山東省海洋牧場經濟效益的實證分析

張婧一，宋 欣*，張海英，王俊鵬

（1.山東省淡水漁業研究院，山東濟南 250013；2.平度市自然資源局，山東青島 266700）

山東省是海洋大省，毗鄰海域面積約159 500 km2，海洋資源豐度指數居全國首位［1］。2005年，《山東省漁業資源修復行動規劃》開始實施，山東省沿海城市大范圍開展海洋牧場建設［2］。2014年，山東省提出“投礁型、田園型、底播型、裝備型、游釣型”五大類海洋牧場協同發展的新理念［3］。2017年，《山東省海洋牧場建設規劃（2017—2020年）》正式印發。2018年，《山東省現代化海洋牧場建設綜合試點方案》獲國家批復［4－5］。海洋牧場不僅可以修復海洋生態環境，發揮其生態效益，解決漁民就業問題，發揮其社會效益，還可以更加高效地發展海洋漁業產業，發揮其經濟效益［6］。目前，山東省海洋牧場建設盡管取得了初步成效，但是在發展中仍存在用海面積過大等諸多問題［7－8］，因此，山東省在發展海洋牧場的過程中需要不斷優化其發展模式，促進海洋牧場由高速發展轉向高質量發展，實現海域資源的集約使用和可持續發展。本文選取40處山東省海洋牧場，利用2017—2019年海洋牧場收入、利潤、海域面積和海洋牧場類型等數據，對不同類型海洋牧場經營效益的差異和同類型海洋牧場經營效益的差異進行分析，以期為山東省海洋牧場發展提供一定參考依據。

1 山東省海洋牧場總體情況

截至2020年7月，山東省已建成國家級海洋牧場44處，省級海洋牧場105處，居全國首位。這些海洋牧場分布在山東省煙臺、威海、青島、日照、東營、濰坊和濱州7個沿海城市，其中省級海洋牧場數量在煙臺和威海最多，青島和日照次之，東營、濰坊和濱州最少。具體分布情況如表1所示。

表1 山東省海洋牧場分布表Tab.1 Distribution of marine ranches in Shandong Province （處）

本文以原山東省海洋與漁業廳《關于公布2018年省級海洋牧場建設示范項目名單的通知（魯海漁函〔2018〕285號）》所公示的72處海洋牧場作為研究總體［9］，海洋牧場海域面積、類型來源于此文件。2017—2019年海洋牧場收入、利潤數據取自于2020年度山東省海洋軟科學研究課題“海洋牧場統計體系建設研究”的調研數據。本研究所涉及的海洋牧場收入主要包括海洋牧場產出的魚、蝦、蟹、參和貝等海珍品的收入，人工魚礁釣捕的收入和休閑海釣的收入；利潤主要是指收入扣除維持海洋牧場正常運營所需的費用。

按照海洋牧場功能和建設方式的不同，海洋牧場分為游釣型海洋牧場、投礁型海洋牧場、底播型海洋牧場、裝備型海洋牧場和田園型海洋牧場5種類型［10］。其中，從功能定位來講，底播型海洋牧場側重于底棲貝類和底棲海珍品的增殖；游釣型海洋牧場側重于休閑海釣；田園型海洋牧場側重于立體、循環和生態養殖；投礁型海洋牧場側重于投放人工魚礁，改善海洋生態環境；裝備型海洋牧場側重于在深遠海建設大型智能網箱、深海養殖工船和養殖平臺。基于數據的可獲取性和完整性，選取了40處山東省海洋牧場作為研究對象。根據相關文件及調研情況，將40處海洋牧場進行了類型分類，具體分布情況如表2所示。從表中可以看出，底播型海洋牧場主要分布在濰坊、東營和濱州3市，其他類型主要分布在煙臺、威海和日照3市。

表2 40處山東省海洋牧場分布情況表Tab.2 Distribution of 40 marine ranches in Shandong Province （處）

2 實證分析

2.1 收入、利潤的描述性統計

近年來，山東在發展思路、發展模式和發展方法上大膽嘗試，積極作為，海洋牧場發展迅速。2017—2019年，40處海洋牧場收入平均值、利潤平均值逐年增加（表3）。2018年收入平均值環比增長率為7.23%，2019年收入平均值環比增長率為6.18%，收入平均值增速放緩。2018年利潤平均值環比增長率為42.83%，2019年利潤平均值環比增長率為17.57%，利潤平均值增速放緩。同時期利潤平均值的環比增長率大于收入平均值的環比增長率，說明海洋牧場平均收入利潤率逐年提高［11］。2017—2019年收入平均值的標準差逐年降低，說明收入平均值反映數據集中趨勢的代表性顯著；利潤平均值的標準差逐年升高，說明利潤平均值反映數據集中趨勢的代表性不顯著。

表3 收入、利潤的描述性分析Tab.3 Descriptive analysis of income and profit

偏度是對分布偏斜方向和程度的判斷與測定，同時在一定程度上也反映出均值作為集中趨勢指標的代表性和數據分布的離散程度［12］。但要準確地測定分布的偏斜程度并進行比較分析，通常需要計算分布的偏態系數，本文采用的偏態系數的計算方法如下：

式（1）中，α3為偏態系數，σ3為標準差的三次方，Xi為第i個樣本數據，k表示樣本容量，為樣本平均值，Fi為第i個樣本數據出現的次數，N為樣本個數。

當α3大于0，表示數據分布呈現右偏態，位于均值左邊的數據比位于右邊的多，左邊的離散度比右邊弱；當α3小于0，表示數據分布呈現左偏態，位于均值左邊的數據比位于右邊的少，左邊的離散度比右邊強；當α3等于0，數據分布符合正態分布。2017—2019年海洋牧場收入平均值、利潤平均值均呈現右偏態，說明左邊的離散度比右邊弱。

峰度用于衡量數據分布相對于正態分布而言是陡峭還是平緩。測定峰度狀態的統計指標為峰度系數，它是離差四次方的平均數再除以標準差的四次方，即：

式（2）中，α4為峰度系數，σ4為標準差的四次方，Xi為第i個樣本數據，k表示樣本容量，為樣本平均值，Fi為第i個樣本數據出現的次數，N為樣本個數。

α4等于3時，數據分布符合正態分布；α4大于3時，峰的形狀比較尖，比正態分布峰要陡峭；α4小于3時，峰的形狀比較緩，比正態分布峰要平緩。2017—2019年40處海洋牧場收入平均值、利潤平均值α4均大于3，說明40處海洋牧場收入平均值、利潤平均值的數據分布相對正態分布而言比較陡峭。

2.2 收入、利潤和海域面積偏相關分析

很多情況下，兩個變量的數值會同時受其他變量的影響，這時候就需要把其他變量控制住，計算出控制其他變量影響后的相關系數（稱為偏相關系數），這就是偏相關分析［13］。偏相關系數是真正反映兩個變量相關關系的統計量。P值是針對原假設H0：假設兩變量無線性相關而言的。本文將顯著性水平設置為0.01，所以只需要將P值和0.01進行比較：如果P值小于0.01，就拒絕原假設H0，說明兩變量有線性相關的關系；如果大于0.01，則一般認為無線性相關關系。本文利用SPSS24.0軟件中的偏相關分析功能，分析了2017—2019年山東省40處海洋牧場收入、利潤受海域面積的影響程度（表4）。

表4 2017—2019年收入、利潤和海域面積偏相關分析結果Tab.4 Partial correlation analysis results of income，profit and sea area during 2017—2019

2017年不控制海域面積時，收入與利潤的相關系數是0.558，相關系數檢驗的概率P值是0.000，小于顯著性水平0.01；控制海域面積時，收入與利潤的偏相關系數是0.559，偏相關系數檢驗的概率P值是0.000，小于顯著性水平0.01。偏相關系數0.559大于相關系數0.558，所以剔除海域面積的影響后，2017年收入與2017年利潤的相關關系稍弱。

2018年不控制海域面積時，收入與利潤的相關系數是0.496，相關系數檢驗的概率P值是0.001，小于顯著性水平0.01；控制海域面積時，收入與利潤的偏相關系數是0.496，偏相關系數檢驗的概率P值是0.001，小于顯著性水平0.01。偏相關系數等于相關系數，可見，海域面積對2018年收入與2018年利潤的相關關系沒有影響。

2019年不控制海域面積時，收入與利潤的相關系數是0.583，相關系數檢驗的概率P值是0.000，小于顯著性水平0.01；控制海域面積時，收入與利潤的偏相關系數是0.582，偏相關系數檢驗的概率P值是0.000，小于顯著性水平0.01。相關系數0.583大于偏相關系數0.582，所以剔除海域面積的影響后，2019年收入與2019年利潤相關性更強［14］。

從上面分析可以看出，2017年收入與利潤的相關性受海域面積影響更大，2018年收入與利潤的相關性不受海域面積影響，2019年收入與利潤的相關性受海域面積影響減弱。可見，山東省海洋牧場經濟效益可能會受到海洋牧場海域面積的影響，但海域面積并不是影響海洋牧場經濟效益的必然要素。

2.3 收入、利潤和類型分析

底播型、田園型海洋牧場多建設于淺海地區，用于淺海養殖，基本設施配備相對簡單；投礁型、裝備型和游釣型海洋牧場需投入人工魚礁，前期投入較大；裝備型海洋牧場建設于深海地區，投入較大。如表5所示，游釣型海洋牧場平均收入、平均利潤和平均收入利潤率逐年向好發展；投礁型海洋牧場2018年的平均利潤和平均收入利潤率比2017年和2019年高；底播型海洋牧場平均利潤和平均收入利潤率逐年提高；田園型海洋牧場平均收入和平均利潤逐年提高，平均收入利潤率比較穩定；裝備型海洋牧場由2017—2018年連續兩年的虧損，2019年開始盈利，發展良好。按年度來看，底播型海洋牧場平均收入和平均利潤占同年40處省級海洋牧場平均收入和平均利潤總值的比例最高，裝備型海洋牧場平均收入和平均利潤占同年40處海洋牧場平均收入和平均利潤的比例最低。由此可見，不同類型海洋牧場經營效益存在較大差異［15－18］。

表5 40處海洋牧場不同類型收入、利潤和利潤率情況表Tab.5 Income，profit and profit margin of different types of 40 marine ranches

以40處海洋牧場2017—2019年平均收入、平均利潤為基礎，利用SPSS 24.0軟件對40處海洋牧場進行聚類分析，得到各個海洋牧場的分類表［19］。聚類分析是將分類對象置于一個多維空間中，按照它們空間關系的親疏程度進行分類。通俗地講，聚類分析就是根據事物彼此不同的屬性進行辨認，將具有相似屬性的事物聚為一類，使得同一類的事物具有高度的相似性。聚類分析主要有二階分析、K中心聚類和層次聚類。本文采用層次聚類方法，層次聚類法（hierarchical clustering method）基本思想是：先將各個樣本各自看成一類，然后規定樣本之間的距離和類與類之間的距離；然后選擇距離最小的一對并成一個新類，計算新類和其他類的距離；再將距離最小的兩類合并，這樣每次減少一類，直至所有的樣本都成為一類為止。40處海洋牧場具體分類情況見圖1。

圖1直觀反映了40處海洋牧場逐步合并的過程。如果把40處海洋牧場分成兩類，第27處底播型海洋牧場和第30處田園型海洋牧場為一類，其余海洋牧場為一類；如果把40處海洋牧場分成三類，第27處底播型海洋牧場為一類，第30處田園型海洋牧場為一類，其余海洋牧場為一類；如果把40處海洋牧場分成四類，第23處投礁型海洋牧場和第26處底播型海洋牧場為一類，第27處底播型海洋牧場為一類，第30處田園型海洋牧場為一類，其他海洋牧場為一類；如果分成五類或者更多類，分類情況可以從圖中看到。由此可見，同種類型海洋牧場經營情況也存在一定差異［20］。

圖1 聚類分析樹狀圖Fig.1 Tree diagram of cluster analysis

3 討論

近年來，為應對日益嚴重的海洋生態荒漠化問題，促進傳統漁業轉型升級，建設海洋牧場正成為我國海洋發展的重要選擇，山東省作為海洋大省，發展海洋牧場具有得天獨厚的自然條件。通過開展海洋牧場經濟效益的實證分析，可以為山東省海洋牧場發展提供一定的參考。

第一，海洋牧場海域面積對經濟效益的影響。海域面積可能會對海洋牧場經濟效益產生影響，但并不是必然的要素。一方面部分用海單位為享受海洋牧場項目補貼，盲目申請大面積用海，審批下來后卻對海域面積開發利用不徹底，海域資源利用率不高，造成海洋牧場粗放式發展；另一方面由于海洋牧場用海面積較大，迅速發展的海洋牧場勢必會占用大量海域空間，沒有科學依據的建設海洋牧場會擠占其他行業用海，容易造成海域資源浪費［21］。因此，需要建立科學合理的海洋牧場用海面積標準，提高海洋牧場海域資源利用率，實現海域資源的集約使用和可持續發展，提升海洋牧場經濟效益，推動海洋牧場現代化發展。

第二，海洋牧場類型對經濟效益的影響。不同類型海洋牧場有不同的功能定位和發展方向，經營情況不平衡，經濟效益有差距；相同類型海洋牧場有不同的管理模式和資源稟賦，經營情況也不平衡，經濟效益有差異。因此，海洋牧場建設應科學規劃，充分發揮自然條件、科研技術資源等優勢，因地制宜，合理發展不同類型海洋牧場，從而提升海洋牧場經濟效益［22］，實現山東省沿海城市海洋牧場均衡發展。