12月17日，肖央主演的电影《误杀2》正式上映，仅上映6天，票房便已冲上4.6亿元，不少媒体预测《误杀2》的总票房有可能突破10亿元。

为了让预测更严谨，本文将收集资料从大数据角度，利用数据分析对电影最终票房进行预测。

一、电影票房预测分析

1、影响票房因素提取

吴鹤沪先生（资深电影人，行业内公认的市场专家）在撰写的论文《小议影响电影市场票房的几大因素》中提到，影响票房主要有：影片本身质量、影片排映档期、影片宣传策划、映期社会环境、映期天气环境，此外还有影院建设、电影票价、影片数量和立法规范等。

通过这些可以发现，一部影片的票房受多方面、多因素影响，而影院行业常用的票房收入计算公式为“票房=总座位数×场次×上座率×平均票价×天数”。

综合以上，我们选择此次《误杀2》票房预测模型票房影响因素，包括：

电影评分，主流电影评分网站，评分越高表示电影口碑越佳，影片质量越好；

电影上映周期，周期越长，票房总数越多；

搜索指数，电影在各平台的搜索指数、热议指数；

1） 电影评分，范围为1-10，由观影观众给出，数值越大表示影片越受欢迎；

2） 平均票价，影片上映后的平均票价；

3） 上映档期，是否在贺岁档、暑期档、五一档或国庆档上映；

4） 电影类型，是否为喜剧、惊悚、剧情或科幻；

5） 电影上映总场次，电影在影院放映的场次；

6） 上映首周平均日票房，由上映首周的票房收入和首周上映天数得到；

7） 场均观影人次，上映后平均每场的观影人次；

根据特征筛选，我们最终筛选了5个有效指标（有效指标越多越好）：豆瓣评分、平均票价、电影上映总场次、上映首周平均日票房、 场均观影人次

通过爬取数据，最终获得2021年所有影片相关指标数据。

2、回归模型分析预测票房

将以上选取的部分因素做为特征，作为票房预测的自变量，以电影总票房作为因变量。

本文采用SPSSPRO免费数据分析平台中的线性回归模型训练票房预测模型，利用训练集训练得到模型，然后利用测试集对模型预测效果进行评价，主要通过R2来评价模型拟合效果，其数值越接近1表示模型的拟合效果越好。

一键输出分析报告

输出结果1：线性回归分析结果表

从F检验的结果分析可以得到，显著性P值为0.0**，水平上呈现显著性, 拒绝回归系数为0的原假设

同时模型的拟合度R2为0.88, 模型表现较为优秀， 因此模型基本满足要求

对于变量共线性表现，VIF全部小于10，因此模型没有多重共线性问题, 模型构建良好

模型的公式如下:

y总票房=-58157.634+0.034总场次+1.223首周票房+320.449平均票价+4170.933场均人数+665.635*豆瓣评分

输出结果2：拟合效果图

输出结果3：模型路径图

输出结果4：最终预测结果

最终预测结果为 110226.837，11亿元

《误杀2》以23.3%的排片，拿下了69.4%的票房，截止到当天，当日票房就超过了5亿。

而从专业票务软件的票房预测上，《误杀2》的预测内地总票房已经接近10亿，只要按照目前的发展势头，过10亿并不困难，毕竟前作票房13.33亿，有了前作的观众基础，再加上这一部吸引的新观众，达到10亿并不是没有可能。

最后：数据模型只能预测正常情况，非正常情况是没办法考虑的，正常而言，电影是上映一个月，所以准确而言，这次预测的是两部电影一个月的票房（到1月17号）。但如果延期上映则会影响票房，另外其他人工干预的情况也是没法估量的