人工智能创业生态系统新框架：基于PLS-SEM、NCA与ANN的多方法实证研究

本研究针对人工智能(AI)创业生态系统中关键驱动因素不明确的问题，通过整合PLS-SEM、IPMA、NCA和ANN多方法分析，揭示创业生态系统与社会影响(SOCINF)对AI创业意愿(AIEI)的直接促进作用，以及开放性和绩效期望(PERFEX)的中介机制。研究为政策制定者和创业者提供了基于证据的干预策略，对推动AI技术融合具有重要实践意义。

　　

随着人工智能技术重塑传统商业模式，创业领域正经历数字化转型浪潮。然而，尽管AI具备优化运营、增强竞争力的潜力，创业者对其采纳却呈现不均衡态势。这种矛盾背后隐藏着关键问题：究竟是哪些因素驱动着创业者拥抱AI技术？现有理论虽从生态系统、技术采纳行为等角度提供解释，但缺乏对AI创业情境的特异性分析，更未能揭示多因素间的复杂作用机制。在这一背景下，罗马尼亚布加勒斯特经济研究大学的Simona C?t?lina ?tefan、Ion Popa和Andreea Breazu展开研究，旨在构建AI创业生态系统新框架，其成果发表于《Journal of Innovation》。

研究团队采用多方法融合的分析策略，主要技术手段包括：1）基于765份潜在创业者问卷的结构方程模型(PLS-SEM)检验直接与中介效应；2）重要性-绩效分析(IPMA)与必要性条件分析(NCA)识别管理干预优先级；3）人工神经网络(ANN)捕捉非线性关系。样本来自罗马尼亚具有创业意向的群体，涵盖61.9%女性和82.2%本科以上学历者。

理论背景与假设发展

研究首先通过内容分析界定AI创业生态的五大维度：创业生态系统(ENECOS)、社会影响(SOCINF)、开放性(OPEN)、绩效期望(PERFEX)和市场变化(MKCH)。基于动态能力理论与制度理论，提出6项假设：H1（ENECOS正向影响AIEI）、H2（SOCINF促进AIEI）、H3-H4（OPEN与PERFEX中介ENECOS/SOCINF与AIEI的关系）、H5（MKCH强化ENECOS与AIEI的关系）、H6（MKCH增强SOCINF对AIEI的影响）。

研究方法与模型验证

测量模型显示所有构念具有良好信效度（Cronbach's α>0.7，AVE>0.7）。结构模型检验发现：ENECOS(β=0.209)与SOCINF(β=0.528)对AIEI存在显著直接效应，支持H1-H2；OPEN与PERFEX在ENECOS/SOCINF与AIEI间发挥互补中介作用，支持H3-H4；MKCH仅显著调节ENECOS与AIEI的关系(β=0.098)，H5成立但H6未获支持。

多方法深度洞察

IPMA-NCA整合分析表明：SOCINF与ENECOS对AIEI具有高重要性但低绩效特征，需优先干预；OPEN与PERFEX虽表现良好但仍为必要条件（阈值分别为20.732和19.760）。ANN灵敏度分析进一步验证SOCINF(0.483)和ENECOS(0.240)是AIEI的核心预测因子，且OPEN对PERFEX的解释力最强(0.539)。

理论贡献与实践启示

本研究通过融合生态系统理论与技术采纳模型，揭示开放性(OPEN)与绩效期望(PERFEX)在环境因素与创业意愿间的桥梁作用。发现社会影响(SOCINF)在市场动荡中仍保持稳定性，挑战了环境动态性削弱规范因素的传统认知。实践层面，建议政策制定者加强AI培训与税收激励，孵化器应构建榜样网络与实验平台，创业者需通过原型测试强化技术感知力。

尽管研究聚焦罗马尼亚语境，但其框架适用于新兴数字生态系统。未来研究可纵向追踪AI创业意愿演变，并区分生成式AI、预测分析等技术类型的差异化影响机制。