今天補一篇2019年JBV的Editorial論文，是在探討創業研究中量化主題該如何更好的發展。文章指出創業研究在2019年時有迅猛增長，其中被金融時報認可的學術刊物、創業科系的建設、開展創業教育博士培養的學校都有快速的成長，尤其是創業科系的成長超過管理學其他類別的4倍。因此，創業領域作為管理學的一個學門應該被很好的界定；同時，創業研究的學者背景多元，使用的方法也很多元，對於研究品質的把控就顯得尤為重要。尤其對於量化研究而言，不僅要關注現存的假說，而且要關注新假說的形成，因此不僅要深刻了解創業研究的實證方式，而且要了解研究的意涵，提高研究的嚴謹性。
對於JBV而言（因為論文是刊載於JVB的Editorial paper）所刊載的文章有助於提升學者對於創業研究的理解，增加研究的價值；另一方面，研究解決或者提出了研究問題。對此作者指出量化研究應該從3個方面來增加文章的有效性即激發研究問題、改善因果關係、降低研究者的自由度。
作者指出量化研究往往是對理論進行驗證，故文章必須能夠激勵其他學者產生研究問題，若研究只是通過模型驅動而非研究問題驅動的話，則會與最初量化研究的發展方向相左。同時，創業研究的特點是提出研究問題並與研究現象緊密連接，因此，創業研究是現象/問題驅動的。其次，作為量化研究，因果推論是十分必要的，而且假說的產生不能是由數據驅動的，而應該是由於理論和研究問題驅動的。同時，研究應該重視預先實驗，通過先驗來提升研究的有效性，對於合理化假說有較大幫助。同時，學者往往過於注重研究結果是否顯著，盲目的追求顯著性的同時往往忽略了虛無假說的合理性。因此，在進行量化研究以及提出假說的時候常常忽略了虛無假說設定的合理性，故在進行量化研究時，應該先考慮假說的論述邏輯，隨後再對假說驗證的數據進行搜集。此外，在創業研究中，數據的獲取往往比較困難，因此，有數據驅動的研究廣泛盛行，這也使得研究問題的發掘和假說的論文欠缺，形成數據驅動的局面。
再次，研究結果的可複製性和透明性對於學術領域而言具有重要的促進作用。量化的創業研究很多都運用公共數據庫，通過相同的數據運用不同的方法以及運用相同方法對不同數據庫進行對比研究都是有意義的，能最大化的將影響結果的因素歸於數據，而不是研究自身的缺陷。而以公開數據、公開方法或源代碼等方式將研究透明化，不僅使得研究可以複製，而且有助於啟發後續學者們的思考。
第三，內生性問題也是創業研究中常常被忽視的現象，導致內生性問題產生的原因有很多，在量化研究的設計過程中，應充分考慮內生性的問題對研究帶來的影響，許多研究會有干擾變數的存在，因此也會存在內生性的情況，往往使得研究結果難以收斂。解決內生性問題的方法只要分為兩個方面，即以研究方法為主的（如PLS等）研究方法上的彌補，另外，從研究設計方面充分考量內生性問題，盡可能的規範研究設計，減少內生性的影響。
另外，在樣本的選擇方面，並非樣本數越多越好，而且在社會科學，尤其是創業研究中，數據往往是小樣本（由於數據搜集的難度較大）而大樣本的標準誤低，但Coeff.也較低，effect size也會較小。而小樣本數據只要在研究中設計合理，運用Effect Size來討論也是很有效的範式，同時先前許多創業研究的小樣本數據也展示了其顯著性、中介調節等變數的加入也顯示出同樣的結果。而且小樣本只要有理論基礎，同質性也是最好的。
綜上所述，本文呼籲創業研究的學者們尤其是進行量化實證研究的學者要對量化研究從上述3個維度進行加強，從因果機制、理論推倒、研究問題和數據驗證等方面增強研究的品質。
