风险投资声誉、联合投资与企业创新绩效——基于新三板企业的实证分析

刘 刚，梁 晗，殷建瓴

(中国人民大学 商学院，北京 100872)

一、引言

中国经济在“大众创新，万众创业”的政策驱动下拉开了创新发展的序幕，大量极具创新发展潜力的初创企业不断涌现，成为驱动经济创新发展的新引擎。风险投资(venture capital，以下简称VC)作为一种以初创企业为投资目标的资本形式，在帮助初创企业克服新生弱性和解决融资难等问题上颇有成效。在中国经济和企业发展的创新转型过程中，VC的力量不容小觑。据中国风险投资研究院最新统计，2016年首次公开发行股票的226家企业中有186家获得了VC支持，占比高达82.3%。

纵观VC的投资实践，一些VC通过联合投资(venture capital syndication)以降低投资风险和提升投资报酬，这一方式也因此成为VC行业的显著特征而备受研究关注[1]。然而，究竟是什么机制促使VC进行联合投资并对被投资企业产生影响，已有研究尚未达成共识。一些研究认为其主导机制是“第二意见”机制(second-opinion hypothesis)，联合投资能够提供评估企业的“第二意见”，通过提高选择效应有效降低投资风险[2]，反映了VC的“侦察者”(scouts)角色[3]，强调VC的甄别能力[4]；另一些研究则强调了价值增值机制(value-added hypothesis)，认为联合投资带来丰富的互补资源，提供不同维度的价值增值服务，通过价值增加效应有效提高企业绩效和投资报酬[1,5-6]，发挥了“教练”(coaches)的角色[3]。也有一些研究认为，两种机制是互补关系，VC的两种角色共存[7]。

基于上述两种机制，一些研究从VC的角度出发，关注到VC声誉作为一种重要的无形资源，既影响VC寻求“第二意见”的需求，也影响其提供增值服务的机会，两种机制的交互导致VC声誉与联合投资之间存在复杂的非线性关系[8]，但尚未对两种机制孰轻孰重及其交互根源加以探究。另一些研究则从企业角度出发，强调了联合投资对企业创新绩效的积极影响[1,9]，但尚未揭示究竟是选择机制还是价值增值机制发挥了关键性作用。总体而言，已有研究尚未理清VC究竟是通过选择机制还是价值增值机制或是两者交互来发挥作用。而本文认为，这一问题产生的根源在于已有研究对资源异质性的忽略，事实上，VC通过不同机制发挥不同作用的根源在于VC具备的不同性质的资源。为了进一步回答上述问题，本文将一步步剥茧抽丝，围绕以下三方面对已有研究进行发展。

第一，已有研究大多探究了VC声誉的高低对联合投资的影响，忽视了VC声誉的行业属性异质性。现有文献大多将VC声誉视为一个整体，忽视了随着不同行业的日益专业化发展，一些VC深耕于某一个或少数几个行业进行投资的现实情境[10]。事实上，VC声誉是具有行业属性的，本文以VC所投资企业的所在行业作为划分依据，创新性地将VC声誉划分为行业内声誉和行业外声誉，探究VC整体声誉和行业内外声誉对联合投资的差异化影响，揭示VC形成联合投资的根本机制。

第二，VC声誉的差异化效应不仅来源于“是否”处于同一行业，还涉及到不同行业之间“远近”程度的影响。对这一问题的深入研究关系到行业距离的考量，这一概念反映了VC与企业所在行业领域的差异化程度。但是，由于测算方式的复杂性和数据可得性等问题，以往研究通常以VC投资组合中与被投资企业处于非同一行业的企业占比来衡量行业距离[11]，本质上是基于“是否”而非“远近”标准进行的测算。因此，本文首次引入Antràs等[12]基于投入产出表的产业链位置测算方法，结合2012年《中国投入产出表》数据推演并测算出各个行业在整个国民经济中的产业链位置和行业距离，将行业距离的测算进一步完善到“远近”程度加以表征，进而探究行业距离对VC行业内外声誉与联合投资关系的调节作用。

第三，已有实证研究支持了联合投资比独立投资更有利于企业创新[1,9]，但尚未深入分析究竟是什么资源和机制导致联合投资和独立投资对企业创新的影响不一。为此，本文分别探究了联合投资和独立投资情境下VC行业内外声誉对企业创新绩效的影响，通过两种情境下两种资源作用效果的对比，揭示联合投资和独立投资作用于企业创新绩效的主导机制。

基于此，本文收集了2008-2016年Wind数据库新三板上市企业所披露的VC投资明细数据，分别采用Logit模型、负二项模型和最小二乘法对相应的假设进行检验，探究VC声誉、联合投资与企业创新绩效之间的关系，揭示影响联合投资形成与绩效结果的根本机制，为VC投资实践提供具体化的管理建议。

二、文献回顾与研究假设

(一)VC声誉与联合投资

1. VC声誉对联合投资的影响

已有研究发现，声誉作为一种重要的无形资源，代表着其他主体对企业过去行动和未来前景的感知，同时也作为一种信号向潜在合作者传达企业的专业知识和管理能力等信息，VC声誉显著影响其联合投资的倾向[8]。但是，现有文献大多通过VC投资项目的IPO事件衡量其声誉高低[13]，这种将以往成功的IPO经验视为同质化的统一衡量方式忽视了其中的异质性因素。事实上，随着经济社会的高度分工，不同行业之间专业技术、管理模式和资源能力的差异日益加剧，一些VC逐渐趋于在一个或几个相关行业范围内实施专业化投资策略，从而在这些行业领域内形成行业专长并享有高声誉[10,14]。已有研究也发现，VC在行业维度上采取专业化或分散化投资策略会对其投资绩效产生不同影响[15]。Bellavitis等[16]进一步区分了VC的行业内社会网络和行业外社会网络，研究表明，前者更倾向于为企业提供同质性的行业资源，后者侧重于提供异质性知识和更广泛的网络资源。换言之，VC声誉作为一种无形资源是具备行业属性的，针对不同行业的企业，VC发挥选择作用和价值增值作用的程度不一，导致VC声誉促进或抑制联合投资倾向的影响有所差异。因此，本文以被投资企业所在行业为划分依据，将VC声誉划分为行业内声誉和行业外声誉，根据这一定义，同一时期的VC行业内外声誉会随着被投资企业所在行业的不同而变化。

当VC具有较高行业内声誉时，意味着VC在该行业拥有丰富的成功投资经历，能够较为准确地判断企业的质量和风险，筛选出高质量的投资项目。一方面，长期深耕于某一行业的VC对该行业的市场概况、竞争状况、未来前景等复杂情境具有专业认识，能够敏锐识别出企业经营管理不善以及与绩效相关的其他关键问题[11]，也能更好地评估企业面临的环境资源约束，因此行业内声誉较高的VC具有较强的质量评判和风险识别能力；另一方面，研究表明，企业避免失败的能力本质上与其过去阶段相似的经验学习相关。VC在同一行业的投资积累了专业化的行业投资经验，显著提升了投资成功率[17]。由此可见，VC行业内声誉对企业具有明显的选择效应。Brander等[5]认为，选择假说是一个序贯抽样问题，当投资项目质量评估结果较差时将直接拒绝，当评估结果非常好时，由于行业内声誉高的VC对自身评估能力的自信，并不需要通过联合投资寻求“第二意见”，并且通常联合投资的其他VC成员也会从中分一杯羹而带来额外成本。因此，行业内声誉发挥了较强的选择效应，抑制了寻求“第二意见”的需求，从而降低了联合投资的可能性。

当VC具有较高行业外声誉时，意味着VC在该行业之外的其他领域拥有丰富的成功投资经历，能够带来更为广泛的网络资源，在不同的维度为企业提供价值增值服务，形成较强的价值增值效应。一方面，行业外声誉高的VC具有异质的、非冗余的经验、信息与资源，可能在人力、营销、资本、社会关系等方面具有不同的优势，为企业提供多维度的增值服务；另一方面，行业外声誉高的VC在各个行业的成功投资经验也为企业带来了高质量的网络资源，有助于促进企业达成战略联盟[18]，实现企业价值增值。例如，创新工场会定期组织其投资的各个领域的创业者聚会，交流最新的技术进展和市场发展，促进企业之间的合作[6]。由此可见，行业外声誉高的VC本身具有成为联合投资伙伴的机会和潜力，其较强的价值增值效应也吸引了更多倾向联合投资的VC。因此，行业外声誉发挥了较强的价值增值效应，强化了价值增值机制的作用，提高了联合投资的可能性。

由此可见，VC声誉对联合投资的影响涉及到两种相悖的机制，即行业内声誉通过选择机制抑制“第二意见”需求而降低联合投资的可能性，行业外声誉通过价值增值机制提升联合机会而提高联合投资的可能性。这说明，VC声誉与联合投资之间可能存在复杂的非线性关系，但其关键还在于两种机制如何交互产生作用。对于交互作用的探讨应关注VC声誉的构成，VC声誉并非由行业内外声誉的简单加和构成，还涉及到权重的影响。在具体测量中，这一权重表现为：当VC的投资事件越集中于某一行业时，VC在该行业内的声誉对其整体声誉的贡献则更大，即行业内声誉权重较高；反之，行业外声誉权重也是如此，具体表现为：投资事件集中分布在该行业之外的其他领域的程度。研究表明，成功的可能性会随着经验曲线的累积而提高[19]。因此，出于对以往在某一个或几个行业中成功经验的利用与依赖，随着整体声誉的不断提升，VC趋向于行业专业化投资，即行业内声誉所占权重逐渐提高。

当VC声誉较低时，行业内声誉的权重也较小，意味着在两种相悖作用的交互中，行业外声誉促进联合投资的价值增值机制将占据主导作用。具体而言，较低的行业内声誉说明VC目前在该行业的投资经验和选择能力不足以支撑其筛选出高质量的被投资项目，独立投资很可能面临巨大的投资失败风险，通过联合投资寻求“第二意见”以提高决策准确率的需求大大增强[13]，即行业内声誉通过选择机制而降低联合投资的作用被大大削弱。而行业外声誉通过促进价值增值以寻求联合投资的正向作用反而占据了主导地位。因此，在VC整体声誉较低的情况下，行业外声誉的正向影响超过行业内声誉的负向影响，即联合投资的可能性随着VC声誉的提高而提高。当VC声誉较高时，行业内声誉的权重也较大，行业内声誉通过选择机制抑制联合投资的影响将占据主导作用。首先，由于行业内声誉较高的VC具备较强选择能力，VC将面临较低的联合投资需求。其次，尽管高行业外声誉赋予了VC较多的联合投资机会，但随着VC整体声誉的提高，其自身知识和选择能力的积累也使其通过联合投资产生价值增值的效应边际递减[20]。因此，在VC整体声誉较高的情况下，行业内声誉的负向影响超过行业内声誉的正向影响，即联合投资的可能性随着VC声誉的提高而降低。

有鉴于此，本文认为，VC声誉与联合投资的关系表现为先升后降的倒U型关系，这一结论也与已有研究相一致[8,21]。据此，本文提出假设：

假设1：VC声誉对形成联合投资及联合投资机构数的影响呈现“倒U型”关系。

假设1a：VC行业内声誉对形成联合投资及联合投资机构数呈现负向影响。

假设1b：VC行业外声誉对形成联合投资及联合投资机构数呈现正向影响。

图1 VC声誉与联合投资关系图

2. 行业距离的调节效应

大量的VC投资实践和相关的学术研究都揭示了，尽管市场上存在着广泛的投资机会，VC仍然表现出在一定的行业范围内高度集中的特征。行业距离描述了VC以往投资经验与被投资企业所属行业类别的差异化程度，反映了知识和信息在不同行业领域之间的可转移程度[11]。已有研究表明，判断投资机会和企业质量的信息和知识是在某一特定行业范围内不断累积的，即信息解读和知识吸收是一种行业专用性能力[22]。行业距离越小，VC与企业的知识基础更为相近，信息解读更为精准。随着行业距离的扩大，知识的行业专用性会导致VC解读投资信息、判断投资机会和评估企业质量的准确性下降，从而弱化了选择效应，增大了投资不确定性。联合投资作为一种降低投资不确定性的行为恰恰缓解了选择效应弱化带来的投资风险，因此，在行业距离较大的情况下，VC行业内声誉对联合投资的抑制作用被弱化。

同理，信息解读和知识吸收的行业专用性属性也会弱化VC对企业的价值增值作用。尽管行业外声誉高的VC拥有广泛的社会网络资源和非冗余信息，更有机会通过联合投资为企业提供多维度的价值增值服务，但这一积极效应的实现应该以能够被企业吸收为前提。行业距离过大时，反而会由于VC对企业的不了解而出现监管不力和难以真正提供所需服务等问题，而企业也由于行业差异过大而难以吸收知识和资源，从而弱化了价值增值效应。因此，行业距离的扩大弱化了VC行业外声誉对联合投资的促进作用。据此，本文提出假设：

假设2a：行业距离负向调节VC行业内声誉与联合投资及其机构数的负向关系。

假设2b：行业距离负向调节VC行业外声誉与联合投资及其机构数的正向关系。

(二)VC联合投资与企业创新绩效

VC能够为被投资企业提供丰富的资源以支持其创新活动。本文在梳理以往文献的基础上，根据作用方式(直接与间接)和资源类别(财务资源与非财务资源)两个维度将VC对企业创新绩效的作用途径归纳为四个方面，并基于此分析，相比于独立投资，VC联合投资如何对企业创新绩效产生更强的提升作用。

第一，VC通过权益性投资发挥融资作用。VC提供的是股权形式的权益性资本，服务于具有强烈资金需求且存在高风险、高潜在回报的初创企业[23]。相比于独立投资，联合投资能带来更多财务资源，并且通过多个VC共担风险的机制，这些财务资源更有可能用于支持高风险的创新活动。

第二，VC参与企业管理提供增值服务。董静等[24]认为，VC通过“加法”和“减法”两种途径为企业带来价值增值效应，“加法”是VC凭借其在投资实践中所获得的资源、能力与社会网络，为企业提供价值增值服务[25]，“减法”是VC对企业经营活动和公司治理等方面进行监管控制以降低不确定性和代理风险[26]。相对于独立投资，联合投资拥有更多异质性能力[1]，为企业提供不同维度的增值服务[27]，在“加法”上更甚一筹。在“减法”上亦是如此，联合投资拥有更丰富的行业专长和更多元化的信息资源，能更有效地监管控制以降低不确定性，为企业实现创新提供相对确定的环境。

第三，VC通过认证作用缓解企业融资约束。相较于资本市场的其他投资主体，VC掌握了更丰富的信息和更专业的能力，能有效筛选出具有创新潜质的对象。这也印证了VC的认证效应，VC的投资传递了积极信号，有效缓解了企业与资本市场的信息不对称[28]。由于联合投资情境下，被投资企业只有得到多家VC的认可才能形成投资关系[5]，因此，联合投资反映了更强的认证作用，更有力地吸引资本市场的投资，缓和企业融资束缚。

第四，VC通过网络关系促成潜在网络联结。VC提供了丰富的社会网络和信息优势，促进被投资企业之间形成战略联盟[18]，有利于价值增值的实现和创新绩效的提高，而在多个VC联合投资的情境下，这一作用进一步得到了强化。

因此，沿袭以往研究观点[1,9]，本文认为联合投资更有利于提升企业的创新绩效。但是，联合投资不可避免地会涉及到多少家VC联合投资能够实现最优绩效的问题。虽然参与投资的VC越多，企业获得的资源和能力越丰富，也越有利于企业创新，但联合投资机构数的增加也会加剧成员间的差异和沟通成本，甚至造成不可调和的冲突。此外，联合机构数量的增加也进一步扩大了被投资企业由于共享同一个VC而带来的间接竞争者连接，引发竞争性信息泄露等问题，反而不利于企业创新[29]。由此可见，随着联合投资机构数的增加，资源丰裕度的有利影响逐渐被其他合作成本产生的不利影响所替代，呈现边际效益递减趋势，甚至到达某一转折点之后，合作成本超过合作利益，进而表现出抑制企业创新绩效的结果。据此，本文提出假设：

假设3：联合投资对企业创新绩效呈现正向影响，联合投资机构数对企业创新绩效呈现“倒U型”影响。

尽管相比于独立投资，联合投资更有利于企业的创新发展，但其主导资源究竟是行业内声誉资源还是行业外声誉资源仍有待进一步探讨，两种资源发挥的机制有所差异。

VC采取独立投资方式往往是由于其行业内声誉较高，具备较高的选择能力而不需要联合投资，或者是其行业外声誉较低，缺乏联合投资的机会。因此，在促进企业创新方面，其行业内声誉往往起着决定性作用。一方面，行业内声誉发挥了更强的认证作用，向资本市场传递了企业创新潜质的有利信号，有利于企业从资本市场获得更大的资金支持[2,9]；另一方面，从被投资企业角度而言，同一行业领域的知识与资源比跨行业领域更容易被转移与共享[30]，所以高行业内声誉VC带来的资源与价值增值服务由于与企业所在行业的匹配，能更有效地被企业吸收并转化为创新成果[24]。已有研究也发现，相较于VC行业外声誉，行业内声誉对被投资企业生产力的提升作用更为明显[31]。

反之，VC采取联合投资方式大多是受到行业外声誉产生价值增值效应的驱动，这也意味着在提升企业创新方面，行业外声誉发挥着主导作用。行业外声誉高的VC通过连接多个不同行业而获得异质性和多元化的资源与信息，此类资源由于其非冗余性特征而被认为更有利于企业创新[16]。此外，行业外声誉高的VC也能够为被投资企业带来更广泛的社会网络和更多潜在的网络关系和战略合作机会。已有研究也表明，联合投资成员成功经验的异质性、资本类型的异质性、机构类型的异质性等均有利于企业的创新绩效[9]。据此，本文提出假设：

假设4a：当VC进行独立投资时，其行业内声誉对企业创新绩效的正向影响强于行业外声誉。

假设4b：当VC进行联合投资时，其行业外声誉对企业创新绩效的正向影响强于行业内声誉。

图2 研究逻辑框架

三、研究设计

(一)数据获取

本文选取的样本来源于2008-2016年Wind金融证券数据库新三板企业所披露的VC投资数据。其中，新三板企业的特征数据和相关经营财务数据主要来源于Wind和CSMAR数据库，通过对不同数据来源的信息进行相互比对和相互补充，排除数据不一致的观测值。VC的投资信息和声誉信息主要来源于Wind数据库新三板PE/VC投资明细栏目的信息披露。参照冯慧群[32]将风险投资(VC)和私募股权投资(PE)均视为风险投资的处理方法，本文沿用这一方法，不具体区分VC和PE。另外，本文还利用工商总局信息查询系统，通过对参与新三板公司的VC名称及其投资明细进行跨数据库比对，进一步确保数据的准确性，并手动收集了VC的其他相关信息作为控制变量。本文仅采用有VC参与的数据，剔除变量缺失的观测值后，最终得到涵盖650家新三板企业、1527条投资观测值的数据库。

(二)变量结构

1. 被解释变量

根据研究假设，本文采用VC联合投资(vcsyn，num_vcsyn)和企业创新绩效(tfp)作为被解释变量。

VC联合投资的狭义定义是两家或多家VC共同投资于某一特定轮次，其广义定义为共同投资于某一特定公司[1]。由于Wind数据库新三板风险投资机构数的披露数据并未限定具体轮次，出于数据可得性和可靠性的考量，本文采用Tian[1]对VC联合投资的广义定义和测量方式，构筑联合投资(vcsyn)和联合投资机构数(num_vcsyn)两个变量，当投资某一新三板企业的风险投资机构数等于或大于2时，vcsyn赋值为1，否则为0。

根据Smith[33]的研究，本文采用全要素生产率(total factor productivity,tfp)作为企业创新绩效的代理变量。全要素生产率作为总体效率的代表，能够有效地反映管理创新、知识水平等非技术因素和专利、研发投入等技术因素的综合影响[34]，因此相较于专利等技术创新指标更全面地反映了企业的创新绩效。本文根据鲁晓东和连玉君[34]的研究，采用LP方法进行tfp测算，并考虑潜在的滞后效应，将后一期的tfp(tfpt+1)作为被解释变量。

2. 解释变量

本文采用VC声誉(vcrep)、VC行业内声誉(invcrep)、VC行业外声誉(exvcrep)作为解释变量。本文采用投资事件当年期T之前VC所投资企业成功IPO的比率来测量VC声誉[7]。借鉴Bellavitis等[16]对VC行业内网络结点和行业外网络结点的划分，本文以被投资企业所在行业为基准，采用Wind数据库的Wind一级行业分类作为标准，进一步区分VC行业内声誉和行业外声誉。为了排除不同行业划分标准对实证结果的影响，本文在模型稳健性检验时采用证监会大类行业标准进行行业内外声誉的划分。

另外，参照Tian[1]对联合投资声誉指标的处理，对于具有两个及以上VC的情况，本文利用上述VC声誉平均值进行计算。后续变量涉及同样情况的，均采用均值加以衡量。

3. 调节变量

本文选取了行业距离(id)作为调节变量。本文参照Antràs等[12]基于投入产出表的产业链位置测算方法，从两个维度对某一行业与最终消费者的距离进行了测算，这两个维度分别包括：其一，某一产业所生产的产品到达最终消费者所经历的直接关系和间接关系的数量；其二，上述直接关系与间接关系的紧密程度，并以产业链位置测算值的差值来确定行业距离。本文首次基于2012年《中国投入产出表》的系统数据及投入产出分析法加以推演生成产业链位置及行业距离。具体测算方法如下：

首先，引入投入产出表中的一个基本恒等式：

Yi=Fi+ Zi

(1)

Yi是i产业的总产出，Fi是i产业产出中直接流向最终消费和资本形成总额的部分，而Zi为i产业产出中被用作其他产业消耗的部分。在一个拥有N个产业的国民经济体系中，上述等式可以进一步被阐述为：

(2)

基于上述公式所建立的关于产业链位置的测算方法为：

F+2DF+3D2F+4D3F+…=[I—D]-2F

(3)

通过上述所测算出的产业链位置评分处于[0，1]区间内，且某产业的评分数值越大，说明该产业在整个国民经济中越处于下游位置。因此，本文以2012年的《中国投入产出表》为基础，计算出每一个行业所处的产业链位置，即i产业的产业链位置为Li。基于上述产业链位置评分测算方法，本文进一步以差值的方式测算不同行业之间的距离，仍然以0与1之间的数值大小加以表征，即i行业与j行业之间的行业距离为两者产业链位置差值的绝对值：

idij=|Li—Lj|

(4)

基于以上测量方式，假设在一个投资事件中，被投资企业a处于i产业，在VCx投资a企业之前所投资的企业成功在新三板上市的包括企业b、c、d等N家企业，分别处于j、k、l等产业，则该VC与A企业的行业距离为

idxa=(idij+idik+idil+…)/N

(5)

4. 控制变量

为了更有效地检验VC声誉、联合投资与企业创新绩效之间的关系，参照Gu等[8]的研究设计，本文将各个层面的控制变量纳入其中。首先，投资事件涉及投资方和被投资企业，借鉴Tian[1]的研究，本文控制了被投资企业规模(lnsize)、企业性质(soe)、资产收益率(roa)、主营业务收入(lnsales)、固定资产(lnppe)、研发投入(lnrd)、企业生命周期(lifecycle)和VC年龄(vcage)。其次，从投资事件所发生的地理位置考虑，VC投资具有明显的地理聚集性和地理亲近性，被投资企业的地理分布以及与VC的地理距离会影响VC的投资决策[11]，因此，本文控制了被投资企业与VC之间的地理距离(gd)，并根据被投资企业所在省份生成省份虚拟变量(prov)，并对其所在城市GDP(lngdp)进行控制。此外，从投资事件发生的行业考虑，本文也将行业虚拟变量(ind)、行业增长率(igrowth)和行业结构不确定性(lniuncertain)设置为控制变量。

上述各变量的衡量方法见表1。

(三)计量模型

本文采用分层回归方法检验上述研究假设。第一步，检验VC声誉对VC联合投资的影响。由于是否采用联合投资(vcsyn)为0-1变量，本文首先采用Logit模型进行检验。其次，由于联合投资机构数(num_vcsyn)为非负整数，本文采用负二项回归模型进行检验。令Yi代表因变量，Xi代表所有解释变量，βi代表系数，εi代表随机扰动项，Yi*代表某个内在变量或隐藏变量，当Yi*>0时，Yi=1，代表着VC进行联合投资；当Yi≤0时，Yi=0，代表VC进行独立投资。Logit模型的主要公式如下：

表1 变量衡量方法

P(μi≥-βiXi)=F(βiXi)

(6)

P(Yi=1|βiXi)=F(βiXi+μi)=

(7)

负二项回归模型的主要公式如下：

E[Yi|Xi]=β0+βiXi+εi

(8)

第二步，检验VC联合投资对企业创新绩效的影响。以tfpt+1为因变量，本文采用OLS模型进行检验，具体公式如下：

Yi=β0+β1Xi+εi

(9)

四、实证结果和分析

(一)描述性统计与相关系数分析

本文采用Stata软件对模型变量进行了描述性统计和相关系数检验(见表2)。由表2可知，vcsyn的均值为0.472，说明在观测样本中，有47. 2%的VC进行了联合投资。invcrep均值为0.295，说明VC在与被投资企业一致的行业内进行投资，其IPO成功率均值为29.5%，而exvcrep均值为18.5%，总体而言低于invcrep，这也初步验证了本文所持观点，具有高行业内声誉的VC选择效应更强。在本文选取的样本中，id范围在0～0.755之间，均值为0.074，说明VC与被投资企业的行业距离存在较大差异。而从相关系数来看，本文选取各个解释变量、控制变量之间的相关系数大多低于0.3，且所涉及模型(Logit、Nbreg、OLS模型)的vif均值分别为1.92，1.92，1.94(均低于传统阈值6)，最大值分别为6.72，6.74，6.91(均低于传统阈值10)[38]，说明变量之间的相关性较低，可以避免模型存在多重共线性问题。

表2 主要变量描述性统计与相关系数分析

(二)VC声誉对联合投资的影响

本文分别采用Logit模型和负二项回归模型检验VC声誉和行业内外声誉(按Wind行业区分)对联合投资及其机构数的影响(见表3)。由表3模型2和模型5可见，VC声誉与联合投资及其机构数之间为倒U型关系，均在1%的置信水平上通过检验，假设1得到验证。为了更清楚地阐述VC声誉与联合投资的复杂关系，本文结合VC的实践情境，进一步区分行业内外声誉与联合投资的关系。考虑到VC可能同时具备行业内声誉和行业外声誉，两者并非互斥的关系，因此将两者同时放入回归模型。模型3和模型6结果显示，VC行业内声誉与联合投资及其机构数均在1%的置信水平上具有显著的负向关系，说明VC行业内声誉越高，联合投资的可能性越低，联合投资机构数也越少，假设1a得到验证。这是由于行业内声誉越高的VC具有越强的选择效应，凭借自身能力有把握对投资项目做出精确判断，而无需其他VC加入提供“第二意见”的同时也从中分走一杯羹，由此降低了联合投资的需求。模型3和模型6结果也显示，VC行业外声誉与联合投资及其机构数在1%的置信水平上显著正相关，假设1b也得到验证。其原因在于行业外声誉越高的VC具有越丰富的网络资源，越有机会为被投资企业提供价值增值服务，因此提高了联合投资的倾向和机会。

表3 风险投资声誉与联合风险投资的Logit模型、负二项模型回归结果

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

由于篇幅限制，本文后续的表格中将省略控制变量回归结果的输出。

(三)行业距离的调节作用

为了研究行业距离对VC声誉影响联合投资的调节作用，本文加入了解释变量与调节变量乘积项来检验调节效应(见表4)。表4模型1显示，VC行业内声誉与行业距离交互项的回归系数显著且为正数，这与行业内声誉负向影响联合投资的符号方向相反，验证了行业距离的负向调节作用。但是，模型2显示，行业距离对VC行业内声誉与联合投资机构数的调节作用并不显著，因此，假设2a得到了部分验证。此外，模型1和2均显示，VC行业外声誉与行业距离交互项的回归系数显著为负，与行业外声誉正向影响联合投资及其机构数的符号相反，说明调节效应为负，由此可知，行业距离的扩大削弱了行业外声誉对联合投资及其机构数的正向作用，假设2b得到验证。

(四)VC联合投资对企业创新绩效的影响

本文进一步采用OLS模型检验了VC联合投资及其机构数对企业创新绩效的影响，结果如表5所示。模型2的结果表明，VC联合投资与企业创新绩效显著正相关，模型3表明，VC联合投资机构数对企业创新绩效具有倒U型影响，假设3得到验证，且通过计算，当VC联合机构数为5或6时对企业创新绩效产生了最优的提升效果。此外，模型4的结果显示，VC独立投资时，其行业内声誉与企业创新绩效显著正相关，而行业外声誉无显著影响，而模型5的结果恰恰相反，VC联合投资时，其行业外声誉与企业创新绩效显著正相关，而行业内声誉无显著影响，假设5a和5b均得到验证。这一结果说明，独立投资和联合投资影响企业创新的主导因素有所差异，独立投资的积极效应主要源于其行业内声誉带来的选择效应，而联合投资的积极效应主要源于其行业外声誉产生的价值增值效应。

表4 行业距离的调节效应回归结果

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

(五)内生性问题及其他稳健性检验

1.内生性问题

为了进一步提高研究结论的严谨性，避免反向因果逻辑对研究结论的影响(即创新绩效更好的企业更容易吸引联合投资的VC与高声誉的VC)，本文采用以下两种方法进行检验：

第一，控制被投资企业创新绩效前期值的影响。鉴于具备高声誉的VC采用联合投资时，很可能以被投资企业过去的创新绩效为决策依据，结果表现为具有更好创新绩效的企业更容易得到这些VC的支持。因此，本文分别通过控制被投资企业t-1期创新绩效(tfpt-1)、过去连续两年的创新绩效均值(即t-1期与t-2期tfp均值，记为avgtfpt-2)以及过去连续三年的创新绩效均值(即t-1期、t-2期和t-3期的tfp均值，记为avgtfpt-3)，以缓解反向因果导致的内生性问题。本文选择由tfpt-1而非tfpt为起点进行被投资企业过往创新绩效的衡量是基于现实情境的考虑，VC在进行是否通过联合投资方式投资企业的决策时，无法获悉企业当期的创新绩效(即tfpt)，而是基于对t-1期或者t-1期之前连续几年的创新绩效的考量。此外，由于被投资企业t期创新绩效(tfpt)与t-1期(tfpt-1)以及之前连续几期的创新绩效(avgtfpt-2，avgtfpt-3)之间存在着严重的多重共线性问题，因此将tfpt也纳入模型加以控制并不适用。结果表明(见表6)，在控制被投资企业创新绩效前期值的影响、考虑反向因果的影响之后，回归结果仍然与前文研究结论保持一致。

第二，通过系统GMM模型进行检验。为了检验模型中潜在的反向因果引起的内生性问题，本文采用系统GMM(广义矩估计)方法，该方法主要通过对估计模型进行一阶差分，并将滞后差分变量作为相应变量的工具变量[39]，并且系统GMM方法相比于差分GMM方法而言利用了更多样本信息，从而获得了更有效率的一致估计[36]。本文采用系统GMM对前述模型进行检验，结果表明，Sargan-Basman检验不通过，即存在工具变量过度识别的问题，这也说明上述模型并不适用于GMM估计方法，因此前述模型采用OLS方法进行检验更为适宜。

表5 VC联合投资与企业创新绩效的OLS模型回归结果

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

表6 VC联合投资、行业内外声誉与企业创新绩效的OLS回归结果(控制创新绩效前期值)

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

2.稳健性检验

第一，为了进一步检验模型的稳健性，本文首先从模型层面检验上述假设实证结果的稳健性。在已有的Logit模型基础上，本文还采用Probit模型进行检验(见表7)，回归结果与Logit模型一致，仍保持很好的稳健性。

表7 VC声誉与联合投资的Probit模型稳健性检验结果

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

第二，以往研究大多将VC声誉视为一个统一整体进行研究[8]，本文创新性地从行业层面进行行业内外声誉的区分，面临的一大挑战在于行业基准的选择，因此，有必要进一步探讨行业划分的细致程度对模型稳健性的影响。上述变量设置和回归结果均是以Wind数据库的一级行业划分(共计11个行业)为基准，为了排除行业划分标准的不同对实证结果的影响，本文还采用了证监会大类行业标准(共计76个行业)进行VC行业内声誉(invcrep_c)和行业外声誉(exvcrep_c)的区分并重新测量变量，并将与行业相关的行业不确定性、行业增长率也按照证监会大类行业标准重新测量。

由表8的实证结果可知，假设1、1a、1b、2b均得到了验证，具有很强的稳健性。但是，假设2a并未通过稳健性检验，当行业划分按照76个行业的标准时，行业距离对行业内声誉负面影响联合投资及其机构数的负面调节作用变得不显著。本文认为，相对于宽标准的Wind行业划分，在证监会大类行业细标准划分下的行业内声誉更聚焦，在一个更细分的行业中所积攒的高声誉具有更强的选择效应，而这种更强的选择效应受行业距离影响的敏感度较低，从而导致行业距离的调节作用变得不显著。表9的结果显示，假设3、4a、4b仍然通过了实证检验，结果非常稳健。

表8 VC声誉与联合投资的稳健性检验结果(以证监会大类行业为行业标准)

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

表9 VC联合投资与企业创新绩效的稳健性检验结果(以证监会大类行业为行业标准)

注：Z统计量显著性标注如下：***、**、*分别代表在1%、5%和10%水平下显著；括号内为回归系数标准误。

五、研究结论与启示

(一)研究结论

本文针对VC声誉、联合投资与企业创新绩效的研究得到了以下三个主要结论：

第一，VC是具有行业属性的，行业内声誉通过“侦察者”角色发挥作用，具备更强的选择效应，抑制联合投资的形成和联合投资机构数的增加；行业外声誉通过“教练”角色发挥作用，具备更强的价值增值效应，促进联合投资的形成和联合投资机构数的增加；随着VC声誉的提高，VC倾向于行业专业化投资，行业内声誉的选择效应逐渐超过行业外声誉的价值增值效应，对联合投资及其机构数的抑制作用逐渐超过促进作用，两种相悖机制的交互导致VC声誉与联合投资之间先升后降的倒U型关系。

第二，行业距离负向调节了行业内外声誉对联合投资及其机构数的影响。行业距离的扩大弱化了知识吸收过程，进而削弱了VC行业内声誉的选择效应和行业外声誉的价值增值效应，产生负向调节作用。其中，仅行业距离对行业内声誉与联合投资机构数的负向调节未通过检验。

第三，相比于独立投资，联合投资更有利于企业创新绩效，但两者影响企业创新绩效的主导机制不同。独立投资对企业创新绩效的正向影响主要源于行业内声誉的选择效应而非行业外声誉；与之相反，联合投资对企业创新绩效的正向影响主要源于行业外声誉的价值增值效应而非行业内声誉。此外，联合投资机构数与企业创新绩效之间是倒U型关系，最佳联合投资机构数为5或6家。

(二)学术贡献与实践启示

本文的研究发现对风险投资相关文献研究、企业创新研究和行业距离测量方法做出了一定贡献：一是打破了以往研究将VC声誉视为整体的局限，结合VC实践中声誉的行业属性，区分其行业内声誉和行业外声誉，并揭示了两者对形成联合投资的差异化机制和影响，从根源上解释了VC声誉与联合投资的非线性关系，推进了VC声誉和联合投资的理论研究，并为相关的悖论研究提供了可行的研究方向；二是首次借鉴以往研究和投入产出分析法，结合中国情境的投入产出表系统数据，计算出各个行业在整个国民经济上下游位置的产业链位置评分及行业之间的距离，最终以[0，1]区间的具体数值反映行业距离，推动行业距离测量方式由以往以“是否在同一行业”为标准发展为以“不同行业之间远近程度如何”为标准。更为精确且优化的测量方法提高了结果的简明性和应用场景的丰富性，为未来更广泛的国民经济产业研究、行业层面的行业关联研究、企业层面行业间的知识溢出研究等相关实证研究提供了可行的测量方法；三是在打开了联合投资与企业创新绩效的理论黑箱，结合行业属性进一步揭示了独立投资与联合投资影响企业创新绩效的主导资源和根本机制的差异，更深入地解释了以往研究所强调的对企业创新绩效的积极影响，进一步推进了联合投资与企业创新的相关研究。

本文的研究发现为VC行业和企业创新提供了如下管理实践启示：(1)VC在进行联合投资决策时不仅应该考虑自身声誉的影响，更应该针对性地区分自身声誉的行业内声誉成分和行业外声誉成分，厘清自身在投资实践中是否具有选择优势，是否具有价值增值优势，亦或是两者兼具或两者皆无，判断是否有需要以及是否有机会形成联合投资，进一步考虑投资情境的行业距离，进行合理决策。在选择联合投资伙伴时，也应由此及彼，从潜在联合伙伴的行业内声誉和行业外声誉判断其优劣势以及联合动机，选择最为合适的联合投资伙伴；(2)企业在引入VC时应有所选择以最大化企业创新，针对VC进行联合投资的情境，将VC机构数控制在5或6家，并尽量选择行业外声誉较高的VC以有效获取广泛且高质量的网络资源，针对VC进行独立投资的情境，尽量引入行业内声誉较高的VC，向资本市场传递信息利好，降低融资约束。

基于数据可得性的原因，本文仅采用了新三板上市企业的风险投资数据进行研究，在未来研究中，本文计划将A股上市企业的风险投资数据也纳入研究样本范围，通过查询A股企业年报获取相关信息，进一步对本文的研究模型进行拓展性检验。此外，本文区分了VC行业内外声誉产生的差异化影响，但事实上，这两种影响可能在不同的现实情境中产生不同的交互作用，因此本文也将进一步考虑在其他投资情境下两者交互作用的差异化影响。