創始人社會資本結構特征對科技型創業企業風險投資可得性的影響

姚 錚 顧慧瑩

(浙江大學 管理學院,浙江 杭州 310058)

一、引 言

近年來,我國高度重視科技型創業企業的發展,并將其作為產業結構調整和經濟體制變革的支柱以及推動國家經濟發展的重要力量,隨之而來的是一大批科技型創業企業的破土而出。然而,融資渠道的缺乏、創業環境的制約依舊是困擾科技型創業企業的難題,缺乏足夠的資金將制約科技型創業企業獲得發展所需的資源,阻礙企業未來成長。

對此,科技部于2015年初在《科技部關于進一步推動科技型中小企業創新發展的若干意見》中指出,提升科技型創業企業創新能力的關鍵在于鼓勵天使投資機構、風險投資機構等股權投資機構的設立及相應的投資活動。風險投資機構的優勢在于不僅能為科技型創業企業提供創新創業所必需的資金,而且還為投資的企業提供必要的管理咨詢和網絡關系構建等增值服務[1],具體包括招募關鍵管理人員、制定戰略計劃、監控運營管理、加強企業間聯系等[2],這些約束、激勵機制及增值服務在促進科技型創業企業成長方面具有重要的作用。同時,風險投資機構在投資前的嚴格審核和投資后的密切監督使其成為科技型創業企業技術和經營合法性的“營業執照”,為企業長期生存發展提供擔保[3]。企業通過增資引入新股東的融資方式也降低了企業還本付息的壓力,分擔了創始人創業風險,使獲得風險投資的企業更容易在激烈的競爭中存活并發展壯大起來,因此,風險投資是科技型創業企業最重要的股權融資方式。

然而,科技型創業企業與風險投資機構之間經常被認為存在較嚴重的代理問題,雙方的信息不對稱和利益沖突降低了科技型創業企業獲得風險投資的可能性,因此,哪些因素能促進科技型創業企業獲得風險投資機構的資金是值得研究的問題。已有研究認為社會網絡是創始人重要的資本,創始人社會資本的構建是科技型創業企業獲得風險投資的主要影響因素,創始人社會資本能夠降低投融資雙方的信息不對稱,展現創始人的網絡建構能力和企業未來的發展潛力,增強風險投資機構對科技型創業企業的信任,促進科技型創業企業成功獲得風險投資[4-5]。

中國是一個典型的關系型社會,創始人社會資本是創業企業獲取資源的重要渠道,為創始人提供多元化的技術市場信息、物質資本以及情感支持[6],對企業的生存和發展具有極為重要的促進作用。已有研究大多關注創始人社會資本的關系維度對融資可得性的影響,包括政治關聯、商業連帶、銀企關系等[7],忽略了創始人社會資本結構特征對風險投資的吸引作用。同時,由于不同類型的網絡結構對風險投資可得性的影響可能存在差異,本文將實證檢驗不同類型創始人社會資本結構特征對企業風險投資可得性的影響以及這些特征是通過何種途徑和方式作用于企業融資的。本文的研究有利于比較創始人不同的網絡結構特征對風險投資可得性的影響差異及其作用機理。

二、文獻綜述與理論假設

(一)文獻綜述

由于科技型創業企業存在新進入者缺陷,例如技術尚未完全成熟、關鍵研發和管理人員的品行和能力無法得到擔保和認證、企業業務范圍并未確定、未來發展存在極大不確定性等,風險投資機構在對企業進行質量篩選時面臨嚴重的信息不對稱,當風險投資機構無法對企業未來收益做出準確判斷時,將會謹慎投資[8],導致企業獲取風險投資變得困難。此時,創始人和企業的任何信息都將成為企業的質量信號傳遞給風險投資機構,并成為風險投資機構評判企業的重要標準,特別是在創業初期,創始人是科技型創業企業代表和融資主體,風險投資機構主要根據創始人的行為表現評判企業。以往研究中,創始人社會資本被認為不僅具有連接企業與風險投資機構的媒介作用,并且成為一種利好信號傳遞給風險投資機構[9]。然而實證研究多從社會資本資源觀視角考察創始人社會資本與財務資源可得性之間的關系,尚缺乏從功能觀視角檢驗創始人社會資本對風險投資可得性的影響的研究。

社會資本理論自20世紀70年代被提出后逐漸成為管理學界最重要的理論之一,并被認為是創始人獲取資源的關鍵因素,然而理論界對社會資本的定義一直存在爭議,并分別從資源觀視角和功能觀視角定義社會資本及其獲得資源的理論邏輯。Broudieu從資源觀的視角定義社會資本,認為社會資本是網絡成員所掌握的潛在的和實際的資源總和,資源索取者通過加入具有資源的關系網絡或者與資源擁有者形成連帶獲得資源[10]。Portes批判了Broudieu的定義并指出該定義并未明確區分資源索取者、資源擁有者和資源本身,忽略了資源索取者獲取資源的能力以及網絡結構對獲取資源的功能性作用[11]。隨后Coleman從功能觀視角提出社會資本是個人擁有的社會結構資源,認為社會資本包含行動者構建網絡的能力以及形成的網絡結構所具有的資源傳遞能力[12]。Davidsson和Honig定義社會資本是創始人從網絡結構和成員身份中汲取資源的能力,網絡結構是資源和信息流轉的通道,有助于資源的傳遞,且不同的網絡結構具備不同的功能[13]。Nahapiet和Ghoshal把社會資本維度劃分為關系維度、結構維度和認知維度,并認為結構維度是促使網絡內信息流轉和資源獲取的重要基礎[14]。自此,較多學者認為社會資本的核心是網絡結構,且網絡結構具備的關系間信任、承諾、秩序規范構成了創始人獲得資源的基礎。綜上所述,社會資本的資源觀視角認為關系連帶以及連帶方擁有的資源是行動者獲得資源的關鍵;功能觀視角則認為社會關系是社會資源的載體,網絡關系的結構形態有助于信息傳遞、信任承諾等關系情感的產生以及網絡秩序的形成,并成為資源和信息流轉的渠道和基礎[15]。

社會資本網絡結構分為兩大形態,分別為橋接型(bridging)網絡結構和結合型(bonding)網絡結構,Burt和Coleman分別代表兩種網絡結構的倡導者,并且兩種網絡結構具有不同的形態和功效[16]。Burt提出結構洞的概念,并認為稀疏延伸的網絡形態更有利于不同地域、不同行業以及不同社會等級的網絡成員獲得異質性信息,網絡成員之間通過交流形成良性的網絡學習氛圍[17]。特別是當掌握這些重要連帶的創始人在信息交換中處于中心位置時,創始人逐漸成為節點之間信息流的“控制開關”,從而獲得支配、調動網絡資源的控制權力。橋接型網絡結構體現了創始人與資源擁有者連帶的廣度和開放度,這些異質性資源的擁有者不僅包含企業的客戶、供應商、行業龍頭企業和競爭對手企業,還包括政府部門和社會機構(咨詢機構、高校科研機構等)。創始人橋接的異質性資源節點越多,范圍越廣,創始人越可能獲得有利于企業生存發展的信息和資源。特別是對科技型創業企業來說,異質性信息的交換和學習有利于創始人獲得額外的信息和技術支持,促進企業進行技術創新和管理變革。本文將采用網絡異質性和網絡規模測量橋接程度。其中,網絡異質性體現了個人與多元化資源連帶的豐富程度,Cao等在測量高管和CEO橋接程度時采用了網絡異質性[18];網絡規模則體現了個人關系構建能力的廣度[19]。

Coleman則描繪了一種緊密穩定的網絡形態:網絡成員之間兩兩熟識,相互之間了解程度較高,成員之間基于信任而自發進行信息交換,并相應地形成一套獎懲規則[12]。結合型網絡結構體現了與同質且較為親密的親友以及商業伙伴間的連帶緊密程度。由于頻繁的交流和深入的了解,緊密的連帶更可能產生情感性親近及情感性信任,也更可能產生合作意愿和集體身份認同。因此,創始人獲得情感支持、創業建議的可能性增加,企業發展穩定,生存率提高。結合型網絡結構也有利于網絡內部信息和知識的快速交換和傳播,成員之間相互鼓勵、相互監督,創始人及網絡其他成員機會主義行為易被發現,因此出現機會主義行為的可能性顯著降低。參考Reagans和McEvily的研究,本文將采用網絡密度和網絡強度兩個變量測量創始人網絡結合程度,其中,網絡密度反映網絡成員兩兩熟識程度,網絡強度體現創始人與其他網絡成員關系的緊密程度[20]。

基于創始人橋接型網絡結構和結合型網絡結構各自的優勢,兩類網絡結構均可能成為科技型創業企業未來發展的特征趨勢,并作為利好信號傳遞給風險投資企業,從而降低外部投資者與內部人之間的信息不對稱。例如,創始人橋接型網絡結構可以被視為受到他人認可的信號,反映創始人掌握的信息資源,釋放企業未來發展潛力的信號;結合型網絡結構則被認為是創始人很重要的聲譽機制,制約創始人的機會主義行為。因此,不同的網絡結構幫助企業貼上不同類型的標簽。當這些利好信號傳達到投資者時,能有效降低資金供求雙方的信息不對稱,幫助風險投資機構識別企業潛力,增加風險投資機構對企業的了解和信任,使企業獲得發展所必需的資金的可能性大大增加。

綜上所述,已有文獻大多從資源觀視角探討創始人社會資本對資源可得性的影響,鮮有文獻從功能觀視角剖析科技型創始人的網絡結構特征,本文根據經典社會資本理論將網絡結構特征分為兩個主要維度:橋接和結合,并通過分析具有不同信息傳遞方式和網絡運作機制的網絡結構形態,檢驗創始人網絡結構特征對風險投資可得性的影響作用。同時,不同于已有研究僅關注創始人網絡結構特征與科技型創業企業成長績效和創新績效的關系,本文以信息傳遞為分析基礎,探討獨立風險投資機構對創始人網絡結構的評價結果,從而更為準確地把握網絡結構特征的作用機理。本文將圍繞創始人網絡結構特征的信號如何降低科技型創業企業與風險投資機構之間的信息不對稱以及增強風險投資機構對科技型創業企業的信任這一問題,通過實證檢驗,提出解決科技型創業企業融資難的可行途徑。

(二)理論假設

1.網絡規模與科技型創業企業風險投資可得性

創始人網絡規模指創始人直接連帶的關系節點數量的總和[21]。創始人擴大的關系網絡往往體現了創始人資歷、經驗和網絡擴建能力,容易對網絡其他成員形成由個人的技能或專業知識而帶來的社會聲望及地位。聲望和地位作為創始人實力的象征,可以吸引更多位于網絡邊緣的主體,從而增加自身的關系連帶數量,形成良性循環。網絡規模的擴張使創始人與更多外部關系節點相連,這些外部節點可能在關鍵時刻提供企業所需的資源或交換資源的機會,賦予創始人調配網絡資源的權力,極大提高企業的生存率和抗風險能力。Mollick的實證研究發現,創始人網絡規模在吸引股權投資者方面有重要作用[22]。同時,創始人擴大的網絡規模促使更多個人和團體認識和了解創始人及其成立的企業,從而使企業更容易獲得合法性支持。這些積極的信號均能夠增加風險投資機構對科技型創業企業評估的準確性以及對企業的信任,有助于企業獲得風險資金。

另一方面,如果創始人的網絡規模足夠大,創始人和企業的信息更容易通過網絡成員傳遞給風險投資機構,使風險投資機構在投資前就能獲得關于企業經營和技術創新情況的信息,風險投資機構與企業之間的信息不對稱降低,科技型創業企業更可能獲得風險資金。Shane和Cable發現,企業與風險投資機構之間的直接和間接關系連帶均能有效降低雙方之間的信息不對稱[4]。因此,網絡規模的增加不僅能夠向風險投資機構傳遞創始人的社會地位、網絡擴建能力、企業合法性的積極信號,并且使風險投資機構更容易從第三方獲得更多有關企業技術、人才、管理方面的信息,降低風險投資企業與科技型創業企業之間的信息不對稱,增加科技型創業企業獲得風險投資的可能性,并且隨著創始人網絡規模的擴大,這些積極信號更顯著且更易傳遞給風險投資機構,企業獲得的風險資金規模也隨之擴大。基于上述分析,本文提出如下假設:

H1a:創始人網絡規模與企業風險投資可得性正相關。

H1b:創始人網絡規模與企業獲得的風險資金規模正相關。

2.網絡異質性與科技型創業企業風險投資可得性

創始人(自我)網絡異質性指創始人關系節點的多元化程度,各關系節點越是來自多樣的地區、部門或機構,關系節點的多元化程度越高,創始人的社會關系就越廣泛。創始人掌握的異質性和多元化信息越多,越可能占據網絡中心位置,能夠在與網絡其他成員進行信息交流或資源交換時獲得話語權和主動權[17]。另一方面,多種渠道的信息來源有助于創始人降低有效信息搜索成本,促進創始人進行更多的信息交換和交流學習,促進企業創新產出,提高企業生存能力。例如,當創始人與經營業務無交叉的商業組織甚至政府部門形成關系連帶時,為了獲得這些不同組織的最新信息,創始人必須經常與他們溝通學習,這一方面提高了創始人獲取新知識和新信息的可能性,同時也促使創始人進行知識和信息整合,從中發現新的技術或商機,有力增強了企業創新能力和創新產出,使企業發展潛力增加。當創始人擁有多元化關系連帶的積極信息傳遞給風險投資機構,并且當風險投資機構識別到企業未來技術發展的潛力時,更可能對該企業進行投資。且創始人網絡異質性程度越高,企業未來發展的潛力越大,企業獲得的風險資金規模也就越大,因此,本文提出如下假設:

H2a:創始人網絡異質性與企業風險投資可得性正相關。

H2b:創始人網絡異質性與企業獲得的風險資金規模正相關。

3.網絡強度與科技型創業企業風險投資可得性

創始人(自我)網絡強度指創始人與其直接連帶的各個關系節點的相識久暫、互動頻率和親密程度的強度[23]。創始人與網絡成員之間經過長期頻繁的交易和交流,相互依賴、相互信任,逐漸建立強連帶。創始人較多的強連帶會增加成員之間的信任感,增強成員的團隊合作精神,建立統一行動目標,提高成員之間信息和資源的傳遞意愿和傳遞速率。另一方面,網絡內的強連帶較易形成約定俗成的群體規范和團隊責任意識,當創始人或團隊成員違背契約精神或者采取機會主義行為損害網絡其他成員的利益時,創始人會失去網絡中強連帶成員的信任,受到網絡規范的懲罰[24]。同時,因為強連帶的建立需要投入較多的時間、精力和成本,對創始人來說,違約的成本很高,這使得創始人很難違背契約和強連帶的約束。創始人與其他網絡節點之間的連帶強度越高,雙方越容易產生情感性的信任和承諾,網絡內部沖突程度降低,網絡結構和關系也趨于穩定。這些創始人穩定網絡和約束網絡的積極作用通過信號傳遞機制傳遞給風險投資機構并獲得風險投資機構的信任,風險投資機構的審核成本和監督成本得以降低,也更容易信任創始人,則企業獲得風險投資機構資金的可能性增加。且創始人的強連帶越多,企業穩定性越高,網絡內自我約束和相互監督機制越強,企業獲得的風險資金規模越大。因此,本文提出如下假設:

H3a:創始人網絡強度與企業風險投資可得性正相關。

H3b:創始人網絡強度與企業獲得的風險資金規模正相關。

4.網絡密度與科技型創業企業風險投資可得性

創始人(自我)網絡密度指創始人直接連帶網絡中關系節點之間相互連帶的程度,測量中使用創始人自我為中心的網絡中實際擁有的連帶數與最多可能擁有的連帶數之比,借以衡量各節點之間聯系的緊密程度。如果各個節點相互連帶,彼此間熟識,則獲得網絡內信任和承諾的可能性大大增加,成員之間信息和資源交換的頻率也相應增強。在較多的研究中均發現緊密的網絡有助于復雜知識和情感的傳遞,這些關系優勢有助于創始人網絡成員彼此信任并進行頭腦風暴和技術創新[25]。另外,創始人網絡密度越高,網絡成員之間存在共同熟識第三方的可能性也就越高,第三方監督機制的作用極大增強,更易在長期的交往和交易過程中形成約定俗成的規則,逐步成為網絡規范。如果一個成員違背網絡規范,易被共同連帶的第三方發現,受到網絡規范的懲罰,所以緊密網絡有利于形成自我監督和控制機制。緊密網絡也容易形成成員之間共同解決問題和共擔風險的氛圍,減少企業內部沖突和風險傳染,一個緊密可靠的創始人團隊更容易獲得風險投資機構的信任。因此,這些信任、承諾、優質信息共享和共同解決問題的網絡作用機制使創始人更容易獲得風險投資,風險投資機構也愿意與這種團隊合作。并且,創始人團隊越緊密,網絡監督機制越完善,網絡內信息傳遞越快越通暢,企業獲得的風險資金規模越大。因此,本文提出如下假設:

H4a:創始人網絡密度與企業風險投資可得性正相關。

H4b:創始人網絡密度與企業獲得的風險資金規模正相關。

三、研究設計與數據來源

(一)數據與樣本

本研究探索創始人社會資本結構特征對科技型創業企業風險投資可得性的影響,調研分為兩個階段進行。首先,為使問卷各題項和各題項下的選項設計準確、明晰和簡練,在充分查閱相關文獻的基礎上,第一階段課題組于2016年9月和10月對四家不同行業的科技型創業企業和一家風險投資機構進行了訪談式的預調研。網絡結構的維度劃分、控制變量的設置主要依據已有文獻,控制變量選項的數量區間劃分按照被調研企業的實際情況調整。在預調研的基礎上形成調查問卷初稿,隨后課題組邀請上述被訪談人員試填問卷,請他們提出進一步的修改意見,課題組再次對題項和選項的適當性進行修改,形成問卷終稿。

第二階段課題組于2016年11月至2017年2月發放問卷。問卷通過兩個途徑發放,一是通過浙江省高新技術園區和創業園區管委會實地邀請園區內科技型創業企業創始人填寫調查問卷,二是通過浙江省內風險投資機構邀請所投資或擬投資的科技型創業企業創始人填寫調查問卷。本研究選取浙江省科技型創業企業,是因為浙江省科技型創業企業具有一定的代表性,例如浙江省內高新技術企業數量在全國各省區市排名第三,浙江省創業板上市企業數量在全國各省區市位居第四。本研究的調研對象選擇遵循以下三個標準:(1)調研企業為按科技部《高新技術企業認定管理辦法》認定的高新技術企業;(2)企業限定為科技型企業中的創業企業,初創期參考李新春等的研究,創立時間不超過8年[26];(3)將調研對象嚴格限定為企業的主要創始人,且一家企業只選取一位創始人作為調研對象。為保證問卷質量,課題組在發放問卷時與調研對象均進行面對面的充分溝通,要求調研對象能夠準確理解各題項的含義,并在經過充分思考后答題。

課題組總共發放調查問卷300份,回收并剔除填寫不完整的無效樣本之后,實際回收有效調査問卷256份,有效問卷回收率為85%。本研究中,174家科技型創業企業有意向引入風險投資,占有效問卷數量的68.0%。其中,113家最終獲得了風險投資,占比64.9%,總體獲得風險投資的情況較好。

從樣本的分布來看,樣本企業所處行業主要集中于電子信息行業,占比35.9%;其次為高技術服務行業,占比13.3%;其他行業分布較為均衡。企業地域分布主要集中于杭州,其次為寧波、溫州,再次為浙江省其他地級市。

(二)變量說明

被解釋變量:本文需要測量風險投資可得性以及企業實際獲得的風險資金總額,對于風險投資可得性,只要企業成功獲得風險投資,則被解釋變量賦值1,否則賦值0;對于風險資金規模,參考LiPuma和Park的研究,以企業第一輪獲得的風險投資機構投資總額的自然對數來測量[27]。

解釋變量:首先,鑒于提名法的有效性和可信度,本文采用提名法測量創始人自我為中心的網絡結構。提名法以環繞在創始人周圍并與之直接相連的關系節點作為網絡邊界,把與創始人直接關聯的個人作為關系節點,把創始人與關系節點的直接連帶和關系節點之間的相互連帶作為網絡的關系連帶[28]。根據提名法的要求,在測量網絡異質性、網絡強度和網絡密度時,本研究要求創始人回憶創立企業初期在情感、資源方面對其幫助最大的5個人,并針對這5個關系節點的特性分別測量創始人網絡結構特征;在測量網絡規模時則要求創始人填寫在創業過程中對其幫助最大的人數總和。具體表現為:(1)網絡規模,網絡規模是創始人直接連帶的節點數量總和,參考Morrison[29]以及Semrau和Werner[30]的做法,以創始人創業過程中在情感、資源方面為其提供幫助的總人數衡量創始人網絡規模。(2)網絡異質性,網絡異質性衡量創始人關系多元化程度,把創始人關系節點所處的網絡按屬性分為商業網絡(供應商、客戶、同行)、技術網絡(高校等科研機構)和中介網絡(銀行、咨詢機構、行業協會和政府部門),各關系節點越是來自不同的機構或行業,則創始人網絡多元化程度越高[31]。異質性程度參考耿新和張體勤的多元化指標來衡量,以各分類人數占提名人數“i”百分比的平方和與1的差值衡量,即。(3)網絡強度,使用各節點與創始人交情的久暫(關系平均時長)和親密程度對每個關系人進行測量。節點與創始人認識5年以上并且親密程度為“很親密”以上屬于強連帶,并使用強連帶人數占提名人數的比重衡量創始人網絡強度[24]。(4)網絡密度,以創始人網絡中實際擁有的連帶數與該自我為中心網絡中最多可能擁有的連帶數之比進行測量。通過與創始人直接相連的5人中每人與其他4人相識數量的總和與提名網絡中最多可能擁有的連帶數的比重測量網絡密度[20,32]。以上變量的名稱、代碼及測量見表1。

表1 主要變量的名稱、代碼及測量

控制變量:參考已有文獻[13]和預調研結果,本文在控制變量中分別采用了反映創始人個人和企業特征的變量,包括創始人性別、創始人受教育程度、創始人工作經驗、企業成立時間、企業資產規模、企業資產負債率、企業利潤率、企業研發投入和企業所處技術行業①創始人性別為男性賦值1,為女性賦值0;創始人受教育程度按本科以下、本科、碩士研究生、博士研究生及以上分別計1—4分;創始人工作經驗按創始人創立企業之前的工作年限0年、0年以上—5年、5年以上—10年、10年以上分別計1—4分;企業成立時間按3年以下、3年以上—5年、5年以上—8年分別計 1—3分;企業資產規模按 50萬以下、50萬以上—100萬、100萬以上—500萬、500萬以上—2000萬、2000萬以上分別計 1—5分;企業資產負債率按 30%及以下、30%以上—50%、50%以上—70%、70%以上—100%、100%以上分別計1—5分;企業利潤率按0%及以下、0%以上—5%、5%以上—10%、10%以上—20%、20%以上分別計 1—5分;企業研發投入按研發投入占營業收入的比例為0%、0%—5%、5%—10%、10%—20%、20%以上分別計1—5分;行業分類按照科技部《高新技術企業認定管理辦法》認定的高新技術企業分為7大類。。

(三)模型設計

本文的被解釋變量包括風險投資可得性和風險資金規模,所以需要使用兩個不同的模型分別對假設進行檢驗。首先針對風險投資可得性,解釋變量為二值離散變量,本文首先把具有風險投資融資需求的企業限定為研究對象,并采用Probit模型(1)進行回歸分析。但是,以這些有風險投資融資需求的企業作為樣本總體將使得選取的樣本不再是一個隨機樣本,導致社會網絡結構對融資可得性的估計產生偏誤[33]。針對樣本選擇偏誤,本文采用Heckman兩步法,即把企業進行風險投資的融資行為分解為兩個過程:第一步是決定企業是否具有引入風險投資的意向,如果企業決定引入風險投資,第二步再決定風險投資可得性。由此建立選擇方程和行為方程,并且選擇方程至少需要包含一個滿足排他性條件的識別變量,該變量影響企業引入風險投資的決策,但不直接影響風險投資可得性和融資規模,參考已有文獻和上述邏輯思路,本文采用企業獲得風險投資前資金缺口、企業所處城市的風險投資機構數量①企業資金缺口將影響企業融資行為,然而限于企業融資能力,資金缺口與企業實際獲得風險投資之間并無顯著相關關系。參見 Harrison R.T.,Mason C.&Smith D.,″Heuristics,Learning and the Business Angel Investment Decision-making Process,″Entrepreneurship&Regional Development,Vol.27,No.9-10(2015),pp.1-28;Sievers S.,Christopher F.&Mokwa G.K.,″The Relevance of Financial Versus Non-Financial Information for the Valuation of Venture Capita-lBacked Firms,″European Accounting Review,Vol.22,No.3(2013),pp.467-511。另一方面,企業所處地域的發達程度以及高新技術園區對企業融資的支持力度會影響企業第一階段的融資行為,因此本文采用企業所處城市擁有的風險投資機構數量作為識別變量。參見 Hoenen S.,Kolympiris C.&Schoenmakers W.et al.,″The Diminishing Signaling Value of Patents Between Early Rounds of Venture Capital Financing,″Research Policy,Vol.43,No.6(2014),pp.956-989。作為識別變量。

其中,Yi是被解釋變量,獲得風險投資賦值1,沒有獲得風險投資賦值為0;F(?)是一個標準正態分布函數;Xi作為解釋變量包含創始人網絡結構特征變量,即網絡規模、網絡異質性、網絡強度和網絡密度;控制變量Zi包含企業特征和創始人個人特征變量。

其次,針對風險資金規模,本文把獲得風險投資的企業限定為研究對象,采用模型(2)進行最小二乘法回歸分析。同理,以獲得風險投資的企業作為樣本總體使得選取的樣本不再是一個隨機樣本,本文同樣采用Heckman兩步法,第一步是決定企業是否具有引入風險投資的意向,第二步再決定風險資金規模,并由此建立選擇方程和行為方程。

Yi是被解釋變量,為科技型創業企業獲得的第一輪風險資金規模(以萬元為單位)的自然對數;Xi作為解釋變量包含創始人網絡結構特征變量,即網絡規模、網絡異質性、網絡強度和網絡密度;控制變量Zi包含所有企業特征和創始人個人特征變量;ε表示隨機擾動項。

(四)統計性描述與相關系數

表2給出了相關變量的統計性描述,可以看出獲得風險投資的科技型創業企業的第一輪融資規模均值為195萬元(相對應的自然對數為5.27),說明對于科技型創業企業,首次股權融資規模較為有限。解釋變量在兩組數據中存在顯著差異,特別是網絡規模和網絡異質性,其中,獲得風險投資的創始人網絡規模均值為18人,未獲得風險投資的創始人網絡規模均值為11人,前者明顯高于后者。獲得風險投資的創始人網絡異質性均值為0.56,說明大部分獲得風險投資的創始人連帶對象處于2個以上性質的網絡;未獲得風險投資的創始人網絡異質性均值為0.41,說明大部分未獲得風險投資的創始人的關系節點處于1—2個性質的網絡,可見,獲得風險投資的創始人的網絡異質性明顯高于未獲得風險投資樣本。獲得風險投資的創始人網絡強度和網絡密度與未獲得風險投資的創始人網絡強度和網絡密度相比,盡管前者均值較高,然而兩者的差異并不顯著。

控制變量方面,獲得風險投資的樣本創始人受教育程度要高于未獲得風險投資的企業樣本,然而創始人性別和工作經驗在兩組樣本中差異較小。從其他控制變量來看,獲得風險投資的企業資產規模、企業利潤率、研發投入比例比未獲得風險投資的企業高,而其他變量在獲得風險投資和未獲得風險投資的企業樣本組之間未存在明顯差異。

在模型估計前,本文還將對所有變量之間的相關性進行Pearson檢驗和Kendall's tau-b檢驗,詳見表3。結果顯示,從解釋變量與被解釋變量的相關性來看,創始人網絡規模、網絡異質性與風險投資可得性和風險資金規模在1%的顯著性水平上正相關,而創始人網絡強度和網絡密度與風險投資可得性和風險資金規模的相關性均不顯著;控制變量中,企業研發投入和企業規模與企業風險投資可得性在1%的水平上正相關,其他控制變量與風險投資可得性的相關性在統計上不顯著。另一方面,從各個變量的相關性來看,所有變量之間的相關系數均在0.50以下,相關性最高的是企業規模和企業成立時間的相關系數(Pearson和Kendall's tau-b的相關系數分別是0.48、0.47),說明變量之間的多重共線性并不嚴重,不會對模型估計產生明顯影響。

表2 變量描述性統計

表3 變量相關性統計檢驗(n＝256)

續表3

值得一提的是,網絡規模和網絡異質性之間具有顯著的正相關關系,相關系數分別是0.21和0.18,網絡強度和網絡密度之間也同樣具有非常顯著的正相關關系,相關系數分別是0.18和0.14,說明網絡規模和網絡異質性在一定程度上均能反映創始人稀疏形態的橋接型網絡結構特征,同時網絡強度和網絡密度也具有一定的形態共性,表明本文在選用網絡結構測量指標上具有一定的代表性。

四、實證結果與分析

(一)假設檢驗

為考察有風險投資融資需求的創始人網絡結構特征對風險投資可得性的影響,本文首先采用Probit模型進行估計,表4分別報告了加入4個解釋變量后的偏效應估計結果,以便更清晰地了解各個網絡結構變量對科技型創業企業融資可得性的影響。其中,列1-1僅報告所有控制變量的Probit估計結果,實證檢驗結果顯示,企業資產規模與風險投資可得性顯著正相關,企業資產負債率與風險投資可得性顯著負相關,說明風險投資機構更傾向于投資較成熟且資產負債率較低的企業。企業研發投入與風險投資獲得也呈現顯著正相關趨勢,說明企業研發投入是企業未來成長潛力的有效代理變量。列1-2加入了創始人網絡規模,網絡規模系數為0.06,t值為3.25,說明創始人網絡規模對企業風險投資可得性具有顯著的促進作用,因此,假設1a得到初步驗證,且列 12顯示準R2和似然比均有顯著提高,準R2從20.0%上升至27.9%,說明創始人網絡規模對企業風險投資的獲得是一個重要的影響因素。列1-3顯示網絡異質性系數為2.67,t值為3.76,準R2和似然比同樣有顯著提高,準R2從20.0%上升至27.0%,假設2a得到初步證實。列16同時考慮創始人4個網絡結構因素,結果同樣表現出創始人網絡規模和網絡異質性對風險投資可得性的重要作用,其中網絡規模系數為0.05,t值為2.73,網絡異質性系數為2.41,t值為3.17。但是,列1-4、列1-5和列1-6的結果均顯示創始人網絡強度和網絡密度所傳遞的信任、承諾、互惠的內部關系信號對風險投資可得性并無顯著影響,假設3a和假設4a并未得到驗證。

表4 創始人網絡結構特征與風險投資可得性回歸結果(基于Probit模型)

表5使用最小二乘法對創始人網絡結構特征與風險資金規模之間的關系進行了回歸檢驗,列2-2的結果顯示網絡規模的系數是0.02,t值是2.25,說明創始人每增加一個關系連帶,風險資金規模將會增加1.02萬元(對應自然對數為0.02),且回歸總體R2從25.4%上升到28.3%,假設1b初步得到證實。創始人網絡異質性同樣對風險資金規模有較強的促進作用,網絡異質性的系數是1.98,t值是2.20,該變量反映了創始人的網絡建構能力、信息交互能力和學習能力,往往反映了企業未來的發展前景,并獲得風險投資機構的認同。R2從25.4%上升到28.2%,總體擬合情況良好,假設2b得到證實。創始人網絡強度和網絡密度對企業風險資金規模的影響為負,但列24和列25顯示這兩個變量均未通過顯著性檢驗,說明創始人網絡強度和網絡密度對企業風險資金規模并不能產生直接影響,假設3b和4b均未得到驗證。盡管網絡強度和網絡密度反映了創始人網絡內部信息交流通暢程度和相互信任程度,但企業內部穩定程度高僅能體現企業發展穩健性,無法直接反映企業未來成長前景,尚不足以成為風險投資機構判別企業價值的主要標準。

表5 創始人網絡結構特征與風險資金規模回歸結果(基于OLS模型)

續表5

(二)考慮樣本選擇偏差的影響

如果僅用具有風險投資融資意向的樣本作為總樣本,則會帶來樣本選擇偏差,使得方程存在遺漏變量,因此,參考楊汝岱等的研究,本文將采用 Heckman兩步法,建立選擇方程和行為方程,兩個方程具有相同的解釋變量,選擇方程還把企業獲得風險投資前資金缺口額度和企業所處地區風險投資機構數量作為識別變量[33]。Heckman兩步法回歸結果如表6所示,列3-1以風險投資可得性作為行為方程的被解釋變量,列3-2以風險資金規模作為行為方程的被解釋變量。首先,選擇方程顯示資金需求缺口和地區風險投資數量的顯著性均在1%的顯著性水平下,由此得出識別變量的選取是穩健的。其次,從列3-1結果可以看出,逆Mills比例顯著性很強,證實有必要采用Heckman兩步法。在糾正樣本選擇偏差后,列3-1顯示創始人網絡規模、網絡異質性依舊對風險投資可得性存在顯著的促進作用,然而網絡密度和網絡強度同樣是不顯著的。表6的PseudoR2大于表4對應的R2值,表明Probit回歸結果存在一定估計偏誤。列32結果顯示逆Mills比例不顯著,說明風險資金規模的回歸不存在明顯的選擇性偏誤,表5的回歸結果是可靠的。

表6 創始人網絡結構特征與風險投資可得性的Heckman兩步法回歸結果

續表6

(三)內生性問題

本文研究的問題是創始人社會網絡結構特征對風險投資可得性和風險資金規模的影響,兩個因素存在因果倒置的內生性問題,即風險投資的取得可能促進創始人構建新的網絡,增加創始人社會資本[28]。為了控制內生性的影響,本研究在設計創始人網絡結構特征的調查問卷時,特別針對創始人創業初期的關系網絡,盡量避免創始人回答獲得風險投資之后的關系網絡特征。盡管如此,還是很難避免內生性對回歸結果的影響,因此本文選取恰當的工具變量對內生性進行檢驗和控制。針對創始人網絡規模,本文采用創始人家族規模作為工具變量,創始人家族規模的大小將影響其創業過程中的網絡構建傾向,然而不會直接影響企業風險投資的可得性和風險資金規模。針對創始人網絡異質性,本文采用創始人家族成員分散在不同城市的人數占家族規模的比例作為工具變量,這將會影響創始人網絡構建的廣度,但不會直接影響企業風險投資的可得性以及風險資金規模。在對工具變量的有效性進行檢驗時,首先使用Cragg-Donald方法檢驗兩個工具變量的強弱,發現Cragg-Donald檢驗F統計量遠遠大于Stock-Yogo弱工具變量的閥值11.59,說明不存在弱工具變量問題(其中,家族規模的Cragg-DonaldF統計量為34.68,異地親屬比例的Cragg-DonaldF統計量為14.54,說明家族規模和異地親屬比例均非弱工具變量)。然而,在使用工具變量檢驗內生性假設時發現Wu-Hausman TestP值不顯著,說明并不存在顯著的內生性問題(其中,網絡規模檢驗結果Prob＞Chi＝0.2151,網絡異質性檢驗結果Prob＞Chi＝0.5886,兩者均不顯著)。因此,本文選取的創始人網絡規模和網絡異質性均為外生變量,最后估值結果顯示各網絡結構變量的影響與表6基本保持一致。

(四)穩健性分析

本文從兩個方面進行穩健性分析。首先,為了防止異方差問題,本文在對Probit和OLS回歸時控制穩健標準誤,結果與未使用穩健標準誤時并無顯著差異。其次,考慮到Semrau和Werner提出的網絡規模與資源可得性之間并非簡單的線性關系[30],而是呈現倒U形關系,因此,本文對創始人網絡結構特征變量進行二次項檢驗,結果發現這些變量的二次項均不顯著,由此說明創始人網絡規模和網絡異質性對風險投資可得性的邊際遞減效應并不顯著存在,創始人日益擴大的網絡規模和延伸的網絡異質性對風險投資的吸引作用具有一定的持續性效應。

五、結論與討論

鑒于社會資本理論在促進資金供給以及雙方相互信任和了解方面的突出貢獻,深入剖析社會資本理論及其不同的維度,對解決科技型創業企業的融資難問題是很有必要的。現階段尚未有文獻深入到創始人網絡結構特征層面,對創始人網絡結構指標與風險投資可得性的關系展開實證研究。本文首次就創始人社會網絡結構特征對科技型創業企業風險投資獲取之間的關系進行了全面系統的分析測量,分別運用Probit模型、OLS模型,并考慮樣本選擇性偏差和內生性問題檢驗了創始人網絡結構特征與風險投資可得性之間的關系。實證研究結果表明,創始人網絡規模、網絡異質性均能顯著影響科技型創業企業風險投資可得性和風險資金規模,而創始人網絡強度和網絡密度對科技型創業企業風險投資可得性的解釋力較為有限,這同時也表明區分創始人不同的網絡結構特征是有必要的。

本研究的主要理論貢獻如下:

首先,本文考察了創始人社會資本結構特征對風險投資的影響作用。盡管已有研究發現社會資本在解決市場失靈和促進科技型創業企業獲得風險投資方面具有重要作用[4,9],然而Florin等依舊認為對社會資本在幫助企業獲取財務資本方面的研究不足,因此本文首次從社會資本功能觀的視角出發考察其對企業風險投資可得性的影響,豐富了此系列的研究[34]。由于科技型創業企業技術和產品的不成熟,風險投資機構很難準確評估其未來價值,當風險投資機構擁有的信息不足、不確定性增加時,風險投資機構可能需要其他輔助信息來評判投資價值。創始人所嵌入的社會網絡不僅反映其品行、團隊凝聚力,還可能體現其學習能力、研發能力等相關特性,鑒于創始人網絡結構因素所包含的大量補充性信息,從網絡結構特征出發的研究對解決風險投資機構投資前的信息缺失以及投資后的套牢問題都有積極的借鑒意義,從而有助于科技型創業企業獲得風險投資。

其次,本文對不同形態的社會資本結構特征進行深層次的探索,驗證了社會資本網絡結構的多維度特征及其作用機制。本文根據經典社會資本文獻將網絡結構分為橋接型網絡和結合型網絡,在測量方面又對兩種網絡形態進行進一步劃分。研究結果顯示,橋接型網絡結構和結合型網絡結構對風險投資可得性存在差異作用,這不僅驗證了兩種網絡結構的不同作用機理,深化了社會網絡理論,而且為上述分類影響企業風險投資融資結果的理論邏輯提供了支撐。

與以往研究結論不同的是,本文并未發現結合型網絡結構特征對科技型創業企業風險投資可得性的促進作用。偏隅一方的企業創始人盡管擁有緊密網絡所帶來的信任、規則等關系優勢,然而結合型網絡存在對已有關系過度依賴、網絡構建成本過高、信息冗余等缺陷,企業長期發展能力受到創始人自身資源和信息的限制,跨越式創新的概率較低,很難受到正在尋找重大投資機遇的風險投資機構的青睞[35]。因此,本文認為之所以實證分析沒有得到預期的結果,主要有兩個方面的原因:一是由于結合型網絡結構同時具有自我監督的利好信號和未來發展前景有限的劣勢信號,優勢信號很可能被同時存在的劣勢信號干擾,使得創始人過度緊密的網絡不被風險投資機構看好,難以獲得風險投資機構的認同;二是可能因為創始人網絡結構過于緊密,優勢信號無法直接傳遞給風險投資機構,使得風險投資機構無法及時發現企業所具備的網絡優勢,企業喪失獲取風險投資的機會。

此外,本文的研究結果也具有重要的政策啟示。科技型創業企業已成為中國經濟再次騰飛的先鋒力量,而風險投資機構的支持能夠強有力地緩解科技型創業企業資金短缺的困境,創始人社會資本對于降低兩者之間的信息不對稱和贏得風險投資機構的信任具有重要作用,因此成為實現科技型創業企業股權融資的最有效橋梁。基于創始人橋接型網絡結構的重要作用,科技型創業企業創始人應該致力于拓展關系渠道,構建多元化的關系網絡,并將其擁有的網絡結構的利好信息傳遞給風險投資機構,同時創始人應該盡量降低對已有關系網絡的過度依賴。風險投資機構也不能僅依賴創始人關系網絡的廣度來評判企業發展潛力,應該構建多層次、全方位的評價體系。從政策的角度而言,應該積極促進科技型創業企業與風險投資機構之間的交流對接,拓寬創始人建設關系網絡的方式和渠道,營造信息更透明的融資環境,逐步解決科技型創業企業融資難的問題。