数字化情境下创业动态能力有效前因组态研究

曹钰华，李 晶

(1.西安交通大学 管理学院，陕西 西安 710049；2.西安交通大学 苏州研究院，江苏 苏州 215009；3.苏州大学 东吴商学院，江苏 苏州 215006)

0 引言

大力推动创新创业高质量发展是释放经济新动能的重要抓手，创业动态能力关乎初创企业能否成功应对环境不确定性，是突破低成长能力和高失败率，进而促进经济可持续发展的根本保障[1-3]。随着数字技术的深度融合和广泛渗透，借助数字技术助力创业发展已成为一种普遍现象。数字技术正在逐渐改变传统创业模式，引发创业要素、过程和模式变革，并深刻影响创业动态能力形成与发展。数字技术是信息、计算、沟通和连接的技术组合，包括数字基础设施、数字平台和数字组件，具有收敛性、可扩展性、自生长性和模块性等特征[4-6]。数字技术与人力、资本和技术资源形成新创业资源组合[7]，作为一种赋能和使能技术重构其它要素作用机制，使得数字化情境下创业动态能力前因变量呈现出复杂化、系统化和协同化特征。从集合论和整体论视角看，创业动态能力的形成依赖于多个因素的相互作用，并形成若干前因变量组态[8]。因此，基于集合论和整体论视角研究数字化情境下数字技术、资源基础、学习行为和社会网络因素的多重作用，揭示数字化情境下创业动态能力作用机制具有重要意义。

自Teece[9]、Eisenhardt等[10]提出动态能力理论以来，管理学领域学者对其进行了积极探索。动态能力前因变量研究认为，组织资源、组织结构、社会资本、组织学习、组织文化和信息技术是影响动态能力的重要因素，但多以成熟企业为研究对象，研究结论并不完全适用于初创企业；有学者基于资源基础观和动态能力理论提出创业动态能力的概念，指出创业动态能力是初创企业应对环境不确定性和实现可持续性发展的关键，创业者先前经验、创业网络和创业学习是创业动态能力的重要前因变量[11]，但未揭示前因变量作用机制和创业动态能力形成模式，且对数字化情境涉及较少；亦有学者对数字化情境下动态能力构成进行研究[12]，揭示数字技术在其中扮演的角色，但多对成熟企业数字化转型过程中动态能力形成机制进行探讨，针对创业企业的研究较少。此外，大多数研究侧重于从若干独立因素出发，探讨其对动态能力的“净”效应，未揭示这些前因变量的整体作用和协同效应。因此，本文基于集合论和整体论视角，聚焦于数字化情境下创业动态能力形成模式与机制，采用模糊集定性比较分析法(fsQCA)和必要条件分析法(NCA)，探讨先前经验、社会网络、创业学习和数字技术对创业动态能力的协同作用，揭示数字化情境下创业动态能力前因组态，以期为初创企业在数字化情境下形成可持续创业动态能力提供实践指导。

1 理论基础

1.1 创业动态能力内涵与结构

动态能力研究主要包括资源协调观和流程协调观两种观点[9-10]，并在此基础上得到继承和发展[11]。资源基础观理论认为，创业动态能力应不断搜寻、获取、匹配和利用新资源，而非仅对现有资源进行整合和优化[13]；流程协调观理论认为，创业机会是创业的核心，创业动态能力应注重对创业机会的感知、识别和开发[2]。因此，创业动态能力是获取和重构内外部资源并不断开发创业机会的能力，有利于促进企业可持续发展。创业动态能力主要包括两个维度：创业资源获取与利用、创业机会识别和开发。初创企业与成熟企业存在明显差异，如组织结构未定型、体制机制不完善，但初创团队运营管理具有绝对话语权和影响力，因此创业动态能力受初创团队的影响较大[14]，这是其与传统动态能力的重要区别。

1.2 数字化情境下创业动态能力前因变量

基于动态能力理论，“资源—关系—学习”是影响创业动态能力形成与发展的三大因素。在创业情境下，考虑到创业企业的特殊性和初创团队的主导地位，资源主要来源于初创团队的先前经验和社会资本，关系取决于初创团队的社会网络，学习方式以创业学习为主。当前，越来越多的初创企业在产品研发、市场开拓、内部管理和客户关系管理等方面运用数字技术拓展现有组织、资源和流程[15]，从而影响创业动态能力发展。本文认为，数字化情境下创业动态能力核心前因变量主要包括先前经验、创业网络、创业学习和数字技术使用。

1.2.1 先前经验

先前经验是创业团队最关键的核心资源之一，初创企业创业动态能力与其所拥有的先前经验密切相关[16]。一方面，丰富的先前经验有助于创业机会识别与开发，在动态变化的创业环境中，商业机会转瞬即逝，创业者需要在短时间内尽快作出正确决策。在这种情况下，借助于在创业活动中积累的先前经验，创业者在有限时间内采取正确行动成为可能[17]。现有研究表明，先前经验有助于提升创业者认知能力，增强个体创业意向，提高个体市场敏锐性，克服环境动荡性和资源约束性，从而能够有效促进创业机会识别、开发和利用[18-19]。另一方面，创业要求拥有稀缺和有价值的资源，创业者或创业团队凭借先前经验精准识别所需资源，并以较低成本获取新资源[20]；同时，创始人和初创团队在先前创业或工作经历中获取的产品、顾客、企业管理经验能够帮助新创企业有效对接市场需求，建立合作关系，并对各类资源进行高效匹配、重构和利用。

1.2.2 社会网络

创业者通过社会网络获取所需资源、信息和创业知识，不断提升创业机会识别与开发、创业资源获取与利用效果[21]。首先，社会网络为创业动态能力提升提供助力。对于新创企业来说，由于成立时间短和规模小，往往面临严重的资源约束[22]，在获取资源方面存在极大挑战。创业者会借助社会网络搜寻和获取关键信息，增强发现和利用创业机会的能力，并得到情感支持；伴随着创业活动的持续开展，大多数创业者需要构建、维护和利用社会网络关系以汲取创业所需的各种资源，提升创业机会开发能力，进而促进企业可持续发展；其次，网络结构和网络行为与创业行为密切相关，对创业动态能力具有积极影响[23]。一方面，网络规模、中心度、强关系等变量与创业机会识别和开发、创业资源获取和利用正相关；另一方面，积极的网络行为与创业机会识别和开发、创业资源获取和利用正相关。例如，组织合法关系有助于创业企业获取更多资金，信任有助于促进创业关键信息的流动。

1.2.3 创业学习

动态能力理论指出，在市场环境日益多变、技术创新速度加快、顾客需求多样化背景下，任何组织和个人都难以凭借某种固定资源和能力维持可持续竞争优势，唯有不断提升动态能力才能促进企业可持续发展，而动态能力的形成依赖于持续性学习[10]。已有研究发现，创业学习能够显著提升企业动态能力，当企业面临新挑战时，创业者先前经验的作用十分有限，唯有通过持续性学习才能促进企业新动态能力形成[24]。创业学习不仅能够直接影响创新绩效，还通过动态能力发挥间接影响作用[25]。不同类型创业学习对创业动态能力的影响作用不同，经验学习通过创业知识积累提高创业动态能力，且正向调节先前经验对创业动态能力的影响作用，实践学习有助于初创企业在创业过程中持续提升创业动态能力[17]，观察学习、交流学习和指导学习通过促进创业团队内外互动提升创业动态能力。

1.2.4 数字技术

数字技术可编辑、可扩展、开放性和关联性特征正重构传统创业模式[4,26]，颠覆创业机会识别与开发、资源获取与利用模式，形成创业动态能力机制。

(1)数字技术改变了创业机会识别与开发模式。在规模方面，数字技术能够优化和变革供需关系，催生出更多创业机会，相关研究证实数字技术可编程、可重组等特征促使更多创业机会形成[27]。在速度方面，数字技术开放性和可供性特征加快了机会形成过程，相关研究发现数字技术能够积累大量客户资源，快速识别、评估和利用各类创业机会；另外，数字技术可使创业者获取更多信息，降低创业过程不确定性，从而加速创业机会识别与开发[5]。在模式方面，数字技术能够重构传统创业机会开发流程，促进创业机会识别与开发，甚至还会颠倒次序，发现型机会与创造型机会往往共存于数字创业生态系统中，两者相互融合、互相转化。

(2)数字技术影响创业资源获取与利用成本、范围和效率。数字技术开放性、关联性和可扩展性特征能够大大提升信息透明度，使初创企业在更大范围内以更低的成本进行创业资源识别、搜索和获取[4]；数字技术还能够提供多样化替代方案，如众筹平台在传统信贷和融资模式之外为初创团队资本获取提供更多选择；数字技术可扩展性、开放性和关联性特征能够提升初创企业资源利用效率，降低内部协调成本，改进和优化内部模块与业务流程；数字技术深度挖掘和分析功能够不断提升资源需求与供给匹配的有效度；数字技术可扩展性使企业能够以较低成本配置全球资源，并增强与上游供应商、下游客户之间的协同性，提高资源配置和价值创造效率[4]。

综上所述，先前经验、社会网络、创业学习和数字技术是数字化情境下创业动态能力的4个核心前因变量，任何单一因素均无法解释创业动态能力形成机制，创业动态能力的形成是多个因素互为交融、共同作用的过程。因此，本文构建创业动态能力研究框架，如图1所示。

图1 研究框架Fig.1 Research framework

2 研究设计与数据来源

2.1 研究方法

本文从组态理论视角剖析数字化情境下创业动态能力提升路径，采用定性比较分析法(简称QCA)和必要条件分析法(简称NCA)对变量进行检验。QCA以集合论和布尔运算为基础，主要探究前因条件如何通过协同效应对结果变量产生复杂因果作用。与传统回归方程考察单个前因变量的“净”效应不同，QCA关注前因变量的组合作用，旨在揭示引发结果变量出现的相似和相异的前因变量组态。本文采用模糊集定性比较分析法(fsQCA)，依据变量与理想值之间的差距，将变量赋值为0～1之间的某个数值[8]，以更加准确地反映变量真实情况。

采用QCA进行前因组态充分性分析，同时结合NCA进行前因条件必要性分析。必要性和充分性是因果分析的两个方面， 两者结合能够更好地解释数字情境下创业动态能力前因变量作用机制[28]。在必要性条件分析方面，QCA主要侧重于定性分析，NCA能够在定量分析的基础上提供更加细化和精准的结论。

2.2 变量设计

为保证研究信效度，提高研究结论的准确性，本文采用国内外成熟量表，并结合前期访谈和调研设置初创团队基本情况、先前经验、社会网络、创业学习、数字技术使用和创业动态能力6个变量，相关变量均采用Likert5点量表测量，1～5分别表示从“非常不同意”到“非常同意”。

(1)先前经验：创业经历和工作经历。参考Sarasvathy(2001)、Shepherd & Wolfe(2013)、Tornikoski & Newbert(2007)、Davidsson & Honing(2003)、Politis(2005)的研究成果，测量题项包括“本次创业前有多少次创业经历”“本次创业前有多长时间创业经历”“本次创业前有几个行业工作经验”“本次创业前工作经历”等选项，创业经历和工作经历的Cronbach′s α系数值分别为0.879和0.856。

(2)社会网络：网络结构和网络行为。本文采用网络规模、网络密度和网络多样性表征网络结构，采用信任、合作和沟通表征网络行为。借鉴Burt & Burzynska(2017)、Izquierdo & Hanneman(2016)、杨俊和云乐鑫(2015)的研究成果，测量题项包括“合作伙伴规模大”“合作伙伴类型和层次丰富”“与合作伙伴建立并维持高度信任关系”“积极与社会网络成员进行各类合作”等选项，网络结构和网络行为的Cronbach′s α系数值分别0.782和0.799。

(3)创业学习：替代学习、经验学习和实践学习。借鉴Ahmad等(2010)、Cope(2005)、Politis(2005)、谢雅萍和黄美娇(2014)、单标安(2013、2014)、张秀娥和赵敏慧(2017)的研究成果，测量题项包括“通过各种正式或非正式交流与合作进行学习”“不断反思先前的失败行为”“在创业实践中不断积累知识和能力”等选项，创业学习的Cronbach′s α系数值为0.856。

(4)数字技术在市场开拓、产品开发、组织管理和合作伙伴维护等方面的应用。借鉴Hull等(2007)、Autio等(2018)、Nambisan等(2019)、梅亮等(2021)、王核成等(2021)、钱晶和何筠(2021)的研究成果，测量题项包括“采用数字技术分析和挖掘市场需求”“基于数字技术不断改进产品设计”“利用数字技术不断优化和再造组织流程”等选项，数字技术的Cronbach′s α系数值为0.867。

(5)创业动态能力：机会识别与开发、资源获取与利用。参考Teece等(1997，2007)、Eisenhardt 等(2000)、焦豪等(2008)、罗珉和刘永俊(2009)、Ahmad等(2010)、Man等(2002)、蔡莉等(2014)、周键和王庆金(2017)、余悦(2019)的研究成果，测量题项包括“能够高效识别市场潜在机会”“能够正确评估某一机会的优势和不足”“能够以较低成本获取所需创业资源”等选项，机会能力和资源能力的Cronbach′s α系数值分别为0.869和0.871。

2.3 数据来源

本文以初创团队成员为调研对象，即直接参与企业创办并对企业创立和发展产生重要影响的人员，将初创企业定义为创办时间小于8年的企业，并对初创企业团队成员发放问卷。

遵循数据收集便利性原则，本文调研区域聚焦于江浙沪地区，问卷发放途径有两种：①间接发放。向符合条件的初创企业有过密切接触的人员，如各类众创空间、孵化器、科技园、创业园以及地区科技局等机构人员发放问卷；②直接发放。通过参与江浙沪地区各类创新创业大赛活动，现场邀请合适的创业者进行问卷填写，并同时提供电子版和纸质版问卷。最终，本文共计发放正式调研问卷200份，回收问卷103份，回收有效问卷84份，有效问卷回收率为42%，满足fsQCA和NCA分析需求。

3 实证检验

3.1 描述性统计与相关性分析

表1为描述性统计及相关性分析结果。可以发现，创业机会、创业资源与创业经历、工作经历相关性系数均大于0.2，显著性水平达到0.05，表现出一定的相关性；创业机会、创业资源获与网络结构、网络行为、创业学习及数字技术的相关性系数均大于0.3，显著性水平达到0.01，表现出紧密相关性。

表1 描述性统计及相关性分析结果Tab.1 Descriptive statistics and correlation analysis

3.2 信效度检验

本文利用SPSS22.0和Amos 23.0软件对变量进行信效度检验，结果如表2所示。可以发现，所有变量的Cronbach′s α值均大于0.7，CR值均大于0.8，AVE值均大于0.8。同时，所有变量模型拟合度指标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等指标除个别略低于0.90以外，其余均高于0.90，说明本文量表数据具有较高信效度。

表2 信效度检验结果Tab.2 Reliability and validity analysis

3.3 变量校准

变量校准是fsQCA的第一步，初始样本数据通常不满足fsQCA布尔逻辑分析条件，需要将原始数据转化为[0,1]区间内的集合数据。本文基于问卷调研获取Likert5点定距类数据，设计阶段就已经对数据程度进行区分，参考fsQCA对该类数据校准的操作建议，结合数据分布较为均衡和对称的特征，采用三值模糊值集方案校准，从完全隶属到完全不隶属的3个锚点依次为5、3、1，并使用QCA软件校准功能完成变量校准。

3.4 必要条件检验

QCA分析需要首先进行必要条件检验，如果某一变量为必要条件，那么在后续分析中应将其剔除。一致性是判定必要条件的重要标准，通常采用的判定标准为该值不低于0.9。QCA必要条件分析结果显示，各单项条件必要性水平均未达到0.9[29]，表明没有任何一个前因条件为必要条件。同时，本文结合NCA进行必要条件检验，判定指标主要包括效应量和瓶颈水平，效应量用以表征某个前因变量在多大程度上对结果变量起约束作用，瓶颈水平用以表征前因变量对特定结果变量产生必要性效应的最低水平[28]。效应量值介于0～1之间，数值越大，表示必要性程度越高，低于0.1通常判定为非必要条件。NCA效应量分析包括CR和CE两种方法，CR可对5个以上连续变量或离散变量进行处理，CE可处理二分变量或小于5的变量，本文同时采用CR和CE两种方法进行分析。

表3为创业机会识别与开发必要条件分析结果，必要条件判定标准为效应量大于0.1且P值达到显著性水平[30]。结果显示，创业学习和数字技术P值均达到显著性水平，但效应量未达到规定标准(小于0.1)，其它条件显著性水平不达标，因此没有任何一个单独条件是创业机会识别与开发的必要条件。表4为创业资源获取与利用必要条件分析结果。从中可见，网络行为和数字技术P值均达到显著性水平，但效应量小于0.1，未达到规定标准，其它条件显著性水平不达标，因此没有任何一个单独条件是创业资源获取与利用的必要条件。

表3 创业机会识别与开发必要条件分析结果Tab.3 Necessary condition analysis for entrepreneurial opportunity identification and exploitation

表4 创业资源获取与利用必要条件分析结果Tab.4 Necessary condition analysis for entrepreneurial resource acquisition and utilization

综上所述，创业经历、工作经历、网络结构、网络行为、创业学习和数字技术任意一个单一变量的解释力均较弱，没有任何一个单一变量是创业机会识别与开发、创业资源获取与利用的必要条件，因此从系统观视角对创业动态能力前因组态进行分析是必要的。

3.5 运算方案与标准

QCA运算软件提供了3种运算方案：复杂方案、简约方案和中间方案，其中复杂方案最严格，但普适性较差；简约方案最宽松，但结论往往过于简单，有可能与实际情况相悖。因此，本文选用中间方案，并将原始一致性、PRI一致性门槛值分别设置为0.8和0.70，案例频数门槛值设置为1。

4 结果分析与讨论

4.1 创业动态能力前因组态

4.1.1 高创业机会能力前因组态

为简述表达形式，将创业机会识别与开发能力简称为创业机会能力，将创业资源获取与利用能力简称为创业资源能力，表5为高创业机会能力前因条件组态分析结果。本文采用Ragin[29]提出的标记法：“●”表示某条件存在，“⊗”表示某条件不存在，大圈表示核心条件，小圈表示边缘条件，空白表示未产生影响的条件。由于缺少前因条件对结果变量作用效果的有效证据，因此在进行反事实分析时选择默认标注，即无论单个前因变量是否出现均假设其是高创业动态能力的原因，后续分析以此类推。根据分析结果，5个方案一致性系数均超过0.8，同时整体覆盖率达到0.74。

表5 高创业机会能力前因条件组态检验结果Tab.5 Antecedent configurations for high entrepreneurial opportunity capability

由表5可知，存在5种高创业机会能力前因组态，分别为HO1a～ HO1c、HO2、HO3，其中HO1a～ HO1c均有数字技术作为核心条件之一。在组态HO1a中，数字技术和网络行为是核心条件，网络结构为边缘条件，工作经历和创业学习为无关紧要的条件，创业经历缺席；在组态HO1b中，数字技术和工作经历为核心条件，创业经历和创业学习为边缘条件，网络行为是无关紧要的条件，网络结构为边缘条件缺席；在组态HO1c中，数字技术和创业学习为核心条件，工作经历和网络结构为边缘条件，网络行为为无关紧要的条件，创业经历为边缘条件缺席；在组态HO2中，网络行为和创业学习为核心条件，数字技术为边缘条件，工作经历和网络结构为无关紧要的条件，创业经历缺席；在组态HO3中，创业经历、工作经历和网络结构为核心条件，创业学习为边缘条件，网络行为为无关紧要的条件，数字技术为边缘条件缺席。根据5种核心组态及其内在逻辑关系，发现存在3条高创业机会能力形成路径：数据驱动型、主观能动型、经验基础型。

(1)数据驱动型：组态HO1a～ HO1c。其中，HO1a为数字技术支持下价值共创型组态路径，HO1b为数字技术融合型组态路径，HO1c为数字技术支持下衍生型组态路径。在HO1a组态路径中，数字技术的开放性和关联性使初创企业与更多机构发生联系，极大地扩充了创业团队，并通过集体价值共创方式实现创业机会识别与开发。数字技术的开放性和关联性为客户价值共创提供了条件，使客户能够高效完成创业机会验证，从而大大提高了创业机会开发效率。这一组态路径除要求数字技术使用外，还要求较高的社会网络水平，认为有效的网络行为是不可或缺的。在HO1b组态路径中，数字技术的使能性和可供性提供了更多潜在机会，诸如云计算、大数据及数字组件的兴起持续优化供求关系，催生了大量创业机会。这一组态路径要求在数字技术基础上具有一定的先前经验和创业学习能力，其中工作经历是必需的。在HO1c组态路径中，数字技术可生成性使创业机会源源不断地被开发，伴随着海量数据信息的不断积累，通过数据分析探寻数据规律有利于创业机会的形成，这一组态路径对创业学习能力具有较高要求。

(2)主观能动型：组态HO2。这一组态路径的特点是创业经历缺失，但网络行为和创业学习作用突出，如诸多新手创业成功案例表明，尽管先前经验是影响创业成功的关键因素，但面对创业经历缺失的“先天不足”，积极的创业学习和网络行为成为有效替代方案。从本质上讲，创业机会识别是一个认知和决策过程，依赖于创业者的知识储备和认知模式。创业学习是一种信息搜索、解读和编码行为，有利于促进创业机会识别与开发，积极的网络行为能够促进信息流通和知识分享，提升创业学习效果，二者结合形成高创业机会能力有效前因组态。

(3)经验基础型：组态HO3。这一组态路径典型案例如“老手”型创业案例，创业充满了未知、风险和变动，创业是与不确定性环境博弈的过程，创业者唯一可以依赖的是自身知识储备。科茨纳(1979)认为创业能力差异来源于不同创业者的知识储备，即创业者先前经验。现有研究表明，先前经验越丰富，创业者识别和开发创业机会、挖掘市场潜在需求、降低企业运营和管理风险的可能性就越大。值得注意的是，在这一组态路径中，创业学习作为边缘条件存在，说明积极的创业学习对于高水平创业机会能力是必需的。

4.1.2 非高创业机会能力前因组态

为深入理解高创业机会能力形成路径，本文进一步分析导致非高创业机会能力形成的组态路径，将原始一致性与PRI 一致性门槛值分别设为0.8和0.70，将案例频数阈值设为1。如表6所示，共存在3条非高创业机会能力前因组态路径，分别为数据缺位型、经验缺失型、主动不足型。

(1)数据缺位型：NHO1a、NHO1b。这两条组态路径均未应用数字技术对创业机会进行识别。NHO1a组态路径表明，仅拥有工作经历和一定的网络结构，创业经历不足、未积极进行创业学习无法产生高创业机会能力。NHO1b组态路径表明，虽然拥有创业经历和一定网络结构，其它条件缺失亦无法形成高创业机会能力。

(2)经验缺失型：NHO2。这一组态路径的最大特点是创业经历与工作经历缺失，且网络结构和数字技术应用不足，仅存在积极的网络行为无法产生高创业机会能力。

(3)主动不足型：NHO3。在这一组态路径中，尽管存在创业经历和工作经历，但是反映创业者、创业团队主观能动性的网络行为和创业学习缺失，导致无法形成高创业机会能力。

表6 非高创业机会能力前因条件组态检验结果Tab.6 Antecedent configurations for non-high entrepreneurial opportunity capability

对比表5和表6可以发现，在数字化情境下，先前经验、社会网络、创业学习、数字技术组合形成高创业机会能力的3种前因组态，其中数字技术和创业学习的作用更突出。

4.2 创业资源能力前因组态

4.2.1 高创业资源能力前因组态

表7为高创业资源能力前因条件组态检验结果，整体方案一致性为0.86，整体方案覆盖度为0.79。4条高创业机会能力前因组态路径分别为HR1a、HR1b、HR2、HR3，其中HR1a、HR1b均有数字技术作为核心条件。在组态HR1a中，工作经历、网络行为和数字技术为核心条件，网络结构为边缘条件，创业学习为无关紧要的条件，创业经历缺失；在组态HR1b中，创业学习和数字技术为核心条件，工作经历和网络行为为边缘条件，网络结构为无关紧要的条件，创业经历为边缘条件缺失；在组态HR2中，创业经历和网络结构为核心条件，工作经历为边缘条件，网络行为为无关紧要的条件，创业学习为边缘条件缺失；在组态HR3中，网络行为和创业学习为核心条件，数字技术为边缘条件，工作经历为无关紧要的条件，创业经历缺失，网络结构为边缘条件。

表7 高创业资源能力前因条件组态检验结果Tab.7 Antecedent configurations for high entrepreneurial resource capability

根据上述核心组态及其内在逻辑关系，发现存在3条高创业资源能力形成路径：数据助力型、传统模式型、主观能动型。

(1)数据助力型：组态HR1a、HR1b。其中，组态HR1a表征数字技术支持下开拓型资源获取和利用方式，组态HR1b表征数字技术支持下突破型资源获取和利用方式。组态HR1a的内在逻辑来源于数字技术的开放性和连接性，使创业者和创业团队可以在更大范围内以较低成本搜索和获取各类创业资源，使企业内部、上下游之间的联系更加高效，从而能够大大提升资源利用效率。组态HR1b的内在逻辑来源于数字技术一方面带来新型创业资源，另一方面形成突破型资源获取和利用方式，如众筹。值得注意的是，在数据助力型组态中，尽管数字技术不可或缺，但能否高效识别、获取和利用创业资源，需要先前经验的辅助；另外，社会网络和创业学习也是HR1a、HR1b组态的前因条件。

(2)传统模式型：组态HR2。这一组态的突出特点是先前经历和网络结构主导，对应现实生活中较为传统的创业资源获取和利用方式。该组态的内在逻辑来源于先前经验和社会网络对创业资源获取与利用所发挥的作用。首先，依据资源基础观和动态能力理论，先前经验是创业者的资源基础，初创企业通常会面临新进入缺陷，创始人和初创团队从先前经历中所获取的信息、知识能够帮助其快速、精准识别所需创业资源，并对各类资源加以高效利用；其次，社会网络是创业资源的重要来源，网络结构对创业活动具有积极影响，伴随着网络规模、网络密度、网络多样性等指标的提升，创业者能够获取的资源越来越丰富，从而能够极大地推动创业发展。

(3)主观能动型：组态HR3。这一组态的突出特点是先前经验缺失或不具有优势，网络行为和创业学习成为主导。该组态的内在逻辑来源于网络行为与创业学习对创业资源获取和利用所发挥的积极作用。研究发现，积极的网络行为，如组织间合法关系有助于创业企业获取更多资源，信任行为能使组织获取关键信息，创业学习则可以优化创业资源。

4.2.2 非高创业资源能力前因组态

表8为非高创业资源能力前因组态路径，分别为数据缺位型、学习不足型、网络欠缺型。

(1)数据缺位型：NHR1a、NHR1b。这两条组态路径均未应用数字技术对创业资源进行识别、获取或利用。NHR1a表明，仅具有网络结构，先前经验不足、未采取积极创业学习将无法产生高创业资源能力。NHO1b表明，虽然具有一定先前经验，社会网络和数字技术缺失亦无法形成高创业资源能力。

(2)学习不足型：NHR2。这一组态的最大特点是创业学习缺失，且创业经历、网络行为和数字技术不足，仅存在工作经历和网络结构无法形成高创业资源能力。

(3)网络欠缺型：NHR3。这一组态的最大特点是网络结构和网络行为缺失，且工作经历和创业学习不足，仅存在创业经历无法形成高水平创业资源能力。

表8 非高创业资源能力前因条件组态Tab.8 Antecedent configurations for non-high entrepreneurial resource capability

对比表7和表8可以发现，在数字化情境下，先前经验、社会网络、创业学习、数字技术分别形成高创业资源能力的3条前因组态路径，其中数字技术和网络行为对创业资源能力的影响作用突出。

4.3 稳健性检验

QCA稳健性检验法主要包括改变案例频数、提高一致性门槛值以及调整校准数据锚点。本文采用改变案例频数和提高一致性门槛值两种方式，分别将案例频数调整为2，将PRI门槛值由0.7提高至0.75。调整后检验结果显示，各构型总体一致性和覆盖度仅发生小幅改变，整体结果未出现明显波动，说明本文研究结论具有较高的稳健性。

5 结论与展望

5.1 研究结论

本文聚焦于数字化情境下创业动态能力形成路径，基于动态能力理论，融合创业机会和创业资源相关理论，采用fsQCA和NCA分析法，以84份面向初创企业核心团队的调研问卷为研究样本，探讨创业经历、工作经历、网络结构、网络行为、创业学习和数字技术等前因变量对创业动态能力的作用机制，得出如下结论：①创业经历、工作经历、网络结构、网络行为、创业学习和数字技术任何一个单独变量均不构成高创业动态能力、非高创业动态能力的必要条件，单个变量对于创业动态能力的解释力较弱；②高创业机会能力存在数据驱动型、主观能动型、经验基础型3条组态路径，具体包括数字技术支持下价值共创型、数字技术融合型、数字技术支持下衍生型、基于网络行为—创业学习的主观能动型、基于先前经验—网络结构的经验基础型5条组态路径；③非高创业机会能力存在数据缺位型、经验缺失型和主动不足型3种组态，具体包含4条前因组态路径；④高创业资源能力存在数据助力型、传统模式型、主观能动型3种组态，具体包括数字技术支持下的开拓型资源获取和利用方式、数字技术支持下的突破型资源获取和利用方式、由先前经历和网络结构主导的传统模式、由网络行为和创业学习主导的主观能动型4条组态路径；⑤非高创业资源能力包括数据缺位型、学习不足型、网络欠缺型3种组态，具体包含4条前因组态路径；⑥数字技术和创业学习是高创业机会能力的重要前因变量，数字技术和网络行为是高创业资源能力的重要前因变量。

5.2 理论贡献

本文理论贡献主要体现在以下几个方面：

(1)基于组态视角分析创业动态能力形成路径。尽管现有文献对创业动态能力影响因素进行了积极探讨，但多从若干独立因素出发，分析这些因素对创业动态能力产生的净效应，未揭示这些前因变量的协同作用。本文采用fsQCA方法，从先前经验、社会网络、创业学习和数字技术4个维度探讨创业动态能力前因组态，揭示创业动态能力多样化形成路径，丰富了现有创业动态能力理论研究。

(2)揭示数字技术对创业动态能力的影响机制。当前，数字技术已被广泛应用于各种创业实践，各类研究主题不断涌现，但关于数字技术对创业动态能力作用效应的研究较少。本文揭示数字技术开放性、关联性、生长性在创业机会和创业资源前因组态中所扮演的角色，丰富了数字创业领域研究。

(3)结合充分性分析和必要性分析，使分析结果更加可靠和科学。QCA、结构方程等方法侧重于充分条件分析，对于必要条件的分析较少，而必要条件也是解释因果关系的重要变量，本文同时采用QCA和NCA方法对结果变量进行分析，提高了研究结论的可靠性和科学性。

5.3 实践启示

根据上述研究结论，本文提出如下启示：

(1)全方位提升创业企业数字技术能力。数字化情境下，数字技术对创业动态能力形成起重要作用。创业者应充分运用数字技术创业，如利用电子商务平台、开源社区、社交媒体网络等数字平台开拓上下游合作网络，扩大创业资源获取范围，通过自建或采用第三方信息交流管理系统优化管理机制或商业模式，采用云计算、工业互联网等数字技术设施提升创业过程智慧化水平。另外，完善数字基础设施建设，支持数字平台发展，激励各类数字组件开发和应用，积极推动数字技术与各行各业融合发展。

(2)丰富创业企业社会网络，加强创业学习。数字化情境下，创业活动更加多元，社会网络和创业学习的重要性日益凸显，二者与数字技术形成合力，共同影响创业动态能力形成与发展。因此，初创企业、创业团队和创业者应持续拓展与维护网络关系，积极采用线上线下等各种途径和渠道寻求战略同盟，建立客户网络关系，形成持续性创业学习机制，采取激励措施构建学习型组织，不断汲取和借鉴新知识。另外，制定鼓励开放合作的创新创业政策，搭建行业协会、众创空间、孵化器和创新创业训练营等中介机构平台，丰富公共培训课程资源，营造开放合作、持续学习的区域创新创业生态系统。

5.4 不足与展望

本研究存在如下不足：①从微观视角出发选取创业动态能力前因变量，分析创业经历、工作经历、网络结构、网络行为、创业学习和数字技术的协同作用，未考虑微观层面创业团队成员心理素质、中观层面组织因素、宏观层面区域环境等变量的影响，未来应拓展创业动态能力前因变量选取范围，探讨不同层次前因变量之间的交互效应；②未考虑创业动态能力动态发展变化，未来应探讨创业实践进展过程和创业动态能力不同发展阶段前因变量及其作用机制。