网络嵌入性与风险投资联盟的构建

伍 晶，张 建，聂富强

(西南财经大学a.经济信息工程学院;b.金融智能与金融工程重点实验室，成都611130)

0 引 言

风险投资是促进资本与技术结合的加速器，是创新型经济的关键支柱之一［1］。然而，投融资双方的信息不对称使风险投资难以充分发挥加速器的功能［2］。风险投资公司(风投)受到信息边界的约束，因而与投资对象之间存在信息缺口。为解决这个问题，风投可通过构建风险投资联盟，以增强投资信息优势，进而减小逆向选择问题给投资项目带来的冲击［3］，并给予投资对象针对性的资源支持，实现对投资环境的监控［4］。迄今构建风险投资联盟已成为风投增强投资信息优势的重要方式［2］。

为分析风投的信息优势对其联盟构建的影响，笔者基于投资价值链的概念分析联盟构建的过程。通过价值链分析探索企业信息优势的研究已臻成熟，根据价值链分析的工序概念［5］，风投的投资价值链可划分为4个环节:1)进入－对投资对象的识别;2)孵化－对投资对象提供建设性的发展建议;3)监控－对投资对象有效的监控;4)退出－成功退出投资对象。价值链各环节竞争力的形成需要不同的信息要素［5］，风投的信息优势奠定了投资价值链竞争力的基础。为弥补投资价值链信息需求要素的不足，风投可通过风险投资联盟的构建形成信息共享的联合投资网络［6］，以破解投资信息壁垒，进而增强其投资价值链优势。因此，风险投资联盟的构建就是风投基于对方信息优势而互相选择，以填补投资价值链信息缺口的过程。可见，系统地测度风投信息优势是分析风险投资联盟构建的关键。近年来，基于社会网络理论的网络嵌入性分析框架被广泛地应用于研究企业创新、公司治理等领域内网络成员的信息优势及其相应影响，已成为研究信息问题的重要工具［7－10］。结合投资价值链的分析，通过整合网络嵌入性的不同分析视角，可以系统测度风投信息优势，并量化分析其对联盟构建的影响。然而，现有研究鲜有这方面的分析。

不同于主要从结构嵌入性观点展开分析的现有研究［6，9］，笔者将网络嵌入性理论的两种观点整合到同一研究框架，以系统分析风投网络嵌入性及其对联盟构建的影响。基于我国2000～2013年的联合风险投资数据，通过模型的建立与检验，发现我国经济转型背景下网络嵌入性影响联盟构建的表现，从而为相关管理主体提供管理参考。

1 风险投资联盟构建的研究假设

联盟构建的现有研究聚焦于以下内容:1)从联盟构建动机的层面看，缓解投融资双方信息不对称问题的冲击被视作风投构建联盟的重要原因［2］;2)从联盟构建结果的层面看，风投可依靠联盟的构建优化投资项目集合，提高投资效率［6］;3)从联盟构建过程的层面看，成员选择问题倍受关注［11］。为了分析这个问题，联盟成员被分为领导者与跟从者两种角色，其中，领导者指联盟中投资比例最大的一家，主导联盟的建立。王雪原等［11］为领导者选择跟从者设计了一套选择指标，尤其关注了基于社会网络获取信息优势的重要作用。

信息问题贯穿于联盟构建各层面的研究，而只有深入理解成员选择问题，才能优化风险投资联盟的信息结构。因此，成员选择问题是联盟构建的核心问题。由于每次联盟构建的时间不同，风投发生联合投资的数量影响了风投的网络特征。这使风投的信息优势随着网络位置的变化而改变。因此，每轮联合投资可视作独立的联盟构建行为。成员选择问题可从两方面分析:1)领导者的信息优势会影响成员的选择;2)跟从者的信息优势也会对该领导者主导的联盟构建产生影响。但现有研究鲜有从这两方面系统地分析联盟构建问题。

在风险投资市场中，联盟构建问题可由跟从者被领导者选为联盟成员的可能性反映。从领导者角度看，领导者往往需要承担诸如识别、谈判、以及联盟控制等一系列构建联盟的成本［12］。为降低成本，领导者可通过获取较好的信息优势，以降低对跟从者的信息依赖。这表现为:跟从者成为该领导者联盟成员的可能性的降低。从跟从者角度看，只有信息结构互补性强的联盟才能更好的弥补跟从者在投资价值链上的劣势。因此，“选对”联盟是其构建联盟的关键。这需要跟从者增强投资信息优势，但这种优势的增强可对其“入盟”(加入给定领导者主导的联盟)的选择产生两面影响。一方面，跟从者利于优化联盟信息结构，因而增加了入盟的可能性;另一方面，跟从者可在一定程度上摆脱“本地偏好”及特定行业偏好的束缚，从而利于获取更多潜在的且符合自己投资偏好的“联盟”筛选机会，这表现为:跟从者入盟意愿的降低。可见，跟从者信息优势的增强对自身加入给定联盟的影响最终取决于这两方面的叠加效应。这也是跟从者投资价值链竞争力的提高在联盟构建层上的反映。

因此，结合投资价值链的分析，通过整合网络嵌入性的不同分析视角，笔者将系统测度风投信息优势，从而对跟从者被领导者选为联盟成员的可能性展开分析，以探索风投信息优势对其联盟构建的影响。

1.1 结构嵌入性

网络成员位置的改变通常相对缓慢，结构嵌入性因而被视为对网络嵌入性的静态分析［13］。因此，网络位置就成为量化分析结构嵌入性的关键，而现有研究大多从中心度和结构洞两个维度探索网络位置对信息优势的影响［6］。在风投投资中，占据较好网络位置的风投可满足投资价值链各环节的信息需求，进而提高整个投资价值链的效率。

中心度是对网络成员权力大小的定量分析，可刻画成员充当网络信息枢纽的程度［14］，反映了成员的影响力。风投中心度越高，表明其通过掌控的信息资源的行业影响力越强，其他成员对该成员的依赖性越大。这使中心度高的风投在识别投资对象、孵化投资对象、监控投资对象、退出投资对象方面具有较好优势。因此，中心度越高，投资优势越大，领导者/跟从者都可通过增强投资信息优势提高投资价值链竞争力。从跟从者角度看，跟从者通过与领导者在价值链的核心环节上深层次的契合，达到“双赢”的协同效应，利于形成互惠共生的联盟机制。因此，跟从者可依靠较好的中心度位置获得依靠联盟领导者优化投资项目的机会。从领导者角度看，领导者虽然可依靠较好的中心度位置提高投资价值链的竞争优势，降低对跟从者的信息依赖，遵循了中心度的一般规律，却也产生了新兴市场下的独特特点。在我国经济转型期的风险投资市场上，领导者掌控的信息资源及其影响力局限于少数的行业内。以对市场影响较大的北极光为例，其主要在互联网、IT、电信及其增值业务3个行业内建立合作关系。由于科技创新的复杂性以及金融资源的有限性，风投的资源往往具有专用性，即领导者普遍活跃在较窄的行业内。领导者依靠中心度位置控制的信息资源具有很强的同质性，因而难以满足在开拓新投资市场时的信息需求，不利于增强与跟从者互补型信息的替代作用，从而对跟从者“入盟”的影响较小。

由以上分析，提出如下假设。

假设1 领导者的中心度与跟从者“入盟”的可能性无关。

假设2 跟从者的中心度与其“入盟”的可能性呈正相关。

结构洞可测度风投获取信息的“机密性”及全面性程度，并反映风投垄断稀缺投资机会的能力。因此，结构洞越多的风投，越易于将投资对象放在更宽广的视野以及更动态变化的格局下，更全面地审视投资对象的机遇与风险。该风投不仅可完善其投资价值链，减少对其他风投的信息依赖，还可剔除冗余的合作伙伴，把有限的管理精力投入到维系信息互补型较强的联系上［15］。可见，结构洞与中心度从不同层面衡量了风投信息优势。在相关研究中，大多侧重中心度的作用［6，9］，而没有将结构洞纳入到分析框架中。因此，笔者整合这两个维度测度风投的结构嵌入性，以系统分析风投的信息优势。领导者依靠异质性信息搜索能力的增强，抬高了跟从者“入盟”的门槛;跟从者虽然可依靠较好的异质性信息优势，增加了“入盟”的机会，遵循了结构洞的一般规律，但也产生了新兴市场下的独特特点。随着新兴产业的崛起，跟从者可通过增强异质性信息搜索能力，以强化垄断稀缺投资机会的能力，进而减小了“入盟”的内在驱动。这使领导者身陷严重的逆向选择境地，因而有碍于领导者提高联盟成员的信息互补程度。

由以上分析，提出如下假设。

假设3 领导者的结构洞与跟从者“入盟”的可能性呈负相关。

假设4 跟从者的结构洞与其“入盟”的可能性呈负相关。

1.2 关系嵌入性

关系嵌入性因变化相对频繁而被视作网络嵌入性的动态分析［13］。关系嵌入性关注成员基于互惠预期而建立的信息共享关系，可反映成员对投资信息的理解能力［16］。通常，知识有显性和隐性之别。市场交易易于将显性知识广泛地传递，风投因基于较好的网络位置而低成本、高效地获取此类信息;而隐性知识由于具有粘滞性、默会性和难以模仿性，使网络成员难以对其识别、复制与融合。因此，隐性知识构成了市场成员竞争优势的信息壁垒。信息共享程度的提高可生成信任感并加强协作关系，利于共享惯例的形成，促进隐性知识的转移，进而实现共同解决问题的目的［17］。

在风险投资中，风投与投资对象之间信息共享程度的提高利于建立有效的共享惯例，获取诸如关键技术的隐性知识，加速影响到投资机会的粘滞性知识的跨边界转移，及时优化自身知识结构。这利于风投与投资对象更好理解彼此的资源禀赋与投资特点，进而利于双方找到降低信息不对称的契合点，共同解决在决断发展计划以及相应监控中由于投资信息不对称而产生的摩擦。因此，信息共享关系就成为研究关系嵌入性的关键。现有研究广泛使用企业间以往的合作关系，测度关系嵌入性［18］。这也为笔者的分析提供了依据。

可用领导者/跟从者与投资对象之间曾经合作次数分别测度领导者/跟从者的关系嵌入性。领导者/跟从者与投资对象曾经的合作次数利于更新风投的知识结构，提高风投投资信息的对称性。这有助于增强风投给予企业家针对性的建议，并更好地掌控投资项目的进展，抑制企业家的短视行为，进而起到维系合作、实现共赢的发展战略并为风投成功的退出夯实基础。因此，领导者可降低对跟从者的信息依赖，但此时领导者可能会增加依靠跟从者分担财务风险的需求，因而会提高对跟从者“入盟”的需求。因为风险投资的高风险性，尤其是自2008金融危机以后，全球资本市场大幅震荡，必然会冲击我国的风险投资市场，领导者在与企业合作过程中，可能会受到比预期风险更大的冲击。因此，相比于领导者投资信息增强的相应影响，领导者为减小财务风险而提升跟从者“入盟”的作用可能会更大。与此同时，跟从者可通过增强获取企业隐性知识的能力，以填补领导者识别企业行为的信息缺口，从而提高其“入盟”机会。

由以上分析，提出如下假设。

假设5 领导者和投资对象之间的信息共享关系与跟从者“入盟”的可能性正相关。

假设6 跟从者和投资对象之间的信息共享关系与跟从者“入盟”的可能性正相关。

将关系嵌入性对结构嵌入性的调节作用纳入到分析框架将是网络嵌入性研究的未来趋势［19］。信息共享关系利于增强对新信息的理解能力，促进成员基于网络位置的信息搜索优势获取更多有效的信息，提升组织间知识流动的强度和效果，从而对网络位置的相应影响产生重要的调节作用［16］。在我国经济转型期的风险投资市场上，相应的调节作用有如下的表现。领导者基于中心度获取的信息对跟从者互补性信息的替代性作用较小。因此，领导者虽然提高了信息理解能力，但也难以增强其相应的替代作用，对跟从者“入盟”的影响较小。但领导者可依靠信息理解能力的增强，强化依靠结构洞优势垄断投资机会的能力，从而进一步抬高跟从者“入盟”的门槛;跟从者虽然基于信息识别能力的增强进一步赢得了领导者的青睐，但其对行业信息理解的深入强化了其主导投资项目发展的动机，极可能会降低其加入给定联盟的意愿;同时，跟从者通过信息识别能力的增强，深化对企业价值的理解，因而会对企业追加投资，以分享领导者控制的投资机会。

由以上分析，提出如下假设。

假设7a 领导者和投资对象之间合作次数的增加对领导者中心度与跟从者“入盟”可能性之间的关系影响不显著，即领导者信息理解能力的提高，不会使领导者基于中心度的信息优势显著地减小跟从者“入盟”的可能性。

假设7b 领导者和投资对象之间合作次数的增加正向调节领导者结构洞与跟从者“入盟”可能性之间的负相关关系，即领导者信息理解能力的提高，会使领导者基于结构洞的信息优势进一步减小跟从者“入盟”的可能性。

假设7c 跟从者和投资对象之间合作次数的增加负向调节其中心度与其“入盟”可能性之间的正相关关系，即跟从者信息理解能力的提高会使基于中心度的信息优势对“入盟”的负向作用变大。

假设7d 跟从者和投资对象之间合作次数的增加负向调节其结构洞与其“入盟”的可能性之间的负相关关系，即跟从者信息理解能力的提高会使基于结构洞的信息优势对“入盟”的正向作用变大。

2 风险投资联盟构建的研究设计

2.1 结构嵌入性与关系嵌入性衡量

依据Freeman的方法［20］，笔者选取程度中心度作为测度网络中心度的指标。在风投网络中，程度中心度衡量与一家风投直接连接的其他风投数量之和，刻画了风投的活跃程度。程度中心度越高，风投越活跃，投资项目也越多，触及信息的总量越大。因此，程度中心度可有效地测度风投信息量的优势以及相应的影响力。同时，“约束”指数可有效地测量网络成员结构洞的匮乏程度［21］。现有研究广泛的使用1与“约束”指数的差衡量结构洞丰富程度［22］。笔者也以此差测度风投的结构洞，差越大，则风投的结构洞越多，控制的异质性信息优势越大。此外，以领导者/跟从者与投资对象之间曾经合作次数(累计参与该投资对象的融资轮次)分别测度领导者/跟从者的关系嵌入性。

图1与图2展示了5年间窗下我国风投网络位置(中心度/结构洞)的分布与变化特征。首先，构建联合投资网络，并利用UCINET6.214软件计算风投的网络位置相应指标;然后，选取2009年与2013年的前50家公司(以中心度为排序标准)为分析对象，考察中心度与结构洞的分布与变化。由图1与图2可知，在我国风险投资市场发展的初级阶段，风投之间的“信息禀赋”具有明显的差距，因而对联盟的依靠可能会有不同的需求。

图1 5年时间窗下2009年与2013年的前50家风投的中心度分布Fig.1 The distribution of top50 VCs'centrality for 5－year window in 2009 and 2013

图2 5年时间窗下2009年与2013年的前50家风投的结构洞分布Fig.2 The distribution of top50 VCs'structural holes for 5－year window in 2009 and 2013

2.2 控制变量

现有研究中联合投资规模是重要的关注因素［6，9］。通常，联盟需要的成员越多，跟从者加入联盟机会越大，因而有必要控制其影响;领导者/跟从者投资经验越丰富，私人信息的优势越大。尽管已有研究中累计投资金额、累计投资轮次、投资年龄和累计投资企业数等被用于测度风投投资经验［6］，笔者认为风投的累计退出次数可更有效地衡量其投资经验。因为只有当风投完成了从进入到退出的整个流程，才可对投资活动有整体的认识与掌控。这是其他变量难以测度的。因此，笔者将选取累计退出次数控制投资经验的相应影响;投资轮次也是相关研究中重要的控制变量［6］，因为投资轮次往往对应着投资对象的不同发展阶段，反映了风投面临的投资信息缺口的程度。投资轮次越靠后，企业发展的越成熟，领导者对跟从者信息的依赖就越小。为此，笔者将以首轮融资为研究对象分析投资轮次的影响。

2.3 Probit模型及其变量定义

Sufi［23］基于Probit模型分析了跟从者填补领导者信息缺口的能力对被领导者选为联盟成员的影响。钱锡红等［22］通过吸收能力对网络位置调节作用的分析，较系统地测度了企业的信息优势。笔者在模型构建上整合了文献［22］与文献［23］的研究思路，在网络嵌入性的视角下设计分析了风险投资联盟构建(跟从者被领导者选为联盟成员的可能性)的Probit模型，包括4个主要模型，其模型中的变量具体定义如表1所示。其中模型1中的自变量包括控制变量与虚拟变量(投资时间、行业);模型2在模型1基础上增加了自变量Dl、Hl、Df、Hf，以系统地测度结构嵌入性的影响;模型3在模型2基础上增加了自变量Sl、Sf，以系统地测度关系嵌入性的影响;模型4则在模型3基础上增加了自变量 Lds、Lhs、Fds、Fhs，以进一步分析联盟成员关系嵌入性通过对结构嵌入性的调节作用而产生的相应影响。

表1 变量定义Tab.1 The definitions of the variables

2.4 样本与数据

清科研究中心专注于打造为VC/PE投资机构、政府机构以及投资银行提供专业数据服务的数据库，并成长为中国私募股权投资领域专业权威的研究机构之一。笔者选取2000～2013年清科数据库上所有风险投资数据为初始研究样本，涉及2 365家风投、7 559家投资对象，22类投资行业。在剔除投资对象缺失、合作伙伴数据缺失、投资金额数据缺失样本后，得到测度样本，包括938轮联合投资，涉及830家投资对象，409家风投。统计发现，在统计样本中409家风投支持的企业数量占到风险资本退出时涉及企业总数的78%，同时涵盖了各年占据网络位置核心位置的Top50家风投的82%。

3 假设检验与分析

3.1 描述性统计与相关系数

描述性统计分析表明，每轮联合投资的领导者结构嵌入性信息优势低于跟从者。这反映了由于转型期市场的快速崛起，领导者需要依赖联盟提高投资信息的对称性。为检验解释变量之间的共线性问题，笔者分析了Pearson相关系数。目前学界普遍认为相关水平的临界值在0.75以上才可以认为共线性情况很严重，而本文中各变量间相关水平均在此临界值之下，表明变量之间不存在严重的共线性问题。

3.2 模型分析

Probit回归模型的分析结果如表2所示。先剖析网络嵌入性对联盟构建的影响，然后再分析控制变量与固定效应的相应影响。

表2 回归分析与稳健性分析Tab.2 The result of regression analysis and robustness test

3.2.1 结构嵌入性

基于模型2，对联盟成员结构嵌入性的影响分析如下。从领导者角度看，假设1通过了检验(β=0.001)。这表明随着经济转型，领导者在拓展投资领域时，基于现有的行业信息优势，对跟从者的互补型信息的替代性作用较小。这是风投资源禀赋的有限性与经济转型，新兴行业的高风险的综合结果。同时，研究假设3得到了支持(β=－0.321，显著性p＜0.01)。这一定程度表明，领导者依靠异质性信息搜索能力增强了垄断投资的能力，对跟从者“入盟”设置了较高的壁垒。

从跟从者的角度看，假设2得到实证支持(β=0.014，p＜0.01)。这表明跟从者可依靠其积累的行业资源博得领导者的青睐，拓展投资机会。同时，假设4通过了检验(β=－7.656，p＜0.01)。这表明跟从者可依靠异质性信息搜索能力的增强强化垄断投资的能力，减轻对领导者的依赖。

3.2.2 关系嵌入性

基于模型3，对联盟成员关系嵌入性的相应影响分析如下。假设5通过了检验(β=0.158，p＜0.01)。在一定程度上表明了风投构建联盟的动机不仅是为了破解投资信息的壁垒，也是为了分化财务风险。假设6通过检验(β=2.215，p＜0.01)。这表明跟从者通过与企业建立的信息共享关系利于弥补领导者对企业的认识不足。

3.2.3 调节作用

基于模型4可知，假设7a得到了支持(β=0.006，p＜0.05)。这表明现阶段领导者难以基于与企业的合作关系(信息理解能力)增强其依靠中心度位置抓取更多适用于开拓新投资领域的信息，减少对跟从者的信息依赖。同时，假设7b得到支持(β=－0.741，p＜0.05)。这表明领导者可通过信息理解能力的提高，增强依靠结构洞垄断稀缺投资的能力，进一步减轻对跟从者的依赖。假设7c没有通过检验(β=－0.020，p＜0.01)。这表明，跟从者对行业信息理解的深入强化了其行业影响力，增加了潜在联盟的选择机会，因而降低了其加入给定联盟的意愿。假设7d得到了支持(β=6.124，p＜0.01)。这表明跟从者与企业的合作关系可强化其较全面的信息渠道，深化对企业价值的理解，因而会入盟，以掘取企业潜在的发展价值。

3.2.4 控制变量与固定效应

综合模型1～模型4，有如下发现:联合投资规模与跟从者“入盟”无关，这表明跟从者提高利用联盟机会的关键在于增强自身的信息优势;领导者的融资比例越高，跟从者“入盟”机会越小。这表明领导者对投资对象的潜力越了解，越会抬高加入联盟的门槛;领导者的投资经验对跟从者“入盟”作用很小，其原因可能是我国风险投资公司起步较晚，领导者普遍投资经验不足，尤其是在2006年以来政府为鼓励民间资本进入科技风险投资领域，放低了民间资本进入风险投资市场的门槛后，风险投资发展迅猛;随着投资经验的丰富，跟从者减小了“入盟”的动机;相比于其他轮次，首轮投资时跟从者“入盟”机会更大，这也表明了企业发展初期投融资双方信息缺口较大。整体上看，投资时间与投资行业的固定效应比较明显。从投资时间的固定效应看，相比于2008年前，2008年以后尤其是2010与2011年，跟从者更易“入盟”。在一定程度上表明金融危机对我国风险投资市场产生了一定影响。从投资行业的固定效应看，物流、金融行业、清洁技术、建筑工程、能源矿产行业中，跟从者“入盟”机会较多。

3.2.5 稳健性分析

为了保障研究的有效性，笔者进行了稳健性检验。不同的时间窗下风投网络位置不同，以4年为时间窗计算风投的网络位置。如表2中模型5所示，其结论与5年时间窗基本一致。

4 结 语

基于我国联合风险投资数据，笔者系统分析了在我国经济转型背景下风险投资市场的起步阶段，网络嵌入性对风险投资联盟构建的作用表现。研究发现:1)联盟信息互补性弱。因为跟从型风投获取机密性信息能力越强，先人一步地垄断投资的动机越大，因而“入盟”的意愿越小，使领导型风投面临了逆向选择问题，从而降低了联盟成员之间的信息互补程度;2)开拓新投资领域时联盟构建成本较高。因为在风险投资市场的初始阶段，风投基本深耕于少数几个投资领域，即使其拥有较高的市场声誉，在开拓新领域的时也难以具备优势。尤其是在涉足新兴行业时，领导型风投对信息互补型成员的依赖依然较大，这增加了其识别、“招募”跟从型风投的成本;3)跟从型风投被领导型风投接纳“入盟”的机会，与其自身获取投资对象隐性信息的能力成正比，但与联合投资规模无关。这在一定程度上说明风投只有通过增强网络信息搜索能力才可更有效地增加其利用联盟拓展投资的能力。基于上述研究，对相关管理主体的建议如下:

1)为提高风险投资联盟信息结构的互补性，政府可将风投的网络信息优势的指标及其动态变化融入到科技金融信息服务平台服务中，以支持风投低成本地选择具有信息优势的合作伙伴，进而有助于形成高效运作的风险投资联盟;

2)为吸引具有较高信息优势的风投“入盟”，领导者应建立相应的激励机制。为增加利用联盟拓展投资领域的机会，跟从者则不仅应加强与投资对象的互动，获取深层次的隐性知识，还应在起步阶段深耕于新兴行业内投资领域，蓄积所长，以获取该行业内较全面的“知识地图”，从而为争取“入盟”、孵化自身的网络信息优势奠定基础。

笔者系统地探索了在我国风险投资市场初始发展阶段，风险投资公司网络嵌入性对其联盟构建的影响。后续的研究中，笔者将依据现有研究［24］，深入探索联合投资网络的稳定性对联盟构建乃至联盟投资绩效产生的作用，以延伸对风险投资联盟运作效率的认识边界。

［1］KORTUM S，LERNER J.Assessing the Contribution of Venture Capital to Innovation ［J］.RAND Journal of Economics，2000，31(4):674－692.

［2］BYGRAVE W D.Syndicated Investments by Venture Capital Firms:A Networking Perspective［J］.Journal of Business Venturing，1987，2(2):139－154.

［3］GOMPERS P A，KOVNER A，LERNER J.Specialization and Success:Evidence from Venture Capital［J］.Journal of Economics and Management Strategy，2009，18(3):817－844.

［4］PFEFFER J，SALANCIK G R.The External Control of Organization:A Resource Dependence Perspective［M］.Stanford:Stanford University Press，2003.

［5］PORTER M.Competitive Strategy［M］.New York:The Free Press，1980.

［6］HOCHBERG Y V，LJUNGQVIST A，LU Y.Whom You Know Matters:Venture Capital Networks and Investment Performance［J］.Journal of Finance，2007，62(1):251－301.

［7］王鹏，付延平，魏文，等.大额支付系统中系统性风险传染规律研究［J］.吉林大学学报:信息科学版，2014，32(5):556－562.WANG Peng，FU Yanping，WEI Wen，et al.Research of Systemic Risk Contagion in Payment System ［J］.Journal of Jilin University:Information Science Edition，2014，32(5):556－562.

［8］童牧，何翔慧.大额支付系统中的系统风险及其决定因素研究［J］.吉林大学学报:信息科学版，2012，30(3):297－305.TONG Mu，HE Xianghui.Systemic Risk and Its Determinant in Large Value Payment System［J］.Journal of Jilin University:Information Science Edition，2012，30(3):297－305.

［9］王曦，党兴华.本地偏好对退出绩效的影响研究－基于我国本土风险投资机构的经验检验［J］.科研管理，2014(2):111－118.WANG Xi，DANG Xinghua.Impact of Local Bias on Exit Performance－Based on Empirical Analysis of Chinese Venture Capital Firms［J］.Science Research Management，2014(2):111－118.

［10］许晖，许守任，王睿智.网络嵌入、组织学习与资源承诺的协同演进:基于3家外贸企业转型的案例研究［J］.管理世界，2013(10):142－155.XU Hui，XU Shouren，WANG Ruizhi.The Cooperative Evolution of the Network Embedding，the Organizational Learning and the Resources Commitment:A Case Study Based on the Transformation of Three Companies Engaged in Foreign Trade［J］.Management World，2013(10):142－155.

［11］王雪原，王宏起.基于资源观的R＆D联盟伙伴组合选择方法研究［J］.科研管理，2012，33(6):48－55.WANG Xueyuan，WANG Hongqi.The Method of R＆D Alliance Partner Combination Selection Based on Resources Viewpoint［J］.Science Research Management，2012，33(6):48－55.

［12］戴维.战略管理［M］.北京:经济科学出版社，1999.DAI Wei.Strategy Management［M］.Beijing:Economy Science Press，1999.

［13］GULATI R，NOHRIA N，ZAHEER A.Strategic Networks［J］.Strategic Management Journal，2000(21):203－215.

［14］GRANOVETTER M.The Strength of Weak Ties［J］.American Journal of Sociology，1973，78(6):1360－1380.

［15］SODA G，USAI A，ZAHEER A.Network Memory:The Influence of Past and Current Networks on Performance［J］.Academy of Management Journal，2004，47(6):893－906.

［16］GRANOVETTER M.Economic Institutions as Social Constructions:A Framework for Analysis［J］.Acta Sociologica，1992(35):3－11.

［17］UZZI B.Social Structure and Competition in Interfirm Networks:The Paradox of Embeddedness［J］.Administrative Science Quarterly，1997，42(1):35－67.

［18］郑登攀，党兴华.网络嵌入性对企业选择合作技术创新伙伴的影响［J］.科研管理，2012，33(1):154－159.ZHENG Dengpan，DANG Xinghua.The Impact of Network Embeddedness on the Partner Selection of Cooperative Technological Innovation ［J］.Science Research Management，2012，33(1):154－159.

［19］QIAN Gu，LU Xiaohui.Unraveling the Mechanisms of Reputation and Alliance Formation:A Study of Venture Capital Syndication in China［J］.Strategic Management Journal，2014，35(5):739－750.

［20］FREEMAN L C.Centrality in Social Networks:Conceptual Clarification ［J］.Social Networks，1979，1(3):215－239.

［21］BURT R S.Brokerage＆ Clusters［M］.New York:Oxford University Press，2005.

［22］钱锡红，杨永福，徐万里.企业网络位置、吸收能力与创新绩效——一个交互效应模型［J］.管理世界，2010(5):118－129.QIAN Xihong，YANG Yongfu，XU Wanli.Firm Network Position，Absorptive Capacity，and Innovative Performance ［J］.Management World，2010(5):118－129.

［23］SUFI A.Information Asymmetry and Financing Arrangements:Evidence from Syndicated Loans ［J］.Journal of Finance，2007，62(2):629－668.

［24］周晶，于东元，徐旭.具有时滞的小世界网络稳定性［J］.吉林大学学报:理学版，2015，53(1):5－8.ZHOU Jing，YU Dongyuan，XU Xu.Stability of a Small World Network with Time Delay［J］.Journal of Jilin University:Science Edition，2015，53(1):5－8.