读到这里，也许你会问,有大学文凭的创业者究竟比非大学毕业的创业者成功的可能性高出多少?或者,清华的高才生创业成功的可能性高出多少?再或者,如果我现在是高管,选择创业,我的成功几率比非高管能高多少？

本章试图对这些问题进行一些统计分析。

统计学上的自由度是指当以样本的统计量来估计总体的参数时，样本中独立或能自由变化的资料的个数，称为该统计量的自由度。这里我们指的是这11个成功关键的素质。

对此模型，我们做了简单的卡方检验，卡方检验是用途很广的一种假设检验方法，是测定实测值与理论值间符合程度的一种统计方法。如发现实测值与理论值有差异时，就需确定该差异是由于随机抽样误差还是由于理论假说有问题而引起的。通常首先建立无效假说，即认为观测值与理论值的差异是由于随机误差所致；再确定由于随机误差而导致该特定差异的概率；最后根据该概率作出相应的结论，如该概率大于某特定概率标准（显著水准，统计学上一般定为0.05），则认为无效假设成立，即实测值与理论值的差异是由于随机误差引起的，进而得出实测值与理论值相符合的结论。在这里，读者只需要明白，该检测是为了测试我们选定的这11个变量对成功是否有效即可，这只是统计学上的一个测试方法。

方法就是，卡方先假设H0，以上的这些影响成功的我们自己设定的变量无法影响成功。然后看看我们能不能推翻我们的假设。统计输出显示，我们可以推翻开始的变量没有意义的假设，只冒小于0.01%的风险。换句话说，在99.99%的情况下，我们的变量都是可以影响成功的。

具体的分析方法是，我们采用对这8 000多个数据点进行对数回归分析并做了一些修改，这样我们得出的方程就是，这11个关键的变量是如何影响成功概率的。

当然，中国的创业者何止我们统计的这783个，创业成功者也远不止这个数字，但在目前的条件下，我们也没有更好的办法把我们的分析进一步拓展，公开资料实在是太少。而且我们也考虑到仅仅对上市成功者统计的方式有数据挖掘的嫌疑（因为没有加入失败案例），所以对模型的一些参数进行了统计调整。

虽然如此，我们的模型也可以给本篇开始时提出的问题提供一些依据。

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×清华-1+1.384×北大-1+1.241×学历-1+0.256×专业是否对口-1+0.346×行业背景与创业公司是否一样-1+1.353×创业前是否为高管-1+0.950×创业是否自有资金-1+0.105×是否留学-1+0.562×创业次数-1)］｝

我在这里需要强调一下，本方程式对成功的定义是指“让公司上市或创办企业的规模能够堪比一个上市公司”即为成功。因为我们不可能对全国500万家私企的创始人数据进行筛选分析，这不但做不到，从统计上讲也没有太多的意义。做到上市是一个很大的成功，可以说是人生成功的巅峰。这个标准是很高的，而且这些成功者本身也是具有代表意义的。所以对我们统计的上市民企的样本进行分析，我们可以大致得到这么一个成功的方程式。

这个方程式也很好用，把等号右边的方程式放到Excel里，并根据你个人的情况进行输入，比如你是理科毕业生，就用1替换理工科这个关键变量，依此类推。

需要注意的是，我们为了保留每一个关键字段，字段的变量有些是相包含的。在统计上一般都会导致多重共线性，所以在输入的时候需要注意，比如你是理工科背景的，就需要将理工科关键变量赋值为1，文科这个变量的赋值为0，而且学历这里需要赋值为1。因为如果你是理工科，自然也是大学毕业了。

下面，我们举例说明。

有位创业者，清华，大学本科，理工科毕业，专业对口，公司的主营业务与专业也对口，没做过高管，创业资金是借来的，从来没有创过业，也未留过学。

那么我们就在方程式中代入这些变量：

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)］｝

我们得出，0.000353，也就是万分之3.53的机会，这个创业者可能获得成功。当然我们定义的成功是把公司做大到一定的规模，所以这个比率并不算过分。

因为我们定义成功的条件过于苛刻，这个比例对许多人来说太小，有人会说，难道我满足了这么多可能成功的条件才有万分之几的成功概率吗？万里挑一，对某些保守的人来说，还不是最好的选择。

那么我们可以换个角度看，我们尝试把样本放大，把门槛降低，不说做到上市才是成功，做到年营业额超过500万元就算成功，那么这个比率能有多高？

我们查了《中国统计年鉴》，全国规模（限额）以上非公有制企业约46.95万个，占规模（限额）以上企业总数的73.9%，占非公有制企业总数（中值数425.2万个）的11.04%，占企业法人总数（495.9万个）的9.47%。规模以上工业企业中非公有制企业323 697个（仅计入私营企业和港澳台、外商投资企业），占规模以上工业企业总数的76%。

这里我们解释一下，规模以上企业指的是：

（1）年主营业务收入500万元以上的工业企业，包括采矿业、制造业和电气水生产供应业等3个行业；

（2）有资质的建筑业，包括总承包资质和专业承包资质；

（3）限额以上的批发（2 000万元以上）零售（500万元以上）业企业；

（4）限额以上的住宿餐饮业（200万元以上）企业。

对读者来讲，不必对这个定义过于纠结，因为规模对不同行业略有差别，只要大致了解，企业年收入超过500万元就算有规模就可以了。这样的企业总共有32万家，也就是说，如果你的创业企业达到规模以上，你就在这32万家里面，也可以定义为你成功了。

这个成功的定义就宽泛了很多，值得注意的是，中国的规模以上企业每年都在增加，截至2008年底，中国共有规模以上私营企业245 850个，占全部规模以上工业企业（426 113个）的58%，可以看出，仅一年时间，中国的规模以上私企就增加了8万多个，不能不说这是创业的力量。

当然，随之而来的上市私企也会相应增加，而不仅仅是本文统计的783家，但在本书写作的时候，我们就用32万家这个数据即可。

783家占到32万家0.24% (783/323697)，也就是说，如果我们只定义成功为创建一个规模以上企业，那么我们的成功比例是要相应增加的，具体增加多少，要用我们公式中的数值除以这个0.24%。

举例说明，还是刚才那位创业者，按开始的创建上市公司的定义，得到万分之3.53的机会，我们用这个数(概率)除以0.24%，得到14.71%，这个数据就是说如果您定义成功为创建一个规模以上企业，那么您的成功概率可能为14.71%，超过十分之一的机会了。

我还是要强调，此方程式本身受制于样本，对某位创业者最终的成功概率预测并不会完全准确，但此方程式本身就是想对成功的概率及其影响的因素作一个初步的探讨，使读者明白，其实成功并不神秘，并非不可预测，对群体来讲，某一类人成功概率就是稍大一些，某一类人就是少一些。有人常常拿比尔·盖茨等富豪并没有完成大学学业就攀上全球首富这种特别的案例来说明成功也可以不上大学，不完成学业。但个案不能代表全部，迷失某一项特质对成功都是有影响的。

那么具体每一项特质对成功的影响有多大呢？下面我们来教各位更灵活地运用此方程式。

你也可以自己试一试。

但对于我们的创业者来说，可能更希望知道，比如说如果我再等几年做了高管以后再去创业，能够增加我多少创业的成功概率。

我们将上面公式中的高管这一变量赋值为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)］｝

我们得出，0.001365，即万分之13.65，再除以0.24%, 得到56.88%, 这比我们之前的14.71%高出了2.8倍，成功的概率高出了接近3倍！这个结果很惊人，为什么会高出这么多？事实会这样吗？如果你在这个行业中积累更多的经验，做了高管，那么你的人脉会更广，对行业发展的方向与不足都会有更好的了解，一个二十几岁大学毕业就创业的人很难一次成功，没有人脉、资金、社会经验，相比之下都要比做了高管后的创业者落后一筹。所以说，这个结果是很正常的。那么通过我们的方程式，成功概率差了接近3倍。

下一个问题：失败对创业者会有影响吗？

当然，但我们对成功企业家的研究发现，许多创业者都至少有过一次失败的创业经历，这些经历对他们来说是一笔很大的财富。如果创业者能够正确看待这种失败，对日后的创业成功会有相当积极的作用。比如说，还是之前这位创业者，他毕业之后就开始了创业，失败了两次，那么从这两次失败的过程中，他的经验能得到增加，为人更加老练，眼光更加独到，那么他的创业成功几率会增加多少呢？

同样，我们代入数据，把创业次数赋值为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，即万分之10.86，除以0.24%得到45.25%，相比14.71%，成功几率增加了2倍。不要惧怕失败，失败是成功之母。

此方程式只对11项特质做了统计，因为受限于样本，其实读者可以用此方法加入更多的特质进行统计，分析哪项特质更影响成功，更不可或缺。

当然，这个模型远远达不到成熟，也存在许多问题，但它可以给我们创业者一个直观的观测和判断，具体创业者可以通过提高哪些素质来获得成功。世界上没有100%准确的成功方程式，我们今天做了一些小的尝试，就是要告诉创业者，在决定只身创业的时候，哪些特质可能会帮助你成功，比如说深造、留学，创业失败对你下一次的创业可能有多大的助益。

当然，对群体的统计不能代表个体。创业是一项艰苦的工作，不懈的努力加上科学的方法才是不败之本。

首先，成功的定义比较难设定，有些人认为能够当上高管做一个高级的金领就是成功，但本书定义的成功是让公司上市或创办企业的规模能够堪比一个上市公司。

我们选取在美国、中国香港、新加坡与中国内地股市上市的783家上市公司的成功者（有些公司有多个创始人），按照创始人文理科、院校、学历、专业、行业背景、是否高管、资金、是否留学、创业次数等背景变量进行了一些统计分析。

通过上市公司的公开资料与公开新闻，我们对这8 000多个数据进行0、1赋值。比如说，是大学毕业的就是1，非大学毕业的就是0，我们对最后的数据进行了加总，见表3。