讀到這里，也許你會問,有大學(xué)文憑的創(chuàng)業(yè)者究竟比非大學(xué)畢業(yè)的創(chuàng)業(yè)者成功的可能性高出多少?或者,清華的高才生創(chuàng)業(yè)成功的可能性高出多少?再或者,如果我現(xiàn)在是高管,選擇創(chuàng)業(yè),我的成功幾率比非高管能高多少？

本章試圖對這些問題進行一些統(tǒng)計分析。

統(tǒng)計學(xué)上的自由度是指當(dāng)以樣本的統(tǒng)計量來估計總體的參數(shù)時，樣本中獨立或能自由變化的資料的個數(shù)，稱為該統(tǒng)計量的自由度。這里我們指的是這11個成功關(guān)鍵的素質(zhì)。

對此模型，我們做了簡單的卡方檢驗，卡方檢驗是用途很廣的一種假設(shè)檢驗方法，是測定實測值與理論值間符合程度的一種統(tǒng)計方法。如發(fā)現(xiàn)實測值與理論值有差異時，就需確定該差異是由于隨機抽樣誤差還是由于理論假說有問題而引起的。通常首先建立無效假說，即認為觀測值與理論值的差異是由于隨機誤差所致；再確定由于隨機誤差而導(dǎo)致該特定差異的概率；最后根據(jù)該概率作出相應(yīng)的結(jié)論，如該概率大于某特定概率標準（顯著水準，統(tǒng)計學(xué)上一般定為0.05），則認為無效假設(shè)成立，即實測值與理論值的差異是由于隨機誤差引起的，進而得出實測值與理論值相符合的結(jié)論。在這里，讀者只需要明白，該檢測是為了測試我們選定的這11個變量對成功是否有效即可，這只是統(tǒng)計學(xué)上的一個測試方法。

方法就是，卡方先假設(shè)H0，以上的這些影響成功的我們自己設(shè)定的變量無法影響成功。然后看看我們能不能推翻我們的假設(shè)。統(tǒng)計輸出顯示，我們可以推翻開始的變量沒有意義的假設(shè)，只冒小于0.01%的風(fēng)險。換句話說，在99.99%的情況下，我們的變量都是可以影響成功的。

具體的分析方法是，我們采用對這8 000多個數(shù)據(jù)點進行對數(shù)回歸分析并做了一些修改，這樣我們得出的方程就是，這11個關(guān)鍵的變量是如何影響成功概率的。

當(dāng)然，中國的創(chuàng)業(yè)者何止我們統(tǒng)計的這783個，創(chuàng)業(yè)成功者也遠不止這個數(shù)字，但在目前的條件下，我們也沒有更好的辦法把我們的分析進一步拓展，公開資料實在是太少。而且我們也考慮到僅僅對上市成功者統(tǒng)計的方式有數(shù)據(jù)挖掘的嫌疑（因為沒有加入失敗案例），所以對模型的一些參數(shù)進行了統(tǒng)計調(diào)整。

雖然如此，我們的模型也可以給本篇開始時提出的問題提供一些依據(jù)。

方程式：

成功概率=1/｛1 + exp［-(-0.404+0.398×理工科-1+0.010×文科-1+1.215×清華-1+1.384×北大-1+1.241×學(xué)歷-1+0.256×專業(yè)是否對口-1+0.346×行業(yè)背景與創(chuàng)業(yè)公司是否一樣-1+1.353×創(chuàng)業(yè)前是否為高管-1+0.950×創(chuàng)業(yè)是否自有資金-1+0.105×是否留學(xué)-1+0.562×創(chuàng)業(yè)次數(shù)-1)］｝

我在這里需要強調(diào)一下，本方程式對成功的定義是指“讓公司上市或創(chuàng)辦企業(yè)的規(guī)模能夠堪比一個上市公司”即為成功。因為我們不可能對全國500萬家私企的創(chuàng)始人數(shù)據(jù)進行篩選分析，這不但做不到，從統(tǒng)計上講也沒有太多的意義。做到上市是一個很大的成功，可以說是人生成功的巔峰。這個標準是很高的，而且這些成功者本身也是具有代表意義的。所以對我們統(tǒng)計的上市民企的樣本進行分析，我們可以大致得到這么一個成功的方程式。

這個方程式也很好用，把等號右邊的方程式放到Excel里，并根據(jù)你個人的情況進行輸入，比如你是理科畢業(yè)生，就用1替換理工科這個關(guān)鍵變量，依此類推。

需要注意的是，我們?yōu)榱吮Ａ裘恳粋€關(guān)鍵字段，字段的變量有些是相包含的。在統(tǒng)計上一般都會導(dǎo)致多重共線性，所以在輸入的時候需要注意，比如你是理工科背景的，就需要將理工科關(guān)鍵變量賦值為1，文科這個變量的賦值為0，而且學(xué)歷這里需要賦值為1。因為如果你是理工科，自然也是大學(xué)畢業(yè)了。

下面，我們舉例說明。

有位創(chuàng)業(yè)者，清華，大學(xué)本科，理工科畢業(yè)，專業(yè)對口，公司的主營業(yè)務(wù)與專業(yè)也對口，沒做過高管，創(chuàng)業(yè)資金是借來的，從來沒有創(chuàng)過業(yè)，也未留過學(xué)。

那么我們就在方程式中代入這些變量：

成功概率

=1/｛1+exp［-(-0.404+0.398×1-1+0.010×0-1+1.215×1-1+1.384×0-1+1.241×1-1+0.256×1-1+0.346×1-1+1.353×0-1+0.950×0-1+0.105×0-1+0.562×0-1)］｝

我們得出，0.000353，也就是萬分之3.53的機會，這個創(chuàng)業(yè)者可能獲得成功。當(dāng)然我們定義的成功是把公司做大到一定的規(guī)模，所以這個比率并不算過分。

因為我們定義成功的條件過于苛刻，這個比例對許多人來說太小，有人會說，難道我滿足了這么多可能成功的條件才有萬分之幾的成功概率嗎？萬里挑一，對某些保守的人來說，還不是最好的選擇。

那么我們可以換個角度看，我們嘗試把樣本放大，把門檻降低，不說做到上市才是成功，做到年營業(yè)額超過500萬元就算成功，那么這個比率能有多高？

我們查了《中國統(tǒng)計年鑒》，全國規(guī)模（限額）以上非公有制企業(yè)約46.95萬個，占規(guī)模（限額）以上企業(yè)總數(shù)的73.9%，占非公有制企業(yè)總數(shù)（中值數(shù)425.2萬個）的11.04%，占企業(yè)法人總數(shù)（495.9萬個）的9.47%。規(guī)模以上工業(yè)企業(yè)中非公有制企業(yè)323 697個（僅計入私營企業(yè)和港澳臺、外商投資企業(yè)），占規(guī)模以上工業(yè)企業(yè)總數(shù)的76%。

這里我們解釋一下，規(guī)模以上企業(yè)指的是：

（1）年主營業(yè)務(wù)收入500萬元以上的工業(yè)企業(yè)，包括采礦業(yè)、制造業(yè)和電氣水生產(chǎn)供應(yīng)業(yè)等3個行業(yè)；

（2）有資質(zhì)的建筑業(yè)，包括總承包資質(zhì)和專業(yè)承包資質(zhì)；

（3）限額以上的批發(fā)（2 000萬元以上）零售（500萬元以上）業(yè)企業(yè)；

（4）限額以上的住宿餐飲業(yè)（200萬元以上）企業(yè)。

對讀者來講，不必對這個定義過于糾結(jié)，因為規(guī)模對不同行業(yè)略有差別，只要大致了解，企業(yè)年收入超過500萬元就算有規(guī)模就可以了。這樣的企業(yè)總共有32萬家，也就是說，如果你的創(chuàng)業(yè)企業(yè)達到規(guī)模以上，你就在這32萬家里面，也可以定義為你成功了。

這個成功的定義就寬泛了很多，值得注意的是，中國的規(guī)模以上企業(yè)每年都在增加，截至2008年底，中國共有規(guī)模以上私營企業(yè)245 850個，占全部規(guī)模以上工業(yè)企業(yè)（426 113個）的58%，可以看出，僅一年時間，中國的規(guī)模以上私企就增加了8萬多個，不能不說這是創(chuàng)業(yè)的力量。

當(dāng)然，隨之而來的上市私企也會相應(yīng)增加，而不僅僅是本文統(tǒng)計的783家，但在本書寫作的時候，我們就用32萬家這個數(shù)據(jù)即可。

783家占到32萬家0.24% (783/323697)，也就是說，如果我們只定義成功為創(chuàng)建一個規(guī)模以上企業(yè)，那么我們的成功比例是要相應(yīng)增加的，具體增加多少，要用我們公式中的數(shù)值除以這個0.24%。

舉例說明，還是剛才那位創(chuàng)業(yè)者，按開始的創(chuàng)建上市公司的定義，得到萬分之3.53的機會，我們用這個數(shù)(概率)除以0.24%，得到14.71%，這個數(shù)據(jù)就是說如果您定義成功為創(chuàng)建一個規(guī)模以上企業(yè)，那么您的成功概率可能為14.71%，超過十分之一的機會了。

我還是要強調(diào)，此方程式本身受制于樣本，對某位創(chuàng)業(yè)者最終的成功概率預(yù)測并不會完全準確，但此方程式本身就是想對成功的概率及其影響的因素作一個初步的探討，使讀者明白，其實成功并不神秘，并非不可預(yù)測，對群體來講，某一類人成功概率就是稍大一些，某一類人就是少一些。有人常常拿比爾·蓋茨等富豪并沒有完成大學(xué)學(xué)業(yè)就攀上全球首富這種特別的案例來說明成功也可以不上大學(xué)，不完成學(xué)業(yè)。但個案不能代表全部，迷失某一項特質(zhì)對成功都是有影響的。

那么具體每一項特質(zhì)對成功的影響有多大呢？下面我們來教各位更靈活地運用此方程式。

你也可以自己試一試。

但對于我們的創(chuàng)業(yè)者來說，可能更希望知道，比如說如果我再等幾年做了高管以后再去創(chuàng)業(yè)，能夠增加我多少創(chuàng)業(yè)的成功概率。

我們將上面公式中的高管這一變量賦值為1。即

成功概率=1/｛1+exp［-(-0.404+0.398×1-1+0.010×0-1+1.215×1-1+1.384×0-1+1.241×1-1+0.256×1-1+0.346×1-1+1.353×1-1+0.950×0-1+0.105×0-1+0.562×0-1)］｝

我們得出，0.001365，即萬分之13.65，再除以0.24%, 得到56.88%, 這比我們之前的14.71%高出了2.8倍，成功的概率高出了接近3倍！這個結(jié)果很驚人，為什么會高出這么多？事實會這樣嗎？如果你在這個行業(yè)中積累更多的經(jīng)驗，做了高管，那么你的人脈會更廣，對行業(yè)發(fā)展的方向與不足都會有更好的了解，一個二十幾歲大學(xué)畢業(yè)就創(chuàng)業(yè)的人很難一次成功，沒有人脈、資金、社會經(jīng)驗，相比之下都要比做了高管后的創(chuàng)業(yè)者落后一籌。所以說，這個結(jié)果是很正常的。那么通過我們的方程式，成功概率差了接近3倍。

下一個問題：失敗對創(chuàng)業(yè)者會有影響嗎？

當(dāng)然，但我們對成功企業(yè)家的研究發(fā)現(xiàn)，許多創(chuàng)業(yè)者都至少有過一次失敗的創(chuàng)業(yè)經(jīng)歷，這些經(jīng)歷對他們來說是一筆很大的財富。如果創(chuàng)業(yè)者能夠正確看待這種失敗，對日后的創(chuàng)業(yè)成功會有相當(dāng)積極的作用。比如說，還是之前這位創(chuàng)業(yè)者，他畢業(yè)之后就開始了創(chuàng)業(yè)，失敗了兩次，那么從這兩次失敗的過程中，他的經(jīng)驗?zāi)艿玫皆黾?，為人更加老練，眼光更加獨到，那么他的?chuàng)業(yè)成功幾率會增加多少呢？

同樣，我們代入數(shù)據(jù)，把創(chuàng)業(yè)次數(shù)賦值為2。得到

成功概率=1/｛1+exp［-(-0.404+0.398×1-1+0.010×0-1+1.215×1-1+1.384×0-1+1.241×1-1+0.256×1-1+0.346×1-1+1.353×0-1+0.950×0-1+0.105×0-1+0.562×2-1)］｝

得出0.001086，即萬分之10.86，除以0.24%得到45.25%，相比14.71%，成功幾率增加了2倍。不要懼怕失敗，失敗是成功之母。

此方程式只對11項特質(zhì)做了統(tǒng)計，因為受限于樣本，其實讀者可以用此方法加入更多的特質(zhì)進行統(tǒng)計，分析哪項特質(zhì)更影響成功，更不可或缺。

當(dāng)然，這個模型遠遠達不到成熟，也存在許多問題，但它可以給我們創(chuàng)業(yè)者一個直觀的觀測和判斷，具體創(chuàng)業(yè)者可以通過提高哪些素質(zhì)來獲得成功。世界上沒有100%準確的成功方程式，我們今天做了一些小的嘗試，就是要告訴創(chuàng)業(yè)者，在決定只身創(chuàng)業(yè)的時候，哪些特質(zhì)可能會幫助你成功，比如說深造、留學(xué)，創(chuàng)業(yè)失敗對你下一次的創(chuàng)業(yè)可能有多大的助益。

當(dāng)然，對群體的統(tǒng)計不能代表個體。創(chuàng)業(yè)是一項艱苦的工作，不懈的努力加上科學(xué)的方法才是不敗之本。

首先，成功的定義比較難設(shè)定，有些人認為能夠當(dāng)上高管做一個高級的金領(lǐng)就是成功，但本書定義的成功是讓公司上市或創(chuàng)辦企業(yè)的規(guī)模能夠堪比一個上市公司。

我們選取在美國、中國香港、新加坡與中國內(nèi)地股市上市的783家上市公司的成功者（有些公司有多個創(chuàng)始人），按照創(chuàng)始人文理科、院校、學(xué)歷、專業(yè)、行業(yè)背景、是否高管、資金、是否留學(xué)、創(chuàng)業(yè)次數(shù)等背景變量進行了一些統(tǒng)計分析。

通過上市公司的公開資料與公開新聞，我們對這8 000多個數(shù)據(jù)進行0、1賦值。比如說，是大學(xué)畢業(yè)的就是1，非大學(xué)畢業(yè)的就是0，我們對最后的數(shù)據(jù)進行了加總，見表3。