基于ELM理论的公益众筹项目质量对融资绩效影响的研究

郝琳娜 陈壮壮 唐 研

(聊城大学商学院 聊城 252000)

一、引言

2018年5月24日，一篇揭露诈捐的推文《王凤雅小朋友之死》在微信疯狂转发，随后整个事件发生反转，将公益众筹推上风口浪尖。公益众筹指公益机构或个人在网络公益众筹平台发起公益项目筹款活动，吸引出资者对其项目进行资金支持的行为，是“互联网+金融”领域的衍生品。然而，由于网络公益众筹模式中捐助者与受助人的信息不对称性及公益众筹平台上项目质量控制的不严格，导致近年来公益众筹的项目质量、金额、参与人员数量等都有明显下降，项目融资绩效出现严重滑坡现象，以致于民众逐步丧失对公益众筹的信心；[1]公益众筹以造福社会为目的实施有效救助，其关键是控制项目质量和透明化募捐信息。低质量的公益众筹项目无法保证其真实性，可能会存在欺诈行为，项目的进展情况也无法实时监控，更不能确保其公益资金的有效利用；高质量的公益众筹项目需要平台对项目的真实性、进展报告、财务状况等严格把控，最终实现对公益众筹项目质量的控制和管理，提升公益众筹的融资效果。[2]因此，公益众筹中项目质量如何影响融资绩效成为本文研究的主要问题。

详尽可能性模型(ELM)是由社会心理学家提出的，认为人们对劝服的行为与态度变化存在两条路径，即中心路径和边缘路径。[3]有学者将ELM理论应用于众筹领域，发现项目质量、信息披露和公众行为对项目融资绩效有显著影响，表现为项目发表评论的内容及数量、公众的参与程度、发起人的公信力等。[4-5]其他国内外有关公益众筹融资绩效影响因素的研究也颇丰，主要从以下几个方面展开。“公共物品模型(public good model)”认为目标融资金额与融资绩效呈正相关。[6]与Duncan相反，有研究发现较小的项目预期融资额更容易获得大众的支持，使得融资成功。[7]公益众筹项目的融资绩效与信息披露的可信赖程度呈密切正相关，如项目图片与视频数量展示、项目属性介绍、卖家信息公开、资金用途透明等都对公益众筹的成功有很大影响。[8]

国内外学者对众筹融资绩效影响因素的研究缺少相关数据的定量分析；另外，研究多集中于信任机制的建立，强调信息披露质量的重要性，但鲜有学者站在捐助者的角度，考虑项目质量对公益众筹融资绩效的影响。因此，本文在郑海超和曾江红研究的基础上，立足于捐助者的角度，探讨了公益众筹项目质量对项目融资绩效的影响因素。

二、问题描述

据2017年人创咨询统计，国内上半年共发布公益型众筹项目7454个，其中有4464个项目成功达到预期融资金额，2825个项目尚未完成，165个项目筹资失败。据此，本文对人创咨询统计数据做了整理和分析，对比了近三年同期的总项目数、成功项目数、全部项目预期融资金额、成功项目已筹金额和成功项目总支持人数五个方面的数据(如图1所示)。

图1 公益众筹近三年同期对比图

注：为方便图表显示，使对比明显，全部项目预期融资额、成功项目已筹金额以十万元为单位。

由图1可知，近三年来，总项目数量和预期融资金额呈递增趋势。2016年上半年较2015年同期相比，公益众筹成功项目数同比增长122.5%，总支持人数同比增长437.5%，但成功项目的实际总融资金额却同比下降11.1%；与2016年同期相比，虽然2017年上半年公益众筹成功项目数同比增长33.6%，但总参与人数同比下降69%，成功项目的实际总融资金额同比下降36.1%。通过对近三年同期数据的对比分析，发现总项目数、成功项目数、全部项目预期融资额都呈上升趋势，而参与人数呈现较大波动趋势。另外，成功融资项目已筹金额逐年递减，在2016年参与人数同比增长达122.5%的情况下，成功项目已筹金额仍下降3100万元，可见近三年公益众筹成功的项目中，单个公益项目的筹资金额趋向于小额化，公众的捐赠热情有待提高。

2017年《中国众筹平台评级报告》中，“腾讯乐捐”平台前两个季度共发布公益项目6638个，占同期总发布项目数的89%，其中成功项目数为4045个，达到同期总成功项目数的91%，仅次于京东众筹和淘宝众筹，极具权威性和代表性。因此，本文以“腾讯乐捐”公益众筹平台上的项目为研究对象，基于ELM理论探究公益众筹项目质量对融资绩效的影响，致力于公益众筹项目质量的提高，具有一定理论和实践意义。

三、公益众筹融资绩效理论框架与研究假设

(一)公益众筹ELM理论研究框架

其一，项目客观质量是指公益众筹项目中所展示的信息详细化程度、项目更新次数等，构成了决定捐助者行为意愿的理性因素，即为ELM理论的中枢路径。例如，项目详情中图片的数量可作为项目展示信息详细程度的一种度量；项目更新次数可作为捐助者对项目了解程度的一种度量。[9]其二，项目主观质量是指项目当前的融资额度和项目的响应程度等，影响了捐助者的行为意愿，即为ELM理论的边缘路径。项目目标融资额度是项目主观质量的一种度量；项目的响应程度涵盖已捐款人数和项目的互动数量，消费者在选购商品时存在从众心理。[10]其三，项目类型也会影响融资绩效，故将其作为控制变量。另外，根据郑海超的研究，本文将平均日捐助人数和平均日融资金额作为融资绩效的重要衡量指标，构建了公益众筹平台的ELM理论研究框架如图2所示。

图2 研究框架

注：角标为“+”，表示对应变量为正相关；角标为“-”，表示对应变量为负相关。

(二)研究假设的解释与设定

(1)项目更新使对该项目有捐助意向的人可以实时掌握项目动态提高项目质量；项目进展程度及时有效的更新可以体现发起人对项目的负责态度；同时项目的频繁更新可以让公众在浏览时获取更多的信息，提高对项目的认知程度且做出实质性捐助。[11]因此，本文提出以下假设：

H1a：项目更新次数越频繁，平均日捐助人数越多，即项目越能够吸引捐助者。

H1b：项目更新次数越频繁，平均日融资金额越高，即大众的捐助热情越高。

(2)信息披露程度较高的项目对投资人具有较大的吸引力，更容易获得投资，[12]而项目质量信息可以通过图片很好地展示给受众。[9]因此，本文用项目简介中的图片数量(detail)来表示发起人所展示的项目信息的详细化程度，故提出以下假设：

H2a：项目简介中图片数量越多，平均日捐助人数越多，即项目越能够吸引捐助者。

H2b：项目简介中图片数量越多，平均日融资金额越高，即大众的捐助热情越高。

(3)当考虑利他性的公共物品模型，受众就会选择对融资金额较大的项目进行救助；[6]当考虑自利性的私人消费模型，受众会热衷于帮助融资金额较小的项目，此时的捐赠额度相对于目标融资额(goal)会占有较大的比重，使捐助者容易获得心理上的满足和愉悦。因此，本文提出以下假设：

H3a：目标筹资金额数目越大，平均日捐助人数越多，即项目越能够吸引捐助者。

H3b：目标筹资金额数目越大，平均日融资金额越高，即大众的捐助热情越高。

(4) 捐助人数是指自项目在众筹平台发布之日起，大众对项目进行了解之后参与捐助的人数。互动次数由实名证实的人数决定，当人们对项目特别了解或在捐款之后对项目进行过实地考察，便会在平台上进行实名证实并参与互动。实名证实的人数越多，互动次数越多，公益众筹项目的真实性和项目质量也就越高。[10]因此，本文提出以下假设：

H4a1：已有捐款人数越多，平均日捐助人数越多，即项目越能够吸引捐助者。

H4b1：已有捐款人数越多，平均日融资金额越高，即大众的捐助热情越高。

H4a2：互动次数越多，平均日捐助人数越多，即项目越能够吸引捐助者。

H4b2：互动次数越多，平均日融资金额越高，即大众的捐助热情越高。

四、公益众筹融资绩效影响因素的研究设计

(一)“腾讯乐捐”网站的数据收集及变量设定

本文以“腾讯乐捐”平台正在募捐的项目为研究对象，截至2018年3月1日，通过对平台正在募捐的项目的数据采集和整理，可获得有效数据为扶贫/救灾类123条、环保/动物保护类81条、教育/助学类279条，总计483条。方便起见，相关变量的说明如表1所示。

表1 变量设置及取值说明

(二)模型的构建

本文通过spss对经验证有效的483个项目信息数据进行了描述性统计，不难发现，平均日融资金额(average_M)、目标融资额(goal)和捐助人数(donate)，在不同的项目中存在较大差异，且平均日融资金额(average_M)、目标融资额(goal)和捐助人数(donate)的离散化程度较高，不利于进行多元线性回归分析，故采用其对数的形式进行分析，使分析结果更加直观。即ln_average_M，ln_goal，ln_donate。于是，最终的研究模型为：

模型1：

average_P=β0+β1renew+β2detail+β3ln_goal+β4ln_donate+β5interaction+ε0

模型2：

ln_average_M=α0+α1renew+α2detail+α3ln_goal+α4ln_donate+α5interaction+ε1

该模型中融资绩效通过日均捐助人数(average_P)和日均融资金额(ln_average_M)表示，其中β0、α0是融资绩效回归截距项，βi、αi为融资绩效回归系数，εi为误差。

五、以“腾讯乐捐”为例的实证研究

(一)公益众筹融资绩效影响因素的实证检验

本文在ELM理论的基础上，剔除自变量之间共线性的影响，运用多元线性回归的方法，对反映主观质量的边缘路径和反映客观质量的中枢路径加以分析。分别以average_P和ln_average_M做因变量，以客观质量信息(renew，detail)和主观质量信息(ln_goal，ln_donate，interaction)为自变量，进行模型1、2的多元线性回归分析如表2和表3所示。

表2 average_P的多元线性回归结果

注：显著性水平* P<0.1, **P<0.05, ***P<0.01分别表示在10%，5%，1% 水平上显著。

表3 ln_average_M的多元线性回归结果

注：显著性水平* P<0.1, **P<0.05, ***P<0.01分别表示在10%，5%，1% 水平上显著。

方便起见，本文对扶贫/救灾类、环保/动物保护类、教育/助学类的日均捐助人数(averaged_P)作多元线性回归分析为模型3、模型4和模型5；以对扶贫/救灾类、环保/动物保护类、教育/助学类的日均融资额(ln_averaged_M)作多元线性回归分析为模型6、模型7和模型8，数据检验结果如表4和表5所示。

表4 不同项目类型下average_P影响因素检验

表5 不同项目类型下ln_average_M影响因素检验

注：显著性水平* P<0.1, **P<0.05, ***P<0.01分别表示在10%，5%，1% 水平上显著。

(二)关于实证检验的结果分析

根据以上实证结果可知，主观质量和客观质量都对日均捐助人数(average_P)和日均融资额(ln_average_M)有显著影响。

根据总体检验结果(表2，表3)可得，前文所设定的模型1与模型2的具体方程为：

模型1*：

average_P=-133.845-3.137renew-3.069det ail-67.583ln_goal+185.165ln_donate+4.609int eraction+ε0

模型2*：

ln_average_M=-1.203-0.01renew+0.488ln_goal+0.375ln_donate+ε1

(1)由表3和图2可知，客观质量中信息详细化程度(detail)对日均捐助人数(average_P)不存在显著关系，但主观质量中捐助人数(ln_donate)与互动次数(interaction)并未受项目持续时间影响，对日均捐助人数(average_P)影响为显著正相关，假设H4a1、H4a2得到验证。由表3和图2可知，客观质量与主观质量对日均融资额(ln_average_M)均有有显著影响。主观质量中目标融资额(ln_goal)、捐助人数(ln_donate)与日均融资额(ln_average_M)存在显著正相关，假设H3b、H4b1得到验证。

(2)由表2、3和图2可知，项目的更新次数(renew)与日均融资额(ln_average_M)与日均捐助人数(average_P)负相关，项目的更新次数越多，日均融资额和日均捐助人数越少，与假设H1a、H1b相反；目标融资额(ln_goal)与日均捐助人数(average_P)为显著负相关，与假设H3a相反。

(3)在分类检验当中(表4)可见，日均捐助人数(average_P)的影响因素中，项目更新次数(1%水平)、信息详细化程度(10%水平)和目标融资额(5%水平)对扶贫/救灾类项目呈显著负相关，边缘路径中互动次数(1%水平)和捐助人数(1%水平)呈显著正相关；项目更新次数(5%水平)对环保/动物保护类呈显著负相关，捐助人数(1%水平)和互动次数(10%水平)呈显著正相关；捐助人数(1%水平)对教育/助学类呈显著正相关，目标融资额(1%水平)呈显著负相关。在表5中可见，日均融资额(ln_average_M)的影响因素中，对于扶贫/救灾类项目，信息详细化程度(10%水平)和更新次数(5%水平)呈显著负相关，目标融资额(1%水平)和捐助人数(1%水平)呈显著正相关；对于环保/动物保护类项目，项目更新次数(5%水平)呈显著负相关，目标融资额(1%水平)和捐助人数(1%水平)呈显著正相关；对于教育/助学类，项目更新次数(1%水平)呈显著负相关，目标融资额(1%水平)和捐助人数(1%水平)呈显著正相关。

结语

本文应用ELM理论构建了公益众筹融资绩效模型并提出了相应假设。通过对“腾讯乐捐”公益众筹融资数据的整理分析，进而探究了项目质量对公益众筹融资绩效的影响。

本文的创新点：其一，前人研究多以轻松筹、众筹网等小型平台为研究对象，本文选取公益众筹领域内规模最大且最具代表性的“腾讯乐捐”平台进行研究，数据可靠性程度更高。其二，以往的研究多是从成功案例中采集数据，本文则以正在融资的项目为研究对象，以平均日融资金额和平均日捐助人数为主要因素来分析融资绩效，提高了结论的可靠性。

本文的不足：其一，本文的数据虽然全部来源于国内最大的公益众筹平台，仍具有一定的局限性。其二，首因效应促成其捐助行为，也属于融资绩效影响因素的一个方面，本文未曾考虑，但可进一步探索。