绩效反馈与公司风险投资的行业选择

○董 静 谢韵典

引言

早在20世纪初，著名经济学家熊彼特就曾警示过“创造性破坏风暴”。现实中，具有创新能力的新进入者颠覆性地取代在位企业行业领先地位的现象也不断上演。为了抵御行业内潜在颠覆者的冲击、应对环境变化，在位企业可以通过战略更新适时地对自身战略进行调整以维持发展。[1,2]公司风险投资（CVC）就是企业为了应对复杂动荡的外界环境而进行战略更新的一种重要途径。[3]

公司风险投资是指非金融行业的企业通过风险投资单元（CVC Unit）对新创企业发起的股权投资。[4,5]近年来，全球范围内的公司风投仍然在蓬勃发展，2019年全球CVC支持的交易数量同比上涨8%。①而在CVC起步较晚的中国，2018年全年CVC参与的投资事件总金额也高达203亿元，在所有形式的风投活动中占比达到17%。②作为我国资本市场上一股不可忽视的新兴力量，公司风险投资具有它的独特性。与传统独立风险投资（IVC）一样，CVC具有财务目标，投资单元需要通过风险投资活动为母公司获取财务回报，但对众多开展CVC投资的大型在位企业而言，实现战略收益才是它们的首要目标。例如，投资技术领先的新创企业，通过组织间学习为母公司寻找技术“窗口”；投资能与母公司形成良好业务协同关系的新创企业，为母公司获取互补性资源；或通过投资新兴行业为母公司试水新领域铺平道路。无论出于何种战略动因，在当前高度不确定的全球经济环境下，CVC投资对组织的生存和发展具有重要意义。

在企业行为理论的框架下，已有研究发现绩效期望差距是组织变革的重要推动力。总体来讲，公司常常表现出一种“穷则思变，富则思安”的现象，即当企业未能实现期望值时，会采取相对冒进的变革行为以期改善当前糟糕的状况；而当企业面对正向绩效反馈时，则更倾向于维持现状。[6]这些变革行为主要包括研发创新、并购或剥离、投资行为和国际化等。[7-13]现有研究发现，企业绩效期望差距决定了企业的风险承担意愿，从而影响到CVC活动的开展。Gaba等的研究结论表明，当企业的创新绩效接近期望水平时最有可能采用CVC活动，随着绩效期望差距的增大，这一可能性逐渐降低。[14]郭蓉等通过实证研究发现了期望顺差、逆差分别与组织CVC活动强度之间的负向和正向关系。[15]然而，现有研究仅仅关注到不同绩效反馈所导致的企业是否采用CVC投资及投资多少的问题，却没能进一步探讨CVC的投资方向。

事实上，相较于“是否开展CVC”，“投向哪里”是一个更为复杂和重要的决策。通过对同行业新创企业的投资，公司投资者可以接触到本行业具有发展前景或具有潜在颠覆性的前沿技术，以维持公司的行业领先地位。这种同行业CVC投资能够有效撬动母公司已有的市场、制造能力、分销渠道或专业知识，是一种利用式投资。同时，公司投资者也可以通过跨行业CVC进入其他领域，为公司调整业务布局，进入新的市场预先打下基础。因此，跨行业CVC可以被视为一种跳出原有领域的探索式投资。选择同行业还是跨行业的CVC投资策略，以及如何在两种不同的策略中分配资源，不仅是公司投资者日常经营中的重要决策，还是关系到组织未来战略调整方向的关键性战略选择。

基于此，本文试图深入探讨绩效反馈与公司投资者CVC战略选择之间的关系，具体包括以下几个研究问题：（1）当企业面临不同的绩效期望差距时，将选择何种CVC投资策略？进一步来说，正向和负向绩效期反馈会如何影响公司投资者对利用式和探索式投资的取舍？（2）绩效反馈与CVC投资行业策略之间的关系受到哪些情境因素的影响？

一、理论与假设

1.同行业与跨行业CVC的风险与成本

公司投资者可以选择与母公司处在相同行业的新创企业进行投资，也可以选择与母公司主业不相关的投资对象。被投企业的行业选择将导致CVC活动面临不同的风险、成本与收益。相比于跨行业投资，同行业投资具有风险小、成本低的特点。

（1）在风险承担方面，信息不对称造成的道德风险和逆向选择是风险投资面临的重要问题，因此投资机构往往需要通过投资之前的尽职调查及投资之后的密切监控等系列措施来降低可能存在的代理问题。然而，在公司风险投资的情境下，与跨行业投资相比，同行业投资能够大大降低潜在风险。已有研究指出，为了更好地对CVC活动进行管理，公司风投会通过一些管理机制来确保母公司积极参与到投资活动中来，例如让母公司内部的技术专家或管理者参与尽职调查、投资决策会及投后管理。[16,17]当被投企业与母公司处在同一领域时，由于母公司已经在自身领域耕耘多年成为行业领先者，对于本行业的顾客需求、市场渠道、知识技术等都十分熟悉，能够更加准确客观地评估与判断投资项目的发展前景与价值。因此，母公司对同行业投资项目的参与能够降低信息不对称，减小投资的不确定性。

（2）在成本方面，对同行业的新创企业投资所需要的管理成本、学习成本都相对较小，而跨行业投资则需要投入更多的资源。当企业开展CVC投资时，对项目的前期筛选审查和投后提供增值服务的过程都需要耗费一定的管理成本。同行业CVC投资时，一方面由于母公司主要业务部门在自身经营过程中，可能会将有发展潜力或对公司业务具有重大意义的同行业合作伙伴引荐给CVC投资部门，[16,17]这种投资项目的内部推荐制度可以显著降低搜寻成本；同时，借助母公司的行业龙头地位和掌控的重要资源，在与投资对象谈判时往往具有较强的议价能力，可以降低谈判成本；此外，母公司对行业的熟知还能够提高CVC投资时对被投资企业估值的合理性，避免出现被投企业“过度圈钱”的问题。另一方面，投资机构能够通过提供社会网络资源、专业的行业知识经验、管理运营参与等活动向被投企业提供增值服务。[18-20]部分CVC投资机构的管理者本身由母公司内部调任，具有母公司所处行业的从业经验，已经积累了丰富的行业内社会网络关系、专业技术知识和管理经验，而其他外部聘任的投资人员也能够以较低的学习成本快速从母公司内部获取相关信息。因此相较于跨行业投资，同行业投资的增值服务所耗费的成本较低。

2.绩效反馈与CVC投资的行业选择

已有文献指出，正向和负向的绩效反馈会导致不同的组织搜索行为。[7,21-23]公司风险投资是企业提升财务绩效或推动战略革新的路径，[5]也被视为一种寻找问题解决方案的搜索活动。而CVC的行业选择关系到组织搜索活动的方向，因此本文认为，公司投资者对投资行业的选择会受到绩效反馈的影响。当公司投资者在制定CVC投资策略时，将多少资源分配给其他行业的新创企业以帮助自身获取未来向其他行业学习甚至是转移的机会，剩余多少资源留给本行业的新创企业以追踪当前行业动态，是企业在权衡不同行业投资策略的风险、收益和成本这一过程中所产生的跨行业CVC动力和阻力共同决定的。面对正向或负向绩效期望差距这两种完全不同的情境，动力和阻力也将呈现出不同的变化规律，由此推测，绩效期望差距与跨行业CVC投资倾向之间并非简单的线性关系，当企业分别处在期望逆差和期望顺差区间时，跨行业CVC投资倾向也不会随着绩效与期望间差距的扩大而保持上升（逆差区间）或持续下落（顺差区间）状态。本文将结合跨行业CVC投资的动力和阻力，从未实现和已实现期望值的两种情境分别进行讨论。

（1）未实现期望的情境

传统的企业行为理论认为，当企业未能实现预期目标（即经营出现问题）会引发问题搜索行为，以改变当前经营不善的现状，且随着绩效期望差距的扩大，这种问题搜索活动逐渐由“近”及“远”，由简单到复杂。[21]跨行业CVC投资活动是比同行业投资更为“跳跃式”的一种远距离搜索。通常来说，根据被投企业与母公司行业之间的相关性强弱，我们可以将跨行业CVC投资分成两种类型。第一种是与母公司业务具有一定关联的投资，如对与母公司现有产品或服务形成互补[24]或处在母公司产业链上下游的新创企业投资。这种类型的投资能够帮助母公司构建完整的商业生态系统，通过良好的业务协同实现业绩提升。第二种则是与母公司业务完全无关的投资。进入全新的行业，可以作为企业获取纯粹财务回报的一种短期策略，如通过追逐投资热点，推动被投企业快速IPO，以获得高额报酬；此外，进入全新的行业也可以为母公司带来学习和创新的机会。对同行业企业的投资，尽管相似知识基础导致的高吸收能力能够在一定程度上促进双方的知识转移与整合，[25,26]同时也可能因为知识冗余而阻碍组织感知和吸收外部环境中新的信息，并将新旧知识结合以产生全新解决方案的可能性，[27]而跨行业CVC则以其带来的异质性、多元化知识的优势促进创新。综合以上途径，跨行业CVC能够帮助处于期望逆差的企业改善当前绩效，实现期望目标。然而随着绩效继续下滑，组织通过跨行业CVC来改善和提升当前业绩的可能性在减弱。当绩效与期望水平间的距离较小时，企业通过投资互补行业或新行业所取得的市场份额、财务收益等能够在较短时间内帮助企业扭转局面；而当这一差距过大时，企业可能面临可动用资源稀缺、市场地位动摇、社会声望和影响力下降等艰难处境，且源自于主业经营的严峻问题，很难短期内通过跨行业CVC来解决。因此，当组织未实现期望时，以跨行业投资来探索新机会可能为组织带来的收益是先增加后减少的。

从成本方面来看，随着期望逆差的增加，组织经营状况恶化，冗余资源逐渐减少，此时组织对于同行业和跨行业CVC这两种投资策略的资源分配就需要更多地考虑资源约束问题。组织偏离期望越远，表明所拥有的资源和当前市场的匹配程度越低，[28]且外界对它的评价也越低。此时企业如果继续积极从事跨行业CVC投资，则需要付出更高的成本去其他市场搜寻有价值的投资对象，且在双方协商的过程中处于被动地位，议价能力较低。因为其他行业的新创企业对于市场地位受到动摇的公司投资者是否能为自身提供有价值的增值服务持怀疑态度。这与Ref等的观点一致，[28]即组织拥有的资源在当前市场上的价值越低，获取额外资源以应对当前市场挑战的成本就越高。可以推断，组织进行跨行业CVC的成本随着期望逆差的增大而逐渐上升。

将收益与成本同时考虑，在组织未实现期望且处在距离目标期望不远的区间时，采用跨行业投资策略的收益高于成本，因此组织采用这种投资策略的倾向逐渐增加。然而随着绩效继续下滑，快速增加的成本超过了跨行业CVC为组织带来的收益，因此组织开始减少跨行业投资行为。

管理者个人的风险偏好也能支持本文对期望逆差和企业跨行业投资行为间关系的假设。从个体风险偏好出发，前景理论基于人是“损失厌恶”的假设，提出当决策者面对损失的情境时，愿意承担更大的风险来规避既定损失。[6]也就是说，当公司面临未实现期望值的损失情境时，管理者是风险偏好的，更有可能承担跨行业CVC所伴随的高风险和不确定性。因此，负向绩效反馈使得管理者支持组织进行跨行业投资的动力逐渐增强。但是根据Bromiley的研究，当面对较大的损失时，个人的风险偏好会变为中性，[29]因此决策者对高风险的跨行业CVC投资的承受能力并不会随着绩效下滑而无限增大，而是在绩效逆差增大至某一程度时逐渐趋于平缓。一旦资源约束和向其他行业探索的成本带来的跨行业CVC阻力超过管理者推动这一冒险行为的动力，跨行业投资倾向将呈现下降趋势。结合以上分析，本文提出如下假设：

H1：当企业未能实现期望时，绩效期望差距与跨行业CVC投资倾向呈现先上升后下降的倒U型关系

（2）实现期望的情境

当组织实现了期望时，距离期望水平越远，表明组织当前的经营状况越好，占据领先的市场地位，拥有较强的生产能力和营销能力。这些珍贵的资源能力可以在互补型跨行业CVC中得到发挥和利用，帮助被投企业以较快的速度实现核心技术的商业化并获得收益。与此同时，经营状况优良的公司投资者往往享有较高声誉和良好的品牌效应，这些资源的利用常常不局限于母公司当前的市场，因此能够在非互补型跨行业CVC中为被投企业提供强大背书，[30]推动它们快速IPO以实现高额回报。此外，当企业的经济绩效良好时，内部创新活动也不必拘泥于生存导向的研发，更有可能将现有知识与通过外部跨行业CVC活动获得的其他行业知识更好地结合、转化，以产生高质量或更新颖的创新成果。综上，组织期望顺差的增加使跨行业CVC的边际收益逐渐上升。

另一方面，随着期望顺差增大，组织进行跨行业投资的边际成本将呈现下降趋势。当组织刚实现期望，处在期望值邻近区间时，组织已经将它所拥有的资源与当前市场实现了完美“匹配”，将资源挪用到其他市场的转换成本相对较高。[31]而当绩效逐渐提升至远超期望值的水平时，未充分利用的冗余资源逐渐增多，[28,31]组织能够以较低成本将冗余资源投入其他行业的CVC活动中。

将收益与成本结合起来考虑，当期望顺差保持在较小范围内时，跨行业投资的成本高于收益，因此采用跨行业CVC策略的倾向逐渐下降。而随着期望顺差继续增加，快速增长的收益超过成本，此时组织的跨行业投资倾向开始上升。

此外，从管理者个人层面来看，由于组织和管理者个人都存在路径依赖，倾向于坚持和复制成功的经验，[32]在企业获得正向绩效反馈时，前期的良好业绩使得管理者认识到当前发展战略的有效性和正确性，对于当前市场的信心得到强化。为了继续坚持当前发展道路，决策者更有可能将资源较多地分配到本行业的投资机会中，帮助企业维持对当前市场的掌控。同时，根据前景理论，在面对既得利益时，个人趋于厌恶风险，为了留存已有收益而表现出更为保守的行为。但是，随着期望顺差持续扩大，管理者可能出现“过度自信”。[13]成功的管理者容易将组织的成功归功于个人能力，从而产生自满、自负的情绪。[33]已有研究表明，过度自信容易导致管理者高估自己的能力，产生控制幻觉，并对组织战略实施的结果产生过于乐观的估计。[34,35]当期望顺差增大至某一程度时，管理者对于高风险的探索式投资活动掌控能力的“自信感”将得到强化，并会逐渐增加跨行业CVC投资。综上，管理者支持企业向其他行业进行CVC投资的动力随着期望顺差增大而呈现先减少后增加的趋势。综合以上分析，本文提出如下假设：

H2：当企业实现期望时，绩效期望差距与跨行业CVC投资倾向呈现先下降后上升的U型关系

3.公司内部研发水平与市场竞争程度的调节效应

（1）公司内部研发水平的调节作用

与内部研发相对，公司风险投资通常被认为是一种外部创新活动，[14,36]两者间存在十分紧密的互动关系。一方面，CVC作为母公司延伸到公司范围之外的“触手”，在市场中广泛搜索新知识、新技术，并通过知识转移与学习来提高母公司创新能力。[25,37]CVC活动是否能够从被投企业中获取知识，并且将这些外部知识内化为母公司自身的能力，取决于母公司的吸收能力。[36]吸收能力的建立需要积累相关先验知识，研发活动就是企业吸收能力的重要体现。[25]因此，母公司的内部研发与CVC活动可能具有互补关系，即内部研发会加强CVC对母公司的价值创造。另一方面，由于企业资源总量有限，内部研发和外部CVC可能存在资源竞争，呈现出“此消彼长”的替代性关系。鉴于此，本文认为，公司内部研发活动将对CVC这一外部搜索行为产生如下影响。

在组织未能实现期望的情况下，母公司内部研发水平越高，它所拥有的知识基础越宽广且多样化程度高，能够更好地帮助组织对外部知识（特别是与公司自身经营领域不相关的知识）进行识别、评估和消化利用。[36,38]这种对不相关知识的吸收与整合能力使得母公司通过跨行业CVC对未知领域进行探索，以改善绩效的可能性显著增加。然而，当企业实际业绩偏离期望水平过大时，公司内部较活跃的研发活动可能对CVC这一外部创新活动产生“挤出”效应，由于此时公司面临严重的资源约束，CVC可动用资源更加紧张，因此会呈现出更为保守的投资策略，即减少风险更高的跨行业CVC。整体看来，随着母公司自身研发水平的升高，当业绩偏离期望较小时，跨行业CVC倾向随着期望逆差的增大而上升的速度更快，而一旦业绩偏离期望超过某一阈值，跨行业CVC倾向随着期望逆差的持续增大而下降的速度也随之加快。由此我们推断，组织内部的研发水平强化了期望逆差与跨行业CVC活动间的倒U型关系。

而在期望顺差的情况下，当期望顺差较小时，公司由于探索新行业的动力不足而呈现出跨行业CVC倾向下降的趋势，此时母公司内部较高的研发水平加强了决策者对于企业当前战略及创新方向正确性和有效性的认知，强化了组织的“路径依赖”，因此跨行业CVC投资倾向随期望顺差扩大而下落的速度更快。当期望顺差超过某一拐点时，企业内部较高研发水平所带来的吸收能力能够提高跨行业CVC为组织带来的收益、加强决策者对于跨行业CVC活动的信心，因此跨行业CVC倾向随期望顺差继续扩大而上升的速度更快。综上所述，企业内部较高研发水平将导致期望顺差与跨行业CVC倾向之间的U型关系变得更加陡峭。综合以上分析，本文提出如下假设：

H3a：企业的内部研发水平会加剧绩效期望逆差与跨行业CVC投资倾向之间的倒U型关系

H3b：企业的内部研发水平会加剧绩效期望顺差与跨行业CVC投资倾向之间的U型关系

（2）市场竞争程度的调节效应

组织所处的外部市场环境对于决策者如何解释不同的绩效反馈具有重要影响。企业行为理论建立在有限理性的假设之上，而导致决策者有限理性的重要原因即人类有限的注意力。根据注意力基础观，企业表现出的行为是决策者分配其注意力的结果，而这个过程会受到他们所处情境的影响。[39]

在企业未能实现期望的情境下，当实际业绩偏离期望值不远时，过于激烈的外部市场竞争环境容易使决策者意识到通过本行业CVC投资来扭转局势是十分困难的，此时管理者更有可能将注意力转移到本行业之外，希望通过进入其他领域来另谋生路，通过跨行业CVC的方式获取进入其他领域的机会是一种更加具有吸引力的投资策略。因此在高市场竞争环境下，随着期望逆差增大，决策者采用跨行业CVC倾向的上升速度加快。而当实际业绩继续下滑至距离期望值较远的区间时，外部较高的市场竞争环境加剧了企业所面临的生存威胁，此时管理者不得不减少对于其他行业的关注，将注意力集中于本行业，确保在激烈的行业竞争中维持生存，因此跨行业CVC倾向将呈现出更快的下降趋势。也就是说，市场竞争程度导致期望逆差与跨行业CVC投资倾向之间的倒U型关系变得更加陡峭。

若企业实现了期望，且当组织实际业绩超出期望水平不远时，高市场竞争环境会削弱企业对于实现期望的“满足感”，随时可能滑落到期望水平以下的危机意识导致组织的路径依赖和组织惰性都得到缓解，因此企业跨行业CVC倾向随期望顺差增加而下落的速度减慢。当组织实际业绩远远超期望水平时，激烈的市场竞争环境会促使管理者将注意力更多地放在如何维持住当前的市场地位和优异的绩效表现上，其他行业的进入机会对公司投资者的吸引力减弱。因此，跨行业CVC倾向随期望顺差继续增大而上升的速度随之减缓。由此推测，高市场竞争会导致期望顺差与组织跨行业CVC倾向之间的U型曲线变得更加平缓。由此本文提出如下假设：

H4a：市场竞争程度会加剧绩效期望逆差与跨行业CVC投资倾向之间的倒U型关系

H4b：市场竞争程度会减弱绩效期望顺差与跨行业CVC投资倾向之间的U型关系

二、研究方法

1.样本数据来源

考虑到2007年我国实施新会计准则，为了确保数据的统计一致性，[22]本文选取2008-2018年开展过公司风险投资活动的A股上市公司作为研究样本（解释变量为2007-2017年，被解释变量为2008-2018年）。样本筛选过程如下：首先，利用CVSource投中数据库披露的风险投资事件信息，找出所有直接参与过风投活动且主营业务不包含金融行业的A股上市公司。然后，通过上市公司年度报告，找到它们所有主要从事创业投资或股权投资业务的子公司名单，再从投中数据库中逐条查询这些创投主体所参与的风险投资事件，汇总所有样本企业直接和间接投资事件，即得到公司年度投资事件数据集。本文所有关于样本企业的基本信息、财务数据及高管团队信息均来自CSMAR国泰安数据库，缺失信息从巨潮网披露的上市公司年报补充，关于企业从事CVC投资的相关信息全部来自CVSource投中数据库。剔除了所有经营异常的ST、*ST企业后，最终得到包含158家企业、共726条观测值的非平衡面板数据。

2.变量测度

因变量：跨行业CVC占比（Explr_ratio）。为了测度企业如何在探索式和利用式CVC投资策略间分配资源，本文采用企业跨行业CVC投资所占比例作为被解释变量。[40]首先，根据母公司和被投企业的行业代码相似程度对所有投资事件的行业跨度进行编码。根据2017年国民经济行业分类标准（GB/T4754-2017），行业代码由一位字母和两位数字构成，字母表示行业门类，两位数字则表示行业大类。如C27表示制造业（C）门类下的医药制造业。被投企业往往是未上市的创业企业，根据投中数据库给出的行业分类，结合被投企业主营业务描述，将其转化为国标行业代码。若母公司和被投企业的三位行业代码完全相同，则认为行业跨度为0；若只有第一位字母（行业门类）相同，而后两位数字不同，将行业跨度赋值为0.5；若首位字母都不同，则认为母公司与被投企业处在完全不同的行业，行业跨度赋值为1。然后，按照公式（1）来计算跨行业CVC占比。

其中，Explr_ratioit表示母公司i在年份t的跨行业CVC占比，Ind_distanceijt表示母公司i在年份t对被投企业j投资这一投资事件的行业跨度，Investment_amountijt表示母公司i在年份t对被投企业j投资的金额。即分子为该年度母公司所有投资事件的投资金额与行业跨度乘积的总和，而分母则为所有投资事件金额的直接加总。

自变量：期望逆差（Gap_n）和期望顺差（Gap_p）。期望的形成是基于企业的横向与纵向比较，[21,23,31]与相似的同类组织进行比较即得到社会期望，而与组织自身过往绩效相比较则得到历史期望。因此，参考Greve[23]和宋铁波等研究，[13]本文采用历史期望和社会期望构建的综合值来度量企业的期望水平，如公式（2）所示。

其中A表示期望值，HA表示历史期望，SA表示社会期望，α1是一个介于0到1之间的参数。

历史期望以该企业第t-1期的历史期望和第t-1期的实际绩效（P）加权得到，如公式（3）所示。α2是一个介于0到1之间的参数。参考宋铁波等，[13]本文分别测算了α1和α2取值为0.25、0.5和0.75时模型的拟合度，发现两个参数同时取值为0.5时回归得到的拟合度最高，故后文汇报α1=0.5、α2=0.5时的回归结果。社会期望用企业所在二级行业分类下的企业绩效中位数来进行简单衡量。所有实际绩效P均采用企业的资产收益率ROA来度量。[7,9]

得到企业的期望值后，与实际绩效进行比较，即可得到期望差距。当实际绩效低于期望值，即Pit-Ait<0时，令期望逆差gap_n=Pit-Ait，期望顺差gap_p=0。相反，当实际绩效高于期望值，即Pit-Ait>0时，令期望逆差gap_n=0，期望顺差gap_p=Pit-Ait。由此得到期望逆差和期望顺差的截尾变量。

调节变量：（1）研发强度（Rdint），以公司当年研发投入占销售收入的比值度量。（2）市场竞争程度（Compt），通常采用赫芬达尔指数来反映市场集中度，市场集中度越低，表示垄断程度越低，行业竞争程度越高，因此用1减去赫芬达尔指数来衡量市场竞争程度，如公式（4）所示：

其中，pi为公司i的销售收入占当年行业内所有企业销售收入总和的比例，n为当年行业内所有企业的数量。

控制变量：本文主要控制了以下变量，规模（Size）、年龄（Age）、销售收入增长率（Growth）、冗余资源（Slack）、投资组合多元化程度（Portf_div）、所有权性质（Ownership）、董事会规模（Boardsize）、两职合一（Duality）、独董比例（Inddir_ratio）、股权集中度（Sharehhi）、机构投资者持股（Inst_share）、CVC投资数量（Cvctimes）、跨行业CVC经验（Exp_explr）。此外，还控制了行业和年度虚拟变量。本文主要变量定义详见表1。

表1 变量定义

3.模型设定

其中，X为所有控制变量，ε为随机扰动项。为了缓解内生性问题，参考探讨绩效期望差距文献中的主流做法：（1）将解释变量相对于被解释变量做滞后一期处理，（2）加入行业固定效应和年份固定效应以排除不可观测因素对回归结果的干扰，（3）采用面板数据估计方法进行回归。[22,28,43]为了确定选用固定效应模型还是随机效应模型，本文进行Hausman检验发现结果不显著（p=0.607），表明随机效应模型比固定效应模型更有效，因此最终采用随机效应模型。此外，参考宋铁波等[13]和贺小刚等，[22]为了避免异方差和时间序列相关等问题，本文采用了Driscoll-Kraay标准误差。

三、实证结果分析

1.样本描述性统计与相关性分析

本文主要变量的描述性统计和相关系数分别如表2和表3所示。剔除数据缺失的样本后，共计726个观测值。因变量跨行业CVC投资的平均值为0.660，标准差为0.350，表明样本中进行跨行业CVC的企业较多。期望逆差和期望顺差的均值分别为-1.313、2.129，标准差分别为2.369、4.624，说明整体而言，样本企业的期望差距存在较大差异，且相较于期望顺差，期望逆差的分布更集中。主要变量间的相关系数均小于0.5，初步排除了变量间相关性过高造成的多重共线性问题。从行业分布情况来看，开展CVC活动的样本企业主要集中于制造业（C）和信息传输、软件和信息技术服务业（I），占比分别为46.83%、28.48%（样本行业分布情况省略，数据备索）。

表2 描述性统计

表3 相关系数表

2.回归结果分析

在开始回归分析之前，本文首先对主要连续变量在1%的水平上进行了缩尾处理，以剔除部分异常值对回归结果可能造成的影响。其次，为了进一步排除多重共线性的干扰，本文对所有自变量、调节变量和控制变量进行了方差膨胀因子（VIF）检验。结果显示，所有变量的VIF均小于2.15，平均VIF为1.35，远小于临界值10。此外，我们对所有进入模型交乘的变量预先进行了中心化处理。

表4展示了面板随机效应模型回归结果。基准模型（1）仅包含所有控制变量和调节变量。在此基础上，模型（2）加入了自变量及其平方项以检验假设1和假设2的非线性关系。可以发现，期望逆差的平方项回归系数显著为负（beta=-0.004，p<0.05），而期望顺差的平方

表4 回归结果

项回归系数显著为正（beta=0.001，p<0.05）。根据Haans等，[44]要确定变量之间的倒U型（或U型）关系，除了回归结果中的平方项系数显著为负（或显著为正）外，还需要满足以下条件：（1）极值点落在合理的自变量范围内，即极值点应大于样本中自变量的最小值，且小于最大值。（2）在自变量取值范围的左右端点处，倒U型（或U型）曲线的斜率显著。本文计算后得出，自变量期望逆差（中心化后）与企业跨行业CVC投资占比之间倒U型关系的拐点为-3.542（对应原始值为-4.835），大于期望逆差的最小值-20.785，小于最大值0。当期望逆差取最小值时，曲线斜率显著为正（slope=0.174，p<0.01），当期望逆差取最大值时，曲线斜率显著为负（slope=-0.053，p<0.05），表明期望逆差与企业进行跨行业CVC倾向之间存在倒U型关系（如图1a所示），支持假设1。期望顺差（中心化后）与企业跨行业CVC投资占比之间U型关系的拐点为17.038（对应原始值为19.167），落在期望顺差的取值范围[0，40.249]中。且在左端点处（期望顺差取值为0时）曲线斜率显著为负（slope=-0.061，p<0.01），右端点处（期望顺差取值为40.249时）曲线斜率显著为正（slope=0.067，p<0.05）。由此可得，当企业实现期望时，随着期望顺差的扩大，企业进行跨行业CVC投资的倾向呈现先减少后增加的U型关系（如图1b所示），假设2得以验证。

图1b 期望顺差与跨行业CVC比例

图1a 期望逆差与跨行业CVC比例

为了验证假设3a和3b，模型（3）和模型（4）分别依次加入了研发强度与期望逆差的平方项和一次项的交乘项、研发强度与期望顺差的平方项和一次项的交乘项。Haans等指出，[44]对于线性关系而言，自变量二次项与调节变量交乘项回归系数的符号与显著性可以用于判断调节效应是否存在。

从模型（3）中可以发现，因变量对研发强度与期望逆差平方的交乘项回归系数显著为负（beta=-0.030，p<0.05），表明当公司内部研发水平较高时，期望逆差与公司进行跨行业CVC投资倾向之间的倒U型关系得到强化，曲线更加陡峭。我们将调节变量研发强度分别取均值和均值加一个标准差时的两条曲线绘制于图2a中。当研发强度取均值时，拐点对应的期望逆差值为-2.142；而当研发强度升高至均值加一个标准差时，拐点向左移动至-4.641。当研发强度由均值增加至一个标准差的水平时，曲线左端点处期望逆差对因变量的边际影响由0.162上升至0.190，而曲线右端点处边际效应由-0.021变为-0.049，表明曲线两端点处斜率的绝对值都有所提升，假设3a得到支持。

图2a 研发强度的调节作用(期望逆差)

根据模型（4），研发强度与期望顺差平方的交乘项系数显著为正（beta=0.013，p<0.05），表明随着研发水平的提升，期望顺差与跨行业CVC倾向之间的U型关系得到强化（如图2b所示）。具体而言，当研发强度由均值提升至一个标准差的水平时，曲线拐点自19.014略微向右移动至20.343，而期望顺差取最小值时的边际效应由-0.043减小至-0.068，期望顺差取最大值时的边际效应由0.047增加至0.067，整个U型曲线变得更为陡峭，支持假设3b。

图2b 研发强度的调节作用(期望顺差)

假设4a和4b是关于市场竞争程度对主效应的调节作用。表3中模型（5）和（6）分别加入了市场竞争程度与期望逆差的平方项和一次项的交乘项、市场竞争程度与期望顺差的平方项和一次项的交乘项，以检验本组假设。模型（5）中市场竞争程度与期望逆差平方的交乘项系数为-0.042（p<0.1）。我们分别计算了中等水平的市场竞争程度（均值）和较高水平的市场竞争程度（由于均值加1个标准差的取值超过了市场竞争程度的最大值，因此取均值加0.5个标准差）时曲线拐点的横坐标，发现拐点由-2.885略微向右移动至-2.797。而倒U型曲线左端点处的斜率由0.097上升至0.230，右端点处斜率由-0.016减小至-0.036，曲线变得更为陡峭（如图2c所示）。由此假设4a也得到支持。

图2c 市场竞争程度的调节作用(期望逆差)

最后，模型（6）中市场竞争程度与期望逆差平方的交乘项系数为-0.010，尽管系数为负，与假设推断一致，但并不显著，假设4b未能得到验证。

3.稳健性检验

（1）替换因变量测度方式

前文中采用以行业跨度加权的跨行业CVC金额占比来度量组织跨行业CVC的倾向，在此我们将其替换为以行业跨度加权的跨行业CVC事件数占比，如式（6）所示：

其中，Ind_distanceijt表示第t期公司投资者i向新创企业j投资的行业跨度，n为当年公司投资者i参与的所有CVC投资事件次数。替换因变量测度方式后假设检验的结果与主回归保持一致，除H4b外的其他所有假设都得到了支持。

（2）样本选择偏差的纠正：Heckman两阶段模型

由于样本企业可能仅在某些年份进行CVC投资，而其他未投资的年份则被排除在我们的样本之外，可能会产生样本选择偏差导致的内生性问题。[45]为了解决这一问题，本文采用Heckman两阶段模型来进行修正。第一阶段用Probit模型来估计企业开展CVC投资的概率，并计算出逆米尔斯比率IMR带入第二阶段回归中。第一阶段选用了“当年母公司同行业的公司投资者投资的数量”作为工具变量，具体理由如下：①通常认为，组织模仿某一决策的可能性随着环境中其他组织采用这一决策频率的升高而逐渐增大。[46]也就是说，公司投资者之间存在互相模仿的行为，若当年母公司同行业的公司投资者开展CVC投资的数量较多，我们所关注的目标公司投资者也更有可能基于这种模仿而进行投资。由此本文认为，“当年母公司同行业的公司投资者开展CVC投资的数量”与第一阶段的被解释变量“当年公司是否进行CVC投资”呈正相关关系。②“当年母公司同行业的公司投资者投资的数量”对本研究关注的因变量“跨行业投资倾向”并无直接影响。根据第一阶段的回归结果也可以发现，工具变量“当年母公司同行业的公司投资者开展CVC投资的数量”的回归系数为0.202（p<0.05），也证明了该工具变量选择的合理性。将IMR带入第二阶段后的回归结果显示，当排除样本选择问题后，本文的研究结论仍然成立（数据略去备索）。

（3）反向因果检验

本研究的自变量和因变量之间可能存在反向因果关系，即可能是由于公司投资者的CVC行业投资偏好导致它们呈现出不同的绩效反馈结果。因此，本文借鉴相关文献的方法，增加样本企业2019年的数据，并以第t期期望逆差和顺差作为被解释变量、第t-1期的跨行业投资倾向作为解释变量进行回归，来排除反向因果关系。[13,47,48]结果显示，无论以期望顺差还是期望逆差作为被解释变量，无论是否加入跨行业投资倾向的平方项，结果都不显著，在一定程度上排除了可能存在的反向因果关系。

综合以上稳健性检验，整体看来，本文的研究结论稳健性良好。

四、研究结论与启示

1.研究结论

公司风险投资是众多实体企业为在未来进行适应环境发展要求的战略更新活动而做的早期准备。因此，CVC投资的行业选择对组织长远的生存发展及可能的变化方向都具有重要影响。那么究竟是什么因素导致不同组织或相同组织在不同时期采用不同的CVC行业策略。本文从组织绩效反馈的视角回答了这一问题。负向或正向绩效反馈将导致组织向不同方向展开搜索行为，从而导致了CVC活动向本行业或其他行业延伸的不同策略选择。进一步研究发现，随着公司内部研发水平和外部市场竞争程度的变化，绩效反馈对CVC行业策略的影响也将发生动态变化。对我国开展公司风险投资活动的158家A股上市公司共726个观测值为样本进行实证分析，本文得出了以下结论：

第一，CVC作为一种肩负着母公司战略使命的投资活动，其行业选择策略会随着母公司绩效反馈的变化而做出相应调整。当企业未能实现期望水平时，随着期望逆差的扩大，跨行业CVC倾向呈现先上升后下降的倒U型变化趋势。而当组织实现了期望值时，期望顺差与跨行业CVC倾向之间则呈现先下降后上升的U型关系。第二，母公司内部研发水平对期望逆差、期望顺差与跨行业CVC倾向间的关系起到调节作用。具体而言，当公司本身的内部研发投入较高时，组织绩效相对于期望水平的下滑会引发跨行业CVC策略更加剧烈的变化，即在期望逆差增加至一定程度以前，相较于研发水平较低的企业，高研发水平的组织采用跨行业投资的倾向随期望逆差增加而上升的速度更快，而当期望逆差突破阈值以后，高研发水平的企业跨行业投资倾向随着期望逆差增大而下落的速度更快；另一方面，研发水平加剧了期望顺差与跨行业CVC倾向间的U型关系，随着母公司吸收能力的提高，跨行业CVC倾向对组织期望顺差的变化更为敏感，同等程度的期望顺差增加，会引起组织跨行业CVC倾向更大幅度的下降（未达到临界值以前）或上升（超过临界值后）。第三，组织所处行业的市场竞争程度使得期望逆差与跨行业CVC倾向间的倒U型关系更加陡峭，即当组织处在更加激烈的市场竞争环境中时，组织根据期望逆差变化做出投资策略调整的响应程度更高，期望逆差增加所引发的跨行业CVC倾向先升后降的幅度变化更加明显。

2.理论贡献

（1）本研究扩展了企业行为理论的研究。过去企业行为理论的相关文献大多数聚焦于绩效反馈引发企业问题搜索导致的特定行为结果，却未能解释组织变化的方向。[49]而本文在公司风险投资的情境下尝试回答这一问题，深入探讨了正向和负向绩效反馈如何对组织的探索式和利用式搜索行为产生影响。研究结论显示，正、负绩效反馈对公司投资者探索和利用式投资的资源分配决策具有非线性影响。一定范围内的期望顺差将导致企业增加利用式投资策略的使用，而更大程度的期望顺差会导致企业逐渐向探索式投资转移。相反地，期望逆差的增大会引发组织先探索、后利用的搜索方式变化。

（2）本研究丰富了公司风险投资策略的研究。现有关于CVC的研究主要聚焦在企业开展CVC的前因及CVC活动所带来的绩效或创新等方面的结果，却鲜少探讨投资的模式与策略。[5]本文所关注的行业选择是CVC投资策略中的重要组成部分，也是CVC运营中需要重点考虑的决策。

（3）此前对公司风险投资策略或模式的研究往往基于与独立风险投资的对比以归纳出CVC的通用策略，或者通过组织的静态特征预测相匹配的CVC策略或对CVC模式进行归类。本质上，这些研究都将CVC策略视为一种具有长期性和稳定性的战略选择。然而事实并非如此，公司投资者的投资策略具有自我调适的特点。本研究发现，CVC的行业选择会根据组织绩效反馈的变化而变化，并且会随着内部研发水平、外部市场环境的改变而做出相应调整。

（4）本文同时将公司投资者的内部研发活动和外部市场环境纳入绩效反馈模型中，有助于深入了解组织搜索行为如何与复杂的内外部环境发生互动。现有研究大多聚焦于绩效反馈导致的单一行为后果，而本文将内部研发和外部公司风险投资这两种搜索活动同时考虑，认为内部研发水平将影响不同绩效反馈情境下组织对CVC投资活动重要程度的认识。而外部市场竞争程度作为组织生存环境的重要特征，决定了决策者注意力在行业内部和外部的分配，从而对组织开展CVC投资活动的行业选择产生影响。

3.不足与展望

本研究旨在探究公司投资者CVC行业策略与绩效反馈之间的关系，但由于实证设计的需要和数据的限制，仅将CVC行业策略分为同行业投资和跨行业投资两种类型，对行业跨度的测量也仅仅基于母公司与被投企业行业代码的比较。这是一种相对粗略的测度方式，未来研究可以采用更加深入细致的测量方式来讨论CVC的行业策略。其次，本文在考虑绩效反馈时，仅采用了单一的决策参考点作为组织评估绩效期望差距的标准。事实上，单一决策参考点的前提假设具有局限性，当组织面对多个参考点导致的不一致的绩效反馈时，决策者会对决策参考点进行动态调整，从而导致不同的行为后果。因此，之后的研究可以进一步关注绩效反馈不一致性或多重目标下的绩效反馈对CVC战略选择的影响。

注释

①数据来自CB Insights发布的《2019年全球CVC报告》（The 2019 Global CVC Report）。

②数据来自清华大学五道口金融学院田轩等发布的《2019中国CVC行业发展报告》。