MétaCan
Menu
Retour à la cohorte
Enregistrement W2921781430 · doi:10.3390/jrfm12010041

The Role of Entrepreneurial Strategy, Network Ties, Human and Financial Capital in New Venture Performance

2019· article· en· W2921781430 sur OpenAlexvenueno aff
Najib Khan, Shuangjie Li, Muhammad Nabeel Safdar

Notice bibliographique

RevueJournal of risk and financial management · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVenture capitalBusinessNew VenturesHuman capitalEntrepreneurshipGovernment (linguistics)Competitive advantageIndustrial organizationFinancial capitalSocial venture capitalGlobalizationFinanceMarketingMarket economyEconomics

Résumé

récupéré en direct d'OpenAlex

In the current era of globalization and competitive edge, the survival of newly established ventures has become a big challenge. Numerous studies have been carried out to discover factors that are essential for newly initiated ventures but the results are still fragmented. This study focuses on measuring the effect of entrepreneurial strategy, network ties, human capital and financial capital on new venture performance. A structured questionnaire was used to collect data from 196 registered firms located in the emerging market Pakistan. The results indicate that entrepreneurial strategy, network ties and financial capital have a significant positive effect, while human capital showed an insignificant effect on new venture performance. This research recommends owners and managers of new firms build effective entrepreneurial strategies, expand their networks with external bodies (other firms, government and financial institutions) to acquire useful resources that in turn can spur their performance. Further implications are discussed. Policy makers and responsible authorities are advised to encourage and support new ventures which in turn can contribute to GDP and economic development. Practical implications and suggestions are also discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,191
Score d'incertitude au seuil0,409

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,004
Tête enseignante GPT0,181
Écart entre enseignants0,177 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207