基于主成分分析的电影数据研究

张超

摘要：为了综合分析电影数据，本文通过工具SPSS19.0，运用主成分分析方法，对样本进行数据统计分析，建立了对应的数学模型，希望为电影制作方和影院提供一定的参考。

关键词：主成分分析;数学模型;SPSS

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（201 9）30-0001-02

1概述

随着涌现出很多优秀并且庞大的电影量，一部电影又包含了众多的属性，这些不同的属性引起的效应大小各异。基于庞大的电影数据，就需要我们用计算机来处理和分析，来减少人工工作量，获得我们想要的信息。本文使用主成分分析方法，对电影数据进行综合统计分析，希望可以为电影制片方合理分配资源和影院排片提供一定的参考。

3实验数据

本文实验采用了50部电影数据，其来源于豆瓣网站，包含了导演影响指数、明星指数、评分、片长、是否黄金周、影片类型、是否续集、想看人数、制作地区、票房收入共10个属性。其中影片类型和制作地区数据不能直接使用，必须先转换为数值类型，本文采用最基本的分类标记，对制作地区中国大陆标记为1，香港标记为2，美国标记为3，印度标记为4。同理对影片类型进行标记。通过这种简单的数值标记能确保这两个变量能进人数据分析。

4主成分分析过程

本文使用从豆瓣电影搜集的票房相关数据进行分析，借助数据统计分析工具SPSS19.0对样本数据进行主成分分析，分析步骤：首先加载数据：文件一打开一数据一选择本地数据。然后分析数据：分析一降维一因子分析。获得输出结果如下表1、2所示：

由表1结果可知，在本例中，成份1、2、3和4的特征值大于1，他们累计贡献率达到70.21%，还算不错，所以我们通过主成分分析，可以提取4个主要成份，转换后的这4个综合指标可以大致反映原始数据。

使用spss数据分析软件对电影票房数据进行分析，从中提取出了4个主要成份，從表2可知导演影响指数、评分、片长和想看人数在第一主成份具有较高载荷，明星指数和是否续集在第二主成份具有较高载荷，第三主成份上没有反映出较高载荷的指标，第四主成份主要反映了是否黄金周这一个指标信息。

用成份矩阵中一个主成分对应的数值，与主成分相对应特征值平方根的商，计算出的数值便是一个主成分中每个指标所对应的系数，便得到4个主成分的数学模型如下：

5结束语

本文通过主成分分析数据分析方法，使用spss软件分析数据，提取了4个主成分，他们累计贡献率达到70.21%，转换后的这4个综合指标可以大致反映原始数据，并且建立了综合数学模型，对于电影的综合评价分析具有一定的参考意义。但由于实验数据面窄，某些重要的特征属性无法获取，这些因素对综合分析电影数据都有一定的帮助，未来通过搜集更全面的实验数据进行改进。