国家级孵化器能否提升科技企业研发效率——基于倾向得分匹配法的验证

摘要：作为各国政府的“政策工具箱”，科技企业孵化器在提升企业创业成功率、提供就业机会、促进地区经济增长等方面发挥着重要作用。然而，从孵化企业视角来看，我国科技企业孵化器是否提升了科技企业研发效率有待验证。与已有基于孵化器视角的研究文献不同，从孵化企业视角出发，在整理我国新三板2014年2 301家科技企业相关数据的基础上，使用倾向得分匹配法和扩展的柯布道格拉斯生产函数对该问题进行了验证。结果表明，国家级孵化器能够提升科技企业研发效率。在控制选择性偏差后，孵化器内外企业研发弹性差异显著，孵化器外企业研发弹性为0.083%，孵化器内企业研发弹性为0.095%，经孵化器“孵化”后科技企业研发效率提升了14.4%。该结论对于我国科技企业孵化器产业发展及新常态下区域经济增长策略制定具有重要意义。

关键词：国家级孵化器；科技企业；研发效率；倾向得分匹配；新三板

0 引言

科技企业孵化器是培育和扶植高新技术中小企业的服务机构，其作为区域内的“政策试验田”和创业者的“政策保护伞”，在提升企业创业成功率、促进科技成果转化、培育科技企业、促进区域经济增长等方面发挥着重要作用，是国家创新体系的重要组成部分，为建设创新型国家作出了积极贡献。世界上第一家企业孵化器于1956年诞生于美国纽约贝特维亚，20世纪80年代以后迅速发展；我国第一家企业孵化器于1987年6月诞生于武汉，之后发展迅猛。截至2014年底，我国科技企业孵化器达1 748家，在孵企业78 965个，累计毕业企业61 944个，提供就业岗位141.7万个。孵化器对企业的孵化功能主要表现在两个方面：一是孵化器系统组织各种资源支持新创企业发展，可以降低企业风险、提高企业存活率；二是孵化器对孵化企业提供各种专业孵化服务，如咨询服务、技术支持、培训服务、融资、硬件设施等，使在孵企业与同类孵化器外企业相比更具有市场竞争力。对于孵化器第一个功能在国内外已达成共识，而对于孵化器第二个功能国内外学者研究较少且所得结论并不一致。孵化器服务对象以高科技企业为主，创新是高科技企业的重要特征，如果孵化器的“孵化”作用比较显著，则在孵企业研发效率要显著高于同类未孵化企业的研发效率。因此，可通过比较孵化器内外企业研发效率差异来验证孵化器的第二个功能。

当前，我国经济增速放缓，国家领导人和经济学家指出，创新有利于缓解我国当前下行的经济形势。因此，研究我国科技企业孵化器对在孵企业研发效率的影响，对于我国孵化器产业发展及新常态下我国如何突破目前经济增长瓶颈、实现经济稳步增长具有重要意义。本文创新之处在于：①在国内外文献中首次使用倾向得分匹配法对我国新三板企业进行匹配，再比较在孵企业和孵化器外企业研发效率，因为控制了选择性偏差，所以结论更为真实可靠；②通过扩展的柯布道格拉斯生产函数对匹配后的在孵企业和孵化器外企业研发效率进行精确测算，得出孵化器能够显著提升科技企业研发效率的结论，对孵化器产业发展和新常态下我国经济增长路径探析具有一定指导作用。

1 文献回顾

自孵化器理论提出以来，国内外学者对孵化器进行了大量研究，归纳起来主要包括以下3个方面：①以孵化器为主体，通过分析孵化器现状、运营模式、影响因素及国际经验，探讨孵化器运营机制或为孵化器发展提供意见和建议。如Akçomak[1]通过总结众多学者对孵化器孵化机制的研究结论发现，孵化器硬件设施、融资服务、孵化器形象及与本地产业集群互动等因素显著影响其运行绩效；钱平凡[2]通过对美国及国际上其它一些国家孵化器产业发展进行研究，结合我国孵化器产业发展现状，提出了我国孵化器产业发展存在的问题与对策建议；牛仁亮和高天光(2016)通过分析科技企业孵化器现状，指出科技企业孵化器制度变迁的瓶颈约束与创新途径；司春林、梁云志[3]和唐明凤等[4]借助案例分析法论证了孵化器与创业企业可通过互利共赢，从而实现可持续发展；陈颉和李娜[5]以天津地区4个各具特色的科技企业孵化器为研究对象，采用案例分析和比较研究法得出孵化器发展与商业模式确立是共生演化的过程，结合自身特点建立合适的商业模式是孵化器持续经营并获利的关键；②以孵化器为研究主体，通过构建孵化器绩效评价体系或借助一定的计量技术，对孵化器经营绩效或效率进行评价。如Mian[6]从高校形象、设施、人力资源、项目持续性和增长性、在孵企业成活和发展、孵化器设施和服务等方面构建了高校科技企业孵化器效率评估体系；Chan和Lau[7]构建了包含资源集聚优势等9大要素的孵化器评估指标体系，实证分析了我国香港地区科技园某初创企业的孵化过程；曾志坚等[8]运用模糊层次分析法对我国科技企业孵化器运营绩效进行了评价；徐菱涓等[9]使用灰色系统理论对我国科技企业孵化器绩效进行了评价；贾蓓妮(2009)通过建立基于投入-产出理念的企业孵化器绩效评价指标体系，采用AHP法分析了各类要素对孵化器运营绩效的影响，提出企业孵化器评价研究新模式与发展趋势；张娇和殷群[10]运用数据包络分析方法(DEA)评价研究了长三角地区企业孵化器综合效率、技术效率和规模效率，提出了提高企业孵化器运行效率的改进思路。使用DEA模型测算我国孵化器运行效率的还有杨文燮和胡汉辉[11]、代碧波和孙东生[12]、王敬和汪克夷[13-14]、李志祥和宋清[15]、殷群和张娇[16]、刘琳等[17]；③以在孵企业为研究主体，通过比较在孵企业和孵化器外企业的差异来评价孵化器对孵化企业的作用。如Monck[18]在对比英国孵化企业与非孵化企业的创新情况后发现，在反映创新投入指标，包括技术人员比例和研发强度方面，孵化企业高于控制组；Westhead[19]研究发现，在创新产出方面，孵化企业与非孵化企业无显著差异；Colomb和Delmastro[20]以位于意大利孵化器中的45个新技术企业为样本，将它们与非孵化企业进行对比发现，孵化企业与非孵化企业的创新行为无显著差异；Pena[21]通过对企业孵化器中114家在孵企业进行调查发现，在孵企业的存活在很大程度上与企业本身的人力资源相关，而孵化器提供的服务对企业的影响并不明显；Yang等[22]对比台湾新竹科技园孵化企业与园外非孵化企业发现，孵化企业研发效率更高，孵化器增值主要来源于集群效应及企业与研究机构之间的联系；陈贝力[23]以149家创业板上市公司为样本，运用道格拉斯生产函数研究孵化企业和非孵化企业研发支出对产出的影响发现，非孵化企业研发效率显著高于孵化企业研发效率。

从上述文献述评中可以看出，国内外对孵化器的研究多以孵化器为研究主体，且大部分研究都集中在孵化器绩效评估方面，缺少以企业为对象考察孵化器是否提升科技企业研发效率的研究。从目前国内外研究文献来看，基于研发效率视角分析孵化器对企业孵化作用的文献仅限于Yang等[22]和陈贝力[23]，且两者所得结论不同。原因在于：一方面，由于经济发展、自然资源等情况不同，孵化器发展存在很大差异，孵化器对企业孵化作用程度不同；另一方面，陈贝力[23]的研究存在如下缺陷：①未考虑Hackett和Dilts[24]所提出的观点，即比较在孵企业和孵化器外企业时存在选择偏差，即在孵企业并非随机选取，而是满足一定条件的企业才能进入孵化器，这就导致在孵企业与孵化器外企业研发效率不同；②以149家创业板上市公司为样本，样本量过少，所得结论并不可靠。基于上述分析，本文通过搜集2014年新三板2 301家高科技企业相关数据，使用国际前沿的倾向得分匹配法控制选择性偏差后，借助扩展的柯布道格拉斯生产函数测算在孵企业和孵化器外企业研发效率及其差异。

2 研究方法与数据

本文定义研发效率为研发弹性，即当研发投入提高一个百分点时产出增加的百分比。为考察研发对产出的贡献，本文遵循Yang等[22]的做法，假定企业生产函数近似为扩展的柯布道格拉斯生产函数，如下所示：

其中，Y为产出变量，用企业营业收入(万元)表示；C为固定资本投入变量，用企业固定资产(万元)表示；L为劳动投入变量，用企业员工数(人)表示；M为可变资本投入变量，用企业营业成本(万元)表示；RD为研发投入变量，用企业研发费用(万元)表示；下标i表示企业个体，λ表示无形的外生技术进步率。为了比较孵化器内外企业研发效率的差异，本文在模型(1)中引入虚拟变量incub，当企业处于孵化器内时取值为1，处于孵化器外时取值为0，引入虚拟变量后模型(1)变为：

为了估计模型(2)，本文对两侧取对数并将其线性化，线性化后的模型如下：

lnYi=λ+αlnCi+βlnLi+γlnMi+φlnRDi

其中，εi为随机误差项，α、β、γ、φ和φ1分别为资本投入、劳动投入、中间投入、孵化器外企业研发投入和孵化器内企业研发投入的产出弹性，通过观察系数φ1的正负和显著性，可以判断孵化器内企业和孵化器外企业的研发效率差异。

由于企业是否参与孵化器孵化项目并不是随机分配或外生决定的，如果直接使用全部企业数据进行分析很可能得出误导性结论。因此，本文先采用倾向得分匹配方法(Propensity Score Matching，PSM)控制企业参与孵化器孵化项目(incub)的内生性，再用匹配好的样本企业进行孵化器内外企业研发效率比较分析。

与传统一维配对方法不同，PSM可将多个维度信息综合成一个得分因子，进而可以在多个维度将在孵企业及与其特征相似但未参与孵化器孵化的企业进行匹配，然后对孵化器内外企业进行研发效率比较，进而测算出孵化器对企业研发效率的净提升。具体而言，首先需估计企业是否参与孵化器孵化项目的决定方程：

PS(X)=Pr[incub=1|X]=E[incub|X]

其中，X为匹配向量，本文选取企业员工人数(size，人)、人均拥有固定资产额(capint，万元)、企业利润(pr，万元)、研发费用(RD，万元)作为匹配向量；PS为企业参与孵化器孵化的概率，即倾向得分(Propensity Score)。然后，根据孵化器内外企业的PS值进行匹配。实际操作中，一般使用probit模型或logit模型估计决定方程。由于PS(X)为连续变量，很难对其进行精确匹配，常用的非精确匹配方法有最近邻匹配、半径匹配与核匹配。本文在实证分析时使用基于probit模型的最近邻匹配中的一对一匹配法进行配对，模型稳健性检验使用基于probit模型的最近邻匹配中的一对二匹配法和基于logit模型的最近邻匹配中的一对一匹配法。

本文选取新三板2014年所有挂牌企业为研究对象，以企业是否参与国家级孵化器孵化界定在孵企业和孵化器外企业，在孵企业和孵化器外企业根据地址匹配法确定。2014年国家级孵化器名单及地址来源于国家科技部火炬高技术产业开发中心和《中国火炬统计年鉴2015》，新三板挂牌公司名单和研究中所有数据来源于万德数据库和大智慧终端。经整理后剩余有效企业2 301家，其中在孵企业292家、孵化器外企业2 009家。

表1给出了相关变量的描述性统计分析结果。从均值来看，在孵企业营业收入、企业人数、营业成本、利润额和人均固定资产额均小于孵化器外企业，大致为孵化器外企业营业收入、企业人数、营业成本、利润额和人均固定资产额的一半，而在孵企业研发投入均值为529.08万元，孵化器外企业为618.87万元，两者相差不大，说明孵化器内企业受专业指导和孵化器环境的影响更加重视研发投入。从标准差来看，在孵企业各变量的标准差均小于孵化器外企业各变量的标准差，说明在孵企业各变量取值比较稳定，波动幅度较小。

3 实证检验结果

根据上文选择的匹配向量，本文使用上文提到的一对一匹配法进行匹配。同时，为了避免异方差带来的不利影响，本文使用异方差稳健标准误法对所设定的probit模型进行倾向得分估计。倾向得分估计结果见表2。从表2可知，模型估计的χ2=89.79，模型整体比较显著；所有变量在5%显著性水平下显著，说明本文所选匹配向量对倾向得分有显著影响；变量企业员工人数、人均固定资产额和企业利润系数为负值，说明这3个变量对倾向得分估计值有显著负向影响，而企业研发投入系数为正，说明企业研发投入对倾向得分估计值有显著正向影响。为了进一步对匹配效果进行检验，本文绘制了匹配前后变量误差削减状况和匹配前后密度函数比较图，如表3和图1所示。从表3中t检验结果可以看出，从均值看，研发投入RD在匹配前后无显著差异，而匹配前孵化器内外企业人数、人均固定资产额、企业利润pr均存在显著差异，匹配后这3个变量的均值无显著差异；从标准百分比偏差来看，匹配后4个变量的标准百分比偏差均在10%以内，表明匹配后平行性假设得到有效满足；从绝对偏差百分比减少情况看，除研发投入变量外，企业人数、人均固定资产额、企业利润3个变量的绝对偏差有很大幅度减少。从图1可以看出，匹配前在孵企业与孵化器外企业倾向得分密度函数有较大差异，而匹配后两者的倾向得分密度曲线重合，匹配效果比较理想。综上所述，在孵企业和孵化器外企业存在选择性偏差，直接选取孵化器外全部企业作为比较对象将造成实证分析结果出现偏误，而本文使用一对一倾向得分匹配很好地消除了在孵企业和孵化器外企业的选择性偏差，结论更加真实可靠。

为了避免异方差带来的不利影响，本文使用异方差稳健标准误法对模型(3)进行估计。同时，为便于比较，本文对配对前数据进行估计，结果如表4所示。从表4可以看出，整体来看，两个模型对应的F统计量分别为5 460.03和1 139.67，均在1%显著性水平下高度显著；两个模型的拟合优度分别为0.946 0和0.923 1，模型拟合效果较好；从两个模型的方差膨胀因子(VIF)来看，其值均远远小于10，所以模型不存在多重共线性问题；从变量显著性来看，λ、β和γ均高度显著，说明无形的外生技术进步率、企业人数和营业成本对企业产出均有显著影响。比较模型(1)和模型(2)可以看出，除研发投入对应系数φ和φ1外，其它系数大致相等，模型(1)的φ1为0.006 7，且不显著，模型(2)的φ1为0.012 2，且在1%显著性水平下显著。这说明，直接使用全部样本对比孵化器内外企业研发效率得出在孵企业与孵化器外企业研发效率无差异的结论，而使用匹配后的孵化器内外企业得出在孵企业研发效率显著大于孵化器外企业研发效率的结论，这种差异是由选择性偏差导致的。在模型(2)中，φ为0.083 0，说明孵化器外企业研发弹性为0.083 0，即孵化器外企业研发支出每增加1%大约带来营业收入0.083%的增长。φ1表示孵化器外企业研发弹性和在孵企业研发弹性的差异，其值为0.012 2，表示在孵企业研发弹性比孵化器外企业研发弹性高出0.012个百分点，即在孵企业研发支出每增加1%将带来营业收入0.095%的增长，在孵企业研发效率是孵化器外企业研发效率的1.144倍。营业成本产出弹性最大，其值为0.650 9；其次为企业人数产出弹性，其值为0.211 6；再次为研发支出弹性；固定资产产出弹性最小，其值为0.012 3且不显著。这是因为，新三板企业大部分是高科技企业，影响企业产出更多的是原材料投入、企业人数和研发投入而非企业固定资产。

注：系数估计值下方圆括号内为系数稳健标准误，值下方方括号内为值

在孵企业研发效率显著高于孵化器外企业研发效率，充分说明我国国家级孵化器对企业的孵化作用，这种孵化作用可能来自于孵化器提供的专业指导服务。Kim和Chang[25]指出，专业服务能帮助企业解决在产品质量改进、技术商业化、市场开发过程中遇到的瓶颈，从而提升企业研发效率。同时，国家级孵化器能够吸引很多高科技企业甚至高校科研工作者。这些企业一方面能够在孵化器指导下形成良好的竞争氛围；另一方面，企业之间存在着的技术和信息交流能够形成集聚效应，这不仅促使企业重视研发，还会在很大程度上提升企业研发效率。此外，政府对国家级孵化器和孵化器内企业在税收、资金信贷、人才引进等方面制定了很多优惠政策。这一系列政策优惠使得国家级孵化器能够专业、高效地服务在孵企业，使在孵企业研发效率高于孵化器外企业研发效率。

为了考察上述结论的稳健性，本文使用最近邻匹配中的一对二匹配方法及logit模型估计倾向得分方程对上述结论进行稳健性检验。

使用一对二匹配法得到匹配前后变量误差削减状况和匹配前后密度函数比较图，见表5和图2。从表5可以看出，表5结果和表3结果非常接近，经过匹配后，在孵企业和孵化器外企业4个变量的均值无显著差异；从标准百分比偏差情况看，匹配后4个变量的标准百分比偏差均在10%以内，表明匹配后平行性假设得到有效满足；从绝对偏差百分比减少情况看，除研发投入变量外，企业人数、人均固定资产额、企业利润3个变量的绝对偏差有很大幅度减少。从图2匹配前后密度函数比较图可以看出，倾向得分匹配前，在孵企业倾向得分密度函数与孵化器外企业倾向得分密度函数有较大差异，而匹配后两者倾向得分密度曲线接近，匹配效果较为理想。

本文使用logit模型进行倾向得分匹配，倾向得分方程整体和各变量结果均比较显著。从倾向得分匹配前后变量误差削减状况和匹配前后密度函数比较图可以看出，匹配效果良好。由于篇幅限制，倾向得分方程估计结果、倾向得分匹配前后变量误差削减状况和匹配前后密度函数比较图本文不一一绘出。使用一对二匹配和基于logit模型的一对一匹配所得企业样本，借助于异方差稳健标准误法对新三板企业研发效率进行估计，结果如表6所示。从表6可以看出，模型(1)和模型(2)整体效果均比较显著，各变量对应系数大小和显著性均比较接近，且与表4中模型(2)结果差异不大，尤其是在孵企业和孵化器外企业研发效率差异系数φ1显著不为零，与上文所得结论一致。具体而言，表4模型(2)在孵企业研发弹性为0.095%，孵化器外企业研发弹性为0.083%，经孵化器孵化后研发效率提高了14.4%。表6模型(1)在孵企业研发弹性为0.099 6%，孵化器外企业研发弹性为0.090 5%，经孵化器孵化后研发效率提高了10.01%；表6模型(2)在孵企业研发弹性为0.117%，孵化器外企业研发弹性为0.107%，经孵化器孵化后研发效率提升了9.68%。因此，使用最近邻匹配中的一对二匹配方法及logit模型进行倾向得分匹配得到的结论相同，表明所得结论比较稳健。

注：系数估计值下方圆括号内为系数稳健标准误，值下方的方括号内是值。

4 结论与政策建议

本文首次利用2014年我国新三板2 031家高新技术企业相关数据，借助倾向得分匹配法和扩展的柯布道格拉斯生产函数，对我国国家级孵化器是否提升了企业研发效率进行验证。结果表明，国家级孵化器能够显著提升企业研发效率，这一结论在多项稳健性检验后依然成立。根据本文所得结论，针对我国孵化器发展现状和现阶段我国经济增长路径，本文提出如下对策建议：

(1)鉴于国家级孵化器能够显著提升企业研发效率，应充分利用这一“政策工具箱”和“经济特区”，不遗余力地深入推进国家级孵化器建设，推动大学科技园和国家高新区发展，最大限度地提升企业研发效率，鼓励企业创新，推动“大众创业、万众创新”。

(2)进入新常态以来，我国经济增速逐渐放缓，经济增长率屡破近年来历史新低，供给侧改革呼声不断。本文研究结论从企业视角出发，说明推进国家级孵化器建设能够显著提升企业研发效率，从而提高企业产品质量、满足消费者需求，在供给侧寻求经济发展新增长点。

(3)从我国实际情况看，国家级孵化器在我国发达地区和欠发达地区分布较不均衡。在所选的292家国家级孵化器在孵企业中，东部地区占据217家，中西部地区仅有75家。鉴于国家级孵化器能够显著提升企业研发效率这一事实，国家更应该重视国家级孵化器及大学科技园和国家高新区在欠发达地区的建设，在经济发展新常态下实现区域经济增长、促进我国经济地区间均衡发展。

[1] AKÇOMAK S.Incubators as tool for entrereneurship promotion in developing economies[J].Unu-wider Working Paper Series,2009(52):228-264.

[2] 钱平凡.孵化器运作的国际经验与我国孵化器产业的发展对策[J].管理世界,2000(6):78-84.

[3] 司春林,梁云志.孵化器的商业模式与自身发展——典型案例分析[J].经济管理,2010(10):169-179.

[4] 唐明凤,李翠文,程郁.基于创新工厂案例的新型孵化器商业模式研究[J].科研管理,2015(s1):102-109.

[5] 陈颉,李娜.科技企业孵化器商业模式构建研究——基于天津地区多案例分析[J].科技进步与对策,2013,30(9):90-95.

[6] MIAN S A.Assessing and managing the university technology business incubator: an integrative framework[J].Journal of Business Venturing,1997,12(4):251-285.

[7] CHAN K F,LAU T.Assessing technology incubator programs in the science park: the good,the bad and the ugly[J].Technovation,2005,25(10):1215-1228.

[8] 曾志坚,张倩倩,左楠.基于模糊层次分析法的科技企业孵化器评价体系研究[J].财经理论与实践,2014,35(6):119-122.

[9] 徐菱涓,刘宁晖,李东.科技企业孵化器管理绩效的灰色综合评价研究——以南京市为例[J].科技进步与对策,2009,26(1):131-133.

[10] 张娇,殷群.我国企业孵化器运行效率差异研究——基于DEA及聚类分析方法[J].科学学与科学技术管理,2010,31(5):171-177.

[11] 杨文燮,胡汉辉.基于DEA的国家级科技企业孵化器运行效率分析[J].统计与决策,2015(22):175-178.

[12] 代碧波,孙东生.基于DEA方法的科技企业孵化器运行效率评价——以东北地区14家国家级企业孵化器为例[J].科技进步与对策,2012,29(1):142-146.

[13] 王敬,汪克夷.我国新兴产业科技孵化器技术效率的测评与影响[J].财经问题研究,2012(3):40-47.

[14] 王敬,汪克夷.基于DEA方法的我国新兴产业孵化器技术效率评测研究[J].大连理工大学学报:社会科学版,2012,33(2):18-21.

[15] 李志祥,宋清.科技企业孵化器运营效率的激励性规制[J].北京理工大学学报:社会科学版,2012,14(6):45-49.

[16] 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,2010,28(1):86-94.

[17] 刘琳,李冬梅,赵智.我国西南地区科技企业孵化器运行效率差异研究--基于28家孵化器的 DEA 分析[J].科技管理研究,2014(20):59-64.

[18] MONCK C S P.Science parks and the growth of high technology firms[M].Croom Helm,1988.

[19] WESTHEAD P.R&D 'inputs' and 'outputs' of technology-based firms located on and off science parks[J].R & D Management,1997,27(1):45-62.

[20] COLOMBO M G,DELMASTRO M.How effective are technology incubators? evidence from Italy[J].Research Policy,2002,31(7):1103-1122.

[21] PENA I.Business incubation centers and new firm growth in the basque country[J].Small Business Economics,2004,22(3-4):223-236.

[22] YANG C H,MOUTHWASH K,CHEN J R.Are new technology-based firms located on science parks really more innovative?:evidence from Taiwan[J].Research Policy,2009,38(1):77-85

[23] 陈贝力.企业孵化器对创业板上市公司的影响分析[J].现代经济信息,2014(6):336-337.

[24] HACKETT S M,DILTS D M.A Systematic review of business incubation research[J].Journal of Technology Transfer,2004,29(1):55-82.

[25] KIM H Y,CHANG M J.Does a technology incubator work in the regional economy? evidence from South Korea[J].Journal of Urban Planning & Development,2010,136(3):273-284.

Does National Business Incubator Improve Enterprises' R&D Efficiency——Empirical Research Based on PSM Method

(School of Economics and Finance, Xi'an Jiaotong University, Xi'an 710061,China)

Abstract：Considering as the government's policy tool box, the technology business incubator plays an important role in increasing the success rate of enterprise establishment, providing regional employment opportunities, promoting regional economic growth and so on. However, from the perspective of incubation enterprise, whether the technology business incubator really improves enterprises' R&D Efficiency is unknown. Different from the existing technology business incubator research, the paper uses the Propensity Score Matching and Generalized Cobb-Douglas production methods to validate the confusing problem after collecting the New OTC Market's 2301 scientific and technological enterprises related data in 2014.The empirical study concludes that national business incubator can really hatch Enterprises. After controlling for selective bias, the difference between the enterprises' R&D elasticity located in and out national technology business incubator is significant, the enterprises' R&D elasticity coefficient located in national technology business incubator is 0.095% compared to the 0.083% located out national technology business incubator. The conclusions that the paper concludes is of great significance to the development of the technology business incubator industry and for seeking regional economic growth strategy under the new normal economic conditions in our China.

Key Words：National Business Incubator; Technology Enterprises; R&D Efficiency; PSM; New OTC Mark

基金项目：国家社会科学基金青年项目(11CTJ002)；中央高校基本科研业务费专项项目(SK2016019)

作者简介：吴建銮(1986-)，女，福建三明人，西安交通大学经济与金融学院博士研究生，研究方向为数量经济理论与方法、企业效率等；赵春艳(1973-)，女，内蒙古包头人，博士，西安交通大学经济与金融学院教授、博士生导师，研究方向为数量经济理论与方法、时间序列分析；南士敬(1984-)，男，河北保定人，西安交通大学经济与金融学院博士研究生，研究方向为数量经济理论与方法、时间序列分析等。