大多数公司都是小公司，保持小公司，很少创新(Decker et al. 2016, Foster et al. 2016)。只有少数公司在成为对总体生产力和增长做出重大贡献的大型成功企业的过程中实现了高增长并参与创新。最终，我们想要了解这些公司是谁，是什么因素促成了他们的出现和最终的成功。最近的文献表明，企业的初始条件，如企业家过去的经验，以及早期创新的指标，如最初的专利和商标，是后续高增长的前兆(Fazio et al. 2016, Brown et al. 2017, Choi 2017)。
在最近的一篇论文中，我们从经验和理论两方面研究了风险投资(VC)资金——初创企业融资的一个关键来源——在识别有前途的初创企业并将其转化为增长引擎方面的作用(Akcigit等人，2019年)。特别是，我们研究了由风险投资家投资的初创公司的类型，研究了风险投资家和初创公司之间的协同作用以及风险投资家的经验对公司增长和创新的影响程度，并评估了风险投资对美国经济增长的关键程度。
风投支持的公司的风格化事实
为了激发模型及其分析，我们首先实证研究了与VC参与创业相关的选择和处理效应。该分析是通过综合美国人口普查局纵向企业数据库(LBD)中所有雇主企业的数据、美国专利商标局(USPTO)的专利数据以及1980-2012年期间从VentureXpert获得风投资金的企业的交易级数据进行的。这些数据的一个关键优势是，它使我们能够跟踪美国所有雇主企业的就业和专利申请的演变，关键是，区分风投资助的公司和经济中其他公司的经验。数据揭示了几个关键事实。
首先，风险投资家会挑选接近初创时期的初创公司进行投资和培育。第一次获得风投资金的风投支持的创业公司的年龄分布如图1所示，其中年龄是用创业公司作为雇主首次出现在LBD中的年数来衡量的。图1的显著特征是57%的风投资助的公司在作为雇主企业的第一年就收到了初始资金。
在新兴企业中，风险资本家不成比例地投资那些最有前途的公司。图2用就业率增长的五分位数绘制了获得风险投资的概率，其中五分位数是基于创业公司作为雇主的前三年的增长。当一个人从最低的五分之一上升到最高的五分之一时，他获得资金的可能性会增加近200倍。在关注公司的专利活动时，我们发现了类似的模式。图3绘制了创业公司在其首次专利申请的五年内获得第一笔风险投资的概率与其早期专利质量之间的关系。一项专利的质量是由它被引用的次数来衡量的。当一个人从最低的五分位数上升到最高的五分位数时，他获得风险投资的概率会增加5%。这些模式表明，风险投资家会选择那些在早期表现出相对高速增长和高质量创新的公司。
图1第一次获得风投资金年份的企业年龄分布
图2早期的公司就业增长和获得风险投资的可能性
图3早期专利质量和获得风险投资的可能性
接下来，考虑风险投资家的参与对后续公司业绩的影响。在图4中，我们绘制了初始风投融资十年后的就业增长分布，以存活为条件。图中显示，风投资助的公司比经济中的其他公司有更高的增长均值和方差。然而，从这一数据中，我们不可能弄清楚更高的增长是完全由风险投资的选择驱动的，还是风险投资的参与帮助这些公司变成了增长的引擎。
图4就业增长率分布(VC融资后10年计算)
为了评估风险资本家的待遇效应的程度，必须考虑到风险资本家对创业公司的选择。为了控制基于可观察性的选择，我们将风投资助的公司与观察性相似的非资助公司在关键维度上进行匹配，包括初始融资年份、行业、州、年龄和就业。图5描绘了由风投资助的公司及其相匹配的同行在初始融资前3年至之后10年期间(ln)平均就业的变化。在拥有专利的公司中，图6绘制了风投资助的公司及其匹配对手的(ln)引文调整专利存量的演变。
在这两个数据中，风投资助和非风投资助的企业在风投资助前的发展轨迹几乎完全相同。然而，风投资助的公司随后成长和创新得更多。风投资助的公司的平均就业人数在期限结束时增长了大约475%，而对照组的增长要温和得多(230%)。同样，风投资助的公司的平均专利存量在10年内增长了约1100%，而对照组的平均专利存量增长了440%。这些结果表明，风险投资家在公司成功的过程中扮演着重要的角色。
图5初始风险投资前后平均就业的演变
图6初始风险投资前后平均质量调整专利存量的演变
为了了解这些治疗效应的潜在来源，我们研究了由经验丰富的风险投资家和经验不足的风险投资家资助对企业结果的异质影响。为此，我们首先将风险投资家分为两组。在“总交易”分布中排名前十分之一的风险投资家被标记为“高质量”(高经验)，其余的风险投资家被标记为“低质量”(低经验)。然后，风投资助的公司被分为由高质量风险投资家资助的公司和由低质量风险投资家资助的公司。图7绘制了这些类别中每一个公司的(ln)平均就业的演变，图8绘制了它们的(ln)平均质量调整专利存量的演变。
虽然在风投参与之前，高质量风投和低质量风投支持的公司是相似的，但在风投参与之后，高质量风投资助的初创公司的平均就业率和平均专利存量都更高，而且在10年的时间里，这两个群体之间的差距会越来越大。到最后，高质量组的平均就业增长约400%，而低质量组的平均就业增长为320%。同样地，到期限结束时，高质量组的平均专利存量增长了近50倍，而低质量组的平均专利存量仅增长了19倍。通过控制创业公司特征和初始资金注入的回归分析，我们确认由高质量风投投资的创业公司有更好的就业结果。这些发现表明，除了资金之外的因素，如与高质量风险投资家相关的专业知识和管理质量，也会影响后续的企业业绩。
图7初始VC融资前后平均就业的演变，按VC的质量划分
图8初始风险投资前后平均质量调整专利存量的演化，按风险投资质量划分
量化VC对总体增长的影响
在实证结果的激励下，我们开发了一个宏观经济模型，以匹配美国数据中VC的显著特征。在这种模式下，创业公司诞生了，其中一些公司的想法比其他公司更好。所有的创业公司都需要融资，通过研发将他们的想法推向市场。该模式以两种类型的金融家为特征——银行和风险投资家。虽然这两家金融机构都为初创企业提供资金和专业知识，但风险投资家提供的专业知识水平高于银行。该框架还强调有才华的企业家的技能与风险投资家的技能之间的互补性。关键是，并不是所有有才华的企业家都能找到风险投资家来支持他们的初创公司。因此，他们求助于银行，而银行无法提供与风险投资家同样的培养。对于一个有才华的企业家来说，与风险投资家(而不是银行)匹配会带来更高的成功概率、更高的研发资金水平和更高的生产率。
该模型使用来自实证分析的关键微观水平矩进行校准。然后，它被用来评估企业家和风险投资家之间的协同效应和选型匹配，以及初创企业的不同税收对经济增长的影响。我们首先通过完全关闭风投基金(也就是说，所有的初创公司都是由银行资助的)来消除风投投资人和创业者之间的协同效应。这样做会使总增长率降低28%。这种下降的原因是有才华的企业家存活率和创新率较低。
接下来，我们通过引入纯随机匹配来评估选择性匹配的重要性——有才华的企业家更有可能得到风险投资家的资助。这种做法导致增长率下降1%。我们还考虑了完全选择性匹配的情况——风投只投资有才华的企业家——并观察到9%的增长。后一种情况的较高增长突出表明，经济中现有的选型匹配程度还有提高的余地。最后，我们考虑了提高税率对风险投资创业公司的影响。风投资助的初创公司在上市或出售时按资本利得率(17%)征税。如果这些风投资助的公司被征收35%的企业所得税，增长将下降18%。
这些量化练习，以及我们的实证分析，突出了VC在整体经济中扮演的重要角色。风险资本家不成比例地瞄准最有前途的年轻初创公司，并在将这些初创公司转变为经济增长引擎的过程中发挥着关键作用。
作者注:本文所表达的任何观点和结论均为作者个人观点，并不代表美国人口普查局、联邦储备系统、理事会或其工作人员的观点。所有结果都经过了审查，以确保没有机密信息被泄露。
参考文献
Akcigit, U, E Dinlersoz, J Greenwood和V Penciakova(2019)，“协同风险”，亚特兰大联邦储备银行工作文件第1号。2019 - 17所示。
布朗、D、J Earle、M Jung Kim和K Min Lee(2018)，“高增长企业家精神”，IZA讨论文件第1号。11662.
崔杰(2017)，“创业风险承担、年轻企业动态和聚合的影响”，未发表论文，马里兰大学。
法齐奥，C, J Guzman, F Murray和S Stern(2016)，“倾斜的新观点:美国创业质量的定量评估”，麻省理工学院创新计划政策概要系列。
福斯特、L、C格里姆和N佐拉斯(2019)，《投资研发的美国公司画像》，创新与新技术经济学。
德克尔、R、J哈尔蒂万格、R贾敏和J米兰达(2016)，《所有的偏斜度都去哪儿了?》《美国高增长(年轻)公司的衰落》，欧洲经济评论86(7月)。
