71、定向增发后续决策及游戏化应用对 B2C 移动终端使用意愿的影响研究

定向增发后续决策及游戏化应用对 B2C 移动终端使用意愿的影响研究

1. 定向增发研究

在定向增发的研究中，我们可以通过特定方程的测试来获取关键信息。通过对式 (1) 的测试，能够得到当前定向增发的长期市场表现对后续定向增发决策的显著性；对式 (2) 的测试，则可得到当前定向增发的长期市场表现对同一增发折价率的显著性；而式 (3) 的测试可以确定中介效应模型的类型，即是否属于完全中介。

1.1 样本选择与数据来源

研究收集了 2006 年至 2017 年中国 3802 家成功发行定向增发的上市公司的数据。发行日期和发行价格等基础数据从万得数据库下载，BHAR 数据从 JQData 下载。对于同一家上市公司同时宣布预计划的两次发行，将其合并为一次发行，合并了 706 个样本，然后去除严重缺失数据的样本，处理后得到 2772 个有效样本，其中首次发行 1907 个，后续发行 865 个。保留了一些控制变量缺失的样本，原因是一些估计方法（如 bootstrap）能更好地处理数据缺失情况，从而尽可能保留原始数据。

1.2 相关性与描述性统计分析

根据前提假设和变量选择，对当前和后续定向增发进行了相关性分析，结果如下表所示：

表 2. 当前定向增发解释变量的相关性分析	Y	PR	PR 1	BHAR	BHAR IsuP	MB	SIZE
Y	1
PR	0.152***	1
PR 1	-0.194***	-0.579***	1
BHAR	0.204***	0.761***	-0.342***	1
BHAR IsuP	0.099***	0.043*	-0.030	0.247***	1
MB	0.04	0.097*	0.019	0.106	0.074**	1
SIZE	-0.031	-0.118***	0.077***	-0.126***	-0.001	0.100***	1

注： 在 5% 水平显著， 在 1% 水平显著， ** 在 0.1% 水平显著。来源：万得数据库和 JQData。

表 3. 后续定向增发解释变量的相关性分析	Y	PR	PR 1	BHAR	BHAR IsuP	MB	SIZE
Y	1
PR	0.225***	1
PR 1	-0.200***	-0.765***	1
BHAR	0.243***	0.606***	-0.485***	1
BHAR IsuP	0.094**	0.253***	-0.176***	0.446***	1
MB	0.134***	0.082*	-0.081*	0.088**	0.070*	1
SIZE	0.016	-0.018	-0.011	-0.022	-0.022	-0.215***	1

注： 在 5% 水平显著， 在 1% 水平显著， ** 在 0.1% 水平显著。来源：万得数据库和 JQData。

从表 2 和表 3 的解释变量相关性分析结果来看，模型中涉及的解释变量显著相关，即线性相关水平满足统计要求。在认购定向增发股份之前，投资者通常会根据持有期的预期异常回报筛选投资目标，并根据定向增发的顺序对股份进行判断。当持有期的预期异常回报低于市场平均水平时，投资者难以认购股份，发行人将面临定向增发失败的较大概率。进一步分析市场数据，定向增发数据的描述性统计如下表所示：

表 4. 定向增发的描述性统计	首次定向增发描述性统计				后续定向增发描述性统计
	计数	均值	标准差	最小值	最大值	计数	均值	标准差
Y	1907	0.265	0.441	0	1	865	0.208	0.406
PR	1906	0.187	0.936	-0.825	17.737	865	0.011	0.495
PR 1	1906	0.111	0.591	-0.947	4.727	865	0.160	0.463
BHAR	1840	0.105	0.869	-1.936	16.001	812	-0.050	0.517
BHAR IsuP	1841	-0.084	0.919	-3.330	16.002	812	-0.140	0.582
MB	1905	0.563	1.963	-0.195	82.560	865	0.515	0.208
SIZE	1907	3.353	1.093	-0.521	7.742	865	4.046	0.929

来源：万得数据库和 JQData。

从表 4 可以看出，超过 26.5% 的企业在首次定向增发后的 3 年内成功再次实施了定向增发，高于非首次定向增发的统计结果（20.8%）。这表明首次定向增发的总回报高于后续定向增发。鉴于投资者在首次定向增发中的总回报达到了预期，他们对后续定向增发仍保持高度热情。首次定向增发的 BHAR 和 BHAR IsuP 均明显优于后续定向增发的统计数据，这进一步证明了企业当前定向增发持有期的异常回报对后续定向增发有正反馈效应。同样，定向增发一年后的二级股票市场回报（PR）对后续定向增发的成功实施也有反馈效应。通过统计描述，可以估计出良好的市场反馈有利于促进企业的定向增发决策。

1.3 中介效应测试结果

根据中介效应模型的设定，使用 Stata 数据分析软件进行测试和分析。测试过程分为两步：第一步以首次定向增发的样本为分析对象，分析上市公司在首次定向增发后的 3 年内是否成功实施定向增发（Y）的因果决定因素；第二步使用相同指标分析上市公司在非首次定向增发后的 3 年内是否成功实施定向增发（Y）的因果决定因素。

通过模型分析，期望实现以下目标：一方面，测试和比较直接效应因素（如企业特征和市场反馈）和中介效应对定向增发后二次发行成功的影响；另一方面，通过比较首次定向增发和后续定向增发的样本，进一步验证信息不对称对定向增发的影响，从而引导投资者的情绪趋势，防止过度情绪持续刺激定向增发融资的混乱。

• 首次定向增发样本的中介效应分析

根据中介效应模型，分析上市公司在首次定向增发后的 3 年内是否成功实施定向增发（Y）的因果决定因素，分析结果如下表所示，Sobel - Goodman 中介效应测试结果如下表所示：

表 5. 首次定向增发样本的中介效应测试	模型 (1)	模型 (2)	模型 (3)
	Y	DIS	Y
PR 1	-0.923*** (-7.43)	8.768*** (7.98)	-1.064*** (-8.25)
SIZE	-0.234*** (-4.44)	-2.527*** (-4.23)	-0.204*** (-3.81)
MB	-0.0984 (-1.02)	-0.110 (-0.33)	-0.0814 (-0.86)
DIS		0.0123*** (6.03)
Cons	-0.171 (-0.91)	30.93*** (14.66)	-0.582** (-2.86)
N	1904	1904	1904
R²	0.0376

注： 在 5% 水平显著， 在 1% 水平显著， ** 在 0.1% 水平显著。来源：万得数据库和 JQData。

表 6. 首次定向增发的 Sobel - Goodman 中介效应测试	系数	标准误差	Z 值	P > Z
Sobel	0.0189	0.0038	4.976	6.489e - 7
Goodman - 1 Aroian	0.0189	0.0038	4.951	7.367e - 7
Goodman - 2	0.0189	0.0038	5.001	5.701e - 7
a	8.1545	1.0928	7.4621	8.5e - 14
b	0.0023	0.0003	6.6776	2.4e - 11
间接效应	0.0189	0.0038	4.9761	6.5e - 7
直接效应	-0.1636	0.0168	-9.7196	0
总效应	-0.1447	0.0168	-8.6207	0

来源：万得数据库和 JQData。

在 Sobel 测试结果中，中介效应和直接效应对首次定向增发决策有相反的影响。中介效应与直接效应的比率为 11.58%。从分析结果可以看出，该模型的中介效应在样本数据下显著。定向增发为金融市场提供了一种简单高效的股权融资方式，但在不良融资动机的作用下，“资金围猎后对峙现象”和“质押”等金融混乱也降低了投资者的投资情绪。首次定向增发后，资金围猎效应等混乱干扰了投资者的认知，因此市场反馈呈现出直接的负反馈效应。

• 后续定向增发样本的中介效应

使用首次定向增发的相同数据，分析上市公司在非首次定向增发后的 3 年内是否成功实施定向增发（Y）的因果决定因素，分析结果如下表所示，Sobel - Goodman 中介效应测试结果如下表所示：

表 7. 后续定向增发样本的中介效应测试	模型 (1)	模型 (2)	模型 (3)
	Y	DIS	Y
PR 1	-1.286*** (-5.37)	6.395*** (4.03)	-1.393*** (-5.72)
SIZE	-0.235* (-2.44)	-3.821*** (-4.82)	-0.175 (-1.80)
MB	0.581 (1.37)	-1.562 (-0.44)	0.638 (1.49)
DIS		0.0144*** (3.39)
Cons	-0.597 (-1.42)	34.21*** (9.63)	-1.151* (-2.53)
N	865	865	865
R²	0.0421

注： 在 5% 水平显著， 在 1% 水平显著， ** 在 0.1% 水平显著。来源：万得数据库和 JQData。

表 8. 首次定向增发的 Sobel - Goodman 中介效应测试	系数	标准误差	Z 值	P > Z
Sobel	0.0136	0.0052	2.624	0.0087
Goodman - 1 Aroian	0.0136	0.0053	2.577	0.1000
Goodman - 2	0.0136	0.0051	2.673	0.0076
a	5.759	1.5914	3.6188	0.0003
b	0.0024	0.0006	3.8093	0.0001
间接效应	0.0136	0.0052	2.6237	0.0087
直接效应	-0.1888	0.0292	-6.4581	1.1e - 10
总效应	-0.1752	0.0292	-5.9909	2.1e - 9

来源：万得数据库和 JQData。

根据表 7 和表 8 的结果，与首次定向增发的效应类似，中介效应和直接效应对后续定向增发决策也有相反的影响。中介效应与直接效应的比率为 7.21%，且两者均显著。首次定向增发后，由于长期市场表现不佳成为主要认知，市场反馈具有直接的负反馈效应。然而，通过投资者补偿，市场反馈效应削弱了长期市场表现的影响。与首次定向增发相比，直接效应的比例增加，而间接中介效应相对减弱。可以得出结论，投资者补偿在定向增发的顺利实施中起着关键作用。

实证分析结果表明：
1. 企业特征和市场环境对投资者补偿有显著影响，尤其是市场反馈效应对后续定向增发的成功有强烈的负面影响。
2. 投资者补偿在企业特征、市场环境和后续定向增发决策之间有显著的中介效应，平均中介效应对后续定向增发的成功实施有积极影响，约为市场反馈效应的十分之一。
3. 随着定向增发次数的增加，市场反馈的直接效应和投资者补偿的中介效应的平均百分比均呈下降趋势，即对企业未来定向增发成功的影响程度逐渐降低。

2. 游戏化应用对 B2C 移动终端使用意愿的影响研究

在移动互联网时代，B2C 移动应用软件开发在商业运营中扮演着重要角色。它不仅是企业与消费者的重要接触点，也是许多企业（尤其是互联网公司）的主要流量来源。随着智能手机的迅速普及，B2C 移动终端的数量急剧增加。如何提高用户继续使用特定 B2C 移动终端的意愿，成为企业和运营商面临的问题。为了解决这个问题，许多公司开始尝试在 B2C 移动终端中加入游戏化元素。所谓“游戏化”，是指“……”

游戏化应用的交互性对 B2C 移动用户的持续使用意愿有重要影响。研究结果表明，B2C 移动终端上游戏化应用的人机交互对客户参与度的认知、情感和行为维度有积极影响；B2C 移动终端上游戏化应用的人际交互对客户参与度的认知、情感和行为维度也有积极影响；客户参与度的情感和行为维度对 B2C 移动用户的持续使用意愿有积极影响。

综上所述，无论是定向增发的研究还是游戏化应用对 B2C 移动终端使用意愿的研究，都为相关领域的决策和发展提供了有价值的参考。在定向增发方面，企业应重视市场反馈和投资者补偿，以提高后续定向增发的成功率；在 B2C 移动终端应用方面，应注重游戏化应用的交互设计，提高用户的参与度和持续使用意愿。

定向增发后续决策及游戏化应用对 B2C 移动终端使用意愿的影响研究

3. 稳健性测试

3.1 定向增发中介效应的稳健性分析

运用 Stata 数据分析软件对模型的稳健性进行分析，结果如下表所示：

表 9. 定向增发样本的中介效应稳健性测试	首次定向增发中介效应稳健性测试			后续定向增发中介效应稳健性测试
	模型 (1)	模型 (2)	模型 (3)	模型 (1)	模型 (2)	模型 (3)
	Y	DIS	Y	Y	DIS	Y
PR 1	-0.660*** (-6.52)	8.768*** (7.98)	-0.729*** (-7.00)	-1.154*** (-5.36)	6.395*** (4.03)	-1.209*** (-5.55)
SIZE	-0.309*** (-6.38)	-2.527*** (-4.23)	-0.293*** (-6.01)	-0.371*** (-4.05)	-3.821*** (-4.82)	-0.337*** (-3.64)
MB	-0.0634 (-0.87)	-0.110 (-0.33)	-0.0573 (-0.84)	1.153** (2.88)	-1.562 (-0.44)	1.179** (2.94)
DIS	0.00667*** (3.75)		0.0081*** (2.10)
Cons	0.506** (2.95)	30.93*** (14.66)	0.294 (1.63)	-0.0369 (-0.09)	34.21*** (9.63)	-0.339 (-0.80)
N	1904	1904	1904	865	865	865
R²	0.0376			0.0421

注： 在 5% 水平显著， 在 1% 水平显著， ** 在 0.1% 水平显著。

从表 9 的稳健性分析结果来看，中介效应下首次定向增发的反馈变量、规模和折价率在 0.1% 水平显著，模型具有稳健性。与首次定向增发的测试结果相比，中介效应模型中后续定向增发的折价率水平显著下降，但在 5% 水平仍显著，模型同样稳健。

3.2 定向增发的 Bootstrap 方法稳健性测试

依据 Bootstrap 方法的测试原理，对定向增发的中介效应模型进行重新检验，测试结果如下表所示：

表 10. 定向增发样本的 Bootstrap 方法稳健性测试	首次定向增发中介效应稳健性测试			后续定向增发中介效应稳健性测试
效应	均值	[95% 置信区间]		均值	[95% 置信区间]
		下限	上限		下限	上限
总效应	-0.154	-0.182	-0.125	-0.152	-0.193	-0.112
平均中介效应	0.016	0.010	0.023	0.011	0.004	0.021
平均直接效应	-0.170	-0.198	-0.143	-0.163	-0.202	-0.124
总效应中介比例	-0.104	-0.129	-0.088	-0.074	-0.101	-0.058

从表 10 可以看出，Bootstrap 方法的结果与基于 Sobel - Goodman 的结果基本一致。这两种测试结果的一致性进一步表明，模型设计和结果具有高度的稳健性，原模型可靠可信。

4. 总结与建议

4.1 定向增发方面

• 重视市场反馈 ：企业在进行定向增发决策时，应密切关注市场反馈。良好的市场反馈有利于促进定向增发的成功，而市场反馈效应对后续定向增发的成功有强烈的负面影响，企业需要及时调整策略以应对不利的市场反馈。
• 合理补偿投资者 ：投资者补偿在定向增发的顺利实施中起着关键作用。企业应根据自身特征和市场环境，合理提高投资者补偿，以提高后续定向增发融资的成功率。
• 考虑增发次数影响 ：随着定向增发次数的增加，市场反馈的直接效应和投资者补偿的中介效应的平均百分比均呈下降趋势。企业在规划多次定向增发时，应充分考虑这一因素，合理安排增发计划。

4.2 B2C 移动终端应用方面

• 优化游戏化应用交互设计 ：B2C 移动终端应注重游戏化应用的交互设计，提高人机交互和人际交互的质量。人机交互和人际交互对客户参与度的认知、情感和行为维度有积极影响，进而提高用户的持续使用意愿。
• 提升客户参与度 ：通过优化游戏化应用的交互性，提升客户在认知、情感和行为维度的参与度。客户参与度的情感和行为维度对 B2C 移动用户的持续使用意愿有积极影响，因此企业应采取措施增强客户的参与感。

下面通过 mermaid 格式流程图展示定向增发决策和 B2C 移动终端应用优化的整体思路：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px

    A([定向增发决策]):::startend --> B(关注市场反馈):::process
    A --> C(合理补偿投资者):::process
    A --> D(考虑增发次数影响):::process
    E([B2C 移动终端应用优化]):::startend --> F(优化游戏化应用交互设计):::process
    E --> G(提升客户参与度):::process

综上所述，无论是定向增发的研究还是游戏化应用对 B2C 移动终端使用意愿的研究，都为相关领域的决策和发展提供了有价值的参考。企业和运营商可以根据这些研究结果，制定更加科学合理的策略，以提高定向增发的成功率和 B2C 移动终端的用户使用意愿。