华岳 唐雅琳 成程

摘要：在“大众创业，万众创新”的政策激励下，我国各级政府正加快推动创新型城市的统筹建设。风险投资作为市场化创新活动的重要资金来源，对于我国城市创新的影响在实证层面尚未被充分评估。本文首次采用全国282个地级市2003-2015年度的面板数据，独创性地引入“政府风投引导基金”这一指标作为工具变量，检验风险投资与城市创新间的因果关系。研究发现：在总体层面风险投资能提升我国城市创新水平，尤其是发明专利与实用新型专利的数量。进—步的异质性分析显示，在东部城市、人力资本更加丰裕的城市、大企业密集度更高的城市和政府规模更大的城市，风险投资对于创新的影响更为显著。与分析结果相关联的政策层面，要充分放大政府引导基金的创新助推效应，应坚持在人才方面加强培智引智，重视以经济开发区等形式培育集聚经济优势，完善创新政策与产业政策直接的耦合，并注意合理平衡领先区域与落后区域之间的创新资本扶持力度。

关键词：风险投资;城市创新;政府引导基金;工具变量

一、引言

城市是创新活动的中心，一座城市的创新能力既是微观层面上企业创新绩效的整合与扩展，也是宏观层面上国家竞争实力的浓缩。目前，我国己步入2020年建成创新型国家的攻坚期，而创新型城市（Innovative City）的统筹创建尚处起步阶段。2016年科技部和发改委印发的《建设创新型城市工作指引》中指出，创新型城市建设要依靠科技、知识、人力资本等要素整合起创新体系，以创新驱动发展。而依据创新经济学理论，风险投资（以下简称“风投”）等金融支持手段是创新体系正常运转的必备条件（邵同尧，2011;Hottenrott和Peters，2012），这是因为创新活动往往风险较大且回报周期长，故而普遍面临融资约束难题（冯照桢等，2016）。

作为创新活动的融资和风险分担载体，以IDG中国、红杉资本为代表的风投机构近年来在我国发展迅猛，对创新型城市建设做出了重大贡献，并且受到了决策机构的高度关注。2016年《建设创新型城市工作指引》指出，要积极发展天使投资，充分发挥科技成果转化、中小企业创新、新兴产业培育等方面基金作用，引导带动社会资本投入创新;2018年《政府工作报告》进一步指出，要设立国家融资担保基金，支持优质创新型企业上市融资，将创业投资、天使投资税收优惠政策试点范围扩大到全国;地方層面上，近年来各省区市普遍设立政府引导基金，鼓励风投资本投资于创新产业。在此背景下，从实证上检验风投对城市创新的影响有着重要的理论与政策意义。

“风投对于创新活动的影响”这一命题已有各国学者的广泛研究，并取得了丰硕成果。诸多研究从理论上证明，风险资本能从投前筛选和投后增值两个维度促进技术创新：一方面，风投机构的专业背景能使其精准测度企业价值，进而实现筛选功能;另一方面，风投通过提供资金支持和专业化服务，提升被投企业的创新绩效（Baum和Silverman，2004;王秀军和李曜，2016）。在实证中，Kortum和Lerner（2000）最早论证了风投对创新的推动作用。该文采用美国1965-1992年间20个产业的数据进行分析，发现风投能促进专利数量的增长，其影响是一般R&D的3.1倍。此后的Tykvova（2000）、Ueda和Hirukawa（2008）及Popov和Roosenboom（2009）等在参考Kortum和Lerner研究方法的基础上，通过采用不同国家数据或延长分析年限，进一步验证了风投对创新的正面影响。

然而，不同数据层面的研究深度及所得结论却大相径庭（谢雅萍和宋超俐，2017）。在国家、地区、产业、企业等多个层次的研究中，风投对企业层面创新的影响研究最为深入，而区域层面上的研究一直比较匮乏。较早关注风投对区域及国家创新影响的文章出现于欧洲，AstridRomain等（2004）、Popov和Roosenboom（2009）及Faria和Barbosa（2014）等文献多通过欧盟内国家级面板数据来进行实证检验。从研究结论上来看，支持风投促进创新的观点是当下主流，具体细节则各有不同，如AstridRomain等（2004）认为风投能提升R&D活动的知识转化能力，而Faria和Barbosa（2014）认为风投对地区创新的促进作用更多地体现在长期。此外，美国学者Samila和Sorenson（2011）为了使研究样本更能体现区内经济的整合情况，首次采用美国小企业管理局（SBA）划分的大都会统计区（MSAs）作为地域研究单元，同样证实了风投对于区域创新的促进作用。

在因果识别方面，风投对创新的影响长期以来受到自选择与反向因果等问题的干扰。从理论上说，创新能力强的公司或地区可能有着更强的竞争力，从而吸引风投的集聚（Henry Chen等，2010）。其次，存在一些同时影响风投和创新产出的遗漏变量，如一个地区人力资本状况的改善，可能造成伪因果估计。在实证上，Hellman和Puri（2000）采用美国硅谷173个高科技公司的数据，选用Cox比例风险模型，研究了企业融资策略和市场营销策略间的关系。结果发现，采用创新战略的公司更容易、也更早地会获得风投，这说明是创新带来了风投，而不是相反。Ueda和Hirukawa（2003）则选取全要素生产率（TFP）作为衡量创新的指标，发现就产业层面而言，实际上是TFP促进了风投。在以专利作为创新衡量指标的情况下，Engel和Keilbach（2007）也证明了拥有更多专利技术的企业更能吸引风投。除了来自产业层面、企业层面的质疑，在国家层面上，Geronikolaou和Papachristou（2012）亦得出了创新会引致风投的结论。Kortum和Lerner将美国在1979年批准养老金入市的政策变化设为工具变量，并通过进行专利/研发比率的变量转换来消除反向因果问题;Tang和Chyi（2008）则引入了法律环境作为风投的工具变量，采用中国台湾1985-2001年制造业数据进行回归分析，证实了风投带来的内部知识扩散是TFP增长的两大动力之一;Hirukawa和Ueda（2011）尝试采用Granger因果检验探究美国1968-2001年19个制造业企业的风投和TFP之间的关系，发现TFP的增长会促进未来的风投;Faria和Barbosa（2014）使用系统GMM发现风投在长期能显著促进企业创新。

国内目前相关研究多采用省级数据，城市层面的分析仍处于空白状态。杨晔等（2012）通过构建中国创新投入产出模型，采用2006-2008年度省级面板数据，分析了研发支出与风投对地区创新绩效的影响，证实了风投能显著推动地区创新;邵同尧（2011）使用商标作为创新测度指标，并进行了系统GMM估计后得出了相似的结论;冯照桢等（2016）利用中国2000-2012年省级面板数据，选取PSTR模型进行非线性回归后发现，在达到投资额临界值之前，风投会呈现“盘剥效应”，从而约束创新行为;许昊等（2017）同样利用省级面板数据的研究，发现风投对创新产出虽有促进作用，却表现出“滞后效应”和“倒U型”趋势。国内研究方面，内生性问题在最近几年才开始受到关注。陈思等（2017）在利用2006-2011年进行IPO的A股公司数据，采用了倾向得分匹配（PSM）方法研究风投对IPO企业创新能力的影响，印证了风投对被投企业创新绩效的促进作用。陆瑶（2017）以创业板公司股份数作为机构持股的工具变量，证实“辛迪加”风投对企业创新有正面影響;张学勇和张叶青（2016）依据创业投资公司的本地选择倾向，以“风投当年公司所在省份风投机构数”作为工具变量，并进行3SLS回归以部分解决内生性问题。

基于以上政策背景及研究现状，本文采用全国282个地级市2003-2015年度面板数据，首次引入“政府引导基金”这一工具变量来探究风投对城市创新的影响。在城市层面上首先证实了风投能够助推创新这一因果关系。本文的主要贡献在于：（1）独创性地采用“政府引导基金”这一引起风投外生变化的指标，使用工具变量法研究了风投对城市创新的影响，在这一问题的因果识别的机制设计上取得了新进展;（2）本文进行的城市层面异质性分析，揭示了不同经济特征的城市在“引导风投资本助推技术创新”这一过程中可能存在的机制与功能差异，有助于学界和政府更加深入地理解风投对于创新的影响，进而有针对性地评估和制订相关政策。

本文结构安排如下：第二章介绍我国政府引导基金的发展概况;第三章说明数据与识别策略;第四章给出实证检验结果及分析;第五章进行基于不同维度的异质性分析;最后一章阐述研究结论，提出政策建议。

一、政府引导基金概述

创业投资政府引导基金，是指由政府设立并按市场化方式运作的政策性基金，本质上是“基金的基金（Funds on Funds，以下简称FOF）”或“母基金”。其意图在于借政府资本引导社会资金进入创新创业投资领域，以此提升区域整体创新水平，从而推动区域产业升级和经济结构转型。自2002年北京中关村管委会创设国内第一支政府引导基金，即“中关村创业投资引导基金”以来，广泛的政策实践和学界研究都己观察到FOF是推动创投行业发展、带动区域创新的有力政策工具。FOF于20世纪70年代起源于美国基金市场，在政府参与中逐渐成为发达国家扶持本国科创企业的主要政策手段，代表性案例有美国小企业投资计划（SBIC）、澳大利亚创新投资基金（IIF）、欧洲投资基金（ElF）及以色列的Yozma计划等。我国的FOF项目起步较晚，但近年来在政策支持下发展迅猛。2005年11月，财政部发布了《创业投资企业管理暂行办法》，首次允许地方政府设立创业投资引导基金;2008年10月，发改委等三部委又联合发布了《关于创业投资引导基金规范设立与运作的指导意见》，规范了各地引导基金的运作程序，要求其在两个层面发挥引导功能：一是引导社会资本设立创投子基金;二是引导创投子基金增加对早期创投企业的投资。在此背景下，苏州工业园区创业投资引导基金、浦东科技园区创业投资引导基金、海淀区创业投资引导基金等国内知名的FOF相继成立。此后，中央政府也开始参与到FOF的创立中来。2010年3月，国家发改委、财政部与7省市政府联合设立了90亿元规模的专业性创投基金;2015年，国务院常务会议先后决定设立总金额突破1000亿元的国家新兴产业创业投资引导基金和国家中小企业发展基金;2016年6月，国务院又批准成立了国家先进制造产业投资基金。在中央层面的鼓舞下，自2014年以来，地方政府普遍创设引导基金，使其规模迅速壮大（见表1）。截至2016年12月底，国内共成立980支政府引导基金，基金规模达33004.58亿元。

FOF的蓬勃发展离不开风投市场对“有为政府”的强烈需求。在创新市场上，“看不见的手”带来的市场失灵和“看得见的手”带来的政策扭曲往往同时出现，互为掣肘（邓飞，2017）。一方面，风投行为的高度市场化，意味着追求利润最大化的风投企业会优先选择商业模式成熟、管理团队完善的科创企业，对于尚在草创期、风险较大的企业投资往往投资较少或不敢投资;此外，创新性越强的创业企业往往对资金需求更多，而风投企业有限的资金投入会使得这类企业面临较大的资金缺口。另一方面，政府传统产业政策中的补贴及减税手段在支持创新成果产业化方面效率不高，激励扭曲和认知限制这两大问题容易导致寻租行为和过度补贴。

在此背景下，以“政府出资引导+市场化运作”为核心的政府创业投资引导基金便应运而生。通过政府资本和专业化投资机构的有机结合，FOF得以同时规避“市场失灵”和“政府失灵”。其一，FOF能发挥集聚资金的杠杆效应和引导效应。根据信号发送假说（signaling hypothesis），FOF的投资行为可以向其他市场主体传送信号，解决风投中的信息不对称问题，并发挥杠杆效应，吸引社会资本进入风投领域形成资金集聚;Amit等（1998）也认为政府对创业投资机构的资助能显著扩大创投机构的规模，解决由于逆向选择和道德风险导致的科创企业创新力不足的问题;杨军等（2009）在委托代理框架下的研究亦证明，政府引导基金以LP的身份参股有限合伙制创投基金可以有效发挥其杠杆引导作用。其二，FOF能发挥扶持产业的政策效应。以政府资本为基础的政策性FOF，本身就是政府在创投行业的意志体现。投资机构专业化的运作既可弥补政府的专业性不足，又可将资金带往那些有益于公共福利而外部性较强的创新产业，从而达到支持创业企业发展、塑造区域产业集群、推动产业结构升级的目的。

十多年来，我国FOF规模不断扩大，这使得国内学者开始在实证上对FOF的诸方面经济与社会影响展开研究。代表性的FOF研究有杨大楷和李丹丹（2012）基于1997-2009年省级面板数据对引导基金政策和私募股权投资的相关关系进行的实证研究;杨敏利等（2015）通过倾向得分匹配一倍差法（PSM-DID），采用城市级数据对政府引导基金对社会资金引导作用的实证检验;施国平等（2016）通过双重差分模型，基于1997-2009年省级面板数据，从创投机构层面对政府引导基金之引导作用的评估。这部分的研究大多表明，在我国，政府引导基金的设立对区域内创投行业的发展有显著正面影响。此外，国外学者基于更长期数据的实证分析也得到了相似的结论。Gompers和Lerner（1999）通过对美国1972-1994年创业投资和养老金政策的有关数据进行实证分析发现，政府对养老金政策的放宽极大地促进了养老金对创业基金的投资，使得美国80年代创业投资资本总量迅速增加;Leleux和Surlemont（2001）通过对欧洲15国1990-1996年的数据进行实证分析，证明了欧洲创业投资中的国有资金起到了很好的示范效应和带动效应，充分带动了民间资金涌入风投市场，促进了欧洲风投市场的发展;Cumming等（2013）通过对1990-2010年欧洲国有与民间创投资本所投资行业的退出表现进行实证分析，发现政府资金投资的企业可以获得更好的IPO退出率和更好的退出业绩。

综上所述，政府引导基金在我国虽起步较晚，但凭借着政策层面的持续支持与广阔的发展前景，对我国尚处成长期的风投行业的发展能起到不可替代的推动作用。而现有的政策实践与实证检验都得以证明，一个地区的FOF的介入程度与该地风投行业的发展水平密切相关。

三、实证模型与数据

（一）基准回归模型

为考察风投对城市创新水平的影响，本文设定基准面板回归模型如下：

模型（1）中，因变量Innovation为衡量城市创新能力的相关指标。借鉴国内外学者的通常做法（杨大楷和邵同尧，2010;Kortum和Lemer，2000）并结合我国专利授予的法律规定与实际情况，我们选取发明专利授权量、实用新型专利授权量、外观设计专利授权量这三个指标来度量城市创新能力，分别表示为Patent1，Patent2和Patent3。①核心自变量VC是地区i在t年度所接受的风投金额。Controls为控制变量，具体为一系列可能影响创新产出的地区特征变量，主要分为五类：反映地区经济基本面的，以人口密度（Pop）、国内生产总值/亿元（GDP）和职工平均工资/元（Wage）来表示;反映地区经济结构的，以制造业从业人员比/百分比（Manu）、金融业从业人员比/百分比（Fin）、教育文艺广播影视业从业人员比/百分比（Art）、科研技术服务和地质勘查业从业人员比/百分比（Tech）来度量;反映地区基础设施的，以人均铺装道路面积/平方米（Road）、年末移动电话用户数量/万户（Tel）、国际互连网用户数量/万户（Web）度量;反映地區财政投入的，以科学事业费占财政支出比/百分比（Sci）、教育事业费支出/万元（Educ）度量;反映地区融资能力的，以年末金融机构各项贷款余额/亿元（Loan）、外商直接投资新签协议合同数/个（Contract）度量。此外，模型控制了个体固定效应εi和年份固定效应nt。我们同时将所有参数的标准误聚类到城市层面。

具体来说，为尽可能消除因果识别中的内生性问题，本文在使用高质量面板数据，估计双固定效应与动态面板模型的基础上，独创性地引入风投的工具变量“政府引导基金”，分别采用单Ⅳ和多Ⅳ的形式进行估计。“政府引导基金”变量具体包括“政府引导基金数额”和“政府引导基金个数”这两个指标。如前文所述，各国学术界均普遍认同FOF对区域内风投规模有着显著正向影响，故FOF和风投在理论上应有较强的相关性;而引导基金的设立作为仅能影响风投数量的外生政策冲击，与决定地区创新的其他未被控制因素不相关。因此，可以认为政府引导基金是一个同时满足相关性约束和排他性约束的理想工具变量。

数据方面，本文使用了282个地级市2003-2015年度风投活动的面板数据。风投及政府引导基金数据来自清科集团（2er021PO）下属的私募通数据库（PEDATA），该数据库是当前我国最大的VC/PE综合数据库之一。专利数据来自中国国家知识产权局（SIPO）的专利检索与分析系统（PSAS）。其余城市层面的变量均来自于公开可得的《中国城市统计年鉴》。

表2列出了主要变量的基本描述性统计信息。我们发现，各城市平均每年有261.8个发明专利授权，1049.9个实用新型专利授权，693.1个外观设计专利授权。创新程度在不同城市间呈现出显著的不平衡分布。以Patent1为例，其均值为261.811，而中间值仅为19，这证明有50%的城市年均发明专利数量不超过19个。此外，各城市平均每年的风投数额达377.086万元，但风投的中位数为0，这表示至少有50%的城市从未接受过风投。

四、实证检验结果与分析

（一）基准模型结果

表3报告了以Pantent_1（发明专利授权量）为因变量的逐步回归结果。模型（1）包含核心自变量风投金额;模型（2）到模型（4）依次加入代表区域经济基本面和区域基础设施、区域经济结构、区域财政投入和区域融资能力的控制变量。由于面板数据中存在着个体和时间层面的遗漏变量，以上回归过程全部使用固定效应模型，并进行了稳健标准误处理。基于OLS估计的各个模型的主要发现如下。首先，在模型（1）中，风投金额与发明专利数量呈显著正相关，但随着控制变量的加入，系数呈逐渐下降的趋势。仅以专利发明授权量作为因变量时为例，模型（1）中风投金额这一变量的系数为0.293，而在模型（4）中，这一系数显著下降为0.147。这表明风投与地区创新确实存在正相关关系，但变量的遗漏会使这一相关性被高估。对控制变量而言，在以Patent1为因变量的回归模型（4）中，国际互联网用户数量系数为0.471，表明一个城市的通讯网络越普及，创新能力越强;金融机构贷款余额系数显著为正，而外商直接投资新签合同数系数为负，表明贷款这一融资渠道可能会起到促进创新的作用，而引入外资的作用或恰好相反。其次，在分别以Patent2（实用新型专利授权量）、Patent3（外观设计专利授权量）为因变量时，风投金额系数的显著性逐渐降低，风投金额和外观设计专利数量甚至呈现负相关关系，这从一定程度上反映了发明专利相对于其他两类专利，的确代表了一个城市的最高创新水平。在未充分讨论内生性问题之前，基准回归中的结果不宜进行因果关系层面的解释。

（二）动态面板模型结果

基于固定效应模型中依然可能存在的由“个体与时间层面均有变化的遗漏变量”及反向因果导致的内生性问题，我们考虑加入被解释变量的（一阶）滞后项，分别进行AB-GMM估计和系统GMM估计。从表4结果中可以看出，风投活动对发明专利的正向影响依然显著，而对于实用新型专利和外观设计专利的影响不仅在统计上未呈现显著性，从系数维度上来看也小于发明专利的估计系数。在AB-GMM估计中，根据GMM-致性估计要求，扰动项应满足一阶差分相关、二阶及以上差分不相关的条件。而根据表4中的AR（1）和AR（2）检验结果，一阶及二阶差分均不相关，拒绝“扰动项差分不存在自相关”的原假设。基于此，我们进一步采用系统GMM进行估计。系统GMM在AB-GMM之上添加了水平方程，并引进了滞后的差分变量作为工具变量，进而显著提高了估计结果的一致性和有效性。AR（1）及AR（2）检验结果显示，一阶差分满足相关性，二阶差分不相关，不拒绝原假设;但检验过度识别的Sargan值未通过，这表明在本研究中，被解释变量的滞后项并不是最优的工具变量，我们必须继续寻找更加适用的工具变量。

（三）政府引导基金作为工具变量的模型结果

我们进一步使用城市层面政府引导基金数额（FOFl）作为工具变量。相关性约束条件方面，2SLS第一阶段回归的FOF1系数在1%的水平上显著，且F值为17.8，反映出政府引导基金数额与风投规模之间的强相关性（见表5）。在现实机制中，政府引导基金本身就是以投资创业风险投资机构或新设创业风险投资基金为其主要目标，也就是说，政府引导基金不太可能通过除风投外的其他渠道来影响城市创新，因此，我们判断其能够较好满足工具变量的无关性约束条件。2SLS第二阶段回归结果显示：基于发明、实用新型和外观专利作为因变量的估计，风投的估计系数分别在1%、1%、5%的水平上显著为正，与基准结果高度一致。这说明在充分处理内生性问题后，风投金额与城市创新产出之间的正向因果效应仍然成立。

五、风投对创新影响的异质性分析

（一）风投效果的区域异质性

我国目前创新创业活动的一个显著特征是空间分布失衡。在各项指标上，北京、上海、广州、深圳等创新领军城市都遥遥领先于其他内陆城市及较低级别城市（张萃，2018）。基于此，我们尝试比较在四大区域经济板块中，风投对城市创新的影响是否存在显著差异。作为区域经济系统中的一个中观空间层次，区域经济板块的划分及比较有助于我们分析区域经济的特点及竞争优势。根据中国统计年鉴最新区域划分标准，我们将总样本分为东部城市（East）、西部城市（West）、中部城市（Central）和东北部城市（Northeast）。由于风投对外观设计专利的影响在前述主要结果中持续不显著，我们在异质性分析中仅讨论衡量创新性更优的发明专利和实用新型专利两个指标。

表6报告了处于不同经济区域的城市估计结果。在东部城市样本的回归结果中，风投的系数显著为正，这说明该地区风投对城市创新能力的提升效果最显著，且“风投对发明专利的影响超过风投对实用新型专利的影响”这一发现再次得到印证。在中部和西部城市样本的回归结果中，风投的系数基本为正但不显著，维度上也明显小于对于东部样本的估计值。且通过比较t值可以发现，中部估计结果明显比西部估计结果更接近统计显著。在东北部城市样本的回归结果中，风投的系数为负，且发明专利的估计系数已经相当接近10%水平下的统计显著门槛值。这说明在东北地区，在控制可能变量不变的情况下，风投反而有抑制城市创新的趋势。

上述发现与徐昊等（2017）的结论截然不同，原因或在于：我国东部地区经济发展水平较高，并且业已开启产业转移与产业升级（王来军，2014），此时风投可选择的创新项目多，能充分发挥筛选作用，从而项目投资成功率高、创新产出多;而东北地区近年来面临传统产业“掉头难”问题（洪俊杰等，2014），风投可能非但没有投向新兴产业，反而继续在扶持传统落后产业，这就会引致风投对创新的所谓“抑制”效果。由此可以发现，风投的发展必須与地区产业结构转型相互耦合，才能真正发挥其筛选作用。结合风投的筛选机制，我们在此提出一种猜测性解释：风投“过滤效应”的有效发挥必须以足够大的“筛选样本池”为前提。若一座城市的产业经济发展落后且转型乏力，风投企业便缺乏足够多的筛选样本，故而难以发挥投前筛选和投后增值作用。接下来，我们进一步引入人力资本指标与大企业密集度指标进行异质性分析。其中，前者是地区产业结构转型的内在动力，后者则是产业转型的外部条件。这两个指标能共同反映一座城市是否有足够多的对风投资本构成吸引力的企业。

（二）风投效果的人力资本异质性

根据新经济地理学理论，人力资本决定了城市生产率层级体系的演进空间，并指示着未来的产业结构转型方向。而风投资本在筛选初创公司时，也倾向于挑选那些短期失败风险大但包含高端人力资源的初创企业。因此，一座城市人力资本的丰裕程度在一定程度上反映了风投企业的“筛选样本池”是否足够大。高校学生是一个城市的储备人才，其数量多寡往往暗示着城市未来的人力资本存量。因此，我们以高等学校在校学生百分比这一指标划分样本，将高校学生比在1%以上的城市归类为储备人力资本丰裕型城市（HC），在1%以下的城市归类为人力资本稀缺型城市（Non-HC）。表7报告了分样本估计结果。在人力资本丰裕型城市中，风投系数显著为正，而在人力资本稀缺型城市中，风投的回归系数为负但不显著。该结果反映出在人才储备更为丰裕的城市中，企业的人力资源密度更高，这有可能促使风险资本在大量高技术企业中进行“细化过滤”，进一步增强科创企业的竞争力与活力，更好地培育城市的创新实力。

（三）风投效果的企业密集度异质性

数量众多的大企业是城市产业经济实力的体现。随着企业规模的扩大，研发资金支持对企业创新的激励效果更强，这会使企业更容易受到风投者的青睐。与此同时，企业集聚带来的专业化外部性与多样化外部性能共同激发创新创业活动（张萃，2018）。基于此，我们将规模以上工业企业数超过1 000的城市归类为大企业密集型城市（Large-firms），将低于1000的城市归类为大企业匮乏型城市（Small-firms）。表8中的回归结果显示：在大企业密集的城市中风投的系数显著为正，在大企业相对较少的城市中风投的系数为正但不显著。由此我们认为，大型企业的集中成片意味着一个庞大的“样本筛选池”，这可能会加强企业间的研发投入竞争和创新追赶力度，使风投发挥出更强的创新激励效应。

（四）风投效果的政府规模异质性

鉴于我国风投企业尚处于起步阶段，创投资本与政府产业政策的配合显得尤为重要。如果地方政府规模庞大、财力雄厚，会更加倾向于通过多种渠道指示产业政策的方向，如直接参与创投或者设立政府引导基金（杨敏利等，2015），从而可以增加创投资本与产业政策的配合默契度。根据这一推测，我们以财政支出占GDP的比重这一指标划分样本，通过三分位数将城市分成三组，进行基于不同政府规模的分样本估计。表9中的估计结果显示：在三组城市中，风投系数分别在1%、1%、5%的水平上显著为正。同时可以发现，随着财政支出占GDP比重的不断增加，风投的系数不断增加，显著性水平也从1.75增至了8.41。根据这一结果，我们提出风投“增值效应”的有效发挥应该建立在创投资本与地方产业政策紧密配合的基础上。“大政府”治理下的城市之所以能在風投的创新产出上表现更佳，可能由于较大的的财政支配能力赋予其在集中引导风投资本方面更有调控能力，也可能由于较大的政策干预能力能够有效化解风投活动在各个阶段中所遭遇的政策阻力。

六、结论与政策建议

我国当前创新型城市的建设离不开创新资本的有力支持，因而向初创企业提供资金支持的风投己引起政策层面的高度关注和大力扶持。本文通过引入“政府引导基金”这一政策性工具变量，首次从实证上探究风投对城市创新产出的影响效果。结果发现：在尽可能排除了内生性问题的干扰后，风投能显著促进以专利衡量的城市创新产出。与此同时，异质性分析结果表明，风投在东部地区促进城市创新的效果最显著，在中西部则不显著，而在产业结构转型乏力的东北地区，这一影响甚至是负面的。此外，在人力资本更充沛、工业化程度更高及政府规模更大的城市中，风投更能推动城市创新能力的提升。

本文研究表明，中央和地方政府以“融资担保基金”、“政府引导基金”等途径扶持风投、推进创新型城市建设的政策手段在城市层面是有效的，这类创新支持政策能够与产业政策相互配合，使得风投更有效率地推进创新。因此，我们的基本判断是，在我国风投行业起步较晚的大背景下，各级政府应当继续加大政府引导基金的规模，创新引导基金的制度设计和运作模式，使其市场化程度更高，运作效率更高。其中，越是财力雄厚的“大政府”，越应当在引领创投资本上肩负起责任，强化政府产业政策与民间风投资本的配合互动机制，做大创新的蛋糕。此外，各地方政府在推进创新型城市建设中应当完善人才引进配套服务机制，着力引进、留住、用好高素质人才，形成人力资本“虹吸效应”;深入推进新型工业化，坚持以经济开发区等形式培育骨干企业、集聚经济优势，以大企业的集聚带动中小企业的发展，形成有活力的企业竞争格局。

同时，本文所发现的风投的区域发展失衡问题需要引起高度关注。中央政府应注意合理平衡领先区域与落后区域之间的创新资本扶持力度，如推行专项计划以推动中西部地区风投业的成熟。与此同时，对于东北地区出现的“风投抑制创新”局面，应给予重视及政策引导，促使风险资本发挥好甄别作用，投稳、投准创新行业。创新型城市的建设不能一蹴而就，它必须以合理的地区产业结构为依托，否则，不断涌入的资本与落后产能相结合，只会造成进一步的资源错配和区域经济的结构性扭曲。因此，东北及其他地区都应努力推进风投与地区产业结构转型进程相耦合，使风投真正为创新型城市建设锦上添花。