この​記事で​分かる​こと

  • 米国の高成長スタートアップで、黒人創業者の会社が設立後数年間に累計で集めたVC資金がどれだけ少なかったか、VC以外の資金や後期のラウンドでは推定がどうなったか
  • 差のうち創業チームの人数・人脈・所在地などの観測できる要因で説明できた部分と、説明できずに残った部分、著者が「初期の偏った見方」と解釈した根拠と限界
  • 日本のVCが自社の案件発掘と初期の投資判断の偏りを点検するために、案件記録をどう集計し、何を確かめればよいか

想定読者：シード・アーリー投資を担うVC・CVCの投資担当と投資委員、VCファンドを選ぶLP、資金調達を準備する起業家
前提知識：資金調達ラウンドの基本（回帰分析の用語は本文で説明します）

ある独立系VCの年次の振り返りで、投資先の創業者を拠点別に数えると、首都圏以外の会社は数社しかなかったとする。面談の記録をさかのぼると、地方の案件はそもそも候補として上がってくる数が少なく、上がってきても多くは起業家からの直接の応募だった。担当者の感覚では「地方には良い案件が少ない」。だが、良い案件が少ないのか、良い案件に出会う経路が細いのかは、この集計だけでは区別できない。

日本の資金の偏りは数字にも表れている。経済産業省の2026年3月の資料は、民間の集計を引いて、2025年上半期のスタートアップの資金調達額の76.3%が東京都に集中していると示した。同じ資料は、大学発スタートアップ（2024年度調査で5,074社）の約6割は東京都以外で創業していると記している1。創業の場所と資金の場所がずれているとき、そのずれのどこまでが会社の質の差で、どこからが投資家の側の探し方や判断の癖なのか。この問いを、創業者の属性という最も扱いにくい切り口で正面から測った米国の研究がある。本稿はそれを読み、日本のVCの点検手順に置き換える。

この記事が主に参照する研究

Lisa D. Cook, Matt Marx, Emmanuel Yimfor（2022）「黒人が創業した高成長スタートアップへの資金供給（Funding Black High-Growth Startups）」NBER Working Paper No. 30682

  • 公表：初版 2022年11月（NBER WP。同年夏の全米経済研究所の会議で報告）。参照した版：NBER WP 版。査読：読んだ版は未査読（WP）。のちに Journal of Finance に掲載（2026年。掲載版は未読）2
  • データ：PitchBook に載る米国のスタートアップのうち2000〜2020年に設立された会社。創業者10万人超の人種を写真と名前の判定と人手の確認で分類3
  • 方法：州・設立年・業種を揃えた回帰分析（相関の分析）。欠落変数の影響の上限の推定、要因分解、特許・出口・後続ラウンド・パートナーの違いによる検定で説明を絞り込む4
  • 位置づけ：小企業全体で調べられてきた人種による資金調達の差を、VCの対象となる高成長企業について新しいデータで検証した研究

何を​比べた​研究か：​「黒人創業者の比率」と​三つの​説明

研究の単位は会社で、説明したいのは設立後2〜5年に集めた資金の累計だ。各社の創業者のうち黒人が占める比率を0から1の数で表し、比率が0の会社と1の会社を、同じ州・同じ設立年・同じ業種の中で比べる。統制にはさらに、創業者の人数、女性創業者の比率、過去に起業した経験のある創業者（連続起業家）の比率、上位20校の出身者の比率、特許の有無、そして「ネットワーク指標」を入れる。最後の指標は、創業前の勤務先や出身校が、同じ州・同じ業種で出資してきたVCのパートナーとどれだけ重なるかを測ったもので、人脈の近さの代理変数にあたる。調達額のように0の会社が多い変数を扱うため、推定にはポアソン回帰という方法を使い、係数は「何%少ないか」に換算できる。

差が見つかったとき、著者は理由を三つに分けて考える。一つは投資家の偏りで、意図的な嫌悪だけでなく、根拠の乏しい思い込みや、人脈経由で案件を集める組織の習慣が結果として特定の人を外す場合も含む。二つ目は統計的差別で、投資家が人種を成功に関わる見えない要因の目印として使う場合だ。三つ目は、投資家には見えていて研究者には見えない要因がある場合で、これなら差は分析の側の見落としになる5。研究の後半は、この三つをどこまで見分けられるかに充てられている。VCの案件の入口から投資実行までの流れはVC​投資​プロセスで確認できる。

研究が​示した​結果：設立後​5年間の​VC​累計調達額は​約3分の1

出発点の事実は、黒人創業者を1人以上含む会社が標本の3.4%にとどまることだ。働く世代の人口に占める黒人の比率は約16%で、著者はおよそ5分の1の過少と表現している。創業者が全員黒人の1,319社と、それ以外の74,152社を単純に比べると、設立後5年のVC調達額の平均は1.81百万ドル対5.90百万ドル、買収で出口を迎えた割合は9%対24%だった6。ここまでは会社の違いを揃えていない。

州・設立年・業種と創業者の特徴を揃えても、差は残った。黒人創業者の比率を0から1にすると、設立後2年以内にVCから1ドルでも調達する確率は約3割低く、2年間の調達額は64.5%少ない。5年でも調達額は63.6%少なく、元の36.4%、つまり約3分の1にとどまる（いずれも1%水準で有意）7。論文の「VC」にはエンジェル投資も含まれ、著者はエンジェルだけでも同程度の差が出たと付表で報告している。

図1 資金の種類・段階で見た調達額の差図1　資金の種類・段階で見た調達額の差黒人創業者の比率0→1の会社は何%少ないか米国・PitchBook、ポアソン回帰の係数を換算全標本（2000〜2020年設立）VC（設立後2年）64.5%少ないVC（設立後5年）63.6%少ないVC以外（設立後5年）4.4%多い（有意でない）シードと後期を調達した15,588社早期（シリーズA・B）57.2%少ない後期（シリーズC以降）33.0%（有意でない）金＝1%水準で有意、薄い灰＝有意でない
出所：R1（NBER WP 版、2022年11月）​表3（p.57〜58）・表8（p.63）の​係数を​基に​大手町​プレップ​作成。​ページは PDF の​物理ページ。​係数​（VC 2年−1.036、​5年−1.010、​VC以外 5年0.043、​早期−0.849、​後期−0.400）を exp(係数)−1 で​換算した​値で、​換算は​編集部。​VCには​エンジェル​投資を​含む。​VC以外は​アクセラレーター・​株式型​クラウドファンディング・​補助金​（SBIR/STTR）。​負債は​含まない。​州×設立年×業種の​固定効果と、​創業者の​人数・​女性創業者の​比率・​連続起業家・​上位校・​ネットワーク​指標・​特許を​統制した​推定​（下段はシード調達額の対数も統制）で、​因果効果を​直接示す​ものではない。​有意でない​値は​差が​ない​ことを​示す​ものではない。​下段は​標本が​異なり、​上段の​値と​直接​比べられない。

図1の上段で目を引くのは、VC以外の資金との対比だ。アクセラレーター、株式型クラウドファンディング、政府の研究開発補助金（SBIR・STTR）からの調達額では、黒人創業者の比率による統計的に有意な差は検出されなかった（係数は正）。有意でないことは差がないことの証明ではないが8、著者はこれを、黒人創業者が断られるのを恐れて外部資金を求めないという「需要側」の説明が主因ではない根拠と読む。資金を求める姿勢が弱いなら、VC以外にも同じような差が出るはずだからだ。

下段は時間の軸だ。シードと後期の両方を調達した15,588社に絞ると、シリーズA・Bの早期ラウンドでは調達の確率も額も黒人創業者の会社で小さかったが（額は57.2%少ない）、シリーズC以降の後期では、額の点推定は33.0%少ないものの統計的に有意ではなかった。差が消えたとまでは言えない9。著者は、投資家が最初は黒人創業者の見込みを低く見積もり、事業の進捗を見て見方を改める「偏った信念の修正」と整合すると解釈する。

差は​どこまで​説明できるか：観測できる​要因全体で​約3割

観測できる要因で差をどこまで説明できるかを、著者は二通りに確かめた。一つは、統制変数を入れたときに係数と説明力がどう動くかから、観測できない要因の影響の上限を見積もる方法（Oster の方法）だ。対象はVCを1ドル以上調達した会社で、5年の調達額の対数の線形回帰による。黒人創業者の比率の係数は統制なしで−1.415、統制ありで−0.892だ。説明力の上限を統制ありの決定係数（0.288）の1.3倍と置き、観測できない要因が統制変数と同じ程度に重要だと仮定すると、範囲は−0.698〜−1.415にとどまる（原表の報告値。掲載式からは再現できない）。差をゼロにするには、観測できない要因が統制変数の約3.8倍重要でなければならない10。

もう一つは、差を要因ごとに分ける Blinder-Oaxaca 分解だ。VCを調達した会社に限った設立後5年の調達額の対数の差のうち、女性創業者の比率・連続起業家・上位校も含む観測できる要因全体で説明できたのは31%、金額の差で分けると62%だった11。図2の内訳では、創業チームの人数が最も大きく、所在地などの違い（州×設立年×業種）とネットワーク指標が続く。論文の要旨は差の約3分の1を人数・人脈・所在地・特許の4要因によるものと要約しているが、31%はこの4要因だけでなく統制要因全体の説明割合である。

図2 調達額の差を要因に分けると図2　調達額の差を要因に分けるとVC調達額（設立後5年・対数）の差に占める割合Blinder-Oaxaca 分解、VCを調達した会社創業者の人数13.3%州×設立年×業種4.7%ネットワーク指標4.5%女性創業者の比率3.6%特許の有無2.4%連続起業家の比率0.8%上位校の出身者の比率0.6%観測できる要因の合計（表の値）　31%説明されない部分　69%
出所：R1（NBER WP 版、2022年11月）​表4 Panel B 列2（p.59）の​数値を​基に​大手町​プレップ​作成。​割合は​各要因の​値を​差の​合計1.529で​割った​編集部の​計算。​表の​「説明された部分」は​0.475（31%）だが、​内訳の​合計は​0.457（30%）で​一致しない​（表の値を採った）。​金額で​分解すると​差3.531の​うち2.205（62%）が​説明される​（列1）。​「州×設立年×業種」は​所在地だけでなく​設立年と​業種の​違いを​含む。​分解は​相関に​基づく​会計的な​分け方で、​各要因の​因果効果ではない。

会社の「アイデアの質」が劣るのではという疑いには、特許で答えている。特許を出願した会社に絞ると、資金の差は全体と同様に残る一方、特許が登録される確率、登録後の被引用数、科学論文の参照数、審査にかかった期間のいずれでも、黒人創業者の会社との間に統計的に有意な差は見られなかった。また特許を持つ会社では、資金の差が小さくなっていた（交差項 +0.971、5%水準）。著者は、特許のような外から確かめやすい信号があると、投資家の思い込みが和らぐと読む。逆に、VCの集まる3州や情報技術の業種で差が小さくなるという統計的証拠は得られなかった12。

偏りか統計的差別かを見分ける手がかりとして、著者は二つの検定を加えた。一つは成果の検定で、設立から3年を過ぎて初めてVCを調達した、いわば当落線上の会社（6,310社）では、IPOか買収に至る確率に黒人創業者の比率による有意な差はなかった。ただし著者自身、当落線上の会社の近似は粗いと留保している13。もう一つはパートナーの違いだ。同じVCの中で比べると、リードパートナーが黒人の場合、黒人創業の会社に投資している確率が8.5%ポイント高かった。さらに「黒人創業で、かつIPOか買収に至った会社」に投資している確率も1.2%ポイント高かった。これは二つの条件を合わせた指標で、成功率や運用成績そのものではない。著者は、統計的差別なら投資家ごとの違いは小さいはずで、同属びいきで質を妥協しているなら成功案件は増えないはずだとして、分断されたネットワークによる説明と整合すると解釈している14。

研究の​対象・方法・​限界：何が​言えて​何が​言えないか

この研究は因果を識別した研究ではない。著者自身、欠落変数を完全には排除できないと書き、Oster の方法は影響の大きさの目安にとどまる。標本は写真と経歴が公開されている創業者に限られ、含まれた会社は除かれた会社より成功しやすかったため、著者は差がむしろ過小に出ている可能性を指摘する。データは米国の2000〜2020年設立の会社で、人種という属性は米国の歴史と制度に固有の意味を持つ15。

資金の種類にも注意がいる。この研究が扱うのは株式や補助金などの負債以外の資金で、銀行融資は分析していない。負債の側は、研究が比較対象に挙げる Fairlie, Robb and Robinson の研究が補う。2004年に事業を始めた米国の4,928社を追跡した調査データで、黒人創業者の創業時の資金は平均35,205ドルと白人創業者（106,720ドル）の約3分の1で、差の最大の源は銀行融資などの外部の負債だった。黒人創業者は、融資を断られると考えて申し込まなかった割合が約3倍高かった16。こちらは小企業全体の負債の話で、対象も資金の種類も違うため、VCで需要側の説明が弱かった本研究と矛盾するとは言えない。

案件の集め方については、Gompers らが機関投資家型のVC 885人（681社。所在地は米国が中心で、一部は米国外）に行った調査が参考になる。案件の30%超は仕事上の人脈から、20%は他の投資家の紹介、8%は投資先の紹介から来ており、約30%が自ら発掘したもので、起業家からの直接の持ち込みは10%にすぎなかった。1件の投資の背後では約100件の機会が検討されている17。入口の大半が人脈で決まる業界では、人脈の外にいる創業者は、評価される前に候補に上がりにくい。本研究のネットワーク指標とパートナーの結果は、この構造と整合している。

大手町​プレップの​考察：差が​生まれうる​場所は​「入口」と​「初期の判断」

ここからは編集部の推論である。研究の結果を投資の工程に並べ直すと、差が大きいのは二か所に見える。一つは案件の入口で、ネットワーク指標や所在地が差の一部を説明したことは、評価の前の段階、つまり誰が候補に上がるかで差が生じうることを示唆する。もう一つは初期の判断で、早期ラウンドで大きかった差が後期では有意でなくなったことは、情報が少ない段階ほど判断が思い込みに左右されやすいという読みと合う。少数の​大成功が​収益の​大半を​生むVCにとって、入口と初期の判断で有望な会社を取りこぼすことは、公平性の問題である前に収益の機会の損失になりうる（仮説）。

日本に持ち込むとき、人種をそのまま置き換えることはできない。日本で同じ構造が働きうる属性として編集部が考えるのは、創業者の拠点（首都圏か否か）、出身大学や前職の系列、性別、国籍などだ。冒頭の資料が示す資金の東京集中と大学発スタートアップの地方での創業は、拠点という属性で入口が細くなっている可能性を考えさせる。ただし、この研究は日本のどの属性も検証しておらず、差の有無も大きさも日本のデータで確かめるまで分からない。性別については、同じ著者の一人が加わった研究を連続起業家への​次の​VC出資と​性別で、チームの構成については移民と​米国出身者の​共同創業の​研究で扱った。

日本の​実務への​応用：自社の​記録で​「入口」と​「初期の判断」を​分けて​点検する

一つのVCでも、自社の案件記録を工程ごとに分けて集計すれば、差が入口で生じているのか、評価の途中で生じているのかの手がかりは得られる。必要なのは、候補として記録した段階から、面談、投資委員会、出資までの件数を、案件の入口（紹介・自社発掘・持ち込み）と、点検したい属性で分けて残すことだ。ソーシングの経路を記録していないVCは、まずそこから始めることになる。

研究の結果から、点検の着眼点は三つ導ける（いずれも編集部の提案で、研究が検証した手順ではない）。第一に、属性ごとの入口の構成の違い。第二に、同じ入口の中での通過率の違い。第三に、出資した会社の初回の出資額と、その後のラウンドでの追加出資の判断の違いだ。研究で特許の有無が差を縮めたことを踏まえると、投資委員会の資料で、外から確かめられる信号（特許、売上や契約の実績、第三者の評価）と、担当者の印象に基づく評価を分けて書く工夫も考えられる。

学習用の​設例：入口の​構成と​通過率に​分けて​差を​読む

学習用の設例（架空）

  • 架空の独立系VC「ファンドY」の3年分の案件記録。創業者の拠点を首都圏と首都圏外に分け、入口を紹介・自社発掘・持ち込みに分ける
  • 数値はすべて架空で、R1 の数値は使っていない。目的は集計と分解の手順を示すこと

表1　設例：架空のVC「ファンドY」の3年分の案件記録

表は横にスクロールできます →

拠点・入口候補面談投資委員会出資候補→出資
首都圏・紹介720件288件90件24件3.33%
首都圏・自社発掘480件144件36件9件1.88%
首都圏・持ち込み600件60件12件3件0.50%
首都圏・計1800件492件—36件2.00%
首都圏外・紹介90件36件11件3件3.33%
首都圏外・自社発掘120件30件8件2件1.67%
首都圏外・持ち込み390件30件5件1件0.26%
首都圏外・計600件96件—6件1.00%
出所：学習用の​仮定に​基づき大手町​プレップ作成​（ファンドYと数値はすべて架空）。​R1 の​数値は​使っていない。​拠点は​創業者の​主な​活動地。​入口は、​紹介​（知人・他の投資家・投資先から）、​自社発掘​（担当者が自ら接触）、​持ち込み​（起業家からの直接の応募）。​候補→出資＝出資件数÷候補件数。​投資委員会の​計は​入口別の​比較に​使わないため​省略。

候補から出資に至った割合は、首都圏2.00%に対し首都圏外1.00%で、差は1.00%ポイントある。だが入口ごとに見ると、紹介の通過率は首都圏・首都圏外とも3.33%で同じだ。違うのは入口の構成で、首都圏外の候補の65%は通過率の低い持ち込みで、紹介は15%しかない（首都圏は紹介40%・持ち込み33%）。

そこで、首都圏外の入口ごとの通過率はそのままに、入口の構成だけを首都圏と同じにしたら通過率はどうなるかを計算する。答えは1.86%で、差1.00%ポイントのうち0.86%ポイント（約86%）が入口の構成の違いで、残る0.14%ポイントが同じ入口の中での通過率の違いになる。この設例のファンドYなら、評価の基準を見直すより先に、首都圏外の起業家と紹介でつながる経路（地方の大学、地域の金融機関、他の投資家との共同投資など）を増やすことが論点になる。

件数の少なさにも注意したい。首都圏外の持ち込みは390件で出資1件だが、本当の通過率が首都圏の持ち込みと同じ0.50%でも、期待される件数は1.95件で、1件以下に終わる確率は約42%ある。出資が数件の区分では、率の差より、件数の多い面談段階の通過率と個々の判断理由を併せて読む方が確かだ。

明日から​使える​確認項目

  1. 案件記録に「入口」の欄を設け、紹介（誰から）・自社発掘・持ち込みを候補の登録時点で記録する。後から埋めると、通過した案件だけが詳しく残る。
  2. 過去2〜3年の記録を、点検したい属性（拠点・性別・出身大学の系列など）×入口で集計し、候補→面談→投資委員会→出資の各段階の通過率を並べる。
  3. 属性間の差を、入口の構成の違いと、同じ入口の中での通過率の違いに分ける（上の設例の計算）。前者が大きければ発掘の経路、後者が大きければ評価の基準を見直す。
  4. 投資委員会で「見送り」とした案件について、理由を外から確かめられる事実と担当者の印象に分けて書いているかを確かめる。印象だけの見送りが特定の属性に偏っていないかを、年1回読み返す。
  5. 出資した会社について、初回の出資額と次のラウンドでの追加出資（プロラタ権の行使を含む）の判断を属性別に並べ、初回で小さく出して後で大きく追う型が特定の属性に偏っていないかを見る。
  6. 出資件数が1区分あたり10件未満（編集部の仮の目安で、研究で検証されていない）のときは、率の比較を結論にせず、面談段階の通過率と案件ごとの判断理由で補う。
  7. LPとしてVCを選ぶ場合は、LPの​デューデリジェンス​質問票に、案件の入口と通過率を記録・点検しているかを尋ねる項目を加える。

よく​ある​質問

研究は​米国の​VCが​差別していると​証明したのですか。

直接の​証明では​ありません。​州・​設立年・​業種と​創業者の​特徴を​揃えた​相関の​分析で​差を​測り、​欠落変数の​影響の​上限、​特許の​質、​当落線上の​会社の​出口、​後期​ラウンド、​パートナーの​違いを​順に​調べたうえで、​著者は​初期の​偏った​見方と​分断された​ネットワークに​よる​説明と​整合すると​解釈しています。​読んだ版は​査読前の​WPです。

日本でも​創業者の​属性で​同じような​差が​あるのですか。

分かりません。​研究の​対象は​米国の​会社で、​人種と​いう​属性は​日本に​そのまま​当ては​まりません。​日本では​資金調達額の​東京集中を​示す資料は​ありますが、​拠点や​出身大学などの​属性ごとに、​会社の​質を​揃えたうえで​資金の​差を​測った​公的な​統計は、​本稿の​調べた​範囲では​確認できませんでした。

まとめ

米国の高成長スタートアップを対象にした研究では、黒人創業者の会社は、州・設立年・業種と創業者の特徴を揃えても、設立後5年間のVC累計調達額が約3分の1にとどまった。VC以外の資金では統計的に有意な差は検出されず、シードと後期を調達した会社に限った分析でも後期の差は有意でなかった。VCを調達した会社の対数の調達額の差のうち、人数・人脈・所在地などを含む観測できる要因全体で説明できたのは約3割だった。著者はこれを、初期の偏った見方と分断されたネットワークによると解釈するが、因果を識別した研究ではなく、日本への当てはめは推論にとどまる。それでも、案件の入口と初期の判断を分けて自社の記録を点検することは、どのVCでも今日から始められる。

次に​読む

脚注

  1. R4（経済産業省「柱３：地域の経済社会を担うスタートアップの創出・育成」第2回スタートアップ政策推進分科会 資料9, 2026年3月16日）p.4（PDF の物理ページ。以下同じ）。資金調達額の地域割合（2025年上半期）は東京都76.3%で、資料の出典は株式会社ユーザベース「Japan Startup Finance 2025上半期」（2025年7月19日時点のデータ。民間の集計で、本稿は原データを確認していない）。大学発スタートアップの約6割が東京都以外で創業は同 p.2、2024年度調査の5,074社は同 p.5（出典は経済産業省「令和6年度大学発ベンチャー実態等調査」）。↩
  2. R1 の版：NBER Working Paper w30682（Issue Date 2022年11月。NBER の論文ページと Crossref の DOI 10.3386/w30682 で確認）。表紙の謝辞（p.1）に NBER Summer Institute 2022 の Entrepreneurship の会合での報告が記されている。2021年以前の前身稿は、本稿の調べた範囲（題名・著者名の検索、Crossref）では見つからなかった。のちに The Journal of Finance 81(3), 1619–1660（2026年。Crossref で確認）に掲載されたが、本稿は掲載版を読んでおらず、数値・分析は NBER 版による。掲載版で数値や構成が変わっている可能性がある。ページは PDF の物理ページで、印刷されたページ番号は物理ページ−1。↩
  3. R1（NBER WP 版, 2022年11月） p.2（要旨）・p.23〜24（IV.A）・表1（p.54〜55）。PitchBook のデータは2022年6月6日時点。創業者の写真は LinkedIn などで約90%について見つかった。人種の分類は、肌の色の画像判定、名前による判定、人手の確認の3段階。表1の会社数は、創業者が全員黒人の会社1,319社とそれ以外74,152社、創業者数は黒人2,747人とそれ以外116,109人。↩
  4. R1（NBER WP 版, 2022年11月） p.15〜16（III）・p.18〜22（III.A〜B）。被説明変数は設立後2〜5年の負債以外の資金の累計。州×設立年×業種の固定効果を入れたポアソン回帰（表2〜3の表記）。↩
  5. R1（NBER WP 版, 2022年11月） p.6〜7・p.15〜17（III）。偏りには嗜好による差別、偏った信念、人脈経由の案件収集のような組織の慣行による「制度的」差別を含めている。統計的差別では、投資家の見方が平均としては正しいことが前提になると著者は説明している（p.17）。ネットワーク指標の定義は表1 Panel B の注（p.55）で、創業前の情報だけを使う。↩
  6. R1（NBER WP 版, 2022年11月） p.6・p.25（V.A）・表1（p.54）。3.4%は黒人創業者を1人以上含む会社の比率、16%は2020年の国勢調査による働く世代の人口の比率（p.6）。単純平均の比較は創業者が全員黒人の会社との比較で、平均は1%・99%で外れ値を処理した値。買収の割合は2021年第2四半期までの値。↩
  7. R1（NBER WP 版, 2022年11月） 表2（p.56）・表3 Panel A（p.57）・p.27〜28。調達の確率の係数は2年で−0.385、5年で−0.271。本文は2年の差を「31%」と記す（係数を−0.38に丸めた計算。−0.385で換算すると約32%）。調達額の係数は2年で−1.036（本文の64.5%と一致）、5年で−1.010で、5年の%換算（63.6%少ない、元の36.4%）は編集部の計算。女性創業者の比率の係数は5年の調達額で−0.602（45.2%少ない、編集部換算）。エンジェル投資はVCの金額の約46分の1で、付表A.10で同様の差（p.3 脚注2・p.28 脚注14。付表の数値は本稿で確認していない）。↩
  8. R1（NBER WP 版, 2022年11月） 表3 Panel B（p.58）・p.28〜29。5年の係数は0.043（標準誤差0.098）で統計的に有意でない。この推定にはエンジェル投資を含まない。著者は、人種的な敵意の強い地域で差が大きいという証拠も得られなかったとしている（付表A.8、p.29）。↩
  9. R1（NBER WP 版, 2022年11月） 表8（p.63）・p.35〜37。早期の調達確率の係数−0.099、額−0.849（いずれも1%水準）。後期は確率−0.018、額−0.400（いずれも有意でない）。%換算は編集部。標本はシードを調達し、後期の資金も調達した会社に限られる。後期は表8の注の定義によるシリーズC以降（要旨 p.2 の “post Series B” もシリーズBの後の意味）。↩
  10. R1（NBER WP 版, 2022年11月） 表4 Panel A（p.59）・p.30。VCを1ドル以上調達した会社について、設立後5年のVC調達額の対数を線形回帰した推定（ポアソン回帰ではない）。統制なしの説明力（R²）は0.007、統制ありは0.288。観測できない要因の重要さの比（δ）は3.8（表では3.798）。範囲の端−0.698とδ 3.798は原表の報告値で、表注の式に掲載の係数・R²・説明力の上限（0.288×1.3）を代入すると約−0.731・約5.55となり、掲載式からは再現できない（原因は原典からは確定できない）。↩
  11. R1（NBER WP 版, 2022年11月） 表4 Panel B（p.59）・p.30。対数の差1.529のうち説明された部分0.475、金額の差3.531のうち2.205（金額の単位は表に明記がない）。割合は編集部の計算で、本文は「31%〜62%」と記す。対数の内訳の合計は0.457で、表の説明された部分0.475と一致しない（金額の内訳の合計は2.203で丸めの範囲）。分解は創業者が全員黒人の会社を対象とする（表の注）。対数の分解はVCを調達した会社に限る。↩
  12. R1（NBER WP 版, 2022年11月） 表5〜6（p.60〜61）・p.30〜33、表9（p.64）・p.37〜38。特許の比較は USPC の技術分類×出願年の固定効果を入れた推定。表9の交差項は、VCの集まる3州0.213、情報技術0.149でいずれも有意でない。↩
  13. R1（NBER WP 版, 2022年11月） 表7（p.62）・p.20〜21・p.34〜35。対象はVCを調達した会社の約25%。黒人創業者の比率の係数は−0.019、−0.015、0.003（統制の違う3つの推定）でいずれも有意でない。↩
  14. R1（NBER WP 版, 2022年11月） 表10（p.65〜66）・p.38〜40。投資家×案件の79,064件、投資家（VCファーム）の固定効果を入れた線形回帰で、同じファーム内の他のリードパートナーと比べた差。成功は2021年第2四半期までのIPOか買収。エンジェルは含まない。 被説明変数は、Panel A が「黒人創業の会社に少なくとも1件投資したか」、Panel B が「IPOか買収に至った黒人創業の会社に少なくとも1件投資したか」の指標（表10の注）。仲間びいき（homophily）なら黒人のリードパートナーが黒人創業の会社で成績が劣るはずだという整理と、その解釈は著者による（p.39〜40）。↩
  15. R1（NBER WP 版, 2022年11月） p.18（III）・p.23 脚注9。生の差はVCの供給が多い州（カリフォルニア・マサチューセッツ・ニューヨーク）で最も大きいとも報告している（p.26・図9）。↩
  16. R3（Fairlie, Robb and Robinson, NBER WP 版, 2020年11月）p.4〜7（1節）・p.9（2節）・p.13（3節）。カウフマン企業調査の制限付きデータと信用スコアを用いる。統制変数で説明できたのは創業時の差の約3分の1（p.6）。融資の申し込みを避けた割合の差は、信用スコアの上位4分の1の黒人創業者でも残った（p.7）。掲載版は Management Science 68(4)（2022年）で、本稿は NBER 版を読んだ。↩
  17. R2（Gompers, Gornall, Kaplan and Strebulaev, NBER WP 版, 2016年9月）p.6・p.13〜14・p.16〜17（3.1節・表5〜6）。機関投資家型VCへの調査（回答者の所在地はカリフォルニア28%、その他の米国40%、米国外37%。p.14。合計は105%。原典 p.14 の脚注6は、米国のVCファームで国際的に働く少数の回答者がいるため100%にならず、その回答は別の国外ファームとして集約すると説明している）で、回答はファーム単位に平均した値。掲載版は Journal of Financial Economics 135(1)（2020年）。R1 も、案件の28%未満しかパートナーのネットワークの外から来ないとこの研究を引いている（R1 p.12・p.16）。↩

参考文献​（2026年11月確認）

※本記事は教育目的の一般的な解説であり、投資助言・法務・税務の助言ではありません。研究結果は各論文の対象・期間・方法の範囲で得られたもので、日本の個別企業・案件にそのまま当てはまるとは限りません。設例は学習用の架空の数値です。アイキャッチ画像は生成AIによるイメージです。