陳 凱 李志萍 羅國鋒 尹 凡（東北大學(xué)，沈陽 089） （東北大學(xué)秦皇島分校，秦皇島 066004）（中國環(huán)境管理干部學(xué)院，秦皇島 0660）

信息技術(shù)企業(yè)與風(fēng)險資本的空間共生研究

陳 凱1，2李志萍1，2羅國鋒2尹 凡3
1（東北大學(xué)，沈陽 110819）2（東北大學(xué)秦皇島分校，秦皇島 066004）3（中國環(huán)境管理干部學(xué)院，秦皇島 066012）

信息技術(shù)企業(yè)與風(fēng)險資本的空間共存至關(guān)重要。課題以1994～2014年獲得風(fēng)險資本融資的IT企業(yè)為樣本，運(yùn)用空間滯后模型，研究距離IT企業(yè)一定空間范圍內(nèi)風(fēng)險投資機(jī)構(gòu)數(shù)量、同行數(shù)量對IT企業(yè)風(fēng)險資本融資金額的影響。研究發(fā)現(xiàn)，IT企業(yè)周圍100公里以內(nèi)、100～200公里、200～300公里、300～400公里范圍內(nèi)的風(fēng)險投資機(jī)構(gòu)數(shù)量均正向影響其融資金額，邊際效應(yīng)最大的是200～300公里范圍，最小的是300～400公里范圍。IT企業(yè)周圍100～200公里以內(nèi)和200～300公里范圍內(nèi)的同行數(shù)量正向影響其融資額，100公里以內(nèi)和300～400公里范圍內(nèi)的同行數(shù)量則反向影響其風(fēng)險資本融資額，尤其是100公里范圍內(nèi)同行的增加使其風(fēng)險資本融資額大幅減少。研究結(jié)論為政府支持本地風(fēng)險投資的發(fā)展提供了證據(jù)，同時也為IT企業(yè)的選址有借鑒意義。

風(fēng)險資本 IT企業(yè) 空間滯后模型 融資金額 同行數(shù)量

信息技術(shù) （Information Technology，簡稱 IT）產(chǎn)業(yè)是我國的支柱型產(chǎn)業(yè)，在我國經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級過程中發(fā)揮了重要作用，信息產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)不斷上升，是我國經(jīng)濟(jì)增長的重要源泉［1］。與傳統(tǒng)行業(yè)相比，IT行業(yè)存在 “高科技、高投入、高風(fēng)險、高收益”的特征，IT企業(yè)在生存發(fā)展過程中面臨的突出問題是創(chuàng)業(yè)初期如何獲得資金以及管理方面的幫助和支持。風(fēng)險資本 （Venture Capital，VC）面向早期、高新技術(shù)企業(yè)，是中小型創(chuàng)業(yè)企業(yè)的重要資金來源，不僅為創(chuàng)業(yè)企業(yè)提供了資金支持，而且為其引進(jìn)了專業(yè)化的管理制度，并提供了咨詢建議等增值服務(wù)［2］，在中小型高新技術(shù)企業(yè)的成長中發(fā)揮了積極的作用。IT行業(yè)所具有的特點(diǎn)使其成為風(fēng)險資本最青睞的投資行業(yè)。

國內(nèi)外研究均發(fā)現(xiàn)風(fēng)險投資存在地理鄰近的特點(diǎn)，地理鄰近可以使風(fēng)險投資機(jī)構(gòu)在做出投資決策的前、后期都能幫助企業(yè)盡可能減少相關(guān)成本。在甄選投資對象階段，地理鄰近可以幫助風(fēng)險投資機(jī)構(gòu)花費(fèi)更少的人力和財力以及時間成本獲取信息，便于投資家與企業(yè)家之間面對面的溝通，在投資事件發(fā)生后，地理鄰近又有助于減少監(jiān)督成本和管理成本，便于開展增值活動［3］。Martin等 （2005）以問卷調(diào)查的方式發(fā)現(xiàn)英、德的創(chuàng)業(yè)投資公司存在地理鄰近，48%的英國風(fēng)險投資機(jī)構(gòu)和46%的德國創(chuàng)業(yè)投資公司認(rèn)為靠近目標(biāo)企業(yè)集聚的區(qū)域最重要［4］。之后，又有學(xué)者對地理鄰近進(jìn)行了實(shí)證研究，Lutz等人以旅途時間來度量地理鄰近，指出即使在德國，交通基礎(chǔ)設(shè)施完善，往來于各地非常方便，但風(fēng)險投資者與目標(biāo)企業(yè)的地理鄰近仍很重要［5］。這一發(fā)現(xiàn)正好與Fritsch和Schilder（2012）所認(rèn)為的地理鄰近并不是風(fēng)險投資的必要條件相反［6］。Cumming和Dai則在地理距離的基礎(chǔ)上，借鑒Coval和Moskowitz關(guān)于本地偏好的度量［7］，根據(jù)發(fā)生的投資交易事件信息來計(jì)算風(fēng)險投資機(jī)構(gòu)的本地偏好，進(jìn)而研究影響本地偏好的因素及本地偏好帶來的績效結(jié)果［8］。Kolympiris等學(xué)者運(yùn)用擴(kuò)展的空間自回歸模型，對美國風(fēng)險資本與生物技術(shù)行業(yè)的空間共生進(jìn)行了研究，發(fā)現(xiàn)距離生物技術(shù)企業(yè)10英里半徑范圍內(nèi)的VC數(shù)量正向影響其融資水平［9］。國內(nèi)學(xué)者王曦和黨興華發(fā)現(xiàn)風(fēng)險投資機(jī)構(gòu)的聲譽(yù)、風(fēng)險投資機(jī)構(gòu)間的競爭反向影響其本地偏好，創(chuàng)業(yè)企業(yè)的聚集以及投資于早期階段創(chuàng)業(yè)企業(yè)，使風(fēng)險投資機(jī)構(gòu)的本地偏好程度更強(qiáng)［10］。李志萍等以風(fēng)險投資機(jī)構(gòu)與創(chuàng)業(yè)企業(yè)之間的地理距離來度量地理鄰近，采用1∶1匹配的研究設(shè)計(jì)，通過Relogit回歸分析發(fā)現(xiàn)，隨著地理距離的增大，風(fēng)險投資事件交易達(dá)成可能性會下降［11］。黃福廣等以獲得風(fēng)險資本支持的2004～2012年中小板和創(chuàng)業(yè)板上市公司為樣本，發(fā)現(xiàn)風(fēng)險投資機(jī)構(gòu)與新企業(yè)之間的地理距離越遠(yuǎn)，新企業(yè)獲得的風(fēng)險資本融資越少，風(fēng)險資本投資明顯存在本地偏好［12］。

王家庭和張俊韜基于我國30省區(qū)面板數(shù)據(jù)，通過計(jì)算2000～2008年我國IT產(chǎn)業(yè)的市場集中度指數(shù)及空間集聚β指數(shù)考察了IT產(chǎn)業(yè)的集聚現(xiàn)象，并通過計(jì)算Moran指數(shù)及其散點(diǎn)圖分析了產(chǎn)業(yè)集聚的空間相關(guān)性和空間分布特征，發(fā)現(xiàn)IT產(chǎn)業(yè)屬于高度空間集聚產(chǎn)業(yè)，我國IT產(chǎn)業(yè)發(fā)展的不平衡性在逐漸加?。?3］。許紅和張春芳通過對1994～2006年IT產(chǎn)業(yè)集聚度的測算，指出集聚是中國IT產(chǎn)業(yè)重要的區(qū)位特征［14］。另有學(xué)者對長三角［15］、江蘇的 IT產(chǎn)業(yè)集聚度［16，17］進(jìn)行了測算，并研究了IT產(chǎn)業(yè)集聚度與勞動生產(chǎn)率的關(guān)系、產(chǎn)業(yè)集聚對競爭力的影響。

綜上，國內(nèi)外學(xué)者均實(shí)證研究發(fā)現(xiàn)了風(fēng)險資本傾向于投資近距離的創(chuàng)業(yè)企業(yè)，多數(shù)研究采用的是傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)的方法，同時，國內(nèi)研究中關(guān)于風(fēng)險投資地理鄰近作用范圍及強(qiáng)度的研究比較少；第二，國內(nèi)研究中關(guān)于IT產(chǎn)業(yè)集聚的研究多集中于對產(chǎn)業(yè)集聚度的測算，并通過測算結(jié)果指出IT產(chǎn)業(yè)存在產(chǎn)業(yè)集聚這一現(xiàn)象，對于IT產(chǎn)業(yè)集聚帶來的影響大多關(guān)注的是勞動生產(chǎn)率和競爭力兩方面的研究，且運(yùn)用空間計(jì)量模型進(jìn)行研究的較少。基于我國IT行業(yè)實(shí)際發(fā)生的風(fēng)險投資事件信息，以IT企業(yè)獲得的風(fēng)險資本融資金額作為被解釋變量，以一定半徑范圍內(nèi)的風(fēng)險投資機(jī)構(gòu)數(shù)量、同行企業(yè)數(shù)量作為解釋變量，研究其一定半徑范圍內(nèi)的風(fēng)險投資機(jī)構(gòu)數(shù)量、同行數(shù)量是否對IT企業(yè)的風(fēng)險資本融資是否起到積極作用?？紤]到我國IT產(chǎn)業(yè)屬于高度空間集聚產(chǎn)業(yè)，某IT企業(yè)的風(fēng)險資本融資可能受到其周圍同行的融資水平影響，所以采用空間滯后模型對假設(shè)進(jìn)行驗(yàn)證。擬從以下幾個方面有所創(chuàng)新：（1）采用空間計(jì)量經(jīng)濟(jì)學(xué)的方法，研究風(fēng)險投資地理鄰近發(fā)揮作用的半徑范圍及強(qiáng)度；（2）采用空間計(jì)量模型研究IT產(chǎn)業(yè)集聚影響風(fēng)險資本融資金額的強(qiáng)度及地理范圍。

1 實(shí)證研究假設(shè)

1.1 風(fēng)險投資機(jī)構(gòu)數(shù)量對融資水平的影響

國內(nèi)外相關(guān)研究普遍認(rèn)為組織之間的地理鄰近可以縮短人力、物資的運(yùn)輸時間，從而減少了有形的交易成本；更重要的是，地理鄰近可以提高組織間面對面交流的機(jī)會，在很大程度上促進(jìn)了隱性知識的傳播和外部網(wǎng)絡(luò)的完善，以便從中獲得更多有效的知識溢出。Sorenson和 Stuart（2001）認(rèn)為地理鄰近有助于投資發(fā)生前的機(jī)會識別及評價，也有助于投資發(fā)生后對受資企業(yè)的監(jiān)督及提供管理建議［3］。Zook（2002）提出了硅谷“一小時”距離［19］，F(xiàn)lorida和 Kenney（1998）認(rèn)為在美國，主導(dǎo)投資者往往進(jìn)行周邊150～250英里范圍的投資并向受資企業(yè)提供技術(shù)支持［20］。Sapienza等 （1996）發(fā)現(xiàn)在英國平均旅途時間是1.5小時，而在美國則是2小時以上［21］。國內(nèi)外均有研究表明，地理距離越大，風(fēng)險投資交易達(dá)成可能性越?。?，11］，規(guī)模小、專注于早期階段的風(fēng)險投資機(jī)構(gòu)其投資地域更窄，更傾向于近距離投資［22］，風(fēng)險投資機(jī)構(gòu)存在本地偏好［8，10］。風(fēng)險投資機(jī)構(gòu)與IT企業(yè)之間存在信息不對稱問題，且IT企業(yè)的生存和發(fā)展具有很多不確定性，使風(fēng)險投資機(jī)構(gòu)所面臨的投資風(fēng)險很高。為了盡可能把風(fēng)險降到最低，風(fēng)險投資機(jī)構(gòu)在投資前會對IT企業(yè)進(jìn)行調(diào)查，仔細(xì)甄別其是不是有能力存活并發(fā)展下去。同時在投資后，會加大監(jiān)督的力度，甚至派進(jìn)自己的人力資源參與企業(yè)的管理，希望借助自身資源和管理經(jīng)驗(yàn)來幫助IT企業(yè)在激烈的競爭中有很好的發(fā)展。

如果一個IT企業(yè)附近有很多風(fēng)險投資機(jī)構(gòu)，則該企業(yè)獲得本地風(fēng)險投資的機(jī)會較大，尤其是當(dāng)多個風(fēng)險投資機(jī)構(gòu)決定聯(lián)合投資該企業(yè)時，這可以緩解信息不對稱的問題，最大程度地減小監(jiān)督和管理成本［23］，使該企業(yè)獲得更多的融資金額。同時，因?yàn)楸镜仫L(fēng)險投資機(jī)構(gòu)可以代為執(zhí)行監(jiān)督和提供增值，能夠促進(jìn)信息傳播從而擴(kuò)展了交易的空間半徑［3］，相應(yīng)地，也增加了外地VC投資于該企業(yè)的可能性?；诖?，提出以下假設(shè)：

H1：隨著IT企業(yè)周圍風(fēng)險投資機(jī)構(gòu)數(shù)量的增加，其風(fēng)險資本融資金額也增加。

1.2 IT、互聯(lián)網(wǎng)企業(yè)周圍同行數(shù)量的增加對其融資水平的影響

馬歇爾 （1890）指出產(chǎn)業(yè)聚集的3個原因：促進(jìn)專業(yè)化投入和服務(wù)的發(fā)展，提供特定產(chǎn)業(yè)技能的勞動力市場以及產(chǎn)生溢出效應(yīng)［24］。此后，產(chǎn)業(yè)集聚的原因及結(jié)果等相關(guān)主題備受關(guān)注，如學(xué)者們紛紛對積極的聚集外部性進(jìn)行了實(shí)證研究［25－27］。IT企業(yè)和其他同行的集聚可以促進(jìn)本地市場的發(fā)展，也帶來社交網(wǎng)絡(luò)的外部效應(yīng)。社交網(wǎng)絡(luò)的發(fā)展促進(jìn)公司之間更加頻繁的交流和交往，使得很多知識得到共享，IT企業(yè)合作的可能性增加。企業(yè)所掌握的顯性知識和隱性知識是其競爭力的基礎(chǔ)［28］，與顯性知識相比，隱性知識是未被文本化或難以被文本化的信息，具有難以言明和模仿、不易被復(fù)制的特點(diǎn)。從知識溢出的角度來看，地理鄰近能夠促進(jìn)頻繁接觸，有助于隱性知識的傳遞，增加IT企業(yè)獲得知識溢出的機(jī)會。綜上，IT企業(yè)可以獲得知識溢出的收益，獲得專業(yè)化的人力資源的投入以及同行密集地區(qū)社交網(wǎng)絡(luò)帶來的收益，這些收益可以使他們能吸引更多的風(fēng)險投資。因此，提出假設(shè)：

H2：隨著附近同行數(shù)量的增加，IT企業(yè)的風(fēng)險資本融資金額也增加。

2 研究設(shè)計(jì)與方法

2.1 數(shù)據(jù)來源

從投中集團(tuán)CVSource數(shù)據(jù)庫中搜集了1994～2014年中國大陸發(fā)生的IT企業(yè)風(fēng)險投資交易事件信息。本文所指的IT包括了互聯(lián)網(wǎng)信息服務(wù)、基礎(chǔ)軟件服務(wù)、應(yīng)用軟件服務(wù)、計(jì)算機(jī)系統(tǒng)服務(wù)、數(shù)據(jù)處理、其他計(jì)算機(jī)服務(wù)、其他軟件服務(wù)。將風(fēng)險投資機(jī)構(gòu)未知、企業(yè)所在地未知以及投資金額未知的事件進(jìn)行剔除，得到1738次企業(yè)——機(jī)構(gòu)——輪次級投資事件，其中涉及受資企業(yè)1216家，風(fēng)險投資機(jī)構(gòu)484家。企業(yè)所在地GDP、人口、專利的相關(guān)數(shù)據(jù)均來自國家統(tǒng)計(jì)局官網(wǎng)。

2.2 變量解釋及其度量

2.2.1 因變量

AMT，表示IT企業(yè)所獲得的風(fēng)險資本融資總金額，單位為百萬美元，取自然對數(shù)。

2.2.2 自變量

N_of_VC01，表示距離IT企業(yè)100公里 （不包括）半徑范圍內(nèi)風(fēng)險投資機(jī)構(gòu)的數(shù)量。類似的，N_of_VC12，N_of_VC23分別描述距離IT企業(yè)100（包括）～200公里和200（包括）～300公里半徑范圍內(nèi)的風(fēng)險投資機(jī)構(gòu)的數(shù)量。借鑒Kolympiris等學(xué)者以每10英里作為劃分界限對美國生物技術(shù)行業(yè)與風(fēng)險資本的空間共生研究［9］以及孫建等學(xué)者以每300公里作為空間權(quán)重矩陣的拆分標(biāo)準(zhǔn)［29］，同時考慮到風(fēng)險投資的集聚情況，本文以100公里作為空間權(quán)重矩陣的拆分標(biāo)準(zhǔn)。變量度量時，首先用matlab計(jì)算IT企業(yè)與VC之間球面距離矩陣，該矩陣是一個1216×484階矩陣，進(jìn)而整理出距離IT企業(yè)各半徑范圍內(nèi)VC的數(shù)量。根據(jù)假設(shè)1，這些變量的預(yù)期符號為正。這些解釋變量的回歸系數(shù)表示每增加一個風(fēng)險投資機(jī)構(gòu)所帶來的IT企業(yè)融資水平的邊際效應(yīng)。

N_of_IT01表示距離IT企業(yè)100公里 （不包括）半徑范圍內(nèi)獲得風(fēng)險投資的同行數(shù)量。類似的，N_of_IT12，N_of_IT23分別描述距離IT企業(yè)100（包括）～200公里和200（包括）～300公里半徑范圍內(nèi)的同行數(shù)量。根據(jù)IT企業(yè)所在城市經(jīng)緯度，用matlab計(jì)算IT企業(yè)兩兩之間的球面距離矩陣，該矩陣表現(xiàn)為對角線為0的1216×1216階對稱矩陣，進(jìn)而整理出距離IT企業(yè)各半徑范圍內(nèi)同行的數(shù)量。根據(jù)假設(shè)2，這些變量的預(yù)期符號為正。這些解釋變量的回歸系數(shù)表示每增加一個同行所帶來的IT企業(yè)融資水平的邊際效應(yīng)。

2.2.3 控制變量

（1）表示VC特征的控制變量

VC_age表示當(dāng)融資事件發(fā)生時，VC的成立年頭。若IT企業(yè)接受了多個VC的聯(lián)合投資，計(jì)算多個成立年頭的平均值；若IT企業(yè)獲得多輪融資，分別計(jì)算在不同融資時間上VC的成立年頭，取平均值。因?yàn)槌闪⒛觐^久的風(fēng)險投資機(jī)構(gòu)往往投資經(jīng)驗(yàn)更豐富，籌集到的管理資金規(guī)模較大，相應(yīng)地，對創(chuàng)業(yè)企業(yè)的投資金額較大。

VC_synd表示聯(lián)合投資網(wǎng)絡(luò)，如果一家VC和其他VC共同投資過一個IT企業(yè)，記為一個單位，加總可得到該VC曾與多少家VC進(jìn)行過聯(lián)合投資。與計(jì)算VC_age相似，若IT企業(yè)接受了多個VC的聯(lián)合投資，計(jì)算多個聯(lián)合投資網(wǎng)絡(luò)的平均值；若IT企業(yè)獲得多輪融資，就分別計(jì)算在不同融資時間上VC的聯(lián)合投資網(wǎng)絡(luò)，取平均值。如果某VC的聯(lián)合投資機(jī)構(gòu)數(shù)量很多，代表其掌握的社會網(wǎng)絡(luò)資源相對較多，往往擁有更大的資金規(guī)模，也傾向于給IT企業(yè)提供更多的資金。

Fore表示VC的資金來源是否含有外資成分，若資金來源中有外資成分，則該變量取1，否則，如果給該企業(yè)融資的VC中沒有一家VC有外資來源，則該變量取0。外資融資可視為一種遠(yuǎn)距離融資，往往這個VC管理的資金規(guī)模也大，大多涉及大額投資。

（2）表示IT企業(yè)所在地的特征的控制變量

Per_GDP：表示每萬人人均GDP，該變量反映一個城市的經(jīng)濟(jì)發(fā)展水平，如果一個地區(qū)的人均GDP很高，說明該城市或地區(qū)的經(jīng)濟(jì)環(huán)境更好，從而更有利于IT企業(yè)的發(fā)展和獲得更多的融資。

Per_pate：表示每萬人人均專利數(shù)，該變量反應(yīng)一個地區(qū)的創(chuàng)新程度，當(dāng)一個地區(qū)所申請受理并批準(zhǔn)的專利數(shù)越多，其自主知識產(chǎn)權(quán)就越多，相對來說，其創(chuàng)新能力就越強(qiáng)，對于高科技產(chǎn)業(yè)公司的發(fā)展有很大幫助，能很大程度上影響企業(yè)的融資。

Cent：表示風(fēng)險資本中心，通過對樣本統(tǒng)計(jì)發(fā)現(xiàn)，我國風(fēng)險資本集聚于北京、上海和深圳三地，樣本中總部位于上述城市的VC占67.149%。變量Cent的取值為若IT企業(yè)位于北京、上?；蛏钲冢撟兞咳?，否則取0。該變量能夠反應(yīng)IT企業(yè)所在地的風(fēng)險資本發(fā)展?fàn)顩r。

2.3 數(shù)據(jù)分析方法

采用相關(guān)分析、空間計(jì)量模型等方法處理數(shù)據(jù)進(jìn)行實(shí)證研究。所使用的分析軟件為stata11.0版和matlab2010b版，其中，stata11.0軟件用于描述性統(tǒng)計(jì)和相關(guān)分析，matlab2010b軟件用于計(jì)算Moran's I值以及空間模型的估計(jì)。

3 實(shí)證檢驗(yàn)與分析

3.1 因變量空間自相關(guān)的判斷

Moran I指數(shù)是廣泛運(yùn)用的判斷空間自相關(guān)的工具。Moran I指數(shù)取值的正負(fù)及大小反應(yīng)了空間自相關(guān)的方向及大小。符號為正，說明存在空間正相關(guān)，符號為負(fù)，則說明存在空間負(fù)相關(guān)，Moran I指數(shù)絕對值越大，說明空間相關(guān)度越大。這一方法經(jīng)常被用于判斷空間自相關(guān)［13，30］。運(yùn)用matlab計(jì)算得到 Moran's I值為 0.0176，Z（I）為11.9573，大于在1%的水平下Z_alpha值2.3263，表明IT企業(yè)風(fēng)險資本融資額存在空間正相關(guān)，且在1%的水平下顯著。

3.2 模型構(gòu)建

當(dāng)被解釋變量存在空間依賴、空間異質(zhì)時，經(jīng)典的計(jì)量經(jīng)濟(jì)學(xué)方法不再適用，應(yīng)采用空間計(jì)量經(jīng)濟(jì)模型的估計(jì)方法［18］。為了體現(xiàn)風(fēng)險資本融資額存在外部效應(yīng)，利用spatial autoregression（SAR）模型對提出的假設(shè)進(jìn)行實(shí)證支持，模型如下：

其中，y為因變量，x為自變量，W為n×n階空間權(quán)重矩陣，ρ為空間自相關(guān)系數(shù)，ρ不等于0，說明存在空間自相關(guān)效應(yīng)。ε是一個n×1階的誤差向量?？臻g權(quán)重矩陣W是基于100公里半徑來定義的，如果IT企業(yè)i與j之間的距離小于100公里，則Wij取1，否則Wij取0。ρ預(yù)期符號為正。

考慮所有的解釋變量和控制變量后，完整的SAR模型是：

3.3 變量描述性統(tǒng)計(jì)及相關(guān)系數(shù)

AMT的均值是1.461，標(biāo)準(zhǔn)差是1.715。N_ VC01，N_VC12，N_VC23，N_VC34的均值分別108.950，26.014，7.618和2.340，說明距離IT企業(yè)0～100公里、100～200公里、200～300公里和300～400公里半徑范圍內(nèi)的VC平均約為109家、26家、8家和2家。N_IT01，N_IT12，N_IT23，N_IT34的均值分別為338.11，44.763，15.546和5.987，說明距離IT企業(yè)0～100公里、100～200公里、200～300公里和300～400公里半徑范圍內(nèi)的同行數(shù)平均約為338家、45家、16家和6家。VC_age的均值是8.359，說明風(fēng)險投資事件發(fā)生時，VC平均成立年頭為 8年多，VC_synd的均值是13.559，說明風(fēng)險投資事件發(fā)生時，VC的平均聯(lián)合投資網(wǎng)絡(luò)數(shù)為14，F(xiàn)ore的均值為0.656，說明65.6%的IT企業(yè)獲得外資背景VC的融資。Cent的均值為0.744，說明位于北京、上海和深圳的IT企業(yè)占全部樣本企業(yè)數(shù)量的74.4%，從person相關(guān)系數(shù)來看，N_VC01，N_VC12分別與AMT成正相關(guān)和負(fù)相關(guān)，且分別在1%和10%的水平下顯著。N_IT01，N_IT12分別與AMT成正相關(guān)和負(fù)相關(guān)，且分別在1%和10%的水平下顯著。另外，距離IT企業(yè)100公里半徑范圍內(nèi)風(fēng)險投資機(jī)構(gòu)數(shù)的變量N_VC01與同行數(shù)量的變量N_IT01相關(guān)系數(shù)為0.899，且在1%的水平下顯著，其他3個地理范圍內(nèi)的相應(yīng)變量之間也存在類似的情況。為了避免共線性帶來的影響，在接下來的極大似然估計(jì)中，分別將代表風(fēng)險投資機(jī)構(gòu)數(shù)的變量與同行數(shù)的變量分別進(jìn)入模型。

表1 變量描述性統(tǒng)計(jì)和相關(guān)性分析

續(xù)表

3.4 回歸結(jié)果及分析

表2為對SAR模型進(jìn)行極大似然估計(jì) （Maximum Likelihood Estimate，MLE）的結(jié)果。模型1中只將所有控制變量引入模型，模型2中將代表IT企業(yè)一定距離半徑內(nèi)的VC數(shù)量的變量引入模型，模型3中將代表IT企業(yè)一定距離半徑內(nèi)的同行數(shù)量的變量引入模型。

表2 極大似然估計(jì)結(jié)果

模型1～模型3中，ρ的系數(shù)為0.006，且在1%的水平下顯著，說明IT企業(yè)融資水平存在空間自相關(guān)，即周圍同行融資水平正向影響IT企業(yè)的風(fēng)險資本融資額。

模型2中，變量N_VC01，N_VC12，N_VC23，N_ VC34對應(yīng)的系數(shù)分別為 0.008，0.025，0.029和0.002，且均在1%的水平下顯著，說明100公里以內(nèi)，100～200公里，200～300公里和300～400公里半徑范圍內(nèi)的風(fēng)險投資機(jī)構(gòu)越多，IT企業(yè)的融資水平越高。以IT企業(yè)100公里半徑范圍為例，其他條件不變的情況下，每增加1家VC，IT企業(yè)融資額將會是原融資額的1.008倍。假設(shè)1成立。另外，從100公里半徑到100～200公里以及200～300公里半徑范圍擴(kuò)展時，VC數(shù)量的變化對融資水平的邊際效應(yīng)存在遞增 （從0.008增加為0.025，從0.025增加為0.029），但從200～300公里半徑到300～400公里半徑范圍擴(kuò)展時，VC數(shù)量的變化對融資水平的邊際效應(yīng)又出現(xiàn)大幅下降 （從0.029減為0.002）。距離IT企業(yè)300～400公里的范圍內(nèi)VC增加1家，其風(fēng)險資本融資水平將僅是原融資額的1.002倍。這也驗(yàn)證了風(fēng)險投資的地理鄰近性，而且風(fēng)險資本主要在300公里的范圍內(nèi)進(jìn)行投資。這一結(jié)果與Zook（2002）提出的硅谷 “一小時”距離［19］、Florida和Kenney（1998）指出的150～250英里范圍［20］以及Sapienza等人 （1996）發(fā)現(xiàn)的風(fēng)投與創(chuàng)業(yè)企業(yè)平均旅途時間英國是1.5小時而美國是2小時基本一致。

模型3中，變量N_IT01，N_IT34對應(yīng)的系數(shù)分別為－0.011和－0.001，且均在1%的水平下顯著，說明100公里以內(nèi)，300～400公里半徑范圍內(nèi)的同行越多，IT互聯(lián)網(wǎng)企業(yè)的融資水平越低。以IT企業(yè)周圍300～400公里半徑范圍為例，其他條件不變的情況下，該范圍內(nèi)每增加一家同行，IT企業(yè)融資額將是原融資額的0.999。出現(xiàn)這種情況可能是因?yàn)橹R溢出、社會網(wǎng)絡(luò)均在一定地理范圍內(nèi)形成，那么，在相隔300～400公里的同行之間，很難通過知識溢出、共享勞動力投資以及社會網(wǎng)絡(luò)來獲益，相互之間反而更多地表現(xiàn)為爭奪技術(shù)、人才、市場以及資金。變量N_IT12，N _IT23對應(yīng)的系數(shù)分別為0.0003和0.0002，且均在1%的水平下顯著，說明100～200公里，200～300公里半徑范圍內(nèi)的同行越多，IT互聯(lián)網(wǎng)企業(yè)的融資水平越高。但變量的系數(shù)均非常小，這一地理范圍內(nèi)的同行增加，對IT企業(yè)風(fēng)險資本融資的影響比較小。假設(shè)2部分成立。同樣，在從100公里半徑向外擴(kuò)展時，同行IT企業(yè)數(shù)量的變化對融資水平的邊際效應(yīng)也存在先增加后減少的現(xiàn)象。影響IT企業(yè)融資水平最大的是100公里半徑范圍內(nèi)同行數(shù)量的變化，其他條件不變的情況下，該范圍內(nèi)每增加一家同行，IT企業(yè)融資額將減少1.1%，出現(xiàn)這種情況，Kolympiris等人將其解釋為可能是因?yàn)閾頂D效應(yīng)［10］。周圣強(qiáng)和朱衛(wèi)平指出規(guī)模效應(yīng)與擁擠效應(yīng)是產(chǎn)業(yè)集聚 “一枚硬幣的兩面”，集聚會導(dǎo)致集聚效應(yīng)由規(guī)模效應(yīng)向擁擠效應(yīng)轉(zhuǎn)變［32］。當(dāng)IT企業(yè)在100公里范圍內(nèi)高度集聚時，某類要素過多導(dǎo)致有些資源相對稀缺，造成產(chǎn)業(yè)內(nèi)要素比例失衡而造成不經(jīng)濟(jì)性，在風(fēng)險資本融資額上表現(xiàn)為每個企業(yè)獲得的風(fēng)險資本就會相對較少。另外，地理鄰近在促進(jìn)集群內(nèi)企業(yè)間組織學(xué)習(xí)的同時也會導(dǎo)致戰(zhàn)略趨同、整個集群封閉自守以及創(chuàng)新惰性，從而誘發(fā)區(qū)域集群自稔性風(fēng)險［33］，知識溢出可能會抑制集群創(chuàng)新［34］。當(dāng)區(qū)域集群創(chuàng)新力不足時，其風(fēng)險資本融資額可能也會相應(yīng)減少。同時，由于IT企業(yè)融資水平存在空間自相關(guān)，周圍同行的風(fēng)險資本融資水平較低，又進(jìn)一步使該企業(yè)的融資水平降低。

4 結(jié)論與啟示

4.1 結(jié) 論

基于中國本土風(fēng)險投資數(shù)據(jù)，運(yùn)用空間滯后模型考察了IT企業(yè)風(fēng)險資本融資額如何受一定半徑范圍內(nèi)同行企業(yè)數(shù)量和風(fēng)險投資機(jī)構(gòu)數(shù)量影響。研究結(jié)果與Kolympiris等人對美國生物技術(shù)行業(yè)與風(fēng)險資本空間共生的研究結(jié)果基本一致。研究得出以下結(jié)論：

（1）IT企業(yè)與風(fēng)險投資機(jī)構(gòu)在300公里范圍內(nèi)的空間共生現(xiàn)象最明顯，IT企業(yè)附近100公里以內(nèi)、100～200公里和200～300公里3個范圍圈內(nèi)的風(fēng)險投資機(jī)構(gòu)增加均使其風(fēng)險資本融資水平顯著增加。

（2）100公里范圍內(nèi)的同行增加反而大幅降低了IT企業(yè)的風(fēng)險資本融資額，每增加1家同行，IT企業(yè)融資額將減少1.1%。

（3）Moran's I值以及空間滯后模型的估計(jì)結(jié)果也說明IT企業(yè)附近同行的融資水平也正向影響其融資金額。

4.2 啟 示

（1）對于致力于通過發(fā)展IT產(chǎn)業(yè)來實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型的一些地方政府來講，考慮到風(fēng)險投資的地理鄰近，在發(fā)展IT產(chǎn)業(yè)的同時也應(yīng)該扶持本地風(fēng)險投資業(yè)的發(fā)展，從而促進(jìn)本地IT企業(yè)獲得風(fēng)險資本融資。另外，地方政府在發(fā)展本地風(fēng)險投資的同時，也要向周邊地區(qū)的風(fēng)險投資機(jī)構(gòu) “借力”。比如通過搭建一系列平臺，增進(jìn)300公里范圍內(nèi)鄰近區(qū)域的風(fēng)險投資機(jī)構(gòu)與本地IT企業(yè)之間的溝通與了解。同時在稅收、待遇等方面，鄰近區(qū)域的地方政府之間應(yīng)該加強(qiáng)合作，避免為了爭奪風(fēng)險投資機(jī)構(gòu)落戶而惡性競爭。

（2）對于試圖獲得風(fēng)險資本投資的IT產(chǎn)業(yè)新進(jìn)入者來講，建議在300公里半徑范圍內(nèi)風(fēng)險投資機(jī)構(gòu)密集的城市選址，這樣有利于其獲得較大的風(fēng)險資本融資。

（3）從為了獲得較大金額風(fēng)險資本融資的角度來看，IT行業(yè)新進(jìn)入者應(yīng)該更多地關(guān)注100公里半徑內(nèi)的同行融資水平而不是同行數(shù)量，因?yàn)閾頂D效應(yīng)、知識溢出負(fù)效應(yīng)的存在使100公里半徑范圍內(nèi)的同行數(shù)量增加反而會降低其風(fēng)險資本融資額，建議新進(jìn)入者在100公里半徑范圍內(nèi)獲得較高融資的同行附近選址。

本研究運(yùn)用SAR模型對風(fēng)險投資的地理鄰近、產(chǎn)業(yè)集聚效應(yīng)各自發(fā)揮作用的地理范圍及強(qiáng)度進(jìn)行了研究，但仍具有一定的局限性，以IT企業(yè)的風(fēng)險資本融資總額為因變量，只靜態(tài)研究了IT企業(yè)的風(fēng)險資本融資結(jié)果，沒有考慮其累積過程。期待在未來研究中將這一問題細(xì)化分析。另外，風(fēng)險投資地理鄰近發(fā)揮作用的范圍是否總是一致的，當(dāng)風(fēng)險資本投資于其他高新技術(shù)行業(yè)時，地理鄰近的作用范圍是否有所不同？隨著研究成果的豐富，通過比較研究，可以更細(xì)致地刻畫風(fēng)險投資的地域決策。

［1］王宏偉.信息產(chǎn)業(yè)與中國經(jīng)濟(jì)增長的實(shí)證分析 ［J］.中國工業(yè)經(jīng)濟(jì)，2009，（11）：66～76

［2］Bottazzi L，Rin M D，Hellmann T.Who are the Active Investors？Evidence from Venture Capital［J］.Journal of Financial Economics，2008，89（3）：488～512

［3］Sorenson O，Stutart T E.Syndication Networks and the Spatial Distribution of Venture Capital Investments［J］.American Journalof Sociology，2001，106（6）：1546～1588

［4］Martin R，Berndt C，Klagge B，Sunley P.Spatial Proximity Effects and Regional Equity Gaps in the Venture Capital Market：Evidence from Germany and the United Kingdom［J］.Environment and Planning，2005，37（7）：1207～1231

［5］Lutz E，BenderM，Achleitner A K，Kaserer C.Importance of Spatial Proximity Between Venture Capital Investors and Investees in Germany［J］.Journal of Business Research，2013，66（11）：2346～2354

［6］Fritsch M，Schiler D.Does Venture Capital Investment Really Require Spatial Proximity？An Empirical Investigation［J］.Environment and Planning，2008，40（9）：2114～2131

［7］Coval JD，Moskowitz T J.Home Bias at Home：Local Equity Preference in Domestic Portfolios［J］.The Journal of Finance，1999，54（6）：2045～2073

［8］Cumming D，DaiN.Local Bias in Venture Capital Investments［J］.Journal of Empirical Finance，2010，17（3）：362～380

［9］Kolympiris C，Kalaitzandonakes N，Miller D.Spatial Collocation and Venture Capital in the USBiotechnology Industry［J］.Research Policy，2011，40（9）：1188～1199

［10］王曦，黨興華.風(fēng)險投資機(jī)構(gòu)本地偏好影響因素研究——基于中國風(fēng)險投資業(yè)證據(jù) ［J］.科技進(jìn)步與對策，2013，30（22）：6～10

［11］李志萍，羅國鋒，龍丹，等.風(fēng)險投資的地理親近：對中國風(fēng)險投資的實(shí)證研究 ［J］.管理科學(xué)，2014，27（3）：124～132

［12］黃福廣，彭濤，邵艷.地理距離如何影響風(fēng)險資本對新企業(yè)的投資 ［J］.南開管理評論，2014，17（6）：83～95

［13］王家庭，張俊韜.我國IT產(chǎn)業(yè)的空間集聚：基于30省區(qū)面板數(shù)據(jù)的實(shí)證研究 ［J］.當(dāng)代經(jīng)濟(jì)科學(xué)，2011，33（1）：85～90

［14］許紅，張春芳.中國IT產(chǎn)業(yè)集聚度實(shí)證研究 ［J］.價格月刊，2009，（2）：12～14

［15］劉彬，陳圻，王志華.長三角地區(qū)IT產(chǎn)業(yè)集聚度研究 ［J］.商業(yè)時代，2006，（14）：89～90

［16］劉彬，陳圻，王志華.江蘇省IT產(chǎn)業(yè)集聚度與勞動生產(chǎn)率的實(shí)證分析 ［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2006，25（3）：96～98

［17］李莎，劉思峰.江蘇省IT產(chǎn)業(yè)集聚對競爭力的影響 ［J］.統(tǒng)計(jì)與決策，2006，（10）：96～98

［18］Anselin L.Baltagi B H A Companion to Theoretical Econometrics［C］.Malden，MA，USA，Blackwell Publishing Ltd，2007：310～330

［19］Zook M.Grounded Capital：Venture Financing and the Geography of the Internet Industry 1994－2000［J］.Journal of Economic Geography，2002，2（2）：151～177

［20］Florida R L，Kenney M.Venture Capital，High Technology and Regional Development［J］.Regional Studies，1988，22（1）：33～48

［21］Sapienza H.J.，Manigart S.，VermeirW.Venture Capitalist Governance and Value Added in Four Countries［J］.Journal of Business Venturing，1996，11（6）：439～469

［22］Gupta A K，Sapienza H J.Determinants of Venture Capital Firms'Preferences Regarding the Industry Diversity and Geographic Scope of Their Investments［J］.Journal of Business Venturing，1992，7（5）：347～362

［23］Manigart S，Lockett A，Meuleman M，et al.Venture Capitalists'Decision to Syndicate［J］.Entrepreneurship Theory and Practice，2006，30（2）：131～153

［24］Mashall A.Principles of Economics：An Introductory Volume［M］.London：Macmillan，1890

［25］Rocha，Sternberg.Entrepreneurship：The Role of Clusters Theoretical Perspectives and Empirical Evidence from Germany［J］.Small Business Economics，2005，24（3）：267～292

［26］Wallsten SJ.An Empirical Testof Geographic Knowledge Spillovers Using Geographic Information Systems and Firm－level Data［J］.Regional Science and Urban Economics，2001，31（5）：571～599

［27］Bonte W.Inter－firm Trust in Buyer－supplier Relations：Are Knowledge Spillovers and Geographical Proximity Relevant？ ［J］.Journal of Economic Behavior＆Organization，2008，67（3－4）：855～870

［28］Amin A，Wilkinson F.Learning，Proximity and Industrial Performance：An Introduction［J］.Cambridge Journal of Economics，1999，23（2）：121～125

［29］孫建，齊建國.中國區(qū)域知識溢出空間距離研究 ［J］.科學(xué)學(xué)研究，2011，29（11）：1643～1650

［30］基于ESDA－GWR多變量影響的經(jīng)濟(jì)空間格局演化——以長江中游城市群為例 ［J］.經(jīng)濟(jì)地理，2015，35（3）：28～35

［31］李春發(fā)，鄒雅玲，王雪紅.企業(yè)社會資本嵌入對生態(tài)產(chǎn)業(yè)共生網(wǎng)絡(luò)的影響研究 ［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2014，（8）：74～81

［32］周圣強(qiáng)，朱衛(wèi)平.產(chǎn)業(yè)集聚一事實(shí)上能帶來經(jīng)濟(jì)效率嗎：規(guī)模效應(yīng)與擁擠效應(yīng) ［J］.產(chǎn)業(yè)經(jīng)濟(jì)研究，2013，（3）：12～22

［33］吳曉波，耿帥.產(chǎn)業(yè)集區(qū)域集群自稔性風(fēng)險成因分析 ［J］.經(jīng)濟(jì)地理，2003，23（6）：726～730

［34］楊皎白，陸志寶，李慶滿.產(chǎn)業(yè)集群中過度知識溢出的負(fù)效應(yīng)及對策 ［J］.技術(shù)經(jīng)濟(jì)，2011，30（11）：12～16

Research on Spatial Collocation of Information Technology Enterprise and Venture Capital

Chen Kai1，2Li Zhiping1，2Luo Guofeng2Yin Fan3
（1.Northeastern University，Shenyang 110819，China；2.Northeastern University at Qinhuangdao，Qinhuangdao 066004，China；3.Environmental Management College of China，Qinhuangdao 066012，China）

Information technology enterprise and venture capital's spatial collocation is very important.Taking IT enterprises backed by venture capital in 1994－2014 as sample，establishing the spatial lagmodel to testhow venture capital financing amountofa specific IT enterprise was affected by the number of venture capital firms and the number of peers in certain rings.Results showed that the venture capital financing amount of a specific IT enterprisewas positively affected by the number of venture capital firms in 100km，100－200km，200－300km，300－400km rings.The biggestmarginal effectoccurred in the range of200－300 km，the smallest in the range of300－400km.Number of peers in 100－200km and 200－300km rings positively affected the financing amountof IT enterprise.The number of peers in 100km and 300－400km rings negatively affected the financing amount of IT enterprise，especially the number of peers within 100km ring dramatically lowers the financing amount.The research conclusion providesevidence for the government to support the development of local venture capital，and also provides a reference for the location of IT enterprises.

venture capital；IT enterprise；spatial lagmodel；financing amount；number of peers

10.3969／j.issn.1004－910X.2016.01.008

F830

A

（責(zé)任編輯：史 琳）

2015—10—12

教育部人文社會科學(xué)研究規(guī)劃

（項(xiàng)目編號：12YJA790010）；校內(nèi)基金人文社科重點(diǎn)項(xiàng)目 （項(xiàng)目編號：XNR201307）；河北省科技計(jì)劃項(xiàng)目 “科技型中小企業(yè)特征對政策支持評價影響——以秦皇島市科技型中小企業(yè)為例” （項(xiàng)目編號：154576309）。

陳凱，東北大學(xué)工商管理學(xué)院教授，東北大學(xué)秦皇島分校經(jīng)濟(jì)學(xué)院教授，博士生導(dǎo)師。研究方向：區(qū)域經(jīng)濟(jì)、能源經(jīng)濟(jì)。李志萍，東北大學(xué)工商管理學(xué)院博士研究生，東北大學(xué)秦皇島分校管理學(xué)院講師。研究方向：風(fēng)險投資的本地偏好。羅國鋒，東北大學(xué)秦皇島分校管理學(xué)院副教授，管理學(xué)博士，碩士生導(dǎo)師。研究方向：創(chuàng)新創(chuàng)業(yè)與風(fēng)險投資等。尹凡，中國環(huán)境管理干部學(xué)院講師。研究方向：區(qū)域創(chuàng)新。