2013-2014韩国音乐在中国的影响力分析

201211131039数学科学学院余培然2013-2014韩国歌曲在中国的影响力的定量评估摘要本文从MV传播量这一侧面运用了数据插值，非线性拟合等方法，评定并预测了韩国音乐在中国的影响力。本文选取国内最大的音乐MV分享网站作为数据来源，选取了其排行榜上前三的音乐MV分享量作为数据参考，建立了音乐MV影响力模型，从MV传播量这一角度量化评价了韩国音乐在中国的影响力。本文对韩国娱乐在中国市场的发展具有参考与分析意义，模型结果意在引起中国娱乐产业工作者的反思并为世界其他地区的音乐在中国市场的发展提供参考。首先，基于音悦台的数据，本文建立了模型一：韩国音乐MV影响力模型。基于准确且具有代表性的数据，模型首先量化的定义了不同地区的音乐在中国的影响程度，将不同区域的传播数据进行处理与计算，由此得出不同时期韩国音乐在中国的影响力的量化指标并对之进行分析。其次，基于模型一计算出的每月韩国音乐影响力量化指标，建立了模型二：韩国音乐影响力预测模型。利用非线性拟合的方法，对去年一月至今年五月的影响力程度进行多次拟合，分析拟合函数的预测能力并对今年下半年的韩国音乐影响力变化趋势进项预测。本文的特色在于有准确而具有代表性的大量数据作为支撑，从而合理的定义了影响力。采用非线性拟合的方式得到了多个拟合程度高的模型。本文建立的评价体系合理，预测模型预测能力强。关键词：MV传播量非线性拟合韩国音乐影响力借鉴文章：2010年国赛论文名称1B0103201211131039数学科学学院余培然引言近一年来韩国娱乐节目席卷中国，从来自星星的你到EXO,从歌曲到电视剧，都受到了年轻人的疯狂追捧。这一现象已经渐渐成为我国人们不可忽视的话题。那么韩娱在中国究竟有多大的影响力呢？我们是不是该警惕自己的孩子会不会被这种文化洗脑？本国自己的娱乐产业是不是在如此的韩流冲击下应该有强烈的危机感呢？本建模文章就来通过科学的方法探讨韩国娱乐在中国究竟有多火。这不仅是对中国的娱乐产业发展有参考作用，由于作用对象大部分是年轻人，也是对现在年轻人的喜好做一次清晰的认识。对于韩娱这类问题的研究是近几年（大约1999年左右）随着韩国音乐与娱乐节目引进中国而渐渐出现的，现在研究这类问题的也有不少，但是主要都是分析的综艺节目，对韩国音乐的研究还甚少，且研究内容偏向于艺术与传媒和市场经济。研究者只是从感觉上感觉到了韩国文化来袭，并没有对其影响力有确切的认识，而直接开始对其进行各方面的浅析。中国娱乐产业的发展想要从韩国娱乐产业那里得到借鉴和启发，首先清楚的认识到它影响力和发展潜力是非常有必要的，是不可缺少的一步，而在这个方面运用数理统计的知识进行分析与研究是非常有效的一个方法。本文便从数理统计这个角度，对韩国音乐在中国的影响力进行了分析。研究本问题的难点在于收集数据。采用的方法主要是计算与拟合。201211131039数学科学学院余培然建模分析一、问题的化简对于量化评价韩国音乐在中国的影响力，首先影响力是一个很大的概念，我们只能从其某一方面对其进行分析与评价，由于音乐在现在的主要传播途径是网络，所以我们可以从网络传播着这一侧面评判其影响力。又由于在这个可视化媒体多种多样的时代，音乐的呈现方式早已不仅仅局限于音频，而是以音乐MV的方式与大家见面，而人们接受和传达音乐的方式主要有欣赏，评论和分享。由于流行音乐具有大众性，而音乐重在欣赏，所以从其接受和传达的深度和广度方面评判其影响力是接近问题的本质且有说服力。这个方面的影响力可以通过其信息的传播量来反应。由此问题简化为了从音乐MV传播的深度跟广度来评判一类流行音乐的影响力。由于本文讨论的是韩国音乐影响力，其便是将其与其他地区的影响力做比较，而得出其影响力的大小。对此，若如上段所说，用传播量与深度来反应影响力，可以采用一个区域在不同时间段的传播量与深度占全部区域的百分比来作比较。由于信息的传播媒体多种多样，但本文研究的对象音乐MV，尽管各大视频网站也有音乐MV，但毕竟不是专注于做音乐MV，信息多而混杂，要只研究音乐MV的欣赏与分享两方面来评价影响力，我们可以选取音悦台这一专注于音乐MV的传播媒介作为研究对象，因为它是国内最大的MV音乐网站，且专注于音乐的欣赏，交流与分享，所以选取它为研究对象非常的具有代表性。在音乐台的网站上音乐MV数量非常多，将所有MV的播放深度和广度都作为数据工作量太大，对于传播量小的个体MV，并不会为一个地区的传播量做出大的贡献，又基于MV量虽然大，影响力大的却很少，而反映影响力大小的主要集中于传播量和深度高的音乐ＭＶ，所以我们只需要选取具有代表性的影响力高的个体音乐MV作为数据参考对象即可。对此，我们可以选取音悦台排行榜的前三的数据来作为采集对象。由此量化评价韩国音乐影响力的问题得到了简化。201211131039数学科学学院余培然对于影响力的预测问题，基于问题一，可以将韩国在不同时间段的量化影响力来做一个拟合以寻求其变化规律，并利用寻求到的规律对下半年的韩国音乐影响力进行预测。二、假设1、假设去年至今年以来人们在音悦台欣赏ＭＶ的方式只有站内播放和站外播、移动端播放三种。2、假设去年至今年以来人们传播音悦台ＭＶ只有新浪微博、３６０热度、移动端分享三种。三、符号说明k:排行榜排行位置j:第j项深度指标操t:从2013年1月记为第1个月，从向后数到t为第t个月ｎｋｊｔ:排行榜上排第Ｋ（Ｋ＝１,２,３）在第ｔ个月的ＭＶ第j项在第ｔ个月内被重复的次数。Ｎｉｊｔ：地区ｉ的第ｊ项在第t个月广度。Ｂ（ｉｔ）：第ｉ个地区在第ｔ个月的传播总量。Ｐ（ｉｔ）：第ｉ个地区第ｔ个月的影响力。Ｐ（４ｔ）：韩国的第t个月影响力四、模型的组建与求解（一）、模型一的建立与求解正如模型分析里面所说，可以用一个地区ＭＶ播放的影响深度和广度占总的的百分比作为影响力指标。具体的操作如下：首先将地区分为：内地、港台、欧美、韩国、日本。地区依次记为１,２,３,４,５。我们选取音悦台中各地区排行榜前三进行了站内播放，站外播放，收201211131039数学科学学院余培然藏次数，下载次数，评论用户数，新浪微博，３６０热度，移动端分享，移动端播放，移动端缓存这十个方面的数据统计，统计数据见附录１。以上十个方面大概可以分为五类：播放，收藏与分享，下载，评价，３６０热度。这五类分别反映了欣赏者对ＭＶ的重视程度，进而侧面反映ＭＶ影响力。首先，欣赏是最基本的程度，感触深则会评价，更喜欢则会收藏与分享，程度更甚者则会下载以拥有，３６０热度则是一个大型网站的欣赏者评价，具有很高的参考意义。所以，以上五种类型分别对应着影响力的不同程度，由此，我们给出量化的深度指标：站内播放站外播放收藏次数下载次数评论用户数新浪微博３６０热度移动端分享移动端播放移动端缓存１１３４２３５３１４将表中各指标依次记为矩阵Ａ：Ａ＝（１１３４２３５３１４）则排行榜上排第Ｋ（Ｋ＝１,２,３）在第ｔ个月的ＭＶ各项广度则是上述各个深度指标操作在第ｔ个月内被重复的次数，记为ｎｋｊｔ，ｊ＝１，２，３，４，５，６，７，８，９，１０．那么地区ｉ的第ｊ项在第t个月广度（记为Ｎｉｊｔ）在第ｔ个月则为第ｉ地区排行榜前三的ＭＶ的第ｊ项广度的总和，即Ｎｉｊｔ＝∑ｎｋｊｔｋ＝３ｋ＝１由此定义第ｉ个地区在第ｔ个月的传播总量：，201211131039数学科学学院余培然Ｂ（ｉｔ）＝∑Ａ１ｊＮｊｔｊ＝１０ｊ＝１那么，我们便可以定义第ｉ个地区第ｔ个月的影响力如下：Ｐ（ｉｔ）＝Ｂ（ｉｔ）∑Ｂ（ｉｔ）ｉ＝５ｉ＝１那么，韩国的第t个月影响力指即为ｉ＝４的上式：Ｐ（４ｔ）＝Ｂ（４）∑Ｂ（ｉ）ｉ＝５ｉ＝１将收集的数据附录１代入上式的从去年一月到今年五月的韩国各个月的影响力如下：月数影响力指数１0.489948684962527２0.422749427626765３0.313800687394788４0.517664757516401５0.493204863209772６0.553535515204161７0.644207469882928８0.583793423223016９0.539956351188082１０0.464423425934894１１0.582526899903296１２0.617061758907034１３0.496758471031070１４0.293187246906567201211131039数学科学学院余培然同理，我们可以算出其他地区的影响力指数，得到的数据见附录2。将几个地区的影响力指标关于月数做一个时间-影响力坐标图，见图1，蓝色——内地红色-------港台绿色-------欧美黑色-------韩国黄色-------日本我们可以更清楚的看到与其他几个地区相比，韩国音乐在中国的影响力在去年到今年的时间里是远远高于其他地区的。（二）模型二的建立与求解运用模型一对韩国音乐每月在中国的影响力数据结论，即表1，我们运用matlab的cftool工具箱对之进行模拟，由于初步观察图1的黑线，我发现其影响力指标是非线性变化，影响力指标时高时低，猜测其可以用三角函数拟合，所以决定用非线性的fourier函数拟合。先设拟合函数的阶数为1，即f(x)=a0+a1*cos(x*w)+b1*sin(x*w)用cftool工具箱的拟合值为：在95%的置信区间中:１５0.454850125942691１６0.286686362559895１７0.351296609543864201211131039数学科学学院余培然a0=0.4691置信区间(0.36,0.5783)a1=-0.1113置信区间(-0.1783,-0.04428)b1=0.03181置信区间(-0.2459,0.3095)w=0.3459置信区间(0.06626,0.6256)结果的检验方差SSE:0.09232确定系数R-square:0.5348确定系数AdjustedR-square:0.4274标准差RMSE:0.08427函数图为图2：发现此图反应了影响力先变大后变小的周期性趋势，但确定系数不高，拟合效果不够好。用cftool工具箱多次拟合更高的fourier阶数之后发现，拟合阶数为5和6时效果最好，结果分别如下：1、5阶拟合：f(x)=a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2*x*w)+b2*sin(2*x*w)+a3*cos(3*x*w)+b3*sin(3*x*w)+a4*cos(4*x*w)+b4*sin(4*x*w)+a5*cos(5*x*w)+b5*sin(5*x*w)Coefficients(with95%confidencebounds):a0=0.4751置信区间(0.4275,0.5227)201211131039数学科学学院余培然a1=-0.1029置信区间(-0.1877,-0.01801)b1=0.02702置信区间(-0.06927,0.1233)a2=0.01039置信区间(-0.09451,0.1153)b2=0.01071置信区间(-0.05284,0.07426)a3=0.06025置信区间(-0.03098,0.1515)b3=0.02461置信区间(-0.09387,0.1431)a4=-0.01024置信区间(-0.08587,0.06539)b4=-0.005019置信区间(-0.09177,0.08173)a5=0.00632置信区间(-0.186,0.1986)b5=0.05681置信区间(-0.01149,0.1251)w=0.3504置信区间(0.282,0.4188)结果的检验:方差SSE:0.02735确定系数R-square:0.8622确定系数AdjustedR-square:0.559均方差RMSE:0.07395拟合函数图如图3：2、六阶f(x)=a0+a1*cos(x*w)+b1*sin(x*w)+a2*cos(2*x*w)+b2*sin(2*x*w)+a3*cos(3*x*w)+b3*sin(3*x*w)201211131039数学科学学院余培然+a4*cos(4*x*w)+b