《知识产权改编对电影的影响》-经济学论文，财经论文-论文范文参考-科学狗论文网

标题

知识产权改编对电影的影响

范文

胡之光

一、引言

2014年以来，“IP电影”逐渐进入中国电影产业的视野，并越发受到投资人的热捧。所谓“IP”即英语“Intellectual Property”的缩写，意为“知识产权”。在经济法中，“知识产权”指人们对智力成果依法享有的权利;而在电影产业中，“知识产权”特指那些可以被改编为电影的智力劳动成果，如商标和著作权，而著作权又包括了文字作品、音乐、游戏，甚至是形象、概念、设定等。由这些知识产权改编而来的电影，即为“IP电影”。

与传统电影的制作方式相比，IP电影有三大特点：首先，与第一种传统途径相比，IP电影出品、制作方是将一部电影的整个创意环节外包出去，交给市场，而不在組织内部进行。当外部交易成本低于内部管理成本时，就会发生这种转变。其次，“IP电影”的创意由于公开出版过，所以已经为受众所熟知。这就使得IP电影有比非IP电影多出一批更稳定的目标受众和和由此带来的额外票房收入。最后，IP电影的风险更低，并且短时间内能完成资本套现，因此更受资本及其背后的金融投资者的青睐。

本文主要关注IP电影究竟是否更容易取得票房成功，故基于2015年在中国上映的337部中外电影数据，采用OLS模型和Logit模型，检验了具备IP是否会对电影票房收益有影响，并估计了这种影响的大小。二、电影票房的影响因素与变量选择

（一）电影票房的传统影响因素

国外文献对电影票房影响因素进行了详尽的研究，基本的共识是，主创成员价值、制作成本、宣发费用、影片类型、制片国家、档期、分级、口碑都会对票房有显著影响。

1、主创成员

主创成员主要指导演和演员，他们自身具有艺术价值，同时也可转化为商业上的价值。他们的商业价值与制作成本、宣发费用呈高度正相关，也与电影票房呈正相关。

本文衡量主创成员艺术价值的指标有如下变量：导演获得及提名欧美奖项数、导演获得及提名华语奖项数、导演获得及提名其他国家奖项数、演员获得及提名欧美奖项数、演员获得及提名华语奖项数、演员获得及提名其他国家奖项数。如果有多名导演，取前两名导演之和;演员方面，取前三名重要角色的饰演者之和;如果自导自演，则按照奖项类别只计一次，不重复计算。数据均来自时光网。

2、口碑

口碑是指电影上映后影评人及观众对它的正面或负面的评价，可以通过网络媒体、电视媒体、纸质媒体等途径传播。一般而言，口碑与电影票房高度正相关。本文衡量口碑的指标采用大众评分，数据来自豆瓣电影。

3、制片国家

制片国家是指电影制作公司的注册国，考虑这一因素是因为文化具有民族、国家差异，在一个国家上映的来自不同国家的电影的票房也应该有差异。这种差异适合以虚拟变量衡量，为此，本文将制片国家分为中国、英美、港台、中外合拍、日韩、欧洲、俄罗斯以及其他国家。当一部电影属于其中一类时，变量取1，否则取0;其他国家出品一律取0，作为对照组。

4、电影类型

一个电影类型通常是指叙事元素相近的一批电影，实证研究已经证明不同类型的电影受欢迎的程度又差异。这种差异适合以虚拟变量衡量，故本文将中国上映电影类型分为科幻、奇幻、喜剧、动作、爱情、动画、恐怖、悬疑、犯罪、剧情和其他类型。当一部电影属于其中一类时，变量取1，否则取0;其他类型一律取0，作为对照组。

5、档期

档期指电影上映的时间，不同的上映时间会造成电影的票房差异。本文将中国上映电影档期分为暑期档、国庆档、贺岁档和其他档期。当一部电影属于其中一类时，变量取1，否则取0;其他档期一律取0，作为对照组。

（二）电影票房的新影响因素

IP电影是本文关注的核心变量。如前所述，IP电影有比非IP电影多出一批更稳定的目标受众和和由此带来的额外票房收入，这就是所谓的“粉丝经济”效应。本文搜集了2015年中国所有上映电影的资料，并对其是IP电影还是非IP电影进行了调查。本文将“IP”作为虚拟变量。当一部电影属于IP电影时，变量取1，否则取0;其他国家出品一律取0，作为对照组。

在现阶段的中国电影市场，依据文化类型，IP主要可以分为流行文化IP、经典文化IP和严肃文化IP三类。这三类文化本身涵盖广泛，不同的研究对这三类文化的定义有所不同。在本文中，流行文化特指目的为娱乐当代大众的作品，经典文化特指经过时间沉淀、广为人知的作品，严肃文化特指目的为反思现实、较为小众的作品。最后考虑中国上映的中外电影实际情况，本文将IP电影进一步分为六类：中国流行文化、中国经典文化、中国严肃文化、欧美流行文化、欧美经典文化、其他国家文化。这些类型都作为虚拟变量，当一部电影属于其中一类时，变量取1，否则取0;非IP电影一律取0，作为对照组。后文将分别研究IP分类与不分类两种情况。三、实证分析

（一）模型设定

1、普通最小二乘回归（OLS）模型

目前最常用的电影票房影响因素分析模型是普通最小二乘回归（OLS）模型。模型可以设为：

图1 2015 年中国大陆上映电影票房分布及其对数分布

表1 普通最小二乘回归（OLS）模型回归结果及怀特检验

表2 二值选择及有序Logit 模型回归结果（IP 整体作为自变量）

（1）

（1）式中OB代表被解释变量票房;IP代表核心变量IP电影;Control代表控制变量，主要包括主创成员、口碑、国家、类型、档期;（2）式中Chinapop、Chinacla、Chinaser、USpop、UScla和Other分别代表中国流行文化、中国经典文化、中国严肃文化、欧美流行文化、欧美经典文化、其他国家文化。

此外，（1）式被设定为半对数模型，是因为很多学者都已经注意到，电影票房的分布通常不是正态分布，而是具有高偏态和长尾特征的帕累托分布。因此有必要建立一个半对数OLS模型，来使得票房分布更趋于正态分布，以符合OLS模型的应用前提。

2、二值选择及有序Logit模型

由于电影票房服从帕累托分布，因此不采用OLS模型也是一種选择。Vany和Walls（1999），王铮和许敏（2013）都采用了二值选择Logit模型来估计，依据票房将影片分为成功电影和不成功电影两类。因此本文也设定Logit模型：

其中，r是临界值，当时电影为“成功”电影，否则为“不成功”电影。临界值的选择比较主观，取决于研究者想把哪两类电影区分开。

（二）数据

本文的样本是2015年在中国上映的337部中外电影，不同的变量参考了不同的数据来源，这些数据来源在介绍变量时一并给出。本文对这些样本进行了初步处理，剔除了以下几种类型的电影：票房数据造假电影;受行政力量影响的电影;重映电影;抄袭或电视剧重新剪辑的电影;电影网站上没有评分的电影。

通过考察样本票房分布可以发现，收入排名前20%（67部）的电影所获得的票房占据了所有电影（337部）票房收入的87.5%，非常符合帕累托分布;而对票房取对数后，其分布则已经很接近正态分布了。四、实证结果

（一）OLS模型实证结果

本节在使用OLS模型回归时，除了回归（1）（2）式，还考虑了两式不是对数模型的情况。回归结果如表1所示：

在对表1估计结果进行分析之前，还要对OLS模型的前提假设进行一些检验。本文样本中的个体虽然存在时间差，但可以近似看做是2015年的截面数据。样本中有票房几十亿元的电影，也有票房几万元的电影，因此模型扰动项的规模很可能不同（比如高票房电影会受到更多种因素的影响），故而极有可能产生异方差问题。怀特检验（White test）证明了这一点，但同时也证明取对数对异方差有较大的缓解作用。

如表1所示，（1）式中IP在1%水平上显著为正的。（1）式半对数模型的估计结果显示IP电影会比非IP电影的票房高出208%。（2）式半对数模型中，中国流行文化IP、欧美流行文化IP、欧美经典文化IP都对票房有1%水平上或10%水平上显著的正向影响，而中国经典文化、中国严肃文化、其他国家文化影响则不显著;三种影响显著的IP的正向作用有差异，根据估计，中国流行文化IP、欧美流行文化IP、欧美经典文化IP改编的电影会比非IP电影的票房分别高出274%、159%、124%。由此可见流行文化才能带来显著的商业效益;而外国文化对票房的影响力不如中国本土文化。

（二）Logit模型实证结果

本节使用Logit模型来估计，依据票房将影片分为成功电影和不成功电影两类。具体而言区分的标准有两种：票房绝对值，以及票房排名。在票房绝对值方面，选取了两个临界值：1亿、2.8763亿。其中，选择1亿作为临界值是因为票房过亿一直是中国大陆上映电影追求的目标，它区分开了中低收入电影与高收入电影;2.8763亿是票房均值，区分开了平均水平之下和之上的电影。在票房排名方面，选取了三个临界值：165万、1189万、7375万，它们分别是下四分位数、中位数、上四分位数。

（3）式回归结果如表2所示。

（4）式回归结果如表3所示。

从表2中可以发现在不同的临界值上，IP对电影“成功”与“不成功”的几率比都有1%水平上的显著提升作用;换句话说，它增大了电影“成功”的概率。并且当票房临界值越高时，这种对几率比的提升作用越明显。当临界值为平均票房2.8763亿时，提升作用达到最大，为：

即IP电影在2.8763亿临界值上“成功”与“不成功”的几率比是非IP电影几率比的77.945倍。

在表3中把IP分类来看，可以发现在不同的临界值上，中国流行文化IP对几率比都有1%水平上的显著提升作用;中国经典文化、美国流行文化、美国经典文化在靠中上部的几个临界值上对几率比有不同水平上的显著提升作用;而中国严肃文化和其他国家文化则完全没有作用。另外当临界值较低时，中国严肃文化、美国流行文化、美国经典文化、其他国家文化的样本都比较少，出现了“完美预测”的情况，所以无法估计系数。很显然，在中国电影市场，中国流行文化IP最受欢迎、转化成IP电影的量也最大。

表3 二值选择及有序Logit 模型回归结果（IP 分类作为自变量）

由于二值选择Logit模型只将因变量数据分为两类，数据信息损失较多，故在估计了它之后，本文还估计了有序Logit模型，以165万、1189万、7375万、2.8763亿四个临界值为切点（切点中删去了1亿，因为7375万和1亿之间数据过少），将票房数据从小到大标记为0-4，估计结果报告在表2和表3的（6）中。其结果与（1）-（5）列类似。五、结论与启示

本文采用OLS模型和Logit模型来估计IP对电影票房的影响。两个模型都表明IP对电影票房有显著的促进作用。而且流行文化IP才能带来显著的商业效益;而外国IP对票房的影响力不如中国本土IP。Logit模型还表明IP对电影跨过高票房门槛概率的提升作用强于低票房门槛，即IP对电影票房的提升作用，随着门槛的提升而加强。

这样的结果为中国电影产业带来两点启示：

第一点是区别对待IP，不能过分夸大IP的作用。中国影视公司热衷囤积IP，而不是评估IP的价值。这种囤积极大地推高了IP的价格，甚至造成了一定程度的泡沫。但本文的研究发现，首先，并不是所有类型的IP都能够对电影票房有促进作用。在以商业院线为主的中国电影市场，只有流行文化IP对电影票房有促进作用。其次，IP之所以对电影票房有促进作用，是因为其背后的粉丝经济效应。所以，毫无选择地囤积缺乏粉丝经济效应的IP于事无补。

第二点是IP电影更适合大制作，不适合中小成本，因为更高门槛上IP的作用更显著。而为了达到这个较高的票房门槛，电影需要一个较高的投入。近年来一些依托中国古典名著、中国传统神话改编的中小成本电影，无一例外都是票房失败的。

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。