基于三阶段DEA模型的国家大学科技园孵化效率研究

科技管理研究Science and Technology Management Research2019 No. 6doi ：10. 3969/j. issn. 1000 -7695. 2019. 06. 014基于三阶段DEA模型的国家大学科技园孵化效率研究、 李荣(江汉大学商学院，湖北武汉430056)摘要：运用三阶段DEA模型，在考虑环境变量影响下，测度国家大学科技园孵化效率。结果表明，调整后技术 效率，中部和东北地区被低估，东部和西部地区被高估，环境因素主要制约中部大学科技园孵化效率提升。全

国技术效率和规模效率被高估，纯技术效率被低估，但高估程度大于低估程度。环境变量作用表现在：完善地 区基础设施，强化信息共享，提高国家大学科技园孵化效率，推动区域经济发展，提高科技支持强度，分

别降低孵化基金和从业人员的投入冗余，但人力资本密集程度对国家大学科技园殍化效率提升有一定延迟。

关键词：国家大学科技园；三阶段DEA；孵化效率；在孵企业；环境变量中图分类号：G311 文献标志码：A

文章编号：1000-7695 (2019) 06 -0093 -07Research on Incubating Efficiency of National University Science

Parks Based on Three - stage DEA ModelLi Rong(School of Business, Jianghan University, Wuhan 430056, China)Abstract: This paper measures incubating efficiency of national university science parks by three - stage DEA model under

the influence of environment variables. The result shows that technology efficiency of central and northeastern regions has been undervalued while that of eastern and western regions overestimated. Moreover, environmental factors restrict the pro­motion of incubating efficiency in central region. Technology efficiency and scale efficiency of national university science

parks have been overvalued while pure technical efficiency underestimated, and the degree of overestimation is greater than that of underestimation. Effects of environment variables show that improving facilities and information sharing can improve

incubating efficiency ； promoting regional economic development, and increasing support of government for science and technology development can reduce the redundant of incubating foundation and employees respectively, while delay appears

during incubating efficiency promotion under the influence of density of human capital.Key words: national university science parks ； three 一 stage DEA model ； incubating efficiency ； incubated enterprise ； en­

vironment variables2000年国家启动建设首批国家大学科技园，到

2014年已有115家国家大学科技园通过认定，大学 科技园已经成为促进区域经济发展的重要力量。115 家国家大学科技园分布在30个省市区，37%以上分

亿元和13. 2万人，均比2014年下降19%以上⑴， 场地面积仅737. 8万n?,低于2015年园区可自主支 配面积1 000万赤的“十二五”规划目标⑵。国家

布在京、沪、苏三地，区域空间分布呈现两极分化

大学科技园数量发展与质量提升并不同步，2016年 全国国家大学科技园服务收入、为企业增加销售额、

为社会增加就业等主要经济指标，均低于2011— 2015年每年同类指标数据。国家大学科技园区域分 布不均、类型各异和服务趋同的发展机制，制约了

趋势。国家大学科技园平均每个园区孵化总收入由 2014年3. 2亿元，降至2016年2. 5亿元，对区域高 新技术产业推动作用减弱。2016年115家国家大学 科技园在孵企业总收入和在孵企业人数分别为2. 5收稿日期：2018 - 05 -17,修回日期：2018 - 09-10大学科技园孵化器和加速器功能发挥。基金项目：教育部人文社科青年项目“国家大学科技园创新脆弱性形成机理、效能测度及优化”(17YJC6300)；湖北省教育厅人文

社科项目“产业融合全程中供应链多主体模块化网络构建”(17GO52)项目来源：武汉研究院开放基金\"武汉国家大学科技园创新效能测度”(IWHS20172013)94李 荣：基于三阶段DEA模型的国家大学科技园孵化效率研究高校产学研合作效果与大学科技园创新程度密

切相关。作为区域经济发展的创新极、技术极、增 模化集约型模式转变。与经典DEA方法相比，三阶段DEA通过剔除

长极，国家大学科技园创新孵化能力和成果转化效

率提升，有助于推动高校产学研合作，提高技术服

环境变量和随机干扰项，将所有影响结果的因素分

为系统内部因素和外部因素，效率结果更加客观，

务主动性，推动区域经济发展。然而2016年国家大 学科技园平均孵化基金投入强度仅为5% （硅谷约

可以为提升国家大学科技园运行质量提供科学依据。 许多学者通过三阶段DEA模型研究高新技术产业、

高新区和科技孵化器技术效率，刘伟认为在剔除

12%）,山西、上海、浙江、云南和青海等5个省份 国家大学科技园净利润为负值，创新马太效应突出，

创新极化空间叠加；优惠利导下的创新主体关

支持、市场结构、企业规模、所有制结构等环

联性偏弱，“一校一园” “多校一园”等建园模式， 使得创新要素投入-产出不经济，与国家大学科技

园孵化功能定位偏异较大。国家大学科技园与依托 高校发展不协调，阻碍了高校创新优势向国家大学 科技园扩散。“十二五”期间南开大学国家大学科

境因素以前，高新技术产业研发创新规模效率被高 估，纯技术效率被低估；刘满凤等I”〕认为环境因素

严重制约中西部高新区创新效率，对经典DEA模型

结果有显著影响。三阶段DEA测度物流效率、创新 效率、科普效率和资源配置效率⑵-2可，都表明环境

因素对综合效率影响较大。本文通过三阶段DEA,

技园绩效评价不合格被摘牌，厦门大学国家大学科

技园整改期顺延一年，对依托高校产学研合作产生 负面影响。相比国家高新区，国家大学科技园创新

检验环境因素对大学科技园孵化效率影响程度，为 国家大学科技园合理调整各项投入、优化产出提供 参考依据。2研究方法与变量选择存在较多功能障碍，需强化创新孵化培育，提升创

新服务功能。1文献综述2. 1 三阶段DEA模型与方法在第一阶段，使用DEAP2. 1对原始投入产出数

地方对大学科技园知识转移的推动，区域 创新体系中介机构角色扮演，以及异质性创新合作

据进行初始效率评价。根据国家大学科技园技术转 移服务导向，此处选择投入导向。鉴于实际生产中

网络，都会影响区域大学科技园创新孵化能力。Etz- kowitz ［3］认为大学科技园作为三螺旋的混成组织模 式，运作在大学-产业-相互作用的混合空间。 Mammadov⑷认为政、产、学作为不同创新主体， 借助大学科技园信息资源和综合服务，实现制度创 新、知识创新和技术创新，Albaharia等®指出大学

各生产单位并没有处于最优规模的生产状态，选择

能够排除规模效率影响的BCC模型。对于任意决策

单元，投入导向下BCC模型计算出来的效率值为综 合技术效率（TE）,可进一步分解为规模效率（SE）

和纯技术效率（PTE）, TE =SE xPTE这3种影响,。

第二阶段，相似SFA回归剔除环境因素和统计噪声。 在第一阶段结果基础上，计算各决策单元的松弛变

科技园体系对不同国家发展产生不同影响。斯坦福 科技园成功关键在于建立大学与企业、产业界良性

量，松弛变量可反映初始的低效率，由环境因素、 管理无效率和统计噪声构成。通过构建相似SFA模

型，将第一阶段松弛变量分解成以上3种效应，对

互动关系，大学科技园创新体系呈现“四三结构” 模式，结合高新区双核驱动模式，三方参与跨区辐 射模式\"T。环境变量和随机误差项进行回归，如公式（1）

孵化效率是大学科技园创新系统运行状态客观 反映，孵化效率提升有利于缓解创新资源稀缺与体 系建设投入的矛盾。国内学者殷群等［回、吴文清

等⑴）、林子华等「⑵基于孵化绩效、动态效率，李 林等平衡计分卡，党建民等［⑷新常态下功能需

所示：Sg =/（ Zj ；j8,） + 勺；i = 1,2,…,m；n = 1,2,…严（1）公式（1）中，S。表示第i个决策单元第j项投 入的松弛变量值，Z）表示环境变量，0；表示环境变

求等导向，构建大学科技园创新能力评价体系。通 过采用钱振华〔切、崔岐恩等皿DEA,赵黎明等”］ 改进突变级数法，马玉新等\"［灰色关联分析等方

量系数，空表示混合误差项。由于本文的SFA回归

采用成本函数形式，勺可展开为吗+呦。有学者

误用Jondrow等〔如的方法，将生产导向驀-旳作为

法，分析测算大学科技园创新效率，结果显示大学

科技园创新要素整体利用率和孵化效率较低，集群

混合误差项，从而产生管理无效率项的错误估计。松

弛变量作为被解释变量时，应选取成本导向的％+/¼ 作为混合误差项0〕。因为管理无效率会造成生产成

状况显著抑制了孵化效率提升，多数园区亟待向规

李 荣：基于三阶段DEA模型的国家大学科技园孵化效率研究95本的增加,故Eij =vij +的,即公式(2):投入量；max(%)-切表示使所有的决策单元处于相 Sr =/( Z”民)+ 列 +門；i = 1,2,…，m； n = 1,2,

同运气水平下(都受到最大的干扰)，所需增加的

…，n

(2)投入量。珂+气是混合误差项，列其中表示随机噪声项， 第三阶段，采用调整后投入产出变量进行DEA “°表示管理无效率，一般情况下，假设随机噪声项

效率分析，再次测算国家大学科技园各决策单元孵

天厂iidN(O,£),表示随机干扰因素对投入松弛变

化效率，此时的效率已经剔除环境因素和随机因素

量的影响。旳是管理无效率，表示管理因素对投入

的影响，是相对真实准确的。松弛变量的影响，假设其服从在零点截断的半正态 2.2 评价指标体系与环境变量分布，即呦\"诚厂(0疋)。列与呦相互，且

为全面评价国家大学科技园孵化效率，结合国

环境变量之间相互。在此基础上，可运用fron­家大学科技园功能定位及孵化服务特点，从资金引 tier. 1对模型适用性进行检验以及对参数进行估计。

导、资产投入和人员投入三方面，选取孵化基金总

首先采用广义单边似然比检验对呦是否存在进行判 额、年末固定资产净值和从业人员数量3个指标,

定，当LR值大于临界值时，拒绝原假设(凤：云= 作为国家大学科技园孵化效率的投入变量。选取在

0,厲：云＞0),即呦存在，模型设定合理。当LR值 孵企业数量、在孵企业总收入和在孵企业工业总产 小于临界值时，冋不存在，采用OLS对模型参数进 值3项指标作为国家大学科技园孵化效率的产出指

行估计即可。得出模型的参数后，可使用罗登跃⑵】

标。作为孵化高新技术企业、培育战略性新兴产业

的公式，得到冋的估计量，即公式(3)：的重要基地，在孵企业总收入，能够从企业角度反

. e(入旦)A映国家大学科技园孵化功能强弱。结合“大众创业、

£(s)=7^~[— + 扌]” =%b”，万众创新”导向，国家大学科技园作为转化高 新技术成果和高校师生创业的重要基地，在孵企业 a总收入、在孵企业工业总产值能够反映国家大学科 a2 = + a} (3)技园孵化功能社会化的实现程度。115个国家大学 公式(3)中，0( •)与¢(-)为标准正态

科技园2014-2016年投入产岀指标数据如表1所

分布的概率密度函数和累计概率密度函数。再通过

示，孵化基金总额年均增速15%,但在孵企业各项

E[Vi/Sij} = Sy - E[ «,/«,)■]得出 vij的估计指标数据下降明显。各省份国家大学科技园数量、 量。SFA回归目的是剔除环境因素和随机因素对效

规模均呈现两极分化，内蒙古仅拥有1家国家大学 率测度的影响，以便将所有决策单元调整于相同的 科技园，但2016年内蒙古孵化基金总额达到2. 5亿 外部环境中。投入量进行调整，调整公式如公式元，占全国比重17.4%,孵化基金总额最低的贵州 (4)所示：仅7万元。2016年115家国家大学科技园平均每个 X； = + [max (/( Zj ；鸟))-/( Z)；代)]+ [ max园区，孵化基金总额1 300万元，从业人员数1 152 (%)-%] i = l,2,…,m；j = l,2,...,n

(4)人，而在孵企业数量仅86个，在孵企业工业总产值 公式(4)中，九为调整后的投入，£为原始

对应的人均劳动生产率为9. 9万元/人，而2016年

投入。max(/(Zj；B, )) 表示使所有决策单国家高新区人均劳动生产率达到109万元/人。元都处于最差的环境中，各个决策单元所需增加的

表1 2014-2016年115个国家大学科技园投入产出指标数据2014201520162016国家大学科技园投入产出变量同比下降/%年各省区域总量园区均值115115115最大值最小值孵化基金总额/百万元1 1071 1961 440上升13内蒙古250贵州0. 07年末固定资产净值/百万元4 9684 7214 01915%35湖北734广西0. 005从业人员数/人162 885145 603132 4349%1 152江苏28 303青海217在孵企业数/个9 97210 11 8612.5%86江苏1 696天津32在孵企业总收入/百万元36 12027 72028 950上升252江苏10 445海南47在孵企业工业总产值/百万元24 38711 213 105上升114江苏4 350海南196李荣：基于三阶段DEA模型的国家大学科技园孵化效率研究国家大学科技园孵化效率，还会受到区域经济 发展、环境等因素影响。本文从区域经济环境、

基础设施、人力资本、支持和信息共享等5个 方面选取环境变量，分别对应人均GDP、电信业务

均效率来看，在不考虑环境等因素条件下，国家大

学科技园技术效率均值为0. 747,与效率前沿面相 比，还有25%的提升空间。全国平均纯技术效率均

总量、本科毕结业生数、地方财政科技支岀和互联 网普及率等5项指标，作为国家大学科技园孵化效 率的环境变量。指标体系样本数据来源于《中国火 炬统计年鉴2017》，环境变量数据来自《2017中国

值为0. 851,而规模效率均值为0. 873,说明纯技术 效率影响国家大学科技园技术效率提升。处于效率 前沿面上的9个省份和湖北，规模收益不变，6个 省份规模收益递增，12个省份规模收益递减。技术

统计年鉴》，国家大学科技园各项指标在2016年出 现下滑，2016年场地面积、在孵企业数和在孵企业

效率和纯技术效率最低的江西，分别为0.334 和 0. 343。从业人员数3项指标，比2015年分别下降1%、

从东、中、西和东北4个板块比较来看，规模 效率沿东部-东北-中部-西部依次递增，纯技术 效率沿中部-东北-东部-西部递增，西部国家大

学科技园3项效率值均为最高。经济水平较高的东 部地区，有能力营造良好企业孵化和创新服务环境，

2.5%、9%,因此选取2016年相关指标截面数据, 更能说明规模缩减是否影响孵化效率。因、青

海和黑龙江缺失部分统计数据，因此本文研究对象 为28个省份国家大学科技园。3孵化效率评价与结果分析引导国家大学科技园为高新技术企业提供高效孵化

服务，但东部较低的规模效率，制约技术效率提升。

基于此，经典DEA结果可能存在偏误，考虑可能是 各地区相关环境因素造成的，进行第二阶段SFA

3. 1第一阶段BCC模型效率分析基于BCC模型研究方法，利用DeaP2. 1软件进

行分析，第一阶段孵化效率如表2所示。从全国平

分析。表2国家大学科技园孵化效率值调整前（第一阶段）调整后（第三阶段）省份北京技术效率0. 7330. 3580. 7670.7161省份纯技术效率10.9420. 768规模效率0. 7330. 380.9990.7161规模收益drsirsirs技术效率纯技术效率0. 910.818规模效率0.999规模收益drsire北京天津河北0. 9630. 1710. 591天津河北上海0. 1710. 72211irs110. 695drs上海江苏浙江110.9不变不变irs江苏浙江不变drs10.620. 4260.7180. 35310. 50910. 9550. 5010.9790. 79福建10.707不变drs福建山东0. 8510. 7340. 83irsdrs山东广东海南0. 55110. 781110.674不变drsirsirs广东海南山西0.6550.6970.277irsirsirsirsirsirsirs0.4950. 7340.8170. 8530.2770. 798山西安徽江西河南0.810. 20.810. 5050. 3340.4660. 9320.9750.6970.9991安徽江西河南0. 7980. 50. 8070. 8810.3430. 6680. 759drsdrs0. 67310.9040. 8390.8070.973湖北湖南广西0. 75911不变不变不变irs湖北湖南广西110.90910. 39211不变irsirs10. 90.9050.4110.714重庆四川0.9010.81110.991重庆四川贵州0.610.6720. 870. 93211drs10. 71不变irsirs贵州110. 795不变不变drs0. 7490. 9281云南陕西甘肃10. 7551云南0. 6630.71510. 9511陕西甘肃10. 867不变irs1不变0. 8830. 983李 荣：基于三阶段DEA模型的国家大学科技园孵化效率研究

97表2 (续)调整前(第一阶段)省份省份调整后(第三阶段)技术效率纯技术效率规模效率规模收益技术效率纯技术效率规模效率规模收益宁夏0.4910. 7570.9irs宁夏0.2610.6930. 377ire111不变0. 810. 8irs辽宁0.8410.84drs辽宁0. 8510. 85irs吉林0. 6320.70.904drs吉林0.510.5irs黑龙江0. 30. 7030.914drs黑龙江0. 790.8020. 985irs东部0.6970. 8790. 785东部0. 6840.8660. 797中部0.40.7190.901中部0. 7210. 9300. 782西部0. 8840.9260.947西部0. 7060. 40. 780东北0. 7050. 8010. 886东北0.7130.9340. 778全国0.7470. 8510. 873全国0. 7020. 60.7863.2第二阶段基于SFA回归分析数，3项投入松弛变量的回归系数均为正值，说明

在DEA分析第二阶段，构建SFA回归模型，将 各省本科毕结业生数越多，将会增加国家大学科技.

第一阶段测算岀的国家大学科技园从业人员数、年 园从业人员、固定资产和孵化基金的投入冗余。本

末固定资产净值和孵化基金总额3种投入变量的松

科毕结业生数增多，会加大国家大学科技园创新创

弛变量，作为被解释变量，选取本科毕结业生数、

业压力，相应增加固定资产和孵化基金投入。人力

人均GDP、电信业务总量、互联网普及率和地方财 资源密集的北京、上海、湖北和陕西四省国家大学

政科技支出作为解释变量，考察5个环境变量对3 科技园资源配置有待优化，孵化效率都有较大提升

个投入项松弛变量的影响。当回归系数为正值时,

空间。表示增加该解释变量将会增加投入松弛量，导致孵

(2) 人均GDP。计算结果表明，该变量与孵化

化效率降低；当回归系数是负值时，增加该解释变

基金投入松弛变量的回归系数为负；与从业人员投 量有利于减少投入松弛量，提高孵化效率。采用 入、固定资产投入松弛变量的回归系数为正。说明经

Frontier. 1软件计算，分析结果如表3所示。济水平越高的省份，有利于减少孵化基金的投入冗

表3 SFA第二阶段估计结果余，促进孵化基金有效利用，提高孵化效率。浙江、 常数项孵化基金

固定资产 从业人员

山东人均GDP较高，但也增加了国家大学科技园固

投入松弛投入松弛投入松弛定资产和从业人员的投入冗余，降低资源使用效率。40. 27 ”-58.99*95.99*(3) 电信业务总量。计算结果表明，该变量与

(214.0)(157.7)(123.4)孵化基金投入和固定资产投入松弛变量的回归系数 本科毕结业生数/万人5.93*20.636.02*为负；与从业人员投入松弛变量的回归系数为正， (5.71)(6. 16)(3. 82)但系数值较低。说明在以电信业务为代表的基础设

人均GDP/ (万元/人)-10. 46 •17. 30 •1.52施方面，电信业务总量越多的地区，可以降低孵化 (15. 85)(17.22)(11.02)基金和固定资产的投入冗余，同时对从业人员投入

电信业务总量/亿元-16.71 **-30.49\"0.906(16. 28)(17. 85)(11.25)冗余影响较小。互联网普及率/%0. 797 •-0. 357 •-1.97*(4) 互联网普及率。该变量与固定资产和从业人 (3.90)(3.84)(2.70)员投入松弛变量的回归系数为负；与孵化基金投入松

地方财政科技支出/亿元20.84*28.49 •-11.93 •••弛变量的回归系数为正。说明互联网普及率越髙，资

(36. 62)(39. 30)(24. 83)源共享越便捷，可以降低固定资产投入和从业人员的

a214 973. 3718 037.467 247. 71投入冗余，同时对孵化基金投入冗余影响较小。互联

y0.690.710.81网主导的国家大学科技园服务体系中，会降低从业人 Log值-173. 88-176.49・ 163. 74员和固定资产投入，提高整体孵化效率。注：1)括号内为标准差; 2) 、♦♦、*分别代表在1%、5%、10%(5) 地方财政科技支出。该变量与从业人员投

的统计水平下显著入松弛变量的回归系数为负值；与孵化基金投入和

(1)本科毕结业生数。计算结果表明，该变

固定资产投入松弛变量的回归系数为正值。地方政

量与孵化基金总额、年末固定资产净值和从业人员 府科技投入属于投入，加大科技投入，会

98李 荣：基于三阶段DEA模型的国家大学科技园孵化效率研究增加孵化基金和固定资产的投入冗余，降低资源使

用效率。在地方对科技投入相对较多时，额外

技园孵化效率归类为4种模式，如表4所示。表4国家大学科技园孵化模式分类孵化模式孵化基金均值M710万元的省份的孵化基金投入和总资产投入会造成浪费，同时地

孵化基金均值＜710万元的省份方对科技的鼓励和支持会吸引更多创新型人才，

缓解国家大学科技园从业人员投入冗余。北京、上海、江苏、山东、 湖南、陕西、辽宁、甘肃和5项环境变量对投入松弛变量的影响并不一致，

技术效率M0.7四川、湖北、安徽、河南

如果不进一步控制环境因素，就会造成孵化效率估 计结果的偏差。通过第三阶段对投入变量调整，剔

和黑龙江海南、贵州、云南、重庆、技术效率＜0.7除环境因素的影响，使各决策单元处于相同环境下，

提高国家大学科技园孵化效率估计结果的准确性。 3.3 第三阶段调整后孵化效率分析广东、浙江、天津和吉林河北、江西、福建、广西、山西和宁夏在第二阶段基础上，利用调整后的投入数据和

原产出数据，再次导入Deap2. 1中，重新测度28个

第一种模式为高投入、高效率模式，是较为有 效的孵化模式。北京、上海和江苏三省国家大学科

省份国家大学科技园孵化效率，如表2所示。调整

技园总量，达到43家，三省份的单个国家大学科技

后的全国技术效率均值由0. 747下降到0. 702,纯技

术效率均值由0. 851上升到0. 6,规模效率均值为

园孵化基金均值达到1 249万元，技术效率均值为

0.786。与调整前相比，技术效率略有降低，纯技术

效率有所提高，规模效率降低明显，国家大学

0.988,三省份国家大学科技园规模、技术和效率优 势明显。中部湖北、安徽和河南三省份国家大学科 技园总共6家，孵化基金均值是北京、上海和江苏 三省份的2倍以上。中部三省份国家高新区快速发 展，带动了国家大学科技园高投入和高效率。第二种模式为髙投入、低效率模式，包括广东、

浙江、天津和吉林4个省份。四省份国家大学科技

科技园技术效率提升的主要原因是纯技术效率不高。

四大板块技术效率由高到低依次是中部-东北-西 部-东部，西部技术效率由调整前0.884降至调整 后0. 706,下降明显。规模收益递增省份由6个增加 到21个，仅北京、山东2个省份规模收益递减，规

园孵化基金均值都超过1 000万元，但孵化优势并

模收益不变省份由调整前10个省份，减少为5个。

环境因素在一定程度上制约了中部和东北国家大学

不明显。天津技术效率全国最低，仅0. 171,固定资 产净值仅37万元，从业人员591人，孵化基金优势

并未充分释放。科技园孵化效率。天津、河北、福建、广东、山西、

广西、重庆、贵州、云南、甘肃、宁夏、和吉

第三种模式为低投入、高效率模式，包括湖南、

林13个省份技术效率有所下降，其他各省技术效率

均有不同程度上升，上海、四川和陕西技术效率上

陕西、辽宁、甘肃和5个省份。5个省份分别 位于中部、东北和西部地区，技术效率均值达到 0.91,辽宁和陕西国家大学科技园数量分别为6家

和4家，孵化基金优势充分发挥。环境因素影响了

升为1。在控制环境因素后，国家大学科技园孵化 效率较高地区，由调整前的西部地区转向中部地区， 调整后中部、东北和西部地区孵化效率较为接近，

东部孵化效率有所下降。14个省份国家大学科技园

技术效率提升。第四种模式为低投入、低效率模式，包括10个

的规模效率呈现不同程度下降，广西、山西、福建

和吉林下降幅度分别为58.9%、52.3%、49.9%、

省份，每个省份国家大学科技园数量都不超过3家。 其中广西、山西和宁夏三省国家大学科技园技术效 率均低于0.4,但孵化基金均值都超过500万元。可 以看出低投入、低效率地区，国家大学科技园孵化 基金利用率低与技术效率低并存。除海南、江西两

省，其余8省份剔除环境因素后，规模效率明显降

40. 4% ,环境和随机因素影响了调整前规模效率。

3.4国家大学科技园服务模式分析为排除孵化基金总额的省份总量干扰，按照各

个省份内国家大学科技园平均孵化基金额度测算，

低。环境因素隐藏了西部国家大学科技园规模效率

2016年各省每个国家大学科技园孵化基金平均值的 中位数为710万元，单个孵化基金均值前五位省份

较低的事实，规模效率制约技术效率提升。4结论与建议一流的国家大学科技园是一流大学的重要标志 之一，是“创业苗圃+孵化器+加速器”科技创业

依次是湖北、安徽、河南、上海和广东。为更充分 利用各省国家大学科技园孵化基金总额，提高资源 使用效率，以孵化基金均值中位数710万元、调整

后技术效率均值0.7为分界点，将各省国家大学科服务链的关键环节。为依托国家大学科技园全面提

李荣：基于三阶段DEA模型的国家大学科技园孵化效率研究99升创业孵化服务能力，构建创新创业孵化生态系统， tional science park systems: a theoretical framework and its application 本文基于三阶段DEA模型测算28个省份2016年国 to the Italian and Spanish systems [J]. Technology Analysis and Stra­

家大学科技园孵化效率。结果表明，剔除环境和随 tegic Management,2013,25(5) ：599 -614.[6] 王亚玲.大学科技园与大学学科建设互动关系解析:基于斯坦福大

机因素后，国家大学科技园技术效率被高估6%,

学建设科技园的经验[J].黑龙江高教研究,2012(3) ：41 -43.规模效率被高估10%,纯技术效率被低估5. 3%。 [7] 邓恒进，胡树华,杨洁.区域创新系统运行的“四三结构”模型的实

调整后，中部地区技术效率和纯技术效率增幅最高， 证研究:武大科技园“国家地球空间信息武汉产业化基地”建设分 分别上升12%和29. 3% ,其次是东北地区，环境因

析[J].技术经济与管理研究,2010(2):52 -55.素制约了中部和东北地区技术效率提升。调整后， [8] 李宇.嵌入大学科技园的紧密型产学研结合机制及区域创新驱动

模式研究[J].科技进步与对策,2013(1):5-10.规模收益递增省份由6个增加到21个，环境因素在 [9] 姚伟坤，姚凯，赵超•大学科技园跨区辐射发展的三方模式研究

一定程度上制约了中部和东北地区国家大学科技园 [J]•科技进步与对策,2013(12):43 -46.孵化效率提升。环境变量作用表现在：完善地区基

[10] 殷群，谢芸，陈伟民•大学科技园孵化绩效研究：分析视角

础设施，强化信息共享，可提高国家大学科技园孵

[J]•中国软科学,2010(3):88 -94.化效率；推动区域经济发展，提高科技支持强

[11] 吴文清，赵黎明•中国大学科技园动态效率评价[J].天津大学学

报(社会科学版),2012(3) :247-251.度，可以分别降低孵化基金和从业人员投入冗余， [12 ]林子华，黄新焕•区域虚拟科技园区的模式选择及效率探析:基于

但人力资本密集程度对孵化效率提升有一定延迟。区域国家大学科技园创新服务的视角[J].福建师范大学学报 115家国家大学科技园总量与146家国家高新区

(哲学社会科学版),2013(3) :92 -97.总量相比，2016年从业人员占比0. 73% ,年末资产

[13] 李林，耿伶利,王永宁•平衡计分卡在国家大学科技园发展绩效中

的应用研究：以重庆大学科技园为例占比0.01%,工业总产值占比仅0. 07% ,孵化优势 [J].中国科技论坛,2012:44-49.(12)需进一步提升：(1)高投入、髙效率模式省份，应 [14] 党建民，王玉珠,叶靖雅，等•基于新常态下功能需求的国家大学

积极对接区域国家高新区需求，形成大学科技园与

科技园评价指标体系[J]•技术经济,2017,36(5):19 -27.高新区的良性互动；(2)高投入、低效率模式省

[15] 钱振华•基于DEA的国家大学科技园创新绩效评价[J].北京科

份，针对性引导区域战略性新兴产业的企业孵化和

技大学学报(社会科学版),2011,27 (2):86-92.[16] 崔歧恩，刘帅，钱士茹.我国大学科技园运行效率研究:基于DEA

成果转化，将规模优势转化为效率优势；(3)低投

的实证分析[J].科技进步与对策,2011(21):16-21.入、高效率模式省份，继续发挥国家大学科技园集

[17] 赵黎明，张海波,孙健慧•基于改进突变级数法的大学科技园绩效

聚优势，保持较高孵化效率，同时适度增加孵化基

评价[J].科技管理研究,2015(20) ：73 -力.金投入，强化区域主导产业的科技创业服务；(4) [18] 马玉新，王方，李华，等•大学科技园综合评价与发展路径选择的

低投入、低效率模式省份，应以纯技术效率提升带

三阶段GRA方法[J]•科技与经济,2017(6) ：45 -49.[19 ]刘伟.中国高新技术产业研发创新效率测算:基于三阶段DEA模

动规模效率提升，以区域特色产业培育引导大学科 型[J] •数理统计与管理,2015,34(1)：17-26.技园企业孵化，形成技术需求与市场需求的两端带

[20] 刘满凤，李圣宏•基于三阶段DEA模型的我国高新技术开发区创

动。•本文研究不足在于，与随机前沿效率评价相比，

新效率研究[J] •管理评论,2016,28( 1) ：42 -52.国家大学科技园孵化效率采用的截面相对有效性评

[21] 张竟轶，张竟成.基于三阶段DEA模型的我国物流效率综合研究

价，难以动态反映国家大学科技园孵化效率变化趋

[J]•管理世界,2016(8):178 - 179.[22] 乔元波，王砚羽.基于三阶段DEA - Windows分析的中国省份创

势。同时以在孵企业作为产出对象，忽略了累计毕

新效率评价[J].科学学与科学技术管理,2017,38(1):88 -97.业企业效益，有待以后调整评价体系，动态反映孵 [23] 刘广斌，李建坤.基于三阶段DEA模型的我国科普投入产出效率

化效率的纵向差异。研究[J]•中国软科学,2017(5):139-148.[24] 戚湧，郭逸•基于SFA方法的科技资源市场配置效率评价[J].科

研管理,2015,36(3)：84 -90.参考文献：[25] FRIED H 0,LOVELL C A K,SCHMIDIT S S,et al. Accounting for

[1 ]科技部火炬高技术产业开发中心• 2017中国火炬统计年鉴[Z].北

environment effects and statistical Nosie in data envelopment analysis 京：中国统计出版社,2017:83 - 90.[J]. Journal of Productivity Analysis,2002,17(1) ：157 - 174.[2]科技部，教育部.国家大学科技园“十二五”发展规划纲要[R].北

[26] JONDROW J ,LOVELL C A K,MATER0V IS,et al. On the estimation of

京:教育部科技发展中心,2011.technical inefficiency in the stochastic frontier production function mode

[3 ] ETZKOWITZ H. Anatomy of the entrepreneurial universify [ J] . Social

[J]. Journal of Econometrics, 1982, 19(82/3): 233 - 238.Science Information,2013,52(3) ：9 - 13.[27] 罗登跃•三阶段DEA模型管理无效率估计注记[J]•统计研究，

[4] MAMMADOV J. Organization of technology park and its structure at

2012,29(4):104-107.high educational school of Azerbaijan [J]. European Research,2011 ,

10(13)：67 -73.作者简介：李荣(1982—),女，湖北武汉人，讲师，博士，主要研

[5] ALBAHARIA A, CATALANOB G,LANDONIB P. Evaluation of na­究方向为技术经济。