1. 引言
自2014年“大众创业、万众创新”政策实施以来，我国新生代创业者(85后群体)成为推动经济结构升级与科技转化的重要力量。然而，新创企业平均生存周期仅2.5年，存活率不足一成，低绩效与高失败率凸显资源利用效率的严峻挑战。中国社会的“关系本位”特征决定了社会资本在创业活动中的核心地位，但数字经济时代下，资源整合方式已从传统人际网络转向数字化协同。如何通过数字化能力将社会资本转化为可持续绩效，成为理论与实践亟待解决的难题。现有研究多聚焦社会资本对创业绩效的直接影响，但数字经济驱动的资源整合变革尚未被充分纳入分析框架。一方面，新生代创业者研究多停留在宏观描述，缺乏对其社会资本结构、关系、认知三维度与数字化资源整合动态过程的实证检验；另一方面，政策层面对“双创”升级的推动需更精细化指导，而社会资本与数字技术的协同机制仍不明确。
本文以新生代电商创业者为研究对象，构建“社会资本–数字化资源整合–创业绩效”理论模型，旨在揭示数字经济时代社会资本的价值转化路径。将社会资本解构为结构、关系、认知三维度，数字化资源整合划分为识别、获取、配置、利用四阶段，创业绩效涵盖生存、成长、财务三层次。通过对江苏、浙江等数字经济活跃地区的266名电商创业者问卷调查，以进行Bootstrap中介效应检验与异质性分析。
研究发现：1) 社会资本的关系与认知维度显著提升创业绩效，但关系维度对成长与财务绩效无显著影响；2) 数字化资源整合发挥部分中介作用；3) 创业者年龄、企业规模等因素显著调节社会资本向绩效的转化效率。本文在理论层面，首次将数字化资源整合作为中介变量纳入社会资本与绩效研究，揭示“关系本位”社会在数字技术冲击下的适应性机制；在实践层面，为创业者优化社会资本配置、政府构建数字创业生态提供决策依据。
2. 文献综述与研究假设
2.1. 文献综述
2.1.1. 社会资本与创业绩效
社会资本是创业者能够从其社会关系网络中获得的有益于企业生产发展的资源。Nahapiet等[1]将社会资本划分为认知、结构和关系三个维度：认知维度是不同组成人员之间所拥有的共同目标和文化，结构维度是人们之间所表现的各种形态的关联，关系维度是行动者在交往过程中所造就的相处模式。这种维度划分方式被主流研究所认可并广泛用于后来的研究中。创业绩效是创业企业通过一定的创业活动所获得的成果和成效，可以用生存、成长两维度来测量[2]。本研究借鉴Hill研究思路，考虑增加财务绩效[3]，从3方面来测量创业绩效。
而社会资本对创业活动的支撑作用自20世纪90年代起便受到学界关注。社会资本通过三个维度对创新绩效产生差异化影响：在认知维度，企业通过统一愿景目标增强资源整合效率，直接提升应对市场风险的生存能力；在结构维度，广泛的行业链接与资源获取路径加速技术迭代和商业模式创新，推动企业成长潜力；在关系维度，稳定的合作伙伴关系降低交易成本并促进长期协作，通过风险共担与资源互补优化投入产出比，最终转化为更高的财务回报。已有研究表明，创业者通过构建社会网络获取关键资源，是其实现创业成功的重要保障，现有研究已从网络结构、关系维度、认知维度等多方面揭示了社会资本对创业过程的影响机制，黄绍升等验证了社会资本对创业绩效的积极影响[4]。然而在近年来的研究中，黄艳等[5]的研究显示社会资本对企业的成长不仅存在积极影响还有负面影响。
目前存在两种互悖的观点，但整体来看，大多数学者倾向于认为社会资本能对创业绩效水平的提升产生显著的促进作用，这也为本文即将提出的理论假设提供了有力支撑。
2.1.2. 企业资源整合与创业绩效
Eisenhardt等[6]将资源整合细化为资源识别、获取、优化和配置的动态过程，本研究沿用这一思路，将数字化资源整合能力定义为新创企业在创业过程中识别、获取、配置和利用数字化资源的能力，并通过这四个角度进行测量。
国内外许多学者验证了资源整合能力对绩效提升的重要作用。曹晓昱等[7]验证了资源整合能力对企业创新绩效的正向提升；刘航等[8]验证了资源获取能力对农村嵌入组织绩效的提升；而肖梦婧[9]等实证了资源整合能力对创业绩效的显著影响。
尽管学者们阐述了企业资源整合情况对于新创企业的重要作用及对其创业绩效的积极影响，但很少有学者将资源整合作为社会资源与创业绩效的中介变量来研究三者之间的关系，本文将以企业资源整合情况作为中介变量以期为该领域的研究提出新的视角。
2.2. 理论模型构建
本研究将数字化资源整合能力运用到新生代电商创业者社会资本和创业绩效的关系研究中来深入研究两者的关系，企图更加详细地说明二者的关系路径。基于动态能力视角，塑造“资本能力–资源整合–绩效提升”的理论框架，具体来说，构建了新生代电商创业者社会资本、数字化资源整合能力、创业绩效三者的关系理论模型如图1所示。
Figure 1. Theoretical model
图1. 理论模型
2.3. 研究假设
2.3.1. 新生代电商创业者社会资本与创业绩效
据前文2.1.1所述，本文认为新生代电商创业者社会资本对创业绩效有显著的正向影响。但由于社会资本具有丰富维度，为更加细致地了解社会资本对创业绩效的影响机制，本文从社会资本的结构、关系和认知三维度研究与创业绩效中具体生存、成长和财务绩效的关系。
结构维度是指企业家在社会网络结构中是否占据中心地位的状态，创业者在其关系网络中的地位越高以及越稳定，越能稳定持续地获取企业运营所需要资源。Birley & Cromie指出企业家在社会网络中的核心地位能够保证其得到更多的资源和机会，进而对企业创业活动产生正向影响[10]，即结构维度对创业绩效有显著正向影响。关系维度是指企业家所拥有的社会关系能够为其提供便利的程度。张维迎[11]指出信任关系会影响一个地区的企业规模、经济绩效等。因此社会资本的关系维度会通过建立彼此的信任关系减少合作时的阻碍，提高组织之间的合作效率，即关系维度对创业绩效有显著正向影响。认知维度是衡量创业者与所处关系网络上的人之间是否有类似的体验、表达方式，能否在某些问题上达成一致和某些更深的感受。“圈子”作为中国独有文化，被用来标记某些群体。当创业者向去圈子里其他人求助时，成员也会因为拥有共同的认知和价值观而提供慷慨的帮助，从而对创业绩效产生影响。
由此，关于新生代电商创业者社会资本与创业绩效本研究提出如下假设：
H1：社会资本对创业绩效有显著的正向影响；H1a1：结构维度对生存绩效有显著的正向影响；
H1a2：结构维度对成长绩效有显著的正向影响；H1a3：结构维度对财务绩效有显著的正向影响；
H1b1：关系维度对生存绩效有显著的正向影响；H1b2：关系维度对成长绩效有显著的正向影响；
H1b3：关系维度对财务绩效有显著的正向影响；H1c1：认知维度对生存绩效有显著的正向影响；
H1c2：认知维度对成长绩效有显著的正向影响；H1c3：认知维度对财务绩效有显著的正向影响。
2.3.2. 新生代电商创业者社会资本与数字化资源整合
初创期中小企业资源获取高度依赖创业者个人能力，其核心体现为通过社会资本实现资源识别与整合。社会资本作为赋能型关系网络，不仅拓宽创业者的资源获取渠道，更通过结构化嵌入促进资源优化配置。社会资本通过三个维度显著影响创业者资源整合能力：在认知维度，降低信息壁垒，促进技术、市场等异质性资源的高效匹配与协同；在结构维度，拓宽资源触达范围，通过多元化渠道快速获取资金、人才与关键合作机会；在关系维度，通过减少交易摩擦，增强资源承诺稳定性，推动隐性知识传递与长期资源绑定，最终提升资源整合的深度与持续性。因此，本研究提出新生代电商创业者社会资本与其数字化资源整合能力存在正向关联的核心假设：
H2：新生代电商创业者社会资本对数字化资源整合有正向影响。
2.3.3. 新生代电商创业者数字化资源整合与创业绩效
Brown的资源编排理论[12]揭示了资源整合对企业绩效的驱动机制。相较成熟企业，新创企业面临资源禀赋不足与组织惯例缺失的双重约束，这使得通过数字化手段提升资源编排效率成为其突破资源桎梏、构建竞争优势的关键路径。因此，本研究提出数字化资源整合能力与创业绩效存在正向关联的核心假设：
H3：新生代电商创业者数字化资源整合对创业绩效产生正向影响。
2.3.4. 数字化资源整合在创业者社会资本与创业绩效之间的中介作用
企业成长本质上是持续的资源编排过程，而社会资本作为资源获取的结构性载体，其价值实现依赖于资源整合的中介传导。既有研究证实：邓然[13]验证了资源整合的部分中介效应，José Acedo等[14]则证明资源获取效率对经营绩效存在显著中介影响。基于理论演进脉络，本文提出数字化资源整合在新生代电商创业者社会资本与创业绩效间存在中介效应的核心假设：
H4：数字化资源整合在创业者社会资本与创业绩效之间起中介作用。
3. 研究设计
3.1. 调查设计
本文的研究对象是新生代电商创业者，基于问卷发放的方便性和调查对象的可触达性，本次调查的新生代电商创业者主要分布在江苏省南京腾讯众创空间、江宁高新区创业大厦、杭州电商直播基地等电商企业集聚的地方；同时还考虑了调查对象行业的多样性，也在调查过程中对受访者年龄限制在40岁以下。
3.2. 问卷结构
通过文献梳理，本文对电商创业者社会资本、数字化资源整合能力、创业绩效等进行了维度划分。在多次预调研修正问卷之后，确定的最终问卷包括四部分：第一部分创业者自身和创业企业的基本信息，包括性别、年龄、婚姻状况、创业前工作年限、规模等。第二部分社会资本情况，将其分为结构、关系和认知三个维度。第三部分数字化资源整合情况，分为数字化资源识别、获取、配置、利用四个维度。第四部分企业创业绩效情况，分为生存、成长、财务绩效。二三四部分均采用Likert5点量表形式测量。
3.3. 问卷测量
3.3.1. 社会资本量表
本文采用Nahapiet等[1]的结构、关系和认知三维度划分法来对新生代电商创业者社会资本情况进行剖析测量，三维度分别对应题项：SCS1-SCS5、SCR1-SCR3和SCC1-SCC4，量表已被成熟运用，具体如表1所示。
Table 1. Social capital measurement
表1. 社会资本测量
测量变量 |
测量维度 |
题项 |
操作化衡量项目 |
社会资本 |
结构维度 |
SCS1 |
我们与利益相关者之间联系频繁 |
SCS2 |
我们与利益相关者之间联系非常密切 |
SCS3 |
我们能够联系的利益相关者数量非常多 |
|
SCS4 |
我的圈子范围大，涉及多个领域(供应商、竞争者、客户、政府等) |
SCS5 |
总体而言，我在我的一些关系圈子具有主导(核心)地位 |
关系维度 |
SCR1 |
在双方合作过程中，我们与利益相关者进行联系时没有损人利己倾向 |
SCR2 |
在双方合作过程中，我们与利益相关者愿意真诚地开展合作 |
SCR3 |
在双方合作过程中，我们与利益相关者能够遵守彼此的诺言 |
认知维度 |
SCC1 |
我和关系圈子里的人能够沟通顺畅 |
SCC2 |
我和关系圈子里的人拥有共同的价值取向 |
SCC3 |
我与利益相关者进行联系的目标一致 |
SCC4 |
我与交往的群体不乏共同语言和话题 |
3.3.2. 数字化资源整合量表
本研究从企业数字化资源识别、获取、配置、利用四个方面来对数字化资源整合情况进行衡量，题项分别对应RII1~RII3、RIA1~RIA3、RIB1~RIB3、RIU1~RUI3，具体如表2所示。
Table 2. Digital resource integration measurement
表2. 数字化资源整合测量
测量变量 |
衡量维度 |
题项 |
操作化衡量项目 |
数字化
资源整合 |
资源识别 |
RII1 |
企业借助数字技术识别了自身拥有的资源 |
RII2 |
企业借助数字技术识别了需求的资源 |
RII3 |
企业借助数字技术识别自身资源和必需资源的差距 |
资源获取 |
RIA1 |
企业借助数字技术从多样化的渠道获取资源(资源获取广度大) |
RIA2 |
企业借助数字技术获得多种资源 |
RIA3 |
企业借助数字技术资源获取效度高(资源获取的价值往往大于成本) |
资源配置 |
RIB1 |
企业借助数字技术剥离无用的资源 |
RIB2 |
企业借助数字技术根据目标把各种资源结合在一起 |
RIB3 |
企业借助数字技术根据资源特性把资源捆绑在一起 |
资源利用 |
RIU1 |
企业在数字技术帮助下利用企业家个人资源禀赋得到其他外部资源 |
RIU2 |
企业在数字技术帮助下利用组织成员资源禀赋得到其他资源 |
RIU3 |
企业在数字技术帮助下利用已整合的资源撬动得到其他资源 |
3.3.3. 创业绩效量表
创业绩效量表采用Christman [2]提出的量表，结合常用的财务绩效来构成本研究的创业绩效量表，即从生存、成长、财务三个维度来衡量企业创业绩效，分别对应题项EPS1~EPS3、EPG1~EPG5、EPF1~EPF2，如表3所示。
4. 实证研究
本研究运用SPSS28.0和AMOS24.0进行数据分析。第一步对样本基础信息进行描述性分析；接着采用验证性因子分析检验信效度，并采用AMOS24.0对结构模型进行验证；之后开展相关分析、回归分析，对研究假设进行检验。最终共成功回收问卷321份，经过筛选和剔除有效问卷共266份，有效率82.86%。
Table 3. Entrepreneurial performance measurement
表3. 创业绩效测量
测量变量 |
测量维度 |
题项 |
操作化衡量项目 |
创业绩效 |
生存绩效 |
EPS1 |
企业目前经营状况良好 |
EPS2 |
我们企业可以很好地应对生存危机 |
EPS3 |
我们企业可以持续经营至少五年 |
成长绩效 |
EPG1 |
销售总额的年增长率高 |
EPG2 |
利润的年增长率高 |
EPG3 |
员工数量的年增长率高 |
EPG4 |
市场份额的年增长率高 |
EPG5 |
净资产的年增长率高 |
财务绩效 |
EPF1 |
我们相对于主要竞争者的投资回报率较高 |
EPF2 |
我们相对于主要竞争者的成本节约较大 |
4.1. 描述性统计分析
新生代电商创业者样本呈现显著群体特征：性别分布上男性约占六成，样本年龄集中于26岁~35岁，其中26岁~30岁占39.8%；学历结构上，83.6%具有本科及以上学位；婚姻状况均衡分布。职业发展方面，56.8%创业者具备1~5年工作经验后创业，创业经验呈梯度分布，即首次创业者占43%，无经验者38%，而具有两次及以上创业经历者达18%，印证新生代电商创业者兼具高学历与年轻化特征，如表4所示。
Table 4. Summary of descriptive statistical analysis
表4. 描述性统计分析一览表
项目 |
类别 |
人数 |
百分比(%) |
累计百分比(%) |
性别 |
男 |
162 |
60.9 |
60.9 |
女 |
104 |
39.1 |
100 |
年龄 |
25岁及以下 |
39 |
14.7 |
14.7 |
26岁~30岁 |
106 |
39.8 |
54.5 |
31岁~35岁 |
86 |
32.3 |
86.8 |
36岁~40岁 |
35 |
13.2 |
100 |
学历 |
高中及以下 |
4 |
1.5 |
1.5 |
大专 |
27 |
10.2 |
11.7 |
本科 |
185 |
69.5 |
81.2 |
研究生及以上 |
50 |
18.8 |
100 |
婚姻状况 |
已婚 |
136 |
51.1 |
51.1 |
未婚 |
130 |
48.9 |
100 |
创业前工作年限 |
1年以下 |
62 |
23.3 |
23.3 |
1~5年 |
151 |
56.8 |
80.1 |
6~10年 |
49 |
18.4 |
98.5 |
11~20年 |
4 |
1.5 |
100 |
20年以上 |
0 |
0 |
0 |
创业经历 |
0次 |
102 |
38.3 |
38.3 |
1次 |
115 |
43.2 |
81.6 |
2次及以上 |
49 |
18.4 |
100 |
4.2. 同源误差检验
本研究采用Harman单因子检验方法，该方法将所有参与假设检验的量表题目一起做探索性因子分析，特征根大于1的因子超过一个、最大因子方差解释度低于40%即为通过了同源误差检验。本研究提取出特征根大于1的因子共7个，最大因子的方差解释率为28.447%，故本研究不存在严重的同源误差。
4.3. 信效度分析
在正式数据分析中采用Cronbach’s Alpha系数进行信度检验。各量表的总体Alpha系数和各维度的Alpha系数如下：社会资本量表Cronbach’s Alpha系数为0.774均大于0.7，企业资源整合情况量表和创业绩效量表Cronbach’s Alpha系数分别为0.809、0.878大于0.8，问卷量表信度较好。
本研究采用AMOS工具采用验证性因子分析法验证模型拟合程度和因素间的路径分析系数。具体来看，社会资本、数字化资源整合、创业绩效KMO值为0.788、0.864、0.915，p = 0.000达到显著性水平；对量表进行验证性因子分析，绝对拟合指数χ2/df均小于3，拟合优度指数GFI、相对拟合指标NFI和CFI均大于0.90，均方根残差RMR小于0.05，近似误差均方根RMSEA小于0.08，各个指标都符合标准。
4.4. 人口统计变量对社会资本和创业绩效的影响
本研究收集并分析了电商创业者性别、年龄、创业信息等诸多因素在社会资本和创业绩效影响上的差异性，本节将重点说明对创业绩效有显著影响而对社会资本无显著影响的年龄、创业前工作年限。
4.4.1. 基于年龄的单因素方差分析
社会资本和创业绩效都通过了方差齐性检验。据表5，社会资本的显著性水平为0.079，大于0.05，即不同年龄阶段的创业者在社会资本的拥有程度上没有显著差异；而创业绩效的显著性水平为0.026，即不同年龄创业者的创业绩效存在显著差异。因此将不同年龄阶段的创业绩效水平继续进行多重比较。
Table 5. Univariate analysis of variance for age
表5. 年龄的单因素方差分析
变量 |
结构 |
平方和 |
自由度 |
均方 |
F |
显著性 |
社会资本 |
组间 |
1.093 |
3 |
0.364 |
2.284 |
0.079 |
组内 |
41.804 |
262 |
0.160 |
|
|
总计 |
42.898 |
265 |
|
|
|
创业绩效 |
组间 |
2.709 |
3 |
0.903 |
3.141 |
0.026 |
组内 |
75.304 |
262 |
0.287 |
|
|
总计 |
78.012 |
265 |
|
|
|
据表6可得，25岁及以下分组与31岁~35岁分组的差异显著性水平小于0.05，即25岁以下创业者与31岁~35岁创业者在创业绩效水平上存在显著差异；另26岁~30岁创业者与31岁~35岁创业者的创业绩效水平亦存在显著差异。据表6可以看到31岁~35岁的创业者其创业绩效水平最高，36岁~42岁次之，最后依次是26岁~30岁、25岁以下分组，说明35岁以前的青壮年创业者，年龄越大创业绩效越好。
Table 6. Multiple comparisons of social capital in different age groups
表6. 不同年龄段社会资本多重比较
因变量 |
(I)年龄 |
(J)年龄 |
平均值差值(I-J) |
标准错误 |
显著性 |
95%置信区间 |
下限 |
上限 |
创业绩效 |
25岁及以下 |
26岁~30岁 |
−0.10201 |
0.10041 |
0.311 |
−0.2997 |
0.0957 |
31岁~35岁 |
−0.28509* |
0.10350 |
0.006 |
−0.4889 |
−0.0813 |
36岁~42岁 |
−0.17832 |
0.12483 |
0.154 |
−0.4241 |
0.0675 |
26岁~30岁 |
25岁及以下 |
0.10201 |
0.10041 |
0.311 |
−0.0957 |
0.2997 |
31岁~35岁 |
−0.18308* |
0.07780 |
0.019 |
−0.3363 |
−0.0299 |
36岁~42岁 |
−0.07631 |
0.10452 |
0.466 |
−0.2821 |
0.1295 |
31岁~35岁 |
25岁及以下 |
0.28509* |
0.10350 |
0.006 |
0.0813 |
0.4889 |
26岁~30岁 |
0.18308* |
0.07780 |
0.019 |
0.0299 |
0.3363 |
36岁~42岁 |
0.10678 |
0.10749 |
0.321 |
−0.1049 |
0.3184 |
36岁~42岁 |
25岁及以下 |
0.17832 |
0.12483 |
0.154 |
−0.0675 |
0.4241 |
26岁~30岁 |
0.07631 |
0.10452 |
0.466 |
−0.1295 |
0.2821 |
31岁~35岁 |
−0.10678 |
0.10749 |
0.321 |
−0.3184 |
0.1049 |
*平均值差值的显著性水平为0.05。
4.4.2. 基于创业前工作年限的单因素方差分析
根据表7可得社会资本和创业绩效的显著性水平分别为0.086、0.033，后者小于0.05，所以创业前工作年限不同的新生代电商创业者在创业绩效方面存在显著差异。
Table 7. One-way ANOVA of working years before starting a business
表7. 创业前工作年限的单因素方差分析
变量 |
结构 |
平方和 |
自由度 |
均方 |
F |
显著性 |
社会资本 |
组间 |
1.063 |
3 |
0.354 |
2.218 |
0.086 |
组内 |
41.835 |
262 |
0.160 |
|
|
总计 |
42.898 |
265 |
|
|
|
创业绩效 |
组间 |
2.552 |
3 |
0.851 |
2.953 |
0.033 |
组内 |
75.461 |
262 |
0.288 |
|
|
总计 |
78.012 |
265 |
|
|
|
*平均值差值的显著性水平为0.05。
据表8，创业前有1年以下工作经验分别与1~5年和6~10年工作经验的创业者在创业绩效上均存在显著差异。在1~10年区间内创业前工作年限越长，其社会资本拥有程度、创业绩效水平都会越高。
Table 8. Multiple comparisons of working years before starting a business
表8. 创业前工作年限的多重比较
因变量 |
(I)工作年限 |
(J)工作年限 |
平均值差值(I-J) |
标准错误 |
显著性 |
95%置信区间 |
下限 |
上限 |
创业绩效 |
1年以下 |
1~5年 |
−0.17088* |
0.08095 |
0.036 |
−0.3303 |
−0.0115 |
6~10年 |
−0.25583* |
0.10258 |
0.013 |
−0.4578 |
−0.0538 |
11~20年 |
0.22581 |
0.27686 |
0.415 |
−0.3193 |
0.771 |
1~5年 |
1年以下 |
0.17088* |
0.08095 |
0.036 |
0.0115 |
0.3303 |
6~10年 |
−0.08494 |
0.08823 |
0.337 |
−0.2587 |
0.0888 |
11~20年 |
0.39669 |
0.27187 |
0.146 |
−0.1386 |
0.932 |
6~10年 |
1年以下 |
0.25583* |
0.10258 |
0.013 |
0.0538 |
0.4578 |
1~5年 |
0.08494 |
0.08823 |
0.337 |
−0.0888 |
0.2587 |
11~20年 |
0.48163 |
0.27907 |
0.086 |
−0.0679 |
1.0311 |
11~20年 |
1年以下 |
−0.22581 |
0.27686 |
0.415 |
−0.7710 |
0.3193 |
1~5年 |
−0.39669 |
0.27187 |
0.146 |
−0.9320 |
0.1386 |
6~10年 |
−0.48163 |
0.27907 |
0.086 |
−1.0311 |
0.0679 |
*平均值差值的显著性水平为0.05。
4.5. 相关性分析
本文利用Pearson二元相关分析社会资本、数字化资源整合、创业绩效及其各维度间的相关性。如表9所示，变量间相关系数大于0.3且均为正数，与本文预先的假设一致，为后文的假设检验奠定了基础。
Table 9. Correlation list
表9. 相关性一览表
|
社会
资本 |
创业
绩效 |
资源
整合 |
结构
维度 |
关系
维度 |
认知
维度 |
资源
识别 |
资源
获取 |
资源
配置 |
资源
利用 |
生存
绩效 |
成长
绩效 |
财务
绩效 |
社会资本 |
1 |
0.546** |
0.736** |
0.750** |
0.694** |
0.823** |
0.597** |
0.558** |
0.589** |
0.505** |
0.477** |
0.462** |
0.457** |
创业绩效 |
|
1 |
0.653** |
0.416** |
0.346** |
0.467** |
0.362** |
0.640** |
0.595** |
0.369** |
0.813** |
0.931** |
0.727** |
资源整合 |
|
|
1 |
0.617** |
0.450** |
0.590** |
0.760** |
0.780** |
0.819** |
0.694** |
0.572** |
0.578** |
0.486** |
结构维度 |
|
|
|
1 |
0.288** |
0.387** |
0.531** |
0.500** |
0.507** |
0.341** |
0.367** |
0.335** |
0.382** |
关系维度 |
|
|
|
|
1 |
0.411** |
0.440** |
0.277** |
0.331** |
0.341** |
0.347** |
0.276** |
0.266** |
认知维度 |
|
|
|
|
|
1 |
0.398** |
0.464** |
0.482** |
0.458** |
0.372** |
0.423** |
0.377** |
资源识别 |
|
|
|
|
|
|
1 |
0.420** |
0.525** |
0.411** |
0.351** |
0.293** |
0.285** |
资源获取 |
|
|
|
|
|
|
|
1 |
0.551** |
0.335** |
0.516** |
0.577** |
0.515** |
资源配置 |
|
|
|
|
|
|
|
|
1 |
0.427** |
0.538** |
0.508** |
0.464** |
资源利用 |
|
|
|
|
|
|
|
|
|
1 |
0.325** |
0.361** |
0.190** |
生存绩效 |
|
|
|
|
|
|
|
|
|
|
1 |
0.611** |
0.441** |
成长绩效 |
|
|
|
|
|
|
|
|
|
|
|
1 |
0.571** |
财务绩效 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
*代表P < 0.05，**代表P < 0.01，***代表P < 0.001，下表同。
4.6. 回归分析
4.6.1. 新生代电商创业者社会资本与创业绩效之间的关系检验
本研究先前已经构建了关于新生代电商创业者社会资本与创业绩效的理论框架，并提出了相应的研究假设。据此构建了两者的回归模型如下，公式(1)中Yi指创业绩效各维度分别是生存绩效(Y1)，成长绩效(Y2)，财务绩效(Y3)；β1-i、β2-i、β3-i表示变量系数；X1-3是社会资本的各个维度分别是结构维度(X1)，关系维度(X2)，认知维度(X3)；β0-i是常数项；
是残差项。
(1)
因此，可以将社会资本对新生代电商创业者生存绩效的回归模型定为如下：
(2)
采用逐步多元线性回归的方法，结果显示逐步分析过程中先后引入的自变量是认知维度、结构维度、关系维度，且最终模型的三个维度VIF分别为1.330、1.205、1.232小于5通过了多重共线性检验。在自变量不断引入过程中，R方从0.135变为0.220，拟合优度不断变大，标准估算错误也在不断变小。最终的回归方程为Y1 = 0.723 + 0.297X1 + 0.240X2 + 0.233X3，X1-3系数均大于0，对应H1a1、H1b1、H1c1假设得到验证，即社会资本结构维度、关系维度、认知维度都对企业生存绩效产生显著正向影响，如表10所示。
Table 10. Results of stepped-regression analysis of social capital and survival performance
表10. 社会资本与生存绩效逐步回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
1 |
(常量) |
2.120 |
0.264 |
|
8.030*** |
|
|
0.135 |
42.511 |
认知维度 |
0.430 |
0.066 |
0.372 |
6.520*** |
1.000 |
1.000 |
2 |
(常量) |
1.262 |
0.322 |
|
3.919*** |
|
|
0.191 |
32.306 |
认知维度 |
0.313 |
0.069 |
0.271 |
4.517*** |
0.850 |
1.177 |
结构维度 |
0.335 |
0.077 |
0.262 |
4.379*** |
0.850 |
1.177 |
3 |
(常量) |
0.723 |
0.356 |
|
2.030* |
|
|
0.220 |
25.909 |
认知维度 |
0.233 |
0.072 |
0.201 |
3.217** |
0.752 |
1.330 |
结构维度 |
0.297 |
0.076 |
0.232 |
3.903*** |
0.830 |
1.205 |
关系维度 |
0.240 |
0.073 |
0.197 |
3.275** |
0.811 |
1.232 |
同理可以将社会资本对新生代电商创业者成长绩效的回归模型定为如下：
(3)
采用逐步多元线性回归的方法进行回归分析，结果显示逐步分析过程中先后引入的自变量认知、结构、关系维度，且最终模型的VIF为1.177小于5通过了多重共线性检验。拟合优度R方为0.208。最终的回归方程为Y2 = 1.208 + 0.251X1 + 0.389X3，认知和结构维度系数X1和X3均大于0，对应H1a2、H1c2假设得到验证，H1b2假设不成立。即社会资本结构维度、认知维度对企业成长绩效产生显著正向影响，如表11所示。
Table 11. Results of stepped-regression analysis of social capital and growth performance
表11. 社会资本与成长绩效逐步回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
1 |
(常量) |
1.851 |
0.252 |
|
7.358*** |
|
|
0.176 |
57.555 |
认知维度 |
0.477 |
0.063 |
0.423 |
7.586*** |
1.000 |
1.000 |
2 |
(常量) |
1.208 |
0.311 |
|
3.883*** |
|
|
0.208 |
35.702 |
认知维度 |
0.389 |
0.067 |
0.345 |
5.815*** |
0.850 |
1.177 |
结构维度 |
0.251 |
0.074 |
0.202 |
3.399** |
0.850 |
1.177 |
可以将社会资本对新生代电商创业者财务绩效的回归模型定为如下：
(4)
逐步分析过程中先后引入的自变量认知、结构、关系维度，最终模型的两个维度VIF为1.177小于5通过了多重共线性检验。在自变量不断引入过程中，R方从0.143变为0.202，拟合优度不断变大，标准估算错误也在不断变小。最终的回归方程为Y1 = 1.042 + 0.364X1 + 0.319X3，X系数大于0，对应H1a3、H1c3假设得到验证，H1b3假设不成立。即社会资本结构，和认知维度对企业财务绩效产生显著正向影响，如表12所示。
Table 12. Results of stepped-regression analysis of social capital and financial performance
表12. 社会资本与财务绩效逐步回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
1 |
(常量) |
1.766 |
0.296 |
|
5.962*** |
|
|
0.143 |
45.209 |
结构维度 |
0.500 |
0.074 |
0.382 |
6.724*** |
1.000 |
1.000 |
2 |
(常量) |
1.042 |
0.328 |
|
3.181** |
|
|
0.202 |
34.525 |
结构维度 |
0.364 |
0.078 |
0.278 |
4.669*** |
0.850 |
1.177 |
认知维度 |
0.319 |
0.070 |
0.270 |
4.528*** |
0.850 |
1.177 |
最后以社会资本为自变量，创业绩效为因变量进行回归分析，回归分析模型结果中，VIF为1.000小于5，即变量之间不存在多重共线性，满足了进行回归分析的前提条件，显著性为0.000小于0.05，社会资本对创业绩效存在显著影响，系数为0.736，影响为正，假设H1成立，如表13所示。
Table 13. Results of stepped-regression analysis of social capital and entrepreneurial performance
表13. 社会资本与创业绩效逐步回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
(常量) |
0.806 |
0.281 |
|
2.868** |
|
|
0.295 |
112.038 |
社会资本 |
0.736 |
0.070 |
0.546 |
10.585*** |
1.000 |
1.000 |
4.6.2. 新生代电商创业者社会资本与数字化资源整合之间的关系检验
回归分析模型结果中，VIF为1.0小于5，即变量之间不存在多重共线性，满足回归分析的前提条件，显著性为0.000，社会资本对数字化资源整合存在显著影响，系数为0.789，影响为正，假设H2成立，如表14所示。
Table 14. Results of regression analysis of social capital and digital resources integration
表14. 社会资本与数字化资源整合回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
(常量) |
0.793 |
0.181 |
|
4.390*** |
|
|
0.539 |
311.322 |
社会资本 |
0.789 |
0.045 |
0.736 |
17.644*** |
1.000 |
1.000 |
4.6.3. 新生代电商创业者数字化资源整合与创业绩效之间的关系检验
回归分析模型结果中，VIF为1.0小于5，即变量之间不存在多重共线性，满足回归分析的前提条件，显著性为0.0小于0.05，数字化资源整合能力对创业绩效存在显著影响，系数为0.821，影响为正，假设H3成立，如表15所示。
Table 15. Regression analysis results of digital resource integration and entrepreneurial performance
表15. 数字化资源整合与创业绩效回归分析结果
模型 |
未标准化系数 |
标准化系数 |
t |
共线性统计 |
调整后R方 |
F |
B |
标准错误 |
容差 |
VIF |
(常量) |
0.509 |
0.234 |
|
2.178* |
|
|
0.424 |
196.341 |
社会资本 |
0.821 |
0.059 |
0.653 |
14.012*** |
1.000 |
1.000 |
4.6.4. 中介作用检验
本文参考Hayes提出的Bootstrap方法，运用SPSS26.0进行中介效应检验，分别建立社会资本(X)对新生代电商创业者创业绩效(Y)、社会资本和数字化资源整合能力(M)、社会资本和数字化资源整合能力对新生代电商创业者创业绩效的回归模型，具体如下，检验结果见表16。
(5)
(6)
(7)
Table 16. Testing the intermediary model of digital resource integration
表16. 数字化资源整合的中介模型检验
|
创业绩效 |
创业绩效 |
资源整合 |
|
coeff |
t |
coeff |
t |
coeff |
t |
社会资本 |
0.143 |
2.085* |
0.546 |
10.585*** |
0.736 |
17.644*** |
资源整合 |
0.548 |
8.018*** |
|
|
|
|
R方 |
0.436 |
0.298 |
0.541 |
F |
101.590 |
112.038 |
311.323 |
Table 17. Indirect effect, direct effect and total effect breakdown table
表17. 间接效应、直接效应及总效应分解表
|
Effect |
BootSE |
BootLLCI |
BootULCI |
效应占比 |
间接效应 |
0.544 |
0.072 |
0.403 |
0.687 |
0.739 |
直接效应 |
0.192 |
0.082 |
0.029 |
0.350 |
0.261 |
总效应 |
0.736 |
0.067 |
0.597 |
0.859 |
|
据表17，一看间接效应即中介效应，如果置信区间不包含0，则说明中介效应存在；包含0则说明中介效应不存在。此处置信区间为0.403~0.687不包含0同为正数，表明中介效应存在。在中介效应存在的前提下，二看直接效应，如果置信区间不包含0，则说明为部分中介效应；若包含0，则是完全中介效应。其置信区间为0.029到0.350，不包含0，说明本文资源整合在社会资本中的中介效应为部分中介效应。三通过计算间接效应占总效应的比重得到中介效应大小，此处中介效应占比为73.9%。
5. 结论与展望
5.1. 研究结论
前文主要通过对回归实证所提出的理论模型和假设，也通过独立样本T检验和单因素方差分析验证了人口统计学变量在对创业绩效影响上的差异性。结果表明，新生代电商创业者年龄、工作经验均会显著影响创业绩效，且社会资本对创业绩效、对数字化资源整合、数字化资源整合对创业绩效均存在显著的正向影响，但创业者社会资本各维度对创业绩效的影响效果各有不同。本文将假设检验结果汇总如表18所示。
Table 18. Hypothesis testing summary
表18. 假设检验总结
假设内容 |
检验结果 |
H1：社会资本对创业绩效有显著的正向影响 |
成立 |
H1a1：结构维度对生存绩效有显著的正向影响 |
成立 |
H1a2：结构维度对成长绩效有显著的正向影响 |
成立 |
H1a3：结构维度对财务绩效有显著的正向影响 |
成立 |
H1b1：关系维度对生存绩效有显著的正向影响 |
成立 |
H1b2：关系维度对成长绩效有显著的正向影响 |
不成立 |
H1b3：关系维度对财务绩效有显著的正向影响 |
不成立 |
H1c1：认知维度对生存绩效有显著的正向影响 |
成立 |
H1c2：认知维度对成长绩效有显著的正向影响 |
成立 |
H1c3：认知维度对财务绩效有显著的正向影响 |
成立 |
H2：新生代电商创业者社会资本对数字化资源整合有正向影响 |
成立 |
H3：新生代创业者数字化资源整合对创业绩效产生正向影响 |
成立 |
H4：数字化资源整合在创业者社会资本与创业绩效之间起中介作用 |
成立 |
5.1.1. 基于人口统计变量的结果分析
该部分分别检验了创业者年龄、工作经验背景下新生代电商创业者创业绩效的差异。年龄差异显著影响着新生代电商创业者创业绩效。31岁~35岁的创业者其创业绩效水平最高，36岁~42岁次之，最后依次是26岁~30岁、25岁以下分组。在工作经验方面，创业前工作年限越长、工作经验越丰富，创业绩效水平也会越高。综上，说明创业者年龄、工作经验显著调节社会资本向绩效的转化效率。
5.1.2. 两两变量间的作用分析
在社会资本对创业绩效影响方面，假设H1成立，即新生代电商创业者社会资本对创业绩效具有显著正向影响。其社会资本拥有程度越高则其绩效水平也越高，更容易取得创业的成功。本文还检验了社会资本各维度对创业绩效各维度的影响，发现除H1b2、H1b3不成立外，即除社会资本关系维度对创业绩效成长绩效、财务绩效的影响不成立外，其余社会资本对创业绩效各维度的正向影响均显著。在社会资本对数字化资源整合的影响方面，假设H2成立，即新生代电商创业者社会资本对数字化资源整合情况具有显著正向影响，即创业者社会资本对其数字化资源识别、获取、配置、利用都有积极影响。在数字化资源整合对创业绩效的影响方面，假设H3成立，即数字化资源整合能力对创业绩效存在显著正向影响，数字化资源整合能力越强，数字化资源利用率越高，将资源转化为绩效的能力也就越强。
5.1.3. 中介效应的分析
通过检验发现数字化资源整合在社会资本与创业绩效之间发挥部分中介作用，即社会资本不仅直接影响创业绩效，还通过提高数字化资源整合能力来影响绩效。从中介效应占比来看，间接效应占据了更高比重，说明社会资本在很大程度上是通过提升数字化资源整合能力来提升创业绩效。
5.2. 管理启示
第一，充分发挥社会资本的作用，构建数字化驱动的社会资本分层运营体系。创业者需将社会资本管理与数字工具深度结合：在结构性维度，利用社交网络分析工具或CRM系统绘制资源热力图，识别产业链中的高中心性节点，通过产业协作平台定向对接资源；在认知维度，建立利益相关者战略对话机制，借助知识管理平台沉淀共享经验，推动跨领域认知对齐；针对关系维度，设计资源交换信用评估体系，引入区块链技术实现合作记录的可追溯与透明化，降低信任构建成本。从人口学变量检验结果来看创业者应该更多地通过工作经验、在有资本的情况下多尝试创业来积累社会资源。
第二，充分利用数字技术关注企业资源整合能力的提升，建立组织级资源整合敏捷机制与风险防控。企业应设立资源整合专项团队，制定“识别–获取–配置”全流程标准化动作：一方面，通过大数据监测行业动态，结合AI算法挖掘潜在合作机会，快速响应资源缺口；另一方面，设计动态资源效能评估模型，量化社会资本投入产出比，优先保留高价值关系网络。
5.3. 不足之处与未来展望
本研究由于种种条件限制，依然存在一些局限性：第一，受时间、人力等因素限制，本研究的调查对象仅选取了江苏省南京市和浙江省杭州市的部分电商新创企业，未能包括其他区域，且样本都是当下还存活着正在发展中的企业未能涵盖已经创业失败的企业，受样本地域和企业状态的影响，调查结果可能存在局限性。第二，由于创业是一个动态的过程，创业者社会资本、知识能力等都会发生动态变化，本研究仅选取了当前的横截面数据未能将创业者的动态变化过程纳入研究之中，也造成了一定的局限。
针对本文所存在的一些局限，未来的研究中可以通过以下方法来完善该领域的发展：首先，扩大调查样本，使样本尽可能涵盖各个区域，调查对象不要集中在当下还存活着的企业，试图将创业失败的创业者也纳入调查范围，从而扩大调查结果的全面性。其次对调查对象进行持续追踪调查以克服截面数据的局限性，利用纵向数据来研究创业者社会资本创业绩效的变化情况，避免截面数据带来的偏差。
作者贡献说明
闫潇东：研究方案设计、论文撰写、数据分析、论文修改；
申皖晴：模型构建、数据收集、论文修改。
利益声明
所有作者声明无利益冲突。