刘依冉 张玉利 郝喜玲

(1.天津大学教育学院； 2.天津大学教育科学研究中心；3.南开大学商学院； 4.安徽财经大学工商管理学院)

1 研究背景

创业活动始于机会识别，“为什么有人能够识别机会而另外一些人不能”的问题引发学者广泛关注[1]。反观现实，却也不乏在机会面前不肯行动的案例(如放弃数码相机市场的柯达公司)。在同等机会下，相对创业企业，大企业势必拥有足够多的竞争优势，但为什么大企业不能抓住某些契机，而市场上总能为创业企业留有生存空间？对于类似的疑问，创业学者认为，机会本质上是个体性的，带有鲜明的个人主观色彩[2]。面对高度事前不确定性，机会识别的深层动力源于创业者对未来的乐观信念，即强烈的相信“这是一个机会”的信念[3]；而创业者知识水平与动机偏好交互作用，共同提升信念，促成了机会识别和创业行动[4]。如果知识代表能够发现机会的能力和禀赋，那么动机则体现了“为之行动的愿望”，强调创业者是否有开发机会的主观意愿，两者都是机会识别不可或缺的条件。

MCMULLEN等[3]提出创业行动模型，论述了创业者的知识水平和行动动机如何共同影响识别机会的心理过程。回顾机会识别相关文献发现，已有研究更侧重强调认知和技能因素对机会识别的影响[4,5]，对创业者动机影响机制的探索尚有所不足。那么，为何创业者会在特定机会上形成更高信念并付诸行动？创业者的动机类型和强度如何影响机会识别？强烈的行动意愿能够助力于机会识别，有人在机会面前却不愿行动的现象又有何内在逻辑？这些问题都有待深入探讨。调节定向理论将个体动机划分为趋近(促进定向)和回避(预防定向)两种类型，为理解这些问题提供了良好视角。

机会具有显著的异质性，创业者机会识别的个体性和主观性不仅体现在是否能够识别机会，更体现于识别什么样的机会。基于结构映射理论的机会识别研究，通过认知属性区分机会异质性，将机会定义深化为寻找市场与技术之间结构线索相似性的过程[2]。其中，结构相似性指市场需求和技术功能之间逻辑的匹配性，是机会质量的决定要素。机会识别则是对结构相似性表征有效性的信念[2]。该理论为理解机会识别的异质性提供了基础，因此，“为什么有人能够识别机会”的问题应当深化为“为什么有人能够通过结构线索发现机会”。基于此，结构相似性效应的形成机制问题也值得进一步研究。

综上，本研究将机会识别定义为寻找技术和市场之间结构匹配、形成机会信念的认知过程，借鉴GRÉGOIRE等[6]的实验情景，通过设置体现结构相似性高低的不同机会情景，测量创业者对每个情景的机会信念，反映对结构相似性的把握；针对245名技术创业者，考察促进定向和预防定向对结构相似性效应的作用机制，以及知识水平的调节作用。

2 文献回顾

2.1 创业行动模型

在不确定性情境中，信念对行动有重要影响，甚至可以视为行动的关键诱发因素。当面临不确定时，决策者必须从诸多备选项中做出抉择，而决策一旦生效，即意味着时间和资源的投入；同样，在高不确定性的创业环境中，机会识别和创业行动归根结底亦是源于创业者对未来的乐观信念[2]。

MCMULLEN等[3]阐述了创业者的知识和动机如何共同降低不确定性、提升机会信念，进而增强创业行动意愿的机理。由此可知，必要的知识和动机可以使个体脱离无知状态。脱离无知，创业者需要拥有充足的知识对环境中的信息进行解读和意义赋予；同时，需要有足够强烈的动机，以便将注意力和信息加工资源集中在相关信息上，在机会来临之时形成第三人称机会信念，即认识到环境中赋有机会。相反，无知指的是信息的缺失或无意识，导致个体不能意识到机会的存在。

在第三人称机会形成后，个体需要克服怀疑，从而建立第一人称机会信念，即产生强烈的“这是我的机会，我要为之行动”的愿望。怀疑，由创业的风险性、不确定性和模糊性引发。个体怀疑是影响机会信念的重要因素，进而引发创业行为层面的差异。在个体确认了环境中可能存在某个机会后，需要对机会的可行性和满意度进行评估，综合考量是否能够成功开发这一机会，以及是否要投入各方资源利用这一机会。由克服无知和怀疑、形成第三人称机会信念及第一人称机会信念的过程，逐步催生了创业行动。

2.2 结构映射理论下的机会识别研究

结构映射理论用于解释个体如何通过将新事物与熟悉事物作比较，以对新事物做出推断[7]。该理论认为，类比源和类比对象是两个集合各自属性的关系系统，系统中的属性可能相似也可能不相似。属性相似性分为两类，即表面相似性和结构相似性[7]。表面相似性指事物、概念、情境中的表面特征，即基本信息元素的相似性，如两者之间有共同的颜色、形状、属性等[8]。结构相似性指事物、概念、情境的结构特征，即逻辑关系的相似性，比如两者之间有相似的功能、作用方式等[8]。其中，表面相似性是类比过程中容易提取到的线索，而结构相似性是因果推断等高级认知活动的主要线索。但是由于结构线索较难发现，需要个体在信息加工中付出更多的认知努力，拓展的工作记忆[9]和丰富的背景知识[10]有助于发现结构线索匹配。

GRÉGOIRE等[2]首先将结构映射理论应用于创业机会识别领域，认为机会识别的本质是寻找技术和市场之间的匹配。在匹配过程中，创业者会使用技术、市场之间的表面相似性和结构相似性两种线索。表面相似性高，意味着技术的基本元素(如组成部分、开发背景、开发者)与市场中的基本元素(如市场中的人、他们之前使用工具的材料等)匹配。结构相似性高，意味着技术的内部性能(如技术的作用原理、功能等)类似于市场潜在需求、原因和机制(为什么顾客会有这种需求)。在研究中，当呈现某一新科技给创业者，使其自由联想与之匹配的市场时，创业者首先会通过表面线索进行初步筛选；在接下来的深层次信息加工中，通过结构线索形成最终判断。

在此基础上，GRÉGOIRE等[6]以表面相似性(高vs.低)和结构相似性(高vs.低)4种组合，开发实验情景，进一步分析两种线索如何影响机会信念的形成。他们认为，表面相似性对记忆提取有重要作用，结构相似性有利于两者之间的逻辑推理。尽管结构相似性高时，机会才具有高开发潜力，在表面相似性缺失的情景中，结构相似性难以被发现。此后，MUELLER等[11]探索创业者认知对结构相似性效应的影响，发现专业知识、专家机会模型和直觉式认知风格会调节失败经历对结构相似性效应的促进作用。国内学者也逐渐开始探索结构相似性的形成机制，并发现了机会原型的促进作用[12]。

2.3 调节定向理论及相关研究

作为重要的动机理论，调节定向理论重点解释个体如何趋利避害以实现目标[13～15]。在达到某一特定目标的过程中，个体会努力调控自己的认知和行为，这一过程称为自我调节[16]。调节定向理论区分了两种不同的自我调节倾向，即促进定向和预防定向。促进定向与提高需要，即发展、生长需要相关，将期望的目标状态表征为抱负和完成，在目标追求过程中更关注如何实现积极结果，对收益敏感。预防定向与安全需要，即避免伤害等需要相关，将期望的目标状态表征为责任和安全，在目标追求过程中更关注如何避免消极结果，对损失敏感。

创业是创造性的破坏，与创业者的雄心、抱负、梦想、愿景相联系，调节定向理论为创业行为研究提供有意义的解释框架[17]，引发学者关注。MCMULLEN等[18]发现，随着所呈现机会的收益提高，个体会表现出更强的创业意向，而且这种效应在高促进定向的创业者身上体现得更为明显。BROCKNER等[17]认为，不同创业阶段需要不同的动机取向，放眼整个创业过程，则需要两种定向的灵活转换和结合，不拘泥于任何一种才更有可能成功。其后，HMIELESKI等[19]为调节定向和企业绩效的关系提供了实证证据，他们发现在动态性高的环境中，促进定向有利于新企业绩效，而预防定向对绩效有负面影响；在稳定的工业环境中，两种定向与绩效的关系不显著。可见，调节定向与创业效果的关系不可一概而论，只有准确地理解不同动机取向与特定创业行为的关系路径，才能够更好地调控行为。其中，不同调节定向与机会识别的关系是研究者关注的话题，如BARON[20]发现，与避免损失相比，促进定向的个体更关注目标实现，所以促进定向的创业者先动性更强，对机会信息更加敏感，从而能够识别更多机会。相比之下，预防定向的创业者创业行动更加保守和谨慎，筛选机会的标准更为严苛。TUMASJAN等[21]的研究表明，促进定向与机会识别的数量和创新性都显著正相关。近年来，调节定向与创业行为的关系逐渐引起国内学者的关注，如在段锦云等[22]的研究中，根据该理论将创业者生动地划分为“勇士型”(高促进定向的创业者)和“谨慎型”(高预防定向的创业者)，并发现不同动机类型影响创业者认知：“勇士型”创业者更关注情境中的积极信息，而“谨慎型”创业者会放大环境中的风险。

2.4 文献述评

通过对已有文献的回顾，发现还存在以下研究缺口：①创业行动模型为理解机会识别提供了良好的框架，然而动机是个复杂的概念，包含不同种类和维度，不同动机类型对机会识别过程的影响是否存在差异，特定类型的动机与知识如何相互作用等问题需进一步研究。②虽然学者关注并承认结构相似性效应在机会识别中的关键性[6]，但是对其形成机制和路径的探索还有不足。已有研究侧重强调机会属性[6]和创业者认知的作用[11]，结合创业行动模型，动机如何与知识共同影响结构相似性效应的形成的问题值得探索。③有关调节定向和机会识别研究引发学者关注，但更多强调促进定向对机会识别的积极作用。促进定向对机会识别的影响机制、预防定向与机会识别的作用路径以及两者间的边界条件等问题有待探索。本研究将机会识别定义为对技术和市场之间结构相似性线索表征的信念，考察创业者不同动机的强度(促进定向vs.预防定向)与结构相似性效应的作用机制，以及先前知识的调节作用。

3 假设提出

3.1 调节定向与结构相似性效应

动机倾向可以影响信息加工，进而影响对结构相似性的探测。促进定向的个体更关注对理想自我的追求，对收益和事物的积极结果更为敏感[13]，在这种动机取向引导下，高促进定向水平的创业者会将更多的认知和关注置于新异信号的加工上，对结构相似性信息有更多关注。由于对积极结果的持续关注，促进定向的个体对新信息更加敏感，具有更高水平的创造力[23]。在信息加工上，这一方面表现为高促进定向的个体能够拥抱更多的可能性，更开放地解读机会识别信息；另一方面表现在促进定向个体更专注于新异信息[21]。由此，促进定向有利于机会信息的搜索和更深层次的加工，使创业者更容易发现市场和技术之间的作用原理和逻辑，能够更好地识别市场和技术之间的结构相似性。此外，如BROCKNER等[17]指出的，促进定向的创业者在机会识别和创意生成阶段会有更好的表现。机会识别(结构相似性效应形成)本质上是对信息的创造性连结，是一种建立在愿景基础上的、具有前瞻性的创意生成。而这种前瞻性往往来自于对理想自我的追求和对实现抱负的期许，高促进定向水平的创业者不仅对结构相似性表征有更强的识别能力，亦具有更强的行动意愿。综上，提出如下假设：

假设1促进定向与结构相似性效应正相关。

类似地，预防定向亦会影响结构相似性效应。预防定向主导下，个体目标是保持安全，追求避免损失，因而对避免损失的信息敏感[24]。高预防定向的个体通过遵守规则、循规蹈矩来获取稳定和安全感[25]。由此，他们更多地追求确定性，注重规避风险和错误，行为更加保守谨慎。这一动机倾向会影响创业者的信息收集和加工过程[25]，使其对环境中的风险信息更为小心审慎，以回避消极结果[26]。在信息收集方面，高预防定向的创业者表现出选择性注意[17]，更关注情境中的确定性信息，对风险相关的新异信号“视而不见”，导致注意广度和信息搜索范围缩小。在信息加工方面，囿于维持安全和稳定的需求，高预防定向的创业者排斥新异信号、放大其中的风险概率，降低其对相关信息进行深度加工的动机[25]。结构相似性效应的形成需要注意和认知的高度集中以及更多的认知努力，因此推断预防定向不利于结构相似性效应的形成。此外，为了避免消极后果，高预防定向的创业者偏好谨慎和渐进性任务，而天然拒绝高风险和不确定性的活动，因此认为预防定向不仅阻碍对结构相似性的探测，亦会降低创业者的行动意愿。综上，提出如下假设：

假设2预防定向与结构相似性效应负相关。

3.2 知识水平对动机和结构相似性效应的调节作用

对结构相似性线索的加工是高认知资源消耗活动，信息加工者除了具备深入加工和编码信息的动机，知识也起到重要作用。知识是影响结构相似性形成的关键因素之一，知识水平越高，类比匹配时更倾向于使用结构线索[10]。

较高的知识水平提供了对外界信息进行解释和意义赋予的认知基础，能够使个体充分理解外部信息，从而做出判断[27]。促进定向主导下的创业者偏好寻取新异刺激，并且对新信息有更高的敏感度、倾注更多的认知资源。知识为高促进定向的创业者进行深入信息加工提供信息基础，能够提升其信息加工水平，有利于结构相似性线索的探测。相反，当知识水平较低时，促进定向能够调动的信息资源不足，阻碍信息加工。机会识别涉及对技术和市场中元素的信息加工，因此与机会识别任务密切相关的知识，包括对技术的理解和对市场的把握。高水平技术知识有助于清晰地理解技术原理，因而创业者不仅了解技术应用的固有领域，也能够根据其原理对适用情境做出迁移。当创业者拥有丰富的市场知识时，会增强其对市场需求和顾客痛点的把握，从而更准确地定位满足市场需求的技术原型。据此推断，丰富的技术和市场知识有利于高促进定向的创业者解读信息，促进结构相似性判断的形成。由此，提出如下假设：

假设3a有关技术的知识正向调节促进定向与结构相似性效应的关系，随着技术知识的增加，促进定向对结构相似性的影响增强。

假设3b有关市场的知识正向调节促进知识与结构相似性效应的关系，随着市场知识的增加，促进定向对结构相似性的影响增强。

知识为理解信息提供了认知基础，使个体能够更理性、全面地看待事物。知识水平越高，创业者能够更加准确地识别问题，同时更清晰地看到行动中的风险。尤其，预防定向将期望的目标状态表征为责任和安全，在目标追求过程中更关注如何避免消极结果。由于对损失敏感，预防定向主导的创业者筛选机会的标准也更为严苛，行动更加保守[20]。技术和市场知识水平越丰富，预防定向的创业者能够探测到越多的问题和纰漏，而阻碍结构相似性效应的形成。相反，相关知识不足可能放松高预防定向创业者的行动标准。综上，技术知识和市场知识水平越高，预防定向对结构相似性效应负向影响越强。由此，提出如下假设：

假设4a有关技术的知识负向调节预防定向与结构相似性效应的关系，随着技术知识的增加，预防定向对结构相似性的影响减弱。

假设4b有关市场的知识负向调节预防定向与结构相似性效应的关系，随着市场知识的增加，预防定向对结构相似性的影响减弱。

综上所述，提出如下理论模型(见图1)。

图1 理论模型

4 研究设计与方法

4.1 研究设计

通过还原GRÉGOIRE等[6]的设计，形成本研究2(表面相似性：高vs.低)×2(结构相似性：高vs.低)的实验情景(见表1)。具体为，选取将某一真实技术应用到某一真实市场的案例，根据结构映射理论的内涵，识别这一应用情景中的表面线索和结构线索，通过操纵两种线索水平的高低，编写剩余3种机会情景。在这一情景中：①真实的技术是：美国航空航天局朗利研究中心发明的注意力训练系统；②真实的市场是：非药物治疗儿童多动症的方式。

表1 市场与技术之间的表面和结构元素匹配性

根据结构映射理论对表面相似性和结构相似性的定义，在机会识别情景中，技术的表面线索主要包括科技的发明者、应用对象、使用原材料等，结构线索主要包括技术的原理和功能。据此判断，上述市场与技术的组合为高结构相似性(注意力训练系统可以满足提高多动症儿童注意力水平的市场需求)、低表面相似性(该技术适用于航天员，与儿童这一需求主体并不一致)匹配。鉴于此，分别采取以下方式操纵两种相似性：①对增加表面相似性的操纵：将这一技术的开发机构由美国航天航空局改为儿童青少年疾病治疗中心，将技术的载体由飞行仿真器改为游戏系统；②对降低结构相似性的操纵：将技术的功能由提高注意力水平(航天员与儿童)改为提高个体的抗压力和焦虑水平。根据以上操作，形成2×2的机会情景方格(1)注：囿于篇幅，具体情景实验设计未及列出，有兴趣的读者可与笔者联系索取。。

具体施测时，通过问卷呈现4种机会情景，请调查对象阅读每一种情景，并形成对4种机会情景的“机会信念”，因此形成2×2的被试内设计，然后根据不同情景机会信念计算结构相似性效应。

4.2 研究过程

本研究旨在考察如何形成技术和市场的结构线索匹配，调研对象选择技术创业者。依托于国科火炬孵化器研究中心，向孵化器从业人员发放问卷，请他们邀请在孵企业的创始人填答，并在两周内回寄给研究者。问卷发放地区涉及天津、河南、山东、上海、广州、深圳、重庆、成都。数据收集时间为2016年10月～2017年1月。

本次调研向孵化器从业人员发放问卷846份，共收到回寄问卷490份，总体回收率为57.9%。通过对问卷有效性核查以及对受访者的电话回访，删除填答不认真、非创业者填答以及回访与填答不一致的样本，得到有效问卷245份，有效率为50.0%。回收率和有效率皆处于合理范围之内。在样本中，男性创业者居多，占比80.0%；年龄多集中于31～40岁，占比45.7%；在教育程度分布上，多数创业者具有本科学历，占总数的55.9%；多数创业者为首次创业，占比59.6%；创业者大多具有1～5年的工作经验，占比45.7%。见表2。为了证明取样来自同一母体，采用单因素方差分析的方法进行平均值检验，结果表明，不同地区创业者在性别(F=1.99,p>0.05)、工作经验(F=1.49,p>0.05)、创业经验(F=0.69,p>0.05)等方面均无显著差异。

表2 受访创业者特征描述性统计分析(N=245)

4.3 变量测量

4.3.1结构相似性效应

本研究设计了高结构高表面、高结构低表面、低结构高表面、低结构低表面相似性4个实验情景以反映不同机会属性，并测量受试者在每一个情景中形成的机会信念。参照先前研究[6]，采用两个高结构相似性情景中机会信念与两个低结构相似性情景中机会信念之差，并取其均值，以反映结构相似性效应。具体计算公式如下

式中，机会信念的测量借鉴了GRÉGOIRE等[2]开发的机会信念量表。该量表共有5道题目组成，其中3道题目测量市场与技术之间的匹配性，包括“科技X能够解决所描述市场的问题”等；2道题目测量机会的可行性，包括“将科技X应用到所描述的市场是一个可行的机会”等。5道题目形成单一维度，共同反映了受试者在某个具体情景中的机会信念。该量表为李克特7点评分方式，-3代表十分不同意，3代表十分同意。本研究中，4个情景机会信念的Cronbach’sα值介于0.921～0.954之间。

4.3.2调节定向

本研究采用LOCKWOOD等[27]开发的一般调节定向量表测量促进定向和预防定向。量表共由18个题项构成，其中9道题目测量促进定向，另外9道题目测量预防定向。该量表为李克特7点量表，1代表十分不符合，7代表十分符合。该量表曾应用于创业研究领域，被证实有良好的信度和效度[21]。预防定向的Cronbach’sα值为0.71，促进定向的Cronbach’sα值为0.79，表明了信度水平良好。

4.3.3知识

参照GRÉGOIRE等[6]的研究，测量调研对象在所描述技术和市场上的相关知识。技术知识的测量要求受试者报告他们对所呈现科技，以及科技背后的原理的了解程度。市场知识的测量要求受试者报告他们对所描述的市场，以及市场的影响因素和解决方案的了解程度。量表为7点评分，评分区间为十分不了解=1，到十分了解=7。技术知识和市场知识测量题项的Cronbach’sα值分别为0.886和0.952，表明了较高的信度水平。

4.3.4控制变量

为了排除相关变量的影响，本研究设计了以下控制变量：①创业者的人力资本对创业以及机会识别过程有重要影响[28]。由此，本研究控制了创业者的性别(男性=0，女性=1)、年龄、教育水平(高中及以下=1，大专=2，大学本科=3，硕士=4，博士=5)。②参照以往研究，本研究以创业者先前创业次数测量创业经验。③以创业者的工作年限测量工作经验。④高自我效能感的个体往往能够对识别机会的数量和创新性[29]都有积极影响。因而，对自己的创新和创造力更为自信的个体也同样更有可能形成更加积极的机会信念。鉴于此，本研究控制了创造力自我效能感。创造力自我效能感的测量依据TIERNEY等[30]的研究，共包括4个题项。以上量表均为李克特7点评分，评分区间从非常不同意=1，到非常同意=7。

4.4 共同方法偏差

为了避免同源方法偏差，本研究在设计时考虑了以下几点：①在问卷的指导语中，强调保密性，以及答案没有正误之分，请受试者真实填答；②在问卷设计中，尽量将题目顺序打乱，并设计反向积分题目，防止填答惯习；③因变量结构相似性效应的取值为几个变量计算的结果，亦可以降低同源偏差。

在前期设计的基础上，仍需采用哈曼单因子检测方法对同源偏差进行分析，以检测受同源偏差的影响程度。本研究使用SPSS 22.0将主要变量题项放入探索性因子分析。结果显示，所有题项在未旋转时提取到11个因子，第一个因子解释方差为17.1%。可见，本研究并不存在明显的同源方法偏差。

5 研究结果

各变量的描述性统计及相关系数见表3。由表3可知，预防定向与结构相似性效应负相关，市场知识与结构相似性效应正相关。

表3 各变量的描述性统计及相关系数(N=245)

注：*、**分别表示p<0.05、p<0.01；4种技术知识之间的相关介于0.720～0.800之间，达到很高水平，在接下来的分析中，将取4种技术知识的均值代替被调研者的技术知识水平，这种做法也与先前研究相一致。

表4 假设检验(N=245)

注： +表示p<0.10。

本研究主要使用SPSS 22.0层级回归分析进行假设检验。检验结果见表4。在表4中，模型1为仅包括控制变量的回归方程；模型2加入了促进定向和预防定向等自变量；模型3包含了促进定向与不同知识之间的交互项；模型4包含了预防定向与不同知识的交互项；模型5为全模型。其中：①由模型2可知，促进定向的回归系数为0.122(p<0.10)，假设1得证；预防定向的回归系数为-0.150(p<0.05)，假设2得证。②由模型3可知，促进定向与技术知识的交互作用系数为0.176(p<0.05)，假设3a得证(交互作用图见图2)；促进定向与市场知识的交互作用系数为-0.119，未达到显著水平，假设3b未得到验证。③由模型4可知，预防定向与技术知识的交互作用系数为-0.161(p<0.05)，假设4a得到验证(交互作用图见图3)；预防定向与市场知识的交互作用系数为-0.033，未达到显著水平，假设4b未得到验证。

图2 促进定向和技术知识的交互作用

图3 预防定向和技术知识的交互作用

6 研究结论与讨论

6.1 研究结论

如何有效识别机会是困扰研究者和实践者的重要问题。本研究将机会定义为“技术和市场结构线索的匹配”，通过认知属性区分机会异质性，着眼于创业者动机和知识水平对机会识别的影响，得到以下结论：①当促进定向主导时，个体的目标在于追求收益和生长。创业以创新性和先动性为特征，尤其在初始阶段，促进定向有助于打开局面。本研究结论与先前研究中促进定向有利于机会识别的结论相一致[21]，然而却在更微观和细致的层面上解构了机会识别任务；同时发现，促进定向对结构相似性的形成起促进作用。②本研究发现，预防定向与结构相似性效应负相关，通过更精确地解构机会识别过程，在一定程度上解释了预防定向如何作用于机会识别。③在调节作用分析中，发现技术知识能够强化促进定向的作用。这表明，促进定向主导时，个体所表现出的先动性和警觉性有利于对机会相关信息的加工，技术知识可以提供丰富的信息，作为加工的基础。然而市场知识的调节作用却不显著，一定程度上说明对于“先动型”创业者(高促进定向)，技术知识的积累更为重要。④调节作用分析同样表明，技术知识强化预防定向与结构相似性的负相关关系。知识面越广，在回避损失的动机驱动下，看到的负面信息也会越多，反而会引发过度分析，不利于创业行动。尤其对于预防定向的创业者，过分执着于技术知识更加会降低行动效率。

6.2 研究局限与未来展望

本研究的不足为未来研究提供了机会，未来研究可在以下几个方面深入和拓展：①与以往心理学和组织情境下的研究类似，本研究着重考察促进定向和预防定向对结构相似性效应的不同作用路径，将两种动机取向的作用割裂。虽然研究表明不同动机适宜于不同任务情境，但是在高度复杂的创业决策中，动机的交融整合可能会带来更好的效果。目前已有研究开始探讨调节定向的共存问题，未来研究可关注两者如何交互、协调，共同促进机会识别。②动机和知识是影响机会识别的重要因素，还有许多值得进一步探索的研究命题。本研究主要聚焦于特质型动机对机会识别的影响，未来研究可尝试考察情境型动机的影响机制，如特定的创业动机、特定心理状态诱发的瞬时动机等。此外，未来研究可以更细致地区分一般知识和专业知识，深入讨论为何市场知识和技术知识的作用有所差别。③知识应用是一个灵活的过程，不仅需要在某一领域有相应的知识积累，更需要恰当地调动知识解决当下问题。未来研究可以继续考察如何表征知识才能有利于知识的应用，以及如何表征环境中的刺激才能有利于知识的提取。