数据赋能驱动文化产品创新效率研究——基于中国省域面板数据的实证检验
发布时间：2021-11-04 04:37
大数据时代文化产品创新作为文化产业发展的内核,日益成为文化经济与区域繁荣的重要推动力。通过DEA方法测算了2008—2017年中国31个省市区文化产业综合生产率、纯技术效率与规模生产率,进而运用省际面板数据对数据赋能驱动文化产品创新效率进行实证检验。结果表明,近十年中国各省市区文化产业综合生产率均为上升态势,但省域异质性与阶段性明显,并呈现技术效应向规模效应转化的趋势;数据赋能对文化产品创新效率提升具有正向驱动作用,但省域创新性尚存差异。其内在机制为省域生产要素与数字技术变更区域文化产业链,从而影响中国文化产品创新效率。研究结果对加速大数据与文化产品融合、推进省域文化产品数字化均衡、建立高质量文化产品生产体系具有理论与现实意义。
【文章来源】：华中师范大学学报(人文社会科学版). 2020,59(04)北大核心CSSCI
【文章页数】：11 页
【部分图文】：
31个省市区文化产品纯技术效率与 规模效率平均值(2008—2017年)
将文化产品创新效率作为被解释变量是因为文化经济属于知识密集型产业,其产出品的规模报酬取决于劳动与技术创造力,且报酬率以企业最终产品的全要素生产率波动形式存在于文化产业生产函数模型中,而构成最终产品的全要素生产包含知识含量、人才贡献、技术应用、组织规模、管理效能等。正如罗默的内生增长理论所述,资本与知识作为经济增长非线性波动的核心生产要素,伴随技术更迭产生价值增值变迁,并促使生产效率转变(24)。因而可将源于知识的技术资本要素引申到数据赋能驱动文化企业生产运营中,即探究大数据对文化产品创新效率影响的问题。国家统计局官网统计资料显示,近年来,信息化与数字化在推进我国文化产业创新发展中占据愈加重要的地位。在文化及其相关产业9-10个行业的营业收入增长率核算中,以“互联网+”、大数据为主要技术形式的文化信息产业年均增长率达30%左右,对文化产业的带动力突出。至2019年末,具有文化数字化新业态特征的16个细分行业营业额高达19868亿元,与上年相比增长21.2%,占文化产业比重的22.9%,比2018年提升2.1个百分点,特别是文化互联网信息服务与可穿戴智能型文化设备制造产品的营业收入增速超过30%。由此可见,大数据技术与数字经济正逐渐渗入文化产业的诸多方面,并逐步改变文化业态与文化生产率。正因如此,文化产品创新效率的提升与大数据的融入程度息息相关。基于上述理论机制和现实依据,利用《中国统计年鉴》中高新技术企业R&D人员全时当量与经费支出的省级面板数据,取对数后得到31个省市区大数据投入指数的平均值。由此,通过比对前述2008—2017年间中国31个省市区文化产业生产效率指数与大数据投入指数,可以直观反映两者之间的关联性。由图2可见,除个别省市外,全国大部分地区文化产业生产效率与大数据投入趋势相同,相关性强。2.模型设立与变量度量
【参考文献】：
期刊论文
[1]我国省域文化资本估算及其空间差异——基于20072017年省域面板数据的研究[J]. 周建新,刘宇. 山东大学学报(哲学社会科学版). 2019(05)
[2]中国文化服务业企业全要素生产率变动及其异质性——基于DEA-Malmquist指数法的分析[J]. 曾燕萍. 经济问题探索. 2019(07)
[3]中国高技术产业创新效率分阶段分析——基于三阶段DEA模型[J]. 孟维站,李春艳,石晓冬. 宏观经济研究. 2019(02)
[4]城市规模、人口结构与不可贸易品多样性——基于“大众点评网”的大数据分析[J]. 李兵,郭冬梅,刘思勤. 经济研究. 2019(01)
[5]消费者数据化参与的研发创新——企业与消费者协同演化视角的双案例研究[J]. 肖静华,吴瑶,刘意,谢康. 管理世界. 2018(08)
[6]大数据时代的国际关系研究[J]. 漆海霞,董青岭,胡键. 中国社会科学. 2018(06)
[7]基于投入产出模型的文化产业投资后向净效应测算——以河南省为例[J]. 王志标. 管理评论. 2018(05)
[8]公共图书馆行业全要素生产率研究——基于省域面板数据的DEA-Malmquist模型分析[J]. 傅才武,张伟锋. 华中师范大学学报(人文社会科学版). 2018(03)
[9]经济新常态背景下文化业态创新战略[J]. 李凤亮,宗祖盼. 北京大学学报(哲学社会科学版). 2017(01)
[10]电影产业链的构建、整合与资源配置效率——以万达电影产业为例[J]. 李然忠,胡慧源,孟娜. 山东社会科学. 2016(12)
博士论文
[1]促进我国文化产业发展的财税政策研究[D]. 戴祁临.中央财经大学 2018
[2]中国文化产业发展对居民消费的影响研究[D]. 吴石磊.东北师范大学 2014
[3]文化产业的创新体系和效率评价研究[D]. 周锦.南京大学 2012
本文编号：3475018
【文章来源】：华中师范大学学报(人文社会科学版). 2020,59(04)北大核心CSSCI
【文章页数】：11 页
【部分图文】：
31个省市区文化产品纯技术效率与 规模效率平均值(2008—2017年)
将文化产品创新效率作为被解释变量是因为文化经济属于知识密集型产业,其产出品的规模报酬取决于劳动与技术创造力,且报酬率以企业最终产品的全要素生产率波动形式存在于文化产业生产函数模型中,而构成最终产品的全要素生产包含知识含量、人才贡献、技术应用、组织规模、管理效能等。正如罗默的内生增长理论所述,资本与知识作为经济增长非线性波动的核心生产要素,伴随技术更迭产生价值增值变迁,并促使生产效率转变(24)。因而可将源于知识的技术资本要素引申到数据赋能驱动文化企业生产运营中,即探究大数据对文化产品创新效率影响的问题。国家统计局官网统计资料显示,近年来,信息化与数字化在推进我国文化产业创新发展中占据愈加重要的地位。在文化及其相关产业9-10个行业的营业收入增长率核算中,以“互联网+”、大数据为主要技术形式的文化信息产业年均增长率达30%左右,对文化产业的带动力突出。至2019年末,具有文化数字化新业态特征的16个细分行业营业额高达19868亿元,与上年相比增长21.2%,占文化产业比重的22.9%,比2018年提升2.1个百分点,特别是文化互联网信息服务与可穿戴智能型文化设备制造产品的营业收入增速超过30%。由此可见,大数据技术与数字经济正逐渐渗入文化产业的诸多方面,并逐步改变文化业态与文化生产率。正因如此,文化产品创新效率的提升与大数据的融入程度息息相关。基于上述理论机制和现实依据,利用《中国统计年鉴》中高新技术企业R&D人员全时当量与经费支出的省级面板数据,取对数后得到31个省市区大数据投入指数的平均值。由此,通过比对前述2008—2017年间中国31个省市区文化产业生产效率指数与大数据投入指数,可以直观反映两者之间的关联性。由图2可见,除个别省市外,全国大部分地区文化产业生产效率与大数据投入趋势相同,相关性强。2.模型设立与变量度量
【参考文献】：
期刊论文
[1]我国省域文化资本估算及其空间差异——基于20072017年省域面板数据的研究[J]. 周建新,刘宇. 山东大学学报(哲学社会科学版). 2019(05)
[2]中国文化服务业企业全要素生产率变动及其异质性——基于DEA-Malmquist指数法的分析[J]. 曾燕萍. 经济问题探索. 2019(07)
[3]中国高技术产业创新效率分阶段分析——基于三阶段DEA模型[J]. 孟维站,李春艳,石晓冬. 宏观经济研究. 2019(02)
[4]城市规模、人口结构与不可贸易品多样性——基于“大众点评网”的大数据分析[J]. 李兵,郭冬梅,刘思勤. 经济研究. 2019(01)
[5]消费者数据化参与的研发创新——企业与消费者协同演化视角的双案例研究[J]. 肖静华,吴瑶,刘意,谢康. 管理世界. 2018(08)
[6]大数据时代的国际关系研究[J]. 漆海霞,董青岭,胡键. 中国社会科学. 2018(06)
[7]基于投入产出模型的文化产业投资后向净效应测算——以河南省为例[J]. 王志标. 管理评论. 2018(05)
[8]公共图书馆行业全要素生产率研究——基于省域面板数据的DEA-Malmquist模型分析[J]. 傅才武,张伟锋. 华中师范大学学报(人文社会科学版). 2018(03)
[9]经济新常态背景下文化业态创新战略[J]. 李凤亮,宗祖盼. 北京大学学报(哲学社会科学版). 2017(01)
[10]电影产业链的构建、整合与资源配置效率——以万达电影产业为例[J]. 李然忠,胡慧源,孟娜. 山东社会科学. 2016(12)
博士论文
[1]促进我国文化产业发展的财税政策研究[D]. 戴祁临.中央财经大学 2018
[2]中国文化产业发展对居民消费的影响研究[D]. 吴石磊.东北师范大学 2014
[3]文化产业的创新体系和效率评价研究[D]. 周锦.南京大学 2012
本文编号：3475018
本文链接：https://www.wllwen.com/shekelunwen/wenhuayichanlunwen/3475018.html
