电视收视率分析方法简述

邢亚彬 史兹国

摘 要：电视收视率受到大家的高度关注，直接影响到电视节目的经济效益和广告价值。常用的电视收视率分析和预测方法包括回归分析、ARMA模型、人工神经网络、决策树算法、支持向量机等，在电视收视率分析和预测过程中常常会借助于SPSS软件、EViews软件、Matlab软件、R软件等工具進行分析。

关键词：电视收视率；分析方法；分析工具

中图分类号：G223 文献标志码：A 文章编号：2095-2945（2018）31-0107-03

Abstract： TV ratings are highly concerned by everyone and directly affect the economic benefits and advertising value of TV programs. The common analysis and prediction methods of TV ratings include regression analysis， ARMA model， artificial neural network， decision tree algorithm， support vector machine and so on. In the process of TV rating analysis and prediction， it is often analyzed with the help of SPSS software， EViews software， Matlab software， R software and other tools.

Keywords： television ratings； analytical methods； analytical tools

1 概述

电视收视率是有线电视频道价值中含金量最高的指标之一，不仅反映了电视节目在观众中的口碑，而且直接关系到电视节目的经济效益和广告价值，受到大家的高度关注。一直以来，电视收视率的分析和预测是社会各界关注的热点，分析和预测的方法众多，常用的分析和预测方法包括回归分析、ARMA模型、人工神经网络、决策树算法、支持向量机等，在电视收视率分析和预测过程中常常会借助于SPSS软件、EViews软件、Matlab软件、R软件等工具进行分析。

2 分析方法

2.1 回归分析

回归分析是研究变量之间相互关系的方法，在很多领域应用广泛。根据变量的数量和相互关系，可以分为一元线性回归、多元线性回归和非线性回归等。线性回归模型的一般形式为：y=？茁0+？茁1x1+？茁2x2+...+？茁pxp+？着，最简单的线性回归模型的一般形式为：y=？茁0+？茁1x+？着。线性回归模型是早期比较常用的电视收视率预测方法，现在已经渐渐被其他的分析方法所取代。

2.2 ARMA模型

ARMA模型是自回归移动平均（Auto-regressive moving average）模型的简称，记为ARMA（p，q），是由美国的Box和英国的Jenkins共同创立的一种随机时间序列预测方法，也称为B-J法，在短期预测方面具有较好的精度。其基本思想是应用数学模型对时间序列进行近似描述，通过对该模型进行分析，认识时间序列的结构和特征，达到最小方差意义下的最优预测。ARMA模型只适用于平稳时间序列，对于表现为趋势性和季节性的时间序列应进行改进，其实质是通过差分过程把非平稳时间序列转换成平稳时间序列后，再应用ARMA模型进行分析和预测。

（1）ARIMA模型

ARIMA模型是求和自回归移动平均模型的简称，记为ARIMA（p，d，q），是差分与ARMA模型的结合。其建模过程包括模型识别阶段、参数估计阶段、模型检验阶段、预测应用阶段等。ARIMA模型对于短期预测具有较高的精度，随着预测时间的延后，精度会逐渐下降。

（2）乘积季节模型

在时间序列模型中，有的序列含有季节变动规律，可以通过建立季节模型进行预测。乘积季节模型是随机季节模型和ARIMA模型的结合，记为ARIMA（k，D，m）×（p，d，q），其一般形式是：？椎（B）U（BS）△d？荦Xt=？专（B）V（BS）at。由于受到周末、节假日等因素影响，电视收视率具有明显的季节特征，故采用季节模型进行电视收视率预测较为常见，或者在应用其他模型时考虑季节因素影响进行分析。

2.3 人工神经网络

人工神经网络又称为神经元网络，具有特有的非线性适应性信息处理能力，能够自适应样本数据，在模式识别、智能控制、预测和管理等方面应用广泛。

（1）BP神经网络

BP（Back Propagation）神经网络实质是求解误差函数的最小值问题，通常由一个输入层、若干个隐含层和一个输出层组成，每层具有多个神经元，在网络学习过程是不断修正权系数的过程，以使得网络的实际输出值与期望输出值误差均方值最小。当网络的均方差误差低于给定值时，表明对给定训练集学习已经满足要求。

（2）RBF神经网络

RBF（Radial Basis Function）神经网络是一种局部逼近的神经网络，由一个输入层、一个隐含层和一个输出层组成，其基本思想是用RBF作为隐单元的“基”构成隐含层空间，将输入矢量不通过权连接，而是直接映射到隐空间上。RBF神经网络在逼近能力、分类能力和学习速度等方面有较好的表现。RBF神经网络能够无限逼近最佳函数值，不易出现局部最优问题，训练速度快，具有较高的预测精度，能够很好地解决电视收视率的非线性预测问题，具有一定的现实意义。

2.4 决策树算法

决策树是常用的数据挖掘方法，是根据若干输入变量的值构造出一个相适应的模型，来预测输出变量的值，常以树形结构呈现，具有简单直观、解读性强的特点。常用的决策树算法有ID3、C4.5、C5.0等。可以采用决策树算法进行收视率预测，进而得出具有一定参考价值的结论，但其具有易产生过拟合现象、只能给出0/1两态值等的缺点，可以考虑把该算法与人工神经网络等方法相结合，有助于得到更接近实际的结果。

2.5 支持向量机

SVM是支出向量机（Sport Vector Machine）的简称，其基本思想是找到一个超平面，使得它能够尽可能多地将两类数据点分开，使得分开的两类数据点距离分类面最远。支持向量机参数模型主要着眼于利用启发式算法对特征选取、参数选择等问题进行优化，需要耗费较大的计算资源，如果引入其他算法，如改进P-SVM模型，可以提升预测精度，减少参数调整过程的运算时间，更具准确性和参考价值。支持向量机在模式识别方面应用较为广泛。

3 电视收视率分析软件

常用进行电视收视率分析的软件主要有SPSS软件、EViews软件、Matlab软件、R软件等。

3.1 SPSS软件

SPSS是Statistical Package for the Social Sciences的简称，是最早的统计分析软件之一，在调查统计、市场研究、数据分析中应用广泛。其基本功能有数据管理、统计分析、图表分析、输出管理等，包括描述统计、列联表分析、总体的均值比较、相关分析、回归模型分析、聚类分析、主成分分析、时间序列分析、非参数检验等多个大类，每个大类中包含多种统计分析方法。在电视收视率分析中，当采用回归分析、聚类分析、ARIMA等时间序列分析时，常常采用SPSS软件进行分析。

3.2 EViews软件

EViews是Econometrics Views的简称，是专门从事数据分析、回归分析和预测的计算机软件，具有操作简便、界面友好、功能強大的特点，在数据分析、经济预测、成本分析等方面应用广泛。EViews软件是最流行的数据分析工具之一，许多高等学校开设有相应的课程，对学生进行训练和实验，常常被用来进行包括描述统计分析、回归分析、时间序列分析、动态分析、面板数据模型等。在电视收视率分析中，当采用趋势模型、季节模型、ARMA模型、ARCH类模型时，经常采用EViews软件进行分析。

3.3 Matlab软件

Matlab是矩阵实验室（Matrix Laboratory）的简称，是一款优秀的数学软件，在数据建模方面应用广泛，具有数据处理、图形绘制、建议预测等多种功能，适用于灰色预测、遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、计算机模拟等方面的应用。其附加的工具箱，扩展了MATLAB的使用环境，可以用来解决特定领域特定类型的问题。在电视收视率分析时，当采用人工神经网络、决策树、支持向量机等方法时，常常采用Matlab软件进行分析。

3.4 R软件

R软件是免费的自由软件，它的代码公开，可以进行修改和补充，它提供了若干统计程序包，具有数据存储和处理、数组运算工具、统计分析、统计制图等功能。可以通过R软件菜单“程序包-安装程序包”选项下载程序包进行安装，使用较为方便。R软件越来越为更多的人所使用。R软件中的程序包forecast具有自动选择ARIMA参数的功能，具有一定的参考价值，简单快捷，但还是要对其进行鉴别。在电视收视率分析，采用趋势模型、季节模型、ARMA模型、GARCH模型、VARMA模型、神经网络模型时，可以采用R软件进行分析。

4 结束语

电视收视率的分析方法众多，由于数据来源方法不同、地区和时间差异等因素的影响，更由于电视收视率分析的目的和要求存在较大差异，故研究者应根据研究需要合理选择模型和分析工具。

参考文献：

[1]易丹辉.时间序列分析：方法与应用[M].北京：中国人民大学出版社，2012.

[2]王振龙，胡永宏.应用时间序列分析[M].北京：科学出版社，2017.

[3]王立柱.时间序列模型及预测[M].北京：科学出版社，2017.

[4]白晓东.应用时间序列分析[M].北京：清华大学出版社，2017.

[5]薛易，陈立萍.统计建模与R软件[M].北京：清华大学出版社，2013.

[6]吴喜之，刘苗.应用时间序列分析：R软件陪同[M].北京：机械工业出版社，2014.

[7]易丹辉.数据分析与EViews应用（第二版）[M].北京：中国人民大学出版社，2014.

[8]司守奎，孙玺菁.数学建模算法与应用[M].北京：国防工业出版社，2013.

[9]黄文，王正林.数据挖掘：R语言实践[M].北京：电子工业出版社，2014.

[10]赖国毅，陈超.SPSS17.0中文版常用功能与应用实例精讲[M].北京：电子工业出版社，2010.

[11]卓金武，魏永生，秦健，等.MATLAB在数学建模中的应用[M].北京：北京航空航天大学出版社，2014.

[12]陆海鹰.基于线性回归的电视节目收视率预测模型[J].当代电视，2012（11）：55-57.

[13]周双娇.基于乘积季节模型的湖南卫视收视率的分析与预测

[J].湖北理工学院学报，2016（3）：33-37.

[14]刘辉，杜秀华.基于ARMA模型的电视台收视率预测方法设计和实现[J].控制工程，2009（5）：9-11.

[15]梁招娣，刘小龙.基于RBF神经网络的电视收视率预测[J].河南科学，2013（9）：1428-1431.

[16]周荡荡，苏勇.基于决策树算法的电视收视率预测研究[J].计算机与数字工程，2017（11）：2123-2125.

[17]涂娟娟，刘同明.基于决策树的电视节目收视率预测模型[J].微计算信息，2007（3）：251-252.

[18]陈青，薛惠锋，闫莉.基于半模糊核聚类算法的收视率预测研究[J].计算机工程与应用，2012（6）：151-154.

[19]张晶，白冰，苏勇.基于贝叶斯网络的电视节目收视率预测研究[J].科学技术与工程，2007（7）：5099-5102.

[20]付连军.基于probit模型的电视收视率微观经济计量实证分析[J].市场研究，2006（9）：28-33.

[21]张茜，吴超，乔晗，等.基于TEI@I方法论的中国季播电视综艺节目收视率预测[J].系统工程理论与实践，2016（11）：2905-2914.

[22]邢亚彬，史兹国.大数据背景下江苏有线电视收视率预测[J].江苏社会科学，2015（3）：257-265.

[23]汪洋，田刚，温淑鸿.基于BP神经网络的电视节目收视率预测模型[J].电视技术，2014（6）：94-96.

[24]邬丽云，曲洲青.基于BP神经网络的收视率预测[J].中国传媒大学学报（自然科学版），2011（9）：59-62.

[25]姚芳，李越，肖春来.基于时间序列模型的全国30家电台收视率分析[J].数学的实践与认识，2011（7）：34-39.

[26]周明雨.A公司战略性原料药采购成本控制策略研究[D].上海：华东理工大学，2015.

[27]张克荣，刘武艺.价格波动的研究方法及其模型[J].统计与决策，2011（4）：10-12.