社会网络和先验知识对创业机会识别的影响_吴小春.pdf

第 14 卷第 2 期 Vol.14 No.2 2023 年 4 月 CHUANGXIN YU CHUANGYE JIAOYU Apr.2023 社会网络和先验知识对创业机会识别的影响 吴小春，林兴 (武汉理工大学创业学院，湖北武汉，430070)摘要 社会网络作为创业者创业信息和资源的重要来源，其网络规模、网络强度和网络位置会直接影响创业信息的数量和质量，进而影响创业机会识别的效果。基于社会网络理论，以武汉地区的创业者为主要调研对象，通过实证研究，建立多元回归模型分析社会网络关系对于个体创业机会识别的影响，并基于创业认知理论探究先验知识在两者之间的调节作用。结果表明：社会网络中的网络规模、网络强度和网络位置对个体创业机会识别有正向促进作用；先验知识中的特殊兴趣以及产业知识正向调节社会网络与创业机会识别之间的作用关系。关键词 创业；创业机会；社会网络；先验知识 中图分类号 G640 文献标识码 A 文章编号 1674-893X(2023)02005208 一、引言 创业是个体对创业机会进行识别、开发和利用的过程1。创业者对创业机会的识别会受到外界环境的影响，如地区创业机会数量的多寡等2；同时，创业者的个体属性也会极大地影响创业机会识别，这主要体现在创业者的创业网络3、先前经验4、人格特质5、创业意愿6等多个方面，甚至在线社交网络也会对创业机会的识别产生直接影响7。全球创业监测报告显示，欧美国家机会驱动型的创业较多，而我国创业者多进行的是生存驱动型创业。为什么有的创业者能够经常性地识别出创业机会，而其他人却很难识别？创业者在创业之前学习的知识对其识别创业机会有没有帮助？本文运用定性和定量分析的方法，通过文献梳理提出理论假设，利用对调查问卷的统计分析结果来检验所提出的理论假设，以此揭示创业者社会网络对创业机会识别的影响机理以及先验知识在此过程中的调节作用。二、文献回顾与概念界定 (一)社会网络研究 学界对于社会网络维度的划分迄今为止还没有一个统一的标准，不同的学者在研究过程中会从不同视角出发，选取相应的社会网络维度进行研究。Burt8将社会网络划分为网络规模、网络密度、网络层次：王飞9在对大学生创业机会识别进行研究时将创业网络划分为网络规模、网络结构和网络强度；王莹10将社会网络划分为网络异质性、规模、关系强度和中心度四个维度。尽管不同学者对于社会网络的维度划分不同，但都可以归类于冯盼11提出的网络结构相关、网络关系相关以及网络内容相关三大类。创业网络是创业者社会网络的一个分支，创业网络是指创业者所拥有的嵌入外部关系网络中可用于创业活动的一切资源的总和12，TAN J13将其细分为正式网络和非正式网络。不同的地域会培育出具有不同特征的创业网络，这些创业 收稿日期 20220915；修回日期 20230103 基金项目 武汉理工大学韶关研究院广东省博士工作站项目(2021050701)作者简介 吴小春，男，江西莲花人，博士，武汉理工大学创业学院副研究员，主要研究方向：创业教育；林兴，男，江西抚州人，武汉理工大学创业学院创业管理专业硕士研究生，主要研究方向：创新与创业管理，联系邮箱： 理论研究 吴小春，林兴：社会网络和先验知识对创业机会识别的影响 53 网络反过来又会影响该地区的企业14。Jost P15发现其实创业者的创业网络规模十分有限，并且大的创业网络并不总是比较小的更有益。但是绝大部分学者认为，在创业的初始阶段，创业者的创业资源以及创业机会很大程度都来自于其社会网络，拥有丰富社会网络的创业者更容易识别出创业机会16。本文选取社会网络中的网络规模、网络强度以及网络位置三个维度进行实证研究。网络规模是指网络中个体或组织的数量以及种类的多少；网络强度是指网络中各主体之间相互联系的频繁和紧密程度，有强关系与弱关系之分17；网络位置是指创业者在网络中所处的层次，影响着创业者能否在网络中接近所需资源18。(二)先验知识研究 现今学者对于先验知识的研究多是集中于和计算机科学进行的交叉研究，与创业理论相结合的研究较少。不同学者对于先验知识所包含内容的界定也不尽相同，Per19认为先验知识包括教育、工作以及以往创业经验等；Sigrist20将先验知识分为特殊兴趣和产业知识，特殊兴趣指创业者的特殊爱好等，产业知识指创业者的市场、服务以及顾客知识等；郭红东21认为，先验知识是在以往的生活工作中积累的经验、技能以及各类知识。本文采用 Sigrist 的观点，将先验知识和先前经验相区分，选取特殊兴趣与创业者在创业之前积累的产业知识这两个维度进行实证研究。(三)创业机会识别研究 机会识别是创业阶段的开始，决定着创业者在后续创业过程中将面临的合作者、竞争者以及顾客等多个元素的类型，创业机会识别的过程包括机会挖掘、机会鉴别以及机会评价等22。创业机会由现存市场的需求缺口所形成，创业者的创业认知23、技术专长24以及创业警觉性25等特质会帮助创业者进行创业机会识别。并且，机会与资源密切相关 26，这也是连续创业者更容易发现新的创业机会的原因，因为连续创业者在以往的创业过程中积累了资源，能够通过资源的整合创造出新的机会27。三、理论分析与假设推导 (一)社会网络与创业机会识别研究 在创业者在进行创业的过程中，社会网络是各种信息与资源的重要来源；同样，在创业者进行创业之前，社会网络也是帮助创业者识别创业机会的重要渠道28。创业社会网络包含众多主体元素，如金融机构、政府部门以及行业协会等，不同主体之间相互联系交流，个体可以在此过程中获取所需的信息及资源。社会网络的规模越大，相关的信息和资源越具有多样性，能够识别到的机会将更多29。信息的数量有多少之分，质量也存在高低之分。网络关系的强弱程度能决定信息准确性与资源的可靠性，只有在网络强度较高的情况下，主体间才能保持相互信任，成功识别创业机会的可能性就越大30。在产业集群的核心网络，积极与供应商、合作伙伴等建立良好的信任关系是中小企业创业者发现创业机会的有效途径31。此外，创业者在网络中的位置也是影响其能否获得优质创业机会的重要影响因素。网络中的主体分化为不同的阶层，不同阶层创业者所获得的信息和资源的数量以及质量存在较大差异18。只有在较高位置上的主体，才能获得最优质的信息和资源，进而识别出最具价值的创业机会。因此，为了增强初创企业网络优势，最合理化地利用社会网络资源，进而识别创业机会，创业者应该提升自己对社会网络的管理能力32。基于以上分析，本文提出如下研究假设：H1：社会网络与创业机会识别正相关；H1a：网络规模对创业机会识别有正向影响；H1b：网络强度对创业机会识别有正向影响；H1c：网络位置对创业机会识别有正向影响。(二)先验知识与创业机会识别研究 创业认知理论认为，若个体在某个领域有丰富的知识，该个体会更关注该领域的问题。先验知识是创业者在以往的工作生活中形成的“知识走廊”33，能够激发创业者的创业激情34，并解读出与其特殊兴趣相关的机会，进而增加了可识别机会的数量以及机会的创新性35。这意味着,创业者特殊的兴趣爱好以及先前 2023 年第 14 卷第 2 期 54 积累的产业知识可能调节着社会网络与所识别出的创业机会之间的作用关系。个体创业网络特征决定着其所能获得的信息与资源的数量和质量，但是拥有相同信息和资源的个体却不一定可以识别出一样的创业机会。该情况很可能是因为个体的先验知识差异影响了个体对所获取信息的解读。可见，获取创业信息是创业机会的第一步，只有当个体过往积累的先验知识能够解读出所获信息价值时，个体才能真正识别和把握住创业机会。基于以上分析，本文提出如下研究假设：H2：先验知识正向调节着社会网络与创业机会识别的作用关系；H2a：创业者的特殊兴趣正向调节着社会网络与创业机会识别的作用关系；H2b：创业者的产业知识正向调节着社会网络与创业机会识别的作用关系。基于以上分析，本文构建了如下理论研究模型，如图 1 所示：图 1 研究模型 四、研究设计 (一)样本选取与数据收集 为验证研究假设，本文选取了以往有过创业经验的创业者以及有创业想法、准备创业的学生与老师为调研对象，样本主要来源于武汉市，少部分来源于其他省市。问卷采用发表在国内外权威期刊的成熟量表，为保证问卷的信度与效度，在正式研究之前实施了小样本的预调研，之后对相关变量进行了修订，确定了正式调研问卷。自2022 年 5 月至 9 月，历时 4 个月，共发放问卷473 份，回收 457 份，回收率为 96.61%，其中有效问卷 423 份，有效回收率为 92.56%。样本情况如表 1 所示：表 1 样本分析结果 名称选项 频数 百分比(%)累计百分比(%)性别男 23756.03 56.03 女 18643.97 100.00 年龄段18 岁以下24 5.67 5.67 1825 13932.86 38.53 2630 12228.84 67.38 3140 66 15.60 82.98 4150 53 12.53 95.51 5160 11 2.60 98.11 60 以上 8 1.89 100.00 学历高中及以下15 3.55 3.55 大专 75 17.73 21.28 本科 14233.57 54.85 硕士 117 27.66 82.51 博士 74 17.49 100.00 合计 423100.0 100.0 (二)变量测量 本研究参考国内外相关成熟量表对各变量进行测量，采用李克特级量表进行打分，数字15 依次表示从非常不同意到非常同意。并且，本文选取了 3 个控制变量：创业者的年龄、性别以及受教育程度。(1)自变量：社会网络。本文参考黄金睿36和任胜钢37的相关研究，将创业者社会网络关系划分为网络规模、网络强度以及网络位置三个维度，设计了 15 个题项测量。例题项：我可以交往的亲戚朋友有很多。(2)因变量：创业机会识别。本文参考黄金睿36的研究，设计了 6 个题项测量。例题项：我所识别出的创业机会可操作性很强。(3)调节变量：先验知识。本文参考苗青38的相关研究，设计了 6 个题项测量。例题项：我对关注的领域充满好奇和兴趣。理论研究 吴小春，林兴：社会网络和先验知识对创业机会识别的影响 55 五、实证结果分析 (一)信度与效度分析 本文利用统计分析软件 SPSS24.0 对测量题项进行信度和效度检验。结果如表 2 所示，变量稳定性良好：对调查问卷收集到的数据进行处理分析，结果发现量表的总体 Cronbachs Alpha 系数值大于 0.7，且 6 个维度所对应的 Cronbachs Alpha 系数值均大于 0.7，表明问卷的内部一致性较好，所以本次调查的结果信度极好。对因子做了 KMO 与 Bartlett 球形检测，所有研究项对应的共同度值均高于 0.4，说明研究项信息可以被有效提取。另外，KMO 值为 0.921，大于 0.7，数据可以被有效提取信息。另外，6 个因子的方差解释率值分别是 10.059%，9.583%，9.566%，8.545%，6.879%，5.023%，旋转后累积方差解释率为 66.746%，意味着研究项的信息量可以有效地提取出来。(二)相关性分析 在对变量进行 Pearson 相关分析后，结果如表 3 所示，每个变量的相关系数都小于 0.7，说明研究模型不受多重共线性问题干扰。自变量与因变量之间正向相关性较为显著，可以进行回归分析以确定因果关系。(三)回归分析与假设检验 本文运用多层回归分析以检验前文所提出的假设，本次分层回归分析共涉及 2 个模型。模型 1 中的自变量为性别、年龄段以及学历，模型2 在模型 1 的基础上加入网络规模、网络强度以及网络位置，模型的因变量为创业机会识别。模型 2 在模型 1 的基础上加入网络规模、网络强度以及网络位置后，F 值变化呈现出显著性(p0.001)，意味着网络规模、网络强度以及网络 表 2 各变量信度效度检验和验证性因子分析 变量维度题项Cronbachs 因子载荷网络关系网络规模A1 0.883 0.677A2 0.713A3 0.697A4 0.