چکیده:
شتابدهنده های استارتاپی یک مدل حمایتی کارآفرینانه جدید هستند که سرعت رشد شرکت های نوپا را با ارائه خدمات مشاوره تخصصی، فرصت های شبکه سازی و جذب سرمایه گذاری برای کسب و کارهای مبتنی بر رشد افزایش می دهند. پس از ظهور اولین شتابدهنده استارتاپی در آمریکا در سال 2005، روند رشد شتابدهنده ها در جهان بسیار سریع بوده است. ارزیابی عملکرد جامع این شتابدهنده ها نه تنها موفقیت نسبی این مدل جدید حمایتی را روشن خواهد کرد بلکه می تواند به شتابدهنده های ایرانی در الگوبرداری از نحوه عملکرد بهترین شتابدهنده های جهان کمک کرده و کارآفرینان و استارتاپها را نیز در تشخیص و انتخاب بهترین برنامه شتابدهی یاری کنند. لذا در این مقاله، هدف ما اندازه گیری عملکرد شتابدهنده های برتر آمریکا با استفاده از روش تحلیل پوششی داده ها با رویکرد برنامه ریزی آرمانی می باشد. ورودی های در نظر گرفته شده عبارتند از تعداد مربی، تعداد استارتاپها، مبلغ سرمایه گذاری در هر استارتاپ و در کل استارتاپها، و سهام شتابدهنده در هر استارتاپ. خروجی ها نیز شامل تعداد خروج، رقم مجموع خروج و افزایش سرمایه گذاری می باشد. نتایج نهائی و مقایسه آن با پروژه رتبه بندی شتابدهنده های استارتاپی (SARP)به عنوان تنها ارزیابی انجام شده از عملکرد شتابدهنده ها در جهان، نشان دهنده اختلافات بسیاری است که اغلب نشات گرفته از این است که پروژه SARP صرفا با در نظر گرفتن خروجی شتابدهنده را رتبه بندی می کند ولی ما با استفاده از روش DEA کارائی یعنی نسبت خروجی به ورودی را به عنوان معیار ارزیابی در نظر گرفته ایم.
Startup accelerator program is a new incubation model to accelerate venture creation providing specialized mentorship, networking opportunities and financing growth driven businesses. Since emergence of the first accelerator in US in 2005, the number of seed accelerating programs has quickly grown worldwide. Performance evaluation of these emerging programs not only could clarify relative success of this new incubation approach but also help out Iranian emerging accelerators to benchmark from pioneers of the industry. The evaluation could also assist startups and entrepreneurs to find out which of the existing accelerators are well-performed and thus ease decision making to select them as their incubator. So in this paper we aim to measure the performance of US top accelerators using a DEA method combined with goal programing approach. The inputs of the evaluation consist of numbers of mentors and startups, investment on each startup in average and in general, and the share of accelerator in startup company. The outputs in turn are different and include number and value of exits, and fund raising. Comparison of the final result with Seed Accelerator Ranking Project (SARP), shows different sorting and it is due the distinct evaluation approach. SARP considers only outputs of accelerators but we take in to account both outputs and inputs in the evaluation which could better illustrate the efficiency of DMUs.