1. 引言
由于内部资源缺乏、市场稳定性差和经验不足等新进入缺陷，新创企业面临着巨大的生存和成长挑战[1]，因此，企业如何实现可持续成长成为亟待解决的问题。战略创业整合战略管理和创业过程[2]，帮助新创企业增加竞争优势，是新创企业持续成长的新实践。现有研究得出战略创业通过平衡机会寻求行为和优势寻求行为来帮助企业避免进行过度冒险活动造成的陷阱[3]，有效帮助组织进行资源配置来提升组织绩效[4]，以及促进企业价值创造[5]。以上研究主要围绕企业发展中的某一阶段，较少涉及战略创业如何影响新创企业的成长绩效。动态能力理论指出，企业动态能力的发挥与外部环境密切相关，数字双元能力是数字技术对双元能力的赋能，其中数字探索能力是利用数字技术帮助企业拓展新资源的能力，数字利用能力是利用数字技术帮助企业合理整合和开发现有资源的能力[6]。伴随着数字技术的发展，实施战略创业的新创企业得以更加高效地管理环境不确定性和公司资源以适应环境的持续变化[2]，一方面探索活动使公司能够利用数字技术识别机会和开发新知识，另一方面利用活动使用数字技术围绕现有知识进行利用和创新，进而提高了数字双元能力。由此可见，战略创业驱动数字双元能力的提升，数字双元能力促进新企业成长。因此，本文认为数字双元能力在战略创业对新创企业成长的影响机制中起到关键中介作用。
2. 理论基础与研究假设
2.1. 战略创业与企业成长绩效
战略创业概念整合了战略管理和创业的基本思想[7]，战略管理的重点是竞争优势的获得与维系，创业的重点则是机会的寻求和创新[8]，体现出二元性特征[9]。Ireland和Webb将战略创业分为探索和开发两种行为，因此，战略创业对企业成长绩效的影响主要从探索和开发两个方面体现[10]。
一方面，战略创业通过机会的识别和获取影响企业成长绩效。战略创业可以认为是企业创业过程中实施的战略行为，创业导向则有助于强化企业机会寻求动机[11]。在战略创业驱动下，企业接受外部的新机会和新需求，进而创造新的管理方法以创造新的竞争优势以获取更多利润[12] [13]。另一方面，战略创业通过优势的开发和创新影响企业成长绩效。在资源有限的基础上，新创企业实施战略创业，进行战略管理上的创新，有利于充分开发自身优势并实现成长[14] [15]。战略管理上的创新体现为，通过对外部环境的识别和利用，对内部组织结构流程进行优化配置，增强企业的动态能力，进而提升企业经营效率和资源配置效率，获得独特竞争优势，实现可持续成长[16]。据此，本文提出以下假设：
H1：战略创业对企业成长绩效有显著正向影响。
2.2. 数字双元能力的中介效应
战略创业理论指出，创业和战略管理都涉及探索和利用活动，创业包括探索机会和利用显露的商业机会，而战略管理侧重于利用现有的资源和探索新的优势增长机会。数字化背景下，双元能力在新创企业探索外部机会和开发内部竞争优势方面起到关键作用[17]，并且得到了优化和加强[18]。数字化时代，战略创业既着眼于开发新市场和新资源，激发企业的创造性，又利用现有的资源，有效地识别并抓住市场机会，整合组织内部资源与知识，重组组织结构，都离不开数字双元能力。
首先，实施战略创业的新创企业，能够探索外部环境中存在的商业机会和技术，进而开发新的业务流程和组织结构，提升了数字探索能力，促进新创企业长期生存和繁荣。一方面，战略创业发挥创业属性，使新创企业不再局限于既有资源和业务，着眼于开发新的市场和资源，更有利于其进行创新活动，进而提升了其数字探索能力[19]。数字探索能力有助于新创企业利用数字技术搜索和采集新知识和资源，使新创企业在不确定的数字市场环境下保持稳定。另一方面，战略创业发挥战略管理属性，使新创企业对变化的市场做出快速反应，识别外部变化并优化组织结构，进行资源有效配置，进而促进数字探索能力的提升。数字探索能力帮助新创企业将大数据与预测分析运用于企业资源挖掘和优化企业资源配置，使企业在资源有限的基础上抓住外部机会，实现成长[18]。
其次，新创企业通过战略创业识别并抓住外部已经显露的商业机会，进而利用数字技术整合相关资源进行创新，提升了数字利用能力，进而通过反复提炼来扩展现有的知识，以实现自身成长。一方面，战略创业发挥创业属性，推动新创企业利用数字技术打破与社会网络成员间的壁垒，获取可靠且有价值的知识和机会，实现数字利用能力的提升[20]。数字利用能力帮助新创企业将数字技术嵌入自身资源和服务的开发创新过程中，识别组织间资源与自身资源的适配度，及时将优质资源转移到其他需要该项资源的部门或组织，开展针对组织资源的创新活动等，以便进行既有效率又有效益的业务活动，促进新创企业成长[21]。另一方面，战略创业发挥战略管理属性，促进新创企业在数字化背景下进行业务流程和管理方法的更新，为数字利用能力的提升创造有利的组织环境[20]。数字利用能力进一步提高组织间以及部门间沟通的及时性和紧密性，团队间协同性更强，信息反馈更及时，工作效率更高，进一步提高顾客满意度，使新创企业实现可持续成长[18]。
据此，本文提出以下假设：
H2：战略创业对数字探索能力有显著正向影响。
H3：战略创业对数字利用能力有显著正向影响。
H4：数字探索能力对企业成长绩效有显著正向影响。
H5：数字利用能力对企业成长绩效有显著正向影响。
H6：数字探索能力在战略创业和企业成长绩效之间起到正向中介作用
H7：数字利用能力在战略创业和企业成长绩效之间起到正向中介作用
本研究理论模型如图1所示：
Figure 1. Theoretical model
图1. 理论模型
3. 研究设计
3.1.数据来源
本研究发放问卷的对象是杭州经济技术开发区大创小镇内的新创企业。通过网络问卷和现场填写两种方式回收问卷，问卷调查时间为2021年9月至2021年11月，累计发放问卷450份，最终回收和剔除无效问卷后得到319份有效问卷。
3.2. 变量测量
3.2.1. 自变量：战略创业(SE)
采用Estrada-Cruz等[22]开发的量表，包括机会寻求行为(O)和优势寻求行为(A)，各包含6个测量题项。机会寻求行为和优势寻求行为的乘积赋值战略创业。
3.2.2. 中介变量：数字双元能力(DA)
本文依据Yang [19]和梁玲玲[18]的测量题项进行调整，其中数字探索能力(E)包含6个题项，数字利用能力(U)包含4个测量题项。
3.2.3. 因变量：新创企业成长绩效(G)
本文依据郭润萍等[23]的测量题项进行拓展，包含6个测量题项。
3.2.4. 控制变量
本文选取企业规模(Size)、年龄(Age)、行业类型(Ind)、创业者的教育程度(Edu)和创业经验(Exp)作为控制变量[24]。
本文收集的有效问卷的样本特征见表1。
Table 1. Sample characteristics (n = 319)
表1. 样本特征(n = 319)
样本特征 |
所占百分比 |
样本特征 |
所占百分比 |
Age |
1年以内 |
3.40% |
Ind |
高科技 |
41.07% |
1~4年 |
50.78% |
传统制造 |
18.18% |
5~8年 |
45.82% |
建筑/房产 |
6.27% |
8年及 以上 |
0 |
商贸/服务 |
29.78% |
Exp |
0次 |
41.38% |
其他 |
4.70% |
1~3次 |
56.74% |
Edu |
小学 |
0 |
4~6次 |
1.88% |
初中 |
0 |
7次及 以上 |
0 |
高中/ 中专 |
1.88% |
Size |
20人以下 |
13.17% |
大专 |
6.58% |
20~50人 |
27.27% |
51~100人 |
28.21% |
本科 |
70.53% |
101~250人 |
17.24% |
251~500人 |
8.78% |
研究生及以上 |
21.01% |
500人以上 |
4.80% |
4. 数据分析与结果
4.1. 同源方差检验
本文通过以下两个步骤进行共同方法偏差的检验和控制。1) 程序控制：本文在问卷的题项设置和修改，尽可能借鉴权威量表，并且收集问卷过程中全程匿名。2) 统计检验：采用Harman单因素检验方法，结果显示，第一个因子对总方差的解释占比为38.424%，低于40%的阈值。说明本文数据的同源方差问题不严重。
4.2. 信效度检验
各变量Cronbach’s α均大于0.7，组合信度(CR)值均大于0.7，表明量表内部存在良好的一致性和稳定性(见表2)。
Table 2. Reliability and validity test results
表2. 信度与效度检验结果
变量 |
Cronbach’s α |
最小因子载荷系数 |
AVE |
CR |
O |
0.804 |
0.570 |
0.407 |
0.804 |
A |
0.778 |
0.591 |
0.368 |
0.778 |
E |
0.855 |
0.670 |
0.497 |
0.855 |
U |
0.760 |
0.572 |
0.445 |
0.761 |
G |
0.841 |
0.636 |
0.473 |
0.843 |
内容效度：本文测量题项均来自成熟的经典量表，从而保证数据具有较好的内容效度。结构效度：首先，本文利用AMOS进行验证性因子分析(CFA)以检验模型的适配度，通过检验结果可以看出CMIN/DF (卡方自由度比)、RMSEA (误差均方根)、IFI、TLI以及CFI的检验结果均达到了优秀水平，说明CFA模型具有良好的适配度(见表3)。
其次，在量表具有良好适配度的前提条件下，进一步通过因子载荷、组合信度(CR)和平方差萃取量(AVE)检验收敛效度。本文的因子载荷都接近或大于0.6的阈值，CR值都超过0.7，AVE值都超过0.36，说明收敛效度良好(见表2)。最后，比较变量的AVE值的平方根与变量间的相关系数，结果显示所有变量的AVE值的平方根均大于变量间的相关系数，说明变量判别效度良好(见表4)。
Table 3. Fit test of model
表3. 模型适配度检验
指标 |
参考标准 |
实测结果 |
CMIN/DF |
1~3为优秀，3~5为良好 |
1.599 |
RMSEA |
<0.05为优秀，<0.08为良好 |
0.043 |
IFI |
>0.9为优秀，>0.8为良好 |
0.945 |
TLI |
>0.9为优秀，>0.8为良好 |
0.938 |
CFI |
>0.9为优秀，>0.8为良好 |
0.945 |
Table 4. Descriptive statistics and correlation analysis
表4. 描述性统计和相关性分析
变量 |
1. Age |
2. Size |
3. Edu |
4. Exp |
5. Ind |
6. O |
7. A |
8. E |
9. U |
10. G |
1. Age |
1 |
|
|
|
|
|
|
|
|
|
2. Size |
0.237** |
1 |
|
|
|
|
|
|
|
|
3. Edu |
0.117* |
0.148** |
1 |
|
|
|
|
|
|
|
4. Exp |
0.078 |
0.237** |
−0.022 |
1 |
|
|
|
|
|
|
5. Ind |
−0.086 |
−0.253** |
−0.199** |
−0.180** |
1 |
|
|
|
|
|
6. O |
−0.001 |
0.054 |
0.209** |
−0.044 |
−0.159** |
0.804 |
|
|
|
|
7. A |
0.025 |
0.113* |
0.162** |
−0.061 |
−0.136* |
0.640** |
0.778 |
|
|
|
8. E |
0.029 |
0.255** |
0.230** |
0.024 |
−0.205** |
0.618** |
0.767** |
0.855 |
|
|
9. U |
0.052 |
0.202** |
0.195** |
−0.007 |
−0.161** |
0.613** |
0.673** |
0.789** |
0.761 |
|
10. G |
0.004 |
0.244** |
0.119* |
0.088 |
−0.202** |
0.509** |
0.558** |
0.637** |
0.595** |
0.843 |
Mean |
2.420 |
2.970 |
5.110 |
1.610 |
2.390 |
5.833 |
5.855 |
5.624 |
5.633 |
5.326 |
Standard deviation |
0.560 |
1.344 |
0.586 |
0.527 |
2.390 |
0.755 |
0.703 |
0.897 |
0.860 |
0.868 |
注：对角线上黑体数值为AVE平方根；***、**、*分别表示在0.001、0.01、0.05水平上显著相关。
4.3. 描述性统计
本文通过对机会寻求行为、优势寻求行为、数字探索能力、数字利用能力和企业成长绩效进行Pearson相关分析，以初步判断各变量之间的关系。由表3可知，在0.01的显著水平下，战略创业对企业成长绩效具有显著正向作用；战略创业分别与数字探索能力和数字利用能力具有显著正向作用；数字探索能力和数字利用也分别与企业成长绩效具有显著正向关系。以上结果初步支持了前文假设。
4.4. 假设检验
4.4.1. 主效应分析
使用统计软件SPSS27.0，采用层级回归分析法检验战略创业、数字探索能力和数字利用能力分别对成长绩效的影响，结果如表5所示。M2显示，战略创业对企业成长绩效有显著正向影响(β = 0.574, P < 0.001)，假设H1成立。M3显示，数字探索能力对企业成长绩效有显著正向影响(β = 0.615, P < 0.001)。M4显示，数字利用能力对企业成长绩效有显著正向影响(β = 0.566, P < 0.001)，假设H4和H5成立。
4.4.2. 中介效应分析
首先，引入数字双元能力，考察战略创业对数字双元能力的影响是否显著，结果如表5所示。M7和M9显示战略创业对数字探索能力(β = 0.725, P < 0.001)和数字利用能力(β = 0.689, P < 0.001)有显著的正向影响，说明两者存在相互作用，假设H2和H3成立。M2显示战略创业对企业成长绩效有显著的正向影响(β = 0.574, P < 0.001)。
其次，对比M2和M10数据可以发现，中介变量数字探索能力的回归系数显著为正(β = 0.395, P < 0.001)，且战略创业的回归系数变小(β = 0.287, P < 0.001)，说明数字探索能力在战略创业与企业成长绩效之间发挥显著正向中介作用，且为部分中介；对比M2和M11数据发现，中介变量数字利用能力的回归系数显著为正(β = 0.320, P < 0.001)，且战略创业的回归系数变小(β = 0.353, P < 0.001)，说明数字利用能力在战略创业与企业成长绩效之间发挥显著正向中介作用，且同样为部分中介，初步支持了假设H6和H7。
Table 5. Results of hierarchical regression analysis
表5. 层次回归分析结果
变量 |
G |
E |
U |
G |
M1 |
M2 |
M3 |
M4 |
M5 |
M6 |
M7 |
M8 |
M9 |
M10 |
M11 |
M12 |
Age |
−0.068 |
−0.051 |
−0.037 |
−0.062 |
−0.044 |
−0.051 |
−0.03 |
−0.01 |
0.01 |
−0.039 |
−0.054 |
−0.044 |
Size |
0.21*** |
0.181*** |
0.076 |
0.113 |
0.076* |
0.218*** |
0.182*** |
0.171** |
0.136** |
0.109* |
0.137** |
0.104* |
Edu |
0.069 |
−0.03 |
−0.04 |
−0.016 |
−0.043 |
0.178*** |
0.053 |
0.15** |
0.031 |
−0.05 |
−0.04 |
−0.051 |
Exp |
0.021 |
0.082 |
0.047 |
0.055 |
0.054 |
−0.042 |
0.036 |
−0.061 |
0.013 |
0.068 |
0.078 |
0.07 |
Ind |
−0.137* |
−0.059 |
−0.059 |
−0.081 |
−0.059 |
−0.126* |
−0.027 |
−0.099 |
−0.006 |
−0.048 |
−0.057 |
−0.05 |
SE |
|
0.574*** |
|
|
|
|
0.725*** |
|
0.689*** |
0.287*** |
0.353*** |
0.238*** |
E |
|
|
0.615*** |
|
0.416*** |
|
|
|
|
0.395*** |
|
0.288*** |
U |
|
|
|
0.566*** |
0.253*** |
|
|
|
|
|
0.320*** |
0.183** |
adj.R2 |
0.074 |
0.383 |
0.41 |
0.372 |
0.433 |
0.106 |
0.602 |
0.065 |
0.513 |
0.443 |
0.431 |
0.454 |
ΔR2 |
0.089 |
0.306 |
0.333 |
0.295 |
0.357 |
0.12 |
0.49 |
0.08 |
0.442 |
0.367 |
0.355 |
0.379 |
F |
6.087*** |
33.920*** |
37.904*** |
32.363*** |
35.732*** |
8.529*** |
81.163*** |
5.426*** |
56.726*** |
37.191*** |
35.456*** |
33.996*** |
注：***、**、*分别表示在0.001、0.01、0.05水平上显著相关。
最后，参考以往研究[24]，本文采用Bootstrap方法验证中介路径的显著性，样本量定为5000，置信区间置信度95%，结果汇总见表6，在加入数字探索能力这一中介变量后，战略创业对于企业成长绩效的间接效应显著，置信区间为[0.0299, 0.0542]，不包括0；其直接效应也显著，置信区间为[0.0141, 0.0448]，不包括0，说明数字探索能力起到部分正向中介作用；加入数字利用能力后，战略创业对于企业成长绩效的间接效应显著，置信区间为[0.0206, 0.0422]，不包括0；直接效应也显著，置信区间为[0.0252, 0.0544]，不包括0，说明数字利用能力起到部分正向中介作用，假设H6和H7成立。
Table 6. Analysis results of Bootstrap mediating effect
表6. Bootstrap中介效应分析结果
中介路径1 |
战略创业(SE)→数字探索能力(E)→企业成长绩效(G) |
效应值 |
Boot标准误 |
Boot CI下限 |
Boot CI上限 |
效应占比(%) |
总效应 |
0.0710 |
0.0055 |
0.0601 |
0.0819 |
|
直接效应 |
0.0294 |
0.0078 |
0.0141 |
0.0448 |
41 |
间接效应 |
0.0416 |
0.0062 |
0.0299 |
0.0542 |
59 |
中介路径2 |
战略创业(SE)→数字利用能力(U)→企业成长绩效(G) |
效应值 |
Boot标准误 |
Boot CI下限 |
Boot CI上限 |
效应占比(%) |
总效应 |
0.0710 |
0.0055 |
0.0601 |
0.0819 |
|
直接效应 |
0.0398 |
0.0074 |
0.0252 |
0.0544 |
56 |
间接效应 |
0.0312 |
0.0054 |
0.0206 |
0.0422 |
44 |
4.4.3. 稳健性检验
本文通过结构方程对中介效应进行拆解，并且根据战略创业的含义，将战略创业拆解为机会寻求行为和优势寻求行为，进一步检验数字探索能力和数字利用能力分别对企业战略创业与成长绩效之间的具体中介效应，来验证结果的稳健性。检验结果如表7所示。根据以往研究[25] [26]，结果显示，“优势寻求行为→数字利用能力→企业成长绩效”的中介效应不显著，而其他的中介效应均显著。因此，数字探索能力和数字利用能力在战略创业和企业成长绩效之间起到中介效应。
Table 7. Test results of structural equation model
表7. 结构方程模型检验结果
中介效应影响路径 |
路径系数 |
95%置信区间 |
LLCI |
ULCI |
O→E→G |
0.508*** |
0.336 |
0.858 |
O→U→G |
0.567*** |
0.353 |
1.047 |
A→E→G |
1.028 |
−0.101 |
5.041 |
A→U→G |
0.65* |
0.153 |
1.781 |
注：***、**、*分别表示在0.001、0.01、0.05水平上显著相关。
5. 结语
1) 战略创业对新创企业成长绩效有显著正向作用。这一研究结论与Ireland和Hitt [2]的研究结论一致，验证了战略创业对新创企业成长具有积极影响的研究结论。更是对Kyrgidou、Bjørnskov和Liu等发现[3]-[5]的战略创业对企业竞争优势和价值创造具有正向效果的研究结论的延伸，丰富了战略创业对企业成长绩效的研究文献。其实践意义在于，新创企业应该合理运用自身资源，及时实施战略创业以发现创新机会和充分开发有限资源，创造独特的竞争优势，进而实现成长。
2) 战略创业对数字双元能力有显著正向作用。新创企业实施战略创业能够带动数字探索能力和数字利用能力的提升，这一研究结论体现了战略创业的双元性与双元组织能力的对应，不仅深化了战略创业理论和动态能力理论，而且将数字技术引入组织能力，丰富了研究情境。其实践意义在于，新创企业实施战略创业时，要注重数字技术的吸收和应用，数字技术的充分运用能带动数字双元能力的提升。
3) 数字探索能力和数字利用能力在战略创业与新创企业成长的正向关系中具有部分中介作用。这一研究结论与池毛毛[17]提出的双元能力在新创企业探索新机会和开发优势方面起到关键作用一致，进一步揭示了数字探索能力和数字利用能力的中介影响路径，深化了战略创业与新创企业成长绩效的复杂因果关系的理解。其实践意义在于，新创企业实施战略创业时要灵活运用数字技术，在进行创业机会寻求和战略管理中不断提高数字双元能力，运用数字技术实施探索和利用活动带动企业成长。
基金项目
浙江省哲学社会科学规划项目(22NDJC081YB)；浙江省科技厅软科学项(2022C35083)；国家自然科学基金项目(71672181)。