Econometric theory predicts that th

Econometric theory predicts that the precision of
our estimates will increase when we take into
account the rare-event nature of our dependent
variable. Indeed, in this model TEAM SIZE is
not significant. The results of Models 1–8 do
not depend upon the use of the rare-events logit
technique. To test Hypothesis 4b, in Model 10
we include TEAM COMPLETE and TEAM SPECIAL.
TEAM SIZE and TEAM COMPLETE are
highly correlated (see Table 5), and both coefficients
tend toward zero when included simultaneously.
Therefore, TEAM SIZE is excluded
from this regression. The results do not reveal
any significant patterns in the data. Moreover, a
Wald test that all variables in the regression are
jointly zero cannot be rejected (χ2(11) = 17.2;
p > χ2 = 0.10). Thus, we find no support for
Hypothesis 4b. Following the logic of Table 1,
these results suggest that (a) team size is an important
cue, but it is not learned from the planning
documents; and (b) team formalization is not an
important cue.
In Table 7, we report results of regressions testing
the remainder of the hypotheses. In each of
these models, we do not include revenue model
dummies. Wald tests failed to reject the hypothesis
that the revenue model dummies were jointly
insignificant for these subsamples.
In Model 11 we test Hypothesis 5. We find that
including information about educational attainment
does not predict VC outcomes. In Model 12
we find that the level of attainment (as proxied
by attaining a bachelor’s degree, an engineering
degree or a master’s of business administration)
does not predict funding. Hypothesis 5a is not
supported. Following Table 1, we conclude that
educational human capital is not an important cue
for VC decision making.
We test Hypothesis 6 in Model 13. We find that
including information on start-up experience is not
related to outcomes. However, we do find support
for Hypothesis 6a: the number of prior start-ups
with which team members were involved predicts
funding outcomes at the six percent level of significance
(Model 14; βENTREP EXP = 0.39, p > |z| =
0.06). Following the logic in Table 1, we interpret
this to imply that the number of prior start-ups is an

ผลลัพธ์ (ไทย) 1:

ทฤษฎี econometric ทำนายความแม่นยำของประเมินของเราจะเพิ่มขึ้นเมื่อเราพิจารณาบัญชีธรรมชาติหายากเหตุการณ์ของเราขึ้นอยู่กับตัวแปร แน่นอน ในรูปแบบนี้ ทีมมีขนาดไม่สำคัญ ผลลัพธ์ของแบบจำลอง 1-8ไม่ขึ้นอยู่กับใช้ logit เหตุการณ์หายากเทคนิคการ การทดสอบสมมติฐาน 4b, 10 รูปแบบเรามีทีมทำและทีมงานพิเศษขนาดทีมงานและทีมงานสมบูรณ์correlated สูง (ดูตาราง 5), และสัมประสิทธิ์ทั้งมีแนวโน้มไปทางศูนย์เมื่อรวมกันดังนั้น แยกขนาดทีมจากนี้ถดถอย ไม่ได้เปิดเผยผลมีรูปแบบที่สำคัญในข้อมูล นอกจากนี้ การทดสอบ Wald ที่ตัวแปรทั้งหมดในการถดถอยนิติบุคคลไม่สามารถปฏิเสธเป็นศูนย์ (χ2(11) =หา 17.2p > χ2 = 0.10) ดังนั้น เราค้นหาไม่สนับสนุน4b สมมติฐาน ตามตรรกะของตารางที่ 1ผลลัพธ์เหล่านี้แนะนำว่า (a) ขนาดทีมที่มีความสำคัญสัญลักษณ์ แต่มันจะไม่ได้เรียนรู้จากการวางแผนเอกสาร และ (b) ทีม formalization ไม่มีสัญลักษณ์สำคัญในตาราง 7 เราได้รายงานผลการทดสอบ regressionsส่วนเหลือของสมมุติฐาน ในแต่ละโมเดลเหล่านี้ เราไม่มีรูปแบบการคิดหุ่น ไม่สามารถปฏิเสธสมมติฐานทดสอบ Waldว่า หุ่นจำลองรายได้ได้ร่วมไม่สำคัญสำหรับ subsamples เหล่านี้ในรุ่น 11 เราทดสอบสมมติฐาน 5 เราพบว่ารวมถึงข้อมูลเกี่ยวกับการศึกษาโดยทำนายผล VC ในรุ่น 12เราพบว่าระดับ โดย (เป็น proxiedโดยปริญญาตรี วิศวกรรมการการบรรลุองศาหรือเป็นหลักการบริหารธุรกิจ)ทำนายทุน สมมติฐานของ 5a ไม่ได้รับการสนับสนุน ตามตารางที่ 1 เราสรุปที่บุคลากรทางการศึกษาไม่เป็นสัญลักษณ์สำคัญสำหรับ VC ตัดสินใจเราทดสอบสมมติฐาน 6 ในรุ่น 13 เราพบว่ารวมทั้งข้อมูลเริ่มต้นประสบการณ์ไม่ที่เกี่ยวข้องกับผล อย่างไรก็ตาม เราค้นหาการสนับสนุนสำหรับสมมติฐาน 6a: จำนวนตอัพก่อนกับทีมใดสมาชิกเกี่ยวข้องกับทำนายทุนผลลัพธ์ที่สำคัญของระดับร้อยละ 6(รุ่น 14; βENTREP EXP = 0.39, p > |z| =0.06) ต่อตรรกะในตารางที่ 1 เราแปลนี้บ่งบอกถึงจำนวนตอัพก่อนเป็นการ

ผลลัพธ์ (ไทย) 3:

ทฤษฎีแบบจำลองทางเศรษฐมิติที่คาดการณ์ว่า ความแม่นยําของ
ประมาณการของเราจะเพิ่มขึ้นเมื่อเราใช้
บัญชีเหตุการณ์หายากธรรมชาติตัวแปร
ของเรา แน่นอน ในรุ่นนี้ขนาดทีม
ไม่สําคัญ ผลของรุ่น 1 – 8 ทำ
ไม่ได้ขึ้นอยู่กับการใช้ของหายาก
เหตุการณ์โดยใช้เทคนิค การทดสอบสมมติฐานแบบ 4B , 10
เรารวมครบทีมและทีมงานพิเศษ
ขนาดทีมทีมและสมบูรณ์
ระดับสูง ( ดูจากตารางที่ 5 ) และทั้งแนวโน้มไปทางศูนย์ เมื่อรวมค่า

เพราะฉะนั้น พร้อมกัน ขนาดทีมรวม
จากสมการนี้ ผลลัพธ์ที่ไม่เปิดเผย
สําคัญในรูปแบบข้อมูล ยิ่งไปกว่านั้น ทดสอบว่าตัวแปรทั้งหมดใน Wald

ร่วมศูนย์วิเคราะห์จะไม่สามารถปฏิเสธ ( χ 2 ( 11 ) = 17.2 ;
p > χ 2 = 0.10 ) ดังนั้นเราไม่พบการสนับสนุน
4b สมมติฐาน ตามตรรกะของตารางที่ 1
ผลลัพธ์เหล่านี้ชี้ให้เห็นว่า ( ก ) ขนาดของทีมมีคิวสำคัญ
, แต่มันไม่ได้เรียนรู้จากเอกสารการวางแผน
; และ ( ข ) ทีม formalization ไม่ใช่

คิวสำคัญ ในตารางที่ 7 เรารายงานผล ของสมการถดถอยการทดสอบ
ส่วนที่เหลือของสมมติฐาน ในแต่ละ
แบบจำลองเหล่านี้เราไม่รวมนางแบบ
รายได้หุ่นจำลองทดสอบ Wald ไม่สามารถปฏิเสธสมมติฐาน
ว่ารายได้แบบให้ถูกร่วมกัน

ไม่ subsamples เหล่านี้ ในรุ่น 11 เราทดสอบสมมติฐาน 5 . เราพบ

รวมถึงข้อมูลเกี่ยวกับการศึกษาไม่ได้ทำนายผล VC . รุ่น 12
เราพบว่าระดับของภูมิปัญญา ( proxied
โดยบรรลุปริญญาตรี วิศวกรรม
ปริญญาตรีหรือปริญญาโทบริหารธุรกิจ )
ไม่ได้คาดการณ์เดิม 5A สมมติฐานไม่ได้
ได้รับการสนับสนุน ตามตารางที่ 1 สรุปได้ว่า การศึกษาไม่ได้เป็นทุนมนุษย์

คิวสำคัญสำหรับ VC การตัดสินใจ เราทดสอบสมมติฐานในรูปแบบ
6 13 เราพบว่า
รวมทั้งข้อมูลเกี่ยวกับประสบการณ์เริ่มต้นไม่ได้
ที่เกี่ยวข้องกับผลลัพธ์ อย่างไรก็ตาม เราพบว่าสนับสนุนสมมติฐานที่ 6
:จํานวนก่อนที่ start-ups
ซึ่งสมาชิกในทีมส่วนคาดการณ์เดิมที่ร้อยละ 6
ผลระดับ
( รุ่นที่ 14 ; บีตา entrep EXP = 0.39 , p > | Z | =
0.06 ) ตามตรรกะในรางที่ 1 เราตีความ
นี้หมายความว่าจำนวนเริ่มก่อนคือ