范金 赵彤

孵化器内初创型科技企业绩效综合评价*

范金 赵彤

对孵化器内初创型科技企业绩效进行综合评价具有必要性与紧迫性。基于新型多指标评价方法—PLS路径模型，运用南京110家企业调研数据，以人才效益、科技效益、成长效益、经济效益、社会效益5大方面、15个指标为基础，构建了孵化器内初创型科技企业绩效综合评价指标体系，数据显示该指标体系能够较好地覆盖孵化器内初创型科技企业的多维度目标。在此基础上根据综合评价结果进行系统聚类分析。特别地，为克服聚类分析的主观性以及贫数据问题，引入灰色关联分析方法以客观考察不同维度的潜变量指标对不同类型初创型科技企业综合评价得分的影响。结果表明不同类型初创型科技企业改进综合评价得分的着力点并不相同，企业应认清自身情况，进而做出针对性决策。

科技创业;综合评价;偏最小二乘法;聚类分析;灰色关联度

一、引言

创业活动决定了一个国家或者地区的经济增长，因而其活跃程度在一定程度上能够代表一个国家或者地区经济发展的繁荣程度①，其中科技创业作为将知识创新成果孵化为新技术和企业的创业形式②，能够有力地推动创新并显著增加地区财富③。尽管作为中国科教名城的南京人才总量众多，但具有国际水准的高端人才相对缺乏，引领产业发展的创业人才相对缺乏，产业发展的急需紧缺人才相对缺乏，这是南京人才结构的现实困境。南京在发展过程中也出现了创新活力不足、创业氛围匮乏、创业主体缺失、创业融资困难、市场机制不完善等问题，这导致南京科教人力资源向现实生产力的转化能力不高，科技创业乏力④，从而影响了南京的长远发展。培植适合初创型科技企业⑤的环境体系是充分发挥人力资源优势、吸引高端人才、发展创业经济的必要条件⑥。为此，南京市政府于2011年7月1日提出实施科技创业特别社区建设计划。自2011年至今，南京先后有总用地约45.8平方公里的20个紫金科技创业特别社区启动建设并陆续投入使用，且各项配套服务设施齐备。这对于最大程度地创造适合科技创业的良好空间和卓越服务，全面聚焦“四个第一”⑦，实施创新驱动战略具有重要的现实意义。

然而，倘若科技创业社区内的初创型科技企业因绩效不佳纷纷倒闭，那么不仅会浪费社会资源，而且会使后来者驻足，进而严重影响科技创业活动的整体活跃程度⑧。因此科技创业特别社区管理部门有必要对辖区内初创型科技企业绩效进行综合评价，在此基础上采取针对性措施，指导企业进行相应改善，最终实现科技创业特别社区的长远发展。但由于初创型科技企业绩效评价的特殊性与复杂性，目前无论从理论层面还是操作层面均缺乏具有针对性和系统性的评价方案。本文在对以往评价方法进行回顾的基础上，针对初创型科技企业的特点，基于PLS-SEM方法，利用南京20家科技创业特别社区内的110家初创型科技企业数据，从人才效益、科技效益、成长效益、经济效益、社会效益等五个层面设计了初创型科技企业的综合评价指标体系，从而较好地覆盖了初创型科技企业的多维度目标，在一定程度上解决了指标的非观测性、数据非正态分布以及多重共线性等问题，并给出了较为合理的孵化器内初创型科技企业综合评价指数。在对企业综合绩效进行聚类分析的基础上，为克服聚类分析的主观性和数据样本量较小的问题，文章引入了不受数据分布与样本量限制的灰色关联分析方法，据此更加客观地指出不同类型初创型科技企业提升综合评价得分的着力点所在。

二、初创型科技企业综合评价模型构建

1.方法选择

多指标综合评价方法主要有两类，分别是显变量综合评价方法与潜变量综合评价方法。显变量综合评价方法包括线性规划法、专家评价法、层次分析法、数据包络分析、因子分析法等等。但此类方法通常有三大问题难以解决:第一，现实中的许多数据无法直接观测，因而这些方法往往无用武之地;第二，当指标间存在严重的多重共线性时，由于信息的重复使用会导致结果有偏;第三，对数据性质的要求较高，并且可能存在较为明显的主观性问题。与显变量综合评价方法相对应，潜变量综合评价方法主要分为两类:第一类是基于极大似然估计的结构方程建模方法，被称为“硬模型”，以线性结构方法为代表;第二类是基于方差的结构方程建模方法，被称为“软模型”，以偏最小二乘法为代表。后者能够同时对测量模型的信度与效度以及结构模型内潜变量间的关系进行估计⑨。相较于基于极大似然估计的结构方程建模方法而言，其具有一系列的优势，包括:(1)不要求变量原始数据满足正态分布假设;(2)适用于进行理论上的探索性分析，而非仅仅是验证性分析;(3)相对于MLE-SEM的大样本要求而言，PLS-SEM运用Bootstrap技术能够产生稳定的路径系数和显著水平，即使样本量在100以下;(4)能够更好地处理可能存在的多重共线性问题。因此，PLS在经济学、管理学以及心理学领域已然得到了广泛的运用⑩。

基于上述理由，本文主要采用PLS-SEM方法对初创型科技企业绩效进行综合评价。PLS结构方程模型主要涉及两类变量，即潜变量以及用于测度潜变量的显变量。相应地，该模型主要由两类子模型构成:(1)用于描述显变量与潜变量关系的测量模型;(2)用于衡量潜变量之间关系的结构模型。在测量模型方面，由于指标构成方式的不同，可以将其划分为“构成型”与“反映型”两类，其测量方程分别可以用 xjh= λjhζj+ εjh和 ζj= ∑kπjhxjh+ δj表示，而究竟使用哪种类型的指标主要可以根据 Jarvis（11）(2003)的标准从理论分析的角度加以判别;而在结构模型方面，潜变量之间的关系可以用 ζj= ∑j≠iβjiζi+ ζj表示。其中ζj表示标准化的潜变量，λjh与πjh代表因子载荷，εjh、δj以及ζj为模型误差项。

在模型参数的具体计算方面，PLS路径分析主要分为两个步骤:(1)运用迭代方法计算得到潜变量估计值;(2)运用偏最小二乘法对潜变量与显变量、显变量之间进行线性回归，从而得到具体的参数估计值。通过上述步骤最终实现测量方程与结构方程误差项最小化。本文使用SmartPLS 2.0.M3软件对文中的综合评价路径模型进行分析。

2.数据说明与指标设计

本文一方面借鉴使用国内外孵化器领域的成熟量表，另一方面走访科技创业社区管理部门与初创型科技企业进行半结构化访谈，该访谈的目的在于全面深入地了解对初创型科技企业进行综合评价应该包含的维度，使遗漏变量的可能性降至最低，并据此对相关题项加以修改，从而满足偏最小二乘法路径模型的实证要求。结合上述二者编制初始问卷，我们面向在宁五所高校的6位专家和14位科技创业社区的管理者对问卷进行了预测试，在对反馈意见进行综合分析的基础上，对问卷进行调整以增强题项的内容效度，由此形成正式的调查问卷。问卷的调查对象是南京20个紫金科技创业特别社区内的初创型科技企业以及科技创业特别社区的管理部门。问卷的应答者是这些初创技术企业的高层管理者与科技创业特别社区管理者。调查问卷于2012年12月发放，并于2013年1月中旬收回。共发放问卷132份，共收回有效问卷110份，问卷回收率达到83.33%。对收回的110份有效问卷和22份无效问卷进行t值检验，发现所有t值均不显著，这表明并不存在显著的非回应偏差问题;对问卷所有条目一起做因子分析，发现在未旋转时得到的第一主成份占到的载荷量是36.16%，并未占到多数，可见同源偏差并不严重（12）。本研究样本的主要特征如表1所示。

由于初创型科技企业综合评价的复杂性和多维结构增加了对其测度的难度，因此学者们采用多因素方法进行分析（13）。在借鉴以往研究成果的基础上，本文针对南京科技创业特别社区内企业的特点，遵循相关性、全面性、可操作性、稳定性的原则设计如下指标。

表1 研究样本的主要统计特征

人才效益。人才对于企业的重要性主要体现在两个方面:第一，企业尤其是初创型科技企业的发展壮大依赖于人才的有效研发与管理工作;第二，能否吸引和培养高质量的人才本身也是评价企业绩效的重要指标。本研究所调研的科技创业特别社区内的企业主要员工均参与研究性工作，其从事的多为高新技术产业，因此本文所指人才效益主要指企业培育(吸引)的高学历(高技术能力)人才（14）。我们使用博士人数、教授人数、R＆D人员人数来测度该指标（15）。

科技效益。从事科技研发工作是初创型科技企业的主要特征，也是初创型科技企业安身立命的根本所在，更是其存在于科技创业特别社区，受到国家大力扶持的重要原因。现有研究通常使用专利数目或者申请专利数目作为科技效益的评价指标。但该指标存在如下不足:第一，我国企业普遍缺乏专利意识和法律意识，尤其是在法律制度不完善的情况下，相当多的企业科技成果可能未能以专利形式表现出来;第二，由于当代科学和技术的结合越来越紧密，很多新创企业从事着最新技术的突破，十分需要科学研究的支持，因此主要体现企业技术水平的专利数目指标可能不足以完全体现企业的技术水平与科学水平两个层面。基于上述理由，我们用专利申请数量，获得专利数量，发表论文数量来综合衡量该指标（16）。前两者主要体现企业的技术效益，而论文数量则能够体现企业所达到的科学水平。

成长效益。根据Chrisman等（17）对企业创业阶段的划分，可以将企业产生的前四年定义为“初创期”。按照此标准，南京科技创业社区内的企业均处于生命周期的初创阶段，在绩效指标的选取方面应该体现其初创型科技企业的特点。科技企业在创建初期主要关注企业的生存与成长，因此本文特别使用了企业成长效益指标。员工数量的变化被认为是一个能够全面反映初创型科技企业成长绩效的重要标志，因此我们选择员工数量的变化(员工增长率与员工增长量)作为反映企业规模性增长的指标（18）。

经济效益。对于任何企业来说，盈利能力与水平都是衡量其运行绩效的重要标志，并最终决定了其能否实现自身的发展壮大，初创型科技企业也不例外。Delmar等（19）认为，销售净利润能够反映企业的成长，为企业带来逐增的利润。Palepu等（20）指出，企业的投入应该得到相应的回报，这是企业未来发展的基石。Murphy（21）基于1987-1996年间发表在权威刊物上的99篇文献，提出了创业绩效的五维度分类法，将创业绩效分为盈利性绩效、成长性绩效、生存性绩效、生产率绩效、满意度绩效五类。本文借鉴上述分析，采用销售净利润、销售利润率、投资回报率来测度企业的经济效益。

社会效益。企业经济效益固然重要，但利润并非企业唯一的目标所在。在企业社会责任日益受到关注的当下，对企业绩效的评价从内涵到外延都需要增加符合时代要求的新内容。社会效益已然成为评价企业绩效的重要方面，其将影响企业的公众形象，并很大程度上决定了企业发展的未来走向。文章中社会效益的评价指标包括“对当地经济发展的引领作用”，“对当地主导产业的促进作用”，“对当地院校科研院所科研实力的提升作用”以及“对当地创业创新文化建设提升的作用”。

3.模型构建

根据上述指标，并运用Guinot等（22）提出的一类特殊的PLS路径模型构建本文的初创型科技企业综合评价体系，上文中所分析的人才效益、科技效益、成长效益、经济效益、社会效益等五个潜变量指标共同反映的潜变量为综合评价指标，因此，综合评价指标能够较好地概括企业的综合绩效水平。本文基于PLS-SEM的初创型科技企业综合绩效评价路径模型如图1所示。

三、实证分析结果

PLS对于测量模型中反映型指标的测度是基于个别项目的信度、建构信度、会聚效度以及判别效度进行的（23）。在本文的研究中，所有反映型指标的相关系数均超过0.7，外部权重均大于0，这说明本文模型较好地综合了各观测指标的信息，如表2所示。

图1 孵化器内初创型科技企业绩效综合评价模型

表2 PLS评价模型因子载荷与外部权重

表3 建构信度、收敛效度与判别效度

建构信度的目的在于检验观测变量是否一致地测度目标潜变量，通常使用组合信度指标与Cronbach’s alpha指标加以测度（24）。Nunnally和Bernstein（25）建议当模型的复合信度(Composite Reliability)达到0.7以上时是可以接受的。在我们的研究中，五个潜变量均达到了标准。为了检测收敛效度，我们观察相应的平均变异萃取量(AVE)指标（26），本文中潜变量的AVE值均超过了0.5。判别效度意指各个构念直接的区分程度，PLS中有两种途径来检测判别效度:第一，各维度间完全标准化相关系数应该小于所涉及各维度自身AVE的平方根;第二，题项与该测度构念的载荷不应小于题项对其他构念的载荷。本文的研究能够保证较好的判别效度，如表3所示。同时，表3中潜变量的相关关系也能够表明本文中的综合评价得分指标能够较好地涵盖人才效益、科技效益、成长效益、经济效益以及社会效益指标的相关信息。

基于图1所示的PLS结构方程模型可以计算得到110家南京初创型科技企业的综合评价指标得分及其排名（27），如表4所示。我们可以看到企业间各指标得分差距较大，且总体来看，综合评价结果并不理想，只有31家企业的综合评价得分为正，其余79家企业综合评价得分为负。

为了对上述110家初创型科技企业进行合理分类，找出各类企业的特征并给出针对性的政策建议，我们分别运用SPSS软件提供的七种系统聚类方法对上述企业的因素评价得分进行聚类分析。聚类结果显示，组间联接与质心聚类法结果类似，而最远邻元素与中位数聚类法结果接近。根据马庆国（28）提出的聚类个数确定原则以及本文数据的实际情况，我们最终选择使用最小方差法进行聚类，并将企业类型划分为五类，该方法能够较好地兼顾分类个数合理同时又具备足够的区分力度两大原则。为进一步检验上述聚类结果的合理性，本文进行单方差分析。结果显示上述五类企业在人才效益、科技效益、成长效益、经济效益、社会效益、综合评价指标等方面均存在显著差异，如表5所示。上述系统聚类结果的直观表示见图2。

表6给出了五类初创型科技企业各潜变量得分的平均水平，从结果来看，前三类初创型科技企业各指标绩效均相对较好，但企业数目偏少(仅16家);而后两类初创型科技企业各指标绩效相对较差，且企业数目偏多(达94家)，尤其是表现最为不理想的第五类企业，其数目高达59家，超过了研究样本(110家)的半数。这固然有南京科技创业特别社区成立时间尚短，各方面绩效尚未完全得以实现的缘故，但并不能掩盖其中可能存在的问题。因此，应该更加注重对社区内初创型科技企业绩效的综合评价，并针对评价结果，对不同类型的初创型科技企业给出针对性的发展建议以促进其综合绩效的提升。为此，下文引入灰色系统理论进行针对性分析。

表4 南京科技创业特别社区初创型科技企业综合效益评价得分及其排名

表5 系统聚类分析后单方差分析结果

图2 110家社区内初创型科技企业综合评价得分树状聚类图

表6 聚类分析后各类初创型科技企业各指标得分均值

对于第一类企业而言，其在各指标中的表现均非常优异，但比较而言，其成长效益排序相对落后(第三)，其余指标则均排名第一，因此可以看出，这类企业应更加注重自身成长性，增强发展后劲，避免“大企业病”。但是其余四类企业的情况就相对复杂，直接根据聚类结果难以相对客观和准确地给出结论。特别地，由于本文中各种聚类的企业数目相对较少，数据较为贫乏，也不适宜使用传统的数理统计方法，因此适合于运用灰色系统理论进行分析。灰色综合评价方法的主要工具是关联分析，即通过比较数列与参考数列的关联系数和相关度来判断各分指标与总评价指标的相关程度，不受样本量大小和样本分布规律的限制，从而能够为各类企业尽快提升综合绩效得分提供有力依据。

下面，本文针对其余四类企业的综合绩效评价得分首先运用归一化方法进行无量纲化和初始化处理，继而进行灰色关联度分析，以期找出影响不同种类初创型科技企业综合评价得分相对重要的因素指标。本文选用灰关联中的综合关联度指标，该指标能够较好地兼顾各因素指标与总评价指标之间的几何相似程度以及指标间相对于始点变化速率的接近程度，因而在实证研究中得到了广泛使用。其计算公式为 ρij=θεij+(1-θ)rij，其中 εij与rij分别为灰色绝对关联度与灰色相对关联度。取θ=0.5表示对绝对关联度和灰色关联度施加同等关注。根据ρij的大小可以对灰色绝对关联度进行排序，由此判断各因素指标对总综合评价得分的不同影响程度。根据上述公式的计算结果如表7所示（29）。

表7 各因素指标与综合评价得分的灰关联分析

我们可以看到，对于第二类企业而言，影响综合评价得分的因素按程度大小排列分别为社会效益、科技效益、成长效益、人才效益、经济效益;对于第三类企业而言，影响综合评价得分的因素按程度大小排列分别为社会效益、成长效益、科技效益、经济效益、人才效益;对于第四类企业来说，影响综合评价得分的因素按程度大小排列分别为人才效益、经济效益、科技效益、成长效益、社会效益;对于第五类企业来说，影响综合评价得分的因素按程度大小排列分别为社会效益、成长效益、科技效益、经济效益、人才效益。不同类别的企业为迅速提升综合绩效水平需从不同的方面着重努力。对于第二第三类企业而言，社会效益最为重要，科技效益和成长效益紧列其后，企业应当更加注重社会责任的履行和自身的未来发展;对于第四类企业而言，应重点关注对于人才的吸引和培养，在此基础上努力创造更大的经济效益;对于第五类企业来说，尽管总体评价不佳，短期内也难以迅速赶超前四类企业，但是依然应当重视社会效益的创造，这将为企业继续享受创业社区的孵化服务提供充足理由，在此基础上应该放眼未来，用更好的成长性提升自身的综合评价得分。

四、总结与展望

从微观角度对孵化器内的初创型科技企业绩效进行综合评价尚未得到学者与相关管理部门的足够重视。本文以南京科技创业社区内的110家初创型科技企业数据为依据，设计了包含人才效益、科技效益、成长效益、经济效益、社会效益在内的综合评价指标体系，并运用PLSSEM方法建立了南京初创型科技企业绩效综合评价模型，从而较好地解决了评价指标的综合性、非观测性、多重共线性以及数据非正态分布等问题，较为深入地分析了各观测变量与潜变量、各潜变量之间的关系，因而能够为科学合理和全面地评价初创型科技企业绩效提供依据。

在对初创型科技企业绩效进行综合评价的基础上，根据企业的绩效评价得分情况运用基于最小方差的系统聚类方法将企业划分为五类，从而能够直观反映初创型科技企业的综合绩效水平，有利于科技创业社区管理部门和科技企业管理者客观认识科创企业绩效的总体状况。为克服传统聚类分析的主观性，进一步相对客观地指出不同潜变量指标对不同类型企业综合评价得分的影响，考虑到样本量和数据类型，最终选用灰色关联分析方法计算了各类潜变量指标对综合评价得分的影响程度大小，这能够帮助不同类型的企业在认清现状的情况下，找准着力点，从而尽快提升综合绩效水平。

由于初创型科技企业的运营状况具有很强的动态性，且在各个阶段不同维度的绩效指标内涵与外延可能有所不同，各分指标与总评价指标的关系也将变化，并最终影响综合评价得分情况。未来的研究可以根据情况变化修正潜变量下的观测指标，并在不同的时点对本文指标加以测度，实现对科创企业绩效评价的制度化与常态化，以更好地探索南京科技创业特别社区内企业综合绩效的动态特征。

注:

①陈兴淋:《南京创业环境现状评价——一项基于专家问卷的实证研究》，《南京社会科学》2007年第7期。

②http://www.yznews.com.cn/yzrbmjjt/default.asp.

③Block，J.H.，Thurik，R.，Zhou，H.，What turns knowledge into innovative products?The role of entrepreneurship and knowledge spillovers.Journal of Evolutionary Economics，2013:1-26.

④据调查，在宁高校70%左右的职务发明专利仍在“沉睡”，实现转化的应用技术成果只有40%落在南京——大量科技成果停留在论文层面，终止于实验室之内。

⑤初创型科技企业是指创立时间不长，成长尚未成熟的，以科技人员为主体，以科技创新为使命与生存手段的企业。

⑥Hannonô，P.D，Chaplin，P.，Are incubators good for business?Understanding incubation practice-the challenges for policy.Environment and Planning C:Government and Policy，2003，(21):861-881.

⑦即“人才为第一资源、教育为第一基础、科技为第一生产力、创新为第一驱动力”。

⑧Barroso，C.，Carrión，G.C.，Roldán，J.L.，Applying Maximum Likelihood and PLS on Different Sample Sizes:Studies on Servqual Model and Employee Behavior Model.Handbook of Par-tial Least Squares.New York:Springer Berlin Heidelberg，2010.

⑨钟卫东、孙大海、施立华:《创业自我效能感，外部环境支持与初创科技企业绩效的关系——基于孵化器在孵企业的实证研究》，《南开管理评论》2007年第5期。

⑩Swoboda，B，Meierer，M，Foscht，T，et al.，International SME alliances:the impact of alliance building and configurational fit on success.Long Range Planning，2011，44(4):271-288.

（11）Jarvis C B，MacKenzie S B，Podsakoff P M.A critical review of construct indicators and measurement model misspecification in marketing and consumer research.Journal of consumer research，2003，30(2):199-218.

（12）Armstrong，J.，Overton，T.，Estimating nonresponse bias in mail surveys.Journal of Marketing Research，1977，14:396-402.

（13）Sandberg W R.New venture performance:The role of strategy and industry structure.Lexington，MA:Lexington Books，1986.

（14）郑美群、蔡莉、周明霞:《高技术企业绩效评价指标体系的构建研究》，《科学学与科学技术管理》2004年第7期。

（15）Wernerfelt，B.，A resource-based view of the firm.Strategic Management Journal，1984，5(2):171-180.

（16）Lichtenstein，B.B.，Brush，C.G.，How do“resource bundles”develop and change in new ventures?A dynamic model and longitudinal exploration.Entrepreneurship Theory and Practice，2001，(25):37-58.

（17）Chrisman，J.J.，Hofer，C.W.，Corporate diversification:entry，strategy，and performance.Academy of Management Review，1984，9(4):772-774.

（18）由于本文研究的初创型科技企业成立时间很多在1年左右，因而无法使用销售增长率这个普遍使用的成长性指标。

（19）Delmar，F，Davidsson，P，Gartner，W.B.，Arriving at the high-growth firm.Journal of Business Venturing，2003，18(2):189-216.

（20）Palepukg，H.，Bernard，V.L.，Business Analysis and Valuation:Using Financial Statements.Cincinnati:South Western College Publishing，2000.

（21）Murphy，G.B.，Toward an improved entrepreneurial performance construct:the effects of variable selection，sample source，and screening criterion.Houston:University of Houston，1996.

（22）Guinot C，Latreille J，Tenenhaus M.PLS path modelling and multiple table analysis.Application to the cosmetic habits of women in Ile-de-France.Chemometrics and Intelligent Laboratory Systems，2001，58(2):247-259.

（23）Hair，J.F，Sarstedt，M，Ringle，C.M，Mena，J.A.，An assessment of the use of partial least squares structural equation modeling in marketing research.Journal of the Academy of Marketing Science，2012，(40):414–433.

（24）Roldán，J.L，Sánchez-Franco，M.J.，Variance-based structural equation modeling:guidelines for using partial least squares in information systems research.Research Methodologies，Innovations and Philosophies in Software Systems Engineering and Information Systems，2012:193-221.

（25）Nunnally，J.C，Bernstein，I.H.，Psychometric Theory(3rd ed.).New York:McGraw-Hill，1994.

（26）Hair，J.F，Ringle，C，Sarstedt，M.，PLS-SEM:Indeed a silver bullet.Journal of Marketing Theory and Practice，2011，19(2):139-152.

（27）由于版面所限，正文中只给出得分为正的31家企业情况。

（28）马庆国:《管理统计:数据获取，统计原理，SPSS工具与应用研究》，科学出版社2002年版。

（29）由于篇幅所限，具体的计算公式与计算过程未予列出。

〔责任编辑:清 菡〕

Comprehensive Evaluation on the Performance
of Technology Start-ups in Incubator:An Example of Nanjing Technology Entrepreneurship Special Community

Fan Jin＆Zhao Tong

It is not only essential but also urgent to evaluate the performance of the technology star-ups in incubator.Based on the PLS path model，which is a new multi-index evaluation method，the survey data of 110 technology start-ups in Nanjing technology entrepreneurship special community are used，a comprehensive evaluation system is built based on five aspects and fifteen indicators，the data show that this system can well reflect the main goals of the technology start-ups in incubator.According to the results of the synthetic evaluation model，the cluster analysis is conducted.Specially，in order to overcome the subjectivity of clustering analysis，the grey incidence theory is introduced to analyze the impacts of different dimensions of evaluation index on the synthetic evaluation scores of different types of technology star-ups，the results show that the focal point for different types of technology star-ups are different，the enterprises should realize their situations and make targeted decisions.

technology entrepreneurship;comprehensive evaluation;PLS;cluster analysis;grey correlation degree

F272.5

A

1001-8263(2014)07-0027-08

范金，江苏省行政学院江苏应用经济研究中心主任、教授、博士 南京210004;赵彤，南京农业大学经济管理学院博士研究生，南京晓庄学院经济法政学院副教授 南京210014

* 本文是国家自然科学基金项目“工业增加值率的转型动态研究与政策模拟:以长三角地区制造业为例”(71373106)的阶段性成果。