风险投资业的歧视：来自两个方面的证据 随机对照试验

“女性创始人”是一个指示性变量，如果显示的初创企业创始人是女性，则等于1，否则等于零。“AsianFounder”是一个指示性变量，如果显示的创业公司创始人是亚洲人，则等于1，否则等于零。“女性创始人×亚洲创始人”是“女性创始人”和“亚洲创始人”的交互项。同样，“女性投资者”和“亚洲投资者”是指示性变量，如果投资者是女性或亚洲人，则等于1。所有回归都使用稳健的标准错误，在括号中报告。***P<0.01，**P<0.05，*P<0.1表10：实验B投资者对随机电子邮件的反应A：反应汇总统计n平均中位数S.D。最小最大开放率3720 12.03%0 0.333 1停留时间（单位：s）3,381 24.10 10.33 26.73 0.01 86.63点击率519 1.68%0 0.13 0 1电子邮件回复472 1.53%面板B：电子邮件打开行为因变量：1（开放）（1）（2）（3）（4）（5）完全完全完全“纯常春藤”完全完全完全女性创始人=1 0.010***0.010***(0.004)(0.004)亚洲创始人=1 0.007*0.006(0.004)(0.004)IVY=1 0.007*0.012**0.007*(0.004)(0.005)(0.004)项目优势=1 0.001(0.004)亚洲创始人=1×三月中国病毒=1-0.009(0.010)三月中国病毒=1-0.040**(0.020)美国投资者*(0.006)(0.006)(0.006)(0.008)(0.006)女性投资者=1-0.019***-0.020***-0.019***-0.017***-0.019***(0.005)(0.005)(0.006)(0.005)常数0.006 0.005继续面板C：停留时间因变量：停留时间（单位：s）(1)(2)(3)全样本全样本打开电子邮件（性别）（种族）（种族）女性创始人=1 0.12 0.25*0.31(0.19)(0.13)(0.88)亚洲创始人=1 0.28 0.38**2.49*(0.13)(0.19)(1.34)IVY=1 0.11 0.11-0.12(0.13)(0.13)(0.88)项目优势=1 0.12 0.12 0.92(0.13)(0.88)美国投资者=1-0.24-0.24 1.30(0.20)(0.20)(1.20)3月=1 1.23 1.68*6.11(0.93)(0.93)(0.34)93）（4.98）女性创始人=1×0.24march=1(0.26)亚洲创始人=1×-0.66**-5.48***march=1(0.26)(1.74)控制是是是，是，是，观察30,909 30,909 3,720经调整的r平方0.002 0.003 0.002注。本表总结了投资者在通信测试中的电子邮件反应，并报告了实验B中全球投资者对随机推销电子邮件的电子邮件打开行为的回归结果。A组总结了重要投资者在推销电子邮件设置中的信息获取行为。小组B报告了创业特征A如何限制ECT投资者打开电子邮件行为的回归结果。面板C报告了创业公司特征A的回归结果，以及投资者在每封邮件中的停留时间。在面板B中，因变量是一个虚拟变量，当投资者打开推销电子邮件时为一个，否则为零。“女性创始人=1”是一个指示变量，如果发件人的姓名是女性，则等于1，否则等于零。类似地，“亚洲创始人=1”是一个指示变量，如果发邮件者的姓是东亚人，则等于1，否则等于零。“常春藤=1”是常春藤联盟教育背景的一个指标变量。“Project Advantage=1”是一个指示变量，当电子邮件的主题线包括相应的比较优势时，它就是一个指示变量。“三月中国病毒=1”是一个指标变量，当电子邮件在2020年03/18/-2020年03/24/之间发送时，特朗普总统使用了“中国病毒”的措辞。“美国投资者=1”和“女性投资者=1”是作为美国投资者和女性投资者的指标变量。列(1)、(2)、(3)和（5）使用了在对应测试中收集的所有观察结果。在第（4）栏中，报告了创业团队毕业于纯常春藤盟校、斯坦福大学和麻省理工学院的子抽样结果。

“纯常春藤”表示“来自哥伦比亚大学的团队”，而“混合常春藤”表示“来自哥伦比亚大学和茱莉亚音乐学院的团队”。对于音乐或医疗行业的一些初创公司，我将常春藤联盟大学和该领域的一所好大学结合起来进行治疗组。在面板C中，因变量是每封投球邮件花费的时间，以秒为单位。在第（1）和第（2）栏中，我包括未打开的电子邮件，并将其电子邮件停留时间替换为0秒。考虑到潜在的截断问题，我还在第（3）栏中报告了打开的电子邮件的子样本。Ris为所有OLS回归的调整R，括号内的标准误差按投资者级别归类。***P<0.01,**P<0.05,*P<0.1表11：实验B基于电子邮件打开率因变量的交互e-可持续ECTS；1（开张）(1)(2)(3)(4)(5)满“混合常春藤”“纯常春藤”满03/24后，“纯常春藤”女性创始人=1 0.006 0.002 0.009(0.005)(0.008)(0.007)亚洲创始人=1 0.009*0.026***(0.005)(0.008)(0.008)(0.007)(0.008)(0.008)(0.008)IVY=1×女性创始人=1 0.008 0.020*-0.002(0.007)(0.011)(0.010)IVY=1×亚洲创始人=1-0.007-0.032****(0.007)(0.011)(0.011)美国投资者16***-0.019**(0.006)(0.008)(0.008)(0.006)(0.009)女投资者=1-0.019***-0.023***-0.017***-0.019***-0.011(0.005)(0.006)(0.005)常数0.191***0.191***0.117***0.190***0.103***(0.019)(0.020)(0.019)(0.013)(0.013)(0.013)投掷FE是是是是是是观察30,909 14,331 16,578 30,909 13,006 r-平方0.005 0.004 0.006 0.005 0.007注.本表以投资者的电子邮件打开率为结果变量，对创业者的教育背景与创业者的性别、种族之间的交互作用进行回归分析。因变量是一个虚拟变量，如果投资者打开推销电子邮件，它是一个虚拟变量，否则为零。“女性创始人=1”是一个指示变量，如果发邮件者的名字是女性，则等于1，否则等于零。类似地，“亚洲创始人=1”是一个指标变量，如果发邮件者的姓是东亚人的名字，则等于1，否则等于零。“常春藤=1”是在电子邮件的主题行中添加常春藤联盟教育背景的指示变量。“美国投资者=1”和“女性投资者=1”是美国投资者和女性投资者的指标变量。为了找出潜在的主导机制，我在第（1）-（3）栏中加入了“常春藤=1”和“女性创始人=1”的相互作用项，在第（4）-（5）栏中加入了“常春藤=1”和“亚洲创始人=1”的相互作用项。列（1）报告了使用对应检验中的所有观察结果的回归结果。在第（2）栏中，报告了“混合常春藤”子样本的结果，这表明了“哥伦比亚大学和茱莉亚音乐学院的团队”等案例。对于音乐或医疗行业的一些初创企业，我将常春藤大学和该领域的好大学结合起来进行治疗组。在第（3）栏中，报告了“纯常春藤”子样本的结果，这表明了像“哥伦比亚大学团队”这样的案例。在“纯常春藤”案例中，创始人毕业的大学是常春藤联盟学院、斯坦福大学和麻省理工学院。在第（5）栏中，报告了在03/24后发送沥青电子邮件和电子邮件属于“纯常春藤”情况下的子样本的结果，以增加实验的功率。注意，特朗普总统在03/23/2020年后停止使用“中国病毒”。Ris调整后的RforOLS回归。标准错误在括号中，并在投资者级别上群集。

***P<0.01,**P<0.05,*P<0.1表示统计意义为1%，5%,和10%的水平，表12：实验B投资者反应（性别）因变量的异质性e-crett ECT；1（开放）因变量：邮件停留时间单位:S(1)(2)(3)(4)(5)(6)全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女全女752*(0.006)(1.561)常数0.192***0.153***0.204***24.124***16.048***26.432***(0.019)(0.030)(0.023)(3.175)(4.579)(3.848)启动FE是是是是是是是观察30,909 7,277 23,632 3,720 767 2,953 r-平方0.005 0.002 0.005 0.000 0.001 0.000注。该表报告了在对应检验中，全球投资者对基于投资者性别的随机投资策略的电子邮件打开行为的异质性，有助于检验这种机制的同源性。在第（1）-（3）列中，因变量是一个虚拟变量，当投资者打开推销电子邮件时，它是一个，否则为零。在第（4）-（6）列中，因变量是在每个推销电子邮件上花费的时间。为了减少截断问题，我只在第（4）-（6）栏中包括打开的电子邮件。“女性创始人=1”是一个指示变量，如果发邮件者的姓名是女性，则等于1，否则等于零。类似地，“亚洲创始人=1”是一个指示变量，如果发邮件者的姓是东亚人的名字，则等于1，否则为零。“美国投资者=1”和“女性投资者=1”是美国投资者和女性投资者的指标变量。Ris调整后的Rfor OLS回归。标准误差在括号内，并在投资者级别上聚类。***P<0.01,**P<0.05,*P<0.1表示统计意义为1%，5%,和10%的水平，图1：实验A实验设计图2：实验一激励结构设计3：实验B一个投掷电子邮件的例子图4：实验B启动WebSiteFigure5的示例：实验B对应测试实验设计说明：这篇文章描述了实验时间线、实验设计和跟踪的财务人员的电子邮件行为。图6：创始人性别、种族和年龄在联系人兴趣分布中的Ect（第二篇文章）说明：这篇文章使用实验A第二篇文章中评估的结果展示了初创公司创始人性别、种族和年龄在联系人兴趣分布中的Ect（第二篇文章）。面板A提供了创始人性别对投资者联系人兴趣评级的经验值（即P r（联系人兴趣≤x女性创始人）和P r（联系人兴趣≤x男性创始人））。小组B提供了OLS COE_Cient估计值（即，P r（联系人兴趣≤x女性创始人）-P r（联系人兴趣≤x男性创始人））和相应的95%Con水平。同样，面板C和E提供了创始人种族和年龄的经验CDF。面板D和F为创始人的种族和年龄提供了OLS COE CientEstimates。在线附录数据构建过程1数据来源为了构建个人级别的全球风险投资家数据库，包含人口统计信息和联系信息，我使用以下商业数据集和人工收集的数据。A.1.1 Pitchbook&CBINSightPitchbook数据库包含了关于风险投资和天使投资者的人口统计信息和全球联系方式的极其全面的信息，尽管特别是在美国。我购买了2017-2020年的个人数据，并从Pitchbook中选择了以下类型的投资者：天使集团、天使个人投资者、企业风险投资、家庭和风险投资。

CBInsight用于补充Pitchbook数据。a.1.2 ExactDataI还从专业数据公司“ExactData”购买了一个美国风险投资从业者数据库。Inc“，它从在线网站和各种风险投资行业活动或集会中收集信息。我的研究团队在2018年夏天和2019年春天对数据库进行了挖掘和清理，删除了那些已经离开行业的人，并更正了其他无效信息。此外，我们手动浏览了数据库中包含的每个firegrm，并通过以下渠道添加了原始数据库中没有包含的新风险投资从业者的联系信息：个人网站、firegrm网站、LinkedIn、Zoominfo和Rocketreach。A.1.3 SDC new Issue Database&Rocketreach Rocketreach是为公司员工提供联系信息的最大平台和数据源之一。鉴于公司名称列表，提取员工的联系信息是可行的。因此，我实施了以下步骤来进一步添加投资者的联系信息：第一步：添加新公司我通过查看2018年全国风险投资协会(NVCA)成员名单和汤普森路透SDC白金VentureXpert数据库，在我们以前的数据库中添加了许多新的风险投资基金。第二步：收集投资者信息基于基金名单，我使用Rocketreach的API搜索了在相应基金和公司工作的所有员工。我只保留了与投资相关的职位，如风险投资投资者、分析、助理、副总裁、总经理等。Rocketreach为我提供了联系信息（如电子邮件和电话号码）和人口统计信息（如Facebook、Twitter、LinkedIn和职位等）。对于Pitchbook和ExactData中没有包含的投资者，个人级别的投资者人口数据是从个人网站、Facebook、Figurrm网站、LinkedIn、Zoominfo和其他社交平台手动提取的。a.1.4 ZdatabaseZdatabase由清科研究中心提供，是目前覆盖中国风险投资和PE行业的最全面、准确和及时的数据库之一。它包含了关于活跃中国的丰富信息。这些商业数据库不是免费的，需要研究人员签署数据合同用于学术目的。分析中使用的所有关键变量，包括性别、位置和行业，都是通过多个社交平台手工验证的，包括LinkedIn、公司网站、个人网站和在线新闻，如果这些信息在PitchBook上没有的话。使用Rocketreach收集员工的联系信息是一种非常电子商务的数据收集方法。给定一个公司名称列表，研究人员可以使用Rocketreach将公司级别的数据扩展到个人级别的数据。这种数据收集方法可能可以在劳动经济学和企业章程的广泛研究中实施。zdatabase描述:http://www.p5w.net/fund/smjj/201209/p020120905327816063973.pdfinestment机构及其管理团队从1992年开始。所有数据都是通过定期调查和每日电话收集的，并通过许多其他可用的渠道进行核实。该数据库每天更新，以提供准确、及时和权威的数据来源。考虑到是项研究是以英文进行的，我只包括来自香港的投资者，而不包括来自内地的投资者。a.2关键变量a.2.1 GenderPitchbook和ExactData包含每个投资者的性别信息。对于这些数据集中没有包含的其他投资者，我的研究团队通过搜索在线社交平台和公司网站来手动验证他们的性别。对于性别信息不明确的投资者，我将他们排除在招聘名单之外。A.2.2 LocationPitchbook和ExactData包含每个投资者的位置信息。

对于这些数据集中没有包含的其他投资者，我的研究团队手工收集了他们在LinkedIn或公司网站上的位置信息。A.2.3 IndustryPitchbook包含每个投资者及其基金的详细行业偏好。对于其他不在Pitchbook中的投资者，我的研究团队手工从LinkedIn和其他社交平台收集了他们的个人偏好。如果没有个人级别的行业偏好，我将使用基金的行业偏好。如果在网上或CBInsight或Pitchbook中没有找到偏好信息，我假设投资者没有任何特定的投资偏好。这样的假设可能会造成额外的噪音，并降低EcoRespondence测试中的电子邮件回复率。A.2.4ESGPitchbook包含了每个基金的投资理念和它们的类型。在基于Afund的ESG标准的异质分析中，我将那些不支持风险投资的基金视为影响基金，而支持风险投资的基金视为普通基金。这种分类方法可能低估了与ESG相关的风险投资基金的比例。另一种方法是在风险投资基金的公司描述中选择具有ESG代表性的关键词Barber et al来对其进行分类。（2020年）做到了。然而，关键词的选择具有很强的主观性和对语境的依赖性。基于这种更积极的态度，与ESG相关的基金可以占总观察数的大约7%。然而，基于这两种分类方法的基本异构性ECT分析是相似的。图A1:全球投资者的地理分布图A2:美国投资者的地理分布B实验室实验B.1创业项目建设过程B.1.1创业团队特征（人力资本资产）其他相关特征。-除了性别、种族、年龄和教育背景之外，我还随机列出了以下创业团队的特征，这些特征通常可以在LinkedIn、AngelListor Crunchbase等公共平台上找到。这些特征包括初创企业创始人的数量（1或2）和创始人以前的创业经验。为了更好地容纳来自新兴行业的投资者，我使用“SerialEnterpreneure”一词来表示创始团队以前的经历。B.1.2创业项目特征（非人力资本资产）比较优势。-为了表明创业项目的质量，我随机生成创业项目的公共比较优势子集，并使用这些优势的数量来表示质量。但是，考虑到直接投资的比较优势是由直接投资行业的投资者所重视的，本文还询问了投资者在工具末尾使用的10个比较优势中，他们会关注哪一个比较优势，并用这些比较优势的数量来验证结果。表B3提供了这些优势。-牵引力也是初创企业财务状况的一个重要指标，它是通过以前的月收入和年收入增长率来衡量的。考虑到我们的目标是早期投资者，一半的创业项目还没有产生正收益，另一半已经产生了正收益。以往的月收入和年收入增长率来自于倾向于较成熟公司的Pitchbook，使命(ESG)--使命(ESG)--如何满足ECT投资者的决策是一个重要的制度问题，近年来越来越受到实践者和研究者的关注。为了使公司的ESG标准随机化，我引入了一个名为“使命”的随机变量，它表明这类初创企业是纯粹的专业驱动（即对照组，最常见的观察到的初创企业），还是在5年内有IPO计划的专业驱动（即治疗1组），或者也关心其环境和社会影响（即。

处理1组，社会风险投资）。与ESG相关的任务描述是从真实的社会风险投资中提取的。其他相关特征--除了上面提到的项目特征之外，我还添加了以下通常在CrunchBase上可用的特征来丰富创业项目：创业成立日期、公司类别(B2B或B2C)、员工数量、目标市场和地点。由于本实验招募的投资者是以美国为基地的投资者，我只在地点方面创建了两个类别，包括美国和美国以外，以测试任何潜在的国内偏见渠道。B.1.3以前的筹资情况现有投资者的数量-一些投资者可能依赖以前投资者的行为来做出决定，而不是依赖他们自己的私人信息，尤其是当以前的投资者成功时。Suchherding行为被证明是在IPO背景下，随后的投资者忽视他们的私人信息，并与早期的投资者分开(Bikhchandani，Hirshleifer和Welch(1992))，这是由信息级联（Bikhchandani et al.(1992))解释的。为了在一级市场上测试这种行为，我还随机选取了以下信息：例如，科技行业的投资者可能更关心注册的知识产权，以制造进入壁垒，而时尚行业的投资者可能更关心名人代言，而不是任何与科技相关的优势。一些早期初创企业的增长率可以是100%至200%，而Pitchbook记录的大多数初创企业的增长率在20%至80%之间。企业对企业或企业对客户。这些类别可能会满足ECT投资者的期望，因为它们与初创企业的潜在商业模式密切相关。参见Tomasz Tungus推特上的讨论，他是Redpoint的投资者。现有投资者表明其他投资者的决定类似于伯恩斯坦等人。（2017年）。现有投资者的信息也可以在CrunchBase、Pitchbook或CB Insights等多个平台上获得。然而，suchrandomization的一个局限性是，我没有提供现有投资者的投资背景声誉的进一步背景信息。

未来的研究人员可以提供更多的背景信息，以便更好地检验这一理论假设。表B1:实验全名亚洲女性白人女性亚洲男性白人MaleCynthia Huynh Amber Morris Evan Liu Patrick KellyJennifer Tang Erica Carpenter Alan Wu Stephen BennettAmanda Cheung Anna Ho Alan Liang Stephen MartinChristina Chang Amanada Gray William Chung Jeremy WhiteLinda Chung Ti Any Roberts Nicholas Wang Jason AdamsBrittany Yi Lisa Luu Donald SchultzMegan Ho Karen Carroll Jackary WrightEmily Xu Danielle Luke Yang Anthony RobertsJulie Chan Amber Sullivan Justin Dinh Justin CooperMonica Luong MadelineWalsh Matt Hoang Benjamin HillAmber Hoang Abigail Kelly Jacob Xu Mark MyersSara Truong Alicia Cook Donald Choi Phillip BakerKatrina Tai Amanda Jensen Dennis Lin Vincent PetersonAbigail Zhao Angela Larson Victor Kwon Dennis ReedVanessa Choi Hayley Thompson Jason Pham Frank PhillipsPatricia Li Hayley Thompson Jason Pham Frank PhillipsPatricia Li Christine Duong Shane Zjenna Nguyen Molly Weaver Jeremy Yu Jared WalshMargaret Lian，Melissa Stone Seth Truong Zachary ParkerDanielle Liu Melanie Wilson Ian周John CarpenterMegan Dinh Rachael Ward Matthew Chang Je Kinery CookMelanie Yang Elizabeth Miller Scott Lu Nathan NelsonAmanda Thao Mary Hill Sean Hwang George Bargerssarah Yu Amy Moore Hu George BarkerNichole Liu Vanessa Smith Mark Chan Sean BeckChristine Cho Teresa Anderson Jack Zhu David HallVictoria Halthernia Schultz Timothy Zeng Andrew MillerTeresa Wonheather Martin Benjamin郑美琳达·埃文斯保罗·恩戈菲利普·莫里森利·黄桑德拉·赖特安东尼·易埃文MooreKaren Ngo Christina Russell Shane Huang Paul BurkeElizabeth Duong Kayla Allen Robert Zhang Matt PriceLaura Luu Jacqueline Schmidt Kenneth Tsai Marcus CollinsRebecca Hsu Jennifer Welch Richard Hog Richard ThompsonMelinda Zhang Michelle Nelson Brian Cho Thomas SnyderKatherine Le Sarah Fisher Joel Le Christopher LarsonTara Jiang Brittany Rogers Michael Li此表提供了调查工具中使用的假设初创企业创始人的名单。50个名字被选为高度表明种族和性别的每一种组合。考虑到白人和亚裔创业创始人占了大部分高度创新的创业公司，我们只列出了上面的四种组合：亚裔女性、白人女性、亚裔男性和白人男性。从这些列表中提取的名字显示在启动程序的开始部分和用于评估简历的问题中。名字和姓氏每次出现时都是链接的，firerst和姓氏的组合是随机生成的。考虑到亚裔美国人和白人美国人有非常相似的命名模式，正如Fryer Jr和Levitt(2004)所记录的那样，我从相同的名字池中选择他们的名字。在我生成了一份潜在候选人的全名名单后，我进一步删除了著名初创公司创始人或首席执行官拥有的名单。这就是为什么亚洲创始人的名字和白人创始人的名字之间有轻微的差异。在表的选定列中，名称是统一选择的，没有替换。

我使用这些名字引起的变异作为分析变量女性，亚洲人；女性，白人；男性，亚洲人；男性，白人。我没有明确列出性别信息，正如Crunchbase平台所做的那样（例如，通过再增加一个要点：性别：男），由于实验观察者的注意事项。表B2:实验A教育背景（学校列表）学校类别大学百分比（顶尖学校）布朗大学50%例子哥伦比亚大学康奈尔大学达特茅斯学院哈佛大学普林斯顿大学宾夕法尼亚大学加州理工学院西北大学斯坦福大学芝加哥大学（普通学校）托马斯耶尔森大学（153）50%例子阿肯色大学（153）霍夫斯特拉大学（162）密西西比大学（162）弗吉尼亚联邦大学（162）阿德尔菲大学（166）马里兰巴尔的摩郡大学（166）圣约翰大学（179）底特律大学（179））爱达荷大学（179）比奥拉大学（185）查塔姆大学（185）贝拉明大学（197）伯特利大学（197）洛约拉大学新奥尔良（197）罗伯特莫里斯大学（202）里吉斯大学(202)Widener大学(202)Laurentian大学（加拿大）Auburn大学(104)Rochester理工学院(104)Tulsa大学(121)DePaul大学（125）注释。此表提供了用于生成每个假设StartupFounder的教育背景的学校列表。顶级学校和普通学校的百分比是50%对50%来增加权力。此外，对于高度创新的初创企业，他们的创始人更有可能毕业于名牌大学。顶级学校指常春藤盟校（布朗大学、哥伦比亚大学、康奈尔大学、达特茅斯学院、哈佛大学、普林斯顿大学、宾夕法尼亚大学和耶鲁大学）以及其他美国顶级学校（阿姆赫斯特学院、加州理工学院、杜克大学、麻省理工学院、西北大学、斯坦福大学、加州大学伯克利分校、芝加哥大学和威廉姆斯学院）。由于我们合作的孵化器与哥伦比亚大学和斯坦福大学有更多的联系，我们给予这些大学更多的权重。根据美国新闻2020年的排名结果，普通学校是那些排名低于第150名的学校。我还添加了一个加拿大共同学校，因为其中一个孵化器来自加拿大。表B3:实验a公司比较优势优势类别描述（产品）商业秘密/专利注册名人代言独家合作伙伴积累了许多试点消费者采用最新技术定价优势伟大的产品设计第一个推动者（成本）成本更低的Scaletotal100%注意到。我用相应的比较优势的数量来衡量创业项目的质量。对于每一个创业项目，比较优势的子集是从上面列出的10个优势中随机抽取的。表B4:实验A设计，直接评估问题的激励设计匹配激励货币激励匹配和货币激励（版本2）（版本1）Q1（质量评估）是是是是Q2（合作可能性）是不是Q3（联系兴趣）是不是Q4（投资兴趣）是不是Q5（风险评估）是N/A是注。这张表描述了激励的类型和对每个评估问题的影响。第1列显示了MatchingEstruction（使用匹配算法对匹配的初创企业进行匹配），它适用于所有的评估问题。

第2栏显示，提供抽奖机会的货币激励只激励Q1（对初创企业质量评估的评估），因为抽奖中奖者的回报只取决于对初创企业回报的信念。第3栏显示，将匹配和货币激励结合在一起也可以激励所有的问题。我发了第一版的招聘邮件，说明书海报、以及对获得这两种激励的投资者的同意书。表B5:实验A评估结果（团队与项目）因变量Q1 Q2 Q3 Q3 Q4 Q4 Q5质量合作联系人联系人投资投资风险(1)(2)(3)(5)(6)(7)系列创始人5.23****-0.81 5.64****1.26 0.76***0.13-0.65(1.08)(0.88)(0.19)(0.15)(3.05)常春藤5.36****-1.067.44***-3.01***0.87**0.20-6.44***(1.10)(0.31)(0.93)(0.20)(0.15)(3.26)创始人人数1.56-1.21 1.17-0.11 21 0.04-5.32*(1.07)(0.88)(1.29)(0.91)(0.20)(0.15)(3.06)美国方正0.95 0.02 4.23***3.69***0.08 0.03-0.91(1.18)(0.91)(1.39)(1.00)(0.21)(0.16)(3.48)#比较Adv 3.10***-0.22 2.76***0.340.55***0.15**0.91(0.54)(0.43)(0.64)(0.43)(0.10)(0.07)(1.48)有积极牵引力12.70***1.75**13.35***1.91*1.81***0.28*9.51***(1.07)(0.86)(0.28)(0.20)(0.16)(3.15)员工人数[010]0.672.37**-1.73-2.57**-0.19-0.29-1.18(1.43)(1.16)(1.69)(0.26)(0.20)(3.94)员工人数64)(1.35)(1.99)(1.39)(0.30)(0.23)员工人数[2050]-0.47-0.02-1.21-0.72-0.16-0.12-1.28(1.45)(1.17)(1.71)(1.17)(0.27)(0.19)(3.59)公司年龄-4.59*-5.99***-7.39**-2.19-1.26**-0.54-3.41(2.72)(2.19)(2.26)(0.49)(0.37)(7.74)公司年龄0.75 1.12**1.27**0.42 0.23**0.100.77(0.54)(0.44)(0.64)(0.45)(0.10)(0.07)(1.52)是B2B 3.90***3.73***6.10***1.470.81***0.32**-4.91(1.07)(0.86)(1.28)(0.89)(0.20)(0.15)(3.01)国内市场-0.10-0.600.090.570.080.13-3.32(1.08)(0.86)(0.28)(0.20)(0.14)(3.19)Q1 0.88***0.12***(0.03)(0.01)Q2 0.18***0.01(0.03)(0.01)Q2 0.18***0.01(0.01)常数20***-4.19 5.62***-0.33 67.01***（6.56）（6.02）（4.93）（7.50）（1.43）（0.63）（11.66）投资者FE是是是是是是是观察1,216 1,184 1,216 1,184 1,176 1,154 176 r-平方0.44 0.55 0.56 0.80 0.44 0.70 0.34注。这张表表明投资者了解激励机制，并关心多个重要的创业团队和项目特征。在第（1）-（7）栏中，因变量是Q1（质量评价）、Q2（合作兴趣）、Q3（联系兴趣）、Q3（联系兴趣）、Q4（联系兴趣）、Q4（投资兴趣）、Q5（风险评价）的评价结果。“连续创始人”、“常春藤”、“美国创始人”、“具有积极吸引力”、“是B2B”和“国内市场”是一个指示性变量，如果创始人是连续企业家，毕业于常春藤大学，或居住在美国，项目具有积极吸引力，是企业对企业的初创企业，或专注于国内市场。如果启动没有这样的特征，这些变量等于0。“Number offounders”要么是1要么是2；“比较优势数量”和“公司年龄”可以是{1,2,3,4}；“Companyage”是公司时代的方块。“Q1”为创业质量评价结果。“Q2”是对合作可能性的评估结果。所有的回归结果都添加了投资者所需的E&ect，并使用括号中报告的稳健标准。我使用Bonferroni方法来实现多重假设检验。

***P<0.01,**P<0.05,*P<0.1表B6:实验A激励结构比较(1)(2)(3)(4)Q1Q2Q3Q4面板A：性别女性创始人-0.60 0.57-0.34 0.02(1.29)(0.99)(1.53)(0.23)女性创始人×0.30-0.77-4.18 0.13匹配(3.39)(2.19)(4.02)(0.59)匹配-13.80 48.13****15.28***-0.87(9.58)(3.93)(2.61)(1.76)投资者FEs Yes Yes Yes Yes Yes Yes Yes Yes观察1,216 1,184 1,216 1,176 r-平方0.31 0.530.47 0.34小组B：RaceAsian创始人-0.28-0.61-0.75-0.18(1.29)(0.99)(1.51)(0.23)亚洲创始人×2.26 0.03 2.81 0.93匹配(3.40)(2.26)(4.11)(0.58)匹配-14.7847.73***11.78***-1.26(9.84)(3.97)(2.57)(1.75)投资者FEs Yes Yes Yes Yes Yes Yes Yes观察1,216 1,184 1,216 1,176 r-平方0.31 0.530.47 0.34面板C：年龄-0.46-0.35-0.43-0.06（0.49）（0.38）（0.57）（0.09）年龄0.00 0.00 0.00 0.00（0.01）（0.00）（0.01）（0.00）年龄×2.64**0.75 0.63 0.33匹配(1.34)(0.85)(1.58)(0.23)年龄×-0.03*-0.01-0.01-0.00匹配(0.02)(0.02)(0.00)匹配-54.95*15.71-37.53-5.48（28.57）（18.56）（32.35）（4.94）投资者FEs Yes Yes Yes Yes Yes Yes观察1,216 1,184 1,216 1,176 r-平方0.31 0.53 0.47 0.34注。本表比较了“匹配激励+货币激励”和仅“匹配激励”两种激励结构招募的投资者的评价结果。“匹配”是一个指标，当招聘过程中只提供匹配激励时，该指标等于1，否则等于零。小组对与创始人性别相关的评估结果进行比较。面板B显示了与创始人种族相关的评估结果的比较。面板C显示了与创始人年龄相关的评估结果的比较。列（1）显示了Q1（质量评价）回归。列（2）显示了Q2（合作可能性）回归。列（3）显示了Q3（联系兴趣）回归。第（4）栏显示了Q4（投资兴趣）回归。Allregression的规定为每个投资者添加了规定的e----ects。***P<0.01,**P<0.05,*P<0.1。表B7:1sthalf profections和投资者2ndhalf评价的特征(1)(2)(3)(4)Q1 Q2 Q3 q4女性创始人17.77 21.80 33.60 0.94一半(17.03)(17.32)(22.39)(2.76)亚洲创始人0.29 2.47-30.84*-0.34一半(10.95)(13.94)(16.44)(1.95)年长创始人-1.02 2.02*-0.77-0.10一半(1.40)(1.20)(2.06)(0.26)观察68 68 68 67注。本表测试当投资者在下半年评估更多的少数族裔创始人时，他们对少数族裔创始人的下半年评估评级是否会降低。因变量“Q1”“Q2”“Q3”“Q4”代表实验A后半段“Q1”“Q2”“Q3”“Q4”的平均评分。“女性创始人在半段中的比例”、“亚洲创始人在半段中的比例”和“年长创始人在半段中的比例”分别代表女性创始人、亚洲创始人和年长创始人在半段中的比例。这些横截面回归使用稳健的标准误差。其中一位投资者参与了两次实验，因此我们删除了他的回答。然而，在包括他的回应后，结果仍然稳健。表B8:比较女性领导和男性领导的初创企业的表现（1）（2）（3）（4）（5）（6）小组A.全球初创企业所有女性创始人-0.049***-0.009 0.009**-0.003-0.005**-0.002（0.008）（0.004）（0.004）（0.001）（0.001）混合性别创始人0.003 0.017***-0.005*-0.006**-0.002-0.001（0.005）（0.003）（0.003）（0.003）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001）（0.001 215 44,215 r-平方0.06 0.17 0.06 0.07 0.05 0.06控制不是，不是，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，是的，