估计效率影响因素对生产率增长的影响通常有两类方法：一类是成本函数法，即估算各因素对生产成本的影响（Bøler & Moxnes, 2012）；另一类是生产函数法，即估算各因素对生产率和产出的影响（吴延兵，2006；吴延兵，2008；鲁晓东、连玉君，2012），使用较为普遍（见图6-2）。

首先，本章建立柯布-道格拉斯生产函数形式，并将其对数化

其中，i代表单个企业样本，t代表年份；Y、K、L表示真实产出、物资资本存量、劳动投入，分别用企业的总收入、总资产和从业人员总数代替；而残差项μ_it=ω_it+e_it，ω_it表示未观测到的个体效应，即每个企业特有的不随时间变化的参数，e_it为随机误差项。由此可以得到各个企业TFP的绝对水平值

计算TFP的标准方法是用OLS计算索洛剩余，但传统的OLS方法难免会产生忽略解释变量与未观测效应（ω_it）之间的相关性的问题，即企业文化或已有的资源禀赋等未观测效应与其投入的资本、劳动可能存在很大的相关性。为了消除未观测效应对解释变量的影响，可以使用组内估计法和一阶差分法（GMM）估计TFP。其中，组内估计法又称固定效应法（FE），它用各个变量减去其时间均值后形成的新变量进行回归分析；一阶差分法是用每个变量取时间上的差分后形成的新变量进行回归，通过差分可以消除那些不随时间而变化的未观测效应。

另外，传统的OLS方法还存在着共线性和内生性问题。解释变量间的共线性问题，也就是资本、劳动投入之间关系密切，且随时间变化趋势相同；而内生性问题是指企业可能同时选择产量和资本存量，但也有可能为了实现一定产量而追加特定的资本、劳动投资，即解释变量是非外生的。由于一阶差分法是用变量的增加值进行回归，故可以部分回避共线性和内生性问题。目前，能够较好解决传统OLS缺陷的是Olley & Pakes（1996）的估计法，使用投资额为代理变量，假设投资与企业产出保持单调关系。

目前，对文化产业的价值链分析主要停留在关键价值创造活动，参考波特的价值链模型思路，将文化产业价值链分为基础活动和辅助活动。其中基础活动参照前人（朱欣悦等，2013；郭研、刘一博，2011）的分析，分为创意生成、文化产品的开发与创作、品牌打造与知识产权保护、商业推广与文化传播、客户体验五个基本环节，辅助活动则包括基础设施、采购、技术开发、人力资源四个支持性环节。针对该价值链模型的重要环节提出相应的核心能力，甄别出影响文化产业效率的核心影响因素。文化产业价值链及其核心影响因素如图7-1所示。其中，因文化产业注重创意的无形资产投入，相比于传统工业企业，办公用品和生产设备的实物投入占比较少，故忽略该环节的影响。结合已有的数据和前人常用的指标，将其具体量化，构成基于价值链的文化产业效率影响因素评价指标体系。

图7-1　文化产业价值链及其核心影响因素

（1）创新能力／知识资本。文化产业的核心竞争能力就是其创新能力，体现为文化内容与技术的创新，主要来自企业的技术人员和研发支出的持续投入。技术人员是文化产品或服务创意的主体；研发资本投入也反映企业对创新和知识积累的关注程度。一般而言，衡量研发投入常用的指标有：基于收入的研发强度（R&D资本投入／销售收入）、基于资产的研发强度（R&D资本投入／总资产）、基于人员的研发强度（R&D人员投入／员工总数）（郭研、刘一博，2011）。本章选取R&D人力投入强度（科技活动人员／总从业人数）、企业R&D资本投入强度（科技活动支出／总从业人员）两个指标来表征文化企业的创新能力和知识资本。⁽¹⁾

（2）知识产权。对于以创意为依托的文化企业，研发达到一定强度时，形成并积累知识产权，给企业带来优质的声誉并吸引消费者，反过来也可继续追加研发创新，相辅相成以促进企业财富升值。借鉴刘洋等（2004）的分析，本章使用与产品和方法发明直接相关的人均发明专利数（发明专利数／总从业人数），包括申请和授权的发明专利，并消除了规模效应，目的是为了更好地与其他强度数据进行比较。

（3）营销能力。文化企业通过商业推广和渠道传播将文化商品或服务落实到目标市场。已有文献用广告支出来衡量企业营销方面的投入（孙维峰、黄祖辉，2013），以及产品多元化程度来表现企业对营销渠道的控制力（雷原等，2015）。但是鉴于数据的可得性，本章将文化企业上下游的公司所在地分为上海、除上海以外的国内其他几个省市及海外共九种组合，作为对企业营销能力的控制，表明文化企业对销售渠道的掌控。

（4）客户价值。价值链基础活动最后一环的客户体验通过客户价值的体现反映到企业价值中去。Heskett et al.（1994）认为，企业价值的盈利能力和收益增长主要取决于客户的满意度和忠诚度，更进一步讲，由客户价值来确定，具体关系如图7-2所示。也就是说，一方面，企业价值受到客户价值导致的客户忠诚度影响；另一方面，客户的忠诚度也体现了企业产品在需求市场上所占据的地位和获得的成果。一般而言，客户价值分为当前的客户吸引力、客户盈利能力、客户关系状况、客户诚信度和潜在的客户忠诚度、客户成长性，包括客户年利润贡献率和客户反馈等一系列指标（周晓敏等，2004）。本章使用文化企业的市场表现衡量客户的忠诚度，具体选取年收入增长率（当年收入／上年收入）衡量。若企业的收入持续增长，表明企业有能力抓住消费者，令客户满意，具有优异的市场表现。

图7-2　客户价值与企业价值的关系

（5）人力资本。人力资本作为企业重要的生产要素，具有举足轻重的作用。一般来说，人力资本可以用工资、奖金、红利等劳动报酬来衡量，也可以从劳动者的学历、技术等级或职称、教育经费和受教育年限来表征（王鹏，2006）。本章着眼于从业人员的学历和技术等级，使用企业硕士及以上人员占比（硕士及以上人数／总从业人数）和企业R&D人力投入强度（科技活动人员／总从业人数）指标来反映。(www.daowen.com)

（6）财务支持。一般而言，财务数据反映企业的偿债能力、盈利能力、成长能力和运营能力。由于本章在估计TFP时使用了企业的收入和资产数据，且文化企业不同于一般制造型企业，并不注重存货、固定资产周转率，因此，本章从盈利能力和成长能力出发，使用销售净利润率（净利润／总收入）、收入增长率（当年收入／上年收入）指标来反映。

（7）政府扶持。处于起步阶段的文化产业需要政府的扶持，以获得良好的发展环境。大量文献使用政府财政支出（蒋萍、王勇，2011；王婧，2008）来表示该变量，而本章所采用数据库中来自政府部门的科技活动资金缺损较多，故选用该企业是否被认定为高新技术企业的虚拟变量，高新技术企业享有所得税减免10%、申报企业政府专项资金，以及研发费用的所得税抵扣等优惠。这些政策对于以创新能力为主要竞争力的文化产业具有相当大的扶持作用。

基于以上分析，建立了基于价值链的文化产业效率的影响因素评价指标体系，由九个指标组成（见表7-1）。

表7-1　基于价值链的文化产业效率的影响因素评价指标体系

本章实证模型的数据源于2008—2016年上海市科技企业统计数据库，根据填报的行业四位代码，匹配《文化及相关产业分类（2012）》筛选出的文化企业。由于样本存在一定的错漏和统计口径误差，抽样过程中也存在一些偏差，本章剔除了企业总资产为0、总收入为0和代码缺失的样本。通过以上筛选，最终得到5 992个样本，其中，2008—2016年每年涵盖企业个数分别为267、544、891、1 098、1 287、744、346、582、233家，为了体现总体特性以及具备代表性，统计数据库中企业样本为随机抽取。样本企业所属的行业及所有制类型分布如表7-2和表7-3所示。

表7-2　样本企业所属行业分布

表7-3　样本企业所属经济类型分布

结合前人的计算方法和统计中各数据的可得性，本章主要变量选取如下：

企业产出（Y）采用企业总收入（单位：千元）衡量。以前大量文献都是选用工业增加值测算制造业企业的全要素生产率，但由于本章的研究对象为文化企业，更为注重创意等无形资产，使用工业增加值并不合适，故改选用总收入衡量企业产出；资本（K）用企业总资产（单位：千元）表示，为更好地体现资本对产出的影响，选取企业上一年末的总资产代表当年资本投入；劳动投入（L）用企业年末从业人员（单位：人），即报告年末在本企业工作并取得劳动报酬或收入的实有人员数；在OP方法中，用投资作为代理变量，因此，本章用永续盘存法估计企业投资（I），折旧率通常选15%（Hu et al., 2005），本章也取该值。

另外，企业总收入、总资产、利润总额和企业R&D经费支出都用当年GDP平减指数进行修正，以2008为基年，平减指数均取自《中国统计年鉴》。经过以上处理，本章所使用的主要变量的统计特征如表7-4所示。

表7-4　主要变量的统计描述