元分析方法在国内外创业研究中的应用述评

董保宝 曹 琦 罗均梅

(吉林大学管理学院)

1 研究背景

元分析是一种“对分析的分析”，在过去的40年中，元分析技术经受住了重重批评和质疑，在医学、生物科学和教育学等领域得到了蓬勃发展。在管理学中，元分析技术也逐渐成为了一种重要的研究工具。AGUINIS等[1]在回顾了近200项元分析文献后指出，管理学领域元分析文章发表数量正逐年递增。PATIENCE等[2]也指出，元分析文章的年均引用率，远大于管理学领域总引用量排名前500的普通文章。由此可见，元分析技术在研究中的认可度和影响率正逐渐上升。然而，元分析的科学贡献力，不应该仅仅通过它在研究中的受欢迎程度来判断。元分析相较于传统单一的实证性文章，其优势在于：任何一项单一的实证研究都无法做到尽善尽美，研究结果都具备一定的偶然性和局限性，而元分析有助于研究人员创建超级样本以整合研究结果，并且能够纠正由测量误差、抽样误差、研究设计和研究背景所造成的结果失真[3]，从而带来一个领域内的“真理”，而这些“真理”又会反过来完善理论，推动进一步的实证研究。

创业领域研究者聚焦于创业机会、创业资源与创业情境，探讨了如何高效识别、评估、获取与利用机会及资源，以实现价值创造[4]，在此探索过程中，产生了大量已发表或未发表的初级研究成果，创业研究进程的不断推进，依赖于研究者对这些成果的理解和总结。将元分析应用在创业领域，以评估双变量间稳定的真实关系，已受到了国内外学者的广泛认可[5]。当前创业领域的元分析研究，也正经历从标准的双变量关系研究进行转型，开始了整体框架的构建和理论的对比、延伸与创建[6]。

创业作为一门独立学科，已经发展到了研究者可以对元分析进行概述的程度。1987年，美国管理学会将创业作为一个独立的研究领域正式纳入管理学科，此后，SHANE等[7]也从机会视角，明确提出了将创业作为一个独立的研究领域具备合法性。经过30多年的发展，创业知识体系得到了不断拓宽与完善，创业领域的元分析研究成果已经收获颇丰。基于此，本研究认为：①需要对创业领域元分析进行概述，以评估创业领域现有知识库。因为经常进行元分析的主题更成熟、更受欢迎，并且(或)被研究人员认为更重要，对元分析研究主题进行概述，有利于研究者评估创业领域中已经完成了多少工作，进而对创业领域研究现状和未来发展有个大致把握。②亟需指出元分析方法应用上不断提高的标准。若元分析研究在质量评判上没有达成一致的、较高的标准，将会极大阻碍创业研究中知识的综合。据此，需要针对元分析研究，在模型构建、理论验证与拓展、实施程序、指标汇报和分析方法选择上，指出可提升的路径。另外，还需推动创业领域知识的积累和聚合。因为在满足了不断提高的标准的情况下，通过精心设计和执行的元分析研究，研究人员可以很容易地确定关于特定议题的知识发展状况，更好地解决该议题下尚未达成一致的争议。更重要的是，满足了不断提高标准的元分析研究，可以成为在创业领域中构建理论、测试替代理论与竞争理论的重要基础。

2 文献检索与统计

2.1 研究样本和纳入标准

为了全面分析国内外创业领域元分析研究现状，本研究对发表在创业领域顶级期刊中的、或具备较大影响力的管理学期刊中的元分析文章进行了搜索和梳理。对于国际刊物而言：①选择了最具影响力的8个创业领域期刊：Journal of Business Venturing(JBV)、Entrepreneurship Theory and Practice(ETP)、Small Business Economics(SBE)、International Small Business Journal(ISBJ)、Journal of Small Business Management(JSBM)、Journal of Business Research(JBR)、Entrepreneurship and Regional Development(ERD)、Strategic Entrepreneurship Journal(SEJ)。②以UTD-24和FT-50中所列期刊为来源，选择了10个国际管理学领域顶级期刊Academy of Management Journal(AMJ)、Academy of Management Perspectives(AMP)、Academy of Management Review(AMR)、Administrative Science Quarterly(ASQ)、Journal of Management(JOM)；Journal of Management Studies(JMS)；Management Science(MS)、Organization Science(O Sci)、Organization Studies(O Stu)、Strategic Management Journal(SMJ)。③通过文献回溯的方式，本研究将4篇发表在心理学和市场营销领域顶级期刊Journal of Applied Psychology(JAP)、Journal of Marketing(JM)、Journal of the Academy of Marketing Science(JAMS)中具有代表性的文章，以及RAUCH等[8]发表在 Journal of Work and Organizational Psychology(JWOP)中的一篇颇具影响力的文章也纳入了样本范围。对于国内刊物选择，参考蔡莉等[9]的方法，选择了进入2017～2018年CSSCI检索的29个管理学杂志。

在正式展开搜索之前，本研究制定了元分析文章的采纳标准：①纳入样本的文章应该与创业主题相关；②排除有关元分析方法论的文章。在确定了文献搜索范围和采纳标准之后，开始搜索和筛选工作。首先，以“meta-analysis”“meta-analytic”“元分析”“荟萃分析”和“Meta分析”等为搜索关键词，利用Scopus、Web of Science、Google学术、中国知网、万方等数据库，对搜索列表中的目标期刊进行主题、标题、关键词和摘要组合搜索，并对所得文献进行全文阅读，剔除不符合采纳标准的文献。其次，对现有文献引用部分进行了文献追溯，新增了5篇文献。最终，找到了符合标准的文献共137篇，其中，外文文献113篇，中文文献24篇。

2.2 编码内容和流程

首先，本研究针对符合标准的137篇中英文文献制定了编码原则。编码内容分为主题编码、方法编码和相关信息编码。主题编码内容包括文章的自变量、因变量、中介变量、调节变量、文章结论、理论基础以及研究主题归类。方法编码是对元分析重要过程及其指标进行统计，包括效应量矩阵输入、系统误差修正、互依效应的修正、异常值识别、平均效应统计、异质性检验、调节效应检验、中介效应检验和发表性偏倚9个过程，以及其中使用的统计指标。相关信息编码包括每篇文章的作者、发表时间、发表期刊以及每一篇元分析文章的被引次数。

编码内容中，相关信息编码、方法编码和主题编码中有关变量、理论、方法与结论等信息能够在文章中直接找到。存在的模糊和争议之处在于，如何归类和细致划分每篇文章所属研究主题。为了减小编码错误的概率，由主要编码者(两名创业研究方向博士研究生和两名教授)共同商量编制编码表和编码说明书，并与两名创业研究领域专家进行讨论修改后，作为后续编码的参照依据。接着，让两位研究者独立进行编码和主题类别归纳。编码完成之后，两名研究者针对不清楚的情况，以及具有分歧的问题进行讨论，直到达成共识。随着编码实践过程中主题类别的不断完善，分歧和差异问题逐渐被减少，最终两名研究者几乎能够达成一致。编码提炼过程见表1。

表1 编码提炼过程(N=137)

2.3 发表文献数量分析

图1 1992～2019年文献发表绝对数量变化趋势

1992～2019年文献发表绝对数量变化趋势见图1。由图1可知，从年度分布来看，虽然1992～1999年文献数量发表较少，但较为平稳；自2000年开始，创业领域元分析文献涨幅颇大，虽然在之后的年份里存在高峰和低谷，但不改向上的趋势。在2000～2009年期间，文献数量虽然呈现上涨态势，但仍有起伏，最大的波动是从2005～2006年，后一年的有关文献比前一年增加了5篇，之后文献数量一直在4～6篇之间徘徊。直到2011年，相关文献的数量突破至8篇，之后一年虽降低到5篇，但2013年的有关文献却直接突破到12篇，2016年元分析文献更是达到19篇的高度。如果用阶段式来对元分析文献进行计算，1992～1999年为创业领域元分析的萌芽期，关于元分析文献的产出量仅为9篇。2000～2009年的产出量为29篇，此阶段为创业领域元分析的成长期。在2010～2016年的产出量为61篇，此阶段为创业领域元分析的快速成长与井喷期，2010年之后的文献数量已经是2000～2009年间的3.41倍，此项增长无疑是巨大的。2017～2019年2月，文献数量较峰值有所下降，此阶段为创业领域元分析的转型期。由此看来，有关元分析的研究方法，已经逐渐被学术领域感知与接纳，相关研究人员对于此项分析方法的发展也越来越重视。

3 主题分析与方法述评

3.1 元分析之主题分析概况

3.1.1主题数量分析

元分析研究主要应用于理论验证和概念框架的检验两大方向[10]。本研究经过严格仔细的编码流程，最终将样本中所有元分析文献归纳进了5个主题中，分别是创业者特征、创业团队特征、创业行为、创业产出的来源及成因、创业理论验证与拓展。这也与TIMMONS等[4]、SHANE等[7]的观点一致，即创业是一个跨层面跨学科的研究，涉及个人、团队和组织多个层面，囊括社会网络理论、资源基础理论、制度理论、交易成本理论等多个理论。

由于一篇文献可能涉及到不同主题，因此可能会出现在多个主题中。在这5个主题中，有关创业产出来源及成因的文献占主导地位，数量高达87篇，占文献总数的63.5%；此外是有关创业行为的相关文献，总共30篇，占比21.9%。在剩下的3个主题中，创业者特征相关文献共22篇，占比16.1%；创业团队文献共18篇，占比13.1%；创业理论验证与拓展的有关文献为6篇，占比为4.4%。据此可见，对创业产出的来源和成因，以及创业行为的元分析研究更受学者青睐，而进行理论验证与拓展的元分析研究较少。

3.1.2主题内容分析

(1)创业产出的来源及原因新企业如何克服新生缺陷，持续提升创业产出(创新、绩效、新产品成功等)成为创业学者关注的焦点。首先，在资源与创业产出的研究主题中，具有以下发现：①不同人力资本对创业产出的相对重要性存在不一致结论。例如，UNGER等[11]认为，相比于教育、经验相关的人力资本，知识、技能相关的人力资本更有利于促进企业绩效的提升。与之相反，CROOK等[12]指出，知识、技能等相关的人力资本容易通过市场交易获得，而经验相关的人力资本则包括了很多隐性知识，难以获取，对企业绩效的效价更高。前述结论的边界效应表明，在高科技行业环境中，抑或是在欠发达国家中，知识、技能相关的人力资本比教育，以及经验相关的人力资本对创业成功的影响更强。②结构社会资本和关系社会资本，在提升创业产出过程中具有互补和增补效应。例如，STAM等[13]研究表明，结构社会资本效价的发挥，需要依赖关系社会资本的辅助；关系社会资本作用的发挥，也离不开结构社会资本。③智力资本与创业产出关系研究不足。仅有较少的元分析研究表明，创业者的智力资本有助于企业创新，但二者之间的关系受到时间因素和文化差异的影响[14]。

其次，在战略结构与创业产出的主题研究中，具有以下发现：①高不确定性环境中，战略规划对创业产出的影响结论不聚敛。例如，SARASVATHY[15]认为，在资源高度约束和不确定性的情境中，创业企业更需要实施即兴行为而非战略规划；而SCHWENK等[16]认为，战略规划有助于中小企业更好地规避不确定性环境中的风险，对企业成长绩效有较大的推动作用。②创业导向、市场导向与创业产出之间的正向关系已成共识。例如，张骁等[5]指出，创业导向与企业绩效呈现正向显著关系。③成本领先战略、差异化战略、多元化战略都有助于促进创业产出的提升[17]。④战略异议与创业产出之间的关系仍不清晰。既有研究表明，创业团队在企业愿景或未来战略方面的认知差异，有助于提高战略决策的效果，正向影响创业产出；而SAMBA等[18]认为，战略异议负向影响企业产出，且人际关系、信息细化中介了二者之间的负向关系。

最后，在制度与创业产出的研究主题中，仅有较少元分析文献，如迟楠等[19]指出，正式的制度因素和非正式制度因素，都会影响企业战略的选择与企业绩效的提升，且非正式制度因素的影响作用比正式的制度因素更大。

(2)创业行为对创业行为的研究，离不开对机会开发行为和资源开发行为的关注。首先，机会开发过程受到了元分析研究的广泛关注。具体而言：①国际创业机会开发研究已成规模。现有元分析文献分别探索了有序推进国际创业机会识别、评估、利用过程的影响因素，例如，BEUGELSDIJK等[20]指出，文化距离影响了企业识别文化距离较远的海外投资地点，并且采用绿地的方式进行机会利用，以减小与东道国的摩擦。②创新驱动下的创业机会开发也受到了较多关注。例如，SAROOGHI等[21]指出，企业所处行业类型影响了识别机会类型，即高科技企业偏向于识别产品创新机会，非高科技企业主要识别流程创新机会。③裂变式创业机会开发成为新兴的研究主题。如GARRETT等[22]指出，企业员工的年龄和任期与创业孵化(公司雇员离开现有工作岗位去创办新企业)呈倒U形关系。

其次，资源开发过程也受到了元分析研究的持续关注，但多数元分析研究着眼于外部创业资源的识别与获取过程，较少地关注于资源在企业内部的匹配和利用过程。具体而言：①非实物资源(知识、信息等)获取研究热点不减。例如，现有研究指出，企业社会网络的结构维度(如网络规模、网络中心度)和关系维度(如关系强度、关系稳定性、信任)[23]对知识资源的转移和获取具有重要作用。②实物资源(资金)获取研究也同等重要。例如，KYSUCKY等[24]指出，长期的、排他性的、协同创造的银行关系与较高的信贷量和较低的贷款利率有关，且前述关系在美国以及银行竞争激烈的国家中更有可能实现。③新技术的应用开辟了资源配用新途径。相较于通过联盟、关系网络等传统形式获取外部资源，VAN LAER等[25]指出，利用数字技术整合企业自身商业数据资源进行叙事传输，有利于提高用户顾客参与度，帮助企业深层次地说服消费者购买产品或服务。

最后，有关机会资源一体化开发的元分析研究，大都遵循为了开发机会以投入资源的因果逻辑，且为开发资源而产生机会的效果逻辑鲜有被检验。具体而言：①国际创业机会开发离不开资源配用。例如，现有研究指出，企业海外创建过程与多国化战略实施，都需要企业国际经验、知识和资本发挥基础保障作用。②资源稀缺性推动特许经营的思维惯性被打破。正如COMBS等[3]的研究指出，应该避免使用资源稀缺性作为管理人员使用特许经营这一创业战略的规范性暗示。③家族企业机会资源一体化行为成为创业研究的特色之路。例如，DURAN等[26]指出，虽然家族企业较少地将创新资源投入于创业机会开发，但是机会的开发效率却较高。

(3)创业者特征创业者是创业活动实施的主体。首先，在创业者人口学特征中，受到最多关注的当属性别差异，即性别差异对于创业活动的影响仍值得探索。例如，KOOIJ等[27]指出，男性更倾向于思考关于创业事业更远的未来；FILIPPIN等[28]则指出，性别差异并不影响对创业风险的态度。其次，在探讨创业者个人特质的元分析文章中，大五人格受到了最多关注，即创业者大五人格在创业过程中发挥着重要作用。早在2006年，ZHAO等[29]便指出，与经理人相比，创业者具有更高的责任心和开放性，但神经质和亲和性却较低，且创业者总的大五人格对于创业者社会地位具有显著正向影响。其他研究者也指出，大五人格对创业意向、创业者占据网络中心和经纪地位、创业绩效、创业成功等都具有积极影响。最后，在探讨创业者态度或信念的元分析文章中，创业者自我效能感受到了最多关注。具体而言：①创业自我效能感是成功创业者的必备因素。众多元分析研究指出，创业者自我效能感与风险承担、环境适应、创业意愿、创业绩效、创业成功等具有正向关系。②需深入挖掘创业者多种动机和行为倾向。现有研究表明，成就动机、自主性需求动机、冒险倾向、主动性倾向、创新倾向等都对于创业意愿的形成，以及高质量创业产出结果具有重要作用。③创业者能力在创业过程中的作用考量不足。仅有3篇文章对创业者相关能力进行了探讨，例如，RAUCH等[8]研究指出，创业者本不应该在高度不安全感和充满压力的情况下感到紧张，因此，创业者高抗压能力始终在创业过程中发挥作用。

(4)创业团队特征与创业者研究类似，有关创业团队特征的元分析研究，关注最多的就是团队社会人口学特征。首先，多种团队人口学特征发挥效用需要比较与探索。例如，KIRCA等[30]研究发现，虽然团队规模等因素对于企业多国化会产生影响，但在拥有丰富国际经验的团队中，团队规模对多国性的影响可以忽略不计。据此，团队人力资本和关系资本中，内嵌的国际经验是影响企业多国化最重要的因素。其次，多种团队社会学特征发挥效用也不尽相同。例如，BALKUNDI等[31]指出，虽然社会网络对于团队生存和绩效的提升具有重要影响，但是情感网络密度比工具网络密度对团队生存能力的作用更强。再次，团队设计是提升创业成功概率的利器。例如，STEWART等[32]指出，虽然团队内部更高的自主性和协调机制与更高的绩效相关，但其效果还因任务类型而异。也即，高自主性并不利于与知识相关的创造性工作，但良好的协调互动机制有利于创业团队应对高复杂性和创造性的挑战。最后，跨层能力集聚需要将可能的损失纳入考量。例如，SAROOGHI等[21]将团队创造力、个人创造力与创新之间的作用效果进行了比较，研究指出：个人创造力与创新的关系优于团队创造力，虽然创业者个人与创业团队相比，拥有较少的认知、智力和技术资源，但创业者在将创造性想法进行转化的过程中更有效率，因其不会遭受协调、冲突管理、沟通等方面的过程损失。

(5)创业理论验证与拓展在创业研究中，学者们普遍使用资源基础观、企业成长理论、效果逻辑、制度理论和交易成本理论等来解释相关创业研究现象，但理论并非完美无缺。为了进一步拓展上述理论在创业研究中的应用，提高理论运用的严谨性，学者们开始使用元分析方法验证上述理论的基础假设。结果表明，企业成长理论、效果逻辑理论的基础假设通过了元分析的验证，而资源基础观、制度理论和交易成本理论的基础假设只有部分获得了支持：在资源基础观中，只有资源的价值属性和稀缺属性，在推进绩效中发挥了正向作用[33]；在制度理论中，外在社会结构的压力与组织趋同的关系非常微弱，而且组织趋同，并非如理论预测的那样负向影响实质性绩效[34]；在交易成本理论中，只有交易频率和资产专用性、行为不确定性的增加，如理论预测会导致交易方式从市场治理向层级治理转化，而技术、总量不确定性的提升，则会导致关系治理和市场治理难度加大[35]。上述元分析研究，在一定程度上挑战了资源基础观、制度理论和交易成本理论，一方面有助于启发学者进一步完善相关理论，另一方面也容易招致攻击。为了进一步强化元分析结果的稳健性，未来元分析研究应进一步完善其堡垒，补足元分析方法的缺陷。

3.2 元分析之数据处理与分析概况

本研究对所选文献的重要步骤与指标选择进行了分析，企图寻找现有文章在元分析过程中指标和方法选择上的共识与分歧，并提出未来发展建议。

(1)效应量输入目前，普遍接受的两个效应大小指标是相关系数r和Cohen’sd，在本次137篇元分析文章中，有123篇(89.8%)使用相关系数r，有8篇(5.8%)使用Cohen’sd。从统计结果来看，r更受研究人员偏爱。

在r作效应量输入方面，学者们对是否进行Fisher’sz变换仍然存有分歧，在本次统计的123篇输入相关系数r的研究中，有45篇(36.6%)文章进行了Fisher’sz转换。二者各有优劣，其中使用r的优点是容易理解，r产生的向下偏差小于舍入偏差。使用Fisher’sz转换的优点是转换后近似于正态分布，z的方差不依赖整体的相关值。缺点是Fisher’sz转换产生的向上偏差，比使用r产生的向下偏差大。在两者的争议当中，COMBS等[3]认为，使用r比Fisher’sz更加可靠，因为后者在总体估计时易夸大估计量。

此外，本次统计中有6篇(4.4%)文章使用了偏相关系数作为效应量输入。对于偏相关系数在元分析中的统计效力，学界仍未得出一致的结论。HUNTER等[10]认为，偏相关系数容易受其他变量的影响，彼此之间不能相互比较，也不能和两两相关系数进行比较，在进行元分析统计时，需要慎重使用偏相关系数。

(2)系统误差修正在研究者进行资料收集、分析和解释的过程中，一些“人为因素”可能导致观察值和真实值偏离，即出现系统误差。HUNTER等[10]认为，系统误差包括测量误差、范围限制和二分化3个方面，在进行元分析时，研究者需要对系统误差进行修正。在本次收集的137篇元分析文章中，有44篇未进行系统误差修正，93篇(中文6篇，外文87篇)进行了系统误差修正，占比67.9%。在具体的系统误差修正中，有70篇(51.1%)文章只进行了测量误差修正；有4篇文章只进行了二分化修正，有3篇文章仅做了范围限制的修正。做了测量误差和范围限制修正的文章有6篇(4.4%)，做了测量误差和二分化修正的文章有5篇(3.6%)；同时，进行测量误差、范围限制和二分化3项修正的文章有5篇(3.6%)。

(3)互依效应的修正当与给定关系相关的多个效应值源于同一样本时，就会出现互依效应[10]。现有研究提供了3种方式修正互依效应：①从同一样本中选择一个最佳的效应值，优点是简单易操作，缺点是容易产出判别偏差；②对来自同一样本的效应量进行均值化，优点是比任何单个的效应量更精确，缺点是无法确定以哪个样本规模为准，且容易低估效应量的异质性程度；③创建一个复合变量，优点是测量更加精确，缺点是要求互依效应大小之间存在相关结构。

在本次统计的元分析文章中，有91篇文章未进行互依效应修正，46篇(33.6%)文章进行了互依效应检验。在互依效应校正的文章中，有14篇文章选用了最佳估计来修正互依效应，有15篇文章使用效应量均值化的方式，有10篇文章选择设置组合变量的方法。此外，中文的元分析文章均未进行互依效应的修正。在具体的修正方法中，学者们更偏重使用均值化和最佳估计的方法来校正互依效应，这可能与这两种方法更易操作有关，但为了进一步提高研究的精确度，通过创建复合变量来修正互依效应是一种可选的方法。此外，本次统计中，还有7篇文章将互依效应视作独立效应，该做法下整体样本量被人为扩大了，观测值的变异性也会随之减少，应避免使用这种方法。

(4)异常值识别在元分析中，查找并删除异常值非常重要，因为异常值可能对最终的实证结果产生影响，从而改变所得结论[10]。异常值主要包括样本规模异常值和效应量异常值两类。这两类异常值中，样本规模异常值识别相对简单，可以通过传统的散点图分析来进行识别，而对于效应量异常值的识别，可以采用COOK距离、调整后的标准化均数差(SAMD)等多种方法。

本次统计中，有97篇(70.8%)文献未进行异常值的识别，其中24篇中文都没有进行异常值识别。在进行异常值识别的40篇文献中，13篇(9.5%)只进行了规模异常值的识别；25篇(18.2%)进行了效应量异常值的识别；2篇(1.5%)同时进行样本规模和效应量异常值的识别。

(5)平均效应统计在元分析中，为了消除抽样误差，需要根据各个研究样本中给定关系的效应量确定总体样本的平均效应量。平均效应量的计算方式有3种：简单平均、样本规模加权平均、方差加权平均，简单平均虽然是3种计算方式中操作程序最简单的，但其精确度也最低，因而应用此种方式的文章数量也最少。在另外两种加权方式中，样本量加权平均的方式，由于其操作的便捷性更受学者们的青睐，但样本量并不是最优的权重指标。与样本量加权方式平均相比，方差加权平均的操作程序较为复杂，首先需要对各个研究样本的效应量r进行Fisher’sz转换；然后，取相应方差的倒数作为权重，该权重也是目前公认的最理想的权重指标。

在此次的137篇元分析文献中，有127篇(92.7%)文章计算了总体样本的平均效应值；在平均效应量的计算方式选择中，选择简单平均的方式进行计算的有15篇(10.9%)，选择样本量加权平均方式的有82篇(59.9%)，采用方差加权平均的有30篇(21.9%)。从统计结果来看，国内外学者更偏爱加权平均的方式(占比82%)。但为了提高元分析研究的精确度，未来的元分析研究，应尽量多地使用样本量加权平均和方差加权平均的方式。

(6)异质性检验由于研究对象、研究设计、测量方式等方面的差异，纳入同一个元分析的所有研究之间存在着异质性。在这137篇创业领域元分析文献中，只有13篇文章(9.5%)没有进行异质性检验。异质性检验的统计量法主要有3种：①卡方检验(Q值)；②I2检验(75%法则)；③可信区间。具体而言，卡方检验的观点指出，若各研究的效应量具备同质性，那么各个效应量之间的变异不会大于各研究由抽样误差引起的变异。I2检验反映了异质性部分在效应量总的变异中所占比重，即75%法则说明，当非抽样误差和人为误差引起的变异，占总变异的比例超过了75%，便具备很强的异质性。可信区间的观点指出，当可信区间足够宽(超过0.11)或包含0时，便可能存在异质性。

在进行异质性检验的124篇文章中，使用卡方检验的总次数为83次(66.9%)，使用I2检验的总次数为77次(62.1%)，使用信度区间的总次数为41次(33.1%)。相比之下可以看出：①卡方检验在异质性检验中最常被使用，然而，需要注意的是，卡方检验对元分析纳入研究的个数十分敏感，当元分析所使用的样本量或总研究数量较少时，卡方检验的统计功效较低。②I2检验的使用次数也很高，由于I2的取值为比率的形式，能够很好地克服卡方检验(Q值)中对研究数量的依赖性，当总体相关系数的差异大于0.2，以及元分析纳入研究数量足够大时，I2检验是最强有力的异质性检验工具。但是，当元分析纳入研究数量较少，或(和)研究之间的调节变量缺乏差异或(和)研究之间的总体效应量差异较小时，常导致I2大于75%。信度区间虽然没有前两种方法的超高使用频率，但是也受到了众多创业领域元分析研究者的青睐。信度区间具备较强的直观性，使得检验结果一目了然。然而，当总体均值较小时，可信区间可能会包含零。并且，对于什么是大的可信区间，目前学界尚缺乏广泛的共识，可能会导致任意分割现象的产生，因而也限制了该方法的接受度与使用度。另外，经统计后发现，在实施异质性检验的124篇文章中，使用1种检验方法的文章仅有37 篇(29.8%)，使用2种及以上检验方法的文章有87篇(70.2%)。这也从侧面说明，创业领域元分析研究者已经认识到了不同研究方法各有优劣，更倾向于采用不同方法组合的形式实施异质性检验。

(7)调节效应检验上述异质性检验只是识别了是否存在异质性，本节所探讨的调节效应检验能够探索异质性的来源。在这137篇创业领域元分析文献中，有20篇(14.6%)文章没有进行调节效应检验，其余117篇(85.4%)文献都进行了调节效应的检验。在117篇文献中，利用亚组分析的有54篇(46.2%)，进行元分析回归(MARA)的有59篇(50.4%)，采用其他方法的有4篇(3.4%)。从上述结果可知，调节效应检验的方法主要有亚组分析与元分析回归。具体而言，亚组分析是将元分析样本中包含的所有文章，按照假设推演部分提出的边界条件进行分离，使之被分割成几个子样本，然后分别对这些子样本进行效应量估计。元分析回归是研究者将来自原始研究的效应量作为因变量，将原始研究中的特征变量(如人口学特征、测量因素和研究设计特征等多个潜在影响因素)作为自变量或控制变量。输出结果中，若回归系数显著，则可以被解读为具备某种特征的调节变量增加或减少了主效应量。经统计可知，创业领域元分析文章中，使用元分析回归的数量超过了亚组分析，说明在创业研究领域中，元分析回归的方法已逐渐流行和普及起来。另外，在使用回归分析时，相较于普通最小二乘法，69.75%的研究者选择了加权最小二乘法，因为此方法能够很好地克服异方差。再者，统计数据显示，当效应量分布具备异质性时，随机效应模型比曾经红极一时的固定效应模型更受学者青睐。虽然固定效应模型相较于随机效应模型而言，在检测调节效应时具备更大的统计效力，但是固定效应模型的潜在假设，是所有研究的总效应量必须相等，在这种情况下，很容易导致I型错误，即弃真。而随机效应模型的潜在假设更加现实，即每个研究的总效应量各不相同，因而弃真的概率相较之下不是很大。鉴于此，在异质性检验结果显著，却无法判断异质性的具体来源时，推荐使用随机效应模型，该方法有助于研究者做出更加保守的估计。

(8)中介效应检验虽然上述元分析过程提供了变量间关系方向和效应值的重要证据，但是却无法检验其中可能存在的中介效应。在这137篇创业领域元分析文献中，仅有27篇(19.7%)元分析文献对中介效应进行了检验，其中有且仅有1篇中文文献，说明我国创业领域中，利用元分析进行中介效应检验的研究尚未起步。这27篇文章，在对中介效应进行检验的过程中，都运用了针对多中介模型的元分析技术，其中，运用最多的当属元分析结构方程模型(meta-analytic structural equation modeling，MASEM)。MASEM以一组相关系数矩阵作为结构路径模型的输入，允许研究人员同时测试多个变量之间的关系，因而在创业管理研究中越来越流行。利用MASEM实施中介检验有两个步骤：①使用标准的元分析技术，获取所有变量(包括控制变量)之间的效应值，形成相关系数矩阵；②将相关系数矩阵输入到路径模型中，以检验多个变量之间的关系以及可能存在的中介效应。

(9)发表性偏倚发表性偏倚又被称为文件抽屉问题。元分析结果的有效性，很大程度上取决于排除了发表性偏倚的干扰。在这137篇创业领域元分析文献中，有38篇(27.7%)未评价发表性偏倚，剩余99篇(72.3%)文章中，主要可以归纳出6种评价发表性偏倚的方法：使用漏斗图的文章有18篇(18.2%)，使用Egger线性回归法的文章有9篇(9.1%)，使用Begg秩相关法的文章有12篇(12.1%)，使用剪补法的文章有17篇(17.2%)，使用失安全系数法的文章有23篇(23.2%)，通过比较已发表和未发表研究的文章有34篇(34.3%)。由此可见，采用比较已发表和未发表研究的文章，以评价发表性偏倚的这种方法使用率是最高的。可能是因为该方法具有便于计算和阐述的优点，然而，本研究不推荐此方法的原因，在于实施此方法需要大量未发表的文献，且很难得知这些文献是否具备代表性。使用率排名第二的失安全系数法是一种敏感性分析，即计算需要多少无效结果的未发表研究才能将结论逆转。然而，失安全系数法并不是一种能够识别发表偏倚的方法，而只是在于评价发表偏倚是否可以忽略，因而本研究也不推荐使用此法。使用率排名第三的漏斗图实则是一种定性的方法，需要通过观察予以判断，并且由于发表偏倚不是造成漏斗图不对称的唯一原因，故不推荐采用此法。最后，本研究推荐的剪补法优于前述方法的原因，在于该方法不仅考虑了研究样本量，还估计了未发表研究的数量和发表偏倚校正后的平均效应值。但是，该方法在创业研究领域中的使用频率较少，这可能是由于该方法实施过程比较困难，但在未来元分析研究中，应该对此方法给予更多关注和提倡。

3.3 元分析方法在创业研究中的应用述评

3.3.1元分析之理论模型构建述评

元分析始于理论模型构建，从当前创业领域的元分析主题来看，大部分元分析研究在构建理论模型时，都是现象驱动或理论驱动，主要围绕“新企业如何克服新进入缺陷实现持续成长”“创业者与非创业者之间，以及创业者之间的差异如何影响创业行为与创业产出”“创业团队之间的差异如何影响团队的创业产出”以及“传统战略理论能否以及如何解释创业研究现象”等研究问题构建理论模型，这些元分析研究结果，在一定程度上更精确地回答了研究问题，推动了创业研究向前发展。此外，在本次统计的137篇元分析文献中，有47篇文献难以在文章中发现主要的研究问题以及所应用的理论，所构建的理论模型可能是数据驱动，即所选变量的原因，仅仅是因为模型所涉及变量关系的研究文献累积到一定数量。数据驱动的元分析研究耗时费力，其研究结果对创业研究的推动作用不大，未来研究应尽可能避免使用这样的方式。

3.3.2元分析数据处理述评

对数据进行处理是数据分析的前提，在数据处理上，元分析方法涉及效应量输入、系统误差修正、互依效应修正和异常值识别等步骤。目前，中外元分析学者在上述数据处理过程中，遵循了一定的规范和标准，推进了元分析研究方法的进步，例如，在效应量输入上，在现有的创业领域元分析中，学者普遍使用相关系数作为效应量输入，这就使得元分析研究结果具有了可比较性，有助于进一步推动创业研究的进程。但与此同时，也应看到，在数据处理上，仍有提请元分析学者关注的地方。其中，在系统误差修正上，大部分研究只进行了测量误差修正，对二分化和范围限制等系统误差的修正不足，而这两者会对最终分析结果产生较大的影响[10]，因而在未来研究中，学者们需要全面兼顾测量误差、二分化和范围限制等三大系统误差的修正，确保元分析过程中的规范性和严谨性。在互依效应修正和异常值识别上，超过60%的学者，未在文中汇报相关的检验结果，而这两者是数据处理不可或缺的一步，会对概念模型的最终验证结果产生至关重要的影响，或可导致同一主题下的元分析研究呈现不同的研究结论。故而，为提高元分析研究结论的可信度，未来元分析研究，需要在文中汇报互依效应修正和异常值识别等数据处理过程的检验结果。

3.3.3元分析数据分析述评

目前的元分析研究中，数据分析主要涉及检验主效应、调节效应以及中介效应，主效应检验相对简单；调节效应与中介效应的检验涉及不同方法的应用，相对复杂。在检测调节效应时，本次统计所纳入的文献中，学者们主要采用了亚组分析和元回归(MARA)两种方式，两种方式各有优劣，亚组分析主要适用于分类变量，而元回归主要适用于连续变量，选择合适的方法是确保研究结论稳健的重要方面。特别在元回归方法中，需要确保效应值的数量足够大，因为元回归中调节变量系数的显著性，是基于效应值的数量(k)进行计算的，效应值的数量越小，对于多元回归的统计效力也就越弱。而在本次所收纳的元分析文献中，就有部分应用元回归的文章所输入的效应值的数量较小，这些研究结果的稳健性就容易受到质疑。另外，当研究人员在没有强有力的理论依据的情况下，使用该方法同时检验多个潜在的调节因子时，发生I型错误的可能性较高。由此，在检验调节效应时，元回归的使用并不是随心所欲的，使用之前必须保证具备坚实的理论基础和较大的效应值数量。

揭示变量之间的中介机制，是解释复杂创业现象的一个重要研究领域，但目前进行中介效应分析的中文文献非常少，国外学者在这方面做得更出色，相关的分析程序已成体系。在检测中介效应时，大部分研究使用元分析结构方程模型(MASEM)来分析中介效应，MASEM有助于研究者摆脱双变量关系研究的局限，进一步对整合性的理论或概念框架进行检验，即可用于检验关系链中的3个或以上变量之间的中介机制，并根据中介机制存在的顺序、方向和大小将中介假设或模型彼此进行比较。但与此同时，鉴于用作元分析计算的数据，可能来自易受内生性影响的研究设计，原始研究中内生性的存在，可能会进一步缩小可纳入MASEM进行研究的范围。然而，现有元分析研究在对内生性进行额外的逻辑论证，以及统计检验方面还做得不够。故而，如何在避免内生性的基础上应用MASEM方法检验中介，仍然是未来研究努力的方向。

4 未来研究与展望

近年来，越来越多的元分析文章在国际顶级期刊发表，引用量也呈直线式上升[3]，非常有必要系统梳理、分析以了解元分析研究的现状，推进元分析研究的进一步发展。据此，本研究针对现有元分析研究的不足提出了未来展望。

4.1 基于现象或理论角度构建元分析的理论模型

(1)从多元理论视角构建理论模型目前而言，元分析经历了上一轮的井喷爆发后，进入了转型阶段，创业领域对于元分析研究提出了更高的要求。现有大多数元分析文献，仍仅通过研究成果的综合和集聚以形成单一的效应值，来反映双变量之间关系的大小和方向。然而，当前侧重于二元关系的元分析，无法深入了解创业领域的重要概念鸿沟。据此，未来的元分析研究，应该将注意力分配于反映整个框架和理论视角的模型，而不是仅仅依赖于传统的科学复制过程进行单一、标准的元分析研究，来不断细化和建立关于两个变量间关系的洞见。例如，BERGH等[36]指出，资源基础观、知识基础观、社会资本观和战略人力资源观，都提供了将资源与企业绩效相关联的竞争框架。传统标准的元分析，只能用来检测单一视角中指定的二元关系的方向和意义，不能检验相互竞争的视角。未来研究可以依据不同理论视角构建多自变量、中介变量和结果变量的竞争模型，全面揭示复杂的创业现象。

(2)从现象出发构建理论模型在当前转型经济背景下，越来越多的创业学者开始针对中国本土独特的情境，开展情境依赖甚至情境独立的创业研究，为了进一步推动创业研究的本土化发展，应用元分析方法的创业研究学者，应从具体的创业现象出发，通过构建全面的模型来更精确地解释创业现象。但与此同时，也应该明确，元分析研究的结果不是某个研究领域的终点，进行元分析的目的，是为未来探索该领域相关理论问题提供一个“文献述评”，阐述研究的进展，以便推动某一个领域不断发展的进程。例如，RAUCH等[37]对创业导向与企业绩效的元分析结果，并不是说明创业导向与企业绩效之间的关系就一定是正向关系，效应值限定在0.242，仅说明了当时创业领域的学者们，对“创业导向是否能预测创业企业绩效”这个理论问题的研究进展情况。未来的研究可以基于此文献进行更多的探索。由此，囿于元分析的结果而止步，是对元分析方法最大的误解。

4.2 进一步提高元分析研究程序的规范性和严谨性

提高元分析研究程序的规范性和严谨性，包括如下两点：①加强初始研究选择的规范性和严谨性。鉴于不同的研究样本可能得出不一样的结论，在进行初始研究程序时，学者应制定合适的决策规则，确保研究的严谨性与精确性。例如，在比较创业者与经理人的风险倾向时，STEWART等[38]的元分析研究包含了12篇文章，排除了相关的14篇文章，结果表明，创业者尤其是具有成长性取向的创业者，比一般经理人的风险倾向更高；而MINER等[39]则选用前者排除的14篇文章进行元分析，结果表明，创业者以及那些有成长性取向的创业者更容易规避风险。另外，鉴于每个独立研究内部、结构、统计结论的外部有效性不同，因此，当分析中包含的研究缺乏有效性时，结果可能会被描述为“垃圾中的垃圾”。由此，研究者对初始研究进行选择时，应注重初始研究的整体代表性，保障根据元分析中包含的每一项独立研究做出推论的有效性和严谨性。②加强数据处理程序的规范性和严谨性。在元分析的初始分析处理程序中，元分析的学者应全面执行系统误差修正、互依效应修正、异常值识别等程序，尤其是在判断应包含哪些研究、排除哪些研究时，应保持谨慎和进行严格的筛查。此外，值得注意的是，在异常值识别中，除了分析是否存在异常值外，研究者最好对比异常值存在与否的结果。

4.3 为元分析研究引入当代方法

HUNTER等[40]所开发的元分析方法被广泛应用于管理学研究。然而，传统元分析方法面临的局限性，阻碍了元分析发展的进程和理论贡献。元分析结构方程模型是在元分析心理计量方法上演化而来的，它允许创业研究者在一个具有多元变量的模型中同时检验多重关系，并且还能够保障元分析具备的汇总多种初始研究成果的能力。此方法受到了越来越多创业研究者的青睐。另外，MARA作为一种能够同时检验大量可能产生调节效应的影响因素的方法，能够很好地解释为什么不同研究针对同一关键关系给出了不一致的结论。近10年来，该方法也受到了创业研究者的高度重视。据此，未来创业领域的元分析研究者，应当积极汲取和吸收当代研究方法的优点，积极探索当代元分析研究方法面临局限性的解决方案，以期更好地利用元分析研究方法为创业领域理论的深入探索服务。