企业网络关系、网络合法性与企业外部融资效率

张志康+赵明浩

【摘 要】 高新技术产业集群对区域经济增长具有重要推动作用，而产业集群内的企业网络特性不仅有利于提升企业的创造力与竞争力，同時也会影响企业的融资效率。基于网络组织理论和制度理论，将企业网络合法性作为中介变量，研究高新技术产业集群内企业网络关系对企业外部融资效率的影响。通过对贵阳市大数据产业集群内140家企业相关数据进行实证研究，发现了高新技术产业集群内企业网络关系向企业外部融资效率转化的合法化过程：企业网络关系通过企业网络合法性促进企业外部融资效率的提高，其中，网络合法性起一定程度的中介作用。

【关键词】 高新技术产业集群； 企业网络关系； 网络合法性； 外部融资效率

【中图分类号】 F275 【文献标识码】 A 【文章编号】 1004-5937（2017）21-0046-05

一、引言

一个区域的经济发展通常与区域内产业集群密不可分，培育产业集群既是区域经济发展的重要战略，同时也是经济全球化的必然结果。20世纪70年代，发达国家开始出现一批成功的高新技术产业集群，极大促进了本国高新技术产业的发展壮大，并推动了区域经济乃至整体经济的增长。至此，高新技术产业集群成为一种趋势与潮流，并在国家和地区经济的增长历程中被屡次证明是成效显著的。我国从20世纪90年代开始陆续在全国范围内建设了50多个国家级高新技术园区，促进高新技术产业集群成长。伴随着我国经济进入“新常态”，各区域内的高新技术产业集群也进入了提质转型、创新发展的新阶段，这其中，融资约束问题已逐渐成为制约集群经济转型升级的主要瓶颈之一[1]。同样，高新技术产业集群内的企业也存在着较为严重的融资问题。相比较于产业集群外的企业，集群内企业具备邻近的位置、相似的企业类型、资本与智力的高度密集等优势，特别是具有稳定的网络资本，这会使企业犹如嵌入一张紧密的企业间网络中，通过专业技术、服务设施和资本循环将集群内各种要素集中到一起并形成机制，更快地促进以知识、信息为中心内容的传播扩散，以提升集群内企业的创造力与竞争力。但是，这种网络特性是否也会对企业的融资效率产生影响，高新技术产业集群内企业的融资效率问题开始受到关注。基于以上问题，本文拟探究高新技术产业集群内企业网络关系对企业外部融资效率的影响。

二、文献回顾与研究假设

现阶段高新技术产业集群内企业大多数均为中小企业，因此，本文在对集群内企业融资问题进行阐述时会结合中小企业的相关研究。与大型企业相比，中小企业在发展过程中为保持和提升竞争优势更容易面临融资问题，特别是对于企业的外部融资尤其困难。以往就中小企业外部融资的研究除关注企业自身的必要功能缺失外，大多是基于信息不对称的理论，认为充分地披露企业的财务信息可以一定程度上减少信息的不对称，从而有助于企业向银行等金融机构进行外部融资[2]。然而，这种观点没有将企业外部融资的“社会关系”特质充分地表现出来，并且关于这些关系的研究多集中于企业与银行等金融机构的关系，但是却较少区分在此之外，如高新技术产业集群内的企业网络关系等其他关系对其的影响，所以有必要研究企业网络关系等不同类型的关系对企业外部融资效率的作用机理，这对于从非银企关系的角度研究企业的外部融资具有积极意义。

为达到上述研究目的，本文将整合网络组织理论和制度理论，引入企业网络合法性作为中介变量，同时将企业网络关系划分为社交关系与交易关系两种类型，对上述问题展开研究。

（一）企业网络合法性与企业外部融资效率的关系

组织为追求组织的合法性而使其组织要素、组织结构和运作方式具备一致的特征是制度理论的中心假设。其中，合法性指组织被其内部成员及其社会环境的认识与接受的程度，合法性可分为认知合法性和社会政治合法性，前者指社会公众对组织本身及其行为的认识与接受的程度，后者指组织遵守法律法规、相关政策和规则的程度[3]。一般认为，当企业具备较强的社会政治合法性与认知合法性时，其外部融资条件也会得到显著的增强。原因一方面在于，产业集群内的企业融资通常是采取互助担保模式[4]，这需要双方首先是互利和自愿的，当一家遵守既定的法律法规、相关政策和规则的企业需要进行外部融资时，相对于不遵守规则的“流氓”企业，产业集群中的其他企业会更愿意为其提供相互担保或同业拆借等融资帮助；另一方面，当一家在集群内被认知与接受程度较高的企业需要进行外部融资时，相对于“名声”较差的企业，银行等金融机构更容易选择相信“名声”较好的企业对其发放贷款。因此，提出假设1。

H1：高新技术产业集群内，网络合法性对企业外部融资效率有正向促进作用。

（二）社交关系、企业网络合法性与企业外部融资效率的关系

企业的社交关系通常指企业间高管的朋友关系及企业与商会、行业协会的关系，而与政府机构、家人亲属等不需要进行“社交”的组织或个人之间的关系通常不在企业社交关系的范畴内。产业集群内集聚的地理特征为人际关系的密切创造了条件，从而易于形成企业间高管的社会关系网络。一般认为，集群内企业的社交关系对于企业融资具有关键的作用。一方面，声誉问题攸关企业的生存与发展，在已有的社会关系网络中，集群内企业高管间正式与非正式的交流循环，使信息的传递更加迅速，信息的可靠性也能得以保证，从而帮助企业在产业集群内建立起良好的声誉，而良好的声誉有利于提高企业网络合法性，从而提高外部融资效率。另一方面，在中国这样注重“交情”的国家，当企业需要进行外部融资时，可以通过“交情”企业获得低息、无息担保融资和资金拆借[5]，可见一定程度的“交情”有助于企业进行外部融资。因此，提出假设2和假设3。

H2：高新技术产业集群内，社交关系对网络合法性有正向促进作用。

H3：高新技术产业集群内，社交关系通过网络合法性正向促进企业外部融资效率。

（三）交易关系、企业网络合法性与企业外部融资效率的关系endprint

交易关系通常指企业与其供应链上下游供应商和客户之间的关系。因产业集群而形成的交易关系使得企业间的合作通常是多次、长期的，并且集群内企业之间的交易，如承包、转包、资金结算等，也大多建立在信任的基础上，更为重要的是，集群内的企业具有地理空间和社会关系上的根植性[6]，转移成本很高，所以企业之间必须守信用，而遵守信用的道德价值观念为集群内企业提升企业网络合法性创造了良好的条件，进而促进企业外部融资效率的提高。另一方面，这种特定的社会网络产生的非正式的人际信任，往往能够产生一种驱动交易双方一直保持着合作导向行为的力量，使企业可以通过如利用仓单质押等方式向外融资。因此，提出假设4和假设5。

H4：高新技术产业集群内，交易关系对网络合法性有正向促进作用。

H5：高新技术产业集群内，交易关系通过网络合法性正向促进企业外部融资效率。

综上，本文提出在高新技术产业集群内企业网络关系通过企业网络合法性影响企业外部融资效率。为明确各变量之间的相互关系，将企业外部融资效率、企业网络合法性、社交关系、交易关系等变量整合在一个概念模型框架之中，如图1。

三、研究设计

（一）样本与数据收集

自2015年国务院发文明确支持贵州建设国家级大数据综合试验区，贵州省大数据产业开始在全国率先快速发展，目前已逐渐形成涉及大数据核心业态、关联业态、衍生业态的16 个产业集群区，以大数据产业为代表的高新技术产业集群发展初具规模。作为各方面机制尚未规范成熟的新兴高新技术产业集群，加之大数据企业本身的信息优势，本研究将主要以贵州省贵阳市大数据产业集群内的数家大数据及关联衍生企业作为研究样本。样本企业需要同时满足以下4个条件：（1）主要从事大数据核心及关联衍生业务；（2）位于贵阳市各大数据产业集群内；（3）成立时间不超过8年；（4）资产规模为中小企业。

本研究使用问卷调查方式收集数据。在问卷发放前，为使问卷更具可理解和执行性，就问卷的题项内容和描述方式向两位相关专家进行咨询，同时选取3家大数据企业进行试调研，综合被调研企业的反馈意见、预测样本信度和效度检验结果，通过不断完善优化，最终形成正式的调查问卷。在此基础上，从贵州省科技型中小企业服务网的企业库中随机抽取了300家大数据及关联衍生企业，对位于贵阳市高新区大数据产业生态示范基地、经开区大数据安全产业园、乌当区贵州大数据智慧产业基地等内的上述300家大数据及关联衍生企业展开调研。调研主要采用电子邮件和实地走访方式进行，通过事先与上述大数据企业取得联系，告知调研目的，再向负责财务的企业中高级管理者发送附有问卷的电子邮件或实地走访进行数据收集。整个调研于2016年12月至2017年3月间共发放调查问卷300份，回收问卷187份，回收率为62.3%，剔除漏答错答关键信息或是有明显错误的无效问卷47份，回收有效问卷 140 份，问卷有效率为46.7%。

在这140家大数据企业中，企业从事业务分布较为广泛，整体呈年轻化和中小型特征。其中，企业业务类型为大数据核心业态（大数据采集加工、大数据存储、大数据安全、大数据交易和云服务）的企业较多，共72家，占有效问卷的51.4%，其次是大数据关联业态企业（呼叫服务、软件开发）和衍生业态企业（智慧物流、端产品制造），分别占有效问卷的25.7%和22.7%，具体有效样本基本信息描述性统计分析如表1。

（二）变量测量

本文采用Likert5级量表法测量企业外部融资效率、企业网络合法性、社交关系和交易关系等变量，每个变量包括3个或4个题项，测量量表如表2。

1.因变量

企业外部融资效率（EFE）。企业外部融资效率的高低通常可从融资成本大小、融资机制的规范度、融资主体的自由度等方面进行衡量，本文关于企业外部融资效率的量表设置也基于上述观点同时参考了Tagoe et al.[7]的研究，用贷款利率合理、贷款通过率高、贷款通过速度快和贷款可选择性大4个题项进行测量。被调研大數据企业中高级管理者根据企业实际情况以5分至1分分别表示“完全同意”至“完全不同意”，得分越高表明企业外部融资效率越高。

2.中介变量

企业网络合法性（NL）。Certo et al.[8]基于具有合法性的组织是被环境认可或接受的组织的认识开发了一个测量量表，以企业被其关键利益相关者的认可度来测量组织合法性水平，该量表包括顾客高度评价企业的产品、竞争者对您公司很尊重等4个题项，本文综合了Certo et al、彭伟等[9]、杜运周等[10]的研究，用企业在顾客中声誉良好、企业受到集群内其他企业认可、企业员工因为企业感到自豪3个题项对企业网络合法性进行测量。被调研大数据企业中高级管理者根据企业实际情况以5分至1分分别表示“完全同意”至“完全不同意”，得分越高表明企业网络合法性越高。

3.自变量

社交关系（SR）。本文关于社交关系的测量量表主要参考了Inkpen et al.[11]在测量企业网络关系时的研究观点，并进一步将企业社交关系划分为与其他企业高管、商会和行业协会的关系，设置了与其他企业高管朋友关系良好、与企业商会关系良好、与行业协会关系良好3个题项。被调研大数据企业中高级管理者根据企业实际情况以5分至1分分别表示“完全同意”至“完全不同意”，得分越高表明企业网络关系中的社交关系越好。

交易关系（TR）。张首魁等[12]将关系质量划分为信任、承诺和沟通，而交易关系以企业间信任为基础，汪秀婷等[13]在此基础上进一步完善，对信任的测量设置了双方具有积极的合作态度等5个题项。本研究关于交易关系的测量量表借鉴了上述学者和Pérez-■ et al.[14]的研究，设置了企业与交易企业双方忠实执行承诺合理处理冲突、与交易企业具有积极的合作态度、对交易企业合作的依赖程度高3个题项。被调研大数据企业中高级管理者根据企业实际情况以5分至1分分别表示“完全同意”至“完全不同意”，得分越高表明企业网络关系中的交易关系越好。endprint

4.控制变量

根据已有研究，下列变量存在影响企业外部融资效率的可能，为此本研究控制了以下变量：（1）企业业务类型（TOB），本研究的大数据企业业务类型主要包括大数据采集加工、大数据存储、大数据安全、大数据交易、云服务、呼叫服务、软件开发、智慧物流和端产品制造等，当企业存在多项业务类型时，取最主要一项业务；（2）企业年限（EL）；（3）企业员工数（NOE）；（4）企业营业额（BT）；（5）企业资产规模（AS）。

四、研究结果分析

（一）同源误差检验

虽然本研究在设计时采取了相关措施尝试减少同源误差问题，如详细告知大数据企业调研目的、问卷全部匿名、采取问卷配对样本形式等。但为确保数据更加准确无误，本文采用Harman单因素检验法对数据进行同源误差检验。结果显示最大因子占总方差的24.7%，即因子仅解释了24.7%的变异，远小于总变异，这说明数据不存在较严重的同源误差问题。

（二）信度与效度检验

为保证研究的可靠性和有效性，在进行假设检验前对模型进行了信度与效度检验。首先以Cronbach's α系数进行信度检验。通常以0.7作为判断Cronbach's α系数是否合适的门槛值，系数越靠近1则说明信度越高。如表2所示，企业外部融资效率、企业网络合法性、社交关系和交易关系等变量的Cronbach's α系数分别为0.788、0.721、0.753和0.833，均满足0.7的标准，说明模型具有较好的内部一致性，符合测量的信度要求。效度方面，本研究采用验证性因子分析法验证模型的效度，因子分析结果如表2，可见模型拟合良好，满足结构效度的要求（Х2/df=1.912<3，GFI=0.943>0.9，CFI=0.972>0.9，NFI=0.960>0.9，RMSEA=

0.039<0.08）；收敛效度方面，通常认为标准化因子载荷大于0.5时收敛效度较好，本研究的因子载荷绝大多数满足了上述门槛，可见数据符合收敛效度要求。通过各项检验均显示模型具备较好的信度和效度，因此，可以进行假设检验。

（三）假设检验

本文采用多元线性回归模型对研究假设进行检验，回归结果如表3。其中，通过模型1的第4步能发现企业网络合法性（β=0.201，p<0.01）对企业外部融资效率存在显著的正向影响，因此，H1通过检验。通过模型2的第2步和第3步，可分别发现社交关系（β=0.412，p<0.001）、交易关系（β=0.123，p<0.05）对企业网络合法性存在显著的正向影响，因此，H2、H4通过检验。根据模型1的第2步和第4步发现，当引入企业网络合法性后，社交关系（β=0.317<0.395，p<0.01）对企业外部融资效率的显著正向影响降低，这说明企业网络合法性在二者间起到了一定程度的中介作用，因此，H3通过检验。同理，根据模型1的第3步和第4步发现，当引入企业网络合法性后，交易关系（β=0.121<0.177，p<0.05）对企业外部融资效率的显著正向影响降低，这说明企业网络合法性在二者间起到了一定程度的中介作用，因此，H5通过检验。

五、研究结论与启示

本文整合网络组织理论和制度理论，通过引入企业网络合法性作为中介变量，研究了高新技术产业集群内企业网络关系对企业外部融资效率的影响。通过对贵阳市大数据产业集群内140家企业相关数据进行实证研究取得了一些有意义的研究结果，发现了高新技术产业集群内企业网络关系向企业外部融资效率转化的合法化过程：企业网络关系是通过企业网络合法性来促进企业外部融资效率的提高，其中，网络合法性起一定程度的中介作用。上述结论对于从非银企关系的角度研究产业集群内企业的外部融资具有积极意义，同时也为包括大数据企业在内的高新技术产业集群内企业进一步提高外部融资效率提供了一些新的思路。

根据研究结论认为，由于企业网络关系通过网络合法性来促进企业外部融资效率的提高，因此，对于高新技术产业集群内企业来说，企业一方面应通过客观的合法性表现（如高新技术企业认证、专利申请等）和主动的战略行为（如完善企业组织治理机制、構建企业网络联盟等）来提高企业的声誉，获得网络内企业的认可与信任，建立完善企业网络合法性体系。另一方面，企业应更积极地嵌入产业集群企业网络中，通过与集群内合法性水平较高的企业进一步保持合作关系，帮助企业提升自身网络的合法性，进而促进外部融资效率的提升。但是，也有观点认为，当企业在集群网络中的嵌入性超过一定限度，反而会使企业融资质量下降，因此，企业应对企业网络关系进行动态评估，并将其控制在一定水平内，避免网络关系水平过高引起关系行为的惯性和惰性，导致网络路径依赖的锁定效应的发生。特别的，对于具备信息与网络优势的大数据企业来说，企业可通过大数据海量挖掘分析功能对企业网络合法性进行评价与追踪，为企业提高自身合法性提供更科学的参考，同时通过搭建“互联网+”金融交易平台，共享信息降低成本，实现更快捷高效的外部融资。

本研究同样存在一些不足之处，需要在今后进一步深入完善。首先，研究主要以贵阳市大数据产业集群内企业为样本，可能存在由地域和行业差异所带来的局限，进一步的研究可以考虑采用更大样本。其次，由于只考察了最主要的两种企业网络关系类型，显然无法涵盖企业网络关系的全部特性。在调研中发现，除互助担保融资外，高新技术产业集群内企业外部融资的另一个特点是依靠政府补贴进行融资，未来可以考虑将企业与政府的关系纳入到研究中。

【参考文献】

[1] 胡美林.新常态下产业集聚区中小企业融资创新研究[J].上海经济研究，2016（5）：58-63，75.

[2] 郑夏菲. 供应链融资风险管理——基于供应链融资四个主体的不同融资模式视角[J].国际商务财会，2016（4）：30-34.

[3] ALDRICH H E， FIOL C M. Fools rush in？ The institutional context of industry creation[M]//Entrepreneurship. Springer Berlin Heidelberg，2007：105-127.endprint

[4] 徐菱芳，陈国宏. 基于信号传递博弈的产业集群中小企业融资分析[J]. 中国管理科学，2012（4）：74-78.

[5] 沈洪明. 转型经济条件下民营中小企业融资和企业信用[J].管理世界，2006（10）：162-163.

[6] 蔡华林.企业集群内社会资本演进的动力机制研究[J]. 财经论丛，2005（6）：79-87.

[7] TAGOE N， et al. Financial challenges facing urban SMEs under financial sector liberalization in ghana[J]. Journal of Small Business Management，2005，43（3）：331-343.

[8] CERTO S T， HODGE F. Top management team prestige and organizational legitimacy： An examination of investor perceptions[J]. Journal of Managerial Issues， 2007，19（4）：461-477.

[9] 彭伟，顾汉杰，符正平. 联盟网络、组织合法性与新创企业成长关系研究[J].管理学报，2013（12）：1760-1769.

[10] 杜运周，刘运莲. 创业网络与新企业绩效：组织合法性的中介作用及其启示[J].财贸研究，2012（5）：121-130.

[11] INKPEN A C， et al. Social capital， networks， and knowledge transfer[J]. Academy of Management Review，2005，30（1）：146-165.

[12] 张首魁，党兴华. 关系结构、关系质量对合作创新企业间知识转移的影响研究[J]. 研究与发展管理，2009（3）：1-7，14.

[13] 汪秀婷，杜海波，江澄，等.技术创新网络中核心企业对创新绩效影响：沟通和信任的中介作用研究[J]. 科學学与科学技术管理， 2012，33（12）：37-44.

[14] PEREA-LUNO A， MEDINA C C， LAVADO A C， et al. How social capital and knowledge affect innovation[J]. Journal of Business Research，2011，64（12）：1369-1376.endprint