什么更吸引互聯(lián)網(wǎng)風險投資：產(chǎn)業(yè)還是資本？

王亮 靳振忠

(1.南京大學經(jīng)濟學院，江蘇 南京 210093；2.國泰君安投資管理股份有限公司，上海 200060；3.南京審計大學政府審計學院，江蘇 南京 211815)

一、引言

以互聯(lián)網(wǎng)技術(shù)為代表的新一代信息技術(shù)被稱為全球經(jīng)濟第五次康德拉季耶夫周期的標志(Yushkova，2014)[23]，正在深刻影響并改變經(jīng)濟社會的發(fā)展。互聯(lián)網(wǎng)能夠發(fā)揮解決市場信息不完全和不對稱(洪銀興，2016)[30]、降低交易成本(Haucap and Heimeshoff，2014)[10]、提高市場資源配置水平(黃群慧等，2019)[31]等作用，互聯(lián)網(wǎng)技術(shù)創(chuàng)新已成為我國建設現(xiàn)代化經(jīng)濟體系的重要驅(qū)動力，黨的十九大報告和國家“十三五”規(guī)劃都明確了互聯(lián)網(wǎng)在經(jīng)濟新動能中的重要定位。

然而，互聯(lián)網(wǎng)產(chǎn)業(yè)是新興產(chǎn)業(yè)，創(chuàng)新創(chuàng)業(yè)企業(yè)普遍具有規(guī)模小、成長快、風險高、有形資產(chǎn)低等典型特征，抵押資產(chǎn)貸款等傳統(tǒng)的間接融資在互聯(lián)網(wǎng)領域難以適用，因此以風險資本為主的直接融資成為促進互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)發(fā)展的關鍵要素。從全球經(jīng)驗來看，互聯(lián)網(wǎng)等新興產(chǎn)業(yè)的發(fā)展均離不開風險資本的推動，風險資本具有的市場化投資、治理機制以及與企業(yè)之間收益風險對稱機制，使其成為了創(chuàng)新創(chuàng)業(yè)生態(tài)鏈的關鍵要素和重要環(huán)節(jié)。從我國發(fā)展規(guī)律來看，互聯(lián)網(wǎng)行業(yè)高速發(fā)展階段與風險投資規(guī)模爆發(fā)增長階段基本一致，互聯(lián)網(wǎng)企業(yè)呈現(xiàn)出成長周期短、創(chuàng)新能力強、爆發(fā)集中等特點，一批企業(yè)快速發(fā)展，這與風險資本的深度介入密不可分：一方面風險資本推動互聯(lián)網(wǎng)企業(yè)快速成長，另一方面互聯(lián)網(wǎng)創(chuàng)新也為風險資本提供了巨大的投資機會。

不論是在全球范圍還是在我國，互聯(lián)網(wǎng)產(chǎn)業(yè)均呈現(xiàn)出不均衡的空間分布格局，并且存在進一步空間極化的趨勢(Kellerman，2000；Townsend，2001；曹前等，2018)[14][21][26]。創(chuàng)新存在顯著的正向空間性，創(chuàng)新技術(shù)的空間溢出效應會隨著距離的增加而減弱。我國東部發(fā)達地區(qū)已經(jīng)形成了創(chuàng)新驅(qū)動的密集帶，但中西部地區(qū)的創(chuàng)新能力卻在不斷減弱(李婧等，2010)[32]?；ヂ?lián)網(wǎng)技術(shù)作為當前和今后相當長時期內(nèi)的重要創(chuàng)新技術(shù)，如果不能有效降低互聯(lián)網(wǎng)產(chǎn)業(yè)空間分布的差異性，那么地區(qū)間創(chuàng)新水平的差異性可能會不斷加大。風險資本是互聯(lián)網(wǎng)產(chǎn)業(yè)不可或缺的要素資源，風險投資空間分布對互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)選址具有至關重要的作用(Zook，2002)[24]，因此風險資本是否在空間上實現(xiàn)了資源最優(yōu)配置，不僅關系一個地區(qū)互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展水平，也影響著該地區(qū)其他產(chǎn)業(yè)發(fā)展能否獲得互聯(lián)網(wǎng)技術(shù)創(chuàng)新帶來的溢出效應。國內(nèi)外研究均表明，風險資本的投資方向在地理上具有很強的集聚性(Martin et al.，2005；Chen et al.，2010；汪明峰， 2014)[15][5][36]，通常會傾向于選擇高科技產(chǎn)業(yè)聚集區(qū)和金融中心進行投資(Martin et al.，2002；Bernoth et al.，2010)[16][3]。就互聯(lián)網(wǎng)創(chuàng)新創(chuàng)業(yè)和風險投資的關系而言，顯然創(chuàng)新技術(shù)、專業(yè)人才、創(chuàng)業(yè)資本等要素獲取的便利性會從多方面影響創(chuàng)業(yè)企業(yè)是否能發(fā)展壯大，進而決定風險投資是否能成功。因此，一個地區(qū)要素資源越豐富，互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)越容易吸引風險資本進行投資。那么，各類要素對互聯(lián)網(wǎng)風險投資的影響如何？不同要素發(fā)揮的作用是否存在差異？

本文將研究重點放在互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本對互聯(lián)網(wǎng)風險投資空間選取的影響和作用機制上，嘗試對上述問題進行回答。本文可能的貢獻主要體現(xiàn)在兩方面：第一，在我國互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本同步快速發(fā)展的背景下，很少有文獻針對我國互聯(lián)網(wǎng)風險投資進行深入研究，而本文通過研究風險資本在互聯(lián)網(wǎng)企業(yè)空間投資選擇上的影響因素，重點探索了互聯(lián)網(wǎng)風險投資空間分布不均衡的原因；第二，現(xiàn)存文獻很少對不同要素影響風險投資的差異進行比較分析，而本文對比研究了產(chǎn)業(yè)和資本兩個核心要素對互聯(lián)網(wǎng)風險投資空間選擇的差異化影響效應，通過對計量模型解釋度的有效分解量化測算了不同要素在影響風險投資上的具體作用程度，從而對要素資源的重要程度進行了分析和排序。此外，雖然本文的立足點是互聯(lián)網(wǎng)產(chǎn)業(yè)的風險投資，但對于其他新興產(chǎn)業(yè)的研究同樣具有借鑒意義，對中央政府推動各地區(qū)均衡發(fā)展、地方政府培育創(chuàng)新型產(chǎn)業(yè)的相關政策制定具有重要的現(xiàn)實意義。

二、理論分析和研究假設

風險資本進行投資時，投資區(qū)域的產(chǎn)業(yè)稟賦資源是重要的影響因素(Avnimelech and Teubal，2006)[2]?；ヂ?lián)網(wǎng)創(chuàng)業(yè)成功的一個關鍵要素是技術(shù)，空間鄰近性有利于面對面交流，加快知識和技術(shù)的傳播，促進新思想的產(chǎn)生(張可，2019)[38]。處于產(chǎn)業(yè)集群地區(qū)的企業(yè)具有知識獲取、交流和信息溢出等優(yōu)勢，而且更容易獲得相關企業(yè)幫助，因此，投資于產(chǎn)業(yè)集聚地區(qū)創(chuàng)業(yè)企業(yè)的風險資本收益更高，并且風險資本成功退出的概率也得到顯著提升(Cumming and Dai，2010；龍玉和李曜，2016)[7][33]。互聯(lián)網(wǎng)創(chuàng)業(yè)成功的另一個關鍵要素是人才(Combes and Duranton，2006)[6]，一方面，產(chǎn)業(yè)集聚區(qū)內(nèi)大企業(yè)的裂變會衍生出很多新的創(chuàng)業(yè)者，形成一個創(chuàng)業(yè)網(wǎng)絡(張萃，2018)[37]；另一方面，產(chǎn)業(yè)集聚存在人力資本蓄水池效應，空間的鄰近性能夠提高勞動力與工作崗位之間的匹配度(Papageorgiou，2013)[17]?；ヂ?lián)網(wǎng)產(chǎn)業(yè)是新興產(chǎn)業(yè)，不同地區(qū)之間發(fā)展水平差異性更加明顯，創(chuàng)業(yè)企業(yè)發(fā)展不可或缺的技術(shù)、人才等核心要素的空間集聚性也更強，尤其會集中在頭部互聯(lián)網(wǎng)企業(yè)所在地區(qū)，因此風險資本會綜合考慮投資區(qū)域互聯(lián)網(wǎng)產(chǎn)業(yè)的發(fā)展水平。基于以上分析，本文提出如下假設：

H1：在互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平高的地區(qū)，產(chǎn)業(yè)集群效應促進了風險資本選擇本地區(qū)互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)進行投資。

地理距離是影響風險資本進行投資決策的重要因素(Hochberg and Rauh，2013)[12]。風險投資是實行專業(yè)化管理、以高成長高風險企業(yè)為投資對象的股權(quán)式投資(蔡寧和何星，2015)[25]，信息的高度不對稱性使得投資前的逆向選擇(Stiglitz and Weiss，1981)[19]和投資后的道德風險(Holmstrom and Tirole，1997)[13]伴隨著風險投資各階段。便利的各種交流手段可以令投資人及時獲得被投企業(yè)的信息，有利于降低信息不對稱性，Bernstein et al.(2016)[4]研究發(fā)現(xiàn)風險投資人和被投企業(yè)之間交流的增加能夠提高創(chuàng)業(yè)企業(yè)的創(chuàng)新能力和風險資本成功退出率。隨著科技的快速發(fā)展，信息交流的方式越來越豐富。電話、郵件和視頻等現(xiàn)代通訊手段雖然為遠距離交流提供了更多的可能和便利，但信息傳遞過程中的失真和漏損不可避免，面對面的交流仍無法被取代(Fritsch and Schilder，2008)[9]。因此，投資機會發(fā)現(xiàn)評估、對被投企業(yè)監(jiān)督管理以及增值服務面臨的難題使得風險投資呈現(xiàn)出顯著的“本地偏好”(龍玉等，2017)[34]。相對于發(fā)達國家的風險資本市場，我國各地的地方保護主義普遍存在，風險投資人選擇本地或者空間鄰近地區(qū)進行投資的偏好更強(Ahlstrom et al.，2007)[1]?；谝陨戏治觯疚奶岢鋈缦录僭O：

H2：在風險資本集聚程度高的地區(qū)，風險投資空間鄰近效應提高了風險資本在本地區(qū)投資互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)的可能性。

Venkataraman(2004)[22]研究發(fā)現(xiàn)，一個地區(qū)如果只有風險資本，很可能直接流入低質(zhì)量創(chuàng)業(yè)企業(yè)，具有創(chuàng)造性的個人以及創(chuàng)業(yè)環(huán)境等因素也是促進風險資本獲得成功的關鍵因素。對于高新技術(shù)創(chuàng)業(yè)企業(yè)來說，創(chuàng)新技術(shù)、專業(yè)人才和風險資本是其能夠快速成長并獲得成功的三個必要要素(Stuart and Sorenson，2003)[20]，其中創(chuàng)新技術(shù)和專業(yè)人才主要依賴于產(chǎn)業(yè)鏈，特別是頭部企業(yè)的溢出效應。雖然產(chǎn)業(yè)和資本可能都對互聯(lián)網(wǎng)風險投資具有正向影響，但兩者影響程度孰高孰低仍有待進一步驗證。因此，本文提出以下兩個相反的待檢驗假設：

H3a：風險資本對互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)的投資選擇，對互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平較高地區(qū)的偏好強于風險資本集聚程度較高地區(qū)。

H3b：風險資本對互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)的投資選擇，對風險資本集聚程度較高地區(qū)的偏好強于互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平較高地區(qū)。

三、研究設計

(一)數(shù)據(jù)說明

本文研究對象為廣義的風險投資，所使用的風險資本和互聯(lián)網(wǎng)行業(yè)風險投資數(shù)據(jù)來源于中投集團的CV Source投資數(shù)據(jù)庫，具體包括VC(venture capital，風險投資)、PE(private equity，私募股權(quán)投資)、戰(zhàn)略投資者和券商直投。本文整理了2012―2017年以上所有類別風險投資機構(gòu)數(shù)據(jù)作為風險資本的衡量指標。CV Source數(shù)據(jù)庫中CV行業(yè)分類將互聯(lián)網(wǎng)作為一個單獨行業(yè)進行統(tǒng)計，涉及網(wǎng)絡廣告、網(wǎng)絡游戲、電子商務、行業(yè)網(wǎng)站、網(wǎng)絡社區(qū)、網(wǎng)絡視頻、電子支付及互聯(lián)網(wǎng)其他等8個子行業(yè)，本文選取了2012―2017年互聯(lián)網(wǎng)行業(yè)VC/PE融資數(shù)據(jù)作為互聯(lián)網(wǎng)風險投資的衡量指標。本文以中國大陸31個省市自治區(qū)(以下簡稱省份)為空間單位進行研究，剔除了中國香港、澳門、臺灣和其他國家的相關數(shù)據(jù)，并將風險投資機構(gòu)根據(jù)總部所在地劃分至相應省份，互聯(lián)網(wǎng)風險投資根據(jù)被投企業(yè)所在地劃分至相應省份。

以互聯(lián)網(wǎng)排名前100的企業(yè)作為互聯(lián)網(wǎng)產(chǎn)業(yè)衡量指標，主要基于兩點考慮：一是龍頭企業(yè)代表了一個產(chǎn)業(yè)的發(fā)展水平。互聯(lián)網(wǎng)產(chǎn)業(yè)具有企業(yè)成長快、破產(chǎn)也快的特征，因此采用龍頭企業(yè)可以有效地衡量一個地區(qū)互聯(lián)網(wǎng)發(fā)展的真實水平。二是數(shù)據(jù)的可得性和準確性。由于互聯(lián)網(wǎng)企業(yè)多為跨行業(yè)經(jīng)營，國家統(tǒng)計局尚未對互聯(lián)網(wǎng)行業(yè)進行明確分類，因此本文采用了互聯(lián)網(wǎng)主管部門工業(yè)和信息化部的官方數(shù)據(jù)?；ヂ?lián)網(wǎng)百強企業(yè)數(shù)據(jù)來源于工業(yè)和信息化部公布數(shù)據(jù)，根據(jù)互聯(lián)網(wǎng)企業(yè)上一年度營業(yè)收入、在線業(yè)務訪問量和訪問速度等多項指標統(tǒng)計數(shù)據(jù)，進行標準化和加權(quán)求和計算得分，取綜合得分前100家企業(yè)。其中，中國互聯(lián)網(wǎng)企業(yè)百強排行榜2012年由工業(yè)和信息化部電信研究院和信息中心聯(lián)合發(fā)布，2013年開始由工業(yè)和信息化部信息中心和中國互聯(lián)網(wǎng)協(xié)會聯(lián)合發(fā)布一次。對于上榜互聯(lián)網(wǎng)企業(yè)，本文通過國家企業(yè)信用信息公示系統(tǒng)、天眼查和企業(yè)官方網(wǎng)站確定企業(yè)總部所在地區(qū)。

(二)計量模型設定

基于我國31個省份的面板數(shù)據(jù)，本文構(gòu)建以下實證模型：

其中，被解釋變量Yit表示t年i地區(qū)互聯(lián)網(wǎng)行業(yè)風險投資案例數(shù)占全國比重，借鑒高正平和張興巍(2014)[28]的研究方法，用來衡量風險資本對該地區(qū)互聯(lián)網(wǎng)企業(yè)的投資偏好程度。Int_topit表示t年總部在i地區(qū)的行業(yè)排名前100的互聯(lián)網(wǎng)企業(yè)數(shù)量，用來衡量該地區(qū)互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平；VCit表示t年總部在i地區(qū)的風險投資機構(gòu)數(shù)量占全國比重，參考高正平和張興巍(2014)[28]，用來衡量該地區(qū)風險資本集聚程度。Int_topit和VCit是本文重點關注的兩個核心解釋變量。

Control為控制變量集合，參考已有文獻(Bernoth et al.，2010；Chen et al.，2010；Hirukawa and Ueda，2011；Felix et al.，2013；涂紅和劉月，2014；龍玉等，2017)[3][5][11][8][35][34]，本文回歸時主要考慮了以下變量：經(jīng)濟增長(GDP)為地區(qū)GDP實際增長率；產(chǎn)業(yè)結(jié)構(gòu)(Indus)為第三產(chǎn)業(yè)增加值占地區(qū)GDP比重；創(chuàng)新水平(Innova)為地區(qū)人均專利申請受理數(shù)；教育水平(Edu)為地區(qū)大專及以上教育程度人數(shù)占6歲以上人口比重；人力成本(Labor)為城鎮(zhèn)單位就業(yè)人員平均工資(萬元)；政府支出(Gov)為地方政府財政支出占地區(qū)GDP比重。此外，模型中還控制了地區(qū)固定效應和年份固定效應。

由于不同地區(qū)之間互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平和風險資本集聚程度差異性較大，因此產(chǎn)業(yè)(Int_top)和資本(VC)兩個核心要素在不同地區(qū)對互聯(lián)網(wǎng)風險投資的影響可能也存在差異。為了研究地區(qū)差異性產(chǎn)生的影響，本文進一步在模型中引入交叉項進行估算：

其中，DI表示互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平的地區(qū)虛擬變量，借鑒何菊香等(2015)[29]以互聯(lián)網(wǎng)產(chǎn)業(yè)增加值衡量互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平的研究方法，將高于互聯(lián)網(wǎng)產(chǎn)業(yè)增加值平均數(shù)的地區(qū)記為1，低于平均數(shù)的地區(qū)記為0，相關數(shù)據(jù)來源于《中國電子信息產(chǎn)業(yè)統(tǒng)計年鑒》。DV表示風險集聚水平的地區(qū)虛擬變量，北京、上海和廣東是我國的風險投資中心(龍玉和李曜，2016)[33]，將這三個地區(qū)記為1，其他地區(qū)記為0。

(三)Shapley分解

借鑒Shorrocks(2013)[18]的研究方法，基于回歸結(jié)果對擬合優(yōu)度R2進行Shapley分解，分析各影響因素對互聯(lián)網(wǎng)行業(yè)中區(qū)域風險投資的貢獻程度。具體來看，Shapley分解在測算某因素的具體貢獻時，首先通過模型(1)進行估算并得出R2，這是由全部解釋變量整體對被解釋變量的擬合程度；之后對R2進行分解，測算各解釋變量在其中的邊際影響，從而得出不同解釋變量對被解釋變量的貢獻程度。

四、主要變量統(tǒng)計分析

本節(jié)對主要變量進行了統(tǒng)計分析，研究了互聯(lián)網(wǎng)風險投資、互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本在各地區(qū)的分布情況，并初步分析不同變量之間的相關性。

(一)主要變量描述性統(tǒng)計

主要變量的描述性統(tǒng)計結(jié)果見表1。由于被解釋變量(Y)和兩個核心解釋變量(Int_top和VC)以地區(qū)份額衡量，因此這三個變量的均值相同。全樣本中，互聯(lián)網(wǎng)風險投資變量(Y)最大值為0.4620，最小值為0，表明我國不同地區(qū)互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)獲取的風險投資存在比較明顯的差異?；ヂ?lián)網(wǎng)產(chǎn)業(yè)發(fā)展變量(Int_top)最大值為0.5300，最小值為0，反映出我國大型互聯(lián)網(wǎng)企業(yè)空間分布的不均衡性。風險資本集聚變量(VC)最大值為0.2396，最小值為0.0003，說明我國各地區(qū)均已有風險資本運作。

(二)被解釋變量互聯(lián)網(wǎng)風險投資空間分布特征

本文選取以下兩種方法分析風險資本對各地區(qū)互聯(lián)網(wǎng)企業(yè)投資的空間分布情況。第一，采用赫芬達爾指數(shù)(Herfindahl-Hirschman Index，HHI)進行衡量，計算公式為：

表1 主要變量的描述性統(tǒng)計

其中Qi表示i地區(qū)互聯(lián)網(wǎng)風險投資案例數(shù)，Q表示全國互聯(lián)網(wǎng)風險投資總案例數(shù)，Si表示i地區(qū)占全國比重，N為地區(qū)數(shù)量。

第二，采取集中率指標進行衡量，計算公式為：

其中CRn表示排名前n位地區(qū)占全國的比重之和。根據(jù)各地區(qū)經(jīng)濟發(fā)展水平和數(shù)據(jù)分布特征，本文分別選取n=3和n=4進行分析，本文研究對象前三名均為北京、上海和廣東，第四名均為浙江。

表2顯示，2012―2017年全國互聯(lián)網(wǎng)企業(yè)獲得的風險投資案例數(shù)出現(xiàn)了先上升后下降的“倒U”趨勢，其中2014年、2015年連續(xù)兩年出現(xiàn)翻倍增長，最高峰值2015年為2012年的6.90倍；2016年開始降溫，2017年出現(xiàn)大幅下降，投資案例數(shù)僅為2015年的47.29%。進一步分析互聯(lián)網(wǎng)風險投資空間分布情況可以發(fā)現(xiàn)，空間分布集中度整體上呈現(xiàn)出下降態(tài)勢，但主要集聚區(qū)占全國比重仍然很高。赫芬達爾指數(shù)(HHI)由2012年的30.05%下降至2017年的20.73%。2012―2017年間，前三空間集中率(CR3)下降了13.14個百分點，前四空間集中率(CR4)下降了9.99個百分點，反映出北京、上海和廣東三個地區(qū)的集中度下降，但排名第四的浙江占全國比例呈現(xiàn)出了上升態(tài)勢。雖然北京、上海和廣東三個地區(qū)的集中率下降，但2017年仍然超過70%，同時浙江占全國比重增加，2017年四個主要地區(qū)占全國比例為82.36%，反映出風險資本對這四個集聚區(qū)互聯(lián)網(wǎng)企業(yè)的投資偏好明顯高于其他地區(qū)。

(三)核心解釋變量互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本空間分布特征

對于互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本的空間分布同樣采用上一節(jié)的方法進行測度，其中互聯(lián)網(wǎng)產(chǎn)業(yè)以互聯(lián)網(wǎng)百強企業(yè)衡量。表3分別展示了互聯(lián)網(wǎng)百強企業(yè)和風險資本的空間分布集中度，對比可以發(fā)現(xiàn)，兩者既表現(xiàn)出比較顯著的共同特征，也存在一定的差異性。

從共同特征來看，互聯(lián)網(wǎng)百強企業(yè)和風險資本的空間分布均呈現(xiàn)出高度的集中性，主要集聚在個別發(fā)達地區(qū)。其中，北京、上海和廣東的互聯(lián)網(wǎng)百強企業(yè)數(shù)量占比一直超過60%，再加上浙江的四個地區(qū)占比則保持在70%以上，其中占比最高的2013年達到了93%；北京、上海和廣東風險資本數(shù)量占全國比重在55%～62%之間，再加上浙江的四個地區(qū)占比在65%～71%之間波動。

從差異性來看，互聯(lián)網(wǎng)百強企業(yè)和風險資本空間集中度的變化趨勢呈現(xiàn)出顯著區(qū)別，前者集中度快速下降，而后者集中度出現(xiàn)了小幅上升，前者集中度明顯大于后者的現(xiàn)象逐步消失。2012―2017年互聯(lián)網(wǎng)百強企業(yè)空間集中度整體出現(xiàn)快速下降趨勢，其中2012―2015年下降相對平緩，2016年大幅下降，HHI、CR3和CR4三項指標降幅均為10%左右，2017年各指標變動均在1%之內(nèi)。對于風險資本空間集中度，2012―2017年HHI、CR3和CR4三項指標變化幅度相對較小，2017年各指標均比2012年出現(xiàn)了小幅提高。進一步對比互聯(lián)網(wǎng)百強企業(yè)空間集中度和風險資本空間集中度，發(fā)現(xiàn)2012―2017年間，不論是赫芬達爾指數(shù)(HHI)還是主要地區(qū)的空間集中率(CR3和CR4)，前者的數(shù)值均大于后者。

圖1 各地區(qū)互聯(lián)網(wǎng)百強企業(yè)、風險投資機構(gòu)與互聯(lián)網(wǎng)風險投資的關系

(四)主要變量相關性分析

圖1報告了2012―2017年我國各地區(qū)互聯(lián)網(wǎng)百強企業(yè)、風險投資機構(gòu)分別與互聯(lián)網(wǎng)風險投資的基本關系。可以發(fā)現(xiàn)，一個地區(qū)獲得的互聯(lián)網(wǎng)風險投資占全國比重與該地區(qū)互聯(lián)網(wǎng)百強企業(yè)占比、風險投資機構(gòu)占比均呈現(xiàn)出明顯的正相關性，初步表明一個地區(qū)互聯(lián)網(wǎng)產(chǎn)業(yè)集群水平越高，風險資本集聚程度越強，該地區(qū)互聯(lián)網(wǎng)企業(yè)能夠獲取的互聯(lián)網(wǎng)風險投資也越多。

表4進一步展示了主要變量的相關系數(shù)，可以發(fā)現(xiàn)互聯(lián)網(wǎng)風險投資比重(Y)與主要解釋變量均顯著相關。解釋變量之間也存在一定的關聯(lián)，解釋變量的相關性可能會對實證分析結(jié)果產(chǎn)生一定的影響，本文主要通過兩種方法進行緩解：一是通過GMM方法緩解內(nèi)生性；二是通過剔除北京、上海和廣東三個主要集聚地區(qū)進行穩(wěn)健性檢驗，Int_top和VC兩個核心解釋變量的相關性降至73.16%，基本可以認為不存在多重共線性問題(高太山和柳卸林，2016)[27]，并且進行檢驗得出的主要結(jié)論依然成立。

五、實證結(jié)果與分析

本節(jié)利用計量方法研究互聯(lián)網(wǎng)產(chǎn)業(yè)和風險資本等要素對互聯(lián)網(wǎng)風險投資空間選擇的影響效應。

(一)基礎回歸結(jié)果與分析

首先，利用OLS方法估算模型(1)，分別對不加入控制變量和加入控制變量的模型依次回歸，回歸結(jié)果詳見表5第(1)列和第(2)列。從兩列估計結(jié)果可以發(fā)現(xiàn)，不論是否加入控制變量，核心解釋變量Int_top的回歸系數(shù)均在1%水平下顯著為正，說明一個地區(qū)大型互聯(lián)網(wǎng)企業(yè)數(shù)量越多，即互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平越高，風險資本在本地區(qū)投資互聯(lián)網(wǎng)企業(yè)的規(guī)模越大，初步驗證了假設H1。另外一個核心解釋變量VC的系數(shù)在1%水平下顯著為正，表明一個地區(qū)風險資本規(guī)模越大，本地區(qū)互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)越容易獲得風險投資，假設H2得到初步驗證。對于控制變量，教育水平(Edu)的系數(shù)在5%水平下顯著為正，表明一個地區(qū)勞動者受教育水平越高，該地區(qū)互聯(lián)網(wǎng)企業(yè)更容易獲得風險投資；人力成本(Labor)的系數(shù)在1%水平下顯著為負，說明人力成本的提高在一定程度上會阻礙風險投資的進入；經(jīng)濟增長(GDP)、產(chǎn)業(yè)結(jié)構(gòu)(Indus)、創(chuàng)新水平(Innova)、政府支出(Gov)的影響均不顯著。從模型回歸的擬合優(yōu)度來看，列(1)未加入控制變量的回歸結(jié)果中R2達到了96.76%，表明Int_top和VC兩個變量已經(jīng)可以在很大程度上有效地解釋被解釋變量Y。

表4 主要變量的相關系數(shù)

表5 互聯(lián)網(wǎng)寡頭和風險資本對互聯(lián)網(wǎng)企業(yè)獲取風險投資的影響

為了緩解模型中可能存在的內(nèi)生性問題，本文引入滯后期變量，通過GMM方法重新對模型(1)進行估算。表5 列(3)中Int_top和VC兩個核心解釋變量的回歸系數(shù)分別在1%和5%水平下顯著為正，而列(4)中這兩個變量的回歸系數(shù)分別在5%和10%水平下顯著為正，這與OLS方法的回歸結(jié)論基本一致，同樣表明互聯(lián)網(wǎng)產(chǎn)業(yè)集群水平和風險資本集聚程度的提升均能有效提高本區(qū)域互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)獲取風險投資的規(guī)模，進一步驗證了假設H1和假設H2。對比列(3)和列(4)可以發(fā)現(xiàn)，不加入控制變量時，回歸的擬合優(yōu)度超過了95%，加入控制變量后，控制變量回歸系數(shù)均不顯著，這也進一步反映出相對于其他要素，互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平和風險資本集聚程度是一個地區(qū)互聯(lián)網(wǎng)企業(yè)能否獲取風險投資最關鍵的影響因素。

(二)考慮地區(qū)差異的回歸分析

表6展示了模型(2)的回歸結(jié)果?；ヂ?lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平和產(chǎn)業(yè)集群效應的交叉項(Int_top×DI)的系數(shù)在列(5)和列(7)中分別在1%和5%水平下顯著為正，在列(8)和列(10)中也在10%水平下顯著為正，表明在互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平越高的地區(qū)，產(chǎn)業(yè)集群效應對互聯(lián)網(wǎng)風險投資的吸引效應越強，因此假設H1得到進一步檢驗。

風險資本集聚程度和資本集聚效應交叉項(VC×DV)的系數(shù)在列(6)、列(7)和列(9)中均在1%水平下顯著為正，列(10)中在10%水平下顯著為正，反映出風險資本集聚水平更高的地區(qū)，資本集聚效應對互聯(lián)網(wǎng)風險投資地區(qū)偏好的提升效應更加顯著，從而進一步驗證了假設H2。

(三)影響因素的分解與進一步討論

為了進一步研究不同解釋變量對于被解釋變量的具體貢獻程度，檢驗假設H3a和假設H3b，本文對表5中四個模型回歸結(jié)果的R2進行分解。表7展示了對于不同因素具體影響效應的Shapley分解結(jié)果。

表6 地區(qū)發(fā)展水平不同產(chǎn)生的差異性影響效應

表7 不同因素影響效應的Shapley 分解結(jié)果

從表7中可以看出，四個模型中Int_top因素對互聯(lián)網(wǎng)風險投資空間分布的貢獻度均最高，表明一個地區(qū)大型互聯(lián)網(wǎng)企業(yè)數(shù)量，即互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平是風險資本考慮是否在本地區(qū)選擇互聯(lián)網(wǎng)企業(yè)進行投資的首要因素。不加入控制變量的兩個模型回歸結(jié)果中，Int_top的相對貢獻均超過50%，其中GMM回歸結(jié)果中的貢獻度超過了60%；加入控制變量后，Int_top的相對貢獻也達到33.35%，超過了風險資本規(guī)模的貢獻，僅略低于控制變量組的貢獻。加入控制變量后，VC對互聯(lián)網(wǎng)風險投資區(qū)域分布的貢獻度也超過了30%，說明風險資本集聚程度是影響一個地區(qū)獲取風險投資能力高低的另外一個主要因素。四個模型中VC的相對貢獻均低于Int_top的相對貢獻，支持了假設H3a，拒絕了假設H3b。

控制變量對被解釋變量也具有一定貢獻，但整個控制變量組的貢獻程度僅相當于Int_top和VC單個因素的水平，這進一步反映出控制變量雖然可能對互聯(lián)網(wǎng)行業(yè)風險投資區(qū)域投向有一定的影響，但影響程度相對較低，互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平和風險資本集聚程度是吸引互聯(lián)網(wǎng)風險投資最關鍵的因素。

(四)穩(wěn)健性檢驗

1.替換變量方法

為了檢驗以上回歸結(jié)果的穩(wěn)健性，本文重新設定Int_top變量的衡量標準，將互聯(lián)網(wǎng)百強企業(yè)細化分類，對排名1～100的互聯(lián)網(wǎng)企業(yè)按照100～1的方式進行賦值，測算地區(qū)排名前100的互聯(lián)網(wǎng)企業(yè)加權(quán)數(shù)量，進一步細分研究地區(qū)互聯(lián)網(wǎng)大型企業(yè)規(guī)模的影響效應。

從表8可以看出，Int_top系數(shù)均在1%水平下顯著為正，說明一個地區(qū)互聯(lián)網(wǎng)大型企業(yè)數(shù)量越多、企業(yè)規(guī)模越大，產(chǎn)生的溢出效應越強，對互聯(lián)網(wǎng)風險投資的吸引效應越強。VC系數(shù)分別在1%和5%水平下顯著為正，說明風險資本集聚效應增強了互聯(lián)網(wǎng)風險投資的空間偏好。Shapley分解結(jié)果顯示Int_top的貢獻均高于VC，而整個控制變量組與兩個核心變量各自貢獻的差異較小，表明互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平對互聯(lián)網(wǎng)風險投資的影響效應最強，而風險資本集聚效應則是另外一個關鍵因素，進一步驗證了上文結(jié)論的可靠性。

表8 替換變量的穩(wěn)健性檢驗

2.變更樣本方法：前50%樣本

由于我國風險投資和互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平均存在較大的區(qū)域差異性，在欠發(fā)達地區(qū)，不論是注冊的風險投資機構(gòu)規(guī)模還是獲得的風險投資規(guī)模都相對較低，互聯(lián)網(wǎng)大型企業(yè)也相對較少，部分地區(qū)甚至沒有。為了解決欠發(fā)達地區(qū)樣本被解釋變量和兩個核心解釋變量數(shù)值過低可能導致全樣本回歸結(jié)果有偏，本文以互聯(lián)網(wǎng)風險投資排名前50%的區(qū)域作為研究樣本重新進行估算。

表9顯示，Int_top和VC的系數(shù)均在1%水平下顯著為正，而Int_top的相對貢獻高于VC，與前文結(jié)果一致。

3.變更樣本方法：剔除北上廣樣本

我國風險投資和互聯(lián)網(wǎng)產(chǎn)業(yè)在北京、上海和廣東三個地區(qū)出現(xiàn)了明顯的集聚性，為了防止樣本回歸中個別地區(qū)數(shù)值偏離可能產(chǎn)生的有偏估計，進一步對剔除了北上廣三個地區(qū)后的樣本進行了估算。表10顯示，OLS回歸中Int_top和VC系數(shù)均在1%水平下顯著為正，GMM回歸中Int_top和VC系數(shù)分別在5%和10%水平下顯著為正，并且Shapley分解結(jié)果中Int_top的相對貢獻大于VC，與前文結(jié)果一致。

表9 變更樣本(前50%)的穩(wěn)健性檢驗

表10 變更樣本(剔除北上廣)的穩(wěn)健性檢驗

六、結(jié)論與啟示

我國互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平已位居世界前列，互聯(lián)網(wǎng)技術(shù)創(chuàng)新不僅推動了經(jīng)濟發(fā)展，而且從很多方面改變了人們的生活。不同于傳統(tǒng)產(chǎn)業(yè)，互聯(lián)網(wǎng)產(chǎn)業(yè)技術(shù)創(chuàng)新強、成長周期短、創(chuàng)業(yè)風險高，互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展一直伴隨著風險資本的支持和推動，互聯(lián)網(wǎng)產(chǎn)業(yè)快速發(fā)展帶來的巨大紅利也促進了我國風險資本市場的快速成長。但是，互聯(lián)網(wǎng)風險投資在空間分布上呈現(xiàn)出明顯的不均衡性，大多數(shù)資源集中布局在少數(shù)地區(qū)。本文從空間經(jīng)濟學的角度出發(fā)，以2012―2017年數(shù)據(jù)為樣本，以省份作為研究對象，重點研究了產(chǎn)業(yè)和資本這兩個核心要素對互聯(lián)網(wǎng)風險投資空間選擇的影響，并且通過Shapley分解方法比較其影響大小。

研究發(fā)現(xiàn)：第一，互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平和風險資本集聚程度是一個地區(qū)能否獲取互聯(lián)網(wǎng)風險投資最關鍵的影響因素，這兩個核心要素的影響效應明顯強于其他要素資源；第二，在互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平高的地區(qū)，產(chǎn)業(yè)集群效應促進了風險資本選擇本地區(qū)互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)進行投資；第三，在風險資本集聚程度更高的地區(qū)，風險投資空間鄰近效應提高了風險資本在本地區(qū)投資互聯(lián)網(wǎng)創(chuàng)業(yè)企業(yè)的可能性；第四，風險資本對互聯(lián)網(wǎng)企業(yè)的投資選擇，對互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展水平較高地區(qū)的偏好強于風險資本集聚程度較高地區(qū)，表明對于互聯(lián)網(wǎng)風險投資，產(chǎn)業(yè)的吸引效應大于資本。

本文結(jié)論具有重要的政策含義和啟示。首先，政府應該利用好各類政府背景的產(chǎn)業(yè)投資基金，充分發(fā)揮政府基金的引導作用，撬動更多社會資本參與產(chǎn)業(yè)創(chuàng)新發(fā)展。其中，中央政府注重不同地區(qū)間布局的均衡性，更有效地在全國范圍配置資源；地方政府注重優(yōu)先布局重點產(chǎn)業(yè)，更有效地在產(chǎn)業(yè)之間配置資源。其次，政府應該健全支持科技創(chuàng)新創(chuàng)業(yè)的金融體系，一方面加快風險資本等金融要素集聚發(fā)展，更多地通過資本市場以直接融資的方式支持高新技術(shù)產(chǎn)業(yè)發(fā)展，解決創(chuàng)業(yè)企業(yè)、科技企業(yè)融資難的問題；另一方面提高要素市場流動性，完善資本市場退出機制，形成風險資本可進可退的暢通渠道。再次，對于互聯(lián)網(wǎng)等新興產(chǎn)業(yè)、高技術(shù)產(chǎn)業(yè)的培育，地方政府應該重點引進或培育一批行業(yè)龍頭型企業(yè)，圍繞龍頭型企業(yè)構(gòu)建產(chǎn)業(yè)鏈，一方面形成產(chǎn)業(yè)集群效應，吸引更多要素資源集聚；另一方面形成產(chǎn)業(yè)溢出效應，提高區(qū)域內(nèi)技術(shù)、人才等要素配置效率。