风险投资能否刺激自主创新

Samuel Kortum and Josh Lerner 写于1998年11月

决策者常常认为风险投资对于自主创新有非常大的影响，然而这种前提并没有被系统的评估。我们用通过检验美国30年通过20种产业专利发明的风险投资的影响来解决这些遗漏。我们用几种方法去解决这种因果关系，包括利用一个1979年的政策转变激发风险投资筹款这种问题。我们发现一个企业的风险投资活动量很大程度上增加了其专利率。然而近些年来对于研发的风险投资率平均低于3%，我们的评估暗示出风险投资占企业自主创新的15%。当一个530家风险投资支持公司和非风险投资支持公司的例子中利用其他创新措施时，我们要解决通过演示相似模型的一个我们利用专利间隔数假象的问题。 1.前言

全球的政府都已经迫切地想复制快速发展的美国的风险投资行业。这些努力都基于一个基本的原理——风险投资已经激发了美国的创新，当然也能激发其他国家。（例如，欧洲委员会的《关于创新的绿皮书》）。

一些传闻支持风险投资刺激了自主创新这种主张。我们来看一个例子，以色列政府在1991年首推两个项目区鼓励风险投资基金的形成。很多分析家认为到Yozma和Inbal行动方案不仅仅使管理下的风险投资上升，(从1991年的29,000,000美元到1997年的550,000,000多美元),而且国外高科技企业对以色列的研发和制造设备的投资有了一个大的突破。

然而，传说中的资本和创新关系并没有进行系统的审核。我们通过研究美国30年来20类制造业的经验来解决这些疏漏。我们首先研究的是小规模的回归（regressions），控制研发的花费，大量的风险投资基金量是否对于专利自主创新量有一定的影响。我们发现风险支出与专利迅速增长相关联。这种结果对风险投资和研发如何影响专利的各种各样职能代表以及风险投资的不同定义都是很强大的。

---------------------------------------------

1. 风险投资被定义为在新兴的私人控股公司的资产或者与资产相关的投资。投资者是由一个金融中间人，一般是董事，顾问更或者是一个公司的经理所代表。

------------------------------------------------------------

我们接下来考虑的这种方法的局限性。我们呈现一个就风险投资、研发、自主创新之间关系的程式化模型。通过这个模型我们可以发现当风险投资的确刺激自主创新时，单纯的规模缩小可能会夸大这种影响。通过这个模型我们还可以发现风险投资和专利都能相互关联到第三个不易被观察的代表企业机会到来的变量。因此，规模缩小的量可能被夸张。

我们用两种方法解决这个问题。首先，我们研究了近期打范围内非连续的风险投资业。在1979年美国劳动部颁布了《职工退休收入保障法》，这个政策将闲置的的养老金转变到了风险投资业。这个改变使风险投资业的资金急剧增加。这种外因的改变肯定了风险投资所扮演的角色，因为这不大可能联系到企业机会的到来。我们利用工具变量回归研究这种转变。其次，我们改变基本的公式。利用我们的模型去演示假设我们考虑的是专利开发率的风险投资的影响而不是仅仅是专利，很多因果关系问题应该消失。 即使解决了这些因果关系问题，结果还是显示风险基金的确对自主创新起到了非常积极的影响。预计的系数用不同的方法暗示出一美金的风险投资都可能在激发专利上起到十倍以上的效率而不是传统意义上公司用在研发的一美金。我们所预计的显示出近些年即使是公司研发资金不到3%的风险投资会得到更大的份额--可能占美国企业自主创新的15%。

论文中最后一部分需要解决的问题是关于不同因变量在分析(专利)和我们真正想要测量什么（创新）之间的关系。风险投资可能会刺激专利而对创新毫无影响。因为风险投资支持的公司试图迫使风险投资者或者使风险投资者因为他们想法的征收而恐惧，这些公司可能会为其创新申请专利。

为调查这一可能性，我们组建了玛萨诸塞州米德尔塞克斯县530个风险投资支持的公司和未被投资公司支持的公司。我们发现风险投资支持的公司被授专利的更多，但是却没有使专利经济的重要性减弱。它们的专利更多的采用的是其他专利的应用和更强有力的对簿法庭。结果是，拥有向被投资公司也是贸易机密的最常诉讼人，这些表明了它们不仅仅是专利更多是代替了贸易机密保护。同等水平的公司的对比结果告诉我们：更多的是申请专利和风险投资活动相联系而不是仅仅是拥有向被投资公司对专利发现的一个更大倾向性。 承认我们的分析是限制在一个范围内的这点很重要。特别是我们简单的评估一个关于风险资本家和公司研究人员以及创新者之间的程式化模型关系。由于数据的缺失以及先前在此区域研究的缺乏，我们的文件无法看到第一步所强调的风险投资对自主创新产生的影响。我们希望这点能够刺激体系之间通过所投资的创新活动和创新活动的速率以及方向之间更多的调查。

论文计划如下：在第二部分，我们提供一个关于美国风险投资产业和它在新兴技术密集公司所扮演的角色的综述。在第三部分我们会先观察下这些数据，然后评估一系列小规模的回归。我们通过一个简单的模型列举出来这些方法的局限，并会在第四部分探索其他方法。我们会在第五部分用创新的方法解决这些关于专利的问题。最后一部分是得出的结论。

-----------------------------------------------------

2.我们的工作是无论如何都要联系结合经验文献的两个方面。首先，一个大规模的研究（参照Cohen and Levin，1989和Cohen，1995）已经调查了研发花费和创新产出的决定因素。经常调查的争点包括产业结构创新，产品市场需求，科学发展和知识产权保护产生的影响。已经研究了同等公司的资金流动和研发支出之间的关系（例如Bernstein and Naidri,1986;Himmelberg and Petersen,1994）。但是就我们所知这不仅仅是一个又一个关于调查创新和个别金融机构出现之间关系的研究：Hellmann and Puri,1998 比较了170拥有向被投资公司和未拥有向被投资公司的调查答复。第二个相关研究是对关于经济增长的金融体系影响的调查（参照Levine,1997）。然而文献的焦点往往在一个整体水平。例如，相关研究是资产市场资本化和国内生产总值和国内生产力的银行贷款的整体水平。这项研究着重在一个特殊深度的金融机构，这项研究对促进推动技术改变有潜在的重要性。

--------------------------------------------------- 2.风险投资和中小企业（Young Firm）融资

美国正式的风险投资行业得追溯到1946年的美国第一基金---美国研究与开发的形成。在开创性的基金形成之后的几十年只形成了少数的其他风险基金。从1946年到1977年，新建的风险基金的资金流动每年从来没有超过数亿美元或者有时往往更少。

正如图形1中展示的，在1970年末至1980年初涌入风险投资行业的资金显著增长。这种涌入风险投资领域的资金增长的一个重要的因素是1979针对“谨慎的人“注解退休基金投资的修正。在1979年之前，《雇员退休收入保障法案》限制了大量的退休金向风险投资或者其他高风险资产类别的投入。劳动部说明了规则，明确允许养老金管理者投资高风险资产包括风险投资。1978年，当424,000,000美元被投入到新的风险投资基金，个人账户占了最大份额（32%），养老基金只占了15%。八年后，当超过4,000,000,000美元被投入时，养老基金占了所有出资的一半以上。1996年和1997年，风险投资出现了一个飞跃。

------------------------------------------------

3. 这部分依照Gompers 和Lerner[1996,1998]。在第二部分，文章提供了一个详细资金涌入风险投资基金的的调查，也强调了如1979年政策转变的外因事件的重要性讨论下决定了这些资金流入的度。

----------------------------------------------------------- 集资模型反映了风险投资家在中小企业的投资，在数据1中也对此进行了描述。风险投资家进行的项目融资的混合与公司研究实验室所进行的在相当大的程度上有所不同。风险投资家能够利用各种各样的机构为很多项目在前期没有有形资产情况下融资。第一，商业计划需要进行详细地进行审核，历史上仅有1%向风险投资组织提交商业计划的公司能够得到资助。风险投资家决定投资一个项目往往以辛迪加组织伙伴的认同为前提。一旦做了投资的决定，风险投资家往往会分阶段支付资金。为了确保钱不被浪费，风险投资公司的管理者总是被迫再三地向他们的融资人送还额外的资金。另外风险资本家集中监管管理者。这些投资者需要董事会的代表和多数优先股的限制条款。（风险投资过程记录在Gompers and

Lerner1999）。因此，风险投资在美国作为由私人控股的高科技业务的产权筹资的主导形式出现一点都不令人感到奇怪。 3.简约型回归

在回到详细讨论什么驱使了风险投资和公司研发前，我们首先来看看它们如何影响专利的。由于担忧因果关系研发利所需费用的简约型回归和风险支出应该谨慎理解。然而，开始调查风险投资是否在专利函数起作用是很自然的。

第3和第4部分的分析主要集中在1965年和1992年期间的20种产业。产业详细水平由专利决定，其产业定是从其技术级别推断。这些产业也和美国国家科学基金会在为其工业研究与开发的调查制表中运用的产业计划相关联。这期间是由风险投资（追溯到1960年代的风险经济记录数据）可用数据和我们未能在美国专利申请的详细技术分类发布前观察所决定的(奖金在发布前都是保密的)。数据资源在附录里进行了详细的描述。

----------------------------------------------------------- 5.从概念上来看，我们将对由公司投资的研发和由风险投资组织投资的研发进行区分。事实上，我们用的公司研发数据，确实包括了一些风险投资组织投资的研究。我们认为这是不明智的，减去自从一些风险融资趋于无研发活动开始风险投资从估量的研发提供的资金，也因为研发调查忽略了很多更小的公司的活动。

6. 我们集中在制造业，因为调查迹象（Cohenzai 1995 年概述）显示依靠专利作为接近一个新的技术发现的方式是高于这些产业的。（相反地，例如贸易机密或者率先行动者优势效应）。专利因此更像是一个企业技术创新专利率的更好的指标。一个更为复杂的企业故障将会在企业分派专利上导致一个更大的错误。 ---------------------------------------------------------------

列表1到3概述了三种我们对所有制造业公司和此水平上的产业分析的数列，由美国居民投资者申请专利，最终形成了一个美国专利，风险投资开支和产业研发的花费。这个表格强调了风险投资业的快速发展和某一产业的集中投资。前三个行业占了投资费用的54%，研发的开支是39%。在1970年代末和1980年代初对于研发的风险投资率急剧增加，后来稍有下降。专利从1970年早期到1980年中期下降，但是后来又急剧上升。 3.A. 专利生产函数

p p

我们进行一个持续替代弹性专利生产函数的判断。特别说明，我们假设Pit=(Rit +bVit)α/p

uit ,在此专利（P）是私人投资产业研发（Ｒ）和风险投资费用（Ｖ）的函数，同样一个错误术语（ｕ）锁定专利或者技术机会的倾向转变。变量由产业（ｉ）和年数（ｔ）代表。参数α锁定Ｒ和Ｖ中的规模收益。例如在专利中比例的改变导致了Ｒ和Ｖ均上升了１％。参数ｂ锁定风险投资在专利生产参数中所起的作用。如果ｂ大于１，在刺激创新上风险投资比

公司的研发更有效。ρ测量了Ｒ和Ｖ作为自筹资金上可替代的程度。当ρ趋于０时专利生产

α（１＋ｂ）

函数接近传统柯布－道格拉斯函数公式形式，Pit＝RitVitαｂ／（１＋ｂ）ｕｉｔ。当ρ等于1

α

的时候，函数减少为Pit=（Rit+bVit）ｕｉt.

我们将开始考虑当ρ→0的情况。相似的专利生产函数（但是当b=0）已经被Kortum在产业的水平上考虑过[1992,1993],同时也由其他人在公司的水平上考虑过（参考Griliches[1990]）。他们都一致发现研发和专利存在一定积极的关系。我们将着重这些参数形式的一些问题，也会考虑其他技术参数。 3.B. 评估柯布-道格拉斯函数。

表格4中，A组中前两个列数在专利生产函数中用柯布-道格拉斯函数提供了一个初步参考。我们退回到由美国投资者在每个行业申请专利书数量的对数和个人每年在此行业投资的研发经费的对数或者公司接受风险回报或者在此行业风险垫付款的美元量的对数。我们用联邦在此行业投资研发资金的对数作为一个控制，同样对每个行业和年份都是一个虚拟变量。风险投资测量有显著的数据性和有意义的经济性。风险投资活动加倍会引起专利上6%到9%的增加。

-----------------------------------------------------------------

7. 一个问题是风险投资者每年是否用了公司大量的资金，或者是投资基金用的量。这些投资量可能被认为是一个不错的选择，毕竟，一些公司的收入只是几十万美元的一些初期融资然，而其他几亿美元则是其他收入。其中一个关键的资金来源是由风险投资者提供的的，然而，这是他们的能力是去为其他投资者核证公司。例如，风险投资支持的工资是非常吸引声誉较好的投资银行家的吸引力，也完全是一个公众自发提供的。类似是，公司商务发展公司的风险投资者极有可能去投资一些新兴的公司。因此，由风险投资者融资者进行的融资会常常与风险投资支持的公司进行的融资量进行对比。（举一个例子，Kleiner,Perkins,Caufield,和Byers 自发在1980年末为移动通信公司融资。在1988年和1993年，风险投资组织在这些公司投资了39000,000美元，当与自发从公司合伙人融的250,000,000美元的资来毕竟是一个适度的量。）因此，我们用这两种方式。因为一些公司在这些计算年内美元接受到风险投资，我们采用风险投资量（或者1992年成百万的风险投资资金，）的对数加上一个面额。 -------------------------------------------------------------------------

我们研究了B组中图表4的结果中的稳健性。一个与风险投资活动定义相关的问题。这可能被认为一个风险投资活动的测量与自主创新更有关联性，这些创新包括萌芽和早期的融资。刚起步和尚不成熟的公司很容易引发很多的严重的信息问题，并且在此阶段风险投资者的贡献可能是最有价值的。在最初B组的两圆柱图中，我们重复了和A组3和4圆柱图中回归的报告。但是用数和公司初期阶段融资的美元量的对数。这些风险活动的测量是稍微大点也很精确的用这些替代的定义进行了估计。另一个问题是我们的分析可能被很多只有少数的类似于研发花费的创新活动扭曲了。我们重复分析，仅仅采用了这些比1964年（在分析初期之前的一年）中期的研发销售率高的产业。这是一个等量的轻微增长，也是风险投资测量的意义。

3.C. 可替代的功能函数

一个柯布-道格拉斯生产函数（例如我们最初的假设ρ趋向于0）无吸引力的方面是假设一个给定的风险投资开支的百分比增长有一个同样的百分比影响了各个产业的专利，无论风险活动最初的标准。我们猜想在一个起初相对公司研发（如运输设备）产业里双重风险投资在全部专利的影响将会变得更小。在与公司有很大联系的研发（如办公和计算机设备)上，专利增长的影响将会更引人注目的。 图像2证实了这种担忧，这种图解呈现了类似于在表格4中第三列里一个萧条的结果，但是这种风险投资测量的因数都是不一样的。特别是这种观察被分成4个相同规模的依照投

资研发的风险投资数量比率的组，这个图形描述了这级别和每4分位系数95%可靠区间。因为对于研发的风险投资率低于中值的观察，对于0也没有什么大的区别。（依最近的风险投资活动来看，因数更是消极的）。然而当投资率增长时，因数变得越来越积极。这说明表格4中的专利、研发和风险投资关系函数是不确定的。

一个演示这种问题更正规的方式是采用非线性回归分析。我们评估

ρρα/ρ

Pit=（Rit+bVit)uit, 试图判断所提供的哪个价值是最合适ρ的。这种估计是用后来采用的公式两边对数后的非线性最小平方来实现的。我们用类似在A组中表格4的第三和第四个回归的回归量（例如，我们计入产业和年度，也计入全联范围内投资研发的对数）。在表格5中第一和第二列中的回归，ρ接近于1。

图表5也显示出三套更正规的假设检验。第一，我们检验出风险投资的系数为0 的假设。在第二和第六列中，我们重复了第一和第五的非线性假设，使b趋向于0。一个相似率试验彻底否认可这种空假设。第二，我们使ρ趋向于0。在第三和第七列中显示，我们再一次否定了柯布-道格拉斯函数这种空假设。最后，我们评估了在空假设的公式下ρ=1。只有这种情况，在第四和第八列中，空假设没有被否定。这种非线性分析因此暗示出ρ=1这种情况下是一个合适的简单化。例如，R和V都是做好的替代，但是V有或多或少的说服性（此由b决定）。在这种情况下，考虑到风险投资对专利弹性将伴随对研发的风险投资率上涨，图表2中正是这种情况。

然而这种非线性公式让我们随后的工具变量估计变得更加复杂化。为了避免与线性设置中工具选择的这种困难的技术性问题，我们用以下的线性方程来让我们的表达更接近。我们采用一个由Griliches在1986年在生产能力增长的基本研究的影响的分析提出的近似法。这种基本研究开支影响了Griliches对评估代表的期望，正如风险投资只是整体研发开支的一个小部分。Griliches 认为在这种情况下，这是合理地将一个函数的对数的泰勒膨胀近似于生产函数。当基本研究相对小的情况下，这种近似法是会很精确的。采用一个相似的策略，我们使专利生产函数公式的对数在V/R=0左右时线性化（ρ=1），得出ln(Pit)=ln(Rit)+αbVit/Rit+ln(uit).