我國文化產業上市公司經營績效研究——基于因子分析和DEA-Bootstrap法

劉 璐

（南京大學國家文化產業研究中心，江蘇 南京 210093）

一、引言

隨著文化體制改革的不斷深化以及文化產業發展相關政策的不斷放寬，我國文化產業資本運營程度不斷提升，文化企業在資本市場中的開拓能力也逐漸增強，逐步形成了以傳媒產業為核心的文化產業上市公司圈層。這些上市公司往往是所在行業中的骨干企業或者龍頭集團，資產足、規模大、業務范圍廣，其經營能力的好壞很大程度上決定了我國文化產業整體水平的高低。對我國文化產業上市公司經營績效進行科學系統的研究具有重要的實踐意義，不僅有利于對現階段文化企業的經營狀況予以準確評價，也能為其進一步發展提供參考與借鑒。

二、研究方法

評價企業的經營效率，傳統的研究多數選取財務指標作為度量指標，探討企業投入與產出之間的一對一比例關系。但這一方法過于簡單，無法解釋日益復雜的企業內部多投入與多產出關系。數據包絡分析（DEA）則可以解決這一問題，這一方法被廣泛的運用于企業生產和經營效率的評價研究之中，如保險業（姚樹潔等，2005）、房地產業（施金亮和楊俊，2006）、通信服務業（錢侃等，2011）等。但傳統的DEA方法存在一定限制，譬如（1）投入產出變量選擇過多，不能滿足DEA的運算技術要求：決策單元（DMU）個數應大于投入產出指標數的2倍，否則會產生無效估計結果；（2）選取的投入產出變量之間可能存在較強相關性，DEA對此并不考察，如此會導致結果有偏。（3）DEA結果忽略了數據的統計性質。通常計算所得DEA效率值，只是由隨機抽取的一個樣本計算所得的樣本參數值，是對總體參數的一個“點估計”，結果具有很大的隨機性和誤導性。

為得到更精確的有關我國文化產業上市公司經營績效的評價結果，需要對傳統DEA法的上述缺陷進行糾正。（1）針對DEA投入產出指標選取問題，可以考慮將因子分析與DEA結合，用因子分析從眾多的投入產出指標中抽取少量經濟含義相對明確的公共因子形成新指標，不僅保存了原始數據的絕大多數信息，且相互之間不再相關（周星，2008；郭嵐和張勇，2008）。（2）針對DEA結果忽略數據統計性質的缺陷，DEA-Bootstrap方法可以很好的解決這一問題（Simari& Wilson，1998）。Bootstrap法本質上是一種“重復模擬數據生成”的方法，Simari&Wilson（2000）最早將Bootstrap法應用到DEA中，并給出了平滑Bootstrap的算法，實現了對DEA結果的糾偏，并在此基礎上對DEA-bootstrap法進行延伸，使其允許“異質性”的存在。國內外學者分別將這一方法運用于天然氣（Handon，2003）、發電業（Tsolas，2010）、采礦業（Tsolas IE，2011）、GCC銀行業（Awartani&Maghyereh，2012）和我國銀行業（史金鳳和張信東，2012）的行業效率研究中。

綜上，本文將采用因子分析、DEA與Bootsrap糾偏技術相結合的三步法對我國文化產業上市公司經營效率進行量化研究：第一步，用因子分析分別對投入指標和產出指標提取出相互獨立的公共因子作為各自新的指標；第二步，用第一步得到的投入、產出指標進行DEA分析；第三步，利用Bootsrap技術對上步結果進行糾偏，得到更精確的估計結果以及區間估計。

三、研究設計

（一）數據來源與指標選取

1.數據來源

本文選取至2012年底，已在滬深兩地成功上市的50家（剔除2家異常值公司）文化產業上市公司作為研究對象，選取2012年度公布的年度數據作為分析樣本。數據主要來自wind資訊及各公司年報。

2.原始投入、產出變量選擇

根據Cooper（1999）的觀點，DEA方法中投入、產出變量的選取準則主要有以下幾點：（1）對所有決策單元，投入和產出值可得，且為正數；（2）投入和產出項目必須反映分析者和管理者關注的要素；（3）投入的數值應越小越好，而產出的數值應越大越好。綜上，本文選取固定資產凈值、總股本、主營業務成本、期間費用、應付職工薪酬作為原始投入變量，營業總收入、利潤總額、營業利潤、凈利潤作為原始產出變量。

（二）投入產出變量的因子分析

在獲取上述原始投入、產出變量的數據后，采用SPASS.18.0對數據進行因子分析。采取主成分分析方法提取公共因子，從5個原始投入變量中提取出兩個公因子X1和X2，從原始產出變量中提取出一個公共因子Y1。對初始載荷矩陣進行方差極大法正交旋轉，得到正交旋轉后的投入變量因子載荷矩陣。從投入變量因子載荷矩陣可以看出，主營營業成本、期間費用和應付職工薪酬3個變量對公共因子X1的影響較大，這幾個指標反映了公司期間運營中的實際投入，可將其命名為“運營投入”。固定資產和股本2個變量對公共因子X2的影響較大，這2個指標均反映了公司的資產投入規模，可將其命名為“資產規模”。從產出變量因子載荷矩陣可見，四個產出變量對公共因子Y1的影響都很大，Y1綜合反映了上市公司的“經營產出”。

通過因子得分矩陣以及原投入產出指標數據計算得出公因子“運營投入”X1、“資產規模”X2和“經營產出”Y1，以此作為后續計算中新的投入、產出變量。

四、結果分析

純技術效率反映了剔除了規模效率影響后的企業經營績效，運用DEAP.2.1軟件對50家文化產業上市公司的純技術效率進行計算，并用R軟件對純技術效率結果進行糾偏，以得到更精確的效率值，結果如表1所示。總體而言，經過Bootstrap技術糾偏后，50家企業純技術效率沒有一家達到“1”，這表明我國文化產業上市公司經營效率均未達到最優，投入到文化產業中的資源并沒有得到充分的利用，造成一定的浪費。

表1 Bootstrap分類結

進一步細分行業分析，按純技術效率平均值從高到低排列，分別是廣告營銷（0.78）、動漫（0.75）、影視娛樂（0.58）、平面媒體（0.57）、互聯網（0.43）、廣播與電視（0.35）。較之其他細分行業，廣告營銷4家上市公司均排名靠前。藍色光標作為亞洲最大的公關公司之一，早在2004年就開始進入數字媒體業務領域，數字技術、信息技術的運用與改造，極大的提升了公司業務運作效率。奧飛動漫作為樣本中唯一的動漫企業，生產效率相對較好，排在整體第7位。這主要是受益于我國動漫消費市場的增長和政府政策的支持，奧飛動漫乘勢而行，逐步形成完整的產業鏈條，充分利用以動漫創作與播出帶動衍生品銷售這一商業模式，經營效率較高。影視娛樂業由于三網融合技術、數字化多媒體技術的廣泛運用，激發出巨大的市場潛力，部分公司譬如光線傳媒，將業務范圍拓展至網絡、新媒體、整合營銷等，使公司技術水平得以不斷進步。13家平面媒體上市公司在整體樣本排名中分布居中。以皖新傳媒、中南傳媒為代表的出版發行集團，基本都帶有鮮明的“國字號”印記，實力雄厚，能夠運用身份上的優勢，迅速進入出版發行關聯行業譬如新媒體、網絡，部分集團甚至還涉足影視、動漫、網游等領域，因此資源使用與生產效率相對較高。反觀以天舟文化為代表的民營媒體公司，由于在資本與品牌優勢方面均存在明顯短板，其業務范圍仍然以出版發行為主，無法實現全產業鏈布局，資源整合與生產效率相比而言較低。互聯網在未來將逐漸成為主流媒體，但是目前企業間發展模式雷同，行業內部的競爭激烈程度遠超其他文化類上市公司，行業內經營效率參差不齊。網絡視頻行業在2012年經過激烈的競爭和角逐后，樂視網憑借其行業最全的版權庫和最全的產業鏈布局，“平臺+內容+終端+應用”構成的“樂視生態”，在長視頻領域迅速成長，生產效率在整體排名中也相對較好。網游行業由于仍處于成長階段，公司總體生產效率還很低。廣播與電視行業整體經營效率靠后。行業內部總體而言，生產效率由高到低分別是有線設備、廣播電視和有線運營，這其實上也反映了三個分行業各自背后行業競爭程度的高低。由于管理體制上的錯綜復雜，有線運營商不僅要與地方臺、中央臺進行競爭，現在隨著三網融合進程的加速，還將面臨IPTV、互聯網電視等對其客戶的分流影響，業務競爭十分激烈，因而公司經營效率普遍較低。市場較為規范的有線設備業，其公司經營效率相對較高。

五、結論和建議

從前面的分析結果可以看出，文化企業發展勢頭良好，但總體經營效率較低，還有很大的改進空間。隨著新媒體的興起，文化產業內競爭加劇，行業間經營效率差距較大，一些 優質企業在激烈的競爭中脫穎而出，一些則面臨被迫出局的威脅。隨著持續的科技進步、消費升級以及國家政策的支持，文化企業將面臨更大機遇，迎接更加激烈的競爭挑戰。以上市公司為代表的優質文化企業應抓住機遇，在后續體制改革深化與產業高速發展過程中，積極剝離非核心業務并尋求核心業務的延伸拓展與跨界整合，通過實現公司資源的再配置與再利用，不斷提高公司生產效率與規模效率，力爭進一步提升公司運營的整體效益。

[1]魏權齡.評價相對有效性的DEA方法[M]北京：中國人民大學出版社，1988.

[2]姚樹潔，馮根福，等.中國保險業效率的實證分析[J].經濟研究，2005（07）：56-65.

[3]施金亮，楊俊.數據包絡分析法評價房地產上市公司績效[J].上海大學學報，2006，12（03）：325-330.

[4]錢侃，夏洪勝.基于DEA模型的通信服務業上市公司效率的實證分析[J].科技管理研究，2011（20）：51-67.

[5]郭嵐，張勇，等.基于因子分析與DEA方法的旅游上市公司效率評價[J].管理學報，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.