为高质量落实“双创”相关政策,更好地发挥科技创新引领作用,应加快推进科技成果转化,提高科技人员创业活跃度。2020年,李克强总理在出席全国大众创业万众创新活动周启动仪式时强调,创业创新是国家赢得未来的基础和关键。作为“双创”主力军的科技人员,具有高学历、高知识、高能力、高经验等特质,这些特质有助于提高其创业成功率。然而,目前科技人员创业动力明显不足,调查显示,我国科技人员创业率仅为2.5%[1]。究竟是何原因造成我国科技人员创业率低?又该如何提升科技人员创业活跃度?上述问题成为当前亟待解决的重要课题。
活跃度概念兴起于互联网时代,最早用于评价某一网站用户登陆次数和在线时间,后来被广泛应用于社会科学、政治经济学等诸多领域。创业活跃度反映一个地区创业经济整体发展水平,表征该地区创业经济是否活跃,提升区域创业活跃度的根本要素是激发创业主体的创业意愿。为探究影响科技人员创业意愿的因素,国内外学者进行了一系列研究。通过梳理现有文献发现,大部分研究将影响科技人员创业意愿的因素归纳为两方面,即内部因素和外部因素。其中,内部因素主要是指科技人员个人特质,包括创业者的个人能力、性格品质等;外部因素则主要是指科技人员所处创业环境,包括政策环境、投资融资环境、营销体系和创业教育等[2]。近年来,学者们对科技人员创业意愿影响机制的研究成果颇为丰富,但大部分学者仅关注单一变量对科技人员创业意愿的影响,忽略了各变量之间的协同作用,而创业环境是一个由多种要素构成的复杂概念,内外部环境要素协同发挥作用。
定性比较分析法从整体视角研究问题,认为变量中任何一部分都不是孤立存在的,每一个要素发生改变,都会连带整体的变动,从而改变每个要素的影响[3]。本文从组态视角探究创业环境如何影响科技人员创业活跃度,运用fsQCA方法分析中国内地27个省市样本数据,从市场环境、政策服务环境、融资环境和创业文化4个维度,选取有代表性的8个变量,探究影响科技人员创业活跃度的条件组态和路径。
任何社会群体创业都需要依托特定环境,因此创业环境很大程度上能够对创业活跃度产生影响。创业环境是指创业主体(创业者和创业企业)必须适应的一系列外部条件[4],本质上是一种制度环境,主要包括规范制度、规制制度和认知制度3个维度[5]。其中,规范制度主要与文化、社会规范有关,表现为社会对创业主体和活动的尊重程度;认知制度与人们的知识、技能和信息获取有关;规制制度则包括法律、制度、规定和政府政策等促进与限制行为[6]。
近年来,伴随“大众创业、万众创新”不断推进,创业环境研究日益受到国内学者关注。部分学者基于中国情境,从规范制度、规制制度和认知制度3个维度研究国内创业环境。同时,也有学者从制度、市场和文化3个方面界定创业环境,其中,制度环境是正式规制部分,文化则是非正式规制部分,市场环境也能在一定程度上反映为非正式认知维度[7]。
环境本身囊括了对个体行为产生影响的一切过去、现在和将来的人、事、物等全部社会存在,是一个抽象概念。为系统评估环境并进行更深入的研究,大部分学者将创业环境划分为不同维度的环境要素,即将创业环境要素看作创业过程外部影响因素的集合[8]。目前,国内外学者对创业环境要素构成各执己见,尚未形成共识,具体见表1。
表1 创业环境要素构成主要研究成果
研究人员提出时间创业环境要素Bloogood&Sapienza1955支持资源(客户、经济、政策以及个人家庭等资源)、供应商资源Bruno&Tyebjee1982市场、消费者、劳动力资源、政府的干预、人们消费水平等12项构成要素Gnyawali&Fogell1944将创业环境视为一个系统,提出五维度模型Deborah&Maekley2002社会创业氛围、政府政策、基础设施建设GEM(全球创业观察)2002金融支持、政府政策、政府项目、教育和培训、研究开发转移、商业环境和专业基础设施、国内市场开放程度、实体基础设施的可得性、文化及社会规范Scott2003政治、经济、社会文化环境蔡莉2007构建以创业资源需求与供给为基本关系的研究模型郑炳章2008提出内部创业环境、宏观环境、市场环境和自然环境4个子系统构成张秀娥2010资源要素、嵌入型要素环境蔡晓珊和陈和2014社会经济条件、资本市场、教育、知识产权制度、社会文化和基础设施宋鸿2016最关键要素(金融支持、政府政策、商业和专业基础设施)、相对关键要素(文化与社会规范)、次级关键要素(教育与培训)、政非关键要素(府项目支持、市场进入壁垒和有形基础设施)李梦园2017指出创业环境要素中最关键的是基础设施、政府政策和金融支持许多2018指出创业生态系统是由参与主体和环境要素两部分构成,其中,环境要素主要包括基础设施、文化、自然环境和市场环境王海花等2020创业环境包括技术供给环境、创业培训环境、平台合作环境和金融支持环境
综上,创业环境是一个由多种要素构成的复杂概念,环境内部各要素协同作用,形成区域创业生态系统。创业生态系统具有地区环境依赖性,即创业质量较高的企业往往聚集在资源条件独特的区域[9]。国内外学者对创业环境进行了深入研究,成果丰硕,但大多关注创业生态中单个要素对创业活跃度的影响,忽略了创业是一个动态复杂的过程及内部各要素之间的相互作用。
现有关于创业活跃度影响因素的研究主要针对大学生和返乡农民工两类人群,从个人特质视角、认知理论视角和创业环境视角展开研究。如钟云华等[10]认为,个体特质中,性别、创业经历和社会实践是影响大学生创业意愿的显著因素;Ajzen[11]以认知理论为基础构建创业模型,具有代表性的是计划行为理论模型;杨洁[12]单独对创业政策和创业教育进行分析,证实创业政策和创业教育与创业意愿正相关。科技人员是“双创”主力军,但目前针对科技人员创业活跃度影响因素的研究却十分有限。现有文献大多基于2015年中国科协开展的全国科技工作者创新创业调查结果进行研究,该调查抽取来源于科研院所、高校、企业等不同科技工作者群体的2万名科技人员作为样本,进行问卷调查。调查结果显示,尽管有60%的科技人员有创业意愿,但真正开展创业的仅有不到3%。李慷等[13]基于上述调查结果,实证研究发现,社会环境、身边创业氛围和政策知晓直接影响创业意愿,创业者学历间接影响创业意愿,而政策成效不直接或间接影响创业意愿。
本文以科技人员这一创业群体为研究对象,结合科技人员创业特征及创业环境影响因素相关研究结论,在Scott(2003)提出的创业环境构成要素基础上,选取市场环境、政策服务环境、融资环境和创业文化作为科技人员创业环境的构成要素。同时,从组态视角,采用模糊集定性比较分析方法,进一步探析各类要素间的关系与互动问题,进而探寻科技人员创业活跃度提升路径,进一步完善我国各省市科技人员创业生态体系。
本文旨在探究创业环境这一动态概念与创业活跃度的复杂因果关系,因此采用模糊集定性比较分析方法(fsQCA)。fsQCA方法是由Ragin(2000)提出的一种定性与定量相结合的方法,其基本思想是借助架构理论和布尔运算,分析多个前因变量组合对结果变量的影响,从而解释现象背后的复杂因果机制。
本文摒弃以自变量—因变量二元关系为基础的统计手段,转而运用fsQCA方法,主要出于以下考虑:首先,各地区创业活跃度受到外部环境各因素的综合影响,每个地区创业环境要素发展又具有极强的区域特殊性,而单个要素对创业活跃度的影响非常有限,只有同时考察各要素的组合影响才有较高的解释力度。fsQCA方法可以识别出导致结果产生的路径,有效解释各要素间相互作用对结果的影响。传统回归分析虽然也能处理交互效应,但一旦组态构成要素超过3项,就得不到有效解释。其次,各地区创业活跃度往往是非对称的,如传统观点认为,人均GDP是驱动地区创业活跃度提升的因素,但现实中也有个别地区在人均GDP相对较低的情况下,有着较高的创业活跃度,反之亦然。传统案例分析或回归分析很难解释这类非对称现象,而fsQCA方法综合了定量与定性方法的研究思想,善于发现权变影响,因此更加适用于处理非对称问题。第三,为识别各地区创业活跃度的影响因素,需要对典型地区进行系统分析。如果单个案例选择偏失,就会导致结果缺乏可信性。对地区的统计分析难以获得大样本数据,而fsQCA方法擅长对中小样本进行跨案例比较。最后,传统回归分析无法区分各构成要素中,哪些为核心要素,哪些为边缘要素,并且无法判断各要素是如何协同作用的。
综上所述,fsQCA方法基于整体视角,更能满足管理学中分析具有相互依赖性和因果复杂性因素的情况,且其整体性和多维度特征更适宜分析战略管理(如创业)等关键问题,同时有助于本文探索各地区创业活动背后的复杂因果本质,寻找能够激活创业的多条有效路径[14]。
组态分析主要研究变量间如何协同作用,其优势在于能够关注到变量之间的相互依赖关系。因此,变量选取是组态研究的重中之重。现有构建组态的方法大致可分为归纳法和演绎法两类,其中,归纳法要求研究者凭借已有知识储备和研究结论,判断提炼相关条件变量,而演绎法则是基于包含组态构成条件的理论框架或理论。本研究采用归纳法选取变量,目的是探求已经被证实单独对创业活跃度产生影响的变量作为组态如何发挥作用。
2.2.1 条件变量选取
Bergman&Stemberg(2007)通过对全球创业观察(GEM)德国报告中2003年前后的数据进行比较分析,提出两大类影响德国创业者创业行为的因素:个人联系因素和地区因素。现代社会中,科技人员是指以相应的科技工作为职业,实际从事系统性科学与技术知识产生、发展、传播及应用的人员。该类人群往往具有高知识、高学历、高能力等特质,其个体特质和个人认知相似性较强。资源依存理论认为,组织的必要资源不可能由内部生成,因而任何一个组织都与外部环境保持密切的互动关系。创业企业的创建、生存和发展与其可获取资源直接相关[15]。因此,本文侧重分析外部环境对科技人员创业活跃度的影响。虽然科技企业创业环境作为一般环境的外延部分,与一般创业环境类似,具有客观性、变化性、复杂性等特征,但同时具有其自身的特殊性[16]。杨贺[17]根据GEM报告中创业环境九大要素,分析出影响科技人员创业的因素,如资金因素、市场因素、政策因素和文化因素等;沙德春和孙佳星[18]认同Isenberg的要素结构理论,并提出创业生态系统外部环境主要包括文化、金融、市场、人力资本等。
由于fsQCA方法对条件的选择经常是一个试错的过程,对于中等样本研究,理想的条件个数不宜超过8个,条件增多会导致组态个数以指数倍增加。因此,条件过多很容易导致组态个数超过观察案例个数,从而出现案例的有限多样性问题[14]。考虑到本研究案例样本数为27个,本文从市场环境、政策服务环境、融资环境和创业文化4个维度,选取8个变量作为影响科技人员创业活跃度的前因变量,共同构成一个完整的科技人员创业环境生态(见表2)。
表2 科技人员创业环境生态要素的变量设计
类型名称测度指标代称结果变量创业活跃度借鉴《推进“大众创业、万众创新”政策措施落情况第三方评估报告》Y前因变量市场环境人均GDPRGDP技术市场成交额占比JSSC政策服务环境R&D项目数R&D孵化器个数FHQ科技人员创业政策法规数量ZCFG融资环境金融业总产值占比JRCZ社会融资规模增量SHRZ创业文化私营企业占比SYQY
(1)市场环境。根据产业组织学,一般从地理、商品和行业角度界定市场[19]。基于地理角度对市场环境进行评价,主要从地区经济发展、交通运输和气候情况等方面测度。经济发展较好的区域往往资金循环速度更快、消费者也具有更强的消费能力,而人均GDP最能直观反映各地区经济发展情况[20]。基于行业视角,主要从行业市场规模、供求情况和市场份额等方面对市场环境进行测度[21]。就科技人员创业市场环境而言,本文选取技术市场成交额占比测度行业规模和市场份额。
(2)政策服务环境。政策服务环境包括政策和政府服务两方面。其中,政策主要是指为提高创业活跃度,政府出台的一系列法律法规及规章制度,如为鼓励科技人员创业出台的离岗创业、科技成果三权改革以及科技人员创业税收减免等政策[22];政府服务环境主要包括创业网络、孵化器设施、政府对研发的支持力度等方面。企业孵化器不仅为创业者提供办公场所和设施,也为企业提供便捷有效的通讯工具和低成本的咨询等服务。此外,政府提供更多创业项目,可以在一定程度上增加地区创业机会,降低创业者进入壁垒,进而提升创业活跃度[23]。因此,科技人员创业政策法规数量、R&D项目数和孵化器个数可以全面反映各地区政策服务环境[24]。
(3)融资环境。融资环境主要是指创业者或初创企业对金融资源的可获得性,包括融资渠道、政府资助、创业基金、银行贷款等[25]。投资者通常倾向于将资金投入到已经成熟、回报期短、风险低的项目中,而科技企业具有高投入、高风险、投资回报期长等特征,导致商业银行和风险投资者为科技型企业提供资金的意愿不强[26]。而资金又是初创企业的必要条件,创业者无法及时有效获得资金支持,是其放弃创业或创业失败的一大重要原因[27]。社会融资规模可以反映整体经济融资情况,而金融业增加值占比是衡量区域金融发展水平的重要指标之一,反映金融业在各地区经济中的地位和发展程度,与地区融资环境呈显著正相关[28]。
(4)创业文化。创业文化是指鼓励或者阻碍人们进行创业的条件、特征和社会环境的总和[29],包括人们在创造财富、实现价值、生产生活过程中形成的社会意识形态,并在特定情境下,影响人们的思维和行为方式。“双创”氛围较好的地区,创业活跃度也较高。私营企业占比是区域创业文化的重要表征[30]。
2.2.2 结果变量选取
本文选取创业活跃度作为结果变量,并借鉴中国科协推进“大众创业、万众创新”政策措施落实情况第三方评估课题组的测量结果[31]。该课题组参考国际通用的创业评估指标体系,从创业活力、创业信心、创业环境3个维度测度创业活跃度。
本文选取2015年中国内地27个省市(其它4个省市因数据不全,未纳入统计)数据作为样本。其中,条件变量原始数据主要来源于2016年《中国统计年鉴》及各省市国民经济和社会发展统计公报;结果变量数据主要借鉴中国科协第三方评估课题组对“双创”政策措施落实情况评估结果中各省市科技人员“双创”活跃度指标,数据来源于《推进“大众创业、万众创新”政策措施落实情况第三方评估报告(2016)》。
未校准的数据仅能表明案例之间的相对位置,不能满足定性比较分析的布尔逻辑,因此在进行定性比较分析之前,需要根据相关标准,对指标值进行校准,从而使结果具有可解释性。本文通过标准校准隶属度方法解决这一问题。具体地,在进行数据校准前,需要预设3个定位点,即完全隶属、中间点和完全不隶属,校准后的集合隶属度介于0~1之间。本文根据样本数据的最小值、最大值和平均值,设定前因变量和结果变量的3个定位点,具体校准规则如表3所示。此外,根据Ragin[32]的建议,本文在校准过程中规避模糊集隶属分数为0.5的情形(结合经验证据和研究情境,将0.5改为0.49或0.51),因为这一情形会导致案例难以归类而不被纳入分析,影响分析结果。最终得到各变量校准后的模糊值,如表4所示。
表3 案例各变量校准定位点
变量定位点完全不隶属中间点完全隶属前因变量人均GDP26165.00055100.889107960.000技术市场成交额占比0.0000.0140.150R&D项目数972.00011408.48151940.000孵化器个数17.000119.296576.000科技人员创业政策法规数量0.0006.70436.000金融业总产值占比0.0380.0710.171社会融资规模增量1685.0005317.66716758.000私营企业占比0.4670.6490.875结果变量创业活跃度61.60069.60483.500
表4 各变量校准后的模糊值
RGDP(人均GDP)JSSC(技术市场成交额占比)R&D(R&D项目数)FHQ(孵化器个数)ZCFG(科技人员创业政策法规数量)JRCZ(金融业总产值占比)SHRZ(社会融资规模增量)SYQY(私营企业占比)Y(创业活跃度)北京0.9810.130.150.0810.780.531江苏0.760.0510.9510.2810.890.94广东0.510.060.7110.140.310.030.420.89浙江0.630.0110.260.50.230.3810.79上海0.950.170.20.250.310.960.650.820.73天津10.20.20.160.030.440.130.470.68福建0.510.010.20.180.140.20.320.450.67山东0.460.030.580.360.280.070.440.60.58湖北0.30.180.150.090.640.190.280.230.43重庆0.320.020.110.060.110.390.110.750.4河南0.160.010.210.190.060.120.340.010.34河北0.170.010.140.150.030.090.310.390.34四川0.130.060.110.160.080.260.330.310.32安徽0.120.060.260.160.060.140.310.510.23广西0.1100.030.050.030.170.060.740.21内蒙古0.5500.020.030.140.060.030.20.2陕西0.260.270.060.090.530.170.120.040.17江西0.130.020.070.030.030.120.150.290.16吉林0.30.010.020.130.080.020.070.240.15湖南0.20.020.110.050.1100.180.50.14山西0.110.020.020.010.280.390.010.720.12黑龙江0.160.050.040.20.080.140.0200.11辽宁0.480.060.090.10.190.20.20.480.11贵州0.050.010.010.020.030.150.180.440.11新疆0.170000.060.1700.520.04甘肃00.130.010.090.030.20.070.120云南0.030.020.040.0100.260.010.370
与传统回归不同,fsQCA方法不关注单个变量对结果的影响程度,而旨在找出导致结果变量的必要或充分条件组合。fsQCA实际分析操作包括前因条件的必要性分析、真值表构建、组合分析3个步骤。将上述校准后的模糊值输入fsQCA软件中,进行必要条件分析,结果如表5所示。充分条件是一定会导致结果发生的条件,必要条件是导致结果发生必须存在的条件,但仅有必要条件存在并不能保证结果一定发生。可以看出,R&D项目数、孵化器个数和社会融资规模增量的覆盖率水平超过0.9,因此三者是导致各地区创业活跃度水平较高的充分条件。此外,各前因条件的一致性均超过0.9,因此不存在能够导致地区创业活跃度水平高的单个必要条件。
表5 案例单个条件变量对创业活跃度必要性的分析结果
变量一致性(Consistency)覆盖率(Coverage)RGDP(人均GDP)0.7890.815~RGDP0.5860.331JSSC(技术市场成交额占比)0.2260.899~JSSC0.8990.361R&D(R&D项目数)0.5240.937~R&D0.7340.337FHQ(孵化器个数)0.4690.937~FHQ0.7990.357ZCFG(科技人员创业政策法规数量)0.4190.818~ZCFG0.8530.383JRCZ(金融业总产值占比)0.5560.814~JRCZ0.7720.375SHRZ(社会融资规模增量)0.6170.934~SHRZ0.7680.369SYQY(私营企业占比)0.7770.636~SYQY0.6340.418
注:~表示逻辑运算中的“非”
除上述3个条件变量外,其余条件变量对结果变量的独立解释能力较弱,因此有必要对其进行构型分析,找出影响创业活跃度的多种路径组合。
将8个条件变量导入fsQCA3.0软件中,并采用fsQCA模块进行运算(默认标准:一致性阈值为80%,案例频数阈值为1),得到真值表(见表6)。真值表中,数值1代表该因素水平高,数值0代表该因素水平低。对数据进行检验后发现,不存在矛盾组合,即同一种条件组合构成不同结果,说明可以继续进行后续组态分析。
表6 真值表
RGDP(人均GDP)JSSC(技术市场成交额占比)R&D(R&D项目数)FHQ(孵化器个数)ZCFG(科技人员创业政策法规数量)JRCZ(金融业总产值占比)SHRZ(社会融资规模增量)SYQY(私营企业占比)numberY(创业活跃度)rawcon-sist10111011111.00010110000110.99611000111110.99300100001110.96710000111110.95510000000300.76200001000200.71600000001500.493000000001000.385
本文对模糊集模块进行简单和困难的反事实分析,得出导致结果的复杂解、简单解和优化解。3种解反映出各自包含哪些逻辑余项、可以构成哪些反事实(counter fact)条件组合。其中,复杂解排除所有反事实组合,简单解包含大量反事实组合,中间解居中,包含一些反事实组合,但没有精简解数量多。相比于复杂解和中间解,精简解纳入困难类反事实分析,且分析结果不受研究人员假设干扰,因此本文主要根据精简解结果进行讨论和分析。
如表7所示,8个条件变量形成4种因果组合路径,总覆盖率为0.914,表明这3种组合能够解释91.4%的案例;4种因果组合路径总体一致性达0.813,说明以上分析的条件组合对结果变量具有较强的说服力。分析表7中精简解,可以得出R&D项目数、金融业总产值占比、社会融资规模增量和人均GDP*营私企业占比4个条件组合。根据创业活跃度fsQCA结果可以发现,共有4条科技人员创业活跃度提升路径(见表8),每条路径相应的区域分布如表9所示。
表7 创业活跃度模糊集定性比较分析结果
项目路径组合原覆盖率净覆盖率一致性复杂解RGDP*~R&D*~FHQ*~ZCFG*JRCZ*SHRZ*SYQY0.2710.1370.964~RGDP*~JSSC*R&D*~FHQ*~ZCFG*~JRCZ*~SHRZ*SYQY0.2340.0480.967RGDP*~JSSC*R&D*FHQ*~ZCFG*~JRCZ*~SHRZ*~SYQY0.2320.0730.996RGDP*~JSSC*R&D*FHQ*ZCFG*~JRCZ*SHRZ*SYQY0.2160.0731.000solutioncoverage0.533solutionconsistency0.969中间解R&D*SYQY0.4630.1120.940RGDP*R&D*FHQ0.3650.0300.997RGDP*JRCZ*SHRZ*SYQY0.3260.1080.970solutioncoverage0.601solutionconsistency0.940精简解R&D0.5240.0580.937JRCZ0.5560.0490.814SHRZ0.6170.0410.934RGDP*SYQY0.6600.0390.894solutioncoverage0.914solutionconsistency0.813
注:*表示逻辑运算中的“和”,~表示逻辑运算中的“非”
表8 创业活跃度提升路径组合
要素路径组合1234RGDP(人均GDP) JSSC(技术市场成交额占比) R&D(R&D项目数) (●)(●)(●)FHQ(孵化器个数) (●)(●)ZCFG(科技人员创业政策法规数量) JRCZ(金融业总产值占比)● SHRZ(社会融资规模增量)(●) (●)SYQY(私营企业占比)● 原覆盖率0.2710.2340.2320.216净覆盖率0.1370.0480.0730.073一致性0.9640.9670.9961.000总覆盖率0.533总一致性0.969
注:●代表要素水平高,代表要素水平低,⊗代表要素水平低,大圈代表核心条件,小圈代表辅助条件,()表示要素为充分条件
表9 科技人员创业活跃度提升路径区域分布
路径类型区域分布路径1资本驱动路径北京、上海、天津路径2政策服务+文化双驱动路径江苏、浙江、广东、山东、广西、重庆、吉林、江西路径3政策服务驱动路径上海、江苏、浙江、北京、山东、湖北路径4政策服务+资本双驱动路径江苏、北京、上海、陕西、内蒙古、河南、河北
4条科技人员创业活跃度提升路径的覆盖率分别为0.271、0.234、0.232、0.216,数值相差不大,说明4条路径对提升科技人员创业活跃度的影响效果差异不大。
(1)资本驱动路径。该路径起到核心作用的要素为金融业总产值占比(JRCZ)和社会融资规模增量(SHRZ),人均GDP(RGDP)和私营企业占比(SYQY)为辅助要素。说明融资环境在该类路径中起到关键作用,只要融资环境良好,无论有无政府政策支持或孵化器,都能产生良好的创业驱动效果,如北京、上海、天津等就属于该路径的代表省市。该路经下的省市普遍具有经济发展水平较高、资金体量大、融资渠道多元化等特征。
(2)服务+文化双驱动路径。该路径的核心要素为R&D项目数(R&D)和私营企业占比(SYQY),R&D项目数为充分条件,其它6个要素的影响水平均较低。因此,该路径下,创业服务环境和创业文化是促进科技人员创业活跃度提升的主要因素,代表省市有江苏、浙江、广东、山东等。这类省市创业服务体系完善、创业文化氛围浓厚。其中,浙江的“浙商文化”是传统地域文化(如吴越文化等)、商业精神和现代市场意识结合的产物[33]。在当今,“浙商文化”已经发展成为中国商业文化的重要组成部分,在这种文化熏陶下的浙商已经成为国内数量最多、分布最广、影响力最突出的企业家群体之一[34]。
(3)政策服务驱动路径。该路径各要素中R&D项目数(R&D)和孵化器个数(FHQ)既是核心要素也是充分条件,人均GDP(RGDP)为辅助要素,其它5个要素的影响水平可以忽略不计。该路径下,只要政府政策服务环境好,即R&D项目和孵化器数量不断增加,地区科技人员创业活跃度就会不断提高。该路径代表省市有江苏、北京、山东、浙江等,这些地区创新创业平台发展势头强劲。《中国创业孵化发展报告》显示,2018年江苏依旧保持孵化器内累计毕业企业数量排名第一,同比2017年增长23.5%,北京、浙江、山东分别位居第三、四、五位[35]。江苏已经建成一批高水平“双创”示范基地和支撑平台,并形成近30个可复制和推广的“双创”模式。
(4)服务+资本双驱动路径。该路径核心要素为R&D项目数(R&D)、孵化器个数(FHQ)和社会融资规模增量(SHRZ),这3个要素同时也是充分条件,人均GDP(RGDP)和私营企业占比(SYQY)为辅助条件,其它变量的影响水平较低。该路径代表省市有上海、河北、陕西、河南等,这些地区主要依靠良好的服务环境和融资环境,提高科技人员创业活跃度。例如,截至2018年,河北共有721家创业孵化机构,同比2017年增加45.1%,并且随着京津冀一体化不断深入,其与北京、天津资源共享、优势互补,融资环境不断优化。
为探究创业环境对科技人员创业活跃度影响的组态效应,本文以中国内地27个省市为样本,采用fsQCA方法,从市场环境、政策服务环境、融资环境和创业文化4个维度,选取有代表性的8个变量,通过整体视角探讨影响科技人员创业活跃度的条件组态和路径,得出以下结论:
(1)存在4条科技人员创业活跃度提升路径,分别为资本驱动路径、服务+文化双驱动路径、政策服务驱动路径和服务+资本双驱动路径。4条路径的原始覆盖率相差较小,因此其对科技人员创业活跃度提升效果的影响差异不大。基于此,各地区可根据当前经济发展情况和科技人员创业环境现状,扬长避短,选择适合该地区的发展路径。
(2)fsQCA结果表明,R&D项目数、金融业总产值占GDP比重、社会融资规模增量和私营企业占比是提升科技人员创业活跃度的核心条件,而 R&D项目数、孵化器个数和社会融资规模增量是提升科技人员创业活跃度的3个充分条件。因此,R&D项目数、金融业总产值占比、社会融资规模增量、私营企业占比和孵化器个数5个变量共同构成提升科技人员创业活跃度的核心变量;其余3个变量在不同路径中或多或少存在,属于非核心变量。这表明,各省市无论选择哪种路径提升科技人员创业活跃度,都应全方位改善政策服务环境。
(3)fsQCA得出的4条路径和5个核心变量,都不涉及市场环境变量,表明特定地区科技人员创业活跃度与市场环境没有直接关系。换言之,特定地区创业环境中,只要融资环境、政策服务环境和创业文化环境良好,无论市场环境如何,都不会影响该地区科技人员创业活跃度。这主要是因为,经济发展全球化打破了区域经济发展水平的限制,各地区经济发展情况对企业核心竞争力的影响不断弱化[36]。此外,科技型中小企业具有其特殊性,与传统中小型企业主要依靠地方市场和人力资源投入等发展不同,科技型中小企业的成长性主要与其技术创新能力呈正相关关系。
依据研究结果,本文从优化和改善创业环境视角,提出促进我国各省市科技人员创业活跃度提升的建议。
(1)因地制宜,合理选择驱动路径。fsQCA方法的优势在于可以识别出特定路径代表的样本省份,并结合具体区域对科技人员创业活跃度提升路径进行归纳比较,使得最终得出的结论更具针对性和现实意义。因此,各省市应在科学评估科技人员创业环境的基础上,探索符合各地区实际的科技人员创业活跃度提升路径。首先,对于创业环境(融资环境、政策服务环境、创业文化)均衡发展的北京、上海、江苏、浙江、山东等地,可选择多条路径提升科技人员创业活跃度,全面改善创业环境。其次,对于具备一定创业环境的地区,如天津、广东、重庆、吉林、河南、河北、湖北等地,可选择与其匹配度最高的驱动路径,如天津可选择资本驱动路径,广东、重庆、吉林可选择政策服务+文化双驱动路径。最后,对于创业环境一般的经济欠发达地区,可以通过“弯道超车”提升科技人员创业活跃度,如发展高技术产业,因为本文研究表明,经济发展水平不是影响科技人员创业活跃度的关键因素。这类地区需科学评估科技人员创业环境各要素发展水平与互动情况,选择适宜的、匹配度较高的驱动路径。
(2)聚焦重点,针对关键要素精准施策。各省市应重点关注能有效提升科技人员创业活跃度的关键要素,着力改善融资环境和政策服务环境,注重创业文化的培育与宣传。首先,改善融资环境。针对科技人员创业特点,加大科技金融支持,特别是普惠性科技金融支持,增加财政资金在科技创新过程中承担风险的份额和比例,切实起到引导各路资金投入的作用。更重要的是,充分利用技术产权交易市场的作用机制,提高技术市场与资本市场交易效率。其次,优化政策服务环境。政府应提高管理服务效率,真正做到“一站式”服务,通过加强科技孵化器、创业基地等创业集群建设,进一步整合创业资源,促进集群内信息扩散和知识共享,为创业者获取创新技术、产品信息、创业经验和管理知识提供有效渠道。最后,注重创业文化的培育与宣传。培育区域创业文化要多管齐下,建立积极的价值体系,如树立标杆人物或企业,将其打造成品牌,充分利用品牌效应,使其成为企业家争相模仿的对象;对于已经形成的创业文化,要积极弘扬,利用社交软件、广播电视、短视频等新媒体手段进行宣传,传播创业故事,提高大众创业认知水平;营造宽容的创业氛围,降低创业者退出壁垒[37]。
(3)整合资源,发挥创业环境要素的协同效应。提升科技人员创业活跃度的关键在于发挥不同环境要素的相互作用,形成合力,因此必须对不同要素进行有效整合,增强协同效应。首先,从政府层面建立有效协调、联动统一的管理服务机制,强化科技人员创业环境要素的深度融合与优化配置。各地区要协同构建符合科技创新规律和市场经济规律的科技成果转移转化与服务保障体系,引导科技人员开展重大科技成果转化与推广应用,提升创业活跃度。其次,各地要运用政策工具,改善科技人员创业环境。如细化落实国家促进科技创业的政策安排,建立健全促进科技人员创业的地方配套政策;引导产业资本、风险投资等参与企业融资,增加科技人员创业专项资金;完善科技中介机构市场运营机制,加强创新创业基础设施建设等。
与已有研究相比,本文采用fsQCA方法探索创业环境对科技人员创业活跃度的组态效应影响,克服了现有研究更多强调单个要素或两个要素对结果变量影响的缺陷,遵循了科技人员创业活跃度高低是多重条件并发的结果,是多种因素组合体现的事实。这不仅拓展了研究方法,也明晰了创业环境对科技人员创业活跃度影响的组态效应机制,补充和丰富了相关理论。此外,本文通过分析提升科技人员创业活跃度的多个前因条件(市场环境、政策服务环境、融资环境、创业文化)匹配机理,找到了创业环境促进科技人员创业活跃度提升的多条路径和关键要素,对进一步完善各地区科技人员创业生态体系,因地制宜、精准施策,激发科技人员创业活力,发挥科技创新引领作用,加快推进科技成果转化工作,具有现实启示意义。
然而,本文以中国内地27个省市为样本,探究创业环境对科技人员创业活跃度的影响机制,没有对某一特定地区单独进行分析,提出有针对性建议。此外,本研究仅关注创业环境对科技人员创业活跃度的影响,忽略了个人因素的影响,未来可将个人因素纳入到前因变量中,对影响科技人员创业活跃度的因素进行更深入研究。
[1] 李慷.科技工作者创业意愿及驱动路径分析[J].科协论坛,2016,31(8):22-25.
[2] 张京,杜娜,杜鹤丽.科技企业创业主体及其创业意愿影响因素分析[J].科技进步与对策,2016,33(2):137-141.
[3] 张明,杜运周.组织与管理研究中QCA方法的应用:定位、策略和方向[J].管理学报,2019,16(9):1312-1323.
[4] ALDRICH.Organization and environment [M].Worth:Harcourt College Publishers,1979:2-14.
[5] DESAI M,GOMPERS P,LERNER J.Institutions,capital constraints and entrepreneurial firm dynamics:evidence from Europe[R].National Bureau of Economic Research,2003.
[6] 黎涓,祁雪.科技人员创业环境评价模型研究[J].天津科技,2009,36(4):116-118.
[7] 蔡莉,单标安.中国情境下的创业研究:回顾与展望[J].管理世界,2013,29(12):160-169.
[8] 蔡莉,崔启国,史琳.创业环境研究框架[J].吉林大学社会科学学报,2007,47(1):50-56.
[9] GUZMAN J,STERN S.Where is silicon valley[J].Science,2015,347(6222):606-609.
[10] 钟云华,吴立保,夏姣.大学生创业意愿的影响因素及其激发对策分析[J].高教探索,2016,32(2):86-90.
[11] AJZEN I.The theory of planned behavior[J].Organizational behavior and human decision processes ,1991,50(2):179-211.
[12] 杨洁.创业政策、创业教育对大学生创业意愿的影响:基于中国大陆近十年大学生创业意愿影响因素的元分析[J].重庆高教研究,2016,4(4):15-23.
[13] 李慷,史慧,邓大胜.浅析影响科技工作者创业意愿的主要因素[J].全球科技经济瞭望,2016,31(12):20-24.
[14] 杜运周,贾良定.组态视角与定性比较分析(QCA):管理学研究的一条新道路[J].管理世界,2017,33(6):155-167.
[15] MOYES A,WESTHEAD P.Environments for new firm formation in great Britain[J].Regional Studies,1990,24(2):123-136.
[16] 姜彦福,张帏.创业管理学[M].北京:清华大学出版社,2005.
[17] 杨贺.科技创业成功的环境因素探析[D].沈阳:东北大学,2010.
[18] 沙德春,孙佳星.创业生态系统40年:主体—环境要素演进视角[J].科学学研究,2020,38(4):663-672,695.
[19] 于立,王询.当代西方产业组织学[M].大连:东北财经大学出版社,1996.
[20] 陈培阳,朱喜钢.基于不同尺度的中国区域经济差异[J].地理学报,2012,67(8):1085-1097.
[21] 唐晓燕.中国高新技术产业市场结构与技术创新[D].长春:吉林大学,2011.
[22] 马顺彬,马斌.关于鼓励科技人员创新创业政策梳理[J].大众科技,2016,18(8):139-140,122.
[23] 罗峰.企业孵化器商业模式价值创造分析[J].管理世界,2014,30(8):180-181.
[24] 辜胜阻,肖鼎光,洪群联.完善中国创业政策体系的对策研究[J].中国人口科学,2008,22(1):10-18,95.
[25] 仲玲.科技型中小企业融资的理论与实证研究[D].长春:吉林大学,2006.
[26] 戴淑庚.高科技产业融资理论·模式·创新[M].北京:中国发展出版社,2005.
[27] 刘思海.浅析初创企业的存续之道:融资[J].中国总会计师,2018,16(12):74-75.
[28] 关羽茜.苏州金融业GDP运行状况分析[J].统计科学与实践,2020,39(8):44-46.
[29] ROLLIN H,RICHARDSON R.The impact of the prevailing business culture on entrepreneurial activity and small businesses:a contrastive study of Spain and the USA[J].International Journal of Iberian Studies,2001,14(3):179-189.
[30] 宋玉兰.我国创业文化理论体系的构建刍议[J].白城师范学院学报,2013,27(1):30-33.
[31] 中国科协“关于推进大众创业,万众创新政策措施落实情况”第三方评估课题组.推进“大众创业、万众创新”政策措施落实情况的评估[J].科技导报,2016,34(10):61-68.
[32] RAGIN C C.Set relations in social research:evaluating their consistency and coverage[J].Political Analysis,2006,14(3):291-310.
[33] 徐建平,王重鸣.创业精神的区域文化特征:基于浙江的实证研究[J].科学学与科学技术管理,2008,29(12):141-145.
[34] 章剑鸣.浙商文化的历史探源[J].广西社会科学,2005,21(11):186-188.
[35] 张炜,邢潇.高技术企业创业孵化环境与成长绩效关系研究[J].科学学研究,2007,25(1):74-78.
[36] 冯兴国.经济全球化对中国区域经济发展的影响探析[J].全国流通经济,2020,35(8):101-102.
[37] 宁亮,彭媛,肖新锋.区域创业文化的形成机理研究:以江西省为例[J].创新与创业教育,2020,11(3):104-112.