论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　二、数据来源和变量选取

　　１．数据来源

　　目前，国际上关于文化产业并没有统一的定义和标准，有的国家称之为“创意产业”，有的国家称之为“版权产业”或“内容产业”。根据国家统计局２００４年公布的《文化及相关产业分类》，我国的文化产业被定义为“为社会公众提供文化、娱乐产品和服务的活动，以及与这些活动有关联的活动的集合”。按照该分类标准，文化产业分为文化服务和相关文化服务两大部类，包括８０个国民经济行业中小类，分为三大层次、九大行业。三大层次分别为核心层、外围层和相关层。其中，文化产业核心层包括新闻服务，出版发行和版权服务，广播、电视、电影服务，文化艺术服务；文化产业外围层包括网络文化服务，文化休闲娱乐服务，其他文化服务；文化产业相关层包括文化用品、设备及相关文化产品的生产，文化用全口径中国文化产业投入产出效率研究品、设备及相关文化产品的销售。

　　本文文化产业数据大部分采用第二次经济普查数据，采用国家统计局公布的《文化及相关产业分类》，从全口径角度研究文化产业，其他数据来源于国家统计局网站、《中国统计年鉴２００９》、《中国文化文物统计年鉴２００９》以及公开出版的其他资料。

　　本文采用的是经济普查数据，保证了数据的时效性，已有的研究大部分采用常规统计资料而非经济普查数据，经普资料与常规统计资料相比的优势是分组更细和样本更全，在保证了资料的可信性与全面性的同时，也使得从全口径角度研究文化产业成为可能。

　　２．文化产业投入产出指标及环境指标选择

　　（１）投入产出的指标选择。对文化产业投入指标进行选择时，本文我们主要考虑人力和资本方面的投入，基于数据可获得性和有效性，选择文化产业实收资本、文化产业年平均从业人员数、文化产业法人单位数作为文化产业投入指标，选择文化产业增加值、文化产业营业收入作为文化产业的产出指标。

　　应用ＤＥＡ进行效率分析时应该保证决策单元的数量是投入产出指标的至少２倍以上，本文决策单元为３１个，而投入产出指标为５个，因此适合应用ＤＥＡ方法。另外，投入指标和产出指标之间应该具有显著的正相关关系，以避免出现某投入指标数量增加却引起产出指标数量减少的情况。经计算得，文化产业增加值与实收资本、年平均就业人员表、法人单位数Ｐｅａｒｓｏｎ相关系数分别为０．９７８、０．９５７、０．９１８，文化产业营业收入与实收资本、年平均就业人员表、法人单位数Ｐｅａｒｓｏｎ相关系数分别为０．９５７、０．９４５、０．９３０，上述相关系数通过了在１％显著性水平下的检验，可以认为具有显著的正相关关系，因此适合进行ＤＥＡ效率分析。

　　（２）影响因素的指标选择。在进行ＳＦＡ建模时，通过考虑文化产业的属性和发展特点，从教育、社会、经济发展、文化体制、政府支持、科技水平等方面考虑外部不可控因素：选择大专及以上学历人口占６岁及以上人口的比重作为教育因素，选择城市化率作为社会因素，选择人均ＧＤＰ作为经济发展因素，选择文化事业机构数作为文化体制因素，选择文化体育与传媒拨款占全部财政支出比重作为政府支持因素，选择专利申请授权数作为科技因素。

　　三、文化产业投入产出效率的测算和解读

　　１．原始投入产出数据下的文化产业效率分析———第一阶段ＤＥＡ

　　文章应用ＤＥＡＰ２．１软件对２００８年全国３１个省份文化产业投入产出效率进行分析，结果显示，２００８年我国３１个省份文化产业综合技术效率平均得分为０．７１４，文化产业纯技术效率平均得分为０．７４４，文化产业规模效率平均得分为０．９５０，这说明大部分省份文化产业的规模效率要明显大于纯技术效率。处在文化产业生产前沿面的有北京、内蒙古、上海、山东、湖北、广东，共６个省份，占全部省份数量的１９．３５％，这些省份文化产业既是技术有效又是规模有效，其余各省区文化产业的技术效率和规模效率均存在一定的改进空间。另外，结合规模报酬来看，除了综合技术有效的６个省份表现为规模报酬不变外，江苏、福建、河南、湖南４个省份表现为规模报酬递减，其余２１个省份均表现为规模报酬递增。

　　２．影响文化产业投入产出效率的环境分析及调整———第二阶段ＳＦＡ模型以上文得出的决策单元各投入变量的松弛变量作为因变量，将各环境变量作为自变量进行ＳＦＡ回归，三个投入松弛变量的模型中，各影响因素均通过了１％或５％的显著性检验，说明模型的变量选取较为合理。而且三个模型的ＬＲ单边检验均通过了５％的检验水平，说明第二阶段的ＳＦＡ分析是有必要的。

　　居民受教育水平。以大专及以上学历人口占６岁以上人口比重衡量的居民受教育水平在三个模型中的系数均为负值，说明了居民受教育水平的的高低与投入冗余变量之间呈反向关系，即居民受教育水平的提高可以导致文化产业投入量的减少，有利于提高文化产业投入产出效率，对此，我们理解如下：居民受教育水平的提高可以促进文化消费、提高文化产业从业人员素质，从而带动文化产业投入产出效率。

　　经济发展水平。以人均ＧＤＰ衡量的经济发展水平与各投入冗余变量呈反向关系，说明经济发展可以显著的减少各投入量。经济发展水平的提高一方面可以促进文化消费，另一方面可以为文化产业发展提供充裕的资金支持，从而带动文化产业投入产出效率的提高。

　　城市化率。城市化率在三个模型中的系数均为正，这意味着，城市化水平的提高会增加文化产业各投入量，降低文化产业的效率。

　　文化体制。以文化事业机构数衡量的文化体制因素对三个模型的投入冗余变量均呈正向作用，说明了文化事业机构数的增加对文化产业投入产出效率的提高是呈反向作用的。

　　科技水平。以专利申请授权数衡量的科技水平只进入了实收资本冗余变量的回归模型，回归系数为负，这说明了科技水平的提高可以显著地减少文化产业的投入量，提高文化产业投入产出效率。

　　政府支持。文化体育与传媒拨款占财政支出比重均进入了三个回归方程，且回归系数均为正，说明政府的财政支持对文化产业投入产出效率的提高呈反向作用。对此，我们解释如下：我国目前的文化产业是由经营性文化单位和事业性单位组成，政府对文化体育与传媒的拨款其实主要是对事业单位的拨款，而真正提高文化产业整体效率的却是文化企业，于是就产生了政府对文化事业拨款与文化产业投入产出效率并没有呈现正向相关的关系。

　　由上述分析可知，不同环境变量对文化产业投入产出效率的影响方向有所不同，显然，包含了环境影响的效率评价有可能会得出对文化产业决策单位不恰当的评价，即处于较好环境的决策单元的效率值可能较高，处于较差环境决策单元的效率值的表现并不理想。因此，本文基于第二阶段的分析对原来的投入变量进行调整，使调整后的各决策单元处于相同的环境。

　　３．调整投入值后的文化产业效率分析———第三阶段ＤＥＡ我们根据式（７）对三个文化产业投入变量进行有效调整，然后再次应用ＤＥＡＰ２．１软件进行效率测算。为了便于分析。我国３１个省份文化产业投入产出效率在调整前后的差别较大，总体来看，综合技术效率由第一阶段测量的平均值０．７１４下降到０．５３３，纯技术效率由之前的平均值到０．７４４上升到０．９６１，规模效率由之前的平均值０．９５０下降到０．５５６。很显然，剔除环境影响后的各省份文化产业纯技术效率有了较大幅度的提高，而规模效率则显著下降。

　　在进行各效率具体分析之前，本文采用Ｗｉｌｃｏｘｏｎ符号等级检验就调整前后综合技术效率和纯技术效率、规模效率进行显著性差异分析，我国３１个省份文化产业综合技术效率、纯技术效率、规模效率在调整前后有显著差异，这也从侧面印证了我们对原始投入变量进行调整的必要性。下面，本文对第三阶段ＤＥＡ分析结果进行详细分析。

　　（１）文化产业投入产出综合技术效率分析。综合技术效率得分可以衡量各省份文化产业整体效率高低。全国３１个省份文化产业投入产出效率在调整前后有较大变化，绝大多数省区调整后的文化产业投入产出效率低于调整前的文化产业投入产出效率。具体来看，调整前的文化产业投入产出效率测算中，处在文化产业生产前沿面的省份有北京、内蒙古、上海、山东、湖北、广东６个，这些省份文化产业既是技术有效又是规模有效；调整后处在文化产业生产前沿面的有北京、上海、山东、广东４个省份。从不同地区的变化来看，东部地区综合技术效率平均得分由０．７９４变为０．７２４，中部地区综合技术效率平均得分由０．７７４变为０．５９４，西部地区综合技术效率平均得分由０．６０２变为０．３１９，由此可见，西部地区综合技术效率在调整前后变化最大，即西部地区综合技术效率受环境影响较大。从各个省区来看，调整前后变化最大的省份为西藏，效率值差额达到０．８４７，调整前后差额大于０．３的还有湖北、江西、甘肃、青海、宁夏、重庆等省份。

　　（２）文化产业投入产出纯技术效率分析。纯技术效率用来衡量各省份文化产业无效多大程度上由纯技术原因导致的，指的是在规模一定的情况下文化产业发展水平的高低和文化产业区域规划的合理程度。调整后的纯技术效率值普遍大于调整前的纯技术效率值，这说明对大部分省份来说，之前的效率低下确实部分是由不好的运气或者较差的环境导致的。具体来看，调整后纯技术有效的有北京、山西、内蒙古、吉林、黑龙江、上海、山东、湖南、广东、西藏、青海共１１个省区市。从不同地区来看，东部地区调整前纯技术效率平均得分为０．８０６，调整后的平均得分为０．９５０，中部地区调整前的纯技术效率得分为０．７８０，调整后的得分为０．９５７，西部地区调整前的纯技术效率平均得分为０．６６４，调整后的得分为０．９７４，由此可知，西部地区调整前后的纯技术效率上升明显大于东部和中部地区。从各省区的变化来看，变化最大的为山西省，调整后的效率值比调整前的效率值大０．５９，而新疆、海南、贵州、广西、安徽、云南等省份调整后的纯技术效率得分比调整前得分也均大于０．４。

　　（３）文化产业投入产出规模效率分析。规模效率用来衡量决策单元目前的生产规模与最优生产规模的差距，规模效率的得分值越接近１，生产规模就越接近最优生产规模。全国大部分省份调整后的规模效率得分要小于调整前的规模效率得分。具体来看，东部地区调整之前的规模效率平均得分为０．９７４，调整之后的得分为０．７５５，中部地区调整之前的规模效率平均得分为０．９９２，调整后的得分为０．６２２，西部地区调整前的规模效率平均得分为０．９００，调整后的得分为０．３２８，由此可见，西部地区规模效率调整前后变化最大。从各省份来看，调整前后规模效率值大于０．７的省份有西藏和新疆，而甘肃、山西、云南、海南４个省份的差额也大于０．６。

　　（４）文化产业规模报酬变化分析。调整之前有６个省份表现为规模报酬不变，另有江苏、福建、河南、湖南４个省表现为规模报酬递减，剩余的２１个省个份均表现为规模报酬递增。调整后除了生产效率有效的４个省区表现为规模报酬不变外，其余省份均表现为规模报酬递增，这说明，在去除环境影响因素和随机因素影响后，我国文化产业投入产出效率无效的省份中，文化产业规模均低于最优生产规模。

　　（５）纯技术效率和规模效率的比较分析。由式（２）可知，文化产业投入产出综合技术效率由纯技术效率和规模效率决定，两者均有可能导致综合技术效率低下。分析可知，在文化产业无效的省区中，除江苏、浙江两省外，其他省份的文化产业规模效率均小于文化产业纯技术效率，这说明了导致大部分省份文化产业综合技术效率低下的原因主要是规模效率低下。其中，东部地区规模效率与纯技术效率差额平均值为０．１９４，中部地区规模效率与纯技术效率差额平均值为０．３３５，西部地区规模效率与纯技术效率差额平均值为０．６４５。规模效率与纯技术效率差额大于０．８的省份有西藏、宁夏、青海、海南、贵州、新疆。