Thus, this study investigates whether VC can generate vertical spillover effects along industrial value chains, and through what mechanisms these effects unfold. It focuses on the role of VC in optimizing resource allocation and enhancing productivity in both recipient firms and their upstream suppliers and downstream customers. This study aims to explore whether VC intensity in upstream and downstream industries improves firms′ total factor productivity (TFP) and to what extent this relationship is mediated by reductions in transaction costs.
To address these questions, the study assembles an unbalanced panel dataset comprising 21 538 firm-year observations, covering all non-financial, non-ST A-share listed companies in China from 2013 to 2022. Firm-level TFP is estimated via the Levinsohn-Petrin (LP) semi-parametric approach, with alternative measures from Olley-Pakes (OP) and ordinary least squares (OLS) used for robustness. Upstream and downstream VC intensity indices are constructed by combining the proportion of VC-backed shareholding among the top ten shareholders in each firm with industry input-output coefficients drawn from the 2017 Input-Output Tables. This weighted scheme captures the strength of VC penetration along both forward (supplier to buyer) and backward (buyer to supplier) linkages. Control variables include firm age, size, ownership type, leverage, profitability, equity concentration, and human capital; year and province fixed effects address unobserved time and regional heterogeneity. The study employs panel fixed-effects regressions, dynamic (lagged) specifications, instrumental-variables two-stage least squares, and a series of robustness checks,including alternative spillover measures, sample period exclusions, and endogeneity tests to ensure result validity.
The empirical analysis yields four main findings. First, higher VC intensity in upstream industries significantly raises downstream firms′ TFP (H1), and conversely, stronger VC presence in downstream industries boosts upstream firms′ productivity (H2). Coefficient estimates remain positive and statistically significant at the 1% level across contemporaneous and lagged specifications, underscoring a durable vertical spillover effect. Second, the study documents a clear mediating role for transaction costs,which is measured as the ratio of selling, administrative, and financial expenses to revenue through a three-step causal mediation framework. Upstream and downstream VC intensity both reduce firms′ transaction costs (in significant negative associations), and these cost savings, in turn, substantially elevate TFP (H3 and H4). The findings are robust across a variety of sensitivity analyses. Specifically, the study substitutes alternative spillover indices based on the share of VC-backed firms in each industry, employs TFP measures derived from both the Olley-Pakes (OP) and ordinary least squares (OLS) methods, and restricts the sample to pre-COVID years. The results remain consistent under these varied conditions. Fourth, addressing potential endogeneity via province-exclusion instruments confirms that the observed spillovers are not driven by omitted regional or industry factors.
This study makes several contributions. Methodologically, it pioneers the integration of industry input-output analysis with firm-level TFP estimation to quantify VC-induced vertical spillovers. Theoretically, it extends the resource-based and transaction-cost perspectives by demonstrating how equity financing and governance improvements propagate benefits beyond direct investees, altering the production network′s efficiency landscape. In practical terms, the findings underscore the systemic value of venture capital (VC). By enhancing the alignment between supply and demand and streamlining transactional relationships, VC drives a Pareto improvement in resource allocation across the entire value chain. Policymakers should thus recognize VC not only as a catalyst for high-growth startups but also as a lever for upgrading industrial ecosystems. For VC practitioners, deepening engagement with portfolio firms′ upstream and downstream partners can amplify returns through network-wide productivity gains.
开放科学(资源服务)标识码(OSID)：
改革开放以来,中国经济快速增长,逐步推进增长动能转换,从传统要素驱动的粗放型增长模式向注重质量效益的集约型发展模式转型。这一变化的核心特征在于通过提升生产要素生产率、优化资源配置效率实现经济增长。全要素生产率作为衡量经济体要素协同效率的核心指标,深刻反映了这一转型进程的本质要求。该指标不仅考量资本、劳动等显性要素投入规模,还将技术进步、管理创新等隐性要素纳入评估体系,全面刻画了经济系统的产出效率。当前,全要素生产率提升已成为推动经济高质量发展的战略支点。从宏观经济维度看,全要素生产率增长能够释放可持续增长动能,形成更高层次的国际竞争优势,实现资源利用效率的帕累托改进。在微观层面,企业全要素生产率跃升标志着技术革新能力升级和市场竞争位势优化,这种提升将直接转化为盈利能力增强与市场份额扩张,形成从企业竞争力突破到整体经济增长的传导链条。
当前,实现经济高质量发展的核心路径在于创新驱动发展战略实施与战略性新兴产业培育。在探索科技创新引领现代化产业体系构建过程中,风险投资的战略价值日益凸显。2024年6月,国务院办公厅印发《促进创业投资高质量发展的若干政策措施》,强调“发展创业投资是促进科技、产业、金融良性循环的重要举措”。风险投资即创业投资,这种投资形式专注于具有颠覆性创新潜力和市场化前景的未上市企业,通过中长期权益资本注入,形成对实体经济转型升级和技术突破的重要推力。21世纪以来,我国创业投资行业呈规模化、专业化发展态势,专业机构数量与管理资本规模持续扩张,资本集聚效应不断增强。数据显示,创业投资资本存量占GDP比重已突破历史峰值,充分印证其在培育战略性新兴产业、优化资本要素配置中的枢纽功能[1]。风险投资对被投资企业可持续发展的重要影响已在不少理论研究和现实案例中得到证实。然而,创业投资遵循严格的风险收益匹配原则,风险投资决策建立在对技术可行性、商业模式创新性和市场成长性多维评估的基础之上,这种谨慎的投资选择机制导致资本覆盖的企业范围具有天然局限性[2]。因此,获得风险投资机构投资的企业若仅聚焦直接投资效应,将忽视创业投资通过产业链传导产生的间接价值。因此,深入研究创业投资产生的外溢效应,尤其是通过被投企业向上下游合作企业产生的技术扩散、管理示范和市场联动效应,对于理解其在产业生态层面的系统价值创造具有重要意义,这种溢出效应不仅关乎个体企业成长,更是撬动整个经济体系质量提升的关键支点。
在新时代双循环新发展格局下,我国产业链体系呈现内循环主导模式深化特征。然而,全球产业链重构进程加速暴露出本土产业链的结构性矛盾:一方面,传统线性分工模式导致需求响应机制缺失,难以适应市场动态变化;另一方面,核心环节技术供应链脆弱性凸显,关键元器件进口依赖与“卡脖子”技术瓶颈形成双重掣肘。现有研究多聚焦风险投资对被投企业技术迭代加速的直接赋能效应,未充分揭示其在垂直产业链上产生的外溢影响。实际上,风险投资通过资本联结形成的价值链条重构不仅作用于被投企业本身,更有可能通过知识溢出、技术扩散和供应链优化对上下游关联企业产生间接提升效应。本文研究风险投资垂直溢出机制,进一步探索其对上下游企业产生的成本节约效应,有利于促进风险投资行业高质量发展和产业链升级再造。关注风险投资机构的投资情况,有助于企业管理层深化战略洞察,使机构投资者更好地把握经济结构调整重点,对提高产业链韧性和增强产业链效益具有重要意义,可为风险投资更好地服务于实体经济发展提供理论支持。
鉴于此,本研究立足风险投资视角,选取企业全要素生产率作为核心量化指标,系统考察风险投资垂直溢出效应及其在产业链传导过程中的作用机制,不仅有利于拓展风险投资领域学术边界,也可为理解产业链垂直关联中的价值创造提供新视角。
关于全要素生产率与经济增长之间的关系,国内外学者普遍认为经济增长体现为全要素生产率提升。在新古典经济增长理论框架中,Solow[3]引入柯布-道格拉斯生产函数构建增长模型,通过定量解析技术变革对产出增长的贡献度,为后续研究奠定理论基础;Miller &Upadhyay[4]运用跨国比较分析方法对发达国家与发展中国家全要素生产率与人均GDP进行检验发现,该指标能够显著影响区域经济增长。在我国经济由规模扩张向质量跃迁的战略转型期,全要素生产率作为核心解释变量受到学界高度关注,全要素生产率增长被视作经济发展的本质。李远慧等[5]基于制造业与金融业产业融合机制进行研究发现,金融股权融合通过技术创新等中介传导路径对企业全要素生产率提升具有显著促进作用;盛明泉等[6]通过对中国A股上市公司数据进行研究,揭示ESG信息披露通过增加创新产出与优化人力资本结构推动企业全要素生产率提升,且这种促进效应在市场化程度较低的制度环境或外部分析师关注度较高的信息环境中更为显著。
有关风险投资对被投资企业和行业发展的正向影响,国内外学者已积累不少研究成果。首先,在绩效经营方面,Jain&Kini[7]对有风险投资参与和无风险投资参与的公司样本进行研究发现,有风险投资参与的公司在IPO(Initial Public Offering,首次公开募股)发行股票的数量更多、价格更高,且业绩表现更突出;周冲和袁经发[8]以我国中小板和创业板上市公司作为研究样本,发现风险投资能够有效降低中小企业融资成本,缓解中小企业“融资难、融资贵”的问题。其次,在创新绩效提升方面,Faria &Barbosa[9]通过对17个欧盟国家实证数据进行研究发现,风险投资能够促进企业技术创新;宋竞等[10]利用创业板数据进行研究发现,有风险投资参与的企业在创新投入和创新产出方面均高于无风险投资参与的企业,且产品市场竞争程度越高,风险投资对企业技术创新的正向作用越显著。最后,在人才资源方面,陈思等[11]研究发现,风险投资进入为被投企业带来行业资源和管理经验,助推企业组建专业化研发人才团队。这种基于风险资本形成的传导机制,不仅能够加速行业内高端人力资本定向集聚,更通过人力资本结构升级推动技术创新链与产业应用链深度融合,最终实现创新成果转化效率的系统性提升。
近年来,溢出效应成为国内外学者广泛关注的焦点,其涉及领域比较广泛。相关学者主要聚焦知识传播机制与技术扩散路径。Arrow[12]提出技术革新引发的外溢现象,揭示企业通过知识传播网络实现技术模仿与经验吸收,进而推动劳动生产率提升;Griliches[13]基于知识视角重构溢出效应理论框架,强调多主体协同创新模式下的成果共享机制,指出研发过程中的集体知识创造具有显著外溢属性;张豪等[14]通过实证分析验证企业间外部性以全要素生产率跨组织传导为典型特征,凸显出溢出效应的客观性。
相较于传统产业经济学领域外溢效应研究,风险投资领域溢出效应未得到充分解析。国内学者高波[15]认为风险投资溢出效应体现为一种经济增长效应,其通过知识创新触发、技术扩散传导、组织成长演化及人力资本积累四大途径实现溢出;刘娥平等[16]在此基础上深化理论构建,将风险投资溢出效应定义为:具有风险资本介入的企业通过供应链协作、技术共享等交互机制,对无风险投资关联企业产生的生产率提升效应,并指出这种垂直溢出效应通过技术扩散在产业链上实现传导。同时,这种溢出效应受内外部条件的影响。姚丽[17]通过构建空间计量经济模型,利用省级面板数据揭示风险投资具有显著空间自相关特征,其技术创新效应不仅作用于区域内部,更通过空间溢出影响邻近地区;Schnitzer &Watzinger[18]基于美国企业面板数据的实证研究表明,有风险资本支持的创业企业通过提升自身专利质量,产生超越企业边界的创新外溢效应,且该效应强度超过企业自主研发外溢水平。
在风险投资溢出效应结构性分析中,学界区分水平溢出与垂直溢出两种形态,现有文献更多聚焦于行业内水平溢出机制。Tang等[19]研究发现,风险资本通过行业内部知识共享网络促进技术扩散;Rubin[20]从更为宏观的视角指出,风险投资通过催化技术创新、创造就业岗位等方式推动产业生态演进;曹文婷等[21]的研究表明,风险资本不仅通过资金注入直接驱动被投企业成长,更通过增值服务产生行业溢出效应,形成产业结构优化动力。总之,关于风险投资的研究多聚焦于其对被投资企业创新与融资产生的直接影响,关于风险投资对产业链溢出效应的研究较少。鉴于此,本文以产业链垂直溢出效应为切入点,构建上下游企业全要素生产率指标体系,重点考察风险资本通过产业链传导产生的外溢效应。在此基础上,进一步拓展研究维度,引入交易成本变量,探究其在垂直溢出过程中的中介作用机制,以期构建更为完整的风险投资外溢效应理论框架。
风险投资投向的企业主要包括科技属性较高的高新技术企业,如电子信息技术、航空航天技术、生物与新医药技术等行业企业,以及增长潜力较高的传统企业,如食品饮料等消费类企业、养老医疗等服务类企业。风险资本对被投企业价值赋能的作用主要体现在对关键生产要素的引导与重构。根据Wernerfelt[22]提出的资源基础观理论,企业本质上是异质化资源要素的有机组合体,资源禀赋异质性影响企业创新绩效。因此,企业建立竞争优势的关键在于战略资源配置能力,这是企业实现可持续发展的核心驱动力。在产业链运行框架中,企业与下游客户形成的供需关系构成前向关联,而与上游供应商建立的合作关系则构成后向关联。这种双向关联是产业链运行的基石,通过供应链协同机制实现生产要素跨企业流动。基于此,本文构建风险投资垂直溢出效应理论框架,即具有风险资本支持的企业通过价值链条联动形成外部经济效应,促进上下游合作伙伴生产要素流入与资源优化重组。这种价值传导机制不仅能提升要素转移效率,还能推动关联企业实现资源管理的帕累托改进,最终体现为全要素生产率的系统性提升。遵循风险投资特性与溢出效应作用机理,本文从资本积聚效应与技术扩散效应双重维度解构风险资本对产业链垂直溢出效应的作用路径。
(1)资本聚集。国内关于产业溢出效应的研究多从外商直接投资(FDI)角度切入。王苍峰[23]发现FDI存在行业间纵向溢出效应,且后向联系效应更加显著,前向联系效应则不显著。风险投资通过注资满足目标企业融资需求,解决企业发展过程中面临的资金缺口问题。风险投资信息传导机制对社会资本具有间接导向作用。黄庆成等[24]研究发现,风险投资通过参与企业治理优化被投企业信息披露机制,降低外部投资者信息获取壁垒。当企业成功获取风险资本时,反映出专业投资机构对企业成长潜力的认可,这种资本运作行为向市场传递出积极信号,促使银行、证券机构等金融主体不仅关注被投企业本身,还会加强对与企业存在产业关联的上下游企业的关注。在产业价值传导过程中,具有趋同化投资偏好的风险资本会形成集聚效应。当被投企业在技术创新领域取得突破性进展时,专注于前沿技术领域的投资机构将集中涌入该领域,在特定产业关联半径内形成资本密度显著提升的现象。这种规模化资本聚集不仅会拓宽产业链上下游企业资金获取途径,更能有效缓解融资约束问题。配套企业在获取充足资本支持后,通过优化运营管理、增加要素投入提升经营绩效,同时在生产计划、市场策略等决策层面与核心被投行业保持动态协调,进而推动全产业链协同化发展。
(2)技术扩散。风险投资对被投企业技术创新活动具有推动作用已成为学术界的普遍共识。基于产业链传导机制与产业关联特性,上游受资企业在实现产品品质提升与生产效率优化过程中必然会对下游配套企业产生辐射效应。当产业链特定环节出现技术突破时,关联产业主体必须同步升级生产工艺与产品体系,由此形成技术升级倒逼机制。吕荣杰等[25]的研究表明,生产性服务业集聚发展对区域协同创新存在正向驱动效应,且在技术转移层面展现出积极传导作用。风投机构作为实体经济发展的服务型媒介,其运营模式天然具备地域集聚属性。在风投资金、专业资源和智力支持等多维度赋能下,受资企业持续开展技术创新实践,这种创新动能通过产业链传导触发上下游企业集群式学习,进而推动区域产业链各环节协同创新与技术扩散网络形成。风险投资机构通过资源整合平台构建与战略协作机制设计来提升产业链各节点协同效率,加速跨环节技术创新同步化进程,实现技术能力在产业价值链上的梯度传递。
基于上述理论,本文讨论风险投资产生的前向溢出效应与后向溢出效应。根据Nathan[26]的“链式模型”,良性创新循环是通过上游基础研究突破来推动下游应用研究乃至更高层次新产品研究与开发的过程;Grassi[27]研究发现,供给侧正向冲击所带来的生产率变动会向生产网络下游部门传导。风险投资可提升企业生产效率,使得下游企业中间投入品价格下降、生产成本降低,同时带来生产效率和附加值效率的提升。另外,上游企业通过风险投资所带来的产品种类增加和质量提升也通过前向关联使得下游企业获得种类多、质量高的中间投入品,进而推动下游应用研究及产品研发,进而提高全要素生产率。
郑万吉等[28]的研究发现,垂直溢出效应在我国工业行业之间呈现出前向溢出不显著、后向溢出显著的非对称特征。风险投资促使下游生产企业获得先进技术、设备及工艺,使得行业原料需求发生变化,因此上游企业会通过生产或合作研发等方式满足下游企业对中间品品种、规格和质量的要求,促进下游企业创新,从而产生后向溢出效应;此外,下游企业通过后向联系对上游企业产品提出更高要求,推动上游企业生产方式改进和技术水平提高,最终带来全要素生产率水平提升。
基于上述分析,风险资本在向受资主体注入资金、技术等多维资源要素驱动其高质量发展过程中,其影响效应沿产业链条向上下游环节传导与渗透,形成前向关联与后向关联的双重溢出作用,这种价值传导能够提升全产业链生产效率。据此,本文提出以下假设:
H1:上游风险投资溢出能够提高下游企业全要素生产率,从而产生前向垂直溢出效应。
H2:下游风险投资溢出能够提高上游企业全要素生产率,从而产生后向垂直溢出效应。
Williamson[29]的交易成本理论指出,交易成本不仅包括进行市场交易所需的各种直接货币成本,还包括间接成本,如谈判、寻找信息、签订合同、执行合同以及解决纠纷过程所消耗的时间、精力和资源。企业以交易成本最小化为目标进行市场交易和优化治理结构[30],以获得更好的经济效益。在此基础上,Williamson进一步构建交易费用理论,用资产专用性、交易频率和不确定性度量交易费用,认为经济组织的最主要目的是节约交易费用,因此企业交易成本节约效应是研究企业经济增长效应的一个重要环节。
在某些情况下,企业会选择通过市场交易进行经济活动;而在其它情况下,企业则更倾向于在内部组织生产,这取决于影响交易成本的3个重要因素:交易不确定性、交易频率和资产专用性。首先,风险投资监管治理机制能够缓解资本市场信息不对称,提高资本市场信息传导效率[31],这种优化不仅能提升外部投资者信息获取能力,还能激活与被投行业相关联的外部融资市场。依托与被投企业形成的供需网络及价值联结,上下游企业得以更高效地触达外部投资群体,有效缩减融资成本,进而实现交易成本的结构性优化。其次,专业风投机构通过系统化项目筛选机制,通过尽职调查与价值评估体系锁定高成长性标的,通过战略赋能推动被投企业发展。在此过程中,被投主体与上下游伙伴形成更加稳固的战略合作关系,能够有效缩减产业链各环节间的交易频次,实质性降低产业链各节点的交易成本。最后,风险投资驱动技术创新能产生显著的产业溢出效应,其技术扩散形成倒逼机制,迫使上下游企业加速技术升级与产品革新进程。这种技术势能传导不仅能降低中间产品的资产专用性特征,更能推动产业链各环节形成技术适配协作体系,由此产生的技术协同效应既能降低企业间交易摩擦成本,又能减少因技术代差引致的外部采购支出,最终实现全产业链交易成本的整体性下降。
对于前向溢出效应,风险投资带来的技术创新能提高产品质量,降低下游企业生产损失和返工成本。而且,下游企业通过采用上游企业创新的原材料或中间品能提高自身竞争力,进而降低交易成本;杨汝岱等[32]对企业数字化转型过程中产业链溢出效应进行研究发现,上游企业数字化进程能够通过纵向传导机制显著影响下游企业运营效能。而且,上游数字化升级可显著降低下游企业管理成本支出,同步提升存货周转率,实现资源配置效能的系统性提升,最终驱动全要素生产率提升。而对于后向溢出效应,风险投资通过数字技术提升企业生产流程可视化水平,缓解上游企业面对“牛鞭效应”,进而降低企业交易成本。据此,本文提出以下假设:
H3:上游风险投资能够降低下游企业交易成本,提升下游企业全要素生产率,进而产生前向产业链垂直溢出效应。
H4:下游风险投资能够降低上游企业交易成本,提升上游企业全要素生产率,进而产生后向产业链垂直溢出效应。
本研究以2013—2022年中国A股上市公司为基准样本,财务数据来自CSMAR数据库,行业投入产出数据来源于《中国统计年鉴》2017年公布的分部门投入产出表。本文对数据进行如下处理:①剔除ST和金融行业公司,避免异常数据对本文结果造成不良影响;②剔除样本涵盖时间内所属行业发生变化的公司,因为这种情况下公司可能发生并购或重组,导致其业务结构或业务范围发生变化,可能会对研究结论产生不良影响;③手动收集多个数据库补齐样本缺失数据;④对极端值进行上下1%水平的缩尾处理。最终,得到21 538个观测样本。
本研究对上市公司前十大股东中是否包含风险投资机构进行三重认定流程:①若公司股东单位名称存在风险投资、创业投资或创业资本投资等特定标识符,则认为其具备风投背景属性,将该股东持股界定为风险投资机构持股;②对公司股东单位名称中不存在标识字段的股东主体,通过比照《中国创业投资发展报告2023》中的“核准创投机构名录”进行资质验证,名录收录者即认定为风投背景企业;③对公司股东单位名称中不存在标识字段且未列入名录的股东单位,通过工商注册信息确认其主营业务范围,若主营业务明确涉及风险投资或创业投资业务,则将其最终认定为具有风投背景属性。最终,筛选出前十大股东中有风险投资背景的观测样本共9 452个。
3.2.1 被解释变量
本文被解释变量为风险投资垂直溢出效应,采用企业全要素生产率(TFP)衡量。上市公司全要素生产率是衡量公司生产效率和技术进步的关键指标,反映企业由于技术进步、管理创新、组织变革等内生性因素带来的生产率提升。上述理论分析表明,风险投资溢出效应体现为全要素生产率的不断提升。因此,本文采用企业全要素生产率这一微观指标量化风险投资溢出效应。
已有文献对企业全要素生产率的计算方法主要包括OLS法、FE法、LP法、OP法和GMM法。其中,LP法和OP法均属于半参数估计方法;OLS法使用个体固定效应回归方法进行估计;OP法假设投资与生产率之间存在单调递增关系,采用企业当期投资作为不可观测生产率冲击的代理变量;LP法对OP法作出改进,使用中间品投入作为生产率的代理变量。为综合考虑生产要素利用率,本文采用LP方法计算企业全要素生产率,并将其作为基准模型的被解释变量[33]。计算过程中剔除缺失值样本,并对数据进行1%的缩尾处理。其中,LP方法生产函数如下:
Yt=β0+β2Lt+β2Kt+β3Mt+ωt+ηt
(1)
式(1)中,Yt表示企业在t年度的总产出,Lt表示企业在t年度的劳动投入,Kt表示企业在t年度的资本投入,Mt表示企业在t年度的中间投入,ωt表示测算的企业在t年的全要素生产率,ηt为符合独立同分布的随机干扰项。为保证实证结果的稳健性,在稳健性检验中采用Cobb-Douglas生产函数中的OLS法以及OP方法测算企业全要素生产率[34]。测算模型和数据处理参照鲁晓东等[35]的研究,数据来源于2013—2022年中国A股上市公司相关财务数据。
3.2.2 解释变量
本文解释变量为企业上下游风险投资程度。Lu等[36]用行业中每个企业外资比重和企业占该行业产出比重的乘积相加衡量行业的外商投资程度;Javorcik[37]用外资产值占行业产值的比重衡量外资水平溢出程度,在此基础上加上投入产出矩阵衡量前向和后向溢出程度。参考上述研究,根据投入产出表测算企业上下游风险投资程度,具体计算公式如下:
(2)
Downstream_VCit=∑jbij,2017×VCjt
(3)
其中,
为2017年j产品部门对i产品部门的直接消耗系数;bij,2017为2017年j产品部门对i产品部门的直接分配系数;VCjt为j行业在第t年的风险投资程度,即企业前十大股东中风险投资持股比例总和(VC_firmfjt)的加权平均值,权重为企业营业收入(salefjt)占行业营业收入
的比重,VCjt值越大,说明行业j越受风险投资青睐。
本文建立企业—行业层面固定效应面板回归模型来验证风险投资溢出效应,具体如下:
yfit=β0+β1Upstream_VCit+β2Downstream_VCit+γXfit+Yeart+Prop+εfit
(4)
其中,yfit代表行业i企业f在第t年的全要素生产率,Upstream_VCit表示行业i企业f在第t年上游的风险投资溢出程度,Downstream_VCit为行业i企业f在第t年下游的风险投资溢出程度,Xfit为企业层面控制变量,Yeart、Prop分别表示年份固定效应和省份固定效应,εfit为残差值。若风险投资存在正向溢出效应,则β1、β2的值显著为正,反之则为负。
为验证交易成本在风险投资溢出效应中的中介效应,本文采用温忠麟和叶宝娟[38]的因果逐步回归检验法(三步法)进行检验,模型构建如下:
yfit=β0+β1TransCostfit+γXfit+Yeart+Prop+εfit
(5)
首先,检验企业交易成本对全要素生产率的影响。参考吴海民等[39]的研究,用企业当年管理费用、销售费用和财务费用之和除以营业收入作为企业当年交易成本。若其系数显著为负,则说明交易成本与企业全要素生产率之间存在负相关关系。
TransCostfit=β0+β1Upstream_VCit+β2Downstream_VCit+γXfit+Yeart+Prop+εfit
(6)
其次,检验企业上下游风险投资程度对交易成本的影响。根据上述理论分析,企业上下游风险投资垂直溢出能够有效降低企业交易成本,所以预计其系数显著为负。
yfit=β0+β1Upstream_VCit+β2Downstream_VCit+β3TransCostfit+γXfit+Yeart+Prop+εfit
(7)
最后,将企业上下游风险投资程度和交易成本一并纳入模型,与企业全要素生产率一起进行回归分析,若上下游风险投资程度变量不显著或虽然显著但相较于模型(1)其系数绝对值降低,则表明风险投资溢出效应通过降低交易成本提升企业全要素生产率,从而验证交易成本的中介效应。
为有效检验风险投资垂直溢出对企业全要素生产率的影响,参考陈思等(2017)的研究,本文选取企业年龄(Age)、企业规模(Size)、产权性质(Soe)、资产负债率(Lev)、总资产净利率(ROA)、股权集中度(Top1)与人力资本(HC)作为控制变量,并在全部模型中控制时间与地区固定效应。本文变量定义和说明见表1。
表1 变量定义
Table 1 Definitions of the variables
变量类型 变量符号 变量名称 变量说明 被解释变量 TFP 企业全要素生产率 用LP 方法计算 解释变量 Upstream_VC 企业上游风险投资程度 按公式(2)计算 Downstream_VC 企业下游风险投资程度 按公式(3)计算 中介变量 TransCost 交易成本 (管理费用+销售费用+财务费用)/营业收入 控制变量 Age 企业年龄 企业上市年限 Size 企业规模 总资产的自然对数 Soe 产权性质 国有企业取值为1,否则取值为0 Lev 资产负债率 负债总计/资产总计 ROA 总资产净利率 净利润/平均资产总额 Top1 股权集中度 第一大股东持股比例 HC 人力资本 应付职工薪酬/员工总数,取对数 Year 年份 用于控制时间固定效应 Pro 省份 用于控制地区固定效应
全样本变量描述性统计结果如表2所示。全要素生产率指标最小值、中位数与最大值分别为4.867 8、8.284 1和13.096 1,最大值为最小值的2.7倍,表明样本企业间全要素生产率存在较大差距。企业上下游风险投资程度最小值与最大值相差较大,体现出不同行业上下游风险投资程度差距较大。
表2 描述性统计结果
Table 2 Descriptive statistics
变 量 样 本 数 量 平 均 值 标 准 差 最 小 值 中 位 数 最 大 值 TF P 2 1 5 3 8 8 . 4 1 1 0 1 . 0 6 2 3 4 . 8 6 7 8 8 . 2 8 4 1 1 3 . 0 9 6 1 Up s tr e am _VC 2 1 5 3 8 0 . 4 5 4 5 0 . 2 2 2 3 0 . 0 3 8 5 0 . 4 4 3 8 1 . 7 2 3 2 Do wn s tr e am _VC 2 1 5 3 8 0 . 5 2 1 8 0 . 3 5 3 8 0 . 0 0 0 0 0 . 4 6 2 5 2 . 7 7 3 8 Tran s Co s t 2 1 5 3 8 0 . 1 5 5 3 0 . 1 0 7 9 - 0 . 0 7 9 7 0 . 1 3 2 2 3 . 2 9 8 4 Ag e 2 1 5 3 8 1 1 . 0 8 0 1 7 . 6 0 9 2 2 . 0 0 0 0 9 . 0 0 0 0 3 3 . 0 0 0 0 Si z e 2 1 5 3 8 2 2 . 3 5 5 7 1 . 3 6 2 2 1 9 . 0 8 3 5 2 2 . 1 2 1 5 2 8 . 6 3 6 5 So e 2 1 5 3 8 0 . 3 3 6 2 0 . 4 7 2 4 0 . 0 0 0 0 0 . 0 0 0 0 1 . 0 0 0 0 Le v 2 1 5 3 8 3 4 . 2 6 1 4 1 4 . 9 2 0 5 0 . 2 9 0 0 3 2 . 2 6 0 0 9 8 . 5 2 5 3 ROA 2 1 5 3 8 0 . 0 4 4 2 0 . 0 6 4 6 - 0 . 9 6 5 0 0 . 0 4 0 5 0 . 6 9 4 9 To p 1 2 1 5 3 8 0 . 4 1 8 8 0 . 1 9 6 2 0 . 0 0 8 0 0 . 4 1 2 8 0 . 8 9 9 9 H C 2 1 5 3 8 4 . 2 0 8 9 0 . 4 4 9 9 - 0 . 9 5 5 2 4 . 2 4 4 7 5 . 8 8 7 3
4.2.1 风险投资水平垂直溢出效应检验
表3报告了风险投资垂直溢出效应检验结果。列(1)(2)分别检验企业上游和下游风险投资程度与企业全要素生产率之间的相关关系。企业上下游风险投资程度与企业全要素生产率之间存在正相关关系,且均在1%统计水平上显著。这表明,上游企业风险投资程度增加能够有效提升下游企业全要素生产率,给下游企业带来溢出效应;同样,下游企业风险投资程度增加能够给上游企业带来溢出效应,假设H1和假设H2得到验证,表明风险投资通过资本聚集、技术扩散等途径对上下游企业产生垂直溢出效应。
表3 风险投资上游和下游溢出效应回归结果
Table 3 Regression results of upstream and downstream spillover effects of venture capital
变 量 ( 1 ) ( 2 ) ( 3 ) ( 4 ) TF P _ L P TF P _ L P TF P _ L P TF P _ L P Up s tr e am _ v c 0 . 1 2 8 * * * ( 5 . 7 2 1 ) Do wn s tr e am _ v c 0 . 0 6 9 * * * ( 5 . 7 0 2 ) L . u p s tr e am _ v c 1 0 . 1 0 9 * * * ( 4 . 4 1 2 ) L . do wn s tr e am _ v c 1 0 . 0 8 6 * * * ( 5 . 9 9 7 ) Ag e 0 . 0 0 9 * * * 0 . 0 0 9 * * * 0 . 0 1 0 * * * 0 . 0 1 0 * * * ( 1 2 . 7 9 9 ) ( 1 2 . 2 7 3 ) ( 1 3 . 2 4 2 ) ( 1 2 . 8 9 0 ) Si z e 0 . 5 1 0 * * * 0 . 5 0 9 * * * 0 . 5 0 8 * * * 0 . 5 0 7 * * * ( 1 2 2 . 6 3 6 ) ( 1 2 2 . 5 0 8 ) ( 1 1 0 . 6 9 4 ) ( 1 1 0 . 6 7 7 ) So e - 0 . 0 6 5 * * * - 0 . 0 6 7 * * * - 0 . 0 7 2 * * * - 0 . 0 7 3 * * * ( - 5 . 9 5 9 ) ( - 6 . 0 9 0 ) ( - 5 . 9 8 6 ) ( - 6 . 0 7 4 ) To p 1 0 . 0 0 1 * * * 0 . 0 0 1 * * * 0 . 0 0 1 * * * 0 . 0 0 1 * * * ( 4 . 9 3 8 ) ( 4 . 7 6 7 ) ( 4 . 4 4 4 ) ( 4 . 3 5 5 ) ROA 2 . 6 7 0 * * * 2 . 6 4 8 * * * 2 . 5 5 1 * * * 2 . 5 3 0 * * * ( 3 8 . 0 4 8 ) ( 3 7 . 7 1 4 ) ( 3 2 . 4 7 1 ) ( 3 2 . 1 9 5 ) Le v 1 . 2 1 9 * * * 1 . 2 0 3 * * * 1 . 2 0 3 * * * 1 . 1 9 3 * * * ( 4 4 . 2 9 8 ) ( 4 4 . 0 4 3 ) ( 3 8 . 8 2 9 ) ( 3 8 . 8 2 1 ) H C 0 . 0 8 7 * * * 0 . 0 8 8 * * * 0 . 1 0 3 * * * 0 . 1 0 4 * * * ( 8 . 7 8 7 ) ( 8 . 9 0 7 ) ( 9 . 0 3 4 ) ( 9 . 1 8 7 ) Y e a r F E Y e s Y e s Y e s Y e s P r o F E Y e s Y e s Y e s Y e s _ c o n s - 4 . 0 3 4 * * * - 3 . 9 7 3 * * * - 4 . 0 8 3 * * * - 4 . 0 4 2 * * * ( - 4 4 . 4 5 0 ) ( - 4 4 . 4 0 6 ) ( - 4 0 . 2 8 3 ) ( - 4 0 . 5 2 0 ) N 2 1 5 3 8 2 1 5 3 8 1 7 4 1 2 1 7 4 1 2 R 2 0 . 6 9 0 0 . 6 9 0 0 . 6 8 9 0 . 6 8 9 F 9 7 7 . 1 7 8 9 7 7 . 1 6 4 8 0 0 . 6 2 7 8 0 1 . 7 3 1
注:*表示0<0.10,**表示p<0.05,***表示p<0.01,括号内为t值,下同
考虑到企业上下游风险投资溢出对企业全要素生产率的影响可能并不会在当年数据中产生,因此表3列(3)(4)使用滞后一期企业上下游风险投资程度作为解释变量进行回归。结果显示:滞后一期企业上游风险投资程度和下游风险投资程度与企业全要素生产率之间依然存在显著正相关关系,系数与显著性水平均未发生明显变化。这说明,企业上下游当年风险投资程度提高能提升企业下一年度全要素生产率并产生垂直溢出效应,假设H1和假设H2进一步得到验证。
4.2.2 交易成本的中介效应检验
本研究基于理论分析提出风险投资溢出传导机制通过缓解产业链上下游企业交易成本驱动全要素生产率提升,进而赋能关联企业价值创造的假设。表4检验交易成本在风险投资垂直溢出中的中介传导效应。其中,列(1)为企业全要素生产率对交易成本的回归结果,列(2)(3)为上游风险资本的中介效应检验结果,列(4)(5)为下游风险资本的中介效应检验结果。列(1)结果显示,企业全要素生产率与企业交易成本在1%统计水平上显著负相关,表明企业交易成本降低能显著提升企业全要素生产率。列(2)(4)结果显示,企业上下游风险投资程度系数为负,且分别在5%和1%统计水平上显著,说明企业上下游风险投资溢出能够显著降低企业交易成本。列(3)(5)为引入交易成本中介变量后风险投资程度对企业全要素生产率的回归结果。结果显示,交易成本系数均在1%水平上显著为负,上游风险投资程度和下游风险投资程度系数分别在1%和5%水平上显著为正,表明风险投资通过有效降低上下游企业交易成本,进而提升企业全要素生产率,表明企业交易成本在风险投资垂直溢出效应中发挥中介作用。
表4 交易成本中介效应回归结果
Table 4 Regression results of the mediating effect of transaction costs
变 量 ( 1 ) ( 2 ) ( 3 ) ( 4 ) ( 5 ) TF P _ L P Tran s c o s t TF P _ L P Tran s c o s t TF P _ L P Up s tr e am _ v c - 0 . 0 0 9 * * 0 . 1 0 8 * * * ( - 2 . 3 5 2 ) ( 5 . 2 1 8 ) Do wn s tr e am _ v c - 0 . 0 1 9 * * * 0 . 0 2 4 * * ( - 9 . 7 3 4 ) ( 2 . 1 6 7 ) Tran s c o s t - 2 . 3 1 3 * * * - 2 . 3 1 0 * * * - 2 . 3 0 7 * * * ( - 6 0 . 3 8 3 ) ( - 6 0 . 3 2 8 ) ( - 6 0 . 1 1 2 ) C o n t r o l s Y e s Y e s Y e s Y e s Y e s Y e a r F E Y e s Y e s Y e s Y e s Y e s P r o F E Y e s Y e s Y e s Y e s Y e s _ c o n s - 2 . 8 8 9 * * * 0 . 4 6 1 * * * - 2 . 9 6 8 * * * 0 . 4 6 4 * * * - 2 . 9 0 2 * * * ( - 3 4 . 2 0 8 ) ( 3 0 . 8 5 2 ) ( - 3 4 . 6 1 0 ) ( 3 1 . 5 3 6 ) ( - 3 4 . 2 7 7 ) N 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 R 2 0 . 7 3 5 0 . 1 8 5 0 . 7 3 5 0 . 1 8 8 0 . 7 3 5 F 1 2 1 4 . 8 7 9 9 9 . 2 4 1 1 1 9 2 . 5 7 9 1 0 1 . 4 7 3 1 1 9 0 . 8 8 0
上文解释变量为企业上下游风险投资程度。借鉴刘娥平等[16]的研究,使用另一种计算方式构建风险投资前向溢出程度与后向溢出程度指标,将其作为核心解释变量进行稳健性检验。具体计算方式为:设定行业溢出程度为有风险投资背景的企业数量占所在行业企业总数的比例,根据行业溢出程度变量和投入产出系数加权平均计算风险投资前向溢出程度和后向溢出程度。回归结果如表5所示,替换变量后风险投资前向溢出程度和后向溢出程度与企业全要素生产率均存在显著正相关关系,从而支持了本文核心假设,同时表明上文回归结果比较稳健。
表5 风险投资前向溢出和后向溢出回归结果
Table 5 Regression results of forward and backward spillover effects of venture capital
变 量 ( 1 ) ( 2 ) TF P _ L P TF P _ L P Ba c k 0 . 9 0 3 * * * ( 7 . 5 5 1 ) Fo rw 0 . 1 1 1 * ( 1 . 7 9 4 ) C o n t r o l s Y e s Y e s Y e a r F E Y e s Y e s P r o F E Y e s Y e s _ c o n s - 4 . 0 9 3 * * * - 3 . 9 4 8 * * * ( - 4 5 . 3 9 2 ) ( - 4 4 . 1 4 4 ) N 2 1 5 3 8 2 1 5 3 8 R 2 0 . 7 0 3 0 . 6 9 0 F 9 7 6 . 2 4 3 9 7 5 . 2 3 7
采用OP方法和OLS方法计算企业全要素生产率并将其作为被解释变量,验证实验结果的稳健性。回归结果如表6所示,替换企业全要素生产率计算方式后,企业上下游风险投资程度与被解释变量依然存在显著正相关关系。
表6 基于OP法和OLS法计算的全要素生产率回归结果
Table 6 Regression results of total factor productivity estimated by OP and OLS methods
变 量 ( 1 ) ( 2 ) ( 3 ) ( 4 ) TF P _ OP TF P _ OP TF P _ OLS TF P _ OLS Up s tr e am _ v c 0 . 0 4 4 * 0 . 2 9 5 * * * ( 1 . 8 9 5 ) ( 1 4 . 1 9 2 ) Do wn s tr e am _ v c 0 . 1 4 2 * * * 0 . 2 2 2 * * * ( 1 2 . 3 7 7 ) ( 1 9 . 8 6 2 ) C o n t r o l s Y e s Y e s Y e s Y e s Y e a r F E Y e s Y e s Y e s Y e s P r o F E Y e s Y e s Y e s Y e s _ c o n s - 2 . 3 9 6 * * * - 2 . 5 5 6 * * * - 6 . 2 6 8 * * * - 6 . 1 5 5 * * * ( - 2 7 . 7 0 2 ) ( - 3 0 . 0 6 1 ) ( - 7 4 . 1 7 4 ) ( - 7 4 . 2 2 2 ) N 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 R 2 0 . 6 0 0 0 . 6 0 2 0 . 8 1 2 0 . 8 1 4 F 6 5 7 . 4 7 3 6 6 3 . 3 4 2 1 8 9 9 . 0 7 3 1 9 1 9 . 8 8 3
为进一步验证实验结果的稳健性,剔除2020—2023年数据,缩短样本时间窗口进行回归检验,结果如表7所示。企业全要素生产率与企业上下游风险投资程度系数仍在1%统计水平上显著为正,进一步支持了本文研究结论。
表7 改变样本区间的回归结果
Table 7 Regression results for altered sample period
变量 (1) (2) TFP_LP TFP_LP Upstream_vc 0.091 *** (3.285) Downstream_vc 0.069 *** (3.505) Controls Yes Yes YearFE Yes Yes ProFE Yes Yes _cons -3.436 *** -3.403 *** (-30.402) (-30.462) N 12781 12781 R 2 0.681 0.681 F 604.462 604.566
本研究选取微观层面企业全要素生产率作为被解释变量,用风险投资在中观层面的产业垂直溢出程度作为解释变量,因两个变量维度不同,所以内生性问题可能性较小。然而,经济周期性波动等因素有可能会导致变量遗漏。因此,本文使用除企业i所在省份p以外的上游风险投资程度和下游风险投资程度作为工具变量,构建模型如式(8)和式(9)所示。
(8)
(9)
其中,
企业i所在省份为p,VCjp't为除省份p以外的行业j在第t年的风险投资程度,VC_firmfp't为除省份p以外的行业j中企业f前十大股东风险投资持股比例的总和,salefp't为企业f的营业收入,
为除省份p以外的行业营业收入。工具变量两阶段最小二乘法(2SLS)回归结果如表8所示,列(1)(2)为企业上游风险投资程度工具变量的回归结果,列(3)(4)为企业下游风险投资程度工具变量的回归结果。其中,列(1)(3)为工具变量第一阶段回归结果,列(2)(4)为工具变量第二阶段回归结果。结果显示,在引入工具变量进行回归后,上游和下游风险投资程度系数依然显著为正,与基准回归结果一致,表明本文研究结果稳健。
表8 工具变量回归结果
Table 8 Instrumental variables regression results
变 量 ( 1 ) ( 2 ) ( 3 ) ( 4 ) Up s tr e am _ v c TF P _ L P Do wn s tr e am _ v c TF P _ L P Up s tr e am _ v c _ iv 0 . 8 8 1 9 * * * ( 0 . 0 0 2 ) Up s tr e am _ v c 0 . 0 8 8 3 * * * ( 0 . 0 2 4 ) Do wn s tr e am _ v c _ iv 0 . 9 6 1 7 * * * ( 0 . 0 0 1 ) Do wn s tr e am _ v c 0 . 0 6 6 5 * * * ( 0 . 0 1 2 ) C o n t r o l s Y e s Y e s Y e s Y e s Y e a r F E Y e s Y e s Y e s Y e s P r o F E Y e s Y e s Y e s Y e s _ c o n s 0 . 0 6 1 1 * * * - 4 . 0 0 5 3 * * * 0 . 0 1 5 0 * * - 3 . 9 7 1 9 * * * ( 0 . 0 0 9 ) ( 0 . 0 9 1 ) ( 0 . 0 0 7 ) ( 0 . 0 8 9 ) N 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 2 1 5 3 8 R 2 0 . 9 3 6 0 . 6 9 0 0 . 9 8 5 0 . 6 9 0
注:括号中为标准误差
在经济高质量发展进程中,风险投资发挥重要作用。当前,国内创投行业保持强劲发展韧性,优化多元化创新服务模式,为实体经济创新生态系统注入持续动能。同时,在市场竞争加剧背景下,头部创投机构为增强自身行业资源与产业整合能力,着手构建全产业链投资版图,推动全产业链价值网络协同演进。基于风险投资资本集聚与技术扩散双重价值传导机制,本研究利用2013—2022年A股上市公司面板数据,系统检验风险投资在产业链垂直维度的溢出传导路径,并验证交易成本中介效应的传导机理,得出如下结论:①风险投资通过前向关联与后向关联双重渠道产生显著的产业链垂直正向溢出效应,通过促进上下游企业全要素生产率提升驱动关联企业价值创造;②风险投资成本优化效应形成重要传导中介,通过降低产业链上下游企业交易成本,重塑上下游企业资源配置效率,进而实现全要素生产率的系统性提升。
根据上述研究结论,本文提出如下启示:
(1)从产业链角度,风险投资不仅通过打通产业链上下游企业资金链、创新链发挥重要作用,还通过降低产业链企业交易成本显著提升上下游企业全要素生产率。因此,产业链上下游企业需要更好地控制交易成本,提升资源整合能力和产业带动能力,促进各企业协作共生、互惠共赢,实现大中小企业融通发展、良性互动。
(2)从风险投资角度,风险投资机构在追求回报的同时也应关注被投企业参与产业链现状,协助企业深度融入产业链进而提升全链条效率。研究发现,风险投资对于全产业链具有促进作用,因此应推动风险投资、创业投资高质量发展,通过各类天使投资基金、风险投资基金支持企业创新创业,发挥全产业链优势,支撑我国经济高质量发展。
本文存在以下不足:首先,样本数据主要聚焦A股上市公司,未涵盖非上市中小企业,可能导致风险投资研究的普适性受限。其次,交易成本测度采用费用占比指标,未充分反映协商成本、合作伙伴替换成本等结构性特征,未来可结合专用性资产投入等产业链数据构建多维指标。最后,主要关注产业链上下游线性溢出传导路径,未深入探讨区域异质性、行业技术密集度等情境因素的调节作用,后续可引入空间计量模型增强解释力。
[1] 王建梅,王筱萍.风险投资促进我国技术创新的实证研究[J].科技进步与对策,2011,28(8):24-27.
[2] 刘玉斌,赵天宇,郭树龙.战略性新兴产业创业投资引导基金能促进企业创新吗[J].产业经济研究,2023,22(1):73-85,142.
[3] SOLOW R M. Technical change and the aggregate production function[J]. The Review of Economics and Statistics, 1957, 39(3):312-320.
[4] MILLER S M, UPADHYAY M P. Total factor productivity and the convergence hypothesis[J]. Journal of Macroeconomics, 2002, 24(2): 267-286.
[5] 李远慧,王靖伊,陈蓉蓉.制造业企业金融股权关联、技术创新与全要素生产率[J].会计之友,2024,42(10):33-39.
[6] 盛明泉,李志杰,汪顺.ESG信息披露与企业全要素生产率[J].统计与信息论坛,2024,39(8):88-100.
[7] JAIN B A, KINI O.Venture capitalist participation and the post-issue operating performance of IPO firms[J].Managerial &Decision Economics, 1995, 16(6):593-606.
[8] 周冲,袁经发.风险投资对中小企业融资成本的影响机制研究[J].山东社会科学,2023,37(9):151-158.
[9] FARIA A P, BARBOSA N. Does venture capital really foster innovation[J]. Economics Letters, 2014, 122(2): 129-131.
[10] 宋竞,胡顾妍,何琪.风险投资与企业技术创新:产品市场竞争的调节作用[J].管理评论,2021,33(9):77-88.
[11] 陈思,何文龙,张然.风险投资与企业创新:影响和潜在机制[J].管理世界,2017,33(1):158-169.
[12] ARROW K J. The economic implications of learning by doing[J]. The Review of Economic Studies, 1962, 29(3): 155-173.
[13] GRILICHES Z. Sources of agricultural economic growth and productivity: discussion[J]. American Journal of Agricultural Economics, 1992, 74(3): 762-763.
[14] 张豪,张建华,何宇,等.企业间存在全要素生产率的溢出吗——基于中国工业企业数据的考察[J].南开经济研究,2018,34(4):102-119.
[15] 高波.风险投资溢出效应:一个分析框架[J].南京大学学报(哲学·人文科学·社会科学版),2003,49(4):140-145.
[16] 刘娥平,钟君煜,施燕平.风险投资的溢出效应[J].财经研究,2018,44(9):52-65.
[17] 姚丽.风险投资、区域技术创新水平与空间效应——基于省际空间面板数据的实证研究[J].当代经济管理,2018,40(6):7-12.
[18] SCHNITZER M, WATZINGER M. Measuring the spillovers of venture capital[J]. Review of Economics and Statistics, 2022, 104(2): 276-292.
[19] TANG M C, CHYI Y. Legal environments, venture capital, and total factor productivity growth of Taiwanese industry[J]. Contemporary Economic Policy, 2008, 26(3): 468-481.
[20] RUBIN J S. Developmental venture capital: conceptualizing the field[J]. Venture Capital, 2009, 11(4): 335-360.
[21] 曹文婷,杨永华.风险投资能否促进产业结构优化——基于受资中小企业溢出视阈的考察[J].科技进步与对策,2023,40(3):52-62.
[22] WERNERFELT B.A resource-based view of the firm[J].Strategic Management Journal,1984,5(2):171-180.
[23] 王苍峰.FDI、行业间联系与溢出效应——基于我国制造业行业面板数据的实证分析[J].世界经济研究,2008,37(3):73-79.
[24] 黄庆成,闻岳春,谢宏基.风险投资能改善资本市场信息环境吗——基于股价信息含量视角[J].上海金融,2023,44(2):13-26.
[25] 吕荣杰,呼静,张义明.生产性服务业集聚对区域技术转移的作用机制——协同创新与环境规制视角[J].科技进步与对策,2019,36(2):51-58.
[26] NATHAN R.Studies on science and the innovation process:selected works of Nathan Rosenberg[M]. Singapore City:World Scientific Publishing Company,2009.
[27] GRASSI B.IO in I-O: competition and volatility in input-output networks[C].New York: Society for Economic Dynamics, 2017.
[28] 郑万吉.产业溢出视角下跨国并购的生产率效应分析[J].新经济,2023,44(10):71-80.
[29] WILLIAMSON O E. The economics of organization: the transaction cost approach[J]. American Journal of Sociology, 1981, 87(3): 548-577.
[30] WILLIAMSON O E. The economic institutions of capitalism[M].New York:Free Press, 1985.
[31] 钱燕,范从来.风险投资对上市公司信息披露质量的影响——基于创业板的经验证据[J].求是学刊,2021,48(4):80-92.
[32] 杨汝岱,李艳,孟珊珊.企业数字化发展、全要素生产率与产业链溢出效应[J].经济研究,2023,58(11):44-61.
[33] LEVINSOHN J, PETRIN A. Estimating production functions using inputs to control for unobservables[J]. The Review of Economic Studies, 2003, 70(2): 317-341.
[34] OLLEY G,PAKES A. The dynamics of productivity in the telecommunications equipment industry[J].Econometrica, 1996,64(6): 1263-1297.
[35] 鲁晓东,连玉君.中国工业企业全要素生产率估计:1999—2007[J].经济学(季刊),2012,11(2):541-558.
[36] LU Y, TAO Z, ZHU L. Identifying FDI spillovers[J]. Journal of International Economics, 2017, 107(1): 75-90.
[37] JAVORCIK B S. Does foreign direct investment increase the productivity of domestic firms? in search of spillovers through backward linkages[J]. American Economic Review, 2004, 94(3): 605-627.
[38] 温忠麟,叶宝娟.中介效应分析:方法和模型发展[J].心理科学进展,2014,22(5):731-745.
[39] 吴海民.市场关系、交易成本与实体企业“第四利润源”——基于2007—2011年370家民营上市公司的实证研究[J].中国工业经济,2013,30(4):107-119.