10 1016@j Jbusvent 2012 03 004

Machine Translated by Google
Journal of Business Venving 28 (2013) 354–372
Listas de conteúdo disponíveis no SciVerse ScienceDirect
Jornal de Empreendedorismo
Todas as startups são afetadas da mesma forma por clusters? Aglomeração,

competição, heterogeneidade da empresa e sobrevivência
Aviad Pe'er a,ÿ, Thomas Keil b,1

uma
Rutgers School of Business, Departamento de Gestão e Negócios Globais, 1 Washington Park Office 10-36, Newark, NJ 07102, USA Aalto University, Institute of Strategy, PO Box
b
15500, FI-00076 Aalto, Finlândia
informações do artigo abstrato
Historia do artigo: Todas as startups são afetadas da mesma forma pelos benefícios e desvantagens de sobrevivência da localização em
Recebido em 23 de dezembro de 2010
clusters geográficos? Neste artigo, argumentamos que a teorização anterior pode ter perdido contingências importantes
Recebido em formulário revisado em 20 de março de 2012
que afetam se uma startup experimenta os benefícios e os custos de se localizar em um cluster. Em particular, embora
Aceito em 21 de março de 2012
os níveis locais de mão de obra qualificada, fornecedores e compradores tenham uma influência benéfica e a
Disponível on-line em 23 de junho de 2012
concorrência local tenha uma influência prejudicial na sobrevivência das startups, esses relacionamentos são
moderados pela heterogeneidade nos recursos e capacidades das empresas. Encontramos suporte para esses
Editor de campo: J. Jennings
argumentos usando um conjunto de dados que cobre o início da vida de todas as startups independentes no setor
manufatureiro canadense de 1984 a 1998.
Palavras-chave:
© 2012 Elsevier Inc. Todos os direitos reservados.
Conjunto
Aglomeração
Recurso
Capacidade
Sobrevivência
1. Sumário Executivo
A atividade econômica tende a se concentrar em localizações geográficas específicas, muitas vezes chamadas de clusters. Esses clusters também atraem a maioria
das novas startups. Ao mesmo tempo, as startups em clusters apresentam as maiores taxas de falha. Pesquisas anteriores explicaram esse padrão surpreendente
argumentando que os clusters oferecem vantagens e desvantagens distintas para as startups. No entanto, sabemos relativamente pouco sobre se as startups em clusters
têm a mesma probabilidade de experimentar esses efeitos. Para abordar essa lacuna em nosso conhecimento, desenvolvemos argumentos sobre os mecanismos que
fornecem benefícios e desvantagens de sobrevivência e mostramos como esses efeitos dependem dos recursos e capacidades iniciais de uma startup. Em seguida,
testamos nossos argumentos usando um conjunto de dados que abrange todas as startups independentes com pelo menos um funcionário no setor manufatureiro
canadense de 1984 a 1998.
Nossa pesquisa sugere que os clusters podem aumentar a sobrevivência das startups por meio de três mecanismos distintos:
1. As startups podem achar o recrutamento mais fácil porque os clusters atraem um número maior de funcionários qualificados.
2. As startups podem encontrar um número maior de fornecedores especializados para trabalhar, permitindo que elas foquem suas próprias atividades.
3. Um número maior de clientes pode ser atraído para os clusters, permitindo assim que uma startup forme relacionamentos iniciais com os clientes
mais facilmente.
No entanto, os aglomerados também podem ter efeitos prejudiciais na sobrevivência, em particular quando um grande número de
concorrentes podem criar um alto nível de rivalidade, compensando assim as vantagens da aglomeração.
Nossa descoberta central neste artigo é que esses benefícios e desvantagens não afetam todas as startups igualmente. Em vez disso, as startups que possuem
recursos abaixo da média em comparação com seus concorrentes se beneficiam mais dos clusters. Melhor acesso a mão de obra, fornecedores,
ÿ Autor correspondente. Tel.: +1 973 353 1703; fax: +1 973 353 1664.
Endereços de e-mail: apeer@business.rutgers.edu (A. Pe'er), thomas.keil@aalto.fi (T. Keil).
1
Tel.: +358 45 111 3042; fax: +358 9 470 23095.
0883-9026/$ – veja a capa © 2012 Elsevier Inc. Todos os direitos reservados. doi:10.1016/
j.jbusvent.2012.03.004
A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 355
e os compradores podem permitir que essas startups menos dotadas compensem a falta de recursos internos. Contrariamente às nossas expectativas, as
empresas com recursos abaixo da média também sofrem menos com os altos níveis de concorrência local. Esse resultado sugere que a dotação de recursos
pode não apenas oferecer vantagens, mas também criar restrições para as startups; por exemplo, dificultando sua capacidade de se adaptar e aprender. Para
capacidades, surge um padrão diferente. As empresas com uma qualidade de capital humano acima da média se beneficiam mais das vantagens dos clusters.
O capital humano de alta qualidade permite que eles aproveitem a disponibilidade de funcionários, fornecedores e compradores. Essas empresas também sofrem
menos com a concorrência local porque a qualidade do capital humano é fundamental para construir outras capacidades e desenvolver a capacidade de resistir
à concorrência.
Nossos resultados têm implicações importantes para a teoria e a prática do empreendedorismo. Para estudiosos do empreendedorismo, nossos resultados
sugerem a necessidade de integrar ainda mais a visão baseada em recursos da gestão estratégica com a literatura sobre aglomeração econômica. A evidência
empírica sobre as implicações de desempenho da localização em aglomerados densamente povoados foi, na melhor das hipóteses, mista. Nossas descobertas
sugerem que as diferenças no nível da empresa em recursos e capacidades podem explicar algumas dessas descobertas mistas. Para os empreendedores,
nossos resultados apontam a escolha do local como uma das decisões estratégicas mais importantes no início da vida de um novo empreendimento. Os
empreendedores precisam saber como combinar as oportunidades e desafios de um local específico com os recursos e capacidades de uma empresa jovem.
Eles também são aconselhados a se concentrar na criação de recursos e capacidades que lhes permitam aproveitar os benefícios fornecidos por sua localização
específica e protegê-los de suas desvantagens.
2. Introdução
A maior parte da atividade econômica está concentrada no espaço. Em muitas indústrias, a maior parte da produção está concentrada em poucos clusters
geográficos que também atraem a maioria das novas entradas de empreendimentos independentes (Dumais et al., 2002; Rosenthal e Strange, 2003; Stuart e
Sorenson, 2003). Exemplos bem conhecidos de aglomeração incluem os clusters de alta tecnologia no Vale do Silício e ao redor da Rota 128 nos EUA (por
exemplo, Saxenian, 1994), o cluster têxtil na região de Emilia-Romagna na Itália (por exemplo, Dunford, 2006), e o cluster de máquinas e automóveis em Baden-
Württemberg na Alemanha (Cooke e Morgan, 1994).
Mas todas as startups nessas regiões têm a mesma probabilidade de experimentar os benefícios e as desvantagens de se localizar nesses clusters geográficos?
Pesquisas anteriores não fornecem uma resposta conclusiva para essa pergunta. Por um lado, a literatura inicial sobre aglomeração enfatizou benefícios
importantes da localização em clusters, como o compartilhamento de insumos cuja produção é mais eficiente devido a aumentos de escala (Carlton, 1983;
Krugman, 1991), agrupamento no mercado de trabalho e melhor correspondência entre as habilidades especializadas de um empregado e as necessidades de
um empregador (Helsley e Strange, 1991), e transbordamentos de tecnologia e conhecimento (Porter, 1998; Saxenian, 1994; Zucker et al., 1998). Por outro lado,
a evidência empírica sobre as implicações de desempenho da localização em aglomerados densamente povoados é, na melhor das hipóteses, mista, como
sublinha uma revisão recente de McCann e Folta (2008) . Enquanto vários estudos em setores como hotéis, manufatura e alta tecnologia constatam que a
aglomeração tem um efeito benéfico no desempenho da empresa (por exemplo, Baptista e Swann, 1998; Chung e Kalnins, 2001; DeCarolis e Deeds, 1999; Folta
et. al., 2006; Visser, 1999), outros estudos apontam para efeitos prejudiciais e, em particular, para taxas de sobrevivência mais baixas entre os novos entrantes
em clusters (por exemplo, Shaver e Flyer, 2000; Sorenson e Audia, 2000; Sorensen e Sorenson, 2003; Stuart e Sorenson, 2003). Mais importante, alguns
estudos sugeriram que os efeitos de desempenho podem variar com as características do participante (Canina et al., 2005; McCann e Folta, 2011; Shaver e
Flyer, 2000). Isso sugere que a teorização anterior pode estar perdendo contingências importantes que afetam se uma startup experimenta os benefícios e as
desvantagens de se localizar em um cluster.
Neste artigo, abordamos essa lacuna na literatura desenvolvendo e testando argumentos teóricos sobre como a heterogeneidade das empresas influencia
os efeitos da localização em clusters na sobrevivência das startups. Nosso argumento base é que o nível de mão de obra qualificada local, o nível de fornecedores
especializados e o nível de compradores locais têm efeitos benéficos na sobrevivência das startups, enquanto o nível de competição local tem efeitos prejudiciais.
Em seguida, argumentamos que o nível de recursos e capacidades detidos por uma startup afeta a probabilidade de a empresa ganhar com os efeitos benéficos
e sofrer os efeitos prejudiciais da aglomeração. Em particular, argumentamos que o nível de ativos totais de uma startup em comparação com os concorrentes
(uma proxy financeira para a dotação da empresa com recursos tangíveis e intangíveis; ver Villalonga, 2004; Alcacer e Chung, 2007) enfraquece o benefício dos
níveis locais de mão de obra qualificada , fornecedores especializados e compradores e também enfraquece os efeitos prejudiciais da concorrência local.
Esperamos ainda que a qualidade do capital humano de uma empresa em relação a seus concorrentes (uma proxy para as competências de uma startup)
fortaleça os efeitos benéficos dos níveis locais de fornecedores e compradores e reduza os efeitos prejudiciais da concorrência. Para examinar as questões
acima, empregamos um novo conjunto de dados que abrange todas as startups independentes com pelo menos um funcionário no setor manufatureiro canadense
de 1984 a 1998 e encontramos amplo suporte para a maioria de nossas previsões.
Nosso estudo traz várias contribuições para a literatura. Primeiro, fazemos uma contribuição teórica para a literatura de aglomeração, mostrando que os
efeitos de sobrevivência da localização em um cluster dependem da dotação de recursos e capacidades. Em segundo lugar, fazemos uma contribuição empírica
ao desvendar os mecanismos subjacentes à aglomeração e mostrar seus efeitos distintos na sobrevivência no nível da empresa. Terceiro, nosso conjunto de
dados exclusivo também nos permite abordar várias deficiências metodológicas de estudos anteriores de aglomeração (McCann e Folta, 2008). Por fim, nosso
estudo se soma à literatura mais ampla sobre entrada de novos mercados, que frequentemente se concentra na diversificação de entrantes, desenvolvendo e
testando argumentos especificamente focados em startups.
3. Enquadramento teórico e hipóteses
Nosso argumento abrangente, representado abaixo na Fig. 1, é que a aglomeração oferece benefícios e desvantagens para startups que se localizam em
um cluster, mas que o impacto desses efeitos na sobrevivência é moderado pela dotação de recursos e recursos no nível da empresa.
356 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372
Ativos totais em relação

aos concorrentes
Benefícios de aglomeração
•Nível local de mão de obra H3a H3b
qualificada •Nível local de (enfraquece) (enfraquece)

H1 (-)
fornecedores •Nível local de compradores
Falha de inicialização
H2 (+)
Desvantagens da aglomeração • H4a H4b
Concorrência local (fortalece) (enfraquece)
Qualidade dos
recursos humanos em
relação aos concorrentes
Fig. 1. Modelo conceitual.
capacidades. Seguindo a literatura estabelecida sobre aglomeração (McCann e Folta, 2008; Rosenthal e Strange, 2006), mas abrindo os distintos mecanismos teóricos, desenvolvemos
a seguir hipóteses para os efeitos benéficos de (1) o nível de mão de obra local, definida aqui como a número de empregados em uma área econômica e setor focal em relação ao
número nacional de empregados desse setor; (2) o nível de fornecedores especializados, aqui definido como o número de fornecedores de uma indústria focal dentro de uma área
econômica, ponderado pela importância da indústria focal para esses fornecedores; e (3) o nível de compradores, definido como o número de clientes de um setor focal localizado na
mesma área econômica, ponderado pela importância do setor focal para esses clientes. Em seguida, examinamos os efeitos prejudiciais do nível local de competição, que definimos de
acordo com estudos anteriores de aglomeração em um índice Herfindahl-Hirschman baseado no emprego inverso (por exemplo, Pe'er et al., 2008). Em seguida, apresentamos os efeitos
moderadores dos ativos totais e a qualidade do capital humano da empresa em comparação com os concorrentes.
3.1. Nível local de mão de obra qualificada, fornecedores especializados e compradores e seus efeitos sobre a falha
3.1.1. Nível local de mão de obra qualificada

Já em 1920, Marshall identificou a disponibilidade de mão de obra qualificada como um dos benefícios da aglomeração. Os clusters podem criar um mercado de trabalho conjunto
para funcionários com habilidades especializadas que oferece uma variedade de benefícios tanto para os funcionários quanto para as empresas que os contratam. Em um cluster, tanto
os funcionários quanto as empresas contratantes enfrentam custos de busca mais baixos. Por exemplo, no Vale do Silício, a proximidade de várias empresas de TI e um grande grupo
de programadores altamente qualificados facilitam para uma empresa encontrar funcionários qualificados, mas também para um funcionário encontrar emprego no setor. Essa
disponibilidade de múltiplas opções para empregador e empregado também deve aumentar a qualidade da combinação entre eles (Helsley e Strange, 1991). A multiplicidade de
oportunidades de emprego em clusters deve diminuir ainda mais o risco de emprego para os funcionários, pois existem oportunidades alternativas, em comparação com um local com um
número baixo de empresas no setor, onde uma empresa contratante pode ter que pagar um prêmio de risco (David e Rosenbloom , 1990).
Além de facilitar a formação de vínculos empregatícios, a aglomeração também pode ter um efeito benéfico na produtividade dos funcionários. Por exemplo, em aglomerados como
o Vale do Silício ou a Rota 128, os engenheiros podem aprender os truques do comércio a partir de interações informais com outros engenheiros no mesmo local. Além dos benefícios
de produtividade de transbordamentos informais de conhecimento, em clusters, os funcionários também podem estar mais dispostos a investir em capital humano específico do setor,
porque podem ter uma maior capacidade de apropriar-se dos benefícios, mas também porque podem enfrentar a concorrência de outros funcionários qualificados. (Rotemberg e Saloner,
2000), o que aumenta ainda mais seu valor para as empresas de recrutamento. Hipotetizamos:
Hipótese 1a. O nível local de mão de obra qualificada está negativamente relacionado à probabilidade de insucesso das startups.
3.1.2. Nível local de fornecedores especializados

Além dos pools de funcionários, a aglomeração também pode criar um pool de fornecedores especializados que tornam mais fácil para as startups garantir os insumos necessários
(Marshall, 1920). Em um cluster com um grande número de fornecedores, pelo menos alguns fornecedores se especializarão, aumentando ainda mais a probabilidade de encontrar os
insumos que podem ser necessários para startups que seguem uma estratégia de nicho. Por exemplo, Folta et al. (2006) descreveu uma ampla gama de insumos especializados –
incluindo universidades, distribuidores, consultoria especializada, pesquisa de mercado, serviços de teste e até investidores anjo especializados ou capitalistas de risco – que são
pertinentes em clusters de alta tecnologia. Um alto nível de fornecedores e serviços locais pode criar oportunidades de terceirização e subcontratação.
A subcontratação local fornece os meios para alcançar uma produção flexível e enxuta que evita a rigidez da produção verticalmente integrada (Glaeser et al., 2010). Por exemplo, reduz
os custos de transporte, o que permite que as empresas adotem uma variedade de melhorias logísticas, como políticas de produção “just-in-time”. A subcontratação local também permite
que as startups se especializem enquanto
beneficiando de economias de escala com menor expansão da capacidade de produção. O mercado local mais espesso para insumos em aglomerados
densos de fornecedores, portanto, melhora as oportunidades de correspondência entre fornecedores especializados e compradores de insumos intermediários.
Além disso, a subcontratação local muitas vezes permite que as empresas com salários mais altos reduzam os custos trabalhistas, terceirizando algumas de
suas atividades para produtores com salários mais baixos (principalmente para tarefas não qualificadas e de mão-de-obra intensiva). Piore e Sabel (1984), por
exemplo, descreveram um sistema de especialização entre firmas em clusters baseado em cadeias de valor agregado e contatos verticais onde cada firma
fornece uma atividade especializada para um único estágio de produção. Altos níveis de fornecedores locais reduzem os custos de busca, transação,
transporte, coordenação e monitoramento de subcontratação, resultando em melhor desempenho. As startups que operam em clusters de fornecedores
recebem uma variedade de opções estratégicas para substituir o crescimento interno, contando com recursos e capacidades externas, incluindo terceirização
e colaboração. A medida em que os fornecedores são considerados concorrentes diretos pode reduzir ainda mais os custos de insumos de fatores e
terceirização. Uma abundância de fornecedores locais também facilita colaborações, parcerias e transbordamentos, uma vez que a transferência de
conhecimento (tácito) é aprimorada pela adjacência física imediata e interações sociais frequentes entre as partes (Aharonson et al., 2007; Audretsch e
Feldman, 1996; Rosenthal e Strange , 2003). Por fim, uma maior densidade de fornecedores aumenta as oportunidades de especialização e terceirização de
partes das operações que podem estar além da expertise da startup. Hipotetizamos:
Hipótese 1b. O nível local de fornecedores especializados está negativamente relacionado à probabilidade de insucesso das startups.
3.1.3. Nível local de compradores

Além de um alto nível de fornecedores especializados, uma localização geográfica com aglomeração também pode ser caracterizada por um alto nível
local de compradores. De fato, um alto nível de compradores pode, em muitas circunstâncias, ser o fator inicial que atrai as empresas de um setor focal para
um local específico. Por exemplo, a concentração de empresas de máquinas em Baden-Württemberg atraiu a formação de startups que fornecem essas
empresas.
Uma alta densidade de clientes em um mesmo local oferece diversas vantagens para uma startup. Quanto maior a densidade de clientes, mais provável
é que as startups consigam garantir os primeiros clientes que são fundamentais para a sobrevivência de uma empresa. Localizar-se em um aglomerado denso
de compradores aumenta as oportunidades para uma startup utilizar laços sociais e profissionais para aumentar sua visibilidade e legitimidade e, assim,
reduzir os passivos de pequenez e novidade (por exemplo, Audia et al., 2006; Delmar e Shane, 2004). . Uma densidade mais alta também aumenta a
probabilidade de necessidades diferenciadas dos clientes e, portanto, tornará as estratégias de nicho mais viáveis.
Os clientes são frequentemente uma importante fonte de conhecimento para as startups (Yli-Renko et al., 2001). No entanto, o acesso a esse conhecimento
frequentemente requer intensa interação, o que é facilitado pela proximidade geográfica. Além disso, em muitos setores, a proximidade permite parcerias com
clientes (por exemplo, colaboração entre as equipes de projeto de clientes e fornecedores), bem como customização. A parceria com os compradores pode
fornecer acesso a seus ativos tangíveis e intangíveis complementares, incluindo ativos financeiros, esforços de marketing, capital humano, investimentos em
P&D e reputação. A alta concentração geográfica de clientes desempenha um papel ainda mais importante em indústrias onde os compradores estão menos
dispostos (ou capazes) de viajar (Baum e Haveman, 1997; Kalnins e Chung, 2004) ou os produtos têm um alto grau de heterogeneidade (Fischer e Harrington,
1996), bem como em indústrias sensíveis aos custos de transporte (por exemplo, produtos perecíveis). Juntos, levantamos a hipótese:
Hipótese 1c. O nível local de compradores está negativamente relacionado à probabilidade de insucesso das startups.
3.2. Efeitos da competição local sobre o fracasso
A maior parte da literatura sobre aglomeração concentrou-se nos benefícios da localização em clusters, muitas vezes ignorando o custo e os riscos
potencialmente substanciais para uma startup de estar localizada próxima a concorrentes diretos (Baum e Mezias, 1992; Folta et al., 2006; Shaver e Flyer ,
2000; Sorenson e Audia, 2000). Embora a localização de empresas no mesmo setor possa atrair clientes, funcionários qualificados e fornecedores
especializados para uma localização geográfica, empresas localizadas no mesmo setor também podem competir diretamente com uma empresa focal por
esses mesmos clientes, funcionários qualificados, e fornecedores especializados que sua presença atrai.
De fato, pesquisas em economia tradicional (por exemplo, Hotelling, 1929; Porter, 1980; Schmalensee, 1978) e ecologia organizacional (por exemplo,
Baum e Mezias, 1992; Carroll e Hannan, 2000; Greve, 2000; Sorenson e Audia, 2000) sugeriu que a competição localizada pode reduzir o desempenho de
uma empresa focal. Por exemplo, a teoria econômica da precificação (por exemplo, Schmalensee, 1978) sugere que, mesmo quando a concorrência não é
restrita localmente, como é típico nas indústrias manufatureiras, as empresas localizadas nas proximidades competem mais fortemente em preço do que as
empresas localizadas à distância. dada, por exemplo, a maior visibilidade das ações dos concorrentes. Embora os efeitos competitivos sobre os preços
possam, ao longo do tempo, se espalhar por toda a indústria, eles são sentidos mais fortemente na proximidade de uma empresa focal. A ecologia
organizacional estendeu esse argumento, sugerindo que altos níveis de densidade local podem afetar negativamente as perspectivas de sobrevivência de
uma empresa focal. As empresas próximas competirão por funcionários e fornecedores especializados e no mercado de produção e, de acordo com Carroll e
Hannan (2000), “competição intensa faz com que a oferta de potenciais organizadores, membros, patrocinadores e recursos se esgote” (p. 226). ).
Central para este argumento é a suposição ceteribus paribus. A maioria das pesquisas sobre aglomeração analisa o efeito agregado da aglomeração,
onde um número maior de concorrentes pode, com o tempo, atrair funcionários, fornecedores ou clientes adicionais. Aqui, no entanto, hipotetizamos o efeito
das diferenças no número de empresas do mesmo setor em uma região, mantendo constantes os efeitos de outros fatores que hipotetizamos separadamente.
Portanto, com um determinado número de compradores nas proximidades de uma empresa, um número maior de concorrentes pode permitir que esses
clientes comparem convenientemente as ofertas das empresas do setor focal e as alavanquem
uns aos outros nas negociações. Uma startup que enfrenta um grande número de concorrentes locais pode ter mais dificuldade em estabelecer
relacionamentos próximos com compradores nas proximidades. Tais efeitos devem ser particularmente pronunciados quando os mercados de produtos
são limitados geograficamente (Baum e Mezias, 1992), quando há custos de transporte significativos (Henderson, 2003) ou quando os bens são perecíveis
(Rosenthal e Strange, 2003).
Da mesma forma, se mantivermos constante o número de fornecedores e funcionários do lado dos insumos, fornecedores e funcionários especializados
podem achar uma vantagem uma maior densidade geográfica de empresas do mesmo setor, porque reduz sua dependência de qualquer uma delas e
melhora sua posição de barganha vis. -à-vis as empresas do cluster (Porter, 1980). Além disso, trabalhadores e fornecedores são incentivados a investir
na aquisição de habilidades valiosas porque, com um número maior de empresas do setor focal, a probabilidade de encontrar uma correspondência para
uma habilidade específica (ou seja, uma empresa focal disposta a comprar ou empregar) aumenta. Em outras palavras, com o mesmo número de
funcionários qualificados ou fornecedores especializados, um cluster com 50 empresas fornece uma probabilidade maior de correspondência entre as
habilidades únicas de funcionários ou fornecedores e as necessidades exatas de uma empresa do que um cluster com 20 empresas. Compreendendo o
valor que eles criam em uma boa combinação, funcionários e fornecedores qualificados estão em melhor posição para negociar uma parcela maior do excedente.
Na presença de um grande número de empresas relativamente menores, os funcionários podem achar mais fácil aumentar os salários mudando de
emprego com frequência (Glaeser et al., 1992). Em aglomerados como o Vale do Silício, há relatos de engenheiros que pulam de um emprego para outro
em questão de meses. Corroborando ainda mais esse argumento, os salários médios foram significativamente mais altos nos centros de atividade
econômica (Glaeser e Mare, 2001). Além disso, as empresas em clusters fornecem menos treinamento do que suas contrapartes mais isoladas (Almazan
et al., 2007). Isso pode explicar os numerosos casos de empresas bem-sucedidas que, às vezes, se localizam estrategicamente longe de clusters
industriais. A Microsoft está localizada em Seattle, que não era um cluster para a indústria de software, enquanto o Bank of America e o Wachovia têm
suas sedes na Carolina do Norte, Dell no Texas e Gateway em San Diego. Antecipando que trabalhadores e fornecedores especializados podem vender
suas habilidades por um prêmio em um mercado competitivo, as empresas podem optar pelo isolamento. Manes e Andrews (1994) descrevem o papel
central que os mercados de trabalho desempenharam na decisão de localização da Microsoft: “Paul Allen cada vez mais defendia um retorno ao território
familiar de Seattle. Contratar pode ser mais simples no Vale do Silício, mas manter funcionários seria claramente mais difícil, uma consideração importante
em um negócio onde os principais ativos saem pela porta todas as noites” (p. 120).
O alto nível de mobilidade de funcionários em clusters e a posição de barganha relativamente forte de fornecedores especializados podem tornar mais
difícil para qualquer empresa manter vantagens de inovações, melhorias e conhecimento, pois estes podem se disseminar involuntariamente para outras
empresas locais por meio de imitação, espionagem e mobilidade entre empresas de funcionários qualificados (Shaver e Flyer, 2000). A co-localização
com um número maior de concorrentes relativamente semelhantes pode, com o tempo, levar à convergência estratégica e tecnológica, pois o conhecimento
dos concorrentes se espalha mais facilmente pelo recrutamento de funcionários do mesmo grupo gerencial e técnico ou por meio de interações informais
(Stuart e Sorenson , 2003). Além disso, os movimentos dos concorrentes locais são tipicamente mais visíveis do que os movimentos dos concorrentes
distantes, levando a uma dinâmica competitiva mais intensa entre os concorrentes locais.
Central para teorizar e medir as desvantagens da aglomeração é a distinção entre aglomeração e a estrutura da competição (Ellison e Glaeser, 1997).
As medidas tradicionais de aglomeração (por exemplo, o nível de emprego em um determinado setor e localização ou o número de empresas em um
setor e localização) muitas vezes não refletem com precisão a estrutura subjacente da concorrência entre as empresas. Por exemplo, um determinado
nível de emprego na indústria em um local pode ser dividido entre um pequeno número de grandes concorrentes ou entre um grande número de pequenas
empresas. A economia tradicional da organização industrial sugere que a concorrência é maior na presença de um número maior de empresas de
tamanho semelhante e que, em tais circunstâncias, haverá uma competição feroz por insumos e produtos (Porter, 1980). Tomadas em conjunto, a
estrutura da competição local, ao invés da concentração da atividade econômica per se, leva a que uma empresa não seja totalmente capaz de restringir
e internalizar os recursos e capacidades que ela controla e gera de serem acessados e apropriados por concorrentes locais sem compensação (Marshall ,
1920; Ciccone e Hall, 1996). Hipotetizamos:
Hipótese 2. O nível de competição local está positivamente relacionado com a probabilidade de insucesso das startups.
3.3. Efeitos moderadores de recursos e capacidades
A maioria das pesquisas anteriores sobre os efeitos de desempenho de diferentes localizações geográficas assumiu poucas diferenças nos recursos
e capacidades das empresas em estudo. Outros estudos tentaram explicar essa heterogeneidade entre as empresas com a ajuda de diferentes formas
de modelos de efeito fixo que controlam fatores não observáveis relacionados a estruturas transversais, mas não fornecem uma visão sobre os papéis
que essa heterogeneidade desempenha na determinação das empresas. desempenho (Lomi, 1995; Pe'er et al., 2008). A pesquisa na visão de gestão
estratégica baseada em recursos (Barney, 1991; Helfat e Lieberman, 2002; Peteraf, 1993; Sapienza et al., 2006; Sharma e Kesner, 1996), e em
empreendedorismo estratégico em particular (Hitt et al. , 2001; Ireland et al., 2003), no entanto, sugerem que a heterogeneidade das empresas é central
para a compreensão do comportamento de novos empreendimentos, bem como os efeitos desse comportamento na sobrevivência. A visão de gestão
estratégica baseada em recursos e a literatura sobre empreendedorismo estratégico sugerem que as empresas podem ser entendidas como conjuntos
heterogêneos de recursos e capacidades. As características desses recursos e capacidades determinarão a capacidade da empresa de competir e obter
vantagens em relação a outras empresas (Barney, 1991; Peteraf, 1993).
No contexto do presente estudo, argumentamos que as diferenças nos recursos e capacidades de uma empresa afetam como essa empresa se
beneficia das vantagens de uma força de trabalho local agrupada, fornecedores especializados e compradores, e também o quanto essas empresas
sofrem com a influência local. competição (DeCarolis et al., 2009). Além disso, esses efeitos são diferentes para recursos e capacidades. Na nossa
Na argumentação, nos concentramos no total de ativos que uma empresa detém em relação aos concorrentes como proxy para os recursos tangíveis e intangíveis
de uma empresa (por exemplo , Villalonga, 2004; Alcacer e Chung, 2007). Focamos ainda na qualidade do capital humano de uma empresa em relação aos
concorrentes, o que reflete o nível inicial de capacidades de uma startup.
3.3.1. Nível de ativos totais em relação aos concorrentes

Argumentamos que os benefícios de aglomeração serão mais fortes para empresas que possuem menos ativos totais em comparação com os concorrentes.
No balanço patrimonial de uma empresa, os ativos totais refletem o valor contábil de todos os recursos tangíveis e intangíveis que a empresa possui ou controla
para produzir valor. Os ativos totais refletem uma ampla gama de categorias, incluindo ativos tangíveis, como prédios e equipamentos; ativos intangíveis, como
direitos autorais, marcas registradas e patentes; e ativos financeiros, como caixa, contas a receber, títulos e ações (Downes e Goodman, 2003). Quanto menos
ativos uma empresa possui no início de sua vida, mais difícil pode ser atrair funcionários qualificados. Essa empresa pode, portanto, se beneficiar particularmente
do conjunto mais amplo de funcionários em um cluster. Da mesma forma, empresas menos bem dotadas podem se beneficiar particularmente das vantagens de
fornecedores especializados e terceirização, porque essas empresas são menos propensas a fornecer internamente os suprimentos especializados necessários.
Em contraste, as empresas com um nível de ativos totais acima da média podem ter recursos tangíveis suficientes, como maquinário, para optar por produzir
suprimentos especializados internamente.
As empresas com níveis de ativos totais abaixo da média também podem se beneficiar particularmente quando um alto nível de compradores locais oferece
oportunidades para players de nicho. Estar perto dos compradores pode permitir que essas empresas construam legitimidade por meio de interações frequentes
com os compradores. Por exemplo, uma startup com ativos totais limitados pode negociar um acordo de financiamento com um cliente local que lhe permita
superar as limitações decorrentes de possuir menos recursos do que os concorrentes (Venkataraman et al., 1990). Em contraste, as empresas mais bem dotadas
podem depender menos dos compradores para superar suas restrições de recursos. Hipotetizamos:
Hipótese 3a. A relação negativa entre os níveis locais de mão de obra qualificada, fornecedores especializados e compradores e a probabilidade de insucesso é
mais fraca para startups com maior nível de ativos totais em relação aos concorrentes.
As empresas que detêm um nível mais alto de ativos totais em relação aos concorrentes não apenas precisam contar menos com os benefícios da
aglomeração, mas também podem ser protegidas de alguns dos efeitos da concorrência. Todas as startups sofrem com os passivos de novidade e pequenez
(Dunne et al., 1988; Stinchcombe, 1965), o que indica uma chance limitada de sobreviver a adversidades como choques econômicos, competição ou reações
estratégicas de incumbentes que tentam impedir sua entrada. No entanto, o nível inicial de ativos totais que uma empresa possui prevê o que Fichman e Levinthal
(1991) chamaram de período de “lua de mel” ou “adolescência”, durante o qual uma startup pode não encerrar suas operações apesar do desempenho negativo.
A duração desse período depende da magnitude desses ativos iniciais. Por exemplo, uma empresa que detém um nível mais alto de caixa pode suportar um
período mais longo até a primeira venda a um cliente, em comparação com uma empresa com um nível mais baixo de caixa. As empresas com um nível mais alto
de ativos totais em comparação com seus concorrentes também podem resistir à intensa concorrência de preços com esses concorrentes por um período mais
longo. Seguindo essa lógica, esperamos que empresas com maior base de ativos sejam menos afetadas pela concorrência local. Hipotetizamos:
Hipótese 3b. A relação positiva entre o nível local de competição e a probabilidade de fracasso é mais fraca para startups com uma maior dotação relativa de ativos.
3.3.2. Qualidade dos recursos humanos em relação aos concorrentes

Embora esperemos que o nível de ativos totais em relação aos concorrentes enfraqueça os efeitos benéficos e prejudiciais da aglomeração, esperamos que
as capacidades da empresa reforcem os efeitos benéficos e enfraqueçam os efeitos prejudiciais. Dado nosso foco no início da vida das startups, focamos aqui na
qualidade dos recursos humanos da empresa como uma proxy para seu nível inicial de capacidades. Os funcionários são o repositório de habilidades de uma
organização (Becker, 1964; Grant, 1996), rotinas operacionais e de primeira ordem (Cyert e March, 1963; Cohen e Levinthal, 1994) e capital social relacionado
(Burt, 1997; Nahapiet e Ghoshal, 1998).
Especialmente no início da vida de uma startup, a qualidade da base de funcionários é fundamental para a capacidade da empresa de se beneficiar dos clusters,
mas também para protegê-la dos efeitos negativos da concorrência. Em particular, quanto maior a qualidade do capital humano, maior a probabilidade de a
empresa tirar vantagem de fornecedores especializados. Uma empresa com uma base de funcionários de maior qualidade estará mais apta a ajustar suas
operações internas para tirar proveito de fornecedores avançados e poderá absorver melhor o conhecimento desses fornecedores. O capital humano de alta
qualidade também desempenha um papel crítico na construção de legitimidade junto aos compradores. Na ausência de um longo histórico organizacional e fortes
recursos subjacentes, a qualidade dos funcionários pode ser central para convencer os compradores a realizar transações (Venkataraman et al., 1990). O capital
humano de alta qualidade também é fundamental para capturar os potenciais benefícios de aprendizagem que as interações com o cliente proporcionam e que
são críticos para a sobrevivência de novos empreendimentos (Yli-Renko et al., 2001). Hipotetizamos:
Hipótese 4a. A relação negativa entre a probabilidade de insucesso e o nível local de fornecedores e compradores especializados é mais forte para startups com
maior qualidade de capital humano em relação aos concorrentes.
Uma maior qualidade do capital humano também pode proteger a empresa das desvantagens da concorrência. Argumentamos que a qualidade dos recursos
humanos é um fator que determina se a empresa desenvolve a capacidade de longo prazo para resistir à concorrência porque é um determinante crítico da
capacidade da startup de desenvolver novas rotinas e capacidades. A pesquisa sobre os fluxos de funcionários mostrou que os funcionários desempenham um
papel central no desenvolvimento das capacidades das novas empresas (Phillips, 2002; Rao e Drazin, 2002) e os fluxos de funcionários podem muitas vezes
formar a semente de novas capacidades. O capital humano de maior qualidade pode fornecer à startup vantagens de aprendizado nesse processo de construção
de capacidade. Startups que possuem um capital humano de maior qualidade podem ter vantagens em
identificar informações relevantes de empresas bem-sucedidas e fracassadas e integrar essas informações em seus processos e rotinas.
Finalmente, além de ser um elemento importante na capacitação, a qualidade do capital humano pode ser uma importante fonte de vantagem competitiva por si
só para uma startup, pois ativos humanos efetivos são difíceis de construir (Coff, 1997). Hipotetizamos:
Hipótese 4b. A relação positiva entre a probabilidade de fracasso e o nível local de competição é mais fraca para startups com maior qualidade de capital humano
em relação aos concorrentes.
4. Dados e métodos
4.1. Dados
Para testar nossas previsões, empregamos o banco de dados T2-LEAP, um conjunto de dados canadense exclusivo que nos permite analisar a sobrevivência
de todas as startups independentes que entraram nos setores de manufatura canadenses entre 1984 e 1998. “Independent startups” referem-se a empreendimentos
iniciados por um fundador ou equipe de fundadores e não são de propriedade de uma corporação existente (Helfat e Lieberman, 2002; Klepper, 2002). T2-LEAP
tem várias vantagens para o nosso estudo. Primeiro, o banco de dados cobre todos os setores de manufatura canadenses, permitindo assim um grau de
generalização que falta em estudos de uma única indústria. ano de 1984, permitindo-nos criar variáveis que não deveriam sofrer com problemas de censura à
esquerda. Em outras palavras, o T2-LEAP inclui o universo completo de todos os empregadores no Canadá, independentemente do tamanho, sobrevivência ou
fracasso, ou status privado ou público.
O T2-LEAP foi criado pela fusão de dois bancos de dados canadenses. O Programa de Análise Longitudinal de Emprego (LEAP) é usado para identificar a
entrada e saída de startups, seu setor industrial no código SIC de três dígitos, o número de seus funcionários e suas coordenadas de localização. O banco de
dados rastreia as características de emprego e folha de pagamento de empresas individuais desde o ano de entrada até o ano de saída. O registro de emprego
de cada empresa é derivado de registros de impostos administrativos que cada empregador canadense deve arquivar. Os dados da folha de pagamento estão
associados a um número de identificação do empregador da Receita do Canadá. A segunda base de dados é o Arquivo do Universo Estatístico Tributário
Corporativo (T2SUF). Esse banco de dados é usado para avaliar variáveis financeiras anuais específicas da empresa, como patrimônio, ativos, vendas e
estoques finais, convertidos em dólares canadenses constantes usando um índice de preços de 1985. Os dados são objetivos e registrados no momento da
ocorrência.
A natureza longitudinal do LEAP permite que os tempos de entrada e saída sejam medidos com precisão. Para nossas análises, as empresas entram no
banco de dados no ano em que contratam funcionários pela primeira vez e registram sua última entrada no banco de dados no último ano em que têm funcionários
ou deixam de apresentar uma declaração de imposto.3 Um mecanismo especial de rastreamento de trabalho nos permite excluir fusões, mudanças no controle,
mudanças no setor de operação e mudanças de nome ou localização como saídas (falsas) e entradas subsequentes (falsas). As informações financeiras e de
emprego são então organizadas longitudinalmente; cada observação no banco de dados corresponde a uma determinada empresa cujas características
financeiras, de emprego, folha de pagamento e setor são registradas anualmente.
Em nossa estimativa empírica, incluímos apenas novos empreendimentos independentes; não incluímos o nascimento de entrantes diversificados ou
empreendimentos de matriz (Helfat e Lieberman, 2002). Da mesma forma, as falhas (saídas) em um determinado ano são identificadas pela ausência de dados
atuais da folha de pagamento onde tais dados existiam no ano anterior. Para garantir que uma saída era uma indicação de desempenho ruim, verificamos as
condições de patrimônio, ativos e vendas relatadas no banco de dados T2SUF.
4.2. Variáveis dependentes
4.2.1. Falha de
inicialização Para cada observação de empresa-ano, a falha de inicialização foi codificada como 1 se a inicialização falhou em um determinado ano e como
0 caso contrário. A sobrevivência é uma medida universal de desempenho e o pré-requisito de outras medidas desse tipo. Novos entrantes, dependendo de seu
setor e idade, podem ter metas de desempenho diferentes – como primeiras vendas, lucros positivos, aquisição e retenção de clientes, desenvolvimento de
propriedade intelectual e crescimento organizacional – e comparar empresas usando essas medidas pode exigir suposições implícitas quanto ao horizonte de
tempo durante o qual estes devem ser alcançados (Delmar e Shane, 2004, 2007). A sobrevivência, por outro lado, é o objetivo inequívoco de todos os novos
empreendimentos, independentemente desses objetivos alternativos.
4.3. Variáveis independentes
Conscientes de que as forças subjacentes à nossa teoria são localizadas, as unidades geográficas utilizadas na análise são as regiões econômicas (ERs).
O Statistics Canada define um ER como uma unidade geográfica padrão com base na atividade econômica regional, densidade populacional e
2
Cada estabelecimento no banco de dados LEAP recebe um identificador único e invariável no tempo que pode ser rastreado longitudinalmente. A base de dados também
atribui um identificador a cada estabelecimento que facilita a ligação a outros estabelecimentos da mesma empresa. Excluímos as startups da subamostra que operam com
mais de um estabelecimento, pois nossos dados não relatam recursos ou capacidades no nível do estabelecimento. A subamostra excluída representa, no entanto, menos de
5% da população de novos entrantes nos setores manufatureiros. Essa hierarquia de empresas também nos permite separar as startups das expansões de instalações das
empresas existentes.
3
Os autônomos representavam 11% do emprego total no Canadá em 1997. No entanto, uma proporção substancial dos autônomos não está criando entidades de produção
de qualquer substância – seja em vendas, emprego ou formação de capital. De fato, Statistics Canada (2002) argumenta que os dados do LEAP cobrem cerca de 98% da
atividade econômica na economia canadense. Devido às dificuldades em medir o autoemprego e aos problemas conceituais em equacioná-lo à criação de novas empresas
(Glaeser, 2007), seguimos pesquisas anteriores e capturamos uma nova empresa quando ela contrata funcionários.
padrões de deslocamento (Statistics Canada, 2002). Cada ER consiste em pelo menos uma área metropolitana ou densamente povoada que serve como centro
de atividade econômica. O Canadá como um todo é dividido em 76 ERs. As províncias economicamente importantes de Ontário e Quebec são compostas por 11
ERs e 17 ERs, respectivamente. Todas as covariáveis são atualizadas anualmente e são baseadas na agregação de dados em nível de empresa.
4.3.1. Nível local de mão de obra qualificada

Nossa primeira medida de aglomeração é o nível local de mão de obra qualificada, que medimos como o número de funcionários dentro de uma área
econômica e indústria SIC focal de três dígitos dividido pelo número total de funcionários nessa indústria de três dígitos nacionalmente.
Esta medida tem sido amplamente utilizada em trabalhos sobre a concentração geográfica das indústrias manufatureiras (por exemplo, Alcacer e Chung, 2007;
Porter, 2000; Rosenthal e Strange, 2003; Shaver e Flyer, 2000). Um ER com uma parcela mais alta de emprego na indústria focal fornece a um entrante um grupo
maior de funcionários em potencial, recrutando em empresas existentes ou em saída. Agregamos o emprego por ano de indústria de todas as empresas,
incumbentes e novos entrantes, operando na região econômica.
4.3.2. Nível local de fornecedores especializados

Para medir o nível local de fornecedores especializados, usamos tabelas de entrada/saída (I/O) da Pesquisa Anual de Fabricantes (ASM). As tabelas de E/S
relatam os tipos e quantidades de insumos feitos e usados por todas as indústrias. Usando esses dados, calculamos a fração de insumos de todos os outros
setores de três dígitos consumidos por cada setor focal de três dígitos. Seguindo Dumais et al. (2002), calculamos
VI
ds ð1Þ
SC ¼ ÿs VS
onde s indexa todos os setores SIC de três dígitos, VIs é o valor em dólares dos insumos que o setor focal adquire do setor s, VSs é o valor em dólares
das vendas feitas pelo setor s para todos os outros setores e ds é a contagem de empresas em setor s no ER. Embora o setor focal possa
potencialmente ser um dos fornecedores de insumos, excluímos o setor focal, pois capturamos explicitamente esse efeito aglomerativo no “nível local
de mão de obra qualificada”. À medida que a parcela de insumos que o setor s vende para o setor focal aumenta, e à medida que aumenta o número
de empresas do setor s no RE da empresa focal, aumenta o nível local de fornecedores especializados.
4.3.3. Nível local de compradores

Definimos concentração de compradores (CP) de forma semelhante à medida de concentração de fornecedores, de modo
VO
ds ð2Þ
PC ¼ ÿS VPs
onde as únicas diferenças são que VOs é o valor em dólares das vendas (produtos) do setor focal para os setores e VPs é o valor em dólares das
compras feitas pelos setores de todos os outros setores. À medida que a parcela de produtos que o setor focal vende para o setor s aumenta, e à
medida que aumenta a densidade de compradores do setor s no RE da empresa focal, aumenta a concentração de compradores.
4.3.4. Concorrência local

Como indicador da estrutura da competição local, utilizamos um Índice de Herfindahl–Hirschman inverso (HHI). Calculamos a medida com base nos
funcionários; ou seja, calculamos o HHI como a soma das parcelas ao quadrado dos funcionários das empresas em uma indústria SIC de três dígitos
dentro do ER. Como a medida é inversa, valores mais altos correspondem a áreas menos concentradas (mais competitivas). Executamos análises de
robustez com uma especificação alternativa onde calculamos a medida HHI com base nas vendas. Os resultados foram muito semelhantes com os
resultados aqui relatados.
A intuição por trás dessa medida é que em ERs menos concentrados, a concorrência consiste em um número crescente de concorrentes cada vez menores.
De acordo com as teorias padrão de organização industrial (por exemplo, Porter, 1980), um número maior de empresas menores deve apresentar uma competição
crescente por funcionários, fornecedores e clientes. Embora esse efeito deva ser particularmente pronunciado em indústrias que produzem bens perecíveis ou
onde os custos de transporte são importantes, a concorrência por suprimentos e funcionários nos faz esperar tais efeitos em todas as indústrias, conforme discutido
acima.
4.4. Variáveis de moderação
A teoria baseada em recursos nos informa que os recursos de um entrante influenciam sua chance de sobrevivência. Medir esses recursos por um longo
período e por um grande número de empresas representa um desafio formidável para um projeto empírico. Para enfrentar esse desafio, escolhemos proxies
disponíveis em nossos dados. Especificamente, medimos dois dos recursos mais importantes disponíveis para uma startup: sua dotação de ativos em relação aos
concorrentes e a qualidade de sua base de funcionários. Nosso foco principal aqui é como a empresa focal lida com a concorrência local moderada e as
oportunidades de aprendizado. Consistente com nosso desenvolvimento teórico e a população, comparamos os níveis anuais de recursos que um entrante possui
com seus pares no mesmo setor industrial de três dígitos e coorte.4
4
Nossos resultados não são sensíveis ao escalonamento dos moderadores pelas médias setoriais de todas as empresas.
4.4.1. Ativos totais em relação aos concorrentes

Para medir a dotação variável no tempo do entrante com ativos em relação aos concorrentes, medimos seus ativos totais divididos pelos ativos médios do setor
de todos os outros novos empreendimentos independentes na mesma coorte. Os ativos totais são a soma de: ativos fixos – bens de capital e propriedade (menos
depreciação), caixa, contas a receber, estoque e suprimentos – e ativos intangíveis, como direitos autorais, marcas registradas e patentes. Embora seja uma proxy
imperfeita para a base geral de recursos, os ativos totais refletem pelo menos os recursos tangíveis e intangíveis que uma startup possui (ver Villalonga, 2004;
Alcacer e Chung, 2007). Durante o início da vida de uma startup, esses recursos tangíveis podem ser particularmente importantes para proteger o titular das
pressões competitivas que, de outra forma, podem forçar a saída da empresa.
4.4.2. Qualidade do capital humano em relação aos concorrentes

Como argumentamos acima, a qualidade da base de funcionários de uma startup fornece um indicador de suas capacidades; por exemplo, sua capacidade de
adquirir novos conhecimentos e recursos, de construir capacidades ou, mais geralmente, de se adaptar ao ambiente competitivo.
Como medida indireta da qualidade do capital humano disponível para uma empresa, definimos como o salário médio pago pela empresa dividido pelos salários
médios do setor dentro da região econômica na época (t-1). Salários mais altos tendem a refletir um maior investimento em certas melhorias relacionadas ao
trabalho, como treinamento e capital humano específico da empresa (Mincer, 1958). A literatura sobre eficiência salarial mostra ainda que as empresas tendem a
pagar uma taxa salarial acima do salário de compensação do mercado para atrair e reter mão de obra de alta qualidade e fornecer incentivos para que os
trabalhadores exerçam mais esforço (Lemieux, 2005). Um índice de 1 ou superior sugere que a qualidade do capital humano que a empresa emprega está no
mesmo nível ou melhor do que a de seus concorrentes locais. Como os salários são afetados por diversos fatores além da qualidade dos funcionários – como
mercados locais, relativa escassez de pessoas com determinada especialidade em determinado local e regulamentações governamentais – a vantagem de nossa
operacionalização é que ela compara o salário médio pago pelos empresa focal para a média do seu setor e ER no mesmo período de tempo, separando assim o
efeito potencial de salários mais altos sendo pagos em áreas com alta aglomeração.
4.5. Variáveis de controle
4.5.1. Controles de nível de empresa
4.5.1.1. Vendas atrasadas. As vendas de uma empresa são calculadas como o logaritmo natural do valor das vendas defasadas, corrigidas pela inflação.
A razão para incluir essa variável como controle é a possibilidade de que alguns dos moderadores observados no nível da empresa possam ser as consequências
espúrias dos efeitos de confusão de qualquer estratégia, modelo de negócios ou escolhas operacionais não observadas que diferem sistematicamente entre as
empresas. Incluir uma medida defasada de vendas melhora nossa capacidade de descartar esse problema (Hamilton e Nickerson, 2003).
4.5.2. Características do ambiente local
4.5.2.1. taxa de falha de RE. Como indicador de perigos enfrentados por novos empreendimentos em um determinado local (ER), calculamos a taxa de insucesso,
definida como a soma do número de saídas no ER ao longo de três anos anteriores na indústria focal de três dígitos (incluindo ambos empresas de novo e de alio
de curta duração que entraram e saíram durante este intervalo), divididas pela população base em risco (ou seja, ER incumbentes no setor no tempo t-4) (Caves,
1998). A falha local pode levar a uma menor concorrência à medida que os recursos (por exemplo, funcionários, equipamentos) são liberados de volta ao meio
ambiente. As altas taxas médias de falhas locais, no entanto, capturam os riscos gerais associados à entrada em uma área específica.
A atratividade de uma região econômica deve ser capitalizada tanto nas rendas da terra quanto nos salários. Por exemplo, se as famílias preferirem um
determinado ER por causa de comodidades ou clima, isso funcionará para aumentar os aluguéis da terra e reduzir os salários. Se as empresas acharem os
trabalhadores em um determinado ER mais produtivos, isso funcionará para aumentar os salários e os aluguéis. A relevância empírica deste ponto depende da
correlação entre os benefícios subjacentes para as famílias e as empresas.
4.5.2.2. Aluguel de terrenos ER. Para levar em conta as diferenças na demanda por terrenos e, portanto, nos preços dos terrenos, calculamos os aluguéis de
terrenos como o logaritmo natural dos aluguéis de terrenos ER ajustados pela inflação. Os níveis de rendas da terra foram obtidos do Censo Canadense e foram
interpolados entre os anos censitários.
4.5.2.3. ER salário médio. O salário médio é definido como o logaritmo natural do salário médio dos empregados pago pelas empresas que operam em um
determinado setor e região econômica em um determinado momento (t-1). Como os limites dos ERs são escolhidos para refletir os padrões de deslocamento, eles
representam o conjunto de empregos do qual as empresas locais se baseiam competitivamente. Salários mais altos tendem a refletir uma maior qualidade do capital
humano disponível na área e, portanto, maior sobrevivência (Dumais et al., 2002; Glaeser, 2007).
4.5.2.4. Crescimento de vendas da indústria de ER defasado. Essa variável representa o crescimento das vendas em um setor específico no mesmo ER. Espera-se
que a demanda crescente diminua a pressão competitiva e permita margens de lucro mais altas, permitindo que empresas menos produtivas sobrevivam (Eisenhardt
e Schoonhoven, 1990).
4.5.2.5. Efeitos fixos. Fatores permanentes não observados e variáveis no tempo, como localização e setor, provavelmente afetam a sobrevivência da empresa. Se
essas heterogeneidades não observadas estiverem correlacionadas com os determinantes da sobrevivência, os coeficientes resultantes podem ser enviesados. Para
eliminamos parcialmente esse viés potencial e, como algumas de nossas covariáveis foram calculadas no nível de ER, usamos a área estatística metropolitana (MSA) mais
grosseira e os efeitos fixos da indústria de dois dígitos em nossa estimativa (Greene, 2002). Para o termo de efeitos de MSA dMSAl , reduzimos os 76 ERs para 33 MSAs. Este
termo captura todos os outros fatores permanentes comuns a cada ER dentro de um MSA que não são observados pelo econometrista. O termo da indústria dk absorve as
características permanentes da indústria. As condições macroeconômicas que refletem os impactos dos ciclos de negócios, movimentos nas taxas de câmbio, mudanças nas
políticas e acordos de livre comércio têm sido apontados há muito tempo como uma força importante que afeta a sobrevivência das empresas (Geroski e Mazzucato, 2002).
Condições adversas, como aumentos nas taxas de juros ou queda na receita, podem afetar os custos, a demanda e outros determinantes críticos da sobrevivência da empresa.
As startups são mais vulneráveis do que as empresas tradicionais a essas influências. De fato, estudos sugerem que as taxas de entrada diminuem durante as recessões,
reduzindo as pressões sobre os operadores estabelecidos (Caballero e Hammour, 1994). Por outro lado, todas as empresas, incluindo as entrantes, podem colher os benefícios
de uma economia robusta. Empiricamente, Keasy e Watson (1991) mostraram uma relação positiva entre a sobrevivência de novas pequenas empresas e o crescimento
econômico nacional. Esses fatores são capturados por dummies de tempo dt e interações entre os efeitos fixos.5
4.6. Modelo empírico
Para testar nossas hipóteses, empregamos um modelo exponencial por partes que divide o tempo em partes de acordo com a idade da empresa, com erros padrão
agrupados por empresa. O modelo assume que a taxa de transição é constante dentro desses intervalos, mas pode variar entre eles (Blossfeld e Rohwer, 1995). Nosso modelo
é uma estimativa não paramétrica – ele não assume uma forma de distribuição particular para a dependência temporal do processo (Fichman e Levinthal, 1991). Este método
de estimativa tem sido amplamente utilizado na literatura sobre sobrevivência de empresas (por exemplo, Sorenson e Audia, 2000; Delmar e Shane, 2004).
Nosso modelo estima o risco h(t)—a probabilidade de que a startup i operando no setor j no local ER l saia no tempo t,
condicional ao fato de ter sobrevivido ao período tÿ1:
log hi;j;lð
h Þt i ¼ Pr inicialização ð i sai na inicialização tj i sobrevivi até tÿ1 Pr Tð ¼ t ijTÿtÞ¼
Þ
ÿ ÿ ÿ ÿ ÿ ÿ ÿ ð3Þ
¼ ÿ1 C j;l;tÿ1 þ ÿ2 L j;l;tÿ1 þ ÿ1Cj;l;tÿ1ÿFi;tÿ1 þ ÿ2 L j;l;tÿ1ÿFi;tÿ1 þ ÿX i;j;l;tÿ1 þ vi;j;l;t
ÿ
onde C j;l;tÿ1 representa a competição local em ER l dentro do setor j, Lj,l,t-1 representa as forças de aglomeração (ou seja, nível local de i;tÿ1 representa características
mão de obra qualificada, nível local de fornecedores especializados) em ER l dentro do setor j, Fÿ ativos,
ÿ
específicas da empresa (relativo é um vetor de localização, indústria e
produtividade e qualidade do capital humano), X i;j;l;tÿ1 efeitos simples empresa
ÿ
controles
de características
F específicos
específicas da
da empresa, incluindo a
i;tÿ1. O termo vi,j,l,t captura os efeitos de fatores não observados que representam a heterogeneidade
específica da empresa que se supõe não estar correlacionada com as variáveis explicativas.
5. Resultados
A Tabela 1 apresenta as estatísticas descritivas e correlações para as variáveis utilizadas nas análises. As startups independentes respondem por 85% a 94% de todos os
estabelecimentos de manufatura recém-criados, dependendo do setor. A população de startups no Canadá é composta predominantemente por pequenas empresas (59% de
todos os novos entrantes têm menos de 10 funcionários, enquanto apenas 3% têm mais de 100 funcionários). Nossos dados abrangem 46.879 entradas e 11.052 saídas de
startups entre 1984 e 1998. Cerca de 64% das saídas ocorrem durante os primeiros quatro anos após a entrada.
A Tabela 2 relata estimativas de probabilidade máxima do modelo por partes de risco de novos empreendimentos. Usamos uma abordagem hierárquica na introdução de
variáveis independentes e moderadores em modelos subsequentes. A coluna 1 inclui controles em nível de empresa e do setor local. As colunas 2 a 8 adicionam os principais
efeitos e termos de interação. Consistente com estudos anteriores, a coluna 1 relata os impactos de redução de risco do tamanho defasado de uma empresa (medido em termos
de vendas defasadas). As empresas que tiveram vendas defasadas que estão um desvio padrão acima da média da amostra experimentaram um risco de -71% menor. O
impacto econômico desse coeficiente sugere que, como esperado, ele captura uma grande parte da heterogeneidade subjacente ao nível da empresa. Outros controles que
reduzem o risco enfrentado pelas startups são os custos dos recursos locais: aluguéis da terra, salário médio e crescimento das vendas da indústria (ver Romanelli, 1989; Mata
e Portugal, 1994, 2002; Baum e Mezias, 1992). A Coluna 1 também sugere um risco maior para a empresa focal como resultado dos desafios setoriais locais gerais conforme
capturados pelas taxas médias de insucesso de três anos. As estatísticas do teste de razão de verossimilhança apresentadas na parte inferior da tabela rejeitam profundamente
a hipótese de que os efeitos MSA, indústria e tempo fixo são conjuntamente iguais a zero.6
Consistente com as Hipóteses 1a, 1b e 1c, o Modelo 2 relata um coeficiente negativo (redução de risco de falhas) e significativo sobre os principais efeitos do nível local de
mão de obra qualificada (-0,497, Pb0,01), nível local de fornecedores especializados (ÿ0,0302, Pb0,05), e nível local de compradores (ÿ0,0083, Pb0,05). O impacto econômico
dos benefícios da aglomeração varia. Um aumento de 1 desvio padrão no nível local de mão de obra qualificada sobre a média nas amostras resulta em uma diminuição de 8%
na falha, enquanto um aumento de 1 desvio padrão no nível local de fornecedores especializados e no nível local de compradores resulta em um redução de 1% e 0,3% em
5
Especificamente, em análises auxiliares também incluímos termos de interação entre dummies de tempo e MSAs (dtÿdMSAl ), e dummies de tempo e indústria (dtÿdk).
Embora muitas das interações adicionais tenham sido significativas, nosso efeito relatado permaneceu significativo e consistente com os relatados.
6
As estatísticas de teste são dadas pelo dobro da diferença na probabilidade logarítmica para o modelo irrestrito menos o modelo restrito que omite os efeitos fixos. Embora
muitos dos efeitos fixos da MSA e da indústria sejam significativos, os tamanhos de seus coeficientes sugerem que seus impactos na sobrevivência de novos empreendimentos
são menores do que as principais covariáveis incluídas em nossos modelos. Isso confirma a importância da variação dentro da MSA e do setor em nossos dados.
tabela 1
Estatísticas descritivas e correlações pareadas.
Covariável SD médio 1 2 3 4 5 6 7 8 9 10 11 12 13 14
1 Falha de inicialização 0,461 0,302

2 Concorrência local 3 17,082 12,672 0,30
Nível local de mão de obra 0,607 1,724 -0,16 0,24
qualificada 4 Nível local de fornecedores especializados 0,507 0,311 -0,19 0,15 0,28
5 Nível local de compradores 6 0,394 0,278 -0,14 0,22 0,17 0,12
Ativos relativos 7 Qualidade 0,954 2,451 -0,25 0,18 0,09 0,03 0,14
relativa do capital humano 0,819 0,562 -0,22 0,15 0,13 0,06 0,04 0,23
8 ln (Vendas) 12,701 19,004 -0,31 0,13 0,07 0,16 0,23 0,13 0,20
9 Taxa de falha de ER 0,192 0,117 0,18 0,32 -0,09 -0,14 0,03 -0,05 -0,07 -0,09
10 ln (aluguéis de terra 4,374 4,108 -0,05 0,19 0,16 -0,01 0,15 0,18 0,24 0,16 -0,04
ER) 11 ln (salário médio de ER defasado) 11,473 3,067 0,06 0,23 0,15 0,12 0,04 0,08 0,24 0,16 -0,10 0,23
12 Crescimento de vendas da indústria de ER defasado 0,142 0,169 -0,07 0,11 0,12 0,08 0,07 0,12 0,17 0,08 -0,23 0,09 0,02
13 ln (Funcionários Iniciais) 1,415 2,806 -0,10 0,19 0,02 0,03 0,08 0,11 0,16 0,30 0,05 -0,09 0,06 0,04
14 ln (ativos iniciais) 12,007 12,816 -0,13 0,25 -0,05 -0,10 0,15 0,27 0,23 0,38 0,07 -0,14 0,07 0,12 0,53
15 ln (vendas iniciais) 12,274 12,798 -0,20 0,08 0,16 0,20 0,13 0,12 0,31 0,47 0,03 0,06 -0,04 0,19 0,34 0,36
falha, respectivamente. Nossas descobertas sobre os diferentes impactos econômicos dos benefícios da aglomeração são consistentes com Rosenthal e
Strange (2003), que estudou os determinantes do nível de nascimento de novos empreendimentos em uma localidade. Observe que, como teorizado, o
três forças de aglomeração são conjuntamente significativas, sugerindo que elas capturam
mecanismos, embora para a startup média os níveis de fornecedores e compradores tenham impactos menores.
O modelo 3 relata um efeito positivo (aumento do risco de falha) e significativo da competição local (0,2026, Pb0,01). Modelo 4
inclui conjuntamente os efeitos da aglomeração e competição local (0,1787, Pb0,01), apoiando assim a Hipótese 2. Um aumento de
1 desvio padrão na competição local resulta em um aumento de cerca de 6% na falha. Observe que as covariáveis para o nível local de profissionais qualificados
mão de obra, nível local de fornecedores especializados, nível local de compradores e concorrência local são conjuntamente significativos e opostos em
seu efeito sobre o perigo enfrentado pelas empresas de novo, como teorizamos. Em uma análise não reportada, incluímos uma variável dummy
interagindo com a concorrência local por setores cujos produtos são altamente perecíveis e onde os custos de transporte dominam
(como alimentos e produtos afins, embalagens de carne, jornais, leite e creme e produtos de concreto). Os resultados sugerem que o
efeito da concorrência local sobre o fracasso é muito mais forte para esses setores.
O modelo 5 adiciona o principal efeito de nossas covariáveis para recursos da empresa - ativos totais em relação aos concorrentes - e termos de interação para
examinar a relação hipotética entre os benefícios de aglomeração e a probabilidade de sobrevivência para empresas mais bem dotadas. Dentro
de acordo com a literatura anterior sobre a base de recursos da empresa, o coeficiente negativo e significativo para os ativos totais em relação ao
concorrentes (-0,0384, Pb0,01) indica que as empresas com maior dotação de recursos têm melhores perspectivas de sobrevivência. Hipótese 3a,
no entanto, é suportado apenas parcialmente. Consistente com nossa expectativa, os termos de interação positiva “nível local de
mão de obra × ativos relativos” (0,0106, Pb0,05) e “nível local de fornecedores especializados × ativos totais em relação aos concorrentes” (0,0138, Pb0,1)
indicam que as startups menos bem dotadas se beneficiam mais das concentrações locais de mão de obra e fornecedores. O termo de interação “local
nível de compradores x ativos relativos” é positivo, embora não significativo. Para garantir que a multicolinearidade não cause
estimativas de parâmetros, seguimos a recomendação de Kmenta (1986) e realizamos um teste de fator de inflação de variância (VIF), adicionando um
termo de interação de cada vez e verificando as mudanças nos coeficientes e erros padrão. Nenhuma variação significativa nas estimativas de
os coeficientes emergem e a média do teste VIF é 5,04. No entanto, de forma conservadora, devido às múltiplas ocorrências dos efeitos principais,
contamos com os modelos parciais para testar nossas hipóteses.
Para representar visualmente o efeito interativo - como o efeito da aglomeração se beneficia no risco muda com o nível de empresa
dotações – usamos os coeficientes do Modelo 5. A Fig. 2 apresenta esta ilustração. Neste gráfico, a probabilidade de falha (a vertical
eixo) em relação ao nível local de mão de obra qualificada (o eixo horizontal) é representado em unidades de desvio padrão. Doação firme
é medida como uma variável categórica – startups altamente dotadas são empresas cujos ativos totais em relação aos concorrentes estão acima do
quartil superior e startups menos dotadas são empresas cujos ativos totais em relação aos concorrentes são menores do que o quartil superior. Tudo
variáveis restantes são mantidas em seus níveis médios. Criamos um gráfico semelhante com o nível local de fornecedores como o horizontal
eixo. O gráfico era quase idêntico ao gráfico aqui representado e, portanto, foi omitido por questões de espaço. A ilustração
mostra que as taxas de falhas diminuem com o aumento do nível local de mão de obra qualificada (ou nível local de fornecedores especializados), pois
indicado pelas curvas com inclinação descendente. De acordo com a Hipótese 3a, as perspectivas de sobrevivência das empresas mais bem dotadas dependem
menos na proximidade de clusters de funcionários qualificados e fornecedores. Dito de outra forma, as empresas menos dotadas dependem mais
extrair mais benefícios do acesso a grupos existentes de funcionários e fornecedores qualificados.
Contradizendo nossa Hipótese 3b, o Modelo 6 relata um termo de interação positivo (aumento de risco de falha) e significativo, “local
concorrência × ativos totais em relação aos concorrentes” (0,0281 Pb0,01); ou seja, um valor positivo é adicionado ao efeito principal positivo (aumento do risco
de falha), gerando um risco maior. Esse achado sugere uma diminuição no insucesso de startups menos dotadas
(ou seja, aqueles com ativos abaixo da média) quando localizados em um ambiente industrial competitivo. A ilustração na Fig. 3 captura
a curva descendente para startups menos dotadas, indicando que um mercado local mais competitivo resulta em redução
risco para essas empresas e uma curva ascendente para startups altamente dotadas, indicando um risco aumentado devido à intensificação
competição local para este subgrupo de empresas.
mesa 2
Os efeitos das vantagens e desvantagens da aglomeração no fracasso de startups com diferentes recursos e capacidades: modelo de risco exponencial por partes.
123456789
Nível Local de Mão de Obra Qualificada ÿ0,0497*** ÿ0,0504*** ÿ0,0316*** ÿ0,0506*** ÿ0,0426*** ÿ0,0496*** ÿ0,0486***
(2,87) (2,84) (2,80) (2,86) ÿ0,0304** ÿ0,0386**
(2,83) ÿ0,0285** ÿ0,0369*
(2,83) ÿ0,0285** (2,82)
Nível Local de Especializado ÿ0,0302** ÿ0,0384*
Fornecedores
(2.11) (2,10) (2,11) (2,14) ÿ0,0088** ÿ0,0102*
(2.13)ÿ0,0086** ÿ0,0106*
(2.08) ÿ0,0089** (2.08)
Nível local de compradores ÿ0.0083** ÿ0,0121**
(2.13) (2,14) (2,09) (2,15) (2,08) 0,1776*** 0,2281*** (2,15) (2.17)
Concorrência Local 0,2026*** 0,1787*** 0,1794*** (3,38) (3,32)
ÿ0,0413***
(3,32)ÿ0,0350***
ÿ0,0384***
ÿ0,0357*** 0,2104*** 0,2103***
(3.33) (3,35) ÿ0,0381*** (3,21) (3.33)
Ativos Relativos
(2,57) (2,52) (2,55) 0,0106** (2,55) 2,56)
Nível Local de Qualificado 0,0105**
Trabalho x Bens Relativos
(2,16) (2.14)
Nível Local de Especializado 0,0138* 0,0133*
Fornecedores x Ativos Relativos
(2,09) (2.11)
Nível Local de Compradores x 0,0077 0,0080
Ativos Relativos
(1,75) (1,77)
Competição local x 0,0281*** 0,0273***
Ativos Relativos
(3.11) (3.06)
Qualidade Relativa do Humano ÿ0,0340*** ÿ0,0365*** ÿ0,0352***
Capital
(2,27) (2,37) (2,34)
Nível Local de Especializado ÿ0,0067*** ÿ0,0064***
Fornecedores x Qualidade Relativa
de Capital Humano
(2,69) (2,66)
Nível Local de Compradores x ÿ0,0024*** ÿ0,0025***
Qualidade Relativa de
Capital humano
(2,36) (2,38)
Concorrência Local x Relativa ÿ0,0112** ÿ0,0118**
Qualidade do Capital Humano
(2.23) (2.19)
Variáveis de controle
ln (vendas atrasadas) ÿ0,0651*** ÿ0,0646*** ÿ0,0650*** ÿ0,0645*** ÿ0,0603*** ÿ0,0604*** ÿ0,0595*** ÿ0,0600*** ÿ0,0601***
(3,41) (3,40) (3,40)
(3,40)
0,0486** 0,0488** 0,0492** (2,23)
(3,41)
(2,23) (2,23) ÿ0,0094 (3,41) (3,41) (3,41) (3,43)
Taxa de falha ÿ0,0095 ÿ0,0107 0,0489**
(1,78) (1,79) (1,82)
ÿ0,0139*
ÿ0,0144*
ÿ0,0140*
ÿ0,0140*
0,0495**
ÿ0,0132**
ÿ0,0145ÿ0,0140*
* ÿ0,0142*
ÿ0,0141* 0,0488** 0,0495** 0,0489** 0,0493**
(2,22) (2,22) (2,21) (2,21) (2,24) (2.23)
ln(Aluguéis de Terrenos ER) ÿ0,0105 ÿ0,0105 ÿ0,0106 ÿ0,0107 ÿ0,0106 ÿ0,0107
(1,81) (1,80) (1,81) (1,81) (1,80) (1,81)
ln(ER atrasado
Salário Médio)
(2,03) (2,03) (2,06)
(2.06)
ÿ0,0109** ÿ0,0110** ÿ0,0109** ÿ0,0108**
(2.07) ÿ0,0107** (2,05) (2.11) (2.07) (2,05)
Indústria de ER com atraso ÿ0,0109** ÿ0,0105** ÿ0,0110** ÿ0,0109**
Crescimento das vendas
(2.18) (2.18) (2.19) (2.17) (2.17) (2.17) (2.19) (2.18) (2.17)

Tratamento para seleção
ln(Funcionários Iniciais) ÿ0,0197**
(2.12)
ln(Ativos iniciais) ÿ0,0186***
(2,42)
ln(Vendas Iniciais) ÿ0,0213***
(2,48)
Nº de Assuntos 46.879 46.879 46.879
46.879
250.524 250.524 250.524 11.052
46.879
11.052 11.052 46.879 46.879 46.879 46.879
Nº de Observações Nº ÿ3452,68 ÿ3218,30
250.524
ÿ3401,08 ÿ3190,11 ÿ3004,50 ÿ3006,11
250.524ÿ2955. 250.524 250.524 250.524 250.524
de Falhas Registro de 11.052 11.052 11.052 11.052 11.052 11.052
Probabilidade de
Melhoria em vs (1) vs(1) vs (3) vs (2) vs (3) vs (3) vs (6) vs (7)
Teste de ajuste do modelo
Qui-quadrado de Mudança LogL 0,000*** 0,000*** 0,000*** 0,000*** 0,000*** 0,000*** 0,1870 0,000***
Comentários:
Estatísticas z robustas são relatadas entre parênteses. Os erros padrão foram agrupados por empresa.
Todas as especificações incluem tempo, Área Estatística Metropolitana e dummies SIC de dois dígitos.
*Pb0,10, **Pb0,05, ***Pb0,01 com base em testes unicaudais.
Probabilidade 0,6
de falha
0,5
0,4 altamente
dotado
0,3 iniciantes
0,2 menos dotado

iniciantes
0,1
0
-1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5
Nível local de mão de obra qualificada [média ± unidades STD]
Fig. 2. Efeitos interativos dos benefícios e recursos da aglomeração nas taxas de insucesso das startups. As partidas que enfrentam riscos previstos são derivadas do Modelo 5 na Tabela 2 e
mantendo todas as outras variáveis em sua média. Startups com alto nível de recursos são empresas cujos ativos relativos estão acima do quartil superior e startups com menor
nível de recursos são empresas cujos ativos relativos são inferiores ao quartil superior.
Uma explicação para esse efeito inesperado pode ser que no setor manufatureiro, mercados com alta concentração de
pequenos operadores podem oferecer melhores oportunidades de aprendizado para iniciantes menos dotados que são menos limitados por um início de carreira.
compromisso com determinados ativos tangíveis. Assim, o investimento antecipado em ativos tangíveis pode sufocar a experimentação e o aprendizado por
fazendo, tornando-se assim um passivo durante o início da vida de um participante em um ambiente competitivo.
No Modelo 7, examinamos o efeito moderador da qualidade do capital humano em relação aos concorrentes sobre os resultados positivos.
relação entre sobrevivência e concentrações locais de fornecedores e compradores especializados. Nossos resultados suportam a Hipótese 4a.
Os coeficientes dos termos de interação “nível local de fornecedores especializados × qualidade do capital humano em relação aos concorrentes”
(ÿ0,0067, Pb0,01) e "nível local de compradores × qualidade do capital humano em relação aos concorrentes" (ÿ0,0024, Pb0,01) são ambos
negativo e significativo, sugerindo melhores perspectivas de sobrevivência para empresas com recursos humanos superiores, porque estes
as empresas podem extrair mais benefícios das relações com fornecedores e clientes locais especializados. Para representar visualmente o
efeito interativo - como o efeito da aglomeração se beneficia no risco muda com o nível de dotações da empresa - usamos o
coeficientes do Modelo 7. Na Fig. 4, a probabilidade de falha (o eixo vertical) em relação ao nível local de mão de obra qualificada, ou local
nível de fornecedores especializados, que não é mostrado (o eixo horizontal) é representado em unidades de desvio padrão. de uma empresa
a dotação é medida como uma variável categórica – startups de alta qualidade são empresas cuja qualidade do capital humano em relação à
concorrentes está acima do quartil superior e startups de baixa qualidade são empresas cuja qualidade do capital humano em relação aos concorrentes é
inferior ao quartil superior. Todas as variáveis restantes são mantidas em seus níveis médios. Observe a inclinação descendente mais acentuada para as startups
de alta qualidade do que para as startups de baixa qualidade, conforme ilustrado na Fig. 4.
Na Hipótese 4b, sugerimos que os entrantes com funcionários de maior qualidade terão maiores chances de sobrevivência em um
mercado competitivo. Apoiando esta hipótese, encontramos no Modelo 8 um coeficiente negativo e significativo para o termo de interação
“competição local× qualidade do capital humano em relação aos concorrentes” (ÿ0,0112, Pb0,05); ou seja, um valor negativo é adicionado ao
principal efeito positivo (aumentando o risco) dos mercados competitivos, gerando um risco menor e indicando que as startups com funcionários de melhor
qualidade têm maior probabilidade de sobreviver em um ambiente local competitivo. A Fig. 5 ilustra as inclinações opostas das startups
com capital humano de alta e baixa qualidade em relação aos concorrentes.
0,8
Probabilidade
de falha 0,7
0,6 altamente
dotado
0,5
iniciantes
0,4
menos dotado
0,3
iniciantes
0,2
0,1
0
-2 -1 0 1 2 3 4
Competição local [média ± unidades STD]
Fig. 3. Efeitos interativos da competição local e recursos nas taxas de insucesso de startups. As partidas de risco previstas são derivadas do Modelo 6 na Tabela 2 e
mantendo todas as outras variáveis em sua média. Startups com alto nível de recursos são empresas cujos ativos relativos estão acima do quartil superior e startups com um
o nível mais baixo de recursos são empresas cujos ativos relativos são menores do que o quartil superior.
0,7
Probabilidade
de falha 0,6
0,5
baixa qualidade
0,4 iniciantes
0,3
alta qualidade
0,2
iniciantes
0,1
0
-1 -0,5 0 0,5 1 1,5 2 2,5 3 3,5
Nível local de fornecedores especializados [média ± unidades STD]
(Nível local de compradores)
Fig. 4. Efeitos interativos dos benefícios e capacidades da aglomeração nas taxas de falha de inicialização. As partidas que enfrentam riscos previstos são derivadas do Modelo 7 na Tabela 2 e
mantendo todas as outras variáveis em sua média. Startups de alta qualidade são empresas cuja qualidade relativa do capital humano está acima do quartil superior e startups de baixa qualidade
são empresas cuja qualidade relativa do capital humano é inferior ao quartil superior.
5.1. Testes de robustez
Realizamos várias verificações de robustez com operacionalizações alternativas de nossa medida de concorrência. Primeiro, usamos o
proporção de empresas por empregado em uma determinada indústria e região econômica de três dígitos. Esta medida é muito comum na indústria
literatura de organização e tem sido usado na literatura de aglomeração (Glaeser et al., 1992; Henderson, 2003; Pe'er et al., 2008;
Rosenthal e Estranho, 2003). Medindo a competição local da maneira descrita, Glaeser et al. (1992) descobriram que um
o aumento da concorrência está positivamente associado ao crescimento das empresas locais sobreviventes. Rosenthal e Estranho (2003)
examinou o impacto da medida de concorrência acima no nascimento de novos estabelecimentos em seis indústrias manufatureiras.
Nj 2
Em segundo lugar, definimos HHI como a soma das quotas de mercado ao quadrado: HHIjt=ÿi= 1sijt onde sijt é a participação de mercado local da empresa i em
setor j (códigos SIC de três dígitos) no ano t. As participações de mercado são calculadas com base nas vendas de empresas localizadas no mesmo ER que o foco.
participante. O padrão qualitativo e quantitativo dos resultados foi semelhante com essas diferentes medidas.
Para testar a robustez de nossos resultados à especificação do modelo, também consideramos especificações alternativas. Um usado com frequência
O modelo é o modelo de risco de Cox (Greve e Rao, 2006; Mata et al., 1995; Shane e Foo, 1999). Depois de testar a proporcionalidade
suposição de riscos usando resíduos de Schoenfeld, reexecutou as análises com esta especificação e encontrou qualitativamente semelhante
resultados.
Terceiro, executamos várias análises de robustez adicionais para abordar possíveis problemas de endogeneidade que podem estar presentes em nossos dados
definir. Para uma discussão completa dessas análises, consulte o Apêndice 1.
Finalmente, executamos nossos modelos com uma mistura gama para lidar com potencial heterogeneidade não observada, conforme recomendado por
Blossfeld e Rohwer (1995). Modelos com uma distribuição de mistura incorporam um “termo de erro”, baseado na suposição de que o
constante não observada pode ser representada como a realização de uma variável aleatória, identicamente distribuída para todas as empresas e
independente das covariáveis observadas. A distribuição da mistura deve, portanto, ser considerada um passo na busca por parâmetros robustos
estimativas.
0,8
Probabilidade
de falha 0,7
baixa qualidade
0,6 iniciantes
0,5
0,4
alta qualidade
0,3
iniciantes
0,2
0,1
0
-2 -1 0 1 2 3 4
Competição local [média ± unidades STD]
Fig. 5. Efeitos interativos da competição local e capacidades nas taxas de insucesso de startups. As partidas de risco previstas são derivadas do Modelo 8 na Tabela 2 e
mantendo todas as outras variáveis em sua média. Startups de alta qualidade são empresas cuja qualidade relativa do capital humano está acima do quartil superior e startups de baixa qualidade
são empresas cuja qualidade relativa do capital humano é inferior ao quartil superior.
6. Discussão
Neste artigo, nos propusemos a lançar uma nova luz sobre as vantagens e desvantagens da aglomeração para a sobrevivência das startups. Em
particular, investigamos como o nível local de mão de obra qualificada, fornecedores e compradores e o nível de concorrência afetam as startups e como
esses efeitos são moderados pelo nível de ativos totais e pela qualidade dos recursos humanos de uma startup em relação aos concorrentes. Nossos
resultados vão além de pesquisas anteriores ao abrir os mecanismos pelos quais a aglomeração afeta a sobrevivência das startups e ao analisar como
esses mecanismos são moderados pelos recursos e capacidades das startups.
6.1. Contribuição para a pesquisa sobre aglomeração
Em primeiro lugar, nossa pesquisa contribui para a literatura sobre aglomeração. Pesquisas anteriores sobre os benefícios e desvantagens da
aglomeração produziram resultados mistos (McCann e Folta, 2008). Argumentamos que uma razão para essas descobertas mistas é que pesquisas
anteriores deixaram de lado contingências importantes que afetam se uma startup experimenta os benefícios e as desvantagens de sobrevivência de se
localizar em um cluster. Os resultados de nosso estudo sugerem que o nível de recursos (especificamente, o nível de ativos totais em relação aos
concorrentes) e o nível de capacidades da empresa (especificamente, a qualidade do capital humano da startup em relação aos concorrentes) são
contingências importantes que afetam como o a inicialização é afetada pela localização em um cluster. Nosso estudo, portanto, acrescenta a uma
pequena literatura (por exemplo, Alcacer e Chung, 2007; Canina et al., 2005; McCann e Folta, 2011; Shaver e Flyer, 2000) que trouxe a heterogeneidade
em nível de empresa de volta ao estudo da aglomeração. Dentro dessa literatura, e mais próximo do nosso estudo em termos de desenvolvimento
teórico e população estudada, McCann e Folta (2011) argumentam que as capacidades combinatórias das empresas, medidas como estoques de
conhecimento, experiência com alianças e idade das empresas, os benefícios da aglomeração. Nosso estudo estende esse argumento de duas
maneiras. Primeiro, mostramos que a heterogeneidade de uma empresa modera os benefícios e desvantagens da aglomeração. Além disso, mostramos
que recursos e capacidades têm efeitos diferentes na relação entre diferentes benefícios e desvantagens e a sobrevivência da empresa, criando assim
uma imagem teórica mais refinada de como a heterogeneidade e a aglomeração da empresa interagem.
Esses argumentos contribuem para integrar ainda mais a visão baseada em recursos – uma literatura que tem sido central para gestão estratégica e
empreendedorismo (Alvarez e Barney, 2004; Alvarez e Busenitz, 2001) – com a literatura sobre aglomeração que surgiu predominantemente na literatura
sobre aglomeração. geografia econômica.
Nosso estudo traz uma segunda contribuição empírica para a literatura sobre aglomeração. Com poucas exceções (por exemplo, Audia et al., 2006;
Dumais et al., 2002), estudos anteriores se concentraram no impacto das externalidades decorrentes da colocação no mesmo setor e, portanto,
normalmente se concentraram na densidade de empresas do mesmo setor ou o nível local de emprego no mesmo setor. O pressuposto implícito nesta
pesquisa foi que a distribuição espacial de clientes e fornecedores é semelhante à distribuição de empresas do mesmo setor. Embora o argumento
teórico tenha sido feito e os mecanismos individuais tenham sido testados em uma variedade de estudos (Rosenthal e Strange, 2003, 2006), nosso
estudo é, até onde sabemos, um dos primeiros que usa dados longitudinais em nível de empresa para descompactar empiricamente o conceito de
aglomeração para revelar os efeitos únicos dos níveis locais de mão de obra qualificada, fornecedores especializados, compradores e concorrência na
sobrevivência das startups. Nossos resultados sugerem diferenças não triviais nos efeitos da mão de obra local qualificada, fornecedores e compradores
na sobrevivência. Essas descobertas sugerem que estudos futuros precisarão medi-los separadamente e que uma teorização mais refinada deslindar
ainda mais os efeitos desses mecanismos.
6.2. Contribuição para a pesquisa sobre a entrada de novos mercados
Nosso estudo também contribui de forma mais ampla para o estudo da entrada no mercado. Grande parte da literatura anterior concentrou-se em
empresas maduras que atuam como entrantes diversificados ou empresas que entram em novos mercados por meio de empreendimentos de matriz,
como franquias, cisões de matriz ou joint ventures (por exemplo, Alcacer e Chung, 2007; Chung e Alcacer, 2002; Kalnins e Chung, 2004; Klepper, 2002;
Shaver e Flyer, 2000). Dentro desta literatura, tem-se argumentado que os entrantes mais diversificados se beneficiam menos da aglomeração (Shaver
e Flyer, 2000). No cerne deste argumento está a existência de uma seleção adversa em relação à qual se aglomeram os entrantes diversificados.
Especificamente, Shaver e Flyer (2000) argumentam que os entrantes maiores são menos propensos a aglomerar.
Embora nosso estudo tenha se concentrado em novos empreendimentos independentes e, portanto, uma comparação direta não seja possível,
acreditamos que a comparação de nossas descobertas com essas descobertas anteriores adiciona insights porque, no passado, os argumentos da
literatura que estudavam a diversificação de participantes muitas vezes eram diretamente estendidos às startups. Nossos resultados sugerem que tal
extensão pode ignorar diferenças importantes entre startups e entradas diversificadas, de modo que as teorias que tratam do desempenho dessas
empresas podem não fornecer previsões precisas sobre o comportamento das startups. Especificamente, nossa análise mostra que, para novos
empreendimentos, um aumento marginal nos recursos tem o efeito oposto do que para diversificar os entrantes. Em vez de reduzir suas taxas de
sobrevivência, levando-os a fugir de áreas aglomeradas (por exemplo, Shaver e Flyer, 2000), esse aumento aumenta as perspectivas de sobrevivência
e faz com que eles procurem áreas aglomeradas. Esses recursos adicionais tornam as áreas de aglomeração mais atraentes, argumentamos, porque
ajudam os novos empreendimentos a absorver e explorar as economias criadas pelo cluster. Quando se trata de desvantagens de aglomeração,
mostramos que startups menos dotadas são menos afetadas por uma estrutura de mercado competitiva, enquanto aquelas dotadas de funcionários de
menor qualidade podem ter mais dificuldade em resistir à concorrência acirrada.
6.3. Limitações e pesquisas futuras
Como em qualquer estudo, precisamos reconhecer uma série de limitações que abrem caminhos para pesquisas futuras. Em nosso estudo, fomos
forçados a fazer um trade-off entre os dados usados para operacionalizar nossas variáveis e a abrangência da amostra
nós estudamos. Resolvemos essa troca optando por estudar todos os novos empreendimentos independentes no setor manufatureiro canadense de 1984 a
1998. Como resultado, estamos limitados aos limites dos dados disponíveis no conjunto de dados T2-LEAP. Embora esteja entre os conjuntos de dados mais
abrangentes que conhecemos, essa fonte cria limitações em termos das variáveis dependentes e independentes que podemos estudar. Limitou-nos ainda mais
a startups com pelo menos um funcionário. Estudos futuros devem se basear e complementar nosso estudo, seguindo coortes menores de participantes e
estudando-os em um nível mais refinado. Uma segunda limitação decorre de nosso foco em vários setores. Embora tenhamos feito grandes esforços na
operacionalização de nossas variáveis para que sejam comparáveis entre os setores, a comparação entre os setores pode ser um desafio. Por exemplo, nossa
amostra nos forçou a usar uma medida de competição relativamente grosseira. Portanto, incentivamos estudos futuros a estender nosso estudo concentrando-
se em indústrias individuais e utilizando medidas desenvolvidas para um único contexto de indústria. Uma terceira limitação é o foco na economia canadense.
Dados abrangentes como os nossos simplesmente não estão disponíveis na maioria dos países, forçando-nos a nos limitar a um ambiente institucional.
Pesquisas futuras devem replicar nosso estudo em diferentes ambientes institucionais, testando assim a generalização de nossas descobertas em diferentes
geografias. Uma quarta limitação do nosso estudo decorre da falta de informação sobre as características dos fundadores. Uma rica literatura em
empreendedorismo examinou o papel das características do fundador no fracasso de startups, em particular nos primeiros estágios de vida de um novo
empreendimento (por exemplo, Baum e Bird, 2010; Baum e Locke, 2004; Beckman et al., 2007; Chandler e Jansen, 1992; Gimeno et al., 1997; Herron e
Robinson, 1993; Lee e Tsang, 2001; Westhead e Wright, 1998; Westhead et al., 2001). Dado que nossos dados não contêm informações detalhadas sobre os
fundadores das empresas que estudamos, não conseguimos controlar esses efeitos. No entanto, acreditamos que as características dos fundadores
provavelmente serão complementares aos efeitos que estudamos aqui. Pesquisas futuras poderiam investigar os efeitos conjuntos dos recursos e das
características dos fundadores na sobrevivência ou fracasso das startups. Finalmente, nosso estudo concentrou-se na sobrevida como variável dependente.
Embora acreditemos que a sobrevivência seja o pré-requisito mais fundamental para todos os outros resultados de interesse, pesquisas futuras devem ir além
dessa variável e investigar outros resultados, como crescimento ou lucratividade das empresas ao longo do tempo.
Nosso estudo também abre várias rotas adicionais para pesquisas futuras. Primeiro, em nossas análises empíricas nos concentramos nos efeitos diretos do
nível local de funcionários qualificados, fornecedores, compradores e concorrência. Podemos esperar que esses fatores interajam de maneira não trivial.
Pesquisas futuras poderiam investigar em particular como os níveis locais de concorrência fortalecem ou enfraquecem os benefícios fornecidos pelos níveis
locais de funcionários, fornecedores e compradores qualificados.
Em segundo lugar, dada a importância da heterogeneidade em recursos e capacidades que encontramos em nosso estudo, uma questão lógica seria: quais
são as origens dessa heterogeneidade e como os fatores descritos neste artigo afetam o desenvolvimento de recursos e capacidades ao longo do tempo?
Embora algumas pesquisas forneçam indicadores importantes para responder a essas questões (por exemplo, Dahl e Sorenson, 2007; Helfat e Lieberman,
2002; Henderson, 2003; Klepper, 2002; Pe'er et al., 2008), trabalho adicional seria necessário para criar uma melhor compreensão do processo dinâmico de
como os empreendedores criam pacotes de recursos iniciais e os desenvolvem ao longo do tempo. Tal pesquisa contribuiria ainda mais para integrar a visão
baseada em recursos com a literatura sobre aglomeração, que frequentemente se concentra no ambiente da empresa em suas explicações dos processos que
ocorrem durante os estágios iniciais de novos empreendimentos. Estudos futuros devem continuar a explorar como o ambiente e a base de recursos da empresa
interagem para moldar o comportamento das startups.
Por fim, nosso estudo sugere ainda que a comparação sistemática entre novos empreendimentos independentes e diversificação de novos entrantes levaria
a uma compreensão mais profunda dos efeitos da aglomeração. Como argumentamos acima, temos motivos para acreditar que essas empresas enfrentam
diferentes oportunidades e restrições e, portanto, podemos nos beneficiar de estudos que ampliem a teoria atual para incorporar explicitamente essas diferenças.
Agradecimentos
Gostaríamos de agradecer os comentários perspicazes da editora de campo Jennifer Jennings e três revisores anônimos. Gostaríamos de agradecer ainda
a Juan Alcacer, Pino Audia, Gino Catani, Wilbur Chung, Yuval Deutsch, William Kerr, Andrew King, Dovev Lavie e Ilan Vertinsky pelos comentários sobre as
versões anteriores deste artigo. Todos os erros remanescentes são de responsabilidade exclusiva dos autores.
Apêndice 1. Questões de endogeneidade
Consideramos várias questões de endogeneidade. É plausível que algumas de nossas variáveis de controle sejam endógenas às vantagens e desvantagens
da aglomeração. Embora essa fonte potencial de viés tenha sido discutida recentemente na literatura econômica de aglomeração (por exemplo, Combes et al.,
2010), foi reconhecido que a natureza do equilíbrio em um sistema de localizações torna o problema da endogeneidade especialmente assustador. Funcionários
e empresas são móveis, assim como seus produtos. Os processos subjacentes às economias de aglomeração operam a um nível bastante local, pelo que
existem desafios significativos em encontrar instrumentos plausíveis e dados desagregados que permitam a diferenciação. Executamos nossos modelos
excluindo todas as variáveis de controle e recebemos resultados consistentes com o relatado na Tabela 2 no que diz respeito aos sinais e magnitudes relativas
dos coeficientes.
A suposição sobre a heterogeneidade não observável não será válida se as características não observadas dos entrantes afetarem a escolha de locais,
custos e benefícios associados à competição e aprendizado, e a probabilidade de sobrevivência. Por exemplo, os empreendedores podem escolher
propositalmente (auto-selecionar) traços ambientais (níveis de aglomeração e competição), esperando melhorias de desempenho com base em suas
características específicas (por exemplo, qualidade relativa do capital humano). A localização em um ambiente caracterizado por alta competição no mesmo
setor pode ser mais atraente para empreendedores que têm acesso a recursos e capacidades iniciais superiores (Henderson, 2003; Pe'er et al., 2008). Também
é plausível que entrantes com funcionários de maior qualidade possam escolher propositalmente entrar em ambientes com altos níveis de falhas. Esses
participantes poderiam, por exemplo,
se beneficiam do recrutamento de funcionários cujo treinamento foi fornecido por participantes menos produtivos que falharam. Os entrantes que melhor realizam
todas as atividades de produção internamente (entrantes integrados verticalmente) e não têm intenção de explorar oportunidades locacionais para terceirização
podem preferir regiões mais periféricas para se beneficiarem de menores custos de mão de obra e terrenos. Essas escolhas, baseadas em características
iniciais e adequação estratégica a um ambiente, podem ter efeitos diretos na probabilidade de sobrevivência. Assim, estudos que não levam em conta essa
escolha endógena podem ter um potencial problema de especificação que pode resultar em superestimação dos fatores ambientais.
O procedimento padrão para explicar o viés de seleção é uma especificação de modelo de dois estágios (Heckman, 1979). O primeiro estágio desses
modelos é usado para prever a probabilidade de uma empresa escolher uma estratégia específica para seu local de entrada. Esta etapa gera uma variável de
correção de amostra para autosseleção, que é incluída como controle na segunda etapa – o modelo de sobrevivência (modelo de tratamento). Vários problemas
fundamentais limitam a capacidade de implementar este procedimento. Primeiro, os pesquisadores precisam reduzir todos os atributos ambientais econômicos
e estratégicos subjacentes a uma escolha de localização para uma versão binária. Uma vez que os locais oferecem um conjunto de atributos em várias
dimensões (por exemplo, competição com diferentes populações, concentração de fornecedores, concentração de compradores e fontes potenciais de
aprendizado indireto) que os entrantes combinam para melhor atender às suas necessidades (Baum e Haveman, 1997), uma versão binária não refletirá com
precisão as escolhas estratégicas feitas. Segundo, o primeiro estágio deve incluir pelo menos uma variável que afete a escolha da localização, mas não afete o
desempenho da empresa. Tal variável é difícil de encontrar no contexto atual, uma vez que as empresas, em última análise, tentam melhorar sua sobrevivência
ao escolher um local (Dahl e Sorenson, 2007; Henderson, 2003). Se tal variável não estiver disponível, pode ser difícil corrigir a seletividade da amostragem
usando este método e o pesquisador deve incluir a fonte de seleção como controle no modelo de sobrevivência (Wooldridge, 2002). Por fim, o método restringe
as estimativas da variável de correção para que seja a mesma para todas as estratégias de entrada quando não houver motivos para acreditar que os efeitos
sejam semelhantes.
Além disso, essa restrição dificulta a interpretação do efeito da auto-seleção (Shaver, 1998). Dado esses problemas, a correção de Heckman geralmente não
está disponível ou os resultados não são informativos sobre as decisões econômicas básicas que produzem o viés de seletividade, e o pesquisador pode ser
melhor aconselhado a repensar essas decisões básicas em vez de aplicar mecanicamente o método de Heckman (Maddala, 1992).
À luz desses problemas com a abordagem de dois estágios de Heckman, corrigimos a autosseleção incluindo as fontes de heterogeneidade inicial da
empresa identificadas em pesquisas anteriores (ver Pe'er et al., 2008) como controles em nossos modelos - como Wooldridge (2002) sugere – onde, por
exemplo, fontes identificáveis de heterogeneidade causam a auto-seleção. Incluímos controles para emprego inicial, ativos iniciais e vendas iniciais,
operacionalizados como o logaritmo natural do valor do emprego, ativos e vendas no primeiro ano de operação. A inclusão de controles para a heterogeneidade
inicial da empresa também é consistente com pesquisas teóricas e empíricas anteriores, argumentando que as diferenças de recursos e capacidades que
existiam no momento da fundação têm impactos persistentes na chance de sobrevivência (Dunne et al., 1988; Geroski e Mazzucato, 2002). ; Klepper, 2002;
Shane e Delmar, 2004).
A análise de robustez com essas medidas de heterogeneidade inicial da empresa (Modelo 9) produziu resultados qualitativamente semelhantes, corroborando
ainda mais nossos resultados.
Referências
Aharonson, BS, Baum, JAC, Feldman, MP, 2007. Desesperadamente buscando spillovers? Retornos crescentes, organização industrial e localização de novos entrantes em
espaço geográfico e tecnológico. Mudança Industrial e Corporativa 16 (1), 89–130.
Alcacer, J., Chung, W., 2007. Estratégias de localização e spillovers de conhecimento. Management Science 53 (5), 760-776.
Almazan, A., De Motta, A., Titman, S., 2007. Localização da empresa e criação e utilização do capital humano. Revisão de Estudos Econômicos 74 (4), 1305-1327.
Alvarez, SA, Barney, JB, 2004. Organizando a criação e apropriação de renda: rumo a uma teoria da empresa empreendedora. Journal of Business Venving 19 (5),
621-635.
Alvarez, SA, Busenitz, LW, 2001. O empreendedorismo da teoria baseada em recursos. Journal of Management 27 (6), 755-775.
Audia, PG, Freeman, JH, Reynolds, PD, 2006. Fundações organizacionais em contexto comunitário: Fabricantes de instrumentos e sua inter-relação com outras organizações. Administrativo
Science Quarterly 51 (3), 381–419.
Audretsch, DB, Feldman, MP, 1996. Repercussões de P&D e a geografia da inovação e da produção. American Economic Review 86 (3), 630-640.
Baptista, R., Swann, P., 1998. As empresas em clusters inovam mais? Política de Pesquisa 27 (5), 525–540.
Barney, JB, 1991. Recursos da empresa e vantagem competitiva sustentada. Journal of Management 17 (1), 99–120.
Baum, JR, Bird, BJ, 2010. A inteligência bem-sucedida de empreendedores de alto crescimento: links para o crescimento de novos empreendimentos. Organization Science 21 (2), 397-412.
Baum, JAC, Haveman, HA, 1997. Ame o seu próximo? Diferenciação e aglomeração na indústria hoteleira de Manhattan, 1898-1990. Ciências Administrativas
Trimestral 42 (2), 304–338.
Baum, JR, Locke, EA, 2004. A relação de características empreendedoras, habilidade e motivação para o crescimento subsequente do empreendimento. Jornal de Psicologia Aplicada 89 (4),
587-598.
Baum, JAC, Mezias, SJ, 1992. Competição localizada e fracasso organizacional na indústria hoteleira de Manhattan, 1898-1990. Ciência Administrativa Trimestral 37
(4), 580-604.
Becker, GS, 1964. Capital Humano. Columbia University Press, Nova York.
Beckman, CM, Burton, MD, O'Reilly, C., 2007. Equipes iniciais: o impacto da demografia da equipe no financiamento do capital de risco e na abertura de capital. Jornal de Negócios 22
(2), 147-173.
Blossfeld, HP, Rohwer, G., 1995. Técnicas de Modelagem de História de Eventos: Novas Abordagens à Análise Causal. Erlbaum, Hillsdale, NJ.
Burt, RS, 1997. Uma nota sobre capital social e conteúdo de rede. Redes Sociais 19 (4), 355–373.
Caballero, RJ, Hammour, ML, 1994. O efeito de limpeza das recessões. American Economic Review 84 (5), 1350-1368.
Canina, L., Enz, CA, Harrison, JS, 2005. Efeitos de aglomeração e orientações estratégicas: evidências do setor de hospedagem dos EUA. Revista da Academia de Administração
48 (4), 565-581.
Carlton, DW, 1983. As escolhas de localização e emprego de novas empresas – um modelo econométrico com variáveis endógenas discretas e contínuas. A revisão
de Economia e Estatística 65 (3), 440-449.
Carroll, GR, Hannan, MT, 2000. A Demografia de Corporações e Indústrias. Princeton University Press, Princeton, NJ.
Caves, RE, 1998. Organização industrial e novas descobertas sobre o volume de negócios e mobilidade das empresas. Journal of Economic Literature 36 (4), 1947-1982.
Chandler, GN, Jansen, E., 1992. Os fundadores avaliaram a competência e o desempenho do empreendimento. Journal of Business Venturing 7 (3), 223–236.
Chung, W., Alcacer, J., 2002. Busca de conhecimento e escolha de localização de investimento estrangeiro direto nos Estados Unidos. Management Science 48 (12), 1534-1554.
Chung, W., Kalnins, A., 2001. Efeitos de aglomeração e desempenho: um teste da indústria de hospedagem do Texas. Jornal de Gestão Estratégica 22, 969-988.
Ciccone, A., Hall, RE, 1996. Produtividade e densidade da atividade econômica. American Economic Review 86 (1), 54-70.
Coff, RW, 1997. Ativos humanos e dilemas de gestão: lidando com perigos no caminho para a teoria baseada em recursos. Academy of Management Review 22 (2),
374-402.
Cohen, WM, Levinthal, DA, 1994. A sorte favorece a empresa preparada. Management Science 40 (2), 227-251.
Combes, P., Duranton, G., Gobillon, L., Roux, S., 2010. Estimativa de economias de aglomeração com história, geologia e efeitos do trabalhador. Documento de Trabalho NBER No.
6728.
Cooke, P., Morgan, K., 1994. O sistema regional de inovação em Baden–Württemberg. International Journal of Technology Management 9 (3–4), 394–429.
Cyert, RM, março, JG, 1963. A Behavioral Theory of the Firm. Prentice Hall, Penhascos Englewood, NJ.
Dahl, MS, Sorenson, O., 2007. O empreendedor incorporado. European Management Review 6 (3), 172–181.
David, P., Rosenbloom, J., 1990. As externalidades marshallianas do mercado de fatores e a dinâmica da localização industrial. Journal of Urban Economics 28 (3), 349-370.
DeCarolis, DM, Deeds, DL, 1999. O impacto dos estoques e fluxos de conhecimento organizacional no desempenho da empresa: uma investigação empírica da indústria de biotecnologia. Revista de
Gestão Estratégica 20 (10), 953-968.
DeCarolis, DM, Yang, Y., Deeds, DL, Nelling, E., 2009. Enfrentando a tempestade: o benefício dos recursos para empreendimentos de alta tecnologia que navegam em eventos adversos.
Revista de Empreendedorismo Estratégico 3 (2), 147–160.
Delmar, F., Shane, S., 2004. Legitimar primeiro: organizar as atividades e a sobrevivência de novos empreendimentos. Journal of Business Venturing 19 (3), 385–410.
Delmar, F., Shane, S., 2007. A experiência importa? O efeito da experiência da equipe fundadora nas vendas de empresas recém-fundadas. Organização Estratégica 4 (3),
215-247.
Downes, J., Goodman, JE, 2003. Dicionário de termos financeiros e de investimento. Guias Financeiros do Barão, Hauppauge, NY.
Dumais, G., Ellison, G., Glaeser, EL, 2002. A concentração geográfica como processo dinâmico. Documento de Trabalho NBER nº 6270.
Dunford, M., 2006. Distritos industriais, círculos mágicos e a reestruturação da cadeia italiana de têxteis e vestuário. Geografia Econômica 82 (1), 27-59.
Dunne, T., Roberts, M., Samuelson, L., 1988. Padrões de entrada e saída de empresas nas indústrias manufatureiras dos EUA. The RAND Journal of Economics 19 (4), 495-515.
Eisenhardt, KM, Schoonhoven, CB, 1990. Crescimento organizacional: Ligando equipe fundadora, estratégia, ambiente e crescimento entre empreendimentos de semicondutores nos EUA
em 1978-1988. Administrativo Science Quarterly 35 (3), 504–529.
Ellison, G., Glaeser, EL, 1997. Concentração geográfica nas indústrias manufatureiras dos EUA: uma abordagem de alvo de dardos. Jornal de Economia Política 105 (5),
889-927.
Fichman, M., Levinthal, DA, 1991. Luas de mel e a responsabilidade da adolescência: uma nova perspectiva sobre a dependência de duração em relações sociais e organizacionais
relacionamentos. Academy of Management Review 16 (2), 442–468.
Fischer, JH, Harrington, JE, 1996. Variedade de produtos e aglomeração de empresas. The RAND Journal of Economics 27 (2), 281–309.
Folta, TB, Cooper, AC, Baik, Y., 2006. Tamanho do cluster geográfico e desempenho da empresa. Journal of Business Venturing 21 (2), 217–242.
Geroski, P., Mazzucato, M., 2002. Aprendizagem e as fontes de crescimento corporativo. Mudança Industrial e Corporativa 11 (4), 623-644.
Gimeno, J., Folta, TB, Cooper, AC, Woo, CY, 1997. Sobrevivência do mais apto? Capital humano empreendedor e a persistência de empresas com baixo desempenho.
Administrativo Science Quarterly 42 (4), 750–783.
Glaeser, EL, 2007. Empreendedorismo e cidade. Documento de Trabalho de Harvard e NBER nº 13551.
Glaeser, EL, Mare, DC, 2001. Cidades e habilidades. Journal of Labor Economics 19 (2), 316-342.
Glaeser, EL, Kallal, HD, Scheinkman, JA, Shleifer, A., 1992. Crescimento nas cidades. Jornal de Economia Política 100 (6), 1126-1152.
Glaeser, EL, Kerr, WR, Ponzetto, GAM, 2010. Clusters de empreendedorismo. Journal of Urban Economics 10 (4), 150-168.
Grant, RM, 1996. Rumo a uma teoria da firma baseada no conhecimento. Strategic Management Journal 17, 109–122 (edição especial de inverno).
Greene, WH, 2002. Análise Econométrica, 5ª ed. Prentice Hall, Upper Saddle River, NJ.
Greve, HR, 2000. Decisões de entrada em nichos de mercado: competição, aprendizado e estratégia no setor bancário de Tóquio, 1894-1936. Academy of Management Journal 43 (5),
816-836.
Greve, HR, Rao, H., 2006. Se não te matar: Aprendendo com a competição ecológica. In: Baum, JAC, Dobrev, SD, Witteloostuijn, AV (Eds.), Ecologia e
Estratégia: Avanços na Gestão Estratégica, vol. 23. JAI Press, Greenwich, CT, pp. 243-271.
Hamilton, BH, Nickerson, JA, 2003. Correção para endogeneidade na pesquisa em gestão estratégica. Organização Estratégica 1 (1), 51–78.
Heckman, J., 1979. Viés de seleção de amostra como erro de especificação. Econométrica 47 (1), 153-161.
Helfat, CE, Lieberman, MB, 2002. O nascimento das capacidades: entrada no mercado e a importância da pré-história. Mudança Industrial e Corporativa 11 (4), 725–760.
Helsley, RW, Strange, WC, 1991. Economias de aglomeração e mercados de capitais urbanos. Journal of Urban Economics 29 (1), 96-112.
Henderson, JV, 2003. Economias de escala de Marshall. Journal of Urban Economics 53 (1), 1–28.
Herron, L., Robinson, RB, 1993. Um modelo estrutural dos efeitos das características empreendedoras no desempenho do empreendimento. Journal of Business Venving 8 (3),
281-294.
Hitt, MA, Irlanda, RD, Camp, SM, Sexton, DL, 2001. Introdução dos editores convidados à edição especial—Empreendedorismo estratégico: estratégias empresariais para
criação de riqueza. Revista de Gestão Estratégica 22 (6–7), 479–491.
Hotelling, H., 1929. Estabilidade em competição. The Economic Journal 39, 41-57.
Irlanda, RD, Hitt, MA, Sirmon, DG, 2003. Um modelo de empreendedorismo estratégico: o construto e suas dimensões. Journal of Management 29 (6), 963-989.
Kalnins, A., Chung, W., 2004. Aglomeração em busca de recursos: um estudo de entrada no mercado de hospedagem. Revista de Gestão Estratégica 25 (7), 689–699.
Keasy, K., Watson, R., 1991. Modelos de previsão de dificuldades financeiras: uma revisão de sua utilidade. British Journal of Management 2 (2), 89-102.
Klepper, S., 2002. As capacidades das novas empresas e a evolução da indústria automobilística norte-americana. Mudança Industrial e Corporativa 11 (4), 645–666.
Kmenta, Jan, 1986. Elements of Econometrics, 2ª edição. Macmillan, Nova York.
Krugman, P., 1991. Retornos crescentes e geografia econômica. Journal of Political Economy 99 (3), 483–499.
Lee, DY, Tsang, EWK, 2001. Os efeitos da personalidade empreendedora, antecedentes e atividades de rede no crescimento do empreendimento. Revista de Estudos de Gestão 38
(4), 583-602.
Lemieux, T., 2005. Desigualdade salarial residual aumentada: efeitos de composição, dados barulhentos ou demanda crescente por habilidade. Documento de trabalho. Universidade da Colúmbia Britânica,
Vancouver, BC.
Lomi, A., 1995. A ecologia populacional da fundação organizacional – dependência de localização e heterogeneidade não observada. Administrativo Science Quarterly 40 (1), 111–144.
Maddala, GS, 1992. Introdução à Econometria, 2ª ed. Macmillan, Londres.
Manes, S., Andrews, P., 1994. Gates: Como o magnata da Microsoft reinventou uma indústria e se tornou o homem mais rico da América. Pedra de toque.
Marshall, A., 1920. Princípios de Economia, 8ª ed. Macmillan, Londres.
Mata, J., Portugal, P., 1994. Duração da vida das novas empresas. The Journal of Industrial Economics 42 (3), 19-34.
Mata, J., Portugal, P., 2002. A sobrevivência de novas empresas nacionais e estrangeiras. Revista de Gestão Estratégica 23 (4), 323–343.
Mata, J., Portugal, P., Guimarães, P., 1995. A sobrevivência de novas plantas: Condições de arranque e evolução pós-entrada. Revista Internacional de Organização Industrial
13 (4), 459-481.
McCann, BT, Folta, TB, 2008. A localização importa: onde estivemos e para onde podemos ir na pesquisa de aglomeração. Journal of Management 34 (3), 532-565.
McCann, BT, Folta, TB, 2011. Diferenciais de desempenho dentro de clusters geográficos. Journal of Business Venturing 26 (1), 104–123.
Mincer, J., 1958. Investimento em capital humano e distribuição de renda pessoal. Journal of Political Economy 66 (4), 281–302.
Nahapiet, J., Ghoshal, S., 1998. Capital social, capital intelectual e vantagem organizacional. Academy of Management Review 23 (2), 242–266.
Pe'er, A., Vertinsky, I., King, AA, 2008. Quem entra, onde e por quê? A influência das capacidades e dotações iniciais de recursos nas escolhas de localização de
novos empreendimentos. Organização Estratégica 6 (2), 119–149.
Peteraf, MA, 1993. Os pilares da vantagem competitiva: uma visão baseada em recursos. Revista de Gestão Estratégica 14 (3), 179–191.
Phillips, DJ, 2002. Uma abordagem genealógica para as chances de vida organizacional: a transferência de pais-progênie entre escritórios de advocacia do Vale do Silício, 1946-1996. Administrativo
Science Quarterly 47 (3), 474–506.
Piore, MJ, Sabel, CF, 1984. A Segunda Divisão Industrial. Livros Básicos, Nova York.
Porter, ME, 1980. Estratégia Competitiva—Técnicas para Análise de Indústrias e Concorrentes. Free Press, Nova York.
Porter, ME, 1998. Clusters e as novas economias da concorrência. Harvard Business Review 76 (6), 77-90.
Porter, ME, 2000. Localização, competição e desenvolvimento econômico: clusters locais em uma economia global. Desenvolvimento Econômico Trimestral 14 (1), 15–34.
Rao, H., Drazin, R., 2002. Superando restrições de recursos na inovação de produtos recrutando talentos de rivais: um estudo da indústria de busca mútua, 1986-94.
Academy of Management Journal 45 (3), 491–507.
Romanelli, E., 1989. Nascimento da organização e variedade populacional: uma perspectiva comunitária sobre as origens. In: Cummings, LL, Staw, BM (Eds.), Pesquisa em
Comportamento Organizacional, 11. JAI Press, Greenwich, CT, pp. 211-246.
Rosenthal, SS, Strange, WC, 2003. Geografia, organização industrial e aglomeração. The Review of Economics and Statistics 85 (2), 377-393.
Rosenthal, SS, Strange, WC, 2006. A microempírica das economias de aglomeração. In: Arnott, RJ, McMillen, DP (Eds.), A Companion to Urban Economics.
Blackwell-Wiley, Nova York, pp. 7-23.
Rotemberg, JJ, Saloner, G., 2000. Competição e acumulação de capital humano: uma teoria da especialização inter-regional e do comércio. Ciência Regional e Urbana
Economia 30 (4), 373-404.
Sapienza, HJ, Autio, E., George, G., Zahra, SA, 2006. Uma perspectiva de capacidades sobre os efeitos da internacionalização precoce na sobrevivência e crescimento da empresa. Academia de
Revisão da Administração 31 (4), 914–933.
Saxenian, A., 1994. Vantagem regional: cultura e competição no Vale do Silício e na Rota 128. Harvard University Press, Cambridge, MA.
Schmalensee, R., 1978. Dissuasão de entrada na indústria de cereais matinais prontos para o consumo. Bell Journal of Economics 9 (2), 305-327.
Shane, S., Delmar, F., 2004. Planejamento para o mercado: o planejamento do negócio antes do marketing e a continuidade dos esforços de organização. Jornal de Empreendedorismo
19 (6), 767-785.
Shane, S., Foo, MD, 1999. Sobrevivência da nova empresa: explicações institucionais para a mortalidade do novo franqueador. Management Science 45 (2), 142-159.
Sharma, A., Kesner, IF, 1996. Diversificando a entrada: algumas explicações ex ante para sobrevivência e crescimento pós-entrada. Academy of Management Journal 39 (3), 635-677.
Shaver, JM, 1998. Levando em conta a endogeneidade ao avaliar o desempenho da estratégia: a escolha do modo de entrada afeta a sobrevivência do IDE? Management Science 44 (4), 571-585.
Shaver, JM, Flyer, F., 2000. Economias de aglomeração, heterogeneidade de empresas e investimento estrangeiro direto nos Estados Unidos. Diário de Gestão Estratégica 21
(12), 1175-1193.
Sorensen, JB, Sorenson, O., 2003. Da concepção ao nascimento: percepção de oportunidade e mobilização de recursos no empreendedorismo. Geografia e Estratégia 20, 89-117.
Sorenson, O., Audia, PG, 2000. A estrutura social da atividade empresarial: concentração geográfica da produção de calçados nos Estados Unidos, 1940-1989.
The American Journal of Sociology 106 (2), 424-461.
Statistics Canada, 2002. Trabalho e Deslocamento em Áreas Metropolitanas do Censo, 1996–2001. In: Heisz, A., LaRochelle-Côté, S. (Eds.), Negócios e Mercado de Trabalho
Divisão de Análise. , http://publications.gc.ca/collections/Collection/Statcan/89-613-MIE/89-613-MIE2005007.pdf (acessado em 12 de dezembro de 2011).
Stinchcombe, AL, 1965. Estrutura social e organizações. In: March, JG (Ed.), Handbook of Organizations. Rand McNally, Chicago, pp. 142-193.
Stuart, T., Sorenson, O., 2003. A geografia da oportunidade: heterogeneidade espacial nas taxas de fundação e o desempenho das empresas de biotecnologia. Política de Pesquisa
32 (2), 229-253.
Venkataraman, S., Van de Ven, A., Buckeye, J., Hudson, R., 1990. Iniciando em um ambiente turbulento: um modelo de processo de falha entre empresas com alta dependência do cliente. Journal
of Business Venturing 5 (5), 277–295.
Villalonga, B., 2004. Recursos intangíveis, q de Tobin e sustentabilidade das diferenças de desempenho. Journal of Economic Behavior and Organization 54 (2), 205–230.
Visser, EJ, 1999. Uma comparação de empresas agrupadas e dispersas na indústria de vestuário de pequena escala de Lima. Desenvolvimento Mundial 27 (9), 1553-1570.
Westhead, P., Wright, M., 1998. Fundadores iniciantes, de portfólio e em série: eles são diferentes? Journal of Business Venturing 13 (3), 173–204.
Westhead, P., Wright, M., Ucbasaran, D., 2001. A internacionalização de novas e pequenas empresas: uma visão baseada em recursos. Journal of Business Venturing 16 (4), 333–358.
Wooldridge, J., 2002. Análise econométrica de dados de seção transversal e painel. MIT Press, Cambridge, MA.
Yli-Renko, H., Autio, E., Sapienza, HJ, 2001. Capital social, aquisição de conhecimento e exploração de conhecimento em empresas jovens de base tecnológica. Estratégico
Diário de Administração 22 (6–7), 587–613.
Zucker, LG, Darby, MR, Brewer, MB, 1998. Capital humano intelectual e o nascimento das empresas de biotecnologia dos EUA. American Economic Review 88 (1), 290–306.

10 1016@j Jbusvent 2012 03 004

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

10 1016@j Jbusvent 2012 03 004

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

Journal of Business Venving 28 (2013) 354–372

Listas de conteúdo disponíveis no SciVerse ScienceDirect

Todas as startups são afetadas da mesma forma por clusters? Aglomeração,

Aviad Pe'er a,ÿ, Thomas Keil b,1

informações do artigo abstrato

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 355

3. Enquadramento teórico e hipóteses

356 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

Ativos totais em relação

qualificada •Nível local de (enfraquece) (enfraquece)

Fig. 1. Modelo conceitual.

3.1.1. Nível local de mão de obra qualificada

3.1.2. Nível local de fornecedores especializados

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 357

3.1.3. Nível local de compradores

3.2. Efeitos da competição local sobre o fracasso

358 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

3.3. Efeitos moderadores de recursos e capacidades

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 359

3.3.1. Nível de ativos totais em relação aos concorrentes

3.3.2. Qualidade dos recursos humanos em relação aos concorrentes

360 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

4.2. Variáveis dependentes

4.3. Variáveis independentes

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 361

4.3.1. Nível local de mão de obra qualificada

4.3.2. Nível local de fornecedores especializados

4.3.3. Nível local de compradores

4.3.4. Concorrência local

4.4. Variáveis de moderação

362 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

4.4.1. Ativos totais em relação aos concorrentes

4.4.2. Qualidade do capital humano em relação aos concorrentes

4.5. Variáveis de controle

4.5.1. Controles de nível de empresa

4.5.2. Características do ambiente local

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 363

4.6. Modelo empírico

364 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

1 Falha de inicialização 0,461 0,302

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 365

(2.18) (2.18) (2.19) (2.17) (2.17) (2.17) (2.19) (2.18) (2.17)

366 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

0,2 menos dotado

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 367

5.1. Testes de robustez

368 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

6.1. Contribuição para a pesquisa sobre aglomeração

6.2. Contribuição para a pesquisa sobre a entrada de novos mercados

6.3. Limitações e pesquisas futuras

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 369

Apêndice 1. Questões de endogeneidade

370 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372 371

372 A. Pe'er, T. Keil / Journal of Business Venturing 28 (2013) 354–372

Você também pode gostar