学位论文 > 优秀研究生学位论文题录展示
《中国好声音》栏目受众行为影响因素分析
作 者: 吕寒
导 师: 王朋
学 校: 广州大学
专 业: 技术经济及管理
关键词: 电视选秀节目 TRA模型 Logistic回归 结构方程
分类号: G222
类 型: 硕士论文
年 份: 2013年
下 载: 175次
引 用: 0次
阅 读: 论文下载
内容摘要
近年来电视选秀节目风靡我国,虽然其在产业化和市场化道路上迈出了可喜的一步,但是和国外同类节目相比还存在着忠诚度不高、寿命周期短,负面新闻较多等问题,造成节目长期收视率不高。从我国电视选秀节目的历史来看,电视真人选秀节目作为一种媒介商品,其行业呈现波浪式发展。在我国电视选秀节目快速发展的七年中,就出现两次高潮期和一次低谷期。选秀节目从开发、播出、成长到消退周期较短,所以其持续盈利能力存在一定的风险,若想保持节目长久的生命力和较高的收视率就必须探寻受众观看行为受哪些因素影响,只有趋利避害、不断创新才能保持持续健康发展。本研究以《中国好声音》栏目为例,利用消费者行为学中相关模型对电视选秀节目受众收看行为影响因素进行定量分析,基于千份问卷调查数据,通过Apriori算法对数据进行关联分析,建立二元Logistic回归模型探寻受众收看栏目忠诚度的影响因素,结合TRA模型建立并验证了一个能够揭示不同年龄层观众收看电视选秀节目行为影响因素的结构方程模型。通过以上实证研究结果发现:受众收看选秀节目的忠诚度主要受到年龄、教育程度、收入水平、节目模式和流行性影响;而受众观看行为不仅受到意愿的直接影响,还主要受到描述性规范、感知娱乐性和行为控制等因素的间接影响;从多群组分析结果来看命令性规范对观看行为的影响,随着年龄的增加而增长,而意愿、行为控制对观看行为的影响随着年龄的增长而逐渐减弱。电视台和制作方可以参考以上结论对节目进行改进,以提高选秀节目的收视率和影响力。
|
全文目录
摘要 4-5 ABSTRACT 5-10 第一章 绪论 10-24 1.1 研究背景与意义 10-11 1.2 电视选秀节目发展回顾 11-19 1.2.1 国外电视选秀节目发展历程回顾 11-12 1.2.2 国内选秀节目发展历程回顾 12-14 1.2.3 电视选秀节目模式分析 14-16 1.2.4 常规电视选秀节目程序化元素分析 16-17 1.2.5 《中国好声音》特有元素分析 17-19 1.3 研究内容 19-20 1.4 研究方法 20 1.5 技术路线 20-22 1.6 创新点 22-24 第二章 文献回顾 24-38 2.1 电视选秀节目文献回顾 24-30 2.1.1 国外研究回顾 24-26 2.1.2 国内研究回顾 26-28 2.1.3 《中国好声音》栏目研究回顾 28-30 2.2 理性行为理论(TRA)及相关概念 30-32 2.3 理性行为理论扩展 32-37 2.3.1 TRA 模型细化研究 32-33 2.3.2 TRA 模型普适性研究 33 2.2.3 TRA 模型维度扩展研究 33-36 2.3.4 理性行为及其扩展模型应用研究 36-37 2.4 本章小结 37-38 第三章 研究设计与调研方法 38-47 3.1 理论基础及假设 38 3.2 影响因素及初始概念模型 38-39 3.3 电视选秀节目观看行为影响因素的测量 39-46 3.3.1 行为的测量 40 3.3.2 意愿的测量 40-41 3.3.3 认知态度与情感态度的测量 41-42 3.3.4 命令性与描述性规范的测量 42-44 3.3.5 感知娱乐性的测量 44-45 3.3.6 行为控制的测量 45-46 3.4 本章小结 46-47 第四章 小样本调查 47-55 4.1 前测分析概述 47 4.2 因子分析 47-48 4.2.1 因子分析概述 47-48 4.2.2 因子分析法的基本模型 48 4.3 前测分析 48-54 4.3.1 小样本信度分析 48-50 4.3.2 小样本效度分析 50-51 4.3.3 小样本因子分析 51-54 4.4 本章小结 54-55 第五章 大样本描述性统计分析 55-74 5.1 大样本分布 55-57 5.1.1 年龄分布 55-56 5.1.2 性别分布 56 5.1.3 婚姻状况分布 56 5.1.4 受教育程度分布 56-57 5.1.5 职业分布 57 5.1.6 收入水平分布 57 5.2 差异性检验 57-70 5.2.1 年龄的差异分析 57-60 5.2.2 性别的差异分析 60-61 5.2.3 婚姻状况的差异分析 61-64 5.2.4 受教育程度差异分析 64-67 5.2.5 收入差异分析 67-70 5.3 大样本调查信度效度分析 70-73 5.3.1 正式调查信度分析 70-72 5.3.2 正式调查结构效度分析 72 5.3.3 正式调查因子分析 72-73 5.4 本章小结 73-74 第六章 数据挖掘分析 74-81 6.1 数据挖掘技术简介 74-75 6.2 关联分析简介 75-77 6.3 APRIORI 算法简介 77-78 6.3.1 产生频繁项集 77-78 6.3.2 产生强关联规则 78 6.4 基于 APRIORI 算法的关联分析 78-80 6.4.1 是否观看关联分析 78-79 6.4.2 观看期数的关联分析 79 6.4.3 了解渠道关联分析 79-80 6.5 本章结论 80-81 第七章 L OGISTIC 回归分析 81-89 7.1 LOGISTIC 回归简介 81-82 7.1.1 Logistic 回归模型原理 81-82 7.1.2 Logistic 回归模型的基本假设 82 7.2 基于 LOGISTIC回归的《中国好声音》收看行为模型 82-87 7.2.1 基于控制变量的二元 Logistic 回归分析 83 7.2.2 基于观看意愿的二元 Logistic 回归分析 83-84 7.2.3 基于认知态度的二元 Logistic 回归分析 84 7.2.4 基于情感态度的二元 Logistic 回归分析 84-85 7.2.5 基于描述性规范的二元 Logistic 回归分析 85 7.2.6 基于命令性规范的二元 Logistic 回归分析 85-86 7.2.7 基于感知娱乐性的二元 Logistic 回归分析 86 7.2.8 基于行为控制的二元 Logistic 回归分析 86-87 7.2.9 二元 L o gi st ic 逐步回归分析 87 7.3 本章结论 87-89 第八章 结构方程模型 89-108 8.1 结构方程模型简介 89-92 8.1.1 结构方程模型 89-90 8.1.2 结构方程模型相关指标 90-92 8.2 结构方程模型分析流程 92-94 8.2.1 模型定义 93 8.2.2 模型识别 93 8.2.3 参数估计 93 8.2.4 模型评价 93-94 8.2.5 模型修正 94 8.3 结构方程模型估计 94-97 8.4 模型修正 97-99 8.5 模型解释 99-102 8.5.1 观看行为 99 8.5.2 观看意愿 99-100 8.5.3 认知态度 100 8.5.4 情感态度 100 8.5.5 描述性规范 100 8.5.6 命令性规范 100-101 8.5.7 感知娱乐性 101 8.5.8 行为控制 101-102 8.6 多群组分析 102-105 8.6.1 多群组分析简介 102 8.6.2 多群组模型 102-104 8.6.3 多群组结果分析 104 8.6.4 事后访谈和结果分析 104-105 8.7 本章结论 105-108 8.7.1 影响因素分析结论 105-106 8.7.2 多群组分析结论 106-108 结论与展望 108-110 致谢 110-111 参考文献 111-119 攻读硕士学位期间取得的研究成果 119-120 附录 (调查问卷) 120-123
|
相似论文
- 基于SEM的我国农村义务教育质量评价研究,G522.3
- 创新资源环境与技术创新能力及创新绩效的作用关系研究,F273.1
- 基于LISREL的黑龙江省研究生教育满意度评价研究,G643
- 垂直协作与奶农质量控制行为研究,F322
- 大学生抑郁情绪的预测模型研究,B842.6
- 高职院校人力资源管理激励机制的研究,G717.2
- 基于SEM的大学生运动鞋消费及抱怨行为研究,F426.86;F224
- 结直肠手术手术部位感染相关因素Logistic回归分析,R656.7
- 昆明中学教师慢性咽炎危险因素定量评价研究,R766.14
- 股权结构、R & D投入对企业价值影响研究-基于高新技术上市公司分析,F271
- Logistic回归多重共线性的诊断与改进及其在医学中的应用,R195
- 电影放映中顾客体验对顾客忠诚影响的实证研究,J943
- 内蒙古呼伦贝尔草原火灾风险预警研究,S812.6
- 常州市婴幼儿母乳喂养现况及其危险因素分析,R174
- 青少年危险行为特点研究及其保护/危险因素模型探索,D669.5
- 肝衰竭预后的临床研究,R575.3
- 电视选秀节目品牌建设中的受众研究,G222
- 基于logistic回归模型的苏州上市企业信用风险研究,F224;F832.4
- 中小企业智力资本与企业成长相关性研究,F224
- 复杂性制造供应链管理机制建模与应用研究,F224
- 贫困生数据的累积logistic回归分类,O212.1
中图分类: > 文化、科学、教育、体育 > 信息与知识传播 > 广播、电视事业 > 编辑、写作和播送业务
© 2012 www.xueweilunwen.com
|