Analyzing antecedents affecting the organizational performance of start-up businesses
Notice bibliographique
Résumé
Purpose The purpose of this paper is to depict the effects and relative importance of technological, organizational, environmental and managerial factors on the organizational performance of start-up businesses. Design/methodology/approach This research’s primary data was collected from 389 start-up companies in Malaysia. Principle component analysis and the orthogonal model with Varimax rotation method are used to perform exploratory factor analysis test. Structural equation modelling is also used in confirmatory factor analysis to explore the relationships between independent and dependent variables. Findings The findings suggest positive effects of technological and environmental characteristics on the organizational performance of start-up businesses. The managerial characteristics do not have any positive effect on the organizational performance of start-up businesses. The organizational characteristics split into two parts: the availability of internal financial resources, which positively affects the organizational performance of start-up businesses; and the availability of business incubation, which does not have any important effect. Moreover, start-up companies should choose the one with the highest perceived advantage as it would have the most significant positive effect on their organizational performance. In addition, it was detected that venture capitalists’ (VCs) support has the most positive influence on organizational performance and social customer relationship management adoption even more than governmental supports in the context of Malaysia. Originality/value The proposed framework of this research can be used not only as a research tool for examining determinant factors affecting organizational performance of start-up businesses but also by governments, VCs and other investors to detect best-performing start-up businesses.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».