發(fā)布時間：2021-08-17 13:34

　　近年來,隨著我國電影行業(yè)的飛速發(fā)展,2017年我國電影票房收入已經(jīng)突破559億元。但是,電影投資仍然是一項高風(fēng)險也是高“技術(shù)”的投資游戲。因此,對電影票房影響因素的研究有助于為電影片方的電影投資決策提供依據(jù)。同時伴隨著互聯(lián)網(wǎng)和大數(shù)據(jù)時代的到來,我國電影票房影響因素也隨之發(fā)生了較大的變化。本文通過梳理國內(nèi)外電影票房相關(guān)研究文獻,結(jié)合中國電影市場發(fā)展現(xiàn)狀,找出中國電影票房影響因素并建立指標(biāo)體系,進而通過構(gòu)建隨機森林模型對中國電影票房進行預(yù)測,以期能夠為電影票房研究提供新的研究方法與思路。本文選取2015-2017年票房超過5000萬的國產(chǎn)電影（除動畫片、紀(jì)錄片）,共計170部作為研究對象,通過梳理國內(nèi)外關(guān)于電影票房影響因素相關(guān)文獻,立足中國電影市場發(fā)展?fàn)顩r,從電影制作、營銷、發(fā)行三方面選取25個變量作為中國電影票房影響因素。研究數(shù)據(jù)來源于豆瓣網(wǎng)、中國電影票房網(wǎng)、中國娛樂指數(shù)網(wǎng)等官方網(wǎng)站,采用python爬蟲技術(shù),調(diào)用相關(guān)API,編寫python程序?qū)崿F(xiàn)數(shù)據(jù)的收集。本文首先對國產(chǎn)電影票房各變量的分布狀況做描述統(tǒng)計分析。其次,運用多元線性回歸及隨機森林模型,探索高票房國產(chǎn)電影的影響因素。實證過... 

【文章來源】：天津財經(jīng)大學(xué)天津市

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１?２０１１－２０１７年全國電影票房收入及增長趨勢??

２０１１?年?２０１２年?２０１３年?２０１４年?２０１５年?２０１６年?２０１７年??人次規(guī)模（億人次）?同比增速（％）??圖３．?２?２０１１－２０１７年中國觀影人次及增長趨勢??數(shù)據(jù)來源：中商情報網(wǎng)（ｗｗｗ．?ａｓｋｃｉ．ｃｏｍ）??２．１．２中國電影行業(yè)競爭日益加劇??近年來我國電影行業(yè)呈現(xiàn)出繁榮發(fā)展的態(tài)勢，但是在這繁榮的背景下電影行業(yè)卻是問??題重重。研宄數(shù)據(jù)表明，截止目前（２０１７年１２月１０日），影院票房２０１７年產(chǎn)出在１０００??萬元以下的影院數(shù)量占比達８４％，較２０１６年全年的８１．?４％有所上升，其中５００萬元以下票??房產(chǎn)出的影院數(shù)量占６０％．從運營效率上看，從下圖中可以看出，全國影院運營效率大勢呈??震蕩走低狀態(tài)，其中平均上座率降至１１．１％。??電影的投資是一項具有高風(fēng)險的活動。雖然２０１７年我國電影票房突破５５９億元，但??是在這巨大的數(shù)字背后卻是很少一部分影片可以實現(xiàn)盈利。通過走訪調(diào)查、數(shù)據(jù)整理，得??出的結(jié)果顯示：在２０１７年國產(chǎn)電影ＴＯＰ１００中

２０１１年?２０１２年?２０１３年?２０１４年?２０１５年?２０１６年?２０１７年??■■■影院數(shù)．９．：（家）一？－同比增速（％）??圖３．１?２０１１－２０１７年中國影院數(shù)量及增長趨勢??數(shù)據(jù)來源：中商情報網(wǎng)（ｗｗｗ．ａｓｋｃｉ．ｃｏｍ）??２０－｜?「６０％??１５＿?３５．７８％?５１．６２％?１６．２??３３．９１％?３２．?－１７％?１２，６?７？?－；＾?－?４０％??１０－?８．３１?＿?二綱??．．１．６２?６．?１２?１８．伙？２０％??５?－Ｉ?？＂＞？?４°??－１０％??ｏ－Ｌ＾一＿：—：?＾＿＿＿Ｌ０％??２０１１?年?２０１２年?２０１３年?２０１４年?２０１５年?２０１６年?２０１７年??人次規(guī)模（億人次）?同比增速（％）??圖３．?２?２０１１－２０１７年中國觀影人次及增長趨勢??數(shù)據(jù)來源：中商情報網(wǎng)（ｗｗｗ．?ａｓｋｃｉ．ｃｏｍ）??２．１．２中國電影行業(yè)競爭日益加劇??近年來我國電影行業(yè)呈現(xiàn)出繁榮發(fā)展的態(tài)勢，但是在這繁榮的背景下電影行業(yè)卻是問??題重重。研宄數(shù)據(jù)表明，截止目前（２０１７年１２月１０日），影院票房２０１７年產(chǎn)出在１０００??萬元以下的影院數(shù)量占比達８４％，較２０１６年全年的８１．?４％有所上升，其中５００萬元以下票??房產(chǎn)出的影院數(shù)量占６０％．從運營效率上看，從下圖中可以看出，全國影院運營效率大勢呈??震蕩走低狀態(tài)，其中平均上座率降至１１．１％。??電影的投資是一項具有高風(fēng)險的活動。雖然２０１７年我國電影票房突破５５９億元，但??是在這巨大的數(shù)字背后卻是很少一部分影片可以實現(xiàn)盈利。通過走訪調(diào)查、數(shù)據(jù)整理

【參考文獻】：
期刊論文
[1]基于社交媒體用戶評論和關(guān)注度的電影票房預(yù)測模型[J]. 周明升,韓冬梅.  微型機與應(yīng)用. 2014(18)
[2]基于神經(jīng)網(wǎng)絡(luò)的電影票房預(yù)測建模[J]. 鄭堅,周尚波.  計算機應(yīng)用. 2014(03)
[3]多元線性回歸與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比與運用研究[J]. 張景陽,潘光友.  昆明理工大學(xué)學(xué)報(自然科學(xué)版). 2013(06)
[4]社會化媒體對電影票房的預(yù)測價值研究[J]. 王文文,周澍民.  新聞傳播. 2013(12)
[5]電影票房的影響因素分析——基于Logit模型的研究[J]. 王錚,許敏.  經(jīng)濟問題探索. 2013(11)
[6]中國電影票房影響因素的實證分析[J]. 劉燕燕.  經(jīng)濟與管理戰(zhàn)略研究. 2012(04)
[7]基于回歸分析的中國電影票房影響因素研究[J]. 崔凝凝,唐嘉庚.  江蘇商論. 2012(08)
[8]中國新生代電影大片消費偏好調(diào)查報告[J]. 陽翼,朱筠麗,萬依柳.  現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報). 2012(01)
[9]中國內(nèi)地電影票房的實證研究[J]. 閔亞哲,任翔.  企業(yè)導(dǎo)報. 2010(11)
[10]我國電影生命周期模型及實證分析[J]. 李波,陸鳳彬,趙秀娟,王謙,汪壽陽.  系統(tǒng)工程理論與實踐. 2010(10)

碩士論文
[1]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的電影票房預(yù)測[D]. 張雪.首都經(jīng)濟貿(mào)易大學(xué) 2017
[2]基于隨機森林的電影票房價值評估[D]. 范偉偉.杭州電子科技大學(xué) 2017
[3]電影網(wǎng)站評分與電影票房關(guān)系研究[D]. 王翔.南昌大學(xué) 2016
[4]基于多元線性回歸模型的電影票房預(yù)測系統(tǒng)設(shè)計與實現(xiàn)[D]. 任丹.中山大學(xué) 2015
[5]國產(chǎn)續(xù)集電影研究（2000-2014）[D]. 曲倩倩.蘭州大學(xué) 2015
[6]電影票房預(yù)測研究發(fā)展史簡論[D]. 王雪娟.重慶大學(xué) 2015
[7]基于模糊神經(jīng)網(wǎng)絡(luò)的電影票房預(yù)測建模研究[D]. 谷珊.哈爾濱工程大學(xué) 2015
[8]基于微博數(shù)據(jù)的電影票房預(yù)測模型研究[D]. 楊威.安徽大學(xué) 2014
[9]網(wǎng)絡(luò)口碑對于電影票房的影響研究[D]. 馬艷茹.首都經(jīng)濟貿(mào)易大學(xué) 2014
[10]電影口碑對年輕觀眾消費意愿的影響實證研究[D]. 劉力瑜.湖南大學(xué) 2013



本文編號：3347863