网络直播发展因素研究及前景预测

许明月　张亚伦　刘聪　吴棣　邵星铭

【摘 要】网络直播行业发展迅速，文章利用统计分析方法探寻网络直播火爆的原因并进行前景预测。首先对性别、年龄、学历等影响用户观看网络直播的因素进行相合性检验，进而利用逐步回归法及LASSO方法改进对网络直播行业的影响因素进行变量选择，并建立回归模型。然后基于Markov链预测直播行业的未来发展趋势，认为“直播最终的市场占有率在63.02%时达到平衡状态”。

【关键词】网络直播;发展因素;前景预测;LASSO

【中图分类号】G206 【文献标识码】A 【文章编号】1674-0688（2019）04-0188-03

0 引言

随着信息传播媒介的普及，人们的交往和思维方式发生了巨大的变化，这使得网络直播行业在近年来呈现井喷式发展。全民网络直播越来越趋于普泛化、平民化和自主化[1]。《中国媒体融合发展报告》中指出，观看网络直播的用户已多达3亿人。网络直播行业因何如此火爆？其发展的现状、影响其发展的因素及存在的问题、直播行业的发展前景将在本文中展开讨论。

目前，国内外直播行业发展迅速，吸引了众多学者进行研究，但大多是从心理学、社会经济学等方面对于这一新兴事物进行定性的研究。方宇荣在《网络直播平台的现状和发展研究》[2]中提到，巨大的市场吸引了腾讯、乐视等投资商，这是直播行业发展迅速的一个重要原因。郑建桥在《网络直播背后的心理动力探析》[3]中提到，网络直播中主播与观众的互动形式提升了观众的心理卷入度，文章中还指出观众的卷入度越高，传播效果就越好。但目前的文献库中鲜有以定量的方式研究网络直播火爆因素的论文。

1 网络直播发展因素分析

1.1 调查问卷的信度及效度分析

基于国内外研究结果及实地访谈，我们设计并发放调查问卷，探究网络直播发展的影响因素。此次调查共回收问卷327份，有效问卷为290份。对问卷进行信度及效度检验，信度克龙巴赫系数为0.7110.7，效度KMO系数为0.713，满足问卷的信度、效度分析。

1.2 相合性假设检验

通过调查发现，日均观看网络直播的时间在一定程度上反映了直播火爆的程度，故将日均观看网络直播的时间作为因变量，提取性别等需求作为自变量，并研究其与因变量的相关关系。

H0：观众对于直播帮助自己获得归属的态度与每日平均观看直播时长无关。

H1：观众对于直播帮助自己获得归属的态度与每日平均观看直播时长相关。

由表1数据得知，皮尔逊卡方统计量及似然比统计量的P值<0.05，所以拒绝原假设H0，认为观众获得归属的态度与每日平均观看直播时长相关。再进行相合检验，计算得到相合系数Somers'd系数，肯德尔系数和伽马系数均为负数，因此可以在很大程度上认为越能在直播中获得归属感的观众，观看时间越长。

类似的方法可得到以下结论：观众的学历越低、观众年龄越大日均观看网络直播的时间越长，观看网络直播能够帮助观众释放压力，观看网络直播能够满足观众的好奇心，观看网络直播能够消磨时间，观看网络直播能够帮助提升某方面的水平，观看网络直播能帮助了解潮流舆论方面的信息。

1.3 多元回归分析及改进

接下来进一步建立线性回归模型定量分析网络直播火爆的原因。由于各影响因素量纲不同，文中数据进行了标准化处理。分析结果见表2。

由回归分析结果表我们得到以下回归方程：

y=-0.231x1-0.153x2

通过对方程的分析可知：热衷于跟随潮流、了解舆论的观众日均观看网络直播的时间越长;学历较低的观众观看网络直播的时间往往较长。但此模型R2比较小，整体拟合效果不好，且引入变量较少，因此我们尝试使用其他方法进行变量选择。

变量选择方法，一般分为最优子集变量选择和基于系数压缩的方法，而向前、向后回归和逐步回归法是最优子集选择方法的代表。Breiman指出，此方法稳定性較差，即运用不同的准则会得出不同的最优子集，且此结果与现有相关研究结果中提取出的多个影响因素尚有差异，未能凸显其他影响因素的作用。因此，本文将选择基于系数压缩的方法对变量选择方法予以改进。特别的，本文使用Tibshirani提出的LASSO（Least Absolute Shrinkage and Selection Operator）方法[4-5]。

LASSO利用拉格朗日乘子法思想，在回归系数的绝对值小于一个常数的约束条件下，使残差平方和与一个惩罚项之和最小，从而能够产生某些严格等于的回归系数，得到解释力较强的模型。对于LASSO系数压缩方法的估计，已有越来越多优秀的运算方法，本文在实证中采用了Efron、Hastie与Tibshirani提出的LARS算法[6]。

由结果可知，R2（LASSO）>R2（逐步回归），AIC（LASSO）

y=-0.101x1-0.038x2-0.053x3-0.073x4-0.035x5-0.052x6+0.009x7

由方程可知，除了“观看网络直播能够获得归属感”这一因素不显著之外，其余结论与相合性检验所得结论近乎相同。

2 基于Markov链预测网络直播市场发展

市场占有率常用的预测方法有指数平滑法、移动平均法等。但这些方法都需要掌握一定时期内，预测目标过去及现在的数据资料。而Markov链具有“无后效性”的特点，即只需知道预测目标当前的状态即可预测目标未来的状态，因此我们选择Markov链进行市场份额的预测[7-9]。

在此问题假设市场的发展变化只与当前条件有关，且没有新的竞争者加入，也没有旧的竞争者退出。

由调查问卷中的问题“是否观看网络直播”及“未来对于网络直播的态度”得到转移矩阵表（见表4）。

由调查问卷中设置的“是否观看网络直播”这一问题，对所得数据进行整合，得到目前观看网络直播的市场占有率为50.39%，用向量u=（0.503 9，0.496 1）表示当前是否观看网络直播的市场占有率。首先进行短期预测分析网络直播未来市场占有率，构建转移概率矩阵P=0.240 3 0.255 80.445 7 0.058 2，对第k期进行预测结果为uP k-1。接着进行长期稳定预测，计算平衡状态预测值，当n→∞时，有P n成为平衡概率矩阵，由uP k=（z1，z2），得μP n-1×P=（z1，z2），当n足够大时，有μP n-1=（z1，z2），即

解此线性方程组，可得z1=0.369 8、z2=0.630 2。由此我们得出，网络直播市场最终占有率在63.02%时达到平衡状态，而目前网络直播市场的占有率已达半数，而这六成的市场占有率意味着网络直播行业在今后还将进一步发展。

3 结论和建议

通过相合性分析、LASSO方法进行变量选择及Markov链预测的结果，我们得出以下结论。

对于网络直播的面向人群而言，学历低、年龄较大的观众日均观看时间较长;对于网络直播带来的效果而言，观众更多的是为了释放压力、满足自己好奇心、跟进潮流舆论和消磨时间等娱乐化需求。

如今，网络直播已经成为许多人赖以生存的职业，也是用户获取信息、满足需求、互动娱乐、社交的重要途径，所以其发展是可预见的。我们运用Markov链预测得出在未来的一段时间内观看网络直播的比例会有小幅上涨，但是这是建立在各方面因素保持现状的基础之上的预测。近年来，国家加强了对娱乐产业的监管，新型的娱乐方式（如抖音、快手短视频等）层出不穷，我们很难保证网络直播会像预测的那样持续火爆，所以各大网络直播平台应做到居安思危，在满足现有用户心理需求的基础之上不断扩展新的发展方向。

参 考 文 献

[1]冯茹.自媒体时代下大学生网络道德养成教育研究[D].南宁：广西师范学院，2017.

[2]方宇荣.网絡直播平台的现状和发展研究[D].北京：北京印刷学院，2017.

[3]郑建桥.网络直播背后的心理动力探析[J].商，2016（24）：192.

[4]Tibshirani，R.Regression shrinkage and selection via the lasso[J].Roy.Statist.Soc.Ser.B，1996，58：267-288.

[5]刘睿智，孙炜翀.基于LASSO方法的中小板上市公司现金持有影响因素分析[J].求索，2013（8）：27-29，267.

[6]唐建荣，邓林.基于LARS-Lasso方法的碳足迹影响因素分析[J].软科学，2014，28（9）：124-128.

[7]张波，商豪.应用随机过程[M].北京：中国人民大学出版社，2016：71-110.

[8]王亚芬.市场占有率预测的好方法——马尔可夫预测法的实证分析[J].技术经济与管理研究，2002（5）：33-34.

[9]孙家和.运用“马尔可夫连锁”预测市场占有率[J].经济管理，1981（8）：64-68.

[责任编辑：高海明]