电影票房表现的延续性研究*

■ 戴建华 郑意凡

一、引言

通过对2005年到2015年的票房数据分析,我们可以发现,一些导演所执导的影片和一些明星所主演的影片总是有着持续相对较高的票房。如冯小刚导演,他执导的2006年的《夜宴》累计票房高达1.3亿元，2007年的《集结号》累计票房2.1亿元，2010年的《唐山大地震》累计票房6.5亿元到2013年的《私人订制》累计票房高达7.1亿元。冯小刚导演执导的影片票房可观并且逐年递增,使得冯小刚导演的电影票房逐渐形成了一种“延续性”,也使其逐渐成为了票房的保障。与导演和主演情况类似的还有系列电影的票房。我们发现一些系列电影续集的票房也呈现普遍较高,甚至逐年递增的“延续性”。如《哈利·波特》系列电影,从2002年上映的第一部《哈利·波特与魔法石》的累计票房5600万元，2005年《哈利·波特与火焰杯》的累计票房9600万元，2009年上映的《哈利·波特与混血王子》的累计票房1亿元,到最后2011年上映的《哈利·波特与死亡圣器(下)》的累计票房4亿元。从第一部积累高人气的《哈利·波特》系列电影的票房数据始终保持较高的水平,同时随着一部部续集的上映票房逐年增加。因此,产生猜测:是否会是观众对以往电影票房表现的分析,对即将上映的新影片产生了预期,而正是这个预期影响了他们是否会走进影院观看影片这一决策,从而最终影响了电影票房水平。

因此,本文基于中国票房网站上2012年到2016年在中国院线上映的电影票房截面数据,来研究一部电影导演和主演过去的票房表现以及是否是系列电影对电影票房的影响。

国外针对影响票房因素的分析角度比较多样和分散,但是对票房延续性现象解释的相关研究几乎没有。这主要是因为研究者通常把主演、导演对票房的影响归结为主演和导演的人气。关于票房影响因素的研究有:Desai和Basuroy研究得出了对于文化产品,如图书、音乐和电影,产品的类别对其受欢迎度有着显著的影响，越高的明星号召力和正面评论对文化产品的受欢迎度有着显著的正向促进作用。①Dhar Sun和Weinberg通过26年的国内电影票房数据,在控制其他影响电影票房因素基础上,研究得出系列电影与其他无续集的电影相比,有着更高的票房。②Kim和Park将口碑分为专家评论和大众评论来探讨网络口碑对电影票房的影响,发现正面的专家评论和大众评论对票房有促进作用,同时,专家评论较之大众评论有着更高的显著性影响。③

国内针对票房的影响因素分析比较多,且主要集中在定性和定量分析。其中,同时探究多个变量对电影票房的影响的有:胡小莉、李波和吴正鹏采用了2007年至2009年2月期间在国内大范围上映的217部电影,利用SPSS统计分析软件对影响票房的演员、导演、续集、翻拍、出品地区、档期和类型这七个影响因素进行了回归分析,得出影响力较大的演员和导演对票房的促进作用最大,是系列电影或者是有作品翻拍的电影有着更高的票房,出品地区、档期和类型相较于前面四个变量影响程度较小。④王铮和许敏以2007年1月至2012年12月公开上映的554部国产影片为样本,通过传统OLS方法和Logit模型进行回归,探究续集、评分、票价、档期、明星和导演对票房的影响,得出了除了续集、档期、明星和导演,更高的评分和更高的票价会带来更高的票房收入。⑤类似的,尹一伊试图采用巴里·利特曼提出的票房预测模型对中国电影票房的影响因素进行分析。⑥王一帆通过2000-2013年的电影票房数据,运用Eviews统计软件,探究电影类型、导演、演员、评分、档期、国内生产总值和城镇居民可支配收入等因素对票房的影响,最终论证出在节假日的档期上映将对电影票房产生显著的正向影响,网络上对电影的口碑评价对电影票房有显著影响,城镇人均可支配收入的提高对电影票房也有促进作用。⑦

总体而言,国内针对电影票房的研究多数停留在其影响因素的探究上,因此对电影票房延续性现象的探索几乎没有。本文选取了多个合理可行的影响指标,包括是否是系列电影、导演过去的票房表现、演员过去的票房表现来研究导致电影票房具有延续性的影响因素。其中,有关研究针对导演和主演对票房的影响作用,是集中在二者的影响力上。而本文则着眼于导演或者主演在过去十年内的票房表现是否会对接下来的新影片产生影响,更多的是探讨观众正面或者负面的预期是否会对接下来的新影片票房产生延续性影响。此外,本文选取的票房数据是从2012年到2016年在中国院线上映的影片的数据,建立了多元线性回归模型,数据比较具有时效性,同时相比定性分析,更具客观性。

二、变量设定

(一)因变量

本文所选取的因变量为电影票房,电影票房(Box Office)指代的是电影、戏剧等因卖票而获得的经济效益。电影票房的经济效益可以通过一个电影所卖掉的票总数或者通过电影票销售所赚得的钱的总数来衡量。本文的电影票房来源于电影票房网(www.58921.com)的数据库。所选取的数据是从2012年到2016年这5年里上映的494部电影的年度票房数据。

(二)解释变量

1.导演过去的票房表现

电影导演作为电影出品的第一负责人,一部电影通常被看作是一个导演的艺术作品。商业电影的导演通常拥有他们个人独特的风格,同时这种风格或者这个导演会成为观众所追捧的标签和品牌。在中国电影市场中,一批导演如张艺谋、陈凯歌、冯小刚和姜文,就有着他们独特的“品牌”。观众通过他们以往执导的电影的票房成果,会对接下来的影片产生不同的预期。

关于如何评定导演对一部电影票房的影响,国内不同的学者有着不同的评定方法。比较常见的有：一是用该导演所获得过的奖项或者提名来衡量其票房的号召力,二是采用专业电影评分网站上,观众对导演的评分来作为衡量导演影响力的指标。⑧虽然时光网在国内算得上是较为权威的电影评分网站,但是仍然存在着由于不同导演知名度的差距,所导致的评价人数的千差万别的问题。因此,时光网上对导演的评分也不能算作是一个非常权威和标准的衡量指标。同时,本文研究的是导演这一环节以往的电影票房表现的影响,因此,在处理导演影响力这个指标的时候,选取的是一个导演在该部电影上映过去十年间所导演的电影的最高票房。我们预期这个变量系数为正。而对于从2003年至2015年的电影数据统一按照当年电影总票房到2016年的增长比例折算出新的电影票房数据,从而去除因年度票房市场增长而带来的影响。

2.演员过去的票房表现

主演同时也被认为是影响电影票房收入的重要指标之一。知名的电影明星通常拥有他们自己的粉丝团体,这一批粉丝会因为支持这个演员而选择去电影院观看这部电影。⑨在近几年,这些明星逐渐的受到了中国电影投资者的青睐,这就说明了至少在中国,一些电影投资者认为对主演阵容的投资会带来很好的票房收入。由于中国对演员的评分体系还不够完善,国内有些学者采用演员获得过的奖项来衡量其票房号召力。而本文同导演影响力的衡量指标类似,也是研究主演以往票房表现对其新电影最终票房的影响,因此选取的是一个明星在该部电影上映过去十年间所主演的电影的最高票房。我们预期这个变量系数为正。同样对于从2003年至2015年的电影数据统一按照当年电影总票房到2016年的增长比例折算到出新的电影票房数据,从而去除因年度票房市场增长而带来的影响。

3.系列电影

系列电影在电影行业里指代的是一部基于以往艺术作品的电影。我们界定一部电影是否是系列电影取决于它是否改编自之前的电影、电视连续剧、动画、小说甚至是漫画。

电影作为一个一次性消费的产品,品牌标签很难建立起来。因此这时候续集系列电影就成为许多制片方钟爱的对象。因为,比起全新的电影,系列电影是经典电影的延续,有着忠实的观影人群,是电影票房收入的一大保证。系列电影不仅节约了营销宣传成本,同时降低了与拍摄全新电影所带来的风险。针对系列电影这一变量,本文选用的是虚拟变量，若一部电影是系列电影那么该变量是1,反之则为0。

(三)控制变量

1.技术效果

随着电影技术的不断革新,3D、巨幕电影、IMAX技术已经成为众多电影的一大卖点。随着3D电影《阿凡达》在全球的热映,在中国正式掀起了一股3D电影的热潮。从中国观影人群对3D以及IMAX电影的热衷,以及它们远比2D电影高的票房,可以看出诸如3D、IMAX一类的技术效果也会对一部电影的票房收入带来不小的影响。在本文中,针对技术效果这一变量的衡量采用的是虚拟变量。是3D或者IMAX电影制式的电影变量为1,反之为0。我们预期这个变量系数为正。

2.档期

电影有很强的季节性,也就是“档期”。在中国电影市场中,一般档期分为贺岁档、暑期档、劳动节、国庆节档期、圣诞节档、情人节档等等。总体来说在这些时间段内,人们对观影的需求有着很大程度的增加,随之也就带动着整体电影票房收入的增加。在本文中,针对电影档期的变量的选取,主要关注的是四大档期:贺岁档(11月初-3月初)、暑期档(6月1日-8月31日)、劳动节档(5月1日-3日)和国庆节档(10月1日-7日)。若电影上映的时间在这四个档期内,则变量设为虚拟变量1,反之则为0。我们预期这个变量系数为正。

3.电影口碑

电影的口碑往往来自于两方面：一个是专业影评人的评价,另一个就是观影大众对一部电影的评分。⑩由于国内没有类似美国IMDB或者Rotten Potato这样的专业评分网站,因此在本文中只讨论观影大众对电影的口碑对该电影票房收入的影响。本文针对电影口碑这一因变量的考量,采用的数据是来自时光网的电影评分。因为就目前来看,时光网算得上是国内比较权威,有导向性的电影网站,类似于美国的IMDB。关于电影评分,时光网根据观众打分加权算出了一部电影的综合得分,以十分制表示。因此评分越高反映的是观众对电影的积极反响。我们预期这个变量系数为正。

三、计量分析

(一)模型和估计方法

根据上面的变量,我们可以构造如下计量模型:

log(box)it=β0+β1log(director)it+β2log(star)it+β3seriesit+β4controlit+εit

(1)

其中,box是第t年第i部电影的实际票房,log(box)是box的自然对数。director代表的是第t年第i部电影的导演过去的票房表现,它用该导演过去十年执导电影中的实际最高票房记录的来解释。star代表的是第t年第i部电影的主演过去的票房表现,它用该主演过去十年主演电影中的实际最高票房记录的来解释。log(director)和log(star)分别是它们的自然对数。series是虚拟变量,代表第t年第i部电影是否是系列电影。control代表的是第t年第i部电影的控制变量,它包括是否在“四大档期”内(season)、是否使用了3D技术手段(technology)、电影网站的评分(ratings)。ε是随机误差项。

下面我们具体定义是否是系列电影,是否在“四大档期”内和是否使用了3D技术手段这三个虚拟变量。

表1 虚拟变量的定义

(二)变量的描述统计

表2给出各变量(包括连续变量和虚拟变量)的描述统计量。

本文数据是从2012年1月1日到2016年12月31日,共494个电影的截面数据。本文参与回归的观察值数量为494。

(三)回归结果及其分析

本文采用OLS回归方法对模型(1)进行实证分析,回归结果呈现于表3。

在第(1)列和第(2)列中,我们只对控制变量档期(Season)、技术手段(Tech)和电影网站评分(Score)进行普通OLS回归,其中第(1)列未控制年度效应,而第(2)列则控制了年度效应。由第(2)列可以看到,三者的系数均为正,说明了三个变量对电影票房均有显著的促进作用。该结果符合我们的预期,也就是电影在贺岁档、暑假档、劳动节档和国庆节档期上映会对电影的票房有个积极的影响。若是电影采用了3D或者3D IMAX技术手段也会对电影的最终票房有促进作用。同时,对于观影的体验和评分,尤其是电影评分网站,观影人群对电影的评分越高,则该部影片的票房就越高。此外,第1列中调整的R2仅为0.156,则说明,这三个控制变量对电影票房的解释能力很小,所以我们要引入更多的变量加入回归,才能更好的对电影票房进行解释。

表2 电影票房影响因素的回归结果

表3 电影票房影响因素的回归结果

注:被解释变量为考虑了通货膨胀因素的实际票房的自然对数log(box)；表中括号中数字为bootstrap方法抽取1000次得到的t值；*、**和***分别代表在10%、5%和1%的水平统计显著。

在第(3)列中,我们加入了演员过去十年的实际最高票房的对数这一变量,从回归结果可以看出,这个变量的系数为正,且在1%的水平统计显著。可看出一部电影的演员在过去十年的票房表现越好,则这部电影的电影票房越高。这一结果也符合我们当初的预期。同时,与第(2)列相比,第(3)列调整后的R2上升到0.317,说明演员过去票房表现对该部电影最终的票房有较强的解释力度。

在第(4)列中,我们加入导演过去十年的实际票房的对数这一变量,从回归结果可以看出,这个变量系数为正,且在1%的水平统计显著。因此，可看出一部电影的导演在过去十年的票房表现越好,则这部电影的电影票房越高。同样这一结果也符合我们当初的预期。与第(2)列的调整R2对比,第4列调整后的R2上升到0.305,说明导演过去票房表现对该部电影最终的票房有较强的解释力度。

在第(5)列中,加入了是否是系列电影这一虚拟变量,考虑一部电影是否是系列电影对电影票房的影响。从回归结果来看,这个变量的系数并不显著。也就是说,当一部电影是系列电影时,它的票房并不会显著高于非系列电影。另外,与第(2)列相比,第(5)列调整后的R2仅仅由0.289上升到0.295,这个变动幅度小于第(3)列和第(4)列,这进一步说明续集这一变量对票房的解释力较弱。

在第(6)列中让所有变量均加入回归,发现与前几列的回归相比,各个变量的显著性均未发生明显的变化,调整后的R2也由第(1)列的0.156上升到0.335。显然加入导演过去票房表现、主演过去票房对当前票房有显著影响,而是否是序列电影则对票房收入无显著影响。也就是说,电影票房确实存在延续性,而这种延续性主要体现在导演和主演上,而不是电影本身。此外,可以看出,R2为0.335仍然较小,说明在这个回归结果里遗漏了一些比较重要的变量。其中包括:排片场次、投资预算、营销手段、获奖提名情况。但是由于我国针对每部影片的投资、排片场次等数据的统计工作不完善,导致这部分数据难以获得,所以只能将这些变量放入误差项内。

(四)稳健性检验

为了验证(三)部分回归结果的稳健性,我们通过替换导演过去十年票房表现和主演过去十年票房表现这两个变量的样本,重新进行回归。我们把时间长度缩短到五年,即考虑导演过去五年票房表现和主演过去五年票房表现这两个变量。

我们的数据仍然是从2012年1月1日到2016年12月31日,共494个电影的截面数据。只是将导演和主演过去票房表现的年限缩短为5年。本文参与回归的观察值数量也仍为494。

表4 电影票房影响因素的回归结果(2)

注:被解释变量为考虑了通货膨胀因素的实际票房的自然对数log(box)；表中括号中数字为bootstrap方法抽取1000次得到的t值；*、**和***分别代表在10%、5%和1%的水平统计显著。

通过表4显示的新的回归结果可以看出,将导演和主演过去票房表现这两个变量的时间缩短为5年进行回归,与表3的回归结果对比,各个变量系数的符号和显著性并未发生明显的改变,从而也就进一步的证明了第(三)部分中回归结果的稳健性。

五、结论

本文使用了从2012年1月1日到2016年12月31日在国内院线上映的494部影片的电影票房数据,对国内电影票房的影响因素进行实证分析,通过一般回归分析和稳健性检验,得出了以下结论:

第一，导演和主要演员的票房表现具有较强的延续性。对于导演和大牌演员来说,过去的成功对当前电影的票房有重要影响。

一个导演的票房号召力可以由两个角度考虑,一个是该导演所形成的电影标签文化,另一个是观众通过该导演以往电影作品的质量而产生的对未来电影质量的预期。导演的电影标签文化,是指根据一些导演以往作品的特点,观众对该导演指导作品产生的一种固定的认识。例如,冯小刚导演的作品往往具有很强的平民意识,总是用其独有的“冯氏幽默”讽刺带调侃地为观众讲述着一个又一个打动人心的故事,从最初的《甲方乙方》《不见不散》《大腕》《天下无贼》到后来的《非诚勿扰》系列和《私人订制》都成为贺岁剧的大赢家。因此,冯小刚导演独有的“冯氏喜剧”成为一代观影人心中的固定标签,同时也为冯小刚导演积累了一批忠实的观众。

另外一个角度,对导演以往电影作品质量了解而对新影片产生的预期也会引导观影人群走进影院选择观看该部电影。例如,徐峥作为导演,2016年之前执导过两部影片《人在囧途之泰囧》和《港囧》。与其担当演员角色不同的是,徐峥是一名新人导演。但是其导演的处女作《人在囧途之泰囧》作为一部投资不足3000万,无巨星不3D的影片,得到了首日3600万,周末单日9000余万,最终累计票房高达12.6亿元的佳绩。通过考量《人在囧途之泰囧》最终的票房成绩,大众对徐峥执导的下一部喜剧片产生了积极的预期,正是这一积极的预期促使着观众走进电影院选择观看《港囧》。最终《港囧》的累计票房达到了15.73亿元,超过了《人在囧途之泰囧》的12.6亿票房。可以看出,观众从一个导演过去票房表现产生的正向预期,是促使他们观影的一个重要因素,同时也会对最终电影票房有着积极的影响。

与导演效应类似,一部电影的主演很大程度上决定着该电影的票房。一个演员的号召力同样也可以分为两个角度,一个是该主演的人气,另一个是观众通过该主演以往电影作品的质量而产生的对未来电影质量的预期。一个明星背后的粉丝团体往往是一部电影观影人群中的忠实观众。他们选择观影,有时仅是出于对该明星的支持。这也是一些电影把很大一部分预算用在聘请人气较高的演员上的原因。

除了这种“明星效应”之外,一个明星以往参演的电影票房高一定程度上说明了该演员的演技好,受市场的认可度高,其接下来的新电影上映时,观众认为该电影的演技和制作水平有保障,可以减少看“烂片”的几率,自然乐意买账。例如,白百何作为中国电影历史上首个单年票房突破30亿的中国明星,成为了2015年的票房赢家。2011年的《失恋33天》,虽然总投资只有1000多万,但累计票房达到3.5亿人民币,为白百何奠定了一个极高的起点。2013年的《分手合约》和《被偷走的那五年》,也分别都票房过亿。同年底的《私人订制》,单片票房更是超过7亿。这一年,白百何3部影片累计超过10亿。2014年的《整容日记》虽然没有过亿,但也有8000多万,对一个中小成本电影来说并不低。上述5部影片,累计票房为14.88亿,平均每部接近3亿。观众通过考量其2011年到2014年参演的电影最终的票房,从而对2015年上映的《捉妖记》和《滚蛋吧,肿瘤君》预期也会是制作精良的影片。这种正向的预期吸引了一大批观众,从而使得《捉妖记》最终累计票房高达24.4亿元,《滚蛋吧,肿瘤君》最终票房达到5.2亿元。这也就是观众通过过去明星主演的电影产生了正向的预期,随之吸引观众选择观影,最终对新电影的票房产生了积极的影响。

第二，系列电影的票房表现并不具有延续性。一部电影如果是系列电影的话,那么该系列电影过去的票房表现并不是影响这部电影票房的主要因素。

系列电影的最终票房成绩要根据这个电影实际的口碑、导演和主演、上映时间等因素共同决定。消费者在最近几年的观影体验中越来越趋于理性,如果该系列电影的票房之前的表现比较好,那么消费者会对这个系列电影产生很高预期。当第一批观影者观看该系列电影后,如果没达到之前的系列电影的观影效果,在消费者中会产生强烈的负面效果,往往会被评为“狗尾续貂”“没有新意的续集”。同时,该系列电影如果在后续的电影中更换了电影的导演或者主演,也会对电影票房产生一定影响。例如,某个主演在电影中的表现不尽如人意或者有存在某些负面新闻,这也会对该系列电影产生严重的负面影响,而不是因为其上一部系列电影的票房很高,该部系列电影也会达到同样很高的票房,严重的情况还会毁掉一部在影迷心中的经典电影。因此,一部系列电影在过去的高票房并不能保证接下来的系列电影同样获取高票房。

注释:

① Desai KK.,Basuroy S.(2005).InteractiveInfluenceofGenreFamiliarity,StarPower,andCritics'ReviewsintheCulturalGoodsIndustry:TheCaseofMotionPictures. Psychology & Marketing,Vol.22,No.3,.pp.203-223.

② Dhar T.,Sun G.,Weinberg C.B.(2012).TheLong-termBoxOfficePerformanceofSequelMovies.Marketing Letters,Vol.23,No.1,pp.13-29.

③ SangHoKim,Namkee Park,Seung Hyun Park.(2013).ExploringtheEffectsofOnlineWordofMouthandExpertReviewsonTheatricalMovies'BoxOfficeSuccess. Journal of Media Economics,Vol.26,No.2,pp.98-114.

④ 胡小莉、李波、吴正鹏:《电影票房的影响因素分析》,《中国传媒大学学报(自然科学版)》,2013年第20期。

⑤ 王铮、许敏:《电影票房的影响因素分析——基于Logit模型的研究》,《经济问题探索》,2013年第11期。

⑥ 尹一伊:《影响中国电影经济成功的因素分析——从票房预测模型看中国电影新发展》,《当代电影》,2013年第7期。

⑦ 王一帆:《我国电影票房影响因素分析》,《市场研究》,2015年第5期。

⑧ 何萍:《影响电影票房的几大因素分析》,《中国电影市场》,2011年第11期。

⑨ Liu A.,Liu Y,Mazumdar T..(2014).StarPowerintheEyeoftheBeholder:AStudyoftheInfluenceofStarsintheMovieIndustry. Marketing Letters,Vol.25,No.4,pp.385-394.

⑩ 朱梦娴:《口碑与票房:社会化媒体电影评论的商业价值研究》,《信息资源管理学报》,2015年第5期。