风险投资业的歧视：来自两个方面的证据 随机对照试验

电子版:https://onlinelibrary.wiley.com/doi/pdf/10.1111/jo founge.12470.，Xavier Giroud和Richard R.Townsend,“风险投资监控的影响”，The Journal ofFinance,2016,71（4）,1591-1622。110-202,pp.1-24.和Esther du Scaro，“关于歧视的实地实验”，载于《经济学发现实验手册》，第2卷。1，Elsevier，2017年，第309-393页。凯文·F·哈洛克，《顶级企业工作中的性别差距》，ILR Review，2001年，55(1)，3-21。还有Sendhil Mullainathan，《艾米丽和格雷格比Lakisha和Jamal更适合就业吗？一个关于劳动力市场歧视的实验，“美国经济评论，2004年，94(4)，991-1013，克劳迪娅·戈尔丁，和劳伦斯·F·卡茨，《金融和企业部门年轻专业人员性别差距的动态》，美国经济杂志：应用经济学、2010年，2(3)，228-55。，多莉·休，和Sendhil Mullainathan，“隐性歧视”，美国经济评论，2005,95（2）,94-98。，,而且，“隐性歧视”，美国经济评论，2005年4月，95(2)，94-98.比赫昌达尼，苏希尔，大卫·赫什莱弗，和伊沃·韦尔奇，“流行理论，时尚，习俗，和作为信息级联的文化变化，“政治经济学杂志，1992年，100(5)，992-1026.博伦，J.艾斯林，亚历克斯·伊马斯，和迈克尔·罗森博格，“歧视的动态：理论和证据，“美国经济评论，2019年，109(10)，3395-3436.博伦，J.艾斯林，亚历克斯·伊马斯，和迈克尔·罗森博格，“歧视的动态：理论与证据，“美国经济评论，2019年10月，109(10)，3395-3436.博尔达洛，佩德罗，凯瑟琳·科·艾德曼，尼古拉·根奈奥利，安德烈·施莱弗，“刻板印象”，第四期经济学杂志，2016年，131(4)，1753-1794年，,,而且，《关于性别的信仰》，美国经济评论，2019年，109(3)，739-73。布洛克，米歇尔和拉尔夫·德·哈斯，“歧视性贷款：来自实验室银行家的证据，“2020年。巴特纳，E·霍利和多萝西·P·摩尔，“妇女在组织上向企业家的外流：自我报告的动机及其与成功的关系，“小企业管理杂志，1997年，35，34-46.木匠，杰奎琳，克里斯蒂娜·康诺利，凯特琳·诺尔斯·迈尔斯，“代表性独裁者实验中的利他行为”，实验经济学，2008年，11(3)，282-298.卡雷尔，斯科特·E，玛丽安·E·佩奇，和詹姆斯·E·韦斯特，“性与科学：《性别教授如何使性别差距永久化》，“经济学季刊，2010年，125(3)，1101-1144.卡萨布里，洛伦佐和杰克·威利斯，“保险中的时间与状态：来自肯尼亚法明金合同的实验证据，“美国经济评论，2018年，108(12)，3778-3813.Chetty，拉杰，纳撒尼尔·亨德伦，玛吉·R·琼斯，还有索尼娅·R·波特，“美国的种族和经济机会：代际观点，“经济学季刊，2020年，135(2)，711-783.坎宁安，汤姆和乔纳森·德·奎特，“从选择推断出的隐式首选项”，可在SSRN2709914，2015.德拉维尼亚，斯特凡诺，约翰一张单子，乌尔里克·马尔门迪尔，和高塔姆·饶，“边缘化的重要性：慷慨中的性别冲突”，《美国经济评论》,2013年，103(3)，586-90。伊根，马克·L，格雷戈·马特沃斯和阿米特·塞鲁，“当哈利发现莎莉：惩罚不当行为的双重标准”，国家经济研究局2017年技术报告。尤文斯，迈克尔和理查德·R·汤森，“早期投资者对女性有偏见吗？”，《经济经济学杂志》，2020年3月，135(3)，653-677。费尔利，罗伯特·W和艾丽西亚·M·罗柏，种族和创业成功：美国黑人、亚洲人和白人拥有的企业，麻省理工学院出版社，2010年。方，汉明和安德里亚·莫罗，《统计歧视理论和反歧视行动：调查》，载《社会经济学手册》，第2卷。1、爱思唯尔出版社，2011年，页。

133-200.费尔南德斯，拉奎尔和亚历山德拉·福利，“文化：信念的实证调查，工作，和生育率，“美国经济杂志：宏观经济学，2009年，1(1)，146-77.弗洛伊德，埃里克和约翰的名单，“在会计和财务中使用筛选实验”，《会计研究杂志》，2016年，54(2)，437-475。朱利亚诺，劳拉，大卫·I·莱文和乔纳森·伦纳德，“经理种族和新员工的种族”，《劳动经济学杂志》，2009年，27(4)，589-631。Gneezy，Uri，John List和Michael K Price,“走向理解人们为什么歧视：来自一系列自然实验的证据”，《技术报告》，国家经济研究局2012年。克劳迪娅，Goldin，《大性别趋同：它的最后一章》，《美国经济评论》，2014年，104(4)，1091-1119。Gompers，Paul a和Sophie Q Wang,“创新中的多样性”，工作文件23082，国家经济研究局2017年1月。系列：工作文件系列。和，“创新的多样性”技术报告，国家经济研究局2017。，弗拉基米尔·穆哈利亚莫夫，艾米丽·威斯伯斯特，而玉海轩、“风险投资中的性别E感染”，可在SSRN 2445497查阅，2014.戈纳尔，威尔和伊利亚·A·斯特雷布拉耶夫，“性别，种族，和企业家精神：风险投资家和天使的随机现场实验“SSRN学术论文ID3301982，社会科学研究网、2020年3月，纽约罗切斯特。伊利亚·斯特雷布拉耶夫，《将风险投资估值与现实相吻合》，《金融经济学杂志》，2020年，135(1)，120-143.古兹曼，豪尔赫和亚历山大·奥伦卡·卡佩奇克，“创业中的性别差距”研究政策，2019、48(7)、1666-1680.赫伯特，卡米尔，“性别刻板印象和企业家成长”，在2020年“第十届迈阿密行为金融会议”上。赫克曼，詹姆斯·J，“发现歧视”，经济观点杂志，1998年，12(2)，101-116.黑格德，迪帕克，亚历山大·永奎斯特，和马纳夫·拉杰，“种族，玻璃天花板，和同工同酬的较低工资，“可在SSRN 3811410查阅，2021.亨德森，罗兰，塞德里克·海岭，海沃德·德里克·霍顿，还有梅尔文·托马斯，“信用在信用的地方？：种族，性别，和创业公司信用评分中的歧视，“黑人政治经济评论，2015年，42(4)，459-479.洪，哈里森和伊内萨·利斯科维奇，“犯罪，惩罚与企业社会责任的光环，“技术报告，2015年国家经济研究局。豪威尔，Sabrina T.和Ramana Nanda，“风险投资中的网络摩擦，和创业中的性别差距，“SSRN学术论文ID3376211，社会科学研究网、罗切斯特，2019年10月。，乔希·勒纳，拉玛娜·南达、和理查德·汤森，“财务距离：风险资本是如何跟随经济下滑并削减创新的，“SSRN学术论文ID3594239，社会科学研究网、罗切斯特，2020年5月。胡，邓伦和宋妈、“人类互动与金融投资：一种基于视频的方法，“可用的atSSRN，2020.JR，罗兰·G·弗莱耶，“统计歧视动态模型中的信念冲击”，《公共经济学杂志》，2007年，91(5-6)，1151-1166。和史蒂文·D·莱维特，“独特黑人名字的原因和后果”，《经济学季刊》，2004年，119(3)，767-805。Kacperzyk,Aleksandra和Peter Younkin,“非法性溢价：企业家精神对女性未来就业的影响”，见SSRN 3433249,2019。Kanze,Dana,Laura Huang,Mark A Conley和E Tory Higgins,“我们要求男性获胜而女性不是Tolose：弥合创业资金中的性别差距”，《管理学院杂志》，2018年，61(2)，586-614。Kessler,Judd B,Corinne Low,Colin D.

沙利文，“激励简历评级：在没有欺骗的情况下引出雇员的偏好，“美国经济评论，2019年11月，109(11)，3713-3744.朗，凯文和阿里埃拉·卡恩-朗·斯皮策，“种族歧视：经济观点，“经济观点杂志，2020年，34(2)，68-89。还有Jee-Yeon K Lehmann,“劳动力市场中的种族歧视：理论和实证”，《经济文献杂志》，2012年，50(4)，959-1006。Lee,Sokbae和Bernard Salani\'e,“识别多值治疗的e-ects”，《经济经济学》，2018年，86(6)，1939-1963。列表，John A,“市场中歧视的性质和程度：来自于市场的证据”，《第四版经济学杂志》，2004年，119(1)，49-89。伦德伯格，Shelly J和Richard Startz,“竞争性劳动力市场中的私人歧视和社会干预”，《美国经济评论》，1983年，73(3)，340-347。Neumark,David,“在审计和函授研究中发现歧视”，《人力资源杂志》，2012年，47(4），1128-1157。出版商：[威斯康星大学出版社，威斯康星大学董事会]。菲尔普斯，埃德蒙，“种族主义和性别歧视的统计理论”，《美国经济评论》，1972年，62(4)，659-661.普里，曼朱和大卫·T·罗宾逊，《企业家精神与家族企业的经济心理学》，经济学与管理战略杂志，2013年，22(2)，423-444.蕾娜，萨希尔，“风投、创始人，以及表现上的性别差距，“2017年以下的金融建立在金融地窖的基础上，2019年。罗塞特，阿什丽·谢尔比和利·普兰克特·托斯特，“Agentic女性和公共领导力：RolePremistions如何赋予顶级女性领导人优势。”，《应用心理学杂志》，2010年，95(2)，221。谢恩、斯科特、莎伦·多尔曼、约瑟夫·扬科夫斯基、伊莎贝尔·雷曼和乔治·罗梅，《技术许可的发明者喜欢初创企业》，创业研究的前沿，2012年，32(18)，1。西格尔曼、彼得和J·赫克曼，《城市研究所审计研究：他们的方法和发现》，“清晰而令人信服的证据：美国歧视的测量，华盛顿，1993年，187，258。瑟伦森，莫滕，《有多聪明》聪明的钱？风险投资的双边匹配模型，2007年，62(6)，2725-2762张，是啊，“风险资本家如何下注：来自两个随机对照试验的证据，“可在SSRN3724424获得，2020年。、“影响投资和风险投资业：实验证据，“可在SSRN 3959117获得，2021.tablestable 1：InvestorsPanel a的统计摘要：投资者地点分布国家N百分比女性百分比15,184 84.91%23.57%加拿大647 3.62%29.68%以色列456 2.55%29.39%英国93 0.52%22.58%印度514 2.87%18.87%新加坡和香港454 2.54%21.59%澳大利亚和新西兰228 1.28%25.44%其他306 1.71%21.57%合计17882 100%面板B：投资者行业分布行业N百分比信息技术13,628 76.21%医疗保健6,056 33.87%消费者6,256 34.98%能源4,234 23.68%生命科学3,347 18.72%金融3,023 16.91%媒体和娱乐2,533 14.17%农业和食品2,072 11.59%交通1,743 9.75%教育1,359 7.60%清洁技术1,2016.72%其他3,271 18.29%面板C：投资者特征N女性投资者=1 17,882 0.24高级投资者=1 17,882 0.84天使投资=1 17,882 0.11顶级大学=1 13,785 0.31研究生院=1 9,232 0.61非专业基金=1 13,156 0.02注。本表报告了活跃风险投资家（其电子邮件地址经测试电子邮件验证）的描述性统计数据，这些风险投资家在函授测试中收到了冷电话推销电子邮件，并在实验室实验中收到了招聘电子邮件。小组A报告样本投资者的地理分布。“其他”包括南非、开曼群岛、马来西亚等。B小组报告招募投资者感兴趣的行业。一个投资者可以指出多个首选行业。

“其他”包括特殊行业，如封装技术行业。3.8%的投资者的行业偏好在网上找不到，我在发送冷电话推销邮件时确信，他们对所有行业都感兴趣。小组C报告投资者的人口统计信息和投资理念。“女性=1”是一个指标变量，如果投资者是女性，则等于1，否则等于零。“高级=1”是一个指标变量，如果投资者是高级（被定义为C级职位、负责人、副总裁、合伙人等），则等于1，否则等于零。“angel=1”是一个指示变量，如果投资者是天使投资者或属于天使集团，则等于1，否则等于零。如果一个投资者既是天使投资者又是机构投资者，我将她视为天使投资者。“not-for-profestiontfund=1”是一个指标变量，如果投资者在基于Pitchbook数据库中的“主要投资者类型”的not-for-profestionfinitionfinitionfinitionfinitionfinitionfinitionfinitionfund工作，则等于1。“顶级大学=1”和“研究生院=1”是一个指示变量，如果投资者就读于一所顶级大学（即，常春藤盟校、麻省理工学院，公爵，加州理工学院，阿姆赫斯特，西北，斯坦福，加州大学伯克利分校，芝加哥大学和威廉姆斯学院）或参加过毕业典礼。表2：实验A InvestorsPanel A汇总统计：投资者表示对部门感兴趣部门（可重复）N部分（%）信息技术39 55.7%消费者10 14.3%医疗保健17 24.3%清洁技术3 4.3%企业对企业7 10.0%金融11 15.7%媒体4 5.8%能源5 7.1%教育3 4.3%生命科学2 2.9%运输和物流4 5.7%其他6 8.6%行业不可知论6 8.6%面板B：投资者表示对各阶段的兴趣阶段（可重复）N部分（%）种子阶段47 67.1%系列A 45 64.3%系列B 17 24.3%系列C或更晚阶段5 7.1%面板C：投资者陈述的人口统计信息n平均值s.d女投资者69 0.20 0.40少数投资者64 0.42 0.50高级投资者69 0.86 0.37小组D：投资者投资理念均值S.dcold电子邮件接受度69 0.74 0.44首选ESG 69 0.17 0.14直接投资69 0.94 0.24继续面板E：可用基金财务表现百分比均值S.D 10 50 90总活跃投资组合54 41.40 44.51 10 24 102总退出46 32.74 48.39 1 9 110基金年龄52 11.75 8.95 3 8.5 25aum（单位：100万美元）33 547.46 1029.10 30 111.7 1700dry Power（单位：100万美元）33 163.86 307.04 6.43 44.35 313.59 Notes。总共有来自68家机构（主要是风险基金）的69名投资机构投资者对1216份随机生成的创业报告进行了评估。小组A报告投资者的部门分布。每个投资者都可以表明他们对多个行业的兴趣。“其他”包括人力资源技术、房地产技术、基础设施等。“行业不可知论”是指投资者没有基于行业的强烈偏好。面板B报告投资者的阶段分布，每个投资者可以投资多个阶段。“种子阶段”包括种子前期、天使投资和种子后期。“C系列或以后阶段”包括成长资本、C系列、D系列等。C面板报告这些招募投资者的人口统计信息。“女性”是一个指标变量，如果投资者是女性，则等于1，否则等于零。“少数族裔”是一个指标变量，如果投资者是亚洲人、西班牙人或非裔美国人，则等于1，否则等于零。不愿透露性别或种族的投资者不包括在这些变量中。如果投资者处于C级职位，或者是董事、合伙人或副总裁，“高级”等于一。如果投资者是分析师（实习生）或助理投资者，则为零。

“冷电子邮件接受”是一个指示变量，如果投资者认为发送冷电话电子邮件是可以接受的，只要它们写得很好，则等于1，如果投资者认为这取决于情况，则等于零。“偏好ESG”是一个指标变量，如果投资者偏好与ESG相关的初创企业，则等于1，否则等于零。“直接投资”是一个指标变量，如果投资者可以直接进行投资，则等于1，如果他们的投资是通过有限合伙人或其他渠道进行的，则等于零。E面板提供了这些投资者工作的68个基金的详细信息。然而，我们只能从Pitchbook数据库中恢复他们的部分信息。表3：实验A设计，产品成分随机化产品成分随机化描述分析变量创业团队特征名字和姓氏取自相同名字列表，给定白人女性（25%）选择的种族和性别如实验1亚洲女性（25%）（见表B1)白人男性（25%）亚洲男性（25%）团队可以有1名创始人或2名联合创始人，单个创始人（8/16）年龄创始人年龄以毕业年份表示年轻对老=50%对50%年轻：统一发放（2005-2019）旧：统一分布（1980-2005）教育背景取自顶级学校名单和普通学校名单顶级学校（8/16）（见学校名单表B2)创业经历团队可以有连续创始人或只有连续创始人（8/16）时间创始人创业项目特征公司年龄成立日期随机取自公司年龄以下四年{2016,2017、2018、2019}从一个比较优势者中随机抽取的比较优势（见表B3)，抽取的1个优势（4/16）优势的数量介于1到4个之间2个优势（4/16）3个优势（4/16）4个优势（4/16）牵引一半随机选择的优势不产生收入积极牵引（8/16）一半随机选择的优势产生积极。前一个月回报：均匀分布[5k，80k]；增长率：均匀分布[5%,60%]公司类别随机分配为B2B或B2C B2B（8/16）被随机分配为四个类别之一的员工人数0-10（8/16）10-20（8/16）20-50（8/16）50+（8/16）目标市场随机分配为国内市场或国内（8/16）国际市场任务随机分配为三个类别之一的产品（8/16）“产品”，“对于项目，考虑项目内的IPO，IPO计划（4/16）5年”，“除了项目收益，还关心ESG”对于项目，ESG（4/16）地点随机分配为美国或美国以外（70%）美国以前的融资情况现有投资者数量随机分配为四类投资者数量之一具有等概率{0,1,2,3+}随机化分布是为了增加实验性的力量。考虑到我们的合作孵化器有更多的亚洲和女性创始人，而不是正常的性别和种族分布，我在这个实验中增加了女性和亚洲创始人的比例，以模拟这些孵化器的分布，这提供了潜在的匹配创业公司的池。尽管一些投资者认为提供更多信息会有所帮助，但没有人抱怨创始团队的性别和种族分布不现实。如果同一个创始团队中有两名联合创始人，所有创始人的背景信息都相似。例如，如果firerst创始人的年龄属于年轻创始人类别，那么第二个创始人的年龄也属于相同的年龄类别。本表提供了每个启动程序组件及其相应的分析变量的随机化。项目组件按它们出现在假设启动程序中的顺序列出。

特征的权重在跨主题组合时显示为分数（例如，每个主题应该看到所有女性团队成员的8/16简历），在代表从概率分布中得出的结果时显示为百分比（例如，对于收入为正的初创企业，收入遵循[5K-80K]之间的均匀分布）。右边一栏的变量被随机化，以测试投资者对这些分析变量的反应。表4：实验A关于性别的评价结果，种族和年龄因变量Q1 Q2 Q3 Q4 Q5质量可用性联系投资风险(1)(2)(3)(4)(5)小组A：性别女性创始人-0.56 0.46-0.94 0.04 3.37（1.20）（0.89）（1.41）（0.21）（3.07）投资者是是是是是是是控制平均44.30 63.84 55.00 6.02 65.19评论1,216 1,184 1,216 1,176 176 r-平方0.31 0.53 0.47 0.34 0.25小组B：RaceAsian创始人0.05-0.61-0.34-0.04 0.70(1.19)(0.89)(1.40)(0.21)(3.09)投资者FE是是是是是是是控制平均44.31 65.51 55.51 6.12 67.14意见1,216 1,184 1,216 1,176 176 r-平方0.31 0.553 0.47 0.34 0.24小组C：年龄-0.12-0.24-0.35-0.01-2.39*(0.46)(0.35)(0.08)(0.02)(0.01)(0.00)(0.01)(0.01)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)(0.01)（0.31 0.53 0.47 0.34 0.26注。此表描述了评估结果，结合了总的项目评估，包括项目半部分的所有项目和项目后半部分的所有项目。一些投资者如果觉得信息不足以做出判断，就会跳过可用性或投资的评估问题。Q5（风险评估）只添加到随机选择的投资者稳健性检查中。面板A显示了投资者基于创始人性别信息的态度。“女性创始人”是一个dummyvariable，如果初创企业创始人的名字是女性，则等于1，否则等于零。面板B显示了投资者基于创始人种族信息的态度。“Asian Founder”是一个虚拟变量，如果初创公司创始人姓亚洲，则等于1，否则等于零。面板C显示了投资者对创始人年龄的态度。年龄是根据大学毕业年份得出的创始人的大致年龄。年龄是创始人年龄的平方。在第（1）栏中，dependentvariable是质量评估，它表明每个创业项目与投资者以前投资的创业项目相比，其潜在投资回报的百分位数排名。在第（2）栏中，因变量是可用性评估，它表明投资者认为创业团队接受他/她的投资而不是其他投资者的可能性有多大。在第（3）列中，因变量是联系兴趣，它描述了投资者想要联系这家初创企业的概率。在第（4）栏中，因变量是从1到20的相对投资利息，它描述了与投资者一般投资金额相比的相对投资金额。单位是相对于投资者平均投资额的十分之一。例如，如果投资者平均投资的交易是1m，而Q4等于5，那么这意味着投资者只想在这个初创公司投资100万美元×5×10%=50万美元。如果Q4是20，那么投资金额是100万美元×20×10%=200万美元。在第（5）栏中，因变量是风险评估，它描述了每个创业项目与投资者以前投资的创业项目的风险水平相比的百分位数。所有的回归都加上了投资者的信息。括号中的标准误差是稳健标准误差。结果在投资者水平上聚类标准误差时具有稳健性。

***P<0.01，**P<0.05,*P<0.1表5：实验一个基于创始人性别的内隐偏见，种族和年龄变量响应时间Q1 Q2 Q3 Q4 Q5（单位：第二）质量可用性联系投资风险(1)(2)(3)(4)(5)(6)小组A：性别研究的下半年-27.20***2.42 2.27*0.85 0.95****-2.83(2.29)(1.63)(1.25)(1.97)(0.29)(4.11)女性创始人-1.34 1.56 1.27 0.89 0.56*2.14(2.31)(1.69)(1.33)(0.30)(4.50)女性创始人×-4.26*-1.67-3.67-1.03**2.75研究的下半年(2.42)(1.79)(2.84)(0.43)(6.21)p-女性创始人在0.11 0.74 0.16 0.12 0.25研究的下半年投资者FE是是是是是是是是是是平方0.34 0.31 0.53 0.47 0.35 0.25面板B：研究的一半-27.20***2.37 1.88-0.28 0.76***-4.59(2.28)(1.68)(1.22)(1.98)(0.29)(4.11)亚洲创始人0.54 2.26-0.14 0.41 0.31-3.17(2.35)(1.70)(2.04)(0.30)(4.47)亚洲创始人×-4.41*-0.93-1.51-0.69 7.59研究的下半场(2.44)(1.82)(2.88)(0.43)(6.25)P-亚洲创始人的价值0.21 0.37 0.58 0.21 0.30研究的下半场投资者FE是是是是是是是是0.34 0.31 0.53 0.47 0.35 0.25连续因变量响应时间Q1 Q2 Q3 Q4 Q5（单位：第二）质量可用性联系投资风险(1)(2)(3)(4)(5)(6)小组C：研究的一半年龄-27.20***-7.64-20.43-8.34 0.21 81.52*(2.28)(18.86)(14.30)(22.28)(3.26)(48.78)年龄-0.18-0.37-0.83-0.51-0.03-0.23(0.85)(0.70)(0.82)(0.12)(1.64)年龄0.00 0.00 0.01 0.01 0.00 0.00(0.01)(0.01)(0.00)(0.02)年龄×0.48 1.10 0.30 0.03-4.23*研究的下半场(0.94)(0.71)(1.09)(0.16)(2.44)年龄×-0.01-0.01-0.00-0.05*研究的下半场(0.01)（0.01）（0.01）（0.00）（0.03）投资者FE是的是的是的是的是的是的是的观察1,216 1,216 1,184 1,216 1,176 176 r-平方0.34 0.31 0.53 0.47 0.35 0.27注。此表报告了投资者对创业创始人性别和种族的反应时间和评估结果的回归结果。A小组测试基于创始人性别的内隐偏见。小组B测试基于创始人种族的隐含偏差。C小组测试了基于创始人年龄的隐性偏见。“女性创始人”是一个虚拟变量，如果初创企业创始人的名字是女性，则等于1，否则等于零。“Asian founder”是一个dummyvariable，如果初创企业创始人姓亚洲，则等于1，否则等于零。“学习的后半段”是一个指示变量，显示在一个主题看过的最后八份简历中的创业前景。“年龄”是根据大学毕业年份估算的创始人年龄。“年龄”是创始人年龄的平方。所有规定中都包含了固定的e----主题。在第（1）栏中，因变量是投资者的响应时间，它被定义为每页提交前的秒数，在第95个百分位数处取值（平均59.23秒）。第（2）-（6）栏分别显示了质量评价、可用性评价、联系兴趣、投资兴趣和风险评价。对于每一个OLS回归表示r-平方。括号中的标准误差是稳健标准误差。当对投资者水平的标准误差进行聚类时，结果仍然稳健。

***P<0.01,**P<0.05,*P<0.1表6：实验一个基于投资者行业因变量反应时间Q1，Q2，Q3，Q4，Q5的基于创始人性别的内隐偏差（单位：第二）质量可用性联系投资风险(1)(2)(3)(4)(5)(6)小组A：科技行业投资者下半年研究-24.87***2.96 4.63***-0.56 1.18***-9.18*(2.81)(2.11)(2.70)(2.63)(0.38)(4.72)女性创始人1.28 2.73 1.71-0.16 0.53 9.12**(2.82)(2.16)(2.62)(0.38)(4.51)女性创始人×-6.59**-3.28-3.87-1.21**1.21下半年研究(3.16)(2.47)(3.83)(0.56)(6.71)P-女性创始人价值0.09 0.35 0.14 0.10 0.04投资者FE是是是是是是是是观察784 784 752 784 774 112 r平方0.31 0.31 0.41 0.41 0.33 0.40 B面板：常春藤规模的学院（在研究的后半段）常春藤联盟学院8.78****-0.48 8.65***1.20***-10.69**(1.67)(1.12)(1.96)(0.31)(4.17)女创始人/常春藤联盟学院-0.443.22-0.37-0.60-0.88小组C：非科技行业投资者下半年研究-31.58***1.49-1.88 3.56 0.51 7.97(3.92)(2.53)(1.74)(2.79)(0.45)(7.39)女性创始人-6.30-0.41 0.38 3.03 0.59-6.81(3.97)(2.71)(1.94)(3.10)(0.49)(8.65)女性创始人×-0.24 1.21-3.48-0.69 2.88下半年研究(3.69)(2.41)(4.02)(0.65)(11.23)P-女性创始人价值0.80 0.25 0.86 0.82 0.60下半年研究投资者FE是是是是是是是是54 0.38 0.18注。此表报告了不同行业的投资者对创业创始人性别的反应时间和评价结果的回归结果。A小组测试在科技部门（即信息技术、网络安全、软件等）工作的投资者的隐性偏见。小组B使用研究后半部分的结果，计算了技术部门的隐性偏见与去常春藤盟校的相对程度。PanelC测试了在非技术部门（如媒体、娱乐、教育等）工作的投资者的隐性偏见。“FemaleFounder”是一个虚拟变量，如果初创企业创始人的名字是女性，则等于1，否则等于零。“后半部分研究”是一个指示变量，用于在Asubject查看的最近八份简历中显示的初创企业员工。“常春藤联盟学院”是一个虚拟变量，如果创业创始人毕业于弗罗曼常春藤联盟学院，则等于1，否则等于零。在第（1）栏中，因变量是投资者的响应时间，即每页提交前的秒数，取95百分位（平均59.23秒）。第（2）-（6）栏分别显示了质量评价、可用性评价、接触兴趣、投资兴趣和风险评价。对于每一个OLS回归表示r-平方。圆括号中的标准错误。当对投资者水平的标准误差进行聚类时，结果仍然稳健。

***P<0.01,**P<0.05,*P<0.1表7：实验一个基于创始人种族的内隐偏差，由投资者的接触因变量响应时间Q1，Q2，Q3，Q4，Q5（单位：第二）质量可用性联系投资风险(1)(2)(3)(4)(5)(6)小组A：联系兴趣高(Q3>=50)研究后半段-28.05***4.85**-0.43 1.830.90***-3.63(3.00)(1.88)(1.16)(1.41)(0.33)(4.60)亚洲创始人-0.58 3.51*-1.36 0.92 0.58*-1.08(3.15)(1.95)(1.33)(0.35)(5.55)亚洲创始人×-7.94***0.02-3.66*-1.44***6.56研究后半段(2.76)(1.79)(2.20)(0.51)(7.23)P-亚洲创始人在0.02 0.25 0.06 0.01 0.25中的价值意见724 724 692 724 698 127 R-平方0.37 0.41 0.68 0.44 0.45 0.20小组B：常春藤规模的coe-cient（在研究的后半段）常春藤联盟学院8.78****-0.48 8.65***1.20***-10.69**(1.67)(1.12)(1.96)(0.31)(4.17)亚洲创始人/常春藤联盟学院-0.491.27-0.38-0.80-0.36面板C：联系兴趣低(Q3<50)研究后半段-26.46****1.90 3.62 2.33*1.07****-1.73(3.91)(1.86)(2.20)(1.39)(0.27)(4.00)亚洲创始人2.11 1.91 1.57 2.73*0.47-4.57(3.90)(1.82)(2.32)(1.30)(4.15)亚洲创始人×-1.26-3.13-2.48-0.228.46研究后半段(2.68)(3.08)(2.09)(0.42)(6.19)P-亚洲创始人在0.72 0.44 0.85 0.39 0.33研究后半段投资者FE是是是是是是是是平方0.33 0.48 0.60 0.50 0.62 0.87注。此表报告了在“高接触兴趣”和“低接触兴趣”两种情况下，投资者的反应时间和评估结果如何对创业创始人的竞争做出反应的回归结果。A小组在“高接触兴趣”情况下测试隐含的种族偏见，在这种情况下，投资者的接触兴趣高于或等于50%的概率。小组B使用研究后半部分的结果，计算了在“高接触兴趣”情况下与去常春藤盟校的情况相比，隐性种族偏见的相对程度。C小组检验了在“低接触兴趣”情况下，投资者的接触兴趣低于50%的概率中隐含的种族偏见。如果我选择其他阈值，如40%或45%，结果是相似的。“Asian founder”是adummy变量，如果初创企业创始人姓亚洲，则等于1，否则等于零。“Ivy LeagueCollege”是一个虚拟变量，如果创业创始人毕业于常春藤联盟大学，则等于1，否则等于零。“学习的后半段”是一个指示变量，显示在一个主题的最近八份简历中的创业经历。在第（1）栏中，因变量是投资者的响应时间，它被定义为每页提交前的秒数，在第95个百分位数（平均59.23秒）处进行筛选。第（2）-（6）栏分别显示了质量评价、可用性评价、联系兴趣、投资兴趣和风险评价。当对投资者水平的标准误差进行聚类时，结果仍然稳健。

***P<0.01，**P<0.05,*P<0.1表8：实验一个创始人的性别，基于种族和年龄联系的异构e-ect(1)(2)(3)(4)因变量质量协作联系投资小组A：性别β<0（非接触女性）女性创始人-16.40***-2.85-21.81***-2.61***(2.62)(1.79)(2.74)(0.47)反女性比例0.42 0.43 0.42 0.41β>0（接触女性）女性创始人7.93***1.54 13.69***1.08**(2.01)(1.32)(1.79)(0.34)亲女性比例0.58 0.57 0.58 0.59小组B：种族β<0（非接触亚洲人）亚洲创始人-12.12***-1.43-17.60***-2.01***(2.42)(1.83)(2.48)(0.46)反亚洲人比率0.45 0.46 0.45 0.46β>0（接触亚洲人）亚洲创始人6.34***-0.78 12.41***0.95***(2.10)(1.71)(2.30)(0.35)亲亚洲人比率0.55 0.54 0.55 0.54 C小组：年龄β<0（不联系老创始人）老创始人-13.17***-1.98-17.23***-2.03***(2.54)(1.80)(2.60)(0.45)反老比例0.38 0.40 0.38 0.38β>0（联系老创始人）老创始人7.83***2.06 14.47****1.34***(1.96)(1.32)(2.01)(0.38)亲老比例0.62 0.60 0.62 0.62投资者FE是是是是观察608 592 608 591注。此表通过使用评估问题的后半部分，报告了创业创始人性别、种族和年龄的基于联系决策的异构e-ect。小组A、B和C分别报告了想联系女性、亚洲人和年长创始人的投资者和想联系男性、白人和年轻创始人的投资者的异质性。“女性创始人”是一个指示性变量，如果初创企业创始人是女性，则等于1，否则等于零。“反女性”的比率是β<0的亲鱼数量除以使用的亲鱼数量。“亲女性”的比率是β>0的亲鱼数量除以使用的亲鱼总数。“AsianFounder”是一个指示性变量，如果初创企业创始人是亚洲人，则等于1，否则等于零。Anti-Asian的比率是β<0的profires的数量除以使用的profires的总数。亲亚洲的比率是β>0的亲鱼类数量除以使用的亲鱼类数量。“年长的创始人”是一个指示性变量，如果初创企业创始人2005年或以前毕业于大学，则等于1，否则等于零。“抗老”的比率是β<0的Profiles的数量除以使用的Profiles的总数。“Proolder”的比率是β>0的Profiles的数量除以使用的Profiles的数量。所有的回归结果都是用“留一”估计器估计的，然后再加上投资者所填的ECT。括号中的标准错误是为两阶段计算引导的。***P<0.01,**P<0.05,*P<0.1表9：来自捐赠部门因变量的基于口味的偏见实验：捐赠金额（单位:$)捐赠决定全样本(1)(2)(3)(4)(5)(6)女性创始人0.49-3.05*0.64-2.81**(2.27)(1.70)(2.29)(1.65)亚洲创始人4.20**1.044.27**0.37(1.71)(1.87)(1.64)(1.75)女性创始人×亚洲创始人-4.81-4.70(3.20)(3.14)女性创始人×女性投资者7.0510.31***(4.50)(3.57)亚洲创始人×亚洲投资者1.053.74(3.47)(3.48)女性投资者-4.23**-7.41***-1.33-5.38(2.12)(2.66)(2.16)(3.33)亚洲投资者**-4.71*-3.75**-5.33**(1.69)(2.42)(1.65)(2.48)常数11.10***12.41***10.71***11.47***12.88***12.00****(1.34)(1.09)(1.32)(1.37)(1.02)(1.24)观测69 69 70 61 61 62R平方0.18 0.12 0.09 0.14 0.10 0.10注。这张表报告了捐赠部分（即实验A中的独裁者游戏）的回归结果，该部分测试了当匿名捐赠时，是否存在基于初创公司创始人性别和种族的品味驱动的偏见。因变量是以美元计量的捐赠金额，从0美元到15美元不等。在第（1）-（3）栏中，我包括没有选择捐赠金额的投资者，并将他们的行为视为“捐赠0美元”。在第（4）-（6）栏中，我排除了没有选择捐赠金额的投资者。