我国创业投资区域集聚及其环境影响因素研究

杨艳萍 郜钰格

摘 要：本研究根据《2016中国风险投资年鉴》数据，采用系统聚类法把我国31个省、直辖市、自治区创业投资划分为4类3个层次。从宏观经济环境、行业环境、科学技术环境、金融环境、人力资源环境、政府支持环境、服务行业环境等7大方面构建环境影响因素指标体系，对我国（由于数据缺失，新疆、西藏、海南、青海除外）个省（区市）进行因子分析，挖掘影响创业投资不同层次的环境因子。研究表明：①影响我国创业投资集聚的两个主要因子分别为创业投资基础性因子[F1]和创业投资辅助性因子[F2]。②创业投资基础性因子贡献率较大，是创业投资集聚现象产生的主要原因。③不同区域之间影响创业投资集聚的因子[F1]、[F2]所占比重不同。

关键词：创业投资;区域集聚;影响因素;因子分析

中图分类号：F830.59    文献标识码：A    文章编号：1671-0037（2019）7-11-9

DOI：10.19345/j.cxkj.1671-0037.2019.07.002

创业投资是国家创新战略的关键一环，在促进“双创”中发挥着不可替代的作用。很多学者也通过实证验证了创业投资具有促进区域技术创新、活跃创业活动等作用[1-2]。2017年3月，国务院总理李克强在政府报告中指出要持续推进大众创业、万众创新，新建一批“双创”示范基地，鼓励大型企业、高校设立众创空间。但由于各种原因，我国创业投资环境还存在着明显的区域集聚现象，这种现象在各个国家也都同样存在。研究这一现象的成因也是当前国内外学者关注的热点。有的学者以非动态的传统区位理论表征创业投资的空间属性，如McNaughton和Green[3]研究发现加拿大创业投资活动区域分布不平衡;有些学者利用空间经济学理论进行分析，如张玉华[4]和蒲惠荧[5]等人认为创业投资集聚具有空间相关性;有些学者从文化制度经济学等视角解释创业投资集聚的成因[6]。而创业投资的空间布局还与许多因素相关，其中主要因素之一就是外部环境[7]。本文在分析全国31个省（区市）创业投资集聚现象的基础上，建立环境指标评价体系，挖掘影响创业投资不同层次的环境因子。通过对比各主因子得分，找出各省创业投资发展的优势和劣势，对各地充分发挥自身优势，更好地推动创业投资的发展，促进国内经济均衡发展具有重大意义。

1 文献回顾

1.1 创业投资集聚现象

Tribus在1970年最早提出创业投资地理发展不平衡的现象后，众多学者纷纷对创业投资区域集聚现象进行研究。Martin[8]和马军伟[9]认为创业投资的集聚分为两个方面：一方面是创业投资机构的区域集聚，即创业投资主体的集聚;另一方面是创业投资活动的集聚，即创业投资主体与客体（创业企业）之间存在空间临近性[10]。其中，就全球整体而言，北美是创业投资集聚重地，其次是英国、法国等欧洲地区，再次是中国、日本等亚太地区;就各个国家而言，各个国家内部也同样出现区域集聚特征。加拿大创业投资区域主要集中在安大略省和魁北克省[11];美国创业投资主要在旧金山、波士顿、纽约3个地区集聚[12];中国创业投资主要集聚在上海市、北京市、广东省等[4]。

1.2 创业投資区域集聚的成因

一是从空间经济学角度进行研究。梁绍勇[13]从市场环境、金融环境和科技环境3个方面对山东省风险投资区位集聚进行研究，结果表明金融环境是导致区域集聚的首要因素。田芸菁[14]分析了影响广东、上海、北京、浙江、江苏5个发达省市风险投资集聚的主要因素。张玉华[4]借鉴产业经济学中的“区位煽”构建创业投资集聚程度指标，通过面板数据运用空间计量分析法实证创业投资具有显著的“马太效应”。佘金凤[15]指出创业投资区域分布不平衡的原因在于“空间邻近效应”，“空间邻近效应”可以降低交易成本、代理成本、监控成本和委托代理风险等，从而形成规模经济。二是从文化制度经济学角度探讨，发现两国制度越相似，越有利于实现跨境创业投资[16]。研究的主要特点为引用“嵌入”“网络”等理论概念，尤其是引入经济社会学家Granovertter提出“经济活动嵌入具体的社会关系之中”的观点到经济地理学研究中，发现创业投资呈现关系型特征，创业投资家利用社会网络效用可以提高投资项目成功率[17]。Mason[18]指出区域的投资环境、地区偏见和投资的文化意识等都会影响区域的集聚性。三是从共生理论视角研究创业投资集聚共生的基本要素，得出创业投资集聚效应与产业集聚之间存在联动效应[19]。杨青、单雪雨[20]构建了创业投资的共生单元、共生模式、共生环境，并指出与高新技术企业是一个相互依赖的共生系统，在共生环境下的分工有利于降低交易成本，提高工作效率，从而促进风险投资活动的集聚[21]。

综上所述，以往对创业投资空间不平衡的研究主要是从创业投资运行机制和环境因素来解释，鲜有从区域全方面环境因素进行创业投资集聚研究。其次，以往研究主要以发达省份作为研究对象，较少把全国各省份在不同影响因子得分排名进行对比分析，并深入挖掘区域集聚特征的具体环境因素。本文选取31个省（区市）进行创业投资区域聚类分析来研究我国创业投资集聚的现状，并通过因子分析测算每一区域环境因子得分排名，挖掘每一类区域创业投资环境优劣势，找出致使产生集聚特征的具体影响因素。

2 我国创业投资区域集聚分析

2.1 我国创业投资分布现状

根据《2016中国风险投资年鉴》，整理绘出我国风险投资机构分布柱状图（图1）。从图中可以看出，我国创业投资机构主要分布在上海市、北京市、深圳市、浙江省、江苏省、天津市等，其所占比例高达65%。

整理绘制的我国各省（区市）创业投资数目比例与资金规模比例柱状图（图2），表明我国创业投资活动同样主要分布在上海市、北京市、深圳市、浙江省、江苏省、广东省（除深圳市）、天津市等。尤其是北京市、上海市、深圳市投资资金规模比例分别为40.45%、21.82%、10.97%;投资数目比例分别为33.3%、24.04%、17.37%。图1和图2都表明了我国创业投资集中在环渤海、长三角、珠三角等区域。

2.2 聚类分析

2.2.1 聚类分析的指标。本着科学性、可比性的原则，借鉴张忆琳[22]等人的指标体系，本文选取4个指标进行聚类分析：①风险投资机构数目;②投资资金规模;③风险投资项目数目;④科技人员。

2.2.2 聚类分析的过程及结果。指标数据来源于《2016中国风险投资年鉴》《2016中国高技术产业统计年鉴》。由于各个指标的单位不统一，因此对数据进行标准化处理，得到我国各省（区市）指标统计数据。通过运用SPSS23.0软件对我国31个省（区市）进行聚类分析得出系统聚类谱系图（见图3），并把聚类对象划分成4类。第一类为广东省;第二类为上海市、北京市;第三类为浙江省、江苏省;第四类共26个成员。

由此看出，聚类结果与我国目前创业投资区域分布大致相同。结合聚类结果和各省（区市）风险投资机构数、风险投资项目数与资金规模所占比例，把我国各个省（区市）划分为发达地区、一般地区、欠发达地区3个层次，如表1所示。

3 影响我国创业投资集聚的环境因素分析

3.1 指标体系

借鉴崔毅[7]、张忆琳[22]等相关学者的研究，本文从宏观经济环境、行业环境、科学技术环境、金融环境、人力资源环境、政府支持环境、服务行业环境等7大方面对影响创业投资的集聚因素进行因子分析，并结合数据的可得性，建立环境影响因素指标体系，如表2所示。

3.1.1 宏观经济环境。创业投资与区域宏观环境之间存在联动效应，创业投资与经济发展相互促进，呈现良性循环[23]。因此，本文选取各地区的国民生产总值和人均生产总值作为衡量经济发展的指标。

3.1.2 行业环境。高新技术企业是集知识创新、传播和应用为一体的自组织，易产生地理集聚效应而形成规模经济，而且高新技术企业的集聚会对融资产生巨大需求[24]。因此，本文选取高新技术企业的数目和高新技术企业主营业务收入作为衡量区域行业环境的指标。

3.1.3 科学技术环境。创业投资与技术创新之间存在显著正相关关系，“培育性科技环境”对创业投资具有更大的支撑作用[25]。故本文选取R&D经费内部支出和专利申请量作为衡量科学技术环境的指标。

3.1.4 金融环境。创业投资是金融创新的产物，呈现出金融市场导向型特征[26]，而完善的金融市场体系又为创业投资提供了先决条件[27]。本文选取金融机构年末人均存款余额作为衡量金融环境的指标。

3.1.5 人力资源环境。人才是软实力，创业投资项目评价过程中比较关注人的要素，尤其是对复合型人才要求较高[28]。人力资源背景、经验等对投资偏好和投资策略具有显著影响[29]。本文选取高新技术企业R&D人员、每万人金融行业从业人员、每万人在校大学生数作为衡量人力资源环境的指标。

3.1.6 政府支撑环境。我国实行社会主义市场经济制度，需要这只“看得见的手”进行宏观调控和支持。创业投资与高新技术企业密切联系，需要政府大力扶持高新技术企业的发展[22]。本文把政府的科学技术支出占财政支出的比例作为衡量政府支撑环境的指标。

3.1.7 服务环境。网络效应使得创业投资家与律师、投资银行家等其他专业人士之间产生一种“共生”关系，在投资的过程中需要中介机构的广泛参与[21]。本文把第三产业占GDP的比重作为衡量服务环境的指标。

3.2 数据来源

由于青海、西藏、海南、新疆四个省区数据统计不全，本文只对我国27个省（区市）的数据进行了因子分析。为避免因时间变化而导致的数据异常性波动，本文选取2012—2016年数据的平均值作为研究样本。数据主要来源于《2012—2016年中国统计年鉴》《2012—2016年中国城市统计年鉴》《2012—2016年中国高技术产业统计年鉴》《2012—2016年中国科技统计年鉴》以及各省市统计年鉴。此外，为了消除量纲差异性影响，对数据进行了标准化处理。

3.3 因子分析过程

3.3.1 因子分析方法的检验（KMO和Bartlett球形度检验）。对标准化后的数据进行KMO和Bartlett球形度检验（见表3）。结果显示，KMO=0.737>0.5，Bartlett球度检验显著性为0.00<0.01，符合因子分析要求。

3.3.2 求特征值、方差累计贡献率。如表4所示，总方差解释表显示前两个主成分的特征值大于1，累计贡献率达到了88.815%，其中第一个因子（[F1]）贡献率为55.430%，第二个因子（[F2]）贡献率为33.385%，因此，根据特征值显示提取前两个主成分比较合适。

根据0.5原则，旋转前的因子载荷各项指标在各类因子上的解释不是特别明显，为了更改显示各项因子的意义，需要进行旋转。因此通过4次方最大旋转得到各成分载荷和得分系数矩阵表（见表5）。

3.3.3 因子命名。根据旋转后的各成分载荷矩阵表（表5）看出，各成分较高的载荷都很有规律地分布在若干关键指标上，因此共划分为两个公共因子。

第一个公共因子（[F1]）包括区域GDP（X1）、高新技术企业数目（X3）、高新技术企业主营業务收入（X4）、R&D经费内部支出（X5）、专利申请量（X6）、高新技术企业R&D人员（X8）共6个指标，反映了区域经济总量以及与高新技术企业相关的科研投入力度。因此将因子[F1]命名为创业投资基础性因子。

第二个公共因子（[F2）]包括人均GDP（X2）、金融机构年末人均存款余额（X7）、每万人金融行业从业人员（X9）、每万人在校大学生数（X10）、科学技术支出占财政支出比例（X11）、第三产业占GDP比例（X12）共6个指标，反映的是人力因素、政府支持以及相关配套措施。因此将因子[F2]命名为创业投资辅助性因子。

3.3.4 评价模型。利用回归方法得到公共因子得分系数，见表5，建立因子模型[F1]和因子模型[F2]：

[F1]=0.162[ZX1]+0.08[ZX2]+0.179[ ZX3]+0.174[ZX4]+0.174[ZX5]+0.169[ZX6]—0.041[ZX7]+0.180[ZX8]—0.053[ZX9]—0.044[ZX10]+0.038[ZX11]—0.017[ZX12]                                                            （1）

[F2]=-0.036[ZX1]+0.167[ZX2]-0.028[ZX3]-0.018[ZX4]-0.018[ZX5]-0.017[ ZX6]+0.204[ZX7]-0.028[ZX8]+0.206[ZX9]+0.187[ZX10]+0.158[ZX11]+0.190[ ZX12]                                                     （2）

两个正交旋转后因子的方差贡献率分别为55.430%、33.385%，因此按照特征值加权建立创业投资集聚综合评价分析模型：

ZF=0.5543[F1]+0.33385[F2]                      （3）

3.4 研究结果与因素分析

3.4.1 各省（区市）创业投资发展综合分析。将标准化数据分别代入公式（1）与公式（2），计算出各省（区市）的F1和F2的数据，代入公式（3）得出各地区环境因素评分表（见表6）。

研究结果表明，分属第一类的广东省，综合排名为1;分属第二类的北京市、上海市综合排名为3、4;分属第三类的江苏省、浙江省综合排名为2、5;分属第四类的省（区市）综合排名为6至27名。得分越高说明该地区创业投资的发展水平越高。综合得分大于0，表明该地区整体创业投资发展水平优于全国平均水平，属于创业投资发展水平较好的区域。因子分析综合得分排名与我国创业投资现实发展状况基本一致。

3.4.2 各省（区市）创业投资发展的影响因子分析。影响因子[F1]评价排名中位居前十五位的区域分别为：广东省、江苏省、山东省、浙江省、上海市、福建省、河南省、四川省、湖北省、辽宁省、湖南省、安徽省、天津市、河北省、北京市。

影响因子[F2]评价排名中位居前十五位的区域分别为：北市京、上海市、天津市、浙江省、江苏省、辽宁省、陕西省、福建省、内蒙古省、广东省、山东省、重庆市、湖北省、吉林省、山西省。

3.4.3 影响不同类别的各省（区市）环境因素分析。分属第一类的广东省，创业投资基础性因子[F1]、创业投资辅助性因子[F2]排名分别位居第1与第10，由于[F1]贡献率较大，因此综合排名第1。广东省的发展创业投资基础性因子得分高，主要优势在于产业基础雄厚，形成雄厚的资本积累。涌现出以华为为代表的高新技术企业和自主知识产权的民营企业，其注重科研经费的投入。但广东省在科研教育等方面无法与北京市、上海市相比，金融环境相对较弱，相关配套的中介服务也亟待提高。

分属第二类的北京市、上海市，创业投资辅助性因子[F2]优于创业投资基础性因子[F1]，原因一是北京市拥有一流的高等学府，专业人才集聚;二是位于国家政治中心，政治优势明显;三是第三产业发达。上海市是我国的金融中心，服务平台等相关配套设施完备，政府科研投入力度大。但上海市、北京市的地价、房价以及劳动力成本较高，造成商务成本较高。初创期的高技术中小企业大多不选择北京市、上海市。因而创业投资基础性因子[F1]贡献率较低。

分属第三类的江苏省创业投资基础性因子[F1]、创业投资辅助性因子[F2]排名分别位居第2与第5;浙江省两个影响因子排名分别为第4。江苏省优势在于一是制造业深厚，激励机制完善，民营经济发展较好;二是税收方面，政府实行减免政策;三是地价方面，相对于北京市、上海市等一线城市低，如苏州工业园地价水平仅为上海市的一半，成为吸引高技术产业的重要因素。由于创业投资基础性因子[F1]贡献率较大，因此江苏省综合排名第2。浙江省位于长江三角洲，经济发展优势明显，民间资本雄厚。在2017年规模以上的制造业中，高技术、高新技术、战略性新兴产业增加值分别比2016年增长16.4%、11.2%、12.2%，因此创业投资基础性因子[F1]较好。2017年末金融机构人民币存款余额比2016年增长7.8%，从事金融業的人员所占比重较高;相关配套设施完备，第三产业高于全国平均水平，呈现出良好的经济发展趋势，但是较之北京市、上海市仍有不足。浙江省综合排名第5。

分属第四类的山东省，创业投资基础性因子[F1]贡献率优于创业投资辅助性因子[F2]，原因在于一是山东省位于环渤海地区，地理优势较好，国内生产总值位居全国前列，经济实力强劲;二是靠近环渤海工业带，高新技术企业较多，因此创业投资基础性因子[F1]较好。但是由于第三产业发展较慢，中介服务不完善，科研教育不足，金融业有待发展等因素，创业投资辅助性因子[F2]排名靠后。在强大的基础性因子支撑下，山东省综合排名第6。

分属第四类的天津市，创业投资基础性因子[F1]和创业投资辅助性因子[F2]排名分别是第13和第3。因子[F2]贡献率大于因子[F1]，原因在于一是天津市毗邻北京市，受北京市的辐射教育资源丰富，人才集聚;二是经济发达，人均GDP位于全国前列;三是在政治上享有极大优势。但是制造业基础薄弱，第二产业尤其是高新技术企业缺乏发展动力，因此创业投资基础性因子较差，综合排名第7。

分属第四类的其他区域，如吉林、江西、黑龙江、广西、宁夏、贵州、云南、甘肃等省份不论因子[F1]还是因子[F2]，排名都比较靠后。其原因在于这些地区经济发展比较落后，制造业发展实力不足，科研教育投入力度较小，金融业以及配套服务设施还有待提高。

4 结论

本文利用系统聚类法和因子分析法对我国创业投资集聚及各省创业投资环境因素进行分析，得出以下结论：一是我国创业投资主要集聚在北上广地区以及江浙一带。二是创业投资基础性因子和创业投资辅助性因子是创业投资集聚的主要影响因子，且创业投资基础性因子对创业投资集聚的贡献率较大。三是每一类别内各省份影响创业投资集聚环境的因素不同，从侧面反映出各个省份创业投资环境的优势和劣势，为各省发挥自身优势、弥补不足、推动创业投资发展提供了思路。本文的不足是在研究环境指标上，只是从宏观环境入手，并未研究其他隐性因素（如区域交通吞吐量等）对创业投资集聚的影响;部分省份由于数据不足，对环境因素因子分析不能精确地测量;单从宏观环境上解释创业投资集聚，没有把宏观、中观、微观3个层面纳入一个框架来系统全面地解释创业投资集聚成因。以上内容还有待于进一步完善。

参考文献：

[1] 游紫蕾.风险投资集聚对区域技术创新的影响研究[D].成都：西南交通大学，2018.

[2] 杨艳萍，张雅鸽.风险投资对我国创业活动影响的实证研究[J].河南工业大学学报（社会科学版），2018（3）：43-51.

[3] McNaughton R，Green M. Spatial Patterns of Canadian Venture Capital Investment [J].Regional Studies，1989（1）：9-18.

[4] 张玉华，李超.中国创业投资地域集聚现象及其影响因素研究[J].中国软科学，2014（12）：93-103.

[5] 蒲惠荧，苏启林.区域创新资源、金融发达程度与创业投资的集聚效应[J].改革，2013（9）：125-130.

[6] Bruton G D， Ahlstrom D. An Institutional View of China's Venture Capital Industry： Explaining the Differences between China and the West[J].Journal of Business Venturing，2003（2）：233-259.

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

[8] Martin R ， Berndt C ， Klagge B ， et al. Spatial proximity effects and regional equity gaps in the venture capital market： evidence from Germany and the United Kingdom[J].Environment and Planning A，2005（7）：1207-1231.

[9] 马军伟.创业投资集聚研究评价及未来展望[J].外国经济与管理，2013（2）：43-51.

[10] Fritsch M， Schilder D.The regional supply of venture capital： Can syndication overcome bottlenecks？[J].Economic Geography，2012（1）：59-76.

[11] Subhash K B.Geography of venture capital financing： A global perspective[J]. Journal of Wealth Management，2007（3）：13-28.

[12] Chen H， Gompers P A， Kovner A， et al. Buy Local？ The Geography of Successful and Unsuccessful Venture Capital Expansion[J].Social Science Electronic Publishing， 2009.

[13] 梁紹勇.山东风险投资机构的空间分布及影响因素研究[D].济南：山东大学，2017.

[14] 田芸菁.我国风险投资区域聚集效应及其环境支持因素研究[D].上海：复旦大学，2012.

[15] 佘金凤，汤兵勇.风险投资发展区域分布不平衡的形成机理研究[J].科学学与科学技术管理，2007（3）：112-115.

[16] Alhorr H S， Moore C B， Payne G T. The Impact of Economic Integration on Cross-Border Venture Capital Investments： Evidence from the European Union[J]. Social Science Electronic Publishing，2008：897-917.

[17] 黨兴华，张晨，佟丽丽.风险投资机构网络位置影响因素探索及实证研究[J].科技进步与对策，2016（6）：1-7.

[18] Mason C M， Harrison R T. The Size of the Informal Venture Capital Market in the United Kingdom[J].Small Business Economics， 2000（2）：137-148.

[19] 蒲惠荧，苏启林.创业投资与产业创新集群的共生模式探讨[J].科技管理研究，2014（13）：102-106.

[20] 杨青，单雪雨.基于共生理论的创业投资集聚的形成机理研究[J].科技创业月刊，2009（10）：34-36.

[21] 张斌.风险投资交易成本控制规律研究：基于共生及分工机制的视角[J].科技管理研究，2013（23）：191-197，203.

[22] 张忆琳.我国风险投资空间布局及影响因素实证分析[D].杭州：浙江大学，2018.

[23]Samila S， Sorenson O. Venture capital， entrepreneurship，and economic growth[J]. The Review of Economics and Statistics， 2011（1）： 338-349.

[24] 马晓国，李宗植，管军，等.风险投资集群与区域经济的发展[J].南京航空航天大学学报（社会科学版），2004（3）：33-36.

[25] 蔡莉，于晓宇，杨隽萍.科技环境对风险投资支撑作用的实证研究[J].管理科学学报，2007（4）：73-80，96.

[26] 张晓晖，尹海英.中国创业投资的区域分布及其影响因素[J].社会科学战线，2012（8）：63-69.

[27] 陈鑫.风险投资空间演化及其溢出效应研究综述[A].中国管理现代化研究会、复旦管理学奖励基金会.第十届（2015）中国管理学年会论文集[C].中国管理现代化研究会、复旦管理学奖励基金会，2015.

[28] 王世波，崔金鉴，王世良.基于层次分析法的风险投资项目评价[J].工业技术经济，2003（6）：87-89，94.

[29] 李严，罗国锋，马世美.风险投资机构人力资本与投资策略的实证研究[J].管理科学，2012（3）：45-55.

Abstract： According to the data of 2015—2016 China Venture Capital Yearbook， the venture capital of 31 provinces， municipalities and autonomous regions in China is divided into four categories and three levels by using system clustering method. This paper constructed an index system of environmental impact factors from seven aspects， including macroeconomic environment， industry environment， science and technology environment， financial environment， human resource environment， government support environment， service industry environment. Through the factor analysis of provinces （because of lacking data， except Xinjiang， Tibet， Hainan， Qinghai）， the environmental factors that affect the different levels of venture investment were found out. The research has showed that： ① the two main factors that affect the agglomeration of venture capital are venture capital basic factor  and venture capital auxiliary factor . ② the contribution rate of basic factors of venture capital is relatively large， which is the main reason for clustering venture capital. ③ Factors F1 and F2 that affect venture capital agglomeration in different regions have different proportions.

Key words： venture capital; regional cluster; influencing factors; factor analysis