中美貿(mào)易戰(zhàn)是否會對NBA在中國的收視情況產(chǎn)生影響？

楊先正

摘 要：我們研究中美貿(mào)易戰(zhàn)是否會對NBA在中國的收視情況產(chǎn)生影響。我們選擇收視市占比作為被解釋變量，總球星效應(yīng)、球隊排名差以及中美貿(mào)易戰(zhàn)是否發(fā)生作為解釋變量進(jìn)行多元線性回歸研究，同時，我們排除了中美貿(mào)易戰(zhàn)外其他影響收視變化的重大因素。研究發(fā)現(xiàn)，總球星效應(yīng)與NBA在中國的收視率成正相關(guān)，而球隊排名差、中美貿(mào)易戰(zhàn)的發(fā)生不存在影響。我們繼續(xù)通過中美貿(mào)易戰(zhàn)分別與球星總效應(yīng)與球隊排名差的交叉變量進(jìn)行分析，證明了中美貿(mào)易戰(zhàn)的發(fā)生確實不會對NBA在中國的收視情況產(chǎn)生影響。

關(guān)鍵詞：中美貿(mào)易戰(zhàn)；NBA；收視市占比；中國

1 引言

隨著生活水平的提高，人類精神消費的比例正逐漸上升，文化市場的地位日漸凸顯。大國在傳統(tǒng)的政治、經(jīng)濟(jì)、軍事領(lǐng)域進(jìn)行博弈的同時，文化博弈意識逐漸增強。

釣魚島爭端進(jìn)入白熱化時，國內(nèi)出現(xiàn)“抵制日貨”的愛國熱潮，然而，當(dāng)時日本動漫在國內(nèi)方興未艾；薩德導(dǎo)彈的部署引起國人強烈不滿，同樣，以韓劇為代表的韓娛行業(yè)的國內(nèi)關(guān)注度卻居高不下。

因此我們聯(lián)想，中美貿(mào)易摩擦期間，NBA作為美國在中國文化市場的代表，其國內(nèi)關(guān)注度是否會因此改變？傳統(tǒng)領(lǐng)域的大國博弈會引起的全民物質(zhì)消費抵制熱潮，但似乎對文化領(lǐng)域的精神消費沒有影響，這是規(guī)律驅(qū)使，還是偶然現(xiàn)象？

目前，相關(guān)問題的研究少之又少。本文通過切實可靠的數(shù)據(jù)，對這一問題進(jìn)行研究。

2 模型建立

本節(jié)介紹了NBA在中國的收視市占比與中美貿(mào)易戰(zhàn)之間的作用機制。本文利用該作用機制構(gòu)建模型并進(jìn)行實證分析：

Market_Ratio = β0 + β1×ΔRank + β2×Total_Star + β3×Trade + ε （1）

其中，Market_Ratio表示每場比賽在中國的收視市占比。由于時差問題，NBA每場比賽通常在北京時間8時至14時進(jìn)行直播。同時，由于NBA的比賽日期不受節(jié)假日的影響，針對不同的收視人群以及不同的收視時間段，采用傳統(tǒng)意義上的收視率可能會導(dǎo)致數(shù)據(jù)偏差。因此，我們選擇市占比（Market Ratio）作為觀眾收視情況的衡量指標(biāo)，它表示在某一時間節(jié)點上，收看被調(diào)查節(jié)目的觀眾占該時間節(jié)點上所有觀眾的比值，收視率可以作為模型穩(wěn)定性檢驗的被解釋變量。市占比與收視率區(qū)別如下：

ΔRank表示兩支球隊的排名差值的絕對值。該值越小，兩隊實力越接近。

Total_Star表示比賽兩隊總球星效應(yīng)帶來的市占比溢出，它由主客兩隊各自的球星效應(yīng)累加形成，即Total_Star = Home_Star + Guest_Star - 1。具體計算方式將在第三部分詳細(xì)敘述。

Trade為虛擬變量，表示中美貿(mào)易戰(zhàn)的影響。對于中美貿(mào)易戰(zhàn)前進(jìn)行轉(zhuǎn)播的比賽，我們?nèi)rade = 0，對于中美貿(mào)易戰(zhàn)后進(jìn)行轉(zhuǎn)播的比賽，我們?nèi)rade = 1。

在進(jìn)一步的驗證中，我們對中美貿(mào)易戰(zhàn)分別與總球星效應(yīng)（Total_Star）以及球隊排名差（ΔRank）建立交叉變量，得到式（4）

Market_Ratio = β0 + β1×ΔRank + β2×Total_Star + β3×Trade

+β4×Trade×ΔRank +β5×Trade×Total_Star + ε （4）

3 數(shù)據(jù)來源及處理

3.1 市占比（Market_Ratio）

我們的收視率來自于酷云EYEPro歷史收視數(shù)據(jù)平臺?？紤]到收拾群眾基數(shù)及樣本容量的廣泛性，我們選取的比賽樣本均為CCTV5直播過的NBA比賽。對于中間插播體壇快訊的比賽，酷云平臺會分別記錄比賽上半場與下半場的收視率與市占比，對于此類比賽，我們?nèi)∑渖舷掳雸龅钠骄底鳛檎麍霰荣惖氖找暵逝c市占比。

3.2 樣本的選取

我們的比賽樣本選自18-19賽季揭幕戰(zhàn)至今（截至2018年12月15日）CCTV5直播的全部52常規(guī)賽、17-18賽季最后兩個常規(guī)賽整月（2018年2-3月）CCTV5直播的全部45場比賽（不考慮全明星周末）及16-17賽季最后兩個常規(guī)賽整月（2017年2-3月）CCTV5直播的全部47場比賽（不考慮全明星周末）。如表1所示：

對于各賽季樣本選取的理由如下：

18-19賽季，由于已轉(zhuǎn)播比賽數(shù)量有限，且該賽季樣本也是貿(mào)易戰(zhàn)后樣本的主要來源，故我們?nèi)窟x取作為樣本，以排除由樣本過少帶來的結(jié)果偶然性。

17-18以及16-17賽季，同時考慮到收視率與市占比數(shù)據(jù)的可取性以及排除常規(guī)賽末段由于季后賽席位之爭帶來的收視情況波動，我們選取常規(guī)賽階段最后兩個整月中所轉(zhuǎn)播的全部常規(guī)賽作為樣本（通常常規(guī)賽4月中旬結(jié)束）。

3.3 球隊排名差（ΔRank）

由于每場比賽的動態(tài)球隊排名信息難以獲取，本文遵循時間就近原則，對各樣本的球隊排名設(shè)如下標(biāo)準(zhǔn)：

18-19賽季，對于位于樣本時間段前半?yún)^(qū)的比賽（2018.10.17-2018.11.17），我們將全部30支球隊按照上賽季常規(guī)賽最終戰(zhàn)績按勝率進(jìn)行綜合排名，對于勝率相同的球隊，本文按照NBA的排名規(guī)則進(jìn)行區(qū)分，確保不會出現(xiàn)兩支球隊排名的情況，這里的排名結(jié)果為初步排名結(jié)果。然后，我們對進(jìn)入季后賽的球隊根據(jù)季后賽實際淘汰結(jié)果進(jìn)行調(diào)整，對于在同一輪淘汰的球隊，其排名以初步排名結(jié)果為標(biāo)準(zhǔn)。經(jīng)過調(diào)整后，我們得到最終排名結(jié)果。

18-19賽季，對于位于樣本時間段后半?yún)^(qū)的比賽（2018.11.18-2018.12.15），我們選取2018年12月15日全部比賽結(jié)束后的排名為標(biāo)準(zhǔn)。

對于17-18賽季以及16-17賽季的樣本，我們將全部30支球隊按照對應(yīng)賽季常規(guī)賽最終戰(zhàn)績進(jìn)行排名。

以上三個時間段的樣本的排名細(xì)則與18-19賽季就樣本時間段前半?yún)^(qū)的細(xì)則相同。

根據(jù)上述闡述，我們對表1進(jìn)行完善，如表2所示：

球隊排名差則為比賽主客隊在比賽日期對應(yīng)排名差值的絕對值。

3.4 球星效應(yīng)累加（Total_Star）

本文對球星的定義依舊采取時間就近原則------與比賽時間最近的全明星賽投票結(jié)果為標(biāo)準(zhǔn)。

18-19賽季，球星定義為17-18賽季全明星正賽所有球員；17-18賽季，球星定義為17-18賽季全明星正賽所有球員；16-17賽季，球星定義為16-17賽季全明星正賽所有球員。

根據(jù)上述闡述，我們對表2進(jìn)行完善，如表3所示：

每個賽季每一名球星都具有其球星效應(yīng)因子，其計算方法如下：

我們將所需賽季全明星正賽的全部球員的最終得票（打分）進(jìn)行排名，球星的效應(yīng)權(quán)重為其排名的逆序，則該球星的球星效應(yīng)因子可按照如下方式計算：

球星效應(yīng)因子 = 所求球星權(quán)重 / 所屬賽季球星總權(quán)重 （6）

例如，2015-2016賽季全明星賽共24名球員入選，庫里得票排名第2僅次于即將退役的科比，故庫里的球星效應(yīng)因子可以按下式計算：

則每支球隊的球星效應(yīng)因子為所有球星效應(yīng)因子之和。每場比賽的球星效應(yīng)累加為1與主客兩隊球星效應(yīng)因子之和。即：

Total_Star = 1 + Home_Star + Guest_Star （7）

3.5 貿(mào)易戰(zhàn)效應(yīng)（Trade）

考慮到我們研究的是中美貿(mào)易戰(zhàn)對NBA在中國的收視情況的影響，我們對是否發(fā)生貿(mào)易戰(zhàn)的時間節(jié)點選取為2018年3月22日，特朗普政府“因知識產(chǎn)權(quán)侵權(quán)問題對中國商品征收500億美元關(guān)稅”發(fā)生的日期。因為這一事件的發(fā)生引起中國公民對中美貿(mào)易戰(zhàn)的普遍關(guān)注，這與收視情況要求的廣大的群眾基數(shù)相匹配。

我們對樣本中3月22日之后的比賽設(shè)虛擬變量Trade = 1；3月22日及之前的比賽設(shè)虛擬變量Trade = 0。

4 實證分析

本文首先對市占比作為被解釋變量對等式（1）進(jìn)行多元線性回歸分析，分析結(jié)果如表4所示。

總球星效應(yīng)的系數(shù)為4.98，是正向的，顯著性極強。說明對于選中樣本，兩隊球星越多，在國內(nèi)的收視市占比越高。

球隊排名差的系數(shù)為-0.27，是負(fù)向的，說明對于選中樣本，兩隊排名差越小，在國內(nèi)的收視市占比越高，但結(jié)果不顯著。

中美貿(mào)易戰(zhàn)的系數(shù)為-0.85，是負(fù)向的，顯著性極強。說明對于選中樣本，貿(mào)易戰(zhàn)會使其在國內(nèi)的收視市占率降低。這一結(jié)果與日本釣魚島事件與韓國薩德事件的結(jié)果相反。

因此，我們提出問題，是否存在一些除中美貿(mào)易戰(zhàn)之外的因素導(dǎo)致NBA在中國的收拾程度的下滑。這些因素不僅僅影響著NBA在中國的收視情況，同時也影響著NBA在包括美國自身在內(nèi)的其他國家市場的影響。

對此，我們進(jìn)行了進(jìn)一步的信息收集，得到了與我們猜想一致的結(jié)果。

資料顯示，對于新賽季，NBA在TNT、ESPN兩大美國知名體育直播平臺的收視率較去年同期有了很大的下滑，TNT同期下降26%，ESPN同期下降6%，主要原因有德馬庫斯·考辛斯（DeMarcus Cousins）加盟金州勇士導(dǎo)致聯(lián)盟“一超多強”以及裁判過多介入比賽等，這些因素會導(dǎo)致比賽觀賞性降低，從而降低NBA比賽在世界范圍內(nèi)整體的關(guān)注度。

因此，本文對已有數(shù)據(jù)進(jìn)行了修正。我們?nèi)∶绹鴥蓚€最大的NBA直播平臺TNT與ESPN在本賽季的收視率下降百分比均值16%，使本賽季樣本的收視市占比與收視率提高16%。我們對更新后的數(shù)據(jù)按公式（6）再次及進(jìn)行多元線性回歸分析，得到的結(jié)果如表5所示。

總球星效應(yīng)的系數(shù)為5.18，是正向的，顯著性極強。結(jié)果說明對于選擇樣本，兩隊球星越多，國內(nèi)收視市占比越高。

球隊排名差的系數(shù)為-0.28，是負(fù)向的，結(jié)果說明對選擇樣本，兩隊排名差越小，國內(nèi)收視市占比越高，但結(jié)果不顯著。

中美貿(mào)易戰(zhàn)的系數(shù)為-0.27，是負(fù)向的，但不具有顯著性。結(jié)果說明對于選擇樣本，中美貿(mào)易戰(zhàn)的發(fā)生不會使其在國內(nèi)的收視市占率降低。這一結(jié)果與日本釣魚島事件與韓國薩德事件的結(jié)果一致。

對修正前后的結(jié)果對比，我們發(fā)現(xiàn)，總球星效應(yīng)以及球隊排名差的結(jié)果變化不大，但貿(mào)易戰(zhàn)影響的結(jié)果大相徑庭。排除主要的非貿(mào)易戰(zhàn)影響因素后，本文最終認(rèn)為，中美貿(mào)易戰(zhàn)對NBA在中國的收視情況沒有影響。

我們通過建立中美貿(mào)易戰(zhàn)與總球星效應(yīng)以及中美貿(mào)易戰(zhàn)與球隊排名差的交叉變量，得到等式（4）并進(jìn)行進(jìn)一步分析，結(jié)論如表6所示。

我們發(fā)現(xiàn)，總球星效應(yīng)、球隊排名差以及中美貿(mào)易戰(zhàn)的結(jié)果沒有顯著變化。

對于新增交叉變量Trade×Total_Star，其系數(shù)為-0.5144，是負(fù)向的，與總球星效應(yīng)作為獨立變量時的結(jié)論相反，但其犯錯概率高達(dá)87.22%，因此我們認(rèn)為該交叉變量與因變量不相關(guān)。

對于新增交叉變量Trade×ΔRank，其系數(shù)為0.0153，是正向的，與球隊排名差作為獨立變量時的結(jié)論相反，但其犯錯概率高達(dá)73.62%，因此我們認(rèn)為該交叉變量與因變量不相關(guān)。

根據(jù)對中美貿(mào)易戰(zhàn)的發(fā)生與總球星效應(yīng)以及球隊排名差的交叉變量進(jìn)行分析后，我們進(jìn)一步證明了中美貿(mào)易戰(zhàn)對NBA在中國的收視沒有影響。

5 結(jié)論概括

我們選取收視市占比作為被解釋變量，研究NBA在中國的收拾市占比是否會因中美貿(mào)易戰(zhàn)而受到影響。我們選取球星效應(yīng)累加、比賽雙方排名差作為其他解釋變量，進(jìn)行多元線性回歸分析。

我們的研究表明，球星效應(yīng)累加確實會影響收視市占比，且二者呈正相關(guān)，但球隊排名差對收視市占比的影響并不顯著，這與我們的常識相悖，但也有可能是由于我們難以取得動態(tài)排名數(shù)據(jù)而引起的較大誤差。當(dāng)排除貿(mào)易戰(zhàn)以外其他對收視市占率產(chǎn)生重大影響的因素后，我們發(fā)現(xiàn)，中美貿(mào)易戰(zhàn)的摩擦并不會影響NBA在中國市場的收視情況。這與釣魚島爭端對日本動漫的影響以及韓國薩德事件對韓娛的影響結(jié)論一致。

我們的研究是完全創(chuàng)新型的，以精神消費作為研究對象具有前瞻性與學(xué)科交叉性，對文化市場的研究具有導(dǎo)向作用。同時，本研究也貼合國情，對“文化自信”的建設(shè)具有一定借鑒意義。

當(dāng)然，本文也具有一定的缺陷，研究方向缺少前車之鑒，故有關(guān)數(shù)據(jù)選取、模型構(gòu)建的準(zhǔn)確性有待商榷。另外，本文也只是針對中美貿(mào)易戰(zhàn)是否對NBA在中國的收視情況產(chǎn)生影響進(jìn)行了判斷性的分析，但由于知識水平受限并沒有對這一現(xiàn)象給予合理的解釋以及相關(guān)的建議。

（作者單位：中央財經(jīng)大學(xué)）