中国电影产业票房影响因素探究!.doc

一、引言 自2002年国家把发展文化产业作为一项国策以来，中国文化产业的快速成长在拉动国民经济发展、促进文化繁荣、带动社会进步和应对国际竞争等方面发挥着越来越重要的作用，对于全球化文化背景下维护国家文化安全和应对国际文化市场挑战具有关键性的作用。 在中国的文化产业结构中，影视产业一直是中坚力量，占据着近半壁江山。回顾近几年我国电影产业发展历程，可发现国产电影一直在保持着螺旋式上升的趋势。我国电影产业已经连续十几年保持增长态势，并且在2009年实现华丽蜕变，成为在金融危机中逆势上扬的典型代表，全年共有11部电影票房过亿。然而在2010年国产电影不敌国外大片，上映比例走到低谷。到了2012年，国产电影发展迎来转折点，并以此为分界，国产片产出量从稳步增长变为减量减速，从数量竞争正式开始进入票房竞争阶段。到了2015年，在消费的带动下，中国电影产业规模达到了1000亿元，全年上映电影449部，票房达到438.74亿元，其中国产电影的票房占到总额的62%，平均每部国产片的票房达到8138.6万元。中国逐渐由电影大国向电影强国转变。作为电影产业链的最后一环，院线上映是衡量影片投资与回报的基本因素电影由于其较大的商业性质，票房总收入是衡量一部电影是否成功最直观的度量标准。虽然在好莱坞等电影产业发达地区，票房收入只占电影总体收入一部分，银幕上的突出成绩并一定代表电影自身的成功[]，但对于中国这一还在发展中的电影产业而言，影片的票房成绩仍然是最重要的因素二、文献综述 []。 在这之后，部分西方学者继续按照Litman的研究模型进行相应改进延续其的研究思路，还有一部分学者则开始对电影票房具体影响因素进行分类研究。主要集中在明星影响力以及口碑等方面，研究结论也有着一定分歧，其中Ravid(1999)发现明星影响力对票房并没有显著作用[]，而Levin和Heath（1999）通过对测试者发现观众对知名演员出演的电影有着很强的好感，电影评论家也会因此减轻对其批评[]。Elberse（2007）则用超过1200组明星阵容在好莱坞股票交易市场模拟与票房的关系发现能够显著增加票房收入[]。06年之后随着Twitter等社交网络的崛起，对于网络口碑的研究开始增多，McKenzie(2009)发现口碑的效价会显著影响数量并进一步对票房产生显著作用。Henning（2014）等人进行了Twitter效应的测试，得到用户的口碑评价会对其他潜在观众的接受度产生负面偏向。 我国学者方面，对电影票房的研究起步较晚，前些阶段主要是从艺术理论角度对单独某部电影的定性案例分析上面。直到2009年我国逐渐开始进行定量实证研究，其中比较具有代表性的有汪旭辉和王军（2015）通过分析网络口碑对票房内在机制，结果表明网络口碑数量显著正向影响首周票房，效价存在显著负向影响。侯勇和王铁男（2014）则发现前作电影票房和口碑都可以产生品牌溢出效应影响续作。王铮（2013）通过设立不同临界值进行logistic回归表明票价、续集、明星和导演有着显著影响，并且发现明星和导演影响力存在着“挤出效应”[]。聂鸿迪（2015）则通过OLS回归分析得出盗版和剧情类电影有负面影响，并通过神经网络进行预测发现误差相比多元回归较小。 综合来看，目前国内的研究较多还是停留在定性分析以及对某一单方面因素的分析，而多方面的影响因素探讨的文献数量较少，并且大多为基于传统Litman模型进行影响因素的选择，并未结合中国特有市场环境进行考虑。另一方面，较多仍然采用普通OLS回归分析法，但正如王铮（2013）所述，可能会存在偏态性会使得结果不稳健，然而logit模型虽然消除了极值偏态影响，但是容易使得信息利用量减少。 三、研究设计 （一）研究变量选取 本文中我们随机选取2015-2016年共0部国产电影，将票房数据作为被解释变量单位为万元票房数据通过艺恩网查询得到解释变量具体可分为如下几类 1. 主创阵容 主创阵容具体可分为编剧、制片人、导演以及演员，由于我国较西方制度间的差异，创作中心基本以导演为主，而编剧制片人等身居幕后往往不为人所熟知。因此本文重点选取导演作为创作阵容中的研究变量。国内外关于导演影响力度量方式不尽相同，如Litman和 Kohl（1989）将导演四年间的执导影片是否获得奥斯卡奖或提名作为虚拟变量衡量，Hennig-Thruau等（2006）以执导的最近三部影片的平均票房度量[]，还有的直接使用《好莱坞报道》中的导演指数。本文在参考前些基础之上，根据导演所获五大华语奖项及提名数量并结合时光网上导演受欢迎度评分，从低到高划分1-5五个等级，并且考虑到目前一小部分的新锐跨界导演原有的粉丝基础进行相应调整。主演的明星方面，国外学者通常使用《综艺》以及《好莱坞报道》中