风险投资实际上资助了什么？全球规模与结构

Santiago Reyes

Kianna Freeman

Pablo Hernando-Kaminsky

Jeremias Huber

Paolo Mauro

政策研究工作论文 11438

摘要

风险投资普遍被视为资助知识密集型、研发驱动的初创企业，但由于数据限制，这一观点主要基于高收入经济体。通过采取全球视角，本文记录了风险投资资助的内容在不同经济体之间系统性地存在差异，这种差异随着制度和商业条件的变化而变化，而不是遵循单一模式。使用一个新的跨国数据集，该数据集将企业级风险投资记录与超过150个经济体的股票发行数据进行协调，数据显示VC市场在不同国家不仅在规模上而且在种类上都存在差异。在高收入国家之外，风险资本的倾斜——无论是在行业还是企业层面——都倾向于组织无形资产，如分销、物流和支付。强调风险投资的独特特征，这种模式在公共股权市场中是不存在的，在那里行业组成在收入水平上要相似得多。一个会计分解将风险资本深度分为企业进入市场的速度和每个进入者吸引的资金，并且进入账户解释了最大的跨国差距。此外，商业环境主要通过进入与VC相关联，这与市场规模的大小以及风险资本资助的内容的组成相关，后者通过进入知识密集型行业尤其如此。

风险投资实际上资助了什么？全球规模与结构

Santiago Reyes

a,^{Kianna Freeman} ^b Pablo Hernando-Kaminsky^a Jeremias Huber^a Paolo Mauro^a a,^{授权分发 Paolo Mauro, 前任首席经济学家兼私人市场组主任，发展经济学，世界银行集团} ^b

关键词：风险投资，发展中国家，行业构成，初创企业融资，股票市场，无形资本，组织创新，金融发展。

JEL 分类：G24, O16, O33, L26, O57

1 引言

风险投资（VC）在资助年轻、创新型企业方面发挥着核心作用，大量证据将VC支持的公司与创新、企业创建和经济增长联系起来（Kortum和Lerner，2000；Samila和Sorenson，2011；Gornall和Strebulaev，2021）。VC已成为一种特定类型的创新的特征：知识密集型和研发驱动型，其他地方的VC市场被视为同一模式的缩小版。

Venture capital (VC) plays a central role in financing young, innovative firms, and a large body of evidence links VC-backed companies to innovation, firm creation, and economic growth (Kortum and Lerner, 2000; Samila and Sorenson, 2011; Gornall and Strebulaev, 2021). VC has come to be characterized by a particular kind of innovation: knowledge-intensive and R&D-driven, with VC markets elsewhere seen as smaller versions of the same model.¹ 然而，关于风险投资（VC）所资助的创新类型的主要证据主要来自美国（US）和其他几个高收入经济体（Gompers和Lerner，2001年；Hellmann和Puri，2002年；Hochberg等人，2007年；Lerner和Nanda，2020年）。鉴于全球风险投资流向新兴市场国家的份额不断上升，了解这一观点是否更广泛地成立变得越来越重要。此外，正如我们所记录的，风险投资已成为许多发展中国家的主要股权融资渠道，在平均低收入和下中等收入国家中，风险投资约占总股权融资的三分之二。在这篇论文中，我们从全球视角审视风险投资资助的内容。我们使用了一个新构建的跨国数据集，该数据集将PitchBook和Crunchbase记录的风险投资投资进行了协调，涵盖了150多个经济体，我们展示了风险投资不仅在规模上而且在种类上都存在差异。被视为风险投资特征的知识密集型投资是一种情况而不是规则：它所资助的无形资产类型随着制度和商业条件的不同而变化。

风险投资的行业构成在不同经济体中系统性地存在差异。在高收入经济体中，风险投资集中在与研发和前沿技术相关的知识无形资产上。然而，随着经济和制度发展的阶梯下降，风险投资倾向于转向组织无形资产，如分销、物流和支付。这一区分在无形资本文献中已经建立，该文献将通过研发积累的知识与通过管理实践、品牌、分销系统以及嵌入其中的人力资本构建的组织资本分开（Peters和Taylor，2017年；Lev和Radhakrishnan，2005年；Corrado等人，2009年；Ewens等人，2025年）。两者都无法抵押，因此更多依赖于股权而非债务，并且它们对公司的环境有不同的要求。第三组则处于这种区分之外。那些价值主要来自有形资产的行业，如农业、陆上运输和建筑，在低收入经济体中占据了更大的风险投资份额，这与风险投资填补了其他资本来源在更成熟市场中所服务的空白是一致的。这种变化是特定于风险投资的：公共股权市场在不同收入水平上资助的行业概况大致相似，而风险投资的构成则随着制度和商业条件的变化而变化。

在发展中国家，组织无形资产的倾斜趋势并非由像印度或中国这样的主要新兴风险投资市场推动，也不是由小型风险投资市场中的一些大型交易推动的。这种趋势在企业对自己业务的描述中也可见一斑，即使是在像IT这样定义狭窄的行业中。发展中国家的初创企业更可能用分销、物流和市场来描述他们的业务，而不太可能提及研发和前沿技术，与高收入经济体的初创企业相比更是如此。² 因此，这种模式并不仅仅依赖于行业级别的无形资产分类。

这种组成差异与风险投资市场如何在各国发展有关。对风险投资强度的会计分解将跨国差异分为两个方面：进入，以每 capita 接受种子资金的初创企业数量来衡量，以及每个进入者的资金深度，它捕捉了票面大小和后续资金的差异。进入环节解释了最大的跨国差距，收入群体之间差异达11到40倍。先前的研究将制度质量、税收结构和股票市场深度与风险投资活动总量联系起来（Gompers和Lerner，1998年；Jeng和Wells，2000年；Cumming等人，2010年；Groh和Wallmeroth，2016年）。我们展示了这些条件对风险投资的影响是不均匀的：它们主要通过进入环节而非资金深度与风险投资活动相关联，且对于进入知识密集型行业的影响最为强烈。因此，商业环境不仅与一个国家有多少风险投资有关，还与这些风险投资资助了什么有关。这与知识密集型风险投资需要更长的时间范围、更高的失败容忍度和更强的制度保障是一致的，使它们比能更快产生回报的组织风险投资更容易受到制度弱点的影响。因此，与风险投资市场深度相关的条件也与它的行业组成相关，这是与我们在发展中国家记录的组织倾向一致的一个渠道。

这些问题之所以受到的关注有限，部分原因在于没有单一的数据源能够全面覆盖发展中国家的风险投资（VC）。我们在这一方面做出了两项贡献。首先，我们构建了一个协调一致的数据集，通过多阶段匹配程序将两个最大的VC数据库（PitchBook和Crunchbase）合并为一个统一的公司级数据集，该程序能够在没有共同标识符的情况下将不同来源的公司相互链接。在整篇文章中，我们将VC融资定义得较为宽泛，包括种子前、种子、天使和风险资本轮次。综合数据集捕捉到的VC活动比单独使用PitchBook或Crunchbase多出15%至42%，具体取决于所使用的衡量标准，在发展中国家获得的收益最大。这种扩展的覆盖不仅仅是简单的累加：它为VC活动的规模和行业组成提供了更完整的画面，在PitchBook和Crunchbase个别遗漏了大量交易的地区尤其如此。其次，我们使用国际标准产业分类代码（ISIC代码）对数据集中的行业分类进行了标准化。³ 我们将协调一致的VC数据与伦敦证券交易所集团（LSEG）提供的国家-行业级别的股权发行数据进行了匹配。⁴ 这使我们能够将VC置于每个国家的股权市场结构中，比较VC与公共股权市场所资助的内容，并衡量每个经济体中的VC与高收入模式的偏离程度。结果产生的数据集是第一个将公司级VC数据与这一范围内的经济体行业级股权发行数据结合起来的数据集。

这些发现涉及四个研究领域。首先，本文扩展了我们对全球风险投资（VC）融资的理解。随着风险投资和私募股权在全球范围内的兴起，越来越多的人对分析更广泛国家的市场产生了兴趣。专注于中国，Lerner等人（2026年）建议，风险投资进入新兴市场的扩散取决于商业模式的环境适应性。Colonnelli等人（2025年）指出，新兴市场和发展中经济体的私人资本市场迅速扩张，这些市场的行业和交易规模模式存在很大差异，作为分析投资者态度的前奏，通过与私人资本投资者的调查实验来衡量。Colonnelli等人（2026年）研究了非洲的需求侧，记录了初创企业的融资偏好以及本地股权供应的外国主导地位。我们专注于严格意义上的风险投资，即年轻企业的股权融资，而不是私募股权或收购。我们的论文不仅仅描述了风险投资在不同国家融资的行业；它询问在不同的制度环境下，风险投资融资了哪种类型的无形资本。标准化的数据集揭示了风险投资的知识密集型特征是高收入市场的特点。发展中国家的风险投资融资了一种不同的无形投资类型，这种投资倾向于管理能力、分销系统和市场准入，而不是研发和专利。这种无形资产组成的转变是特定于风险投资的，它对于是否可以在高收入环境中记录的创新溢出效应（Kortum和Lerner，2000年；Samila和Sorenson，2011年；Popov和Roosenboom，2012年）可以在风险投资融资不同活动的地方预期运作具有影响。

其次，组成发现与创业文献中的一个更广泛的见解相联系：制度不仅塑造了一个国家产生的创业数量，还塑造了创业的类型（Baumol，1996年；Webb等人，2020年）。我们的结果为这一论点的融资方面提供了大规模的证据。在制度较弱的地区，风险投资融资组织创新而不是知识型创新，这与企业家追求需要较少制度支持的机会一致（Estrin等人，2013年；Ahlstrom和Bruton，2006年）。向分销、物流和支付的倾斜也与风险投资支持的公司建立中介基础设施一致，因为制度空白使得这些功能服务不足（Khanna和Palepu，1997年）。

第三，本文扩展了关于跨国风险投资（VC）决定因素的文献，该文献始于对美国筹资活动的证据（Gompers和Lerner，1998年），随后扩展到多国环境（Jeng和Wells，2000年；Cumming等人，2010年；Aizenman和Kendall，2012年；Groh和Wallmeroth，2016年）。Groh和Wallmeroth（2016年）发现，在新兴市场中，标准决定因素显示出系统性的不同幅度。我们引入了一个会计恒等式，将VC强度分解为每个进入者的进入深度和资金深度。由于该恒等式在对数中是可加的，它允许我们将跨国方差精确地归因于每个边际，揭示了在不同收入水平下，主导边际是不同的。它还允许我们评估商业环境特征与VC强度之间的关联是如何分布在各个边际上的。知识密集型进入对制度条件的差异敏感性与我们所记录的行业组成差距是一致的。

第四，本文为研究金融结构如何塑造经济发展（Levine，1997年；Rajan和Zingales，1998年；Beck等人，2000年）做出了贡献。标准的跨国金融发展衡量指标追踪银行深度和股票市场资本化，但没有捕捉到风险投资。我们展示了这种遗漏是有后果的：在发展中国家，风险投资占平均低收入和下中等收入国家总股本融资的大约三分之二，使其成为创新型企业获取股本资本的主要渠道。此外，风险投资的行业组成与公共股本融资不同，并且随着收入水平的变化而变化，而股本融资的组成则不是这样。由于它们将融资视为同质的，因此金融深度的综合衡量指标无法捕捉到这一点。这与关于低收入和中等收入国家资本市场日益增长的研究工作相联系（Meh和Schmukler，2025年），该工作记录了这些市场不仅仅是高收入金融系统的欠发达版本，而是在其经济中发挥着不同的功能。

本文的结构如下。第2节描述了数据来源和协调过程。第3节展示了证据，围绕两个维度组织：不同收入水平下风险投资的行业组成，以及各国风险投资市场的发展，包括与跨国差异相关的条件。第4节讨论了政策和未来研究的含义。

2 数据

在衡量传统中心地区之外的风险投资活动时，主要的数据挑战在于没有单一来源能提供全面的覆盖。我们通过将PitchBook和Crunchbase的数据整合成一个统一的公司级数据集，并将其与LSEG在国家-行业层面的股权发行数据进行匹配来解决这个问题。⁵ 本节描述了基础数据来源、整合过程以及结合两个风险投资数据集所获得的收益。

2.1 数据来源

风险投资。我们利用全球最大的两个风险投资数据库PitchBook和Crunchbase来构建协调一致的数据集。这两个数据库都涵盖了企业生命周期中的各种交易类型，从早期融资到首次公开募股，覆盖了所有地区（附录B提供了每个数据库的额外详细信息）。然而，任何一个来源都不是全面的，特别是在发展中国家，收集和验证交易级数据更为困难。这一限制在其他地方也有记录。Kaplan和Lerner（2017年）指出，没有单一来源能捕捉到每一次风险投资交易，而Colonnelli等人（2026年）的研究表明，通过将PitchBook与非洲的专业本地提供商相结合，可以多回收39%的交易和25%的公司。我们利用这两个全球最大的数据库之间的互补性，构建了一个在我们样本中所有国家一致的覆盖增益度量。正如我们下面所记录的，这些增益在中等收入国家最大，在这些国家中，覆盖最完整的提供者因国家而异。

附录中的表B.1总结了每个来源的原始覆盖范围。PitchBook总体上是一个更大的数据库，拥有561,918家公司，但其覆盖范围扩展到非风险投资融资，如收购或私募股权。Crunchbase更为专业化：其91.9%的公司接受了风险投资融资，而PitchBook为47.7%。我们将风险投资融资定义为包括种子前、种子、天使和风险资本轮次。因此，我们将样本限制在至少接受过这样一轮融资的公司，并为了减少测量误差，进一步限制在首次交易在15岁之前接受的公司。⁶

我们还将公司分类为国际标准工业分类（ISIC）部门，以便将风险投资数据与其他公司和市场层面的数据集进行比较。PitchBook和Crunchbase中的行业信息是根据提供者特定的行业类别报告的，这些类别之间以及与外部数据集之间无法直接比较。因此，我们使用可用的行业和部门字段将公司映射到ISIC代码。这种协调对于将风险投资活动与其他数据集（如本文中的伦敦证券交易所集团（LSEG）股权发行数据）链接起来非常重要，以及用于比较不同风险投资、公共股权和其他公司融资来源的行业模式如何变化。

实证分析集中在2012年至2023年记录的交易上，这是观察到风险投资活动在所有地区更为一致的时期。对于分析，我们将交易分为三个一年期窗口：2012-2014年、2015-2017年、2018-2020年和2021-2023年，以减少年与年之间的波动性。该数据集涵盖了私人和公共投资者的投资，因为我们旨在描述各国风险投资市场的整体结构，而不是区分投资者类型。

股权发行。我们将协调的风险投资数据与伦敦证券交易所集团（LSEG）提供的证券数据公司（SDC）Platinum数据库中的国家-部门级股权发行数据进行匹配（见附录B以获取更多详细信息）。SDC Platinum提供了各国公开上市和私人持有公司股权发行的详细交易级信息，使我们能够记录并描述全球股权市场的活动。在整篇文章中，我们将公司分配到国家，依据的是它们总部的位置，而不是发行或上市的地点，这也是我们将风险投资分配的依据。因此，总部设在哥伦比亚但在国外上市的公司被记录为哥伦比亚股权发行，就像总部设在哥伦比亚但由外国风险投资者资助的公司被记录为哥伦比亚风险投资一样。这种共同的基础是允许在公司层面比较这两种融资渠道，并让我们能够在国家-部门层面将风险投资活动与公共股权市场进行基准比较。

私募股权增长。私募股权增长使用PitchBook数据进行衡量，通过保留交易类型被分类为私募股权的交易。交易被分配到三个时期——2015-2017年、2018-2020年和2021-2023年——并排除了交易规模为零或缺失的观察结果。然后按国家和时期汇总交易量，产生了一个国家-时期私募股权增长活动的度量。

其他指标。国家根据世界银行2025年的分类被分配到收入组和区域（见附录C）。国家层面的营商环境指标来源于几个来源：世界银行《营商环境报告》中的少数股东保护数据；世界银行《全球治理指标》中的政治稳定数据；以及普华永道（PwC）提供的包括税收亏损结转、实际资本利得税率和企业所得税率在内的税收相关措施。

2.2 协调过程

结合PitchBook和Crunchbase的主要挑战是区分两个数据集中都出现的公司与仅出现在一个来源的公司。在这个过程中可能出现两种类型的错误。首先，如果一个公司在两个数据集中都存在但未被检测为匹配，则会出现假阴性；这会导致重复计数并夸大交易量。其次，如果两个记录被匹配但指的是不同的公司，则会出现假阳性。这可能导致有效观察的丢失并低估活动。没有通用的公司标识符将两个来源链接起来。为了尽量减少这些问题，我们使用了一个多阶段匹配程序，该程序结合了基于网站的匹配、公司名称匹配以及使用公司描述和行业分类的大语言模型（LLM）验证候选匹配。

该程序包括五个阶段。⁷ 在第一阶段，我们标准化两个数据集中的网站URL，并使用清理后的URL匹配每个国家的公司。定义为匹配分数等于1的完美匹配将绕过中间验证阶段，直接进入第五阶段进行验证，而匹配分数在0.80到小于1之间的候选对则进入第二阶段。在第二阶段，我们使用LLM来验证每个非完美网站候选对是否指的是同一实体，主要依据公司描述。确认的匹配被保留并进入第五阶段，而未确认的对则继续进入第三阶段。第三和第四阶段重复这一过程，但使用标准化的公司名称而不是URL：第三阶段生成完美和非完美的公司名称候选匹配，第四阶段使用基于LLM的描述验证对非完美公司名称匹配进行验证。在第五阶段，我们选择每个国家-数据集中排名前60的匹配公司，按公司收到的风险投资总额排序，并进行额外的LLM验证轮次。这个最终阶段涵盖了早期阶段确认的完美匹配和非完美匹配；通过这一审查确认的匹配被保留，而被拒绝的对则返回未匹配池。

验证。验证练习突显了在选择匹配阈值时所涉及的权衡。附录中的表A.4显示，当分数低于1.0时，模糊匹配能够找回那些因URL或公司名称的微小差异而可能被遗漏的真实匹配项。然而，确认率在0.95以下急剧下降，而将阈值降低到0.80以下则在高昂的计算成本下仅能获得少量额外匹配。第五阶段的审查还显示，完美的字符串匹配并不一定是无误的。在顶级验证样本中包含相同URL的公司中，有2.2%在比较了公司描述后被发现指的是不同的实体。

最终数据集包括269,915家在2012年至2023年期间至少获得过一轮融资的初创公司。⁸ 在这些公司中，有20%（54,836家）仅出现在Crunchbase中，32%（86,641家）仅出现在PitchBook中，而48%（129,900家）在两个来源中都有匹配。对于在两个数据库中匹配的公司，我们保留PitchBook记录作为主要数据来源，包括其交易历史、行业分类、位置和公司描述。

2.3 协调的收益

将PitchBook和Crunchbase合并为一个数据集，在覆盖范围上产生了巨大的收益，这些收益集中在现有数据最薄弱的市场。图1的面板（a）显示了相对于仅使用PitchBook观察到的风险投资量的增加。收益在中上收入国家最大，在中位数国家增加了22.2%的量，在总体上增加了17.4%。低收入和中下收入国家也显著增加：中位数国家增加了16.8%，总体上增加了15.4%。在高收入国家、美国和中国，收益较小，这与这些市场交易的更高可见性和Pitchbook和Crunchbase中更全面的覆盖是一致的。

面板（b）中的区域划分使模式更加清晰。撒哈拉以南非洲在数量上获得最大增长，增加了29.7%，而拉丁美洲和加勒比地区在交易数量上获得最大增长，增加了42.3%。这些是单源数据最低估风险投资活动的地区，因此，仅从任一来源单独进行的跨国比较最会扭曲这些地区的地位。增长不仅仅是累加的：每个来源所贡献的独特公司表明，这些数据集捕捉到了发展中国家中风险投资活动的不同部分。PitchBook增加了更多来自高收入国家的独特公司，而Crunchbase则增加了更多来自上中等收入、下中等收入和低收入国家的独特公司。这些独特贡献的行业构成也不同，这意味着协调改进的不仅仅是覆盖范围的规模，还有其在各个行业和经济背景下的代表性。

图1：风险资本数据覆盖范围的增长
(a) 按收入组别划分的总美元交易量增长

(b) 按地区划分的总美元交易量和交易数量增长

资料来源：协调后的PitchBook和Crunchbase数据集。
注：该图显示了与PitchBook相比，通过协调在风险资本活动中的增长，按收入组别和地区划分。数值以PitchBook基线表示，其中100等于PitchBook中的总量，因此高于100的数值表示从协调中获得的增长。面板（a）报告了按收入组别划分的总风险资本量的增长，以及中国和美国的单独值。面板（b）报告了按地区划分的总风险资本量和交易数量的增长。收入组别和区域分类遵循世界银行2025年的分类。
面板（b）中的区域缩写如下：SSA = 撒哈拉以南非洲，LAC = 拉丁美洲和加勒比地区，EAP = 东亚和太平洋地区，MENA = 中东和北非地区，SAR = 南亚地区，ECA = 欧洲和中亚地区。

附录B中的表B.5展示了协调数据集的描述性统计。最终样本包含527,031笔交易，涵盖269,915家公司，其中436,273笔交易（215,729家公司）位于高收入国家，90,758笔交易（54,186家公司）位于非高收入经济体。不同收入组别的交易规模分布不同：发展中国家低于100,000美元的交易份额更高（31.5%对比19.4%），而高于300万美元的交易更少（17.2%对比25.5%）。中国是一个特殊情况，即使是金额最小的交易也超过了100,000美元的门槛。在非高收入国家获得后续投资的概率为36.7%，而在高收入经济体中为45.9%。⁹ 企业的区域分布反映了众所周知的风险投资活动集中度：北美在高收入样本中的企业占比为53.8%，而东亚和太平洋地区在非高收入样本中占主导地位，为52.8%。

数据集的行业构成预示了我们在第3.1节中记录的模式。IT是两个组中最大的行业，但在非高收入国家中的企业占比（41.0%）低于高收入经济体（47.8%）。非高收入国家在批发和零售（8.1%对比4.0%）、运输和物流（2.9%对比1.2%）、农业和自然资源（2.8%对比2.3%）以及金融服务（4.5%对比3.2%）中的企业占比更大。这种更广泛的行业分布与发展中经济体的风险投资响应本地市场机会一致，而不是复制高收入风险投资市场典型的IT密集型构成。

风险投资市场如何形成

关于风险投资的大多数已知信息来自高收入经济体。关于发展中经济体风险投资的一个确立的事实是，它相对于GDP来说很小，平均大约是高收入国家的五分之一。¹⁰此外，关于风险投资在更广泛的金融体系中扮演的角色，以及它为哪些领域提供资金的系统性证据有限。然而，GDP基准虽然可以提供关于规模的信息，但对风险投资相对于企业实际可用的融资选项的作用却言之甚少。将我们的协调数据集与来自伦敦证券交易所集团（LSEG）的股权发行和私募股权增长数据结合起来，作为总股权融资的一部分来衡量，情况就逆转了。在2021-2023年期间，风险投资在平均低收入和下中等收入国家的股权融资中占比为66.3%，而在高收入经济体中为37.7%（图2a）。在过去十年中，这一份额急剧上升：在2015-2017年期间，低收入和下中等收入国家的平均值为37.9%，高收入经济体为24.3%。部分反映了替代方案的薄弱：在这些经济体中，公共股权发行和私募股权增长可以忽略不计或不存在，因此风险投资实际上是企业可以获得的唯一股权融资渠道。风险投资的增长速度超过了公共股权发行和私募股权增长的总和，跨越所有收入群体（图2b），但在发展中经济体中，平均风险投资的股权活动份额在六年内几乎翻了一番。

Black和Gilson（1998年）认为活跃的公共股权市场是功能完善的VC（风险投资）市场的前提条件。跨国模式表明，这种关系也可能反向运行：在公共股权和私人股权市场都较浅的情况下，VC成为主导的替代品。在低收入国家，影响VC市场的政策因此不会塑造金融体系的一个边缘部分。它们将塑造企业获取股权资本的主要或唯一渠道。这使得VC的组成，以及决定其深度的因素，成为理解发展中国家如何为创新融资的首要问题。我们将在本节的其余部分探讨这两个问题。

图2：VC在高收入国家以外的股权市场中的作用
(a) VC在股权融资中的平均份额

(b) VC总量的累积增长

资料来源：PitchBook和Crunchbase的协调数据集以及使用伦敦证券交易所集团（LSEG）的证券数据公司白金数据库发行数据计算的股权数据。

注释：本图显示了按收入群体划分的VC活动的两个衡量指标。面板（a）报告了2015年至2023年之间三个子期间内VC在股权市场中的平均份额，定义为VC交易的总价值除以VC、公共股权发行和私人股权增长投资的总和。平均值包括VC或股权发行为零的国家，只要它有某种类型的股权融资。面板（b）报告了按收入群体划分的VC总量相对于2012-2014基期的累积增长，系列在2012-2014年归一化为零。该图使用了协调的PitchBook-Crunchbase数据集，并侧重于VC支持的年轻公司。国家分组遵循世界银行2025年的收入分类。

3.1 风险投资的行业组成

将VC量视为单一总和，隐含地假设无论VC部署在何处，一美元的VC都资助类似的活动。如果这是真的，发展中国家的VC市场将简单地是高收入市场的缩小版，具有相同的行业配置按比例缩小。协调数据集的细节允许我们直接测试这个假设。我们根据公司的ISIC分类将每笔交易归入17个行业，并计算每个国家的行业VC分布与美国这个最大的VC市场的余弦相似度。¹¹ 图3展示了结果。各国的风险投资（VC）行业组成差异很大，随着收入的下降，与美国模式的偏离程度增加。这种偏离是特定于VC的。股权发行市场在收入分布上看起来与美国更为相似：中位数国家的股权发行余弦相似度为0.82，而VC为0.58（附录E图E.3）。这种对比很重要，因为VC的发展影响取决于它资助什么。一个集中在IT和软件的VC市场，对于工业政策、人力资本和增长提出的问题与集中在农业、物流或金融服务的市场不同。如果发展中国家不仅仅是遵循美国的模板，那么自然的问题是VC在这些背景下实际上资助了什么，以及这揭示了它在不同发展阶段的作用。

图3：相对于美国行业分布的余弦相似度指数¹²

资料来源：统一的PitchBook和Crunchbase数据集。

注释：该图显示了每个国家的风险资本活动行业分布与美国的余弦相似度。指数范围从0到1，数值越高表示一个国家的VC行业组合与美国基准更为相似，数值越低表示行业组成更为不同。更深的蓝色表示更大的相似性，较浅的蓝色表示较低的相似性，灰色表示没有可用数据的国家。行业分类基于国际标准工业分类（ISIC）。

这些模式背后的行业分布使偏离具体化。图4显示了高收入国家和发展中市场各行业的VC平均份额。在高收入国家，VC高度集中在IT行业，占总量的40.8%，与研发服务和化工及制药制造等行业相比，这些行业在发展中国家占有更大的份额。在低收入和中等收入国家，IT仍然是最大的行业，占29.7%，但风险资本分散在更广泛的行业。批发和零售占VC总量的14.6%，而在高收入国家为5.8%。运输和物流占8.0%，几乎是高收入国家份额2.9%的三倍。金融服务、其他制造业和教育在发展中国家的VC份额也比高收入国家更大。这些市场的投资者并没有在较小规模上复制高收入国家的行业组合，而是将资本分配到一组不同的机会上。

我们已经展示了风险投资（VC）在不同收入水平上的行业配置是不同的。一个相关的问题是，被融资活动的性质是否也有所不同。风险投资在为那些价值嵌入在知识、软件、知识产权和组织能力中的无形资产密集型企业提供融资方面发挥着关键作用。因为这样的公司通常缺乏可抵押资产，运营在巨大的不确定性之下，并且受到显著的信息不对称性的影响，它们通过传统的债务市场获得融资面临重大障碍（Hall和Lerner，2010年；Gompers和Lerner，2001年）。此外，这些特征增加了投资者监控和增值服务回报，进一步加强了风险资本投资者的比较优势。

图4：风险资本在不同行业和收入群体中的分布

资料来源：统一的PitchBook和Crunchbase数据集以及世界银行世界发展指标中的GDP数据。注意：该图比较了低收入和中等收入国家与高收入国家内部风险资本量的平均行业分布。对于每个收入群体，该图报告了2012-2023年每个行业所占风险资本量的平均份额，按国家GDP加权。行业分类基于国际标准工业分类（ISIC），收入分类基于世界银行2025年的收入分类。数值以国家内总风险资本量的百分比表示。

我们使用Demmou等人（2020年）的行业层面无形资产强度分类来测试这种对无形资产的关注是否跨越了收入水平，该分类基于Peters和Taylor（2017年）的公司层面框架。Peters和Taylor将无形资本分解为两个组成部分：知识资本，以累积的研发支出衡量；组织资本，通过销售、一般和行政费用的一部分来捕捉，反映了管理实践、品牌、分销系统和人力资本投资。最近的文献将销售和营销支出视为对客户资本的投资——在搜索摩擦和网络效应特征明显的行业中，其价值最大的分销网络、市场接入和需求侧关系（He等人，2024年）。Demmou等人（2020年）将这些公司层面的度量转化为行业层面的平均值，使我们能够根据三种类型的无形资产（总无形资产、基于知识的无形资产和基于组织的无形资产）的强度对每个行业进行分类（详见附录D的完整行业分类）。这些知识和组织资本的代理变量依赖于假设的资本化参数，并可能低估无形资产的真实价值（Ewens等人，2025年）。尽管关于无形资产的文献，因此其行业分类，主要是使用高收入国家的公司层面数据开发的（Corrado等人，2009年；Peters和Taylor，2017年），但从理论上讲，有充分的理由期望这种分类在发展中国家仍然有效。无形资产强度主要是行业生产技术的一个属性，而不是其地理位置：例如，信息技术无论公司在哪里运营，都需要在组织过程、员工培训和分散决策中进行共同投资（Brynjolfsson和Hitt，2003年）。此外，无形资产是非竞争性的——一旦开发出来，就可以在不被耗尽的情况下跨境部署（Corrado等人，2022年），这意味着采用现有技术的发展中国家的公司继承了这些技术的无形资产强度。¹³

初看之下，标准的特征描述是成立的。在所有国家中，风险投资（VC）将更大份额的资本分配给无形资产密集型行业（表1，第1栏）。在发展中国家，这种关联性较弱，无形资产密集型行业的份额低于高收入国家（第2栏），但它仍然是正的。然而，这个总体结果掩盖了一个重要的区别。如果无形资产的定义仅基于知识无形资产，那么模式就会出现分歧。风险投资在知识密集型行业的集中，即那些由研发和专利支出定义的行业，几乎完全由高收入国家驱动（第3-4栏）。这是Kortum和Lerner（2000年）记录风险投资活动与专利率之间强烈联系的背景。在发展中国家，风险投资量份额与知识无形资产强度之间的净关联并不显著不同于零（低收入和下中等收入国家的p=0.34，上中等收入国家的p=0.81）。

如果定义扩展到包括组织无形资产，那么发展中国家的风险投资确实倾向于无形资产：那些由管理能力、分销网络、品牌建设和人力资本定义的（第5-6栏）。净关联性比高收入国家弱，但在所有收入群体中都是正的且显著的。这种区别与发展中国家风险投资支持的公司实际所做的相一致。像哥伦比亚的Rappi或东非移动银行平台时期的M-Pesa，并没有开发新的核心技术；他们将现有技术应用于特定于服务不足市场的分销、支付和物流问题。他们的无形价值不在于专利或研发，而在于在基础设施有限和消费者需求与高收入市场不同的环境中运营所需的组织知识。这种解释与来自非洲的证据一致，即创始人重视具有本地知识的投资者（Colonnelli等人，2026年）。标准叙述认为风险投资通过无形资本资助创新并没有错，但它不完整。在发展中国家，相关的无形资产是组织性的而不是基于知识的，创新在于部署而不是发现。新兴市场中关于公司动态的证据表明，高增长公司并不集中在知识密集型行业；它们跨越服务业、零售和制造业，并且无论在哪个行业都占了不成比例的就业创造（Grover等人，2019年）。

表1中的最后一个重要事实涉及风险投资（VC）分配给基础组的份额：在总收入中被归类为非无形资产的行业（第1列），以及在高收入国家中的相同行业（第2列）。常数项表明，在高收入国家中，这些行业获得了风险投资量的非微不足道的份额（11%），而在发展中国家中观察到的份额更高。我们将这些行业称为传统行业，因为它们的价值主要来自有形资产（详见附录D的完整行业分类）。它们包括农业和作物生产、陆路运输、基本公用事业和建筑业等活动。这个标签描述了它们在无形资产分类中的位置，而不是它们的增长潜力，它们的存在提出了一个问题。这些是资产类型正是银行愿意贷款的公司，然而它们却筹集了风险资本而不是债务。为什么风险投资会资助传统理论认为应该由银行贷款支持的活动，这是一个我们在第3.2小节中讨论的模式。

表1：无形资产强度与风险投资量份额（2012-2023）

	(1)	(2)	(3)	(4)	(5)	(6)
	(1)	根据无形定义的风险投资量份额		知识		组织
高无形资产强度（总计）	0.561*** (0.022)	总计 0.617* -0.229*
× 中上收入国家							(0.016) -0.144*** (0.046)
× 低收入和中下收入国家						0.158***
高无形资产强度（知识）		(0.045)	(0.030)	0.239* (0.022) -0.224*
× 中上收入国家 × 低收入和中下收入国家				(0.067) -0.276***		0.579***
高无形资产强度（组织）				(0.044)	0.532***	(0.013)
× 中上收入国家					(0.019)	-0.128*** (0.034)
× 低收入和中下收入国家					0.149***	-0.165*** (0.044)
常数项	0.134*** (0.012)	0.111*** (0.007)	0.336*** (0.018)	0.300*** (0.013)	(0.012)	0.130*** (0.005)
观察值 R平方	483 0.868	483 0.887	483 0.591	483 0.675	483 0.875	483 0.890
p值：低收入和中下收入国家 = 0		0.000		0.338		0.000
		0.000		0.809		0.000
p值：中上收入国家 = 0

注释：本表报告了2012-2023年间，风险投资（VC）分配到各个行业中的份额与行业无形资产强度指标之间的回归分析。因变量是每个行业-国家单元格中的风险投资份额。在每一列中，形成了三种类型的行业：符合定义的行业、不符合定义的行业以及没有数据进行分类的行业。该表报告了前两种的数据。第（1）和（2）列使用了总体无形资产强度指标，第（3）和（4）列使用了知识无形资产强度指标，第（5）和（6）列使用了组织无形资产强度指标。偶数列将无形资产强度与低收入和下中等收入国家以及中上等收入国家的指标进行交互，因此高收入国家是被排除的类别。收入分类基于世界银行2025年的收入分类。回归分析以国家GDP为权重。标准误差报告在括号内。*** p < 0.01，** p < 0.05，* p < 0.1。

我们使用伦敦证券交易所集团（LSEG）的数据重复了公共股权发行的练习。结果展示了风险投资的独特性。股权发行并不倾向于无形资产密集型行业。实际上，它倾向于无形资产强度较低的行业（表2）。更引人注目的是，这种模式在不同收入水平之间并不一致变化。与风险投资不同，在发展中国家和高收入经济体之间，无形活动的融资类型存在差异，公共股权市场在每个地方都融资了类似的行业配置。这与Lerner等人（2026年）的观点一致，他们认为新兴市场中风险活动的扩散不是由资本流动驱动的，而是由当地投资者根据每个特定环境调整商业模式所驱动。

表2：无形资产强度与股权份额（2012-2023）

	(1) 总计	(2)	(3)	(4) 知识无形资产强度	(5) 组织无形资产强度	(6)
高无形资产强度（总计）	-0.230***	-0.197***
× 低收入和下中等收入	(0.039)	(0.032) -0.357***
× 中上等收入		(0.040) -0.033
高无形资产强度（知识）		(0.116)	-0.673***	-0.700***
× 低收入和下中等收入			(0.046)	(0.049) -0.048
× 中上等收入				(0.056) 0.111
高无形资产强度（组织）				(0.093)	0.017	-0.019
× 低收入和下中等收入					(0.040)	(0.040) 0.039
× 中上等收入						(0.066) 0.123
常数项	0.612***	0.599***	0.834***	0.850***	0.489***	(0.095) 0.509***
观察值	(0.027)	(0.023)	(0.032)	(0.035)	(0.027)	(0.028)
R方	244	244	244	244	244	244
p值：低收入和下中等收入 = 0	0.333	0.383	0.861	0.866	0.003	0.030
p值：中上等收入 = 0		0.000 0.040		0.000 0.000		0.710 0.230

资料来源：股权数据来自使用伦敦证券交易所集团（LSEG）的证券数据公司白金数据库中的发行数据进行计算。注释：本表报告了将股权成交量按行业分配的份额对行业无形资产强度指标进行回归分析的结果。因变量是国家内部股权成交量的份额。第（1）-（2）列使用整体无形资产强度指标，第（3）-（4）列使用知识无形资产强度指标，第（5）-（6）列使用组织无形资产强度指标。偶数列将无形资产强度与低收入和下中等收入国家以及中上等收入国家的指标进行交互，因此高收入国家是被排除的类别。收入分类基于世界银行2025年的收入分类。回归分析按国家GDP加权。标准误差报告在括号内。*** p < 0.01，** p < 0.05，* p < 0.1。

如上所述，使用行业级分类的一个问题是它根据每个行业的生产技术分配无形资产强度，这可能因公司而异，或者不同收入水平的行业之间可能存在差异。作为补充证据，我们检查了这一模式在公司层面上是否成立。我们构建了两个关键词字典，一个用于知识导向活动，另一个用于组织导向活动，通过向大型语言模型提供上述两种无形资产类型的定义，并要求其生成相关术语，然后我们进行了审查。知识字典涵盖了研发、专利和前沿技术（例如，专有、专利、算法、临床试验、药物发现）；组织字典涵盖了分销、物流和市场准入（例如，物流、最后一英里、市场、供应链、移动支付）。然后我们通过搜索其业务描述中的这些术语来标记每个初创公司。¹⁴ 此分析作为行业级分类的稳健性检验，并不意味着要捕捉与每个类别相关的每一个术语。

表3回归分析了每种关键词类型在收入群体指标上的普遍性，以高收入国家作为被排除的类别。结果证实了行业模式。在高收入国家中，16.0%的公司描述包含至少一个知识关键词，相比之下，在低收入和下中等收入经济体中为10.2%，在中上等收入经济体中为10.1%——差距大约为六个百分点。

组织关键词的模式则相反：高收入企业描述中有9.3%包含组织术语，而在低收入和下中等收入经济体中这一比例为17.7%，在上中等收入经济体中为16.5%。第3列总结了净倾向：高收入风险投资支持的企业相对于组织类更倾向于知识无形资产，而发展中国家的企业则倾向于相反方向。高收入和开发中国家在知识与组织差距上的差异为13-14个百分点。知识与组织无形资产倾向之间的区别并非行业分类的产物。它也反映在企业对自己活动的描述中。

表3：商业模式中的知识和组织关键词

变量	(1) 知识	(2) 组织	(3) K减O
低收入和下中等收入	-0.058***	0.084***	-0.143***
上中等收入	(0.002) -0.060***	(0.003) 0.073***	(0.004) -0.132***
常数	(0.003) 0.160***	(0.004) 0.093***	(0.005) 0.068***
	(0.001)	(0.001)	(0.001)
观察值 R方	240,911	240,911	240,911
	0.003	0.007	0.009

注释：表中报告了基于关键词指标的企业层面回归，以收入组虚拟变量为自变量。第（1）列的因变量等于1，如果企业的业务描述中至少包含一个与知识相关的关键词，包括与研发、专利、算法、人工智能、生物技术、半导体和前沿技术相关的术语。第（2）列的因变量等于1，如果企业的业务描述中至少包含一个与组织相关的关键词，包括与分销、物流、市场、供应链、配送网络、客户获取、电子商务、移动支付和数字支付相关的术语。第（3）列报告了知识和组织指标之间的差异。括号内报告了稳健的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

3.2 从行业结构到风险投资深度

第3.1小节中的行业模式不仅限于高收入经济体和发展中经济体之间的比较。它们随着风险投资市场自身的深度而不断变化。图5a根据风险投资量占GDP的对数比例，绘制了根据其无形定义（知识、组织或两者都不是 - 传统）分配给各行业的风险投资份额。由于知识和组织度量不是相互排斥的，一个行业可以在这两种定义上都很密集，这些份额不需要加起来等于一。知识和组织密集型份额随着风险投资深度的增加而稳步上升，而传统份额则下降。前一小节记录的行业倾斜是更广泛模式的一种表现：随着各国风险投资深度的变化，风险投资所资助的内容也会发生变化。

一个自然的问题是风险投资如何适应金融系统的其余部分。风险投资深度与金融发展之间的关系远非紧密。图5b绘制了风险投资占GDP与IMF金融发展指数的关系。两者呈正相关，但在得分低于0.6的国家之间分散度很广，在类似的金融发展水平下，风险投资占GDP的比例跨越几个数量级。金融发展解释了风险投资深度跨国差异的大约三分之一，其余的三分之二归因于其他因素。与这种分散一致的一种解释是，风险投资在正式信贷稀缺的地方替代银行：在一些低发展环境中，风险投资资助了更深层次的银行系统会吸收的活动，这也解释了为什么传统、基于资产的行业在那里占据了更大的风险投资份额。这些模式引发了关于什么推动了风险投资发展跨国差异的问题。

这些模式促使我们更仔细地研究风险投资发展的组成部分，因为它们揭示了与不同市场中风险投资所资助的内容相关的潜在条件。本节的其余部分将研究这些组成部分。我们记录了风险投资发展跨国差异的规模，将其分解为两个方面（进入风险投资市场和每个进入者吸引的资金），并询问跨国差异及其与商业环境条件的关联中有多少是通过每个方面运行的。

图6显示了各国风险投资发展之间的广泛差异。它将每个国家的风险投资占GDP比率与其收入水平所预测的相对比。 ¹⁵在那些风险投资占GDP比率超过收入预测水平的最强超额表现者中，有以色列和爱沙尼亚，这两个都是高收入经济体，都有详细记录的政策干预，这些政策激发了它们的风险投资市场。¹⁶ 但这种卓越的表现并不仅限于富裕国家：印度、肯尼亚和尼日利亚吸引的风投资金量都远高于其收入水平所暗示的。在另一端，像安哥拉、阿尔及利亚和巴拉圭这样的国家，其风投活动远低于预期，与收入预测的几个标准差以下。

图5：从行业构成到风险投资发展
(a) 行业份额与风险投资深度

(b) 风险投资/GDP与金融发展之间的相关性

资料来源：统一的PitchBook和Crunchbase数据集；国际货币基金组织金融发展数据库；来自世界银行世界发展指标的GDP数据。

注释：图a展示了分配给知识密集型、组织密集型和传统行业的风险资本量占GDP的风险资本量份额。每条曲线都是跨国的局部多项式关系。行业分类基于Demmou等人（2020年）的研究：如果某个行业的无形资产强度在每个维度上都超过了跨行业的平均值，则该行业被归类为知识密集型或组织密集型；传统行业则是那些在无形资产强度上都不密集的行业。图B展示了2021-2023年各国风险投资活动与金融发展之间的关系。垂直轴报告了风险资本交易量占GDP的对数。水平轴报告了国际货币基金组织金融发展指数。每个点代表一个国家，拟合线显示了对数风险资本/GDP与金融发展指数之间的线性关系。

图6：基于收入水平的风险投资发展预期¹⁷

资料来源：统一的PitchBook和Crunchbase数据集；世界银行世界发展指标；世界银行地理空间数据。注释：地图显示了2021-2023年各国在风险投资活动方面相对于基于收入预测的超前或落后情况。对于每个国家，风险投资活动是通过总风险投资交易量相对于GDP来衡量的。这个比率的对数在1%和99%的分位数上进行了修剪，重新缩放到0-100的指数，并对人均GDP的对数进行了回归。映射的变量是这个回归的标准残差，因此正值表示风险投资活动高于预测水平，负值表示风险投资活动低于预测水平。地图中显示为灰色的国家没有数据。

为了深入了解各国风险投资发展的差异，我们使用了一个会计恒等式，将风险投资强度分解为经济上有意义的组成部分。¹⁸ 设V表示一个国家的总风险投资，N表示交易总数（从种子前到晚期风险投资），t = V/N表示平均投资额，因此V = N t。我们将交易分为入门轮、种子前和种子轮（N[11]），以及后期交易（N）。₁), and later-stage deals (N_f进入轮次标志着一家公司获得风险投资（VC）的途径，通常是在它获得后期资本所需的牵引力之前，用来测试和验证商业想法。它们的规模较小，低至2,500美元，有10%的轮次低于20,000美元。相比之下，后期轮次可以理解为规模扩张融资，提供给那些已经进入并正在增长的公司（参见Duruflé等人（2017年））。作为一个计数，N₁ 跟踪广泛的边际，即多少公司最终进入VC，而每个公司筹集的资金则加载到集中的边际上。排除N₁:

(1)

其中t₁ 和t_f 分别是种子/前期种子和后期阶段交易的平均票面金额。

除以人口（P）¹⁹ 产生两个经济上有意义的边际：每 capita的进入和每个进入者的资金

深度

(2)

取对数使身份变为加法。可加性是分解之所以不仅仅用于会计之外有用的特性。任何对log VC深度应用的线性操作都会传递到两个边际，并且精确地在它们之间分割，部分之和等于整体。一个国家对其任何基准的偏差是进入偏差和深度偏差的总和。VC深度与任何国家特征之间的关联也是如此：系数精确地分为进入和资金深度两个部分。这些属性让我们可以询问哪个边际解释了跨国风险投资发展的差异，以及这个边际是否也是塑造风险投资内容的那个。

(3)

我们分两步应用这种分解。表4记录了进入水平和资金深度的平均值在不同收入群体之间是如何变化的，并将ln(V /P)的跨国方差分解为每个边际的贡献。然后我们检查每个边际相对于收入预测的国家层面残差，这揭示了不同国家类型的风险投资结构中的系统性差异。

高收入国家在两个边际上都处于领先地位，但差距在进入方面要大得多。中位高收入经济体每 capita产生的种子轮交易大约是中位低收入和中低收入国家的40倍，是中位中高收入国家的11倍。每个进入者也吸引了更多的资金，尽管差距较窄：高收入国家为700万美元，中高收入国家为180万美元，低收入和中低收入经济体为170万美元。进入，而不是资金深度，是收入群体分离最明显的地方，这些累积的差异产生了人均风险投资比率相差两个数量级。

在收入群体中，进入角色最为清晰。在高收入国家，进入是区分的界限：每个进入者的资金深度在这些经济体中相对相似，因为在大多数高收入市场中，投资者可以为每家公司部署相当数量的资本，所以区分以色列或爱沙尼亚与日本或意大利的是新创企业进入风险投资（VC）管道的速度（面板B）。仅进入一项就占了高收入国家人均VC内部差异的57.1%，相比之下，资金深度为17.8%。在发展中国家，对比是富有启发性的：进入率普遍较低，几乎没有变化空间。中位数的上中等收入国家每百万人产生的种子轮交易不到一笔，而中位数的低收入国家还不到三分之一。在低进入比率的情况下，区分发展中国家中活跃的VC市场与不活跃市场的界限是投资者基础是否足够深厚以资助后续轮次。资金深度占低收入和下中等收入国家内部差异的47.1%，在上中等收入经济体中占59.6%。

表4：各国ln(VC/pop)水平及方差分解（2021-2023）

	全样本	高收入国家（HICs）	上中等收入国家（UMICs）	低收入和下中等收入国家（Low & LMICs）
面板A：按收入群体划分的进入、资金和VC强度
进入：每百万人种子轮交易数（中位数）	1.09	10.54	0.96	0.26
进入：每百万人种子轮交易数（平均数）	7.96	20.68	1.22	0.60
资金深度：每进入者百万美元（中位数）	3.3	7.0	1.8	1.7
资金深度：每进入者百万美元（平均数）	6.2	7.5	8.9	2.9
VC/人口：每 capita美元（中位数）	3.9	74.2	1.9	0.4
VC/人口：每 capita美元（平均数）	67.5	180.6	7.9	1.6
国家	148	53	41	54
面板B：ln(VC/pop)方差分解
Var( ln (VC/pop.))	10.1	2.9	4.7	6.0
Var( ln(Seed deals/pop.))	4.3 (42.4%)	1.7 (57.1%)	1.3 (28.2%)	1.8 (29.5%)
Var( ln(Funding Depth))	2.5 (24.8%)	0.5 (17.8%)	2.8 (59.6%)	2.8 (47.1%)
2*Cov( ln(Seed deals/pop.),ln(Funding Depth))	3.3 (32.9%)	0.7 (25.1%)	0.6 (12.2%)	1.4 (23.4%)
国家	148	53	41	54

注释：面板A报告了水平变量的群体中位数和平均数。进入是指每百万居民的种子轮交易数量。资金是指平均总资金除以种子轮交易数量（每进入者百万美元）。VC/人口是总VC除以人口（每 capita美元）。面板B使用了确切的身份 Var(ln VC/P) = Var(ln N/P) + Var(ln FD) + 2 Cov(ln N/pop, ln FD)；括号显示了每个组成部分占总方差的百分比（%）。HICs = 高收入国家；UMICs = 上中等收入国家；LMICs = 低收入和下中等收入国家。HICs包括美国；UMICs包括中国；LMICs包括印度。收入群体分类基于世界银行2025年的分类。₁Var(ln V C/P) = Var(ln N/P) + Var(ln F D) + 2 Cov(ln N/pop, ln F D)₁括号显示了每个组成部分占总方差的百分比（%）。

如上所述，加法恒等式使我们能够将一个国家的风险投资深度（相对于人口的衡量）的偏差分解为每个边际的偏差。²⁰.

(4)

对于每个国家c，我们将每个对数边际对对数人均GDP进行回归，并将残差作为其相对于收入预测水平的偏差。残差分解是精确的：一个国家在风险投资深度方面相对于其收入的超常或不足表现是其在进入和资金深度方面的超常或不足表现的总和。图7显示了每个国家的位置，根据其进入率和资金深度与仅由收入预测的偏差：水平轴衡量的是每名进入者的资金残差，垂直轴衡量的是每 capita的进入残差。右上象限的国家在两个边际上都表现良好；左下象限的国家在两个边际上都表现不佳。沿着轴线的国家揭示了哪个边际距离其预期值更远：位于右下象限的国家有一个超出收入预测的良好投资基础来资助初创企业，但进入风险投资渠道的初创企业太少，无法吸收这些资本。

该图揭示了即使在实现类似总体风险投资结果的国家之间，底层结构也可能不同。美国和印度都超出了基于收入的预期，但通过不同的组合：美国在两个边际上都很强，而印度的超常表现更多地是由资金深度驱动的，这与其集中投资基础资助相对较少的一系列公司是一致的。爱沙尼亚主要通过进入渠道实现这一点——人均拥有广泛的初创企业管道，而印度的优势则在于资金方面。在另一端，像伊拉克这样的国家主要在进入方面表现不佳，而巴拉圭和安哥拉则在两个维度上都落后。

这种异质性对政策有直接影响。一个在进入方面表现不佳但在资金深度方面达到或超过预期的国家面临的挑战与初创企业以预期速率进入但无法吸引后续资本的国家不同。前者需要降低企业创建和实验的障碍的干预措施。后者需要深化投资者基础的改革，或吸引机构和外国资本的措施。我们的资金深度衡量方法没有捕捉到这些分配效应，但识别出资金不足可能是重要约束的国家。

先前的研究已经确立了制度质量、投资者保护、IPO活动和税收政策对投资和风险投资活动的影响（La Porta等人，1998年；Gompers和Lerner，1998年；Cumming等人，2010年；Jeng和Wells，2000年）。我们的分解工作基于这些研究，提出了一个更具体的问题：每种关系是通过哪个途径实现的？表5报告了这些回归分析。由于身份在对数中是可加的，因此第1列中风险投资深度的系数是第2列和第3列中进入和资金深度系数的精确总和，第4列报告了通过进入途径的比例。这种分割是精确的，这是身份的属性而不是估计的属性，因此它将每一种已建立的关系归因于一个途径。

对于大多数变量，与风险投资深度的关联主要通过进入途径实现。政治稳定性几乎完全通过这一途径加载：其与风险投资深度的83%关联通过企业进入的速率而不是每家企业筹集的资金来实现，这与创立企业需要规划视野并且在政治动荡可能使商业计划无效的地方，企业家不太可能进入的想法一致。这与投资者方面的证据一致：Colonnelli等人（2025年）发现，在评估交易时，投资者会惩罚政治和国家风险，保持企业属性不变。较低的稳定性也可能削弱需求，减少吸引企业家进入的市场潜力。税收结构的作用方式相同。对于税收亏损结转，其与风险投资深度的93%关联通过进入途径实现：初创企业通常在早期几年会亏损，更长的结转窗口通过允许企业将早期亏损抵消未来的利润，从而降低了失败的预期成本，因此在结转窗口较短的地方，企业家面临更强的激励去追求较低风险的模式，而不是风险投资通常资助的长期投资。

图7：各国的超额/不足表现幅度

资料来源：统一的PitchBook和Crunchbase数据集；世界银行世界发展指标。
注释：该图绘制了2021-2023年两个风险投资强度组成部分的国家层面残差。水平轴衡量的是每个进入者一生的风险投资资金相对于人均GDP预测水平的比例，而垂直轴衡量的是人均风险投资进入次数相对于人均GDP预测水平的比例。虚线标记了零残差。垂直线右侧的国家其平均每个进入者的风险投资资金高于预期，考虑到它们的收入水平，而水平线以上的国家其人均风险投资进入次数高于预期。根据其相对于收入预期的整体风险投资对GDP的表现，国家被着色：表现不佳定义为小于-0.5个标准差，表现优异定义为大于+0.5个标准差，接近预期定义为在±0.5个标准差之内。

公司所得税是最具启示性的案例，因为仅通过总体回归是无法发现它的。它与风险投资深度的关联是负的，但与零无显著差异（第1列）。分解显示了两种相反的力量。税率与进入次数强烈负相关（-0.047，第2列），与资金深度正相关，尽管不太精确（+0.022，第3列），两者在总体上相互抵消。较高的公司税与较少的公司进入风险投资市场相关，而那些出现的进入者平均可能筹集到更多的资金，这与一个更精选的群体一致。

并非每个因素都集中在进入方面。少数股东保护与两个边际相关，关联程度大致相同，其中一半通过每个渠道运行。当少数股东有权对掠夺行为采取法律行动时，投资者面临的风险较低，企业家可以在不放弃完全控制的情况下筹集资本，这与投资者保护与金融发展广泛相关的基础证据一致（La Porta等人，1997年，1998年）。股权发行活动则处于另一端：它与风险投资深度的关联主要通过资金深度而非进入次数，72%通过资金深度。在公共和私人股权市场更深的地区，每个进入者可用的资本更大。

需要注意的是，与资金深度较弱的关联并不意味着商业环境对企业的资本筹集量不重要。深度边际仅在已经进入的企业中观察到，因此它以进入所体现的选择为条件。商业环境条件首先在进入门槛处发挥作用；在那些通过门槛的企业中，大部分差异已经被吸收，导致与随后筹集的资本的关联性减弱。这种选择还塑造了哪些类型的企业进入，以及风险投资（VC）所资助的类型，这是我们将在下一张表格中按行业进行考察的一个方面。

表5：商业环境与风险投资生态系统边际（2021-2023）

	(1)	(2)	(3)	(4) 进入系数比率
变量			ln(VC/pop) ln(种子轮交易数/人口) ln(资金深度)	(2)/(1)
少数股东保护（0-100）	0.033*** (0.013)	0.017**	0.017**	0.502
WGI：政治稳定性（0-100）	0.048***	(0.006) 0.040***	(0.008) 0.008	0.832
税收亏损结转（年）	(0.009) 0.095***	(0.005) 0.088***	(0.006) 0.007	0.926
实际资本利得税率（%）	(0.024) 0.001	(0.015) 0.007	(0.015) -0.006
企业所得税率（%）	(0.024) -0.025	(0.013) -0.047***	(0.014) 0.022	1.881
股权发行额/GDP的对数	(0.028) 0.088***	(0.016) 0.025*	(0.018) 0.063***	0.284
常数项	(0.025) -3.161** (1.355)	(0.013) -2.606*** (0.699)	(0.015) -0.555
观测值			(0.877)
R方	121 0.679	121 0.730	121 0.429

注释：少数股东保护和WGI政治稳定性按0-100的规模进行最小-最大标准化。第（4）列显示了相对于ln(VC/pop)系数的进入系数比率。对于至少有一个显著系数的变量报告比率。比率超过一表示两个边际抵消，总和接近零。括号内为稳健标准误差。*** p<0.01，** p<0.05，* p<0.1。

到目前为止所考察的关联性将所有行业混合在一起，留下了它们是否在各行业中均匀运作的问题。这很重要，因为风险投资组合本身随着发展而变化：第3.1小节记录了发展中国家向组织密集型行业的倾斜，随着风险投资市场深化，知识密集型行业所占份额增加（图5a）。表6重新估计了仅针对知识密集型、组织密集型和传统行业的进入和资金深度的回归。

对于大多数变量，进入关联在不同行业内部持续存在，但程度不同。进入知识密集型行业的敏感度最高，对商业环境条件最为敏感：政治稳定、企业所得税和股权发行的系数对于知识密集型行业的进入比传统行业进入的系数在数值上显著更大，对于企业所得税和股权发行，这种差距也适用于组织密集型行业的进入。税收亏损结转显示了类似的但较弱的模式。这些差异与知识密集型行业中的公司面临更长的盈利时间范围以及更多依赖于公开股权退出的情况一致，这两者都使它们更容易受到制度和政策条件的影响。

表6：2021-2023年按行业划分的商业环境和风险投资生态系统利润率

	(1)	(2)	(3)	(4)	(5)	(6)
	知识密集型		组织密集型		传统型
	ln(seed/pop)	ln(FD)	ln(seed/pop)	ln(FD)	ln(seed/pop)	ln(FD)

少数股东保护（0-100）	0.010 (0.008)	0.000 (0.009)	0.007 (0.007)	0.008 (0.011)	0.009 (0.007)	0.008 (0.018)
WGI：政治稳定（0-100）	0.048*** (0.006)	0.006 (0.007)	0.047*** (0.007)	-0.002 (0.008)	0.038*** (0.005)	-0.002 (0.010)
税收亏损结转（年）	0.098*** (0.017)	0.027 (0.020)	0.091*** (0.015)	0.029 (0.023)	0.088*** (0.013)	0.036 (0.029)
实际资本利得税率（%）	-0.001 (0.013)	-0.011 (0.016)	-0.008	-0.009	-0.010	-0.019
企业所得税率（%）	-0.064*** (0.018)	0.022	(0.011) -0.039**	(0.018) 0.012	(0.010) -0.025*	(0.018) -0.006
对数股权发行 / GDP	0.028* (0.016)	(0.022) 0.068***	(0.017) 0.008	(0.025) 0.101***	(0.014) 0.006	(0.032) 0.092***
常数项	-2.743*** (0.843)	(0.024) 0.427 (1.046)	(0.015) -3.901*** (0.887)	(0.023) 0.613 (1.286)	(0.015) -4.574*** (0.783)	(0.033) 1.351 (1.592)
观测值	94	94	94	94
R方值	0.742	0.297	0.708	0.400	94 0.718	94 0.266

注释：使用稳健标准误的OLS回归。每列将因变量限制在指定行业中的交易（K=知识密集型；O=组织密集型；T=传统型）。样本限制在2021-2023年对所有六个结果变量和所有六个回归变量均有非缺失值的国家。结果在顶部和底部1%处进行缩尾处理。少数股东保护和WGI政治稳定性被最小-最大标准化到0-100的尺度。通过使用稳健的联合协方差矩阵对堆叠方程进行单侧Wald检验来测试跨行业的系数平等性，仅限于在K列中显著的变量。对于政治稳定性（进入），K和O的系数各自显著大于T的系数。对于公司所得税率（进入），K的系数显著比O和T的更负，O的系数显著比T的更负。对于股本发行（进入），K的系数显著大于O和T的系数。稳健标准误在括号内。*** p<0.01，** p<0.05，* p<0.1。

这些差异敏感性中的两个本身会根据国家收入而变化。股本发行与进入知识密集型行业的关联集中在高收入国家：在发展中国家，股权市场深度并不区分知识进入与其他行业，这与IPO途径主要在公共股权市场成熟的地区运作一致。公司所得税敏感性在两个子样本中都存在，但在高收入国家中跨行业的梯度更陡峭。税收亏损结转则相反，在三个中最为显著：其与知识密集型进入的关联出现在发展中国家，在那里，知识进入的系数显著大于其他行业。在其他支持性机构较弱的情况下，亏损处理规定似乎在吸引知识密集型初创企业进入市场方面相对做得更多。在所有这三个方面，将商业环境与知识进入联系起来的渠道本身也是依赖于收入的，与3.1小节中记录的组成差距移动的方向一致。

这些结果表明，为何要区分风险投资（VC）的利润边际是值得的。行业结构的变化是通过进入和资金深度如何响应商业环境来实现的，而这种分解让我们能够说明每个边际的贡献程度。进入环节占据了VC深度跨国差异的最大部分，并且承载了其与商业环境关联的大部分，这种关联在进入知识密集型行业时最为集中。由于发展中国家促进知识进入的条件较弱，知识进入在这些国家有所减少，这与3.1小节中记录的行业倾斜模式一致。因此，区分边际表明，商业环境与一个国家拥有的VC数量以及VC主要资助什么通过同一个边际——进入——以及主要通过进入定义高收入模式的行业相关联。

4 结论

我们构建了一个全面的跨国风险资本数据集，通过在公司层面上协调PitchBook和Crunchbase的数据，并将结果与LSEG股权发行数据在行业层面上进行匹配。这个数据集使得分析能够超越风险资本总体量，考察各国风险资本资助的内容以及它与其他形式的股权融资相比如何。

证据挑战了风险资本市场仅在规模上跨国差异的观点。它们在本质上有所不同。风险资本是许多发展中国家的主要股权融资渠道，在平均低收入和下中等收入国家中约占股权融资的三分之二。因此，它资助的内容对这些经济体很重要。它并不是以相同的方式分配资本：与高收入模式不同，发展中国家的风险资本倾向于组织无形资产，如分销、物流和支付，而高收入国家的风险资本则集中在与研发和专利相关的知识无形资产上。这种差异是特定于风险资本的。在公共股权发行中没有对应的情况，其中行业构成在各国之间要相似得多，这表明倾斜反映了关于风险资本如何选择资助内容的某些方面，而不是关于底层经济的。

风险投资（VC）所资助的内容本身就是一个标志，显示了一个国家VC市场的发展程度，这是传统金融发展衡量标准所忽略的。为了探究这些差异背后的原因，我们将VC深度分解为公司进入市场的速度和每个进入者所吸引的资金。进入市场是跨国差异中最大的部分，并且承载了VC与商业环境之间大部分的关联。这种关联在进入知识密集型行业时最为强烈，这些行业最依赖长期视野、研发和无形资产的保护。这直接将当地条件与VC所资助的内容联系起来：在对知识进入有利的条件较弱的地方，知识进入就会减少，这是观察到的发展中经济体向组织部门转移的合理渠道。

这些发现对政策制定者如何考虑在发展中经济体中促进VC有启示作用。促进VC的标准案例基于这样的证据：它资助知识密集型创新并产生技术溢出效应（Kortum和Lerner，2000；Popov和Roosenboom，2012）。这些证据来自于VC确实资助知识密集型活动的环境。在发展中经济体中，VC资助的是组织无形资产，相关的溢出效应可能有所不同：市场创造、规范化和金融包容性，而不是专利和研发。这并没有削弱促进VC的案例，但它改变了这个案例的基础。旨在通过复制支持知识密集型进入的制度条件来刺激VC的政策，在组织机会较多的地方可能效果较差。而在发展中经济体中，由于进入率普遍较低，是资金深度而不是进入将活跃的VC市场与不活跃的市场区分开来。两者之间的平衡在世界各地的经济体中差异很大，所以限制性约束，无论是公司进入太少还是可用于扩大它们的资金太少，都会因国家而异。

这些发现引出了几个重要问题。外国和国内投资者的组成是否有助于解释我们记录的知识-组织分裂现象，这仍是一个未解之谜。退出渠道如何塑造投资者行为和行业配置，以及在高收入环境中，组织创新的回报是否与知识密集型风险投资相匹配，这些都是未来研究的重要方向。从我们的证据中清晰显现的是，风险投资并非在各国经济中统一部署的单一机构。它适应了其所处的经济和商业环境，理解它实际上资助了什么，是理解它能预期提供什么的前提条件。

参考文献

Ahlstrom, D. 和 Bruton, G. D. (2006), ‘新兴经济体中的风险投资：网络与制度变革’, 创业理论与实践 30(2), 299–320.

Aizenman, J. 和 Kendall, J. (2012), ‘风险投资的国际化’, 经济研究杂志 39(3), 488–511.

Avnimelech, G. 和 Teubal, M. (2006), ‘创建与高科技共同进化的风险投资产业：从以色列经验的扩展产业生命周期视角获得的洞察’, 研究政策 35(10), 1477–1498.

Baumol, W. J. (1996), ‘企业家精神：生产性、非生产性和破坏性’, 商业风险投资杂志 11(1), 3–22.

Beck, T., Levine, R. 和 Loayza, N. (2000), ‘金融与增长的源泉’, 金融经济学杂志 58(1-2), 261–300.

Black, B. S. 和 Gilson, R. J. (1998), ‘风险投资与资本市场结构：银行与股票市场’, 金融经济学杂志 47(3), 243–277.

Brynjolfsson, E. 和 Hitt, L. M. (2003), ‘计算生产力：公司层面的证据’, 经济统计评论 85(4), 793–808.

Colonnelli, E., Cruz, M., Lerner, J. 和 Pereira-L´opez, M. (2025), 新兴市场投资者如何做决策？来自风险投资和私募股权的证据。SSRN工作论文 5842742.

Colonnelli, E., Cruz, M., Pereira-Lopez, M., Porzio, T. 和 Zhao, C. (2026), ‘非洲的初创企业’, 国家经济研究局, 工作论文 35261.

Corrado, C., Haskel, J., Jona-Lasinio, C. 和 Iommi, M. (2022), ‘无形资本与现代经济’, 经济展望杂志 36(3), 3–28.

Corrado, C., Hulten, C. 和 Sichel, D. (2009), ‘无形资本与美国经济增长’, 收入与财富评论 55(3), 661–685.

Crunchbase (2023), ‘Crunchbase’, https://www.crunchbase.com.

Cumming, D., Schmidt, D. 和 Walz, U. (2010), ‘全球风险投资治理的合法性’, 商业风险投资杂志 25(1), 54–72.

Demmou, L., Franco, G. 和 Stefanescu, I. (2020)，生产力与金融：无形资产渠道——企业层面分析，工作论文，经合组织经济部。

Durufl´e, G., Hellmann, T. F. 和 Wilson, K. E. (2017)，‘从初创到规模化：审视公共政策对高增长企业融资的影响’，CEPR讨论论文 No. DP12004。

Estrin, S., Korosteleva, J. 和 Mickiewicz, T. (2013)，‘哪些制度鼓励企业家增长抱负？’，商业创业期刊 28(4)，564–580。

Ewens, M., Peters, R. H. 和 Wang, S. (2025)，‘用市场价格衡量无形资本’，管理科学 71(1)，407–427。

Gompers, P. 和 Lerner, J. (1998)，‘什么推动了风险资本筹资？’，布鲁金斯经济活动微观经济论文 pp. 149–204。

Gompers, P. 和 Lerner, J. (2001)，‘风险投资革命’，经济视角期刊 15(2)，145–168。

Gornall, W. 和 Strebulaev, I. A. (2021)，风险投资的经济影响：来自上市公司的证据。SSRN工作论文 2681841。

Groh, A. 和 Wallmeroth, J. (2016)，‘新兴市场中风险投资的决定因素’，新兴市场评论 29，104–132。

Grover, A., Medvedev, D. 和 Olafsen, E. (2019)，高增长企业：事实、虚构和新兴经济体的政策选择，世界银行出版物。

Hall, B. H. 和 Lerner, J. (2010)，R&D和创新的融资，载于‘创新经济学手册’，第1卷，Elsevier, pp. 609–639。

He, B., Mostrom, L. I. 和 Sufi, A. (2024)，投资于客户资本，技术报告，国家经济研究局。

Hellmann, T. 和 Puri, M. (2002)，‘风险投资与初创企业的专业化：实证证据’，金融期刊 57(1)，169–197。

Hochberg, Y. V., Ljungqvist, A. 和 Lu, Y. (2007)，‘你认识谁很重要：风险投资网络与投资表现’，金融期刊 62(1)，251–301。

Imbens, G. W. 和 Wooldridge, J. M. (2009)，‘项目评估计量经济学的最新发展’，经济文献杂志 47(1)，5–86。

Jeng, L. A. 和 Wells, P. C. (2000)，‘风险资本筹资的决定因素：跨国证据’，公司金融期刊 6(3)，241–289。

Kaplan, S. N. 和 Lerner, J. (2017)，风险资本数据：机遇与挑战，载于J. Haltiwanger, E. Hurst, J. Miranda 和 A. Schoar 编，‘衡量创业企业：当前知识与挑战’，NBER研究收入与财富第75卷，芝加哥大学出版社，芝加哥，pp. 413–431。

Khanna, T. 和 Palepu, K. (1997)，‘为什么集中战略可能不适合新兴市场’，哈佛商业评论 75(4)，41–51。

Kortum, S.和Lerner, J. (2000)，‘评估风险投资对创新的贡献’，RAND经济杂志 31(4)，674–692。

La Porta, R.，Lopez-de Silanes, F.，Shleifer, A.和Vishny, R. W. (1997)，‘外部融资的法律决定因素’，金融杂志 52(3)，1131–1150。

La Porta, R.，Lopez-de Silanes, F.，Shleifer, A.和Vishny, R. W. (1998)，‘法律与金融’，政治经济杂志 106(6)，1113–1155。

Lerner, J.，Liu, J.，Moscona, J.和Yang, D. Y. (2026)，适当的创业精神？中国的崛起与发展中国家，哈佛商学院工作论文 24-061。2026年1月修订。

Lerner, J.和Nanda, R. (2020)，‘风险投资在融资创新中的作用：我们所知与我们还需学习多少’，经济视角杂志 34(3)，237–261。

Lev, B.和Radhakrishnan, S. (2005)，组织资本的估值，见‘在新经济中衡量资本’，芝加哥大学出版社，第73–110页。

Levine, R. (1997)，‘金融发展与经济增长：观点与议程’，经济文献杂志 35(2)，688–726。

Meh, C. A.和Schmukler, S. L.，编者 (2025)，在低收入和中等收入国家融资企业增长：资本市场的角色，国际金融公司研究系列，世界银行。

Peters, R. H.和Taylor, L. A. (2017)，‘无形资本与投资-q关系’，金融经济学杂志 123(2)，251–272。

PitchBook，一家Morningstar公司 (2025)，‘PitchBook’，https://pitchbook.com/。

Popov, A.和Roosenboom, P. (2012)，‘风险投资与专利创新：来自欧洲的证据’，经济政策 27(71)，447–482。

Rajan, R.和Zingales, L. (1998)，‘金融依赖与增长’，美国经济评论。

Samila, S.和Sorenson, O. (2011)，‘风险投资、创业与经济增长’，经济统计评论 93(1)，338–349。

Wasi, N.和Flaaen, A. (2015)，‘使用Stata进行记录链接：预处理、链接和审查工具’，Stata杂志 15(3)，672–697。

Webb, J. W.，Khoury, T. A.和Hitt, M. A. (2020)，‘正式和非正式制度空缺对创业的影响’，创业理论与实践 44(3)，504–526。

附录A：数据协调过程

本附录提供了用于将公司通过PitchBook和Crunchbase链接在一起的数据协调过程的完整实施细节。如第2.2节所讨论的，协调程序结合了基于网站的匹配、基于公司名称的匹配以及公司描述验证，随后是对每个国家内顶级公司的额外检查。本附录记录了预处理步骤、得分阈值、验证程序以及在各个阶段匹配和未匹配样本的演变。

阶段0：预协调和标准化

在协调过程开始之前，我们实施了几个预处理步骤，以提高在PitchBook和Crunchbase中获得高置信度匹配的可能性。首先，通过移除常见的前缀（如https://和www.）和后缀（如.com、.org及相关扩展名）来标准化公司网站。此外，我们仅保留网站字符串中第一个点之前出现的文本。例如，一个原始网站如https://venture-capital.com/被标准化为venturecapital。

公司名称也使用Stata命令stnd compname按照Wasi和Flaaen（2015）的指南进行标准化。此程序移除了常见的法律后缀（如Inc.、Ltd.和LLC）、标点符号、空格不一致性和其他格式差异，从而隔离出一个更干净的核心公司名称，以便在数据集中进行比较。例如，记录为U.S. Venture-Capital Ltd.的公司会被简化为标准化的核心名称US VENTURE CAPITAL。

匹配分数和分类规则

对于基于网站和公司名称的匹配阶段，我们使用Stata命令reclink2生成候选匹配项。匹配分数范围从0.80到1。我们定义一个完美匹配为候选对的分数等于1，表明底层字符串在内容和排序上是相同的。完美匹配被发送到最终验证阶段。我们定义一个非完美匹配为候选对的分数在0.80到小于1之间。非完美匹配不会自动接受，而是基于公司的详细描述进行额外的验证步骤。

阶段1：基于网站的匹配

在第1阶段，我们使用标准化的网站变量在PitchBook和Crunchbase之间进行基于网站的匹配。为了提高精确度并减少假阳性，匹配被限制在位于同一国家的公司之间。候选对被分类为完美匹配或非完美匹配。表A.1展示了在选定的分数阈值下基于网站的候选匹配示例。

表A.1：按分数分类的基于网站的匹配示例

分数范围	PitchBook公司	Crunchbase公司	分类	后续匹配
0.80-0.84	ariadneinternational	roa-international	非完美匹配	否
0.85-0.89	rayalliance	dcalliance	非完美匹配	否
0.90-0.95	mosh	moshimo	非完美匹配	否
0.95-0.99	ladder	myladder	非完美匹配	是
1.00	insightrobotics	insightrobotics	完美匹配

注释：本表提供了PitchBook和Crunchbase在不同网站匹配分数级别上的网站基础候选人匹配的示例。该分数反映了经过预处理和标准化后网站名称的相似性。分数为1.00表示完美的网站匹配，而分数在0.80以上和1.00以下表示非完美匹配，这些匹配将在协调过程的后期阶段进行额外验证。列“后续匹配”显示了非完美匹配是否最终在第2-4阶段被确认为匹配，并标记为“是”；标记为“否”的条目未被确认，因此保持未匹配状态。对于完美匹配，此列报告为不适用，因为无需进一步验证。

第2阶段：非完美网站匹配的验证

在第2阶段，获得第1阶段网站匹配分数在0.80到小于1之间的公司会接受基于公司长描述的额外验证步骤。具体来说，我们使用Claude AI来比较每对候选公司的描述，并确定两个记录是否指的是同一家基础公司。以下提供了用于此练习的提示。此验证步骤产生两种结果之一：匹配或不匹配。被分类为匹配的公司被保留为已确认的链接，并进入第5阶段，而被分类为非匹配的公司则进入第3阶段，继续进行匹配过程。

Claude AI验证提示摘要

对于具有非完美网站匹配的候选对，Claude AI提示应用以下决策规则：

• 目标：比较两个初创公司的记录，并确定它们是否指的是同一家基础公司。

• 主要证据：主要根据匹配记录中提供的公司名称和长描述做出决策。

• 优先规则：给予业务描述的相似性比公司名称的相似性更大的权重。

• 名称处理：忽略诸如Inc.、LLC、Corp.和Ltd.等法律后缀；允许出现小的拼写差异、缩写和常见的命名变体。

• 外部知识：仅在高度可靠时使用外部知识，例如众所周知的别名、缩写或品牌名称。

• 决策逻辑：当描述清楚地表明是同一家公司、产品或服务时，将一对分类为匹配；当描述指向不同的行业或提供物时，将其分类为非匹配。

• 输出格式：返回一个包含匹配分类、置信度分数和简要理由的结构化响应。

表A.2总结了此验证步骤的结果。

表A.2：第2阶段结果

结果	占比（%）
验证匹配	6.8
不匹配决定	93.2

注释：本表报告了第二阶段的结果，其中第一阶段网站匹配不完美的候选对使用公司长描述进行评估。使用Claude AI来判断每对是否指代同一家基础公司。经过验证的匹配将进入第五阶段，而未匹配的决策在这一阶段不会得到确认，并将进入第三阶段。股份报告为进入第二阶段的所有观察值的百分比。

第三阶段：基于公司名称的匹配

在第三阶段，我们重复第一阶段描述的匹配程序，使用标准化的公司名称而不是网站URL。进入这一阶段的样本包括：(1) 在第二阶段被分类为未匹配的公司，以及(2) 在第一阶段未匹配的公司。与第一阶段一样，该程序产生三种可能的结果：未匹配的公司、完美匹配并进入第五阶段的公司，以及非完美匹配并进入第四阶段以进行额外验证的公司。表A.3展示了在选定的分数阈值下具有代表性的公司名称候选匹配。

表A.3：按分数分类的公司名称匹配示例

分数范围	PitchBook公司	Crunchbase公司	分类	后续匹配
0.80-0.84	GWC ITALIA	SIF ITALIA	非完美匹配	否
0.85-0.89	GRUPO NERVION	GRUPO CDV	非完美匹配	否
0.90-0.95	BIOMATZ	BIOME ATS	非完美匹配	是
0.95-0.99	HEALTHFLEX	EHEALTHFLEX	非完美匹配	否
1.00	GMOBILE	GMOBILE	完美匹配

注释：本表报告了在不同公司名称匹配分数水平上PitchBook和Crunchbase之间的公司名称基础匹配的示例。该分数反映了经过预处理和标准化后的公司名称的相似性。得分为1.00的观察值被分类为完美匹配，而得分为0.80至小于1.00的观察值被分类为非完美匹配，并将在和谐化过程的后续阶段进行额外验证。列“后续匹配”显示了非完美匹配是否在第四阶段被确认为匹配（标记为“是”）；标记为“否”的条目保持未匹配。

第四阶段：非完美公司名称匹配的验证

在第四阶段，我们复制了第二阶段描述的验证程序，用于第三阶段生成的非完美公司名称匹配。使用公司长描述，Claude AI评估每对候选是否对应同一家基础公司。这一阶段产生两种可能的结果：匹配和未匹配。确认的匹配保留在和谐化数据集中，而被分类为未匹配的候选对则作为最终数据集中的未匹配观察值。

第五阶段：顶级增长公司的验证

在第五阶段，我们对每个国家数据集中接受风险投资总额最高的前60家匹配公司进行额外的验证练习。验证样本包括在第一阶段和第三阶段识别出的完美匹配，以及在第二阶段和第四阶段被分类为匹配的非完美匹配。我们使用Claude AI来比较每对匹配公司相关联的企业描述，并确定这两个记录是否指的是同一家底层公司。通过这次审查确认的匹配被保留，而被分类为非匹配的配对则返回到未匹配池中。这一阶段旨在降低那些占风险投资活动最大份额的公司出现假阳性的风险。

最终合并

在整合第五阶段验证练习的结果后，我们将协调过程的输出合并为匹配和未匹配的公司数据集。匹配公司数据集包括完美的网站和公司名称匹配、通过基于描述的验证确认的非完美匹配，以及在第五阶段审查后保留的匹配。未匹配公司数据集包括在第一至第四阶段未能成功链接的公司、在基于描述的验证过程中被拒绝的候选对，以及在第五阶段验证练习中被拒绝的匹配。表A.4显示，低于1.0分的模糊匹配可以恢复那些因URL或公司名称的微小差异而可能被遗漏的真实匹配。

表A.4：按分数区间描述验证结果

分数范围	确认匹配的概率（%）
0.80-0.84	2.0
0.85-0.89	3.1
0.90–0.94	2.4
0.95-0.99	8.3
1.00	97.8

资料来源：协调后的PitchBook和Crunchbase数据集。
注：此表显示了通过网站匹配分数区间，网站基础匹配通过描述验证确认的概率。描述验证被用作额外检查，以确定匹配的PitchBook和Crunchbase记录是否指的是同一家公司。概率以百分比报告。

附录B：数据

1. 风险投资

本文使用PitchBook和Crunchbase构建了在实证分析中使用的协调风险投资数据集。如第2.1节所讨论的，这些来源提供了贯穿本文的核心公司和交易级别信息。本附录首先记录了PitchBook和Crunchbase中的基础样本，然后比较了两个来源的组成。

表B.1总结了每个来源的原始覆盖范围。表B.2和表B.3分别报告了按收入群体和地区划分的样本大小。这些表格中呈现的统计数据基于完整的底层数据，没有应用样本限制：它们包括所有公司，无论交易类型如何，并涵盖在1990-2023年期间有观察到的交易的公司。这些表格为每个来源在各国和地区的原始覆盖范围提供了一个基准。

表B.5展示了本文所用样本的汇总统计信息。然后，表B.4检查了两个来源在独特、未匹配交易中的组成差异。具体来说，它比较了Crunchbase和PitchBook在各行业、票面金额、收入群体和地区之间的平均份额，并报告了统计差异和标准化差异的检验。这种比较有助于评估从协调中获得的收益是否仅反映了更大的样本，还是也反映了观察到的风险投资领域组成的变化。

总的来说，本附录中的表格显示，PitchBook和Crunchbase在几个重要维度上存在差异，这强化了在协调数据集中结合这两个来源的价值。

表B.1：PitchBook和Crunchbase数据摘要

阶段	PitchBook	PitchBook的份额 (%)	Crunchbase	Crunchbase的份额 (%)
总公司数	520,257	100.0	201,589	100.0
风险投资公司	253,768	48.8	183,977	91.3
风险投资 + 年轻公司	227,734	43.8	169,322	84.0

资料来源：PitchBook，一家Morningstar公司，以及Crunchbase。

注释：此表报告了在样本构建的关键阶段PitchBook和Crunchbase中的样本大小。“总企业”包括每个来源中的所有企业，无论交易类型如何，“风险投资公司”将样本限制在有风险资本或种子资金的企业，“风险投资 + 年轻公司”进一步将样本限制在风险投资支持的年轻公司，定义为在15岁之前收到风险资本或种子资金的公司。份额是相对于每个来源中的公司总数来表示的。

表B.2：按收入群体划分的样本大小
面板A. PitchBook

	总计	高收入	上中等收入	下中等收入	低收入
企业数量	520,257	448,562	46,755	24,006	862
国家数量	200	77	51	49	22

面板B. Crunchbase

	总计	高收入	上中等收入	下中等收入	低收入
企业数量	201,589	167,202	21,960	12,149	255
国家数量	167	64	45	39	18

资料来源：PitchBook，一家Morningstar公司，以及Crunchbase
注释：此表报告了PitchBook（面板A）和Crunchbase（面板B）中按收入群体划分的企业样本大小。国家收入群体分类遵循世界银行2025年的分类。

表B.3：按地区划分的样本大小
面板A. PitchBook

	企业数量	国家数量
东亚和太平洋地区	70,466	31
欧洲和中亚地区	131,483	55
拉丁美洲和加勒比地区	12,992	38
中东和北非地区	9,782	21
北美地区	272,329	3
南亚地区	17,077	8
撒哈拉以南非洲	6,128	44

B栏. Crunchbase

	公司数量	国家数量
东亚和太平洋	27,386	22
欧洲和中亚	49,882	51
拉丁美洲和加勒比地区	5,565	29
中东和北非	5,327	19
北美洲	102,110	3
南亚	8,888	6
撒哈拉以南非洲	2,431	37

资料来源：PitchBook，一家Morningstar公司，以及Crunchbase
注释：此表报告了PitchBook（A栏）和Crunchbase（B栏）按地区划分的公司样本大小。地区组分类遵循世界银行2025年的分类。

表B.4：按数据源划分的独特交易差异

	平均独特Crunchbase	平均独特PitchBook	P值	标准化差异
行业
IT	0.459	0.401	0.000	0.083
制造业 - 化学品、制药	0.022	0.059	0.000	-0.133†
制造业 - 电子	0.089	0.156	0.000	-0.147†
制造业 - 食品和饮料	0.015	0.033	0.000	-0.083
制造业 - 其他	0.025	0.055	0.000	-0.107†
金融服务	0.051	0.030	0.000	0.074
批发和零售	0.064	0.036	0.000	0.089
服务 - 研发	0.049	0.048	0.238	0.003
服务 - 健康	0.036	0.028	0.000	0.032
电信	0.008	0.006	0.000	0.020
农业和自然资源	0.021	0.028	0.000	-0.034
公用事业、能源和废物	0.009	0.017	0.000	-0.053
建筑	0.003	0.005	0.000	-0.016
运输和物流	0.020	0.012	0.000	0.042
旅游和休闲	0.034	0.025	0.000	0.035
房地产和专业服务	0.068	0.043	0.000	0.078
教育	0.029	0.017	0.000	0.055
票面金额
票面金额：≤$100k	0.191	0.238	0.000	-0.082
票面金额：$100k-$3M	0.573	0.529	0.000	0.062
票面金额：$3M+	0.236	0.232	0.021	0.006
国家收入
低收入和中低收入	0.065	0.053	0.000	0.035
中高收入	0.189	0.106	0.000	0.168†
高收入	0.746	0.841	0.000	-0.168†
地区
东亚太平洋	0.212	0.161	0.000	0.093
欧洲和中亚	0.218	0.298	0.000	-0.131†
拉丁美洲和加勒比地区	0.041	0.019	0.000	0.090
中东和北非	0.028	0.022	0.000	0.030
北美洲	0.442	0.451	0.000	-0.012
南亚	0.044	0.038	0.000	0.021
撒哈拉以南非洲	0.015	0.011	0.000	0.026
观察值	94,304	216,837

资料来源：统一的PitchBook和Crunchbase数据集。
注释：此表报告了Crunchbase和PitchBook中独特、未匹配交易的组成差异。前两栏的条目是按数据源的平均份额。P值栏报告了均值相等性的t检验结果，标准化差异栏报告了均值差异按合并标准差的缩放。标准化差异以绝对值报告。根据Imbens和Wooldridge（2009），|ND| > 0.1表明组间可能存在不平衡。行业分组基于ISIC分类，国家收入组和地区分类遵循世界银行2025年的分类。t检验是在Crunchbase和PitchBook中的非匹配公司之间进行的。

表B.5：交易和公司层面的描述性统计

	全部	高收入	发展中国家（不包括中国）	中国
面板A：交易规模
票据规模：≤$100k	19.1%	19.4%	31.5%	1.2%
票据规模：$100k-$3M	54.2%	55.1%	51.3%	47.6%
票据规模：$3M+	26.7%	25.5%	17.2%	51.2%
面板B：行业（公司层面）
信息技术	46.3%	47.8%	45.3%	36.1%
制造业 - 化学品、制药	4.0%	4.1%	2.0%	5.0%
制造业 - 电子	11.3%	11.3%	5.1%	19.2%
制造业 - 食品和饮料	2.9%	3.0%	2.7%	2.0%
制造业 - 其他	4.2%	4.3%	2.9%	4.8%
金融服务	3.5%	3.2%	6.2%	2.7%
批发和零售	4.8%	4.0%	8.6%	7.5%
服务 - 研发	4.2%	4.7%	1.2%	3.4%
服务 - 健康	3.1%	3.0%	3.6%	2.5%
电信农业和自然资源	0.3%	0.3%	0.4%	0.3%
	2.4%	2.3%	4.3%	1.2%
公用事业、能源和废物建设	1.3% 0.4%	1.3%	1.8%	0.9%
运输和物流	1.6%	0.4% 1.2%	0.5% 3.7%	0.4%
旅游和休闲	2.8%	2.7%	3.2%	2.1%
房地产和专业服务				3.1%
	4.9%	4.8%	5.6%	5.0%
教育	2.0%	1.6%	3.1%	3.8%
面板C：投资（公司层面）
接收后续投资的概率	43.9%	45.9%	36.7%	35.5%
面板D：地区（公司层面）东亚和太平洋
欧洲和中亚	18.0% 27.4%	9.4% 33.3%	11.1% 7.4%	100.0%
拉丁美洲和加勒比海	2.7%	0.7%	21.0%	0.0%
中东和北非	2.7%	2.7%	5.3%	0.0%
北美			0.0%	0.0%
南亚	43.2%	53.8%	42.7%	0.0%
撒哈拉以南非洲	4.5%	0.0% 0.0%	12.5%	0.0% 0.0%
	1.3%
面板E：收入组别（公司层面）
低收入和下中等收入	6.5%	0.0%	61.1%	0.0%
上中等收入	13.6%	0.0%	38.9%	100.0%
高收入	79.9%	100.0%	0.0%	0.0%
N笔交易	527,031	436,273	49,338	41,420
N家公司	269,915	215,729	28,731	25,455

来源：统一的PitchBook和Crunchbase数据集
注释：本表报告了分析中使用的样本在交易和公司层面的描述性统计数据，分别针对全样本、高收入国家、非高收入国家和中国。面板A显示了交易规模类别的分布。面板B-E报告了按行业、接收后续投资的概率、地区和收入组别划分的公司级份额。行业分类基于ISIC分类。国家收入组别和地区分类遵循世界银行2025年的分类。

2. 股权发行

原始股权发行记录来源于伦敦证券交易所集团（LSEG）提供的证券数据公司（SDC）白金数据库。SDC白金是一个全面的交易级数据库，涵盖了新债券发行、并购、银团贷款和股权发行。本文使用了股权发行部分，其中包含了公开上市和私人持有公司跨广泛国家的交易详细信息。美国的覆盖始于1970年代，而其他市场的覆盖通常从1990年开始变得更加全面。数据库持续更新，因此最初未被捕捉到的交易可能会在后续版本中被纳入。由于每个观察都包括发行日期，因此交易仍然可以被分配到它们发生的时期。

对于本文，我们保留了与风险投资比较相关的公司股权发行，并排除了分析中未使用的公司和证券类别的观察。然后对原始交易级记录进行清理和汇总，到国家-行业-年份级别。行业分类被标准化，并映射到在协调的风险投资数据集中使用的相同的基于ISIC的类别，使得两个来源可以在国家和行业之间一致地进行比较。

沿用Meh和Schmukler（2025）中的累积发行方法，我们从一个固定的基准年构建股权发行量度。而Meh和Schmukler（2025）使用1990年作为基准，我们使用2010年，以使股权发行系列与协调的风险投资分析所涵盖的时期保持一致。因此，我们将所有2010年之前的发行量设为零，并从2010年开始累积测量股权发行。这种构建使我们能够将风险投资活动的规模和行业组成与公共股权市场进行基准比较。

附录C：国家和经济收入分类

本节介绍了报告中包含的国家、经济体、特殊区域和领土，按照收入组别进行分类。为了确保分析过程中每个组别的国家数量保持不变，报告采用基于世界银行2025年收入类别的静态收入分类。使用固定分类可以避免随时间变化的组别构成变化，否则将难以区分观察到的趋势是反映了资本市场活动的变化还是国家收入状况的变化。世界银行根据人均国民总收入（GNI）将经济体分配到收入组别，以美元表示。在本报告中，国家被分为四个类别：高收入、中上收入、中下收入和低收入经济体。下面的表格列出了每个收入组别包含的经济体。

表C.1：考察的高收入和中上收入国家和经济体

高	高续	中上	中上续
澳大利亚	立陶宛	阿尔巴尼亚	伊拉克
奥地利	卢森堡	阿尔及利亚	牙买加
巴林	中国澳门特别行政区	阿根廷	哈萨克斯坦
比利时	马耳他	亚美尼亚	科索沃
文莱	荷兰	阿塞拜疆	利比亚
保加利亚	新西兰	白俄罗斯	马来西亚
加拿大	挪威	波斯尼亚和黑塞哥维那	毛里求斯
智利	阿曼	博茨瓦纳	墨西哥
克罗地亚	巴拿马	巴西	摩尔多瓦
塞浦路斯	波兰	中国	蒙古
捷克共和国	葡萄牙	哥伦比亚	黑山
丹麦	卡塔尔	哥斯达黎加	纳米比亚
爱沙尼亚	罗马尼亚	古巴	北马其顿
芬兰	俄罗斯联邦	多米尼加共和国	巴拉圭
法国	沙特阿拉伯	厄瓜多尔	秘鲁
德国	新加坡	萨尔瓦多	塞尔维亚
希腊	斯洛伐克共和国	斐济	南非
圭亚那	斯洛文尼亚	加蓬	泰国
中国香港特别行政区	韩国	格鲁吉亚	土耳其
匈牙利	西班牙	危地马拉	乌克兰
爱尔兰	瑞典	印度尼西亚
以色列	瑞士	伊朗伊斯兰共和国
意大利	特立尼达和多巴哥
日本	阿拉伯联合酋长国
科威特	英国
拉脱维亚	美国
	乌拉圭

来源：国家按收入组别分类的年份是2025年，使用世界银行的收入类别。
注：表格展示了本论文中包含的国家、经济体、特殊区域和领土，被分类为高收入或中上收入。

表C.2：考察的中下收入和低收入国家和经济体

中下	中下续	中下续	低	低续
安哥拉、孟加拉国、贝宁、玻利维亚、柬埔寨、喀麦隆、佛得角、刚果共和国、阿拉伯埃及共和国、加纳、几内亚、海地、洪都拉斯	印度、科特迪瓦、约旦、肯尼亚、吉尔吉斯共和国、老挝、黎巴嫩、莱索托、毛里塔尼亚、摩洛哥、缅甸、菲律宾、塞内加尔、斯里兰卡、斯威士兰、塔吉克斯坦、坦桑尼亚、东帝汶、突尼斯、乌兹别克斯坦、越南	阿富汗、布基纳法索、布隆迪、乍得、埃塞俄比亚、利比里亚、马达加斯加、马拉维、马里、莫桑比克	尼日尔、卢旺达、塞拉利昂、索马里、苏丹、冈比亚、多哥、乌干达、也门共和国	Niger Rwanda Sierra Leone Somalia Sudan Gambia, The Togo Uganda Yemen, Rep.

来源：国家按收入组别分类的年份是2025年，使用世界银行的收入类别。

附录D：行业分类

本节描述了用于区分知识密集型、组织密集型和传统风险投资活动的分类方法。主要分类基于行业。在协调的风险资本数据集中，每一笔交易首先根据公司的国际标准产业分类（ISIC）被归入17个行业之一。然后使用底层的2位数ISIC细分来根据其无形资产强度将行业分配到更广泛的组别。这一分类基于Demmou等人（2020年）的研究，该研究将Peters和Taylor（2017年）的公司层面无形资本框架转化为行业层面的度量。在这个框架中，无形资本包括知识资本，通过累积的研发支出进行衡量，以及通过与管理实践、品牌、分销系统和人力资本投资相关的销售、一般和行政费用捕获的组织资本。大多数知识密集型无形行业也被归类为组织密集型，唯一的例外是制造基础药物和药品制剂。为了呈现互斥的类别，重叠的行业首先被归入知识密集型组别。因此，组织密集型类别指的是那些组织密集型但非知识密集型的行业，而传统行业则是那些既不被归类为知识也不被归类为组织密集型的行业。尽管这些分类主要来源于高收入国家的公司层面数据，但它们对于跨国分析非常有用，因为无形资产强度反映了一个行业的生产技术，而不仅仅是公司运营的国家。

我们还使用基于关键词的分类方法补充了基于ISIC的行业分类，该方法通过公司业务描述捕获知识和组织密集型的商业模式特征。这种方法捕捉到的特征可能不会完全反映在行业代码中。公司描述被转换为小写，那些少于10个词的描述或样板语言如“处于秘密运营模式”或“未公开产品”的描述将被排除在外。如果公司描述中包含至少一个知识关键词，则该公司被归类为知识密集型；如果其描述中包含至少一个组织关键词，则被归类为组织密集型。

下表列出了报告中使用的2位数国际标准工业分类（ISIC）部门分类，用于将行业分为知识无形、组织无形和传统活动，以及用于按知识和组织密集型商业模式对各公司进行分类的业务描述关键词。

表D.1：知识无形ISIC部门分类

ISIC行业

计算机编程、咨询及相关活动信息服务业

基本药物和药品制剂的制造计算机、电子和光学产品的制造

电气机械和设备的制造家具的制造

机械和设备的制造（不包括其他类）

其他制造业机械和设备的修理和安装

注释：行业使用2位数ISIC部门进行分类。本表列出了被归类为知识密集型的行业。大多数知识无形行业也是组织密集型的，并被归类为知识无形类别，以保持各组的互斥性。例外情况是基本药物和药品制剂的制造，它被归类为知识密集型但不是组织密集型。

表D.2：组织无形ISIC部门分类

ISIC行业

总部活动；管理咨询活动广告和市场研究

建筑和工程活动；技术测试和分析土木工程

建筑物的建造

就业活动

法律和会计活动饮料的制造

金属制品的制造（不包括机械和设备）

食品的制造皮革及相关产品的制造

橡胶和塑料制品的制造

纺织品的制造

烟草制品的制造服装的制造办公行政、办公支持和其他商业支持活动

注释：行业使用2位数ISIC部门进行分类。本表列出了被归类为组织密集型但不是知识密集型的行业。大多数知识无形行业也是组织密集型的，因此被归类为知识无形类别，以保持各组的互斥性。例外情况是基本药物和药品制剂的制造，它被归类为知识密集型但不是组织密集型。

表D.3：传统ISIC部门分类

ISIC行业

住宿空运农作物和动物生产、狩猎及相关服务活动

石油和天然气的提取渔业和水产养殖

食品和饮料服务活动造林和伐木

陆路运输和管道运输

基本金属制造焦炭和精炼石油产品的制造

汽车、拖车和半拖车的制造其他非金属矿物产品的制造

注释：行业是根据2位数的国际标准工业分类（ISIC）部门进行分类的。本表列出了既非知识密集型也非组织密集型的行业。为了保持各组的互斥性，同时具有知识和组织密集型特征的行业被归类为知识无形类别。

表D.4：知识和组织密集型商业模式关键词

知识密集型关键词组织密集型关键词

专有技术；专利；已获专利；算法；机器分发；物流；最后一公里；履行；仓库；学习；深度学习；人工智能；研发；房地产；供应链；市场；聚合商；实地研究与开发；临床试验；药物发现；生物技术；半导体；芯片设计；专有技术；深度技术；计算机视觉；自然语言处理；基因组学；CRISPR；治疗；科学发现；机器视觉；自然语言；基因治疗；细胞治疗；知识产权；神经网络销售点

注释：如果公司描述中包含对应列表中的至少一个关键词，则该公司将被归类为知识密集型或组织密集型。

附录E：附加图表

本附录展示了支持主要分析的额外数据。图E.1显示了收入水平与风险投资和股权发行活动相对规模之间的关系，分别以GDP的份额来衡量。图E.3通过比较发展中国家风险投资和股权发行市场的余弦相似度分数分布，补充了行业组成分析。图E.4和E.5进一步检验了与美国的行业相似性是否与国家的收入水平（按人均GDP衡量）有关。这些图表一起提供了关于各国风险投资活动规模的额外证据，以及风险投资行业组成与公开股权市场差异的程度。

图E.1：VC相对于GDP的平均规模

资料来源：标准化的PitchBook和Crunchbase数据集以及来自世界银行世界发展指标的GDP数据。

图E.2：VC相对于总股权融资的份额

资料来源：PitchBook和Crunchbase的协调数据集以及使用伦敦证券交易所集团（LSEG）的Securities Data Company Platinum数据库中的发行数据计算得出的股权数据。

图表 E.3：发展中国家的VC和股权市场与美国的余弦相似度

资料来源：PitchBook和Crunchbase的协调数据集以及使用伦敦证券交易所集团（LSEG）的Securities Data Company Platinum数据库中的发行数据计算得出的股权数据。
注：该图展示了每个发展中国家的行业分布与美国相应行业分布之间的余弦相似度指数的核密度图，分别显示了风险投资和股权市场。余弦相似度指数范围从0到1，数值越高表示与美国行业组合的相似度越大。深色曲线对应风险投资，浅色曲线对应股权市场。垂直虚线标记了每个分布的中位数。行业组基于国际标准工业分类（ISIC）。

图表 E.4：风险投资与人均GDP的美国余弦相似度

资料来源：PitchBook和Crunchbase的协调数据集以及使用伦敦证券交易所集团（LSEG）的Securities Data Company Platinum数据库中的发行数据计算得出的股权数据，以及世界银行世界发展指标中的按人均GDP计算的数据。注：该图展示了人均GDP与每个国家风险投资行业分布与美国相应行业分布之间的余弦相似度指数之间的关系。余弦相似度指数范围从0到1，数值越高表示与美国风险投资行业组合的相似度越大。红色线显示了拟合的线性关系。人均GDP按2021-2023年的对数平均值计算。美国被排除在外，因为它是参考国家。行业组基于国际标准工业分类（ISIC）。

图表 E.5：股权市场与人均GDP的美国余弦相似度

资料来源：使用伦敦证券交易所集团（LSEG）的Securities Data Company Platinum数据库中的发行数据计算得出的股权数据，以及世界银行世界发展指标中的人均GDP数据。
注：该图展示了人均GDP与每个国家股权市场行业分布与美国相应行业分布之间的余弦相似度指数之间的关系。余弦相似度指数范围从0到1，数值越高表示与美国股权行业组合的相似度越大。红色线显示了拟合的线性关系。人均GDP按2021-2023年的对数平均值计算。美国被排除在外，因为它是参考国家。行业组基于国际标准工业分类（ISIC）。

附录 F：稳健性检验

本附录提供了一系列稳健性检验，以补充报告中报告的主要结果。这些练习评估了关于风险投资的行业构成、无形资产强度、公司层面的商业模式以及进入和资金深度边际的关键发现是否对替代结果度量、样本定义、权重方案和变量构建保持稳健。这些检验共同为正文记录的模式提供了额外的支持。

表 F.1：风险投资在各行业和收入群体中的分布

	(1)	(2)	(3)	(4) 高收入	(5) 发展中国家
	美国	中国印度		(不包括美国)	(不包括中国和印度)
信息技术	43.2	28.0	36.2	39.4	30.2
批发和零售	3.3	10.1	21.7	7.3	17.7
金融服务	5.9	3.6	8.9	8.6	15.1
运输与物流	2.2	4.9	8.1	3.4	11.2
房地产与专业服务	2.9	3.9	3.1	4.8	5.6
旅游与休闲	1.4	2.3	4.5	2.4	3.6
公用事业、能源与废物	1.1	1.2	1.1	2.1	3.4
农业与自然资源制造业 - 电子	1.7	0.9 19.6	1.5	2.6	2.9
制造业 - 其他	11.1 4.0	8.0	1.8 3.0	10.6	1.9
教育	0.7	1.8	2.7	3.5	1.9
服务 - 健康	4.0	2.1	2.5	0.7 1.7	1.7
制造业 - 化学品、制药	5.5	7.0	1.5	4.8	1.7
电信	0.4	0.2	0.4	0.7	0.9
制造业 - 食品与饮料	1.6	1.0	1.8	1.2	0.7
建筑	0.5	0.3	0.7	0.6	0.6
服务 - 研发	10.5	5.1	0.5	5.7	0.6
N个国家	1	1	1	53	0.4 105

资料来源：Harmonized PitchBook和Crunchbase数据集以及世界银行世界发展指标的GDP数据。注：本表报告了2012-2023年期间，每个行业在各国的平均风险投资量占比，分为五个组别：美国、中国、印度、不包括美国的高收入国家，以及不包括中国和印度的低收入和中等收入国家。两个多国别组别的平均值按国家GDP加权；三个单一国家列报告了该国自身的行业份额。行业分类基于ISIC分类，收入分类基于世界银行2025年的收入分类。数值以各国风险投资总量的百分比表示。

表 F.2：无形资产强度与风险投资交易数量份额

	(1) 总计	(2) 总计 x 收入	(3)	(4) 知识知识 x 收入组织组织 x 收入	(5)	(6)
高无形资产强度（总计）	0.643*** (0.012)	0.680* (0.006) -0.203*
× 上中等收入		(0.022) -0.081***
高无形资产强度（知识）		(0.016)	0.306*** (0.023)	0.364*** (0.009)
× 低收入和下中等收入				-0.251*** (0.031)
× 上中等收入				-0.144*** (0.020)
高无形资产强度（组织）					0.666*** (0.014)	0.700*** (0.005)
× 低收入和下中等收入						-0.158*** (0.024)
× 上中等收入						-0.082*** (0.012)
常数	0.111*** (0.005)	0.100*** (0.003)	0.280*** (0.011)	0.257*** (0.006)	0.100*** (0.007)	0.089*** (0.002)
观察值	483	483	483	483	483	483
R平方值	0.971	0.979	0.901	0.936	0.979	0.986
p值：低收入和中低收入 = 0		0.000		0.000		0.000
p值：中高收入 = 0		0.000		0.000		0.000

注释：本表报告了对各行业风险投资交易数量占比与行业无形资产强度度量指标之间关系的回归分析。因变量是每个行业-国家组合中的风险投资交易占比。行业被分类为满足相关无形资产强度定义、不满足该定义或缺乏足够信息；回归分析使用前两类。第（1）-（2）列、第（3）-（4）列和第（5）-（6）列分别使用总体无形资产强度、知识无形资产强度和组织无形资产强度度量指标。偶数列将无形资产强度与低收入和中低收入以及中高收入国家的指标进行交互，高收入国家被省略。收入分类遵循世界银行2025年的分类。括号内报告了按国家聚类的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表F.3：无形资产强度与风险投资量占比，权重：对数（1 + 交易数量）

	(1) 总计	(2)	(3)	(4) 总计 x 知识知识 x 组织组织 x 收入	(5)	(6)
高无形资产强度（总计）	0.430*** (0.027)	0.558* (0.029) -0.255*
× 中高收入		(0.056) -0.233***
高无形资产强度（知识）		(0.074)	0.083*** (0.028)	0.203*** (0.033)
× 低收入和中低收入				-0.199*** (0.055)
× 中高收入				-0.266*** (0.072)
高无形资产强度（组织）					0.451*** (0.025)	0.559*** (0.027)
× 低收入和中低收入						-0.219*** (0.052)
× 中高收入						-0.192*** (0.071)
常数项	0.170*** (0.013)	0.137*** (0.014)	0.343*** (0.015)	0.314*** (0.017)	0.159*** (0.012)	0.136*** (0.013)
观测值	483	483	483	483	483	483
R方	0.453	0.520	0.125	0.226	0.489	0.546
p值：低收入和中低收入 = 0		0.000		0.925		0.000
p值：中高收入 = 0		0.000		0.328		0.000

注释：本表报告了2012-2023年间，使用截尾交易价值对各行业无形资产强度指标与风险投资（VC）量份额之间的回归分析。因变量是每个行业-国家组合中的VC量份额。行业被分类为符合相关无形资产强度定义、不符合或缺乏足够信息；回归分析使用前两个群体。第（1）-（2）、（3）-（4）和（5）-（6）列分别使用总体、知识和组织无形资产强度指标。偶数列将无形资产强度与低收入和下中等收入以及上中等收入国家的指标进行交互，高收入国家被省略。回归分析以国家层面风险投资交易数量的对数为权重。收入分类遵循世界银行2025年的分类。括号内报告了按国家层面聚类的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表F.4：无形资产强度与VC量份额，排除中国和印度

	(1) 总计	(2)	(3)	(4) 总计 x Inc. 知识知识 x Inc. 组织组织 x Inc.	(5)	(6)
高无形资产强度（总计）	0.568*** (0.033)	0.617* (0.022) -0.269*
		(0.057) -0.247***
高无形资产强度（知识）		(0.072)	0.169***	0.239*** (0.031)
× 低收入和下中等收入			(0.046)	-0.252*** (0.052)
× 上中等收入				-0.405*** (0.071)
高无形资产强度（组织）					0.544***	0.579*** (0.017)
× 低收入和下中等收入					(0.025)	-0.205*** (0.054)
× 上中等收入						-0.167** (0.069)
常数项	0.126*** (0.011)	0.111*** (0.007)	0.326*** (0.019)	0.300*** (0.013)	0.138*** (0.008)	0.130*** (0.005)
观测值	477	477	477	477	477	477
R平方	0.846	0.879	0.538	0.683	0.856	0.880
p值：低收入和下中等收入 = 0		0.000		0.767		0.000
p值：上中等收入 = 0		0.000		0.011		0.000

注释：本表报告了2012-2023年间，排除中国和印度数据集后，各行业无形资产强度指标与风险投资（VC）量份额之间的回归分析。因变量是每个行业-国家单元中的VC量份额。行业被分类为符合相关无形资产强度定义、不符合或缺乏足够信息；回归分析使用前两个群体。第（1）-（2）、（3）-（4）和（5）-（6）列分别使用总体、知识和组织无形资产强度指标。偶数列将无形资产强度与低收入和下中等收入以及上中等收入国家的指标进行交互，高收入国家被省略。收入分类遵循世界银行2025年的分类。括号内报告了按国家层面聚类的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表 F.5：无形资产强度与风险投资（VC）份额，排除种子前和种子期交易

	(1) 总计	(2)	(3)	(4) 总计 x 知识增加知识增加 x 组织增加组织增加 x 增加	(5)	(6)
高无形资产强度（总计）	0.547*** (0.032)	0.608* (0.024) -0.264*
× 上中等收入		(0.065) -0.154**
高无形资产强度（知识）		(0.067)	0.139***	0.225*** (0.035)
× 低收入和下中等收入			(0.044)	-0.285*** (0.052)
× 上中等收入				-0.239** (0.106)
高无形资产强度（组织）					0.516*** (0.027)	0.567*** (0.020)
× 低收入和下中等收入						-0.198*** (0.062)
× 上中等收入						-0.136*** (0.045)
常数	0.139*** (0.013)	0.114*** (0.008)	0.343*** (0.019)	0.305*** (0.014)	0.155*** (0.012)	0.134*** (0.006)
观察值	429	429	429	429	429	429
R方	0.825	0.848	0.507	0.596	0.831	0.850
p值：低收入和下中等收入 = 0		0.000		0.125		0.000
p值：上中等收入 = 0		0.000		0.890		0.000

注释：本表报告了2012-2023年间按行业划分的风险投资（VC）份额对行业无形资产强度度量的回归分析。排除了种子前和种子期交易；份额是基于剩余交易计算的。因变量是每个行业-国家单元格中的风险投资份额。行业被分类为满足相关无形资产强度定义、不满足或缺乏足够信息；回归分析使用前两个组。列（1）-（2）、（3）-（4）和（5）-（6）分别使用总体、知识和组织无形资产强度度量。偶数列将无形资产强度与低收入和下中等收入以及上中等收入国家的指标进行交互，高收入国家被省略。收入分类遵循世界银行2025年的分类。括号内报告了按国家水平聚类的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表 F.6：商业模式中的知识和组织关键词

	(1)	(2)	(3)	(4)	(5)	(6)
		信息技术行业			信息技术、批发和零售
	知识	组织 K 减去 O 知识			组织 K 减去 O
低收入和下中等收入	-0.021	0.058***	-0.078***	-0.032**	0.094***	-0.125***
上中等收入	(0.016) -0.044***	(0.011) 0.045***	(0.026) -0.089***	(0.014) -0.047***	(0.014) 0.065***	(0.027) -0.112***
常数	(0.011) 0.159*** (0.003)	(0.007) 0.102***	(0.017) 0.058***	(0.011) 0.150***	(0.012) 0.123***	(0.022) 0.027***
观察值	115,125	115,125	115,125	125,960	(0.004)	(0.006)
R方	0.001	0.003	0.003	0.001	125,960 0.006	125,960 0.006

注释：该表格报告了基于关键词指标的公司层面回归分析，以收入群体虚拟变量为对象。第（1）-（3）列将样本限制在IT行业的公司，而第（4）-（6）列包括IT、批发和零售行业的公司。关键词词典包括中文、日文、德文、印地文、西班牙文、法文和葡萄牙文翻译，同时保留英文术语。第（1）和（4）列显示公司的业务描述是否包含与知识相关的关键词，包括与研发、专利、算法、人工智能、生物技术、半导体和前沿技术相关的术语。第（2）和（5）列同样捕捉组织相关的关键词，包括与分销、物流、市场、供应链、配送网络、客户获取、电子商务、移动支付和数字支付相关的术语。第（3）和（6）列报告了知识和组织指标之间的差异。括号内报告了按国家层面聚类的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表F.7：各国ln(VC/pop)的水平和方差分解（2021-2023年），使用替代的进入定义

	全样本	高收入国家（HICs）	上中等收入国家（UMICs）	低收入和下中等收入国家（Low & LMICs）
面板A：按收入群体划分的进入、资金和VC强度
进入：每百万人中的首次交易（中位数）	1.06	8.69	0.82	0.21
进入：每百万人中的首次交易（平均数）	5.94	15.13	1.06	0.45
资金深度：每名进入者（中位数）的百万美元	3.8	9.0	2.2	2.4
资金深度：每名进入者（平均数）的百万美元	6.3	9.4	6.1	3.3
VC/pop：每 capita的美元（中位数）	4.0	74.2	2.0	0.4
VC/pop：每 capita的美元（平均数）	68.4	180.6	8.1	1.6
国家	146	53	40	53
面板B：ln(VC/pop)的方差分解
Var( ln (VC/pop.))	10.2	2.9	4.6	6.0
Var( ln(First deals/pop.))
Var( ln(Funding Depth))	4.2 ( 41.5%) 2.3 ( 23.0%)	1.5 ( 50.2%) 0.5 ( 17.5%)	1.2 ( 26.7%) 2.4 ( 51.6%)	1.8 ( 29.9%) 2.7 ( 44.7%)
2*Cov( ln(First deals/pop.),ln(Funding Depth))	3.6 ( 35.5%)	0.9 ( 32.3%)	1.0 ( 21.7%)	1.5 ( 25.4%)
国家	146	53	40	53

注释：面板A报告了水平变量的群体中位数和平均值。进入定义为每百万居民中接受首次观察到的交易的公司数量。资金深度是使用除每家公司首次交易之外的所有交易计算得出的，定义为平均总资金除以首次交易的数量（每名进入者百万美元）。VC/pop是总VC除以人口（每 capita美元）。面板B使用了确切的身份Var(ln VC/P) = Var(ln N /P) + Var(ln F D) + 2Cov(ln N /P, ln F D)；括号内报告了每个组成部分占总方差的百分比（%）。HICs = 高收入国家；UMICs = 上中等收入国家；LMICs = 低收入和下中等收入国家。HICs包括美国，UMICs包括中国，LMICs包括印度。收入群体遵循世界银行2025年的分类。₁注释：面板A报告了水平变量的群体中位数和平均值。进入定义为每百万居民中接受首次观察到的交易的公司数量。资金深度是使用除每家公司首次交易之外的所有交易计算得出的，定义为平均总资金除以首次交易的数量（每名进入者百万美元）。VC/pop是总VC除以人口（每 capita美元）。面板B使用了确切的身份Var(ln VC/P) = Var(ln N /P) + Var(ln F D) + 2Cov(ln N /P, ln F D)；括号内报告了每个组成部分占总方差的百分比（%）。HICs = 高收入国家；UMICs = 上中等收入国家；LMICs = 低收入和下中等收入国家。HICs包括美国，UMICs包括中国，LMICs包括印度。收入群体遵循世界银行2025年的分类。

表 F.8：商业环境与进入-深度边际平衡（2021-2023）

变量	（1）进入减去深度系数	(2)
少数股东保护（0-100）	0.000	0.011
× 低收入和中等收入	(0.007)	(0.011) -0.003
WGI：政治稳定（0-100）	0.032***	(0.015) 0.037***
× 低收入和中等收入	(0.006)	(0.014) -0.019
税收亏损结转年限	0.081***	(0.018) 0.050** (0.023)
× 低收入和中等收入	(0.018)	0.033 (0.036)
实际资本利得税率（百分比）	0.014 (0.014)	0.006 (0.021)
× 低收入和中等收入		0.001 (0.029)
企业所得税率（百分比）	-0.069*** (0.018)	-0.044** (0.019)
× 低收入和中等收入		-0.012 (0.037)
股权发行额/GDP的对数	-0.038** (0.015)	0.001 (0.022) -0.075**
× 低收入和中等收入低收入和中等收入		(0.034) 0.494
常数项	-2.051**	(1.888) -2.989** (1.360)
	(0.830)
观测值	121	121
R方	0.406	0.455

注释：本表报告了使用普通最小二乘法（OLS）回归分析，将国家特征与进入-深度边际联系起来，定义为风险投资活动的进入和资金深度组成部分之间的差异。进入的定义如主文中所述。因为ln(VC/人口) = ln(进入/人口) + ln(资金深度)，正系数表明与进入的关联性更强，而负系数表明与资金深度的关联性更强。在形成差异之前，进入和资金深度在顶部和底部1%进行了缩尾处理。第（2）列将每个特征与低收入和中等收入国家的指标进行交互；主要效应因此对应于高收入国家。少数股东保护和WGI政治稳定按0-100的规模进行最小-最大标准化。估计值反映了跨国之间的关联，并非因果关系。括号内报告了稳健的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表 F.9：商业环境和风险投资生态系统边际（2021-2023），使用替代的进入定义

	(1)	(2)	(3)
变量			ln(VC/人口) ln(首次交易/人口) ln(资金深度)
少数股东保护（0-100）	0.033**	0.020***	0.013*
WGI：政治稳定（0-100）	(0.013) 0.047***	(0.006) 0.040***	(0.008) 0.008
税收亏损结转年限	(0.009) 0.093***	(0.005) 0.080***	(0.005) 0.013
实际资本利得税率（百分比）	(0.024) 0.001	(0.014) 0.004	(0.014) -0.003
企业所得税率（百分比）	(0.024) -0.025	(0.013) -0.043***	(0.014) 0.018
股权发行额/GDP的对数	(0.028) 0.090***	(0.016) 0.025*	(0.017) 0.066***
常数项	(0.025) -3.098**	(0.013) -3.037***	(0.015) -0.061
	(1.356)	(0.705)	(0.809)
观测值	121	121	121

注释：进入定义为每百万居民中首次获得观察到的任何类型交易的公司数量。少数股东保护和WGI政治稳定度被最小-最大标准化到0-100的范围。第（1）列是通过将经过赢缩处理的进入和资金深度组成部分相加构建的，因此第（2）列和第（3）列中的系数之和正好等于第（1）列中的系数。资金深度是基于所有后续交易计算得出的。括号内报告了稳健的标准误差。*** p < 0.01，** p < 0.05，* p < 0.1。

表F.10：按行业划分的商业环境和风险投资生态系统边界（2021-2023年），使用替代进入定义

	(1)	(2)	(3)	(4)	(5)	(6)
	知识密集型		组织密集型		传统型
	ln(进入/人口)	ln(资金深度)	ln(进入/人口)	ln(资金深度)	ln(进入/人口)	ln(资金深度)

少数股东保护（0-100）	0.012*	-0.002	0.009	0.015	0.014**	0.001
WGI：政治稳定度（0-100）	(0.007)	(0.008)	(0.007)	(0.012)	(0.006)	(0.016)
WGI：政治稳定度（0-100）	0.045***	0.009	0.044***	0.000	0.035***	0.005
税务亏损结转年限	(0.006)	(0.007)	(0.006)	(0.008)	(0.005)	(0.008)
税务亏损结转年限	0.096***	0.030*	0.091***	0.026	0.087***	0.031
实际资本利得税率（百分比）	(0.016)	(0.017)	(0.015)	(0.022)	(0.012)	(0.027)
实际资本利得税率（百分比）	-0.003	-0.015	-0.006	-0.007	-0.013	-0.034
企业所得税税率（百分比）	(0.012)	(0.014)	(0.010)	(0.016)	(0.008)	(0.022)
企业所得税税率（百分比）	-0.055***	0.025	-0.040**	0.025	-0.023*	0.006
对数股权发行/GDP	(0.016)	(0.020)	(0.016)	(0.025)	(0.013)	(0.032)
对数股权发行/GDP	0.024*	0.068***	0.006	0.095***	0.000	0.088***
常数项	(0.014)	(0.021)	(0.013)	(0.024)	(0.013)	(0.029)
常数项	-3.133***	0.684	-4.060***	-0.119	-4.972***	1.746
	(0.689)	(0.941)	(0.756)	(1.398)	(0.677)	(1.312)

观测值 R平方	100	100	100	100	100	100
	0.742	0.342	0.698	0.432	0.734	0.245

注释：使用稳健标准误差的OLS回归。每一列将因变量限制在指定行业（K=知识密集型；O=组织密集型；T=传统型）的交易中。进入定义为公司的首次观察到的任何类型交易；资金深度是基于所有后续交易计算得出的。样本限制在2021-2023年在所有六个结果和所有六个回归变量上都有非缺失值的国家。结果在顶部和底部1%处进行赢缩处理。少数股东保护和WGI政治稳定度被最小-最大标准化到0-100的范围。通过使用稳健的联合协方差矩阵对堆叠方程进行单侧Wald检验来测试跨行业的系数相等性；结果在随附的日志中报告。稳健的标准误差在括号内报告。*** p < 0.01，** p < 0.05，* p < 0.1。

风险投资实际资助了什么？全球范围内的规模与结构

常见问题