1关系嵌入性
关系嵌入性因变化相对频繁而被视作网络嵌入性的动态分析［13］。关系嵌入性关注成员基于互惠预期而建立的信息共享关系，可反映成员对投资信息的理解能力［16］。通常，知识有显性和隐性之别。市场交易易于将显性知识广泛地传递，风投因基于较好的网络位置而低成本、高效地获取此类信息;而隐性知识由于具有粘滞性、默会性和难以模仿性，使网络成员难以对其识别、复制与融合。因此，隐性知识构成了市场成员竞争优势的信息壁垒。信息共享程度的提高可生成信任感并加强协作关系，利于共享惯例的形成，促进隐性知识的转移，进而实现共同解决问题的目的［17］。在风险投资中，风投与投资对象之间信息共享程度的提高利于建立有效的共享惯例，获取诸如关键技术的隐性知识，加速影响到投资机会的粘滞性知识的跨边界转移，及时优化自身知识结构。这利于风投与投资对象更好理解彼此的资源禀赋与投资特点，进而利于双方找到降低信息不对称的契合点，共同解决在决断发展计划以及相应监控中由于投资信息不对称而产生的摩擦。因此，信息共享关系就成为研究关系嵌入性的关键。现有研究广泛使用企业间以往的合作关系，测度关系嵌入性［18］。这也为笔者的分析提供了依据。可用领导者/跟从者与投资对象之间曾经合作次数分别测度领导者/跟从者的关系嵌入性。领导者/跟从者与投资对象曾经的合作次数利于更新风投的知识结构，提高风投投资信息的对称性。这有助于增强风投给予企业家针对性的建议，并更好地掌控投资项目的进展，抑制企业家的短视行为，进而起到维系合作、实现共赢的发展战略并为风投成功的退出夯实基础。因此，领导者可降低对跟从者的信息依赖，但此时领导者可能会增加依靠跟从者分担财务风险的需求，因而会提高对跟从者“入盟”的需求。因为风险投资的高风险性，尤其是自2008金融危机以后，全球资本市场大幅震荡，必然会冲击我国的风险投资市场，领导者在与企业合作过程中，可能会受到比预期风险更大的冲击。因此，相比于领导者投资信息增强的相应影响，领导者为减小财务风险而提升跟从者“入盟”的作用可能会更大。与此同时，跟从者可通过增强获取企业隐性知识的能力，以填补领导者识别企业行为的信息缺口，从而提高其“入盟”机会。由以上分析，提出如下假设。假设5领导者和投资对象之间的信息共享关系与跟从者“入盟”的可能性正相关。假设6跟从者和投资对象之间的信息共享关系与跟从者“入盟”的可能性正相关。将关系嵌入性对结构嵌入性的调节作用纳入到分析框架将是网络嵌入性研究的未来趋势［19］。信息共享关系利于增强对新信息的理解能力，促进成员基于网络位置的信息搜索优势获取更多有效的信息，提升组织间知识流动的强度和效果，从而对网络位置的相应影响产生重要的调节作用［16］。在我国经济转型期的风险投资市场上，相应的调节作用有如下的表现。领导者基于中心度获取的信息对跟从者互补性信息的替代性作用较小。因此，领导者虽然提高了信息理解能力，但也难以增强其相应的替代作用，对跟从者“入盟”的影响较小。但领导者可依靠信息理解能力的增强，强化依靠结构洞优势垄断投资机会的能力，从而进一步抬高跟从者“入盟”的门槛;跟从者虽然基于信息识别能力的增强进一步赢得了领导者的青睐，但其对行业信息理解的深入强化了其主导投资项目发展的动机，极可能会降低其加入给定联盟的意愿;同时，跟从者通过信息识别能力的增强，深化对企业价值的理解，因而会对企业追加投资，以分享领导者控制的投资机会。由以上分析，提出如下假设。假设7a领导者和投资对象之间合作次数的增加对领导者中心度与跟从者“入盟”可能性之间的关系影响不显著，即领导者信息理解能力的提高，不会使领导者基于中心度的信息优势显著地减小跟从者“入盟”的可能性。假设7b领导者和投资对象之间合作次数的增加正向调节领导者结构洞与跟从者“入盟”可能性之间的负相关关系，即领导者信息理解能力的提高，会使领导者基于结构洞的信息优势进一步减小跟从者“入盟”的可能性。假设7c跟从者和投资对象之间合作次数的增加负向调节其中心度与其“入盟”可能性之间的正相关关系，即跟从者信息理解能力的提高会使基于中心度的信息优势对“入盟”的负向作用变大。假设7d跟从者和投资对象之间合作次数的增加负向调节其结构洞与其“入盟”的可能性之间的负相关关系，即跟从者信息理解能力的提高会使基于结构洞的信息优势对“入盟”的正向作用变大。
2风险投资联盟构建的研究设计
2．1结构嵌入性与关系嵌入性衡量
依据Freeman的方法［20］，笔者选取程度中心度作为测度网络中心度的指标。在风投网络中，程度中心度衡量与一家风投直接连接的其他风投数量之和，刻画了风投的活跃程度。程度中心度越高，风投越活跃，投资项目也越多，触及信息的总量越大。因此，程度中心度可有效地测度风投信息量的优势以及相应的影响力。同时，“约束”指数可有效地测量网络成员结构洞的匮乏程度［21］。现有研究广泛的使用1与“约束”指数的差衡量结构洞丰富程度［22］。笔者也以此差测度风投的结构洞，差越大，则风投的结构洞越多，控制的异质性信息优势越大。此外，以领导者/跟从者与投资对象之间曾经合作次数(累计参与该投资对象的融资轮次)分别测度领导者/跟从者的关系嵌入性。图1与图2展示了5年间窗下我国风投网络位置(中心度/结构洞)的分布与变化特征。首先，构建联合投资网络，并利用UCINET6．214软件计算风投的网络位置相应指标;然后，选取2009年与2013年的前50家公司(以中心度为排序标准)为分析对象，考察中心度与结构洞的分布与变化。由图1与图2可知，在我国风险投资市场发展的初级阶段，风投之间的“信息禀赋”具有明显的差距，因而对联盟的依靠可能会有不同的需求。
2．2控制变量
现有研究中联合投资规模是重要的关注因素［6，9］。通常，联盟需要的成员越多，跟从者加入联盟机会越大，因而有必要控制其影响;领导者/跟从者投资经验越丰富，私人信息的优势越大。尽管已有研究中累计投资金额、累计投资轮次、投资年龄和累计投资企业数等被用于测度风投投资经验［6］，笔者认为风投的累计退出次数可更有效地衡量其投资经验。因为只有当风投完成了从进入到退出的整个流程，才可对投资活动有整体的认识与掌控。这是其他变量难以测度的。因此，笔者将选取累计退出次数控制投资经验的相应影响;投资轮次也是相关研究中重要的控制变量［6］，因为投资轮次往往对应着投资对象的不同发展阶段，反映了风投面临的投资信息缺口的程度。投资轮次越靠后，企业发展的越成熟，领导者对跟从者信息的依赖就越小。为此，笔者将以首轮融资为研究对象分析投资轮次的影响。
2．3Probit模型及其变量定义
Sufi［23］基于Probit模型分析了跟从者填补领导者信息缺口的能力对被领导者选为联盟成员的影响。钱锡红等［22］通过吸收能力对网络位置调节作用的分析，较系统地测度了企业的信息优势。笔者在模型构建上整合了文献［22］与文献［23］的研究思路，在网络嵌入性的视角下设计分析了风险投资联盟构建(跟从者被领导者选为联盟成员的可能性)的Probit模型，包括4个主要模型，其模型中的变量具体定义如表1所示。
2．4样本与数据
清科研究中心专注于打造为VC/PE投资机构、政府机构以及投资银行提供专业数据服务的数据库，并成长为中国私募股权投资领域专业权威的研究机构之一。笔者选取2000～2013年清科数据库上所有风险投资数据为初始研究样本，涉及2365家风投、7559家投资对象，22类投资行业。在剔除投资对象缺失、合作伙伴数据缺失、投资金额数据缺失样本后，得到测度样本，包括938轮联合投资，涉及830家投资对象，409家风投。统计发现，在统计样本中409家风投支持的企业数量占到风险资本退出时涉及企业总数的78%，同时涵盖了各年占据网络位置核心位置的Top50家风投的82%。
3假设检验与分析
3．1描述性统计与相关系数
描述性统计分析表明，每轮联合投资的领导者结构嵌入性信息优势低于跟从者。这反映了由于转型期市场的快速崛起，领导者需要依赖联盟提高投资信息的对称性。为检验解释变量之间的共线性问题，笔者分析了Pearson相关系数。目前学界普遍认为相关水平的临界值在0．75以上才可以认为共线性情况很严重，而本文中各变量间相关水平均在此临界值之下，表明变量之间不存在严重的共线性问题。
3．2模型分析
Probit回归模型的分析结果如表2所示。先剖析网络嵌入性对联盟构建的影响，然后再分析控制变量与固定效应的相应影响。3．2．1结构嵌入性基于模型2，对联盟成员结构嵌入性的影响分析如下。从领导者角度看，假设1通过了检验(β=0．001)。这表明随着经济转型，领导者在拓展投资领域时，基于现有的行业信息优势，对跟从者的互补型信息的替代性作用较小。这是风投资源禀赋的有限性与经济转型，新兴行业的高风险的综合结果。同时，研究假设3得到了支持(β=－0．321，显著性p＜0．01)。这一定程度表明，领导者依靠异质性信息搜索能力增强了垄断投资的能力，对跟从者“入盟”设置了较高的壁垒。从跟从者的角度看，假设2得到实证支持(β=0．014，p＜0．01)。这表明跟从者可依靠其积累的行业资源博得领导者的青睐，拓展投资机会。同时，假设4通过了检验(β=－7．656，p＜0．01)。这表明跟从者可依靠异质性信息搜索能力的增强强化垄断投资的能力，减轻对领导者的依赖。3．2．2关系嵌入性基于模型3，对联盟成员关系嵌入性的相应影响分析如下。假设5通过了检验(β=0．158，p＜0．01)。在一定程度上表明了风投构建联盟的动机不仅是为了破解投资信息的壁垒，也是为了分化财务风险。假设6通过检验(β=2．215，p＜0．01)。这表明跟从者通过与企业建立的信息共享关系利于弥补领导者对企业的认识不足。3．2．3调节作用基于模型4可知，假设7a得到了支持(β=0．006，p＜0．05)。这表明现阶段领导者难以基于与企业的合作关系(信息理解能力)增强其依靠中心度位置抓取更多适用于开拓新投资领域的信息，减少对跟从者的信息依赖。同时，假设7b得到支持(β=－0．741，p＜0．05)。这表明领导者可通过信息理解能力的提高，增强依靠结构洞垄断稀缺投资的能力，进一步减轻对跟从者的依赖。假设7c没有通过检验(β=－0．020，p＜0．01)。这表明，跟从者对行业信息理解的深入强化了其行业影响力，增加了潜在联盟的选择机会，因而降低了其加入给定联盟的意愿。假设7d得到了支持(β=6．124，p＜0．01)。这表明跟从者与企业的合作关系可强化其较全面的信息渠道，深化对企业价值的理解，因而会入盟，以掘取企业潜在的发展价值。3．2．4控制变量与固定效应综合模型1～模型4，有如下发现:联合投资规模与跟从者“入盟”无关，这表明跟从者提高利用联盟机会的关键在于增强自身的信息优势;领导者的融资比例越高，跟从者“入盟”机会越小。这表明领导者对投资对象的潜力越了解，越会抬高加入联盟的门槛;领导者的投资经验对跟从者“入盟”作用很小，其原因可能是我国风险投资公司起步较晚，领导者普遍投资经验不足，尤其是在2006年以来政府为鼓励民间资本进入科技风险投资领域，放低了民间资本进入风险投资市场的门槛后，风险投资发展迅猛;随着投资经验的丰富，跟从者减小了“入盟”的动机;相比于其他轮次，首轮投资时跟从者“入盟”机会更大，这也表明了企业发展初期投融资双方信息缺口较大。整体上看，投资时间与投资行业的固定效应比较明显。从投资时间的固定效应看，相比于2008年前，2008年以后尤其是2010与2011年，跟从者更易“入盟”。在一定程度上表明金融危机对我国风险投资市场产生了一定影响。从投资行业的固定效应看，物流、金融行业、清洁技术、建筑工程、能源矿产行业中，跟从者“入盟”机会较多。3．2．5稳健性分析为了保障研究的有效性，笔者进行了稳健性检验。不同的时间窗下风投网络位置不同，以4年为时间窗计算风投的网络位置。如表2中模型5所示，其结论与5年时间窗基本一致。
4结语
基于我国联合风险投资数据，笔者系统分析了在我国经济转型背景下风险投资市场的起步阶段，网络嵌入性对风险投资联盟构建的作用表现。研究发现:1)联盟信息互补性弱。因为跟从型风投获取机密性信息能力越强，先人一步地垄断投资的动机越大，因而“入盟”的意愿越小，使领导型风投面临了逆向选择问题，从而降低了联盟成员之间的信息互补程度;2)开拓新投资领域时联盟构建成本较高。因为在风险投资市场的初始阶段，风投基本深耕于少数几个投资领域，即使其拥有较高的市场声誉，在开拓新领域的时也难以具备优势。尤其是在涉足新兴行业时，领导型风投对信息互补型成员的依赖依然较大，这增加了其识别、“招募”跟从型风投的成本;3)跟从型风投被领导型风投接纳“入盟”的机会，与其自身获取投资对象隐性信息的能力成正比，但与联合投资规模无关。这在一定程度上说明风投只有通过增强网络信息搜索能力才可更有效地增加其利用联盟拓展投资的能力。基于上述研究，对相关管理主体的建议如下:1)为提高风险投资联盟信息结构的互补性，政府可将风投的网络信息优势的指标及其动态变化融入到科技金融信息服务平台服务中，以支持风投低成本地选择具有信息优势的合作伙伴，进而有助于形成高效运作的风险投资联盟;2)为吸引具有较高信息优势的风投“入盟”，领导者应建立相应的激励机制。为增加利用联盟拓展投资领域的机会，跟从者则不仅应加强与投资对象的互动，获取深层次的隐性知识，还应在起步阶段深耕于新兴行业内投资领域，蓄积所长，以获取该行业内较全面的“知识地图”，从而为争取“入盟”、孵化自身的网络信息优势奠定基础。笔者系统地探索了在我国风险投资市场初始发展阶段，风险投资公司网络嵌入性对其联盟构建的影响。后续的研究中，笔者将依据现有研究［24］，深入探索联合投资网络的稳定性对联盟构建乃至联盟投资绩效产生的作用，以延伸对风险投资联盟运作效率的认识边界。
作者：伍晶 张建 聂富强 单位：西南财经大学 经济信息工程学院 金融智能与金融工程重点实验室
