公共文化服务设施的最优投资管理模式选择

廖青虎，陈通，孙钰，陶志梅

（1.天津商业大学　公共管理学院，天津 300134；2.天津大学　管理与经济学部，天津 300072）

公共文化服务设施的最优投资管理模式选择

廖青虎1，陈通2，孙钰1，陶志梅1

（1.天津商业大学公共管理学院，天津 300134；2.天津大学管理与经济学部，天津 300072）

在建构基于“适合度”的公共文化服务设施投资管理模式选择方法的基础上，以北京、西安、深圳以及杭州的372个公共文化服务设施6 532个数据为样本，针对文化影响的弥散性，采用Tr-OEM算法检测样本数据中的概念漂移现象，结合专家咨询，探讨了4个城市372个公共文化服务设施的最优投资管理模式。研究结果表明：（1）理论分析显示，文化对居民的影响效应是不均匀的，调研所得的样本数据中存在明显的概念漂移，Tr-OEM算法可有效检测数据的概念漂移并在后台有效模拟与修改数据。（2）实证分析显示，“政府—文化单位”模式是4个城市公共文化服务设施主要的投资管理模式，其次为“一臂之距”模式，最后为市场分散型模式。其中，北京、杭州适宜采用市场分散型模式的文化设施数量比较多，而西安、深圳适宜“一臂之距”模式的比较多。

公共文化服务设施；适合度；投资管理模式；概念漂移

十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》第一次明确提出了“公共文化服务体系”的概念。公共文化服务设施是公共文化服务体系的物质载体，是现代公共文化服务体系构建的基础。现代公共文化服务设施投资与管理中存在着供给与需求“对接”失败的现象：文化单位在困惑“为什么社区的图书馆、博物馆无人问津”，居民在抱怨“政府为什么不提供我们需要的文化产品”。目前，我国许多地方政府在公共文化设施的投资管理中实行政府“一言堂”，不考虑居民文化需求的多样性，不考虑社会环境的变化、不做数据调研与专家咨询等，这是不科学的，现代公共文化服务设施投资管理模式的选择需满足居民的文化需求，并能够与当地社会文化共生共存。

从现有学者的研究来看，Brown B和Corbett T （1997）［1］认为公共文化设施投资管理应从3个方面优化：结构、功能以及文化政策。Sang T L和Joung S L（2006）［2］提出现代公共文化设施应从社会、经济、环境3个方面满足居民的需求。Sawicki D（2002）［3］、Innes和Booher（2000）［4］以为现代公共文化设施的投资管理在于满足居民的文化需求，不在于盈利，他们认为公共文化服务设施最佳投资管理模式的选择应考虑居民的满意度。Tabitha R W（2005）［5］以为现代公共文化服务设施的管理模式选择应综合考虑4个方面的影响：文化与社区特征的契合性、区域对文化设施的认同、区域的文化历史、居民参加文化活动意识。Johanne Turbide（2009）［6］通过调查问卷收集相关利益方的数据，提出公共文化设施投资管理模式的选择需综合考虑区域居民的艺术氛围、居民对文化设施的满意度、资金（捐赠）筹措、文化单位职工的满意度等方面。吴理财（2014）［7］提出公共文化服务设施的投资与管理必须满足居民的“可及度”与“适合度”。Mikkonen和Pasanen（2010）［8］认为现代公共文化设施管理模式的选择必须建立在数据调研的基础上。Dempster（2006）［9］采用拟实验数据评估公共文化设施的管理模式选择，Carole Neves（2007）［10］结合实地调研与实验观察，分析公共文化服务设施投资管理模式选择的可行性。姬新龙和周孝华（2014）［11］通过随机波动变量拟合投资者的意愿数据，用动态规划法分析文化项目的投资决策。

文献综述表明，学者们普遍认为公共文化服务设施的最佳投资管理模式的选择须建立在数据调研与专家咨询的基础上，且应考虑居民满意度、辖区文化氛围等。但是，一方面，以往学者在调研数据的处理中，都没有考虑文化的“弥散性”。不同人群对文化的感受程度是不同的，使文化对居民的影响效应具有不均匀性与非均等性，这种不均匀性反应到调研数据上，就会出现数据的概念漂移——真实文化效应的“隐性内容”没有通过数据反映出来，这就需要探讨如何去除文化调研数据中的概念漂移。另一方面，还没有学者系统研究过公共文化服务设施的最优投资管理模式选择模型与方法。基于此，本文首先分析现代公共文化服务设施的3种投资管理模式，建立公共文化服务设施的“适合度”评价指标体系，构建基于“适合度”的投资管理模式选择方法；其次，以北京、西安、深圳以及杭州4个城市的372个公共文化服务设施为样本数据来源，采用Tr-OEM算法检测样本数据中的概念漂移现象；最后，结合专家咨询，探讨372个公共文化服务设施的最优投资管理模式。

一、公共文化服务设施的投资管理模式划分

现阶段我国现代公共文化服务设施的投资管理模式主要可以分为3种。

（一）“政府—文化单位”模式

建国初期，“政府—文化单位”在我国文化领域得到广泛的应用。1950年，国家政务院发布了《关于调整省、市人民政府文化行政机构的决定》，提出成立专门文化部门对公共文化进行统筹和管理，按照行政隶属关系，我国文化部和省级文化厅（局）之间形成了一种“自上而下”的垂直管理格局，直接管理全国的文化工作。这种自上而下模式的优点是操作简单可行，可充分发挥政府动员全社会文化资源的能力，在较短时间内为公众提供给基本公共文化服务。但是，这种严格的“科层制”模式的行政干预性太强，忽视了文化生活需求的社会属性，容易使政府的文化投资与居民的文化需求脱钩。

（二）“一臂之距”模式

“一臂之距”（arms’length principle）是英国人发明的公共文化管理模式，这种模式的基本含义为：政府不直接管理文化机构，二者之间保持“一定距离”，即“政府+市场+文化机构”，将部分公共文化服务推向市场，由社会资本或者非盈利性的文化协会管理与运营，但是政府与文化机构之间又保持“一臂之距”，所以可监督公共文化服务的运营与管理，防止文化机构的运营偏离其文化公益性。这种模式适合具有一定的文化市场，可产生一部分经济效益的文化设施，例如杭州大剧院等。

（三）市场分散型模式

市场分散型模式对区域文化市场与文化交易平台的要求比较高，政府将部分文化事业完全推向市场，并以文化政策与法规为其营造良好的文化生态，具体的运营与管理则由非政府组织（nongovernmental organizations，NGO）或社会资本负责，此时政府与市场供给之间不仅仅是管制与被管制关系，而是以公共利益为核心的合作伙伴关系。采用这种模式的代表国家有：美国、加拿大、瑞士等。国内代表城市有杭州、北京等。

二、基于“适合度”的公共文化设施投资管理模式选择方法

（一）评价指标体系的设计

政府投资公共文化服务设施的目的在于满足居民的文化需求，文化设施的投资须“适合”区域的文化氛围，并对居民的文化素养具有引领作用，我们称之为公共文化服务设施对居民文化需求的“适合度”。本部分将构建“适合度”的评价指标体系，辨识与抽象关键维度，并将关键维度转换成可依据一定的效度和信度进行经验观察的指标。“适合度”是卫生学家 Luann A于 1974年提出来的，Thomas （2010）［12］将这个概念进一步操作化为可获得性、可接近性、可适合性、可承受性、可接受性5个方面的内容。美国城市研究所2002年的研究将公共文化设施的“适合度”分为4个维度：存在（presence）、参与（participation）、影响（impacts）、支持（support）［13］。以文献［12］、文献［13］为基础，考虑文化的动态引领势能，本文将公共文化服务设施分为4个维度：公共文化强度，公共文化耦合、公共文化距离以及公共文化势能。

公共文化强度是项目层面上公共文化服务设施的整体能力表征，包括力度、幅度以及持续度3 个2级指标，具体的3级指标如表1所示。公共文化耦合度表示公共文化服务设施与周围社会、环境的和谐适应性，分为网络耦合与环境耦合两个2级指标，3级指标如表1所示。公共文化距离从两个方面经济距离与功能距离表示了居民对公共文化服务的“可获得性”与“可接近性”，具体的3级指标如表1所示。公共文化势能表示公共文化设施在引领和带动文化影响动态发展的能力，用两个2级指标表示：自身的成长势能、对所在辖区的文化引领势能，具体的3级指标如表1所示。在实证分析时，表1中的部分数据来自于《统计年鉴》，部分数据必须通过问卷调研获得。

（二）公共文化服务设施的“适合度”与投资管理模式选择的结合

本部分需找到文化设施对居民的“适合度”与3种投资管理模式的结合点，具体方法如下。

表1　公共文化服务设施对居民文化需求“适合度”的评价指标体系

首先，通过专家咨询，按照百分制，将公共文化服务设施的3种投资管理模式划分为不同的得分区间；其次，根据表1中“适合度”评价指标体系，在搜集样本数据基础上，通过因子分析计算各个文化设施“适合度”得分；最后，根据样本公共文化服务设施的得分数值，与各个投资管理模式说对应的分数区间一一照应，从而找到其最优的投资管理模式。

3种投资管理模式的阶段是通过专家咨询而划分，咨询结果显示：首先，市场分散性模式对文化与居民互动的要求最高，该模式下，文化市场比较成熟，文化交易平台比较健全，居民自觉参与文化活动。经过专家咨询与课题组讨论，我们将该模式所对应的得分区间界定为60～100；其次为“一臂之距”模式，分数区间为30～60；最后为“政府—文化单位”模式，对应的分数区间为0～30，具体如表2所示。

表2　公共文化服务设施3种投资管理模式所对应的分值区间

将公共文化服务设施“适合度”得分与投资管理模式选择结合之后，下面我们做的工作是根据表1中的公共文化服务设施对居民需求“适合度”的评价指标体系，通过实地调研搜集数据，运用Tr-OEM算法检验样本中是否存在数据概念漂移，并不断修正数据，最后得到没有概念漂移的样本数据。根据样本的得分情况，结合表2中各个模式对应的分数区间，选择文化设施的最优投资管理模式。

（三）数据来源

在公共文化服务设施投资管理创新方面，国内的4个城市走在前列：北京、西安、深圳和杭州。早在2011年，北京市推出了《北京市公共文化服务》十大工程，用于提高北京市的居民的公共服务水平。同样，西安、深圳以及杭州也分别提出了“文化立市”“文化强市”以及“保持低收入者文化权利”的口号，并采取了相应的措施。我们以这4个城市各个区的公共文化服务设施为样本搜集数据。具体来说，表1中的定量数据来自于2013年当地的《统计年鉴》，部分数据来自于城投公司以及国家开发银行，表1中的定性数据是采用实地调研的方式获得，采用liket5评分法。天津大学“基于和谐理性的公共文化服务设施评价及补偿研究”项目组与国家开发银行合作，在4个城市分别发放调研问卷300份，北京回收282份，西安回收254份，深圳与杭州分别回收248份、288份。剔除明显不合格的问卷，经过信度与效度检验后，我们得到了实地调研的数据（因为篇幅的限制，本文不再列出具体数据）。

三、概念漂移检测方法

（一）概念漂移的特征分析

概念漂移通常是指一些文本的类别特征对该文本内部所含有的“隐性内容”有很大的依赖性，由于数据在时间与空间维度分布的不均匀，这些隐性内容发生着让人难以预知和察觉的细小变化，这些变化如果累积到一定程度，就会导致目标概念发生根本性的改变［14-15］。文化影响是弥散性的，而且是分布不均匀的：对内，由于居民自身修养、教育、审美品味的不同，公共文化设施对不同人群的影响具有差异性，这就是公平性问题；对外，辖区内公共文化设施与其它文化设施的文化影响之间存在或紧或疏、或互补或竞争的相依关系。数据分析容易出现隐性内容不容易被数据反映的情况，所以我们需要检测样本数据中是否存在概念漂移的现象。

就本文的数据来看，笔者将4个城市以市辖区为单位，将数据分为不同的块，北京市的数据分为16个区，深圳10个区，西安11个区，杭州8个区，分别记为：S1，S2，…，Sn，数据块Si=｛A1，A2，…，Am，C｝。其中，Aj表示Si的真实属性；C为分类变量；C=ck，k= 1，2，…，m。Ck，sn=｛X∈Sn，C（X）=ck｝，在概念漂移不存在的情况下，数据块Sn中所包含的信息可表示为

（二）基于Tr-OEM算法的概念漂移检测

文献［16］至文献［18］使用边界元算法（boundary element method，BEM）检测概念漂移，BEM往往用于处理时间动态大样本数据，不能处理本文的分块小样本数据。基于此，本文使用文献［19］至文献［20］在BEM算法基础上所提出的Tr-OEM算法，Tr-OEM算法以实地调研数据为样本，并在后台根据已有数据的内在分布规律与趋势，对已有数据进行模拟，增大样本的数量，减少文化辐射弥散性的影响。Tr-OEM算法的描述为

那么检测的标准是什么呢？也就是说何时概念漂移检验才能结束？原则上，我们使用的值介于（0.01～0.09）之间为评价标准，但是这样的计算比较复杂。在概率理论与统计中，我们使用标准平均变化距离（AVD）即为虚拟数据与真实数据之间的差异，在对数据进行检验时，我们通过对漂移概率和真实概率Pt（ωi）之间的差异度计算来表现，用式（3）表示二者之间的散度

根据式（3）的变化距离，我们定义平均变化距离AVD为

本文使用流数据概念漂移的准确度 （AVD）作为概念漂移的检测标准，结合处于（0.01～0.09）的概率范围，当我们运用Tr-OEM计算的AVD处于（91%～99%）时，表示此时k个数据块将公共文化服务设施的“隐性内容”全部反映了出来，反映了真实的“隐性”内容，正确处理了公共文化的弥散性与不均匀性，此时数据的科学性与真实性比较强。

四、实证分析结果

（一）样本数据的概念漂移检测

接下来，本文将对实地调研得到的数据进行概念漂移检测。结合表1中指标体系，得到的数据是一个三级问题数据集，数据集有4个指标样本（强度），每个指标层下分别又有3、2、2、2个三级指标层，三级指标下又有不同的测量指标，也就是应该有4个二进制指标样本，9个二进制指标层。在数据的分析过程中，不但每个数据要进行对比，同时，指标样本与指标层也分别需要对比，这样，整个数据库表现出一个“山丘型”的特征，也就是一个显著的可能存在概念漂移的截面数据块集（ID2CV），那么我们可以用高斯分布N（1，3）、N（1，1）与N（0，1）分别生成数据集的3个分类级别，每个级别模拟生成1 500个样例，按照式（2）与式（4）的概念漂移检测方法，可以得到数据概念漂移的先验概率的曲线为图1所示。

从图1可以看出，先验概率的数据分布是不光滑的，也就是本文的数据中存在着概念漂移的现象，所以，我们需要通过上文中所模拟的数据，对原有的样本数据进行修改，经过反复试算，并求解AVD的值，我们可以得到7个循环之后最终得到的基于Tr-OEM算法的AVD值，具体如表3所示。

表37　次循环概念漂移检测的AVD值（取C=9）　%

表3的数据分析表明，伴随着流数据概念漂移检测次数的增多，AVD的值越来越高。经过7次循环检测，我们最终可以得到的AVD的值要大于91%，而且AVD值伴随着值α的增加先增大后减小，其最优值为97.22%（α＝0.2）。

（二）公共文化服务设施最优投资管理模式的选择

通过7次概念漂移检测并随时剔除与修改数据后，本文可以得到最终的6 532个数据，通过10位专家的打分，我们可以将372个（北京127个，西安86个，杭州75个，深圳84个）公共文化服务设施的最优投资管理模式进行分类，具体的分类结果如表4所示。

表4　4个城市公共文化服务设施最优投资管理模式的分类选择

从表4可以看出：

1.适合采用市场分散性模式的公共文化服务设施数量与占比排名为：北京＞杭州＞深圳＞西安，这得益于北京与杭州深厚的文化底蕴，较为完善的文化市场与交易平台，其中北京应采取市场分散性的公共文化设施集中在798艺术区。

2.适合采用“一臂之距”模式的公共文化服务设施数量排名：总量上，北京＞西安＞深圳＞杭州；占比上，西安＞深圳＞北京＞杭州，其中西安采取这种模式的公共文化服务设施主要集中在曲江池地区，包括曲江池管委会与金地地产等社会资本的合作。

3.传统的政府投资管理模式仍然占有相当的比例，总量上，北京＞深圳＞西安＞杭州，占比上，深圳＞杭州＞北京＞西安。

总的来说，“政府—文化单位”传统模式仍然是4个城市公共文化服务设施主要的投资管理模式，采用这种模式的文化设施数量占到总量的40%以上，其次为“一臂之距”模式，最后为市场分散型模式。其中，北京、杭州适宜采用市场分散型模式的文化设施数量比较多，而西安、深圳适宜“一臂之距”模式的文化设施比较多。

五、结论

十八届三中全会提出，公共文化服务体系的建设是构筑“国家软实力”的基础。公共文化服务设施是公共文化服务体系的物质载体，其投资管理模式不能生硬的由政府决定，也不能“一刀切”，必须根据当地公共文化服务设施与居民需求的“适合度”而采取与之匹配的最优投资管理模式。基于此，本文首先总结了现有的公共文化服务设施的3种投资管理模式，并构建公共文化服务设施对居民文化需求的“适合度”评价指标体系；其次，通过专家咨询与实地调研，按照百分制，将公共文化服务设施3种投资管理模式划分为不同的得分区间，从而将公共文化服务设施的“适合度”与其投资管理模式有机的结合；最后，在实证分析的数据分析中，考虑到文化的弥散性使文化影响与发展的不均匀性，本文提出了使用Tr-OEM算法剔除流数据中的概念漂移现象，经过7次循环检测、数据剔除与修改，最终得到不存在概念漂移的数据，并依此数据通过因子分析得到各个公共文化服务设施的得分，按照得分对照表2中的投资管理模式的得分区间范围，找到各个设施最适宜的投资管理模式。

十八大后，政策制定者与理论研究者开始关注公共文化服务设施的供给，然而，过多的人将目光放在了公共文化服务设施的本体供给上，而忽视了公共文化服务设施“软实力”的管理优化。公共文化服务设施作用的发挥最终要落实在为人民服务这个根本点上，如果城市辖区内的公共文化服务设施所提供的文化服务不是居民所感兴趣的、需求的，得不到居民的认可，这样的公共文化服务设施就形同虚设，纳税人的钱被白白的浪费。所以，公共文化服务设施不单单是一个建筑物，而是公共文化服务的物质载体，在公共文化服务设施的前期可研与后评估阶段，决策制定者应根据公共文化服务设施在辖区内的强度、网络耦合度、文化距离以及文化势能，使公共文化服务设施与辖区内的环境、基础设施、人文充分结合，将文化弥散作用发挥到最大。

［1］Brown B，Corbett T.Social indicators and public policy in the age of devolution［R］.Institute for Research on Poverty，1997.

［2］Sang T L，Joung S L.Host population perceptions of the impact of Mega-events［J］.Asia Pacific Journal of Tourism Research，2006，11 （4）：407-421.

［3］Sawicki D.Improving community indicator systems：injecting more social science into the folk movement［J］.Planning Theory and Practice，2002，3（1）：13-32.

［4］Innes J，Booher D.Indicators for sustainable communities：a strategy building on complexity theory and distributed intelligence［J］. Planning Theory and Practice，2000，1（2）：173-186.

［5］Tabitha R W，Ruth R.Toward a new understanding of the social impact of the arts［C］.Proceedings of the 8th International Conference on Arts&Cultural Management.Montreal：2005.

［6］Johanne Turbide，Claude Laurin.Performance Measurement in the arts sector：the case of the performing arts［J］.International Journal of Arts Management，2009，11（2）：56-70.

［7］吴理财.县域公共文化服务体系应延伸到村社［N］.光明日报（理论版），2014-9-13（12）.

［8］Mikkonen J，Katja P.Economic and socio-cultural impacts of two leading cultural festivals of Savonlinna［C］.Paper for Global Events Congress IV Leeds.England：2010，7：1-13.

［9］Dempster A M.Managing uncertainty in creative industries：lessons from jerry springer the opera［J］.Creativity and Innovation Management.2006，15（3）：224-233.

［10］Carole Neves.An evaluation of the national museum of natural history discovery room［R］.Washington，DC：Smithsonian Institution Office of Policy and Analysis，2007.

［11］姬新龙，周孝华.基于实物期权的文化产业最优投资决策［J］.北京理工大学学报：社会科学版，2014（1）：58-63.

［12］Thomas W Doylea，Ken W Kraussa.Predicting the retreat and migration of tidal forests along the northern Gulf of Mexico under sea-level rise［J］.Forest Ecology and Management，2010，259（4）：770-777.

［13］Maria Rosario Jackson，Joaquin Herranz Jr.Culture counts in communities：a framework for measurement［R］.New York：the Urban Institute，2002.

［14］Zhang Zhi-hao，Zhou Jie.Transfer estimation of evolving class priors in stream data classification［J］.Pattern Recognition，2010，43 （9）：3151-3161.

［15］陈照阳，黄上腾.流数据分类中的概念漂移问题研究［J］.计算机应用与软件，2009，2（2）：254-256.

［16］Saerens M，Latinne P，Decaestecker C.Adjusting the outputs of a classifier to new a priori probabilities：a simple procedure［J］. Neural Computation，2002，14（1）：21-41.

［17］Zico K J，Marcus A M.Dynamic weighted majority：an ensemble method for drifting concepts［J］.Journal of Machine Learning Research，2007，8（8）：2755-2790.

［18］Li C Q，Ling TW，Hu M.Efficient processing of updates in dynamic XML data［C］.Proc of the 22nd Int Conf on Data Engineering. Washington DC：IEEE Computer Society，2006：13-22.

［19］Yang C，Zhou J.Non-stationary data sequence classification using online class priors estimation［J］.Pattern Recognition，2008，41 （8）：2656-2664.

［20］Li C Q，Ling T W，Hu M.Efficient updates in dynamic XML data：From binary string to quaternary string［J］.The Very Large Data Bases Journal，2008，17（3）：573-601.

The Optimum Selection Mode of Investment and Management for Public Cultural Service Facilities

LIAO Qinghu1，CHEN Tong2，SUN Yu1，TAO Zhimei1
（1.School of Public Management，Tianjin University of Commerce，Tianjin 300134，China；2.College of Management and Economics，Tianjin University，Tianjin 300072，China）

This study is based on selecting the mode of investment management on constructing public cultural servicing facilities of “Propriety”，taking examples of 6532 data from 372 public cultural servicing facilities from Beijing，Xi’an，Shenzhen and Hangzhou，employing the concept drift phenomenon of testing sample data by Tr-OEM computation，aiming at the diffusivity of culturally influence in combination with expert consultation on the mode of the most optimum investment management of 372 public cultural servicing facilities of the four cities.The results are:First，theoretical analysis shows that the influences of culture on residents are not even and concept drift is obvious in sample data of investigation，while Tr-OEM computation can effectively test concept drift of data and imitate and modify data.Second，positive analysis shows that the mode of“government versus cultural unit”is the principal mode of investment management of public servicing facility in the four cities，while the second mode is Arm’s Length Principle and the last is mode of decentralized market.Of the three modes，the last mode is proper to cultural facilities of Beijing and Hangzhou while the second mode is proper to that of Xi’an and Shenzhen.

public cultural servicing facilities；propriety；the investment and management model；concept drift

C935；F224.9

A

1009-3370（2016）01-0096-07

10.15918/j.jbitss1009-3370.2016.0113

［责任编辑：宋宏］

2014-11-03

国家自然科学基金资助项目（71272148，71273186）；高校博士点基金资助项目（20120032110039）

廖青虎（1985—），男，博士，讲师，E-mail：liaoqinghu@163.com；陈通（1956—），男，教授，博士生导师，E-mail：ct88@tju.edu.cn；孙钰（1965—），女，教授，博士生导师，E-mail：sunyuyao@163.com；陶志梅（1973—），女，副教授，E-mail：taotao@tjcu.edu.cn