抑制还是中性

在学术界，最早系统验证风险投资与创新之间关系的当属Kortum和Lerner（1998），紧随其后，越来越多的学者加入到该领域的研究中来。从目前的研究来看，学术界对“风险投资是否促进创新”的结论仍不统一，这既和研究者所采用的模型方法有关，也与相关的数据来源不同相联系。有限的样本资料，使得验证实证结果的普遍性的努力仍然无法实现。

风险投资激励创新是实务界广泛接受的观念，也是学术界最早得出的实证结论。Kortum和Lerner（2000）以美国20个产业1965—1992年的数据为样本进行检验，发现就产业层面的实证而言，风险投资的增加将会带来该产业内专利申请数量的增加，其效应是普通R&D的3.1倍，即风险投资比研发更能促进创新。他们还同时在企业层面对“风险投资激励创新”进行了实证检验，通过选取122家风险投资背景公司和408家非风险投资背景公司进行对比分析，发现风险投资背景的公司拥有更多的专利，并且专利被引用的次数更多，专利方面的诉讼和公司贸易秘密的诉讼更多。如果假定专利是一个衡量创新的良好指标，同时假定高质量的专利将会得到较多地引用，面临的相关诉讼更多，则可以判断，风险投资背景的公司与非风险投资公司相比，风险投资背景的公司获得更多的创新，并且创新的重要性更大。

在Kortum和Lerner（2000）之后，人们开始检验他们的模型和结论，这些检验实际上起到了扩展该领域研究的功效。主要体现在，首先，在分析层面上，逐渐扩展到国家、产业和企业等多个层面。其次，在度量创新产出指标的选择上，学者也试着使用专利之外的其他创新指标进行反映，比如全要素生产率、直接创新数据等，以期得到相互之间的印证。总体来看，创新的产出指标呈现多样化的趋势。最后，在研究对象方面，许多研究开始将样本范围扩展到美国之外的其他国家，最主要是欧盟国家，如德国、意大利等。

除Kortum和Lerner（2000）之外，一些研究也从不同方面支持了“风险投资激励创新”的观点。使用德国的数据资料，Tykova（2000）采用Kortum和Lerner（2000）相同的专利产出函数^[1]，对1991—1997年的58个观测值进行检验，发现当风险资本投资额翻一番时，全社会专利申请量将增长12%，当风险资本支持的企业数量翻一番时，全社会专利申请量增长21%。从而验证了风险投资与专利申请量之间的正相关关系。Tang和Chyi（2008）研究了中国台湾地区1985—2001年风险投资与TFP增长的动态关系，为消除内生性问题，他们使用法律环境作为风险投资的工具变量进行回归。结果显示，研发和内部知识扩散是全要素生产率增长的两个源泉，通过知识的内部扩散渠道，风险投资行业提高了台湾制造业的全要素生产率。利用普查数据，Chemmanur、Krishnan和Nandy（2008）对制造行业的企业进行了研究。从实证结果看，与非风险投资公司相比，具有风险投资背景的公司在最初的风险投资进入时具有更高的全要素生产率，并且在风险投资进入之后，这些公司仍将保持一个更高的全要素生产率增长。

随着研究对象的不断扩展，与“风险投资激励创新”不同的观点开始出现。一种观点认为风险投资与创新之间可能是毫无关系的，风险投资与创新可能正相关于第3个未观察的因素（如投资机会、基础技术变革）。因而，当更多的创新伴随着更多的风险投资时，不是因为风险投资引起创新，而是因为风险投资家对导致更多创新的基础技术冲击的反应。Ueda和Hirukawa（2008a）的实证结果支持了该结论。他们延续了Kortum和Lerner（2000）的模型方法、数据处理技术，但将样本数据扩展到2001年，并且同时使用专利、全要素生产率（TFP）和劳动生产率3个指标来衡量创新。他们发现风险投资仍会增加专利数量，但对全要素生产率没有显著影响；换句话说，风险投资仅仅鼓励公司将已经存在的技术转化为专利。他们还发现风险投资与劳动生产率增长呈现正相关关系，但导致正相关关系的原因可能是由于风险投资进入密集的行业偏好采用更多的能源、更少的劳动，从而通过技术替代的作用，使得风险投资与劳动生产率表现为正相关关系。

甚至还有一些研究认为风险投资不仅无助于创新，反而会抑制创新的诞生。比较早期的学者，如Gilbert和Newbery（1982）就曾提到，已建立的公司可能为了阻止其他公司使用某项技术而对该技术申请专利，当由于风险投资支持的初创公司的竞争威胁变得重要时，已建立的公司倾向于申请更多的阻止性专利，这些阻止性专利几乎从来不会被商业化。因此，如果假定阻止性专利质量低于商业化专利的质量，由于风险投资的进入，导致阻止性专利的比重增加，进而导致专利的平均质量恶化^[2]。之后，另一些学者也为“风险投资抑制创新”提出了新的解释。Tredennick（2001）认为风险资本家实际上只会支持非常传统或者已经得到证明的思想观念，如果思想观念太超前，风险资本家将很难理解，进而不会为这些具有创新思想的企业提供资金。也就是说，风险资本的存在，将有利于传统企业的发展，而不利于创新企业的诞生，从而降低整个社会的创新水平。Bhide（2000）则从风险投资进入企业后的行为来解释风险投资对创新的抑制作用。当风险资本投资之后，风险资本（venture capital）将对目标公司（venture firm）的计划进行广泛而详细的审查；同时，风险资本家会对公司的经营业绩进行持续的监督。这些行为会导致目标公司追求更大的投资机会和寻求更少的不确定性，从而不利于高不确定性创新的诞生。Zucker、Darby和Brewer（1998）进行的实证研究部分支持了以上观点。他们分析了生物科技创立公司的原因，进而在控制当地明星科学家（local star scientists）数量不变的情况下，得出风险投资市场的规模与生物科技创新率之间呈现负相关关系的结论。但该检验仅局限于生物行业，对其结论的推广应当谨慎。由于不同行业之间对保护创新成果的方式差异很大，比如电子信息行业，技术创新活动很活跃，往往会采取尽快将产品推向市场，获得先发优势来取得回报。因此，使用专利等指标来衡量创新时，就可能会低估电子信息行业的创新率。在不同行业之间进行比较时，对所分析行业的特点要有所了解，才能更准确地进行比较。

可以看出，国外进行的风险投资与创新关系的实证研究中，既包括企业层面和产业层面的研究，也包括国家层面的研究。从检验结果来看，各层面得出的结论并不一致，如何协调和解释结论的异同，值得进一步研究。

到目前为止，国内的一些学者对风险投资与创新的关系做了一些有益的尝试，这些尝试为后来的研究奠定了一个良好的基础。但由于资料和数据的限制，在风险投资与创新的关系上国内学者主要从规范的角度进行研究，进行实证研究和模型研究的非常少。从宏观层面的分析来看，杨正兵（2004）利用1994—2002年的数据进行时间序列分析，得出风险投资有益于创新的结论。之后的一些研究利用不同的数据、不用的研究方法得出了类似的结论。如马晓国等（2005）利用1996—2001年的时间序列对江苏风险投资与高新技术产业发展进行的实证分析，得出风险投资促进了高新技术产业的发展的结论。万坤扬和袁利金（2006）运用协整理论对1994—2003年的中国创业风险投资和专利数据进行分析，结果显示创业风险投资与技术创新之间存在协整关系。程昆（2006）利用1994—2003年中国创业风险投资、研发投入、专利数进行实证分析，得出创业风险投资对我国技术创新有促进作用，但与美国相比存在较大的差距。周侠（2009）以1995—2007年高科技产业风险投资和专利申请数据作为样本，通过协整分析证明了风险投资和技术创新两者之间具有长期稳定的关系，并通过格兰杰因果检验证明了两者之间存在因果关系。实证结果表明风险资本市场对技术创新有刺激作用。

在企业层面上，目前还没有相关的数据库，这是导致该层面缺乏研究的一个重要原因。一些研究者只能利用有限的资源，通过建立自己的数据库进行这方面的研究。朱孝忠（2008）将分散于网站、年鉴和媒体的数据整合为一个适用的风险投资事件数据库，并以数据库中的238个中国风险企业（共涉及1992—2007年间402次风险投资）为样本，运用计量分析方法，多角度地检验了风险投资对于企业技术创新成效的影响。检验结果显示，风险投资支持的企业专利总数与风险投资额在1%水平上呈统计学显著正相关，得出中国的风险投资确实起到了促进企业技术创新的作用。

但目前还没有见到以产业层面为对象的研究，很重要的一个原因是有关风险投资的分行业数据历史较短，不能满足时间序列层面的大样本要求。另外，风险投资的产业划分还在不断摸索和变化中，而且与通用经济数据的产业划分不一致。此时，要将风险投资、研发、专利等不同的分类标准进行匹配，实现风险投资产业划分与通用经济数据产业划分之间有效的转换仍然是个难题。

综合来看，国内外对风险投资与创新的关系研究已经深入到企业、产业和国家等多个层面，但迄今为止，很少有学者通过不同方法的综合运用，同时从企业、产业和国家3个层面进行综合研究，但要全面反映风险投资与创新之间的关系，从企业、产业和国家3个层面的结合研究可能是必要的。另外，由于有多个度量创新的指标，指标的选择可能会影响最终的结论。如Ueda和Hirukawa（2008a）发现风险投资会增加专利，但对全要素生产率没有影响。因此，如果采用专利衡量创新，会得出风险投资激励创新的结论，而采用全要素生产率时，则得出风险投资与创新无关的结论。由此，在分析风险投资与创新之间的关系时，指标的选取至关重要。