论文部分内容阅读
【摘要】文化企业作为文化产业发展的主体，其经营能力直接决定了我国文化产业发展的水平和质量。以沪深50家文化传播上市公司为样本，利用因子分析和DEA-Bootstrap结合的三步法对我国文化产业上市公司经营效率进行了实证分析。结果表明，我国文化产业上市公司总体经营效率较低，行业内部，广告营销和动漫两大新兴行业的经营效率最好，平面媒体和影视娱乐业排名居中，互联网、广播与电视业经营效率总体排名相对较靠后。此外，与其他行业相比，互联网业的内部竞争更加激烈，公司之间经营效率差异明显。
【关键词】文化产业上市公司 经营效率 因子分析 DEA-Bootstrap
一、引言
随着文化体制改革的不断深化以及文化产业发展相关政策的不断放宽，我国文化产业资本运营程度不断提升，文化企业在资本市场中的开拓能力也逐渐增强，逐步形成了以传媒产业为核心的文化产业上市公司圈层。这些上市公司往往是所在行业中的骨干企业或者龙头集团，资产足、规模大、业务范围广，其经营能力的好坏很大程度上决定了我国文化产业整体水平的高低。对我国文化产业上市公司经营绩效进行科学系统的研究具有重要的实践意义，不仅有利于对现阶段文化企业的经营状况予以准确评价，也能为其进一步发展提供参考与借鉴。
二、研究方法
评价企业的经营效率，传统的研究多数选取财务指标作为度量指标，探讨企业投入与产出之间的一对一比例关系。但这一方法过于简单，无法解释日益复杂的企业内部多投入与多产出关系。数据包络分析（DEA）则可以解决这一问题，这一方法被广泛的运用于企业生产和经营效率的评价研究之中，如保险业（姚树洁等，2005）、房地产业（施金亮和杨俊，2006）、通信服务业（钱侃等，2011）等。但传统的DEA方法存在一定限制，譬如（1）投入产出变量选择过多，不能满足DEA的运算技术要求：决策单元（DMU）个数应大于投入产出指标数的2倍，否则会产生无效估计结果；（2）选取的投入产出变量之间可能存在较强相关性，DEA对此并不考察，如此会导致结果有偏。（3）DEA结果忽略了数据的统计性质。通常计算所得DEA效率值，只是由随机抽取的一个样本计算所得的样本参数值，是对总体参数的一个“点估计”，结果具有很大的随机性和误导性。
为得到更精确的有关我国文化产业上市公司经营绩效的评价结果，需要对传统DEA法的上述缺陷进行纠正。（1）针对DEA投入产出指标选取问题，可以考虑将因子分析与DEA结合，用因子分析从众多的投入产出指标中抽取少量经济含义相对明确的公共因子形成新指标，不仅保存了原始数据的绝大多数信息，且相互之间不再相关（周星，2008；郭岚和张勇，2008）。（2）针对DEA结果忽略数据统计性质的缺陷，DEA-Bootstrap方法可以很好的解决这一问题（Simari& Wilson，1998）。Bootstrap法本质上是一种“重复模拟数据生成”的方法，Simari&Wilson（2000）最早将Bootstrap法应用到DEA中，并给出了平滑Bootstrap的算法，实现了对DEA结果的纠偏，并在此基础上对DEA-bootstrap法进行延伸，使其允许“异质性”的存在。国内外学者分别将这一方法运用于天然气（Handon，2003）、发电业（Tsolas，2010）、采矿业（Tsolas IE，2011）、GCC银行业（Awartani&Maghyereh，2012）和我国银行业（史金凤和张信东，2012）的行业效率研究中。
综上，本文将采用因子分析、DEA与Bootsrap纠偏技术相结合的三步法对我国文化产业上市公司经营效率进行量化研究：第一步，用因子分析分别对投入指标和产出指标提取出相互独立的公共因子作为各自新的指标；第二步，用第一步得到的投入、产出指标进行DEA分析；第三步，利用Bootsrap技术对上步结果进行纠偏，得到更精确的估计结果以及区间估计。
三、研究设计
（一）数据来源与指标选取
1.数据来源
本文选取至2012年底，已在沪深两地成功上市的50家（剔除2家异常值公司）文化产业上市公司作为研究对象，选取2012年度公布的年度数据作为分析样本。数据主要来自wind资讯及各公司年报。
2.原始投入、产出变量选择
根据Cooper（1999）的观点，DEA方法中投入、产出变量的选取准则主要有以下几点：（1）对所有决策单元，投入和产出值可得，且为正数；（2）投入和产出项目必须反映分析者和管理者关注的要素；（3）投入的数值应越小越好，而产出的数值应越大越好。综上，本文选取固定资产净值、总股本、主营业务成本、期间费用、应付职工薪酬作为原始投入变量，营业总收入、利润总额、营业利润、净利润作为原始产出变量。
（二）投入产出变量的因子分析
在获取上述原始投入、产出变量的数据后，采用SPASS.18.0对数据进行因子分析。采取主成分分析方法提取公共因子，从5个原始投入变量中提取出两个公因子X1和X2，从原始产出变量中提取出一个公共因子Y1。对初始载荷矩阵进行方差极大法正交旋转，得到正交旋转后的投入变量因子载荷矩阵。从投入变量因子载荷矩阵可以看出，主营营业成本、期间费用和应付职工薪酬3个变量对公共因子X1的影响较大，这几个指标反映了公司期间运营中的实际投入，可将其命名为“运营投入”。固定资产和股本2个变量对公共因子X2的影响较大，这2个指标均反映了公司的资产投入规模，可将其命名为“资产规模”。从产出变量因子载荷矩阵可见，四个产出变量对公共因子Y1的影响都很大，Y1综合反映了上市公司的“经营产出”。
通过因子得分矩阵以及原投入产出指标数据计算得出公因子“运营投入”X1、“资产规模”X2和“经营产出”Y1，以此作为后续计算中新的投入、产出变量。
四、结果分析 纯技术效率反映了剔除了规模效率影响后的企业经营绩效，运用DEAP.2.1软件对50家文化产业上市公司的纯技术效率进行计算，并用R软件对纯技术效率结果进行纠偏，以得到更精确的效率值，结果如表1所示。总体而言，经过Bootstrap技术纠偏后，50家企业纯技术效率没有一家达到“1”，这表明我国文化产业上市公司经营效率均未达到最优，投入到文化产业中的资源并没有得到充分的利用，造成一定的浪费。
进一步细分行业分析，按纯技术效率平均值从高到低排列，分别是广告营销（0.78）、动漫（0.75）、影视娱乐（0.58）、平面媒体（0.57）、互联网（0.43）、广播与电视（0.35）。较之其他细分行业，广告营销4家上市公司均排名靠前。蓝色光标作为亚洲最大的公关公司之一，早在2004年就开始进入数字媒体业务领域，数字技术、信息技术的运用与改造，极大的提升了公司业务运作效率。奥飞动漫作为样本中唯一的动漫企业，生产效率相对较好，排在整体第7位。这主要是受益于我国动漫消费市场的增长和政府政策的支持，奥飞动漫乘势而行，逐步形成完整的产业链条，充分利用以动漫创作与播出带动衍生品销售这一商业模式，经营效率较高。影视娱乐业由于三网融合技术、数字化多媒体技术的广泛运用，激发出巨大的市场潜力，部分公司譬如光线传媒，将业务范围拓展至网络、新媒体、整合营销等，使公司技术水平得以不断进步。13家平面媒体上市公司在整体样本排名中分布居中。以皖新传媒、中南传媒为代表的出版发行集团，基本都带有鲜明的“国字号”印记，实力雄厚，能够运用身份上的优势，迅速进入出版发行关联行业譬如新媒体、网络，部分集团甚至还涉足影视、动漫、网游等领域，因此资源使用与生产效率相对较高。反观以天舟文化为代表的民营媒体公司，由于在资本与品牌优势方面均存在明显短板，其业务范围仍然以出版发行为主，无法实现全产业链布局，资源整合与生产效率相比而言较低。互联网在未来将逐渐成为主流媒体，但是目前企业间发展模式雷同，行业内部的竞争激烈程度远超其他文化类上市公司，行业内经营效率参差不齐。网络视频行业在2012年经过激烈的竞争和角逐后，乐视网凭借其行业最全的版权库和最全的产业链布局，“平台+内容+终端+应用”构成的“乐视生态”，在长视频领域迅速成长，生产效率在整体排名中也相对较好。网游行业由于仍处于成长阶段，公司总体生产效率还很低。广播与电视行业整体经营效率靠后。行业内部总体而言，生产效率由高到低分别是有线设备、广播电视和有线运营，这其实上也反映了三个分行业各自背后行业竞争程度的高低。由于管理体制上的错综复杂，有线运营商不仅要与地方台、中央台进行竞争，现在随着三网融合进程的加速，还将面临IPTV、互联网电视等对其客户的分流影响，业务竞争十分激烈，因而公司经营效率普遍较低。市场较为规范的有线设备业，其公司经营效率相对较高。
五、结论和建议
从前面的分析结果可以看出，文化企业发展势头良好，但总体经营效率较低，还有很大的改进空间。随着新媒体的兴起，文化产业内竞争加剧，行业间经营效率差距较大，一些优质企业在激烈的竞争中脱颖而出，一些则面临被迫出局的威胁。随着持续的科技进步、消费升级以及国家政策的支持，文化企业将面临更大机遇，迎接更加激烈的竞争挑战。以上市公司为代表的优质文化企业应抓住机遇，在后续体制改革深化与产业高速发展过程中，积极剥离非核心业务并寻求核心业务的延伸拓展与跨界整合，通过实现公司资源的再配置与再利用，不断提高公司生产效率与规模效率，力争进一步提升公司运营的整体效益。
参考文献
[1]魏权龄.评价相对有效性的DEA方法[M]北京：中国人民大学出版社，1988.
[2]姚树洁，冯根福，等.中国保险业效率的实证分析[J].经济研究，2005（07）：56-65.
[3]施金亮，杨俊.数据包络分析法评价房地产上市公司绩效[J].上海大学学报，2006，12（03）：325-330.
[4]钱侃，夏洪胜.基于DEA模型的通信服务业上市公司效率的实证分析[J].科技管理研究，2011（20）：51-67.
[5]郭岚，张勇，等.基于因子分析与DEA方法的旅游上市公司效率评价[J].管理学报，2008，5（02）：258-262.
[6]Simar，Wilson P W.Sensitivity Analysis of Efficiency Scores：How to Bootstrap in Nonparametric Frontier Models[J].Management Science，1998，44（01）：49-61.
[7]Simar L，Wilson P W.A General Methodology for Bootstrapping in Nonparametric Frontier Models[J].Journal of Applied Statistics，2000（27）：779-802.
[8]HandonD.Efficiency Performance and Regulation of the International Gas Industry—A Bootstrap DEA Approach[J].Energy Policy，2003（31）：1167-1178.
作者简介：刘璐（1989-），女，江苏徐州人，南京大学国家文化产业研究中心硕士生，研究方向：文化产业。
（编辑：陈岑）
【关键词】文化产业上市公司 经营效率 因子分析 DEA-Bootstrap
一、引言
随着文化体制改革的不断深化以及文化产业发展相关政策的不断放宽，我国文化产业资本运营程度不断提升，文化企业在资本市场中的开拓能力也逐渐增强，逐步形成了以传媒产业为核心的文化产业上市公司圈层。这些上市公司往往是所在行业中的骨干企业或者龙头集团，资产足、规模大、业务范围广，其经营能力的好坏很大程度上决定了我国文化产业整体水平的高低。对我国文化产业上市公司经营绩效进行科学系统的研究具有重要的实践意义，不仅有利于对现阶段文化企业的经营状况予以准确评价，也能为其进一步发展提供参考与借鉴。
二、研究方法
评价企业的经营效率，传统的研究多数选取财务指标作为度量指标，探讨企业投入与产出之间的一对一比例关系。但这一方法过于简单，无法解释日益复杂的企业内部多投入与多产出关系。数据包络分析（DEA）则可以解决这一问题，这一方法被广泛的运用于企业生产和经营效率的评价研究之中，如保险业（姚树洁等，2005）、房地产业（施金亮和杨俊，2006）、通信服务业（钱侃等，2011）等。但传统的DEA方法存在一定限制，譬如（1）投入产出变量选择过多，不能满足DEA的运算技术要求：决策单元（DMU）个数应大于投入产出指标数的2倍，否则会产生无效估计结果；（2）选取的投入产出变量之间可能存在较强相关性，DEA对此并不考察，如此会导致结果有偏。（3）DEA结果忽略了数据的统计性质。通常计算所得DEA效率值，只是由随机抽取的一个样本计算所得的样本参数值，是对总体参数的一个“点估计”，结果具有很大的随机性和误导性。
为得到更精确的有关我国文化产业上市公司经营绩效的评价结果，需要对传统DEA法的上述缺陷进行纠正。（1）针对DEA投入产出指标选取问题，可以考虑将因子分析与DEA结合，用因子分析从众多的投入产出指标中抽取少量经济含义相对明确的公共因子形成新指标，不仅保存了原始数据的绝大多数信息，且相互之间不再相关（周星，2008；郭岚和张勇，2008）。（2）针对DEA结果忽略数据统计性质的缺陷，DEA-Bootstrap方法可以很好的解决这一问题（Simari& Wilson，1998）。Bootstrap法本质上是一种“重复模拟数据生成”的方法，Simari&Wilson（2000）最早将Bootstrap法应用到DEA中，并给出了平滑Bootstrap的算法，实现了对DEA结果的纠偏，并在此基础上对DEA-bootstrap法进行延伸，使其允许“异质性”的存在。国内外学者分别将这一方法运用于天然气（Handon，2003）、发电业（Tsolas，2010）、采矿业（Tsolas IE，2011）、GCC银行业（Awartani&Maghyereh，2012）和我国银行业（史金凤和张信东，2012）的行业效率研究中。
综上，本文将采用因子分析、DEA与Bootsrap纠偏技术相结合的三步法对我国文化产业上市公司经营效率进行量化研究：第一步，用因子分析分别对投入指标和产出指标提取出相互独立的公共因子作为各自新的指标；第二步，用第一步得到的投入、产出指标进行DEA分析；第三步，利用Bootsrap技术对上步结果进行纠偏，得到更精确的估计结果以及区间估计。
三、研究设计
（一）数据来源与指标选取
1.数据来源
本文选取至2012年底，已在沪深两地成功上市的50家（剔除2家异常值公司）文化产业上市公司作为研究对象，选取2012年度公布的年度数据作为分析样本。数据主要来自wind资讯及各公司年报。
2.原始投入、产出变量选择
根据Cooper（1999）的观点，DEA方法中投入、产出变量的选取准则主要有以下几点：（1）对所有决策单元，投入和产出值可得，且为正数；（2）投入和产出项目必须反映分析者和管理者关注的要素；（3）投入的数值应越小越好，而产出的数值应越大越好。综上，本文选取固定资产净值、总股本、主营业务成本、期间费用、应付职工薪酬作为原始投入变量，营业总收入、利润总额、营业利润、净利润作为原始产出变量。
（二）投入产出变量的因子分析
在获取上述原始投入、产出变量的数据后，采用SPASS.18.0对数据进行因子分析。采取主成分分析方法提取公共因子，从5个原始投入变量中提取出两个公因子X1和X2，从原始产出变量中提取出一个公共因子Y1。对初始载荷矩阵进行方差极大法正交旋转，得到正交旋转后的投入变量因子载荷矩阵。从投入变量因子载荷矩阵可以看出，主营营业成本、期间费用和应付职工薪酬3个变量对公共因子X1的影响较大，这几个指标反映了公司期间运营中的实际投入，可将其命名为“运营投入”。固定资产和股本2个变量对公共因子X2的影响较大，这2个指标均反映了公司的资产投入规模，可将其命名为“资产规模”。从产出变量因子载荷矩阵可见，四个产出变量对公共因子Y1的影响都很大，Y1综合反映了上市公司的“经营产出”。
通过因子得分矩阵以及原投入产出指标数据计算得出公因子“运营投入”X1、“资产规模”X2和“经营产出”Y1，以此作为后续计算中新的投入、产出变量。
四、结果分析 纯技术效率反映了剔除了规模效率影响后的企业经营绩效，运用DEAP.2.1软件对50家文化产业上市公司的纯技术效率进行计算，并用R软件对纯技术效率结果进行纠偏，以得到更精确的效率值，结果如表1所示。总体而言，经过Bootstrap技术纠偏后，50家企业纯技术效率没有一家达到“1”，这表明我国文化产业上市公司经营效率均未达到最优，投入到文化产业中的资源并没有得到充分的利用，造成一定的浪费。
进一步细分行业分析，按纯技术效率平均值从高到低排列，分别是广告营销（0.78）、动漫（0.75）、影视娱乐（0.58）、平面媒体（0.57）、互联网（0.43）、广播与电视（0.35）。较之其他细分行业，广告营销4家上市公司均排名靠前。蓝色光标作为亚洲最大的公关公司之一，早在2004年就开始进入数字媒体业务领域，数字技术、信息技术的运用与改造，极大的提升了公司业务运作效率。奥飞动漫作为样本中唯一的动漫企业，生产效率相对较好，排在整体第7位。这主要是受益于我国动漫消费市场的增长和政府政策的支持，奥飞动漫乘势而行，逐步形成完整的产业链条，充分利用以动漫创作与播出带动衍生品销售这一商业模式，经营效率较高。影视娱乐业由于三网融合技术、数字化多媒体技术的广泛运用，激发出巨大的市场潜力，部分公司譬如光线传媒，将业务范围拓展至网络、新媒体、整合营销等，使公司技术水平得以不断进步。13家平面媒体上市公司在整体样本排名中分布居中。以皖新传媒、中南传媒为代表的出版发行集团，基本都带有鲜明的“国字号”印记，实力雄厚，能够运用身份上的优势，迅速进入出版发行关联行业譬如新媒体、网络，部分集团甚至还涉足影视、动漫、网游等领域，因此资源使用与生产效率相对较高。反观以天舟文化为代表的民营媒体公司，由于在资本与品牌优势方面均存在明显短板，其业务范围仍然以出版发行为主，无法实现全产业链布局，资源整合与生产效率相比而言较低。互联网在未来将逐渐成为主流媒体，但是目前企业间发展模式雷同，行业内部的竞争激烈程度远超其他文化类上市公司，行业内经营效率参差不齐。网络视频行业在2012年经过激烈的竞争和角逐后，乐视网凭借其行业最全的版权库和最全的产业链布局，“平台+内容+终端+应用”构成的“乐视生态”，在长视频领域迅速成长，生产效率在整体排名中也相对较好。网游行业由于仍处于成长阶段，公司总体生产效率还很低。广播与电视行业整体经营效率靠后。行业内部总体而言，生产效率由高到低分别是有线设备、广播电视和有线运营，这其实上也反映了三个分行业各自背后行业竞争程度的高低。由于管理体制上的错综复杂，有线运营商不仅要与地方台、中央台进行竞争，现在随着三网融合进程的加速，还将面临IPTV、互联网电视等对其客户的分流影响，业务竞争十分激烈，因而公司经营效率普遍较低。市场较为规范的有线设备业，其公司经营效率相对较高。
五、结论和建议
从前面的分析结果可以看出，文化企业发展势头良好，但总体经营效率较低，还有很大的改进空间。随着新媒体的兴起，文化产业内竞争加剧，行业间经营效率差距较大，一些优质企业在激烈的竞争中脱颖而出，一些则面临被迫出局的威胁。随着持续的科技进步、消费升级以及国家政策的支持，文化企业将面临更大机遇，迎接更加激烈的竞争挑战。以上市公司为代表的优质文化企业应抓住机遇，在后续体制改革深化与产业高速发展过程中，积极剥离非核心业务并寻求核心业务的延伸拓展与跨界整合，通过实现公司资源的再配置与再利用，不断提高公司生产效率与规模效率，力争进一步提升公司运营的整体效益。
参考文献
[1]魏权龄.评价相对有效性的DEA方法[M]北京：中国人民大学出版社，1988.
[2]姚树洁，冯根福，等.中国保险业效率的实证分析[J].经济研究，2005（07）：56-65.
[3]施金亮，杨俊.数据包络分析法评价房地产上市公司绩效[J].上海大学学报，2006，12（03）：325-330.
[4]钱侃，夏洪胜.基于DEA模型的通信服务业上市公司效率的实证分析[J].科技管理研究，2011（20）：51-67.
[5]郭岚，张勇，等.基于因子分析与DEA方法的旅游上市公司效率评价[J].管理学报，2008，5（02）：258-262.
[6]Simar，Wilson P W.Sensitivity Analysis of Efficiency Scores：How to Bootstrap in Nonparametric Frontier Models[J].Management Science，1998，44（01）：49-61.
[7]Simar L，Wilson P W.A General Methodology for Bootstrapping in Nonparametric Frontier Models[J].Journal of Applied Statistics，2000（27）：779-802.
[8]HandonD.Efficiency Performance and Regulation of the International Gas Industry—A Bootstrap DEA Approach[J].Energy Policy，2003（31）：1167-1178.
作者简介：刘璐（1989-），女，江苏徐州人，南京大学国家文化产业研究中心硕士生，研究方向：文化产业。
（编辑：陈岑）