一、樣本特性分析
二、 研究假說之檢定
國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
42
第伍章、 研究模型驗證
一、樣本特性分析
本研究撰寫程式收集在 Kickstarter(https://www.kickstarter.com/)募資平台上 的 raw data，以 Kickstarter 全球最大的募資平台之一的評論留言及其可以抓取到 相關資料的募資專案為研究對象，相關資料包括目標募資金額、專案者募資專案 數量、專案者贊助其他專案、專案者更新次數、專案獎賞類別多寡、專案持續時 間、專案是否有連結 fb、發起人 fb 好友、專案描述長度、評論數量，來驗證這 些因素與募資成功是否會受到影響。
總共鎖定了六個類別，Music、Theater、Dance 為成功率較高的種類，成功 率分別為 52.0%、60.6%、65.0%，反之三個低成功率的類別是 Technology、Design、
和 Game，成功率分別為 21.64%、33.5%、32.5%。
Dance 只抓到了 56 筆資料，其他類別各抓了 220 筆資料，因此會有 1156 筆 募資產品資料進行分析。
二、 研究假說之檢定
本研究的依變項為募資成功與否(1:成功、0:失敗)的二分名義變項，因此使 用二元邏輯斯迴歸分析去檢定自變項對於依變項的影響。使用 SPSS 軟體處理，
進行邏輯斯迴歸分析，其程序為逐步回歸，開始時所有的自變項都不會納入迴歸 模式中，以 Score 檢定對每一自變項參數估計值進行顯著性檢定，若所有的自變 項之係數都未達顯著水準，就表示自變項對於依變項都不具有解釋與預測的效果，
若有自變項係數達到顯著水準，就會將該自變項選入迴歸模式中，並進行邏輯斯 迴歸之參數估計。表五為初步邏輯斯迴歸結果(「*」表示顯著(p 值<0.1)，「**」
表示非常顯著(p 值<0.05)，「***」表示極為顯著(p 值<0.01)。)
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
43
表五:初步邏輯斯迴歸 Score 檢定
未在方程式中的變數a
分數 df 顯著性
步驟 0 變數 專案是否有連結fb(1) .667 1 .414
專案募資數量 84.778 1 ***.000
贊助其他專案 67.320 1 ***.000
募資者更新次數 225.626 1 ***.000
專案獎賞類別多寡 24.222 1 ***.000
專案持續時間 14.637 1 ***.000
專案發起人FB好友數量 7.582 1 ***.006
專案描述長度 37.217 1 ***.000
募資金額 6.500 1 .011
情緒比例 246.861 1 ***.000
評論數量 396.527 1 ***.000
a. 由於冗餘而未計算殘差卡方。
表六為模式係數的 Omnibus 檢定，此為整體模式係數顯著性的檢定結果，
11 個自變項所建立的迴歸模式之整體模式適配度檢定之卡方值及 p 值都達到顯 著水準。11 個自變項: ’目標募資金額’、’專案者募資專案數量’、’ 專案者更新次 數’、’專案者贊助其他專案’、’專案獎賞類別多寡’、’ 專案持續時間’、’ 專案是 否有連結 fb’、’ 發起人 fb 好友數’、’ 專案描述長度’、’評論數量’、’情緒比例’，
至少有一個自變項是可以解釋與預測樣本在募資成功(1)或失敗(0)之分類結果。
表六: 模式係數 Omnibus 檢定
卡方 df 顯著性
步驟 1 步驟 598.456 11 ***.000 區塊 598.456 11 ***.000 模型 598.456 11 ***.000
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
44
表七為回歸模型之整體配適度檢定結果，採用 Hosmer-Lemeshow 檢定法，
如果 Hosmer-Lemeshow 檢定值未達顯著水準(p>0.05)，表示模式配適度佳。若整 體配迴歸模式的適度良好，表示自變項可以有效的預測依變項，
Hosmer-Lemeshow 卡方檢定統計量的性質與結構方程模式中適配度檢定的卡方 性質十分接近，當卡方值未達顯著時，表示模式的適配度或契合度佳，在邏輯斯 迴歸模式的假設驗證方面，Hosmer-Lemeshow 檢定之卡方統計量越小越好，卡 方值越小越會達到顯著，表示迴歸模式越佳。從表七可以看到呈現極接近顯著，
因此表示此模式的適配度良好。
表七:Hosmer 和 Lemeshow 檢定
Hosmer 與 Lemeshow 測試
步驟 卡方 df 顯著性
1 10.978 8 .051
表八為迴歸模式中的個別自變數顯著性的參數估計，第一欄為投入的自變數 項名稱，第二欄為自變數係數估計值、第三欄為係數估計標準誤(S.E.)、第四欄 為個別參數檢定之 Wald 值、第五欄為自由度、第六欄為顯著性差異、第七欄為 勝算比。圖十三則是回歸結果的圖形顯示。
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
45
表八:變數在方程式中的檢定結果
(本研究使用「*」表示顯著(p 值<0.1)，「**」表示非常顯著(p 值<0.05)，「***」
表示極為顯著(p 值<0.01)。)
B S.E. Wald df 顯著性 Exp(B)
步驟 1a 專案是否有連結fb(1) -.334 .217 2.355 1 .125 .716
專案募資數量 .323 .081 15.740 1 .000*** 1.381
贊助其他專案 .036 .038 .866 1 .352 1.036
募資者更新次數 .240 .030 64.841 1 .000*** 1.272
專案獎賞類別多寡 .015 .018 .742 1 .389 1.015
專案持續時間 -.034 .010 10.986 1 .001*** .966
專案發起人FB好友數量 .000 .000 .610 1 .435 1.000
專案描述長度 .001 .000 5.526 1 .019** 1.001
募資金額 .000 .000 16.762 1 .000*** 1.001
情緒分數 -.004 .008 .301 1 .584 .996
評論數量 .095 .012 66.988 1 .000*** 1.100
常數 -1.532 .421 13.271 1 .000*** .216
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
46
(本研究使用「*」表示顯著(p值<0.1)，「**」表示非常顯著(p值<0.05)，「***」
表示極為顯著 (p 值<0.01)。)
1.381 ***
募資成功 專案者募資專案數量
專案者贊助其他專案
專案者更新次數
目標募資金額 專案獎賞類別多寡
專案描述長度 專案是否有連結 fb
發起人 FB 好友數量
評論情緒分數 專案持續時間
評論數量 1.100***
1.272***
0.996 1.001***
* 1.001**
1.000 0.716
1.001***
1.015 1.036
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
48
由上述結果可以看出提案者募資專案數量、專案者更新次數、專案持續時間、
評論數量、目標募資金額都會對募資專案是有顯著的影響的，但在評論的情緒卻 不會顯著的影響募資成功。葉忠福（2014）將群眾募資的專案類型區分成產品設 計類與非產品設計類，前者如自行車、手錶、軟體等，後者如電影、音樂、表演、
活動等，並說明其實在募資平台上，每個不同的募資類別所具有的特性是不同的。
因此本研究將六個類別分別跑邏輯斯迴歸結果如表十至十五:
表十: Game 類別的影響因素
B S.E. Wald df 顯著性 Exp(B)
步驟 1a 募資專案數量 .548 .169 10.546 1 ***.001 1.730
贊助其他專案 .098 .103 .889 1 .346 1.102
募資者更新次數 .380 .093 16.575 1 ***.000 1.463
專案獎賞類別多寡 .040 .049 .670 1 .413 1.041
專案持續時間 -.049 .029 2.929 1 *.087 .952
專案是否有連結fb(1) -.388 .556 .487 1 .485 .679
專案發起人FB好友數量 .000 .001 .057 1 .811 1.000
專案描述長度 .000 .000 3.895 1 **.048 1.000
募資金額 .000 .000 .795 1 .373 1.000
情緒比例 -.674 .275 5.995 1 **.014 .510
評論數量 .062 .017 14.255 1 ***.000 1.064
常數 -.490 1.145 .183 1 .669 .613
(本研究使用「*」表示顯著(p值<0.1)，「**」表示非常顯著(p值<0.05)，「***」表示極為顯著 (p 值<0.01)。)
表十一:Technology 類別的影響因素
B S.E. Wald df 顯著性 Exp(B)
‧
‧
‧
H3、H6、H7、H10 在這六個類別中幾乎都呈現顯著成立，然而在 H11 的假說顯 著與不顯著的類別有三個，且可以分成兩類別，與一開始在募資平台上所得到的
‧
‧
‧ 國
立 政 治 大 學
‧
Na tiona
l Ch engchi University
54