王念新，侯 潔，葛世倫

?

從眾還是旁觀？眾籌市場(chǎng)中出資者行為的實(shí)證研究

王念新，侯 潔，葛世倫

（江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院，江蘇鎮(zhèn)江212003）

了解眾籌市場(chǎng)中的出資者行為是提高眾籌項(xiàng)目成功率的前提。潛在出資者面對(duì)已有籌資信息可能表現(xiàn)出兩種截然不同的行為：羊群的從眾行為和責(zé)任擴(kuò)散的旁觀行為。為了探討眾籌過(guò)程中已有籌資信息對(duì)潛在出資者決策的影響，本文基于羊群行為理論和責(zé)任擴(kuò)散理論，以Demohour中393個(gè)眾籌項(xiàng)目的面板數(shù)據(jù)為研究樣本，分析了潛在出資者的行為模式。研究結(jié)果表明，潛在出資者行為會(huì)受到責(zé)任擴(kuò)散效應(yīng)影響，并且該效應(yīng)會(huì)在已有經(jīng)驗(yàn)型出資較多時(shí)或達(dá)到目標(biāo)籌資額后得到強(qiáng)化，但面對(duì)目標(biāo)籌資額相對(duì)較高的項(xiàng)目時(shí)，潛在出資者會(huì)因責(zé)任擴(kuò)散效應(yīng)弱化而提高出資額。同時(shí)，研究還發(fā)現(xiàn)捐贈(zèng)類和回報(bào)類項(xiàng)目出資者均表現(xiàn)為責(zé)任擴(kuò)散的旁觀行為，但是其決策行為受到不同變量的調(diào)節(jié)效應(yīng)。

眾籌；羊群效應(yīng)；責(zé)任擴(kuò)散效應(yīng)；面板數(shù)據(jù)

0 引言

眾籌是指通過(guò)互聯(lián)網(wǎng)平臺(tái)，以捐贈(zèng)或獲得回報(bào)物為形式的實(shí)現(xiàn)特定目的的融資方式[1]。根據(jù)籌[2]資人與出資者的交換關(guān)系，劃分為四種類型，分別是基于回報(bào)的眾籌、基于借貸的眾籌、基于捐贈(zèng)的眾籌和股權(quán)眾籌[3]。作為一種創(chuàng)新的有效籌資途徑，眾籌將為越來(lái)越多的創(chuàng)新和創(chuàng)業(yè)項(xiàng)目提供資金支持[1]。根據(jù)Massolution對(duì)全球1250個(gè)眾籌平臺(tái)及463份行業(yè)報(bào)告的研究結(jié)果顯示，2013年眾籌行業(yè)規(guī)模是61億美元，2014年達(dá)到162億美元，增長(zhǎng)率高達(dá)167%，且預(yù)計(jì)在2015繼續(xù)快速增長(zhǎng)，將達(dá)到344億美元。

與傳統(tǒng)籌資方式（如風(fēng)險(xiǎn)投資、銀行貸款等）相比，眾籌有以下特征：第一，在傳統(tǒng)籌資方式中，只有符合相關(guān)法規(guī)并且可以提供必要的抵押品的借款人才可以進(jìn)行籌資，而眾籌平臺(tái)中，任何人均可以發(fā)起項(xiàng)目進(jìn)行籌資，項(xiàng)目發(fā)起人和出資者之間存在信息不對(duì)稱；第二，出資者中絕大多數(shù)是不具備專業(yè)知識(shí)和相關(guān)經(jīng)驗(yàn)的普通社會(huì)大眾[4, 5]{Koch, 2015 #1}，不具備風(fēng)險(xiǎn)和可行性評(píng)估的能力，從而加劇了信息不對(duì)稱的眾籌市場(chǎng)中的投資風(fēng)險(xiǎn)；第三，眾籌是基于互聯(lián)網(wǎng)的平臺(tái)的，這些平臺(tái)本質(zhì)上屬于社交網(wǎng)絡(luò)，提供了項(xiàng)目發(fā)起人（如發(fā)起項(xiàng)目和支持項(xiàng)目情況）和其他出資者（如支持金額和時(shí)間）的社會(huì)信息，這些信息將為眾籌市場(chǎng)中的潛在出資者提供重要的決策依據(jù)[5, 6]。

出資者行為已經(jīng)成為了當(dāng)前眾籌研究的熱點(diǎn)問(wèn)題之一[7]。對(duì)于其他出資者的社會(huì)信息對(duì)潛在出資者決策行為的影響，目前存在兩種截然相反的研究結(jié)論。一種結(jié)論是已有的出資者人數(shù)和出資額度正向影響潛在出資者的出資動(dòng)機(jī)[2, 4, 8, 9]，潛在出資者將表現(xiàn)出羊群的從眾行為，這是因?yàn)闈撛诔鲑Y者為了規(guī)避項(xiàng)目風(fēng)險(xiǎn)和獲得回報(bào)，會(huì)傾向于支持已經(jīng)吸引較多出資者的項(xiàng)目。另一種結(jié)論是已有的出資者人數(shù)和出資額度負(fù)向影響潛在出資者的動(dòng)機(jī)[6, 10]，潛在出資者將表現(xiàn)出責(zé)任擴(kuò)散的旁觀行為，這是因?yàn)楫?dāng)某個(gè)眾籌項(xiàng)目吸引較多的出資者或者獲得較多出資額時(shí)，潛在出資者將認(rèn)為該項(xiàng)目會(huì)由其他人出資完成，潛在出資者因?yàn)樽陨淼呢?zé)任感下降而降低出資額[11]，或者從支持項(xiàng)目發(fā)起人完成項(xiàng)目獲得成就感的角度，較多的出資者或者出資額度，會(huì)降低出資獲得成就感的邊際效應(yīng)[10, 11]。

為了論證潛在出資者面對(duì)較多的出資者和出資額究竟是表現(xiàn)為從眾行為還是旁觀行為，本文基于羊群行為理論和責(zé)任擴(kuò)散效應(yīng)，應(yīng)用393個(gè)眾籌項(xiàng)目的面板數(shù)據(jù)分析了已有出資信息對(duì)潛在出資者行為的影響。研究結(jié)果表明：第一，當(dāng)項(xiàng)目已經(jīng)獲得較多籌資額時(shí)，潛在出資者傾向于對(duì)項(xiàng)目提供較少出資或者不出資，表現(xiàn)出旁觀行為。第二，當(dāng)潛在出資者發(fā)現(xiàn)已有經(jīng)驗(yàn)型出資較多時(shí)，會(huì)認(rèn)為該項(xiàng)目應(yīng)該由具有相關(guān)經(jīng)驗(yàn)和能力的經(jīng)驗(yàn)型出資者完成，會(huì)選擇旁觀行為，責(zé)任擴(kuò)散效應(yīng)更為明顯；另外，對(duì)已經(jīng)達(dá)到目標(biāo)籌資額的項(xiàng)目來(lái)說(shuō)，潛在出資者會(huì)表現(xiàn)出更強(qiáng)的責(zé)任擴(kuò)散效應(yīng)，選擇旁觀行為。第三，不同眾籌項(xiàng)目類型的出資者均表現(xiàn)為責(zé)任擴(kuò)散的旁觀者行為，但是其決策行為受到不同變量的調(diào)節(jié)效應(yīng)。

1 文獻(xiàn)綜述

1.1 羊群效應(yīng)

當(dāng)市場(chǎng)中存在的信息不對(duì)稱性時(shí)，個(gè)人往往跟隨他人的行為而做出自己的經(jīng)濟(jì)決策，這種現(xiàn)象被稱為“羊群行為”[12, 13]。據(jù)在羊群行為中不同的行為機(jī)制，可具體劃分為非理性羊群行為和理性羊群行為。當(dāng)決策者被動(dòng)的模仿他人的決策時(shí)，就產(chǎn)生了非理性羊群行為[14]，而決策者的理性羊群行為則是對(duì)他人決策進(jìn)行觀察學(xué)習(xí)的結(jié)果，決策者可以根據(jù)對(duì)他人行為的觀察學(xué)習(xí)結(jié)果作出理性貝葉斯推論[15]。存在于不同領(lǐng)域的羊群行為都在被不斷的探索和研究著，Salganik[16]發(fā)現(xiàn)用戶往往會(huì)選擇那些被下載頻率較高的歌曲進(jìn)行付費(fèi)收聽(tīng)；而Cai[17]也發(fā)現(xiàn)初次光顧一間餐廳的顧客通常都愿意品嘗被列為菜單中的“最受歡迎”的菜品；Tucker和Zhang[18]發(fā)現(xiàn)顯示瀏覽點(diǎn)擊次數(shù)這一信息有助于增加服供應(yīng)商對(duì)顧客的吸引力，特別是在針對(duì)小眾消費(fèi)群體的服務(wù)市場(chǎng)中，此類信息對(duì)消費(fèi)者決策的影響力更大。此外，在非實(shí)驗(yàn)環(huán)境下，Zhang[19]研究結(jié)果發(fā)現(xiàn)，在得知其他患者拒絕腎移植的決定后，等待治療中的患者往往也會(huì)拒絕進(jìn)行移植。在新產(chǎn)品擴(kuò)散背景下，Elberse和Eliashberg[20]發(fā)現(xiàn)電影市場(chǎng)中的“成功孕育成功”的行業(yè)趨勢(shì)，即在國(guó)外院線票房較好的電影在國(guó)內(nèi)上映時(shí)，也會(huì)獲得廣大的影迷的認(rèn)可。

在基于互聯(lián)網(wǎng)的眾籌平臺(tái)中，固有的信息不對(duì)稱性使得潛在出資者的出資存在諸多不確定的風(fēng)險(xiǎn)，Duan[21]等指出，網(wǎng)絡(luò)環(huán)境中的參與者會(huì)將獲得已有參與者信息視作可靠的決策依據(jù)，因而，眾籌平臺(tái)中潛在出資者表現(xiàn)出跟隨已有出資者的羊群行為?，F(xiàn)有眾籌研究也發(fā)現(xiàn)了潛在出資者的羊群行。主要研究文獻(xiàn)見(jiàn)表1。

表1 出資者行為的實(shí)證研究—羊群效應(yīng)

主要的研究結(jié)論有：第一，在存在信息不對(duì)稱的眾籌市場(chǎng)中，已有出資者信息被潛在出資者視為判斷籌資人信用和項(xiàng)目質(zhì)量的信號(hào)；第二，眾籌市場(chǎng)中存在兩種不同類型的羊群行為，即非理性和理性羊群行為；第三，潛在出資者表現(xiàn)出非理性羊群行為，即單純模仿已有出資者的決策，對(duì)已有出資較多的項(xiàng)目的出資；第四，潛在出資者表現(xiàn)出理性羊群行為，通過(guò)觀察已有出資者決策，認(rèn)為已有出資者可能擁有與籌資人信譽(yù)和項(xiàng)目有關(guān)私人信息，因而學(xué)習(xí)已有出資者行為，潛在出資者傾向于對(duì)已有籌資額較高的項(xiàng)目提高出資額。

1.2 責(zé)任擴(kuò)散理論

責(zé)任擴(kuò)散效應(yīng)是指當(dāng)個(gè)體實(shí)際看到或者感知到較多旁觀者存在時(shí)，其采取行動(dòng)進(jìn)行干預(yù)、提供物質(zhì)幫助的可能性就會(huì)下降[26, 27]，這種效應(yīng)在各種環(huán)境和不同領(lǐng)域中都會(huì)發(fā)生。責(zé)任擴(kuò)散效應(yīng)是在社會(huì)生活中較為常見(jiàn)的現(xiàn)象之一，早期的行為研究表明，責(zé)任擴(kuò)散效應(yīng)會(huì)影響個(gè)體在風(fēng)險(xiǎn)條件下的決策[28]。如Latane和Darley[27]運(yùn)用心理學(xué)理論來(lái)解釋責(zé)任擴(kuò)散效應(yīng)發(fā)生的原因，即個(gè)體主觀的將個(gè)人的責(zé)任感按照旁觀者人數(shù)劃分，旁觀者人數(shù)越多，那么個(gè)體的責(zé)任感就越少。這種情況下，個(gè)體認(rèn)為他人會(huì)采取行動(dòng)、提供幫助，自身的責(zé)任感降低，因此采取行動(dòng)的可能性降低甚至是不采取措施。責(zé)任擴(kuò)散理論解釋下的采取行動(dòng)、提供幫助的可能性與旁觀者數(shù)量有直接關(guān)系[29]。Latane和Darley提出了責(zé)任擴(kuò)散理論下的決策模型，首先，決策者必須注意到一種情況及其緊迫性，然后對(duì)情況進(jìn)行分析，然后依據(jù)分析結(jié)果產(chǎn)生個(gè)人的責(zé)任感，接下來(lái)，決策者必須相信自己是有采取行動(dòng)的能力和相應(yīng)的物質(zhì)資源來(lái)應(yīng)對(duì)這種情況的，最后，作出決策。最近的研究發(fā)現(xiàn)旁觀者效應(yīng)會(huì)受到一些因素的影響。Fischer發(fā)現(xiàn)高風(fēng)險(xiǎn)緊急事件中的責(zé)任擴(kuò)散效應(yīng)小于低風(fēng)險(xiǎn)事件中的責(zé)任擴(kuò)散效應(yīng)[30]，因?yàn)楦唢L(fēng)險(xiǎn)緊急事件可以快速、明確的對(duì)旁觀者產(chǎn)生物理刺激（physical arousal），此時(shí)旁觀者會(huì)意識(shí)到如果不采取措施提供幫助，那么對(duì)自己和被幫助者遭受的損失都會(huì)很大，因此都會(huì)增加自己的物質(zhì)幫助而不管其他旁觀者是否提供幫助。此外，富有能力和經(jīng)驗(yàn)的旁觀者更有可能產(chǎn)生幫助行為[31]。Caplan和Hay[32]的研究發(fā)現(xiàn)，受到這種因素的影響，其他旁觀者認(rèn)為應(yīng)該由更有能力和經(jīng)驗(yàn)的人提供更多的幫助，而自己則不必采取行動(dòng)。

眾籌平臺(tái)中，出資者不以獲得金錢(qián)回報(bào)為目的對(duì)籌資人提供支持的行為是一種“利他行為”，在互聯(lián)網(wǎng)情境中，參與者的個(gè)人責(zé)任感是這一行為的主要影響因素[33],因而，已有出資信息作為潛在出資者用于衡量自身責(zé)任大小的指標(biāo)，對(duì)其出資決策有直接影響，也就是說(shuō)，潛在出資者會(huì)因?yàn)轫?xiàng)目已經(jīng)獲得較多的籌資額而感知到個(gè)人責(zé)任降低，繼而采取減少出資的責(zé)任擴(kuò)散行為?，F(xiàn)有關(guān)于眾籌平臺(tái)中出資者的責(zé)任擴(kuò)散效應(yīng)的研究文獻(xiàn)見(jiàn)表2。

從表2可以看出，第一，眾籌平臺(tái)中的潛在出資者將已有籌資信息作為一種社會(huì)信息，并以此來(lái)衡量自己的出資對(duì)項(xiàng)目和籌資人的重要程度；第二，當(dāng)潛在出資者意識(shí)到自身的出資責(zé)任或所提供資金的邊際效用因他人已經(jīng)提供較多出資而下降時(shí)，就會(huì)降低自己的出資額度或者選擇不出資。

從上述研究中可以發(fā)現(xiàn)，潛在出資者在面對(duì)已有籌資信息時(shí)可能表現(xiàn)出兩種截然不同的行為：受羊群效應(yīng)影響的從眾行為和受責(zé)任擴(kuò)散效應(yīng)影響的旁觀行為。為了探究在基于回報(bào)的眾籌平臺(tái)中潛在出資者受到已有出資信息的影響，本文將利用Demohour中393個(gè)眾籌項(xiàng)目的面板數(shù)據(jù)，對(duì)出資者行為模式進(jìn)行分析，試圖回答潛在出資者在面對(duì)已有籌資信息究竟表現(xiàn)為從羊群的眾行為還是責(zé)任擴(kuò)散的旁觀行為。

2 研究變量和數(shù)據(jù)

2.1 研究變量

本文以Demohour中項(xiàng)目籌資期為標(biāo)準(zhǔn)，對(duì)每個(gè)項(xiàng)目的全部籌資階段分別進(jìn)行統(tǒng)計(jì)，主要變量包括該項(xiàng)目每個(gè)籌資階段獲得出資額，截止到上一籌資階段結(jié)束的累計(jì)籌資額、累計(jì)出資者人數(shù)、經(jīng)驗(yàn)型出資者人數(shù)及金額、尚待完成的籌資比例、是否達(dá)到目標(biāo)籌資額，同時(shí)，還統(tǒng)計(jì)了與項(xiàng)目和發(fā)起人有關(guān)的其他變量，具體包括項(xiàng)目籌資期、目標(biāo)籌資額、項(xiàng)目發(fā)起人的發(fā)起經(jīng)歷和出資經(jīng)歷。變量描述見(jiàn)表3。

在眾籌平臺(tái)中，出資者主要以提供資金的形式對(duì)項(xiàng)目進(jìn)行支持，本文以出資者的出資者額作為因變量來(lái)反映潛在出資者受影響后出資決策的變動(dòng)。在大多數(shù)眾籌平臺(tái)中，潛在出資者在出資前可以獲得的已有出資信息有：已獲得出資額[7, 8, 11]、已經(jīng)對(duì)該項(xiàng)目出資的出資者人數(shù)[7, 8, 11]和各自的出資經(jīng)歷[34]、該項(xiàng)目的籌資狀態(tài)[8, 11, 35]等，為了研究潛在出資者決策受已有出資信息的影響，將上述變量分別作為自變量進(jìn)行分析。同時(shí)，根據(jù)已有出資者的出資經(jīng)歷，潛在出資者將曾經(jīng)對(duì)其他項(xiàng)目出資的出資者視作經(jīng)驗(yàn)型出資者，他們往往被認(rèn)為是有相關(guān)經(jīng)驗(yàn)或?qū)I(yè)知識(shí)的市場(chǎng)參與者[34]，因而將已有經(jīng)驗(yàn)型出資者人數(shù)及金額引入分析，研究其對(duì)潛在出資者的影響。

此外，本文還引入一些與項(xiàng)目和籌資人特征有關(guān)的非時(shí)間變量作為控制變量，包括：項(xiàng)目的目標(biāo)籌資額、籌資期、項(xiàng)目發(fā)起人的發(fā)起經(jīng)歷、出資經(jīng)歷，Mollick[3]發(fā)現(xiàn)目標(biāo)籌資額和籌資期對(duì)項(xiàng)目籌資有重要影響，其中目標(biāo)籌資與項(xiàng)目籌資成功呈負(fù)相關(guān)關(guān)系，而較長(zhǎng)的籌資期則會(huì)降低項(xiàng)目成功的可能性。Witt和Steinberg[36]的指出作為籌資人的項(xiàng)目發(fā)起者如果已經(jīng)有成功發(fā)起項(xiàng)目的經(jīng)歷，可能有較強(qiáng)的項(xiàng)目執(zhí)行和資金運(yùn)用能力，該項(xiàng)目成功籌資的可能性更高。在項(xiàng)目發(fā)起人經(jīng)歷與出資者關(guān)系的研究中，Kuppuswamy[11]分析結(jié)果表明，籌資人的發(fā)起經(jīng)歷與項(xiàng)目籌資過(guò)程中的潛在出資者增加呈負(fù)相關(guān)關(guān)系，因?yàn)樵?jīng)有過(guò)成功發(fā)起經(jīng)歷的籌資人被認(rèn)為在社交網(wǎng)絡(luò)平臺(tái)中有較大的影響力，有較多線上好友，更可能得到很多出資者的支持，因此，受到旁觀者效應(yīng)影響，潛在出資者傾向于對(duì)籌資人有發(fā)起經(jīng)歷的項(xiàng)目不出資。

表3 變量描述

2.2 研究數(shù)據(jù)

本文基于國(guó)內(nèi)最大的眾籌網(wǎng)站—Demohour（點(diǎn)名時(shí)間）進(jìn)行實(shí)證分析。截止到2014年4月，Demohour已經(jīng)接到包括藝術(shù)、喜劇、舞蹈、設(shè)計(jì)、時(shí)尚、電影、食物、攝影和出版物等在內(nèi)的十三類共計(jì)超過(guò)13000個(gè)的項(xiàng)目籌資申請(qǐng)，其中有近1500個(gè)項(xiàng)目通過(guò)平臺(tái)審核，進(jìn)入籌資階段，籌資成功率達(dá)到43%。

籌資人想要在平臺(tái)中發(fā)起項(xiàng)目，就必須按照平臺(tái)規(guī)則明確闡述項(xiàng)目的相關(guān)信息，為項(xiàng)目設(shè)置明確的目標(biāo)籌資額和籌資期，同時(shí)添加必要的描述?；I資人還可以在平臺(tái)上發(fā)布項(xiàng)目籌資進(jìn)度和回報(bào)執(zhí)行等信息，并與出資者和潛在出資者進(jìn)行交流。

個(gè)人通過(guò)注冊(cè)程序就能入平臺(tái)，進(jìn)而對(duì)項(xiàng)目出資、獲得回報(bào)并對(duì)項(xiàng)目發(fā)表評(píng)論。對(duì)于潛在出資者而言，除了可以看到全部的項(xiàng)目信息之外，還可以看到項(xiàng)目目前的籌資狀態(tài)，包括已有出資者、出資時(shí)間和出資金額等。

Demohour采用All-or-noting機(jī)制，即一個(gè)項(xiàng)目必須在籌資期結(jié)束前達(dá)到目標(biāo)籌資額，否則要將已籌資到的資金退還給出資者，允許項(xiàng)目在籌資期內(nèi)持續(xù)獲得超過(guò)目標(biāo)籌資額的資金。同時(shí)，籌資人要根據(jù)不同的出資級(jí)別設(shè)置10種以內(nèi)的回報(bào)，但不能以股權(quán)或者現(xiàn)金作為對(duì)出資者的回報(bào)，常見(jiàn)的形式有項(xiàng)目商品、共同參與創(chuàng)作或是與籌資人面對(duì)面交流的機(jī)會(huì)等。

本文使用網(wǎng)絡(luò)爬蟲(chóng)工具Datascraper和Metastudio抽取了網(wǎng)站從2011年成立和2014年4月的成功項(xiàng)目的數(shù)據(jù)，文章主要研究已有出資信息對(duì)潛在出資者決策的影響，因而保留出資大于一次的籌資項(xiàng)目，因此，本文分析中包含截止到2014年4月的393個(gè)成功籌資的項(xiàng)目的數(shù)據(jù)。根據(jù)不同個(gè)籌資階段，分別統(tǒng)計(jì)該項(xiàng)目在每個(gè)籌資階段獲得的出資額、截止到上一籌資階段結(jié)束的累計(jì)籌資額、累計(jì)出資人數(shù)、待籌資比例，并且針對(duì)在對(duì)該項(xiàng)目出資之前已經(jīng)有過(guò)成功出資經(jīng)歷的出資者人數(shù)和金額做了統(tǒng)計(jì)，此外，還統(tǒng)計(jì)了項(xiàng)目的目標(biāo)籌資、籌資期以及作為項(xiàng)目創(chuàng)建者的籌資人的項(xiàng)目發(fā)起經(jīng)歷和出資經(jīng)歷。各個(gè)變量的描述性統(tǒng)計(jì)在結(jié)果在表4中。

表4 描述性統(tǒng)計(jì)

3 數(shù)據(jù)分析

3.1 初步分析

為了分析在Demohour中已有出資者信息對(duì)潛在出資者決策的影響，首先要對(duì)表示潛在出資者額度的變量與表示已有出資的變量及其他變量進(jìn)行序列相關(guān)分析。潛在出資者的出資決策主要包括兩部分：是否出資、出資額度，本文將出資者額度作為出資者決策的變量，在已有研究中大部分都用出資額作為測(cè)量變量，如Kim[34]、Agrawal[37]、Lee[38]均以出資者的出資額作為反映出資者決策的因變量，通過(guò)分析該變量與累計(jì)籌資額籌資信息在內(nèi)的解釋變量的之間關(guān)系，討論面對(duì)諸多籌資信息，出資者決策的變化與特征。將項(xiàng)目在不同籌資階段的累計(jì)籌資額作為潛在出資者決定自己出資額的主要衡量指標(biāo)。如果二者正相關(guān)，則說(shuō)明潛在出資者受到已有出資的正向影響，反之，則表示潛在出資者受到已有出資的負(fù)向影響。建立以潛在出資者出資額為因變量，累計(jì)出資額為自變量并且包括項(xiàng)目其他信息與籌資人信息在內(nèi)的等式：

Pledge=α*CumulativePledge+*X +γ*Z +ε(1)

其中：

X表示籌資信息有關(guān)的時(shí)間變量，包括出資者人數(shù)、待籌資比例、經(jīng)驗(yàn)型出資者人數(shù)、經(jīng)驗(yàn)型出資者出資額、是否達(dá)到目標(biāo)籌資額；

Z表示與項(xiàng)目屬性和籌資人屬性有關(guān)的非時(shí)間變量，包括目標(biāo)籌資額、籌資期、項(xiàng)目發(fā)起人的發(fā)起項(xiàng)目數(shù)和支持項(xiàng)目數(shù)；

、、為待估參數(shù)；

=2, 3…10.

ε為隨機(jī)誤差項(xiàng)

利用面板數(shù)據(jù)最小二乘回歸（OLS）對(duì)模型(1)進(jìn)行回歸分析，結(jié)果如表5所示。

表5 變量的序列相關(guān)性

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

如表5所示，累計(jì)籌資額對(duì)潛在出資者出資額的影響系數(shù)為正數(shù)并且顯著，表明當(dāng)一個(gè)項(xiàng)目已經(jīng)獲得較高的籌資額時(shí)，在余下的籌資期內(nèi)該項(xiàng)目會(huì)繼續(xù)獲得潛在出資者更多的出資，這似乎證明潛在出資者表現(xiàn)出跟隨已有出資者對(duì)該項(xiàng)目進(jìn)行出資羊群行為。但是，更多的學(xué)者[39, 40]認(rèn)為如果不控制其他潛在的混淆因素，如項(xiàng)目間的異質(zhì)性，無(wú)法確定該行為是否真的為羊群行為，將可能導(dǎo)致錯(cuò)誤的研究結(jié)論。因此，本文將利用Zhang和Liu[8]對(duì)羊群效應(yīng)識(shí)別的策略，在控制眾籌項(xiàng)目異質(zhì)性之后，研究累計(jì)籌資額對(duì)潛在出資者決策行為的影響。

3.2 控制未被觀測(cè)的異質(zhì)性因素

面板數(shù)據(jù)的最小二乘回歸可能因?yàn)楸娀I項(xiàng)目間存在的一些異質(zhì)性因素而導(dǎo)致分析結(jié)果的偏差，為了解決該問(wèn)題，需要對(duì)項(xiàng)目的異質(zhì)性進(jìn)行控制。所謂項(xiàng)目異質(zhì)性就是指項(xiàng)目在某些重要屬性上的差異性，對(duì)眾籌項(xiàng)目而言，這些異質(zhì)性因素包括項(xiàng)目描述是否包含視頻，發(fā)起人在眾籌平臺(tái)中的經(jīng)驗(yàn)，項(xiàng)目獲得評(píng)論或者更新等，這些不可觀測(cè)的異質(zhì)性因素可能與潛在出資者的出資額相關(guān)，這些都導(dǎo)致估計(jì)結(jié)果出現(xiàn)偏差[41]。從統(tǒng)計(jì)學(xué)角度來(lái)看，模型(1)的隨機(jī)誤差項(xiàng)ε包含兩部分，即ζ和η。如果η中包含對(duì)項(xiàng)目間存在的異質(zhì)性的非時(shí)間變量的測(cè)量，那么它就與潛在出資者出資額和累計(jì)籌資額存在相關(guān)關(guān)系，因此在對(duì)的系數(shù)估計(jì)中產(chǎn)生內(nèi)生性問(wèn)題[42]?；贖ausman[43]檢驗(yàn),Demohour的面板數(shù)據(jù)更適用于固定效應(yīng)模型，固定效應(yīng)模型可以有效控制項(xiàng)目間存在的異質(zhì)性因素，分析已有出資對(duì)潛在出資者產(chǎn)生的影響。因?yàn)?i>Z與η均反映非時(shí)間變量，考慮到二者間存在多種共線性，因而模型(2)中不包含Z項(xiàng)，則模型(2)為：

Pledge=α*CumulativePledge+β*X+ζ+η（2）

對(duì)模型（2）進(jìn)行固定效應(yīng)模型分析，分析結(jié)果如表6所示。

表6 控制未被觀測(cè)的異質(zhì)性

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

在控制項(xiàng)目間異質(zhì)性后，解釋變量累計(jì)籌資額、待籌資比例、已有經(jīng)驗(yàn)型出資者人數(shù)、項(xiàng)目是否達(dá)到目標(biāo)籌資額的對(duì)出資額影響是顯著的，已有經(jīng)驗(yàn)型出資者出資額對(duì)出資額的影響變?yōu)椴伙@著，而累計(jì)出資者人數(shù)對(duì)出資額的影響仍為不顯著。

模型(2)結(jié)果1的R2由0.423增長(zhǎng)到0.538，累計(jì)籌資額對(duì)出資額的影響由0.400變?yōu)?0.350，這意味著對(duì)潛在出資者受已有出資信息影響的分析中要對(duì)項(xiàng)目間未被觀測(cè)的異質(zhì)性因素進(jìn)行控制，以避免分析結(jié)果出現(xiàn)偏差。累積籌資額系數(shù)為負(fù)并且顯著，表明潛在出資者出資額受到已有出資的負(fù)向影響，當(dāng)潛在出資者看到項(xiàng)目已經(jīng)獲得較高籌資額時(shí)，會(huì)認(rèn)為該項(xiàng)目會(huì)由其他出資者完成，自身的責(zé)任感降低，因而潛在出資者傾向于對(duì)已有籌資較高的項(xiàng)目提供較少的資金甚至不出資，即潛在出資者在眾籌項(xiàng)目出資決策過(guò)程中表現(xiàn)為責(zé)任擴(kuò)散的旁觀行為。

為了進(jìn)一步探索項(xiàng)目類型對(duì)研究結(jié)果的影響，根據(jù)項(xiàng)目發(fā)起人與出資者交換關(guān)系的不同[3]，將全部393項(xiàng)目分為兩組，即獲得非實(shí)物形式回報(bào)的捐贈(zèng)組（共41個(gè)項(xiàng)目）和獲得實(shí)物形式回報(bào)的回報(bào)組（共352個(gè)項(xiàng)目），分別用兩組數(shù)據(jù)對(duì)模型(2)進(jìn)行擬合，模型擬合結(jié)果如表6所示。可見(jiàn)，無(wú)論是捐贈(zèng)組還是回報(bào)組，累計(jì)籌資額系數(shù)同樣為負(fù)數(shù)且顯著，表明控制項(xiàng)目異質(zhì)性因素后，在基于捐贈(zèng)和基于回報(bào)的項(xiàng)目中，因而潛在出資者傾向于對(duì)已有籌資較高的項(xiàng)目提供較少的資金甚至不出資，即潛在出資者在眾籌項(xiàng)目出資決策過(guò)程中表現(xiàn)為責(zé)任擴(kuò)散的旁觀行為。

3.3 調(diào)節(jié)效應(yīng)

責(zé)任擴(kuò)散理論的研究指出，受到事件的風(fēng)險(xiǎn)緊急程度和其他具有經(jīng)驗(yàn)和能力的旁觀者人數(shù)的影響，責(zé)任擴(kuò)散效應(yīng)的強(qiáng)弱程度有所不同。在眾籌平臺(tái)中，目標(biāo)籌資額越高的項(xiàng)目意味著項(xiàng)目規(guī)模較大，在項(xiàng)目實(shí)施環(huán)節(jié)存在更大的復(fù)雜性，目標(biāo)籌資較大的項(xiàng)目與成功籌資的可能性呈負(fù)相關(guān)[3]，設(shè)置的目標(biāo)籌資額較低，在籌資期內(nèi)更容易獲得達(dá)到目標(biāo)籌資額的出資，相反，如果目標(biāo)籌資額較高，很可能在籌資截止日期即將到來(lái)的時(shí)候還沒(méi)有獲得足夠的資金，這意味著項(xiàng)目籌資失敗。潛在出資者面對(duì)失敗可能性更高的大規(guī)模項(xiàng)目，其出資決策會(huì)發(fā)生一定的改變，正如Kuppuswamy和Bayus[11]強(qiáng)調(diào)的規(guī)模不同的項(xiàng)目中的責(zé)任擴(kuò)散效應(yīng)強(qiáng)弱程度不同。為了研究不同規(guī)模的眾籌項(xiàng)目中的責(zé)任擴(kuò)散效應(yīng)，將累計(jì)籌資額與目標(biāo)籌資額的交互項(xiàng)引入模型(3)。

雖然參與眾籌的出資者大多是無(wú)相關(guān)經(jīng)驗(yàn)的普通出資者，但眾籌平臺(tái)中還是存在一些已經(jīng)擁有對(duì)成功項(xiàng)目出資經(jīng)驗(yàn)的經(jīng)驗(yàn)型出資者，Kim[34]指出雖然眾籌市場(chǎng)不同于傳統(tǒng)的基于專家主導(dǎo)機(jī)制的融資市場(chǎng)，但潛在出資者的出資決策仍然會(huì)受到經(jīng)驗(yàn)型出資者出資行為的影響，因?yàn)榻?jīng)驗(yàn)型出資者被認(rèn)為是有相關(guān)經(jīng)驗(yàn)或?qū)I(yè)知識(shí)的市場(chǎng)參與者。因此，將累計(jì)額籌資與經(jīng)驗(yàn)型出資者出資的交互項(xiàng)引入模型（3）來(lái)研究經(jīng)驗(yàn)型出資者對(duì)責(zé)任擴(kuò)散效應(yīng)的影響。

此外，考慮到分析中的一些項(xiàng)目在未到籌資截止日期時(shí)就達(dá)到目標(biāo)籌資額，對(duì)潛在出資者來(lái)說(shuō)，該項(xiàng)目無(wú)法完成籌資的可能性大大降低，很多不確定性問(wèn)題得到解決[11]，此時(shí)潛在出資者的出資決策會(huì)產(chǎn)生何種變化，將累計(jì)籌資額與項(xiàng)目在上一籌資階段是否達(dá)到目標(biāo)籌資的交互項(xiàng)引入模型（3）。

對(duì)模型加入交互項(xiàng)，進(jìn)行調(diào)節(jié)效應(yīng)分析

Pledge=α*Cumulative_Pledge+β*X+β*(Cumulative_Pledge* goal)+β*(Cumulative_Pledge*Funded)

+β*(Cumulative_Pledge* Cumulative_Experienced Pledge) +ζ+η(3)

分析結(jié)果在表7中。

在加入調(diào)節(jié)項(xiàng)后，根據(jù)表7的分析結(jié)果，累計(jì)籌資額、累計(jì)籌資額與目標(biāo)籌資額、累計(jì)籌資額與是否達(dá)到目標(biāo)籌資額、累計(jì)籌資額與已有經(jīng)驗(yàn)型出資者金額潛在出資者出資額的影響均為顯著。

累計(jì)籌資額與目標(biāo)籌資額交互項(xiàng)的系數(shù)為正且顯著，這是因?yàn)楫?dāng)潛在出資者面對(duì)一個(gè)目標(biāo)籌資額較高的項(xiàng)目時(shí)，會(huì)意識(shí)到該項(xiàng)目籌資是具有很大風(fēng)險(xiǎn)的，如果自己沒(méi)有對(duì)已經(jīng)獲得較多已有出資的大規(guī)模項(xiàng)目提供更多的出資額使其在籌資期內(nèi)達(dá)到目標(biāo)籌資額，那么一旦籌資失敗，根據(jù)Demohour的“all or nothing”機(jī)制[44]，已籌資金只能返還給出資者，那么由此產(chǎn)生的較大的機(jī)會(huì)成本是要由籌資人和出資者承擔(dān)的。因此，為了避免此類事件發(fā)生，促使資金被有效使用，潛在出資者傾向于對(duì)目標(biāo)籌資額較高的項(xiàng)目提供較多的出資。在目標(biāo)籌資額較高的項(xiàng)目中，潛在出資者受責(zé)任擴(kuò)散效應(yīng)影響的程度較小。

表7 調(diào)節(jié)效應(yīng)分析

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

在模型(3)的分析結(jié)果中，累計(jì)籌資額與已有經(jīng)驗(yàn)型出資者出資額的交互項(xiàng)負(fù)向并且顯著，也就是說(shuō)，已有經(jīng)驗(yàn)型出資較多的項(xiàng)目中，潛在出資者會(huì)在更大程度上受到責(zé)任擴(kuò)散效應(yīng)的影響。對(duì)于潛在出資者而言，項(xiàng)目中已經(jīng)存在的經(jīng)驗(yàn)型出資者有著不同于普通出資者的地位[34]，具備相關(guān)經(jīng)驗(yàn)的同時(shí)對(duì)項(xiàng)目質(zhì)量和籌資人進(jìn)行評(píng)估的能力也更強(qiáng)，因此，出資者認(rèn)為該項(xiàng)目更應(yīng)該由具有較強(qiáng)能力和相關(guān)經(jīng)驗(yàn)的經(jīng)驗(yàn)型出資者完成，而自己的責(zé)任因此大大降低，所以責(zé)任擴(kuò)散效應(yīng)在已有經(jīng)驗(yàn)型出資較多的項(xiàng)目中更加明顯。此外，模型(3)的分析結(jié)果還顯示已經(jīng)達(dá)到目標(biāo)籌資額的項(xiàng)目中責(zé)任擴(kuò)散更明顯，雖然此時(shí)項(xiàng)目籌資中存在的不確定性都有很大程度的降低，但不可避免的，此類項(xiàng)目對(duì)于出資者的吸引力也隨之降低[45]，因此潛在出資者對(duì)一個(gè)仍在籌資期卻已達(dá)到目標(biāo)籌資額的項(xiàng)目?jī)A向于提供較少的出資甚至不出資。

對(duì)捐贈(zèng)組而言，累計(jì)籌資額與已有經(jīng)驗(yàn)型出資者出資額的交互項(xiàng)系數(shù)為負(fù)且顯著，但累計(jì)籌資額與目標(biāo)籌資額、是否達(dá)到目標(biāo)籌資額的交互項(xiàng)均為不顯著?；诰栀?zèng)的眾籌項(xiàng)目具有公共物品的性質(zhì)[10]，具有非排他性[46]，因此對(duì)于基于捐贈(zèng)的項(xiàng)目進(jìn)行出資被視為自愿提供公共物品，因此，目標(biāo)籌資額和項(xiàng)目是否達(dá)到目標(biāo)籌資額的調(diào)節(jié)效應(yīng)不顯著。

對(duì)回報(bào)組而言，累計(jì)籌資額與目標(biāo)籌資額、累計(jì)籌資額與是否達(dá)到目標(biāo)籌資額的交互項(xiàng)系數(shù)均為顯著，但經(jīng)驗(yàn)型出資者出資額的調(diào)節(jié)效應(yīng)不顯著。出資者參與基于回報(bào)的眾籌項(xiàng)目中，除了受到其他出資者出資信息的影響外，其出資決策更多的是基于自己的興趣和需求，目的是獲得特定的產(chǎn)品或者服務(wù)，而不會(huì)關(guān)注經(jīng)驗(yàn)型出資者的相關(guān)信息。

4 魯棒性檢驗(yàn)

4.1 動(dòng)態(tài)廣義矩估計(jì)

考慮到作為因變量的出資額和作為解釋變量的累計(jì)籌資額之間可能存在典型的聯(lián)立內(nèi)生性問(wèn)題會(huì)導(dǎo)致分析結(jié)果的偏差，本文使用Arellano與Bond提出的動(dòng)態(tài)廣義矩估計(jì)（Dynamic GMM）對(duì)模型進(jìn)行檢驗(yàn)。模型(3)中對(duì)參數(shù)進(jìn)行一致的、無(wú)偏的估計(jì)的假設(shè)條件是隨機(jī)誤差項(xiàng)ζjt不存在時(shí)間序列上的持續(xù)性[47]，在該假設(shè)前提下，累積籌資額和其他時(shí)間變量及相應(yīng)的滯后項(xiàng)才可以視作與ζjt不存在時(shí)間序列相關(guān)性的外生變量，因而保證模型估計(jì)結(jié)果的準(zhǔn)確性。但如果假設(shè)不成立，即誤差項(xiàng)連續(xù)相關(guān)，則可能與解釋變量的滯后項(xiàng)序列相關(guān)，因此導(dǎo)致內(nèi)生性問(wèn)題。為了解決這一問(wèn)題，使用動(dòng)態(tài)廣義矩估計(jì)模型進(jìn)行分析[48]。本文使用的面板結(jié)構(gòu)數(shù)據(jù)橫截面單位多、時(shí)間階段少，適用于動(dòng)態(tài)廣義矩估計(jì)結(jié)構(gòu)，通過(guò)對(duì)模型(3)進(jìn)行一階差分，得到差分等式：

Pledge -Pledge=α*(Cumulative_Pledge- Cumulative_Pledge) +β *(XX)

+β*(Cumulative_Pledge*goal-Cumulative_Pledge*goal)

+β*(Cumulative_Pledge*Funded-Cumulative_Pledge*Funded)

+β*(Cumulative_Pledge*Cumulative_Experienced Pledge

-Cumulative_Pledge*Cumulative_Experienced Pledge) +ζ + ζ(4)

模型(4)排除了從籌資開(kāi)始到t-1籌資階段開(kāi)始之前的影響。將累積籌資額、各時(shí)間變量、累積籌資額的交互項(xiàng)的滯后項(xiàng)作為工具變量，進(jìn)行動(dòng)態(tài)廣義矩估計(jì)分析。

分析結(jié)果在表8中顯示，對(duì)所有項(xiàng)目的分析結(jié)果除了累積籌資額與目標(biāo)籌資額的交互項(xiàng)目系數(shù)變得不顯著之外，其他結(jié)果均與表7一致，一階差分方程的誤差項(xiàng)顯著性為0.0009（p<0.001），而二階序列相關(guān)的回歸系數(shù)顯著性0.1312，因此ζ不存在序列自相關(guān)的假設(shè)成立。同樣的，捐贈(zèng)組和回報(bào)組也均與表7的分析結(jié)果一致，且一階差分方程的誤差項(xiàng)分別為0.003（p<0.01）、0.0067（p<0.01），二階序列相關(guān)的回歸系數(shù)顯著性分別為0.336、0.273，因此，ζ不存在序列自相關(guān)。

表8 動(dòng)態(tài)廣義矩估計(jì)

注：*、**、***分別在0.05、0.01和0.001置信水平下顯著

4.2 固定效應(yīng)泊松檢驗(yàn)

為了驗(yàn)證模型（3）分析結(jié)果在因變量服從泊松分布條件下的有效性，進(jìn)行固定效應(yīng)泊松檢驗(yàn)。面板數(shù)據(jù)最小二乘回歸（OLS）的基本假設(shè)是，因變量是連續(xù)的且服從正態(tài)分布的，并且因變量的期望值與自變量存在線性關(guān)系，而在實(shí)際籌資過(guò)程中，潛在出資者對(duì)項(xiàng)目的出資額是非連續(xù)的整數(shù)，為了驗(yàn)證本文的分析結(jié)果在該條件下的有效性，使用固定效應(yīng)的泊松模型進(jìn)行分析[49]，項(xiàng)目j在t籌資階段獲得的籌資額為λjt，建立含有泊松參數(shù)λjt的模型：

Log(λ）=α*Cumulative_Pledge+β *X

+β*(Cumulative_Pledge* goal) +β*(Cumulative_Pledge*Funded)

+β*(Cumulative_Pledge* Cumulative_Experienced Pledge) +ζ+η(5)

表9 固定效應(yīng)泊松檢驗(yàn)

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

在模型（5）中，因變量服從泊松分布，分析結(jié)果在表9中，估計(jì)值為自變量的彈性系數(shù)，除所有項(xiàng)目的分析結(jié)果中的累積籌資額與項(xiàng)目是否達(dá)到目標(biāo)籌資額的交互項(xiàng)系數(shù)、回報(bào)組中累計(jì)籌資額與是否達(dá)到目標(biāo)籌資額的交互項(xiàng)系數(shù)變?yōu)椴伙@著外，其余結(jié)果均與表7的結(jié)果保持一致，同時(shí)，結(jié)果表明大部分分析結(jié)果不受線性關(guān)系假設(shè)的影響，因此，模型（3）的交互項(xiàng)分析結(jié)果可以有效的解釋調(diào)節(jié)效應(yīng)[50]，相應(yīng)的，將模型（3）作為“主模型”。

4.3 多重共線性檢驗(yàn)

考慮到模型中的一些自變量可能有相關(guān)性，因而人數(shù)進(jìn)行多重共線性檢驗(yàn)，除經(jīng)驗(yàn)型出資者外，其余變量的方差膨脹因子（VIFs）值均低于10，這可能是應(yīng)為經(jīng)驗(yàn)型出資者人數(shù)與累積出資人數(shù)高度相關(guān)，為了檢驗(yàn)責(zé)任擴(kuò)散效應(yīng)是否受到多重共線性影響，將經(jīng)驗(yàn)型出資者人數(shù)從模型（3）中去除，得到等式：

Pledge=α*Cumulative_Pledge+β*(Cumulative_Backers+PercentNeeded

+Cumulative_Experienced Pledge+funded) +β*(Cumulative_Pledge* goal)

+β*(Cumulative_Pledge*Funded) +β*(Cumulative_Pledge* Cumulative_Experienced Pledge) +ζ+η(6)

表10分析結(jié)果表明其他變量系數(shù)及顯著性均與表7的結(jié)果保持一致。通過(guò)將交互項(xiàng)逐步代入等式，所有結(jié)果均保持不變，表明旁觀者效應(yīng)并沒(méi)有收到多重共線性的影響。

表10 多重共線性檢驗(yàn)

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

4.4 額外協(xié)變量

為了檢驗(yàn)相關(guān)變量對(duì)累積籌資額與該階段獲得的籌資額關(guān)系的調(diào)節(jié)效應(yīng)的調(diào)節(jié)效應(yīng)是否是累積籌資額或者是相關(guān)變量遞減所引起的，因此引入累積籌資額的平方項(xiàng)，得到等式：

Pledge=α*Cumulative_Pledge+β *(Cumulative_Backers+PercentNeeded

+Cumulative_Experienced Pledge+funded) +β*(Cumulative_Pledge* goal)

+β*(Cumulative_Pledge*Funded) +β*(Cumulative_Pledge*Cumulative_Experienced Pledge)

+αCumulativePledgeSquared +ζ+η(7)

表11 額外協(xié)變量檢驗(yàn)

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

表11的結(jié)果表明累積籌資額平方項(xiàng)項(xiàng)系數(shù)不顯著，并且除所有項(xiàng)目分析結(jié)果中的累計(jì)籌資額與目標(biāo)籌資交互項(xiàng)、回報(bào)組項(xiàng)目中的累計(jì)籌資額與目標(biāo)籌資額交互項(xiàng)系數(shù)變?yōu)椴伙@著外，其他變量系數(shù)顯著性仍保持不變，表明相關(guān)變量對(duì)累計(jì)籌資額的調(diào)節(jié)效應(yīng)不受額外協(xié)變量的影響。

4.5 責(zé)任擴(kuò)散效應(yīng)的替代性衡量指標(biāo)

本文分析中累積籌資額作為衡量指標(biāo)驗(yàn)證了責(zé)任擴(kuò)散效應(yīng)的存在，根據(jù)Fischer的Meta分析方法，近年來(lái)對(duì)于旁觀者效應(yīng)的研究主要聚焦于計(jì)算機(jī)通信[51]和虛擬網(wǎng)絡(luò)社區(qū)環(huán)境，將項(xiàng)目已經(jīng)獲得累計(jì)出資額將團(tuán)隊(duì)規(guī)模作為驗(yàn)證責(zé)任擴(kuò)散效應(yīng)的變量。結(jié)合本文的研究背景，Demohour中的出資者是通過(guò)提供資金支持達(dá)到目標(biāo)籌資額來(lái)幫助籌資人完成籌資的，當(dāng)潛在出資者瀏覽項(xiàng)目時(shí)，將項(xiàng)目已經(jīng)獲得的出資額度作為衡量團(tuán)隊(duì)規(guī)模大小的指標(biāo)，用它來(lái)估測(cè)項(xiàng)目可以繼續(xù)獲得的出資的額度，這種方法是與平臺(tái)的規(guī)劃與設(shè)置相符的，而且在Voelpel[52]對(duì)虛擬社區(qū)的研究和Gompers[53]對(duì)風(fēng)險(xiǎn)資本團(tuán)體的研究中采用的方法一致。那么除此之外是否存在其他變量可以替代累積籌資額對(duì)責(zé)任擴(kuò)散效應(yīng)進(jìn)行測(cè)量。在Demohour平臺(tái)中，按照“金額最高（已獲得出資）”“支持最多（出資人數(shù)最多）”等標(biāo)簽進(jìn)行宣傳的項(xiàng)目很有吸引力，并且潛在出資者可以很容易獲得平均出資額和已有出資中經(jīng)驗(yàn)型出資者的人數(shù)及金額的數(shù)據(jù)，因此，除累計(jì)籌資額外，潛在出資者可以將已有出資的累計(jì)出資人數(shù)、已有出資的平均出資額、已有出資的經(jīng)驗(yàn)型出資者人數(shù)及金額也可以作為衡量存在旁觀者效應(yīng)的指標(biāo)。

將累積籌資額這一變量分別用已有出資者人數(shù)、已獲得出資的平均出資額、已有經(jīng)驗(yàn)型出資者人數(shù)及其出資額四個(gè)變量對(duì)模型（3）進(jìn)行替換，得到新的等式：

Pledge=+)

+β*(AlternativeMeasure * goal) +β*(AlternativeMeasure*Funded)

+β*(AlternativeMeasure*Cumulative_Experienced Pledge) +ζ+η(8)

表12 替代性衡量指標(biāo)

注：*，**和***分別在0.05，0.01和0.001置信水平下顯著

模型1中，以累計(jì)出資者人數(shù)(CumulativeBackers)替代累計(jì)籌資額；

模型2中，以累計(jì)籌資額與累計(jì)出資者人數(shù)比值(CumulativePledge/CumulativeBackes)替代累計(jì)籌資額；

模型3中，以已有經(jīng)驗(yàn)型出資者人數(shù)(Cumlative_Experienced Backers)替代累計(jì)籌資額；

模型4中，以已有經(jīng)驗(yàn)型出資者金額(Cumulative ExperiencedPledge)替代累計(jì)籌資額

分析結(jié)果在表12中，除了模型2之外，替代性衡量指標(biāo)變量對(duì)責(zé)任擴(kuò)散效應(yīng)的解釋仍與累計(jì)籌資額的解釋結(jié)果均保持一致，因此可以用累計(jì)出資人數(shù)、已有經(jīng)驗(yàn)型出資者人數(shù)和已有經(jīng)驗(yàn)型出資者金額等替代衡量指標(biāo)來(lái)反映出資者中存在的責(zé)任擴(kuò)散效應(yīng)。

5 結(jié)論與啟示

本文基于羊群效應(yīng)理論和責(zé)任擴(kuò)散效應(yīng)理論，應(yīng)用國(guó)內(nèi)最大的基于回報(bào)的眾籌平臺(tái)—Demohour的393個(gè)眾籌項(xiàng)目的面板數(shù)據(jù)，分析了已有出資信息對(duì)潛在出資者行為的影響，探索了在面對(duì)已有出資信息時(shí)潛在出資者究竟是表現(xiàn)為羊群的從眾行為還是責(zé)任擴(kuò)散的旁觀行為，得到的主要研究結(jié)論如下：

第一，在控制項(xiàng)目間未被觀測(cè)的異質(zhì)性后，當(dāng)潛在出資者看到項(xiàng)目已經(jīng)獲得較高籌資額時(shí)，會(huì)認(rèn)為該項(xiàng)目會(huì)由其他出資者完成，因而自身的責(zé)任感降低，所以潛在出資者傾向于對(duì)已有籌資較高的項(xiàng)目提供較少的資金，即潛在出資者受到責(zé)任擴(kuò)散效應(yīng)影響表現(xiàn)出旁觀行為。

第二，目標(biāo)籌資額對(duì)責(zé)任擴(kuò)散效應(yīng)具有調(diào)節(jié)作用，為了避免因目標(biāo)籌資額較高的項(xiàng)目在籌資失敗而需承擔(dān)較大的機(jī)會(huì)成本損失，潛在出資者會(huì)提高出資額度，因此，較高的目標(biāo)籌資額可以弱化責(zé)任擴(kuò)散效應(yīng)的影響；已有經(jīng)驗(yàn)型出資對(duì)責(zé)任擴(kuò)散效應(yīng)具有調(diào)節(jié)作用，潛在出資者認(rèn)為該項(xiàng)目應(yīng)該由具備相關(guān)經(jīng)驗(yàn)的且對(duì)項(xiàng)目質(zhì)量和籌資人有較強(qiáng)評(píng)估能力的經(jīng)驗(yàn)型出資者完成，因此，當(dāng)潛在出資者發(fā)現(xiàn)已有經(jīng)驗(yàn)型出資者金額較多時(shí)，自己的責(zé)任感會(huì)大大降低，所以責(zé)任擴(kuò)散效應(yīng)在已有經(jīng)驗(yàn)型出資較多的項(xiàng)目中更加明顯；項(xiàng)目達(dá)到目標(biāo)籌資額對(duì)責(zé)任擴(kuò)散效應(yīng)具有調(diào)節(jié)作用，當(dāng)項(xiàng)目達(dá)到目標(biāo)籌資額后，對(duì)于出資者的吸引力也隨之降低，因此潛在出資者對(duì)一個(gè)仍在籌資期卻已達(dá)到目標(biāo)籌資額的項(xiàng)目?jī)A向于提供較少的出資。

第三，不同眾籌項(xiàng)目類型的出資者均表現(xiàn)為責(zé)任擴(kuò)散的旁觀者行為，但是其決策行為受到不同變量的調(diào)節(jié)效應(yīng)。對(duì)捐贈(zèng)類項(xiàng)目而言，具有公共物品的性質(zhì)，因此對(duì)于基于捐贈(zèng)的項(xiàng)目進(jìn)行出資被視為自愿提供公共物品，該類項(xiàng)目的出資者的決策行為不受項(xiàng)目是否達(dá)到目標(biāo)籌資額的影響，其決策行為表現(xiàn)為責(zé)任擴(kuò)散的旁觀行為，且當(dāng)項(xiàng)目已經(jīng)獲得較高額度的經(jīng)驗(yàn)型出資者出資時(shí)，會(huì)進(jìn)一步降低其出資責(zé)任感。對(duì)回報(bào)類項(xiàng)目而言，參與項(xiàng)目的目的是得到產(chǎn)品或者服務(wù)回報(bào)，其決策行為更容易受到自身興趣的影響，而不是經(jīng)驗(yàn)型出資者。

正如Witt和Steinberg[36]強(qiáng)調(diào)的設(shè)置合適的目標(biāo)籌資額是項(xiàng)目成功的先決條件，在基于回報(bào)的眾籌平臺(tái)中，作為項(xiàng)目創(chuàng)建者的籌資人，應(yīng)該在合理范圍內(nèi)為項(xiàng)目設(shè)置足夠高目標(biāo)籌資額，保持項(xiàng)目對(duì)潛在出資者的吸引力。更重要的是，即使是高質(zhì)量項(xiàng)目在獲得大量出資后的一段時(shí)間里，都會(huì)責(zé)任擴(kuò)散效應(yīng)的影響，出現(xiàn)累計(jì)籌資額增長(zhǎng)幅度銳減的情況，因此，面對(duì)眾籌市場(chǎng)中固有的責(zé)任擴(kuò)散效應(yīng)，作為籌資人必須積極采取各類有效方式對(duì)項(xiàng)目進(jìn)行宣傳，如發(fā)布更新信息，借助社群網(wǎng)站進(jìn)行宣傳等，不斷吸引更多的潛在出資者進(jìn)行出資。此外，針對(duì)不同類型的眾籌項(xiàng)目，眾籌平臺(tái)在規(guī)范項(xiàng)目設(shè)置時(shí)，也應(yīng)該有所區(qū)別。在基于捐贈(zèng)的眾籌項(xiàng)目中，項(xiàng)目發(fā)起人應(yīng)該圍繞項(xiàng)目對(duì)項(xiàng)目?jī)?nèi)容、項(xiàng)目目標(biāo)進(jìn)行明確且嚴(yán)格規(guī)范的展示，克服此類項(xiàng)目中存在的搭便車(chē)行為，使得潛在出資者意識(shí)到完成此類項(xiàng)目對(duì)于自己非常有意義。

當(dāng)然，本文在數(shù)據(jù)分析與理論研究中仍存在局限性，本文的研究樣本只考慮了成功項(xiàng)目的籌資數(shù)據(jù)，因此，分析結(jié)果中未能反映在籌資失敗的項(xiàng)目中出資者的行為特征。為了彌補(bǔ)上述不足，在接下來(lái)的研究中，將籌資失敗項(xiàng)目也納入樣本范圍，全面分析眾籌平臺(tái)中已有出資信息對(duì)潛在出資者的影響。

[1] Schwienbacher A, Larralde B. Crowdfunding of small entrepreneurial ventures[J]. SSRN Electronic Journal, 2010.

[2] Ward C, Ramachandran V. Crowdfunding the next hit: Microfunding online experience goods[C]. Workshop on Computational Social Science and the Wisdom of Crowds at NIPS2010, 2010.

[3] Mollick E. The dynamics of crowdfunding: An exploratory study[J]. Journal of Business Venturing, 2014, 29(1): 1-16.

[4] Agrawal A K, Catalini C, Goldfarb A. Some simple economics of crowdfunding[R]. National Bureau of Economic Research, 2013.

[5] Ahlers G K, Cumming D, Günther C, et al. Signaling in equity crowdfunding[J]. Entrepreneurship Theory and Practice, 2015, 39(4): 955-980.

[6] Burtch G, Ghose A, Wattal S. An Empirical Examination of the Antecedents and Consequences of Contribution Patterns in Crowd-Funded Markets[J]. Information Systems Research, 2013, 24(3): 499-519.

[7] Liu D, Brass D, Lu Y, et al. Friendships in online peer-to-peer lending: Pipes, prisms, and relational herding[J]. MIS Quarterly, 2015, 39(3): 729-742.

[8] Zhang J, Liu P. Rational herding in microloan markets[J]. Management Science, 2012, 58(5): 892-912.

[9] Herzenstein M, Dholakia U M, Andrews R L. Strategic herding behavior in peer-to-peer loan auctions[J]. Journal of Interactive Marketing, 2011, 25(1): 27-36.

[10] Wash R. The Value of Completing Crowdfunding Projects[C]. Seventh International AAAI Conference on Weblogs and Social Media, 2013.

[11] Kuppuswamy V, Bayus B L. Crowdfunding Creative Ideas: The Dynamics of Project Backers in Kickstarter[J]. SSRN Electronic Journal, 2013.

[12] Bikhchandani S, Hirshleifer D, Welch I. A theory of fads, fashion, custom, and cultural change as informational cascades[J]. Journal of political Economy, 1992, 100(5): 992-1026.

[13] Bikhchandani S, Sharma S. Herd behavior in financial markets[J]. IMF Staff papers, 2000: 279-310.

[14] Croson R, Shang J Y. The impact of downward social information on contribution decisions[J]. Experimental Economics, 2008, 11(3): 221-233.

[15] Banerjee A V. A simple model of herd behavior[J]. The Quarterly Journal of Economics, 1992, 107(3): 797-817.

[16] Salganik M J, Dodds P S, Watts D J. Experimental study of inequality and unpredictability in an artificial cultural market[J]. Science, 2006, 311(5762): 854-856.

[17] Cai H, Chen Y, Fang H. Observational learning: Evidence from a randomized natural field experiment[R]. National Bureau of Economic Research, 2007.

[18] Tucker C, Zhang J. How does popularity information affect choices? A field experiment[J]. Management Science, 2011, 57(5): 828-842.

[19] Zhang J. The sound of silence: Observational learning in the US kidney market[J]. Marketing Science, 2010, 29(2): 315-335.

[20] Elberse A, Eliashberg J. Demand and supply dynamics for sequentially released products in international markets: The case of motion pictures[J]. Marketing Science, 2003, 22(3): 329-354.

[21] Duan W, Gu B, Whinston A B. Informational cascades and software adoption on the internet: an empirical investigation[J]. MIS Quarterly, 2009: 23-48.

[22] Burtch G. Herding Behavior as a Network Externality[C]. ICIS 2011 Proceedings: Herding Behavior as a Network Externality, 2011.

[23] Hildebrand T, Puri M, Rocholl J. Adverse incentives in crowdfunding[J]. SSRN Electronic Journal 1615483, 2013.

[24] Yum H, Lee B, Chae M. From the wisdom of crowds to my own judgment in microfinance through online peer-to-peer lending platforms[J]. Electronic Commerce Research and Applications, 2012, 11(5): 469-483.

[25] Koning R, Model J. Experimental Study of Crowdfunding Cascades: When Nothing is Better than Something[J]. Available at SSRN 2308161, 2013.

[26] Darley J M, Latane B. Bystander intervention in emergencies: diffusion of responsibility[J]. Journal of personality and social psychology, 1968, 8(4): 377-383.

[27] Latané B, Nida S. Ten years of research on group size and helping[J]. Psychological Bulletin, 1981, 89(2): 1939-1455.

[28] Wallach M A, Kogan N. The roles of information, discussion, and consensus in group risk taking [J]. Journal of Experimental Social Psychology, 1965, 1(1): 1-19.

[29] Forsyth D R, Zyzniewski L E, Giammanco C A. Responsibility Diffusion in Cooperative Collectives[J]. Personality & Social Psychology Bulletin, 2002, 28(28): 54-65.

[30] Fischer P, Krueger J I, Greitemeyer T, et al. The bystander-effect: a meta-analytic review on bystander intervention in dangerous and non-dangerous emergencies[J]. Psychological bulletin, 2011, 137(4): 517.

[31] Cramer R E, McMaster M R, Bartell P A, et al. Subject competence and minimization of the bystander effect[J]. Journal of Applied Social Psychology, 1988, 18(13): 1133-1148.

[32] Caplan M Z, Hay D F. Preschoolers’ responses to peers’ distress and beliefs about bystander intervention[J]. Journal of Child Psychology and Psychiatry, 1989, 30(2): 231-242.

[33] Hardy C L, Van V M. Nice Guys Finish First: The Competitive Altruism Hypothesis[J]. Personality & Social Psychology Bulletin, 2006, 32(10): 1402-1413.

[34] Kim K, Viswanathan S. The experts in the crowd: the role of reputable investors in a crowdfunding market[J]. SSRN Electronic Journal, 2013, 2258243.

[35] Koch J-A, Siering M. Crowdfunding Success Factors: The Characteristics of Successfully Funded Projects on Crowdfunding Platforms[C]. Twenty-Third European Conference on Information Systems, 2015.

[36] Antonenko P D, Lee B R, Kleinheksel A J. Trends in the crowdfunding of educational technology startups[J]. Techtrends, 2014, 58(6): 36-41.

[37] Agrawal A, Catalini C, Goldfarb A. Crowdfunding: Geography, Social Networks, and the Timing of Investment Decisions[J]. Journal of Economics & Management Strategy, 2015, 24(2): 253–274.

[38] Lee E, Lee B. Herding behavior in online P2P lending: An empirical investigation[J]. Electronic Commerce Research and Applications, 2012, 11(5): 495-503.

[39] Chintagunta P K, Vilcassim N J. Investigating Heterogeneity in Brand Preferences in Logit Models for Panel Data[J]. Journal of Marketing Research, 1991, 28(4): 417-428.

[40] Villas-Boas J M, Winer R S. Endogeneity in Brand Choice Models[J]. Management Science, 1999, 45(10): 1324-1338.

[41] Hsiao C. Panel data analysis—advantages and challenges[J]. Test, 2007, 16(1): 1-22.

[42] Kuksov D, Villas-Boas J M. Endogeneity and individual consumer choice[J]. Journal of Marketing Research, 2008, 45(6): 702-714.

[43] Neuhaus J M. Fixed Effects Regression Methods for Longitudinal Data Using SAS[J]. Journal of the American Statistical Association, 2006, 101(September): 1308-1308.

[44] Cumming D J, Leboeuf G, Schwienbacher A. Crowdfunding Models: Keep-it-All vs. All-or-Nothing[C]Paris December 2014 Finance Meeting EUROFIDAI-AFFI Paper, 2014.

[45] Mod C. KICKSTARTUP–Successful fundraising with Kickstarter. com & (re) making Art Space Tokyo[J]. craigmod–Journal. Available: craigmod. com/-journal/kickstartup, 2010.

[46] Karau S J, Williams K D. Social loafing: A meta-analytic review and theoretical integration[J]. Journal of personality and social psychology, 1993, 65(4): 681.

[47] Hartmann W R, Manchanda P, Nair H, et al. Modeling social interactions: Identification, empirical methods and policy implications[J]. Marketing letters, 2008, 19(3-4): 287-304.

[48] Dan B. Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations.: Monte Carlo Evidence and an Application to Employment Equations[J]. Review of Economic Studies, 1991, 58(2): 277-297.

[49] Wooldridge J M. Distribution-Free Estimation of Some Nonlinear Panel Data Models [C]Journal of Econometrics, 1990. 77-97.

[50] Ai C, Norton E C. Interaction terms in logit and probit models[J]. Economics Letters, 2003, 80(1): 123-129.

[51] Lewis C E, Thompson L F, Wuensch K L, et al. The impact of recipient list size and priority signs on electronic helping behavior[J]. Computers in Human Behavior, 2004, 20(5): 633-644.

[52] Voelpel S C, Eckhoff R A, F?rster J. David against Goliath? Group size and bystander effects in virtual knowledge sharing[J]. Human Relations, 2008, 61(2): 271-295.

[53] Gompers P A, Hellmann T. What Drives Venture Capital Fundraising?[J]. Brookings Papers on Economic Activity, 1998, 18(1): 149-204.

Herding or Bystander?An Empirical Study of the Backers’ Behavior in Crowdfunding Market

WANG Nian-xin, HOU Jie, GE Shi-lun

(School of Economics and Management, Jiangsu University of Science and Technology, Zhenjiang 212003, China)

Understanding backer’s behavior is essential to improving crowdfunding success rate and ensuring the development of the crowdfunding market. A significant characteristic of crowdfunding lies in the availability of information about decision made by other backers in a given project. Potential backers can infer the quality of project and creditworthiness of initiator by observing prior backers’ decisions, and then make their own funding decisions. Backers’ behavior patterns in the context of crowdfunding attract increasing attention from scholars. There are two competing perspectives on the effect of prior backers’ decisions on the potential backers’ behaviors in a given crowdfunding project. The first perspective is herding behavior resulted from the herding effect. The other perspective is bystander behavior caused by the responsibility diffusion effect.

In order to further understand the effect of prior backers’ decisions on potential backer’s behaviors, a panel data analysis was employed to analyze 393 crowdfunding projects in Demohour. The amount of pledge from potential backers and cumulative amount of pledge are selected as variables to measure potential backers’ funding decision and prior backers’ decision respectively. The fixed effect model is leveraged to investigate the relationship between prior backers’ decisions and potential backers’ behaviors.

In the first part, the effects of prior backers’ decisions on potential backers’ behaviors are examined by controlling unobservable heterogeneity across the projects The results indicate that backers’ pledge is negatively associated with prior backers’ pledge. Based on the responsibility diffusion theory, many potential backers do not pledge or pledge less to a crowdfunding project when it has already received a lot of funds, and present the bystander behavior. That’s because they assume that other backers will provide the necessary funds for the crowdfunding project.

In the second part, the moderation effects are explored in the relationship between prior backers’ decisions and potential backers’ behavior. The results suggest that the responsibility diffusion effects become stronger when the prior experienced backers pledge more or the crowdfunding projects have reached their pledge goal. Nonetheless, when crowdfunding projects have a relatively high pledge goal, potential backers tend to increase amount of pledge because of reduced responsibility diffusion effects.

In the third part, according to the exchange relationship between initiators and backer, 393 crowdfunding projects are classified into reward-based and donation-based groups, and each group is analyzed by using panel data analysis. The results indicate that backers from both reward-based and donation-based groups show responsibility diffusion behaviors. However, the responsibility diffusion behavior is moderated by different factors. For donation-based crowdfunding, potential backers tend to pledge less when there is a large cumulative amount of pledge from experienced backers. The diffusion of responsibility effects in reward-based crowdfunding is moderated by the pledge goal. In addition, the crowdfunding projects have reached their pledge goal. However, the moderate effects of cumulative experienced backers pledge are not significant.

In summary, potential backers’ behavior is affected by responsibility diffusion effect, and the effect becomes stronger when the prior experienced backers pledge more or projects have reached their pledge goal. However, potential backers tend to increase the amount of pledge when projects have a relatively high goal. The study also finds that potential backers of both donation-based and reward-based crowdfunding show responsibility diffusion behaviors, but the responsibility diffusion behavior is moderated by different factors.

crowdfunding; herding effect ; responsibility diffusion theory; panel data

中文編輯：杜 健；英文編輯：Charlie C. Chen

C931.6

A

1004-6062(2016)04-0124-11

10.13587/j.cnki.jieem.2016.04.016

2015-10-12

2016-03-08

國(guó)家自然科學(xué)基金資助項(xiàng)目(71331003，71471079，71271104，71471078)；江蘇省教育廳高校哲學(xué)社會(huì)科學(xué)研究基金資助項(xiàng)目（2013SJB6300026）

王念新（1979—），男，江蘇沛縣人；江蘇科技大學(xué)經(jīng)濟(jì)管理學(xué)院副教授，博士，碩士生導(dǎo)師。研究方向：眾籌、云計(jì)算管理、信息技術(shù)商業(yè)價(jià)值、信息技術(shù)戰(zhàn)略等。