中國電影產(chǎn)業(yè)票房影響因素探究

中國電影產(chǎn)業(yè)票房影響因素探究!一、引言自2002年國家把發(fā)展文化產(chǎn)業(yè)作為一項(xiàng)國策以來，中國文化產(chǎn)業(yè)的快速成長在拉動國民經(jīng)濟(jì)發(fā)展、促進(jìn)文化繁榮、帶動社會進(jìn)步和應(yīng)對國際競爭等方面發(fā)揮著越來越重要的作用，對于全球化文化背景下維護(hù)國家文化安全和應(yīng)對國際文化市場挑戰(zhàn)具有關(guān)鍵性的作用。在中國的文化產(chǎn)業(yè)結(jié)構(gòu)中，影視產(chǎn)業(yè)一直是中堅(jiān)力量，占據(jù)著近半壁江山。回顧近幾年我國電影產(chǎn)業(yè)發(fā)展歷程，可發(fā)現(xiàn)國產(chǎn)電影一直在保持著螺旋式上升的趨勢。我國電影產(chǎn)業(yè)已經(jīng)連續(xù)十幾年保持增長態(tài)勢，并且在2009年實(shí)現(xiàn)華麗蛻變，成為在金融危機(jī)中逆勢上揚(yáng)的典型代表，全年共有11部電影票房過億。然而在2010年國產(chǎn)電影不敵國外大片，上映比例走到低谷。到了2012年，國產(chǎn)電影發(fā)展迎來轉(zhuǎn)折點(diǎn)，并以此為分界，國產(chǎn)片產(chǎn)出量從穩(wěn)步增長變?yōu)闇p量減速，從數(shù)量競爭正式開始進(jìn)入票房競爭階段。到了2015年，在消費(fèi)的帶動下，中國電影產(chǎn)業(yè)規(guī)模達(dá)到了1000億元，全年上映電影449部，票房達(dá)到438.74億元，其中國產(chǎn)電影的票房占到總額的62%，平均每1981-1986年電影租金收入作為因變量，將具體影響因素分為創(chuàng)意、發(fā)行/上映以及電影營銷三大方面，通過層次回歸分析得到導(dǎo)演以、明星以及續(xù)集有著顯著的正向影響，科幻片能正面影響而劇情片則產(chǎn)生負(fù)向影響[[][]LitmanBR,KohlLS.Predictingfinancialsuccessofmotionpictures:The'80sexperience[J].JournalofMediaEconomics,1989,2(2):35-50.在這之后，部分西方學(xué)者繼續(xù)按照Litman的研究模型進(jìn)行相應(yīng)改進(jìn)延續(xù)其的研究思路，還有一部分學(xué)者則開始對電影票房具體影響因素進(jìn)行分類研究。主要集中在明星影響力以及口碑等方面，研究結(jié)論也有著一定分歧，其中Ravid(1999)發(fā)現(xiàn)明星影響力對票房并沒有顯著作用[[]RavidSA.Information,blockbusters,andstars:Astudyofthefilmindustry*[J].TheJournalofBusiness,1999,72(4):463-492.]，而Levin和Heath（1999）通過對測試者發(fā)現(xiàn)觀眾對知名演員出演的電影有著很強(qiáng)的好感，電影評論家也會因此減輕對其批評[[][]RavidSA.Information,blockbusters,andstars:Astudyofthefilmindustry*[J].TheJournalofBusiness,1999,72(4):463-492.[]LevinAM,LevinIP,EdwardHeathC.MovieStarsandAuthorsasBrandNames:MeasuringBrandEquityinExperientialProducts[J].AdvancesinConsumerResearch,1997,24(1).我國學(xué)者方面，對電影票房的研究起步較晚，前些階段主要是從藝術(shù)理論角度對單獨(dú)某部電影的定性案例分析上面。直到2009年我國逐漸開始進(jìn)行定量實(shí)證研究，其中比較具有代表性的有汪旭輝和王軍（2015）通過分析網(wǎng)絡(luò)口碑對票房內(nèi)在機(jī)制，結(jié)果表明網(wǎng)絡(luò)口碑?dāng)?shù)量顯著正向影響首周票房，效價(jià)存在顯著負(fù)向影響。侯勇和王鐵男（2014）則發(fā)現(xiàn)前作電影票房和口碑都可以產(chǎn)生品牌溢出效應(yīng)影響續(xù)作。王錚（2013）通過設(shè)立不同臨界值進(jìn)行l(wèi)ogistic回歸表明票價(jià)、續(xù)集、明星和導(dǎo)演有著顯著影響，并且發(fā)現(xiàn)明星和導(dǎo)演影響力存在著“擠出效應(yīng)”[]。聶鴻迪（2015）則通過OLS回歸分析得出盜版和劇情類電影有負(fù)面影響，并通過神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測發(fā)現(xiàn)誤差相比多元回歸較小。綜合來看，目前國內(nèi)的研究較多還是停留在定性分析以及對某一單方面因素的分析，而多方面的影響因素探討的文獻(xiàn)數(shù)量較少，并且大多為基于傳統(tǒng)Litman模型進(jìn)行影響因素的選擇，并未結(jié)合中國特有市場環(huán)境進(jìn)行考慮。另一方面，較多仍然采用普通OLS回歸分析法，但正如王錚（2013）所述，可能會存在偏態(tài)性會使得結(jié)果不穩(wěn)健，然而logit模型雖然消除了極值偏態(tài)影響，但是容易使得信息利用量減少。三、研究設(shè)計(jì)（一）研究變量選取本文中我們隨機(jī)選取2015-2016年共90部國產(chǎn)電影，將票房數(shù)據(jù)作為被解釋變量，單位為萬元，票房數(shù)據(jù)通過藝恩網(wǎng)藝恩網(wǎng)票房數(shù)據(jù)參見：/查詢得到。解釋變量具體可分為如下幾類：藝恩網(wǎng)票房數(shù)據(jù)參見：/1.主創(chuàng)陣容（Director、Actor）主創(chuàng)陣容具體可分為編劇、制片人、導(dǎo)演以及演員，由于我國較西方制度間的差異，創(chuàng)作中心基本以導(dǎo)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(diǎn)選取導(dǎo)演作為創(chuàng)作陣容中的研究變量。國內(nèi)外關(guān)于導(dǎo)演影響力度量方式不盡相同，如Litman和Kohl（1989）將導(dǎo)演四年間的執(zhí)導(dǎo)影片是否獲得奧斯卡獎(jiǎng)或提名作為虛擬變量衡量，Hennig-Thruau等（2006）以執(zhí)導(dǎo)的最近三部影片的平均票房度量[[]Hennig-ThurauT,HoustonMB,WalshG.Determinantsofmotionpictureboxofficeandprofitability:aninterrelationshipapproach[J].ReviewofManagerialScience,2007,1(1):65-92.]，還有的直接使用《好萊塢報(bào)道》中的導(dǎo)演指數(shù)。本文在參考前些基礎(chǔ)之上，根據(jù)導(dǎo)演所獲五大華語獎(jiǎng)項(xiàng)及提名中國五大華語獎(jiǎng)項(xiàng)是目前華語電影界藝術(shù)水準(zhǔn)和認(rèn)可度最高的獎(jiǎng)項(xiàng)，具體包括：中國電影華表獎(jiǎng)、中國電影金雞獎(jiǎng)、大眾電影百花獎(jiǎng)（從近期剛結(jié)束情況來看，質(zhì)量存疑?。]Hennig-ThurauT,HoustonMB,WalshG.Determinantsofmotionpictureboxofficeandprofitability:aninterrelationshipapproach[J].ReviewofManagerialScience,2007,1(1):65-92.中國五大華語獎(jiǎng)項(xiàng)是目前華語電影界藝術(shù)水準(zhǔn)和認(rèn)可度最高的獎(jiǎng)項(xiàng)，具體包括：中國電影華表獎(jiǎng)、中國電影金雞獎(jiǎng)、大眾電影百花獎(jiǎng)（從近期剛結(jié)束情況來看，質(zhì)量存疑！）、香港電影金像獎(jiǎng)和臺灣電影金馬獎(jiǎng)?！毒C藝》和《好萊塢報(bào)道》是美國娛樂界兩大權(quán)威報(bào)刊，前者每年都會刊登具有票房價(jià)值的明星名單，后者對全世界主要國家中具有票房號召力的明星和導(dǎo)演進(jìn)行排名和打分形成量化影響指數(shù)。導(dǎo)演及演員影響力因素權(quán)重均通過AHP決策分析法確定，限于篇幅不做列示，但留存?zhèn)渌鳌?.票價(jià)（Price）2012年廣電總局發(fā)布的電影票“限折令”不得低于電影院掛牌價(jià)的70%曾一石激起千層浪引發(fā)不小的爭論，同樣，一些例如馮小剛的知名導(dǎo)演也曾在兩會上聯(lián)提案實(shí)施“最高限價(jià)”。電影院在票價(jià)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(jià)策略，經(jīng)濟(jì)學(xué)中一般稱之為“價(jià)格歧視”。為了探究票價(jià)對票房具體影響程度，本文選取貓眼兒網(wǎng)的每部電影全國平均票價(jià)信息作為變量。3.網(wǎng)絡(luò)口碑（WOM）傳統(tǒng)口碑在研究領(lǐng)域的重要性通過前文的文獻(xiàn)綜述中已經(jīng)提到，如今隨著互聯(lián)網(wǎng)的普及，一些專業(yè)的電影口碑評分已經(jīng)較為成熟化，其給予了觀看過電影的關(guān)注一個(gè)交流、抒發(fā)自己觀影感受的平臺。主要通過三個(gè)度量指標(biāo)：數(shù)量、效價(jià)以及離散程度。其中效價(jià)即對電影的評價(jià)，Liu(2006)認(rèn)為其可以影響公眾的感知并進(jìn)一步對公眾的觀影決策行為產(chǎn)生作用，有著重要的地位[]。因此，本文通過對每一部電影時(shí)光網(wǎng)及豆瓣網(wǎng)基于滿分為10分的口碑評價(jià)得分取其平均值作為研究變量。4.技術(shù)效果（Tech）過往的研究中學(xué)者普遍較少考慮到電影的技術(shù)效果這一影響因素。當(dāng)今，隨著技術(shù)水平及觀眾觀影體驗(yàn)需求的提高，電影的播放制式也有著很大的改變，具體可分為普通的2D（35mm膠片變形銀幕）、IMAX（巨形超大銀幕）、3D（立體）及三者兩兩結(jié)合的類型。本文將技術(shù)水平從低到高排序，將普通2D設(shè)為1，含有IMAX的非3D電影設(shè)為2，含有3D技術(shù)的設(shè)定為數(shù)值3。5.IP（知識產(chǎn)權(quán)）（Sequel）近年來，IP可以說是影視圈內(nèi)較火爆的名詞，一個(gè)運(yùn)營十分成功的IP可以從一種媒介轉(zhuǎn)化到另一種媒介而產(chǎn)生一種極大的關(guān)注度，是一種寶貴的無形資產(chǎn)。在電影領(lǐng)域中IP主要可以分為暢銷小說改編電影例如《盜墓筆記》、系列電影的續(xù)集如近期的《大話西游3》、對過去經(jīng)典電影的翻拍如由楊冪和鹿晗主演的《我是證人》，就是對韓國經(jīng)典電影《盲證》的翻拍。本文定義其為虛擬變量，當(dāng)電影為IP電影時(shí)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。6.檔期（Schedule）檔期是一部電影從上映到最后下映的時(shí)間間隔，過往研究表明檔期作為一種時(shí)間縱向市場也往往會對票房產(chǎn)生影響。目前而言，檔期與節(jié)假日有著比較大的關(guān)聯(lián)，觀影活動會比其他時(shí)間集中。我國電影最熱門的檔期可以劃分為暑期檔、國慶檔、五一以及賀歲檔五一：5.1-5.3日；國慶：10.1-10.7日；暑期：7.1-8.31日；賀歲：11.20-2月底，是業(yè)內(nèi)較認(rèn)可劃分標(biāo)準(zhǔn)。五一：5.1-5.3日；國慶：10.1-10.7日；暑期：7.1-8.31日；賀歲：11.20-2月底，是業(yè)內(nèi)較認(rèn)可劃分標(biāo)準(zhǔn)。7.營銷熱度（Want）電影在上映前的營銷手段也是十分重要的一環(huán)，具體可包括出品方的宣傳以及基于其所引發(fā)的話題規(guī)模效應(yīng)引起公眾對電影的興趣。過往研究中，較多使用消費(fèi)者的搜索量作為研究，如Hand和Judge（2012）利用公眾對電影的谷歌趨勢的搜索數(shù)據(jù)作為度量[]，王煉（2014）等通過利用數(shù)據(jù)抓取軟件對電影上映前后百度搜索引擎數(shù)據(jù)構(gòu)建搜索指標(biāo)[]。由于對搜索引擎過去一段時(shí)間搜索量實(shí)現(xiàn)起來較為困難，本文則出于數(shù)據(jù)以獲取角度考慮選取貓眼電影網(wǎng)中每部電影的“想看指數(shù)”，其數(shù)值為每部電影從宣布檔期到上映前一天時(shí)間段公眾想看意愿的具體人次。8.電影題材每個(gè)人會對電影不同類型產(chǎn)生不同的偏好，進(jìn)而影響制片方在制作前對電影題材的考慮。由于我國電影發(fā)展還不是十分成熟，相比較西方好萊塢類似于互聯(lián)網(wǎng)電影資料庫（IMDB）十多種明確的分類方式，我國國產(chǎn)電影則較為集中。本文根據(jù)所選取的樣本，按照其最主要的題材類型總共分為喜劇片（Comedy）、愛情片（Romance）、動作片（Action）、驚悚片（Horror）以及魔幻片（Magic），分別設(shè)定為虛擬變量，是賦值1，否則賦值為0，有關(guān)電影類型均通過時(shí)光網(wǎng)、豆瓣網(wǎng)以及貓眼網(wǎng)等查詢由于我國目前還沒有一個(gè)統(tǒng)一的權(quán)威性電影分類標(biāo)準(zhǔn)，每個(gè)電影網(wǎng)站具體分類可能會略有不同。為此，筆者選取兩個(gè)不同的網(wǎng)站對電影最主要的類型進(jìn)行綜合考量。由于我國目前還沒有一個(gè)統(tǒng)一的權(quán)威性電影分類標(biāo)準(zhǔn)，每個(gè)電影網(wǎng)站具體分類可能會略有不同。為此，筆者選取兩個(gè)不同的網(wǎng)站對電影最主要的類型進(jìn)行綜合考量。（二）計(jì)量模型基于回歸的最小二乘法分析是目前學(xué)術(shù)界使用最多的方法，如前文中所述的Litman(1998)、Sochay(1994)等均以票房作為連續(xù)變量進(jìn)行OLS影響因素研究。所以參考其首先建立多元線性回歸模型進(jìn)行OLS估計(jì)，模型如下：（1）其中，對票房總收入以及想看指數(shù)均作了自然對數(shù)處理以控制可能的異方差問題。傳統(tǒng)的線性回歸一般都采用上述OLS來估計(jì)參數(shù)，其刻畫的是因變量的條件均值的邊際效益或者彈性大小。另外其要求變量同時(shí)滿足隨機(jī)性、獨(dú)立性等一系列嚴(yán)格規(guī)定，如果數(shù)據(jù)出現(xiàn)擾動項(xiàng)非正態(tài)分布以及異方差等情況，結(jié)果可能表現(xiàn)出不穩(wěn)健性。而由Koenker和Bassett（1978）所提出的分位數(shù)回歸（QuantileRegression）則能夠全方面描述因變量條件分布中不同分位點(diǎn)上的解釋變量對其的影響，且其估計(jì)方法與OLS相比對離群值更加穩(wěn)健，也不要求嚴(yán)格滿足正態(tài)分布假設(shè)[]。本文中，經(jīng)過樣本的統(tǒng)計(jì)發(fā)現(xiàn)前20%樣本影片的票房合計(jì)占到了所有電影總票房的76.84%，因此從條件分布上來看具有較高的偏態(tài)性，OLS回歸可能因極值影響不穩(wěn)健且無法刻畫全貌。因此，本文隨后進(jìn)一步采用分位數(shù)回歸分析票房從低到高的不同分位數(shù)下解釋變量對因變量可能存在的不同回歸系數(shù)估計(jì)量。首先，分位數(shù)的定義為對于一個(gè)隨機(jī)連續(xù)變量y，其小于第τ分位數(shù)即y≤y(τ)概率為τ： （2）假設(shè)由n個(gè)解釋變量組成的矩陣X線性表示y的條件分位數(shù)，基本模型為：（3）式3中，xi=（x1i，x2i，…，xni）’為解釋向量，β(τ)=（β1，β2，…，βni）’是τ分位數(shù)下的系數(shù)向量。分位數(shù)回歸通常采用加權(quán)最小絕對離差和法（WLAD）求解目標(biāo)函數(shù)最小值進(jìn)行參數(shù)估計(jì)，展開式即：（4）本文由此設(shè)定如下分位數(shù)回歸模型：其中，τ∈(0,1)代表了所在的分位點(diǎn)，本文中我們選取0.2,、0.4、0.6以及0.8這四個(gè)分位點(diǎn)分別對票房影響效應(yīng)進(jìn)行考察。四、實(shí)證分析模型（1）的參數(shù)估計(jì)顯示，導(dǎo)演及演員的影響力均在1%的水平上顯著，二者能夠明顯增加影片的票房收入大小，并且可以看到演員的影響力大小還要略高于導(dǎo)演的影響力（β2=0.243，β3=0.393）。導(dǎo)演作為我國目前以導(dǎo)演為中心的的影片制作傳統(tǒng)，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(chuàng)意范疇的無可撼動的職能和權(quán)力[]。我國目前經(jīng)過統(tǒng)計(jì)進(jìn)入五億元票房俱樂部的導(dǎo)演總數(shù)為18位，其中既包括例如馮小剛、張藝謀、管虎等大牌知名導(dǎo)演，也包括一些跨界例如董成鵬、陳思誠等新銳導(dǎo)演，大牌知名導(dǎo)演在獲獎(jiǎng)及提名數(shù)量上具有絕對的優(yōu)勢，多年的執(zhí)導(dǎo)經(jīng)驗(yàn)可以為影片的質(zhì)量提供較為有力的保障；而新銳跨界導(dǎo)演則更多是通過原先例如演員、作家、主持人等身份自帶強(qiáng)大的粉絲效應(yīng)，并進(jìn)一步傳播到其所執(zhí)導(dǎo)的影片關(guān)注度之上。明星影響滿足默認(rèn)的獨(dú)立信號（default-independentsignal）的特點(diǎn)，Kirmani和Rao（2000）認(rèn)為默認(rèn)獨(dú)立信號便是指無論最后成品是否履行信號所指示的內(nèi)容，生產(chǎn)者都需要支出額外前期費(fèi)用的信號[[]KirmaniA,RaoAR.Nopain,nogain:Acriticalreviewoftheliteratureonsignalingunobservableproductquality[J].Journalofmarketing,2000,64(2):66-79.]。明星對票房影片也主要體現(xiàn)在兩方面：一是獲得多次獎(jiǎng)項(xiàng)提名的知名演員，其精湛的演技可以提升影片質(zhì)量，二是演員通過其他方面例如綜藝節(jié)目、特征魅力等所獲得的高人氣吸引力。因此明星強(qiáng)大號召力通過提高消費(fèi)者對影片的認(rèn)知以及接受程度，可以較大程度降低影片投資風(fēng)險(xiǎn)[[]KirmaniA,RaoAR.Nopain,nogain:Acriticalreviewoftheliteratureonsignalingunobservableproductquality[J].Journalofmarketing,2000,64(2):66-79.[]DeVanyA,WallsWD.Uncertaintyinthemovieindustry:Doesstarpowerreducetheterroroftheboxoffice?[J].Journalofculturaleconomics,1999,23(4):285-318.網(wǎng)絡(luò)口碑總體在5%水平上顯著正向影響票房高低。以豆瓣、時(shí)光電影評分為代表的網(wǎng)絡(luò)口碑成為消費(fèi)者對包括電影質(zhì)量、認(rèn)同接受程度等綜合評價(jià)的一種量化度量方式，反映出大部分受眾群體會參考他人意見對是否觀看電影作出相應(yīng)的抉擇。由于電影的體驗(yàn)性、無形性以及信息的不對稱性，消費(fèi)者很難在觀看前甄別其質(zhì)量水平[[][]SoodS,DrèzeX.Brandextensionsofexperientialgoods:Moviesequelevaluations[J].JournalofConsumerResearch,2006,33(3):352-360.技術(shù)效果通過5%的顯著性水平檢驗(yàn)產(chǎn)生較大的正向影響。我國自2010年引入IMAX巨幕電影技術(shù)以來，其高底片分辨率和成像度給予了觀眾更加清晰宏大的觀影體驗(yàn)，以《阿凡達(dá)》為代表的國外3D電影在中國市場引發(fā)空前的觀影熱潮再造了電影的藝術(shù)形態(tài)，也進(jìn)一步加強(qiáng)了觀眾由單純觀看電影向體驗(yàn)電影的轉(zhuǎn)變巨大需求。因此高的技術(shù)效果能夠迎合觀眾需求吸引其進(jìn)影院觀看，同時(shí)其所對應(yīng)的票價(jià)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(shù)在1%統(tǒng)計(jì)水平上顯著正向影響票房。這表明消費(fèi)者互聯(lián)網(wǎng)搜索量以及對應(yīng)片方在影片上映前的宣傳能力能夠顯著提升影片票房。影片上映前有著諸多不確定性信號，隨著新媒體以及互聯(lián)網(wǎng)的普及，制片方通過在微博和發(fā)布會上制造相關(guān)熱門話題進(jìn)行推廣及公眾討論可以一定程度上消除部分不確定性信號。從市場營銷角度來看，這種網(wǎng)絡(luò)營銷摻雜著部分病毒營銷的方式具有縱深性、多維性及交互性，尤其是以互聯(lián)網(wǎng)為平臺的用戶自我人際傳播運(yùn)用人為信息節(jié)點(diǎn)，分享為特質(zhì)，快速對受眾進(jìn)行全視角、立體式的宣傳覆蓋[[][]邢星.微博“病毒式傳播”對實(shí)現(xiàn)信息真實(shí)的作用與反作用——以“微博打拐”事件為例[J].學(xué)理論,2011(15):159-160.續(xù)集翻拍等IP相比較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。過往研究表明，續(xù)集翻拍等受著品牌溢出效應(yīng)（BrandSpilloverEffect）的影響，產(chǎn)業(yè)經(jīng)濟(jì)學(xué)中通常所定義的溢出效應(yīng)與“外部性”這一概念相類似，其指一個(gè)經(jīng)濟(jì)組織在相關(guān)領(lǐng)域中的自我行為決策會對外部另一部分人的利益產(chǎn)生損益的情況，而這種損失或者收益都不是相關(guān)生產(chǎn)或者消費(fèi)者等經(jīng)濟(jì)主體所獲得或者承擔(dān)的，而是一種附帶影響從而推動其他方面的發(fā)展[[]AhluwaliaR,UnnavaHR,BurnkrantRE.Themoderatingroleofcommitmentonthespillovereffectofmarketingcommunications[J].JournalofMarketingResearch,2001,38(4):458-470.]。學(xué)術(shù)界通常用品牌延伸理論及信號理論對其進(jìn)行解釋，Wernerfelt（1988）運(yùn)用推演博弈模型，認(rèn)為一些品牌相應(yīng)延伸產(chǎn)品可以產(chǎn)生信號作用，Moorthy（2012）也在溢出效應(yīng)的研究基礎(chǔ)之上進(jìn)行改進(jìn)證實(shí)了這一觀點(diǎn)[[][]AhluwaliaR,UnnavaHR,BurnkrantRE.Themoderatingroleofcommitmentonthespillovereffectofmarketingcommunications[J].JournalofMarketingResearch,2001,38(4):458-470.[]WernerfeltB,KellerKL,MoorthyS.CommentariesandReplyto'CanBrandExtensionSignalProductQuality?'bySridharMoorthy[J].MarketingScience,2012,31(5):771-778.[]SoodS,DrèzeX.Brandextensionsofexperientialgoods:Moviesequelevaluations[J].JournalofConsumerResearch,2006,33(3):352-360.在模型2中，在加入電影題材類型的虛擬變量的同時(shí)，我們還特地引入了Sequel和Romance以及Tech和Action的交叉項(xiàng)，來分別考察是否為續(xù)集翻拍等IP對愛情片影響票房的效應(yīng)以及動作片對技術(shù)效果水平影響電影票房效應(yīng)。需要說明的是，在回歸中引入交叉項(xiàng)可能會導(dǎo)致模型多重共線性方面的問題，雖然經(jīng)過膨脹因子檢驗(yàn)四者中最大的VIF值為6.26<10，但為了穩(wěn)健起見，本文仍對上述變量進(jìn)行中心化（Centering）處理消除共線性。結(jié)果顯示，加入題材之后，原先因子的顯著性程度基本沒有變化，喜劇、魔幻、愛情、動作類型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(jīng)過上表來看，喜劇可以說是我國電影數(shù)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(tǒng)文化中，“美好”一直是一種自我追求和精神寄托，喜劇片則承載了這方面較多的元素，其次大多數(shù)喜劇都是在賀歲檔等喜慶的節(jié)假日期間上映，對于大多數(shù)希望放松壓力人來說可以帶來輕松愉悅的感受，更深層次的原因還有喜劇“時(shí)代變遷”、“與時(shí)俱進(jìn)”的緊跟社會潮流并引發(fā)人思考的體現(xiàn)[[][]羅顯勇.論當(dāng)下國產(chǎn)小成本喜劇電影的美學(xué)特質(zhì)及缺憾[J].當(dāng)代電影,2011(9):145-148.表2交互項(xiàng)均分別在5%和1%顯著，這意味著動作片能夠顯著加強(qiáng)技術(shù)效果對影片票房的影響。擁有IP或者翻拍等影片中，愛情的題材類型對其票房提升能力較強(qiáng)。首先對于動作片提升技術(shù)效果影響力的情況來看，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(shù)來使得其效應(yīng)得以擴(kuò)大，觀眾們會更加傾向于這種更為強(qiáng)烈的視覺沖擊而去選擇觀看。IP翻拍等對愛情片的影響，則同樣是受到了前文所述的“品牌溢出效應(yīng)”。大多數(shù)情況下，青春愛情片的主要IP為一些著名作家相應(yīng)的暢銷小說或者如今發(fā)展極快的網(wǎng)絡(luò)文學(xué)作品，這些作品在尤其是年輕人這一高消費(fèi)的群體中受歡迎程度較高，例如郭敬明的《小時(shí)代》、近期爆紅的顧漫的網(wǎng)絡(luò)小說《微微一笑很傾城》等，均有著極強(qiáng)的“正向溢出效應(yīng)”，符合前文所述的品牌延伸理論機(jī)制：有過使用經(jīng)驗(yàn)的消費(fèi)者會對原品牌有著特殊印象態(tài)度[[][]KellerKL,AakerDA.Theeffectsofsequentialintroductionofbrandextensions[J].Journalofmarketingresearch,1992:35-50.（三）進(jìn)一步分析1.基于分位數(shù)回歸的分析表2中模型（3）的分位數(shù)回歸可以很好幫助我們了解不同票房分為點(diǎn)解釋變量不同的邊際影響效應(yīng)。根據(jù)上表的參數(shù)估計(jì)結(jié)果，繪制各解釋變量的效應(yīng)變化圖如下所示：圖1-2各因素邊際效應(yīng)曲線票價(jià)和檔期的邊際效應(yīng)總體影響程度都較小，其中票價(jià)僅在0.2的分位點(diǎn)上表現(xiàn)出10%的顯著性。原因可能在于冷門電影有著比較固定的一類特殊的小眾群體，其并不會受票價(jià)高低影響，增加票價(jià)可以較明顯提升票房收入。與熱門檔期重合天數(shù)則均不能對各臨界點(diǎn)票房大小帶來顯著影響，根據(jù)藝恩咨詢的統(tǒng)計(jì)，我國電影放映量在各假期黃金檔分布較其他檔期表現(xiàn)出高密集性，是否是在黃金檔期間上映已不再是公眾觀影抉擇的主要依據(jù)。網(wǎng)絡(luò)口碑對票房的邊際效應(yīng)隨著分位點(diǎn)逐漸緩慢降低。其原因可能在于冷門電影較小成本限制使其容易成為類似于驚悚片為代表的低水準(zhǔn)化，此時(shí)電影質(zhì)量高低進(jìn)而影響到口碑評分大小，在觀眾決策過程中表現(xiàn)出更大的權(quán)重，這種現(xiàn)象證實(shí)了Bakos（1997）的觀點(diǎn)：網(wǎng)絡(luò)口碑的推進(jìn)可以幫助消費(fèi)者找到符合他們偏好的非熱門產(chǎn)品[[][]BakosJY.Reducingbuyersearchcosts:Implicationsforelectronicmarketplaces[J].Managementscience,1997,43(12):1676-1692.技術(shù)效果在0.2-0.6分位點(diǎn)上為邊際效應(yīng)遞增階段，而在0.6-0.8上顯著遞減。票房較低的電影確實(shí)可以通過提升放映技術(shù)提升票房，但對于賣座電影來說，較多均已實(shí)現(xiàn)IMAX或者3D技術(shù)的播放，提升空間有限。想看指數(shù)經(jīng)過對數(shù)化處理之后可以表示對影片票房的彈性大小?？梢钥吹剑?.2-0.6分位點(diǎn)上較為穩(wěn)定且呈現(xiàn)小幅下降態(tài)勢，平均每增加1%，票房顯著增加0.47%左右。到了0.8分位點(diǎn)處，彈性及顯著性出現(xiàn)大幅降低。對于賣座電影而言，其本身上映前通過大規(guī)模宣傳或者其自身的品牌效應(yīng)已經(jīng)聚集了大量的社會關(guān)注度，進(jìn)一步想看的期望對票房彈性已經(jīng)減弱，而對于相對較低票房區(qū)的電影卻是富于彈性，在影片上映前的營銷手段可以明顯提升票房。續(xù)集翻拍的邊際效應(yīng)在0.2-0.4分位點(diǎn)平穩(wěn)之后出現(xiàn)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(yīng)機(jī)制，原先較高票房電影的續(xù)集以及相應(yīng)熱門IP品牌的電影延伸在賣座電影中有著較強(qiáng)的顯著性影響，在冷門電影中這種現(xiàn)象則不明顯。另外，電影的題材分類上來看，除了驚悚片在0.2-0.4分位點(diǎn)有著顯著負(fù)向影響，其余類型都產(chǎn)生較明顯的正向影響，與前文分析的結(jié)論相吻合。2.影響因素的重要性程度分析神經(jīng)網(wǎng)絡(luò)（NeuralNetworks）是目前廣泛運(yùn)用的一種模擬計(jì)算系統(tǒng)，可以通過對歷史數(shù)據(jù)的學(xué)習(xí)進(jìn)行相應(yīng)的非線性特質(zhì)預(yù)測，在市場營銷領(lǐng)域有著很強(qiáng)的應(yīng)用性，而基于神經(jīng)網(wǎng)絡(luò)的自變量敏感性分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（MultilayerPerceptron），其采用前饋結(jié)構(gòu)，使用誤差反向傳播BP算法，將數(shù)據(jù)從一個(gè)方向進(jìn)入通過輸入節(jié)點(diǎn)等最后映射到輸出的數(shù)據(jù)集之上。其拓?fù)浣Y(jié)構(gòu)組成主要包括一個(gè)輸入層、一個(gè)或多個(gè)隱含層、一個(gè)輸出層，同層神經(jīng)元之間沒有連接，相鄰層之間的節(jié)點(diǎn)進(jìn)行兩兩連接，前一層節(jié)點(diǎn)輸出信號逐層進(jìn)入后一層。根據(jù)前文OLS回歸結(jié)果所得到的顯著性自變量共11個(gè)作為神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元，電影票房作為唯一的輸出層神經(jīng)元，按照變量類型分類選取5個(gè)作為協(xié)變量，其余6個(gè)作為因子。隱含層數(shù)的選擇方面，Lippman（1989）指出兩個(gè)隱藏層可以