电影票房影响因素分析

1、电影票房影响因素分析以中国内地票房数据为例【摘 要】 本文通过计量经济学上统计分析方法的应用，并结合2007 -2009年的中国内地电影票房数据,对影响电影票房的因素进行了一系列的分析和检验，最终推出电影票房影响因素分析模型，并在此基础上对即将上映的电影进行了票房的预测，以验证模型的实际有用性的大小，在影响电影票房的因素选择上面，由于自身资源的有限，有些因素没有放到模型里面，这可能会导致最终模型跟实际的存在一些偏差，对此，期待各位的指正。【关 键 字】 电影票房、 影响因素、模型检验、 票房预测Factors affecting the film box officeBased on the

2、Data of the Chinese mainland box officeAbstract：In this paper, with the application of statistical analysis in econometrics, combined with the data of Chinese mainland 2007-2009 film box office, I will do a series of analyzes and testing on factors affecting the films ,then launch the box office inf

3、luencing factors model ,and predict the box office of the upcoming movie with this model .So as to verify the actual usefulness of the model ,due to the limited resource ,some factors are not included in the model , leading to some deviations between this model and the actual one ,so , gratefully we

4、lcome your corrections .Key words：film box office influencing factors model testing Box office predictions目录一、课题背景、选题原因及课题意义分析2课题背景2选择本课题的原因2课题的目的和意义2二、影响因素分析和解释变量的甄选2影响因素分析2解释变量的甄选3三、数据来源和收集4数据来源4数据收集整理4四、模型的构建5五、回归分析和模型的检验、修正51）回归分析52）多重共线性的检验 方差膨胀因子VIF63）遗漏变量74）不相关变量75）序列相关检验 德宾- 沃森d检验86）异方差检验 怀特

5、检验（White test）9六、模型的运用和票房预测波斯王子·时之刃10七、总结11八、参考资料12一、课题背景、选题原因及课题意义分析 课题背景 1、随着现代化建设的发展，中国城乡居民收入水平显著提高，精神、文化生活伴随着物质生活水平的提高也日益成为广大城乡消费者追求的目标，以往只有少数人才可以看到的影视作品现在已经成为大宗消费品，遍布各大中小城市，成为人们精神生活的寄托以及茶余饭后的谈资，电影作品已经成为一种潮流文化的象征，日益丰富着我们日常的生活。2、需求拉动生产，影视作品的数量每年都以惊人的速度增长，影视业的竞争也因此日益增大，制片公司要想生存下去，票房是关键，一部电影的失

6、败就可以葬送一间公司，于是，了解票房的影响因素，通晓市场的偏好，生产大众喜欢的影片，努力为一部电影上市造势，已经成为制片公司的当务之急。 选择本课题的原因1、影视是一个跟我们的生活息息相关的话题，对它进行深入的研究有助于我们更好地了解生活，另外，影视作品也是我日常生活中比较关注的领域，选择自己喜欢的领域进行研究，有助于在研究过程中保持热情，把项目做得更好；2、目前学术界里做这个课题的学者很少，这样的话我研究起来会相对自由很多，具有更高的灵活性，毕竟没有来自权威的压力 ，而且，之前的学者做过的研究，在周密性方面还比较欠缺，课题还有很大的发展空间，于是结合两点，最后选择本课题。课题的目的和意义通过

7、研究，找出影响电影票房的因素到底有哪些，并进一步找出它们与电影票房的内在统计关系，为影视公司推出一部电影时的决策提供一些参考，同时可以锻炼自己的分析思考能力以及动手能力，而且，弄清楚哪些因素对票房影响很大而又不能真实反映电影质量，将来自己做决策决定要不要看一部电影的时侯也可以有意识地规避这些因素，从而使决策更有效，不至于花钱花时间去看一部没有价值的的电影了。 二、影响因素分析和解释变量的甄选 影响因素分析影响电影票房的因素很多，比如说影片自身的质量、影片的排档期、导演、演员的知名度、上映期间的社会环境、天气、海报、预告片质量、放映的场数、票价、是否为续集、进口的还是本国生产的，故事情节、投资、

8、同期竞争影片数量、还有是不是3D的等等。 影响因素很多，不大可能全部放进来研究，下面筛选出几个个人认为相对来说比较重要的用作进一步的研究。解释变量的甄选 1、预告片评分（G）。这应该是一个很重要的影响因素，因为观众选择是否去观看一部电影之前，总会上网了解一下这部电影的大体结构、场面、情节等到底是怎么的，在这里，预告片的质量起了很关键的作用，预告片做得漂亮，有吸引力，到时去观看的观众就多，反之则少，而这直接影响到最后票房的大小，所以在此将预告片的评分作为一个解释变量； 2、海报画面效果（H）。除了预告片之外，观众的决策还经常会受到贴在大街小巷的电影海报的影响，海报画面做得精致，有感染力，到影片上

9、映时跑去观看的人就多，电影票房也就高了，于是也将它作为一个解释变量放到模型里面； 3、与首映的时间差（S）。由于在中国内地上映的电影有很大一部分是从外国进口来的，而电影在两地上映的时间通常都是不同步的，于是就会产生一个上映时间差的问题，或许在过去，有没有时间差都不会影响外国电影的票房，但是现在乃信息时代，互联网技术发达，一部电影从首映那一刻开始，不用多长时间就可以从网上下载来看了，于是在这个过程中就会流失掉一部分买票去看电影的观众，因而降低了电影票房，而且由于电影信息自身的时效性，如果一部电影发布信息之后长久都不上映，观众的热情就会慢慢丧失掉了，等到电影真的上映的时候，观众早就将它忘了，于是电

10、影票房也就大打折扣，所以，这个上映的时间差也应该作为一个解释变量放到模型里面； 4、观众对导演的评分（D）。虽然至今仍然不清楚导演对影片票房的成功作用到底有多大，但是如果没有导演，一部电影最终也不会出现在观众的面前，票房高的电影初步认为趋向于是由总体评分比较高的导演拍出来的，所以导演也应该是一个重要的影响票房的因素，也放到模型中进行检验。 5、观众对主演的评分（Z）。主观上认为观众是否选择去看一部电影的时候会考虑这部电影是不是由著名演员主演的，是的话就去看，不是的话就不去，但到底这种影响是不是真的很明显，暂时不大清楚，不过本人认为它应该算是一个重要的变量，起码我自己看电影的时候首先看的是有没有

11、我喜欢的演员参演，有的话就会选择去看，因此也将它加入到模型的检验里面； 6、续集（X）。绝大多数情况下，只有好的电影才会拍续集，这就给观众传达一个信息，上一部电影拍得不错，这部电影的质量应该也不错，值得去看，于是，一部电影是不是续集也就成了一个很重要的票房影响因素，在这里续集用虚拟变量表示，1表示该电影是续集来的，0则表示不是续集； 除此之外，可能还有很多的影响因素，不过由于自己掌握到的信息有限，所以暂且使用以上六个作为解释变量来进行模型的设定。 三、数据来源和收集 数据来源1、电影票房数据。在这个模型中，应变量是在中国内地上映的电影的票房（B）其中07年电影33部，08年电影51部，09年电

12、影22部，总共106个样本。数据来源于以下的外国网站电影票房数据来源2、预告片评分（G）、海报画面效果评分（H）、导演评分（D）、主演评分（Z）。的数据来自于时光网上网民的评分（ ）。3、与首映的时间差（S）。数据同样来自于时光网，结合影片首映和在中国内地上映的时间，整理得出时间差s,亦即延缓上映的时间 。4、影片是否为续集（X）的信息大部分来自于时光网 5、此外，收集数据过程中还参考了以下网站 ： IMDB： 未来影视网： 中国影视库： 数据收集整理四、模型的构建 根据之前的分析以及收集到的数据，我初步建立如下的线性方程形式： B = 0 +1G +2H +3S +4D +5Z +6X +

13、B ：电影票房 （百万美元） G ：预告片的评分 （十分制） H ：海报评分 （十分制） S ：与首映的时间差，即延缓上映时间 D ：观众对导演的评分 （十分制） Z ：观众对主演的评分 （十分制） X ：续集（虚拟变量，1表示续集，0表示不是续集） 五、回归分析和模型的检验、修正1）回归分析使用SPSS 17.0 对收集到的数据进行回归分析和F检验、t检验，结果如下结合上表，我们初步得出方程如下： F检验的f值为26.360，取5%的显著性水平，可以发现回归系数在总体上的检验是显著的。模型调整的判定系数为0.592，拟合度不算很高，但总体上还不是很差。在5%的显著性水平上对方程（1）的系数进

14、行假设检验，得出如下结论：通过上表发现，观众对导演以及演员的评分的系数的t检验不显著， 而且5 还有非预期的符号，这个检验结果可能是由于遗漏变量、 不相关变量或多重共线性造成的。下面我们将对此进行检验。2）多重共线性的检验 方差膨胀因子VIF 通过SPSS计算各个变量的VIF后发现它们的取值都较小，小于严重多重共线性的指标 VIF 5 ，所以本人认为模型中不存在显著的多重共线性。 3）遗漏变量 方程中自变量的数目已经很多，而且其他的变量的数据获取很困难，就算拿到了也可能存在极大的误差，所以在这里不考虑遗漏变量的影响，虽然这样会降低方程的准确性，但是在信息有限的情况下，这未尝不是一种选择方法。4

15、）不相关变量 方程中的观众对导演、演员的评分可能都是不相关变量。下面用模型设定的四个准则进行检验。 1、理论：将观众对导演、主演的评分从模型中剔除掉是合理的：评分高的导演拍出的电影票房通常都比较高，但是也有很多的败笔；而且还有很多票房高的电影不是评分高的导演拍出来的（收集数据过程中发现的规律），这样一来，对导演评分的意义就不大了。对于演员，现在几乎每一部电影（不管成败）都有明星参加演出，他们获得的总体评分都很高，几乎没什么差异，于是这个变量在模型设定中也就没有意义了，何况，不同人的喜好不同，如果自己不喜欢一个人，哪怕他的评分再高，自己还是不会去看他拍的电影，另外就是，经过了二三十年的发展之后，

16、娱乐圈里面可谓明星如云，但到底谁才是真正的明星，这个不好说，结合以上分析，将导演、演员评分踢掉理论上是合理的； 2、t检验：可能的不相关变量的t值分别是1.19和0.30 ，对于0.30，在任何的显著性水平上都是不显著的，而对于1.19，在我们正常使用的显著性水平内也是不显著的，而且排除他们后其他变量的t值都变得显著了，于是排除他们； 3、调整的R方：排除变量后，调整的R方增大了（虽然只是增大一点），表示现在的 方程比之前的拟合得更好了，被排除的变量多多少少是不相关的； 4、偏误：分别排除或者同时排除掉观众对导演、演员的评分这两个变量后，剩余变量的系数只是发生了很小的变动，表明即使排除该变量会

17、造成偏误，也是很小的一部分，无关大局。于是排除它们。 将观众对导演、演员的评分这两个变量排除掉之后重新对模型进行回归， 得出新的方程 B：票房 G：预告片评分 H ：海报评分 X: 续集 S：延缓上映时间 取5%的显著性水平，经过F检验和t检验后发现方程的检验都是显著的，调整的R方为0.594，拟合度也算比较好，而且方程中也不存在多重共线性现象（所有的VIF都小于2），于是，暂定使用此方程，并以此为基础来进行下面的验证工作。 5）序列相关检验 德宾- 沃森d检验 运用EVIEWS对方程进行序列相关检验，得出D-W值为0.475940 ，给定显著性水平a=0.05，查D-W表，N=106，K（解

18、释变量个数）4，得出下限临界值dL=1.62，上限临界值dU=1.80，因为DW统计量为0.475940<dL=1.62。根据判定规则知，随机误差项存在序列相关 序列相关的补救 广义最小二乘法GLS 运用EVIEWS，使用AR(1)方法对模型进行序列相关修正，得出结果如下：运用广义最小二乘法进行序列相关的补救之后，得出的D-W值为1.705824，因为1.705824仍然介于dL和du之间，序列相关的问题还没有得到解决，而且经过处理后，有两个解释变量都变得不显著了，最后得出的方程计算出的估计值跟样本相差非常大，考虑将检验不显著的变量去掉之后，得出的结果仍然没有解决序列相关问题，于是，我决

19、定在此不对方程进行序列相关的补救了。从理论上来讲这个做法应该也是可行的，因为因变量是各部没有关联性的电影的票房，不存在什么固有的顺序可言，也不具备什么时间序列的特性，所以没有必要硬性对其进行序列相关的检验和修正。6）异方差检验 怀特检验（White test） 在EVIEWS中对方程进行怀特检验 view Residual Tests White （ cross terms ） 卡方检验来检验方程的显著性，由下表知道，此时检验统计量是NR2=55.09720，取1%的显著性水平，自由度为4，临界值为13.28因为55.09720>13.28,我们拒绝没有异方差的假设，从而检验得出方程中存

20、在异方差现象 ；异方差的补救 加权最小二乘法WLS 分析残差跟各个自变量之间的残差分布图，在这里选择海报评分H为比例因子，利用WLS方法来重新估计方程，结合EVIEWS，输出结果如上所示。结合图表，得出修正后的方程如下： 这是经过修正后的方程，F跟t检验都是显著的，调整的R方为0.596，我们将它作为本模型的最终方程形式，并用于实际的预测工作，以检验方程的实际可操作性。六、模型的运用和票房预测波斯王子·时之刃使用刚才得出的方程的，我们对几部电影进行票房的估计，并跟实际的票房数据进行比较，得出结果如下图所示 从表中数据看到，方程的估计效果是比较好的，模型可以接受。运用方程，我们预测接下

21、来就要上映的电影波斯王子·时之刃（又译波斯王子·时之沙）的票房会是多少。 主演：杰克·吉伦哈尔 杰玛·阿特登 本·金斯利 导演：迈克尔·内维尔 预告片：8.6分 海报：8.2分 续集：是 （我们认为是的，虽然实际上他没有拍过，但波斯王子系列游戏的巨大影响已经相当于一部前传）， 同步上映：2010年05月28日 。结合公式：算出波斯王子·时之刃的票房是27,097,791 折合人民币是￥184,996,622美元对人民币汇率取 6.827 这个票房数据是我根据之前的模型推导预测出来的，到电影上映之后，大家就可以验证波斯王子·时之刃票房估计的准确度有多大了 。七、总结 我做的课题是电影票房影响因素分析，经过回归分析和各类的检验修正之后，得出最终模型为： 其中B 表示电影票房、 G 表示预告片的评分 、 H 表示海报评分 、 X 表示续集 S 表示跟首映相比，延缓上演的时间 在自变量中，前面三个的系数都是正的，而最后一个跟