我国文化产业统计核算数据有效性的实证分析

吕洁华，王 凤，蔺泽一

(1.东北林业大学经济管理学院，哈尔滨150040；2.美国伊利诺伊大学，美国伊利诺伊)

0 引言

文化作为一国综合实力，是国家精神力量的表现。自“十一五”以来，随着社会快速发展，我国文化产业发展不断得到重视，文化产业不断融合，新产业不断涌现。我国已进入服务业高速发展的时代，新兴产业不断涌现，合理有效的将新兴产业的核算融入服务业的核算，是当前改进服务业核算滞后的有效途径。近年来，虽然文化产业统计分类与核算工作存在着许多的问题，但相对其它新兴产业来说较为全面、完整。本文从生产投入、需求与供给、文化创意的角度选择指标，探究其与文化产业增加值的关联关系。在研究统计核算数值与文化产业发展协调有效的基础上，建立偏最小二乘回归模型，对比指数模型预测值来检验文化产业增加值能否有效描述文化产业发展趋势。最终对文化产业统计核算工作提出建议。

1 文化产业的界定与研究现状

1.1 文化产业界定

国家统计局在《文化及相关产业分类(2004)》中对文化产业的界定是“指为社会公众提供文化娱乐产品和服务的活动，以及与这些活动有关联的活动的集合”，从核心层、外围层和相关层的基础上界定了文化产业范围。2012年将其界定为“指为社会公众提供文化产品和文化相关产品的生产活动的集合”，并在范围的表述上对文化产品的生产活动和文化相关产品的生产活动做出解释，调整了类别结构，用文化产品的生产活动、文化产品生产的辅助生产活动、文化用品的生产活动和文化专用设备的生产活动等四个方面来替代三个层次，增加了与文化产业活动相关的创意产业、新业态等内容，同时也减少了不符的类别。

1.2 文化产业统计研究现状

在文化产业迅速崛起的背景下，优化文化产业统计系统的重要性也越发体现出来。虽然文化产业统计研究取得了突破性进展，徐萍(2006)，李芳凝(2011)，周锦、闻雯(2012)，何文清(2012)等将因子分析运用到文化产业分析中,并通过因子得分评价各地区文化产业竞争力，但均未对价值量进行推算。顾乃华、夏杰长(2007)借助因子分析模型，比较研究我国9个城市文化产业竞争力现状，并根据“波特模型”，分析了提升文化产业竞争力的要点。赵彦云、吴翌琳(2009)则基于文化产业的实物量，利用结构方程模型对价值量进行推算。博赫(2009)在讨论文化产业统计中存在的问题时，根据文化产业中实物量指标，利用多元统计分析方法对文化产业的增加值进行推算的方法值得研究与探讨。张雪(2013)探究了在文化产业迅速崛起的背景下，优化文化产业统计系统的重要性问题。

虽然在文化产业研究方面取得了许多成果，但文化产业统计工作中仍存在许多问题。主要表现在以下几点：

(1)统计指标设定难以满足要求。从国家统计系统公布的统计资料来看，文化统计仍主要停留在人员数、机构数等“实物量”指标的描述上。实物量指标可以反映文化产业发展的现状，但它仅反映某一方面的情况，无法将整个文化产业的发展状况做出整体描述。

(2)对文化创意产业统计工作薄弱。《文化及相关产业分类(2012)》新增加了与文化产业活动相关的创意产业、新业态。新兴的产业多数与其他服务业相互融合、共同发展，给统计核算工作加大难度。

(3)各地文化产业统计口径不统一。虽然各地已统一执行《文化及相关产业统计方案(试行)》，但是由于相互攀比、追求政绩等原因，出现各地区统计口径不同，文化产业增加值偏高，影响了增加值的有效性，使统计信息的价值大大锐减。

产业的增加值是统计核算数据结果的重要代表，也是衡量国民经济中的地位与作用重要指标，可以明晰产业内部结构状况从而服务于本产业的调整升级。从上述文化产业统计现状问题可见，文化产业增加值可靠性值得思考。本文采用恰当的方法研究产业增加值是否能恰当评价文化产业发展现状，也即分析文化产业增加值的有效性，来检验当前文化产业统计工作是否可靠。

2 数据分析方法

2.1 灰色关联分析法

1982年，我国学者邓聚龙创立了灰色系统理论，以“小样本”、“贫信息”不确定性系统为研究对象，通过对部分已知信息的研究，实现对系统规律的正确描述。本文选取文化产业相关数据，采用灰色关联分析法，可以弥补数据不足、回归分析等计算方法造成的缺憾。所以，利用灰色关联分析(Grey Relative Analysis,简记GRA)与各个指标与文化产业增加值之间的关联关系。

(1)以文化产业增加值为参考序列，其余变量为比较序列，将已知数据进行始点零向化处理，带入如下式(1)，得到灰色绝对关联度εoi：

(2)对所考虑的变量序列进行无量纲化处理，以保证原始数据的统一性，便于变量进行对比，采用初值化算子进行无量纲化处理，即：

将已知数据进行始点零向化处理，并根据如下＜2＞式进行计算相对关联度γoi：

(3)根据灰色绝对关联以及相对关联的数据，通过一下公式，计算灰色综合关联度ρ0i。

2.2 偏最小二乘回归模型

偏最小二乘回归(Partial Least-Squares Regression，简记PLS回归)是1983年由S.Wold和C.Albano提出的一种多元回归方法，主要应对样本量偏小和变量间的多重共线性的问题，从而得到更为准确的回归模型。

当PLS中的因变量只有一个时，模型就是单变量偏最小二乘回归模型(简记为PLS1)，计算过程如下：

(1)数据标准化。将标准化的文化产业增加值Y记为向量FO，其他解释变量记为矩阵E0。

(2)成分的提取。从F0、E0中提取第1个成分u1、t1，此处u1=F0，分别建立t1和F0、E0的回归方程：

其中：t1=E0w1，

(3)交叉有效性判别。当如果新成分tn的提取能满足，则需要对Fk和Ek(k=1，2，…)再次提取成分，如此直到不能满足为止，即得到成分次数m。

(4)构造PLS模型。根据提取的m个成分t1，t2，…，tm，即可构建t1，t2，…，tm与F0的成分回归模型：

(5)模型转化。

根据标准化公式将模型还原为原始变量方程，即：

(6)变量重要性。为了分析PLS回归中Xj在解释Y时的重要性，常使用成分t1，t2，…，tm计算变量的投影重要性指标VIPj，VIPj＞1则表明在Xj解释Y时的重要性越大。

3 文化产业统计核算数据实证分析

3.1 灰色关联分析

3.1.1 指标的选取与数据来源。

与文化产业相关联的因素很多，本文从三个角度分析文化产业现状：生产投入角度、需求与供给角度、文化创意角度。生产投入角度、需求与供给角度解释文化产业发展的基础性因素，同时考虑文化创意是文化产业蓬勃发展的生命线，因此有必要引入文化创意产业角度弥补基础性因素的不足。

生产投入角度是依据道格拉斯生产函数选择引入解释变量人员投入(X1)、文化事业费(X2)、文化产业机构数(X3)，从文化产业发展人力、财力和物力的角度引入文化产业生产发展指标。需求与供给角度反映文化产业宏观经济运行需要，引入变量CPI(X4)和城镇居民可支配收入(X5)反映社会需求，第二产业增加值(X6)和第三产业增加值(X7)反映社会供给状况。文化创意产业蓬勃发展，其中广告业具有较强的代表性，因此引入广告业营业收入作为(X8)。文化产业增加值(Y)，为方便描述在灰色关联处理部分Y用X0代替。

本文选取我国文化产业增加值作为主要研究对象，为保持数据的关联性，其他有关变量也选择全国范围内的统计核算值。本文数据主要来自2005～2013年的《中国统计年鉴》、《中国文化文物统计年鉴》以及公开出版的其他资料。

3.1.2 指标数据灰色绝对关联度。

将原始数据进行零向化处理，带入式(1)，灰色绝对关联度ε1为0.5124。同时计算得出其他变量灰色绝对关联度见表1。

3.1.3 指标数据灰色相对关联度。

对各变量序列进行无量纲化处理，以保证变量的可比性，将数据进行零向化处理，带入式(2)，X0和X1的灰色相对关联度γ1为0.5458。同时计算得出进行对比得出灰色相对关联度，见表1。

表1 文化产业增加值与其他指标灰色关联度表 （%）

由灰色综合关联结果分析ρ5＞ρ2＞ρ7＞ρ6＞ρ3＞ρ4＞ρ1，分别代表城镇居民可支配收入、文化事业费、第三产业增加值、第二产业增加值、广告业营业收入、文化产业机构数、CPI、人员投入。可以看出自2004～2012年，城镇居民可支配收入与文化产业的增加值的关联程度最大，其次是文化事业费，再次是社会供给、广告业营业收入、文化产业机构数、CPI，最后是人员投入。对于文化产业机构数、CPI、人员投入与文化产业增加值之间关系不如其他指标关系密切，与文化产业增加值的关联系数小于0.6，因此建议剔除这三个变量。

3.2 PLS模型的建立

为避免数据产生剧烈波动，将数据对数化处理分别得到LnY、LnX1~LnX8，将变量引入PLS模型，经检验LnX1、LnX3和LnX4的VIPj＜1，且GRA分析亦X1、X3和X4与因变量亦关联程度不高，因此本文仅引入其他5个解释变量建立PLS模型。

提取第一个成分，此时：同样取为解释变量。

最后，根据标准化公式将其还原为原始变量Y与X的形式，即

此时，模型中各解释变量与因变量的变动方向均呈同向变动关系，这也与经验关系是相符的。且1.0085=VIP5＞VIP7＞VIP2＞VIP6＞1＞VIP8=0.9724，从变量VIP值来看，这些变量的影响效果大体相同，对文化产业的影响效果顺序相差不大，因此，改善这些因素将有效促进文化产业的发展。

3.3 数据拟合与质量评估

依据建立的PLS模型，拟合文化产业增加值，模型的LnY的平均相对误差为仅为0.51%，而将LnY还原为原始值Y与PLS拟合值的平均相对误差为4.4635%，即模型的精度较高，说明本文所选择的非文化产业指标与文化产业增加值之间存在着紧密的因果关系，即生产投入、需求与供给、文化创意是文化产业增加值的主观成因。

借助SPSS软件，依据2004～2012年历史数据，建立曲线回归模型分别预测因变量与解释变量未来5年数据，模型R2=0.993，F=968.201，从数据处理角度来说，是相对可靠的模型，数据见下表2。分析数据发现，采用曲线回归模型能够较好的模拟2004-2012年文化产业增加值Y，2004～2012年曲线回归拟合数据值(Y')的对数值与实际值对数值平均相对误差是0.5141%，仅有2004年和2008年曲线回归拟合值与相应实际值相对误差分别为1.0881%和1.2128%，误差略超过10%，其他年份数据均拟合状况较好；对比曲线回归模型拟合值和PLS回归模型拟合值发现，平均相对误差仅为0.3663%，而PLS回归模型拟合值与相应实际值平均误差也达到0.4906%，可以认为利用SPSS建立的曲线回归模型整体拟合较好，理论上可以认为所做指数模型预测的2013～2017年各数据是可靠的。

将2013～2017年解释变量曲线回归模型预测值

4 结论与建议

根据上述的分析结果，本文主要得到以下结论：

第一，文化产业增加值与城镇居民可支配收入、文化事业费、第三产业增加值、第二产业增加值和广告业营业收入的灰色综合关联度依次递减，且都关系密切；与文化产业机构数、CPI和人员投入的灰色综合关联度小于0.6，相关程度较低。

表2 2004～2017年部分数据汇总表

图1 2004～2017相对误差折线图

第二，本文建立了PLS模型，进一步解释了解释变量与因变量的存在较强的因果关系。文化产业从业人员与文化产业增加值成反向变化，认为从业人员处于冗余状态。CPI数值越大，社会越不稳定，越不利于文化产业的发展，同样反向作用于文化产业。同样VIP值与灰色关联分析结果相同，从业人员、实物投资和CPI与文化产业增加值关系不大，将上述三变量剔除，建立PLS模型更为可靠。

第三，依据建立的PLS模型，拟合文化产业增加值，模型的精度较高，说明本文所选择的非文化产业指标与文化产业增加值之间存在着越紧密的因果关系，即生产投入、需求与供给、文化创意是文化产业增加值的主观成因。将指数模型预测值与PLS模型拟合值比较，PLS模型精度较高，文化产业与非文化产业指标之间不仅存在较好的关联关系，而且文化产业与非文化产业数据相互协调，能够有效反映文化产业投入产出和社会对文化产业的需求与供给，有效体现文化创新能力的推进作用，强有力地证明我国文化产业增加值是符合社会发展趋势的统计核算数据。

考虑到文化产业作为一种新兴服务业，其行业内部不断推陈出新。为配合不断发展的文化产业，需要完善的文化产业调查统计核算工作，文化产业增加值才能有效的体现文化产业在国民经济中的地位。在规范文化产业统计分类核算工作基础上，其他新兴服务业也应加快规范自身分类调查核算工作，以期完善新兴服务业统计调查与核算体系。由此本文提出以下建议：

第一，借鉴国际上新兴服务业统计的经验，对文化产业实行周期性普查制度，建立健全文化企事业和个体经营户的常规性调查核算制度，提升文化产业统计调查能力。

第二，在文化产业统计工作过程中，首要任务是优化统计设计。要对统计目的、统计总体、样本单位、统计内容、统计程序、调查和抽样方法等统计定义性问题做出准确无误的界定，并对统计设计的可行性、数据可得性和科学性论证加以论证。除此之外，减小统计实施误差、处理误差，进一步健全和完善统计数据质量控制和评估制度也是保证文化产业统计工作有效实施的关键。

第三，文化产业统计工作尚不健全，确保统计数据的准确性和及时性，为加强统计信息化建设，实现统计信息化不但能降低人工分类汇总、计算等造成的数据处理误差和逻辑性差错，更能有利于对统计数据的分析，便于编制文化产业季报和年报，建立文化产业主要门类月度统计快报，实行文化产业统计信息发布、重大信息披露制度，实行统计信息资源共享，为促进中国新兴服务业发展提供科学依据。

[1]孟祥兰.我国宏观统计指标数据有效性的实证检验[J].统计与决策，2010,（6）．

[2]陈恳.我国文化产业统计问题研究[J].广东技术师范学院学报，2010（6）．

[3]金勇进，梁燕.偏最小二乘方法的拟合指标及其在满意度研究中的应用[J].数理统计与管理,2005（2）．

[4]屈小娥，袁晓玲.中国能源消费与经济增长的灰色关联分析[J].统计与决策，2008,（2）．

[5]曲亚鑫.基于历史数据的偏最小二乘建模方法研究与应用[D].华北电力大学，2013．

[6]范雅静.基于因子分析模型的文化产业增加值推算研究[J].兰州商学院学报，2013,（3）．

[7]那琳.基于统计制度的我国统计数据质量研究[D].内蒙古大学,2011．

[8]谢伦灿.提升我国文化产业统计的准确性与科学性[J].学术交流，2009,（12）．

[9]博赫.文化产业统计中存在的问题及其改进[J].统计与决策，2008,（4）．