中国动漫产业的创新效率及其影响因素研究*

■ 张 珊 王栋晗 刘筱寒

一、问题的提出

动漫产业是指以动画、漫画为主要表现形式,包含动漫直接产品的开发、生产和销售,以及与动漫形象有关的衍生产品的生产和经营的产业。①近年来,动漫产业的发展受到国家的高度重视,各级政府纷纷出台多项动漫产业的扶持政策,并批准建设了多个动画产业园区与动画产业基地。②目前已形成以西南地区、东北地区、华北地区、华南地区、长三角地区及中部地区为依托的多个动画产业集群。然而,在动漫产业规模不断增长和发展的同时,产业内部发展创新仍然不足,以致中国丰富的传统文化资源难以充分转化为竞争优势。《中国文化产业发展报告》显示,在中国动漫产品消费市场中,韩国和日本动漫作品占60%,美国动漫作品占29%,而本土原创动漫作品仅占11%。③因此,如何通过有效的动漫产业创新评价,明晰中国动漫产业创新现状,厘清影响动漫产业创新效率的关键因素,从而提升其创新能力,已成为加速动漫产业发展的关键问题。

学术界关于动漫产业的研究也如火如荼,与本文相关的代表性研究,如何建平等人以动画频道为切入点,运用逻辑论证、数据分析等研究方法,对当前中国动漫产业链运转相互脱节、缺乏有效整合的现状进行了深入分析,并详细论述了以卡通频道为核心,实现动漫产业链上下游的开发延伸,构建中国本土动漫产业价值链的构思。④约翰·兰特分析了15个国家动漫产业发展的历史与现状,着重将亚太地区的电视动画、动漫电影的整体情况进行了归纳,提出原创性和产业拓展是实现动漫产业成功的关键要素。⑤胡峰分析了中国动漫产业发展的集聚优势与区域竞争情况。⑥

然而,尽管很多研究总结了动漫产业的现状和问题,这些研究未能探究如何提高动漫产业创新效率。目前,学术界关于创新效率的主体研究主要集中于对国家创新投入产出效能评价和高新技术行业创新效能进行探讨,缺乏针对动漫产业等新兴产业的关注。如Sharma和Thomas应用数据包络分析测算了22个国家的创新效率,发现一些发展中国家出现在效率前沿面上,说明这些国家可以成为其他国家研发资源利用的标杆。⑦肖仁桥运用网络数据包络分析在评估中国28个省高新技术产业的创新效率的基础上,进一步实证研究了影响创新效率的因素。⑧刘满凤等人利用三阶段DEA模型测度中国高新技术产业创新效率,并发现中国高新技术产业发展的区域化特征。⑨

现有研究存在如下不足。首先,现有动漫产业研究处于起步阶段,多以定性为主,缺乏对动漫产业发展的定量描述。作为新兴的知识密集型产业,创新是动漫产业的支柱,需要明晰动漫产业内部创新本质的创新效率实证研究,确保真实反映动漫产业发展的质量,为动漫产业调整扶持方式、资助结构与发展模式等提供研究依据。其次,目前创新效率的研究对象主要集中在高科技产业、制造业、城市或区域产业,缺乏针对动漫产业的深入分析。作为新兴产业和新的经济增长点,动漫产业在国民经济体系中的地位日益增强,成为新的经济增长点,其创新效率研究对于丰富效率理论很重要。

基于中国动漫产业现实发展的需求与现有理论研究的不足,本文以“动漫产业创新效率”为研究对象,采用定量分析,选取中国27个省市,构建了动漫产业创新效率评价指标体系,并利用DEA模型和DR-Malmquist指数法对中国动漫产业创新效率进行空间和时间维度上的双测度。在此基础上,本文以系统视角对可能影响效率的相关因素进行实证研究,找出制约动漫产创新效率的根本原因,以期为中国动漫产业创新发展提出有价值的针对性意见,具有现实的实践价值。

二、研究方法

(一)DEA-BCC模型

产业技术创新是一项具有多投入和多产出的复杂活动,其生产函数关系很难确定。DEA 方法能够自如处理多投入多产出指标的复杂问题,可以用来对创新进行效率评价。DEA方法的原理是通过将决策单元的输入或输出保持不变,运用统计数据或数学规划来确定生产前沿面,再把需要评估的各个决策单元投影到生产前沿面上,以决策单元与生产前沿面的偏离程度代表其相对有效性。DEA模型的基本模型包括两种：一种是可变规模报酬模式(VRS)下的BBC模型,另一种是不变规模报酬模式(CRS)下的CCR模型。由于动漫产业作为新兴产业,正处于迅速发展期,其产业规模不断扩张,因此本文研究采用DEA-BCC模型。BCC模型是由Banker和Cooper首先提出,用来探讨配置效率、技术效率、规模报酬的问题,DEA-BCC模型将导致决策单元无效率的原因划分为规模无效率和技术无效率。⑩在此基础上,对生产可能集合做出假定,并引入距离函数,给出新的模型。因此,本文在规模报酬可变的情况下,运用DEA-BCC模型进行效率评价。

假设有n个决策单元(DMU),分别用表示决策单元的输入向量和输出变量,构建效率评价的BBC模型如下:

其对偶形式为:

其中γj代表第j个DMU有效时所有DMU的权重；s+,s-代表松弛标量；xj,yj代表第j个决策单元的输入变量和输出变量。

(二)RD-Malmquist指数法

DEA-BCC模型使用的是横截面数据,对于不同时期DEA有效的评价,DEA-BCC模型生产前沿面的位置也不尽相同,因此,基于DEA-BCC模型的静态评价难以反映不同时期决策单元创新效率的变动情况。近些年来,动漫产业在相关政策的鼓舞下发展迅猛,仅仅使用DEA-BCC方法对创新效率进行评价,将会限制我们在时间维度上对动漫产业创新情况的理解。因此,对于动漫产业效率时间维度的动态评价是十分有必要的。本文借鉴相关研究的做法,考虑到动漫产业规模的变化,采用基于规模报酬可变假设的RD-Malmquist模型对不同时期的生产率进行测度并分解,从而从根本上把握效率变化的原因。RD-Malmquist指数表达式及分解式形式如下:

式中Mxt,yt,xt+1,yt+1可以被分解为技术效率变化和技术进步,技术效率变化又可以进一步分解为纯技术效率变化(PECH)和规模效率变化(SECH),根据本文创新效率的研究对象,即创新效率指数(TFPCH)及其分解指标创新技术效率指数(EFFCH)和创新技术进步(TECH)。具体公式如下:

Mxt,yt,xt+1,yt+1=TFPCH=TECH×EFFCH=TECH×PECH×SECH

对于动漫产业而言,创新效率指数(TFPCH)表示决策单元从t时期到t+1时期创新效率的变动程度,创新技术进步(TECH)反映决策单元内部产业创新工艺、技术的提升程度,创新技术效率指数(EFFCH)表示决策单元创新资源配置能力的变化,规模效率(SECH)代表决策单元产业规模安排的合理程度。

三、变量和数据

(一)投入产出变量

关于创新投入指标与产出指标在学术界尚未形成统一的认识,尤其是针对动漫产业这类文化创意活动的研究更少。已往创新效率研究一般将创新投入分为人员和经费两类,将创新产出用专利申请量和新产品销售收入表示。本文通过借鉴相关文献的方法,结合动漫产业特点及数据的可获得性,构建了动漫产业创新效率评价指标体系(如表1)。将动漫产业创新投入用高素质从业人员数量、动漫机构数量和研发支出表示,创新产出用原创动漫产品数量和营业利润来表示。

表1 中国动漫产业创新效率评价的投入产出指标设计

(二)影响因素变量

本文基于系统视角出发,认为动漫产业创新效率影响因素主要包括产业内部特征如产业规模、从业人员素质与研发投入,以及动漫产业外部环境如市场环境。因此,研究分别用IS,PQ,RD,CL代表产业规模、从业人员素质、研发投入、地区文化消费水平,将动漫产业静态创新效率作为因变量,设定回归模型如下:

EFF=α+β1IS+β2PQ+β3RD+β4CL

表2 动漫产业创新效率影响因素及其变量定义

(三)数据来源

本文以各省域动漫产业创新投入与产出指标为研究对象,按照地区标准划分,剔除西藏、海南、云南、青海等数据异常及缺失的省份,主要包括27个省市,样本区间为2013～2015年。各省市动漫产业创新投入及产出数据、创新效率影响变量数据来源于《中国文化文物统计年鉴》《中国统计年鉴》《中国动漫产业发展报告》《中国动漫产业蓝皮书》及各省市动漫产业发展报告等。

四、实证分析

(一)创新效率静态分析

从中国动漫产业创新效率静态评价结果的地区分析可以看出,首先,北京、上海、深圳、江苏和广东5个地区的创新效率水平明显偏高,与此相对应,其纯技术效率与规模效率也明显高于其他地区,这说明这些地区在创新人才、管理制度、资本等与技术相关资源,以及产业规模都较其他地区具有明显优势。而河南、河北、山西、内蒙古、新疆等中西部地区创新效率度处于较低水平,这说明动漫产业创新效率不足是各省市产业发展普遍存在的问题。其次,天津、安徽、浙江、湖北、重庆、陕西地区纯技术效率远远高于规模效率,这可能与这些地区本身的教育优势有关。但规模效率的低水平致使其综合创新效率不足,结果在一定程度上说明以上地区可能存在规模配置不合理的情况。最后,湖南、吉林、内蒙古地区纯技术效率远低于规模效率,这可能与这些地区人才缺失有关。从中国动漫产业创新效率静态评价的结果的整体分析可以看出,2013～2015年各省市的综合创新效率均值在0.4左右,这说明中国动漫产业创新效率水平整体偏低。分别从综合效率的分解纯技术效率和规模效率来看,中国动漫产业的纯技术效率(0.589～0.644)与规模效率(0.595～0.660)都相对较低,这在一定程度上说明,中国动漫产业在产业规模安排上和创新管理与创新资源配置方面都存在不合理的情况。

1.东部地区分析结果

研究将北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西共11个省直辖市、自治区划分为东部地区,对各效率指标均值和其与全国均值的比较进行整理分析,发现东部地区动漫产业创新效率较其他两个地区最高,三年来创新效率水平分别超同时期均值水平6.50%,12.30%,13.20%。其中综合创新效率主要来源于规模效率,但规模效率却呈现出递减趋势,从2013年的0.698降至2015年0.665,说明动漫产业内部效率不足的问题在加剧,这一点需要得到重视。另外,与规模效率不同的是,产业纯技术创新效率出现上升,说明东部地区动漫产业得益于创新活动的合理安排与资源配置,其创新技术水平得以提高。

表3 中国动漫产业创新效率静态评价结果

2.中部地区结果分析

将山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9个省(自治区)划分为中部地区进行考察分析。发现,中部地区较东部地区来说,其动漫产业创新效率远低于平均水平,且区域创新效率值呈下降趋势。相对同时期的平均效率水平来说,相对弱势地位进一步加强,2013年,其综合创新效率水平低于同时期平均水平3.2%,2014年低于平均水平3.9%,2015年则骤降至7.9%。另外从其他两个分解指标来看,规模效率水平与东部地区一样,都出现下降,创新规模不经济同样是中部地区动漫产业发展面临的问题之一。

3.西部地区结果分析

将四川、贵州、陕西、甘肃、新疆5个省(自治区)划分为西部地区,因为样本数据未将青海、宁夏等偏远地区列入研究范围,这会在一定程度上抵消西部地区动漫产业创新效率落后水平。但仍可从表中发现,西部地区动漫产业创新效率整体水平比较弱,无论是纯技术效率还是规模效率都表现出不理想的状态,这其中既有经济发展水平的作用,又与产业自身创新不足有关。

(二)创新效率动态分析

1.Malmquist指数分析

从对Malmquist 指数的分析来看,2013～2015年27个省市的Malmquist 指数的平均值为1.046大于1,说明中国动漫产业创新水平总体上处于上升状态,其中2014～2015年大于1,2013～2014年度小于1,整体Malmquist 指数同样呈上升趋势,这表明动漫产业创新效率进步水平也处于上升状态。

表5 2013～2015年中国动漫产业创新效率指数

2.技术进步指数分析

从创新技术进步指数(TECH)的分析来看,中国动漫产业创新技术进步指数在2013～2015年平均上升3%,其中,2014年较2013年出现下滑,2015年开始上升,对比创新技术效率指数,Malmquist 指数的上涨多来自于技术进步,说明动漫产业在产品生产技术,如电影、电视剧制作技术等方面得到了一定程度的提升。动漫产品的制作技术直接决定产品表现形式,从而决定产品在受众心中的形象。动漫市场竞争日益激烈的环境对产品的技术设备、技术知识等也都提出了更高的要求。

3.技术效率指数分析

技术效率指数可分解为纯技术效率指数和规模效率指数,从纯技术效率指数来看,平均技术效率指数和每年技术效率指数均大于1,说明近三年纯技术效率稳步提升,动漫产业在产业的管理和技术方面取得进步。而规模效率在2013—2014年度表现为下降(0.932),而且三年总体水平也表现为下降(0.982),这说明产业内部存在规模不合理问题。从纯技术效率与规模效率的对比来看,纯技术效率上升水平相对稳定,从2013—2014年度纯技术效率有效的15个省市到2014—2015年度的17个省市,并未取得较大进展(1.045),甚至有小幅度回落(1.017),这也从侧面反映出动漫创新活动可能遇到的瓶颈。

4.Malmquist 指数变动的原因分析

2013—2014年创新效率的下降(下降4.2%)是由技术进步(下降2.5%)和技术效率中规模效率不足(下降7.8%)引起的。2014—2015年度动漫产业创新效率得到的提升(上升12.4%)源于技术与规模的改善,但同时期纯技术效率涨幅下降2.8%,拉低了综合Malmquist 指数上升幅度。

综合来讲,动漫产业创新效率出现上升的趋势,技术进步和规模效率对综合创新效率的影响逐年加强,成为这三年动漫产业创新效率增长的主要原因。但动漫产业创新效率并未实现稳步上升,由于数据时间维度的限制,我们可以看到2013—2014年度动漫产业的创新效率处在下降状态,产业并未形成相对稳定的上升格局,这也说明动漫产业存在创新效率不足的问题。动漫产业创新效率中规模效率的问题显著,动漫产业要在以后的发展中探寻合理的创新投入规模,实现创新活动资源的合理利用,推动产业创新效率实现稳步提升。

(三)创新效率影响因素分析

由表6可知,产业规模、从业人员素质和地区文化消费水平与动漫产业效率存在正相关关系,而研发投入则会对动漫产业创新效率产生负向影响。即动漫产业的规模与创新效率是成正比的。

表6 创新效率影响因素Tobit回归结果

首先,这可能与动漫产品普遍的“大投入大产出,小投入没产出”的特点有关,动漫产品具有一般知识产品普遍具有的属性,即随着动漫产品生产能力的提高,单位产品的成本随之降低。其次,虽然规模较小的企业能够相对灵活地应对环境的变化,但动漫产业正处于市场发展期,产业环境相对稳定且呈现出良好的生长态势,进行有效的创新活动的前提是要具备足够多的规模做支撑。从变量PQ即从业人员素质来看,其与创新效率的相关系数为1.067,且P<0.05,说明从业人员素质与动漫产业创新效率也是正相关的。与预期分析不同的是,经过验证,发现研发投入与创新效率的相关系数出现负值(-0.317),说明研发投入与动漫产业创新效率呈负相关关系。出现这种情况的原因可能是动漫产业尚处于发展初期,研发投入并没有带来好的产出,真正成功的原创产品不多,大多采用模仿或沿袭的套路。在以后的发展中,要注意从产业内部提升原创动力,促成产业形成良好的创新机制,使研发投入真正实现价值。不能一味追加投资,认为充足的资金可以解决一切问题。地区文化消费水平与动漫产品创新效率正相关,地区文化消费水平高的地区意味着有一个充足的产销市场,这无疑解决了创新效率中的产出环节的问题,使创新投入所生产的动漫产品更多地转化成产出效率。

五、结论与反思

基于中国27个省市2013—2015年动漫产业投入产出的面板数据,本文运用DEA-BCC模型与RD-Malmquist指数法,采用静态与动态相结合的方式对中国动漫产业创新现状进行评测,并以创新效率静态评价结果为因变量,以动漫产业内部产业规模、从业人员素质、研发投入要素与外部环境中地区文化消费水平要素为自变量考察了动漫产业创新效率影响因素。

研究有以下发现:第一,从效率静态评价结果来看,中国动漫产业经济总量和产业规模快速增加的背后,却隐藏着动漫产业内部创新效率低下的问题。从创新效率的分解指标来看,动漫产业在产业规模安排上和创新管理与创新资源配置方面都存在不合理的情况。而创新规模效率不足是制约动漫产业发展的主要原因。同时,中国动漫产业区域间创新效率存在明显差异。其中东部最优,中部与西部明显落后。东部的综合创新效率逐年递增,且纯技术效率与规模效率都远高于全国平均水平,而中西部地区的综合创新效率却是每况愈下。

第二,从效率动态评价结果来看,整体来说,中国动漫产业创新水平处于上升水平,但并未形成稳定的上升趋势。从各省市单独看,仍有一些地区创新效率呈现出下降状态。同时也反映了动漫产业区发展不均衡的问题。创新效率的上升主要来自于技术进步,动漫产业在产品的生产制作技术等方面实现了提高。反观技术效率指数,其中纯技术效率逐步提升,但幅度也逐渐趋于停滞。规模效率下降,说明产业内部规模不合理的情况愈发严重。

第三,从动漫产业创新效率影响因素的研究中发现,产业规模、从业人员素质和地区文化消费水平与动漫产业创新效率存在正相关关系。而研发投入对动漫产业创新效率存在负向影响。

本文对中国动漫产业创新效率的研究,在某种程度上,为动漫产业发展提出冷思考。首先,虽然动漫产业基地遍地开花,产业规模空前庞大,但产业内部却面临着创新效率严重不足的现实问题。动漫产业要实现持续发展必须意识到自身创新效率不足的问题,提升原创动力,增强动漫产品开发力度,延伸动漫产业价值链,切勿一味追求产业规模。其次,对于中西部发展不均衡的问题,东部地区一方面要更加注重替身技术效率,以改善综合创新效率。东部较为发达的地区也应当反哺中西部,将东部地区的发展经验和政策传递给中西部地区,促进动漫产业协调发展。中西部地区本身则依托资源优势,加强与东部地区技术互动,建立和维护促进创新的环境,在产业结构调整和开放政策等方面给予创新激励和支持,实现产业协同发展。从整体来看,虽然中西部地区动漫产业创新效率较之东部仍处于较低水平,但是这种差异正在减小,动漫产业内部的创新效率演变正处于收敛过程中。最后,研发投入与创新效率的负相关关系为动漫产业发展提供了方向。首先,要实现动漫产业持续发展,需要引入有效的资金管理机制,切勿盲目追加投资造成产业组织刚性,缺乏内部创新动力。此外,还要进一步提升从业人员素质水平与产业内部的知识转化能力,加强与高校及科研机构的产学研合作,消化吸收冗余研发投入,提升动漫产业内部创新效率。

注释:

① 中华人民共和国文化部:《中国文化文物统计年鉴》,国家图书馆出版社2016年版,第237页。

② 范周、储钰琦:《中国动漫产业浮华背后的忧思》,《同济大学学报(社会科学版)》,2012年第1期。

③ 叶朗:《中国动漫产业发展报告》,北京大学文化产业研究院2009年,第4页。

④ 何建平、彭倩:《以卡通频道为核心构建中国动漫产业链》,《现代传播》,2010年第12期。

⑤ John,AR.AsiaPacificAnimation.Communication University of China Press.2006.p.26.

⑥ 胡峰:《动漫产业的集聚优势与区域竞争:自杭州观察》,《改革》,2010年第2期。

⑦ Sharma,S,Thomas,V.J.Inter-CountryR&DEfficiencyAnalysis:ApplicationofDataEnvelopmentAnalysis.Scientometrics,vol.76,no.3,2008.pp.17-26.

⑧ 肖仁桥、钱丽、陈忠卫:《中国高技术产业创新效率及其影响因素研究》,《管理科学》,2012年第5期。

⑨ 刘满凤、李圣宏:《基于三阶段DEA模型的我国高新技术开发区创新效率研究》,《管理评论》,2016年第1期。

⑩ 黄海霞、张治河:《基于 DEA 模型的我国战略性新兴产业科技资源配置效率研究》,《中国软科学》,2015年第1期。