دانلود رایگان ترجمه مقاله بررسی مشكلات غيرطبيعی و بررسى تاثيرات علل در پژوهش کارآفرینی – SSRN 2009

مقاله انگلیسی رایگان

ترجمه فارسی رایگان 

بخشی از ترجمه فارسی مقاله:

خلاصه
این مقاله با استراتژی های برآورد اثرسببی در زمینه های تجربی بسیار ناهمگن همانند کارآفرینی در مواجه است. ما استدلال می کنیم که استفاده شفاف تر از ابزار مدرن توسعه یافته در مواجه با برآورد اثرات سببی در ترکیب با تجزیه و تحلیل ما از منابع مختلفی از ناهمگنی ها درکارآفرینی می تواند منجر به کارآفرینی با اعتبار داخلی بیشتر شود. ما مخصوصا وام دار حمایت از منطق خلاف و پژوهش مدرن ازاستراتژی های برآورد برای تخمین اثرات سببی هستیم.
خلاصه اجرایی
کارآفرینی دربسیاری از اشکال و فرم ها می آید که توسط حوزه گسترده ای از انگیزه ها و در تنوعی از زمینه ها به حرکت و جنبش در می آید.درحالیکه این ناهمگنی منجربه ایجاد جذابیت کارآفرینی می شود و همچنین باعث می شود آن برای محققان کارآفرینی بسیار چالش برانگیز باشد تا به نتایج قوی و معتبری در خصوص روابط سببی برسیم.ایجاد تجربیات از داخل و برون تحقیقات کارآفرینی در این مقاله یک بحث یکپارچه از استراتژی ها رابرای مواجه بامشکل ناهمگنی باکاربرد خاص در حوزه کارآفرینی و برآورد اثرات سببی ارائه می دهد.مخصوصا در مواجه با این سه مشکل: ۱) عدم تجانس مشاهده نشده: متغیرهای اندازه گیری نشده یا غیرقابل دسترس که ممکن است روابط برآورد شده را تحت تاثیر قرار دهد.۲) عدم تجانس سببی: به عنوان مثال، ساختار قدرت، جهت یا شکلی از روابط که ممکن است در زیرگروه ها از جامعه مورد مطالعه تغییر کند.۳)اعتبار نابرابر: به عنوان مثال اعتبار عملیات انتخاب شده ممکن است توسط زیرگروه ها یا زمینه و محتوا تغییر کند.
مابحث می کنیم که چگونه این مشکلات می تواند در مراحل مختلف فرآیند تحقیق به عنوان مثال از طریق تئوری و نظریه پردازی در انتخاب یک طرح برای مطالعه (از جمله نمونه پردازی) به ترتیب در مرحله عملیاتی و از طریق رویکردهای انتخاب شده برای تجزیه و تحلیل کاهش یابد.ما هر بخش را با توصیه های خلاصه شده نتیجه گیری می کنیم که می بایستی به مطالعات قوی تر طرح های پژوهشگران کارآفرینی و رسیدن به نتایج معتبرتر از مجموعه داده های موجود کمک کند.در ادامه ،ما مثال هایی از مطالعات کارآفرینی را بیان می کنیم.
۲٫مقدمه
این مقاله در مورد مواجه بااستراتژی های برآورد اثرسببی در زمینه های تجربی بسیار ناهمگن همانندکارآفرینی است .سرمایه گذاری تجاری توسط افراد و تیم با پیشینه و انگیزه های مختلف آغاز شده است که اهداف مختلفی را بر اساس ایده های تجاری باکیفیت ذاتی بسیار متغیر در محیط ها دنبال می کندکه همچنین تنوع فوق العاده ای را نشان می دهد.جنبه های خاصی از این تنوع و ناهمگنی بزرگ،جزء ویژگی های مهم ، اساسی و نظری جالبی از پدیده کارآفرینی است.(الوارز و بوسنیس، ۲۰۰۱ و دیویدسن۲۰۰۴) گذشته از این ، بخش بزرگی از توانایی های ما این است که از هنجارها به روشهای جدید و غیرمنتظره محرف شویم که باعث ایجاد جذابیت سرمایه گذاری های در حال رشد، جدید و از نظر مالی موفق می شود.
بااین حال، تنوع زیادی باعث می شود که برای محققان دشوار باشد تابه استنتاج سببی معتبر برسند و مطالعات تلاش می کنند توسط دربرگیری تمام واریانس ها چندبعدی در یکبار در معرض ریسک بودن بعد از رسیدن به نتایج ضعیف و گیج کننده ، منعکس کننده واقعیت ها باشد. به طور مشابه، مطالعات به طور ظاهری سوالات مشابه را با استفاده از نمونه های مختلف، رویکردهای آنالیز و یا عملیاتی مخاطب قرار می دهد که ممکن است به نتایج متناقض برسند. در طول سال، این موضوع به این ناامیدی منجر شد که کارآفرینان به نظر می رسد که از تجمع سرپیچی می کنند.(لاو و مک میلان، ۱۹۸۸) ما در حال گرفتن قطعات بازی بیشتری هستیم اما هیچ تصویری استخراج نمی شود.( کوپل و مینی تی، ۲۰۰۳) در این مقاله ما از ناهمگنی و عدم تجانس به عنوان یک اصطلاح حفاظی (چتری) برای تنوع همزمان در امتداد ۳ بعد مختلف استفاده می کنیم که باعث می شود آن چالشی باشد تا به اندازه کافی اندازه گیری هایی را به صورت تئوری ایجاد کند و به درستی آن را شکل دهد وطراحی کند و روابط سببی را برآورد کند و آن را تخمین بزند.تعدد عوامل به ناهمگنی و عدم تجانس شکل کمک می کند.آنها ۱)ناهمگنی مشاهده نشده ۲)ناهمگنی سببی ۳) اعتبار نابرابرو یا افتراقی هستند.
درحالی که همه زمینه های علمی می بایستی تا حدی با مسائل و مشکلات ناهمگن و عدم تجانس مواجه شوند ،دلایل متعددی وجود دارد که چرا آنها از اهمیت ویژه ای برای تحقیق کارآفرینی برخوردارند.نخست، پدیده به خودی خود ممکن است ناهمگن باشد برای اینکه آن مربوط به افراد، صنایع و سرمایه گذاری درحال ظهور است.در مراحل پیچیده تری از توسعه، نیروی بازار (لاولس و تگاردن،۱۹۹۱) یادگیری( جووانویچ، ۱۹۸۲) و فشار سازمانی(هنریک سون ۲۰۰۷) تمایل به محدود کردن طیف وسیعی از تنوع همراه حداقل برخی از ابعاد دارند. دوم با توجه به هزینه و مشکل به دست آوردن اطلاعات اولیه درچنین پدیده هایی در حال ظهوری، محققان ممکن است آن را تبدیل به داده های آرشیوشده ای کنند که تمام متغیرهای مورد نیاز را دربرنمی گیرد تا از مشکلات جدید متغیرهای حذف شده، جلوگیری کند.سوم، در حوزه چند رشته ای از تحقیقات کارآفرینی ، هرنظریه یارشته بر مجموعه خاص خودش از متغیرها و نادیده گرفتن دیگران تاکید میکند.(آکس و آدرچ، ۲۰۰۳ ، ایرلند وب ،۲۰۰۷) جذب بخشی از آنچه می تواند مجموعه متحدی از نظریه در نظر گرفته شود (آثار تجربی مرتبط) در سراسر طیف وسیعی از زمینه ها می تواند به طور جدی منجر به تعبیر نادرست تئوری و نتایج شود.خیلی از نتایج ممکن است فقط تحت فرض تئوری خاص در محتوا و زمینه های تجربی خاص معتبر باشند.از این رو ایجاد یک حوزه یکپارچه از دانش برای کارآفرینی به عنوان اینکه همراه با ریسک های قابل توجه است، مهم می باشد.

بخشی از مقاله انگلیسی:

ABSTRACT

This paper deals with causal effect estimation strategies in highly heterogeneous empirical settings such as entrepreneurship. We argue that the clearer used of modern tools developed to deal with the estimation of causal effects in combination with our analysis of different sources of heterogeneity in entrepreneurship can lead to entrepreneurship with higher internal validity. We specifically lend support from the counterfactual logic and modern research of estimation strategies for causal effect estimation.

۱٫ EXECUTIVE SUMMARY Entrepreneurship comes in many shapes and forms, driven by a broad variety of motivations and in a diversity of contexts. While this heterogeneity contributes to making entrepreneurship fascinating it also makes it very challenging for entrepreneurship researchers to arrive at strong and credible conclusions regarding causal relationships. Building on experiences from within and outside of entrepreneurship research this article provides an integrated discussion of strategies for dealing with the problem of heterogeneity with particular application to the entrepreneurship domain and the estimation of causal effects. Specifically, we deal with three problems: 1) unobserved heterogeneity, i.e., that unmeasured or unavailable variables may bias estimated relationships; 2) causal heterogeneity, i.e., that the structure, strength, direction or form of relationships may vary among sub-groups of the studied population, and 3) uneven validity, i.e., that the validity of chosen operationalizations may vary by sub-group or context. We discuss how these problems can be reduced at different stages of the research process, i.e., through theory and theorizing; in choosing a basic design for the study (including sampling); at the operationalization stage, and through approaches chosen for analysis, respectively. We conclude each section with summarized advice that should help entrepreneurship researchers design more robust studies and arrive at more validconclusions from extant data sets. Throughout, we illustrate with examples from entrepreneurship studies ۲٫ INTRODUCTION This paper deals with causal effect estimation strategies in highly heterogeneous empirical settings such as entrepreneurship. Business ventures are started by individuals and teams with very different backgrounds and motivations, pursuing different objectives based on business ideas of very variable inherent quality in environments that also show tremendous variability. Certain aspects of this great variability or heterogeneity is an important, fundamental and theoretically interesting characteristic of the entrepreneurship phenomenon (Alvarez & Busenitz, 2001; Davidsson, 2004). After all, it is in great part their ability to deviate from norms in new and unexpected ways that makes new and growing ventures fascinating and – sometimes – financially successful. However, the great variability also makes it difficult for researchers to arrive at valid causal inference, and studies that try to ‘reflect reality’ by including all the multi-dimensional variance at once risk arriving at weak or confusing results. Similarly, studies seemingly addressing the same questions using different samples, operationalizations or analysis approaches may arrive at conflicting results. Over the years, this has led to frustration that “entrepreneurs seem to defy aggregation” (Low & MacMillan, 1988) and that we are “getting more pieces of the puzzle, but no picture is emerging” (Koppl & Minniti, 2003 In this article we use heterogeneity as an umbrella term for the simultaneous variability along three different dimensions that makes it challenging to adequately measure theoretical constructs and to correctly model and to estimate causal relationships. Numerous factors contribute to problematic heterogeneity. They are (1) unobserved heterogeneity, (2) causal heterogeneity and (3) uneven or differential validity. While all scientific fields have to deal to some extent with heterogeneity problems there are several reasons why they are of particular significance for entrepreneurship research. First, the phenomenon itself may be more heterogeneous as it concerns emerging ventures,industries and populations. In more mature stages of development, market forces (Lawless & Tegarden, 1991), learning (Jovanovic, 1982) and institutional pressures (Henrekson, 2007) tend to limit the range of variation along at least some dimensions. Second, due to the cost and difficulty of obtaining primary data on such emerging phenomena researchers may turn to archival data that do not include all variables needed to avoid severe omitted variables problems (Shane, 2006). Third, within the multi-disciplinary field of entrepreneurship research, each theory or discipline emphasizes its specific set of variables and neglects others (Acs & Audretsch, 2003; Ireland & Webb, 2007). Partial absorption of what can be considered unified bodies of theory (and related empirical works) across a range of fields can lead to seriously misreading the theory and results. Many results may only be valid under certain theoretical assumptions and in specific empirical contexts. Hence, the construction of an integrated field of knowledge for entrepreneurship – important as it is – is associated with considerable risks1 .