网络评论对电影票房的影响研究.docxVIP

?

?

网络评论对电影票房的影响研究

?

?

林丹丹

：F270文献标识：A：1674-1145（2017）12-000-03

摘要近年来我国的电影文化产业赢得了“双丰收”，不论是电影的票房还是在电影的质量上都取得了好成绩。随着网络时代化的到来，人们在观影上趋于理性，通常通过评论及口碑来决策电影消费。对此本文探讨网络评分以豆瓣评分为例，分析其是否与电影票房存在关联性。

关键词网络评论口碑电影票房影响豆瓣

一、引言

当前我国正式已经跨入了互联网经济时代，我国互联网的普及率逐年上升，据CNNIC发布的数据显示，截至2016年年底，我国网民规模达7.31亿，普及率已经达到了53.2%的比例。其中手机网民规模达6.95亿，手机网民占比已经达到95.1%的高比例，增长率连续三年超过10%。互联网技术已经深入融合到金融、文化等产业中。例如时光网、各大团购网站推出的“在线选座”模块以及最富盛名的电影点评网——豆瓣电影，等等都见证者互联网与电影文化产业的融合与发展。

当前我国的电影市场规模不断扩大，国产电影票房记录不断被刷新，前不久的《战狼2》已经成为当前华语电影史上的最高记录，而在豆瓣电影的评分达到7.4分的好成绩。随着信息传播渠道的多样化，越来越多的人们事先通过网络交流的形式来获取信息，从而有选择性的选择电影消费。这不经让人探寻在互联网的时代下，网络评论的高低是否对人们的电影消费行为的决策产生影响，从而影响电影票房的高低。对此本文主要以豆瓣电影网的网络评论为研究对象，实证分析其十分对电影票房存在影响，从而进一步掌握我国电影市场的规律，推动我国电影文化产业的发展具有重要的现实意义。

二、模型假设与模型构建

对于网络评论是否对于电影票房的研究，國内外的学者都进行了较为深刻的探讨。如Eliashberg和Shugan（1997）研究指出，电影评分可以在电影上映初期对消费者的观影决策产生影响，专业电影评分与电影消费者行为之间存在正相关性。Duan（2008）等人研究了电影上映的头两个星期的每日的网络评价与日常票房收入之间成正相关。周明升（2014）将票房作为自变量，分析了用户评分、评论数与票房的关系，实证结果表明网络口碑存在明显的自相关。结合国内外对此的研究现状来看，众多的实证研究都说明网络评论与票房收入之间存在正相关的关系。对此本文在基于前人的研究成果上，提出网络评论与电影票房存在正相关的关系。

本文构建的模型是吸取国外专家YongLiu网络口碑模型的基础上和我国电影市场的实际情况来选取网络评论的数量、网络评分作为自变量，将电影票房作为因变量，同时引入制作因素、电影宣传因素作为调节变量，构建如下的电影网络评价模型，如下图2-1所示。

图2-1电影票房网络评论模型

结合上述的研究，本文提出如下两个假设：

假设一H1：豆瓣电影网的网络评论数量与电影票房存在相关性；

假设二H2：豆瓣电影网的网络评论分数与电影票房存在相关性；

三、数据分析及实证结果

（一）样本的选取及数据来源

本文选取的2016年1月至12月在中国内地上映的票房排名前100的影片为中国内地电影票房的样本。而自变量数据样本则是来源于电影的网络口碑认可度极高的网站——豆瓣网，豆瓣电影网站自身拥有科学的计算方式，排除了无效的数据，并且用户的评价符合统计的准确性。豆瓣网站提供了评论分数以及评论数量，豆瓣电影对于电影网络评论的数据样本提供了可靠的数据来源。

（二）变量的显著性检验

1.自变量的相关性研究。

首先对自变量进行一个描述性统计分析，统计结果如下表1。

表1自变量描述统计量分析表

N极小值极大值均值标准差

评论人数1006693394263135414.2165472.78

影片评分1002.18.36.5141.241

上表中的分析数据是对自变量网络曰碑与因变量电影票房间的描述统计计量分析，在本研究选取的100部影片样本中，评论人数（单位人）的最大值为394263，最小值为6693，其平均值为135414.21。从这些数据我们不难看出，受众对于不同的影片，评论人数的差别比较大。影片评分的最大值为8.3分，最小值仅为2.1分，平均分数为6.514。从中我们看出受众对于不同影片的喜爱和认可程度不同，因此分数相差比较大，就总体的研究样本来看，受众对于影片的评分均值在6.514左右。

表2皮尔森（Pearson）相关分析表

票房评论数量豆瓣评分

票房皮尔森（Pearson）相关1.811*.302**

显著性（双侧）.000.003

评论数量皮尔森（Pearson）相关.811*1.334**

显著性（双侧）.0000.04

豆瓣评分皮尔森（Pearson）相关.302**1

显著性