第二章　相关理论与国内外研究综述

第一节　联合风险投资网络分析的若干理论范式

一、社会网络结构理论

社会网络理论的研究对象是社会网络的特征、结构和影响等内容。社会网络理论最初在20世纪五六十年代主要应用于社会学研究范畴，从20世纪90年代开始，在企业管理、公司金融等研究领域被广泛应用。社会网络结构理论认为：社会中的个体组织与社会中其他个体或组织，以及它们彼此之间各种各样的关系共同构建了社会网络的结构框架。

Thorelli（1986）认为，由节点（Node）和联系（Tie）所构成的社会网络，可能是一个或松散或紧密的组织，这主要取决于节点和联系的数量、形式、质量及其相互作用。Hakansson（1995）创立了由行动者（Actor）、资源（Resources）和活动（Activities）这些基本变量构成的网络模型，用于观察产业网络。他认为，社会网络包括四项要素：第一，参与者；第二，互动过程；第三，互动发生时所处的环境；第四，影响互动的氛围。

当前学界广泛发展及应用的社会网络结构理论主要是社会资本（Social Capital）理论以及结构洞（Structural Holes）理论。前者以Coleman和Putnam为代表，后者则以Burt为代表。

（一）社会资本理论

在1916年，L.J.Hanifan最早提出了“社会资本”这一概念，“社会资本”是以经济和商业的观点来观察和说明社会结构对个体的重要性。学界开始深入研究社会资本理论始于20世纪80年代末。Coleman（1988）在《美国社会学期刊》（American Journal of Sociology）上发表了《人力资本创造中的社会资本》（Social Capital in Creation of Human Capital）一文，社会资本的概念被第一次使用，文章还从功能角度对社会资本进行了定义。他认为，社会资本的获取“使缺少某些社会资本就难以实现的事件成为可能”，它是社会结构的构成要素。在1993年Putman对社会资本下了一个更为实用的定义：社会资本是有助于个体之间配合和协调的社会结构。此后，大量关于社会资本的界定、影响因素、评价指标等方面的研究相继问世，并对经济和管理领域的相关研究产生了重要影响。

现在最为普遍的社会资本定义是：个体、组织从其嵌入的社会网络中能够获取的实际和潜在资源总量，也可以表达为个体、组织与其他个体、组织之间构建的相对持久的联系，并依靠这种联系获取各类资源的能力总和。个体、组织需要获取一定的资本才能存在和发展于社会中。这种资本一般有三种形式，它可以是有形或者是无形的，包括实体资本（Physical Capital）、社会资本和人力资本。其中，实体资本（Physical Capital）与人力资本一般为个体、组织本身所有，一般仅由个体、组织的特性所决定。而社会资本不仅取决于个体、组织本身，更大程度上是体现为个体、组织与其他个体、组织制度化了多少相互认可的关系，它反映了个体、组织从社会网络中获取资源的能力。个体、组织与外界其他个体、组织的联系越多，意味着它们拥有越丰富的获取资源的渠道，社会资本也就越多。

那么，社会资本是怎样影响社会网络结构的呢？首先，社会网络的形成基础是社会资本。社会成员的个体、组织与外界存在的资源交流关系，即为其所拥有的社会资本。正是由于社会资本的存在，个体、组织之间建立了直接和间接的联系，并构成了不同维度、不同层面的网络结构，才促进了整个社会范围内各种资源的流动。其次，在社会网络结构中个体、组织的地位是由社会资本的拥有量决定的。关系在社会网络中并不是均匀分布的，拥有社会资本较多的个体、组织相对容易嵌入到关系稠密的社会网络中，因此可以获得更多成长所需资源，并拥有竞争优势，占据更为重要的网络位置。最后，个体、组织的网络拓展也受到社会资本的影响。一方面，社会网络中的参与者倾向于按照已有的网络特征来寻找新的合作伙伴，另一方面，网络组织成员拓展自身的社会网络时，那些拥有较多社会资本的个体、组织往往具有更大的吸引力，网络组织成员倾向于向资源稠密地带发展。

（二）结构洞理论

Burt（1992）提出了结构洞理论，他对于结构洞理论的阐述借用了社会资本的相关概念，而Granovetter（1973）提出的联结强弱的重要性假设是结构洞理论的理论渊源。在Granovetter所界定的概念中，社会关系是指个体、组织之间一种实际存在的联系纽带（Tie），它的形成源于信息的交流传播。联结强弱有4条衡量标准：①互动的频次；②情感力量；③亲密程度；④互惠交换层次。强联结是个体、组织之间经常交往、较为紧密的社会关系，弱联结则反之。强联结往往是社会群体组织维持完整和稳定性的保障，弱联结则是不同群体组织、个人之间的一种松散的动态、多边非正式网络。

Burt（1992）对Granovetter的观点进行了进一步的发展，他采用了结构视角创立了结构洞理论。他认为，不是那些非关系、资源稠密的社会网络之内的位置，而是处于关系、资源稠密的社会网络之间的位置最有可能给网络组织成员带来优势，这种处于联结地位的相对稀疏地带即为结构洞。因此，占据结构洞特征中心位置的组织成员可以获取更多的非重复信息，此外，它们具有控制信息、保持信息的两大优势。结构洞更有利于提升网络组织成员的优势地位和整个网络的价值。首先，结构洞使得网络组织成员获取的信息量更大，而且种类更加多元化，这种差异化的信息使网络组织成员取得先行优势或主导地位。其次，两个关系稠密的社会网络可能由活动在结构洞中的网络组织成员联系起来（发生中介业务），因此不同网络的参与个体、组织可能获取到新的信息，并且这种新的联结可以使网络间的资源来回流动，这种填补结构洞的行为在文献中被称为搭桥（Bridge）。这种搭桥所生成的新关系、新联结，代表了新的网络结构会促进网络内部社会资本的增加，更有益于信息传导。

二、网络资源论（Network Resource View）

随着经济全球化，企业的技术创新过程和竞争环境都发生了巨大的变化，组织间关系研究成为战略研究的焦点。为了解释处于网络环境中企业资源和优势的来源与可持续性，借鉴了资源基础观的基础理论和分析框架，社会网络结构理论发展出相应的网络能力（Network Capability）和网络资源（Network Resource）等概念（Gulati, 1999；Ritter et al.，2002；Hagedoorn et al.，2006）。

Gulati（1999）提出了网络资源（Network Resource）的概念，他认为网络资源来源于“企业自身独特的经验”，存在于“企业间的社会关系网络之中”，成为“企业信息、价值的源泉”，这有别于资源基础观和社会网络结构理论。一方面，资源基础观从内向性视角出发，将企业设想为独立的实体，认为企业的竞争优势来自具有所有权的VRIN资源，资源具有不完全移动和异质性的特点。如此，就难以解释在“联盟合作者保持多重和频繁合作关系”的环境中，企业是如何获得竞争优势的。另一方面，基于社会网络结构理论的外向性视角，往往从关系属性和结构来分析网络组织关系对企业行为的影响，从而探讨其竞争优势的来源。由于节点为均质性，很难解释相同关系和结构下企业的差异化行为以及绩效问题。Gulati（l999）的研究开创性地将企业的资源延伸到其网络关系中去，突破了资源基础观将资源局限于企业边界内部的传统限定，将资源基础观拓展到社会网络研究领域。网络组织成员在网络环境中处于不同的位置，代表着它们能够不同程度地通过网络获取网络资源。

在由合作关系形成的联合风险投资网络中占据不同位置的风险投资机构，它们获取网络资源的能力也会存在差异。风险投资机构获取的网络资源有四种类型：①社会资本。Carvalho（2008）分析风险投资机构与会计师、投行、律师、行政官员、大型企业、科研院所等外部利益相关者之间建立的关系密切、长期合作、相互信任的合作伙伴关系。他认为风险投资之间社会资本的共享往往是通过网络中传递的信任来实现的。②信息资源。优质的高新技术创业企业和科技创新项目是风险投资机构努力搜寻的稀缺资源。Bygrave（1988）认为，风险投资机构间可以通过联合风险投资网络对好的投资机会互通有无，因此网络是非常重要的高新技术创业企业和科技创新项目的信息来源。③资金池。通过网络传递的信任机制，当高新技术创业企业和科技创新项目快速成长需要更多资金支持时，占据优势网络位置的风险投资机构能够较为容易和迅速地获取合作伙伴的注资。因此，资金池的共享可以帮助风险投资取得更优秀的绩效表现。④人力资本。风险投资家往往拥有其擅长的投资领域、投资阶段、行业或地区。Bygrave（1987）和Hochberg等（2007）指出，通过联合风险投资网络构建的合作关系可以使不同的风险投资机构之间共享人力资本，从而使对高新技术创业企业和科技创新项目前景的审视更为专业。

网络资源的研究给予我们的启示：构建网络关系的目的是获取、整合并撬动其他网络组织成员的资源。这一过程并非是被动的，而是包含了有目的的前瞻性行动，这些行动可能导致不同的结果。研究这些网络组织成员的资源禀赋特征，及其构成和贡献，用于分析企业内部资源和网络资源整合的协同性，并由此推断资源流动和价值溢出结果。关于网络资源的研究方向，近年来有学者开始研究其在微观层次的交互。在获取、整合并撬动外界网络资源的过程中，中介机构对于合作关系构建、联盟组建成功发挥了关键的作用。在当前的诸多文献中，在个体层次的网络资源开发、作用过程仍是黑箱，本书将在下面的章节中强调在更广泛的社会情境下，风险投资机构等微观个体对网络资源作用过程的影响。

三、关于联合风险投资的网络结构特征及其衡量

国内外学术界在测度联合风险投资网络结构特征时，最常用的指标是点中心度（Centrality），它被用于评价单个风险投资机构在联合风险投资网络中所处的核心位置，可衡量联合风险投资网络带来的信息优势、资源和竞争优势（Castilla, 2003；Hochberg et al, 2007，2010；Abell & Nisar, 2007；Dimov et al, 2007；Ewens, 2010；Guler & Guilln, 2010）。El-Khatib等（2015）认为，衡量中心度的常见指标有程度中心性（Degree Centrality）、信息中介度（Betweenness Centrality）和接近中心度（Closeness Centrality），以及特征向量中心度（Eigenvector Centrality）。但特征向量中心度不关注在联系紧密的小网络中，即核心的行业领域中成员网络位置的中心度。而在本书中，要比较在不同行业领域具有不同专业投资策略的风险投资的网络位置中心度，因此也需要将冗余的关系纳入考察范围，所以本书只采用前三个指标。以下我们将使用程度中心性（Degree Centrality）、信息中介度（Betweenness Centrality）和接近中心度（Closeness Centrality），及其相应的中心势从不同的角度去评价联合风险投资网络的位置中心度；即其中心性。

首先，某个节点的程度中心性（Degree Centrality），即在网络中与某节点直接相连的其他节点的数量。公式（2.1）为其计算公式，其中第i个风险投资机构的程度中心性用C degreei表示，风险投资机构i与j之间的联结数用xij表示，若它们彼此没有联结关系则取值为0。在联合风险投资网络中，拥有越高程度中心性的风险投资机构，与之有直接合作的个体、组织越多，其就能够获得更全面更专业的信息，因此可以分享到更多好的投资机会和更大的资金池（Hochberg et al, 2007），在局部的网络中，该风险投资机构处于中心位置（Nieminen, 1974）。Freeman（1979）为了比较不同规模的网络之间不同节点的程度中心性，创造了标准化程度中心性的概念（Normalised Degree，简称为Ndegree），公式（2.2）为其计算公式，它指的是该节点的程度中心性与局部的网络中最大程度中心性二者的比值。有文献为了描述美国硅谷的合作氛围，使用了美国硅谷所有风险投资的平均Ndegree，用于说明联合风险投资在美国硅谷的平均合作紧密程度（Castilla, 2003）。程度中心性（Degree Centralization）的计算公式为公式（2.3），它描述了在整个网络内部不同节点之间Ndegree的集中趋势。其计算公式中的分子为网络中最大的程度中心性与其他节点的程度中心性离差相加之和，分母为网络中可能的最大离差相加之和。在联合风险投资网络中，程度中心性指标反映了诸多风险投资合作时，各自拥有网络资源能力的不均衡程度。国内学术界对风险投资在联合风险投资网络中的程度中心性进行度量时往往使用公式（2.2）（汪明峰等，2014；王艳，2010）。

其次，某个节点的信息中介度（Betweenness Centrality）意味着该节点在多大程度上在整个网络中起到纽带和桥梁的作用，即这个节点位于其他节点“中间”的程度（Marsden, 1984）。当两个风险投资机构VC1与VC2不是直接相联结，而是以大于1的距离相联结时，此时它们之间就存在了一个“结构洞”，联结它们之间关系的第三个风险投资机构VC3就充当了中介或经纪人的角色，也有研究将其称为“渔利者（Tertius Gauden）”，因为它作为中间角色能够从不同局部网络的冲突或交往中获益（Marsden, 1984；Burt, 2008）。相较于上文所述的测度风险投资在网络中的直接合作能力的程度中心性指标，信息中介度指标是用于测度某风险投资将原本没有建立联盟和合作关系，但拥有互补性的投资机会或知识技能的风险投资联结在一起的能力，也就是代表了该风险投资的控制和中介能力（Hochberg et al, 2007）。因此，某个节点在网络中扮演中介角色的能力即为信息中介度，计算公式为公式（2.4）。标准化的信息中介度指标（Normalised Betweenness，简称为nbetweenness），计算方法是将节点的信息中介度与整个网络中可能的最大信息中介度相除，公式为（2.5）。

再次，某个节点的接近中心度（Closeness Centrality），该指标通常的计算方法是求整个网络中该节点与其他所有节点的距离之和，计算公式为公式（2.6）。拥有较高接近中心度的节点，与其他诸多节点的距离较为接近，获取资源的渠道也更为通畅，因此在合作和交易之中就能够较少依赖和借助于他人（Freeman, 1979，1980）。接近中心度与信息中介度相比较来看，后者是衡量某个节点控制他人以及作为中介的能力，而前者则是衡量该节点不受其他节点控制以及不依赖于中介角色的能力，也可以说是获取潜在资源的区域范围。本书使用了标准化的接近中心度指标（Normalised Closeness，简称为ncloseness），用于比较在不同规模的网络中的不同节点接近中心度的大小，其计算公式为公式（2.7）。