王承妍 姬新龙

（兰州财经大学，甘肃 兰州 730000）

一、引言

文化产业是国家软实力的重要体现。近年来，我国积极推进文化产业的发展，文化产业的投入和产出均有较快的增长。但是，与其他发达国家相比，中国文化产业发展水平尚浅、国际竞争力低。因此本文通过定量考察我国文化产业发展的外部驱动因素，对比分析各因素的影响效果。

二、文化产业发展现状

（一）文化及相关产业增加值及GDP占比

统计数据显示中国文化产业产值从2005年的4216亿元增至2016年的36762亿元，具体见图1。

图1 中国文化及相关产业增加值及其占GDP比重（亿元）

（二）文化及相关产业法人单位增加值

如表1所示，从文化及相关产业法人单位增加值来看，从2008年的7166亿元到2016年的27235亿元，增长了近3倍。其中文化制造业和文化服务业所占的比重较高，合计可达90%以上。文化批发和零售业所占的比重较低，历年比重均不超过10%。

表1 2008-2015年中国文化及相关产业法人单位增加值及构成

（三）文化及相关产业法人单位数

如表2所示，和文化及相关产业法人单位增加值不同的是，随着法人单位数量的增长，文化服务业法人单位在数量上所占的比重始终是最高的，均在60%以上，而文化制造业和文化批发和零售业法人单位数量合计所占比重不超过40%。造成这种现象的原因主要是文化制造业企业的规模一般较大，而文化批发和零售及文化服务业企业的规模相对较小。

表2 中国文化及相关产业法人单位数及构成

三、文献综述

关于金融支持文化产业发展的研究，刘孝斌（2014）验证了中国金融发展对文化产业有显著的正向影响。熊正德等（2014）通过对29个省的面板数据分析，得出银行贷款是促进文化发展的主要因素，股票融资对文化产业发展的支持力度较小。

综上所述，已有研究成果表明金融体系的直接金融和间接金融对文化产业发展有着重大影响，但以往的文献是从文化产业增加值的变量因素去研究，数据年限较早不能及时反映目前文化产业的具体情况。2012年国家统计局发布《国家统计局关于印发文化及相关产业分类（2012）的通知》，进一步规范了文化及相关产业的口径、范围，在新的统计口径下，各省的文化及相关产业增加值的数据没有公布，因此我们选用替代指标，即文化类企业营业收入。具体的数据选取2012年至2015年最新年限的数据，为文化产业的快速优质发展提供一定的实证依据。

四、实证研究

（一）模型设定

本文研究金融发展对文化类企业发展的促进作用涉及我国31个省（市、区）的2012-2015年4年的数据，采用面板数据模型。

该模型的一般表达式为：

其中，i=1,2,3,…，31，表示 31 个省（市、区）；t=1,2,3,4，表示已知的2012年-2015年的年份。αit表示截距项，yit是被解释变量对个体i在t时的观测值；xkit是第k个非随机解释变量对于个体i在t时的观测值；βkit是待估计参数；μit是随机误差项。用矩阵表示为：

（二）指标选取

1.文化产业发展指标。以往，学术界主要用文化产业增加值作为衡量文化产业发展现状的指标，郭淑芬（2017）以文化制造业、文化批零业及文化服务业企业的营业收入作为文化产业发展水平的替代指标。2012年文化及相关产业增加值统计口径变化后各省没有统一公布相关数据，故本研究参照郭淑芬（2017）的做法，采用文化制造业、文化批零业及文化服务业行业企业的营业收入衡量文化产业发展水平。（数据来源：中国统计年鉴）

2.金融发展指标。对于金融发展指标的选取，主要检测金融系统对于文化产业的支持。本文用各省 (区、市)金融机构贷款余额(BA)表示以信贷为主的间接金融支持文化产业发展的规模指标，用各省(区、市)股票市值(ST)表示以股票市场为主的直接金融支持文化产业发展的规模指标。

3.控制变量。除了金融行业支持因素，文化产业的发展还受到其它非金融因素的影响，本文选取几个控制变量来表示。一是当前我国文化产业发展仍在较大程度上依赖于政府政策支持和财政投入，因此本文将文化事业费纳入影响文化产业发展的因素之中，用文化事业费(CF)表示政府部门对于文化产业的投入影响。二是经营性文化产业机构数目(SL)也会影响文化产业的发展，本文也将这一变量作为控制变量，表示文化市场的发展对文化产业发展的影响。

（三）模型检验

由于面板数据包括横截面维度和时间维度，如果模型设定的不正确，即忽视了在横截面或者时间上参数的本质上的差异，可能会导致参数估计不是一致估计或估计出的参数值没有意义，以致估计结果与实际将相差甚远。本文着重研究不同因素对文化企业发展的影响，因此不选择变系数模型。

为了确定该模型是否存在个体固定效应，首先做F检验。

1.F检验。F统计量定义为：

其中，N表示个体数，N-1表示约束条件个数，k表示解释变量对应参数的个数。

给定显著性水平，查F分布表，得到临界值，并且与计算得到的F统计量数值进行比较，如果大于临界值，则拒绝原假设。

F检验的原假设与备假设分别为：

H0：模型中不同个体的截距项相同（建立混合模型）

H1：模型中不同个体的截距项不同（固定效应模型）

表3 F统计量检验的结果

因为F=38.049732＞F0.05(30.89)，所以推翻原假设，在个体固定效应模型和混合模型中选择个体固定效应模型更为合理。

2.Hausman检验。Hausman检验用于检验应该建立的是固定效应模型还是随机效应模型。

H统计量定义为：

Hausman检验的原假设与备假设分别为：

H0:个体效应与回归变量无关（随机效应模型）

H1:个体效应与回归变量相关（固定效应模型）

表4 Hausman检验结果

H=42.553815＞χ20.05(4)=9.49，因此模型存在个体固定效应，应当建立个体固定效应模型。

为了使数据更加平滑，我们对原始数据取对数，建立如下模型：

LOG(CUL)it=β0+β1LOG(BA)it+β2LOG(ST)it+β3LOG(CF)it+β4LOG(SL)it+μit，并用EVIEWS软件，采用个体固体效应模型对数据进行回归分析。

（四）回归分析

1.整体模型分析。

表5 模型的其他检验结果

（1）R2判定系数为0.993204，说明整体模型的拟合度较高；

（2）F检验是对回归模型的整体做显著性检验，其P值为0，通过显著性检验；

（3）对模型进行Durbin-Watson检验，得出D.W值为2.168652，查表得dU值为1.65。当DU＜DW＜4-DU时，解释变量之间不存在相关性。而检验结果所得的为1.65＜2.168652＜2.35，即年末金融机构贷款余额、各省股票总市值、文化事业经费及文化及相关产业机构数之间不存在相关性，因此他们之间也不存在多重共线性。

2.各参数回归结果。从以上模型回归结果看，整体模型通过了显著性检验，拟合效果较好。通过对各参数做T检验发现金融机构贷款总额、金融机构个数两个变量通过了显著性检验，而股票总市值、文化事业费没有通过检验。具体结果如下：

表6 模型的回归结果

（五）结果分析

1.银行贷款。从模型估计的回归结果可以看出，T统计量的P值=0.0111，通过显著性检验。银行业金融机构对我国文化产业发展金融支持效应明显，且呈现显著的正相关关系。回归系数为0.644203，表明银行贷款每提高1个百分点能带动文化企业营业收入增长0.644203个百分点。说明现阶段金融因素中银行贷款是促进文化发展的主要因素。

2.股票市场。股票融资对文化产业发展的影响不显著，且回归系数为负值，这主要是因为我国文化产业的发展尚处于成长阶段，文化企业中大多为中小企业或民营企业，尚未达到上市规模，表现出资本市场的股票融资对文化产业的影响效应还需要加强，目前文化产业发展还需进一步扩大上市融资规模。

3.财政支持。各省份的财政投入与文化产业发展之间存在正相关关系，由于本文中选取的数据年限有限，且各省政府对文化产业扶持力度各不相同，回归结果中的影响效果并不显著。一般来讲财政投入也是影响文化产业发展的重要推动力，近年来政府对文化产业的财政投入不断加大，财政支出对于文化产业的发展具有较大影响，但我国人口基数大人均文化事业费比例仍很小，政府应进一步加大对文化事业发展的经费投入。

4.文化产业机构数量。经营性文化产业机构数量与全国文化产业的发展呈现出显著的相关关系，说明文化市场的发展已经形成规模，并以一定的速度在扩张。