MEMÒRIA DEL TREBALL DE FI DE GRAU DEL GRAU EN NEGOCIS I MÀRQUETING INTERNACIONALS (ESCI) ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE AUTOR/A: LAIA CAMPÀ RIERA NIA: 02645 CURS ACADÈMIC: 2015-2016 DATA: 24/05/2016 DIRECTOR: JOSEP MARIA RAYA
MEMÒRIA DEL TREBALL DE FI DE GRAU DEL GRAU EN
NEGOCIS I MÀRQUETING INTERNACIONALS (ESCI)
ESTUDIO ECONOMÉTRICO
DEL MERCADO DEL CINE
AUTOR/A: LAIA CAMPÀ RIERA
NIA: 02645
CURS ACADÈMIC: 2015-2016
DATA: 24/05/2016
DIRECTOR: JOSEP MARIA RAYA
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
2
ÍNDICE
1. INTRODUCCIÓN ..................................................................................................................... 4
2. ANTECEDENTES ..................................................................................................................... 5
3. OBJETIVOS ............................................................................................................................. 7
4. ANÁLISIS DEL TEMA ............................................................................................................... 8
4.1. Análisis individual mediante regresión lineal múltiple ............................................... 8
4.1.1. Metodología de recopilación de datos ................................................................ 8
4.1.1.1. Variable dependiente ........................................................................................ 8
4.1.1.2. Variables independientes .................................................................................. 8
4.1.2. Análisis descriptivo individual ............................................................................ 10
4.1.3. Regresión lineal múltiple .................................................................................... 10
4.1.3.1. Regresión lineal múltiple con outliers y valores influyentes ............................ 11
4.1.3.2. Regresión lineal múltiple sin outliers ni valores influyentes ............................ 12
4.1.4. Conclusiones del modelo de regresión lineal múltiple ..................................... 14
4.2. Análisis agregado mensual ......................................................................................... 15
4.2.1. Metodología de recopilación de datos mensuales ............................................ 15
4.2.2. Análisis descriptivo de la serie mensual ............................................................ 15
4.2.3. Descomposición de la serie temporal recaudación mensual ............................ 15
4.2.4. ARIMA ................................................................................................................. 17
4.2.4.1. Predicción mediante ARIMA ............................................................................ 17
4.2.4.2. Efecto del IVA cultural y la “fiesta del cine” .................................................... 18
4.3. Análisis agregado diario ............................................................................................. 18
4.3.1. Metodología de recopilación de datos diarios .................................................. 18
4.3.2. Análisis descriptivo de la serie mensual diaria .................................................. 19
4.3.3. Descomposición de la serie temporal recaudación diaria ................................ 19
5. CONCLUSIONES ................................................................................................................... 20
6. BIBLIOGRAFÍA ...................................................................................................................... 22
7. ANEXOS ............................................................................................................................... 23
7.1. Anexo 1 ....................................................................................................................... 23
7.1.1. Evolución de los espectadores 2002-2014 ........................................................... 23
7.1.2. Nacionalidad de las películas con mayor recaudación en España ...................... 23
7.2. Anexo 2 ....................................................................................................................... 23
7.2.1. Clasificación de las variables explicativas de la recaudación .............................. 23
7.2.2. Clasificación de las variables según fuente de obtención ................................... 24
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
3
7.3. Anexo 3 ....................................................................................................................... 24
7.3.1. Análisis descriptivo de la variable dependiente recaudación (€) ........................ 24
7.3.2. Análisis descriptivo de las variables independientes cuantitativas ..................... 24
7.3.3. Histograma de la variable independiente presupuesto ...................................... 25
7.3.4. Análisis descriptivo de las variables independientes cualitativas ....................... 25
7.4. Anexo 4 ....................................................................................................................... 26
7.4.1. Resultados del modelo con outliers y valores influyentes ................................... 26
7.4.2. Gráfico de dispersión entre el presupuesto y la recaudación .............................. 26
7.4.3. Supuestos del modelo de regresión ..................................................................... 27
7.4.4 Resultados del modelo sin outliers ni valores influyentes ................................... 29
7.5. Anexo 5 ....................................................................................................................... 29
7.5.1. Evolución de la recaudación de películas extranjeras y españolas ..................... 29
7.5.2. Media de la recaudación mensual 2002-2014 .................................................... 30
7.6. Anexo 6 ....................................................................................................................... 30
7.6.1. Familias de modelos ARIMA ................................................................................ 30
7.6.2. Validación del modelo ARIMA ............................................................................. 30
7.6.3. Predicciones 2015 ................................................................................................ 32
7.6.4. Modelo ARIMA con el efecto del IVA cultural...................................................... 32
7.6.5. Modelo ARIMA con el efecto de la fiesta del cine ............................................... 33
7.7. Anexo 7 ....................................................................................................................... 33
7.7.1. Media de recaudación intrasemanal ................................................................... 33
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
4
1. INTRODUCCIÓN
El cine es un bien cultural con una demanda en la que intervienen múltiples factores y cuyo
impacto financiero es difícil de contabilizar. Por este motivo, es necesario conocer el mercado
y al espectador, ya que obtener una mayor recaudación depende exclusivamente de las pautas
de comportamiento de los consumidores y de sus preferencias cinematográficas.
La industria cinematográfica es uno de los sectores que más se vio afectado por la subida de
los precios y la crisis, pasando de 692 millones de euros en 2004 a 518 en 2014, es decir, la
recaudación se redujo un 25% en 10 años. Como consecuencia, las salas de cine han recibido
menos público. Pese a un ligero repunte en 2014, no se ha conseguido llegar a los niveles de
espectadores obtenidos en los primeros años de la serie (Anexo 1.1). El total de largometrajes
distribuidos y las salas con actividad también han sufrido declive constante desde 2004.
No obstante, la industria cinematográfica española dispone de una cinematografía que, pese al
declive de los últimos años, se ha mantenido pionera en el marco internacional por su
recaudación. Desde hace unos quince años se considera que España tiene una de las
cinematografías más sólidas de Europa, consiguiendo ser el país de la Unión Europea que en
2014 adquirió mayor cuota de mercado, seguido por Francia y Reino Unido (25,43% de un total
de 39,44% de la UE)1. Las nacionalidades de los largometrajes exhibidos en 2014 en España con
mayor recaudación, número de espectadores y películas exhibidas son, por orden
descendente, Estados Unidos, España, Reino Unido y Francia. Estas cuatro nacionalidades
componen la mayor parte del porcentaje del total de la recaudación, concretamente un 92%
(Anexo 1.2).
El proyecto que se plantea a continuación trata de hacer un estudio econométrico de este
mercado desde un punto de vista individual, analizando los factores que tienen un mayor
impacto sobre la recaudación de una película, y desde un punto de vista agregado, tratando de
captar la importancia del factor estacional.
Para llevar a cabo el estudio, se analizará, en primer lugar, la literatura previa, es decir, los
antecedentes sobre los determinantes de la recaudación en la industria cinematográfica. A
continuación, se definirá la metodología de recopilación de datos y la estadística descriptiva de
las variables utilizadas en los modelos econométricos y de series temporales. Finalmente, se
estudiarán dichos modelos con el objetivo de extraer conclusiones sobre la industria
cinematográfica.
1 Fuente: Ministerio de Cultura. Instituto de Cinematografía y de las Artes Audiovisuales (ICAA). Boletín informativo
2014. Cuota de mercado de los largometrajes de la Unión Europea, Estados Unidos y otros países.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
5
2. ANTECEDENTES
En primer lugar, se analizarán los antecedentes que hacen referencia al modelo econométrico
el cual explora los factores que influencian en la recaudación de las películas a través de
variables cuantitativas. Hay algunas variables que pueden ser determinantes del éxito de un
filme y es importante conocer cuáles y en qué medida son importantes ya que, con una
demanda tan impredecible, financiar una película puede suponer un riesgo elevado. Además,
los resultados de los estudios determinan que hay un claro sesgo por parte del consumidor
hacia películas con determinadas características (Eliashberg, 2005). Sin embargo, encontramos
algunas diferencias entre los estudios que se han realizado a lo largo del tiempo.
Litman (1983) utilizó el primer modelo de regresión múltiple para predecir el éxito financiero
de una película y ha sido el modelo de referencia de posteriores estudios sobre esta industria.
El autor añadió como variable dependiente la recaudación y, una vez estimado su modelo de
regresión, concluyó que algunas de las variables explicativas significativas para explicar la
recaudación son el género de la película (ciencia ficción y horror, concretamente), los costes
de producción (presupuesto), las críticas, las nominaciones, los premios y si se lanza en época
navideña.
Por otro lado, Sawhney y Eliashberg (1996) utilizaron un modelo de duración que se centra en
las diferentes etapas del ciclo de vida de la película y en determinar cuánto tiempo debería
estar exhibiéndose una vez analizados los primeros datos de recaudación.
De Vany and Walls (1999) señalan que no hay fórmulas para predecir el éxito de una película
en Hollywood y que, por muchas estrategias que sigan los productores, una vez se lanza al
mercado es la audiencia quien determina su destino. Estos dos autores, con una muestra de
2.000 películas, concluyeron que la recaudación está dominada por unos pocos taquillazos
(blockbuster films). Además, indicaron que se trata de una variable con mucha dispersión y
casuísticas difíciles de predecir. En general, la recaudación se distribuye de tal manera que la
pendiente es mayor para las primeras semanas de recaudación.
El estudio realizado por Terry, Butler y De’Armond (2004), con una base de datos de 500
películas, determinó que la crítica de una película tiene una importancia significativa y positiva
para determinar la recaudación cinematográfica.
Sharda (2006) diferenció su modelo convirtiendo la variable dependiente recaudación en una
variable discreta de nueve niveles, es decir, en un número limitado de intervalos. Este modelo
trata de conseguir categorizar una película en una de las nueve categorías, clasificadas desde
“fracaso” hasta “taquillazo”. Siendo la variable dependiente meramente ordinal, se estima
utilizando un modelo de redes neuronales. Este tipo de modelos presentan buenas
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
6
capacidades predictivas pero sus resultados son complicados de interpretar. La muestra se
compone de 834 películas estrenadas en Estados Unidos entre 1998 y 2002.
Según Weissmann (2008), el comportamiento del espectador del cine argentino en cuanto a la
audiencia de sus películas se puede explicar mediante las variables nacionalidad, fecha,
género, calificación, crítica y nominaciones a los premios Oscar y Cóndor de Plata. Esta autora
usó una base de datos de 137 películas (tanto domésticas como extranjeras) estrenadas
durante los años 2005-2007.
Deniz y Hasbrouck (2012) se centraron en una muestra de 150 películas estrenadas en Estados
Unidos durante 2010 y, a través de una regresión lineal, determinaron que las variables
significativas para explicar la recaudación de una película que tienen un efecto positivo sobre
ella son: saga, película de animación/aventura, estrella en el reparto, y presupuesto. El modelo
también indica que, en términos de presupuesto-recaudación, las películas de terror son el
género con más éxito.
El reciente estudio realizado por Pangarker y Smit (2013) también usa un modelo de regresión
múltiple para explicar la recaudación de un total de 289 películas estrenadas en Estados
Unidos durante el periodo 2009-2010. Lo que diferencia este modelo es que utiliza la
recaudación total mundial como variable dependiente. En los resultados, obtuvo una
correlación positiva entre una saga y su recaudación, ya sea porque el consumidor está
familiarizado con la película o porque las sagas se producen cuando las primeras partes han
sido un éxito. Este autor, concluye que las variables significativas del modelo son el
presupuesto, la distribuidora, los premios y si se trata de una saga.
El cine es un producto fuertemente estacional. Por ello, las distribuidoras fechan los estrenos
en las épocas de mayor afluencia, debido al efecto de la estacionalidad de la demanda y a la
rigidez de los precios. En cuanto a los meses de mayor afluencia, Litman (1983) indicó que el
momento de mayor importancia para lanzar una película es la época navideña y que tanto
verano como Semana Santa no tienen un impacto significativo en la recaudación. Sin embargo,
Sochay (1994) determinó que verano es el mejor periodo para estrenar una película. Einav
(2007), en su estudio sobre la estacionalidad de la demanda, concluyó que verano y navidad
son los periodos con mayor demanda. Para ello, utilizó una base de datos de todas las películas
estrenadas en Estados Unidos entre 1985 y 1999.
Vila, Guzmán y Quintana (2011) determinaron que en la industria del cine no existen variables
predictivas del éxito de la taquilla de una película que sean universalmente válidas. Afirman
que pueden influir variables como la calidad, el reparto, la inversión en publicidad, etc., pero
para las distribuidoras no es fácil predecir con certeza cuál será la taquilla. Por ello, tienden a
tomar en consideración la estacionalidad de la demanda. En su estudio, analizaron las posibles
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
7
variaciones de los espectadores con los datos del periodo 2002-2008 publicados por el
Ministerio de Cultura y usaron el método de descomposición mediante medias móviles.
Concluyeron que para las películas extranjeras los periodos de mayor afluencia son verano y
navidad, sin embargo, la mayor parte de la temporada alta del cine español ocurre en otoño e
invierno, fuera del periodo vacacional.
En conclusión, la implicación negativa de la estacionalidad de la demanda es que los activos no
están siendo eficientemente aprovechados ya que los meses no comprendidos en temporada
alta se infrautilizan las instalaciones y pueden llegar a darse pérdidas. Por otro lado, los
patrones de asistencia también varían entre semana, ya que, la media de espectadores los
fines de semana (de viernes a domingo) es más de tres veces mayor que la media de
espectadores entre semana (Orbach y Einav, 2007).
El elemento diferenciador de este estudio sobre el mercado del cine es el análisis de los
determinantes del éxito en la industria del cine, tanto desde el punto de vista individual
(cuáles son las características de la película que determinan su éxito recaudatorio) como desde
el punto de vista de la industria en su globalidad (cuál es el peso de la tendencia y el
componente estacional de la recaudación en el cine). En cuanto al componente estacional, se
analizará su importancia tanto con datos mensuales como con datos diarios. Ambos aspectos
serán tratados utilizando modelos econométricos y de series temporales y se pretende realizar
conclusiones en términos de la estrategia de precios de la industria.
3. OBJETIVOS
El proyecto consiste en el análisis econométrico del mercado del cine. En particular, se trata de
analizar cuáles son las variables que más influyen en la recaudación, tanto desde un punto de
vista individual (es decir, la recaudación de una película concreta) como desde un punto de
vista agregado (es decir, recaudación total mensual y diaria de todas las películas proyectadas).
Para llevar a cabo el estudio, se establecerán las siguientes hipótesis específicas. Así pues, los
objetivos principales del proyecto residen en el análisis de la veracidad de estas hipótesis
previas. En el caso del análisis individual, se ha establecido que:
HE= un aumento del presupuesto de una película, incrementa la recaudación.
HE= una mejora de la calidad de una película, aumenta la recaudación.
HE= las características de los filmes tienen un impacto sobre la recaudación.
Por otro lado, para el análisis agregado, se establecerán las siguientes hipótesis específicas:
HE= la serie temporal “recaudación” presenta una fuerte estacionalidad mensual.
HE= la serie temporal “recaudación” presenta una fuerte estacionalidad diaria.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
8
4. ANÁLISIS DEL TEMA
El siguiente apartado, contiene el análisis individual (recaudación total de las películas), el
análisis agregado mensual (recaudación total mensual en España) y el análisis agregado diario
(recaudación total intrasemanal).
4.1. Análisis individual mediante regresión lineal múltiple
Mediante el modelo de regresión múltiple se analizarán los determinantes de la recaudación
de la industria cinematográfica en España y previamente se realizará un breve análisis
descriptivo.
4.1.1. Metodología de recopilación de datos
La base principal del proyecto se concentra en la construcción de una base de datos que
contiene un total de 450 observaciones e incluye la información de las 150 películas con mayor
recaudación de los años 2012, 2013 y 2014. Cada observación incluye un conjunto de variables
sobre calidad y características de la película así como controles por presupuesto, fecha de
estreno y películas del director (Anexo 2.1), cuya información se ha obtenido de distintas
fuentes (Anexo 2.2). La variable que ha supuesto una mayor dificultad de recopilación ha sido
el presupuesto, ya que no es una información que todas las productoras y distribuidoras
proporcionen. La principal fuente para recogerla es la base de datos Sensacine. De todos
modos, debido a su complejidad para encontrarla, se ha llevado a cabo una búsqueda en
diferentes fuentes, ya sea la página web de la película o simplemente googleando. Además,
como la recaudación en España se expresa en euros, se ha aplicado el tipo de cambio $/€
puesto que la mayoría de películas más taquilleras indican su presupuesto en dólares.
4.1.1.1. Variable dependiente
Recaudación: es la variable que se pretende explicar. Incluye la recaudación total de cada
observación en España y se expresa en euros.
4.1.1.2. Variables independientes
1. Calidad
Nominaciones a los premios Oscar: variable independiente cuantitativa que incluye las
veces que una película ha sido nominada a los premios Oscar. Se han escogido estos
premios estadounidenses debido a su gran importancia a nivel internacional.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
9
Nominaciones a los premios Golden Globe: variable independiente cuantitativa que incluye
las veces que una película ha sido nominada a los premios Golden Globe.
Nominaciones a los premios Goya: variable independiente cuantitativa que incluye las
veces que una película ha sido nominada a los premios Goya. Se han escogido estos
premios debido a su gran importancia a nivel Español.
Puntuación filmaffinity: variable independiente cuantitativa que contempla valores del 0 al
10 e indica la media de las puntuaciones de los usuarios.
2. Características de la película
Género: variable explicativa cualitativa que diferencia entre 8 categorías o temáticas. Entre
ellas: comedia, drama, suspense, terror, acción, ciencia ficción, animación y otras (como
biografías y documentales). Se analiza mediante 8 dummies o variables binarias.
Duración: variable independiente cuantitativa que contempla los minutos que dura una
película.
Remake: variable explicativa binaria que adopta valor 1 si la película es un remake y 0 si no
lo es.
Saga: variable independiente binaria que adopta valor 1 si la película es una saga y valor 0 si
no lo es.
Distribuidora (Major)2: variable independiente binaria que adopta valor 1 si la empresa
distribuidora está clasificada como major. Este grupo de distribuidoras incluye: Columbia
Pictures, 20th Century Fox, Walt Disney Pictures/Touchstone, Warner Bros, Paramount
Pictures o Universal Studios. En el caso de no haber sido distribuida por una de estas
compañías, la variable adopta valor 0.
Nacionalidad: variable independiente cualitativa que clasifica las películas según su origen.
En este caso, se ha delimitado a 4 nacionalidades ya que, como comentado en apartados
anteriores, el origen de las películas con mayor impacto sobre la recaudación son las
siguientes: España, Estados Unidos, Reino Unido y Francia. Se analiza mediante 5 dummies.
3. Otros controles
Presupuesto: variable independiente cuantitativa que indica la cantidad gastada en euros
para producir y distribuir una película.
Año de estreno: variable explicativa que incluye los años 2012, 2013 y 2014. Se analiza
mediante 3 dummies o variables binarias, una para cada año.
Mes de estreno: variable independiente que determina el mes de estreno de la película.
Asimismo, se han creado 12 dummies que incluyen el mes de estreno de la película.
2 Frente a las grandes filiales de las “majors” americanas, se distinguen pequeñas distribuidoras de ámbito nacional
que se enfrentan a grandes dificultades para formar parte de este mundo tan competitivo. Sin embargo, algunas distribuidoras independientes también comercializan productos de calidad con los que obtienen éxitos elevados.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
10
Número de películas (cortometrajes y largometrajes) del director: variable independiente
cuantitativa que hace un recuento de las películas que ha realizado el director hasta 2015
para poder valorar, de forma cuantitativa, su experiencia en la industria cinematográfica y
en la dirección de cortometrajes y largometrajes.
4.1.2. Análisis descriptivo individual
Previo a la creación de modelos econométricos es aconsejable llevar a cabo un análisis
descriptivo de las variables que los componen. En cuanto a la variable dependiente, se ha
hecho un análisis sobre la estadística descriptiva que contiene medidas de centralización
(media y mediana) así como medidas de dispersión (desviación típica y coeficiente de
variación). Además, se ha realizado un histograma donde se puede apreciar que la variable
dependiente es muy dispersa (Anexo 3.1). Para el caso de las variables independientes, se ha
diferenciado entre las variables cualitativas y cuantitativas. En el caso de las variables
cuantitativas, se han añadido la media, la mediana, la desviación típica y el coeficiente de
variación. Para aquellas variables cuyo coeficiente de dispersión es mayor que 0,3, se concluye
que los datos están muy dispersos. Así pues, la media no es representativa para explicar la
distribución de variables como el presupuesto y las nominaciones a los premios Oscar, Gloden
Globe y Goya (Anexo 3.2). Asimismo, se puede observar que la variable presupuesto (una de
las explicativas de mayor importancia) se distribuye de una forma parecida a la recaudación,
aunque algo menos extrema en su dispersión y asimetría (Anexo 3.3). Se trata de
distribuciones asimétricas hacia la derecha con asimetría positiva, ya que la media es mayor
que la mediana.
En el caso de las variables cualitativas, el análisis descriptivo expresa los porcentajes de
observaciones que incluye cada categoría. Así pues, se observa que octubre es el mes con más
películas estrenadas, la temática más utilizada es el género comedia, la mayoría de películas no
son sagas ni remakes, un poco más de la mitad de las observaciones han sido distribuidas por
una major y la nacionalidad principal y con diferencia es Estados Unidos (Anexo 3.4).
4.1.3. Regresión lineal múltiple
A continuación, se analizarán dos modelos de regresión lineal múltiple. El primer modelo
incluye todas las observaciones de la base de datos. Para el segundo modelo, se ha llevado a
cabo un tratamiento de outliers y valores influyentes.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
11
4.1.3.1. Regresión lineal múltiple con outliers y valores influyentes
La siguiente tabla muestra el efecto de las variables explicativas sobre la recaudación. El
modelo de regresión lineal en su conjunto es significativo, es decir, a través de las variables
explicativas, permite explicar la variable dependiente. Además, el coeficiente de
determinación R2 es de 0,432. Esto significa que se puede explicar un 43,2% de la varianza de
la variable dependiente recaudación con la recta de regresión obtenida (Anexo 4.1).
Tabla 1: Resultados del modelo de regresión lineal múltiple
Variable Coeficientes t Sig.
Constante -1.832.183,2 € -0,9 0,355
CA
LID
AD
Nominaciones
Oscar 231.742,16 € 1,159 0,247
Golden Globe 256.140,30 € 0,801 0,424
Goya 963.040,20 € 7,011*** 0***
Puntuación Filmaffinity 831.953,65 € 3,11*** 0,002***
CA
RÍS
TIC
AS
DE
LA P
EÍC
ULA
Género (ref. Comedia)
Drama -896.140,40 € -1,432 0,153
Suspense -1.117.831,02 € -1,301 0,194
Terror 934.112,48 € 0,955 0,34
Acción -494.217,04 € -0,741 0,459
Ciencia Ficción -528.922,15 € -0,687 0,493
Animación 1.050.243,31 € 1,249 0,212
Otros (bio, documental) -821.642,94 € -0,519 0,604
Duración -3.967,43 € -0,264 0,792
Reamke -133.127,80 € -0,14 0,889
Saga 2.021.018,59 € 3,498*** 0,001***
Distribuidora (Major) 214.546,00 € 0,451 0,652
Nacionalidad (ref. Española)
EEUU -1.558.003,45 € -2,194** 0,029**
Reino Unido -2.249.563,04 € -2,277** 0,023**
Francia -1.150.627,81 € -1,081 0,28
Otras -1.642.113,38 € -1,671* 0,096*
OTR
OS Presupuesto 0,05 € 6,475*** 0***
Películas del director 25.515,05 € 0,958 0,339
CONTROL AÑO-MES R
2: 43,2%
N=450
*Significación al 10% **Significación al 5%
***Significación al 1%
Fuente: elaboración propia.
En la Tabla 1 se han clasificado las variables para poder ver el efecto que tienen sus
coeficientes sobre la recaudación. Para empezar, aquellas variables con un efecto significativo
sobre la recaudación son: las nominaciones a los premios Goya, la puntuación de filmaffinity, si
se trata de una saga, la nacionalidad estadounidense y británica respecto a la española (el
Reino Unido en especial) y el presupuesto. El resto de variables, no resultan estadísticamente
significativas. El presupuesto, juntamente con las nominaciones a los premios Goya, es una de
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
12
las variables con mayor significación para explicar la recaudación. Por este motivo, se ha
realizado un gráfico de dispersión entre ambas variables (Anexo 4.2). El modelo de regresión
lineal obtenido, con un intervalo al 95% de nivel de confianza, es el siguiente:
Recaudación = 963.040,20*Goya + 831.953,65*PuntuaciónFilmaffinity + 2.021.018,59*Saga
– 1.558.003,45*EEUU – 2.249.563,04 *ReinoUnido + 0,05*Presupuesto
Debe considerarse que el modelo de regresión incluye distintos supuestos. Por este motivo, se
ha realizado un análisis de algunos de ellos (Anexo 4.3). Se debe tener en cuenta que, si una
regresión lineal cumple el supuesto de esperanza del error 0, varianza del error constante, no
autocorrelación entre los errores y si su varianza es finita, estimar un modelo de regresión,
según el Teorema de Gauss-Markov, genera unos coeficientes BLUE3, es decir, los estimadores
son insesgados y eficientes. Una vez obtenidos los resultados, se observa que se cumplen
todos los supuestos y se confirma que los estimadores generan unos coeficientes BLUE. No
obstante, no se cumple que los errores estén normalmente distribuidos y que la regresión no
contiene outliers ni valores influyentes. De todas formas, el supuesto de normalidad solo
afecta a los contrastes de hipótesis individuales y conjuntos. Además, dichos contrastes se
pueden realizar igualmente aunque presenten otras distribuciones asintóticas, que en la
práctica son muy similares. Sin embargo, algunas observaciones provocan un impacto sobre
los resultados de la regresión (outliers y valores influyentes). Por este motivo, se analizará la
regresión sin estas observaciones. Para determinar si existen outliers se lleva a cabo la prueba
de diagnósticos por caso, y todos aquellos valores que se encuentran por encima de 3
desviaciones típicas, se consideran outliers. Por otro lado, para determinar las observaciones
influyentes, se calculan las distancias de Cook de las observaciones y se establece que todas
aquellas que se encuentren por encima de 0,008 (es decir, 4/5004), serán consideradas
influyentes (Anexo 4.3).
4.1.3.2. Regresión lineal múltiple sin outliers ni valores influyentes
Si se lleva a cabo el mismo análisis anterior pero se eliminan los outliers y los valores
influyentes, se producen ligeras modificaciones sobre los resultados de la regresión lineal. Con
este modelo, la recta de regresión sigue siendo significativa, es decir, permite explicar la
variable dependiente a través de las variables independientes. Sin embargo, se produce un
aumento del R2 al 0,653 y se observa que con las variables independientes se puede explicar
un 65,3% de la variable independiente. Así pues, con la eliminación de los outliers y los valores
3 BLUE: Best Linear Unbiased Estimator.
4 Se establece un umbral que nos permite determinar si la distancia a la cual se encuentran las observaciones es
peligrosa. El umbral se calcula dividiendo 4 entre el total de observaciones, que en este caso son 500. Así pues, aquellas observaciones que se encuentran por encima de 0,008 se consideran valores influyentes.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
13
influyentes, el coeficiente de determinación aumenta y la recta explica un mayor porcentaje
de la variable dependiente (Anexo 4.5). Por otro lado, se obtienen como variables
significativas, además de las anteriores, las nominaciones a los Oscar, el hecho de que el
género sea drama o animación en relación a comedia y si la distribuidora es una major. Sin
embargo, la nacionalidad estadounidense deja de ser significativa, no pudiéndose rechazar la
hipótesis de que la recaudación de una película americana sea similar a la de una película
española5.
Tabla 2: Resultados del modelo de regresión lineal múltiple sin outliers ni valores influyentes
Variable Coeficientes t Sig.
Constante -2.023.301,37 € -1,9* 0,057*
CA
LID
AD
Nominaciones Oscar 291.876,05 € 2,687*** ,008***
Golden Globe 173.170,56 € ,996 ,320
Goya 680.670,49 € 5,868*** ,000***
Puntuación Filmaffinity 682.617,76 € 4,6*** ,000***
CA
RÍS
TIC
AS
DE
LA P
LEÍC
ULA
Género (ref. Comedia) Drama -729.729,11 € -2,081** ,038**
Suspense -57.079,09 € -,120 ,904
Terror 935.028,00 € 1,770* ,078*
Acción -327.801,80 € -,900 ,369
Ciencia Ficción -440.436,82 € -1,046 ,296
Animación 1.278.905,86 € 2,754*** ,006***
Otros (bio, documental) -831.393,25 € -,972 ,332
Duración -2.468,46 € -,298 ,766
Reamke -305.396,42 € -,583 ,560
Saga 1.751.565,26 € 5,482*** ,000***
Distribuidora (Major) 690.429,72 € 2,621*** ,009***
Nacionalidad (ref. Española) EEUU -513.370,96 € -1,300 ,194
Reino Unido -1.184.326,53 € -2,186** ,029**
Francia -351.187,51 € -,586 ,558
Otras -752.108,55 € -1,382 ,168
OTR
OS
Presupuesto 0,04 € 10,698*** ,000***
Películas del director 8.291,71 € ,571 ,569
CONTROL AÑO-MES R
2: 65,3%
N=436
*Significación al 10% **Significación al 5%
***Significación al 1%
Fuente: elaboración propia. El modelo de regresión obtenido, con un intervalo al 95% de nivel de confianza, es el siguiente: Recaudación = 291.876,05*Oscar + 680.670,49*Goya + 682.617,76*PuntuaciónFilmaffinity
– 729.729,11*Drama + 1.278.905,86*Animación + 1.751.565,26*Saga + 690.429,72*Major
– 1.184.326,53*ReinoUnido + 0,04*Presupuesto
5 Probablemente la recaudación es incluso superior, pues la mayoría de distribuidoras de películas americanas
proceden de distribuidoras major.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
14
4.1.4. Conclusiones del modelo de regresión lineal múltiple
La variable recaudación se ve influenciada por el presupuesto de forma positiva y
significativa, por lo tanto, cumplimos la hipótesis específica establecida en los objetivos.
Por cada euro más invertido en presupuesto, la recaudación aumenta de media 0,04 €.
Si incrementa la calidad de una película, es decir, las nominaciones o las puntuaciones de
filmaffinity aumentan, el impacto sobre la recaudación es positivo y significativo. Así pues,
también cumplimos la hipótesis específica establecida previamente. En particular, los
premios que tienen un impacto significativo son los Oscar y los Goya. Además, el hecho de
que una película esté nominada a los premios españoles, tiene un impacto mayor sobre la
recaudación, es decir, por cada nominación a los Goya, la recaudación aumenta de media
680.670,49 €. Cabe señalar que globalmente, si este efecto se mantiene en otros países, el
efecto de una nominación a los Oscar es muy superior, ya que, sin ser unos premios
cinematográficos españoles, por cada nominación, la recaudación aumenta de media
291.876,05 € en España. En cuanto a la puntuación de filmaffinity, cuando los usuarios
valoran en un punto más la película, la recaudación aumenta de media 682.617,76 €.
Las películas españolas son las que más recaudan. Sin embargo, se distribuyen muchas más
películas extranjeras que nacionales. Este hecho, juntamente con la importancia de los
premios Goya, es un indicio de que el cine español produce películas de gran éxito en las
taquillas españolas, una vez descontado el efecto del resto de determinantes.
Algunas características de las películas (temática, saga, distribuidora y nacionalidad),
tienen también un efecto sobre la recaudación. Sin embargo, otras características de las
películas no impactan de forma significativa, como por ejemplo, la duración o si se trata de
un remake. El género con mayor impacto positivo sobre la recaudación respecto a la
temática comedia son las películas de terror y de animación. El género animación es el que
de mayor impacto relativo, ya que, de media, aumenta en 1.278.905,86 € la recaudación.
Las sagas tienen el mayor coeficiente sobre la recaudación. Este hecho se puede explicar
considerando que las decisiones de producción de segundas partes son consecuencia de
éxitos de recaudación de las primeras6.
Es necesario analizar los supuestos de la regresión para poder tener una visión más clara
de la credibilidad de los resultados. En este sentido, el hecho de eliminar los outliers y los
valores influyentes, permite trabajar con unos resultados menos sesgados.
6 La película Torrente 5, estrenada en el año 2014, obtuvo un éxito de recaudación de más de 8 millones de euros.
Este es un ejemplo de saga (quinta parte) que indica que las decisiones de producción de siguientes partes pueden estar influenciadas por los resultados de recaudación de las anteriores.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
15
4.2. Análisis agregado mensual
El análisis agregado mensual trata de analizar la estacionalidad de la demanda mediante
medias móviles (X11) así como predecir cuál será la recaudación futura mediante modelos
ARIMA.
4.2.1. Metodología de recopilación de datos mensuales
Desde un punto de vista agregado, se ha recopilado la recaudación en España durante los años
2002-2014 de las películas extranjeras y españolas (Anexo 5.1). Además, se han obtenido los
datos mensuales de todos los años. La mayoría de esta información se ha extraído de la web
del Ministerio de Cultura, el cual proporciona la mayor parte de los datos sobre la industria
cinematográfica en España.
4.2.2. Análisis descriptivo de la serie mensual
Como análisis descriptivo previo, se ha calculado la media de recaudación mensual de las
películas proyectadas en España entre los años 2002 y 2014 (Anexo 5.2). Como se puede
observar, los meses con mayor recaudación son agosto y diciembre, con más de 60 millones de
euros al mes. En cambio, junio es el mes con menor promedio de recaudación. Las películas
españolas recaudan menos que las extranjeras, pero esto se debe a que se estrenan muchos
menos filmes de nacionalidad española.
4.2.3. Descomposición de la serie temporal recaudación mensual
Cualquier serie mensual tiene componentes deterministas que se pueden conocer (tendencia y
estacionalidad). A continuación (Tabla 3), se diferenciará el componente estacional de las
películas españolas y las extranjeras así como el de la recaudación total. El procedimiento para
poder aislar el componente estacional utilizado por SPSS, consiste en la descomposición
mediante medias móviles (X11). La serie analizada tiene periodicidad 12, puesto que se trata
de datos mensuales. En principio, se espera que tanto las películas españolas como extranjeras
tengan un factor estacional parecido, ya que se trata del mismo producto. Sin embargo,
derivado de las posibles diferencias entre mercados y el ciclo de explotación comercial, se
concluye que los meses de temporada alta para las películas extranjeras y españolas no
coinciden. Los meses de temporada alta de las películas españolas incluyen septiembre,
octubre, noviembre y diciembre. Un hecho que puede influir es que las películas estrenadas en
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
16
esa época puedan optar a los premios Goya y a ser seleccionadas para los Oscar7. Por otro
lado, los meses de temporada alta de las películas extranjeras coinciden con los periodos más
largos de vacaciones (julio-agosto y diciembre-enero). Se debe considerar que la industria
norteamericana lanza los blockbusters en estas fechas para aprovechar la disponibilidad de los
espectadores para acudir al cine. La conclusión es que la recaudación total mensual tiene un
factor estacional que se puede analizar y que tiene un impacto importante sobre la demanda,
ya que los momentos de mayor estacionalidad positiva pueden hacer aumentar la recaudación
un 33% (Agosto) respecto a la media en el caso de las películas extranjeras y un 124%
(Octubre) en el caso de las españolas. El motivo que podría explicar este elevado aumento de
la recaudación mensual en octubre, podría ser el estreno de la película “Lo imposible”,
concretamente a principios de octubre de 2012, cuya recaudación superó los 40 millones de
euros. Considerando que el promedio de la recaudación de las películas es mucho menor, este
dato está provocando un efecto muy positivo sobre la media.
Tabla 3: Componente estacional de la recaudación mensual
Recaudación
Total
Período Factor
estacional (%)
Enero 107,7
Febrero 91,8
Marzo 98,9
Abril 96,8
Mayo 86,2
Junio 68,8
Julio 106,7
Agosto 120,2
Septiembre 90,3
Octubre 101,1
Noviembre 103,1
Diciembre 128,4
Recaudación
películas españolas
Período Factor
estacional (%)
Enero 82,8
Febrero 65,7
Marzo 99,2
Abril 93,9
Mayo 77,5
Junio 50,9
Julio 56,2
Agosto 46,0
Septiembre 129,9
Octubre 224,7
Noviembre 148,0
Diciembre 125,1
Recaudación
películas extranjeras
Período Factor
estacional (%)
Enero 113,7
Febrero 95,1
Marzo 96,6
Abril 96,8
Mayo 86,9
Junio 72,1
Julio 115,7
Agosto 133,0
Septiembre 83,1
Octubre 80,3
Noviembre 96,0
Diciembre 130,6
Fuente: elaboración propia a partir de los datos del Ministerio de Cultura.
7 En 2011, Vila, Guzmán y Quintana también obtuvieron que los meses de temporada alta de las película españolas
son Septiembre, Octubre, Noviembre y Diciembre, analizando los datos de recaudación del periodo 2002-2008 y usando el mismo método de descomposiciónestacional mediante medias móviles.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
17
4.2.4. ARIMA
Las familias de modelos univariantes ARIMA8 permiten predecir una serie temporal a través de
la identificación, estimación y validación de su modelo ARIMA subyacente (Anexo 6.1). El
objetivo último es determinar cuál será la recaudación futura mensual. Se asume que las series
temporales cumplen dos propiedades: estacionariedad9 y ergodicidad10. En este caso, se ha
identificado y validado un modelo que tiene un parámetro autorregresivo de orden 1 en la
parte estacional (coeficiente del retardo=0,569) y una media móvil de orden 1 en la parte no
estacional (coeficiente del retardo=-0,358). Además, la constante del modelo también es
significativa (μ=51239134,018). El modelo validado finalmente (Anexo 6.2) es el siguiente:
𝒀𝒕= 51239134 - 0,36𝜺𝒕−𝟏 + 0,57𝒀𝒕−𝟏 + 𝜺𝒕
4.2.4.1. Predicción mediante ARIMA
Una vez se ha validado el modelo, se pueden obtener las predicciones futuras. En este caso, se
han predicho los valores mensuales de 2015 así como los intervalos de confianza de dichos
valores (Anexo 6.3). El total de la recaudación real del año fue de 571 millones de euros11 y el
total de la recaudación anual predicha a partir de los datos mensuales en 2015 sería de 560
millones de euros aproximadamente. Así, se concluye que la predicción puntual se acerca al
dato real figurando, además, dentro de sus bandas de confianza.
Gráfico 1: Predicción de la recaudación en 2015
Fuente: elaboración propia a partir de datos del Ministerio de Cultura.
8 Modelos Autorregresivos Integrados de Medias Móviles (ARIMA): modelo estratégico de predicción de series
temporales con características observables que permanecen en el tiempo. 9 Estacionariedad: una serie temporal que tiene media y varianza constantes a lo largo del tiempo y la asociación
(covarianza) dos periodos depende del número de periodos que han pasado pero no del momento histórico. 10
Ergodicidad: el límite de la serie temporal tiende a 0 cuando han pasado infinitos periodos de tiempo. 11
Fuente: http://www.rentrak.com/ (Retrank)
Rec
aud
ació
n (
mill
on
es €
)
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
18
4.2.4.2. Efecto del IVA cultural y la “fiesta del cine”
En 2012 se produjo la mayor subida del IVA cultural. Con la reforma del Real Decreto-ley
20/2012, de 13 de julio, de medidas para garantizar la estabilidad presupuestaria y de fomento
de la competitividad, el IVA cultural pasó de ser reducido a general, y se incrementó del 8% al
21%. Esta reforma entró en vigor en septiembre de 2012. Así pues, se ha llevado a cabo el
análisis mediante ARIMA introduciendo una variable dummy escalón que toma valor 1 a partir
de septiembre de 2012. La consecuencia de introducir esta variable, es que los parámetros del
modelo varían de forma insignificante (resultando, además, dicha dummy estadísticamente no
significativa). Por lo tanto, el modelo sigue presentando un parámetro autorregresivo de orden
1 en la parte estacional (coeficiente del retardo=0,538) y una media móvil de orden 1 en la
parte no estacional (coeficiente del retardo=-0,347). Además, la constante del modelo también
es significativa (μ=52609966,05). El modelo validado finalmente (Anexo 6.4) es el siguiente:
𝒀𝒕= 52609966 - 0,347𝜺𝒕−𝟏 + 0,538𝒀𝒕−𝟏 + 𝜺𝒕
Una vez analizado el efecto de esta medida legislativa, se puede concluir que el aumento del
IVA cultural no ha tenido impacto sobre la recaudación.
Por otro lado, durante tres días seguidos de marzo y octubre de 2014, los cines llevaron a cabo
la iniciativa de ofrecer todas las películas de la cartelera por 2,90€. El resultado fue un
aumento masivo de los espectadores intrasemanales en las salas de cine. Sin embargo, el
efecto sobre la recaudación mensual no llama la atención, comparado con los meses de años
anteriores. Así, al introducir una dummy impulso que toma valor 1 en los citados meses, el
modelo ARIMA sigue sin verse afectado, ya que sus coeficientes son muy parecidos a los
modelos anteriores (Anexo 6.5), siendo dicha dummy estadísticamente no significativa.
4.3. Análisis agregado diario
Para el análisis de la estacionalidad intrasemanal, se utilizarán los datos de recaudación diarios
en Estados Unidos durante el año 2015.
4.3.1. Metodología de recopilación de datos diarios
El boletín oficial publicado por el Ministerio de Cultura no contiene la información diaria de
recaudación del mercado español. Por este motivo, con el objetivo de realizar un análisis
estacional intrasemanal, se ha recopilado la recaudación diaria en el mercado estadounidense
a lo largo del año 201512. A pesar de no tener información de este tipo en España, hay motivos
para pensar que dicha distribución es similar a la española.
12
Fuente: http://www.imdb.com/ (IMDB)
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
19
4.3.2. Análisis descriptivo de la serie mensual diaria
La media de la recaudación para cada día de la semana (a lo largo del año) es muy distinta
(Anexo 7.1). Se puede apreciar que de lunes a jueves la recaudación es mucho menor que los
fines de semana (viernes, sábado y domingo). Sin embargo, domingo no llega a los niveles tan
elevados de recaudación como los otros dos días. Por lo tanto, hay indicios de que también se
trata de una serie con un componente estacional de mucha importancia.
4.3.3. Descomposición de la serie temporal recaudación diaria
La descomposición mediante X11 (media móviles) permite determinar el valor del componente
estacional de la serie. En la Tabla 3 se observa que el factor estacional los fines de semana
(viernes, sábado y domingo) tiene un impacto positivo sobre la recaudación. Es decir, se
recauda mucho más los fines de semana que entre semana. De hecho, el sábado se recauda un
102,14% más que la media semanal mientras que el jueves se recauda casi un 60% menos.
Tabla 3: Componente estacional de la recaudación diaria
Recaudación diaria
Período Factor estacional (%)
Lunes 50,250
Martes 51,076
Miércoles 41,942
Jueves 40,464
Viernes 176,432
Sábado 202,144
Domingo 137
Fuente: elaboración propia a partir de los datos de IMDB.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
20
5. CONCLUSIONES
Tras el estudio realizado sobre la industria cinematográfica, se concluye que hay diversas
estrategias y oportunidades de acción que deberían tenerse en cuenta en el sector. Además,
se han alcanzado los objetivos previos al trabajo.
Para empezar, en cuanto al efecto de las características individuales sobre la recaudación,
algunas variables que hacen referencia a la calidad, características u otros indicadores de las
películas, tienen un efecto estadísticamente significativo sobre la recaudación. Para conseguir
que un largometraje obtenga el máximo rendimiento financiero posible, la decisión de
producción más adecuada consistiría en una película de animación, concretamente una saga. A
poder ser, distribuida por una major y con alguna nominación a los premios Oscar o Goya.
Además, tendría un efecto muy positivo una puntuación elevada en filmaffinity así como un
elevado presupuesto. Finalmente, considerar que las películas de nacionalidad española son
las que tienen un mayor impacto sobre la recaudación, hecho que demuestra que la industria
cinematográfica española produce películas apreciadas por los espectadores (una vez
descontado el efecto del resto de variables anteriormente listadas).
Por otro lado, los meses de mayor afluencia coinciden con los periodos vacacionales, verano y
navidad. La toma de decisiones sobre un determinado proyecto está condicionada por los
resultados futuros y, por este motivo, se han llevado a cabo predicciones a través de series
temporales cuyo resultado indica que la serie temporal recaudación mensual sigue una pauta
que presenta una parte estacional y una no estacional.
En 2012, se introdujo una reforma con mucho impacto en el sector cultural que consistió en la
subida del IVA del 8 al 21%. De todos modos, el efecto sobre la recaudación no fue muy
significativo, tal y como se ha podido comprobar en el modelo de predicción. Además,
alternativas como la “fiesta del cine”, debido a los pocos días de oferta y al bajo precio que
pagan los espectadores, no produce un efecto muy significativo al final del mes. Sin embargo,
si se compara la recaudación intrasemanal en los días de no promoción, aumenta mucho el
impacto financiero.
Es cierto que, una vez realizado el estudio, hay aspectos que justificarían la discriminación de
precios. Constantemente tenemos noticias de que se estrenan películas en salas de cine casi
vacías. En el presente trabajo, se ha constatado que el componente estacional de la
recaudación varía mucho en función del día de la semana y del mes de estreno, hecho que
justificaría una reducción de precios para incrementar la cantidad demandada en momentos
de poca afluencia. Es cierto que algunos cines fijan precios superiores o inferiores en función
de la fecha y de la película. Por ejemplo, los fines de semana el precio de la entrada es más
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
21
caro, lo cual queda justificado por una mayor demanda. Por otro lado, los miércoles es el día
del espectador, pero no se ha encontrado un motivo aparente para justificar que se aplique los
miércoles y no otro día de la semana. Finalmente, hay cines que han planteado alternativas
distintas, como el caso de Cinesa, cobrando un euro más para ver películas como “Regresión” y
“Deadpool”. La subida de precios de determinadas películas durante los primeros diez días de
cartelera ha sido justificada por tratarse de “Películas Premium”, es decir, éxitos de taquilla
asegurados. Sin embargo, los resultados de este trabajo apuntan a que se podría precisar
mucho más en la política de precios de los cines teniendo en cuenta tanto factores
estacionales (mensuales y diarios) como factores que dependen del tipo de película.
El cine se encuentra en un momento de renovación de sus políticas, debido al estancamiento
de su recaudación durante los últimos años. Iniciativas como la “fiesta del cine” demuestran
que la poca afluencia a los cines no es cuestión de falta de interés por parte de los
espectadores, sino que el precio fijado es superior a la disposición a pagar de algunos
colectivos para poder disfrutar de este entretenimiento. Por este motivo, son muchas
compañías las que proponen alternativas para que, sin olvidar el componente cultural de la
industria, ésta se pueda convertir en un sector más eficiente y aprovechar al máximo los
activos del sector cultural.
Como futuros modelos econométricos sobre el mercado del cine en España, se propone,
mediante datos de recaudación diarios y mensuales por película, estudiar el ciclo de vida del
producto (a partir de la variable “tiempo en cartelera”) así como el comportamiento del
espectador en función de la calidad, características y otros determinantes de las películas.
Asimismo, y partiendo de este estudio, sería interesante llevar a cabo un experimento para
poder conocer las elasticidades-precio de la demanda, pues debido a la rigidez de los precios
es complicado conocer la sensibilidad económica de los espectadores.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
22
6. BIBLIOGRAFÍA
Anuario SGAE (2014). Anuario de las artes escénicas, musicales y audiovisuales.
De Vany, A., y Walls, W. D. (1999). Uncertainty in the movie industry: Does star power reduce the terror
of the box office?. Journal of cultural economics,23(4), 285-318.
Deniz, B., & Robert, B. What Determines Box Office Success of A Movie in the United States. Chistoper
Newport University.
Einav, L. (2007). Seasonality in the US motion picture industry. The Rand journal of economics, 38(1),
127-145.
Eliashberg, J., y Shugan, S. M. (1997). Film critics: Influencers or predictors?.The Journal of Marketing,
68-78.
Litman, B. R. (1983). Predicting success of theatrical movies: An empirical study. The Journal of Popular
Culture, 16(4), 159-175.
Mankiw, N. G. (2012). Principios de economía. Cengage Learning Editores.
Ministerio de Cultura (2002-2014). Anuarios de cine.
Oblitas, J. R. V., Parra, V. F. G., & García, C. Q. (2012). Análisis de la estacionalidad en el sector
cinematográfico: estudio comparativo entre la industria extranjera y la española. Investigaciones
Europeas de Dirección y Economía de la Empresa, 18(2), 177-182.
Orbach, B. Y., y Einav, L. (2007). Uniform prices for differentiated goods: The case of the movie-theater
industry. International Review of Law and Economics, 27(2), 129-153.
Pangarker, N. A., y Smit, E. (2013). The determinants of box office performance in the film industry
revisited. South African Journal of Business Management, 44(3), 47-58.
Santamaría, J. V. G. (2016). La exhibición cinema-tográfica en España. Ediciones Cátedra.
Sawhney, M. S., y Eliashberg, J. (1996). A parsimonious model for forecasting gross box-office revenues
of motion pictures. Marketing Science, 15(2), 113-131.
Sharda, R., & Delen, D. (2006). Predicting box-office success of motion pictures with neural
networks. Expert Systems with Applica-tions, 30(2), 243-254.
Sochay, S. (1994). Predicting the performance of motion pictures. Journal of Media Econo-mics, 7(4), 1-
20.
Terry, N., Butler, M., y De’Armond, D. (2005). The determinants of domestic box office performance in
the motion picture Indus-try. Southwestern Economic Review, 32(1), 137-148.
Weissmann, V. (2008). ¿Es la crítica un predictor del éxito de una película?. Determinantes del nivel de
audiencia de cine en Argentina. Palermo Business Review, número 2, 2008.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
23
7. ANEXOS
7.1. Anexo 1
7.1.1. Evolución de los espectadores 2002-2014
7.1.2. Nacionalidad de las películas con mayor recaudación en España
Nacionalidad Euros
ESTADOS UNIDOS 286.492.196,27
ESPAÑA 131.794.104,46
REINO UNIDO 36.514.464,24
FRANCIA 21.567.381,23
OTROS 41.807.984,22
TOTAL 518.176.130,42 Fuente: Ministerio de Cultura
7.2. Anexo 2
7.2.1. Clasificación de las variables explicativas de la recaudación
Calidad Características Otros controles
Nominaciones Oscar Nominaciones Golden Globe
Nominaciones Goya Puntuación Filmaffinity
Género Duración Remake
Saga Distribuidora (major)
Nacionalidad
Presupuesto Fecha de estreno
Mes
Año Películas del director
Fuente: Ministerio de Cultura *Datos en millones de espectadores
0
20
40
60
80
100
120
140
160
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
20
13
20
14
Espectadores
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
24
7.2.2. Clasificación de las variables según fuente de obtención
7.3. Anexo 3
7.3.1. Análisis descriptivo de la variable dependiente recaudación (€)
Media Mediana
3.448.304,9 1.686.606,07
Desviación Típica
Coeficiente de Variación
4.847.897 1,40
7.3.2. Análisis descriptivo de las variables independientes cuantitativas
VARIABLES CUANTITATIVAS Media Mediana Desviación
Típica Coeficiente
de Variación
Puntuación Filmaffinity 5,70 5,70 0,96 0,17
Nominaciones Oscar 0,56 0,00 1,62 2,89
Nominaciones Golden Globe 0,37 0,00 1,01 2,72
Nominaciones Goya 0,34 0,00 1,76 5,25
Duración (minutos) 109,87 106,00 18,57 0,17
Presupuesto (€) 41.507.137,19 24.099.613,33 44.574.037,86 1,07
Películas del director 8,42 6,00 7,81 0,93
Ministerio de Cultura
Recaudación
Género
Duración
Distribuidora (major)
Nacionalidad
Fecha de estreno (mes y año)
Filmaffinity
Nominaciones Oscar
Nominaciones Globos de Oro
Nominaciones Goya
Puntuación filmaffinity
Remake
Saga
Películas del director
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
25
7.3.3. Histograma de la variable independiente presupuesto
7.3.4. Análisis descriptivo de las variables independientes cualitativas
Mes de estreno Enero Febrero Marzo Abril Mayo Junio
6,7% 6,7% 10,5% 7,8% 6,2% 8,5%
Julio Agosto Septiembre Octubre Noviembre Diciembre
6,9% 10,2% 8,9% 11,1% 7,8% 8,7%
Temática Comedia Drama Suspense Terror
24,3% 22,0% 7,1% 4,9%
Acción C. Ficción Dibujos Otros
15,4% 13,6% 10,5% 2,2%
Remake No Sí
95,1% 4,9%
Saga No Sí
82,6% 17,4%
Major No Sí
45,7% 54,3%
Nacionalidad España EEUU Reino Unido Francia Otros
13,1% 62,4% 8,9% 5,6% 10,0%
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
26
7.4. Anexo 4
7.4.1. Resultados del modelo con outliers y valores influyentes
Resumen del modelo
Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación
1 ,658a 0,432 0,382 3906094,9
a. Variables predictoras: (Constante), Número de películas del director, DICIEMBRE, Nominaciones a los Goya, Año_2013, BIO_DOC, Major, BRITÁNICA, TERROR, JULIO, JUNIO, MAYO, CIENCIA_FICCIÓN, FEBRERO, Remake, NOVIEMBRE, Nominaciones a los Golden Globes, SUSPENSE, ABRIL, FRANCESA, ANIMACIÓN, SEPTIEMBRE, OTRAS, Saga, ACCIÓN, OCTUBRE, Puntuación Filmaffinity, Año_2012, MARZO, DRAMA, Duración, AGOSTO, Presupuesto(€), Nominaciones a los Oscar, ESTADOUNIDENSE
ANOVAa
Modelo Suma de cuadrados gl Media cuadrática F Sig.
1 Regresión 4,46311E+15 34 1,3127E+14 8,603 ,000b
Residual 5,85891E+15 384 1,5258E+13
Total 1,0322E+16 418
a. Variable dependiente: Recaudación_euros
b. Variables predictoras: (Constante), Número de películas del director, DICIEMBRE, Nominaciones a los Goya, Año_2013, BIO_DOC, Major, BRITÁNICA, TERROR, JULIO, JUNIO, MAYO, CIENCIA_FICCIÓN, FEBRERO, Remake, NOVIEMBRE, Nominaciones a los Golden Globes, SUSPENSE, ABRIL, FRANCESA, ANIMACIÓN, SEPTIEMBRE, OTRAS, Saga, ACCIÓN, OCTUBRE, Puntuación Filmaffinity, Año_2012, MARZO, DRAMA, Duración, AGOSTO, Presupuesto(€), Nominaciones a los Oscar, ESTADOUNIDENSE
7.4.2. Gráfico de dispersión entre el presupuesto y la recaudación
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
27
7.4.3. Supuestos del modelo de regresión
1. Esperanza del error es cero: para llevar a cabo este análisis, se calculan los errores no
tipificados de la regresión y se comprueba que la media de éstos sea significativamente
igual a 0. Como el nivel de significación del test “prueba t para una muestra” es mayor que
0,05, no podemos rechazar la hipótesis nula (H0=la media de los errores es
estadísticamente igual a 0) y, por lo tanto, se cumple el supuesto.
Prueba para una muestra
Valor de prueba = 0
t gl Sig.
(bilateral) Diferencia de
medias
95% Intervalo de confianza para la diferencia
Inferior Superior
Unstandardized Residual
,000 418 1,000 ,000 -359518,0076985 359518,0076985
2. Varianza del error constante: para poder realizar el test de homocedasticidad se calculan
los cuadrados de los errores no tipificados y se analiza si éstos explican o no el error. Como
el valor de significación es mayor que 0,05, no se puede rechazar la hipótesis nula
(H0=homocedasticidad13). Así pues, se cumple el supuesto.
ANOVAa
Modelo Suma de cuadrados gl Media cuadrática F Sig.
1
Regresión 578950705708915000000000000000 34 17027961932615200000000000000 1,227 ,184b
Residual 5328072330720470000000000000000 384 13875188361251200000000000000
Total 5907023036429380000000000000000 418
3. Errores normalmente distribuidos: mediante la prueba Kolmogorov-Smirnov podemos
determinar si los errores estandarizados siguen una distribución normal. Como el nivel de
significación es menor que 0,05, rechazamos la hipótesis nula (H0=la variable error sigue
una distribución normal) y no se cumple el supuesto de normalidad.
Prueba de Kolmogorov-Smirnov para una muestra
Standardized Residual
Z de Kolmogorov-Smirnov 3,633
Sig. asintót. (bilateral) 0,000
4. No auto correlación entre los errores: para descartar la auto-correlación entre los errores,
deberíamos tener un valor de Durbin-Watson cercano a dos. En este caso, obtenemos que
es de 1,552 pues se sitúa en la zona de normalidad y, por lo tanto, se cumple el supuesto.
Resumen del modelob
Modelo R R cuadrado R cuadrado corregida Error típ. de la estimación Durbin-Watson
1 ,658a ,432 ,382 3906094,903 1,552
13
Homocedasticidad: un modelo predictivo presenta esta propiedad cuando la varianza de los errores es constante. Para analizar la homocedasticidad, se utiliza como variable dependiente de una regresión los errores al cuadrado. Así pues, si las variables independientes no explican el error al cuadrado, concluimos que la esperanza del error es constante.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
28
5. No outliers ni valores influyentes: se trata de una regresión con outliers y valores
influyentes. Para determinar si existen outliers se lleva a cabo la prueba de diagnósticos
por caso, y todos aquellos valores que se encuentran por encima de 3 desviaciones típicas,
se consideran outliers. Por otro lado, para determinar las observaciones influyentes, se
calculan las distancias de Cook de las observaciones y se establece que todas aquellas que
se encuentren por encima de 0,008 (es decir, 4/500), serán consideradas influyentes.
Diagnósticos por casoa
Número de casos Residuo típ. Recaudación_euros Valor pronosticado Residual
1 6,073 42408547 18687362,25 23721184,364
2 3,942 22467940 7071588,04 15396352,409
442 12,401 55358673 6917610,07 48441063,046
a. Variable dependiente: Recaudación_euros
6. No multicolinealidad entre variables independientes: en este caso, las variables
independientes no están correlacionadas entre ellas y se cumple el supuesto de no
multicolinealidad, ya que el Variance Inflation Factor es menor que 10.
Coeficientes
a
Modelo Estadísticos de colinealidad
Tolerancia FIV
1
(Constante)
ESPAÑOLA ,654 1,529
BRITÁNICA ,894 1,119
FRANCESA ,852 1,173
OTRAS ,823 1,215
Año_2013 ,573 1,745
Año_2014 ,706 1,416
FEBRERO ,516 1,939
MARZO ,380 2,631
MAYO ,500 2,001
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
29
JUNIO ,466 2,146
JULIO ,443 2,258
SEPTIEMBRE ,432 2,314
OCTUBRE ,385 2,595
NOVIEMBRE ,465 2,152
DICIEMBRE ,414 2,416
DRAMA ,565 1,768
SUSPENSE ,757 1,320
TERROR ,803 1,245
CIENCIA_FICCIÓN ,499 2,006
BIO_DOC ,891 1,122
Duración ,463 2,159
Presupuesto(€) ,405 2,468
Puntuación Filmaffinity ,575 1,739
Saga ,743 1,346
Remake ,894 1,119
Nominaciones a los Oscar ,328 3,046
Nominaciones a los Golden Globes ,329 3,040
Nominaciones a los Goya ,730 1,370
Número de películas del director ,873 1,145
a. Variable dependiente: Recaudación_euros
7.4.4 Resultados del modelo sin outliers ni valores influyentes
Resumen del modelo
Modelo R R cuadrado R cuadrado ajustado Error estándar de la estimación 1 ,808
a ,653 ,621 2105589,120
ANOVAa
Modelo Suma de cuadrados gl Media cuadrática F Sig.
1 Regresión 3085188862568270 34 90740848899066,9 20,467 ,000b
Residuo 1640397051044010 370 4433505543362,2
Total 4725585913612290 404
7.5. Anexo 5
7.5.1. Evolución de la recaudación de películas extranjeras y españolas
RECAUDACIÓN
ESPAÑOLAS EXTRANJERAS TOTAL
2002 85,47 540,43 625,9
2003 100,86 538,57 639,43
2004 92,87 598,73 691,6
2005 106,21 528,74 634,95
2006 98,41 537,75 636,16
2007 86,73 557 643,74
2008 81,61 537,68 619,29
2009 104,37 566,67 671,04
2010 80,28 582,03 662,31
2011 99,14 536,71 635,85
2012 119,9 494,31 614,2
2013 70,15 436,15 506,3
2014 131,79 386,38 518,17
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
30
7.5.2. Media de la recaudación mensual 2002-2014
MES PROMEDIO MENSUAL (€)
Enero 57.637.264,06
Febrero 47.988.023,72
Marzo 51.748.964,11
Abril 50.338.490,94
Mayo 44.388.030,57
Junio 36.177.301,39
Julio 54.680.146,27
Agosto 61.786.583,90
Septiembre 46.554.108,34
Octubre 52.559.397,40
Noviembre 53.256.648,45
Diciembre 65.882.255,55
7.6. Anexo 6
7.6.1. Familias de modelos ARIMA
Podemos diferenciar entre 4 grandes familias de ARIMA:
1. Autorregresivos (AR): cuando la variable de un periodo puede explicarse mediante esa
misma variable en su pasado. Un modelo autorregresivo incluye el número de
observaciones retrasadas de la serie temporal (combinación lineal de los valores pasados)
y un término de error.
2. Medias móviles (MA): cuando una serie depende de cosas aleatorias y del pasado de esas
cosas aleatorias. Explica el valor de una variable en función de un término independiente y
una sucesión de errores correspondientes a periodos precedentes.
3. ARMA: combinación de autorregresivo y media móvil, es decir, depende de su pasado y de
algo aleatorio.
4. ARIMA: serie no estacionaria. El objetivo para poder determinar el modelo es conseguir
convertir la serie en estacionaria mediante las familias de modelos ARIMA, es decir,
quitarle a la serie todo aquello que sigue un patrón y convertirla en ruido blanco (serie
temporal totalmente aleatoria).
7.6.2. Validación del modelo ARIMA
Para proceder a la identificación de la serie temporal, se utilizará la metodología Box-Jenkins:
1. Identificación: el nivel de significación del test Ljung-Box Q, es menor que 0,05. Esto
significa que se rechaza la hipótesis nula (H0=la serie es ruido blanco). Por ello, es
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
31
necesario transformar la serie en estacionaria. Mediante las funciones de atocorrelación
parcial y total, se intuye que se trata de una serie con un componente estacional
(autorregresivo de orden 1) y con un componente no estacional (media móvil de orden 1).
Entonces, la serie depende de su pasado (de forma estacional) y del pasado de cosas
aleatorias.
Estadísticos del modelo
Modelo Número de predictores
Estadísticos de ajuste del modelo
Ljung-Box Q(18) Número de
valores atípicos R-cuadrado estacionaria
Estadísticos GL Sig.
Recaudación Total -Modelo_1
0 -8,821E-016 117,597 18 ,000 0
2. Estimación: se ha identificado que se trata de un autorregresivo de orden 1 en la parte
estacional (retardo=0,569) y de una media móvil de orden 1 en la parte no estacional
(retardo=-0,358). Además, la constante del modelo también es significativa
(μ=51239134,018).
Parámetros del modelo ARIMA
Estimación ET t Sig. Recaudación
Total -Modelo_1
Recaudación Total
Sin transformación
Constante 51239134,018 1876325,631 27,308 ,000 MA Retardo 1 -,358 ,076 -4,718 ,000 AR, estacional Retardo 1 ,569 ,070 8,127 ,000
3. Validación: para validar el modelo, es necesario volver a mirar el nivel de significación del
test Ljung-Box Q una vez añadidos los retardos AR y MA. Como es mayor que 0,05, no
podemos rechazar la hipótesis nula de que se trata de ruido blanco. Esto significa que se
ha transformado la serie en estacionaria y que es posible predecir la recaudación con este
modelo.
Estadísticos del modelo
Modelo Número de predictores
Estadísticos de ajuste del modelo
Ljung-Box Q(18) Número de
valores atípicos R-cuadrado estacionaria
Estadísticos GL Sig.
Recaudación Total -Modelo_1
0 ,386 19,778 16 ,230 0
4. Predicción: los parámetros del modelo ARIMA indican el valor de los retardos ρ y σ del
modelo.
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
32
7.6.3. Predicciones 2015
Mes Valor pronosticado Límite de confianza superior Límite de confianza inferior
ene-15 49.696.971,58 € 33.627.673,19 € 65.766.269,97 €
feb-15 40.487.522,69 € 23.419.424,68 € 57.555.620,70 €
mar-15 50.622.790,61 € 33.554.692,60 € 67.690.888,62 €
abr-15 57.094.576,26 € 40.026.478,25 € 74.162.674,26 €
may-15 41.086.256,78 € 24.018.158,77 € 58.154.354,79 €
jun-15 38.544.734,64 € 21.476.636,63 € 55.612.832,65 €
jul-15 40.892.286,48 € 23.824.188,47 € 57.960.384,49 €
ago-15 50.643.971,90 € 33.575.873,89 € 67.712.069,91 €
sep-15 43.821.372,08 € 26.753.274,07 € 60.889.470,09 €
oct-15 47.457.756,08 € 30.389.658,07 € 64.525.854,09 €
nov-15 46.888.356,44 € 29.820.258,43 € 63.956.454,45 €
dic-15 53.388.300,54 € 36.320.202,53 € 70.456.398,55 €
7.6.4. Modelo ARIMA con el efecto del IVA cultural
Estadísticos del modelo
Modelo Número de predictores
Estadísticos de ajuste del modelo
Ljung-Box Q(18) Número de
valores atípicos R-cuadrado estacionaria
Estadísticos GL Sig.
Recaudación Total -Modelo_1 1 ,399 19,999 16 ,220 0
Parámetros del modelo ARIMA
Estimación ET t Sig. Recaudación
Total -Modelo_1
Recaudación Total
Sin transformación
Constante 52609966,052 1864593,830 28,215 ,000 MA Retardo 1 -,347 ,077 -4,538 ,000 AR, estacional Retardo 1 ,538 ,071 7,549 ,000 IVACULTURAL Numerador Retardo 0 -5689896,381 2935193,645 -1,939 ,054
ESTUDIO ECONOMÉTRICO DEL MERCADO DEL CINE
33
7.6.5. Modelo ARIMA con el efecto de la fiesta del cine
Estadísticos del modelo
Modelo Número de predictores
Estadísticos de ajuste del modelo
Ljung-Box Q(18) Número de
valores atípicos R-cuadrado estacionaria
Estadísticos GL Sig.
Recaudación Total -Modelo_1 1 ,386 19,662 16 ,236 0
Parámetros del modelo ARIMA
Estimación ET t Sig. Recaudación
Total -Modelo_1
Recaudación Total
Sin transformación
Constante 51270627,54 1889782,357 27,130 ,000
MA Retardo 1 -,359 ,076 -4,700 ,000
AR, estacional Retardo 1 ,569 ,070 8,105 ,000
FIESTACINE Numerador Retardo 0 -1297323,59 5429890,021 -,239 ,811
7.7. Anexo 7
7.7.1. Media de recaudación intrasemanal