联合投资网络位置对投资绩效的影响
———来自风险投资的实证研究
周伶1山峻2张津3
（1．南开大学商学院，天津300071；
2．暨南大学管理学院，广州510632；
3．南开大学中国公司治理研究院，天津300071）
摘要：作为降低风险的手段，联合投资广泛应用于风险投资产业。然而，其对投资绩效的影
响作用机制仍不清晰。风险投资企业普遍地被嵌在网络之中，以往研究中忽略了网络位置
的作用。本研究使用社会网络分析工具，以1987－2008年间的风险投资企业联合投资网络
为分析对象（涉及447家风险投资企业和762家新创企业），探讨了特殊网络位置资源对于
风险投资企业绩效的作用。发现只有处于网络中心的位置，风险投资企业投资绩效才会提
升。本研究拓展了风险投资企业联合投资理论，并补充说明了社会网络分析中结构洞指标
应用的情境。
关键词：联合投资网络；风险投资企业绩效；社会网络分析
DOI:10.14120/https://www.doczj.com/doc/fe18718667.html,11-5057/f.2014.12.016
引言
风险投资是高科技产业发展的重要推动力，也是新经济和创新的重要支持，更是经济增长、产业重构和技术变革的“发动机”［1］。我国风险投资产业由1985年国务院正式批准第一家专营风险投资的金融机构开始，直到1998年“一号议案”出台整体产业规模才得以快速扩大。如今，随着创业风潮的涌起，风险投资已经成为了我国重要的金融制度安排。
我国的风险投资行业本身存在一些特殊性，具有“以官办资本为核心、成熟外资和大型国资为主体兼顾民营的阶层网络”。在经历了10年迅猛发展后，近来风险投资企业的利润率不断下降，生长和生存压力都日趋增大。行业内不同企业的运作模式、拥有的资源以及项目经营能力的差距也越来越大。本土产业的特殊性，造就了中国风险投资企业特殊的生存环境［2］。
正式制度的缺失和不完善，使得我国风险投资产业更依赖非正式网络的作用。迄今为止我国40%左右的新创企业都是以联合投资形式获得融资的；平均每年有70%以上的风险投资企业参与了联合投资（根据清科数据库的数据计算所得）。
收稿日期：2013－09－17
基金项目：国家自然科学基金项目（71102048）；教育部人文社会科学研究青年基金项目（11YJC790271；10YJC630200）；中央高校基本科研业务费专项资金项目（NKZXB1115）。
作者简介：周伶，南开大学商学院博士研究生；山峻（通讯作者），暨南大学管理学院副教授，博士；张津，南开大学中国公司治理研究院助理教授，博士。
IDG为核心的集群。而在相对后两个阶段的产业网络不仅涉及更多的风险投资企业，并且企业之间的关联也更为紧密。网络密度更高，并且形成了多个大小不均的集群圈子。这一方面是由于早期投资的高风险性局限了风险偏好较低的投资者的进入，另一方面也是由我国风险投资企业专业素质普遍较弱所决定的［2］，即无法使用领域专业知识筛选出有潜质的项目，亦无法使用高水平的风控手段管控早期项目的风险。后两个阶段的投资则由于风险可控性更好，因而使得能够并且愿意参与的创业投资企业剧增。而专业水平的要求下降，使得关系互动可能在一定程度上取代专业性成为更重要的因素。抱团成集群小圈子参与到项目中去，既可以坐享早期投资者的成果，又可以在保证风险可控的同时看到未来收益。因而在理性选择的促使下，更多的风险投资企业加入了联合投资网络。
经历了20多年的发展，联合投资形成了复杂并富有动态性的网络。而在特定网络结构及其行为结果的作用下，动态的网络发展终会导致系统性的转变［3］。那么，联合投资网络发展至今，在这个特殊网络中的企业会不会因为处于不同的网络位置，而导致其最终回报的差异呢？
图1三个投资阶段的风险投资企业联合投资网（1987－2008年）
注：自左向右分别为第一阶段、第二阶段和第三阶段的联合投资网。
联合投资网络（也有译为辛迪加，syndicate），是指两个或者更多的风险投资公司对一个新创企业进行共同投资并分享这个投资项目的收益，作为降低风险的手段，广泛地在风险投资行业中得到应用［4］。美国风险投资企业对联合投资的合理使用，不仅获得了更好的投资绩效，也促成了硅谷的成功［5，6］。联合投资行为主要是由于产业内、外部高度不确定性和信息不对称产生系统性风险和非系统风险，使得“个体”不得不由于资源所限自然地依靠网络这一特殊组织建构的稳健性和资源获取性来保障自身的收益。Bygrave［7］首先提出风险投资企业的联合投资网络位置差异会影响其绩效产出。后继研究发现网络结构会随着时间的变化而变化，联合投资网络的参与者通过重新梳理角色来争取更好的位置［8］。好的联合投资网络位置使得他们更好地受益于网络扩散的投资诀窍，并获得更好的声誉［9］。因而，最近的学者开始把网络属性作为系统解释投资绩效的重要变量纳入研究［10，11］。现有的文献解释了联合投资网络中不同位置对风险投资公司的非财务回报的影响，验证了风险投资网络位置对于其成功退出存在积极影响的可能性［12］。但是，关于一般意义上的风险投资网络位置是否影响了企业的投资回报却尚无定论。
基于以上发现，本文引入社会网络分析方法，通过以1987－2008年间的风险投资企业的联合投资网络为分析对象，研究了风险投资企业的网络位置如何影响了投资绩效。本文试图揭示风险投资特殊网络位置对于投资绩效的影响路径，拓展风险投资领域内相关联合投资的理性人视角。
本文首先在引言部分介绍了研究的背景，接着进行了文献回顾，并在此基础上提出了假设，随后进行了实证检验，最后给出了结论和启示，介绍了研究的意义与贡献。
联合投资网络位置的理论文献回顾与假设提出
1、核心概念界定
风险投资企业的联合投资网络，也称为辛迪加（syndicate），与其他所有金融网络一样是一种特殊的社会网络。企业间的市场交易会随着时间越发集中并由此产生壁垒，在交易者之间形成二价的嵌入式关系；也就
是在市场构成的延长网络中形成了嵌入式关系［13］。这意味着每个企业的关系以纽带形式组成组织间网络［14］，每个企业都嵌入在一定数量的可识别的同行关系中。
2、嵌入性网络位置的作用
网络是获取信息的来源。风险投资企业通常更为关注那些存在大量信息不对称的投资领域，因为这些产业的不确定性带来高风险的同时也带来了高收益。相比其他“传统”的创投领域，拥有信息的多少会直接导致这种非传统领域投资的成败。高风险环境，加剧了投资绩效的变数，那些拥有更多信息的企业往往就拥有了潜在的控制权［15］，并拥有更强的退出能力［16］。
网络对于企业获取大量宝贵学习资源具有关键性作用［17］。风险投资企业通过联合，可以建立起获取技能、经验等多方面的提升和互补的伙伴关系［9］，并获得更多承载着机会的信息。这些信息资源对于改善项目的筛选过程有至关重要的作用，而项目的筛选对于风险投资企业的绩效会有很大的影响。而网络的稳健性又有助于联合投资的参与者能够更好地抵御风险。
因此，如何获得信息、利用资源、控制风险以及获得收益是风险投资企业最为关心的，这也是他们希望通过联合投资来实现的。
3、网络中心位置的作用
“网络是一种发展资源的机制”［18］。处于网络的中心位置，意味着风险投资企业拥有更多的信息、资源和对其他合作者的控制能力。更高的网络位置也往往带来更好的声誉。这有助于带来信任，而企业间相互的认同与信任可以促进项目筛选的有效性，增加企业资源获取的渠道，为联合投资的运营合作带来更多的机会［19］。因而，拥有网络位置高、良好名誉的风险投资企业往往会被嵌入在更好的网络中，从而获取更多的准入资格。在马太效应的作用下，那些获得准入资格越多的企业，其所处网络的网络位置也会变得越高；而随着网络位置越来越接近中心，这些企业又能比其他企业获得更多的准入资格。而网络位置更高的风险投资企业IPO的机会也越大［20，21］，其投资绩效也就更好。
但这并不意味着，仅仅通过参与更多的投资项目，风险投资企业就能获得更好的网络位置。只有两类合作伙伴会成为风险投资企业的首选：（1）本身能力，比如技能、经验、声誉等，具有优势的合作者（即Meuleman 等认为的那些综合实力较强的风险投资企业［22］）；（2）那些能够产生协同效应的企业，因为战略上的考虑也会获得青睐，成为合作的备选（即Hellmann［23］认为的那些能够让渡一定利益、综合实力较弱的风险投资企业）。相对其他同僚，这两者通常会因为拥有较多的网络资源而拥有较中心的网络位置。因而，越处于网络中心位置的风险投资，越容易获得通过主动或被动方式，即受邀方式参与到更多的项目投资并在马太效应的作用下，获得更多投资机会并从而得到更好的投资绩效。有此可得：
假设1：风险投资企业的网络位置中心程度与投资绩效成正相关。
4、网络结构洞位置的作用
结构洞则有助于企业更好地通过信息不对称性来为自己谋利。处于结构洞位置的企业也会拥有显著的信息优势和控制利益的优势［24］。
风险投资产业的本质就是要基于信息的不对称性来最终盈利；而联合投资网中特殊的结构洞位置则有利于企业更好地把控信息不对称性优势来获利。作为风险投资企业，利用联合投资网络获取和利用信息是至关重要的。而包含隐形知识信息生产和传播的主要渠道却是非正式网络关系［25］，这使得联合网络中的风险投资企业按照所处结构洞位置，有差别地占有稀缺信息资源和结构性地控制这些资源的分配。那些拥有更多稀缺信息和处于资源扭转关键结构点，即结构洞更有效的企业，将会获得更多的机会。而与此同时，在更为广泛的网络中，由于内部约束的存在［9］，不同联合投资、不同企业之间信息不对称呈现出加剧的趋势。风险投资企业只有通过选择联合投资，占据良好的网络资源才能更好地实现内外部信息的交互。相应地，这就成为风险投资企业投资绩效的重要影响因素。而风险投资企业所处的结构洞位置越有效，就会在信息利用和控制上更有优势。这种网络资源优势有助于提升企业的投资绩效。
假设2：风险投资企业的网络位置结构洞程度与投资绩效成正相关。
1、样本收集
按照联合投资的定义，本文从公开的风险投资数据资料（以China Venture网站的数据库为基础，结合其他数据库网站、中国经营报以及各大门户网站的财经新闻）中查找到的投资资料（以事件为导向），剔除异常值，共获取总计762家获得过风险资本（总共447家风险投资企业）支持的创业企业（成立时间自1987－2008年），1080余个创业投资事件。
2、数据处理
基于投资事件（actor-event）可以形成一个相对封闭的网络，即形成了既定的分析单元和边界［26］。通过在UCINET6.186中设置0、1（无共同投资=0，反之为1）变量，可以获取基于投资事件的中国风险投资的网络（见图1）。从图中能够清晰看到，不同轮次网络结构的差异显著。
风险投资产业的联合投资网络具有显著的滞后性。因此，虽然本文的基准测度中，参照的投资阶段的时间跨度较大，但是产业特性及本土的特色决定了，一旦某些强关系显现，则其背后必然需要长期的弱关系支持，而这种弱关系也会对网络结构产生影响（详见前述）。业内非正式组织内存在严格的等级准入制度，使得我们只能通过对这种滞后于行业现存关系的“联合投资网”的检验来观测一个较为完整的不同网络结构风险投资企业的绩效差异。国际同类研究中也有类似时间模糊性问题存在。
3、变量测度
（1）中心位置的测度
Hochberg等［27］认为，测度风险投资企业位置的中心程度需要测度3个方面的指标：信息中介度，可达中心度和中心度。
信息中介度（Betweenness）（H1a），如果某一风险投资企业将会使用任何途径来获取与网络内其他企业的联系，通过这种途径的可获信息比例就是该企业的信息中介度。可以很好地反应出网络中潜在信息流的传播。通过评估两个参与企业的信息流与他们两者之间所有通过的信息流比例来进行测度［28］：
C
fB （n
i
）=
f（g
jk，j＜k
）
Σf（n i）（1）
n
i
即为所要计算的节点。g jk是企业j达到企业k的路径数，f表示通过这些路径的信息流。信息中介度是投射变量，表明作为一个中介的风险投资来说，那么需要集结起多少个其他互无联系的企业才能获得补充技能或者投资机会。这说明了风险投资企业在网络里进行相互连接的联合投资需要依靠多少中介。
可达中心度（Closeness）（H1b），强调了一个风险投资企业到达网络内所有其他参与者的距离，这个指标可以跳出嵌入性的影响，从整个网络的角度评估企业的位置。同时也显示了该企业可能获取潜在资源的区域大小。可达中心度是通过测量每个节点到其他所有节点距离的总数来进行测度的［28］：
C
Ｒ
=ΣL（x ji）（2）
x
ji
是0或者1的数值，代表企业j是否与企业i有联系，L是通过这些联系路径的长度表达函数。可达中心度表明了一个风险投资企业在多大程度上嵌入在一个网络中。
中心度（Degree）（H1c），权力指标，衡量的是一个参与者可控范围的大小，一个网络中心度高的企业在网络中与最多的企业有关系；中心性高的企业在网络中拥有的非正式权利及影响也高。对于中心度高风险投资企业而言，他们所拥有的联系就相比其他企业更多，并且由此获取的利益也会更多。其测度方法为：首先算出某个节点的关系数加总，然后用这个总数的绝对值除以该网络最多关系数［26］：
C
D =
Σx ji
g－1
（3）
x
ji
是0或者1的数值，代表企业j是否与企业i有联系，g是此网络中的企业数。
中心度是网络中心位置最核心并且最为常用的指标。中心度越高说明企业在网络中处在越有优势的位置，并且相比其他企业更具独立性。处在一个优势位置，则表明企业可以涉猎到更广泛的专业支持、联系和资
金，产业影响也更大。
（2）结构洞位置的测度
结构洞有效性（Efficiency）（H2），是测度结构洞程度的重要指标。按照Burt［24］对结构洞的测度，有4个相关指标：有效规模、有效性、约束和（约束）层级。在测度个体网络中，经常使用约束，它表示个体受网络限制的程度，越高意味着有越多的结构洞。但是本研究测度着眼于整体网，不仅要考虑结构洞的多少，更需要考虑有效规模的大小及比例，这涉及到建设的成本。因而，需要使用有效性作为测度指标。企业的有效规模是其个体网的规模减去网络的冗余度，即有效规模是企业网络中的非冗余因素。结构洞有效性，则为其有效规模与整体规模之比：
S E =
Σe（x ji）
Σx ij（4）
x
ji
是0或者1的数值，代表企业j是否与企业i有联系，e是这些联系中的有效联系的表达函数。结构洞是特殊的网络位置。占据这个位置，通常“桥”连着几个不同圈子，充当中间人的角色，传递信息或者资源。
（3）其他影响因素。投资轮次，即阶段因素，联合投资在不同时期、不同阶段和不同情况下的组成标准都大相径庭。单个联合投资的组成有很强的情景化的动因。不同时期联合投资参与者是具有差异的。
此外，地理距离、行业跨度、风险投企业的年龄、经验、先前投资、投资阶段以及基金的规模、性质、种类、投资机会都是使用较多的变量［14］。根据中国情境下的样本有其自身的特殊性，本文采用了几个最为常用的控制变量（见表1）。
表1控制变量
变量公式代码测度
District D_Dum北京为1，上海为2，深圳为3，跨地区为4，其他为5
Age A成立迄今为多少年
Type T_Dum VC和PE为1，CVC为2，银行为3，其他为4
Back Ba如果有国际背景为1，没有为0
Stage S_Dum第一阶段为1，第二阶段为2，第三阶段为3
Comp Comp外部竞争变量，即当年总体投资金额数
Opp Opp外部机会变量，当年获得创业投资的新创企业数
Ex_ipoe Ex经验控制变量，风险投资企业在本年之前曾经顺利上市的企业个数
4、模型设计
多元线性回归，使我们可以适合于其他条件不变情况下，对影响因素的分析，可以很理性、很实际的模拟出回归线的曲线方程，用数学式描述不同因素间的关系，便于研究和进行过程的控制和改进。本文使用多元回归方法进行统计检验。
（1）基准检验
为了保证检验样本不受到其他因素的影响，本文通过样本的严格筛选来限制外部环境因素，包括产业政策、竞争情况等对绩效的影响。从总体样本中我们截取经历过至少三次（包括上市在内）融资事件的企业作为基本的研究对象（样本Ⅰ）。考虑到联合投资网络的动态性，还需要区分企业早、晚期联合投资以控制风险投资的行为差异。由此获得227家风险投资企业和108家（成立时间自1987－2005年）创业企业作为研究对象；其中已经上市33家（绩效收集截至到2008年底）。为了避免多重共线性问题，将信息中介度、可达中心度、中心度和结构洞分别引入模型。
对于风险投资企业的绩效，本文不仅考察风险投资项目的上市情况［12，13］，更在此基础上进一步将风险收益作为因变量进行评估。本文参考了上市企业IPO风险溢价的测度指标：
Pre
1=
P
P
I
·100%（5）
Pre
1
表示风险收益，即溢价率，P为开盘价，P I为发行价。
按照多元回归的基础理论模型，本检验具体的4个理论模型为：
Pre
1=a
7
+a
8
D_Dum+a
9
A+a
10
T_Dum+a
11
Ba+a
12
S_Dum+a
13
（C）+e（7）
Pre
1=a
14
+a
15
D_Dum+a
16
A+a
17
T_Dum+a
18
Ba+a
19
S_Dum+a
20
（D）+e（8）
Pre
1=a
21
+a
22
D_Dum+a
23
A+a
24
T_Dum+a
25
Ba+a
26
S_Dum+a
27
（SH）+e（9）
其中，B为信息中心度，C为接近中心度，D为中心度，SH表示结构洞有效性。
（2）拓展检验———引入外部环境变量
为了在更接近真实的情况下，研究网络位置对于企业绩效的影响，本文通过纳入外部环境的影响因素，进一步拓展检验模型。为了控制不同风险投资企业内部因素的影响，比如资金的周期性、投资限制等，本文使用在2005－2008年重复出现227个风险投资企业为样本（样本Ⅱ），控制类型和先前上市经验，来检验在不同外部环境下，网络位置对于绩效的作用是否会发生变化。通过样本选择，可以有效地规避其他影响因素的作用，比如地区影响。
为了规避处于不同产业项目收益率不同的问题，使用投资上市率作为因变量［13］：
Pre
2=
IPOn
In
·100%（10）
Pre
2
表示上市率，IPOn为投资项目上市数，In为投资数。
按照多元回归的基础理论模型，本检验具体的4个理论模型为：
Pre
2=a
28
+a
29
Comp+a
30
Opp+a
31
T_Dum+a
32
Ex+a
33
（B）+e（11）
Pre
2=a
34
+a
35
Comp+a
36
Opp+a
37
T_Dum+a
38
Ex+a
39
（C）+e（12）
Pre
2=a
40
+a
41
Comp+a
42
Opp+a
43
T_Dum+a
44
Ex+a
45
（D）+e（13）
Pre
2=a
46
+a
47
Comp+a
48
Opp+a
49
T_Dum+a
50
Ex+a
51
（SH）+e（14）
B为信息中心度，C为接近中心度，D为中心度，SH表示结构洞有效性。
（3）网络有效性检验
使用社会网络方法的研究，需要验证网络的真实性。为了保证实证检验结果的有效性，我们需要检验样本网络的有效性，即度分布情况，以保证样本网络能够反应总体产业网络的真实情况。真实网络的连接度往往是成幂律分布的［29］，即中心度近似服从幂律分布［30］：
p（D） D－γ（15）其中，D代表节点的度，p（D）是度为D的节点数目占网络节点总数的比例。
5、实证检验
（1）基准检验
使用stata10软件对样本Ⅰ的面板数据（panel data）进行多元回归分析，检验了公式（6）－（9）的理论模型。将变量和因变量分别带入到不同的假设模型中去观测其与因变量间的关系，从而检验不同假设模型的成立与否。结果发现模型均成立，但是结构洞有效性对绩效没有正向作用。
表2特殊网络位置对投资绩效的影响
Pre
1模型1模型2模型3模型4
District_SHH－0.046－0.036－0.0440.005
（0.13）（0.13）（0.13）（0.13）
District_SZ0.349＊＊＊0.368＊＊＊0.361＊＊＊0.330＊＊＊
（0.27）（0.27）（0.27）（0.28）
District_MultiD－0.012－0.02－0.021－0.022
（0.15）（0.15）（0.15）（0.15）
District_Other－0.057－0.073－0.066－0.086
（0.13）（0.14）（0.13）（0.14）
logAge－0.078－0.057－0.062－0.039
（0.06）（0.06）（0.06）（0.06）
Type_CVC－0.1－0.106－0.105－0.106
（0.13）（0.13）（0.13）（0.13）
（续表）
Pre
模型1模型2模型3模型4 1
Type_Bank－0.03－0.02－0.022－0.019
（0.25）（0.25）（0.25）（0.26）
Type_Others－0.095－0.114－0.092－0.118
（0.15）（0.16）（0.15）（0.16）
Back0.0480.0660.0430.053
（0.13）（0.13）（0.13）（0.13）
Stage_2－0.059－0.137－0.096－0.033
（0.11）（0.12）（0.11）（0.11）
Stage_3－0.099－0.172*－0.212＊＊－0.086
（0.11）（0.12）（0.12）（0.11）Betweenness0.229＊＊＊
（0.04）
Closeness0.222＊＊
（0.47）
Degree0.292＊＊＊
（0.13）
SH－0.061
（0.14）
Ｒ2
0.184＊＊＊0.174＊＊＊0.208＊＊＊0.140＊＊＊
adj
N248248248248
F 5.642749 5.341605 6.412441 4.345172
VIF 1.45 1.44 1.51 1.48
注：*、＊＊、＊＊＊分别代表在10%、5%、1%的程度上显著。其中地区和投资者类型的参照对象为北京和VC/PE类。
从表2可以看到，假设1成立，即风险投资企业的网络位置中心程度与投资绩效成正相关。对信息中介性的检验表明，在投资项目数保持不变时，对于网络中的风险投资企业而言，通过的信息流越多，那么其绩效就会更好。联合投资的网络资源，对于企业信息的获取有直接的帮助。对于接近中心度的检验表明，好的网络结构能够保证企业嵌入更好的网络，从而提升企业的自我增强效果并与网络互动产生更好的协同效应，有助于企业信息获取和利用能力的提升。对中心度的检验表明风险投资企业在网络中的位置越高，企业的绩效也会更好。
从表2中可以看到，假设2不成立，即风险投资企业的网络位置结构洞程度与投资绩效成正相关。结构洞的检验没有获得支持，并且与绩效为负向关系。也就是说那些处于信息流通节点，即在项目数一定时，拥有最多异质性信息及其控制力的风险投资企业，并不能依靠这些结构洞资源获取直接的绩效收益。导致这个结果的理论原因可能是：A．中国情境下，结构洞失效所造成的。边缘企业会受到核心圈子的排斥，即使获得信息也不能真正参与到有力可图的项目中去；B．获取这种特殊位置需要付出较高的成本；C．说明产业的特殊性，在信息之外，类似于成员资格（network membership）这种的网络资源更有现实意义。
此外，从控制变量方面来看，与北京地区相比，深圳地区对绩效影响显著（p值均小于0.001）。这说明地区网络的嵌入性因素也会对风险投资企业的绩效产生影响。第三阶段的负向影响也部分显著。外部竞争和机会都会对绩效产生作用，而经验尤其是成功上市经验会影响风险投资企业的绩效。外部机会对于绩效的促进是有显著作用的，竞争则会抑制绩效。成功经验对于企业获益来说是非常重要的。
（2）稳健性检验———引入外部环境变量
同样使用stata10软件对样本Ⅱ的面板数据进行多元回归分析，检验了公式（11）－（14）的理论模型。在
表3外部环境、特殊网络位置对于绩效的影响
Pre
模型5模型6模型7模型8 2
Comp－0.0001079＊＊－0.0000896－0.0000825＊＊－0.0000744
（－2.25）（－1.62）（－1.75）（－1.45）
Opp0.0009114＊＊0.0008312*0.0007483*0.000727*
（2.19）（1.79）（1.81）（1.65）
Type_VC0.01560830.01589870.01407790.0147806
（0.79）（0.80）（0.78）（0.82）
Ex_ipoe0.0223727＊＊＊0.0230145＊＊＊0.0208312＊＊＊0.0211719＊＊＊
（5.87）（7.06）（5.88）（7.20）Betweenness0.0000157
（1.24）
Closeness0.0167136*
（1.68）
Degree0.0018337＊＊
（2.20）
SH0.0273036
（0.95）
Ｒ2
0.0585＊＊＊0.0622＊＊＊0.0661＊＊＊0.0135＊＊＊
adj
N829821921921
F11.2911.8810.3011.72
注：*、＊＊、＊＊＊分别代表在10%、5%、1%的程度上显著。
从表3可以看到，假设1成立，即风险投资企业的网络位置中心程度与投资绩效成正相关。结果发现，在纳入外部环境变量后，接近中心度和中心度作用仍然显著。信息中介性的检验变化表明，实际项目投资过程中信息越多对于绩效是有促进作用的，但这种作用并不显著。这表明在考虑了外部环境因素后，信息筛选虽然仍然对风险投资的绩效有作用，但由于诸如搜寻、选择等沉没和机会成本的存在，这种作用的有效性会下降。假设2不成立，即风险投资企业的网络位置结构洞程度与投资绩效成正相关。结构洞对于绩效的作用在纳入外部环境变量后变为与绩效正相关。即占据这样的位置是能为企业获利的，虽然作用并不显著。这说明在更为广泛的开放式产业环境下，结构洞确实能为企业带来竞争优势。而相对封闭的小环境中，结构洞反而会成为劣势。因而，结构洞位置能否促进风险投资企业的绩效，主要取决于企业自身所处的小环境是否开放。但就一般风险投资企业的外部环境来看，结构洞确实能带来优势。
从控制变量来看，风险投资的类型仍然对绩效没有影响作用。但是先前的成功上市经验对于绩效的作用是显著的。产业内竞争对于企业绩效的作用是负向的，机会则是正向作用于绩效的，并且这种作用是显著的。
在放宽了限制条件后，整体检验模型的影响因素变得更为复杂和具有动态性。因此尽管拟合度有所下降，但是F值显著提升了。
（3）网络有效性检验
在进行数据抽取的过程中，样本网络是整体网络中的局部网络。局部网络能否与整体网络具有同样的特性，需要验证该局部网络是不是无标度网络，即其特性是否与整体网络保持一致。通过计算度的幂律分布情况，我们可以获得样本Ⅰ和样本Ⅱ的幂律分布情况（见图2，图3）。
可以看到，本文所选取的样本都近似服从幂律分布的，样本Ⅰ的频率－中心度曲线取对数后，非常接近一条直线，其斜率为－1.41；样本Ⅱ的斜率为－1.50。这符合现实世界中大量随机事件的分布规律，验证了实证检验样本的有效性。
同时，这个检验也表明风险投资企业的联合投资网是无尺度网，即在节点企业被删除时仍然会保持稳健性，只要不改变网络的基本特性。但是，要保证整体产业网络的稳定必须保证中心位置的企业不因受到冲击而倒闭。
图2样本Ⅰ的幂律分布
图3样本Ⅱ的幂律分布
研究结论、启示与贡献
1、结论和贡献
现今，中国风险投资产业已然呈现出成熟市场的特征，联合投资网络的壁垒很难突破。而风险投资企业正是一个拥有学习能力并能够自我更新能力的组织。因而，通过联合投资提升网络位置是很有必要的。但过多参与联合投资并不意味着能够获得更好的网络位置。
本文实证研究分析了联合投资网络位置对风险投资企业绩效的影响。并发现与占据多个圈子的结构洞位置相比，在网络中处于更中心的位置更有利于企业获得良好的投资绩效。并验证了结构洞有效性与网络系统的封闭性与开放性有关。
本研究基于这种网络嵌入的视角，很好地弥补了风险投资产业投资理论社会性不足的缺陷。补充和丰富了风险投资理论，拓展了相关方面的实证研究。并且，在风险投资领域内使用社会网络研究方法开展的研究，可以更系统地展现风险投资与社会经济的相互作用，提升理论的普适性。
本文的实证研究理论贡献主要有：（1）证实了风险投资企业联合投资网络对于投资绩效的影响，并揭示了它的影响路径。（2）本研究强调了网络嵌入性这种社会因素对风险投资企业投资绩效的影响，拓展了风险投资领域内相关联合投资的理论基础。（3）丰富了中国情境下的社会网络研究。
2、启示
（1）风险投资企业应当合理利用联合投资，获取成长的经验和隐性知识，并通过积累和培育良好的网络资源来进一步发展。参与联合投资的关键在于，企业到底能否以此来增强自身的实力以及网络资源。对于中小风险投资企业而言，通过参与联合投资获得学习机会以提升综合实力或者掌握更多网络资源都是很有效的成长手段。
（2）对于政府相关部门而言，联合投资的存在不仅有利于更好地管控，并且通过观测不同风险投资在网络的位置，更有助于有的放矢地进行政策性帮扶：A．相比边缘性企业，处于中心位置的企业，对于维护产业稳定、促进产业发展具有更加重要的意义；B．通过消除企业网络结构洞效应，有助于消除产业内的高度不确定性；C．建立为风险投资企业提供服务与指导的机构，会有效促进创新创业的进程，催化高新技术产业化，并最终提升经济活力。
（3）对于有限投资人而言，鉴于风险投资产业的特殊性，运用产业联合投资网络指标，有助于筛选出更稳健的风险投资企业，是历史收益和预期收益指标的有效补充。
参考文献：
［1］王东静，张景青．创投企业投资成功因素分析：来自国际经验启示［J］．中国软科学，2007，（4）：151-155
［2］张承惠．建立中国风险投资体系的构想及有关政策建议［J］．金融研究，2004，（4）：43-49
［4］Wright M．，Lockett A．The Structure and Management of Alliances：Syndication in the Venture Capital Industry［J］．Journal of Management Studies，2003，40（8）：2073-2102
［5］Hege U．，Palomino F．，Schwienbacher A．Venture Capital Performance in Europe and the United States：A Comparative Analysis ［Ｒ］．ＲICAFE Working Paper No．001，HEC Paris and University of Amsterdam，2006
［6］Ferrary M．，Granovetter M．TheＲole of Venture Capital Firms in Silicon Valley’s Complex Innovation Network［J］．Economy and Society，2009，38（2）：326-359
［7］Bygrave W．D．Syndicated Investments by Venture Capital Firms：A Networking Perspective［J］．Journal of Business Venturing，1987，2（2）：139-154
［8］Sorenson O．，Stuart T．E．Syndication Networks and the Spatial Distribution of Venture Capital Investments［J］．American Jour-nal of Sociology，2001，106（6）：1546-1588
［9］TykvováT．Who Chooses Whom？Syndication，Skills andＲeputation［J］．Ｒeview of Financial Economics，2007，16（1）：5-28［10］Tian X．The Causes and Consequences of Venture Capital Stage Financing［J］．Journal of Financial Economics，2011，101（1）：132-159
［11］Li Y．，Zahra S．A．Formal Institutions，Culture，and Venture Capital Activity：A Cross-country Analysis［J］．Journal of Busi-ness Venturing，2012，27（1）：95-111
［12］党兴华，董建卫，吴红超．风险投资机构的网络位置与成功推出：来自中国风险投资业的经验证据［J］．南开管理评论，2011，2（14）：82-91
［13］Ye H．Learning OwnershipＲegulations in China through Networks：A Framework on ItsＲole in Flexibility and Post-entry Mode Change［J］．International Journal of Business Administration，2012，3（1）：41-53
［14］Uzzi B．Social Structure and Competition in Interfirm Networks：The Paradox of Embeddedness［J］．Administrative Science Quar-terly，1997，42（1）：35-67
［15］Lerner J．The Syndication of Venture Capital Investments［J］．Financial Management，1994，23（3）：16-27
［16］AmitＲ．，Bander J．，Zott C．Why Do Venture Capital Firms Exist？Theory and Canadian Evidence［J］．Journal of Business Venturing，1998，13（6）：441-466
［17］杨隽萍，唐鲁滨，于晓宇．创业网络、创业学习与新创企业成长［J］．管理评论，2013，11（25）：24-33
［18］H kansson H．Networks as a Mechanism to DevelopＲesources，in Networking in Dutch Industries［M］．Garant：Leven-Apel-dom，1993
［19］Cumming D．，Schmidt D．，Walz U．Legality and Venture Capital Governance around the World［J］．Journal of Business Ventu-ring，2010，25（1）：52-71
［20］Tian X．TheＲole of Venture Capital Syndication in Value Creation for Entrepreneurial Firm［J］．Ｒeview of Finance，2012，16（1）：245-283
［21］BellＲ．G．，Moore C．B．，Filatotachey I．Strategic and Institutional Effects on Foreign IPO Performance：Examining the Impact of Country of Orugun，Corporate Governance，and Host Country Effects［J］．Journal of Business Venturing，2012，27（2）：197-216［22］Meuleman M．，Wright M．Cross-border Private Equity Syndication：Institutional Context and Learning［J］．Journal of Business Venturing，2011，26（1）：35-48
［23］Hellmann T．A Theory of Strategic Venture Investing［J］．Journal of Financial Economics，2002，64（2）：285-314
［24］BurtＲ．Structural Holes：The Social Structure of Competition［M］．Cambridge：Harvard University Press，1992
［25］蔡萌，任义科，赵晨．网络结构模式与员工个人绩效———基于整体网络的分析［J］．管理评论，2013，25（7）：143-155［26］罗家德．社会网分析讲义（第二版）［M］．北京：社会科学文献出版社，2010
［27］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
［28］HannemanＲ．A．，Ｒiddle M．Introduction to Social Network Methods［M］．Ｒiverside，California：University of California，Ｒiv-erside，2005
［29］AlbertＲ．，Barabási A．L．Statistical Mechanics of Complex Networks［J］．Ｒeviews of Modern Physics，2002，74（1）：48-97［30］周涛，肖伟科，任捷，汪秉宏．网络集团度的幂律分布［J］．复杂系统与复杂性科学，2007，（2）：10-17
（下转第181页）
［19］Elfenbein D．W．，Zenger T．Ｒ．What Is aＲelationship Worth？Ｒepeated Exchange and Development and Deployment ofＲela-tional Capital［J］．Organization Science，2013，5（8）：1-23
［20］Uzzi B．Social Structure and Competition in Interfirm Networks：The Paradox of Embeddedness［J］．Administrative Science Quar-terly，1997，42（1）：35-67
［21］Noordhoff C．S．，Kyriakopoulos K．，Moorman C．，et al．The Bright Side and Dark Side of Embedded Ties in Business-to-Busi-ness Innovation［J］．Journal of Marketing，2011，75（3）：34-52
［22］Veronica H．V．，Ｒevilla E．，Thomas Y．C．The Dark Side of Buyer-SupplierＲelationships：A Social Capital Perspective［J］．Journal of Operations Management，2011，29（6）：561-576
［23］伊查克·爱迪斯，赵睿译．企业生命周期［M］．北京：华夏出版社，2004
［24］Henrik T．，Sten J．Start-ups Business Incubation and Social Capital［J］．International Small Business Journal，2005，23（5）：487-511
［25］Barro J．Ｒ．，BarroＲ．J．Pay，Performance，and Turnover of Bank CEOs［J］．Journal of Labor Economics，1990，8（4）：448-481
［26］郑晓涛，郑兴山，石金涛．员工社会资本对其组织承诺的影响［J］．管理评论，2008，20（5）：15-20
A ContingentＲelationship between Social Capital and Firm Performance
Tang Fangcheng and Shen Ziwen
（School of Economics and Management，Beijing Jiaotong University，Beijing100044）
Abstract：The paper reviews the studies of domestic and foreign scholars on social capital and the relationship between social capital and firm performance．The relationship between social capital and firm performance and the contingency role of the development stage of en-terprise are examined by analyzing the data from261effective questionnaires．The results show that the management and supplier social capital have a U-shape influence on the financial performance to enterprises in the initial period and the high speed development period，but they have an upend influence on the financial performance to enterprises in the stable period．Besides，customer social capital has an upend influence on the non-financial performance to enterprises in the initial period and the high speed development period，but it has a U-shape influence on the non-financial performance to enterprises in the stable period．
Key words：social capital，financial performance，non-financial performance，development stage
（上接第169页）
Does Position of a Syndication Impact Investment Performance？
———An Empirical Evidence Based on Venture Capital
Zhou Ling1，Shan Jun2and Zhang Jin3
（1．Business School，Nankai University，Tianjin300071；
2．School of Management，Jinan University，Guangzhou510632；
3．China Academy of Corporate Governance，Nankai University，Tianjin300071）
Abstract：Venture capital（VC）firms syndicate their investments with other VCs，rather than invest alone．Syndication networks may improve the quality of deal flow through diffusing information across sector boundaries and diversifying their portfolios or through selecting better investments．In this paper，we examine the impact of organizational structure in the context of relationships established in VCs syndication on the VC firm’s performance．We obtain a sample of balanced panel consisting of227VC firms which made investment deals in China．The results indicate that VC firms who enjoy more influential network positions perform significantly better，as measured by the exit rate．This study expands the theory of VC syndication and implements the application situation of the social network index，the structural holes．
Key words：syndication network，VC performance，social network analysis