杨薪钰

青岛科技大学经济与管理学院，山东 青岛 266000

科技企业孵化器形成的目的是为科技型的初创企业提供服务，扶持其早期的发展。目前，我国经济进入新常态的发展态势，大众创业、万众创新被提到发展的首要位置，成为发展新动力，创新和创业活动共同从各方面推进经济发展，由此对创新创业的孵化服务及效率有了新的要求和目标，科技企业孵化器的未来发展也将面临更大的挑战和更高的要求。因此有必要对目前我国科技企业孵化器的有效性进行系统客观地评价，以了解我国科技企业孵化器目前的综合能力情况。这对我国孵化器整体的发展以及其经济提升有着重要的指导意义。

国内外相关学者对科技企业孵化器的研究倾向于对其绩效水平、商业模式和运行效率等方面的研究，主要通过构建相应的评价指标体系进行。Bacalan 等[1]认为从前的研究已经确定了科技企业孵化器孵化所需的各个因素，但并未得出哪些因素影响最大的结论，因此对于促进因素的识别是一项至关重要的任务。翁莉、殷媛[2]以长三角地区的科技企业孵化器为例，运用数据包络分析方法对其运行效率进行评价，再运用聚类分析法发现差异并提出相应改革建议。张建清等[3]运用投入与产出的思想构建了科技企业孵化器的绩效评价指标体系，并运用数据包络分析方法进行了实证研究，研究表明大多数科技企业孵化器均存在发展不均衡的问题。杨海珍[4]采用了DEA 方法、超效率DEA 方法对全国科技企业孵化器的运行效率和全要素生产率进行了测算。 曹昱亮等[5]从以往研究中总结了15 个科技企业孵化器的成长影响因素，运用问卷调查和主成分分析的方法进行筛选，最后得出五大影响因素，其中包括服务能力、创业者能力等。

在前人研究的基础上，本文将从投入情况、孵化效率、经济成果等几个角度构建科技企业孵化器有效性评价指标，运用主成分分析法获得各省市科技企业孵化器的成分因子，并对其有效性进行分项和综合评价。

1 研究方法和指标选取

1.1 主成分分析法

主成分分析法也称作主分量分析方法，它的核心思想是降维，即将多个繁杂的无分类性的指标转化为几个主要指标。

1.2 指标选取

科技企业孵化器的有效性评价主要是面向孵化能力、孵化业绩和经济成果三个方向的，本文采用主成分分析法对科技企业孵化器的有效性进行评价，在构建指标体系的过程中，采纳了前人指标体系构建的思路和方法。因此，本文认为影响科技企业孵化器有效性的主要因素有以下三类。（1）运营能力，其中包括团队建设能力和获得支持能力，即科技企业孵化器在运行过程中所能得到的地理、人力、财力等的支持情况，具体为孵化器场地面积、管理机构人数、创业导师人数和在孵企业数。（2）产出能力，主要包括孵化器内部的企业所能产生的经济成果和社会贡献，具体为收入达5000 万元企业数、高新技术企业数、当年新增的在孵企业数和在孵企业毕业率。（3）发展能力，即科技企业孵化器自身的盈利能力和资金运用能力，具体为孵化基金总额、孵化器总收入和对公共服务技术平台的投资额。

2 科技企业孵化器有效性评价及分析

2.1 数据获取

本文的数据来自于《中国火炬统计年鉴（2018）》中全国各省市科技企业孵化器的数据，收集了孵化基金总额、从业人数、孵化器总收入等12 项定量数据，因数据缺失等原因剔除了西藏和海南的数据，最终选取全国34 个省市的科技企业孵化器作为样本进行评价研究。

为了消除指标数据量纲不同对于评估结果的影响，本文将对原始数据进行无量纲化处理，选取的方法是标准化的处理方法。由于篇幅有限，将不再对原始数据进行展示。

2.2 主成分分析过程

本文使用Spss19.0，对2018 年全国34 个省市科技企业孵化器的有效性作主成分分析，提取了三个主要因子并根据主要因子来计算综合得分，分析排名情况，具体分析过程如下。

（1）KMO 检验和Bartlett 检验。 本文采用KMO检验和Bartlett 球形检验的统计分析方法，可知KMO 统计量为0.711，Bartlett 球形检验的显著性为0.000，表明本研究所选取的数据适宜采用主成分分析法。

（2）求取特征值和方差贡献率，以及对主成分的确定。 本文采用SPSS19.0，对指标数据进行主成分分析，获得样本数据的特征根和方差贡献率。根据累计方差的数据显示，由于只有前3 个成分的特征值大于1，而且这3 个成分因子解释了9 个变量组合方差的90.084%，所以可以提取3 个成分F1、F2和F3为主成分因子。

（3）成分矩阵的旋转。多次旋转成分矩阵，根据方差贡献率表，按照特征值大于1 的原则，可以确定选择3 个主成分因子。同时，可以得到旋转后的成分矩阵，如表1 所示。

表1 旋转后的成分矩阵

由表1 可以看出，第一个主成分在场地面积x1、管理机构人数x2、创业导师数x3、在孵企业数x6和平均企业获风险投资额x12上有较大载荷，说明这5 个指标具有较强的关联性，能够归为运营能力成分；第二个主成分在当年新增在孵企业数量x8、在孵企业毕业率x9、收入达5000 万元企业数占在孵企业数x10和高新技术企业占在孵企业数x11上有较大的载荷，说明这4 个指标具有较强的关联性，能够归为产出能力成分；第三个主成分在单位面积孵化基金总额x4、单位面积对公共服务技术平台投资额x5和单位面积孵化器总收入x7上有较大的载荷，说明这3 个指标具有较强的相关性，可以归为发展能力成分。

（4）根据成分得分系数矩阵构建表达式，计算各成分得分及综合得分。由于篇幅有限，省去因子得分矩阵表，仅展示具体表达式情况，如下所示。

根据表达式所得到的因子得分和排名仅展示排名前五的地区，如表2 所示。

表2 科技企业孵化器因子得分及排名

2.3 有效性评价

（1）综合水平分析。由选取的全国34 个省市的科技企业孵化器综合得分来看，有18 个达到了1 以上，占所选取数量的52.94%，说明我国科技企业孵化器的整体有效性达到良好的水平。江苏省排名第一，广东省、北京市、上海市等经济发达省市则位列前七，得分均在1.1 以上，其科技企业孵化器的有效性最佳，处于第一层次。湖北省、深圳市、四川省等11 个省市得分则在1.0 以上，处于第二层次，该层次的科技企业孵化器的发展较为均衡。而处于第三层次的则是来自厦门市、青岛市、云南省等16 个省市的科技企业孵化器，其得分均在0.94 以上，彼此之间差距较小，但可以看出在这一层次的省市多是经济较为落后的西部地区，东西部地区的孵化器有效性还是存在一定的差距。

（2）F1主成分分析。 从F1的得分情况来看，在综合排名中处于一、二位的江苏省和广东省仍在前列，并与其他省市有较大差距，说明江苏省和广东省的科技企业孵化器运营能力较强，而其他省市的运营能力排名与其综合排名并无明显差异，说明综合得分和第一主成分的得分存在较大关联（第一主成分的方差贡献率为38.813%），也可以说，孵化器的运营能力是影响其有效性的最重要因素。

（3）F2主成分分析。从F2的得分情况来看，仅有福建省、山东省、广东省和江苏省四个省份的得分达到了1 以上，且与其他省市存在较大差异，这说明我国科技企业孵化器的孵化产出能力还处于较低水平，在一定程度上影响了其有效性水平，应从各方面帮助在孵企业加快成长速度，提高孵化器的产出能力和产出效率。

（4）F3主成分分析。 从F3的得分情况来看，上海市、北京市、广东省、江苏省等经济发达省市的发展能力仍排在前列，而在综合排名中表现良好的省市，例如福建省、山东省等，则在这一主成分排名中靠后，说明存在一些省市的运营能力和产出能力均良好，而发展能力薄弱，其获利能力和资金利用及分配能力不足，长远来看会影响科技企业孵化器的可持续发展能力，即使毕业后也会产生关于继续生存和发展的问题。