風險投資影響因素的統(tǒng)計分析及對中國的啟示

朱永貴

（中國人民大學 財政金融學院，北京 100872）

風險投資影響因素的統(tǒng)計分析及對中國的啟示

朱永貴

（中國人民大學 財政金融學院，北京 100872）

風險投資的研究內(nèi)容十分廣泛，它包括風險投資的概念、性質(zhì)、特點、資金來源與投資形式、投資風險、資產(chǎn)組合方法與委托～代理關系、組織模式、退出機制等問題。目前為止有一些經(jīng)濟學家就影響風險投資的因素進行過分析。選取了美國1997～2011年七個因素的相關數(shù)據(jù)統(tǒng)計，通過因素分析法進行相應的數(shù)理統(tǒng)計分析，得出七個因素對風險投資影響程度，并針對實證結論提出對我國風險投資發(fā)展與進步的有效建議。

風險投資；知識投入；專利數(shù)量；長期利率

0 引言

風險投資作為一門重要的學術研究領域其研究內(nèi)容十分廣泛，它包括風險資的概念、性質(zhì)、特點、資金來源與投資形式、投資風險、資產(chǎn)組合方法與委托-代理關系、組織模式、退出機制等問題。本文的研究目的在于運用一個理論模型來進行風險投資影響因素的分析，該模型包括了風險投資供給方以及需求方的影響因素。這些影響因素包括GDP，短期利率以及長期利率，技術機會（包括國內(nèi)研發(fā)經(jīng)費的投入，知識投入以及專利數(shù)量）以及就業(yè)率；該模型分析的數(shù)據(jù)來源于美國1997～2011年的相關數(shù)據(jù)。研究的結果知識投入，GDP，專利數(shù)量以及就業(yè)率這四個因素與風險投資正相關，對風險投資有促進作用；長期利率，短期利率以及國內(nèi)研發(fā)經(jīng)費的投入與風險投資負相關。

1 樣本的選取及選取依據(jù)

本文選取的樣本為美國1997～2011年的相關數(shù)據(jù)。由于部分統(tǒng)計科目的數(shù)據(jù)收集存在一定的困難或者缺乏相應科目的數(shù)據(jù)統(tǒng)計或是由于數(shù)據(jù)不全面，在以下的分析中將選取7個因素來進行分析，它們分別是：

國內(nèi)生產(chǎn)總值（GDP）、短期利率（用聯(lián)邦紐約銀行貼現(xiàn)率來表示）、長期利率（用10年期利率來表示）、國內(nèi)研發(fā)經(jīng)費的投入（R&D）、專利數(shù)量、知識投入、就業(yè)率。

表1顯示了美國自1997～2011年的相關數(shù)據(jù)，其中：

Y：風險投資金額，單位：億美元（數(shù)據(jù)來源：EVCA and OECD）。X1：GDP（單位：億美元）；X2：國內(nèi)研發(fā)經(jīng)費的投入（以占GDP的百分比來統(tǒng)計，單位：%）；X3：專利數(shù)量；X4：知識投入（以占GDP的百分比來統(tǒng)計,單位：%）；X5：美聯(lián)邦紐約銀行貼現(xiàn)率（單位：%）；X6：長期利率（10年期利率，單位：%）；X7：就業(yè)率（單位：%）。

表1 美國1997～2011年相關統(tǒng)計數(shù)據(jù)

2 風險投資及其影響因素的實證研究

從表1中可以看出這七組數(shù)據(jù)統(tǒng)計單位各不相同，有的是以億美元為統(tǒng)計單位，而有的則是以%為統(tǒng)計單位。如果直接用這樣的數(shù)據(jù)進行分析，勢必會存在一些問題。因此，在做相關分析之前，先進行統(tǒng)計數(shù)據(jù)描述，如表所2所示。

表2 統(tǒng)計數(shù)據(jù)描述

其中N表示統(tǒng)計數(shù)據(jù)的個數(shù)，即1997～2011年的統(tǒng)計數(shù)據(jù)共有15個；Minimum表示該項統(tǒng)計數(shù)據(jù)的最小值；Maximum表示該項統(tǒng)計數(shù)據(jù)的最大值；Mean表示該項統(tǒng)計數(shù)據(jù)的平均值；Std.Deviation表示該項統(tǒng)計數(shù)據(jù)的標準差。

通過SPSS工具分析這七個因素與風險投資之間的相關性，結果可以看出風險投資與GDP的相關系數(shù)是：0.987，并且sig值為0能通過殘差檢驗（sig＜0.05即表示能通過殘差檢驗，只有通過殘差檢驗才能說明Pearson檢驗結果是成立的）這說明風險投資與GDP確實存在著顯著的正相關關系。風險投資與國內(nèi)研發(fā)經(jīng)費的投入之間的相關系數(shù)為：0.457，但是由于殘差值sig為0.086，不能通過殘差檢驗，所以風險投資與國內(nèi)研發(fā)經(jīng)費的投入之間不存在相關關系。風險投資與專利數(shù)量之間的相關系數(shù)為：0.958，并且殘差值sig為0，可以通過殘差檢驗，這說明風險投資與專利數(shù)量之間存在著顯著的正相關關系。風險投資與知識投入之間的相關系數(shù)為：0.972，殘差值sig為0，能通過殘差檢驗。表明了風險投資與知識投入之間存在著顯著的正相關關系。風險投資與短期利率之間的相關系數(shù)為：-0.378，殘差值sig為0.164（＞0.05），不能通過殘差檢驗，所以風險投資與短期利率之間不存在著負相關關系。風險投資與長期利率之間的相關系數(shù)為：-0.887，殘差值sig為0，能通過殘差檢驗，這說明風險投資與長期利率之間確實存在著負相關關系，而且這是一種顯著的負相關關系。風險投資與就業(yè)率之間的相關系數(shù)為0.332，殘差值sig為0.226（＞0.05），不能通過殘差檢驗，這說明風險投資與就業(yè)率之間不存在著正相關關系。

總結一下風險投資與GDP，專利數(shù)量以及知識投入這三個因素之間存在著顯著的正相關關系，而與長期利率之間存在著顯著的負相關關系。

在這里我們?yōu)榱俗畲笙薅鹊帽苊膺@七個因素之間的自相關以及共線性的問題，采用因素分析的方法。

表3 因素分析初始結果

基于因素分析的初始結果顯示，根據(jù)主成分分析法所得到的7個特征值，是因素分析的初始解，通過這7個初始解以及對應的特征向量，我們可以算出因素載荷矩陣。因為因素變量能夠解釋每個原始變量的所有方差都，所以原始變量的共同度都是1。通過第三列所計算出的變量共同度，并根據(jù)最終提取的m個特征值和對應的特征向量，我們能夠計算出因素載荷矩陣。此時由于原始變量個數(shù)多與因素變量，那么每個變量的共同度一定是小于1的。比如第一行中0.988，就說明m個因素變量能夠解釋掉原變量“GDP”方差的98.8%。

從總方差分解結果可以看出，如果采用如將這七個因素分為一類Cumulative的值為：59.408%，這個時候進行因素分析效果是不好的；如將這七個因素分為兩類Cumulative的值為：82.325%，應該說這個時候采用因素分析法是有效的；如將這七個因素分為三類則Cumulative的值為：96.944%，這個時候進行因素分析應該說效果是最好的；由此可見將這七個因素分為三類是最佳的選擇。

圖1 公共因素碎石圖

圖1的橫坐標為公共因素數(shù)量，縱坐標為公共因素的特征值?？梢娗懊?個公共因素，特征值變化非常明顯，到4個特征值以后，特征值變化趨于平穩(wěn)。因此說明提取3個公共因素可以對原變量的信息描述有顯著作用。這一點從前面的表格中也可以看出來。

從因素載荷矩陣中可以看出第一個因素中的GDP,專利數(shù)量,知識投入與風險投資比較相關。第二個因素中的：就業(yè)率以及短期利率與風險投資比較相關。第三個因素中的：國內(nèi)研發(fā)經(jīng)費的投入與風險投資比較相關。

表4 旋轉后的因素載荷矩陣

該表格所得到的結果是按照之前設定的方差極大法對因素載荷矩陣旋轉后而得出。在沒有通過旋轉的載荷矩陣中，在許多變量上因素變量都會存在比較高的載荷。其含義自然較模糊。

經(jīng)過旋轉以后，第一個因素變量含義略加清楚，基本上反映了“GDP”、“專利數(shù)量”、“知識投入”和“長期利率”這幾個因素。

第二個因素基本上反映了“短期利率”和“就業(yè)率”這兩個因素。

第三個因素基本上反映了“國內(nèi)研發(fā)經(jīng)費的投入”這一個因素。

該表格是因素轉換矩陣，表明了因素提取的方法是主成分分析，旋轉的方法是方差極大法。

表5 因素轉換矩陣

從這個表格中可以看出因素1與因素2之間的相關系數(shù)是-0.021，表明之間沒有顯著相關性；因素1與因素3之間的相關系數(shù)是-0.148，表明之間沒有顯著相關性。

因素2與因素1之間的相關系數(shù)是-0.032，表明之間沒有顯著相關性；因素2與因素3之間為-0.346，表明之間沒有顯著相關性。

因素3與因素1之間系數(shù)為0.146，表明之間沒有顯著相關性；因素3與因素2之間系數(shù)為0.346，表明之間沒有顯著相關性。

表6 因素得分矩陣

該表格是因素得分矩陣。這是根據(jù)回歸算法計算出來的因素得分函數(shù)的系數(shù)，根據(jù)這個表格可以得到下面的因素得分函數(shù)：

第一個因素Factor 1=0.24×GDP-0.025×國內(nèi)研發(fā)經(jīng)費的投入+0.209×專利數(shù)量+0.253×知識投入-0.137×短期利率-0.247×長期利率+0.107×就業(yè)率；

第二個因素Factor 2=0.027×GDP-0.108×國內(nèi)研發(fā)經(jīng)費的投入+0.045×專利數(shù)量+0.109×知識投入+0.447×短期利率+0.057×長期利率+0.654×就業(yè)率；

第三個因素Factor 3=-0.014×GDP+0.941×國內(nèi)研發(fā)經(jīng)費的投入+0.151×專利數(shù)量-0.122×知識投入+0.222×短期利率+0.179×長期利率-0.289×就業(yè)率。

經(jīng)過如上計算，就可以分別得到三個因素的值見表7。

表7 各因素年度數(shù)據(jù)計算表

表8 因素變量的協(xié)方差矩陣

表8是因素變量的協(xié)方差矩陣。通過前文的分析，獲得的因素變量應該是正交且不相關的。以這個協(xié)方差矩陣來看，不同因素之間的數(shù)據(jù)是0，所以這也證明三個因素變量之間不存在相關性。

對以上三個因素做回歸分析。再次強調(diào)這樣做的目的是最大限度的避免共線性和自相關。

表9 引入或從回歸方程中被剔出的變量

表9是被引入或從回歸方程中被剔出的各變量。這部分結果說明在對編號為1的模型的當中（Model 1）進行線性回歸分析時所采用的方法是全部引入法：Enter。

從上面的表格中可以看出參與回歸的是因素1和因素3?；貧w模型拒絕了因素2，對因素1和因素3進行回歸分析。

表10 模型總結

表10中R=0.987，這一指標說明模型與實際情況之間的擬合度，數(shù)值＞0.6就表明擬合度強；判定系數(shù)R-Square=0.974；調(diào)整判定系數(shù)Adjusted R Square=0.970，這一指標也說明模型與實際情況之間的擬合度，數(shù)值＞0.6就表明擬合度強；回歸估計的標準誤差S=11.24122。這些都說明了樣本回歸方程的代表性強。

從上方差分析結果看出，統(tǒng)計量F=228.963；殘差值sig=0＜0.05，說明能通過F檢驗，自變量x與因變量y之間確實存在線性回歸關系。Sum of Squares一欄中分別代表回歸平方和（87865.935）、殘差平方和（1516.381）以及總平方和（59382.316），Df為自由度。

從回歸系數(shù)分析中，Unstandardized Coefficients為非標準化系數(shù)，Standardized Coefficients為標準化系數(shù)，t為回歸系數(shù)檢驗統(tǒng)計量，sig為參差值。根據(jù)估計值及其檢驗結果來看，常數(shù)項=-180.946，回歸系數(shù)1=0.012，回歸系數(shù)2=-0.002，回歸系數(shù)1檢驗統(tǒng)計量t=8.464，殘差值sig=0＜0.05,說明回歸系數(shù)1與0有顯著差別，該回歸模型包含因素1；回歸系數(shù)2檢驗統(tǒng)計量t=-0.074，殘差值sig=0.942＞0.05，所以該項回歸系數(shù)不能通過t檢驗，該回歸模型要剔除因素3。

綜合上面的分析可以得到回歸模型：

Y=-180.946+0.012×因素1（為非標準化的回歸模型）

Y=0.995×因素1（標準化的回歸模型）

根據(jù)前面提到的因素得分矩陣，因素1可表示為如下函數(shù)：

第一個因素Factor 1=0.24×GDP-0.025×國內(nèi)研發(fā)經(jīng)費的投入+0.209×專利數(shù)量+0.253×知識投入-0.137×短期利率-0.247×長期利率+0.107×就業(yè)率，可將因素1代入上述回歸模型。

Y=-180.946+0.00288×GDP-0.0003×國內(nèi)研發(fā)經(jīng)費的投入+0.002508×專利數(shù)量+0.003036×知識投入-0.001644×短期利率-0.002964×長期利率+0.001284×就業(yè)率 （為非標準化的回歸模型）

Y=0.2388×GDP-0.024875×國內(nèi)研發(fā)經(jīng)費的投入+0.207955×專利數(shù)量+0.251735×知識投入-0.136315×短期利率-0.245765×長期利率+0.106465×就業(yè)率。（標準化的回歸模型）

表11 回歸模型剔出變量

表11表示進入回歸模型開始就剔出了因素2。

GDP,專利數(shù)量,知識投入對風險投資有促進作用，其中知識投入的促進作用最大。長期利率與風險投資負相關。國內(nèi)研發(fā)經(jīng)費的投入與風險投資的關系最小。

3 實證分析結論及對我國啟示

3.1 實證結論

從標準化的回歸模型（標準化與非標準化的回歸模型都是等價的，選擇任意一個作為分析的依據(jù)都不會影響最終分析的結果）可以比較清楚的看到七個因素對風險投資的影響程度是不一樣的，按照影響程度的正負相關性分：知識投入，GDP，專利數(shù)量以及就業(yè)率這四個因素與風險投資正相關，對風險投資有促進作用；長期利率，短期利率以及國內(nèi)研發(fā)經(jīng)費的投入與風險投資負相關。

這里需要說明的是經(jīng)過模型計算結果國內(nèi)研發(fā)經(jīng)費的投入與風險投資呈現(xiàn)不顯著的負相關的關系，這個結果與傳統(tǒng)意義上的理解和認識是有一定偏差的。之所以存在這種偏差原因可能在于在做實證分析的時候沒有區(qū)分模型所用到的這里統(tǒng)計的國內(nèi)研發(fā)經(jīng)費的投入籠統(tǒng)概括了所有的國內(nèi)研發(fā)經(jīng)費的投入而沒有區(qū)分那些研發(fā)經(jīng)費的投入是來自于風險投資，由于相關數(shù)據(jù)在收集以及整理方面存在一定的困難，暫時不能做相應的回歸分析，這也是本文的局限性之一。

根據(jù)以上的排序依據(jù)，按照影響程度的絕對大小從高到低排列分別是：知識投入，長期利率，GDP，專利數(shù)量，短期利率，就業(yè)率以及國內(nèi)研發(fā)經(jīng)費的投入。

3.2 中國發(fā)展風險投資業(yè)的經(jīng)驗借鑒及啟示

前面的模型結論部分提到了七個影響因素按照影響程度的絕對大小從高到低排列分別是：知識投入，長期利率，GDP，專利數(shù)量，短期利率，就業(yè)率以及國內(nèi)研發(fā)經(jīng)費的投入。這里我們針對有重要影響的因素提出政策建議。大力促進這些有重要影響作用的因素有助于促進風險投資業(yè)的發(fā)展。

⑴加大知識投入的力度。

借鑒美國知識投入經(jīng)驗，加大我國知識投入，為風險投資業(yè)的發(fā)展提供堅實的物質(zhì)基礎。為了刺激風險投資的發(fā)展，必須在科技研發(fā)政策和科研經(jīng)費的投入方面予以有力的支持，積極鼓勵高等院校和科研機構的科技研發(fā)活動、創(chuàng)業(yè)活動、企業(yè)的技術創(chuàng)新活動以及企業(yè)與高等院校以及科研機構之間的密切合作，努力為風險投資開辟一個選擇技術資源的廣闊空間，打下堅實的物質(zhì)基礎。

⑵維護長期穩(wěn)定的宏觀經(jīng)濟環(huán)境。

目前我國宏觀經(jīng)濟保持持續(xù)增長，為發(fā)展風險投資業(yè)提供有利的宏觀經(jīng)濟環(huán)境。關于經(jīng)濟是否過熱的爭論有助于宏觀調(diào)控政策在防通脹還是防通縮之間尋找平衡。積極財政貨幣政策的轉向和穩(wěn)健貨幣政策的繼續(xù)實施，以及穩(wěn)定的人民幣匯率政策和國際經(jīng)濟的加快復蘇步伐，都是中國經(jīng)濟繼續(xù)保持增長的有力保證，這也為風險投資業(yè)在我國的發(fā)展營造了有利的宏觀環(huán)境。

⑶加強對知識產(chǎn)權的保護。

一方面，通過產(chǎn)權交易市場為那些尚未到達上市要求的風險企業(yè)提供股份轉讓的場所，使其股票具有一定的流動性，以實現(xiàn)當前一部分風險資本的退出，也可以為風險企業(yè)將來在創(chuàng)業(yè)板市場直接上市降低風險；另一方面，利用技術交易市場使那些實力相對較弱而又急于變現(xiàn)的風險投資公司的科研成果能夠采取技術轉讓方式，取得轉讓費用，從而收回原始投資。發(fā)展技術產(chǎn)權交易市場是迅速形成風險投資市場基礎和市場機制的有效途徑之一。

⑷建立相應的低長期利率配套措施。

長期利率水平會影響風險投資的供給。如果長期利率水平升高，普通投資者會轉向風險相對較低的替代金融資產(chǎn)，從而降低投資者介入風險資本的意愿，減少風險資本的供給；反之，則將增加風險資本的供給。有鑒于此，為了刺激我國風險投資業(yè)的發(fā)展，應采用相應的長期利率配套措施，這里也就是指低長期利率的策略。

[1]饒衛(wèi),閔宗陶.基于KMRW模型的我國高科技風險投資博弈分析[J].統(tǒng)計與決策,2011,(18).

[2]李武.創(chuàng)業(yè)型企業(yè)與風險投資合作機制的博弈分析[J].科技進步與對策,2012,(7).

[3]喜濟峰,郭立宏.風險投資促進技術創(chuàng)新的動力機制和效應分析[J].科學管理研究,2012,(1).

[4]鄭君君,韓笑.基于風險投資的IPO統(tǒng)一價格拍賣定價機制及抑價研究[J].武漢大學學報(哲學社會科學版),2011,(2).

[5]Government Support for Venture Capital[J].Forum,2002,(5).

[6]New Report Calls for Reforms to Maintain Venture Capital Investment in China.Ernst&Young Certified Public Accounts[Z].2005.

[7]張格亮,李昕.美國風險投資的發(fā)展歷程與啟示[J].牡丹江大學學報,2012,(1).

F224.9

A

1002-6487（2013）04-0160-04

朱永貴（1971-），男，四川自貢人，博士研究生，副教授，研究方向：風險投資與證券投資。

（責任編輯/浩 天）