张永安，张瑜筱丹
(北京工业大学 经济与管理学院，北京 100124)
摘要：创新创业政策是支撑我国经济发展新动能的重要引擎。以我国创新创业系统为研究对象，创新性地构建了包含科技投入、教育投入、人才支持、创业孵化、平台建设和税收优惠6个政策工具在内的创新创业政策评价指标体系，运用DEA和Malmquist指数法分析了2014-2016年创新创业政策对区域高新技术企业及创业企业的支撑效率。结果表明：研究期内，我国创新创业政策对区域新动能的支撑效率总体较高，但是地区间的政策落实效果略有差距，各省市呈现较大程度的不平衡特征。深入挖掘发现，部分地区暂未形成规模效应，在资金配置结构、人才利用效率、税收优惠额度、政策绩效产出等方面存在较大改进空间。与此同时，技术进步对全要素生产率的贡献度有待进一步提升。据此，提出推进区域协同创新发展、完善创新创业政策体系、消除技术进步制约因素、强化企业创新主体地位等政策建议。
关键词：创新创业政策；区域；发展新动能；政策效率
2014年被誉为“中国创业元年”，习近平总书记在中央经济工作会议中强调，市场要活、创新要实、政策要宽，营造有利于大众创业、市场主体创新的政策制度环境。同年9月，国务院总理李克强在夏季达沃斯论坛开幕式上发表重要致辞，指出“只要大力破除对个体和企业创新精神的种种束缚，形成‘人人创新’、‘万众创新’的新局面，中国发展就能再上新水平[1]。”此后，国务院、各部委及地方政府对创新创业予以高度重视，先后出台了《关于发展众创空间推进大众创新创业的指导意见》、《关于大力推进大众创业万众创新若干政策措施的意见》等一系列双创支持政策，激发创新创业新动能，打造经济增长新引擎。据《2016年中国大众创业万众创新发展报告》显示，截至2016年底，全国共设立901支政府引导基金，已披露总目标规模达3.2万亿元；全国新登记市场主体1651.3万户，同比增长11.6%，创新创业成效显著[2]。
随着创新创业浪潮的涌现，创新创业政策逐渐成为政策研究的热点和焦点。国内外学者从不同层面对创新创业政策展开研究，大致可分为政策分析、政策评价、作用效果和影响机理四大类。在政策分析方面，戚湧等[3]基于社会网络分析方法，绘制了江苏省大众创新创业政策图谱；Luo等[4]建立了政策可视化概念，通过对中国创新创业政策图形分析，认识到中国科技政策存在同质性等问题。在政策评价方面，张再生等[5]以天津市企业孵化器为研究对象，评价了双创政策要素对区域企业孵化器创新绩效的影响；周博文等[6]以众创空间为研究对象，基于DEA模型对我国众创政策效率进行了测算。在作用效果方面，Tsai等[7]运用网络分析、目标规划等方法研究了创新创业政策对中小企业的影响；Urbano和Aparicio[8]通过引入创新创业资本变量，提出鼓励企业开展创新创业活动的政策制度因素；徐德英和韩伯棠[9]构建了政策供需匹配模型，实证分析了北京市创新创业政策与企业的匹配情况。在影响机理方面，杨勇等[10]基于CAS理论，构建了区域创业系统多主体仿真模型，模拟了创业政策对区域创业生态系统的影响及作用规律；王宏起等[11]根据创新创业活动影响因素，构建了区域双创政策对科技双创活动影响的系统动力学模型，揭示出政策对区域科技创新创业活动的影响机理。
综上可见，国内外学者对创新创业政策进行了多角度探析，拓展了政策研究范围。但是，不难发现，当前针对创新创业政策效率开展的研究，评价指标不够清晰，研究主体较为单一，尚无研究以明确的政策工具为视角构建指标体系，探讨创新创业政策对不同地区多类企业绩效的影响效率。因此，本文以我国创新创业系统为研究对象，创新性地构建了以政策工具为基础的创新创业政策评价指标体系，运用DEA和Malmquist指数法，分析2014—2016年创新创业政策对中国内地30个省、市、自治区(除西藏外)高新技术企业和创业企业的支撑效率。研究内容完善了创新创业政策评价指标体系，丰富了创新创业政策理论框架，研究结论具有现实价值，可为我国创新创业政策完善和优化提供借鉴与参考。
数据包络分析(Data Envelopment Analysis, DEA)是由Charnes和Cooper等于1978年创建的一种用以评价多种投入与多种产出的决策单元相对有效性的数学模型[12]。传统的DEA模型可分为CCR模型和BCC模型两类。其中，CCR模型用以衡量规模报酬不变情况下的相对效率，BCC模型用以衡量规模报酬可变情况下的相对效率。运用DEA模型进行分析时，还需对投入导向和产出导向加以区分。投入导向模型是在产出不变的情况下，衡量要素投入减少比例；产出导向模型是在投入不变的情况下，衡量产出要素增加比例。
双创政策以投入最小化，产出最大化为目标，作用对象的创新边际收益具有不确定性。因此，本文采用投入导向的BCC模型对我国双创政策效率进行评价，根据BCC模型得出的综合效率(TE)可以分解为纯技术效率(PTE)和规模效率(SE)，三者之间的关系为TE=PTE×SE。DEA模型如下：
(1)
式(1)中，θ为效率评价系数，εeT为参数，λi为权重系数，Xi=(x1i,x2i,...,xmi)T代表m 个投入指标向量，xmi表示第i个DMU的第m个投入指标，Yi=(y1i,y2i,...,yni)T代表n个产出指标向量，yni表示第i个DMU的第n个产出指标，s-、s+为松弛变量。若VD=1，则DEA有效；反之，非DEA有效。
Malmquist生产率指数法最初由Malmquist提出， Fare等于1994年将该方法与DEA结合，测度从t时期到t+1时期生产效率的动态变化。DEA-Malmquist模型如下：
(2)
Malmquist指数不仅能够对全要素生产率变化进行分析，还可以分解为其它几个有意义的指数，从而获得更多有价值的信息[13]。生产率指数(Tfpch)包括技术进步变化(Techch)和技术效率变化(Effch)两部分，其中技术效率变化(Effch)可进一步分解为规模效率变化(Sech)和纯技术效率变化(Pech)。
(3)
式(3)中，
代表规模效率变化
代表纯技术效率变化
代表技术进步变化(Techch)。
若Malmquist 指数大于1，说明全要素生产率水平提高；当Techch>1时，代表技术创新、技术进步对投入效率变化的贡献明显；当Effch>1时，代表技术效率更接近前沿面，相对技术效率有所提高；当Pech>1时，表明管理水平等因素的改善促进了效率提升；当Sech>1时，表明决策单元向最优规模靠拢，反之亦然[14]。
本文以我国创新创业系统为研究对象，将全国内地30个省、市、自治区(因数据缺失，西藏除外)作为决策单元，分析创新创业政策对地区新动能的支撑效率。研究所选样本数量大于指标体系所含投入产出指标之和的两倍，符合Banker等所提出的DEA经验法则，评价结果能够呈现合理的区分度。同时，为了对比区域效率差异，按照国家统计局统计标准，将省(市、自治区)划分为东、中、西、东北四大区域，如表1所示。
表1我国省(市、自治区)区域划分
(1)创新创业政策投入指标。当前，针对创新创业政策效率开展的研究为数不多，已有研究构建的评价指标体系，鉴于研究对象与数据差异性，尚缺乏普适性。本文遵循科学性、系统性、合理性、数据可获性等原则，结合创新创业内外部特征，借鉴张永安等探讨北京市创新政策对中关村区域企业创新绩效影响效率时选用的科技、人才、税收政策工具，并参考王宏起等研究区域创新创业活动机理时，从供给型、需求型、环境型层面选用的教育经费、公共资金和基础设施建设政策工具，构建包含科技投入、教育投入、人才支持、创业孵化、平台建设和税收优惠6个政策工具在内的创新创业政策效率评价投入指标。
(2)创新创业绩效产出指标。高新技术企业和创业企业作为双创龙头，是创新创业政策的落脚点和区域发展的新动能。诸多文献以高新技术企业为研究对象分析创新政策作用效果，表明高新技术企业是创新政策成果的重要载体。近年来，国家加大政策扶持力度，孵化培育的创业企业则是创业政策成果的直接体现。本文选取地区高新技术企业营业总收入和地区科技企业及大学科技园在孵企业营业总收入作为双创绩效产出指标。本文构建的创新创业政策效率评价指标体系及具体内容如表2所示。
表2创新创业政策效率评价指标体系
考虑到我国提出“大众创业、万众创新”的时间节点，将研究时间范围设定为2014-2016年，数据来源于《中国统计年鉴》(2015-2017)及《中国火炬统计年鉴》(2015-2017)。其中，“科技投入”和“教育投入”涉及数据来自于国家统计局《中国统计年鉴》“分地区一般公共预算支出”项目。其余指标涉及数据通过科技部火炬中心《中国火炬统计年鉴》中“全国高新技术企业”、“科技企业孵化器”、“国家大学科技园”部分的相关统计数据整理汇总得到。
运用Deap2.1软件，选择投入导向的BCC模型，对2014-2016年我国内地30个省(市、自治区)创新创业政策效率进行评估和对比分析，评价结果如表3所示。
3.1.1 区域创新创业政策效率值评价
表3表明，研究期内，我国创新创业政策平均效率保持在0.9以上，2014年最高，综合效率平均值为0.951，随后小幅波动，2016年较2014年下降1%左右，比2015年略有提升。从整体看，创新创业政策对地区新动能的支撑效率较高。分地区结果显示，2014年和2015年，中、东部地区平均效率明显优于西部及东北地区；2016年区域效率趋于平衡，西部地区甚至高于东部地区；东北地区平均效率值始终较低。由此可见，虽然我国东部地区城市创新型水平相较于其它地区更高，但其部分年份的综合效率平均值却不及中部甚至西部地区，其原因可归结为两点：①对比中部及东北地区，东部和西部地区省市较多，对地区平均效率的影响更大；②中部地区各省市效率值差异性小，东部地区存在个别效率偏低的异常值，具体情况可结合图1所示的我国省市创新创业政策综合效率值作进一步分析。
表32014-2016年我国省市与区域创新创业政策效率值
注：地区效率值为各地区所含省市平均效率，总体平均值为全国内地30个省市平均效率
3.1.2 省市创新创业政策效率值评价
(1) 创新创业政策效率变动分析。图1直观地展示了2014—2016年我国创新创业政策综合效率变动情况。通过比较各省市3年双创政策综合效率值大小及时空差异，可以将30个省市分为如下7类：
第Ⅰ类：北京、天津、上海、江苏、广东、山西、湖南、重庆、云南，3年内综合效率值始终为1，未发生变动，说明2014—2016年，双创政策在30%左右的省市中长期落实情况较好。第Ⅱ类：河北、浙江、山东、安徽、新疆，2014年和2015年综合效率值为1，但在2016年发生了下降。其中，新疆下降幅度最大，降至0.703；河北作为京津冀协同创新圈的重要节点，研究期内首度与北京、天津产生差距，效率低至0.782，原因值得探究。第Ⅲ类：湖北、宁夏回族自治区，2014年综合效率值分别为0.949和0.700，2015年有所提升，持续两年保持1的效率水平。第Ⅳ类：福建、海南、四川、贵州、陕西、青海，呈现“左高右低V字型”波动变化。其中，福建、贵州、陕西和青海4个省份，2014年效率值为1。第Ⅴ类：江西、河南、内蒙古自治区、广西壮族自治区、辽宁、黑龙江，呈现“左低右高V字型”波动变化，除黑龙江外，江西、河南、内蒙古自治区、广西和辽宁5个省份，2016年综合效率值为1。第Ⅵ类：甘肃，连续3年稳步提升，从2014年的0.633提升至2016年的效率值1，政策效率持续优化。第Ⅶ类：吉林，连续3年不断下降，从2014年的0.927降至2016年的0.823，政策作用效果欠佳。
图12014—2016年我国省市创新创业政策综合效率变动对比
上述位于效率前沿面的省市突出体现了创新创业政策在区域一体化覆盖范围内的创新创业生态系统中已落实到位，以北京、天津、山西等为代表的环渤海和京津冀城市群，以广东省为代表的珠三角城市群及以上海、江苏等为代表的长三角城市群均处于领先地位。上述区域对创新创业方面的政策扶持力度大，高新区及自主创新示范区聚集，对高新技术企业及创业企业的培育效果好，地区新动能不断积聚。位于效率前沿面以外的省市，则需要进一步分析其非DEA有效是由纯技术效率无效还是规模效率无效引致的。纯技术效率无效表明，地区创新创业政策投入产出结构不合理，应当对投入产出进行调整；规模效率无效表明，创新创业投入产出未实现规模经济，应当对规模进行调整。对表3中非DEA有效省份的纯技术效率(PTE)无效和规模效率(SE)无效进行归类，结果如表4所示。
结合表3和表4可以发现，部分省市虽处于创新创业的重要极点，但是效率值在2016年突然降低，如河北、浙江、安徽、山东等地。此外，还有部分省市长期非DEA有效，成为影响东部、西部及东北地区综合效率值走低的主要原因。例如，海南持续3年规模效率无效，综合效率与平均效率值差距较大。再如，福建、贵州、陕西、四川、黑龙江持续2～3年纯技术效率及规模效率均无效等。对于纯技术效率无效影响较大的省市，应当首先调整创新创业政策投入产出比例，使其达到最优配置；对于规模效率无效影响较大的省市，需结合其规模收益的变化，在调整资源配置结构的基础上，扩大或缩减规模，使其实现规模效应。
(2)非DEA有效省市投入产出调整。采用DEA方法评价效率可以分析出决策单元无效的原因以及相关指标的调整方向和程度[14]。考虑到研究结果的现实价值，本文以上节所述2016年数据为代表，运用Deap2.1软件得出各地效率达到最佳状态时的投入及产出额，从纯技术效率无效的视角探析11个省市非DEA有效的原因，如表5所示。
表42014-2016年我国省市创新创业政策非DEA有效情况分类
表52016年纯技术效率无效省市的投入冗余及产出不足情况
表5显示，投入冗余或产出不足都会导致纯技术效率无效的情况出现。在11个纯技术效率无效的省(自治区)中，共有4个省份产出不足。其中，贵州和新疆维吾尔自治区需要通过提升高新技术企业绩效提高双创政策效率，安徽和山东则需通过增加科技企业及大学科技园在孵企业营业收入促进效率提升。从投入冗余角度分析，以上11个省(自治区)在双创政策投入方面还有较大改进空间：各地科技投入和教育投入金额有待调整；在孵企业及高新技术企业从业人员未达到最优配比，普遍存在人才投入量大，但是效率低下的问题；创业孵化基金和平台投资额投入过剩，没有合理地利用资金，出现浪费现象；企业上缴税费过多，需要进一步加大税收优惠力度。通过对纯技术效率无效省市投入冗余及产出不足情况的分析，可以促进地区效率提升，为区域创新创业政策有效支撑地区新动能提供理论参考。
基于DEA-Malmquist指数法，运用Deap2.1软件分析2014—2016年我国创新创业政策效率分年度及分省市动态效率，得到全要素生产率指数(Tfpch)与分解后的技术进步指数(Techch)、技术效率指数(Effch)、纯技术效率指数(Pech)及规模效率指数(Sech)对比。结果如表6、表7所示。
表62014-2016年我国创新创业政策效率分年度Tfpch指数及分解
由表6可知，2014-2016年全要素生产率平均指数为0.931，我国创新创业政策总体效率在变动中出现些许降低。分年度分析，2014-2015年，技术效率是影响全要素生产率降低的主要因素；2015-2016年，技术进步效率仍有下降，但是技术效率提升了3.1%，其中纯技术效率提高1.2%,规模效率提高1.8%。结合现实环境以及上节所述效率值分析，本文认为，研究期内我国创新创业政策效率出现下降的原因在于：2014年是“大众创业、万众创新”概念提出的元年，各省市加大政策扶持力度，把握双创机遇开展创新创业活动，政策实效性显著。随后两年，国家仍将创新创业摆在战略核心地位，政策支持力度持续加大，但是部分地区出现资源投入过剩、技术进步速度放缓及非规模经济等问题抑制了全要素生产率提升。
表7显示，2014-2016年，江西、河南、湖北、湖南、广西、重庆、云南、甘肃8个省(市、自治区)的全要素生产率呈正向提升，其余省份出现了一定程度的下降，根据全要素生产率指数分解，影响因素主要为技术效率降低或技术进步效率降低。研究期内，技术进步对全要素生产率的贡献整体较低，表明区域新动能的创新能力和水平有待进一步提升，各地区应当加大技术进步力度。此外，技术效率还是制约河北、浙江、福建、山东、海南、安徽、四川、贵州、陕西、青海、新疆和吉林全要素生产率提升的主要因素。结合图2可以发现，海南和新疆全要素生产率下降最明显，各省市应结合纯技术效率和规模效率进行资源配置结构及规模调整，促进双创政策效率水平提升。
表72014—2016年我国创新创业政策效率分省市Tfpch平均指数及分解
图22014-2016年我国省市双创政策效率Effch-Tfpch矩阵
创新创业政策是我国在实施创新驱动发展战略大背景下，建设创新型国家、打造经济增长新引擎的源动力。该政策积极支持、培育以高新技术企业和创业企业等为核心的创新创业主体，激发新动能，发展新业态，带动新经济。本文运用DEA和Malmquist指数法多视角分析了2014-2016年我国创新创业政策对区域新动能的支撑效率，得出如下结论：
(1)从静态时间区域视角分析，研究期内，我国创新创业政策对区域新动能的支撑效率总体较高，但是地区间政策落实效果仍略有差距。总体上看，中部地区的政策效果更为理想，中部6省在2014—2016年DEA有效比例高达2/3，政策效率较为均衡。而城市创新型水平较高的东部地区虽然DEA有效比例高于中部地区，但是受海南省政策效率始终偏低的影响，其部分年份的综合效率平均值出现了不及中部甚至西部地区的现象。对于西部地区而言，区域内部分欠发达省市政策整体效果依旧不凡，主要原因可归结为：①重庆、云南等地的政策投入产出结构配置适当；②甘肃、内蒙古等“黑马”地区，政策效率稳中有升。此外，东北三省长期大范围非DEA有效，整体效率低于全国平均水平，亟待实现最优配置，改善政策支撑效果。
(2)从静态时间省市视角分析，我国内地30个省(市、自治区)的创新创业政策综合效率出现了7种不同变动情况，由此可见双创政策在各省市的支撑效率呈现较大程度的不平衡特征。其中，经济较发达地区的政策效率始终处于前沿面，例如北京、天津、上海、江苏、广东、山西、湖南、重庆、云南9个省市，这些地区分别隶属于环渤海、京津冀、长三角、珠三角、中原、成渝等城市群的核心极点，侧面反映出区域一体化战略在地区政策协同与经济发展中的重要作用；河北、浙江、湖北3个省份的政策力度和创新水平同样位于全国前列，却出现了非DEA有效的情况，表明这些省份在资源配置方面仍存在一定改进空间，需要进一步加强区域内合作互通，提升政策作用效果。同时，福建、海南、四川、内蒙古、辽宁、黑龙江、吉林等地的政策效率呈现波动，说明以上各省(自治区)在政策投入与绩效产出方面具有不稳定性，应当改变政策目标方向，进行合理资源规划。此外，甘肃省政策效率连续3年稳步提升，改进方法值得其它效率偏低的省市学习借鉴。
(3)从静态时间的非DEA有效视角分析，2016年全国内地共有13个省(自治区)没有实现最优配置，综合效率值不为1。深入挖掘发现，规模效率是影响青海和海南两省政策支撑效率的瓶颈因素，其余11个省市受到纯技术效率和规模效率的双重制约。具体而言，河北、吉林、黑龙江、浙江、安徽、福建、山东、四川、贵州、陕西和新疆，在科技投入、教育投入、人才支持、创业孵化、平台建设和税收优惠6个方面均存在政策资源浪费现象，需要改变科技和教育财政支出比例，提高企业人才利用效率，适当缩减孵化基金及建设资金投入规模，持续加大税收优惠力度。此外，安徽、山东、贵州、新疆还出现了产出不足的情况，表明促进企业绩效提升也是这些地方政策的改进方向。
(4)从动态时间序列视角分析，2014—2016年我国创新创业政策技术效率小幅波动，促进效果逐步显现，但受技术进步放缓的限制，总体效率在变动中略有降低。省市动态效率结果显示，江西、河南、湖北、湖南、广西、重庆、云南、甘肃8个地方的全要素生产率呈正向提升，说明这些省份政策长期落实到位，效果较好。其余省份平均值出现了一定程度的下降，海南和新疆的全要素生产率下降最明显。对全要素生产率指数分解发现，技术效率抑制了河北、浙江、福建、山东、海南、安徽、四川、贵州、陕西、青海、新疆和吉林的全要素生产率提升，结合实际情况提高纯技术效率或规模效率是前提保障；技术进步效率则对全要素生产率的贡献整体较低，表明各地区技术进步的推动力量仍显不足，作为区域新动能的创新能力及水平有待进一步提升。
当前，我国还处于创新创业黄金时期，相应政策需要在实践中进一步优化和完善。本研究对全国内地30个省(市、自治区)创新创业政策效率进行了评估和比较，研究结论可为地区相关政策调整提供参考。针对上述研究内容及结论，提出如下政策建议：
(1)推动区域协同创新发展，促进政策资源互联互通。研究表明，区域一体化战略下创新协同发展为创新创业提供了有效助推力，但是区域及省市间的政策效果仍有较为显著的差异。因此，国家应当把握经济发展大局，加强顶层设计，持续推进区域一体化战略，突出区域协同创新的关键作用。对于创新创业能力较弱的地区予以重点关注，加大政策扶持力度，尽量缩小区域和省市间不平衡。同时，要建立协调机制，搭建平台通道，鼓励创新创业主体跨地区、跨领域合作，促进地区交流共进，引导资源互联互通，开放共享经验成果，为新经济时代下协同创新、协同创业、协同发展创造有利条件。
(2)完善创新创业政策体系，实现最优配置规模结构。研究结果表明，我国部分地区在创新创业政策资源配置方面暂未达到最优水平，存在较大改进空间。因此，政府一方面需要优化创新创业政策环境，出台激励与反馈相结合的配套措施，构建完善的创新创业政策体系；另一方面，应将政策落到实处，在政策制定、实施过程中，不能盲目进行资源投入，要从技术和规模两个方面出发，充分挖掘政策配比的结构性问题，增强政策针对性，适时适当地调整政策方向、政策组合及政策力度，防止重复建设，减少投入冗余，避免资源浪费，从而形成规模效应，带动经济整体增长。
(3)消除技术进步制约因素，推进动态效率长效提升。研究期内，技术进步对全要素生产率的贡献程度较低，绝大多数省市技术进步速度放缓，表明这些省份的创新发展受到了一定程度的影响，提高技术创新能力和水平是促进效率提升的主要途径。因此，政府需要采取政策激励模式，提供创新创业服务指导，构建产学研创新合作联盟，开展技术交流和经验共享；企业应当着力引进高素质人才，强调知识发现和知识管理，革新技术设备及工艺。通过外部政策和内部管理合力作用，消除人、财、物等多方因素制约，提高技术进步效率，推动全要素生产率提升。
(4)强化企业创新主体地位，提升双创成果转化能力。党的十九大报告指出，激发和保护企业家精神，鼓励更多社会主体投身创新创业。以高新技术企业和创业企业等为核心的科技创新主体是我国创新创业体系的重要组成部分，各地区应当降低创新创业门槛，了解企业资源需求，提供更多的政策便利以激发双创活力。与此同时，企业应当把握机遇，积极探索，切实营造良好的内部环境，通过加大人才培育力度、提高资金利用效率等方式，着力解决绩效产出不足等关键问题，逐步提升自主创新和成果转化能力，发挥政策作用效果，为我国实现科技兴国、科研强国的战略目标贡献力量。
参考文献:
[1] 中国中小企业国际合作协会.双创政策大事记[J].中国中小企业,2017(3):26.
[2] 国家发展和改革委员会.2016年中国大众创业万众创新发展报告[M].北京：人民出版社，2017.
[3] 戚湧,王静.江苏省大众创新创业政策评估[J].科技管理研究,2017,37(1):75-81.
[4] LUO Q, SONG W.Preliminary research on visualization of S&T policy——a case study of china innovation and entrepreneurship graphic policies[J].Open Journal of Social Sciences, 2016,4(5):135-143.
[5] 张再生,李鑫涛.基于DEA模型的创新创业政策绩效评价研究——以天津市企业孵化器为分析对象[J].天津大学学报：社会科学版,2016,18(5):385-391.
[6] 周博文,张再生.基于DEA模型的我国众创政策效率评价[J].财经科学,2017(9):121-132.
[7] TSAI W H，KUO H C.Entrepreneurship policy evaluation and decision analysis for SMEs[J].Expert Systems with Applications,2011,38(7):8343-8351．
[8] URBANO D, APARICIO S.Entrepreneurship capital types and economic growth:international evidence[J].Technological Forecasting & Social Change, 2015(10):34-44.
[9] 徐德英,韩伯棠.政策供需匹配模型构建及实证研究——以北京市创新创业政策为例[J].科学学研究,2015,33(12):1787-1796+1893.
[10] 杨勇,王志杰.区域科技创业生态系统运行机制及政策仿真研究[J].科学学与科学技术管理,2014,35(12):99-108.
[11] 王宏起,李婧媛.区域双创政策对科技创新创业活动的影响机理[J].科技进步与对策,2017,34(18):36-41.
[12] 魏权龄.数据包络分析(DEA)[J].科学通报,2000(17):1793-1808.
[13] MOHSEN A，HEINZ A.The overall Malmquist index:a new approach for measuring productivity changes over time[J]． Annals of Operations Research，2015，226(1) :1-27.
[14] 程敏,裴新杰.我国地级及以上城市基础设施投入效率的时空差异研究——基于DEA和Malmquist指数模型[J].管理评论,2017,29(06):225-233.
Zhang Yong'an，Zhang Yuxiaodan
(School of Economics and Management，Beijing University of Technology，Beijing 100124,China)
Abstract：The policy of innovation and entrepreneurship is an important engine that supports the new kinetic energy of China's economic development.Taking China's innovation and entrepreneurship system as the research object, this paper innovatively built an evaluation index system of innovation and entrepreneurship policy, which contains six policy tools:investment in science and technology, education input, talent support, entrepreneurship incubation, platform construction and tax incentives.Using DEA and Malmquist index method to analyze the support efficiency of China's innovation and entrepreneurship policies on high-tech enterprises and start-ups in 2014-2016.The results are as follow:during the study period, the supportive efficiency of China's innovation and entrepreneurship policies on regional new kinetic energy is generally high.However, the effect of interregional policy implementation is slightly different, and there is a large degree of imbalance among provinces.Through in-depth analysis found that some areas have not form a scale effect yet, in addition, there is still much room for improvement in the capital allocation structure, personnel utilization efficiency, tax incentives and policy performance output, etc.At the same time, the contribution of technological progress to total factor productivity needs to be further improved.Accordingly, a number of policy suggestions are proposed, such as advancing the development of regional co-innovation, perfecting the system of innovation and entrepreneurship policies, eliminate the factors that restrict technological progress and strengthening the innovative dominant position of enterprises, etc.
KeyWords:Innovation and Entrepreneurship Policy; Region; Development New Kinetic Energy; Policy Efficiency
文章编号：1001-7348(2018)16-0113-08
文献标识码：A
中图分类号：F204
DOI：10.6049/kjjbydc.2017110548
作者简介：张永安(1957-)，男，陕西咸阳人，博士，北京工业大学经济与管理学院教授、博士生导师，研究方向为经济与管理系统复杂性、政策管理与仿真；张瑜筱丹(1994-)，女，重庆人，北京工业大学经济与管理学院硕士研究生，研究方向为创新创业政策、企业创新管理。
基金项目：国家自然科学基金项目(70972115)；国家部委项目(3A011212200901)
收稿日期：2018-01-26
(责任编辑：张 悦)