楊 曄，陳 蓉，邱知奕

(1.上海財(cái)經(jīng)大學(xué) 公共經(jīng)濟(jì)與管理學(xué)院，上海200433；2.常州大學(xué) 經(jīng)濟(jì)學(xué)院，江蘇 常州 213163)

0 引言

在創(chuàng)新創(chuàng)業(yè)投融資市場(chǎng)中，風(fēng)險(xiǎn)投資機(jī)構(gòu)相比創(chuàng)業(yè)者而言存在信息劣勢(shì)，地理距離[1]和文化差異[2]會(huì)加劇這種信息不對(duì)稱，而聯(lián)合投資則是一種有效的信息獲取方式。在國(guó)際疫情背景下，投資機(jī)構(gòu)面臨更加嚴(yán)峻的風(fēng)險(xiǎn)考驗(yàn)，聯(lián)合投資成為風(fēng)險(xiǎn)規(guī)避策略之一[3]。據(jù)清科私募通數(shù)據(jù)庫統(tǒng)計(jì)，2020年上半年中國(guó)發(fā)生風(fēng)險(xiǎn)投資事件2 406起，相較于2019年上半年減少了1 039起。其中，聯(lián)合投資事件1 436起，占比達(dá)到59.68%，反而比2019年上半年增加了6個(gè)百分點(diǎn)。風(fēng)投機(jī)構(gòu)之間通過聯(lián)合投資活動(dòng)建立聯(lián)系，逐漸形成一張巨大的聯(lián)盟網(wǎng)絡(luò)[4]。如圖1所示，從左至右分別是基于投中集團(tuán)China Venture數(shù)據(jù)庫生成的2015-2017年風(fēng)投聯(lián)盟網(wǎng)絡(luò)。從中可見，我國(guó)風(fēng)險(xiǎn)投資機(jī)構(gòu)在3年間進(jìn)行了大量聯(lián)合投資，且機(jī)構(gòu)間的合作越來越密切。聯(lián)盟網(wǎng)絡(luò)中存在眾多關(guān)系緊密的風(fēng)投機(jī)構(gòu)，它們?cè)谡w網(wǎng)絡(luò)中表現(xiàn)為聯(lián)盟“小世界”[5]，即基于整體網(wǎng)絡(luò)的凝聚子群。聯(lián)盟“小世界”在整體網(wǎng)絡(luò)中廣泛存在[6]。因此，對(duì)風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)進(jìn)行探討具有較強(qiáng)的現(xiàn)實(shí)意義。已有研究雖然從社會(huì)網(wǎng)絡(luò)視角探討風(fēng)險(xiǎn)投資問題[7- 8]，但關(guān)于聯(lián)盟網(wǎng)絡(luò)對(duì)聯(lián)合投資行為影響的理論研究較少。楊敏利等[9]發(fā)現(xiàn)，網(wǎng)絡(luò)位置能夠傳遞聲譽(yù)信號(hào)，進(jìn)而對(duì)聯(lián)合投資的形成產(chǎn)生正向影響。社會(huì)資本理論認(rèn)為，風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)是一種制度化的關(guān)系網(wǎng)絡(luò)，能夠?yàn)榫W(wǎng)絡(luò)個(gè)體帶來實(shí)際或潛在資源(社會(huì)資本)，進(jìn)而對(duì)后續(xù)聯(lián)合投資產(chǎn)生影響。本文基于社會(huì)資本視角，在宏觀和中觀兩個(gè)層面進(jìn)行研究具有一定理論意義。

圖1 2015-2017年風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)

本文重點(diǎn)解決以下兩個(gè)問題：①在整體網(wǎng)絡(luò)層面，風(fēng)險(xiǎn)投資機(jī)構(gòu)在聯(lián)盟網(wǎng)絡(luò)中的位置如何影響后續(xù)聯(lián)合投資行為？②聚焦到聯(lián)盟“小世界”層面，風(fēng)險(xiǎn)投資機(jī)構(gòu)在聯(lián)盟網(wǎng)絡(luò)中的位置如何影響后續(xù)聯(lián)合伙伴策略選擇？本文基于投中集團(tuán)China Venture數(shù)據(jù)庫1997-2017年的投資事件，針對(duì)上述問題進(jìn)行實(shí)證檢驗(yàn)，揭示風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)演變規(guī)律。

1 理論分析與研究假設(shè)

風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)對(duì)投資行為具有不同影響：①機(jī)構(gòu)網(wǎng)絡(luò)位置影響風(fēng)投機(jī)構(gòu)投資范圍。如Hochberg等[10]指出，區(qū)域內(nèi)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)會(huì)封鎖區(qū)域內(nèi)行業(yè)信息，成為其它機(jī)構(gòu)進(jìn)入該區(qū)域投資的阻礙。但是，外來機(jī)構(gòu)一旦進(jìn)入當(dāng)?shù)鼐W(wǎng)絡(luò)，就更容易獲取當(dāng)?shù)匦畔11]；②對(duì)標(biāo)企業(yè)的偏好也受網(wǎng)絡(luò)位置影響。如Alexy等[12]發(fā)現(xiàn)，越是處于網(wǎng)絡(luò)核心位置，風(fēng)投機(jī)構(gòu)獲取的信息越多，投資風(fēng)險(xiǎn)越小，投資于新創(chuàng)企業(yè)的金額也越高；③風(fēng)投機(jī)構(gòu)資本性質(zhì)不同，受社會(huì)網(wǎng)絡(luò)的影響也不同[13]。如政府風(fēng)投可以憑借政治關(guān)聯(lián)獲取更多項(xiàng)目資源，對(duì)聯(lián)合網(wǎng)絡(luò)依賴度較低[14]。由此可見，社會(huì)網(wǎng)絡(luò)在風(fēng)險(xiǎn)投資行業(yè)具象地表現(xiàn)為信息獲取能力。

聯(lián)合投資決策是風(fēng)投機(jī)構(gòu)投資行為的重要組成部分，聯(lián)合投資動(dòng)機(jī)可從以下幾個(gè)方面考量：①風(fēng)投機(jī)構(gòu)自身特征，如經(jīng)驗(yàn)越欠缺的機(jī)構(gòu)越傾向于聯(lián)合投資[15]；②被投資企業(yè)特征，如不同行業(yè)創(chuàng)業(yè)企業(yè)得到聯(lián)合投資的概率不同[16]；③被投資企業(yè)與風(fēng)投機(jī)構(gòu)之間的聯(lián)系，如本土投資機(jī)構(gòu)與跨境投資機(jī)構(gòu)在聯(lián)合投資選擇上往往不一致[17]。梳理已有文獻(xiàn)可知，聯(lián)合投資行為的根本目的是應(yīng)對(duì)信息失衡問題[18-19]，而風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)是風(fēng)投機(jī)構(gòu)之間進(jìn)行信息傳遞、知識(shí)獲取和整合的重要渠道[20]。因此，風(fēng)投聯(lián)盟網(wǎng)絡(luò)通過改變機(jī)構(gòu)信息獲取能力，最終影響機(jī)構(gòu)聯(lián)合投資策略。

1.1 網(wǎng)絡(luò)位置與聯(lián)合投資策略

風(fēng)投機(jī)構(gòu)通過聯(lián)合投資構(gòu)建合作網(wǎng)絡(luò)進(jìn)而獲取信息，再以聯(lián)合形式拓展網(wǎng)絡(luò)，或鞏固已有網(wǎng)絡(luò)渠道[21]。結(jié)構(gòu)化網(wǎng)絡(luò)位置通過影響機(jī)構(gòu)信息獲取能力，從而對(duì)新的聯(lián)合投資行為產(chǎn)生影響。因此，當(dāng)機(jī)構(gòu)網(wǎng)絡(luò)位置水平較低時(shí)，信息獲取能力較弱，此時(shí)通過聯(lián)合投資“搭便車”是降低風(fēng)險(xiǎn)的重要途徑。隨著網(wǎng)絡(luò)位置提升，信息獲取能力增強(qiáng)，該機(jī)構(gòu)更容易被其它機(jī)構(gòu)青睞，因而網(wǎng)絡(luò)位置提升對(duì)聯(lián)合投資概率有正向推動(dòng)作用。當(dāng)機(jī)構(gòu)網(wǎng)絡(luò)位置水平較高時(shí)，信息獲取能力也得到較大程度改善，在投資中獲得更多主動(dòng)權(quán)，通過聯(lián)合投資“搭便車”不再是降低風(fēng)險(xiǎn)的首要選擇。因此，隨著機(jī)構(gòu)網(wǎng)絡(luò)位置提升及新信息獲取能力增強(qiáng)，風(fēng)投機(jī)構(gòu)聯(lián)合投資概率降低。為更好地表述這一規(guī)律，本文引入閾值的概念，即網(wǎng)絡(luò)位置對(duì)聯(lián)合投資行為產(chǎn)生正向效應(yīng)和負(fù)向效應(yīng)的拐點(diǎn)。由此，本文提出如下假設(shè)：

H1：當(dāng)網(wǎng)絡(luò)位置低于閾值時(shí)，網(wǎng)絡(luò)位置越高，風(fēng)險(xiǎn)投資機(jī)構(gòu)越傾向于聯(lián)合投資；當(dāng)網(wǎng)絡(luò)位置高于閾值時(shí)，網(wǎng)絡(luò)位置越高，風(fēng)險(xiǎn)投資機(jī)構(gòu)越傾向于獨(dú)立投資。

1.2 網(wǎng)絡(luò)位置與聯(lián)合伙伴策略選擇

在聯(lián)合投資網(wǎng)絡(luò)演化過程中，風(fēng)投機(jī)構(gòu)是否進(jìn)行聯(lián)合決策，決定聯(lián)合投資網(wǎng)絡(luò)中個(gè)體機(jī)構(gòu)的進(jìn)入或退出，進(jìn)而影響整體網(wǎng)絡(luò)收縮和擴(kuò)張。同樣，風(fēng)投機(jī)構(gòu)是否與原子群伙伴進(jìn)行聯(lián)合決策，決定個(gè)體機(jī)構(gòu)間聯(lián)結(jié)的建立和斷裂，進(jìn)而影響整體網(wǎng)絡(luò)結(jié)構(gòu)變動(dòng)?？缱尤郝?lián)合行為的實(shí)質(zhì)是聯(lián)合投資伙伴更替?，F(xiàn)有研究在解釋聯(lián)合伙伴選擇問題時(shí)，多運(yùn)用同類偏好和資源互補(bǔ)理論。其中，同類偏好理論認(rèn)為，同質(zhì)性伙伴間的信任感更強(qiáng)，彼此間的交流合作效率也更高[22]；資源互補(bǔ)理論則認(rèn)為，與異質(zhì)性機(jī)構(gòu)建立伙伴關(guān)系可以實(shí)現(xiàn)資源疊加效應(yīng)[23]。無論是出于同類偏好還是資源互補(bǔ)，只有當(dāng)收益大于成本時(shí)，風(fēng)投機(jī)構(gòu)才會(huì)進(jìn)行跨子群聯(lián)合。

關(guān)系網(wǎng)絡(luò)信息作用理論認(rèn)為，社會(huì)網(wǎng)絡(luò)構(gòu)建帶來網(wǎng)絡(luò)成員行為趨同效應(yīng)[24]。由此可見，網(wǎng)絡(luò)位置在聯(lián)盟伙伴選擇中起關(guān)鍵作用。具體而言，當(dāng)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置低于閾值時(shí)，其通過與原子群伙伴的聯(lián)合獲取大量外部資源。風(fēng)投機(jī)構(gòu)初始網(wǎng)絡(luò)位置越高，其與原子群伙伴間建立的聯(lián)系越多，聯(lián)合交易成本越低，可得到的外部資源越豐富，越不需要進(jìn)行跨子群聯(lián)合。當(dāng)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置高于閾值時(shí)，較高的信息獲取能力使得原子群聯(lián)合伙伴無法為其提供高質(zhì)量信息。風(fēng)投機(jī)構(gòu)初始網(wǎng)絡(luò)位置越高，得到的冗余信息越多，越傾向于與原子群成員之外的機(jī)構(gòu)合作。據(jù)此，本文提出如下假設(shè)：

H2：當(dāng)網(wǎng)絡(luò)位置低于閾值時(shí)，網(wǎng)絡(luò)位置越高，風(fēng)投機(jī)構(gòu)越傾向于與原子群成員進(jìn)行聯(lián)合；當(dāng)網(wǎng)絡(luò)位置高于閾值時(shí)，網(wǎng)絡(luò)位置越高，風(fēng)投機(jī)構(gòu)越傾向于跨子群聯(lián)合投資。

2 研究設(shè)計(jì)與樣本選取

2.1 數(shù)據(jù)來源與樣本選取

本文數(shù)據(jù)來源于投中集團(tuán)China Venture數(shù)據(jù)庫。使用1997-2015年的聯(lián)合投資事件數(shù)據(jù)，借鑒Abell & Nisar[25]的做法，以3年時(shí)間窗滾動(dòng)構(gòu)建聯(lián)合投資網(wǎng)絡(luò)和風(fēng)投機(jī)構(gòu)凝聚子群。投資事件樣本時(shí)間跨度為2000-2016年，對(duì)投資機(jī)構(gòu)與標(biāo)的企業(yè)按投資時(shí)間配對(duì)處理后，得到成對(duì)形式樣本共40 241條。

2.2 網(wǎng)絡(luò)構(gòu)建與凝聚子群劃分

(1)風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)構(gòu)建。當(dāng)風(fēng)投機(jī)構(gòu)a和b參與目標(biāo)公司同一輪投資時(shí)，認(rèn)為兩者進(jìn)行了聯(lián)合投資，建立了聯(lián)盟關(guān)系。如圖2所示，為實(shí)現(xiàn)可視化效果，圖中只顯示特征值中心度在0.15～1范圍內(nèi)的節(jié)點(diǎn)，節(jié)點(diǎn)顏色越深代表節(jié)點(diǎn)中心度越高。

圖2 2013-2015年整體風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)

(2)凝聚子群劃分。本文使用GN算法，根據(jù)模塊度Q值最大原則對(duì)每個(gè)時(shí)間窗口的整體網(wǎng)絡(luò)進(jìn)行劃分[26]。當(dāng)Q值大于0.3時(shí)，表明整體網(wǎng)絡(luò)有鮮明的社群化趨勢(shì)，且Q值越大反映整體網(wǎng)絡(luò)越傾向于社群化。本文中的Q值介于0.39～0.77之間，表明整體網(wǎng)絡(luò)存在鮮明的社群化特征。

劃分凝聚子群后的網(wǎng)絡(luò)如圖3所示。圖3共有7個(gè)凝聚子群，不同凝聚子群特征迥異。最上方的凝聚子群僅由5個(gè)本土風(fēng)投機(jī)構(gòu)組成，其中2個(gè)為國(guó)資機(jī)構(gòu)，3個(gè)為私人機(jī)構(gòu)；右下方的凝聚子群包含40多家風(fēng)投機(jī)構(gòu)，既有本土機(jī)構(gòu)，又有外資機(jī)構(gòu)。

圖3 2013-2015年風(fēng)投機(jī)構(gòu)凝聚子群分布

2.3 變量定義

(1)被解釋變量：①聯(lián)合投資決策。該變量為虛擬變量，當(dāng)風(fēng)投機(jī)構(gòu)在第t年投資事件中以聯(lián)合投資形式進(jìn)行交易時(shí)該變量的值為1，否則為0；②跨子群聯(lián)合比率。該變量用于度量新聯(lián)合投資事件中伙伴的更新程度，即在已知風(fēng)投機(jī)構(gòu)選擇聯(lián)合投資基礎(chǔ)上，計(jì)算新聯(lián)合投資伙伴與原有聯(lián)合投資網(wǎng)絡(luò)成員不重合的比率；③跨子群聯(lián)合決策。該變量為虛擬變量，即在已知風(fēng)投機(jī)構(gòu)選擇聯(lián)合投資的基礎(chǔ)上，其與原有聯(lián)合投資網(wǎng)絡(luò)成員以外成員進(jìn)行新聯(lián)合投資時(shí)該變量的值為1，否則為0。

(2)解釋變量：網(wǎng)絡(luò)位置。本文運(yùn)用Freeman[27]提出的點(diǎn)度中心度、Bonacich[28]提出的特征向量中心度及Burt等[29]提出的結(jié)構(gòu)洞指數(shù)作為衡量網(wǎng)絡(luò)位置的主要指標(biāo)。點(diǎn)度中心度用來統(tǒng)計(jì)與點(diǎn)A存在直接關(guān)聯(lián)的其它點(diǎn)的總個(gè)數(shù)。為與另外兩個(gè)網(wǎng)絡(luò)位置指標(biāo)數(shù)一致，本文使用該變量與百分之一的乘積進(jìn)行回歸。另外，將特征向量中心度計(jì)算引入矩陣。Bonacich[28]認(rèn)為，點(diǎn)中心度與鄰點(diǎn)中心度相關(guān)，因此可將該點(diǎn)中心度看成所有其它點(diǎn)中心度的函數(shù)，從而建立如下中心度函數(shù)，進(jìn)而構(gòu)建中心度方程。其中，At為鄰接矩陣的轉(zhuǎn)置；aij為A中的元素，表示i對(duì)j中心度的貢獻(xiàn)量；x為中心度向量。中心度方程的解即為每個(gè)點(diǎn)的中心度指數(shù)。

λxi=a1ix1+a2ix2+…+anixn

(1)

Atx=λx

(2)

(3)

(3)控制變量。控制變量包括投資機(jī)構(gòu)、交易、標(biāo)的企業(yè)3個(gè)層面變量。

投資機(jī)構(gòu)層面變量包括：①機(jī)構(gòu)外資屬性。根據(jù)是否有外資參與將風(fēng)投機(jī)構(gòu)分為合資/合作機(jī)構(gòu)、中資機(jī)構(gòu)和外資機(jī)構(gòu)3類，對(duì)應(yīng)數(shù)值分別為1、2和3，回歸時(shí)形成兩個(gè)虛擬變量；②機(jī)構(gòu)管理資金規(guī)模。本文用機(jī)構(gòu)投資當(dāng)年管理資金總額衡量，以萬億元為單位；③機(jī)構(gòu)成立年限。本文以投資事件發(fā)生年份與機(jī)構(gòu)成立年份作差計(jì)算機(jī)構(gòu)成立年限。

交易層面變量包括：①投資金額。本文用每筆交易的融資總額衡量，單位為百萬元；②投資階段。即被投資企業(yè)所處發(fā)展階段，分為早期、發(fā)展期、擴(kuò)張期和獲利期。其中，分布在發(fā)展期的交易最多，占47.78%，分布在獲利期的交易最少，占6.31%?；貧w時(shí)將該變量細(xì)分成3個(gè)虛擬變量；③投資年份。即交易發(fā)生年份，跨度為2000-2016年。其中，2015年交易數(shù)達(dá)到峰值，占樣本總量的22.24%，回歸時(shí)將該變量細(xì)分成15個(gè)虛擬變量。

標(biāo)的企業(yè)層面變量包括：①標(biāo)的企業(yè)省份。即受資企業(yè)所在地，亦即交易資金流入地，按交易數(shù)量計(jì)算，以北京和上海居首，占比分別為30.72%和16.39%，將該變量細(xì)分成30個(gè)虛擬變量；②標(biāo)的企業(yè)行業(yè)。即根據(jù)國(guó)標(biāo)行業(yè)門類所屬的被投資企業(yè)所在行業(yè)，其中涉足制造業(yè)和信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)的標(biāo)的投資事件占比較大，分別為46.10%和31.2%，將該變量細(xì)分成17個(gè)虛擬變量。

本文具體變量定義如表1所示。

表1 變量定義

2.4 模型設(shè)定

(1)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置與聯(lián)合投資決策。設(shè)立如下模型：

P(Deal_syni)=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(4)

其中，Deal_syni為因變量，表示第i筆風(fēng)險(xiǎn)投資交易是否以聯(lián)合投資形式進(jìn)行。由于其是虛擬變量，因此使用線性概率模型進(jìn)行實(shí)證檢驗(yàn)。Xi代表解釋變量，即在第i個(gè)配對(duì)交易事件中風(fēng)險(xiǎn)投資機(jī)構(gòu)的網(wǎng)絡(luò)位置；同時(shí)，引入該變量的二次方項(xiàng)，以檢驗(yàn)假設(shè)H1。Wij為投資機(jī)構(gòu)層面上的控制變量，即第i筆交易對(duì)應(yīng)風(fēng)投機(jī)構(gòu)的成立年限、管理資金規(guī)模和外資屬性；Yij為交易層面上的控制變量，即第i筆交易的投資金額、投資階段和投資年份；Zij為企業(yè)層面上的控制變量，即標(biāo)的企業(yè)所在行業(yè)和省份。

(2)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置與跨子群聯(lián)合行為。當(dāng)以虛擬變量是否跨子群聯(lián)合(cros_dumi)作為因變量時(shí)，使用線性概率模型；當(dāng)以連續(xù)變量跨子群聯(lián)合比率(crosi)作為因變量時(shí)，使用OLS模型。解釋變量和控制變量與式(1)模型保持一致。具體模型如下：

P(cros_dumi)=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(5)

crosi=α0+α1Xi+α2Xi2+∑βjWij+∑γjYij+∑δjZij+εi

(6)

3 實(shí)證檢驗(yàn)

3.1 描述性統(tǒng)計(jì)分析

本文使用成對(duì)形式樣本數(shù)據(jù)，主要變量描述性統(tǒng)計(jì)結(jié)果如表2所示。其中，聯(lián)合投資樣本占總樣本的53.4%，說明有超過一半的樣本機(jī)構(gòu)選擇聯(lián)合投資策略。在聯(lián)合投資樣本中，有82.4%的樣本選擇跨子群聯(lián)合投資，即超過3/4的樣本機(jī)構(gòu)在進(jìn)行聯(lián)合投資時(shí)選擇新合作伙伴。因?yàn)樵谟?jì)算跨子群聯(lián)合指標(biāo)時(shí)剔除投資事件發(fā)生前3年均不在網(wǎng)絡(luò)機(jī)構(gòu)的樣本，因此跨子群聯(lián)合比率和跨子群聯(lián)合決策變量對(duì)應(yīng)樣本量小于總聯(lián)合投資樣本量。

表2 變量描述性統(tǒng)計(jì)結(jié)果

3.2 風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置對(duì)聯(lián)合投資決策的影響

網(wǎng)絡(luò)位置與風(fēng)投機(jī)構(gòu)聯(lián)合投資決策實(shí)證檢驗(yàn)結(jié)果如表3所示。從中可見，無論使用何種網(wǎng)絡(luò)位置指標(biāo)衡量信息獲取能力，該指標(biāo)的一次項(xiàng)和二次項(xiàng)系數(shù)均比較顯著。這說明，當(dāng)風(fēng)投機(jī)構(gòu)信息渠道不暢通時(shí)，它們更偏向于利用聯(lián)合投資將風(fēng)險(xiǎn)分擔(dān)出去；當(dāng)風(fēng)投機(jī)構(gòu)信息獲取渠道足夠暢通時(shí)，信息獲取能力越強(qiáng)的機(jī)構(gòu)越青睞于獨(dú)立投資。當(dāng)分別以點(diǎn)度中心度、特征向量中心度作為網(wǎng)絡(luò)位置的衡量指標(biāo)時(shí)，指標(biāo)閾值分別為1.45和0.41。在閾值處，網(wǎng)絡(luò)位置對(duì)聯(lián)合投資概率的正向影響遞減至0；其后，隨著網(wǎng)絡(luò)位置的提升，聯(lián)合投資概率降低。此時(shí)，網(wǎng)絡(luò)位置指標(biāo)超過閾值的樣本數(shù)占比分別為0.099%和0.42%。由此可見，在大部分樣本中，網(wǎng)絡(luò)位置中心度提升對(duì)聯(lián)合投資決策產(chǎn)生正向影響，只有少數(shù)處于中心位置的頭部風(fēng)投機(jī)構(gòu)才能跨越中心度指標(biāo)閾值。當(dāng)使用結(jié)構(gòu)洞指數(shù)作為網(wǎng)絡(luò)位置的衡量指標(biāo)時(shí)，其閾值為0.45，樣本中有45.53%的機(jī)構(gòu)超過0.45這一結(jié)構(gòu)洞指數(shù)，說明非冗余信息獲取能力與聯(lián)合投資概率之間呈倒U型關(guān)系，假設(shè)H1得到驗(yàn)證。

表3 網(wǎng)絡(luò)位置與聯(lián)合投資決策檢驗(yàn)結(jié)果

3.3 風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置對(duì)跨子群聯(lián)合投資行為的影響

網(wǎng)絡(luò)位置與風(fēng)投機(jī)構(gòu)跨子群聯(lián)合投資決策實(shí)證檢驗(yàn)結(jié)果如表4所示。模型(3)、模型(6)和模型(9)被解釋變量用來衡量是否進(jìn)行跨子群聯(lián)合，其它模型被解釋變量為不與原子群成員重合的新聯(lián)合伙伴的比率。無論使用何種衡量指標(biāo)，網(wǎng)絡(luò)位置指標(biāo)的一次項(xiàng)系數(shù)均顯著為負(fù)，二次項(xiàng)系數(shù)均顯著為正，說明當(dāng)風(fēng)投機(jī)構(gòu)處于網(wǎng)絡(luò)邊緣位置時(shí)，隨著網(wǎng)絡(luò)位置提升，機(jī)構(gòu)找到合適的合作社群，從而更傾向于與固定子群內(nèi)部其它機(jī)構(gòu)進(jìn)行聯(lián)合投資；當(dāng)風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置高于閾值時(shí)，隨著網(wǎng)絡(luò)位置提升，機(jī)構(gòu)難以從所在子群中獲取更多新資源，從而更傾向于與子群外部機(jī)構(gòu)進(jìn)行聯(lián)合投資。以模型(2)、模型(5)和模型(8)為例，當(dāng)使用點(diǎn)度中心度、特征向量中心度衡量風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置時(shí)，閾值分別為1.096和0.269，超過閾值的樣本占比分別為1.03%和5.78%，該結(jié)果與第二部分結(jié)果一致。當(dāng)使用結(jié)構(gòu)洞指數(shù)衡量網(wǎng)絡(luò)位置時(shí)，閾值為0.492，超過閾值的樣本占比為43.29%，結(jié)構(gòu)洞指數(shù)與跨子群聯(lián)合投資間呈正U型關(guān)系，與假設(shè)H2結(jié)論一致。

表4 網(wǎng)絡(luò)位置與跨子群聯(lián)合決策檢驗(yàn)結(jié)果

4 穩(wěn)健性檢驗(yàn)與拓展性分析

4.1 所有權(quán)性質(zhì)的影響

國(guó)有風(fēng)投機(jī)構(gòu)通常由政府發(fā)起成立，一些機(jī)構(gòu)資金來源于政府財(cái)政撥款，被政府視為經(jīng)濟(jì)發(fā)展的重要催化劑。相比于私人風(fēng)投機(jī)構(gòu)，國(guó)有風(fēng)投機(jī)構(gòu)具有更多政治資本[30]，這會(huì)削弱網(wǎng)絡(luò)位置對(duì)國(guó)有風(fēng)投機(jī)構(gòu)投資行為的影響。本文針對(duì)不同所有權(quán)性質(zhì)下風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)位置對(duì)聯(lián)合投資行為的影響進(jìn)行穩(wěn)健性檢驗(yàn)，分組回歸結(jié)果如表5和表6所示。從中可見，網(wǎng)絡(luò)位置對(duì)國(guó)有風(fēng)投機(jī)構(gòu)與私人風(fēng)投機(jī)構(gòu)的影響不同：一是網(wǎng)絡(luò)位置對(duì)國(guó)有風(fēng)投機(jī)構(gòu)聯(lián)合投資決策的影響弱于私人風(fēng)投機(jī)構(gòu)，體現(xiàn)為國(guó)有風(fēng)投機(jī)構(gòu)組模型(2)中網(wǎng)絡(luò)位置變量系數(shù)不顯著；二是與私人風(fēng)投機(jī)構(gòu)相比，網(wǎng)絡(luò)位置對(duì)國(guó)有風(fēng)投機(jī)構(gòu)聯(lián)合伙伴選擇的影響較小，體現(xiàn)在模型(9)～(12)中網(wǎng)絡(luò)位置變量系數(shù)小于模型(3)～(6)，這是因?yàn)閲?guó)有風(fēng)投機(jī)構(gòu)對(duì)機(jī)構(gòu)間網(wǎng)絡(luò)的依賴程度有限。

表5 私人風(fēng)投機(jī)構(gòu)組與聯(lián)合投資行為檢驗(yàn)結(jié)果

表6 國(guó)有風(fēng)投機(jī)構(gòu)組與聯(lián)合投資行為檢驗(yàn)結(jié)果

4.2 退出經(jīng)驗(yàn)的影響

風(fēng)險(xiǎn)投資機(jī)構(gòu)在作出新投資決策前會(huì)參考兩種私有信息：一是網(wǎng)絡(luò)中所聯(lián)結(jié)的投資機(jī)構(gòu)為其提供的即時(shí)信息；二是自身在投資過程中產(chǎn)生的經(jīng)驗(yàn)信息。風(fēng)投機(jī)構(gòu)的投資經(jīng)驗(yàn)越豐富，積累的投資信息越多，通過網(wǎng)絡(luò)獲取第一種私有信息就越少。根據(jù)風(fēng)投機(jī)構(gòu)有無歷史退出經(jīng)驗(yàn)，將機(jī)構(gòu)劃分為有退出經(jīng)驗(yàn)和無退出經(jīng)驗(yàn)兩組，分組回歸結(jié)果如表7和表8所示。對(duì)于有退出經(jīng)驗(yàn)的風(fēng)投機(jī)構(gòu)而言，其聯(lián)合投資行為受到網(wǎng)絡(luò)位置的影響并不總是顯著為倒U型，且相比于無退出經(jīng)驗(yàn)組而言，有退出經(jīng)驗(yàn)組的網(wǎng)絡(luò)位置變量系數(shù)更小，即退出經(jīng)驗(yàn)削弱了網(wǎng)絡(luò)位置對(duì)聯(lián)合投資行為的影響。這是因?yàn)?，?jīng)歷過完整投資周期的風(fēng)投機(jī)構(gòu)積累了大量信息，其獨(dú)立投資能力增強(qiáng)，通過信息交換得到冗余信息的可能性變大。因此，隨著信息積累的增加，風(fēng)險(xiǎn)投資機(jī)構(gòu)對(duì)聯(lián)合投資網(wǎng)絡(luò)的依賴度變低。

表7 有退出經(jīng)驗(yàn)與聯(lián)合投資行為檢驗(yàn)結(jié)果

表8 無退出經(jīng)驗(yàn)組與聯(lián)合投資行為檢驗(yàn)結(jié)果

4.3 對(duì)內(nèi)生性的考慮

(1)聯(lián)合投資行為對(duì)網(wǎng)絡(luò)位置的反向影響。聯(lián)合投資行為對(duì)網(wǎng)絡(luò)位置的作用途徑在于，聯(lián)合投資促使風(fēng)投機(jī)構(gòu)與更多機(jī)構(gòu)發(fā)生聯(lián)系，或者與同一機(jī)構(gòu)間的聯(lián)系更為緊密，有利于開拓風(fēng)投機(jī)構(gòu)網(wǎng)絡(luò)圈，促使其網(wǎng)絡(luò)位置不斷提升。為避免這種反向因果關(guān)系對(duì)結(jié)果造成的不良影響，本文對(duì)數(shù)據(jù)進(jìn)行初步選取和計(jì)算。假設(shè)投資事件發(fā)生在第t期，本文采用第t-4至t-1期事件測(cè)算第t期的結(jié)構(gòu)化網(wǎng)絡(luò)位置，以排除第t期聯(lián)合投資行為對(duì)當(dāng)期網(wǎng)絡(luò)位置產(chǎn)生的影響。

(2)遺漏變量的影響。本文在計(jì)算變量時(shí)保證了時(shí)間上的先后順序，因而同時(shí)影響聯(lián)合投資決策和結(jié)構(gòu)化網(wǎng)絡(luò)位置的變量可能是一些隨時(shí)間變化不大的因素，如風(fēng)險(xiǎn)投資機(jī)構(gòu)所有權(quán)性質(zhì)。若風(fēng)投機(jī)構(gòu)是境外機(jī)構(gòu)，在其它因素不變的情況下，外來者劣勢(shì)使其與本土機(jī)構(gòu)相比網(wǎng)絡(luò)位置較低、信息能力偏弱、聯(lián)合投資意愿較強(qiáng)；若風(fēng)投機(jī)構(gòu)是國(guó)有機(jī)構(gòu)，在其它因素不變的情況下，其強(qiáng)大的信息稟賦使得其它機(jī)構(gòu)積極尋求“搭便車”機(jī)會(huì)，使得國(guó)有風(fēng)投機(jī)構(gòu)結(jié)構(gòu)化網(wǎng)絡(luò)位置較高，后續(xù)聯(lián)合投資概率增加。為減少遺漏變量的影響，本文在原有回歸模型中加入是否為外資的虛擬變量以控制風(fēng)險(xiǎn)投資機(jī)構(gòu)所有權(quán)性質(zhì)，并在穩(wěn)健性檢驗(yàn)中驗(yàn)證風(fēng)投機(jī)構(gòu)是否國(guó)有對(duì)回歸結(jié)果的影響。

5 結(jié)語

本文探討網(wǎng)絡(luò)位置對(duì)個(gè)體機(jī)構(gòu)聯(lián)合投資策略的影響，作出如下貢獻(xiàn)：①豐富了聯(lián)合投資決策影響因素研究。本文以社會(huì)網(wǎng)絡(luò)帶來的社會(huì)資本——信息獲取能力作為切入點(diǎn)，解釋風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)現(xiàn)有結(jié)構(gòu)對(duì)聯(lián)合投資決策的影響，從而窺得網(wǎng)絡(luò)演變中新聯(lián)結(jié)的發(fā)生條件和發(fā)生形式；②拓展了凝聚子群層面風(fēng)投行為研究。本文構(gòu)建風(fēng)投機(jī)構(gòu)聯(lián)盟網(wǎng)絡(luò)，劃分投資機(jī)構(gòu)凝聚子群，既分析了整體網(wǎng)絡(luò)結(jié)構(gòu)，又將中觀層面凝聚子群納入研究；③本文從動(dòng)態(tài)網(wǎng)絡(luò)視角出發(fā)，通過識(shí)別投資機(jī)構(gòu)聯(lián)合策略變化和跨網(wǎng)絡(luò)投資行為剖析其動(dòng)態(tài)演變過程，為風(fēng)投聯(lián)盟網(wǎng)絡(luò)研究提供了新視角。然而，本文仍存在一些不足，如缺乏對(duì)風(fēng)投機(jī)構(gòu)與標(biāo)的企業(yè)間關(guān)系的考量等，未來可進(jìn)行深入探討。

本文研究結(jié)論表明：①在聯(lián)合投資決策方面，風(fēng)投機(jī)構(gòu)在發(fā)展早期信息獲取能力較弱，對(duì)采用聯(lián)合投資獲取信息有一定的路徑依賴，但當(dāng)機(jī)構(gòu)信息獲取能力提升時(shí)，就傾向于不再依賴聯(lián)合投資網(wǎng)絡(luò);②在聯(lián)合伙伴選擇方面，當(dāng)機(jī)構(gòu)剛進(jìn)入聯(lián)合投資網(wǎng)絡(luò)時(shí)，其網(wǎng)絡(luò)位置較低，更傾向于與多個(gè)子群機(jī)構(gòu)進(jìn)行聯(lián)合，從而提高自身網(wǎng)絡(luò)位置。當(dāng)機(jī)構(gòu)網(wǎng)絡(luò)位置處于中間水平時(shí)，其逐漸擁有穩(wěn)定的聯(lián)合投資子群。若該機(jī)構(gòu)能跨越閾值，進(jìn)入網(wǎng)絡(luò)位置較高水平階段，其又傾向于尋求與其它子群機(jī)構(gòu)聯(lián)合，從而使自身網(wǎng)絡(luò)位置繼續(xù)得以提升。因此，政府在進(jìn)行頂層設(shè)計(jì)時(shí)，不僅要關(guān)注可變革的正式制度，還要對(duì)風(fēng)投行業(yè)已經(jīng)形成的非正式制度進(jìn)行考量。鑒于信息獲取能力對(duì)聯(lián)合投資行為的顯著影響，且風(fēng)投機(jī)構(gòu)在發(fā)展早期對(duì)聯(lián)合投資網(wǎng)絡(luò)存在依賴，政府可考慮搭建風(fēng)投機(jī)構(gòu)信息交流平臺(tái)，提高風(fēng)險(xiǎn)投資市場(chǎng)信息獲取能力的最低值，讓剛進(jìn)入市場(chǎng)邊緣的風(fēng)投機(jī)構(gòu)能夠擁有更多聯(lián)合投資機(jī)會(huì)，從而在正式制度框架中包含能引導(dǎo)非正式制度健康發(fā)展的相應(yīng)政策。