تبیین پیشران های خروج موفق استارتاپ ها از شتابدهنده با میانجیگری گرایش کارآفرینانه

مراکز شتابدهنده با هدف کوتاه نمودن فاصله بین ایده تا ورود به بازار برای حمایت از استارتاپ‌ها شکل گرفته‌اند .خدمات آنها تاثیر مثبتی بر عملکرد استارتاپ‌ها دارد. لیکن عدم توانایی خروج برخی استارتاپ‌ها در زمان مقرر، از شتابدهنده‌ها عملکرد این مراکز را زیر سوال برده است. در پژوهش‌های پیشین، این مورد و سایر عوامل اثرگذار در رابطه بین خدمات ارائه شده در شتابدهنده‌ها و خروج استارتاپ-ها از شتابدهنده بررسی نشده است. با توجه به اهمیت موضوع، هدف پژوهش حاضر شناسایی پیشران‌های خروج موفق استارتاپ‌ها از شتابدهنده‌ها با میانجیگری گرایش کارآفرینانه است. روش پژوهش بر حسب هدف کاربردی و بر اساس روش گردآوری اطلاعات توصیفی پیمایشی است. ابزار گردآوری اطلاعات، پرسشنامه محقق ساخته بوده و نمونه آماری پژوهش استارتاپ‌هایی است که از خدمات شتابدهنده‌های حوزه فناوری اطلاعات استفاده نموده‌اند. داده‌های پژوهش 1400-1401 گردآوری شد و با استفاده از روش مدلسازی معادلات ساختاری و نرم افزار smart pls3 تجزیه و تحلیل گردید. آلفای کرونباخ تمامی سازه‌ها بالاتر از 0/7 و مقدار میانگین استخراج شده بالاتر از 0/5 بوده و روایی و پایایی سازه‌ها تایید شد. فرضیات تحقیق با روش تحلیل مسیر مورد بررسی قرار گرفت و مقدار آماره t فرضیات بیشتر از 1/96و سطح معناداری کمتر از 0/05 به دست آمد و فرضیات مورد پذیرش قرار گرفت.

the study of drivers of successful startup exits from accelerators with entrepreneurial orientation

accelerator centers are formed to support startups by shortening the distance between the idea and market entry, and the services provided by them have a positive effect on the functions of startups. however, the inability of some startups to exit accelerators on time calls the performance of such centers into question. this, as well as other factors influencing the relationship between services provided in accelerators and startup exits from accelerators, have not been studied in previous studies. given the importance of the subject under consideration, the present study sought to identify drivers of successful startup exits with entrepreneurial orientation. this applied research collected data in a descriptive-survey manner. data were gathered through the use of researcher-created questionnaires, and statistical samples consisted of startups that used the services of it accelerators. the data generated in this study , collected 2022 , was analyzed using structural equations modelling and smart pls3. cronbach’s alpha for all structures was greater than 0.7, and the extracted average was greater than 0.5, confirming the structures’ reliability and validity. path analysis was used to analyze research hypotheses, and the t-statistic of the hypotheses was greater than 1.96 and the significance level was less than 0.05, indicating that the hypotheses were confirmed.