基于社会网络的个体创业意愿研究

[摘 要] 在创业研究领域，找出潜在创业者个体社会网络对创业意愿的影响机制具有重要意义。本论文通过构建个体社会网络与创业意愿关系模型，提出相关假设，并进行实证分析。实证分析结果表明：（1）个体社会网络与创业意愿具有显著正向相关关系。具体表现在：网络关系强度越大，网络中心度越大，网络异质性越大，创业意愿越强；而网络规模与创业意愿的关系不显著。（2）创业环境在个体社会网络与创业意愿的关系中有正向调节作用，其调节作用主要体现在网络关系强度与创业意愿的关系中。

[关键词] 社会网络；创业意愿；潜在创业者；关系强度

doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2015 . 05. 068

[中图分类号] F20 [文献标识码] A [文章编号] 1673 - 0194（2015）05- 0006- 02

创业对于一个国家和地区的长远发展和竞争力的提高具有举足轻重的作用，大量涌现并发展壮大的创业型企业正逐渐成为经济发展的主要动力，为社会创造着新的就业机会。因而，有关创业问题的研究也越来越受到政府和学术界的关注。某种程度上，创业者正是依赖其所处社会网络中的个人关系来进行决策和解决问题的。越来越多的研究者认识到创业与环境的互动过程，并开始重视社会网络和社会资本在创业中的作用。

1 相关文献综述

随着学者对社会网络理论研究的不断深入，社会网络理论突破传统的社会学领域，更多地渗透于经济学范畴，而创业经济自出现起，即在现代经济中显示出其无法比拟的优越性，引起学者的注意。近年来，越来越多的国内外学者开始倾向于将二者结合起来进行研究。

早在1985年，Aldrich和Zimmer就将社会网络理论引入到企业家创业过程研究中，他们认为创业的主体（企业家）是根植于社会网络中的[1]。研究表明，很多初始机会和资源都是在企业家社会网络关系（如家庭、朋友等）中发现的。可以说，社会网络关系是企业家创业的桥梁。创业者的社会网络对其发现和识别创业机会至关重要。在此基础上，很多学者证实了创业社会网络的形成能激发企业创业行为的产生以及创业活动的成功发展。Srivastava和Gnyawali提出个体从其社会网络中可获取三种资源，包括物质资源、信息资源以及不同个体之间的相互作用（关系资源）[2]。Kristiansen则根据试验分析得出社会网络的好坏直接影响企业家（潜在创业个体）获得创业资源的能力[3]。

另外，Gnyawali和Fogel指出，创业环境是影响创业各因素的结合体，在创业过程中起到重要的作用[4]。创业环境包括两方面：一是指影响创业意愿的宏观创业环境，如经济、政治、文化及社会等因素，以及微观创业环境中，创业个体所拥有的资源、能力以及核心专长等因素；二是指在企业创办过程中创业者获得创业支持和帮助的难易程度。Klofsten和Jones-Evans认为创业者在一定的平台（创业环境）中进行创新生产活动，创业是在技术、人力资源、金融条件、市场准入、社会关系网和情境因素这六个平台上进行的，这六个环境因素互相影响和作用[5]。Grundstén研究了大学生创业环境对创业意愿的影响，从认知学和行为主义理论出发，将创业环境分为两大类，即情感因素和理性因素，情感因素包括了社会地位、榜样影响和社会规范，理性因素包括了财政期望、可获取的机会、可获取的技术支持、可获取的资金支持、可获取的社会资本资源、市场准入和可获取的人脉资源[6]。其中情感因素是影响创业的内在环境，而理性因素是影响创业的外在环境。实验证明，可控制的创业环境将会通过影响创业意愿来影响创业行为的选择。

Hoang和Antonicic通过梳理近十五年关于创业与社会网络理论的研究，发现学者的研究主要集中在以下三个方面：①社会网络内容研究，包括社会网络与有形资源（如设备、人员、资金等）和无形资源（如信息、机会等）获取关系的研究；②网络关系治理研究，将创业社会网络看作是介于市场与科层之间的治理机制，网络成员之间的信任关系能够降低因外在环境的改变而带来的谈判、监督等交易成本；③社会网络结构研究，网络成员不同的网络位置会影响网络内的资源流动进而影响创业活动[7]。

总之，综合前人研究发现，从社会网络视角对创业问题的研究多是从资源观的视角来研究社会网络对创业活动的影响，其主要关注点在于：信息的共享与交换、资源的获取与流动。

2 概念模型与研究假设

2.1 概念模型

创业意愿的形成是创业活动开展的前提。个体的社会关系网络构成了其获取信息和资源的主要来源和渠道。本文基于Tichy、Tushman、Fombrun和Whetten以及Davern等学者的研究，将个体的社会网络划分为网络规模、网络关系强度、网络中心度和网络异质性四个主要特征。其中，网络规模与网络中心度属于社会网络的结构特征，网络关系强度和网络异质性属于社会网络的关系特征，并假设这些特征分别对个体的创业意愿产生影响。此外，个体拥有的创业资源，如家人或亲友的创业经历、认识成功创业者的人数等，也可能会影响其创业意愿。综上，本文构建概念模型如图1所示。

2.2 研究假设

（1）网络规模。网络规模是指网络中与主体建立联系的个体或组织的数量。网络规模越大，个体所能够获得的信息和资源就越多，信息流动越广泛，个体就越容易识别和获得创业机会。同时，可获取资源越多，个体就越有信心面对创业中可能产生的各种风险。

基于此提出假设H1：个体拥有的网络规模越大，创业意愿越强。

（2）网络关系强度。网络关系强度是指构成社会网络的成员间亲密程度、联系频繁程度。个体的网络关系越强，其信息交换就更加频繁，获取资源也就更加容易。同时，个体如果在网络中和其他成员联系都非常紧密，则其对个人的人际沟通和交往以及关系管理能力的信心就会很强，在面对创业机会时，也就更加能够用足够的信心去把握，很强的个人关系网络也为个体开展创业活动时将要面对的各种不确定性提供一定的心理保障。

因此提出假设H2：网络关系强度对个体创业意愿有正向作用。

（3）网络中心度。网络中心度指的是网络中与个体有直接联系的节点的数量占总节点数量的比重。网络中心性越强，在网络中就越能掌握更多的信息和控制权力，网络中大部分信息和资源都向该个体汇集。网络中心度高的个体会对自己掌握网络中关键信息的能力有着更高的自信，而创业机会往往伴随这些关键信息而来，同时在对待风险方面，网络中心度高的个体基于与网络中多数成员的直接联系，会认为自身具有更高的抗风险性。

基于此提出假设H3：网络中心度高的个体，具有更强的创业意愿。

（4）网络异质性。网络异质性是指个体在社会网络中与之联系的各个节点属性（如年龄、专业、行业、地域等）的相异程度。网络异质性强的个体，其网络关系多样性也就越强，所能够获得的信息和资源的局限性越低。网络异质性能够打破个体背景的边界，使个体能够获得交叉领域的知识和信息，这些交叉领域往往是蕴含大量新的创业机会的地带。同时，网络异质性强的个体由于长时间接受大量新鲜信息的刺激，对创业机会也会更加敏感，对不确定的环境也更加熟悉。

基于此提出假设H4：网络异质性越强，创业意愿越强。

本研究认为，创业环境的作用，主要体现在其会对个体社会网络与创业意愿的关系起到一定的调节（强化）作用。也就是说，不同创业环境中的个体，其社会网络对创业意愿的影响程度也会有所不同，创业环境越积极，这种影响作用就越强。

由此提出假设H5：创业环境在个体社会网络与其创业意愿的关系中起到正向调节作用。

3 研究设计与数据收集

3.1 问卷设计

本文的问卷设计主要采用多题项客观题与少量填答题结合的形式来测度相应的变量。这主要是考虑到在变量的测量题项具有一致性的情况下，多题项比单题项更能够提高信度。本研究的调查问卷共包含两个部分：个人的基本信息和研究变量的测量题项，多数题项采用的是Likert-5级量表进行测度，每个数字所代表的含义：从l到5分别表示完全不同意、不同意、无意见、同意、完全同意五个不同程度。

3.2 变量测量

本研究的因变量为个体创业意愿。目前学界对于创业意愿的测量还没有统一的、公认的测量方法。本研究的创业意愿量表主要是在Thompson的个体创业意愿量表（IEIS）的基础上，略加调整修改而形成，由10个题项（A1-A10）构成，分别是“对创业很感兴趣而且已经有所考虑”、“将来不会创业”、“正在为创业存钱”、“有认真考虑过自己经营公司当老板”、“从来不去寻找生意机会”、“主动关注创业相关信息和政策”、“经常参加学校、社会机构举办的企业家讲座”、“有意向参加或者已经参加过创业培训指导的相关课程”、“喜欢阅读有关企业家个人传记、企业管理等方面的书籍”、“职业发展目标是成为企业家”，其中第二题和第五题为反向计分题。

本研究的自变量是社会网络特征。在社会网络特征的测度方法上，本研究尽量选择国内外社会网络研究中普遍应用的测量题项，并采用“自我中心网络分析法”，通过受访者所认知的网络关系来对其网络特征进行测量。网络规模从个人社会网络的总体规模（即被调查对象能够联系到的交往人数）以及重要交往网络规模（即在需要时能够给予帮助的人数）两方面来综合考察（题项B11、B12）。网络关系强度借鉴Granovetter的测量方法，从接触时间频繁性、接触时间持久性、投入资源和互惠性四个方面来测量（题项B21-B24）。网络中心度借鉴Freeman的测量方法，采用其中广泛度和中介度两个指标来度量（题项B31-B33）。网络异质性从年龄层次、行业背景和地域分布三方面来考察（题项B41-B43）。

本研究主要选取可能对个体创业意愿产生影响的五个变量性别、年龄、收入、职位及工作年限作为控制变量。创业环境作为调节变量，本研究中所涉及的创业环境主要是指内部环境中，个体拥有的可能会影响其创业意愿的资源，如家人或亲友的创业经历、认识成功创业者的人数等（题项C1-C3）。

3.3 数据收集

本研究的问卷发放对象主要为北京高校MBA学员。问卷的发放采用纸质问卷发放与电子问卷发放两种方式。在本研究过程中，共发放调查问卷400份，回收355份，获得有效样本326份，有效率81.5%。

4 实证分析

4.1 描述性统计分析

本研究有效样本的描述性统计分析结果如下：从性别上来看，样本中男生152人，占46.6%，女生174人，占53.4%。从年龄分布来看，大部分调查对象在26-35岁，占总样本的67.5%。从收入分布来看，8 000元/月以上收入者占多数，有201人，占总样本的61.7%。从职位分布来看，普通职员共184人，占总样本的56.4%；中层管理者124人，占总样本的38%。从工作年限来看，被调查对象处于已工作4到5年的最多，共129人，占总样本的39.6%；其次是已工作6到10年的，共83人，占总样本的25.5%。

4.2 数据质量分析

4.2.1 信度检验

本研究采用一致性指数Cronbach’s Alpha（α）对各变量进行信度分析，经检验，创业意愿的α值为0.863，社会网络特征中的网络规模、网络关系强度、网络中心度和网络异质性的α值分别为0.804、0.886、0.870、0.823，均大于0.7（符合信度要求的经验值），说明其包含的测量题项均符合信度要求。

4.2.2 效度检验

本研究因变量创业意愿的10个测度题项的KMO值为0.912（>0.7），Bartlett球体检验的X2值为700.951，显著性水平为0.000，小于0.01，说明数据之间具有显著相关性，适合做因子分析。除题项A9外，其余每个测量题项的因子载荷均大于0.5，创业意愿的测量题项效度基本符合要求，分析的结果与预期的模型设计基本一致。因此，将题项A9剔除，对创业意愿的9个测度题项值进行简均，用该平均值作为因变量创业意愿的样本值带入回归模型进行分析。

自变量社会网络特征的12个测度题项的KMO值为0.919（>0.7），Bartlett球体检验的X2值为1 066.558，显著性水平是0.000，小于0.01，说明数据之间具有显著相关性，适合做因子分析。主成分因子分析结果显示，共有4个因子被提出，分别是网络规模、网络中心度、网络关系强度和网络异质性，各个维度的测度题项都较好地负载到预期测度因子上。4个因子的特征根解释了总方差的82.7%，分析的结果与预期的模型设计基本一致。因此，可以对各个维度的测度题项值进行简均，并使用该平均值作为网络规模、网络中心度、网络关系强度与网络异质性的样本值带入回归模型进行分析。

4.2.3 共线性检验

本研究采用方差膨胀因子（VIF）指数来衡量解释变量之间是否存在多重共线性，VIF越大表示变量的容许度越小，即共线性越强。本研究对自变量的多重共线性检验结果表明，VIF值均大于0且小于10。由此说明，本研究中的各解释变量（包括控制变量）之间不存在多重共线性问题。

4.3 回归分析与假设检验

4.3.1 相关系数分析

本研究在进行多元回归分析之前，首先对自变量和因变量进行相关分析，建立变量两两之间的简单相关系数矩阵，考察各变量之间是否有显著相关关系，并将其作为下一步回归分析的基础。具体情况见表1。结果显示，个体的社会网络结构特征（包括网络规模和网络中心度）与关系特征（包括网络关系强度和网络异质性）均对创业意愿存在显著的相关性。

4.3.2 多元回归分析

以“创业意愿”为因变量，以“社会网络特征”为自变量，以“创业环境”为调节变量，以性别、年龄、收入、职位及工作年限作为控制变量，对假设H1-H5进行验证，具体回归分析结果见表2。

回归结果分析如下：在只包含控制变量的模型一中，个体性别的P值=0.0000.1，这说明个体的年龄、收入、职位及工作年限对创业意愿的影响并不是很显著。

在模型二中，除控制变量外，引入社会网络特征的4个维度和创业环境作为自变量。网络关系强度、网络中心度和网络异质性与创业意愿的回归系数分别为0.106、0.417、0.222，均为正，且显著性水平分别为0.042、0.000、0.012，P值均小于0.05，即显著正相关；网络规模与创业意愿的回归系数为0.092，显著性水平为0.112，P值大于0.1，即不显著相关。创业环境与创业意愿的回归系数为0.169，显著性水平为0.006，P值小于0.05，由此可见创业环境对创业意愿有显著的正向相关关系。从模型一到模型二，所对应的调整后的R2从0.155上升到了0.777。由此可见，个体的社会网络特征和创业环境对创业意愿的影响确实存在，而并非是因为控制变量的影响。以上分析表明假设H2、H3、H4通过验证，假设H1没有通过验证。

对模型三进行观察，创业环境与网络规模、网络中心度、网络异质性的乘积项的回归系数分别为-0.465、-0.642、0.857，显著性水平分别为0.121、0.105、0.672，P值均大于0.1；而创业环境与网络关系强度的乘积项的回归系数为0.208，显著性水平为0.038，P值小于0.05，并且在模型三中，调整后的R2为0.789，与模型二调整后的R2（0.777）有小幅度提高。由此可以看出，创业环境在社会网络关系强度与创业意愿之间的关系中起到正向调节作用，但对于网络规模、网络中心度、网络异质性与创业意愿之间的关系并没有显著的调节作用。假设H5部分通过验证。

5 结果讨论

在以往的研究中，多数学者认为，拥有更大网络规模的个体，越容易形成较强的创业意愿。然而这种观点却可能忽视这一现象，即当网络关系集中在少数职业上时，尽管规模较大却仅能获取同质化的信息，并不会促进创业意愿的产生。而当较多的社会网络关系集中在少数职业上时恰好相当于无洞结构。由此可见，要获得竞争优势，还必须与相互无关联的个人和团体建立社会网络关系，从“结构洞”中获取资源。本文研究对象为MBA学员，大部分为工作5年以下的普通职员。他们所拥有的较大的网络规模可能仅集中在一个相互联系紧密的小圈子里，多数为之前的同学或现有的与自己职位相仿的同事。因此很难获取“结构洞”资源，从而使他们的社会网络规模对创业意愿没有产生显著作用。

关于创业环境的调节作用，就个体而言，所处的创业环境积极与否，对其社会网络规模、网络中心度及网络异质性的影响甚微，对能够带来的可感知的信息与资源的数量、集中度及多样化程度的影响较少，进而所引起的创业意愿提升也就不会太大。而对于社会网络关系强度来说，处于积极创业环境中的个体，由于受到周围人创业行为和成功创业经验的影响，其创业意识和创业知识增加，使其更加清楚地知晓如何通过社会网络强关系来获取其所需的相关信息和资源，这种对网络有意识有焦点的利用，使得其网络关系的增强意味着各种强关系节点背后的另一张社会网络中的信息和资源具有可达性，进而增强其创业意愿，更容易采取创业行动。

通过分析MBA学员社会网络特征与其创业意愿的关系，讨论创业环境在其关系中所起到的调节作用，得出的结论在实践方面对如何加强个体的社会网络关系管理，提高其创业意愿，以及如何较为有效地识别潜在创业者并为其提供创业指导与支持，具有一定的启示作用。

主要参考文献

[1] Aldrich H， Zimmer C. Entrepreneurship through Social Network[M].In D

L Sexton and R W Smilor （Eds.）.The Art and Science of Entrepreneurship.

Cambridge， MA： Ballinger Publishing Company， 1985.

[2]Srivastava M， Gnyawali D. When do Relational Resources Matter？

Leveraging Portfolio Technological Resources for Breakthrough Innovation

[J]. Academy of Management Journal， 2011， 54（4）： 797-810.

[3]Kristiansen S. Social Networks and Business Success [J]. American

Journal of Economics & Sociology， 2004， 63（5）： 1149-1171.

[4] Gnyawali D R， Fogel D S. Environments for Entrepreneurship Development：

Key Dimensions and Research Implications[J]. Entrepreneurship Theory

and Practice， 2001（12）： 43-62.

[5] Klofsten M， Jones-Evans D. Open Learning within Growing Businesses

[J]. European Journal of Training and Development， 2013， 37（3）： 298-312.

[6]Grundstén H. Entrepreneurial Intentions and the Entrepreneurial

Environment[D]. Helsinki，FI：Helsinki University of Technology， 2004.

[7]Hoang H， Antonicic B. Network-based Research in Entrepreneurship： A

Critical Review[J]. Journal of Business Venturing， 2003（18）： 165-187.

[8]Gnyawali D R， Srivastava M K. Complementary Effects of Clusters and

Networks on Firm Innovation： A Conceptual Model[J]. Journal of

Engineering & Technology Management， 2013， 30（1）： 1-20.

[9] Tichy N M， Tushman M L & Fombrun C. Social Network Analysis for

Organizations[J]. Academy of Management Review， 1979（4）： 507-519.

[10] Whetten D A. Issues in Conduction Research[M]. Ames，IA： The Iowa

State University Press， 1982： 97-121.

[11] Davern M. Social Networks and Economic Sociology： A Proposed

Research Agenda for a More Complete Social Science[J]. American

Journal of Economics and Sociology， 1997， 56（3）： 287-303.

[12] Thompson E R. Individual Entrepreneurial Intent： Construct Clarification

and Development of an Internationally Reliable Metric[J].

Entrepreneurship： Theory & Practice， 2009， 33（3）： 669-694.