文化制造業的科技金融支持效率及其影響因素研究
——基于長江經濟帶省際面板數據

廖繼勝 劉志虹 鄭也夫

基于2012—2017年長江經濟帶11個省份的面板數據，運用DEA及其擴展模型以及Malmquist指數對文化制造業的科技金融支持效率進行靜態、動態的測度，并利用Tobit模型對其影響因素做回歸分析，發現：（1）技術效率所反映的長江經濟帶文化制造業的科技金融支持效率總體上是DEA無效的，這是由純技術效率和規模效率無效共同導致；（2）Malmquist指數所反映的長江經濟帶文化制造業科技金融支持的全要素生產率整體上呈現負增長，主要原因在于絕大多數省份文化制造業的技術進步滯后；（3）長江經濟帶文化制造業科技金融支持的技術效率尤其是全要素生產率變化存在較為顯著的地區差異；（4）經濟發展水平和產業需求規模對文化制造業的科技金融支持效率產生顯著的負向作用，而金融發展程度和政府支持力度對其具有顯著的正向作用。

一、引言

文化產業①被譽為21世紀的朝陽產業，其發展水平已成為衡量一個國家或地區軟實力的重要標志。2017年《國家“十三五”時期文化發展改革規劃綱要》（以下簡稱《綱要》）明確提出：“圍繞‘一帶一路’建設、京津冀協同發展、長江經濟帶發展等國家戰略，加強重點文化產業帶建設。”其中的長江經濟帶橫貫我國東中西三大區域，覆蓋11個省市，經濟增速持續高于全國平均水平，經濟帶動作用強、輻射范圍廣，在我國發展大局中具有舉足輕重的戰略地位。大力發展文化產業，是長江經濟帶推進產業轉型升級，堅持走生態優先、綠色發展之路的一項重要舉措。《綱要》還提出：“依托國家級文化和科技融合示范基地，加強文化科技企業創新能力建設，提高文化核心技術裝備制造水平。”隨著現代科技的飛速發展，科技創新與文化產業的關聯度越來越高，科技含量在一定程度上決定著文化產業的競爭力。在文化產業的三大類別②中，文化制造業③的R&D活動最多、創新活力最強、科技含量最高。2017年，我國文化制造業實現主營業務收入54300.53億元，占全國文化產業主營業務收入的41.12%。根據主營業務收入來看，文化制造業仍占我國文化產業的最大比重④。促進文化制造業創新發展，不僅對于實現傳統文化產業向現代文化產業的躍升意義重大，也是我國實施制造強國戰略不可或缺的一部分。

實現文化制造業的創新發展，需要強有力的科技金融支持及相應的政策支撐。科技金融是一個具有中國特色的金融業態［1］，主要是指科技企業的整個生命周期中的融資過程，該過程包括融資工具、融資制度、融資政策以及融資服務，融資活動的參與者包括政府、企業、市場、社會中介機構以及其他社會團體［2］。科技金融是政策性金融和商業性金融的有機結合，廣義的科技金融包括政策性金融、商業性金融以及政策性金融與商業性金融相結合三個領域［3］。科技金融是實施科技創新的重要支撐條件，是促進科技成果轉化、催化創新經濟、培育戰略型新興產業的重要舉措。科技金融不僅僅通過融資促進科技企業發展，更通過融資推動科技創新并以此促進社會經濟發展。

但迄今為止，有關文化制造業的研究還較少，大致為以下兩類：一類是在研究文化產業與制造業融合發展問題時論及文化制造業。如蔡旺春和李光明闡述了文化產業與制造業的延伸融合、交叉融合與關聯融合三種類型，尤其是認為關聯融合的方式更為直接，因為它是由于文化產品的生產過程而帶動相關文化載體、文化用品、文化器材、文化產業道具、設備等文化制造業的發展與升級［4］；周錦認為文化產業和制造業之間的邊界日益模糊，并提出了分別以工業旅游、動漫產業園以及工業設計為主要表現形式的文化產業和制造業融合發展模式［5］；顧江和李蘇南認為文化產業利用高滲透性、高影響力和高輻射性，催生出一系列制造業新業態，“文化+制造”的新型業態改變了原有的居民消費方式和消費動力，加速了消費熱點的轉換［6］。國外有些學者就文化對產品創新的影響或在產品生產中的應用展開的研究大體上也可歸為此類，如Jassawalla和Sashittal研究發現，文化在高技術產業新產品開發過程中發揮著重要作用［7］；Peterson和Anand從技術、法律法規、產業結構、組織結構、職業生涯和市場六個方面，對文化在產品生產中的應用進行了研究［8］。另一類是從科技創新、產業集聚等角度對文化制造業進行的一些專門研究，如韓東林等運用DEA-Malmquist指數法對我國中部地區文化制造業的科技創新效率進行了評價和分析［9］；馬立平和鮑鑫利用三個測度指標分析了文化制造業的集聚特征，并采用分位數回歸方法研究了文化制造業集聚水平與綜合技術效率的關系［10］。國內外學者更多關注涵括范圍更大的文化產業，而從科技金融的視角研究文化制造業的文獻尤為缺乏。

有鑒于長江經濟帶的重要戰略地位，以及科技金融支持效率是衡量科技金融對文化制造業發揮支持作用的關鍵性指標，因而本文以長江經濟帶11個省份為研究樣本，以2012—2017年為樣本區間，運用DEA及其擴展模型（超效率模型）以及Malmquist指數對文化制造業的科技金融支持效率分別進行靜態、動態的測度與差異分析，并利用Tobit模型對其影響因素進行回歸分析，以便為長江經濟帶提出相應對策建議提供較為客觀的依據。

二、研究方法與指標選取

（一）DEA方法與投入產出指標選取

1.DEA方法。數據包絡分析（簡稱DEA）方法是根據多項投入指標和多項產出指標對同類型決策單元進行相對有效性評價的非參數方法。由于DEA方法的BCC模型可以分析弱效率或無效率決策單元的成因，并鑒于投入要素的控制易于產出要素的控制，因而本文首先采用投入主導型的BCC模型測度長江經濟帶11個省份文化制造業的科技金融支持效率。并且通過計算DEA有效決策單元的超效率值，對長江經濟帶11個省份的技術效率進行排序，以便更加清楚地了解各省份技術效率存在的差異。

由于DEA方法的BCC模型無法對連續時期進行縱向分析，無法反映決策單元效率變化的情況，因而本文進一步采用基于DEA方法的Malmquist指數模型分析2012—2017年長江經濟帶11個省份文化制造業的科技金融支持效率變化情況。Malmquist指數模型測度的動態效率以及引起變化的因素更有助于查找決策單元的低效率環節，為決策單元的效率優化提供依據。

2.投入產出指標選取及數據說明。效率通常是指投入與產出或成本與收益之間的對比關系。因此，為全面準確地評價長江經濟帶11個省份文化制造業的科技金融支持效率，應從科技金融的投入和產出兩方面選取相應的評價指標。根據指標選取的整體性、客觀性、可測性及簡明性原則，在科技金融的投入指標方面，選取新產品開發經費支出（x1）、R&D經費內部支出（x2）及固定資產投資額（x3）⑤三個指標，這三個指標包括企業資金、銀行貸款、政府資金等科技金融投入資金的使用情況。其中，新產品開發經費支出和R&D經費內部支出是科技創新的重要支撐，固定資產投資額是科技成果轉化和產業化的重要基礎。在科技金融的產出指標方面，選取新產品銷售收入（y1）和專利申請數（y2）兩個指標。其中，專利申請數是科技活動成果的重要反映，新產品銷售收入是科技成果轉化和產業化的重要體現。上述五個指標能夠從投入和產出兩個方面對這11個省份文化制造業的科技金融支持效率進行較為全面和客觀的測度，涵蓋對科技活動的研發、成果轉化和產業化等主要階段的評價，且均為正向指標，各指標的定義如表1所示。

表1 指標的選取與定義

利用SPSS20.0對所選指標進行Pearson相關系數檢驗，結果顯示各省份的投入指標與產出指標間的相關系數均大于0.8，表明兩者之間存在高度相關關系，因此所選取的投入指標與產出指標適用于DEA方法。

就長江經濟帶而言，2017年長江經濟帶11個省份的文化制造業、文化批發零售業、文化服務業分別實現主營業務收入24946.72億元、14620.09億元、24299.50億元，各占文化產業主營業務收入的39.06%、22.89%、38.05%。其中，規模以上文化制造業企業⑥共實現主營業務收入20640.43億元，占文化制造業主營業務收入的82.74%。就全國而言，2017年我國規模以上文化制造業企業共實現主營業務收入46077.50億元，占文化制造業主營業務收入的84.86%⑦。顯然，根據主營業務收入來看，無論是全國還是長江經濟帶11個省份，文化制造業均占文化產業的最大比重，而規模以上文化制造業企業又占文化制造業的絕大部分比重。

基于以上原因，考慮到數據的可得性，本文對各個投入產出指標的數據用規模以上文化制造業企業的相應數據近似替代，全部數據來源于2013年至2018年的《中國文化及相關產業統計年鑒》⑧。由于科技金融的產出具有一定的滯后性，因此本文選取的產出指標滯后于投入指標一年，選取投入指標的樣本區間為2012—2016年，產出指標的樣本區間為2013—2017年。

（二）Tobit回歸分析與影響因素指標選取

1.Tobit回歸分析。文化制造業的科技金融支持效率受到很多外部不可控因素的影響，考慮到文化制造業科技金融支持的發展特點，本文以經濟發展水平、產業需求規模、金融發展程度、政府支持力度四個影響因素作為解釋變量，以文化制造業的科技金融支持效率作為被解釋變量建立回歸模型。由于被解釋變量的取值范圍下限為0，數值被截斷，為避免出現OLS回歸導致參數估計量有偏且不一致的問題，本文采用如下左歸并的Tobit回歸模型。

其中，yit為被解釋變量，表示第i個省份t時期文化制造業的科技金融支持效率；xit為解釋變量，x1t表示經濟發展水平，x2t表示產業需求規模，x3t表示金融發展程度，x4t表示政府支持力度；βT為模型所要估計的未知參數向量；ui為個體效應；擾動項。

2.影響因素指標選取及數據說明。結合已有文獻研究成果，對于本文Tobit回歸模型中的被解釋變量，采用文化制造業科技金融支持的超效率值進行衡量；對于作為解釋變量的四個影響因素，其衡量指標分別作如下選取：（1）用地區生產總值衡量經濟發展水平，該指標能全面反映一個地區的經濟發展總體水平，而文化消費需求是一種更高層次的需求，它與經濟發展水平與人民生活水平緊密相關；（2）用人均文化娛樂消費支出衡量產業需求規模，該指標能反映人們在文化產品和文化服務方面的支出水平，在一定程度上體現文化產業的需求規模；（3）用金融機構存貸款余額衡量金融發展程度，該指標能作為金融資產的一個窄的衡量指標來揭示中國各地區的金融發展程度［11］，而金融業是文化產業的重要融資渠道；（4）用地方一般公共預算文化體育與傳媒支出占地方財政支出的比重衡量政府支持力度，該指標能大致反映地方政府對文化產業的財政支持力度，而文化產業投資充滿著高風險性，它的發展離不開政府的大力支持。

以上各衡量指標的數據來源于2014—2018年的《中國文化及相關產業統計年鑒》、長江經濟帶11個省份的統計年鑒，其中金融機構存貸款余額、地方一般公共預算文化體育與傳媒支出占地方財政支出的比重兩個指標的數據進行了適當計算。

三、實證結果及分析

（一）效率靜態分析

本文采用DEAP2.1軟件分別計算得出在2012—2013 年、2013—2014 年、2014—2015 年、2015—2016年、2016—2017年五個時期（以下簡稱五個時期）長江經濟帶11個省份文化制造業科技金融支持的技術效率、純技術效率、規模效率以及規模收益狀態，并利用EMS1.3軟件測算得到相應的超效率，在五個時期效率的平均值如表2和圖1所示。由此可以將長江經濟帶11個省份文化制造業科技金融支持的效率情況從靜態上進行總體評價和個體差異分析，從而為其效率提升提供啟示。

1.技術效率和超效率分析。由表2可知，在五個時期，長江經濟帶的技術效率均值為0.779，表明長江經濟帶文化制造業的科技金融支持效率總體上是DEA無效的。從各省份來看，僅有四川的技術效率均值達到1，表明四川文化制造業的科技金融支持效率是DEA有效的；浙江和安徽的技術效率均值都位于〔0.9,1〕之間，接近DEA有效；湖南、重慶和上海的技術效率均值分別為0.894、0.873、0.825，雖然為DEA無效，但卻高于長江經濟帶的技術效率均值。此外，貴州、江西、江蘇、云南和湖北的技術效率均值均低于長江經濟帶的技術效率平均水平，處于DEA無效的區間。

表2 2012—2017年長江經濟帶11個省份文化制造業的科技金融支持效率平均值

根據表2中的超效率及其排名作進一步分析，排名前六位的省份依次為貴州、四川、浙江、重慶、安徽和湖南，這六個省份超效率均值都高于長江經濟帶0.992的超效率平均水平。除浙江位于東部地區外，其余五個省份都位于中西部地區，反映出擁有豐富文化資源和良好生態的中西部地區省份發展文化制造業具有后發優勢。其中，貴州是六個省份中唯一的技術效率均值低于長江經濟帶平均水平的省份，但是其超效率均值卻排名第一，上述反差尤其表現在貴州各個時期的超效率值的劇烈起伏上⑨。這可能是由于近年來貴州大力推進多彩貴州民族特色文化強省戰略,著力將文化產業作為新興產業培育的成效顯著，其文化制造業發展勢頭強勁，以電視機制造、包裝印刷、鞭炮焰火生產、雕塑為重點的文化制造業已成為全省規模以上文化產業的主體，同時又由于貴州文化產業發展的經濟基礎薄弱，仍受到文化產業固定資產投資、研發經費投入等總量不足的瓶頸制約，使得其文化制造業發展的穩定性和持續性還較為欠缺。四川、浙江、重慶、安徽和湖南五省市，其高于長江經濟帶平均水平的超效率和技術效率離不開各自對文化制造業乃至文化產業發展的大力推動，對豐富文化資源的有效開發利用，以及對科技金融投入產出保持較為合理的規模。而江西、上海、江蘇、云南和湖北的超效率均值分別為0.863、0.856、0.626、0.535和0.405，皆低于長江經濟帶的超效率平均水平，尤其是江蘇、云南和湖北的超效率均值，在長江經濟帶中不僅排名靠后且分值較低，表明這三個省份在文化制造業領域提升合理配置科技金融資源的能力和管理水平上面臨相對更大的緊迫性。江蘇文化制造業科技金融的投入產出規模在長江經濟帶11個省份中是最大的，但從“文化+制造業”上看，江蘇文化大省與制造業大省優勢沒有得到很好聚合，沒有真正融入制造業轉型升級的大循環中；云南以“金、木、土、石、布”為核心的特色文化產業增加值雖已占相當比重，但與其他九大業態尚未形成齊頭并進、多元發展的局面；湖北還存在文化產業市場主體不多不強、規模不大、發展不平衡不充分等突出問題,與其在全國的經濟地位及文化大省的地位不相適應。此外，江西文化裝備生產、文化消費終端生產等發展態勢較好，但發展平臺仍然薄弱，文化資源的轉化任務依然較重；上海的文化制造業在文化產業中的比重偏低，并且在文化制造業科技金融的投入產出規模上，上海遠低于同屬于東部地區的江蘇和浙江，甚至還趕不上西部地區的四川，與其強大的經濟、金融實力和文化產業規模顯得不太相稱。

2.純技術效率和規模效率分析。技術效率受純技術效率和規模效率的共同影響，技術效率的無效是由純技術效率或規模效率的無效引起的。由表2可知，從純技術效率來看，在五個時期，長江經濟帶的純技術效率均值為0.886，表明在既定的技術水平與科技金融投入規模下，長江經濟帶文化制造業總體上科技金融資源尚未實現優化組合和有效配置，科技金融要素利用程度還未達到最優狀態。從各省份分別來看，江蘇、浙江、四川和貴州四個省份的純技術效率均值都為1，表明這四個省份文化制造業的科技金融資源配置和要素利用均相對有效；安徽、湖南和重慶的純技術效率均值都位于〔0.9,1〕之間，接近DEA有效，表明這三個省份文化制造業的科技金融資源配置和要素利用也相對較為理想。純技術效率均值都高于長江經濟帶平均水平的這七個省份，能夠較為有效地利用各種文化資源，將本地文化資源較好地進行產業化開發。江蘇的地域特色文化產業轉型成效明顯，蘇州絲綢、南京云錦、宜興紫砂等走向時尚化、國際化；浙江以桐廬分水制筆業等為代表的文化制造業，在全國的優勢地位突出；四川堅持以藏、羌、彝民族文化資源的產業轉化為基礎，加快資源整合，合理空間布局，打造各具特色、相互補充、相互融合的民族文化品牌；貴州利用紅色文化、白酒文化、少數民族文化、三線文化等多種文化資源，圍繞大數據、大旅游、大扶貧，通過一系列文化產業項目帶動地區經濟大發展；安徽深入挖掘淮河文化、皖江文化和徽州文化等豐厚的文化資源，優化文化要素供給，文化制造業主導地位突出；湖南文化產業以資源轉化和產業整合為重點，醴陵陶瓷、長沙湘繡、瀏陽煙花爆竹等地方特色文化制造業運行態勢良好，支撐作用強勁；重慶整合巴渝文化、開埠文化、抗戰文化等各種資源，尋求優勢，打造獨具特色的文化產業品牌。而江西、上海、云南和湖北的純技術效率均值各為0.852、0.840、0.708、0.496，均低于長江經濟帶的純技術效率平均水平，特別是云南和湖北的純技術效率均值，在長江經濟帶中不僅排名靠后且差距相對較大，表明這兩個省份文化制造業的科技金融資源配置效率和要素利用程度亟待提高。江西、云南和湖北三個省份的文化資源同樣十分豐富，但其文化資源優勢尚未充分轉化為現實的產業優勢，在文化資源的創造性轉化和創新性發展方面顯得相對薄弱。上海則存在資金、技術、人才、管理等優勢尚未轉化為科技金融支持的效率優勢的問題。

從規模效率來看，在五個時期長江經濟帶的規模效率均值為0.878，表明在既定的技術水平下，長江經濟帶文化制造業的科技金融支持總體而言是規模無效的，科技金融投入規模還不夠合理，尚未與科技金融產出實現最優匹配。從各省份分別來看，只有四川的規模效率均值達到1，表明四川文化制造業的科技金融支持是規模有效的，這與四川加快建設文化強省，通過國家和省級文化產業扶持政策引導，使得文化產業對社會資本的集聚作用明顯增強，固定資產投資快速增長，文化產業投資比重逐年提高有較大的關系；上海、浙江、安徽、湖南和重慶的規模效率均值都在〔0.9,1〕之間，接近規模有效，主要原因可能在于這五個省份在文化產業轉型升級的要求下，更加重視文化新業態和新商業模式的培育和發展，從而促進了規模效率的提高；而江西、湖北、云南、貴州和江蘇的規模效率均值分別為0.856、0.809、0.791、0.738和0.626，均低于長江經濟帶的規模效率平均水平，處于規模無效的區間。中西部地區的江西、湖北、云南和貴州四個省份，其文化制造業發展普遍存在融資困難、渠道單一、投入不足等問題，因而有礙于科技金融投入規模的擴大，從而不利于規模效率的提升。東部地區的江蘇則面臨工藝美術生產、文化用品制造等傳統文化產業產能過剩、效益下滑等問題，因而影響了科技金融產出的增加，同樣導致了規模效率的降低。

進一步從2016—2017年的規模收益情況看，除浙江、安徽、江西、四川和貴州的規模收益呈不變狀態以外，上海、江蘇和湖南的規模收益呈遞減狀態，表明其科技金融投入規模擴大的比率大于科技金融產出增加的比率，科技金融產出有待增加；湖北、重慶和云南的規模收益呈遞增狀態，表明其科技金融投入規模擴大的比率小于科技金融產出增加的比率，科技金融投入規模尚需加大。綜合比較看，江蘇、湖北和云南在提升規模效率上面臨相對更大的緊迫性。

因此，從長江經濟帶的技術效率均值、純技術效率均值和規模效率均值的對比看，長江經濟帶總體上的技術效率無效顯然是由純技術效率和規模效率均無效共同導致的，尤其是后者的制約作用相對更大一些。由圖1可見，長江經濟帶在各個時期的各種效率均值都呈現先上升后下降再上升的N型波動，尤其是2014—2015年以后更是同跌同漲，更加直觀地反映出純技術效率和規模效率對長江經濟帶技術效率的影響關系。純技術效率無效的原因可能主要在于，長江經濟帶文化制造業領域由市場決定科技金融資源配置的機制總體來說尚未完全培育成熟，銀行資金、社會資金等科技金融資源未能充分參與文化制造業科技創新活動；而規模效率無效的原因可能是，隨著近年來我國文化產業的快速發展，人們對文化制造業產品的消費需求也不斷變化升級，然而長江經濟帶整體上尚未實現文化制造業產品的有效供給，未能充分適應和匹配新的市場需求，或者文化制造業所需的研發、新產品開發等資金還存在缺口。

（二）效率動態分析

根據Malmquist指數的測算方法，本文采用五個時期的連續數據，利用DEAP2.1軟件得出2012—2017年長江經濟帶11個省份Malmquist指數平均值及其分解值（即技術效率變化指數和技術變化指數），結果如表3和圖2所示。由此可以將長江經濟帶11個省份文化制造業科技金融支持的效率情況從動態上進行總體評價和個體差異分析，從而為其效率提升進一步提供依據。

當Malmquist指數小于1時，表明從t時期到t+1時期發生了全要素生產率的負增長。由表3可知，在五個時期，長江經濟帶的Malmquist指數平均值為0.944，表明長江經濟帶的全要素生產率呈現負增長，即文化制造業科技金融支持的全要素生產率整體上呈下降態勢。從各省份分別來看，湖北、江西、云南、貴州、四川、上海和浙江的Malmquist指數平均值分別為1.167、1.064、1.064、1.026、1.022、0.984和0.972，均高于長江經濟帶的Malmquist指數平均水平。尤其是作為中西部地區省份的湖北、江西、云南、貴州和四川，其Malmquist指數平均值都大于1，排名長江經濟帶前五位，增長幅度分別為16.7%、6.4%、6.4%、2.6%、2.2%，表明這五個省份的全要素生產率均呈現正增長，即文化制造業科技金融支持的全要素生產率都趨于上升，主要原因可能是這五個省份在文化強省戰略的推動下，文化產業取得了快速發展，文化投資和消費水平也隨之提高，反過來又促進了文化制造業的進一步發展，從而帶來了全要素生產率的提高。而江蘇、安徽、湖南和重慶的Malmquist指數平均值分別為0.921、0.872、0.726和0.687，皆低于長江經濟帶的Malmquist指數平均水平，表明這四個省份的全要素生產率均呈現負增長。特別是同樣屬于中西部地區省份的安徽、湖南和重慶，其Malmquist指數平均值卻排名長江經濟帶后三位，主要原因可能在于這三個省份的文化產業逐漸從初級階段進入到轉型升級的發展時期，文化產品創新能力不夠強、科技含量不夠高等深層次問題愈發顯現出來，成為制約其文化制造業乃至文化產業持續發展的重要因素，相應地也影響了全要素生產率的提升。至于東部地區的上海、浙江和江蘇，雖然為長江經濟帶文化產業規模最大的三個文化大省，但同樣面臨上述問題的挑戰。結合前文所做的技術效率分析，可見長江經濟帶文化制造業科技金融支持的技術效率尤其是全要素生產率變化存在較為顯著的地區差異：技術效率較低的湖北、江西、云南和貴州的全要素生產率已表現出提升勢頭，而技術效率較高的安徽、湖南和重慶反而出現比較明顯的全要素生產率下降的趨勢。

表3 2012—2017年長江經濟帶11個省份的Malmquist指數平均值及其分解

由于Malmquist指數可分解為技術效率變化指數和技術變化指數，因此從指數分解來看，長江經濟帶在五個時期的技術效率變化指數均值和技術變化指數均值分別為1.084、0.871。從技術效率變化指數看，除湖南和重慶外，其余9個省份的技術效率變化指數均值都大于1，包括長江經濟帶的所有東部地區省份。湖南和重慶的技術效率呈現負增長與其文化產業增速放緩密切相關，湖南文化產業增加值在“十二五”初期邁過千億元大關后增速放緩，重慶文化產業也面臨提速發展的現實要求。從技術變化指數看，僅有四川的技術變化指數均值大于1，這得益于近年來四川堅定實施創新驅動發展戰略，全面提升自主創新能力，文化與科技融合發展，文化企業科技含量逐年提升。可見，長江經濟帶文化制造業科技金融支持的全要素生產率負增長主要是由于絕大多數省份文化制造業的技術進步滯后，反映出長江經濟帶在文化制造業領域科技創新還不足、技術水平仍不高，亟須穩步加強科技創新和提升技術水平。由圖2可見，長江經濟帶在各個變化時期的Malmquist指數平均值呈倒N型波動，特別是2013—2015年以后的年份，與呈倒V型走勢的技術變化指數均值頗為相似，而其余各效率變化指數均值大致呈正V型變動，更加直觀地反映出技術進步滯后對長江經濟帶全要素生產率負增長的影響關系。科技創新不足和技術水平不高的原因主要在于文化制造業集中了較多采用傳統技術的子行業，因而現代科技尚未實現大范圍覆蓋，文化制造業產品科技含量不高。與此同時，技術效率變化對全要素生產率產生了正向的推進作用，反映出長江經濟帶在文化制造業領域合理配置科技金融資源的能力和管理水平總體上呈上升趨勢，但對于全要素生產率的影響尚未發揮主導作用。

由于技術效率變化指數是純技術效率變化指數和規模效率變化指數的乘積，因此進一步從技術效率變化指數分解來看，長江經濟帶的純技術效率變化指數均值和規模效率變化指數均值分別為1.048、1.035，表明長江經濟帶文化制造業的科技金融資源配置效率和要素利用程度總體上趨于上升，同時要素投入規模的合理化程度總體而言也正在提高。顯然，長江經濟帶的技術效率正增長是由純技術效率和規模效率的正增長共同貢獻的，且前者的貢獻稍大。與靜態效率的有關分析相對應，純技術效率正增長可能主要由于長江經濟帶文化制造業領域總體來說由市場決定科技金融資源配置的機制愈發完善，各類科技金融資源參與文化制造業科技創新活動的程度越來越深；而規模效率正增長則可能是因為長江經濟帶整體上文化制造業產品的有效供給正在增強，能更好地適應和匹配不斷變化升級的市場需求，或者文化制造業投入資金的缺口問題正得到改善。

（三）文化制造業科技金融支持效率的影響因素分析

為了消除量綱不同和數量級的差異所帶來的影響，基于2013—2017年長江經濟帶11個省份的面板數據，先對自變量的原始數據進行標準化處理。然后運用Stata14.0軟件對文化制造業科技金融支持效率的影響因素進行Tobit回歸，結果如表4所示。

表4 Tobit回歸結果

首先，經濟發展水平對文化制造業科技金融支持效率的影響系數為-0.4160468，t值為-2.40，在5%的顯著性水平下顯著，表明經濟發展水平與科技金融支持效率呈負相關。這可能是由于高經濟發展水平帶來的資金、技術、人才、管理等優勢尚未轉化為科技金融支持的效率優勢，而對于經濟發展水平相對較低的中西部地區省份而言，仍可以豐富的文化資源和良好的生態為基礎并發揮后發優勢，獲得較高水平和較快增長速度的科技金融支持效率，甚至超越經濟發展水平高的東部地區省份。

其次，產業需求規模對文化制造業科技金融支持效率的影響系數為-0.2363901，t值為-3.05，在1%的顯著性水平下顯著，表明產業需求規模與科技金融支持效率也呈負相關，可能的原因是隨著文化產業需求規模的不斷擴大，文化消費需求愈發個性化、多元化，然而文化制造業的有效供給仍然不足，尚未充分滿足日益變化升級的文化消費需求，從而相應地減少了科技金融產出并導致科技金融支持效率的降低。從2016—2017年上海、江蘇兩個東部發達地區的規模收益卻呈現遞減看，上述解釋能在一定程度上得到印證。

再次，金融發展程度對文化制造業科技金融支持效率的影響系數為0.4106406，t值為2.00，在10%的顯著性水平下顯著，表明金融發展程度與科技金融支持效率呈正相關，原因可能在于金融發展程度越高，金融機構和金融工具的種類、數量越多，就愈有可能為文化制造業提供更多的融資資源，從而愈加有利于增加科技金融產出。雖然從實踐看，文化制造業科技金融投入中企業自籌資金往往占最大比重，但來自于銀行等金融機構的資金對文化制造業正發揮越來越重要的支持作用。

最后，政府支持力度對文化制造業科技金融支持效率的影響系數為0.0917179，t值為1.74，同樣在10%的顯著性水平下是顯著的，表明政府支持力度與科技金融支持效率也呈正相關，其中的原因可能是政府對于文化產業的支持力度越大，財政資金進入文化產業領域并轉化為科技金融投入越多，對文化制造業的研發和科技金融產出的支持作用就越強。財政資金對文化制造業的科技金融支持主要是起引導扶持作用，隨著各省份對文化產業的政府支持力度不斷加大，財政資金對于科技金融支持效率的提升效應已逐漸顯現出來。

四、結論與建議

從技術效率的靜態分析可知，在2012—2017年間長江經濟帶文化制造業的科技金融支持效率總體上是DEA無效的，這是由純技術效率和規模效率均無效共同導致，尤其是后者的制約作用相對更大一些，反映出長江經濟帶文化制造業總體而言不僅科技金融資源尚未實現優化組合和有效配置，科技金融要素利用程度還未達到最優狀態，而且科技金融投入規模也不夠合理，尚未與科技金融產出實現最優匹配。

從Malmquist指數的動態分析可知，在2012—2017年間長江經濟帶文化制造業科技金融支持的全要素生產率整體上呈現負增長，這主要是由長江經濟帶絕大多數省份文化制造業的技術進步滯后所導致，而技術效率變化對全要素生產率產生了正向的推進作用，但尚未發揮主導作用。長江經濟帶的技術效率正增長是由純技術效率和規模效率的正增長共同貢獻，且前者的貢獻稍大一些。

由效率的靜態分析和動態分析可見，長江經濟帶文化制造業科技金融支持的技術效率尤其是全要素生產率變化存在較為顯著的地區差異，其中東部地區省份相對居中，而中西部地區省份大致處于兩端，效率差異更為明顯。效率地區差異的存在反映出加強長江經濟帶區域協調合作的必要性。

經濟發展水平和產業需求規模對文化制造業的科技金融支持效率產生顯著的負向作用，而金融發展程度和政府支持力度對其具有顯著的正向作用。若僅從各自變量系數的絕對值大小看，則經濟發展水平和金融發展程度對科技金融支持效率的影響程度相對更大；若僅根據是否呈正向作用考慮，顯然金融發展程度和政府支持力度是提高科技金融支持效率的兩個主要影響因素。

上述研究結論表明，長江經濟帶在文化制造業發展的科技金融支持過程中，仍存在規模效率水平不高、技術進步滯后、區域效率失衡等突出問題。針對這些問題，并結合科技金融支持效率的影響因素分析所提供的啟示，本文提出建議如下。

一是加大文化制造業供給側結構性改革力度，不斷增強產業有效供給。研究表明，為提高長江經濟帶文化制造業的科技金融支持效率，特別需要從提升規模效率入手加以改進，以實現科技金融投入規模與科技金融產出的最優匹配。而提升規模效率的一個重要著力點，就是要增強文化制造業產品的有效供給。為此，長江經濟帶應切實加大文化制造業供給側結構性改革力度，完善科技創新人才激勵機制，通過技術和產品創新形成更高品質且更具吸引力的文化制造業產品的有效供給，在日漸注重更高層次精神追求和情感體驗的文化消費市場中，不僅積極適應消費、滿足需求，而且主動引導消費、創造需求。

二是加強文化制造業科技創新和成果轉化，促進科技與產業深度融合。研究表明，技術進步發展滯后，是長江經濟帶絕大多數省份文化制造業科技金融支持過程中的一個薄弱環節。為提高長江經濟帶文化制造業科技金融支持的全要素生產率，應重視以數字技術、信息技術和網絡技術為代表的現代科技在文化制造業領域的應用，不僅要加大文化制造業科技創新投入，加強對各類文化制造業研發機構的扶持力度，而且要強化文化制造業科技創新成果的轉化和產業化，充分釋放以高校和科研院所為主體的知識創新體系所蘊藏的巨大潛力，促進科技與文化制造業的深度融合，推動文化制造業提高應用先進工藝、技術和裝備的能力，使其培育出更多具有自主知識產權的高新技術文化制造業產品。

三是強化區域協調合作，實現優勢互補和互利共贏。研究表明，區域效率失衡顯然不利于形成合力實現整體推進，從而制約長江文化產業帶的建設和發展。為共同打造長江文化產業帶，長江經濟帶各省份應自覺樹立“一盤棋”的發展理念，無論經濟發展水平高低，切實推動和加強區域協作，提升長江經濟帶文化制造業發展的系統性和協調性，提高區域內資源配置效率和要素利用程度，不僅充分發揮東部地區省份的資金、技術、人才、管理等優勢，同時也充分利用好中西部地區省份的文化資源、生態等優勢，促進長江經濟帶文化制造業實現東中西部優勢互補、互動合作以及互利共贏，使區域文化制造業的科技金融支持效率得到整體提升，從而促進長江文化產業帶的建設，更好地發揮長江經濟帶的經濟帶動和輻射作用。

四是加快推進金融服務創新，著力提升金融發展水平。研究表明，金融發展程度是提高文化制造業科技金融支持效率的一個關鍵影響因素。強大的資本保障，有利于創造出高技術和高品質的文化制造業產品，因而文化制造業高質量發展迫切需要金融機構的大力支持。雖然目前長江經濟帶科技金融資源主要來源于文化制造業企業的自籌資金，但從產業長遠發展的需求看，需要不斷拓寬科技金融的資金來源渠道，在繼續重視政府財政資金投入的同時，特別需要大力開拓各類金融機構的融資新渠道。為此，應大力推動金融機構尤其是銀行業金融機構與文化制造業企業的合作，通過其信貸產品、業務流程、融資形式等多方面的金融服務創新，著力提升金融發展水平，切實增強對長江經濟帶文化制造業發展的支持作用。

注釋：

①2018年5月，國家統計局、中宣部聯合發出《關于加強和規范文化產業統計工作的通知》（國統字〔2018〕58號），要求各地區“繼續統一使用文化產業概念”。但實際上，上述文化產業是文化及相關產業的簡稱，它是指為社會公眾提供文化產品和文化相關產品的生產活動的集合，《文化及相關產業分類（2018）》仍繼續沿用這一定義。因此，本文中的文化產業即指文化及相關產業。

②按照行業分類，文化產業可分為文化制造業、文化批發零售業以及文化服務業。

③根據《中國文化及相關產業統計年鑒—2017》的分類，文化制造業包括以下16個子行業：工藝美術品的制造；園林、陳設藝術及其他陶瓷制品制造；印刷復制服務；辦公用品的制造；樂器的制造；玩具的制造；游藝器材及娛樂用品的制造；視聽設備的制造；焰火、鞭炮產品制造；文化用紙的制造；文化用油墨顏料的制造；文化用化學品的制造；其他文化用品的制造；印刷專用設備的制造；廣播電視電影專用設備的制造；其他文化專用設備的制造。

④2017年我國文化批發零售業、文化服務業分別實現主營業務收入27502.47億元、50251.47億元，各占全國文化產業主營業務收入的20.83%、38.05%。這些數據均依據《中國文化及相關產業統計年鑒—2018》的相關統計計算得出。

⑤根據歷年《中國文化及相關產業統計年鑒》的統計，文化及相關產業固定資產投資的資金來源按規模由大到小依次為自籌資金、國內貸款、國家預算資金、其他資金、利用外資，但該年鑒未統計文化及相關產業新產品開發經費支出、R&D經費內部支出的資金來源。參考近幾年《中國科技統計年鑒》的統計，企業或規模以上工業企業R&D經費內部支出的資金來源按規模由大到小依次為企業資金、政府資金、其他資金、國外資金。

⑥根據《中國文化及相關產業統計年鑒—2018》的解釋，規模以上文化制造業企業是指《文化及相關產業分類（2012）》所規定行業范圍內，年主營業務收入在2000萬元及以上的工業企業法人。

⑦除規模以上文化制造業企業的主營業務收入數據外，全國及長江經濟帶的其余數據均依據《中國文化及相關產業統計年鑒—2018》的相關統計計算得出。

⑧全面反映我國文化產業發展情況的權威統計資料主要是自2013年起每年出版發行的《中國文化及相關產業統計年鑒》，故本文研究的樣本時期以2012年為起點。

⑨根據實證結果，貴州在五個時期的超效率值分別為0.453、3.378、0.238、2.967、1.027，在長江經濟帶11個省份中分別排第9、1、11、1、5名。