中国大陆地区电影票房影响因素实证研究

何双男

(鞍山师范学院，辽宁 鞍山 114005；实践大学，台湾 台北 10462)

一、引 言

中国电影行业具有广阔的市场前景。2016年，国内电影票房收入达到454.9亿人民币，图1显示2011年至2016年间中国大陆地区电影市场快速发展。在2015年，电影票房增长显著，比2014年增长了48.7%，数据显示，中国电影产业制作电影686部，其中47部电影票房超过1亿元。在2015年度城市居民观看电影人数达到1260万人，较2014年度上涨51.08%(2016年中国新闻出版广电总局发布)。根据美国电影协会(MPAA)发布的2016年全球电影市场数据报告显示：2016年全球银幕数增长8%，总数达到164000块。其中数字银幕数增长17%，巨幕数增长11%。亚太地区仍是全球银幕数增长最快的地区(中国是亚太银幕数增长最快的地区)，2016年增幅达到18%。作为亚太电影市场的核心，截至2016年底，中国内地总银幕数达到41179块，为中国电影行业发展提供了必要的“硬件基础”。

然而，来自中国大陆地区及北美电影市场的数据都显示出2016年中国票房增速放缓，全球票房的发展几乎陷入停滞。

图1 2011—2016年度中国大陆地区电影票房收入

相较于中国大陆地区快速发展的电影市场，本地区对于电影产业的学术研究不足，仅就少数影响票房的变数进行讨论。本文的目的在于进一步发现并确认影响中国大陆市场票房的因素。

二、文献综述

有效预测一部电影是否具有市场潜力和投资价值对投资方和电影产业的健康发展至关重要。目前学者的研究成果显示：明星对票房收入有正向影响(Ravid in J Bus72:463-492,1999)；知名导演会对票房起到关键的作用(John et al.in Working Paper,New York University,2004)；电影评论对电影有重要影响(Basuroy et al.in J Market 67:103-117，2003)；电影的投资策略(Palia et al.in Rev Financ Stud21(2):483-511,2008)也会影响票房收入，等等。然而国内外学者对影响电影票房的重要因素有相当大的分歧。本研究对当前学者提出影响电影票房的变数进行整理，并通过收集分析2012—2016年中国大陆地区电影的票房相关数据来进一步验证、分析影响中国电影票房的因素。

口碑(Word-of-mouth，WOM)或在线口碑(eWOM)是顾客与顾客之间进行的信息传递过程。Beck(1992)发现，与其他信息来源相比口碑具有更高的可信度。Mahajan,Miller,and Kerin(1984)发现，当消费者购买新产品时，口碑的影响尤为重要。很显然，电影具有新产品所具有的类似特征，可以假设电影观众的口碑评价与电影票房存在相关性。

电影银幕作为一种稀缺资源也会对电影票房产生正面的影响。(Prag and Casavant,1994)播放电影的银幕数量决定了满足观影者的选择便利性和可获得性。

三、研究方法

(一)数据收集与描述性统计

论文样本收集了2012—2016年在中国大陆电影市场投放的125部电影，选择的标准是2012—2016年每年票房排名前25部电影的相关数据进行研究。电影票房排名、总票房、银幕数、首日票房、电影类型等数据来源于中国有影响力的电影资讯网站，例如，中国电影数据信息网和艺恩网等(http://www.zgdypw.cn/,http://www.entgroup.cn/)。此外电影产业的管理机构——中国新闻出版广电总局以及豆瓣网(https://movie.douban.com/)也是信息获取重要来源。表1显示了研究主要变数的描述性统计信息。

表1 Descriptive Statistics

续表

①首日票房收入：首映日的票房收入；

②银幕数：放映的总银幕数；

③豆瓣评分：中国最大的非官方电影评论网站豆瓣对电影的评价分数，豆瓣评分从0分到10分，来自观看电影的观众对电影的评价，论文中使用豆瓣评分作为电子口碑参数(eWOM)；

④评分次数：电影在豆瓣评分中被观众评价的次数；

⑤电影类型：不同电影类型。论文中将电影类型整合为6大种类：1=喜剧片，2=卡通片，3=动作片，4=科幻电影(包括魔幻)，5=爱情片，6=故事、灾难、恐怖及战争题材电影；

⑥投资来源：资金来源类型。1代表资金来源于大陆地区，2代表资金来源于包括大陆地区及其他地区的合作者，3代表资金来源于不包括大陆地区的独立或合作投资者。不同的资金来源，代表差异化的电影制作方法和市场推广手段，本文假设投资来源可能会影响到电影的票房收入。

表2 Statistics

1.中国大陆投资；2.包括中国大陆的合作投资；3.不包括中国大陆的投资方式。

1.喜剧；2.卡通；3.动作；4.科幻；5.爱情；6.故事等。

统计显示，2012年到2016年中国大陆电影市场投放电影的年度前25部电影中最大的投资方类型是不包括中国大陆地区投资方，共计59部电影，占到总样本的47.2%。最受欢迎的电影类型是动作片，共计46部电影，占36.8%。

(二)研究模型及假设

为检验票房影响因素对电影市场表现的影响，本研究进行如下的假设：电影上映银幕数、首日票房、豆瓣评分、评分次数、投资来源及电影类型对中国大陆地区电影市场具有影响。故虚无假设为：

H

∶

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=

β

=0。

为检验电影市场成功因素，研究使用下列变数：

依变数：设票房总收入为依变数；

自变数：首日票房、银幕数、豆瓣评分、评分次数、投资来源及电影类型为自变数。对于投资来源和电影类型，引入虚拟变数进行回归分析。

回归方程式：

Y(票房)=

α

+

β

×首日票房+

β

×屏幕数+

β

×豆瓣评分+

β

×评分次数+

β

×投资来源+

β

×投资来源+

β

×投资来源+

β

×电影类型+

β

×电影类型+

β

×电影类型+

β

×电影类型+

β

×电影类型+

β

×电影类型

图2 中国大陆地区电影票房影响因素研究之实证模型

(三)相关性分析及回归分析

表3显示了文中引用的所有变数之间的相关性。首日票房、银幕数、评价次数与总票房正相关。投资来源于电影类型与票房收入显著相关。值得注意的是豆瓣评价与票房之间的关系并不显著。

表3 Correlations Matrix

.Correlation is significant at the 0.01 level(2-tailed).

.Correlation is significant at the 0.05 level(2-tailed).

数据分析结果呈现于表4、表5。调整后的R2=0.851，回归方程式可以很好地解释依变数。表4显示首日票房(.766，P<0.01)、银幕数(.862，P<0.01)以及豆瓣评价次数(.317，P<0.01)与票房收入显著正相关。而投资来源类型1(大陆地区投资)(-.208，P<0.05)和电影类型4(科幻类电影)(-.273，P<0.01)与票房收入显著负相关。此外，豆瓣评分(.0.053，P>0.5)与票房收入在统计上并不显著。统计结果与多数国外文献结果一致，除了豆瓣评分显示线上口碑(eWOM,electronic Word of mouth)对票房影响并不显著。票房高的电影，未必得到较高的豆瓣评分，即观众评价不高；相反，评分高的电影在票房收入上未必成功。值得注意的是豆瓣观众评价次数与电影票房显著正相关，原因可以解读为：观众评价的次数与观赏电影的人数直接相关，这一结果也直接反映在电影的票房上。分析口碑和评价次数与票房的关系(特别是评分低，但观影次数多、票房高的电影)，原因可能在于：市场热度高，观众关注度高，在消费选择中，消费者倾向于选择周围热议中的电影，观看后能够在人际关系中享有共同的话题。这也可以解释为什么豆瓣电影评分低的影片可以取得不俗的电影票房：影迷从众或出于好奇心观看市场关注度高的影片，但依然可能对电影内容、风格等不满而给予差评。这就可以解释部分电影评价不高，但观看次数多的矛盾现象了。

表4 Regression Model Summary

a.Predictors:(Constant),screens

b.Predictors:(Constant),screens,opening

c.Predictors:(Constant),screens,opening,grading-times

d.Predictors:(Constant),screens,opening,grading-times,venture sources

e.Predictors:(Constant),screens,opening,grading-times,venture sources,genre

f.Dependent Variable:box office

表5 Regression Model Coefficients

a.Dependent Variable:box office

根据表5，将回归方程式总结为：

Y(票房)=-9148.097+0.412×首日票房+0.513×银幕数+0.237×评价次数-0.151×投资来源-0.114×电影类型

(四)研究发现

通过对2012至2016年间上映年度票房排行前25名的电影进行统计分析，结果显示：首日票房、银幕数和评价次数与电影票房收入成正相关关系，这一结果与Palia等人的研究结果一致。通过观察回归方程系数可以发现，银幕数的系数为0.513，首日票房系数为0.412，评价次数为0.237。上述三个因子中影响最终票房总收入的最大因素是播放电影银幕数，其次是首日票房和电影评价次数。

这一结论可以作为制定电影推广营销策略的依据，通过占据重要档期的银幕数量锁定消费者观看电影的选择性，同时也削弱了其他影片在市场上的投放机会。首映日在档期的选择具有很强的市场操作技巧，尽可能迎合影片对应的消费者群体，也要尽量回避与同类型电影集中上映，以避免与其他电影争夺相同目标群体而导致的票房损失。

本文的实证结果发现：首映日票房收入对电影票房总收入的正相关影响，院线可以通过首映日票房收入针对未来排片策略进行预测与调整。豆瓣网电影评分与电影票房的无相关性结果反映出：话题传播次数比评价的“好坏”更能影响消费者对观看电影的选择。观众不完全是专业电影欣赏者，对于初次上映的电影缺乏基本判断，电影是一次性消费，不存在看十分钟不满意退票的机制，这也解释了不好看(豆瓣评分低)的电影票房未必差，好看的电影(豆瓣评分高)未必有好票房的口碑与票房倒挂现象。

投资来源共有三种类型，通过虚拟变数带入回归分析发现，只有一种投资来源(中国大陆地区独资)与电影票房呈现显著的负相关，其他两种类型的投资来源与票房收入关系不明显。实证结果显示合作投资对于票房收入是更好的筹集资金形式，原因在于更强大的国际化导演、演员、工作团队和资金背景以及先进的管理和电影制作方式对电影票房的保证。合作投资也会带来更为广泛的市场关注度和话题营销，引起院线的播放热情，愿意投入更多的银幕数量播放电影。

四、结 语

本文尚有较多重要的变数没有进行讨论，例如电影的预算、导演和演员、电影获奖、电影评论等对票房的影响。在中国大陆地区只有少数的制片方会公布其制作成本和投资数据，此外电影演员和导演对票房的号召力也缺乏可靠的信息来源。考虑到这类数据对电影市场表现的影响，未来的研究依然需要尽力获取上述数据以验证上述变数对电影票房的影响。

尽管研究有所缺陷，依然希望能够对制定电影市场策略，降低电影行业不确定因素的风险有所助益。未来的研究将会继续关注其他变数对电影市场表现的影响以及中国大陆不同经济发展区域的电影类型流行趋势和消费行为特征。