风险投资机构网络凝聚性与投资绩效关系研究
——资源属性的调节效应

杨艳萍,刘窈君

(河南工业大学 管理学院,河南 郑州 450001)

摘 要:基于社会网络和资源基础观视角,提出代表风险投资机构资源属性的两个要素,即组织力、地位。以Wind数据库所搜集的439家风险投资机构为样本,实证风险投资机构网络凝聚性和资源属性对投资绩效的直接效应与调节效应。结果发现:机构网络凝聚性与投资绩效呈显著负向关系;机构组织力、地位均能显著促进投资绩效提升;机构组织力显著负向调节网络凝聚性与投资绩效的关系;机构地位显著正向调节网络凝聚性与投资绩效的关系;机构组织力和地位共同决定了网络凝聚性对投资绩效的影响。因此,机构应及时剔除无用的冗余联系,优化与合作伙伴的关系;努力提高自身控制必备资源的能力并改善自身在网络中的位置;权衡自身资源属性与网络凝聚性的相互关系,联合考虑自身资源与所处投资环境,从而最终实现提升投资绩效的目标。

关键词:风险投资机构;网络凝聚性;资源属性;投资绩效

Research on the Relationship between Network Cohesion and Investment Performance of Venture Capital Firms——The Modulatory Effect of Resource Attributes

Yang Yanping, Liu Yaojun

(School of Management, Henan University of Technology, Zhengzhou 450001,China)

AbstractBased on the perspective of social network and resource-based view, the paper puts forward two elements that represent the resource attributes of venture capital firms(VCs), namely organizational ability and status. With 439 VCs collected from the Wind database as samples, the paper explores and tests the direct and regulating effects of network cohesion and resource attributes of VCs on investment performance. The results find that there is a significantly negative relationship between VCs' network cohesion and investment performance. VCs' organizational ability and status respectively and significantly promote investment performance. VCs' organizational ability significantly and negatively moderates the relationship between network cohesion and investment performance. VCs' status significantly and positively moderates the relationship between network cohesion and investment performance. VCs' organizational ability and status simultaneously determine the impact of network cohesion on investment performance. Therefore, VCs should eliminate unnecessary redundant links in time, optimize the relationship with partners, strive to enhance own ability of controlling the necessary resources, improve own position in the network, weigh the relationship between own resource attributes and network cohesion, and jointly consider own resources as well as investment environment, which are beneficial to ultimately improve VCs' investment performance.

Key Words:Venture Capital Firms; Network Cohesion; Resource Attributes; Investment Performance

收稿日期:2019-08-22

基金项目:国家社会科学基金项目(16BGL026)

作者简介:杨艳萍(1968-),女,河南汝南人,博士,河南工业大学管理学院教授、博士生导师,研究方向为风险投资与风险管理;刘窈君(1993-),女,河南南阳人,河南工业大学管理学院博士生,研究方向为风险投资管理。

DOI10.6049/kjjbydc.2019040231 开放科学(资源服务)标识码(OSID):

中图分类号:F830.59

文献标识码:A

文章编号:1001-7348(2019)20-0011-10

0 引言

企业风险投资(VC)可分为传统意义的风险投资形式(IVC)和当前流行的风险投资形式(CVC)。具体而言,IVC的发起人是有限合伙企业,通过募集资金成立有限合伙基金,继而投资于创业企业;CVC则是针对非金融企业以设立风险投资基金的形式投资于创业企业而言的[1]。不同的联合形式(IVC和IVC、IVC和CVC以及CVC和CVC)构成了风险投资网络(风险投资辛迪加[2])的基本框架。国内外实证研究表明,联合风险投资能够促成关系网络形成且辛迪加有助于跨部门、跨边界传播信息,延长交易空间半径,使风险投资机构的投资组合多样化[3];能够分散风险与促进项目增值,以获得更高的投资收益与回报[4];在信息交换、知识互补及价值创造方面比单独投资更具优势[5]。在我国深化创新创业、实施创新驱动发展战略的现实背景下,本研究有利于揭示风险投资机构网络结构特征对机构绩效的影响,以及不同风险投资机构的资源属性效率差异,助力风险投资机构充分发挥内外资源优势,创造优质金融供给并扩大有效融资需求,对推动风险投资行业发展方式转变,实现经济结构优化和高质量发展具有重要意义。

1 文献综述

现有风险投资网络研究较为丰富,大多集中于作为网络节点的风险投资机构及其相互之间形成的风险投资网络关系,并运用社会网络分析方法分析风险投资机构网络位置、网络强度、网络能力、网络结构与投资绩效的关系。Guler&Guillen[6]提出,风险投资机构在网络中占据的有利位置是其整体素质或能力的一个信号,具有广泛的可转移性并有助于降低其他合作伙伴的不确定性,从而有利于最终投资绩效;Meuleman等[7]发现,在风险投资网络中,主投机构的网络位置可以积极调节代理成本和相关交易成本与联合投资的负向关系;Abell&Nisar[8]指出,当联合风险投资以强大的关系和网络为特征时,机构会获得更高收益,而机构作为媒介者的能力对投资绩效不重要;陈晔峰[9]比较分析了风险投资网络强度为零与大于零两种情况,并认为由于风险投资网络具有正效应,网络强度越大就越能吸引投资,有利于网络结构优化,从而促进价值正向溢出;罗吉等[10]认为,造成风险投资机构绩效差异的原因之一是机构网络能力不同,具有较强网络资源获取能力或整合利用能力的机构可获得更好的投资绩效;王育晓等[11]证实了风险投资机构的网络能力越强,其成功退出的可能性越大。上述以机构为节点的风险投资网络相关研究,虽然测度角度不同,但都证实了风险投资网络对机构投资绩效的积极影响。

然而,网络结构与投资绩效的实证研究结论不一,以往研究主要集中在与结构洞丰富的网络或内聚网有关的外部性方面。Granovette[12]认为,内聚性网络中信息和影响在任意两个参与者之间的流动路径较冗余,同时有关正确行为方式的规范往往更清晰、更牢固,也更容易实施;Burt[13]则证实了内聚网带来的社会约束会限制网络成员的交换范围与灵活性;Kilduff & Brass[14]认为,具有结构性漏洞的网络为非冗余信息和竞争性中介提供了机会,而具有凝聚力的网络为协作、创新实施和复杂知识的学习提供了机会。上述研究关于哪种类型网络结构对风险投资机构更有利尚未达成一致结论,原因之一是机构之间存在很大差异,但这些差异并未被考虑[15]。特别是,现有文献聚焦于网络向风险投资机构提供资源的能力,忽视了机构本身的资源控制能力。换句话说,现有文献从风险投资机构角度对网络资源供给进行了大量研究,但对机构资源需求缺少关注,而机构资源需求可能依赖于机构内部资源。

以往网络结构与投资绩效研究忽略了风险投资机构已经控制的资源、机构通过网络获得的资源以及网络结构之间的互补性和相关性,不利于全面考察风险投资机构资源属性、网络结构与投资绩效的关系。社会网络研究的是网络内行动者及其所具有的关系集合体。联合考虑机构资源和网络结构,有助于揭示不同风险投资机构网络结构的效率权衡[16]。本文基于社会网络及资源基础观视角,以Wind数据库所搜集的439家风险投资机构为样本,重点研究:风险投资机构网络凝聚性与资源属性分别对投资绩效有何影响?风险投资机构资源属性对网络凝聚性与投资绩效间的关系有何调节效应?创新点在于:①将资源基础观加入到风险投资网络研究中,同时考虑机构内部资源需求与外部资源供给,引入机构资源属性(组织力、地位)构念,从行动者层面拓展了风险投资网络研究;②运用我国风险投资行业数据,实证分析机构网络凝聚性与资源属性对投资绩效的直接影响,以及机构资源属性对网络凝聚性与投资绩效关系的调节效应,为剖析网络结构特征(内聚或结构洞丰富)与投资绩效的关系提供了新视角,对现有风险投资网络研究有一定的贡献。

2 理论分析与研究假设

2.1 网络凝聚性与投资绩效

网络凝聚性是网络结构的对应表现形式。本文以风险投资机构为节点,以机构之间的关系为边界,构建风险投资机构之间的一模整体网,在整体网中以机构为“中介”的网络结构特征即网络凝聚性,是以该机构在整体网中拥有结构洞的多寡进行衡量的。如果机构在整体网中拥有较多的结构洞,则以该机构为“中介”的网络结构洞丰富(网络凝聚性弱),反之以该机构为“中介”的网络较内聚(网络凝聚性强)[16,17]。Burt[13,18]研究指出,在一个具有非冗余关系的网络联结中(结构洞丰富),社会资本和新思维会被转化和创造出来,并对组织绩效产生积极影响;周伶等[19]也认为,在更为开放的投资环境下,结构洞有效性对风险投资机构的投资绩效有利;陈运森[20]研究表明,企业拥有的结构洞越多,就越具信息与控制优势,从而可获得更高的业绩。据此,本文认为,风险投资机构网络凝聚性与投资绩效有关联,提出如下假设:

H1:风险投资机构网络凝聚性与投资绩效负相关。即网络凝聚性越强(结构洞较少),就越不利于机构投资绩效;网络凝聚性越弱(结构洞丰富),就越有利于机构投资绩效。

2.2 风险投资机构资源属性与投资绩效

本文将风险投资机构的资源属性划分为组织力(内部资源)和地位(外部资源)。其中,组织力被定义为机构在参与竞争时所体现的必备资源控制能力,风险投资机构成立和运营是以自身控制的基金数量与金额为基础的[21],因而管理基金数量多的机构组织力强,而管理基金数量少的机构组织力弱;地位被定义为机构在风险投资网络中的位置[22],处于中心位置的机构地位高,处于边缘位置的机构地位低[23]

风险投资机构拥有的内部资源越多,就越有能力对项目进行评估并为项目提供增值服务,从而提升最终投资绩效[16]。Gompers[21]分析认为,风险投资机构绩效与其募集的资本数量呈正相关,机构融资对业绩的敏感度越高,该机构就越愿意承担成本压力,积极募集更多的基金以保障项目成功上市,在此过程中机构会获得声誉与激励,进而推动其募集新的基金发展并取得另一轮投资回报。

Podolny[24]指出,风险投资机构地位越高,就越具成本与收入优势。处于中心位置的机构在风险投资网络中占据重要的结构位置,能够获得更多投资机会信息[3]。高地位的风险投资机构影响力大、资源丰富,更可能收到投资财团的邀请,是网络联盟的理想合作对象[25],在马太效应的激励下,能够成功退出并获得更好的投资绩效[19]

处于中心位置的风险投资机构拥有更强的能力发现投资机会,更大的影响力协同投资伙伴,更好的声誉机制传递内在特征[26],既能积聚大量资源,也可对信息资源及合作伙伴进行有效控制[27],从而在风险投资网络中更少地依赖于自身组织力。相反,处于边缘位置的风险投资机构因不具备信息及控制优势,难以获取优质资源,且影响力有限难以发挥协同效应,由于自身声誉尚未形成,难以获得合作伙伴的信任与认同[28]。因此,为了实现高收益,处于边缘位置的风险投资机构可能会更多地依赖自身组织力。本文认为,风险投资机构资源属性与投资绩效有关联,提出如下假设:

H2a:风险投资机构组织力与投资绩效正相关。即机构组织力越强就越有助于其投资绩效提升,组织力越弱对其投资绩效越不利;

H2b:风险投资机构地位与投资绩效正相关。即机构的地位越高就越有助于其投资绩效提升,地位越低对其投资绩效越不利;

H2c:风险投资机构地位负向调节自身组织力和投资绩效的关系。即相较于地位高的机构,地位低的机构更能发挥自身组织力,以获得更好的投资绩效。

2.3 风险投资机构资源属性对网络凝聚性与投资绩效关系的调节效应

Hite&Hesterly[29]对不同发展阶段的企业进行研究发现,企业面对的资源挑战决定了其参与网络的凝聚性。发展初期,风险投资机构由于狭隘的组织力,内聚网可解决其在资源获取、降低成本等方面的需求[30]。内聚性网络是以信任为基础进行关系交换的,有助于机构向同行学习,共享资源[31]。随着风险投资机构发展,其既具有了一定的生存力和组织力,也积累了较多的经验。结构洞丰富的网络可以为其提供更多选择和新机会,带来灵活性、多样性和少冗余[13,32]

此外,地位高的机构在风险投资网络中需要的关键资源是非冗余信息、交易伙伴选择的灵活性以及从投资机会中获利,以自我为中心的不确定性较低(结构洞丰富)的网络对其有利,因为投资者可以确定哪种投资组合能带来最理想的产出。相反,地位低的机构由于自身有许多东西需要学习,应该嵌入到一个具有凝聚力的风险投资网络中,以弥补自身资源匮乏[33]

发展阶段不同,企业参与的网络结构也会有差异,因此会出现网络凝聚性的动态演变[34]。本文分别探讨风险投资机构组织力、地位对网络凝聚性与投资绩效关系的调节效应。在风险投资机构实际发展中,组织力与地位并不是相辅相成的,具有高组织力的机构有时可能会丧失地位,比如京东董事长丑闻事件(2018)使京东股价一度下跌。组织力强的机构更有可能成功退出,且当其因自身的高地位被邀请进入有前景的风险投资网络中时,会获得大量资源。此时,结构洞丰富的网络,由于成员之间的联系较松散,降低了资源被转移的可能性,从而帮助组织力强且地位高的机构实现绩效最大化。相较而言,组织力弱且地位低或满足中等条件的机构,因其对资源共享的依赖,将在内聚网中最大化自身投资绩效[16,29]。在此,本文提出组织力、地位及网络凝聚性的两两及三方交互对投资绩效的影响,假设如下:

H3a:风险投资机构组织力负向调节网络凝聚性与投资绩效的关系。即组织力较弱的机构,网络凝聚性越强就越有助于其投资绩效提升;组织力较强的机构,网络凝聚性越弱对其投资绩效越有利;

H3b:风险投资机构地位负向调节网络凝聚性与投资绩效的关系。即地位较低的机构,网络凝聚性越强就越有助于其投资绩效提高;地位较高的机构,网络凝聚性越弱对其投资绩效越有利;

H3c:风险投资机构资源属性负向调节网络凝聚性与投资绩效的关系。即组织力弱且地位低的机构,网络凝聚性越强就越有助于其投资绩效提升;组织力强且地位高的机构,网络凝聚性越弱对其投资绩效就越有利;中等条件的机构(组织力与地位呈反向关系),网络凝聚性越强就越有助于其投资绩效提升。

综上,构建概念模型如图1所示。

图1 研究概念模型

3 研究设计

3.1 数据来源

本文使用的数据来源于Wind数据库,以确保数据来源和度量的一致性。将时间窗设定为3年[11],对2012年1月1日至2014年12月31日中国境内发生的联合投资事件所包含的风险投资机构数据进行样本筛选,选取原则为该时间段内至少与一家机构进行联合投资,剔除数据缺失及信息不完整的机构,共收集到439家风险投资机构的2 113轮联合投资事件数据。基于2009年1月1日至2011年12月31日的风险投资机构数据测度资源属性和网络凝聚性;基于2015年1月1日至2017年12月31日的风险投资机构退出数量衡量投资绩效。使用RStudio得到风险投资机构与风险项目之间的二模矩阵,进一步运用Ucinet将得到的二模矩阵转化为风险投资机构之间的一模矩阵,并进行主要变量度量。

3.2 变量说明

3.2.1 风险投资机构资源属性与网络凝聚性

(1)组织力。管理基金数量反映了风险投资机构控制的内部资源[16],比募集基金金额更具代表性与研究价值,故本文选取截至2011年12月31日机构管理的基金数量。

(2)地位。Bonacich中心性被广泛用于衡量风险投资机构地位[35,36],因而本文使用Bonacich中心性测度机构地位,用以反映机构通过网络可获得的外部资源。每个机构的Bonacich中心性指标计算如下[37]

(1)

式(1)中,α为标准化常数,β是权重参数,R为可被权重的相邻矩阵。Bonacich中心性将更大的权力与处于风险投资网络中心地位的机构联系起来,度量机构的地位和外部资源获取机会。高值代表机构地位高,低值则表明机构地位低。

(3)网络凝聚性。风险投资机构在整体网中拥有结构洞的多寡代表以机构为“中介”的网络结构特征,即机构网络凝聚性。对于结构洞的计算,总的来说有两类计算指标,一是伯特(Burt)给出的结构洞指数,二是中间中心度指数。本文借鉴弗里曼(Freeman)的观点,以整体网中机构的中间中心度衡量机构在整体网中拥有结构洞的多寡,以此判断机构网络凝聚性。中间中心度的定义为通过点i且连接两点jk的捷径数与jk两点之间的捷径总数比,测量i在多大程度上位于jk的中间。一个整体网中有许多点对,点i相对于网络中所有点对的“中间比例”的总和就是点i在整体网中的中间中心度[17]。对于无方向性矩阵,其标准化公式如下[38]

(2)

式(2)中,gjk是机构j到达机构k的捷径数,gjk(ni)是机构j到达机构k的快捷方式上有机构i的捷径数,g是风险投资网络中的机构数量。在风险投资机构之间的一模整体网中,如果一个点位于许多其它点对的捷径上,就可以认为该点有较高的中间中心度,该点可能起着重要的“中介”作用,拥有较多的结构洞。机构中间中心度越高,表明该机构在整体网中拥有的结构洞越多,以该机构为“中介”的网络结构洞就越丰富(网络凝聚性弱);机构中间中心度越低,则反映整体网中该机构拥有的结构洞越少,以该机构为“中介”的网络就越内聚(网络凝聚性强)。因此,本文将中间中心度取相反数作为风险投资机构网络凝聚性的衡量指标。

3.2.2 投资绩效

现有研究表明,风险投资机构的最终目标是通过IPO或M&A方式退出投资组合公司[39],退出数量是一种清晰且客观的投资绩效评估方式[40]。其它衡量绩效方法,如计算财务比率,由于风险投资机构大部分为非上市公司,财务报告并未披露,财务信息难以搜集。因此,本文统计了2015年1月1日至2017年12月31日通过IPO或M&A方式成功退出的风险投资机构数量,以此衡量投资绩效。

3.2.3 控制变量

为了控制其它影响因素,本文选取投资经验[41]、机构年龄(董建卫等,2012)、多样性及地域性[10]4个控制变量。投资经验度量指标为2003年1月1日至2014年12月31日的风险投资机构累计投资轮次;机构年龄定义为风险投资机构自成立起至2012-2014年度内最晚投资的时间跨度;多样性即采用赫芬达尔指数测度风险投资机构的投资行业专业化程度;地域性即采用赫芬达尔指数测度风险投资机构的投资区域专业化程度。

变量说明如表1所示。

3.3 模型构建

本文采用层次回归进行实证分析,模型如下:

模型1:IP1=β0+β1IE+β2VA+β3BT+β4DT+ε

(3)

模型2:IP2=β5+β6ΙΕ+β7VA+β8BT+β9DT+β10NC+ε

(4)

模型3:IP3=β11+β12ΙΕ+β13VA+β14BT+β15DT+β16NC+β17VO+β18VS+ε

(5)

模型4IP4=β19+β20ΙΕ+β21VA+β22BT+β23DT+β24NC+β25VO+β26VS+β27VO×VS+ε

(6)

模型5:IP5=β28+β29ΙΕ+β30VA+β31BT+β32DT+β33NC+β34VO+β35VS+β36NC×VO+ε

(7)

模型6:IP6=β37+β38ΙΕ+β39VA+β40BT+β41DT+β42NC+β43VO+β44VS+β45NC×VS+ε

(8)

模型7:IP7=β46+β47ΙΕ+β48VA+β49BT+β50DT+β51NC+β52VO+β53VS+β54VO×VS+β55NC×VO+β56NC×VS+β57NC×VO×VS+ε

(9)

式中,VO×VS表示风险投资机构的组织力和地位交互;NC×VO表示风险投资机构的网络凝聚性与组织力交互;NC×VS表示风险投资机构的网络凝聚性与地位交互;NC×VO×VS表示风险投资机构的网络凝聚性与组织力、地位3项交互;ɛ表示误差项。

表1 变量界定

变量类型变量内容变量说明资源属性 组织力(VO)风险投资机构在2011年12月31日之前管理基金数量自变量 地位(VS)Bonacich中心性网络凝聚性(NC)中间中心度取相反数投资经验(IE)风险投资机构在2003年1月1日至2014年12月31日之间累计投资轮次控制变量机构年龄(VA)风险投资机构成立起到2012-2014年度内最晚投资的时间跨度多样性(BT)风险投资机构的投资行业专业化程度(赫芬达尔指数)地域性(DT)风险投资机构的投资区域专业化程度(赫芬达尔指数)因变量投资绩效(IP)风险投资机构以IPO或M&A方式退出的数量

注:表中列示的起始时间选择2003年1月1日是因为Wind可查数据起于该时间点;赫芬达尔指数计算公式:行业划分依据参照Wind分为11个大类:能源、材料、工业、可选消费、日常消费、医疗保健、金融、信息技术、电信服务、公用事业及房地产;区域划分依据参照Wind将我国34个省级行政区域分为6大地区:东北(黑龙江省、吉林省、辽宁省)、华北(内蒙古自治区、山西省、河北省、北京市、天津市)、华东(江西省、江苏省、安徽省、福建省、浙江省、上海市、山东省)、中南(台湾省、香港特别行政区、澳门特别行政区、海南省、广东省、广西壮族自治区、湖北省、湖南省、河南省)、西北(宁夏回族自治区、新疆维吾尔自治区、甘肃省、陕西省、青海省)、西南(西藏自治区、云南省、贵州省、四川省、重庆市)

4 检验与分析

4.1 描述性统计与相关性分析

表2提供了描述性统计和相关系数矩阵,从中可以看出风险投资机构的投资经验与投资绩效呈正相关关系;风险机构投资年龄、多样性及地域性与投资绩效呈负相关关系;风险投资机构网络凝聚性与投资绩效呈负相关关系;风险投资机构组织力、地位与投资绩效呈正相关关系;组织力×地位与投资绩效呈负相关关系;凝聚性×组织力与投资绩效呈负相关关系;凝聚性×地位与投资绩效呈正相关关系;凝聚性×组织力×地位与投资绩效呈正相关关系。通过均值指标可以看出,投资经验的均值最大,且其标准差几乎为均值的2倍,说明投资经验波动较大、分布离散。

4.2 多元层次回归

表3是层次回归分析结果。模型1只包含控制变量,模型2在模型1的基础上加入网络凝聚性这一自变量,模型3在模型2的基础上加入风险投资机构资源属性(组织力、地位),形成本文主效应模型。为了对交互项进行分析,本文首先对3个自变量(凝聚性、组织力、地位)的测度指标进行标准化处理,以消除因量纲差异导致交互项与网络凝聚性、资源属性测度指标之间的多重共线性,然后进行乘积得到交互项指标。在主效应模型的基础上,本文逐一加入交互项,形成模型5—7的调节效应检验。

模型1的结果表明,风险投资机构的投资经验显著促进投资绩效提升(β=0.412,P<0.01),而机构年龄(β=-0.182,P<0.01)及投资多样性(β=-0.278,P<0.01)与投资绩效呈显著负向关系。相比之下,投资地域性不能显著影响投资绩效。模型2的结果表明,在模型1中加入网络凝聚性这一自变量后,模型解释度显著提高(R2变化量为0.299),网络凝聚性与投资绩效呈显著负向关系(β= -0.894,P<0.01),支持了H1。模型3的结果表明,在模型2中加入风险投资机构组织力、地位两个变量形成本文的主效应模型后,模型解释度得到显著提高(R2变化量为0.074),机构组织力(β= 0.345,P<0.01)、地位(β=0.066,P<0.05)与投资绩效呈显著正向关系,H2a和H2b得到支持。模型4的结果表明,在主效应模型中引入组织力和地位的交互项,模型解释力显著提高(R2变化量为0.009),风险投资机构地位显著负向调节自身组织力和投资绩效的关系 (β=-0.132,P<0.01),H2c得到支持。模型5的结果表明,在主效应模型中加入凝聚性与组织力的交互项,模型解释度显著提高(R2变化量为0.010),风险投资机构组织力显著负向调节网络凝聚性与投资绩效的关系(β=-0.191,P<0.01),支持了H3a。模型6的结果表明,在主效应模型的基础上引入凝聚性与地位的交互项,模型解释度同样显著提高(R2变化量为0.009),风险投资机构地位显著正向调节网络凝聚性与投资绩效的关系(β=0.101,P<0.01),不支持H3b

表2 描述性统计与皮尔森相关性分析结果

变量均值(标准差)投资绩效投资经验机构年龄多样性地域性凝聚性组织力地位组织力×地位 凝聚性×组织力凝聚性×地位投资绩效2.280(4.069)投资经验22.6500.437∗∗(41.132)机构年龄8.885-0.0310.263∗∗(11.166)多样性0.628-0.353∗∗-0.290∗∗-0.162∗∗(0.282)地域性0.680-0.251∗∗-0.317∗∗-0.097∗0.590∗∗(0.276)凝聚性-0.272-0.708∗∗-0.780∗∗-0.0920.276∗∗0.276∗∗(0.780)组织力2.9000.645∗∗0.520∗∗0.127∗∗-0.287∗∗-0.268∗∗-0.612∗∗(6.381)地位1.3640.138∗∗-0.0110.013-0.070-0.088-0.0820.012(1.039)组织力×地位0.081-0.476∗∗-0.280∗∗-0.0270.138∗∗0.110∗0.352∗∗-0.598∗∗-0.353∗∗(3.505)凝聚性×组织力-3.041-0.672∗∗-0.566∗∗-0.0340.121∗0.133∗∗0.748∗∗-0.751∗∗0.0340.582∗∗(26.993)凝聚性×地位-0.0660.260∗∗0.261∗∗0.0310.0200.032-0.207∗∗0.309∗∗0.170∗∗-0.610∗∗-0.533∗∗(0.489)凝聚性×组织力×地位0.9600.618∗∗0.484∗∗0.027-0.086-0.092-0.631∗∗0.619∗∗-0.073-0.598∗∗-0.940∗∗0.673∗∗(13.866)

注:**在 0.01 级别,相关性显著;*在 0.05 级别,相关性显著

表3 层次回归分析结果

变量 因变量:投资绩效模型1模型2模型3模型4模型5模型6模型7控制变量投资经验0.412∗∗∗ 0.299∗∗∗ 0.303∗∗∗ 0.311∗∗∗ 0.291∗∗∗ 0.337∗∗∗ 0.271∗∗∗(0.004)(0.005)(0.005)(0.005)(0.005)(0.005)(0.005)机构年龄 -0.182∗∗∗ -0.068∗∗ -0.086∗∗∗ -0.078∗∗ -0.079∗∗∗ -0.080∗∗∗ -0.088∗∗∗(0.015)(0.012)(0.011)(0.011)(0.011)(0.011)(0.011)多样性 -0.278∗∗∗ -0.216∗∗∗ -0.184∗∗∗ -0.185∗∗∗ -0.205∗∗∗ -0.192∗∗∗ -0.185∗∗∗(0.739)(0.569)(0.520)(0.514)(0.521)(0.516)(0.504)地域性 0.025 0.0210.0430.0330.0320.0300.044(0.760)(0.583)(0.533)(0.529)(0.528)(0.531)(0.513)自变量凝聚性 -0.894∗∗∗ -0.697∗∗∗ -0.710∗∗∗ -0.593∗∗∗ -0.718∗∗∗ -0.633∗∗∗(0.267)(0.266)(0.264)(0.304)(0.266)(0.335)组织力 0.345∗∗∗ 0.259∗∗∗ 0.249∗∗∗ 0.312∗∗∗ 0.349∗∗∗(0.023)(0.028)(0.029)(0.024)(0.034)地位 0.066∗∗0.018 0.079∗∗∗0.045 0.114∗∗∗(0.114)(0.125)(0.113)(0.115)(0.138)交互项组织力×地位 -0.132∗∗∗ -0.026(0.046)(0.054)凝聚性×组织力 -0.191∗∗∗ 0.490∗∗∗(0.008)(0.019)凝聚性×地位 0.101∗∗∗ -0.121∗∗(0.260)(0.408)凝聚性×组织力×地位 0.658∗∗∗(0.035)R20.2770.5760.6500.6590.6600.6590.686调整后R20.2710.5710.6440.6520.6530.6520.678R2变化量0.299∗∗∗0.074∗∗∗0.009∗∗∗0.010∗∗∗0.009∗∗∗0.036∗∗∗

注:该表列示了标准化回归系数,括号内为标准误;模型4—7中的R2变化量是指与主效应(模型3)比较;***p<0.01,**p<0.05,*p<0.10

为了检验凝聚性、组织力、地位三方交互项的显著性,还需要在主效应模型中加入组织力与地位、凝聚性与组织力、凝聚性与地位的两两交互项,模型7的结果表明,模型解释度明显提升(R2变化量为0.036),三方交互项为正且显著(β=0.658,P<0.01),系数为正表明风险投资机构较强的组织力和较高的地位共同强化了内聚网对绩效的积极作用,H3c未得到支持。同时发现一个有趣的现象,该模型中凝聚性和组织力交互以及凝聚性与地位交互的估计系数符号与模型5、模型6中的系数符号相反,但这并未对原有结论造成影响。因为如果在模型7中对凝聚性×组织力求偏导会发现,凝聚性与组织力交互对投资绩效的影响变成了与三方交互项中另一个自变量地位有关的函数,即凝聚性与组织力交互对绩效的影响不仅包含凝聚性×组织力的系数,还与参与三方交互项的另一个自变量地位的高低有关。同样,对凝聚性×地位求偏导有发现,凝聚性与地位交互对投资绩效的影响也是与三方交互项中另一个自变量组织力有关的函数,即凝聚性与地位交互对绩效的影响不仅包括凝聚性×地位的系数,还与参与三方交互项的另一个自变量组织力强弱有关。因此,由于模型7中加入了三方交互项,此时两方交互项对因变量的影响与三方交互项中另一个自变量的取值是不可分割且互为条件的,故该模型中两交互项的正负与显著性并不重要,不会影响该模型得到的结论。

4.3 调节效应的进一步讨论

为了进一步解释回归分析结果,本文绘制了4个交互图(见图2-5)。图3、图4、图5直观地解释了风险投资机构资源属性对网络凝聚性与投资绩效的调节作用,图2说明了风险投资机构组织力和地位交互对投资绩效的影响。

由图2可知,风险投资机构地位负向调节自身组织力和投资绩效的关系。地位越低的机构,其组织力对投资绩效的正向作用越强;地位越高的机构,其组织力对投资绩效的正向作用越弱。这是因为地位高的机构资源丰富,不用过度依赖自身组织力就可获得高投资回报;地位低的机构由于自身权力和影响力有限,需要更多地依赖于自身组织力才能获得更好的绩效。图3显示,风险投资机构组织力负向调节网络凝聚性与投资绩效的关系。具体而言,机构组织力越强,网络凝聚性对投资绩效的负向作用就越强;机构组织力越弱,网络凝聚性对其投资绩效的负向作用就越弱。因此,组织力强的风险投资机构,其网络凝聚性弱有助于自身绩效提高,而组织力弱的风险投资机构,其网络凝聚性强对投资绩效有利。图4说明风险投资机构地位正向调节网络凝聚性与投资绩效的关系。具体而言,地位低的机构其网络凝聚性对投资绩效的负向作用强于地位高的机构。因此,地位低的风险投资机构,其网络凝聚性弱对自身绩效有利,而地位高的风险投资机构,其网络凝聚性强有助于促进投资绩效提升。

图2 机构组织力与地位的交互作用 图3 机构组织力对网络凝聚性与投资绩效的调节作用

图4 机构地位对网络凝聚性与投资绩效的调节作用 图5 机构组织力、地位对网络凝聚性与投资绩效的调节作用

图5展示了风险投资机构组织力和地位的联合调节效应,即风险投资机构的资源属性正向调节网络凝聚性与投资绩效的关系。如图5所示,本文将机构资源属性分为4个层次、3大类,分别是机构组织力强且地位高、机构组织力弱且地位低、机构组织力强而地位低,以及组织力弱而地位高。图5说明风险投资机构组织力弱且地位低,则网络凝聚性对投资绩效的负向作用强,因而结构洞丰富的网络对其有利;组织力强且地位高以及中等条件的风险投资机构,其网络凝聚性对投资绩效的负向作用较弱,因而内聚网有助于其绩效提高。

4.4 稳健性检验

本文选择不同变量测度指标及时间窗以证实研究结论的稳健性。首先,考虑到Petkova等[42]使用特征向量中心性近似表示地位,因此本文以特征向量中心性指标对Bonacich中心性进行替代。其次,本文以风险投资机构拥有结构洞的多少对网络凝聚性进行测度,而相关文献经常使用伯特给出的结构洞指标计算机构拥有的结构洞数量,故本文选用伯特给出的限制度、有效规模指标(两个指标与中心度有着较高的相关性)依次替代中间中心度。最后,基于时间窗的界定,研究不同的时间窗影响风险投资机构在观察期内发生的联合投资事件(数量及合作伙伴变化),进而对机构资源属性及网络凝聚性产生影响,本文采用4年时间窗对主要变量重新统计并进行层次回归分析。上述所有检验结果与本文研究结论基本一致。

5 结论与启示

5.1 研究结论

本文运用我国风险投资行业数据,综合考虑机构内部资源需求与外部资源供给,将风险投资机构内外部资源和交换这些资源的网络结构联系起来,利用Wind数据库搜集的439家投资机构数据,实证风险投资机构网络凝聚性和资源属性(组织力、地位)对投资绩效的直接效应与调节效应。

(1)风险投资机构绩效差异与机构网络凝聚性的强弱有关。如果机构网络凝聚性弱(结构洞丰富),则可通过提供非冗余知识传递、项目选择、信息交换等机会显著提高自身投资绩效,验证了网络凝聚性对投资绩效的负作用。这与现有研究认为风险投资机构拥有的结构洞越多对绩效越有利[10]的结论一致。

(2)风险投资机构绩效差异与机构资源属性有关。机构组织力、地位与投资绩效呈正相关且关系显著,与本文理论分析一致。组织力强、地位高的机构能够控制和获取更多资源,这些资源可以使其从风险投资网络中提取并增加自身价值,对其投资绩效有利。此外,本文研究结果表明,风险投资机构地位显著负向调节自身组织力和投资绩效的关系,同样符合之前的假设。地位低的风险投资机构,缺乏信息和控制优势,难以通过网络获取优质资源,因而更多地依赖于自身内部资源以获得较高的回报。地位高的风险投资机构,由于在网络中占据中心位置,容易获得信息与资源,因而对自身拥有的内部资源并不依赖。

(3)对于组织力不同的风险投资机构而言,网络凝聚性对投资绩效的影响不同。本文研究结论证实机构组织力显著负向调节网络凝聚性与投资绩效的关系,与H3a相符。社会结构的凝聚力强则有效规范得以存在,义务和期望得到扩散,能够减少行动者的自私行为[43]。但是在这种结构中会出现“搭便车”现象,并且社会约束会对行动者施加压力[44]。对于拥有较少内部资源的风险投资机构而言,其网络凝聚性强可有效约束自私伙伴的危险行为,因而组织力弱的风险投资机构在内聚网中可获得更好的绩效。然而,对于拥有大量内部资源的风险投资机构而言,其网络凝聚性强会增加资源被转移的风险且降低投资灵活性,因此,组织力强的风险投资机构在结构洞丰富的网络中有利于自身绩效提升。

(4)对地位不同的风险投资机构而言,网络凝聚性对投资绩效的影响不同。本文研究结论表明,机构地位显著正向调节网络凝聚性与投资绩效的关系,与H3b不符。这是由于风险投资具有地域性限制,不同国家的法律制度、会计标准、组织架构、人文环境等差异会使基于行动者层面的风险投资网络结构研究结果迥异,特别是中国社会普遍存在的关系特质。李智超和罗家德[45]对中国人的社会行为进行分析指出,中国社会关系网呈现“依情境变中心”、“依疏远定圈子”特征;翟学伟[46]指出,中国社会自古以来就是一个情理社会,讲人情、重面子是社会模式下的产物。网络内中心位置有助于风险投资机构和其他成员建立良好的关系[10],而强大的关系具有强大的力量[47]。因此,中国风险资本市场呈现出位于风险投资网络中心位置的机构与其它机构的联系更多更紧密,拥有的结构洞较少,具有更好的投资绩效。即地位高的风险投资机构在凝聚性强的网络中可获得更好的绩效,而地位低的风险投资机构嵌入在凝聚性弱的网络中则可充分利用结构洞带来的中介优势,促进自身绩效提升。

(5)对地位不同且组织力不同的风险投资机构而言,网络凝聚性对投资绩效的影响不同。本文研究结论表明,组织力强且地位高以及中等条件的风险投资机构在内聚网中能够获得更好的绩效,而组织力弱且地位低的风险投资机构嵌入在结构洞丰富的网络中对其绩效有利,与H3c不完全相符。这主要是因为信任对关系导向及人情特色的中国社会环境下的风险投资有重要影响[38]。地位高的风险投资机构拥有非正式影响力,可以通过自身影响合作伙伴、减少不确定因素[48],而组织力强的风险投资机构拥有更多内部资源与经验。当处于强组织力与高地位相结合的理想情况下,风险投资机构更能控制投资环境,也更愿意相信他人。虽然信任预示着要承担没有回报的风险[49],但镶嵌于“报”中的中国互动规范降低了这种风险[38]。因此,位于风险投资网络中心位置且拥有较多内部资源的机构更愿意信任其合作伙伴,从而增强相互之间的凝聚力,绩效更好;处于边缘位置且组织力弱的机构没有安全感,不认为他人是可靠的,拥有较多的结构洞可减少背信行为,并能够从充当其它断开连接的连接者之间的中介中提取价值[50],对自身绩效有利。同时,在中等条件下运营的机构(高组织力&低地位或低组织力&高地位)出于对信息及资源的依赖,在内聚网中会获得更好的绩效。

(6)本研究发现,投资经验对绩效有显著正向影响,投资经验越丰富的风险投资机构其绩效越好,这与党兴华等(2011)的研究结论一致。风险投资机构年龄与投资绩效呈负显著关系。虽然机构年龄越大经验越丰富,就越有可能成功退出,但年轻的风险投资机构为提高自身声誉并筹集投资基金,会更努力地推动项目尽快成功上市,这一发现在石琳等[31]的研究中得到验证。投资行业专业化程度负向且显著影响绩效,可能是由于投资领域广阔,投资行业丰富,提升了风险投资机构获得投资回报的可能性。

5.2 启示

首先,本文研究证实机构网络凝聚性弱(结构洞丰富)对自身绩效有利。因此,风险投资机构应及时剔除无用的冗余联系并优化与合作伙伴的关系,以提高信息传递与知识交换效率。其次,机构组织力、地位分别对绩效有积极影响。对于风险投资机构而言,应该努力提高自身控制必备资源的能力并改善自身在网络中的位置,以实现投资绩效提升的目标。此外,风险投资机构应该权衡自身资源属性与网络凝聚性的相互关系,考虑自身资源与所处的投资环境,当拥有较好的资源属性时,应注意不要因过度信任而降低甄别能力,从而导致内聚网效应削弱,不利于最终投资绩效。

5.3 不足与展望

首先,本文仅从组织力和地位两个角度衡量风险投资机构的资源属性,未来可以采用统计调查研究(问卷法、访谈法)或者实地走访对机构资源属性特征作进一步完善。其次,本文搜集的数据集只涉及中国风险资本市场,而不同国情下的风险投资发展模式不尽相同,未来研究可以将本文思路及方法拓展至其它风险资本市场。最后,与大多数风险投资研究使用的投资绩效衡量方法一致,本文关注的是通过IPO或M&A方式成功退出的风险投资机构数量,但并未捕捉到其它类型的绩效表现,如机构退出期限或退出效率。后续研究可以考察风险投资机构网络凝聚性与替代绩效表现的关系。

参考文献:

[1] CHEMMANUR T J,LOUTSKINA E,TIAN X.Corporate venture capital, value creation, and innovation[J]. The Review of Financial Studies, 2014, 27(8): 2434-2473.

[2] LERNER J.The syndication of venture capital investments[J]. Financial Management, 1994, 23(3):16-27.

[3] SORENSON O, STUART T E. Syndication networks and the spatial distribution of venture capitalinvestments[J]. American Journal of Sociology, 2001, 106(6): 1546-1588.

[4] BRANDER J A,AMIT R,ANTWEILER W.Venture-capital syndication: improved venture selection vs. the value-added hypothesis[J]. Journal of Economics & Management Strategy, 2002, 11(3): 423-452.

[5] 刘通, 曲世友. 联合风险投资策略对创业企业价值创造影响的实证研究[J]. 预测, 2018, 37(2): 56-62.

[6] 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.

[7] MEULEMAN M, WRIGHT M, MANIGART S, et al. Private equity syndication: agency costs, reputation and collaboration[J]. Journal of Business Finance & Accounting, 2009, 36(5-6): 616-644.

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

[9] 陈晔峰. 风险投资网络强度与价值溢出关系研究[J]. 科技进步与对策, 2011, 28(12): 9-11.

[10] 罗吉, 党兴华, 王育晓. 网络位置、网络能力与风险投资机构投资绩效: 一个交互效应模型[J]. 南开管理评论, 2016, 9(9): 84-97.

[11] 王育晓, 张晨, 王曦. 风险投资机构的网络能力与投资绩效——网络位置与关系强度的交互作用[J]. 管理理论与实践, 2018, 38(2): 91-101.

[12] GRANOVETTER M. The impact of social structure on economic outcomes[J]. Journal of economicperspectives, 2005, 19(1): 33-50.

[13] BURT R S. Structural holes: the social structure of competition[M]. Cambridge, MA: Harvard Uni versity Press, 2009.

[14] KILDUFF M, BRASS D J. Organizational social network research: core ideas and key debates[J]. The academy of management annals, 2010, 4(1): 317-357.

[15] ECHOLS A, TSAI W. Niche and performance: the moderating role of network embeddedness[J]. Strategic Management Journal, 2005, 26(3): 219-238.

[16] BELLAVITIS C, FILATOTCHEV I, SOUITARIS V. The impact of investment networks on venture capital firm performance: a contingency framework[J]. British Journal of Management, 2017, 28(1): 102-119.

[17] 刘军. 整体网分析——UCINET软件实用指南(第二版)[M]. 上海:上海人民出版社, 2018.

[18] BURT R S. Structural holes and good ideas[J]. American Journal of Sociology, 2004, 110(2): 349-399.

[19] 周伶, 山峻, 张津. 联合投资网络位置对投资绩效的影响——来自风险投资的实证研究[J]. 管理评论, 2014, 26(12): 160-169.

[20] 陈运森. 社会网络与企业效率: 基于结构洞位置的证据[J]. 会计研究, 2015(1): 48-55.

[21] GOMPERS P A. Grandstanding in the venture capital industry[J]. Journal of Financial Economics, 1996, 42(1): 133-156.

[22] LIN Z, YANG H, ARYA B. Alliance partners and firm performance: resource complementarity and status association[J]. Strategic Management Journal, 2009, 30(9): 921-940.

[23] PODOLNY J M. A status-based model of market competition[J]. American Journal of Sociology, 1993, 98(4): 829-872.

[24] PODOLNY J M. Market uncertainty and the social character of economic exchange[J]. Administrative Science Quarterly, 1994, 39(3): 458-483.

[25] OZMEL U, REUER J J, GULATI R. Signals across multiple networks: how venture capital and alliance networks affect interorganizational collaboration[J]. Academy of Management Journal, 2013, 56(3): 852-866.

[26] 徐梦周, 蔡宁. 联合投资网络, 中心性与创投机构绩效[J]. 重庆大学学报:社会科学版, 2011, 17(1): 54-61.

[27] 罗家德, 秦朗, 周伶. 中国风险投资产业的圈子现象[J]. 管理学报, 2014, 11(4): 469-477.

[28] POWELL W W, WHITE D R, KOPUT K W, et al. Network dynamics and field evolution: the growth of interorganizational collaboration in the life sciences[J]. American Journal of Sociology, 2005, 110(4): 1132-1205.

[29] HITE J M, HESTERLY W S. The evolution of firm networks: from emergence to early growth of the firm[J]. Strategic Management Journal, 2001, 22(3): 275-286.

[30] STARR J A, MACMILLAN I C. Resource cooptation via social contracting: resource acquisition strategies for new ventures[J]. Strategic Management Journal, 1990(11): 79-92.

[31] 石琳, 党兴华, 韩瑾, 等. 风险投资网络结构嵌入对投资绩效只有促进作用吗?——来自我国风险投资业的经验证据[J]. 科技管理研究, 2016, 36(17): 216-223.

[32] MCEVILY B, ZAHEER A. Bridging ties: a source of firm heterogeneity in competitive capabilities[J]. Strategic Management Journal, 1999, 20(12): 1133-1156.

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

[34] HOANG H, ANTONCIC B. Network-based research in entrepreneurship: a critical review[J]. Journal of Business Venturing, 2003, 18(2): 165-187.

[35] PIAZZA A, CASTELLUCCI F. Status in organization and management theory[J]. Journal of Management, 2014, 40(1): 287-315.

[36] MA D, RHEE M, YANG D. Power source mismatch and the effectiveness of interorganizational relations: the case of venture capital syndication[J]. Academy of Management Journal, 2013, 56(3): 711-734.

[37] BONACICH P. Power and centrality: a family of measures[J]. American Journal of Sociology, 1987, 92(5): 1170-1182.

[38] 罗家德. 社会网分析讲义(第二版)[M]. 北京:社会科学文献出版社, 2018.

[39] NAHATA R. Venture capital reputation and investment performance[J]. Journal of Financial Economics, 2008, 90(2): 127-151.

[40] CUMMING D. Government policy towards entrepreneurial finance: innovation investment funds[J]. Journal of Business Venturing, 2007, 22(2): 193-235.

[41] SORENSEN M. How smart is smart money? a two-sided matching model of venture capital[J]. The Journal of Finance, 2007, 62(6): 2725-2762.

[42] PETKOVA A P, WADHWA A, YAO X, et al. Reputation and decision making under ambiguity: a study of us venture capital firms' investments in the emerging clean energy sector[J]. Academy of Management Journal, 2014, 57(2): 422-448.

[43] COLEMAN J S. Social capital in the creation of human capital[J]. American Journal of Sociology, 1988(94): S95-S120.

[44] PORTES A, SENSENBRENNER J. Embeddedness and immigration: notes on the social determinants of economic action[J]. American Journal of Sociology, 1993, 98(6): 1320-1350.

[45] 李智超, 罗家德. 中国人的社会行为与关系网络特质——一个社会网的观点[J]. 社会科学战线, 2012(1): 159-164.

[46] 翟学伟. 人情, 面子与权力的再生产[J]. 社会学研究, 2004(5): 48-57.

[47] 边燕杰, 张文宏. 经济体制, 社会网络与职业流动[J]. 中国社会科学, 2001(2): 77-89.

[48] KRACKHARDT D, NOHRIA N, ECCLES B. The strength of strong ties[J]. Networks in the Knowledge Economy, 2003(82): 216-239.

[49] YAMAGISHI T, COOK K S, WATABE M. Uncertainty, trust, and commitment formation in the united states and japan[J]. American Journal of Sociology, 1998, 104(1): 165-194.

[50] LINGO E L, O'MAHONY S. Nexus work: brokerage on creative projects[J]. Administrative Science Quarterly, 2010, 55(1): 47-81.

(责任编辑:张 悦)