CEO特征與新創(chuàng)企業(yè)戰(zhàn)略慣性

陳效林 劉業(yè)深 宋哲

摘 要：現(xiàn)有觀點通常認為，大企業(yè)具有慣性，而小企業(yè)具有靈活性。已有研究關注CEO特征與一般企業(yè)戰(zhàn)略慣性的關聯(lián)，較少考慮相關結論對新創(chuàng)企業(yè)的適用性。此外，相關文獻主要圍繞因果推論展開，鮮有基于預測角度的定量研究。采用機器學習中的C4.5決策樹算法，以我國2009—2019年經(jīng)營年限在12年以內(nèi)的上市公司為樣本，研究基于CEO多維特征構建的C4.5決策樹能否預測新創(chuàng)企業(yè)戰(zhàn)略慣性，并進一步分析CEO特征的相對重要性及其對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響機制。結果顯示：對新創(chuàng)企業(yè)戰(zhàn)略慣性，基于CEO特征構建的C4.5決策樹具有一定的預測能力；在眾多CEO特征中，CEO學歷、持股比例和收入是預測新創(chuàng)企業(yè)戰(zhàn)略慣性的3個關鍵特征；CEO特征與企業(yè)內(nèi)外部環(huán)境間的6種交互均會導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性，即殊途同歸。結論有助于深化新創(chuàng)企業(yè)戰(zhàn)略慣性理論解釋，為新創(chuàng)企業(yè)戰(zhàn)略管理實踐提供啟發(fā)。

關鍵詞：戰(zhàn)略慣性；新創(chuàng)企業(yè)；機器學習；C4.5決策樹；首席執(zhí)行官（CEO）特征

DOI：10.6049/kjjbydc.2021100014

中圖分類號：F272.1

文獻標識碼：A

文章編號：1001-7348（2023）13-0060-11

0 引言

2021年中國國際服務貿(mào)易交易會全球服務貿(mào)易峰會上，習近平總書記提出將繼續(xù)支持中小企業(yè)創(chuàng)新發(fā)展，并設立北京證券交易所，打造服務創(chuàng)新型中小企業(yè)主陣地。這一舉動受到業(yè)界和學界廣泛討論，其中較為突出的觀點是：在復雜多變的環(huán)境下，靈活的戰(zhàn)略更新能力對于中小企業(yè)獲取可持續(xù)競爭優(yōu)勢，進而取得成功至關重要。

新創(chuàng)企業(yè)資源有限，其所在行業(yè)往往缺乏指導活動的主導邏輯，產(chǎn)品定義和產(chǎn)業(yè)結構存在大量空白［1］。因此，新創(chuàng)企業(yè)的成功與其靈活的嘗試能力和適應能力相關。不受類似成熟企業(yè)累贅結構、不可替代資源、嵌入式慣例和管理信念的困擾［1］，新創(chuàng)企業(yè)通常被認為靈活、有能力通過不斷嘗試調整組織形式、戰(zhàn)略、產(chǎn)品和商業(yè)模式，進而取得成功［1］。

但在現(xiàn)實中，部分新創(chuàng)企業(yè)在戰(zhàn)略方面會表現(xiàn)出驚人的慣性，由此導致快速失敗。例如，在日益激烈的市場競爭中，OfO的CEO戴威始終堅持快速擴張和高度自主戰(zhàn)略，最終因無法獲得足夠的資金支持導致失敗?？梢姡珻EO特征（個性［4］、身份認同［1］、社會網(wǎng)絡［5］等）可能成為新創(chuàng)企業(yè)戰(zhàn)略慣性來源。高階梯隊理論認為，企業(yè)經(jīng)營決策和日常行動受CEO的影響，CEO特征能夠影響企業(yè)最終決策和行動執(zhí)行?，F(xiàn)有研究既未將一般企業(yè)和新創(chuàng)企業(yè)加以區(qū)分，也未系統(tǒng)解釋新創(chuàng)企業(yè)戰(zhàn)略慣性成因，因而無法對新創(chuàng)企業(yè)戰(zhàn)略慣性成因形成系統(tǒng)性認知。因此，有必要探索CEO特征與新創(chuàng)企業(yè)戰(zhàn)略慣性的關系。

組織為實現(xiàn)目標會構建一套基本模式，該模式可以決定當前和未來資源部署及其與環(huán)境互動方式。戰(zhàn)略慣性是指這一基本模式中的形式（form）、特性（quality）及狀態(tài)（state）隨時間變化傾向于維持現(xiàn)狀而不愿意改變的程度［6，7］。在理論層面，現(xiàn)有CEO特征與企業(yè)戰(zhàn)略慣性研究主要圍繞CEO的基本特征（例如背景［8］、經(jīng)歷［9］、持股比例［10–12］等）和個性特征（例如大五人格［4］、身份認同［1］等）展開，鮮有學者關注相關研究結論對新創(chuàng)企業(yè)的適用性［13］。

研究方法上，現(xiàn)有文獻常用回歸方法，分析CEO特征對戰(zhàn)略慣性的凈效應，強調在控制其它因素的基礎上觀察目標自變量對因變量的邊際影響，但對于多個自變量間的聯(lián)合效應關注不足。戰(zhàn)略調整本身具有動態(tài)性與復雜性［14，15］，由此導致相關研究經(jīng)常得出大相徑庭的結論，難以對戰(zhàn)略慣性形成系統(tǒng)性認知。

研究視角上，以往研究大多基于解釋性建模視角圍繞CEO特征與戰(zhàn)略慣性因果推斷進行分析，基于預測視角分析CEO特征對戰(zhàn)略慣性影響的研究鮮見。首先，預測性建模事先未對變量間的因果關系和函數(shù)形式進行假定，能夠深度挖掘變量間的復雜聯(lián)系［12］，從而促進解釋性模型構建和理論進步；其次，以效果預測作為解釋性模型評估視角，衡量各變量對預測精度的貢獻程度能夠評估各變量的相對重要性；最后，預測能力可以反映理論對實際問題的解釋能力。解釋性模型預測精度與其依托理論的可靠性成正比，如果解釋性模型預測精度較低，說明其依托理論有待進一步完善［12］。需要注意的是，側重于預測的預測性模型與側重于解釋的解釋性模型并非呈對立關系，本文基于戰(zhàn)略慣性相關理論，構建預測性模型，與以往理論及實證研究相輔相成。

為什么要采用機器學習方法回答這一問題？首先，以往研究通常采用的線性擬合模型難以在經(jīng)濟波動環(huán)境下得出準確結論［12］。第二，已有文獻發(fā)現(xiàn)，CEO特征與戰(zhàn)略慣性呈非線性關系［12］，而傳統(tǒng)回歸方法并不適用于處理變量間的復雜非線性關系，而且變量間三重交互已到達回歸方法邊界（張明等，2020）。機器學習方法，例如決策樹（洪永淼、汪壽陽，2021）可以有效揭示變量間深層次交互等非線性特征對因變量的影響。基于此，本文引入處理復雜問題的機器學習模型，試圖從全面視角對新創(chuàng)企業(yè)戰(zhàn)略慣性成因作出解答。

本文以2009—2019年A股市場中成立12年內(nèi)的新創(chuàng)企業(yè)為樣本，采用C4.5決策樹算法實證評估CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響，并分析變量相對重要性及影響機制。結果發(fā)現(xiàn)：對于新創(chuàng)企業(yè)戰(zhàn)略慣性，基于多維CEO特征構建的C4.5決策樹具有一定的預測能力；在CEO特征中， CEO學歷、持股比例和收入是預測新創(chuàng)企業(yè)戰(zhàn)略慣性的3個關鍵指標；CEO特征與企業(yè)內(nèi)外部環(huán)境間的6種交互均會導致新創(chuàng)企業(yè)戰(zhàn)略慣性。在更換C4.5決策樹模型參數(shù)、剔除分類閾值邊緣樣本、更換機器學習算法后，上述結果仍然穩(wěn)健。

本文可能具有以下邊際貢獻：第一，理論層面，針對新創(chuàng)企業(yè)戰(zhàn)略慣性研究的不足，采用C4.5決策樹方法探討CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響，檢驗以往研究結論的適用性，不僅對新創(chuàng)企業(yè)戰(zhàn)略慣性成因提出更深層次的見解，拓展新創(chuàng)企業(yè)戰(zhàn)略慣性理論研究，而且可以為我國一般企業(yè)戰(zhàn)略慣性研究提供新的方向。第二，研究視角方面，采用機器學習中的C4.5決策樹算法研究CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響，探究不同CEO特征的重要程度，并揭示CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響機制，結論對新創(chuàng)企業(yè)CEO選聘具有重要啟示意義。第三，方法層面，以往戰(zhàn)略管理研究常用回歸方法探討單一變量對因變量的凈效應，而對多個變量的聯(lián)合效應關注不足。本文采用C4.5決策樹算法研究CEO特征與企業(yè)內(nèi)外部環(huán)境特征的聯(lián)合效應對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響，無疑是對現(xiàn)有相關研究的有益補充。

1 文獻綜述

1.1 戰(zhàn)略慣性影響因素

隨著市場競爭日益激烈，產(chǎn)品生命周期縮短，靈活“掉頭”的能力對于企業(yè)獲取可持續(xù)性競爭優(yōu)勢至關重要。已有文獻從結構、資源、慣例和高管特征4個角度對一般企業(yè)戰(zhàn)略慣性成因進行研究。

第一，隨著企業(yè)發(fā)展成長，會產(chǎn)生累贅結構約束［16］，包括復雜的溝通渠道和冗長的決策程序，進而阻礙風險性變革發(fā)生。第二，慣性的另一個來源可能是企業(yè)現(xiàn)有資源存量。已有資源可能導致路徑依賴，企業(yè)傾向于投資已有資源，而不是尋找新資源［17］。第三，慣例及成功經(jīng)驗是戰(zhàn)略慣性的又一來源。公司發(fā)展歷史能夠塑造管理信念和慣例，導致決策者傾向于投資促使先前成功的活動［18］。

戰(zhàn)略慣性的最后一個來源為高管特征。大多數(shù)新創(chuàng)企業(yè)創(chuàng)始人與CEO為同一人，相較于其他高管，CEO對其所在企業(yè)（特別是新創(chuàng)企業(yè)）具有支配性影響［4］，因而本文重點關注CEO特征對于新創(chuàng)企業(yè)戰(zhàn)略慣性的影響?，F(xiàn)有研究發(fā)現(xiàn)，CEO性別、年齡、學歷、報酬、話語權、經(jīng)歷以及社會關系均會導致戰(zhàn)略慣性。在性別方面，相較于男性高管，女性CEO會表現(xiàn)出更多風險厭惡，也更愿意實施穩(wěn)妥的企業(yè)戰(zhàn)略［19］。在年齡方面，一方面，年長CEO出于財務安全考慮會采取保守化經(jīng)營策略，而年輕CEO為證明自身能力傾向于采取積極的經(jīng)營策略；另一方面，相較于年長CEO，年輕CEO可能因難以承受決策失誤的后果而更加保守［20］。在學歷方面，教育能夠增加CEO信息量和技能存量，包括識別創(chuàng)新機會所需的信息和技能，而戰(zhàn)略調整是要求個體掌握的知識達到一定水平，并實現(xiàn)新舊知識交換、吸收和融合的過程，CEO學歷越高，企業(yè)戰(zhàn)略慣性產(chǎn)生的可能性越小（王玨、祝繼高，2018）。在報酬方面，持股比例與薪酬水平會影響戰(zhàn)略慣性。例如，當高管持股比例過高時會表現(xiàn)出風險厭惡，進而放棄高回報但具有一定風險的經(jīng)營行為，導致戰(zhàn)略固化［10，12］。董靜等［21］基于行為代理理論研究發(fā)現(xiàn)，CEO的超額薪酬水平與戰(zhàn)略變革間呈現(xiàn)倒U型關系；CEO話語權與其預期結果實現(xiàn)的可能性正相關，缺少足夠權利的CEO戰(zhàn)略更新能力有限，進而可能表現(xiàn)出戰(zhàn)略慣性。此外，高管經(jīng)歷也會對企業(yè)戰(zhàn)略慣性產(chǎn)生影響。相較于本土高管，擁有海外背景的高管具備跨文化交流能力，更了解、接受文化差異［8］，有助于消除戰(zhàn)略變革過程中因文化與價值觀差異帶來的沖突。具有學術經(jīng)歷的高管出于個人聲譽的考慮會更關注企業(yè)決策帶來的經(jīng)濟后果，并盡可能地避免冒險行為［22］。職業(yè)經(jīng)歷豐富的高管對風險活動的認知深刻，有能力識別并推動對企業(yè)有利但風險較高的戰(zhàn)略變革，從而避免企業(yè)戰(zhàn)略僵化［9］。高管社會關系能夠影響企業(yè)戰(zhàn)略慣性，一方面，具有廣泛社會關系的高管在企業(yè)戰(zhàn)略轉型時能夠通過社會網(wǎng)絡獲取更多資源支持；另一方面，廣泛社會關系帶來的網(wǎng)絡惰性導致高管難以獲取新的信息或機會［5］，進而表現(xiàn)出戰(zhàn)略慣性。

1.2 機器學習與高管特征

目前，機器學習在工商管理研究領域受到越來越多的學者關注。據(jù)筆者了解，盡管尚未有學者采用機器學習方法對戰(zhàn)略慣性進行研究，但在無監(jiān)督學習領域（unsupervised learning）和有監(jiān)督學習領域（supervised learning），已有學者將機器學習應用于高管行為與特征研究。

在無監(jiān)督學習領域，采用機器學習方法可以構建難以直接觀測或衡量的變量。例如，胡楠等（2021）采用機器學習方法對企業(yè)年報進行數(shù)據(jù)挖掘，構建管理者短視主義這一指標，并分析其對企業(yè)長期投資的影響；Gow等［23］基于電話會議記錄采用機器學習方法對CEO大五人格進行測量，并進一步研究CEO大五人格對公司投融資選擇和經(jīng)營業(yè)績的影響。總體而言，將機器學習方法應用于無監(jiān)督學習研究領域，能夠豐富高管特征研究。

在有監(jiān)督學習領域，采用機器學習方法的主要目標是為了解決從特征變量（x）到結果變量（y）的預測問題。與傳統(tǒng)線性回歸模型相比，機器學習模型能夠處理變量間更加復雜的非線性和交互關系，達到更好的擬合效果［12，24］。近年來，比較典型的研究成果如陸瑤等［12］采用Boosting回歸樹方法分析高管特征與公司業(yè)績的關聯(lián)性；劉斌等［25］采用機器學習方法對董事會成員內(nèi)部控制維度下的專業(yè)勝任能力進行預測，并進一步分析專業(yè)勝任能力對企業(yè)內(nèi)部控制水平的影響。簡而言之，將機器學習方法應用于有監(jiān)督學習研究領域能夠提升傳統(tǒng)方法的預測精度，在高管特征方面的應用具有廣闊的探索空間。

1.3 文獻評述

（1）大量研究揭示了一般企業(yè)戰(zhàn)略慣性成因，但結論可能不適用于新創(chuàng)企業(yè)。在結構方面，大多數(shù)新創(chuàng)企業(yè)規(guī)模較小，結構層次有限［1］；在資源方面，大多數(shù)新創(chuàng)企業(yè)缺乏資源［1］；在慣例與成功經(jīng)驗方面，新創(chuàng)企業(yè)沒有成功和失敗的歷史，不受慣例約束［26］。因此，結構觀、資源觀和慣例觀并不能系統(tǒng)地解釋新創(chuàng)企業(yè)戰(zhàn)略慣性成因，但CEO特征可能成為新創(chuàng)企業(yè)戰(zhàn)略慣性成因。盡管現(xiàn)有研究成果頗豐，但新創(chuàng)企業(yè)面臨更多不確定性、信息不對稱性和資金約束［13］，因而會限制CEO主觀能動性的發(fā)揮。同時，新創(chuàng)企業(yè)難以承受戰(zhàn)略變革成本和風險。因此，以往相關研究結論是否適用于新創(chuàng)企業(yè)有待進一步檢驗。

（2）以往CEO特征研究主要圍繞某一個人特質，探討其對戰(zhàn)略慣性的影響，缺少全面比較CEO特征相對重要性的研究。此外，我國獨特的制度文化環(huán)境下，直接套用國外相關研究結論不具有可操作性［12］，因而需要綜合考慮CEO特征對我國公司戰(zhàn)略慣性的影響。

（3） 現(xiàn)有CEO特征與企業(yè)戰(zhàn)略慣性研究結論常常大相徑庭，部分原因在于戰(zhàn)略變革具有動態(tài)性和復雜性，而常用回歸方法僅關注單一變量對因變量的凈效應，對多個變量的聯(lián)合效應關注不足。其基本假設是自變量相互獨立，呈現(xiàn)因果對稱性和單向線性關系，變量間的三重交互已達到回歸方法邊界（程聰，賈良定，2016），而戰(zhàn)略調整具有動態(tài)性和復雜性［14，15］。因此，采用傳統(tǒng)回歸方法得到的研究結論無論是在解釋、預測還是指導戰(zhàn)略實踐上不可避免地出現(xiàn)一定程度的無力感。事實上，Rajagopalan ＆ Spreitzer［27］早就呼吁未來研究者應綜合考慮環(huán)境、組織和管理者因素間交互對企業(yè)戰(zhàn)略更新的影響，但受限于研究方法，學界對上述問題的研究遲遲沒有進展。

本文在已有研究的基礎上，采用機器學習中C4.5決策樹算法研究新創(chuàng)企業(yè)戰(zhàn)略慣性問題，從整體視角探究環(huán)境、組織和CEO特征間聯(lián)合效應對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響。

2 數(shù)據(jù)來源與變量說明

2.1 數(shù)據(jù)來源

本文選取2009—2019年新創(chuàng)企業(yè)上市公司數(shù)據(jù)，其中CEO特征及相關行業(yè)特征數(shù)據(jù)來源于國泰安（CSMAR）數(shù)據(jù)庫，戰(zhàn)略慣性相關數(shù)據(jù)來源于萬德（WIND）數(shù)據(jù)庫。參考吳偉偉［13］的研究成果，以經(jīng)營年限小于12年為新創(chuàng)企業(yè)識別標準，數(shù)據(jù)獲取時間跨度為2009—2019年。剔除缺失數(shù)據(jù)后，得到1 344個樣本。其中，使用R語言完成數(shù)據(jù)預處理，使用Weka軟件（3.9.5）中的J48分類器完成數(shù)據(jù)分析。

2.2 變量說明

戰(zhàn)略慣性一般根據(jù)前一年與后一年業(yè)務多元化程度變化幅度加以測量［7，28］，相關指標包括收入熵指數(shù)［7］、赫芬達爾指數(shù)（鄧新明等，2021）。本文選擇赫芬達爾指數(shù)衡量業(yè)務多元化程度，原因如下：在計算前后兩年業(yè)務多元化程度變化幅度時，收入熵指數(shù)無法準確測量，最終戰(zhàn)略慣性指數(shù)計算公式如下：

HHIt－HHIt－1∕HHIt－1（1）

考慮到戰(zhàn)略慣性指數(shù)中有超過38%的樣本取值為0，本文對因變量進行離散化處理［29］，以此降低噪音［30］并提高模型的可解釋性［31］。

CEO多維個人特征為本文核心變量，結合現(xiàn)有研究成果以及數(shù)據(jù)可得性進行相關變量選取。在文獻綜述部分，將CEO特征分為基本特征與個性特征?？紤]到數(shù)據(jù)可得性，本文主要選取CEO基本特征的相關變量，包括CEO性別、年齡、學歷、收入、持股數(shù)量、是否兼任董事長、職業(yè)經(jīng)歷、海外背景、學術背景、金融背景和兼職情況。此外，張明等（2019）發(fā)現(xiàn)，高管特征對戰(zhàn)略變革的影響并不是單一和對稱的，高管特征與組織外部環(huán)境及內(nèi)部因素具有較強的交互性?；诖耍疚慕Y合現(xiàn)有文獻［7，8，22］，選取年份、企業(yè)所有權、前期資產(chǎn)收益率、個股勒納指數(shù)和行業(yè)勒納指數(shù)構建基準模型，從整體視角研究新創(chuàng)企業(yè)戰(zhàn)略慣性成因，上述變量具體定義見表1。

由相關系數(shù)可以看出（見表2），預測變量與被預測變量（Cat.Inertia）間的相關系數(shù)較小，均小于0.2，說明新創(chuàng)企業(yè)戰(zhàn)略慣性成因可能具有非對稱、多維度等非線性特點。相較于傳統(tǒng)回歸模型，C4.5決策樹模型更善于處理變量間的復雜聯(lián)系。

從因果推斷視角出發(fā)，上述變量間可能存在內(nèi)生性問題，導致解釋性模型中參數(shù)估計有偏。由此，本文采用預測性建模關注變量間的相關性，預測結果不受變量間內(nèi)生性問題的影響［12］。

3 研究方法與模型構建

3.1 C4.5決策樹

本文采用機器學習算法C4.5決策樹，該算法是由CLS和ID3算法發(fā)展而來［32］，基本思想是通過特征值劃分預測結果變量。本文選擇C4.5決策樹算法作為研究方法，主要原因如下：首先，在眾多機器學習算法中，C4.5決策樹模型的可解釋性較強。與隨機森林、神經(jīng)網(wǎng)絡、支持向量機等“黑箱算法”不同，C4.5決策樹可以通過繪制樹狀圖進一步挖掘模型背后的管理學內(nèi)涵。其次，C4.5決策樹算法的分類準確率較高，具有建模方便、可解釋性較強、不受離群值及變量單調變化影響等優(yōu)點［12］。最后，決策樹具有變量篩選功能，能夠自動識別并剔除不相關變量。

3.2 模型構建

首先，本文對被預測變量戰(zhàn)略慣性（Cat.Inertia）進行均衡化處理，構建包含外部環(huán)境和企業(yè)內(nèi)部特征的基準模型，以及包含所有特征的全模型（見表3）。其次，在參數(shù)設定方面，C4.5決策樹模型參數(shù)設置主要涉及葉子節(jié)點覆蓋樣本量的最小值，該參數(shù)涉及模型泛化能力與分類準確率間的權衡?；跇颖緮?shù)，本文將葉子節(jié)點覆蓋樣本量的最小值設置為30，以確保生成的決策樹具有較高的泛化能力與預測精度。最后，在預測方法選取上，本文選擇的預測方法為十折交叉［33］。相較于隨機劃分訓練集與測試集的方法，十折交叉的預測結果較少受劃分隨機性干擾，結果可重復性強。

4 實證檢驗與結果分析

4.1 實證結果

表4為基準模型與全模型中的模型訓練準確率（Train）及預測準確率（Cv10）。其中，訓練準確率能夠反映模型對數(shù)據(jù)集的分類能力，預測準確率以十折交叉的準確率均值表示，能夠反映模型對戰(zhàn)略慣性的預測能力。通過分析發(fā)現(xiàn)，相較于基準模型，全模型在訓練表現(xiàn)和預測表現(xiàn)方面有所提升，以此判斷CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性預測的貢獻。同時，將C4.5決策樹與傳統(tǒng)邏輯回歸進行對比，探求相較于傳統(tǒng)邏輯回歸方法，C4.5決策樹能夠在多大程度上提升模型預測能力。

從表4可以看出：首先，基于C4.5決策樹的機器學習方法能夠較好地預測新創(chuàng)企業(yè)戰(zhàn)略慣性，基準模型和全模型均具有較高的預測準確率。其中，模型訓練準確率分別為70.98%和75.00%，十折交叉下的預測準確率分別為65.10%和68.97%，說明本文選取的CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性具有不錯的預測效果。其次，相較于傳統(tǒng)邏輯回歸方法，C4.5決策樹能夠較大程度地提高模型預測準確率。相較邏輯回歸，其在基準模型中的準確率分別提升9.60%和5.20 %，在全模型中分別提升13.76%和9.67%，說明C4.5決策樹更適合處理復雜預測問題。

此外，CEO特征對于新創(chuàng)企業(yè)戰(zhàn)略慣性預測具有顯著貢獻。加入CEO特征后，模型訓練準確率和測試準確率分別提升4.02%、3.87%，說明CEO特征能夠在一定程度上預測新創(chuàng)企業(yè)戰(zhàn)略慣性。

最后，在邏輯回歸中加入CEO特征后，全模型準確率有所降低，說明CEO特征對于戰(zhàn)略慣性的影響可能具有非線性特點，因而選擇C4.5決策模型對變量間關系進行分析更為合適。

4.2 CEO特征相對重要性分析

由表5可知各變量對新創(chuàng)企業(yè)戰(zhàn)略慣性預測的相對重要性，在CEO特征后面標注*號以便區(qū)分。采用各變量劃分數(shù)據(jù)集后的信息增益率，衡量變量相對重要性。本文對十折交叉后的信息增益率均值進行歸一化處理得到表5。由表5可以看出，在眾多特征中，CEO特征的重要性總計為0.63，較公司和環(huán)境特征（0.37）高出0.26。可見，CEO特征對于新創(chuàng)企業(yè)戰(zhàn)略慣性預測具有重要貢獻。在眾多CEO特征中，CEO學歷、持股比例和收入較為關鍵，主要反映CEO的風險偏好；CEO年齡、CE0董事長兼任和職業(yè)經(jīng)歷多樣性對新創(chuàng)企業(yè)戰(zhàn)略慣性預測的貢獻較低，主要反映CEO工作技能積累［12］；CEO學術背景、性別、是否兼職、海外經(jīng)歷和金融背景對于新創(chuàng)企業(yè)戰(zhàn)略慣性預測無貢獻，主要反映CEO外部資源積累［12］。對于新創(chuàng)企業(yè)而言，CEO風險偏好對戰(zhàn)略慣性的影響大于CEO工作技能積累和外部資源積累。例如，CEO可能因害怕失去或知識存量受限而避免冒險，傾向于維持現(xiàn)有戰(zhàn)略。

4.3 戰(zhàn)略慣性影響機制決策樹

在大多數(shù)問題中，最優(yōu)交互深度均較低［34］。參照陸瑤等［12］的研究成果，本文繪制交互深度為6且分類準確率大于60%節(jié)點的決策樹圖。在圖1中，葉節(jié)點中的0代表該節(jié)點分類為“無慣性”，1代表分類為“有慣性”，后面的（a/b）表示該葉節(jié)點共包含a個樣本，其中不支持葉節(jié)點分類的樣本有b個。例如，1（38/3）表示該葉節(jié)點類別為“有慣性”，葉節(jié)點共包含38個樣本，其中3個樣本的實際類別為“無慣性”。顏色越深代表該葉子節(jié)點“有慣性”樣本的比例越大。

基于決策樹圖1，可以得到以下13條規(guī)則：

規(guī)則1：當企業(yè)性質為國有企業(yè)，CEO收入大于13.6時，企業(yè)無慣性。

這一發(fā)現(xiàn)符合代理理論與行為理論的觀點。一方面，代理問題導致國有企業(yè)CEO低估戰(zhàn)略調整風險；另一方面，行為理論將CEO視為風險厭惡者［11］，薪酬較高的CEO出于收入考慮會主動進行戰(zhàn)略調整，持續(xù)創(chuàng)造價值。

規(guī)則2：當企業(yè)性質為國有企業(yè)，CEO收入小于等于13.64且行業(yè)勒納指數(shù)大于0.24時，企業(yè)有慣性。

不思進取的CEO導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性?；诩罾碚摚瑧?zhàn)略調整具有風險性，而收入較少的CEO缺乏動力進行戰(zhàn)略調整，表現(xiàn)為不思進取。此外，競爭相對緩和的外部環(huán)境也使CEO缺乏戰(zhàn)略調整動機。

規(guī)則3：當企業(yè)性質為國有企業(yè)，CEO收入小于等于13.64，行業(yè)納指數(shù)小于等于0.24，個股勒納數(shù)大于0.05時，企業(yè)無慣性。

這類CEO具有居安思危的特點。國有企業(yè)CEO通常由政府任命，企業(yè)發(fā)展狀況與其政治前景相關［35］，出于對自身發(fā)展前景的考慮，CEO會評估和預測企業(yè)面臨的威脅，從而制定應對戰(zhàn)略。同時，領先的行業(yè)地位以及與政府天然的政治關聯(lián)能夠為其戰(zhàn)略調整提供保障。

規(guī)則4：當企業(yè)性質為國有企業(yè)，CEO收入小于等于13.64，個股勒納指數(shù)小于等于0.05，行業(yè)勒納指數(shù)介于0.06～0.24之間時，企業(yè)無慣性。

這類CEO具有窮則思變的特點。在競爭尚未白熱化的行業(yè)中，CEO出于自身發(fā)展前景的考慮會通過戰(zhàn)略調整促進企業(yè)發(fā)展，憑借與政府的政治關聯(lián)獲取一定的政策支持，進而克服因弱勢行業(yè)地位帶來的資源困境。

規(guī)則5：當企業(yè)性質為國有企業(yè)，CEO收入小于等于13.64，個股勒納指數(shù)小于等于0.05，行業(yè)勒納指數(shù)小于等于0.06時，企業(yè)有慣性。

束手就縛的CEO導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性。基于窮則思變的戰(zhàn)略調整并不總能有效，在競爭異常激烈的行業(yè)中，弱勢企業(yè)CEO難以實現(xiàn)突圍。此時，CEO可能將其不利處境歸咎于“因承擔社會任務而無法在高度競爭行業(yè)中占據(jù)一席之地”。“多余動作”（如戰(zhàn)略調整）可能降低信息不對稱程度，削弱政府補助力度，甚至可能使CEO承擔其本可推卸的責任（宋鐵波等，2019）。因此，CEO會選擇束手就縛。

規(guī)則6：當企業(yè)性質為民營企業(yè)，CEO持股比例大于0.44時，企業(yè)有慣性。

“糖多壞齒”的CEO導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性。行為理論認為，CEO追求損失最小化，持股比例與其風險厭惡程度正相關。過高的持股比例會損害CEO的企業(yè)家精神，CEO可能采取穩(wěn)健經(jīng)營方式以保護自身既得利益，這一現(xiàn)象被稱為壕溝防守效應［10–12］。

規(guī)則7：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，行業(yè)勒納指數(shù)小于等于0.04時，企業(yè)無慣性。

當民營企業(yè)處于激烈的行業(yè)競爭時，難以像國有企業(yè)一樣獲得政策或經(jīng)濟支持，面臨不變等死的處境。持股比例較低的CEO具有一定的冒險精神，愿意通過戰(zhàn)略調整帶領企業(yè)走出困境。

規(guī)則8：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，行業(yè)勒納指數(shù)介于0.04～0.11之間，CEO年齡小于等于3.61時，企業(yè)無慣性。

規(guī)則9：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，行業(yè)勒納指數(shù)介于0.04～0.11之間，CEO年齡大于3.61時，企業(yè)具有慣性。

拘泥守舊的CEO會導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性?；诠芾硇盘柪碚摚?0］，在競爭尚未白熱化的行業(yè)中，年輕CEO試圖通過積極的經(jīng)營戰(zhàn)略向市場傳遞信號，以證明自身是具有卓越能力的管理者。相比之下，年長CEO不愿意輕易改變企業(yè)戰(zhàn)略，出于財務安全和職業(yè)安全的考慮，他們更加愿意維持穩(wěn)定。

規(guī)則10：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，行業(yè)勒納指數(shù)大于0.11，上期資產(chǎn)收益小于等于0.02時，企業(yè)無慣性。

組織適應理論認為，較低的企業(yè)績效會引發(fā)戰(zhàn)略變革，因為戰(zhàn)略變革是績效好轉的必要條件。此外，面臨經(jīng)營困境的民營企業(yè)迫切需要釋放戰(zhàn)略變革信號，以獲取外部資源支持。當市場競爭相對緩和時，具備風險承擔能力的CEO更有動力通過戰(zhàn)略調整將企業(yè)做大做強。

剩余3個葉子節(jié)點可以合并整理為：

規(guī)則11：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，資產(chǎn)收益大于0.02，行業(yè)勒納指數(shù)大于0.2時，企業(yè)有慣性（無論CEO職業(yè)經(jīng)歷如何）。

偏安一隅的CEO導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性。當市場競爭程度下降且企業(yè)經(jīng)營績效尚可時，CEO缺乏戰(zhàn)略變革動力，進而選擇偏安一隅，傾向于維持穩(wěn)定。

規(guī)則12：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，資產(chǎn)收益大于0.02，行業(yè)勒納指數(shù)介于0.11～0.2之間時，若CEO職業(yè)經(jīng)歷多樣性小于等于2，則企業(yè)無慣性。

規(guī)則13：當企業(yè)性質為民營企業(yè)，CEO持股比例小于等于0.44，資產(chǎn)收益大于0.02，行業(yè)勒納指數(shù)介于0.11～0.2之間時，若CEO職業(yè)經(jīng)歷多樣性大于2，則企業(yè)有慣性。

久經(jīng)世故的CEO導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性。相較于職業(yè)經(jīng)歷較少的CEO，具有豐富職業(yè)經(jīng)歷的CEO擁有過人的膽識與豐富的職業(yè)經(jīng)歷。當企業(yè)生存空間被壓縮時，具有豐富職業(yè)經(jīng)歷的CEO對風險容忍度較高［9］，會將一定程度的競爭視作常態(tài)，因而不愿意耗費精力與資源進行戰(zhàn)略調整。相比之下，職業(yè)經(jīng)歷較少的CEO會在行業(yè)競爭尚未白熱化前及時進行戰(zhàn)略調整。

整體來看，新創(chuàng)企業(yè)戰(zhàn)略慣性成因存在殊途同歸現(xiàn)象，6種規(guī)則（規(guī)則2、5、6、9、11、13）均會導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性。此外，環(huán)境生存壓力對民營企業(yè)戰(zhàn)略調整的推動力大于國有企業(yè)，當競爭異常激烈時，行業(yè)地位相對弱勢的國有企業(yè)具有戰(zhàn)略慣性。由于企業(yè)性質差異，薪酬與股權這兩種常見激勵機制發(fā)揮的作用不同，行為理論將CEO視為風險厭惡者，新創(chuàng)民營企業(yè)CEO會因與企業(yè)利益高度趨同（高持股）表現(xiàn)出戰(zhàn)略慣性。在新創(chuàng)國有企業(yè)中，代理問題與國有企業(yè)的固有屬性使得CEO與企業(yè)利益難以趨同，因而高收入CEO可能出于對收入下滑的厭惡而主動進行戰(zhàn)略調整。

5 穩(wěn)健性檢驗

5.1 更換參數(shù)

C4.5決策樹模型主要涉及葉子節(jié)點最小樣本數(shù)（M）的參數(shù)設置，本文進一步嘗試計算其它M值設定下的模型訓練準確率和預測準確率。如果模型準確率對參數(shù)設定較為敏感，或與不同參數(shù)設置下的平均水平差距較大，則說明本文設置的參數(shù)不具有代表性。

由表6可以看出，在“M=30”設定下的模型精度與不同參數(shù)設置下的平均值無顯著差距，CEO特征對預測準確率提升的貢獻程度略高于平均水平但不超過2%。綜上可知，本文基本結論具有穩(wěn)健性。

5.2 剔除分類閾值邊緣樣本

先前戰(zhàn)略慣性（Inertia是否為0）的分類方法可能導致模型預測精度受處于分類閾值邊緣樣本的干擾，本文將0～0.928（均值）間的樣本剔除，共剔除492個樣本，占總樣本的36.63%，觀察剔除部分樣本后模型在訓練集與測試集中的表現(xiàn)，同樣在訓練集中對因變量進行均衡化處理，葉子節(jié)點最小樣本數(shù)等比縮小為20。

由表7可以看出，在剔除分類閾值邊緣樣本后，模型訓練準確率和預測準確率均具有一定程度的提升，而且主要體現(xiàn)在基準模型中。在全模型中，準確率提升程度不大，其中預測準確率提升不足1%。此外，剔除部分樣本后，CEO特征對模型預測準確率的貢獻有所下降（2.94VS4.02，0.94VS3.87），說明閾值邊緣樣本并未對研究結果產(chǎn)生明顯干擾。綜上可知，本文基本結論具有穩(wěn)健性。

5.3 更換機器學習算法

在預測方面，決策樹被認為是一種弱學習器，單獨使用可能得不到精確的結果［12］。以決策樹為基礎分類器的集成算法（隨機森林和AdaBoost）具有穩(wěn)定性，如果更換機器學習算法后，基于CEO特征對新創(chuàng)企業(yè)戰(zhàn)略慣性進行預測的準確率明顯下降，則說明本文結論不具有穩(wěn)健性。表8結果顯示，更換機器學習算法后，CEO特征仍然能夠在較大程度上預測新創(chuàng)企業(yè)戰(zhàn)略慣性。在隨機森林和AdaBoost算法中，加入CEO特征后，訓練準確率提升幅度分別為8.56%和11.64%，預測準確率提升幅度分別為7.22%和10.04%，說明CEO特征能夠在一定程度上預測新創(chuàng)企業(yè)戰(zhàn)略慣性。綜上可知，本文基本結論具有穩(wěn)健性。

6 結語

6.1 結論

以往研究主要關注CEO特征對一般企業(yè)戰(zhàn)略慣性的影響，較少關注相關研究結論對新創(chuàng)企業(yè)的適用性，更缺乏預測角度下CEO特征與新創(chuàng)企業(yè)戰(zhàn)略慣性間的定量研究。本文采用機器學習中的C4.5決策樹算法，考察CEO多維特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響及作用機制，得到以下主要結論：

（1）對于新創(chuàng)企業(yè)戰(zhàn)略慣性，基于CEO多維特征構建的C4.5決策樹具有一定的預測能力。

（2）在諸多CEO特征中，CEO學歷、持股比例和收入是新創(chuàng)企業(yè)戰(zhàn)略慣性預測的3個關鍵指標。

（3）CEO特征與企業(yè)內(nèi)外部環(huán)境之間的6種交互均會導致新創(chuàng)企業(yè)產(chǎn)生戰(zhàn)略慣性，即殊途同歸。

6.2 政策建議

（1）應充分認識到薪酬激勵與股權激勵的異質性。在競爭激烈的行業(yè)中，為保持新創(chuàng)民營企業(yè)靈活的“掉頭”能力，CEO持股比例最好不超過44%，從而避免產(chǎn)生“壕溝”防守效應。在新創(chuàng)國有企業(yè)中，董事會可考慮給予CEO更高的薪酬，以此激勵CEO通過戰(zhàn)略調整為企業(yè)創(chuàng)造價值。

（2）對于新創(chuàng)民營企業(yè)而言，在競爭尚未白熱化的行業(yè)中，為維持自身敏捷性，除控制CEO持股比例外，還應意識到CEO的精力與認知也會影響企業(yè)戰(zhàn)略慣性。因此，在選聘CEO時，可優(yōu)先考慮精力充沛的年輕CEO，以提升企業(yè)動態(tài)調整能力。

（3）對于處在競爭白熱化行業(yè)中的新創(chuàng)國有企業(yè)而言，政府在提供資金或政策扶持的同時，要加強溝通交流，給予CEO充分信任，鼓勵CEO大膽嘗試，使其更多地依靠自身能力將企業(yè)做大做強。

6.3 不足與展望

本研究存在以下不足之處：首先，受數(shù)據(jù)可得性的影響，主要考察CEO基本特征對新創(chuàng)企業(yè)戰(zhàn)略慣性的影響，未來研究可進一步考慮CEO個性特征（如大五人格等）的影響機制。其次，新創(chuàng)企業(yè)戰(zhàn)略慣性不一定是公司發(fā)展的“苦藥”，還可能幫助新創(chuàng)企業(yè)降本增效，提升企業(yè)凝聚力。因此，不必視新創(chuàng)企業(yè)戰(zhàn)略慣性為洪水猛獸。那么在何種情境下戰(zhàn)略慣性可以成為公司發(fā)展動力，這一問題值得深入研究。最后，盡管新創(chuàng)企業(yè)戰(zhàn)略慣性成因存在殊途同歸現(xiàn)象，但殊途同歸并不意味著殊途同效。未來可進一步研究不同類型戰(zhàn)略慣性成因可能帶來的后果。

參考文獻：

［1］ ZUZUL T， TRIPSAS M.Start-up inertia versus flexibility：the role of founder identity in a nascent industry［J］.Administrative Science Quarterly， 2020， 65（2）：395-433.

［2］ BREMNER R P， EISENHARDT K? M.Experimentation， bottlenecks， and organizational form：Innovation and growth in the nascent drone industry.［J］.Working paper， Stanford University， 2018：60.

［3］ MCDONALD R M， EISENHARDT K M.Parallel play：startups， nascent markets， and effective business-model design［J］.Administrative Science Quarterly， 2020， 65（2）：483-523.

［4］ NADKARNI S， HERRMANN P.CEO personality， strategic flexibility， and firm performance：the case of the indian business process outsourcing industry［J］.Academy of Management Journal， 2010， 53（5）：1050-1073.

［5］ LI J J， POPPO L， ZHOU K Z.Do managerial ties in China always produce value？ competition， uncertainty， and domestic vs.foreign firms［J］.Strategic Management Journal， 2008， 29（4）：383-400.

［6］ RAJAGOPALAN N， SPREITZER G M.Toward a theory of strategic change：a multi-lens perspective and integrative framework［J］.Academy of Management Review， 1997， 22（1）： 48-79.

［7］ 連燕玲， 賀小剛.CEO開放性特征、戰(zhàn)略慣性和組織績效——基于中國上市公司的實證分析［J］.管理科學學報， 2015， 18（1）：1-19.

［8］ 周中勝， 賀超， 韓燕蘭.高管海外經(jīng)歷與企業(yè)并購績效：基于“海歸”高管跨文化整合優(yōu)勢的視角［J］.會計研究， 2020（8）：64-76.

［9］ 何瑛， 于文蕾， 楊棉之.CEO復合型職業(yè)經(jīng)歷、企業(yè)風險承擔與企業(yè)價值［J］.中國工業(yè)經(jīng)濟， 2019，36（9）：155-173.

［10］ KIM E H， LU Y.CEO ownership， external governance， and risk-taking［J］.Journal of Financial Economics， 2011， 102（2）：272-292.

［11］ 劉孟飛.銀行高管薪酬與風險承擔［J］.經(jīng)濟管理， 2020， 42（12）：132-150.

［12］ 陸瑤， 張葉青， 黎波， 等.高管個人特征與公司業(yè)績——基于機器學習的經(jīng)驗證據(jù)［J］.管理科學學報， 2020， 23（2）：120-140.

［13］ 吳偉偉， 張?zhí)煲?非研發(fā)補貼與研發(fā)補貼對新創(chuàng)企業(yè)創(chuàng)新產(chǎn)出的非對稱影響研究［J］.管理世界， 2021， 37（3）：137-160，10.

［14］ HININGS C.The dynamics of strategic change［M］.Oxford； New York：Blackwell Pub， 1988.

［15］ 藍海林， 張明， 宋鐵波.“摸著石頭過河”：動態(tài)與復雜環(huán)境下企業(yè)戰(zhàn)略管理的新詮釋［J］.管理學報， 2019， 16（3）：317-324.

［16］ HANNAN M T， FREEMAN J.Structural inertia and organizational change.［J］.American Sociological Review， 1984， 49：149-164.

［17］ GREVE H R.Positional rigidity：low performance and resource acquisition in large and small firms.［J］.Strategic Management Journal， 2011， 32（1）：103-114.

［18］ SORENSEN J B， STUART T E.Aging， obsolescence， and organizational innovation［J］.Administrative Science Quarterly， 2000， 45（1）：81-112.

［19］ FACCIO M， MARCHICA M T， MURA R.Large shareholder diversification and corporate risk-taking［J］.Review of Financial Studies， 2011， 24（11）：3601-3641.

［20］ SERFLING M A.CEO age and the riskiness of corporate policies［J］.Journal of Corporate Finance， 2014， 25：251-273.

［21］ 董靜， 鄧浩然， 趙國振.CEO超額薪酬與戰(zhàn)略變革——基于行為代理理論的研究［J］.經(jīng)濟管理， 2020， 42（10）：137-155.

［22］ 魯桂華， 潘柳蕓.高管學術經(jīng)歷影響股價崩盤風險嗎［J］.管理評論， 2021， 33（4）：259-270.

［23］ GOW I D， KAPLAN S N， LARCKER D F， et al.CEO personality and firm policies［R］.National Bureau of Economic Research， 2016.

［24］ MULLAINATHAN S， SPIESS J.Machine learning：an applied econometric approach［J］.Journal of Economic Perspectives， 2017， 31（2）：87-106.

［25］ 劉斌， 遲健心， 季侃.董事會“內(nèi)部控制專業(yè)勝任能力”重要嗎——基于文本分析和機器學習的經(jīng)驗證據(jù)［J/OL］.南開管理評論：1-22［2023-06-21］.http：//kns.cnki.net/kcms/detail/12.1288.f.20211112.0905.002.html.

［26］ BAKER T， MINER A S， EESLEY D T.Improvising firms：bricolage， account giving and improvisational competencies in the founding process［J］.Research Policy， 2003， 32（2）：255-276.

［27］ RAJAGOPALAN N， SPREITZER G M.Towards a theory of strategic change：a multi-lens perspective and integrative framework［C］//Academy of management proceedings. Briarcliff Manor， NY 10510： Academy of Management， 1996，1996（1）：51-55.

［28］ 曾春華， 楊興全.多元化經(jīng)營、財務杠桿與過度投資［J］.審計與經(jīng)濟研究， 2012， 27（6）：83-91.

［29］ DECOSTER J， ISELIN A-M R， GALLUCCI M.A conceptual and empirical examination of justifications for dichotomization.［J］.Psychological Methods， 2009， 14（4）：349-366.

［30］ SAMBASIVAN N， KAPANIA S， HIGHFILL H， et al.Everyone wants to do the model work， not the data work：data cascades in high-stakes AI［C］//Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems.Yokohama Japan：ACM， 2021：1-15.

［31］ DECOSTER J， GALLUCCI M， ISELIN A-M R.Best Practices for using median splits， artificial categorization， and their continuous alternatives［J］.Journal of Experimental Psychopathology， 2011， 2（2）：197-209.

［32］ WU X， KUMAR V， ROSS QUINLAN J， et al.Top 10 algorithms in data mining［J］.Knowledge and Information Systems， 2008， 14（1）：1-37.

［33］ RODRIGUEZ J D， PEREZ A， LOZANO J A.Sensitivity analysis of k-fold cross validation in prediction error estimation［J］.IEEE Transactions on Pattern Analysis and Machine Intelligence， 2010， 32（3）：569-575.

［34］ HASTIE T， TIBSHIRANI R， FRIEDMAN J.The elements of statistical learning：data mining， inference， and prediction， second edition［M］.New York， NY：Springer， 2016.

［35］ 鄧娜.企業(yè)激勵機制與經(jīng)營績效的實證檢驗［J］.統(tǒng)計與決策， 2016，32（12）：183-185.

（責任編輯：張 悅）

英文標題Relationship between CEO Characteristics and Start-up's Strategic Inertia：Evidence from C4.5 Decision Tree

英文作者Chen Xiaolin1， Liu Yeshen2， Song Zhe2

英文作者單位（1.School of Marketing & Logistics Management， Nanjing University of Finance & Economics， Nanjing 210023，China；2.Business School ，Nanjing University， Nanjing 210093，China）

英文摘要Abstract：The existing views generally argue that large companies have inertia， while small companies have flexibility. In reality， however， some start-ups suffer from rapid failure due to strategic inertia （e.g.， OFO）. Unlike the sources of strategic inertia in mature firms， start-ups are not constrained by resource stocks， structural constraints， routines， or experiences of success or failure. The multiple factors that have influenced mature firms to generate strategic inertia cannot explain why start-ups have strategic inertia. CEO characteristics may be an important source of strategic inertia in start-ups. According to the upper echelon theory， a firm's business decisions and daily actions are influenced by the CEO， and the CEO's characteristics influence the final decisions and execution of the firm's actions. Previous studies on CEO characteristics and strategic inertia have not distinguished between general firms and start-ups which have special properties. Moreover， unlike mature firms， start-ups suffer from higher uncertainty， information asymmetry and financial constraints， which limit the exercise of CEO initiative， and it is difficult for start-ups to bear the costs and risks of strategic change. Therefore， it needs further investigation if the findings of previous studies on CEO characteristics and strategic inertia in mature firms are equally appropriate to explain the strategic inertia of start-ups.

In terms of research methods， the regression methods commonly used in existing studies usually center around the "net effect" of CEO characteristics on strategic inertia， and pay insufficient attention to the "joint effect" between multiple independent variables. Therefore， this study applies the C4.5 decision tree algorithm to study the influence of the "joint effect" of CEO characteristics and the internal and external environmental factors on the strategic inertia of start-ups， which helps to form a macro and systematic understanding of the causes of strategic inertia in start-ups. Moreover， previous studies mostly adopt explanatory modeling focusing on the causal inference between CEO characteristics and strategic inertia. However， the predictive nature of CEO characteristics on strategic inertia can also be examined. First， predictive analysis facilitates deeper excavation of the complex linkages behind variables and promotes the advancement of explanatory models and theories. Second， the predictive effect offers a new perspective to evaluate explanatory models， and it can evaluate the relative importance of each variable and test the relevance of previous theories to practice by measuring the degree of each variable's contribution to prediction accuracy. Finally， the degree of predictive capability can reflect the capability of theories to explain practical problems， and the predictive accuracy of explanatory models is directly proportional to the reliability of the theories on which they are based. Thus， this paper applies the C4.5 decision tree algorithm in machine learning to investigate the predictability of CEO characteristics for the strategic inertia of start-ups and explores the importance of different CEO characteristics in predicting strategic inertia.

This paper uses samples between 2009 and 2019 from China's listed companies with operating periods less than 12 years， and applies the C4.5 decision tree based on multidimensional CEO features to predict strategic inertia and investigate the influence mechanism. It is confirmed that the C4.5 decision tree can predict the strategic inertia of start-ups with promising accuracy; among multiple CEO characteristics， CEO education，share ratio and income are the three most important predictors of strategic inertia in start-ups; interactions among CEO characteristics， and the internal and external environment of the companies contribute to six different scenarios of strategic inertia. This paper not only studies the strategic inertia of start-ups from a systematic perspective but also provides inspiration for strategic management practices for start-ups.

The following policy recommendations are proposed. First， in a competitive industry， to maintain the flexible turnaround ability of private start-ups， the CEO should hold no more than 44% of the share ratio to avoid the "trench defense effect". In the case of state-owned start-ups， the board of directors or government departments can give the CEO a higher salary to stimulate the CEO's "loss aversion" mentality and motivate the CEO to create value through strategic adjustments. Second， for new private start-ups in moderately competitive industries， in order to maintain the flexibility of enterprises， young CEOs can be given priority under the same conditions when selecting and hiring CEOs. Finally， for state-owned start-ups in industries with cutthroat competition， the government should give full trust to the CEO and encourage the CEO to rely more on themselves to make breakthroughs in a highly competitive industry.

英文關鍵詞Key Words：Strategic Inertia; New Ventures;Machine Learning ;C4.5 Decision Tree；CEO Characteristics

收稿日期：2021-10-08? 修回日期：2022-02-28

基金項目：國家社會科學基金一般項目（19BGL081）；國家自然科學基金重點項目（72132003）

作者簡介：陳效林（1972-），男，江蘇淮安人，博士，南京財經(jīng)大學營銷與物流管理學院副教授，研究方向為創(chuàng)新管理、戰(zhàn)略管理；劉業(yè)深（1996-），男，江蘇南京人，南京大學商學院博士研究生，研究方向為創(chuàng)新管理、戰(zhàn)略管理；宋哲（1978-），男，江蘇揚州人，博士，南京大學商學院教授、博士生導師，研究方向為大數(shù)據(jù)分析、創(chuàng)新與創(chuàng)業(yè)管理。