前期的研究均表明,技术效率、技术进步是文化产业全要素生产率的重要源泉[1],而文化产业生产结构的复杂性导致了现阶段难以用一个定量的分析框架对其生产技术进行估计. 如果能够从定量化的角度解释文化要素投入与产出之间的关系, 那么对于科学制定文化产业政策, 促进文化产业发展具有重要的理论意义和现实价值. 因此对我国文化产业技术效率测度方法的选择变得尤为重要.
基于以上原因, 本文首先明确文化产业概念和统计范围,其次介绍传统估计方法下,文化产业技术效率的测度方式, 然后着重介绍现阶段如何有效处理技术异质性的方法, 并能够准确刻画我国现阶段文化产业技术效率的工具,最后对全文进行总结.
一、基于传统方法的文化产业技术效率测度研究
在研究文化产业的技术效率时, 经常就以下几个问题进行探讨:首先,关于研究方法的选择问题,一般选择非参数法和参数法,如果是参数法,就要面临函数形式的选择, 而非参数法则需要解决异常值的影响问题;其次,关于文化产业的生产结构和成本结构的探讨;第三,对于技术效率的影响因素的分析,主要涉及外生变量的选择和引入;最后,是文化产业技术异质性的刻画和分析. 对文化产业技术效率的测算方法主要有两种:一是参数法,主要是随机前沿法(SFA);二是非参数法,以数据包络分析(DEA)为主.
(一)基于生产函数研究技术效率测度
最开始对文化产业生产结构的研究, 源于文化产业技术效率的估计. 一般做法是基于C-D生产函数, 先估计出最优生产前沿, 然后根据距离函数和JLMS技术估计出每个文化企业的技术效率; 后期研究集中在非效率项的分布假设(比如正态分布,伽马分布,指数分布等),估计方法的选择,函数形式的设定(C-D生产函数和超越对数生产函数)以及基于不同行业(表演艺术业,博物馆,图书馆,影视业等)的研究.
Throsby[2]最早开始研究表演艺术组织的技术效率.他对澳大利亚表演艺术组织的C-D生产函数进行了估计.随后,Gapinski[3]采用更加灵活的超越对数生产函数, 调节存在于美国和英国非盈利表演艺术行业的技术异质性, 并分析了表演艺术公司的生产结构, 但可惜的是作者并没尝试估计出该行业的生产函数. Zieba和Newman[4]通过对德国公共剧院生产函数的估计, 再次对Gapinski提出的问题进行了研究.
他们的研究确认, 在经济区的表演艺术机构具有正的边际产量递减效应的研究结论.Bishop和Brand[5]基于英格兰西南部的调查数据, 采用随机前沿生产函数,检验了英格兰博物馆的技术效率,他们将游客数量作为博物馆的产出绩效指标,并拟合了一个C-D函数,估计出来的平均技术效率为45.5%.
(二)基于成本函数研究技术效率测度
根据对偶原理,如果拥有价格信息,可以将生产函数转化为成本函数, 那么就可以研究文化产业的成本效率,当然这也是一种技术效率(在既定成本下的产出最大化). 早期学者对文化产业成本效率进行了广泛的研究,比如Lange等[6]对美国表演艺术行为目标进行了研究, 认为大都会乐团首要目标是关注演出质量,而其他乐团没有单一而明确的行为目标.
Jackson[7]对博物院的成本效率研究表明,公共文化服务机构成本最小化行为是有效的, 而其采用的横截面数据,无法全面衡量文化产业的技术效率. 随后的研究通过面板数据以获取更多文化产业的信息,并且对其技术进步也加以研究, 进而推动了文化产业技术效率在研究方法和理论方面的发展,比如Fazioli和 Filippini[8]对艺术机构的成本结构进行了研究,以评估其规模经济和范围经济;Felton[9]对美国管弦乐队进行了研究,结果表明,管弦乐队可以通过增加演出数量提升生产率,即利用规模经济提升规模效率.Last和Wetzel[10]分析了德国剧院的技术效率,指出大多数剧院存在规模报酬递增现象, 可以利用规模经济获取效率的提升.
(三)非参数法下文化产业技术效率测度的研究
参数法由于人为设定了函数关系式, 存在一定的主观成分,另外需要对误差项的分布做假设,针对参数法在技术效率研究方面的缺陷, 很多学者尝试利用非参数法来刻画文化产业生产特点.Tobias[11]利用数据包络分析方法(DEA)估计了德国戏剧、 歌剧和芭蕾三种艺术形式的成本前沿函数,结果表明平均成本无效率值为11%. Basso和Fu-nari[12]采用数据包络分析(DEA)的CCR模型评估了意大利博物馆的技术效率, 并且比较了各个博物馆的相对技术效率. 蒋萍和王勇应用三阶段DEA和超效率DEA模型对中国31个省份2008年文化产业投入产出效率进行了分析, 发现文化产业效率受环境影响较大且西部比东、中部要大,文化产业效率区域差异较大. 郑世林和葛珺沂[13]应用DEA-Malmquist方法测算了文化产业的全要素生产率增长, 指出技术进步对文化产业全要素生产率贡献最大, 因此文化体制改革的重点在于提升技术效率.
二、对技术异质性的刻画与处理
Kumbhakar等[14]认为,传统的随机前沿分析方法.在估计技术有效性时, 都假定所有的生产单位具有相同的生产技术,但是现实的情况却是不同行业、不同区域的企业因面临不同的生产计划, 具有各异的投入产出组合,这导致其技术集相异. 那么具体到我国文化产业实际, 由于我国区域资源禀赋、 资本获取、 市场竞争及其他社会经济文化特征均存在显着差异,使得区域文化产业具有不同的技术集,即存在技术异质性,如用单一生产前沿函数估计技术效率,则很难刻画产业内企业的真实技术, 因为不考虑区域技术异质性的技术无效率估计会偏大. 另外,用单一生产前沿函数估算技术效率, 只适用于同一技术集合厂商群组内的比较,而跨群组的分析,将因生产前沿的不同, 导致以生产前沿距离比值衡量的技术效率与生产率指数失去比较的共同基准. 因此,将技术异质性纳入技术效率衡量, 是准确估算真实技术效率的需要, 而这正是文化产业技术效率测度的难点. 随着文化产业面板数据的可获得性和计量方法的发展, 采用面板随机前沿函数模型和随机共同边界函数, 来处理文化产业发展中的技术异质性就成为可能.
第一,采用线性面板随机前沿模型,并逐步放松传统随机前沿函数的分布假设. Schmidt和Sickles[15]最先做了这方面的尝试. 他们采用面板随机前沿模型的固定效应和随机效应估计技术参数, 然后通过方程的常数项计算每个企业的技术效率值, 最后将具有最大截距项的企业,作为最有最有效率的基准.
该方法的最大问题有两点:一是他们假设所使用的样本不存在异质性;二是假定技术企业技术效率不随时间发生变化. 最近Ahn等[16]提出一种综合了线性回归和多因素分析的技术,来克服前期模型中需要估计大量参数的困难,以此来捕捉企业的技术异质性.
第二, 将不可观测的技术异质性从样本的无效率项中分离出来, 从而更加准确的计算企业的技术效率. Greene[17]在这方面做了进一步的努力,提出真实固定效应和随机效应模型来处理不可观测的企业技术异质性问题. 他们的特点是需要采用极大似然估计以获取技术参数,有可能发生参数冗余问题,使得在固定效应下估计出的参数是有偏的. 另外,由于假设了方程的参数只受到企业固定效应和非效率的影响,那么如何有效区分二者变得很困难.
第三,采用随机共同边界法处理技术异质性. 前期学者总是将估计出来的效率值在不同样本群体进行比较,以观察不同组群技术效率的变化特点,并探讨引起这种变化的原因. 但是,这种做法存在两个弱点:一是将各区域样本资料合并后,估计单一生产函数, 这种做法忽略了各区域自然禀赋、 要素投入价格、经济环境等差异所导致的区域技术异质性,使其所估计的技术无效率的估计值偏大; 二是跨群组的分析会因生产边界的不同, 使得以边界距离比值衡量的效率值与生产力指数,失去比较的共同基准. 最近以共同边界分析方法来解决跨区域效率比较问题得到了学者的认可.
第四, 采用潜类别随机前沿模型处理技术异质性问题. 潜类别随机前沿模型,综合了潜类别估计和随机前沿分析这两种分析工具的特点. 其通过多项式logit 排列估计找到生产单位属于某一技术俱乐部的概率,从而确定生产单位的归属,同时将生产单位的技术效率估计出来.
三、结论与展望
从传统的测量方法看, 技术效率的测算需要要素投入数据和相应的产出数据, 通过将实际产出与前沿产出进行比较, 以获得一个文化产业的技术效率,但是随着文化产业的发展,不同区域或者不同行业的文化企业可能采用不同的生产技术, 估算技术效率需要考虑技术异质性.
尽管前期的研究提供了不同的解决思路, 但是仍然存在改进的空间:首先;从研究方法看,众多学者都是在非共同边界函数下,采用DEA方法,进行技术效率和生产率的分解, 而该方法无法有效识别区域异质性和难以进行跨区域效率的比较;其次,目前关于文化产业的研究,都是从宏观层面展开研究,采用的数据皆是行业层面的数据, 缺乏对文化企业微观运行机制的研究, 因此无法深入分析文化市场主体在竞争性市场中的行为准则;第三,国内文献较多的关注文化产业整体技术效率的变化及其影响因素和区域差异, 很少关注文化产业内部行业的技术效率状况,而文化产业分为传统行业和新兴行业,或者按照国家统计局的标准,分为核心行业、外围行业和相关行业, 细分行业的技术效率对文化产业整体效率影响较大;第四,前期文献主要集中在文化产业技术效率、竞争力、产业集聚等方面,但是相对缺乏对文化产业全要素生产率的研究,更鲜见基于要素错配视角,研究文化产业效率损失的文献;最后,前期文献在研究区域文化产业时,往往忽略了空间交互影响,现代空间计量经济学表明, 文化先进的省份可能对落后省份产生技术溢出,形成空间交互影响,不考虑空间交互影响估计出来的技术效率将会有偏.
[参考文献]
[1]蒋萍,王勇.全口径中国文化产业投入产出效率研究[J].数量经济技术经济研究,2011(12).
[2]Throsby D. Production and Cost Relationships inthe Supply of Performing Arts Services [J]. Economicsof the Australian Services Sector, 1977(6): 414-432.
[3]Gapinski J H. Tourism's Contribution to the De-mand for London's Lively Arts [J]. Applied Eco-nomics, 1988, 20(7): 957-968.
[4]Zieba M, Newman C F. Understanding Produc-tion in the Performing Arts: A Production Functionfor German Public Theatres [R]. Trinity CollegeDublin, Economics Department, 2007.
[5]Bishop P, Brand S. The Efficiency of Museums: aStochastic Frontier Production Function Approach [J].Applied Economics, 2003, 35(17): 1853-1858.
[6]Lange M, Luksetich W, Jacobs P. Managerial Ob-jectives of Symphony Orchestras [J]. Managerial andDecision Economics, 1986, 7(4): 273-278.
[7] Jackson R. A Museum Cost Function [J]. Journalof Cultural Economics, 1988, 12(1): 41-50.
[8]Fazioli R, Filippini M. Cost Structure and ProductMix of Local Public Theatres [J]. Journal of CulturalEconomics, 1997, 21(1): 77-86.
[9]Felton M V. Evidence of the Existence of the CostDisease in the Performing Arts [J]. Journal of CulturalEconomics, 1994, 18(4): 301-312.
[10]Last A K, Wetzel H. The efficiency of GermanPublic Theaters: a Stochastic Frontier Analysis Ap-proach [J]. Journal of Cultural Economics, 2010, 34(2): 89-110.
[11]Tobias S. Quality in the Performing Arts:Aggre-gating and Rationalizing Expert Opinion[J]. Journal ofCultural Economics, 2004, 28(2): 109-124.
[12]Basso A, Funari S. A Quantitative Approach toEvaluate the Relative Efficiency of Museums[J]. Jour-nal of Cultural Economics, 2004, 28(3): 195-216.
[13]郑世林,葛珺沂. 文化体制改革与文化产业全要素生产率增长[J] .中国软科学, 2012(10).
[14]Kumbhakar S C, Tsionas E G. Stochastic ErrorSpecification in Primal and Dual Production Systems[J]. Journal of Applied Econometrics, 2011, 26 (2):270-297.
[15]Schmidt P, Sickles R C. Production Frontiers andPanel Data[J]. Journal of Business & Economic Statis-tics, 1984, 2(4): 367-374.
[16]Ahn S C, Lee Y H, Schmidt P. Stochastic Fron-tier Models with Multiple Time -varying IndividualEffects [J]. Journal of Productivity Analysis, 2007, 27(1): 1-12.
[17] Greene W. Reconsidering Heterogeneity in Pan-el Data Estimators of the Stochastic Frontier Model[J].Journal of Econometrics, 2005, 126(2): 269-303.
