中國(guó)電影票房數(shù)據(jù)分析

張玉潔 周詩(shī)易 姜子軒 劉洋

[提要] 電影是一項(xiàng)巨大的社會(huì)文化事業(yè)，發(fā)展電影事業(yè)對(duì)于提升我國(guó)文化自信有著積極意義。票房和口碑的不匹配問(wèn)題是影響我國(guó)電影質(zhì)量提升的現(xiàn)實(shí)難題。本文利用我國(guó)2017年度電影票房及口碑?dāng)?shù)據(jù)，利用stata軟件，采用傾向得分匹配法（PSM）解決樣本選擇偏誤帶來(lái)的內(nèi)生性問(wèn)題，從而探討口碑對(duì)票房的凈影響，明晰導(dǎo)演、演員、經(jīng)費(fèi)投入等諸多方面在電影票房與口碑中發(fā)揮的真實(shí)作用，為提升我國(guó)電影質(zhì)量、促進(jìn)電影事業(yè)發(fā)展提供政策建議與理論支持。

關(guān)鍵詞：電影票房;口碑;傾向得分匹配法

中圖分類號(hào)：F713.52 文獻(xiàn)標(biāo)識(shí)碼：A

收錄日期：2020年1月5日

一、引言

習(xí)近平在十九大報(bào)告中提出，要堅(jiān)定文化自信，推動(dòng)社會(huì)主義文化繁榮昌盛。進(jìn)入21世紀(jì)以來(lái)，中國(guó)在電影產(chǎn)業(yè)上的進(jìn)步是有目共睹的。從票房數(shù)量來(lái)看，我國(guó)年總票房從起初的10億元到如今的500億元，實(shí)現(xiàn)了質(zhì)的飛躍。從銀幕數(shù)量來(lái)看，我國(guó)的國(guó)產(chǎn)電影在整個(gè)世界電影市場(chǎng)上占據(jù)重要席位，這些驕人的成績(jī)，既是改革開放政策在文化事業(yè)的體現(xiàn)，更是全體電影人拼搏奮斗的成果。十幾年來(lái)電影發(fā)展的種種跡象表明，大力發(fā)展電影事業(yè)對(duì)于提升我國(guó)文化自信有著積極的意義。

票房和口碑是評(píng)價(jià)電影質(zhì)量的兩大重要指標(biāo)，但卻存在兩者不匹配的現(xiàn)象，學(xué)界的看法也不大相同。在互聯(lián)網(wǎng)變得如此發(fā)達(dá)的當(dāng)今社會(huì)，對(duì)于消費(fèi)者來(lái)說(shuō)，口碑的參考價(jià)值似乎開始變得越來(lái)越高。而在電影方面，一部電影的評(píng)分則是電影口碑好壞的具體表現(xiàn)形式，學(xué)界對(duì)評(píng)分和票房之間關(guān)系進(jìn)行了研究。大部分學(xué)者使用實(shí)證分析和構(gòu)建實(shí)驗(yàn)?zāi)Ｐ偷姆椒?，得出了電影評(píng)分和票房具有一定相關(guān)關(guān)系的結(jié)論。一些學(xué)者認(rèn)為豆瓣和爛番茄等電影評(píng)論網(wǎng)站的水軍刷分和惡評(píng)現(xiàn)象嚴(yán)重，且關(guān)系復(fù)雜，評(píng)分只能反映觀眾的感受和對(duì)電影的看法，對(duì)票房的影響不大。另一派學(xué)者通過(guò)對(duì)國(guó)內(nèi)外影片的數(shù)據(jù)進(jìn)行分析，結(jié)果發(fā)現(xiàn)，雖然水軍會(huì)對(duì)電影評(píng)分產(chǎn)生影響，并使評(píng)分在一定程度上失去了參考價(jià)值，但總體來(lái)看，這種影響與人氣的作用相比較小，電影評(píng)分與票房的關(guān)系仍呈正相關(guān)。有部分學(xué)者通過(guò)對(duì)網(wǎng)絡(luò)口碑和電影票房的實(shí)證分析發(fā)現(xiàn)，雖然電影口碑與票房呈正相關(guān)，但影響效應(yīng)會(huì)隨時(shí)間遞減，且對(duì)于正面口碑，負(fù)面口碑對(duì)電影票房的影響更加顯著。因此，口碑不是影響電影票房的唯一因素。

明星效應(yīng)在一定程度上會(huì)提高觀眾對(duì)影片的期待值，很多制片方熱衷于邀請(qǐng)知名度高的演員參與電影的拍攝，他們認(rèn)為這樣會(huì)提供票房保障。明星會(huì)給票房帶來(lái)正面影響效果與消費(fèi)者的追星習(xí)慣和從眾效應(yīng)有關(guān)，但并不是影響票房最重要的因素畢竟知名演員出演的電影因票房增長(zhǎng)慢，僅僅上映兩周就退出主流院線的影片也不少。也有的研究認(rèn)為男主角和女主角的影響力會(huì)顯著地促進(jìn)票房的增長(zhǎng)，并且結(jié)論穩(wěn)健這是由于制片方和觀眾之間存在信息不對(duì)稱的情況，有知名度演員參演的電影會(huì)成為觀眾的首選。同樣，知名導(dǎo)演也會(huì)帶來(lái)一定的票房效應(yīng)。有的學(xué)者提出導(dǎo)演的明星效應(yīng)比演員更明顯一些。因?yàn)閷?dǎo)演是電影的核心人物，他在拍攝電影前積累了大量的經(jīng)驗(yàn)，他掌控著每位演員的表演好壞程度，他的能力大小往往決定了一部電影的質(zhì)量。有的研究通過(guò)模型檢驗(yàn)得出導(dǎo)演和演員這兩個(gè)變量的系數(shù)均為正，說(shuō)明導(dǎo)演和演員的明星效應(yīng)有助于電影票房的提高對(duì)于導(dǎo)演和演員的明星效應(yīng)，學(xué)術(shù)界的爭(zhēng)論從未停止。

人都有各自偏好的電影類型，電影類型在一定程度上保證了觀眾對(duì)影片的熟悉性。一部電影中的演員和導(dǎo)演可能是不知名的，電影評(píng)分也只能從側(cè)面反映旁人的態(tài)度，只有電影類型是不可能發(fā)生巨大改變的，在觀眾對(duì)電影沒(méi)有充分了解的情況下，電影類型可能會(huì)成為首要考慮的因素。有研究表明電影類型與票房收入顯著相關(guān)，電影市場(chǎng)中，愛(ài)情片、喜劇片等占有較高的份額，但魔幻片、動(dòng)漫片等不同題材影片數(shù)量的增加使題材多樣化，削弱了電影題材對(duì)票房的影響，但對(duì)于國(guó)外引進(jìn)的電影來(lái)說(shuō)，題材影響著票房收入。如受國(guó)家文化影響，國(guó)外的家庭片、劇情片票房績(jī)效往往較低，而冒險(xiǎn)片、科幻片等因其恢弘的場(chǎng)面、扣人心弦的鏡頭往往很受異國(guó)觀眾的歡迎;動(dòng)畫片、冒險(xiǎn)片和科幻片等需要立體化的視覺(jué)體驗(yàn)，最適合拍攝成3D電影隨著科技發(fā)展，擁有3D技術(shù)的影片逐漸成為了電影市場(chǎng)中的主流，幫助觀眾獲得了更優(yōu)越的觀感體驗(yàn)。

以上文獻(xiàn)表明：第一，口碑和評(píng)分對(duì)電影票房有一定的影響，對(duì)于影響的顯著性程度，學(xué)界并未達(dá)成一致。第二，演員和導(dǎo)演具有明星效應(yīng)，會(huì)增加票房的收入，但這并不是觀眾選擇觀影的決定性因素。第三，動(dòng)畫類型的多樣化減弱了其對(duì)電影票房的影響，3D電影的良好視覺(jué)體驗(yàn)深受大眾歡迎。本文從票房與口碑分異的角度探討我國(guó)電影的質(zhì)量提升問(wèn)題;探討電影口碑、導(dǎo)演與演員知名度、電影類型、電影動(dòng)畫類型、電影時(shí)長(zhǎng)在票房與口碑中的角色與作用發(fā)揮。

二、數(shù)據(jù)、變量及方法

（一）數(shù)據(jù)來(lái)源及變量說(shuō)明

1、數(shù)據(jù)來(lái)源。本項(xiàng)目已收集獲得了涉及2017年1月6日至2018年1月27日在中國(guó)內(nèi)地上映的共270部電影的相關(guān)指標(biāo)信息。電影導(dǎo)演、演員百度指數(shù)，電影每日票房，電影熱評(píng)數(shù)據(jù)，電影實(shí)時(shí)評(píng)論數(shù)據(jù)，電影信息等諸多方面數(shù)據(jù)來(lái)自北京大學(xué)開放研究數(shù)據(jù)平臺(tái)的“2017年中國(guó)內(nèi)地上映電影數(shù)據(jù)”;電影年度總票房數(shù)據(jù)采集于貓眼官方平臺(tái)。

2、變量說(shuō)明

（1）類別變量。本研究將“電影評(píng)分高低”作為類別變量，但是因?yàn)閿?shù)據(jù)限制，本文對(duì)數(shù)據(jù)進(jìn)行了處理，把全部樣本的電影評(píng)分進(jìn)行加總求得平均值（8.1分）。并以評(píng)分均值為界，處理組為高分電影即電影評(píng)分高于均值，控制組為低分電影即電影評(píng)分低于均值，并將該因素做虛擬變量處理，高分電影標(biāo)記為1，低分電影標(biāo)記為0。

（2）控制變量?？刂谱兞渴菫榱颂蕹龜?shù)據(jù)分析時(shí)其他偏差和不穩(wěn)定因素的影響，以便保證處理組和控制組中除了類別變量以外的特性差異不大，更準(zhǔn)確的針對(duì)類別變量對(duì)目標(biāo)變量的影響進(jìn)行分析。這里，選取了導(dǎo)演百度指數(shù)、演員百度指數(shù)、電影類型、電影動(dòng)畫類型、電影時(shí)長(zhǎng)、評(píng)分人數(shù)這幾個(gè)因素。

（3）目標(biāo)變量。本研究將“電影票房”作為目標(biāo)變量，是一部電影在2017年上映期間累計(jì)的票房總收入。

3、描述性統(tǒng)計(jì)。本文對(duì)票房、評(píng)分、參評(píng)人數(shù)、電影時(shí)長(zhǎng)、導(dǎo)演以及演員百度指數(shù)、動(dòng)畫類型、電影類型進(jìn)行了描述性統(tǒng)計(jì)，通過(guò)逐一觀察變量的平均數(shù)、方差、最小值、最大值的大小，并在變量之間進(jìn)行比較分析，來(lái)探究變量對(duì)于票房的影響，從而得出初步性結(jié)論：票房、評(píng)分人數(shù)、導(dǎo)演和演員的百度指數(shù)方差大，即波動(dòng)幅度大，其他指標(biāo)波動(dòng)幅度小;評(píng)分、3D電影、電影時(shí)長(zhǎng)等均值偏高，其他指標(biāo)均值偏低。（表1）

（二）傾向性得分匹配方法（PSM）。根據(jù)描述性統(tǒng)計(jì)和回歸分析的初步判斷，電影導(dǎo)演與演員知名度、電影類型、電影動(dòng)畫類型、電影時(shí)長(zhǎng)、電影評(píng)分對(duì)票房的影響有所差異。這些因素相互干擾，我們需要找到電影口碑、知名度、電影類型和電影動(dòng)畫類型等因素對(duì)票房的具體影響機(jī)制。因此，探析以上影響因素的差異將作為本文的重點(diǎn)研究對(duì)象。電影評(píng)分高低及其他因素對(duì)票房的影響仍需借助PSM方法進(jìn)一步研究。

本文在研究設(shè)計(jì)上將討論，高分電影（處理組）與低分電影（對(duì)照組）的差異對(duì)票房的影響，從而多角度的探討電影口碑的沖擊影響。

Rosenbaum & Rubin（1983）提出了傾向性得分匹配方法，通過(guò)找到與處理組主要特征盡可能相似的控制組，比較兩者之間的差異效應(yīng)，從而更加客觀的評(píng)價(jià)不同身份帶來(lái)的影響差異與效果。傾向性得分被定義為：

其中，X為自變量的多維向量，是一系列可能影響電影評(píng)分處理的變量;D是指標(biāo)變量，取值1表示為處理組評(píng)分，取值0表示對(duì)照組評(píng)分。理論上，如果我們可以獲得傾向性得分的估計(jì)量p（Xi），ATT（average treatment effect on the treated）則為處理組受到的平均處理效應(yīng) （Becker & Ichino，2002），如下：

本文采用Logit模型對(duì)概率值進(jìn)行估計(jì)，為增強(qiáng)結(jié)果的穩(wěn)健性，使用三種最常用的匹配方法：最近鄰匹配（Nearest-Neighbor Matching）、半徑匹配（Radius Matching）及核匹配（Kernel Matching）。

三、實(shí)證分析

（一）PSM匹配變量選擇。根據(jù)上面對(duì)電影票房的影響分析，我們發(fā)現(xiàn)高分電影與低分電影在電影票房上存在各種差異特征，然而由于多種因素與類型特征的干擾，會(huì)導(dǎo)致高低分與電影票房影響作用的失真。為此，本文進(jìn)一步采用PSM（傾向得分匹配）方法對(duì)高分電影與低分電影的差異帶來(lái)的電影票房影響展開研究。

首先，我們將對(duì)高分電影與低分電影差異展開PSM匹配變量的選擇，選用Logit模型，運(yùn)用逐步回歸的辦法，以高分電影與低分電影為因變量、以電影票房的影響因素及類型特征為自變量展開分析。

以電影票房為被解釋變量，選用的12個(gè)自變量進(jìn)行l(wèi)ogistic回歸的回歸結(jié)果見表2。模型M1-M3的auc值為0.77，均達(dá)到0.75以上，可以進(jìn)行PSM分析。我們可以看出，在全變量回歸過(guò)程中，評(píng)分人數(shù)、導(dǎo)演百度指數(shù)、3D、動(dòng)作片、劇情片、冒險(xiǎn)片這6個(gè)變量對(duì)被解釋變量電影票房的影響比較顯著，對(duì)模型進(jìn)行優(yōu)化，最終，在經(jīng)過(guò)逐步回歸后，為了保證匹配過(guò)程的有效性，保留對(duì)電影票房影響比較顯著的6個(gè)變量最為傾向匹配模型中的匹配變量，剔除剩余的變量。（表2）

（二）PSM匹配效果分析。對(duì)傾向匹配得分法而言，為了保證匹配過(guò)程的有效性，一般需要檢驗(yàn)樣本是否滿足共同支撐假設(shè)及獨(dú)立性假設(shè)。

表3是本文中使用psm模型的樣本共同支撐假設(shè)檢驗(yàn)結(jié)果，共同支撐假設(shè)要求我們的實(shí)驗(yàn)組電影票房能從控制組中找到與之匹配的電影票房，從表3可以看出，74部電影的電影票房均支持共同支撐假設(shè)檢驗(yàn)。（表3）

依據(jù)Logit模型估計(jì)結(jié)果，本文選定評(píng)分人數(shù)（renshu）、導(dǎo)演百度指數(shù) （director_index）、3D動(dòng)畫類型（_IAM_1）、動(dòng)作片（_Iaction_1）、劇情片（_Istory_1）、冒險(xiǎn)片 （_Iadventure_1）作為衡量電影票房特征的變量，表4反映了基于最近鄰匹配而得到的各變量匹配前后的差異對(duì)比狀況。（表4）

一般來(lái)講，獨(dú)立性假設(shè)要求匹配后協(xié)變量的標(biāo)準(zhǔn)化差距不超過(guò)10%，即p值大于0.05。由表4可知，樣本匹配之前，協(xié)變量在10%的置信水平下組間差異是顯著的，匹配完成后，實(shí)驗(yàn)組和控制組匹配變量的差距不顯著，p值遠(yuǎn)大于0.05，與匹配前相比，匹配后的大多數(shù)變量標(biāo)準(zhǔn)化偏差都降低了，而且基本在10%以內(nèi)，因此滿足獨(dú)立性假設(shè)，這表明匹配結(jié)果較好地平衡了數(shù)據(jù)。

考慮到版面原因及圖像效果相似，本文只顯示了最近鄰匹配的密度圖。圖1和圖2是對(duì)最近鄰匹配前后處理組與控制組的核密度分布圖。如圖1所示，匹配前兩組樣本傾向得分值的分布存在明顯差異，即處理組與控制組電影票房特征顯著不同;而匹配后，兩組之間的核密度曲線重合面積比圖1大，曲線PS值概率分布特征較相似，但最近鄰匹配后電影票房特征差異變小，即最鄰近匹配在一定程度上修正了處理組與控制組的傾向得分偏差，匹配效果較好，共同支撐假設(shè)得到驗(yàn)證。（圖1、圖2）

（三）ATT結(jié)果比較分析。依據(jù)前文樣本匹配的結(jié)果，本文呈現(xiàn)了樣本匹配前以及采用三種樣本匹配方法所得到的ATT值。通過(guò)電影評(píng)分對(duì)不同電影票房的影響是否具有顯著性，我們可以發(fā)現(xiàn)：對(duì)于樣本來(lái)說(shuō)，在最近鄰匹配、半徑匹配、核匹配中，電影評(píng)分的影響分別在1%、5%、10%的水平下具有顯著性。這種結(jié)果表明高分電影與低分電影的區(qū)別對(duì)于票房的影響較大。

1、全樣本的處理效果。表5包括了三種匹配方法的ATT結(jié)果。我們對(duì)齊分析包括電影評(píng)分是否對(duì)電影票房產(chǎn)生影響，如有影響，該影響是否顯著。通過(guò)觀察可以看到t值通過(guò)了1%水平的顯著性檢驗(yàn)，我們進(jìn)而進(jìn)行更為詳細(xì)的分類匹配，由此可以看出電影評(píng)分的高低對(duì)票房有顯著的影響差異。（表5）

2、演員導(dǎo)演知名度影響差異分析。本文依據(jù)數(shù)據(jù)，對(duì)所有導(dǎo)演的百度指數(shù)進(jìn)行加總并求得平均數(shù)為202，把百度指數(shù)在202以上的導(dǎo)演分為著名導(dǎo)演，把百度指數(shù)在202以下的導(dǎo)演分為普通導(dǎo)演。演員的百度指數(shù)做同樣處理，從而把演員分為著名演員與普通演員。并將該因素做虛擬變量處理，著名導(dǎo)演、著名演員標(biāo)記為1，普通導(dǎo)演、普通演員標(biāo)記為0。

如表6所示，我們對(duì)著名導(dǎo)演與普通導(dǎo)演、著名演員與普通演員進(jìn)行了ATT平均處理效應(yīng)，以此來(lái)分析在導(dǎo)演、演員知名度高低不同的情況下，口碑是否會(huì)對(duì)電影票房產(chǎn)生不同的影響。（表6）

表6中，我們可以發(fā)現(xiàn)普通導(dǎo)演的作品，電影本身的口碑對(duì)票房影響顯著，即高分電影票房與低分電影票房差距較大。而對(duì)于著名導(dǎo)演的作品，我們得到的結(jié)果是電影評(píng)分的高低對(duì)于票房影響不顯著，這意味著著名導(dǎo)演本身就帶來(lái)一定的票房。

在普通演員的條件下，電影口碑對(duì)于票房起到重要作用，如果都是普通演員，口碑對(duì)票房影響顯著。而著名演員條件下，電影評(píng)分的高低對(duì)于票房影響不顯著。著名演員本身便帶來(lái)了一定的票房影響即明星效應(yīng)。

3、不同電影類型參與評(píng)分對(duì)票房的影響。如表7所示，我們將不同電影類型做分類處理，將電影分為2D電影和非2D電影、喜劇片和非喜劇片、愛(ài)情片和非愛(ài)情片，探討不同情況下電影口碑對(duì)票房的影響作用。（表7）

表7探究了2D類型的電影中，電影口碑對(duì)于票房影響不大，顯著性較低，目前業(yè)界的電影2D類型居多。2D又叫平面圖形，它的光影等都是人工繪制模擬出來(lái)的，色彩明亮，畫質(zhì)優(yōu)美，被觀眾所鐘愛(ài)。非2D類型的電影作品，通過(guò)分析可以發(fā)現(xiàn)其口碑對(duì)于票房的影響在1%水平上顯著。

喜劇片的影響效果，當(dāng)電影類型為喜劇片時(shí)，口碑對(duì)于票房的影響在1%的水平上顯著。非喜劇片的作品，其口碑對(duì)于票房影響在1%、5%水平上顯著，也就是說(shuō)影片是否為喜劇片不影響觀眾的選擇，觀眾對(duì)喜劇片沒(méi)有明顯偏好。本文繼續(xù)分析了愛(ài)情片的影響效果，當(dāng)電影作品為愛(ài)情片時(shí)，其口碑對(duì)于票房影響不顯著，即愛(ài)情片本身帶來(lái)一定的票房影響。而非愛(ài)情片的電影作品，其口碑對(duì)于票房影響顯著。

四、結(jié)論及啟示

本研究基于2017中國(guó)內(nèi)地上映電影數(shù)據(jù)進(jìn)行分析，通過(guò)采用傾向得分匹配法分析變量之間的作用關(guān)系，解決樣本選擇偏誤帶來(lái)的內(nèi)生性問(wèn)題，探討口碑對(duì)票房影響的真實(shí)作用特征，分析了高分電影與低分電影對(duì)于票房的影響。

（一）在電影評(píng)分較低的情況下，是否為著名演員對(duì)票房的影響較大。因?yàn)殡娪百|(zhì)量如故事情節(jié)和視覺(jué)效果等方面差強(qiáng)人意，使得觀眾更加注重著名演員這一因素，而對(duì)于質(zhì)量較高的電影來(lái)說(shuō)，著名演員這一因素就顯得不那么重要。因此，電影質(zhì)量應(yīng)當(dāng)成為電影制作中首要目標(biāo)，這在一定程度上影響了票房的高低。

（二）2D類型電影對(duì)票房的影響顯著性很明顯，這說(shuō)明2D類型影片普遍受大眾歡迎。2D是目前電影行業(yè)中較多采用的一種類型，大眾接受度普遍較高。

（三）導(dǎo)演知名度對(duì)票房的影響較大。導(dǎo)演在一部影片中占有重要地位，是一系列任務(wù)的統(tǒng)籌，非常的關(guān)鍵。好的導(dǎo)演可以做到對(duì)視聽語(yǔ)言的絕對(duì)掌控和藝術(shù)手段的極致運(yùn)用，可以結(jié)合劇本把抽象的文字轉(zhuǎn)化成影像完整表達(dá)出來(lái)。如果一部電影是由著名導(dǎo)演出品，那么導(dǎo)演本身的名氣也會(huì)在一定程度上帶動(dòng)影片的票房，為作品錦上添花。如果電影是由普通導(dǎo)演出品，那么電影的票房更大程度上是受電影口碑即電影評(píng)分的高低影響。

（四）愛(ài)情片電影本身帶有一定的熱度，其口碑對(duì)于票房的影響較小。愛(ài)情片展現(xiàn)了男女主人公在相愛(ài)的過(guò)程中面臨諸多困難因素時(shí)不輕言放棄，并努力克服曲折坎坷等阻力為敘事線索，最終達(dá)到圓滿的結(jié)局。影片看點(diǎn)較多，廣受大眾喜愛(ài)。

主要參考文獻(xiàn)：

[1]李純輝.基于《流浪地球》的電影口碑營(yíng)銷成功要素探討[J].現(xiàn)代商貿(mào)工業(yè)，2019.40（21）.

[2]汪旭暉，王軍.網(wǎng)絡(luò)口碑如何影響電影票房——中國(guó)電影“高票房低口碑”現(xiàn)象反思[J].湖南師范大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2015（2）.

[3]魏明強(qiáng)，黃媛.網(wǎng)絡(luò)評(píng)價(jià)對(duì)電影票房走勢(shì)的影響[J].中國(guó)傳媒大學(xué)學(xué)報(bào)（自然科學(xué)版），2017（3）.

[4]焦亞男.豆瓣評(píng)分與電影票房關(guān)系探析[J].青年記者，2018（23）.

[5]劉正山.在線評(píng)價(jià)、電影異質(zhì)性與票房收入——基于2014～2015年177部國(guó)產(chǎn)電影數(shù)據(jù)的檢驗(yàn)[J].電影藝術(shù)，2016（3）.

[6]郝媛媛，鄒鵬，李一軍.基于電影面板數(shù)據(jù)的在線評(píng)論情感傾向?qū)︿N售收入影響的實(shí)證研究[J].管理評(píng)論，2009.21（10）.

[7]趙亞凡，劉偉.網(wǎng)絡(luò)口碑對(duì)電影票房影響實(shí)證研究[J].合作經(jīng)濟(jì)與科技，2016（8）.

[8]郭新茹，黃舒沁.明星效應(yīng)與中國(guó)電影票房的實(shí)證研究[J].現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2017.39（12）.

[9]華銳，王森林，許泱.中國(guó)電影票房的影響因素研究[J].統(tǒng)計(jì)與決策，2019.35（4）.

[10]池建宇.演員與導(dǎo)演誰(shuí)更重要——中國(guó)電影票房明星效應(yīng)的實(shí)證研究[J].新聞界，2016（21）.

[11]王玉帛.基于數(shù)據(jù)挖掘?qū)τ绊戨娪捌狈恳蛩氐臏\析[J].通訊世界，2017（2）.

[12]張玉松，張?chǎng)?電影票房的影響因素分析[J].經(jīng)濟(jì)論壇，2009（8）.

[13]崔凝凝，唐嘉庚.基于回歸分析的中國(guó)電影票房影響因素研究[J].江蘇商論，2012（8）.

[14]何雙男.中國(guó)大陸地區(qū)電影票房影響因素實(shí)證研究[J].電影文學(xué)，2017（22）.

[15]王錚，許敏.電影票房的影響因素分析——基于Logit模型的研究[J].經(jīng)濟(jì)問(wèn)題探索，2013（11）.

[16]程靜薇，馬玉霞.美國(guó)電影在中國(guó)市場(chǎng)的文化折扣：基于2009～2013年的票房數(shù)據(jù)[J].重慶社會(huì)科學(xué)，2014（7）.

[17]付茜茜.從2D到3D——電影觀眾觀影情況調(diào)查報(bào)告[J].當(dāng)代電影，2015（5）.

[18]傅皓玥，孫博.探討3D電影沉浸性感覺(jué)美學(xué)的審美體驗(yàn)[J].藝術(shù)教育，2017（21）.

[19]Rosenbaum P R，Rubin D B.The Central Role of the Propensity Score in Observational Studies for Causal Effects[J].Biometrika，1983.70（1）.

[20]Becker S O，Ichino A.Estimation of average treatment effects based on propensity scores[J].Stata Journal，2002.2（4）.