电影票房影响因素分析

该【电影票房影响因素分析 】是由【夜紫儿】上传分享，文档一共【14】页，该文档可以免费在线阅读，需要了解更多关于【电影票房影响因素分析 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。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2023-2023年的中国内地电影票房数据,对影响电影票房的因素进展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,并在此根底上对马上上映的电影进展了票房的推想,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,期盼各位的指正。【关键字】电影票房、影响因素、模型检验、票房推想Factorsaffectingthefilmboxoffice—BasedontheDataoftheChinesemainlandboxofficeAbstract:Inthispaper,binedwiththedataofChinesemainland2023-2023filmboxoffice,Iwilldoaseriesofanalyzesandtestingonfactorsaffectingthefilms,thenlaunchtheboxofficeinfluencingfactorsmodel,,duetothelimitedresource,somefactorsarenotincludedinthemodel,leadingtosomedeviationsbetweenthismodelandtheactualone,so,:filmboxofficeinfluencingfactorsmodeltestingBoxofficepredictions名目一、课题背景、选题缘由及课题意义分析错误!未定义书签。课题背景错误!未定义书签。选择本课题的缘由错误!未定义书签。课题的目的和意义错误!未定义书签。二、影响因素分析和解释变量的甄选错误!未定义书签。影响因素分析错误!未定义书签。解释变量的甄选错误!未定义书签。三、数据来源和收集错误!未定义书签。数据来源错误!未定义书签。数据收集整理错误!未定义书签。四、模型的构建错误!未定义书签。五、回归分析和模型的检验、修正错误!未定义书签。回归分析错误!未定义书签。多重共线性的检验—方差膨胀因子VIF错误!未定义书签。遗漏变量错误!未定义书签。不相关变量错误!未定义书签。序列相关检验—德宾-沃森d检验错误!未定义书签。异方差检验—怀特检验〔Whitetest〕错误!未定义书签。六、模型的运用和票房推想《波斯王子·时之刃》错误!未定义书签。七、总结错误!未定义书签。八、参考资料错误!未定义书签。一、课题背景、选题缘由及课题意义分析课题背景1、随着现代化建设的进展,中显著提高,精神、文化生活伴随着物质生活水平的提高也日益成为宽阔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予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,生产群众宠爱的影片,努力为一部电影上市造势,已经成为制片公司的当务之急。选择本课题的缘由1、影视是一个跟我们的生活息息相关的话题,对它进展深入的争论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,选择自己宠爱的领域进展争论,有助于在争论过程中保持热忱,把工程做得更好;2、目前学术界里做这个课题的学者很少,这样的话我争论起来会相对自由很多,具有更高的灵敏性,到底没有来自权威的压力,而且,之前的学者做过的争论,在周密性方面还比较欠缺,课题还有很大的进展空间,于是结合两点,最终选择本课题。课题的目的和意义通过争论,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供给一些参考,同时可以熬炼自己的分析思考力气以及动手力气,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,将来自己做决策打算要不要看一部电影的时侯也可以有意识地躲避这些因素,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,比方说影片自身的质量、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、预报片质量、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、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争论,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争论。解释变量的甄选1、预报片评分〔G〕。这应当是一个很重要的影响因素,由于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构造、场面、情节等到底是怎么的,在这里,预报片的质量起了很关键的作用,预报片做得秀丽,有吸引力,到时去观看的观众就多,反之则少,而这直接影响到最终票房的大小,所以在此将预报片的评分作为一个解释变量;2、海报画面效果〔H〕。除了预报片之外,观众的决策还常常会受到贴在大街小巷的电影海报的影响,海报画面做得精巧,有感染力,到影片上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局部是从外国进口来的,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,互联网技术兴盛,一部电影从首映那一刻开头,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局部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,假设一部电影公布信息之后长期都不上映,观众的热忱就会渐渐丧失掉了,等到电影真的上映的时候,观众早就将它忘了,于是电影票房也就大打折扣,所以,这个上映的时间差也应当作为一个解释变量放到模型里面;4、观众对导演的评分〔D〕。虽然至今照旧不清楚导演对影片票房的成功作用到底有多大,但是假设没有导演,一部电影最终也不会消灭在观众的面前,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,所以导演也应当是一个重要的影响票房的因素,也放到模型中进展检验。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,临时不大清楚,不过本人认为它应当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我宠爱的演员参演,有的话就会选择去看,因此也将它参与到模型的检验里面;6、续集〔X〕。绝大多数状况下,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,这部电影的质量应当也不错,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,不过由于自己把握到的信息有限,所以暂且使用以上六个作为解释变量来进展模型的设定。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年电影22部,总共106个样本。数据来源于以下的外国网站,这是一个特地进展票房统计的网站,数据比国内的网站要准确很多。电影票房数据来源2、预报片评分〔G〕、海报画面效果评分〔H〕、导演评分〔D〕、主演评分〔Z〕。的数据来自于时间网上网民的评分〔〕。3、与首映的时间差〔S〕。数据同样来自于时间网,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〕的信息大局部来自于时间网5、此外,收集数据过程中还参考了以下网站:IMDB:将来影视网:中国影视库:数据收集整理四、模型的构建依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=β0+β1G+β2H+β3S+β4D+β5Z+β6X+εB:电影票房〔百万美元〕:预报片的评分〔格外制〕:海报评分〔格外制〕S:与首映的时间差,即延缓上映时间D:观众对导演的评分〔格外制〕Z:观众对主演的评分〔格外制〕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、修正回归分析使用SPSS对收集到的数据进展回归分析和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,取5%的显著性水平,可以觉察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,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〕的系数进展假设检验,得出如下结论:通过上表觉察,观众对导演以及演员的评分的系数的t检验不显著,而且β5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。下面我们将对此进展检验。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后觉察它们的取值都较小,小于严峻多重共线性的指标VIF>5,所以本人认为模型中不存在显著的多重共线性。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猎取很困难,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,但是在信息有限的状况下,这未尝不是一种选择方法。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展检验。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〔收集数据过程中觉察的规律〕,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〕都有明星参与演出,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,假设自己不宠爱一个人,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,经过了二三十年的进展之后,消遣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-和,对于,在任何的显著性水平上都是不显著的,而对于-,在我们正常使用的显著性水平内也是不显著的,而且排解他们后其他变量的t值都变得显著了,于是排解他们;3、调整的R方:排解变量后,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,被排解的变量多多少少是不相关的;4、偏误:分别排解或者同时排解掉观众对导演、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,说明即使排解该变量会造成偏误,也是很小的一局部,无关大局。于是排解它们。将观众对导演、演员的评分这两个变量排解掉之后重对模型进展回归,得出的方程B:票房G:预报片评分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检验后觉察方程的检验都是显著的,调整的R方为,拟合度也算比较好,而且方程中也不存在多重共线性现象〔全部的VIF都小于2〕,于是,暂定使用此方程,并以此为根底来进展下面的验证工作。序列相关检验—德宾-沃森d检验①运用EVIEWS对方程进展序列相关检验,得出D-W值为,给定显著性水平a=,查D-W表,N=106,K〔解释变量个数〕=4,得出下限临界值dL=,上限临界值dU=,由于DW统计量为<dL=。依据判定规章知,随机误差项存在序列相关②序列相关的补救—广义最小二乘法GLS运用EVIEWS,使用AR(1)方法对模型进展序列相关修正,得出结果如下:运用广义最小二乘法进展序列相关的补救之后,得出的D-W值为,由于照旧介于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,最终得出的方程计算出的估量值跟样本相差格外大,考虑将检验不显著的变量去掉之后,得出的结果照旧没有解决序列相关问题,于是,我打算在此不对方程进展序列相关的补救了。从理论上来讲这个做法应当也是可行的,由于因变量是各部没有关联性的电影的票房,不存在什么固有的挨次可言,也不具备什么时间序列的特性,所以没有必要硬性对其进展序列相关的检验和修正。异方差检验—怀特检验〔Whitetest〕

电影票房影响因素分析 来自淘豆网www.taodocs.com转载请标明出处.

网址：电影票房影响因素分析 http://c.mxgxt.com/news/view/669272

相关内容

基于机器学习的多分类Logistic 回归 ——明星影响力对电影票房评分的影响分析
电影明星与票房收入关联性分析
大数据分析揭开明星片酬对电影票房影响的真相
明星导演影响力与电影票房基于我国电影市场的实证研究（25页）
电影票房会受哪些因素影响？流量明星并非最佳选择
基于微博数据的电影票房预测分析
影视明星社会责任表现与电影票房
电影票房榜实时 电影票房榜实时排行
2016年电影票房已破百亿 五点原因分析
真正的 Pro？电影票房数据分析：猫眼专业版

随便看看