短視頻發展因素的分析及前景預測*

王 夢，姜 喆，李妍玫，趙翠杰，張雨萍

（曲阜師范大學 統計學院，山東 濟寧 273100）

0 引言

新媒體時代下，短視頻興起，開創了新聞傳播的新途徑。移動短視頻作為新聞傳播的新方式，滿足了大眾碎片化的信息閱讀習慣和信息消費習慣，成為一種廣受大眾喜愛和追捧的新型媒介形式。它的生產流程簡單、制作門檻低、參與性強，比直播更具有傳播價值，使得短視頻的傳播度愈發廣泛。根據iiMedia Research（Ai Media Consulting）的數據，經過不到兩年的發展，短視頻已與其他行業有了很好的融合。預計在2020 年，中國短視頻在線用戶將突破5 億人，市場規模將超過250 億元。當前，短視頻的行業規模仍存在繼續上升的空間。由此可見，短視頻行業發展的迅猛且用戶龐大。短視頻為何會發展如此快速，哪些影響因素促進了人們對短視頻的依賴，是本文基于統計分析解決的問題。

截至目前，國內有關短視頻的研究主要包括以下4 個方面：（1）對短視頻用戶滿意度進行調查的研究（周建青等[1]）；（2）對短視頻運營特點的研究（高燕[2]）；（3）對短視頻發展現狀的研究（潘宇等[3]）；（4）對短視頻對用戶產生的影響進行研究。從整體上來看，目前已有的對短視頻的研究大多從用戶的心理出發，缺乏有力的統計分析方法，不能保證研究結果的準確性和合理性。本研究課題將通過嚴謹的統計方法和準確、全面的數據來源，精準刻畫預測短視頻的發展因素并預測其發展前景。

文章正文包括3 部分。第1 部分是變量選擇，調查中收集了29 個解釋變量，為了選擇相對重要變量的同時降低模型復雜度，利用forward.stagewi、Lar、Lasso、Stepwise 選擇合適的變量；第2 部分是所構建數學模型的理論方法與模型結果，依次為Logistic 模型、Probit 模型和多元線性回歸，然后利用不同的模型對數據進行分析，得出用戶對短視頻依賴性增強的主要因素；第3 部分是基于上述模型結果對相關因素進行分析，得出對短視頻app 開發者的發展建議。

1 變量選擇

1.1 數據變量說明

首先利用Python 軟件在各大短視頻app 上爬取數據并清洗，得到短視頻的主要分類、各大短視頻app的熱度走向以及觀看時描述使用感受的關鍵詞，初步確定29 個變量。

1.2 理 論

1.2.1 Forward Stage wise

Efron 提出的j 法[4]是一個迭代算法。選擇過程從開始，每次不斷向前走很小的一步來完成回歸。該方法的主要步驟為：

1.2.2 Lar

Lar 法是一種適用于高維數據的回歸算法，集合了逐步向前變量選擇法和逐段向前法的優點。Lar法[5]的具體步驟如下：

1.2.3 Lasso

Lasso 的基本思想是在回歸系數的絕對值之和小于一個常數的條件下，使殘差平方和達到最小，從而能夠產生某些嚴格等于0 的回歸系數，得到可以解釋的模型。利用AIC 準則和BIC 準則給統計模型的變量做一個截斷，進而達到降維的目的。

Lasso 算法[6]是在普通線性模型中增加L1懲罰項。對于普通線性模型Lasso 估計為：

1.2.4 Stepwise

Stepwise 法主要選擇哪些變量組合能夠解釋更多的因變量變異。選擇Stepwise 算法中的逐步回歸法選擇變量，主要實現步驟為：模型中只有一個單獨解釋因變量變異最大的自變量，之后嘗試加入另一自變量，觀察加入后整個模型所能解釋的因變量變異是否顯著增加，若顯著增加則保留，若顯著性較小則不予選擇。

本文通過運用Stepwise 算法，依次加入x27、x19、x13、x17，發現x13不顯著。因此，下一步剔除x13，再加入x29、x2，發現x29不顯著。因此，剔除x29，最終得到一個最優的變量組合，包含x27、x19、x17、x2共4 個變量。

1.3 變量選擇結果

使用上述4 種系數壓縮方法對所得的變量進行變量選擇，圖1 是4 種方法在R 中的實現。

圖1 變量選擇

可見，前3 種方法選擇的8 個變量完全一樣，且Stepwise 法在前5 步的變量選擇中與另外3 種方法的選擇一致，總體的8 個變量中僅僅兩個變量不同，因此選擇x27、x19、x13、x17、x4、x20、x16、x29這8 個變量。

2 模型構建

2.1 定序Logistic 模型

2.1.1 理論

首先假設所研究的變量y有j個離散取值水平，記為y=1，2，…，j。再假設本文所研究的連續變量f與影響因素x存在線性關系：

其中，n代表觀測數據組個數。進一步假設連續變量f的變化表示研究變量y的取值狀態，即存在α1，…，αn，使得：

因此，PJ(y≤j)滿足如下關系式：

有上述關系式，可求得y=j的概率為：

2.1.2 結果

利用上述模型對用戶觀看短視頻的時長進行分類，并分別評估每類效果，如表1 所示。

表1 參數估計及檢驗表

由表1 可以看出，x27、x19、x4這3 個變量的系數比較顯著。下面給出模型的判別效果，如表2所示。

表2 判別正確率表

定序Logistic 模型的總的判別正確率為80.5%，即（48+7+3）/72。

2.2 多分類有序Probit 模型

2.2.1 理 論

Probit 模型是一種廣義的線性模型。最簡單的Probit 模型是指被解釋變量Y是一個0、1 變量，事件發生的概率依賴于解釋變量Y，即P(Y=1)=f(X)。也就是說，Y=1 的概率是一個關于X的函數，其中f(·)服從標準正態分布，即建立模型如下：

2.2.2 結果

繼續利用有序Probit 模型對用戶觀看短視頻的時長進行分類，并分別評估每類效果，如表3 所示。

表3 參數估計及檢驗表

由表3 可以看出，x27、x19、x13這3 個變量的系數比較顯著。下面給出模型的判別效果，如表4所示。

表4 判別正確率表

表4 說明，總的判對概率為75%，即（49+2+3）/72。定序Logistic 模型和多分類有序模型進行比較，多分類有序模型的整體判別率75%相對于其他模型較低。但在第一類的判別中可以達到98%。而定序logistic 模型的判別結果比較穩定，雖然沒有一類判別效果達到90%，但是整體效果可以達到80.5%。

2.3 多元線性回歸

2.3.1 理 論

令多元線性回歸方程為：

其中a1、a2…an是回歸系數。要用觀測數據(y1，x11，…，xn1)，…，(yn，xn1，…，xnn)確定回歸系數的值，為此構造函數：

使得該偏差平方和取得最小，這就是最小二乘的核心思想。

2.3.2 結果

根據上述多元回歸理論選取用戶觀看短視頻時長為響應變量，由第一部分選擇的8 個變量為解釋變量，使用R 軟件得出主要的參數估計，模型檢驗結果，整理如表5 所示。

表5 參數估計及檢驗表

可見，常數項、4 個自變量顯著。在有序變量的預測中，線性回歸的結果是連續變量。為了能夠對因變量進行分類，采用歐式距離絕對值最小原則對預測值進行分類，如表6 所示。其中，P1|1表示在第1 類為真的條件下，模型結果為第1 類的概率；P2|2表示在第2 類為真的條件下，模型結果為第2類的概率；P3|3表示在第3 類為真的條件下，模型結果為第3 類的概率。

表6 判別正確率表

在分類結果中，可以看出在第1 類、第3 類中的判對比例較高，達到84%、87%，第5 類只有14%。雖然在第5 類的判別中正確率只有14%，但是第5 類的數據本身就小，不會影響總的判別效果，而事實上總體判別分類正確率可以達到78%，即（42+1+1）/72。

3 發展建議

由此，通過多種變量選擇方法及不同統計模型的擬合，得到以下結論：

（1）用戶比較看重短視頻的濾鏡特效豐富度，實際上短視頻的濾鏡特效越豐富，用戶的選擇性越強，使用率越高。開發者可以在短視頻app 濾鏡特效的豐富度上追加投資，滿足用戶更多的需求。

（2）用戶比較喜歡街頭采訪類短視頻，主觀原因為街頭采訪類短視頻接地氣，更能表現出人們的日常生活。開發者可以利用這個特點增加街頭采訪類短視頻的熱度，在推薦視頻列表中增加對該類視頻的推薦，可能會因此增加用戶的使用時長。

（3）用戶比較喜歡網紅IP 類短視頻，因為網紅IP 類短視頻一定程度上體現了社會潮流發展的方向，傳播較廣。觀看網紅IP 類短視頻可以及時獲取互聯網資訊，追趕上“潮流”，與身邊的人創建共同話題。開發者可以利用這一觀看特點，增加網紅IP 類短視頻的推薦數目，同時嚴格控制網紅IP 類短視頻的質量，保證其宣傳正能量。