董保寶 曹 琦 羅均梅

(吉林大學管理學院)

1 研究背景

元分析是一種“對分析的分析”，在過去的40年中，元分析技術經(jīng)受住了重重批評和質疑，在醫(yī)學、生物科學和教育學等領域得到了蓬勃發(fā)展。在管理學中，元分析技術也逐漸成為了一種重要的研究工具。AGUINIS等[1]在回顧了近200項元分析文獻后指出，管理學領域元分析文章發(fā)表數(shù)量正逐年遞增。PATIENCE等[2]也指出，元分析文章的年均引用率，遠大于管理學領域總引用量排名前500的普通文章。由此可見，元分析技術在研究中的認可度和影響率正逐漸上升。然而，元分析的科學貢獻力，不應該僅僅通過它在研究中的受歡迎程度來判斷。元分析相較于傳統(tǒng)單一的實證性文章，其優(yōu)勢在于：任何一項單一的實證研究都無法做到盡善盡美，研究結果都具備一定的偶然性和局限性，而元分析有助于研究人員創(chuàng)建超級樣本以整合研究結果，并且能夠糾正由測量誤差、抽樣誤差、研究設計和研究背景所造成的結果失真[3]，從而帶來一個領域內的“真理”，而這些“真理”又會反過來完善理論，推動進一步的實證研究。

創(chuàng)業(yè)領域研究者聚焦于創(chuàng)業(yè)機會、創(chuàng)業(yè)資源與創(chuàng)業(yè)情境，探討了如何高效識別、評估、獲取與利用機會及資源，以實現(xiàn)價值創(chuàng)造[4]，在此探索過程中，產生了大量已發(fā)表或未發(fā)表的初級研究成果，創(chuàng)業(yè)研究進程的不斷推進，依賴于研究者對這些成果的理解和總結。將元分析應用在創(chuàng)業(yè)領域，以評估雙變量間穩(wěn)定的真實關系，已受到了國內外學者的廣泛認可[5]。當前創(chuàng)業(yè)領域的元分析研究，也正經(jīng)歷從標準的雙變量關系研究進行轉型，開始了整體框架的構建和理論的對比、延伸與創(chuàng)建[6]。

創(chuàng)業(yè)作為一門獨立學科，已經(jīng)發(fā)展到了研究者可以對元分析進行概述的程度。1987年，美國管理學會將創(chuàng)業(yè)作為一個獨立的研究領域正式納入管理學科，此后，SHANE等[7]也從機會視角，明確提出了將創(chuàng)業(yè)作為一個獨立的研究領域具備合法性。經(jīng)過30多年的發(fā)展，創(chuàng)業(yè)知識體系得到了不斷拓寬與完善，創(chuàng)業(yè)領域的元分析研究成果已經(jīng)收獲頗豐?；诖?，本研究認為：①需要對創(chuàng)業(yè)領域元分析進行概述，以評估創(chuàng)業(yè)領域現(xiàn)有知識庫。因為經(jīng)常進行元分析的主題更成熟、更受歡迎，并且(或)被研究人員認為更重要，對元分析研究主題進行概述，有利于研究者評估創(chuàng)業(yè)領域中已經(jīng)完成了多少工作，進而對創(chuàng)業(yè)領域研究現(xiàn)狀和未來發(fā)展有個大致把握。②亟需指出元分析方法應用上不斷提高的標準。若元分析研究在質量評判上沒有達成一致的、較高的標準，將會極大阻礙創(chuàng)業(yè)研究中知識的綜合。據(jù)此，需要針對元分析研究，在模型構建、理論驗證與拓展、實施程序、指標匯報和分析方法選擇上，指出可提升的路徑。另外，還需推動創(chuàng)業(yè)領域知識的積累和聚合。因為在滿足了不斷提高的標準的情況下，通過精心設計和執(zhí)行的元分析研究，研究人員可以很容易地確定關于特定議題的知識發(fā)展狀況，更好地解決該議題下尚未達成一致的爭議。更重要的是，滿足了不斷提高標準的元分析研究，可以成為在創(chuàng)業(yè)領域中構建理論、測試替代理論與競爭理論的重要基礎。

2 文獻檢索與統(tǒng)計

2.1 研究樣本和納入標準

為了全面分析國內外創(chuàng)業(yè)領域元分析研究現(xiàn)狀，本研究對發(fā)表在創(chuàng)業(yè)領域頂級期刊中的、或具備較大影響力的管理學期刊中的元分析文章進行了搜索和梳理。對于國際刊物而言：①選擇了最具影響力的8個創(chuàng)業(yè)領域期刊：Journal of Business Venturing(JBV)、Entrepreneurship Theory and Practice(ETP)、Small Business Economics(SBE)、International Small Business Journal(ISBJ)、Journal of Small Business Management(JSBM)、Journal of Business Research(JBR)、Entrepreneurship and Regional Development(ERD)、Strategic Entrepreneurship Journal(SEJ)。②以UTD-24和FT-50中所列期刊為來源，選擇了10個國際管理學領域頂級期刊Academy of Management Journal(AMJ)、Academy of Management Perspectives(AMP)、Academy of Management Review(AMR)、Administrative Science Quarterly(ASQ)、Journal of Management(JOM)；Journal of Management Studies(JMS)；Management Science(MS)、Organization Science(O Sci)、Organization Studies(O Stu)、Strategic Management Journal(SMJ)。③通過文獻回溯的方式，本研究將4篇發(fā)表在心理學和市場營銷領域頂級期刊Journal of Applied Psychology(JAP)、Journal of Marketing(JM)、Journal of the Academy of Marketing Science(JAMS)中具有代表性的文章，以及RAUCH等[8]發(fā)表在 Journal of Work and Organizational Psychology(JWOP)中的一篇頗具影響力的文章也納入了樣本范圍。對于國內刊物選擇，參考蔡莉等[9]的方法，選擇了進入2017～2018年CSSCI檢索的29個管理學雜志。

在正式展開搜索之前，本研究制定了元分析文章的采納標準：①納入樣本的文章應該與創(chuàng)業(yè)主題相關；②排除有關元分析方法論的文章。在確定了文獻搜索范圍和采納標準之后，開始搜索和篩選工作。首先，以“meta-analysis”“meta-analytic”“元分析”“薈萃分析”和“Meta分析”等為搜索關鍵詞，利用Scopus、Web of Science、Google學術、中國知網(wǎng)、萬方等數(shù)據(jù)庫，對搜索列表中的目標期刊進行主題、標題、關鍵詞和摘要組合搜索，并對所得文獻進行全文閱讀，剔除不符合采納標準的文獻。其次，對現(xiàn)有文獻引用部分進行了文獻追溯，新增了5篇文獻。最終，找到了符合標準的文獻共137篇，其中，外文文獻113篇，中文文獻24篇。

2.2 編碼內容和流程

首先，本研究針對符合標準的137篇中英文文獻制定了編碼原則。編碼內容分為主題編碼、方法編碼和相關信息編碼。主題編碼內容包括文章的自變量、因變量、中介變量、調節(jié)變量、文章結論、理論基礎以及研究主題歸類。方法編碼是對元分析重要過程及其指標進行統(tǒng)計，包括效應量矩陣輸入、系統(tǒng)誤差修正、互依效應的修正、異常值識別、平均效應統(tǒng)計、異質性檢驗、調節(jié)效應檢驗、中介效應檢驗和發(fā)表性偏倚9個過程，以及其中使用的統(tǒng)計指標。相關信息編碼包括每篇文章的作者、發(fā)表時間、發(fā)表期刊以及每一篇元分析文章的被引次數(shù)。

編碼內容中，相關信息編碼、方法編碼和主題編碼中有關變量、理論、方法與結論等信息能夠在文章中直接找到。存在的模糊和爭議之處在于，如何歸類和細致劃分每篇文章所屬研究主題。為了減小編碼錯誤的概率，由主要編碼者(兩名創(chuàng)業(yè)研究方向博士研究生和兩名教授)共同商量編制編碼表和編碼說明書，并與兩名創(chuàng)業(yè)研究領域專家進行討論修改后，作為后續(xù)編碼的參照依據(jù)。接著，讓兩位研究者獨立進行編碼和主題類別歸納。編碼完成之后，兩名研究者針對不清楚的情況，以及具有分歧的問題進行討論，直到達成共識。隨著編碼實踐過程中主題類別的不斷完善，分歧和差異問題逐漸被減少，最終兩名研究者幾乎能夠達成一致。編碼提煉過程見表1。

表1 編碼提煉過程(N=137)

2.3 發(fā)表文獻數(shù)量分析

圖1 1992～2019年文獻發(fā)表絕對數(shù)量變化趨勢

1992～2019年文獻發(fā)表絕對數(shù)量變化趨勢見圖1。由圖1可知，從年度分布來看，雖然1992～1999年文獻數(shù)量發(fā)表較少，但較為平穩(wěn)；自2000年開始，創(chuàng)業(yè)領域元分析文獻漲幅頗大，雖然在之后的年份里存在高峰和低谷，但不改向上的趨勢。在2000～2009年期間，文獻數(shù)量雖然呈現(xiàn)上漲態(tài)勢，但仍有起伏，最大的波動是從2005～2006年，后一年的有關文獻比前一年增加了5篇，之后文獻數(shù)量一直在4～6篇之間徘徊。直到2011年，相關文獻的數(shù)量突破至8篇，之后一年雖降低到5篇，但2013年的有關文獻卻直接突破到12篇，2016年元分析文獻更是達到19篇的高度。如果用階段式來對元分析文獻進行計算，1992～1999年為創(chuàng)業(yè)領域元分析的萌芽期，關于元分析文獻的產出量僅為9篇。2000～2009年的產出量為29篇，此階段為創(chuàng)業(yè)領域元分析的成長期。在2010～2016年的產出量為61篇，此階段為創(chuàng)業(yè)領域元分析的快速成長與井噴期，2010年之后的文獻數(shù)量已經(jīng)是2000～2009年間的3.41倍，此項增長無疑是巨大的。2017～2019年2月，文獻數(shù)量較峰值有所下降，此階段為創(chuàng)業(yè)領域元分析的轉型期。由此看來，有關元分析的研究方法，已經(jīng)逐漸被學術領域感知與接納，相關研究人員對于此項分析方法的發(fā)展也越來越重視。

3 主題分析與方法述評

3.1 元分析之主題分析概況

3.1.1主題數(shù)量分析

元分析研究主要應用于理論驗證和概念框架的檢驗兩大方向[10]。本研究經(jīng)過嚴格仔細的編碼流程，最終將樣本中所有元分析文獻歸納進了5個主題中，分別是創(chuàng)業(yè)者特征、創(chuàng)業(yè)團隊特征、創(chuàng)業(yè)行為、創(chuàng)業(yè)產出的來源及成因、創(chuàng)業(yè)理論驗證與拓展。這也與TIMMONS等[4]、SHANE等[7]的觀點一致，即創(chuàng)業(yè)是一個跨層面跨學科的研究，涉及個人、團隊和組織多個層面，囊括社會網(wǎng)絡理論、資源基礎理論、制度理論、交易成本理論等多個理論。

由于一篇文獻可能涉及到不同主題，因此可能會出現(xiàn)在多個主題中。在這5個主題中，有關創(chuàng)業(yè)產出來源及成因的文獻占主導地位，數(shù)量高達87篇，占文獻總數(shù)的63.5%；此外是有關創(chuàng)業(yè)行為的相關文獻，總共30篇，占比21.9%。在剩下的3個主題中，創(chuàng)業(yè)者特征相關文獻共22篇，占比16.1%；創(chuàng)業(yè)團隊文獻共18篇，占比13.1%；創(chuàng)業(yè)理論驗證與拓展的有關文獻為6篇，占比為4.4%。據(jù)此可見，對創(chuàng)業(yè)產出的來源和成因，以及創(chuàng)業(yè)行為的元分析研究更受學者青睞，而進行理論驗證與拓展的元分析研究較少。

3.1.2主題內容分析

(1)創(chuàng)業(yè)產出的來源及原因新企業(yè)如何克服新生缺陷，持續(xù)提升創(chuàng)業(yè)產出(創(chuàng)新、績效、新產品成功等)成為創(chuàng)業(yè)學者關注的焦點。首先，在資源與創(chuàng)業(yè)產出的研究主題中，具有以下發(fā)現(xiàn)：①不同人力資本對創(chuàng)業(yè)產出的相對重要性存在不一致結論。例如，UNGER等[11]認為，相比于教育、經(jīng)驗相關的人力資本，知識、技能相關的人力資本更有利于促進企業(yè)績效的提升。與之相反，CROOK等[12]指出，知識、技能等相關的人力資本容易通過市場交易獲得，而經(jīng)驗相關的人力資本則包括了很多隱性知識，難以獲取，對企業(yè)績效的效價更高。前述結論的邊界效應表明，在高科技行業(yè)環(huán)境中，抑或是在欠發(fā)達國家中，知識、技能相關的人力資本比教育，以及經(jīng)驗相關的人力資本對創(chuàng)業(yè)成功的影響更強。②結構社會資本和關系社會資本，在提升創(chuàng)業(yè)產出過程中具有互補和增補效應。例如，STAM等[13]研究表明，結構社會資本效價的發(fā)揮，需要依賴關系社會資本的輔助；關系社會資本作用的發(fā)揮，也離不開結構社會資本。③智力資本與創(chuàng)業(yè)產出關系研究不足。僅有較少的元分析研究表明，創(chuàng)業(yè)者的智力資本有助于企業(yè)創(chuàng)新，但二者之間的關系受到時間因素和文化差異的影響[14]。

其次，在戰(zhàn)略結構與創(chuàng)業(yè)產出的主題研究中，具有以下發(fā)現(xiàn)：①高不確定性環(huán)境中，戰(zhàn)略規(guī)劃對創(chuàng)業(yè)產出的影響結論不聚斂。例如，SARASVATHY[15]認為，在資源高度約束和不確定性的情境中，創(chuàng)業(yè)企業(yè)更需要實施即興行為而非戰(zhàn)略規(guī)劃；而SCHWENK等[16]認為，戰(zhàn)略規(guī)劃有助于中小企業(yè)更好地規(guī)避不確定性環(huán)境中的風險，對企業(yè)成長績效有較大的推動作用。②創(chuàng)業(yè)導向、市場導向與創(chuàng)業(yè)產出之間的正向關系已成共識。例如，張驍?shù)萚5]指出，創(chuàng)業(yè)導向與企業(yè)績效呈現(xiàn)正向顯著關系。③成本領先戰(zhàn)略、差異化戰(zhàn)略、多元化戰(zhàn)略都有助于促進創(chuàng)業(yè)產出的提升[17]。④戰(zhàn)略異議與創(chuàng)業(yè)產出之間的關系仍不清晰。既有研究表明，創(chuàng)業(yè)團隊在企業(yè)愿景或未來戰(zhàn)略方面的認知差異，有助于提高戰(zhàn)略決策的效果，正向影響創(chuàng)業(yè)產出；而SAMBA等[18]認為，戰(zhàn)略異議負向影響企業(yè)產出，且人際關系、信息細化中介了二者之間的負向關系。

最后，在制度與創(chuàng)業(yè)產出的研究主題中，僅有較少元分析文獻，如遲楠等[19]指出，正式的制度因素和非正式制度因素，都會影響企業(yè)戰(zhàn)略的選擇與企業(yè)績效的提升，且非正式制度因素的影響作用比正式的制度因素更大。

(2)創(chuàng)業(yè)行為對創(chuàng)業(yè)行為的研究，離不開對機會開發(fā)行為和資源開發(fā)行為的關注。首先，機會開發(fā)過程受到了元分析研究的廣泛關注。具體而言：①國際創(chuàng)業(yè)機會開發(fā)研究已成規(guī)?！，F(xiàn)有元分析文獻分別探索了有序推進國際創(chuàng)業(yè)機會識別、評估、利用過程的影響因素，例如，BEUGELSDIJK等[20]指出，文化距離影響了企業(yè)識別文化距離較遠的海外投資地點，并且采用綠地的方式進行機會利用，以減小與東道國的摩擦。②創(chuàng)新驅動下的創(chuàng)業(yè)機會開發(fā)也受到了較多關注。例如，SAROOGHI等[21]指出，企業(yè)所處行業(yè)類型影響了識別機會類型，即高科技企業(yè)偏向于識別產品創(chuàng)新機會，非高科技企業(yè)主要識別流程創(chuàng)新機會。③裂變式創(chuàng)業(yè)機會開發(fā)成為新興的研究主題。如GARRETT等[22]指出，企業(yè)員工的年齡和任期與創(chuàng)業(yè)孵化(公司雇員離開現(xiàn)有工作崗位去創(chuàng)辦新企業(yè))呈倒U形關系。

其次，資源開發(fā)過程也受到了元分析研究的持續(xù)關注，但多數(shù)元分析研究著眼于外部創(chuàng)業(yè)資源的識別與獲取過程，較少地關注于資源在企業(yè)內部的匹配和利用過程。具體而言：①非實物資源(知識、信息等)獲取研究熱點不減。例如，現(xiàn)有研究指出，企業(yè)社會網(wǎng)絡的結構維度(如網(wǎng)絡規(guī)模、網(wǎng)絡中心度)和關系維度(如關系強度、關系穩(wěn)定性、信任)[23]對知識資源的轉移和獲取具有重要作用。②實物資源(資金)獲取研究也同等重要。例如，KYSUCKY等[24]指出，長期的、排他性的、協(xié)同創(chuàng)造的銀行關系與較高的信貸量和較低的貸款利率有關，且前述關系在美國以及銀行競爭激烈的國家中更有可能實現(xiàn)。③新技術的應用開辟了資源配用新途徑。相較于通過聯(lián)盟、關系網(wǎng)絡等傳統(tǒng)形式獲取外部資源，VAN LAER等[25]指出，利用數(shù)字技術整合企業(yè)自身商業(yè)數(shù)據(jù)資源進行敘事傳輸，有利于提高用戶顧客參與度，幫助企業(yè)深層次地說服消費者購買產品或服務。

最后，有關機會資源一體化開發(fā)的元分析研究，大都遵循為了開發(fā)機會以投入資源的因果邏輯，且為開發(fā)資源而產生機會的效果邏輯鮮有被檢驗。具體而言：①國際創(chuàng)業(yè)機會開發(fā)離不開資源配用。例如，現(xiàn)有研究指出，企業(yè)海外創(chuàng)建過程與多國化戰(zhàn)略實施，都需要企業(yè)國際經(jīng)驗、知識和資本發(fā)揮基礎保障作用。②資源稀缺性推動特許經(jīng)營的思維慣性被打破。正如COMBS等[3]的研究指出，應該避免使用資源稀缺性作為管理人員使用特許經(jīng)營這一創(chuàng)業(yè)戰(zhàn)略的規(guī)范性暗示。③家族企業(yè)機會資源一體化行為成為創(chuàng)業(yè)研究的特色之路。例如，DURAN等[26]指出，雖然家族企業(yè)較少地將創(chuàng)新資源投入于創(chuàng)業(yè)機會開發(fā)，但是機會的開發(fā)效率卻較高。

(3)創(chuàng)業(yè)者特征創(chuàng)業(yè)者是創(chuàng)業(yè)活動實施的主體。首先，在創(chuàng)業(yè)者人口學特征中，受到最多關注的當屬性別差異，即性別差異對于創(chuàng)業(yè)活動的影響仍值得探索。例如，KOOIJ等[27]指出，男性更傾向于思考關于創(chuàng)業(yè)事業(yè)更遠的未來；FILIPPIN等[28]則指出，性別差異并不影響對創(chuàng)業(yè)風險的態(tài)度。其次，在探討創(chuàng)業(yè)者個人特質的元分析文章中，大五人格受到了最多關注，即創(chuàng)業(yè)者大五人格在創(chuàng)業(yè)過程中發(fā)揮著重要作用。早在2006年，ZHAO等[29]便指出，與經(jīng)理人相比，創(chuàng)業(yè)者具有更高的責任心和開放性，但神經(jīng)質和親和性卻較低，且創(chuàng)業(yè)者總的大五人格對于創(chuàng)業(yè)者社會地位具有顯著正向影響。其他研究者也指出，大五人格對創(chuàng)業(yè)意向、創(chuàng)業(yè)者占據(jù)網(wǎng)絡中心和經(jīng)紀地位、創(chuàng)業(yè)績效、創(chuàng)業(yè)成功等都具有積極影響。最后，在探討創(chuàng)業(yè)者態(tài)度或信念的元分析文章中，創(chuàng)業(yè)者自我效能感受到了最多關注。具體而言：①創(chuàng)業(yè)自我效能感是成功創(chuàng)業(yè)者的必備因素。眾多元分析研究指出，創(chuàng)業(yè)者自我效能感與風險承擔、環(huán)境適應、創(chuàng)業(yè)意愿、創(chuàng)業(yè)績效、創(chuàng)業(yè)成功等具有正向關系。②需深入挖掘創(chuàng)業(yè)者多種動機和行為傾向。現(xiàn)有研究表明，成就動機、自主性需求動機、冒險傾向、主動性傾向、創(chuàng)新傾向等都對于創(chuàng)業(yè)意愿的形成，以及高質量創(chuàng)業(yè)產出結果具有重要作用。③創(chuàng)業(yè)者能力在創(chuàng)業(yè)過程中的作用考量不足。僅有3篇文章對創(chuàng)業(yè)者相關能力進行了探討，例如，RAUCH等[8]研究指出，創(chuàng)業(yè)者本不應該在高度不安全感和充滿壓力的情況下感到緊張，因此，創(chuàng)業(yè)者高抗壓能力始終在創(chuàng)業(yè)過程中發(fā)揮作用。

(4)創(chuàng)業(yè)團隊特征與創(chuàng)業(yè)者研究類似，有關創(chuàng)業(yè)團隊特征的元分析研究，關注最多的就是團隊社會人口學特征。首先，多種團隊人口學特征發(fā)揮效用需要比較與探索。例如，KIRCA等[30]研究發(fā)現(xiàn)，雖然團隊規(guī)模等因素對于企業(yè)多國化會產生影響，但在擁有豐富國際經(jīng)驗的團隊中，團隊規(guī)模對多國性的影響可以忽略不計。據(jù)此，團隊人力資本和關系資本中，內嵌的國際經(jīng)驗是影響企業(yè)多國化最重要的因素。其次，多種團隊社會學特征發(fā)揮效用也不盡相同。例如，BALKUNDI等[31]指出，雖然社會網(wǎng)絡對于團隊生存和績效的提升具有重要影響，但是情感網(wǎng)絡密度比工具網(wǎng)絡密度對團隊生存能力的作用更強。再次，團隊設計是提升創(chuàng)業(yè)成功概率的利器。例如，STEWART等[32]指出，雖然團隊內部更高的自主性和協(xié)調機制與更高的績效相關，但其效果還因任務類型而異。也即，高自主性并不利于與知識相關的創(chuàng)造性工作，但良好的協(xié)調互動機制有利于創(chuàng)業(yè)團隊應對高復雜性和創(chuàng)造性的挑戰(zhàn)。最后，跨層能力集聚需要將可能的損失納入考量。例如，SAROOGHI等[21]將團隊創(chuàng)造力、個人創(chuàng)造力與創(chuàng)新之間的作用效果進行了比較，研究指出：個人創(chuàng)造力與創(chuàng)新的關系優(yōu)于團隊創(chuàng)造力，雖然創(chuàng)業(yè)者個人與創(chuàng)業(yè)團隊相比，擁有較少的認知、智力和技術資源，但創(chuàng)業(yè)者在將創(chuàng)造性想法進行轉化的過程中更有效率，因其不會遭受協(xié)調、沖突管理、溝通等方面的過程損失。

(5)創(chuàng)業(yè)理論驗證與拓展在創(chuàng)業(yè)研究中，學者們普遍使用資源基礎觀、企業(yè)成長理論、效果邏輯、制度理論和交易成本理論等來解釋相關創(chuàng)業(yè)研究現(xiàn)象，但理論并非完美無缺。為了進一步拓展上述理論在創(chuàng)業(yè)研究中的應用，提高理論運用的嚴謹性，學者們開始使用元分析方法驗證上述理論的基礎假設。結果表明，企業(yè)成長理論、效果邏輯理論的基礎假設通過了元分析的驗證，而資源基礎觀、制度理論和交易成本理論的基礎假設只有部分獲得了支持：在資源基礎觀中，只有資源的價值屬性和稀缺屬性，在推進績效中發(fā)揮了正向作用[33]；在制度理論中，外在社會結構的壓力與組織趨同的關系非常微弱，而且組織趨同，并非如理論預測的那樣負向影響實質性績效[34]；在交易成本理論中，只有交易頻率和資產專用性、行為不確定性的增加，如理論預測會導致交易方式從市場治理向層級治理轉化，而技術、總量不確定性的提升，則會導致關系治理和市場治理難度加大[35]。上述元分析研究，在一定程度上挑戰(zhàn)了資源基礎觀、制度理論和交易成本理論，一方面有助于啟發(fā)學者進一步完善相關理論，另一方面也容易招致攻擊。為了進一步強化元分析結果的穩(wěn)健性，未來元分析研究應進一步完善其堡壘，補足元分析方法的缺陷。

3.2 元分析之數(shù)據(jù)處理與分析概況

本研究對所選文獻的重要步驟與指標選擇進行了分析，企圖尋找現(xiàn)有文章在元分析過程中指標和方法選擇上的共識與分歧，并提出未來發(fā)展建議。

(1)效應量輸入目前，普遍接受的兩個效應大小指標是相關系數(shù)r和Cohen’sd，在本次137篇元分析文章中，有123篇(89.8%)使用相關系數(shù)r，有8篇(5.8%)使用Cohen’sd。從統(tǒng)計結果來看，r更受研究人員偏愛。

在r作效應量輸入方面，學者們對是否進行Fisher’sz變換仍然存有分歧，在本次統(tǒng)計的123篇輸入相關系數(shù)r的研究中，有45篇(36.6%)文章進行了Fisher’sz轉換。二者各有優(yōu)劣，其中使用r的優(yōu)點是容易理解，r產生的向下偏差小于舍入偏差。使用Fisher’sz轉換的優(yōu)點是轉換后近似于正態(tài)分布，z的方差不依賴整體的相關值。缺點是Fisher’sz轉換產生的向上偏差，比使用r產生的向下偏差大。在兩者的爭議當中，COMBS等[3]認為，使用r比Fisher’sz更加可靠，因為后者在總體估計時易夸大估計量。

此外，本次統(tǒng)計中有6篇(4.4%)文章使用了偏相關系數(shù)作為效應量輸入。對于偏相關系數(shù)在元分析中的統(tǒng)計效力，學界仍未得出一致的結論。HUNTER等[10]認為，偏相關系數(shù)容易受其他變量的影響，彼此之間不能相互比較，也不能和兩兩相關系數(shù)進行比較，在進行元分析統(tǒng)計時，需要慎重使用偏相關系數(shù)。

(2)系統(tǒng)誤差修正在研究者進行資料收集、分析和解釋的過程中，一些“人為因素”可能導致觀察值和真實值偏離，即出現(xiàn)系統(tǒng)誤差。HUNTER等[10]認為，系統(tǒng)誤差包括測量誤差、范圍限制和二分化3個方面，在進行元分析時，研究者需要對系統(tǒng)誤差進行修正。在本次收集的137篇元分析文章中，有44篇未進行系統(tǒng)誤差修正，93篇(中文6篇，外文87篇)進行了系統(tǒng)誤差修正，占比67.9%。在具體的系統(tǒng)誤差修正中，有70篇(51.1%)文章只進行了測量誤差修正；有4篇文章只進行了二分化修正，有3篇文章僅做了范圍限制的修正。做了測量誤差和范圍限制修正的文章有6篇(4.4%)，做了測量誤差和二分化修正的文章有5篇(3.6%)；同時，進行測量誤差、范圍限制和二分化3項修正的文章有5篇(3.6%)。

(3)互依效應的修正當與給定關系相關的多個效應值源于同一樣本時，就會出現(xiàn)互依效應[10]。現(xiàn)有研究提供了3種方式修正互依效應：①從同一樣本中選擇一個最佳的效應值，優(yōu)點是簡單易操作，缺點是容易產出判別偏差；②對來自同一樣本的效應量進行均值化，優(yōu)點是比任何單個的效應量更精確，缺點是無法確定以哪個樣本規(guī)模為準，且容易低估效應量的異質性程度；③創(chuàng)建一個復合變量，優(yōu)點是測量更加精確，缺點是要求互依效應大小之間存在相關結構。

在本次統(tǒng)計的元分析文章中，有91篇文章未進行互依效應修正，46篇(33.6%)文章進行了互依效應檢驗。在互依效應校正的文章中，有14篇文章選用了最佳估計來修正互依效應，有15篇文章使用效應量均值化的方式，有10篇文章選擇設置組合變量的方法。此外，中文的元分析文章均未進行互依效應的修正。在具體的修正方法中，學者們更偏重使用均值化和最佳估計的方法來校正互依效應，這可能與這兩種方法更易操作有關，但為了進一步提高研究的精確度，通過創(chuàng)建復合變量來修正互依效應是一種可選的方法。此外，本次統(tǒng)計中，還有7篇文章將互依效應視作獨立效應，該做法下整體樣本量被人為擴大了，觀測值的變異性也會隨之減少，應避免使用這種方法。

(4)異常值識別在元分析中，查找并刪除異常值非常重要，因為異常值可能對最終的實證結果產生影響，從而改變所得結論[10]。異常值主要包括樣本規(guī)模異常值和效應量異常值兩類。這兩類異常值中，樣本規(guī)模異常值識別相對簡單，可以通過傳統(tǒng)的散點圖分析來進行識別，而對于效應量異常值的識別，可以采用COOK距離、調整后的標準化均數(shù)差(SAMD)等多種方法。

本次統(tǒng)計中，有97篇(70.8%)文獻未進行異常值的識別，其中24篇中文都沒有進行異常值識別。在進行異常值識別的40篇文獻中，13篇(9.5%)只進行了規(guī)模異常值的識別；25篇(18.2%)進行了效應量異常值的識別；2篇(1.5%)同時進行樣本規(guī)模和效應量異常值的識別。

(5)平均效應統(tǒng)計在元分析中，為了消除抽樣誤差，需要根據(jù)各個研究樣本中給定關系的效應量確定總體樣本的平均效應量。平均效應量的計算方式有3種：簡單平均、樣本規(guī)模加權平均、方差加權平均，簡單平均雖然是3種計算方式中操作程序最簡單的，但其精確度也最低，因而應用此種方式的文章數(shù)量也最少。在另外兩種加權方式中，樣本量加權平均的方式，由于其操作的便捷性更受學者們的青睞，但樣本量并不是最優(yōu)的權重指標。與樣本量加權方式平均相比，方差加權平均的操作程序較為復雜，首先需要對各個研究樣本的效應量r進行Fisher’sz轉換；然后，取相應方差的倒數(shù)作為權重，該權重也是目前公認的最理想的權重指標。

在此次的137篇元分析文獻中，有127篇(92.7%)文章計算了總體樣本的平均效應值；在平均效應量的計算方式選擇中，選擇簡單平均的方式進行計算的有15篇(10.9%)，選擇樣本量加權平均方式的有82篇(59.9%)，采用方差加權平均的有30篇(21.9%)。從統(tǒng)計結果來看，國內外學者更偏愛加權平均的方式(占比82%)。但為了提高元分析研究的精確度，未來的元分析研究，應盡量多地使用樣本量加權平均和方差加權平均的方式。

(6)異質性檢驗由于研究對象、研究設計、測量方式等方面的差異，納入同一個元分析的所有研究之間存在著異質性。在這137篇創(chuàng)業(yè)領域元分析文獻中，只有13篇文章(9.5%)沒有進行異質性檢驗。異質性檢驗的統(tǒng)計量法主要有3種：①卡方檢驗(Q值)；②I2檢驗(75%法則)；③可信區(qū)間。具體而言，卡方檢驗的觀點指出，若各研究的效應量具備同質性，那么各個效應量之間的變異不會大于各研究由抽樣誤差引起的變異。I2檢驗反映了異質性部分在效應量總的變異中所占比重，即75%法則說明，當非抽樣誤差和人為誤差引起的變異，占總變異的比例超過了75%，便具備很強的異質性。可信區(qū)間的觀點指出，當可信區(qū)間足夠寬(超過0.11)或包含0時，便可能存在異質性。

在進行異質性檢驗的124篇文章中，使用卡方檢驗的總次數(shù)為83次(66.9%)，使用I2檢驗的總次數(shù)為77次(62.1%)，使用信度區(qū)間的總次數(shù)為41次(33.1%)。相比之下可以看出：①卡方檢驗在異質性檢驗中最常被使用，然而，需要注意的是，卡方檢驗對元分析納入研究的個數(shù)十分敏感，當元分析所使用的樣本量或總研究數(shù)量較少時，卡方檢驗的統(tǒng)計功效較低。②I2檢驗的使用次數(shù)也很高，由于I2的取值為比率的形式，能夠很好地克服卡方檢驗(Q值)中對研究數(shù)量的依賴性，當總體相關系數(shù)的差異大于0.2，以及元分析納入研究數(shù)量足夠大時，I2檢驗是最強有力的異質性檢驗工具。但是，當元分析納入研究數(shù)量較少，或(和)研究之間的調節(jié)變量缺乏差異或(和)研究之間的總體效應量差異較小時，常導致I2大于75%。信度區(qū)間雖然沒有前兩種方法的超高使用頻率，但是也受到了眾多創(chuàng)業(yè)領域元分析研究者的青睞。信度區(qū)間具備較強的直觀性，使得檢驗結果一目了然。然而，當總體均值較小時，可信區(qū)間可能會包含零。并且，對于什么是大的可信區(qū)間，目前學界尚缺乏廣泛的共識，可能會導致任意分割現(xiàn)象的產生，因而也限制了該方法的接受度與使用度。另外，經(jīng)統(tǒng)計后發(fā)現(xiàn)，在實施異質性檢驗的124篇文章中，使用1種檢驗方法的文章僅有37 篇(29.8%)，使用2種及以上檢驗方法的文章有87篇(70.2%)。這也從側面說明，創(chuàng)業(yè)領域元分析研究者已經(jīng)認識到了不同研究方法各有優(yōu)劣，更傾向于采用不同方法組合的形式實施異質性檢驗。

(7)調節(jié)效應檢驗上述異質性檢驗只是識別了是否存在異質性，本節(jié)所探討的調節(jié)效應檢驗能夠探索異質性的來源。在這137篇創(chuàng)業(yè)領域元分析文獻中，有20篇(14.6%)文章沒有進行調節(jié)效應檢驗，其余117篇(85.4%)文獻都進行了調節(jié)效應的檢驗。在117篇文獻中，利用亞組分析的有54篇(46.2%)，進行元分析回歸(MARA)的有59篇(50.4%)，采用其他方法的有4篇(3.4%)。從上述結果可知，調節(jié)效應檢驗的方法主要有亞組分析與元分析回歸。具體而言，亞組分析是將元分析樣本中包含的所有文章，按照假設推演部分提出的邊界條件進行分離，使之被分割成幾個子樣本，然后分別對這些子樣本進行效應量估計。元分析回歸是研究者將來自原始研究的效應量作為因變量，將原始研究中的特征變量(如人口學特征、測量因素和研究設計特征等多個潛在影響因素)作為自變量或控制變量。輸出結果中，若回歸系數(shù)顯著，則可以被解讀為具備某種特征的調節(jié)變量增加或減少了主效應量。經(jīng)統(tǒng)計可知，創(chuàng)業(yè)領域元分析文章中，使用元分析回歸的數(shù)量超過了亞組分析，說明在創(chuàng)業(yè)研究領域中，元分析回歸的方法已逐漸流行和普及起來。另外，在使用回歸分析時，相較于普通最小二乘法，69.75%的研究者選擇了加權最小二乘法，因為此方法能夠很好地克服異方差。再者，統(tǒng)計數(shù)據(jù)顯示，當效應量分布具備異質性時，隨機效應模型比曾經(jīng)紅極一時的固定效應模型更受學者青睞。雖然固定效應模型相較于隨機效應模型而言，在檢測調節(jié)效應時具備更大的統(tǒng)計效力，但是固定效應模型的潛在假設，是所有研究的總效應量必須相等，在這種情況下，很容易導致I型錯誤，即棄真。而隨機效應模型的潛在假設更加現(xiàn)實，即每個研究的總效應量各不相同，因而棄真的概率相較之下不是很大。鑒于此，在異質性檢驗結果顯著，卻無法判斷異質性的具體來源時，推薦使用隨機效應模型，該方法有助于研究者做出更加保守的估計。

(8)中介效應檢驗雖然上述元分析過程提供了變量間關系方向和效應值的重要證據(jù)，但是卻無法檢驗其中可能存在的中介效應。在這137篇創(chuàng)業(yè)領域元分析文獻中，僅有27篇(19.7%)元分析文獻對中介效應進行了檢驗，其中有且僅有1篇中文文獻，說明我國創(chuàng)業(yè)領域中，利用元分析進行中介效應檢驗的研究尚未起步。這27篇文章，在對中介效應進行檢驗的過程中，都運用了針對多中介模型的元分析技術，其中，運用最多的當屬元分析結構方程模型(meta-analytic structural equation modeling，MASEM)。MASEM以一組相關系數(shù)矩陣作為結構路徑模型的輸入，允許研究人員同時測試多個變量之間的關系，因而在創(chuàng)業(yè)管理研究中越來越流行。利用MASEM實施中介檢驗有兩個步驟：①使用標準的元分析技術，獲取所有變量(包括控制變量)之間的效應值，形成相關系數(shù)矩陣；②將相關系數(shù)矩陣輸入到路徑模型中，以檢驗多個變量之間的關系以及可能存在的中介效應。

(9)發(fā)表性偏倚發(fā)表性偏倚又被稱為文件抽屜問題。元分析結果的有效性，很大程度上取決于排除了發(fā)表性偏倚的干擾。在這137篇創(chuàng)業(yè)領域元分析文獻中，有38篇(27.7%)未評價發(fā)表性偏倚，剩余99篇(72.3%)文章中，主要可以歸納出6種評價發(fā)表性偏倚的方法：使用漏斗圖的文章有18篇(18.2%)，使用Egger線性回歸法的文章有9篇(9.1%)，使用Begg秩相關法的文章有12篇(12.1%)，使用剪補法的文章有17篇(17.2%)，使用失安全系數(shù)法的文章有23篇(23.2%)，通過比較已發(fā)表和未發(fā)表研究的文章有34篇(34.3%)。由此可見，采用比較已發(fā)表和未發(fā)表研究的文章，以評價發(fā)表性偏倚的這種方法使用率是最高的?？赡苁且驗樵摲椒ň哂斜阌谟嬎愫完U述的優(yōu)點，然而，本研究不推薦此方法的原因，在于實施此方法需要大量未發(fā)表的文獻，且很難得知這些文獻是否具備代表性。使用率排名第二的失安全系數(shù)法是一種敏感性分析，即計算需要多少無效結果的未發(fā)表研究才能將結論逆轉。然而，失安全系數(shù)法并不是一種能夠識別發(fā)表偏倚的方法，而只是在于評價發(fā)表偏倚是否可以忽略，因而本研究也不推薦使用此法。使用率排名第三的漏斗圖實則是一種定性的方法，需要通過觀察予以判斷，并且由于發(fā)表偏倚不是造成漏斗圖不對稱的唯一原因，故不推薦采用此法。最后，本研究推薦的剪補法優(yōu)于前述方法的原因，在于該方法不僅考慮了研究樣本量，還估計了未發(fā)表研究的數(shù)量和發(fā)表偏倚校正后的平均效應值。但是，該方法在創(chuàng)業(yè)研究領域中的使用頻率較少，這可能是由于該方法實施過程比較困難，但在未來元分析研究中，應該對此方法給予更多關注和提倡。

3.3 元分析方法在創(chuàng)業(yè)研究中的應用述評

3.3.1元分析之理論模型構建述評

元分析始于理論模型構建，從當前創(chuàng)業(yè)領域的元分析主題來看，大部分元分析研究在構建理論模型時，都是現(xiàn)象驅動或理論驅動，主要圍繞“新企業(yè)如何克服新進入缺陷實現(xiàn)持續(xù)成長”“創(chuàng)業(yè)者與非創(chuàng)業(yè)者之間，以及創(chuàng)業(yè)者之間的差異如何影響創(chuàng)業(yè)行為與創(chuàng)業(yè)產出”“創(chuàng)業(yè)團隊之間的差異如何影響團隊的創(chuàng)業(yè)產出”以及“傳統(tǒng)戰(zhàn)略理論能否以及如何解釋創(chuàng)業(yè)研究現(xiàn)象”等研究問題構建理論模型，這些元分析研究結果，在一定程度上更精確地回答了研究問題，推動了創(chuàng)業(yè)研究向前發(fā)展。此外，在本次統(tǒng)計的137篇元分析文獻中，有47篇文獻難以在文章中發(fā)現(xiàn)主要的研究問題以及所應用的理論，所構建的理論模型可能是數(shù)據(jù)驅動，即所選變量的原因，僅僅是因為模型所涉及變量關系的研究文獻累積到一定數(shù)量。數(shù)據(jù)驅動的元分析研究耗時費力，其研究結果對創(chuàng)業(yè)研究的推動作用不大，未來研究應盡可能避免使用這樣的方式。

3.3.2元分析數(shù)據(jù)處理述評

對數(shù)據(jù)進行處理是數(shù)據(jù)分析的前提，在數(shù)據(jù)處理上，元分析方法涉及效應量輸入、系統(tǒng)誤差修正、互依效應修正和異常值識別等步驟。目前，中外元分析學者在上述數(shù)據(jù)處理過程中，遵循了一定的規(guī)范和標準，推進了元分析研究方法的進步，例如，在效應量輸入上，在現(xiàn)有的創(chuàng)業(yè)領域元分析中，學者普遍使用相關系數(shù)作為效應量輸入，這就使得元分析研究結果具有了可比較性，有助于進一步推動創(chuàng)業(yè)研究的進程。但與此同時，也應看到，在數(shù)據(jù)處理上，仍有提請元分析學者關注的地方。其中，在系統(tǒng)誤差修正上，大部分研究只進行了測量誤差修正，對二分化和范圍限制等系統(tǒng)誤差的修正不足，而這兩者會對最終分析結果產生較大的影響[10]，因而在未來研究中，學者們需要全面兼顧測量誤差、二分化和范圍限制等三大系統(tǒng)誤差的修正，確保元分析過程中的規(guī)范性和嚴謹性。在互依效應修正和異常值識別上，超過60%的學者，未在文中匯報相關的檢驗結果，而這兩者是數(shù)據(jù)處理不可或缺的一步，會對概念模型的最終驗證結果產生至關重要的影響，或可導致同一主題下的元分析研究呈現(xiàn)不同的研究結論。故而，為提高元分析研究結論的可信度，未來元分析研究，需要在文中匯報互依效應修正和異常值識別等數(shù)據(jù)處理過程的檢驗結果。

3.3.3元分析數(shù)據(jù)分析述評

目前的元分析研究中，數(shù)據(jù)分析主要涉及檢驗主效應、調節(jié)效應以及中介效應，主效應檢驗相對簡單；調節(jié)效應與中介效應的檢驗涉及不同方法的應用，相對復雜。在檢測調節(jié)效應時，本次統(tǒng)計所納入的文獻中，學者們主要采用了亞組分析和元回歸(MARA)兩種方式，兩種方式各有優(yōu)劣，亞組分析主要適用于分類變量，而元回歸主要適用于連續(xù)變量，選擇合適的方法是確保研究結論穩(wěn)健的重要方面。特別在元回歸方法中，需要確保效應值的數(shù)量足夠大，因為元回歸中調節(jié)變量系數(shù)的顯著性，是基于效應值的數(shù)量(k)進行計算的，效應值的數(shù)量越小，對于多元回歸的統(tǒng)計效力也就越弱。而在本次所收納的元分析文獻中，就有部分應用元回歸的文章所輸入的效應值的數(shù)量較小，這些研究結果的穩(wěn)健性就容易受到質疑。另外，當研究人員在沒有強有力的理論依據(jù)的情況下，使用該方法同時檢驗多個潛在的調節(jié)因子時，發(fā)生I型錯誤的可能性較高。由此，在檢驗調節(jié)效應時，元回歸的使用并不是隨心所欲的，使用之前必須保證具備堅實的理論基礎和較大的效應值數(shù)量。

揭示變量之間的中介機制，是解釋復雜創(chuàng)業(yè)現(xiàn)象的一個重要研究領域，但目前進行中介效應分析的中文文獻非常少，國外學者在這方面做得更出色，相關的分析程序已成體系。在檢測中介效應時，大部分研究使用元分析結構方程模型(MASEM)來分析中介效應，MASEM有助于研究者擺脫雙變量關系研究的局限，進一步對整合性的理論或概念框架進行檢驗，即可用于檢驗關系鏈中的3個或以上變量之間的中介機制，并根據(jù)中介機制存在的順序、方向和大小將中介假設或模型彼此進行比較。但與此同時，鑒于用作元分析計算的數(shù)據(jù)，可能來自易受內生性影響的研究設計，原始研究中內生性的存在，可能會進一步縮小可納入MASEM進行研究的范圍。然而，現(xiàn)有元分析研究在對內生性進行額外的邏輯論證，以及統(tǒng)計檢驗方面還做得不夠。故而，如何在避免內生性的基礎上應用MASEM方法檢驗中介，仍然是未來研究努力的方向。

4 未來研究與展望

近年來，越來越多的元分析文章在國際頂級期刊發(fā)表，引用量也呈直線式上升[3]，非常有必要系統(tǒng)梳理、分析以了解元分析研究的現(xiàn)狀，推進元分析研究的進一步發(fā)展。據(jù)此，本研究針對現(xiàn)有元分析研究的不足提出了未來展望。

4.1 基于現(xiàn)象或理論角度構建元分析的理論模型

(1)從多元理論視角構建理論模型目前而言，元分析經(jīng)歷了上一輪的井噴爆發(fā)后，進入了轉型階段，創(chuàng)業(yè)領域對于元分析研究提出了更高的要求?，F(xiàn)有大多數(shù)元分析文獻，仍僅通過研究成果的綜合和集聚以形成單一的效應值，來反映雙變量之間關系的大小和方向。然而，當前側重于二元關系的元分析，無法深入了解創(chuàng)業(yè)領域的重要概念鴻溝。據(jù)此，未來的元分析研究，應該將注意力分配于反映整個框架和理論視角的模型，而不是僅僅依賴于傳統(tǒng)的科學復制過程進行單一、標準的元分析研究，來不斷細化和建立關于兩個變量間關系的洞見。例如，BERGH等[36]指出，資源基礎觀、知識基礎觀、社會資本觀和戰(zhàn)略人力資源觀，都提供了將資源與企業(yè)績效相關聯(lián)的競爭框架。傳統(tǒng)標準的元分析，只能用來檢測單一視角中指定的二元關系的方向和意義，不能檢驗相互競爭的視角。未來研究可以依據(jù)不同理論視角構建多自變量、中介變量和結果變量的競爭模型，全面揭示復雜的創(chuàng)業(yè)現(xiàn)象。

(2)從現(xiàn)象出發(fā)構建理論模型在當前轉型經(jīng)濟背景下，越來越多的創(chuàng)業(yè)學者開始針對中國本土獨特的情境，開展情境依賴甚至情境獨立的創(chuàng)業(yè)研究，為了進一步推動創(chuàng)業(yè)研究的本土化發(fā)展，應用元分析方法的創(chuàng)業(yè)研究學者，應從具體的創(chuàng)業(yè)現(xiàn)象出發(fā)，通過構建全面的模型來更精確地解釋創(chuàng)業(yè)現(xiàn)象。但與此同時，也應該明確，元分析研究的結果不是某個研究領域的終點，進行元分析的目的，是為未來探索該領域相關理論問題提供一個“文獻述評”，闡述研究的進展，以便推動某一個領域不斷發(fā)展的進程。例如，RAUCH等[37]對創(chuàng)業(yè)導向與企業(yè)績效的元分析結果，并不是說明創(chuàng)業(yè)導向與企業(yè)績效之間的關系就一定是正向關系，效應值限定在0.242，僅說明了當時創(chuàng)業(yè)領域的學者們，對“創(chuàng)業(yè)導向是否能預測創(chuàng)業(yè)企業(yè)績效”這個理論問題的研究進展情況。未來的研究可以基于此文獻進行更多的探索。由此，囿于元分析的結果而止步，是對元分析方法最大的誤解。

4.2 進一步提高元分析研究程序的規(guī)范性和嚴謹性

提高元分析研究程序的規(guī)范性和嚴謹性，包括如下兩點：①加強初始研究選擇的規(guī)范性和嚴謹性。鑒于不同的研究樣本可能得出不一樣的結論，在進行初始研究程序時，學者應制定合適的決策規(guī)則，確保研究的嚴謹性與精確性。例如，在比較創(chuàng)業(yè)者與經(jīng)理人的風險傾向時，STEWART等[38]的元分析研究包含了12篇文章，排除了相關的14篇文章，結果表明，創(chuàng)業(yè)者尤其是具有成長性取向的創(chuàng)業(yè)者，比一般經(jīng)理人的風險傾向更高；而MINER等[39]則選用前者排除的14篇文章進行元分析，結果表明，創(chuàng)業(yè)者以及那些有成長性取向的創(chuàng)業(yè)者更容易規(guī)避風險。另外，鑒于每個獨立研究內部、結構、統(tǒng)計結論的外部有效性不同，因此，當分析中包含的研究缺乏有效性時，結果可能會被描述為“垃圾中的垃圾”。由此，研究者對初始研究進行選擇時，應注重初始研究的整體代表性，保障根據(jù)元分析中包含的每一項獨立研究做出推論的有效性和嚴謹性。②加強數(shù)據(jù)處理程序的規(guī)范性和嚴謹性。在元分析的初始分析處理程序中，元分析的學者應全面執(zhí)行系統(tǒng)誤差修正、互依效應修正、異常值識別等程序，尤其是在判斷應包含哪些研究、排除哪些研究時，應保持謹慎和進行嚴格的篩查。此外，值得注意的是，在異常值識別中，除了分析是否存在異常值外，研究者最好對比異常值存在與否的結果。

4.3 為元分析研究引入當代方法

HUNTER等[40]所開發(fā)的元分析方法被廣泛應用于管理學研究。然而，傳統(tǒng)元分析方法面臨的局限性，阻礙了元分析發(fā)展的進程和理論貢獻。元分析結構方程模型是在元分析心理計量方法上演化而來的，它允許創(chuàng)業(yè)研究者在一個具有多元變量的模型中同時檢驗多重關系，并且還能夠保障元分析具備的匯總多種初始研究成果的能力。此方法受到了越來越多創(chuàng)業(yè)研究者的青睞。另外，MARA作為一種能夠同時檢驗大量可能產生調節(jié)效應的影響因素的方法，能夠很好地解釋為什么不同研究針對同一關鍵關系給出了不一致的結論。近10年來，該方法也受到了創(chuàng)業(yè)研究者的高度重視。據(jù)此，未來創(chuàng)業(yè)領域的元分析研究者，應當積極汲取和吸收當代研究方法的優(yōu)點，積極探索當代元分析研究方法面臨局限性的解決方案，以期更好地利用元分析研究方法為創(chuàng)業(yè)領域理論的深入探索服務。