拼凑驱动的创业学习及对创业绩效的影响——任务并行的调节作用

赵兴庐

(广东金融学院 工商管理学院，广东 广州，510521)

一、引言

创业是知识创造的重要载体，成功的创业实践代表新价值理念的实现，是创业者反复试探、试错学习、积累经验并创造新的社会组织的过程。同时，创业给社会带来了新的产品、技术、组织架构和商业模式，是创造性地整合运用资源，形成新的目标和成果的过程。因此，结合创业过程和知识管理理论，在创业情境中研究创业学习和知识创造是学界的重要议题。

目前创业学习的研究聚焦于两个方面。第一，创业失败与学习。首次创业难以成功，许多创业者经历多次创业[1]。在此过程中，采取反事实思维有助于缓解悲痛情绪[2]，心理韧性较高的创业者进行积极的失败归因[3]，在失败时保持积极乐观的情绪。第二，创业学习与绩效。认为创业学习提升新创企业把握机会和配置资源的能力[4]、更佳的战略能力和关系能力[5]，形成了独特的创业知识[6]，让创业者更善于处理新生劣势[7]以及对员工提出更为可信的组织承诺[8]，整体而言，创业学习对创业绩效具有积极的正向影响。这些研究具有极高的学术价值，但也存在局限。首先，对驱动创业学习的创业行为前因探索不足。既有研究多关注先前知识[9]、关系网络[10]、行业经验[11]等静态因素，忽略了创业拼凑等动态活动的影响。其次，对促进创业学习的分工协作机制的研究不足。学习是一种集体交互行为，创业成员之间的协作模式对学习效果具有重要影响。创业团队通常不是科层式组织，其合作机制带有典型的灵活性和扁平化特点，在必要时候能够相互替代和任务并行[12]655。因此，从分工协作的角度考虑创业学习的支持和促进机制是必要且重要的。

综合上述分析，本文提出以下研究问题：创业拼凑能否提升新创企业的创业学习？创业拼凑驱动的创业学习对创业绩效是否存在影响？任务并行的动态分工模式是否促进了创业拼凑的学习效果？本文建立的研究框架从创业情境独特的创业拼凑行为和任务并行模式解析创业学习的驱动机制和促进条件，拓宽创业学习的研究情境，探索新的创业学习促进条件，对于深入理解创业情境下的学习行为提供了新的理论视角和相关经验证据。

二、研究假设

(一)创业拼凑、新知识创造与创业绩效

知识可以通过先前积累、观察实践或训练获得，当创业者运用已有知识解决新的问题时，知识创造得以实现，即使用旧知识转化为新知识。创业拼凑作为创业情境的独特行为，与新知识的创造密切相关。首先，实体资源是知识的物化载体，隐性知识嵌入或内含在实体资源之中，当面对困难凑用资源制定新方案时，启动了知识创造过程；其次，当设法运用手头资源解决新问题时，对既有知识进行了二次改造和再利用，所得知识是原有知识的创新衍生品；最后，创业拼凑活动调用出创业者的内隐知识，将先前行业经验、教育知识和人脉关系等资源在紧急情况中加以应用，成为解决问题的新方案。

开发新知识对创业绩效具有重要意义。经济不均衡理论认为机会来源于市场知识的不均衡分布，创业者通过持续学习产生新的知识，在市场竞争中占据知识优势，能够识别出更多的市场机会。新机会为新创企业带来新的市场空间、新的产品创新和新的商业模式，因此新创企业创造的新知识越多，识别到的市场机会就越多，创业成功的可能性越大。综上，提出假设：

H1：新创企业的创业拼凑行为提升了新知识开发水平，进而提升创业绩效。

(二)创业拼凑、做中学与创业绩效

试错式学习是在反复试验过程中摒弃低效做法和遴选高效做法的过程。做中学过程需要快速行动和反复迭代，创业拼凑是合理的触发情境。创业拼凑是在反复组拼的过程中逐渐形成结果方案，触发了多轮次的经验积累，为学习提供了多次精进的空间。拼凑者倾向于即刻行动，带有一定的风险性，可能会犯错，但有利于积累经验。创业拼凑行为的成本较低，整合资源、决策失误的成本也较低，修改的可能性较高，为做中学提供了理想的学习情境，学习的效率和速度高于传统的理性规划决策流程。

做中学跟创业绩效存在显著关联。新创企业带着新的创意进入市场，但对企业管理和经营流程不熟悉，缺乏合理的商业模式，而善于做中学的新创企业能够更快找到适合的管理流程和商业模式，弥补新生劣势的不足；同时，善于做中学的新创企业在战略执行中不断修正和改善初始方案，生成更多的可选择方案，提升组织弹性和生存韧性；最后，做中学为新创企业提供独特的隐性知识，成为企业持续发展的智力根基。综上，提出假设：

H2：新创企业的创业拼凑行为提升了做中学水平，进而提升创业绩效。

(三)创业拼凑、知识交流与创业绩效

知识交流是创业团队成员的经验和知识相互传递、融合和启发的过程。拼凑活动能够刺激和促进成员之间的知识交流。创业拼凑通常需要通过头脑风暴形成可行方案，集思广益后形成全员认可的解决方案。当专业化能力或设备缺失时，业余或自学技能成为解决问题的智力来源，团队成员群策群力，促进了知识的扩散和交融。创业拼凑是对尝试性方案的研判和试行，这一过程增加了团队成员之间的知识互动和分析博弈，因此，善于创业拼凑的新创企业的人际互动更为频繁，形成更多的团队集体智力。

知识交流对创业绩效至关重要。集体性的学识既是新创企业独特的创业财富，也是团队凝聚力的基础和实质。因此，相比起知识互动较少、各自为政或一言堂的独断型组织，善于知识交流的新创企业能够形成更多的团队社会资本，提升组织内部的知识运转效率，成员的个体知识持续得到改善和提升，企业各职能部门的运转效率也显著提升。综上，提出假设：

H3：新创企业的创业拼凑行为提升了知识交流水平，进而提升创业绩效。

(四)任务并行的调节作用

与传统企业科层制的组织结构不同，新创企业倾向于采取更加灵活的任务并行模式，对创业拼凑驱动创业学习的过程有积极的调节效应。

任务并行为“创业拼凑-新知识”过程提供了显著帮助。在高任务并行的团队进行创业拼凑时，成员之间的协作力更强，更善于合作产出新的创意；在低任务并行的团队中，每个人负责单一的业务或项目，聚焦于相对狭窄的领域，在创业拼凑过程中思维局限大，较难产生新知识和问题解决方案。

任务并行为“创业拼凑-做中学”过程提供了显著帮助。高任务并行的团队进行创业拼凑时，成员的知识宽度大，形成更多的实践方案，为做中学提供智力支持；在低任务并行的团队中，成员彼此之间的知识背景类似，冗余程度高，较难形成新颖的问题解决方案，阻碍了做中学的水平。

任务并行为“创业拼凑-知识交流”过程提供了显著帮助。高任务并行的团队进行创业拼凑时，有更多成员参与其中，产生的隐性经验传递给更多团队成员，加速了知识交流的过程；在低任务并行的团队中，拼凑行为局限在单个部门或项目小组之中，拼凑产生的经验和心得主要集中于个人身上，降低了创业拼凑的学习价值和知识扩展效应。综上，提出假设：

H4：相比起分工单一的新创企业，采取任务并行模式的新创企业其创业拼凑行为对创业学习(新知识/做中学/知识交流)的正向影响更显著。

三、研究设计

(一)样本选择与数据来源

高新技术园区集聚了大量新创企业，是研究创业现象的理想情境。在前期工作基础上，课题组联系粤港澳大湾区的两个高新技术园区为调研对象。园区A位于广州市，以生物、材料和信息产业为主；园区B位于佛山市，以机械、塑料和家电产业为主。课题组将成立年限不超过6年的新创企业的创业者作为样本总体，随机发放问卷750份，回收312份，剔除填写不完整问卷15份及疑似随意填写问卷12份，获得可用调查问卷285份，可用率为38.0%。

对两园区获得问卷主要研究变量进行非对等样本T检验，其均值的方差分析不存在显著差异，因此整合两园区样本为一个研究样本。描述性统计分析显示：受访者中独立创业者为96人，占比33.6%，联合创业者为189人，占比66.4%；年龄在30岁以下的占37.8%，31岁到40岁的占43.7%，41岁及以上占18.5%；第一产业(农林牧渔)有18家，占比6.3%，第二产业(制造业)有131家，占比46.0%，第三产业(服务业)有136家，占比47.7%。

为检验未返回选择偏差，运用T检验比较已回收样本和未回复问卷的样本，未发现在成立年限、规模及行业分布方面存在显著差异。为检验共同方法变异，采取Harman单因素方法对研究变量进行因子分析，未旋转条件下提取出六个因子，第一因子解释了22.54%的变异，由于未出现只有一个因子或某个因子解释力特别大的情况，因此，研究数据未发现明显的共同方法偏差。另外，变异膨胀因子(VIF值)介于1.021至2.185之间，低于多重共线性的临界判定值10，因此，各个研究变量之间不存在明显的多重共线性问题。

(二)变量测量及效度分析

本文涉及的主要研究变量的量表来源、具体测量条目及因子载荷值、单个变量测量的Cronbach’s α值和组合信度(CR)如表1所示。研究变量的量表均来源于已有文献的成熟量表，具有较高的测量效度。因子载荷值反映出潜变量覆盖测量条目的程度，全部测量条目的因子载荷值均在0.6以上，表明条目准确反映变量的管理学意义，不存在测量效度较低的条目。Cronbach’s α值和CR值反映出测量条目的一致性程度，各变量的Cronbach’s α值和CR值均高于0.7，表明各测量条目的共同方差变异差指向单一目标变量，测量的稳定性好，量表的信度较高。整体而言，本次调查的测量信度和效度良好。

表1 研究变量的量表及信度效度检验Tab.1 Variables scale and reliability and validity test

控制变量方面，企业年龄划分为1～2年、3～4年、5～6年三个区间。企业规模按照固定雇员数量划分为少于20人、20～49人、50～199人，200人及以上四个区间。行业类型按照国家统计局标准划分为22个行业，因第一产业企业数量少，并入制造业，将农林畜牧等12个行业划分为制造业，标注为1，其他10个行业划分为服务业，标注为0。行业发展阶段分为初始投入、快速成长、成熟稳定和衰退四个区间。竞争强度分为无竞争到竞争非常激烈五个区间。

四、实证检验

(一)结构方程建模

采用MPLUS 8.6对数据进行结构方程建模，模型设计考虑创业拼凑对创业学习的前因效应和创业学习对绩效的结果效应，采用极大似然法进行估计，估计模型解释了内生变量较多的方差。限于篇幅，表2及后续表格略去了控制变量对创业绩效的影响路径估计系数及其p值等信息。路径建模结果如表2所示，创业拼凑对三类创业学习的前因驱动效应分别为0.297、0.274、0.413，且在p=0.01水平上显著；做中学和知识交流对创业绩效的路径估计系数为0.055和0.043，且p值均不显著。

表2 原假设的极大似然估计的路径系数Tab.2 Path coefficient of maximum likelihoodestimation of hypotheses

根据三类学习的彼此关联性对路径进行调整，考虑做中学和知识交流是有效的创业学习机制，但并不直接影响创业绩效，需要以新知识为中介路径间接影响绩效，故删去做中学和知识交流对创业绩效的路径，增加做中学和知识交流对新知识的路径，结果如表3所示。修正后模型的路径估计系数全部得到数据支持：前因效应方面，创业拼凑对三类创业学习的前因驱动效应分别为0.278、0.263、0.312，均在p=0.01水平上显著，说明创业拼凑对创业学习有显著的驱动效应；中介效应方面，做中学对新知识的影响系数为0.341且在p=0.01水平显著，知识交流对新知识的影响系数为0.173且在p=0.05水平显著，说明做中学和知识交流对新知识创造具有显著的正向影响；结果效应方面，创业拼凑对创业绩效的影响系数为0.332且在p=0.01水平显著，新知识对创业绩效的影响系数为0.244且在p=0.01水平显著，说明创业拼凑和新知识对创业绩效有显著的提升效应。

表3 路径修正后的极大似然估计的路径系数Tab.3 Path coefficient of maximum likelihoodestimation after path modification

此外，修正后模型的各项拟合指标比原模型有明显改进：卡方自由度比值(χ2/df)的变化为1.754→1.651，均方根误差(RMSEA)的变化为0.051→0.047，比较拟合指数(CFI)的变化为0.924→0.934，塔克里维斯指数(TLI)的变化为0.917→0.928，标准化残差均方根(SRMR)的变化为0.065 4→0.060 8。综上路径系数估计和拟合指标，修正后模型即做中学和知识交流通过转化为新知识间接提升企业绩效的路径得到数据支持。

(二)中介效应检验

对中介效应进行进一步深入检验，考虑模型存在3条中介路径和1条直接路径，分别在MPLUS中进行统计量构造，并通过极大似然法进行估计，并进行3 000次BOOTSTRAP抽样对路径系数进行估计并给出置信区间。表4给出了各效应估计值及其在p=0.05和p=0.10水平上的双边置信区间，当双边置信区间不包括自然数0时，中介效应的估计值在该p值水平上显著。检验结果显示：前三条路径即中介效应的估计值分别为0.016、0.007、0.048，其95%的置信区间不含0，说明三条中介效应路径得到数据支持；创业拼凑到创业绩效的直接效应估计值为0.250，其95%的置信区间均在0之上，说明该值显著不为0，直接效应得到支持；构造创业拼凑到创业绩效的全效应，其统计量total等于上述四条路径统计量之和，全效应的估计值为0.321，且在p=0.05水平显著大于0。综上结果，创业拼凑对创业绩效的影响有直接效应也有间接效应，并且间接效应存在三种不同的路径形式。

表4 中介效应的路径系数估计和检验Tab.4 Path coefficient estimation and test of mediating effect

(三)调节效应检验

将任务并行作为创业拼凑到创业学习的调节变量引入模型，新增任务并行及其与拼凑的交互项对创业学习的影响，结果如表5所示。任务并行对三类创业学习的影响系数分别为0.131、0.165、0.154，且均在p=0.10水平上显著，说明任务并行对创业学习有显著的直接促进作用。在调节效应方面，任务并行只对创业拼凑和新知识之间的关系存在显著正向调节效应。

表5 调节效应的路径系数估计和检验Tab.5 Path coefficient estimation andtesting of the moderating effect

对任务并行对“创业拼凑-新知识”的调节作用进行进一步检验，表6给出了当任务并行取高值(均值加1个标准差，即+1SD)和低值(均值减1个标准差，即-1SD)时，创业拼凑对新知识的路径效应以及创业拼凑通过新知识影响创业绩效的中介效应在BOOTSTRAP=3 000次反复抽样时95%的置信区间。结果显示：当任务并行取高值时，第一阶段效应的估计值为0.250且95%置信区间均在0之上；当任务并行取低值时，估计值为0.087且95%置信区间包括0，说明创业拼凑对新知识的影响变得不显著；调节变量高低值的直接效应差为0.162且其置信区间不包含0。综合上述结果，任务并行对“创业拼凑-新知识”的关系具有显著的正向调节作用。类似地，任务并行对创业拼凑通过新知识影响创业绩效的路径也有显著大于0的正向调节效应。综合中介和调节效应，图1对最终确定的变量间路径关系进行了汇总。

表6 调节效应的进一步检验结果Tab.6 Further test results on the moderating effect

图1 创业拼凑通过创业学习影响创业绩效的建模结果Fig.1 Modeling results of bricolage, learning and start-up’s performance

五、结论与讨论

本文研究发现：第一，创业拼凑是驱动创业学习的有效动力机制。新创企业在拼凑过程中积累试错经验(α1=0.278，p<0.01)，成员的知识交流显著提升(α2=0.263，p<0.01)，开发出新的组织学识(α3=0.312，p<0.01)。第二，创业学习的三种形态有内在的运行机理。做中学通过尝试性地解决问题促进新知识的产生(β1=0.341，p<0.01)，知识交流通过成员的社会化互动促进新知识的产生(β2=0.173，p<0.05)，新知识的产生显著提升了创业绩效(θ2=0.244，p<0.01)。第三，任务并行的分工模式对拼凑学习有显著的促进作用。在低任务并行模式下，创业拼凑与新知识的关系变得不显著(路径估计值为0.087且95%置信区间包括0)；在高任务并行模式下，创业拼凑与新知识的关系极为显著(路径估计值为0.250且95%置信区间不包括0)。

基于上述研究结论，为创业者提出以下实践建议：首先，创业者应重视创业拼凑活动的学习意义。变通地使用手头资源快速采取行动，可以显著提升新创企业的经验积累、成员间的交流融合以及开发独特的组织学识。学习氛围不足、成员整合程度较低、依赖外部知识的新创企业可以进行一些创业拼凑的尝试，提升团队共同解决问题的能力，促进团队成员之间的知识交融，打造自主学习、自主创新的新型组织。其次，创业者应区分学习的过程和效果。创业学习具有不同的形态和内在的路径机制，做中学和知识交流是有益的创业学习形态，但对创业绩效无直接的显著影响；若要尽快提升创业绩效，需要将这些学习形态转化为企业解决问题的新方法和新学识。因此，创业者不能停留在知识的讨论、分析和尝试阶段，要进一步将其转化为问题解决方案，并在执行中不断改良完善。第三，创业者应采取多项目并行、动态化协作的分工方式。创业初期不宜采取固定职能和单一分工的专业化协作模式，应以项目为主导，成立多个并行的工作小组，发挥新创企业善于变通使用资源和快速决策的优势。同时，成员之间的工作相互交叉重叠，有助于调动个人的潜能和创造力，帮助创业团队从创业拼凑等活动中产出更多新知识并改善创业绩效。

创业拼凑作为一种实践导向的行动机制，在学习上可能存在局限性，例如，拼凑虽然利于做中学和知识交流，但这两种学习形式对创业绩效缺乏直接影响，因此，拼凑学习的局限性有待于在后续研究中继续考察。同时，创业拼凑驱动的创业学习在形态上不局限于本文的讨论范畴，动态环境下的拼凑策略与创业学习的共同演化和互动关系值得深入探索。此外，本文采用调查问卷的截面数据可能未能完全反映出创业拼凑、创业学习和创业绩效在时间上的逻辑顺序，后续可采取纵向研究的方式深入检验。最后，任务并行是一种重要而新颖的创业分工协作模式，对创业学习和创业绩效均有正向影响，后续可继续对任务并行的创业学习价值进行深入探究。