想定読者:VC・CVCの投資担当とパートナー、VCへの転身を考える起業家、資金調達でVCを選ぶ起業家、VCファンドを選ぶLP
前提知識:VCの出資と出口(IPO・M&A)の基本(回帰分析・操作変数の用語は本文で説明します)

自社の株式を売却した起業家が、出資を受けていたVCから「次はパートナーとして一緒に投資をしないか」と誘われる。事業を立ち上げて売却まで導いた経験は、投資先への助言にも採用の手伝いにも役立ちそうに見える。一方で、事業を伸ばす力と、多数の候補から投資先を選ぶ力は別物だという見方も根強い。起業の成功は運にも左右される。

日本でもこの問いは他人事ではない。2022年11月に決定された政府の「スタートアップ育成5か年計画」は、スタートアップへの投資額を2021年の8,200億円から2027年度に10兆円規模へ増やす目標を掲げ、国内のVCの育成を柱の一つに置いた。若手のキャピタリストが運営するVCに限った出資枠の検討まで書き込んでいる1。投資額を増やすには投資の担い手が要り、その候補として起業家出身者が挙がる場面は増えるだろう。起業の実績はVCの実績に引き継がれるのか。引き継がれるとすれば、良い案件が集まるからか、投資した後に会社を伸ばすからか。この二つを米国の長期データで分けようとした研究を読む。

この記事が主に参照する研究

Paul A. Gompers, Vladimir Mukharlyamov(2022)「移転できる技能か:ベンチャーキャピタリストとしての創業者(Transferable Skills? Founders as Venture Capitalists)」NBER Working Paper No. 29907

  • 公表:初版 2022年4月(NBER WP)。参照した版:NBER WP 版。査読:未査読(WP)2
  • データ:米国のVC投資のデータベース(VentureSource)の1990〜2019年。投資先の取締役に就いたVC約1万3千人と創業者約5万3千人の経歴を手作業で収集3
  • 方法:VCの経歴と投資の成否の関係を、年・業種・所属VC会社・案件の質を揃えて推定(相関の分析)。さらに、出身校などの一致から計算した操作変数で、投資前の案件の質と投資後の付加価値を分けようとする4
  • 位置づけ:起業家の成績の持続性とVCの成績の持続性という既存の二つの研究の流れを、新しく集めた経歴データでつないだ実証研究

何を​比べたか:VCを​経歴で​三つに​分ける

研究はVCを三つに分ける。VCとしての最初の投資より前に、VCの出資を受けたスタートアップを創業していた人が「創業者出身VC」で、その会社が成功していれば「成功した創業者出身VC」、そうでなければ「失敗した創業者出身VC」になる。それ以外の人は「職業VC」に入る。成功の定義は、会社が新規株式公開(IPO)をしたか、累計の調達額を上回る対価で買収されたかで、個々の投資の収益率は一般に手に入らないため、先行研究に倣って出口の種類で判定している。IPOだけを成功とする定義や、1億・2億・5億ドル超の買収に絞る定義でも結果は変わらないと著者は書く5。

もう一つの前提は、VCを投資先の取締役(または取締役会​オブザーバー)への就任で捉えている点だ。案件を主導したシニアの投資担当はたいてい取締役に就くため、主要な投資判断者は捉えられるが、取締役に就かない若手は標本に入らない。標本の職業VCは12,195人、創業者出身VCは825人だった。要旨は創業者出身VCを「約7%」と書くが、この人数から計算すると6.3%になる6。

誰が​VCに​なるか:起業の​成功と、​出資元への​合流

創業者53,139人のうち、のちにVCになったのは825人で、創業者全体から見ればわずか1.6%にあたる。VCになった創業者の起業の成功率は29.7%で、VCにならなかった創業者の11.8%を大きく上回った。年と業種を揃えた比較では、起業で成功した創業者は、そうでない創業者よりVCになる確率が2.17%ポイント高く(1%水準で有意)、出身校・性別・民族を加えても1.93%ポイントとほとんど縮まない。同じ回帰では、上位校の出身者はVCになる確率が高く、女性は低かった7。

目を引くのは行き先で、成功した創業者出身VCの89.0%、失敗した創業者出身VCの85.4%が、自分の会社に出資していたVCに加わっていた。出資を通じて力量を見た相手を迎え入れる採用の経路がうかがえる8。

結果:起業の​成否と​投資の​成否は​同じ​向きに​並んだ

投資の成績は、起業の成否と同じ順に並んだ。取締役として関与した投資のうち成功した割合は、成功した創業者出身VCが29.8%、職業VCが23.2%、失敗した創業者出身VCが19.2%で、IPOに限っても12.4%、9.4%、7.1%と順位は変わらない(図1)。成功した創業者出身VCは職業VCより6.6%ポイント高く、比率にすると約1.28倍になる。見落とせないのは反対側で、起業で失敗した人は職業VCより4.0%ポイント低かった。「起業経験があること」ではなく「起業で成功したこと」が成績と結びついている9。

図1 VCの経歴別に見た投資の成功率図1 VCの経歴別に見た投資の成功率取締役として関与した投資のうち成功した割合米国・VentureSource、1990〜2019年成功(IPOまたは調達額超の買収)起業で成功した創業者出身VC29.8%職業VC23.2%起業で失敗した創業者出身VC19.2%うちIPOで出口起業で成功した創業者出身VC12.4%職業VC9.4%起業で失敗した創業者出身VC7.1%成功した創業者出身VCと職業VCの差 6.6%ポイント失敗した創業者出身VCと職業VCの差 −4.0%ポイント
出所:R1(NBER WP 版、2022年4月)​表4(p.39。ページは PDF の物理ページ)の​数値を​基に​大手町​プレップ​作成。​成功=投資先が​IPO、​または​累計調達額を​上回る​対価で​買収された​場合。​VCは​投資先の​取締役​(オブザーバーを含む)への​就任で​識別しており、​取締役に​就かない​若手は​含まない。​職業​VC12,195人、​創業者出身​VC825人​(成功・失敗別の人数は表4に示されていない)。​差は​表の​値の​引き算​(編集部の計算)。​要旨は​6.5%ポイント・4%ポイントと​記す。​単純な​平均の​比較で、​案件の​質や​VC会社の​違いを​揃えていない。

キャリアの長さと投資件数も同じ並びで、成功した創業者出身VCは平均6.7件・12.2年、職業VCは5.8件・11.5年、失敗した創業者出身VCは4.9件・9.6年だった(取締役に就いた投資だけを数えるため、どれも実際より少なく短い)10。

差は​案件の​質か、​所属する​VC会社か

成功した創業者出身VCの好成績には、すぐに二つの反論が浮かぶ。案件発掘の段階で、もともと質の高い案件が集まっているだけではないか。成績の良いVC会社に入っているからではないか。研究はまず、投資先の創業者の顔ぶれを比べた。投資先の創業者が過去にも起業した連続起業家である割合は、職業VCの8.4%、失敗した創業者出身VCの11.9%に対し、成功した創業者出身VCは14.1%で、差は統計的に有意だった。上位校出身の創業者の割合も24.1%と最も高い。投資先の創業者が自分の会社の元同僚である割合は、成功した創業者出身VCが3.9%、失敗した側が1.9%で、投資先の幹部や取締役に自分の会社の出身者がいる割合は30.3%対18.7%だった11。

そこで、VCと起業家の組を単位に、投資の成否を回帰した(観測数は列1・2が78,350組、案件の質を加えた列3・4が78,175組)。年と業種を揃えた比較では、成功した創業者出身VCの成功率は職業VCより8.55%ポイント高く、失敗した創業者出身VCは3.05%ポイント低かった。自分が起業した業種への投資は、それ以外より成功率が5.01%ポイント高かった12。次に、同じVC会社に属するパートナー同士で比べる(VC会社の固定効果を入れる)と、差は6.05%ポイントに縮む。著者は、この縮小を所属するVC会社の質の違いで説明される部分と解釈している。本文は縮小を「25%」と書くが、二つの値から計算すると約29%の縮小になる。さらに案件の質の指標をすべて加えても、自分が起業した業種への投資では5.92%ポイントの差が残った。異業種への投資では1.59%ポイントと小さく、この和が統計的に有意かどうかは論文に示されていない(図2)13。

図2 条件を揃えると差はどこまで残るか図2 条件を揃えると差はどこまで残るか成功した創業者出身VC−職業VC(%ポイント)上から順に揃える条件を増やした推定単純な平均の差(表4)6.6年・業種を揃えた回帰(表8A列1)8.55さらに同じVC会社の中で比較(表8B列1)6.05さらに案件の質も統制・同業種(表8B列4)5.92同・異業種への投資(表8B列4)1.59青=検定のない平均の差金=回帰の係数の和(各係数は1%水準で有意、  和そのものの検定は論文に報告がない)
出所:R1(NBER WP 版、2022年4月)​表4(p.39)・表8(p.47〜48)の​数値と​本文​(p.18〜20)を​基に​大手町​プレップ​作成。​回帰は​VC×起業家の​組を​単位と​する​線形確率​モデル​(観測数は​列1・2が​78,350組、​列3・4が​78,175組)で、​値は​「創業者出身VC」と​「成功した創業者出身VC」の​係数の和​(同業種の​5.92%ポイントには​「同業種」の​係数も​加算)​(論文本文の計算と同じ)。​例えば​表8A​列1は、​成功した​創業者出身​VCの​係数11.6(%ポイント換算)に​創業者出身​VCの​係数−3.05を​足した値。​案件の​質の​統制は、​起業家・​VCの​上位校、​共同投資家の​実績、​起業家が​連続起業家か、​元同僚か、​出資元の​VCに​所属しているか。​上段は​単純な​平均の​差で、​下の​推定値とは​算出方法が​異なる。​相関に​基づく​推定で、​因果効果を​直接示す​ものではない。

図2が示すのは、差の一部は所属先で説明できるが、同じ会社の中で比べても、目に見える案件の質を揃えても優位は消えなかったということだ。ただし、研究者に見えない案件の質(他のVCには回ってこない案件の紹介など)が残っている可能性があり、これだけでは投資後の働きによるとは言えない。

操作変数で​「投資前」と​「投資後」を​分ける

観測できない案件の質を除くため、著者は操作変数という方法を使う。操作変数とは、説明したい変数(どの型のVCから出資を受けたか)には影響するが、結果(会社の成否)には直接影響しないと考えられる変数のことで、これを使って偶然に近い組み合わせの部分だけを取り出す。ここでは、人は自分と似た相手と組みやすいという同類性に目をつけた。同じ州・同じ業種・同じ半年の「市場」の中で、すべてのVCと起業家の組について、出身校が同じか、同じ少数民族か、同じ性別かから親和性の点数を付け、出資は双方の合意で決まることも踏まえて、各起業家が成功した創業者出身VCから出資を受ける確率を計算する。実際にどの組が成立したかは計算に使わない。情報の乏しい段階ほど親和性が効くと考え、各社の初回ラウンドのリード投資家に絞り、比較のために「直近5年の成功件数が上位5%のVC」にも同じ方法を当てた14。

結果は二つの上位VCで分かれた。通常の回帰では、成功した創業者出身VCが7.19%ポイント、他の上位VCが6.40%ポイントと、ほぼ同じだけ成功確率が高い。第1段階の係数も0.444と0.495で近く、ともに1%水準で有意だった。ところが操作変数で推定し直すと、成功した創業者出身VCは28.4%ポイントで1%水準で有意なまま、他の上位VCは5.63%ポイントで統計的に有意でなくなった(図3)15。

図3 操作変数で見ると二つの上位VCが分かれる図3 操作変数で見ると二つの上位VCが分かれる初回ラウンドの成功確率の差(%ポイント)点=推定値、横線=95%区間、点線=0(編集部の計算)成功した創業者出身VC通常の回帰(OLS)7.19操作変数(2SLS)28.4他の上位VC(直近5年の成功件数で上位5%)通常の回帰(OLS)6.40操作変数(2SLS)5.63(有意でない)010203040
出所:R1(NBER WP 版、2022年4月)​表9(p.49)の​係数と​標準誤差を​基に​大手町​プレップ​作成。​対象は​各社の​初回​ラウンドの​リード投資家​(15,498件)。​比較の​基準は​「それ以外のVC」。​95%区間は​係数±1.96×標準誤差で​編集部が​計算した。​操作変数は、​出身校・​民族・​性別の​一致​(同類性)と、​双方の​合意で​組み合わせが​決まる​仕組みから​計算した​「その​起業家が​その型の​VCから​出資を​受ける​確率」。​第2段階の​係数が​通常の​回帰の​約4倍に​なっている​ことに​ついて、​著者は​効果の​異質性の​可能性を​挙げ、​投資前と​投資後の​寄与には​分解できないと​書く。​推定は​「同類性が会社の質と無関係」と​いう​検定できない​前提に​依存する。​有意でない​値は​差が​ない​ことを​示す​ものではない。

著者の解釈はこうだ。偶然に近い形で起業家と組み合わされても成功した創業者出身VCの優位が残るのは、投資した後に会社を伸ばしている(付加価値を加えている)ことと整合する。他の上位VCの好成績は、主に良い案件を見つけるか選ぶ力、つまり投資前の要因によるものと考えられる。ただし、この解釈は「同類性による組み合わせの確率は会社の質と無関係」という前提(除外制約)に依存し、この前提は検定できない。著者は、二つの群に同じ方法を使っているので前提は両方で成り立つか両方で崩れるかのどちらかで、崩れていても二つの群の質的な違いは示唆されると論じる。また、第2段階の係数が通常の回帰の約3.9倍になっていることは効果が人によって大きく異なる可能性を示し、投資前と投資後の寄与を何割ずつと分けることはできないとも書いている16。

どこまで​言えるか:標本・​定義・​関連研究

付加価値の中身はこの研究では特定されていない。著者は、評判そのものが他の投資家・顧客・採用候補を引き寄せるハロー効果の可能性と、取締役や幹部の紹介、顧客の紹介、経験に基づく助言といった具体的な行動の可能性を並べ、見分けるのは今後の課題とする。良い案件が集まる理由についても、起業家が付加価値を見込んで選んでいるのか、人脈が広いのかは決めていない17。VCの人脈を投資データから描く方法は、VCの​共同投資​ネットワークの​分析で扱った。

標本は米国の、取締役に就いたVCに限られ、成功の定義は出口の種類による。収益率(倍率やIRR)では測っていないため、成功した投資の中での大小は区別されない。少数の​大成功が​収益の​大半を​生むVCでは、成功の「数」と「大きさ」は別の問題になる。読んだ版は査読前のWPで、本稿の確認した範囲では学術誌への掲載は見つからなかった。

研究の土台には二つの先行研究がある。一つは同じ第一著者らの連続起業家の研究で、2006年のWP版では、前の起業で成功した起業家の次の会社の予測成功率が30.6%で、前で失敗した起業家の22.1%、初めての起業家の20.9%を上回った18。本研究は、この起業の成績の持続性が職業を変えても続くかを問うたものと言える。もう一つは、VCの成績を会社と個人に分けた研究で、パートナーの移籍を追ったデータから、成績の説明ではパートナー個人の人的資本がVC会社の組織資本より2〜5倍重要だと推定した19。

大手町​プレップの​考察:​「起業経験」でなく​「何を持ち込めるか」を​見る

ここからは編集部の推論である。研究の結果を素直に読むと、起業経験という肩書きは成績の目印にならない。失敗した創業者出身VCは職業VCより成績が低かったからだ。目印になったのは起業の結果と、その人が投資先に持ち込める具体的なもの、つまり元同僚の人脈と、自分が戦った業種の知識だった。同業種への投資で差が大きく、投資先の幹部や取締役に元同僚が入る割合が高かったことは、操作変数の結果とともに、付加価値の経路が人材と業種知識にあるという見方と矛盾しない(ただし著者は経路を特定していない)。

もう一つの含意は、個人の実績の読みにくさだ。研究の差は78,350組のVCと起業家の組から推定したもので、一方でパートナー一人が取締役として関与した投資は、三つの型の平均で4.9〜6.7件にすぎない。この件数で6.6%ポイント程度の差を見分けられるかを、次の設例で試算する。

日本の​実務への​応用:市場の​厚みの​違いを​踏まえて

日本に持ち込むときにまず違うのは市場の厚みだ。上記の5か年計画によれば、2021年のVC投資額は日本が2,300億円・1,400件、米国が36.2兆円・17,100件で、件数だけでも約12倍の開きがある20。成功の定義も、出口の構成が米国と同じとは限らず、自社の記録で何を成功とみなすかを先に決めておきたい。

そのうえで、場面ごとに次のように使えると編集部は考える。VCが起業家出身者を迎える場合は、PEが​経営陣を​評価する​ときと​同じく、起業の結果を確かめるだけでなく、元同僚・同業界の人脈と業種の知識が投資先にどう届くかを、具体的な採用や取締役の紹介の実例で確かめる。起業家がVCを選ぶ場合は、担当者の経歴の肩書きより、同じ業種で何をしてきたか、誰を紹介できるかを問う。政府の計画は、起業している期間を最長3年まで失業給付の受給期間に数えない制度を設けるなど、起業家の再挑戦を後押ししている21。経験者が増えるほど、経験の有無でなく中身で評価する視点が要る。LPは、パートナーの実績の​帰属を確かめる際、案件の入口(誰が持ち込んだか)と投資後の関与を分けて聞くことで、成績の源泉が案件の流れか付加価値かを推し量れる。

学習用の​設例:パートナー​一人の​実績は​何件あれば​読めるか

学習用の設例(架空)

  • 投資家の甲と乙が、同じ件数の投資を行う。甲の真の成功率は23.2%、乙は29.8%と仮定する(研究の職業VCと成功した創業者出身VCの平均を借りた仮定で、実在の人物の数値ではない)
  • 各案件の成否は互いに独立とし、二項分布で、劣る甲の実績が乙と同じかそれ以上に見える確率を計算する

表1 学習用の試算:2人の投資家の実績は何件あれば見分けられるか

表は横にスクロールできます →

各人の投資件数甲の成功率の標準誤差甲≧乙に見える確率甲>乙に見える確率
7件±16.0%ポイント51%28%
10件±13.3%ポイント47%28%
20件±9.4%ポイント38%26%
50件±6.0%ポイント26%19%
100件±4.2%ポイント16%13%
200件±3.0%ポイント7%6%
出所:学習用の​仮定に​基づき大手町​プレップ​作成。​仮定:甲の​真の​成功率を​23.2%、​乙を​29.8%と​おく​(R1 表4の​職業VCと​成功した​創業者出身​VCの​平均を​借りた​仮定で、​実在の​投資家の​数値ではない)。​各案件の​成否は​独立で、​2人は​同じ​件数に​投資すると​する​(二項分布)。​「同じかそれ以上」は​甲の​成功件数が​乙以上に​なる​確率。​標準誤差は​甲の​観測成功率の​ばら​つき​(乙は少し大きい)。​R1 では​取締役と​して​関与した​投資の​平均件数が、​三つの​型で​4.9〜6.7件​(表4)。

この設例程度の成功率の差は、件数が少ないうちは成功件数だけでは見分けにくい。研究の平均に近い7件ずつなら、劣る甲の成功件数が乙と同じかそれ以上になる確率は51%で、甲が乙をはっきり上回って見える確率も28%ある。観測した成功率の標準誤差は±16.0%ポイントで、比べたい差(6.6%ポイント)の2倍を超える。表の件数の中で逆転の確率が1割を切るのは200件ずつ投資したときだけで、200件は、この米国標本の平均件数(4.9〜6.7件)を大きく上回る。

試算は単純な仮定に基づくが、示唆ははっきりしている。個人の成功件数を並べて採用や評価を決めるのは危うく、件数が少ないほど、案件をどう見つけ、投資後に何をしたかという過程の記録で補う必要がある。ファンド単位の成績を偶然と見分ける難しさは、VCの​好成績を​無作為の​比較対象と​比べた​研究でも扱った。

明日から​使える​確認項目

  1. 起業家出身の候補者を評価するとき、起業の結果(IPO・買収の対価と累計調達額の比較)を確かめ、「起業経験あり」だけで加点しない。研究では起業で失敗した創業者出身VCの成功率は職業VCより低かった。
  2. 候補者に「前の会社の出身者や同業界の知人を、投資先の幹部・取締役に紹介した例を三つ挙げてください」と尋ね、紹介先の会社名・役職・時期まで確かめる。
  3. 候補者が得意とする業種と、自社のファンドの投資方針の重なりを確かめる。研究では同業種への投資で差が大きく、異業種では小さかった。
  4. パートナーの実績を評価するときは、案件ごとに「入口(紹介・持ち込み・自ら発掘)」「取締役就任の有無」「投資後に行った支援(採用・顧客紹介・資金調達)」を記録し、成否の件数と並べて読む。件数が少ないと、表1の設例程度の差は成功件数だけでは見分けにくいので、過程の記録で補う(表1の試算に基づく編集部の見方で、研究で検証された基準ではない)。
  5. 起業家としてVCを選ぶときは、担当者に「同じ業種の会社で、出資後に何をしましたか」と尋ね、紹介できる人材や顧客の具体例を求める。
  6. LPとしてファンド​選定の​DDQを使う際は、パートナーごとに過去の案件の入口と投資後の関与を開示してもらう項目を加える。

よく​ある​質問

起業経験の​ある​人を​VCに​採用すれば、​ファンドの​成績は​上がりますか。

この​研究からは​そう​言えません。​米国の​標本で​成績が​高かったのは​起業で​成功した​人に​限られ、​起業で​失敗した​人は​職業VCより​成績が​低くなっていました。​また​結果は​相関の​分析と、​検定できない​前提に​基づく​操作変数の​推定に​よる​ものです。

成功した​創業者出身​VCは、​具体的に​何を​して​会社を​伸ばしたのですか。

研究は​特定していません。​著者は、​評判が​人や​資金を​呼ぶ​ハロー​効果と、​人材・顧客の​紹介や​助言と​いった​行動の​両方を​可能性と​して​挙げています。​元同僚が​投資先の​幹部や​取締役に​入る​割合は​高い​ものの、​それが​成功の​原因かは​確かめられていません。

まとめ

米国のVC約1万3千人のデータでは、起業で成功した創業者出身のVCは投資の成功率が職業VCより6.6%ポイント高く、起業で失敗した人は4.0%ポイント低かった。差は所属するVC会社と案件の質を揃えると縮んだが、同じ会社の中で比べても残り、操作変数による推定は投資後の付加価値と整合した。ただし付加価値の中身は特定されておらず、推定は検定できない前提に依存し、読んだ版は査読前のWPである。日本は市場全体の投資件数が米国より一桁少ない。起業経験の有無や成功件数より、人脈と業種知識を投資先にどう届けたかという過程を記録して読むことが、実務での受け取り方になる。

脚注

  1. R4(内閣官房「スタートアップ育成5か年計画」新しい資本主義実現会議決定、2022年11月28日)p.2(PDF の物理ページ。以下同じ)。スタートアップへの投資額は3,600億円(2017年)から8,200億円(2021年)へ増えたとし、5年後の2027年度に10兆円規模とする目標を掲げる。国内のベンチャーキャピタルの育成と海外の投資家・VCの呼び込みは同 p.3。中小企業基盤整備機構による、若手キャピタリストが経営するVCに限定した出資枠の創設などの検討は同 p.10。決定日は内閣官房「新しい資本主義実現本部」のページの記載で確認。↩
  2. R1 の版:NBER Working Paper w29907(Issue Date 2022年4月。NBER の論文ページと Crossref の DOI 10.3386/w29907 で確認)。表紙(p.1)に「査読を経ていない」旨の記載がある。2022年より前の版・旧題は、本稿の調べた範囲(題名・著者名の検索、Crossref の書誌検索、著者の研究ページ)では見つからなかった。学術誌への掲載も Crossref の検索では見つからなかった。表紙に、第一著者が VC に投資・助言している旨の開示がある。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−2。↩
  3. R1 p.7〜8(第2節)。VentureSource は米国の VC 投資のデータベースで、期間は1990年から2019年半ば。職歴・学歴・民族・性別を Web 検索・SEC の提出書類・報道から手作業で集めた。VC の人数は表1(p.36)の12,195人と825人の合計13,020人、創業者は p.10 の53,139人。↩
  4. R1 表8(p.47〜48。VC 会社の固定効果あり・なし)、表9(p.49。操作変数)、第3.3節(p.20〜26)。いずれも観察データによる推定で、ランダムな割り付けによるものではない。↩
  5. R1 p.9・p.10〜11。成功の定義は IPO、または累計の調達額を上回る対価での買収。IPO のみ、投下資本の2倍超の買収、1億・2億・5億ドル超の買収に定義を変えても結果は頑健と著者は記す(頑健性の表は本文に掲載されていない)。↩
  6. R1 p.7(取締役・オブザーバーとしての就任で VC を識別し、取締役に就かない若手は含まれない)、表1(p.36)。要旨(p.2)と本文(p.3)は創業者出身 VC の比率を「約7%」(nearly 7%/Roughly 7%)と記す。表1の人数から計算すると825÷13,020=6.3%(編集部の計算)。食い違いの理由は論文に書かれていない。↩
  7. R1 p.10〜12、表2(p.37)・表3(p.38)。表2の起業の成功率は29.7%対11.8%。表3は創業者を単位とする回帰(観測数38,627、年・業種の固定効果)で、成功の係数は列1が0.0217、列2(出身校・性別・民族を追加)が0.0193(いずれも1%水準)。本文は「2.2%」と書き、無条件の確率1.6%を2倍以上にすると述べる。女性は−0.0156(1%水準)、上位校は0.0709(1%水準)。表2の女性比率は VC になった創業者4.9%、ならなかった創業者10.3%(本文 p.11 は後者を11.8%と書くが、本稿は表の値を採る)。↩
  8. R1 表4(p.39)、本文 p.13。出資元の VC に加わった割合は、成功した創業者出身 VC 89.0%、失敗した創業者出身 VC 85.4%。平均年齢は職業 VC 52.5歳、成功 55.4歳、失敗 54.1歳。著者は、取締役就任を起点にするため年齢は実際のキャリア開始より高く出る(特に職業 VC は若手時代を含まない)と注記している。↩
  9. R1 表4(p.39)、本文 p.4・p.13〜14。差(6.6%ポイント、−4.0%ポイント)と比(1.28倍)は表の値からの編集部の計算。要旨(p.2)は6.5%ポイント高い・4%ポイント低いと記す(表の値との差の理由は論文に明記されていない)。表4は平均の比較で、差の検定は示されていない(条件を揃えた検定は表8)。↩
  10. R1 表4(p.39)、本文 p.14。キャリアの長さは最初の取締役就任の1年前から最後の取締役就任の3年後までで、著者は過小に出ると注記しつつ、型の間の順位をゆがめる理由はないと述べる。↩
  11. R1 表7(p.45〜46)、本文 p.16〜17。連続起業家・上位校の割合の差の p 値は表7に掲載(成功した創業者出身 VC と職業 VC の差はいずれも p=0.000)。元同僚・幹部や取締役の割合は成功と失敗の創業者出身 VC の比較のみで、差の検定は示されていない。↩
  12. R1 表8 Panel A 列1・列3(p.47)、本文 p.18。線形確率モデルで、観測数は列1・2が78,350、列3・4が78,175。年・業種の固定効果を含む。成功した創業者出身 VC の係数0.116、創業者出身 VC の係数−0.0305(いずれも1%水準)。職業 VC との差は係数の和(本文は8.5%ポイントと記す)。同業種の係数は列3で0.0501(1%水準)。↩
  13. R1 表8 Panel B(p.48)、本文 p.19〜20。VC 会社の固定効果を含む列1で、成功した創業者出身 VC の係数0.0835、創業者出身 VC の係数−0.0230(いずれも1%水準)。職業 VC との差6.05%ポイントを本文は「25% lower」と記すが、Panel A の8.55%ポイントからの縮小を計算すると約29%(編集部の計算)。著者は縮小分を、VC 会社の質の違いによる部分と解釈している(p.19〜20)。列4(案件の質を統制)の同業種5.92%ポイント・異業種1.59%ポイントは本文の計算で、係数の和の検定は示されていない。固定効果なし(Panel A 列4)では同業種9.3%ポイント・異業種4.5%ポイント(本文 p.19)。↩
  14. R1 p.19〜24(第3.3節)。親和性の点数は、同じ学校・同じ少数民族・同じ性別を示す指標の平均。確率は、組の親和性を VC の市場内の平均親和性で割り、起業家ごとに合計が1になるよう基準化する。市場の区切りは Sørensen(2007)に倣う。比較対象の「他の上位 VC」は、直近5年の成功件数で上位5%の VC。↩
  15. R1 表9(p.49)、本文 p.24〜25。対象は各社の初回ラウンドのリード投資家(15,498件)。第1段階の係数は0.444と0.495(いずれも1%水準)。通常の回帰の係数は7.19%ポイント(標準誤差1.60)と6.40%ポイント(同1.14)、第2段階は28.4%ポイント(同5.55、1%水準)と5.63%ポイント(同3.85、有意でない)。図3の95%区間は係数±1.96×標準誤差で、編集部の計算。有意でないことは効果がないことを示すものではない。↩
  16. R1 p.25〜27。除外制約は検定できない(untestable)と著者自身が明記している。第2段階の係数が通常の回帰の約4倍になる点について、著者は異質な効果の存在を示唆し、投資前と投資後の要因への分解を妨げると述べる。↩
  17. R1 p.27〜28(第4節)。人脈については、案件の約9割が VC の人脈経由で持ち込まれるとする先行研究(Gompers, Gornall, Kaplan and Strebulaev)を引いている。↩
  18. R2(Gompers, Kovner, Lerner and Scharfstein, NBER WP 12592, 2006年10月)p.15(PDF の物理ページ)。会社の段階・年齢・所在地・年・業種を揃えた予測値。のちに Journal of Financial Economics(2010年)に掲載されたが、本稿は WP 版を参照した。↩
  19. R3(Ewens and Rhodes-Kropf, NBER WP 19120, 2013年6月)p.2(要旨)。のちに Journal of Finance(2015年)に掲載されたが、本稿は WP 版を参照した。R1 も p.5・p.20 でこの研究を引いている。↩
  20. R4 p.10。計画はこの数値の出典として、一般財団法人ベンチャーエンタープライズセンター「直近四半期 投資動向調査 2021年第4四半期」と「PitchBook-NVCA Venture Monitor」(Q4 2021)を注記している(同 p.25 の注15)。本稿は元データを確認していない。件数の比(約12倍)は編集部の計算。↩
  21. R4 p.9。2022年の雇用保険法の改正で、起業して事業を行う間は、最長3年まで失業給付の受給期間に算入しない制度を設けたと記す。↩

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。