風(fēng)險投資企業(yè)關(guān)系嵌入與投資績效
——一個三階交互模型

倪艷霞（博士）

一、引言

關(guān)系嵌入是風(fēng)險投資企業(yè)（Venture Capital Firms，VCFs）在高不確定性、高失敗率和高信息不對稱的投資行業(yè)的重要戰(zhàn)略選擇[1]。隨著我國經(jīng)濟的高速發(fā)展以及“雙創(chuàng)戰(zhàn)略”的實施，VCFs在發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)、促進產(chǎn)業(yè)結(jié)構(gòu)升級、建設(shè)創(chuàng)新型國家等方面發(fā)揮了重要作用[2]，VCFs的投資績效也備受理論界和實踐界的關(guān)注。關(guān)系嵌入作為VCFs的重要外部知識來源，對投資績效有重要影響。但由前人研究可知，關(guān)系嵌入與組織績效之間的關(guān)系尚未有統(tǒng)一定論，即存在“關(guān)系嵌入悖論”[3]。

VCFs豐富的投資經(jīng)驗有利于尋找有潛力的創(chuàng)業(yè)企業(yè)、提供優(yōu)質(zhì)的增值服務(wù)[4]，是企業(yè)重要的內(nèi)部知識來源。網(wǎng)絡(luò)密度作為VCFs重要的網(wǎng)絡(luò)屬性和情境因素，也會影響企業(yè)資源的獲得[5]。雖然有學(xué)者從不同情境因素出發(fā)，探討了關(guān)系嵌入對投資績效的作用機制[6-8]，但現(xiàn)有研究鮮少從投資經(jīng)驗、網(wǎng)絡(luò)密度及其關(guān)系切入，對其在關(guān)系嵌入與投資績效間的調(diào)節(jié)效應(yīng)進行剖析，這使得投資網(wǎng)絡(luò)中VCFs關(guān)系嵌入與投資績效間的復(fù)雜關(guān)系難以得到充分解釋?；诖耍疚囊晕覈鳹CFs為研究對象，在分析關(guān)系嵌入與投資績效關(guān)系的基礎(chǔ)上，對在不同投資經(jīng)驗、網(wǎng)絡(luò)密度及其交互作用的影響下，關(guān)系嵌入與投資績效之間關(guān)系的變化進行深入研究。

本文的貢獻在于：第一，以我國VCFs為研究對象，豐富了新興市場風(fēng)險投資的研究體系，對現(xiàn)有研究形成補充；第二，在研究設(shè)計上，不僅采用獨立樣本T檢驗和獨立樣本非參數(shù)Mann-Whitney U檢驗分別對低投資績效和高投資績效兩組子樣本的均值和中位數(shù)差異進行檢驗，而且采用能有效解決大樣本中異方差問題的廣義最小二乘法（FGLS）；第三，進一步對樣本的內(nèi)生性和穩(wěn)健性問題進行探討，極大避免了不可觀測因素和模型設(shè)定所帶來的估計偏誤，保證了研究結(jié)論的科學(xué)性和可靠性。

二、理論基礎(chǔ)與研究假設(shè)

（一）關(guān)系嵌入與投資績效

關(guān)系嵌入關(guān)注的是以直接聯(lián)結(jié)為紐帶的二元交易問題，即直接交易雙方之間互相理解、信任和承諾的程度[9]。Granovetter[10]將企業(yè)間的聯(lián)盟關(guān)系劃分為強關(guān)系和弱關(guān)系，用以表征合作伙伴間關(guān)系的緊密程度，從而反映從合作伙伴處獲得資源的難易程度和多寡程度。

較強的VCFs戰(zhàn)略聯(lián)盟關(guān)系能有效提升投資績效的原因如下：第一，VCFs間高度的關(guān)系嵌入意味著雙方之間的高度信任，能夠促進合作雙方復(fù)雜知識與信息的共享、溝通和交流[11]，提高VCFs成功退出創(chuàng)業(yè)企業(yè)的概率；第二，隨著VCFs關(guān)系嵌入程度的加深，合作雙方信息共享的程度增大，更有利于彼此間資源、信息、知識的轉(zhuǎn)移，尤其是隱性知識和復(fù)雜知識的轉(zhuǎn)移、轉(zhuǎn)化[12]，合作雙方也更有可能相互激勵、鼓勵和推動投資活動的開展，從而提高投資績效；第三，當VCFs雙方擁有強連接時，更可能通過反復(fù)溝通、交流及協(xié)商解決問題，從而對投資過程、結(jié)果有共同的理解[13]，對復(fù)雜知識和隱性知識有共同的編碼及認知，更有利于挖掘、利用能夠獲得戰(zhàn)略優(yōu)勢的有價值的知識，從而提高投資績效；第四，關(guān)系嵌入能夠大大減少網(wǎng)絡(luò)個體機會主義行為的發(fā)生[14]；第五，我國是一個講究“人脈”“人情”“禮尚往來”的集體主義國家，我國VCFs更是深諳“關(guān)系”對獲取投資回報的重要性[15]，由于我國風(fēng)險投資市場起步較晚，風(fēng)險投資市場發(fā)育不完全，相應(yīng)的監(jiān)管體制和治理機制不完善、信息透明度低、產(chǎn)權(quán)保護體系缺失，利用非正式制度、依靠關(guān)系就成為我國VCFs獲得資源、解決糾紛、提高投資回報率的極佳辦法[16-18]。

盡管有研究表明，與有限數(shù)量的熟悉伙伴合作會阻礙VCFs獲得新的機會，增加同質(zhì)化、冗余信息的交流[3]，降低VCFs對資源的整合效率和戰(zhàn)略決策效率，但本文認為，在我國文化情境下，關(guān)系嵌入對投資績效的促進作用要更大。

基于此，本文提出如下假設(shè)：

H1：VCFs關(guān)系嵌入對投資績效有正向影響。

（二）投資經(jīng)驗的調(diào)節(jié)作用

有學(xué)者指出，與有限數(shù)量的熟悉伙伴合作會增加企業(yè)間同質(zhì)化、冗余信息的交流[3]，降低VCFs對資源的整合效率和戰(zhàn)略決策效率。因此，VCFs投資經(jīng)驗所形成的內(nèi)部化知識與關(guān)系嵌入所帶來的外部知識所形成的潛在協(xié)同效應(yīng)對投資績效有重要作用。

組織學(xué)習(xí)理論指出，不同的組織經(jīng)驗會影響組織的機會感知能力。豐富的組織經(jīng)驗有助于組織對潛在機會的識別、理解和利用。組織經(jīng)驗的價值不僅體現(xiàn)在組織所熟悉的領(lǐng)域，還可擴展到組織經(jīng)驗在新領(lǐng)域的應(yīng)用[19]。組織經(jīng)驗的積累是對知識、信息、資源等識別、獲取和吸收的重要過程，是組織價值創(chuàng)造的基礎(chǔ)，也是企業(yè)能力提升的重要信號[20]。隨著VCFs投資經(jīng)驗的積累，企業(yè)內(nèi)部知識儲存逐漸豐富、內(nèi)部能力逐漸提高，這是企業(yè)價值創(chuàng)造的重要推動力[21]以及競爭優(yōu)勢的重要來源[22]，有利于VCFs對創(chuàng)業(yè)企業(yè)的篩選、識別，以及提供價值增值服務(wù)。若VCFs僅與有限數(shù)量的伙伴合作，那么其獲得冗余信息的可能性增大，有限數(shù)量的合作伙伴及限定的投資領(lǐng)域會影響VCFs的信息轉(zhuǎn)介交換能力，從而增加投資風(fēng)險。當VCFs的投資經(jīng)驗豐富時，多行業(yè)及多領(lǐng)域的知識就與特定關(guān)系嵌入所帶來的有限知識產(chǎn)生互補效應(yīng)，分散因投資行業(yè)的高度不確定性所帶來的風(fēng)險，從而提高投資績效。

基于此，本文提出如下假設(shè)：

H2：VCFs的投資經(jīng)驗加強了關(guān)系嵌入對投資績效的正向影響。

（三）網(wǎng)絡(luò)密度的調(diào)節(jié)作用

網(wǎng)絡(luò)密度用來描述組織所處的聯(lián)盟網(wǎng)絡(luò)內(nèi)組織間相互聯(lián)系的緊密程度[23]。在由相同數(shù)目企業(yè)構(gòu)成的聯(lián)盟網(wǎng)絡(luò)中，企業(yè)間聯(lián)系越多，其聯(lián)盟網(wǎng)絡(luò)的密度越高。本文認為，網(wǎng)絡(luò)密度與關(guān)系嵌入對投資績效的作用機制具有替代效應(yīng)。原因如下：首先，在高密度的聯(lián)盟網(wǎng)絡(luò)內(nèi)，作為網(wǎng)絡(luò)節(jié)點的VCFs間大多具有直接或間接的聯(lián)系，VCFs通過關(guān)系嵌入獲得的資源與通過密集網(wǎng)絡(luò)獲得的資源會有重合。其次，高度密集的網(wǎng)絡(luò)內(nèi)互相競爭的VCFs獲得的資源差異性較小，關(guān)系嵌入所帶來的資源與密集網(wǎng)絡(luò)所帶來的資源的重合性不利于VCFs競爭優(yōu)勢的獲得和提升。最后，由于高度密集的聯(lián)盟網(wǎng)絡(luò)為VCFs帶來的資源差異性較小，VCFs可能建立更多的強關(guān)系來獲得更有價值的資源，從而導(dǎo)致VCFs對聯(lián)盟網(wǎng)絡(luò)的過度嵌入，不利于投資績效的提升；相反，在稀疏的戰(zhàn)略聯(lián)盟網(wǎng)絡(luò)內(nèi)，網(wǎng)絡(luò)內(nèi)資源異質(zhì)性較大，與關(guān)系嵌入所帶來的資源形成協(xié)同效應(yīng)，從而提高投資績效。

基于此，本文提出如下假設(shè)：

H3：VCFs的網(wǎng)絡(luò)密度削弱了關(guān)系嵌入對投資績效的正向影響。

（四）網(wǎng)絡(luò)密度與投資經(jīng)驗的交互調(diào)節(jié)作用

當聯(lián)合投資網(wǎng)絡(luò)密度較低時，如果VCFs投資經(jīng)驗匱乏，雖然其有機會接觸、獲取多樣化的異質(zhì)性信息和資源，但由于其知識儲備不足，知識基礎(chǔ)薄弱，對市場知識和有效投資機會信息的感知和捕捉能力薄弱，無法對多樣化的異質(zhì)性資源進行有效篩選及吸收，從而無法充分發(fā)揮網(wǎng)絡(luò)中異質(zhì)化知識與關(guān)系嵌入所帶來的知識之間的協(xié)同效用。相反，如果VCFs投資經(jīng)驗豐富，擁有豐富的項目篩選、調(diào)查、評估、監(jiān)督及服務(wù)經(jīng)驗，則能更好地識別及利用稀疏網(wǎng)絡(luò)中所帶來的異質(zhì)化知識，先于競爭者獲得有價值的投資機會和資源，選取與伙伴資源相匹配的異質(zhì)化知識，獲得“先行者”優(yōu)勢，提升網(wǎng)絡(luò)資源的配置效率，從而促進伙伴間知識的共享和傳遞，開發(fā)新的知識，進一步鞏固信任機制并減少個體機會主義行為的發(fā)生，進而提升投資回報，促進投資績效的提升。綜上，在網(wǎng)絡(luò)密度較低時，VCFs豐富的投資經(jīng)驗更有利于關(guān)系嵌入效能的發(fā)揮，從而幫助企業(yè)獲得更高的投資回報，即投資經(jīng)驗對關(guān)系嵌入與投資績效的正向調(diào)節(jié)作用將變得更強。

當聯(lián)合投資網(wǎng)絡(luò)密度較高時，如果VCFs投資經(jīng)驗匱乏，企業(yè)對網(wǎng)絡(luò)資源的選取、配置能力不足，在可能存在密度冗余和結(jié)構(gòu)冗余的密集網(wǎng)絡(luò)中，企業(yè)能力的發(fā)揮被進一步限制，難以高效地獲取與伙伴資源相匹配的資源，無法充分發(fā)揮伙伴間的共享機制和傳遞機制，還可能增加個體機會主義行為，不利于關(guān)系嵌入效能的發(fā)揮。如果VCFs投資經(jīng)驗豐富，雖然企業(yè)擁有豐富的知識基礎(chǔ)，但由于密集網(wǎng)絡(luò)的封閉和僵化，伙伴間知識出現(xiàn)趨同，不利于異質(zhì)化知識的獲取，難以獲得與合作伙伴所帶來的知識有協(xié)同效應(yīng)的知識，從而阻礙關(guān)系嵌入效能的發(fā)揮。綜上，在網(wǎng)絡(luò)密度較高時，無論投資經(jīng)驗豐富與否，都不利于合作伙伴間關(guān)系嵌入效能的發(fā)揮，不利于提升VCFs的投資績效，即投資經(jīng)驗的正向調(diào)節(jié)作用將失效或變?nèi)酢?/p>

基于此，本文提出如下假設(shè)：

H4：相較于密集網(wǎng)絡(luò)，稀疏網(wǎng)絡(luò)中投資經(jīng)驗對VCFs關(guān)系嵌入與投資績效關(guān)系的正向調(diào)節(jié)效應(yīng)將變強。

根據(jù)以上分析，本文的研究框架如圖1所示。

圖1 關(guān)系嵌入與投資績效研究框架

三、研究設(shè)計

（一）樣本與數(shù)據(jù)

本文的樣本來自我國兩大風(fēng)險投資信息數(shù)據(jù)庫——中投集團的CVSource和清科集團的Zero2IPO。這兩個數(shù)據(jù)庫的結(jié)構(gòu)類似于美國風(fēng)險投資行業(yè)的數(shù)據(jù)庫——湯森路透（Thomson Reuters）的VentureXpert，已有大量研究使用以上數(shù)據(jù)庫[24]。這兩個數(shù)據(jù)庫涵蓋了我國幾乎所有VCFs的信息，本文參照前人的做法，將這兩個數(shù)據(jù)庫的信息進行匹配以避免單個數(shù)據(jù)庫帶來的信息遺漏[25]。本文使用中國境內(nèi)2000年1月1日～2018年12月31日時間范圍內(nèi)的VCFs數(shù)據(jù)，以保證最大的樣本數(shù)據(jù)量，盡可能減少樣本缺失所帶來的偏誤。

CVSource數(shù)據(jù)庫和Zero2IPO數(shù)據(jù)庫均提供了VCFs的基本信息以及歷年來各行業(yè)的投資事件和退出事件，因此相應(yīng)的數(shù)據(jù)表有VCFs信息表、投資事件表和退出事件表。首先，對兩個數(shù)據(jù)庫中相應(yīng)的原始數(shù)據(jù)按照下列流程進行處理：①刪除投資事件表中PE-PIPE樣本（該樣本中的被投資對象為已上市的創(chuàng)業(yè)企業(yè)）；②刪除投資事件表中包含“不披露的企業(yè)名稱”“不公開的投資者”等信息模糊的樣本；③刪除VCFs信息表、投資事件表和退出事件表中的重復(fù)記錄；④合并事件表中同一輪次相同VCFs的相關(guān)數(shù)據(jù)（有些VCFs使用旗下兩家及兩家以上基金對創(chuàng)業(yè)企業(yè)進行投資，在原始樣本中就表現(xiàn)為同一輪次中該VCFs出現(xiàn)多次）。然后，將相應(yīng)的表格進行匹配，即分別對兩個數(shù)據(jù)庫中的VCFs信息表、投資事件表、退出事件表進行匹配，避免信息遺漏。最后，將匹配后的VCFs信息表、投資事件表、退出事件表三者進行匹配，得到最終的完整樣本。

（二）變量測量

1.被解釋變量。本文的被解釋變量是VCFs的投資績效（Ratio），選取已被學(xué)者們廣泛應(yīng)用的成功退出比例作為其代理變量，成功退出比例的計算方法為：VCFs時間窗內(nèi)IPO或并購成功退出的次數(shù)除以前一個時間窗內(nèi)的總投資輪次[25，26]。采用滾動時間窗，以t+1～t+4年共4年為一個時間窗觀測VCFs的成功退出比例，即選用2004年1月1日～2014年12月31日我國VCFs的投資數(shù)據(jù)作為樣本，留有2015年1月1日～2018年12月31日4年時間來觀察投資結(jié)果。

2.解釋變量。關(guān)系嵌入（Relation）是VCFs基于互惠預(yù)期而發(fā)生的雙邊關(guān)系，是網(wǎng)絡(luò)關(guān)系的特征。De Clercq等[21]用伙伴聯(lián)系次數(shù)表示關(guān)系嵌入，即VCFs在時間窗內(nèi)與各合作伙伴的總合作投資次數(shù)相加得到的總數(shù)。本文借鑒以上做法，同時為避免因反向因果關(guān)系帶來的內(nèi)生性問題，采用VCFs在前一個時間窗內(nèi)與各合作伙伴的總合作投資輪次相加得到的總數(shù)表征關(guān)系嵌入。采用滾動時間窗，以t-4～t-1年共4年為一個時間窗觀測VCFs的關(guān)系嵌入。

3.調(diào)節(jié)變量。

（1）投資經(jīng)驗（Experience）。為避免投資經(jīng)驗與投資績效研究中出現(xiàn)反向因果關(guān)系，用截至樣本觀察年前一年VCFs所參與過的總投資輪次衡量投資經(jīng)驗。

（2）網(wǎng)絡(luò)密度（Density）。用行動者聯(lián)合伙伴次數(shù)與最大可能聯(lián)系次數(shù)之比進行測量[27]，采用Ucinet 6.645對該指標進行測算。

4.控制變量。參考前人的研究，本文選用以下控制變量：VCFs年齡（Age）、VCFs規(guī)模（Size）、資金來源（Fund）、當年投資數(shù)（Num_year）、后向5年投資數(shù)（Num_5year）、融資企業(yè)所處地理位置（Pc_location）、本土VCFs可用性（Local_vc）、地理鄰近（Geopro）、是否為高科技行業(yè)（High_ind）、當年退出條件（Exit_year）、后向4年窗口的退出條件（Exit_4year），以及行業(yè)效應(yīng)、時間效應(yīng)。

本文的變量定義見表1。

表1 變量定義

（三）模型設(shè)定

為了保證估計結(jié)果的準確性和可靠性，本文用Wald Test進行組間異方差的檢驗，選用能有效解決大樣本中異方差問題的FGLS，以保證模型選用的恰當性。

為了檢驗關(guān)系嵌入對投資績效的影響，本文構(gòu)建如下基準模型：

在以上公式中，β0為常數(shù)項，βi為各項系數(shù)，Controli為各控制變量，ε為殘差項。

四、數(shù)據(jù)分析與研究結(jié)果

（一）描述性統(tǒng)計

表2報告了樣本中核心變量的描述性統(tǒng)計結(jié)果。由表2可知，投資績效（Ratio）的均值為0.26，標準差為0.64，最小值為0，最大值為12，說明我國VCFs的成功退出比例較低，差異較大。投資經(jīng)驗（Experience）的均值為17.21，最大值高達609，說明我國VCFs投資次數(shù)較多，差異較大。從關(guān)系嵌入（Relation）可知，我國VCFs在4年時間窗口內(nèi)平均聯(lián)合投資高達4次，進一步說明我國VCFs的網(wǎng)絡(luò)化。從標準化的網(wǎng)絡(luò)密度（Density）可知，VCFs的網(wǎng)絡(luò)特征差異明顯。在控制變量方面，本土VCFs可用性（Local_vc）的均值高達425.50，說明投資市場火熱；而當年退出條件（Exit_year）和后向4年窗口的退出條件（Exit_4year）的均值分別為110.60和378.70，與我國VCFs日益活躍且表現(xiàn)優(yōu)異的投資市場現(xiàn)實相吻合。

表2 變量描述性統(tǒng)計

（二）相關(guān)性分析

本文對各變量之間的Pearson相關(guān)系數(shù)和變量的方差膨脹因子（VIF）進行了檢驗。結(jié)果顯示：投資經(jīng)驗（Experience）與投資績效（Ratio）顯著正相關(guān)（相關(guān)系數(shù)為0.24，顯著性水平為1%）；關(guān)系嵌入（Relation）與投資績效（Ratio）顯著正相關(guān)（相關(guān)系數(shù)為0.16，顯著性水平為1%）；網(wǎng)絡(luò)密度（Density）與投資績效（Ratio）顯著正相關(guān)（相關(guān)系數(shù)為0.11，顯著性水平為1%）。以上結(jié)果與前文理論推導(dǎo)基本一致。各變量的VIF值均小于閾值10，表明模型估計不會出現(xiàn)因變量多重共線性而導(dǎo)致的估計偏誤（限于篇幅，檢驗結(jié)果不再列示）。

（三）單變量均值與中位數(shù)檢驗

在正式回歸前，本文對樣本中的變量進行了單變量均值和中位數(shù)檢驗。首先按照投資績效（Ratio）的均值將樣本分為低投資績效和高投資績效兩組，接著對分組后子樣本的均值和中位數(shù)進行獨立樣本T檢驗和獨立樣本非參數(shù)Mann-Whitney U檢驗，初步判斷變量之間的相關(guān)關(guān)系，結(jié)果如表3所示。

表3 變量的單變量均值和中位數(shù)檢驗

由表3中兩組均值和中位數(shù)差異的檢驗結(jié)果可知，在高投資績效樣本中，關(guān)系嵌入（Relation）、投資經(jīng)驗（Experience）和網(wǎng)絡(luò)密度（Density）的均值（4.75、2.6、0.7）均高于低投資績效樣本（3.14、1.9、0.57）。關(guān)系嵌入（Relation）、投資經(jīng)驗（Experience）、網(wǎng)絡(luò)密度（Density）的獨立樣本T檢驗和Mann-Whitney U檢驗的結(jié)果均表現(xiàn)為1%的顯著性水平。就控制變量而言，地理鄰近（Geopro）和當年退出條件（Exit_year）的獨立樣本T檢驗和Mann-Whitney U檢驗的結(jié)果均在1%的水平上顯著，說明VCFs和融資企業(yè)的地理位置越近，越有利于VCFs投資收益的提高，且當年退出條件越好，投資市場越活躍，越有利于VCFs投資收益的提高。企業(yè)年齡（Age）、企業(yè)規(guī)模（Size）、資金來源（Fund）、融資企業(yè)所處地理位置（Pc_location）、是否為高科技行業(yè)（High_ind）的獨立樣本T檢驗和Mann-Whitney U檢驗的結(jié)果均表現(xiàn)出顯著的穩(wěn)健性。除本土VCFs可用性（Local_vc）的獨立樣本T檢驗和Mann-Whitney U檢驗的結(jié)果不穩(wěn)健外，其余控制變量的檢驗結(jié)果均顯著且穩(wěn)健。

綜上所述，單變量均值和中位數(shù)檢驗的結(jié)果表明：VCFs的關(guān)系嵌入越深，越有利于提高企業(yè)的投資績效。就控制變量而言，雖然大多數(shù)變量通過了顯著性檢驗，但由于單變量檢驗僅考慮所考察變量的影響，可能引起估計偏誤，因此需要通過多元回歸分析得到更為科學(xué)穩(wěn)健的研究結(jié)論。

（四）回歸結(jié)果與分析

表4報告了本文模型的估計結(jié)果。模型（1）～模型（3）依次檢驗了關(guān)系嵌入對投資績效的直接作用、投資經(jīng)驗和網(wǎng)絡(luò)密度的調(diào)節(jié)作用、投資經(jīng)驗與網(wǎng)絡(luò)密度的交互調(diào)節(jié)作用。由模型（1）～模型（3）中的異方差檢驗Wald Test的估計結(jié)果可知，這三個模型均在1%的水平上顯著存在異方差，因此，選用FGLS可以有效修正因異方差產(chǎn)生的估計偏誤。

表4 關(guān)系嵌入與投資績效的初步回歸結(jié)果（FGLS）

由模型（1）的回歸結(jié)果可知，關(guān)系嵌入（Relation）與投資績效（Ratio）表現(xiàn)為顯著的正相關(guān)關(guān)系（β1=0.1346），H1得到支持。由模型（2）的回歸結(jié)果可知，投資經(jīng)驗與關(guān)系嵌入交互項（Experience×Relation）的系數(shù)在1%的水平上顯著為正（β2=0.1203），說明VCFs積累的投資經(jīng)驗更有利于關(guān)系親密的合作企業(yè)間的信息共享和問題解決，從而提高其在時間窗內(nèi)的投資績效。因此，H2得到支持。此外，網(wǎng)絡(luò)密度與關(guān)系嵌入交互項（Density×Relation）的系數(shù)在1%的水平上顯著為負（β4=-0.0385），說明高密度網(wǎng)絡(luò)中流通的信息會取代關(guān)系嵌入所帶來的信息，在一定程度上降低關(guān)系嵌入對投資績效的促進作用，H3得到支持。由模型（3）的回歸結(jié)果可知，投資經(jīng)驗、網(wǎng)絡(luò)密度與關(guān)系嵌入三者交互項（Experience×Density×Relation）的系數(shù)在1%的水平上顯著為負（β7=-0.1159），H4得到支持。

本文各變量的調(diào)節(jié)作用效果見圖2～圖4。由圖2可知，投資經(jīng)驗高時VCFs關(guān)系嵌入對投資績效的正向影響大于投資經(jīng)驗低時相應(yīng)的影響，由此投資經(jīng)驗對關(guān)系嵌入與投資績效間關(guān)系的正向調(diào)節(jié)作用得以驗證。由圖3可知，稀疏網(wǎng)絡(luò)中VCFs關(guān)系嵌入對投資績效的正向影響大于密集網(wǎng)絡(luò)中相應(yīng)的影響，由此印證了網(wǎng)絡(luò)密度對關(guān)系嵌入與投資績效間關(guān)系的負向調(diào)節(jié)作用。分別取網(wǎng)絡(luò)密度與投資經(jīng)驗各自均值上下一個標準，關(guān)系嵌入任取兩個數(shù)值，得出如圖4所示的投資經(jīng)驗與網(wǎng)絡(luò)密度組合的四條直線，結(jié)果表明，在網(wǎng)絡(luò)密度低—投資經(jīng)驗高的情境下，關(guān)系嵌入對投資績效具有正向影響，另外三種情境下均為負向影響。由此網(wǎng)絡(luò)密度與投資經(jīng)驗的交互對關(guān)系嵌入與投資績效關(guān)系的負向影響得以驗證。

圖2 投資經(jīng)驗的調(diào)節(jié)效應(yīng)

圖3 網(wǎng)絡(luò)密度的調(diào)節(jié)效應(yīng)

圖4 投資經(jīng)驗和網(wǎng)絡(luò)密度的交互調(diào)節(jié)效應(yīng)

（五）內(nèi)生性偏誤檢驗

內(nèi)生性問題在戰(zhàn)略管理等領(lǐng)域中普遍存在，而內(nèi)生性問題產(chǎn)生的原因主要有三個：一是解釋變量和被解釋變量互為因果關(guān)系，即解釋變量會引起被解釋變量的變化，反過來被解釋變量也會引起解釋變量的變化；二是遺漏重要變量，當未考慮重要的解釋變量時，估計模型無法反映遺漏變量與重要解釋變量之間的關(guān)系，從而引發(fā)內(nèi)生性問題；三是變量測量誤差，當對核心解釋變量的測量有偏誤時，測量誤差就會導(dǎo)致計量模型回歸中的一部分誤差，從而引發(fā)內(nèi)生性問題，導(dǎo)致模型估計產(chǎn)生偏誤。

由表5可知，Durbin-Chi2值為2.1707，P值為0.1407，Wu-Hausman-F值為2.1226，P值為0.1453，P值均大于臨界值0.1，說明無法拒絕“所有解釋變量均為外生變量”，即模型不存在內(nèi)生變量。

表5 內(nèi)生性偏誤檢驗

綜上所述，本文通過理論分析及DWH方法的檢驗，證明計量模型不存在內(nèi)生性問題，因此，前文的整體回歸模型和方法的選取是良好的，結(jié)果具有穩(wěn)健性。

（六）穩(wěn)健性檢驗

現(xiàn)有研究通常采用兩種方法對研究結(jié)果進行穩(wěn)健性檢驗：一是改變回歸模型，用以克服模型設(shè)定所帶來的估計偏誤；二是改變被解釋變量的度量方法，用以降低由于代理變量選用而產(chǎn)生的估計偏誤。本文采用這兩種方法對相關(guān)假設(shè)進行穩(wěn)健性檢驗。

1.改變回歸模型。本文參考眾多學(xué)者的做法，采用多元回歸方法對模型進行估計，并控制模型中的標準誤[17，25]，回歸結(jié)果見表6。

表6中模型（1）的回歸結(jié)果顯示，關(guān)系嵌入（Relation）與投資績效（Ratio）在1%的水平上表現(xiàn)為顯著的正相關(guān)關(guān)系（β1=0.1974），H1得到支持。模型（2）的回歸結(jié)果顯示，投資經(jīng)驗與關(guān)系嵌入交互項（Experience×Relation）的系數(shù)在1%的水平上顯著為正（β2=0.1676），H2得到支持；網(wǎng)絡(luò)密度與關(guān)系嵌入交互項（Density×Relation）的系數(shù)在10%的水平上顯著為負（β4=-0.0435），H3得到支持。模型（3）的回歸結(jié)果顯示，投資經(jīng)驗、網(wǎng)絡(luò)密度與關(guān)系嵌入三者交互項的系數(shù)在1%的水平上顯著為負（β7=-0.2178），H4得到支持。

表6 改變回歸模型后關(guān)系嵌入與投資績效的穩(wěn)健性檢驗

2.改變被解釋變量的度量方法。由以往研究可知，IPO是企業(yè)投資收益最高的退出方式[29]，考慮到現(xiàn)金收益數(shù)據(jù)獲取困難，國內(nèi)外很多研究用成功IPO對投資績效進行度量。本文參考以往研究的做法，將IPO率作為投資績效的代理變量，具體計算公式為：IPO率=IPO數(shù)/總投資輪數(shù)。表7報告了對被解釋變量進行替換后的模型估計結(jié)果。

表7中模型（1）的回歸結(jié)果顯示，關(guān)系嵌入（Relation）與IPO率的系數(shù)在1%的水平上顯著為正（β1=0.0016），H1得到實證支持。模型（2）的回歸結(jié)果顯示，投資經(jīng)驗與關(guān)系嵌入交互項（Experience×Relation）的系數(shù)在1%的水平上顯著為正（β2=0.0013），H2得到支持；網(wǎng)絡(luò)密度與關(guān)系嵌入交互項（Density×Relation）的系數(shù)在1%的水平顯著為負（β4=-0.0029），H3進一步得到支持。模型（3）的回歸結(jié)果顯示，投資經(jīng)驗、網(wǎng)絡(luò)密度與關(guān)系嵌入三者交互項的系數(shù)在10%的水平上顯著為負（β7=-0.0001），H4得到支持。

表7 替代變量后關(guān)系嵌入與投資績效的穩(wěn)健性檢驗

綜上所述，在采用改變回歸模型和替代變量法的穩(wěn)健性檢驗中，均得到與前文完全一致的結(jié)論，說明本文的研究結(jié)論具備很好的穩(wěn)健性。

五、研究結(jié)論與啟示

本文基于2000年1月1日～2018年12月31日我國兩大風(fēng)險投資數(shù)據(jù)庫CVSource和Zero2IPO中的樣本，采用FGLS方法，將關(guān)系嵌入作為VCFs的重要外部知識來源之一，實證研究了VCFs關(guān)系嵌入對投資績效的影響，并分析了投資經(jīng)驗、網(wǎng)絡(luò)密度的調(diào)節(jié)作用以及二者的交互調(diào)節(jié)作用。研究結(jié)果表明：關(guān)系嵌入對投資績效有穩(wěn)健的促進作用；投資經(jīng)驗加強了關(guān)系嵌入對投資績效的正向影響；網(wǎng)絡(luò)密度削弱了關(guān)系嵌入對投資績效的正向影響；與密集網(wǎng)絡(luò)相比，稀疏網(wǎng)絡(luò)中投資經(jīng)驗對關(guān)系嵌入與投資績效關(guān)系的正向調(diào)節(jié)效應(yīng)變強。

基于研究結(jié)論，可以得到如下啟示：首先，應(yīng)建立與聯(lián)盟伙伴的聯(lián)系與交流機制，經(jīng)營與維持良好的伙伴關(guān)系，發(fā)揮聯(lián)盟伙伴關(guān)系對提升投資績效的積極作用。其次，應(yīng)注重投資經(jīng)驗的積累，優(yōu)化知識結(jié)構(gòu)，奠定良好的知識基礎(chǔ)。最后，應(yīng)在聯(lián)盟網(wǎng)絡(luò)發(fā)展迅速的時代背景下，進一步發(fā)揮聯(lián)盟網(wǎng)絡(luò)對提升投資績效的積極作用。此外，還應(yīng)關(guān)注不同維度影響因素的交互效應(yīng)。在我國經(jīng)濟轉(zhuǎn)型升級的背景下，風(fēng)險投資作為金融體系的重要組成部分，對經(jīng)濟發(fā)展的推動作用日益顯著。隨著VCFs網(wǎng)絡(luò)化特征的凸顯，關(guān)系嵌入作為VCFs外部知識、資源和信息來源的重要通道，在學(xué)習(xí)、信息流通和知識轉(zhuǎn)移方面具備一定的優(yōu)勢，能夠降低企業(yè)對信息流、知識流和技術(shù)流的獲取成本，有助于提升VCFs的競爭能力和改善投資績效。投資經(jīng)驗作為企業(yè)競爭優(yōu)勢的重要體現(xiàn)，在一定程度上決定了VCFs能否充分利用關(guān)系嵌入所帶來的信息優(yōu)勢。網(wǎng)絡(luò)密度作為VCFs運營和發(fā)展的重要外部環(huán)境，形成了網(wǎng)絡(luò)中VCFs間知識、信息交流的平臺，影響網(wǎng)絡(luò)中VCFs對信息獲得的效率，繼而影響投資績效的提升。同時，VCFs應(yīng)權(quán)衡關(guān)系嵌入各維度之間的交互作用。