(nèi)涵，為進(jìn)一步明晰眾創(chuàng)空間的內(nèi)涵奠定了基礎(chǔ)；二是分析了眾創(chuàng)空間的運(yùn)行模式和運(yùn)行效率，從運(yùn)行特色、運(yùn)行內(nèi)容和運(yùn)行方向等多個(gè)方面進(jìn)行分析，提出了優(yōu)化眾創(chuàng)空間運(yùn)行模式和效率的發(fā)展方向；三是構(gòu)建了眾創(chuàng)空間科技創(chuàng)新的評(píng)價(jià)指標(biāo)，運(yùn)用多種方法和模型分析科技創(chuàng)新效率，為進(jìn)一步客觀評(píng)價(jià)眾創(chuàng)空間科技創(chuàng)新提供了理論基礎(chǔ)。以上學(xué)者從不同角度對(duì)眾創(chuàng)空間進(jìn)行了研究，取得了一定的研究成果。但存在的不足主要有兩點(diǎn)：一是多數(shù)文獻(xiàn)評(píng)價(jià)眾創(chuàng)空間科技創(chuàng)新效率時(shí)并未剔除外部環(huán)境、隨機(jī)誤差等影響因素，致使對(duì)其科技創(chuàng)新的真實(shí)水平及動(dòng)態(tài)演變的評(píng)估存在偏差；二是已有文獻(xiàn)研究了眾創(chuàng)空間科技創(chuàng)新效率，但研究其區(qū)域差異和空間分布的文獻(xiàn)仍相對(duì)不足。鑒于此，本文集中研究三個(gè)方面：一是構(gòu)建三階段SBM-DEA并結(jié)合ML生產(chǎn)率指數(shù)，將管理無(wú)效率、外部環(huán)境和隨機(jī)誤差等因素納入眾創(chuàng)空間科技創(chuàng)新效率的分析框架，對(duì)我國(guó)眾創(chuàng)空間科技創(chuàng)新的真實(shí)水平和動(dòng)態(tài)演變展開(kāi)分析；二是運(yùn)用Dagum基尼系數(shù)對(duì)眾創(chuàng)空間科技創(chuàng)新的區(qū)域差異和來(lái)源進(jìn)行解析；三是利用Morans I指數(shù)對(duì)眾創(chuàng)空間科技創(chuàng)新的空間相關(guān)性和空間關(guān)聯(lián)性進(jìn)行識(shí)別。

二、研究設(shè)計(jì)

（一）研究方法

1.三階段SBM-DEA。

與傳統(tǒng)的DEA模型不同，SBM模型將松弛變量引入目標(biāo)函數(shù)中，使得SBM模型的經(jīng)濟(jì)解釋不單是實(shí)現(xiàn)收益最大化，并且是獲得實(shí)際利潤(rùn)的最大化。SBM方法克服了徑向DEA模型不考慮投入產(chǎn)出的松弛性問(wèn)題，并解決了考慮非期望產(chǎn)出的效率評(píng)估問(wèn)題，在生態(tài)效率、環(huán)境效率、創(chuàng)新效率評(píng)價(jià)中應(yīng)用廣泛。當(dāng)DEA模型分析結(jié)果中出現(xiàn)多個(gè)DMU被評(píng)價(jià)為有效的情況，對(duì)這些有效DMU無(wú)法進(jìn)一步區(qū)別。Andersen和Petersen提出對(duì)有效DMU進(jìn)一步區(qū)分其有效程度的方法，被稱(chēng)為“超效率”模型[33]。Fried等人指出傳統(tǒng) DEA 模型并沒(méi)有考慮環(huán)境因素以及隨機(jī)誤差對(duì)樣本效率評(píng)價(jià)的影響，需要引入隨機(jī)前沿模型（SFA）來(lái)剔除環(huán)境因素和隨機(jī)誤差，再將剔除過(guò)環(huán)境因素和隨機(jī)誤差的數(shù)據(jù)進(jìn)行第一階段傳統(tǒng)DEA方法測(cè)算，即將第二階段SFA回歸后的調(diào)整過(guò)的投入值和原始產(chǎn)出值再通過(guò)超效率SBM及ML指數(shù)模型測(cè)算，得到的效率值更加客觀和準(zhǔn)確[34]。

2. Dagum基尼系數(shù)。

利用Dagum提出的基尼系數(shù)分解方法揭示中國(guó)眾創(chuàng)空間科技創(chuàng)新效率的區(qū)域差異和來(lái)源。該方法可以充分考慮中國(guó)眾創(chuàng)空間的空間分布特征和不平衡現(xiàn)象，將其分解為地區(qū)內(nèi)部不平衡、地區(qū)之間的不平衡和超變密度。超變密度指地區(qū)間因重疊引起的地區(qū)不平衡[35]。

3. Morans I指數(shù)。

為了進(jìn)一步從整體上分析我國(guó)眾創(chuàng)空間科技創(chuàng)新效率，并考察眾創(chuàng)空間科技創(chuàng)新效率與其鄰近的空間區(qū)域上的相關(guān)程度，采用Morans I指數(shù)模型分析我國(guó)30個(gè)省市眾創(chuàng)空間的全局空間自相關(guān)性，探索空間變量的區(qū)域結(jié)構(gòu)形態(tài)。

（二）數(shù)據(jù)來(lái)源

從《中國(guó)火炬統(tǒng)計(jì)年鑒》選取我國(guó)30個(gè)省份（西藏和港澳臺(tái)地區(qū)數(shù)據(jù)缺失，不包含在內(nèi)）的2017—2019年眾創(chuàng)空間科技創(chuàng)新效率評(píng)價(jià)指標(biāo)體系，具體見(jiàn)表1。

三、實(shí)證結(jié)果及分析

（一）超效率SBM效率分析

通過(guò)MAXDEA 8軟件的超效率SBM模型（以投入為導(dǎo)向），對(duì)我國(guó)30個(gè)省份眾創(chuàng)空間2017—2019年的科技創(chuàng)新效率進(jìn)行測(cè)算，得到整體及個(gè)體的技術(shù)效率、純技術(shù)效率和規(guī)模效率。具體見(jiàn)表2、表3。

從表2可以發(fā)現(xiàn)，2017—2019年我國(guó)30個(gè)省份眾創(chuàng)空間技術(shù)效率和純技術(shù)效率呈現(xiàn)先遞增后遞減的趨勢(shì)，規(guī)模效率則一直遞減，且純技術(shù)效率較高；從表3可以發(fā)現(xiàn)，北京、天津、遼寧、黑龍江、江西、河南、寧夏、新疆的技術(shù)效率較高；內(nèi)蒙古、湖南、江蘇、貴州、福建、云南、陜西、重慶、浙江、山東的技術(shù)效率較低。因?yàn)楦鱾€(gè)省份眾創(chuàng)空間的外部環(huán)境存在一定的差異，影響科技創(chuàng)新效率的測(cè)算，必須剔除環(huán)境變量及隨機(jī)噪聲，獲取真實(shí)客觀的結(jié)果。

（二）SFA模型回歸實(shí)證分析

SFA模型回歸分析將第一階段得到的各個(gè)投入松弛變量作為被解釋變量，將環(huán)境變量作為解釋變量，通過(guò)建立SFA模型，運(yùn)用Frontier4.1軟件，可得如下結(jié)果（表4）。

2017—2019年回歸結(jié)果的極大似然比（LR值）均通過(guò)5%水平的顯著性檢驗(yàn)，可以認(rèn)為選擇的三個(gè)外部環(huán)境因素對(duì)各個(gè)DMU單元效率測(cè)算產(chǎn)生了顯著性影響。而且三個(gè)回歸分析中的gamma值分別為0.46、0.66、0.4和0.45，均大于0.1，且都通過(guò)顯著性檢驗(yàn)，說(shuō)明環(huán)境變量影響越大，管理無(wú)效率影響較為明顯，隨機(jī)因素影響相對(duì)較小。由環(huán)境變量對(duì)投入松弛變量的回歸結(jié)果可知，3個(gè)環(huán)境變量對(duì)4個(gè)投入松弛變量的回歸系數(shù)大部分通過(guò)了10%以上的顯著性水平檢驗(yàn)，說(shuō)明所選擇的環(huán)境變量對(duì)投入松弛變量產(chǎn)生明顯的影響。環(huán)境變量的系數(shù)正負(fù)，反映出環(huán)境變量對(duì)投入松弛變量的影響關(guān)系，即負(fù)值表示增加環(huán)境變量會(huì)減少投入松弛變量，即減少投入變量的損耗，從而提升創(chuàng)新效率；反之，環(huán)境變量的系數(shù)為正值，則表示增加環(huán)境變量將會(huì)提高投入松弛變量，即加劇投入變量的損耗，從而降低眾創(chuàng)空間的科技創(chuàng)新效率。

由上可見(jiàn)，（1）地區(qū)生產(chǎn)總值對(duì)享受財(cái)政資金支持額松弛、提供工位數(shù)松弛、舉辦創(chuàng)新創(chuàng)業(yè)活動(dòng)松弛及眾創(chuàng)空間服務(wù)人員數(shù)量松弛呈現(xiàn)顯著正相關(guān)性，造成這種現(xiàn)象可能是因?yàn)楸妱?chuàng)空間處于發(fā)展初期，內(nèi)外部基礎(chǔ)設(shè)施建設(shè)尚不完善，并且外部環(huán)境沒(méi)有形成濃厚創(chuàng)新創(chuàng)業(yè)氛圍，因此過(guò)多的增加對(duì)眾創(chuàng)空間的財(cái)政資金支持會(huì)導(dǎo)致“財(cái)浮于事”“人浮于事”的現(xiàn)象。（2）科學(xué)技術(shù)支出對(duì)享受財(cái)政資金支持額松弛、提供工位數(shù)松弛、舉辦創(chuàng)新創(chuàng)業(yè)活動(dòng)松弛及眾創(chuàng)空間服務(wù)人員數(shù)量松弛呈現(xiàn)顯著負(fù)相關(guān)性。這反映出科學(xué)技術(shù)支出增加將會(huì)減少這四個(gè)投入的松弛變量，從而提升科技創(chuàng)新效率。這一結(jié)果反映了科學(xué)技術(shù)支出在引導(dǎo)眾創(chuàng)空間科技創(chuàng)新過(guò)程中發(fā)揮的積極作用，更加直接地對(duì)各個(gè)省份眾創(chuàng)空間的科技創(chuàng)新效率的提升明顯。如果想要進(jìn)一步提升科技創(chuàng)新效率，需要在政府財(cái)力允許的基礎(chǔ)上，加大對(duì)眾創(chuàng)空間科學(xué)技術(shù)投入，實(shí)現(xiàn)創(chuàng)新創(chuàng)業(yè)更高的產(chǎn)出，帶動(dòng)當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展。（3）對(duì)外開(kāi)放水平對(duì)享受財(cái)政資金支持額松弛、舉辦創(chuàng)新創(chuàng)業(yè)活動(dòng)松弛及眾創(chuàng)空間服務(wù)人員數(shù)量松弛呈現(xiàn)顯著負(fù)相關(guān)性，對(duì)提供工位數(shù)松弛呈現(xiàn)顯著正相關(guān)性，這反映出對(duì)外開(kāi)放水平增加將會(huì)減少享受財(cái)政資金支持額、舉辦創(chuàng)新創(chuàng)業(yè)活動(dòng)及眾創(chuàng)空間服務(wù)的松弛，從而提升創(chuàng)新效率，但會(huì)增加提供工位數(shù)的松弛。這一結(jié)果表明，對(duì)外開(kāi)放水平的提高會(huì)促進(jìn)眾創(chuàng)空間科技創(chuàng)新效率的提升，但會(huì)影響提供工位數(shù)，這需要各地政府結(jié)合本地創(chuàng)新創(chuàng)業(yè)的特點(diǎn)，在工位提供上要結(jié)合創(chuàng)新創(chuàng)業(yè)的需要，而不是片面追求數(shù)量的提升，更要注重質(zhì)的提升和成果轉(zhuǎn)化。

（三）調(diào)整后的超效率SBM效率分析

超效率SBM效率分析在第二階段剔除環(huán)境變量的投入變量和初始產(chǎn)出數(shù)據(jù)基礎(chǔ)上，將這些數(shù)據(jù)重新代入到超效率SBM及ML指數(shù)模型進(jìn)行測(cè)算，獲得調(diào)整后的靜態(tài)和動(dòng)態(tài)效率值，具體見(jiàn)表5、表6。

1.我國(guó)30個(gè)省份眾創(chuàng)空間科技創(chuàng)新效率的靜態(tài)實(shí)證分析。

由表5可知，剔除環(huán)境變量的影響后，2017—2019年我國(guó)30個(gè)省份眾創(chuàng)空間的技術(shù)效率和規(guī)模效率均呈現(xiàn)遞增的趨勢(shì)，而純技術(shù)效率呈現(xiàn)先遞增后遞減的趨勢(shì)。一方面反映我國(guó)眾創(chuàng)空間整體靜態(tài)科技創(chuàng)新效率存在穩(wěn)步提升，純技術(shù)效率依然是技術(shù)效率提升的主要原因，反映了2017—2019年各種科技創(chuàng)新技術(shù)、方法得到了較好的應(yīng)用；另一方面反映了創(chuàng)新創(chuàng)業(yè)的發(fā)展由行業(yè)本身和外部環(huán)境共同推進(jìn)，充分利用內(nèi)外部?jī)煞N力量，能更好更快地的推動(dòng)我國(guó)創(chuàng)新創(chuàng)業(yè)效率的提升。

由表6可知，江蘇、浙江和山東從技術(shù)效率較低變成技術(shù)效率較高的區(qū)域，而黑龍江、寧夏、新疆從技術(shù)效率較高變成技術(shù)效率較低的區(qū)域，剔除環(huán)境變量影響后的結(jié)果更加合理。一方面反映寧夏、新疆等西部省份的創(chuàng)新效率較高可能是國(guó)家政策類(lèi)的扶持，而非市場(chǎng)的直接反應(yīng)；另一方面反映江蘇、浙江等東部省份由于市場(chǎng)環(huán)境較為成熟，相關(guān)配套齊全，創(chuàng)新效率更多的是依靠市場(chǎng)為主的推動(dòng)，政府的支持反而相對(duì)較少。而從純技術(shù)效率和規(guī)模效率來(lái)看，剔除環(huán)境變量后的第三階段效率值與第一階段類(lèi)似。技術(shù)效率不高的原因主要是因?yàn)橐?guī)?；蛔?，更加確定了我國(guó)創(chuàng)新創(chuàng)業(yè)事業(yè)需要進(jìn)一步提高規(guī)?；健?/p>

2.我國(guó)30個(gè)省份眾創(chuàng)空間科技創(chuàng)新效率的動(dòng)態(tài)實(shí)證分析。

本節(jié)內(nèi)容采用超效率SBM及ML生產(chǎn)率指數(shù)模型從動(dòng)態(tài)角度分析30個(gè)省份在2017—2019年眾創(chuàng)空間的科技創(chuàng)新效率變化。運(yùn)用MAXDEA 8軟件，對(duì)我國(guó)30個(gè)省份眾創(chuàng)空間的創(chuàng)新效率在2017—2019年的變動(dòng)進(jìn)行測(cè)算，具體結(jié)果如表7、表8所示。

從表7中可以發(fā)現(xiàn)，從Tfpch值的情況來(lái)看，整體增幅有所放緩的趨勢(shì)，但增速依然很快，3年內(nèi)平均增長(zhǎng)幅度達(dá)到了78.8%。而Effch值年均43.5%的增幅，高于Techch值年均25%的增幅，而Effch值年均43.5%增幅的貢獻(xiàn)主要來(lái)自Pech值年均增長(zhǎng)1.1%以及Sech年均增長(zhǎng)42.4%?？梢耘袛嘞啾扔诩夹g(shù)進(jìn)步提升，技術(shù)效率提升以及規(guī)模效率提升是促進(jìn)Tfpch值提高的主因。因此，對(duì)于我國(guó)30個(gè)省份整體而言，提高各個(gè)省份整體的規(guī)模化水平是提升創(chuàng)新效率的一項(xiàng)重要工作。

從表8中可以發(fā)現(xiàn)，2017—2019年，除了天津和江西的增速為負(fù)以外，其他28個(gè)省份的增速均為正，部分中西部省份如新疆、湖北、廣西、海南等的增速反而超過(guò)東部省份。整體而言，2017—2019年，我國(guó)絕大部分省份的創(chuàng)新創(chuàng)業(yè)工作發(fā)展迅猛，增速非?？?，尤其是創(chuàng)新工作處于起步階段、發(fā)展較晚的省份上升速度更快。雖然部分省份Tfpch值增長(zhǎng)速度接近，但是全要素生產(chǎn)率變化原因卻不一定相同，以上海和河北為例，上海2017—2019年間Tfpch值年均增長(zhǎng)35.5%，河北2017—2019年間Tfpch值年均增長(zhǎng)32.7%，Tfpch值增長(zhǎng)速度接近，但是上海Effch年均增長(zhǎng)7.6%，Techch年均增長(zhǎng)24.7%，而河北Effch年均增長(zhǎng)17%，Techch年均增長(zhǎng)12.9%，上海全要素增長(zhǎng)的主要原因是技術(shù)進(jìn)步的提升，而河北全要素增長(zhǎng)的主要原因是技術(shù)效率的提升。因此，各個(gè)省份需結(jié)合自身的實(shí)際情況及在我國(guó)創(chuàng)新創(chuàng)業(yè)大潮中的定位和分工，進(jìn)行針對(duì)性的改善和提升。

（四）地區(qū)差異測(cè)度與分析

1.我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的地區(qū)差異與分解。

利用Dagum基尼系數(shù)及分解方法對(duì)我國(guó)眾創(chuàng)空間科技創(chuàng)新效率進(jìn)行空間分解（表9）。一是我國(guó)眾創(chuàng)空間運(yùn)行效率的總體基尼系數(shù)在研究期間呈現(xiàn)下降的趨勢(shì)，表明我國(guó)東中西部地區(qū)的眾創(chuàng)空間科技創(chuàng)新效率的差距趨于收斂，并且東、中部地區(qū)內(nèi)和地區(qū)之間的基尼系數(shù)存在一定的異質(zhì)性。二是從東中西部區(qū)域內(nèi)部比較可以看出，2017—2019年?yáng)|部和西部區(qū)域的基尼系數(shù)處于持續(xù)下降趨勢(shì)，并且東部區(qū)域下降幅度較大，而中部地區(qū)呈現(xiàn)小幅度的先升后降態(tài)勢(shì)。三是從區(qū)域間的比較可知東-中區(qū)域、東-西區(qū)域和中-西區(qū)域的基尼系數(shù)呈現(xiàn)持續(xù)下降趨勢(shì)，其下降幅度分別是42.49%、31.83%和19.29%。由于中西部地區(qū)眾創(chuàng)空間不斷模仿和借鑒東部地區(qū)的先進(jìn)運(yùn)行模式和科學(xué)技術(shù)，從而降低了區(qū)域間的差異。四是從2017—2019年的差異來(lái)源和貢獻(xiàn)度來(lái)看，基尼系數(shù)地區(qū)內(nèi)部差異、地區(qū)間差異和超變密度貢獻(xiàn)度較為均衡，而三者的均值分別是30.752%、40.51%、28.738%，可見(jiàn)基尼系數(shù)地區(qū)間差異的貢獻(xiàn)份額較大。

2.眾創(chuàng)空間科技創(chuàng)新效率的空間分布。

進(jìn)一步分析我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的空間分布，采用全局和局部空間自相關(guān)分析方法，利用GeoDa14.0計(jì)算2017—2019年我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的全局Morans I指數(shù)、局部Morans I指數(shù)，結(jié)果見(jiàn)表10、表11。我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的空間分布特征：一是我國(guó)眾創(chuàng)空間科技創(chuàng)新效率空間分布存在較強(qiáng)的集聚效應(yīng)。2017—2019年全局Morans I指數(shù)在0.2上下波動(dòng)，通過(guò)P值小于0.05的顯著性檢驗(yàn)；位于高高聚集區(qū)和低低聚集區(qū)的省份比例分別為63.33%、76.67%和73.33%，表明這些地區(qū)存在空間分布依賴(lài)性。二是眾創(chuàng)空間科技創(chuàng)新效率空間部分呈現(xiàn)東高西低、北高南低的總體集聚態(tài)勢(shì)。2017—2019年，北京、河北、山東、江蘇、浙江、福建等東部省份多處于高高聚集區(qū)，這些省份具有人口、政策、金融等適合進(jìn)行科技創(chuàng)新活動(dòng)的資源；在低低聚集區(qū)的云南、貴州、四川和廣西等省份則相對(duì)缺少這類(lèi)資源。而上海、湖南、重慶、廣東等處于低高聚集區(qū)或高低聚集區(qū)的省份，一般會(huì)受到相鄰省份正反兩個(gè)方向的影響，即眾創(chuàng)空間科技創(chuàng)新效率會(huì)被鄰省的創(chuàng)新人才、創(chuàng)新技術(shù)或創(chuàng)新資金等資源沖擊，說(shuō)明高聚集區(qū)會(huì)對(duì)低聚集區(qū)具有科技創(chuàng)新的溢出效應(yīng)和帶動(dòng)作用，而低聚集區(qū)也會(huì)對(duì)其相鄰地區(qū)的科技創(chuàng)新產(chǎn)生鎖定特征。

四、結(jié)論與對(duì)策建議

利用三階段超效率SBM-DEA動(dòng)態(tài)模型和ML指數(shù)，以及Dagum基尼系數(shù)分解方法和Morans I指數(shù)對(duì)2017—2019年我國(guó)30個(gè)省份的眾創(chuàng)空間科技創(chuàng)新效率進(jìn)行了檢驗(yàn)，結(jié)合我國(guó)眾創(chuàng)空間的運(yùn)行現(xiàn)狀，得出如下結(jié)論：

第一，從整體上分析，我國(guó)30個(gè)省份眾創(chuàng)空間科技創(chuàng)新效率存在穩(wěn)步的提升是由于技術(shù)效率的拉動(dòng)，但是仍然參差不齊，其主要原因是規(guī)模效應(yīng)嚴(yán)重滯后了其發(fā)展和運(yùn)行效率，需全面地提升規(guī)模效應(yīng)才能有效提升眾創(chuàng)空間科技創(chuàng)新效率。

第二，我國(guó)大部分省份的眾創(chuàng)空間科技創(chuàng)新效率發(fā)展迅猛，增速非?？?，尤其是處于起步階段或發(fā)展較晚的眾創(chuàng)空間上升速度更快。但是每個(gè)省份的眾創(chuàng)空間科技創(chuàng)新效率的提升都是由不同因素引起的，例如上海主要是由科學(xué)技術(shù)的發(fā)展，而河北則是技術(shù)效率的提升。因此，各個(gè)省份眾創(chuàng)空間需結(jié)合自身的實(shí)際情況，進(jìn)行針對(duì)性的改善和提升。

第三，科學(xué)技術(shù)和對(duì)外開(kāi)放對(duì)我國(guó)眾創(chuàng)空間科技創(chuàng)新效率的提升具有顯著作用，因此各地區(qū)需要加大科學(xué)技術(shù)投入，進(jìn)一步激活科技創(chuàng)新經(jīng)濟(jì)；同時(shí)也要加大加快對(duì)外開(kāi)放，吸引先進(jìn)的科技創(chuàng)新技術(shù)、資金和人才。

第四，從地區(qū)差異上來(lái)看，我國(guó)眾創(chuàng)空間發(fā)展的地區(qū)差距逐漸收斂，東中部和東西部地區(qū)的差距下降幅度是最大的，說(shuō)明東部地區(qū)眾創(chuàng)空間發(fā)展的先進(jìn)技術(shù)和經(jīng)驗(yàn)正在逐漸地向中、西部地區(qū)溢出，促進(jìn)了該地區(qū)眾創(chuàng)空間的發(fā)展，提升了其科技創(chuàng)新運(yùn)行效率。從全局和局部空間來(lái)看，我國(guó)眾創(chuàng)空間科技創(chuàng)新效率空間分布存在較強(qiáng)的集聚效應(yīng)；眾創(chuàng)空間科技創(chuàng)新效率空間部分呈現(xiàn)東高西低、北高南低的總體集聚態(tài)勢(shì)，并且我國(guó)大部分的眾創(chuàng)空間聚集在華東、華南和華北地區(qū)。

基于上述結(jié)論，提出進(jìn)一步提升眾創(chuàng)空間科技創(chuàng)新效率的對(duì)策建議：

第一，提高各省眾創(chuàng)空間科技創(chuàng)新的規(guī)模效率。一是加速眾創(chuàng)空間科技成果產(chǎn)業(yè)化，圍繞科技創(chuàng)新企業(yè)進(jìn)行規(guī)劃并鼓勵(lì)龍頭科技企業(yè)間的合作，搭建科技成果市場(chǎng)化平臺(tái)，促進(jìn)科技創(chuàng)新成果轉(zhuǎn)化。二是加速眾創(chuàng)空間的科技產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，通過(guò)稅收優(yōu)惠政策、科技產(chǎn)業(yè)扶持政策等，培育人工智能、區(qū)塊鏈、大數(shù)據(jù)等科技型企業(yè)，調(diào)整區(qū)域科技產(chǎn)業(yè)發(fā)展結(jié)構(gòu)，加快科技產(chǎn)業(yè)發(fā)展步伐，促進(jìn)科技產(chǎn)業(yè)升級(jí)。

第二，明確各省眾創(chuàng)空間的定位、分工及合作。一是各省份眾創(chuàng)空間需緊密結(jié)合區(qū)域的要素稟賦優(yōu)勢(shì)，從科學(xué)研發(fā)、技術(shù)升級(jí)、人才素質(zhì)等多方面考量，形成具有區(qū)域特色的發(fā)展模式。二是基于人才、技術(shù)等要素稟賦優(yōu)勢(shì)的異質(zhì)性，眾創(chuàng)空間科技創(chuàng)新效率的提升需要緊密合作，形成優(yōu)勢(shì)互補(bǔ)、協(xié)同創(chuàng)新的發(fā)展態(tài)勢(shì)，才能進(jìn)一步提升眾創(chuàng)空間科技創(chuàng)新的效率。

第三，加大科技投入和對(duì)外開(kāi)放程度。一是眾創(chuàng)空間需要借助財(cái)政支出、金融市場(chǎng)、民間資本以及利用外資等形式加大科學(xué)技術(shù)的資金支持力度，進(jìn)一步激發(fā)企業(yè)科技創(chuàng)新的激情。二是強(qiáng)化與不同地區(qū)或國(guó)家的經(jīng)濟(jì)、貿(mào)易、技術(shù)的交流與合作，有計(jì)劃、有重點(diǎn)、有選擇地從國(guó)外引進(jìn)適用且先進(jìn)的技術(shù)設(shè)備，聘請(qǐng)必要的外國(guó)經(jīng)濟(jì)技術(shù)專(zhuān)家指導(dǎo)科技創(chuàng)新工作。

第四，全方位優(yōu)化空間結(jié)構(gòu)和空間治理。一是基于不同省份社會(huì)經(jīng)濟(jì)發(fā)展程度的差異性，加強(qiáng)眾創(chuàng)空間科技創(chuàng)新資源的集約利用，堅(jiān)持科技創(chuàng)新資源存量空間盤(pán)活，并進(jìn)一步激活科技創(chuàng)新空間增量，增強(qiáng)眾創(chuàng)空間科技創(chuàng)新區(qū)域合作能力。二是建立健全空間經(jīng)濟(jì)關(guān)聯(lián)，降低資源自由流動(dòng)的空間約束和壁壘限制，促進(jìn)科技創(chuàng)新知識(shí)技術(shù)溢出、生產(chǎn)要素和資源的有序流動(dòng)，推進(jìn)眾創(chuàng)空間科技創(chuàng)新資源的有效配置，形成有機(jī)聯(lián)動(dòng)和協(xié)調(diào)發(fā)展的區(qū)域一體化空間格局。

參考文獻(xiàn)：

［1］ Hunsinger J. The social workshop as PLE：Lessons from hacklabs[J]．Proceedings of the PLE Conference，2011，10：7-13．

[2] Mohomed I， Dutta P. The age of DIY and dawn of the maker movement[J]. ACM? Sigmobile Mobile Computing & Communications Review， 2015， 18（4）：41-43.

[3] El-Ariss T. Hacking the modern： Arabic writing in the virtual age[J]. Comparative Literature Studies， 2010， 47（4）：533-548.

[4] Bauwens M，Mendoza N，Iacomella F．Synthetic overview of the collaborative economy［J］． Chiang Mai： P2P Foundation． Accessed August，2014： 12-15．

[5] 顧瑩．眾創(chuàng)空間發(fā)展與國(guó)家高新區(qū)創(chuàng)新生態(tài)體系建構(gòu)［J］．改革與戰(zhàn)略，2015（ 4）： 66－69．

[6] Willett R. Making， Makers， and makerspaces： A discourse analysis of professional journal articles and blog posts about makerspaces in public libraries[J]. The Library Quarterly， 2016， 86（3）：313-329.

[7] 賈天明， 雷良海. 眾創(chuàng)空間的內(nèi)涵、類(lèi)型及盈利模式研究[J]. 當(dāng)代經(jīng)濟(jì)管理， 2017（6）：13-18.

[8] Moilanen J.Emerging hackerspaces-peer-production generation[M]. Open Source Systems： Long-Term Sustainability. Springer Berlin Heidelberg， 2012：94-110.

[9] Troxler P. Commons-based peer-production of physical goods： Is there room for a hybrid innovation ecology？[J]. SSRN Electronic Journal， 2010：8-16.

[10]眾創(chuàng)空間研究課題組. 眾創(chuàng)空間的“前世今生”[J]. 科技智囊， 2017（11）：64-81.

[11]鄭巧英，朱常海．國(guó)家高新區(qū)“三次創(chuàng)業(yè)”主題文章之八：眾創(chuàng)空間的概念、運(yùn)作機(jī)制與發(fā)展建議［J］．理論視野，2015（8）：132-137.

[12]李燕萍，陳武.中國(guó)眾創(chuàng)空間研究現(xiàn)狀與展望[J].中國(guó)科技論壇，2017（5）：12-18，56.

[13]蘆亞柯. 我國(guó)眾創(chuàng)空間的運(yùn)行模式、制度環(huán)境及制度創(chuàng)新策略[J]. 商業(yè)經(jīng)濟(jì)研究， 2017（4）：121-123.

[14]李同月. 眾創(chuàng)空間運(yùn)營(yíng)模式分析[J]. 中外企業(yè)家， 2016（8）：246-248.

[15]杜楓.中美眾創(chuàng)空間商業(yè)模式的比較與分析[J]. 現(xiàn)代經(jīng)濟(jì)信息， 2017（4）：40-42.

[16]李燕萍，李洋.中美英三國(guó)創(chuàng)客空間發(fā)展的比較及啟示[J]. 貴州社會(huì)科學(xué)， 2017（08）：84-90.

[17]張育廣. 高校眾創(chuàng)空間的運(yùn)行機(jī)制及建設(shè)策略——以廣東工業(yè)大學(xué)國(guó)家級(jí)創(chuàng)客空間為例[J]. 科技管理研究， 2017（13）：101-106.

[18]袁俊榆，謝鑫. 高校專(zhuān)業(yè)化眾創(chuàng)空間的建設(shè)與運(yùn)行——以電子科技大學(xué)無(wú)線通信國(guó)家專(zhuān)業(yè)化眾創(chuàng)空間為例[J]. 中國(guó)高?？萍?， 2017（S2）：68-69.

[19]張力. 企業(yè)孵化器研究前沿與突破方向探析[J]. 外國(guó)經(jīng)濟(jì)與管理， 2010，32（6）：19-24.

[20]Harpe-Anderson? E， Lewis D A. What makes business incubation work？ Measuring the influence of incubator quality and regional capacity on incubator outcomes[J].Economic Development Quarterly，2018，32（1）：60-77.

[21]Fukugawa N.Is the impact of incubators ability on incubation performance contingent on technologies and life cycle stages of startups？：Evidence from Japan[J].International Entrepreneurship and Management Journal，2018，14（2）：457-478.

[22]Aerts K， Matthyssens P， Vandenbempt K. Critical role and screening practices of European business incubators［J］. Technovation， 2007， 27（5）： 254-267.

[23]Barbero J L， Casillas J C， Ramos A， et al. Revisiting incubation performance： How incubator typology affects results[J]. Technological Forecasting & Social Change， 2012， 79（5）：888-902.

[24]Schwartz M . A control group study of incubators impact to promote firm survival[J]. Journal of Technology Transfer， 2013， 38（3）：302-331.

[25]劉筱寒，王棟晗，谷盟，等.基于三階段數(shù)據(jù)包絡(luò)分析的國(guó)內(nèi)眾創(chuàng)空間創(chuàng)新效率研究[J].科技管理研究，2020，40（20）：64-74.

[26]李洪波，史歡. 基于DEA方法的國(guó)內(nèi)眾創(chuàng)空間運(yùn)行效率評(píng)價(jià)[J]. 華東經(jīng)濟(jì)管理， 2019， 33（12）： 77-83.

[27]宋宏，張璐.眾創(chuàng)空間投入與區(qū)域科技創(chuàng)新發(fā)展關(guān)系實(shí)證研究[J].科技管理研究，2018（12）：15-21.

[28]閆麗平，谷立霞，陳曄.創(chuàng)新驅(qū)動(dòng)戰(zhàn)略下高技術(shù)產(chǎn)業(yè)發(fā)展能力評(píng)價(jià)[J].企業(yè)經(jīng)濟(jì)，2016（6）：54-58.

[29]杜寶貴，王欣.眾創(chuàng)空間創(chuàng)新發(fā)展多重并發(fā)因果關(guān)系與多元路徑[J].科技進(jìn)步與對(duì)策，2020，37（19）：9-16.

[30]黃鐘儀，趙驊，許亞楠.眾創(chuàng)空間創(chuàng)新產(chǎn)出影響因素的協(xié)同作用研究——基于31個(gè)省市眾創(chuàng)空間數(shù)據(jù)的模糊集定性比較分析[J].科研管理，2020，41（5）：21-31.

[31]張靜進(jìn)，陳光華.基于DEA模型的眾創(chuàng)空間創(chuàng)新創(chuàng)業(yè)效率及投入冗余比較研究[J].工業(yè)技術(shù)經(jīng)濟(jì)，2019，38（9）：26-34.

[32]許亞楠，黃鐘儀，王藝，等.中國(guó)眾創(chuàng)空間運(yùn)營(yíng)效率評(píng)價(jià)及影響因素研究[J].科技管理研究，2020（4）：80-87.

[33]Andersen P， Petersen N C. A procedure for ranking efficient units in data envelopment analysis[J]. Management Science， 1993， 39（10）：1261-1264.

[34]Fried H O， Lovell C， Schmidt S S， et al. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis， 2002， 17（1-2）：157-174.

[35]Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics，1997， 22（4）， 515-531.

（責(zé)任編輯：鐘 瑤）

Regional Differences and Spatial Distribution of Science and Technology

Innovation Efficiency in Chinas Crowdsourcing Spaces

LI Xin1，2，CHEN Yine3

（1.Wenlan School of Business，Zhongnan University of Economics & Law，WuHan，Hubei 430073，China；

2.School of Finance & Economics，Hunan University of Finance & Economics，ChangSha，Hunan 410205，China；

3.School of Economics & Management，Changsha University of Science & Technology，ChangSha，Hunan 410014，China）

Abstract：Based on theories of technological innovation and regional economy， the three-stage super-efficiency SBM-DEA dynamic model， combined with ML index， Dagum coefficient and Morans I index， was applied to consider the spatial and temporal differences and the spatial distribution of technological innovation efficiency of crowdsourcing innovation spaces in China based on the data of crowdsourcing innovation spaces from 2017 to 2019. The results show that the overall efficiency of science and technology innovation in crowdsourcing innovation spaces is low， and the differences between regions are large; the differences in science and technology innovation efficiency are within and between groups， and the distribution pattern is “more in the east and less in the west”， with strong local clustering. In view of this， we should further build up regional advantageous industries， optimize regional industrial structure， gather scientific and technological innovation talents， and improve the level of scientific and technological innovation industries by relying on the scientific and technological innovation kinetic energy and location advantages of crowdsourcing spaces.

Key words：crowdsourcing space; science and technology innovation; spatio-temporal differentiation; SBM-DEA dynamic model

收稿日期： 2022-09-23

基金項(xiàng)目：國(guó)家社科基金重點(diǎn)項(xiàng)目（21AJL007）、湖南省教育廳科學(xué)研究項(xiàng)目（22C0687）

作者簡(jiǎn)介： 李 鑫（1987—），男，湖南澧縣人，博士，中南財(cái)經(jīng)政法大學(xué)應(yīng)用經(jīng)濟(jì)學(xué)在站博士后，湖南財(cái)政經(jīng)濟(jì)學(xué)院財(cái)政金融學(xué)院講師，研究方向：數(shù)字金融與商業(yè)模式創(chuàng)新；陳銀娥（1966—），女，湖南湘陰人，博士，長(zhǎng)沙理工大學(xué)經(jīng)濟(jì)與管理學(xué)院教授，博士生導(dǎo)師，研究方向：數(shù)字普惠金融。