参与者个数对竞赛绩效的影响——基于设计类与编程类创新竞赛数据的分位数回归分析

发布时间：2021-01-25 07:26

　　参与者个数对竞赛绩效的影响是创新竞赛研究中学者们长期关注的议题之一。而现有研究对于上述影响的认识并不一致,存在或为正向影响,或为负向影响的分歧。本文通过归纳、提炼现有研究,区分了通过平均值和最优值测度竞赛绩效两类方法,提出了参与者个数影响竞赛绩效的两种效应:"动机效应"和"路径效应",用以调和以往研究的不一致。基于分别在两个知名的创新竞赛在线平台上收集的共计6771个设计类与编程类创新竞赛数据,本文建立基于马尔科夫链蒙泰卡罗方法估计的分位数回归模型,实证了上述两个效应的存在:参与者个数负向影响平均值测度的竞赛绩效,正向影响最优值测度的竞赛绩效。此外,与最小二乘回归相比,分位数回归提供了关于上述两种效应更为详细的洞察力。最后,本文给出了相应的理论贡献、管理意义和未来研究方向。 

【文章来源】：管理评论. 2020,32(11)北大核心CSSCI

【文章页数】：11 页

【部分图文】：

概念框架

Top Coder竞赛绩效变量分布

图2 Top Coder竞赛绩效变量分布通过分析上述变量的分布，本文发现Top Coder数据集中测度竞赛绩效的变量均为明显的左偏分布;而Crowd SPRING数据集中最优值测度绩效的变量为明显的右偏分布，平均值测度绩效的变量则为明显的双峰分布。上述分布与理论假设下的正态分布均有明显的差异，说明基于残差正态分布的模型不再适用本研究所使用的两个数据集。在寻找合适模型问题上有两种思路:一是对竞赛绩效测度变量进行适当变换(如:对数变换、Logistic变换)，使变化后分布近似正态分布，然后运用基于正态分布的模型进行模型拟合，此为广义线性模型的建模思路;二是基于竞赛绩效测度变量的原始数据，依据其条件分位数对自变量进行回归，这样得到了分位数下的回归模型。此为分位数建模的思路[46]。相比较于广义线性模型和基于条件期望建模思想的模型，分位数回归能够全面地刻画自变量对于因变量各个条件分位数的影响，其估计的效应值对于因变量的异常值较其他基于条件期望的模型要稳健[47]。鉴于此，本研究采用分位数回归的建模思路。本研究采用基于马尔科夫链蒙泰卡罗估计方法对分位数回归的参数进行估计。为了保证其估计结果的稳健性和模型的收敛，本文采用适应性Lasso变量选择法指定模型和参数的先验分布[48,49]。模型设置及其参数的先验分布说明如下。

【参考文献】：
期刊论文
[1]基于发包方式的众包平台任务绩效影响因素研究[J]. 宗利永,李元旭.  管理评论. 2018(02)
[2]基于Fuzzy-DEMATEL法的众包模式下用户参与行为影响因素分析[J]. 卢新元,王康泰,胡静思,陈勇.  管理评论. 2017(08)
[3]基于耗散理论的众创空间演进与优化研究[J]. 张玉利,白峰.  科学学与科学技术管理. 2017(01)
[4]众创式创新:源起、归因解析与认知性框架[J]. 赵坤,郭东强.  科学学研究. 2016(07)
[5]基于CAS理论的企业开放式创新社区在线用户贡献行为研究:以国内知名企业社区为例[J]. 秦敏,乔晗,陈良煌.  管理评论. 2015(01)



本文编号：2998831