高技术新企业创业网络、信息与投资回报——华南地区企业的实证研究

李伟铭 ，黎春燕

（1.西南财经大学 博士后流动站，四川 成都 611130；2.海南大学 经济与管理学院，海南 海口 570228）

随着全球化市场竞争的加剧，高技术企业产品的生命周期不断缩短，产品的更新不断提速，信息对企业投资的重要性也日益凸显。面对技术和市场环境的快速变化，惟有准确及时的把握产品、技术和消费需求的最新动态，才能抓住市场和投资机会，获得高额的投资回报。相反的，如果企业信息获取受阻，导致信息不足、不准确或延迟，就可能导致投资损失。然而，信息作为一种重要的无形资源，往往很难通过经济交易的手段从公开市场获得，因此，网络联结成为信息传播、转移和获取的重要渠道。从网络合作的角度来看，网络伙伴拥有互补性的资源，并且这些资源会受到网络关系的影响而发生转移。当组织间有较强网络关系时，网络伙伴间的信息和知识移转也随着增强［1]。

作为市场新进入者，高科技新企业面临着资源约束等多种缺陷，充分利用创业网络来获取外部信息无疑是其解决内部信息资源不足的重要途径。然而，已有研究对信息在创业网络与高技术新企业投资回报两者间扮演什么角色、发挥什么作用，以及作用的大小程度等尚缺乏有力的实证支持。有鉴于此，本研究将从高科技新企业的创业网络特征出发，考察高技术新企业的支持性网络和企业间网络对投资回报的影响效应，以及信息获取的中介作用机制，从深层次揭示高技术新企业如何借助创业网络获取信息资源，进而提高投资回报的内在机理，以期为高技术新企业的创业实践提供借鉴。

一、理论基础与假设

创业网络指创立新企业时创业者与外界环境的联系［2]。这些网络包括个人网络（an personal networks）和组织网络（organizational networks）［2]。Premaratne将组织层面的创业网络分为支持性网络（supporting networks）和企业间网络（infirm-neworks），其中支持性网络包括企业与银行、政府相关职能部门、非赢利机构以及中介机构的关系，而企业间网络主要包括供应商和客户群体［3]。由于创业初期创业者个体与创业企业难以明确区分，因此创业企业个人层面网络与组织层面的网络难以分离是新企业的一个共同特点［4]。同时，人际水平的网络不断固化到企业的运作模式和流程中去时，这种人际水平的网络联系才逐步转化成为企业间水平的网络联系［5-6]。换句话说，随着企业创业成长阶段的发展，个人网络逐渐被组织网络所吸纳。为此，本研究侧重于研究处于创业初期的高技术新企业的组织层面网络，并借鉴Premaratne［3]的划分方法，将创业网络划分为支持性网络和企业间网络。

在创业初期，新企业不仅资源禀赋有限，而且缺乏绩效记录，导致社会认同度和接受度低，因而企业发展更多的依赖于从外部获取所需资源。创业网络为新企业获取低成本的资金、技术和人力等资源以及扩大客户源，提升销售量等发挥了重要作用。Cromie，Birley和Callaghan指出，创业企业与创业网络的联结越多，关系越强，就越有可能将获取外部资源的成本最小化［7］。新企业通过与外部的密切联系来实现降低获取资源的交易成本的同时，还可能通过客户、供应商以及科研合作伙伴等网络成员的引介和搭桥来获得新的交易对象，增加客户数量，从而提高企业的投资回报和经营业绩。此外，在我国经济转轨期的市场背景下，一些新企业还可能通过外部网络直接获得排他性订单、特殊盈利项目等非公开市场交易的商业机会。基于上述分析，我们提出如下假设：

假设H1a：支持性网络对高科技新企业投资回报具有积极的影响。

假设H1b：企业间网络对高科技新企业投资回报具有积极的影响。

信息作为高技术新企业重要的无形资源以及企业与外部网络成员沟通的重要媒介，一方面信息的获取对创业网络具有很强的依赖性，另一方面，信息的流动与企业与网络成员之间关系的强度、密切程度以及信任具有直接的相关性。网络成员的联系越强，就越有可能从网络中获取具有重要价值的信息［1］。Premaratne在分析了社会网络、支持网络和企业间网络的基础上，也指出了创业网络是新企业获取信息等资源的重要来源［3］。显然，在高技术新企业的成长过程中，创业网络是新企业获得信息不可或缺的重要途径，这些网络既包括政府、行业协会、科研院所等支持性网络，也包括企业所联系的客户、供应商和各种商业伙伴等企业间网络。新企业通过与这些网络节点的建立强有力的联系获得商业、政策、新技术以及新产品等重要信息。由此我们提出如下假设：

假设H2a：支持性网络对高科技新企业的信息获取具有积极的影响。

假设H2a：企业间网络对高科技新企业的信息获取具有积极的影响。

外部环境的高度不确定增加了新企业经营风险和投资失误的可能性。社会网络为企业提供适时更新的各种信息，这些从社会网络获取的商业、政策、技术、产品等信息能够使企业家更准确的做出决策，从而使企业能够应对技术和市场环境的快速变化，规避经营风险。信息已经成为新企业发掘新客户资源，发现新产品和识别新市场机会的重要工具。此外，网络在促进了信息交流和知识转移的的同时，促进了合作者之间对彼此行为的理解，这便使企业能够根据所需信息做出合理的决策，提升信息的价值，进而获得高额的回报［8］。很明显，新企业通过网络所获取重要价值信息的可能性越大，就越可能获得较高的回报。由此我们提出如下假设：

假设H3：信息获取对高科技企业投资回报具有积极的影响。

综合上述分析，在新企业的生存和发展过程中，一方面新企业通过创业网络获取信息，进而间接的提高以投资回报，另一方面创业网络也通过降低交易成本和扩大交易对象的方式直接提升新企业的投资回报。综合上述分析，我们构建了基于支持性网络、企业间网络、信息获取与投资回报的概念模型（图1）。

图1 概念模型

二、研究方法

（一）数据收集与样本特征

本研究的数据采用整群随机抽样方法。首先，在问卷发放前对40位科技企业创业者进行了预调研，并根据预调研的结果对问卷进行修改，形成正式问卷。在正式调研过程中，我们采用整群抽样方法，通过华南地区某国有银行系向创业活动最为活跃的深圳、中山、珠海、东莞和广州五个城市的高技术新企业发放300份问卷，返回163份，回收率为54.3%，剔除填写不完整、选项完全雷同等无效问卷21份，最终获得有效问卷141问卷。其中，企业年龄由1年以内至8年不等，平均年龄为3.4年；个体独资占36%，合伙企业占26%，公司制企业占48%，符合研究设计要求和当地新企业的实际情况。

（二）变量测量

（1）投资回报的测量。投资回报的测量工具来自Murphy，Trailer和Hill［9］以及Man［10］的测量量表，并在措辞方面根据汉语本土习惯和会计称谓进行了调整。投资回报共有4个测量条目，包括了股东投资回报率，新项目投资汇报率，毛利润率利、净利润率。量表采取与竞争对手的相对表现的方式进行评价，两个采用5级语意差别量表设计，即评价刻度从“明显较低”，“稍低”，“差不多”“稍高”到“明显较高”。

（2）创业网络关系的测量。创业网络的测量工具主要借鉴了Premaratne［3］的测量量表。为了确保测量条目能够准确的描述我国新企业创业网络的联系强度，研究者在以往量表基于密切程度测量的基础上，增加了对网络信任程度的测量（数据分析表明该量表具有较高的信度）。具体而言，企业间网络共有6个测量条目，分别测量企业与客户、供应商和其他商业伙伴的联系强度和信任程度。支持性网络共有6个条目，分别测量企业与技术和知识机构（如大学、研究所等），公共服务部门（如政府、媒体和行业协会）以及融资机构（如风险投资家、天使投资人和银行）之间的联系强度和信任程度。为了让访问者对企业与网络的关系强度表明更为明确的立场，我们回避了中间选项，各个条目的采用6级Likert强迫量表，即评价刻度从“1＝非常不符合”，“2=符合”、“3=基本符合”，“4=基本不符合”，“5=符合”，到“6＝非常符合”。

（3）信息获取的测量。信息获取的测量量表借鉴了林嵩（2007）［11]的测量量表。由于原量表的测量条目只有一条，一定程度上影响了测量效度，因此研究者在访谈研究的基础上，增加了二个测量信息获取的条目。修正后的测量条目分别从多个侧面测量了企业在商业信息、政策信息和新产品信息、新工艺、新技术信息方面获取的可能性。同样采用6级Likert强迫量表，即评价刻度从“1＝非常不符合”到“6＝非常符合”。

三、数据分析与讨论

本研究运用SPSS15.0和Amos7.0软件进行数据分析和假设检验。同时，为了确保假设验证的有效性，本研究按照Anderson和Gerbing［12]所建议在应用SEM检验理论模型之前，先行估计模型的信度和效度。

（一）测度属性评价

首先，我们按照Gefen，Straub和Boudreau［13]的建议检验每个构念信度，以确保所有测量条目的内部一致性。分析结果表明，测度模型的综合信度得到了较好的满足，如表1所示所有潜变量的综合信度系数值最小值为0.755，高于Nunnally［14]所建议的0.7的临界值，表明测度模型具有较好的内部一致性。从而表明具有较好的内部一致性。其次，各项目的测度指标的标准化因子负荷最低为0.7，高于最低临界水平0.60，而且都具有较强的统计显著性（P＜0.05），充分显示了强的内敛效度。

表1 构念的因子负荷与综合信度

同时，除了上述所说的内敛效度以外，各个潜变量还应该表现出较高的判别效度。本项研究中每个潜变量的平均提炼变异方差 （AVE，Average Variance extracted） 都大于0.50，从而满足了对AVE的要求（见表2，AVE在对角线上的括弧中）。根据Fornell&Larcker［15]的研究结论，为了确保各个概念之间存在着内涵和实证方面的差异，模型中每个概念的AVE的平方根应该大于该概念与其它概念的相关系数，表2中数据表明这个条件也能够较好地满足，充分体现了各个概念之间存在着较高的判别效度。

表2 Pearson相关系数矩阵与AVE

（二）命题验证

在对模型的信度和效度进行检验之后，我们运用Amos7.0结构方程软件对模型中的概念关系进行检测和验证。并根据模型的拟合程度对初始模型进行适当的修正，以此获得对数据的最佳解释。

我们根据假设，对初始概念模型所设定的路径进行分析。在结构模型中，各项拟合指标均达到可接受水平（见表3），表明整体模型的拟合程度较高，其中χ2/df=1.6，GFI＝0.917，CFI=0.923和RMSEA＝0.065。

表3 模型拟合指标

从模型路径系数和假设检验情况来看，在该模型中，支持性网络与信息获取的路径系数为0.17，P达到显著水平，假设H2a获得支持，表明支持性网络对信息获取有直接的正向影响；企业间网络与信息获取的路径系数为0.26，P也达到显著水平，假设H2b获得了支持，表明企业间网络对信息获取具有直接的正向影响；信息获取与投资回报的路径系数为0.35，P值达到了极其显著水平，假设H3获得了支持，表明信息获取有助于提高新企业的投资回报；支持性网络与投资回报的路径系数为0.30，P值也为极其显著水平，假设H1a获得支持，表明支持性网络对投资回报有直接的正向影响；企业间网络与投资回报的路径系数为-0.04，P=0.79＞0.05，没有达到显著水平，因此假设H1b没有获得了支持，表明企业间网络对投资回报不存在直接影响，而是通过信息获取间接的对投资回报产生影响（表4）。

表4 路径系数与假设关系

评价一个模型的好坏，关键是否兼具科学和简洁性。在初始模型分析的基础上，我们提出了修正后的模型，同时，从各项指标来看，修正后的模型更为简洁且拟合良好（见表3）。根据Baron和Kenny（1986）对中介效应的解释，如果中介变量将自变量和因变量的直接影响将为0，则为完全中介作用。由表4可以看出，信息获取在企业间网络和投资回报的关系中扮演了完全中介的角色，而在支持性网络与投资回报的关系中扮演了部分中介的角色。因此，在初始模型分析的基础上，我们提出了修正后的模型，即在概念模型的基础上删除企业间网络——＞投资回报的直接影响路径（图2）。

图2 修正后模型与路径关系

四、研究结论与启示

本研究采用整群抽样方式收集高技术新企业样本数据，利用结构方程模型对支持性网络、企业间网络、信息获取以及投资回报之间的相互关系进行了实证研究。研究结果表明：

首先，从信息获取的中介机制来看，支持性网络和企业间网络对企业的信息获取具有明显的正向影响，而信息获取对投资回报也具有显著的正向影响。这说明高技术新企业的创业网络构建与维系有助于企业增强对政策、市场、技术、产品以及消费者等信息的获取能力，同时企业通过所获取的信息有效的提高了投资回报。同时，从支持性网络和企业间网络两者对新企业信息获取的影响路径系数来看，企业间网络对信息获取所产生的作用要远大于支持性网络，这说明企业与企业间的网络联系成为许多高技术新企业在前期的创业过程中最重要的信息获取来源。而支持性网络处于劣势也从另一个侧面反应了我国高技术新企业从政府、科研机构以及其他公共服务部门的支持网络获取信息的难度。这一结论一方面印证了Premaratne［3］Hite和Hesterly［16]等西方学者对创业网络获取外部资源的观点，另一方面更为深入的从支持性网络和企业间网络两个方面，阐释了不同类型的创业网络对新企业获取信息的存在明显差异性。

其次，从创业网络的直接效应来看，支持性网络与投资回报有明显的正向影响，而企业间网络对投资回报则没有表现出显著的直接影响。这说明信息获取企业间网络两者与投资回报的关系中扮演了完全中介的角色。一方面，按照传统的竞争战略理论，各类企业（如客户、供应商、潜在竞争者、替代品竞争者及现有竞争者）不同程度上的存在竞争关系［33］.一定程度上对低交易成本起了干扰作用，因此多数企业间网络往往不会直接促进企业提升投资回报，但是，由于企业间的网络联结与互动，使得信息获取在企业之间的网络关系中扮演了不可或缺角色，并成为提升新企业投资回报的一个重要途径。另一方面，研究表明不同类型的创业网络对投资绩效的影响路径和机理存在明显的差异性，表明在我国转型期经济背景下，高技术新企业与支持性网络（如政府和其他公共机构等）保持良好的网络关系不仅可以有效的获取信息，而且可以获得直接提升投资回报的其他竞争优势。

通过上述分析我们很容易发现，在高技术新企业的成长过程中，由于高技术新企业自身的资源非常有限，创业者首先应当避免自己成为“孤岛”。在我国转型期背景下，关系网络是社会资源配置重要方式之一，支持性网络和企业间网络是新企业获取各种资源的重要途径，创业者一方面应该不断扩大企业的支持性创业网络，包括政府部门、融资机构、科研院所以及高校等，充分发挥这些网络对新企业获取信息的作用，及时掌握政策变动，科技前沿以及融资环境等，把握投资方向，提高企业对不确定性环境的适应能力；另一方面也要重视支持性网络提供的其他竞争优势，例如在国内常见获得直接投资、客户引荐以及排他性订单等机会。此外，要企业间网络对信息的获取，积极的从客户、供应商甚至竞争对手的交往中获取有价值的产品、技术、市场和消费者等信息，进而发现商业机会，开发客户源，规避投资风险，提升企业的投资回报。

本研究中，我们提出了以信息获取作为中介变量的创业网络与投资绩效模型，并且在科技科技型中小样本的实证研究中表现出较好的预测效果，但也存在一定的局限性，主要表现在本研究目的在于探究以往研究所较少关注的创业网络对信息获取及投资回报影响问题，因而没有对影响投资回报的其他因素如投资策略选择，投资项目管理等方面展开研究。在未来的研究中，我们将与本研究结合起来，就创业网络与其他方面及投资回报的关系展开进一步的分析。

［1］ Moran P，Structural V S.relational embeddedness：Social capital and managerial performance［J］.Strategic Management Journal，2005，26（6），1129-1151.

［2］ Butler J，Hansen G.Network evolution，entrepreneurial success，and regional development［J］.Entrepreneurship and Regional Development，1991，3：1-16.

［3］ Premaratne S P.Networks，resources，and small business growth：The experience in Sri Lanka［J］.Journal of Small Business Management.Milwaukee，2001，39（4）：363-371.

［4］ Zhao I，Aram J D.Networking and Growth of Young Technology-Intensive Ventures in China［J］.Journal of Business Venturing，1995，10：349-370.

［5］ Zahra S A，Ireland R D，Hitt M A.International expansion by new venture firms：International diversity，mode of market entry，technological learning，and performance［J］.Academy of Management Journal，2000，43：925-950.

［6］ Larson A A，Starr J A A.Network Model of Organization Formation［J］.Entrepreneurship Theory and Practice，Winter，1993：5-15.

［7］ Cromie S，Birley S I.Callaghan.Community Brokers：Their Role in the Formation and Development of Business Ventures in SMEs：Internationalization［J］.Networks and Strategy，1994，10：28.

［8］ 马鸿佳，董保宝，葛宝山.高科技企业网络能力、信息获取与企业绩效关系实证研究［J］.科学学研究，2010，（1）：127-132.

［9］ Murphy G B，Trailer J W，Hill R C.Measuring performance in entrepreneurship［J］.Journal of Business Research，1996，36（1）：15-23.

［10］ T W Y Man，Theresa Lau，K F Chan.The competitiveness of small and medium enterprises A conceptualization with focus on entrepreneurial competencies［J］.Journal of Business Venturing，2002，17：123-142.

［11］ 林嵩.创业战略：概念、模式与绩效提升［M］.北京：中国财政经济出版社，2007.

［12］ Anderson J C，Gerbing D W.Structural equation modeling in practice：a review and recommended two-step approach［J］.Psychological Bulletin，1988，103（3）：411-23.

［13］ Gefen D，Straub D W，Boudreau M C.Structural equation modeling and regression：guidelines for research practice［J］.Communication of the Association for Information Systems，2000，4（7）：1-77.

［14］ Nunnally J C.Psychometric Theory［M］.McGraw-Hill，New York，1978.

［15］ Fornell C，Larcker D.Evaluating structural models with unobserved variables and measurement error［J］.Journal of Marketing Research，1981，18（2）：35-90.

［16］ Hite J，Hesterly W.The evolution of firm networks：From emergence to early growth of the firm［J］.Strategic Management，2001，（1）：275-286.