觀眾在選擇電影過程中的行為分析與建模

1、觀眾在選擇電影過程中的行為分析與建模哈爾濱理工大學(xué) 陳金凱、劉宇、楊航摘 要隨著國民收入及其生活質(zhì)量的提高，精神娛樂生活的質(zhì)量已經(jīng)越來越受到人們的重視。而觀看電影已成為大部分人們精神生活中的重要組成部分。 近年來，我國電影票房呈現(xiàn)跨越式增長，票房的增幅使電影業(yè)吸收了大量的投資，為我國經(jīng)濟發(fā)展做出了巨大貢獻。而觀眾在選擇電影過程中的行為影響著票房，所以我們有必要對觀眾行為進行準確深入的了解。本文選取哈爾濱地區(qū)的普通電影觀眾作為研究對象。通過抽樣調(diào)查問卷對觀眾選擇行為進行測量、分析與建模。在對觀眾行為進行分析時，根據(jù)對所獲得的調(diào)查問卷的統(tǒng)計分析，提出影響觀眾選擇電影過程中的幾個重要因素：

2、上映檔期、電影產(chǎn)地、演員與導(dǎo)演、以及電影題材，然后對以上幾個因素進行建模分析。本文首先根據(jù)實際調(diào)查研究的情況，用聯(lián)合分析的方法構(gòu)建起本文的觀眾從電影中獲得的總效益模型；然后將實際調(diào)查研究的數(shù)據(jù)輸入適于聯(lián)合分析方法建模的專業(yè)統(tǒng)計軟件（本文運用SPSS17.0）進行建模和實際數(shù)據(jù)的分析，并結(jié)合聚類分析；最后通過最小二乘法進行參數(shù)估計，得出本文中上映檔期、電影產(chǎn)地、演員與導(dǎo)演、電影題材等因素之間的關(guān)系以及影響效果。通過本文的研究，對電影投資方正確進行自身定位、滿足觀眾的需求以及提高票房收益具有指導(dǎo)意義。關(guān)鍵詞：電影 聯(lián)合分析 聚類分析 市場細分 最小二乘法 回歸模型目錄一、緒論1（一）研究的目的與意

3、義1（二）研究對象及調(diào)查樣本描述11.研究對象12.樣本描述1二、研究理論方法的簡單介紹2(一).聯(lián)合分析的基本理論2（二）聯(lián)合分析常用的數(shù)據(jù)收集方法3（三）聚類分析的基本理論3三、研究框架和模型構(gòu)建4（一）研究框架4（二）模型構(gòu)建5四、數(shù)據(jù)處理與模型分析過程5（一）研究設(shè)計和數(shù)據(jù)收集51.屬性及屬性水平的確定52.電影組合的確定。63.通過調(diào)查收集數(shù)據(jù)6（二）數(shù)據(jù)分析結(jié)果71.個人層面效用系數(shù)分析及模型擬合優(yōu)度的檢驗72總體層面效用系數(shù)分析及模型擬合優(yōu)度的檢驗113男女分組的效用分析154.市場細分17五、研究總結(jié)與局限24（一）研究總結(jié)24（二）研究局限241.樣本的局限242.模型的局限

4、24參考文獻26附錄27（一）調(diào)查問卷27（二）男女分組效用圖28（三）市場細分效用圖31一、緒論（一）研究的目的與意義隨著經(jīng)濟的發(fā)展和社會的進步，我國居民的生活方式也在發(fā)生著巨大的改變，休閑娛樂的時間在人們的生活中所占比重逐步增大，看電影已成為當(dāng)今人們休閑娛樂的最主流方式，因而電影市場有著巨大的發(fā)展?jié)摿ΑＤ壳笆澜珉娪皹I(yè)正處于蓬勃發(fā)展階段，國外電影想在國內(nèi)市場占有一席之地，國產(chǎn)電影也不甘落后。同時，隨著觀眾數(shù)量的不斷增長和競爭方的不斷增加，電影投資方除在電影制作方面加大力度外，也更觀眾觀眾的滿意狀況及其獲得的總效用；而觀眾也面臨著更多的選擇，其行為表現(xiàn)得更多樣化。因此，對觀眾的行為分析不僅是當(dāng)

5、前電影市場的需要，也是對我國電影發(fā)展方向的深入探究。對于研究觀眾在選擇電影中的行為，主要有一下幾方面的意義：（1）通過分析觀眾的選擇行為來發(fā)現(xiàn)觀眾的潛在需求，明確觀眾的需要和期望；（2）提高觀眾所獲得的總效用，有助于我國電影市場的發(fā)展；（3）增強國產(chǎn)電影的市場競爭力；（4）明確影響票房的主要因素，節(jié)省投資，增加收益，促進經(jīng)濟發(fā)展。（二）研究對象及調(diào)查樣本描述 1.研究對象 本文所采用的抽樣調(diào)查方法為簡單隨機抽樣，調(diào)查方法為人員訪談法。數(shù)據(jù)來自2011年6月1日至6月15日，哈理工大學(xué)學(xué)生在哈爾濱華晨、萬達、金安影院的調(diào)查問卷。2.樣本描述根據(jù)數(shù)據(jù)處理需要，調(diào)查共有兩組，第一組關(guān)于電影觀看者行為

6、的問卷，采用街坊的形式，在各大影院門口隨機訪問電影觀看者，共發(fā)放問卷330份，回收有效問卷273份。其中男性受訪問者143人，占總受訪問人數(shù)的52.03%，女性訪問者130人，占總受訪問人數(shù)的47.97%。20歲以下的受訪問者47人，占總受訪問人數(shù)的17.22%，21至30歲的受訪問者140人，占總受訪問人數(shù)的51.28%，31至40歲的受訪問者35人，占總受訪問人數(shù)的12.82%，40歲以上的受訪問者51人，占總受訪問人數(shù)的18.68%。受訪問者的職業(yè)包括學(xué)生，教師，醫(yī)護人員，個體，記者，公務(wù)員，司機，自由職業(yè)等。后一組問卷是在對第一次調(diào)查結(jié)果的分析基礎(chǔ)上，確定了觀看者選擇電影時考慮到重要屬

7、性及屬性水平，根據(jù)這些屬性和屬性水平構(gòu)造了一些虛擬電影，在華晨影院和萬達影院門口隨機訪問了30名觀看者，其中男性受訪問者15人，占總受訪問人數(shù)的50%，女性受訪問者15人，占總受訪問人數(shù)的50%。二、研究理論方法的簡單介紹(一).聯(lián)合分析的基本理論聯(lián)合分析是在已知受測者對某一受測體集合（a set of stimuli）整體評估結(jié)果（overall evaluation）的情形下，經(jīng)過分解的方法去估計其偏好結(jié)構(gòu)的一種分析方法。在聯(lián)合分析中，受測體是由研究人員事先依照某種因子結(jié)構(gòu)加以設(shè)計的。聯(lián)合分析的目的在于將受測者的整體反映加以分解，從受測者對受測體的整體評估結(jié)果中估計每一受測體成分的效用。聯(lián)

8、合分析是多變量分析技術(shù)中的一種相依方法。M.安蒂拉（M.Anttila）等人曾指出聯(lián)合分析具有以下優(yōu)點：（1）聯(lián)合分析既可以分析度量屬性（如價格）的重要性，又可以分析非度量屬性（如品牌名稱）的重要程度。（2）資料收集的程序簡單易行，受測者只需要對受測體進行排序（rank）或者平分（score）。聯(lián)合分析對受測者只做很少的要求就可得到相當(dāng)可靠的資料。（3）聯(lián)合分析要求受測者考慮各個屬性之間的兌換（trade-off），比直接詢問受測者其理想點（ideal-point）的屬性水平及屬性重要性來得實際。（4）聯(lián)合分析所求出的成分效用值可供做尺度不同的屬性或是更基本的非度量屬性的直接比較，而這些比較因

9、素正是人們選購決策所面臨的事實問題。1（二）聯(lián)合分析常用的數(shù)據(jù)收集方法聯(lián)合分析中，收集數(shù)據(jù)的常用方法有：（1）二因素法，又稱兌換法（trade-off approach）。（2）整體輪廓法（full-profile approach），他是最常用的一種表現(xiàn)方法，因為它比較接近于現(xiàn)實，還可以通過部分因子設(shè)計減少比較的個數(shù)。（3）兩兩比較發(fā)（pairwise comparison approach），它將前兩種方法結(jié)合起來、在對屬性和水平的描述中，當(dāng)屬性個數(shù)或水平數(shù)較多時，析因設(shè)計會產(chǎn)生大量的組合，令受測者無法對其一一排序，因此這里需要找到一個合適的子集來代替全集，并且保持全集的某些性質(zhì)。部分析因

10、設(shè)計（fractional factorial design）是最常用的定義受測體子集的方法。部分析因設(shè)計選擇可能的受測體的一個樣本，受測體的數(shù)目取決于受測者使用的合成原則。通常可以采用對稱正交設(shè)計（一個因子中的每個水平出現(xiàn)相同的次數(shù)，水平與屬性之間沒有相關(guān)關(guān)系）。本文即采用這種對稱正交設(shè)計產(chǎn)生子集。（三）聚類分析的基本理論在古老的分類學(xué)中，人們主要靠經(jīng)驗和專業(yè)知識，很少利用數(shù)學(xué)方法。隨著生產(chǎn)技術(shù)和科學(xué)的發(fā)展，分類越來越細，以致有時僅憑經(jīng)驗和專業(yè)知識還不能進行確切分類，于是統(tǒng)計這個有用的工具逐漸被引入分類學(xué)中，形成了數(shù)值分類學(xué)。近些年來，數(shù)理統(tǒng)計的多元分析方法有了迅速的發(fā)展，多元分析的技術(shù)自然

11、被引入分類學(xué)中，于是從數(shù)值分類學(xué)中逐漸分離出聚類分析這個新的分支。我們認為，所研究的樣品或指標（變量）之間存在著程度不同的相似性（親疏關(guān)系）。于是根據(jù)一批樣品的多個觀測指標，具體找出一些能夠度量樣品或指標之間的相似程度的統(tǒng)計量，以這些統(tǒng)計量為劃分類型的依據(jù)，把一些相似程度較大的樣品（或指標）又聚合為另外一類關(guān)系密切的聚合到一個小的分類單位，關(guān)系疏遠的聚合到一個大的分類單位，直到把所有的樣品（或指標）都聚合完畢，把不同的類型一一劃分出來，形成一個由小到大的分類系統(tǒng)。最后再把整個分類系統(tǒng)畫成一張分群圖（又稱譜系圖），用它把所有的樣品（或指標）間的親疏關(guān)系表示出來。聚類分析不僅可以用來對樣品進行分類

12、，也可以用來對變量進行分類。對樣品的分類常稱為Q型聚類分析，對變量的分類常稱為R型聚類分析。1三、研究框架和模型構(gòu)建（一）研究框架問題的提出選擇一種聯(lián)合分析方法基于選擇的聯(lián)合分析設(shè)計受測體選擇及定義屬性和水平設(shè)計受測體指定基本的模型形式數(shù)據(jù)收集假設(shè)模型的合理性樣本的代表性選擇估計方法評價模型擬合優(yōu)度結(jié)果解釋、驗證及其應(yīng)用通過聚類分析進行市場細分）ointa) eavluation)t .（二）模型構(gòu)建從經(jīng)濟學(xué)角度來看，商品(即我們討論的受測體)會給人們帶來滿足，經(jīng)濟學(xué)家用“效用”（utility）這個詞來描述這種滿足程度，本文中，電影即為我們討論的商品。這里假設(shè)由于電影的各種屬性（或重要屬性，

13、如當(dāng)期、演員與導(dǎo)演等）給人們帶來滿足，才使得電影具有效用，于是衡量各種屬性（或因子）的水平的效用就用“成分效用”一詞。假設(shè)一種產(chǎn)品或服務(wù)有種屬性，每種屬性有種水平，則我們所用的模型可表示為：產(chǎn)品,n的總效用=因子1水平的效用+因子2水平的效用+因子水平的效用（假設(shè)產(chǎn)品是因子1的水平，因子2的水平，因子的水平組合而成）數(shù)學(xué)表達式為：計算特征效用的模型和方法有多種，一般地，人們主要用一般最小二乘法回歸（OLS）模型、多元方差分析（MONANOVA）模型、Logistic回歸（LOGIT）模型等方法。這里我們選擇的是最基本的最小二乘法（OLS）回歸模型。OLS模型對一組自變量組成的模擬矩陣進行分析，

14、每個自變量表示一個屬性水平的有或無；因變量是觀眾對于通過自變量所描述的一個輪廓的主觀評價值。2四、數(shù)據(jù)處理與模型分析過程（一）研究設(shè)計和數(shù)據(jù)收集1.屬性及屬性水平的確定第一，屬性的確定。在第一階段的調(diào)查中我們設(shè)計了檔期，題材，演員導(dǎo)演，產(chǎn)地，廣告宣傳，投資方，編劇，影片效果作為備選屬性。調(diào)查顯示，根據(jù)近300名受訪問者的作答，觀看者在選擇電影的時候，考慮最多的是檔期，題材，演員導(dǎo)演，產(chǎn)地這四個屬性。第二，屬性水平的確定。我們將電影產(chǎn)地的水平確定為港臺，大陸，國外三個水平。演員導(dǎo)演的水平確定為普通，著名，新人三個水平。題材的水平確定為動作戰(zhàn)爭，愛情劇情，懸疑科幻三個水平。上映檔期的水平確定為隨便

15、，賀歲檔，暑期檔三個水平。2.電影組合的確定。根據(jù)這些屬性和水平，我們可以得到3*3*3*3=81種可能的組合，顯然這不適于做調(diào)查，因此采用SPSS軟件的正交設(shè)計3進行篩選，從而確定9種組合（見表1）以代表全體。表一 正交子集3.通過調(diào)查收集數(shù)據(jù)我們請觀眾對虛擬電影進行評價，通過打分的方法調(diào)查消費者對虛擬電影的喜好，觀看的可能性等，以揭示出受訪的觀看者對各屬性的重視程度。本文制作如下測試卡（表二），并將測試卡編入問卷，問卷見附錄。表二 測試卡在本案例中，受訪問者需要對估計數(shù)據(jù)集的9個屬性組合進行打分評價，表二最后一欄就是消費者按自己的偏好對9種虛擬電影的打分。所打的分數(shù)即可看做是總效用值（二）

16、數(shù)據(jù)分析結(jié)果從收集的信息中分離出觀眾對每一屬性以及屬性水平的偏好值，這些偏好值也就是該屬性的“效用”。將數(shù)據(jù)錄入SPSS17.0，運用編程進行聯(lián)合分析，得到如下結(jié)果：1.個人層面效用系數(shù)分析及模型擬合優(yōu)度的檢驗1.1以下是某位觀眾對于各個屬性的不同偏好情況。模型描述屬性水平數(shù)與排列或得分相關(guān)電影產(chǎn)地3離散演員導(dǎo)演3離散電影題材3離散上映檔期3離散表三 模型描述從表三可以看出所有因子都是正交因子實用程序?qū)傩运剿街档男Ф入娪爱a(chǎn)地國外.889大陸-1.444港臺.556演員導(dǎo)演新人演員導(dǎo)演-.444普通演員導(dǎo)演-1.111著名演員導(dǎo)演1.556電影題材愛情劇情片2.556懸疑科幻片-1.111動

17、作戰(zhàn)爭片-1.444上映檔期隨便-.444賀歲檔-.111暑期檔.556（常數(shù)）4.444表四 實用程序表四水平值的效度欄表示該特征水平對該消費者而言的效用。效用越高，則表示該特征水平越受歡迎，表現(xiàn)為表中數(shù)值的絕對值越大。聯(lián)合分析的特殊功能在于它可以預(yù)測電影的前景，在得到屬性水平值的效度后，可以對電影的各種屬性進行配置組合。微觀經(jīng)濟學(xué)理論中認為效用是可以相互替代和累加的。如在該觀看者心目中：著名演員導(dǎo)演比新人演員導(dǎo)演所能帶來的效用高2；愛情劇情片比動作戰(zhàn)爭片所能帶來的效用高4。由新人演員導(dǎo)演創(chuàng)作的愛情劇情片所帶來的效用為2.112（2.556-0.444）；由著名演員導(dǎo)演創(chuàng)作的動作戰(zhàn)爭片所帶來

18、的效用為0.112（1.556-1.444）。題材的效用可以彌補該受訪問者對演員導(dǎo)演的認識，電影想贏得該觀看者，只需拍攝愛情劇情的題材就可以，即使是由新人演員導(dǎo)演創(chuàng)作的。假設(shè)該觀看者想看國外的電影那么可以考慮以下三種組合：（1）著名演員導(dǎo)演 動作戰(zhàn)爭片 暑期檔；（2）新人演員導(dǎo)演 愛情劇情片 隨便；（3）普通演員導(dǎo)演 懸疑科幻片 賀歲檔分別計算三種電影對該觀看者的效用，計算結(jié)果如下：U1=U（產(chǎn)地+演員導(dǎo)演+題材+檔期）=0.889+1.556+（-1.444）+0.556=1.557U2= U（產(chǎn)地+演員導(dǎo)演+題材+檔期）=0.889+(-0.444)+2.556+(-0.444)=2.55

19、7U3= U（產(chǎn)地+演員導(dǎo)演+題材+檔期）=0.889+(-1.111)+(-1.111)+(-1.111)=-2.444由以上結(jié)果可知到U2>U1>U3，因此在該觀看者心目中，電影（2）的效用值最大，即該電影應(yīng)具有的屬性水平為：外國，新人演員導(dǎo)演，愛情劇情片，隨便檔期。 重要性值電影產(chǎn)地23.333演員導(dǎo)演26.667電影題材40.000上映檔期10.000表五 相對重要程度表五為相對重要程度表，表示該特征在觀眾選擇電影是所關(guān)心該因素的程度?？梢?，對此觀看者而言，電影題材是他所關(guān)心的，此屬性的相對重要程度為40%，其次為演員導(dǎo)演，重要度為26.667%，再次為電影產(chǎn)地，重要度為2

20、3.333%，最后為上映檔期，重要度為10%。那么在選擇是否觀看一部電影時，該觀看者首先會考慮它的題材，然后在考慮其他的因素。1.2模型擬合優(yōu)度的檢驗值Sig.Pearson 的 R1.000.Kendall 的 tau1.000.000表六 擬合優(yōu)度對聯(lián)合分析進行擬合優(yōu)度檢驗，這里使用斯皮爾曼的rho檢驗和肯德爾的tau檢驗。由上表可見，兩個相關(guān)系數(shù)的檢驗都非常顯著，模型擬合的精度相當(dāng)高，所以認為聯(lián)合分析模型所做出的假設(shè)和得出的成分效用值是合理的，可以說明該觀眾在選擇電影時的偏好結(jié)構(gòu)。下面是各屬性水平的效用圖圖1圖2圖3圖4圖52總體層面效用系數(shù)分析及模型擬合優(yōu)度的檢驗2.1以下是總體觀看者

21、對于各個屬性的不同偏好情況模型描述水平數(shù)與排列或得分相關(guān)電影產(chǎn)地3離散演員導(dǎo)演3離散電影題材3離散上映檔期3離散表七 模型描述從表七可以看出所有因子都是正交因子。實用程序估計標準誤電影產(chǎn)地國外.274大陸-.237港臺-.037演員導(dǎo)演新人演員導(dǎo)演-.537普通演員導(dǎo)演-.237著名演員導(dǎo)演.774電影題材愛情劇情片-.015懸疑科幻片.119動作戰(zhàn)爭片-.104上映檔期隨便-.115賀歲檔.052暑期檔.063（常數(shù)）4.526表八 實用程序重要性值電影產(chǎn)地23.000演員導(dǎo)演59.000電影題材10.000上映檔期8.000表九 相對重要程度表九可以看到，對這30個受訪者的整體來說，在預(yù)測

22、偏好時最重要的屬性是演員導(dǎo)演（59%），其次是電影產(chǎn)地（23%），再次是電影題材（10%），最后是上映檔期（8%）。從表八可以分別分析每個具體屬性水平的部分效用值。電影產(chǎn)地：國外的分值效用最大為0.274，且遠高于大陸和港臺。究其原因可能是外國電影的制作效果較好，情節(jié)新穎，而且表明中國的觀眾已經(jīng)開始樂于了解外國文化。演員導(dǎo)演：著名演員導(dǎo)演的分值效用最大為0.774這與我們的直觀印象相符。從而看出人們還是比較喜歡演員名氣大，導(dǎo)演水平較高的電影。所以演員和導(dǎo)演的名望也在很大程度上影響了一部電影是否會受到好評得到票房。對于由新人演員導(dǎo)演創(chuàng)作的電影想要獲得較大收益是有一定的挑戰(zhàn)的。電影題材：懸疑科幻片

23、的分值效用最大為0.119。而愛情劇情片和動作戰(zhàn)爭片的分值效用較低分別為-0.015和-0.104。從而看出大家比較喜歡看懸疑科幻類型的電影，這類題材的電影的發(fā)展空間很大。而最近上映的阿凡達2012等科幻電影獲得了巨大的成功，也印證了我的結(jié)論。上映檔期：這個因素是所有因素中影響最小的，但從結(jié)果中可以看出暑期檔和賀歲檔的分值效用還是比較高的分別為0.63和0.52。所以電影的檔期也是影響效果的一個重要因素。電影在選擇上映時也應(yīng)該考慮到上映的檔期問題。從上述分析中，我們看到國外著名演員和導(dǎo)演的懸疑科幻片是大家比較喜愛的電影類型，若在暑期檔上映則能更占優(yōu)勢。2.2模型擬合優(yōu)度的檢驗相關(guān)性a值Sig.

24、Pearson 的 R1.000Kendall 的 tau1.000.000表十 擬合優(yōu)度這里仍然使用斯皮爾曼的rho檢驗和肯德爾的tau檢驗，由上表可見，兩個相關(guān)系數(shù)的檢驗都非常顯著，模型擬合的精度相當(dāng)高，所以認為聯(lián)合分析模型所做出的假設(shè)和得出的成分效用值是合理的，可以說明觀眾在選擇電影時的偏好結(jié)構(gòu)。下面是各屬性水平的效用圖。圖6圖7圖8圖9圖103男女分組的效用分析上面是對觀眾總體層面的選擇偏好分析，實際上由于觀眾自身特征的不同，使得屬性水平的分值效用在被訪問者中存在差異。因此我們繼續(xù)考察電影的選擇偏好是否與性別存在相關(guān)性。下面是對男性調(diào)查者的分析結(jié)果。實用程序?qū)嵱贸绦蚬烙嫎藴收`電影產(chǎn)地國

25、外.570大陸-.407港臺-.163演員導(dǎo)演新人演員導(dǎo)演-.630普通演員導(dǎo)演-.052著名演員導(dǎo)演.681電影題材愛情劇情片-.674懸疑科幻片.259動作戰(zhàn)爭片.415上映檔期隨便-.074賀歲檔-.119暑期檔.193（常數(shù)）4.741表十一 實用程序重要性值電影產(chǎn)地26.506演員導(dǎo)演35.542電影題材29.518上映檔期8.434表十二 相對重要程度由上表可以看出，在預(yù)測偏好時對于男性來說最重要的屬性是演員導(dǎo)演，其次是是電影題材，再次電影產(chǎn)地，最后是上映檔期。男性更愿意觀看國外電影，他們傾向于觀看動作戰(zhàn)爭片和懸疑科幻片。具體屬性水平效用圖見附錄。下面是對女性調(diào)查者的分析結(jié)果。實用

26、程序?qū)嵱贸绦蚬烙嫎藴收`電影產(chǎn)地國外-.022大陸-.067港臺.089演員導(dǎo)演新人演員導(dǎo)演-.444普通演員導(dǎo)演-.422著名演員導(dǎo)演.867電影題材愛情劇情片.644懸疑科幻片-.022動作戰(zhàn)爭片-.622上映檔期隨便-.156賀歲檔.222暑期檔-.067（常數(shù)）4.311表十三 實用程序重要性值電影產(chǎn)地5.000演員導(dǎo)演42.143電影題材40.714上映檔期12.143表十四 相對重要性由上表可以看出，在預(yù)測偏好時對于女性來說最重要的屬性是演員導(dǎo)演，其次是是電影題材，再次上映檔期，最后是電影產(chǎn)地。此結(jié)論與男性的結(jié)果基本相似，其中演員導(dǎo)演與電影題材都排在了前兩位。說明電影的這兩個因素的確

27、很重要。女性更愿意觀看愛情劇情片。而對于女性觀眾，她們并不看重電影的產(chǎn)地，在這個方面與男性觀眾稍有不同。具體屬性水平效用圖見附錄。4.市場細分市場細分是在計算出觀看者個人的效用函數(shù)后，通過聚類分析4，將觀看者劃分為不同的觀看群體，然后將這些群體作為同質(zhì)個體處理。這樣能更準確的為電影市場發(fā)展提供建議。以下是通過聚類分析得到的結(jié)果。5Agglomeration ScheduleStageCluster CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 211293.

28、90200828224.4570033895.4762074465.609002352286.3840013612266.779001278207.87230108158.65610149242710.38400141081310.48870111181512.547100151271212.95506181322113.45250261412413.89489191581814.486110161681916.1961502317173016.34300221871116.457120211912316.5841402420101617.71300242172518.616180282214

29、1720.08601725234820.488416262411021.5181920292531424.88202227262424.897132327272327.768262528282728.776272129291228.93624280表十五 Dendrogram using Average Linkage (Between Groups)               

30、60;         Rescaled Distance Cluster Combine    C A S E      0         5        10 &

31、#160;      15        20        25  Label     Num  +-+-+-+-+-+  1           1

32、0;    29         29            5           5            

33、0; 24         24          27         27                   &#

34、160;     23         23                           10       &#

35、160; 10                  16         16                    &#

36、160;     12         12                                  26&#

37、160;        26                                         

38、7           7                             11         11

39、        25         25                        17        

40、 17                    30         30                   

41、14         14             3           3           2     

42、;      2                                 28         28 

43、                      21         21                  &#

44、160;            4           4                 6         

45、;  6                                         8      

46、60;    8                                         22    

47、     22                                      9      

48、60;    9                           20         20        

49、0;                13         13                   15    

50、0;    15               18         18        19         19   

51、由聚類分析的樹狀圖我們將觀看者分為四類，并對每一類再次進行聯(lián)合分析。第一類Utility Estimate電影產(chǎn)地國外.472大陸.472港臺-.944演員導(dǎo)演新人演員導(dǎo)演-1.194普通演員導(dǎo)演-.194著名演員導(dǎo)演1.389電影題材愛情劇情片-1.028懸疑科幻片.139動作戰(zhàn)爭片.889上映檔期隨便.056賀歲檔-.361暑期檔.306(Constant)5.444表十六 實用程序Importance Values電影產(chǎn)地21.519演員導(dǎo)演39.241電影題材29.114上映檔期10.127表十七 相對重要程度這一類觀眾更喜愛著名演員和導(dǎo)演的愛情劇情片，產(chǎn)地是國外或大陸，而對于檔期方面

52、的要求并不是很明顯。各屬性水平的效用圖見附錄。第二類Utility Estimate電影產(chǎn)地國外2.089大陸-1.511港臺-.578演員導(dǎo)演新人演員導(dǎo)演-.711普通演員導(dǎo)演.489著名演員導(dǎo)演.222電影題材愛情劇情片-.711懸疑科幻片.756動作戰(zhàn)爭片-.044上映檔期隨便-.578賀歲檔.156暑期檔.422(Constant)4.311表十八 實用程序Importance Values電影產(chǎn)地49.541演員導(dǎo)演16.514電影題材20.183上映檔期13.761表十九 相對重要程度由表十八和表十九可以看出，這一類觀眾喜愛國外的懸疑科幻片，而且他們對國外電影的熱衷程度相當(dāng)高，以至

53、于演員與導(dǎo)演及上映檔期變得很次要。各屬性水平效用圖見附錄。第三類Utility Estimate電影產(chǎn)地國外.028大陸.444港臺-.472演員導(dǎo)演新人演員導(dǎo)演-1.889普通演員導(dǎo)演.111著名演員導(dǎo)演1.778電影題材愛情劇情片.111懸疑科幻片.528動作戰(zhàn)爭片-.639上映檔期隨便-.806賀歲檔1.278暑期檔-.472(Constant)4.306表二十 實用程序Importance Values電影產(chǎn)地11.702演員導(dǎo)演46.809電影題材14.894上映檔期26.596表二十一 相對重要程度這類觀眾的特點是和看重一部電影的演員和導(dǎo)演。各屬性水平效用圖見附錄。第四類 Utility Estimate電影產(chǎn)地國外-.068大陸-.376港臺.444演員導(dǎo)演新人演員導(dǎo)演-.043普通演員導(dǎo)演-.684著名演員導(dǎo)演.726電影題材愛情劇情片.778懸疑科幻片-.068動作戰(zhàn)爭片-.709上映檔期隨便.214賀歲檔-.145暑期檔-.068(Constant)3.812表二十二 實用程序Importance Values電影產(chǎn)地20.126演員導(dǎo)演34.591電影題材36.478上映檔期8.805表二十三 相對重要程度這類觀眾喜歡著名演員和