体育产业政策与体育产业发展的作用机理——基于VAR模型的实证研究

王 舜 程美超

(淮北师范大学 体育学院，安徽 淮北 235000)

体育产业政策作为推进体育产业高质量发展的关键一环，越来越受到重视。“十四五”时期我国开始进入全面建设现代化的新阶段，我国体育产业发展面临着全新的机遇与挑战[1]。新阶段如何科学地制定体育产业政策引领体育产业高质量发展，迫切需要厘清体育产业政策与体育产业发展之间的关系，科学测评体育产业政策对于体育产业发展的相关关系。因此，本文通过对政策文本的分析以及对体育产业发展情况的深入研究，认为体育产业政策与体育产业发展之间不是单向的因果关系，而是一种复杂的互动演化关系，体育产业的科学制定有利于体育产业的繁荣与发展。研究旨在为体育产业发展的政策优化实践提供有意义的参考。

1 文献回顾

1.1 体育产业政策评价的相关研究

对体育产业政策的科学评价是我国体育产业政策调整与优化的重要依据，具有重要的理论和现实意义。有关体育产业政策评价的研究，国内尚处于起步阶段，现有的研究大多运用逻辑分析法对体育产业政策文本进行解读。如评价体育产业政策的发展历程与关键事件，分析体育产业政策在执行过程中的问题、镜鉴及演变趋势[2-4]。这一类政策研究可以归于专家评议法，专家评议法最大的优点是容易操作、花费的时间成本较低，但研究过程的客观性和科学性难以保证。

为了提升政策评价的科学性及客观性，宏观经济学常以政策量化结果来代替政策本身而进行对比分析，如匡跃辉提出的政策“前—后”、“有—无”、“投射—实施后”以及“控制对象—实验对象”四种对比分析方法[5]。目前，对于体育产业政策的量化评价研究，主流的研究方法可归纳为统计分析法。如易剑东[6]将模糊综合评价方法引入到体育产业政策执行效力的评价中；林建君等[7]通过构建投入产出分析框架，对我国体育产业政策的优势倾斜和产业政策实施的超前发展程度进行评价。之后的相关研究主要是结合政策文本挖掘，构建体育产业政策评价指标体系。如刘春华[8]基于混合多目标决策对体育产业政策的演进与效果进行评价；蔡朋龙[9]运用障碍度模型、熵权—TOPSIS法对我国体育产业政策再制定的协同力进行评价；周红妹等[10]基于政策工具理论对我国31个省级地方政府出台的体育产业政策工具进行量化评价。

此外，在政策量化评价方法的选择上，经济学及管理学科的相关研究为我们提供了启发。Pattyn等[11]对政策评价的3个维度——评价行为、评价质量和评价规律进行了区分，并运用QCA必要性函数进行政策评价。Dantas等[12]运用德尔斐法对智能政策进行了评价，并指出每部政策的优先级。Stolbova等[13]运用金融宏观网络，对气候政策进行了全面评价。Turpin等[14]探讨政策要素与土地利益之间的相关性。彭纪生等[15]提出了较为经典的三维度政策量化评价方法。张永安[16]引入PMC指数，从多维度对科技创新产业政策进行量化。刘会武等[17]提出政策评价的“钻石模型”，分析各战略要素之间的关系。马军杰[18]基于系统动力学对科技政策进行量化评价。可见，政策评价的研究一般都是将政策文本抽象为一个较为具体的指标体系，然后聘请专家打分并结合政策文本挖掘等方法实现政策的量化评价。

1.2 体育产业发展的相关研究

围绕体育产业发展这一主题，已有研究主要是运用描述性统计、逻辑分析、阶段列举等方法，对体育产业发展现状进行研究。一是整体呈现体育相关子产业的发展历程与关键事件，分析体育相关子产业在演变过程中的问题、镜鉴及转向[19-20]。这类研究往往主观性较强，客观性略显不足。二是立足于产业融合视角，探索体育产业高质量发展的困境、逻辑及路径[21-25]，该类研究多采用文献资料、专家访谈等质性研究方法，缺乏对于实证资料的统计分析。三是基于不同经济理论，探讨体育相关子产业以及体育产业与国民经济发展的关系、作用及价值[26-28]。该类研究增加了数据统计，不足之处在于鲜有研究论证两种变量之间的深层次关系。

综上所述，已有的研究成果为本文提供了有益的启示和参考，但仍需在以下三个方面进行完善：第一，体育产业政策评价多采用专家评议、专家打分等主观性较强的方法来实现政策的量化，鲜有研究是以政策结果来代替政策本身进行客观的对比分析；第二，体育产业发展的相关研究多注重理论分析，实证类研究较少，致使研究成果的实证论据不足；第三，研究多集中于探讨体育产业对经济发展的影响，并未探讨体育产业政策对于体育产业发展的影响的实际效应。综合以上，本研究基于75部体育产业政策量化数据和体育产业发展指标等统计数据，运用文献资料、VAR模型、数理统计等方法，综合体育产业政策的特点，科学构建体育产业政策的三维空间量化评价体系，并对政策进行逐年量化，以量化数据替代政策文本进行后续研究，动态解析体育产业政策与体育产业发展之间的作用机理。

2 指标及变量选取

2.1 指标选取

本文采用“交叉检验+网络搜索”的方法，收集到2010—2020年间共计135部体育产业政策，为保证统计结果的权威性，由于地方政策多为国家层面的具体落实，因此在政策搜集时对地方性的相关政策文本进行了剔除，最后保留共计75部国家级体育产业政策作为研究对象。参照《体育产业统计分类(2019)》提炼其中与体育产业相关的政策表述，导入体育产业政策文本数据库。

本文基于对政策文献的分析，引入彭纪生的政策经典评价手册，结合国内外最新的研究成果以及我国体育产业政策的特点，构建体育产业政策的量化评价体系(如表1所示)。

表1 体育产业政策量化评价指标体系

续表1

2.2 变量选取

体育产业政策的量化评价主要参考张永安(2019)对于政策评价的分类体系，设定为三个维度：体育产业的政策力度(PD)，体育产业的政策目标(PO)，体育产业政策措施(PM)。对于体育产业发展情况，结合已有的研究成果，本文以体育产业增加值SAV(Sports industry added value)和体育专利授权数PA(Patent Authorizations)作为体育产业发展的代理变量，以年度为计量周期。体育产业增加值数据依据国家体育总局公布数据整理，体育专利授权数参考王佳玉[29]等依据中国知网专利数据库公布数据整理。

2.3 数据处理

对于体育产业政策的数据处理，本研究设定“年度”作为单位，聘请专家对每一年度的体育产业政策进行量化打分，计算每一项政策的相应分数，然后加权求和得出这一年度的体育产业政策总分。为保证科学性和一致性，一项政策的三个维度(体育产业的政策力度PD、体育产业的政策目标PO和体育产业政策措施PM)在评价过程中地位均等。由于体育产业的政策力度(PD)未设置二级指标，其它两个维度设置了二级指标，因此对体育产业的政策目标(PO)和体育产业政策措施(PM)的二级指标分数分别求和后取平均值。以此得到三个维度空间向量的具体分数。为了方便评价，本研究将三个维度分数的乘积作为某一年度政策量化得分的结果，用体育产业政策得分(PSC)表示，在具体计算时进行对数化处理。同时对体育产业发展的代理变量(体育产业增加值SAV和体育专利授权数PA)也进行了对数化处理(如表2所示)。

表2 体育产业政策与体育产业发展指标及变量表

3 体育产业政策的量化评价

3.1 政策列表

本文选取2010—2020年间国家级体育产业政策共计75部，篇幅所限，选取部分政策示意(如表3所示)。

表3 部分体育产业政策示例

3.2 政策量化说明

如前文所述，参考张永安[30]的研究，本文从(体育产业的政策力度(PD)，体育产业的政策目标(PO)，体育产业政策措施(PM))三个维度构建体育产业政策评价指标体系。在评价体系示意图2中，X轴表示政策力度(PD)，从O点到X轴正向，表示政策力度得分的增加，得分从1～5分，分值越大说明政策力度越强。Y轴表示政策目标(PO)的明确程度，以体育产业政策在二级变量中各项得分的平均值来衡量，沿Y轴得分从1～5，得分越高说明体育产业政策的目标越具体和明确。Z轴表示政策措施(PM)的可行程度，同样以体育产业政策在二级变量中各项得分的平均值来衡量，沿Z轴得分从1～5，得分越高说明体育产业的政策措施越具体和可行。用三个坐标轴得分的乘积来计算某一项具体政策的得分，例如图1中的P1，政策P1对应空间内的P1点，表示其对应的政策力度(PD)、政策措施(PM)政策目标(PO)和对应的数值分别为(PD1，PO1，PM1)。而政策P1最终的得分为pscP1=PDi1×PO1×PM1某一年度的政策得分为这一年内各项体育产业政策的得分之和。

图1 2010—2020年中国体育产业增加值及体育专利数情况图

图2 体育产业政策三维空间量化评价体系

具体关系可以表示为：

pscPij=PDij×POij×PMij

(1)

其中，i表示年份，且i∈[2010，2020]；j表示当年政策数量，j=1，2，……n；PDij表示第i年第j项政策的政策力度得分；POij表示第i年第j项政策的政策目标得分；PMij表示第i年第j项政策的政策措施得分；Pij表示第i年第j项政策。

另有：

(2)

公式(2)表示i年政策总得分，且i∈[2010，2020]，j表示当年政策数量，j=1，2，…，n。

4 实证研究

本研究采用Eviews9.0软件，对上文所述的体育产业政策得分(PSC)、体育产业增加值(SAV)和体育专利授权数(PA)三个变量，构建VAR模型和脉冲响应模型进行实证分析。

4.1 单位根检验

为了避免谬误回归的产生，首先采用Eviews9.0软件，根据ADF检验模型﹐对三个变量进行单位根检验，所得结果见表4，所得三个变量的Prob值均小于5%。ADF绝对值均大于各自所对应的通过5%检验的临界值绝对值，因此三个变量符合单位根检验的条件。

表4 单位根检验结果

4.2 VAR模型稳定性检验

在对VAR模型稳定性验证阶段，采用AIC或SC最小原则确定最佳滞后期为1期，AR ROOT验证的具体结果见表5和图3，结果表明该模型满足了稳定性的要求。

表5 AR ROOT检验结果

根据图3中AR ROOT分布情况的直观显现，清晰地表明该模型符合稳定性检验要求。

图3 AR ROOT图

4.3 Granger因果分析

上述检验结果表明该模型符合Granger因果分析的条件。从表6中可以看出，体育产业政策得分(lnpsc)是体育专利授权数(lnpa)的格兰杰原因。表明体育产业政策得分提高(即：体育产业政策力度强，体育产业政策目标清晰，体育产业政策措施具体可行)能够更好地促进体育专利授权数的增加，两者存在因果关系。体育专利授权数(lnpa)也会促进体育产业增加值(lnsav)，即体育专利授权数越高，则体育产业增加值(lnsav)也随之提高。通过这个因果关系可以看出体育产业政策得分(lnpsc)并不直接提高体育产业增加值(lnsav)，而是通过提高体育专利授权数(lnpa)间接对体育产业增加值(lnsav)发挥作用。这表明体育产业政策与体育产业发展之间存在互动演化的关系，这种关系不只是单向的促进，而是互动互促的关系。同时，表6的结果也表明，体育产业政策得分(lnpsc)是体育产业增加值(lnsav)的格兰杰原因，即体育产业政策得分的提高(体育产业政策力度强，体育产业政策目标明晰，体育产业政策措施具体可行)会更好地促进体育产业增加值(lnsav)的正向变化，两者间存在因果关系。

表6 格兰杰因果检验结果汇总

4.4 脉冲响应分析

最后做脉冲响应分析，确定三个因素间的关系，结果如图4所示。

脉冲响应分析所描述的是在VAR模型中一个内生变量的冲击给其他内生变量所带来的影响。通过观察图4脉冲响应图可知，当给体育专利授权数(lnpa)一单位标准差冲击时，体育产业政策得分(lnpsc)会对这一变量的冲击做出响应。由图示可知，这个响应的峰值出现在第1期附近，然后大约在第4.5期后慢慢恢复平稳，响应的表征具有正向的特点。当给体育专利授权数(lnpa)一单位标准差冲击时，相应地引起体育产业增加值(lnsav)的正向波动，这一波动大约在第1期的时候出现峰值，再之后波动幅度逐渐减小，大约在第5期趋于平稳，冲击所导致的这一响应同样也呈现出正向的特点。当给体育产业政策得分(lnpsc)一单位标准差的冲击时，体育专利授权数(lnpa)出现正向响应，第6.5期达到最大值随后逐渐趋于平稳，大约在第10期后保持平稳状态。与此同时，当给予体育产业政策得分(lnpsc)一单位标准差的冲击时，体育产业增加值(lnsav)也表现出正向特征，这一冲击的峰值出现在第2期附近，然后大概在第4期附近的时候响应接近平稳。当给体育产业增加值(lnsav)一单位标准差的冲击，体育专利授权数(lnpa)和体育产业政策得分(lnpsc)均出现微小的负向响应，对于体育专利授权数(lnpa)的冲击第2.5期附近出现峰值，在第6.5期后逐渐趋于平稳，对于体育产业政策得分(lnpsc)的冲击在第2.5期附近出现峰值，到了第4期后逐渐趋于平稳。

再看图4中的第一、第五和第九位于对角线的三张图，这三张图表示了体育专利授权数(lnpa)、体育产业政策得分(lnpsc)和体育产业增加值(lnsav)对自身冲击所产生的脉冲响应。具体而言，体育专利授权数(lnpa)对自身的冲击总体上是趋于正向，在第2.5期附近达到峰值，随之有振荡出现，最后在第6期附近之后趋于平稳。体育产业政策得分(lnpsc)对自身也有一个正向冲击，约在第3期响应最大，约在第6.5期后出现平稳。体育产业增加值(lnsav)对自身的冲击呈现微小的负向影响，大约在第2.5期达到最高并于第6期开始呈现平稳状态。图4直观地反映了体育产业政策得分(lnpsc)、体育专利授权数(lnpa)和体育产业增加值(lnsav)三个变量相互之间冲击后的响应关系，并且显现了三个变量对冲击之后的响应情况。也更为直观地显现了三个变量之间互动所产生的“累积效应”和“溢出效应”。

图4 脉冲响应图

5 结论与建议

5.1 结论

1)通过对2010—2020年间体育产业政策的量化结果发现，我国体育产业政策在本研究所设定力度强弱、目标清晰性、措施可行性的三维评价标准下，体育产业政策得分渐进提升，说明我国的体育产业政策在数量增多的同时质量也得到了不断提高，反映了国家在体育产业政策工具方面的日益重视，这对当前我国体育产业发展具有重要意义。

2)从格兰杰因果的结果来看，体育产业政策得分的提升，会引起体育产业增加值(lnsav)和体育专利授权数(lnpa)的增加。同时，体育专利授权数(lnpa)的增加也会带动体育产业增加值(lnsav)的提高，政策执行的效果反向推进了政策的制定。表明了我国的体育产业政策与体育产业发展存在的动态互促的关系，这就提示政策制定者在政策制定和执行时要根据政策效果动态调整政策内容，二者的动态互促的辩证关系统筹考虑，及时优化政策工具，不断提升政策质量，增强政策的“累积效应”，从而实现体育产业高质量发展的预期效益。

3)从脉冲响应模型的结果来看，体育专利授权数(lnpa)对体育产业政策得分(lnpsc)和体育产业增加值(lnsav)以及本身都存在正向冲击。体育产业政策得分(lnpsc)的提升也会对体育专利授权数(lnpa)和体育产业增加值(lnsav)以及本身带来正向冲击。而体育产业增加值(lnsav)会对体育专利授权数(lnpa)、体育政策得分(lnpsc)和本身都带来轻微的负向冲击，这大概缘于三者之间在短期内并没有实现动态协同，然而就长期来分析，体育产业增加值(lnsav)还是促进了体育专利授权数(lnpa)对体育产业政策得分(lnpsc)的提升，这就表明系统内部的自我调节作用发挥了作用，最终实现了动态互促的结果，体现了相互之间共同促进的“溢出效应”。

5.2 建议

1)多维度评价体育产业政策。如本文将政策力度、政策措施以及政策目标作为体育产业政策评价的主要方面，并引入彭纪生的经典政策量化评价方法结合体育产业政策的特点对评价指标进行调整，力求更为客观真实地反映政策评价的量化结果。

2)渐进性推动体育产业的政策调整。所谓渐进是指在政策制定过程中要反复论证和调适，逐步、适宜、连贯地推进政策调整。逐步是指要考虑现有政策的影响，总结现有政策的实际效益，同时考虑体育产业发展的实际状况，对政策进行适宜地微调，将政策制定过程归纳为动态试错的过程，体现政策调整的逐步和适宜。政策调整的连贯则是需要对整个政策系统进行整体统筹，同时政策要考虑执行过程以及政策效益总体进行预判，从而保证体育产业政策的现实性和前瞻性。

3)注重发挥体育产业政策“累积”和“溢出”的双重效应。体育产业政策和体育产业发展的动态互促，既体现了体育产业的“累积效应”也体现了“溢出效应”，充分协调体育产业发展各要素之间的关系，构建体育产业政策监测评估系统，精准评估政策效应。同时，应继续强化体育产业聚集区、示范区和城市发展功能区的建设，尝试搭建不同区域之间体育产业发展经验交流平台，加强不同区域的交流互动，由点到面的提高体育产业政策的整体水平。