Power Law Distributies en onderzoek naar ondernemerschap

Anonim

Bedrijfsschoolonderzoekers hebben een fundamentele fout gemaakt in hun inspanningen om ondernemerschap te begrijpen. Ze hebben ten onrechte aangenomen dat de meeste resultaten van interesse in de startup-wereld normaliter worden verspreid wanneer ze over het algemeen een machtswetverdeling volgen, vinden Chris Crawford en zijn collega's in een nieuw artikel in Journal of Business Venturing.

Sociale wetenschappers gaan er in het algemeen van uit dat de verschijnselen die ze willen verklaren, een normale verdeling volgen. Dit werkt best goed voor het uitleggen van een heleboel dingen in deze wereld, zoals de lengte van volwassen mannen of prijzen voor levensmiddelen, maar ze werken nogal slecht voor het uitleggen van de prestaties van startups.

$config[code] not found

Crawford en anderen, zoals Jerry Neumann, rapporteren dat kernindicatoren voor de prestaties van nieuwe bedrijven - inclusief omzet- en werkgelegenheidsgroei, bedrijfswaarderingen en rendementen van engelse en durfkapitaal - een machtswetverdeling volgen. Met een verdeling van de machtswetgeving zijn enkele extreme gevallen verantwoordelijk voor bijna alle resultaten, of het nu gaat om de fractie van Y-Combinator's rendement die afkomstig is van investering in Airbnb, de bron van winst in het nieuwste fonds van Sequoia Capital of de banen gemaakt door de Amerikaanse industrie.

Crawford en zijn collega's maken een gedurfde bewering in de samenvatting van hun paper. Ze zeggen: "onze resultaten vragen om de ontwikkeling van een nieuwe theorie om de mechanismen die deze distributies genereren en de uitschieters daarin te verklaren en te voorspellen."

Om te begrijpen waarom ze gelijk hebben, wil ik drie implicaties van hun bevindingen benadrukken:

• De statistische aanname dat de overgrote meerderheid van onderzoek naar ondernemerschap vandaag is uitgevoerd, is incorrect, waardoor hun bevindingen verdacht zijn. Neem bijvoorbeeld deze regel uit een wetenschappelijk artikel van Johan Wiklund van de Universiteit van Syracuse en Dean Shepherd van de Indiase universiteit die schrijven (2011: 927) "in elk staal van bedrijven kan redelijkerwijs worden aangenomen dat de prestaties normaal rond een gemiddelde zullen variëren. ”

De aanname van de distributie van bedrijfsprestaties leidt onderzoekers zoals Wiklund en Shepherd ertoe om inferentiële statistieken te gebruiken op basis van normale distributies. Maar Crawford en collega's laten zien dat de gegevens over de prestaties van startende bedrijven normaal niet worden gedistribueerd, maar een verdeling van de machtswet volgen. Zoals het cijfer dat ik heb geleend van hun papieren shows, normale distributies en machtswetverdelingen heel verschillende dieren zijn. Ervan uitgaande dat de gegevens één patroon volgen wanneer het daadwerkelijk volgt, betekent een andere dat uw statistische analyses verkeerd zijn.

• De inspanningen van onderzoekers om ervoor te zorgen dat hun gegevens "aan de" normale veronderstellingen voldoen, hebben ertoe geleid dat zij juist die gegevens hebben weggegooid die de meeste informatie over ondernemerschap bevatten. Statistische analyses die afhangen van de aanname van een normale verdeling zijn erg gevoelig voor uitschieters, zoals de laatste waardering van Uber of de marktkapitalisatie van Facebook. Om de "bias" te vermijden die het gevolg zal zijn van het proberen uitbijters op te nemen in analyses die afhankelijk zijn van normale distributies, elimineren onderzoekers ze meestal. Maar wanneer wat je aan het meten bent een vermogenswetgeving volgt, lijkt die benadering op het weggooien van het kind in plaats van het badwater.

• De bezorgdheid van beleidsmakers over de privacy van mensen maakt het erg moeilijk voor onderzoekers om overheidsgegevens accuraat te gebruiken om ondernemerschap uit te leggen. De meeste overheidsdatabases, zoals die door het Census Bureau of de Federal Reserve worden verstrekt, routinematig "topcode" - of de allerbeste uitvoerders verwijderen - in openbare versies van hun datasets om te voorkomen dat gebruikers de studiedeelnemers identificeren. Diezelfde inspanning om privacy te beschermen ondermijnt nauwkeurige meting van ondernemerschap wanneer de belangrijkste variabelen die onderzoekers voorspellen een stroomwetgeving volgen. De belangrijkste stukjes informatie in de database zijn de nummers die voor analyse verborgen zijn.

Opstarten via Shutterstock

Reactie ▼