眾籌籌得金額影響因素實(shí)證分析

本文通過對“京東眾籌”下成功的樣本進(jìn)行隨機(jī)抽樣分析，多元線性回歸模型和聯(lián)立方程模型，將影響眾籌的因素可以分為先決變量和內(nèi)生變量，先決變量包括發(fā)起者類型、互動、項(xiàng)目描述，內(nèi)生變量包括支持者。得出如下結(jié)論：在眾籌過程前，發(fā)起者可以根據(jù)企業(yè)的規(guī)模、與支持者互動，商品描述詳細(xì)度、公司規(guī)模、類別預(yù)測籌集金額，進(jìn)行最優(yōu)規(guī)模確定。在眾籌過程中，企業(yè)可以根據(jù)實(shí)物投資人數(shù)、點(diǎn)贊人數(shù)預(yù)測籌得金額，進(jìn)行調(diào)整。這一結(jié)論有助于企業(yè)制定合理的預(yù)期目標(biāo)，選擇最佳生產(chǎn)規(guī)模、取得最大利潤。

一、緒論

眾籌是一種新型融資方式。眾籌通過互聯(lián)網(wǎng)進(jìn)行融資，出資者眾多，人均出資較少，在規(guī)定時間內(nèi)達(dá)到目標(biāo)金額即為眾籌成功。2011年，我國首家眾籌平臺“點(diǎn)名時間”成立，隨后相繼出現(xiàn)追夢網(wǎng)、天使匯等早期眾籌平臺。2014年，京東涉足金融，成立眾籌平臺，市場潛力較大。Anderson于2004年首次提出沖擊了“二八定律”的長尾理論。即，尾部市場向右側(cè)無限延長，眾多異質(zhì)化產(chǎn)品市場匯合商品交易量甚至可以匹敵主流市場?；舯鴮㈤L尾理論與互聯(lián)網(wǎng)金融相結(jié)合，研究兩者關(guān)系?；ヂ?lián)網(wǎng)平臺上發(fā)布眾籌項(xiàng)目，宣傳費(fèi)用交易成本大幅降低。企業(yè)大多選擇異質(zhì)化產(chǎn)品，滿足用戶不同的偏好。

迄今為止，前期文獻(xiàn)大多研究融資績效，忽略了如何對籌得金額、實(shí)際銷量進(jìn)行合理預(yù)期，眾籌企業(yè)可以在預(yù)期籌得金額與預(yù)期銷量上，調(diào)整可變要素與固定要素的比例，選擇最優(yōu)生產(chǎn)規(guī)模，降低眾籌成本，獲得最大利潤。

二、假設(shè)提出

（一）影響最終籌得金額的先決因素

先決因素是指影響系統(tǒng)，不受系統(tǒng)影響的因素，本文假定項(xiàng)目描述、與參與者互動、發(fā)起者類型、類別屬于先決因素。其中，由于發(fā)起者與支持者的互動主要取決于廠商的重視程度與專業(yè)人員配備，本文假設(shè)支持者同質(zhì)，將互動看作發(fā)起者的自身能力。

Craig R. Everett提出，與傳統(tǒng)金融融資渠道不同，互聯(lián)網(wǎng)融資缺乏監(jiān)督。逆向選擇問題使得在眾籌過程中，劣等產(chǎn)品將優(yōu)秀產(chǎn)品逐出市場的問題更為明顯。解決逆向選擇問題，廠商可以通過增加項(xiàng)目描述，表明自身企業(yè)類型，通過與支持者的互動，將有效信息傳達(dá)給支持者，來通過信號效應(yīng)減少逆向選擇問題。

（二）影響最終籌得金額的內(nèi)生因素

內(nèi)生因素是指，由系統(tǒng)決定，受系統(tǒng)影響的因素，本文特指支持者。

發(fā)起者可以根據(jù)系統(tǒng)的內(nèi)生因素不斷調(diào)整生產(chǎn)規(guī)模。發(fā)起者不能忽視“羊群效應(yīng)”，即個人的觀念或行為與多數(shù)人相一致的方向變化的現(xiàn)象。余欣研究表明，支持者人數(shù)對于項(xiàng)目成功率有正向影響。Kuppuswamy提出，個人的決策會影響他人的決策，并且在項(xiàng)目期初和期末尤為明顯。本文認(rèn)為，發(fā)起者項(xiàng)目的完成離不開支持者，但支持者是陸續(xù)加入。發(fā)起者項(xiàng)目前期加入的支持者會給隨后的支持者一種安全的信號，使得前期籌集金額多的項(xiàng)目籌集金額更多，前期籌得金額較少的項(xiàng)目后期進(jìn)展更加困難。

三、模型設(shè)計(jì)和變量定義

（一）影響最終籌得金額的先決因素模型

模型一：Ln（raise）= + interact+ progress+ ln（price）+ large+ small+ quality

+ video+ discount+μ

模型二：Ln（raise）= +interact+progress+ln（price）+large+small+quality

+video+discount+technology+appliances+μ

模型三：模型二：Ln（raise）= +interact+progress+ln（price+large+small+quality

+video+discount+technology×quality+interact×technology+μ

模型一是模型二與模型三的對照組，后者重點(diǎn)研究類別對于籌得金額的固定影響與邊際影響。

變量解釋

Ln（raise）每個項(xiàng)目最終籌得的金額

interact發(fā)起者與支持者的互動，即話題數(shù)為，企業(yè)與支持者對話數(shù)

Progress發(fā)起者與支持者的互動，即項(xiàng)目發(fā)展階段說明條數(shù)。

Video有視頻描述取1，否則取0。

Quality有前文描述的詳細(xì)描述，如尺寸等，取1否則取0。

Discount有明確折扣或遠(yuǎn)低于市場價格字樣，取1否則取0。

Large若企業(yè)為知名企業(yè)或國際企業(yè)，則large變量取1否則取0。

Small若企業(yè)描述不詳細(xì)、或沒有出現(xiàn)公司的字樣，變量取1。

Appliances家電類別取1。

Technology科技類別取1。

Ln（price）項(xiàng)目商品單價，即最低商品價格。

注：Quality項(xiàng)目描述度是啞變量，通過有無具體參數(shù)描述，例如功率、尺寸、使用溫度、目錄、保質(zhì)期、原料等。

（二） 影響最終籌得金額的內(nèi)生因素模型

由于發(fā)起者在眾籌過程中可以根據(jù)支持者的人數(shù)不斷調(diào)整生產(chǎn)規(guī)模，而由羊群理論支持者數(shù)量會影響投資者投資心理。因此本文考慮京東平臺獨(dú)有特點(diǎn)，創(chuàng)新性地加入了實(shí)物投資人數(shù)這一分類。但不同支持者人數(shù)均為內(nèi)生變量，受先決變量價格，公司規(guī)模，類別，話題數(shù)影響，因此本文采用聯(lián)立方程模型進(jìn)行研究，并用兩階段最小二乘法進(jìn)行估計(jì)。

ln（raise）=+ln（object）+ln（favor）+technology+ln（interact）+μ （1）

ln（object）=+technology +ln（price）+ln（interact）large+μ （2）

ln（favor）=++ technology+ ln（price）+ ln（interact）+large+μ （3）

四、實(shí)證檢驗(yàn)

本文數(shù)據(jù)源于京東眾籌平臺6個類別下各100的成功樣本。采用隨機(jī)抽樣取法，即計(jì)算機(jī)生成隨機(jī)數(shù)字，根據(jù)生成的隨機(jī)數(shù)字抽取對應(yīng)類別下的樣本。類別為娛樂、健康、出版、設(shè)計(jì)、家電、科技。由于失敗樣本全部下架，無法獲取，所以本文不再研究眾籌是否成功的影響因素，而研究影響眾籌籌得金額的影響因素。

（一）影響最終籌得金額的先決因素實(shí)證檢驗(yàn)

1. 描述性統(tǒng)計(jì)

變量N均值最小P25中位數(shù)P75最大標(biāo)準(zhǔn)差

Discount6000.42000110.494

Small6000.34000110.475

Large6000.11000010.317

Quality6000.69001110.462

Video6000.35000110.478

Interact600105.16017411052101185.127

Progress60014.3305111816715.194

Ln（price）6005.211.614.225.076.1310.121.44

2. 檢驗(yàn)結(jié)果

Variable模型一模型二模型三

CoefProbCoefProbCoefProb

C9.01970.000***9.35050.000***9.19320.000***

interact0.00340.000***0.00290.000***0.00370.000***

progress0.01700.000***0.01750.000***0.01700.000***

video0.00050.9963-0.08270.443-0.08460.436

quality0.89790.000***0.73610.000***0.70780.000***

discount0.00010.99910.05110.6290.07890.453

ln（price）0.30190.000***0.22070.000***0.25970.000***

large0.52710.003***0.64020.000***0.65890.000***

small-0.1680.1498-0.14250.207-0.17820.115

technology 1.13130.000***

appliances 0.28650.106

quality×technology 1.13910.000***

interact×technology -0.0010.032**

R-square44.19%48.72%48.00%

本文變量容差小于0.1。VIF小于10。表示不存在強(qiáng)烈共線性。且本文進(jìn)行懷特檢驗(yàn)，結(jié)果顯示三個模型均不存在異方差問題。項(xiàng)目描述詳細(xì)度，項(xiàng)目進(jìn)展數(shù)，話題數(shù)，大公司均與最終籌得金額正相關(guān)。Small變量在三個模型中雖系數(shù)為負(fù)，但不顯著。模型二與模型一對比可知，籌得金額與科技類別正相關(guān)，與家電類別并不敏感，為研究科技類別對其他解釋變量的邊際影響，本文建立模型三，由結(jié)果可知，科技類別下眾籌項(xiàng)目，項(xiàng)目描述度邊際貢獻(xiàn)更高，表明投資者更看重科技類別的詳細(xì)參數(shù)；而話題數(shù)卻邊際貢獻(xiàn)較低。

（二）影響最終籌得金額的內(nèi)生因素實(shí)證檢驗(yàn)

變量N均值最小值中位數(shù)最大值標(biāo)準(zhǔn)差

Object600351.81511814805972.13

favor6002204.0637705.50600005146.61

實(shí)物投資人數(shù)，點(diǎn)贊人數(shù)的均值均遠(yuǎn)遠(yuǎn)高于中位數(shù)，表明極端值較嚴(yán)重，因此本文將兩變量作對數(shù)化處理。點(diǎn)贊人數(shù)遠(yuǎn)遠(yuǎn)多于實(shí)物投資人數(shù)。表明吸引一個實(shí)物投資人需要較多的點(diǎn)贊人數(shù)。

2. 檢驗(yàn)結(jié)果

模型中內(nèi)生變量為ln（raise）、ln（object）、ln（favor），先決變量為technology、ln（price）、ln（interact）、large、1，該模型是可識別模型，因此本文選擇兩階段最小二乘法。

先將模型化為簡化式，再將簡化模型內(nèi)生變量估計(jì)值替換觀測值。

簡化式：

ln（raise）=+technology+ln（price）+ln（interact）+

ln（object）=+technology+ln（price）+ln（interact）+

ln（favor）+technology+ln（price）+ln（interact）+

變量ln（raise）ln（object）ln（favor）

CoefProbCoefProbCoefProb

C3.26350.000***-1.5660.000***1.07210.000***

technology1.12560.000***-0.1280.24080.15310.000***

ln（price）0.65110.000***3.41380.005***0.19060.000***

ln（interact）0.16400.015**0.21750.000***-0.0280.020**

large0.65110.000***-0.3500.000***0.32080.000***

R-square55.35%45.76%13.11%

結(jié)構(gòu)式模型為：

ln（raise）=-0.700+0.7540ln（object）+4.7986ln（favor）+0.4870technology+0.4870ln（interact）

ln（object）=-1.566-0.128technology+3.4138ln（price）+0.2175ln（interact）-0.350large

ln（favor）=1.0721+0.1531technology+0.1906ln（price）-0.028 ln（interact）+0.3208large

由結(jié)果可知，發(fā)起者公司規(guī)模、項(xiàng)目價格、話題數(shù)均可影響點(diǎn)贊人數(shù)、實(shí)物投資人數(shù)。由結(jié)構(gòu)模型可知，點(diǎn)贊人數(shù)變化1%，籌得金額變化4.7986%，實(shí)物投資人數(shù)變化1%，籌得金額變化0.7540%，籌得金額與點(diǎn)贊人數(shù)的敏感系數(shù)大于籌得金額與實(shí)物投資人數(shù)的敏感系數(shù)，因此點(diǎn)贊人數(shù)增加對于籌得金額增加更具有影響力。

五、結(jié)論及建議

（一）本文結(jié)論

發(fā)起者在眾籌之前可以根據(jù)先決模型進(jìn)行預(yù)測，得出相應(yīng)預(yù)期以確定最優(yōu)生產(chǎn)規(guī)模。其中，籌得金額與企業(yè)規(guī)模、項(xiàng)目價格、項(xiàng)目描述度、參與者互動成正相關(guān)?？萍碱悇e下，籌得金額較其他類別高。

發(fā)起者在眾籌過程中可以根據(jù)內(nèi)生變量模型進(jìn)行調(diào)整，降低由于預(yù)測偏差而帶來的損失。其中籌得金額與點(diǎn)贊人數(shù)和實(shí)物投資人數(shù)正相關(guān)，且對于點(diǎn)贊人數(shù)的敏感性更高。

（二）借鑒意義

眾籌作為新型融資模式，最佳生產(chǎn)規(guī)模選擇可以降低成本。因此，如何制定合理生產(chǎn)規(guī)模，保持可變成本、固定成本比例最優(yōu)化，成為企業(yè)關(guān)心問題之一。本文提供籌得金額預(yù)測模型，對最終籌得金額進(jìn)行合理預(yù)測，對銷量進(jìn)行預(yù)測，從而優(yōu)化生產(chǎn)規(guī)模，促進(jìn)利潤提高。

發(fā)起者若希望籌集金額更多，銷量更大，則應(yīng)當(dāng)及時更新項(xiàng)目進(jìn)展、對項(xiàng)目描述更加詳細(xì)，及時解決消費(fèi)者的疑問，而不是以含糊、模糊的說法描述項(xiàng)目，或是對消費(fèi)者的疑問進(jìn)行推脫、掩蓋缺點(diǎn)、回答不明確等。

發(fā)起者前期自身宣傳尤為重要。由于從眾心理，項(xiàng)目最初的支持者會影響后續(xù)支持者。因此前期眾籌既是發(fā)起者的一個機(jī)會，也是一個挑戰(zhàn)。（作者單位為天津財(cái)經(jīng)大學(xué)）