發布時間：2020-01-18所屬分類：法律論文瀏覽：1次
摘 要： 摘 要: 政府風險投資是歐洲、美國、澳大利亞以及中國、以色列等亞洲國家用以支持創新創業企業發展的科技金融工具。有關政府風險投資的政策研究，旨在通過公共干預，協調科技創新和企業融資工具之間的關系，推動創新創業活動發展。研究使用 19902017 年 Web o
摘 要: 政府風險投資是歐洲、美國、澳大利亞以及中國、以色列等亞洲國家用以支持創新創業企業發展的科技金融工具。有關政府風險投資的政策研究，旨在通過公共干預，協調科技創新和企業融資工具之間的關系，推動創新創業活動發展。研究使用 1990—2017 年 Web of Science 數據庫相關數據，通過 SPSS22. 0、Bicomb 和 Nvivo 等研究工具，結合主要施引文獻和被引文獻的研究成果，著眼于政府風險投資政策的點、面效應機理，構建政府風險投資及其政策作用研究的理論分析框架，以期為中國相關政策制定提供借鑒。
關鍵詞: 政府風險投資; 政策; 作用機理; 國際視角
0 引言
來自國外的創業風險投資 ( Venture Capital， VC) 概念，在 20 世紀末期之前被翻譯為 “風險投資”，后來基于對投資者風險意識和投資沖動以及被投資對象的創業特性兩個不同層面的理解，出現了風險投資和創業投資兩種表述，這兩種解釋實際上是站在 “人大、國務院”和 “國家發改委、科技部、商務部”兩類不同管理部門角度闡釋的，都沒有完全概括其涵義。因此，在國務院發布的《國家中長期科學和技術發展規劃綱要 ( 2006— 2020 年) 》及配套政策中，第一次把 venture 的兩種含義 ( 風險、創業) 都寫入政府文件。作為創業風險投資領域的主體之一，政府的作用是極其重要的，不僅為創業風險投資提供政策支持，還會參與資本的配給，完善資本市場體系。2016 年 7 月，《“十三五”國家科技創新規劃》提出大力發展創業投資和多層次資本市場，形成各類金融工具協同融合的科技金融生態，構建科技創新投入機制。 2015—2017 年，中國正式進入 “資本股權投資時代”，與 “雙創”大發展和 “供給側”改革相契合。 2017 年 10 月，十九大指出中國經濟建設由高速增長階段轉向高質量發展階段，科技創新驅動經濟發展。
然而，技術初期階段的優質資產畢竟尚在少數，在資金端充足的情況下也仍需各機構潛心挖掘具有發展潛力的可投資企業。創新創業風險資本市場中的信息不對稱和道德風險問題，容易導致信貸配給和外部性溢出問題，造成創新創業企業融 資 約 束。政府風險投資政策 ( Governmental Venture Capital，GVC，簡稱政府 VC，下同) 作為一種公共干預手段，正是力求解決研發風險和技術創新產生的不確定性問題， “搭便車”帶來的外部性問題，以及高度的信息不對稱問題造成的風險資本市場失靈，這種方式既有可能直接補充風險資 本 市 場，吸引和橋接私有風險投資資金 ( Private Venture Capital，PRVC，簡稱私有 VC，下同) ，也有可能產生逆向效應，擠出或者替代私有 VC 資金，進而無法培育創新創業的風險資本市場。因此，政府 VC 干預方式及其政策干預效果的研究可以從兩個層面著手 ( 見圖 1) : 第一，創新創業風險資本市場的面上效應。依據對風險資本市場的干預原理，分析政府 VC 對私有 VC 資金等圖 1 政府風險投資政策的公共干預效應其他創新創業投資資金的認證效應、信號效應、擠入/擠出效應與補充/替代效應; 第二，創新創業企業知識市場的點上效應。針對政府 VC 政策的篩選機制設計、增值活動、督導治理與企業創新產出、成長績效和退出績效評價，從篩選效應、增值效應、督導效應與退出績效幾個具體方面評價政府 VC 政策的有效性，進而研究不完全契約環境下的最優創新創業資本市場公共干預方式，緩解信息不對稱和道德風險造成的創新創業融資問題，以推動創新創業。
1 政府風險投資及其政策研究的理論基礎
根據 “所有權”和 “治理結構”的不同，風險投資分為獨立風險投資和附屬風險投資兩類，其中附屬風險投資是除了獨立風險投資之外的風險投資總稱，主要是附屬于某種主體的風險投資，具體包括附屬于銀行的銀行風險投資、附屬于非金融公司的公司風險投資以及具有政府公共干預性質的政府風險投資[1]。政府風險投資作為一種公共干預工具，旨在緩解市場失靈導致的發展期高科技企業融資不足[2]，彌補創新技術企業權益資本的 “麥克米倫缺口”[3]。
作為一種針對創新創業活動的權益性投資形式，政府風險投資 ( GVC) 主要有三種分類辦法 ( 見圖 2) : 首先，根據政府資金分配的異質性，分為直投、引投、委托三種方式[1，4]，具體為: ①直接投資基金。是政府 “主導”的，通過國有獨資公司管理，直接投資于創新創業企業的政府風險投資，以創新創業激勵政策項目為主; ②公私混合基金。是政府 “引導”的，通過私營創新創業風險投資公司管理，集合社會資金，以公私合作辛迪加形式投資于創新創業企業的政府風險投資，如政府創業風險投資引導基金 ( 簡稱政府引導基金) ; ③基金中的基金 ( 實質也是引導基金的一種) 。是政府 “委托”的，由政府和金融機構共同出資，將資金投資于其他投資基金，而不是直接投資于創新創業企業，以 “母基金”的方式運營，與私營創新創業風險投資公司合作設立商業性投資 “子基金”，以培育創投專業化隊伍。其次，從廣義政府風險投資 ( 公共風險投資，Public VC) 概念角度，根據代理理論，區域特征對于政府風險投資項目的有效性評價更顯著，因為區域特征導致風險投資和企業之間產生 “鄰近效應”，緩解了信息不對稱帶來的代理問題，所以可將其分類為 “區域型公共風險投資”和 “中央政府型風險投資”。最后，根據政府風險投資對企業創新技術、產業與經濟發展的導向不同[5]，可以分為 “技術導向的政府風險投資”和 “發展導向的政府風險投資”。
2 研究設計
2. 1 數據來源
研究數據來源于 Web of Science ( WoS) 核心合集數據庫，該數據庫包括了 SSCI、SCIE 和 A&HCI 等收錄的世界一流學術期刊。研究以 government venture capital、public venture capital 為主題進行檢索，文獻類型為 WoS 收錄的期刊文獻、會議論文或綜述 文 獻，語 種 為 英 語，時 間 跨 度 為 1980— 2017 年，數據庫的檢索更新日期為 2017 年 3 月 31 日。初步檢索結果為 722 條，經過文獻摘要瀏覽后的專業篩選，獲得 481 篇文獻; 再次經過人工專業判斷篩選，濾去 276 篇文獻，剩余 205 篇相關性較高的有效文獻，即為本研究的數據資料。最后，對剩余有效文獻數據進行預處理。
2. 2 研究工具與方法
先對 205 篇有效文獻進行預處理，運 用 bicomb2. 0 進行關鍵詞統計，根據研究需要，設定頻次閾值 ( ≥3，≤126) ，導出符合要求的主要關鍵詞 68 個 ( 出現頻次占關鍵詞總頻次的累計百分比為 58. 159%) ; 再以共詞分析功能，建立高頻關鍵詞共詞詞頻矩陣; 然后將詞頻矩陣導入 SPSS22 中進行系統聚類分析，得出關鍵詞的相似矩陣和聚類樹圖，進行多維尺度分析; 最后，根據數據分析結果顯示的知識圖譜，并結合 NVIVO 質性分析工具，進行政府風險投資及其政策研究的內容分析。
3 研究結果和分析
3. 1 高頻關鍵詞 Ochiai 系數詞頻相異矩陣及分析
為了獲取滿足多維尺度分析要求的數據結構，運用 bicomb2. 0 軟件對累計頻次占比為 50. 6% ( 超過知識圖譜規定的 27%，符合分析標準) 的前 44 個主要關鍵詞進行共詞分析，同時為了避免極端值導致的分析差異，去除最廣泛涵義的核心關鍵詞 VC ( 126 次) ，將頻次設定為 4 ～ 125，共顯示 43 個主要關鍵詞，其累計總頻次為 358，累計占比 37. 5%，同樣符合規定標準。在 Bicomb 中生成 43 ×43 詞篇矩陣后，將詞篇矩陣導入 SPSS22. 0 軟件中進行系統聚類分析。關鍵詞聚類分析的原理為，以關鍵詞兩兩同時出現的頻次 ( 即共詞) 為分析對象，先將最有影響力的關鍵詞 ( 種子關鍵詞) 生成聚類，再將種子關鍵詞與相鄰的關鍵詞形成新的聚類，從而把相互關聯密切的關鍵詞聚類在一個組群中。選定 Ochiai 系數將其轉換成 43×43 的共詞相似矩陣。因為文獻收集和整理時，已經具有高度的相關性，所以關鍵詞聚類后的距離比較接近，距離差異都很小，為了避免較多 0 值引起的統計分析偏差，之后，將相似矩陣轉化為相異矩陣 ( 相異矩陣系數 = 1-相似矩陣系數) ，此時矩陣中的數值也是處于 0 ～ 1 區間內，但是數字越接近 0，表明關鍵詞之間的距離越近，相異程度越小 ( 相似程度越大) ，反之則相異程度越大 ( 相似程度越小) ，結果見表 1。
由表 1 可以看出，因為對文獻收集和整理的事前控制，兩兩關鍵詞之間的相關性都比較接近，表現為兩兩關鍵詞之間的距離變化程度非常接近。其中，與 “公共 VC”距離較接近的關鍵詞有公共政策 ( 0. 930) 、創新 ( 0. 938) 、IPO ( 0. 944) 和創業 ( 0. 945) ; 而與 “政府 VC”最為接近的關鍵詞包括創業融資 ( 0. 826) 、 IPO ( 0. 833) 、創新 ( 0. 877) 和公共政策 ( 0. 930) 。如若進一步深入發現政府 VC 與各關鍵詞之間的相關性，還需要通過聚類樹圖進行具體分析。
3. 2 高頻關鍵詞聚類樹圖及分析
運用 SPSS22. 0 對關鍵詞相異系數矩陣進行系統聚類分析，通過繪制相應的樹狀聚類圖，來反映高頻關鍵詞之間的親疏關系，并進一步反映政府 VC 與其他關鍵詞的相關性及其研究領域的熱點。根據關鍵詞聚類原理，可以看出政府風險投資 ( 政府 VC) 研究領域可以具體分為六類 ( 見表 2 和圖 3) 。
3. 3 政府風險投資及其政策作用的多維尺度分析
使用 SPSS22. 0 中 的 多 維 尺 度 ( ALSCAL) 分析，有利于深入分析關鍵詞之間的關聯，并生成多維尺度戰略坐標圖 ( Euclidean 距 離 模 型 散 點圖) ，此圖中呈現的是高頻詞的分布，圓圈是其所處位置，圓圈或關鍵詞之間的距離越近，表示兩兩關系越緊密; 越靠近戰略坐標中心點位置的關鍵詞，表示其影響力最大。通常第一象限的研究主題處于網絡中心地位。對 43 個高頻關鍵詞構成的相異矩陣進行變量間分析，參數設置中 “距離” 選用 “從數據創建距離”，“度量標準”選用 “區間-塊”，“轉換值”中的 “標準化”采用 “1 的標準偏差”。將多維尺度分析圖與聚類樹狀分析圖結合，繪制出政府風險投資研究熱點知識圖譜 ( 見圖 4) 。結果 顯 示，其擬合效果較好，壓 力 值 Stress = 0. 2232，RSQ= 0. 8143。根據多維尺度分析的戰略坐標圖的分析原理，可以得到以下信息
( 1) 政府風險投資及其政策作用的研究主要圍繞兩大主線 ( 上下分，即兩大基礎理論) 展開: ①以 “信息不對稱”理論衍生出的政府 VC、企業 VC 和獨立 VC 的資金分配效應研究領域。其中較核心的是領域 C 中篩選、認證、聲譽 ( 第一象限) 的研究，領域 B 中 R&D、技術轉移 ( 第一象限) 的研究，領域 D 中創業融資、創新政策、退出、績效、辛迪加、公司治理 ( 第一、二象限) 的研究; 其次是以領域 C 中政府 VC、獨立 VC ( 第一象限) 和領域 D 中企業 VC ( 第二象限) 資金異質性確定的研究領域; ②以 “道德風險”理論衍生出的公共 VC 和私有 VC “區域鄰近效應”與 “技術發展導向”研究領域。其中較核心的是領域 E 中政府、區域發展等代理問題研究 ( 第三象限) 和領域 F 中融資、創新、創業等契約使命 ( 第四象限) 研究; 另外是針對領域 E 中公共 VC ( 第三象限) 、領域 F 中私有 VC ( 第四象限) 的具體研究。
( 2) 向心度最強、最靠近中心點的是領域 A 的 “信息不對稱”和 “道德風險”，表明這兩個關鍵詞所代表的理論支撐起了政府風險投資的整體研究領域，這也是創新創業風險資本市場點、面效應上的兩個核心問題，造成了創新創業企業的研發創新 ( R&D&I) 融資成本增加和外部投資資金不足[6]。正是因為年輕高科技企業往往具有收益高度不確定、研發投資額度高、信息不對稱和道德風險的特征，所以創新創業風險投資成為解決復雜契約問題的一種重要中介形式[7]。如果利用包含 “信息不對稱”和 “道德風險”的委托代理模型，從有信貸配給和無信貸配給的銀行契約與風險投資契約三個方面，分析創業企業融資理論，可以得出美國和歐洲國家中政府 VC 的公共干預適用性[8]。研究密度較高的第二、三象限，是在第一象限有關理論的基礎上，對企業績效、融資和公司治理等微觀層面的點上效應的研究; 研究密度較稀疏的第四象限，主要是有關政府風險投資區域政策和子領域融資、創新、創業等方面的研究，反映出了在區域性政府風險投資政策方面的研究尚有提升空間。另外，雖然歸類為領域 B 但又與領域 F 有密切相關性的美國 “SBIR 項目”作為政府風險投資政策的典型案例，是對融資、創新、創業等契約使命的點、面效應結合分析。
4 討論
政府 VC 除了高收益預期與獨立 VC 等資金類型相區別外，高風險預期等特征是相同的，這主要源于信息不對稱產生的逆向選擇風險和不完全契約產生的道德風險，因此政府 VC 干預可以從對其他投資資金 ( 如獨立 VC、私有 VC、企業 VC) 的影響與創新創業企業績效 ( 如銷售收入增長、就業增加、規模擴大) 提升兩大方面入手: 首先，分析針對其他風投資金的面上效應: 認證效應、信號效應、擠入/擠出效應和補充/替代效應; 其次，分析對企業的點上效應: 投資前的篩選效應，投資后的增值效應、督導效應和退出績效 ( 見圖 1) 。主要研究見表 3。
相關期刊推薦：《中國科技論壇》1985年9月創刊。創刊17年來，是中國科學技術發展戰略研究院主辦、中華人民共和國科學技術部主管的科技政策理論刊物。目前，共設有：創新研究、卷首語、產業研究、企業研究、區域研究、農業研究、研究與探討、國際研究等欄目。
SCISSCIAHCI
