曹鈺華，李 晶

(1.西安交通大學 管理學院，陜西 西安 710049；2.西安交通大學 蘇州研究院，江蘇 蘇州 215009；3.蘇州大學 東吳商學院，江蘇 蘇州 215006)

0 引言

大力推動創(chuàng)新創(chuàng)業(yè)高質量發(fā)展是釋放經濟新動能的重要抓手，創(chuàng)業(yè)動態(tài)能力關乎初創(chuàng)企業(yè)能否成功應對環(huán)境不確定性，是突破低成長能力和高失敗率，進而促進經濟可持續(xù)發(fā)展的根本保障[1-3]。隨著數字技術的深度融合和廣泛滲透，借助數字技術助力創(chuàng)業(yè)發(fā)展已成為一種普遍現象。數字技術正在逐漸改變傳統(tǒng)創(chuàng)業(yè)模式，引發(fā)創(chuàng)業(yè)要素、過程和模式變革，并深刻影響創(chuàng)業(yè)動態(tài)能力形成與發(fā)展。數字技術是信息、計算、溝通和連接的技術組合，包括數字基礎設施、數字平臺和數字組件，具有收斂性、可擴展性、自生長性和模塊性等特征[4-6]。數字技術與人力、資本和技術資源形成新創(chuàng)業(yè)資源組合[7]，作為一種賦能和使能技術重構其它要素作用機制，使得數字化情境下創(chuàng)業(yè)動態(tài)能力前因變量呈現出復雜化、系統(tǒng)化和協(xié)同化特征。從集合論和整體論視角看，創(chuàng)業(yè)動態(tài)能力的形成依賴于多個因素的相互作用，并形成若干前因變量組態(tài)[8]。因此，基于集合論和整體論視角研究數字化情境下數字技術、資源基礎、學習行為和社會網絡因素的多重作用，揭示數字化情境下創(chuàng)業(yè)動態(tài)能力作用機制具有重要意義。

自Teece[9]、Eisenhardt等[10]提出動態(tài)能力理論以來，管理學領域學者對其進行了積極探索。動態(tài)能力前因變量研究認為，組織資源、組織結構、社會資本、組織學習、組織文化和信息技術是影響動態(tài)能力的重要因素，但多以成熟企業(yè)為研究對象，研究結論并不完全適用于初創(chuàng)企業(yè)；有學者基于資源基礎觀和動態(tài)能力理論提出創(chuàng)業(yè)動態(tài)能力的概念，指出創(chuàng)業(yè)動態(tài)能力是初創(chuàng)企業(yè)應對環(huán)境不確定性和實現可持續(xù)性發(fā)展的關鍵，創(chuàng)業(yè)者先前經驗、創(chuàng)業(yè)網絡和創(chuàng)業(yè)學習是創(chuàng)業(yè)動態(tài)能力的重要前因變量[11]，但未揭示前因變量作用機制和創(chuàng)業(yè)動態(tài)能力形成模式，且對數字化情境涉及較少；亦有學者對數字化情境下動態(tài)能力構成進行研究[12]，揭示數字技術在其中扮演的角色，但多對成熟企業(yè)數字化轉型過程中動態(tài)能力形成機制進行探討，針對創(chuàng)業(yè)企業(yè)的研究較少。此外，大多數研究側重于從若干獨立因素出發(fā)，探討其對動態(tài)能力的“凈”效應，未揭示這些前因變量的整體作用和協(xié)同效應。因此，本文基于集合論和整體論視角，聚焦于數字化情境下創(chuàng)業(yè)動態(tài)能力形成模式與機制，采用模糊集定性比較分析法(fsQCA)和必要條件分析法(NCA)，探討先前經驗、社會網絡、創(chuàng)業(yè)學習和數字技術對創(chuàng)業(yè)動態(tài)能力的協(xié)同作用，揭示數字化情境下創(chuàng)業(yè)動態(tài)能力前因組態(tài)，以期為初創(chuàng)企業(yè)在數字化情境下形成可持續(xù)創(chuàng)業(yè)動態(tài)能力提供實踐指導。

1 理論基礎

1.1 創(chuàng)業(yè)動態(tài)能力內涵與結構

動態(tài)能力研究主要包括資源協(xié)調觀和流程協(xié)調觀兩種觀點[9-10]，并在此基礎上得到繼承和發(fā)展[11]。資源基礎觀理論認為，創(chuàng)業(yè)動態(tài)能力應不斷搜尋、獲取、匹配和利用新資源，而非僅對現有資源進行整合和優(yōu)化[13]；流程協(xié)調觀理論認為，創(chuàng)業(yè)機會是創(chuàng)業(yè)的核心，創(chuàng)業(yè)動態(tài)能力應注重對創(chuàng)業(yè)機會的感知、識別和開發(fā)[2]。因此，創(chuàng)業(yè)動態(tài)能力是獲取和重構內外部資源并不斷開發(fā)創(chuàng)業(yè)機會的能力，有利于促進企業(yè)可持續(xù)發(fā)展。創(chuàng)業(yè)動態(tài)能力主要包括兩個維度：創(chuàng)業(yè)資源獲取與利用、創(chuàng)業(yè)機會識別和開發(fā)。初創(chuàng)企業(yè)與成熟企業(yè)存在明顯差異，如組織結構未定型、體制機制不完善，但初創(chuàng)團隊運營管理具有絕對話語權和影響力，因此創(chuàng)業(yè)動態(tài)能力受初創(chuàng)團隊的影響較大[14]，這是其與傳統(tǒng)動態(tài)能力的重要區(qū)別。

1.2 數字化情境下創(chuàng)業(yè)動態(tài)能力前因變量

基于動態(tài)能力理論，“資源—關系—學習”是影響創(chuàng)業(yè)動態(tài)能力形成與發(fā)展的三大因素。在創(chuàng)業(yè)情境下，考慮到創(chuàng)業(yè)企業(yè)的特殊性和初創(chuàng)團隊的主導地位，資源主要來源于初創(chuàng)團隊的先前經驗和社會資本，關系取決于初創(chuàng)團隊的社會網絡，學習方式以創(chuàng)業(yè)學習為主。當前，越來越多的初創(chuàng)企業(yè)在產品研發(fā)、市場開拓、內部管理和客戶關系管理等方面運用數字技術拓展現有組織、資源和流程[15]，從而影響創(chuàng)業(yè)動態(tài)能力發(fā)展。本文認為，數字化情境下創(chuàng)業(yè)動態(tài)能力核心前因變量主要包括先前經驗、創(chuàng)業(yè)網絡、創(chuàng)業(yè)學習和數字技術使用。

1.2.1 先前經驗

先前經驗是創(chuàng)業(yè)團隊最關鍵的核心資源之一，初創(chuàng)企業(yè)創(chuàng)業(yè)動態(tài)能力與其所擁有的先前經驗密切相關[16]。一方面，豐富的先前經驗有助于創(chuàng)業(yè)機會識別與開發(fā)，在動態(tài)變化的創(chuàng)業(yè)環(huán)境中，商業(yè)機會轉瞬即逝，創(chuàng)業(yè)者需要在短時間內盡快作出正確決策。在這種情況下，借助于在創(chuàng)業(yè)活動中積累的先前經驗，創(chuàng)業(yè)者在有限時間內采取正確行動成為可能[17]?，F有研究表明，先前經驗有助于提升創(chuàng)業(yè)者認知能力，增強個體創(chuàng)業(yè)意向，提高個體市場敏銳性，克服環(huán)境動蕩性和資源約束性，從而能夠有效促進創(chuàng)業(yè)機會識別、開發(fā)和利用[18-19]。另一方面，創(chuàng)業(yè)要求擁有稀缺和有價值的資源，創(chuàng)業(yè)者或創(chuàng)業(yè)團隊憑借先前經驗精準識別所需資源，并以較低成本獲取新資源[20]；同時，創(chuàng)始人和初創(chuàng)團隊在先前創(chuàng)業(yè)或工作經歷中獲取的產品、顧客、企業(yè)管理經驗能夠幫助新創(chuàng)企業(yè)有效對接市場需求，建立合作關系，并對各類資源進行高效匹配、重構和利用。

1.2.2 社會網絡

創(chuàng)業(yè)者通過社會網絡獲取所需資源、信息和創(chuàng)業(yè)知識，不斷提升創(chuàng)業(yè)機會識別與開發(fā)、創(chuàng)業(yè)資源獲取與利用效果[21]。首先，社會網絡為創(chuàng)業(yè)動態(tài)能力提升提供助力。對于新創(chuàng)企業(yè)來說，由于成立時間短和規(guī)模小，往往面臨嚴重的資源約束[22]，在獲取資源方面存在極大挑戰(zhàn)。創(chuàng)業(yè)者會借助社會網絡搜尋和獲取關鍵信息，增強發(fā)現和利用創(chuàng)業(yè)機會的能力，并得到情感支持；伴隨著創(chuàng)業(yè)活動的持續(xù)開展，大多數創(chuàng)業(yè)者需要構建、維護和利用社會網絡關系以汲取創(chuàng)業(yè)所需的各種資源，提升創(chuàng)業(yè)機會開發(fā)能力，進而促進企業(yè)可持續(xù)發(fā)展；其次，網絡結構和網絡行為與創(chuàng)業(yè)行為密切相關，對創(chuàng)業(yè)動態(tài)能力具有積極影響[23]。一方面，網絡規(guī)模、中心度、強關系等變量與創(chuàng)業(yè)機會識別和開發(fā)、創(chuàng)業(yè)資源獲取和利用正相關；另一方面，積極的網絡行為與創(chuàng)業(yè)機會識別和開發(fā)、創(chuàng)業(yè)資源獲取和利用正相關。例如，組織合法關系有助于創(chuàng)業(yè)企業(yè)獲取更多資金，信任有助于促進創(chuàng)業(yè)關鍵信息的流動。

1.2.3 創(chuàng)業(yè)學習

動態(tài)能力理論指出，在市場環(huán)境日益多變、技術創(chuàng)新速度加快、顧客需求多樣化背景下，任何組織和個人都難以憑借某種固定資源和能力維持可持續(xù)競爭優(yōu)勢，唯有不斷提升動態(tài)能力才能促進企業(yè)可持續(xù)發(fā)展，而動態(tài)能力的形成依賴于持續(xù)性學習[10]。已有研究發(fā)現，創(chuàng)業(yè)學習能夠顯著提升企業(yè)動態(tài)能力，當企業(yè)面臨新挑戰(zhàn)時，創(chuàng)業(yè)者先前經驗的作用十分有限，唯有通過持續(xù)性學習才能促進企業(yè)新動態(tài)能力形成[24]。創(chuàng)業(yè)學習不僅能夠直接影響創(chuàng)新績效，還通過動態(tài)能力發(fā)揮間接影響作用[25]。不同類型創(chuàng)業(yè)學習對創(chuàng)業(yè)動態(tài)能力的影響作用不同，經驗學習通過創(chuàng)業(yè)知識積累提高創(chuàng)業(yè)動態(tài)能力，且正向調節(jié)先前經驗對創(chuàng)業(yè)動態(tài)能力的影響作用，實踐學習有助于初創(chuàng)企業(yè)在創(chuàng)業(yè)過程中持續(xù)提升創(chuàng)業(yè)動態(tài)能力[17]，觀察學習、交流學習和指導學習通過促進創(chuàng)業(yè)團隊內外互動提升創(chuàng)業(yè)動態(tài)能力。

1.2.4 數字技術

數字技術可編輯、可擴展、開放性和關聯(lián)性特征正重構傳統(tǒng)創(chuàng)業(yè)模式[4,26]，顛覆創(chuàng)業(yè)機會識別與開發(fā)、資源獲取與利用模式，形成創(chuàng)業(yè)動態(tài)能力機制。

(1)數字技術改變了創(chuàng)業(yè)機會識別與開發(fā)模式。在規(guī)模方面，數字技術能夠優(yōu)化和變革供需關系，催生出更多創(chuàng)業(yè)機會，相關研究證實數字技術可編程、可重組等特征促使更多創(chuàng)業(yè)機會形成[27]。在速度方面，數字技術開放性和可供性特征加快了機會形成過程，相關研究發(fā)現數字技術能夠積累大量客戶資源，快速識別、評估和利用各類創(chuàng)業(yè)機會；另外，數字技術可使創(chuàng)業(yè)者獲取更多信息，降低創(chuàng)業(yè)過程不確定性，從而加速創(chuàng)業(yè)機會識別與開發(fā)[5]。在模式方面，數字技術能夠重構傳統(tǒng)創(chuàng)業(yè)機會開發(fā)流程，促進創(chuàng)業(yè)機會識別與開發(fā)，甚至還會顛倒次序，發(fā)現型機會與創(chuàng)造型機會往往共存于數字創(chuàng)業(yè)生態(tài)系統(tǒng)中，兩者相互融合、互相轉化。

(2)數字技術影響創(chuàng)業(yè)資源獲取與利用成本、范圍和效率。數字技術開放性、關聯(lián)性和可擴展性特征能夠大大提升信息透明度，使初創(chuàng)企業(yè)在更大范圍內以更低的成本進行創(chuàng)業(yè)資源識別、搜索和獲取[4]；數字技術還能夠提供多樣化替代方案，如眾籌平臺在傳統(tǒng)信貸和融資模式之外為初創(chuàng)團隊資本獲取提供更多選擇；數字技術可擴展性、開放性和關聯(lián)性特征能夠提升初創(chuàng)企業(yè)資源利用效率，降低內部協(xié)調成本，改進和優(yōu)化內部模塊與業(yè)務流程；數字技術深度挖掘和分析功能夠不斷提升資源需求與供給匹配的有效度；數字技術可擴展性使企業(yè)能夠以較低成本配置全球資源，并增強與上游供應商、下游客戶之間的協(xié)同性，提高資源配置和價值創(chuàng)造效率[4]。

綜上所述，先前經驗、社會網絡、創(chuàng)業(yè)學習和數字技術是數字化情境下創(chuàng)業(yè)動態(tài)能力的4個核心前因變量，任何單一因素均無法解釋創(chuàng)業(yè)動態(tài)能力形成機制，創(chuàng)業(yè)動態(tài)能力的形成是多個因素互為交融、共同作用的過程。因此，本文構建創(chuàng)業(yè)動態(tài)能力研究框架，如圖1所示。

圖1 研究框架Fig.1 Research framework

2 研究設計與數據來源

2.1 研究方法

本文從組態(tài)理論視角剖析數字化情境下創(chuàng)業(yè)動態(tài)能力提升路徑，采用定性比較分析法(簡稱QCA)和必要條件分析法(簡稱NCA)對變量進行檢驗。QCA以集合論和布爾運算為基礎，主要探究前因條件如何通過協(xié)同效應對結果變量產生復雜因果作用。與傳統(tǒng)回歸方程考察單個前因變量的“凈”效應不同，QCA關注前因變量的組合作用，旨在揭示引發(fā)結果變量出現的相似和相異的前因變量組態(tài)。本文采用模糊集定性比較分析法(fsQCA)，依據變量與理想值之間的差距，將變量賦值為0～1之間的某個數值[8]，以更加準確地反映變量真實情況。

采用QCA進行前因組態(tài)充分性分析，同時結合NCA進行前因條件必要性分析。必要性和充分性是因果分析的兩個方面， 兩者結合能夠更好地解釋數字情境下創(chuàng)業(yè)動態(tài)能力前因變量作用機制[28]。在必要性條件分析方面，QCA主要側重于定性分析，NCA能夠在定量分析的基礎上提供更加細化和精準的結論。

2.2 變量設計

為保證研究信效度，提高研究結論的準確性，本文采用國內外成熟量表，并結合前期訪談和調研設置初創(chuàng)團隊基本情況、先前經驗、社會網絡、創(chuàng)業(yè)學習、數字技術使用和創(chuàng)業(yè)動態(tài)能力6個變量，相關變量均采用Likert5點量表測量，1～5分別表示從“非常不同意”到“非常同意”。

(1)先前經驗：創(chuàng)業(yè)經歷和工作經歷。參考Sarasvathy(2001)、Shepherd & Wolfe(2013)、Tornikoski & Newbert(2007)、Davidsson & Honing(2003)、Politis(2005)的研究成果，測量題項包括“本次創(chuàng)業(yè)前有多少次創(chuàng)業(yè)經歷”“本次創(chuàng)業(yè)前有多長時間創(chuàng)業(yè)經歷”“本次創(chuàng)業(yè)前有幾個行業(yè)工作經驗”“本次創(chuàng)業(yè)前工作經歷”等選項，創(chuàng)業(yè)經歷和工作經歷的Cronbach′s α系數值分別為0.879和0.856。

(2)社會網絡：網絡結構和網絡行為。本文采用網絡規(guī)模、網絡密度和網絡多樣性表征網絡結構，采用信任、合作和溝通表征網絡行為。借鑒Burt & Burzynska(2017)、Izquierdo & Hanneman(2016)、楊俊和云樂鑫(2015)的研究成果，測量題項包括“合作伙伴規(guī)模大”“合作伙伴類型和層次豐富”“與合作伙伴建立并維持高度信任關系”“積極與社會網絡成員進行各類合作”等選項，網絡結構和網絡行為的Cronbach′s α系數值分別0.782和0.799。

(3)創(chuàng)業(yè)學習：替代學習、經驗學習和實踐學習。借鑒Ahmad等(2010)、Cope(2005)、Politis(2005)、謝雅萍和黃美嬌(2014)、單標安(2013、2014)、張秀娥和趙敏慧(2017)的研究成果，測量題項包括“通過各種正式或非正式交流與合作進行學習”“不斷反思先前的失敗行為”“在創(chuàng)業(yè)實踐中不斷積累知識和能力”等選項，創(chuàng)業(yè)學習的Cronbach′s α系數值為0.856。

(4)數字技術在市場開拓、產品開發(fā)、組織管理和合作伙伴維護等方面的應用。借鑒Hull等(2007)、Autio等(2018)、Nambisan等(2019)、梅亮等(2021)、王核成等(2021)、錢晶和何筠(2021)的研究成果，測量題項包括“采用數字技術分析和挖掘市場需求”“基于數字技術不斷改進產品設計”“利用數字技術不斷優(yōu)化和再造組織流程”等選項，數字技術的Cronbach′s α系數值為0.867。

(5)創(chuàng)業(yè)動態(tài)能力：機會識別與開發(fā)、資源獲取與利用。參考Teece等(1997，2007)、Eisenhardt 等(2000)、焦豪等(2008)、羅珉和劉永俊(2009)、Ahmad等(2010)、Man等(2002)、蔡莉等(2014)、周鍵和王慶金(2017)、余悅(2019)的研究成果，測量題項包括“能夠高效識別市場潛在機會”“能夠正確評估某一機會的優(yōu)勢和不足”“能夠以較低成本獲取所需創(chuàng)業(yè)資源”等選項，機會能力和資源能力的Cronbach′s α系數值分別為0.869和0.871。

2.3 數據來源

本文以初創(chuàng)團隊成員為調研對象，即直接參與企業(yè)創(chuàng)辦并對企業(yè)創(chuàng)立和發(fā)展產生重要影響的人員，將初創(chuàng)企業(yè)定義為創(chuàng)辦時間小于8年的企業(yè)，并對初創(chuàng)企業(yè)團隊成員發(fā)放問卷。

遵循數據收集便利性原則，本文調研區(qū)域聚焦于江浙滬地區(qū)，問卷發(fā)放途徑有兩種：①間接發(fā)放。向符合條件的初創(chuàng)企業(yè)有過密切接觸的人員，如各類眾創(chuàng)空間、孵化器、科技園、創(chuàng)業(yè)園以及地區(qū)科技局等機構人員發(fā)放問卷；②直接發(fā)放。通過參與江浙滬地區(qū)各類創(chuàng)新創(chuàng)業(yè)大賽活動，現場邀請合適的創(chuàng)業(yè)者進行問卷填寫，并同時提供電子版和紙質版問卷。最終，本文共計發(fā)放正式調研問卷200份，回收問卷103份，回收有效問卷84份，有效問卷回收率為42%，滿足fsQCA和NCA分析需求。

3 實證檢驗

3.1 描述性統(tǒng)計與相關性分析

表1為描述性統(tǒng)計及相關性分析結果?？梢园l(fā)現，創(chuàng)業(yè)機會、創(chuàng)業(yè)資源與創(chuàng)業(yè)經歷、工作經歷相關性系數均大于0.2，顯著性水平達到0.05，表現出一定的相關性；創(chuàng)業(yè)機會、創(chuàng)業(yè)資源獲與網絡結構、網絡行為、創(chuàng)業(yè)學習及數字技術的相關性系數均大于0.3，顯著性水平達到0.01，表現出緊密相關性。

表1 描述性統(tǒng)計及相關性分析結果Tab.1 Descriptive statistics and correlation analysis

3.2 信效度檢驗

本文利用SPSS22.0和Amos 23.0軟件對變量進行信效度檢驗，結果如表2所示。可以發(fā)現，所有變量的Cronbach′s α值均大于0.7，CR值均大于0.8，AVE值均大于0.8。同時，所有變量模型擬合度指標CMIN/DF值均小于3，RMR值均小于0.05，RMSEA值均小于或微高于0.1，GFI、AGFI、NGI、IFI、CFI、TLI等指標除個別略低于0.90以外，其余均高于0.90，說明本文量表數據具有較高信效度。

表2 信效度檢驗結果Tab.2 Reliability and validity analysis

3.3 變量校準

變量校準是fsQCA的第一步，初始樣本數據通常不滿足fsQCA布爾邏輯分析條件，需要將原始數據轉化為[0,1]區(qū)間內的集合數據。本文基于問卷調研獲取Likert5點定距類數據，設計階段就已經對數據程度進行區(qū)分，參考fsQCA對該類數據校準的操作建議，結合數據分布較為均衡和對稱的特征，采用三值模糊值集方案校準，從完全隸屬到完全不隸屬的3個錨點依次為5、3、1，并使用QCA軟件校準功能完成變量校準。

3.4 必要條件檢驗

QCA分析需要首先進行必要條件檢驗，如果某一變量為必要條件，那么在后續(xù)分析中應將其剔除。一致性是判定必要條件的重要標準，通常采用的判定標準為該值不低于0.9。QCA必要條件分析結果顯示，各單項條件必要性水平均未達到0.9[29]，表明沒有任何一個前因條件為必要條件。同時，本文結合NCA進行必要條件檢驗，判定指標主要包括效應量和瓶頸水平，效應量用以表征某個前因變量在多大程度上對結果變量起約束作用，瓶頸水平用以表征前因變量對特定結果變量產生必要性效應的最低水平[28]。效應量值介于0～1之間，數值越大，表示必要性程度越高，低于0.1通常判定為非必要條件。NCA效應量分析包括CR和CE兩種方法，CR可對5個以上連續(xù)變量或離散變量進行處理，CE可處理二分變量或小于5的變量，本文同時采用CR和CE兩種方法進行分析。

表3為創(chuàng)業(yè)機會識別與開發(fā)必要條件分析結果，必要條件判定標準為效應量大于0.1且P值達到顯著性水平[30]。結果顯示，創(chuàng)業(yè)學習和數字技術P值均達到顯著性水平，但效應量未達到規(guī)定標準(小于0.1)，其它條件顯著性水平不達標，因此沒有任何一個單獨條件是創(chuàng)業(yè)機會識別與開發(fā)的必要條件。表4為創(chuàng)業(yè)資源獲取與利用必要條件分析結果。從中可見，網絡行為和數字技術P值均達到顯著性水平，但效應量小于0.1，未達到規(guī)定標準，其它條件顯著性水平不達標，因此沒有任何一個單獨條件是創(chuàng)業(yè)資源獲取與利用的必要條件。

表3 創(chuàng)業(yè)機會識別與開發(fā)必要條件分析結果Tab.3 Necessary condition analysis for entrepreneurial opportunity identification and exploitation

表4 創(chuàng)業(yè)資源獲取與利用必要條件分析結果Tab.4 Necessary condition analysis for entrepreneurial resource acquisition and utilization

綜上所述，創(chuàng)業(yè)經歷、工作經歷、網絡結構、網絡行為、創(chuàng)業(yè)學習和數字技術任意一個單一變量的解釋力均較弱，沒有任何一個單一變量是創(chuàng)業(yè)機會識別與開發(fā)、創(chuàng)業(yè)資源獲取與利用的必要條件，因此從系統(tǒng)觀視角對創(chuàng)業(yè)動態(tài)能力前因組態(tài)進行分析是必要的。

3.5 運算方案與標準

QCA運算軟件提供了3種運算方案：復雜方案、簡約方案和中間方案，其中復雜方案最嚴格，但普適性較差；簡約方案最寬松，但結論往往過于簡單，有可能與實際情況相悖。因此，本文選用中間方案，并將原始一致性、PRI一致性門檻值分別設置為0.8和0.70，案例頻數門檻值設置為1。

4 結果分析與討論

4.1 創(chuàng)業(yè)動態(tài)能力前因組態(tài)

4.1.1 高創(chuàng)業(yè)機會能力前因組態(tài)

為簡述表達形式，將創(chuàng)業(yè)機會識別與開發(fā)能力簡稱為創(chuàng)業(yè)機會能力，將創(chuàng)業(yè)資源獲取與利用能力簡稱為創(chuàng)業(yè)資源能力，表5為高創(chuàng)業(yè)機會能力前因條件組態(tài)分析結果。本文采用Ragin[29]提出的標記法：“●”表示某條件存在，“?”表示某條件不存在，大圈表示核心條件，小圈表示邊緣條件，空白表示未產生影響的條件。由于缺少前因條件對結果變量作用效果的有效證據，因此在進行反事實分析時選擇默認標注，即無論單個前因變量是否出現均假設其是高創(chuàng)業(yè)動態(tài)能力的原因，后續(xù)分析以此類推。根據分析結果，5個方案一致性系數均超過0.8，同時整體覆蓋率達到0.74。

表5 高創(chuàng)業(yè)機會能力前因條件組態(tài)檢驗結果Tab.5 Antecedent configurations for high entrepreneurial opportunity capability

由表5可知，存在5種高創(chuàng)業(yè)機會能力前因組態(tài)，分別為HO1a～ HO1c、HO2、HO3，其中HO1a～ HO1c均有數字技術作為核心條件之一。在組態(tài)HO1a中，數字技術和網絡行為是核心條件，網絡結構為邊緣條件，工作經歷和創(chuàng)業(yè)學習為無關緊要的條件，創(chuàng)業(yè)經歷缺席；在組態(tài)HO1b中，數字技術和工作經歷為核心條件，創(chuàng)業(yè)經歷和創(chuàng)業(yè)學習為邊緣條件，網絡行為是無關緊要的條件，網絡結構為邊緣條件缺席；在組態(tài)HO1c中，數字技術和創(chuàng)業(yè)學習為核心條件，工作經歷和網絡結構為邊緣條件，網絡行為為無關緊要的條件，創(chuàng)業(yè)經歷為邊緣條件缺席；在組態(tài)HO2中，網絡行為和創(chuàng)業(yè)學習為核心條件，數字技術為邊緣條件，工作經歷和網絡結構為無關緊要的條件，創(chuàng)業(yè)經歷缺席；在組態(tài)HO3中，創(chuàng)業(yè)經歷、工作經歷和網絡結構為核心條件，創(chuàng)業(yè)學習為邊緣條件，網絡行為為無關緊要的條件，數字技術為邊緣條件缺席。根據5種核心組態(tài)及其內在邏輯關系，發(fā)現存在3條高創(chuàng)業(yè)機會能力形成路徑：數據驅動型、主觀能動型、經驗基礎型。

(1)數據驅動型：組態(tài)HO1a～ HO1c。其中，HO1a為數字技術支持下價值共創(chuàng)型組態(tài)路徑，HO1b為數字技術融合型組態(tài)路徑，HO1c為數字技術支持下衍生型組態(tài)路徑。在HO1a組態(tài)路徑中，數字技術的開放性和關聯(lián)性使初創(chuàng)企業(yè)與更多機構發(fā)生聯(lián)系，極大地擴充了創(chuàng)業(yè)團隊，并通過集體價值共創(chuàng)方式實現創(chuàng)業(yè)機會識別與開發(fā)。數字技術的開放性和關聯(lián)性為客戶價值共創(chuàng)提供了條件，使客戶能夠高效完成創(chuàng)業(yè)機會驗證，從而大大提高了創(chuàng)業(yè)機會開發(fā)效率。這一組態(tài)路徑除要求數字技術使用外，還要求較高的社會網絡水平，認為有效的網絡行為是不可或缺的。在HO1b組態(tài)路徑中，數字技術的使能性和可供性提供了更多潛在機會，諸如云計算、大數據及數字組件的興起持續(xù)優(yōu)化供求關系，催生了大量創(chuàng)業(yè)機會。這一組態(tài)路徑要求在數字技術基礎上具有一定的先前經驗和創(chuàng)業(yè)學習能力，其中工作經歷是必需的。在HO1c組態(tài)路徑中，數字技術可生成性使創(chuàng)業(yè)機會源源不斷地被開發(fā)，伴隨著海量數據信息的不斷積累，通過數據分析探尋數據規(guī)律有利于創(chuàng)業(yè)機會的形成，這一組態(tài)路徑對創(chuàng)業(yè)學習能力具有較高要求。

(2)主觀能動型：組態(tài)HO2。這一組態(tài)路徑的特點是創(chuàng)業(yè)經歷缺失，但網絡行為和創(chuàng)業(yè)學習作用突出，如諸多新手創(chuàng)業(yè)成功案例表明，盡管先前經驗是影響創(chuàng)業(yè)成功的關鍵因素，但面對創(chuàng)業(yè)經歷缺失的“先天不足”，積極的創(chuàng)業(yè)學習和網絡行為成為有效替代方案。從本質上講，創(chuàng)業(yè)機會識別是一個認知和決策過程，依賴于創(chuàng)業(yè)者的知識儲備和認知模式。創(chuàng)業(yè)學習是一種信息搜索、解讀和編碼行為，有利于促進創(chuàng)業(yè)機會識別與開發(fā)，積極的網絡行為能夠促進信息流通和知識分享，提升創(chuàng)業(yè)學習效果，二者結合形成高創(chuàng)業(yè)機會能力有效前因組態(tài)。

(3)經驗基礎型：組態(tài)HO3。這一組態(tài)路徑典型案例如“老手”型創(chuàng)業(yè)案例，創(chuàng)業(yè)充滿了未知、風險和變動，創(chuàng)業(yè)是與不確定性環(huán)境博弈的過程，創(chuàng)業(yè)者唯一可以依賴的是自身知識儲備?？拼募{(1979)認為創(chuàng)業(yè)能力差異來源于不同創(chuàng)業(yè)者的知識儲備，即創(chuàng)業(yè)者先前經驗?，F有研究表明，先前經驗越豐富，創(chuàng)業(yè)者識別和開發(fā)創(chuàng)業(yè)機會、挖掘市場潛在需求、降低企業(yè)運營和管理風險的可能性就越大。值得注意的是，在這一組態(tài)路徑中，創(chuàng)業(yè)學習作為邊緣條件存在，說明積極的創(chuàng)業(yè)學習對于高水平創(chuàng)業(yè)機會能力是必需的。

4.1.2 非高創(chuàng)業(yè)機會能力前因組態(tài)

為深入理解高創(chuàng)業(yè)機會能力形成路徑，本文進一步分析導致非高創(chuàng)業(yè)機會能力形成的組態(tài)路徑，將原始一致性與PRI 一致性門檻值分別設為0.8和0.70，將案例頻數閾值設為1。如表6所示，共存在3條非高創(chuàng)業(yè)機會能力前因組態(tài)路徑，分別為數據缺位型、經驗缺失型、主動不足型。

(1)數據缺位型：NHO1a、NHO1b。這兩條組態(tài)路徑均未應用數字技術對創(chuàng)業(yè)機會進行識別。NHO1a組態(tài)路徑表明，僅擁有工作經歷和一定的網絡結構，創(chuàng)業(yè)經歷不足、未積極進行創(chuàng)業(yè)學習無法產生高創(chuàng)業(yè)機會能力。NHO1b組態(tài)路徑表明，雖然擁有創(chuàng)業(yè)經歷和一定網絡結構，其它條件缺失亦無法形成高創(chuàng)業(yè)機會能力。

(2)經驗缺失型：NHO2。這一組態(tài)路徑的最大特點是創(chuàng)業(yè)經歷與工作經歷缺失，且網絡結構和數字技術應用不足，僅存在積極的網絡行為無法產生高創(chuàng)業(yè)機會能力。

(3)主動不足型：NHO3。在這一組態(tài)路徑中，盡管存在創(chuàng)業(yè)經歷和工作經歷，但是反映創(chuàng)業(yè)者、創(chuàng)業(yè)團隊主觀能動性的網絡行為和創(chuàng)業(yè)學習缺失，導致無法形成高創(chuàng)業(yè)機會能力。

表6 非高創(chuàng)業(yè)機會能力前因條件組態(tài)檢驗結果Tab.6 Antecedent configurations for non-high entrepreneurial opportunity capability

對比表5和表6可以發(fā)現，在數字化情境下，先前經驗、社會網絡、創(chuàng)業(yè)學習、數字技術組合形成高創(chuàng)業(yè)機會能力的3種前因組態(tài)，其中數字技術和創(chuàng)業(yè)學習的作用更突出。

4.2 創(chuàng)業(yè)資源能力前因組態(tài)

4.2.1 高創(chuàng)業(yè)資源能力前因組態(tài)

表7為高創(chuàng)業(yè)資源能力前因條件組態(tài)檢驗結果，整體方案一致性為0.86，整體方案覆蓋度為0.79。4條高創(chuàng)業(yè)機會能力前因組態(tài)路徑分別為HR1a、HR1b、HR2、HR3，其中HR1a、HR1b均有數字技術作為核心條件。在組態(tài)HR1a中，工作經歷、網絡行為和數字技術為核心條件，網絡結構為邊緣條件，創(chuàng)業(yè)學習為無關緊要的條件，創(chuàng)業(yè)經歷缺失；在組態(tài)HR1b中，創(chuàng)業(yè)學習和數字技術為核心條件，工作經歷和網絡行為為邊緣條件，網絡結構為無關緊要的條件，創(chuàng)業(yè)經歷為邊緣條件缺失；在組態(tài)HR2中，創(chuàng)業(yè)經歷和網絡結構為核心條件，工作經歷為邊緣條件，網絡行為為無關緊要的條件，創(chuàng)業(yè)學習為邊緣條件缺失；在組態(tài)HR3中，網絡行為和創(chuàng)業(yè)學習為核心條件，數字技術為邊緣條件，工作經歷為無關緊要的條件，創(chuàng)業(yè)經歷缺失，網絡結構為邊緣條件。

表7 高創(chuàng)業(yè)資源能力前因條件組態(tài)檢驗結果Tab.7 Antecedent configurations for high entrepreneurial resource capability

根據上述核心組態(tài)及其內在邏輯關系，發(fā)現存在3條高創(chuàng)業(yè)資源能力形成路徑：數據助力型、傳統(tǒng)模式型、主觀能動型。

(1)數據助力型：組態(tài)HR1a、HR1b。其中，組態(tài)HR1a表征數字技術支持下開拓型資源獲取和利用方式，組態(tài)HR1b表征數字技術支持下突破型資源獲取和利用方式。組態(tài)HR1a的內在邏輯來源于數字技術的開放性和連接性，使創(chuàng)業(yè)者和創(chuàng)業(yè)團隊可以在更大范圍內以較低成本搜索和獲取各類創(chuàng)業(yè)資源，使企業(yè)內部、上下游之間的聯(lián)系更加高效，從而能夠大大提升資源利用效率。組態(tài)HR1b的內在邏輯來源于數字技術一方面帶來新型創(chuàng)業(yè)資源，另一方面形成突破型資源獲取和利用方式，如眾籌。值得注意的是，在數據助力型組態(tài)中，盡管數字技術不可或缺，但能否高效識別、獲取和利用創(chuàng)業(yè)資源，需要先前經驗的輔助；另外，社會網絡和創(chuàng)業(yè)學習也是HR1a、HR1b組態(tài)的前因條件。

(2)傳統(tǒng)模式型：組態(tài)HR2。這一組態(tài)的突出特點是先前經歷和網絡結構主導，對應現實生活中較為傳統(tǒng)的創(chuàng)業(yè)資源獲取和利用方式。該組態(tài)的內在邏輯來源于先前經驗和社會網絡對創(chuàng)業(yè)資源獲取與利用所發(fā)揮的作用。首先，依據資源基礎觀和動態(tài)能力理論，先前經驗是創(chuàng)業(yè)者的資源基礎，初創(chuàng)企業(yè)通常會面臨新進入缺陷，創(chuàng)始人和初創(chuàng)團隊從先前經歷中所獲取的信息、知識能夠幫助其快速、精準識別所需創(chuàng)業(yè)資源，并對各類資源加以高效利用；其次，社會網絡是創(chuàng)業(yè)資源的重要來源，網絡結構對創(chuàng)業(yè)活動具有積極影響，伴隨著網絡規(guī)模、網絡密度、網絡多樣性等指標的提升，創(chuàng)業(yè)者能夠獲取的資源越來越豐富，從而能夠極大地推動創(chuàng)業(yè)發(fā)展。

(3)主觀能動型：組態(tài)HR3。這一組態(tài)的突出特點是先前經驗缺失或不具有優(yōu)勢，網絡行為和創(chuàng)業(yè)學習成為主導。該組態(tài)的內在邏輯來源于網絡行為與創(chuàng)業(yè)學習對創(chuàng)業(yè)資源獲取和利用所發(fā)揮的積極作用。研究發(fā)現，積極的網絡行為，如組織間合法關系有助于創(chuàng)業(yè)企業(yè)獲取更多資源，信任行為能使組織獲取關鍵信息，創(chuàng)業(yè)學習則可以優(yōu)化創(chuàng)業(yè)資源。

4.2.2 非高創(chuàng)業(yè)資源能力前因組態(tài)

表8為非高創(chuàng)業(yè)資源能力前因組態(tài)路徑，分別為數據缺位型、學習不足型、網絡欠缺型。

(1)數據缺位型：NHR1a、NHR1b。這兩條組態(tài)路徑均未應用數字技術對創(chuàng)業(yè)資源進行識別、獲取或利用。NHR1a表明，僅具有網絡結構，先前經驗不足、未采取積極創(chuàng)業(yè)學習將無法產生高創(chuàng)業(yè)資源能力。NHO1b表明，雖然具有一定先前經驗，社會網絡和數字技術缺失亦無法形成高創(chuàng)業(yè)資源能力。

(2)學習不足型：NHR2。這一組態(tài)的最大特點是創(chuàng)業(yè)學習缺失，且創(chuàng)業(yè)經歷、網絡行為和數字技術不足，僅存在工作經歷和網絡結構無法形成高創(chuàng)業(yè)資源能力。

(3)網絡欠缺型：NHR3。這一組態(tài)的最大特點是網絡結構和網絡行為缺失，且工作經歷和創(chuàng)業(yè)學習不足，僅存在創(chuàng)業(yè)經歷無法形成高水平創(chuàng)業(yè)資源能力。

表8 非高創(chuàng)業(yè)資源能力前因條件組態(tài)Tab.8 Antecedent configurations for non-high entrepreneurial resource capability

對比表7和表8可以發(fā)現，在數字化情境下，先前經驗、社會網絡、創(chuàng)業(yè)學習、數字技術分別形成高創(chuàng)業(yè)資源能力的3條前因組態(tài)路徑，其中數字技術和網絡行為對創(chuàng)業(yè)資源能力的影響作用突出。

4.3 穩(wěn)健性檢驗

QCA穩(wěn)健性檢驗法主要包括改變案例頻數、提高一致性門檻值以及調整校準數據錨點。本文采用改變案例頻數和提高一致性門檻值兩種方式，分別將案例頻數調整為2，將PRI門檻值由0.7提高至0.75。調整后檢驗結果顯示，各構型總體一致性和覆蓋度僅發(fā)生小幅改變，整體結果未出現明顯波動，說明本文研究結論具有較高的穩(wěn)健性。

5 結論與展望

5.1 研究結論

本文聚焦于數字化情境下創(chuàng)業(yè)動態(tài)能力形成路徑，基于動態(tài)能力理論，融合創(chuàng)業(yè)機會和創(chuàng)業(yè)資源相關理論，采用fsQCA和NCA分析法，以84份面向初創(chuàng)企業(yè)核心團隊的調研問卷為研究樣本，探討創(chuàng)業(yè)經歷、工作經歷、網絡結構、網絡行為、創(chuàng)業(yè)學習和數字技術等前因變量對創(chuàng)業(yè)動態(tài)能力的作用機制，得出如下結論：①創(chuàng)業(yè)經歷、工作經歷、網絡結構、網絡行為、創(chuàng)業(yè)學習和數字技術任何一個單獨變量均不構成高創(chuàng)業(yè)動態(tài)能力、非高創(chuàng)業(yè)動態(tài)能力的必要條件，單個變量對于創(chuàng)業(yè)動態(tài)能力的解釋力較弱；②高創(chuàng)業(yè)機會能力存在數據驅動型、主觀能動型、經驗基礎型3條組態(tài)路徑，具體包括數字技術支持下價值共創(chuàng)型、數字技術融合型、數字技術支持下衍生型、基于網絡行為—創(chuàng)業(yè)學習的主觀能動型、基于先前經驗—網絡結構的經驗基礎型5條組態(tài)路徑；③非高創(chuàng)業(yè)機會能力存在數據缺位型、經驗缺失型和主動不足型3種組態(tài)，具體包含4條前因組態(tài)路徑；④高創(chuàng)業(yè)資源能力存在數據助力型、傳統(tǒng)模式型、主觀能動型3種組態(tài)，具體包括數字技術支持下的開拓型資源獲取和利用方式、數字技術支持下的突破型資源獲取和利用方式、由先前經歷和網絡結構主導的傳統(tǒng)模式、由網絡行為和創(chuàng)業(yè)學習主導的主觀能動型4條組態(tài)路徑；⑤非高創(chuàng)業(yè)資源能力包括數據缺位型、學習不足型、網絡欠缺型3種組態(tài)，具體包含4條前因組態(tài)路徑；⑥數字技術和創(chuàng)業(yè)學習是高創(chuàng)業(yè)機會能力的重要前因變量，數字技術和網絡行為是高創(chuàng)業(yè)資源能力的重要前因變量。

5.2 理論貢獻

本文理論貢獻主要體現在以下幾個方面：

(1)基于組態(tài)視角分析創(chuàng)業(yè)動態(tài)能力形成路徑。盡管現有文獻對創(chuàng)業(yè)動態(tài)能力影響因素進行了積極探討，但多從若干獨立因素出發(fā)，分析這些因素對創(chuàng)業(yè)動態(tài)能力產生的凈效應，未揭示這些前因變量的協(xié)同作用。本文采用fsQCA方法，從先前經驗、社會網絡、創(chuàng)業(yè)學習和數字技術4個維度探討創(chuàng)業(yè)動態(tài)能力前因組態(tài)，揭示創(chuàng)業(yè)動態(tài)能力多樣化形成路徑，豐富了現有創(chuàng)業(yè)動態(tài)能力理論研究。

(2)揭示數字技術對創(chuàng)業(yè)動態(tài)能力的影響機制。當前，數字技術已被廣泛應用于各種創(chuàng)業(yè)實踐，各類研究主題不斷涌現，但關于數字技術對創(chuàng)業(yè)動態(tài)能力作用效應的研究較少。本文揭示數字技術開放性、關聯(lián)性、生長性在創(chuàng)業(yè)機會和創(chuàng)業(yè)資源前因組態(tài)中所扮演的角色，豐富了數字創(chuàng)業(yè)領域研究。

(3)結合充分性分析和必要性分析，使分析結果更加可靠和科學。QCA、結構方程等方法側重于充分條件分析，對于必要條件的分析較少，而必要條件也是解釋因果關系的重要變量，本文同時采用QCA和NCA方法對結果變量進行分析，提高了研究結論的可靠性和科學性。

5.3 實踐啟示

根據上述研究結論，本文提出如下啟示：

(1)全方位提升創(chuàng)業(yè)企業(yè)數字技術能力。數字化情境下，數字技術對創(chuàng)業(yè)動態(tài)能力形成起重要作用。創(chuàng)業(yè)者應充分運用數字技術創(chuàng)業(yè)，如利用電子商務平臺、開源社區(qū)、社交媒體網絡等數字平臺開拓上下游合作網絡，擴大創(chuàng)業(yè)資源獲取范圍，通過自建或采用第三方信息交流管理系統(tǒng)優(yōu)化管理機制或商業(yè)模式，采用云計算、工業(yè)互聯(lián)網等數字技術設施提升創(chuàng)業(yè)過程智慧化水平。另外，完善數字基礎設施建設，支持數字平臺發(fā)展，激勵各類數字組件開發(fā)和應用，積極推動數字技術與各行各業(yè)融合發(fā)展。

(2)豐富創(chuàng)業(yè)企業(yè)社會網絡，加強創(chuàng)業(yè)學習。數字化情境下，創(chuàng)業(yè)活動更加多元，社會網絡和創(chuàng)業(yè)學習的重要性日益凸顯，二者與數字技術形成合力，共同影響創(chuàng)業(yè)動態(tài)能力形成與發(fā)展。因此，初創(chuàng)企業(yè)、創(chuàng)業(yè)團隊和創(chuàng)業(yè)者應持續(xù)拓展與維護網絡關系，積極采用線上線下等各種途徑和渠道尋求戰(zhàn)略同盟，建立客戶網絡關系，形成持續(xù)性創(chuàng)業(yè)學習機制，采取激勵措施構建學習型組織，不斷汲取和借鑒新知識。另外，制定鼓勵開放合作的創(chuàng)新創(chuàng)業(yè)政策，搭建行業(yè)協(xié)會、眾創(chuàng)空間、孵化器和創(chuàng)新創(chuàng)業(yè)訓練營等中介機構平臺，豐富公共培訓課程資源，營造開放合作、持續(xù)學習的區(qū)域創(chuàng)新創(chuàng)業(yè)生態(tài)系統(tǒng)。

5.4 不足與展望

本研究存在如下不足：①從微觀視角出發(fā)選取創(chuàng)業(yè)動態(tài)能力前因變量，分析創(chuàng)業(yè)經歷、工作經歷、網絡結構、網絡行為、創(chuàng)業(yè)學習和數字技術的協(xié)同作用，未考慮微觀層面創(chuàng)業(yè)團隊成員心理素質、中觀層面組織因素、宏觀層面區(qū)域環(huán)境等變量的影響，未來應拓展創(chuàng)業(yè)動態(tài)能力前因變量選取范圍，探討不同層次前因變量之間的交互效應；②未考慮創(chuàng)業(yè)動態(tài)能力動態(tài)發(fā)展變化，未來應探討創(chuàng)業(yè)實踐進展過程和創(chuàng)業(yè)動態(tài)能力不同發(fā)展階段前因變量及其作用機制。