EN中文

Economic geography >

2019 , Vol. 39 >Issue 2: 22 - 29

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.02.003

Influencing Factors and Spatial Distribution of Movie Box Office in Chinese City

  • MEI Lin , 1, 2 ,
  • DU Hang 1
Expand
  • 1. School of Geographical Sciences，Northeast Normal University，Changchun 130024，Jilin，China
  • 2. College of Humanities & Sciences of Northeast Normal University，Changchun 130017，Jilin，China

Received date: 2018-04-14

  Revised date: 2018-09-07

  Online published: 2025-04-27

Fold

Abstract

With the economic growth rapidly, the public's demand for the movies continues to increase, and the movie box office of China is growing fast. This article aims to reveal the spatial distribution and influencing factors of movie box office, promote the development of movie box office and consumer spending in cities, provide suggestions for the government to formulate social and economic development policies. This study is based on the film-related data of 298 prefecture-level and above cities which published by EntGroup and the China City Statistical Yearbook to measure composite index of movie box office in 2012-2015.By means of using methods of spatial analysis, multiple linear regression and Zipf theory, this study analyzes the regional difference of Chinese movie box office in provincial and municipal levels and explores its influencing factors. According to research shows: 1) In provincial level, the Chinese city movie box office shows the gradient distribution characteristics, which gradually declines from the eastern coastal to the western. 2) The hierarchical structure of movie box office unveils that the monopoly of the primate city is not strong, the number of middle-rank cities is large, the city development in the middle and lower rank is faster than those cities in the upper rank. 3) High clustering areas are distributed in the Pearl River Delta, Yangtze River Delta and Bohai Rim, while the cluster degree gradually declines in the Bohai Rim and increases in the Yangtze River Delta; high clustering areas gradually shrink, sub-high clustering area gradually increase and there is little change in low clustering areas where are located in the western regions of China. 4) The number of people with high school educational level and above, the number of mobile telephone user at the end of year, the number of city theater, house price pressure are the main factors affecting the spatial distribution of Chinese movie box office.

Key words： culture industry; movie box office in city; composite index of movie box office; distribution characteristics; influencing factor; Pearl River Delta; Yangtze River Delta

Cite this article

MEI Lin , DU Hang . Influencing Factors and Spatial Distribution of Movie Box Office in Chinese City[J]. Economic geography, 2019 , 39(2) : 22 -29 . DOI: 10.15957/j.cnki.jjdl.2019.02.003

电影票房直接创造经济价值，间接推动电影衍生品等相关市场的开发，成为衡量一国电影产业发展状况及市场规模的重要指标[1]。随着人们精神需求的日益趋旺，电影产业迅速发展，作为电影产业的主要收益，电影票房已受到多学科专家和国际研究机构的高度关注。近年来，伴随中国影院建设提速、影院银幕增多，电影得到了不同年龄段和不同类型观众的接纳与欢迎，尤其是拥有高消费能力的年轻观众增多。中国的观影数量从2006年的0.96亿人次攀升至2017年的16.21亿人次，11年间复合增长率高达29.30%。自2012年起，中国已成为全球第二大票房市场[2]。据国家新闻出版广电总局电影局发布的数据，2017年中国电影总票房为559.11亿元人民币，与美国电影市场规模差距进一步缩小[3]。
国外电影票房研究较成熟，其研究结合了电影学、传播学、管理学和媒介经济学等多种方法，通过对电影票房的相关数据进行实证分析来达到研究目的[4]，主要集中在相关概念、内涵的界定、基本方法与模型[5]、票房影响因素及票房预测[6]的研究。国内研究起步较晚，对电影票房的研究主要集中在基本方法[7]、票房影响因素[1,8]、票房预测及模型构建[8-9]、电影产业指数[10-11]、二三线城市影院市场[12]、电影产业网络[13]、电影与旅游的关系[14-15]、城市影院空间组织[16-17]等方面。国内学者认为：电影产业在国民经济中逐渐占据重要地位，相较于大经济环境有更稳定的宏观特征；小镇青年的崛起，使得二三线电影票房潜力巨大，大地等多家院线将未来重点开发城市定为二三线城市；电影价值链框架的分析中，电影产业链的细化分类为后续研究提供了基本概念和研究方向，使电影产业在地方网络与全球网络中产业组织形式的探究更加深入；影响影院空间布局的主要因素有人口因素、经济因素、区位因素及城市发展水平；旅游提升电影票房发展，电影票房的影响力又促进旅游业的兴旺，两者相辅相成。
总体来看，国内学者关于电影票房的研究尚处于发展期，在研究方法上，由于数据和方法不易收集，在研究方法上缺少宏观、多元、定量的方法剖析其影响因素；研究角度上，研究者多从影片本身或经济角度出发，而对电影的时空特征研究基本呈空白状态，使得电影票房与地理学之间的关系被掩盖，研究具有片面性；在研究区域上，多以全国、省为对象，缺乏城市层面上时间和空间的对比研究，忽略了电影票房对城市社会、政治、文化等综合因素的敏感性，很难从问题根源进行剖析。鉴于此，本文以2012—2015年艺恩数据智库发布的中国298个地级及以上城市的电影相关数据为基础，从省、市层面分析电影票房的地域差异，并探讨其影响因素，以期精准把握不同城市的电影需求与消费特征，试图在理论上丰富消费地理学的研究内容和研究方法，弥补我国经济地理学界长期关注生产地理学，忽视消费地理学的现象[18-19]；在实践上引领各地区电影票房的合理发展，促进居民健康消费，同时也为国家和地方政府制定社会经济发展政策提供科学依据。

1 数据来源与研究方法

1.1 指标说明与数据来源

文中电影票房综合指数是指在一定指标体系基础上，将电影票房一系列不同计量单位的指标数据通过标准化和熵值法予以计算、汇总，得出反映一个地区某一时期电影票房现状或发展趋势的综合值，其值介于0~1之间，数值越大，反映当地电影票房综合指数越高[10]。本文通过归纳整理相关文献，根据指标选择的系统性、科学性和数据可获性原则，构建了衡量电影票房的指标体系，包括3个一级指标、9个二级指标（表1）。通过标准化和熵值法对表1数据进行计算，获得各市电影票房综合指数。
表1 电影票房综合指数指标体系

Tab.1 Index system of movie box office

一级指标 二级指标
供给 万人银幕数
万人影院数
需求 人均GDP
万人高中及本专科在校人数
万人互联网用户数
效益 票房收入
每银幕观影人次
每银幕票房
平均票价／人均GDP
本文的电影票房、影院数、平均票价、银幕数等电影相关数据来源于艺恩数据智库。艺恩公司成立于2009年，是中国首家娱乐产业经济门户，致力于构建开放式泛娱乐大数据平台。其与腾讯娱乐、新浪娱乐、凤凰娱乐等主流媒体进行深度合作，同时也受到中国电影基金会、中国电影发行放映协会等专业机构的大力支持。艺恩公司旗下开发的艺恩数据智库是对外发布行业资讯、数据、观点的开发平台，相较于专资办票房数据平台、猫眼、时光网等数据库，艺恩数据智库是娱乐行业最客观、最全面的资讯与信息服务平台。社会经济数据来源于对应年份的中国城市统计年鉴、各省统计年鉴及房地产运行发展报告。运用ArcGIS 10.2软件，以中国矢量化地图构建中国地级及以上城市电影票房综合指数的空间数据库。

1.2 研究方法

1.2.1 Zipf位序—规模法则

本研究将分形理论与Zipf位序—规模法则相结合来研究城市电影票房的分形特征，以揭示城市电影票房的规模等级结构及其差异性。其公式为：
l n P r = l n P 1 - q l n r
式中： r为城市序号； P r为序号为 r的城市电影票房综合指数； P 1为首位城市的电影票房综合指数；q为Zipf维数。q<1时，城市电影票房综合指数分布较集中，首位城市垄断性较弱，中间位序城市数量较多；q>1时，城市电影票房综合指数分布较分散，首位城市垄断性较强。当q增大时，大城市发展快于中小城市，城市电影综合指数分布趋于分散；当q减小时，中小城市发展快于大城市，城市电影综合指数分布趋于集中[20-21]。

1.2.2 空间自相关分析

空间自相关分析是揭示空间数据间相互依赖性的主要方法，包括全局和局部空间自相关分析。全局空间自相关分析是在整个研究范围内对要素属性的空间相关性的总体描述，最常采用莫兰指数进行测度[22-23]，其公式如下：
I = ∑ i = 1 n ∑ j = 1 n W i j x i - x - x j - x - S 2 ∑ i = 1 n ∑ j = 1 n W i j
式中：n表示要素总数； x i、 x j表示要素i和j的属性值； w i j表示要素i与j之间的空间权重； s 2表示观察值的方差； x -表示观察值的平均值。I值在-1~1之间，当I>0表示空间正相关，其值越大，空间相关性越明显，I<0表示空间负相关，其值越小，空间差异越大，I=0表示空间呈随机性。局部空间自相关分析用于研究局部区域观察值属性与临近位置观察值属性的相关性[24]，其公式如下：
G * = ∑ j = 1 n W i j x j - X - ∑ j = 1 n W i j S n ∑ j n W i j 2 - ∑ j = 1 n W i j 2 / n - 1
式中：n表示区域总数； x j表示区域j的属性值； w i j表示区域i和j之间的空间权重；S表示区域观察值x的标准差。

1.2.3 熵值法

熵值法客观确定各指标权重，克服了主观赋权法无法避免的随机性、臆断性问题，有效解决不同指标的单位不同及多个指标的信息重叠问题，现已广泛应用于社会经济等研究领域[25-26]。

2 中国城市电影票房分布特征

2.1 电影票房分布变化特征

2.1.1 东、中、西空间分异格局已形成，但分异越来越小

选择分位法对中国298个地级及以上城市的电影票房综合指数进行分级（图1），结果显示，中国电影票房综合指数地域差异明显。从空间分布来看，2015年城市电影票房综合指数呈现自东向西明显的阶梯状分布特征，环渤海、珠三角、长三角、海峡西岸等沿海地区是明显的高水平集聚区，且长三角地区分布最为密集，表现为以长三角地区为核心向四周放射的分布状态；中部地区处于中高水平混合的分布特征；西部地区及东北地区处于低水平集聚状态。从2012—2015年电影票房综合指数变化率来看，呈现从沿海向内陆增长的趋势，即东部沿海地区多数城市电影票房综合指数变化率小于中西部地区，中部地区部分城市电影票房综合指数增长尤为显著，发展前景好。
图1 298个城市电影票房综合指数的空间分布及变化情况

Fig.1 Spatial distribution and change of composite index of movie box office in 298 cities

整体上看，中国城市电影票房综合指数呈自东向西由高到低的变化趋势，环渤海、长三角、珠三角、海峡西岸地区与中西部内陆之间的分异基本格局已经形成，但由于中西部地区综合指数不断增长，这种差异在随时间变化不断缩小。

2.1.2 部分城市电影票房综合指数有所提升，省会城市上升幅度较大

从城市层面分析来看，2012年中国城市电影票房综合指数高水平状态主要分布在东部沿海核心城市，北京居于全国首位，深圳、上海、广州、东莞、杭州、南京紧随其后；中西部地区及东北地区城市的电影票房综合指数处于较低水平，但部分省会城市较高，如武汉、成都、西安、重庆等城市，部分资源型城市也表现出较高水平，如朔州、阳泉、嘉峪关、鄂尔多斯等。2015年全国城市电影票房综合指数的空间分布中，高水平状态仍以东部沿海核心城市、内陆省会城市和直辖市为主，其他地级市水平相对较低，自东向西呈现由高到低的阶梯分布；中部地区城市增长趋势显著，尤其是一般地级市，如忻州、吕梁、晋中、鹤壁、开封、滁州、宿州、随州、鹰潭、萍乡、岳阳等，同时一些省会城市上升幅度也很大，如郑州、合肥、南昌等，整体处于中高水平混合的分布特征；西部地区中成都、广安、达州、玉溪、六盘水、拉萨、防城港、贺州、西宁等城市综合指数有所增长；此时北京降至全国第二位，第一位由深圳市取代。

2.1.3 一二线城市电影票房综合指数有所下降，三线及以下城市增长显著

本文采用艺恩数据智库对一二三线及以下城市的划分进行分类，该分类根据统计局发布的常住人口与国民经济和社会发展统计报告中的GDP、全国银幕总量、人均GDP和每千人银幕数来进行划分[27]。一线城市为北京、上海、深圳、广州，共4个城市，二线城市为部分直辖市、省会城市、计划单列市和部分经济发达城市，共32个城市，其他为三线及以下城市，共262个城市（表2）。
表2 中国主要城市分类

Tab.2 Category and name of city in China

城市类别 城市名称
一线城市 北京、上海、广州、深圳（共4个）
二线城市 成都、武汉、重庆、杭州、南京、苏州、西安、天津、宁波、郑州、沈阳、无锡、长沙、东莞、佛山、福州、大连、合肥、昆明、哈尔滨、长春、青岛、厦门、南宁、南昌、温州、济南、石家庄、太原、烟台、淄博、唐山（共32个）
三线及以下城市 秦皇岛、邯郸、邢台、保定、张家口、承德、沧州、廊坊、衡水、大同、阳泉、长治等262个城市

注：采用艺恩数据智库对一二三线及以下城市的标准分类。

通过对比2012和2015年各线城市电影票房综合指数占整体比重可见（图2），一线城市整体呈下降趋势，且降幅最大，占比由2012年的6.64%下降至2015年的6.30%；二线城市下降幅度紧随其后，从2012年的23.46%降至2015年的23.04%；三线及以下城市增幅较大，2012年占比为69.90%，2015年突破70%大关，增至70.65%。整体来看，一二线城市大幅下降，而三线及以下城市增长趋势显著，逐渐成为主要力量。三线及以下城市的电影市场开发，主要来自政府的推动，2009年财政部、新闻出版总署联合提出数字影院建设与改造工作，2009—2012年基本实现地级市和部分县级市影院建设，2013—2015年基本实现县级市和有条件的县城影院建设[28]，这一政策强有力地推动近年来三线及以下城市电影票房综合指数的提高。
图2 一二三线城市电影票房综合指数比例图

Fig.2 The ratio graph of composite index of movie box office in the first-tier, second-tier and third-tier cities

2.2 等级规模特征

通过对298个地级及以上城市综合指数从大到小排序，分别以lnr和lnPr为横纵坐标，做出散点图并进行线性回归拟合，得到2012和2015年地级及以上城市双对数坐标图（图3）。总体上看，中国城市电影票房综合指数线性拟合较好，呈现单分形结构， R 2值都超过0.9，解释范围最高可达94.3%。由图3可知2012和2015年q值分别为0.6和0.54，q值都小于1，且由0.6逐渐下降至0.54。这说明两个问题，一是中国城市电影票房综合指数中间位序城市较多，首位城市垄断性较弱，分布比较均衡；二是中国城市票房综合指数中后序列城市的发展快于前部分序列城市，中后位序多为二三线城市，其发展前景好，将逐渐成为电影票房的主要力量。
图3 2012和2015年电影票房综合指数位序—规模图

Fig.3 Rank-size graph of composite index of box office in 2012 and 2015

2.3 空间集聚特征

为分析电影票房综合指数在地域上的集聚特征，运用ArcGIS 10.2软件分别计算2012、2015年全局莫兰指数（表3）。两年指数均通过99%的显著性水平检验，且均为正值，即每年电影票房综合指数都呈显著的空间正相关，表明高水平的城市电影票房综合指数在空间上呈集聚分布状态，2012—2015年Moran指数指数上升，说明这种集聚分布特征更加显著。
表3 中国城市电影票房综合指数空间分布的Moran's I指数

Tab.3 Moran's I of composite index of box office in Chinese city

年份 Moran’s I指数 Z检验值 显著性水平
2015 0.33 5.71 0.01
2012 0.28 4.86 0.01
通过局部G指数绘出中国电影票房综合指数冷热点分布图（图4），进一步探讨冷热点集聚现象。2012年中国城市电影票房分布特征如下：①全国城市电影票房综合指数有三大热点集聚区，分别是环渤海、长三角、珠三角地区，包括北京、天津、河北、江苏、上海、浙江、广东等7个省市区的核心城市；次热点集聚区紧邻热点集聚区分布，包括山西、安徽、山东、广西等省份的城市；冷点区主要集中在西部地区，包括西藏的昌都，云南省的丽江、昆明、玉溪及福建省的厦门、莆田和泉州等城市。②整体上冷热点的集聚范围较小，中部及东北地区集聚表现不显著，为高低值混合的分布特征，表明热点集聚区的影响范围有限。2015年热点集聚区减少至长三角、珠三角两个地区，包括广东、江苏、上海、浙江和安徽等5个省区的核心城市，环渤海地区热点集聚区范围大幅度减少，珠三角地区热点集聚区范围逐步扩大；次热点集聚区除邻近热点集聚区布局外，主要聚集在环渤海地区及附近，山东、山西所占比例大；冷点集聚区变化不显著，与2012年大致相同，增加了青海的海东，新疆的乌鲁木齐、克拉玛依等城市。从地域空间分布格局来看，冷热点的集聚范围更小，集聚特征更加不明显。
图4 中国城市电影票房综合指数的冷热点集聚格局

Fig.4 Getis-Ord Gi* map of composite index of box office in Chinese city

由此可见：2012和2015年电影票房综合指数的冷点集聚区较为一致，中部及东北的大部分地区城市电影票房综合指数的集聚特征并不显著。有所不同的是热点集聚区逐渐缩小范围，次热点集聚区不断扩大，说明城市电影票房综合指数增长的规律性不强，综合指数不高的城市可能会依靠外部政策和内部需求异军突起。

3 电影票房分布的影响因素

3.1 影响因素识别及模型构建

上述研究表明我国城市电影票房具有明显的地域差异，为探究其差异背后的影响因素，本文从市场规模、购买能力、经济发展水平三个方面选择一系列变量进行多元线性回归分析，以挖掘电影票房的分异规律。依据数据的重要性和可获得性，结合研究目的，从以下3个方面选取自变量：市场规模：选取城市人口密度（A）、劳动适龄人口数（B）、高中及以上文化水平人数（C）指标；购买能力：选取城镇人均可支配收入（D）、人均消费品零售总额（E）、人均存款（F）、平均房价压力（G）指标；经济发展水平：选取人均GDP（H）、第三产业占GDP比重（I）、城市影院数（J）、私有汽车拥有量（K）、年末移动电话用户数（L）指标。以各城市电影票房收入为被解释变量，12个自变量进行回归分析，多元线性回归方程如下：
Y i = α 0 + α 1 A i + α 2 B i + α 3 C i + α 4 D i + α 5 E i + α 6 F i + α 7 G i + α 8 H i + α 9 I i + α 10 J i + α 11 K i + α 12 L i + ξ i
式中：Y为被解释变量；自变量中i表示为第i个单元；α为系数。初始数据因各指标的单位、统计方法各有不同，故先进行标准化处理。

3.2 回归结果分析

本文采用SPSS 24.0软件多元逐步回归法进行分析，以消除变量之间多重共线性的影响，在其中选取拟合效果最佳的模型，结果见表4。回归模型中F值的显著性水平为0.000，说明方程高度显著，即因变量与各自变量之间呈高度密切的线性关系；方程的线性拟合效果较好， R 2=95.5%，即对因变量的解释程度达95.5%。
表4 多元线性回归模型的估计结果

Tab.4 Estimation results of multivariable linear regression model

变量 电影票房综合指数
常数 -0.008
城市人口密度（A） -
劳动适龄人口数（B） -0.805
高中及以上文化水平人数（C） 0.571
城镇人均可支配收入（D） -
人均消费品零售总额（E） -0.135
人均存款（F） -
平均房价压力（G） 0.170
人均GDP（H） -
第三产业占GDP比重（I） -
城市影院数（J） 0.516
私有汽车拥有量（K） -
年末移动电话用户数（L） 0.549
R 2 0.955
Adjusted R 2 0.954
F值 1 033.676
样本数量 298

注：凡通过显著性检验的因素，p<0.05。

从表4结果可知，中国城市电影票房的空间分布受高中及以上文化水平人数、年末移动电话用户数、城市影院数、平均房价压力影响显著。其中，高中及以上文化水平人数影响最为突出，说明高文化水平的人口追求高质量的精神生活，文化程度影响消费观与审美观，高中及以上文化水平人数越多，市场规模越大，电影票房收入越高；其次，年末移动电话用户数的回归系数仅次于高中及以上文化水平人数，主要由于中国经济的快速发展，人民物质文化水平逐渐提高，手机得到了快速普及，发达的通讯设施降低了电影信息传播门槛，随着手机线上支付的便捷与优惠，消费者购买电影票大多在手机上完成，使移动电话用户数成为电影票房空间分异的重要影响因素；再次，城市影院数的影响也较为明显，说明电影票房对影院的强依赖性，影院作为电影放映的载体，建设充足的影院，无疑将会对城市电影票房的提升起到重要的保障作用；此外，购房是现在大多数家庭的主要消费支出，平均房价是衡量城市居民购买力和消费水平的重要指标，回归分析结果显示，平均房价压力与电影票房有显著的正相关，这主要是因为房价较高的地区人均工资较高，消费水平也较高，电影购买能力较高，所以房价高的城市电影票房较高。
劳动适龄人口数、人均消费品零售总额与电影票房的关系呈现显著的负相关。其中劳动适龄人口数最为显著，劳动适龄人口数是衡量城市劳动力充足与否的指标，一般来说，劳动适龄人口数多的城市对电影票房有一定的贡献作用，但在大部分城市，劳动适龄人口数的增长并不能带来票房收入的提高，可能是因为现阶段我国劳动适龄人口对文化产业的需求整体较低，没有养成观影消费习惯，很多人通过在线观看或购买盗版影片就能够满足对电影的需要，还有城市人口工作、生活压力大，闲暇时间有限，影响了电影需求量，因而劳动适龄人口数的差异并没有引起电影票房的显著分异，一些劳动适龄人口数较少的中小城市电影票房反而高。人均消费品零售总额也成负相关，消费品往往是生活必需品，在收入有限时考虑物质需求较多，限制精神需求，进而影响电影票房发展，导致人均消费品零售总额与城市电影票房呈现负相关关系。
此外，由于我国整体城市电影票房发展水平仍处于起步阶段，城市人口密度、城镇人均可支配收入、人均存款、人均GDP、第三产业占GDP比重、私有汽车拥有量的差异并没有带来电影票房发展水平的显著差距。

4 结论与讨论

4.1 结论

①从总体上看，中国城市电影票房存在显著的地域分异特征，宏观层面自东向西表现为由高到低的阶梯状分布特征，环渤海、长三角、珠三角、海峡西岸等东部地区与中西部地区之间分异的地理基本格局已经形成，但中西部地区发展前景好，这种差异随时间变化在不断缩小；城市层面呈现沿海城市与内陆城市之间、省会城市与一般地级市之间的分异并存的空间格局，但差距在不断减小；不同等级城市中，一二线城市电影票房综合指数占比明显下滑，三线及以下城市大幅上升。②电影票房等级规模特征显示，首位城市的垄断性不强，位于中间位序的城市较多，中后位序的城市发展逐渐快于位序在前的城市。③城市电影票房呈现出显著的全局空间集聚分布，局部集聚特征中的热点集聚区主要分布在珠三角、长三角及环渤海地区的城市，环渤海地区逐渐下滑，而长三角地区高值集聚特征加强；随时间的推移，热点集聚区逐渐缩小范围，次热点集聚区不断增大；中部及东北地区的冷热点呈高低值相间的离散分布，集聚特征不显著，冷点集聚区较为一致，以西部地区为主。④影响因素分析表明我国城市电影票房综合指数受高中及以上文化水平人数、年末移动电话用户数、城市影院数、平均房价压力影响显著，其中以高中及以上文化水平人数影响最为突出；劳动适龄人口数、人均消费品零售总额并没有带来积极的影响，主要原因是现阶段我国人口对文化产业的需求整体较低，闲暇时间有限，限制精神需求；此外，由于我国整体电影票房发展水平仍处于起步阶段，城市人口密度、城镇人均可支配收入、人均存款、人均GDP、第三产业占GDP比重、私有汽车拥有量的差异并没有带来电影票房发展水平的显著差距。

4.2 讨论

中国电影票房的整体分布格局是我国方针政策、经济发展与人口消费习惯的局部体现。此次基于艺恩数据智库的海量数据对中国城市电影票房进行综合测算，呈现出中国电影票房的地域分布特征。本文虽结合消费地理学分析了电影票房的空间分布特征及其影响因素，但由于数据的可获得性和有限性，很多能真正为政府提供决策参考的数据不能共享，仅能从定性的角度分析地域文化、政策环境方面对电影票房的影响，因此研究的局限性较大。从电影产业布局角度探讨电影票房对影院空间组织的影响及其机理，从不同电影类型角度探讨电影票房的空间格局等问题，都有待地理学界进行深入研究。随着人们精神需求的日益增加，电影票房将会进入一个迅猛发展的阶段，因此，推动地理学界从多元化、跨学科角度对电影票房进行关注与研究，显得尤为迫切。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[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):136-144.

[2]
刘汉文, 张林明. 2012年度中国电影产业发展分析报告[J]. 当代电影, 2013(3):19-26.

[3]
刘汉文, 陆佳佳. 2017年中国电影产业发展分析报告[J]. 当代电影, 2018(3):17-23.

[4]
聂鸿迪. 中国电影票房的影响因素及其实证研究[D]. 北京: 北京交通大学, 2015.

[5]
Litman Barry R, Kohl Linda S. Predicting financial success ofmotion pictures:The '80s experience[J]. Journal of Media Economics, 1989, 2(2):35-50.

[6]
Asur S, Huberman B A. Predicting the Future with Social Media[J]. 2010, 7(2):492-499.

[7]
尹一伊. 影响中国电影经济成功的因素分析——从票房预测模型看中国电影新发展[J]. 当代电影, 2013(7):18-22.

[8]
王铮, 许敏. 电影票房的影响因素分析——基于Logit模型的研究[J]. 经济问题探索, 2013(11):96-102.

[9]
王炼, 贾建民. 基于网络搜索的票房预测模型——来自中国电影市场的证据[J]. 系统工程理论与实践, 2014, 34(12):3 079-3 090.

[10]
侯光明, 刘正山. 中国省市电影产业指数研究2015[J]. 电影艺术, 2016(4):94-98.

[11]
刘正山, 侯光明. 电影产业指数及国际比较研究(2009—2014)[J]. 当代电影, 2016(1):22-26.

[12]
吴鹤沪, 汪献平. 二三线城市影院的市场现状及未来走向[J]. 当代电影, 2011(6):18-21.

[13]
刘刚, 辛晓睿, 海骏娇, 等. 电影产业网络研究综述[J]. 世界地理研究, 2017, 26(3):124-133.

[14]
高红岩. 电影旅游集群的文化空间生产研究[J]. 人文地理, 2011, 26(6):34-39.

[15]
单德朋, 王英, 杨霞. 电影引致旅游的理论模型与计量分析[J]. 经济地理, 2014, 34(8):186-192.

[16]
陈娟娟, 楼嘉军. 上海电影院空间布局演变及影响因素分析[J]. 电影艺术, 2009(5):101-104.

[17]
杨晓俊, 朱凯凯, 陈朋艳, 等. 城市电影院空间分布特征及演变——以西安市为例[J]. 经济地理, 2018, 38(6):85-93.

DOI

[18]
向清成, 李昕. 关于开展我国消费地理学研究的若干问题[J]. 经济地理, 1990, 10(4):11-14.

[19]
向清成. 中国居民消费水平的地域差异[J]. 地理科学, 2002(3):276-281.

[20]
陈建设, 朱翔, 徐美. 基于分形理论的区域旅游中心地规模与空间结构研究——以湖南省为例[J]. 旅游学刊, 2012, 27(9):34-39.

[21]
喻定权, 陈群元. 基于分形理论的湖南省城市体系规模分布[J]. 经济地理, 2006, 16(S1):242-245.

[22]
孟斌, 张景秋, 王劲峰, 等. 空间分析方法在房地产市场研究中的应用——以北京市为例[J]. 地理研究, 2005(6):956-964,1 004.

[23]
秦波, 焦永利. 北京住宅价格分布与城市空间结构演变[J]. 经济地理, 2010, 30(11):1 815-1 820.

[24]
浩飞龙, 关皓明, 王士君. 中国城市电子商务发展水平空间分布特征及影响因素[J]. 经济地理, 2016, 36(2):1-10.

[25]
袁久和, 祁春节. 基于熵值法的湖南省农业可持续发展能力动态评价[J]. 长江流域资源与环境, 2013, 22(2):152-157.

[26]
王富喜, 毛爱华, 李赫龙, 等. 基于熵值法的山东省城镇化质量测度及空间差异分析[J]. 地理科学, 2013, 33(11):1 323-1 329.

[27]
谭银博. 二线城市电影院线竞争力分析初探[D]. 济南: 山东大学, 2012.

[28]
姜涛, 边静. 二三线电影市场:成长与成熟[J]. 当代电影, 2013(12):14-18.

Options
Outlines

/

〈 〉