风险投资市场活跃度的影响因素及增强路径——基于模糊集定性比较分析

汪玖明，邱国栋

（东北财经大学工商管理学院，辽宁大连 116025）

1 研究背景

风险投资在全球范围内已经被广泛认为是推动创新创业和经济高质量发展的重要引擎，其独特的运作模式和高风险、高回报的特点与科技企业初创阶段的需求最为契合。美国硅谷和波士顿、以色列特拉维夫以及中国深圳等地区的实践经验表明，高科技企业的成长离不开风险投资的支持，科技企业与风险投资结合是驱动地区经济发展的“催化剂”，而具有一个充满活力的风险投资市场是风险投资对科技创新作用机制效应实现的前提，因此，如何最大程度地激发区域风险投资市场活力，充分发挥其对科技创新的赋能作用，是解决国家金融体系与经济高质量发展之间矛盾的关键。

目前中国已经成全球第二大的风险投资市场，然而中国各省份风险投资市场发展仍不均衡［1］。对于地方政府具体如何打造具有活力的区域风险投资市场，一直是学术界较为关注的问题，学者们从宏观经济水平、政策供给、创新环境、创新能力、技术环境等角度对风险投资市场发展问题进行了大量有益探索，然而在实践中，新兴国家和地区未出现更多的风险投资活跃市场。理论层面，目前大多数研究是基于风险投资市场发展水平的国别差异以及本土实践经验的定性分析，而相关实证分析则侧重于讨论单一因素对市场发展的影响。风险投资项目的运作是一个涉及多个主体参与的复杂过程，且这些主体的行为还会受到外部多种环境条件的制约，因此单一因素对风险投资活动的影响并非独立，有必要以系统视角分析多重因素的不同组态如何影响区域风险投资活跃程度。

2 文献回顾与研究框架

2.1 风险投资市场发展的影响因素

世界各国风险投资市场发展水平存在较大的差异，如美国、英国、以色列等国家具有充满活力的风险投资市场，而一些国家如日本、德国的风险投资市场活力相对较弱，一些国家或地区甚至几乎没有风险投资活动。中国各省份的风险投资市场发展水平同样具有明显差异，大部分风险投资活动集中在京津冀、长三角、珠三角地区，这3 个地区的风险投资总额占全国（未含港澳台地区。下同）风险投资总额的50%以上［2］；其他省份近年来也出台政策努力发展风险投资行业，然而从结果上看，除青岛、合肥等少数地区外，未出现其他更多具有活力的新的风险投资市场。对此，学者们进行了广泛探讨，如Chen 等［3］指出区域的风险投资量受到其历史风险投资量、国家经济增长状况和股票市场发展情况等要素的影响；汪明峰等［4］认为全球化、市场化、空间邻近效应以及政府引导是影响风险投资活动的主要力量；另外，Zhang［5］指出在中国独特的制度环境中，空间邻近效应、联合投资和区域间的办公网络促使风险投资的供给和需求主要集中在北京、上海、深圳这3 个城市。

风险投资市场活跃度受多个因素影响，需要从多个方面进行系统分析。本研究借鉴Rothwell 等［6］对技术创新政策工具的分类，基于“供给—需求—环境”（SDE）框架分析影响风险投资市场活跃度的条件因素。

（1）需求因素。研究型大学、科研机构和技术型企业等组织是一个地区产生原始科技创新能力的关键要素，风险投资必然会向创新能力强的区域聚集［7］。Schertler［8］探究了知识资本与风险投资的因果关系，指出知识资本的发展水平是本国风险投资产业发展的决定因素。Hellmann 等［9］分析了影响风险投资参股高新技术企业的因素，指出风险投资机构更青睐治理能力和创新能力强的高新技术企业。除此之外，Mason［10］、赵武等［11］也讨论了风险投资中介服务机构对区域风险投资市场发展的积极影响。

（2）供给因素。现有研究关注风险资本的地理集聚以及政府引导基金对风险投资市场发展的影响。风险资本投资具有本地偏好，即更愿意投资本地企业［12］，因此区域内风险投资机构管理的资本数量会决定本地企业获得分析资本投资的可能性和强度。考虑到风险投资市场存在的市场失灵问题，为增加对初创企业的风险资本供给，成立政府引导基金是许多国家的做法。有研究指出政府引导基金能够促进风险投资市场发展，带动私人投资进入［13］。然而也有研究指出政府引导基金会对私人风险资本产生挤出效应，认为政府引导风险资本早期进入对风险投资市场发展没有积极的影响，因为政府行为并未带动私人资本进入风险投资市场［14］。

（3）环境因素。宏观经济环境方面，Gompers等［15］指出宏观经济扩张导致初创企业数量增加，从而增加对风险投资的需求，且地区生产总值（GDP）和研发支出的增长会导致更多的风险投资活动。政策法律环境方面，相关研究强调投资友好型法律环境对风险投资发展的重要性，指出自由破产法刺激了创业者对风险资本的需求［16］；通过法律对知识产权进行保护可以向企业家保证风险资本家不会窃取他们的想法，促进企业引入风险投资［17］；此外，彭涛等［18］指出税收优惠制度对风险投资活动开展具有激励作用。资本市场环境方面，由于首次公开募股（IPO）是风险投资最佳的退出方式，一个地区的证券市场完善程度会影响风险投资市场发展。Black等［19］指出一个发达的股市允许风险投资家通过IPO退出，这对于创造充满活力的风险投资市场至关重要。另外，一个地区的银行体系和私募股权市场的成熟度也会在融资方面影响新企业出现，进而影响风险投资市场活跃度［20］。文化环境方面，敢于冒险、包容失败的区域文化更能促进风险投资的发展，同时区域文化的差异也对风险投资行为具有显著影响。Sipola［21］强调一个创业生态系统中的创业文化对创业和风险资本共同演化有着重要促进作用；Li 等［22］的研究指出，不确定性规避、个人主义和集体主义等文化特征对风险投资活动有重要影响。

综上所述，虽然已有相关研究解释了为什么不同地区风险投资市场活跃度存在差异，并对风险投资市场发展的影响因素进行了深入研究，但对增强区域风险投资市场活跃度的实现路径缺乏理论分析；同时，影响风险投资市场活跃度的众多因素是相互依赖而非独立的，现有研究忽视殊途同归的组态效应以及条件与结果之间的非对称关系。此外，现有研究多采用实证方法考虑单一影响因素对风险投资活动的影响，即使考虑影响风险投资发展的多个层面因素，也仅限于对某一案例进行定性分析或理论性分析，而单案例的特殊性可能会导致分析缺乏整体视角。

2.2 研究框架

实际上，影响风险投资市场活跃度的因素并不相同，如美国硅谷地区、以色列的特拉维夫以及中国的深圳、合肥等地成为风险投资活跃地区的条件并不完全相同，因此，本研究引入模糊集定性比较分析（fsQCA）方法，探讨供给、需求、环境3 个层面6 个因素的联动效应对区域风险投资市场活跃度的影响。本研究的理论模型框架如图1 所示。

图1 研究框架

（1）供给条件，包括风险资本深化子指标。借鉴王定祥等［23］对金融资本深化的定义，本研究认为，风险资本深化是指风险资本不断渗透和作用于实体经济而促进高新技术行业发展，且风险资本进入行为主要以逐利为动机。因此，一个地区的风险资本深化水平能够有效代表风险资本的供给情况。由于风险资本具有本地偏好，因此区域内风险投资机构管理资本量在很大程度上决定当地企业获得风险资本的难易程度，进而影响风险投资市场活跃度。

（2）需求条件，包括区域创新能力子指标。风险投资项目运作起始于有商业应用前景的技术研发或技术创新,初创科技企业缺乏早期资金支持及商业管理方面的经验，因此需要风险投资弥补资金缺口，风险投资也追求多个早期项目中少数项目的成功退出，进而获得长尾收益。企业层面上，林晓等［24］指出创新对风险投资具有选择效应，即创新能力是风险投资选择标的企业的信号，能够刺激风险投资行为的发生。区域层面上，根据产业集聚理论，区域内科研机构集聚会产生溢出效应，使得技术、信息等创新资源在区域内实现共享，区域内科技企业、大学、科研机构衍生企业等会获得规模经济收益，区域创新能力由此得到提升，进而对风险资本的需求也会增加。

（3）环境条件，包括政策支持、科技中介、创新环境和大数据技术4 个子指标。首先，风险投资市场存在市场失灵问题，风险投资行业发展离不开政府的干预。政府推动地方风险投资市场发展主要通过两种途径：一是出台投资奖励、风险担保、税收优惠等政策；二是成立政府风险投资引导基金，即利用政府信用背书引导风险投资活动开展。其次，科技中介作为技术、资本与市场之间的“桥梁”，能够在技术商业化的过程中减少主体之间的信息不对称问题，满足科技成果转化过程中各种需求。完善的科技中介环境能够保障科技企业跨越“死亡之谷”，进而实现科技成果顺利转化和风险资本的成功退出。再次，创新环境也是风险投资市场发展的关键条件之一，考虑到风险投资与科技创新的紧密联系，创新越多的地区对风险资本越有吸引力，而创新环境是创新投入与产出之间重要的调节变量。风险资本是逐利的，良好的创新环境意味着该地区有更高水平的科技研发活动、更多的创新人才和更完善的基础设施，能够提高风险投资项目的成功率，增强风险投资市场发展潜力。最后，随着金融科技（fintech）的兴起，大数据、云计算等技术开始与传统金融行业深度融合。具体来说，大数据技术应用能够控制互联网创投平台的融资风险，以技术手段降低科技企业和风险投资机构之间的信息不对称，促进智力和资本整合，进而增强区域风险投资系统运转动力。

3 研究方法与数据处理

3.1 研究方法

定性比较分析（QCA）是Ragin［25］18-30在1987年提出的一种基于跨案例比较的定性与定量结合的分析方法，该方法将案例视为多个条件的组合，通过案例比较分析判断条件对结果的必要性和充分性，进而探究多个前因条件组合对结果变量的影响。QCA 方法关注跨案例多重并发因果关系的特点与本文研究问题的特征最为匹配：首先，区域风险投资市场活跃度是多个相关条件因素组合引起的结果；其次，结果的产生存在多条可行路径；最后，某一条件会导致结果出现，但缺少这一条件不意味着结果一定不出现。此外，由于本研究的结果变量与条件变量大多为连续变量，因此选用模糊集定性比较分析方法。

3.2 数据来源

以中国 31 个省份（未含港澳台地区）为研究对象。考虑到各影响因素变量在各省份的年度差异不大，使用某一年度数据并不会影响对条件变量水平高低的衡量，因此分析31 个省份2019 年风险投资市场活跃度，以及风险投资市场活跃度影响因素和影响路径。其中，风险投资额数据来自清科私募通网站，风险资本存量数据来自《中国风险投资统计年鉴》，政策法规数据主要来自北大法宝网并以中国法律资源库和各省份政府官网作为补充，大数据技术水平数据来自《中国大数据发展报告》，其他区域创新相关数据则来自《中国科技统计年鉴》《中国区域创新能力评价报告》。

3.3 变量测量与校准

3.3.1 结果变量

结果变量为风险投资市场活跃度，用各省份风险投资总额来测量，风险投资市场活跃度高意味着创新经济的供给和需求增速较快或具有增长潜力。参考Baker 等［26］、蒋伏心等［27］的研究，通过2017—2021 年各地区风险投资额算术平均值测算2019 年各省份风险投资市场活跃度。用各地区5 年风险投资额的均值测算风险投资市场活跃度是考虑到风险投资运作具有周期性，且各地区每年的风险投资额差异较大，只用某一年数据可能无法准确测量风险投资市场活跃度。

3.3.2 条件变量

（1）区域创新能力。借鉴蔡海亚等［28］的研究，通过人均专利申请受理量测算2019 年各省份区域创新能力。

（2）风险资本深化水平。借鉴郭旭等［29］的研究，通过人均风险资本存量测算2019 年各省份的风险资本深化水平。

（3）政策支持力度。选取各省份风险投资或创业投资相关政策法规数量（包括地方性法规、政府规章以及行政规范性文件）衡量政策支持力度。

（4）科技中介规模。参考武春友等［30］的研究，以2019 年各省份“孵化器+创客平台”数量测量其科技中介规模。

（5）区域创新环境。通过《中国区域创新能力评价报告》中的创新环境指数测量，该指数综合考虑了创新基础设施、市场环境、劳动者素质、金融环境以及创新水平［31］。

（6）大数据技术发展。以《中国大数据发展报告》中各省份大数据发展指数来衡量，涵盖了政用价值、商用价值和民用价值3 个角度［32］。

3.3.3 变量校准

运用直接法将数据转换为模糊集隶属分数，根据理论或现实标准确定完全隶属点、交叉点和完全不隶属点。根据《中国风险投资统计年鉴》，北京、广东、上海、浙江、江苏为中国风险投资热点区域，这些区域具有较高水平风险投资市场活跃度，且其风险投资供给、需求及环境在全国范围内均处于较高水平［33］。因此，本研究以此作为确定变量校准锚点的现实依据，根据实际情况对各变量反复调试，最终将变量的完全隶属、交叉点和完全不隶属的 3个锚点分别设定为样本的80%分位数、中位数与20%分位数（见表1）。

表1 变量校准结果

4 数据分析与实证结果

4.1 必要条件分析

根据Ragin［25］190的研究，条件变量的一致性大于0.9 时说明该条件是结果的必要条件。从表2 可以看出，31 个省份高水平风险投资市场活力所有条件变量的一致性均未超过0.900，因此不存在产生高区域风险投资市场活力的必要条件，说明一个地区的风险投资市场具有活力是多个条件因素的共同结果；在产生非高区域风险投资市场活力条件变量中，非高区域创新能力水平的一致性超过0.900，且覆盖度为0.859、大于0.500，说明对结果解释力度较好，因此非高区域创新能力是导致非高区域风险投资市场活力的必要条件。

表2 2019 年中国31 个省份高/非高风险投资市场活跃度的单个必要条件检验结果

4.2 条件组态的充分性分析

参考Schneider 等［34］139-144、杜运周等［35］的研究，将一致性阈值设定为 0.80，将PRI 一致性阈值设置为 0.70。由于本研究的样本为中小样本数量，因此确定案例频数阈值为 1.00。从表3 可以看出，产生高风险投资市场活跃度有4 个组态路径，模型总体覆盖度为0.682，即4 条路径能够解释68.2%的产生高风险投资市场活跃度的原因，且总体一致性达到0.957，超过了设置的一致性阈值0.800，说明各条件组态是高风险投资市场活跃度的充分条件。

表3 2019 年中国31 个省份风险投资市场活跃度的前因变量组态

结合fsQCA 结果，31 个省份产生高风险投资市场活跃度的组态如下：

（1）组态H1 为创新和技术环境支撑下供需驱动型路径，表明无论科技中介规模如何，在政策支持力度不足的情况下，高区域创新能力、高风险资本深化、高创新环境水平以及高大数据技术发展水平条件可以产生高风险投资市场活跃度。该路径说明，区域风险投资市场活跃度增强通过“市场供求推动+创新和技术环境支撑”实现，主要体现了市场逻辑，即良好的创新环境产生更多创新行为、促进风险资本与科技创新整合。该组态能够解释17.1%的高风险投资市场活跃度案例，通过该路径实现高水平风险投资市场活跃度的案例有重庆和天津。其中，天津一直以来重视科技创新环境建设，其科技创新环境指数在国内领先，虽然政策支持力度相对不足，但科技创新水平和风险资本规模相对较高，在良好创新环境的支持下风险投资市场活力得以增强。

（2）组态H2a 为政策、中介、技术环境支撑下的需求驱动型路径，表明在风险资本深化和创新环境存在不足的情况下，通过高政策支持力度、高科技中介机构环境、高区域创新能力以及高大数据技术发展水平可以产生高风险投资市场活跃度。该路径主要依靠政府政策支持力度和科技中介发挥作用，虽然区域内风险资本和创新环境相对不足，但是高技术创新水平能够吸引其他区域风险资本投资，如大数据的应用能够提高风险投资项目运作的效率、高政策支持力度和高科技中介也能够弥补创新环境的不完善。该组态能够解释16.7%的高风险投资市场活跃度案例，通过该路径实现高水平风险投资市场活跃度的案例是安徽。安徽是典型的政府驱动风险投资的省份，主要通过出台一系列制度政策支持风险投资行业发展，尤其重视科技中介规模建设和人员培训，再加上高校和科研机构规模有一定基础，随着半导体产业的兴起，安徽成为国内新兴的风险投资活跃地区。

（3）组态H2b 为外部环境驱动型路径，表明在区域创新能力和风险资本深化水平不足条件下，通过高政策支持力度、高科技中介机构环境、高创新环境以及高大数据技术发展水平可以实现高水平风险投资市场活跃度。该路径说明，高水平风险投资市场活跃度实现主要依靠外部环境条件，能够解释16.7%的高风险投资市场活跃度案例，符合该路径的案例是河南和河北。以河南为例，虽然其技术创新水平和风险资本规模有限，但政府通过出台《河南省促进天使风投创投基金高质量发展实施方案》《河南省促进创业投资发展办法》等一系列政策支持风险投资行业发展，打造良好的风险投资生态，不断深化孵化器等科技中介和大数据金融服务平台建设，进而实现高水平风险投资市场活跃度。

另外，对比组态H2a 和组态H2b 发现，区域创新环境和区域创新能力两个前因条件在产生高风险投资市场活跃度方面具有替代关系，即高创新环境能够弥补区域创新能力的不足，高区域创新能力也能弥补创新环境的不完善；大数据技术发展虽不是核心条件，但其可以在一定程度上弥补风险资本供给和需求的不足，可能的原因是大数据技术能够完善投融资信用机制，缓解风险投资机构和企业之间的信息不对称，增强智力和资本的整合意愿。

（4）组态H3 为政策、中介、创新环境支撑下供需驱动型路径，表明无论区域大数据技术应用水平如何，高水平的风险资本供给和需求、完善的科技中介服务环境、针对性的政府规制力度以及良好的创新环境都能够促进风险投资市场活力增强。该组态能够解释52%的高风险投资市场活跃度案例，通过该路径实现高水平风险投资市场活跃度的省份包括北京、上海、广东等。这些省份因有充足的创新创业资源故对风险资本有着较高的需求，且地方风险机构管理资金充足能够保证风险资本供给，政策环境、科技环境、创新环境为风险投资项目运作提供支撑，促进风险投资市场发展。

（5）产生非高风险投资市场活跃度组态有4 个。其中，组态NH1a 表明无论风险资本深化和科技中介规模情况如何，以低区域创新能力、低政策支持力度和低创新环境为核心条件，以低大数据技术发展水平为边缘条件，能够产生非高风险投资市场活跃度；组态NH1b 表明无论政策支持力度高低，以非高区域创新能力、非高科技中介规模和非高创新环境为核心条件，以非高风险资本深化和非高大数据发展水平为边缘条件，能够产生非高风险投资市场活跃度；组态NH1c 表明无论大数据技术发展水平高低，以非高区域创新能力、非高政策支持、非高科技中介规模和非高创新环境为核心条件，以非高风险资本深化为边缘条件，能够产生非高风险投资市场活跃度。与这3 条路径对应的案例省份大致相同，包括西藏、甘肃、青海、新疆、云南、吉林、黑龙江等。这些省份无论是区域风险资本的供给、对风险资本的需求（创新能力）还是外部环境条件，均与其他发达地区相比具有明显差距。

另外，组态NH2 表明无论政策支持力度高低，以非高区域创新能力、非高政策支持和非高科技中介规模为核心条件，以高风险资本深化、高创新环境和高大数据技术发展为边缘条件，也能够产生非高风险投资市场活跃度。该组态典型案例为海南。海南一直以来鼓励风险投资机构为企业提供风险资本支持，不断优化创新环境和营商环境，同时成立中国首个省级大数据管理局推动海南省大数据技术应用及发展；然而，由于大学、高科技企业等科研机构规模较小，孵化器、创客平台等科技中介体系相对不健全，海南的区域创新能力相对较弱，政府在风险投资支持力度上也相对较弱，因此其风险投资市场活跃度较低。

4.3 稳健性检验

参考Schneider 等［34］284-294、杜运周等［32］的做法，将PRI 一致性水平由0.70 提升至0.75，与原结果相比，总体一致性水平提高至0.964，总体覆盖度降低至0.680，但产生高风险投资市场活跃度的组态路径数量仍为4 条，具体组态也基本与之前保持一致，只有部分边缘条件发生改变，说明本研究结果较为稳健。

5 结论与讨论

5.1 研究结论

（1）高风险投资市场活跃度是多个条件因素共同作用的结果，并无产生高风险投资市场活跃度的必要条件，而非高区域创新能力是产生非高区域风险投资市场活跃度的必要条件。

（2）在风险投资活跃度的影响因素中，区域创新能力、风险资本深化、政策支持力度、科技中介规模、创新环境是核心条件。

（3）存在4 条高风险投资市场活跃度实现路径，分别是创新和技术环境支撑下供需驱动型，政策、中介和技术环境支撑下的需求驱动型，外部环境协同驱动型，政策、中介和创新环境支撑下供需驱动型。其中，最后一条组态路径包含的案例数目最多，即大多数地区激发风险投资市场活力通过扩大需求和供给、加大政策支持力度以及完善科技中介体系和创新环境实现的。此外，区域创新能力与创新环境、大数据技术发展与区域风险资本供需条件存在一定的替代关系。

（4）产生非高风险投资市场活跃度的路径有4条，其中区域创新能力、政策支持、科技中介规模与创新环境是核心条件，且4 条路径与产生高风险投资市场活跃度的路径非简单对立关系，体现风险投资市场活跃度的影响因素与结果的非对称关系。

5.2 政策建议

一方面，各地区要因地制宜地选择风险投资市场发展路径。风险投资市场活跃度较高的地区，要营造更适合风险投资运作的环境，确保供求和环境层面的核心条件能够持续激发市场活力；风险投资市场活跃度较低的地区，应结合自身实际情况选择合适路径发展风险投资市场，将提升区域创新能力作为首要任务，加大基础科研投入，或者重点扶持某一新兴科技产业，扩大地区对风险资本的需求，同时不断完善外部环境条件。另一方面，政策制定者必须明确风险投资市场活跃度是需求、供给、环境方面多要素的作用结果，政策着力点不只应放在某一单独要素条件上。比如，一些地区只注重风险资本的引入，而忽视其他层面条件的建设与完善，也无法增强风险投资市场的活力。且相关政策制定应具有协同性，即有关规制应体现出不同主体间的关联性，避免规制针对的主体过于单一，考虑多个主体间的利益关系，避免出现零和博弈类型的政策。

5.3 不足与展望

一方面，由于案例数量有限，本研究对风险投资市场活跃度影响因素的考虑仍不够全面；另一方面，风险投资市场活跃度的增强是一个动态持续的过程，本研究以截面数据进行分析，未考虑政策实施的时滞性。因此，未来研究可在案例容量、条件变量选择以及时序数据数使用方面进一步优化。