研究设计及结果分析

本部分主要想观察家族企业风险资本融资后，其成长绩效的变化。为了控制风险资本样本选择差异，我们从无风险资本支持的家族企业中提取匹配组形成新的样本，重新进行验证。具体做法如下：

第一步，对家族企业选择风险资本融资的行为进行预测，得到家族企业选择风险资本的倾向得分，为每一家家族企业选择同年度、同行业、倾向得分最接近的无风险资本的家族企业作为配对样本，且倾向得分差异在正负30%以内。按照1∶1最邻近匹配法进行匹配，强制排除实验组中倾向值大于对照组最大倾向值或低于对照组最小倾向值，试验组与对照组所允许的最大距离为0.05。并且强制当试验组观测有不止一个最优匹配时同时记录。倾向分数由Logit模型（模型1）估计：

因变量是企业获取风险资本的可能性，根据以往文献（Croce et al.，2013）影响因素即自变量包括企业财务状况、治理状况、年龄、规模、时期和行业等变量，具体为Size、Age、Roe、Lev、Lnmansha、Numdir。倾向性匹配得分分析（PSM）建立了一个以分组变量（VC）为因变量，各因素变量为自变量的回归方程进行Logit回归。回归结果如表1所示。

表7-1　风险资本选择的影响因素检验结果

注：***、**、*分别代表在0.01、0.05和0.10水平上显著。

通过psmatch2命令计算出每个公司的倾向得分，这个得分表示风险资本选择被投资企业的概率。同时为每个有风险资本背景样本匹配了一个倾向得分最接近的无风险资本背景样本，这些非风险资本支持企业值就构成了对照组样本。

第二步，检验匹配后的样本是否满足PSM方法要求的共同支撑假设。为了使倾向得分的匹配结果更准确，需要在报告匹配结果之前，对匹配结果的质量进行评估，以确保实验组和对照组有相似的倾向值。首先，验证匹配结果是否满足条件独立性假设。PSM方法要求实验组和对照组匹配后在匹配变量上无显著差异，若两者差异显著，则表明匹配变量选用不当，不满足条件独立性假设，倾向值匹配方法效果不佳（曹亮等，2012）。其次，寻找共同支持域（Common Support Region），并根据评分倾向值对样本进行再抽样。匹配后，并不是所有的样本都能成功找到匹配对象，即共同支持域并不总是覆盖全部样本，这样会导致样本损失。因此，就需要基于倾向值，在共同支持域内对样本进行再抽样，使实验组与对照组在观测变量上变得平衡，从而更好地控制选择性偏差。

在重新进行回归之前，首先需要对实验组样本和对照组样本进行匹配。匹配后的实验组和对照组样本应该有无风险资本融资的其他特征变量不存在显著的差异，若存在显著差异，则表示匹配变量的选取或者方法的选择不恰当。因此在给出倾向评分匹配估计结果之前，需要对配对进行匹配平衡性检验。为了检验匹配的效果，使用Smith & Todd，（2005）的方法，计算配对后实验组与对照组基于匹配变量的标准偏差进行匹配平衡检验。标准偏差值越小，说明匹配的效果越好。当匹配变量的标准偏差值的绝对值大于20时，可以认为匹配效果不好。

表7-2报告了用pstest命令对用于Logit模型中的变量检查倾向评分匹配是否有效的结果。结果发现，实验组和对照组在规模、年龄、财务和治理特征等影响因素上都很相似，说明倾向得分匹配有效。(www.xing528.com)

表7-2　匹配平衡质量检验结果

第三步，在经过对PSM方法的匹配效果检验之后，此时的样本中，有无风险资本的企业在其他特征上都很相似，样本的变量差异仅仅体现在企业有无风险资本上。这样，从理论上来看，比较有无风险资本在成长绩效指标的净差异就能估计风险资本对企业成长绩效的影响。比较结果如表7-3所示，表明在控制了样本自选择问题之后，有风险资本组的均值销售收入增长率和职工人数增长率都小于无风险资本组。风险资本对家族企业成长绩效的影响仍为负，其中用职工人数衡量的成长绩效指标在10%水平上显著为负。检验结果部分验证了风险资本融资对家族企业成长绩效阻碍作用结论的稳健。

表7-3　倾向得分匹配后结果

注：***、**、*分别代表在0.01、0.05和0.10水平上显著。