網絡直播發展因素研究及前景預測

許明月　張亞倫　劉聰　吳棣　邵星銘

【摘 要】網絡直播行業發展迅速，文章利用統計分析方法探尋網絡直播火爆的原因并進行前景預測。首先對性別、年齡、學歷等影響用戶觀看網絡直播的因素進行相合性檢驗，進而利用逐步回歸法及LASSO方法改進對網絡直播行業的影響因素進行變量選擇，并建立回歸模型。然后基于Markov鏈預測直播行業的未來發展趨勢，認為“直播最終的市場占有率在63.02%時達到平衡狀態”。

【關鍵詞】網絡直播;發展因素;前景預測;LASSO

【中圖分類號】G206 【文獻標識碼】A 【文章編號】1674-0688（2019）04-0188-03

0 引言

隨著信息傳播媒介的普及，人們的交往和思維方式發生了巨大的變化，這使得網絡直播行業在近年來呈現井噴式發展。全民網絡直播越來越趨于普泛化、平民化和自主化[1]。《中國媒體融合發展報告》中指出，觀看網絡直播的用戶已多達3億人。網絡直播行業因何如此火爆？其發展的現狀、影響其發展的因素及存在的問題、直播行業的發展前景將在本文中展開討論。

目前，國內外直播行業發展迅速，吸引了眾多學者進行研究，但大多是從心理學、社會經濟學等方面對于這一新興事物進行定性的研究。方宇榮在《網絡直播平臺的現狀和發展研究》[2]中提到，巨大的市場吸引了騰訊、樂視等投資商，這是直播行業發展迅速的一個重要原因。鄭建橋在《網絡直播背后的心理動力探析》[3]中提到，網絡直播中主播與觀眾的互動形式提升了觀眾的心理卷入度，文章中還指出觀眾的卷入度越高，傳播效果就越好。但目前的文獻庫中鮮有以定量的方式研究網絡直播火爆因素的論文。

1 網絡直播發展因素分析

1.1 調查問卷的信度及效度分析

基于國內外研究結果及實地訪談，我們設計并發放調查問卷，探究網絡直播發展的影響因素。此次調查共回收問卷327份，有效問卷為290份。對問卷進行信度及效度檢驗，信度克龍巴赫系數為0.7110.7，效度KMO系數為0.713，滿足問卷的信度、效度分析。

1.2 相合性假設檢驗

通過調查發現，日均觀看網絡直播的時間在一定程度上反映了直播火爆的程度，故將日均觀看網絡直播的時間作為因變量，提取性別等需求作為自變量，并研究其與因變量的相關關系。

H0：觀眾對于直播幫助自己獲得歸屬的態度與每日平均觀看直播時長無關。

H1：觀眾對于直播幫助自己獲得歸屬的態度與每日平均觀看直播時長相關。

由表1數據得知，皮爾遜卡方統計量及似然比統計量的P值<0.05，所以拒絕原假設H0，認為觀眾獲得歸屬的態度與每日平均觀看直播時長相關。再進行相合檢驗，計算得到相合系數Somers'd系數，肯德爾系數和伽馬系數均為負數，因此可以在很大程度上認為越能在直播中獲得歸屬感的觀眾，觀看時間越長。

類似的方法可得到以下結論：觀眾的學歷越低、觀眾年齡越大日均觀看網絡直播的時間越長，觀看網絡直播能夠幫助觀眾釋放壓力，觀看網絡直播能夠滿足觀眾的好奇心，觀看網絡直播能夠消磨時間，觀看網絡直播能夠幫助提升某方面的水平，觀看網絡直播能幫助了解潮流輿論方面的信息。

1.3 多元回歸分析及改進

接下來進一步建立線性回歸模型定量分析網絡直播火爆的原因。由于各影響因素量綱不同，文中數據進行了標準化處理。分析結果見表2。

由回歸分析結果表我們得到以下回歸方程：

y=-0.231x1-0.153x2

通過對方程的分析可知：熱衷于跟隨潮流、了解輿論的觀眾日均觀看網絡直播的時間越長;學歷較低的觀眾觀看網絡直播的時間往往較長。但此模型R2比較小，整體擬合效果不好，且引入變量較少，因此我們嘗試使用其他方法進行變量選擇。

變量選擇方法，一般分為最優子集變量選擇和基于系數壓縮的方法，而向前、向后回歸和逐步回歸法是最優子集選擇方法的代表。Breiman指出，此方法穩定性較差，即運用不同的準則會得出不同的最優子集，且此結果與現有相關研究結果中提取出的多個影響因素尚有差異，未能凸顯其他影響因素的作用。因此，本文將選擇基于系數壓縮的方法對變量選擇方法予以改進。特別的，本文使用Tibshirani提出的LASSO（Least Absolute Shrinkage and Selection Operator）方法[4-5]。

LASSO利用拉格朗日乘子法思想，在回歸系數的絕對值小于一個常數的約束條件下，使殘差平方和與一個懲罰項之和最小，從而能夠產生某些嚴格等于的回歸系數，得到解釋力較強的模型。對于LASSO系數壓縮方法的估計，已有越來越多優秀的運算方法，本文在實證中采用了Efron、Hastie與Tibshirani提出的LARS算法[6]。

由結果可知，R2（LASSO）>R2（逐步回歸），AIC（LASSO）

y=-0.101x1-0.038x2-0.053x3-0.073x4-0.035x5-0.052x6+0.009x7

由方程可知，除了“觀看網絡直播能夠獲得歸屬感”這一因素不顯著之外，其余結論與相合性檢驗所得結論近乎相同。

2 基于Markov鏈預測網絡直播市場發展

市場占有率常用的預測方法有指數平滑法、移動平均法等。但這些方法都需要掌握一定時期內，預測目標過去及現在的數據資料。而Markov鏈具有“無后效性”的特點，即只需知道預測目標當前的狀態即可預測目標未來的狀態，因此我們選擇Markov鏈進行市場份額的預測[7-9]。

在此問題假設市場的發展變化只與當前條件有關，且沒有新的競爭者加入，也沒有舊的競爭者退出。

由調查問卷中的問題“是否觀看網絡直播”及“未來對于網絡直播的態度”得到轉移矩陣表（見表4）。

由調查問卷中設置的“是否觀看網絡直播”這一問題，對所得數據進行整合，得到目前觀看網絡直播的市場占有率為50.39%，用向量u=（0.503 9，0.496 1）表示當前是否觀看網絡直播的市場占有率。首先進行短期預測分析網絡直播未來市場占有率，構建轉移概率矩陣P=0.240 3 0.255 80.445 7 0.058 2，對第k期進行預測結果為uP k-1。接著進行長期穩定預測，計算平衡狀態預測值，當n→∞時，有P n成為平衡概率矩陣，由uP k=（z1，z2），得μP n-1×P=（z1，z2），當n足夠大時，有μP n-1=（z1，z2），即

解此線性方程組，可得z1=0.369 8、z2=0.630 2。由此我們得出，網絡直播市場最終占有率在63.02%時達到平衡狀態，而目前網絡直播市場的占有率已達半數，而這六成的市場占有率意味著網絡直播行業在今后還將進一步發展。

3 結論和建議

通過相合性分析、LASSO方法進行變量選擇及Markov鏈預測的結果，我們得出以下結論。

對于網絡直播的面向人群而言，學歷低、年齡較大的觀眾日均觀看時間較長;對于網絡直播帶來的效果而言，觀眾更多的是為了釋放壓力、滿足自己好奇心、跟進潮流輿論和消磨時間等娛樂化需求。

如今，網絡直播已經成為許多人賴以生存的職業，也是用戶獲取信息、滿足需求、互動娛樂、社交的重要途徑，所以其發展是可預見的。我們運用Markov鏈預測得出在未來的一段時間內觀看網絡直播的比例會有小幅上漲，但是這是建立在各方面因素保持現狀的基礎之上的預測。近年來，國家加強了對娛樂產業的監管，新型的娛樂方式（如抖音、快手短視頻等）層出不窮，我們很難保證網絡直播會像預測的那樣持續火爆，所以各大網絡直播平臺應做到居安思危，在滿足現有用戶心理需求的基礎之上不斷擴展新的發展方向。

參 考 文 獻

[1]馮茹.自媒體時代下大學生網絡道德養成教育研究[D].南寧：廣西師范學院，2017.

[2]方宇榮.網絡直播平臺的現狀和發展研究[D].北京：北京印刷學院，2017.

[3]鄭建橋.網絡直播背后的心理動力探析[J].商，2016（24）：192.

[4]Tibshirani，R.Regression shrinkage and selection via the lasso[J].Roy.Statist.Soc.Ser.B，1996，58：267-288.

[5]劉睿智，孫煒翀.基于LASSO方法的中小板上市公司現金持有影響因素分析[J].求索，2013（8）：27-29，267.

[6]唐建榮，鄧林.基于LARS-Lasso方法的碳足跡影響因素分析[J].軟科學，2014，28（9）：124-128.

[7]張波，商豪.應用隨機過程[M].北京：中國人民大學出版社，2016：71-110.

[8]王亞芬.市場占有率預測的好方法——馬爾可夫預測法的實證分析[J].技術經濟與管理研究，2002（5）：33-34.

[9]孫家和.運用“馬爾可夫連鎖”預測市場占有率[J].經濟管理，1981（8）：64-68.

[責任編輯：高海明]