王惠 汪文秋 馮 婷 張濤

摘 ? ?要：選取中國最具有代表性且發(fā)展較為成熟的第三方網(wǎng)站——“眾籌家”為研究對象，基于“眾籌家”項(xiàng)目實(shí)際數(shù)據(jù)，采用多元回歸分析等方法進(jìn)行研究，刪除異常點(diǎn)和強(qiáng)影響點(diǎn)，利用加權(quán)最小二乘回歸修正異方差，得到更加合理的估計(jì)參數(shù)，找出對眾籌融資績效影響顯著的因素，從而得出有利于眾籌融資績效提高的針對性建議.實(shí)證結(jié)果顯示：眾籌籌資效果受到包括目標(biāo)融資金額、實(shí)際融資、回報(bào)方式、項(xiàng)目要素?cái)?shù)量以及評論數(shù)等多方面因素的影響.

關(guān)鍵詞：影響分析;加權(quán)最小二乘法;回歸插補(bǔ);多元線性回歸;眾籌家

中圖分類號：O212.1∶C81 ? ? ? DOI：10.16375/j.cnki.cn45-1395/t.2019.03.016

引言

眾籌即大眾籌資或群眾籌資，是一種通過互聯(lián)網(wǎng)方式向網(wǎng)友募集項(xiàng)目資金的模式.眾籌作為一種融資方式，具有營銷推廣、項(xiàng)目調(diào)研、數(shù)據(jù)采集等作用，能夠緩解中小企業(yè)融資難的問題.通過查閱中外相關(guān)文獻(xiàn)發(fā)現(xiàn)，關(guān)于眾籌項(xiàng)目影響因素的研究主要集中在眾籌項(xiàng)目成功影響因素方面的探究，經(jīng)過梳理，可以系統(tǒng)性歸納的影響因素有：基本屬性、項(xiàng)目內(nèi)部因素、項(xiàng)目外部因素.其中，基本屬性包括投資人數(shù)和目標(biāo)融資額兩要素[1-2].Frydrych等[3]發(fā)現(xiàn)，對于相對較低的項(xiàng)目目標(biāo)融資金額能夠達(dá)到較好的項(xiàng)目預(yù)期.國內(nèi)學(xué)者陳亮[4]通過“點(diǎn)名時(shí)間”的項(xiàng)目研究，提出項(xiàng)目目標(biāo)融資金額和項(xiàng)目成功之間呈現(xiàn)負(fù)相關(guān)關(guān)系.項(xiàng)目內(nèi)部因素主要包括：項(xiàng)目回報(bào)方式、項(xiàng)目質(zhì)量、項(xiàng)目類別、融資期限等. 鄭海超等[5]根據(jù)信號理論，利用眾籌網(wǎng)站“大家投”的數(shù)據(jù)進(jìn)行融資績效的影響因素分析，發(fā)現(xiàn)項(xiàng)目質(zhì)量信息，如項(xiàng)目動(dòng)態(tài)更新次數(shù)、發(fā)起人團(tuán)隊(duì)人數(shù)等因素影響顯著.外部影響因素包括社會(huì)資本、地理因素和平臺因素三類.Evers[6]首次嘗試研究眾籌模式的“親社會(huì)性”，證實(shí)了項(xiàng)目評論數(shù)量對眾籌結(jié)果有一定影響.曾江洪等[7]通過統(tǒng)計(jì)點(diǎn)名時(shí)間等4個(gè)國內(nèi)主要的眾籌網(wǎng)站的數(shù)據(jù)，證實(shí)了社會(huì)資本、“地域偏見”對融資績效的作用，項(xiàng)目發(fā)起人來自發(fā)達(dá)地區(qū)更容易獲得投資.

綜合上述文獻(xiàn)的分析，發(fā)現(xiàn)研究仍然存在不足之處：1）已有關(guān)于眾籌融資的研究沒有綜合考慮3種因素對眾籌融資效率的影響，只是單方面因素的討論;2）前述研究皆默認(rèn)平臺數(shù)據(jù)的合理性，對數(shù)據(jù)的異常波動(dòng)予以剔除，未對異常數(shù)據(jù)進(jìn)行分析;3）前述研究中采用的回歸分析，沒有考慮強(qiáng)影響點(diǎn)對估計(jì)參數(shù)的影響.基于上述原因，本文選取眾籌第三方網(wǎng)站—眾籌家作為研究樣本，充分考慮研究中存在的上述3個(gè)問題，建立合適的多元回歸模型[8-9]，以期為眾籌實(shí)踐提供指導(dǎo).

1 ? ?數(shù)據(jù)初步探索

基于從眾籌第三方網(wǎng)站—眾籌家提取的數(shù)據(jù)，結(jié)合前人研究成果、因素自身特點(diǎn)和融資動(dòng)態(tài)階段確定影響因素指標(biāo)，并進(jìn)行變量賦值，如表1所示.

1.1 ? 數(shù)據(jù)預(yù)處理分析

在數(shù)據(jù)分析過程中，數(shù)據(jù)對象經(jīng)常是不夠完整的.當(dāng)數(shù)據(jù)集存在缺失值時(shí)，建模過程中就容易出現(xiàn)報(bào)錯(cuò)的情況.缺失值分析過程通常包括缺失值檢測和缺失值處理.對收集得到的894個(gè)樣本點(diǎn)繪制缺失值模式圖形，結(jié)果如圖1所示.

從圖1中可以看出，變量中只有支持?jǐn)?shù)變量存在缺失值，且該變量存在279個(gè)缺失值.

通過觀察數(shù)據(jù)發(fā)現(xiàn)關(guān)注數(shù)和支持?jǐn)?shù)存在一定的相關(guān)關(guān)系，進(jìn)一步計(jì)算兩者之間的相關(guān)系數(shù)值為0.771.利用關(guān)注數(shù)對支持?jǐn)?shù)進(jìn)行回歸插補(bǔ)缺失值，回歸插補(bǔ)后的數(shù)據(jù)集為不含缺失值的完整數(shù)據(jù)集，該數(shù)據(jù)集的樣本量仍為894個(gè).

為避免異常值數(shù)據(jù)對建模分析帶來不必要的影響，對收集整理得到的數(shù)據(jù)初步進(jìn)行異常值的刪除.繪制主要研究對象眾籌融資效率的直方圖、箱線圖，如圖2所示.

從圖2中可以看出，眾籌融資效率值集中分布在5 000以內(nèi)且遠(yuǎn)小于5 000，且融資效率值存在至少3個(gè)顯著異常值.利用R軟件找到3個(gè)顯著異常值所在的樣本，并將刪除后的數(shù)據(jù)作為接下來研究的數(shù)據(jù)集，樣本量為891個(gè).

1.2 ? 描述性分析

描述性統(tǒng)計(jì)分析是進(jìn)一步的統(tǒng)計(jì)推斷和分析的基礎(chǔ).統(tǒng)計(jì)主要涉及到數(shù)據(jù)集中趨勢、分散程度、數(shù)據(jù)分布和一些基本統(tǒng)計(jì)圖.對數(shù)據(jù)預(yù)處理后得到的數(shù)據(jù)集進(jìn)行描述性分析，如 表2所示.

從表2中可以看出，融資效率的均值為2.39，說明普遍融資成功的效果較好;眾籌項(xiàng)目的融資目標(biāo)金額[x2]和實(shí)際融資金額[x3]的標(biāo)準(zhǔn)差都很大，差異性很大，但兩者的中值分別只有100 000元和202 500元，說明從大多數(shù)的產(chǎn)品眾籌來看，金額都不大.這些眾籌產(chǎn)品大部分都是個(gè)人或者是中小企業(yè)的項(xiàng)目.并且這些項(xiàng)目都是不需要大量的資金就可以完成的項(xiàng)目.

對分類型變量（地區(qū)[x1]、所屬平臺[x10]、回報(bào)方式[x4]）分別討論它們各自在眾籌融資效率上的差異，如圖3所示.

箱線圖的箱體長度反映出數(shù)據(jù)的集中程度.由圖3的箱體長度可看出：天津、福建、上海、浙江等省、直轄市的數(shù)據(jù)較分散，眾籌融資效率相對較高;其他各個(gè)省、直轄市的數(shù)據(jù)較集中，眾籌融資效率基本穩(wěn)定在1附近.在刪除幾個(gè)異常值的前提下，上海市的眾籌融資效率仍出現(xiàn)較多的異常值點(diǎn).如圖4所示.

由圖4的箱線圖可以直觀地看出，p10平臺的眾籌融資效率顯著高于其他平臺，且不存在異常值的情況;平臺p13、p21、p22、p23、p24、p29、p42存在眾籌融資效率的異常值情況，說明這些投資平臺存在一定的風(fēng)險(xiǎn)，融資效率有時(shí)會(huì)達(dá)到較高數(shù)值，通常達(dá)到平均水平，但這些平臺整體融資效率值相比其他平臺要高.

圖5為依據(jù)回報(bào)方式分組的融資效率箱線圖，從圖中可以看出3種回報(bào)方式的融資效率值存在一定的差異.以產(chǎn)品作為回報(bào)的融資效率值整體較高，但存在較多異常值，差異性較大;以權(quán)益作為回報(bào)方式的融資效率值箱體長度最短，數(shù)據(jù)較小且較集中;以產(chǎn)品和權(quán)益作為回報(bào)方式的融資效率值的箱體長度介于前兩種方式之間，出現(xiàn)異常值的情況最少.

綜合對分類型變量的分析，可看出融資效率在變量地區(qū)、回報(bào)方式上存在一定的差異性，在接下來的研究中有必要將其考慮進(jìn)去.

從融資目標(biāo)和實(shí)際融資入手具體考察各個(gè)省份的融資情況，如圖6所示.結(jié)果表明，各省、直轄市的融資目標(biāo)和實(shí)際融資值呈正線性相關(guān)關(guān)系，其中上海、江蘇、山東、廣東、黑龍江的眾籌融資狀況較好，眾籌融資的實(shí)施力度較大;其他省、直轄市微見雛形，眾籌融資有待發(fā)展.

2 ? ?回歸建模分析

2.1 ? 變量設(shè)計(jì)

1）因變量的選擇

本文研究影響眾籌融資績效的關(guān)鍵因素.由于眾籌出現(xiàn)時(shí)間較短，無論是國內(nèi)還是國外對于構(gòu)建眾籌融資績效的評級指標(biāo)仍處于探索階段.對此，本文選取項(xiàng)目完成的融資效率，即實(shí)際籌資金額與目標(biāo)融資金額的比值作為因變量，能夠較準(zhǔn)確地衡量項(xiàng)目的籌資績效.

2）二級分析指標(biāo)的選擇

本文在以上分析的基礎(chǔ)上，基于科學(xué)、完整、實(shí)用的原則以及以往的研究成果和平臺的數(shù)據(jù)可獲得性，考慮變量所屬平臺種類較多量化困難，選取表1中除去變量[x10]外的其余12個(gè)自變量對融資績效影響因素的問題進(jìn)行研究，并對其余2個(gè)分類變量進(jìn)行量化.量化方式為：項(xiàng)目所在地區(qū)是一線城市賦值為3，二線城市賦值為2，三線城市賦值為1;回報(bào)方式為：產(chǎn)品賦值為3，權(quán)益賦值為1，兩者兼而有之的賦值為2.

2.2 ? 模型構(gòu)建

首先基于對數(shù)據(jù)觀察，運(yùn)用最小二乘法進(jìn)行多元線性回歸模型的擬合.初步擬合結(jié)果顯示：模型通過方程的檢驗(yàn)（[F]檢驗(yàn)），但大多數(shù)自變量系數(shù)不顯著.由于自變量較多，自變量[x6]（是否公益）和[x7]（支持?jǐn)?shù)）符號，大多數(shù)與實(shí)際不符，考慮可能是存在多重共線性.

對建立的模型進(jìn)行多重共線性診斷分析，用方差膨脹因子[VIFj]作為診斷自變量之間是否存在多重共線性的準(zhǔn)則，利用R軟件計(jì)算得到12個(gè)自變量的方差膨脹因子見表3.

由表3可知，回歸系數(shù)和方程顯著的幾個(gè)變量的方差膨脹因子都顯著小于10，說明模型不存在多重共線性問題.

2.3 ? 異常值及影響分析

對得到的模型進(jìn)行回歸診斷，考慮是否由于異常值或強(qiáng)影響值對回歸決定系數(shù)的影響，回歸診斷圖如圖7所示.

圖7（a）中，縱坐標(biāo)殘差值度量尺度[ri]值遠(yuǎn)大于2， 第92、第141、第64號樣本點(diǎn)明顯遠(yuǎn)離其他樣本點(diǎn)，為顯著異常值;圖7（c）是標(biāo)準(zhǔn)化殘差絕對值的開方的殘差圖，可知圖7（c）和圖7（a）可以得到相同的結(jié)論.圖7（d）中樣本點(diǎn)110的Cook距離值最大，可能為強(qiáng)影響點(diǎn).

為了避免異常值以及強(qiáng)影響值對模型建立的影響，依據(jù)以下準(zhǔn)則對樣本點(diǎn)做標(biāo)記：對最大殘差絕對值的樣本作標(biāo)記;對標(biāo)準(zhǔn)化殘差和學(xué)生化外殘差絕對于2的樣本作標(biāo)記;對于杠桿值[hii>2（p+1）/n]的樣本作標(biāo)記;對[DFFITSi>2（p+1）/n]（[p]是自變量個(gè)數(shù)）樣本作標(biāo)記;對最大的Cook距離的樣本作標(biāo)記;對距1最遠(yuǎn)的COVRATIO統(tǒng)計(jì)量的能本作標(biāo)記.依據(jù)以上對異常值和強(qiáng)影響值識別的準(zhǔn)則，利用R軟件得到部分被標(biāo)記的樣本點(diǎn)，結(jié)果見表4：

摘取部分樣本點(diǎn)數(shù)據(jù)，以第2號樣本點(diǎn)為例：第2號樣本點(diǎn)的普通殘差[e2=13.024]，此值與其他數(shù)據(jù)點(diǎn)對應(yīng)的普通殘差相比較大，且它的學(xué)生化內(nèi)殘差[r2=3.622]和學(xué)生化外殘差[t2=3.647]都比其他數(shù)據(jù)點(diǎn)對應(yīng)的學(xué)生化內(nèi)殘差和學(xué)生化外殘差大很多，因而可認(rèn)為第2號樣本點(diǎn)是異常值點(diǎn).

計(jì)算得到該數(shù)據(jù)的杠桿值[h2，2=0.029 793>2（12+1）891=0.029 18]也較大，根據(jù)DFFITS準(zhǔn)則的統(tǒng)計(jì)量值[DFFITS2=0.639 18>2（p+1）/n=0.241 58]，即表明該樣本點(diǎn)還是高杠桿值點(diǎn).同理對其他異常值及強(qiáng)影響值做標(biāo)記，在數(shù)據(jù)預(yù)處理的數(shù)據(jù)集基礎(chǔ)上刪除被標(biāo)記的樣本點(diǎn)作為接下來研究的對象.記該數(shù)據(jù)集為data1.

對數(shù)據(jù)集data1利用最小二乘法建立多元線性回歸，并對回歸系數(shù)的[t]檢驗(yàn)沒有通過的變量，依據(jù)刪除變量的準(zhǔn)則即[p]值大于10%且取最大值的變量刪除，對數(shù)據(jù)預(yù)處理后的數(shù)據(jù)在初步選擇的11個(gè)變量的基礎(chǔ)上，依次進(jìn)行最小二乘回歸并刪除不顯著變量，得到最后顯著的變量回歸結(jié)果見表5：

2.4 ? 模型檢驗(yàn)

數(shù)據(jù)的模型檢驗(yàn)，包括誤差項(xiàng)的正態(tài)性檢驗(yàn)、方差齊性檢驗(yàn)和獨(dú)立性檢驗(yàn)，該過程運(yùn)用R軟件進(jìn)行處理分析.

1） 正態(tài)性檢驗(yàn)

殘差正態(tài)性檢驗(yàn)較為簡單的方法是畫殘差的Q-Q圖，這種檢驗(yàn)方法帶有一定的主觀性，本文采用shapiro test（）函數(shù)作殘差的正態(tài)性檢驗(yàn).

殘差正態(tài)性檢驗(yàn)的p=0.092 1大于顯著性水平0.05，接受原假設(shè)，認(rèn)為該模型的殘差滿足正態(tài)性假設(shè).

2） 獨(dú)立性檢驗(yàn)

殘差的獨(dú)立性檢驗(yàn)等同于殘差的自相關(guān)檢驗(yàn)，本文運(yùn)用D-W檢驗(yàn)獨(dú)立性.

定性觀察D-W值為1.975 8基本接近于2，p= 0.346 8>0.05，無法拒絕原假設(shè)，說明誤差是滿足獨(dú)立性條件的;定量來看，經(jīng)查表得到dit=1.674，D-W值正好介于dit與4-dit之間，認(rèn)為不存在自相關(guān)，同樣說明殘差通過獨(dú)立性檢驗(yàn).

3） 方差齊性檢驗(yàn)

方差齊性檢驗(yàn)即等方差檢驗(yàn)，該檢驗(yàn)的理論依據(jù)有殘差圖分析法和等級相關(guān)系數(shù)法.殘差圖分析法是一種比較直觀的分析方法.等級相關(guān)系數(shù)法適用于大樣本、小樣本數(shù)據(jù)的檢驗(yàn).

考慮本文的樣本量[n=785>8]，采用等級相關(guān)系數(shù)法來檢驗(yàn)該模型是否存在異方差性.經(jīng)計(jì)算得到模型6個(gè)變量的等級相關(guān)系數(shù)如表6所示.

給定顯著性水平[α=0.05]，查t分布的臨界值表[t0.025/2（45）=2.014 1]，隨著樣本量的增大，[t0.025/2（n）]值將越來越小，因此可以斷定[t=29.615 5>t0.025/2（785）].認(rèn)為殘差絕對值[ei]與自變量顯著相關(guān)，即隨機(jī)誤差項(xiàng)存在異方差性.

4）異方差修正

消除異方差性的常用方法有：加權(quán)最小二乘法、Box-Cox變換法、方差穩(wěn)定性變換法.本文采用加權(quán)最小二乘法修正異方差性，用方差的倒數(shù)作為樣本點(diǎn)的權(quán)重，以減少非齊性方差帶來的影響.

利用R軟件進(jìn)行加權(quán)最小二乘估計(jì)得到模型的擬合優(yōu)度提高到0.821 1，但變量[x12]的t檢驗(yàn)沒通過，刪除不顯著變量再次進(jìn)行加權(quán)最小二乘回歸得到模型結(jié)果見表7.

由模型可知，眾籌融資效率的主要影響因素是目標(biāo)融資金額、實(shí)際融資、回報(bào)方式、項(xiàng)目要素?cái)?shù)量以及評論數(shù).進(jìn)一步表明目標(biāo)融資金額與融資效率是成反比，其他指標(biāo)與融資效率呈正比，符合實(shí)際意義.

5）修正后模型的檢驗(yàn)

為了進(jìn)一步確定修正后模型的效果，對殘差修正后的模型再次進(jìn)行檢驗(yàn).相比修正前的模型，修正后的模型滿足正態(tài)性和方差齊性并且不存異常點(diǎn)，Cook距離圖顯示數(shù)據(jù)也不存在強(qiáng)影響點(diǎn).

3 ? ?結(jié)論

從眾籌平臺的視角.眾籌平臺是眾籌項(xiàng)目的粘合劑也是“中介”.結(jié)合多元回歸分析結(jié)果可以得出如下結(jié)論：

1）眾籌項(xiàng)目的評論數(shù)與眾籌融資效率呈正相關(guān).眾籌平臺對項(xiàng)目的關(guān)注者進(jìn)行了提醒、推送等區(qū)別服務(wù)，評論的項(xiàng)目更能吸引籌資者的注意力，這樣做的目的也是為了促進(jìn)眾籌項(xiàng)目的成功.從本文的實(shí)證數(shù)據(jù)分析來看，平臺這樣做的努力是符合預(yù)期的.

2）項(xiàng)目要素?cái)?shù)量與眾籌融資效率正相關(guān).在本文實(shí)證分析的眾籌平臺上，眾籌項(xiàng)目提供的項(xiàng)目要素?cái)?shù)量越多，資料越齊全，可信度就會(huì)越高，越能得到籌資者的信賴，從而大大地提高眾籌融資效率.因此該眾籌項(xiàng)目也就會(huì)更加容易獲得成功了.

3）目標(biāo)融資金額、實(shí)際融資對眾籌融資效率的影響相反.目標(biāo)融資金額較大會(huì)對籌資者產(chǎn)生心理壓力，影響項(xiàng)目成功.通過對目標(biāo)融資金額與實(shí)際融資額在地區(qū)的差異可看出，目標(biāo)融資和實(shí)際融資是呈正線性相關(guān)關(guān)系，其中上海、江蘇、山東、廣東、黑龍江的眾籌融資狀況較好，眾籌融資的實(shí)施力度較大，其他省份微見雛形，眾籌融資有待發(fā)展.

4）回報(bào)方式對眾籌融資效率是正向影響.即合理的回報(bào)方式會(huì)促進(jìn)眾籌融資效率.通過描述分析發(fā)現(xiàn)以產(chǎn)品作為回報(bào)的融資效率值整體較高，但差異性較大;以權(quán)益作為回報(bào)方式的融資效率較小;以產(chǎn)品和權(quán)益作為回報(bào)方式的融資效率值的箱體長度介于前兩種方式之間.且大部分眾籌項(xiàng)目集中在以產(chǎn)品為回報(bào)方式上.

為此，眾籌平臺應(yīng)基于顯著性因素適當(dāng)調(diào)整運(yùn)營制度，努力提高眾籌績效.

參考文獻(xiàn)

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

[2] MOUTINHO N， LEITE P.Sharing information in a virtual community of crowdfunding：the caseof kickstarter[J/OL]. （2013）[2019-03-29].https：//repositorio-aberto.up.pt/handle/10216/71430 .

[3] FRYDRYCH D， BOCK A J，KINDER T，et al. Exploring entrepreneurial legitimacy in reward-based crowdfunding[J].Venture Capital，2014，16（3）：247-269.

[4] 陳亮.基于眾籌視角的互聯(lián)網(wǎng)金融創(chuàng)新模式實(shí)證研究[J].特區(qū)經(jīng)濟(jì)，2015（3）：55-56

[5] 鄭海超，黃宇夢，王濤，等.創(chuàng)新項(xiàng)目股權(quán)眾籌融資績效的影響因素研究[J].中國軟科學(xué)，2015（1）：130-138.

[6] EVERS M. Main drivers of crowdfunding success：a conceptual framework and empirical analysis[D].Rotterdam： Erasmus University，2012.

[7] 曾江洪.社會(huì)資本對眾籌項(xiàng)目融資成功率影響的實(shí)證研究[J].技術(shù)經(jīng)濟(jì)，2014，33（11）：90-95.

[8] 胡偉平.基于回歸分析的人臉老化模型構(gòu)建[J].廣西科技大學(xué)學(xué)報(bào)，2016，27（3）：39-44.

[9] 張濤，吳文澤，萬艷玲.基于特征篩選的模型選擇[J].廣西科技大學(xué)學(xué)報(bào)，2016，27（1）：26-30，42.

Abstract： This paper selects the most representative and more mature third-party website–"crowdfunding" in China as the research object. Based on the actual data of "crowdfunding Home" project，multivariate regression analysis and other methods are used. The abnormal and strong influence points are removed by the influence analysis， and the weighted least squares regression is used to correct the heteroscedasticity， so as to obtain more reasonable estimation parameters. Finally， the most significant factors are found for the performance of crowdfunding financing. Through analysis， we can identify the most significant factors affecting the performance of crowdfunding financing and draw targeted recommendations that are conducive to the improvement of crowdfunding financing performance. The empirical results show that the crowdfunding is affected by many factors including the target financing amount， actual financing， return method， number of project elements and number of comments.

Key words： influence analysis; weighted least squares; regression interpolation; multiple linear regression; crowdfunding

（責(zé)任編輯：張玉鳳）