國電影放映量在各假期黃金檔分布較其他檔期表現出高密集性，是否年上映電影449部，票房到達438.74億元，其中國產電影的ofthefilmindustry*[J].TheJourn至到最熱門的20%國電影放映量在各假期黃金檔分布較其他檔期表現出高密集性，是否年上映電影449部，票房到達438.74億元，其中國產電影的ofthefilmindustry*[J].TheJourn至到最熱門的20%電影，口碑評分表現出不顯著性，通過樣本可以自2002年國家把開展文化產業作為一項國策以來，中國文化產業的快速成長在拉動國民經濟開展、促進文化繁榮、帶動社會進步和應對國際競爭等方面發揮著越來越重要的作用，對于全球化文化背景下維護國家文化平安和應對國際文化市場挑戰具有關鍵性的作用。在中國的文化產業構造中，影視產業一直是中堅力量，占據著近半壁江山。回憶近幾年我國電影增長態勢，并且在2009年實現華美蛻變，成為在金融危機中逆勢上揚的典型代表，全年共有11部電影票房過億。然而在2010年國產電影不敵國外大片，上映比例走到低谷。到了2012年，國產電影開部，票房到達438.74億元，其中國產電影的票房占到總額的62%，平均每部國產片的票房到達8138.6萬元。中國逐漸由電影大國向電影強國轉變。作為電影產業鏈的最后一環，院線上映是衡量影片投資標準。雖然在好萊塢等電影產業興旺地區，票房收入只占電影總體收入一局部，銀幕上的突出成績并一定代表電影自身的成功[1]，但對于中國這一還在開展中的電影產業而言，影片的票房成績仍然是最重要的因素。和票房之間關系的探討，第二類對電影票房的預測，第三類那么是影響因素的分析。西方相比擬我國實證模型進展分析。具體來看，主要有以下一些成果。有著顯著的正向影響，科幻片能正面影響而劇情片那么產生負向影響[2]。在這之后，局部西方學者繼續按照Litman的研究模型進展相應改良延續其的研究思路，還有一局部學者那么開場對電影票房具體影響因素進展分類研究。主要集中在明星影響力以及口碑等方面，〔1999〕通過對測試者發現觀眾對知名演員出演的電影有著很強的好感，電影評論家也會因此減輕對定性案例分析上面。直到2009年我國逐漸開場進展定量實證研究，其中比擬具有代表性的有汪旭輝和王軍〔2015〕通過分析網絡口碑對票房內在機制，結果說明網絡口碑數量顯著正向影響首周票房，效價存在顯著負向影響。侯勇和王鐵男〔2014〕那么發現前作電影票房和口碑都可以產生品牌溢出效搜索引擎過去一段時間搜索量實現起來較為困難，本文那么出于數據索數據作為度量[10]，王煉〔2014〕等通過利用數據抓取軟性。而由Koenker和搜索引擎過去一段時間搜索量實現起來較為困難，本文那么出于數據索數據作為度量[10]，王煉〔2014〕等通過利用數據抓取軟性。而由Koenker和Bassett〔1978〕所提出的分牌知名導演在獲獎及提名數量上具有絕對的優勢，多年的執導經歷可得出盜版和劇情類電影有負面影響，并通過神經網絡進展預測發現誤差相比多元回歸較小。影響因素探討的文獻數量較少，并且大多為基于傳統Litman模型進展影響因素的選擇，并未結合中〔一〕研究變量選取票房數據通過藝恩網①查詢得到。解釋變量具體可分為如下幾類：本以導演為主，而編劇制片人等身居幕后往往不為人所熟知。因此本文重點選取導演作為創作陣容中名數量并結合2015年明星微博粉絲數排名綜合衡量④，同樣劃分為1-5五個等級。2012年廣電總局發布的電影票“限折令不得低于電影院掛牌價的70%曾一石激起千層浪引發不小的爭論，同樣，一些例如馮小剛的知名導演也曾在兩會上聯提案實施“最高限價〞。電影院在票價制定方面往往采用針對不同客戶需求及影片屬性的彈性定價策略，經濟學中一般稱之為“價格歧3.網絡口碑〔WOM〕影響公眾的感知并進一步對公眾的觀影決策行為產生作用，有著重要的地位[9]。因此，本文通過對每一部電影時光網及豆瓣網基于總分值為10分的口碑評價得分取其平均值作為研究變量。中共有11個輸入神經元屬于高維輸入，因此最終確定第一隱含層6J].JournalofMarketingResearch,銷熱度〔Want〕電影在上映前的營銷手段也是十分重要的一環，平均票房度量中共有11個輸入神經元屬于高維輸入，因此最終確定第一隱含層6J].JournalofMarketingResearch,銷熱度〔Want〕電影在上映前的營銷手段也是十分重要的一環，平均票房度量[7]，還有的直接使用?好萊塢報道?中的導演指數IMAX〔巨形超大銀幕〕、3D〔立體〕及三者兩兩結合的類型。本文將技術水平從低到高排序，將普通2D設為1，含有IMAX的非3D電影設為2，含有3D技術的設定為數值3。一種媒介而產生一種極大的關注度，是一種珍貴的無形資產。在電影領域中IP主要可以分為暢銷小電影時用1表示，反之為0，是否是翻拍改編等信息通過百度百科查詢所得。檔期是一部電影從上映到最后下映的時間間隔，過往研究說明檔期作為一種時間縱向市場也往往電影最熱門的檔期可以劃分為暑期檔、國慶檔、五一以及賀歲檔⑤，為此，我們選取與電影從上映到下映平均一個月時間與上述檔期重合天數作為檔期的研究變量。電影在上映前的營銷手段也是十分重要的一環，具體可包括出品方的宣傳以及基于其所引發的話〔2012〕利用公眾對電影的谷歌趨勢的搜索數據作為度量[10]，王煉〔2014〕等通過利用數據抓取軟件對電影上映前后百度搜索引擎數據構建搜索指標[11]。由于對搜索引擎過去一段時間搜索量實現起來較部電影從宣布檔期到上映前一天時間段公眾想看意愿的具體人次。國電影開展還不是十分成熟，相比擬西方好萊塢類似于互聯網電影資料庫〔IMDB〕十多種明確的分定為虛擬變量，是賦值1，否那么賦值為0，有關電影類型均通過時光網、豆瓣網以及貓眼網等查詢⑥所得。〔二〕計量模型基于回歸的最小二乘法分析是目前學術界使用最多的方法，如前文中所述的Litman(1998)、傳統的線性回歸一般都采用上述OLS來估計參數，其刻畫的是因變量的條件均值的邊際效益或經過樣本的統計發現前20%樣本影片的票房合計占到了所有電影總票房的76.84%，因此從條件分布上雖然消除了極值偏態影響，但是容易使得信息利用量減少。三、研究因素。二、文獻綜述關于電影票房的研究方面，國內外可以分為三類ninterrelationshipapproach[J].，繼續以過往例如獎項數量等方法難免有失偏頗，所以本文根據獎項雖然消除了極值偏態影響，但是容易使得信息利用量減少。三、研究因素。二、文獻綜述關于電影票房的研究方面，國內外可以分為三類ninterrelationshipapproach[J].，繼續以過往例如獎項數量等方法難免有失偏頗，所以本文根據獎項用分位數回歸分析票房從低到高的不同分位數下解釋變量對因變量可能存在的不同回歸系數估計量。〔2〕假設由n個解釋變量組成的矩陣X線性表示y的條件分位數，根本模型為：〔3〕〔4〕本文由此設定如下分位數回歸模型：效應進展考察。導演作為我國目前以導演為中心的的影片制作傳統，相比西方制片人為核心制度，其在拍攝，演員任用等方面都有著超越創意X疇的無可撼動的職能和權力[13]。我國目前經過統計進入五億元票房俱樂部的導演總數為18位，其中既包括例如馮小剛、X藝謀、管虎等大牌知名導演，也包括一些跨界例如董成鵬、陳思誠等新銳導演，大牌知名導演在獲獎及提名數量上具有絕對的優勢，多年的執導經歷可以為影片的質量提供較為有力的保障；而新銳跨界導演那么更多是通過原先例如演員、作家、主持人等身份自帶強大的粉絲效應，并進一步傳播到其所執導的影片關注度之上。明星影響滿足默認的獨立成品是否履行信號所指示的內容，生產者都需要支出額外前期費用的信號[14]。明星對票房影片也主要其他方面例如綜藝節目、特征魅力等所獲得的高人氣吸引力。因此明星強大號召力通過提高消費者對影片的認知以及承受程度，可以較大程度降低影片投資風險[15]，在一些大制作的影片中，一線明星已然成為高票房保障的必備。網絡口碑總體在5%水平上顯著正向影響票房上下。以豆瓣、時光電影評分為代表的網絡口碑成費者很難在觀看前甄別其質量水平[16]，此時往往會通過向專業的口碑尋求真實觀眾評價信息來降低這種感知風險，評分的上下總體上能夠顯著影響觀眾的觀影決策進而再影響至票房。技術效果通過5%的顯著性水平檢驗產生較大的正向影響。我國自2010年引入IMAX巨幕電影技電影在中國市場引發空前的觀影熱潮再造了電影的藝術形態，也進一步加強了觀眾由單純觀看電影向票價相比普通2D平均高出10-15元左右，也自然能夠提高票房的收入。想看指數在1%統計水平上顯著正向影響票房。這說明消費者互聯網搜索量以及對應片方在影片網的普及，制片方通過在微博和發布會上制造相關熱門話題進展推廣及公眾討論可以一定程度上消除ureboxofficeandprofitability:a中票價僅在0.2的分位點上表現出10%的顯著性。原因可能在于釋變量不同的邊際影響效應。根據上表的參數估計結果，繪制各解釋extensionsofexperientialgoods:ureboxofficeandprofitability:a中票價僅在0.2的分位點上表現出10%的顯著性。原因可能在于釋變量不同的邊際影響效應。根據上表的參數估計結果，繪制各解釋extensionsofexperientialgoods:受眾進展全視角、立體式的宣傳覆蓋[17]，吸引其走進電影院實現這種被“吊胃口〞式的預期釋放。續集翻拍等IP相比擬沒有這方面的影片在5%顯著性水平上明顯能夠增加票房收入。過往研究說效應與“外部性〞這一概念相類似，其指一個經濟組織在相關領域中的自我行為決策會對外部另一局部人的利益產生損益的情況，而這種損失或者收益都不是相關生產或者消費者等經濟主體所獲得或者承當的，而是一種附帶影響從而推動其他方面的開展[18]。學術界通常用品牌延伸理論及信號理論對其從而對子產品擁有相似感知性進而發生態度和印象轉移到子產品電影之上，這與Sood,Dreze〔2006〕等人觀點相類似[20]。從信號理論上看，續集翻拍電影有著IP等更多的信號可以供觀眾進展判斷，從而減少影片內容等疑慮大大增加影片被選中的概率。雖然電影上映之后有著口碑網等影評信號，但多數觀眾為了防止被劇透不會仔細閱讀具體內容，因此原有的IP等仍然是最重要確實定性信號源。的問題，雖然經過膨脹因子檢驗四者中最大的VIF值為6.26<10，但為了穩健起見，本文仍對上述變題材對票房都有著較為顯著的正向影響，其中喜劇的影響程度最大。經過上表來看，喜劇可以說是我國電影數量最多的一種題材類型，占到了全樣本中接近45%的比例。在中國傳統文化中，“美好一直是一種自我追求和精神寄托，喜劇片那么承載了這方面較多的元素，其次大多數喜劇都是在賀歲檔的喜劇例如?夏洛特煩惱?等總能以小博大較易取得不錯票房成績。與此相反，我們也可以看到驚悚片粗制濫造的質量水平自然難以吸引觀眾群體。表2交互項均分別在5%和1%顯著，這意味著動作片能夠顯著加強技術效果對影片票房的影響。影響力的情況來看，究其原因，可能在于動作片較為豐富吸引人眼球的動作激斗場景可以通過IMAX和3D技術來使得其效應得以擴大，觀眾們會更加傾向于這種更為強烈的視覺沖擊而去選擇觀看。IP片的主要IP為一些著名作家相應的暢銷小說或者如今開展極快的網絡文學作品，這些作品在尤其是年輕人這一高消費的群體中受歡送程度較高，例如郭敬明的?小時代?、近期爆紅的顧漫的網絡小說?用經歷的消費者會對原品牌有著特殊印象態度[22]，這種態度也擴散到了改編的電影等延伸作品中。表2中模型〔3〕的分位數回歸可以很好幫助我們了解不同票房分為點解釋變量不同的邊際影響通常所定義的溢出效應與“外部性〞這一概念相類似，其指一個經濟大牌知名導演，也包括一些跨界例如董成鵬、陳思誠等新銳導演，大對-.wordzl..--.受眾進展全視角、立體式的宣傳覆蓋常用的多層感知器〔MultilayerPerceptron〕通常所定義的溢出效應與“外部性〞這一概念相類似，其指一個經濟大牌知名導演，也包括一些跨界例如董成鵬、陳思誠等新銳導演，大對-.wordzl..--.受眾進展全視角、立體式的宣傳覆蓋常用的多層感知器〔MultilayerPerceptron〕間上映已不再是公眾觀影抉擇的主要依據。網絡口碑對票房的邊際效應隨著分位點逐漸緩慢降低。其原因可能在于冷門電影較小本錢限制使從受眾心理機制方面提出動態模型，認為當今電影市場以還沒有掌握評判電影主流話語權的年輕人作為主要受眾群體，其缺乏對電影辨識度。因此對于他們而言，口碑重點在于是否極端能否引起規模性的輿論爭議，從而引發其特有的獵奇心理帶動票房增長。提升空間有限。為穩定且呈現小幅下降態勢，平均每增加1%，票房顯著增加0.47%左右。到了0.8分位點處，彈性及顯著性出現大幅降低。對于賣座電影而言，其本身上映前通過大規模宣傳或者其自身的品牌效應已經是富于彈性，在影片上映前的營銷手段可以明顯提升票房。續集翻拍的邊際效應在0.2-0.4分位點平穩之后出現了10%以上水平的顯著上升。這也印證了前文的品牌溢出效應機制，原先較高票房電影的續集以及相應熱門IP品牌的電影延伸在賣座電影中有著析可以衡量的其重要性程度即輸入變量對模型輸出的影響度大小。本文采取最常用的多層感知器一個輸出層，同層神經元之間沒有連接，相鄰層之間的節點進展兩兩連接，前一層節點輸出信號逐層進入后一層。根據前文OLS回歸結果所得到的顯著性自變量共11個作為神經網絡的輸入神經元，電影票房作為唯一的輸出層神經元，按照變量類型分類選取5個作為協變量，其余6個作為因子。隱含層數的選擇方面，Lippman〔1989〕指出兩個隱藏層可以足夠表達任何的輸出函數，且第二隱藏層的節點數應為輸出層的2倍，高維輸入時第一隱藏層最正確數量為第二層的三倍。由于本文中共有11個輸入神經元屬于高維輸入，因此最終確定第一隱含層6個神經元，第二隱含層2個神經元。為了更準確進展通過BP不斷調整網絡連接的權值提高準確率，降低誤差平方和以到達輸出期望值X圍內終止學習。和導演影響力存在著“擠出效應[6]。聶鴻迪〔2015〕那么通因此，本文隨后進一步采用分位數回歸分析票房從低到高的不同分位費的群體中受歡送程度較高，例如郭敬明的?小時代和導演影響力存在著“擠出效應[6]。聶鴻迪〔2015〕那么通因此，本文隨后進一步采用分位數回歸分析票房從低到高的不同分位費的群體中受歡送程度較高，例如郭敬明的?小時代?、近期爆紅的得屢次獎項提名的知名演員，其精湛的演技可以提升影片質量，二是常被用作神經網絡的閾值函數，具體表達式為：由于是是0-1值域內函數，所以需要對訓練數據進展歸一化處理。最終結果顯示模型匯總得到訓練的平方誤差和為0.481，預測值的散點圖近似為一條直線，殘差散點圖較均勻的分布在0軸兩側，總體來看，模型的擬合效果較好。直接觀察自變量的重要性數值大小及標準化后的重要性百分比大小，并與前文中OLS模型下剔除不顯著因子后的回歸模型的標準化參數估計值進展比擬，結果見表3所示。票房。但是需要值得注意的是，在分位回歸的高位點上，二者均出現了邊際效應大幅遞減以及不顯著“擠出效應。近日，央視新聞頻道更是在“演員天價片酬〞專題中指出國內大牌明星片酬拿走50%以上制作費用，會為影視制作的其他環節帶來巨大風險壓力，這與美韓等影視強國演員片酬僅占10%-30%形成