國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第三節 研究限制
本研究面臨幾個限制：
（1）在發展動員的資訊網絡類型時，受限於既有資料。我們所探索的文獻對 於風險投資者所進行的質性描述十分豐富，但我們的資料只允許我們發展這樣 的行動者類型。再者，我們是根據資訊管道的使用來發展類型，如果將來的研 究者發現了其他影響風險投資的社會機制，或許可以描繪出更精準且具洞見的 行動者類型。
（2）在本研究進行的過程中，研究者一直想像著是否能有一份資料（同樣以 定位法）發展各種特殊領域的社會資本能量。如果我們有「風險投資領域的社 會資本能量」，拿來與動員的資訊網絡類型相比較，或許會有不同的結果。
（3）本研究對於投資人所置身的社會網絡所知甚少，我們僅以「有無認識參 與風險投資活動的人」與「認識的人當中有多少風險投資者」兩者大致判斷投 資者所置身的社會網絡。我們甚至沒能將投資人的職業做分類來進行分析。
（4）在現實生活中，投資人進行風險投資活動的過程是十分動態的，有太多 現實中進行式的因素不斷發生。吳宗昇（2005）所描繪的金融市場行動者，不 斷學習且更新著資訊、不斷對市場進行重新理解、在資訊的製造和接收中對市 場的認識一再框架化，似乎比較能捕捉這種動態過程。這是本研究使用的研究 方法所無法達到的。
‧
‧
DiMaggio, P. and Louch, H.
1998，＂Socially Embedded Consumer Transactions: for What Kind of Purchases Do People Most Often Use Networks?＂,American Sociological Review 63:
619-673.
Granovetter, M.S.
1985，＂Economic Action and Social Structure: The Problem of Embeddedness
＂,American Journal of Sociology 91(3): 481-510.
Cetina, K.K. and Bruegerr, U.
2003，＂The Information Architecture of Financial Market＂,Presented at the Constance Conference, Inside” Financial Markets: Financial Knowledge and Interaction Patterns in Global Financial Markets”, Constance University.
Chang, M. L.
2005，＂With a little Help from My Friends (And My Financial Planner)＂, Social Forces 83(4): 1469-1497.
Uzzi , B.
1999，＂Embeddedness in The Making of Financial Capital: How Social Relations and Networks Benefit Firms Seeking Financing ＂, American Sociological
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Riview 64: 481-505 Coleman, J.S.
1988， “Social Captital in The Creation of Human Capital ”, American Journal of Sociology, 94 Supplement: S95-S120.
Portes, A.
1998，”Social Capital: Its Origins and Application in Modern Socioloy ”, Annual Review of Sociology, 24: 1-24.
Edwards, B. and Foley, M.W.
1998，”Civil Society and Social Capital beyond Putnam ”, American Behavioural Scientist, 42(1): 124-139.
Kawachi, I. and Berkman, L.F.
2000，”Social Cohesion, Social Capital and Health”, In Berkman, L.F and Kawachi, I(eds) Social Epidemiology. Oxford: Oxford University Press.
‧
TESTS OF MODEL FIT Chi-Square Test of Model Fit
Value 100.660 Degrees of Freedom 10 P-Value 0.0000 RMSEA (Root Mean Square Error Of Approximation) Estimate 0.089 90 Percent C.I. 0.074 0.105 Probability RMSEA <= .05 0.000
附表 A、MPLUS 軟體操作結果
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y 附 錄 B
本研究所討論的對象聚焦在市場的「投資者」（即問卷中有進行儲蓄、風險 投資、房地產投資、獨資或合夥事業認一項者），那些沒加入投資理財活動的民 眾，自然沒有如何做出投資決策的問題，不在討論的範圍。但如此對於研究對 象的選擇，勢必會面臨一個問題：是不是在我們討論的「社會資本」或「動員 的資訊網絡」因素之前，就已經存在另一些影響風險投資的因素了，而這些因 素甚至早已決定個人是否成為「投資者」？如果真的存在這些因素，那無論是
「社會資本」或「動員的資訊網絡」，在解釋所有人的風險投資行為上面勢必會 受質疑。
其實本研究並不想解釋所有人的風險投資行為，畢竟身為「投資人」以外 的民眾，他們並非金融市場下的行動者，這與本文「試著以資訊的獲取方式來 區分金融市場下投資者的異質性」的研究目的並不相符。將金融市場的投資者 與其他民眾混合在一起討論，甚至是有點奇怪的，因為他們全然在這十六種動 員的資訊網絡之外，沒被囊括進來。這一方面當然也是因為受限於我們所使用 的資料。但接下來我們仍將以Ｈeckman Model 對可能決定個人成為投資者的先 決因素（性別、年齡、省籍、教育程度、已婚、有工作、家庭收入）進行控制，
再觀察經過控制後的完整迴歸模型，其中五個主要動員的資訊網絡變項的效果 如何。
如附表B 所示，下方的 Selection Model 首先控制了可能決定個人成為投資 者的先決因素，結果顯示，原住民、各種教育程度、已婚、和家庭收入都非常 可能成為這些先決因素。控制這些因素之後，我們可以在上方的模型看到，教 育程度已經不再對風險投資產生顯著效果了，而各種動員的資訊網絡類型仍有 突出且顯著的效果。這表示資訊獲取的方式，確實是解釋風險投資行為的關鍵。
‧
附表 B、Ｈeckman Model 對可能決定個人，成為投資者的先決因素進行控制後 的模型
Censored N 719
Uncensored N 1115
Wald statistic 487.78
Degree of freedom 22
Log likelihood -3300.399
R 平方
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
Selection Model
依變項：Log 風險投資金額年齡 -.001 -.002
男性 -.037 -.063
省籍 客家 .086 .094
外省 .143 .105
原住民 -1.203 *** -.341
教育 國中 .309 ** .103
高中 .705 *** .088
專科 1.086 *** .140
大學以上 .942 *** .110
已婚 .401 *** .070
有工作 .038 .068
家庭收入 5.95e-06 *** 7.63e-07
常數 -.911
ρ -.482 .140