类似于关于京东众筹平台的研究， 我们依然选择众筹成败变量作为因变量，使用筹资目标、 筹资时长、 喜欢数量、 视频数量、 图片数量、 卖家类型、 发货时间、 回报档数、 最小筹资、 次小筹资共10 个变量作为研究的自变量带入二元Logistic 回归模型， 将项目类型重新编码为7 个二元变量带入模型， 控制住类别变量对模型的影响。 Logistic 回归分析的结果如表3.12 所示， 其中第二列和第三列分别检验了回报档数、 最小与次小金额对众筹成功的影响。 模型评价指标显示: 负二倍对数似然值未超过123； Cox&Snell R2值均高于0.138； Nagelkerke R2的值高于0.357， 自变量对因变量具有一定的解释力度。

表3.12　Logistic 回归结果

续表

注: 括号内数值为标准误；***、**、*表示估计系数达到1%、 5%、 10%的显著性水平。(www.daowen.com)

观察变量的显著性水平可以发现， 筹资目标、 视频数量、 喜欢数量、 卖家类型、 回报档数和最小筹资金额等6 个变量， 对淘宝众筹项目的成败结果产生影响。 变量中涉及时间因素的筹资时长、 发货时间变量负向影响众筹成功， 但影响效果不显著。 针对筹资时长的作用， 已有研究对其做出过详细讨论， 认为筹资时间越长， 越容易使支持者丧失信心， 从而对筹资结果产生不利影响（Frydrych 等2014； Mollick 2014； Kim 等2015）。 发货时间过长， 容易引起支持者的厌烦情绪， 也难以获得潜在支持者对项目的认同， 进而使项目难以获得投资。

衡量项目质量的因素中， 筹资目标对众筹成功有显著的负向影响， 筹资目标越高， 淘宝众筹平台上的项目越不容易成功。 项目的预期目标依然对淘宝众筹平台上支持者的行为产生影响， 而金钱因素在这里发挥了负面作用。 在淘宝众筹采用的混合机制的影响下， 潜在支持者面临着首款无法收回的风险， 对风险较为敏感的潜在支持者观察到项目筹资目标过高， 成功可能性下降， 因而更容易放弃投资。 由于混合机制下的支持者有可能承受金钱损失， 所以潜在支持者会更加关注项目的成败， 筹资目标也成为重点关注因素， 显著影响着潜在支持者的决策。

此外， 视频因素在1%的显著性水平上， 正向影响众筹成功。 产生这一结果的原因， 可能与淘宝众筹项目详情页的布局方式有关。 与京东众筹、 众筹网等其他平台在项目详情页上单独设置首图位置、 将视频插入在首图下的内容介绍板块这一做法不同， 淘宝众筹颇具创意地将首图区域与视频结合起来， 首图位置不再只能使用图片， 视频同样可以当作首图。 所以， 潜在支持者一进入项目详情页，就可以点击视频查看介绍。 这种做法提高了页面浏览时的便利程度， 让众筹详情页变得更简洁， 也能让潜在支持者对项目内容产生更为直观的印象。 把视频介绍放在首图位置， 可以突出视频的作用， 使用视频介绍这一做法在淘宝众筹平台上发挥着显著效力。

喜欢数量作为衡量项目受欢迎程度的因素， 与众筹成功之间存在显著正向影响关系， 即项目收获的喜欢数量越多， 越容易获得成功。 因淘宝平台上的“喜欢” 功能与京东众筹平台的“关注” 功能类似， 二者回归结果的系数值与显著性也呈现出相同的特征。 可以认为， 真正对项目感兴趣的人才会单击“关注”或“喜欢” 按钮， 甚至会在之后的浏览中， 再次查看自己已关注/已喜欢的项目。 这些潜在支持者更有可能转变为真正的支持者； 关注数量与喜欢数量也对项目后续的筹资产生了正面积极的作用， 增强了其他潜在支持者的投资信心。

卖家类型是取值为0 或1 的二分变量， 取值为0 表示项目发起方是来自淘宝的卖家， 取值为1 则表示来自天猫的卖家。 Logistic 中呈现负相关的二分变量可以解释为: 与天猫卖家相比， 淘宝卖家发起的众筹项目更容易获得成功。 这一结论与描述性统计分析部分呈现的数据结果一致。 淘宝卖家发起的众筹项目， 使用了更多的视频与图片介绍， 设置了较多的回报档数和较小的最小筹资金额， 获得喜欢的数量更多。 这些做法都能帮助众筹项目获得成功。

在回报菜单的各项因素中， 回报档数与众筹成功之间呈现显著正相关关系。对比回归结果中的第三与第四列， 可以发现， 当模型中加入更多变量时， 回报档数的显著性程度不发生变化。 对回报菜单的研究结果与京东众筹的研究结果一致， 多样化的产品回报与投资金额的组合， 拓宽了潜在支持者的选择面， 更多的回报档数能够帮助众筹项目匹配到更多不同诉求的支持者， 从而增大了项目获得成功的可能。 而表3.12 中的第二、 四列显示， 最小筹资金额在10%的显著水平上负向影响众筹成功， 次小筹资金额正向影响众筹成功， 但显著性水平未达标准。 在淘宝众筹的背景下， 这两个因素对筹资成功的影响不再显著。