數字文化產業上市公司技術創新效率評價及對策研究

□ 韓東林，吳 瑞，劉兵兵

（安徽大學，安徽 合肥 230601）

近年來，隨著科技與文化產業的融合日益加深，數字文化產業開始崛起，數字文化產業滿足了數字經濟時代人們對文化消費的新需求，給消費者帶來了新體驗。2017年4月11日，文化部發布的《文化部關于推動數字文化產業創新發展的指導意見》（以下簡稱《意見》），首次明確了數字文化產業的發展內涵與核心內容，從發展方向、重點領域、生態體系、政策保障力度等方面對數字文化產業發展做出總體規劃。所謂數字文化產業，是指以文化創意內容為核心，依托數字技術進行創作、生產、傳播和服務，呈現技術更迭快、生產數字化、傳播網絡化、消費個性化等特點的新興產業。目前，數字文化產業正在成為引領新供給、新消費、規模高速成長的數字創意產業的重要組成部分。為貫徹落實上述戰略，迫切需要我們對于當前數字文化產業的發展有一個全面而深刻的認識與分析。上市公司是產業發展的領航者，技術創新是產業發展的動力所在。鑒于此，本文以數字文化產業上市公司為研究樣本，通過構建指標體系，對目前在A股上市的數字文化產業上市公司進行技術創新效率評價，并在此基礎上，提出提升我國數字文化產業上市公司技術創新能力的相關對策建議。

一、文獻綜述

國外學者對文化創意產業（國外沒有“數字文化產業”這一概念）技術創新問題的研究，角度不同，成果豐碩，比較有代表性的研究，如Stam等（2008）［1］通過實證研究探討了荷蘭文化創意產業的結構、發展、創新及其對城市創新的影響，發現荷蘭創意行業的企業相對具有創新性，藝術領域明顯缺乏創新。Hotho、Champion（2011）［2］研究了創意產業中發展最快的計算機游戲產業，認為小企業在新創意產業中的經濟貢獻得到廣泛承認，并從創新管理和工人的角度探究了行業內的人員管理模式。Weeds（2012）［3］建立了內生性質量差異化商品的理論模型，探討數字化對企業分布的影響，認為技術變革改變了創意媒體產業，數字技術改變了銷售渠道。Hsueh、Hsu（2012）等［4］建立了文化創意產業發展成效的多指標評價模型，通過模糊邏輯推理系統執行量化值轉換過程來評估各部門對文化創意產業投入的發展有效性。Nathan、Lee（2013）［5］通過7600家公司樣本調查了2005至2007年間倫敦企業的文化多樣性、創新、創業和銷售戰略之間的聯系，強調文化多樣性對創新、創業至關重要。Schulzke（2014）［6］從虛擬文化產業入手對文化產業進行分析，認為文化產業論文為虛擬世界的理論分析提供了一個有用的起點，并解釋了虛擬世界是現實世界經濟關系的反映。Valentine（2014）［7］研究了文化產業中的地租與政治經濟，解釋了創業企業的權力形式問題，作為分析文化產業政治實踐的基礎。Lee（2009）［8］探討了數字技術在韓國音樂文化經濟中的變化，認為數字技術使音樂產業重組，影響大眾體驗音樂的方式，數字化徹底改變了構思音樂產業的方式。

國內學者對文化產業技術創新效率的研究，主要集中在不同層面的研究對象和不同的分析方法上。Ma、Yang等（2013）［9］從價值鏈的角度，分析了數字文化產業的橫向和縱向線性價值鏈結構及存在問題，討論了數字文化產業企業的產能、運營能力、競爭與合作關系。楊晶、郭兵（2014）［10］測算了2012年上海63家文化創意企業的專利產出效率，研究了所有制形式、規模和政府科技資助對文化創意企業專利產出效率的影響。潘玉香、強殿英等（2014）［11］根據文化創意產業上市公司不同融資模式來源對我國文化創意產業融資效率進行實證研究，結果表明我國文化創意產業融資效率偏低。雷原、趙倩等（2015）［12］運用隨機前沿分析方法對我國A股68家文化創意類上市公司的投入產出效率進行評價，認為我國文化創意類上市公司整體技術效率偏低，文化創意企業產出主要依賴于勞動力投入，其次是市場推廣與研發投入，對固定資產投入的敏感度不高。

我們通過文獻梳理發現，目前國內外學者多立足于文化產業全局或者對具有代表性的文化產業子產業進行相關研究，對新崛起的數字文化產業的研究成果不多，對數字文化產業上市公司技術創新效率的研究成果，尚未見到。因此，本文運用DEA模型對我國數字文化產業上市公司的技術創新效率進行評價，并提出相應對策建議。

二、指標體系構建

（一）指標體系

創新效率是指創新主體在創新過程的投入與產出之比，它由創新投入和創新產出兩個部分構成。國內外學者多從資本、勞動兩個角度衡量創新投入，趙樹寬、余海晴等（2013）［13］結合高技術企業的特點，將創新投入分為人力投入和經費投入，人力投入用科技活動人員和研發人員表示，經費投入用科技活動經費和研發經費支出表示，將創新產出分為新產品和專利產出，分別用新產品銷售收入和專利申請數表示。韓東林、徐曉艷等（2016）［14］以研發經費支出和研發人員數作為創新投入指標，以專利申請授權數、凈利潤和新產品銷售收入作為技術創新產出指標。

基于上述相關研究，同時考慮到數字文化產業的自身特點以及上市公司年報披露數據信息的可獲得性，本文構建了評價指標體系。在創新投入方面選取研發人員數作為人力投入，能夠反映企業對于技術創新的需求程度；選取研發費用作為資本投入指標，能較好地反映企業對技術創新的依賴程度。在創新產出指標的選取上，用有效發明專利數、實用新型專利數衡量科技成果，既能全面地反映技術創新的實際成果，又能體現企業的技術創新能力的水平。選取主營業務收入來表示經濟效益，具體指標體系如表1所示。

表1 數字文化產業技術創新效率評價指標體系

（二）樣本選取與數據來源

1.樣本選取

本文根據《意見》中對數字文化產業范圍的界定，對動漫產業、游戲產業、網絡文化產業、數字文化裝備產業、數字藝術展示產業以及前沿領域這6大數字文化產業重點發展領域相關的A股上市公司進行篩選。剔除上市年度偏晚（上市日期為2015年以后）、公司經營不穩定被“ST”、主營業務收入占50%以下的上市公司，以及為保證研究的真實性與可信度，剔除研發投入為0的上市公司，最終確定36家具有代表性的上市公司作為研究樣本。

2.數據來源

本文數據全部來源于數字文化產業上市公司發布的年度報告，具體來說，主要基礎數據來源于上海證券交易所、深圳證券交易所、萬德（Wind）數據庫、國泰安（CSMAR）數據庫。

三、實證研究

（一）研究方法

數據包絡分析（Data Envelopment Analysis，DEA）是一種多指標投入和多指標產出，并對相同類型的單位進行相對有效性或效益評價的一種新的系統分析方法。美國著名運籌學家Charnes、Cooper、Rhodes（1978）［15］基于 Farrell投入與產出評價效率的模型，應用對偶理論（Duality Theory），提出評價多投入多產出效率的方法，即固定規模報酬下的CCR模型。

假設共有n個DMU，每個DMU分別有m種投入和s種產出，則含松弛變量形式的CCR對偶模型表達式為：

其中，xi，yi分別表示DMUi的投入量和產出量，s-、s+為松弛變量，分別表示投入冗余值和產出不足值。若θ=1，則決策單元DMU0為弱DEA有效；若θ=1，且s-=s+=0，則稱決策單元DMU0為DEA有效。決策單元的經濟活動同時為技術有效和規模有效；若θ＜1，則稱為非DEA有效，經濟活動既不是技術效率最佳，也不是規模最佳。

CCR模型是假設生產過程屬于固定規模收益，即當投入量以等比例增加時，產出量應以等比增加。然而實際的生產過程亦可能屬于規模報酬遞增或者規模報酬遞減的狀態，為了分析決策單元的規模報酬變化情況，Banker、Charnes、Cooper（1984）［16］以生產可能集的四個公理以及Shepard距離函數為基礎提出了一個可變規模收益的模型，稱為BCC的模型。含松弛變量形式的BCC對偶模型可表示為：

上市公司的生產經營活動非常復雜，且公司規模和所處行業差異較大，考慮到數字文化產業上市公司創新活動邊際收益的不確定性以及市場競爭環境等實際情況，為消除規模方面的影響，本文以BCC模型評價規模收益可變情形下各DMU的效率。

（二）實證分析

基于2015—2016年數字文化產業36家上市公司相關數據，利用DEAP2.1軟件，采用DEA-BCC模型，在規模報酬可變的情形下，對A股36家數字文化產業上市公司的創新效率進行評價，結果如表2所示。

1.創新效率分析

從綜合效率來看，A股36家數字文化產業上市公司2015—2016年的綜合效率均值分別為0.376、0.268。2015—2016年創新效率為1的公司數分別有5家、3家，分別占公司總數的13.9%、8.3%；2015年創新效率在0.8～1的公司數為0，2016年有1家，占比2.7%；創新效率在0.4～0.8的公司數分別為6家、4家，分別占總體的16.7%、11.1%；創新效率低于0.4的公司數分別有25家、28家，分別占總體69.4%、77.7%。由此可知，這兩年數字文化產業上市公司的創新效率總體偏低，只有11%～13.9%的上市公司創新效率高于0.8，而70%左右的公司創新效率低于0.4。創維數字、漫步者、雷柏科技、完美世界、華平股份近兩年的綜合效率略有提高，反映了公司創新水平有所提升。東方明珠雖然在2015年綜合效率達到最佳，但2016年綜合效率僅為0.233。慈文傳媒、漢王科技、中南文化連續2年綜合效率有效，表明公司創新水平達到最佳水平（明家聯合雖未能連續有效，但較為穩定）

從純技術效率來看，A股36家數字文化產業上市公司2015—2016年的純技術效率的均值分別為0.492、0.431，高于同期綜合效率值。2015—2016年達到純技術有效的上市公司均為7家，占樣本總數19.4%，綜合效率無效而純技術效率有效的公司2015年有2家（TCL集團、東方網絡），2016年有4家（TCL集團、創維數字、明家聯合、東方明珠）。其中TCL集團、慈文傳媒、漢王科技、中南文化、明家聯合和東方明珠6家上市公司連續兩年純技術有效。

表2 數字文化產業上市公司技術創新效率實證結果

從規模效率來看，A股36家數字文化產業上市公司2015—2016年的規模效率的均值分別為0.761、0.589，均高于同期綜合效率值和純技術效率值。2015—2016年達到最優生產規模的上市公司分別有6家、3家，其中，慈文傳媒、漢王科技、中南文化連續兩年規模有效，表明其充分利用創新資源，適應發展環境，達到合適的生產規模。規模效率在0.8以上的公司分別為14家、9家，分別占樣本總數55.6%、41.7%。華數傳媒、游族網絡、兆馳股份、三七互娛、浙數文化這5家公司的規模效率近兩年波動太大。對于天威視訊、漫步者、驊威文化這3家上市公司來說，規模效率雖未有效，但均保持較高水平，可以看出其生產規模與最優規模相當接近。

2.規模收益分析

本文進一步研究了A股36家數字文化產業上市公司2015—2016年的規模收益狀況，并分析其規模效率偏低的原因，具體結果見表3。

表3 數字文化產業上市公司規模收益分析結果

A股36家數字文化產業上市公司2015—2016年規模收益遞增的上市公司分別有16家、13家，分別占總體的44.4%、36.1%，對于這類公司應當增加創新資源投入并進行合理分配，使其生產規模增加，爭取效益最大化。規模收益不變的數字文化產業上市公司分別有6家、3家，各自占總體的16.7%、8.3%，此類公司處于最優規模收益點。規模收益遞減的上市公司分別有14家、20家，分別占總體的38.9%、55.6%，這類公司隨著生產規模的擴大，各部分難以協調，規模收益降低。

3.有效性分析

根據有效性判斷原則，我們將評價結果分為3類，具體分類見表4。

表4 數字文化產業上市公司DEA有效性分析結果

DEA有效的經濟意義是創新活動同時達到技術有效和規模有效。從技術角度來看，創新資源得到充分利用，投入要素達到最佳組合，取得最大產出效果。2015—2016年DEA有效的數字文化產業上市公司分別為5家和3家，分別占比13.9%、8.3%。DEA弱有效表明，不是同時技術有效和規模收益有效，2016年DEA弱有效的數字文化產業上市公司由2015年3家增加為4家。DEA無效表示既沒達到技術效率最佳，也沒有實現規模收益最佳，2015—2016年DEA無效的數字文化產業上市公司分別為28家、29家。由表4可知，80%左右的上市公司屬于DEA無效，創新效率還有很大的提升空間。

4.投影分析

投影分析是進一步分析DEA無效原因的一個必要步驟，也是為提高本文選取的數字文化產業上市公司的創新效率提出有針對性政策建議。因此，本文以2016年29家DEA無效的上市公司為投影樣本，結果如表5所示。

通過投影分析發現2016年29家DEA無效的數字文化產業上市公司創新投入冗余量和產出不足量。投入冗余是29家上市公司DEA無效的主要原因，研發人員、研發費用二者投入比例不合理，使較多的數字文化產業上市公司的技術創新效率未能達到有效狀態。從產出角度來看，有26家公司存在有效發明專利數量不足的問題，12家公司實用新型專利不足，說明A股數字文化產業上市公司研發能力和研發水平，都亟待提升。

四、主要結論與對策建議

（一）主要結論

本文通過評價分析A股36家數字文化產業上市公司2015—2016年的創新效率、規模收益、有效性，并在此基礎上，對2016年29家DEA無效的數字文化產業上市公司進行投影分析，得出以下結論：

1.技術創新效率整體較低。2016年技術創新效率比2015年下降28.7%，部分公司創新效率波動較大，綜合效率值在0.3上下波動，效率值很低，說明技術創新能力亟待提高。

2.上市公司研發資源配置不合理。80%左右的數字文化產業上市公司DEA無效，存在不同程度的投入冗余和產出不足，說明資源配置未達到最優，造成資源浪費，研發資源經濟效益未能達到最大化。

3.上市公司技術創新效率差異較大。威創股份、慈文傳媒、漢王科技、中南文化等4家上市公司，連續2年綜合效率有效，表明其具備良好的發展條件，技術創新水平穩定且達到最佳，但其他絕大多數數字文化產業上市公司未能達到連續2年綜合效率有效，并且，不同公司的技術創新效率差異較大。

（二）對策建議

在實證評價基礎上，根據所得研究結論，本文針對我國數字文化產業上市公司技術創新效率存在的主要問題，提出以下幾點政策建議：

表5 2016年數字文化產業上市公司投影分析結果

1.加大研發資金投入。足夠的研發資金是數字文化產業上市公司不斷實現技術創新的前提。上市公司要實現創新效率有效，無論是綜合效率有效還是技術效率有效，都離不開足夠的研發資金投入，研發資金投入不足是導致數字文化產業上市公司創新效率不高的主要因素之一。因此，當前數字文化產業上市公司必須繼續加大研發費用投入力度。

2.合理配置研發資源。加大研發資金投入的同時，還必須對各種創新投入要素進行合理配置。比如，需要優化數字文化產業上市公司研發人員、資金、技術等創新要素的投入比例，增加發明專利、實用新型專利及外觀設計專利的數目，促進投入要素向科技成果轉化，同時上市公司要充分利用專利制度保護知識產權，保證自身產品的市場競爭力和持續發展的后勁，以優質的科技成果為公司創造更多的經濟效益。

3.加大研發人員引進與培養力度。研發人員是數字文化產業上市公司創新的主體，因此，數字文化產業上市公司要完善專業研發人員招聘選拔工作，大力引進公司需要的研發創新人才，同時，還要加強對研發人員創新能力的辨別能力。數字文化產業上市公司內部還要定期開展人才實訓和交流，注重提升研發人員自身素質培養，培養兼具文化內涵、技術水準和創新思維的研發人員。

4.建立有效動態激勵機制。研發人員不同于一般員工，有效的激勵機制是必須的，不僅要給予研發人員物質激勵，例如，年薪制、技術入股、股權激勵等，還要給予一定的精神激勵，例如，各種技術創新大獎，榮譽頭銜等。因此，需要對數字文化產業上市公司研發人員的合理化創新予以獎勵，同時，將其創新成果與績效考核緊密聯系，為研發人員提供一個廣闊的職業發展空間。

5.促進“政產學研用”緊密結合。技術創新效率的提升，離不開“政產學研用”緊密結合。因此，數字文化產業上市公司要加強與政府、科研機構、重點實驗室、重點高校的合作，推動專利技術成果向市場轉化，形成與產業鏈緊密結合的創新鏈，建設以數字文化產業上市公司為主體、產學研用聯合的數字文化產業創新中心，創新與創業結合、孵化與投資結合、線上與線下結合的數字文化雙創服務平臺。

6.充分發揮政府政策引導作用。在我國，政府擁有龐大的科技創新資源，也是技術創新的主要投入主體之一。與此同時，政府還是創新人才、資金和平臺等方面政策的制定者。所以，為了進一步提升數字文化產業上市公司技術創新效率，政府部門一方面要大力為上市公司的創新發展提供資金支持，發揮資金的引導作用；另一方面，政府部門還要大力培養數字文化產業上市公司技術創新所需要的高級人才。同時，為了人盡其用，優化人才資源配置，政府要鼓勵和支持創新人才合理流動，為數字文化產業上市公司技術創新提供人才支撐。