第一節 研究背景
一、美國電影與戰爭
自從 18 世紀初期，美國電影行業的獲利便執世界之牛耳，尤其加州的好萊 塢電影工業聚落，匯集了全球的電影工業人才以及資源，相較於其他地區的電 影工業發展，其高素質的從業人員伴隨著精密分工、龐大的投資、商業大作的 生產、映演協議等運作方式，對於美學的專精與執著以及行銷的創新與求變，
使得好萊塢被人稱作「電影工業的世界中心」。報告顯示，2017 年全球票房達 到 406 億美金，同 2016 年相比增長了 5%。 2017 年，在所有的電影中，美國 電影觀眾佔了總票房的近三分之一（30%）美國以及加拿大市場票房最高的的 前 25 名都是由大型電影製作公司壟斷。
戰爭片是電影片種中不可或缺的分類，不僅迎合了戰爭片觀眾的市場，同 時也扮演了政治宣傳重要角色。正如導演格理菲斯（D.W.Griffith）於 1915 年 執導的《一個國家的誕生》（Birth of a Nation）以南北戰爭時期作為舞台，宣 揚種族議題以及白人至上主義，其激進的價值觀至今仍對於美國
社會有著重大影響。(Melvyn Stokes, 2007)
此外在二戰期間至今，好萊屋也與美國軍方密切合作，拍攝了各種戰爭 片，宣揚美國自由民主並對抗法西斯主義的理念如《威克島》、《東京上空 30
視覺效果，震撼了觀眾。號召了如影星詹姆士史都華（James Stewart）一般的 美國青年自願奔赴前線，為國家拋頭顱灑熱血。
票房是決定電影成敗的重要指標，對於一部成功的戰爭電影，不僅僅只是 專注於電影的價值觀宣傳或是藝術呈現，其在現實層面中盈利也是相當重要。
一部電影的製作過程往往是耗時費力，能夠了解產業鏈以及影片類型中各 個因素對於電影票房的影響程度，有利於電影公司進行策略的擬定以及資源的 配置，避免資源不必要的浪費，特別是身處於大型製作商壟斷的寡占電影市 場。
雖然戰爭片一直伴隨著好萊屋的歷史前進，然而最近的研究顯示好萊屋的 西部片，戰爭片，音樂劇和愛情片的製作頻率正在下降;而科幻小說和動畫類別 則越來越受歡迎。這代表著“技術導向”電影越來越佔據主導地位，這些電影在 很大程度上依賴於特效技術，尤其是美國國內票房中的動畫電影;以角色和敘事 為主導的電影所取得的票房份額正在下降（Wang, 2011）。
二、電影票房分析相關研究、要素
40 年代是電影票房分析的第一階段，最有影響力的兩個研究者是蓋洛普與 漢德爾。前者將其在政治領域取得成功的民意調查法（尤其是基於人口統計學 的截面調查法）引入到電影觀眾研究中，取得了在當時相當大的影響力。
蓋洛普在採集信息時注重人口統計學特徵，諸如年齡、性別、收入水平和居住 地，並把人群分為影院常客和不定期顧客。蓋洛普提取的票房影響因子包括了 片名、故事情節、明星、試映和廣告宣傳。
電影票房研究的第二階段大致從二十世紀八十年代開始。這些研究與第一 階段的研究有著一定的繼承關係，依然在尋找可能影響電影票房的因素。諸如 在 1980、1981 年連續出現了兩篇 MPAA 評級與電影票房關係的研究（The
Influence of the MPAA's Film-Rating System on Motion Picture Attendance: A Pilot Study，MPAA ratings and the box office: Some tantalizing statistics）， 1988 年出 現了一篇奧斯卡得獎與電影票房的研究（What's an Oscar Worth? An Empirical Estimation of the Effects of Nominations and Awards on the Movie Distribution and Revenues）。(Bruce A. Austin, 1980) (Dodds, John and Holbrook, Morris, 1988)
(
Austin
,Nicolich
&Simonet
,1981
)在八十年代，密歇根州立大學經濟學家巴里•利特曼（Barry Litman）專注 於娛樂領域的研究，提出了一個極具參考價值的電影票房分析模型，他把影響 電影在商業上成功的變量劃分為三大部分：創意、發行/上映時間以及電影營 銷。(Litman, Barry,1983)
而到了 2006 年，美國的兩位學者 Ramesh Sharda 以及 Dursun Delen 利用神 經網絡演算法，創建了另外一種票房預測的方法，也就是國內最近這幾年才在 網路行業經常聽到的“機器學習演算法”。選擇了 1998-2002 年的 834 部電影，
統計它們的票房結果，並將票房收入按照規模劃分為 9 個等級，以及 7 個自變 數作為分析要素，為計算機建立了一個訓練集，然後讓計算機自己學習在不同 變數組合的情況下，電影可能會落入到哪一檔的票房規模中。(Sharda , 2006)
口碑對票房的影響在各種研究中均得到認可，但是分歧在於，部分學者認 為關於電影的討論量對票房會產生影響，而口碑的正負向對票房的影響忽略不 計，而另一部分學者則認為兩個參數都很重要。於是，2006 年，Gilad Mishne 和 Natalie Glance 在二人所建的部落格票房預測模型中，對比了兩個因素在票 房預測中的能力。他們利用部落格搜索引擎 Blogpulse 收集了 2005 年 2 月至 8 月期間上映的 49 部電影的相關部落格，並進行了情感傾向上的分析和統計。最 終結論是，在上映前帶有情感性的評價與票房的關聯大於討論量，而上映後討 論量和票房的關聯大於情感評價。(Mishne, & Glance, 2006)
2013 年 Google 發佈了名為《Quantifying Movie Magic with Google Search》
Google 宣布其模型預測票房與真實票房的吻合程度達到了 94%，但並未見其公 開未上映電影的預測結果。同時，Google 通過分析自身的數據還發現，在上映 前四周時，大部分電影的預告片都是這個時間發布並開始密集的投放廣告，因 此，這個階段的用戶搜尋資料與票房的相關性會更加緊密。(Reggie Panaligan &
Andrea Chen, 2013)
第二節 戰爭電影研究目的
過去所做過的美國電影市場研究大多未經過分門別類，忽略了每個市場中 消費者習慣以及偏好的不同，導致其因素分析結果只能合乎大致上的趨勢，而 沒有辦法對某個特定的電影類別做更精確的票房預測，有鑑於此，本研究主要 聚焦在電影市場之中一個重要的類別—戰爭類片（Drama Film）之上。
本研究採用 1998-2018 年 IMDB 前十大戰爭電影的票房統計結果為樣本。
IMDB 是目前全美使用人數最多也最具影響力的電影資料庫網站，而電影預算 的部分，則是使用了 Numbers 網站中資料，然而電影預算並非是電影製作商所 願意公開的數字，因此有些電影只能藉由與其他相同的類型比較並預測其預算 區段，與實際的預算存在落差。此份研究以近十年美國戰爭片票房做為研究目 標，整理國內外有關電影上中下游產業鏈的重要組成，探討影響戰爭片票房之 重要因素，並採用迴歸模型方法，分別以總票房、製片商種類、以及交互項，
探討相關變數對戰爭片票房收入的影響，進而提供未來電影推廣策略擬定時參 考的方向。
因此本研究目的建立於:
壹、探討電影產業鏈中哪些因素能有效預測美國戰爭片票房。
貳、探討能預測美國戰爭片票房的因素中，以哪些因素較為重要。