何种引导基金更多投资高科技企业？——基于高管团队视角的组态分析

摘要：政府引导基金由政府牵头设立，旨在缓解中小型高科技企业发展初期融资难问题。本文以 174 家引导基金为案例，基于引导基金募资金额和投资频率情境，检验高管团队成员性别、海外经历、理工科背景、政治关联条件的不同组态对引导基金投向高科技企业的效应， 从组态视角运用 fsQCA 方法探究何种引导基金高管团队特征更多地驱动引导基金投资高科技企业。研究结果显示：单一引导基金高管团队特征要素并不构成产生投资于高科技企业的必要条件，引导基金投资高科技企业的驱动组态有 4 种，分别为女性高管成员驱动型、本土高管成员驱动型、募资-投资驱动型以及理工成员-政治关联驱动型。研究结果支持了引导基金高管团队特征可以通过不同形式的组合实现投资于高科技企业，为引导基金高管团队构建提供了新的研究视角和决策依据。

关键词： 引导基金；高管团队特征；fsQCA 中图分类号：F830.59          文献标识码:A 

经济高质量发展背景下，我国政府积极推行政府引导基金制度，改善传统风险投资中投资技术含量较低、传统行业投资比例高[1]等问题，以充分挥政府与市场在资源配置中的作用， 进而缓解中小科技企业融资难现状。政府引导基金是由政府牵头设立并以市场化方式运作以扶持中小高科技企业发展的政策性基金[2]，主要通过引导基金领投、社会资金跟投的方式引导资金投向高新技术企业。但现有引导基金存在引导作用缺失、有效投资少[2]等问题，引导基金能否投资并引导高新技术企业发展受到了质疑[3]。引导基金高管团队作为基金的最高投资决策机构，行使引导基金决策和管理职责，在引导基金投资决策的流程中起到决定性作用[4]。因此，为了最大化引导基金国有资本的效用，探究何种高管团队因素能够驱动引导基金，使其更多投向高科技企业成为亟待解决的重要问题。

然而目前学界对引导基金投资决策方面研究较少，并未就何种类型的引导基金高管团队更偏好投资高科技企业这一问题进行回答。鉴于此，本研究从引导基金高管团队特征出发， 基于组态视角探究驱动引导基金投向高科技企业的多重并发因果关系与多元实现路径，回答何种特征的高管团队会引导基金更多投资于高科技企业。同时，区别于现有研究多使用传统线性回归方法，本研究运用的 fsQCA 方法能够摆脱传统线性回归仅能处理变量间的完全对称关系的局限，得以考虑到不同影响因素组合带来同一产出结果的“殊途同归”问题。从而从引导基金投资决策角度，更好回答实践中如何推进引导基金多投向高科技企业这一问题。研究将有助于深化对我国引导基金的认识，拓展现有引导基金投资决策影响因素的组态视角研究，对于政府进一步完善引导基金政策提供一定程度的指导。 

1. 文献综述

为了提升资本运作效率并降低基金运行中的风险，政府往往将资金交由风险投资机构或 自管资金进行运作，引导基金高管团队在投资决策中占据重要地位[4]。公司治理相关理论研 究也支持高管团队特征能够影响企业决策：高层阶梯理论认为管理者所具备的特征会影响其 选择战略[5]。烙印理论同样为高管个人经历与决策行为的联系提供了富有解释力的理论视角， 该理论认为诸如教育、从业等经历会在个人身上留下印记，这种特征会对其决策、行为产生 持续影响[6]。就风投基金而言，有研究显示基金高管团队特征会对基金业绩产生影响[7]：风 投机构高管团队需要制定基金战略，以指导投资经理筛选投资项目[8]，并对投资项目选择进 行评议[4]。而高管团队成员的决策往往受到其特征因素影响，进而左右风投机构的投资决策。同时，高管团队特征亦可通过影响引导基金的募资金额等资金因素[9]，间接影响投资决策。上述理论与研究为深入考察高管团队特征与引导基金高科技投资提供了基础。以下分别从性 别、海外经验、理工科背景、政治关联等几方面对相关文献进行综述。

（1） 高管团队成员性别

根据上市公司数据研究显示，不同性别的高管可以影响公司做出不同投资决策[10]。既往实证研究显示，高管团队中女性成员的思维方式与情感偏好等与男性高管团队成员存在一定差异[11]，会影响高管团队在投资中的决策。例如周业安、程栩研究认为，女性普遍具有更高的风险厌恶程度[12]，这可能驱使女性高管所在决策团队更倾向于做出较为保守的决策，而这也将影响到引导基金投资于具有较高风险的高新技术企业。

（2） 高管团队成员海外经历

在关于高管团队特征的既往研究中，风投基金高管团队成员的海外留学或工作经历被认为可以影响基金业绩，更被视为高管团队能力的一种标志[13]。此外，具有海外留学或工作经验的高管们对国际资本市场的运作方式有了更多的了解，并具有国际视野[14]。因此拥有海外经历的团队成员被认为对资本市场的风险具备更突出的把控能力。同时基于拓宽海外渠道的视角，也可以为目标企业的成长带来更大帮助[15]，这些因素都将影响到引导基金对于高新技术企业的投资决策。

（3） 高管团队成员理工科背景

引导基金投资于高新技术企业将会面临技术风险与商业风险，已有研究中，理工科背 景高管成员普遍被认为善于处理目标企业所面临的技术风险而不善于处理商业风险[4]。理 工科背景高管成员对目标企业技术发展前景具备更强判断能力[16]，同时也可以提供更对口 的增值服务[17]，有助于引导基金投资高科技企业。此外，根据社会认同理论，具有理工科 背景的高管倾向于投资于与其职业相关的技术领域，因此更注重对高新技术企业的投资[18]。也有研究认为主修理工科的高管具有技术背景，但缺乏公司管理经验[19]以及基金运营经验， 这将影响基金运营效率，并对引导基金向高新技术企业投资产生影响。

（4） 高管团队成员政治关联

高管团队成员的政治关联同样在引导基金投向高科技企业的过程中起到了重要的作用。社会资本理论认为，社会资本是社交网络可用资源的集合[20]，而在企业的社会网络中，政 治联系至关重要并能影响公司的发展[21]。特别是在中国市场，企业与政府官员建立了长期 的关系[22]，引导基金又带有天然的政治属性，因此有必要考虑高管团队的政治关系与其高 科企业技投资倾向的关系。在风险投资领域，高管团队成员的政治联系可以帮助他们建立 良好的社交网络[23]，这将有利于风投基金获得稀缺资源的优势。在对引导基金相关从业人 员的咨询中了解到，投资项目的相对匮乏是现阶段制约引导基金投向高科技企业的主要因 素之一。有政治关系的高管更有可能通过他们的社交网络获取稀缺资源，例如投资项目及 其相关信息。

虽然既往研究中对上述高管团队成员特征多有涉猎，但上述研究普遍专注研究于特定因素的影响，而忽略了真实情境中各个变量相互影响与互动[24]，不能得出有利于引导基金   投向早期高科技企业的高管团队组态。因此有必要对上述变量的不同组合纳入统一框架下进行分析，而 fsQCA 为本文提供了合适的分析方法。

 2. 研究设计 

2.1  研究框架

图 1 研究框架

Figure 1 The research framework 

本文基于组态视角对高管团队特征驱动引导基金投资高科技企业进行统筹要素分析，构建高管团队特征驱动引导基金投资高科技企业研究框架。具体研究框架如图 1 所示，图 1 展示了多个条件要素对驱动引导基金投向高科技企业的联合作用。本文研究重点关注两种因果关系：（1）某些高管团队特征是否以及在什么程度上是驱动引导基金投资高科技企业的必要条件，（2）这些高管团队特征如何耦合以实现引导基金投向高科技企业。 

2.2  方法选择

在研究方法层面，本文选择使用模糊集定性比较分析（fsQCA）方法对问题进行分析， 主要基于以下原因：既往研究往往采用线性回归的方法，没有考虑到多种因素的组合对引导基金投资偏好的影响。而构成高管团队的诸多因素如何组合互动、协同作用[25]并促进引导基金投向高新技术企业则需基于整体视角探究众多变量间共同作用的结果。QCA 方法还考虑到了可能导致同一结果的多条因果链，即“殊途同归”现象[26]。此外，传统线性回归方法仅能处理变量间的完全对称关系（即若 A→Y 则～A→～Y 成立），QCA 方法则不受此影响[27][28]。最后，QCA 方法还规避了传统回归方法中的反向因果、样本选择偏误[29]以及遗漏变量[30]等内生性问题。 

2.3  样本与数据来源

本研究设置如下筛选条件：首先，本文将样本时间范围选定在 2008 年至 2017 年设立的混合型基金中。2008 年国家发改委发布《关于建立和运行风险投资引导基金标准化的指导意见》首次对引导基金概念进行了详细的官方界定。然后本文剔除了并未进行对外投资的引导基金。

本文对满足上述筛选条件的 258 只引导基金及其相应的高管团队进行了调查并通过私募通数据库获取其对外投资数据。然后，我们在每个引导基金官方网站上收集了高管团队成员信息，由于我国引导基金诸多相关信息并不被强制要求公布[24]，因此除此之外本文还借助万德数据库、同花顺、天眼查等数据库以完善引导基金高管团队特征信息。最终，在删除了信息缺失严重的高管团队后，最终样本集包含了 174 只引导基金及其高管团队。 

2.4  测量

本文从引导基金高管团队特征维度对驱动引导基金投向高科技企业的组态进行分析。研究主要涉及 1 个结果变量 4 个前因变量及 2 个情景变量。其中结果变量为引导基金投资高科技企业数量，4 个前因变量包括引导基金风险投资管理高管团队成员的性别比例、海外经历人员比例、理工科成员比例及政治关联人员，情景变量为引导基金投资频率与引导基金募资能力，具体变量定义如下：

结果：选取引导基金投资高科技企业数量 H 作为结果变量。本文通过私募通数据库查询引导基金相关信息及其所投资企业，此外借鉴已有研究[1]，依据国统字【2002】33 号：《国家统计局关于印发高技术产业统计分类目录的通知》判定引导基金所投资目标企业是否归属于高科技企业。

前因条件：

①引导基金高管团队女性成员比例 F，定义为高管团队女性成员人数除以团队总人数。

②引导基金高管团队海外经历成员比例 A，定义为高管团队中具有海外工作、教育背景或在跨国公司有工作经验的成员占团队总人数的比例。

③引导基金高管团队理工科背景成员比例 S，定义为具有理工科教育背景成员在高管团队成员总数中的占比。

④引导基金高管团队政治关联度 P，定义为 0-1 变量，若团队存在成员为现任或曾任人大代表、政协委员及政府官员职务，则取 1，否则取 0。

情景变量：

本文选择添加引导基金投资项频率 I 与引导基金募资能力 R 作为情景变量以控制引导基金资金等非高管团队因素对引导基金投资高科技企业投资的制约。由于本研究样本时间范围固定于 2008-2017 年，因此以相同时间范围内引导基金的投资案例数量衡量引导基金投资频率；同样地，引导基金募资能力以该时间窗口内引导基金募集资金的总量表示。 

3. 实证分析 

3.1 数据校准 

表 1  变量设计与校准

Table 1 The design andcalibration of the variables

数据校准过程旨在为变量生成取值，本文参考先前研究[25]，依据设定的 3 个完全隶属、交叉模糊点和完全不隶属锚点将变量校准为集合隶属介于 0 与 1 之间的模糊集。本文将样本数据描述性统计中各变量的上 95%，50%，以及 5%分位点设定为完全隶属、交叉点和完全不隶属的 3 个校准点[31]。各变量校准锚点如表 1 所示。 

注：“~”表示逻辑运算的“非”

fsQCA 方法旨在探究导致结果变量的不同组态，本文首先对各条件变量进行单变量必要性分析。本文依据 fsQCA 既往研究做法，将一致性阈值设置为 0.9，一致性得分高于该阈值即被判定为导致引导基金投资高科技企业的必要条件[24]，各变量必要性分析具体结果如表 2 所示。

由表 2 结果可知，各前因条件的存在与缺失一致性得分均低于 0.9，不构成导致引导基金投资高科技企业发生的单个必要条件。同时也说明单个前因条件对结果变量的独立解释性较弱，引导基金对高科技企业的投资仍是多因素共同作用的结果。在后续研究中本文将前因变量纳入 fsQCA 进行组态分析，以寻找造成引导基金投资高科技企业的多种组态。 

3.3  组态充分性分析

表 3 实现投资高科技企业的条件组态

Table 3 Configurations of invest in high-tech firms 

（1） 女性高管成员驱动型（H1）

组态 H1 中核心要素条件为高女性成员比例（F）及高引导基金投资频率（I），边缘要素条件为高理工科成员比例（S）及低政治关联度（~P）。与目前多数研究不同的是，在本组态中，高女性成员比例对引导基金投资高科技企业的产出表现出了正向积极的影响。这与相关研究中普遍认为女性高管成员风险厌恶程度更高，从而更倾向于规避投资高科技企业的观点相悖。该组态表明在引导基金整体高频率的投资风格（I）、高管团队整体的理工科思维（S）、及低政治关联度（~P）等多因素的共同作用下，女性成员主导高管团队仍会大量投资于高科技企业。可能的原因是同时具备理工科背景成员及女性成员的团队兼备了两种特点所带来的优势，女性高管成员为团队带来了风险把控，同时结合理工科背景成员对高科技企业相关技术前景的强大判断力，使团队能够规避高科技企业投资中的诸多风险因素，从而使引导基金得以放心地更多投资于高科技企业。

本组态原始覆盖度为 0.177，在所有组态中为最低，说明虽然女性高管可以产出投资高科技企业多的结果，但这种高管团队构成在全部大量投资于高科技企业的引导基金团队中并不多见。这可能是由于女性高管的风险厌恶需要更多因素配合才能产出投资高科技企业，也可能是由于本身女性成员在引导基金高管团队中就不多见所致，女性成员比例校准交叉点为

0.25，即样本集内 174 家引导基金高管团队中女性成员占比平均为 25%。

（2） 本土高管成员驱动型（H2）

组态H2 主要覆盖本土经历高管成员主导的高投资频率、低政治关联度的引导基金团队， 三个条件共同作用产出引导基金投资高科技企业。本组态包含三个核心条件，即低海外经历成员比例（~A），高引导基金投资频率（I）以及低政治关联度（~P）不包含边缘要素条件。该组态表明即使不具备传统文献中所认为海外经历高管成员所带来的国际化视野与风险把控能力，以及政治关联所带来的项目渠道，扎根于本土资本市场的引导基金仍可贯彻政策精神，大量投资于高科技企业。可能的原因在于，根植于本土的领导团队体系对我国资本市场风向具备更清楚的认识，从而可以不借助政治关联渠道获取项目，以更直接高效的形式筛选出优质高科技企业并进行投资。

（3） 募集-投资型（H3a，H3b）

组态 H3a 与 H3b 具备相同的核心条件，因此在此处合并作为一类讨论。在组态 H3a 与H3b 中，核心要素条件同为高引导基金募资额（R）及高引导基金投资频率（I）。其余要素为边缘条件或不影响最终产出结果，表明在大量资金与高投资频率加持下，引导基金都可以产出大量高科技企业投资的结果，引导基金高管团队特征因素在其中可以起到一定程度的影响，但并不处于核心位置。组态 H3a 边缘要素条件为高海外经历成员比例（A）及低理工科背景成员比例（~S），团队成员的性别以及政治关联度则不对结果造成影响。这种组态中，虽然团队并不具备理工科相关经验，但海外经历成员在相关领域的视野及投资敏感性仍可帮助团队判断项目价值并驱动引导基金投资高科技企业。组态 H3b 边缘要素条件为低女性成员比例（~F），海外经历成员，理工科成员以及政治关联不影响产出结果。本组态表现结果与既往文献中主流观点一致，资金充足的情况下，男性团队成员更加激进的投资风格促使团队大量投资于风险更高的高科技企业。

组态 H3b 的原始覆盖度为 0.444，为全部组态中最高，说明该组态覆盖了产出引导基金投资高科技企业的最广泛情况。即大部分资金充足，投资风格不保守，且主要由激进的男性管理者构成的引导基金管理团队可以更多投资于高科技企业。

（4） 理工成员-政治关联驱动型（H4）

组态 H4 中核心要素条件为高理工科成员比例（F），高政治关联度（P）及高引导基金投资频率（I），边缘要素条件为低女性成员比例（~F）。与以往研究观点相符，理工科成员，政治关联，男性成员在现有文献中均被视为可以正向促进引导基金投资高科技企业的团队特征因素。强政治关联为引导基金提供高科技企业投资项目获取渠道，理工科成员可以为项目提供技术层面评估意见，男性成员驱动团队做出投资决定，上述因素联合作用驱动产出投资于高科技企业。

总体而言，由表 3 可知，除两个情景变量外，其余前因变量即引导基金高管团队特征因素均在产出引导基金投资高科技企业中扮演不同角色而非起到单一的促进或抑制投资作用。在组态 H1 中，作为核心条件的是高女性成员比例（F），而在组态 H3b 以及 H4 中，低女性成员比例（~F）作为边缘条件同样产出了引导基金投资高科技企业多的结果。虽然现有文献普遍认为女性成员不利于促使引导基金投资于高科技企业的决定，这一观点也在组态 H3b 及 H4 中得到了反映；但在组态 H1 中也可以看到，女性成员主导的引导基金团队与高理工科成员比例（S）及低政治关联度（~P）因素耦合，同样可以更多投资于高科技企业。同样地，高政治关联度（P）在组态 H4 作为核心条件，而在组态 H2 中，核心条件为低政治关联度（~P）。存在政治关联的管理团队可以通过特定渠道获取优质项目资源从而做到多投资高科技企业，而不具备政治关联的团队同样可以通过扎根本土发掘优质投资项目资源（组态H2）。在全部组态中，仅有组态 H4 高理工科成员比例（F），高政治关联度（P）高引导基金投资频率（I）以及边缘要素条件为低女性成员比例（~F）的组合接近于传统文献观点中基于可促进引导基金投资高科技企业的变量组合。H4 组态原始覆盖度为 0.297，仅涵盖少部分产出高引导基金投资高科技企业的组态，进一步说明多种管理团队特征变量的耦合是产生引导基金投资高科技企业的主要原因。此外还可以观察到，在促进引导基金投资于高科技企业的过程中，前因变量女性成员比例（F）与海外成员比例（A）存在一定程度的相互替代作用，即在全部组态中，两变量无需同时存在便可以驱动引导基金投向高科技企业。 

3.5 稳健性检验

本文参考最新相关研究，对产生引导基金投资高科技企业多的前因组态进行了如下稳健性检验：（1）本研究相较传统 fsQCA 研究样本量较大，存在相关研究采用将案例频数阈值由 1 升高至 2 的做法以减少组态数量。为检验案例频度阈值设置对最终分析结果的影响，参考杜运周等人相关研究[30]，本文将案例频数阈值由默认值 1 调整为 2，产生新组态详见表 4。从表 4 中可以看到在剔除了频度为 1 的组合后，产生的组态与原组态基本一致。（2）其次本文,一致性阈值由 0.8 升高至 0.85，产生的新组态与原组态保持一致。（3）本文将 PRI 一致性阈值由 0.7 升高至 0.75，所产生新组态同样与原始组态保持不变，得到相同的组态。（4）在单变量必要性分析中，引导基金投资频率变量（I）存在的一致性为 0.888，十分接近阈值 0.9。同时在风险投资相关研究中，基金的募资及投资能力（F）均被视为可能影响其投资决策的因素。因此在稳健性检验中将引导基金投资频率（I）及引导基金募资能力（F）标注为存在。最终产出组态与原组态保持一致。综上，可以判定稳健性检验结果显示组态分析结果较为稳健。 

表 4 稳健性检验结果（案例频数阈值提升至 2）

Table 4 Robustness checks (raise case frequency threshold to 2)

4. 结论与讨论 

4.1  研究结论

本文旨在探究引导基金高管团队特征驱动引导基金投资于高科技企业的组态效应。基于2008-2017 年间成立的 174 支引导基金及其投资数据，本文运用 fsQCA 方法，选取女性高管成员比例，海外经历高管成员比例，理工科高管成员比例，政治关联度等维度，从高管团队构成视角探究团队特征影响引导基金投资高科技企业的组态。

最终分析结果显示，驱动引导基金投资高科技企业组态主要有 4 种，分别为女性高管驱动组态、本土高管驱动组态、募集-投资组态、理工-政治关联驱动型组态。四种不同组态说明不同于传统线性回归，多种要素的组合可以实现相同的结果，促成引导基金多投资于高科技企业也并非只有单一方式。当引导基金投资频率高的情况下，多种高管组态都可以驱动引导基金投资于高科技企业。 

4.2  理论贡献与实践启示

理论层面，与现有引导基金研究不同，本文以基于引导基金高管团队特征探究了促成引导基金投资高科技企业的多种高管团队组态。而现有引导基金相关研究多从被投资企业视角出发，对引导基金的投资效果进行度量与评价。其次，不同于以往高管团队特征研究中基于传统线性回归方法，本文在研究中使用 fsQCA 方法，采用了组态视角对问题进行分析。研究结果表明，投资风格为低频率的引导基金，无论在何种高管团队的带领下，均无法更多投资于高科技企业。而单一高管团队特征并不构成引导基金投资高科技企业的必要条件，高管团队的多种特征均可通过与其他要素耦合驱动引导基金投资高科技企业，这是本研究区别于传统单因素分析之处。传统高层梯队理论认为可以藉由企业管理团队人员背景特征对企业战略决策产生影响。但据此展开的相关研究往往认为各因素相互独立并不影响，同时单一因素对决策的影响始终相同，不与其它特征产生协同联动。而本文研究发现的四种不同组态中， 特定因素的存在与缺失均有可能形成引导基金投资高科技企业的不同路径。因此，本研究发现也在一定程度拓展了现有的高层梯队理论相关研究。

实践层面，本研究对于政府进一步完善引导基金项目具有指导意义。近年来，我国引导基金发展由爆发阶段转入成熟阶段，每年新成立引导基金数量有所回落，扶持对象更具针对性，落实促进高新产业的政策目标将成为引导基金在下一发展阶段的首要目标。本研究发现的四种组态体现了实现引导基金投资高科技企业的多种方式，为组建适于投资高科技的引导基金高管团队提供了理论/决策依据。区别于基于传统统计学方法的现有研究结论，本文成果可以给予引导基金高管团队的组建提供更加灵活的思路。例如：现有研究往往显示男性高管主导、海外经历成员比例高且存在政治关联的团队方能更多投资于高科技企业。而在本文组态 H1 中，即使上述条件缺失，即女性高管比例高、海外成员比例低且无政治关联的高管团队，如果成员半数以上具备理工背景，同样可以投资于高科技企业，这为引导基金在人才选拔和高管团队组成上提供了更高的灵活性。 

参考文献 

[1]  施国平, 党兴华, 董建卫. 引导基金能引导创投机构投向早期和高科技企业吗?——基于双重差分模型的实证评估[J]. 科学学研究, 2016, 34(6): 822-832. Shi G P, Dang X H, 

Dong J W. Analysis of people’s cognitive attitude towards genetically modified food from the prospective of scientific literacy [J]. Studies in Science of Science, 2016, 34(6): 822-832.

[2]  李宇辰.我国政府产业基金的引导及投资效果研究[J].科学学研究,2021,39(03):442-450. Li Y C. Research on the guiding effect and investment effect of China’s government industrial funds [J]. Studies in Science of Science, 2021,39(03):442-450.

[3]  Bertoni F, Tykvová T. Does governmental venture capital spur invention and innovation? Evidence from young European biotech companies[J]. Research Policy, 2015, 44(4): 925-935.

[4]  黄福广,贾西猛,田莉.风险投资机构高管团队知识背景与高科技投资偏好[J].管理科学 ,2016,29(05):31-44. Huang F G, Jia X M, Tian L. Knowledge backgrounds of top management team in venture capital firms and the high-tech investment preference [J]. Journal of Management Science,2016,29(05):31-44.

[5]  Hambrick D C, Mason P A. Upper echelons: The organization as a reflection of its top managers[J]. Academy of management review, 1984, 9(2): 193-206.

[6]  詹婧,李玉茹.“逃离工厂”的骑手会有更强的平台留任意愿吗?——基于烙印理论的解释[J].经济管理,2022,44(03):123-138. Zhan J, Li D R. Will the ‘run away from factory’ riders have stronger desire to stay on the food delivery platform? Explanation based on imprinting theory [J]. Business and Management Journal,2022,44(03):123-138.

[7]  Brown S J, Goetzmann W N. Performance persistence[J]. The Journal of Finance, 1995, 50(2): 679-698.

[8]  Patzelt H, zu Knyphausen-Aufseß D, Fischer H T. Upper echelons and portfolio strategies of venture capital firms[J]. Journal of Business Venturing, 2009, 24(6): 558-572.

[9]  Milosevic M. Skills or networks? Success and fundraising determinants in a low performing venture capital market[J]. Research Policy, 2018, 47(1): 49-60.

[10]  黄婉莹. 高管人力资本特征对企业风险投资选择的影响分析[J]. 现代商贸工业 ,2019,40(06):80-81. Huang W Y. An analysis of the influence of executive human capital characteristics on the choice of enterprise venture capital [J]. Modern Business Trade Industry,2019,40(06):80-81

[11]  Francis B, Hasan I, Park J C, et al. Gender differences in financial reporting decision making: Evidence from accounting conservatism[J]. Contemporary Accounting Research, 2015, 32(3): 1285-1318.

[12]  周业安, 程栩, 郭杰. 高管背景特征与资本结构动态调整——国际比较与中国经验[J]. 经济理论与经济管理, 2012 (11): 11-22. [12] Zhou Y A, Cheng X, Guo J. Background characteristics of senior managers and the dynamic capital structure choice-international comparison and empirical test[J]. Economic Theory and Business Management, 2012 (11): 11- 22.

[13]  Herrmann P, Datta D K. Relationships between top management team characteristics and international diversification: An empirical investigation[J]. British Journal of Management, 2005, 16(1): 69-78.

[14]  Li J J, Zhou K Z, Shao A T. Competitive position, managerial ties, and profitability of foreign firms in China: An interactive perspective[J]. Journal of International Business Studies, 2009, 40(2): 339-352.

[15]  Lee H U, Park J H. The influence of top management team international exposure on international alliance formation[J]. Journal of Management Studies, 2008, 45(5): 961-981.

[16]  Bottazzi L, Da Rin M, Hellmann T. Who are the active investors?: Evidence from venturecapital[J]. Journal of Financial Economics, 2008, 89(3): 488-512.

[17]  Zarutskie R. The role of top management team human capital in venture capital markets: Evidence from first-time funds[J]. Journal of Business Venturing, 2010, 25(1): 155-172.

[18]  Mu J, Peng G, MacLachlan D L. Effect of risk management strategy on NPD performance[J]. Technovation, 2009, 29(3): 170-180.

[19]  Sapienza H J, Gupta A K. Impact of agency risks and task uncertainty on venture capitalist– CEO interaction[J]. Academy of Management Journal, 1994, 37(6): 1618-1632.

[20]  Readings in economic sociology[M]. John Wiley & Sons, 2008.

[21]  Goldman E, Rocholl J, So J. Do politically connected boards affect firm value?[J]. The review of financial studies, 2009, 22(6): 2331-2360.

[22]  吴超鹏, 吴世农, 程静雅, 王璐. 风险投资对上市公司投融资行为影响的实证研究[J]. 经济研究, 2012(1):105-119. Wu C P, Wu S N, Cheng J Y, Wang L The Role of Venture Capital in the Investment and Financing Behavior of Listed Companies: Evidence from China [J]. Economic Research Journal, 2012(1):105-119.

[23]  Pfeffer J, Salancik G R. The external control of organizations: A resource dependence perspective[M]. Stanford University Press, 2003.

[24]  李晓伟, 管彩峰. 促成政府引导基金参股合作伙伴关系的条件组态[J]. 中国科技论坛(5):10. Li X W, Guan C F. Configurations to facilitate the equity cooperation of government guiding fund [J]. Forum on Science and Technology in China (5):10.

[25]  杜运周, 贾良定. 组态视角与定性比较分析(QCA):管理学研究的一条新道路[J]. 管理世界 , 2017, 000(006):155-167. Du Y Z, Jia L D. Configuration perspective and qualitative comparative analysis(QCA): A new path for management research [J]. Journal of Management World, 2017, 000(006):155-167.

[26]  Fiss P C. Building better causal theories: A fuzzy set approach to typologies in

[27]  程建青,罗瑾琏,杜运周,刘秋辰.何种创业生态系统产生女性高创业活跃度?[J].科学学研究,2021,39(04):695-702. Cheng J Q, Luo J L, Du Y Z, Liu Q C. What kinds of entrepreneurial ecosystem can produce country-level female high entrepreneurial activity? [J]. 科学学研究,2021,39(04):695-702.

[28]  于晓东, 李宇萍, 王瑞华. 家族企业为何解雇家族 CEO?——基于 QCA 的探索性研究[J]. 经济管理, 2019, 41(5): 55-71. Yu X D, Li Y P, Wang R H. Why family firms dismiss family CEO? a qualitative comparative analysis based on kinships and managerial roles [J]. Business and Management Journal, 2019, 41(5): 55-71.

[29]  杜运周,李佳馨,刘秋辰,赵舒婷,陈凯薇.复杂动态视角下的组态理论与 QCA 方法：研究进展与未来方向[J].管理世界,2021,37(03):180-197+12-13. Du Y Z, Li J X, Liu Q C, Zhao S T, Chen K W. Configurational Theory and QCA Method from a Complex Dynamic Perspective: Research Progress and Future Directions [J]. Journal of Management World,2021,37(03):180- 197+12-13.

[30]  杜运周,刘秋辰,程建青. 什么样的营商环境生态产生城市高创业活跃度?——基于制度组态的分析[J]. 管理世界, 2020, 36(09):141-155. Du Y Z, Liu Q C, Cheng J Q. What kind of ecosystem for doing business will contribute to city-level high entrepreneurial activity? a research based on institutional configurations [J]. Journal of Management World, 2020, 36(09):141-155.

[31]  Andrews R, Beynon M J, McDermott A M. Organizational capability in the public sector: A configurational approach[J]. Journal of Public Administration Research and Theory, 2016,26(2): 239-258.

[32]  Mozas-Moral A, Bernal-Jurado E, Medina-Viruel M J, et al. Factors for success in online social networks: An fsQCA approach[J]. Journal of Business Research, 2016, 69(11): 5261-5264. 

What Kind of Guiding Fund Invests More in High-Tech Companies?

- Configurational Analysis from Top Management Team Perspective

Jiang Yanchen， Huang Xiaoxia

(School of Economics and Management， University of Science and Technology Beijing， Beijing, 100083) 

Abstract： The Government Guiding Fund is set up by the Chinese government to alleviate the financing constraint of firms, especially in the early stages of the development of small and medium- sized high-tech enterprises. However, in reality, the Guiding Funds have been criticized in the market for not investing in high-tech companies, but focusing on traditional industries. Taking the data of 174 Guiding Funds, this paper considers the fundraising ability and investment frequency of the Government Guiding Fund as scenarios and uses the fsQCA method to examine how the different configurations of top management team members' gender, overseas study or work experience, STEM background, and political connection conditions affect the Guiding Funds investment decision. Thus, from the perspective of configuration, this paper investigates what kind of Government Guiding Funds' top management teams tend to invest more in high-technology firms. The results show that a single characteristic element of the top management team of the Government Guiding Funds does not constitute a necessary condition for investment in high-tech firms. There are four configurations for the Government Guiding Funds to invest in high-tech enterprises, namely female management member-driven configuration, local management member-driven configuration, fundraising & investment-driven configuration, and STEM member & political connection-driven configuration. The female management member-driven configuration indicates that the Guiding Funds with a high proportion of female executives and high investment frequency tend to invest in high-tech companies. The local management member-driven configuration supports the Guiding Funds with a low proportion of executives with overseas working or education experience and a low proportion of executives with political connections as well as high investment frequency to invest more in high-tech companies. Fundraising & investment-driven configuration explains the fact that as long as the Guiding Funds raise enough funds and the investment frequency is high enough, the composition of the top management team will not affect the funds' investment decision in high-tech enterprises. The political connection-driven configuration shows that the political connections also affect the investment decision of Guiding Funds. The funds with a high percentage of STEM background members and political connections have a high tendency to invest in high- tech target firms. The results remain robust after several robustness checks. After adjusting the frequency threshold, consistency threshold, and PRI consistency threshold, respectively, and taking the fundraising ability as a major condition in all configurations, the four final configurations remain robust. The four different driving configurations show that different from the result of traditional

linear regression analysis, the combination of multiple elements can achieve the same result, and there is not only one way to promote the Guiding Funds to invest more in high-tech enterprises. When the investment frequency of the fund is high enough, various executive configurations can drive the Guiding Funds to invest in high-tech target enterprises. The research results support the idea that different characteristic configurations of the Guiding Funds’ top management team can all have a tendency to invest in high-tech enterprises and thus provide a new research perspective and decision-making basis for the construction of the Guiding Fund top management team. 

Keywords： Guiding Fund; top management team characteristics; fsQCA;