中國海水養殖效率分析

摘要 基于2004—2019年中國沿海9省海水養殖面板數據，運用傳統BCC-DEA模型和Malmquist生產率指數模型對我國海水養殖業進行了效率測算。結果表明：2004—2019年沿海9省海水養殖的整體效率不斷提升，全要素生產率（tfpch）動態均值為1.051，增長5.1%;2004—2019年沿海9省海水養殖的綜合效率（effch）動態均值為0.998，降低0.2%，部分省份海水養殖具有“粗放型”特征;全要素生產率的增長動力絕大部分來自技術進步;河北、浙江、遼寧3省的投入持續不足，投入產出組合需要進一步優化。結合研究結論為推動我國海水養殖業的綠色高效發展提出相關建議。

關鍵詞 海水養殖;DEA;Malmquist指數;全要素生產率

中圖分類號 S9-9? 文獻標識碼 A? 文章編號 0517-6611（2021）24-0213-04

doi：10.3969/j.issn.0517-6611.2021.24.052

Efficiency Analysis of Mariculture in China

ZHU Zi-hao

（College of Economics and Management， Zhejiang Ocean University， Zhoushan， Zhejiang 316022）

Abstract Based on the panel data of mariculture in 9 coastal provinces of China from 2004 to 2019， this paper estimated the efficiency of mariculture industry in China by using traditional BCC-DEA model and Malmquist productivity index model.Research conclusions： From 2004 to 2019， the overall efficiency of mariculture in the nine coastal provinces has been continuously improved， with the dynamic mean of total factor productivity （TFPCH） being 1.051， increasing by 5.1%;from 2004 to 2019， the dynamic mean of the comprehensive efficiency （EFFCH） of mariculture in 9 coastal provinces was 0.998， decreasing by 0.2%， and some provinces had the characteristics of “extensive” mariculture. Most of the growth of total factor productivity comes from technological progress. The input of Hebei， Zhejiang and Liaoning provinces continues to be insufficient， and the input-output mix needs further optimization.Based on the research conclusions， some suggestions are put forward to promote the green and efficient development of mariculture industry in China.

Key words Mariculture;DEA;Malmquist index;Total-factor productivity

作者簡介 朱梓豪（1997—），男，山東淄博人，碩士研究生，研究方向：海洋經濟。

收稿日期 2021-04-21

新中國成立以來，我國海水養殖產業迅速發展，從1992年至今海水養殖產量穩居世界第一。《2020中國漁業統計年鑒》數據顯示，2019年中國海水養殖產值為3 575.29億元，養殖產品與捕撈產品的產值比例為79.5∶20.5。水產品養殖產量和養殖產值連年上升，有效緩解了漁業捕撈的壓力，滿足了海鮮產品的供給，優化了人民的食品消費結構。然而海水養殖迅速發展的背后也帶來了環境污染和效率低下等問題。為解決以上問題，加強對漁業發展方向的引領，國務院及有關部門不斷出臺有關漁業健康發展、綠色水產養殖的政策意見。2019年發布的《關于加快推進水產養殖業綠色發展的若干意見》是第一個經國務院同意、專門針對水產養殖業的指導性文件，對我國水產養殖業綠色發展提出了具體要求，是當前和今后一個時期指導中國水產養殖業綠色發展的綱領性文件。2021年國務院發布《關于加快建立健全綠色低碳循環發展經濟體系的指導意見》，再次強調要加快農業綠色發展，推行水產健康養殖。為解決人民對高質量、多數量水產品的需求和水產品養殖盲目發展帶來的環境污染和效率低下之間的矛盾，必須以綠色發展為導向，不斷提高我國海水養殖的生產效率。

目前，國內學者對中國漁業和海水養殖領域的研究，主要側重于漁業發展的現狀研究和粗略的效率測算。李周等[1]利用DEA模型對西部地區12個省900個縣的農業生產效率進行測算。王玨等[2]運用Malmquist方法對中國各地區的農業全要素生產率進行了測算，并分析了農業全要素生產率的影響因素。于淑華等[3]運用Malmquist指數分析了2002—2009年我國沿海省份漁業產業的效率。高強等[4]測度了山東省漁業生產效率，總結出山東省漁業存在的問題，并提出改善方案。夏春萍等[5]分析了我國大陸31省（市、自治區）的漁業產業的時空演變特征，并提出具體的政策建議。操建華[6]以江西、煙臺和安吉為例，總結了我國綠色養殖的主要特點、模式和問題，并提出可靠性的建議。操建華等[7]對比8種綠色水產養殖模式，提出了水產養殖綠色發展評價三級指標體系。張成等[8]利用Malmquist指數方法，測算了我國29個省份的水產養殖技術效率和全要素生產率，并提出相關建議。紀建悅等[9]利用DEA模型對我國海水養殖業綠色效率進行評價。

通過總結相關文獻，國內學者對海水養殖業效率的研究比較少，且相關研究缺乏時效性，其研究數據和研究結果已經不能說明當前我國海水養殖業的現狀和未來的發展方向。筆者結合DEA分析方法和Malmqist生產率指數對我國2004—2019年的海水養殖生產效率進行綜合測算，通過定量和定性相結合的方法分析中國海水養殖業近16年來全要素生產率、技術進步和技術效率的變動情況。

1 研究方法與數據來源

1.1 理論與模型

1.1.1 數據包絡分析（DEA）。

DEA分析方法的第一個模型是由美國運籌學家Charnes等在1978年創建的，被稱為CCR模型。由于CCR模型中規模報酬不變的條件太過苛刻，不能廣泛適用于多種行業和領域的效率測算，Banker、Charnes等對CCR模型進行了改進，將規模報酬不變改成了規模報酬可變，即BCC模型。BCC模型將效率分析進一步分解成綜合效率（crste）和純技術效率（vrste），同時明確了規模效率（scale）與綜合效率和純技術效率之間的關系，即規模效率等于綜合效率和技術效率的比值。為了更加直觀地從結果中分析出中國海水養殖的技術變化、效率變化和規模的有效性，進而探究中國海水養殖業的發展方向，該研究采用基于產出導向的BCC模型，通過模型運算結果找到在當前產出水平和生產環境下，最小化投入的優化方向。

BCC模型[10]具體形式為：

min[θ-ε（eTS-+eTS+）]

mj=1Xjλj+S-=θX0

mj=1Yjλj-S+=Y0

λj≥0，j≠1，2，…，m

S-≥0，S+≥0（1）

該模型的最優解為λ、S-、S+、θ。

特別說明：若θ<1，則非DEA有效;若θ=1，且S-=S+=0，則說明DEA有效;若θ=1，且S-≠0或者S+≠0，則說明弱DEA有效。

模型（1）中，j表示設有m個決策單元DMUj（j=1，2，…，m）;

X表示投入變量;

Y表示產出變量;

θ表示徑向優化量或“距離”;

S-和S+表示松弛變量，S-表示投入冗余，即現有產出下可以減少的投入量，S+表示產出不足，即現有投入情況下可以增加的產出量;

ε是非阿基米德無窮小量（通常取ε=10-6）。

1.1.2 Malmquist指數。

Malmquist在1953年分析消費的過程中提出Malmquist指數，此后與傳統DEA模型相結合成為一種生產效率的測算方法，在各個領域的生產率測算中被廣泛應用[11]。其基本原理可以用以下3個公式進行說明：

Mt0（Xt，Yt，Xt+1，Yt+1）=Dt0（Xt+1，Yt+1）Dt0（Xt，Yt）（2）

Mt+10（Xt，Yt，Xt+1，Yt+1）=Dt+10（Xt+1，Yt+1）Dt0（Xt，Yt）（3）

M0（Xt，Yt，Xt+1，Yt+1）=

Dt0（Xt+1，Yt+1）Dt0（Xt，Yt）×

Dt+10（Xt+1，Yt+1）Dt0（Xt，Yt）（4）

公式（2）表示t時期的Malmquist指數;公式（3）表示t+1時期的Malmquist指數;公式（4）表示Malmquist全要素生產率指數。其中，（Xt，Yt）和（Xt+1，Yt+1）分別表示t時期和t+1時期的投入和產出向量，D0t（Xt，Yt）和D0t（Xt，Yt）表示以t和t+1時期技術為參照的t時期投入產出向量的產出距離函數。

1.1.3 測算步驟。DEA模型測算步驟見圖1。

1.2 數據來源

選擇2004—2019年浙江、山東、遼寧、福建、江蘇、廣東、廣西、海南、河北9個沿海省份的海水養殖面板數據作為實證分析的樣本數據。數據摘自《中國漁業統計年鑒（2005—2020）》。2004—2019年中國海水養殖投入、產出指標描述性統計見表1。

2 結果與分析

2.1 BCC-DEA模型測算結果

該研究使用DEAP 2.1軟件進行測算，采用BCC模型、投入導向（Input orientated）的方法核算得到如下結果。數據顯示大部分省份綜合效率（crste）、技術效率（vrste）、規模效率（scale）為最優，規模報酬不變，所以表2僅列出非最優省份的測算結果。由于2013—2019年測算結果變化不大，故2014—2018年結果省略。變量之間的關系：規模效率=綜合效率/技術效率。

從整體結果來看，2004—2019年福建、廣西、海南、山東4省（區）的海水生產綜合效率、技術效率、規模效率、規模報酬均為最優。說明4省（自治區）投入要素的組合效率、技術更新速度、技術推廣效果、區域發展水平一直保持在較好的狀態。生產效率非最優省份中河北省出現次數最多，為16次，隨后分別是遼寧13次，浙江12次，江蘇5次，廣東1次。特別注意的是，2013—2019年生產效率非最優省份均為河北、遼寧、浙江3省。

從綜合效率一欄的具體數據來看：福建、廣西、海南、山東4省（自治區）16年來綜合效率均為1，河北、浙江、遼寧、江蘇、廣東5省的海水養殖綜合效率年平均值分別為0.70、0.85、0.88、0.96、0.99。數據說明河北海水養殖整體水平低于其他省份，還有進一步提升的空間。從技術效率一欄的具體數據來看，福建、廣西、海南、山東、河北5省（自治區）16年來技術效率均為1，遼寧、浙江、江蘇、廣東4省海水養殖技術效率年平均值分別為0.91、0.94、0.99、0.99。說明遼寧等4省利用現有資源的能力有待提升，需要加快海水養殖技術更新速度、提高技術推廣效率。特別注意河北的綜合效率全部低于1，但技術效率全部等于1，說明導致河北省綜合效率值低的原因全部來源于規模效率不足，同時說明河北省海水養殖技術水平和技術推廣效率水平較高。

從規模效率一欄的具體數據來看，福建、廣西、海南、山東4省（自治區）16年來效率規模均為1;河北、浙江、遼寧、江蘇、廣東5省海水養殖規模效率年平均值為0.70、0.91、0.97、0.96、0.99。說明河北等5個省份資源配置效率有待提升，沒有在當前投入水平下實現最大的產出。

從規模報酬來看，福建、廣西、海南、山東4省（自治區）16年來海水養殖生產全部是最優規模;河北16年來均為規模報酬遞增，說明該省海水養殖的投入不足，潛能未能得到充分的發揮;遼寧12年報酬效率遞增;浙江10年報酬效率遞增，2年報酬效率遞減;江蘇5年報酬效率遞增;廣東1年報酬效率遞減。報酬效率遞增的地區和年份說明要素投入不足要增加投入，報酬效率遞減的地區和年份說明現有生產力水平下投入的生產資料過量，邊際收益遞減，需要減少投入量。

由于過去時間節點的投入已無法重新配置，該研究僅針對2019年的截面數據進行詳細分析。DEA計算結果顯示，遼寧省2019年松弛變量不為0，即存在投入冗余。可在2019年基礎上將input1（海水養殖人數）減少1 767人;input2（海水養殖面積）減少290 696.207 hm2，將input3（海水養殖漁船功率）減少19 013.587 kW。

2.2 Malmquist指數測算結果

總體來看，由表3可知，2004—2019年9省份海水養殖的平均全要素生產率（tfpch）增長了5.1%，且所有省份的全要素生產率均大于1。從平均值來看，技術效率（effch）平均值降低了0.2%，技術進步（techch）平均值增長了5.3%，說明全要素生產率的增長全部來自技術進步;其中技術效率（effch）又可進一步分解為純技術效率（pech）和規模效率（sech），純技術效率增長了0.1%，規模效率降低了0.2%，因此技術效率降低的主要原因是規模效率的降低。

從各省份的差異來看，沿海9省份的全要素生產率全部提高，其中7個省份增長率超過5%，福建增長率為4.6%，只有海南省增長較慢，僅為0.9%。從全要素生產率提高的動力來看，除廣東以外的其余8個省份技術效率均小于或等于1，說明除廣東外的其余各省份技術效率未對全要素生產率的增長作出貢獻;已知全要素生產率=技術效率×技術進步，并且結合表3數據，可以發現沿海9省份全要素生產率的提高主要來自技術進步，均屬于技術進步驅動型，表明沿海9省份對海水養殖的科技投入力度很大，科研成果豐碩。具體來看，每個省技術效率降低的原因也各有不同，河北、浙江是規模效率的降低所導致，需要不斷優化配置投入產出組合;遼寧則是純技術效率和規模效率的共同減低所導致，不僅需要優化投入產出組合還要提高海水養殖技術推廣的效果，不斷提高科技進步的利用效率。

從圖2來看，2004—2005年、2005—2006年、2007—2008年、2010—2011年4個時期全要素生產率小于1。2009—2010年、2011—2012年2個時期全要素生產率增幅最大，達到30%以上，到達2個波峰。隨后2012—2019全要素生產率仍大于1，但增速逐漸放緩較為平穩，說明帶動全要素增長的動力逐漸衰退需要不斷挖掘新的增長極。具體來看，2009—2010年全要素生產率增幅較大的原因是技術進步，2011—2012年全要素生產率增幅較大則是技術效率和技術進步共同作用的結果。2007—2008年、2010—2011年2個時期到達波谷，5項指標結果均小于1，說明這2個時期我國海水養殖業相對落后。

3 結論與建議

3.1 結論

（1）從BCC-DEA模型測算結果可以得出，2004—2019年福建、廣西、海南、山東4省（自治區）各項效率值均為最優，廣東趨于最優，上述5個省份無須進行大規模調整。河北一直受規模效率的影響導致整體效率持續偏低，具有“粗放型”的特征，需要不斷提高規模效率，在投入產出規模和資源配置方面進行優化;江蘇同樣需要提高規模效率;遼寧應加強科技投入，充分利用科研建設成果提高技術效率;浙江應在優化資源配置和技術水平等方面同步提高。

（2）從Malmquist指數測算結果可以得出，2004—2019年我國海水養殖業持續增長。同時，指數測算結果充分說明了我國海水養殖業進步的動力來源是全要素增長率的提高，并非單純的投入型增長。符合李克強總理《2015年政府工作報告》中提到的中國經濟要通過提升全要素生產率來提高發展質量和效益的理念和方向。

3.2 中國海水養殖業SWOT分析結果 中國海水養殖業SWOT分析結果見圖3。

3.3 建議

3.3.1 推動養殖適度規模化。

我國大部分海水養殖從業者生產規模較小，以“小農”經營為主，生產效率低，單位成本高，抵御風險的能力弱。因此未來要適度規模經營，不斷靠近規模化、工業化、標準化的生產模式。同時，各地政府要做

好統籌規劃，充分挖掘自己區域內的比較優勢，開展特色養殖。同時，養殖規模要適度，不可盲目發展，保證養殖活動在海洋資源的承載范圍內。

3.3.2 加強技術成果普及化。

國家和地方政府要加大對海水養殖技術研究的投入，整合科研資源，鼓勵高校、科研機構、企業之間建立產學研相結合的海水養殖技術創新模式，加快科技成果的轉化速度。努力從依賴科技投入推動產業經濟增長向依靠技術進步推動產業經濟增長轉變。

3.3.3 加強政策扶持精準化。

海水養殖業具有較強的弱質性，需要政府不斷加強政策扶持。重點是金融領域的扶持，通過提供低息或無息貸款、適當延長償還期限、設立專項基金等方式，解決養殖戶資金困難的問題。同時，要加強市場信息服務，構建信息收集、整理和發布機制，發展網上貿易和電子商務，降低海水養殖戶的風險。

3.3.4 推進海水養殖標準化。

我國海水養殖業處于“粗放型”的養殖階段，應當轉變以往的養殖方式，推進養殖全過程的標準化和專業化。因此，今后要大力推行海水養殖全過程的標準化，提高水產品質量，生產出既符合國情又適應國際市場的高標準水產品。

參考文獻

[1] 李周，于法穩.西部地區農業生產效率的DEA分析[J].中國農村觀察，2005（6）：2-10，81.

[2] 王玨，宋文飛，韓先鋒.中國地區農業全要素生產率及其影響因素的空間計量分析：基于1992～2007年省域空間面板數據[J].中國農村經濟，2010（8）：24-35.

[3] 于淑華，于會娟.中國沿海地區漁業產業效率實證研究：基于DEA的Malmquist指數分析[J].中國漁業經濟，2012，30（3）：140-146.

[4] 高強，丁慧媛.山東省漁業生產效率及其變動趨勢的測算與分析[J].中國漁業經濟，2011，29（4）：107-114.

[5] 夏春萍，董蓓.我國省域漁業可持續發展水平測度及時空演變特征分析[J].農業技術經濟，2014（12）：118-126.

[6] 操建華.水產養殖業的綠色發展模式與生態支持政策案例研究：以江西、煙臺和安吉為例[J].農村經濟，2018（5）：34-39.

[7] 操建華，桑霏兒.水產養殖業綠色發展理論、模式及評價方法思考[J].生態經濟，2020，36（8）：101-106，153.

[8] 張成，張偉華，高志平.我國水產養殖業技術效率和全要素生產率研究[J].農業技術經濟，2014（6）：38-45.

[9] 紀建悅，曾琦.基于全局DEA的中國海水養殖業綠色技術效率時空演化分析[J].中國管理科學，2016，24（S1）：774-778.

[10] 魏權齡，崔宇剛.評價相對有效性的幾個重要DEA模型——數據包絡分析（二）[J].系統工程理論與實踐，1989（2）：55-68.

[11] 章祥蓀，貴斌威.中國全要素生產率分析：Malmquist指數法評述與應用[J].數量經濟技術經濟研究，2008（6）：111-122.