第五章 研究方法
第三節 研究方法與模型設計
（一） 統計方法與模型設計
由於眾籌結束後產品上架電子商務平台銷售是一個是與否的問題，即 0 與 1 的變數。對於此類二元因變數易採用 Logit 和 Probit 模型估計。本研究首先採 用 logit 統計模型對資料進行分析，之後再採用 Probit 模型對統計結果進行二次 驗證以確保研究結果的準確性。具體來說，眾籌結束後產品上架電子商務平台 銷售，則因變數取值為 1；產品未上架電子商務平台銷售，則因變數取值為 0。不少學者也藉由 Logit 迴歸分析不同因素對群眾募資結果的關係(Joenssen et al., 2014; Li, Rakesh, & Reddy, 2016)，因此本研究也採用 Logit 迴歸作為分析方 式之一。以下將對此二分選擇模型(Binary choice model)加以簡單說明:
y
i*= x
i+ u
i𝑦𝑖 = {0 𝑖𝑓 𝑦𝑖∗ < 0 1 𝑖𝑓 𝑦𝑖∗ ≥ 0
11 方格（2018）。電子商務研究中心《阿里巴巴集團 2018 財年業績報告》財務分析報告
http://www.100ec.cn//Public/home/images/Alibaba2018%20report.pdf
其中𝑦𝑖∗值的大小可以決定產品是否會上架電子商務平台銷售，
x
i為獨立的 解釋變數，
是相對應要估計的參數值。但是一般來講 𝑦𝑖∗ 的確切數值是研究 者無法觀察到的，而研究者只能觀察到產品上架電子商務平台銷售與否，則產 品上架電子商務平台銷售時，我們就令 𝑦𝑖 = 1，其他則𝑦𝑖 = 0。在上述假設 下，我們將可輕易的導出 𝑦𝑖 在不同數值底下的各自機率分別為:𝑦𝑖 = 1 的機率值為
P(𝑦𝑖 = 1) = P(𝑦𝑖* 0) = P(
u
i −x
i') = 1 − F(−x
i') 𝑦𝑖= 0 的機率值為P(𝑦𝑖= 0) = P(
y
i* 0) = F(−x
i') 由此可寫出二分選擇模型之中的一般化之概似函數lnL=∑ni=1[𝑦𝑖 (lnF(
x
i')+(1−𝑦𝑖)ln(1−F(x
i'))當假設
u
i的分配函數為 logistic 分配，此時 𝑦𝑖 = 1 的機率值為1−F(
x
i') = exp(𝑥𝑖′𝛽)1+exp(𝑥𝑖′𝛽)
𝑦𝑖 = 0 的機率值為
F(
x
i') = 11+exp(𝑥𝑖′𝛽)
在 Logit 回歸模型中，因變數的機率密度函數服從標準 logit 分佈；假設因 變數的機率密度函數服從常態分配，此時模型就變為 Probit 模型。因此本研究 使用 Probit 回歸模型對產品是否上架電子商務平台銷售的虛擬變數（0，1）進 行二次分析驗證，此時
𝑦𝑖 = 1 的機率值可寫為
此時如立刻就使用 Newton-Rapson 演算法來估算概似函數的參數估計值，
則會遭遇無法單獨認定出 與 的值，而產生認定問題。為解決此一問題，我 們假設
=1，概似函數可改寫如下:lnL = ∑ni=1[𝑦𝑖(lnΦ（𝑥𝑖′𝛽）+ (1−𝑦𝑖)ln(1−Φ（𝑥𝑖′𝛽)）
然後，再以 Newton-Rapson 演算法進行求解。
為進一步考量影響新產品投放電子商務平台後銷售績效的因素，本研究利
（二） 樣本及變數的選擇
在有效的 115 件研究樣本中，如表 8 所示，科技類佔 56.5%，設計類佔 16.5%，美食類佔 8.7%， 娛樂類佔 4.3%，家電類佔 2%，出版類佔 1.7%，其 他類型專案佔 11.3%。
表 8 樣本專案類型及數量
類別 科技類 設計類 美食類 娛樂類 家電類 出版類 其他 件數 65 19 10 5 2 1 13
因變數：
1、新產品在眾籌結束後投放市場與否
本研究把新產品在眾籌結束後投放市場定義為新產品在「京東商城」或
「天貓商城」兩個電子商務平台「上架」。眾籌活動結束後，「在線零售通 路」識別出與眾籌專案相對應的產品作為主要判斷依據。「在線零售通路」定 義為「京東商城」和「天貓商城」。眾籌結束 2 個月後，「在線零售通路」識 別出相關產品上架信息，則視為產品投放市場銷售。若新產品在京東商城或天 貓商城中任意電商平台上架，則視為成功；反之則視為失敗。本研究將成功與 失敗設為虛擬變數作為數據分析的重要指標。若活動結束 2 個月後，「在線零 售通路」識別出與眾籌項目相對應的產品，則因變量為取值為 1；反之，則因 變量為取值為 0。
2、新產品投放市場後的銷售績效
本研究中新產品投放市場後的銷售績效定義為眾籌結束後新產品在「京東 商城」和「天貓商城」兩個電子商務平台的評價數。試圖用評價數捕捉新產品 的銷售數據。京東商城和天貓商城均設置商品評分機制，即產品購買者在收到 貨品後對相關產品打分且發布評價，我們將評價數量的多寡作為新產品銷售績 效的衡量標準。雖然不是每一個購買者都會對產品進行評價和打分，但獲取在 線零售渠道的完整銷售數據的難度頗高，評價數量在一定程度上反應了相關產
品的銷售績效。由於每個產品評價個數之間的數量差距較大，波動相對不穩 定，本研究將產品評價數取自然對數進行分析。
自變數
1、支持者數量
本研究支持者數量以專案結束當天的支持者總人次作為測量標準。本研究 將支持者人次取自然對數進行回歸分析。
2、籌資總額
本研究籌資總額是以專案結束當天募集到的資金總額作為測量標準。籌資 總額可視為眾籌支持者對於此專案的總體估值，籌資總額取自然對數進行回歸 分析。
3、市場投放產品經驗
本研究搜集了眾籌專案發佈者的公司信息和品牌信息，以目前「在線零售 通路」是否存在相應品牌的其他產品銷售，或存在相應企業生產的其他產品作 為衡量專案所有者先前在市場上發布產品的經驗。當眾籌發起者先前有產品發 布經驗，或相關產品發布經驗，本研究對控制變量取值為 1；對於市場新進入 者，先前發布產品經驗定義為 0。
4、眾籌經驗
本研究眾籌經驗是指專案所有者過去曾在京東「產品眾籌」發起的眾籌專 案個數，以此衡量專案發起者先前眾籌經驗的多寡。
控制變數 1、產品類別
專案的類別常常被研究者用作分析眾籌行為的控制變數（Kuppuswamy &
Bayus, 2014）。本研究蒐集了京東「產品眾籌」關注度最高的科技類、設計 類、美食類、娛樂類、出版類產品類別，用以測試眾籌參與度較高的品類，並 試圖找出產品類別對產品在眾籌結束後投放市場與否的影響以及對新產品投放 市場後的銷售績效的影響。本研究亦將產品類別作為控制變數。因為本研究樣
本中娛樂類、家電類及出版類產品數量有限，不足以進行樣本分析，於是將其 合併入其他類產品。樣本最後歸類為科技類、設計類及美食類產品進行統計分 析。
2、眾籌代理
眾籌代理是中國眾籌產業的本土化產物，代理公司專注於眾籌品牌整合行 銷推廣；協助新創公司及新產品孵化，建立品牌形象，傳遞品牌價值；為眾籌 發起者打造專案企劃，包括產品賣點、視覺形象設計、專案代運營等服務，以 提升產品力、品牌力和曝光力。本研究亦將代理眾籌作為控制變數。採用代理 商經營眾籌專案取值 1，非代理商運營（專案發起者自行經營）眾籌專案取值 0。
3、可選擇回報件數
專案發起者通過提供回報吸引更多的支持者贊助（Cholakova & Clarysee, 2015），發起者提供多種不同的眾籌回報方式供支持者選擇，可吸引更多的支 持者選擇自身喜好的回報方式。本研究亦將代可選擇回報件數作為控制變數，
樣本中可選擇回報件數最小值為 1 件，最大值為 14 件。
4、話題數
話題數是指潛在支持者在專案頁面發起的評論，潛在支持者可在相關專案 的話題區提問、作答、提出建議或與其他支持者互動的數量。專案話題數量可 視為相關產品的市場規模，潛在消費者透過與專案發起者或其他潛在支持者的 交流獲得新產品的研發、生產進程。話題數在一定程度上反映了產品的市場關 注度。本研究亦將話題數作為控制變數。