海洋漁業投入產出區域差異的測度

趙 昕，雷 亮，彭 楠，丁黎黎

（1.中國海洋大學 經濟學院，山東 青島 266100；2.西南財經大學 工商管理學院，成都 611130）

0 引言

從傳統的觀點看，狹義的海洋漁業指包括海水養殖、海洋捕撈在內的生產活動，屬于海洋第一產業范疇，是海洋經濟的重要組成部分，也是我國四大傳統海洋產業之一。盡管廣義的海洋漁業還包括水產育苗、漁業工業、休閑漁業等在內的上下游產業，但是水產品的捕撈、養殖等仍是海洋漁業基礎的和主導的生產活動，因此本文對于海洋漁業的討論限于狹義的海洋漁業生產領域。限定狹義的海洋漁業范疇不僅有利于具體分析海洋漁業主體經濟狀況，也避免了因海洋漁業相關產業歸屬的模糊而帶來的海洋漁業數據統計口徑不一致的問題。就狹義的海洋漁業而言，我國海洋漁業發展尚存在以下問題：近海水域環境污染嚴重，一些漁場常遭到赤潮等海洋災害的侵襲[1]；漁業科研投入少，技術成果轉化率低[2,3]；漁船、網具等生產設備老化[4]。這些因素導致了漁業生產效率的低下。為了提高海洋漁業生產效率，多數學者都認識到了海洋漁業轉型升級的重要性和緊迫性[5,6]，這也是本文的出發點。

為了研究省內海洋漁業發展的區域差異，特別是區縣一級的微觀海洋漁業的投入產出在技術效率、規模報酬和要素利用方面的具體差異，本文選取代表性省份——山東省作為研究對象，通過分析省內不同沿海地區海洋漁業的投入產出情況，利用DEA方法測算海洋漁業發展的區域差異，進而為地方政府制定海洋漁業轉型政策提供參考。

1 模型設定與指標選取

1.1 模型設定

數據包絡分析（DEA）是研究不同生產部門，又稱決策單元（Decision Making Unit，DMU）相對有效性的非參數評價方法。技術效率、規模報酬、要素利用率是利用DEA方法評價地區海洋漁業投入產出效率差異的三個方面。技術效率（TE）是對決策單元的資源配置能力、使用效率等多方面能力的綜合評價[7]，又可分為純技術效率（PTE）和規模效率（SE）。PTE衡量了DMU處在最優規模時投入要素的生產效率，SE衡量了DMU實際生產規模與最優規模的差距，且有關系式：TE=PTE×SE。TE、PTE、SE的取值均在0和1之間，值越大，表示效率越高，當其值等于1時被分別被稱為技術有效、純技術有效、規模有效。利用CCR模型和BCC模型可求解TE、PTE和SE。CCR模型原理如下：設n個具有相同任務、環境和目標的DMU，其輸入向量X=(x1，x2…xm)T,輸出向量為Y=(y1，y2…ys)T。這些DMU構成了一個參考集，在生產可能性集滿足凸性、錐性、無效性和最小性的假定下，以被評價的DMU的效率θ*為目標函數，以參考集中全部DMU的效率系數為約束條件，構建投入方向的CCR模型如下：

CCR、BCC、SBM模型是DEA方法在海洋漁業投入產出應用的基礎，然而它們沒有剔除環境因素對漁業生產效率的影響，也沒有把海洋漁業生產前沿面的隨機性納入考慮，因此需要對上述模型中可能存在的管理無效率進行檢驗和修正，通常采用三階段DEA方法[12]來處理：第一階段利用傳統CCR、BCC、SBM模型計算投入冗余。第二階段利用第一階段求出的各要素投入冗余，構建隨機前沿模型（SFA），估計管理無效率和隨機噪聲，并剔除掉原投入數據中的掉環境因素和隨機因素，第三階段將修正后的數據利用CCR、BCC、SBM模型再次求解。第一、三階段與傳統DEA應用無異，不再贅述。第二階段原理如下，首先構建SFA回歸模型：

其中，Yij表示第i個決策單元中第j種要素投入冗余，Z=(z1，z2…zn)T表示環境變量向量，β=(β1，β2…βn)T表示回歸參數向量。Uji～N(0，σu)表示管理無效率項，一般為截斷分布。Vji～N(0，σu)表示隨機噪聲。再利用極大似然法估計SFA模型中的回歸參數β、混合誤差σ0、變差率γ。再利用管理無效率公式[12]計算Uji和Vji：

其中，η是環境項和隨機項的方差比值，εi=Uji+Vji

其中，Xji表示第i個決策單元中第j種投入，X*ji表示調整后的新投入，第一個括號里面代表了環境調整量，第二個括號里面代表了隨機誤差項的調整量。通過剔除環境和隨機誤差因素，即可使得所有DMU面臨相同的外部環境。

1.2 指標選取

產出方面，選取海洋漁業增加值作為產出指標。該指標去除了海洋漁業總產值中多次重復計算的轉移價值，能夠反映海洋漁業經濟活動在一定時期內所創造的價值。投入方面，選取海洋漁業從業人員和海水養殖面積作為“勞動”和“土地”投入。在“資本”方面，一些研究將漁業固定資產投資作為“資本”投入[7]，本文未予采納。一是統計數據沒有統計該指標，二是投資的滯后效應，三是固定投資是資本增量，其對產出的貢獻相對于資本存量而言要小得多。漁船作為海洋漁業最主要的固定資本，直接體現了海洋漁業，尤其是遠洋漁業的作業能力和裝配水準。因此，相關文獻改用漁船數或漁船總動力作為“資本”投入[13]。考慮到漁船大小不一，性能各異，采用漁船數量難以反映漁船的捕撈能力，故選取漁船總動力作為“資本”投入。在環境變量方面，目前的一些文獻關于環境指標的選取標準沒有明確的規定。一般選取影響海洋漁業生產活動但不受海洋漁業生產活動控制的重要外生變量。本文從能夠顯著影響到海洋漁業產出和三種投入要素出發，充分權衡數據可獲得性和代表性，最終選取人均GDP（影響海洋漁業產出水平）、人均土地面積（制約海洋漁業生產空間）、人均固定資產投資額（影響海洋漁業投入水平）作為環境變量。本文采用2010年山東省7個沿海地區共35個沿海區/縣統計數據，數據來源于各地統計局。表示混合誤差項，φ(.)和φ(.)表示標準正態分布的分布函數和密度函數。最后利用調整公式[12]對原投入進行同質化調整：

2 山東省海洋漁業投入產出區域差異

2.1 準備階段的數據預處理

第一階段，在求投入冗余之前，需要保證無異常數據影響結果的可靠性，可先通過刀切法（Jackknifing method）來檢驗CCR、BCC、SBM模型的穩健性：逐一剔除DEA模型中有效DMU，重新測度參考集中其他DMU的效率值并排序，將DMU新的效率值與原模型比對，測算次序值間的相關系數。結果顯示，相關系數均很高，表明去掉有效DMU的檢驗模型對DMU排序影響很小，可認為無異常數據。

第二階段，利用第一階段計算的投入冗余，估計SFA回歸方程。由表1可知，9個SFA回歸方程的似然比值均在1%的置信度下通過檢驗，表明半正態分布假設適用于本文選用的SFA模型。變差率γ均趨于1，說明原DEA模型存在較大的管理無效率，需要剔除環境因素和隨機因素；除海洋漁業從業人員投入冗余在BBC模型下的SFA回歸方程未通過參數檢驗，其余8個模型全部回歸參數均在1%和5%置信度下通過檢驗，其中絕大部分回歸參數在1%置信度下通過檢驗。這表明，本文所選用的環境變量對海洋漁業各投入要素冗余有顯著影響。

表1 三種DEA模型第二階段SFA方程回歸結果

但為穩妥起見，本文仍不使用BCC模型下的SFA回歸方程來調整原始數據，而選用經CCR-SFA回歸方程調整后的數據測算技術效率和規模報酬，選用經SBM-SFA回歸方程調整后的數據測算要素利用率。第三階段輸出結果如表2所示。

2.2 技術效率的區域差異

在技術效率方面，TE、SE區域差異性分布較為明顯，且兩者呈現協同分布。TE區域差異性分布主要表現在：青島即墨、膠南兩市TE值分別高于均值62.64%和112.71%，而黃島、嶗山兩區僅為均值的23.89%和52.98%。煙臺市11區縣中，有兩市TE值為1，兩市略高于均值，其余7地均低于均值，其中最低的芝罘區僅為均值的35.86%。威海有三地TE值高于均值，兩地TE值低于均值。東營市河口區TE值為1，而東營區、利津縣、廣饒縣TE值低于均值。濰坊、日照、濱州轄內絕大部分地區TE值都比較低。SE區域差異性分布主要表現在：青島市即墨、膠南兩市SE值分別高于均值78.62%和94.67%，而黃島、嶗山兩區僅為均值的22.16%和49.99%。煙臺有6地SE值高于均值，其中長島和蓬萊SE值為1，另外5地SE值低于均值，最低的萊山區僅為均值的0.8%。東營市河口區SE值為1，而東營區、利津縣、廣饒縣SE值低于均值。威海經發區SE值僅為均值的30.5%，其余四地SE值高于均值，最高的乳山市SE值高于均值58.20%。濰坊、日照、濱州轄內絕大部分地區SE值都比較低，且大部分低于均值。PTE分布較為集中，其均值為0.727，顯著高于TE、SE均值，方差為0.044，顯著小于TE、PTE方差。

表2 技術效率、規模報酬、要素利用率輸出結果

綜合TE、PTE、SE的分布來看，可以將山東省沿海地區海洋漁業的發展模型分為三類。一是兩級分化類：這些地區轄內區縣部分技術有效，處在最優生產規模上，部分技術落后、管理欠缺，包括青島、煙臺、威海。二是一枝獨秀類：這些地區轄內少數區縣發展較好，多數區縣發展落后，代表地區是東營。三是發展落后類：這些地區轄內區縣都處于技術無效和規模無效狀況，包括濰坊、日照、濱州。為了縮小海洋漁業技術效率在區域間的差異，促進區域海洋漁業協調發展，應根據各地的實際情況提出改善意見。針對兩級分化類地區，要提高發展滯后地區勞動力的待遇，避免人才用腳投票，同時鼓勵勞動力流動，建立一對一幫扶政策，加強分化地區的交流與合作，促進周圍地區漁業技術普及和管理經驗的分享，縮小地區間技術、管理方面的差距。針對一枝獨秀類地區，這些地區少數發展較好的區縣可以看作是區域增長極，應增強增長極的擴散效應。具體而言，在周圍地區適量擴大海水養殖面積、放寬海水捕撈管理政策，促進生產要素的擴散。針對發展落后類，應集中有限的資金、人才、政策等資源，重點培育具有地方特色和優勢的海洋漁業發展方向和較優秀的相關企業，另外可以在海洋漁業的下游產業上尋找突破口，通過政策優惠吸引投資建立水產品加工廠、漁文化產業園，擴大下游市場容量，增進產業聯動，提高海洋漁業抗風險能力。

2.3 規模報酬與要素利用率

在規模報酬方面，從RTS統計分布看，處在規模報酬不變的地區有3個，占總數8.57%，其中煙臺市占2個，分別為長島縣和蓬萊市，另一個是東營河口區。處在規模報酬遞減的地區共2個，占總數5.71%，分別為青島膠南市、煙臺龍口市、威海榮成市。處在規模報酬遞增的地區共30個，占總數85.71%。這表明山東省超過五分之四的地區海洋漁業生產規模仍存在增加的空間。在要素利用率方面，漁船總動力利用率（UTP）均值為44.85%，UTP值在均值以下的共計22個，占總數62.86%。UTP值在80%（高利用率）以上共7個，僅占總數五分之一。海洋漁業從業人員利用率（UFW）均值68.83%，UFW值在均值以下的共計17個，占總數約一半，UFW值在80%以上共12個，占比34.29%。海水養殖面積利用率（UAA）均值60.30%，UAA值在均值以下的共計19個，占比54.30%。而UAA在80%以上共12個，占比34.29%。由此可見，三種投入要素利用率均不高，其中，漁船總動力平均利用率最低，這與漁船設備老化、環渤海地區漁業資源枯竭有關。其次是海水養殖面積利用率，長期以來，山東省海洋漁業養殖布局不合理，高密度養殖和魚藥濫用現象突出，水環境污染嚴重。海洋漁業從業人員平均利用率較另外兩種投入高些，這與近年來漁業人才素質不斷提高有關。

綜合規模報酬和要素利用率可以看出，山東省大多數地區海洋漁業發展存在規模報酬遞增和要素利用不足的現象，表明其海洋漁業產出水平處在長期平均總成本曲線的遞減階段，仍存在較大發展空間，應提高要素利用率使落在遞減階段的區縣前移至規模報酬不變的位置。針對海水養殖面積利用率，要控制養殖規模，優化養殖結構。具體而言，在養殖規模上，要確定海水養殖容量，對海水養殖總量和密度進行控制，減少魚藥和飼料的濫用，防止養殖環境的惡化，提高水產品的質量。在養殖結構方面，可構建立體多功能的海洋養殖區域，發展生態養殖，釋放海水養殖潛力；同時對單一的海水養殖管理模式進行革新，推動政府、行業、漁民協同共治，避免出現“公地悲劇”的情況。在勞動力方面，我國漁業從業人員的平均受教育年限僅為7.8年，知識水平較低，可定期進行漁業技術培訓、舉辦漁業知識交流會，提升從業人員的操作技能和專業素養，實現知識的正外部性效應。在資本設備方面，目前較多作業漁船接近或已達到報廢年限，可通過政府給予漁民補貼推動老舊漁船的更新換代；另一方面，應提高漁船的裝備水平，完善漁港物資供應船舶維修等經營性服務設施。

3 結論

本文探討了DEA方法在漁業投入產出中的應用，利用三階段CCR、BCC、SBM模型，彌補了傳統DEA方法在漁業中應用的不足。從技術效率、規模報酬、要素利用三個角度，實證測算了2010年山東省沿海地區海洋漁業的區域差異。綜合TE、PTE、SE分布情況，山東省沿海地區海洋漁業發展方式可分為三類：一是兩極分化類，代表地區為青島、煙臺、威海；二是一枝獨秀類，代表地區為東營；三是發展落后類，代表地區為濰坊、日照、濱州。綜合產業規模報酬和要素利用率來看，山東省大多數地區海洋漁業發展同時存在資源利用不足和規模報酬遞增的問題，其海洋漁業產出水平處在長期平均總成本曲線的遞減階段，仍存在很大的發展空間，應通過改善養殖模式，加強漁業從業人員專業素質培養、提升漁業機械化裝備水平等方式，來提高要素利用率使產出前移至規模報酬不變的水平。