中国文化产业安全评价指标研究.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
中国文化产业安全评价指标研究.doc

中国文化产业安全评价指标研究 摘 要:文章构建了评价中国文化产业产业安全的指标体系,并通过因子分析方法,为每个指标赋予了合理权重。利用此评价体系,对中国文化产业2003年至2012年的产业安全进行评价。评价结果表明,文化产业安全在2003年得分最低,之后8年小幅震荡。在2007年、2009年、2010年和2011年文化产业达到安全状态,2012年,其产业安全评估值有所下降。为进一步保障中国文化产业安全,应该完善文化产业发展环境、提升文化产业的国际竞争力、加强文化产业的产业控制力。 关键词:文化产业 产业安全 评价指标体系 中图分类号:F062.9 文献标识码:A 文章编号:1004-4914(2016)05-018-03 当今社会,经济文化日趋一体,文化产业的发展成为热点话题。近年来文化产业取得了持续快速的发展,2009年国务院颁布《文化产业振兴规划》,明确将文化产业作为我国的战略性产业。文化产业的重要性,不仅体现在对国民经济的带动性作用,它更是国家意志、民族文化、大众舆论的载体,对社会意识形态变迁有着举足轻重的地位。本文基于产业安全理论,结合文化产业的特点和现状,拟建立文化产业安全的评价指标体系,计算文化产业安全的评估值,完善文化产业安全的预警机制。 一、评价指标的建立 (一)评价指标选取原则 本文的分析框架建立在产业安全传统分析方法上,在构建评价指标体系时,将一级指标细化为产业发展环境、产业国际竞争力、产业对外依存度和产业控制力四个部分。对于不同类型的产业,每个二级指标的重要程度不同,在构建文化产业评价指标体系时,考虑以下原则。 1.系统性。指在指标体系的构建中,紧扣“文化产业安全”这一核心,每个指标能很好描述文化产业安全程度,选择的指标构成一个系统的评价体系。 2.相关性。指每个指标与文化产业相关,能切实衡量文化产业的发展环境、竞争力、依存度、控制力或产业本身特征。 3.可测性。指在选择指标时,应考虑该指标数据的获得性,并能在观测时段内被科学合理地记录或计算。 (二)评价指标的构建 根据以上选取原则,综合参考已有的产业安全研究成果及文化产业的特征,构建以下评价指标体系,相关内容如表1所示。 中国文化产业安全评价指标体系包括4个一级指标,以文化产业发展环境为例,其包含8个指标,其中,社会融资总额、平均汇率是描述产业发展金融环境的指标,第三产业产值/GDP、基本就业人员第三产业占比、高校招生比是描述文化产业发展环境的生产要素环境,消费物价指数、社会消费品零售总额、城镇居民家庭人均总收入是描述文化产业发展环境的市场需求情况。 二、实证分析 本文收集如表1所示的19个二级指标2003-2012年的数据,用因子分析法提取数据集中的主因子,根据不同指标的荷载,计算出各个指标的权重,进而确定每年文化产业的安全度。 (一)数据预处理 在19个二级指标中,有的指标数值越大,越有利于文化产业的安全,如社会融资总量、电影海外销售收入同比等,有的指标数值越大,会对文化产业的安全带来威胁,如消费物价指数和电影业进口依存度。在因子分析前,对数据的方向效应进行统一,做如下变换: Xi XiXi为正向指标-XiXi为反向指标(1) 由于不同的指标计量单位不同,数量级也不同,需要对数据进行标准化处理,统一量纲。 (二)因子分析 因子分析是多元统计分析技术的一个分支,其主要目的是浓缩数据,通过研究众多变量之间的内部依赖关系,探求观测数据中的基本结构,并用几个假设的变量来表示基本的数据结构。简化的数学模型表达形式为: Yi αi1F1+αi2F2+αi3F3+…+αijFj+ui(3) 其中,αij为因子荷载,它是第i个变量在第j个因子上的负载,Fj为公因子,它是各个观测变量所共有的因子,解释了变量之间的相关性。ui是特殊因子,是观测变量所特有的因子i,表示该变量不被公因子所解释的部分。 将经过统一方向效应和标准化后的19组变量作为分析对象,基于主成分分析模型,提取数据组的主因子。根据特征值准则,选取特征值大于1的成分,提取了5个主因子,累积解释总方差达到92.287%。相关内容如表2所示。 如表3所示是因子的协方差矩阵,结果显示5个公因子之间完全不相关。 如表4所示为累积解释总方差达到92.287%的前5个主因子在各个变量上的荷载值。 因子荷载是链接观测变量和公因子之间的纽带,当因子之间完全不相关时,因子荷载αij等于第i个变量和第j个因子的相关系数,αij绝对值越大,变量Yi与Fj的关系越密切。故可以通过对因子荷载的绝对值平权归一,得到每个变量的权重。 对每个因子下不同变量的绝对荷载归一化: 对每个变量,将其在不同因子下的荷载比重加总,即计算每个变量的权值: 对19个变量的权值归一化,得到每个变量的权重: (三)评价结果 经过计算,19个变量的权重分配如

文档评论(0)

ganpeid + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档