虚拟创业孵化器有效刺激变量研究
——基于CAS模型与统计对比数据

吕 波

(北京物资学院 商学院,北京 101149)

摘 要:通过对我国“互联网+”下虚拟创业孵化器与传统创业孵化器实践对比,再经文献研究,提出我国虚拟创业孵化器系统的23个“可能刺激变量”。在此基础上,借鉴复杂适应系统理论中的刺激-反应模型,以北京市创业孵化器为研究对像,对筛选甄别后的“可能刺激变量”进行有效性实证检验与强弱性统计对比。结果表明,在当前“互联网+”下,有效刺激变量对虚拟孵化器系统的影响作用呈现出正反馈、负反馈、不反馈(弱反馈)、优势性、同等性、劣势性6类特征。最后,构建刺激变量有效性与强弱性坐标图,并对不同象限提出各自的管理应对策略。

关键词:互联网+;虚拟创业孵化器;刺激-反应模型;刺激变量

0 引言

国外涌现出500 startups、 YC等新型创业组织,中关村出现了3W咖啡、创业工场等新型创业孵化器,它们均是基于互联网的孵化器,即虚拟创业孵化器。以前,孵化器遵循建园区、租园区、扩园区、集群发展路径。虚拟创业孵化器不靠实体空间,彻底改变了演化路径。随着“互联网+”的提出,新型虚拟孵化器更加火爆,国家领导人多次访问该类创业孵化器,对“可能刺激变量”进行厘定及有效性检验与强弱性对比,从中提出相应策略,有利于引导我国虚拟创业孵化器健康发展。

1 “可能刺激变量”厘定

1.1 “互联网+”为创业孵化器带来新刺激变量

虚拟创业孵化器不同于传统实体孵化器,其基于虚拟空间,跳出了区域限制与时间限制,被认为是新一代孵化器。基于互联网虚拟空间提供服务的孵化器,Carayannis等人在2005年将其定义为虚拟创业孵化器。当前,学界对虚拟创业孵化器的定义各有不同。美国企业孵化器协会(NBIA)认为,虚拟创业孵化器是通过电子方式传递孵化服务的孵化器;而英国企业孵化中心(UKBI)则认为,为初创企业提供在线服务、没有围墙的孵化器是虚拟创业孵化器。本文认为,随着互联网技术的不断成熟,通过各种手段与程序实现远程服务并成功突破实体空间和时间限制的孵化器,均可称为虚拟创业孵化器。近年来,我国“互联网+”的提出,为创业孵化器带来新刺激变量,迎来新挑战,也面临新问题。主要表现存在以下几个方面:一是新生中介之困。由于要有效联结线上互联网与线下传统业务,需要大量人力维护,而这些人力由线上运行者完全承担不客观,所以常被线上者作为非核心业务外包,从而催生了新中介主体,也叫第三方服务商。新增中介主体提供的各种信息流、资金流、物流,哪些能在虚拟创业孵化器中发挥有效作用,需提供量化研究依据;二是新赢利模式之困。虚拟创业孵化器是助力互联网创业企业成长的载体,假如过高比例的被孵化企业失败,则虚拟创业孵化器自身也无价值。虚拟创业孵化器平台具体应强化自身哪些模块,也需由量化研究提供证据;三是新增产业链之困。虚拟创业孵化器面临的是新兴领域,由此产生新产业链,这些新增主体与虚拟创业孵化器之间如何反馈,需要量化分析验证。可见,虚拟创业孵化器系统刺激变量比较复杂。本文通过对虚拟创业孵化器各种刺激变量进行分析,找出这些因素之间的内在联系,并进行量化分析,作出合理解释。

1.2 基于实践角度的虚拟创业孵化器刺激变量

本文通过对国内外92家虚拟创业孵化器与北京市传统孵化器实践对比,提炼出两者之间的差异,如表1所示。

由表1可知,虚拟创业孵化器主要吸引网络型、知识型、新业态型初创企业,而传统创业孵化器主要吸引实体型、需要较大办公区、位于服务区或制造区的初创企业。由于虚拟创业孵化器与传统创业孵化器所处环境迥异,所以诸多刺激变量内容也不同。相比于传统创业孵化器,虚拟创业孵化器多由民间组织产生或由企业家依靠个人网络创办,以提供虚拟空间服务为主,不为初创企业提供实体个体办公区,但有时也会提供公用会议室等服务设施,其孵化面积、管理人数可实现精简化。虚拟创业孵化器创办者多具有较强的管理领导力,吸引的是小微型初创企业,孵化器收益不稳定。虚拟创业孵化器主要提供虚拟空间服务,比重资产型的传统创业孵化器要小很多。虚拟创业孵化器一般还有规模较大的自设孵化器基金,以资助那些虚拟型初创小企业实现裂变式成长并从股权投资中获取巨额回报。虚拟创业孵化器不靠房租收入,主要依靠增值服务实现营收,这与以出租实体空间为主要收入来源的传统创业孵化器形成鲜明对比。虚拟创业孵化器受政府资助较少,未来这一现象将得到改观。虚拟创业孵化器目前受到资本市场追捧,其在孵企业总收入、在孵企业个数、在孵企业研发总投入、在孵企业从业人数、在孵企业融资总额与传统创业孵化器相比有高有低,但因其低门槛性和高风险性,能成功获取投资的初创企业比例并不高,有时仅为1%~5%。在当年毕业企业个数、专业机构合作数、组织活动数、组织活动吸引企业数等方面,两者也存在明显差异,这是由虚拟创业孵化器与传统创业孵化器依托空间的虚实差异决定的。基于实践对比分析可知,本文共提出虚拟创业孵化器23个刺激变量与传统创业孵化器存在明显差异,将其统称为“可能刺激变量”。这些“可能刺激变量”是否科学合理,需进一步通过文献研究印证。

表1基于实践角度的虚拟创业孵化器与实体孵化器
可能刺激变量对比

分类虚拟创业孵化器(以国外与北京市为例)传统创业孵化器(以北京市为例)名称“虚拟”二字吸引网络型、知识型、新业态型初创企业吸引需要大面积办公区或服务区的实体类初创企业性质民营为主以国营为主出资额较小,如车库咖啡出资额150万元较大,国有出资多大于1亿元孵化器面积较小,如YC只占500m2较大,20000~50000m2管理人数仅需3~5人10~50人管理团队领导力基于互联网、移动互联网运营基于实体运营孵化器总收入有波动的增值服务收入稳定的租金收入孵化器服务投入提供网络设施提供基础设施自设孵化器基金总额较大较少基础服务种类不靠房租以房租为主增值服务种类以增值为主不以增值为主政府支持资金较少或无较大在孵企业总收入如WeWork年营业额1.5亿美元10亿元以上在孵企业个数理论上基于虚拟空间不占地理位置较多50个在孵企业研发总投入主要投资于创意主要投资于发明专利在孵企业从业人数每家初创企业平均5人10人以上在孵企业融资总额规模中小规模相对较大获融资企业数比例较小比例较大当年毕业企业个数非强制性要求从虚拟空间退出,每年毕业企业个数不固定每年强制退出总数的约1/3专业机构合作数靠外包,合作机构众多较少组织活动数组织路演、培训等活动频繁较少组织活动吸引企业数较多较少孵化器虚实虚实

1.3 基于文献视角的虚拟创业孵化器“可能刺激变量”

国外涌现了大量对于孵化器与虚拟孵化器的研究。Sean Wise、Dave Valliere(2014)实证研究了哪些领导人对加速器有效。Ut Na Sio(2009)实证分析了孵化器培训效果。Dahms、Sven(2016)实证研究了大学与企业孵化器之间的制度差异。Han、Junghee(2016)针对技术转让,对韩国135所大学采用负二项回归分析实证研究表明,专利、技术转让专家、毗邻大学的公司、大学孵化器、生产力研究等均与技术转让正相关。为此,大学应该进行合作研究,尤其是应与私营企业进行合作研究。Vanderstraeten、Johanna对166家巴西孵化器数据的实证研究表明,定制化服务是一类重要中介,对在孵企业的存活和生长具有重要影响。Schmidt、Serje(2014)针对孵化器和科技园如何实现资源互补、培育创新生态系统能否促进地区发展及园区与孵化器研发强度是否比外部企业更强等问题,提出了一个新概念框架。Kurowska-Pysz、Joanna(2014)提出孵化器应重点培育企业家未来管理能力,以让创业者在离开孵化器后能独立开展业务。

国内对孵化器与虚拟孵化器刺激变量的研究以定性为主,实证研究有待加强。众多学者发现,孵化器性质、出资额、孵化器面积、管理人数、管理团队领导力、服务投入、基金总额、增值服务种类、政府支持、从业人数、专业机构合作数、组织活动数等因素对企业产出绩效有影响。总之,目前大部分学者多从单一方面考虑各种外部环境对孵化器的影响,缺乏对虚拟孵化器复杂适应系统概念内涵的分析与维度界定,也缺乏对虚拟创业孵化器复杂性测量的进一步建构。

根据实践提炼并经文献研究印证,本文共界定23种随机刺激变量作为虚拟创业孵化器的“可能刺激变量”,由其构成调研问卷并进行实证分析与对比的基础,具体如表2所示。

表2经实践提炼文献研究印证的23种可能刺激变量

var1孵化器名称多份文献表明,孵化器要以品牌为导向进行经营管理,不同孵化器名称体现不同价值var2孵化器性质姜蕾[1]将孵化器分为政府主导型、大学科技园型、企业主导型。王红卫[2]将其分为政府投资、政府管理;民间投资、政府资助、政府管理;民企与政府共同投资,政府政策扶持;企业投资,政府与投资方联合管理;企业投资、企业管理、政府监督等类型。刘晓英[3]将虚拟科技孵化网络分为事业化、事业企业化和企业化3种var3出资额范秋芳等[4]认为,官产学合作、“一校一园”和“多校一园”等模式的背后是资源与出资额不同var4孵化器面积王素芬等[5]研究指出,物理孵化器所占面积相对较大,而孵化器向网上虚拟方向发展则不必占太多面积var5管理人数潘冬梅[6]将高效企业孵化器运行结构分为5个要素,其中第一要素是管理人员与专业技术人员。刘晓英认为,科技孵化网络运营构成主要包含以下几个要素:孵化网络管理者、作为知识来源的研究机构及人员、孵化器、在孵企业、政府和中介机构,这些要素与孵化器运营密切相关var6管理团队领导力赵黎明等[7]肯定了虚拟科技孵化器管理团队领导力,认为应建立责权明确的组织模式及灵活高效的管理运作体系,从而使虚拟科技孵化器运作更加科学和完善var7孵化器总收入可作为因变量之一var8孵化器服务投入Eettwiler(2006)与McAdam(2006)均在实证研究中发现,在孵企业高效使用孵化器资源与服务器投入及设施相关var9自设孵化器基金总额孵化器自身拥有种子资金和发展起来的风险投资基金,有利于孵化器自身生存与发展,提高其综合竞争力[8]var10基础服务种类英国企业孵化中心(UKBI)认为,很多孵化器是虚拟创业孵化器与物理孵化器的组合体。根据调研,91%的企业孵化器对其客户提供某种有形环境,9%的企业孵化器是纯虚拟的,31%是两者的结合。Chan(2005)认为,虚拟创业孵化器虽然不提供相对低廉的办公空间、秘书服务、会议设施、餐厅、汽车停放场地和IT设施,但其同样可以提供专业商业和咨询服务,包括商业计划、领导力、市场和销售培训及一对一指导、人力资源、创业培训、业务开拓建议、财会、法律事务、广告和金融等服务var11增值服务种类共享办公空间可以减少间接费用共享支持服务、专业商业支持和咨询,内部和外部网络供应对孵化器运营至关重要[9]。王素芬(2009)初步研究了虚拟创业孵化器盈利模式,认为其包括孵化企业会员制、应用软件租用、专项服务、产品展示、网上广告等var12政府支持资金孙亚芳等(2006)指出,孵化器将从获取政府资金支持上开始向由孵化器经营者自身获取资金方向发展。在这种形势下,孵化集团将实现以产业孵化、产业升级及与区域和城市经济融合为主题的价值链延伸,使创业园脱胎换骨var13在孵企业总收入可作为因变量之一var14在孵企业个数对在孵企业的筛选,研究者包括Merrifield(1987)、Schwartz和Hornych(2008)等var15在孵企业研发总投入潘冬梅认为,高效企业孵化器运行与研发总投入相关var16在孵企业从业人数在孵企业从业人数是孵化器经济功能指标之一[10]var17在孵企业融资总额Beverland和Lockshin(2001)指出,小公司在资源成熟阶段比在早期生存阶段融资更稳健var18获融资企业数Hughes[11]从资源集聚活动和战略网络两个维度构建了一个价值矩阵,获得融资企业数是孵化器的重要指标var19当年毕业企业个数可作为因变量之一var20专业机构合作数Hansen(2000)和Jou(2001)等研究了在孵企业与其它组织间的关系。刘晓英(2006)实证分析表明,专业机构合作数对虚拟创业孵化器与网络发展有重要作用var21组织活动数孵化器组织活动数是孵化基地的重要评价指标var22组织活动吸引企业数Mian(1997)构建了一个大学科技孵化器综合评价模型,该模型主要考察管理政策和效果,其中效果包括组织活动效果var23孵化器虚实虚拟与实体是两种不同的孵化器,此项可作为量化分析条件之一

2 研究思路与模型借鉴

由于新型虚拟创业孵化器是在互联网、移动互联网成熟条件下催生的新生事物。因此,本文因地制宜,借鉴CAS刺激-反应模型,利用简化逻辑分析法处理样本并对其进行检验,对北京地区孵化器进行实证分析,以得出有益结论。

CAS刺激-反应模型即复杂适应系统理论下(以下简称CAS理论)的刺激反应模型。该理论最初由Holland教授于1994年提出,他认为复杂适应系统具有聚集、流等特性,适应性造就了复杂性。复杂适应系统(CAS)理论认为,主体与依存的环境间具有互动作用。刺激-反应模型是CAS理论的研究方法,其由探测器、图式集(if…,then…)和效应器构成。该模型认为,主体可接受刺激的反馈结果,并由此修正反应规则。孵化器系统可通过学习与创新、多主体间资源分配协调、进化来适应环境。主体与环境是上下两个层次之间的关系,在特定环境下,主体对环境的各种刺激变量作出反应,主体具有自适应能力,不只是简单的转化与过渡。正是由于主体的主动适应性,形成了系统不断演化的内在动因[12-16]

本文借鉴CAS刺激-反应模型,研究思路体现为以下3点:

(1)研究对象选取与调研。本文以北京市创业孵化器为研究对像,对可能产生刺激的23个变量,通过实地调研访谈与发放问卷等形式采集数据,形成数据样本。通过反复甄别,将可信数据输入数据库。

(2)采用简化的逻辑体系。基于CAS理论,刺激变量都处在同一层次上[17]。本文将各种随机刺激变量直接作用于虚拟创业孵化器系统,而不是将刺激变量先分为若干一级指标,再下设若干二级指标或三级指标。为此,本文刺激变量体系是简化的逻辑体系,只有一个层次。同时,本文在实践提炼及文献调研的基础上,提出各种可能的随机性刺激变量,并有针对性地形成统一问题与问卷进行调研,再在此基础上进行实证分析。

(3)采用合适工具与模型。本文采用基于Stata软件的模型进行实证分析。根据 CAS理论,本文构建的虚拟创业孵化器系统刺激-反应模型如图1所示。刺激流由“产、学、研、政、商、中介”等主体提供,经探测器后,传达到虚拟创业孵化器主体的图式集中进行反应,输出正反馈与负反馈到效应器中产生行动,效应器反过来又影响发出刺激流的各主体。

3 变量筛选、研究假设与调研设计

基于以上思路,本文整理出环境中可能存在的23个随机刺激变量,并假设其对虚拟创业孵化器系统具有显著影响作用。

图1 虚拟创业孵化器CAS刺激-反应模型

3.1 刺激变量筛选与相关性分析

本文将23个变量分别定义为var1-var23,如表1所示。var1孵化器名称、var2孵化器性质为字符串变量,不用于实证分析,将其作为参考变量。var23孵化器取值为1或0,作为条件变量。其余20个变量都是定距变量。因变量有3个,包括var13在孵企业总收入、var7孵化器总收入、var19当年毕业企业个数,经相关性分析和初步实证运行,排除var7与var19,只选择var13作为自变量。在软件Stata 13.0中,使用简单相关分析法,对其它相似变量在相关性置信水平为99%时进行显著性检验,并根据初步实证分析,本文进一步排除了var3、var9、var10、var11、var17等变量。排除理由如下:var3出资额是企业注册时用的资金,大多常年在账面上保持不变,故不用于实证分析;var9自设孵化器基金总额同上,也不用于实证分析。var10基础服务种类、var11增值服务种类在调研后发现数据大多一致,因无区别不用于实证分析。var17在孵企业融资总额鉴于企业保密原因,数据不可信而不用于实证分析。

3.2 刺激变量选取

基于上述筛选与分析,本文最终留下用于实证分析的变量如下:var13在孵企业总收入、var4孵化器面积、var5管理人数、var6管理团队领导力、var8孵化器服务投入、var12政府支持资金(不包含在孵企业研发总投入)、var14在孵企业个数、var15在孵企业研发总投入、var16在孵企业从业人数(不包含管理人数)、var18获融资企业数、var20专业机构合作数、var21组织活动数、var22组织活动吸引企业数、var23孵化器虚实,这些变量均可独立作为变量。实际选择变量如表3所示。

根据上述筛选出的刺激变量,本文设定如下假设:

H1:var4孵化器面积与虚拟孵化器效果相关;

H2:var5管理人数与虚拟孵化器效果相关;

H3:var6管理团队领导力与虚拟孵化器效果相关;

H4:var8孵化器服务投入与虚拟孵化器效果相关;

H5:var12政府支持资金与虚拟孵化器效果相关;

H6:var14在孵企业个数与虚拟孵化器效果相关;

H7:var15在孵企业研发总投入与虚拟孵化器效果相关;

H8:var16在孵企业从业人数与虚拟孵化器效果相关;

H9:var18获融资企业数与虚拟孵化器效果相关;

H10:var20专业机构合作数与虚拟孵化器效果相关;

H11:var21组织活动数与虚拟孵化器效果相关;

H12:var22组织活动吸引企业数与虚拟孵化器效果相关。

表3实际变量选取

变量变量分类 变量性质及与其它变量相关性var13在孵企业总收入因变量定距,不相关var4孵化器面积自变量定距,不相关var5管理人数自变量定距,不相关var6管理团队领导力自变量定距,不相关var8孵化器服务投入自变量定距,不相关var12政府支持资金自变量定距,不相关var14在孵企业个数自变量定距,不相关var15在孵企业研发总投入自变量定距,不相关var16在孵企业从业人数自变量定距,不相关var18获融资企业数自变量定距,不相关var20专业机构合作数自变量定距,不相关var21组织活动数自变量定距,不相关var22组织活动吸引企业数自变量定距,不相关var23孵化器虚实条件变量是虚拟孵化则取值为“1”,否则取值为“0”

3.3 问卷调研

本文基于23个“可能刺激变量”设计调查问卷。问卷分成基本情况调查与选择题和开放题两大部分。其中,基本情况调查包括孵化器基础条件、孵化器经营情况、孵化器服务投入与孵化基金、孵化器服务内容、孵化器获得各级政府资金支持情况5张表格,选择题与开放题包括孵化器优势条件、孵化器面临的主要问题等8个小项。选择目标孵化器与初创企业共发放调查问卷430份,回收385份,回收率为89.5%;对385份回收问卷进行甄别,最终合格问卷为379份。对采集到的进行数据编码,并将其输入软件形成数据库,用于实证检验与统计比较。

4 有效性检验与实证分析

本文分别以var13在孵企业总收入作为因变量,以“var23孵化器虚实=虚拟”为条件变量进行回归分析。以表3中其它变量为自变量,建立数量分析模型,如式(1)所示:

因变量=F(var3, var4, var5, var6, var8, var9, var10, var11, var12, var14, var15, var16, var17, var18, var20, var21, var22)

(1)

运用普通最小二乘回归分析法回归,并分别执行因变量拟合值、回归模型估计残差,绘制残差与回归得到拟合值的散点图以探究是否存在异方差,运用怀特方法检验数据是否存在异方差,运用BP检验得到的拟合值探讨数据是否存在异方差,得到相应分析结果。

表4是使用逐步回归分析法,以var13为因变量,其余为自变量进行多重回归的结果。从中可以看出,共14个变量参与分析,模型的F值=18.2,P值(Prob>F)=0.001 2,说明模型整体效果比较显著。模型的可决系数(R-squared)为0.955 0,模型修正的可决系数(Adj R-squared)为0.902 5,说明模型解释能力较好且比较完美。经过5次剔除, 先后剔除var22、var15、var21、var8、var4变量后得到最终结果及最终回归模型。在最终回归模型中,var16、var5、var6、var18、var12、var14、var20等变量系数比较显著, t值、P值和置信区间符合回归分析要求,先后表明并不拒绝H8、H2、H3、H9、H5、H6、H10

表4回归结果

p=0.4416≥0.1000removingvar22p=0.3772≥0.1000removingvar15p=0.1226≥0.1000removingvar21p=0.4163≥0.1000removingvar8p=0.4070≥0.1000removingvar4var13Coef.Std.Err.tp>︳tvar16 35.722347.06942915.060.002var5-10907.363193.634-3.420.014var68679.6331218.3417.120.000var189493.0922216.144.280.005var12284.594141.60842.010.091var14-1707.555308.3085-5.540.001var2022196.693588.7246.190.001_cons-15517228450.02-5.450.002

本文通过回归分析得到残差序列。分析可知,残差并未随拟合值大小不同而不同,而是围绕0上下随机波动。因此,数据很可能不存在异方差,但需要首先采用怀特方法进一步检验(怀特检验的原假设是数据为同方差)。检验P值为0.673 5,非常显著地接受了同方差的原假设,认为不存在异方差。其次,利用BP检验结果得到的拟合值对数据进行方差检验(BP检验的原假设是数据为同方差),得出P值为0.525 3,非常显著地接受了同方差的原假设。再次,利用方程右边的解释变量对数据进行异方差检验,得出P值为0.946 0,亦非常显著地接受了同方差的原假设。多重检验结果表明,本文不存在异方差,不需要进行异方差检验。

对虚拟创业孵化器部分因变量拟合值进行预测。因变量预测拟合值yhat是根据自变量值和得到的回归方程计算出来的。剔除完全不合理的个值后,得到因变量拟合值预测,如图2所示。从中可以看到,yhat值与因变量var13实际数值及趋势相近,拟合回归模型能反映实际趋势。

图2 部分因变量拟合值预测

5 “可能刺激变量”有效性检验结果

虚拟创业孵化器系统是受多个刺激变量影响的复杂适应系统。鉴于虚拟创业孵化器是在“互联网+”条件下兴起且快速发展的组织,根据CAS理论,本文最初厘定的可能相关变量共23个,其中2个是字符变量不用作自变量,1个只能作为条件变量,3个因变量中排除2个,鉴于无法统计、线性相关等原因排除5个自变量,实际可用于实证分析的变量为:1个因变量、12个自变量、1个条件变量。12个自变量在实证分析中被程序剔除5个,最后保留7个。即可能相关变量经排除、筛选、剔除、回归分析与检验后,如公式2所示:

var13=F(var16, -var5, var6, var18, var12, -var14, var20)

(2)

由公式2可知,筛选后的12个变量中有7个刺激变量通过显著性检验,证明目前这些变量对虚拟创业孵化器系统能产生显著性刺激。值得一提的是,鉴于虚拟孵化器是互联网背景下的新生事物,本文探索性实证分析模型有待优化。

基于实证分析结果,本文将刺激变量分为以下3类:

(1)正反馈刺激。由检验结果可知,var13在孵企业总收入与var16在孵企业从业人数、var6管理团队领导力、var18获融资企业数、var12政府支持资金、var20专业机构合作数存在正反馈显著关系。从业人数越多、管理团队领导力越强、获融资企业数越多、政府支持资金越大、专业机构合作数越多,则虚拟创业孵化器系统孵化效果越好。

(2)负反馈刺激。检验发现,var13在孵企业总收入与var5管理人数、var14在孵企业个数呈负反馈显著关系。这意味着,管理人数越多、在孵企业个数越多并不意味着能增加产出,反而是负反馈越来越明显。因此,并非管理人数越多越好,也不是孵化企业数越多越好,而是要有最佳管理幅度与最佳孵化企业数量。

(3)弱反馈刺激或无反馈刺激。var22组织活动吸引企业数、var15在孵企业研发总投入、var21组织活动数、var8孵化器服务投入、var4孵化器面积先后被剔除,说明其对虚拟创业孵化器系统的刺激呈弱反馈或不反馈。这些变量不反馈表明虚拟创业孵化器系统本身的复杂性。根据CAS理论,虚拟创业孵化器系统主体是“活”的,刺激是随机的,当某个刺激流发生变化时,其反应规则也是随机的,即选择正反馈、负反馈或弱反馈是随机的,但在一定的刺激流下,其发展方向却是确定的。这些变量在实证分析中之所以未呈现出正反馈或负反馈,本文认为应当是对这些变量未有效施以刺激。例如,以var15在孵企业研发总投入为例,研发总投入并非越高刺激越大,而是以有效研发投入衡量。至于其它变量之所以无反馈,其原因也类似,即并未对有效投入进行刺激,或者虽然是有所投入,但在“互联网+”背景下,刺激模式进一步复杂化,由于存在模式缺陷等原因,投入的刺激变量并未真正发挥作用。因此,投入呈现出不反馈,也即业界所说的“在互联网形势下钱更易打水漂”。这也说明,在“互联网+”背景下,环境中参与主体的刺激作用变得更加不确定。

6 “有效刺激变量”强弱性比较

本文将调研得到的北京市虚拟创业孵化器与实体孵化器数据按实体与虚拟分类,通过SPSS软件整理输出结果,比较虚拟创业孵化器与实体孵化器,如图3所示。

通过对比分析,本文将“可能刺激变量”分为以下3类:

(1)优势刺激变量。其在图3中用圆圈表示。虚拟创业孵化器可能优势刺激变量包括占地面积较少、管理人数较少、出资额较多、孵化器服务投入较多、自设孵化基金总额较大、在孵企业个数较多、获融资企业数较多、组织活动吸引企业数较多等。占地面积上,虚拟创业孵化器仅占实体孵化器的8%,体现了虚拟孵化占地面积较少的特点。从绝对数字上看,虚拟创业孵化器平均面积为2 234m2,也即普通写字楼一层即可,而实体孵化器平均面积为28 481m2,需要一整栋楼或4个足球场单层占地面积。管理人数上,因为虚拟创业孵化器占地少,所以管理人数仅为实体孵化器的52%,孵化器自身总收入占实体孵化器的53%。在孵企业数量上,虚拟创业孵化器在孵企业个数是实体孵化器的126%。自设基金总额上,虚拟创业孵化器自设基金总额平均值较高,是实体孵化器的38.3倍。这意味着,虚拟创业孵化器更有财力直接投资于入选项目,这是虚拟创业孵化器的一种资金优势,而且其进行服务投入的积极性也较高。服务投入上,虚拟创业孵化器服务投入比实体孵化器高,是实体孵化器的185%。

(2)同等刺激变量。其在图3中用三角形符号表示。从基础服务种类与增值服务种类看,两者提供的服务类型基本相同。即在服务种类上,虚拟创业孵化器并不比实体孵化器少,也即面积虽然减少,但服务种类并未减少。在孵企业研发总投入、在孵企业从业人数、组织活动数、当年毕业企业个数等数值均比较接近,说明虚拟创业孵化器培育的企业在个数、毕业数、研发总投入与就业人数方面均与实体孵化器相当。

(3)劣势刺激变量。其在图3中用正方形表示。包括在孵企业总收入较低、孵化器总收入较低、专业机构合作数较少、政府支持资金较少、管理团队领导力较弱、在孵企业融资总额较低。从比较数据上看,这些刺激变量目前处于劣势。在孵企业总收入方面,虚拟创业孵化器是实体孵化器的23%,说明虚拟创业孵化器中的在孵企业总收入较低、规模较小。而由于虚拟创业孵化器自身规模也相对较小,所以受专业机构的青睐也比不上实体孵化器,政府给予的资金支持也较少。

从在孵企业融资总额看,虚拟创业孵化器融资平均为10 703万元,为实体孵化器的77%。但虚拟创业孵化器获融资企业数平均为21家,是实体孵化器的201%。这意味着,在虚拟创业孵化器获得融资的企业是实体孵化器的两倍,同时获得融资额相对偏小,为实体孵化器获得融资额的38%,这是由虚拟创业孵化器资产偏轻等特点决定的。另外,从单位面积绩效上看,虚拟创业孵化器在孵企业总收入平均值是实体孵化器的23%,但面积只相当于8%。也即,虚拟创业孵化器单位面积绩效是实体孵化器的近3倍。概言之,虚拟创业孵化器在占地面积仅相当于实体孵化器8%、政府支持资金仅占实体孵化器27%的前提下,实现了单位面积绩效是实体孵化器的近3倍,且虚拟创业孵化器解决就业人数能力与实体孵化器大体相当。从这些数据看,虚拟创业孵化器具有占地面积较少、效率较高与成本较低等明显优势,值得社会大力支持。但以上仅是对比分析数据,如何有效刺激虚拟创业孵化器发展还需要作综合界定与分析。

图3 虚拟创业孵化器与实体创业孵化器比较图

7 刺激变量综合界定与对策建议

本文通过对可能刺激变量的筛选甄别、有效性检验、强弱性比较,得到综合界定的刺激变量,如表5所示。由表5对比,本文构建了刺激变量有效性与强弱性坐标,如图4所示。其中,横坐标轴代表实证检验后的有效性,分为正反馈、不反馈(弱反馈)、负反馈3个层次;纵坐标轴代表与传统创业孵化器统计比较的强弱性,分为优势性、同等性、劣势性3个层次。坐标图共分为9个象限,本文将其定义为1-9象限。其中,第1象限是最优象限。由图4可推导出各刺激变量的特征分类与应对策略。

(1)优势性-正反馈刺激变量:重点刺激。该类变量位于坐标图第1象限,即最优象限。目前,虚拟创业孵化器与传统创业孵化器相比,处于优势地位并确定为正反馈的刺激变量为var18获融资企业数。这说明,基于互联网的创业企业受到社会风险投资的欢迎与追捧,在孵互联网企业获得了比传统企业更多的投资机会。对于处于第1象限的刺激变量,其应对策略为重点刺激。

表5刺激变量综合界定

随机刺激变量与实体孵化器对比相关结论与实证结果var3出资额优势排除var4孵化器面积优势不反馈或弱反馈var5管理人数优势负反馈var6管理团队领导力劣势正反馈var7孵化器总收入优势因变量var8孵化器服务投入优势不反馈或弱反馈var9自设孵化器基金总额优势排除var10基础服务种类同等排除var11增值服务种类同等排除var12政府支持资金劣势正反馈var13在孵企业总收入同等因变量var14在孵企业个数优势负反馈var15在孵企业研发总投入同等不反馈或弱反馈var16在孵企业从业人数同等正反馈var17在孵企业融资总额劣势排除var18获融资企业数优势正反馈var19当年毕业企业个数同等因变量var20专业机构合作数劣势正反馈var21组织活动数同等不反馈或弱反馈var22组织活动吸引企业数优势不反馈或弱反馈var23孵化器虚实--

图4 刺激变量有效性与强弱性坐标

(2)同等性-正反馈刺激变量:维持刺激。该类变量位于坐标图第2象限。从中可见,处于同等地位并确定为正反馈的为var16在孵企业从业人数。这表明,虚拟孵化器吸引了与实体孵化器同等数量的从业人员,其对解决社会就业与实体孵化器无本质区别,且就业人数越多,虚拟孵化器产出越多。处于第2象限的刺激变量,其应对策略为维持刺激。

(3)劣势性-正反馈刺激变量:强化刺激。该类变量位于坐标图第3象限。从中可见,该类变量目前有3项,分别为var6管理团队领导力、var12政府支持资金、var20专业机构合作数。这些刺激变量对于虚拟创业孵化器系统来说,其应对策略为强化刺激,即急需强化刺激该类变量,以改变其劣势地位。具体而言:一是提高管理团队领导力。目前,虚拟创业孵化器管理团队领导力水平整体不高。因此,应提高其整体薪资水平,吸引更优秀的管理团队加入虚拟创业孵化器;二是加大政府资金支持力度。当前,虚拟孵化器接受政府资助水平仅相当于实体孵化器的28%,需要政府在绩效评价的基础上对虚拟创业孵化器提供资金扶持或政策优惠;三是增加专业机构合作数。当前,虚拟孵化器各类专业服务中介偏少,需要大力增加包括提供商业计划书、领导力、人力资源开发、法律事务、会计财务、金融资本、市场开拓、销售技巧、广告营销等专业服务的中介合作单位数量,提高虚拟创业孵化器系统专业服务水平。

(4)优势性-负反馈刺激变量:适度刺激。该类变量位于第7象限。从中可见,落入该象限的为var5管理人数、var14在孵企业个数。统计数据表明,虚拟孵化器管理人数较少,平均规模的虚拟孵化器管理仅需要3~5人,超过这一幅度,随着管理人数的增加,管理有效性下降。同理,在孵企业个数也要根据虚拟创业孵化器承载规模确定最佳承载数量,而并非孵化数量越多越好。对于该象限的刺激变量,其应对策略是根据不同虚拟创业孵化器的实际效率采取适度刺激,即通过增加或减少管理人数或在孵企业数量实现优化。

(5)其它刺激变量:保持观望或不刺激。var4孵化器面积、var8孵化器服务投入、var22组织活动吸引企业数位于第4象限,属于优势性-不反馈(弱反馈)变量。var15在孵企业研发总投入、var21组织活动数位于第5象限,属于同等性-不反馈(弱反馈)变量。对于落入这两个象限的刺激变量,其孵化效果因个体不同而差异较大,其背后形成机理复杂并有待研究。目前的最佳应对策略建议为保持观望或暂不实施刺激。

综上所述,经过对23个“可能刺激变量”的筛选甄别、实证比较,本文认为,在虚拟创业孵化器系统中,存在资金资源输入、知识信息输入、强弱变化、效果有效性等多种不平衡。受各种刺激变量的影响,虚拟创业孵化器系统呈现出从不平衡到平衡、再到不平衡的动态演化过程。在23个“可能刺激变量”中,从业人数、管理团队领导力、获融资企业数、政府支持资金、专业机构合作数与虚拟创业孵化器绩效存在显著正相关关系,属于正反馈刺激变量,从而验证了“产、学、研、政、商、中介”六大参与主体对虚拟创业孵化器起正向有效刺激作用,但对该类变量应限定在正反馈刺激上。综合分析结论表明,参与主体中的“产”是指虚拟孵化器平台上的初创企业群,其要求虚拟创业孵化器平台不断创造机会吸引从业人数加入;能吸引优秀管理人才加盟,以提高自身管理团队领导力;要保持最佳孵化企业数量,而不是使孵化数目过多;同时,还要有效控制管理层幅度,而不应设立过多的管理人员,这与传统创业孵化器需要较多管理人数形成鲜明对比。“中介”是指虚拟孵化器系统中的各类外包、众筹、融资等机构,尤其是重点加强与众筹、融资中介的合作,尽力提高获融资企业比例。“政”是指各级政府提供不低于传统创业孵化器水平的扶持资金或优惠政策。“学、研、商”是指进一步增加在“学、研、商”等方面的专业机构合作数量,并不断提高其专业化水平。

参考文献:

[1] 姜蕾. 虚拟科技孵化器的运营模式研究[D].大连:大连理工大学,2005.

[2] 王红卫,等. 科技企业孵化器运营模式创新研究[J].科技管理研究,2010(16):98-101.

[3] 刘晓英. 虚拟科技孵化网络构建研究[J].中国软科学,2007(11):11-18.

[4] 范秋芳,等. 青岛高新区创新型科技园区的运行模式[J]. 中国石油大学学报:社会科学版,2013, 29(5):60-64.

[5] 王素芬,等. 网上虚拟创业孵化器系统建设与应用模式探讨[J]. 科技成果纵横, 2010(1):19.

[6] 潘冬梅. 高校企业孵化器管理模式及运行机制创新研究[D].武汉:华中农业大学,2006.

[7] 赵黎明,等. 基于外部治理的虚拟孵化器与创投的合作研究[J]. 科学学与科学技术管理,2011(11):100-104.

[8] 郑孝国. 孵化器投融资模式探讨[J]. 福建论坛:人文社会科学版,2006(6):22-25.

[9] ANNA BERGEK,CHARLOTTE NORRMAN. Incubator best practice:a framework[J]. Technovation, 2008,28(1-2):20-28.

[10] 陈芝,朱常利,聂荣喜,等. 科技企业孵化器评价指标体系的研究[J]. 财经理论与实践(双月刊),2009, 30(160):104-107.

[11] HUGHES M,IRELAND R,MORGAN R. Stimulate dynamic value:social capital and business incubation as a pathway to competitive success [J].Long Range Planning,2007,40(2):154-177.

[12] 陈禹. 复杂适应系统(CAS)理论及其应用——由来、内容与启示[J]. 系统辩证学学报,2001, 4(9):35-39.

[13] 田钢,等. 基于刺激-反应模型的集群创新网络形成机理研究[J]. 管理评论, 2009, 21(7):49-55.

[14] 赵黎明,等. 综合孵化系统自适应机制研究——基于CAS刺激-反应模型[J]. 天津大学学报:社会科学版,2012, 14(5):385-389.

[15] 吕鸿江,等. 商业模式结构复杂性的维度及测量研究[J]. 中国工业经济, 2012(11):110-122.

[16] 朱仁显,等. 公益型社会组织孵化的厦门模式[J]. 国家行政学院学报, 2016(4):41-46.

[17] 约翰·H·霍兰. 隐秩序: 适应性造就复杂性[M].周晓牧,译.上海:上海科技教育出版社,2000.

AnEmpiricalStudyontheInfluenceFactorsofVirtualIncubatorbasedonCASStimulus-ResponseModelandStatisticalData

Lv Bo

(Business School, Beijing Wuzi University, Beijing 101149,China)

Abstract :Under the "Internet +" situation, 23 "potentially Stimulate variables " were proposed in the virtual incubator system based on the comparative study between virtual business incubator and traditional business incubator through literature research and verification. Then, the paper refered to the stimulus- response model in the theory of complex adaptive system, and took the new incubators in Beijing as the research object, and carried out the validity test and the weakness verification. The results show that under the "Internet +" the functions of the Stimulate variables on the virtual incubator system are characterized by six kinds of features such as positive feedback, negative feedback, no feedback (weak feedback), superiority, equivalence and inferiority. In addition, this paper constructed the quadrant chart and put forward different management strategies for different quadrants based on the effectiveness and strength of the Stimulate variables.

Key Words:Internet Plus; Virtual Incubator; Stimulus-Response Model; Stimulate Variables

收稿日期:2017-05-04

基金项目:北京市社会科学基金重点项目(17GLA007);北京市自然科学基金项目(9142005);北京物资学院科研工作支持项目(05416049)

作者简介:吕波(1973-),男,山东莱芜人,博士,北京物资学院商学院副教授,研究方向为创业孵化器。

DOI:10.6049/kjjbydc.2017030182

中图分类号:F272.2

文献标识码:A

文章编号:1001-7348(2018)02-0017-09

(责任编辑:王敬敏)