本文以中國207個地級市為考察對象,通過GIS、空間自相關分析、城市等級分析研究了2019年中國院線電影票房的空間分布格局和地域差異特征及其影響因素。研究發(fā)現(xiàn):1.電影票房景氣度較高的地域主要分布在北京-天津、長三角、珠三角及中西部五大國家中心城市,并呈現(xiàn)出較為明顯的空間相關性,即票房景氣度高的城市相鄰。2.電影票房景氣度還表現(xiàn)為明顯的城市等級分化,四個一線城市具備絕對優(yōu)勢,33個新一線、二線城市占據了半壁江山。3.電影票房景氣度地域差異由影院銀幕數(shù)、上座率、城市經濟水平、消費市場規(guī)模和互聯(lián)網購票觀影普及程度共同作用決定,呈顯著正相關,而城市收入水平對票房的影響并不顯著。 

【文章來源】：當代電影. 2020,(12)北大核心CSSCI

【文章頁數(shù)】：8 頁

【部分圖文】：

19年中國院線電影票房景氣度的地域差異格局分布圖

FILMINDUSTRY電影產業(yè)047高和經濟發(fā)展最活躍的區(qū)域。中西部地區(qū)盡管沒有連片熱點區(qū)，但存在部分點狀熱點區(qū)，分別是鄭州、西安、成都、重慶。這四個城市全部是國家中心城市，在中西部地區(qū)占據最重要的地位。另外，東北地區(qū)的沈陽也是點狀熱點區(qū)。由此可見，我國院線電影票房景氣度的熱點區(qū)與我國經濟發(fā)展的熱點區(qū)在空間上高度匹配。圖2.2019年中國院線電影票房景氣度的熱點區(qū)識別圖（3）全國院線電影票房景氣度的等級性差異中國城市的等級劃分沒有明確標準，如果按三分法劃分，一般來說，北京、上海、廣州、深圳為一線城市；省會和副省級城市為二線城市；其余為三線城市。基于此劃分方法，分別計算一、二、三線城市票房數(shù)值，直觀反映全國院線電影票房的等級性差異。一、二、三線城市的院線電影票房景氣度的統(tǒng)計結果（見表1）表明，一線城市的平均票房（244417.5萬元）是二線城市的5.58倍，是三線城市50.93倍。從票房總量看，僅四個一線城市的票房就達到977670萬元，占全國比重的31.71%；29個二線城市的票房總額比重占全國的41.20%。上述33個一、二線城市的票房總額占全國比重就達到了72.91%，比其余174個三線城市的總額還要高。這表明，我國院線電影市場的重中之重依然是在一二線城市。不同等級城市之間的院線電影市場景氣度的分化非常明顯。表1.全國院線電影票房景氣度分城市等級的統(tǒng)計（二）我國院線電影票房景氣度地域差異的影響因素1.理論基礎與假設城市院線電影票房景氣度的影響因素可從影院基礎設施、影院經營特征、城市基本面、互聯(lián)網購票觀影普及程度四個視角來解釋。從影院基礎設施視角看，影院銀幕數(shù)可代表電影放映的基礎設施水平，城市的銀幕數(shù)越多，電影放映的場次可能越多，票房越高；在影院經營視角?

合叩纈捌狽烤?氣度的地域差異格局分布圖（見圖1）。圖中表明，中國院線電影票房景氣度存在著明顯的地域差異。電影票房景氣度較高的城市分布在東部沿海地區(qū)和長江流域。西部地區(qū)電影票房景氣度普遍較低，東北地區(qū)除了一些核心城市外，票房景氣度也較低。從地域分布格局看，全國電影票房景氣度呈現(xiàn)出較為明顯的空間相關性，即高電影票房景氣度的城市相鄰，低票房景氣度的城市也存在該特征，并且都集聚在特定的城市。因此，可能存在明顯的臨近性空間相互作用（空間相關性），需要進一步采用空間自相關方法進行判斷。圖1.2019年中國院線電影票房景氣度的地域差異格局分布圖（2）全國院線電影票房景氣度的空間相互作用分析及其熱點區(qū)識別采用Moran’sI進行全局空間自相關的分析，結果表明，全局Moran’sI指數(shù)值為0.1729，Z得分為5.8544，P值為0.0000，表明全國院線電影票房景氣度存在著非常顯著的空間自相關。即，某一城市的票房情況除了受當?shù)氐淖陨硪蛩赜绊懲�，還受到臨近城市的影響。在此基礎上，采用局部空間自相關分析方法探索全國院線電影票房景氣度的連片熱點區(qū)（高-高集聚區(qū)）和點狀熱點區(qū)（高-低聚焦區(qū)）。圖2表明，全國院線電影票房景氣度的連片熱點區(qū)集中在京津冀地區(qū)（北京、天津、廊坊）、長三角地區(qū)（包括上海、南京、杭州、蘇州、無錫、常州、南通、寧波、嘉興、紹興、湖州）和珠三角地區(qū)（包括廣州、深圳、東莞、佛山、珠海、惠州），這三個區(qū)域恰恰是我國綜合發(fā)展水平最

【參考文獻】：
期刊論文
[1]中國電影票房影響因素分析[J]. 劉志新.  合作經濟與科技. 2019(17)
[2]基于數(shù)據挖掘的電影票房分析[J]. 席稼瑋.  通訊世界. 2019(03)
[3]一種基于深度學習的電影票房預測模型[J]. 茹玉年,李波,柴劍平,劉劍波.  中國傳媒大學學報(自然科學版). 2019(01)
[4]中國電影票房與銀幕增長關系的實證研究——基于2009—2017年省域面板數(shù)據[J]. 張旭,侯光明.  當代電影. 2019(02)
[5]基于線性回歸算法的電影票房預測研究[J]. 羅干,蔣煜楷,陳文婷,吳鎮(zhèn)州,施運梅,宋瑩.  電腦知識與技術. 2019(01)
[6]電影票房表現(xiàn)的延續(xù)性研究[J]. 戴建華,鄭意凡.  現(xiàn)代傳播(中國傳媒大學學報). 2018(08)
[7]口碑傳播的動態(tài)特征及對電影票房的影響效應[J]. 彭嵐,施莉.  西南民族大學學報(人文社科版). 2018(08)
[8]中國電影票房的影響因素研究——基于2014-2016年間上映的340部電影的調查分析[J]. 鄒霞,謝金文.  中國電影市場. 2018(06)
[9]銀幕數(shù)激增背景下中國電影產業(yè)關系的再平衡[J]. 曹怡平.  電影藝術. 2018(01)
[10]明星效應與中國電影票房的實證研究[J]. 郭新茹,黃舒沁.  現(xiàn)代傳播(中國傳媒大學學報). 2017(12)



本文編號：3252875