4.4.6 稳健性检验
（1）校正样本自选择偏差
当某些风险投资家能够更好地为企业提供增值服务时，这些风险投资家在挑选高质量企业进行投资上将占有优势。因此，在选择风险投资家的过程中，存在企业考虑战略目标、市场制度等外生原因而选择某种特定职业背景的风险投资家的可能，特定职业背景的风险投资家也有可能凭借自身资源寻找具备某些特质的企业，对其进行投资，这些都会导致自选择偏差问题。
为了分离出职业背景差异对投资业绩的影响，本研究构造特征相似的两类投资项目再次进行检验。首先，采用倾向得分匹配法（Propensity Score Matching，PSM）将每个金融背景风险投资家投资的项目与三个实业背景风险投资家投资的项目进行匹配，共得到5 376条观测。匹配要素考虑了风险投资家特征、企业特征、项目特征、VC机构特征和投资的年份。表4.11的第（1）列和第（2）列是对数据的平衡性检验，可以看出匹配后的数据对匹配变量的敏感性大大降低。根据pstest检验结果，匹配后的各变量的数据偏离度均小于10%。然后，利用匹配后的样本进行Probit回归，表4.11的第（3）列和第（4）列结果同表4.4保持一致，表明相较于实业背景风险投资家，金融背景风险投资家投资的项目更容易通过IPO退出。
表4.11 稳健性检验：风险投资家职业背景与IPO退出率（项目层面）
续表
注：表中的括号内为t值，***、**、*分别表示系数在1%、5%、10%水平下显著。
（2）解决遗漏变量引起的内生性问题
除了在模型中已经控制的变量，还有可能存在其他企业特征导致金融背景风险投资家更可能与IPO潜力高的创业企业合作，而这些特征并未被观测到。为了排除遗漏变量导致的内生性问题，参考Bottazzi et al.（2008）的做法，本研究选取“企业所在省份金融背景风险投资家占比”作为工具变量（IV），进行IVProbit模型回归。选择工具变量的主要理论依据：一是该工具变量与被解释变量（企业能否IPO）之间相关性很低。单个企业与风险投资家之间的选择或许具有内生性，但是金融背景风险投资家在本地区的可得性却是外生的。并且，一旦企业选择了某个风险投资家作为投资者，其未来能否成功IPO便与其他风险投资家相关性很低。二是该工具变量与解释变量（风险投资家是否具有金融背景）之间相关性较高。经大量文献验证，风险投资对目标企业的选择具有“本地倾向”性，即受代理风险、交流成本、信息可得性等因素影响，风险投资更可能与处于同一地区的企业达成投资协议。因此，企业能否被金融背景风险投资家投资在一定程度上与企业所在地区金融背景风险投资家的可得性有关。综上所述，该工具变量满足选取标准。
从表4.12所示的结果中可以看出：借助于工具变量，无论是对于原样本还是对于经过PSM方法匹配后的样本，变量Finance的系数均显著为正，表明在使用工具变量的情况下，金融背景风险投资家的投资业绩显著强于实业背景风险投资家的投资业绩。
表4.12 稳健性检验：风险投资家职业背景与IPO退出率（IV）(https://www.daowen.com)
续表
注：表中的括号内为t值，***、**、*分别表示系数在1%、5%、10%水平下显著。
需要指出的一点是，无论是PSM还是IV，只能尽可能地控制选择效应和遗漏变量引起的内生性问题，但不能完全排除金融背景风险投资家选择潜力更高的企业进行投资的可能性。因此，本研究并未否认金融背景风险投资家对企业的选择效应，而是在此基础之上，肯定了金融背景风险投资家对企业IPO的促进作用。无论是挑选优质企业，还是为企业IPO贡献价值，都是风险投资家取得良好投资业绩的关键。
（3）子样本检验
按照需求动机，企业引入风险投资的情况分为两种，一种是在企业初创阶段为解决资金需求而引入风险投资，另一种是在企业改制阶段为促进上市而引入风险投资。相较于前者，后者所涉及的投资行为具有更多私募股权投资特征。因此，如果剔除成熟阶段的投资项目，仅保留初创阶段的投资项目，可以使样本更加符合典型意义上对风险投资的定义范畴。按照这一思路，本研究对风险投资家的职业背景与投资业绩的关系再次进行检验。表4.13的结果同表4.4保持一致，说明在子样本情况下，金融背景风险投资家投资项目的IPO退出率依然高于实业背景风险投资家投资项目的IPO退出率。
表4.13 稳健性检验：风险投资家职业背景与IPO退出率（仅基于初创阶段的投资项目）
续表
注：表中的括号内为t值，***、**、*分别表示系数在1%、5%、10%水平下显著。