[[alternative]]Constraction the us movie classification model by the boxoffice and WOM

碩士[[abstract]]在科技的進步下，近年來電影產業發展快速，票房在全球逐年突破新紀錄，而市場上任何一部電影上映之後，最終以「高口碑高票房」、「高口碑低票房」、「低口碑高票房」、「低口碑低票房」，這四種結局找到歸宿，過去研究中沒有一個分類標準來區分這四種結局，故本研究利用電影相關特性來做為區分票房與口碑之重要變數，並利用鑑別分析(LDA)、多元適應性雲形迴歸(MARS)、分類回歸樹(CART)等分類方法，探討影響分類的決定因素以及其影響程度，以及方法適用性。 結果顯示，本研究使用多元適應性雲形迴歸，在分類準確率明顯優於另外兩種分類方法，CART整體準確率雖較差，但透過CART分類規則，可以找出隱藏在資料中的重要影響變數，可提供電影產業相關業者，利用現有的資源與網路資源，掌握電影票房銷售與口碑可能落點，並規劃應對的行銷方案，創造出更大的收益結果。[[abstract]]Because technology rapidly improves , the film industry is flourishing in these years , which creates new record of box office year by year .Then it can be divided into several categories of result in market, which are「high WOM High box office」, 「high WOM low box office」, 「low WOM High box office」and「low WOM low box office」.There was no standard to distinguish these four kinds of result before .Consequently , the features of movies are utilized to variable reference of box office . This study used LDA , MARS and CART to select their inflential, and their relative importance.The result shows that MARS is used in this research, which is better than the other two classification models.CART is less accurate in general, but it can find out the critical variables in the movie classification, which can be provided to film industries to grasp the market with current information and internet resource .Therefore, film firm can make appropriate sales strategy and gain more benefits.[[tableofcontents]]目錄 表目錄 V 圖目錄 VI 第一章 緒論 1 1.1 研究背景 1 1.2 研究動機與目的 2 1.3 研究流程 3 第二章 文獻探討 5 2.1 口碑 5 2.2 電影相關特性 6 2.3 鑑別分析(Linear Discriminant Analysis, LDA) 12 2.4 多元適應性雲形迴歸(Multivariate Adaptive Regression Spline, MARS) 13 2.5 分類迴歸樹(Classification and Regression Tree, CART) 14 第三章 研究方法 15 3.1 資料收集 15 3.2 研究架構 16 3.3 鑑別分析(LDA) 18 3.4 多元適應性雲形迴歸(MARS) 21 3.5 分類迴歸樹(CART) 23 第四章 實證研究 25 4.1 資料來源與整理 25 4.2 電影票房與口碑分類模式建構 36 4.3 曲高和寡分類模式 44 4.4 綜合比較 49 第五章 結論與建議 51 5.1 研究結論 51 5.2 未來方向與建議 53 參考文獻 54 表目錄 表 2.2.1美國電影分級制度 7 表 2.2.2各電影類型的中英對照表 8 表 2.2.3相關文獻整理 11 表 4.1.1 資料收集 26 表 4.1.2 電影票房&口碑之樣本資料 27 表 4.1.3訓練樣本的交叉分類結果 28 表 4.1.4本研究票房口碑類別範圍 28 表 4.1.5變數編碼說明 31 表 4.1.6低口碑低票房的訓練資料分布(第1類) 32 表 4.1.7高口碑低票房的訓練資料分布(第2類) 33 表 4.1.8低口碑高票房的訓練資料分布(第3類) 34 表 4.1.9高口碑高票房的訓練資料分布(第4類) 35 表 4.2.1 LDA票房口碑鑑別模式測試結果 37 表 4.2.2 MARS臨界點界定範圍 38 表 4.2.3 MARS票房口碑分類模式 39 表 4.2.4 MARS票房口碑分類模式測試結果 40 表 4.2.5 CART分類之重要變數相對重要性 41 表 4.2.6 CART葉結點分類規則 42 表 4.2.7 CART票房口碑分類模式測試結果 44 表 4.3.1 LDA曲高和寡鑑別模式測試結果 45 表 4.3.2 MARS曲高和寡分類模式 46 表 4.3.3 MARS曲高和寡分類測試結果 47 表 4.3.4 CART最適結構之重要變數相對重要性 47 表 4.3.5 CART葉結點分類結果 48 表 4.3.6 CART曲高和寡分類測試結果 49 表 4.4.1四個類別的分類模式重要變數 50 表 4.4.2曲高和寡分類模式重要變數 50 圖目錄 圖 1.3.1研究流程 4 圖 3.2.1研究架構圖 17 圖 4.2.1 CART樹狀實際全圖 43 圖 4.3.1 CART樹狀實際全圖 48[[note]]學號: 603620021, 學年度: 10