国内众筹平台上出资者行为研究——以京东众筹为个案

李 薇，田 蜜

(重庆邮电大学 经济管理学院，重庆 400065)

众筹是指项目发起人通过互联网平台发布需求，出资者根据个人判断对需要众筹的项目进行出资的一种融资方式[1]。根据报酬形式的不同，众筹类型可以划分为四种：产品众筹、股权众筹、公益众筹与债权众筹[2]。众筹作为一种新兴的互联网金融模式，为初创中小企业的融资需求以及持续发展创造了新机会。

近年来，众筹市场发展迅速，相关研究(主要包括筹资者、出资者和众筹平台的研究)也逐渐兴起，其中关于出资者出资行为规律的研究是该领域的焦点。目前已有学者利用众筹平台的数据，对出资者的出资行为进行了部分研究。一些学者认为，由于众筹网络平台的筹资者与出资者存在信任危机、严重的信息不对称等问题，出资者为了规避风险进而选择跟随他人做出自己的决策，即已有的出资者的出资正向影响潜在出资者的出资动机，潜在出资者将表现出羊群行为[3-8]；而另一些学者则提出，众筹平台的出资者受自我感知的影响，当众筹项目获得更多出资者支持时，其感知到自我责任和自我效用的降低，就会选择减少出资甚至不出资，即已有出资者的出资负向影响潜在出资者的动机，潜在出资者将表现出旁观行为[9-12]。上述情况表明，现有关于众筹平台上出资者出资心理与行为决策的研究仍模糊不清，缺乏一致结论；对于羊群行为与旁观行为的关系，也尚无专门的比较分析和理论辩证研究。基于上述考虑，本文以京东众筹平台的1 016个项目为研究样本，尝试发现我国众筹平台中出资者的行为规律。

一、文献综述

行为分析是金融领域的研究热点，无论是传统金融市场还是新兴的众筹领域均对此有相关研究。传统金融领域对羊群行为进行了研究，如股票市场，出资者通过跟随他人的决策来规避风险[13]。众筹领域自身包含着利己和利他两种特点，所以目前对众筹平台出资者行为的研究总结为两种截然相反的行为：羊群行为和旁观行为。

出资者的羊群行为，是指当一个决策人面对信息不对称情况的时候，倾向于跟随前面大多数人的决策行为而进行决策[14]。众筹平台的筹资者和出资者之间也存在很强的信息不对称情况，因此众筹平台也存在羊群效应。Lee等对借贷型众筹进行了研究，发现网络借贷平台存在羊群行为，得到出资数量越多的项目，未来得到出资的机会也越大[5]。钱颖等对股权众筹的研究发现，股权众筹市场存在显著的羊群行为，出资者通过项目参与率来感知项目的不确定性，项目参与率越高，项目不确定性随之降低，出资者出资则越多[15]。学者们对众筹行为作进一步研究，发现众筹过程中的羊群行为并不是盲目的、非理性的，而是理性的。Zhang和Liu的研究发现，出资者通过观察他人的出资情况来获得筹资者信用和项目质量等信息，并结合其他信息来佐证其推断，最后表现为理性羊群行为。已得到较多资金支持的项目将会得到更多的支持，资金提供者会进行主动的观察而不是被动地模仿其他人[6]。

出资者的旁观行为，是指当潜在出资者观察到其他人做出更多贡献时，会降低自己的出资意愿，甚至将不会对众筹项目予以出资。众筹平台中的潜在出资者会因为项目已经获得较多出资人的出资而感知到个人责任感降低且自我效用减弱，表现为旁观效应。如Kuppuswamy等研究发现，众筹项目已获得的出资额与潜在出资者的出资额显著负相关，已有出资者受自我感知的影响而表现出旁观效应[10]。王念新等的研究也发现众筹项目在筹资过程中表现出旁观效应，随着出资者的增加，潜在出资者的责任感降低，进而减少出资[12]。Wash研究发现，对于一些已经获得足够出资额和出资人的众筹项目，潜在出资者将认为这些项目已经有他人进行了足够的出资，其出资获得成就感的边际效应将降低，进而不出资[11]。

综上，当前关于众筹平台出资者行为的研究，集中表现为验证单纯的羊群行为或单纯的旁观行为，以及各自的发生规律。然而，对于羊群与旁观行为是否会同时发生于某一筹资项目，即对这两种行为的兼容性或互斥性进行检验，目前尚无结论。笔者将利用京东众筹项目的面板数据，对出资者行为进行分析，尝试验证潜在出资者在面对项目已有筹资信息时，其决策模式中羊群行为与旁观行为的关系。

二、研究假设

目前，互联网金融平台关于出资者羊群行为和旁观行为的研究方法比较统一，共分为四种：(1)以后续出资人数为因变量，以当前累计出资人数为自变量。Zhang和Liu发现当前累计出资人数与后续出资人数有正相关关系，出资者表现为羊群行为[6]；(2)以后续出资额为因变量，以当前累计出资额为自变量。Burtch等发现当前累计出资额越多则后续出资额就越多，出资者表现为羊群行为[9]。王新念等发现当前累计出资额与后续出资额有负相关关系，出资者表现为旁观行为[12]；(3)以后续出资人数或后续出资额为因变量，以当前筹集进度为自变量。Lee和钱颖等人发现筹集进度越快，后续出资人数与出资金额会越多，出资者表现为羊群行为[5,15]。Kuppuswamy等发现筹集进度越快，后续出资人数会越少，出资者表现为旁观行为[16]；(4)以后续出资概率为因变量，以当前累计出资人数为自变量。Chen、Lin和Herzenstein等研究发现当前累计出资人数越多，后续出资概率越大，出资者表现为羊群行为[17-18]。

结合现实的数据收集情况，笔者采用Lee、钱颖和Kuppuswamy等人提出的测度方法对国内众筹平台上出资者的出资行为进行研究，其概念模型如图1所示。

图1中，当前筹集进度代表已有出资者的出资情况，后续出资者人数代表潜在出资者的出资情况。当前筹集进度与后续出资人数正相关则说明潜在出资者面对已有出资者的出资情况时表现为羊群行为，负相关则说明潜在出资者表现为旁观行为。

图1 出资者行为的测度方法

(一)羊群行为

有学者提出动机与目标完成度之间存在正向关系，即动机与意愿强度会随着目标的接近而增强[19]。例如，老鼠越接近目标跑得越快[20]；慈善活动中随着筹集额接近目标金额，捐助者将做出更多贡献[21]。对于众筹活动而言，首先，由于信息过载与信任危机，出资者往往难以判断哪些项目切实需要资金，因此容易采用跟随他人行为的方式来做出自己的出资抉择，即羊群行为。其次，尽管出资者的出资动机可能是利他或者利己，但无论哪一种动机下出资者都希望该项目获得成功[22]。因此，结合此前学者提出的动机与目标完成度之间的关系，有理由认为：众筹项目的已有筹资额越接近目标筹资额时，出资者的跟随性出资行为可能会越明显，导致出资心理与行为总体表现出明显的羊群行为模式。就此，提出如下假设：

H1：项目在众筹成功之前，已有筹资进度对后续出资人数具有正向影响，即出资人会表现出羊群行为。

(二)旁观行为

随着目标的达成，人们对事物的关注度将会降低，动机也会减弱[23]。对于众筹活动而言，众筹项目筹资成功之后，出资者在出资过程中能够获得的自我效用会减少，出资意愿强度也会随之降低[24]。此外，在项目的筹资目标达成之后，筹资者已经获得了足够多的资金支持，潜在出资人会认为筹资者不再需要更多的支持，从而感知到的自我责任感降低，进而选择减少出资[25]。因此，在众筹成功之后，出资者会减少自己的出资甚至不出资。就此，提出如下假设：

H2：项目达到众筹目标之后，已有筹资进度对后续出资人数具有负向影响，即出资人会表现出旁观行为。

三、研究设计

(一)变量定义及测量

1.因变量

后续出资人数：为了探究众筹平台出资者的行为变化规律，本文借鉴Lee[5]、钱颖[15]和Kuppuswamy[10]等对出资者行为的测度方法，即选取众筹项目的后续出资人数对其后续出资情况进行测量。

2.自变量

当前筹集进度：为了验证出资者的行为，根据Lee[5]、钱颖[15]和Kuppuswamy[10]等对出资者行为的测度方法，本文将当前筹集进度设定为核心自变量，代表项目已有出资者的出资情况。

3.控制变量

(1)平台因素

本研究是基于众筹网络平台来获取实证数据，平台特征很可能会对出资决策产生影响，因此我们选择网络关注度这一平台特征进行检验，以探究平台因素对众筹的影响。

众筹平台的网络关注度：众筹平台的网络关注度指的是用户对众筹平台的关注程度。平台网络关注度越高，代表出资者越愿意了解这家平台，平台的项目易获得更多的出资[26]。主动搜索行为体现了平台被关注的情况[27]，百度在国内搜索市场中占有绝对优势，众筹平台百度指数的高低直接衡量投资者对平台的关注度。因此本文借鉴张立炜的测量方法，即利用众筹平台的百度搜索指数对平台的网络关注度进行测量[28]。

(2)项目因素

众筹项目特征可能会对出资者的决策产生影响，结合众筹数据披露情况，本文选择了六个重要特征进行检验，以探究项目因素对众筹出资者决策的影响。

众筹项目的首页推荐：首页推荐是指众筹项目在众筹平台的首页是否有展示。Stanko通过对创新网络平台Thingiverse的研究发现，在社区首页推荐的一些项目被再创新的机率更大[29]。对于众筹网络平台而言，在网站首页处于推荐状态的项目，与出资者接触的机会更多，容易获得更多的出资者。因此考虑到首页推荐对众筹影响，本文采用Stanko对创新网络平台首页推荐的测量方法，即项目在平台首页上有展示则为进行了首页推荐。

众筹项目的更新：更新是指众筹项目的发起人在筹资过程中对项目的信息进行更新展示。项目的更新有利于众筹项目活跃度的提高，进而提高潜在出资者对项目的关注度，最终吸引其进行出资[30-31]。因此考虑到项目更新对众筹的影响，本文采用筹资人对项目进行了最新信息的展示对项目更新进行测量[32]。

众筹项目的筹资者经验：筹资者经验是指众筹项目的发起者对于众筹的经验。筹资人获得了资金支持并获得了项目的成功，会提升其口碑和信誉，获得更多的出资[5]。因此考虑到筹资者经验对众筹的影响，本文使用筹资者发起众筹的项目数对筹资者经验进行测量[10]。

众筹项目的互动：互动是指出资者与筹资者的沟通交流。在众筹市场中，筹资者与出资者之间的交流有助于出资者了解众筹项目信息，对最终的筹资有重要的意义[33-34]。因此考虑到项目互动对众筹的影响，本文使用项目的沟通交流的话题数对项目互动进行测量[34]。

众筹项目的关注：关注是指出资者对于众筹项目的关心程度。筹资者对项目的关注在一定程度上反映了其出资倾向。因此考虑到项目关注对众筹的影响，本文采用项目被关注的次数对项目关注进行测量[8]。

众筹项目的目标：目标是指众筹项目的计划筹集金额。Molick发现筹集目标与项目筹资成功呈负相关关系[32]。因此考虑到筹资目标对众筹的影响，本文使用众筹项目的计划目标筹资额来测量项目目标。

(3)时间控制变量

出资者的出资情况可能存在月份、星期以及天之间的差异，为控制这些因素，本文分别引入关于月份、星期和天的哑变量。

(二)模型设定

基于上述理论，本文以天为基本单位构建的计量模型如下

Biddersit=β0+β1Funded_Rateit-1+β2BaiDu_

Indexit-1+β3HomePageit-1+β4Updateit-1+

β5BidderExperienceit-1+β6Topicit-1+

β7Focusit-1+β8Goali+β9TimeControls+εit

(1)

表1给出了各变量的含义。其中，Funded_Rateit-1为核心自变量，其回归系数的正负和大小等特征可以用来测量出资者行为，回归系数为正表明存在羊群行为，反之则存在旁观行为。

表1 变量描述

(三)数据收集

本文基于国内的众筹网站——京东众筹进行数据收集与实证分析。京东众筹是国内最大的网络众筹平台，平台累计融资额超过18亿元人民币，成功项目数总计9 500多个，因此具有显著的代表性。京东众筹的参与主体有筹资者、出资者与京东众筹网络平台。(1)筹资者借助平台发起众筹项目；(2)平台披露众筹项目信息。具体包括：第一，项目筹资者的相关信息，包括项目筹资者名称、项目筹资者发起项目数与项目筹资者支持项目数等；第二，项目的相关属性，包括项目具体描述、项目众筹目标与项目众筹周期等；第三，项目的筹集动态，包括当前筹集进度、已有出资人数、已有出资额、剩余天数、项目评论数与项目更新数等；(3)出资者通过平台查看所有众筹项目的信息并有选择地进行出资。京东众筹的项目需在筹集期限内完成其筹资目标，否则代表项目众筹失败，筹资人需将筹集的资金退还给出资者。如果筹资成功，筹资人要根据不同的出资等级给予出资者相应的回报。

本文利用爬虫程序，在京东众筹网络平台的项目筹资期间，每天对项目相关数据进行爬取，最后获得了该平台于2017年4月至2017年9月间1 016个项目的面板数据，最后分析得出的数据共计30 480条。

四、实证分析

(一)描述性统计

变量的描述性统计分析结果如表2所示。众筹项目平均每天增加约32人，但最多增长人数为10 405人，最少为0，这表明不同众筹项目以及同一项目不同时间受欢迎程度存在巨大差异。众筹项目的当前筹集进度的均值约为109，代表大部分项目筹资效率高，众筹较为成功。京东众筹平台的百度搜索指数约为2 043，最少也为1 112，说明该平台网络关注度较高。大部分项目在其平台首页的可见度较低，少有项目筹资人进行项目信息的更新，且项目筹资者的发起项目数差距较大，平均水平不高。此外，项目的平均话题数约为39，说明项目的活跃度有待提高。项目的平均关注数约为872，关注度相对较高。项目的平均筹资目标约为100 000，且不同项目差距悬殊。

表2 变量描述性统计

(二)数据平稳性检验

为避免出现“伪回归”，包含时间序列的数据要求为平稳数据或表现为长期均衡关系，因此，在对数据进行回归之前应进行数据的平稳性检验。对Biddersit、Funded_Rateit-1、BaiDu_Indexit-1、HomePageit-1、Updateit-1、BidderExperienceit-1、Topicit-1及Focusit-1进行单位根检验。结果表明所有变量均是水平平稳的(见表3)，因此均为平稳序列。

(三)定距回归分析

在计量模型(1)的基础上，为了更为明确地观察变量Biddersit与Funded_Rateit-1之间的关系，本文将Funded_Rateit-1分为六组并定距化，分别是：

(1)Funded_Rateit-1_[0%,20%)代表项目i截至t-1天时，已有筹集进度为0%～20%；

(2)Funded_Rateit-1_[20%,40%)代表项目i截至t-1天时，已有筹集进度为20%～40%；

(3)Funded_Rateit-1_[40%,60%)代表项目i截至t-1天时，已有筹集进度为40%～60%；

(4)Funded_Rateit-1_[60%,80%)代表项目i截至t-1天时，已有筹集进度为60%～80%；

(5)Funded_Rateit-1_[80%,100%)代表项目i截至t-1天时，已有筹集进度为80%～100%；

(6)Funded_Rateit-1_[100%,.)代表项目i截至t-1天时，已有筹集进度为100%及以上。其中Funded_Rateit-1_[0%,20%)作为基准组。计量模型如下

Biddersit=β0+β1Funded_Rateit-1_[20%,40%)+

β2Funded_Rateit-1_[40%,60%)+

β3Funded_Rateit-1_[60%,80%)+

β4Funded_Rateit-1_[80%,100%)+

β5Funded_Rateit-1_[100%,.)+

β6BaiDu_Indexit-1+β7HomePageit-1+

β8Updateit-1+β9BidderExperienceit-1+

β10Topicit-1+β11Focusit-1+β12Goali+

β13TimeControls+εit

(2)

实际众筹过程中，项目的后续出资人数是非连续的非负整数，属于计数数据，所以不服从正态分布，需采用计数模型。由于本文样本的方差与均值并不相等(Mean=31.65，SD=165.33)，数据过度分散，因此相对于泊松回归，采用负二项回归更有效率。

表3 单位根检验

1.多重共线性检验

经多重共线性检验，结果如表4所示，所有变量的VIF均小于10，平均值为1.19，因此不存在多重共线性。

表4 多重共线性检验

2.定距回归结果

利用STATA进行负二项回归分析，首先经Hausman检验(chi2=532.10，Prob>chi2=0.000 0)，结果表明需使用固定效应模型。具体定距回归结果如表5所示。Model1仅包含核心自变量，Model2加入了平台因素与项目因素的控制变量。

根据表5的定距回归检验结果，可以看出：Funded_Rateit-1_[20%,40%)的回归系数(β=0.067 86，p<0.001)、Funded_Rateit-1_[40%,60%)的回归系数(β=0.354 69，p<0.001)、Funded_Rateit-1_[60%,80%)的回归系数(β=0.440 08，p<0.001)、Funded_Rateit-1_[80%,100%)的回归系数(β=0.525 31，p<0.001)均为正且呈逐步增长的趋势，而Funded_Rateit-1_[100%,.)处明显出现拐点(β=0.104 67，p<0.001)，就此说明众筹平台的项目在众筹成功之前，随着已有出资者出资越来越多，潜在出资者选择跟随；项目众筹成功之后，随着已有出资者出资增多，潜在出资者选择减少出资或不出资。

表5 定距回归假设检验结果

(四)分段回归分析

为了进一步验证定距回归结论，本文将Funded_Rateit-1以100%为界限进行分段回归，计量模型为

Biddersit=β0+β1Funded_Rateit-1+

β2(Funded_Rateit-1-100%)Dit-1+

β3BaiDu_Indexit-1+β4HomePageit-1+

β5Updateit-1+β6BidderExperienceit-1+

β7Topicit-1+β8Focusit-1+

β9Goali+β10TimeControls+εit

(3)

(3)式中，变量Funded_Rateit-1以100%为界限分段，分段前后系数分别为：β1、β1+β2。

1.多重共线性检验

经多重共线性检验，结果如表6所示，所有变量的VIF均小于10，平均值为1.09，因此不存在多重共线性。

2.分段回归结果

同样使用STATA进行负二项回归，并经Hausman检验(chi2=149.53，Prob>chi2=0.000 0)，需采用固定效应模型。具体分段回归结果如表7所示。Model1仅包含核心自变量，Model2加入了平台因素与项目因素的控制变量。

表6 多重共线性检验

表7 分段回归的检验结果

根据表7的分段回归检验结果，我们发现，项目筹集成功之前Funded_Rateit-1对出资者决策具有显著正影响(β=0.001 20，p<0.001)，因此假设H1得到验证，即项目筹集成功之前，潜在出资者面对已有出资者信息表现为羊群行为。项目获得成功之后Funded_Rateit-1对出资者决策具有显著负影响(β=-0.001 51+0.001 20=-0.000 31，p<0.001)，因此假设H2得到验证，即项目筹集成功之后，潜在出资者面对已有出资者信息表现为旁观行为。从控制变量可以看出：BaiDu_Indexit-1对众筹项目的出资者人数具有显著正影响(β=0.000 33，p<0.001)，表明众筹平台的网络关注度越高，平台本身会越吸引出资者，对项目筹资更有利。HomePageit-1对众筹项目的出资者人数具有显著正影响(β=0.291 96，p<0.001)，说明在众筹平台的网页首页对项目进行推荐，产生广告效应的同时也增加了项目与出资者的接触途径，这将吸引更多的出资者。Updateit-1对众筹项目的出资者人数具有显著正影响(β=0.050 01，p<0.001)，表明众筹项目实时更新动态对其后续的出资者人数有正向的影响。BidderExperienceit-1对众筹项目的出资者人数具有显著正影响(β=0.014 04，p<0.001)，表明众筹项目的发起人经验越丰富，项目后续的出资者人数将越多。Topicit-1对众筹项目的出资者人数具有正影响(β=0.000 75，p<0.01)，表明众筹项目的出资者与筹资者之间、出资者与出资者之间的互动，增加了项目的活跃程度，会吸引更多的出资者。Focusit-1对众筹项目的出资者人数具有显著正影响(β=0.000 11，p<0.001)，表明出资者对众筹项目的关注越高，项目后续的出资者人数将越多。Goali对众筹项目的出资者人数不显著(β=-0.000 05，p=0.420)。

(五)稳健性检验

在前文的检验中，我们没有对项目的观测做特殊处理。在实际筹资过程中，临近项目筹集的截止日期时，若项目还未完成其目标，可能会发生筹资者出资自己项目的情况，因此可能会影响因变量的值，进而影响回归结果。为此，我们剔除了在最后3天完成筹集目标的项目，以便进行稳健性检验。

表8所示的稳健性检验结果表明，在剔除了最后3天完成筹集目标的项目的观测值之后，本文的结果仍然稳健。除BidderExperienceit-1不显著外，其余各观测组的回归系数与显著性没有发生改变，并且出资者行为仍然与前文保持一致(筹集完成之前：β=0.001 20，p<0.001，筹集完成之后：β=-0.001 47+0.001 20=-0.000 27，p<0.001)，因此结论基本稳健合理。

表8 稳健性检验

续表

五、结论与启示

(一)结果讨论

本文应用国内京东众筹平台的1 016个众筹项目的面板数据，分析了众筹项目已有出资信息对潜在出资者行为的影响，探索了在面对已有出资信息时潜在出资者究竟是表现为羊群行为还是旁观行为，以及两种行为的关系。得到的主要研究结论如下：

(1)以筹资目标完成(Funded_Rateit-1=100%)为分界点，在众筹项目完成筹集目标之前，潜在出资者在面对已有出资者信息时表现出羊群行为；众筹项目完成筹集目标之后，潜在出资者在面对已有出资者信息时表现出旁观行为。具体而言，众筹项目筹集进度越高，说明其他出资者更愿意支持此项目，代表项目确实需要资金支持，因此越能吸引潜在出资者的参与。由于众筹过程中存在不确定性，潜在出资者通过观察已有出资者信息来降低不确定性，提高参与意愿，同时将观测到的信息作为项目质量以及真实性的信号，据此采取出资决策。但是，当众筹项目已经完成筹集目标后，筹资者不再需要更多的资金支持，出资者在获得这一信息之后，感知到自我的责任感的降低，动机减弱，因此在众筹成功之后，出资者会减少自己的出资甚至不出资。

(2)众筹平台的网络关注度、众筹平台首页面的项目推荐、众筹项目的实时更新、众筹项目的互动以及众筹项目的关注均能吸引项目的出资者出资。众筹平台的网络关注度越高，代表平台越受出资者的关注；众筹项目在平台首页推荐，会提高项目的关注度，同时众筹项目的关注数，也代表着项目的关注度；众筹项目的更新以及互动，则提高了项目的活跃度。平台关注度越高、项目关注度越高与活跃度越高则越能吸引潜在出资者进行出资。

(二)启示

(1)对于筹资者而言：第一，在项目发布后应多注重项目的更新和宣传，提高项目的活跃度和关注度，吸引更多的出资者进行最初的出资，进而产生正向的羊群行为，促进项目良性发展；第二，筹资者应注意设置合适的众筹目标金额，目标金额设置太高，短时间内很难完成，因此获得的后续出资者人数将不多(筹集目标完成率与后续出资人数正相关)，则无法受益于羊群行为；目标金额设置太低，众筹项目比较容易完成筹集目标，出资者则会进入旁观状态，导致无法获得更多的后续出资；第三，筹资者在筹资选择平台时，会尽可能地考虑网络关注度高的平台，平台的知名度也有利于众筹项目的成功。

(2)对于众筹平台而言：第一，平台应尽可能地增加项目在首页的可见度，进行众筹项目的推荐，提高出资者对项目的关注度，促使投资者对项目做进一步的了解，这有利于众筹项目的成功；第二，平台应尽可能地增加出资者与筹资者的沟通渠道，更多的交流沟通不仅有利于提高众筹项目的活跃度，而且能促进出资者对项目的了解，有利于提高筹资效率。

(三)研究局限

本研究的不足之处在于：第一，本文仅选取了项目的出资人数作为研究的因变量，然而除了项目的出资者人数，出资金额也反映了出资者的出资情况，因此在未来工作中可从出资金额的角度来分析出资者的行为；第二，本文并没有关注不同类型平台对出资者行为的影响，因此在未来工作中可以从平台类型的角度对出资者行为进行比较分析。