贾瑞媛  曾良恩/北京大学

 

    内容提要：本文以我国31个省份作为研究对象，运用EBM模型与Tobit模型，测算分析2012-2017年间各省份文化制造业效率及其影响因素。文章发现研究期间文化制造业效率整体偏低，区域差异较为显著，东高西低，呈现从沿海向内陆递减的趋势；研究期间全国及四大区域的文化制造业效率变化趋势基本一致；Tobit计量回归模型表明，经济发展水平、对外开放水平对文化制造业效率存在积极影响，而城镇化水平对文化制造业效率产生显著负向影响。

    关键词：文化制造业效率  超效率EBM模型  Tobit计量模型  影响因素

 

    一、引言

文化产业由于高附加值、绿色环保等特点，已经成为国家现代经济的重要组成部分。国家统计局发布数据显示，经核算2017年我国文化制造业增加值达到12094亿元，按现价计算，较2016年增幅达到1.7%，占文化及相关产业增加值的比重为34.8%。作为文化产业的细分领域，文化制造业不仅具有明显的经济效益，更有其独特的社会效益，影响着我国经济的可持续发展。为了推动我国文化制造业高质量发展，有必要对其进行效率研究。

从表述上看，文化制造业效率由“文化制造业”和“效率”两部分组成。《中国文化及相关产业统计年鉴（2018）》给规模以上文化制造业企业定义为：指《文化及相关产业分类(2012)》所规定行业范围内，年主营业务收入在 2000万元及以上的工业企业法人。基于此，本文认为文化制造业是《文化及相关产业分类(2012)》所规定行业范围内相关的制造业。效率在《辞典》中指“所付出之能力与所获得之功效的比率” ^[1]。本文从经济学投入产出的角度出发，将文化制造业效率定义为在文化制造业的生产活动中的从业人员、资本等多种投入要素投入不变或减少的前提下，实现文化产品产出的最大化，这种典型的投入产出关系，即为文化制造业效率。

当前国内外对测算文化制造业效率或相关领域的研究较少，方法上主要是随机前沿分析法(Stochastic Frontier Analysis，SFA) ^[2]和数据包分析法（Data Envelopment Analysis，DEA）^[3]。如毛瑞琼（2016）^[4]运用随机前沿分析方法（SFA）测算2010-2014 年我国29个省份文化制造业的创新和转化效率，结果表明我国文化制造业整体效率不高，区域差异显著。但SFA模型是一种参数法，需预先设定生产函数形式、技术无效率项和随机因素项的分布等，基本假设较多且较为复杂，缺乏客观性^[5]。DEA因为无需预设生产函数形式，是一种非参数法，能同时处理多投入与多产出生产系统，更具客观性。因此，更多的学者应用DEA方法进行文化制造业效率研究，如韩东林等（2016）^[6]运用基于径向的DEA-Malmquist模型测算了2012-2014 年我国中部地区文化制造业的科技创新效率，他们发现研究期间中部地区文化制造业整体效率呈现呈倒U趋势，各省差异明显。韩东林和袁茜^[7]（2017）运用径向BCC-DEA模型和超效率DEA模型测算了我国文化制造业16个细分行业在2012-2014年间的创新效率，他们发现文化制造业整体效率较高，但各细分行业之间差异较为明显。郭淑芬和郭金花（2017）^[8]运用非径向的SBM-DEA模型测算了2012和2013年间我国31个省份文化制造业、文化批零业和文化服务业的行业效率，发现文化制造业综合效率呈现“西低东高”阶梯式分布。

上述研究对进一步研究文化制造业效率有很好的借鉴作用。但这些研究存在一个问题：虽然径向DEA模型要求所有投入产出以同比例缩减或扩张，无法涵盖松弛变量，这与现实条件明显相悖。非径向的SBM-DEA模型非径向模型虽然能够考虑所有径向与非径向松弛变量，但损失了投入或产出目标值与实际值之间的比例信息。基于此，本文运用超效率EBM模型测算我国各省份文化制造业效率。EBM（Epsilon-Based Measure）由Tone（2010）等提出，使用混合距离函数，兼具径向和非径向DEA模型的优点，被认为是更接近现实的测算方法^{[9] [10]}。本文余下结构安排如下：第二部分测算各省市及四大区域文化制造企业的效率；第三部分运用Tobit回归模型探究文化制造业效率的驱动因素；第四部分总结并提出政策建议。

    二、文化制造企业效率的测算

    (一)EBM模型、指标选取及数据来源

DEA-EBM模型的计算模型为：假设有N个决策单元(Decision Making Unit，DMU)，记为DMU_j(j=1，2，...，N)；每个DMU有M种投入，记为x_i (i=1，2，...，M)；s种产出，记为y_r(r=1，2，..，s)；Ｘ={x_ij}∈R^M×N，Y={y_ij}∈R^s×N分别为投入和产出矩阵，且Ｘ>0、Y>0；那么，基于规模报酬不变（Constant Returns to Scale，CRS），投入导向的EBM模型（EBM-I-C）的规划式为：

                                         （1）

式（1）中， 代表EBM模型的最优解，是决策单元的效率值，取值范围为[0，1]；x_ik和y_rk分别表示当前要测量的第k个DMU的第i种投入和第r种产出； 为经向部分的规划参数； 为决策单元的线性组合系数； 为第i个投入要素的松弛量； 表示各项投入指标的相对重要程度，并满足 ； 是联系径向和非径向松弛条件的关键参数，取值范围为[0，1]，当 =0时相当于径向模型，当 =1时相当于SBM模型； 和 的参数值需要在建立EBM模型之前决定，估算方法借鉴Tone and Tsutsui(2010)的研究成果。

本文的样本区间为2013年-2017年，包括中国31个省、直辖市、自治区的规模以上文化制造业。根据超效率EBM模型及文化制造业效率的定义，结合指标选取的合理性以及数据的可获取性，选取资产总计、年末从业人数为投入指标，选取营业收入为产出指标。数据均来自于《中国文化及相关产业统计年鉴(2014-2018)》。

    （二）测算结果及分析

本文利用MaxDEA7.9 Ultra专业版软件测算了2012-2017年我国31个省份的文化制造业效率值（见表1）。

表1  2012-2017年中国各省文化制造业效率

省份	2012	2013	2014	2015	2016	2017	均值
北京	0.451	0.460	0.364	0.450	0.696	0.709	0.522
天津	1.000	1.000	0.727	0.903	1.000	1.000	0.938
河北	0.752	0.822	0.608	0.753	0.891	0.746	0.762
山西	0.371	0.353	0.265	0.315	0.338	0.350	0.332
内蒙古	1.000	1.000	1.000	1.000	1.000	0.659	0.943
辽宁	0.871	0.844	0.521	0.441	0.450	0.609	0.623
吉林	0.564	0.676	0.490	0.591	0.815	0.676	0.635
黑龙江	0.570	0.823	0.789	0.825	0.933	0.362	0.717
上海	0.799	0.859	0.604	0.731	0.909	1.000	0.817
江苏	0.724	0.770	0.555	0.720	0.849	0.831	0.741
浙江	0.468	0.499	0.350	0.452	0.526	0.564	0.477
安徽	0.726	0.714	0.532	0.674	0.746	0.823	0.702
福建	0.761	0.788	0.684	0.854	0.915	1.000	0.834
江西	0.961	0.969	0.808	0.887	0.915	0.885	0.904
山东	0.795	0.883	0.630	0.743	0.934	0.961	0.824
河南	0.684	0.700	0.547	0.699	0.795	0.905	0.722
湖北	0.647	0.799	0.624	0.734	0.819	0.827	0.742
湖南	1.000	1.000	0.844	1.000	1.000	1.000	0.974
广东	0.690	0.712	0.580	0.636	0.676	0.729	0.671
广西	0.572	0.669	0.604	0.725	0.878	0.916	0.727
海南	0.439	0.653	0.902	1.000	1.000	1.000	0.832
重庆	0.692	0.578	0.442	0.632	0.746	0.730	0.637
四川	0.543	0.629	0.515	0.606	0.786	0.836	0.652
贵州	0.782	0.862	0.672	0.938	0.997	0.971	0.870
云南	0.507	0.557	0.404	0.579	0.617	0.826	0.582
西藏	0.312	0.296	0.166	0.219	0.315	0.286	0.266
陕西	0.533	0.614	0.490	0.677	0.834	0.911	0.677
甘肃	0.362	0.324	0.285	0.287	0.331	0.381	0.328
青海	0.644	0.350	0.361	0.499	0.763	0.506	0.520
宁夏	0.205	0.190	0.173	0.315	0.313	0.414	0.268
新疆	0.479	0.491	0.378	0.396	0.506	0.376	0.438
东部	0.688	0.745	0.600	0.724	0.840	0.854	0.742
中部	0.731	0.756	0.603	0.718	0.769	0.799	0.729
西部	0.553	0.547	0.458	0.573	0.674	0.651	0.576
东北部	0.668	0.781	0.600	0.619	0.733	0.549	0.658
全国	0.642	0.674	0.546	0.654	0.751	0.735	0.667

 

    1.文化制造业效率的总体评价

    2012年-2017年全国各省文化制造业效率均值为0.667，有16个省份年均值高于全国平均水平。因此从整体上看，我国整体文化制造业效率偏低，大部分省份的文化制造业效率有很大的提升空间。从变化趋势来看（见图2），全国及四大区域的文化制造业效率变化趋势基本一致。2013年全国以及四大区域的文化制造业效率值明显上升。2014年则呈现下降趋势。东部和中部地区在2015年-2017年呈现上升趋势，全国和西部、东北部地区则在2015年-2016年呈上升趋势，2017年呈下降趋势。

图2  2012年-2017年全国及四大大区域文化制造业效率趋势

 

    2.区域及域内部分省市评价

    （1）东部地区。研究期间东部地区文化制造业效率的均值为0.742，在四大区域中排名第一，远高于全国平均水平。主要是由于东部区域毗邻海洋，对外开放水平较高，吸引了海内外大量优秀的管理人才，文化制造业资金利用率较高，带动文化制造业发展，其中天津的文化制造业效率值最高，在研究期间，除了2014和2015年，其余年份的文化制造业效率处于生产前沿边界上，是评价其他各省文化产业发展的基准。上海、福建的文化制造业效率也处于较高水平，均在0.8以上。北京是东部地区文化制造业效率较低省份，在0.6以下。

    （2）中部地区。中部地区各省在2012年-2017年文化制造业效率均值为0.729，稍微高于全国的平均水平，位于全国第2位。中部区域湖南和江西的文化制造业效率较高，在0.9以上。尤其是湖南，除了2014年，其余年份均处于前沿位置。湖南的文化产业在政府加大扶持力度以及品牌战略下，文化产业处于较高水平（李倩，2010）^[11]，带动了文化制造业发展。中部地区中山西最低，这是由于山西是传统煤炭能源基地，文化产业缺乏配套政策，文化产业发展滞后（赵瑞政，2013）^[12]。

    （3）西部地区。2012-2017年西部地区各省份文化产业效率均值为0.576，在四大区域中位于最后，远低于全国平均水平，其中内蒙古文化制造业效率是西部地区最高的。内蒙古拥有的丰厚文化资源以及一系列文化产业发展配套政策，并在文化事业建设资金投入逐年增加，促进了文化产业发展（包利军，2013）^[13]。广西和贵州的文化制造业效率值在0.7以上，在全国平均水平以上，在区域内处于较高水平。西藏的文化制造业效率不仅仅是区域内最低，也是全国最低，这也是因为西藏地区经济发展落后，居民的文化产品需求不高，对文化制造业的要素投入相对低下，抑制了文化制造业效率。总体来看，西部区域的文化制造业效率水平较低观，需要制定更为有效的措施，缩小西部区域与其他区域的差距，真正实现文化制造业的发展。

（4）东北地区。研究期间东北三省文化制造业效率平均值为0.658，稍低于全国平均水平，处于四个区域中第3位。研究初期辽宁的文化制造业效率呈现下降区域，而吉林和黑龙江呈现上升趋势。国家在大力倡导振兴东北老工业基地的同时，不能忽视发展文化制造业产业。

    三、文化制造业效率的影响因素分析

    （一）变量、模型及检验

本文接下来考察文化制造业效率的影响因素，被解释变量为各省市区文化制造业效率(EEUCL)，解释变量包括文化制造业企业研发技术水平、经济发展水平、产业结构对外开放水平和城镇化水平。各变量说明如下：①文化制造业企业研发技术水平（RTL），用规模以上文化制造业企业R&D经费内部支出表示，单位为万元。②经济发展水平(EDL)，用各省地区生产总值与常住人口的比值表示（万元/人），即人均GDP。③产业结构（IS），用各省地区第二产业增加值占地区生产总值（当年价）的比重表示。④对外开放水平(OUL)，用各省对外贸易进出口总额与地区GDP的比值来表示。⑤城镇化水平(UL)，用各省城市人口占总人口的比重表示。以上凡涉及经济变量均为当年价格，数据来源于《中国统计年鉴（2013-2018）》《中国科学技术统计年鉴（2013-2018）》和《中国文化及相关产业统计年鉴（2013-2018）》。

    由于EBM模型测算所得的文化制造业效率范围为[0，1]，因此是受限因变量，数据被截断，如果直接采用OLS模型，会给参数估计带来有偏和不一致，因此运用Tobit模型考察不同因素对文化制造业效率的影响^[14]。具体计量模型如下：

         （2）

    对空间面板数据进行回归分析之前，需要进行单位根检验，以避免伪回归现象的发生。本文运用LLC^[15]法进行面板数据单位根检验，检验结果表明其不存在单位根，即面板数据是一阶平稳而非水平平稳。一阶平稳而非水平平稳的面板数据需要进行协调整体性检验。本文选用kao检验进行分析，检验结果显示面板数据存在协整关系。[1]

    （二）模型回归结果及分析

回归结果见表2。由表2可知：①文化制造业企业技术水平与文化制造业效率存在正相关关系，但未通过显著性检验，表明文化制造业企业的研发投入对文化制造业效率有一定促进作用。②经济发展水平与文化制造业效率回归系数为0.056300，并通过1%水平下显著性检验，即地区人均GDP越高，地区文化制造业效率越高。地区经济发展水平为文化产品的创造、消费及输出提供经济基础。③产业结构的估计系数显著为正，但并不显著。原因很可能是因为我国区域产业结构水平差异较大，东部沿海地区已处于服务化阶段，工业技术水平较高，从而带动文化制造业发展，而中西部和东北部地区仍然处于工业化中期，工业对文化制造业的带动作用不足，因此，调整地区产业结构，改造传统服务业，发展报告文化制造业在内的多种“高、精、尖”制造业产业十分有必要。④对外开放水平对文化制造业效率的影响均为正，并通过10%的显著水平检验，说明提高对外开放水平，有利于文化制造业效率的提升。通过引进外资，国内企业可学习和借鉴国际先进技术和管理经验，促能使文化制造业企业的生产效率和产业发展。⑤城镇化水平的回归系数为-1.17962，并处于5%显著水平，表示城镇化水平与文化制造业效率之间呈现显著的负向关系。目前我国正处于城市化快速发展阶段，许多地区城镇化质量底下，资源利用效率底下，污染严重，抑制了文化制造业效率。为提升区域文化制造业效率，应稳步健康推进人口与土地利用的城镇化。

表2  Tobit模型估计结果

	回归系数	标准差	t值	P值
RTL	4.64e-08	0.1619931	2.07	0.526
EDL	0.056300***	0.0593903	3.76	0.000
IS	0.0045936	0.0001766	7.47	0.981
OUL	6.18419*	0.0893972	-1.74	0.082
UL	-1.17962***	0.1630684	5.58	0.000

 

    四、结论与建议

    （一）基本结论

本文以我国31个省份作为研究对象，运用超效率EBM模型与Tobit模型，测算2012-2017年间各省文化制造业效率以及分析其影响因素。可以得出以下结论：第一，研究期间全国各省文化制造业效率均值为0.667，整体偏低，大部分省份的文化制造业效率较低。第二，文化制造业效率东部和中部较高，西部和东北部较低，沿海地区高于内陆地区。第三，研究期间全国及四大区域的文化制造业效率动态变化趋势基本一致。第四，经济发展水平、对外开放水平对文化制造业效率存在积极影响；城镇化水平对文化制造业效率产生显著负向影响，文化制造业企业研发技术水平和产业结构对文化制造业效率分别呈正向和负向作用，但两者均没有通过显著性检验。

    （二）政策建议

1．政府既要做资金投放者，又要做资金引导者

虽然东部地区发展水平偏高，但从整体来看，大部分省市文化制造业水平较低、差异较大。建议欠发达地区应该积极向较发达地区吸取财税政策经验，因地制宜施策。政府不仅是资金的投放者，更多的是资金的引导者。由于财政资金具有“公共性、有限性”的特点，要增加市场资金的灵活性，积极引入社会资金，包括建立创新风险投资基金等，财政资金更应起到集聚社会资本，发挥集聚效应的作用。

2．完善税收优惠政策

鉴于中小微企业目前面临的融资困境，政府应进一步制定并完善财政政策对中小型文化制造企业和高端文化制造企业的税收优惠政策，保证税收政策的连贯性，不断完善文化制造业税收制度体系。政府应有针对性，通过税收减免措施以及加重税负的方式对正外部性和负外部性的企业加以区别对待，促进企业优胜劣汰从而使资源配置达到社会要求的最优水平。

3．以创新推动文化制造业高质量发展

积极创新政府投入方式，加大科研支持力度，政府可以通过制定相关财政优惠政策等手段提高文化专利占比，为了提高文化产品质量，政府和文化产品制造企业应执行严格的质量管理制度，同时利用数字化科技提高产品质量，不断推进技术创新，提高企业综合效率。完善文化产业基础设施的投入体系来创造良好的文化制造业创新环境，同时提高文化制造业中社会资本的占比，实现资本的有效引领和不断放大。

4．加强文化制造业区域交流合作

由于我国文化制造业效率区域化差异严重，要建立区域间文化制造业发展定期交流机制，实现文化产业区域间良性互补，将文化制造业进行有机的市场化配置与整合。欠发达地区要打造特色文化制造业，通过学习发达地区生产技术和管理经验，提高文化制造业经济效益和创新能力；而文化制造业较发达地区不断推动技术进步，增强文化制造业科技含量，发展高端文化制造业，搭建创新“东中西部”区域间协调发展的平台，加速文化制造业在区域间的竞争合作发展。

5．加强人才培养和储备

充分发掘人的智慧，培养出科技型文化创业人才，更好地发展文化制造业。在国外，像美国、日本等发达国家通过教育、资助、营造外部环境、政策利好等多种利好方式为本国的文化创意人才培养提供支持。各省市区可以借鉴国内外先进技术管理经验，培养文化制造业优秀管理人员，同时鼓励文化制造业管理人员积极探索科学高效的管理模式。此外，在科技创新方面加大文化制造业的资本、人力投入^[16]，对专业生产人员进行专业技能培训，鼓励生产人员大胆创新。

6．推动文化制造业结构优化升级

优化文化制造业要素投入结构，提高文化制造业资源配置效率，通过行业兼并重组方式，促进文化制造业集聚，提升文化制造业的技术效率，尤其对于技术效率较低的区域会有大的效果影响。

 

参考文献

〔1〕中国社会科学院语言研究所词. 现代汉语词典修订版[M]. 北京:商务印书馆, 1998.

〔2〕Aigner D, Knox-Lovell C A, Schmidt P. Formulation and estimation of stochastic frontier production function modelss[J]. Journal of Econometrics,1977, 6(1): 21-37.

〔3〕Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision making units[J]. European Journal of Operational Research. 1978, 2(6): 429-444.

〔4〕毛瑞琼,我国文化制造业Ｒ＆D创新与转化效率研究[J],商,2016,(31),289-291.

〔5〕赵鹏军,曾良恩,路海艳等,中国区域城市建设用地经济效率及影响因素空间计量分析[J],城市发展研究,2019,26(07),39-52.

〔6〕韩东林,袁茜,李春影,我国中部地区文化制造业科技创新效率评价[J],科技进步与对策,2016,33(17),44-48.

〔7〕韩东林,袁茜,中国文化制造业Ｒ＆D创新效率行业差异分析[J],南阳师范学院学报,2017,16(02),10-22.

〔8〕郭淑芬,郭金花,中国文化产业的行业效率比较及省域差异研究[J],中国科技论坛,2017.(05),71-79.

〔9〕Tone K, Tsutsui M. An epsilon-based measure of efficiency in DEA-A third pole of technical efficiency[J]. European Journal of Operational Research. 2010, 207(3), 1554-1563.

〔10〕Zeng L E,Lu H Y,Liu Y P et al. Analysis of Regional Differences and Influencing Factors on China’s Carbon Emission Efficiency in 2005–2015,Energies,2019,12(16),3081-4001.

〔11〕李倩.2009年湖南文化产业蓬勃发展的思考[J],新闻知识,2010,(06):6-8.

〔12〕赵瑞政.山西文化产业发展存在的问题及对策研究[J],赤峰学院学报(汉文哲学社会科学版),2013,34,(01):103-105.

〔13〕包利军.内蒙古文化产业发展状况及对策建议[J],北方经济,2013,(05):54-56.

〔14〕Tobin J. Estimation of relationships for limited dependent variables[J]. Econometrica. 1958, (26): 24-36.

〔15〕Levin A, Lin C F, Chu C S J. Unit Root Tests in Panel Data: Asymptotic and Finite——Sample Properties[J]. Journal of Econometrics, 2002, 108(1):1-24．

〔16〕韩东林,夏传伟,基于DEA-Malmquist的文化制造业全要素生产率评价[J],阜阳示范学院学报（社会科学版）,2018,(04),132-138.