前言：尋找寫作靈感？中文期刊網用心挑選的互聯網對文化產業全要素生產率影響，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：本文利用2012-2017年中國31個省份的面板數據，實證研究互聯網應用對文化產業全要素生產率的影響，并考察該影響的行業與區域異質性。研究發現：互聯網應用對我國傳統文化產業全要素生產率具有負效應，且該影響具有行業與區域異質性，互聯網應用對文化服務業的負效應最強，對中部地區負面影響最顯著。因而提出推進“互聯網+”行動計劃，加速文化產業轉型升級，根據地區實際情況制定相應產業政策的建議。

關鍵詞：文化產業；互聯網；全要素生產率；產業融合

1前言

第四次經濟普查顯示我國文化產業實現規模效益雙提升[1]，迎來新的增長點。2008-2018年文化產業增加值年均增長18.9%，高于同期GDP現價年均增速6.9個百分點，可見文化產業在我國經濟發展中的地位日漸提高。總體來看，文化產業發展整體水平不高，創新活力不強，與高質量發展要求仍有差距。近年來國家提出加快發展“三新”經濟，促進產業轉型升級，“互聯網+”作為“三新”活動的重要部分發展勢頭迅猛，成為推動產業變革、提升經濟技術水平的國家戰略。研究互聯網應用對文化產業全要素生產率有何影響，該影響是否存在行業與區域異質性，對于國家推進“互聯網+”行動計劃，各地區制定文化相關產業政策，加快轉型升級，有重要的現實意義。

2文獻綜述與假設

2.1互聯網應用與生產率

目前我國文化產業中傳統產業居主體地位，處在互聯網導入的初期，運用該技術的意識不強，且技術進步耗時長[2]，短期內占用大量資源，因此互聯網對技術進步有抑制作用。其次、傳統產業更明顯地具有“成本次可加性”，互聯網的交叉網絡外部性使產業壟斷更普遍[3]，對技術效率產生抑制作用。故本文提出如下假設：假設1：互聯網應用對傳統文化產業全要素生產率具有負效應。

2.2互聯網應用影響全要素生產率的行業異質性

文化產業可分為制造業、批發與零售業、服務業三類行業，文化服務業生產率下降的主要原因是技術進步不能滿足自身發展，因此互聯網對其負面影響最大。文化制造業同樣受市場需求的影響而使其技術效率降低，但互聯網對其技術進步的負效應較弱。文化批發與零售業依賴文化制造業與服務業發展，互聯網對其影響是間接的，相對最弱。因此，提出如下假設：假設2：互聯網應用對傳統文化產業全要素生產率的影響具有行業異質性，對文化服務業影響最大。

2.3互聯網應用影響全要素生產率的區域異質性

我國東部經濟發達，人力資源豐富，技術進步最快；且文化產業發展最成熟，互聯網導入時間長，企業機制已逐漸適應，因此互聯網對其生產率的負效應不明顯。相反西部人才等資源稀缺，經濟、文化產業發展相對滯后，因此互聯網對西部的影響不顯著。而中部文化產業發展較成熟，正值互聯網導入初期，互聯網對其技術進步與技術效率的負效應最明顯。基于此，提出如下假設：假設3：互聯網應用對傳統文化產業全要素生產率影響具有區域異質性，且對中部的負效應最大。

3研究設計

3.1文化產業全要素生產率的測度

測算全要素生產率的方法中Fareetal.提出的DEA-Malmqusit指數法[4]無須設定生產函數的具體形式，能避免函數設定偏誤造成的誤差，故本文采用DEA-Malmqusit指數法分析文化產業全要素生產率的變動。投入變量中資本投入以規模或限額以上文化及相關產業企業資產總計表示，勞動力投入以年末從業人員數量表示。產出變量以規模或限額以上文化及相關產業企業營業收入與營業利潤表示。基于以上變量運用DEAP2.1對全要素生產率指數進行測算。表1顯示，第一，我國傳統文化產業全要素生產率整體呈增長態勢，平均增長率為2.74%。第二，文化制造業、批發與零售業全要素生產率整體增長，且文化批發與零售業增長最快，平均增長率為4.5%，文化服務業全要素生產率持續負增長。

3.2模型設定

為研究互聯網應用對我國傳統文化產業全要素生產率的影響，構建如下模型：

3.3變量設定

1）被解釋變量：傳統文化產業全要素生產率（TFP）為被解釋變量，以2012年為基年，假設當年TFP為1，通過上文每年全要素生產率指數計算而得。2）解釋變量：采用互聯網普及率，即網民數與地區人口數的比值，反映互聯網應用水平（INT）。3）控制變量：從宏觀、社會、區域三個層面選取變量。宏觀層面選擇人均GDP表示經濟發展水平（GDP），以反映地區文化的創造和消費水平。社會層面參考張曉雪[5]的做法，選擇平均受教育年限衡量受教育水平（EDU），受教育水平影響文化產品與服務的需求層次。區域層面，選擇財政自主權（FD），即一般預算內財政收入與支出之比衡量區域制度因素的影響。

3.4數據來源及處理

本文數據來源于2012-2017年《中國文化及相關產業統計年鑒》《中國人口與就業統計年鑒》、各省統計年鑒、中國國家統計局數據庫、中國互聯網絡信息中心（CNNIC）調查報告，不包含文化產業新業態數據。

4實證分析

4.1基本回歸結果

多重共線性檢驗結果顯示，最大的VIF值為4.72，因此各解釋變量間存在多重共線性的可能性較小。Hausman檢驗結果顯示P值為0.019，因此建立固定效應模型。互聯網應用水平提高1%，文化產業生產率降低1.083%，通過了1%的顯著性檢驗，說明互聯網對傳統文化產業生產率具有顯著的負效應，驗證了假設1。互聯網短期內阻礙了傳統文化產業的技術進步，擴大了壟斷，帶來的社群經濟、企業生產設備、組織方式的不適應使技術效率降低，因此對全要素生產率具有負效應。經濟發展一項系數在1%顯著性水平下成立，反映人均GDP與文化產業發展有顯著的正向關系，人均GDP升高刺激了相關產品和服務的消費，能提高文化產業生產率。受教育水平系數為負，一種可能的原因是樣本期間，人們受教育水平越高，文化需求層次越高，抑制了傳統文化產業生產率的提高。

4.2行業異質性

模型2-模型4分別以文化制造業、批發與零售業、服務業TFP為被解釋變量，由結果可知互聯網應用對三個行業的生產率均具有負效應，文化制造業、服務業互聯網一項系數分別通過了5%、1%的顯著性檢驗，文化批發與零售業未通過，互聯網對文化服務業TFP的負效應最強，制造業次之，批發與零售業最弱。三個行業與互聯網融合程度仍不足，未充分發揮互聯網高效創新的特點。文化服務業受消費者偏好直接影響，互聯網帶來的產業壟斷、“社群經濟”、長尾經濟思想使其技術效率下降明顯，阻礙了技術進步，因此互聯網對文化服務業全要素生產率的負效應最顯著，驗證了假設2。

4.3區域異質性

為分析互聯網影響的區域異質性，將全國31個省份劃分為東、中、西部三大板塊。模型5-模型7分別為東、中、西部的分析。表3回歸結果反映：第一，東、中、西部互聯網應用一項系數均為負，可見互聯網對三個地區傳統文化產業生產率均具有負效應，與全國相同。第二，互聯網對文化產業生產率的影響存在區域異質性，且對中部最顯著，東部次之，驗證了假設3。究其原因，東部地區經濟更發達，開放程度高，創新力強，而中部傳統文化產業中互聯網導入程度較低，因此互聯網對中部的負效應更顯著。第三，西部地區互聯網一項系數未通過顯著性檢驗，該地區互聯網對文化產業生產率的影響較弱。西部文化產業相比之下發展更滯后，仍存在產業鏈不完善等不足，有待進一步發展，因此目前互聯網對其影響相對不顯著。

4.4穩健性檢驗

為檢驗上述結果的穩健性，本文選取各地區互聯網寬帶接入端口數與人口總數之比作為衡量互聯網應用水平的另一指標LNWEB，重新估計。模型8結果顯示，互聯網一項系數為負，且在5%顯著性水平下成立，因此結果具有良好的一致性，穩健性檢驗通過。

4.5內生性問題

互聯網的應用與文化產業生產率或存在雙向因果關系，需考慮內生性問題。參考郭家堂的研究，選取LnINT滯后一期為解釋變量，若滯后期LnINT對當期LnTFP仍有上述結論，則說明在雙向因果關系中互聯網為主因。模型9結果表明，該結論與上述結果一致，本文結論得到驗證。為進一步提高準確性，參考韓寶國[6]等的做法，以滯后一期LnINT為工具變量，進一步解決內生性問題。經檢驗，LnINT具有一定內生性，模型10結果與上述結果一致。

5結論和建議

1）政府應積極推進“互聯網+”文化相關政策落實，提供法律支持和稅收、財政優惠政策等措施助力文化產業新業態轉型，并進一步提高互聯網普及率。文化企業應培養吸收互聯網專業人才，積極利用互聯網手段開拓市場。2）文化服務業應充分利用互聯網加快轉型升級，創新服務方式，為消費者提供高質量的個性化服務。文化制造業應利用互聯網提高信息利用和生產效率，幫助自身轉型升級，進而促進文化批發與零售業的發展。3）在促進文化產業與互聯網融合的過程中，各地區應結合實際情況制定相應政策，充分利用區位優勢及資源，加強區域間交流合作，縮小區域間差距。

作者:陳沐青 李越 張夢月 單位:西安交通大學