徐晓旭，姚登宝

（安徽大学经济学院，安徽合肥230601）

一、引 言

2014年，李克强总理在夏季达沃斯论坛上首次提出，并在2015年政府工作报告中将“大众创业、万众创新”作为中国经济转型和保增长的“新引擎”。众创空间作为“双创”战略的重要载体，是顺应创新3.0时代新趋势和实施创新驱动发展战略的重要组成部分。2016年国务院办公厅出台《关于加快众创空间发展服务实体经济转型升级的指导意见》，全国各地在此文件基础上纷纷制定了具体的实施细则，各种类型的众创空间如雨后春笋一般在全国各地蓬勃发展起来。据2019年《中国火炬统计年鉴》和《中国众创空间白皮书2018》显示，中国已拥有众创空间5 739家，众创空间数量已跃居全球第一。众创空间的发展推动了各种创新要素交叉融合，服务于实体经济转型升级，业已成为经济高质量发展的重要力量。

为了加快众创空间发展，各地纷纷出台支持众创空间建设的各种优惠政策，尤其是金融支持政策。例如，杭州的“洋葱胶囊”、北京的“3W咖啡”、上海的“新车间”以及深圳的“柴火创客空间”，这些高水平的众创空间平台都离不开充分且完善的金融支持。金融支持体系与经济发展、产业结构调整都存在着密切的耦合关系[1]，高效的金融支持体系建设对创新创业的绩效具有重要的促进作用。可见，金融支持对于众创空间的发展壮大具有重要的推动作用。然而，现有研究很少从理论上深入阐述众创空间发展过程中的金融支持体系问题。目前，部分众创空间虽获得充足的资金支持，但资金的使用效率较低，金融资金支持额度并不能与众创空间产出水平相匹配。究其原因，就是缺乏对众创空间的金融支持效率进行科学评价，导致相关部门无法根据众创空间特点及发展情况做到精准施策，造成金融支持资源的极大冗余和浪费。因此，分析金融支持众创空间发展的现状及主要模式，从多维度评价众创空间的金融支持效率，具有十分重要的理论和现实意义。

众创空间与Dougherty（2012）、Lindtner&Li（2012）所提出“创客空间”的概念非常相似，是一类新型企业孵化器[2-3]；而互联网时代的“众创空间”是特定时代背景下的物理空间、社会空间与精神空间的融合体[4]。众创空间作为国家支持创新创业的平台，与企业一样需要金融支持。崔祥民（2019）指出影响众创空间核心竞争力的重要因素包括融资与金融机构聚集[5]。与国内不同，国外的众创空间分为纯商业化机构和非营利组织两类，其中纯商业化机构的众创空间主要以会员费、风险投资、银行金融资本和机构资助等作为金融支持；而非营利组织主要以众筹、政府资助等作为金融支持。对于非营利组织，许多项目与成果是以政府资助为支撑。例如，纽约作为全球金融中心，其设立的“纽约创业投资基金”（NYCEF）和“纽约战略投资集团”（NYCSIC），为非营利组织提供个性化的金融解决方案。英国著名众创空间Build Brighton则属于纯商业化众创空间，其运营费用则来自于会员的捐赠。另外，对纯商业化众创空间的金融支持方式还包括银行金融资本、风险投资等[6-8]。

国内学者对众创空间金融支持模式的研究大多以国家出台的政策文件为依据。黄彦菁和孙丽江（2015）认为目前我国众创空间的资金支持方式主要由政府专项扶持基金、金融机构融资、创意成果转化后的创收、大企业扶持、私募股权投资、天使投资与风险投资等[1]；郝君超和张瑜（2016）将金融支持政策文件归纳为政府给予包括资金、场地及人员在内的各项支持[9]。目前，政府扶持是促进众创空间生态系统健康发展的重要手段[10]。因此，各地政府从财政补贴、场地、税收、奖励等方面大力扶持众创空间的发展[11]，才逐渐搭建出众创空间的金融支持体系。然而，政策工具对众创空间的发展并非完全起推动作用。徐示波（2019）在对众创空间政策文本进行量化研究中发现，中央和地方政府运用政策工具存在差异，且部分有效的政策工具运用不足[12]。同时，部分地区还存在众创空间仅以单纯工位出租模式，攫取政府补贴，导致众创空间的无序发展[10]。除了政府通过财税、信贷进行扶持以外，众创空间本身的投融资活动也属于金融支持。吴崇明和于源（2019）发现众创空间的核心价值获取应来源于创业企业的价值创造，而价值创造则需要众创空间对其进行投资支持[13]。但是，目前投融资仍然众创空间发展的软肋，杜跃平等（2019）在对西安市众创空间的服务满意度进行评估时就发现创客对于投融资的满意度较低[14]。鉴于众创空间的运营机制尚不完善、经营风险较高和盈利水平较低等问题，大部分众创空间很难通过直接投融资渠道获得金融支持。由于我国各地区之间的经济发展水平、科技与人才力量等方面存在较大差异，这也导致了各地区众创空间金融支持方式也有所不同。陈夙等（2015）以杭州梦想小镇为例，在众创空间中构建包括天使投资基金、股权投资机构、财富管理机构等在内的全链条金融服务体系[15]；王庆金等人（2019）通过构建“众创空间网络嵌入—共生行为—商业模式创新”模型，认为创业企业与其他主体共生发展后在资金获取与利用方面更具优势[16]。

对于众创空间效率评价的研究，大多数学者采用数据包络分析（Data Envelopment Analysis,DEA）。但DEA方法包含的模型众多，不同的学者由于研究对象不同，所采用的DEA模型也不同。目前，研究众创空间效率评价主要分为两类：一类是众创空间的运行效率。如李洪波与史欢（2019）综合基本CCR模型以及超效率DEA模型，对国内众创空间的运行效率进行评价[17]；徐莉等（2019）运用DEA模型与DEA-Malmquist指数，从静态与动态双维度对全国30个省市区众创空间的运行效率状况进行评价[18]。另一类是众创空间的创新创业效率。如高涓和乔桂明（2019）采用改进的EBM-DEA三阶段模型，结合地方政府对于众创空间的财政补贴及其享受的税收收益，分析了创新创业财政引导政策的绩效[19]；张静进和陈光华（2019）运用三阶段DEA模型方法在有效剔除环境变量的基础上分析了我国众创空间的创新创业效率及各省份之间的差异[20]。

综上所述，国内对众创空间方面的研究大多还集中在实践领域，理论研究较少，尤其是缺乏深入剖析众创空间发展过程中的金融要素，这也导致了现阶段国内众创空间的“融资难、融资贵”问题依然存在，且金融支持效率不高。虽然上述文献为本文研究提供了有益借鉴，但仍存在以下三个方面的不足：第一，偏于将众创空间看成独立主体研究其运行机制和相关政策支持，缺乏从整个经济生态或科技创新生态来分析众创空间的作用以及发展过程中存在的问题；第二，分析金融支持众创空间发展的研究偏少，且大多偏于定性地讨论金融支持方式或融资方式，很少建立金融支持众创空间发展的评价指标体系；第三，偏于从整体上分析众创空间的运行效率，金融作为推动众创空间发展的重要力量，却尚未对金融支持效率进行系统评价。因此，本文将在深入分析我国金融支持众创空间发展的现状基础上，通过构建三阶段DEA模型评价我国30个省市众创空间的金融支持效率。

二、我国金融支持众创空间发展的现状

（一）我国众创空间的发展情况

自2016年以来，为响应和贯彻国务院办公厅《关于加快众创空间发展服务实体经济转型升级的实施意见》，全国各地相继建立了各种类型的众创空间。据2019年《中国火炬统计年鉴》和《中国众创空间白皮书》显示，截至2018年12月31日，除西藏藏族自治区以外，全国30个省市已拥有5 739家众创空间，数量跃居全球第一。

按照全国七大地理区域划分，2018年我国众创空间的区域分布如图1所示。可以看出，我国众创空间分布具有显著的不平衡特征，其中，华东地区众创空间数量最多，其次是华北、华南地区，而西南、华中、西北和东北地区的数量最少。这也说明众创空间数量与地区的经济、教育、科技、人才等因素关系密切，经济发展水平越发达，众创空间的数量越多。

图1 2018年全国众创空间分布情况

总收入是反映众创空间发展水平的最直接统计指标，由图2可知，除天津、甘肃以外，大部分省市2018年众创空间的总收入都要高于2017年。北京、天津、江苏、浙江、广东、江西等相对发达地区众创空间总收入明显高于其他省市自治区，这主要因为这些地区的经济发展水平、科技水平以及包含金融、财税等支持政策为众创空间提供了优越的发展环境。黑龙江、广西、海南、青海、宁夏、新疆等欠发达地区的众创空间总收入也相对较低。值得注意的是，天津因其2017年对众创空间总收入的统计口径与国家统计局不一致，加之众创空间服务收入与投资收入在2018年均有所下降，使得其在2018年众创空间总收入出现显著下降的现象。

图2 全国各省市众创空间总收入状况（千元）

（二）我国金融支持众创空间发展的主要模式

2016年国务院办公厅印发《关于加快众创空间发展服务实体经济转型升级的指导意见》（下文简述为《指导意见》），作为全国各省市建设与发展众创空间的纲领性文件。该《指导意见》针对众创空间发展提出了三项金融支持政策：一是实行奖励和补助政策，综合运用无偿资助、业务奖励等方式对众创空间软硬件设施给予补助，发挥财政资金的杠杆作用，并利用市场引导社会资金与金融资本进入众创空间；二是落实促进创新的税收政策，对研发的设备仪器使用加速折旧政策以尽量少纳税，对研发费用进行税前加计扣除等；三是引导金融资本支持，引导和鼓励各类天使投资、创业投资与众创空间相结合，结合股权与债券进行投贷联动，支持众创空间内企业通过资本市场进行融资，完善投融资模式。《指导意见》出台以后，全国各省市纷纷响应并制定了相应的金融支持政策，表1列出了我国部分城市针对众创空间发展出台的一些金融支持政策。

表1 我国部分城市的众创空间金融支持政策

三、金融支持众创空间发展的效率评价模型：三阶段DEA模型

发展众创空间是一个多投入、多产出的系统过程，而数据包络分析方法（DEA）可以很好地研究此类多投入、多产出的效率评价问题。在DEA方法中，最常用的是BCC与CCR模型，但由于各省市众创空间的金融支持效率会受到环境因素、随机因素等外部冲击因素的影响，因此这里主要采用三阶段DEA模型，通过剔除环境因素和随机因素，进而更准确地获得各省市金融支持众创空间的效率值。

（一）三阶段DEA模型

1.第一阶段DEA模型

第一阶段DEA模型主要是运用传统DEA模型对各省市金融支持众创空间发展的效率进行评价，得到评价的初始效率值。传统DEA模型包括BCC模型与CCR模型两种，且模型还有投入导向与产出导向的区分。由于DEA模型中的投入导向主要是在产出既定的前提下衡量要素投入减少的比例，而本文最终是要分析如何调整投入指标来优化金融支持的效率问题，因此这里选择投入导向模型。另外，鉴于众创空间常常具有规模报酬可变的特征，所以第一阶段DEA模型主要运用投入导向BCC模型获得各地区金融支持众创空间发展的初始效率值。投入导向的BCC模型如下：

其中，θ表示投入角度的效率值，xi和yi分别表示第i种投入和产出，X与Y分别表示投入与产出，λ为权重向量，I1'为单位向量，I1'λ=1表示权重之和为1，说明该模型的规模报酬可变，这正是BCC模型与CCR模型的不同之处。

2.第二阶段DEA模型

第一阶段得到投入或产出的松弛量受到环境变量、管理无效率项、随机干扰项等因素影响，需要运用SFA模型分解第一阶段所得到的松弛变量，剔除环境与随机因素的影响，对投入变量进行一定的调整。根据张静进和陈光华（2019）[20]的方法，以各投入变量的松弛量作为因变量，以环境变量作为自变量，对每一个投入变量的松弛量建立一个SFA回归方程，SFA回归方程如下：

其中，Sn1表示第i个决策单元（省市）在第1项投入上的松弛量，f1(Zi;β)为确定的可行松弛前沿，这里β为系数，Zi为第i个决策单元的环境变量，v1i表示投入变量1的统计噪声，服从于正态分布，μ1i表示投入变量1的管理无效率项，一般为非负数，服从于半正态分布，且v1i与μ1i相互独立。

然后，对投入变量的松弛量与选择的环境变量进行SFA回归分析，验证其是否通过单边似然比检验，并得到投入变量的松弛量与每个环境变量之间的相关系数、混合误差项的平方以及gama值。在对两项投入变量的松弛量进行SFA回归之后，利用公式（3）求出管理无效率项，进而结合公式（4）计算随机误差项。

其中，μ为管理无效率项，表示混合误差项，为管理无效率项与随机扰动项之和，φ(⋅)、φ(⋅)分别为密度函数和累计密度函数。

最后，运用公式（5）对投入变量的原始投入数据进行调整。

其中，XAni、Xni分别表示第n个投入变量在第i个决策单元的调整数据和原始数据，f(Zi;β)为环境变量值，vni为随机干扰项值，max[f(Zi;β)]-f(Zi;β)表示将所有决策单元调整于相同环境，max(vni)-vni是为了在所有决策单元置于相同环境时将统计噪声调整为相同情形。

3.第三阶段DEA模型

对利用公式（5）得出的剔除环境因素和随机因素的两项变量再次进行DEA模型检验，检验模型仍然使用投入导向BCC模型，从而得出各地区众创空间的真实效率值。

四、我国众创空间发展的金融支持效率评价

（一）金融支持众创空间发展的评价指标体系构建

鉴于本文侧重于研究众创空间发展的金融支持效率，所选取的投入指标主要与金融支持相关，而选取的产出指标则是尽可能反映众创空间的运营情况。根据《中国火炬统计年鉴》与科技部火炬高技术产业开发中心相关报告，选取的投入和产出指标如表2所示。由于目前国家统计局只发布了《2018中国火炬统计年鉴》，因此本文只针对2018年众创空间相关数据进行实证分析。

表2 金融支持众创空间发展的评价指标体系

如表2所示，产出指标主要选取众创空间总收入、创业团队和企业吸纳就业情况两个基础指标，而在投入指标中，团队和企业获得的投资总额反映众创空间从外界获得的投资额，团队和企业享受财政资金支持额反映众创空间享受到的财政投资额。一般来说，选取环境指标需要满足两个条件，分别是必须不受到投入、产出指标的影响和必须对省市的效率有影响。因此，本文选取服务人员、创业导师和财政补贴收入比重作为环境指标，其中，服务人员是能够为创新创业过程的顺利进行提供必要帮助和服务的人员，创业导师是为众创空间提供智力支持与技术支持的指导人员，财政补贴收入比重为创业团队和企业享有的财政补贴收入与总收入的比例。根据《中国创业孵化发展报告2019》，财政补贴是总收入的一部分，所占比重越大，表明政府支持对众创空间的收入影响越大。

（二）基于三阶段DEA模型的众创空间金融支持效率评价分析

1.三阶段DEA模型检验

（1）第一阶段DEA模型分析

由于《2018中国火炬统计年鉴》尚未公布西藏藏族自治区众创空间的相关数据，因此这里DEA模型的决策单元仅包含全国30个省市、自治区。下面利用投入导向BCC模型对投入与产出效率进行计算，结果如表3所示，但是这里计算的效率值并未剔除环境因素与随机干扰因素。

表3 30个省市第一阶段DEA模型效率值

表4 30个省市投入变量的松弛量

如表3所示，北京、山西、内蒙古、吉林、江西、青海和宁夏都处于效率的前沿线上，是BCC模型中效率最优的7个省市。相比较均值而言，全国有17个省市低于平均值，其中安徽省的纯技术效率值最低，说明在未剔除环境因素与随机因素的影响下，安徽省众创空间的金融支持效率低于全国平均水平。同时，不难发现，一些发展水平较快的省市，如上海、江苏、浙江、广东等，其金融支持众创空间发展的初始效率值也不高，这也说明初始效率值其实并不能准确反映该地区金融支持众创空间发展效率的真实情况，需要剔除其中环境因素与随机因素对效率值的影响，应该对30个省市的投入变量进行调整。

（2）第二阶段DEA模型分析

通过第一阶段DEA模型，可以得出每个省市目标投入量，以此求得各投入变量的松弛量，其中松弛量等于投入变量的目标数据与其原始数据之差。结果如表4所示。

如表4所示，在第一阶段DEA模型中得出的效率值为1的省市，其投入变量的松弛量为0。为了提高金融支持效率，其余的省市都应该增加投入。同时，在表4中，由于各省市投入变量1的松弛量高于投入变量2的松弛量，这就表明所有省市众创空间想要达到最优效率就应优先考虑增加众创空间总投资额。通过对两个投入变量的松弛量与三个环境变量的数据进行分析，它们均通过了单边似然比检验。同时将三个环境变量和投入变量1松弛量、投入变量2松弛量分别进行SFA回归分析，回归结果如表5所示。

表5 第二阶段投入变量SFA回归结果

表6 30个省市第三阶段DEA效率值

由表5可以发现，环境变量对两种投入变量产生了不同影响：

第一，服务人员与创业导师对团队和企业获得的投资总额与享受财政资金支持额的松弛变量均产生了正面影响，这表明服务人员越多，越不利于提升金融支持众创空间的效率。主要原因是：一方面，众创空间中的团队和企业均处于初创阶段，知识和技术尚未成熟，服务人员和创业导师对资金的运用处于摸索阶段，导致金融支持效率不高；另一方面，众创空间中人员越多，一些不必要的人员开支也就越多，资金利用率不高，也会降低金融支持的效率。

第二，财政补贴收入比重对团队和企业获得的投资总额松弛变量产生了负面影响，这说明财政补贴收入比重越大，越有利于投资总额运用效率的提升。这是因为财政补贴并非面向众创空间中全部团队和企业，大部分地区在实施财政补贴前会对团队和企业的业绩、运营情况等进行考察，对运营状况良好、有投资价值的企业进行补贴，从而激励众创空间内部团队相互竞争，只有更有效地利用所获得的投资额，才能进一步改善团队和企业的经营状况。

第三，财政补贴收入比重对享受财政资金支持额松弛变量产生了正面影响，这反映了财政补贴占总收入比重越大，越不利于财政资金运用效率的提升。这可能是政府对于众创空间的支持一方面通过各项财政补贴，如减免税负等，另一方面通过财政资金支持，即财政拨款。这两种方式实际上都属于政府用资金支持众创空间的团队与企业，所以财政补贴越多，资金有效运用的难度越大，进而也降低了运用财政资金支持额的效率。

由于投入变量的松弛量很大程度上受环境因素的影响，这就需要将每个省市的投入松弛量置于相同的环境之中，以保证各个省市处于相同条件，进而获取更为准确的效率值。

（3）第三阶段DEA模型分析

利用第二阶段DEA模型，可以得到剔除环境因素与随机因素之后的投入变量数据，再运用投入导向BCC模型，进而得到经过调整后的效率值，如表6所示。

2.众创空间发展的金融支持效率分析

由三阶段DEA模型的检验结果表明，金融支持众创空间的综合技术效率、纯技术效率以及规模效率在指标调整前后发生较明显的变化，环境因素对金融支持众创空间的效率影响较大，并且三项指标在省市之间的分布态势也呈现显著的地区不平衡性。由于不同地区众创空间金融支持体系综合技术效率水平主要取决于纯技术效率和规模效率，下面将针对金融支持的综合技术效率、纯技术效率和规模效率分别进行更深入的分析。

（1）金融支持的综合技术效率

金融支持的综合技术效率是对省市的资源配置能力、资源使用效率等多方面能力的综合衡量和评价。对比表3和表6可知，调整前TE均值为0.495，调整后TE均值为0.453，TE均值有所下降，表明在剔除环境因素之后，全国平均金融支持的综合技术效率值总体上呈现减弱趋势，环境因素对金融支持众创空间发展的效率具有一定影响，全国范围内众创空间的金融支持效率整体上还有待提高。这也说明提高金融支持效率不能仅依靠金融政策支持等投入因素以及人员等外部环境因素，还需要众创空间内部运作机制的有力支撑。

图3 30个省市TE值调整前后变化

如图3所示，从各个省市金融支持的综合技术效率值调整前后的变化来看，只有内蒙古地区在调整前后的技术效率值均为1，有17个地区调整后的效率值高于调整前，其中北京、江苏、浙江和广东这四个省市是调整后效率值增加最为明显，说明环境因素对于这些地区效率值的影响较大。实际上，北京、江苏、浙江和广东四省市的服务人员与创业导师数量远高于其他地区，对于众创空间的财政支持力度和税收优惠也相对较大。但值得注意的是，江苏、浙江、广东三省虽然经济发展水平高、环境因素相对优越、金融支持政策较多，在剔除环境因素之后的金融支持效率相对较高，但其调整后的综合技术效率值却低于内蒙古、江西等省份，这也说明人员与投资资金过多并不一定会提高金融支持效率，有时反而可能降低众创空间利用金融支持资源的效率。另外，在图3中，有12个省市金融支持的综合技术效率值在调整之后有不同程度的下降，且下降幅度较大，这也是导致全国总体金融支持的综合技术效率值在调整后有所降低的主要原因。值得注意的是，同样处于西北地区，内蒙古的综合效率值一直处于最优，而青海、宁夏、新疆地区的效率值却在调整后出现大幅下降，这表明这些地区的环境因素对综合技术效率值产生较大的正向影响，如果政府进一步投入人员与财政补贴资金，可以显著提高众创空间使用金融资金和享受金融支持政策的效率。

（2）金融支持的纯技术效率

图4 30个省市PTE值调整前后变化

金融支持的纯技术效率表示省市在最优金融支持规模时投入要素的金融支持效率。对比表3和表6可知，全国金融支持众创空间发展的纯技术效率PTE均值由调整前的0.596提高到调整后的0.961，PTE在调整前后提升幅度较大，已接近于最优效率值。结合图4可以发现，在调整前，全国仅有7个省市金融支持的纯技术效率达到最优，而调整后拥有最优效率省市增加至13个，达到最优效率的省市明显增加。这表明这些省市众创空间在最优条件下均能将金融支持资源进行最充分地利用。另外，各个省市金融支持的纯技术效率值在调整后相对比较集中，说明剔除环境因素的影响之后，各个省市众创空间在最优规模下对于金融支持资源的利用效率相对一致。从纯技术效率的分布区域来看，拥有最优效率的省市主要位于我国北方，而处于华中和华东地区的上海、江苏、安徽、福建、河南等省市的纯技术效率值虽有所提高，但仍未达到全国平均水平。尤其是安徽，其纯技术效率值在调整前仅为0.15，而调整后大幅提高到0.856，这也表明安徽省的环境因素对金融支持众创空间发展的效率具有较大影响，环境因素在一定程度上限制了安徽众创空间对金融支持资源的利用效率。值得注意的是，作为经济发达省份的江苏，其综合技术效率值在调整后得到较大提高，但其纯技术效率却仍处于全国中下游水平，这也说明环境因素对于江苏众创空间达到最优金融支持规模存在一定的正向影响，江苏可以据此增加众创空间人员与财政补贴投入，进而推动其众创空间达到最优金融支持规模。

（3）金融支持的规模效率

图5 30个省市SE值调整前后变化

金融支持的规模效率反映了由于企业的规模因素影响金融支持效率的程度。对比表3和表6可知，全国范围内金融支持的规模效率SE均值由调整前的0.852下降至0.475，产生了较大幅度的下跌，成为综合技术效率均值下降的主要原因。这也表明尽管金融支持众创空间发展的效率受环境因素影响较大，但真实的金融支持效率值仍是处于较低水平，这主要是因为对于大多数省市来说，众创空间也是自2016年才相继建立，虽然发展速度很快，但尚未形成较大规模，导致金融支持的规模效率在剔除环境因素影响之后都有所下降。结合图5可知，北京、黑龙江、江苏、浙江、江西、山东与广东等6个省市金融支持的规模效率在调整后有所提高，主要是因为这些省市的众创空间成立时间都比较早，特色明显、科技含量高且已经形成较大规模，如浙江杭州“洋葱胶囊”、广东深圳“柴火创客空间”和北京“3W咖啡”等。而部分经济欠发达省市，如广西、海南、贵州、云南、青海和新疆等，其金融支持的规模效率值在调整后均出现大幅下降，这与这些省份自身经济发展水平相对较低，众创空间成立时间较晚且数量有限，加之金融支持体系不够完善，导致他们在剔除环境因素影响之后金融支持的规模效率骤降，进而影响其综合技术效率。

（4）金融支持效率状态

表7 30个省市金融支持众创空间发展的效率状态分布

表7给出了全国30个省市金融支持众创空间发展的效率状态分布情况，可以发现，在30个省市中，处于金融支持效率递增状态的省市从调整前的14个增加到调整后的27个，效率不变状态的省市由调整前的5个减少到调整后的3个，而11个金融支持效率递减状态的省市在调整后全部转变为效率递增状态和效率不变状态。这表明我国大部分省市众创空间处于金融支持效率递增状态，这与近年来国家实施创新驱动发展战略，不断深化“双创”建设，全国各地纷纷提高建设众创空间的速度有关。同时，需要注意的是，环境因素对金融支持众创空间发展的效率具有较大影响，部分省市金融支持众创空间发展的效率不高，金融支持资源的利用效率相对低下，这就需要在加大金融支持力度的同时，提高金融支持政策与区域经济发展环境之间的配合度和协调度，最大限度的提升金融支持效率，促进众创空间发展。

五、结论与政策启示

众创空间作为新型创新创业服务平台，能够有效推动各类创新要素交叉融合，促进“大众创业、万众创新”不断深化，已经成为我国创新驱动发展战略的有力支撑。然而，建设高质量众创空间平台离不开完善的金融支持体系，金融支持效率高低则直接影响众创空间的发展水平。因此，本文深入分析我国金融支持众创空间发展的现状及主要模式，运用三阶段DEA模型评价我国30个省市众创空间的金融支持效率。实证结果发现：第一，环境因素对各省市众创空间的金融支持效率有较大影响，且不同的环境因素对投入变量的松弛量影响不同，这就要求计算实际金融支持效率时需要剔除环境因素的影响；第二，在剔除环境因素和随机干扰因素后，众创空间发展的金融支持效率在不同省市之间存在显著的地区不平衡性，该不平衡性主要与地区间众创空间金融支持的规模效率差异性有关；第三，虽然大部分省市众创空间的金融支持效率都处于效率递增状态，但他们的实际金融支持效率值并不高；第四，金融支持众创空间发展的综合技术效率由其纯技术效率和规模效率决定，虽然纯技术效率在调整之后有所提升，但综合技术效率因规模效率的大幅减小而减弱。

鉴于上述结论，本文提出以下建议：第一，拓宽和创新众创空间的金融支持模式，灵活运用政府财政激励与税收优惠政策，建立包含银行信贷、风险投资、政府引导基金、股权众筹等多种形式的金融支持体系；第二，各省市应根据本地区经济发展水平灵活调整金融支持的力度，提高金融支持与地区经济发展环境的配合度和协调度，突出金融支持在众创空间发展中的重要作用；第三，加强各省市之间的金融信息交流与共享，创建众创空间生态圈，借助“资智和融”，全面提升金融支持众创空间发展的效率。