樂祥海，陳曉紅

(中南大學(xué)商學(xué)院，湖南長沙410083)

一、引言

文化產(chǎn)業(yè)發(fā)展水平是衡量一個國家和地區(qū)軟實(shí)力的重要標(biāo)志。阿多諾和霍克海默(1990)首次提出“文化產(chǎn)業(yè)”概念，認(rèn)為文化產(chǎn)業(yè)是一種標(biāo)準(zhǔn)化、復(fù)制化、大批量的工業(yè)化生產(chǎn)，并從藝術(shù)和哲學(xué)價(jià)值評判的雙重角度對文化產(chǎn)業(yè)進(jìn)行了否定性的批判。文化產(chǎn)業(yè)越來越受到社會各界的重視，在宏觀經(jīng)濟(jì)的大形勢下我國文化產(chǎn)業(yè)技術(shù)效率到底如何，是政府決策者和投資者所共同關(guān)注的問題。因此，通過財(cái)務(wù)分析、價(jià)值評估等手段對我國文化產(chǎn)業(yè)的技術(shù)效率進(jìn)行評價(jià)十分必要。

技術(shù)效率是指生產(chǎn)者的實(shí)際產(chǎn)出在等要素投入條件下最大產(chǎn)出中所占百分比，是由Farrell(1957)［1］和Afriat(1972)［2］最早提出的。技術(shù)效率的測算在經(jīng)濟(jì)和管理領(lǐng)域中具有非常重要的現(xiàn)實(shí)意義。測量技術(shù)效率的方法主要包括非參數(shù)方法和參數(shù)方法。非參數(shù)方法首先根據(jù)樣本中所有個體的投入和產(chǎn)出構(gòu)造一個能夠包容所有個體生產(chǎn)方式的最小生產(chǎn)可能性集合，然后在給定個體產(chǎn)出的基礎(chǔ)上，和生產(chǎn)可能性集合中生產(chǎn)等產(chǎn)量的要素投入量相比，測算其投入可以節(jié)約的余地。余地越大，說明該企業(yè)的技術(shù)效率越低。非參數(shù)方法無需估計(jì)企業(yè)的生產(chǎn)函數(shù)，從而可以避免因錯誤的函數(shù)形式帶來的問題，但是需要大量的個體數(shù)據(jù)，且對算法的要求很高，同時(shí)對生產(chǎn)過程沒有任何描述。相對而言，在實(shí)踐中，人們更傾向于使用參數(shù)方法來測算技術(shù)效率。這個方法首先估計(jì)一個生產(chǎn)函數(shù)，然后考慮到誤差項(xiàng)的復(fù)合結(jié)構(gòu)及其分布形式，根據(jù)誤差項(xiàng)的分布假設(shè)不同，采用相應(yīng)的技術(shù)方法來估計(jì)生產(chǎn)函數(shù)中的各個參數(shù)。參數(shù)方法通過估計(jì)生產(chǎn)函數(shù)對企業(yè)的生產(chǎn)過程進(jìn)行了描述，從而對技術(shù)效率的估計(jì)得到了控制。

隨機(jī)前沿分析(stochastic frontier analysis，簡稱SFA)技術(shù)是參數(shù)方法中最常用的技術(shù)效率測算方法。研究者們一致認(rèn)為Meeusen和Broeck(1977)［3］、Aigner和Lovell及Schmidt(1977)［4］、Battese和Corra(1977)［5］這3篇論文標(biāo)志著SFA技術(shù)的誕生。隨后，Jondrow等(1982)［6］提出一種新方法測算企業(yè)的技術(shù)效率。但是這些方法都是建立在橫截面數(shù)據(jù)的基礎(chǔ)上，不能同時(shí)得到多個企業(yè)的技術(shù)效率。后來，Schmidt和Sickles(1984)［7］將固定效應(yīng)模型和隨機(jī)效應(yīng)模型應(yīng)用于對企業(yè)技術(shù)效率的估計(jì)，得到了不同企業(yè)的技術(shù)效率，然而該模型假定每個企業(yè)的技術(shù)效率是固定不變的。為彌補(bǔ)這一不足，Cornwell，Schmidt，and Sickles(1990)［8］(CSS)、Kumbhakar(1990)［9］、Battese和Coelli(1992)［10］(BC)分別建立了不同的測算模型對企業(yè)技術(shù)效率進(jìn)行估計(jì)，得到了不同企業(yè)在不同時(shí)期的技術(shù)效率水平。此后，SFA技術(shù)在技術(shù)效率測算中得到廣泛發(fā)展與應(yīng)用。Kneip、Sickles和Song(2009)［11］提出一種新的測算模型(簡稱KSS)對企業(yè)的技術(shù)效率進(jìn)行估計(jì)。Kutlu(2010)［12］利用工具變量法(簡稱BCE)消除了BC估計(jì)模型中的內(nèi)生性問題。

中國文化產(chǎn)業(yè)的技術(shù)效率的估計(jì)及趨勢探究在理論和實(shí)踐兩個層面都有著十分重要的意義。上述分析表明，隨機(jī)前沿分析方法可以很好的測算中國文化產(chǎn)業(yè)的技術(shù)效率，同時(shí)，學(xué)者們圍繞計(jì)算精度和內(nèi)生性等問題，對隨機(jī)前沿分析方法進(jìn)行了一系列的研究。另一方面，隨機(jī)前沿分析技術(shù)在國內(nèi)起步較晚，國內(nèi)學(xué)者主要采用BC模型進(jìn)行實(shí)證研究［13－14］。目前國內(nèi)采用的BC模型存在兩個缺陷:第一是用固定的指數(shù)函數(shù)刻畫技術(shù)非效率項(xiàng)，容易造成測算結(jié)果的偏差;第二是忽略了模型本身存在的內(nèi)生性問題，導(dǎo)致參數(shù)估計(jì)不一致，測算結(jié)果可信度低下。正是基于這兩個方面，本文運(yùn)用CSSW、CSSG和KSS模型對中國文化產(chǎn)業(yè)技術(shù)效率進(jìn)行測算，實(shí)證研究中國文化產(chǎn)業(yè)技術(shù)效率變動趨勢，并分析了文化產(chǎn)業(yè)技術(shù)效率估計(jì)的內(nèi)生性問題。

二、理論模型以及技術(shù)非效率處理的比較

本文采用的技術(shù)效率測算模型見表1。

表1 本文采用的技術(shù)效率測算模型

考慮如下隨機(jī)前沿分析模型:

其中，yit為因變量;xit為k×1維自變量;β為k×1待估計(jì)的參數(shù)向量。隨機(jī)前沿分析技術(shù)將誤差項(xiàng)εit分為兩部分:第一部分vit∈iid并服從N(0，分布;第二部分uit，它反映技術(shù)效率損失的非負(fù)隨機(jī)因素。此外，vit和uit相互獨(dú)立。

4種技術(shù)效率測算模型的差別主要體現(xiàn)在對技術(shù)非效率項(xiàng)的處理及估計(jì)方法上，具體參見表2。

表2 4種測算模型的差異

隨機(jī)前沿分析技術(shù)根據(jù)誤差項(xiàng)的復(fù)合結(jié)構(gòu)將其拆分為技術(shù)非效率項(xiàng)和隨機(jī)誤差項(xiàng)，因此技術(shù)非效率項(xiàng)的函數(shù)形式對于技術(shù)效率測算的準(zhǔn)確度至關(guān)重要。對比四種測算模型對技術(shù)非效率項(xiàng)的處理可知:BC、CSSW、CSSG測算模型假定技術(shù)非效率項(xiàng)是關(guān)于時(shí)間t的指數(shù)函數(shù)和二次函數(shù)，相當(dāng)于KSS測算模型在L=1且g1(t)=exp(－η(t－T))和L=3且g1(t)=1，g2(t)=t，g3(t)=t2時(shí)的特殊情形;KSS測算模型對技術(shù)非效率項(xiàng)的處理更加靈活多變，且利用數(shù)據(jù)對g1(t)，g2(t)，…，gL(t)進(jìn)行估計(jì)，避免了固定函數(shù)形式造成的技術(shù)效率估計(jì)偏差。比較四種測算模型的估計(jì)方法，根據(jù)其是否能夠克服模型內(nèi)生性可以將其分為兩類:第一類是BC、CSSG測算模型，不能處理模型的內(nèi)生性;第二類是CSSW、KSS測算模型，可以有效地處理模型的內(nèi)生性。本文基于對數(shù)型柯布－道格拉斯生產(chǎn)函數(shù)，利用這四種測算模型對我國文化產(chǎn)業(yè)技術(shù)效率水平的變遷進(jìn)行了測算。具體的前沿生產(chǎn)函數(shù)為:

其中，yit，Lit，Kit分別表示各企業(yè)的營業(yè)收入、員工總數(shù)和資產(chǎn)總計(jì);β1和β2為待估計(jì)的參數(shù)。

三、中國文化產(chǎn)業(yè)技術(shù)效率的測算與分析

(一)數(shù)據(jù)來源

本文選取2001－2011年期間，在滬深兩市的上市公司作為研究對象，包括華僑城A(000069)、ST傳媒(000504)、大地傳媒(000719)等21家上市公司，數(shù)據(jù)來源于wind數(shù)據(jù)庫。

(二)計(jì)算結(jié)果與分析

根據(jù)上述數(shù)據(jù)，運(yùn)用MATLAB R2010a對上述模型進(jìn)行了估計(jì)。參數(shù)估計(jì)結(jié)果見表3。

從模型參數(shù)估計(jì)結(jié)果來看，CSSW和KSS測算模型的參數(shù)估計(jì)結(jié)果相差不大，而CSSG和BC測算模型則與前兩者差距很大。格蘭杰因果關(guān)系檢驗(yàn)顯示，營業(yè)收入與員工總數(shù)、資產(chǎn)總計(jì)之間互為因果關(guān)系，同時(shí)Hausman－Wu檢驗(yàn)結(jié)果也顯示模型存在內(nèi)生性。這些共同表明利用CSSG和BC模型對我國區(qū)域技術(shù)效率進(jìn)行測算是不可取的，自然而然結(jié)果可信度較低。同時(shí)考慮到CSSW和KSS測算模型能夠克服模型的內(nèi)生性，因此其參數(shù)估計(jì)更加可靠。由KSS參數(shù)估計(jì)結(jié)果可知，勞動力產(chǎn)出彈性和資本產(chǎn)出彈性約為0.241和0.545，即公司總?cè)藬?shù)增加1%，可促進(jìn)營業(yè)收入增長0.241%;資產(chǎn)總量增加1%，可促進(jìn)營業(yè)收入增長0.545%。對比可知，資本投入在我國文化產(chǎn)業(yè)快速增長的進(jìn)程中仍然起著不可替代的主導(dǎo)作用，這一結(jié)論與目前的主流看法一致。模型參數(shù)估計(jì)結(jié)果見表4，中國技術(shù)效率水平的變動趨勢見圖1(其中，CSSW和CSSG測算結(jié)果相差很小，發(fā)生重疊)。

表3 模型參數(shù)估計(jì)結(jié)果

圖1 我國文化產(chǎn)業(yè)技術(shù)效率測算結(jié)果

從模型參數(shù)估計(jì)結(jié)果來看，BC測算模型的參數(shù)估計(jì)結(jié)果與CSSW和KSS測算模型的參數(shù)估計(jì)相差很大，而CSSW和KSS之間則相差不大。這些表明直接利用BC測算模型在對中國技術(shù)效率水平進(jìn)行估計(jì)是不恰當(dāng)?shù)?，也?yàn)證了CSSW和KSS測算模型在內(nèi)生性處理上的有效性。

KSS測算結(jié)果顯示，整體來看中國文化產(chǎn)業(yè)技術(shù)效率仍處于低下水平，2001－2011年中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)波動趨勢，且大致可以分為三段:2001－2004年，中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)不斷上升趨勢，但是增幅隨著時(shí)間的推移呈現(xiàn)遞減趨勢;2004－2009年，中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)下降趨勢，降幅逐漸減小，2009年達(dá)到最小值0.04，原因可能是2009年金融危機(jī)的影響，我國文化產(chǎn)業(yè)受到嚴(yán)重沖擊;2009－2011年，中國文化產(chǎn)業(yè)技術(shù)效率水平扭轉(zhuǎn)下降的局面，顯示出了強(qiáng)勁的上升趨勢，2011年達(dá)到0.09，并呈現(xiàn)進(jìn)一步上升的趨勢。

從隨機(jī)誤差項(xiàng)的折線圖、密度函數(shù)圖以及QQ圖可以看出，BC、CSSW及KSS測算模型的隨機(jī)誤差項(xiàng)均服從正態(tài)分布。但是，BC模型的隨機(jī)誤差項(xiàng)期望值是負(fù)值，這表明BC測算模型估計(jì)結(jié)果并不可信，而CSSW和KSS模型的隨機(jī)誤差項(xiàng)服從均值為0的正態(tài)分布，反映了CSSW和KSS測算模型在內(nèi)生性處理上的有效性。

四、研究結(jié)論

我國之前的學(xué)者在采用隨機(jī)前沿方法估計(jì)技術(shù)效率時(shí)均采用BC測算模型，而該模型存在兩個明顯不足:第一是用固定的指數(shù)函數(shù)刻畫技術(shù)非效率項(xiàng)，容易造成測算結(jié)果的偏差;第二是忽略了模型本身存在的內(nèi)生性問題，導(dǎo)致參數(shù)估計(jì)不一致，測算結(jié)果可信度低下。基于這樣一個角度，本文采用CSSW、CSSG、BC及KSS4種模型對我國文化產(chǎn)業(yè)技術(shù)效率水平進(jìn)行了測算，主要結(jié)論包括以下3點(diǎn)。

第一，Hausman－Wu檢驗(yàn)結(jié)果顯示，利用對數(shù)型柯布－道格拉斯生產(chǎn)函數(shù)對我國文化產(chǎn)業(yè)技術(shù)效率進(jìn)行測算時(shí)模型本身存在內(nèi)生性，利用BC和CSSG模型對其進(jìn)行測算是不恰當(dāng)?shù)?，需要采用CSSW和KSS模型進(jìn)行估計(jì)，且由于在內(nèi)生性及技術(shù)非效率項(xiàng)處理上的完備性，KSS模型是目前測算中國文化產(chǎn)業(yè)技術(shù)效率相對準(zhǔn)確的模型。

圖2 4種測算模型隨機(jī)誤差項(xiàng)正態(tài)分布檢驗(yàn)

第二，由KSS參數(shù)估計(jì)結(jié)果可知，勞動力產(chǎn)出彈性和資本產(chǎn)出彈性約為0.241和0.545，即公司總?cè)藬?shù)增加1%，可促進(jìn)營業(yè)收入增長0.241%;資產(chǎn)總量增加1%，可促進(jìn)營業(yè)收入增長0.545%。對比可知，資本投入在我國文化產(chǎn)業(yè)快速增長的進(jìn)程中仍然起著不可替代的主導(dǎo)作用，這一結(jié)論與目前的主流看法一致。

第三，2001－2011年中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)波動趨勢，且大致可以分為3段:2001－2004年，中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)不斷上升趨勢，但是增幅隨著時(shí)間的推移呈現(xiàn)遞減趨勢;2004－2009年，中國文化產(chǎn)業(yè)技術(shù)效率水平呈現(xiàn)下降趨勢，降幅逐漸減小，2009年達(dá)到最小值0.04，原因可能是2009年金融危機(jī)的影響，我國文化產(chǎn)業(yè)受到嚴(yán)重沖擊;2009－2011年，中國文化產(chǎn)業(yè)技術(shù)效率水平扭轉(zhuǎn)下降的局面，顯示出了強(qiáng)勁的上升趨勢，2011年達(dá)到0.09，并呈現(xiàn)進(jìn)一步上升的趨勢，這可能與中國2010年對文化產(chǎn)業(yè)的提振政策有關(guān)。

從以上結(jié)論可知，中國文化產(chǎn)業(yè)技術(shù)效率水平仍舊處于低下水平。結(jié)合實(shí)際情況，可以從以下幾個層面來提升文化產(chǎn)業(yè)的技術(shù)效率水平:第一，加快經(jīng)濟(jì)發(fā)展，優(yōu)化文化產(chǎn)業(yè)發(fā)展的經(jīng)濟(jì)環(huán)境。隨著經(jīng)濟(jì)的不斷增長，一方面可以使文化產(chǎn)業(yè)的環(huán)境條件更為有利，市場機(jī)制更為完善，技術(shù)水平更先進(jìn);另一方面人們在物質(zhì)方面得到滿足之后，將提高文化需求，增大文化方面產(chǎn)出，有利于文化產(chǎn)業(yè)的創(chuàng)新發(fā)展和規(guī)模擴(kuò)大。第二，調(diào)整文化產(chǎn)業(yè)市場結(jié)構(gòu)。目前中國文化產(chǎn)業(yè)市場普遍存在的文化企業(yè)數(shù)量過多，規(guī)模過小，反而會阻礙文化產(chǎn)業(yè)的進(jìn)一步發(fā)展，降低文化產(chǎn)業(yè)資源的配置效率。因此，必須不斷調(diào)整文化產(chǎn)業(yè)市場結(jié)構(gòu)，擴(kuò)大企業(yè)規(guī)模，加大企業(yè)間競爭。第三，改革文化體制。當(dāng)前文化產(chǎn)業(yè)發(fā)展方向缺位嚴(yán)重，無法為文化產(chǎn)業(yè)的發(fā)展提供政策性保障作用，導(dǎo)致政府對文化產(chǎn)業(yè)的財(cái)政支出無法促進(jìn)文化產(chǎn)業(yè)運(yùn)營效率的提高。因此，加快文化體制的改革，對于文化產(chǎn)業(yè)的發(fā)展具有重大的現(xiàn)實(shí)意義。

［1］Farrell M J.The Measurement of Production Efficiency［J］.Journal of Royal Statistical Society，Series A，General，1957，120(3):253－281.

［2］Afriat SN.Efficiency Estimation of Production Functions［J］.International Economic Review，1972，13(3):568－598.

［3］Meeusen W，J van den Broeck.Efficiency Estimation from Cobb－douglas Production Functionswith Composed Error［J］.International Economic Review，1977，18(2):435－444.

［4］Aigner D J，Lovell CA K，Schmidt.Formulation and Estimation of Stochastic Frontier Production Functions Models［J］.Journal of Econometrics，1977，6(1):21－37.

［5］Battese G E，Corra G S.Estimation ofa Production Frontier Model:with Application to the Pastoral Zone of Eastern Australia［J］.Australian Journal of Agricultural Economics，1977，21(3):169－179.

［6］James Jondrow，Lovell CA K，Materov IS，etal.On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model［J］.Journal of Econometrics，1982，19:233－238.

［7］Schmidt P，Sickles P C.Production Frontier and Panel Data［J］.Journal of Business and Economic Statistics，1984(2):367－374.

［8］Cornwell C，Schmidt P，Sickles R C.Production Frontier with Time－Series Variation in Efficiency Levels［J］.Journal of Econometrics，1990，46:185－200.

［9］Kumbhakar S C.Production Frontier，Panel Data，and Time－Varying Technical Inefficiency［J］.Journal of Econometrics，1990，46:201－211.

［10］Battese G E，Coelli T J.Frontier Production Functions，Technical Efficiency and Panel Data:With Application to Paddy Farmers in India［J］.Journal of Productivity Analysis，1992，3(1/2):153－169.

［11］Kneip A，Sickles R C，Song W H.A New Panel Data Treatment for Heterogeneity in Time Trends［R］.Department of International Macroeconomics and Finance Korea Institute for International Economic Policy Seoul，Korea，2009.

［12］Levent Kutlu.Battese－coelliestimator with endogenous regressors［J］.Economic Letters，2010，109:79－81.

［13］張軍，吳桂英，張吉鵬.中國省際物質(zhì)資本存量估算:1952－2000［J］.經(jīng)濟(jì)研究，2004(10):35－44.

［14］何楓，陳榮，何煉成.SFA模型及其在我國技術(shù)效率測算中的應(yīng)用［J］.系統(tǒng)工程理論與實(shí)踐，2004(5):47－50.