科技企业孵化器高孵化绩效因素识别、组态构型与突围路径
——基于fsQCA的多因素组态分析

赵富强1,胡思源2,刘 勤2,陈 耘1,胡 伟1

(1.武汉理工大学 管理学院; 2.武汉理工大学 创业学院,湖北 武汉 430070)

摘 要:当前,疫情突发、制裁频发及逆全球化问题使外部环境日趋不稳定,科技企业孵化器生存发展面临诸多困难,其在后疫情时代应该如何转型升级,成为学界与业界亟待解决的问题。利用数据挖掘与QCA分析法,探究科技企业孵化器高孵化绩效的关键因素与组态构型,提出后疫情时代科技企业孵化器突围发展的路径选择。结果发现:①科技企业孵化器孵化绩效受政策倾斜、科技创新、孵化器规模等外部因素以及资金、人才、技术及关系服务等内部因素的共同影响;②科技企业高孵化绩效存在资源、产业、创新及综合驱动4种组态构型;③科技企业孵化器可转型为资源驱动型孵化器,又可发展为技术驱动型孵化器,也可优化为产业驱动型孵化器,还可升级为综合驱动型孵化器。

关键词:科技企业孵化器;孵化绩效;组态构型;突围路径

Research on Factor Identification, Configuration and Breakthrough Path of High Incubation Performance of Science and Technology Business Incubators:Multi-Factor Configuration Analysis Based on fsQCA

Zhao Fuqiang 1,Hu Siyuan2,Liu Qin2 ,Chen Yun1,Hu Wei1

(1.School of Management, Wuhan University of Technology, Wuhan 430070,China; 2.School of Entrepreneurship, Wuhan University of Technology, Wuhan 430070,China)

AbstractThe sudden outbreak of COVID-19, frequent trade sanctions and anti-globalization have made the external environment increasingly unstable, which makes the survival and development of technology business incubators worse. How to transform, upgrade and breakthrough in the post-epidemic era has become an urgent problem to be solved by academics and industry. Based on this, this study aims to identify the key factors, explore the configuration of high incubation performance of technology business incubators through data mining and QCA analysis, and put forward the path choice for the breakthrough development of science and technology business incubators in the post-epidemic era. It is found the follows. Firstly, the incubation performance of technology business incubators is influenced by external factors such as policy inclination, technology innovation and business incubator scale, and internal factors such as capital, talent, technical and relationship service. Secondly, there are four configurations of the influencing factors of high incubation performance of science and technology enterprises, that is, resource-driven, industry-driven, technological innovation-driven and all-round driven. Finally, in the post-epidemic era of technology business incubators in different internal and external situations, it can be transformed and upgraded into resource-driven, technology-driven, industry-driven, or all-round driven incubator.

Key Words:Science and Technology Business Incubator; Incubation Performance; Configuration; Breakthrough Path

收稿日期:2021-01-06

修回日期:2021-05-08

基金项目:国家社会科学基金项目(19BSH105);湖北省软科学技术创新专项项目(2017ADC129);武汉理工大学教研项目(w2019039)

作者简介:赵富强(1975—),男,河南濮阳人,博士,武汉理工大学管理学院教授、博士生导师,研究方向为战略人力资源与创新创业管理;胡思源(1996—),女,湖北随州人,武汉理工大学创业学院硕士研究生,研究方向为创新创业管理;刘勤(1982—),女,湖北武汉人,博士,武汉理工大学创业学院副教授、硕士生导师,研究方向为创新创业管理;陈耘(1975—),女,湖北武汉人,博士,武汉理工大学管理学院副教授、硕士生导师,研究方向为战略人力资源管理与创新创业管理;胡伟(1991—),男,河南信阳人,武汉理工大学管理学院博士研究生,研究方向为战略人力资源管理与创新创业管理。本文通讯作者:刘勤。

DOI10.6049/kjjbydc.2021010082

开放科学(资源服务)标识码(OSID):

中图分类号:F272.2

文献标识码:A

文章编号:1001-7348(2021)18-0008-10

0 引言

众所周知,科技企业孵化器作为“大众创业,万众创新”背景下创新驱动发展战略的重要载体,在培育新型产业和升级传统产业方面发挥着关键作用。疫情突发、制裁频发及逆全球化问题使外部环境日趋不稳定,科技企业孵化器面临入驻企业减少、配套需求降低、租金收入下降、服务要求提升和防控开支增加等发展困境。后疫情时代,科技企业孵化器发展短板不断凸显,倒逼其转型升级以实现突围发展。那么,究竟哪些因素影响科技企业孵化器发展?如何耦合才能实现高孵化绩效?实现高孵化绩效的组态构型及相应突围路径如何?这些都成为学界与业界亟待解决的问题。

当前,关于孵化器的研究主要集中在两个方面:一是聚焦孵化器绩效评价研究;二是探讨孵化绩效影响因素。关于孵化器绩效评价研究主要有两种观点:一是对在孵企业孵化成功率的评价[1];二是对孵化器经济发展或在孵企业成长的评价[2]。在孵化绩效影响因素方面,国内外学者基于孵化器微观视角,认为孵化服务是影响孵化绩效的主要因素[3]。基于Timmons的资源-机会-能力创业三要素模型,学者认为孵化服务包括经济、社会和能力服务。其中,经济服务主要是指孵化基金或风险投资服务,通过提高孵化器内部资金配置效率提升孵化绩效[4];社会服务主要是指孵化器搭建的关系网络,内部孵化网络系统越完善,入孵企业越能够迅速融入孵化网络,孵化绩效水平也越高[5];能力服务主要是指孵化器提供的专业技术指导、团队管理咨询等服务[6]

尽管微观视角研究为相似区域孵化绩效差异现象提供了合理解释,但未对孵化绩效地域差异进行说明[7]。科技成果转化往往遵循就地优先原则,因而孵化绩效不能忽视地理空间因素。冯苑等[8]研究发现,地域因素和制度差异对孵化器总体运行效率具有差异化影响。同时,政府在孵化器运营不同阶段以统领、指挥或服务身份参与企业孵化[9]。政府协调孵化器资源配置,提高资源利用率。在政府政策引导和市场驱动下,孵化器逐步转变成连接政产学的科技成果转化平台,从而驱动区域经济发展[10]

综上所述,相关学者对科技企业孵化器孵化绩效进行了诸多探讨,为科技企业孵化器转型升级提供了理论指导和决策参考,但既有研究大多只是对孵化器内部因素或外部因素的讨论,而基于内外部因素协同提炼高孵化绩效组态构型并提出相应突围路径的研究较少。基于此,本文运用扎根理论编码法识别科技企业孵化器高孵化绩效实现的宏观、中观和微观因素,构建内外部影响因素对科技企业孵化器孵化绩效的协同作用概念模型,采用QCA模糊集定性比较分析法确定科技企业孵化器高孵化绩效组态构型,提出相应转型升级建议,从而为后疫情时代科技企业孵化器突围转型提供理论指导和决策建议。

本文构建研究框架,如图1所示。

图1 研究框架

1 研究设计

扎根编码步骤如下:①资料来源。采集孵化器相关案例、评论、新闻等数据信息,资料源于人民网、人民日报电子版、科技部官网及新闻中心网站等,以全面获取相关文本;②选取标准。以孵化器、疫情、发展/突围为关键词共搜索到1 331篇报道,以创孵、疫情、发展/突围为关键词共搜索到225篇报道,以科技产业园、疫情、发展/突围为关键词共搜索到265篇报道。筛选字数1 000以上、发布时间为2020年2月以后、浏览量1 000次以上的报道,剔除部分重复检索报道,初步选取孵化器发展相关案例文本共656篇,剔除广告宣传性质内容后,共15 6347字;③编码词频分析。运用NVivo11.0软件对案例文本进行编码和词频分析。首先,导入案例文本进行开放式编码;其次,对所有源节点进行主轴编码,在编码过程中借用软件自带的词频分析、聚类分析等算法辅助定性分析;最后,针对上述主轴编码结果进行选择性编码,从而识别出后疫情时代科技企业孵化器高孵化绩效实现的关键因素。

在此基础上,本研究结合具体案例,对不同层面关键因素进行组合比较,从而确定科技企业孵化器高孵化绩效实现的典型因素组态。本文将每个省市科技企业孵化器集群作为一个案例,以中国内地 30个省市(西藏因资料不全,未纳入分析)科技企业孵化器作为研究对象,展开如下分析:①依据扎根探索编码进行量化指标分析,采集2018/2019年《中国火炬统计年鉴》、2018年《中国科技统计年鉴》中的关键前因条件和孵化绩效相关指标数据。由于孵化绩效产出存在一定周期,故前因条件采用2018年数据,孵化绩效采用2019年数据;②采用模糊集定性比较分析法(fsQCA)对不同关键前因条件进行组态分析和讨论比较。首先,结合已确定的关键前因条件数据与案例个数对数据校准;其次,进行单一变量必要性检验,初步确定导致结果变量出现的核心条件;最后,通过组态最小化输出最终结果,讨论基于组态的几种突围路径并提出相应对策建议。

2 多因素扎根探索识别

2.1 扎根数据编码

(1)开放式编码。首先,对所收集案例文本内容进行开放式编码,遵循原生编码准则,抽取原始语句主体词汇。抽取的主体词汇分别是:搭建技术成果转化通道、提供实验场地及仪器、帮助在孵企业寻找专业技术人员、推荐创业导师指导入驻企业创业项目申报等;其次;挖掘范畴并命名。上述主体词汇可命名为技术成果转化、硬性资源孵化服务和软性人才孵化服务。通过整理原始文本,最终得到133个源节点。其中,有些初始概念相互重叠,予以合并;有些初始概念出现频率仅为1次或2次,予以删除。

(2)主轴编码。主轴编码主要根据不同范畴间的逻辑顺序进行分类,形成主范畴。在主轴编码过程中,基于资源-能力-关系研究范式,将孵化绩效作为科技企业孵化器内部服务资源、能力与外部环境协同的结果,如将创业导师项目推荐服务、推荐创业导师指导入驻企业归为孵化器人才服务范畴。借用软件自带的词频分析算法对源节点辅助以定性分析,关键词在该领域反复出现在一定程度上反映了该领域研究重点和热点[11],部分词语汇总加权百分比如表1所示。根据图2词频云可清晰看到除企业、服务、创业等词频显示清晰外,技术、减免、创新、政策、科技、平台、融资、空间、资源等词频显现也较为清晰。

(3)选择性编码。选择性编码是指通过梳理资料文本的故事线,验证主轴范畴间的关系,并将各类范畴补充完整。围绕核心范畴“科技企业孵化器高孵化绩效影响因素”的故事线为:外部环境影响→内部资源条件→高孵化绩效。选择性编码最终生成 2个三级节点,文本材料编码过程如表2所示,从而构建科技企业孵化器高孵化绩效实现的关键要素概念模型,如图3所示。

表1 部分词语汇总加权百分比

词语计数(次)加权百分比(%)技术3470.87减免3180.84创新2780.61政策2850.64科技2480.50平台2470.50融资2490.50空间2370.45资源2390.45产业2180.38

2.2 关键要素识别

本文通过上述扎根编码探索,得到后疫情时代科技企业孵化器高孵化绩效实现的关键要素。当前,大多数孵化器的孵化服务仍停留在基础服务层面,收入主要来源于政府补贴、房租和部分投资,发展短板与疫情困境倒逼科技企业孵化器加速转型升级(殷群,2008)。

(1)孵化器外部影响因素。在“双创”背景下,作为创新驱动发展及科教兴国战略的支撑主体,科技初创企业入驻孵化器后,财政政策补贴的开办费、孵化用房改造费、创业孵化基础服务设施购置费等陆续转化为科技企业孵化器对入驻企业的各类优惠补贴,从而大大激发了科技初创企业的研发热情。然而,孵化运营机构将已有资源和外来资源整合后,将没有多余资源消化和吸收新政策资源,从而导致因过度承担外来资源而陷入“资源冗余陷阱”,造成孵化绩效低下[12]

图2 节点编码主题词语云

此外,随着我国创新创业实践的深入推进,区域科技创新环境对科技企业孵化器孵化绩效的推动作用越发显著。在科技企业创立之初,相对健全的投资环境与完善的配套设施对科技企业创业过程发挥重要作用(岳宇君等,2017)。因此,所在区域科技创新发展水平、社会对科技的重视程度、区域内产业规模等社会环境因素都将对科技创业企业最初发展产生重要影响,从而直接影响科技企业孵化器孵化绩效。因此,在整个科技创业企业孵化体系中,区域社会环境决定孵化器自身因素能否得到有效发挥。

(2)孵化器内部影响因素。随着科技企业孵化器服务体系的优化升级,传统房屋租赁与基础设施共享已不能满足在孵企业发展需求,孵化服务的专业化与精细化成为评价科技企业孵化器进步的重要标志[13]。随着孵化器数量的增加,其对创业企业的支持也在不断改变,从最初仅提供基本设施空间支持的单一孵化模式演化为利用社会关系网络系统提供具有比较优势的知识型服务。结合扎根理论探索的主范畴和副范畴,本研究认为影响科技企业孵化器孵化绩效的内部因素包括资金、人才、技术和关系网络服务。根据主轴编码维度选取关键要素进行指标设置,影响路径如图4所示。

表2 文本材料编码示例

部分案例材料示例 (贴标签)原始文本初始范畴副范畴主范畴各地科技管理部门要加大对科技创业孵化载体的财政支持,鼓励科技企业孵化器、众创空间、大学科技园等对在孵企业适当减免办公承租、实验、科研和生产用房租金为支持疫情复工复产,加大对孵化载体的财政投入政策倾斜外部影响因素加大国家科技成果转化引导基金对科技型中小企业的融资支持,会同有关部门研究推动科技成果转化贷款风险补偿试点,引导地方政府和商业银行积极支持科技型中小微企业发展改革科技金融银行贷款单一评价体系,固定资产不再成为主要形式的信用抵押物,科技型中小企业融资难问题得到缓解出台政策引导地方政府和商业银行积极支持科技型中小微企业发展以推动中小微企业产业化落地为目标,产业赋能杠杆效应最显著,既要成为承接地方性区域创新的纽带,又要成为驱动行业转型发展的重要力量需要建设专业化、市场化、生态化孵化服务,构建涵盖创新链全过程的创孵生态圈孵化器转型发展与地方性区域创新关系紧密区域科技创新水平双创升级和孵化器高质量发展趋势和方向:一是趋向更高能级;二是趋向更大范围中国现在是孵化器与众创空间世界大国而非强国,真正高质量的孵化器还是少数孵化器高质量发展离不开规模向更大范围辐射区域科技企业孵化器规模科技型中小企业的主要融资渠道是银行贷款和风险投资,缺少其它融资渠道,导致这类企业融资选择方式单一最大程度上帮助企业争取低成本贷款、无还款续贷、延期还款政策等,积极与深交所创新创业投融资服务平台沟通,定期推介企业线上路演,定向发送BP等资料,拓宽企业线上融资渠道积极帮助在孵企业疏通资金渠道,拓宽融资选择资金服务内部影响因素科学技术部火炬高技术产业开发中心原副主任杨跃认为,每个好的孵化器自身都应该有技术和科研依托说明自身能力不足,很难孵化出高质量企业,所以我们未来的方向是要培养有能力的创新创业企业和孵化器技术依托服务是高孵化绩效的保证技术服务通过数字化、精准化管理和服务,我们开展政策解读、工商财税、人力资源、法律咨询等直播课程培训疫情期间及时通过线上进行创业人才服务人才服务北航天汇启动“汇·创云”公共服务平台,为在孵企业提供一系列基础服务IE果园组织中小企业成长管理线上直播培训,帮助中小企业分析“人才、资金、管理、企业发展战略”等制约颈和现状;江门人力资源服务产业园企业仕科招聘网组建项目临时技术团队,搭建线上网络招聘会孵化器自主搭建公共服务平台,疫情期间全方位提供各类资源对接服务关系网络服务

图3 主轴编码节点

图4 孵化器内外部影响因素路径

综上所述,孵化器孵化绩效不仅是自身运营的结果,而且也是孵化生态系统协同作用的结果。从实践看,孵化绩效是政策利好、区域创新集群等外部影响因素以及资金、人才、技术、关系等内部影响因素赋能协同的结果。因此,应从系统论角度,结合孵化器内外部影响因素构建分析框架。虽然高孵化绩效受上述因素的影响,但这些因素如何有机组合影响孵化绩效尚未阐明。

3 多因素组态数据测量

在上述编码探索的基础上,本研究通过提炼案例文本中的高频变量,将编码词频靠前的代码作为关键影响因素,选取宏观层面政策倾斜、中观层面区域科技创新水平、区域科技企业孵化器规模,以及微观层面孵化器资金、人才、技术及关系网络服务等要素,设置测量指标,进行QCA组态分析,从而得出科技企业孵化器高孵化绩效实现的不同要素组合构型。

3.1 数据收集

本文数据主要来源于两个方面:①前因条件政策倾斜数据及区域科技创新水平数据来源于《中国科技统计年鉴2018》,该年鉴报告涵盖每年各省市R &D投入中来自国家财政支持部分的总额及各省市每年申请的国内发明专利数量;区域科技企业孵化器规模、科技企业孵化器资金、人才、技术及关系网络服务指标均来源于《中国火炬统计年鉴2018》,该年鉴报告涵盖各省市每年区域内科技企业孵化器数量、投融资获取情况、创业导师和技术服务人员数量及搭建公共关系平台投入情况等;②结果变量孵化绩效数据来源于《中国火炬统计年鉴2019》。考虑到孵化绩效产出的周期性,前因条件采用2018年数据,孵化绩效采用2019年数据。

3.2 前因变量测量

本研究引入QCA方法,探讨上述7个因素对科技企业孵化器孵化绩效的协同效应以及可能存在的互动关系。

(1)政策倾斜。政策倾斜是指区域对科技企业孵化工作的重视程度,国家财税政策支持是具体表现。王楠等[14]发现,政府资助有利于促进创业成功,政府财税补助可释放积极信号。首先,资本市场融资难多因为信息不对称,而政府财税补贴往往经过专家的权威甄别评估;其次,政府财税补贴在某种程度上表明创业企业与政府建立了良好的内在联系,因而外部投资者更愿意与其展开合作。因此,获得政府财税资助将前景信号传递给天使投资,创业企业因而更容易获得融资,从而对创业孵化产生促进作用[15]。本研究选取《中国科技统计年鉴》中各地区研究与发展经费(R&D)中来自政府资金的部分测量国家财政扶持(rd)。

(2)区域科技创新水平。该指标是指区域对科学技术知识的转化能力。不同区域专利数量在一定程度上反映该区域创新水平[16]。尽管专利不能代表所有重要创新,但由于其通用性、一致性和易得性,其仍然是衡量创新能力的常用指标[17]。因此,本研究选取《中国科技统计年鉴》中各地区国内发明专利申请量(Inventions,in)测量区域对科学技术知识的转化能力。

(3)区域科技企业孵化器规模。该指标是指各省市科技企业孵化器建设整体规模。田增瑞等[9]研究发现,各地区科技企业孵化器发展存在空间相关性。根据空间计量经济学理论,某一地区空间单元上的某项经济特征与相邻地区存在相关性[18]。因此,本研究选取《中国科技统计年鉴》中各地区科技企业孵化器数量(Number,num)测量各省市科技企业孵化器建设整体规模。

(4)资金服务。该指标是指科技企业孵化器为入孵企业提供的投融资服务,包括社会风险投资和孵化器自身孵化基金两部分。风险投资具有催化科技成果转化的重要作用,在创业企业孵化服务中引入风险投资会加速科技创业企业成长与孵化器功能提升,孵化基金的设立可大幅提高孵化器的服务功能和企业价值。因此,本文以这两部分之和表示该地区科技企业孵化器的资金服务状况,选取《中国火炬统计年鉴》中当年获风险投资额(Amount of Venture Capital for Incubators,fundvc) 表示科技企业孵化器接受的社会风险投资,以《中国火炬统计年鉴》中孵化基金总额(Total Incubator Fund,fundif)测量对在孵企业的资金扶持。

(5)人才服务和技术服务。成功创业需要创业能力的加持,孵化器通过网罗创业导师资源、提供专业技术团队、定期开展创业能力培训等方式提高在孵企业创业能力和专业技术能力。基于企业成长理论,创业过程中积累的知识、技术经验作为企业核心能力,对企业市场竞争力提升至关重要[19]。张力等(2014)研究发现,创业专业人力资本是影响在孵企业毕业的关键因素。因此,本文选取《中国火炬统计年鉴》中创业导师人数(Number of Innovation Mentors,im) 测量孵化器所拥有的专业创业经验人才服务,采用专业技术人员(Researcher,re)表示专业技术团队提供的技术服务。

(6)关系网络服务。该指标是指科技企业孵化器为帮助入驻企业建立网络关系,解决入孵企业共性问题并与公共服务平台建立关系。李振华等(2016)发现,科技企业孵化器网络化程度对孵化器孵化能力和孵化绩效有显著正向影响。孵化器网络化不仅提供新型信息服务平台,更能以互联网为媒介打破区位地域限制。通过搭建各类公共服务平台,孵化器帮助入驻企业聚集各类创新资源,快速实现资源再整合与再分配,从而提高孵化绩效。因此,本文选取《中国火炬统计年鉴》中科技企业孵化器对公共服务平台的投资额(Investment into the Public Service Platform,sp)测量科技企业孵化器为入驻企业提供的关系网络服务。

3.3 结果测量

孵化绩效。该指标是指科技企业孵化器中在孵企业毕业率。既有孵化绩效评价指标包括入孵企业生存年限、成功毕业率以及孵化器提供的增值服务、创造就业机会数、成功孵化的企业数等[20]。后疫情时代,生存成为科技企业孵化器及在孵企业面临的严峻挑战。因此,在孵企业毕业率可在一定程度上反映后疫情时代孵化器的孵化效率和质量。本文采用《中国火炬统计年鉴》中科技企业孵化器当年毕业企业数(Number of Graduated Tenant,grad)测量科技企业孵化器当年的孵化绩效。变量数据收集及测量结果如表3所示,样本总体特征如表4所示。

4 组态构型分析与讨论

4.1 组态分析

(1)校准。根据fsQCA原理及软件操作,首先将结果和各前因变量原始数据转换为集合,通过校准将原始数据转化为0~1之间的隶属值,该步骤是fsQCA分析的关键步骤,即构造3个定性锚:完全隶属阈值、交叉点和完全不隶属阈值。本研究根据 Fiss[21]的成果,采用数据分布软件赋值法进行校准,即以样本数据分布的 75%、50%、25%值分别作为完全隶属、交叉点和完全不隶属3个锚点,通过fsQCA3.0软件进行隶属度赋值。这种阈值确定方法将数据纵向发展规律纳入考量,使得校准后的基准数据更有说服力,8个前因条件经过模糊集校准后的3个阈值结果如表5所示。进一步,利用 fsQCA 软件中的校准选项calibrate(待校准变量、完全不隶属阈值、交叉点和完全隶属阈值)进行校准,得到 0~1之间的模糊集数据。同时,由于样本交叉点的值经过校准后恰好为 0.5,不能纳入真值表分析,因此根据交叉点两端数值的“偏隶属”,需要将真值修正为0.501。

表3 数据来源

变量类型变量维度变量测量 数据来源前因变量政策倾斜(rd)/千万元各地区研发与发展经费(R&D)中来自政府资金部分《中国科技统计年鉴2018》区域科技创新水平(in)/万个各地区国内发明专利申请数量区域科技企业孵化器规模(num)/个各地区科技企业孵化器数量《中国火炬统计年鉴2018》资金服务(fund)/千万元当年所获风险投资额;孵化基金总额人才服务(im)/人创业导师数技术服务(re)/万个专业技术人员数关系网络服务(sp)/千万元科技企业孵化器对公共服务平台的投资额结果变量孵化绩效科技企业孵化器中当年毕业企业数《中国火炬统计年鉴2019》

表4 样本科技企业孵化器总体特征

变量meansdp25p50p75minmax孵化绩效756.65883.8824543477693 485政策倾斜1 124.981 589.64279.04542.391 173.1722.368 224.11区域科技创新水平1.131.440.230.651.300.016.23区域科技孵化器规模131.06160.9484284145.51754孵化基金29.803.744.3514.3533.690.11118.40风险投资15.2725.451.283.9011.740.0789.36人才服务560.55550.64190.54176112423 00技术服务14.217.03.59.516.00.2076.3关系网络服务1.1421.582.385.1710.950.30118.978

表5 结果与条件校准点

条件完全隶属交叉点( 隶属值)完全不隶属孵化绩效776434(0.501)245政策倾斜1 173.17542.39279.04区域科技创新水平1.300.65 (0.501)0.23区域科技孵化器规模145.584(0.501)42孵化基金总额33.6914.35 (0.501)4.35风险投资11.743.90 (0.501)1.28人才服务611417(0.501)190.5技术服务1.600.95 (0.501)0.35关系网络服务10.955.17(0.501)2.38

(2)单个条件必要性检验。首先,检验单个前因条件是否构成科技企业孵化器高孵化绩效的必要条件。本研究使用fsQCA3.0软件分析科技企业孵化器高孵化绩效的必要性条件,结果如表6所示。由表6可知,影响孵化绩效的各前因条件对“科技创业企业孵化毕业”影响的一致性均未超过0.9这一判定标准,说明这8个前因条件均不能单独产生科技企业孵化器的高孵化绩效。因此,对8个前因条件进行组合以获得科技企业孵化器高孵化绩效,对各前因条件进行组合分析[22]

表6 单个前因条件必要性检验结果

变量科技创业企业孵化毕业一致性覆盖度政府倾斜0.832 958 0.802 762~政府倾斜0.306 8230.301 978区域科技创新水平0.855 5020.834 079~区域科技创新水平0.297 3370.289 245区域科技孵化器规模0.866 6510.846 623~区域科技孵化器规模0.317 9990.308 736孵化基金总额0.783 5310.801 673~孵化基金总额0.378 1120.351 310风险投资0.865 3000.832 353~风险投资0.312 9050.308 561人才服务0.779 3310.771 800~人才服务0.359 7150.344 587技术服务0.877 3170.884 312~技术服务0.296 1380.278 962关系网络服务0.791 9180.814 733~关系网络服务0.357 1380.330 175

注:不加波浪线的前因条件表明该前因条件为“全入”(full-in) 时的情况;加波浪线表明该前因条件为“全出”(full-out) 时的情况

(3)条件组合充分性分析。同样,使用一致性衡量组态充分性,但可接受的最低标准和计算方法与必要条件分析不同。为降低潜在矛盾组态,Schneider & Wagemann提出认定 PRI(Proportional Reduction in Inconsistency) 一致性的最低标准值应大于等于0. 75,以避免可能存在的同时子集关系,本研究将一致性标准值设置为0.85。考虑到案例频数标准设置至少应包括75%的观察案例,而本研究案例总数只有31个,所以将案例频数设置为1。在对筛选后的真值表进行标准化分析时,因为科技企业孵化器孵化绩效影响因素与高孵化绩效结果间的关系尚未获得确切证据,因此本研究在进行软件操作时均选择存在/不存在皆可选项;最后,通过标准化运算得出复杂解、简洁解和中间解。按照一般做法,将同时出现在简洁解和中间解中的前因条件作为核心条件,仅出现在中间解而未出现在简洁解中的前因条件作为辅助条件。表7为8个科技企业孵化器孵化绩效影响因素组合对在孵企业孵化毕业影响的组态分析结果。

4.2 结果讨论

资源基础理论认为,资源是创业企业成功孵化的必要条件,从战略决策角度提出战略制定的基础需要由外部产业结构分析过渡到内部资源能力分析。科技企业孵化器服务管理以资源为战略决策思考逻辑中心和出发点,旨在培养在孵企业竞争优势(霍国庆等,2019);动态能力理论认为,在复杂的动态环境中,初创企业对创业机会的感知及资源整合能力可以系统帮助企业解决问题,因此科技企业孵化器应重点培养在孵企业的专业技术能力和创业管理能力[23];组织间关系理论认为,组织间的相互协作行为能够将无序、有价值的知识技能进行整合并创造出新价值[24]。基于上述理论,参考资源-能力-关系整合框架,结合fsQCA分析,总结出高孵化绩效的4种组态构型:构型1(政策倾斜*~区域科技创新水平*区域科技企业孵化器规模*~孵化基金总额*~风险投资*人才服务*技术服务*~关系网络服务)、构型2(政策倾斜*区域科技创新水平*区域科技企业孵化器规模*~孵化基金总额*风险投资*~人才服务*技术服务*关系网络服务)、构型3(政策倾斜*区域科技创新水平*~区域科技企业孵化器规模*孵化基金总额*风险投资*~人才服务*技术服务*关系网络服务)、构型4(政策倾斜*区域科技创新水平*区域科技企业孵化器规模*孵化基金总额*人才服务*技术服务*关系网络服务),说明科技企业孵化器的高孵化绩效具有多重并发特征[25],如表7所示。这4种构型的总体一致率达到0.95,总体覆盖率达到0.68,高于创新创业领域既有QCA研究总体覆盖率0.4的水平,且每种组合的一致性均高于预设一致性标准0.9。在此前提下,本文共得出4组高孵化绩效实现的组态构型,其原始覆盖率分别为 0.098、0.125、0.085和0.583。

表7 科技企业孵化器孵化绩效影响因素组合结果

前因条件构型1构型2构型3构型4政策倾斜●●●●区域科技创新水平○★★●区域科技孵化器规模★●○★孵化基金总额○○●●风险投资○●●人才服务●○○●技术服务★●●★关系网络服务○★★●一致性0.973 7170.984 4640.955 2640.977 444原始覆盖率0.098 171 60.125 9360.084 875 80.583 279唯一覆盖率0.039 211 60.027 889 90.015 316 20.498 483解的一致率0.956 637解的覆盖率0.686 896

注: ★或●表示原因变量出现,用☆或○表示原因变量不出现。其中,★表示核心条件;●表示非核心条件/辅助条件;空格表示前因条件可有可无

(1)在组态构型1(政策倾斜*~区域科技创新水平*区域科技企业孵化器规模*~孵化基金总额*~风险投资*人才服务*技术服务*~关系网络服务→孵化毕业)中,区域科技企业孵化器规模与技术服务发挥核心作用,本文将其命名为资源驱动型组态构型,主要体现为在一定区域范围内,通过孵化器规模与技术服务等资源要素驱动各类孵化器与相关技术支持体系、服务支持体系、政府支持体系、信息网络支持体系和文化环境支持体系等资源有效聚集,以此减少交易成本,实现高孵化绩效,从而促进区域经济增长。这一路径的典型区域如河北,该省具体数据如表8所示。

(2)在组态构型2 (政策倾斜*区域科技创新水平*区域科技企业孵化器规模*~孵化基金总额*风险投资*~人才服务*技术服务*关系网络服务→孵化毕业)中,区域科技创新水平、关系网络服务发挥核心作用,政策倾斜、区域科技企业孵化器规模、风险投资、技术服务发挥辅助作用,本文将其命名为产业驱动型组态构型。该构型表现为即使孵化器内部无法提供人才与资金服务,只要外部驱动条件良好,同样可以实现高孵化绩效。孵化器主要通过投资关系网络服务,搭建公共服务资源平台,帮助在孵企业与产业集群供应链上下游服务资源对接,促进在孵企业、配套企业及政府部门沟通,降低孵化器平台建设落后区域在孵企业打开市场和寻找资源等业务成本。这一路径典型的区域如福建,该省具体数据如表8所示。

(3)在组态构型3 (政策倾斜*区域科技创新水平*~区域科技企业孵化器规模*孵化基金总额*风险投资*~人才服务*技术服务*关系网络服务→孵化毕业)中,区域科技创新水平与关系网络服务发挥核心作用,本文将其命名为技术创新驱动型组态构型。该构型的主要特点是在科技创新氛围高涨且政策扶持力度大的地区,外部环境包容度高,入孵企业易于融入市场,能够轻松便利地获得投融资服务、技术扶持及关系网络服务,所以即使该区域孵化器数量不多、规模不大,缺乏创业导师的咨询指导,也能得到高孵化绩效。孵化器主要在科技创新水平高的区域为入孵企业对接高新技术服务、搭建公共技术服务平台,用技术创新驱动在孵企业发展。这一路径的典型区域如湖南,该省具体数据如表8所示。

(4)在组态构型4(政策倾斜*区域科技创新水平*区域科技企业孵化器规模*孵化基金总额*人才服务*技术服务*关系网络服务→孵化成毕业)中,区域科技企业孵化器规模与技术服务发挥核心作用,政策倾斜、资金服务、区域科技创新水平、人才服务、关系网络服务均发挥辅助作用,本文将其命名为综合驱动型组态构型。该构型的主要特点是所有前因条件均能够对孵化绩效产生影响。孵化器在科技企业孵化器规模较大区域提供技术服务,并佐以良好的政策环境、高涨的区域创新氛围以及到位的资金、关系网络和技术服务,从而产出较高的孵化绩效。构型4覆盖范围最广,涵盖北京、上海、浙江、广东,以上4省市具体数据如表8所示。

上述组态构型分析前因条件间存在明显的替代或互补关系,其中某些条件并不需要同时存在便可与其它条件一起催化高孵化绩效的产生。针对上述模式存在的替代或互补关系,本研究通过理论和案例分析对上述组态构型进行阐释,从而为后疫情时代科技企业孵化器突围发展提供相应建议。

表8 4种组态典型区域数据说明

变量河北福建湖南北京上海广东浙江政策倾斜679.937612.210704.8668 224.1134 294.5262 404.041915.771区域科技创新水平0.6131.2810.7791.8591.3176.2783.771区域科技孵化器规模13911570105176754235孵化基金总额11.20212.71614.95665.848115.106118.405112.709风险投资3.19111.3316.42489.36470.33687.73437.510人才服务4721813271 4075881 7521 333技术服务10.32816.09214.69526.73418.81476.27345.804关系网络服务2.7975.1665.37414.1498.45825.15113.363

5 对策建议

根据科技企业孵化器组态构型,各地孵化器可因地制宜地选择如下突围发展路径:

(1)资源驱动型突围路径:提高孵化器行业集中度,优化生态系统战略布局[26]。区域科技企业孵化器规模外部要素与孵化器关系网络服务内部要素联合提高科技企业孵化器孵化绩效,行业集中度越高的科技企业孵化器投入产出的孵化绩效越高(张锦等,2018)。后疫情时代,科技企业孵化器一方面应结合区域规模经济和产业发展现状,根据自身资源优势选择适宜发展的外部环境,形成区域专业孵化联盟集群,降低服务成本,提升服务质量,对接品质供应链,形成完善的孵化外部网络集群;另一方面,应完善初创企业入驻资质评价体系,筛选出专业匹配度好、市场重合度高但业务重合度低的同行业或相关服务孵化企业入驻,优化精简孵化器内部关系网络系统,形成多元互补的孵化生态网络系统,提高孵化器内部资源利用率,从而实现资源驱动型转型突围。

(2)产业驱动型突围路径:创新产业生态圈,全方位赋能初创企业。以技术、资本为核心规模经济优势的科技企业孵化器拥有庞大的关系网络系统,可利用技术创新驱动该区域初创企业技术升级,组建区域内具体产业初创企业合作联盟,提高风险抵御能力,从而提升科技企业孵化器孵化绩效。后疫情时代,科技企业孵化器应淡化孵化边界,构建开放包容的生态产业圈。在孵化服务层面,将现有服务平台改造为面向内外部开放的生态服务平台,实现内外部有效联动。区域内共享人才、资金、技术等服务资源,与区域内所有入孵企业需求相匹配;鼓励孵化器之间及入孵企业之间进行合作,同时加强孵化生态与外部生态系统要素连接,打通创业公司和后端产业,构建涵盖产业链全过程的生态圈;另外,加强与政府、媒体或相关大型企业交流,为入孵企业提供更多机会,形成全要素专业化生态赋能系统,从而实现产业驱动型转型升级。

(3)创新驱动型突围路径:提高区域科技创新水平,整合创新技术资源。在高科技创新水平区域,科技企业孵化器提供的技术服务和关系网络服务协同促进科技企业孵化器高孵化绩效提升。区域科技创新环境对初创企业甚至整个产业结构起正向促进作用(张力等,2014)。后疫情时代,政府应扮演服务者而非指挥者角色,从培植区域经济的战略高度,健全市场导向,通过整体规划和政策倾斜提升孵化绩效(李振华等,2016);科技创新水平高的地区可使入孵企业更为便利地从宽松的市场环境中获取创新资源、技术等要素,以“培养有能力的创新创业企业,成为有能力的孵化器”为目标,打破传统基础服务,提供技术支撑、创业投资、要素整合、产业供应链资源等深度服务,从而实现创新驱动转型升级。

(4)综合驱动型突围路径:吸引融资投资,牢固资本纽带。研究表明,商业型孵化器与风投合作所获取的孵化绩效显著高于事业型孵化器。因此,政府可借助税收优惠和风险分担政策利好鼓励风险投资介入孵化器服务与发展(张锦等,2018)。除推动风险投资与创孵企业合作外,还可直接吸引投融资机构与创业项目合作。后疫情时代,对于陕西、河南、广东、四川、湖北、山东及安徽等经济环境中等水平区域的孵化器而言,由于融资渠道单一,加之疫情使得投资环境遇冷,因此孵化器自身应从传统依靠政策补贴的发展模式升级为诸如北上广科技企业孵化器的孵化模式。而北京、上海、广东、浙江等高经济发展水平区域融资渠道畅通、投资环境优渥,科技企业孵化器可通过聚集天使投资人和投资机构等方式,依托平台汇集优质创业项目,为在孵企业提供融资服务,帮助其对接配套资源,从而提升孵化绩效。孵化器可从自身构建分层筛选机制,对入驻企业项目质量、数量及类型进行把控,以吸引更多投融资机构,通过自身能力建设吸引风投,从而推动资孵合作。

总之,后疫情初期,资金紧张及关系网络搭建周期长等问题导致科技企业孵化器大多依赖现有资源,集中于资源驱动型、产业驱动型、技术创新驱动型3种突围路径,利用区域现有特色资源进行整合,帮助科技企业孵化器转型升级渡过难关。然而,科技企业孵化器要实现长效发展,需要全方位综合资源的扶持。因此,在疫情防控常态化阶段,通过宏观政策倾斜,优化区域创新环境、科技企业孵化器规模及孵化器内部全方位综合资源服务,有利于提高入驻企业存活率,极大程度上提升科技企业孵化器的合法性及孵化绩效。

6 结语

科技企业孵化是一项复杂的系统工程,本研究基于QCA多因素组态视角,首先运用扎根编码识别后疫情时代影响孵化器孵化绩效的关键因素,包括政策倾斜、区域科技创新水平、区域科技企业孵化器空间规模、资金服务、人才服务、技术服务及关系网络服务等;其次,运用fsQCA方法探讨科技企业孵化器高孵化绩效影响要素组合的多种组态构型,分别为资源驱动型、产业驱动型、技术创新驱动型和综合驱动型;最后,根据高孵化绩效的4种组态构型,提出科技企业孵化器应根据内外部情境,选择合适的发展组态构型与突围路径。具体而言,可从“提高孵化器行业集中度,优化生态系统战略布局”为切入点转型升级为集群驱动型孵化器;又可“提高区域科创水平,整合创新技术资源”成为技术创新驱动型孵化器;也可“创新产业生态圈,全方位赋能初创企业”转型为产业资源动型孵化器;还可“吸引融资投资,牢固资本纽带”,转型升级为综合驱动型孵化器。

本研究的主要贡献在于:①丰富了基于权变视角的孵化绩效研究,一定程度上推动孵化绩效研究从单因视角向多因并发视角转变;②相比于既有研究,通过QCA方法从整体视角为理解孵化绩效影响因素因果关系提供了清晰认识和逻辑解释,弥补了既有研究对科技企业孵化器孵化绩效影响因素讨论的不足;③将内外部因素同时纳入整体系统分析框架,弥补了既有研究对高孵化绩效作用路径探讨的不足;④分析各类因素间的互补或替代关系,从而深化了多重理论解释间的互动协同作用,进一步提出高孵化绩效实现的多条突围路径。

本研究存在如下不足:①鉴于数据可得性,仅以人民网、人民日报中关于后疫情时代孵化器新闻评论作为研究对象,难以充分识别孵化绩效所有影响因素,未来可通过大数据或云计算等技术识别全面完整的关键影响要素;②本研究虽然涵盖政策倾斜、区域规模和孵化服务等因素,但未包括入孵企业影响因素。未来可考虑入孵企业或更多情境变量,以全面深入地探讨科技企业孵化器孵化绩效影响因素组合与高孵化绩效的关系,从而增强结论的解释力和普适性。

参考文献:

[1] MICHAEL SCHWARTZ. A control group study of incubators' impact to promote firm survival[J]. The Journal of Technology Transfer,2013,38(3): 302-331.

[2] HANS LÖFSTEN, PETER LINDELÖF. R&D networks and product innovation patterns-academic and non-academic new technology-based firms on Science Parks[J]. Technovation, 2011, 25(9):1025-1037.

[3] O'NEAL T, EVOLVING A. Successful university-based incubator: lessons learned from the UCF technology incubator[J]. Engineering Management Journal, 2005, 17 (3):11-25.

[4] 谢光华, 郝颖, 靳姝菲. 风险投资对政府补贴的创新激励有效性的影响研究[J].管理学报,2018,15(9):1337-1346.

[5] 张宝建, 胡海青, 张道宏. 企业孵化器组织的网络化机理研究述评[J].科学学与科学技术管理,2011,32(5):152-157.

[6] 张力. 孵化互动、专用性人力资本和在孵企业成功毕业[J].南开管理评论,2012,15(1):93-101.

[7] 董静, 余婕. 外层网络资源获取、制度环境与孵化器创新绩效研究[J].科技进步与对策,2020,37(10):1-10.

[8] 冯苑, 聂长飞, 张东. 中国科技企业孵化器绩效收敛性与时空特征研究[J].科技进步与对策,2020,37(11):33-42.

[9] 田增瑞,田颖,吴晓隽. 科技孵化产业协同发展对区域创新的溢出效应[J].科学学研究, 2019,37(1):59-71.

[10] MAS-VERDU F,RIBEIRO-SORIANO D,ROIG-TIERNO N. Firm survival:the role of incubators and business characteristics[J]. Journal of Business Research,2015,68(4):793-796.

[11] 张洁,王红.基于词频分析和可视化共词网络图的国内外移动学习研究热点对比分析[J].现代远距离教育,2014,46(2):76-83.

[12] 黄聿舟,裴旭东,刘骏.创业支持政策对创客空间创业孵化绩效的影响[J].科技进步与对策,2019,36(3):111-116.

[13] 张宇,麦晴峰,段琪.新一代科技企业孵化器战略联盟形成及运营机制研究[J].科技进步与对策,2015,32(6):100-104.

[14] 王楠,苏杰,黄静.CEO权力异质性视角下政府资助对创业板企业研发投入的影响研究[J].管理学报,2017,14(8):1199-1207.

[15] MAESENEIRE W D, MEULEMAN M. Do R&D subsidies affect SMEs' access to external financing[J].Research Policy, 2012, 41(3):580-591.

[16] 李习保.中国区域创新能力变迁的实证分析:基于创新系统的观点[J].管理世界,2007(12):18-30,171.

[17] ACS Z J, ANSELIN L, VARGA A. Patents and innovation counts as measures of regional production of new knowledge[J]. Research Policy, 2002, 31(7):1069-1085.

[18] DANIEL A, GRIFFITH. Spatial econometrics: methods and models[J]. Economic Geography, 2016,65(2):160-162.

[19] PRAHALAD C K. The core competence of the corporation[M].Strategic Learning in a Knowledge Economy,2000(3):3-22.

[20] SIEGEL D S, WESTHEAD P, WRIGHT M. Assessing the impact of university science parks on research productivity: exploratory firm-level evidence from the United Kingdom[J]. International Journal of Industrial Organization, 2003, 21 (9): 1357-1369.

[21] FISS P C.Building better causal theories: a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2) :393-420.

[22] RAGIN C C. Redesigning social inquiry: Fuzzy sets and beyond[M].Chicago :University of Chicago Press,2008.

[23] TEECE D J, PISANO G, SHUEN A. Dynamic capabilities and strategic management[M]. Oxford University Press, 2009.

[24] 罗逾兰,张阳,唐震.基于“R-P-K”理论框架的产学联盟组织间协同维度研究[J].管理学报,2016,13(12):1786-1791,1825.

[25] 姜骞, 刘强. 区域创新要素与STBI创新孵化绩效——在孵企业资源拼凑的中介作用[J].技术经济与管理研究,2016,37(12):46-50.

[26] 朱思因, 杜海东. 初创企业孵化器运营绩效评价的实证研究——创业生态系统视角[J].科技管理研究,2020,40(7):82-87.

(责任编辑:王敬敏)