基于多元线性回归的年度电影票房影响因素实证分析12000字【论文】

基于多元线性回归的年度电影票房影响因素实证分析摘要 I1.绪论 1.1研究背景 1.2研究意义 21.3.1国外研究现状 21.3.2国内研究现状 21.4本文研究内容 32.影响电影票房的变量设置 32.1数据选取 2.2样本选择与变量说明 33.电影票房影响因素的分析方法 93.1多元线性回归分析的一般形式 93.2多元线性回归模型的基本假定 3.3回归参数估计 4.影响电影票房的实证分析 4.1变量描述与定义 4.3多元回归分析 4.4模型诊断 4.5结果讨论与分析 5.1与以往论文文献研究结论对比 5.2不足与反思 5.3建议与展望 参考文献 附录 241电影可以看作是一种重要的艺术形式，是大众娱乐的来源，更是教育或灌注公民的主要媒介.随着现代社会的不断发展，电影已经变成了人们日常休闲娱乐生活中的重要组成部分，对国民经济的发展具有重要影响.本文选取2017——2021年间每年对电影票房前50名的影片进行研究，选取电影类型、电影制式、演员影响力等12个因变量作为解释变量，采用多元线性回归分析方法，对影响电影票房的因素进行实证分析分析。从而分析出想看人数、□碑评分、IP改编、暑期档、物料播放量、知名导演以及主旋律电影对年度电影票房有正面影响,电影类型中爱情片、剧情片、动画片对年度电影票房有负面影响.关键词：电影票房；影响因素；多元线性回归党的十八大报告指出要“推动文化事业全面繁荣、文化产业快速发展”,中央“十二●五规划”也明确指出，要“繁荣发展文化事业和文化产业”.电影产业作为一个重要组成部分被列入议程.自此，中国电影业便开启了迅速发展的序幕.今天，电影产业已经成为文化产业的主要支柱和核心内容之一，一方面，要归功于政府为其实施制定的一系列政策；另一方面，经济的快速增长为电影业发展创造了有利的经济环境.我国电影业经过多年的产业化与市场化推进，出现了产业模式与类型化生产，基本形成了产业体系与市场结构.目前，电影产业营收来源主要有票房收入、广告收入、衍生品开发收入、转播、出售版权、网络版权等方面.电影票房作为极其重要的部分，是衡量电影绩效和电影是否成功的2重要指标，它能直观地体现出市场对电影作品的直观需求，同时为投资者提供一定的参考信息.美国的电影产业链，从资金支持、资金回收，到后期电影研发、电影特色,都已经完全成熟并且形成了一套经验法则，中国的电影市场还没有完全发展起来，对国际市场尚待开发，产业链才刚建成，如何找到影响电影票房的关键因素，对其产业链的完善有着现实意义.西方媒体经济学的研究表明，电影制片人、明星、节目制作成本、广告费用、出版商、档期、获奖、观众对影片的质量评定等因素都会对电影票房的成绩产生一定的影响.由于国内鲜有关于对电影票房方面研究，大部分是对电影商业运作方面的研究，大多都、大多是从宏观层面来讨论电影的产业化问题.因此，对电影票房的影响因素做定性与定量的分析研究，具有一定的现实意义。电影作为一种高度艺术和美学的服务型产品，生命周期短，受众偏好更难把握，电影属于典型的体验型商品.这些特性决定了电影票房的影响因素，与其他商品略有不同，对电影票房预测的不确定性更高.研究人员(GeorgeGallup、LeoHandel等)主要通过问卷调查法、访谈等方式探讨外国的电影票房经验，没有具体讨论各个因素对票房的贡献.第二阶段侧重同因素对电影票房的影响，如口碑、类型和影片内容7,仍有许多学者在研究关注观众口碑和评论数，基于谷歌搜索、维基百科、博客、新闻报道、谷歌搜索等观众情感化表达，产生内容票房预测模型。3国内票房研究起步较晚，主要集中在现状分析、影响因素分析和电影票房预测模型.近年来的研究成果持续性关注这一问题.其中，何双男(2017)通过相关分析和回归分析分析了2012年至2016年上映的影片数据，认为电影评分次数与票房表现有着显著关系12.胡晓红(2018)通过循序渐进的方式，选取了电影票房显著相关的四个因素，即影片首映评分，、导演人气指数、导演人气指数以及影片是否为续集31.刘暄(2019)通过回归分析分析了2015、2016年上映的176部影片，发现影片是否续集、淡旺季、上映天数和豆瓣评论数之间存在高度的正相关关系，豆瓣电影评分与年度电影票房之间存在显著的负相关关系41.刘志新(2019)选取2018年上映的292部影片进行了多元回归分析，发现导演影响力、演员影响力、电影投资方影响力、电影续集正向影响票房的影响较为积极，而电影评分、电影制作技术、电影档期等影响较弱51.综上所述，不同阶段的研究人员主要使用多元线性回归方法进行实证分析,选择的解释变量的类型和数量也各不相同，研究结果也并不一致，这反映出了电影票房影响因素的复杂.在此基础上，笔者选取了最新的电影年度票房数据,根据前人的探索经验，对21个变量进行了11个类别的区分，系统全面地探究分析了电影票房的影响因素.以《R数据分析：方法与案例详解》为基础，以《多元统计分析》[131、《数据挖掘》等为指导，对数据建模之间可能存在的多重共线性、异方差性、序列相关性等进行检验与克服，选取2017——2021年间每年电影票房的前50名共250部电影作为研究对象，将电影票房设置为因变量，选取包括想看人数、□碑评分、主旋律电影等十一个指标作为解释变量，采用描述性数据分析、多元线4房的影响因素，也为投资者提供信息参考.2.影响电影票房的变量设置本文选取2017——2021年间每年电影票房的前50名1)选择近五年上映的影片，具有很强的时效性和研究价值。近年来，我国电影产业发展迅速，但于西方发达国家相比仍存在一定的差距。随着互代的到来和网络视频等新媒体平台的快速发展，电影产段。自2002年颁布《电影管理条例》以来，我国电影准确的反映电影市场现状，更准确的预测票房，有2)票房排名前50的影片之所以入选，是因为票房市场存在倾斜，票房好的影片占年度电影总票房的80%以上，选择这样的影片更能体现当下的市场特点,也具有更高的研究价值。电影是一种视觉艺术，也是有特定文化创造的文化产物，不仅具有独自的特征，而且具有超越其他一切艺术形式的表现手段.电影作为一种艺术商品，其收入主要包括票房收入，版权收入，广告收,票房已经成为衡量一部影片成功与否的重要指标之一，票房可以用观众人数5度电影票房设定为一个因变量，即一部电影从全国影院上映所能获得的收入总二、自变量本文共选取想看人数、电影时长、电影制式(I型(爱情片、喜剧片、剧情片、动作片、奇幻片、悬疑片、犯罪片、动画片)影响力、主旋律电影共11类变量作为解释变量.方式，随着智能手机在互联网上的普及，社交媒体在营销宣传中的作用越来越突出。经过一段紧张的预览和预告片的关于流行话题的推文电影宣传期，观众在电影上映前已经对它有了基本的了解。猫眼电影、豆瓣等主流电影社区都有“想看”的功能，“想看”的数量代表着观众看电影的意愿，也是衡量电影前期宣传作用的一个标准。通过调查分析，发现猫眼电影所体现出的“想看”现象具有较强的现实意义和商业价值。本文以猫眼电影为例，从用户视角出发研6究其传播效果及其影响因素。本文将猫眼电影电影中所随着生活水平的提高，消费者决定是否去电影院时，不仅会考虑电影的内制式分为IMAX电影和非IMAX电影，并将IMAX电影赋值为1,非IMA值为0.伴随电影产业各个环节愈加成熟，类型电影愈加多元要由塑造其内容和基调的关键因素决定。电影的类型可以反映出观众的喜好，,对投资者选择投资对象有实际意义171.豆瓣电影的电影主题分为18种类型：戏剧、爱情、喜剧、科幻、动作、惊悚、犯罪、恐怖、青春、励志、战争、文学、黑色音乐和家庭，根据中国电影产业的发展现状和本次分析选取的样本，本文将电影类型分为八种：爱情片、喜剧片、电视剧、动作片和动画片，其他电影类型在本次分析中不予考虑。在本文中，电影类型被定义为一个虚拟变量，将对应类型赋值1,不是则为0。电影样本从猫眼电影中分类.7续集建立在母片的成功基础上，电影制作人以原班人问世，在票房和观众评分方面取得了双丰收的佳绩.本文将续集设为虚拟变量，当影片为续集电影时赋值为1,否则为0.电影是否为是续集相关信息来自于其宣传材料.在当今社会，□碑是人们在消费某一商品后在互联网等识产权内容向电影的转化已成为电影产业的一个重要特征。并成为中国电影的并将IP电影赋值为1,非IP电影赋值为0.8电影档期是由发行商和电影院设定的时间段，在这段时间内，观众有可能会进行消费.经过几年的发展，中国逐渐出现了以下电影季：贺岁档、暑期档、五一档、国庆档和一些由电影制片人出于电影营销目的而规划的档期.参考之前的研究，本文取贺岁档、暑期档、假期档以及普通档，档期归属按照电影上映日期判断，数据来源于猫眼电影.序号档期档期定义1假期档2暑期档6月1日至8月31日3贺岁档11月20日至2月中旬4普通档普通日期物料播放量部分反映出了该电影的营销宣传力度和传播热度，物料播放量越高，票房转化率可能会越高.一些研究人员在以前的研究中使用优酷网、腾讯视频、爱奇艺和土豆网的片花及预告片播放量之和作为统计指标，但结果并不显著.在本文中，我们以物料播放量(包括预告片、花絮、特辑、幕后故事、主题曲放映等视频)在猫眼专业版app中的播放次数作为自变量，设为数值型变量导演是电影的灵魂，指导整个剧组使用所有可能的工具和技术将剧本搬上银幕，并通过演员的表演表达他们内心的情感和价值观。因此，本文将考虑到导演的专业性和专注度，按照香港金像奖、台湾金马奖、中国大陆金鸭奖和百花奖这三大奖项和提名对其进行分类，将导演分为知名导演和非知名导演，分别赋值1和0,设置为虚拟变量.9由于表演职业的特殊性，许多演员在专业工作外，还是公众人物，这也是吸引观众观看电影的关键因素之一.电影使用明星来吸引观众是常用战略.首先，电影制作者可以利用明星的影响力和公众的注意力来宣传和销售电影；其次，明星的粉丝也是电影的潜在消费者，电影与影响力大的明星合作是一种双赢选择，对观众有极强的号召力.11.主旋律电影由政府部门指导的主旋律电影，是充分反映主流意识形态的电影，主要为革命和历史题材，也有贴近普通观众生活的现实题材，颂扬人类生命.如今，主旋律影片已逐渐成为新的主流电影，它们不仅具有主流意识形态，更兼顾商业性和人文主义色彩，在内容叙事、类型化探索、人物塑造方便都实现了巨大的创新.2017-2021年主旋律题材影片数量2017-2021年主旋律题材影片票房由上图可以看出除2020年因为疫情寒冬影响外，主旋律电影数量及票房稳步上升.2017年，《战狼2》打破中国影史票房纪录，中国电影找到了契合当下的中国英雄形象，到了2019年，引进片揽获113亿票房的同时，主旋律电影也迎来转型，从之前个人英雄形象，转向整个民族的英雄叙事，《长津湖》英雄群像取代了《复联》众侠，主旋律电影的成功意味着中国观精神与风貌的“中国叙事”.电影名称累计票房想看人数战狼256.8441.3电影时长电影制式电影类型是否续集豆评分IP改编暑期档6.17E+08吴京吴京、弗兰否9.1否否8.4否1083D/CGS中喜剧/动作，否是9.8否假期档154E+08捏提蒂瓦阿米尔9否8.9是金刚：骷髅!否9.6否1073D/CGS中动作/惊悚，否102CGS中国E剧情/喜剧，否8.7否903D/CGS中喜剧/动画是3.电影票房影响因素的分析方法Yi=β₁+β₂X₂i+β₃X₃i+…+βkXki+εi,为解释变量(自变矩阵，其中截距项可视为解释变量总是取值为1,有时也称为数据矩阵或设计矩阵.那么,样本回归模型为：Y=Xβ+e.样本回归方程为：Y=Xβ.差向量.经典线性回归模型必须满足的假定条件如下.同，即(4)无多重共线性.假定数据矩阵X列满秩，即Rank(X)=k达到最小，即Q(β)=e’e=(Y-xβ)(Y-xβ)整理后可得(X′X)β=X′Y,称其为正则方程.因为X′X是一个非退化矩阵，所以有这就是线性回归模型参数的最小二乘估计量.4.影响电影票房的实证分析本文的因变量设置为年度电影票房(单位：亿元),选取想看人数、电影制式(IMAX电影和非IMAX电影)、电影类型(爱情、喜剧、剧情、动作、奇幻、悬疑、犯罪、动画),续集、评分、IP改编、电影档期(法定节假日档、暑期档、贺岁档，普通档)、物料播放量、知名导演、演员影响力、主旋律电影共11类21个自变量建立电影票房的影响因素模型，其中想看人数电影档期、知名导演、主旋律电影为虚拟变量.所有变量的定义及来源见下表.定义电影票房截至2022年2月份年度电影总票房想看人数电影的想看人数，为数值型定义电影制式IMAX=1,非IMAX=0,为影片信息电影类型(爱情)爱情片=1,非爱情片=0影片信息电影类型(喜剧)喜剧片=1,非喜剧片=0影片信息电影类型(剧情)剧情片=1,非剧情片=0影片信息电影类型(动作)动作片=1,非动作片=0影片信息电影类型(奇幻)奇幻片=1,非奇幻片=0影片信息电影类型(悬疑)悬疑片=1,非悬疑片=0影片信息电影类型(犯罪)犯罪片=1,非犯罪片=0影片信息电影类型(动画)动画片=1,非动画片=0影片信息续集电影=1,非续集电影=0影片信息□碑评分IP改编=1,非IP改编=0影片信息电影档期(假期档)影片信息电影档期(暑期档)影片信息电影档期(贺岁档)贺岁档=1,非贺岁档=0影片信息电影档期(普通档)影片信息导演知名导演=1,非知名导演=0中国文娱数据演员影响力合计算，为数值型数据百度、中国文娱数据主旋律电影=1,非主旋律电影片信息对收集到的样本数据进行描述性分析可得，250部电影的平均票房为8.11亿元，有36.4%的电影超过了票房平均值.10亿元以上的电影占比26%,1至10亿的票房占比65.6%,一亿一下的电影仅占比8.4%.超高票房电影(票房在20亿元以上)占比8.4%,相比于2018年邹霞等人对2014-2016年340部电影分析所得的比重为0.9%而言，占比略有所下滑，主要原因为2020年以来因为疫情原因影响，导致一段时间的影视寒冬，使得数据出现略微的下滑.比百分比电影制式IMAX电影非IMAX电影电影类型爱情喜剧7动画非续集电影IP改编IP改编非IP改编电影档期假期档暑期档贺岁档普通档知名导演知名导演非知名导演非主旋律电影一、模型设定基于多元线性回归分析，本文建立的模型如下：y(年度电影票房)=βo+β₁x₁(想看人数)+β₂x₂(电影制式)+β₃x₃(爱情)+β₄x₄(喜剧)+β₅x₅(剧情)+β₆x₆(动作)+β₇x₇(奇幻)+β₈x₈(悬疑)+β₉x₉(犯罪)+β10x₁0(动画)+β11x₁1(续集)+β12x₁2(□碑评分)+β13X₁(IP改编)+β14X14(假期档)+β15x₁5(暑期档)+β16X16(贺岁档)+β17X₁7(普通档)+β18x₁8(物料播放量)+β19x19(知名导演)+β2ox₂0(演员影响力)+β21x21(主旋律电影)一般来说，在用多元线性回归方程解释某种现象时，因为自变量的量纲大都不同，数据大小的差异通常较大，无法放在同一标准上进行比较.因此为了消除量纲不同和数量级的差异带来的影响，选择对样本数据进行标准化处运用R软件对样本数据进行标准化处理后，用普通最小二乘法回归估计各变量的系数，具体结果见附录图1,模型1摘要如表4.3.1模型R方标准估算后误差由上表可知模型1的p值<2.2e-16,整体通过了显著性检验，但是变量x₂,x₄,x6,x₇,xg,xg,X₁1,X₁4,X16,X₁7,x₂0的回归系数没有通过显著性区间能膨胀为与之模型无关得预测变量得程度，所得具体结果见附录图2.发现有自变量的方差膨胀因子√VIF大于2,故存在多重共线性.由于模型存在多重共线性，故我们采用逐步回归法对多重共线性进行克服由逐步回归结果重新建立模型2:y(年度电影票房)=βo+β₁x₁(想看人数)+β₃x₃(爱情)+β₅x₅(剧情)导演)+β21x₂1(主旋律电影)模型R调整后R²标准估算后误差德宾-沃森t检验，且模型2的调整的多重决定系数R?=0.508,其含义是：用样本量和模型中的自变量调整后，在年度电影票房的总误差中，被模型2中所包含的12个自变量能够解释的比例为50.8%.显然，模型2优于模型1.由所得结果可以看出模型1的p值=2.215e-10,整体通过了显著性检验，但是变量x₁1,x₁7的回归系数没有通过显著性检验，故剔除这两个变量，重新建立模型3:y(年度电影票房)=βo+β₁x₁(想看人数)+β₃x₃(爱情)+β₅x₅(剧情)得到的结果见附录图3,模型3结果摘要如表4.3.3.模型R方标准估算后误差德宾-沃森模型的整体性和局部显著性检验均通过，考虑到三个模型得拟合优度相差不多，本文认为模型3为最佳模型.经检验，结果见附录图4,模型3的各自变量的方差膨胀因子均小于2,故模型不存在多重共线性.定是否得到满足，图中显示结果残差值和拟合值基本不存在关联，则说明自变量与因变量之间是线性关系，满足假定；右上图只要检验残差是否符合正态分布，图中大部分点落在虚线上，正态性假定也得到一定的满足；左下图主要检差不断增长的问题，所以不存在异方差问题；右下图主要用于观察数据中是否存在极端点，不用于假设检验.总的来说，模型3基本满足多元线性回归模型的四个假定.图4.4.1模型诊断图最终选用模型3来解释电影票房和影响因素之间的关系，模型表达式为：y(年度电影票房)=-1.666+0.1113x₁(想看人数)-4.013x₃(爱情)-2.771x₅(剧情)-3.392x₁0(动画)+2.246x₁2(□碑评分)+3.251x₁3(IP改编)+2.122x₁5(暑期档)+3.3e-08x₁8(物料播放量)+3.435x₁9(知名导演)+8.791x₂1(主旋律电影)从回归方程来看，总体而言，想看人数、□碑评分、IP改编、暑期档、物料播放量、知名导演以及主旋律电影对电影票房有正向影响，电影类型中爱情片、剧情片、动画片对电影票房有负向影响.1.想看人数与票房呈正相关，而想看人数的多少与电影前期的营销宣传密不可分.想看人数越高，票房转化率就越高.想看人数每增加一万，可为电影带来0.113万元的票房收入.可见，在电影上映前期加大对电影的营销宣传对于电影票房而言是有益的.唐人街探案2》以及《我和我的祖国》等30亿元以上的电影，其猫眼评分均在9仍然是影响票房的重要因素，观众仍然愿意为高评分电影买单.有一定的粉丝积累和口碑基础，更有利于营销宣传，从而更容易取得较高的票房.于黄金三档之一，具有较强的竞争优势，暑期档上映的电影也容易有更多的受众群体，因此电影票房的转化率较高.强，观众更容易走进影院观看电影，从而转化成票房数据，这与实际情况也是相符合的.6导演知名导演与票房呈正相关.多元回归模型显示知名导演可以带来3.435万元越多的演员开始向导演转型，都取得了不俗的佳绩.上映的《长津湖》累计票房已破53亿元，打破了2将主流价值观融合其中，成为市场与□碑的双重赢家.《南方车站的聚会》这部小众黑色犯罪片，就取得了两亿多元的佳绩.5.总结按照上述回归系数可以发现对电影票房有较高影响的因素分别是□碑评分、IP改编、知名导演以及主旋律电影。借鉴前人的研究经验，利用之前研究电影票房影响因素的三篇实证分析和本文的研究结论就行比对，不同点如表5.1.1所示。何双男12胡晓红、王虹3刘志新5本文一一**一*IP改编一一******一一一*一***一一一*注：*代表该自变量对票房有显著正影响，一*代表该自变量有显著负影影响不显著,一表示该自变量没有包括在研究中。1.影响因素逐渐变得相同，电影票房开始进入稳定期。虽然选用的研究方法与影响因素不尽相同，但对电影票房有显著影响的基本都包括□碑评分、IP改编以及知名导演，这也证实了电影票房开始进入稳定期的判断。2.电影类型对电影票房的影响因素减弱，各种类型均有机会。在各研究中电影类型对电影票房的影响因素有所不同。何双男认为电影类型对票房有负面影响，胡晓红和王虹认为影响不显著。说明近几年的电影类型逐渐丰富，各种类型的影片不断出现并都取得了成功，比如2019年的动画片《哪吒之魔童降世》、2021年的主旋律电影《长津湖》等都取得了较高的票房。3.电影评分越来越重要。四个研究中只有刘志新影票房有负面影响，可见近几年研究中口碑评分对电影票房的影响程度越来越大，说明电影人更应该回归到电影本身以提高电影质量。5.2不足与反思首先，本研究验证了想看人数、电影评分等11类共21各自变量对电影票房的影响，对于实证分析来说，样本数据依然较少，较难得到效果理想的回归模型。但由于其他影响电影票房的重要因素，如发行公司、技术效果因素无法完全量化等原因，本模型并不够完善，后续研究可以增加自变量，对模型进行改进优化，会对实践有更为显著的指导意义.其次，由于2020年疫情原因，影视行业经历了一段时间的影视寒冬，导致数据出现较大程度的波动，属不可抗力因素，使得模型不够准确，不能完全反映2017年至2021年五年的真实模型.最后，随着市场和观众的变化，电影票房的影响因素仍然是一个需要不断探索和分析的课题，后续期待能研究出更准确的分析模型.5.3建议与展望1.注重□碑效应□碑对于一个电影提高票房有着十分重要的作用，提高电影质量，建设电影形象，形成口碑效应，提高观众对电影质量的信任度，从而扩大宣传效应，增加电影热度的持续度和高度，是出品人应该首先考虑的问题高□碑带来的票房持续度，会给票房收入带来不可小觑的影响，相比其他方面，出品人更应该将资本和精力注入到电影质量的提升和宣传上.现如今，我国本土的电影质量也在逐步提高，包括电影配色、镜头转化、后期制作、特效等方面都有了很大的进步，可以看到近几年的国产电影的票房排名成绩良好.根据数据显示2017年至2021年每年票房前五的影票中，国产影片明显居多.在观影群众越来越理智的今天，优质的IP电影必须要有优质的内容，虽然IP背后的粉丝群体是积累了很多的原始用户.但是，在选择IP上也应该从固有的思路中跳脱出来，不要过分迷信某一类型的IP.首先，我们作IP要做的是一种精品IP,不仅是靠着原有的群众基础，粗制滥造的IP;其次，要做到营销的前置，让营销与IP可以相互作用，达到票房□之义，创作者需要挖掘并表现人物的当下价值，更需要把它放在中国语境下加以诠释.曲”、“我和我的”等一系列口碑票房皆优秀的影片，越来越多的“明星”都投入到主旋律电影的创作和演绎中去.当新世代的青年观众成为文化消费的主力军，主旋律电影就必须紧跟市场动态适应市场的变化，在生产和传播的全产业链中注重青年的喜好和态度.《中国医生》根据新馆肺炎疫情防控斗争的真实事件改大的医护人员为原型创作的一部抗疫斗争电影；“我和我的”系列电影的每一场都是对时代下的小人物的雕琢与刻画；《夺冠》改编自多年的沉浮图景，经书了几代女排人不屈不挠、不断拼搏的精神.他们的命选择、传承，无不体现了普通民众在面对历史使命时的责任与担当.960万平方公里土地和他的人民故事是创作者们源源不断的灵感来源.纵观几十年来主旋律电影的发展，创作者们不断丰富题材股旋律电影，将小人物的悲欢和国家命运更紧密地结合，最一步繁荣发展，将中国主流文化更好的输出.[1]陈然.我国商业电影票房影响因素研究[D].云南财经大学，2016.[2]何双男.中国大陆地区电影票房印象因素实证研究[J].电影学，2017(22):4-8.[3]胡晓红，王红.基于多元线性回归的电影票房预测研究[J].信息技术与信息化，2018(Z1):183-185.[4]刘瑄.中国国产电影的影响因素研究[D].中国科学技术大学，2019.[5]刘志新.中国电影票房影响因素分析[J].合作经济与科技，2019(17):114-116.[6]池建宇.演员与导演谁更重要一—中国电影票房明星效应的实证研究[J].新[7]LitmanBarryR,LindaSThe80sEx