Title: Linear mixed models for digital music data
Language: English
Authors: Eder, Johannes 
Qualification level: Diploma
Advisor: Filzmoser, Peter 
Issue Date: 2019
Number of Pages: 92
Qualification level: Diploma
Abstract: 
In den letzten Jahren hat die digitale Transformation die Musikindustrie gravierend verändert und zur wachsenden Beliebtheit des Musik Streamings beigetragen. Die vielen Daten, die dabei entstehen, können verwendet werden, um unentdeckte Verhaltensmuster und andere Einblicke in das Musikgeschäft zu gewinnen. In dieser Masterarbeit werden soziodemographische Faktoren untersucht, ob sie für den Erfolg eines Liedes förderlich sind. Zu diesem Zweck werden Daten der Musikstreamingplattform Spotify für mehrere Lieder aufbereitet und aggregiert. Die resultierenden Längsschnittdaten werden im Rahmen einer Regression verwendet, um die relative Änderung der wöchentlichen Anzahl an Wiedergaben zu beschreiben. Neben Linearen Regressionsmodellen werden mehrere Formen Linearer Gemischter Modelle auf diese Problemstellung angewandt und anhand ihrer Vorhersagekraft auf einem Testdatensatz verglichen. Basierend auf diesem Vergleich wird ein finales Modell ausgewählt, welches detaillierter untersucht wird. Diese Analyse und Interpretation identifiziert wichtige Segmente des Publikums, die einen Einfluss auf den Erfolg eines Liedes haben.

In recent years, the digital transformation of the music industry led to a rapid increase in online music streaming. As a consequence, plenty of data is generated which can be examined for undetected patterns and further insights into the music business. Within this thesis socio-demographic factors are investigated whether they drive the successful development of a song. Data of several songs and streaming events on Spotify is prepared and aggregated for this purpose. The resulting longitudinal data is used in a regression context to describe the relative change in a song's weekly number of streams. Besides Linear Regression Models, Linear Mixed Models in various forms are applied on the given problem. A final model is chosen by comparing the models' prediction performance on a separate test dataset. The concluding analysis and interpretation of this model unveils important segments of the target audience which have an impact on the success of a song.
Keywords: mixed models; robustness
URI: https://resolver.obvsg.at/urn:nbn:at:at-ubtuw:1-126092
http://hdl.handle.net/20.500.12708/8570
Library ID: AC15391975
Organisation: E105 - Institut für Stochastik und Wirtschaftsmathematik 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:

Show full item record

Page view(s)

7
checked on May 2, 2021

Download(s)

19
checked on May 2, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.