영화는 대표적인 경험재로 가치판단이 주관적이고 제품 수명주기가 매우 짧아 예측의 불확실성이 높기 때문에 이를 정량적인 방법으로 모형화하기는 쉽지 않다. 이러한 한계점에도 불구하고 한 영화의 상업적 성공을 예측하는 것은 영화 제작자나 배급사, 극장 등 모든 주체에게 수익과 직결되는 중요한 문제이기 때문에 지금까지 다양한 통계 모형이 제시되었다. 그러나 이들 모형의 대부분은 영화흥행에는 영향을 미치나 측정할 수 없는 효과를 반영하지 못한다거나, 추정 모수의 효과가 모든 영화에 대해서 같다는 동일성 가정으로 인해 영화간 이질성을 고려하지 못하고 있다. 따라서, 본 연구에서는 추정 모수의 사전분포를 모호사전분포로 정의함으로써 변수들의 불확실성을 반영할 수 있고, 영화간 이질성을 고려할 수 있는 베이지안 선택 모형을 제안하였다. 모수의 사후분포는 마코프체인 몬테카를로 기법인 깁스 샘플러를 이용하여 추정하였다. 또한, 감독, 배우, 장르 등의 영화 별 속성 변수뿐만 아니라, 입소문에 의한 영화관람 결정 등의 구전효과와 경쟁영화의 개봉으로 인한 효과를 반영할 수 있는 변수를 추가하여 모형의 정확성을 높였다. 2005년과 2006년 상반기에 상영된 영화를 바탕으로 모형을 구축하고 인공신경망 모형과 비교한 결과, 전체적인 예측 정확도에서는 인공신경망 모형과 비슷한 결과를 보이나 상업적으로 성공한 영화를 예측하는 데에는 베이지안 선택모형이 보다 더 우수한 것으로 나타났다. 또한, 개봉 주의 경쟁심화 정도 및 개봉 첫 주의 스크린 수 등이 영화 흥행에 가장 중요한 변수로 나타났으며, 영화 개봉 전 그 영화에 대한 기대치가 높을수록 흥행 성적 또한 좋음을 알 수 있었다. 배우의 힘 및 계절성, 영화 평점 등은 이질성을 고려하지 않은 전체수준에서는 통계적으로 유의하지 않은 것으로 나타났으나, 그룹 간 이질성을 반영한 모형에서는 어느 정도 흥행한 영화를 만들기 위해서는 고려되어야 할 요소로 나타났다.렇지 않을 경우 적절한 벤치마킹 대상을 도출할 때까지 추가적인 분석과정을 반복한다. 제안한 방법을 통하여 조직은 기술적 생산 가능성 외에도 다양한 조직 운영 관점에서 적절한 벤치마킹 대상을 선정할 수 있으며, 이에 따른 목표를 수립할 수 있을 것으로 기대한다. 또한 더 나아가 global efficiency 관점에서 효율적 조직이 되기 위하여 단계적인 벤치마킹 대상 선정과 이에 따른 목표를 수립하는데도 유용하리라 판단된다.$1.20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따른 폐환기능의 차이를 보면, 실험군의 술 후 노력성 폐활량이 48시간에 남자($1.78{\pm}0.61L$)가 여자($1.27{\pm}0.45L$)보다 더 높게 나타났으며 (t=2.170, P=0.042), 72시간에도 역시 남자($2.16{\pm}0.56L$)
영화는 대표적인 경험재로 가치판단이 주관적이고 제품 수명주기가 매우 짧아 예측의 불확실성이 높기 때문에 이를 정량적인 방법으로 모형화하기는 쉽지 않다. 이러한 한계점에도 불구하고 한 영화의 상업적 성공을 예측하는 것은 영화 제작자나 배급사, 극장 등 모든 주체에게 수익과 직결되는 중요한 문제이기 때문에 지금까지 다양한 통계 모형이 제시되었다. 그러나 이들 모형의 대부분은 영화흥행에는 영향을 미치나 측정할 수 없는 효과를 반영하지 못한다거나, 추정 모수의 효과가 모든 영화에 대해서 같다는 동일성 가정으로 인해 영화간 이질성을 고려하지 못하고 있다. 따라서, 본 연구에서는 추정 모수의 사전분포를 모호사전분포로 정의함으로써 변수들의 불확실성을 반영할 수 있고, 영화간 이질성을 고려할 수 있는 베이지안 선택 모형을 제안하였다. 모수의 사후분포는 마코프체인 몬테카를로 기법인 깁스 샘플러를 이용하여 추정하였다. 또한, 감독, 배우, 장르 등의 영화 별 속성 변수뿐만 아니라, 입소문에 의한 영화관람 결정 등의 구전효과와 경쟁영화의 개봉으로 인한 효과를 반영할 수 있는 변수를 추가하여 모형의 정확성을 높였다. 2005년과 2006년 상반기에 상영된 영화를 바탕으로 모형을 구축하고 인공신경망 모형과 비교한 결과, 전체적인 예측 정확도에서는 인공신경망 모형과 비슷한 결과를 보이나 상업적으로 성공한 영화를 예측하는 데에는 베이지안 선택모형이 보다 더 우수한 것으로 나타났다. 또한, 개봉 주의 경쟁심화 정도 및 개봉 첫 주의 스크린 수 등이 영화 흥행에 가장 중요한 변수로 나타났으며, 영화 개봉 전 그 영화에 대한 기대치가 높을수록 흥행 성적 또한 좋음을 알 수 있었다. 배우의 힘 및 계절성, 영화 평점 등은 이질성을 고려하지 않은 전체수준에서는 통계적으로 유의하지 않은 것으로 나타났으나, 그룹 간 이질성을 반영한 모형에서는 어느 정도 흥행한 영화를 만들기 위해서는 고려되어야 할 요소로 나타났다.렇지 않을 경우 적절한 벤치마킹 대상을 도출할 때까지 추가적인 분석과정을 반복한다. 제안한 방법을 통하여 조직은 기술적 생산 가능성 외에도 다양한 조직 운영 관점에서 적절한 벤치마킹 대상을 선정할 수 있으며, 이에 따른 목표를 수립할 수 있을 것으로 기대한다. 또한 더 나아가 global efficiency 관점에서 효율적 조직이 되기 위하여 단계적인 벤치마킹 대상 선정과 이에 따른 목표를 수립하는데도 유용하리라 판단된다.$1.20{\pm}0.37L$, 72시간에 $1.33{\pm}0.33L$로 유의한 차이를 보였으므로(F=6.153, P=0.004), 술 후 폐환기능 회복에 효과가 있다. 4) 실험군과 대조군의 수술 후 노력성 폐활량은 수술 후 72시간에서 실험군이 $1.90{\pm}0.61L$, 대조군이 $1.51{\pm}0.38L$로 유의한 차이를 보였다(t=2.620, P=0.013). 5) 실험군과 대조군의 수술 후 일초 노력성 호기량은 수술 후 24시간에서 $1.33{\pm}0.56L,\;1.00{\ge}0.28L$로 유의한 차이를 보였고(t=2.530, P=0.017), 술 후 72시간에서 $1.72{\pm}0.65L,\;1.33{\pm}0.3L$로 유의한 차이를 보였다(t=2.540, P=0.016). 6) 대상자의 술 후 폐환기능에 영향을 미치는 요인은 성별로 나타났다. 이에 따른 폐환기능의 차이를 보면, 실험군의 술 후 노력성 폐활량이 48시간에 남자($1.78{\pm}0.61L$)가 여자($1.27{\pm}0.45L$)보다 더 높게 나타났으며 (t=2.170, P=0.042), 72시간에도 역시 남자($2.16{\pm}0.56L$)
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
다음으로 베이지안 선택 모형을 이용하여 신규 영 화에 대한 수요예측에 어떻게 활용될 수 있는지를 보고자 한다. 이를 위해 모형을 만드는 계산 표본 (Calibration sample)과 예측 정확도를 검증하는 표 보Holdout sample)을 랜덤 추출하여 5개의 데이터 셋을 만든 후 예측률 및 오차4)를 계산하여 인공신 경망 모형과 비교하였다.
즉, 흥행에 성공하는 영화는 극히 일부에 지나지 않고 대부분의 영화는 흥행성적이 저조하기 때문에 많은 개체 가 속한 그룹을 과도 추정할 경우, 상대적으로 개 체수가 적은 그룹에 대한 예측력은 떨어질 수 있다. 따라서 본 연구에서는 Sharda and Delen (2006) 의 제시한 방법처럼 영화 수입을 이산화 하되, 베 이지안 선택 모형을 사용하여 각 그룹간의 이질성 을 반영을 통한 인공신경망 기법에서 나타나는 문제점을 해결하고자 하였다.
따라서, 본 연구에서는 한국 영화 시장에서 흥행 성을 판가름하는 요소는 무엇인지 살펴보고, 영화 의 상업적 성공을 판단할 수 있는 정량적 모형을 제시하고자 한다. 또한, 흥행에 성공한 영화와 실패 한 영화간의 이질성(Heterogeneity)은 존재하는지, 존 재한다면 그것을 바탕으로 얻을 수 있는 정책적 함 의는 무엇인지를 알아보고자 한다.
(2005)은 누적 관객수를 단순히 이항분포를 따른다고 가정하 지 않고 예상 시장 점유율을 종속변수로 하는 선택 모형 (Choice Model)의 추정 모수 형태로 재모수화 (Reparameterize) 시켰다. 또한, 영화 외의 다른 제품 선택의 경우를 위해 외부재로 (Outside Good) 인한 가상 효용을 모형화하여 흥행에 중요한 요소가 무 엇인지를 알아내고자 하였다. 영화의 이질성이나 Elberse and Eliashberg (2003)와 같이 변수의 내생성 문제를 해결하지는 못했지만, 영화 배급사 이름과 같이 수많은 명목 변수 (Categorical Variable)들을 더미 변수 (Dummy Variable)화 하지 않고, 각 배급 사의 효과를 한꺼번에 추정할 수 있는 접근법을 사용한 것은 좋은방법으로 보인다 (Steenburgh et al.
따라서, 본 연구에서는 순서 형 다항 로짓 모형을 사용하여 모수를 추정하였다. 또한, 추정모수 베타의 분포를 모호사전분포로 가 정함으로써 베타의 불확실성을 최대한 반영하고자 하였다. 인공신경망은 상용 패키지인 NeuroShell을 이용하였으며, 베이지안 선택 모형은 WinBugs 소프 트웨어를 이용하여 추정하였다.
따라서, 본 연구에서는 한국 영화 시장에서 흥행 성을 판가름하는 요소는 무엇인지 살펴보고, 영화 의 상업적 성공을 판단할 수 있는 정량적 모형을 제시하고자 한다. 또한, 흥행에 성공한 영화와 실패 한 영화간의 이질성(Heterogeneity)은 존재하는지, 존 재한다면 그것을 바탕으로 얻을 수 있는 정책적 함 의는 무엇인지를 알아보고자 한다. 본 연구에서 제 시한 베이지안 선택모형과 인공신경망과의 비교를 통해 베이지안 선택모형의 타당성을 검증하고자 한다.
또한, 흥행에 성공한 영화와 실패 한 영화간의 이질성(Heterogeneity)은 존재하는지, 존 재한다면 그것을 바탕으로 얻을 수 있는 정책적 함 의는 무엇인지를 알아보고자 한다. 본 연구에서 제 시한 베이지안 선택모형과 인공신경망과의 비교를 통해 베이지안 선택모형의 타당성을 검증하고자 한다.
본 연구에서는 베이지 안 선택 모형을 이용하여 영화 흥행을 결정하는 요인 탐색 및 영화 흥행 성과를 예측해 보았다. 흥행하는 영화일수록 인공신경망 모형과 비교해 예측력이 더 우수하게 나타났으며, 인공신경망 모형에서는 알 수 없는 각 그룹별 변수의 유의성 또한 명확하게 파악할 수 있었다.
1998, Elberse and Eliashberg 2003). 최대 상영관 수나 개봉 첫 주 상영관 수, 경쟁 영 화를 고려한 영화 개봉 시점등과 관련된 변수들을 통해 경쟁 효과 등을 측정하고자 하였다. 이들 변 수들 중 개봉 첫 주의 상영관 수는 영화 흥행에 가장 중요한 변수로 나타나고 있다.
가설 설정
영화 관람객 수의 확산 패턴과 관련하여, Ainslie et al. (2005)과 Sawhney and Eliashberg (1996)는 영 화 개봉후 관객의 확산 패턴이 감마분포 (Gamma Distribution) 를 따를 것이라고 가정하였다.Sawhney and Eliashberg (1996)는 누적 관객 수가 이항분포 (Binomial Distribution)를 따른다고 가정한 후, 각 영 화에 대해 확산패턴을 추정하였으나, 영화와 관련된 변수나 동시에 상영된 경쟁 영화에 의한 효과 등을 고려하지 못했다.
제안 방법
그러나 표 2의 결과는 각 변수들이 영화 흥행에 미치는 영향력이 모든 그룹에 동일하다는 가정하에서 도출된 결과이기 때문에 상업적으로 매우 성공 한 영화에 대한 정밀한 분석이 불가능하다. 따라서 본 연구에서는 그룹 간 이질성을 반영한 베이지안 선택 모형을 추가로 검증하였으며 결과는 표 3과 같다. 베이지안 모형의 타당성을 나타내는 DIC(Deviation Information Criterion, Spiegelhalter 2002)3) 값 또한 전체 수준(DIC=286.
대상 데이터
본 연구에서 사용된 데이터는 2005년 1월부터 2006년 3월까지 국적을 불문하고 한국 극장에서 상 영된 영화 170편을 대상으로 하였으며, 개봉 첫 주 의 스크린 수, 개봉 첫 2주의 총 매출액 대비 비율, 누적 관객 수에 대한 자료는 영화진흥 위원회에서 제공하는 입장권 통합 전산망 자료를 이용하였다. 그리고 각 영화의 감독, 배우, 장르, 제작사 및 배 급사, 영화 평점 등의 상세정보는 엠파스 (www. empas .com), 네이버 (www.naver. com), 다음 (www.daum.net) 등의 포털 사이트와 씨네21 (www.cine21.co.kr), 필름2.0 (www.film20.co.kr), 무 비위크 (http://www.movieweek.co.kr/) 등의 영화 전 문 잡지를 통해 각 영화 리뷰 정보를 수집하였다. 본 연구에서 사용된 독립변수는 다음과 같다.
본 연구에서 사용된 데이터는 2005년 1월부터 2006년 3월까지 국적을 불문하고 한국 극장에서 상 영된 영화 170편을 대상으로 하였으며, 개봉 첫 주 의 스크린 수, 개봉 첫 2주의 총 매출액 대비 비율, 누적 관객 수에 대한 자료는 영화진흥 위원회에서 제공하는 입장권 통합 전산망 자료를 이용하였다. 그리고 각 영화의 감독, 배우, 장르, 제작사 및 배 급사, 영화 평점 등의 상세정보는 엠파스 (www.
데이터처리
앞 절에서 제시된 요인들을 변수로 하여 영화 흥 행과의 인과관계를 살펴보는 주된 방법은 회귀분석 이었다. Elberse and Eliashberg (2003)는 스크린 수 와 수익을 내생변수 (Endogenous Variable)로 정의하고 감독, 배우, 마케팅 비용 등을 외생변수로 하는 로그-선형 형태의 연립방정식을 제안하였다.
다음으로 베이지안 선택 모형을 이용하여 신규 영 화에 대한 수요예측에 어떻게 활용될 수 있는지를 보고자 한다. 이를 위해 모형을 만드는 계산 표본 (Calibration sample)과 예측 정확도를 검증하는 표 보Holdout sample)을 랜덤 추출하여 5개의 데이터 셋을 만든 후 예측률 및 오차4)를 계산하여 인공신 경망 모형과 비교하였다. 결과는 표 4에 나타나 있는 바와 같이, 인공신경망과 선택 모형 모두 예측 률이 우수한 것으로 나타났다.
이론/모형
Shara and Delen (2006)의 연구에서처럼 흥행 성적 을 이산화하여 그룹핑할 경우, 이는 순서(Rank)를 갖는 이산변수가 된다. 따라서, 본 연구에서는 순서 형 다항 로짓 모형을 사용하여 모수를 추정하였다. 또한, 추정모수 베타의 분포를 모호사전분포로 가 정함으로써 베타의 불확실성을 최대한 반영하고자 하였다.
이 선택 확률은 로짓 모형이나 프로빗 모형을 통해 쉽게 추정할 수 있다. 본 연구에서는 식 (3)과 같이 다항 로짓 모형을 사용하여 선택 확률을 추정하였다.
또한, 추정모수 베타의 분포를 모호사전분포로 가 정함으로써 베타의 불확실성을 최대한 반영하고자 하였다. 인공신경망은 상용 패키지인 NeuroShell을 이용하였으며, 베이지안 선택 모형은 WinBugs 소프 트웨어를 이용하여 추정하였다.
성능/효과
결과는 표 4에 나타나 있는 바와 같이, 인공신경망과 선택 모형 모두 예측 률이 우수한 것으로 나타났다. 5개 데이터 셋의 전체 평균을 구한 결과 인공신경망이 모형이 선택 모 형보다 근소한 차로 예측력이 우수한 것으로 나타 났으나, 흥행에 성공한 영화(4, 5 그룹)를 예측하는 데에는 베이지안 선택모형이 앞서는 것으로 나타났다. 이는 실제 그룹을 정확히 맞히지는 못하더라도 얼마나 근접하게 예측했는지를 알아보는 제곱 합 오차의 계산 결과에서도 확인할 수 있다.
이를 위해 모형을 만드는 계산 표본 (Calibration sample)과 예측 정확도를 검증하는 표 보Holdout sample)을 랜덤 추출하여 5개의 데이터 셋을 만든 후 예측률 및 오차4)를 계산하여 인공신 경망 모형과 비교하였다. 결과는 표 4에 나타나 있는 바와 같이, 인공신경망과 선택 모형 모두 예측 률이 우수한 것으로 나타났다. 5개 데이터 셋의 전체 평균을 구한 결과 인공신경망이 모형이 선택 모 형보다 근소한 차로 예측력이 우수한 것으로 나타 났으나, 흥행에 성공한 영화(4, 5 그룹)를 예측하는 데에는 베이지안 선택모형이 앞서는 것으로 나타났다.
각 모수의 값은 흥행에 실패한 1 그룹과의 상대적인 차이를 나타내며 숫자는 각 그룹을 나타낸다. 그룹 간 이 질성을 반영하지 않은 전체 수준에서 통계적으로 유의하게 나타난 스크린 수와 경쟁 정도를 나타내는 변수는 2 그룹과 3 그룹의 경우 1 그룹과 차이가 없는 것으로 나타났다. 즉, 관객 수가 300만이 안되는 영화는 스크린 수에 크게 영향을 받지 않음 을 의미한다.
또한, 평가자 수 변수가 유 의하게 나타남으로써 영화 흥행에 입소문 효과도 어느 정도 있는 것으로 나타났다. 그리고 특이한 점은 영화 흥행에 액션 장르는 오히려 부정적 영향을 미치는 것으로 나타났다. 이는 조사기간 동안 흥행에 성공한 영화들의 장르는 다양했으나 액션 장르는 적었기 때문이고, 영화 ‘태풍‘과 같이 큰 기 대치에 비해 흥행성과가 미미한 액션 영화들이 많 았기 때문으로 생각된다.
흥행하는 영화일수록 인공신경망 모형과 비교해 예측력이 더 우수하게 나타났으며, 인공신경망 모형에서는 알 수 없는 각 그룹별 변수의 유의성 또한 명확하게 파악할 수 있었다. 또한, 그룹 이질성을 반영한 모형을 통해 전체 수준에서는 통계적으로 유의하지 않은 변수라도 각 그룹 수준에서는 통계적으로 유의한 차이가 있는 그룹이 있음을 알 수 있다. 따라서 본 연구에서 제시한 모형을 활용하면 영화 제작자나 배급사, 극장주는 영화 개봉에 대한 전략적인 선택을 할 수 있으리라 기대된다.
배우의 경우 영화 흥행과 완전히 무관한 것이 아니라 어느 정도 상업적으로 성공한 영화라고 지칭될 수 있는 영화에는 배우의 힘이 작용하고 있음을 알 수 있다. 또한, 영화 흥행에는 결정적 요인이 되지 못하 나 백만 관객을 동원하는 데는 계절성이나 영화 평 점이 유의하게 나타났다. 따라서 영화 제작사나 배 급사 입장에서는 이들 그룹 간의 관련성을 바탕으로 영화 개봉 시기 및 배우 등에 대해서 전략적 선 택을 할 수 있다.
특히, 개봉 첫 주의 스크린 수가 영화 흥행에 미치는 영향력이 큰 것으로 나타났으며, 경쟁으로 인한 영화 흥행 가능성의 감소 또한 큼을 볼 수 있다. 또한, 평가자 수 변수가 유 의하게 나타남으로써 영화 흥행에 입소문 효과도 어느 정도 있는 것으로 나타났다. 그리고 특이한 점은 영화 흥행에 액션 장르는 오히려 부정적 영향을 미치는 것으로 나타났다.
모수들의 사후분포 추정에 앞서 10000번의 반복계 산을 통해(Burning period) 그림 1과 같이 모수들이 정상분포를 보임으로써 수렴성을 확인하였고, 그림 2에서 보여 지는 것처럼 자기 상관도 또한 낮기 때문에 사후분포에서 모수 값들을 샘플링하는데 문제가 없음을 확인하였다. 그런 다음 또다시 10000번 의 반복계산을 통해, 표 2와 3의 결과를 얻었다.
이 주제와 관련된 가장 최근의 연구로 Sharda and Delen (2006)의 인공신경망(Artificial Neural Network) 모형이 있다. 영화 흥행성적에 따라 9 단 계로 이산화 시킨 후 두 개의 숨은 층(Hidden layer) 과 9개의 목표(Target) 노드을 갖는 다층 퍼셉트론 (Multi-layer Perceptron)을 이용하여 로지스틱 회귀분 석이나 판별분석, 의사결정나무(Decision Tree) 등의 기법보다 예측력이 우수함을 보였다. 인공신경망 기법은 데이터의 비선형성이 높을 때에도 우수한 예측력을 보이는 것은 사실이나 회귀분석처럼 변수 간 인과관계를 설명하기 어렵다거나 국부 최대화 (Local Maxima) 문제나 때때로 과도추정으로 인한 예측력의 저하가 발생하는 문제점이 존재한다.
국적, 개봉 주의 경쟁 정도, 개봉 첫 주의 스크린 수 및 영화 개봉 전 사전 평가자 수 등의 변수가 통계적으로 유의하게 나타났으며2), 기대하는 부호를 가짐을 알 수 있다. 특히, 개봉 첫 주의 스크린 수가 영화 흥행에 미치는 영향력이 큰 것으로 나타났으며, 경쟁으로 인한 영화 흥행 가능성의 감소 또한 큼을 볼 수 있다. 또한, 평가자 수 변수가 유 의하게 나타남으로써 영화 흥행에 입소문 효과도 어느 정도 있는 것으로 나타났다.
준에서는 통계적으로 유의하지 않으나 그룹 간 차이를 보면 통계적으로 유의한 변수가 있다는 점이다. 표 3에서 보여 지는 바와 같이 4 그룹의 배우 와 3 그룹의 계절성 및 영화 평점의 변수가 1 그룹 과 유의한 차이가 있는 것으로 나타났다. 배우의 경우 영화 흥행과 완전히 무관한 것이 아니라 어느 정도 상업적으로 성공한 영화라고 지칭될 수 있는 영화에는 배우의 힘이 작용하고 있음을 알 수 있다.
본 연구에서는 베이지 안 선택 모형을 이용하여 영화 흥행을 결정하는 요인 탐색 및 영화 흥행 성과를 예측해 보았다. 흥행하는 영화일수록 인공신경망 모형과 비교해 예측력이 더 우수하게 나타났으며, 인공신경망 모형에서는 알 수 없는 각 그룹별 변수의 유의성 또한 명확하게 파악할 수 있었다. 또한, 그룹 이질성을 반영한 모형을 통해 전체 수준에서는 통계적으로 유의하지 않은 변수라도 각 그룹 수준에서는 통계적으로 유의한 차이가 있는 그룹이 있음을 알 수 있다.
후속연구
또한, 그룹 이질성을 반영한 모형을 통해 전체 수준에서는 통계적으로 유의하지 않은 변수라도 각 그룹 수준에서는 통계적으로 유의한 차이가 있는 그룹이 있음을 알 수 있다. 따라서 본 연구에서 제시한 모형을 활용하면 영화 제작자나 배급사, 극장주는 영화 개봉에 대한 전략적인 선택을 할 수 있으리라 기대된다.
하지만, 본 연구에서는 각 그룹별 이질성만 고려했을 뿐, 영화 간이 질성은 고려하지 못한 단점이 있다. 향후 이에 대한 확장이 필요하며, 요즘 영화 흥행에 중요한 요소로 부각되고 있는 마케팅에 관한 효과를 반영할 수 있도록 각 영화의 마케팅 비용 등의 변수 추가 및 마케팅 효과와 구전효과 간의 상관관계를 고려한 모형의 수립이 필요하다고 하겠 다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.