知識產權改編對電影的影響

胡之光

一、引言

2014年以來，“IP電影”逐漸進入中國電影產業的視野，并越發受到投資人的熱捧。所謂“IP”即英語“Intellectual Property”的縮寫，意為“知識產權”。在經濟法中，“知識產權”指人們對智力成果依法享有的權利;而在電影產業中，“知識產權”特指那些可以被改編為電影的智力勞動成果，如商標和著作權，而著作權又包括了文字作品、音樂、游戲，甚至是形象、概念、設定等。由這些知識產權改編而來的電影，即為“IP電影”。

與傳統電影的制作方式相比，IP電影有三大特點：首先，與第一種傳統途徑相比，IP電影出品、制作方是將一部電影的整個創意環節外包出去，交給市場，而不在組織內部進行。當外部交易成本低于內部管理成本時，就會發生這種轉變。其次，“IP電影”的創意由于公開出版過，所以已經為受眾所熟知。這就使得IP電影有比非IP電影多出一批更穩定的目標受眾和和由此帶來的額外票房收入。最后，IP電影的風險更低，并且短時間內能完成資本套現，因此更受資本及其背后的金融投資者的青睞。

本文主要關注IP電影究竟是否更容易取得票房成功，故基于2015年在中國上映的337部中外電影數據，采用OLS模型和Logit模型，檢驗了具備IP是否會對電影票房收益有影響，并估計了這種影響的大小。

二、電影票房的影響因素與變量選擇

（一）電影票房的傳統影響因素

國外文獻對電影票房影響因素進行了詳盡的研究，基本的共識是，主創成員價值、制作成本、宣發費用、影片類型、制片國家、檔期、分級、口碑都會對票房有顯著影響。

1、主創成員

主創成員主要指導演和演員，他們自身具有藝術價值，同時也可轉化為商業上的價值。他們的商業價值與制作成本、宣發費用呈高度正相關，也與電影票房呈正相關。

本文衡量主創成員藝術價值的指標有如下變量：導演獲得及提名歐美獎項數、導演獲得及提名華語獎項數、導演獲得及提名其他國家獎項數、演員獲得及提名歐美獎項數、演員獲得及提名華語獎項數、演員獲得及提名其他國家獎項數。如果有多名導演，取前兩名導演之和;演員方面，取前三名重要角色的飾演者之和;如果自導自演，則按照獎項類別只計一次，不重復計算。數據均來自時光網。

2、口碑

口碑是指電影上映后影評人及觀眾對它的正面或負面的評價，可以通過網絡媒體、電視媒體、紙質媒體等途徑傳播。一般而言，口碑與電影票房高度正相關。本文衡量口碑的指標采用大眾評分，數據來自豆瓣電影。

3、制片國家

制片國家是指電影制作公司的注冊國，考慮這一因素是因為文化具有民族、國家差異，在一個國家上映的來自不同國家的電影的票房也應該有差異。這種差異適合以虛擬變量衡量，為此，本文將制片國家分為中國、英美、港臺、中外合拍、日韓、歐洲、俄羅斯以及其他國家。當一部電影屬于其中一類時，變量取1，否則取0;其他國家出品一律取0，作為對照組。

4、電影類型

一個電影類型通常是指敘事元素相近的一批電影，實證研究已經證明不同類型的電影受歡迎的程度又差異。這種差異適合以虛擬變量衡量，故本文將中國上映電影類型分為科幻、奇幻、喜劇、動作、愛情、動畫、恐怖、懸疑、犯罪、劇情和其他類型。當一部電影屬于其中一類時，變量取1，否則取0;其他類型一律取0，作為對照組。

5、檔期

檔期指電影上映的時間，不同的上映時間會造成電影的票房差異。本文將中國上映電影檔期分為暑期檔、國慶檔、賀歲檔和其他檔期。當一部電影屬于其中一類時，變量取1，否則取0;其他檔期一律取0，作為對照組。

（二）電影票房的新影響因素

IP電影是本文關注的核心變量。如前所述，IP電影有比非IP電影多出一批更穩定的目標受眾和和由此帶來的額外票房收入，這就是所謂的“粉絲經濟”效應。本文搜集了2015年中國所有上映電影的資料，并對其是IP電影還是非IP電影進行了調查。本文將“IP”作為虛擬變量。當一部電影屬于IP電影時，變量取1，否則取0;其他國家出品一律取0，作為對照組。

在現階段的中國電影市場，依據文化類型，IP主要可以分為流行文化IP、經典文化IP和嚴肅文化IP三類。這三類文化本身涵蓋廣泛，不同的研究對這三類文化的定義有所不同。在本文中，流行文化特指目的為娛樂當代大眾的作品，經典文化特指經過時間沉淀、廣為人知的作品，嚴肅文化特指目的為反思現實、較為小眾的作品。最后考慮中國上映的中外電影實際情況，本文將IP電影進一步分為六類：中國流行文化、中國經典文化、中國嚴肅文化、歐美流行文化、歐美經典文化、其他國家文化。這些類型都作為虛擬變量，當一部電影屬于其中一類時，變量取1，否則取0;非IP電影一律取0，作為對照組。后文將分別研究IP分類與不分類兩種情況。

三、實證分析

（一）模型設定

1、普通最小二乘回歸（OLS）模型

目前最常用的電影票房影響因素分析模型是普通最小二乘回歸（OLS）模型。模型可以設為：

圖1 2015 年中國大陸上映電影票房分布及其對數分布

表1 普通最小二乘回歸（OLS）模型回歸結果及懷特檢驗

表2 二值選擇及有序Logit 模型回歸結果（IP 整體作為自變量）

（1）

（1）式中OB代表被解釋變量票房;IP代表核心變量IP電影;Control代表控制變量，主要包括主創成員、口碑、國家、類型、檔期;（2）式中Chinapop、Chinacla、Chinaser、USpop、UScla和Other分別代表中國流行文化、中國經典文化、中國嚴肅文化、歐美流行文化、歐美經典文化、其他國家文化。

此外，（1）式被設定為半對數模型，是因為很多學者都已經注意到，電影票房的分布通常不是正態分布，而是具有高偏態和長尾特征的帕累托分布。因此有必要建立一個半對數OLS模型，來使得票房分布更趨于正態分布，以符合OLS模型的應用前提。

2、二值選擇及有序Logit模型

由于電影票房服從帕累托分布，因此不采用OLS模型也是一種選擇。Vany和Walls（1999），王錚和許敏（2013）都采用了二值選擇Logit模型來估計，依據票房將影片分為成功電影和不成功電影兩類。因此本文也設定Logit模型：

其中，r是臨界值，當時電影為“成功”電影，否則為“不成功”電影。臨界值的選擇比較主觀，取決于研究者想把哪兩類電影區分開。

（二）數據

本文的樣本是2015年在中國上映的337部中外電影，不同的變量參考了不同的數據來源，這些數據來源在介紹變量時一并給出。本文對這些樣本進行了初步處理，剔除了以下幾種類型的電影：票房數據造假電影;受行政力量影響的電影;重映電影;抄襲或電視劇重新剪輯的電影;電影網站上沒有評分的電影。

通過考察樣本票房分布可以發現，收入排名前20%（67部）的電影所獲得的票房占據了所有電影（337部）票房收入的87.5%，非常符合帕累托分布;而對票房取對數后，其分布則已經很接近正態分布了。

四、實證結果

（一）OLS模型實證結果

本節在使用OLS模型回歸時，除了回歸（1）（2）式，還考慮了兩式不是對數模型的情況。回歸結果如表1所示：

在對表1估計結果進行分析之前，還要對OLS模型的前提假設進行一些檢驗。本文樣本中的個體雖然存在時間差，但可以近似看做是2015年的截面數據。樣本中有票房幾十億元的電影，也有票房幾萬元的電影，因此模型擾動項的規模很可能不同（比如高票房電影會受到更多種因素的影響），故而極有可能產生異方差問題。懷特檢驗（White test）證明了這一點，但同時也證明取對數對異方差有較大的緩解作用。

如表1所示，（1）式中IP在1%水平上顯著為正的。（1）式半對數模型的估計結果顯示IP電影會比非IP電影的票房高出208%。（2）式半對數模型中，中國流行文化IP、歐美流行文化IP、歐美經典文化IP都對票房有1%水平上或10%水平上顯著的正向影響，而中國經典文化、中國嚴肅文化、其他國家文化影響則不顯著;三種影響顯著的IP的正向作用有差異，根據估計，中國流行文化IP、歐美流行文化IP、歐美經典文化IP改編的電影會比非IP電影的票房分別高出274%、159%、124%。由此可見流行文化才能帶來顯著的商業效益;而外國文化對票房的影響力不如中國本土文化。

（二）Logit模型實證結果

本節使用Logit模型來估計，依據票房將影片分為成功電影和不成功電影兩類。具體而言區分的標準有兩種：票房絕對值，以及票房排名。在票房絕對值方面，選取了兩個臨界值：1億、2.8763億。其中，選擇1億作為臨界值是因為票房過億一直是中國大陸上映電影追求的目標，它區分開了中低收入電影與高收入電影;2.8763億是票房均值，區分開了平均水平之下和之上的電影。在票房排名方面，選取了三個臨界值：165萬、1189萬、7375萬，它們分別是下四分位數、中位數、上四分位數。

（3）式回歸結果如表2所示。

（4）式回歸結果如表3所示。

從表2中可以發現在不同的臨界值上，IP對電影“成功”與“不成功”的幾率比都有1%水平上的顯著提升作用;換句話說，它增大了電影“成功”的概率。并且當票房臨界值越高時，這種對幾率比的提升作用越明顯。當臨界值為平均票房2.8763億時，提升作用達到最大，為：

即IP電影在2.8763億臨界值上“成功”與“不成功”的幾率比是非IP電影幾率比的77.945倍。

在表3中把IP分類來看，可以發現在不同的臨界值上，中國流行文化IP對幾率比都有1%水平上的顯著提升作用;中國經典文化、美國流行文化、美國經典文化在靠中上部的幾個臨界值上對幾率比有不同水平上的顯著提升作用;而中國嚴肅文化和其他國家文化則完全沒有作用。另外當臨界值較低時，中國嚴肅文化、美國流行文化、美國經典文化、其他國家文化的樣本都比較少，出現了“完美預測”的情況，所以無法估計系數。很顯然，在中國電影市場，中國流行文化IP最受歡迎、轉化成IP電影的量也最大。

表3 二值選擇及有序Logit 模型回歸結果（IP 分類作為自變量）

由于二值選擇Logit模型只將因變量數據分為兩類，數據信息損失較多，故在估計了它之后，本文還估計了有序Logit模型，以165萬、1189萬、7375萬、2.8763億四個臨界值為切點（切點中刪去了1億，因為7375萬和1億之間數據過少），將票房數據從小到大標記為0-4，估計結果報告在表2和表3的（6）中。其結果與（1）-（5）列類似。

五、結論與啟示

本文采用OLS模型和Logit模型來估計IP對電影票房的影響。兩個模型都表明IP對電影票房有顯著的促進作用。而且流行文化IP才能帶來顯著的商業效益;而外國IP對票房的影響力不如中國本土IP。Logit模型還表明IP對電影跨過高票房門檻概率的提升作用強于低票房門檻，即IP對電影票房的提升作用，隨著門檻的提升而加強。

這樣的結果為中國電影產業帶來兩點啟示：

第一點是區別對待IP，不能過分夸大IP的作用。中國影視公司熱衷囤積IP，而不是評估IP的價值。這種囤積極大地推高了IP的價格，甚至造成了一定程度的泡沫。但本文的研究發現，首先，并不是所有類型的IP都能夠對電影票房有促進作用。在以商業院線為主的中國電影市場，只有流行文化IP對電影票房有促進作用。其次，IP之所以對電影票房有促進作用，是因為其背后的粉絲經濟效應。所以，毫無選擇地囤積缺乏粉絲經濟效應的IP于事無補。

第二點是IP電影更適合大制作，不適合中小成本，因為更高門檻上IP的作用更顯著。而為了達到這個較高的票房門檻，電影需要一個較高的投入。近年來一些依托中國古典名著、中國傳統神話改編的中小成本電影，無一例外都是票房失敗的。