中国三线城市技术企业孵化器的孵化绩效：孵化器资金、技术支持和创业指导的作用外文翻译资料

中国三线城市技术企业孵化器的孵化绩效：孵化器资金、技术支持和创业指导的作用

原文作者 Li Xiao Lancaster University Management School

David North CEEDR Middlesex University

摘要：本研究考察了技术企业孵化器(TBI)的资金、技术支持和创业指导对中国三线城市新技术企业孵化绩效的影响。根据2009年至2013年连续五年间，政府调查中所有技术企业孵化器和孵化的科技型企业的数据、档案和手工收集的数据，研究发现孵化器服务对新兴科技型企业早期成长的影响因当地情况而有所差异。技术企业孵化器的技术支持设施和创业指导对四个最富裕的一线城市的企业早期发展产生了显著和积极的影响，而对于二线和三线城市来说，影响变得不太明显。研究还发现，这两项服务分别影响政府型和大学型技术企业孵化器的孵化绩效。研究结果表明，孵化器服务的有效性取决于城市的社会经济发展水平，而且城市位置确实会影响孵化绩效。

关键词：孵化绩效； 技术企业孵化器； 新技术企业；孵化器研究设施、资金和指导； 中国

3 方法

3.1 中国三线城市

40年来，随着“改革开放”的倡议，中国实施了向世界贸易和竞争开放中国经济的政策，这造成了城市之间经济和社会发展水平的显著差异（Dollar，2007）。有学者认为，大学控制权下放给地方政府有利于拥有一流大学和研究机构的城市的知识转移，并使那些以前依赖中央政府提供知识支持的欠发达地区的城市边缘化，从而加剧了城市之间经济和社会发展水平差距（Hong，2008）。地理差异表明，与不太繁荣和落后的城市相比，那些位于较发达和富裕城市的受益于创建和支持技术的技术企业孵化器和孵化企业，拥有更丰富的包括资金来源、受过教育的劳动力和支持性的商业环境在内的资源。本研究通过比较不同因素对中国90个城市的技术企业孵化器孵化绩效的影响来解决这个问题。

武汉东湖先锋中心是第一家技术企业孵化器，正式成立于1987年，靠近位于中国中部地区的顶尖大学武汉大学。自成立以来，该中心一直是中国其他主要城市（主要是东部地区）的典范。1989至1990年，大约建立了30个技术企业孵化器。到1997年，已经建立了80个技术企业孵化器，它们不成比例地集中在五个东部城市（北京、苏州、上海和天津等）、一个中部城市（武汉）和三个西部城市（西安、成都和重庆），为2670家租户企业和45600名员工提供支持服务（中国火炬统计年鉴2000）。最近，得益于更有利于科技型初创企业的商业环境，越来越多的技术企业孵化器在中国多个城市建立。不论是否富裕的城市都鼓励私人投资者利用废弃的国有工厂建立离一流大学不远的技术企业孵化器。创业型企业以及最新一代专门的企业孵化器（即特定行业的、与大学相关的、国际化的孵化器）在地理上都仍然集中在较先进的城市。

为了考察城市规模对技术企业孵化器孵化绩效的影响，本文借鉴了中国最新的城市等级体系，该体系涵盖了每个城市的经济发展水平、相对于国家和地区的经济地位以及它的历史和文化意义。它已经在媒体上得到了广泛的应用，并被商界人士和公民普遍接受。通过将城市等级体系与技术企业孵化器的分布相结合，本文将拥有215个技术企业孵化器的90个中国城市分为三线。一线包括四个最富裕的省市，即：北京、上海、广东和深圳。二线包括较先进省份的15个城市，即成都、重庆、大连、杭州、宁波、昆明、南京、苏州、无锡、青岛、天津、珠海、武汉、厦门、西安。剩下的71个城市构成了三线。如表1所示，这三线城市的人均GDP差异很大。

图表 1 按城市等级划分的2013年GDP

3.2 数据和变量

本文使用了来自官方的，以及从技术企业孵化器网站上手工收集的中国各技术企业孵化器和其内部的新技术企业的调查数据。数据来源于科技部（MOST）在2009年至2013年进行的年度调查。本文接下来的分析仅限于2009年就存在的并参与了五次连续调查的215个技术企业孵化器。也收集了来自各级政府编制的统计年鉴的数据即每个技术企业孵化器所在城市内的大学数量和人均GDP。还从他们的网站上收集了每个技术企业孵化器的相关数据（即其所有权和年龄）。表2显示了按城市级别划分的孵化器和企业分布情况。报告显示，四个一线省市拥有24%的技术企业孵化器，这些技术企业孵化器比二线和三线城市所拥有的历史更悠久，规模（以常驻企业的数量衡量）也更小。调查还显示，所有样本中有150个政府型技术企业孵化器，46个私营型技术企业孵化器，19个大学型技术企业孵化器。根据二线和三线城市中较大的技术企业孵化器规模，可能可以反映出其中一些技术企业孵化器仍像第一代国有和管理的技术企业孵化器一样，而新的风险投资则在各个工业领域上，着重支持新业务的形成而不是具有高增长潜力的创新企业。此外，本研究还可以检验三个孵化器因素与被孵企业孵化绩效之间的关系。

图表 2按城市等级划分的孵化器和企业

图表3总结了本研究中使用的变量的定义和描述性统计数据。

因变量：如前所述，孵化器的重要功能是改善以技术为基础的初创企业的早期成长，并确保这些企业在没有孵化器进一步支持的情况下也能在市场上存活。本研究将满足毕业标准并离开孵化器的企业数量作为孵化的标志。技术企业孵化器通常会根据科技部设定的准则来判断企业是否准备好毕业，同时也考虑销售营业额、利润、资产规模以及对高科技企业的特殊认可。这些标准是由每个技术企业孵化器的经理制定的，并且会根据工业部门和每个孵化器的情况而有所不同。对于那些决定独自解决问题的企业，只有在达到所需阈值水平的情况下，这才算是毕业。满足毕业条件的新技术企业是指被认为可以达到与市场上同类企业相比有一定竞争力，而无需孵化器进一步支持的企业。

自变量：包括孵化器的三项支持服务和风险投资。孵化器提供的直接财务支持由所有常驻企业可获得的孵化器资金总额来衡量。技术支持的规模由孵化企业使用的实验室、技术和研究设施的投资额表示。企业家指导水平由与常驻企业合作的经验丰富企业家总数来衡量。可获得的风险投资由孵化器中所有常驻企业获得的风险投资总额来衡量。

控制变量：本文考虑（a）技术企业孵化器的规模大小、年龄、所有权，以及（b）外部控制，大学和学院的数量。这些变量可能会影响孵化绩效，而孵化绩效是通过符合标准并离开孵化器的企业数量来衡量的。孵化期内所有科技型企业数量用来表示规模。年龄是从孵化器开始孵化企业的那一年开始计算的。有研究认为，技术企业孵化器的所有权会影响总体目标、内部和外部可用资源、管理团队的组成以及特定支持服务的资源分配，以促进基于新技术的企业的早期成长（Pauwels等，2016）。因此，我们在回归模型中区分了三种技术企业孵化器，以研究三种支持服务对基于新技术的企业的早期成长的影响是否存在差异。技术企业孵化器所有权的三种类型包括政府型、大学型和私营型。政府型是指由中央、省和地方政府出资并由政府机构运营，而大学型是指由政府出资但由大学管理团队运营。科学知识资源的规模由每个技术企业孵化器所在城市的大学和学院的数量表示。这个数量可能会影响支持服务与新企业早期阶段之间的关系，因此用它来表示本地技术资源的可用性。

图表 3 变量的定义和汇总统计

3.3 数据分析

运用最大似然估计（MIE）对前面提出的假设进行估计，并用每组自变量的负回归模型进行检验。由于因变量是计数数据而不是连续数据，因此负二项回归是最合适的模型。本文首先对整个样本进行回归检验，然后对一线、二线和三线城市重复进行检验，以考察孵化器因素和风险投资在三线城市之间的影响是否存在差异。也对技术企业孵化器的三种所有权类型进行了同样的检验。

4 经验结果

4.1 整个样本

表4报告了负二项回归分析的结果，以检验孵化器资金、技术支持、创业指导以及风险资本对2009-2013年期间毕业的孵化企业数量的影响。模型1适用于整个国家的技术企业孵化器和常驻企业样本，包括三个孵化器的具体因素，即孵化器资金规模、投入共享实验室和技术平台的金额（技术投资），向常驻企业提供创业专业知识的导师人数和风险资本，以及三个控制变量：孵化器的规模和年龄以及每个技术企业孵化器所在城市的大学数量。

有趣的是，如模型1所示，在控制孵化器规模和年龄以及所在城市的大学数量的情况下，每个孵化器中的新技术企业可获得的孵化器资金数量对毕业企业的数量没有统计上的显著影响。为常驻企业提供免费或低成本使用的共享实验室和技术服务平台的投资额确实对符合毕业标准并离开孵化器的企业数量有统计显著性（plt;0.01）和积极影响。这可能是因为在技术支持服务上的支出有利于减少生产适销对路的产品或服务所需的时间。帮助企业的创业导师数量对企业的毕业数量也有统计上显著的积极影响（plt;0.05）。这表明，孵化器为孵化器所有者和管理者提供的创业专业知识在帮助新技术企业的早期发展上确实发挥了重要作用。表4还显示，从毕业企业的数量可以看出，孵化器获得的风险投资额对新技术企业的早期成长确实有显著的正向影响(plt;0.01)。这一发现表明，提供股权融资的投资者会寻找那些具有增长潜力的常驻企业，并可能会提供实践帮助以加快它们的增长。模型1还证实，孵化器规模和年龄对毕业企业的数量有正向影响(plt;0.01和plt;0.01)，但不受以所在城市大学数量来衡量的当地科学知识基础规模的影响。

图表 4孵化器和城市特征对毕业企业数量影响的回归分析（2009-2013）

4.2 三线城市之间的差异

重复上述回归模型，探讨孵化器因素和风险投资在三线城市之间的影响是否存在差异。正如前面所讨论的，本文对这项研究所包括的215家技术企业孵化器所在的90个城市采用了三重分类：模型2、模型3和模型4，分别表示位于一线、二线和三线城市的技术企业孵化器。

如表4所示，这三个级别的城市在结果上存在一些差异。首先研究常驻企业可获得的孵化器资金。正如模型2、3和4所示，这对所有三个层次的毕业企业数量没有显著影响，这与整个样本的回归结果一致。因此，来自孵化器的直接财政支持似乎不会导致更多的企业达到毕业标准并离开孵化器。这可能是因为孵化器资金（例如，与获得的风险投资金额或专利申请付款相关赠款的形式）被谨慎地定向到少数几家已经证明了其竞争优势的快速增长的企业和/或少数几个有望产生高度创新企业的先进研发项目（Xiao and North，2013）。

然后分析对共享实验室和技术设施的投资，以及对规模、年龄和所在城市大学数量的控制。有趣的是，模型2和模型4揭示了技术服务平台的投资对符合毕业标准并离开孵化器的企业数量的影响在一线城市(plt;0.01)和三线城市(plt;0.05)都具有统计显著性和正效应，而模型3在二线城市没有显示出显著的影响。就最发达的城市而言，这可能表明很大一部分技术企业孵化器侧重于某一特定行业，利用当地的经济优势，提高技术服务平台投资的有效性，从而反映在毕业的孵化器数量上。

从创业导师的数量来看，一线和二线城市的模型2和模型3表明，创业支持的规模对新技术企业的毕业数量有显著的正向影响(plt;0.05和plt;0.10)。然而，如模型4所示，这似乎不适用于三线城市的技术企业孵化器。这似乎表明，与三线城市相比，通过更好地加强业务能力和市场准备，创业支持增加了准备在一线和二线城市毕业的常驻企业的数量。

重复上述回归模型，分析孵化器服务和风险资本在政府型、大学型和私营型技术企业孵化器之间是否存在不同。如表4所示，模型5、6和7分别表示政府型、大学型和私营型技术企业孵化器。我们发现三类技术企业孵化器的结果有一些差异。

正如三个模型所示，孵化器资金的数量对三种类型的技术企业孵化器中毕业企业的数量没有显著影响，这与整个样本和三线城市的回归结果一致。技术服务平台的投资对毕业企业数量在政府型（p lt;0.05）和大学型（plt;0.1)技术企业孵化器中具有统计显著性和积极意义，而对私营型技术企业孵化器没有显著影响。这证实了政府型和大学型技术企业孵化器都从公共来源获得资金，其中大部分投资于共享实验室、研究和技术设施，以帮助新企业的早期发展。在公共资金少得多的情况下，私营型技术企业孵化器有可能优先考虑（1）租赁以支付运营费用，即使这意味着留住租户而不是帮助他们毕业；（2）选择在资源和获取专业知识方面可能更加自给自足的企业家。创业指导方面，大学型技术企业孵化器的模型6表明，新技术型企业的毕业数量受到创业支持规模的积极和显著影响(p lt; 0.01)。然而，正如模型5和7所示，这似乎不适用于其他类型。这可能表明，与政府型和私营型技术企业孵化器的常驻企业相比，大学型技术企业孵化器的常驻企业的创始企业家更有可能拥有科学或技术专门知识，但缺乏创业经验和商业头脑。

如表4所示，风险投资对从政府型技术企业孵化器的毕业企业数量有显著影响。可能是因为政府型提供的财政激励往往与从外部获得风险投资挂钩，从而鼓励常驻企业积极寻找风险投资。但是，风险投资并没有对私营型技术企业孵化器的毕业企业产生重大影响，原因可能是，在这种类型中，所有者与潜在投资者建立联系的能力是其优势之一。

研究发现在一线和二线城市的大学数量对毕业企业的数量没有显着影响，而在三线城市中则具有显著的负面影响。模型6显示了对大学型技术企业孵化器的显著的积极影响，与政府型和私营型技术企业孵化器的企业相比，大学型内的孵化企业与大学之间的联系更紧密。但是Rothaerme

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[271091]，资料为PDF文档或Word文档，PDF文档可免费转换为Word