研究速递 | 创业决策的科学方法：大规模复制与推广

在不确定的情况下，创业者应该如何做出决策？创业研究和实践表明，创业者往往不依赖于固定的惯例或方法来做出这些决定。例如，Bennett和Chatterji（2023）进行的一项全面的大规模调查显示，创业者往往没有采取哪怕是成本最低的步骤来发现他们的想法的真正价值。这表明了研究结构化方法的重要性，这些方法可以引导创业者提高其战略决策的质量。

在这种背景下，最近的一系列研究提出了科学决策方法的概念（Camuffo et al.，2020；Felin & Zenger，2017；Zellweger & Zenger，2023）。这种方法声称，一旦创业者发现了一个他们认为值得研究的问题，他们将从发展问题的理论和从该理论中逻辑地推导出的假设中受益。这种方法被称为“科学的”，因为它类似于科学家在研究中使用的探索方法。它利用了多种策略研究方式，包括那些强调问题框架、发现和制定重要性的策略研究（Nickerson & Zenger，2004）；心理表征在导航不确定环境中的作用（Felin et al.，2020）；以及实验和测试对减轻不确定性的重要性（Koning et al.，2022）。这种方法的主要目的是改进决策，因为它确保决策是基于对导致更高性能的偶然性的更准确的理解。

尽管这种方法很有前景，但经验证据有限。最近在创业文献中有一场激烈的辩论（Sergeeva et al.，2021；Zellweger & Zenger，2022）强调了两点有关问题。首先，科学方法的有效性尚不清楚，即使用这种方法的创业者是否“采取不同的行动，以及由此产生的结果是否更好”（Zellweger & Zenger，2022）。第二，科学的方法能否有效地传授给创业者，目前还没有足够的证据。

为了在整个创业过程中驾驭不确定性，创业研究最近开发了一种系统的方法，广泛地解决了创业者应该像科学家一样行事的想法（Camuffo et al.，2020；Zellweger & Zenger，2023）。创业决策的科学方法与问题框架、发现和制定的学术工作紧密结合在一起。通过理论化形成信念是创业者作为科学家方法的第一步，它涉及到参与有意识的认知努力来构建问题（Park & Baer，2022），并仔细地将其制定为概念结构（Baer et al.，2013；Zellweger & Zenger， 2022）。然后将理论转化为可测试的假设（Leatherbee & Katila，2020），并通过实验进行测试。这些实验引出的信号为假设提供了证据（Camuffo et al.，2020）。然后，根据贝叶斯更新过程，将这些信息整合到更新的信念中（Zellweger & Zenger，2023），引导创业者做出更明智的决定，决定是继续执行当前的计划，转向不同的商业模式，还是终止企业（Camuffo et al.，2020）。

采用科学方法进行创业决策的积极效应是由两种机制驱动的：高效搜索和有方法的怀疑。前一种机制是指科学创业者在寻求对某一特定的业务问题的解决方案时提高效率（Felin et al.，2020）。理论的发展有助于创业者清楚地阐明所针对问题的特征，一旦问题的关键维度明确了，潜在解决方案的特征就变得不那么模棱两可了。因此，基于理论的问题制定改变了寻求解决方案的方式，从“通过搜索”到“搜索”过程。它使决策者能够事先指定他们正在寻找的东西，并简化了通过所有选项循环的昂贵过程（Lippman & Rumelt，2003）。对于一个表述良好的问题的解决方案，可以更有效地进行测试，因为在这种条件下进行的实验提供的关于假设解决方案的有效性的噪声信号更少。

后一种机制指的是这样一个事实，即科学方法“灌输”给创业者一种对他们提出的问题和评估的解决方案有条理的怀疑。科学方法培养批判性思维，对比决策者的无意识倾向（Karni & Vier，2017），过度自信和忽视机会成本（Bennett & Chatterji，2023）。作为科学家的创业者“承认机会很难发现，因为创业者有理由怀疑他们看到的机会实际上是有价值的”（Zellweger & Zenger，2023）。换句话说，科学方法使创业者更有可能识别出可能降低其想法成功概率的突发事件。在这样做的过程中，它提高了创业者将想法视为有价值的门槛，这意味着他们只有在彻底的推理、令人信服的论点或一致的证据存在的情况下才会这样做。

我们参考Camuffo等人（2020）的方法进行干预。在每个随机对照试验中，我们通过简单的随机化将公司分配到实验组或对照组。我们还将实验组和对照组分成更小的班级，并随机分配给每个小组一位经验丰富的教练。由于四项随机对照试验是异步进行的，随着时间的推移，研究小组能够在基线调查中引入额外的相关维度。因此，在后期的随机对照试验中，可观察的列表更大。

所有三个培训项目的指导原则是向实验组和对照组的创业者教授相同的框架和技术，但向每一组教授使用这些框架和技术的不同方法。控制型创业者被教导以传统的方式应用它们，而被治疗型创业者被教导使用它们来发展理论和假设，检验后者，并评估结果。

两组之间的关键区别在于，实验组被教导按照科学的决策方法应用框架和技术，也就是说，通过发展问题的理论，并从逻辑上推导出假设，然后他们可以通过严格的实验或等效的方法进行测试，根据收集到的证据修改他们的信念。相反，控制组可以自由地以他们认为最合适的方式应用这些框架和技术。

3.2.1 因变量

终止（Termination）。终止是一个虚拟值，如果公司在观察窗口内终止项目，则等于1，否则等于0。

激进转型数（Number of Radical Pivots）。激进转型数是公司在观察期内激进转型的次数。我们根据访谈中收集的信息计算出这个变量。在每次访谈中，我们都会提到在培训计划中向决策者传授的BMC，并要求决策者描述BMC九个维度（价值主张、客户、渠道、客户关系、关键活动、关键合作伙伴、关键资源、收入流、成本结构）中任何一个维度的变化。如果公司报告其价值主张或客户细分（其业务的两个关键维度）发生重大变化，我们就会在时间t检测到激进支点的存在。一般来说，创业者的转型是最字面意义上的：立足于他们过去的一些知识，关注并转向改变他们整体产品或业务的新因素（Hampel et al，2020）。

绩效（Performance）。绩效以公司自培训开始以来每次试验的最后一次观察日期的累计欧元收入来衡量。

3.2.2 自变量

关键的自变量是干预（Intervention），如果公司在实验组，则为1，否则为0。

表2显示了我们对干预对终止的影响的估计，第（1）列报告了横截面线性概率模型的结果，该模型显示干预使终止的概率提高了9.8个百分点。在第（2）-（5）列中，我们通过RCT报告了结果。干预对终止的影响，在原始研究（RCT1）中是微弱的，不是很精确，在大规模样本中更强、更精确。总的来说，接受过治疗的创业者更有可能终止他们的项目，而且他们做得更早。

表4显示了我们对干预对激进转型的影响的估计。第（1）列报告了通过OLS估计的横截面回归的结果，其中因变量是观察窗口内公司所做的激进转型的数量。总的来说，干预对激进支点的数量没有精确的线性影响（p = .486）。在第（2）-（5）列中，我们通过RCT报告了结果。有趣的是，只有RCT1的结果揭示了基因的线性效应对激进支点数量的干预。这一结果在随后的随机对照试验中没有重复。

虽然Camuffo等人（2020）没有预测干预对绩效的影响，但他们从经验上探讨了这个问题。我们遵循他们的原始研究，并在表6中给出了OLS回归的结果，估计了干预对我们样本中公司（以欧元计）在每次试验中最后一次观察日期的累积收入的影响。结果显示，平均而言，接受治疗的公司比对照组公司多赚6999.327欧元（p = 0.030）。

本文对科学方法对创业决策的影响进行了大规模的实证调查，该研究响应了Bettis等人（2016）对系统复制的呼吁，通过在大规模样本上复制Camuffo等人（2020）的结果，巩固战略管理研究中初步发现的可信度。

本文对创业研究的贡献是多方面的。首先，它回应了最近关于科学方法的好处和可教性的激烈辩论，表明创业者不仅可以学会使用科学方法做出决策，而且使用这种方法与卓越的绩效有关。在不同的背景、时间和制度背景下，我们发现，在培训计划中嵌入的相对较短的治疗可以引导创业者在决策时采用科学的方法，并从中受益。

其次，我们的大规模调查揭示了科学方法影响结果的方式的新方面，表明使用这种方法的决策者（1）更有可能提前终止他们的项目；（2）更有可能转型，但以更集中的方式进行（很少转型，而不是没有或很多转型）；（3）绩效表现更好。

最后，我们的研究具有实际意义。它表明，即使在商业支持计划中相对较短的干预范围内，也有可能教会创业者像科学家一样运作。它还表明，这种方法通过一条非常精确的路径带来了卓越的表现：更好的想法选择和重点。因此，在这些是理想结果的情况下，将科学方法应用于企业决策将是有价值的。

本文经翻译整理，仅供学习与交流，转载请注明出处。

       -编辑：郭梦琪 | 审核：张宇擎-