杨敏利，党兴华

（1.西安理工大学经济与管理学院，陕西西安 710054；2.西北大学经济管理学院，陕西西安 710127）

风险投资机构的网络位置对IPO期限的影响

杨敏利1，2，党兴华1

（1.西安理工大学经济与管理学院，陕西西安 710054；2.西北大学经济管理学院，陕西西安 710127）

研究了风险投资机构的网络位置对IPO期限的影响作用与影响机理。运用清科数据库2000年1月1日至2010年12月31日的数据，研究发现风险投资机构的网络位置对IPO期限有显著影响——风险投资机构的网络中心性越高，IPO速度越快。为进一步揭示影响机理，以Heckman模型为基础构建了一个两步回归模型。回归结果表明：网络中心性高的风险投资机构既可以选择到高质量的风险项目，也可以为所投资的风险项目提供高质量的增值服务，因而可以实现更快的IPO。

风险投资机构；网络位置；网络中心性；IPO期限

1 引言

联合投资普遍存在于国内外风险投资实践活动中。来自VentureXpert数据库的数据表明，美国风险投资机构1980年～2005年间所有投资轮次中有63.01%是联合投资［1］。欧洲风险投资协会（EVCA）的统计数据表明，欧洲风险投资机构2001年所有投资轮次中有30%为联合投资［2］。而清科数据库的数据表明，2000年～2010年间中国风险资本市场中联合投资占所有投资轮次的比例在30%以上。与这一实践背景紧密相连，联合投资网络成为风险投资领域的一个研究热点。此类研究的一个显著特点是把全部（或部分）风险投资机构集合视为一个联合投资网络，把风险投资机构间的联合投资关系视为网络联结关系，运用整体社会网络的分析方法来研究联合投资网络结构特征所产生的影响。

本文运用社会网络分析方法，回答两个问题：第一，风险投资机构的网络位置是否对IPO期限有影响？第二，如果有影响，影响机理是什么？

关于第一个问题。已有研究通常使用程度中心性、点出度中心性、点入度中心性、特征向量中心性和中介中心性来度量风险投资机构网络位置，此类研究指出风险投资机构的网络位置对投资结果有重要影响——在联合投资网络中处于有利位置的风险投资机构更容易实现成功退出［3-5］。比如，Hochberg等［3］使用美国的数据研究发现：风险投资机构的程度中心性越高，成功退出的可能性越大；特征向量中心性越高，成功退出的可能性越大；中介中心性越高，成功退出的可能性越大；点出度中心性越高，成功退出的可能性越大；点入度中心性越高，成功退出的可能性越大。Abell和Nisar［4］使用欧洲的数据得出类似的结论。

除了成功退出的可能性外，IPO期限也是值得关注的投资结果。IPO期限不仅会影响风险投资机构的投资收益和投资风险，更重要的是IPO期限的长短会影响风险投资机构在风险资本市场的声誉和筹资能力［6］。然而，关于风险投资机构网络位置的已有研究却很少关注投资结果的另一个方面——IPO期限。针对这一研究不足，本文首先研究风险投资机构的网络位置对IPO期限的影响作用。运用清科数据库2000年1月1日至2010年12月31日的数据，在控制了投资机构年龄、联合投资规模、投资轮次、市场竞争、退出条件等因素的影响后，本文研究发现风险投资机构的网络位置对IPO期限有显著影响——风险投资机构的网络中心性越高，IPO速度越快。

再看第二个问题。虽然本文对第一个问题的研究揭示了风险投资机构网络位置对IPO期限的影响作用，但仍然存在一个问题：为什么网络中心性高的风险投资机构可以更快实现IPO？这一问题有以下三种可能的解释：（1）网络中心性高的风险投资机构可以选择到高质量的风险项目。首先，网络中心性高的风险投资机构往往能突破空间与行业的限制，投资于远距离（空间距离与行业距离）的风险项目，选择到更好的投资项目［7-9］。其次，网络中心性高的风险投资机构可以获取到更多、更真实全面的信息，有效缓解项目选择过程中因事前信息不对称所导致的逆向选择问题［10］，并提高项目选择决策的效率，降低所选项目的不确定性［11］。（2）网络中心性高的风险投资机构可以为所投资的风险项目提供高质量的增值服务。联合投资的一个重要功能便是资源共享［12-15］，网络中心性高的风险投资机构有能力、有机会获取到更多的资源为风险项目提供高质量的增值服务［16］。可能的增值服务包括拓宽产品上市时的用户范围，增加可供选择的战略合作伙伴，提高风险项目获得下一轮融资的可能性，扩大投资银行、会计师事务所、律师事务所等服务机构的选择集合等［17］。（3）网络中心性高的风险投资机构既可以选择到高质量的风险项目，又能为所投资的风险项目提供高质量的增值服务。那么，上述三种可能解释中的哪一种可以更好地回答上述问题？

回答这个问题，需要从网络位置对IPO期限的总影响作用中分离出项目选择和增值服务各自的影响作用。由于项目选择在本质上也就是风险投资机构与风险项目之间的非随机匹配关系，因此，本文以Heckman［18］两步回归模型为基础，借鉴Puri［19］，Gande等［20］，Fang［21］，Nahata［22］，以及McCahery和Schwienbacher［23］等研究对Heckman模型的应用和扩展思路，构建了一个两步回归模型。先通过第一步回归模型也即选择模型计算出反米尔斯比率（inverse Mills ratio），然后在第二步回归模型中引入反米尔斯比率，分离出项目选择和增值服务各自对IPO期限的影响作用。本文研究发现：网络中心性高的风险投资机构既可以选择到高质量的风险项目，也可以为所投资的风险项目提供高质量的增值服务，因而可以实现更快的IPO。

本文的贡献主要为以下两点：第一，有不少研究检验过风险投资机构IPO期限的影响因素，比如Gompers［6］、Giot和Schwienbacher［24］、Cumming和Joban［25］以及Cumming和MacIntosh［26］等，本文则首次使用社会网络分析方法研究了风险投资机构的网络位置对IPO期限的影响；第二，相对于Hochberg等［3］、Abell和Nisar［4］、党兴华等［5］的研究成果，本文的特色在于使用Heckman两步法揭示了风险投资机构网络位置影响IPO期限的机理。

2 数据来源、变量界定及模型构建

2.1 数据来源

本文使用的数据来源于清科数据库。本文使用从2000年1月1日至2010年12月31日时间范围内的数据，弃用2000年以前的数据。由于本文以四年为时间窗来测度风险投资机构的网络位置，因此使用2003年1月1日至2006年12月31日之间的中国本土风险投资机构的投资数据作为样本，2000年1月1日至2002年12月31日的数据在度量风险投资机构网络位置时使用，并留有2007年1月1日至2010年12月31日的四年时间来观察投资结果。抽样的原则是在2003年1月1日至2006年12月31日之间至少发生一次投资行为的本土投资机构，总共收集到91家本土投资机构的323轮投资数据。

2.2 变量界定

（1）风险投资机构的网络位置

本文使用程度中心性、点出度中心性、点入度中心性、特征向量中心性以及中介中心性五个指标来度量风险投资机构的网络位置。程度中心性、点出度中心性和点入度中心性都用来测度行动者的网络联结数量，但适用范围和内在涵义有所差别。程度中心性适用于无方向数据，而点出度中心性和点入度中心性适用于有方向数据。在无方向数据中，程度中心性度量网络中的行动者与其它行动者存在网络联结的数量。网络联结数量多的行动者参与交换的机会多，因此更有影响力。在有方向数据中，点入度中心性度量行动者收到网络联结的数量，点出度中心性度量行动者发出网络联结的数量。点入度中心性高的行动者收到更多的网络联结，更有威望；点出度中心性高的行动者促成了更多的网络联结，可以与更多的行动者进行交换。特征向量中心性是度量接近中心性的一个指标，它根据网络联结重要性的不同进行了加权处理，目的是找出最中心的行动者［27］。中介中心性度量行动者充当网络联结中介的能力［28］。

本文以四年为时间窗来计算风险投资机构的网络中心性，即风险投资机构在投资时的网络中心性由投资前四年内（含投资当年）该投资机构与其它投资机构联合投资数据来计算，在时间窗内发生至少一次联合投资便视为产生网络联结。联合投资是指两个（含）以上的投资机构共同投资于某一特定项目（投资时间可以不同）［16］。对于有方向数据，本文定义联合投资中的主投资机构为网络联结的发出方（即联合投资的邀请方），其它联合投资机构为网络联结的接收方（即联合投资的被邀请方）。联合投资中的主投资机构是按照如下步骤确定的：①参与首轮投资。②累计投资金额最多。这种确定主投资机构的方法要比仅仅依据累计投资金额确定主投资机构的做法更有意义，因为随着风险项目的不断成熟，后面投资轮次的估值往往要比前面投资轮次的估值高出许多［22］。

（2）IPO期限

IPO期限的定义方式如下：对于在2010年年底之前通过IPO退出的投资轮次，IPO期限定义为从投资时起至IPO时止的总月数；对于在2010年年底之前没有通过IPO退出的投资轮次，IPO期限做右截取（right censoring）处理，截取日期为2010年年底。

（3）其它变量

依据前人研究的方法及结论，并根据研究需要，本文还引入了一些其它变量，见表1。

2.3 模型构建

对于第一个问题的回答，本文采用Cox比例风险模型（Cox proportional hazard model）。相对于指数期限模型（exponential duration model）、Weibull模型等参数模型而言，Cox模型的优势在于其是半参数（semiparametric）模型，不需要对总体分布做出任何假设，因此成为期限模型中使用最为广泛的一个模型。在Cox模型中，因变量是风险率（hazard rate）。若某个自变量的系数为正，表明这个变量对风险率有正向影响，变量数值越大，风险率越大，期望期限越短；反之，若某个自变量的系数为负，表明这个变量对风险率有反向影响，变量数值越大，风险率越小，期望期限越长。具体模型如下：

式（1）中，h（t）是风险率函数；h0（t）是基准风险率函数；NC表示网络中心性；FA表示投资机构年龄；SS表示联合投资规模；IR表示投资轮次；MC表示市场竞争；EC表示退出条件；DF表示投资机构所处地理区域虚拟变量；DV表示风险项目所处地理区域虚拟变量；DI表示行业虚拟变量；DS表示风险项目所处发展阶段虚拟变量；DY表示年份虚拟变量。

表1 其它变量定义

对于第二个问题的回答，本文采用Heckman两步回归模型。第一步的选择模型为Probit模型。为检验风险投资机构与风险项目之间的非随机匹配效应，在第一步的选择模型中，本文把样本分为两类：第一类是由网络中心性处于前20位的风险投资机构所投资的投资轮次；其它为第二类。模型如下：

式（2）中，IFi=1表示第i轮投资的投资机构为网络中心性处于前20位的风险投资机构；VA表示风险项目年龄。其它各项与（1）式含义相同。

通过第一步回归模型，计算出反米尔斯比率，并把反米尔斯比率引入到第二步回归模型中，从网络位置对IPO期限的总影响作用中分离出项目选择和增值服务各自的影响作用。第二步回归模型是Cox模型，模型表达式如下：

上式中，IMR表示反米尔斯比率。其余各项与（1）式含义相同。

有两点需要说明的是：（1）IFi=1和IFi=0时，反米尔斯比率计算方法不同。当IFi=1时，反米尔斯比率计算公式为，φ（X1α）/Φ（X1α）；当IFi=0时，反米尔斯比率计算公式为（-φ（X1α）/（1-Φ（X1α）））。（2）在Eviews软件中，反米尔斯比率的计算结果没有直接给出，需要使用者自己编程。本文使用的程序如下：当IFi=1时，程序为：第一步，eq01.fit（d）xb；第二步，series imills1=@dnorm（-xb）/（1-@cnorm（-xb））。当IFi=0时，程序为：第一步，eq01.fit（d）xb；第二步，series imills2=（-@dnorm（xb）/（1-@cnorm（xb）））。

3 经验检验与分析

3.1 样本的描述性统计

表2给出了主要变量的描述性统计结果与相关矩阵。从投资轮次的分布来看，首轮投资占全部样本的78%。从风险项目所处发展阶段的分布来看，处于初创期的风险项目占28%，处于扩张期的风险项目占58%。从行业分布来看，投资于广义IT的轮次占37%，投资于传统行业的轮次占34%，投资于其它行业的轮次相对于要少很多。另外，从Pearson相关矩阵中可以看到，度量网络位置的各项指标呈现出高度相关性。

表2 主要变量的描述性统计与Pearson相关矩阵

3.2 风险投资机构网络位置对IPO期限的影响

本部分回答第一个问题，即检验风险投资机构的网络位置是否对IPO期限有影响。表3中的模型1到模型5是Cox模型的回归结果。在控制了投资机构年龄、联合投资规模、投资轮次、市场竞争、退出条件等因素的影响后，本文在回归模型中引入网络中心性来观察投资机构网络位置对IPO期限的影响。为避免多重共线性的问题，从模型1到模型5分别引入程度中心性、特征向量中心性、中介中心性、点出度中心性以及点入度中心性。

模型1中引入程度中心性来观察风险投资机构的网络联结数量对IPO期限的影响。从表3中可以看到，程度中心性在0.01的显著性水平下对风险率有显著的正向影响——在其它因素相同的条件下，程度中心性越高，风险率越大，表明网络中心性高的风险投资机构可以实现更快的IPO。其它控制变量对IPO期限的影响如下：投资机构年龄在0.01的显著性水平下对风险率有显著的正向影响，表明在其它因素相同的条件下，成立时间越久的投资机构IPO期限越短；联合投资规模越大，IPO期限越短，但影响作用不显著；投资轮次在0.01的显著性水平下对风险率有显著的负向影响，表明在其它因素相同的条件下，首轮投资的IPO速度显著地慢于其它轮次投资；投资时的市场竞争越激烈，IPO期限越长，但市场竞争对IPO期限的影响作用不显著；退出条件在0.01的显著性水平下对风险率有显著的正向影响，表明IPO活动多与更好的市场条件联系在一起。回归模型中还控制了投资机构所处区域、风险项目所处区域、风险项目所处阶段、风险项目所处行业和投资年份对IPO期限的影响，但限于篇幅，没有在表3中报告出来。

从模型2到模型5逐次引入特征向量中心性、中介中心性、点出度中心性以及点入度中心性。特征向量中心性在0.01的显著性水平下对风险率有显著的正向影响——在其它因素相同的条件下，特征向量中心性越高，风险率越大，表明投资机构的特征向量中心性越高，IPO速度越快；中介中心性在0.05的显著性水平下对风险率有显著的正向影响，说明投资机构充当网络联结中介的能力越强，IPO期限越短；点出度中心性在0.01的显著性水平下对风险率有显著的正向影响——在其它因素相同的条件下，点出度中心性越高，风险率越大，表明投资机构的点出度中心性越高，IPO速度越快；点入度中心性在0.01的显著性水平下对IPO期限有显著的正向影响——在其它因素相同的条件下，点入度中心性越高，风险率越大，说明投资机构的点入度中心性越高，IPO期限越短。这四个模型中其它控制变量对IPO期限的影响与模型1中的影响基本一致，不再赘述。

综合上述五个模型，可以发现：风险投资机构的网络位置对IPO期限有显著的影响——风险投资机构的网络中心性越高，IPO期限越短。上述经验检验结果支持大部分前人研究结论：联合投资规模越大，IPO期限越短［22，24］；投资时的竞争越激烈，IPO期限越长［22，25］；投资机构选择更好的市场条件退出［22，24］。但上述经验检验结果并不支持Gompers［6］的研究结论。

表3 风险投资机构的网络位置对IPO期限的影响

3.3 风险投资机构网络位置影响IPO期限的机理

本部分回答第二个问题，即检验风险投资机构网络位置影响IPO期限的机理。表4给出了Heckman两步回归模型中第一步回归模型的回归结果。同样的思路，从模型1到模型5分别引入程度中心性、特征向量中心性、中介中心性、点出度中心性和点入度中心性。在模型1中，若风险投资机构的程度中心性处于前20位之内，模型的因变量取值为1，其它情况取值为0。从模型1的回归结果中可以看到，成立时间久的风险投资机构更有可能是程度中心性高的投资机构，但这种关系并不显著；相比于其它地区的风险投资机构而言，珠三角地区、长三角地区和京津地区的风险投资机构更有可能是程度中心性高的投资机构；程度中心性高的风险投资机构不倾向投资于初创期的风险项目；参与联合投资的风险投资机构更有可能是程度中心性高的风险投资机构；市场竞争激烈时投资的风险投资机构往往是程度中心性高的投资机构。

在模型2（3、4、5）中，若风险投资机构的特征向量中心性（中介中心性、点出度中心性、点入度中心性）处于前20位之内，则模型的因变量取值为1，其它情况取值为0。从表3中可以看到，各模型的回归结果与模型1的回归结果有一定差异，但差异并非特别明显，为节约篇幅，这里不再赘述。

表4 第一步回归模型回归结果

表5 第二步回归模型回归结果

通过第一步回归模型计算出反米尔斯比率引入第二步回归模型，可以从网络位置对IPO期限的总影响作用中分离出项目选择和增值服务各自的影响作用。

表5给出了第二步回归模型的回归结果。从模型1的回归结果可以看到，程度中心性依旧在0.01的显著性水平下对IPO期限有显著的正向影响，而且反米尔斯比率的回归系数也是显著的。这说明程度中心性高的风险投资机构既可以选择到高质量的风险项目，同时可以为风险项目提供高质量的增值服务，因而可以实现更快的IPO。模型2的回归结果表明，特征向量中心性在0.01的显著性水平下对IPO期限有显著的正向影响，而且反米尔斯比率的回归系数也是显著的。这说明特征向量中心性高的风险投资机构既可以选择到高质量的风险项目，也可以为风险项目提供高质量的增值服务，因而可以实现更快的IPO。在模型3中，中介中心性在0.1的显著性水平下对IPO期限有显著的正向影响，但反米尔斯比率对IPO期限的影响作用不显著。模型4的回归结果表明，点出度中心性在0.01的显著性水平下对IPO期限有显著的正向影响，反米尔斯比率的回归系数也是显著的。这说明点出度中心性高的风险投资机构既可以选择到高质量的风险项目，也能为所投资的项目提供高质量的增值服务，因而可以实现更快的IPO。从模型5的回归结果可以发现，点入度中心性在0.01的显著性水平下对IPO期限有显著的正向影响，反米尔斯比率的回归系数也是显著的。这说明程度中心性高的风险投资机构既可以选择到高质量的风险项目，也可以为风险项目提供高质量的增值服务，因而可以实现更快的IPO。

因此，从总体上来看，网络中心性高的风险投资机构之所以能够更快地实现IPO，其原因是它们既可以选择到高质量的风险项目，也可以为所投资的风险项目提供高质量的增值服务。这一结果与前人研究有相似之处。比如，Nahata［22］研究发现高声誉的风险投资机构之所以能够获得更高的投资绩效，是因为高声誉的风险投资机构既可以选择到高质量的风险项目，也可以为风险项目提供高质量的增值服务。Sorenson［29］的研究同样发现投资经验丰富的风险投资机构既可以选择到高质量的风险项目，也可以为风险项目提供高质量的增值服务。

3.4 稳健性检验

Hochberg等［3］指出在测度风险投资机构的网络位置时，时间窗选择的不同会影响投资机构在观察期内发生联合投资的数量。那么，时间窗选择不同是否会影响投资机构的网络中心性，从而影响本文的研究结论？为控制时间窗选择不同对研究结果的影响，本文进一步分别以三年和五年为时间窗来测度风险投资机构的网络位置，并进行了相应的回归，回归结果稍有差异，但基本结论与四年时间窗一致，说明本文的研究结论是稳健的。

4 结语

已有研究表明，风险投资机构的网络位置对退出结果有重要影响——网络中心性高的风险投资机构可以实现更高的成功退出率，但已有研究却很少关注风险投资机构网络位置对IPO期限的影响。本文首先使用Cox模型检验风险投资机构网络位置对IPO期限的影响作用，其后以Heckman模型为基础构建一个两步回归模型来揭示风险投资机构网络位置影响IPO期限的机理。本文研究发现：风险投资机构的网络位置对IPO期限有显著的影响——风险投资机构的网络中心性越高，IPO的速度越快；网络中心性高的风险投资机构之所以能够实现更快的IPO，是因为网络中心性高的风险投资机构既可以选择到高质量的风险项目，也可以为所投资的风险项目提供高质量的增值服务。本文对上述研究结论进行了稳健性检验，结果表明本文的研究结论是稳健的。

本文的研究结论对中国风险投资实践有一定指导意义。若在联合投资网络中处于有利位置的风险投资机构既可以选择到高质量的风险项目，又可以为所投资的风险项目提供高质量的增值服务，那么，提高自身在联合投资网络中的相对位置对于风险投资机构而言有重要意义。提升网络位置对于中西部的风险投资机构尤为重要。中西部的风险投资机构大多处于联合投资网络的边缘，加强与其它投资机构尤其是珠三角地区、长三角地区和京津地区投资机构的联合投资可以改善自身的网络位置，提升自身的市场竞争能力。

最后，本文的经验检验以中国风险投资业的数据作为样本，且主要集中于本土风险投资机构，并未包括外资投资机构和中外合资投资机构。那么如果以国外的数据或者更大范围的数据作为样本，研究结论是否会发生变化呢？由于社会网络自我强化功能的存在，处于网络中不同位置的风险投资机构如何通过改善自身的网络中心性从而去加快IPO呢？等等。而这些，可能需要进一步深谙风险投资体系并设法获取相关投资机构内部详细资料，不断深入研究来完成。

［1］Deli D N，Santhanakrishnan M.Syndication inventure capital financing［J］.Financial Review，2010，45（3）：557-578.

［2］Manigart S，Lockett A，Meuleman M，et al.Venturecapitalists′decision to syndicate［J］.Entrepreneurship Theory and Practice，2006，30（2）：131-153.

［3］Hochberg Y V，Ljungqvist A，Lu Yang.Whom you know matters？Venture capital networks and investment performance［J］.Journal of Finance，2007，62（1）：251 -301.

［4］Abell P，Nisar T M.Performance effects of venture capital firm networks［J］.Management Decision，2007，45（5）：923-936.

［5］党兴华，董建卫，杨敏利.风险投资机构网络位置影响成功退出的机理［J］.科研管理，2012，33（10）：129-137.

［6］Gompers P A.Grandstanding in the venture capital industry［J］.Journal of Financial Economics，1996，42（1）：133-156.

［7］Sorenson O，Stuart T E.Syndication networks and the spatial distribution of venture capital investments［J］. American Journal of Sociology，2001，106（6）：1546-1588.

［8］Guler I，Guillén M F.Home country networks and foreign expansion：Evidence from the venture capital industry［J］.Academy of Management Journal，2010，53（2）：390-410.

［9］Hochberg Y V，Ljungqvist A，Lu Yang.Networking as a barrier to entry and the competitive supply of venture capital［J］.Journal of Finance，2010，65（3）：829-859.

［10］Cumming D J.Adverse selection and capital structure：Evidence from venture capital［J］.Entrepreneurship Theory and Practice，2006，30（2）：155-183.

［11］Lerner J.The syndication of venture capital investments［J］.Financial Management，1994，23（3）：16-27.

［12］Bygrave W D.Syndicated investments by venture capital firms：A networking perspective［J］.Journal of Business Venturing，1987，2（2）：139-154.

［13］Bygrave W D.The structure of the investment networks of venture capital firms［J］.Journal of Business Venturing，1988，3（2）：137-157.

［14］彭华涛，谢冰.联合风险投资的网络特性与价值溢出机理分析［J］.管理工程学报，2005，19（4）：45-48.

［15］曾蔚，游达明，刘爱东，等.联合风险投资的价值溢出机理与案例分析［J］.研究与发展管理，2008，20（4）：101 -105.

［16］Brander J A，Amit R，Antweiler W.Venturecapital syndication：Improved venture selection versus the value-added hypothesis［J］.Journal of Economics and Management Strategy，2002，11（3）：423-452.

［17］Gorman M，Sahlman W A.What do venture capitalists do？［J］.Journal of Business Venturing，1989，4（4）：231-248.

［18］Heckman J J.Sample selection bias as a specification error［J］.Econometrica，1979，47（1）：153-161.

［19］Puri M.Commercial banks in investment banking：Conflict of interest or certification role［J］.Journal of Financial Economics，1996，40（3）：373-401.

［20］Gande A，Puri M，Saunders A.Bank entry，competition，and the market for corporate securities underwriting［J］.Journal of Financial Economics，1999，54（2）：165-195.

［21］Fang L H.Investment bank reputation and the price and quality of underwriting services［J］.Journal of Finance，2005，60（6）：2729-2761.

［22］Nahata R.Venturecapital reputation and investment performance［J］.Journal of Financial Economics，2008，90（2）：127-151.

［23］McCahery J，Schwienbacher S.Bank reputation in the private debt market［J］.Journal of Corporate Finance，2010，16（4）：498-515.

［24］Giot P，Schwienbacher A.IPOs，trade sales and liquidations：Modelling venture capital exits using survival analysis［J］.Journal of Banking and Finance，2007，31（3）：679-702.

［25］Cumming D J，Joban S.Venture capital investment duration［J］.Journal of Small Business Management，2010，48（2）：228-257.

［26］Cumming D J，MacIntosh J G.Venture capital investment duration in Canada and the United States［J］. Journal of Multinational Financial Management，2001，11（4-5）：445-463.

［27］Bonacich P.Factoring and weighting approaches to status scores and clique identification［J］.Journal of Mathematical Sociology，1972，2（1）：113-120.

［28］Freeman L C.Centrality insocial networks：Conceptual clarification［J］.Social Networks，1979，1（3）：215-239.

［29］Sorensen M.How smart is smart money？A two-sided matching model ofventure capital［J］.Journal of Fi-nance，2007，62（6）：2725-2762.

The Impact of Venture Capital Firms'Network Position on IPO Duration

YANG Min-li1，2，DANG Xing-hua1
（1.School of Economics and Management，Xi'an University of Technology，Xi'an 710054，China；2.School of Economics and Management，Northwest University，Xi′an 710127，China）

Influence of venture capital firms'network position on IPO duration and the mechanism of this influence are investigated in this paper.With the data of Zero2IPO Database from January 1，2000 to December 31，2010，by using Cox proportional hazard model，it can be found that venture capital firms'network position has a significant influence on IPO duration——the higher the venture capital firms'network centrality，the faster they exit via IPO.To further reveal the mechanism of this influence，a two-step model is then constructed based on Heckman model.The regression results show that venture capital firms with higher network centrality not only can select high-quality ventures，but also can provide high-quality value-added services to them，so they can exit faster via IPO.

venture capital firm；network position；network centrality；IPO duration

F830.59

A

1003-207（2014）07-0140-09

2012-08-14；

2013-06-17

国家自然科学基金面上项目（71172201）；教育部人文社会科学研究青年基金项目（14YJC630023）；中国博士后科学基金面上项目（2013M540766，2013M542375）；陕西省软科学计划项目（2011KRM47）；陕西省知识产权战略研究项目（ZL2012-07）；陕西省教育厅科学研究计划项目（14JK1494）；陕西省重点学科建设专项资金资助项目

杨敏利（1973-），女（汉族），陕西户县人，西安理工大学经济与管理学院，副教授，硕导，博士，西北大学应用经济学博士后，研究方向：风险投资与创业金融.