第一章 緒論
第一節 研究設計與研究假說
本研究欲使用 SPSS 作為主要分析工具。用統計分析的方式證明所提出的三個假 說，將欲測量之觀念以參數取代之，進行假設檢定，對主要參數進行驗證。
在實行步驟上，先對樣本進行敘述性統計，以了解樣本的特性。接著再進行迴歸 分析，驗證假說是否正確。
以下列出三項假說，並針對假說中觀念設立自變數、依變數與控制變數，最後說 明自變數與依變數的資料取得與計算方式。
假說一：
遊戲代理商其代理遊戲的母國研發商在母國所擁有的所有權優勢越 高，則該款遊戲在地主國的口碑越好。
自變數：研發商評價
本研究將所有遊戲開發商的等級進行評分，認為作出越多大作的研發商因為擁有 較佳的產品製造技術，因此其所有權優勢越高。
分類標準是依照該開發商過去所製作的遊戲，將遊戲分類成大作、一般遊戲、WEB GAME。大作給分為 2、一般遊戲給分為 1、Web game 與 App game 給分為 0.3，因 為一般遊戲製作較為困難，因此給分為 1，而 Web game 與 App game 製作較為快 速與容易，因此給分為 0.3。將各家廠商得分加總後，分成五等第進行分析。
為提升此分類精準，本研究亦輔以研發商名稱的 google 關鍵字數量，以關鍵字 結果數量對遊戲評比分數進行迴歸分析，作為研發商研發能力的佐證。
31
遊戲開發商的所有權優勢高低，以其研發能力高低做為代表。而研發能力越佳的 廠商能作出較大型的作品與較多的遊戲。而消費者對於遊戲的評分高低也會受到 廠商有名與否影響。
依變數：遊戲評分
遊戲評分為巴哈姆特網站上所有註冊會員所共同評分，分數由 1-10 分不等。
控制變數：代理商規模、代理商當年度廣告總費用、代理商該年度的營業收入、
代理商成立年數
以上各控制變數均來自各代理商年報。
假說二：
代理商對線上遊戲的投資程度越高則對消費者口碑有越關鍵的影響
（H2）。
自變數：遊戲新聞數量：
由於無法直接取得代理商對於每個遊戲所投注的行銷經費，因此本研究由代理商 所發出的新聞稿件數量視為一種對行銷投資承諾的表徵，因此以標題出現該遊戲 的總新聞數量，作為代理商對於遊戲投入的行銷經費多寡。
依變數：遊戲評分
遊戲評分為巴哈姆特網站上所有註冊會員所共同評分，分數由 1-10 分不等。
控制變數：代理商規模、代理商當年度廣告總費用、代理商該年度的營業收入、
代理商成立年數
32
迴歸式一：Yt=a+bUt+cVt+dWteXt+fZt+gSt
迴歸式一中，Yt為第 t 款遊戲評分高低，Ut為第 t 款遊戲之遊戲代理商成立年數
Vt為 t 遊戲之研發商評價，WT為代理商規模，Xt為代理商當年度廣告總費用，Zt 為代理商該年度的營業收入，St為第 t 款遊戲新聞數量。
以上各控制變數均來自各代理商年報。其中假說一與假說二由於所衡量之應變數 Yt相同，都為第 t 款遊戲評分高低，因此將合併於同一個模型一起進行迴歸分析
假說三：
啟動保護機制對於遊戲代理契約的延續可能性有正面影響(H3)。
自變數：代理商品牌是否與遊戲名稱在新聞標題中共同曝光（虛擬變數）： 若代理商品牌與遊戲名稱共同出現在新聞標題中記 1，若沒有則計 0，本研究認 為共同曝光是種保護機制，能夠讓代理商品牌也隨著行銷而曝光，提升代理商的 持續投資意願和續約可能性。此外，本研究以訊頭判斷新聞是由非代理商所撰寫，
(如: 〔記者鄭瑜皓／台北報導〕為報社記者所撰寫)若非代理商所撰寫則不計入 共同曝光行為。
依變數：遊戲存活時間
此變數為本研究重要變數，我們認為一款遊戲在營運時間越長，越能夠為代理商 增加總收入，因此用遊戲存續時間衡量遊戲為代理商所帶來收益多寡。
控制變數：代理商規模、代理商當年度廣告總費用、代理商該年度的營業收入、
代理商成立年數
以上各控制變數均來自各代理商年報。
33
迴歸式三：Yt=m+nUt+oVt+pWt+qXt+rZt
迴歸式三中，Yt代表遊戲存活時間；Ut為第 t 款遊戲之遊戲代理商成立年數、Vt
代表代理商品牌是否與遊戲名稱在新聞中共同曝光(1 代表有 0 代表沒有)、WT 為代理商規模，Xt為代理商當年度廣告總費用，Zt為代理商該年度的營業收入
34
第二節 資料和計算方式
本研究使用國內最大的遊戲網站巴哈姆特、Google 搜尋引擎、與國內線上遊戲 代理商：遊戲橘子、傳奇網路、紅心辣椒、華義國際、宇峻奧汀、OMG 的年報作 為資料蒐集來源，以每款遊戲作為獨立樣本，資料期間從 2006 年開始到 2012 年總共 7 年。每款遊戲資料必須包含以下完整欄位：(見下頁)
35
表 3-1 分析資料欄位表 資料來源：本研究整理
構念 操作變數 來源 計算方式
口碑 遊戲評分 巴哈姆特
保護機制 代理商品牌是否與遊 戲名稱在新聞標題中 共同曝光（虛擬變數）
巴哈姆特 若代理商品牌與遊戲 名稱在新聞標題中記 1，若沒有則計 0。
所有權優勢 遊戲研發商評價 自行評鑑 以研發商出產遊戲評 比
投資程度 遊戲新聞數量 巴哈姆特 標題提及遊戲名稱計 1 契約延續 存續時間（月） 巴哈姆特 下市時間-上市時間
（月）
代理商資本額 各代理商年報
代理商年度廣告費用 各代理商年報 以新台幣億元為單位 代理商年度營業收入 各代理商年報 以新台幣億元為單位 代理商成立年數 各代理商年報
遊戲名稱 巴哈姆特
關鍵字於搜尋引擎結 果數
Google 台灣搜尋此關鍵字總 數
36
存續時間：
存續時間指遊戲存續時間，為本研究重要變數，一款遊戲在營運時間越長，越能 夠為代理商增加總收入。
研發商等級：
本研究將過去所有遊戲開發商所做過的遊戲進行評分，標準依照該開發商過去所 製作的遊戲評比高低將等級分成一般遊戲與 Web Game 與 App Game。一般遊戲給 分為 1、Web game 與 App game 給分為 0.3，因為一般遊戲製作較為困難，因此 給分為 1，而 Web game 與 App game 製作較為快速與容易，因此給分為 0.3。將 每間研發商的分數加總之後，依照得分高低分成五等第，得分最低的一群給予 1，
依序排列，得分最高的一群給 5。這是因為本研究認為具有較佳研發能力的研發 商有能力產出較大型、與較多的作品、而技術不佳的廠商可能無法負荷大量作品 的產出。此外，本研究還輔以 Google 搜尋結果數與作出的研發商等級進行相關 分析，本研究假定技術越好的研發廠商，在網路上會引發出更多的口碑與討論數 目，本研究欲以此證明研發商的評分方式有一定的可信度。
表5-1 代理商營業收入與遊戲評分相關性表
Variables Mean Std Min Max 1 2
1. 研發商等級 3.11 1.601 1 5 1.00
2.Google 搜尋結果數 904998.4 1309407.89 2840 7550000 0.175* 1.00
*p<0.05 **p<0.01 *** p<0.001；N=:99
從結果可發現遊戲出現於搜尋引擎結果數與遊戲評分成正相關，模型解釋力為 0.031，樣本數為99，模型顯著性為0.082。並以此作為支持研發商等級指標正確 性的佐證。
37
遊戲評分：
遊戲評分為巴哈姆特網站上所有註冊會員所共同評分，分數由 1-10 分不等。
新聞數量：
由於無法直接取得代理商對於每個遊戲所投注的行銷經費，因此本研究由代理商 所發出的新聞稿件數量視為一種對行銷投資承諾的表徵，因此以標題出現該遊戲 的總新聞數量，作為代理商對於遊戲投入的行銷經費多寡。本研究的新聞來源取 自於巴哈姆特，由於巴哈姆特是個彙整最新遊戲資訊的平台，同時也是國內最大 的遊戲社群網站，在加上平時關於遊戲的最新新聞都會在巴哈姆特上出現與整理，
因此本研究以巴哈姆特上的新聞作為遊戲新聞的蒐集來源。
代理商成立年數：
本研究以代理商成立年數作為代理商經驗高低之依據，認為成立越久之代理商應 當越有經驗，會有越好的績效。
代理商資本額：
本研究以代理商資本額作為代理商資源多寡之依據，認為資本額越高之代理商應 當擁有越多資源，能夠有越好的績效。本研究以億元為單位。
關鍵字於搜尋引擎結果數：
關鍵字於搜尋引擎結果數為該遊戲名稱在台灣被搜尋過的總次數，本研究認為若 遊戲營運績效越好，則被搜尋次數越多次。
共同曝光：
若代理商品牌與遊戲名稱共同出現在新聞標題中記 1，若沒有則計 0，本研究認 為共同曝光能夠讓代理商品牌也隨著行銷而曝光，降低代理商的交易成本。
38
第肆章 實證結果與分析
第一節 敘述統計
表 4-1:樣本敘述統計表
本研究共計九十九個樣本，其中二十個樣本因為仍在營運中且上市時間未滿兩年，
在本研究視為尚未走完第一次合約的遊戲，因此不列入樣本計算。代理商總廣告 費用，則因為有四筆樣本上市時間早於公司財報公布時間，無法蒐集，因此列在 遺漏值內。遊戲公司資本額、代理商總廣告費用與代理商營業收入的單位為新台 幣億元。
其中研發商等級與新聞數量的的允差值分別為0.754與0.741，VIF值分別為1.327 與1.350並不存在共線性問題。
39
Model1 為四個控制變數，包括代理商成立年數、遊戲公司資本額、代理商總廣 告費用與代理商營業收入。Model1 本身對於遊戲評分高低就具有一定的解釋能 力，包括代理商成立年數呈負相關顯著、代理商營業收入成正相關顯著。代理商 成立年數呈負相關顯著的原因應當是因為代理商若成立時間越久，則代理商本身 所代理的遊戲數目越多，較容易出現品質參差不齊的狀況。而成立時間較短的代
40
理商，若能夠存活上市，通常前幾款遊戲都得獲得一定程度的成功，其它代理到 較差遊戲的代理商上市的機會相對較低。因此會出現樣本性的偏誤，取樣時較年 輕的代理商，其之前所代理的遊戲通常較佳。存活較久的廠商則能夠容許代理到 較差遊戲的風險，因此其遊戲平均評分會出現較低的狀況。
Model2與Model3分別放入研發商等級與新聞數量，當這兩個自變數放入模型後，
Model2與Model3分別放入研發商等級與新聞數量，當這兩個自變數放入模型後，