新經濟情境下創業決策邏輯路徑的選擇機制
——一項模糊集定性比較分析

劉憶斐，王麗平

(天津理工大學 管理學院，天津 300384)

0 引言

新經濟是由信息技術革命帶動、以高科技產業為龍頭的經濟形態[1]，其表現為經濟深度轉型、市場競爭關鍵點不斷轉移，“中間制度”大量存在。這不僅提高了創業活躍度，更涌現出一批想抓住機遇并創造輝煌的新創企業。然而創業環境的高不確定性使企業在決策時常常面臨挑戰，如目標與方法不夠清晰、市場需求有待深入發掘、主導技術更迭速度加快等，而企業往往缺乏可用的啟示或預先制定的范本以遵照執行及作出決策。有效的創業決策不僅可以指導創業行為，還能幫助企業發現機會并獲得競爭優勢。因此，在多變環境中采取合適的創業決策邏輯以獲取和創造價值是新創企業生存與成長中面臨的重要課題。

2001年Sarasvathy[2-3]提出效果推理理論并指出，因果推理和效果推理是決策者在面臨不同環境時采用的兩種不同決策邏輯，可以指導創業行為。因果推理來源于決策理論中的有限理性，是指決策者在既定目標基礎上搜尋可行方案并從中挑選成本最低、效率最高的方案[4]。效果推理并不預先定義一個市場目標，是決策者以一切手頭可利用資源和方法為出發點，在不同資源約束環境下通過調整市場目標與產品設計構想，最終獲得績效成長的過程。效果推理框架下的研究主要包括決策邏輯應用研究以及影響因素探討。相關研究多聚焦于因果推理與效果推理的差異性，將兩種決策邏輯視為一個連續變量的兩端，認為兩者具有對立關系[5]，但兩種決策邏輯并不是互相對立和沖突的[6]。如Reymen等[7]指出，因果推理和效果推理具有互補性，有效整合兩種決策邏輯有助于企業實現最優創業結果。此外，針對創業決策邏輯影響的研究多聚焦于單層次因素，一般采用回歸分析方法探究單個驅動因素的凈效應，如環境不確定性[8]、創業文化與聲譽[9]、風險感知與創業激情等[10]，但無論是通過理性分析還是直覺作出決策，其背后的影響因素都是復雜、多變以及動態的，選擇創業決策方式時需要更多考慮多層次情境變化因素[11]，關注多種因素協同作用結果，探索創業決策邏輯形成機制[12]。

鑒于此，本文擬從兩方面補充和拓展相關研究：一是基于效果推理理論，融合效果推理和因果推理兩種決策邏輯方式，結合外部創業環境與內部企業能力，構建基于多層次因素的不同創業情境；二是采用擅長處理社會現象中復雜因果關系且擁有綜合定量與定性研究優勢的模糊集定性比較分析方法(fsQCA)，探索新創企業基于不同創業情境獲得高創業績效的決策選擇機制。研究旨在提供一個探究新經濟下創業決策的新思路，力圖對創業過程產生動態性思考，為決策者面臨情境變化時作出有效決策提供理論指導和實踐參考。

1 要素分析與模型構建

效果推理理論自提出以來研究進展迅速。早期研究聚焦于效果推理的核心內涵、多維度特征結構及影響因素，此外國內外學者從不同角度開展了效果推理綜述研究。近年來學者們更多關注效果推理與因果推理的使用情境及作用機制，聚焦兩種決策邏輯能否對績效產生影響。盡管在企業新創期決策者普遍存在效果推理與拼湊行為，但也在一定程度上使用了因果推理。如Ortega[13]認為混合決策邏輯在新創企業發展過程中可能不同程度地存在或共存；Schmidt & Heidenreich運用結構方程模型研究發現，在適度增長的行業中，兩種決策邏輯均呈有效狀態；王玲玲等[14]指出，兩種決策邏輯都顯著促進新穎型商業模式設計，外界不確定性會調節兩種不同決策邏輯的作用效果；Smolka等[15]驗證了混合使用兩種決策邏輯對績效的積極作用。因此，本文融合效果推理與因果推理兩種決策邏輯方式，以創業績效衡量創業決策邏輯的有效性。

創業決策是一個涉及多方面的復雜行為，根據Timmons[16]提出的創業過程模型，其強調創業過程是機會、資源和創業團隊三要素共同匹配作用的結果。首先，創業機會來源于環境，是在變化的環境中搜尋未被滿足的需求[17]。在新經濟時代，政策法規、市場競爭以及信息技術變化中都蘊含大量可利用的機會；其次，資源是創業過程的基礎保障，有效整合有價值、稀缺和難以模仿的內外部資源可以促進企業能力形成[18]，所形成的企業能力是創業行為持續開展的原動力；最后，團隊是發現、開發機會的決策主體，決策依據和目標都離不開機會及資源。準確識別市場機會、有效獲取與整合資源，在此基礎上進行合理決策，是新創企業創業成功的基本保證。基于此，本文擬從外部創業環境、內部企業能力與決策邏輯方式3個層面分析影響因素，探討不同情境下新創企業獲得高創業績效的決策路徑選擇機制。

1.1 外部創業環境：制度、市場、技術不確定性

環境變化往往也是孕育機會以及變不可能為可能的契機。Cukrowski[19]指出，環境中存在大量難以預測的因素，勢必影響企業管理與決策。創業決策及行為本質上源于環境誘發的個體認知與思維過程，環境不同可能誘發不同的認知過程，進而導致決策方式和結果出現差異[20]。Jaworski等[22]從環境角度，將不確定性劃分為技術及市場兩個維度[21]，而我國的創業環境還受到制度不確定性的影響，并有學者明確將創業環境不確定性劃分為市場不確定、技術不確定和制度不確定3個方面[23]。鑒于此，本研究將環境不確定性劃分為制度不確定性、市場不確定性和技術不確定性3種類型。

(1)制度不確定性。新創企業作為社會結構與秩序中的重要一環，其行為無疑受到政府規制、社會規范和公眾認知的影響。制度是創業組織為了獲取合法性和利益相關者支持而必須遵守的受到外部集體公認的規則，而創業發生在由制度規范塑造的市場內，需與制度情境下的法律、法規和慣例相適應。制度不確定性是指決策者感知到制度情境下的規則變化方向、趨勢、速度與結果難以預料和把握，甚至包括導致變化的要素本身。從制度理論視角可知，企業決策必須從最大程度上爭取合法性，而合法性涵蓋管制合法性、規范合法性以及認知合法性，這樣才能實現企業持久發展并獲取競爭優勢。因此，本文將從管制制度、規范制度以及認知制度3個方面測量制度不確定性。

(2)市場不確定性。其主要源于市場競爭與市場需求變化，是感知到的市場不穩定性和難以預測性。新經濟環境下市場日益細分，產品需求表現出多樣化、無限差異化等特征，產品生命周期縮短，市場競爭表現得更為激烈，使得面對市場不確定性的決策難度增大。傳統意義上的可預測性、穩定性、精確性幾乎被不可預測性、變革性、模糊性所替代，在這種不確定性環境中機會可能來自外界市場，也可能來自創業團隊創造出的新市場。決策者面對環境波動的反應速度和戰略決策調整能力決定了企業能否比競爭對手更快適應市場需求變化，以及獲得持續競爭優勢。因此，本文將從消費者需求與偏好的變化速度、市場競爭強度以及產品生命周期3個方面測量市場不確定性。

(3)技術不確定性。其表現為技術的復雜性與不穩定性，以及技術變化的不可預測性和顯著性。快速的工業化進程和全球范圍內以信息化為核心的技術情境變化雖然會對創業決策產生影響，但是也為創業行為提供了契機。由于新經濟時代信息技術的發展，顛覆式創新更為頻繁且難以預測，進一步促使新創企業參與技術研發，不斷改進自身技術以應對快速變化的環境[24]。在面對技術環境不穩定時，如何優化組織結構、深入把握市場需求、創新商業模式成為企業獲取高成長速度的重要決策內容。因此，本文將從技術變化速度、主導技術的難以預測性以及技術變化對企業的影響程度3個方面測量技術不確定性。

1.2 內部企業能力：大數據能力、模糊容忍度

企業成長的源泉是企業能力。Shane等認為，信息不對稱是發現機會的關鍵，而大數據能力能夠在海量數據中篩選機會，過濾掉由信息不對稱帶來的風險；Venkatraman認為，決策者可以通過環境感知創造機會，當企業員工對模糊和失敗的容忍程度較高時，企業就具備了創造機會的內生能力。鑒于此，本研究認為企業能夠通過大數據能力和模糊容忍度把握外部創業環境中的“機會之窗”。

(1)大數據能力。數據在新經濟時代變得越來越有價值，已成為除資本、勞動力外的獨立生產要素、經濟要素和核心資源[25]。大數據對企業決策產生深遠影響，不僅使決策環境發生變化，而且使企業決策更多是基于數據驅動而不是經驗、直覺[26]。隨著互聯網等信息技術發展，經濟活動中積累沉淀了大量數據，要發揮大數據價值，需要具備深入挖掘數據的分析能力。McAfee等認為，大數據能力可以看作是分析的另一種表述；LaValle & Shockley[27]研究發現，那些擅長深度商業分析的企業在行業內都獲得了差異化競爭優勢。大數據能力有利于企業獲取外部環境中的信息，通過對信息數據以及面臨問題的深度分析，為決策者及時提供方案。隨著大數據能力提升，企業決策更加貼近完全理性[28]，更加高效。因此，本文將從資源獲取能力、分析整合能力以及應用能力3個方面測量大數據能力。

(2)模糊容忍度。其反映了個體對新異、不一致、復雜且模糊的不確定性信息具有容忍度的特質傾向。面對不確定情境，決策者并不認為其具有風險，而是吸引力。低模糊容忍度決策者會傾向于回避模糊信息，決策時易產生擔憂、焦慮等情緒，從而回避決策過程中出現的各種不確定性因素；而高模糊容忍度決策者能夠通過更多的自我探索提升決策效能、進行快速消化與吸收，能包容信息的不確定性[29]。Sternberg(1988)指出模糊容忍度是富有創造力者的重要人格特征；秦遠建和汪文祥[30]認為，模糊容忍度會調節決策邏輯和突破式創新關系。模糊容忍度既可以作為組織中的個體特征，也可以作為整體組織特征。當企業中大多數員工的模糊容忍度較高時，企業整體就具備較高的創新能力以及創造機會的內生能力。因此，本文將其作為企業能力以觀察模糊容忍程度以及風險接受程度。

1.3 決策邏輯方式：效果推理、因果推理

社會認知理論強調，新創企業在動蕩環境中的決策能力是促進企業成長的關鍵[31]。創業更多地介于精密計劃與非系統性試錯之間，很多處于初創期的企業之所以被淹沒，成為平庸的大多數，是因為無法在創業過程中根據不同環境來調整決策行為以及選擇合適的決策邏輯。本研究依據Sarasvathy對決策邏輯的劃分方法，將決策邏輯劃分為因果推理和效果推理兩種類型。

(1)因果推理。其表明企業決策及行動建立在開展市場調查、明確自身定位的基礎上，是決策者由目標出發，從幾種可能方案中挑選出最優方案的決策邏輯。它源于完全理性的假設，基于預測未來的思想，強調在既定目標條件下的相應搜尋手段和方法。在該種決策邏輯下企業擁有一套完整的發展戰略流程：首先能夠清晰界定市場目標和需求，然后盡可能全面搜集和分析市場信息，快速探尋市場環境中存在的機會，制定相應研發和營銷策略，最后根據預期收益和風險在備選方案中進行篩選，獲得預期收益最大化的戰略方案并按部就班實施。在清晰的愿景與戰略目標下，決策者有了努力的方向和動力，有助于提升決策行為的有效性。另外，根據收益風險原則制定的方案可以降低新創企業與利益相關者之間的信息不對稱，幫助利益相關者充分了解企業擁有的能力以及未來發展潛力，從而獲取其認可和資源支持[32]。

(2)效果推理。其是指在難以預測的環境中，不依賴預先設定目標，而是通過具備的資源或擁有的手段選擇能達到的結果，是一種手段導向的決策邏輯。效果推理中包括實驗、柔性、可承受損失和先前承諾4個原則。實驗原則包含嘗試新想法、轉變工作程序和步驟，并對事物保持好奇；柔性原則用以反映決策者擅長利用意外事件以及面對新事物時愿意改變。由于環境變化，事先作出的決策并不總是有效，實驗中的不斷試錯和柔性原則有助于決策者獲取新創業知識、克服慣性及不斷調整，進而提高決策行為有效性[33]。可承受損失是指決策者將成本及資源投入設定在可承受的損失范圍內以控制風險；先前承諾則強調決策者注重與利益相關者建立戰略合作關系，共同致力于構建一個可能的未來，以獲取更多資源，拓展企業在決策過程中的可用手段。因此，本文將從實驗、柔性、可承受損失和先前承諾4個方面測量效果推理決策邏輯。

2 研究方法與設計

2.1 研究方法

定性比較分析是一種以案例研究為導向的理論集合研究方法，具備全新的分析邏輯。其基本思想是以集合論和布爾邏輯作為方法論的基石，通過使用定性比較分析方法，使研究專注于因變量的前因條件構型，又稱路徑或多重條件并發原因。自變量以組合方式共同影響結果，該組合即前因條件構型，而自變量是其中一個不可分割的組合要素，通過探究前因條件組合如何導致解釋結果出現，尋找導致相同結果的不同前因路徑。由分析可知，外界環境會對決策行為產生影響，促進決策成功，進而提高創業績效，同時，新創企業內部能力建設有助于促進決策成功，而QCA方法能夠很好地處理這種完全等效的因果關系。該方法主要包括清晰集(csQCA)、多值集(mvQCA)和模糊集(fsQCA)3種類型。其中，模糊集方法比清晰集和多值集方法更加精確與嚴格，且評價范圍更廣。因此，本研究采用模糊集定性比較分析方法(fsQCA)，探討新經濟背景下新創企業獲得高創業績效的決策路徑。

2.2 數據收集

研究采用問卷調查方式，對北京、上海、廣州、深圳、天津、杭州等多個城市的新創企業進行數據采集，問卷主要由新創企業主要負責人或者高管進行填答。參考McDougall & Robinson、Li的研究，將新創企業界定為成立時間低于8年的企業。

研究共發放問卷300份，回收有效問卷189份，有效回收率為63%。問卷基本情況如表1所示。

表1 基本情況描述性統計結果

一般情況下，問卷填答中會出現數據同源性偏差(CMV)問題。本研究通過Harman單因素檢驗，對變量進行探索性因子分析，得到總方差解釋變量為79.105%，且第一個未經旋轉的主因子解釋方差為28.621%，未超過40%，說明本研究不存在明顯的同源性偏差問題。

2.3 變量測量

量表均采用Likert 5點計分法，要求受訪者根據企業實際情況在1～5分中選擇一個合適的分數。其中，1=完全不同意，2=不同意，3=無意見，4=同意，5=完全同意。

決策邏輯(DL)。采用Chandler等[34]開發的測量量表，以秦劍[35]的翻譯為中文基礎。其中，效果推理(EDL)包括實驗、柔性、可承受損失和先前承諾4個維度，共16個題項；因果推理(CDL)共7個題項。

制度不確定性(IU)。參考Bylund & McCaffrey[36]、Li等[37]和Puffer等[38]的測量量表，并結合我國制度情況進行修改，包括管制制度、規范制度和認知制度3個維度，共12個題項。

市場不確定性(CU)。采用Jaworski等[39]的測量量表，包括消費者偏好變化速度、消費者需求及產品生命周期3個維度，共4個題項。

技術不確定性(TU)。采用Jaworski等[39]的測量量表，包括技術變化速度、主導技術的難以預測性和技術變化對企業的影響程度3個維度，共4個題項。

大數據能力(BDA)。采用謝衛紅等[40]的測量量表，包括資源獲取能力、分析整合能力和應用能力3個維度，共12個題項。

模糊容忍度(TA)。采用Maclian[41]的測量量表，共5個題項。

創業績效(IP)。采用吳巖和宋英華等[42]的測量量表，包括財務績效、非財務績效以及成長績效3個維度，共6個題項。

為了簡化，將各維度下不同題項均值作為該維度測量值，再取各維度平均數作為變量測量值，這也符合多數研究的做法[43]。

2.4 信效度分析

運用SPSS22.0軟件對量表信度與效度進行檢驗，具體結果見表2。由表2可知，在信度方面，制度不確定性、市場不確定性、技術不確定性、大數據能力、模糊容忍度、因果推理、效果推理和創業績效的Cronbach's α系數和組合信度(CR)均大于0.7，表明問卷具有較高信度。在效度方面，采用因子分析方法檢驗收斂效度，KMO值和各維度因子載荷均在0.6以上，所有構念的平均萃取方差(AVE)均在0.5以上，說明本問卷收斂效度較好。

表2 信度與收斂效度分析結果

3 數據分析與結果

3.1 變量校準

校準是將變量轉化為集合，對案例賦予集合隸屬度的過程[44]，參考Fiss(2011)和Kraus等(2018)的研究，本文通過李克特5點量表獲取相關數據，并將“5”設定為完全隸屬，“3”為交叉點，“1”為完全不隸屬。通過3個閾值的設定，運用Ragin等開發的fsQCA3.0軟件，使用calibrate計算公式將全部變量的原始數據轉化為0-1的連續模糊得分。

3.2 充分性與必要性分析

參考程建青等(2019)的研究，在進行組態分析前，首先對各前因變量是否為結果變量的必要條件進行檢驗。高/非高創業績效的必要條件分析結果見表3。由表3可知，各前因變量的充分性一致率(consistency)最高為0.849，必要性覆蓋率(coverage)最高為0.880，均低于門檻值0.9，表明單個前因變量不能作為被解釋結果的充分條件和必要條件。

表3 單項前因要素對創業績效的必要性與充分性分析結果

3.3 組態構型分析

由于每個單項前因變量對結果變量的解釋力較弱，因此多變量組合才能形成對結果變量的充分解釋。采用fsQCA3.0對數據進行分析，選擇頻數位為4，一致性大于0.85，結合PRI的一致性大于0.7，得到5種高創業績效構型。由于因果關系具有非對稱性，因此需要關注非高創業績效構型，具體見表4。由于本文重點關注的是不同情景下決策邏輯路徑的選擇機制，所以將5種高創業績效構型按決策邏輯類型歸納為2種決策路徑。

表4 新創企業高創業績效決策路徑組合分析

由表4可知，產生高創業績效的構型有5種，即H1a、H1b、H1c、H2a、H2b。每種構型的一致率均高于0.85，總體一致率為0.88，高于一致率門檻值0.80，總體覆蓋率達到了0.50，表明5種構型共解釋了50%的高績效樣本。其中，H1a(～IU*～CU*TU*～TA*BDA*CDL*EDL)的原始覆蓋率為0.13；H1b(IU*CU*TA*BDA*CDL*EDL)的原始覆蓋率為0.30；H1c(IU*CU*TU*BDA*CDL*EDL)的原始覆蓋率為0.28；H2a(IU*～CU*～TU*TA*BDA*～CDL*EDL)的原始覆蓋率為0.17；H2b(IU*CU*～TU*～TA*BDA*～CDL*EDL)的原始覆蓋率為0.11。產生非高創業績效的構型有2種，即NH1、NH2。每種構型的一致率均高于0.85，總體一致率為0.92，高于一致率門檻值0.8。總體覆蓋率達到了0.37，表明兩種構型共解釋了37%的樣本。其中，NH1(～CU*～TU*～TA*BDA*～CDL*～EDL)的原始覆蓋率為0.19；NH2(～IU*～CU*TU*TA*～BDA*CDL*～EDL)的原始覆蓋率為0.25。

對比高創業績效和非高創業績效構型得出：①效果推理決策在新企業創業過程中起到了至關重要的作用。在高創業績效的所有構型中效果推理決策均作為核心條件存在，而在非高創業績效構型中均不存在，驗證了張玉利等[45]大多數學者認為效果推理對新創企業績效有積極影響的結論；②大數據能力是新創企業實現高創業績效的關鍵要素。在高創業績效的所有構型中大數據能力均作為核心條件存在，而在非高創業績效構型NH2中不存在，在NH1中雖然作為輔助條件存在，但是即使其它因素都不存在，也會導致非高創業績效。這進一步證實了Wamba等[46]的研究，即大數據能力正向促進企業績效。

3.4 穩健性檢驗

為檢驗分析結果穩健性，從集合思維角度嘗試調整變量數據的校準方式。例如，采用六分法校準，即按照“1=完全隸屬，0.8=非常隸屬，0.6=有些隸屬，0.4=有些不隸屬，0.2=非常不隸屬，0=完全不隸屬”的規則，將數據重新賦值并進行分析。結果發現，除解的數量發生微小改變外，主要條件組態仍然存在且在結果的解釋上并沒有發生本質性變化。因此，本研究結果具備較好的穩健性。

4 研究發現

依據數據分析與實證結果，歸納得出2種高創業績效的決策邏輯路徑。

4.1 發展情境下的組合決策路徑

該路徑中包括H1a、H1b、H1c3種構型，在上述3種高創業績效情境下均會首先選擇效果推理決策，并輔助使用因果推理決策。該發現證實了Maine等[47]認為隨著情境變化決策者可能采取兩種決策邏輯組合方式的判斷。由于H1b和H1c構型的核心要素相同，本文將H1b和H1c歸納為一個情境，為此，采取組合決策路徑的發展情境有兩種。

一是數字時代的產品開發情境。該情境對應構型H1a，其中，大數據能力與效果推理作為核心條件存在，因果推理與技術不確定性作為輔助條件存在，制度不確定性、市場不確定性和模糊容忍度作為輔助條件不存在。

全球已進入以信息技術為核心、顛覆式創新頻發的數字時代。新創企業要想在需求漸趨穩定、政策紅利逐漸消逝的成熟市場中獲得生存，就需要進行新產品的顛覆式革新。企業首先要感知用戶需求和市場規則變化，根據環境變化在不斷實驗試錯中進行產品迭代創新，并借助大數據能力搜集多維度用戶與市場數據，全面了解顧客需求特征以及變化趨勢，為決策的客觀性和全面性賦能。在此基礎上決策者通過效果推理，將平時積累的經驗、社會網絡關系等創新要素進行重構和配置，與獲取的數據信息互動，形成具有針對性的洞察和能力，迅速抓取用戶反饋并進行產品快速迭代與完善。

當企業內部的模糊容忍度較低、缺乏組織靈活性時，決策者可以輔助使用因果推理決策邏輯，對技術研發進行嚴格的市場分析并設立目標，制定一個“留得青山在”的計劃方案。這在一定程度上能夠規避技術風險，提高可承受損失的標準，共同把握由技術環境變化帶來的創業機會并獲得高創業績效。

二是有限資源的市場滲透情境。該情境對應構型H1b和H1c，其中，大數據能力、效果推理以及市場不確定性作為核心條件存在，因果推理和制度不確定性作為輔助條件存在。

在存量博弈時代，增量遞減、競爭加劇。面對資源匱乏困境，新創企業如何獲取存量資源并合理利用對其成長至關重要。處在新創期的企業，需要關注資源內部積累，同時，積極搜尋和選擇適合自身業務特征的數據信息，利用大數據能力將各種信息轉化為具有決策力、洞察力的數據資源，幫助企業在具備吸引力的行業中尋找“縫隙”市場，在供需精確匹配中獲利。除獲取數據資源外，效果推理決策還可以打破現有資源的有限性，挖掘其潛在價值，充分利用現有資源和手段，加速資源篩選與融合。同時，利用承諾原則與利益相關者達成合作，獲取更多價值資源，以滿足新創企業快速成長的資源需求。

當技術環境不能幫助新創企業實現對“縫隙”市場的抓取時，可以通過因果推理決策邏輯，結合“縫隙”市場為消費者實施定制化方案，以最低成本滿足差異化需求，進而獲得市場份額。

4.2 成長情境下的單一決策路徑

該路徑中包括H2a、H2b兩種構型，在兩種高創業績效情境下均采用效果推理決策邏輯。該發現進一步證實了使用效果推理有助于企業獲得高創業績效[48]。

(1)合法性獲取下的價值共創情境。該情境對應構型H2a，其中，大數據能力與效果推理作為核心條件存在，制度不確定性和模糊容忍度作為輔助條件存在，技術不確定性作為核心條件不存在。

新經濟的快速發展導致制度的滯后性以及合法性壁壘較低，新創企業可能面臨利益相關者、消費者的支持與信任等問題。為此，企業決策者利用效果推理的承諾原則與不同社會性、經濟性行動主體建立聯盟，融入網絡化、動態化的創新生態圈，促使企業重新審視和評估自己的創業行動，高效監控運營狀況并獲得利益相關者認可。對于消費者來說，產品背后的情感價值比產品本身更重要。大數據能力能夠深度挖掘與消費者的價值連接點并賦予產品情感，喚起消費者的情感價值，提高用戶粘性，搭建社群網絡平臺，促進企業與消費者互動，提升消費者對于產品價值的認可，最終形成價值共創。

當技術和市場環境不能為新創企業提供“養分”時，模糊容忍度高的企業內部會形成開放、易于接受新信息的氛圍，有利于企業直接與消費者、供應商等溝通，從而不斷完善自我，贏得利益相關者認可。

(2)數據賦能下的快速響應情境。該情境對應構型H2b，其中，大數據能力、效果推理以及市場不確定性作為核心條件存在，技術不確定性作為核心條件不存在，制度不確定性作為輔助條件存在，因果推理和模糊容忍度作為輔助條件不存在。

新經濟下的創業競爭更加激烈，VUCA成為當前時代發展的“底色”，其不僅帶來市場波動，也使得創業機會的時間窗口被大大壓縮，被動適應已不能滿足企業成長需要。“下先手棋、打主動仗”的關鍵在于快速響應，因此，企業需要在有限時間內克服自身慣性以決策。基于開放媒體的用戶廣泛性為新創企業提供了海量數據來源[49]。由于數據信息不斷變化與更新，企業需要不斷提升數據信息挖掘速度和效率，結合快速響應的效果推理決策思維，根據自身經驗或者直覺進行決策，以把握數據信息的時效性，快速找到并解決用戶需求，最終提高創業績效。

5 研究貢獻與未來展望

本文以創業過程模型為基礎，結合效果推理理論，從外部創業環境、內部企業能力和決策邏輯方式3個層面出發，探討新創企業基于不同情境獲得高創業績效的決策路徑選擇機制。研究運用組態思維和定性比較分析方法，得出5種高創業績效構型和2種高創業績效決策路徑，為新創企業決策及成長帶來新的研究視角與解釋路徑，有助于豐富創業理論及效果推理理論研究。研究還得出，大數據能力和效果推理是影響新經濟下新創企業實現高創業績效的關鍵核心條件，對于指導新經濟環境下新創企業成長和培育具有重要理論價值。為此，本研究提出兩點管理實踐啟示。

(1)在新創企業高創業績效的5種構型中，效果推理和大數據能力兩個前因要素尤為重要，啟示新創企業：一是積極構建和培育大數據能力，升級自身軟件和硬件，完善大數據分析系統，推動數據深度挖掘與融合應用，加強大數據開發力度，保障知識、信息等數據資源獲取，以為大數據驅動企業決策方式轉變提供持續動力；二要將效果推理理論有效融入決策情境。增強決策者對情境變化的感知，從而根據情境變化采取側重點不同的決策方式，如選取單一決策路徑或選取組合決策路徑。

(2)依據新創企業實現高創業績效的2種決策路徑，為企業在具體操作層面提出4點情境化建議：一是加大核心技術投入，迎接技術“窗口期”。創業將回歸技術和產品本身，通過技術加速產品迭代創新過程，將技術鏈接到消費者價值中，提升產品內在品質；二是構建開放的價值共創平臺，吸引消費者參與企業價值創造的全過程。從知識獲取、情感需求等多方面建立產品內在價值，提升消費者感知價值，以獲取消費者的價值認同；三是保持組織靈活性，“小步快跑，快速迭代”，構建開放、彈性的組織結構以及鼓勵創新、包容的文化氛圍，提高企業對模糊性與失敗的容忍度，鼓勵員工參與決策；四是培養大數據思維和意識，建立大數據分析與決策系統，提高企業整體決策響應速度，從而快速應對市場變化。

本文還存在一些研究局限，需要在未來研究中予以完善。首先，在理論建構方面，僅關注外部創業環境和內部企業能力對決策邏輯方式選擇的影響，未來還可以考慮從不同層面(如決策者主觀能動性)構建更全面的模型展開討論；其次，由于問卷樣本有深入度與覆蓋面不足的劣勢，未來可以結合公開的企業典型案例進行更深入的剖析，同時，擴展數據收集范圍，獲取更多研究樣本，進一步提高研究結論的普適性；最后，處于不同發展階段的創業企業，其最優決策方式也不同，未來研究可以加入時間維度，采用時序定性比較分析方法(tsQCA)考察創業決策方式的動態演化路徑。