Is Urban Innovation and Entrepreneurship Ecosystem Conducive to the Improvement of Enterprise Innovation Efficiency：Evidence from Listed Companies on STAR Market Board

Li Zhiguang, Li Yaokuang

(School of Management, Hefei University of Technology, Hefei 230009, China)

Abstract：The establishment of a dual circulation development pattern in which domestic economic cycle plays a leading role while international economic cycle remains its extension and supplement is a major strategic measure for China to respond to the continuous spread of the COVID-19 pandemic and the resurgence of anti-globalization. Over the past two decades, China has achieved many innovations, but a large part of it is based on the huge demographic dividends, and the pursuit of hard technology innovation still requires continuous and unremitting efforts. Only by relying on independent innovation and breaking through the technical bottleneck issues can the domestic economic cycle be truly unblocked without being controlled by the U.S.. Therefore, how to actively mobilize and make use of the capital market, stabilize social and economic development, and promote continuous innovation of small and medium-sized enterprises is the key to China's sustainable economic growth.

This paper aims to measure the innovation efficiency of 65 Chinese enterprises registered on the STAR Market, and summarize the feasible efficiency improvement plans. The three-stage DEA method is used to calculate the innovation efficiency of the listed enterprises on the STAR Market and fsQCA is used for configuration analysis of determinants affecting innovation efficiency. We find the overall performance of innovation efficiency of listed enterprises is poor. The external environment for innovation and entrepreneurship, like policy environment, talent environment and financial support, can promote the improvement of enterprise innovation efficiency. While the regional GDP, financial subsidies and R&D are not conducive. The industrial environment and intermediary market are uncertain for the improvement of enterprise innovation efficiency. The realization paths of innovation efficiency of listed enterprises on STAR Market is composed of policy environment leading and intermediary market leading. The imbalance of urban innovation environment and lack of industrial environment and financial supports are the main reasons for low enterprise innovation efficiency. This study systematically analyzes the influences of the external institutional environment on the listed enterprises' innovation efficiency, and explains the internal logic and path for the enterprises to achieve the innovation efficiency from the perspective of configuration. These configurations are verified by the cases of existing listed companies, which can provide practical references for improving the innovation efficiency of scientific and technological enterprises.

Our theoretical contributions are mainly shown in the following two aspects. Firstly, we measure the innovation efficiency of listed companies on the STAR Market for the first time, taking full account of the influence of external environment to make the measurement results more accurate. Secondly, in view of the high degree of uncertainty and nonlinearity of causality in the process of enterprise innovation, we make the research results more convincing and explanatory from the perspective of configuration, which makes a certain contribution to the development of enterprise external environment theory.

In order to further optimize the allocation of innovation resources and improve innovation efficiency, this paper puts forward the following countermeasures and suggestions. Firstly, for enterprises dominated by external policy, in-depth research should be made on human resources to accelerate the training of new employees. Secondly, for enterprises dominated by intermediary market, the establishment of a trinity financing system with government support, multi-level capital market and bank interconnection is one of the ways to solve the financing needs of enterprises' innovative development. Thirdly, it is urgent to optimize industrial policies and talent policies for enterprises with unbalanced urban innovation environment, among which tax incentives and talent subsidies are one of the effective ways. Fourthly, for enterprises lacking industrial environment and financial support, the society should strengthen the protection of intellectual property rights, improve the transformation mechanism of high-tech achievements, and provide more policy support to scientific and technological enterprises.

Key Words:Urban Innovation and Entrepreneurship Environment;Listed Companies on STAR Market Board; Innovation Efficiency

DOI：10.6049/kjjbydc.2020120057

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2022)04-0101-11

收稿日期：2020-12-03

修回日期：2021-01-19

基金项目：合肥市软科学项目(2019015)

作者简介：李志广(1989—)，男，安徽太和人，合肥工业大学管理学院博士研究生、讲师，研究方向为创新与创业管理；李姚矿(1967—)，男，安徽桐城人，博士，合肥工业大学管理学院教授、博士生导师，研究方向为风险投资与女性创业。

0 引言

新发展格局下，以国内大循环为主体、国内国际双循环促发展是国家应对新冠肺炎疫情持续蔓延和逆全球化“回潮”的一项重大战略举措。改革开放以来，中国取得了一些举世瞩目的创新成果，但很大一部分是凭借巨大的人口红利，而在硬核科技的创新追求上仍然需要努力。在科技产业不断被“卡脖子”的窘境下，如何积极发挥资本市场的作用，优化营商环境，促进中小型企业持续创新是实现我国经济持续增长、跨越“中等收入陷阱”的关键。

近年来，企业对外部资源的利用已然成为一种普遍现象[1]。为探讨制度环境对企业创新绩效的作用机制，邵传林[2]根据中国工业企业微观数据实证发现，制度环境正向影响企业创新绩效，并且企业获得政府财政补贴越多，促进作用越强；湛正群和杨华[3]利用372家创业板上市公司数据分析外部环境对企业创新绩效的影响，发现地区经济发展水平正向影响企业创新绩效，而产业集聚度仅对制造业企业发挥积极作用，对服务业不显著；赵阳和王芳[4]从地方政府创新激励视角出发研究激励政策对企业创新绩效的影响，发现激励政策有利于企业创新绩效提升，且政策效果在大规模企业和国有企业中更加显著。因此，营造良好的外部制度环境是企业实现高效创新的重要保障。随后，王金凤等(2019)将政府支持分为资金支持和创新环境建设，具体研究二者对后发企业创新绩效的影响，发现后发企业借助税收优惠、财政补贴、融资辅导等政府支持行为激发个体创新意愿，从而显著影响创新绩效。此外，政府通过人才政策、产学研合作等方式营造良好的外部创新环境，为创新主体提供制度保障，有利于后发企业创新绩效提升。

与此同时，张志华与陈向东[5]进一步将外部创新环境分为市场环境、政策环境和技术环境，并对361家新一代信息技术企业自主创新绩效和协同创新绩效进行实证检验，发现外部创新环境动荡性正向显著影响企业自主创新绩效和协同创新绩效，政府支持环境正向调节技术环境动荡性和市场环境动荡性对企业创新绩效的影响；尚炜伦[6]混合运用OLS、Tobit、Logit和Cloglog计量方法检验营商环境与民营企业创新绩效的关系，发现良好的营商环境正向促进企业创新绩效，并且内陆地区企业和生产效率较高民营企业创新绩效的边际效应更大；孙泽宇和齐保垒[7]研究发现，企业所在地具有较高社会信任水平有利于激发企业创新意愿，从而正向影响企业创新绩效。

以上研究大多探讨制度环境对企业创新效绩效的直接作用，与之高度相关的调节效应也一直是学术研究热点。如吴松强等(2017)从知识管理视角出发，对技术联盟内300家科技型小微企业进行实证检验发现，外部环境动态性越高，知识隐秘性对企业创新绩效的负向影响越大，知识复杂性对企业创新绩效的正向边际效用越显著；洪俊杰和石丽静(2017)研究发现，自主研发正向影响企业创新绩效，并且企业所在地区开放水平越高、知识产权保护越好、市场化程度越高，该企业自主研发活动对其创新绩效的促进作用就越强；徐辉和周孝华[8]利用2007—2018年沪深两市非金融类A股上市公司微观数据，实证分析制度环境、产融结合对企业创新绩效的影响，发现产融结合可以提高实体企业创新绩效，而且当政府适当干预、金融发展和法治水平较高时，这一现象在民营企业中更加显著；李柏洲和夏文飞(2019)在前人研究基础上进一步发现，技术创新能力在知识隐秘性、知识复杂性与企业创新绩效关系间具有中介作用，并且环境动态性越高，技术创新能力的中介作用越显著；张振刚等[9]研究发现，创新网络资源整合和双元创新均有利于企业创新绩效提升，而且环境不确定性越高，双元创新对企业创新绩效的影响越显著。此外，创新开放度和知识吸收能力也正向影响企业创新绩效，并且在高度动态环境下，知识吸收能力的主效应被放大[10]。

综上所述，制度环境对企业创新绩效的作用机制研究仍然是创新领域的一个重要方向。与以往研究不同的是，首先，本研究基于复杂性理论视角，运用fsQCA方法探究城市创新创业环境对企业创新效率的实际因果关系；其次，本文总结类似案例之间的共性，提出科创企业创新效率提升的创新路径和低创新效率组态，可为政府营造良好的创新创业环境提供理论支持和实践指导。本文尝试通过三阶段DEA方法对已注册通过的65家科创板上市企业创新效率进行测度与评价，并基于组态视角从城市创新创业外部环境出发提出切实可行的效率优化方案，力求为我国科创企业创新效率提升提供决策参考。本文理论贡献主要表现为：首次测度科创板上市企业创新效率，充分考虑外部环境影响，使测度结果更加精准；鉴于企业创新过程中因果关系具有高度不确定性和非线性，本文在原有多元回归研究基础上，从组态视角出发使得研究结果更具有说服力和解释性，对企业外部环境理论发展具有一定贡献。

1 基于三阶段DEA的科创板上市企业创新效率评估

1.1 模型构建

数据包络分析(Data Envelopment Analysis，DEA)是根据线性规划方法，对具有可比性的同一性质决策单元进行相对有效性评价的一种非参数分析方法。本文采用Fried等[11]提出的三阶段DEA模型剖析我国科创板上市企业创新效率，将环境因素及其它随机干扰项纳入到模型中，利用松弛变量中包含的信息对投入变量进行调整。第一阶段，采用投入导向且假定企业规模报酬可变的BCC模型计算各决策单元综合技术效率(TE)、纯技术效率(PTE)和规模效率(SE)。当技术效率等于1时，表示技术有效且处于技术前沿面上；当技术效率小于1时，表示尚未达到生产前沿面，意味着企业在研发人员和研发费用投入方面存在冗余现象，应减少规模投资或提升技术水平，以改善企业创新效率。BCC模型可表示为：

min[θ-ε(eTS-+eTS+)]

(1)

其中，λi≥0，i=1, 2, 3,…,n；S+≥0，S-≥0；θ 表示决策单元的有效值，S+、S-和e分别表示投入松弛变量、剩余变量和非阿基米德无穷小量。X和Y分别表示上市公司创新效率相关投入与产出组合，λi表示第i个决策单元权重。

第二阶段，通过随机前沿模型(Stochastic Frontier Approach，SFA)剔除环境变量和管理无效率对创新效率结果的影响，从而使所有企业处于相同外部环境中。然后，将第一阶段获得的投入冗余值作为因变量，环境变量和混合误差项作为自变量，建立SFA模型如下：

Sni=f(Zi；βn)+νni+μni;i=1,2,…,I;n=1,2,…,N

(2)

其中，Sni是第i个决策单元第n项投入的冗余值；Zi是环境变量，βn是环境变量系数；Vni和μni分别表示随机干扰项与管理无效率，二者均服从在零点截断的正态分布。

第三阶段，将调整后的投入值与原始产出值相结合，再次采用DEA-BCC模型测算各企业综合技术效率、纯技术效率和规模效率，此时已排除环境变量和随机扰动项的影响，结果更加真实可靠。

1.2 数据来源与变量选取

1.2.1 数据来源

本文根据科创板上市要求，将上市企业划分为六大领域，分别为新一代信息技术、新材料、高端装备、新能源、节能环保和生物医药。根据上海证券交易所公开的完整有效数据，截至2019年12月31日上交所正式受理审核科创板股票发行上市企业205家，其中注册生效80家。基于以上领域对科创板上市企业的概念界定，剔除样本指标信息不完全的企业，以及样本指标信息收集时间截止前终止注册或注册失效的企业，最终选取65家科创板上市企业作为样本，分别为13家高端装备领域企业、18家生物医药领域企业、5家新材料领域企业、29家新一代信息技术领域企业。本文投入与产出数据均来源于2019年各企业公开发布的招股说明书，其中研发人员、当年申请专利数、研发费用和无形资产增值等根据发行人基本情况和财务会计信息披露整理得到。由于多数企业财务信息披露仅更新至2019年6月，导致其全年完整信息缺失，因此本文最终选择2018年投入与产出数据。宏观经济数据来源于国家统计局网站公布的2018年分省年度数据，环境变量数据来源于启迪创新研究院发布的《2018中国城市创新创业环境评价研究报告》，具体包括政策环境、产业环境、人才环境、研发环境、金融支持和中介市场。

1.2.2 变量选取

在企业创新效率分析中，投入与产出变量选择是结果评价的基础，不同指标组合使得评价结果存在一定差异。通过文献回顾发现，投入指标主要包括研发人员和研发费用，高新技术企业研发人员投入对其创新绩效具有良好的正向作用[12]，同时为适应信息知识和科学技术的迅速发展，企业通过研发费用的有效投入也可以提高自身技术创新能力[13]。产出指标主要包括无形资产增值和当年专利申请数，无形资产增值可以促进企业创新能力与营利之间的良性互动，进而持续提升企业创新水平[14]，而专利申请数增加则会在一定程度上促进企业创新绩效提高。因此，基于国内外文献分析和指标可获得性，本文最终选取研发人员、研发费用作为投入指标，无形资产增值、当年申请专利数作为产出指标[15-18]。

1.2.3 环境指标选择及说明

为满足分离假设，环境变量需选取对企业创新效率有影响但又无法主观控制的因素[19]。结合科创板上市企业自身特点和前人研究基础，本文将影响企业创新效率的外部因素概括为区域宏观环境、政府财政补贴和城市创新创业环境。

(1)区域宏观环境。区域经济发展整体水平可以反映各种生产要素汇总和转化的综合能力，对技术产业发展具有积极影响，而且GDP增长率提升也会正向影响企业研发支出[20]。由于研发费用是本文实证研究的投入指标之一，因此选取城市GDP表征区域经济实力，衡量区域经济发展水平对科创板上市公司创新效率的影响。

(2)政府财政补贴。政府研发补贴是一种直接使企业受益的政策，也是各国普遍采取的用于激发企业创新活力的有效措施。由于技术创新活动存在显著正外部效应，会降低企业对研发投入的热情，因此政府需要采取措施纠正这种市场失灵行为(甄丽明和罗党论，2019)。赵文等[21]研究表明，政府补贴与研发投入存在非线性关系，无论是政府事前补贴还是事后补贴，都有助于企业创新效率提升；郭景先和苑泽明(2018)研究发现，财政政策中的政府资助和税收优惠两种工具对企业创新能力具有激励效应，但政府财政补贴也存在门槛效应和倒U型现象，政府需要根据企业实际需求制定激励政策。

(3)城市创新创业环境。城市创新创业环境具体包括政策环境、产业环境、人才环境、研发环境、金融支持和中介市场。《2018中国城市创新创业环境评价研究报告》指标体系中，政策环境指标包括营商环境、科学技术支出占地方财政支出比重；产业环境指标主要由经济发展环境和高新技术产业构成，创业领域正由互联网消费向生产制造深入渗透，传统产业被赋予新活力，助推新兴产业快速发展；创新人才是开展创新创业活动的关键要素，已经成为各国战略性创新资源竞争的重中之重；研发环境包括研发投入和创新产出两个指标，城市创新创业环境可以反映企业所处创新创业环境；金融是创新创业的重要支撑因素，创新创业特点是前期风险大、不确定性高，因此需要稳定长期的金融资本支持；中介市场环境是城市创新创业环境的重要组成部分，中介机构作为中介市场主体，是连接产业与技术的桥梁，在促进科技成果产业化、社会化过程中发挥着至关重要的作用。

基于以上分析，本文结合科创板上市企业所处外部环境，同时借鉴国内外相关研究成果，选取城市GDP、企业获得政府补贴、政策环境、产业环境、人才环境、研发环境、金融支持和中介市场8个指标作为环境变量。由于环境变量具有滞后性，因此政策环境、产业环境、人才环境、研发环境、金融支持、中介市场均选用2017年数据，以2017年环境数据对2018年企业创新效率进行评价。具体投入、产出和环境变量描述性分析如表1所示。

2 实证结果分析

2.1 第一阶段DEA：基于原始数据的BCC模型分析

运用DEAP 2.1软件，将研发人员和研发费用作为投入指标，无形资产增值和当年申请专利数作为产出指标，利用投入导向的BCC模型对2018年65家科创板上市公司创新效率进行测度，结果见表2。我国科创板上市企业综合技术效率、纯技术效率和规模效率分别为0.324、0.573、0.554。其中，53家企业呈现规模报酬递增，4家企业规模报酬不变，8家企业规模报酬递减，说明我国科创板上市企业平均规模报酬较好。从具体行业看，各行业平均综合效率为0.363，处于中下等水平，纯技术效率和规模效率分别为0.633和0.561，表明纯技术效率和规模效率低下共同导致企业创新效率低下。新材料领域表现较好，其综合效率较高(0.452)，高端装备领域次之。新一代信息技术领域创新效率较低，规模报酬递减企业数量最多，综合效率仅为0.405，这可能是由纯技术效率偏低所致。因此，新一代信息技术领域企业当前重点任务应该放在研发规模调整和创新管理上。

2.2 第二阶段SFA：环境变量分析与投入变量调整

运用Frontier4.1软件，将第一阶段估计得到的投入冗余值作为被解释变量，将选取的8个环境变量作为解释变量，通过极大似然估计法进行SFA回归分析。如表3所示，城市GDP等8个环境变量均通过10%水平显著性检验，同时两个模型的广义单边似然比检验在0.01水平上显著。这表明本文选取的环境变量对企业创新投入冗余具有显著影响，即非常有必要采用SFA分析剔除环境因素对投入变量冗余的影响，进而调整投入[19]。

(1)城市GDP。城市GDP与研发人员、研发费用松弛变量均呈正向显著关系，表明GDP增长导致投入冗余增加。这可能是由于宏观经济实力提升伴随着工业规模化快速发展，规模扩张与企业既有管理水平、技术创新不匹配，从而间接影响企业创新水平[22]。

(2)企业获得政府补贴。企业获得政府补贴与研发人员、研发费用松弛变量呈正向显著关系，企业获得政府补贴减少反而促进企业创新效率提升[23]。这可能是由于政府补助与企业研发存在倒U型关系，即当政府补助的激励效用达到最大时，继续扩大补助将对创新绩效产生挤出效应。政府补助逐渐成为一些企业盈利机制中不可或缺的关键因素，一旦政府撤销补助，这些企业将难以存活。因此，政府补助只有匹配适当的企业规模和政府产业资助才能最大程度发挥政策效果[24]。

(3)政策环境。政策环境对研发费用松弛值的影响在1%显著性水平上负相关，表明科学合理的环境规制政策能够刺激企业创新，产生创新补偿效应，弥补环境规制成本，进而提升企业创新效率[25]。政策环境对区域创新体系建设至关重要，政策环境改善有利于上市企业创新效率提升。

(4)产业环境。产业环境与研发人员松弛变量呈负向显著关系，与研发费用松弛变量呈正向显著关系，说明企业创新投入动力来源于产业环境对技术创新人才的需求程度[26]，研发人员增加可以助推新兴产业快速发展，激发创新潜力，促进创新效率提高。产业环境在一定程度上可以决定企业是否需要以及进行多大程度的创新投入，企业研发投入增加，行业整体创新成本提高，会抑制技术创新预期收益，从而降低企业创新效率。

(5)人才环境。人才环境的营造有利于减少研发人员和研发费用投入冗余。创新能力的基础是人才，人才素质、人才成长载体与潜力决定创新能力高低[27]。创新人才是创新创业活动的关键要素资源，我国各地区通过制定创新创业人才政策吸引人才，人才环境主要取决于高校人才培养规模，而人才培养规模扩大可以提高创新效率，推动企业发展。

(6)研发环境。研发环境的回归系数均为正，表明研发环境改善会使企业投入冗余增加。这可能是因为在创新过程中，劳动者素质、技术积累才是提高技术研发效率的关键因素[28]。企业发展初期资金不足，研发投入过多，可能会加剧财务压力，从而无法持续开展技术创新研究，出现投入冗余现象。因此，企业需要吸收外部先进技术知识，结合自身实际情况配置科技资源，从而有效促进企业创新效率提升。

(7)金融支持。金融支持的回归系数均为负，且对上市企业研发投入松弛值通过1%显著性检验，表明金融支持是促进企业创新效率提升的重要渠道。阳丹(2020)研究发现，成熟的金融支持体系可以通过优化资源配置，提高金融市场的融资效率进而激发企业研发意愿。在一个较为成熟的市场中，分散或分担风险的较优路径是通过金融市场安排实现资源在不同主体之间合理配置，进而达到共同承担风险、共同享受收益的最优状态。因此，金融市场特有的风险分散机制和转移机制可以降低企业自主创新过程中面临的诸多风险，进一步提高自主创新积极性，进而提高企业创新效率。

(8)中介市场。中介市场与研发人员松弛变量的回归系数为负，与研发费用松弛变量的回归系数为正。这可能是因为，金融中介是市场分工优化的产物，作为技术供方和需方之外的第三方参与市场分工，有利于部分企业快速上市融资，从而获取一定示范效应，促进区域产业链调整，加速人才涌入，最终实现知识积累，促进创新产出。但是，企业在急速扩张阶段，如果不能合理配置创新资源，就会导致盲目研发投入，不仅不利于企业自身创新效率提升，反而会造成大量研发冗余。因此，中介市场环境改善有利于减少研发人员投入冗余，促进企业创新效率提升，但一定程度上也会造成研发费用投入冗余增加。

2.3 第三阶段DEA：基于调整后投入与产出数据的BCC模型分析

将调整后的研发人员、研发费用与原始产出指标相结合，再次进行DEA效率分析，结果如表4所示。结果显示，我国科创板上市企业创新技术效率、纯技术效率和规模效率分别为0.267、0.813和0.316。这意味着在剔除环境变量和统计噪声的影响后，我国科创板上市企业创新效率降低主要是由于规模效率下降所致，进一步表明现阶段我国科创板上市企业正在追求规模迅速扩张，与之相匹配的技术先进性和管理科学性正在提高，但企业创新产出水平仍然不高。调整后，我国科创板上市企业规模报酬总体呈现递增态势，其中规模报酬不变的企业有3家，规模报酬递增的企业有62家，意味着新上市科创企业在股权融资得到保障后，迅速扩大企业生产规模是可取之举。

此外，横向比较调整前后各行业技术效率发现(见图1)，环境因素和随机误差显著影响科创板上市公司创新效率，调整后各行业平均创新效率大幅下降，尤其是规模效率，表明优化创新投入、提高技术产出是科创板上市企业应该关注的重点。以上研究表明，剔除城市创新创业环境影响后，企业内部管理水平优势得以体现，而规模效率问题又被进一步放大，应该进一步加强自身创新实力，尤其是加快高端人才引进和创新队伍建设。

基于调整后的科创板上市企业创新效率分布，本文以纯技术效率为横轴，规模效率为纵轴，并以65家科创板上市公司纯技术效率和规模效率均值作为分界线，将其划分为4种创新类型，分别为创新卓越型(PTE>0.785，SE>0.318)、规模效率改进型(PTE>0.785，SE<0.318)、纯技术效率改进型(PTE<0.785，SE>0.318)和创新迟延型(PTE<0.785，SE<0.318)，具体如图2所示。博众精工科技、安恒信息技术、容百科技3家企业综合效率达到最前沿；华润微电子在纯技术效率方面表现最差，应致力于管理制度改善和研发技术提升；苏州凌志软件在规模效率方面表现最差，需注重公司自身研发规模扩大。

3 科创板上市企业创新效率改进方案

在创新型国家建设中，企业是主体，城市是载体，环境是关键[29]。区域创新创业环境是各种创新要素充分聚集、有机组合、良性互动的结果。事实证明，各地区在积极推进创新型城市建设进程中，优质创新环境的营造发挥着至关重要的作用，良好的城市外部环境也为企业高效创新提供合法的制度保障。本文基于企业外部环境视角，利用模糊集定性比较分析(fsQCA)方法探究企业实现高创新效率的前因条件组合和具体的效率改进方案。

3.1 定性比较分析

定性比较分析(qualitative comparative analysis，QCA)是一种以案例研究为主的定性与定量相结合的研究方法。与传统定量研究相比，QCA基于集合论和布尔运算法则，在复杂理论基础上探究多并发条件组合的一种非线性因果关系(罗建青等，2019)。由于QCA在解决多因素复杂性因果关系上具有显著优越性，被广泛应用于社会、医疗、创业等多个领域。模糊集定性比较分析(fsQCA)方法明确将案例概念化为属性组合，并强调正是这些组合赋予案例唯一性，使案例分析条件和结果分类不再局限于二元划分，使得变量校准更加灵活，大大降低了矛盾组态的发生，极大地扩展了定性比较分析的应用范围和适用性[30]。本文借鉴Li等[31]的做法，将企业创新效率作为结果变量，政策环境、产业环境、人才环境、研发环境、金融支持和中介市场作为条件变量，通过组态视角探析科创板上市企业创新效率提升的前因条件组合，具体理论模型见图3。

3.2 变量校准

校准即给案例赋予集合隶属的过程，本文运用直接校准法[32]，将原始数据转化为介于0～1之间的模糊集值，并通过四分位法确定条件变量和结果变量的锚点[33]。结果和条件校准均以75%分位数值作为完全隶属的阈值，50%分位数值作为交叉点，25%分位数值作为完全不隶属的阈值。前因条件和结果变量的锚点分布如表5所示。

3.3 必要条件分析

构建真值表前，需要对必要条件进行检查，以便在逻辑最小化过程中对逻辑余项作出恰当假设[34]。在企业创新效率必要性检测中，确定条件与结果之间是否存在充分必要关系，一般通过一致性和覆盖率检验，而一致性是衡量变量必要条件的一个重要指标。一般来说，若认定某条件变量为结果变量的必要条件，那么该条件的一致性得分不低于0.9。从表6可知，各前因条件中没有一项条件影响技术效率的必要性达到0.9，因此不构成必要条件，说明各单项前因条件不能很好地解释技术效率，也从侧面证实影响企业技术效率的因素并不是单一的，而是由多种因素共同作用、相互影响的。基于此，本文继续探究产生高低两种不同企业创新效率的组态。

3.4 科创板上市企业创新效率提升路径

本文通过构建真值表体现条件组合满足结果产生的逻辑性。真值表以个案为单位对数据进行汇总，得到前因变量与结果变量的所有组合。通过观察断裂点，本文选择0.789 731和0.685 898为一致性阈值，案例阈值设定为1，并检测非一致性比例缩减值(Proportional reduction of inconsistency，PRI)。采用fsQCA3.0软件对数据进行分析发现，结果中并不存在矛盾组态，并得到两条高创新效率路径和两条低创新效率路径，如表7所示。

3.4.1 高创新效率路径分析

(1)政策环境主导型(H1)：政策环境×产业环境×～人才环境×金融支持×中介市场。该组态显示，无论外部研发环境是否具备，只要保持良好的政策环境和产业环境，辅以持续的金融支持和成熟的中介市场，即使人才资源相对缺乏，如高校和科研机构数量较少且等级较低，企业依然能够实现高创新效率。中小企业成长环境与政策之间存在高度相关性，政府政策理念和政府职能转变越到位，中小企业成长环境越好[35]，从而更易实现企业创新效率提升。样本企业中较为典型的是华特气体，该企业以广东佛山为产品研发基地，佛山市政府大力推动地区创新创业高质量发展，出台多项政策促进企业科技创新，为企业营造良好的创新氛围。华特气体不断研发出顺应市场需求的新产品，这得益于所在地良好的政策环境和公司整体协调发展。由该案例可知，政府提供良好的政策支持有利于企业创新效率提高。基于以上分析，本文提出如下命题：

命题1：当企业所处地区营商环境较好、财政科技投入较高时，尽管地区高校人才、科技人才相对匮乏，科创企业依然可以凭借外部金融支持和中介市场优势弥补人才涌入不足的短板，从而实现高效创新产出。

(2)中介市场主导型(H2)：～政策环境×～产业环境×人才环境×研发环境×～金融支持×中介市场。该组态显示，即使企业所处地区金融支持相对滞后，倘若该地区具有完善的中介组织、较强的人才聚集能力和卓越的研发环境，也可以加快产品流通、提高资金流转速度。通过加速企业资金周转弥补金融市场缺陷，降低金融环境对创新效率的影响，从而优化企业所在地区创新创业环境，进一步提升企业创新效率。中介组织是市场经济体系的重要组成部分，也是保证现代市场经济平稳高效运转的支持系统之一，市场经济越发达，市场主体间的经济联系越密切与广泛。因此，发达的中介组织体系能够有效改善城市创新环境，提升企业创新效率。基于以上分析，本文提出如下命题：

命题2：当企业所处地区中介服务业发达、技术交易市场活跃时，尽管该地区金融业从业人员和上市企业相对较少，科创企业依然可以凭借丰富的人才资源和良好的城市创新氛围弥补政府环境和产业基础薄弱的不足，最终实现高效率创新产出。

3.4.2 低创新效率路径分析

(1)城市创新环境失衡型(L1)：～政策环境×～产业环境×～人才环境×～研发环境×～金融支持×～中介市场。该组态表明，倘若缺乏所有环境因素，企业创新效率就难以提升。进一步分析可知，该组态企业所处地区政府对创新创业企业扶持力度不大，高校和科研机构数量少且等级实力较低，高端人才和高校培养学生数量有限，加之人才流失、中介市场不通达，造成信息传递不及时、产品流通不顺畅、资金周转不灵活等一系列问题，最终导致企业创新效率低下。典型案例有奥福环保、赛特新材、硕世生物等，本文以奥福环保为例解释。奥福环保位于山东德州，德州市政府推出的政策未能很好地带动企业创新创业发展，且德州高校数量稀少，中介市场也不发达。总体看，奥福环保所在城市创新创业环境处于劣势，因此该企业创新效率低下也就在所难免。基于以上分析，本文提出如下命题：

命题3：当企业所处地区营商环境、产业环境、人才环境、研发环境、金融支持和中介市场均处于低位时，即使企业加强内部管控、优化创新配置，也很难实现高效率创新产出。

(2)产业环境与金融支持缺失型(L2)：政策环境×～产业环境×人才环境×～研发环境×～金融支持×～中介市场。该组态表明，尽管该地区拥有良好的政策环境和人才储备，一旦产业环境和金融支持缺失，必然导致中介市场萎靡，从而造成研发动力不足，直接影响整体研发环境。金融业在城市创新系统中发挥着重要作用[36]，金融发展对城市经济增长具有正向影响，城市之间金融发展水平差异可能会使经济发展产生差距[37]，城市经济发展滞后势必阻碍企业创新。朱磊等[38]研究发现，产业环境类型不同会影响管理者私人成本与收益的权衡，进而影响管理者的创新投资决策。产业环境和金融支持缺失会严重阻碍企业创新效率提升，如赛特新材位于福建龙岩，龙岩市作为资源型工业化城市，经济发展短板突出，存在产业结构不合理、金融环境发展动力不足等问题，城市创新创业环境不好致使赛特新材创新效率相对偏低。基于以上分析，本文提出如下命题：

命题4：尽管企业具有优越的政策环境，但当城市产业基础较差、经济发展环境不佳、金融支持不足时，企业也无法实现高效率创新产出。

4 结论与启示

4.1 研究结论

本文基于三阶段DEA模型，以企业研发人员、研发费用为投入指标，以企业无形资产增值、当年专利申请数为产出指标，以城市GDP、企业所获政府补贴、政策环境、产业环境、人才环境、研发环境、金融支持和中介市场为环境指标，测度我国65家科创板上市企业技术效率、纯技术效率和规模效率，并总结出提升我国科创板上市公司创新效率的路径优化方案。本文主要结论如下：首先，我国科创板上市企业创新效率总体表现欠佳，分领域看，高端装备>生物医药>新一代信息技术>新材料。其次，在较差的外部环境下，城市创新创业环境会遮掩企业自身纯技术效率，放大规模效应。剔除外部环境和随机干扰项的影响后，企业内部管理水平优势得以体现，而规模效率问题又被进一步放大，但规模效率减少量高于企业纯技术效率增量，导致各领域创新效率下降，从而说明城市创新创业环境等因素会影响企业创新产出。最后，采用fsQCA方法对影响科创板上市公司创新效率的因素进行构型分析发现，企业创新效率提升是多种因素综合作用的结果，而非单一因素主导。我国科创板上市公司高效运营的规律可分为政策环境主导型、中介市场主导型、城市创新环境失衡型及产业环境与金融支持缺失型4种模式。

4.2 对策建议

基于上述结论，为进一步优化创新资源配置，提高创新效率，本文提出以下对策建议：

(1)对于政策环境主导型企业，需从公司人力资源角度深入探究，分析现状并加快对公司骨干和新员工的培养，使其成为与“运维合一”发展相匹配的人才。同时，企业可以制定人才能力标准，明晰员工成长路径，进行师徒结对，营造出以老带新、以新促老、有效传承、互帮互学的良性培养氛围，有效盘活人力资源，激发新老员工工作激情，为公司发展提供有力的人才保障。

(2)对于中介市场主导型企业，由于高新技术产品更新换代快，企业只有不断加大研发力度，提供与时俱进的产品和服务，才能在市场中保有持续竞争力。高新技术企业的发展离不开与之配套的金融体系，只有建立政府支持、多层次资本市场和银行互联的“三位一体”融资体系，才能帮助科创企业解决外部融资要素缺失难题。同时，还要健全信用担保体系，提高科创企业信用等级，匹配与其发展阶段相适应的融资方式，最大限度满足企业创新发展的融资需求。

(3)对于城市创新环境失衡型企业，优化产业政策和人才政策是当务之急，其中税收优惠和人才津贴是行之有效的方式。税收优惠要突出国家产业政策导向，与国家科技发展计划保持一致。政府不仅要对企业技术创新全过程给予扶持和引导，还要加快培育中介市场，打造人才安居工程，完善全周期科技金融扶持体系，积极营造政、产、学、研、金、介、贸、媒多主体联动的创新创业环境。

(4)对于产业环境与金融支持缺失型企业，需加强知识产权保护，完善高新技术成果转化机制，给予科创企业更多政策支持。同时，地方政府还要着力提升科技金融综合服务能力，加速构建资源共享、信息共通、合作共赢的创投生态圈，切实发挥信贷、债券、股权的组合作用。

4.3 不足与展望

本研究不可避免存在一定局限。鉴于科创板注册制启动不久，招股说明书中披露的财务数据有限，论文仅通过2018年截面数据展开讨论，尚不能利用动态QCA方法对面板数据进行处理。此外，在统计当年专利申请数据时，部分企业可能出现创新产出滞后的现象，进而会造成结果偏差。未来研究可以聚焦基于动态QCA的科创企业创新绩效路径优化组态分析、制度环境下创始人身份异质性对科创企业创新投资决策的不同表现，以及创始人不同角色扮演对科创企业创新投资绩效的作用机制研究等。

参考文献:

[1] 李倩.外部知识获取与企业创新绩效关系研究 :一个链式中介模型[D].长春:吉林大学,2019.

[2] 邵传林.制度环境、财政补贴与企业创新绩效:基于中国工业企业微观数据的实证研究[J].软科学,2015,29(9):34-37,42.

[3] 湛正群,杨华.外部环境、内部能力与高新技术企业创新绩效关系实证研究[J].科技管理研究,2016,36(15):136-142.

[4] 赵阳,王芳.地方政府创新激励政策与企业创新绩效:来自党报与工业企业的经验证据[J].湖南科技大学学报(社会科学版),2018,21(2):61-68.

[5] 张志华,陈向东.创新环境与企业协同创新绩效关系的实证研究[J].北京航空航天大学学报(社会科学版),2019,32(1):84-90.

[6] 尚炜伦.营商环境对民营企业创新绩效的影响[J].国际经济合作,2020,36(5):127-134.

[7] 孙泽宇,齐保垒.非正式制度的有限激励作用:基于地区信任环境对企业创新影响的实证研究[J].山西财经大学学报,2020,42(3):31-46.

[8] 徐辉,周孝华.制度环境、产融结合对企业创新绩效的影响研究[J].科学学研究,2020,38(1):158-168.

[9] 张振刚,易欢,陈雪瑶.创新网络资源整合、双元创新对制造企业创新绩效的影响:环境不确定性的调节作用[J].技术经济,2020,39(3):58-65,73.

[10] 许骞.创新开放度、知识吸收能力对企业创新绩效的影响机制研究:基于环境动态性视角[J].预测,2020,39(5):9-15.

[11] FRIED H O,LOVELL C A K,SCHMIDT S S,et al.Accounting for environmental effects and statistical noise in data envelopment analysis[J].Journal of Productivity Analysis,2002,17(1-2):157-174.

[12] 李永周,黄薇,刘旸.高新技术企业研发人员工作嵌入对创新绩效的影响:以创新能力为中介变量[J].科学学与科学技术管理,2014,35(3):135-143.

[13] 赵振宇.研发费用投入对企业价值影响的实证研究 :基于我国中小板市场的数据[D].呼和浩特:内蒙古财经大学,2014.

[14] 赵旭梅.知识产权、无形资产与企业创新力的新解构[J].社会科学战线,2017(9):71-76.

[15] 冯宗宪,王青,侯晓辉.政府投入、市场化程度与中国工业企业的技术创新效率[J].数量经济技术经济研究,2011,28(4):3-17,33.

[16] 钱丽,王文平,肖仁桥.产权差异视角下我国区域高技术企业创新效率研究[J].管理工程学报,2019,33(2):99-109.

[17] 余明桂,范蕊,钟慧洁.中国产业政策与企业技术创新[J].中国工业经济,2016,33 (12):5-22.

[18] 刘满凤,李圣宏.基于三阶段DEA模型的我国高新技术开发区创新效率研究[J].管理评论,2016,28(1):42-52,155.

[19] 徐书彬,叶晗堃.跨境电商上市企业经营效率评价:基于三阶段DEA模型[J].技术经济与管理研究,2019,40(10):75-81.

[20] 吴雪.地域科技投入产出的DEA模型构建与分析[J].统计与决策,2014,30(3):109-112.

[21] 赵文,李月娇,赵会会.政府研发补贴有助于企业创新效率提升吗:基于模糊集定性比较分析(fsQCA)的研究[J].研究与发展管理,2020,32(2):37-47.

[22] 陈升,王京雷,谭亮.基于三阶段DEA的我国创新型产业集群投入产出效率研究[J].经济问题探索,2019,40(9):148-157.

[23] 任跃文.政府补贴有利于企业创新效率提升吗:基于门槛模型的实证检验[J].科技进步与对策,2019,36(24):18-26.

[24] 王钊,王良虎.税收优惠政策对高技术产业创新效率的影响:基于断点回归分析[J].科技进步与对策,2019,36(11):109-116.

[25] 黄庆华,胡江峰,陈习定.环境规制与绿色全要素生产率:两难还是双赢[J].中国人口·资源与环境,2018,28(11):140-149.

[26] 侯鹏,刘思明,建兰宁.创新环境对中国区域创新能力的影响及地区差异研究[J].经济问题探索,2014,35(11):73-80.

[27] 聂鲲.产业集群、产业共享、人力资本互动研究 :以硅谷和中关村为例[D].长春:吉林大学,2017.

[28] 张立杰,梁锦凯.我国丝绸之路经济带沿线省(市、区)高技术产业创新效率研究:基于DEA-Malmquist-Tobit方法[J].科技进步与对策,2019,36(13):68-75.

[29] 清华大学启迪创新研究院.2015中国城市创新创业环境评价研究报告[M].北京:清华大学,2016.

[30] 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.

[31] LI Z G,ZHANG W Y,KONG A J,et al.Configuration analysis of influencing factors of technical efficiency based on DEA and fsQCA:evidence from China's medical and health institutions[J].Risk Management and Healthcare Policy,2021,14:49-65.

[32] RAGIN C C.How to lure analytic social science out of the doldrums[J].International Sociology,2006,21(5):633-646.

[33] CODURAS A,CLEMENTE J A,RUIZ J.A novel application of fuzzy-set qualitative comparative analysis to GEM data[J].Journal of Business Research,2016,69(4):1265-1270.

[34] 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.

[35] 袁红林,陈小锋.我国中小企业政策与中小企业成长环境的相关性:基于384家中小企业的实证[J].企业经济,2012,31(2):176-180.

[36] 张鹏,于伟.金融集聚与城市发展效率的空间交互溢出作用:基于地级及以上城市空间联立方程的实证研究[J].山西财经大学学报,2019,41(4):1-16.

[37] 陈明华,刘玉鑫,王山,等.金融发展对城市经济差距的影响效应及传导路径:基于长三角地区产业分解的经验考察[J].城市问题,2020,39(3):57-67.

[38] 朱磊,徐晓彤,王春燕.产业环境、管理者任期与企业双元创新投资:来自创业板的经验数据[J].证券市场导报,2017,17(6):4-11,19.

(责任编辑：陈 井)