文化产业计量分析方法 - 文化产业论文集

文化产业中研究比较多的是竞争力评价。竞争力是经济学基本问题之一，是市场经济的基础，是资源有效配置的保证。将现代计量经济学引入产业竞争力理论研究，就可以形成产业竞争力的计量分析理论。产业竞争力计量分析的一般思路是：合理选择评价指标，并对各指标科学分配权重，构建求和模型；然后，按各指标采集数据，经标准化处理后套入求和公式，即可得到竞争力的量化评估水平。目前，国内外产业竞争力评价体系就有好几个，尽管这些评价指标体系名称不一，但是彼此间大同小异，大都以波特的钻石模型为基础，结合产业自身特点进行合理的要素组合，这值得我们借鉴。但须解决两个关键问题：一个是评价指标的选取和指标体系的建立；另一个是对各指标科学赋权。指标赋权的方面有很多种，既可以采用传统的赋权方法，即专家打分法，也可以采用现代计量方法。近年来，我国政府、学术界对产业竞争力研究逐渐开始重视起来，许多研究机构和专家、学者纷纷加入到研究队伍中来。但由于我国这方面的研究起步相对较晚，目前的相关研究远远还未成熟，无法形成真正的研究体系，基本上沿袭了国外研究的理论框架。在借鉴国外竞争力计量分析研究成果的基础上，部分中国学者对竞争力理论的实证研究作了一点小小的改进，使用具有数量表征特性的竞争力指标体系来解释产业竞争力的形成机理。

文化产业竞争力的评价主要有两种方式：一是对文化产业竞争力展开直接评价，这种方式一般采用官方统计的指标数值，如文化产业增加值、国际市场占有率、盈利率等客观指标来反映文化产业在国际市场上的竞争力情况，二是间接评价文化产业竞争力，一般以文化产业竞争力的影响因素为评价对象，通过这些因素的分析来间接评价文化产业的竞争力，比如通过构建文化产业竞争力指标体系，然后利用主成分分析或因子分析等方法进行综合加权来定量评价，文献[1]—[13]对中国文化产业竞争力进行了评价。

除了文化产业竞争力评价以外，可以进行诸如文化企业经营绩效、文化产业投融资效率、投入产出绩效等分析，见文献[13]—[17]。下文给出了相关的一些计量方法，并指出这些方法的适用范围以及应用过程中的注意事项。

2.1　网络层次分析法

网络分析法（ANP）是美国匹兹堡大学的T.L.Saaty教授于1996年提出的一种适应非独立的递阶层次结构的决策方法，它是在层次分析法（Analytic Hierarchy Process，简称AHP）的基础上发展而形成的一种新的实用决策方法。AHP作为一种决策过程，它提供了一种表示决策因素测度的基本方法。这种方法采用相对标度的形式，并充分利用了人的经验和判断力。在递阶层次结构下，它根据所规定的相对标度—比例标度，依靠决策者的判断，对同一层次有关元素的相对重要性进行两两比较，并按层次从上到下合成方案对于决策目标的测度。这种递阶层次结构虽然给处理系统问题带来了方便，同时也限制了它在复杂决策问题中的应用。在许多实际问题中，各层次内部元素往往是依赖的C低层元素对高层元素亦有支配作用，即存在反馈。此时系统的结构更类似于网络结构。网络分析法正是适应这种需要，由AHP延伸发展得到的系统决策方法。其在文化产业中的应用具体参见文献[9]。

2.2　主成分分析法

主成分分析法是一种通过降维来简化数据结构的方法，即如何把多个变量（指标）化为少数几个综合变量（综合指标），并反映原来多个变量的大部分信息。为了使这些综合变量所含的信息互不重叠，应要求它们之间互不相关，它的数学模型是用变量来表示公因子。通过主成分分析，构造综合评价函数，其中即可得到每个样本的综合评价函数得分，以得分的大小排序，可排列出每个样本的名次。

2.3　因子分析法

因子分析法对指标进行系统评价。因子分析是多元统计分析中常用的一种方法，其基本思想是通过研究众多变量之间的内部依赖关系，寻求这些数据的基本结构，并用少数几个被称为公因子的不可观测变量来表示基本数据结构。这些公因子能够反映原来众多变量所代表的主要信息，用因子分析法进行降维处理的基本机制是：根据变量间的相关性大小把变量进行分组，使同组的变量间相关性较高，而不同组变量间相关性较低，把较多的原始指标被综合为较少的几个彼此独立的综合指标，即公因子，这样有利于研究者抓住主要影响因。根据因子分析的模型，公因子具有相应的贡献率，即包含原始指标信息的程度，当累计贡献率在80%—90%之间时，可以认为公因子基本反映了原始指数的信息。为了使得到的主因子更易于解释，往往需要对因子载荷矩阵进行旋转，最常用的方法是最大方差旋转法。进行因子旋转的目的，就是要使因子载荷矩阵中因子载荷的平方值向0和1分化，使大的载荷更大，使小的载荷更小。最后，将因子表示为变量的线性组合，计算出因子得分，然后利用这些得分作进一步分析。当然，因子分析法自身也存在缺陷，它纯粹依靠统计相关性分析来确定影响因素，进而影响权重，所以，随机误差可能会降低其精确度。在正常条件下，只要条件许可，应该尽可能多选择一些样本，减小随机误差的影响。在明确各因子权重后，采取客观赋权法，得到竞争力得分计算公式。另外在进行因子分析之前，要分析数据是否适合做因子分析。(www.xing528.com)

2.4　组合评价

组合评价法是常用的评价方法，它是将各种综合评价方法所得的评价结果（一般至少早在两大类评价方法中各选一种）和其他数学评价法中的具体模型或方法的有机组合应用。通过计算Spearman等级相关系数，得出每种评价方法对样本排序的等级差，再计算出综合得分。它可以综合利用各种方法的不同特性对评价对象做出比较全面的评价。具体参见文献[18]。

国内外公开发表的系统评价方法有数十种之多，如层次分析法、综合指数法、DEA法、模糊综合评价法、灰色系统分析方法、因子分析法（主成分分析法）、TOPSIS法、功效系数法、嫡值法等等。从理论上说，这些方法各有优劣。比如层次分析法，一般通过专家打分获得，不仅主观性强，而且很难解决各指标间的信息重复问题，对于相关性过强的指标体系，评价效果往往很不理想，与实际偏差较大。从理论上讲，影响文化产业竞争力的各指标之间肯定是相互关联的，问题是这种相关性非常特殊，既不是完全相关，也不是完全不相关，有效的解决方案是借助数理统计方法对指标进行处理，建立定量化的系统评价模型。在以上列举的诸多方法中，因子分析法是处理综合指标的理想方法之一，这种方法既可以通过降维，集中分析重要的指标，又可以较为科学地将指标归类，找出重要的综合指标，最后可以通过因子反映系统的整体评价结果。整个运算可以借助统计软件来完成，效率高，其缺点是因子得分不具实际意义，只能对样本按分数的高低排序。此外，聚类分析法也可实现比较初步的分类，区分出水平相当的一类，进行大致的评价。实际应用中，还要根据研究者的知识背景和实际需要来决定选用哪种方法。

同时，在数据处理过程中应该注意指标多少和指标方向。太多的指标可以通过相关分析进行简化。指标方向要一致，如果不一致，需要反向指标正向化，采用倒变换即可。同时，指标往往具有不同的量纲和量纲单位，还应将各评价指标作无量纲化处理。

2.5 数据包络分析

数据包络分析英文全称Data Envelopment Analysis（简称DEA），是一种评价效率的很好的方法。它集合了数学、经济管理等多学科的思想，在建立线性规划模型的基础上，对不同决策单元DMU（decision making units）之间的相对效率进行比较分析，进而评价每一个决策单元DMU。其中，DEA评价以决策单元的输出和输入变量与数据为依据，输入变量与数据是不同决策单元在生产活动中所耗费的资源，输出变量与数据是不同决策单元的对应的产出结果的信息量，这些结果是经过一定生产过程转化出来的。具体见文献[16]。

文献[13]利用人类发展指数（HDI）构建文化产业竞争力发展指数。该指数通过本地市场容量、文化资源丰裕度、人力资源三个指标来综合加权衡量我国民族地区文化产业竞争力水平，每个指标各占1/3的权重。这种方式简单清晰，便于计算，而且可以一定程度上弥补直接评价和间接评价方法的不足。此外，文献[5]基于投入产出模型，以产业关联的分析方法，探讨了中国文化产业关联程度与波及效应，在此不再赘述。