中国风险投资地域集聚现象及其驱动因素分析——基于空间面板数据模型的实证研究

张玉华

(上海师范大学 商学院，上海 200234)

目前，有关风险投资地域集聚现象的研究多数从定性聚类和截面数据入手，几乎没有用到空间面板模型；相关研究缺乏对驱动因素的定量分析，无法衡量各种驱动因素的影响方向和程度；而且现有研究方法在分析的时候假设各个地区均为彼此独立的个体，忽略了地区风险投资的空间相互关系对其空间分布的影响，与现实情况是有差距的。鉴于此，本文在总结欧美风险投资发达国家经验的基础上，结合风险投资的性质以及当前中国风险投资发展的特殊性，从创新资源、中介服务、政府政策、人力资本、市场容量和交通运输等方面定量分析中国省域风险投资集聚的驱动因素，并且利用空间计量经济模型进行了实证研究，在此基础上提出促进中国风险投资发展的政策建议。

一、相关研究回顾

1970年特里布斯(Tribus)最早指出风险投资空间非均衡发展的现象，在此之后，众多学者[1～6]对美国、英国、加拿大、法国、德国等发达国家风险投资地域集聚现象进行了研究，阐述了风险投资集聚性发展的趋势及其存在的“空间邻近效应”。

现有研究主要从3个方面分析了风险投资的地域集聚现象及其驱动因素：地域环境、信息不对称以及供求关系。

首先，关于不同地域风险投资环境之间的差异对风险投资集聚的影响。许多学者[7～8]研究了美国风险投资发展的优势因素，美国成为全球风险投资中心主要得益于其先进的科技创新资源、包容开放的创业氛围、丰富的金融资源、金融创新手段等因素的驱动。中国学者崔毅等，分析了我国风险投资地域集聚现象明显的5个省市的风险投资地域集聚支持环境，得出了不同环境对风险投资驱动的影响。[9]张海燕等从投资环境、投资成效、物理距离和经济一体化4个方面分析了影响风险投资空间行为的原因。[10]

其次，也有研究[3][11]分析了风险投资集聚的信息不对称因素：在风险投资机构与创业企业之间由于存在信息不对称性，为了降低这种不确定性，风险投资机构会将投资集中在信息透明度高的地域。中国学者也做出了类似的分析，胡海峰发现为了降低交易成本，可以通过地域集聚的方式来有效分享信息，降低信息不对称性和不确定性带来的不利因素。[12]

最后，还有学者从供求关系方面分析风险投资地域集聚的驱动因素，他们的研究表明，风险投资会投资于金融创新资源集聚、创业氛围浓厚、评估及咨询等中介机构云集的地域。[13]张晓辉实证分析了中国风险投资的地域分布特征以及影响因素，回归结果表明，金融市场资源、人力资本丰富的地区具有明显的风险投资集聚现象。[14]

从当前研究的现状来说，目前还缺少风险投资驱动因素的定量分析，很难衡量各种驱动因素的相对重要性以及它们的影响方向和程度。而且，传统的计量模型也很难分析具有明显空间分布的风险投资行为。作为金融与人力资源有效结合的形式，风险投资是推动高科技产业化的重要力量，国家(地域)之间对于风险投资资源的竞争也日益激烈。在这种情况下，立足全球，将影响欧美发达国家风险投资地域集聚的驱动因素与中国的特殊性相结合，检验各因素对中国风险投资地域集聚的影响，对于促进中国风险投资发展，打造具有国际影响力的风险投资集聚区具有重要意义。

鉴于上述考虑，本文将空间因素纳入到分析框架中来，在分析欧美发达国家风险投资地域集聚现象的基础上，利用空间面板数据模型对风险投资集聚的相关驱动因素进行实证分析。

二、研究假设

中国的风险投资是在经济转型中发展起来的，因而在地域分布上更具特殊性，与欧美风险投资市场发达国家差别较大。[15]下文将在分析欧美国家风险投资地域集聚现象的基础上，结合中国风险投资的特殊性，提出风险投资地域集聚驱动因素的假设。

风险投资一般投向高新技术产业，一个具有较高创新能力的高新技术产业集聚区会吸纳更多的风险投资。中国北京、上海与广东三地的专利授权量和R&D费用比例近十年来一直保持在40%以上，而这三地也恰是中国风险投资集中度最高的三个地区。与此同时，技术创新也会逐步解放人们的思想观念，最终形成“敢于创新、勇于尝试、宽容失败”的良好社会氛围，从而为风险投资创造良好的“软环境”。因此，我们提出如下假设：

H1：地域创新资源优势对风险投资具有吸纳效应。

中国经济具有转轨特征，尽管社会主义市场经济体制已经建立和不断完善，但是政府在经济的运行过程中仍旧发挥着重要作用。中国风险投资同样是在政府的支持与引导下建立起来的。因此，我们提出如下假设：

H2：政府政策对风险投资的流向具有重要的驱动作用，地域良好的政策环境可以驱动创业资本的入驻。

作为联系投资机构和创业企业的桥梁和纽带，风险投资中介服务机构在投资的各个环节都发挥着重要的驱动作用，而且风险投资的退出也离不开中介机构的服务。[16]因此，我们提出如下假设：

H3：中介机构的数量和服务质量影响着风险投资的集聚程度，具有发达的金融中介服务的地域可以驱动风险投资的集聚。

人力资本是生产的“软生产要素”，纵观硅谷等世界知名的创业创新地域，风险投资会在人力资本密集的高等学校周围聚集。服务业的便捷、高效程度已经成为衡量地域投资环境以及发展潜力的重要指标。[17]因此，我们假设如下：

H4：具有丰富人力资本的地域更容易吸引风险投资。

风险投资主要是投向高科技产业，但是其“逐利性”决定了某些项目只要是具有高成长潜力，即便是一些传统产业，风险投资也会进行投资。而这些传统产业项目往往具有一定的地域性，如零售业等，对于这些项目就要考虑地域的市场规模。在当前中国地域市场化程度发展不平衡，地域行政、贸易壁垒普遍存在前提下，风险投资在进行项目筛选时，将会倾向于投资到市场容量大的地域。因此，我们假设如下：

H5：市场规模大、消费能力强的地域能够吸引到更多的风险投资。

基于风险投资的投资特征与降低成本的需要，风险投资机构会将自己的投资活动限制在一定范围之内，即投资活动具有“空间邻近效应”。大量证据表明，硅谷地区发达的航空运输条件对其风险投资和高科技集聚地的产生具有重要影响。因此，我们假设如下：

H6：地域交通发达程度会影响风险投资的区位选择，具备良好交通运输能力的地域会驱动风险投资的集聚。

三、变量及数据来源

1.变量选择

(1)因变量。我们借鉴产业经济学中衡量产业集聚度的指标“区位熵”的形式，构建了衡量地域风险投资集聚程度的指标。①公式如下：

(1)

式(1)中，LQit为衡量了该地区风险投资的集聚程度的地区i的风险投资集聚指数，若该值大于1表示集聚程度高于全国平均，小于1表示低于全国平均；Ii/In为i地区的风险投资额占当年全国风险投资额的比重，Si/Sn为i地区金融机构年末存款余额占全国金融机构年末存款余额的比重。

(2)解释变量。与上文提出的6个假设相对应，分别是：专利申请授权量、政府科技支出占财政支出的比重、第三产业产值占GDP的比重、每10万人口高等学校平均在校生数、人均消费支出量、机场旅客吞吐量。为降低模型的异方差及减少数据变幅，对数据进行对数化处理。因变量、自变量的数据定义如表1：

表1 模型变量说明

2.数据来源及描述

由于数据缺失，本文研究包括2005年至2012年除西藏、海南、香港、澳门、台湾外中国29个省级及以上行政区。风险投资数据来源于各年《中国风险投资年鉴》以及《中国风险投资年度统计报告》，部分缺失数据采用插值法进行补充；机场旅客吞吐量根据民航总局公布的《全国机场统计公报》分省加总所得，其余数据来源于《中国统计年鉴》、《中国金融统计年鉴》等。

数据的描述性统计分析如表2。

表2 变量的统计描述

此外，补充说明数据信息如下：

首先，风险投资地域集聚出现极端化现象，以2012年为例，北京的风险投资总额占全国总额的20%以上，另外上海和广东也都超过了10%，而最少的省份如贵州的观测值为0。②与中国当前经济发展水平的空间分布相一致，东部地区的份额都较高，而中西部地区的份额普遍较低。

第二，机场旅客吞吐量的对数数据显示中国省域之间交通发展程度存在较大差异，2012年广东省的机场旅客吞吐量为青海省的41倍，交通运输差距与风险投资的地域集聚程度差异相似，这给两者之间相关性的假设提供了支持。省域之间专利申请授权量差距较大，东部沿海地区的专利申请授权量远远高于中西部地区，专利申请授权量的这种分布与风险投资的分布有着一定的相似点。

四、空间计量模型设定及选择

1.空间统计分析

空间自相关有两种指标：全局指标主要是用于测算整个地域的空间自相关程度；局部指标主要是用于测算某个地域与邻近地域的空间相关性。本文采用Moran’sI指数对空间相关性进行测度，计算公式为：

(2)

(3)

(3)式中，分母为地域i和j之间人均GDP的差距的绝对值，对矩阵进行标准化变换，使各行元素之和为1。

Moran’sI指数取值在-1到1之间，若Moran’sI指数为正，表示各地区风险投资在空间上呈集聚态势；若Moran’sI指数为负，表示各地区风险投资在空间上呈分散态势；若Moran’sI指数接近0，则表示各地区风险投资随机分布，不存在空间自相关性。

本文局部指标用局部Moran指数测度，该指标定义如下：

(4)

2.模型设定及选择

包含空间变量的空间面板数据模型包括空间滞后面板模型和空间误差面板模型。空间滞后面板模型假定因变量存在空间上的依赖性：

(5)

ρ为空间自回归系数，wij是空间权重矩阵W中的元素。空间面板滞后模型描述的是空间相互作用或社会相互作用的均衡结果，即某个样本的因变量的观测值由相邻样本联合决定。

空间误差面板模型假设因变量依赖于观测个体自身特征，误差项存在空间上的相关性：

yit=xitβ+φit,

(6)

(7)

φit代表空间自相关误差项，ρ代表空间自相关系数。

本文构建的风险投资集聚影响因素模型如下所示，其中式(8)为空间面板滞后模型，式(9)为空间误差滞后模型：

(8)

LQit=β1LOGtechit+β2Govit+β3Serit+β4LOGeduit+β5LOGconsit+φit.

(9)

式中εit为独立同方差的随机扰动项，φit代表空间自相关误差项，ρ代表空间自相关系数。

面板数据模型的估计需要考虑固定效应和随机效应，根据拜耳他基(Baltagi)的研究，固定效应更加符合实际需要，因为个体效应不一定是服从某一分布的随机变量。[18]空间面板数据模型中存在空间效应与时间效应问题，因此在实际分析中就有三种模型：时间效应、空间效应、时空效应，需要根据模型的估计结果进行选择。

五、实证结果分析

1.空间统计结果

计算中国2005年至2012年29个省域的风险投资集聚指数，利用Moran’sI指数测算中国29个省市风险投资集聚的空间相关性。本文利用GEOda095i软件，运用经济权重矩阵，得出的Moran’sI如表3。

表3 Moran’s I指数

注：***表示显著水平为1%，**表示显著水平为5%，*表示显著水平为10%。

结果表明，中国风险投资地域分布存在显著的空间依赖性，具有地理上的集聚性。而且，随着时间的推移这种效应有逐步增强趋势。Moran’sI从整体上反映了中国各地区风险投资集聚的空间自相关性，局域Moran散点图则具体反映中国各地区风险投资的空间集聚情况，局域Moran散点图如图1。

图1 风险投资集聚的局域Moran散点图

由局域Moran指数散点图可以看出大部分地区都分布在高-高和低-低两种类型中，③这两种类型所占的比例约为80%，其中高-高地区大约占了20%，低-低地区约占60%。高高聚集的省份大多为东部地区，如表4中第一象限的省份，各省的风险投资集聚指数均较高，低低聚集的省份多为中西部地区，如表4中第三象限的省份，各省的风险投资集聚指数均较低。可以看出中国风险投资正表现出一种东中西部“两极分化”的现象，中国各省份间风险投资集聚程度存在明显的地域差距，中西部地区明显落后于东部地区。

表4 2012年风险投资集聚的局域Moran散点图对应的地区及相应风险投资集聚指数

注：括号内值为2012年风险投资集聚指数。

2.模型的估计、分析

模型的判别一般为：若LMlag(LMerror)较LMerror(LMlag)显著，则模型为空间滞后面板模型(空间误差面板模型)。还可以通过调整的对数似然估计值(log-likelihood)等进行模型的比较。相关检验结果如表5：

表5 LM及robust LM检验结果

从表5可得：由于LM-Lag和Robust-LM-Lag的检验值较LMerror和LMerror_robust值显著，所以选取空间面板滞后模型较为合适。④

表6 全国29省份模型估计结果

注：*表示10%水平下显著，**表示5%水平下显著，***表示1%水平下显著，下同。

分析实证分析结果，可以得出结论：

(1)除了时间固定效应空间面板误差模型外，空间自回归系数ρ的估计值均较为显著，而且其余几个模型中ρ通过了10%的显著性水平检验，验证了中国各省风险投资集聚存在空间相关性，即相邻省份之间的风险投资会产生空间溢出效应。

(2)就调整后的R2来说，在考虑了空间效应之后该值明显优于没有考虑空间效应的模型，说明纳入空间因素的模型能够更好地解释影响风险投资集聚的驱动因素。而且，比较空间滞后面板数据模型与空间误差面板数据模型，前者调整后的R2优于后者，符合表5中我们对空间相关性检验值进行的比较分析，说明空间滞后面板数据模型可能更加适用于模型分析。

(3)综合衡量调整后的R2以及对数似然估计值，空间固定效应模型的估计效果是最好的，面板数据中出现的非观测效应主要是个体间的固定效应。本文解释如下：首先，由于数据限制，本文研究所选取的面板数据的年份个数小于截面个数，即出现了“短面板”现象，进而产生了不同截面的个体效应要强于时间效应的结果；[19]其次，结合当前中国风险投资的现实情况，中国不同地域之间的风险投资水平差异十分巨大，这就造成了个体之间的差异效应大于时间上的变化带来的差异效应。

(4)分析表中各解释变量的系数及显著性水平，各省域每十万人口高等学校平均在校生数和专利申请授权量两个解释变量几乎在所有模型中都通过了1%的显著性检验，且符号为正，符合我们的假设，说明人力资本优势以及省域创新资源优势会对风险投资产生吸纳效应；此外，第三产业产值占GDP的比重、政府科技支出占财政支出的比重两个解释变量也通过了至少10%的显著性水平检验，且符号为正，说明发达的金融中介服务能够对省域风险投资集聚水平产生显著的正向驱动，良好的政府政策环境对与风险投资集聚也具有促进作用。除此之外，机场旅客吞吐量这一指标除了在空间滞后模型的固定效应中不显著外，其他模型中都在10%的水平下显著为正，和我们的预期相符，说明机场旅客吞吐量对我国省域风险投资集聚具有正向的驱动作用。

(5)各省份人均消费支出这一指标的显著性水平较低，其符号在不同的模型中是不相同的，而且系数的绝对值也比较小，可以认为该指标对风险投资集聚的影响方向和程度是不确定的。在此我们给出如下解释：中国风险投资地域选择在市场取向上不明确，这与现阶段中国风险投资流向的行业领域有关，以2013年为例，当年全年风险投资中互联网行业占比29%，电信及增值和IT行业也分别占比18%和15%，结合前面风险投资对创新资源的依赖这一因素，可以认为当前中国的风险投资倾向于高科技产业与传统产业，而这两大产业对市场不敏感，市场取向明显的现代服务业没有得到风险投资的青睐，与此同时，中国国内风险投资市场发展不成熟，可投资创业项目不足，也可能导致部分风险资本流向传统产业。

六、结论及政策建议

1.结论

本文在构造了衡量省域风险投资集聚指数的基础上，应用空间计量经济学的理论方法，研究了中国29个省域风险投资集聚的影响因素。结果发现，中国省域风险投资存在显著的空间相关性；除人均消费支出外，专利申请授权量、政府科技支出占政府支出的比重、第三产业产值占GDP的比重、每十万人口高等学校平均在校生数以及机场旅客吞吐量等变量对各省域风险投资的发展均有显著的驱动作用。

2.政策建议

(1)根据“硅谷”等世界知名风险投资集聚地域的经验，可以发现，创新资源对于风险投资具有极大的吸纳效应，要积极落实“科教兴国”战略，促进中国科学技术的发展，加强对高新技术产业化的扶持力度，推动高新技术产业的发展。[20]与此相关联的是，风险投资因为涉及全新的投资领域，对于从业人员的要求也比一般的投资要高，而且对人才也是高度依赖，投资项目的成功与否，很大程度上取决于决策者的分析和判断。因此，要促进人力资源的积累和发展，认识到人力资本积累的长期性，制定长期的人才战略，积极营造优良的发展环境，提高相关行业从业人员的福利待遇，加强对跨行业人才的培训力度；[21]要加强与国际投资机构的经验交流，充分利用国内、国外两种人才资源。

(2)政府政策对风险投资的流向具有重要的影响，加大政府对科技的支撑力度。根据《十八届三中全会公报》，经济体制改革是全面深化改革的重点，核心问题是处理好政府和市场的关系，使市场在资源配置中起决定性作用和更好地发挥政府作用。政府要致力于激励政策、法律制度和退出机制等发展环境的构建，放松对有着创新活力的微观经济主体的干预，努力营造有利于风险投资发展的政策制度环境。

(3)促进风险投资中介机构的发展，充分发挥风险投资中介服务机构联系投资机构和创业企业的桥梁和纽带作用。要逐步健全资本市场，完善相关的服务及配套设施。例如，促进建立适合中国经济发展阶段的具有较高资信度和业务水平的会计师事务所，建立具有权威性的信用评级机构，提高服务能力和水平。

(4)加强基础设施建设，尤其是要建设现代化的交通、通信设施，进一步优化投资环境，进而降低风险投资的交易成本。尤其是西部地区，要加快适度超前、功能配套、安全高效的现代化基础设施建设。

注释：

①由于中国各地区的经济规模差距较大，金融资源的分配不均，如果用风险投资的绝对量指标来衡量各地区的风险投资水平是不精确的。

②贵州的观测值为0并不意味着该地域的实际投资额为0，只是说明相关调查抽样缺少有效样本，但是观测值为0并非离群值，对实证研究的结果不会产生影响。

③“高-高”集聚地区为高风险投资省份的集聚地区，即位于散点图中右上角第一象限的地区；“低-低”集聚地区为低风险投资省份的集聚地区，即图中左下角的第三象限地区；其余地区不存在属性一致的情况。

④本文将空间面板误差模型的估计结果同样表示出来，以便对风险投资集聚的空间模式进行比较。

[1] Henry Chen，Paul Gompers，Anna Kovner. Buy local? The geography of venture capital[J].JournalofUrbanEconomics，2010, 67(1)：90-102.

[2] Thomas R Leinbach，Carl Amrhein. A GEOGRAPHY OF THE VENTURE CAPITAL INDUSTRY IN THE US[J].TheProfessionalGeographer，1987, 39(2)：146-158.

[3] Milford B Green，Rob B McNaughton. Changes in Inter-Corporate Ownership and Aggregate Industry Diversification in the Canadian Economy, 1976-1995[J].Availableatpubhsh. uwo. ca/-mbgreen/control. pdf (accessed on August 29, 2003)，2003.

[4] Ron Martin. The growth and geographical anatomy of venture capitalism in the United Kingdom[J].RegionalStudies，1989, 23(5)：389-403.

[5] Colin M Mason，Richard T. Harrison. The geography of venture capital investments in the UK[J].TransactionsoftheInstituteofBritishGeographers，2002, 27(4)：427-451.

[6] Walter W Powell，Kenneth W Koput，James I Bowie. The spatial clustering of science and capital: Accounting for biotech firm-venture capital relationships[J].RegionalStudies，2002, 36(3)：291-305.

[7] Bernard Guilhon，Sandra Montchaud. The dynamics of venture capital industry[J].InternationalJournalofTechnologyManagement，2006, 34(1)：146-160.

[8] Salim Chahine，Jonathan D Arthurs，Igor Filatotchev. The effects of venture capital syndicate diversity on earnings management and performance of IPOs in the US and UK: An institutional perspective[J].JournalofCorporateFinance，2012, 18(1)：179-192.

[9] 崔毅, 陈悦林, 张晨. 风险投资地域集聚支持环境综合评价及差异分析[J]. 科技管理研究，2011，31(2)：70-73.

[10] 张海燕, 袁新敏, 沈玉芳. 风险投资空间行为研究动态与展望[J]. 科技进步与对策，2012，29(11)：151-155.

[11] Michael Fritsch，Dirk Schilder. The regional supply of venture capital: Can syndication overcome bottlenecks?[J].EconomicGeography，2012, 88(1)：59-76.

[12] 胡海峰. 美国风险投资行业地域集聚特征与集聚效应[J]. 中国社会科学院研究生院学报，2008(5)：62-66.

[13] Yochanan Shachmurove. Geography and industry meets venture capital[J].DepartmentsofEconomicsTheCityCollegeoftheCityUniversityofNewYorkUniversityofPennsylvania，2007：1-34.

[14] 张晓晖, 尹海英. 中国风险投资的地域分布及其影响因素[J]. 社会科学战线，2012,(8)：63-69.

[15] 钱苹, 张帏. 我国风险投资的回报率及其影响因素[J]. 经济研究，2007，5(78)：90.

[16] 倪正东, 孙力强. 中国风险投资退出回报及其影响因素研究[J]. 中国软科学，2008,(4)：48-56.

[17] 陈建军, 陈国亮, 黄洁. 新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国 222 个城市的经验证据[J]. 管理世界，2009,(4)：83-95.

[18] Baltagi B H.EconometricAnalysisofPanelData[M]. John Wiley&Sons，2005.

[19] 魏浩, 王宸. 中国对外贸易空间集聚效应及其影响因素分析[J]. 数量经济技术经济研究，2011，28(11)：66-82.

[20] 戚湧,丁刚,魏继鑫．创业投资促进产业技术创新的实证研究[J]．中国科技论坛．2014,(1):16-21.

[21] 马克. 建立福祉经济学[J]. 上海师范大学学报(哲学社会科学版)，2013，42(1)：5-13.