創(chuàng)業(yè)投資網絡對投資績效的影響研究

胡磊 張強

摘 要：依據(jù)2007-2013年中國市場創(chuàng)業(yè)投資數(shù)據(jù)，運用基于Bootstrap抽樣的結構方程模型，考量投資決策在投資網絡影響機構投資績效過程中的中介效應。結果表明：創(chuàng)業(yè)投資網絡可以通過投資決策影響投資績效，具有較高網絡中心性或占據(jù)豐富結構洞位置的創(chuàng)業(yè)投資機構可以通過采用項目后期介入策略、地域分散投資策略和行業(yè)專業(yè)化投資策略，提高機構投資績效。

關鍵詞： 創(chuàng)業(yè)投資網絡；投資績效；投資決策；中介效應；結構方程模型

中圖分類號：F062.4 文獻標識碼： A文章編號：1003-7217（2018）05-0044-07

一、引 言

目前，我國資本市場迅猛發(fā)展，各類風險資本積極涌入，創(chuàng)業(yè)投資機構競爭日益激烈。2016年，國務院頒布《關于促進創(chuàng)業(yè)投資持續(xù)健康發(fā)展的若干意見》，借力創(chuàng)業(yè)投資市場發(fā)展，實現(xiàn)創(chuàng)新驅動發(fā)展戰(zhàn)略。集技術、資本、人才、管理等創(chuàng)新要素于一體的創(chuàng)業(yè)投資網絡成為促進創(chuàng)業(yè)投資機構和初創(chuàng)企業(yè)發(fā)展的關鍵。創(chuàng)業(yè)投資機構借助投資網絡，共享投資機會、共擔投資風險，并為創(chuàng)業(yè)企業(yè)提供增值服務，從而提高自身績效。Bygrave（1987）的研究表明，信息共享是創(chuàng)業(yè)投資網絡形成的主要原因[1]。Hochberg等（2007和2010）認為網絡關系越好的創(chuàng)業(yè)投資機構獲得高質量交易流的能力和培育初創(chuàng)企業(yè)的能力越高，投資績效越好[2，3]。蔡寧和何星（2015）認為優(yōu)化關系網絡有助于創(chuàng)業(yè)投資機構在管理項目中發(fā)揮增值作用[4]。

然而，現(xiàn)有對創(chuàng)業(yè)投資網絡與投資績效之間作用路徑問題的研究并不深入。Podolny（2001）和Jarle（2014）基于社會網絡理論，認為網絡中包含的信息和資源是影響投資決策的重要因素[5，6]；Dimov和DeClercq（2006）、Matusik和Fitza（2012）、Yang等（2014）基于風險投資理論，認為投資決策考量了風險和收益的關系，可以對投資績效產生影響[7-9]?？梢?，投資決策在投資網絡和投資績效之間發(fā)揮了橋梁作用。鑒于此，本文構建2007-2013年我國創(chuàng)業(yè)投資網絡，運用基于Bootstrap抽樣的結構方程模型，檢驗投資決策在創(chuàng)業(yè)投資網絡影響投資績效路徑中的中介效應，并以此提出相應投資決策建議。

二、理論分析與研究假設

（一）創(chuàng)業(yè)投資網絡與投資績效

一般認為，廣義的創(chuàng)業(yè)投資網絡是由創(chuàng)業(yè)投資機構及其利益相關者形成的合作關系。狹義的創(chuàng)業(yè)投資網絡是由創(chuàng)業(yè)投資機構之間進行聯(lián)合投資形成的合作關系。本文以創(chuàng)業(yè)投資機構為網絡節(jié)點、以機構間的聯(lián)合投資行為建立連接關系，對狹義的創(chuàng)業(yè)投資網絡展開研究。

隨著創(chuàng)業(yè)投資機構間聯(lián)合投資行為日益普遍，學者們開始關注并重視網絡對績效的影響。有關其影響機制的定性研究主要從資源共享、風險分擔和價值增值三個方面展開，相關定量研究主要集中在網絡指標對績效的直接影響。Hochberg等（2007）、Abell和Nisar（2007）、Guler和Guillen（2010）先后分別用美國、英國和歐洲的數(shù)據(jù)直接論證了有利的網絡特性有助于機構投資績效的提高[2，10，11]。根據(jù)社會網絡理論，中心性和結構洞是衡量各節(jié)點網絡特性的重要指標。劉軍（2016）進一步闡述了中心性和結構洞指標的適用意義：中心性是指節(jié)點在網絡中具有的中心地位或權力，反映節(jié)點與其他節(jié)點直接連接程度；結構洞是指網絡中的關鍵位置，占據(jù)結構洞的節(jié)點處于許多其他“點對”的“中間”，可獲取“信息利益”和“控制利益”，更有競爭優(yōu)勢[12]。一般認為，創(chuàng)業(yè)投資機構的網絡中心性越高，則其參與的投資事件越多，擁有的信息和資源總體數(shù)量越多；創(chuàng)業(yè)投資機構占據(jù)的網絡結構洞越豐富，則其從網絡不同群體獲取異質、多樣化的信息和資源種類越多，從而均可能產生更高的投資績效。

（二）投資決策在網絡與績效關系間的中介效應

如前所述，創(chuàng)業(yè)投資網絡主要通過資源共享機制、風險分擔機制和價值增值機制對投資績效產生影響，厘清其具體路徑非常重要。李心丹（2005）認為行為金融學的假設條件更接近真實世界，環(huán)境對有限理性投資者行為產生的影響，直接體現(xiàn)在投資決策的改變[13]。因此，本文認為網絡對績效的影響必須落實到投資決策的制定上才有實踐指導意義，其關系模型如圖1。

從已有實證文獻可知：其一，創(chuàng)業(yè)投資機構的網絡特性對投資決策產生影響。Podolny（2001）認為創(chuàng)業(yè)投資機構的中心性和結構洞屬性會影響其獲取項目信息的渠道和質量，從而影響機構介入項目的時機[5]。Sorenson和Stuart（2001）發(fā)現(xiàn)局限于本行業(yè)、本地區(qū)的潛在交易信息可以借助投資網絡進行跨地區(qū)、跨行業(yè)傳播，處于有利網絡位置的機構更傾向突破空間與行業(yè)限制進行投資[14]。Smith等（2015）從資源和信息傳遞、地位信號和社會影響三個方面進行研究，發(fā)現(xiàn)不同網絡對投資決策的影響不同[15]。其二，投資決策對機構投資績效產生影響。Gupta和Sapienza（1992）、Clercq和Dimov（2004）的研究表明，跨行業(yè)和跨地區(qū)的創(chuàng)業(yè)投資可以降低投資組合的風險，增加機構接觸高回報投資項目的機會[16，17]。但Bygrave（1987）、Cumming和Dai（2010）研究發(fā)現(xiàn)專業(yè)化投資對控制風險和獲取其他投資者的信息流非常有用[1，18]。此外，Manigart（2002）、蔡寧和徐夢周（2009）的研究表明，項目介入時機對投資績效的影響在不同國家也有不同表現(xiàn)[19，20]。

遵循已有研究脈絡，投資決策在投資網絡與投資績效間應存在“橋梁作用”。從資源共享機制來看，創(chuàng)業(yè)投資機構的網絡資源越豐富，則項目來源越廣泛，越可能減弱機構自主搜尋初創(chuàng)項目的動機，更多地采取在項目中后期介入的投資階段策略，此時項目不確定性下降，投資失敗的可能性下降。同時，廣泛的項目來源也會促使創(chuàng)業(yè)投資機構采取多行業(yè)投資策略和多地域投資策略，繼而影響投資績效。從風險分擔機制來看，創(chuàng)業(yè)投資機構的網絡資源越豐富，則潛在合作伙伴越多，越可能進行多行業(yè)和多地域的聯(lián)合投資，共擔投資風險，共享投資收益。從價值增值機制來看，創(chuàng)業(yè)投資機構的網絡資源越豐富，則其擁有的資本、勞動力和技術相對更豐富和成熟，越可能進行多行業(yè)投資，并為項目提供增值服務，從而影響投資績效。但同時為多個行業(yè)提供增值服務，一方面可能產生協(xié)同效應，提高機構投資績效；另一方面也意味著放棄在特定擅長行業(yè)提供增值服務帶來的規(guī)模效應，增加協(xié)調成本，不利機構投資績效的提升。鑒于此，提出假設：

H：投資決策在創(chuàng)業(yè)投資網絡與投資績效的關系中起中介作用。

三、實證研究設計

（一）樣本選取與數(shù)據(jù)來源

本文使用清科私募通數(shù)據(jù)庫2004年1月1日至2017年6月31日的數(shù)據(jù)。設置2004-2012年每三年的投資事件為2007-2013年各年度網絡構建事件來源，借鑒錢蘋和張幃（2007）、黨興華等（2011）的研究[21，22]，設置3.5年的投資績效觀測期，即2017年6月31日為2007-2013年投資事件的投資績效觀測截止日，最終整理出810家創(chuàng)業(yè)投資機構的1993條年度投資數(shù)據(jù)。

（二）變量設置

1. 投資網絡。借鑒Hochberg等（2007）[2]的研究，本文使用度數(shù)中心度和中間中心度作為各節(jié)點中心性和結構洞屬性的度量指標。度數(shù)中心度是指與機構同時相連的其他節(jié)點的個數(shù)，中間中心度是指節(jié)點處于其他兩兩節(jié)點對捷徑上的概率之和。為剔除網絡規(guī)模影響，本文采用相對度數(shù)中心度和相對中間中心度指標進行具體衡量。借鑒劉軍（2016）的研究，假設網絡中共有n家機構，機構i在過去三年與k家不同創(chuàng)業(yè)投資機構進行聯(lián)合投資，則機構i的相對度數(shù)中心度DEGi=kn-1。假設機構p和機構q之間存在的路徑條數(shù)為gpq，機構p和機構q之間存在經過機構i的路徑條數(shù)為gpq（i），則機構i的相對中間中心度BETi=2n2-3n+2∑np∑nqgpq（i）gpq，p≠n≠q，p

2. 投資績效。借鑒Hochberg等（2007）[2]的研究，本文使用創(chuàng)業(yè)投資機構當年發(fā)生投資事件的最終成功退出率來衡量投資機構當年的投資績效。若所投項目實現(xiàn)IPO上市、被回購或兼并收購，則認為機構投資成功，具體計算方法見表1。

3. 投資決策。本文考察的投資決策包括投資階段、投資行業(yè)和投資地域。投資階段分為種子期、初創(chuàng)期、擴張期和成熟期，具體計算方法見表1。采用Herfindahl-Hirschman Index指標刻畫投資行業(yè)和投資地域，投資行業(yè)集中度HHIIndustry=∑P2i，Pi為當年機構投資i行業(yè)事件數(shù)/投資事件總數(shù)。投資地域集中度HHIRegion=∑W2i，Wi為當年機構投資i地事件數(shù)/投資事件總數(shù)。

4. 控制變量。Steven和Antoinette（2005）、Lutz等（2013）的研究表明，投資機構的機構屬性和投資經驗也會影響投資績效[23，24]。本文使用所有權性質、機構規(guī)模、機構年齡來衡量投資機構的機構屬性，用此前累計IPO數(shù)量和累計投資事件數(shù)量來衡量投資經驗。具體含義見表1。

（三）模型構建

根據(jù)Sobel（1982和1986）、Baron和Kenny（1986）的理論模型[25-27]，采用Sobel檢驗方法檢驗是否存在中介效應，分別建立方程（1）～（3）：

其中，X為自變量NET，Y為因變量PERF，M為中介變量PHASE、IND和REG。若a、b、c顯著，且 c ′顯著小于c，則認為存在中介作用。

Brown（1997）、Dawn（2017）的進一步研究表明，運用結構方程模型對中介效應進行檢驗，可以更有效、更精確的估計所有變量的共變關系[28，29]。為了保證結果的穩(wěn)健性，本文采用基于Bootstrap抽樣的結構方程模型如下：

其中，X為外生變量；Z為內生變量，同時包括了M和Y；B為因變量之間的回歸系數(shù)矩陣；Γ為自變量與因變量之間的回歸系數(shù)矩陣；α為截距；ζ為回歸殘差。

四、實證檢驗與結果分析

（一）描述性統(tǒng)計結果分析

2007-2013年創(chuàng)業(yè)投資機構共進行了11580起創(chuàng)業(yè)投資，投資事件數(shù)量和機構數(shù)量實現(xiàn)了快速增長，但后期出現(xiàn)小幅回落。剔除網絡規(guī)模影響后，相對度數(shù)中心度、相對中間中心度、相對接近中心度震蕩下行，網絡關聯(lián)度下降、節(jié)點平均距離遞增，網絡質量沒有提升，如表2?；诖耍疚臉嫿?007-2013年的投資網絡，如圖2 。

從中心性來看，2007—2013年創(chuàng)業(yè)投資網絡中機構的絕對度數(shù)中心度大于零的占比由39.4%上升為55.8%，說明隨著創(chuàng)業(yè)投資機構進入創(chuàng)業(yè)投資市場，機構之間的合作得到重視。從結構洞來看，2007年至2013年創(chuàng)業(yè)投資機構的相對中間中心度標準差由0.835下降為0.378，說明反映行動者對資源控制能力的結構洞分布越來越均衡，創(chuàng)業(yè)投資機構開始通過聯(lián)合投資占據(jù)結構洞位置。可見，我國的創(chuàng)業(yè)投資機構正在調整自己的投資決策。

主要變量的描述性統(tǒng)計結果見表3。2007-2013年創(chuàng)業(yè)投資機構的平均成功退出率為24%，標準差為0.36；投資階段、行業(yè)和地域的均值分別為0.28、0.70和0.79，投資于早期階段的項目較少，且項目在行業(yè)和地域上的集中度較高。

（二）回歸結果分析

本文采用基于Bootstrap抽樣的極大似然法對結構方程模型進行估計，將1993個樣本進行200次有放回的抽樣。估計結果見表4。

由表4可知，各模型均可以辨識收斂，估計值未出現(xiàn)負的誤差方差，未違反模型辨認規(guī)則，模型中的參數(shù)沒有出現(xiàn)不合理的解值。借鑒吳明隆（2013）對模型方法的研究[30]，可認為模型的基本適配度良好。我們發(fā)現(xiàn)：（1）度數(shù)中心度和中間中心度對投資績效有顯著正向影響，即參與聯(lián)合投資次數(shù)越多、占據(jù)結構洞位置越豐富的機構，投資績效越好。（2）度數(shù)中心度和中間中心度對投資介入時機、投資行業(yè)集中度、投資地域集中度均有顯著負向影響，即參與的聯(lián)合投資次數(shù)越多、占據(jù)的結構洞位置越豐富的機構更傾向投資于項目的中后期，且在行業(yè)和地域上進行分散投資。（3）投資介入時機、投資行業(yè)集中度、投資地域集中度對投資績效分別有顯著的負向、正向、負向影響，即投資階段越靠后、投資行業(yè)越集中、投資地域越分散，機構投資績效越好。

模型通過了中介效應檢驗，即假設得證。由表4可知，創(chuàng)業(yè)投資機構的結構洞特性對投資績效的直接效應為0.0826，間接效應為-0.0967×（-0.1454）-0.0809×0.1023-0.0924×（-0.0982）=0.0149，因而中介效應為0.0149/0.0826=17.99%；中心性特性對投資績效的直接效應為0.1225，間接效應為-0.0662×（0.0625）-0.1608×0.1195-0.1523×（-0.1094）=-0.0524，借鑒溫忠麟和葉寶娟（2014）的研究[31]，可認為該路徑存在遮掩效應，為-0.0524/0.1225=42.78%。故占據(jù)結構洞位置、網絡中心性高的創(chuàng)業(yè)投資機構應主動提高網絡特性，增加項目后期介入投資和多地域投資的機會，并保持行業(yè)專業(yè)化投資，繼而提高投資績效。

（三）穩(wěn)健性檢驗

本文采用下述方法進行再次檢驗。（1）采用傳統(tǒng)的Sobel檢驗方法對各中介變量逐一檢驗，檢驗統(tǒng)計量Z=aba2s2b+b2s2a，檢驗結果見表5。（2）調整投資績效和投資階段的測算權重，采用接近中心度替代投資網絡變量。檢驗結果表明，相應模型依然通過了中介效應檢驗。

五、研究結論

本文研究表明，在創(chuàng)業(yè)投資網絡對投資績效的影響路徑中存在投資決策的中介效應。具體來說：（1）網絡中心性可以通過投資決策間接影響投資績效，其間接效應占直接效應的比例達到42.78%。網絡中心性的增加可以使得投資階段后移、投資地域分散，投資績效提高。（2）結構洞屬性可以通過投資決策間接影響投資績效，其間接效應占直接效應的比例達到17.99%。創(chuàng)業(yè)投資機構占據(jù)的結構洞位置越豐富，其投資階段越靠后、地域越分散，投資績效越高。（3）擁有較高網絡中心性、占據(jù)豐富結構洞位置的創(chuàng)業(yè)投資機構傾向多行業(yè)投資，不利于提高投資績效，并使網絡中心性通過投資決策影響投資績效的路徑產生了遮掩效應。（4）以往投資經驗有助于提高投資績效。機構年齡、IPO退出數(shù)量和累計參與投資事件數(shù)量每增加1%，可使投資績效增加0.1%左右。

綜上，創(chuàng)業(yè)投資機構應更多地參與聯(lián)合投資，積累投資經驗和網絡資源，在投資策略上選擇項目后期介入策略、地域分散投資策略和行業(yè)專業(yè)化投資策略，提高投資績效。政府主管機構、行業(yè)協(xié)會組織有必要進一步完善相關法律法規(guī)、建立健全聲譽機制，以營造良好的行業(yè)發(fā)展環(huán)境，改善創(chuàng)業(yè)投資網絡質量。

參考文獻：

[1] Bygrave W D. Syndicated investments by venture capital firms：a networking perspective[J]. Journal of Business Venturing，1987，2（2）：139-154.

[2] Hochberg Y V，Ljungqvist A，Lu Y. Whom you know matters： venture capital networks and investment performance [J]. The Journal of Finance，2007，62（1）：251-301.

[3] Hochberg Y V，Ljungqvist A，Lu Y. Networking as a barrier to entry and the competitive supply of venture capital [J]. The Journal of Finance，2010，65（3）：829-859.

[4] 蔡寧，何星. 社會網絡能夠促進風險投資的“增值”作用嗎？——基于風險投資網絡與上市公司投資效率的研究[J]. 金融研究，2015（12）：178-193.

[5] Joel M，Podolny. Networks as the pipes and prisms of the market[J]. American Journal of Sociology，2001，107（1）：33-60.

[6] Aarstad，Jarle. Structural holes and entrepreneurial decision making[J]. Entrepreneurship Research Journal，2014，4（3）：261-276.

[7] Dimo Dimov，Dirk De Clercq. Venture capital investment strategy and portfolio failure rate： a longitudinal study[J]. Entrepreneurship Theory and Practice，2006，30（2）：207-223.

[8] Matusik S F，F(xiàn)itza M A. Diversification in the venture capital industry： leveraging knowledge under uncertainty[J]. Strategic Management Journal，2012，33（4）：407-426.

[9] Yang Y， Narayanan V K， De Carolis D M. The relationship between portfolio diversification and firm value： the evidence from corporate venture capital activity[J]. Strategic Management Journal，2014，35（13）：1993-2011.

[10]Abell P，Nisar T M. Performance effects of venture capital firm networks[J]. Management Decision，2007，45（5）：923-936.

[11]Guler I，Guillen M F. Home country networks and foreign expansion：evidence from the venture capital industry[J]. Academy of Management Journal，2010，53（2）：390-410.

[12]劉軍. 整體網分析[M]. 上海：上海人民出版社，2016：126-240.

[13]李心丹. 行為金融理論：研究體系及展望[J]. 金融研究，2005（1）：175-190.

[14]Sorenson O，Stuart T E.Syndication networks and the spatial distribution of venture capital investments[J]. American Journal of Sociology，2001，106（6）：1546-1588.

[15]Owen-Smith J，Cotton-Nessler N C，Buhr H. Network effects on organizational decision-making： blended social mechanisms and IPO withdrawal[J]. Social Networks，2015，41（41）：1-17.

[16]Gupta A，Sapienza H. Determinants of venture capital firms' preferences regarding the industry diversity and geographic scope of their investments[J]. Journal of Business Venturing. 1992， 7（5）：347-362.

[17]Clercq D D，Dimov D. Explaining venture capital firms'syndication behavior： a longitudinal study[J]. Venture Capital，2004，6（4）：243-256.

[18]Cumming D，Dai N. Local bias in venture capital investments[J]. Journal of Empirical Finance，2010，17（3）：362-380.

[19]Manigart S，Waele K D，Wright M， et al. Determinants of required return in venture capital investments：a five-country study[J]. Journal of Business Venturing，2002，17（4）：291-312.

[20]蔡寧，徐夢周. 我國創(chuàng)投機構投資階段選擇及其績效影響的實證研究[J]. 中國工業(yè)經濟，2009（10）：86-95.

[21]錢蘋，張幃. 我國創(chuàng)業(yè)投資的回報率及其影響因素[J]. 經濟研究，2007（5）：78-90.

[22]黨興華，董建衛(wèi)，陳蓉. 風險投資機構的網絡位置對其退出方式的影響研究[J]. 中國軟科學，2011（6）：156-166.

[23]Steven N K，Antoinette S. Private equity performance：returns，persistence，and capital flows[J]. Journal of Finance，2005，60（4）：1791-1823.

[24]Lutz E，Bender M，Achleitner A K，et al. Importance of spatial proximity between venture capital investors and investees in Germany[J]. Journal of Business Research，2013，66（11）：2346-2354.

[25]Sobel M E. Asymptotic confidence intervals for indirect effects in structural equation models[J]. Sociological Methodology，1982（13）：290-312.

[26]Sobel M E. Some new results on indirect effects and their standard errors in covariance structure models[J]. Sociological Methodology，1986（16）：159-186.

[27]Baron R M，Kenny D A. Moderator-mediator variables distinction in social psychological research： conceptual，strategic，and statistical considerations[J]. Journal of Personality and Social Psychology，1986，51（6）：1173-82.

[28]Brown R L. Assessing specific mediational effects in complex theoretical models[J]. Structural Equation Modeling，1997，4（2）：142-156.

[29]Dawn Iacobucci. 中介作用分析[M]. 上海：上海人民出版社，2017：34-37.

[30]吳明隆. 結構方程模型[M]. 重慶：重慶大學出版社，2013：176-180.

[31]溫忠麟，葉寶娟. 中介效應分析：方法和模型發(fā)展[J]. 心理科學進展，2014，22（5）：731-745.

（責任編輯：鐘 瑤）