三、研究方法

从已有文献来看，关于文化力问题的文献多采用定性研究，为数不多的定量研究集中在文化软实力、文化竞争力综合指数评价上，采用的模型偏主观。本书将采用数据包络模型（data envelopment analysis，DEA）、面板Tobit模型、空间计量模型、面板分位回归、熵权法等统计方法对于研究对象进行统计分析，使得研究数据的信息能够得到充分体现。

（一）数据包络模型

数据包络模型是一种非参数相对效率评估方法，这种方法最先是由Charnes、Cooper和Rhodes提出，现在该方法广泛应用于多输入、多产出的多目标生产效率的计算^[1]。本书所研究的文化产业效率测度具有多输入、多输出的特点，并且文化产业效率没有特定的生产函数，因此数据包络模型这种非参数评估方法非常适合于文化产业投入产业效率的计算。由于文化产业不符合DEA-CCR模型的规模报酬不变的性质，在本书中所采用的方法为DEA-BBC模型。

（二）面板Tobit回归模型

由于本书文化产业效率得分作为被解释变量，其变量分布具有截取特征（0-1），直接使用传统OLS方法会产生估计结果有偏不一致的问题，为解决此问题，本书采用面板Tobit回归模型，面板Tobit回归模型能够有效地解决在DEA模型得分分布违反回归模型正态性假定时所产生的问题。

（三）空间计量模型

文化产业通过人员流动、知识传播等途径对于其他空间具有溢出效应，这种情况不适合使用以各个样本之间互相独立为假设前提的传统回归模型。因此，研究文化产业效率影响因素时，进行传统的面板回归得到的统计结果是非最优的，空间计量模型更加适用于文化效率影响因素的研究。为了解决样本之间不符合独立性假设的问题，本书采用空间面板模型，将文化产业的空间溢出效应纳入考虑范围之内。本书采用空间面板模型相较于空间截面模型同时考虑到时间以及截面空间两个维度，使用的样本数量更多，能够更加全面、有效地提取统计数据信息，使得统计模型结果更具有稳健性。

（四）面板分位回归模型

传统的线性回归方法主要是描述被解释变量的条件均值分布和解释变量的关系，因此传统的线性回归模型也称均值回归（Mean Regression），其中最小二乘法（OLS）是估计回归系数最为基本的统计方法。该方法的假设比较严格，比如要求随机误差项是正态分布，当违反这些假设时，传统回归模型效果较差。1978年，Koenker和Bassett引入分位回归（Quantile Regression），它是估计一组解释变量X与被解释变量Y的条件分位数之间关系的统计建模方法^[2]。使用分位回归模型的优点有三方面：第一，分位回归模型能够更加全面地描述被解释变量条件分布的全貌，而不是仅仅分析被解释变量的条件均值。第二，不同分位数条件下，解释变量的回归系数估计量常常不同，即解释变量对于不同水平的被解释变量的影响不同，因此使用分位回归模型能够更加全面地展示不同分位水平的被解释变量受解释变量的影响程度。第三，与均值回归模型相比，对于存在有离群值和残差项等不符合正态假设的情况，分位回归模型的估计结果更为稳健。本书在研究均等化公共文化服务水平和文化消费水平影响因素中使用了面板分位回归模型。

注释

[1]CHARNES A, COOPER W W,RHODES E. Measuring the efficiency of decision making units [J].European Journal of Operational Research,1979,2(6): 429-444.

[2]KOENKER R, BASSETT G. Regression Quantiles[J].Econometrica. 1978,46(1)：33-50.