9E08中国文化产业效率及其决定因素基于BootstrapDEA的空间计量分析.docx

9E08中国文化产业效率及其决定因素基于BootstrapDEA的空间计量分析.docx

《9E08中国文化产业效率及其决定因素基于BootstrapDEA的空间计量分析.docx》由会员分享，可在线阅读，更多相关《9E08中国文化产业效率及其决定因素基于BootstrapDEA的空间计量分析.docx（16页珍藏版）》请在冰豆网上搜索。

9E08中国文化产业效率及其决定因素基于BootstrapDEA的空间计量分析

第9组企业、产业经济字数：

9425

中国文化产业效率及其决定因素：

基于Bootstrap-DEA的空间计量分析

黄永兴徐鹏汪卢俊

（安徽工业大学经济学院，安徽马鞍山243002）

摘要：

本文利用2004年与2008年文化产业相关统计数据，采用Bootstrap-DEA方法和空间计量模型，对我国文化产业效率及其影响因素进行了实证分析。

研究发现：

如果对随机冲击的影响不作控制，则传统DEA模型将会高估效率核算结果；文化消费、人力资本、交通通信的提高有利于文化产业效率的提升；政府财政支持对文化产业效率有正面影响；文化产业效率存在空间正溢出效应。

关键词：

文化产业效率；Bootstrap-DEA方法；空间计量分析；溢出效应

中图分类号：

F062.9文献标识码：

A文章编号:

EfficiencyandDeterminantsforCulturalIndustryinChina:

ASpatialEconometricAnalysisBasedonBootstrap-DEAApproach

HUANGYong-xingXUPengWangLu-jun

（SchoolofEconomics,AnhuiUniversityofTechnology,Ma'anshan,243002,China）

Abstract:

Basedonthestatisticaldataofculturalindustryintheyearof2004and2008,thispapermakesapositiveanalysistotheefficiencyanddeterminantsinChina’sculturalindustry,byusingspatialeconometricmodelbasedonBootstrap-DEAapproach.Theresultsare:

Ifstochasticeffectisnotcontrolled,traditionalDEAmodelwillgiveahigherefficiencyestimator.Culturalconsumption,humancapital,transportationandcommunicationsisbenefittothepromotionofculturalindustrialefficiency.Governmentfinancialsupporthasadvantageofculturalindustrialefficiency;Positivespillovereffectisexistedinculturalindustrialefficiency.

KeyWords:

CulturalIndustrialEfficiency；Bootstrap-DEAApproach；SpatialEconometricAnalysis；SpilloverEffect

一、引言

工业经济向文化经济转变使得文化产业不仅成为一个国家经济增长的新引擎，同时也是衡量一个国家地区经济现代化水平的重要标志之一。

近几年来，我国文化产业呈现出了良好的发展态势，但相对欧美经济体而言，我国文化产业还存在明显的三低现象，即文化产业增加值比重、就业比重以及人均增加值均较低。

第二次全国经济普查数据显示，2008年我国文化产业增加值占同期国内生产总值、文化产业从业人员占全国从业人员比重和人均文化产业增加值分别为2.43%、1.53%和6.46万元，远低于欧美发达国家水平。

为此，2009年9月，我国出台了《文化产业振兴规划》，该规划明确指出，要继续深化文化体制改革、大力发展文化产业、优化文化产业结构、增强文化产业国际竞争力。

现代经济增长理论认为，技术创新与效率改善是经济长期增长的重要因素。

文化产业的长期增长也不例外。

关于我国文化产业技术创新与效率问题，国内学者进行了有益探讨。

郭国峰、郑召峰（2009）从投入与产出角度，利用DEA模型对中部六省文化产业发展绩效进行了综合评价，并运用结构方程模型模拟了文化产业的投入、产出作用路径。

王家庭、张容（2009）利用经济普查资料，借助三阶段DEA模型，对2004年我国31个省市文化产业效率进行了评估，结果表明，我国文化产业技术效率整体偏低，规模效率尤为低下。

马萱、郑世林（2010）利用省级面板数据，借助DEA模型对1998-2006年我国文化产业效率进行了分析，结果显示，中、西部地区与东部地区文化产业效率差距正逐渐缩小。

张仁寿等（2011）基于2007年13省市文化产业投入产出数据，采用DEA超效率模型和规模报酬不变模型，对文化产业绩效进行了实证分析，结果表明，广东省文化产业综合效率得分排名第一，但由于缺乏自主创新与原创能力，广东省文化产业总体上还不具备国际竞争力。

综合来看，对文化产业效率的研究，目前国内文献存在两点不足。

其一，传统DEA模型忽略了统计性检验，而且也没有考虑小样本所导致的效率偏差问题，得到的效率得分可能会低估或高估实际水平（Simar&Wilson，1998,1999）；其二，没有考虑空间因素对中国文化产业效率的影响，而各级政府政策的出台，必然会伴随资金、技术和人才的进一步流动，这在某种程度上会引起文化产业局部甚至是全局空间溢出效应。

正是基于上述考虑，本文采用Simar&Wilson（1998）开发的Bootstrap-DEA方法，给出了我国文化产业修正效率和置信区间，并在此基础上，运用空间计量模型实证分析了我国文化产业效率影响因素及其溢出效应。

本文的结构如下：

第二部分对Bootstrap-DEA方法进行了介绍；第三部分说明了数据选取问题，并给出了我国文化产业效率的核算结果；第四部讨论了模型构建、变量定义和数据处理问题，并报告了空间计量分析结果；第五部分给出了研究的结论与政策含义。

二、核算方法

DEA是一种非参数的相对效率评估方法，该方法最先由Charnesetal.于1978年提出，后由Bankeretal.（1984）等进行了发展，目前该方法广泛应用于生产效率测算中①。

尽管DEA具有无需事先设定决策单元生产函数等优点，但该方法却忽略了统计性检验问题，而且也没有考虑决策单元较少时所带来的估计偏误。

为弥补以上缺陷，Simar&Wilson（1998）开发了基于Bootstrap的DEA方法。

Bootstrap-DEA方法的具体算法如下。

首先利用传统DEA方法，计算出原始样本的效率得分

。

（1）

其次利用重复有放回抽样方法，从

中抽取一个规模相同的朴素bootstrap样本

。

（2）

由于从朴素bootstrap样本得到的实证分布是总体密度函数的非一致估计，此时需对上述朴素bootstrap样本进行平滑处理，得到平滑样本

②。

（3）

接着利用平滑样本

对原始样本

的投入数据进行调整，得到调整后的投入数据

③。

（4）

然后利用传统DEA模型对调整后的投入数据和初始产出数据重新进行效率核算，得到模拟样本的效率得分

。

（5）

此后重复以上步骤B次，计算出每个决策单元初始效率得分的偏误、偏误修正值和估计区间。

（6）

（7）

（8）

其中，式（6）、（7）分别给出了每个决策单元初始效率得分的偏误和偏误修正值；式（8）利用了在B→∞时，样本参数与总体参数偏差分布近似于朴素样本参数与样本参数偏差分布这一渐进性质；

、

分别为朴素样本参数与样本参数偏差的（α/2×100）分位数和（（1-α/2）×100）分位数，一般而言α取0.1，0.05和0.01。

三、文化产业效率核算

（一）数据说明

目前国内文化产业研究数据主要来源有二个。

一是国家统计局发布的《2004年中国文化产业发展情况报告》和《2008年中国文化产业发展情况报告》，二是国家文化部编纂的历年《中国文化文物统计年鉴》。

前者是按照2004年我国《文化及相关产业分类》标准，基于全国经济普查数据，核算得出的文化产业基础数据。

后者是根据各地区文化主管部门报送的文化及相关产业统计年报和文化部对外文化联络（港澳台）司的有关报表整理编印的文化、文物基础数据。

从统计口径看，前者要远大于后者。

以2008年文化产业增加值为例，前者统计为7630亿元，而后者仅为762.43亿元，两者相差9倍有余。

究其原因，前者将“文化产业”的概念界定为：

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。

具体包括9个大类、24个中类和80个小类。

而后者仅包括艺术业、图书馆业、群众文化业、文化娱乐业4个类别。

查阅国民经济行业分类和代码表可发现，后者核心分项指标大部分均来自第三产业的文化艺术服务和文化休闲娱乐服务类。

为全面反映我国文化产业发展现状，本文认为国家统计局发布的中国文化产业发展情况报告较国家文化部编纂的年鉴更具研究价值。

因为它不仅反映了文化产品服务（如图书、音像制品等）、文化传播服务（如广播电视、文艺表演等）和文化休闲娱乐活动（如景区游览服务、休闲健身娱乐活动等）；同时也体现了与文化产品服务、文化传播服务、文化休闲娱乐活动有直接关联的用品、设备的生产和销售活动以及相关文化产品（如工艺品等）的生产和销售活动。

（二）投入产出变量选取

投入变量包括资本与劳动两个方面。

关于资本变量，国内学者在进行生产率测算时，多采用永续盘存法来对资本存量进行估算（如王兵、颜鹏飞，2006；魏楚、沈满洪，2007）。

然而，由于我国文化产业统计滞后，缺乏各地区文化产业初始资本和固定资产投资额，故借鉴王家庭、张荣（2009）做法，采用文化产业总资产作为文化产业资本存量的替代变量。

关于劳动变量，本文也延续了多数研究所采用的方法，即选取年末就业人员数作为文化产业劳动力变量的替代变量。

至于产出变量，和多数行业生产效率研究一样（如涂俊、吴贵生，2006），本文选取文化产业增加值作为地区文化产出的一个衡量指标。

为了得到更为合理的研究结果，本文又采用了各地区文化产业营业收入作为地区文化产出的另一个衡量指标。

具体的变量指标和数据来源见表1。

表1文化产业变量简介

变量类型

指标名称

数据来源

投入变量

文化产业总资产（亿元）

2004年和2008年《中国文化产业发展情况报告》

文化产业年末就业人员（万人）

产出变量

文化产业增加值（亿元）

文化产业营业收入（亿元）

环境变量

文化企业比重（%）

文化消费支出（%）

《新中国六十年统计资料汇编》

交通运输条件（%）

邮电通信条件（%）

人力资本水平（%）

2005年和2009年《中国劳动统计年鉴》

文化人员报酬（%）

财政支持（%）

2005年和2009年《中国统计年鉴》

注：

由于《2008年中国文化产业发展情况报告》没有公布内蒙古和西藏的数据，故本文以2004年相应指标的比重来近似推测2008年数值。

（三）核算结果

本文利用R2.12软件，采用Bootstrap-DEA方法，在投入导向基础上，核算了2004年和2008年我国各地区文化产业相对效率，具体结果如表2所示①。

表2的第2列和第6列给出了传统DEA效率核算结果。

平均来看，2004年和2008年我国文化产业效率得分分别为0.8948和0.8782。

这意味着我国文化产业在保持投入比例和产出水平不变的情况下，如能达到有效运作水平，则可减少10.52%和12.18%的投入。

具体而言，2004年共有北京、上海、山东、河南、湖南、广东、西藏和内蒙古8省市处于生产前沿面上，而其他地区文化产业都是缺乏效率的；相比2004年生产前沿面，2008年生产沿面增加了青海，减少了河南。

表2的第3列和第7列给出了Bootstrap-DEA效率核算结果。

可以看到，在对传统DEA效率得分进行偏误修正后，全部地区文化产业的效率水平都有不同程度的降低，平均而言，Bootstrap-DEA效率得分与传统DEA效率得分相比下降了0.1021和0.1145。

表2中的置信区间显示，传统DEA效率得分均在两边界之外，而Bootstrap-DEA效率得分均在两边界之间，这说明传统DEA效率得分估计是有偏的。

进一步的成对差值T检验和Wilcoxon符号秩检验显示，2004年、2008年传统DEA效率得分与Bootstrap-DEA效率得分存在显著差异②。

这再一次证明，在不控制随机因素影响下，直接运用传统DEA模型对效率进行核算，得到的结果是存在偏误的。

表2我国文化产业DEA核算结果

地区

2004年

2008年

效率值

修正值

下界

上界

效率值

修正值

下界

上界

北京

1.0000

0.8446

0.7049

0.9913

1.0000

0.8294

0.7146

0.9931

天津

0.8715

0.8028

0.7317

0.8636

0.7395

0.6597

0.5677

0.7318

河北

0.7718

0.7222

0.6763

0.7656

0.5855

0.5436

0.5059

0.5797

山西

0.7418

0.6907

0.6314

0.7373

0.7047

0.6631

0.6140

0.7003

内蒙古

1.0000

0.8645

0.7734

0.9906

1.0000

0.9036

0.8362

0.9920

辽宁

0.7500

0.7074

0.6658

0.7442

0.7794

0.7250

0.6632

0.7724

吉林

0.8828

0.8427

0.7995

0.8774

0.8442

0.7821

0.7169

0.8378

黑龙江

0.8232

0.7791

0.7301

0.8166

0.8252

0.7635

0.7100

0.8179

上海

1.0000

0.8487

0.7275

0.9921

1.0000

0.8366

0.7210

0.9924

江苏

0.9463

0.8556

0.7628

0.9386

0.9655

0.8555

0.7404

0.9587

浙江

0.8535

0.7781

0.6958

0.8471

0.7179

0.6451

0.5641

0.7110

安徽

0.7018

0.6657

0.6295

0.6972

0.6354

0.5896

0.5473

0.6297

福建

0.8490

0.7787

0.7029

0.8428

0.7432

0.6803

0.6092

0.7373

江西

0.7798

0.7241

0.6674

0.7744

0.9783

0.9046

0.8174

0.9713

山东

1.0000

0.8795

0.7838

0.9930

1.0000

0.8685

0.7494

0.9905

河南

1.0000

0.8961

0.8253

0.9909

0.9960

0.9130

0.8276

0.9860

湖北

0.7296

0.6874

0.6452

0.7243

0.7209

0.6600

0.5952

0.7154

湖南

1.0000

0.9078

0.8416

0.9904

1.0000

0.8450

0.7415

0.9904

广东

1.0000

0.8459

0.7105

0.9914

1.0000

0.8253

0.6968

0.9905

广西

0.7416

0.6984

0.6553

0.7351

0.5740

0.5280

0.4898

0.5684

海南

0.6241

0.5593

0.4973

0.6184

0.6007

0.5421

0.4763

0.5965

重庆

0.7104

0.6718

0.6325

0.7043

0.8819

0.8302

0.7791

0.8740

四川

0.5656

0.5210

0.4777

0.5614

0.7123

0.6623

0.6127

0.7058

贵州

0.9162

0.8593

0.7932

0.9096

0.6350

0.5915

0.5441

0.6299

云南

0.7905

0.7528

0.7191

0.7860

0.6290

0.5907

0.5576

0.6229

西藏

1.0000

0.8466

0.7089

0.9932

1.0000

0.8261

0.7035

0.9893

陕西

0.7322

0.7050

0.6727

0.7271

0.6934

0.6342

0.5815

0.6887

甘肃

0.6412

0.5944

0.5477

0.6349

0.6516

0.5993

0.5497

0.6459

青海

0.8343

0.7539

0.6586

0.8286

1.0000

0.8514

0.7253

0.9909

宁夏

0.6443

0.5821

0.5184

0.6405

0.7399

0.6557

0.5680

0.7323

新疆

0.7918

0.7532

0.7167

0.7863

0.6079

0.5572

0.5140

0.6023

均值

0.8948

0.7927

—

—

0.8782

0.7637

—

—

注：

为使估计结果更加准确，本文迭代次数设置为B=2000次，置信区间选为95%。

四、文化产业效率的决定因素

（一）模型构建

由于前文核算得到的各地区文化产业Bootstrap-DEA效率得分是一组介于0-1之间的受限数据，因此可建立如下形式的面板Tobit模型：

（9）

其中，CE表示文化产业Bootstrap-DEA效率得分；X表示可能影响文化产业效率的一组环境变量向量；i=1,2,…,31，分别表示中国31个省份；t表示年份，即2004年和2008年；v为不可观测的地区效应，u为随机扰动项。

Simar&Wilson（2007）指出，DEA相对效率得分的取值范围不过是人为限制而已。

因此其它估计方法在检验环境变量对效率得分影响时同样也是适用的（Hauner&Kyobe,2008;陈刚，李树；2010）。

考虑到文化产业效率可能存在溢出效应，本文在基本模型（9）基础上构建了空间滞后模型（Sar）和空间误差模型（Sem）。

Sar：

（10）

Sem：

（11）

其中，ρ为空间滞后系数，其度量了周围省份文化产业效率加权对某省份文化产业效率的影响程度；λ是空间误差系数，其反映了影响周边地区文化产业效率的不可测因素对某地区文化产业效率的影响程度；空间权重矩阵Wn是基于截面数据的n阶方阵（n代表截面成员数），It为t维单位阵。

建模分析的关键之一是矩阵Wn的设定。

一般而言，Wn的第i行第j列元素wij的定义主要有两种①。

一是地区i与地区j间的邻接性，由此构成的矩阵即为空间二分权重矩阵Wnr；二是地区i与地区j间的空间距离，由此构成的矩阵即为空间距离权重矩阵Wnd。

然而，以上空间权重矩阵认为相邻（或等距离）省份间经济的联系是完全相同的，而这与实际不符。

一般而言，相对于经济落后地区，发达地区的空间影响力较强。

为此，一些学者提出了空间经济权重矩阵（如林光平等，2005；陈晓玲、李国平，2006）。

由于各地区间文化产业效率溢出效应的发挥不仅取决于空间邻接性或空间地理距离，还取决于经济发展水平相近程度、技术吸收能力、人才流动等因素。

因此，本文在研究我国文化产业效率溢出效应时，同时考虑了矩阵Wnr、矩阵Wnd和空间经济矩阵。

矩阵具体设置如下：

Wnr设定遵循Rook相邻规则，并将广东和海南视为相邻的省份；参考多数文献作法（如Blonigenetal，2005；何兴强、王利霞，2008），以各省会城市间球面距离替代各省空间地理距离，将样本中省会间最短距离D的权重设为1，其他权重wij设为D/dij，其中，dij是省会i和省会j间的球面距离，由wij元素构成的矩阵即为Wnd；根据陈晓玲、李国平（2006）对空间经济权重设定思路，分别以Wnr、Wnd左乘经济强度矩阵E，获取空间经济权重矩阵Wnre和Wnde，其中，E是由研究期限内各省人均GDP平均值与全国人均GDP平均值比重构成的对角阵②。

（二）变量定义

考虑到文化产业发展特点和Bootstrap-DEA效率得分的相对性，本文选取以下几个因素作为环境变量：

（1）文化消费支出。

当某一地区拥有较高文化消费需求市场时，即消费者购买力较强时，该地区倾向于吸引更多文化企业进入这一市场。

文化企业竞争的不断加剧，将有利于该地区文化产业效率的提升。

为反映该点，本文以地区居民家庭每年人均文教娱乐消费支出与各年全国均值之比来度量文化消费支出。

（2）文化人员报酬。

一般而言，文化产业从业人员平均报酬越高的地区，越有利于吸引更多优秀从业人员的进入。

大量优秀从业人员的涌入，将有利于文化产业产品的创新，进而表现为该地区文化产业效率的提高。

为检验该点，本文以地区文化产业员工平均劳动报酬与各年全国均值之比来衡量文化人员薪酬情况。

（3）文化企业比重。

一般而言，文化企业在空间地理上的相近有利于相互之间知识、技术溢出和人力资本的流动，有利于文化产品生产率和文化产业效率的提高。

因此，本文选取地区文化企业与全国企业之比来衡量该种外部性。

（4）人力资本水平。

何雄浪等（2007）提出，某一地区人力资本积累将有助于形成产业内和产业间技术外溢。

因此，产业内和产业间的技术外溢也有利于文化产业效率的提高。

为此，本文选用地区人力资本水平作为技术外溢的替代变量。

具体计算时，以地区就业人员平均受教育年限与各年全国均值之比来衡量人力资本水平。

（5）交通运输条件和邮电通信条件。

一般而言，某一地区交通运输与邮电通信条件的改善将有助于降低空间交易成本，因此也有利于文化产业效率的提高，为证实该点，本文引入地区交通密度占各年全国的比重来度量交通运输条件，同时用人均邮电业务量与各年全国均值的比率来代理邮电通信条件，以期较好地表现信息化对文化产业效率的提升作用①。

（6）财政支持。

作为新兴产业的典型代表——文化产业，其发展离不开政府的产业支持。

政府产业支持方式有多种，如法律法规的颁布、知识产权的保护、财政支出的投入和金融税收的优惠等。

鉴于数据可获得性，本文在检验产业政策对文化产业效率影响时，主要考查了财政支持。

该指标是以地区文化体育和传媒财政支出与各年全国均值之比来度量的。

（三）变量处理

为避免解释变量过多造成多重共线性问题，进行空间计量分析前，须先对解释变量进行相关性分析。

如解释变量间高度相关，可采用统计方法对其变