中国电影票房能否接轨“口红效应”？

李金洋

近年来随着中国经济下行压力巨大的宏观形势和电影市场飞速发展，“口红效应”的宠儿——电影产业，呈现超出经济增速的高速增长态势。本文针对电影票房与相关变量的联系，截取2008年至2018年的部分内地上映电影作为样本并结合期间各变量的相关数据进行分析。最后通过对电影票房增长及变量的分析和建立模型探究“口红效应”与电影票房增长的关系并解释影响电影票房其他主要因素。

“口红效应”最早是于20世纪30年代美国经济大萧条时期首次提出的。在美国，每当在经济不景气时，口红的销量反而会直线上升。美国化妆品雅诗兰黛创办人之子莱昂纳多·兰黛提出的“口红指数”揭示了这一现象。因为在美国，口红是一种比较廉价的消费品，在经济收入减少的情况 下，人们的消费欲望却没有减，因此他们会转而购买比较廉价的商品。而口红作为一种“廉价的非必要之物”，却兼具廉价和粉饰的作用，可以对消费者起到一种“安慰”的作用。 另外，人们的收入降低，难以进行大额消费，手中反而会出现一些“小闲钱”，可以去买一些“廉价的非必要之物”。当金融危机来临的时候，大量的人群受到冲击，出现更多的闲暇时间，心理上出现焦虑、不安、迷茫等特征。在这样的背景下，电影作为文化类产品能够对这些消极的精神状况起到抚慰的作用。它与任何一种文化艺术形式一 样，是以愉悦观众的精神和心理为内在价值的，能够转移人们对困难危机的关注，减轻危机带来的巨大心理压力和精神紧张。因此，电影市场的繁荣正是应了受众的这一需求而出现的。

满足如下三个条件的产品也可以充分利用“口红效应”来拉动销售：首先是所售商品本身除了实用价值外，要有附加意义；其次，商品本身的绝对价格要低；再次，商家要充分利用情境来引导消费者、引爆消费欲望。在经济不乐观时期，那种既能够满足消费者心理慰藉需求，价格又低到能消费得起的产品，往往能够获得更好的市场待遇，影院能够让人沉浸其中而获得短暂的心理慰藉，因此，票房的增长可以由口红效应拉动。从票房大热影片来看，也有心理安慰的“功效”。前任华语票房冠军影片《泰囧》《捉妖记》，到《美人鱼》，以及《羞羞的铁拳》《夏洛特烦恼》《大圣归来》等高票房电影不难看出，近几年能够获得观众青睐的，更多是题材轻松搞笑、能让人得到放松的影片。

一、文献综述

围绕国内电影票房与经济增长的关系，国内学界纷纷进行了相关研究。李炜（2015）认为，中国电影票房与整个经济环境的变化不无关系，严峻的经济环境反而有效促进了票房的走高。在宏观经济出现衰退的时候，有两个行业往往是增长的，其中一个就是娱乐业。但也有声音反驳这个观点。有电影业内人士指出，目前中国的观影人群，并非是“口红效应”中受到经济困扰而无力支付的群体，“更多的是拥有自主消费能力的城市白领”。

对于自2008年经济危机以来我国电影产业的发展现状，艺恩咨询在《—年中国电影产业研宄报告》中指出，中国电影产业的政策、经济、社会环境，分别是多元政策大力支持，助推影视产业跨越式增长、资本介入升级，互联网变革影视产业链、观影人群快速增长，90后渐成主力，电影产业外部环境利好、產业规模增长、互联网创新共同带来中国电影市场高位增长新常态的局面。

刘阳（2015）、尹鸿（2014）、蒋兴达（2014）认为，电影供给出现井喷式增长、人均稳定增长、银幕与影院数量急剧放大等都是我国电影票房高速增长的有力支撑，我国电影票房己进入一个高速增长的阶段。并且，国际电影市场权力格局正在发生重构。而且随着互联网、特别是移动互联网为代表的新媒体冲击下，电影产业的营销趋于定向和精细。

通过众多学者的研究可以发现，我国电影市场正处于飞速发展的阶段，金融资本的渗透、互联网经济的介入成为了双轮并驱动力，票房收入逐年高速增长，中国己成为全球电影票房增长的主引擎，带来了巨大的经济效应和社会效应。

在参考和学习国内外相关研究的基础上，本文试图通过经济学理论与模型的建立分析探究中国电影票房增长是否受口红效应影响，并从多角度寻找和分析电影票房的影响因素。利用计量经济学和统计学方法进行实证分析，以计量模型为基础和依据对各影响因素进行讨论和定性分析。

二、电影票房与经济发展的实证研究

本文选取2008年4月到2018年4月的月度数据，从实证角度围绕电影票房和经济发展主要变量的关系进行实证分析。

（一）变量选择及数据来源

根据当前国内外学者（学界）相关研究成果，对票房收入和经济发展的相关指标进行变量选择。首先，选用月度电影票房收入作为电影票房的代表性变量，名称为BOX。其次，经济发展总量通常用GDP来代表，但是由于我国没有公布GDP的月度数据，因此选用月度工业增加值作为经济增长的代理变量，名称为GYZJ。第三，鉴于财政收入是在一定时期内通过一定形式和渠道集中起来用于调控宏观经济、调整社会收入分配的货币资金，是衡量经济发展程度和经济实力的重要指标，因此选用月度财政收入也作为经济发展的代理变量，名称为FISCAL。

相关数据来源于Wind金融数据库和国研网数据库。同时，为消除数据的异方差现象，对以上相应数据均进行对数化处理。

（二）平稳性检验

在变量之间建立状态空间模型时，要求变量之间具有协整关系，否则所建立的模型将是伪回归。如果变量之间存在协整关系，那么变量必须是同阶单整的。因此，首先要对变量进行平稳性检验和协整检验。

由于大多数经济指标的时间序列都是非平稳序列，对这类时间序列进行回归分析时往往会出现“伪回归”现象，从而导致分析结论无效。因此在进行VAR估计前，首先需要进行平稳性检验。本文利用Dickey和Fuller（1994）提出的ADF 检验法对各变量进行单位根检验。如果ADF检验统计量拒绝原假设，则说明序列是平稳的，否则序列是非平稳的。结果如下（见表1）：

由上表可知，原时间序列ADF统计量的值都大于各检验水平下的临界值，为非平稳时间序列。对变量一阶差分进行单位根检验的结果显示，各变量序列均为同阶单整的I（1）序列，为此可以进行协整检验。

（三）协整检验

协整关系是指非平稳时间序列间表现出来的长期稳定关系。其检验的基本思想在于：对于两个或以上的非平稳序列，它们的某种线性组合可能呈现长期稳定性，即有协整关系。协整检验的目的在于决定变量间是否存在一种长期稳定的均衡关系，由于本文涉及多个变量，因此在VAR模型分析的基础上，选取Johansen协整检验。

Johansen协整检验是在VAR（模型）基础上用极大似然法进行估计检验，是一种进行多变量协整检验的较好的方法。其基本思路是在多变量VAR系统中构造残差的积矩阵并计算矩阵的有序特征值（Eigenvalue），并根据特征值得出一系列的统计量从而判断是否存在协整关系以及协整关系的个数。

根据ADF单位根检验结果，由于BOX、GYZC和FISCAL的时间序列都是I（1）序列，满足协整检验的前提条件，因此可以对它们进行协整检验。

1.VAR模型估计与平稳性检验。

本文运用Johansen多变量协整检验法进行检验。

由于该方法是基于向量自回归（VAR）模型的检验方法，因此在进行协整检验前，需要建立包含BOX、GYZC和FISCAL的VAR模型并进行估计，由于已确定了VAR模型中包含的变量，因此需要确定模型的滞后阶数k。（见表2）

可见，综合LR、FPE和AIC等准则均判断滞后阶数为8，即k=8，由此建立滞后阶数为8的模型VAR（8），并对其进行平稳性检验。结果表明，VAR模型是稳定的。

2.Johansen协整检验。

Johansen检验的主要原理是检验协整向量矩阵是否存在以及存在几个非零特征根。若存在非零特征根，则说明存在协整关系，可以采用特征根迹检验（Trace）来进行检验，结果如下（见表3）。

表3检验结果表明，在5%的显著性水平下，变量BOX、GYZJ和 FISCAL的时间序列存在1个协整关系，即存在长期均衡关系。且协整方程为：

BOX=0.00432GYZJ+0.00739FISCAL

R2=0.86

协整方程结果表明，工业增加值每增加1亿元，电影票房增加0.00432亿元，和财政收入每增加1亿元，电影票房增加0.00739亿元，符合经济理论和实际状况。以上评价可以看出，GDP和财政收入的增长会影响电影票房的增长，尽管电影票房增速远超GDP和财政收入增速，但并不能简单的认为是口红效应导致。在此基础上，将选取能够解释以上两个问题的变量进行理论分析并在收集与整理相关数据基础上对影响电影票房的因素与票房本身的动态关联继续进行实证分析。

三、其他相关变量與电影票房的实证分析

（一）影响因素分析及数据处理

用一个简单的公式可以表示票房的计算：

票房 = 评价电影票价×观影人次

由于电影票价在某种程度上并不完全由市场的供给与需求决定，因此以下讨论的对电影票房的影响的变动因素集中体现在对观影人次的影响上，而电影票价则是相对平稳只受少量外在因素影响。

1.银屏数量

银幕数量：选取每年中国内地电影市场银幕数量。用“screen”表示。

2.生产国家

是否进口：是否为进口影片，如果是赋值为1，否则为0。用“import”表示。

3.预期与关注度

意愿观看人数：选取每部电影在时光网资料库中“想看”的人数。用“WANT”表示。评论人数：选取每部电影在豆瓣电影中评分的人数。用“COMMENT”表示。

4.续集

是否续集：是否为续集作品，如果是赋值为1，否则为0。用“SEQUEL”表示。

5.上映时间

档期：选择中国内地电影市场最大的两个档期——贺岁档和暑期档，电影在这两个档期内上映的赋值为1，否则为0。

6.评分

电影评分：选取每部电影在豆瓣电影中的评分。用“SCORE”表示。

7.明星效应

按照豆瓣网排名选取国外演员50位，大陆演员10位，港澳台演员10位，电影中有被选中作为主演的影片赋值1，否则为0。用“star”表示。

8.3D技术的运用

是否3D：影片是否采用3D技术，如果是赋值为1，否则为0。用“three”表示。

（二）实证分析

1.散点图

运用eviews以电影票房的对数形式与解释变量中的非虚拟变量做散点图，观察解释变量与应变量之间的关系，由散点图可以发现，电影票房的变化率（log（box））与意愿观看人数（WANT）和评论人数（COMMENT）大致呈二次函数曲线；与电影评分（SCORE）大致呈线性关系。因此考虑以相应的函数形式对各变量回归并分析。

2.逐步回归模型

在初步得知模型中各变量的函数关系后，对电影票房及其他九个解释变量建立回归模型。为消除多重共线性，对模型进行逐步回归分析。结果见下表4：

从逐步回归模型的汇总表中可以看出，回归的决定系数R2 = 0.6635，说明模型中解释变量在很大一定程度上解释了应变量。模型中F值为54.0775，且异方差检验p值极小，说明逐步回归后方程具有高度显著性。

（三）模型结论分析

由结果发现，屏幕数量的系数为正，对中国电影票房的增长有较强的解释能力，且屏幕数量每增长1%，电影票房增长73.6%。意愿观影人数和评论人数都为正，表明人们对电影的预期与关注度会引起电影票房的增加，虽然这两个解释变量的系数不高，但它们的显著性水平十分高，说明了起影响的普遍性。另外，电影续集、3D技术的运用以及明星的加盟都会使的提高电影的票房表现，这也符合人们的常识判断和中国电影市场的现状。

在上表中我们发现，进口电影系数为负，即进口电影反而影响电影票房减少，一定程度上说明中国电影制作水平已有显著提高。

最后，模型中被剔除了两个变量：档期和评分。说明了档期对于票房并不是决定性的影响因素。而电影评分虽然体现了电影的口碑，但显然国内观众并不太在意。这是令人意外的。不过当自己观察样本后，的确发现有不少高评分影片票房表现平平，而一些评分极低的电影却也能取得不错的票房。

四、结语

通过对电影票房及对其解释变量的分析，可以大致了解电影票房与各影响因素的联系。尽管我国经济增速放缓，但仍能在一定程度上解释电影票房的增长，同时，银屏数量、观众观影意愿、影片的受关注度、影片是否是续集、是否3D以及是否有明星都影响着票房的变化，因此表明，中国电影票房的增长并非因经济不景气而呈现高速增长，即并非口红效应所致。结合电影市场的情况看，影响电影票房的因素主要如下。

一是银屏数量的影响代表着硬件设施对电影票房的影响，表明中国内地电影市场的硬件条件还远没有达到饱和状态。影片续集、明星效应和3D效果对电影票房正向的影响表明了电影本身对观众的吸引力。对于制片方一方面，续集的制作、明星的加盟以及3D技术的引入作为电影制作范畴的可控变量，保证了影片质量，提供了潜在的预期关注，这也是影片有好的市场表现的基础；另一方面，这也可以用作宣传的噱头。从市场的角度，制片方迎合观众心理，体现了市场规律，也说明了观众的关注点往往并不一定在电影内容本身。

二是观众观影意愿和影片关注度这两个变量，显著性最高，说明其最直接的影响了观影人次。而对于电影口碑与电影票房影响力不足的现象，可能存在观众的一些“跟风心态”，当一部影片被炒作或带节奏时，容易出现“跟风”现象。或抱着“看热闹”心态，明知口碑差，还想亲自看看影片有多差，导致电影评分被高估或低分电影票房被拉高。

三是影片的生产地，即是否进口事实上对影片的票房表现影响不大。（作者单位为云南大学经济学院）