Verteilungsrecht und Entrepreneurship-Forschung

Forscher der Business School haben einen grundlegenden Fehler in ihrem Bemühen unternommen, das Unternehmertum zu verstehen. Sie haben fälschlicherweise angenommen, dass die meisten interessierenden Ergebnisse in der Startup-Welt normalverteilt sind, wenn sie im Allgemeinen einer Potenzgesetzverteilung folgen, finden Chris Crawford und seine Kollegen in einem neuen Artikel in Journal of Business Venturing.

Sozialwissenschaftler gehen im Allgemeinen davon aus, dass die zu erklärenden Phänomene einer Normalverteilung folgen. Das funktioniert ziemlich gut, um viele Dinge auf dieser Welt zu erklären, wie zum Beispiel die Höhe von erwachsenen Männern oder die Lebensmittelpreise, aber sie funktionieren ziemlich schlecht, um die Leistung von Start-ups zu erklären.

$config[code] not found

Crawford und andere, wie Jerry Neumann, berichten, dass Schlüsselindikatoren für die Leistung neuer Unternehmen - einschließlich des Umsatz- und Beschäftigungswachstums, der Unternehmensbewertung und der Rendite von Wagniskapital und Wagniskapital - einer Machtgesetzverteilung folgen. Bei einer Machtgesetzverteilung machen einige Extremfälle fast alle Ergebnisse aus. Ob Sie nun den Bruchteil der Renditen von Y-Combinator messen, die aus Investitionen in Airbnb stammen, die Quelle des Gewinns im neuesten Fonds von Sequoia Capital oder die Arbeitsplätze erstellt von der amerikanischen Industrie.

Crawford und seine Kollegen machen in der Zusammenfassung ihrer Arbeit einen mutigen Anspruch. Sie sagen: "Unsere Ergebnisse verlangen nach der Entwicklung einer neuen Theorie, um die Mechanismen, die diese Verteilungen erzeugen, und die darin enthaltenen Ausreißer zu erklären und vorherzusagen."

Um zu verstehen, warum sie Recht haben, möchte ich drei Auswirkungen ihrer Ergebnisse hervorheben:

• Die statistische Annahme der großen Mehrheit der heute durchgeführten Unternehmertumsforschung ist falsch, was ihre Befunde verdächtigt. Nehmen Sie zum Beispiel diese Zeile aus einem wissenschaftlichen Artikel von Johan Wiklund von der Syracuse University und Dean Shepherd von der Indian University, die schreiben (2011: 927): „In jeder Stichprobe von Unternehmen kann vernünftigerweise angenommen werden, dass die Performance normalerweise um einen Mittelwert variiert. ”

Die Annahme der Verteilung der Unternehmensleistung führt dazu, dass Forscher wie Wiklund und Shepherd Folgerungsstatistiken verwenden, die auf Normalverteilungen basieren. Crawford und seine Kollegen zeigen jedoch, dass die Daten zur Unternehmensperformance von Start-ups nicht normal verteilt sind, sondern einer Potenzgesetzverteilung folgen. Wie die Abbildung zeigt, die ich mir aus ihrem Papier geliehen habe, sind Normalverteilungen und Machtgesetzverteilungen sehr unterschiedliche Tiere. Angenommen, die Daten folgen einem Muster, wenn sie tatsächlich einem anderen folgen, bedeutet, dass Ihre statistischen Analysen falsch sind.

• Die Bemühungen der Forscher, dafür zu sorgen, dass ihre Daten zu den Annahmen der Normalität passen, führen dazu, dass sie genau die Daten verwerfen, die die meisten Informationen zum Unternehmertum enthalten. Statistische Analysen, die von der Annahme einer Normalverteilung abhängen, sind sehr empfindlich gegenüber Ausreißern - wie der jüngsten Bewertung von Uber oder der Marktkapitalisierung von Facebook. Um die "Vorurteile" zu vermeiden, die sich aus dem Versuch ergeben, Ausreißer in Analysen einzubeziehen, die auf Normalverteilungen angewiesen sind, werden sie normalerweise von den Forschern eliminiert. Wenn das, was Sie messen, einer Verteilung des Potenzgesetzes folgt, ist dieser Ansatz so, als würde man das Baby anstelle des Badewassers hinauswerfen.

• Die Bedenken der politischen Entscheidungsträger hinsichtlich des Datenschutzes der Menschen machen es den Forschern sehr schwer, Regierungsdaten zur Erklärung des Unternehmertums genau zu verwenden. Die meisten Regierungsdatenbanken, wie etwa die vom Census Bureau oder der Federal Reserve bereitgestellten Datenbanken, führen in öffentlichen Versionen ihrer Datensätze routinemäßig "Top-Code" (oder entfernen die Höchstleistungen), um zu verhindern, dass Benutzer die Studienteilnehmer identifizieren. Genau diese Bemühungen zum Schutz der Privatsphäre untergraben die genaue Messung des Unternehmertums, wenn die wichtigsten Variablen, die die Forscher prognostizieren, einer Potenzverteilung folgen. Die wichtigsten Informationen in der Datenbank sind die Zahlen, die der Analyse verborgen sind.

Foto über Shutterstock starten

Kommentar ▼