我國文化產業發展效率研究

摘 要：通過DEA模型中BCC模型與Malmquist模型分析相結合的研究方法對2013年-2020年我國文化產業效率進行實證研究，并根據其指標和分解指數變動情況分析影響效率變化的主要因素。結果表明：我國文化產業效率整體呈下降態勢且存在較為明顯的地區差異：由東、中、西向東北逐漸遞減，通過對全要素生產率指標進行分解，研究影響文化產業效率增長的驅動因素，進而提出相應對策。

關鍵詞：文化產業效率；文化產業全要素生產率；BCC模型；Malmqusit生產率指數

中圖分類號：F061.5

文獻標識碼：A

doi：10.3969/j.issn.1672-2272.202209121

Research on Development Efficiency of Chinese Cultural Industry

——Based on DEA-Malmqusit Model

Zhang Su，Yang Min

（School of Economics and Management，Changchun University of Science and Technology，Changchun 130000，China）

Abstract：By combining BCC model and Malmquist model analysis in DEA model， this paper makes an empirical study on the efficiency change of Chinese cultural industry from 2013 to 2020， and analyzes the main factors affecting the efficiency change according to the change of its index and decomposition index. The results show that the efficiency of cultural industry in our country shows a decreasing trend and there is a significant regional difference： decreasing gradually from the east， middle， west to northeast. Through studying the driving factors affecting the growth of the efficiency of cultural industry by analyzing the index， and then putting forward the corresponding countermeasures.

Key Words：Cultural Industry Efficiency；Total Factor Productivity of Cultural Industry； BCC Model；Malmqusit Productivity Index

0 引言

文化產業作為國民經濟的戰略性支柱產業，對于經濟發展的促進作用日益顯著^[1]。我國文化及相關產業增加值由2013年的21 870億元增加到2020年的44 945億元，占國內生產總值的比重也由3.69%增長到4.43%。在當前經濟高質量發展的時代背景下，文化產業的發展也由數量增長層面躍升到品質提升層面。文化產業高速發展既要注重品質，又要考慮效率；既要通過結合新鮮元素創新產出高品質的文化產品，又要加強文化產業效率的提升，加快資源在不同區域間的流動，通過優化資源配置，促進區域間產業協同發展。促進文化產業高質量發展的關鍵在于緊抓文化產業效率的提升。因此，要充分認識當前我國不同層面文化產業的發展態勢，厘清制約其效率提升的主要因素并提出建議，才能更快地推動文化產業高質量發展。

1 文獻綜述

隨著經濟高質量發展建設的推進，文化產業也愈發強調高質量、高效率發展，與其相關的研究也愈發被重視。關于文化產業效率的研究，當前國內外學者多采用DEA和SFA兩種方法^[2]，我國學者對于文化產業效率的研究多數使用DEA模型。項志華^[3]在對2015年22個省市文化產業效率的研究中將博弈交叉思維加入傳統研究文化產業效率的DEA模型中；周世新等^[4]采用DEA模型及SFA模型對江西省2019年文化產業投入產出效率進行了研究；楊曉琳^[5]采用三階段DEA模型，并結合超效率模型定量分析了2004年我國省級層面文化產業效率發展情況；部分學者還選取能夠考慮投入和產出松弛變量的SBM研究方法，比如雷宏振和李蕓^[6]采用Super-SBM研究方法實證研究了2013-2017年我國31個省份的文化產業發展效率。

綜合來看，當前對于文化產業效率研究的觀測時間窗口較小，未能充分反映其動態變化趨勢；其次在研究方法上重在使用傳統的DEA或SFA方法，其局限性可能導致文化產業效率的測算結果與現實有較大偏差。因此本文基于前人研究基礎，通過使用DEA-BBC和 Malmquist指數的研究方法對2013-2020年我國文化產業效率進行研究。

2 研究方法

2.1 DEA模型

DEA方法是由Charnes等^[7]美國運籌學家在1978年提出，它包括CCR和BCC兩部分，但兩者的側重點有所不同；前者側重于規模報酬不變，后者更傾向于規模報酬可變。將綜合技術效率指標TE進行分解，即TE=PTE×SE，PTE表示純技術效率，SE表示規模效率。DAE模型適用于以多投入多產出為特點的文化產業效率研究，由于模型受到量綱的約束較小，其可使用的指標數據較多。

由于文化產業具有產出水平較為穩定、短期內變化浮動較小、投入可實施性較大的特點，其借助投入優化的方式更容易提升其效率，因此本文使用DEA模型中的BCC模型。該模型不僅以可有效評價決策單元，還可借助技術效率分解的形式探究致使DEA無效的內在緣由。公式如下：

其中，X_j=（x_1j，x_2j，···x_mj）^T，Y_j=（y_1j，y_2j，···y_mj）^T。x_ij代表第j個單元的第i個要素投入量，y_rj代表第j個單元的第r種產出量，λ代表權重系數。

2.2 Malmqusit生產率指數

為更進一步探究我國文化產業效率在不同階段的動態變化，本文采用Malmqusit生產率指數分析產業全要素生產率，借助其分解的技術效率和技術進步變動狀況，發現影響我國文化產業全要素生產率變動的驅動因子。

基于產出視角，t及t+1期的Malmquist指數變化的公式如下：

根據Fisher所提出的理想指數觀點，綜合生產率可視為上述二者的幾何平均：

其中X^t及X^t+1分別代表t、t+1階段的投入量，Y^t及Y^t+1分別代表t、t+1階段的產出量，D₀^t 及D₀^t+1分別代表t、t+1階段的技術。

由此可知投入導向型的Malmqusit生產效率指數（TFP）即為：

其中TFP表示產業全要素生產率在t期過渡到t+1期變動幅度的指標，當其值大于1時，表明生產率變化幅度呈上升趨勢；當其值等于1時，表明生產率呈穩定趨勢；其數值小于1時，表明生產率呈下降趨勢。

為深入分析影響生產率增長的原因，對全要素生產率指標進行分解。在規模報酬不變的條件下，將TFPch轉化為TEch與TPch二者的乘積，即

在規模報酬可變的前提條件下，TEch又可轉化為PEch與SEch的乘積，即

3 指標選取與數據來源

3.1 指標選取

根據DEA-Malmquist模型可知，測算我國文化產業效率需有投入和產出兩類指標。根據數據選取的可得性、科學性及合理性等原則，本文將確定投入指標中能反映勞動力投入的文化從業人數視為人力投入量；文化產業總資產代表其所擁有的資源，反映其所能投入的資本量；文化事業費表示政府在文化產業層面的相關投資；由于文化企業法人單位數部分年限缺失，故本文選取文化、體育和娛樂法人單位數來反映文化產業規模。

產出指標中文化產業的產出水平主要體現在經濟效應方面，一般通過文化產業增加值來表示，但由于其年份數據的大量缺失，故選取文化產業營業收入來替代。由于文化產業既有經濟特性，又有社會特性，因此提高社會公眾對文化產品的消費力度有利于人文素質提升，故選取人均文化娛樂支出作為衡量指標；文物文化機構通常具備較強的社會屬性，因此本文將圖書館、藝術館、博物館等參與文化及相關活動人次作為反映社會效應的又一大指標。

3.2 數據來源

本文數據主要來源于2014-2021年《中國文化及相關產業統計年鑒》《中國統計年鑒》，部分指標數據并不能在年鑒中直接獲取到，如文化產業從業人員數等指標均由文化制造業、服務及批發零售業三大領域總和所得。

4 我國文化產業發展效率的實證分析

4.1 文化產業發展效率分析

基于整體區域研究視角，利用DEAP 2.1軟件分析我國文化產業TE、PTE以及SE三大指標在2013—2020年期間整體的變動情況。

從圖1可知，除2013年SE大幅下降，2014-2020年我國文化產業TE、PTE和SE的變動趨于一致，呈“上升-下降-上升”的動態發展態勢。TE值較低，平均為0.829，PTE均值為0.871，SE均值為0.953，這在一定程度上反映出我國文化產業綜合效率整體呈下降趨勢，純技術效率對其阻礙綜合效率增長的影響更大。這一時期我國經濟快速發展，人力及資本投入也不斷上漲，但數字信息技術與文化產業融合創新深度仍然欠缺，技術轉化效果并不理想。同時投入的資源未能充分利用，進而阻礙了我國文化產業綜合效率。

為了更為深入研究我國文化產業的整體發展態勢，本文將從東、中、西及東北4個層面分析我國文化產業發展效率。從表2的測算結果可知，文化產業效率均值最高的為東部地區，而東北地區則最低，整體發展態勢呈現出由東、中、西向東北地區逐漸遞減趨勢。其中東部和中部區域的文化產業效率均值高于全國水平，整體呈上升趨勢；其它區域的文化產業效率均值皆低于全國平均水平，說明存在著較大的提升空間，東北區域的差距較為顯著。

4.2 文化產業全要素生產率分析

從全國視角出發，研究整體區域的全要素生產率，不僅可從時間維度分析其變動狀況，還可從其分解指標的變動幅度上，更為直觀地分析影響其變動幅度較大的因素。技術效率指數高低一定程度映射著管理水平的高低，技術進步指數的高低則可視為衡量技術進步的一大重要因素，探究其變化原因可提出相對應的解決措施。

從表3可知，2013-2020年，我國文化產業全要素生產率指數為0.924，年均降低7.6%，表明文化產業全要素生產率整體呈下降趨勢。為了更加細致地研究導致全要素生產率變化的原因，需要對2013-2020年間文化的Malmquist指數值進行分解，表3是各年份Malmquist指數值的分解情況。

首先，全要素生產率可轉化為技術效率和技術進步。在2013-2020年期間，只有2013-2014、2015-2016以及2017-2018這3個階段的技術效率值小于1，其余階段的技術效率值皆大于1 ，整體來說技術效率發展大于1，也就是說技術效率不斷提高。而技術進步只有在2013-2014以及2017-2018這兩大階段數值大于1，其余階段技術進步進程緩慢。因此，在提高我國文化產業效率的過程中，技術效率提高起到正向的促進作用，而技術衰退則起著負向的阻礙作用。

其次，技術效率可轉換為純技術效率和規模效率。由表3可知，2013-2020年文化產業技術效率從0.856增長到1.002。純技術效率變化指數均值為0.993，小于1，說明在規模效率不變的情況下，純技術效率可能會成為技術效率增長的一大阻礙因素，進而影響全要素生產率的增長。

從表4可知，東、中、西及東北部地區的全要素生產率指數分別為0.958、0.934、0.920及0.946，由此可知，文化產業投入效率趨于下降，西部區域的下降浮動最為顯著，說明其發展呈衰退趨勢。

除此之外，基于全要素生產率指數分解可知，東、中、西及東北地區技術效率皆大于1，而技術進步皆小于1，這反映了技術進步程度的削弱是影響四大區域文化產業全要素生產率下降的主要原因。中部地區文化產業純技術效率均值小于1，可見需要不斷優化管理技術層面的生產效率及方法，加強要素配置結構優化，進而實現產業資源優化配置。

5 結論與建議

5.1 研究結論

本文以2013-2020年我國31個省市區的文化產業為研究對象，通過將DEA-BCC模型及Malmquist指數靜、動態相結合，研究了文化產業效率及全要素生產率，并通過分解指標變動情況來分析阻礙其增長的主要因素，結論如下：我國文化產業效率均值為0.829，反映其整體呈下降態勢；文化產業效率存在顯著的地區差異，呈現由東、中、西及東北逐漸遞減趨勢；我國文化產業全要素生產率整體呈下降趨勢，主要原因是技術進步程度與文化產業發展需求不匹配。

5.2 對策建議

基于以上結論，本文提出如下建議：一是要按照區域文化全要素生產率變動特性，結合各地區文化發展所需，通過發展當地特色文化產業，提高文化產業的集聚程度，使資源充分流動從而得以合理配置。要通過提升技術水平進而拉動全要素生產率增長。二是要加快產業創新力度，提高數字技術與文化產業的融合發展。要將文化與科學技術創新融合，重點扶持文化與科技融合項目；同時要提升各類文化企業與高校研究院的聯動，打造文化產業技術發展聯盟，加快產業技術成果轉化。三是要立足于地區傳統特色及其發展潛力，將新鮮元素注入文化產業發展中，從而推動文化產業開放創新發展；同時要加強區域間文化資源的流動及發展思想的碰撞，吸收其他區域的先進，為當地文化產業的創新發展注入活力。

參考文獻：

[1]范建華，秦會朵.“十四五”我國文化產業高質量發展的戰略定位與路徑選擇[J].云南師范大學學報（哲學社會科學版），2021，53（5）：73-85.

[2]SIMAR L，WILSON P W.Sensitivity analysis of efficiency scores：How to bootstrap in nonparametric frontier Models[J]. Management Science，1998，44（1）：49-61.

[3]項志華.基于博弈交叉DEA模型的我國文化產業效率實證研究[J].現代商業，2019（18）：53-54.

[4]周世新，胡偉菊，朱文璟.文化產業投入產出效率分析——以江西省為例[J].企業經濟，2020，39（8）：120-127.

[5]楊曉琳.中國31省份文化產業投入產出效率實證研究——基于三階段DEA模型及超效率模型[J].藝術百家，2017，33（5）：47-52.

[6]雷宏振，李蕓.文化產業發展效率時空差異及影響因素分析[J].當代經濟管理，2020，42（6）：50-56.

[7]CHARNES A，COOPER W W，RHODES E，Measuring the efficiency of decision——Making Units，European[J].Journal of Operational Ｒesearch，1979，3（4）：429-444．

（責任編輯：李苗苗）