海洋綠色全要素生產率與海洋經濟動態關系實證研究

王倩倩 管紅波

上海海洋大學 經濟管理學院 上海201306

隨著陸域資源的開發和損耗，世界眾多國家將視角轉向海洋領域，制定海洋經濟發展戰略[1]。我國亦提出海洋強國戰略。2021年，我國海洋生產總值達90 385億元，增速為8.3%，高于同期國內生產總值[2]。沿海地區作為擁有豐富海洋自然資源的資源型地區，為我國海洋經濟增長作出了巨大貢獻[3]。但海洋經濟快速發展過程中，資源高損耗、經濟粗放增長等問題在資源節約型、環境友好型約束下必然會導致資源型地區經濟增長乏力[4]。

“海洋強國”目標與“環境約束”現實之間問題的嚴峻性與日俱增。學者們開始聚焦于環境約束下的海洋綠色經濟增長研究，其核心是提高海洋經濟綠色全要素生產率（GTFP）。如何提高海洋經濟GTFP這個問題的回答有賴于分析GTFP的內在機制。故本文將對海洋經濟GTFP增長率進行分解，探究導致GTFP變動的要素是什么、如何影響、影響多大?這些問題的廓清有助于海洋經濟GTFP的研究在框架上得到完善，在理論上得到拓展。

1 文獻綜述

GTFP是在全要素生產率（TFP）研究的基礎上發展起來的。TFP不同于勞動生產率或資本生產率[5]，若僅測算一方的投入要素會造成效率低估[6]。Robert Solow對其概念進行了界定：“TFP等于總生產率中扣除資本和勞動兩投入要素生產率的剩余部分”[7]。隨著可持續發展理論的深入，GTFP被提出[8]。按照是否對環境造成污染將產出分為期望產出和非期望產出，GTFP是指從考慮了非期望產出的總生產率中扣除資本、勞動和資源3個投入要素生產率的剩余部分[9]。國內外學者對海洋經濟GTFP的研究主要集中在以下方面。

1.1 海洋經濟GTFP的測算方法

目前較成熟的主流方法是基于數據包絡模型（DEA）構建的Malmquist生產率指數模型。

DEA及其發展模型主要用于測算生產效率[10-12]。因DEA沒有函數形式和誤差項分布限制，且能融入多投入、多產出、多決策單元的多維度評價，國內學者運用DEA模型測算我國沿海各地區海洋經濟效率[13-14]。但其在產出不足或投入過度時 （徑向）、面向投入或產出單方面測算時（角度）會造成決策單元效率的錯誤估計，故Tone提出非徑向非角度的SBM（Slack-based measure）模型[15]。狄乾斌、魯政等運用該模型測算我國沿海各地區的海洋綠色經濟效率[16-17]。

Malmquist生產率指數是在DEA解決了距離函數問題的基礎上發展起來的，用于測算全要素生產率。Malmquist指數由Malmquist在消費領域率先提出[18]；Cave等借鑒Charnes等構建的DEA-CCR模型將其發展成生產率指數，用于生產領域[19-20]；隨后Chung等[21]納入環境因素構建了方向性距離函數，推出考慮了非期望產出的Malmquist-Luenberger（ML）生產率指數；Pastor等[22]則借鑒Chung的ML生產率指數與Tone的SBM模型，構建了基于SBM模型的Global-Malmquist-Luenberger（GML）指數方法。劉新民、韓增林、丁黎黎等將其運用于我國海洋經濟綠色全要素生產率的研究[23-25]。

1.2 海洋經濟GTFP的研究視角

當前海洋經濟GTFP的研究視角主要放在其增長率的分解上，以探究海洋經濟GTFP的內在驅動機制。國內海洋領域學者主要采用F?RE R等基于規模報酬不變假設將Malmquist生產率指數分解為技術進步與技術效率的方法[26]。胡曉珍運用該分解方法研究了中國海洋經濟GTFP區域增長差異[27]；秦琳貴等則探究了全國海洋經濟GTFP增長的主要來源[28]。

F?RE R等又基于規模報酬變化（VRS）的考慮，將技術效率進一步分解成純技術效率和規模技術效率[29]。徐進等用技術效率、技術進步、規模技術效率三個指標分析中國海洋經濟GTFP的主要貢獻要素[30]。關洪軍等則對中國海洋經濟GTFP增長率及其分解進行時空演化分析[31]。隨后，Zofio在前人研究的基礎上，對技術進步變化進一步分解[32]。GTFP增長率被完整分解為純技術進步、規模技術進步、純技術效率和規模技術效率4個變化指標。

1.3 國內外文獻綜述小結

梳理文獻發現，國內外學者對海洋經濟GTFP做了大量研究，但測算方法及內在驅動機制研究存在不足。首先，目前學者多采用F?RE R等的分解方法，并沒有充分考慮規模報酬變化帶來的影響，且GTFP增長率的分解沒有區分純技術進步與規模技術進步，因此本文采用Zofio的方法將上述不足加以改進。其次，當前研究更多只停留在時空演變特征分析上，這一部分的研究容易使讀者誤將研究期內海洋經濟GTFP增長率及其分解要素的表現特征判斷為內在機制合理發揮作用的結果，其實不然。本文考慮制約因素的影響，從實證角度分析GTFP增長率各要素的影響機制，將研究期內研究對象的表現特征作為厘清內在機理后政策制定與修正的依據。

綜上所述，本文運用非徑向非角度的、考慮了非期望產出的SBM-GML模型測算海洋經濟GTFP，并在前人對海洋經濟GTFP及其要素特征研究的基礎上，利用面板數據模型實證分析各要素對海洋經濟GTFP的影響作用，深入探究我國海洋經濟GTFP的內在機制。

2 GML指數模型、數據來源與處理

在建立計量模型之前，用圖1對海洋經濟GTFP加以闡述，以便于厘清SBM-GML模型的構建原理。以投入中包含資源投入和產出中包含非期望產出的生產函數為例。

圖1 綠色全要素生產率與技術進步

曲線為生產前沿線，展示了投入產出最優關系，“最優”表示當前技術水平下既定產出的投入最小或既定投入的產出最大。考慮資源投入與非期望產出，投入與產出之間的關系用海洋綠色經濟效率評價。生產前沿面上代表海洋綠色經濟效率完全有效，如B、C兩點；生產前沿面下則代表效率非完全有效，如A點。離生產前沿線越遠，無效程度越高。從原點出發向點A、B、C做直線，直線斜率代表海洋經濟GTFP。直線斜率變大，GTFP提高；斜率變動幅度越大，GTFP變動幅度越大。生產前沿線1移動到生產前沿線2，技術進步發揮作用。因此可以得出，海洋經濟GTFP衡量的是投入與產出的比率；GTFP變動是由其內在機制引起的。

2.1 基于SBM的Global-Malmquist-Luenberger指數模型

海洋經濟GTFP的測算及其增長率的變動，采用基于SBM的GML指數模型來實現。GTFP的變化表示t期的生產要素等量地投入t+1期中，兩期產量的差值體現了全要素生產的動態增量水平，而其分解值是對GTFP產生動態增量原因的解釋。

根據Zofio[32]的分解方法，將GTFP增長率分解為純技術進步（PTC）、規模技術進步（STC）、純技術效率（PEC）和規模技術效率（SEC）。運用GML指數模型從海洋經濟綠色全要素生產增長率中分解出各變動因子，準確有效地測算各變動因子的效應，有助于解釋海洋經濟綠色全要素生產率的內在機制。分解公式為：其中，生產率指數由D0（x，y）方向距離函數測算得出。表示用第t+1期數據參考集所代表的技術水平衡量t期技術效率水平，可構建以產出為導向的規模報酬不變（CRS）模型計算其值。同理。

其中，Y為產出向量；X為投入向量；θ為標量，表示i個地區的海洋綠色經濟效率值，滿足0＜θ＜1；λ是常數向量；i=1，2，3，…，N，表示各個地區。

2.2 數據來源與處理

鑒于數據的科學性和可得性，本文選取2006-2016年我國11個沿海地區的面板數據，使用MAXDEA軟件測算海洋經濟GTFP。資源損耗和環境污染問題對反映海洋經濟真實水平至關重要，因此將資源投入和非期望產出納入測算體系。根據GML和軟件使用原則，共選取資本投入、勞動力投入和海洋資源投入三個投入指標，期望產出和非期望產出兩個產出指標。其中，海洋資本存量指標為資本投入；沿海地區涉海就業人員數量指標作為勞動力投入；海洋養殖面積指標為資源投入；海洋生產總值為期望產出；海洋工業廢水排放量為非期望產出。為避免通貨膨脹的影響，以2000年為基期，用GDP指數對海洋生產總值進行換算。

由于未能獲得海洋資本存量指標數據，故通過海洋經濟生產總值和國民生產總值的比值與資本存量的乘積估算得出海洋資本存量。沿海各地資本存量借鑒單豪杰對永續盤存法的研究[33]，對各地固定資產形成總額進行計算得出。

為了保持統計口徑的一致，本文所有原始數據均來源于《中國海洋統計年鑒》和《中國統計年鑒》。

3 海洋經濟綠色全要素生產率特征分析

利用GML生產率指數可以得到2006-2016年我國11個沿海地區（不含港澳臺）海洋經濟GTFP及其分解值的變動趨勢。將海洋經濟GTFP增長率分解為純技術進步、規模技術進步、純技術效率和規模技術效率4個變化率指數，以研究在研究期內各分解值對其作用的特征表現。

3.1 中國海洋經濟綠色全要素生產率演化態勢分析

表1反映了2006-2016年我國總體海洋經濟綠色全要素生產率及其分解值的變動趨勢。

表1 2006-2016年我國總體海洋經濟綠色全要素生產增長率及其分解值

從整體上看，2006-2016年我國年均海洋經濟綠色全要素生產率增長2.9%，技術進步具有促進作用。其中，純技術進步貢獻了2.29個百分點，規模技術進步貢獻了7.72個百分點；而技術效率起抑制增長作用，進一步分解得出的純技術效率和規模效率均下降了近0.45%。由于技術進步的促進作用大于技術效率的抑制作用，因此海洋經濟GTFP變化率仍然大于1。

雖然我國海洋綠色經濟上有總體正向增長的趨勢，但各發展階段呈現不同程度的波動，尤其研究期前期與后期波動特征存在明顯區別。分年度看，2006-2011年海洋經濟綠色全要素生產率呈穩步正向波動特征，變化率在0.5%～4.4%之間，表明海洋GTFP處于低速增長階段，這主要得益于技術進步的作用——純技術進步及規模技術進步總增長均大于1。而2011-2016年海洋經濟GTFP的波動較大：增速最快的是2012-2013年，實現了20.3%的高速增長。這是基于純技術效率和規模技術效率提高，但技術進步負增長的結果。增速最慢的是2013-2014年，出現了2.7%的負增長。該發展階段中，雖然純技術進步和規模技術進步分別貢獻了23個百分點和16個百分點的正向增長效果，但由于純技術效率和規模技術效率分別下降17個百分點和14個百分點，使得海洋經濟GTFP仍負增長。

綜上所述，研究期內純技術進步和規模技術進步對海洋經濟GTFP起正向促進作用；純技術效率和規模技術效率的優勢在研究后期逐漸顯現出來，其中純技術效率優勢更為明顯。這表明單純地依靠技術進步已經不能滿足海洋綠色經濟的發展需要，純技術效率和規模技術效率對海洋經濟GTFP的作用正在增強。

3.2 沿海省份海洋經濟綠色全要素生產率演化態勢分析

表2反映了2006-2016年我國11個沿海地區海洋經濟綠色全要素生產率及其分解的變動趨勢。

表2 各沿海地區海洋經濟綠色全要素生產率變量率及其分解值

整體上看，各個地區在研究期內海洋經濟GTFP變動率存在一定差異。上海市海洋經濟GTFP年均增長13.6個百分點，增速最快；廣東省年均負增長3個百分點，增速最慢。將11個沿海地區按海洋GTFP變動率分為4個層次：上海市海洋經濟GTFP變動率在10%以上，海洋經濟GTFP高速增長，屬于第一層次；天津市、河北省、遼寧省和海南省在0.1%～10%之間，海洋經濟GTFP正向緩速增長，屬于第二層次；江蘇省、浙江省、福建省、山東省在-1%～0之間，海洋經濟GTFP略有下降，屬于第三層次；廣東省和廣西壯族自治區在-2%以下，海洋經濟GTFP下降幅度相對較大，屬于第四層次。

根據各層次對GML的要素進行分析，可以發現：處于第一層次的上海，較快的GTFP增長速度主要得益于技術進步和技術效率的同時提高，且技術進步的提高幅度大，表明上海海洋綠色經濟發展對各種投入要素的利用率較高；而遼寧由于技術進步和技術效率提高幅度小，所以海洋經濟GTFP增長比上海緩慢，處于第二層次；除此之外第二層次的天津、河北和海南則主要由于純技術進步、規模技術進步及純技術效率的帶動；第三層次的江蘇、浙江、福建、山東，純技術進步、規模技術進步及規模技術效率對海洋經濟GTFP有較強的正向效應，但是由于純技術效率的下降，導致總體GTFP沒有達到高層水平；第四層次的廣東和廣西兩省份則主要因為規模技術進步的負向效應。

綜上所述，研究期內純技術進步和規模技術進步對沿海各地區海洋綠色經濟發展的影響作用較大，在一定程度上是沿海各地區海洋經濟GTFP增長的中堅力量；而純技術效率和規模技術效率的正向推動效應沒有得到有效發揮。這表明純技術效率和規模技術效率偏低是導致地區海洋綠色經濟發展不平衡的主要原因。

4 海洋經濟綠色全要素生產率內在機制分析

如前所述，海洋經濟GTFP可以分解為純技術進步（PTC）、規模技術進步（STC）、純技術效率（PEC）及規模技術效率（SEC）。為進一步研究各要素對綠色全要素生產率的影響，利用Stata14.0軟件，以沿海各地區的海洋經濟GTFP增長率為因變量，各分解值為自變量，構建面板模型，表示如下：

其中，i表示第i個地區；t表示第t年；GTFP、PTC、STC、PEC和SEC分別表示海洋經濟GTFP、純技術進步、規模技術進步、純技術效率和規模技術效率各個指標的增長率；β0為截距項；β1、β2、β3、β4分別為相應變量系數；eit為隨機干擾項。

4.1 平穩性檢驗

構建面板模型之前，為防止出現偽回歸現象，首先進行平穩性檢驗。本研究為了增強檢驗的可信度與穩健性，同時采用4種檢驗方法，即同質根檢驗（LLC）、異質根檢驗（IPS）、Fisher-ADF檢驗及Fisher-PP檢驗，表3為檢驗結果。PTC、STC、SEC在4種方法的檢驗下，均在1%水平上顯著，具有良好的平穩性。GML和PEC遵從少數服從多數原則，在3種檢驗顯著的情況下，也視為數據平穩。

表3 面板單位根檢驗

4.2 回歸結果分析

面板模型分為固定效應模型、隨機效應模型與混合效應模型，通過Ward F檢驗、Breusch and Pagan的LM檢驗及Hausman檢驗，從中確認是否選擇隨機效應模型。同時，限于篇幅原因，模型經異方差、序列相關和截面相關檢驗和誤差修正，具體過程略去。為了比較回歸結果，本文將上述3種模型的估計結果一一列出，如表4所示，模型按1-3順序對應排列。比較R2和變量系數，三個模型表現出極小差異。

表4 回歸結果

考慮到模型可能存在內生性問題，本文采用xtabond2命令進行差分和系統GMM估計，模型4為GMM估計結果。AR（1）檢驗P值為0，拒絕原假設，認為存在一階自相關；AR（2）檢驗P值 為0.423，不拒絕原假設，認為不存在二階自相關，表明GMM估計模型設定合理。工具變量過度識別Sargan檢驗的P值為0.298，表明工具變量有效，模型總體矩條件成立。

從各個模型的估計結果看，技術進步和技術效率皆在1%的顯著水平下對海洋經濟綠色全要素生產率有正向影響，與上述論證相符。將技術進步和技術效率進一步分解，發現純技術效率對海洋經濟GTFP的貢獻最大，純技術進步對海洋經濟GTFP的貢獻度次之，規模技術進步與規模技術效率貢獻較少。

GMM估計結果顯示，當純技術效率提高1%時，海洋經濟GTFP增長1.24%，說明海洋經濟GTFP隨著純技術效率的提高而增長，且增長幅度大于純技術效率的提高幅度。這表明提高純技術效率是海洋綠色經濟增長的最有效途徑。純技術進步每提高1%，海洋經濟GTFP增長1.16%，貢獻度僅次于純技術效率。與其他回歸結果相比，GMM估計結果的各解釋變量貢獻作用略高。固定效應、隨機效應和混合效應模型中，純技術進步的提高只帶來海洋經濟GTFP 0.97%～0.98%的增長，增長幅度小于純技術進步的提高幅度。純技術進步的“回彈效應”是其作用不突出的重要原因：純技術進步一方面可以降低海洋投入的消耗、提高海洋經濟效率，另一方面使得海洋經濟增長，加大了對海洋經濟的需求。

GMM估計結果顯示，規模技術進步和規模技術效率的貢獻較小，當規模技術進步和規模技術效率分別提高1%時，海洋經濟GTFP分別增長0.32%和0.45%。雖然規模技術進步與規模技術效率對海洋經濟GTFP增長有正向影響，但是后者增長幅度嚴重小于前兩者的提高幅度。這表明，目前提高規模技術進步與規模技術效率的方式對海洋綠色經濟增長的效率較低。

5 討論

5.1 結論

本文采用海洋綠色經濟效率和海洋經濟GTFP指標衡量我國海洋綠色經濟發展水平。運用SBM-GML模型測算2006-2016年我國11個沿海地區海洋經濟綠色全要素生產率，將海洋經濟GTFP變化率分解為純技術進步、規模技術進步、純技術效率和規模技術效率4個變化率指標，從時空演化描述分析和實證分析兩個方面對海洋綠色經濟內在機制進行研究，主要結論如下：

（1）純技術效率對海洋經濟GTFP的貢獻最大，前者的提高是后者增長的最有效途徑，而研究期內純技術效率雖表現為正向效應優勢逐漸顯現，但仍顯薄弱，沒有得到有效發揮。這表明在未來一段時間內，純技術效率是發揮海洋綠色經濟“潛在力量”的主要矛盾，需加強純技術效率方面的政策建設。

（2）純技術進步的提高對海洋經濟GTFP增長有較強的正向促進作用，與研究期內純技術進步的特征表現相符。這表明目前我國純技術進步的增長動力較足，但仍需要保持純技術進步動力的持續性。

（3）規模技術進步與規模技術效率對海洋GTFP增長的正向效果較小，而研究期內規模技術進步維持在促進海洋經濟GTFP增長的狀態，這表明我國現有的規模技術進步動力足以應對海洋經濟增長需求；規模技術效率在研究前期處于劣勢水平，在研究后期逐漸改善。這表明規模技術效率的“矛盾”雖不突出，但仍需加以把握。

5.2 建議

（1）明確政府職能，充分發揮政府“風向標”作用，提高以純技術效率為動能的制度水平，適當對海洋科學技術予以財政政策傾斜。加大海洋科研資金投入力度、增加海洋專項課題數量，推動海洋“產學研”一體化進程。充分釋放海洋經濟要素潛能，充分發揮技術效率的推動作用。

（2）增強海洋技術創新能力，提高技術進步水平。主要從兩個途徑出發：①自主研發。培養海洋領域高新技術人才，建設海洋類專業型學科，加大海洋科技技術支持力度，使海洋技術進步的正向作用得以充分發揮。②技術引進，引資引智并行。高效合理配置資本資源，發揮其在構建“雙循環”新發展格局過程中的重要作用。用資本市場的力量激發海洋技術創新活力，提高海洋產業技術水平；引進國外優秀理論成果和先進技術成果，充分實現技術推動生產前沿上移，充分實現技術拉動海洋經濟綠色全要素生產率增長。

（3）科學制定和實施海洋產業政策。一方面積極引導生產要素向海洋產業流動，另一方面壯大海洋產業規模，發揮資本累積效應，更加高效地開發海洋資源，提高規模技術進步和規模技術效率水平，努力搶占未來海洋產業新高地。

（4）倡導傳統產業智能生產、綠色生產，平衡社會經濟發展與生態環境資源管理，規劃海洋生產保護紅線，實施海洋生態補償制度，注重保護海洋環境與發展經濟的協調性，不斷增強沿海地區可持續發展能力。