基于多元線性回歸的年度電影票房影響因素實證分析摘要 I1.緒論 1.1研究背景 1.2研究意義 21.3.1國外研究現狀 21.3.2國內研究現狀 21.4本文研究內容 32.影響電影票房的變量設置 32.1數據選取 2.2樣本選擇與變量說明 33.電影票房影響因素的分析方法 93.1多元線性回歸分析的一般形式 93.2多元線性回歸模型的基本假定 3.3回歸參數估計 4.影響電影票房的實證分析 4.1變量描述與定義 4.3多元回歸分析 4.4模型診斷 4.5結果討論與分析 5.1與以往論文文獻研究結論對比 5.2不足與反思 5.3建議與展望 參考文獻 附錄 241電影可以看作是一種重要的藝術形式，是大眾娛樂的來源，更是教育或灌注公民的主要媒介.隨著現代社會的不斷發展，電影已經變成了人們日常休閑娛樂生活中的重要組成部分，對國民經濟的發展具有重要影響.本文選取2017——2021年間每年對電影票房前50名的影片進行研究，選取電影類型、電影制式、演員影響力等12個因變量作為解釋變量，采用多元線性回歸分析方法，對影響電影票房的因素進行實證分析分析。從而分析出想看人數、□碑評分、IP改編、暑期檔、物料播放量、知名導演以及主旋律電影對年度電影票房有正面影響,電影類型中愛情片、劇情片、動畫片對年度電影票房有負面影響.關鍵詞：電影票房；影響因素；多元線性回歸黨的十八大報告指出要“推動文化事業全面繁榮、文化產業快速發展”,中央“十二●五規劃”也明確指出，要“繁榮發展文化事業和文化產業”.電影產業作為一個重要組成部分被列入議程.自此，中國電影業便開啟了迅速發展的序幕.今天，電影產業已經成為文化產業的主要支柱和核心內容之一，一方面，要歸功于政府為其實施制定的一系列政策；另一方面，經濟的快速增長為電影業發展創造了有利的經濟環境.我國電影業經過多年的產業化與市場化推進，出現了產業模式與類型化生產，基本形成了產業體系與市場結構.目前，電影產業營收來源主要有票房收入、廣告收入、衍生品開發收入、轉播、出售版權、網絡版權等方面.電影票房作為極其重要的部分，是衡量電影績效和電影是否成功的2重要指標，它能直觀地體現出市場對電影作品的直觀需求，同時為投資者提供一定的參考信息.美國的電影產業鏈，從資金支持、資金回收，到后期電影研發、電影特色,都已經完全成熟并且形成了一套經驗法則，中國的電影市場還沒有完全發展起來，對國際市場尚待開發，產業鏈才剛建成，如何找到影響電影票房的關鍵因素，對其產業鏈的完善有著現實意義.西方媒體經濟學的研究表明，電影制片人、明星、節目制作成本、廣告費用、出版商、檔期、獲獎、觀眾對影片的質量評定等因素都會對電影票房的成績產生一定的影響.由于國內鮮有關于對電影票房方面研究，大部分是對電影商業運作方面的研究，大多都、大多是從宏觀層面來討論電影的產業化問題.因此，對電影票房的影響因素做定性與定量的分析研究，具有一定的現實意義。電影作為一種高度藝術和美學的服務型產品，生命周期短，受眾偏好更難把握，電影屬于典型的體驗型商品.這些特性決定了電影票房的影響因素，與其他商品略有不同，對電影票房預測的不確定性更高.研究人員(GeorgeGallup、LeoHandel等)主要通過問卷調查法、訪談等方式探討外國的電影票房經驗，沒有具體討論各個因素對票房的貢獻.第二階段側重同因素對電影票房的影響，如口碑、類型和影片內容7,仍有許多學者在研究關注觀眾口碑和評論數，基于谷歌搜索、維基百科、博客、新聞報道、谷歌搜索等觀眾情感化表達，產生內容票房預測模型。3國內票房研究起步較晚，主要集中在現狀分析、影響因素分析和電影票房預測模型.近年來的研究成果持續性關注這一問題.其中，何雙男(2017)通過相關分析和回歸分析分析了2012年至2016年上映的影片數據，認為電影評分次數與票房表現有著顯著關系12.胡曉紅(2018)通過循序漸進的方式，選取了電影票房顯著相關的四個因素，即影片首映評分，、導演人氣指數、導演人氣指數以及影片是否為續集31.劉暄(2019)通過回歸分析分析了2015、2016年上映的176部影片，發現影片是否續集、淡旺季、上映天數和豆瓣評論數之間存在高度的正相關關系，豆瓣電影評分與年度電影票房之間存在顯著的負相關關系41.劉志新(2019)選取2018年上映的292部影片進行了多元回歸分析，發現導演影響力、演員影響力、電影投資方影響力、電影續集正向影響票房的影響較為積極，而電影評分、電影制作技術、電影檔期等影響較弱51.綜上所述，不同階段的研究人員主要使用多元線性回歸方法進行實證分析,選擇的解釋變量的類型和數量也各不相同，研究結果也并不一致，這反映出了電影票房影響因素的復雜.在此基礎上，筆者選取了最新的電影年度票房數據,根據前人的探索經驗，對21個變量進行了11個類別的區分，系統全面地探究分析了電影票房的影響因素.以《R數據分析：方法與案例詳解》為基礎，以《多元統計分析》[131、《數據挖掘》等為指導，對數據建模之間可能存在的多重共線性、異方差性、序列相關性等進行檢驗與克服，選取2017——2021年間每年電影票房的前50名共250部電影作為研究對象，將電影票房設置為因變量，選取包括想看人數、□碑評分、主旋律電影等十一個指標作為解釋變量，采用描述性數據分析、多元線4房的影響因素，也為投資者提供信息參考.2.影響電影票房的變量設置本文選取2017——2021年間每年電影票房的前50名1)選擇近五年上映的影片，具有很強的時效性和研究價值。近年來，我國電影產業發展迅速，但于西方發達國家相比仍存在一定的差距。隨著互代的到來和網絡視頻等新媒體平臺的快速發展，電影產段。自2002年頒布《電影管理條例》以來，我國電影準確的反映電影市場現狀，更準確的預測票房，有2)票房排名前50的影片之所以入選，是因為票房市場存在傾斜，票房好的影片占年度電影總票房的80%以上，選擇這樣的影片更能體現當下的市場特點,也具有更高的研究價值。電影是一種視覺藝術，也是有特定文化創造的文化產物，不僅具有獨自的特征，而且具有超越其他一切藝術形式的表現手段.電影作為一種藝術商品，其收入主要包括票房收入，版權收入，廣告收,票房已經成為衡量一部影片成功與否的重要指標之一，票房可以用觀眾人數5度電影票房設定為一個因變量，即一部電影從全國影院上映所能獲得的收入總二、自變量本文共選取想看人數、電影時長、電影制式(I型(愛情片、喜劇片、劇情片、動作片、奇幻片、懸疑片、犯罪片、動畫片)影響力、主旋律電影共11類變量作為解釋變量.方式，隨著智能手機在互聯網上的普及，社交媒體在營銷宣傳中的作用越來越突出。經過一段緊張的預覽和預告片的關于流行話題的推文電影宣傳期，觀眾在電影上映前已經對它有了基本的了解。貓眼電影、豆瓣等主流電影社區都有“想看”的功能，“想看”的數量代表著觀眾看電影的意愿，也是衡量電影前期宣傳作用的一個標準。通過調查分析，發現貓眼電影所體現出的“想看”現象具有較強的現實意義和商業價值。本文以貓眼電影為例，從用戶視角出發研6究其傳播效果及其影響因素。本文將貓眼電影電影中所隨著生活水平的提高，消費者決定是否去電影院時，不僅會考慮電影的內制式分為IMAX電影和非IMAX電影，并將IMAX電影賦值為1,非IMA值為0.伴隨電影產業各個環節愈加成熟，類型電影愈加多元要由塑造其內容和基調的關鍵因素決定。電影的類型可以反映出觀眾的喜好，,對投資者選擇投資對象有實際意義171.豆瓣電影的電影主題分為18種類型：戲劇、愛情、喜劇、科幻、動作、驚悚、犯罪、恐怖、青春、勵志、戰爭、文學、黑色音樂和家庭，根據中國電影產業的發展現狀和本次分析選取的樣本，本文將電影類型分為八種：愛情片、喜劇片、電視劇、動作片和動畫片，其他電影類型在本次分析中不予考慮。在本文中，電影類型被定義為一個虛擬變量，將對應類型賦值1,不是則為0。電影樣本從貓眼電影中分類.7續集建立在母片的成功基礎上，電影制作人以原班人問世，在票房和觀眾評分方面取得了雙豐收的佳績.本文將續集設為虛擬變量，當影片為續集電影時賦值為1,否則為0.電影是否為是續集相關信息來自于其宣傳材料.在當今社會，□碑是人們在消費某一商品后在互聯網等識產權內容向電影的轉化已成為電影產業的一個重要特征。并成為中國電影的并將IP電影賦值為1,非IP電影賦值為0.8電影檔期是由發行商和電影院設定的時間段，在這段時間內，觀眾有可能會進行消費.經過幾年的發展，中國逐漸出現了以下電影季：賀歲檔、暑期檔、五一檔、國慶檔和一些由電影制片人出于電影營銷目的而規劃的檔期.參考之前的研究，本文取賀歲檔、暑期檔、假期檔以及普通檔，檔期歸屬按照電影上映日期判斷，數據來源于貓眼電影.序號檔期檔期定義1假期檔2暑期檔6月1日至8月31日3賀歲檔11月20日至2月中旬4普通檔普通日期物料播放量部分反映出了該電影的營銷宣傳力度和傳播熱度，物料播放量越高，票房轉化率可能會越高.一些研究人員在以前的研究中使用優酷網、騰訊視頻、愛奇藝和土豆網的片花及預告片播放量之和作為統計指標，但結果并不顯著.在本文中，我們以物料播放量(包括預告片、花絮、特輯、幕后故事、主題曲放映等視頻)在貓眼專業版app中的播放次數作為自變量，設為數值型變量導演是電影的靈魂，指導整個劇組使用所有可能的工具和技術將劇本搬上銀幕，并通過演員的表演表達他們內心的情感和價值觀。因此，本文將考慮到導演的專業性和專注度，按照香港金像獎、臺灣金馬獎、中國大陸金鴨獎和百花獎這三大獎項和提名對其進行分類，將導演分為知名導演和非知名導演，分別賦值1和0,設置為虛擬變量.9由于表演職業的特殊性，許多演員在專業工作外，還是公眾人物，這也是吸引觀眾觀看電影的關鍵因素之一.電影使用明星來吸引觀眾是常用戰略.首先，電影制作者可以利用明星的影響力和公眾的注意力來宣傳和銷售電影；其次，明星的粉絲也是電影的潛在消費者，電影與影響力大的明星合作是一種雙贏選擇，對觀眾有極強的號召力.11.主旋律電影由政府部門指導的主旋律電影，是充分反映主流意識形態的電影，主要為革命和歷史題材，也有貼近普通觀眾生活的現實題材，頌揚人類生命.如今，主旋律影片已逐漸成為新的主流電影，它們不僅具有主流意識形態，更兼顧商業性和人文主義色彩，在內容敘事、類型化探索、人物塑造方便都實現了巨大的創新.2017-2021年主旋律題材影片數量2017-2021年主旋律題材影片票房由上圖可以看出除2020年因為疫情寒冬影響外，主旋律電影數量及票房穩步上升.2017年，《戰狼2》打破中國影史票房紀錄，中國電影找到了契合當下的中國英雄形象，到了2019年，引進片攬獲113億票房的同時，主旋律電影也迎來轉型，從之前個人英雄形象，轉向整個民族的英雄敘事，《長津湖》英雄群像取代了《復聯》眾俠，主旋律電影的成功意味著中國觀精神與風貌的“中國敘事”.電影名稱累計票房想看人數戰狼256.8441.3電影時長電影制式電影類型是否續集豆評分IP改編暑期檔6.17E+08吳京吳京、弗蘭否9.1否否8.4否1083D/CGS中喜劇/動作，否是9.8否假期檔154E+08捏提蒂瓦阿米爾9否8.9是金剛：骷髏!否9.6否1073D/CGS中動作/驚悚，否102CGS中國E劇情/喜劇，否8.7否903D/CGS中喜劇/動畫是3.電影票房影響因素的分析方法Yi=β?+β?X?i+β?X?i+…+βkXki+εi,為解釋變量(自變矩陣，其中截距項可視為解釋變量總是取值為1,有時也稱為數據矩陣或設計矩陣.那么,樣本回歸模型為：Y=Xβ+e.樣本回歸方程為：Y=Xβ.差向量.經典線性回歸模型必須滿足的假定條件如下.同，即(4)無多重共線性.假定數據矩陣X列滿秩，即Rank(X)=k達到最小，即Q(β)=e’e=(Y-xβ)(Y-xβ)整理后可得(X′X)β=X′Y,稱其為正則方程.因為X′X是一個非退化矩陣，所以有這就是線性回歸模型參數的最小二乘估計量.4.影響電影票房的實證分析本文的因變量設置為年度電影票房(單位：億元),選取想看人數、電影制式(IMAX電影和非IMAX電影)、電影類型(愛情、喜劇、劇情、動作、奇幻、懸疑、犯罪、動畫),續集、評分、IP改編、電影檔期(法定節假日檔、暑期檔、賀歲檔，普通檔)、物料播放量、知名導演、演員影響力、主旋律電影共11類21個自變量建立電影票房的影響因素模型，其中想看人數電影檔期、知名導演、主旋律電影為虛擬變量.所有變量的定義及來源見下表.定義電影票房截至2022年2月份年度電影總票房想看人數電影的想看人數，為數值型定義電影制式IMAX=1,非IMAX=0,為影片信息電影類型(愛情)愛情片=1,非愛情片=0影片信息電影類型(喜劇)喜劇片=1,非喜劇片=0影片信息電影類型(劇情)劇情片=1,非劇情片=0影片信息電影類型(動作)動作片=1,非動作片=0影片信息電影類型(奇幻)奇幻片=1,非奇幻片=0影片信息電影類型(懸疑)懸疑片=1,非懸疑片=0影片信息電影類型(犯罪)犯罪片=1,非犯罪片=0影片信息電影類型(動畫)動畫片=1,非動畫片=0影片信息續集電影=1,非續集電影=0影片信息□碑評分IP改編=1,非IP改編=0影片信息電影檔期(假期檔)影片信息電影檔期(暑期檔)影片信息電影檔期(賀歲檔)賀歲檔=1,非賀歲檔=0影片信息電影檔期(普通檔)影片信息導演知名導演=1,非知名導演=0中國文娛數據演員影響力合計算，為數值型數據百度、中國文娛數據主旋律電影=1,非主旋律電影片信息對收集到的樣本數據進行描述性分析可得，250部電影的平均票房為8.11億元，有36.4%的電影超過了票房平均值.10億元以上的電影占比26%,1至10億的票房占比65.6%,一億一下的電影僅占比8.4%.超高票房電影(票房在20億元以上)占比8.4%,相比于2018年鄒霞等人對2014-2016年340部電影分析所得的比重為0.9%而言，占比略有所下滑，主要原因為2020年以來因為疫情原因影響，導致一段時間的影視寒冬，使得數據出現略微的下滑.比百分比電影制式IMAX電影非IMAX電影電影類型愛情喜劇7動畫非續集電影IP改編IP改編非IP改編電影檔期假期檔暑期檔賀歲檔普通檔知名導演知名導演非知名導演非主旋律電影一、模型設定基于多元線性回歸分析，本文建立的模型如下：y(年度電影票房)=βo+β?x?(想看人數)+β?x?(電影制式)+β?x?(愛情)+β?x?(喜劇)+β?x?(劇情)+β?x?(動作)+β?x?(奇幻)+β?x?(懸疑)+β?x?(犯罪)+β10x?0(動畫)+β11x?1(續集)+β12x?2(□碑評分)+β13X?(IP改編)+β14X14(假期檔)+β15x?5(暑期檔)+β16X16(賀歲檔)+β17X?7(普通檔)+β18x?8(物料播放量)+β19x19(知名導演)+β2ox?0(演員影響力)+β21x21(主旋律電影)一般來說，在用多元線性回歸方程解釋某種現象時，因為自變量的量綱大都不同，數據大小的差異通常較大，無法放在同一標準上進行比較.因此為了消除量綱不同和數量級的差異帶來的影響，選擇對樣本數據進行標準化處運用R軟件對樣本數據進行標準化處理后，用普通最小二乘法回歸估計各變量的系數，具體結果見附錄圖1,模型1摘要如表4.3.1模型R方標準估算后誤差由上表可知模型1的p值<2.2e-16,整體通過了顯著性檢驗，但是變量x?,x?,x6,x?,xg,xg,X?1,X?4,X16,X?7,x?0的回歸系數沒有通過顯著性區間能膨脹為與之模型無關得預測變量得程度，所得具體結果見附錄圖2.發現有自變量的方差膨脹因子√VIF大于2,故存在多重共線性.由于模型存在多重共線性，故我們采用逐步回歸法對多重共線性進行克服由逐步回歸結果重新建立模型2:y(年度電影票房)=βo+β?x?(想看人數)+β?x?(愛情)+β?x?(劇情)導演)+β21x?1(主旋律電影)模型R調整后R2標準估算后誤差德賓-沃森t檢驗，且模型2的調整的多重決定系數R?=0.508,其含義是：用樣本量和模型中的自變量調整后，在年度電影票房的總誤差中，被模型2中所包含的12個自變量能夠解釋的比例為50.8%.顯然，模型2優于模型1.由所得結果可以看出模型1的p值=2.215e-10,整體通過了顯著性檢驗，但是變量x?1,x?7的回歸系數沒有通過顯著性檢驗，故剔除這兩個變量，重新建立模型3:y(年度電影票房)=βo+β?x?(想看人數)+β?x?(愛情)+β?x?(劇情)得到的結果見附錄圖3,模型3結果摘要如表4.3.3.模型R方標準估算后誤差德賓-沃森模型的整體性和局部顯著性檢驗均通過，考慮到三個模型得擬合優度相差不多，本文認為模型3為最佳模型.經檢驗，結果見附錄圖4,模型3的各自變量的方差膨脹因子均小于2,故模型不存在多重共線性.定是否得到滿足，圖中顯示結果殘差值和擬合值基本不存在關聯，則說明自變量與因變量之間是線性關系，滿足假定；右上圖只要檢驗殘差是否符合正態分布，圖中大部分點落在虛線上，正態性假定也得到一定的滿足；左下圖主要檢差不斷增長的問題，所以不存在異方差問題；右下圖主要用于觀察數據中是否存在極端點，不用于假設檢驗.總的來說，模型3基本滿足多元線性回歸模型的四個假定.圖4.4.1模型診斷圖最終選用模型3來解釋電影票房和影響因素之間的關系，模型表達式為：y(年度電影票房)=-1.666+0.1113x?(想看人數)-4.013x?(愛情)-2.771x?(劇情)-3.392x?0(動畫)+2.246x?2(□碑評分)+3.251x?3(IP改編)+2.122x?5(暑期檔)+3.3e-08x?8(物料播放量)+3.435x?9(知名導演)+8.791x?1(主旋律電影)從回歸方程來看，總體而言，想看人數、□碑評分、IP改編、暑期檔、物料播放量、知名導演以及主旋律電影對電影票房有正向影響，電影類型中愛情片、劇情片、動畫片對電影票房有負向影響.1.想看人數與票房呈正相關，而想看人數的多少與電影前期的營銷宣傳密不可分.想看人數越高，票房轉化率就越高.想看人數每增加一萬，可為電影帶來0.113萬元的票房收入.可見，在電影上映前期加大對電影的營銷宣傳對于電影票房而言是有益的.唐人街探案2》以及《我和我的祖國》等30億元以上的電影，其貓眼評分均在9仍然是影響票房的重要因素，觀眾仍然愿意為高評分電影買單.有一定的粉絲積累和口碑基礎，更有利于營銷宣傳，從而更容易取得較高的票房.于黃金三檔之一，具有較強的競爭優勢，暑期檔上映的電影也容易有更多的受眾群體，因此電影票房的轉化率較高.強，觀眾更容易走進影院觀看電影，從而轉化成票房數據，這與實際情況也是相符合的.6導演知名導演與票房呈正相關.多元回歸模型顯示知名導演可以帶來3.435萬元越多的演員開始向導演轉型，都取得了不俗的佳績.上映的《長津湖》累計票房已破53億元，打破了2將主流價值觀融合其中，成為市場與□碑的雙重贏家.《南方車站的聚會》這部小眾黑色犯罪片，就取得了兩億多元的佳績.5.總結按照上述回歸系數可以發現對電影票房有較高影響的因素分別是□碑評分、IP改編、知名導演以及主旋律電影。借鑒前人的研究經驗，利用之前研究電影票房影響因素的三篇實證分析和本文的研究結論就行比對，不同點如表5.1.1所示。何雙男12胡曉紅、王虹3劉志新5本文一一**一*IP改編一一******一一一*一***一一一*注：*代表該自變量對票房有顯著正影響，一*代表該自變量有顯著負影影響不顯著,一表示該自變量沒有包括在研究中。1.影響因素逐漸變得相同，電影票房開始進入穩定期。雖然選用的研究方法與影響因素不盡相同，但對電影票房有顯著影響的基本都包括□碑評分、IP改編以及知名導演，這也證實了電影票房開始進入穩定期的判斷。2.電影類型對電影票房的影響因素減弱，各種類型均有機會。在各研究中電影類型對電影票房的影響因素有所不同。何雙男認為電影類型對票房有負面影響，胡曉紅和王虹認為影響不顯著。說明近幾年的電影類型逐漸豐富，各種類型的影片不斷出現并都取得了成功，比如2019年的動畫片《哪吒之魔童降世》、2021年的主旋律電影《長津湖》等都取得了較高的票房。3.電影評分越來越重要。四個研究中只有劉志新影票房有負面影響，可見近幾年研究中口碑評分對電影票房的影響程度越來越大，說明電影人更應該回歸到電影本身以提高電影質量。5.2不足與反思首先，本研究驗證了想看人數、電影評分等11類共21各自變量對電影票房的影響，對于實證分析來說，樣本數據依然較少，較難得到效果理想的回歸模型。但由于其他影響電影票房的重要因素，如發行公司、技術效果因素無法完全量化等原因，本模型并不夠完善，后續研究可以增加自變量，對模型進行改進優化，會對實踐有更為顯著的指導意義.其次，由于2020年疫情原因，影視行業經歷了一段時間的影視寒冬，導致數據出現較大程度的波動，屬不可抗力因素，使得模型不夠準確，不能完全反映2017年至2021年五年的真實模型.最后，隨著市場和觀眾的變化，電影票房的影響因素仍然是一個需要不斷探索和分析的課題，后續期待能研究出更準確的分析模型.5.3建議與展望1.注重□碑效應□碑對于一個電影提高票房有著十分重要的作用，提高電影質量，建設電影形象，形成口碑效應，提高觀眾對電影質量的信任度，從而擴大宣傳效應，增加電影熱度的持續度和高度，是出品人應該首先考慮的問題高□碑帶來的票房持續度，會給票房收入帶來不可小覷的影響，相比其他方面，出品人更應該將資本和精力注入到電影質量的提升和宣傳上.現如今，我國本土的電影質量也在逐步提高，包括電影配色、鏡頭轉化、后期制作、特效等方面都有了很大的進步，可以看到近幾年的國產電影的票房排名成績良好.根據數據顯示2017年至2021年每年票房前五的影票中，國產影片明顯居多.在觀影群眾越來越理智的今天，優質的IP電影必須要有優質的內容，雖然IP背后的粉絲群體是積累了很多的原始用戶.但是，在選擇IP上也應該從固有的思路中跳脫出來，不要過分迷信某一類型的IP.首先，我們作IP要做的是一種精品IP,不僅是靠著原有的群眾基礎，粗制濫造的IP;其次，要做到營銷的前置，讓營銷與IP可以相互作用，達到票房□之義，創作者需要挖掘并表現人物的當下價值，更需要把它放在中國語境下加以詮釋.曲”、“我和我的”等一系列口碑票房皆優秀的影片，越來越多的“明星”都投入到主旋律電影的創作和演繹中去.當新世代的青年觀眾成為文化消費的主力軍，主旋律電影就必須緊跟市場動態適應市場的變化，在生產和傳播的全產業鏈中注重青年的喜好和態度.《中國醫生》根據新館肺炎疫情防控斗爭的真實事件改大的醫護人員為原型創作的一部抗疫斗爭電影；“我和我的”系列電影的每一場都是對時代下的小人物的雕琢與刻畫；《奪冠》改編自多年的沉浮圖景，經書了幾代女排人不屈不撓、不斷拼搏的精神.他們的命選擇、傳承，無不體現了普通民眾在面對歷史使命時的責任與擔當.960萬平方公里土地和他的人民故事是創作者們源源不斷的靈感來源.縱觀幾十年來主旋律電影的發展，創作者們不斷豐富題材股旋律電影，將小人物的悲歡和國家命運更緊密地結合，最一步繁榮發展，將中國主流文化更好的輸出.[1]陳然.我國商業電影票房影響因素研究[D].云南財經大學，2016.[2]何雙男.中國大陸地區電影票房印象因素實證研究[J].電影學，2017(22):4-8.[3]胡曉紅，王紅.基于多元線性回歸的電影票房預測研究[J].信息技術與信息化，2018(Z1):183-185.[4]劉瑄.中國國產電影的影響因素研究[D].中國科學技術大學，2019.[5]劉志新.中國電影票房影響因素分析[J].合作經濟與科技，2019(17):114-116.[6]池建宇.演員與導演誰更重要一—中國電影票房明星效應的實證研究[J].新[7]LitmanBarryR,LindaSThe80sEx