李存斌 馬源培

華北電力大學(xué)經(jīng)濟與管理學(xué)院 北京 102206

1 研究背景

近年來我國的發(fā)展歷程中，有兩個熱頻詞。一是創(chuàng)新驅(qū)動發(fā)展，科技領(lǐng)域創(chuàng)新開拓是提高社會生產(chǎn)力和綜合國力的最強推動力，以科技創(chuàng)新驅(qū)動代替?zhèn)鹘y(tǒng)勞動力及資源能源驅(qū)動是我國未來發(fā)展的核心戰(zhàn)略。二是經(jīng)濟新常態(tài)，強調(diào)優(yōu)化經(jīng)濟結(jié)構(gòu)保證中高速增長的同時轉(zhuǎn)向創(chuàng)新驅(qū)動?！按蟊妱?chuàng)業(yè)、萬眾創(chuàng)新”理念的提出是切合發(fā)展現(xiàn)狀的創(chuàng)造性舉動，“雙創(chuàng)”的深入開展推動新生市場和新生業(yè)態(tài)的大量涌現(xiàn)，助力傳統(tǒng)企業(yè)升級，激發(fā)大眾創(chuàng)業(yè)者的創(chuàng)業(yè)熱情，成為穩(wěn)定和擴大就業(yè)的重要支撐及推動中國新常態(tài)下經(jīng)濟發(fā)展轉(zhuǎn)型的核心思想。

眾創(chuàng)空間作為創(chuàng)新型孵化器，具備專業(yè)化服務(wù)能力，其便捷、完整的孵化要素可以滿足創(chuàng)客的創(chuàng)業(yè)經(jīng)驗指導(dǎo)和創(chuàng)新思想孵化落地的需求。眾創(chuàng)空間的形成發(fā)展，順應(yīng)開放創(chuàng)新、協(xié)同創(chuàng)新、大眾創(chuàng)新等思想交匯融合的創(chuàng)新趨勢。眾創(chuàng)空間的良好發(fā)展可以使得“雙創(chuàng)”中創(chuàng)新創(chuàng)業(yè)個體或集體的思想實踐化，切實為“雙創(chuàng)”注入活力，營造良好創(chuàng)新創(chuàng)業(yè)生態(tài)環(huán)境，實現(xiàn)可持續(xù)性的“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”。

2 文獻綜述和研究創(chuàng)新

國內(nèi)眾創(chuàng)空間相關(guān)領(lǐng)域的研究從無到有，從有到成果紛呈，歷時不到十年?！翱萍紕?chuàng)新浪潮”的迅速發(fā)展無疑靠的是2.0創(chuàng)新時代的推動和國家“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的雙創(chuàng)政策的支持。眾創(chuàng)空間的發(fā)展運行，代表著傳統(tǒng)孵化器的再深入創(chuàng)新，代表著創(chuàng)新思維浪潮的落地可行性，更是代表著國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的引擎驅(qū)動力。國內(nèi)學(xué)者們從不同角度，借助不同模型工具對眾創(chuàng)空間進行研究，極大豐富了眾創(chuàng)理論研究，補上了國內(nèi)在此領(lǐng)域的薄弱一環(huán)。

眾創(chuàng)空間發(fā)展初期，國家提出相應(yīng)政策綱領(lǐng)，有研究學(xué)者從整體角度對政策、運行機理等進行評價。卜令通等人從宏觀層面出發(fā)，基于五年內(nèi)各省市出臺的眾創(chuàng)政策并結(jié)合PMC指數(shù)模型進行量化評價分析后提出了政策改進建議。林妙昕等人同樣基于發(fā)展政策，聚焦于廣東省眾創(chuàng)空間發(fā)展情況，對樣本政策進行編碼劃分，形成供給型政策、環(huán)境型政策和需求型政策三個分類并深入分析可改進空間。陶小龍、黃睿嫻基于同級層視角和跨級層視角，從創(chuàng)新創(chuàng)業(yè)載體提高孵化創(chuàng)新水平的基本點出發(fā)，對眾創(chuàng)空間案例樣本進行扎根理論分析，對眾創(chuàng)生態(tài)系統(tǒng)和運行機制進行剖析。潘英豪等人通過實地走訪調(diào)查山東省內(nèi)眾創(chuàng)空間，對其不同運營模式和影響因素總結(jié)歸納，為制度完善性和創(chuàng)業(yè)者入駐提供指導(dǎo)建議。

部分研究學(xué)者的重點放在眾創(chuàng)空間的空間區(qū)域性質(zhì)上，積極探索不同省市的科技孵化器的地域和效率的空間相關(guān)性。陳潔、蔣亮等人采用最近鄰指數(shù)、核密度分析等探究眾創(chuàng)空間地域?qū)用娴难葑兲攸c和影響機理。衛(wèi)武、黃苗苗將研究重點放在各省市眾創(chuàng)空間發(fā)展?fàn)顩r的差異性和不平衡性上，基于經(jīng)濟發(fā)展新常態(tài)的雙創(chuàng)浪潮，比較不同創(chuàng)新服務(wù)載體的影響因子，并提出切實地區(qū)發(fā)展實情的政策建議。

隨著眾創(chuàng)空間的不斷發(fā)展，研究學(xué)者不僅深入量化評價眾創(chuàng)政策，從空間維度分析地區(qū)性差異，更多的研究關(guān)注于其運行效率和影響因素。張靜進、陳光華采用經(jīng)典三階段DEA模型，排除環(huán)境因素和隨機誤差因素的干擾，評價測算更貼近真實情況的運行效率，對眾創(chuàng)空間運行中投入冗余提出調(diào)整建議。徐麗、胡文彪等人采用DEA模型和DEA-Malmquist指數(shù)，在構(gòu)建的投入產(chǎn)出體系中對區(qū)域創(chuàng)新能力進行動靜雙方面的分析，對測算的運行效率進一步分解后總結(jié)對應(yīng)的管理建議。李榮、王彥銘學(xué)者的研究在使用三階段DEA之外，加入了兩階段共同邊界DEA的測度方法，將眾創(chuàng)空間運行流程分解為服務(wù)階段和轉(zhuǎn)化階段，利用前后關(guān)聯(lián)性遞推分析兩階段的效率情況。

綜上所述，現(xiàn)在國內(nèi)對眾創(chuàng)空間運行效率的評價研究已有一定積累，但大多采用的數(shù)據(jù)都是單年多地區(qū)的橫截面數(shù)據(jù)，測算過程存在偶然性。徐麗、田劍等人也在研究中指出眾創(chuàng)空間發(fā)展時間較短的限制使得多年多地區(qū)的面板數(shù)據(jù)使用出現(xiàn)阻礙。本文計劃使用2016—2019四年相關(guān)數(shù)據(jù)，在參考文獻基礎(chǔ)上對投入產(chǎn)出指標(biāo)體系進行調(diào)整構(gòu)建，使用三階段DEA對我國各省眾創(chuàng)空間運行效率進行評價，從區(qū)域角度和時間序列上探究發(fā)展情況。在測得四年整體運行效率后使用tobit回歸模型，選取不同于三階段DEA指標(biāo)體系的評價指標(biāo)作為解釋變量，運行效率作為被解釋變量，進行大樣本回歸分析，深入探討影響眾創(chuàng)空間發(fā)展的因素。

3 研究設(shè)計

3.1 模型構(gòu)建

經(jīng)典DEA采用線性規(guī)劃技術(shù)計算效率，約束限制較少，但未考慮環(huán)境因素和隨機誤差對效率差異的影響。針對這一不足，F(xiàn)ried等提出了三階段DEA模型，首先利用經(jīng)典DEA測算效率值，然后利用隨機前沿模型對投入指標(biāo)進行修正調(diào)整，使各個決策單元處于相同的環(huán)境當(dāng)中，最后將修正后的投入數(shù)據(jù)使用經(jīng)典DEA模型再次計算，得到剝離了環(huán)境因素和隨機誤差影響的結(jié)果。

Tobit模型，又稱受限回歸模型、截尾回歸模型，是指因變量受到限制的一種模型。該模型采用最大似然法對部分連續(xù)的或離散分布的被解釋變量進行回歸估計，可以避免采用普通最小二乘法估計帶來的參數(shù)估計量不一致和偏差問題。該模型的數(shù)學(xué)表達式為：

其中，是被解釋變量，為解釋變量，為隨機擾動項且～(0，)。

3.2 指標(biāo)選取

3.2.1 三階段DEA投入產(chǎn)出指標(biāo)

選取代表眾創(chuàng)工作服務(wù)支持度的工作人員數(shù)量，反映服務(wù)規(guī)模提供的工位數(shù)量，體現(xiàn)政府支持力度的財政資金支持和服務(wù)工作開展進度的創(chuàng)新創(chuàng)業(yè)活動次數(shù)為投入變量。選取眾創(chuàng)空間的數(shù)量、創(chuàng)業(yè)團隊和初創(chuàng)企業(yè)當(dāng)年獲得投資總額以及眾創(chuàng)空間總收入等經(jīng)濟收益作為產(chǎn)出變量。

3.2.2 三階段DEA環(huán)境變量

環(huán)境變量應(yīng)為對運行效率評價有影響且評價單元無法控制改變的變量，文章做了調(diào)整，選取了人口數(shù)量、城鎮(zhèn)人口比重、人均GDP和受教育程度四個環(huán)境變量。其中受教育程度不同于以往文獻中的文盲率，而是考慮到眾創(chuàng)空間的發(fā)展對工作人員提出相對較高的學(xué)歷要求，因此選用各省份6歲以上受教育人數(shù)中，本科及本科以上占總?cè)藬?shù)的比例。

3.2.3 影響因素

參照李容等的研究并結(jié)合政府部門相關(guān)政策，選取政府補貼、當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量、創(chuàng)業(yè)導(dǎo)師人數(shù)、備案眾創(chuàng)空間比例、開展創(chuàng)業(yè)教育培訓(xùn)次數(shù)和人員教育素養(yǎng)這6個變量作為影響因素。為了減少異方差的影響，將政府補貼、當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量、創(chuàng)業(yè)導(dǎo)師人數(shù)、開展創(chuàng)業(yè)教育培訓(xùn)次數(shù)和人員教育素養(yǎng)這5個變量進行對數(shù)變換后加入Tobit回歸模型。

3.2.4 數(shù)據(jù)來源

研究使用的各項指標(biāo)數(shù)據(jù)均來源于2017至2020年《中國統(tǒng)計年鑒》和《中國火炬統(tǒng)計年鑒》(部分數(shù)據(jù)缺失)。

4 基于三階段DEA模型的眾創(chuàng)空間運行效率測算分析

4.1 第一階段：傳統(tǒng)DEA效率測算結(jié)果及分析

采用DEAP2.1軟件，選取投入導(dǎo)向規(guī)模報酬可變的BCC模型測算2016—2019年中國30個省區(qū)市眾創(chuàng)空間運行效率，第一階段的DEA結(jié)果如表1所示。由表1可以發(fā)現(xiàn)，在不考慮外部環(huán)境因素的影響下，整體而言，中國眾創(chuàng)空間資源配置狀態(tài)有待優(yōu)化，眾創(chuàng)空間運行效率仍有一定的提升空間。河北、上海、甘肅和青海的眾創(chuàng)空間運行效率平均值為1，表明2016—2019年這4個省市的眾創(chuàng)空間的資源配置十分均衡，長期處于DEA有效狀態(tài)。其他省區(qū)市的眾創(chuàng)空間運行效率與最優(yōu)值之間仍存在一定差距，其中，北京市、吉林省、黑龍江省、江蘇省、浙江省、福建省、廣東省、廣西壯族自治區(qū)、寧夏回族自治區(qū)和新疆維吾爾自治區(qū)的眾創(chuàng)空間運行效率平均值均高于全國平均值，說明這10個省區(qū)市的眾創(chuàng)空間投入和產(chǎn)出處于較為均衡的狀態(tài)；而天津市、山西省、內(nèi)蒙古自治區(qū)、遼寧省、安徽省、江西省、山東省、河南省、湖北省、湖南省、海南省、重慶市、四川省、貴州省、云南省的眾創(chuàng)空間運行效率平均值均低于全國平均值，說明這16個省區(qū)市的眾創(chuàng)空間投入產(chǎn)出效果一般，資源配置有待優(yōu)化。

表1 2016—2019年中國30個省區(qū)市第一階段眾創(chuàng)空間運行效率平均值

4.2 第二階段：SFA模型回歸結(jié)果與分析

考慮到第一階段傳統(tǒng)DEA模型沒有排除環(huán)境變量、隨機干擾項和內(nèi)部管理無效率等因素對眾創(chuàng)空間運行效率的影響，導(dǎo)致決策單元的效率運行結(jié)果出現(xiàn)一定偏差。因此，在第二階段將眾創(chuàng)空間服務(wù)人員數(shù)量、提供工位個數(shù)、享受財政資金支持和舉辦創(chuàng)新創(chuàng)業(yè)次數(shù)這4個投入指標(biāo)的松弛變量作為因變量，選取各地區(qū)人口數(shù)量、城鎮(zhèn)人口比重、人均GDP和受教育程度這4個環(huán)境變量作為自變量，采用SFA模型并借助Frontier4.1軟件考察環(huán)境變量對投入指標(biāo)松弛變量的影響，SFA模型的回歸結(jié)果見表2。

表2 SFA模型回歸結(jié)果

城鎮(zhèn)人口比重對服務(wù)人員數(shù)量松弛變量、提供工位個數(shù)松弛變量的系數(shù)均顯著為正。表現(xiàn)在城鎮(zhèn)人口比重越高，越不利于降低服務(wù)人員數(shù)量和提供工位個數(shù)的投入冗余。原因可能在于城鎮(zhèn)人口比重高的地區(qū)經(jīng)濟發(fā)展水平較高，創(chuàng)新創(chuàng)業(yè)智能化服務(wù)設(shè)施也更為健全，對服務(wù)人員數(shù)量和工位個數(shù)的需求也相對較少，從而在導(dǎo)致眾創(chuàng)空間服務(wù)人員數(shù)量和提供工位個數(shù)產(chǎn)生投入冗余，造成浪費，進而不利于眾創(chuàng)空間運行效率的提升。城鎮(zhèn)人口比重對享受財政資金支持松弛變量產(chǎn)生了顯著的負向影響，說明城鎮(zhèn)化比重越高，越有利于降低財政資金支持松弛。這可能是因為城鎮(zhèn)人口比重高的地區(qū)往往有更多的創(chuàng)新創(chuàng)業(yè)機會，而創(chuàng)新創(chuàng)業(yè)初期通常面臨高額的資金投入和較大的風(fēng)險，對政策財政資金支持的需求也較高，因此，城鎮(zhèn)化比重越高，越有利于降低財政資金投入冗余。

人均GDP對提供工位個數(shù)松弛變量的影響顯著為負，表明人均GDP越高，越有利于降低提供工位個數(shù)松弛。這可能是因為人均GDP越高的地區(qū)，經(jīng)濟活動活躍程度更高，收入水平往往也較高，從而能夠吸引更多的創(chuàng)新創(chuàng)業(yè)人才，有效降低提供工位個數(shù)投入松弛，進而提升眾創(chuàng)空間運行效率。人均GDP對享受財政資金支持松弛變量的影響顯著為正，表明人均GDP導(dǎo)致享受財政資金支持松弛變量增加，主要原因在于人均GDP較高的地區(qū)，往往也有較高的財政收入水平，從而導(dǎo)致財政資金投入眾創(chuàng)空間的數(shù)額較大，產(chǎn)生了大量投入冗余，從而對眾創(chuàng)空間運行效率產(chǎn)生消極影響。

受教育程度對服務(wù)人員數(shù)量松弛變量、享受財政資金支持松弛變量的影響顯著為負，說明受教育程度越高，越有利于降低服務(wù)人員數(shù)量和享受財政資金支持松弛。其原因可能在于受教育程度越高的地區(qū)，服務(wù)人員對于創(chuàng)新性、科技性較強的孵化項目有一定經(jīng)驗和基礎(chǔ)知識支撐，可以更高效地完成工作，有利于降低服務(wù)人員數(shù)量松弛量，進而提升眾創(chuàng)空間運行效率；同時，受教育程度高的地區(qū)往往匯集了大量高素質(zhì)人才，創(chuàng)新創(chuàng)業(yè)氛圍濃厚，對財政資金支持的需求量也隨之提高，財政資金使用效率較高，能有效降低財政資金支持的投入松弛冗余，進而提升眾創(chuàng)空間運行效率。受教育程度對提供工位個數(shù)松弛變量產(chǎn)生了顯著的正面影響，表明受教育程度高導(dǎo)致提供工位個數(shù)松弛變量增加。主要原因可能在于，受教育程度高的地區(qū)眾創(chuàng)空間的數(shù)量在不斷增加，大部分眾創(chuàng)空間在初創(chuàng)時期在進行工位個數(shù)的配置過程中，由于對眾創(chuàng)空間的主營業(yè)務(wù)、崗位需求等不夠熟悉，導(dǎo)致提供工位個數(shù)出現(xiàn)了供需不對應(yīng)的狀態(tài)，導(dǎo)致資源浪費，從而不利于眾創(chuàng)空間運行效率提升。

4.3 第三階段：調(diào)整后的運行效率結(jié)果與分析

第二階段SFA模型的回歸結(jié)果表明外部環(huán)境因素會對眾創(chuàng)空間運行效率產(chǎn)生較大變差，故需要對原來的投入變量進行調(diào)整，運用調(diào)整后的投入指標(biāo)和原有的產(chǎn)出指標(biāo)，采用投入導(dǎo)向規(guī)模報酬可變的BCC模型測算2016—2019年中國30個省區(qū)市眾創(chuàng)空間運行效率，表3匯報了調(diào)整后的眾創(chuàng)空間運行效率結(jié)果。第三階段2016—2019年中國30個省區(qū)市眾創(chuàng)空間運行效率(綜合技術(shù)效率)、純技術(shù)效率和規(guī)模效率的均值分別為0.641、0.995和0.645。

表3 2016—2019年眾創(chuàng)空間運行效率調(diào)整后的結(jié)果

對比第一和第三階段的結(jié)果可以發(fā)現(xiàn)，在剔除了環(huán)境因素和隨機干擾項的影響后，中國30個省區(qū)市眾創(chuàng)空間運行效率(綜合技術(shù)效率)的平均值下降了0.213，降幅為24.94%；純技術(shù)效率上升了0.084，增幅為9.22%；規(guī)模效率的平均值下降了，降幅為31.09%。由此可見，從第一階段到第三階段，眾創(chuàng)空間運行效率和規(guī)模效率的平均值均出現(xiàn)了較大幅度的下降，而純技術(shù)效率的平均值則沒有顯著變化，說明規(guī)模效率低下是造成中國眾創(chuàng)空間運行效率低下的主要原因。

為了進一步了解中國眾創(chuàng)空間運行效率的地區(qū)差異，根據(jù)國家統(tǒng)計局的劃分標(biāo)準(zhǔn)，將本文的研究對象30個省份劃分為東、中、西三大地區(qū)，本文中的東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南共11個省(市)；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖南和湖北共8個?。晃鞑康貐^(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏和新疆共11個省(自治區(qū)、直轄區(qū))。由圖1可以看出，中國各地區(qū)眾創(chuàng)空間運行效率具有明顯的地區(qū)差異。總體而言，2016—2019年中國眾創(chuàng)空間的運行效率呈現(xiàn)上升的趨勢，表明眾創(chuàng)空間資源配置水平在不斷優(yōu)化，但均值在0.650左右波動，說明中國眾創(chuàng)空間運行效率并不理想，仍存在較大的提升空間。

從東、中、西部地區(qū)分別來看，東部地區(qū)眾創(chuàng)空間運行效率最高，表明東部地區(qū)眾創(chuàng)空間的投入適度、產(chǎn)出效果明顯，資源配置最為科學(xué)合理，主要得益于東部地區(qū)優(yōu)越的地理位置、較高的經(jīng)濟發(fā)展水平和濃厚的創(chuàng)新創(chuàng)業(yè)氛圍。中部地區(qū)眾創(chuàng)空間運行效率呈現(xiàn)先上升后下降的變化趨勢，但運行效率仍低于全國平均水平。原因可能在于中部地區(qū)受東部地區(qū)的輻射帶動作用較強，承接了東部地區(qū)的技術(shù)轉(zhuǎn)移和產(chǎn)業(yè)轉(zhuǎn)移，導(dǎo)致早期眾創(chuàng)空間投入取得了積極成效，后期因為沒有及時對投入水平進行合理的調(diào)整，中部地區(qū)眾創(chuàng)空間運行效率又有所下降。西部地區(qū)眾創(chuàng)空間運行效率最低，均值一直在0.5以下，這可能是由于眾創(chuàng)空間發(fā)展起步較晚，受制于經(jīng)濟發(fā)展水平、科技發(fā)展水平落后等原因，“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的意識較為薄弱，投入產(chǎn)出效果較差。

圖1 2016—2019年中國及各地區(qū)眾創(chuàng)空間運行效率變化情況

5 基于Tobit模型的眾創(chuàng)空間運行效率影響因素分析

由于三階段DEA模型測算出的眾創(chuàng)空間運行效率值在0～1之間，屬于受限被解釋變量。為了更深入地分析中國眾創(chuàng)空間的影響因素，本文運用stata15.0軟件，采用Tobit回歸模型對眾創(chuàng)空間運行效率的影響因素進行實證檢驗。回歸模型如下：

=+1+2+3+4+5+6+

式中，和分別代表省份和年份，為眾創(chuàng)空間運行效率，表示政府補貼，表示當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量、表示創(chuàng)業(yè)導(dǎo)師人數(shù)、表示備案眾創(chuàng)空間比例，表示開展創(chuàng)業(yè)培訓(xùn)次數(shù)，表示人員教育素養(yǎng)，為隨機擾動項。

表4報告了Tobit模型的回歸結(jié)果，LR檢驗和Wald檢驗均通過顯著性檢驗，說明模型的擬合效果很好，Tobit模型的選擇是合理的。由回歸結(jié)果可知，政府補貼與眾創(chuàng)空間運行效率的回歸系數(shù)為0.067，且通過了5%水平上的顯著性檢驗，說明政府補貼水平越高，眾創(chuàng)空間運行效率就越高。具體而言，政府補貼每增加1%，眾創(chuàng)空間運行效率隨之提高0.067%。當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量的回歸系數(shù)為0.084，且通過了1%水平上的顯著性檢驗，表明增加當(dāng)?shù)乜萍计髽I(yè)孵化數(shù)量有助于提高眾創(chuàng)空間的運行效率。具體而言，當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量每增加1%，眾創(chuàng)空間運行效率會提高0.084%。人員教育素養(yǎng)的系數(shù)為正且在5%的水平上通過顯著性檢驗，說明人員教育素養(yǎng)對眾創(chuàng)空間運行效率有顯著的積極影響。未通過顯著性檢驗的變量，結(jié)合實際情況進行主觀方面解釋，創(chuàng)業(yè)導(dǎo)師人數(shù)和開展創(chuàng)業(yè)培訓(xùn)次數(shù)的系數(shù)為正，但未通過檢驗，這可能是因為部分地區(qū)政府對于實際運行中的培訓(xùn)指導(dǎo)不夠重視，眾創(chuàng)空間運行屬于摸索前進，缺乏專業(yè)指導(dǎo)。備案眾創(chuàng)空間比例的系數(shù)為負，原因可能在于監(jiān)管備案流程不夠規(guī)范，為追求表面數(shù)字而只有“空殼”的眾創(chuàng)空間只會造成投入資源浪費。具體而言，人員教育素養(yǎng)每提高1%，眾創(chuàng)空間運行效率會隨之提高0.079%。綜上所述，當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量是影響眾創(chuàng)空間運行效率的首要因素，其次是人員教育素養(yǎng)，隨后是政府補貼。

表4 Tobit模型回歸結(jié)果

6 結(jié)論與政策建議

本文的研究選擇三階段DEA模型，采用30個省份四年面板數(shù)據(jù)，考察環(huán)境變量對四種投入指標(biāo)的松弛變量的影響，得出更貼近真實的排除環(huán)境因素和隨機誤差因素后的眾創(chuàng)空間運行效率。深入解讀測算結(jié)果，調(diào)整后運行效率和規(guī)模效率的平均值均出現(xiàn)了較大幅度的下降，而純技術(shù)效率的平均值則沒有顯著變化，得出規(guī)模效率低下是現(xiàn)運行階段的主要問題，從時間序列分析眾創(chuàng)空間發(fā)展情況，2016—2019年眾創(chuàng)空間效率有所上升且較為穩(wěn)定，但0.650的均值說明仍然存在提升空間。對30個省份評價單元進行地域劃分，并從空間角度分析東中西地區(qū)發(fā)展不平衡現(xiàn)狀和其原因。使用Tobit回歸模型，以三階段測算結(jié)果為被解釋變量，選取六項解釋變量，深入探討影響眾創(chuàng)空間運行效率的因素?？偨Y(jié)全文實證研究，結(jié)合相關(guān)“雙創(chuàng)”政策，歸納出如下針對眾創(chuàng)空間未來發(fā)展的政策建議。

(1)從整體上對眾創(chuàng)空間的空間布局進行合理化調(diào)整，優(yōu)化完善空間體系。東、中、西三地區(qū)應(yīng)結(jié)合自身發(fā)展情況進行政策引導(dǎo)。東部地區(qū)繼續(xù)借助發(fā)達經(jīng)濟地帶和高新技術(shù)人才科技聚集的優(yōu)勢，建立針對高新技術(shù)前沿領(lǐng)域的眾創(chuàng)空間，爭做“雙創(chuàng)”中的“尖端力量”的同時增強對其他地區(qū)的輻射帶動作用。中部地區(qū)不僅要承接技術(shù)和產(chǎn)業(yè)轉(zhuǎn)移，更要積極學(xué)習(xí)借鑒東部地區(qū)雙創(chuàng)工作開展經(jīng)驗，在眾創(chuàng)空間大眾化建設(shè)的基礎(chǔ)上提高服務(wù)水平，拓寬服務(wù)對象范圍，向革新性創(chuàng)意技術(shù)孵化對接。西部地區(qū)努力與中部、東部地區(qū)搭建眾創(chuàng)產(chǎn)業(yè)“鏈?zhǔn)交?，順接吸收中部地區(qū)眾創(chuàng)成果影響，打造面向大眾的基礎(chǔ)性眾創(chuàng)空間聚集地，加大宣傳力度以提高群眾“大眾創(chuàng)業(yè)、萬眾創(chuàng)新”的意識，營造良好雙創(chuàng)氛圍。(2)眾創(chuàng)空間相關(guān)人員教育素養(yǎng)和運行效率緊密相關(guān)。全面優(yōu)化眾創(chuàng)空間高等教育素養(yǎng)人才體系，實施“招進來”和“留下來”雙線推進戰(zhàn)略?！罢羞M來”即積極與擁有豐富的雙創(chuàng)資源的高校和科研院所等開展合作交流，為創(chuàng)新人才直接提供一對一崗位對接。拓寬招收范圍，吸引大學(xué)應(yīng)屆畢業(yè)生就業(yè)，革新工作人員團隊，全面提高教育素養(yǎng)?！傲粝聛怼奔礊橛袆?chuàng)新創(chuàng)業(yè)能力的人才制定優(yōu)惠政策，提供良好生活和收入保障，提高滿意度。同時完善人才激勵政策，例如，科技成果轉(zhuǎn)化所帶來利益分配、股權(quán)和績效等。(3)政府加強政策引導(dǎo)在眾創(chuàng)空間運行中的影響力度。在科技創(chuàng)新點和孵化落地之間，政府要扮演“牽線者”。在眾創(chuàng)空間和科研機構(gòu)、行業(yè)協(xié)會團體、企業(yè)等之間進行積極引導(dǎo)。對于眾創(chuàng)空間運行，細化補貼資金流向，在眾創(chuàng)空間開展的多項活動中，例如，對入駐人員團隊的創(chuàng)業(yè)培訓(xùn)輔導(dǎo)，科創(chuàng)項目投融資對接，眾創(chuàng)空間建設(shè)用地出租和基礎(chǔ)設(shè)施建設(shè)等方面制定相關(guān)優(yōu)惠政策，加大補貼力度。同時趁“雙創(chuàng)”浪潮加大宣傳力度，政府利用影響力在廣告或其他媒體渠道為眾創(chuàng)空間提升群眾吸引力。(4)當(dāng)?shù)乜萍计髽I(yè)孵化器數(shù)量對于眾創(chuàng)空間運行效率有顯著正向影響，這說明地區(qū)范圍內(nèi)，高新技術(shù)企業(yè)孵化成果能帶動高新技術(shù)產(chǎn)業(yè)發(fā)展，對于孵化器延伸者眾創(chuàng)空間而言，有可學(xué)習(xí)借鑒的孵化經(jīng)驗，進而能帶動眾創(chuàng)空間積極發(fā)展。眾創(chuàng)空間的定位是順應(yīng)網(wǎng)絡(luò)時代，更多面向互聯(lián)網(wǎng)創(chuàng)業(yè)者，多與當(dāng)?shù)乜萍计髽I(yè)資源結(jié)合。在孵化對象選擇上，打破傳統(tǒng)企業(yè)傳統(tǒng)產(chǎn)業(yè)的邊界引導(dǎo)產(chǎn)業(yè)升級轉(zhuǎn)型，聚類創(chuàng)新人力、物力、科創(chuàng)思想等資源和高技術(shù)企業(yè)聯(lián)合開展產(chǎn)學(xué)研深度融合。(5)“雙創(chuàng)”浪潮下，政府一直提倡降低創(chuàng)業(yè)門檻，但同時在眾創(chuàng)空間飛速發(fā)展的這幾年，部分眾創(chuàng)空間造成投入冗余，沒有為創(chuàng)業(yè)者提供服務(wù)的能力和設(shè)施。

因此必須完善眾創(chuàng)空間備案規(guī)范體系，實行“外緊內(nèi)松”?！巴饩o”指的是限制各地區(qū)上報數(shù)量的同時對于符合備案的相關(guān)指標(biāo)要嚴(yán)格細化，對于眾創(chuàng)空間考察從材料文件轉(zhuǎn)到實地考核，增加考核專家人數(shù)并面向社會群眾公示，保證考察過程嚴(yán)謹。“內(nèi)松”是指通過建立專門申報系統(tǒng)平臺，為符合申報條件的眾創(chuàng)空間減少煩瑣流程。