内容摘要：文章采用DEA的CRS模型和VRS模型对我国24家文化产业上市公司2009-2011年的综合融资效率进行了测算，发现仅有33.33%的公司融资效率达到DEA有效，66.67%的公司由于规模效率偏低导致非DEA有效。进而对两类公司分别引入松弛变量和SE-DEA模型实证探究其可优化的路径。发现两类公司均存在较大的改进空间，加大融资规模、提高负债融资比重可普遍提升公司的融资效率。据此，提出相关建议。

　　关键词：文化产业融资效率DEASE-DEA

　　文化产业作为21世纪的“朝阳产业”，以其资源消耗少、知识密集度高、发展潜力大等优势在我国发展迅猛。近年来，涉及文化产业融资问题的研究虽不断增加，但多限于对现状、政策、建议等宏观层面的定性分析，以微观视角，对关乎文化产业融资良性发展的融资效率问题未做过多的关注，更鲜有建立在数据基础上的实证研究。为此，本文采用数据包络分析方法（DataEnvelopmentAnalysis，DEA），以我国文化产业上市公司为样本，对其融资效率进行综合评价，并实证探究其优化路径，以期为企业决策提供依据。

　　实证方法及模型选取

　　数据包络分析方法是1978年由美国运筹学家Charnes等人运用线性规划理论提出的一种评价决策单元（DecisionMakingUnits，DMU）相对效率的分析方法。根据规模报酬是否可变，DEA模型可以分为规模报酬不变模型CRS和规模报酬可变模型VRS。前者主要用于测算综合技术效率（TE），后者主要用于测算纯技术效率（PTE）和规模效率（SE）。其中，纯技术效率值是剔除规模影响后的融资效率，能够反映公司对融入资金的使用效率。综合技术效率与纯技术效率相除可得到规模效率值，能够反映公司的投入、产出比是否合适。然而，利用DEA基本模型只能对无效DUM的效率进行比较和优化分析，而对于处于前沿面的有效DUM，其效率值均为1，因此不能区分其相对效率水平，且松弛变量一律显示为0，认为有效DUM的投入和产出无需调整。为解决这一问题，Andersen和Petersen（1993）在CRS模型的基础上构建了一种DEA的“超效率”模型。DEA“超效率”模型与CRS模型的数学形式相似，各数学符号的经济含义也一样。不同的是CRS模型在评价每个DUM的相对效率时，参考集包括该DUM本身。而“超效率”模型的参考集却将该DUM排除在外，并由其他所有DUM的线性组合代替。

　　实证分析

　　（一）决策单元及评价指标选取

　　对决策单元的选取其实就是确定相互比较的参考集。本文选取2009-2011年度在沪、深两市上市的24家文化类上市公司为DEA模型的决策单元（剔除了ST类和数据不全的公司），来探讨我国文化产业上市公司的融资效率，数据来源于国泰安金融数据库。在指标选择方面，考虑到指标的可获得性和代表性，本文在参考以往研究的基础上，结合文化产业融资的特点，最终选择的输入指标为：总资产、负债总额、所有者权益合计、财务费用。输出指标为：净资产收益率、主营业务收入。根据经验法则，在运用DEA模型测度效率时，要求：决策单元数>2（输入变量+输出变量）。故本文构建的四投入、双产出的评价指标体系符合DEA使用的经验法则。

　　（二）数据无量纲化处理

　　由于模型的输入输出的各个指标具有不同的量纲，且原始数据中存在负数，无法直接代入模型进行DEA有效分析，因此需要将原始数据按一定函数关系归一到某一正值区间。本文选取功效系数法对原始数据进行无量纲化处理，公式为：，其中：。

　　（三）实证结果及分析

　　本文运用DEA-Solver软件求解所涉及的DEA模型问题。结合2009-2011的数据利用基于投入导向型的CRS模型和VRS模型，对我国24家文化产业上市公司的融资效率进行测评。计算结果如表1所示。

　　1.融资效率的总体评价。从综合效率来看，在24家文化产业上市公司中，仅有8家公司处于DEA有效状态（综合效率值为1），占比33.33%。在剩余的16家非DEA有效公司中，仅有3家企业达到纯技术有效非规模有效，既非技术有效又非规模有效的企业却高达13家，占非有效企业总数的81.25%，因此，从整体而言，我国文化产业上市公司的融资效率并不理想。