社会网络结构对孵化资源配置效率的影响

胡海青，张颖颖，王兆群

(西安理工大学经济与管理学院，陕西 西安 710054)

社会网络结构对孵化资源配置效率的影响

胡海青，张颖颖，王兆群

(西安理工大学经济与管理学院，陕西 西安 710054)

本文基于社会网络结构理论，提出网络中心性、网络密度和网络结构洞对中国孵化资源配置效率的影响，进而通过DEA法评价了中国孵化资源配置效率现状，并使用Tobit回归和凝聚子群法实证检验了社会网络结构对中国孵化资源配置效率的影响。研究后发现:网络中心性、网络密度和网络结构洞对中国孵化资源配置效率产生正向影响，但影响作用较低；中国不同地区孵化资源配置不均衡现象突出。这一研究结果反映出中国创业创新的环境和条件，对于实施 “大众创业、万众创新”有一定作用。

孵化资源配置效率；社会网络结构；DEA；Tobit；凝聚子群

1 引言

为解决创业过程资源获取的有效性与及时性，国家提出以 “众创空间”为载体构建低成本、便利化、全要素的开放式综合服务平台，为协调孵化资源提供了新思路。有效的孵化资源配置对孵育创新创业企业，提高地区经济实力，实现创新驱动发展具有重要作用，受到国家及各地区的高度重视[1]。近年来，中国不断加大孵化资源投入，各地区孵化器数量、孵化面积和企业数不断增长。但是，由于孵化资源受国家政策、区域条件以及发展目标等影响较大，市场机制难以发挥作用。因此，中国孵化资源配置现状及如何优化孵化资源配置效率，成为广泛关注的问题。

学术界对影响资源配置效率关键因素的揭示，主要从资源属性、区域特性、政府支持力度等方面展开[2-3]。纵观现有研究，可以发现主要关注于区域环境的作用，没有注意到资源配置主体合作关系变化对资源配置的影响，尤其是孵化资源配置中的网络合作关系对配置效率的影响。随着中国不同地区交流频繁，孵化资源深入嵌入于社会关系中，社会网络成为配置资源的有效方式。网络结构直接影响内部成员和资源的传输[4]，促进不同地区资源共享与整合。因此，社会网络结构理论为深入剖析中国孵化资源配置现象，分析影响孵化资源配置效率的关键因素提供了新的理论基础和研究视角。

本文从社会网络的视角，剖析社会网络结构对孵化资源配置效率影响，客观评价中国孵化资源配置现状，提出提高孵化资源配置效率对策与建议。

2 孵化资源配置效率与假设提出

2.1 孵化资源配置效率

孵化资源配置是指孵化资源在不同地区孵化主体间的有效分配和利用。孵化资源配置网络是指不同地区之间通过交易性或非交易性关系形成的以优化地区孵化资源为导向的关系网络，具有社会网络及资源配置网络的一般属性。孵化资源配置效率体现出孵化资源配置的有效性，是对孵化资源配置效果的可靠衡量。现阶段对孵化资源配置评价的研究较少，仅有的研究关注于国家级企业孵化器[1]及长三角地区企业孵化器运行效率问题[5]，且多使用投入-产出法。基于该方法的可靠性与科学性，本文选择投入-产出法评价中国孵化资源配置现状。

2.2 社会网络结构对孵化资源配置效率影响理论假设

社会网络理论用来解释组织间关系网络及跨地区协作发挥了重要作用[6]，提出网络中心性、网络密度、结构洞等多个结构维度的测量变量。本文从结构维度分析对孵化资源配置效率的影响。

(1)网络中心性与孵化资源配置效率。网络中心位置意味着个体具有更多的资源来源，直接影响个体获得资源的数量和速度[7]，并传递出一种品质信号[8]。根据资源基础观，企业孵化过程就是不断获取资源、吸收资源和整合资源，增加资源占有量对提升孵化成功率具有重要意义。一方面，处于网络中心位置的地区具有更多孵化资源获取的机会和渠道，能够接触到更多的新技术、新知识，提高本地区孵化资源储备量和异质性。同时，较多的资源获取机会和渠道意味着更多的选择性，孵化主体可以根据自身需求选择资源。另一方面，占据中心性位置的地区意味着提供的资源品质较高，相同的资源投入量，产出的成果多，提高了资源配置效率。因此提出假设1:网络中心性与孵化资源配置效率正相关。

(2)网络密度与孵化资源配置效率。网络密度反映出网络连通性与传递性。现有文献对网络密度对资源配置影响的研究有两种观点:一种认为，疏松网络使节点更及时获取非重要信息，有利于资源配置[9]。另一种认为，密集网络便于获取更多精炼、高质量的信息和默认知识[10]。矛盾出现原因在于不同研究的联系类型、背景和结果变量的差异[11]。处于孵化资源配置网络密度较高的地区，受接触资源广度的影响，具有较大的开放性，能有效降低区域因素对资源配置的影响。同时，一个地区网络密度较高，表示该地区资源交流和整合频繁，增强地区间合作信任度，降低机会主义行为和道德风险的发生，有效减少资源配置成本。从整体来看，网络密度影响孵化资源的流动广度与资源整合范围。因此提出假设2:网络密度与孵化资源配置效率正相关。

(3)网络结构洞与孵化资源配置效率。网络结构洞是指将无直接联系的两者连接起来的第三者位置，拥有一定的信息优势和控制优势[12]，能够改变网络现有结构，带来新资源[13]。在孵化资源配置网络中结构洞现象十分普遍。处于结构洞位置的地区能够获得更多的资金、人才、信息等资源。同时，因为结构洞的存在，没有直接联系的地区通过结构洞达到资源交流和整合的目的，大大增加了其获取资源的机会以及资源的丰富性和知识的异质性，优化孵化资源配置网络内的资源，提高各地区孵化资源配置效率。因此提出假设3:结构洞与孵化资源配置效率正相关。

3 模型构建与变量设计

3.1 模型构建

(1)孵化资源配置效率评价模型。本文选取BCC模型对中国企业孵化资源配置效率进行测算。孵化资源配置效率BCC模型如下:

(2)网络中心性、结构洞与孵化资源配置效率模型。本部分在DEA模型测算的基础上，应用Tobit回归分析社会网络结构对孵化资源配置效率的影响。Tobit回归模型能够处理处于0～1之间的离散数据，有效避免模型误差。本部分构建Tobit回归模型如下:

其中，Yij表示i地区t年的孵化资源配置效率，Xit表示i地区t年的网络中心性或结构洞，αit、βit为待估参数，其中，αit表示常数项，βit表示自变量的回归系数；εit为随机误差项εit～N(0，σ)。

3.2 变量设计

(1)投入-产出变量选取。考虑到社会网络结构对孵化资源配置效率的影响，及 《中国火炬统计年鉴》中指标统计情况，选择 “企业孵化器的从业人员数”等三个指标作为投入；并按照产出成果差异，选择 “企业孵化器当年毕业企业数”等四个指标作为产出，其中:“承担国家级科技计划项目数”虽然是合适的指标，但由于统计仅从2011年开始，因此将其删除。指标选择如表1所示。

表1 投入-产出测度指标

(2)网络中心性。本文选择引力模型来量化跨地区孵化资源配置关系。引力模型最早用于地理学界，研究人口迁移等问题，逐渐延伸到地区关系的测量。根据经济地理学理论， “相互作用”和 “空间距离”是影响跨地区孵化资源配置效率的关键因素。“引力模型”的公式如下:

其中，Rij，t表示i地区与j地区t年的孵化资源配置关系强度；Mit、Mjt分别表示两个地区 t年的“孵化资源配置质量”，用 “累计毕业企业数/场地面积”衡量；Dij表示i、j地区间的距离，用 “两省省会间的公路里程数”衡量。因此，i地区t年的网络中心性Xit计算公式为:

3.3 数据说明

本文数据来源于两个部分。一是2009—2013年公布的 《中国火炬统计年鉴》，根据不同地区国家级企业孵化器名单加和，计算出不同地区孵化资源投入-产出测度指标数值，得到孵化资源配置效率计算的基础数据；二是V1.32版全国里程查询软件，用于获取不同地区间的距离。

由于 《中国火炬统计年鉴》中贵州、西藏等省份存在数据缺失，本文选择北京、上海等27个省 (自治区、直辖市)为研究样本，包含了中国东部、东北、中部和西部地区，具有一定的代表性。

4 实证检验与结果分析

4.1 孵化资源配置效率评价

运用DEA评价法得出2008—2012年27个地区孵化资源配置的技术效率值，并按时间序列求平均数，如图1所示。总体上看，2008—2012年，中国孵化资源配置效率不平稳，在2009年达到最高值 (综合效应为0.823，规模效应为0.882，纯技术效应为0.933)，经历过2010、2011年短暂的下落之后，在2012年又呈现出上升趋势，并且纯技术效应上升到 (0.918)。

图1 2008—2012年配置效率平均变化趋势

从横向看，中国27个地区孵化资源配置效率差异显著，并且具有明显的区域特征。在此核算2008—2012年27个地区综合效率平均值，如图2所示。综合技术排名在前十的地区中有6个来自于东部沿海，分别为北京、浙江、广东、江苏、山东和天津；而大部分西部地区，如陕西、内蒙古、新疆等排名较后。

图2 2008—2012年各地区平均综合效率排序

4.2 社会网络结构对孵化资源配置效率的实证检验

(1)网络中心性对孵化资源配置效率的实证检验。进一步将DEA效率评价结果作为被解释变量，运用Tobit模型验证网络中心性对孵化资源配置效率的影响。首先运用Eviews6.0对数据进行单位根检验。结果见表2。可以看出，单位根检验均显著，说明数据为平稳序列，可以进行回归分析。

表2 单位根检验

进而采用Tobit模型进行实证检验，检验结果如表3所示。可以看出，网络中心性对孵化资源配置效率的影响显著 (P＝0.0000)，但影响程度较低 (β＝0.000544)，表明网络中心性对孵化资源配置效率具有正向影响，假设1得到验证，但还无法实现对孵化资源的有效调节。

表3 网络中心性与孵化资源配置效率的Tobit回归

(2)网络密度对孵化资源配置效率的实证检验。本部分采用凝聚子群法验证网络密度对孵化资源配置效率的影响。凝聚子群法是以群体为研究对象，分析子群内部成员关系和网络发展情况。孵化资源配置是以关系的互惠性为基础，因此可以通过派系分析法进行实证分析。在此选择Cliques派系分析法，以2012年各地区国家级孵化器为样本，对2012年中国27个地区孵化资源配置关系指标进行典型分析。

经过初步处理，发现2012年孵化资源配置关系数据呈现出对称性，充分证明了不同地区企业孵化资源之间是互惠关系。进而以网络中心性数据的中位数 (0.49050529)为划分点将网络关系的多值数据转化为二值数据，并通过Ucinet进行数据分析，发现中国孵化资源配置网络中存在12个派系，且大多数派系之间相互影响，存在重叠现象。对各地区参与派系数量进行了统计 (见表4)。根据参与派系数量，可以将中国27个省 (自治区、直辖市)分为三类:第一类 (10≥N≥7)为孵化资源配置 “活跃地带”，包括江苏、山东、湖北、北京、河南、广东；第二类 (5≥N≥2)为孵化资源配置 “积极地带”，包括浙江、陕西、天津、安徽、四川、湖南、上海、河北、辽宁、福建、广西和云南；第三类 (N＝1或0)为孵化资源配置 “滞后地带”，包括吉林、黑龙江、江西、重庆、山西、内蒙古、甘肃、宁夏和新疆。

表4 各地区参与派系数量 (N)

与孵化资源配置效率进行对比分析，可以看出:孵化资源配置网络密度较大地区，即 “活跃地带”，其内部成员的孵化资源配置效率普遍较高，说明该地区孵化资源配置范围更广；孵化资源配置网络密度中等地区，即 “积极地带”，其内部大多数成员的孵化资源配置效率也处于中等程度；而孵化资源配置网络密度较低地区，即 “滞后地带”，其内部大多数成员的孵化资源配置效率较低，假设2得到验证。从区域分布来看，“活跃地带”中的成员主要集中于东部沿海地区；“积极地带”中的成员在东部沿海、中部地区、东北地区和西部地区都有分布，其中西部地区和东部沿海分布较多；“滞后地带”中的成员主要集中在东北地区和西部地区。说明中国孵化资源配置网络呈现非均匀状态。

(3)网络结构洞对孵化资源配置效率的实证检验。根据Burt的结构洞衡量指标，本文选择效率指数度量。网络结构洞数据获取主要步骤为:首先，根据网络中心性的计算数据，运用Uncinet 6.0获得2008—2012年各地区网络关系二值数据；其次，运用 Uncinet 6.0中的结构洞分析法求得2008—2012年各地区结构洞数据，在此仅列示2012年数据，见表5。

进而通过Tobit分析验证孵化资源配置网络结构洞对孵化资源配置效率的影响，结果见表6。可以看出，网络结构洞对孵化资源配置效率影响显著 (P＝0.0112)，假设3得到验证，但影响作用较弱 (β＝0.000329)，网络结构洞位置没有对孵化资源配置效率起到良好的调节作用。

表5 2012年各地区结构洞分析

表6 网络结构洞与孵化资源配置效率的Tobit回归

5 结论与启示

本文主要得出以下结论:

(1)中国孵化资源配置网络中心性、网络密度和网络结构洞对孵化资源配置效率具有正向影响，但网络中心性和网络结构洞的影响作用较弱。说明中国虽然在一定范围内已经形成了孵化资源配置网络，但没有实现孵化资源在关系网络中的流动与整合。这可能是因为孵化资源属性及地区特点使配置效率受主体因素影响较大，如地理属性、文化属性等，阻碍孵化资源流动。

(2)中国孵化资源配置效率整体良好，但不同地区呈现出非均匀状态。整体来说东部沿海高于中部地区，中部地区高于西部地区和东北地区。这可能是因为中国东部沿海市场机制较为活跃，孵化资源配置受到市场机制的正向引导；而中部地区、西部地区和东北地区属于内陆，文化封闭、行政壁垒严重，市场机制难以起到调节作用，而政府等力量又难以推动孵化资源向需求方流动，出现过渡分配或资源短缺。

本研究结论具有以下启示:

(1)对于宏观政策制定者。以构建 “创客空间”为契机，增大孵化资源聚集 “活跃地带”服务平台的综合性与开放性，提高孵化资源聚集“积极地带”与 “滞后地带”设施建设，平衡地区差异，促进资源流动。一方面，可以从建立地区合作关系出发，在构建低成本、便利化、全要素的开放式综合服务平台方面发挥更大作用。另一方面，地区政府应将部分资源投入到社会关系维护中。建立激励机制，促进当地小微企业深度嵌入，引导企业与不同地区建立合作关系。

(2)对于创业者。充分利用不同地区的合作关系，构建有效的资源传播渠道，增加资源交换的深度与广度。借助地区在孵化资源配置关系网络中的位置特性，充分发现、利用网络中的机会，获取孵化资源空间中的有效资源。同时，社会网络结构特征对资源配置效率的不同价值也为创业者提供了结网的目标指导，创业者应保持开放性，重视网络关系管理。

[1]宋清.科技型创业孵化资源配置效率实证研究[J].中国科技论坛，2013，(10):87-92.

[2]汪朗峰，伏玉林.高技术产业发展中科技资源配置研究[J].科研管理，2013，(02):152-160.

[3]吴佐，张娜，王文.政府R＆D投入对产业创新绩效的影响——来自中国工业的经验证据[J].中国科技论坛，2013，(12): 31-37.

[4]Melissa A，Schilling，Corey C Phelps.Interfirm Collaboration Networks:The Impact of Large-Scale Network Structure on Firm Innovation[J].Management Science，2007，53(7):1113-1126.

[5]殷群，张娇.长三角地区科技企业孵化器运行效率研究——基于 DEA的有效性分析[J].科学学研究，2010，28(1): 86-94.

[6]Drejer I，Jorgensen B H.The Dynamic Creation of Knowledge:Analyzing Public-private Collaborations[J].Technovation，2005，(25):83-94.

[7]Anderson M H.Social networks and the cognitive motivation to realize network opportunities:a study of managers'information gathering behaviors[J].Journal of Organizational Behavior，2008，29(1):51-78.

[8]Zaheer A，Bell G G.Benefiting from network position:Firm capabilities，structure holes，and performance[J].Strategic Management Journal，2005，26(9):809-825.

[9]曾德明，文金艳，禹献云.技术创新网络结构与创新类型配适对企业创新绩效的影响[J].软科学，2012，(05):1-4+9.

[10]Coleman J C.Social Capital in the Creation of Human Capital[J].American Journal of Sociology，1988，94(1):95-120.

[11]Phelps C C.A Longitudinal Study of The Influence of Alliance Network Structure and Composition on Firm Exploratory Innovation [J].Academy of Management Journal，2010，53(4):890-913.

[12]Tortoriello M，D Krackhard.Activating Cross-Boundary Knowledge:The Role of Simmelian Ties in the Generation of Innovations [J].Academy of Management Journal，2010，53(1):167-181.

[13]范群林，邵云飞，唐小我，王剑峰.结构嵌入性对集群企业创新绩效影响的实证研究[J].科学学研究，2010，(12): 1891-1900.

[14]刘帅，钱士茹.基于DEA的安徽省科技企业孵化器运行效率研究[J].技术经济，2011，30(6):6-10.

(责任编辑 刘传忠)

Empirical Study of the Social Network Structure on Incubation Resource Allocative Efficiency

Hu Haiqing，Zhang Yingying，Wang Zhaoqun
(School of Economics and Administration，Xi'an University of Technology，Xi'an 710054，China)

Based on the social network structure theory，the impact of network centricity，network density and network structural holes on incubation resource allocative efficiency are proposed.Then incubation resource allocative efficiency is evaluated by DEA.And the impact of social network structure on region incubation resource allocative efficiency are empirical tested by Tobit regression and condensing subgroup.The result shows that:network centricity，network density and network structural holes are positive impact on incubation resource allocative efficiency in different region，but the impact is low；incubation resource allocative efficiency is unevenness in China.The results reflect the Chinese entrepreneurial innovation environment and conditions have a role on the implementation of the“masses entrepreneurship，masses innovation”.

Incubation resource allocative efficiency；Social network structure；DEA；Tobit；Cohesion subgroup

胡海青 (1971-)，男，陕西人，西安理工大学经济与管理学院教授，博士生导师；研究方向:孵化网络与创新管理。

F723

A

国家自然科学基金项目 (70972053，71372173)，国家软科学研究计划项目 (2014GXS4D153)，教育部高等学校博士学科点专项科研基金项目(20126118110017)，陕西省自然科学基础研究计划重点项目 (2015JZ021)，陕西省软科学研究计划项目 (2013KRM08、2014KRM28-2)，陕西省社科基金项目 (12D231，13D217)，西安市软科学项目 (SF1225-2)。

收稿日前:2015-05-11