最重要的因素是什么？基于AI预测创业成功的定量元分析

背景：利用机器学习预测创业成功是一 rapidlyly growing 领域，但关于关键预测因子的发现往往碎片化且具有特定背景，这使得难以辨认稳健模式，凸显了系统性综合证据的需求。方法：本研究对AI-based startup evaluation中预测因子重要性的文献进行定量元分析，以综合证据。我们进行系统性综述，以识别最终样本中13项实证研究，这些研究报告可排序的特征重要性。从这些论文中，我们提取并分类了58个独特的预测因子，通过加权重要性得分（WIS）综合其重要性，该得分在特征平均排名与其出现频率之间进行平衡。我们还进行了调节变量分析，以检验预测因子重要性如何随背景（例如成功定义）而变化。结果：我们的聚合分析揭示，最 consistently 强大的预测因子是一 quartet of foundational attributes：公司特征（例如年龄、位置）、投资者结构（例如投资者质量）、数字和社交动力（例如线上势头）以及融资历史。调节变量分析进一步表明，这种等级结构高度依赖于背景。例如，预测近期融资里程碑会提升即时背景的重要性，而预测长期退出则优先考虑基本的公司和投资者特征。结论：预测创业成功的最佳因素并非普遍适用，而是取决于创业公司的目标、阶段以及用于评估的数据。我们的发现指出，文献中可能存在便利性偏见，即预测因子重要性可能与数据可获得性相关。我们 concludes by 强调，为实现该领域更稳健、可累积的知识构建需要标准化的报告实践。