论文部分内容阅读
摘要：本文选取南京、武汉、上海、合肥4市的国家级科技企业孵化器为对象，以孵化器的投入——产出作为分析基础，建立相应的绩效评估体系，运用数据包络分析法，比较4市国家级科技企业孵化器的绩效情况，分析得出合肥与其他3市差距的原因。
关键字：科技企业孵化器；绩效评估体系；数据包络分析法
一、引言
科技企业孵化器，自1987年我国第一家创业中心武汉东湖创业服务中心成立以来，成为了我国自主创新的一个重要平台。它将我国的科技资源迅速而高效地转变为现实生产力，降低了创业者的创业风险和成本，培育了一大批中小型科技企业成功创业和迅速成长，为当地提供了新的就业机会，促进了所在区域乃至全国的经济发展。针对科技企业孵化器进行客观、系统的评价，不仅能够找出孵化器运营过程中存在的问题，对孵化器本身以及政府部门的管理决策也有着重要指导意义。
本文选取安徽省省会合肥市及其周边经济发达省份的省会城市、直辖市，南京、武汉、上海三市的国家级科技企业孵化器相对比，建立可量化的相对合理的科技企业孵化器绩效分析体系，以投入—产出关系为基础，采用数据包络分析法评价其绩效，藉此探寻四市TBI绩效水平差距及其原因。
二、科技企业孵化器（TBI）绩效评价模型构建
数据包络分析（Data Envelopment Analysis ，简称DEA）是一种线性规划模型，可根据多指标投入和多指标产出数据对决策单元（相同类型的单位、部门或者企业）进行相对有效性或效益评价的一种方法。 DEA模型种类多样，本文根据DEA模型在绩效评价中的条件、输入输出指标的设定并结合四市国家级科技企业孵化器的实际情况选取了CCR模型，以此作为本文内容求解的依据。
CCR模型：
CCR模型是著名的运筹学家Charmes,Cooper,Rhode运用数学规划模型将有效性度量方法推广到多输入、多输出情形的一种模型。评价决策单元DMUj0同时为技术和规模有效的CCR模型如下：
假设有n个DMU，（xj，yj）是DMUj的输入和输出，j=1，2，…n，其中：xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，ysj）T，设决策单元DMUj0的输入、输出为（xj0，yj0），简记为（x0，y0），后来经过模型的推导， Charmes和Cooper把非阿基米德无穷小量引入，给出最初评价决策单元相对有效的CCR模型演算变化为相应的具有非阿基米德无穷小量的CCR模型，具体如下：
minθ-εｅ＾■■+e■s■■s.t.■x■λ■+s■=θx■■y■λ■-s■=y■λ■≥0，j=1，2，…，n，θ∈E+1，s+≥0，s-≥0
其中，ｅ＾ （1，1，…1）T∈E+m，e=（1，1，…1）T∈E+s若模型（1）的最优解θ0，λ0，j=1，2，…，n，s-，s+满足θ0＝1，s-=0，s+=0，则DMUj0为DEA有效。也就是意味着规模有效和技术有效。
三、四市国家级科技企业孵化器绩效DEA模型实证比较分析
（一）评价指标体系及数据来源
对四市科技企业孵化器绩效相对有效性进行DEA评价时，根据柯布-道德拉斯生产函数和科技企业孵化器的性质，以及考虑数据的可获得性以及准确性，选取孵化器创业导师人数、全职工作人员数、孵化器场地总面积以及孵化基金作为输入指标，孵化器总收入、累积毕业企业数、在孵企业工作人数（提供就业机会）和获批知识产权数作为输出指标。
据2011年中国火炬统计年鉴上记载，南京国家级科技企业孵化器为7家，根据科技部近日公布2010年和2011年新认定的国家级科技企业孵化器名单中，南京国家级科技企业孵化器为13家，由于不能保证数据的准确性和权威性，所以此次比较中没有将余下6家孵化器数据汇入其中。因此选取2011年中国火炬统计年鉴上四市43个国家级科技企业孵化器作为DEA模型的决策单元。四市国家级科技企业孵化器的基本情况见表1：
依据上面的数据，我们可以看到上海国家级孵化器最多，达到18家；总收入和获批知识数也是最多的，分别达到22446万元和973项；武汉累计毕业企业数最多，达到1614家；而合肥国家级科技企业孵化器数量最少且只有5家。
（二）绩效评价
南京、武汉、上海、合肥四市共有49家国家级科技企业孵化器，根据中国火炬统计年鉴，可查到并且数据资料比较齐全的只有43家孵化器，样本数虽然不多，但是还是符合DEA模型数据运算的要求。
采用了专门进行DEA模型计算的DEAP-X1软件，对实证所用的VRS-DEA模型进行求解。根据上面输入输出指标，决策单元类型和数量的选取和确定，被评价DMU的个数为43个，即43家科技企业孵化器；时间期限为1年，输入指标4个，输出指标4个，设定模型为输入导向和规模报酬可变。
利用DEAP-xp1软件，计算结果如表2。
1.综合效率分析
根据表中每个科技企业孵化器综合效率数据情况，可以得出四市43家科技企业孵化器的综合效率分布情况。南京、武汉、上海、合肥国家级科技企业孵化器在效率值为1的比率上基本相当，在效率值1-0.7之间的国家级科技企业孵化器上，合肥与其他三市存在较大差距。这说明了合肥科技企业孵化器的效率还有很大的改进空间，相关管理者在关注孵化器建设和投资的同时，也应该对孵化器资源的投入和产出效率给与更多的关注。
2.纯技术效率分析
纯技术效率是在假定规模报酬可变的情况下，利用BCC模型计算出来的，即在一定的投入组合下，所得到的产出效率。从纯技术效率看，合肥国家级科技企业孵化器的纯技术效率值在0.7以上的比例与南京、武汉、上海都存在较大差距，分别相差26%、40%以及29%。南京、武汉、上海、合肥国家级科技企业孵化器纯技术效率的平均值分别为0.869、0.949、0.939、0.854，表示南京、武汉、上海、合肥四市的孵化器总体上分别约有13.1%、5.1%、6.1%、14.6%的投入没有有效地达到最适合的产出量。由此可看出，合肥与其他三市相比，存在相当大程度上的技术无效，资源没有得到充分利用，缺乏效率。
3.规模效率分析
技术效率分解为纯技术效率和规模效率。在数值关系上，则表现为综合效率=纯技术效率×规模效率，所以通过技术效率与纯技术效率的比值可求出规模效率，规模效率越接近1，说明规模大小越适合。如规模效率等于1，则表示该决策单元处于固定规模收益的状态；如规模收益小于1，则表示该决策单元处于规模收益递减或者递增的规模无效率状态。南京、武汉、上海、合肥国家级科技企业孵化器规模效率的平均值分别为0.918、0.917、0.908、0.965。合肥国家级科技企业孵化器有两家效率值为1，另外三家也接近于1，略好于其他三市情况。在对规模效率无效的孵化器进行调整的时候，必须要注意调整的方向，即孵化器的规模是过小还是过大，例如，合肥高新技术创业服务中心处于规模收益递减阶段，也就是其整体规模过大，应该减少投入量来调整规模。另外2家孵化器处于收益递增阶段，应该扩大其规模，增加投入量以生产出更多的产品来提高孵化器的综合效率。
综合总体情况来看，不考虑地区发展经济情况、孵化器建设的差异性以及内外部环境的差异性，合肥与南京、武汉、上海三个经济发达城市相比，在绩效水平上仍有一定差距，纯技术效率亟待提高。
四、结论
本文通过运用数据包络分析法，把定量分析和定性分析相结合，以南京、武汉、上海、合肥四市为例，发现合肥市国家级科技企业孵化器在孵化器资源的投入和产出效率与其他三市存在一定差距，且技术无效是其效率低下的主要原因。
参考文献：
1.魏权龄.数据包络分析 [M]．科学出版社,2004.
2.梁敏．科技企业孵化器综合评价指标体系及模型设计[J]．科学学与科学技术管理,2004.
3.彭国甫.基于DEA模型的地方政府公共事业管理有效性评价[J]．中国软科学,2005(8).
4.殷群,张娇．长三角地区科技企业孵化器运行效率研究—基于DEA的有效性分析[J]．科学学研究,2010(1).
5.科技部火炬高科技产业开发中心,中国火炬统计年鉴[M]．中国统计出版社,2011.
＊本文为基金项目：“孵化器的创新发展与安徽省中小型科技企业企业家的成长研究（安徽省科技厅软科学项目）”，项目编号：10030503028 。
（作者单位：安徽大学）
关键字：科技企业孵化器；绩效评估体系；数据包络分析法
一、引言
科技企业孵化器，自1987年我国第一家创业中心武汉东湖创业服务中心成立以来，成为了我国自主创新的一个重要平台。它将我国的科技资源迅速而高效地转变为现实生产力，降低了创业者的创业风险和成本，培育了一大批中小型科技企业成功创业和迅速成长，为当地提供了新的就业机会，促进了所在区域乃至全国的经济发展。针对科技企业孵化器进行客观、系统的评价，不仅能够找出孵化器运营过程中存在的问题，对孵化器本身以及政府部门的管理决策也有着重要指导意义。
本文选取安徽省省会合肥市及其周边经济发达省份的省会城市、直辖市，南京、武汉、上海三市的国家级科技企业孵化器相对比，建立可量化的相对合理的科技企业孵化器绩效分析体系，以投入—产出关系为基础，采用数据包络分析法评价其绩效，藉此探寻四市TBI绩效水平差距及其原因。
二、科技企业孵化器（TBI）绩效评价模型构建
数据包络分析（Data Envelopment Analysis ，简称DEA）是一种线性规划模型，可根据多指标投入和多指标产出数据对决策单元（相同类型的单位、部门或者企业）进行相对有效性或效益评价的一种方法。 DEA模型种类多样，本文根据DEA模型在绩效评价中的条件、输入输出指标的设定并结合四市国家级科技企业孵化器的实际情况选取了CCR模型，以此作为本文内容求解的依据。
CCR模型：
CCR模型是著名的运筹学家Charmes,Cooper,Rhode运用数学规划模型将有效性度量方法推广到多输入、多输出情形的一种模型。评价决策单元DMUj0同时为技术和规模有效的CCR模型如下：
假设有n个DMU，（xj，yj）是DMUj的输入和输出，j=1，2，…n，其中：xj=（x1j，x2j，…，xmj）T，yj=（y1j，y2j，…，ysj）T，设决策单元DMUj0的输入、输出为（xj0，yj0），简记为（x0，y0），后来经过模型的推导， Charmes和Cooper把非阿基米德无穷小量引入，给出最初评价决策单元相对有效的CCR模型演算变化为相应的具有非阿基米德无穷小量的CCR模型，具体如下：
minθ-εｅ＾■■+e■s■■s.t.■x■λ■+s■=θx■■y■λ■-s■=y■λ■≥0，j=1，2，…，n，θ∈E+1，s+≥0，s-≥0
其中，ｅ＾ （1，1，…1）T∈E+m，e=（1，1，…1）T∈E+s若模型（1）的最优解θ0，λ0，j=1，2，…，n，s-，s+满足θ0＝1，s-=0，s+=0，则DMUj0为DEA有效。也就是意味着规模有效和技术有效。
三、四市国家级科技企业孵化器绩效DEA模型实证比较分析
（一）评价指标体系及数据来源
对四市科技企业孵化器绩效相对有效性进行DEA评价时，根据柯布-道德拉斯生产函数和科技企业孵化器的性质，以及考虑数据的可获得性以及准确性，选取孵化器创业导师人数、全职工作人员数、孵化器场地总面积以及孵化基金作为输入指标，孵化器总收入、累积毕业企业数、在孵企业工作人数（提供就业机会）和获批知识产权数作为输出指标。
据2011年中国火炬统计年鉴上记载，南京国家级科技企业孵化器为7家，根据科技部近日公布2010年和2011年新认定的国家级科技企业孵化器名单中，南京国家级科技企业孵化器为13家，由于不能保证数据的准确性和权威性，所以此次比较中没有将余下6家孵化器数据汇入其中。因此选取2011年中国火炬统计年鉴上四市43个国家级科技企业孵化器作为DEA模型的决策单元。四市国家级科技企业孵化器的基本情况见表1：
依据上面的数据，我们可以看到上海国家级孵化器最多，达到18家；总收入和获批知识数也是最多的，分别达到22446万元和973项；武汉累计毕业企业数最多，达到1614家；而合肥国家级科技企业孵化器数量最少且只有5家。
（二）绩效评价
南京、武汉、上海、合肥四市共有49家国家级科技企业孵化器，根据中国火炬统计年鉴，可查到并且数据资料比较齐全的只有43家孵化器，样本数虽然不多，但是还是符合DEA模型数据运算的要求。
采用了专门进行DEA模型计算的DEAP-X1软件，对实证所用的VRS-DEA模型进行求解。根据上面输入输出指标，决策单元类型和数量的选取和确定，被评价DMU的个数为43个，即43家科技企业孵化器；时间期限为1年，输入指标4个，输出指标4个，设定模型为输入导向和规模报酬可变。
利用DEAP-xp1软件，计算结果如表2。
1.综合效率分析
根据表中每个科技企业孵化器综合效率数据情况，可以得出四市43家科技企业孵化器的综合效率分布情况。南京、武汉、上海、合肥国家级科技企业孵化器在效率值为1的比率上基本相当，在效率值1-0.7之间的国家级科技企业孵化器上，合肥与其他三市存在较大差距。这说明了合肥科技企业孵化器的效率还有很大的改进空间，相关管理者在关注孵化器建设和投资的同时，也应该对孵化器资源的投入和产出效率给与更多的关注。
2.纯技术效率分析
纯技术效率是在假定规模报酬可变的情况下，利用BCC模型计算出来的，即在一定的投入组合下，所得到的产出效率。从纯技术效率看，合肥国家级科技企业孵化器的纯技术效率值在0.7以上的比例与南京、武汉、上海都存在较大差距，分别相差26%、40%以及29%。南京、武汉、上海、合肥国家级科技企业孵化器纯技术效率的平均值分别为0.869、0.949、0.939、0.854，表示南京、武汉、上海、合肥四市的孵化器总体上分别约有13.1%、5.1%、6.1%、14.6%的投入没有有效地达到最适合的产出量。由此可看出，合肥与其他三市相比，存在相当大程度上的技术无效，资源没有得到充分利用，缺乏效率。
3.规模效率分析
技术效率分解为纯技术效率和规模效率。在数值关系上，则表现为综合效率=纯技术效率×规模效率，所以通过技术效率与纯技术效率的比值可求出规模效率，规模效率越接近1，说明规模大小越适合。如规模效率等于1，则表示该决策单元处于固定规模收益的状态；如规模收益小于1，则表示该决策单元处于规模收益递减或者递增的规模无效率状态。南京、武汉、上海、合肥国家级科技企业孵化器规模效率的平均值分别为0.918、0.917、0.908、0.965。合肥国家级科技企业孵化器有两家效率值为1，另外三家也接近于1，略好于其他三市情况。在对规模效率无效的孵化器进行调整的时候，必须要注意调整的方向，即孵化器的规模是过小还是过大，例如，合肥高新技术创业服务中心处于规模收益递减阶段，也就是其整体规模过大，应该减少投入量来调整规模。另外2家孵化器处于收益递增阶段，应该扩大其规模，增加投入量以生产出更多的产品来提高孵化器的综合效率。
综合总体情况来看，不考虑地区发展经济情况、孵化器建设的差异性以及内外部环境的差异性，合肥与南京、武汉、上海三个经济发达城市相比，在绩效水平上仍有一定差距，纯技术效率亟待提高。
四、结论
本文通过运用数据包络分析法，把定量分析和定性分析相结合，以南京、武汉、上海、合肥四市为例，发现合肥市国家级科技企业孵化器在孵化器资源的投入和产出效率与其他三市存在一定差距，且技术无效是其效率低下的主要原因。
参考文献：
1.魏权龄.数据包络分析 [M]．科学出版社,2004.
2.梁敏．科技企业孵化器综合评价指标体系及模型设计[J]．科学学与科学技术管理,2004.
3.彭国甫.基于DEA模型的地方政府公共事业管理有效性评价[J]．中国软科学,2005(8).
4.殷群,张娇．长三角地区科技企业孵化器运行效率研究—基于DEA的有效性分析[J]．科学学研究,2010(1).
5.科技部火炬高科技产业开发中心,中国火炬统计年鉴[M]．中国统计出版社,2011.
＊本文为基金项目：“孵化器的创新发展与安徽省中小型科技企业企业家的成长研究（安徽省科技厅软科学项目）”，项目编号：10030503028 。
（作者单位：安徽大学）