金融發展對文化產業發展的影響
——基于省面板數據的實證分析

王承妍 姬新龍

（蘭州財經大學，甘肅 蘭州 730000）

一、引言

文化產業是國家軟實力的重要體現。近年來，我國積極推進文化產業的發展，文化產業的投入和產出均有較快的增長。但是，與其他發達國家相比，中國文化產業發展水平尚淺、國際競爭力低。因此本文通過定量考察我國文化產業發展的外部驅動因素，對比分析各因素的影響效果。

二、文化產業發展現狀

（一）文化及相關產業增加值及GDP占比

統計數據顯示中國文化產業產值從2005年的4216億元增至2016年的36762億元，具體見圖1。

圖1 中國文化及相關產業增加值及其占GDP比重（億元）

（二）文化及相關產業法人單位增加值

如表1所示，從文化及相關產業法人單位增加值來看，從2008年的7166億元到2016年的27235億元，增長了近3倍。其中文化制造業和文化服務業所占的比重較高，合計可達90%以上。文化批發和零售業所占的比重較低，歷年比重均不超過10%。

表1 2008-2015年中國文化及相關產業法人單位增加值及構成

（三）文化及相關產業法人單位數

如表2所示，和文化及相關產業法人單位增加值不同的是，隨著法人單位數量的增長，文化服務業法人單位在數量上所占的比重始終是最高的，均在60%以上，而文化制造業和文化批發和零售業法人單位數量合計所占比重不超過40%。造成這種現象的原因主要是文化制造業企業的規模一般較大，而文化批發和零售及文化服務業企業的規模相對較小。

表2 中國文化及相關產業法人單位數及構成

三、文獻綜述

關于金融支持文化產業發展的研究，劉孝斌（2014）驗證了中國金融發展對文化產業有顯著的正向影響。熊正德等（2014）通過對29個省的面板數據分析，得出銀行貸款是促進文化發展的主要因素，股票融資對文化產業發展的支持力度較小。

綜上所述，已有研究成果表明金融體系的直接金融和間接金融對文化產業發展有著重大影響，但以往的文獻是從文化產業增加值的變量因素去研究，數據年限較早不能及時反映目前文化產業的具體情況。2012年國家統計局發布《國家統計局關于印發文化及相關產業分類（2012）的通知》，進一步規范了文化及相關產業的口徑、范圍，在新的統計口徑下，各省的文化及相關產業增加值的數據沒有公布，因此我們選用替代指標，即文化類企業營業收入。具體的數據選取2012年至2015年最新年限的數據，為文化產業的快速優質發展提供一定的實證依據。

四、實證研究

（一）模型設定

本文研究金融發展對文化類企業發展的促進作用涉及我國31個省（市、區）的2012-2015年4年的數據，采用面板數據模型。

該模型的一般表達式為：

其中，i=1,2,3,…，31，表示 31 個省（市、區）；t=1,2,3,4，表示已知的2012年-2015年的年份。αit表示截距項，yit是被解釋變量對個體i在t時的觀測值；xkit是第k個非隨機解釋變量對于個體i在t時的觀測值；βkit是待估計參數；μit是隨機誤差項。用矩陣表示為：

（二）指標選取

1.文化產業發展指標。以往，學術界主要用文化產業增加值作為衡量文化產業發展現狀的指標，郭淑芬（2017）以文化制造業、文化批零業及文化服務業企業的營業收入作為文化產業發展水平的替代指標。2012年文化及相關產業增加值統計口徑變化后各省沒有統一公布相關數據，故本研究參照郭淑芬（2017）的做法，采用文化制造業、文化批零業及文化服務業行業企業的營業收入衡量文化產業發展水平。（數據來源：中國統計年鑒）

2.金融發展指標。對于金融發展指標的選取，主要檢測金融系統對于文化產業的支持。本文用各省 (區、市)金融機構貸款余額(BA)表示以信貸為主的間接金融支持文化產業發展的規模指標，用各省(區、市)股票市值(ST)表示以股票市場為主的直接金融支持文化產業發展的規模指標。

3.控制變量。除了金融行業支持因素，文化產業的發展還受到其它非金融因素的影響，本文選取幾個控制變量來表示。一是當前我國文化產業發展仍在較大程度上依賴于政府政策支持和財政投入，因此本文將文化事業費納入影響文化產業發展的因素之中，用文化事業費(CF)表示政府部門對于文化產業的投入影響。二是經營性文化產業機構數目(SL)也會影響文化產業的發展，本文也將這一變量作為控制變量，表示文化市場的發展對文化產業發展的影響。

（三）模型檢驗

由于面板數據包括橫截面維度和時間維度，如果模型設定的不正確，即忽視了在橫截面或者時間上參數的本質上的差異，可能會導致參數估計不是一致估計或估計出的參數值沒有意義，以致估計結果與實際將相差甚遠。本文著重研究不同因素對文化企業發展的影響，因此不選擇變系數模型。

為了確定該模型是否存在個體固定效應，首先做F檢驗。

1.F檢驗。F統計量定義為：

其中，N表示個體數，N-1表示約束條件個數，k表示解釋變量對應參數的個數。

給定顯著性水平，查F分布表，得到臨界值，并且與計算得到的F統計量數值進行比較，如果大于臨界值，則拒絕原假設。

F檢驗的原假設與備假設分別為：

H0：模型中不同個體的截距項相同（建立混合模型）

H1：模型中不同個體的截距項不同（固定效應模型）

表3 F統計量檢驗的結果

因為F=38.049732＞F0.05(30.89)，所以推翻原假設，在個體固定效應模型和混合模型中選擇個體固定效應模型更為合理。

2.Hausman檢驗。Hausman檢驗用于檢驗應該建立的是固定效應模型還是隨機效應模型。

H統計量定義為：

Hausman檢驗的原假設與備假設分別為：

H0:個體效應與回歸變量無關（隨機效應模型）

H1:個體效應與回歸變量相關（固定效應模型）

表4 Hausman檢驗結果

H=42.553815＞χ20.05(4)=9.49，因此模型存在個體固定效應，應當建立個體固定效應模型。

為了使數據更加平滑，我們對原始數據取對數，建立如下模型：

LOG(CUL)it=β0+β1LOG(BA)it+β2LOG(ST)it+β3LOG(CF)it+β4LOG(SL)it+μit，并用EVIEWS軟件，采用個體固體效應模型對數據進行回歸分析。

（四）回歸分析

1.整體模型分析。

表5 模型的其他檢驗結果

（1）R2判定系數為0.993204，說明整體模型的擬合度較高；

（2）F檢驗是對回歸模型的整體做顯著性檢驗，其P值為0，通過顯著性檢驗；

（3）對模型進行Durbin-Watson檢驗，得出D.W值為2.168652，查表得dU值為1.65。當DU＜DW＜4-DU時，解釋變量之間不存在相關性。而檢驗結果所得的為1.65＜2.168652＜2.35，即年末金融機構貸款余額、各省股票總市值、文化事業經費及文化及相關產業機構數之間不存在相關性，因此他們之間也不存在多重共線性。

2.各參數回歸結果。從以上模型回歸結果看，整體模型通過了顯著性檢驗，擬合效果較好。通過對各參數做T檢驗發現金融機構貸款總額、金融機構個數兩個變量通過了顯著性檢驗，而股票總市值、文化事業費沒有通過檢驗。具體結果如下：

表6 模型的回歸結果

（五）結果分析

1.銀行貸款。從模型估計的回歸結果可以看出，T統計量的P值=0.0111，通過顯著性檢驗。銀行業金融機構對我國文化產業發展金融支持效應明顯，且呈現顯著的正相關關系。回歸系數為0.644203，表明銀行貸款每提高1個百分點能帶動文化企業營業收入增長0.644203個百分點。說明現階段金融因素中銀行貸款是促進文化發展的主要因素。

2.股票市場。股票融資對文化產業發展的影響不顯著，且回歸系數為負值，這主要是因為我國文化產業的發展尚處于成長階段，文化企業中大多為中小企業或民營企業，尚未達到上市規模，表現出資本市場的股票融資對文化產業的影響效應還需要加強，目前文化產業發展還需進一步擴大上市融資規模。

3.財政支持。各省份的財政投入與文化產業發展之間存在正相關關系，由于本文中選取的數據年限有限，且各省政府對文化產業扶持力度各不相同，回歸結果中的影響效果并不顯著。一般來講財政投入也是影響文化產業發展的重要推動力，近年來政府對文化產業的財政投入不斷加大，財政支出對于文化產業的發展具有較大影響，但我國人口基數大人均文化事業費比例仍很小，政府應進一步加大對文化事業發展的經費投入。

4.文化產業機構數量。經營性文化產業機構數量與全國文化產業的發展呈現出顯著的相關關系，說明文化市場的發展已經形成規模，并以一定的速度在擴張。