我国体育产业投入产出实证分析

李 鹏



我国体育产业投入产出实证分析

李 鹏

（福州大学 经济与管理学院，福建 福州 350116）

通过建立投入产出指标体系，对相关统计数据运用数据包络分析方法和随机前沿分析方法，分析了全国31个省市自治区体育产业投入产出效率。结果表明：仅浙江、湖南、四川和贵州四个省市综合效率值达到1，其它省市需要通过增加体育产业投入来提高综合效率；辽宁等16个省市自治区体育产业经济效率高于社会效率；整体上说，我国的体育产业投入产出效率尚有很大的提升空间。

投入产出指标体系；数据包络分析；随机前沿分析

随着经济和社会的发展，体育产业开始被看作新的经济增长点[1]，2014年10月，《关于加快发展体育产业促进体育消费的若干意见》（以下简称《意见》）的发布为我国体育产业的发展指明了方向，“积极扩大体育产品和服务供给，推动体育产业成为经济转型升级的重要力量，促进群众体育与竞技体育全面发展，加快体育强国建设，不断满足人民群众日益增长的体育需求”[2]。但是，我国投入到体育产业的资源使用情况并不太理想。对投入到体育产业的资金进行效益评价研究，有利于合理、高效地利用相应资源。李遥远等利用2002年和2007年的投入产出表，分析了中国体育产业与其他产业的产业关联、感应度和影响力[3]；赵道静利用数据包络分析的方法，建立了体育事业投入产出的DEA模型，并利用相关的统计数据进行了实证分析[4]；张莹等利用我国27家体育产业上市公司2007-2014年间的相关数据，运用DEA-Tobit两阶段模型对这些上市公司的经营绩效及影响因素进行计算与研究，同时结合Malmquist生产力指数模型对其经营绩效在不同时间的状态进行了动态评价研究[5]；傅京燕等使用1995-2013年广东省体育产业的投入产出数据对其效率进行评估，运用投入产出DEA模型测算出在规模报酬不变和规模报酬可变两种情形下广东省体育产业的效率值，观察广东省体育产业的资源利用情况[6]。本文首先建立体育产业投入产出指标体系，并利用投入产出的相关统计数据，分别运用数据包络分析（DEA）方法和随机前沿分析（SFA）方法进行实证分析。

1 研究对象与研究方法

1.1 研究对象

本文使用我国体育产业投入产出的相关统计数据，分别运用数据包络分析方法和随机前沿分析方法进行实证研究分析。其中，数据包络分析是一种非参数方法，衡量的是具有相同类型的决策单元之间的技术效率，随机前沿方法是利用随机前沿生产函数进行效率估计的方法，本文的研究对象是我国31个省市自治区的体育产业，研究各省市自治区体育产业的投入产出的效率，把握好资源的使用效率，31个省市自治区具有同质性。

1.2 研究方法

1.2.1 数据包络分析（DEA）方法

1.2.2 随机前沿分析（SFA）方法

随机前沿方法（Stochastic Frontier Appr- oach，简称SFA），是利用随机前沿生产函数进行效率估计的有效方法。随机前沿分析包括成本模型和生产模型两种，本文为了便于研究体育产业投入产出，选择生产模型中较为简单的柯布-道格拉斯生产函数（Cobb-Douglas Production Function）。

研究模型主要参照Battese&Coelli[8]模型的基本原理，具体设定如下：

2 变量选取与数据说明

体育产业投入产出分析是多投入、多产出的多目标评价分析。根据目前学者对体育产业投入产出的研究[9,10]，以及考虑到数据的可获得性，本文将体育产业的投入用“本年支出总额”“教练员人数”表示，产出指标则使用“本年收入”和“等级运动员发展人数”表示。其中，“本年支出”表示体育产业财和物的投入，定义为事业支出、经营支出、自筹基本建设支出以及对附属单位支出总和；“教练员人数”反映体育产业人的投入，定义为优秀运动队、体育运动学校以及业余儿童体校专职教练员之和；“本年收入”反映了体育产业的经济价值，定义为本年经营收入、附属单位上缴收入和其他收入之和；“等级运动员发展人数”反映了体育产业的社会价值，定义为本年度新发展等级运动员人数。本文使用体育产业投入产出的相关数据，原始数据来自于文献[9]，即体育事业统计年鉴。

3 我国体育产业投入产出结果分析

3.1 基于DEA方法实证分析

表1 我国体育产业投入产出评价结果

注：通过DEAP2.1软件计算得来。

运用DEAP2.1软件，以投入为导向，采用规模报酬可变模型，对31个省市自治区体育产业投入产出数据进行测算，得到每个省市自治区的综合效率、纯技术效率、规模效率和规模收益状态，结果如表1所示。如果综合效率值等于1，说明该地区体育产业发展达到了DEA有效，既是技术有效又是规模有效，也表明该地区体育产业发展效率较高，相反，综合效率值不为1，表明该地区体育产业发展无效率[11]。由表1可以看出，各省市自治区的综合效率值差异明显，体育产业投入产出综合效率值为1（DEA有效）的仅有4个：浙江、湖南、四川以及贵州，仅占比13%，说明我国大部分省市自治区产业投入产出综合效率处于DEA无效状态。

因为综合效率是纯技术效率和规模效率的乘积，所以无效率的原因可从纯技术效率值和规模效率值分析得到，其中，纯技术效率完全是由技术因素导致的效率水平，与资源配置因素无关[11]。由表1可以看出，7个省份（上海、江苏、山东、广东、海南、西藏、宁夏）表现为技术有效、规模无效，表明这些省自治区对体育产业的投入资源利用率达到了最优，而规模无效是造成DEA无效的原因，即体育产业的投入没有达到最优的生产规模。除了上述省市自治区之外的地区的体育产业既技术无效又规模无效，说明这些地区的金融资源利用率和生产规模均没有达到最优。结合规模收益情况，发现DEA无效的省市自治区均处于规模报酬递增阶段，说明这些省市自治区的体育产业效率的提高需要继续增加体育产业投入来取得规模效应。

综合效率的平均值为0.643，说明全国体育产业投入产出虽有小幅度的波动，但从整体来看，其综合效率较高。35.7%的综合效率差异显示了全国体育产业投入产出的资源浪费。全国体育产业投入产出的技术效率平均值为0.792，说明该全国体育产业投入产出的技术效率水平较高。全国体育产业投入产出的规模效率平均值为0.827，高于全国体育产业投入产出的技术效率，这说明在全国体育产业投入产出方面，存在着促进体育产业投入产出规模效率提高的因素。

31个省市自治区体育产业投入产出的松弛改进如表2所示。从表2可见，体育产业的本年收入仅山西、内蒙古和甘肃没有达到应有的经济效益，其他省市自治区均达到了应有的经济效益。体育产业等级运动员发展人数则仅湖北没有达到应有的社会价值。

表2 体育产业投入产出的松弛改进

注：通过DEAP2.1软件计算得来。“0.000”表示资源得到充分利用。

从投入的松弛改进来看，体育产业的本年支出除了北京过量投入（或未充分利用），其他省市自治区均得到了充分利用；体育产业的人力资源有多达12个省份过量投入（或未充分利用）。

3.2 基于SFA方法的实证分析

3.2.1 SFA模型适用性分析

表3 SFA模型适用性分析

注：通过Frontier4.1软件计算得来。

3.2.2 我国体育产业投入产出SFA效率值

使用Frontier4.1软件对模型（2）进行测算，得到我国31个省市自治区体育产业投入产出评价结果，具体如表4所示。“效率值1”是以“本年收入”表示体育产业产出计算所得，可以用来表示体育产业的经济效率，“效率值2”是以“等级运动员发展人数”表示体育产业产出计算所得，可以用来表示体育产业的社会效率。

表4 基于SFA的产学研协同创新效率值

注：通过Frontier4.1软件计算得来。

从表4可以清晰看出，所计算出的“效率值1”和“效率值2”之间有明显的差异，即我国体育产业投入产出的经济效率和社会效率是有一定差距的，其中，投入产出的经济效率高于社会效率的省市自治区有16个：辽宁、上海、江苏、安徽、福建、江西、湖北、广西、海南、重庆、四川、贵州、云南、西藏、陕西、青海，占了51.6%；同时，以“本年收入”表示体育产业投入产出的经济效率的平均值为0.522，以“等级运动员发展人数”表示体育产业的社会效率的平均值为0.455，前者比后者高6.7%，说明我国体育产业投入产出的经济效率优于社会效率。

也可以看出，我国31个省市自治区的体育产业投入产出效率差距也很明显。“效率值1”（经济效率）最高值是四川省，为1.000，最低值是吉林省，为0.147；“效率值2”（社会效率）最高值则是湖南省和宁夏回族自治区，都是0.999，最低值是西藏自治区，为0.086。“效率值1”（经济效率）和“效率值2”（社会效率）的最高值与最低值分别相差85.3%和91.3%，说明提高我国的体育产业投入产出效率仍然是任重道远，我国体育产业投入产出效率分布很不平衡，各省市自治区之间的投入产出效率差别很大，存在明显差异。

4 结论与建议

本文构建了我国体育产业投入产出指标体系，对体育产业投入产出的相关统计数据，采用数据包络分析方法和随机前沿分析方法进行实证分析，阐释我国体育产业投入产出效率，主要得出如下几方面结论。

（1）87%的省市自治区体育产业投入产出综合效率处于DEA无效状态，仅浙江、湖南、四川和贵州4个省市达到DEA有效。

（2）DEA无效的省市自治区均处于规模报酬递增阶段，说明这些省市自治区的体育产业效率的提高需要继续增加体育产业投入来取得规模效应。

（3）上海、江苏、山东、广东、海南、西藏、宁夏7个省市对体育产业的投入资源利用率达到了最优，而规模无效是造成DEA无效的原因。

（4）全国体育产业投入产出的规模效率平均值高于全国体育产业投入产出的技术效率平均值，综合效率的平均值最低。

（5）体育产业的本年收入仅山西、内蒙古和甘肃没有达到应有的经济效益，等级运动员发展人数则仅湖北没有达到应有的社会价值。

（6）体育产业的本年支出仅北京过量投入或未充分利用，体育产业的人力资源有多达12个省份过量投入或未充分利用。

（7）我国体育产业的经济效率和社会效率是有差距的，经济效率高于社会效率。

（8）31个省市自治区的体育产业投入产出效率差距差别很大，我国的体育产业投入产出效率还有很大的提高空间。

根据本文研究的相关结论，提出如下的建议：我国体育产业投入产出平均效率比较低，所以，各省市自治区的体育器械等设施需要政府的财政支持。大部分省市自治区体育产业的投入产出效率处于DEA无效状态，之间的投入产出效率也存在明显差异，因此，政府一方面要制定相关的政策来规范体育资源的使用，加强资源的利用率，另一方面，政府在对各个省市自治区进行相应支持的同时，把握不同省市自治区的特点和资源使用率的情况，根据这些因素来确定每个省市自治区的体育资源的支持力度。我国体育产业投入产出的经济效率优于社会效率，因此，政府应提高体育产业社会效率，如在假期可以多开放一些体育场馆，供周边的人进行锻炼，地方多举办体育赛事等。

[1] 赵强.主流媒体对体育产业报道的趋势研究——基于党的十八大以来人民日报的相关报道[J].青年记者, 2017,(2):27-28.

[2] 国务院.国务院关于加快发展体育产业促进体育消费的若干意见[Z].辽宁省人民政府公报, 2014,(30):5-10.

[3] 李遥远,李森,等.中国体育产业的投入产出分析[J].改革与战略, 2010, 26(7):143-146.

[4] 赵道静.中国体育事业投入产出DEA分析[A].体育产业与体育用品业发展论坛文集[C].中国体育科学学会,中国体育用品联合会,四川省体育局, 2006:5.

[5] 张莹,陈颇.中国体育产业上市公司的绩效评价及影响因素——基于面板数据的DEA-Tobit实证研究[J].武汉体育学院学报, 2016, 50(12):34-41.

[6] 傅京燕,苏炳添. 广东省体育产业投入产出效率评价——基于DEA模型的实证分析[EB/OL].http://www. doc88.com/p-1704502619408.html,2016-03-14/2017-12-27.

[7] A. Charnes, W.W. Cooper, E. Rhodes. Measuring the efficiency of decision making units[J].European Journal of Operational Research, 1978, 2(6):429-444.

[8] Battese G E, Coelli T J. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical Economics, 1995, 20(2): 325-332.

[9] 刘思.中国体育事业投入产出数据包络分析[J].武汉体育学院学报, 2006, 40(7):31-33.

[10] 任蓓.全要素生产率视角下中外体育产业的动态实证分析——基于DEA-Malmquist指数模型[J].江淮论坛,2016,276(2):20-25.

[11] 李鹏.我国金融业效率实证分析[J].天水行政学院学报,2017,(4):55-58.

An Empirical Analysis on the Input-Output of Sports Industry in China

LI Peng

(School of Economics and Management, Fuzhou University, Fuzhou 350116, China)

The resource utilization rate of sports industry investment in China is not high, thus the evaluation of input-output efficiency in China’s sports industry is conducive to make rational and efficient use of resources invested in the sports industry. Firstly, establish China’s sports industry input-output index system, and then use DEA method and SFA method to analyze the input-output efficiency, the results show that: only Zhejiang, Hunan, Sichuan and Guizhou province achieve DEA efficiency; the sports industry in Shanghai, Jiangsu, Shandong, Guangdong, Hainan, Ningxia achieve the optimal utilization of resources; DEA ineffective provinces and autonomous regions are in the increment stage of scale reward; The efficiency of economy and society in China’s sports industry are different, the economic efficiency is higher than the social efficiency; the sports industry input-output efficiency among 31 provinces and autonomous regions show a big difference.

input-output index system; data envelopment analysis; random frontier analysis

G80-3

A

1009-9115(2018)06-0091-06

10.3969/j.issn.1009-9115.2018.06.021

2017-07-10

2017-10-10

李鹏（1990-），男，湖北荆门人，硕士研究生，研究方向为创新管理与评价。

（责任编辑、校对：何胜保）