電影業中介人行為對文化產業績效的影響

摘要：運用lisrel8.7軟件，構建電影績效影響結構方程全模型，分析了電影業中介人行為對電影產業績效的影響程度，并得出結論：電影票房受院線等級、放映日屏幕數量和競爭條件的影響程度高，受放映日是否為黃金檔期的影響程度低。因此，電影業中介人可以通過選擇院線等級、調整放映日屏幕數量和電影放映的競爭條件等來決定電影的市場績效。

關鍵詞：電影業中介人；市場績效；結構方程全模型

中圖分類號：G124文獻標識碼：A

文化產品不像其他產品，其質量和效用價值具有不可測性。文化產品屬于體驗產品，只有消費者真正參與了消費之后，消費者才知道特定的文化產品的好與壞，而且關于所消費的文化產品的評價會受個體偏好的影響。在這個過程中，消費者必須依賴中間商所提供的信息去選擇最適合他們的文化產品。所以文化產業需要各種類型的個人或廣泛的組織專門從事定義、評估和過濾這些產品的非效用特征，像評論家、博物館、唱片騎師、編輯等都是文化產品中間商的典型代表，他們在改變和維持文化產品生產和消費的模式中發揮著重要的作用，這部分人就是文化產品的交換主體[1]。他們決定哪一個文化產品進入市場，進入市場的文化產品的規模，并影響著文化產品市場的競爭條件。電影是重要的文化產品，電影業是重要的文化產業，需要大量的電影產品的交換主體才能進行電影產品的傳播。電影產品的傳播最直觀的表現是電影產品傳播范圍，電影產品的傳播范圍是電影市場中影響電影績效最關鍵的一環。

在電影市場里，各院線作為電影產品的直接分配者，決定了電影上映的時間和電影市場的關鍵競爭者，因為作為同一時期放映的電影才能夠產生競爭條件[2]。各院線電影產品的分配需要大量的中間商參與，而每一個中間商都有自己的分配策略，這些中間商總體決定了電影產品在整個市場上的分配特征和競爭模式。這些中間商就是電影產業的關鍵中介人，對電影產品的傳播起到了重要的作用。這些中間商的行為最終通過電影播放情況反映出來，而電影產品又直接關系到電影的產品績效，因此電影的放映情況成為連接電影業中介人影響電影業績效的橋梁，這個橋梁主要通過電影發行方搭建，也就是說，電影業績效受到電影發行方這一中介人的重要影響。

本文以2009-2011年為時間段進行研究，分析了國內各電影院線的電影放映情況，借此來考察電影業中介人是如何通過市場行為來影響電影績效的。

一、電影產業中介人行為對電影產業績效影響之假設

假設1：國內電影票房與放映日屏幕數量正相關。

電影產業的收入來源主要有國內電影票房、電視臺、網絡播出媒體、光盤銷售、內容使用授權、廣告和出口等。在諸多收入來源中，國內電影票房占據特別重要的地位，票房收入在很多國家成為衡量電影發展狀況的重要指標[3]。

各電影院線和影院擁有的屏幕數量不同，當放映周內承擔多部電影放映時，對屏幕數量的分配計劃會直接影響實際觀看電影的人數，從而影響電影的票房。筆者認為，電影放映日屏幕數量越多，理論上意味著有更多的實際觀看者（不存在電影口碑不好、影響力差等負面條件）。但是在選取樣本數據的過程中，在考察放映日的屏幕數量時，此部分數據均來自電影院線內部數據，但部分數據由于獲取十分困難，因此缺失。

假設2：國內電影票房與院線等級正相關。

筆者認為電影放映和發行選擇的院線等級越高，則越賣座。例如，2009年前10名電影院線發行情況即可說明問題，見表1。

假設3：國內電影票房和電影放映時間是否為黃金檔期正相關。

通常情況下，電影如果選擇在暑期強檔或節假日播放會比選擇在平時播放賺取更多的票房收入，按照中國法定節假日和傳統節日的安排，這里把電影放映的時間進行分類，選擇在暑期或寒假放映為5，國家法定節假日為4，其他傳統及外來流行節日，如圣誕節、情人節等為3，平時靠近年底為2，平時其他時間為1。我們將153個被測樣本2009-2011年間票房排名前10名的影片放映時間列表如下，見表2①。

從表2中可以看出，2009年前10名影片選擇在年底放映的比較多，2010年前10名影片選擇在暑期強檔放映的比較多，2011年前10名影片在暑期和年底放映的選擇上實力比較均衡。

再來看看樣本中所有電影上映檔期的情況，見表3。

表3數據顯示，樣本數據中有32部電影選擇在暑期上映，占整個樣本的比例為21%。選擇在暑期上映的電影中有15部票房超過1億元，意味著樣本內47%的暑期上映的電影票房過億。25部電影選擇在法定節假日放映，占整個樣本的比例為16%，其中16部電影票房過億，占法定節假日電影放映總量的64%。其他傳統及外來流行節日發行電影14部，占整個樣本的比例為9%，其中12部票房過億，占這一時間段電影放映總量的86%。平時電影發行量共為82部，占整個樣本的比例為54%，其中平時靠近年底發行的電影15部，占整個樣本的比例為10%，當中9部票房過億，占年底電影發行總量的60%。平時其他時間票房過億的電影共28部，占該時間段內電影發行總量的42%。通過數據分析，電影的發行放映時間選擇在黃金檔期會得到更高的票房收益。

假設4：國內電影票房和同一檔期的影片數量負相關。

一般情況下，一部電影的上映時，同一檔期的影片數量越多，其所面臨的競爭越激烈，因此會導致票房業績不理想。一般電影的放映時間大約為1個月左右，通過對各個影院進行走訪發現，提前和推后1個星期內放映的影片均會對正在放映的電影產生強勢的影響，因此在考察電影的競爭對手的數量時，我們選擇其放映時間的前后7天共15天內放映的電影數量進行計算。本文樣本選取2009年國內票房排名前53位的電影，2010年和2011年國內票房排名前50位的電影。我們發現了一個有趣的現象：2009年選擇在8月份或12月份上映的電影面臨的競爭對手的數量比較多；2010年選擇在2月份和6月份上映的電影面臨的競爭對手數量最多；2011年選擇在1月份、9月份和11月份上映的電影面臨的競爭對手數量最多。其競爭對手的數量可劃分為5個維度，1代表同一檔期內的競爭對手的數量小于或等于1，2代表同一檔期的競爭對手的數量等于2，3代表同一檔期的競爭對手的數量等于3，4代表同一檔期的競爭對手的數量等于4，5代表同一檔期的競爭對手的數量大于或等于5。

假設5：某一院線電影票房和同一檔期的其他院線電影知名度負相關。

筆者認為，同一檔期的其他電影的知名度越高，越會對被測院線電影的票房產生負面影響，這一指標用同一檔期內其他電影的實際發生的票房排名在被測院線電影前面的電影數量進行度量。1代表前面沒有競爭者，2代表排名在其前面的競爭者數量為1，3代表排名在其前面的競爭者數量為2，4代表排名在其前面的競爭者的數量為3，5代表排名在其前面的競爭者的數量大于或等于4。

二、電影產業中介人行為對電影產業績效影響模型的構建及驗算

（一）提取因子主成分

使用SPSS19.0提取主成分因子，見表4。

旋轉法是具有 Kaiser 標準化的正交旋轉法；a. 旋轉在 3 次迭代后收斂。

通過分析提取了2個主成分因子，其中變量4和變量5（由假設4和假設5得出）屬于提取的第一個主成分，其權重系數分別為0.857和0.904。變量1、變量2和變量3（由假設1、假設2 和假設3得出）屬于提取的第二個主成分，其權重系數分別為0.737、0.452和0.648。因此，用潛變量基礎要素代表變量1、變量2和變量3，用潛變量競爭要素代表變量4 和變量5，用潛變量電影績效代表電影票房，我們通過lisrel8.70軟件估計結果，構建了電影績效影響結構方程全模型路徑及其路徑關系圖，見圖1。

（二）模型擬合結果

利用lisrel8.70軟件，模型整體計算得出擬合結果，見表5。

總體上看，除PNFI和PGFI略有不理想之外，其他數據均在理想范圍內，綜合評價各指標可知，該模型擬合度是可以接受。

三、結論

通過分析電影發行商行為對電影績效影響的結構方程全模型路徑圖，并對前文提出的5個假設進行檢驗，可以發現：基礎要素總體上對電影績效的影響為正，路徑系數為0.66，這一結果印證了之前的原假設。同時，可以看到院線等級與基礎要素潛變量的路徑系數為0.99，說明基礎要素中對電影績效影響最大的是院線等級；其次是屏幕數量，屏幕數量與基礎要素的路徑系數為0.68；最次是黃金檔選擇，黃金檔選擇與基礎要素的路徑系數為0.05。說明黃金檔的選擇對電影績效的促進作用并不明顯，也說明電影是否選擇在暑期、節假日等時間放映對電影票房的影響不大。這一結果至少說明了一部電影即使沒有選擇在暑期強檔、節假日放映，但仍然可以通過電影產品本身的質量（如好的導演、知名的演員、編劇、燈光設計等）和電影公映前期的宣傳而贏得好的票房。電影績效主要來自于發行商的屏幕數量和發行商本身的等級選擇所帶來的影響。電影放映時選擇的屏幕數量越多，意味著電影越有好的票房，選擇發行、放映電影的院線等級越高，電影票房越理想。競爭要素總體上對電影績效的影響為負，接受原假設，競爭要素與電影績效的路徑系數為-0.45。因此，發行商選擇同一檔期的競爭者數量越多，競爭者知名度越高，其分得的電影票房越少。進一步分析可以看到，競爭者數量與競爭要素的路徑系數為0.80，競爭者知名度與競爭要素的路徑系數為0.33，說明競爭要素中，對電影市場績效影響最大的是電影上映的競爭者數量選擇，其次才是同期上映其他電影的知名度。

綜上所述，電影發行商可以通過調整電影放映的時間、屏幕數量和同一檔期電影的數量，以及同一檔期電影知名度相互之間的搭配來實現最佳的票房績效。同時，一部電影生產出來以后，通常是由幾個院線共同發行，院線之間的合作博弈也會影響各院線的分賬情況以及電影的整體票房情況。

注釋：

①表中的數據系根據國家廣電總局發布的數據以及各年份文化產業藍皮書上的有關數據整理計算而得出的。

[參考文獻]

[1]夏妮亞，蒲勇健.基于多國面板數據的電影產業經濟特征分析與國內電影票房影響因素研究[J].經濟問題探索，2012（6）：137-138.

[2]閔亞哲，任翔.中國內地電影票房的實證研究[J].理論視野，2010，11：256-257.

[3]Evgeny Antipov，Elena Pokryshevskaya.Accounting for latent classes in movie box office modeling[J].Journal of Targeting， Measurement and Analysis for Marketing，2011，19：3-10.

（責任編輯王婷婷）