沿海省市海洋渔业产出率的CCR模型测算

　　摘    要：　海洋渔业作为我国海洋经济的传统产业之一,其投入产出效率的高低,不仅关系到海洋资源的可持续发展,而且在我国海洋经济的发展进程中起着至关重要的作用。运用数据包络分析方法(DEA)和Malmquist指数,计算我国各沿海省市的渔业产出效率,结果表明:在技术效率和技术进步共同作用下实现了全要素生产率(TFP)的增长,其中技术效率的增长幅度略小于技术进步,但部分省市仍存在产出不足和投入冗余等现象。

　　关键词：　海洋渔业; 数据包络分析; 全要素生产率; Malmquist指数;

　　Abstract：　As one of the traditional industries of marine economy in China,the input-output efficiency of marine fishery is not only related to the sustainable development of marine resources,but also plays an important role in the development of marine economy in China.Using the data envelopment analysis method(DEA)and the Malmquist index analysis method to calculate the efficiency of fishery output in various coastal provinces and cities in China,the results show that:under the joint action of technical efficiency and technological progress,the growth of total factor productivity(TFP)has been achieved.Among them,the increase of technology efficiency is slightly less than the progress of technology,but some provinces and cities still have insufficient output and redundant input.

　　Keyword：　Marine fishery; data envelopment analysis; total factor productivity; Malmquist index;

　　由于陆域资源的日益枯竭,世界各国都对“蓝色粮仓”——海洋资源的发展给予了充分重视。海洋经济的发展已经成为全球经济发展的一个新的经济增长点。我国海洋经济活动范围广阔,海洋经济在向多方向发展。其中作为我国海洋经济中发展较早的支柱性产业——海洋渔业,在我国海洋经济的发展进程中起着至关重要的作用。经过40多年的不断实践与发展,我国海洋渔业实现了瞩目的成绩,2018年我国海洋渔业生产总值已达到5 800.76亿元。与此同时也存在着诸多问题,如海洋环境污染、资源利用率低下等,这对我国海洋渔业的可持续发展起着阻碍性的作用[1]。因此对我国各沿海省市的产出效率进行分析,了解各省市海洋渔业的发展状况,对我国海洋经济的科学发展具有重要的指导意义。

　　国外多从管理层面对渔业效率进行了较为实际的研究。Cochrane(2001)所代表的海外学者,从获取资源的公平性和可持续利用方面,探讨了渔业和渔业资源管理的复杂性,并提出了相应的解决办法[2]。国内目前关于渔业产出效率的分析多采用实证分析的方法。如张彤(2007)运用DEA和Malmquist指数对我国各沿海省市的海洋捕捞生产效率进行了分析与评价,结果表明:我国海洋捕捞产业综合效率低下的主要原因是规模经济效率低下[3]。肖姗等(2008)运用DEA对我国各沿海省市的海洋渔业经济效率进行了测算,研究发现:大部分省市为非DEA有效,即存在资源浪费[4]。丁琳琳等(2015)基于面板数据 Tobit 模型考察了不同因素对全要素生产率的影响,结果表明:技术进步是全要素生产率增长的主要源动力[5]。杜军等(2016)运用DEA和Malmquist指数对我国沿海省份海洋经济效率进行了评价,研究表明:大部分省份需要进一步提高经济规模效率和技术效率[6]。张萌(2016)运用DEA和Malmquist指数对我国各沿海省市的渔业产出效率进行了分析,研究发现:技术进步和技术效率共同促进着海洋渔业产出效率的不断完善[7]。
 

 

　　本文结合我国2013—2018年沿海省市海洋渔业相关指标的面板数据,运用数据包络分析与Malmquist指数方法对各省市的海洋渔业产出效率的变动及构成进行分析,探索制约我国海洋渔业经济发展的因素,以期促进我国海洋渔业经济的发展。

　　1、 DEA理论简介

　　1.1、 CCR模型

　　CCR是把所有的投入和产出指标进行综合并赋予权重,评价决策单元的总体效率。设有n个DMUj,j=1,2,…n。DMUj的投入xj=(x1j,x2j,…,xmj)T,产出为yj=(y1j,y2j,…,ytj)T,表示每个DMU有相同的m项投入和t项产出,其中xj,yj≥0,j=1,2,…,n。具有非阿基米德无穷小的CCR模型如下所示:

　　min[θ?ε(∑r=1tS+r+∑i=1mS?i)]∑j=1nλjxij+S?i=θxij0∑j=1nλjyrj+S+r=yrj0λj≥0,j=1,2?,nS?i≥0,S+r≥0,min[θ-ε(∑r=1tSr++∑i=1mSi-)]∑j=1nλjxij+Si-=θxij0∑j=1nλjyrj+Sr+=yrj0λj≥0,j=1,2?,nSi-≥0,Sr+≥0,

　　xrj表示第j决策单元的第i项投入,yrj表示第j决策单元的第r项产出,S-i表示松弛变量,S+r表示剩余变量,ε被认为大于零且小于任何一个正数的数,常取(ε=10-6),λj,S-i,S+r,θ为待估参量。各参量的经济含义如下:

　　(1)当θ=1时,则DMU为DEA有效。

　　(2)当θ<1时,则DMU为DEA无效。

　　(3)令x*0=θx0-S-i,y*0=y0+S+r,则(x*0,y*0)为(x0,y0)在生产有效性前沿面的投影,(x*0,y*0)即相对于前面n个DMU为有效。

　　1.2 Malmquist指数

　　Malmquis数是由Malmquist提出,RolfFare等人将该理论与DEA理论相结合,至此开始广泛应用于生产率的测算[8]。从s期到t期其计算公式如下:

　　M0=(xs,ys,xt,yt)=[ds0(xt,yt)ds0(xs,ys)×dt0(xt,yt)dt0(xs,ys)]???????????????√=ds0(xs,ys)ds0(xt,yt)×[ds0(xt,yt)ds0(xs,ys)×ds0(xs,ys)ds0(xt,yt)]=Ech×TchΜ0=(xs,ys,xt,yt)=[d0s(xt,yt)d0s(xs,ys)×d0t(xt,yt)d0t(xs,ys)]=d0s(xs,ys)d0s(xt,yt)×[d0s(xt,yt)d0s(xs,ys)×d0s(xs,ys)d0s(xt,yt)]=Ech×Τch

　　(xs,ys)和(xt,yt)分别表示s期和t期的投入产出关系,投入产出变量从(xs,ys)向(xt,yt)的变化就是生产率的变化。ds00s和dt00t分别表示以t期为基点时相应的s期和t期的距离函数,Ech和Tch分别表示效率提高和技术进步的变化值。

　　当规模报酬不变,Ech可以再分解为纯技术效率(Pech)和规模效率(Sech),即Ech=Pech×Sech。于是TFP可进一步分解为三部分,即M0(xs,ys,xi,yi)=Tch×Pech×Sech。

　　2 、指标选取与数据来源

　　海洋渔业具体可划分为海洋捕捞业和海水养殖业。结合海洋渔业的定义及考虑资源消耗、设施投入、经济产出等因素,选取海水养殖面积(X1)、海洋渔业从业人员(X2)和渔船年末拥有量(X3)这三个要素作为投入指标,选取海洋渔业生产总值(Y1)作为产出指标。

　　本文所有数据来源于《中国渔业统计年鉴》和《中国海洋统计年鉴》,选取了辽宁、天津、河北、山东、江苏、上海、浙江、福建、广东、广西和海南11个省市2013年至2018年相关数据。

　　3 、实证分析

　　3.1 、2013-2018年各沿海省市技术效率的变化及其分析

　　运用CCR模型计算得到各省市综合年度的技术效率值,其结果如表1所示。

　　从表1的计算结果可知,2013年至2018年,天津、江苏和上海三个省市的技术效率值一直为DEA有效。表明其在海洋渔业经济发展中具有相对有效性,规模效益处于最佳状态。然而其他沿海省市均存在资源浪费。其中辽宁省技术效率值呈现下降的趋势;山东省和海南省技术效率值在0.9与1之间略微波动;河北省、浙江省、福建省、广东省和广西省技术效率值呈波动式提高。部分省份资源没有达到充分利用和最优组合,主要原因有以下几个方面。

　　3.1.1、 养殖结构不合理

　　经过多年的发展,我国海水养殖虽已形成一定规模,但仍存在诸多问题。由于养殖结构不合理,导致技术效率低下,使投入存在大量冗余或产出存在不足。其中以辽宁省和河北省为例,辽宁省在五年间海水养殖面积存在大量冗余,如2017年该省养殖面积为698 400 hm2,其中投入冗余为337 594 hm2;而河北省则存在产出不足的现象,2017年河北省海洋渔业产业总产值为1 394 988.50万元,而在原有的投入水平下该省预计产出为2 322 607.80万元。

　　表1 2013-2018年各沿海省市技术效率值

　　3.1.2、 近海捕捞可持续性较低

　　海洋捕捞在海洋渔业经济中占据着主导地位。我国海洋捕捞以近海为主,由于捕捞的不合理性造成了一系列的环境问题,如生态结构遭到破坏、鱼种消失等。由于近海捕捞业的可持续性较低,所以当各省市增加船只投入时,并未使技术效率值明显提高。

　　3.1.3、 渔业现代化水平不高

　　技术水平的落后阻碍了海洋渔业经济各方面的发展。虽然经过多年的发展各省市海洋渔业科技水平有了一定的提高,但是和世界上其他发达国家相比仍处于相对滞后状态。如,近年来广东省积极发展远洋捕捞,却因成本提高技术水平跟不上等原因,使得远洋捕捞没有得到充分的发展。

　　3.2、 2013-2018年各沿海省市全要素生产率的变化及其分析

　　运用Malmquist指数可以得到不同省份综合年度的全要素生产率变化率,本文以2013年作为基期。计算结果如表2所示。

　　表2 2013-2018年各沿海省市全要素生产率及其分解

　　从表2可见,我国11个沿海省市的渔业产出全要素平均增长了5.4%,其中技术进步提高了3.6%,技术效率提高了1.7%。将技术效率进一步分解可知,纯技术效率降低了0.5%,规模效率提高了2.2%。

　　从各省市的全要素生产率来看,除辽宁省外,其余各省市均表现出不同程度的提高。其中提高最多的为广东省,其全要素生产率提高了11.5%;其次是浙江省,其增长了10.6%;增长幅度最小的为天津市,仅为0.7%。各省市的全要素生产率均有所提高,但原因却各不相同。其中天津、山东、江苏、上海和海南是由于技术进步的提高;而河北、浙江、福建、广东和广西是由于技术效率和技术进步共同提高所致。

　　而辽宁省全要素生产率同期下降了3.9%,对其分解可知其技术进步提高了5.6%,但技术效率降低了9.0%。由于技术效率降低幅度大于技术进步提高幅度,所以辽宁省全要素生产率总体表现为下降趋势。

　　4、 结论与建议

　　4.1、 主要结论

　　利用CCR模型测算可知,天津、江苏和上海三个省市的技术效率值为DEA有效,其余省市在6年间均未都处于DEA有效状态。即该部分省市资源没有达到充分利用和最优组合,投入存在冗余。

　　通过测算各沿海省市的全要素生产率,并对其分解可知:在技术进步和技术效率共同作用下我国2013年至2018年海洋渔业产出效率在不断改善。其中技术效率贡献略小于技术进步。

　　4.2、 政策建议

　　4.2.1、 优化水产养殖结构

　　近海捕捞业受自然资源的限制,各省市应将未来主要发展方向放在人工养殖方面。根据自身地域环境优势,将海水养殖结构进行科学的分布,确定各自的优势海产品种,进行针对性养殖。同时也要注重养殖水域环境的保护,实现海洋渔业的可持续性发展。

　　4.2.2、 改良养殖方式

　　我国海水养殖业尚处于初级阶段,虽海水养殖面积在不断扩大,但由于不合理的养殖方式,养殖效率低,单产少。各省市应因地制宜,根据各自水域特点,实施精品培育,优化养殖方式,以提高养殖产出效率。

　　4.2.3、 积极发展远洋捕捞

　　由于近海域捕捞过度,使得近海渔业资源遭到迫害。而远海和深海区域蕴含着丰富的高价值鱼类。各沿海省市应积极发展远洋捕捞,既可以保护近海资源,同时还可以增加高价值鱼类出口,促进海洋经济的发展。

　　4.2.4、 加快新旧动能转换

　　大部分沿海省市海洋渔业经济的发展依然是依靠传统的旧动能在拉动。养殖方面主要靠人力和养殖面积拉动,捕捞方面主要靠加大捕捞。各省市应提高劳动力综合素质,发挥各省市自然资源优势,加快设备升级,从各方面加快制度创新与技术创新,推动新旧动能的转换。

　　参考文献

　　[1] 于淑华,于会娟.中国沿海地区渔业产业效率实证研究——基于DEA的Malmquist指数分析[J].中国渔业经济,2012(03):140-146.
　　[2] COCHRANE K L.Reconciling sustainability,economic efficiency and equity in fisheries:the one that got away[J].Fish and Fisheries,2001(01):3-21.
　　[3] 张彤.基于DEA方法的中国海洋捕捞产业动态生产效率[J].中国渔业经济,2007(04):6-10.
　　[4] 肖姗,孙才志.基于DEA的方法的沿海省市海洋渔业经济发展水平评价[J].海洋开发与管理,2008(04):90-94.
　　[5] 丁黎黎,朱琳,何广顺.中国海洋经济绿色全要素生产率测度及影响因素[J].中国科技论坛,2015(02):72-78.
　　[6] 杜军,鄢波,冯瑞敏.我国沿海省份海洋经济效率评价研究[J].农业技术经济,2016(06):47-55.
　　[7] 张萌.基于DEA的沿海省市海洋渔业产出效率分析[J].南方农村,2016(01):26-30.
　　[8] 李辉,刘文超.基于Malmquist 指数的河北省海洋渔业生产效率分析[J].江苏农业科学,2014(06):442-444.