电影业中介人行为对文化产业绩效的影响

栾晓梅　许合先

摘要：运用lisrel8.7软件，构建电影绩效影响结构方程全模型，分析了电影业中介人行为对电影产业绩效的影响程度，并得出结论：电影票房受院线等级、放映日屏幕数量和竞争条件的影响程度高，受放映日是否为黄金档期的影响程度低。因此，电影业中介人可以通过选择院线等级、调整放映日屏幕数量和电影放映的竞争条件等来决定电影的市场绩效。

关键词：电影业中介人；市场绩效；结构方程全模型

中图分类号：G124文献标识码：A

文化产品不像其他产品，其质量和效用价值具有不可测性。文化产品属于体验产品，只有消费者真正参与了消费之后，消费者才知道特定的文化产品的好与坏，而且关于所消费的文化产品的评价会受个体偏好的影响。在这个过程中，消费者必须依赖中间商所提供的信息去选择最适合他们的文化产品。所以文化产业需要各种类型的个人或广泛的组织专门从事定义、评估和过滤这些产品的非效用特征，像评论家、博物馆、唱片骑师、编辑等都是文化产品中间商的典型代表，他们在改变和维持文化产品生产和消费的模式中发挥着重要的作用，这部分人就是文化产品的交换主体[1]。他们决定哪一个文化产品进入市场，进入市场的文化产品的规模，并影响着文化产品市场的竞争条件。电影是重要的文化产品，电影业是重要的文化产业，需要大量的电影产品的交换主体才能进行电影产品的传播。电影产品的传播最直观的表现是电影产品传播范围，电影产品的传播范围是电影市场中影响电影绩效最关键的一环。

在电影市场里，各院线作为电影产品的直接分配者，决定了电影上映的时间和电影市场的关键竞争者，因为作为同一时期放映的电影才能够产生竞争条件[2]。各院线电影产品的分配需要大量的中间商参与，而每一个中间商都有自己的分配策略，这些中间商总体决定了电影产品在整个市场上的分配特征和竞争模式。这些中间商就是电影产业的关键中介人，对电影产品的传播起到了重要的作用。这些中间商的行为最终通过电影播放情况反映出来，而电影产品又直接关系到电影的产品绩效，因此电影的放映情况成为连接电影业中介人影响电影业绩效的桥梁，这个桥梁主要通过电影发行方搭建，也就是说，电影业绩效受到电影发行方这一中介人的重要影响。

本文以2009-2011年为时间段进行研究，分析了国内各电影院线的电影放映情况，借此来考察电影业中介人是如何通过市场行为来影响电影绩效的。

一、电影产业中介人行为对电影产业绩效影响之假设

假设1：国内电影票房与放映日屏幕数量正相关。

电影产业的收入来源主要有国内电影票房、电视台、网络播出媒体、光盘销售、内容使用授权、广告和出口等。在诸多收入来源中，国内电影票房占据特别重要的地位，票房收入在很多国家成为衡量电影发展状况的重要指标[3]。

各电影院线和影院拥有的屏幕数量不同，当放映周内承担多部电影放映时，对屏幕数量的分配计划会直接影响实际观看电影的人数，从而影响电影的票房。笔者认为，电影放映日屏幕数量越多，理论上意味着有更多的实际观看者（不存在电影口碑不好、影响力差等负面条件）。但是在选取样本数据的过程中，在考察放映日的屏幕数量时，此部分数据均来自电影院线内部数据，但部分数据由于获取十分困难，因此缺失。

假设2：国内电影票房与院线等级正相关。

笔者认为电影放映和发行选择的院线等级越高，则越卖座。例如，2009年前10名电影院线发行情况即可说明问题，见表1。

假设3：国内电影票房和电影放映时间是否为黄金档期正相关。

通常情况下，电影如果选择在暑期强档或节假日播放会比选择在平时播放赚取更多的票房收入，按照中国法定节假日和传统节日的安排，这里把电影放映的时间进行分类，选择在暑期或寒假放映为5，国家法定节假日为4，其他传统及外来流行节日，如圣诞节、情人节等为3，平时靠近年底为2，平时其他时间为1。我们将153个被测样本2009-2011年间票房排名前10名的影片放映时间列表如下，见表2①。

从表2中可以看出，2009年前10名影片选择在年底放映的比较多，2010年前10名影片选择在暑期强档放映的比较多，2011年前10名影片在暑期和年底放映的选择上实力比较均衡。

再来看看样本中所有电影上映档期的情况，见表3。

表3数据显示，样本数据中有32部电影选择在暑期上映，占整个样本的比例为21%。选择在暑期上映的电影中有15部票房超过1亿元，意味着样本内47%的暑期上映的电影票房过亿。25部电影选择在法定节假日放映，占整个样本的比例为16%，其中16部电影票房过亿，占法定节假日电影放映总量的64%。其他传统及外来流行节日发行电影14部，占整个样本的比例为9%，其中12部票房过亿，占这一时间段电影放映总量的86%。平时电影发行量共为82部，占整个样本的比例为54%，其中平时靠近年底发行的电影15部，占整个样本的比例为10%，当中9部票房过亿，占年底电影发行总量的60%。平时其他时间票房过亿的电影共28部，占该时间段内电影发行总量的42%。通过数据分析，电影的发行放映时间选择在黄金档期会得到更高的票房收益。

假设4：国内电影票房和同一档期的影片数量负相关。

一般情况下，一部电影的上映时，同一档期的影片数量越多，其所面临的竞争越激烈，因此会导致票房业绩不理想。一般电影的放映时间大约为1个月左右，通过对各个影院进行走访发现，提前和推后1个星期内放映的影片均会对正在放映的电影产生强势的影响，因此在考察电影的竞争对手的数量时，我们选择其放映时间的前后7天共15天内放映的电影数量进行计算。本文样本选取2009年国内票房排名前53位的电影，2010年和2011年国内票房排名前50位的电影。我们发现了一个有趣的现象：2009年选择在8月份或12月份上映的电影面临的竞争对手的数量比较多；2010年选择在2月份和6月份上映的电影面临的竞争对手数量最多；2011年选择在1月份、9月份和11月份上映的电影面临的竞争对手数量最多。其竞争对手的数量可划分为5个维度，1代表同一档期内的竞争对手的数量小于或等于1，2代表同一档期的竞争对手的数量等于2，3代表同一档期的竞争对手的数量等于3，4代表同一档期的竞争对手的数量等于4，5代表同一档期的竞争对手的数量大于或等于5。

假设5：某一院线电影票房和同一档期的其他院线电影知名度负相关。

笔者认为，同一档期的其他电影的知名度越高，越会对被测院线电影的票房产生负面影响，这一指标用同一档期内其他电影的实际发生的票房排名在被测院线电影前面的电影数量进行度量。1代表前面没有竞争者，2代表排名在其前面的竞争者数量为1，3代表排名在其前面的竞争者数量为2，4代表排名在其前面的竞争者的数量为3，5代表排名在其前面的竞争者的数量大于或等于4。

二、电影产业中介人行为对电影产业绩效影响模型的构建及验算

（一）提取因子主成分

使用SPSS19.0提取主成分因子，见表4。

旋转法是具有 Kaiser 标准化的正交旋转法；a. 旋转在 3 次迭代后收敛。

通过分析提取了2个主成分因子，其中变量4和变量5（由假设4和假设5得出）属于提取的第一个主成分，其权重系数分别为0.857和0.904。变量1、变量2和变量3（由假设1、假设2 和假设3得出）属于提取的第二个主成分，其权重系数分别为0.737、0.452和0.648。因此，用潜变量基础要素代表变量1、变量2和变量3，用潜变量竞争要素代表变量4 和变量5，用潜变量电影绩效代表电影票房，我们通过lisrel8.70软件估计结果，构建了电影绩效影响结构方程全模型路径及其路径关系图，见图1。

（二）模型拟合结果

利用lisrel8.70软件，模型整体计算得出拟合结果，见表5。

总体上看，除PNFI和PGFI略有不理想之外，其他数据均在理想范围内，综合评价各指标可知，该模型拟合度是可以接受。

三、结论

通过分析电影发行商行为对电影绩效影响的结构方程全模型路径图，并对前文提出的5个假设进行检验，可以发现：基础要素总体上对电影绩效的影响为正，路径系数为0.66，这一结果印证了之前的原假设。同时，可以看到院线等级与基础要素潜变量的路径系数为0.99，说明基础要素中对电影绩效影响最大的是院线等级；其次是屏幕数量，屏幕数量与基础要素的路径系数为0.68；最次是黄金档选择，黄金档选择与基础要素的路径系数为0.05。说明黄金档的选择对电影绩效的促进作用并不明显，也说明电影是否选择在暑期、节假日等时间放映对电影票房的影响不大。这一结果至少说明了一部电影即使没有选择在暑期强档、节假日放映，但仍然可以通过电影产品本身的质量（如好的导演、知名的演员、编剧、灯光设计等）和电影公映前期的宣传而赢得好的票房。电影绩效主要来自于发行商的屏幕数量和发行商本身的等级选择所带来的影响。电影放映时选择的屏幕数量越多，意味着电影越有好的票房，选择发行、放映电影的院线等级越高，电影票房越理想。竞争要素总体上对电影绩效的影响为负，接受原假设，竞争要素与电影绩效的路径系数为-0.45。因此，发行商选择同一档期的竞争者数量越多，竞争者知名度越高，其分得的电影票房越少。进一步分析可以看到，竞争者数量与竞争要素的路径系数为0.80，竞争者知名度与竞争要素的路径系数为0.33，说明竞争要素中，对电影市场绩效影响最大的是电影上映的竞争者数量选择，其次才是同期上映其他电影的知名度。

综上所述，电影发行商可以通过调整电影放映的时间、屏幕数量和同一档期电影的数量，以及同一档期电影知名度相互之间的搭配来实现最佳的票房绩效。同时，一部电影生产出来以后，通常是由几个院线共同发行，院线之间的合作博弈也会影响各院线的分账情况以及电影的整体票房情况。

注释：

①表中的数据系根据国家广电总局发布的数据以及各年份文化产业蓝皮书上的有关数据整理计算而得出的。

[参考文献]

[1]夏妮亚，蒲勇健.基于多国面板数据的电影产业经济特征分析与国内电影票房影响因素研究[J].经济问题探索，2012（6）：137-138.

[2]闵亚哲，任翔.中国内地电影票房的实证研究[J].理论视野，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.

（责任编辑王婷婷）