中國省域數字文化產業創新效率的測算及影響因素分析

張佳琪

（同濟大學人文學院，上海 200092）

0 引言

隨著大數據中心、云計算、5G、物聯網等“新基建”日漸完善，數字技術的賦能作用進一步增強，大量的新業態、新場景不斷涌現，數字化轉型已成為產業升級新的機遇和方向。文化產業也加速了數字化轉型，由“量”向“質”轉換躍升，步入了以數字文化產業為主的新時代。數字文化產業是以文化創意內容為核心，依托數字技術進行創作、生產、傳播和服務的新型文化產業形態。數字技術與創意內容緊密結合的新型文化業態構成了數字文化產業的主體，具體涵蓋了動漫游戲、網絡視聽、數字出版、線上演播等細分產業。作為文化和科技深度融合的集中體現，數字文化產業將深度利用數字技術創建全新的內容生產模式與產業運轉模式，逐漸從初步的“互聯網+”演進為基于新產業鏈節點的全場景創新生態圈。國家宏觀政策規劃為數字文化產業創新發展指明了方向。從2017 年《文化部關于推動數字文化產業創新發展的指導意見》（文產發〔2017〕8號）中強調創新在文化產業發展中的核心地位，提出“培育數字文化產業新型業態”；到2020 年《文化和旅游部關于推動數字文化產業高質量發展的意見》（文旅產業發〔2020〕78 號）中明確提出“實施文化產業數字化戰略，推動數字文化產業高質量發展”；再到2022 年的《關于推進實施國家文化數字化戰略的意見》，數字文化產業的重要性不斷凸顯。然而，不同地區由于資源稟賦等差異，數字文化產業創新發展不平衡不充分，部分地區存在數字化水平不高、資源配置管理能力不足、知識產權保護不夠、專業人才有待培養等問題。創新效率是產業核心競爭力的集中表現，因此，全面了解我國數字文化產業創新效率水平，對于數字文化產業的健康發展、筑牢文化強國“數字基石”具有重要意義。

當前圍繞數字文化產業的研究成果頗豐，主要聚焦在兩個層面。一方面，從微觀角度分析了數字文化產業的概念內涵和表現形式。數字文化產業的核心發展資源是數字技術[1]，具有文化價值實現多元化[2]、消費體驗場景化[3]、業態創新數據化與智能化[4]等特征；另一方面，學者們從宏觀角度對數字文化產業的發展約束、優化路徑進行了探討[5—7]。在實證研究方面，對于文化產業創新效率的測度主要采用隨機前沿分析法（SFA）[8]與數據包絡分析法（DEA）[9]兩種方法。但現有研究的視角仍局限于傳統文化產業，如韓東林等（2018）[10]、劉兵兵（2019）[11]分別運用傳統DEA 模型、三階段DEA 模型對數字文化產業上市公司的技術創新效率進行了測度分析?，F有文獻主要從理論層面出發，探究數字文化產業的重要性與現存問題，缺少對數字文化產業創新效率的實證研究，尚未形成完善的數字文化產業創新效率評價體系。因此，本文將研究問題聚焦于數字文化產業創新效率，采用三階段DEA 模型更為客觀、全面地衡量各地區數字文化產業的創新效率水平，深入分析其區域差異性，進而探索實現數字文化產業高質量發展、區域協調發展的有效途徑。

1 研究設計

1.1 研究方法

三階段DEA模型是Fried等（2002）[12]提出的一種效率評價方法，該方法能夠實現指標自動賦權，在復雜生產關系的效率分析方面具有優勢。鑒于數字文化產業創新效率涉及多投入和多產出，本文采用三階段DEA 模型對其進行評價，在考慮規模報酬可變的基礎上，將其轉化為等價的線性規劃問題。

1.1.1 第一階段：傳統DEA模型

選擇投入導向的DEA-BCC模型對每一個決策單元的原始投入產出數據進行初始效率評價。模型如下：

其中，j=1,2,…,n表示第j個決策單元，θ為決策單元的效率評價值，X、Y分別代表投入、產出變量，S-、S+分別代表投入松弛變量、產出松弛變量。通過該模型計算出來的效率值為綜合技術效率（TE），可以進一步分解為規模效率（SE）和純技術效率（PTE），TE=SE*PTE。

1.1.2 第二階段：SFA回歸

決策單元的績效受到管理無效率、環境因素和隨機噪聲的影響[12]，而傳統DEA 模型無法區分三種因素的影響，由此測得的效率并不準確。因此，需要利用SFA方法分離環境變量和隨機噪聲的影響，構建回歸模型：

其中，Sni表示省份i第n項投入松弛值；Zi是環境變量，βn是環境變量的系數；νni是隨機誤差項，ν~N(0,)；μni是管理無效率項，μ~N+(0,)。

對原始投入值進行調整的步驟如下。

首先，分離管理無效率項[13]：

然后，計算隨機誤差項：

最后，調整投入變量：

其中，是調整后的投入，Xni是調整前的投入，是外部環境因素項，[max(νni)-νni]是隨機誤差調整項。

1.1.3 第三階段：調整后的DEA模型

將第二階段調整后的投入數據再次代入BCC 模型，重新測算效率。此時得到的效率值剔除了環境因素和隨機誤差影響，能較為客觀地反映相同水平下的創新效率。

1.2 指標選取

數字文化產業創新是一個內生因素和外生因素共同作用的過程。本文在考慮創新主體之間關聯性的基礎上，遵循數據可獲取性和系統完整性原則，從創新的投入、產出和環境三個維度構建數字文化產業創新效率評價指標體系（見表1）。

表1 數字文化產業創新效率評價指標體系

1.2.1 投入、產出指標的選擇

創新投入一般從人力和資本投入的角度衡量?？紤]到數字文化產業數據統計口徑尚未完善，而數字文化產業已成為文化產業的重點領域，因而選取文化產業年末從業人員數量作為人力投入指標。由于資金具有積累和時滯效應，前期的投入會作用于當期及后期的知識產出，故采用存量指標反映資本投入，通過永續盤存法計算文化產業資本存量。創新產出則主要分為知識成果與經濟效益兩個維度。其中，由于專利申請到完成授權具有一定的時滯性，參照葉丹和黃慶華（2017）[14]的做法取滯后期1年?？紤]到數據的可獲取性，選取文化產業營業收入直觀地反映經濟產出。

1.2.2 環境指標的確定

良好的創新環境是區域創新主體進行創新的基礎和前提，數字文化產業的創新效率也受創新環境的影響。本文考慮到數字文化產業發展特點及利益相關者，選擇經濟發展水平、創新主體素質[15]、政府支持力度、科技創新能力、數字基礎設施這五個關鍵影響因素。

1.3 數據來源

本文選取我國31個省份（不含港澳臺）作為數字文化產業創新效率評價決策單元，對各省份數字文化產業的創新發展情況進行實證研究，研究時間跨度為2015—2021年。數據來源于2016—2022 年《中國文化及相關產業統計年鑒》《中國統計年鑒》《中國科技統計年鑒》。

2 實證分析

2.1 第一階段傳統DEA效率分析

31個省份的數字文化產業初始創新效率水平測度結果顯示，2015—2021年數字文化產業創新綜合效率均值為0.516，整體處于較低水平。其中，純技術效率均值為0.620，規模效率均值為0.854。具體來說，北京、上海、廣東連續7年綜合效率值為1，處于效率前沿面上。相較而言，北京的版權合同登記數、文化產業專利申請授權總數這些產出成果尤為突出，使得創新效率顯著；上海的勞動力、資金投入相對較少，而產出成果豐富；廣東則是高投入、高產出的代表。

2.2 第二階段回歸結果

SFA 回歸結果顯示（見表2），γ趨近于1，表明管理無效率是造成投入冗余的主要因素[16]。環境變量的SFA 回歸系數大多通過了1%水平的顯著性檢驗，說明環境因素對數字文化產業各投入要素的冗余存在顯著影響。在考察環境變量對投入松弛變量的影響時，若回歸系數為負，則代表環境變量值的增加會引起投入松弛變量的降低，產出提高；反之則代表環境變量與投入松弛變量同向變化，造成資源浪費或產出減少。

表2 數字文化產業創新效率受環境因素影響的回歸結果

在表2的基礎上，結合其他年份的回歸結果進一步分析各環境因素的影響，結果顯示：

（1）經濟發展水平。經濟發展水平對人力投入與資本投入的影響由減少冗余變成增加冗余。2015—2021 年，人均GDP與投入松弛變量之間的回歸系數從負數變為正數，說明經濟發展水平的提升對兩種投入松弛變量的減少從不顯著的促進作用逐漸轉變為顯著的負面效應。經濟發展水平的提高意味著數字文化產業需求量的擴大及總量的提升，刺激了大量的從業人員、固定資產投資等創新資源投入，使得資源堆積，造成龐大的冗余，不利于數字文化產業創新效率的提高。2015年經濟發展水平對投入松弛變量的影響沒有通過顯著性檢驗，但方向為負，表明即使經濟實力雄厚，如果不能合理配置資源，那么就不能有效激勵數字文化企業進行自主創新。

（2）創新主體素質。創新主體素質對人力投入與資本投入的影響逐漸由增加冗余變成減少冗余。2015—2021年，平均受教育年限與投入松弛變量的回歸系數從負數變為正數，這從側面反映出數字文化產業的勞動者素質越高，資源的利用程度就越高，從而促進整個產業創新效率的提高。

（3）政府支持力度。政府增加對數字文化產業的資金支持會減少勞動力投入與資金投入冗余。除2019 年之外，政府支持力度與投入松弛變量顯著負相關，表明政府支持力度對數字文化產業創新成果的產出具有促進作用。2019 年，政府支持力度與文化產業資本存量松弛變量之間的回歸系數由負數變為正數，說明政府對數字文化產業的資金支持在實踐中存在一些問題，對數字文化產業的資金投入產生了擠出效應，不利于其創新效率的提升。這表明現有的政府支持逐漸無法滿足數字文化產業創新效率提升的需求，這與發展現狀相符，僅有上海等少數省份有專項資金支持。

在課堂上，教師每教一個知識點或學習策略等，就要讓學生及時牢固地掌握，只有這樣才能真正提高教學效率。要讓學生將老師教的知識內化為自己的知識，這需要一個過程，必須讓學生參與學習活動之中，學練結合，否則學生就囫圇吞棗，不甚了了。

（4）科技創新能力?？萍歼M步會減少人力投入與資本投入的冗余。R&D經費內部支出對投入松弛變量影響的回歸系數均為負值，這表明科技創新能力越強，越有利于調動數字文化企業創新的積極性，降低資本、勞動力的冗余?？萍歼M步是提高創新效率直接而有效的手段?？萍紕撔履軌虼龠M創新要素融通聚合，激發創新主體的內在潛力，全方位多層次優化資源配置，從而有效降低數字文化產業從創意、生產、傳播到衍生品開發整個產業鏈的成本，增強數字文化產業創新體系整體效能。

（5）數字基礎設施。數字基礎設施的增加會提高人力投入與資本投入的冗余?；ヂ摼W寬帶接入端口數與投入松弛變量呈顯著正相關，說明2015—2021 年數字基礎設施對數字文化產業的投入變量而言不是有利因素。近年來，隨著數字經濟的發展，對于千兆寬帶、5G 等數字基礎設施的投資急速增長，但是基建項目投資規模大、建設周期長、回報見效慢，大量增加基礎設施只會產生更多的投入冗余，從而降低數字文化產業的創新效率。

2.3 第三階段調整后的DEA效率分析

本文根據原始產出值和剔除環境因素和隨機誤差影響后的投入值，再次測算2015—2021 年31 個省份數字文化產業的創新效率，結果如下頁表3所示（限于篇幅，僅展示2021年的測度結果）。

2.3.1 綜合技術效率

由表3 可知，數字文化產業創新效率總體水平不高，綜合技術效率均值僅為0.389。從創新效率結構來看，純技術效率均值最高，且遠高于規模效率均值，說明規模效率不高是制約數字文化產業創新效率提升的主要因素。北京、上海、廣東的數字文化產業創新綜合技術效率在研究期內處于DEA 有效，這些省份的數字文化產業資源配置、管理及技術水平均處于較佳狀態。經過調整后，浙江的數字文化產業創新綜合技術效率在2015 年、2020 年達到效率前沿面，說明環境因素的存在導致其創新效率被低估。盡管在部分年份浙江的數字文化產業創新綜合技術效率未達到DEA 有效，但始終大于0.965，維持了高水平。這是因為浙江在全國率先制定了省域層面的“數字浙江”“文化浙江”戰略，提出了數字內容打造計劃、文化新興業態促進計劃等數字文化產業發展規劃，2016年啟動的“浙朵云”大數據服務平臺為數字文化產業生產端提供了數據支撐，并且浙江匯聚了阿里巴巴、網易等不同所有制、不同體量的數字文化企業在產業鏈上、下游協作，制度創新、技術創新、商業創新三者共同構成了產業創新的核心優勢。2017 年陜西的數字文化產業創新綜合技術效率大幅下降，由DEA 有效變為DEA 無效。這是因為陜西的數字文化產業發展基礎薄弱，在產業競爭日趨激烈、政策環境并不具備優勢的情況下，無論是純技術效率還是規模效率均不及許多后來居上的省份。

剔除環境、隨機因素影響后，數字文化產業創新綜合技術效率發生了較明顯的變化（見圖1）。經過調整后，江蘇、浙江、河南等11個省份的數字文化產業創新綜合技術效率均有提高。其中，山東提升的幅度最大，為25.8%，這是因為山東大力發展數字文化產業，吸納的從業人員數量位居全國前列，文化投資遠超全國平均水平。海南、吉林、黑龍江等17 個省份的數字文化產業創新效率降低，且青海、寧夏、新疆等西部地區省份的數字文化產業創新綜合技術效率下降幅度較大，表明其數字文化產業原有的資源配置及管理能力較差，這些省份需要抓住“一帶一路”“兩新一重”等重大政策和戰略機遇，把握產業數字化轉型升級的變革契機，發展新型文化業態。

此外，創新綜合技術效率發展趨勢出現一定分化現象。2015—2021年除北京、上海、廣東保持不變外，西藏的數字文化產業由于基數小，綜合技術效率上升幅度最大，山東、四川的數字文化產業創新綜合技術效率呈波動上升趨勢，于2017年分別達到峰值0.792、0.852，且整體水平位于全國前十。這兩個省份均重視數字文化產業創新發展，持續優化創新生態。山東以經濟文化強省為目標，將文化產業視為新舊動能轉換重大工程十大重點產業之一；同時，協同推進數字產業化和產業數字化轉型，數字經濟核心產業持續走強，因而具有促進數字文化產業創新綜合技術效率提高的基礎和資本。四川先后出臺多項相關政策，扶持“文化+”融合創新重點產業，培育新興文化業態，且數字經濟發展成效與優勢顯著，建立了全國第一個數字文化產業園。黑龍江、山西等省份的數字文化產業創新綜合技術效率呈下降趨勢，其中，陜西、青海、內蒙古的下降幅度較大，分別為77.2%、75.7%、63.9%。這些省份的數字技術和人才支撐明顯不足，數字文化產業缺乏競爭優勢。

圖2顯示，數字文化產業整體的純技術效率處于較高水平。調整前，11個省份一年或多年的純技術效率為1，達到效率前沿面；調整后則有13 個省份達到效率前沿面。71.0%的省份數字文化產業創新純技術效率高于0.7，且調整后各省份間的差距變小，標準差從0.24縮小到0.14。

圖2 2015—2021年數字文化產業創新純技術效率均值

這得益于全國對數字文化產業投入要素增加、技術進步等多重因素，促進了整體生產要素配置效率、創新效率的提高。80.7%的省份數字文化產業創新純技術效率經調整后明顯提高，包括山西、廣西、甘肅等25個省份，這說明大部分省份數字文化產業的純技術效率受制于環境因素和隨機因素而被低估，其數字文化產業創新能力不足、新業態發展不充分。具體來看，山西純技術效率提高的幅度最大，達到了133.8%，這是因為山西作為傳統能源大省，對數字經濟發展理念的認知不充分，數字基礎設施、人才儲備相對不足，數字文化產業的創新基礎薄弱。青海、西藏、寧夏的數字文化產業創新純技術效率降低，降幅分別為21.7%、17.4%、9.8%，這是因為環境和隨機因素使其數字文化產業的純技術效率被高估，頂層設計直接影響著數字文化產業的發展趨勢；當前這3個省份抓住“新基建”契機促進文化新業態發展，但尚未真正形成數字文化產業創新生態體系，各類要素潛能有待激活。

從發展趨勢來看，除北京、黑龍江、上海、廣東的純技術效率保持不變之外，廣西、內蒙古、河北等省份的數字文化產業創新純技術效率呈現上升趨勢，且均于2021 年達到峰值。表明這些省份重視數字文化技術創新需求，不斷引導產業結構合理化與高級化，提升生產要素配置效率和利用效率，從而提高產業純技術效率。陜西、江蘇等省份的數字文化產業創新純技術效率呈直線下降趨勢，這些省份創新資源較為充裕，但投入產出的轉化出現錯位，說明數字文化產業需要通過合理配置創新資源來提高創新效率，而不是單純增加資本、人力等創新要素的投入。雖然大部分省份的數字文化產業效率逐年遞增，但是技術有效的省份仍是少數，我國的數字文化產業亟待實現創新能力突破，需要多元且成熟的商業模式創新、關鍵技術創新，合理有效地運用文化資源；將豐富的文化資源、數字資源轉化為數字文化產品和服務優勢，進而提升整個數字文化產業創新質量，以達到最優化的資源配置效果。

2.3.3 規模效率

圖3顯示，數字文化產業創新規模效率整體呈現前高后低走勢，且出現了兩極分化現象。58.1%的省份數字文化產業創新規模效率大于0.5，均值為0.824；41.9%的省份數字文化產業創新規模效率處于0 至0.5 之間，均值為0.240。對于這部分省份而言，提高數字文化產業創新效率的關鍵在于提升規模效率。數字文化產業創新規模效率有效的省份由調整前的12 個減少到調整后的5 個。從圖3可以發現，調整后山西、海南、西藏等25個省份的數字文化產業創新規模效率降低，其中，西藏的下降幅度最大，從0.693 下降到0.090；此外，有41.9%的省份降幅大于50%。這說明在沒有剔除環境因素和隨機因素的情況下，其規模效率被嚴重高估，這些省份的數字文化企業“小、散、弱”，新業態基礎有待加強，規模效應還未形成，制約了數字文化產業整體的創新效率。僅江蘇、浙江、山東數字文化產業創新規模效率均值小幅度提高，這些省份的數字基礎良好，相關從業人員規模較大，數字文化新業態層出不窮，有利于規模效率的提升。

圖3 2015—2021年數字文化產業創新規模效率均值

數字文化產業規模效應尚未凸顯。從規模收益狀態來看，經過調整后，數字文化產業規模效率遞增的省份由19 個上升到26 個，規模效率遞減的省份由3 個減少到2個。環境因素和隨機因素掩蓋了這些省份數字文化產業創新規模效率的真實情況，最終影響了對其綜合效率的評價。經過調整后，除北京、上海、廣東規模收益不變之外，83.9%的省份處于規模效率遞增狀態，說明大部分省份的數字文化產業尚未達到最優生產規模。江蘇、浙江處于規模效率遞減狀態，說明數字文化產業創新投入已達到飽和，需要縮減資源投入規模以減少冗余，同時應進一步提高管理水平。由此可知，未來數字文化產業的發展可能會進入存量競爭的狀態，出現增速放緩和規模效應縮減的現象。

2.3.4 區域差異

由于戰略導向、資源稟賦、經濟發展環境等不同，數字文化產業的創新效率、發展質量空間分異明顯。數字文化產業創新綜合技術效率最高與最低的省份之間的差額高達0.99，說明省份間數字文化產業創新效率水平差距較大。根據2015—2021年31個省份數字文化產業創新第三階段綜合技術效率均值，通過SPSS 軟件將其劃分為高效率、中效率和低效率地區共三類。第一類地區中，北京、上海、浙江、廣東領跑全國，綜合技術效率大于0.95，這些省份經濟發達且數字文化產業總體創新能力較強。第二類地區中，江蘇、山東、四川、福建、天津、陜西、安徽、江西、湖北、河南、重慶、湖南、河北、黑龍江、廣西、遼寧、云南分列第5至21名，綜合技術效率在0.3至1之間，這些省份數字文化產業創新資源并不缺乏，但由于技術水平較低和人才儲備不足，創新資源配置能力不強，因此造成了資源的浪費和冗余。第三類地區中，貴州、新疆、吉林、海南、山西、內蒙古、甘肅、西藏、寧夏、青海這10個省份的綜合技術效率均小于0.3。從區域分布來看，達到效率前沿面的中心省份周邊地區的數字文化產業創新綜合技術效率普遍高于非周邊地區。因此，數字文化產業創新綜合技術效率整體呈現多極化、區域輻射的特征，地區集聚效應顯著。

此外，2015—2021 年數字文化產業創新綜合技術效率呈現東高西低的階梯發展格局。東、中、西部地區數字文化產業創新綜合技術效率存在差距，東部地區數字文化產業創新綜合技術效率遠高于中西部地區，且高于全國平均水平；中部地區數字文化產業創新純技術效率最低，且低于全國平均水平；西部地區數字文化產業創新綜合技術效率最低，主要是由較低的規模效率所致。造成區域差異的主要原因是，東部地區創新生態更優越，數字基礎設施完善，擁有大量的數字人才儲備，更容易形成知識技術的溢出效應。東部地區數字文化產業創新效率長期處于高位，中西部地區較低的創新效率必然難以吸引創新資源和要素的流入，嚴重阻礙了中西部地區數字文化產業發展。

3 結論與建議

本文運用三階段DEA 模型對2015—2021 年我國31個省份數字文化產業的創新效率進行測度，比較了各個省份、各區域之間的創新效率差異，并且分析了五種環境因素對創新效率的影響，得出以下結論：

（1）從創新效率測度結果來看，我國31個省份數字文化產業創新效率總體水平不高，規模效率低下是主要制約因素。純技術效率呈現先降后升的變化趨勢，規模效率呈現前高后低走勢，表明我國數字文化產業逐漸從高速發展向高質量發展轉型。

（2）從影響因素分析結果來看，環境因素對數字文化產業創新效率存在顯著影響，且影響方向和程度均有差異。經濟發展水平的影響由減少冗余變成增加冗余，說明創新資源堆積會阻礙數字文化產業創新效率提升；創新主體素質的影響則逐漸由增加冗余演變為減少冗余，說明勞動者素質提高能促進創新效率的提升；政府支持對數字文化產業創新成果的產出有促進作用；科技創新能力越強，越有利于降低人力投入與資本投入的冗余；大量增加數字基礎設施只會造成更多的投入冗余，降低數字文化產業創新效率。

（3）從區域對比分析結果來看，31個省份的數字文化產業創新效率具有空間差異性，呈現明顯的區域輻射特點，集聚效應顯著，北京、上海、浙江、廣東周邊地區的創新效率普遍高于非周邊地區。同時，數字文化產業創新效率呈現東高西低的階梯發展格局。

根據上述結論，提出如下建議：

（1）聚焦產業升級，以規模效應助推創新發展。當前北京、上海、浙江、廣東等省份創新能力較強，創新水平較高，以其為核心在長三角、珠三角、京津冀等區域打造數字文化產業創新集群，能夠發揮規模效應帶動創新發展。加快構建“雁陣”式數字文化企業發展格局，強強聯合、以大帶小，合理擴大數字文化中小企業的規模，提升數字文化產業創新規模效率。加強上、下游協同，以垂直整合、出售外包、開放平臺等方式，提升企業在產業鏈中的地位，通過彼此共通與價值互補形成規模效應以提升管理水平。

（2）強化環境支撐，以創新生態激發創新活力。在創新主體素質方面，加強高素質數字文化產業創新人才的發掘、集聚和引進。對于個人創意者、專業創意組織以及創新型的數字文化企業，除了提供資金、渠道、培訓及相關公共服務之外，還應鼓勵內容原創、加強版權保護。在政府支持方面，針對當前政策受惠面不廣等問題，進一步完善與數字文化產業有關的財政、稅收、金融政策，采取財政補貼、稅收減免、貸款優惠等方式，加強對數字文化產業發展的引導和扶持力度。在科技創新能力方面，進一步深化技術與數字文化產業融合，促進數字文化產業的業態創新、模式創新，加快推動產業數智化升級。

（3）優化資源配置，以協同發展平衡區域差異。在數字文化產業創新效率前沿的省份，總結出可復制的發展經驗向其他地區推行，開展東部地區與中西部地區之間的技術合作、資源流動與項目對接，擴大數字文化產業的輻射和帶動能力。除了加大線下的區域協同發展紅利，支持產業集聚之外，還要充分發揮線上的信息平臺優勢，推進數字文化“企業上云”進程。推動線上、線下的創新資源合作共享，避免優質資源過于集中，從而帶動中西部地區數字文化產業創新能力提升，整體提高數字文化產業創新效率。