近年来电影行业快速发展，部分电影取得了相当不错的票房成绩，电影已经成为大众丰富业余生活不可或缺的一部分。随着生活品质的提高，电影消费者对电影质量的要求在不断提高，电影票房能够反映民众的喜爱程度。由于电影票房是电影收入的主要来源，因此深入挖掘电影票房的影响因素、精准确定电影票房预测模型一直是电影界非常关注的问题。经过七十多年的发展，电影票房预测研究已取得了很大的进步，达到了较高的水平。如果在电影投资制作时期运用科学的方法对电影票房进行预估并采取合理的营销策略，电影的制作公司以及发行公司就能规避低收入风险，提高盈利能力。
　　半参数部分可加模型包含线性模型、可加模型和部分线性模型，具有强大的建模能力和灵活的解释能力，同时避免了非参数回归面临的“维数灾难”问题，是近年来广泛研究的一类重要半参数模型。本文先对国内外研究电影票房影响因子和电影票房预测模型进行归纳总结，确定了影响电影票房收入的主要因素：电影预算、电影投票数、电影受众欢迎度、电影时长和电影评分，选取了Kaggle竞赛平台上2000-2018年的电影数据进行分析，经过数据预处理后采用剩余835个数据进行研究。按照5∶1的比例将数据集分成696个数据构成的训练集和139个数据构成的检验集。再通过对所选取数据中五个主要影响因素与电影票房收入之间的关系进行分析，利用半参数部分可加模型建模电影票房收入与电影预算、电影投票数、电影受众欢迎度、电影时长和电影评分之间的关系，采用向后拟合估计算法和训练样本得到电影票房收入与五个解释变量之间的拟合回归关系，接着对其模型误差项进行序列相关检验，序列相关检验结果显示模型误差项之间不存在相关性，则说明建模效果良好，最后用检验样本对电影票房收入作预测分析，分别采用半参数部分可加模型、多元线性回归模型和可加模型三种模型进行预测比较，预测结果表明半参数部分可加模型优于多元线性回归模型和可加模型。