This dissertation consists of three essays. In the first essay, “Parameter Space Restrictions in State Space Models,” an appropriate usage of state space models is discussed. Following two essays, “A Bayesian DYMIMIC Model for Forecasting Movie Viewers” and “Recovering the Actual Impact of Word-of-Mouth and Biases in Suppliers’ Expectations Based on Extreme Behaviors and Information Symmetry,” deal with structural modeling frameworks for time series data in the motion picture industry. Each essay is covered in an independent chapter.
The state space model is widely used to handle time series data driven by related latent processes in many fields. In the first chapter, we suggest a framework to examine the relationship between state space models and autoregressive integrated moving average (ARIMA) models by examining the existence and positive-definiteness conditions implied by auto-covariance structures. This study covers broad types of state space models frequently used in previous studies. We also suggest a simple statistical test to check whether a certain state space model is appropriate for the specific data. For illustration, we apply the suggested procedure in the analysis of the United States real gross domestic product data.
In the second chapter, we explore the issue of how to enhance forecast of the box office sales, an all-time question for managers in the motion picture industry. The conceptual core of our approach is the expected sales. The expected sales of agents in the movie market (i.e. screen managers at supply side or potential moviegoers at demand side) play important role in predicting the actual sales. We pay attention to the uniqueness of the expected sales; it is latent and evolving over time. This leads to a quick sense that incorporating these components into the model is a natural choice and thus critical for proper forecast of the movie for future period. Based on this notion, we proposed a simple DYMIMIC model for forecasting the box office sales. The model based on a simplified intuitive story of movie consumption behaviors, spontaneous demand and socially driven demand, was calibrated and tested on the actual movie data in the United States and other countries. The model allows for evolution of the latent expectation in the simplest way, and it captures both the cross-sectional unobserved heterogeneity across countries and the effects of the sequential releases over countries. Compared to previous forecasting models, the suggested approach offers a simple yet informative platform of the model that one can add variables such as movie attributes and marketing activities.
In the last chapter, we suggest a framework to investigate and recover the actual impact of extreme online ratings and to understand biases in suppliers’ expectations about box office sales, based on the nature of extreme behaviors, willingness to rate and skepticism, and information symmetry in the motion picture industry. The suggested framework deals with the following three issues: first, the moderating effect of the decay pattern of the WOM effect, second, the adjustment for the actual impact of extreme ratings, and finally, differences between suppliers’ and moviegoers’ responses. We apply the suggested framework to the Korean movie data from 2006 to 2009 for an empirical example. The empirical result strongly supports our expectations, which is based on previous behavioral research.
이 학위 논문은 세 개의 논문으로 구성되어 있다. 첫 번째 논문인 “상태 공간 모형에서의 모수 공간 제약”에서는 상태 공간 모형의 적절한 사용법에 대해 논하고 있다. 이어지는 두 논문, “영화 관람 예측을 위한 베이지안 DYMIMIC 모형”과 “극단적 행위와 정보 대칭성을 기반으로 구전의 실제 영향과 공급자들의 기대 속 편의의 복구”에서는 영화 산업에서의 시계열 자료를 위한 구조적 모형화 체계들을 다루고 있다. 각각의 논문들은 독립적인 장으로 이루어져 있다.
상태 공간 모형은 많은 분야에서 관련된 잠재적 프로세스들에 의해 만들어지는 시계열 자료를 다루는 데에 널리 사용되고 있다. 첫 번째 장에서는 자기-공분산 구조들에 의해 설명되는 존재 및 비음 조건을 조사함으로써 상태 공간 모형과 ARIMA 모형 사이의 관계를 살펴보는 체계를 제안하였다. 여기에는 기존의 연구들에서 자주 사용된 상태 공간 모형들의 광범위한 유형들을 포함하고 있다. 또한, 특정 자료에 대해 어떤 상태 공간 모형이 적합한지를 검토하는 단순한 통계적 검정도 제안하였다. 마지막으로, 예시를 위해 제안된 절차를 미국의 GDP 자료에 적용하고, 그 결과에 대해 논하였다.
두 번째 장에서는 영화 산업에서의 경영자들에게 주어진 지속적인 문제인 어떻게 영화 매출 예측치를 향상시킬 것인가와 관련된 사안을 탐구하였다. 우리의 접근 방법의 개념적 핵심은 바로 기대 매출로, 이는 실제 매출을 예측하는 데 있어 중요한 역할을 하고 있다. 특히, 기대 매출의 잠재적이고 시간에 따라 발달한다는 독특한 두 가지 성질을 모형에 반영하는 것은 영화 매출 예측에 있어서 매우 자연스럽고 적합하다는 것을 보이고 있다. 우리는 이러한 개념에 기반하여 영화 매출을 예측하기 위한 단순한 DYMIMIC 모형을 제안하였다. 제안된 모형은 자발적 수요와 사회적으로 주도된 수요라는 영화 소비 행위들에 대한 단순하고 직관적인 논리에 기반하여 만들어졌으며, 앞에서 언급한 두 가지 성질 외에 국가 별 횡단면적인 비관측 이질성과 국가 별 순차적 개봉의 효과를 파악할 수 있다. 기존의 예측 모형들과 비교하였을 때, 제안된 모형은 누구든지 영화 특성들과 마케팅 활동들과 같은 변수들을 추가함으로써 활용할 수 있는 단순하지만 유용한 플랫폼을 제공한다. 마지막으로 예시를 위해 제안된 체계를 미국을 비롯한 여러 국가들의 실제 영화 자료에 적용하고, 그 결과에 대해 논하였다.
마지막 장에서는 영화 산업에서의 평가 의지와 회의감이라는 극단적 행위들의 본질과 정보 대칭성을 기반으로, 극단적인 온라인 평점들의 실제 영향을 복구해내고 영화 매출에 대한 공급자들의 기대 속 편의를 이해하는 체계를 제안하였다. 제안된 체계는 다음과 같은 세 가지 사안을 다루고 있다. 첫 번째는 구전효과의 감소하는 형태로 인한 조절 효과이고, 두 번째는 극단적 평가들의 실제 영향에 대한 조정이며, 세 번째는 공급자들과 영화 관람객들의 반응 사이의 차이이다. 실제 한국의 2006년부터 2009년까지의 영화 자료에 제안된 체계를 적용시킨 결과, 기존의 연구들을 기반으로 한 우리의 예상을 강력히 뒷받침하고 있다.
