互联网应用对文化产业全要素生产率影响的研究

陈沐青 李越 张梦月

摘要：本文利用2012-2017年中国31个省份的面板数据，实证研究互联网应用对文化产业全要素生产率的影响，并考察该影响的行业与区域异质性。研究发现：互联网应用对我国传统文化产业全要素生产率具有负效应，且该影响具有行业与区域异质性，互联网应用对文化服务业的负效应最强，对中部地区负面影响最显著。因而提出推进“互联网+”行动计划，加速文化产业转型升级，根据地区实际情况制定相应产业政策的建议。

关键词：文化产业;互联网;全要素生产率;产业融合

中图分类号：TP3 文献标识码：A

文章编号：1009-3044（2020）18-0052-03

开放科学（资源服务）标识码（OSID）：

1 前言

第四次经济普查显示我国文化产业实现规模效益双提升[1]，迎来新的增长点。2008-2018年文化产业增加值年均增长18.9%，高于同期GDP现价年均增速6.9个百分点，可见文化产业在我国经济发展中的地位日渐提高。

总体来看，文化产业发展整体水平不高，创新活力不强，与高质量发展要求仍有差距。近年来国家提出加快发展“三新”经济，促进产业转型升级，“互联网+”作为“三新”活动的重要部分发展势头迅猛，成为推动产业变革、提升经济技术水平的国家战略。研究互联网应用对文化产业全要素生产率有何影响，该影响是否存在行业与区域异质性，对于国家推进“互联网+”行动计划，各地区制定文化相关产业政策，加快转型升级，有重要的现实意义。

2 文献综述与假设

2.1 互联网应用与生产率

目前我国文化产业中传统产业居主体地位，处在互联网导人的初期，运用该技术的意识不强，且技术进步耗时长[2]，短期内占用大量资源，因此互联网对技术进步有抑制作用。其次、传统产业更明显地具有“成本次可加性”，互联网的交叉网络外部性使产业垄断更普遍[3]，对技术效率产生抑制作用。故本文提出如下假设：

假设1：互联网应用对传统文化产业全要素生产率具有负效应。

2.2 互联网应用影响全要素生产率的行业异质性

文化产业可分为制造业、批发与零售业、服务业三类行业，文化服务业生产率下降的主要原因是技术进步不能满足自身发展，因此互联网对其负面影响最大。文化制造业同样受市场需求的影响而使其技术效率降低，但互联网对其技术进步的负效应较弱。文化批发与零售业依赖文化制造业与服务业发展，互联网对其影响是间接的，相对最弱。因此，提出如下假设：

假设2：互联网应用对传统文化产业全要素生产率的影响具有行业异质性，对文化服务业影响最大。

2.3 互联网应用影响全要素生产率的区域异质性

我国东部经济发达，人力资源丰富，技术进步最快;且文化产业发展最成熟，互联网导人时间长，企业机制已逐渐适应，因此互联网对其生产率的负效应不明显。相反西部人才等资源稀缺，经济、文化产业发展相对滞后，因此互联网对西部的影响不显著。而中部文化产业发展较成熟，正值互联网导人初期，互联网对其技术进步与技术效率的负效应最明显。基于此，提出如下假设：

假设3：互联网应用对传统文化产业全要素生产率影响具有区域异质性，且对中部的负效应最大。

3 研究设计

3.1 文化产业全要素生产率的测度

测算全要素生产率的方法中Fare et al.提出的DEA-Malmqusit指数法[4]无须设定生产函数的具体形式，能避免函数设定偏误造成的误差，故本文采用DEA-Malmqusit指数法分析文化产业全要素生产率的变动。

投入变量中资本投入以规模或限额以上文化及相关产业企业资产总计表示，劳动力投入以年末从业人员数量表示。产出变量以规模或限额以上文化及相关产业企业营业收入与营业利润表示。基于以上变量运用DEAP2.1对全要素生产率指数进行测算。

表1显示，第一，我国传统文化产业全要素生产率整体呈增长态势，平均增长率为2.74%。第二，文化制造业、批发与零售业全要素生产率整体增长，且文化批发与零售业增长最快，平均增长率为4.5%，文化服务业全要素生产率持续负增长。

3.2 模型设定

为研究互联网应用对我国传统文化产业全要素生产率的影响，构建如下模型：

其中TFP表示传统文化产业全要素生产率，INT为互联网应用水平，cv为控制变量，f为非观测的个体固定效应，ε表示服从随机误差，i、t分别表示地区和时间。

3.3 变量设定

1）被解释变量：传统文化产业全要素生产率（ TFP）为被解释变量，以2012年为基年，假设当年TFP为1，通过上文每年全要素生产率指数计算而得。

2）解释变量：采用互联网普及率，即网民数与地区人口数的比值，反映互联网应用水平（INT）。

3）控制变量：从宏观、社会、区域三个层面选取变量。宏观层面选择人均GDP表示经济发展水平（GDP），以反映地区文化的创造和消费水平。社会层面参考张晓雪[5]的做法，选择平均受教育年限衡量受教育水平（ EDU），受教育水平影响文化产品与服务的需求层次。区域层面，选择财政自主权（FD），即一般预算内财政收人与支出之比衡量区域制度因素的影响。

3.4 数据来源及处理

本文数据来源于2012-2017年《中国文化及相关产业统计年鉴》《中国人口与就业统计年鉴》、各省统计年鉴、中国国家统计局數据库、中国互联网络信息中心（CNNIC）调查报告，不包含文化产业新业态数据。

4 实证分析

4.1 基本回归结果

多重共线性检验结果显示，最大的VIF值为4.72，因此各解释变量间存在多重共线性的可能性较小。Hausman检验结果显示P值为0.019，因此建立固定效应模型。模型l以传统文化产业TFP为被解释变量，结果如表2。

由表2可知，互联网应用水平提高1%，文化产业生产率降低1.083%，通过了1%的显著性检验，说明互联网对传统文化产业生产率具有显著的负效应，验证了假设1。互联网短期内阻碍了传统文化产业的技术进步，扩大了垄断，带来的社群经济、企业生产设备、组织方式的不适应使技术效率降低，因此对全要素生产率具有负效应。经济发展一项系数在1%显著性水平下成立，反映人均GDP与文化产业发展有显著的正向关系，人均GDP升高刺激了相关产品和服务的消费，能提高文化产业生产率。受教育水平系数为负，一种可能的原因是样本期间，人们受教育水平越高，文化需求层次越高，抑制了传统文化产业生产率的提高。

4.2 行业异质性

模型2一模型4分别以文化制造业、批发与零售业、服务业TFP为被解释变量，由结果可知互联网应用对三个行业的生产率均具有负效应，文化制造业、服务业互联网一项系数分别通过了5%、1%的显著性检验，文化批发与零售业未通过，互联网对文化服务业TFP的负效应最强，制造业次之，批发与零售业最弱。

三个行业与互联网融合程度仍不足，未充分发挥互联网高效创新的特点。文化服务业受消费者偏好直接影响，互联网带来的产业垄断、“社群经济”、长尾经济思想使其技术效率下降明显，阻碍了技术进步，因此互联网对文化服务业全要素生产率的负效应最显著，验证了假设2。

4.3 区域异质性

为分析互联网影响的区域异质性，将全国31个省份划分为东、中、西部三大板块。模型5-模型7分别为东、中、西部的分析。

表3回歸结果反映：

第一，东、中、西部互联网应用一项系数均为负，可见互联网对三个地区传统文化产业生产率均具有负效应，与全国相同。

第二，互联网对文化产业生产率的影响存在区域异质性，且对中部最显著，东部次之，验证了假设3。究其原因，东部地区经济更发达，开放程度高，创新力强，而中部传统文化产业中互联网导人程度较低，因此互联网对中部的负效应更显著。

第三，西部地区互联网一项系数未通过显著性检验，该地区互联网对文化产业生产率的影响较弱。西部文化产业相比之下发展更滞后，仍存在产业链不完善等不足，有待进一步发展，因此目前互联网对其影响相对不显著。

4.4 稳健性检验

为检验上述结果的稳健性，本文选取各地区互联网宽带接人端口数与人口总数之比作为衡量互联网应用水平的另一指标LN WEB，重新估计。模型8结果显示，互联网一项系数为负，且在5%显著性水平下成立，因此结果具有良好的一致性，稳健性检验通过。

4.5 内生性问题

互联网的应用与文化产业生产率或存在双向因果关系，需考虑内生性问题。参考郭家堂的研究，选取Ln INT滞后一期为解释变量，若滞后期Ln INT对当期Ln TFP仍有上述结论，则说明在双向因果关系中互联网为主因。模型9结果表明，该结论与上述结果一致，本文结论得到验证。

为进一步提高准确性，参考韩宝国[6]等的做法，以滞后一期Ln INT为工具变量，进一步解决内生性问题。经检验，Ln INT具有一定内生性，模型10结果与上述结果一致。

5 结论和建议

1）政府应积极推进“互联网+”文化相关政策落实，提供法律支持和税收、财政优惠政策等措施助力文化产业新业态转型，并进一步提高互联网普及率。文化企业应培养吸收互联网专业人才，积极利用互联网手段开拓市场。

2）文化服务业应充分利用互联网加快转型升级，创新服务方式，为消费者提供高质量的个性化服务。文化制造业应利用互联网提高信息利用和生产效率，帮助自身转型升级，进而促进文化批发与零售业的发展。

3）在促进文化产业与互联网融合的过程中，各地区应结合实际情况制定相应政策，充分利用区位优势及资源，加强区域间交流合作，缩小区域间差距。

参考文献：

[1]国家统计局.文化产业实现规模效益双提升——第四次全国经济普查系列报告之五[EB/OL]，http：//www. stats. gov. cn/tj sj/zxfb/201911/t20191129_17126 84.html.

[2]许博.我国文化产业全要素生产率多维度评价研究[Dl.合肥：安徽大学，2018.

[3]徐晶卉.互联网“自然垄断”背后的冷思考[J].管理视野，2015 （4）.

[4] Fare R，Norris M.Productivity Growth， Technical Progress，and Efficiency Change in Industrialized Countries：Comment[J].American Economic Review， 1994（1）.

[5）张晓雪，周亚，李克强，等.劳动人口人均受教育年限的预测分析[J].教育与经济，2002（1）：54-56，40.

[6]韩宝国，朱平芳.宽带对中国经济增长影响的实证分析[J].统计研究，2014，31（10）：49-54.

【通联编辑：张薇】

作者简介：陈沐青（2000-），女，陕西渭南人，本科，研究方向为经济学贸易经济;李越（1999-），女（回），广东中山人，本科，研究方向为经济学电子商务;张梦月（1999-），女，陕西西安人，本科，研究方向为经济学金融学;指导教师：杨秀云，西安交通大学经济与金融学院教授，陕西西安人。