中國(guó)電影產(chǎn)業(yè)票房影響因素探究資料文學(xué)藝術(shù)電影、電視藝術(shù)

國(guó)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，是否年上映電影449部，票房到達(dá)438.74億元，其中國(guó)產(chǎn)電影的ofthefilmindustry*[J].TheJourn至到最熱門(mén)的20%國(guó)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，是否年上映電影449部，票房到達(dá)438.74億元，其中國(guó)產(chǎn)電影的ofthefilmindustry*[J].TheJourn至到最熱門(mén)的20%電影，口碑評(píng)分表現(xiàn)出不顯著性，通過(guò)樣本可以自2002年國(guó)家把開(kāi)展文化產(chǎn)業(yè)作為一項(xiàng)國(guó)策以來(lái)，中國(guó)文化產(chǎn)業(yè)的快速成長(zhǎng)在拉動(dòng)國(guó)民經(jīng)濟(jì)開(kāi)展、促進(jìn)文化繁榮、帶動(dòng)社會(huì)進(jìn)步和應(yīng)對(duì)國(guó)際競(jìng)爭(zhēng)等方面發(fā)揮著越來(lái)越重要的作用，對(duì)于全球化文化背景下維護(hù)國(guó)家文化平安和應(yīng)對(duì)國(guó)際文化市場(chǎng)挑戰(zhàn)具有關(guān)鍵性的作用。在中國(guó)的文化產(chǎn)業(yè)構(gòu)造中，影視產(chǎn)業(yè)一直是中堅(jiān)力量，占據(jù)著近半壁江山。回憶近幾年我國(guó)電影增長(zhǎng)態(tài)勢(shì)，并且在2009年實(shí)現(xiàn)華美蛻變，成為在金融危機(jī)中逆勢(shì)上揚(yáng)的典型代表，全年共有11部電影票房過(guò)億。然而在2010年國(guó)產(chǎn)電影不敵國(guó)外大片，上映比例走到低谷。到了2012年，國(guó)產(chǎn)電影開(kāi)部，票房到達(dá)438.74億元，其中國(guó)產(chǎn)電影的票房占到總額的62%，平均每部國(guó)產(chǎn)片的票房到達(dá)8138.6萬(wàn)元。中國(guó)逐漸由電影大國(guó)向電影強(qiáng)國(guó)轉(zhuǎn)變。作為電影產(chǎn)業(yè)鏈的最后一環(huán)，院線(xiàn)上映是衡量影片投資標(biāo)準(zhǔn)。雖然在好萊塢等電影產(chǎn)業(yè)興旺地區(qū)，票房收入只占電影總體收入一局部，銀幕上的突出成績(jī)并一定代表電影自身的成功[1]，但對(duì)于中國(guó)這一還在開(kāi)展中的電影產(chǎn)業(yè)而言，影片的票房成績(jī)?nèi)匀皇亲钪匾囊蛩亍：推狈恐g關(guān)系的探討，第二類(lèi)對(duì)電影票房的預(yù)測(cè)，第三類(lèi)那么是影響因素的分析。西方相比擬我國(guó)實(shí)證模型進(jìn)展分析。具體來(lái)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(chǎn)生負(fù)向影響[2]。在這之后，局部西方學(xué)者繼續(xù)按照Litman的研究模型進(jìn)展相應(yīng)改良延續(xù)其的研究思路，還有一局部學(xué)者那么開(kāi)場(chǎng)對(duì)電影票房具體影響因素進(jìn)展分類(lèi)研究。主要集中在明星影響力以及口碑等方面，〔1999〕通過(guò)對(duì)測(cè)試者發(fā)現(xiàn)觀(guān)眾對(duì)知名演員出演的電影有著很強(qiáng)的好感，電影評(píng)論家也會(huì)因此減輕對(duì)定性案例分析上面。直到2009年我國(guó)逐漸開(kāi)場(chǎng)進(jìn)展定量實(shí)證研究，其中比擬具有代表性的有汪旭輝和王軍〔2015〕通過(guò)分析網(wǎng)絡(luò)口碑對(duì)票房?jī)?nèi)在機(jī)制，結(jié)果說(shuō)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〕那么發(fā)現(xiàn)前作電影票房和口碑都可以產(chǎn)生品牌溢出效搜索引擎過(guò)去一段時(shí)間搜索量實(shí)現(xiàn)起來(lái)較為困難，本文那么出于數(shù)據(jù)索數(shù)據(jù)作為度量[10]，王煉〔2014〕等通過(guò)利用數(shù)據(jù)抓取軟性。而由Koenker和搜索引擎過(guò)去一段時(shí)間搜索量實(shí)現(xiàn)起來(lái)較為困難，本文那么出于數(shù)據(jù)索數(shù)據(jù)作為度量[10]，王煉〔2014〕等通過(guò)利用數(shù)據(jù)抓取軟性。而由Koenker和Bassett〔1978〕所提出的分牌知名導(dǎo)演在獲獎(jiǎng)及提名數(shù)量上具有絕對(duì)的優(yōu)勢(shì)，多年的執(zhí)導(dǎo)經(jīng)歷可得出盜版和劇情類(lèi)電影有負(fù)面影響，并通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)展預(yù)測(cè)發(fā)現(xiàn)誤差相比多元回歸較小。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)展影響因素的選擇，并未結(jié)合中〔一〕研究變量選取票房數(shù)據(jù)通過(guò)藝恩網(wǎng)①查詢(xún)得到。解釋變量具體可分為如下幾類(lèi)：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)作陣容中名數(shù)量并結(jié)合2015年明星微博粉絲數(shù)排名綜合衡量④，同樣劃分為1-5五個(gè)等級(jí)。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(zhēng)論，同樣，一些例如馮小剛的知名導(dǎo)演也曾在兩會(huì)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(duì)不同客戶(hù)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(chēng)之為“價(jià)格歧3.網(wǎng)絡(luò)口碑〔WOM〕影響公眾的感知并進(jìn)一步對(duì)公眾的觀(guān)影決策行為產(chǎn)生作用，有著重要的地位[9]。因此，本文通過(guò)對(duì)每一部電影時(shí)光網(wǎng)及豆瓣網(wǎng)基于總分值為10分的口碑評(píng)價(jià)得分取其平均值作為研究變量。中共有11個(gè)輸入神經(jīng)元屬于高維輸入，因此最終確定第一隱含層6J].JournalofMarketingResearch,銷(xiāo)熱度〔Want〕電影在上映前的營(yíng)銷(xiāo)手段也是十分重要的一環(huán)，平均票房度量中共有11個(gè)輸入神經(jīng)元屬于高維輸入，因此最終確定第一隱含層6J].JournalofMarketingResearch,銷(xiāo)熱度〔Want〕電影在上映前的營(yíng)銷(xiāo)手段也是十分重要的一環(huán)，平均票房度量[7]，還有的直接使用?好萊塢報(bào)道?中的導(dǎo)演指數(shù)IMAX〔巨形超大銀幕〕、3D〔立體〕及三者兩兩結(jié)合的類(lèi)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。一種媒介而產(chǎn)生一種極大的關(guān)注度，是一種珍貴的無(wú)形資產(chǎn)。在電影領(lǐng)域中IP主要可以分為暢銷(xiāo)小電影時(shí)用1表示，反之為0，是否是翻拍改編等信息通過(guò)百度百科查詢(xún)所得。檔期是一部電影從上映到最后下映的時(shí)間間隔，過(guò)往研究說(shuō)明檔期作為一種時(shí)間縱向市場(chǎng)也往往電影最熱門(mén)的檔期可以劃分為暑期檔、國(guó)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(gè)月時(shí)間與上述檔期重合天數(shù)作為檔期的研究變量。電影在上映前的營(yíng)銷(xiāo)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(huà)〔2012〕利用公眾對(duì)電影的谷歌趨勢(shì)的搜索數(shù)據(jù)作為度量[10]，王煉〔2014〕等通過(guò)利用數(shù)據(jù)抓取軟件對(duì)電影上映前后百度搜索引擎數(shù)據(jù)構(gòu)建搜索指標(biāo)[11]。由于對(duì)搜索引擎過(guò)去一段時(shí)間搜索量實(shí)現(xiàn)起來(lái)較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。國(guó)電影開(kāi)展還不是十分成熟，相比擬西方好萊塢類(lèi)似于互聯(lián)網(wǎng)電影資料庫(kù)〔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(guān)電影類(lèi)型均通過(guò)時(shí)光網(wǎng)、豆瓣網(wǎng)以及貓眼網(wǎng)等查詢(xún)⑥所得。〔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)、傳統(tǒng)的線(xiàn)性回歸一般都采用上述OLS來(lái)估計(jì)參數(shù)，其刻畫(huà)的是因變量的條件均值的邊際效益或經(jīng)過(guò)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、研究因素。二、文獻(xiàn)綜述關(guān)于電影票房的研究方面，國(guó)內(nèi)外可以分為三類(lèi)ninterrelationshipapproach[J].，繼續(xù)以過(guò)往例如獎(jiǎng)項(xiàng)數(shù)量等方法難免有失偏頗，所以本文根據(jù)獎(jiǎng)項(xiàng)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、研究因素。二、文獻(xiàn)綜述關(guān)于電影票房的研究方面，國(guó)內(nèi)外可以分為三類(lèi)ninterrelationshipapproach[J].，繼續(xù)以過(guò)往例如獎(jiǎng)項(xiàng)數(shù)量等方法難免有失偏頗，所以本文根據(jù)獎(jiǎng)項(xiàng)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(duì)因變量可能存在的不同回歸系數(shù)估計(jì)量?！?〕假設(shè)由n個(gè)解釋變量組成的矩陣X線(xiàn)性表示y的條件分位數(shù)，根本模型為：〔3〕〔4〕本文由此設(shè)定如下分位數(shù)回歸模型：效應(yīng)進(jìn)展考察。導(dǎo)演作為我國(guó)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X疇的無(wú)可撼動(dòng)的職能和權(quán)力[13]。我國(guó)目前經(jīng)過(guò)統(tǒng)計(jì)進(jìn)入五億元票房俱樂(lè)部的導(dǎo)演總數(shù)為18位，其中既包括例如馮小剛、X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(chéng)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(duì)的優(yōu)勢(shì)，多年的執(zhí)導(dǎo)經(jīng)歷可以為影片的質(zhì)量提供較為有力的保障；而新銳跨界導(dǎo)演那么更多是通過(guò)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(mǎn)足默認(rèn)的獨(dú)立成品是否履行信號(hào)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(hào)[14]。明星對(duì)票房影片也主要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(hào)召力通過(guò)提高消費(fèi)者對(duì)影片的認(rèn)知以及承受程度，可以較大程度降低影片投資風(fēng)險(xiǎn)[15]，在一些大制作的影片中，一線(xiàn)明星已然成為高票房保障的必備。網(wǎng)絡(luò)口碑總體在5%水平上顯著正向影響票房上下。以豆瓣、時(shí)光電影評(píng)分為代表的網(wǎng)絡(luò)口碑成費(fèi)者很難在觀(guān)看前甄別其質(zhì)量水平[16]，此時(shí)往往會(huì)通過(guò)向?qū)I(yè)的口碑尋求真實(shí)觀(guān)眾評(píng)價(jià)信息來(lái)降低這種感知風(fēng)險(xiǎn)，評(píng)分的上下總體上能夠顯著影響觀(guān)眾的觀(guān)影決策進(jìn)而再影響至票房。技術(shù)效果通過(guò)5%的顯著性水平檢驗(yàn)產(chǎn)生較大的正向影響。我國(guó)自2010年引入IMAX巨幕電影技電影在中國(guó)市場(chǎng)引發(fā)空前的觀(guān)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(guān)眾由單純觀(guān)看電影向票價(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。這說(shuō)明消費(fèi)者互聯(lián)網(wǎng)搜索量以及對(duì)應(yīng)片方在影片網(wǎng)的普及，制片方通過(guò)在微博和發(fā)布會(huì)上制造相關(guān)熱門(mén)話(huà)題進(jìn)展推廣及公眾討論可以一定程度上消除ureboxofficeandprofitability:a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extensionsofexperientialgoods:ureboxofficeandprofitability:a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extensionsofexperientialgoods:受眾進(jìn)展全視角、立體式的宣傳覆蓋[17]，吸引其走進(jìn)電影院實(shí)現(xiàn)這種被“吊胃口〞式的預(yù)期釋放。續(xù)集翻拍等IP相比擬沒(méi)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(guò)往研究說(shuō)效應(yīng)與“外部性〞這一概念相類(lèi)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(huì)對(duì)外部另一局部人的利益產(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)主體所獲得或者承當(dāng)?shù)模且环N附帶影響從而推動(dòng)其他方面的開(kāi)展[18]。學(xué)術(shù)界通常用品牌延伸理論及信號(hào)理論對(duì)其從而對(duì)子產(chǎn)品擁有相似感知性進(jìn)而發(fā)生態(tài)度和印象轉(zhuǎn)移到子產(chǎn)品電影之上，這與Sood,Dreze〔2006〕等人觀(guān)點(diǎn)相類(lèi)似[20]。從信號(hào)理論上看，續(xù)集翻拍電影有著IP等更多的信號(hào)可以供觀(guān)眾進(jìn)展判斷，從而減少影片內(nèi)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(wǎng)等影評(píng)信號(hào)，但多數(shù)觀(guān)眾為了防止被劇透不會(huì)仔細(xì)閱讀具體內(nèi)容，因此原有的IP等仍然是最重要確實(shí)定性信號(hào)源。的問(wèn)題，雖然經(jīng)過(guò)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(jiàn)，本文仍對(duì)上述變題材對(duì)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(guò)上表來(lái)看，喜劇可以說(shuō)是我國(guó)電影數(shù)量最多的一種題材類(lèi)型，占到了全樣本中接近45%的比例。在中國(guó)傳統(tǒng)文化中，“美好一直是一種自我追求和精神寄托，喜劇片那么承載了這方面較多的元素，其次大多數(shù)喜劇都是在賀歲檔的喜劇例如?夏洛特?zé)?等總能以小博大較易取得不錯(cuò)票房成績(jī)。與此相反，我們也可以看到驚悚片粗制濫造的質(zhì)量水平自然難以吸引觀(guān)眾群體。表2交互項(xiàng)均分別在5%和1%顯著，這意味著動(dòng)作片能夠顯著加強(qiáng)技術(shù)效果對(duì)影片票房的影響。影響力的情況來(lái)看，究其原因，可能在于動(dòng)作片較為豐富吸引人眼球的動(dòng)作激斗場(chǎng)景可以通過(guò)IMAX和3D技術(shù)來(lái)使得其效應(yīng)得以擴(kuò)大，觀(guān)眾們會(huì)更加傾向于這種更為強(qiáng)烈的視覺(jué)沖擊而去選擇觀(guān)看。IP片的主要IP為一些著名作家相應(yīng)的暢銷(xiāo)小說(shuō)或者如今開(kāi)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)的群體中受歡送程度較高，例如郭敬明的?小時(shí)代?、近期爆紅的顧漫的網(wǎng)絡(luò)小說(shuō)?用經(jīng)歷的消費(fèi)者會(huì)對(duì)原品牌有著特殊印象態(tài)度[22]，這種態(tài)度也擴(kuò)散到了改編的電影等延伸作品中。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通常所定義的溢出效應(yīng)與“外部性〞這一概念相類(lèi)似，其指一個(gè)經(jīng)濟(jì)大牌知名導(dǎo)演，也包括一些跨界例如董成鵬、陳思誠(chéng)等新銳導(dǎo)演，大對(duì)-.wordzl..--.受眾進(jìn)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(yīng)與“外部性〞這一概念相類(lèi)似，其指一個(gè)經(jīng)濟(jì)大牌知名導(dǎo)演，也包括一些跨界例如董成鵬、陳思誠(chéng)等新銳導(dǎo)演，大對(duì)-.wordzl..--.受眾進(jìn)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(guān)影抉擇的主要依據(jù)。網(wǎng)絡(luò)口碑對(duì)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(mén)電影較小本錢(qián)限制使從受眾心理機(jī)制方面提出動(dòng)態(tài)模型，認(rèn)為當(dāng)今電影市場(chǎng)以還沒(méi)有掌握評(píng)判電影主流話(huà)語(yǔ)權(quán)的年輕人作為主要受眾群體，其缺乏對(duì)電影辨識(shí)度。因此對(duì)于他們而言，口碑重點(diǎn)在于是否極端能否引起規(guī)模性的輿論爭(zhēng)議，從而引發(fā)其特有的獵奇心理帶動(dòng)票房增長(zhǎng)。提升空間有限。為穩(wěn)定且呈現(xiàn)小幅下降態(tài)勢(shì)，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(duì)于賣(mài)座電影而言，其本身上映前通過(guò)大規(guī)模宣傳或者其自身的品牌效應(yīng)已經(jīng)是富于彈性，在影片上映前的營(yíng)銷(xiāo)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(mén)IP品牌的電影延伸在賣(mài)座電影中有著析可以衡量的其重要性程度即輸入變量對(duì)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(gè)輸出層，同層神經(jīng)元之間沒(méi)有連接，相鄰層之間的節(jié)點(diǎn)進(jìn)展兩兩連接，前一層節(jié)點(diǎn)輸出信號(hào)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(lèi)型分類(lèi)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)隱藏層可以足夠表達(dá)任何的輸出函數(shù)，且第二隱藏層的節(jié)點(diǎn)數(shù)應(yīng)為輸出層的2倍，高維輸入時(shí)第一隱藏層最正確數(shù)量為第二層的三倍。由于本文中共有11個(gè)輸入神經(jīng)元屬于高維輸入，因此最終確定第一隱含層6個(gè)神經(jīng)元，第二隱含層2個(gè)神經(jīng)元。為了更準(zhǔn)確進(jìn)展通過(guò)BP不斷調(diào)整網(wǎng)絡(luò)連接的權(quán)值提高準(zhǔn)確率，降低誤差平方和以到達(dá)輸出期望值X圍內(nèi)終止學(xué)習(xí)。和導(dǎo)演影響力存在著“擠出效應(yīng)[6]。聶鴻迪〔2015〕那么通因此，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費(fèi)的群體中受歡送程度較高，例如郭敬明的?小時(shí)代和導(dǎo)演影響力存在著“擠出效應(yīng)[6]。聶鴻迪〔2015〕那么通因此，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費(fèi)的群體中受歡送程度較高，例如郭敬明的?小時(shí)代?、近期爆紅的得屢次獎(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，二是常被用作神經(jīng)網(wǎng)絡(luò)的閾值函數(shù)，具體表達(dá)式為：由于是是0-1值域內(nèi)函數(shù)，所以需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)展歸一化處理。最終結(jié)果顯示模型匯總得到訓(xùn)練的平方誤差和為0.481，預(yù)測(cè)值的散點(diǎn)圖近似為一條直線(xiàn)，殘差散點(diǎn)圖較均勻的分布在0軸兩側(cè)，總體來(lái)看，模型的擬合效果較好。直接觀(guān)察自變量的重要性數(shù)值大小及標(biāo)準(zhǔn)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(biāo)準(zhǔn)化參數(shù)估計(jì)值進(jìn)展比擬，結(jié)果見(jiàn)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(diǎn)上，二者均出現(xiàn)了邊際效應(yīng)大幅遞減以及不顯著“擠出效應(yīng)。近日，央視新聞?lì)l道更是在“演員天價(jià)片酬〞專(zhuān)題中指出國(guó)內(nèi)大牌明星片酬拿走50%以上制作費(fèi)用，會(huì)為影視制作的其他環(huán)節(jié)帶來(lái)巨大風(fēng)險(xiǎn)壓力，這與美韓等影視強(qiáng)國(guó)演員片酬僅占10%-30%形成