Nos recherches ont pour objectif de mesurer l’impact de la formation d’accélérateurs de démarrage sur l’activité de financement en capital risque dans une région MSA. Comme indiqué ci-dessus, les accélérateurs de démarrage réduisent les coûts de recherche pour les entrepreneurs et les investisseurs recherchant des investissements de départ. En tant que tels, les accélérateurs de démarrage devraient stimuler une augmentation du niveau d’activité d’investissement de démarrage dans une région. Dans le même temps, il est plus probable que des accélérateurs de démarrage soient créés dans des régions où le nombre d’activités de démarrage est élevé ou qui a connu une croissance rapide de cette activité. Nous sommes donc intéressés à séparer l’impact causal de la formation d’accélérateurs de démarrage de la sélection endogène d’accélérateurs de démarrage dans des régions «chaudes» pour les activités de démarrage.

En utilisant un ensemble de données de panel de régions MSA de recensement américain sur dix ans, nous exploitons le fait que différents accélérateurs ont été fondés année après année dans différentes régions MSA pour évaluer l’impact de la création d’accélérateurs via un modèle de différences dans les différences.

Malheureusement, la création d’un accélérateur dans une MSA donnée est potentiellement fonction de variables non observées par l’économétricien. Si d’anciens entrepreneurs ont mis en place un certain nombre de programmes d’accélération pour des raisons altruistes, tels que le désir de soutenir une communauté de leur ville natale ou de développer un écosystème dans une région inexistante, il subsiste une préoccupation quant au fait que les régions dans lesquelles ils ont été créés diffèrent systématiquement. mode des régions qui ne reçoivent pas d’accélérateur. Nous abordons le potentiel de biais des variables omises de trois manières.

Premièrement, nous créons un ensemble de MSA de contrôle et de traitement appariés en utilisant un modèle de taux de risque dynamique; deuxièmement, pour chaque modèle, nous exécutons une régression supplémentaire avec l’inclusion de tendances temporelles linéaires spécifiques à MSA; et troisièmement, nous estimons un modèle de triple différences utilisant des investissements de départ dans les entreprises en développement dans le secteur de la biotechnologie en tant que secteur non traité, ce qui ajoute une variation sectorielle au sein de chaque MSA. Prises ensemble, ces trois techniques nous permettent d’examiner la robustesse de nos modèles de régression face aux différentes formes de spécification erronée. Chacune de ces trois approches est abordée ci-dessous.

Notre principale préoccupation est que la décision de fonder un accélérateur dans une région plutôt que dans une autre pourrait être endogène aux fluctuations à court terme de l’attractivité d’une région pour les investisseurs en phase de démarrage. Dans d’autres contextes, les chercheurs ont constaté que des changements à court terme dans les résultats, tels qu’une baisse de salaire, peuvent conduire à une décision de traitement, comme suivre un programme de formation professionnelle (Ashenfelter, 1978; Abadie, 2005). Afin de contrôler les fluctuations à court terme qui pourraient conduire à la création d’un accélérateur, nous associons soigneusement nos MSA traités à des MSA non traités qui sont substantiellement similaires aux MSA traités pendant les années précédant le traitement, ce qui pourrait affecter l’attractivité de la région plus tôt. financement par étapes.

Avec notre modèle de taux de risque dynamique estimé, nous choisissons ensuite une correspondance pour chaque région traitée en recherchant la région non traitée présentant la probabilité la plus proche de fonder un accélérateur dans cette année lorsque la région traitée se trouve sur le support commun. Cette procédure d’appariement exclut certaines régions, comme la Silicon Valley et la région de Boston / Cambridge, qui n’ont pas de contrepartie naturelle dans la population d’ASM de contrôle potentiels. Nous pensons que l’exclusion des régions dotées d’écosystèmes entrepreneuriaux d’une richesse disproportionnée constitue le contrefactuel approprié pour la question de recherche à traiter. Fidèle à cette conviction, chacune des cinq principales régions en termes d’allocation annuelle de capital-risque a reçu des accélérateurs de démarrage relativement tôt dans la diffusion de cette forme organisationnelle (Cambridge, MA et Silicon Valley étaient les deux premiers sites). Nous nous attachons donc à comprendre l’impact causal des accélérateurs dans les régions où l’infrastructure de démarrage est moins développée.

Pour mieux contrôler les tendances à long terme dans chaque MSA, nous complétons nos modèles avec des contrôles de tendance temporels linéaires spécifiques à MSA, comme dans Autor (2003). Pour chaque modèle que nous estimons, nous estimons en outre une spécification alternative dans laquelle nous ajoutons une tendance temporelle linéaire supplémentaire spécifique à MSA.

Enfin, nous essayons de contrôler les changements non observés dans la qualité d’une MSA pour les activités de démarrage en ajoutant une industrie factuelle, la biotechnologie, qui n’a pas été affectée par l’émergence d’accélérateurs. Les exigences en capital humain et en cycle de vie des nouvelles entreprises de biotechnologie sont radicalement différentes de celles des éditeurs de logiciels qui peuplent les accélérateurs. Les fondateurs et les premiers employés de jeunes entreprises de biotechnologie sont le plus souvent des scientifiques préparés pour un doctorat qui étendent les résultats de leurs travaux antérieurs à des applications commerciales. Ainsi, le travail en laboratoire tend davantage à prouver le concept que les cycles de développement rapide des clients soulignés par les accélérateurs. De plus, les exigences de capital et les horizons temporels sont différents pour les nouvelles entreprises de biotechnologie: ils nécessitent plus de temps et d’argent. Pour ces raisons, les programmes d’accélération n’ont pas attiré ou sollicité de jeunes entreprises spécialisées dans les biotechnologies. Nous soutenons donc que l’arrivée d’un accélérateur de startups dans leur région aura peu de répercussions sur l’écosystème des startups de la biotechnologie, car il est peu probable que les fondateurs d’une les entreprises de logiciels en tant que services qui peuplent les accélérateurs ont peu de chances d’investir dans une startup du secteur de la biotechnologie.