Research on Investment Efficiency and Policy Recommendations for the Culture Industry of China Based on a Three-Stage DEA
Abstract: The China State Council promulgated the “Culture Industry Promotion Plan” on 26 September 2009, raising the status of the culture industry to that of a strategic industry. This paper applies a three-stage data envelopment analysis (DEA) model to investigate the efficiency of investments made in the culture industry in 2011 in China. The results show that the overall efficiency of the culture industry in China is still at a relatively low level. The scale of companies in the culture industry is a key factor restricting development. The external environment has a great influence on this efficiency; the efficiency gap between the eastern, central and western areas is obvious and reflects the degree of the environmental impact on the culture industry in these regions. The western region will experience progress if the environment changes. In contrast, the central and eastern regions will see less progress. This paper proposes the following corresponding policy recommendations based on the analysis. (1) China should focus on expanding the scale of culture industry enterprises. (2) We need to accelerate the market-oriented reform of cultural institutional mechanisms. (3) We should pay attention to the efficiency gap between cultural industries in the eastern, central and western areas. We should use government power to support the development of cultural industries in the western region.
Keywords: culture industry; investment efficiency; three-stage DEA model
1. Introduction
Since China implemented its reform and “opening up” policy thirty years ago, the rapid development of its economy has drawn the worldrsquo;s attention. Currently, China is the worldrsquo;s second-largest economy. However, when we study Chinarsquo;s growth pattern, we find that China has always followed a straightforward development path. Culture, which can be an industrial or an economic attribute, has substantial development potential and connects the economic base with superstructures. Developing the culture industry can drive Chinarsquo;s economy and expand its international influence. Therefore, the culture industry represents an advanced mode of economic development. In this period of economic transition, the Chinese government has gradually realized the economic development potential of the culture industry; it is considered a “soft power” that could boost economic transition. Therefore, the culture industry has been promoted as a key industry and a low-carbon industry, and corresponding investments have been increased.
In recent years, the government has introduced a variety of policies to encourage the development of the culture industry. The State Council initiated the “Culture Industry Promotion Plan” on 26 September 2009, raising the status of the culture industry to that of a strategic industry. The Peoplersquo;s Bank of China, together with the Central Propaganda Department, the Ministry of Finance, the Ministry of Culture and nine other departments, jointly issued the “Guiding Opinions on Financial Support for Culture Industry Development and Prosperity” on 19 March 2010. This document is the first guidance supporting the development of the culture industry, and it means that cooperation between the financial and culture industries has finally gained policy support. In 2012, the Ministry of Culture issued a “Twelfth Five-Year Plan Period Culture Industry Doubling Plan”, which proposed that, during the “Twelfth Five-Year Plan” period, the average annual value added of the culture industry should grow at a rate higher than 20%; this means that culture industry development should finally be enacted. However, few empirical studies are available to help Chinese policy makers to understand the investment efficiency in the culture industry. The purpose of this study is to investigate the following mysteries.
Given this background of policy support, this paper addresses two problems: how much will the development of the culture industry be improved, and can large-scale investment lead to efficiency improvement? This paper applies a data envelopment analysis (DEA) model to study the operational efficiency of culture industry investment in China in the year 2011. The model eliminates environmental and random factors. Therefore, the results reflect the real level of operational efficiency.
The rest of the paper is structured as follows. Section 2 reviews the literature of culture industry investment and the literature of culture industry investment efficiency. Section 3 introduces the three-stage DEA model. The selection of variables and the source of data are provided in Section 4. Efficiency measurement using the three-stage DEA model and an interpretation of the results are given in Section 5. Section 6 analyzes efficiency in the culture industry by province, and the last section concludes the paper.
2. Literature Review Cultural regeneration and cultural industries are widely investigated in different countries and cities [1–5].
The literature on cultural industries can be confusing. Several authors refer to cultural industries, while others refer to cultural product industries or creative industries. Collectively, these industries take many names: cultural industries, creative industries, cultural product industries, the creative economy, and the cultural economy [6–9]. Gonzalez et al. [10] confirm that social networks can influence the flow of cultural goods and services from providers to consumers. We believe that culture creative industry and culture industry are the same and include technological innovation.
In the following, we will review the literature on investment in culture creative industry invest
剩余内容已隐藏，支付完成后下载完整资料
基于三阶段DEA的中国文化产业投资效率与政策建议研究
摘 要
2009年9月26日，中国国务院颁布了“文化产业促进计划”，将文化产业提升到战略性产业的地位。本文采用三阶段数据包络分析(DEA)模型，对2011年我国文化产业投资效率进行了实证研究。结果表明，我国文化产业的整体效率仍处于较低水平。企业在文化产业中的规模是制约企业发展的关键因素。外部环境对这一效率有很大的影响，东、中、西部地区的效率差距明显，反映了环境对这些地区文化产业的影响程度。如果环境发生变化，西部地区将经历进步。相反，中部和东部地区的进展将较少。
本文在分析的基础上，提出了相应的政策建议。(1)中国应注重扩大文化产业企业的规模。(2)加快文化体制机制市场化改革。(3)重视东中西部文化产业的效率差距。要用政府的力量支持西部地区文化产业的发展。
关键词：文化产业；投资效率；三阶段DEA模型。
1.导言
改革开放三十年来，中国经济的快速发展引起了世界的广泛关注。目前，中国是世界第二大经济体.然而，当我们研究中国的增长模式时，我们发现中国一直走着一条直截了当的发展道路。文化可以是一种产业属性，也可以是一种经济属性，具有巨大的发展潜力，并将经济基础与上层建筑联系在一起。发展文化产业可以带动中国经济的发展，扩大中国的国际影响力。因此，文化产业代表着一种先进的经济发展模式。在这一经济转型时期，中国政府逐渐认识到文化产业的经济发展潜力，被认为是推动经济转型的“软实力”。因此，文化产业被提升为重点产业和低碳产业，并相应增加了投资。
近年来，政府出台了多种政策鼓励文化产业的发展。2009年9月26日，国务院启动了“文化产业促进计划”，将文化产业的地位提升为战略性产业。2010年3月19日，中国人民银行与中宣部、财政部、文化部等9个部门联合发布了“关于金融支持文化产业发展与繁荣的指导意见”。这份文件是支持文化产业发展的第一份指导文件，意味着金融与文化产业之间的合作最终获得了政策支持。2012年，文化部发布了“十二五期间文化产业倍增规划”，建议在“十二五”期间，文化产业的年均增加值应达到20%以上，这意味着文化产业的发展最终要得到实施。然而，很少有实证研究可以帮助中国决策者理解文化产业的投资效率。本研究的目的是探索以下的奥秘。
在这样的政策支持背景下，本文提出了两个问题：文化产业的发展将得到多大程度的改善，大规模的投资能否导致效率的提高？本文采用数据包络分析(DEA)模型，对2011年我国文化产业投资的运行效率进行了研究。该模型消除了环境因素和随机因素。因此，其结果反映了实际的运作效率水平。
论文其余部分的结构如下。第2节回顾了文化产业投资的文献和文化产业投资效率的文献。第3节介绍了三阶段DEA模型。变量和数据源的选择在第4节。使用三阶段DEA模型进行效率度量，并给出了计算结果的解释。第5节、第6节文章的最后一节对省际文化产业的效率进行了分析，并对全文进行了总结。
2.文献综述
文化再生和文化产业在不同的国家和城市受到广泛的关注[1,2,3,4,5]。
关于文化产业的文献可能令人困惑。一些作者指的是文化产业，而另一些作者则指文化产品产业或创意产业。综合起来，这些产业有许多名称：文化产业、创意产业、文化产品产业、创意经济和文化经济[6,7 ,8 ,9]。冈萨雷斯等人[10]确认社会网络可以影响文化商品和服务从提供者流向消费者的流动。我们认为文化创意产业和文化产业是相同的，包括技术创新。
接下来，我们将回顾有关文化创意产业投资和文化产业投资的相关文献
2.1 文化产业投资文献综述
世界银行的报告[11]指出文化产业投资是经济投资的重要组成部分，是世界经济运行的重要因素。崔[12]表明，在年投资增长率达35%的美国、日本和欧洲，政府资金和外国投资可以提供多种方式的帮助。银行[13]注意到风险和积极信任在文化产业投资和融资中发挥着重要作用，并研究了如何控制这一风险。
中国学者也对文化产业的融资和投资进行了研究。张、周[14]建议建立多元化的投融资体系，其中国家资本占主导地位，私人资本处于最高地位。谢[15]指出文化产业融资困难的原因有三：(一)文化产业产品是无形资产；(二)目前的文化产业企业多为中小型企业，规模小；(三)文化产业企业的发展尚不成熟(如许多企业尚未建立规范的金融体系)。余任[16]总结了中国文化产业金融创新的特点，探索了一种新的融资方式：以少数企业的所有权为抵押进行现金贷款。李[17]注意到欧洲和北美发达国家采取的措施，例如对文化产业的优惠待遇、国际资本的国民待遇、设立国家投资基金和金融创新，是解决文化产业投资和融资问题的有效途径。他还指出，中国的文化产业投融资体系必须完善。魏[18]回顾了中国文化产业面临的挑战。
2.2文化产业投资效率的文献综述
我国学者运用DEA模型对文化产业效率进行了研究，取得了一定的成果。王和张[19]应用DEA模型对2004年我国文化产业投资效率进行了研究。结果表明，在消除了随机因素和环境因素的影响后，我国文化产业的整体效率仍处于相对较低的水平。马与郑[20]应用Banker-Charnesamp;Cooper(BCC)DEA模型对1998~2006年中国文化产业投资效率进行了研究。结果表明，文化产业效率存在地区差异。他等人[21]运用Malmquist生产率指数模型对文化产业的整体要素生产率进行了研究，结果表明，2005年至2009年期间文化产业的增长波动较大，西部地区的文化产业相对于中部和东部地区滞后。江王[22]运用三阶段DEA模型和超级效率DEA模型，利用第二次经济普查数据，对中国各省的文化产业投资效率进行了分析。结果表明，不同省份的文化产业效率受环境因素的影响较大，规模低效率是文化产业低效率的主要驱动因素。郑葛[23]表明深化文化结构调整的最有效途径是提高文化产业的效率。
2.3 DEA不同的文献综述
DEA在不同的研究中得到了广泛的应用。Simotilde;es和Marques(2012年)[24]总结指出，DEA是评价废物效用效率的最具代表性的方法。马克斯等人(2014) [25]应用DEA研究影响日本水务效率的制度因素和环境因素。
李及林(2016)[26]利用DEA研究节能政策对中国制造业绿色生产力的影响。斯图尔特等人 (2016) [27]应用DEA研究越南银行系统的效率。
总之，我们发现现有研究中使用的数据一般都是2009年以前的数据，很少涉及到对文化产业的财政支持的效率。因此，本文运用DEA模型，运用财务数据对文化产业上市公司进行实证分析。这项工作以以前的工作为基础，通过提高对文化产业的财政支持的效率来扩大和更新这些工作。
3.研究方法
DEA模型用于研究效率[28-31]，特别是投资效率[32-35]。Charnes、Cooper和Rhodes（1978）[32]由其创建者缩写为CCR Model。Banker，Charnes和Cooper（1984）[33]的创建者缩写为BCC模型。
3.1 第一阶段：传统的DEA模型：从CCR模型到BCC模型
1978年，Charnes等人[36]首次提出的数据包络分析，这是一种基于帕累托理论来衡量效率的非参数方法。距离函数的有效性和输入技术度量均基于公式研究。理论是：（1）当且仅当输入增加或输出减少时，产量才会增加；以及（2）仅减少输出时，应减少输入。
3.1.1 CCR模型
Charnes等[36]提出了规模不变收益模型。根据DEA模型，假设有n个决策部门（DMU），每个决策部门代表文化产业中的上市公司。输入向量X =（x1，x2，。，ym）T，而输出向量Y =（y1，y2，。，ym）T.基于任何DMU都是凸的，微妙的，无效的和最小的假设，生产可能性集为
T={(X,Y)|sum;nj=1lambda;jXjle;X,sum;nj=1lambda;jYjge;Y,lambda;jge;0,j=1,2,hellip;,n}（1）
因此，我们可以获得DEA模型的CCR：
Min[theta;minus;ε(sum;i=1msminus;i sum;r=1ss r)
]s.t.sum;nj=1xijlambda;j sminus;i=theta;xijoemsp;iisin;(1,2,hellip;,M)
sum;nj=1yrjlambda;jminus;s r=theta;yrjoensp;risin;(1,2,hellip;,S)
theta;,lambda;j,sminus;i,s rge;0emsp;j=1,2,hellip;,N（2）
公式中的s＇i和s`r是松弛变量； m和s分别代表输入和输出索引。以我们的研究样本为文化产业的上市公司为例，xijo和yrjo代表jo文化产业公司的I输入项和r输出项，可以用（x0，y0）表示。 ε是非阿基米德非整数，表示计算中的非整数。
使用公式（2），我们可以计算技术效率（TE），它显示财务支持在所寻址的公司中是否有效以及产出是否最大化。随着图的规模增加，财务支持的效率也随之提高。公式（2）隐含假设规模收益不变，这意味着公司将给定投资作为投入以相同的百分比增加产量；换句话说，投资规模不影响效率。
3.1.2 BBC模型
在大多数情况下，并没有建立恒定的规模收益的假设，这与实际情况有所不同。因此，我们构建了一个BCC模型[37]。BCC模型是DEA模型的一种，可提供规模可变的回报。此外，生产可能性集仍然适用（请参见公式（1））。因此，我们可以获得BCC模型：
min[theta;minus;ε(sum;mi=1sminus;i sum;sr=1s r)]
s.t.sum;nj=1yrjlambda;jminus;s i=theta;yrjoemsp;risin;(1,2,hellip;,s)
sum;nj=1xijlambda;j sminus;r=theta;xijoemsp;iisin;(1,2,hellip;,m)
sum;nj=1lambda;j=1theta;,lambda;j,sminus;i,s rge;0,j=1,2,hellip;,N（3）
公式（3）中的变量与为先前模型定义的变量相同。我们假设规模是可变的，因此技术效率是纯技术效率（PTE）。PTE和规模效率（SE）可以通过公式（3）计算。
国内文化产业企业数量高，规模小，文化机构改革不完善。因此，本文的分析将从投资开始，并应用基于投资的BCC模型，该模型基于可变规模收益的假设。分析在相同条件下的产出变化以实现最低投资，将为中国文化产业的进一步发展指明方向。
因为DEA模型的第一阶段无法区分效率是由内部还是外部因素引起的，所以需要第二阶段。
3.2 第二阶段：随机前沿分析模型的相似性分析
从第一阶段开始，我们可以得到决策单元的效率值和投入差异，即实际投资和最有效投资之间的差异。在第一阶段分析的基础上，进行了油炸试验。Fried 等人[38]使用随机前沿分析(SFA)对一组环境变量进行第一阶段绩效度量的回归。Fried 等人[38]发现输入输出松弛变量受环境因素、随机因素和管理效率三个因素的影响。
SFA方法是一种参数化模型。SFA方法要求输出和输入之间存在一定的关系。
SFA模型的回归方程为
Sni=fn(zi beta;n) vni uni;ensp;n=1,2hellip;,N; i=1,2hellip;,I (4)
Sni是n个DMU中i样例投资的松弛变量。zi=(z1i,z2i,hellip;,zki)是k个可观测的环境变量。beta;n为环境变量估计的参数。fn(zi beta;n)表示环境变量对冗余变量的影响。Sni.vni uni是混合错误。我们假设vni~N(0,sigma;2vn)表示随机变量的影响，以及unige;0代表管理效率低下。
根据最有效的DMU模型并以其输入为参考，对其他样本的输入进行如下调整：
xAni=xni [maxi{zibeta;^n}] [maxi{v^ni}minus;v^ni], n=1,2,hellip;,N; i=1,2,hellip;,I(5)
xni和xAni分别是调整前后每个DMU的投资水平。第一个括号声明所有DMU都可以适应相同的外部环境。第二个括号在相同的上下文中调整所有DMU的随机错误，以便每个DMU面临相同的操作环境，并拥有相同的运气。
3.3 第三阶段：调整后的DEA模型
原始输入数据xni被替换为x^ni，即调整后的输入数据。然后利用英国广播公司(BBC)分析效率。每个DMU的效率取决于消除外部环境因素和随机值因素，这些因素可以反映每个DMU的实际运行状况。
DEA方法是一种非参数模型.非参数DEA的优点如下：
我们不需要确定输出和输入之间的显式表达式。当我们
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[607360]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
