五、纵向维度的回归结果与分析

本部分从纵向维度直接检验创业资本的增值效应。我们的思路是：如果存在增值效应，那么纵向数据在创业资本介入前后就会呈现显著的差异；如果这种差异不显著，那么增值效应就不存在；而如果增值效应不存在，那么横向比较优势就仅仅来自甄别效应。

（一）基本回归结果

表10为假设3的基本回归结果。在以R&DExp为因变量的模型中，After的回归系数显著为正，表明在创业资本介入后，企业的创新投入显著地增加；但其他模型的After回归系数均不显著，表明在创业资本介入后，相对于创业资本介入之前，企业的创新产出和创新效率并未得到显著的提高。因此，假设3仅获得来自创新投入的支持。

注：*、**和***分别表示在10%、5%和1%的统计水平下显著；括号内数值为标准差。

表11是假设4的检验结果。模型（1）—（6）以投资—增长机会敏感性度量投资质量，其中模型（1）、模型（2）、模型（4）、模型（5）的主效应回归结果表明，Growth的回归系数显著为正；After的回归系数在模型（2）中为负但不显著，在模型（5）中则显著为负，表明在创业资本介入之后，企业的固定资产投资水平不但没有增长反而有所下降。模型（3）和模型（6）的交互效应回归结果表明，交互项After×Growth的回归系数为正但不显著[见模型（3）]，或者在10%的统计水平上显著为正[见模型（6）]，表明创业资本介入后的固定资产投资质量得到优化，但作为整体的非流动性资产投资则未见显著改变。

当以已投资本回报率度量投资质量时，模型（7）和模型（8）分别考察ROA与ROE的变化。从中可以看到，After的回归系数显著为负，表明创业资本介入后的ROA和ROE显著下降了，假设4没有获得支持。这些结果与横向比较的结果并无矛盾，因为横向比较的参照系是没有获得创业资本支持的企业，而纵向比较的参照系则是获得创业资本支持的企业在创业资本介入之前的情况。例如，对于ROA和ROE，表5表明，相对于无创业资本支持的企业而言，有创业资本支持的企业具有更高的ROA和ROE；但表11表明，相对于在创业资本介入之前，企业的ROA和ROE在创业资本介入之后反而下降了。

注：*、**和***分别表示在10%、5%和1%的统计水平下显著；括号内数值为标准差。

（二）基于倾向得分匹配的差中差

上述纵向维度的基本回归存在一些方法上的缺陷。正如Robert and Whited（2012）所总结的，纵向比较必须解决干预组自身的趋势问题。就本文而言，假设3和假设4所进行的是创业资本介入前后的差异比较，但这种差异也许是企业本身就具有这种趋势，可能与创业资本无关。解决这一问题的方法之一是差中差。差中差的原理为：虽然纵向比较没有发现企业在引进创业资本之后具有更好的表现，但是如果在发现没有创业资本介入的情形下，企业将表现得更加糟糕，那么这同样表明创业资本能够改善企业的表现。这里的关键是如何知道反事实（获得创业资本支持）的企业在没有获得创业资本支持的情形下会发生什么。差中差方法应用的一个难点在于：对于无创业资本支持的企业（控制组），我们无法定义After变量。对此的解决办法是倾向得分匹配。

与上文的倾向得分匹配方法不同的地方在于：我们在这里保留了样本在窗口[-5，+5]中的观测值，而不仅仅局限于窗口[+1，+5]，这是因为我们需要考察创业资本介入前后的差异。在此基础上，我们可以同时对干预组和控制组定义After变量：如果观测值所处的期间在干预年度（对于控制组，这一干预年度是一种假设的干预年度）之后，那么After取值为1；否则，After取值为0。由此，我们就有了干预变量Treat和事件变量After，两者的交互项After×Treat的回归系数便是差中差估计量。

表12为假设3的差中差估计结果。对于每一个因变量，我们都报告三结果。例如，当因变量为R&DExp时，模型（1）为控制组（Treat=0组别）的回结果，可以看到After为负但不显著；模型（2）为干预组（Treat=1组别）的回结果，可以看到After显著为正；模型（3）显示交互项回归系数显著为正，表明型（2）的After系数显著大于模型（1）的After系数。 由此我们可得出结论：在业资本介入后，企业的R&DExp获得了更大的提高。对于其他的因变量，我也进行类似的解读。但表12的结果表明，对于R&DExp之外的其他变量，不但Treat=1组别After的回归系数不显著，而且交互项Treat×After的回归系数也不显著，这强化了我们在基本回归部分所获得的结论：除了R&DExp，创业资本对其他创新变量的影响并不显著。

注：*、**和***分别表示在10%、5%和1%的统计水平下显著；括号内数值为标准差。

假设4的差中差估计如表13所示。当以投资—增长机会敏感性度量投资质量时，与表12类似，对于每个因变量，我们均报告三项结果。例如，当因变量为Inv＿NCA时，模型（1）报告控制组（Treat=0组别）的结果，关键点在于交互项After×Growth的回归系数，若系数显著为正，则表明在干预年度之后投资质量变得更优。表13显示，模型（1）中交互项After×Growth的系数为负但不显著；模型（2）中交互项After×Growth的系数虽为正但不显著。模型（3）试图考察模型（1）和模型（2）的交互项系数是否存在显著差异，这要通过交互项Treat×After×Growth予以反映，但模型（3）没有发现该交互项回归系数的显著性，这表明干预组与控制组在干预年度之后的投资质量没有显著差异。当因变量为Inv＿Fix时，模型（4）中交互项After×Growth的系数为正但不显著，模型（5）中交互项After×Growth的系数则显著为正。这是否表明干预组具有更优的投资质量呢？模型（6）中交互项Treat×After×Growth的系数并不显著，表明模型（4）和模型（5）的双向交互项其实并没有显著的差异。

当以已投资本回报率度量投资质量时，我们可以看到，不管因变量是ROA还是ROE，两个组别的After系数均显著为负，但交互项After×Treat的系数并不显著，即两个组别的After系数并无显著差异。这表明，在创业资本介入后，虽然ROA和ROE倾向于下降，但这种下降并非源自创业资本的介入；或者说，即便没有创业资本（如控制组），企业在干预年度之后的ROA与ROE也倾向于下降。这解释了我们在基本回归中关于ROA和ROE的检验结果，在那里，我们仅观测到干预组的ROA和ROE在干预年度之后趋于下降，但就此将这种下降归因于创业资本，则未免失之严谨。在采用差中差方法之后，我们发现这种下降其实是普遍性的；但遗憾的是，创业资本并不能使这种下降的幅度变小。综合以上分析，我们可以得出结论：在创业资本介入之后，企业的创新投入得到显著提高，但创新产出、创新效率和投资质量均未得到显著改善。

注：*、**和***分别表示在10%、5%和1%的统计水平下显著；括号内数值为标准差。 m5b8zCF0TEcqlZkShiCsRRLJ7vgxRB52SXgkL9dnSGu5UWnfisyVckqiTr2JlUqD