摘 要: 政府风险投资是欧洲、美国、澳大利亚以及中国、以色列等亚洲国家用以支持创新创业企业发展的科技金融工具。有关政府风险投资的政策研究，旨在通过公共干预，协调科技创新和企业融资工具之间的关系，推动创新创业活动发展。研究使用 1990—2017 年 Web of Science 数据库相关数据，通过 SPSS22. 0、Bicomb 和 Nvivo 等研究工具，结合主要施引文献和被引文献的研究成果，着眼于政府风险投资政策的点、面效应机理，构建政府风险投资及其政策作用研究的理论分析框架，以期为中国相关政策制定提供借鉴。
关键词: 政府风险投资; 政策; 作用机理; 国际视角
0 引言
来自国外的创业风险投资 ( Venture Capital， VC) 概念，在 20 世纪末期之前被翻译为 “风险投资”，后来基于对投资者风险意识和投资冲动以及被投资对象的创业特性两个不同层面的理解，出现了风险投资和创业投资两种表述，这两种解释实际上是站在 “人大、国务院”和 “国家发改委、科技部、商务部”两类不同管理部门角度阐释的，都没有完全概括其涵义。因此，在国务院发布的《国家中长期科学和技术发展规划纲要 ( 2006— 2020 年) 》及配套政策中，第一次把 venture 的两种含义 ( 风险、创业) 都写入政府文件。作为创业风险投资领域的主体之一，政府的作用是极其重要的，不仅为创业风险投资提供政策支持，还会参与资本的配给，完善资本市场体系。2016 年 7 月，《“十三五”国家科技创新规划》提出大力发展创业投资和多层次资本市场，形成各类金融工具协同融合的科技金融生态，构建科技创新投入机制。 2015—2017 年，中国正式进入 “资本股权投资时代”，与 “双创”大发展和 “供给侧”改革相契合。 2017 年 10 月，十九大指出中国经济建设由高速增长阶段转向高质量发展阶段，科技创新驱动经济发展。
然而，技术初期阶段的优质资产毕竟尚在少数，在资金端充足的情况下也仍需各机构潜心挖掘具有发展潜力的可投资企业。创新创业风险资本市场中的信息不对称和道德风险问题，容易导致信贷配给和外部性溢出问题，造成创新创业企业融 资 约 束。政府风险投资政策 ( Governmental Venture Capital，GVC，简称政府 VC，下同) 作为一种公共干预手段，正是力求解决研发风险和技术创新产生的不确定性问题， “搭便车”带来的外部性问题，以及高度的信息不对称问题造成的风险资本市场失灵，这种方式既有可能直接补充风险资 本 市 场，吸引和桥接私有风险投资资金 ( Private Venture Capital，PRVC，简称私有 VC，下同) ，也有可能产生逆向效应，挤出或者替代私有 VC 资金，进而无法培育创新创业的风险资本市场。因此，政府 VC 干预方式及其政策干预效果的研究可以从两个层面着手 ( 见图 1) : 第一，创新创业风险资本市场的面上效应。依据对风险资本市场的干预原理，分析政府 VC 对私有 VC 资金等图 1 政府风险投资政策的公共干预效应其他创新创业投资资金的认证效应、信号效应、挤入/挤出效应与补充/替代效应; 第二，创新创业企业知识市场的点上效应。针对政府 VC 政策的筛选机制设计、增值活动、督导治理与企业创新产出、成长绩效和退出绩效评价，从筛选效应、增值效应、督导效应与退出绩效几个具体方面评价政府 VC 政策的有效性，进而研究不完全契约环境下的最优创新创业资本市场公共干预方式，缓解信息不对称和道德风险造成的创新创业融资问题，以推动创新创业。
1 政府风险投资及其政策研究的理论基础
根据 “所有权”和 “治理结构”的不同，风险投资分为独立风险投资和附属风险投资两类，其中附属风险投资是除了独立风险投资之外的风险投资总称，主要是附属于某种主体的风险投资，具体包括附属于银行的银行风险投资、附属于非金融公司的公司风险投资以及具有政府公共干预性质的政府风险投资[1]。政府风险投资作为一种公共干预工具，旨在缓解市场失灵导致的发展期高科技企业融资不足[2]，弥补创新技术企业权益资本的 “麦克米伦缺口”[3]。
作为一种针对创新创业活动的权益性投资形式，政府风险投资 ( GVC) 主要有三种分类办法 ( 见图 2) : 首先，根据政府资金分配的异质性，分为直投、引投、委托三种方式[1，4]，具体为: ①直接投资基金。是政府 “主导”的，通过国有独资公司管理，直接投资于创新创业企业的政府风险投资，以创新创业激励政策项目为主; ②公私混合基金。是政府 “引导”的，通过私营创新创业风险投资公司管理，集合社会资金，以公私合作辛迪加形式投资于创新创业企业的政府风险投资，如政府创业风险投资引导基金 ( 简称政府引导基金) ; ③基金中的基金 ( 实质也是引导基金的一种) 。是政府 “委托”的，由政府和金融机构共同出资，将资金投资于其他投资基金，而不是直接投资于创新创业企业，以 “母基金”的方式运营，与私营创新创业风险投资公司合作设立商业性投资 “子基金”，以培育创投专业化队伍。其次，从广义政府风险投资 ( 公共风险投资，Public VC) 概念角度，根据代理理论，区域特征对于政府风险投资项目的有效性评价更显著，因为区域特征导致风险投资和企业之间产生 “邻近效应”，缓解了信息不对称带来的代理问题，所以可将其分类为 “区域型公共风险投资”和 “中央政府型风险投资”。最后，根据政府风险投资对企业创新技术、产业与经济发展的导向不同[5]，可以分为 “技术导向的政府风险投资”和 “发展导向的政府风险投资”。
2 研究设计
2. 1 数据来源
研究数据来源于 Web of Science ( WoS) 核心合集数据库，该数据库包括了 SSCI、SCIE 和 A&HCI 等收录的世界一流学术期刊。研究以 government venture capital、public venture capital 为主题进行检索，文献类型为 WoS 收录的期刊文献、会议论文或综述 文 献，语 种 为 英 语，时 间 跨 度 为 1980— 2017 年，数据库的检索更新日期为 2017 年 3 月 31 日。初步检索结果为 722 条，经过文献摘要浏览后的专业筛选，获得 481 篇文献; 再次经过人工专业判断筛选，滤去 276 篇文献，剩余 205 篇相关性较高的有效文献，即为本研究的数据资料。最后，对剩余有效文献数据进行预处理。
2. 2 研究工具与方法
先对 205 篇有效文献进行预处理，运 用 bicomb2. 0 进行关键词统计，根据研究需要，设定频次阈值 ( ≥3，≤126) ，导出符合要求的主要关键词 68 个 ( 出现频次占关键词总频次的累计百分比为 58. 159%) ; 再以共词分析功能，建立高频关键词共词词频矩阵; 然后将词频矩阵导入 SPSS22 中进行系统聚类分析，得出关键词的相似矩阵和聚类树图，进行多维尺度分析; 最后，根据数据分析结果显示的知识图谱，并结合 NVIVO 质性分析工具，进行政府风险投资及其政策研究的内容分析。
3 研究结果和分析
3. 1 高频关键词 Ochiai 系数词频相异矩阵及分析
为了获取满足多维尺度分析要求的数据结构，运用 bicomb2. 0 软件对累计频次占比为 50. 6% ( 超过知识图谱规定的 27%，符合分析标准) 的前 44 个主要关键词进行共词分析，同时为了避免极端值导致的分析差异，去除最广泛涵义的核心关键词 VC ( 126 次) ，将频次设定为 4 ～ 125，共显示 43 个主要关键词，其累计总频次为 358，累计占比 37. 5%，同样符合规定标准。在 Bicomb 中生成 43 ×43 词篇矩阵后，将词篇矩阵导入 SPSS22. 0 软件中进行系统聚类分析。关键词聚类分析的原理为，以关键词两两同时出现的频次 ( 即共词) 为分析对象，先将最有影响力的关键词 ( 种子关键词) 生成聚类，再将种子关键词与相邻的关键词形成新的聚类，从而把相互关联密切的关键词聚类在一个组群中。选定 Ochiai 系数将其转换成 43×43 的共词相似矩阵。因为文献收集和整理时，已经具有高度的相关性，所以关键词聚类后的距离比较接近，距离差异都很小，为了避免较多 0 值引起的统计分析偏差，之后，将相似矩阵转化为相异矩阵 ( 相异矩阵系数 = 1-相似矩阵系数) ，此时矩阵中的数值也是处于 0 ～ 1 区间内，但是数字越接近 0，表明关键词之间的距离越近，相异程度越小 ( 相似程度越大) ，反之则相异程度越大 ( 相似程度越小) ，结果见表 1。
由表 1 可以看出，因为对文献收集和整理的事前控制，两两关键词之间的相关性都比较接近，表现为两两关键词之间的距离变化程度非常接近。其中，与 “公共 VC”距离较接近的关键词有公共政策 ( 0. 930) 、创新 ( 0. 938) 、IPO ( 0. 944) 和创业 ( 0. 945) ; 而与 “政府 VC”最为接近的关键词包括创业融资 ( 0. 826) 、 IPO ( 0. 833) 、创新 ( 0. 877) 和公共政策 ( 0. 930) 。如若进一步深入发现政府 VC 与各关键词之间的相关性，还需要通过聚类树图进行具体分析。
3. 2 高频关键词聚类树图及分析
运用 SPSS22. 0 对关键词相异系数矩阵进行系统聚类分析，通过绘制相应的树状聚类图，来反映高频关键词之间的亲疏关系，并进一步反映政府 VC 与其他关键词的相关性及其研究领域的热点。根据关键词聚类原理，可以看出政府风险投资 ( 政府 VC) 研究领域可以具体分为六类 ( 见表 2 和图 3) 。
3. 3 政府风险投资及其政策作用的多维尺度分析
使用 SPSS22. 0 中 的 多 维 尺 度 ( ALSCAL) 分析，有利于深入分析关键词之间的关联，并生成多维尺度战略坐标图 ( Euclidean 距 离 模 型 散 点图) ，此图中呈现的是高频词的分布，圆圈是其所处位置，圆圈或关键词之间的距离越近，表示两两关系越紧密; 越靠近战略坐标中心点位置的关键词，表示其影响力最大。通常第一象限的研究主题处于网络中心地位。对 43 个高频关键词构成的相异矩阵进行变量间分析，参数设置中 “距离” 选用 “从数据创建距离”，“度量标准”选用 “区间-块”，“转换值”中的 “标准化”采用 “1 的标准偏差”。将多维尺度分析图与聚类树状分析图结合，绘制出政府风险投资研究热点知识图谱 ( 见图 4) 。结果 显 示，其拟合效果较好，压 力 值 Stress = 0. 2232，RSQ= 0. 8143。根据多维尺度分析的战略坐标图的分析原理，可以得到以下信息
( 1) 政府风险投资及其政策作用的研究主要围绕两大主线 ( 上下分，即两大基础理论) 展开: ①以 “信息不对称”理论衍生出的政府 VC、企业 VC 和独立 VC 的资金分配效应研究领域。其中较核心的是领域 C 中筛选、认证、声誉 ( 第一象限) 的研究，领域 B 中 R&D、技术转移 ( 第一象限) 的研究，领域 D 中创业融资、创新政策、退出、绩效、辛迪加、公司治理 ( 第一、二象限) 的研究; 其次是以领域 C 中政府 VC、独立 VC ( 第一象限) 和领域 D 中企业 VC ( 第二象限) 资金异质性确定的研究领域; ②以 “道德风险”理论衍生出的公共 VC 和私有 VC “区域邻近效应”与 “技术发展导向”研究领域。其中较核心的是领域 E 中政府、区域发展等代理问题研究 ( 第三象限) 和领域 F 中融资、创新、创业等契约使命 ( 第四象限) 研究; 另外是针对领域 E 中公共 VC ( 第三象限) 、领域 F 中私有 VC ( 第四象限) 的具体研究。
( 2) 向心度最强、最靠近中心点的是领域 A 的 “信息不对称”和 “道德风险”，表明这两个关键词所代表的理论支撑起了政府风险投资的整体研究领域，这也是创新创业风险资本市场点、面效应上的两个核心问题，造成了创新创业企业的研发创新 ( R&D&I) 融资成本增加和外部投资资金不足[6]。正是因为年轻高科技企业往往具有收益高度不确定、研发投资额度高、信息不对称和道德风险的特征，所以创新创业风险投资成为解决复杂契约问题的一种重要中介形式[7]。如果利用包含 “信息不对称”和 “道德风险”的委托代理模型，从有信贷配给和无信贷配给的银行契约与风险投资契约三个方面，分析创业企业融资理论，可以得出美国和欧洲国家中政府 VC 的公共干预适用性[8]。研究密度较高的第二、三象限，是在第一象限有关理论的基础上，对企业绩效、融资和公司治理等微观层面的点上效应的研究; 研究密度较稀疏的第四象限，主要是有关政府风险投资区域政策和子领域融资、创新、创业等方面的研究，反映出了在区域性政府风险投资政策方面的研究尚有提升空间。另外，虽然归类为领域 B 但又与领域 F 有密切相关性的美国 “SBIR 项目”作为政府风险投资政策的典型案例，是对融资、创新、创业等契约使命的点、面效应结合分析。
4 讨论
政府 VC 除了高收益预期与独立 VC 等资金类型相区别外，高风险预期等特征是相同的，这主要源于信息不对称产生的逆向选择风险和不完全契约产生的道德风险，因此政府 VC 干预可以从对其他投资资金 ( 如独立 VC、私有 VC、企业 VC) 的影响与创新创业企业绩效 ( 如销售收入增长、就业增加、规模扩大) 提升两大方面入手: 首先，分析针对其他风投资金的面上效应: 认证效应、信号效应、挤入/挤出效应和补充/替代效应; 其次，分析对企业的点上效应: 投资前的筛选效应，投资后的增值效应、督导效应和退出绩效 ( 见图 1) 。主要研究见表 3。
相关期刊推荐：《中国科技论坛》1985年9月创刊。创刊17年来，是中国科学技术发展战略研究院主办、中华人民共和国科学技术部主管的科技政策理论刊物。目前，共设有：创新研究、卷首语、产业研究、企业研究、区域研究、农业研究、研究与探讨、国际研究等栏目。
