中國海洋交通運輸業綠色全要素生產率區域差異及收斂性研究

紀建悅 遲宇航 尹興民

1.中國海洋大學 經濟學院 青島266100 2.中國海洋大學海洋發展研究院 青島 266100

中國幅員遼闊，不僅擁有960 萬平方千米的陸地面積，同時擁有300 萬平方千米可管轄的海洋國土。進入21世紀后，隨著中國經濟發展與外貿需求的不斷增長，黨中央適時提出“海洋強國”重大戰略目標，將海洋經濟提升到國家戰略高度。海洋交通運輸業作為海洋經濟的重要組成部分，承擔中國90%以上的外貿貨物運輸量，產業發展取得了舉世矚目的成就，2005—2019 年增加值從945.6 億元增至6 427 億元，在國內運輸與國際貿易中發揮著不可替代的作用，有效支持了海洋經濟的迅速發展。然而不容忽視的是，在海洋交通運輸業經濟效益不斷提升的同時，由此帶來的環境問題也日益嚴重，經濟發展與環境污染的矛盾愈加凸顯。交通運輸部在2020年出臺的《關于大力推進海運業高質量發展的指導意見》中明確提出，要加快形成海洋交通運輸業高質量發展體系，促進海洋交通運輸向綠色低碳環保方向發展[1]。因此，本文將環境因素納入海洋交通運輸業效率評價體系，構建考慮非期望產出的SBM-GML 指數模型，測度中國11 個沿海省份海洋交通運輸業綠色全要素生產率，進而利用α 檢驗、絕對β 檢驗與條件β 檢驗對海洋交通運輸業綠色全要素生產率進行收斂性分析，對揭示地區海洋交通運輸業增長差異，推進區域海洋交通運輸業協調發展有著重要的理論與現實意義。

綠色全要素生產率作為衡量地區經濟增長質量與環境管理效率的重要標志，近年來受到學者的廣泛關注[2]。綠色全要素生產率強調經濟效益與環境友好的統一，從投入產出角度出發，將自然資源作為投入要素，經濟效益作為期望產出，環境污染作為非期望產出，用來反映經濟發展過程中對生態環境的影響[3]。目前國內關于綠色全要素生產率的研究方法較為多樣，王兵等運用SBM 方向性距離函數與Luenberger 生產率指標測度環境約束下中國30個省份綠色全要素生產率及其成分，并對其影響因素進行探究[4]；崔和瑞等利用隨機前沿分析與馬爾科夫鏈方法對中國36個工業行業綠色全要素生產率動態演變特征及收斂趨勢進行評價[5]；汪克亮等通過構建面板數據模型與面板分位數模型分析了經濟趕超、結構轉型對綠色全要素生產率的影響[6]；尚娟等基于中國30個省份的面板數據，利用熵值法與DDF-GML 指數測算中國新型城鎮化和綠色全要素生產率水平，其次運用系統GMM 模型考察新型城鎮化對綠色全要素生產率的影響[7]。

現階段具體到海洋交通運輸業全要素生產率的研究相對較少，多數學者從交通運輸業角度出發進行分析，采用數據包絡分析方法逐年建立生產前沿面，對交通運輸業全要素生產率進行測算。余思勤等把擴展的Malmquist 指數法引入交通運輸業全要素生產率測算，并通過指數分解分析中國交通運輸業生產率變化原因[8]；劉玉海等基于非參數DEA 法和Malmquist 指數對中國道路運輸業運輸效率進行測算[9]；高錫榮等構建投入導向的多階段可變規模報酬DEA 模型測度中國鐵路運輸業全要素生產率[10]。但隨著綠色發展理念的推廣，全要素生產率的高低已然不能反映經濟增長與可持續發展水平[11]，更多學者將非期望產出納入交通運輸業全要素生產率測算體系。在非期望產出指標選擇上，多數學者將碳排放量作為交通運輸業非期望產出指標[12-14]，在考慮非期望產出測度交通運輸業全要素生產率方面，多采用超效率SBM 模型與Global Malmquist-Luenberger（GML）指數測算交通運輸業全要素生產率變化率[15-16]。

同時，關于交通運輸業全要素生產率的收斂性分析也多從傳統分析方法展開。彭志敏等綜合運用DEA-Malmquist 指數法構建中國交通運輸業全要素生產率測算體系，并使用α 收斂與變異系數研究其收斂性[17]；李瑋等通過絕對收斂與隨機收斂性分析中國省域交通運輸業碳排放量收斂性[18]；唐建榮等通過絕對β 收斂模型對中國交通運輸業等6 個行業碳排放效率進行收斂性分析[19]。

綜上所述，現有研究對海洋交通運輸業綠色全要素生產率的測算較少，且缺少對于其收斂性的考察。基于此，本文以效率提升與綠色發展作為海洋交通運輸業研究的切入點，構建環境約束下的海洋交通運輸業綠色全要素生產率分析框架，同時探討其收斂性，以期對中國海洋交通運輸業可持續發展提供有益啟示。

1 研究方法與數據說明

1.1 SBM-GML指數模型

目前常用的綠色全要素生產率測算方法主要有隨機前沿分析法（SFA）和數據包絡分析法（DEA），其中DEA 方法由于無需考慮投入產出指標間的函數關系，且不需要對變量間關系進行事先假定，排除了主觀因素的影響，在效率評價中被廣泛應用[20]。Tone 在2001年首次提出SBM 標準模型，但無法對多個有效決策單元進行比較[21]，隨后提出的超效率SBM 模型[22]彌補了這一缺陷，但兩種模型均未將非期望產出納入指標分析中。鑒于此，本文參照Tone 的研究[23]，選擇包含非期望產出的超效率SBM 模型對海洋交通運輸業綠色全要素生產率進行測算。假設有m個決策單元DMU(K= 1,2,…,m)，每個決策單元有n種投入xi（ki=1,2,…,m）、t種產出，其中將產出分為t1種期望產出ydk(d= 1,2,…,t1)、t2種非期望產出yuk(u= 1,2…,t2)，基于模型進行判斷：

其中，ρ表示決策單元的效率值且能大于1，因而能對相同有效決策單元進行比較，sgi，s+d，s-u分別表示松弛向量，λ表示權重向量。根據（1）式可以計算出各決策單元在一定技術水平下的技術效率水平，但并不能反映出全要素生產率變化在海洋交通運輸業中的作用[24]。為此，部分學者參照Malmquist 生產率指數[25]，形成了考慮環境因素的ML 指數[26]與GML 指數[27]。在OH[27]研究的基礎上，本文構造從第t到第t+1期以產出為導向的GML指數模型，定義為：

其中，若GMLt,t+1＞1，表明從第t到第t+1 期海洋交通運輸業綠色全要素生產率增長；若GMLt,t+1＜1，說明從第t到第t+1 期海洋交通運輸業綠色全要素生產率下降；若GMLt,t+1= 1，則表明第t到第t+1 期海洋交通運輸業綠色全要素生產率不變。GML 指數可以分解為綠色技術效率（GEC）與綠色技術進步（GTC）兩個部分。

GEC與GTC進一步闡述了GML 指數變動的主要原因，GECt,t+1表示從第t期到第t+1 期海洋交通運輸業綠色技術效率變動的程度，GTCt,t+1表示從第t期到第t+1期海洋交通運輸業綠色技術進步變動的程度。當GECt,t+1與GTCt,t+1大于1 時，分別對應第t期到第t+1 期海洋交通運輸業綠色技術效率提高和綠色技術進步；當GECt,t+1與GTCt,t+1小于1 時，分別對應第t期到第t+1 期海洋交通運輸業綠色技術效率降低和綠色技術退步。

1.2 收斂性檢驗模型

現有研究中收斂性檢驗的方法主要分為絕對收斂性檢驗與條件收斂性檢驗[28]。絕對收斂性檢驗分為α收斂性檢驗和絕對β 收斂性檢驗，其中α 收斂性檢驗考察的是研究對象隨時間變化的水平趨勢，主要采用標準差、變異系數和基尼系數進行衡量[29]，若標準差隨時間變化而逐漸縮小，則認為存在α 收斂，反之不存在；絕對β 收斂性檢驗是用來考察研究對象能否從低水平地區向高水平地區演進，從而達到共同穩態值，若β值小于0，則說明存在絕對β收斂，低水平地區與高水平地區向同一個穩態水平發展。α 收斂性檢驗與絕對β 收斂性檢驗的主要區別在于前者未考慮研究對象的初始水平和不同地區的初始要素結構，而后者則假設不同地區間具有相同的初始要素結構[30]。條件收斂性檢驗主要指條件β 收斂性檢驗，是在考慮不同地區特征基礎上允許地區差異的存在，考察各地區最終是否趨向于不同的穩態水平。基于此，為研究各地區海洋交通運輸業綠色全要素生產率差異，本文將分別采用α 收斂性檢驗、絕對β 收斂性檢驗和條件β收斂性檢驗對海洋交通運輸業綠色全要素生產率進行收斂性分析。

1.2.1 α收斂性檢驗

為研究中國沿海省份海洋交通運輸業綠色全要素生產率是否會隨時間推移而逐漸縮小，本文借鑒于偉等的研究方法[31]，通過計算變異系數對海洋交通運輸業綠色全要素生產率進行α檢驗，模型為：

其中，GTFPi,t表示第i省份在第t年的海洋交通運輸業綠色全要素生產率，表示沿海省份海洋交通運輸業綠色全要素生產率在第t年的平均水平，CVt表示海洋交通運輸業綠色全要素生產率的相對差異程度。若CVt+1＜CVt，則說明沿海省份海洋交通運輸業綠色全要素生產率存在α 收斂，反之則說明沿海省份海洋交通運輸業綠色全要素生產率差異出現逐年擴大的趨勢，即不存在α收斂。

1.2.2 絕對β收斂性檢驗

絕對β 收斂是指海洋交通運輸業綠色全要素生產率較低地區對較高地區存在“追趕效應”，最終趨于相同穩態。本文借鑒張子龍等的研究方法[30]，構建絕對β收斂性檢驗模型為：

其中，GTFPi,T表示研究期第i省份的海洋交通運輸業綠色全要素生產率，GTFPi,0表示基期第i省份的海洋交通運輸業綠色全要素生產率，T表示研究期與基期的時間跨度，α與β表示待估參數，εi,t表示隨機誤差項。若得到β＜0 且通過顯著性檢驗，說明海洋交通運輸業綠色全要素生產率較低地區對海洋交通運輸業綠色全要素生產率較高地區有追趕效應，即存在絕對β收斂，反之則說明不存在絕對β收斂。借鑒潘文卿[32]與彭國華[33]的計算方法，還可以估算出收斂達到的穩態值γ、收斂速度λ以及達到收斂所需要的半生命周期T，模型表示為：

其中，t表示研究期的時間跨度，取值為13。

1.2.3 條件β收斂性檢驗

條件β 收斂性檢驗假設不同地區經濟發展水平存在差異，進而導致不同地區海洋交通運輸業綠色全要素生產率最終會趨于不同的穩態水平，同時區域間的絕對差距將會一直存在，本文借鑒區域收斂影響因素的現有研究[34-36]，在絕對β 收斂性檢驗中加入穩態控制變量，構建條件β收斂性檢驗模型為：

其中，GTFPi,t+1和GTFPi,t分別表示第i省份在第t+1 期和第t期的海洋交通運輸業綠色全要素生產率，α，β與δj為待估參數。若β＜0且通過顯著性檢驗，則存在條件β 收斂，反之則不存在條件β 收斂。Xj,t+1表示穩態控制變量，εi,t表示隨機誤差項。

1.3 變量選擇

本文以2005—2019 年中國11 個沿海省份海洋交通運輸業綠色全要素生產率為研究對象，各省級單位的投入變量主要從勞動力投入、能源投入與資本投入3 個方面考慮，分別以海上交通運輸業從業人員[8]、海洋交通運輸能源消耗量、沿海交通建設固定資產投資額表示[37]。海洋交通運輸業期望產出變量為海洋交通運輸業增加值，非期望產出變量為海洋交通運輸業各種污染物排放，由于SO2、氮氧化物、揮發性有機物等大氣污染物難以獲得相關數據進行計算，同時參照已有文獻的研究[12,38-39]，本文以海洋交通運輸業碳排放量表示非期望產出，具體計算步驟如下。

（1）計算各省份交通運輸碳排放量

考慮到中國沿海省份能源消耗表數據不一致，同時缺少電力平均低位發熱量及碳排放系數數據，因此本文將不同類能源分開計算以保證結果的準確性。

其中，Ci表示第i省份的交通運輸業碳排放總量，Eij與Uiq分別表示第i省份交通運輸業第j類與第q類能源消耗，Fj表示第j類能源的平均低位發熱量，αj表示第j類能源的碳排放系數，βj表示第j類能源的碳氧化率，Ui表示第i省份交通運輸業的電力消耗，λ表示電力折標準煤參考系數，μ表示標準煤的碳排放系數，這里采用李志學等所計算得出的0.613 98[40]。平均低位發熱量與能源折標準煤參考系數來源于《中國能源統計年鑒》，碳排放系數數據來源于《省級溫室氣體清單編制指南（試行）》，具體數值如表1和表2所示。

表1 各類能源平均低位發熱量和碳排放系數

表2 各類能源折標準煤系數

（2）計算各省份海洋交通運輸業碳排放量

其中，MCi表示第i省份海洋交通運輸的碳排放量，Qi表示第i省份海洋交通運輸的貨物周轉量，β為海洋交通運輸旅客運輸轉化為貨物運輸的轉化系數，這里取值為鄭林昌等所提出的0.125[41]，Pi表示第i省份海洋交通運輸的旅客周轉量，Ti表示第i省份交通運輸的周轉總量，Ci表示第i省份交通運輸的碳排放總量。

1.4 數據來源

鑒于數據的可獲得性，本文收集2005—2019 年中國11 個沿海省份數據，研究范圍不包括港澳臺地區，數據來源于《中國交通運輸統計年鑒》《分省統計年鑒》《中國環境統計年鑒》《中國交通年鑒》《中國海洋統計年鑒》《中國能源統計年鑒》以及Wind數據庫，部分缺失數據通過插值法補齊。

2 海洋交通運輸業綠色全要素生產率區域差異分析

本文通過Max DEA Solver7.0 軟件，運用SBMGML 指數法計算得到海洋交通運輸業綠色全要素生產率，在此基礎上分解出綠色技術效率與綠色技術進步指數，從地區差異特征與省域差異特征兩方面對沿海各省份海洋交通運輸業區域差異進行分析。

2.1 地區差異特征

為了更好地把握中國沿海地區海洋交通運輸業綠色全要素生產率的宏觀區域差異，本文根據海洋交通運輸業地區分布與產業發展狀況，并參照國家對于沿海經濟帶的劃分方法，將沿海地區海洋交通運輸業分為環渤海地區（包括遼寧、天津、河北、山東）、長三角地區（包括江蘇、浙江、上海）和泛珠三角地區（包括福建、廣東、廣西、海南），如圖1所示。其中，長三角地區海洋交通運輸業綠色全要素生產率相較于其他地區較高，說明該地區海洋交通運輸業發展較為成熟，同時增長幅度較大，從效率分解來看，主要是由于綠色技術效率指數升高引起的，說明該地區對海洋交通運輸業的綜合管理能力與技術利用能力不斷增強；環渤海地區海洋交通運輸業綠色全要素生產率處于穩定增長水平，綠色技術效率與綠色技術進步指數變動不明顯，說明環渤海地區海洋交通運輸業綠色全要素生產率尚存發展潛力；珠三角地區海洋交通運輸業綠色全要素生產率發展水平最低且增長緩慢，這主要受綠色技術效率與綠色技術進步頻繁變動的影響，說明珠三角地區在海洋交通運輸業綠色技術研發與產業管理能力上尚存在改善空間。雖然三大地區間海洋交通運輸業綠色全要素生產率水平差異較大，但總體來看還是呈現出逐步提升的良好趨勢。

圖1 中國海洋交通運輸業綠色全要素生產率及其分解

2.2 省域差異特征

從微觀省域情況分析，本文總結中國沿海省份海洋交通運輸業綠色全要素生產率運算結果，根據總體平均值進行劃分，得到結果如圖2 所示。同時為了更好地擬合中國沿海省份海洋交通運輸業綠色全要素生產率的區域差異情況，本文將各省份海洋交通運輸業綠色全要素生產率分解為綠色技術效率指數與綠色技術進步指數，以1 為臨界值作為劃分標準，構建海洋交通運輸業綠色全要素生產率空間分布框架，各省份以行政簡稱代替，得到沿海省份海洋交通運輸業綠色全要素生產率的空間分布圖，如圖3 所示。根據數值大小情況可分為4 種類型，坐標軸第一象限為綠色技術效率與綠色技術進步指數均大于1 的雙高區域（HH），第二象限為綠色技術效率小于1 且綠色技術進步指數大于1 的低高區域（L-H），第三象限為綠色技術效率與綠色技術進步指數均小于1的雙低區域（L-L），第四象限為綠色技術效率大于1 且綠色技術進步指數小于1的高低區域（H-L）。

圖2 中國沿海地區海洋交通運輸業綠色全要素生產率比較

圖3 中國海洋交通運輸業綠色全要素生產率指數分解空間分布圖

結合圖2 和圖3 進行分析，天津、上海、浙江、廣州相較于其它沿海省份處于效率領先水平，且保持逐年增長態勢，同時位于指數分解空間分布圖的第一象限，即綠色技術效率與綠色技術進步指數均大于1，說明該地區海洋交通運輸業技術研發水平與技術推廣水平均處于良好狀態，主要由于其充分發揮區位優勢，促進海陸協調發展，形成高效運輸模式，利用本地區先進的技術創新能力推動海洋交通運輸業發展；遼寧、山東、江蘇、廣西效率水平總體穩中有升且一直保持有效狀態，同時位于指數分解空間分布圖的第一象限，說明該地區海洋交通運輸業技術研發水平與技術推廣水平處于良好狀態，但相較于海洋交通運輸業發達省份在管理能力與航運技術上仍有較大提升空間；福建和河北效率水平波動明顯，在指數分解空間分布圖中位于第三象限，即綠色技術效率小于1 且綠色技術進步小于1，說明該地區海洋交通運輸業技術推廣利用水平與技術研發水平均處于較低水平，主要由于其缺乏航運科技支持企業，技術創新能力不足；海南處于發展低效水平，資源投入高，產出效率低，在指數分解空間分布圖中位于第二象限，即綠色技術進步指數大于1但綠色技術效率小于1，說明該地區海洋交通運輸業技術研發能力強但技術推廣利用水平與之不相匹配，主要受早期經濟體量小、資源環境承載力差與資源利用率低等因素的制約[42]。總體上，近年來各地區不斷發展港口經濟，提升航運物流能力，使海運業效率保持良好增長態勢。

3 海洋交通運輸業綠色全要素生產率收斂性分析

通過Stata SE 15.1軟件，運用絕對收斂性檢驗和條件收斂性檢驗模型，分別對海洋交通運輸業綠色全要素生產率進行α收斂性檢驗、絕對β收斂性檢驗和條件β收斂性檢驗，進而分析海洋交通運輸業的收斂特征。

3.1 α收斂性檢驗

根據α 收斂檢驗方法模型，本文計算了研究期內中國沿海地區以及三大海洋經濟區的海洋交通運輸業綠色全要素生產率變異系數，得到結果如圖4 所示。從中國沿海地區整體層面來看，海洋交通運輸業綠色全要素生產率變異系數波動較大，大致呈現“N”型分布，具有先發散后收斂再發散的特征，整體不存在明顯的收斂現象，說明在研究期內中國沿海地區海洋交通運輸業發展差距較大，區域發展并不協調；從區域層面來看，三大海洋經濟區海洋交通運輸業綠色全要素生產率在研究期內均未出現顯著α 收斂，環渤海地區變異系數呈現波動上升的趨勢，區域差異不斷擴大，長三角地區與泛珠三角地區變異系數與沿海地區變異系數變動相似，均呈現“N”型分布，具有先發散后收斂再發散的特征。為更好地驗證該結論，本文采用絕對β收斂性檢驗模型進行再次分析。

圖4 海洋交通運輸業綠色全要素生產率α收斂檢驗

3.2 絕對β收斂性檢驗

絕對β 收斂性檢驗表明隨著時間推移，在各地區經濟基礎與資源稟賦等條件完全相同的情況下，區域內海洋交通運輸業綠色全要素生產率能否逐漸收斂到同一穩態水平。根據絕對β 收斂性檢驗模型，本文得到檢驗結果如表3 所示。從整體層面來看，沿海地區的檢驗回歸系數β 大于0，并通過在1%水平下的顯著性檢驗，這說明海洋交通運輸業綠色全要素生產率增長差異在全國范圍逐漸擴大，不存在絕對收斂趨勢，與α 收斂性檢驗結果相符，發散速度為每年3.819%，穩態值為-0.022，半生命周期為18.1 年。從區域層面來看，環渤海地區、長三角地區與泛珠三角地區的檢驗回歸系數β 均大于0，并都通過在1%水平下的顯著性檢驗，說明在研究期內三大海洋經濟區均未出現絕對收斂特征，海洋交通運輸業綠色全要素生產率內部差距逐漸擴大，發散速度分別為3.949%、3.011%、4.72%，穩態值分別為-0.082、0.021、0.013，半生命周期為17.5年、23.0年、14.7年。通過絕對β收斂性檢驗結果可以認為，中國沿海地區及三大海洋經濟區海洋交通運輸業綠色全要素生產率區域增長差異將持續擴大。

表3 海洋交通運輸業綠色全要素生產率絕對β收斂檢驗結果

3.3 條件β收斂性檢驗

條件β 收斂性檢驗是在絕對β 收斂性檢驗的基礎上，考慮地區不同特征因素的差異后，區域內海洋交通運輸業綠色全要素生產率是否會收斂到各自的穩態水平，而不是相同的穩態水平。因此，本文選取經濟發展水平（Eco）、外貿水平（For）、貨運距離（Fre）[37]、碼頭長度（Whf）和工業化水平（Inl）[43]5 個影響因素作為穩態控制變量，具體說明如表4所示。

表4 海洋交通運輸業綠色全要素生產率條件β收斂穩態控制變量說明

條件β 收斂性檢驗結果如表5 所示，與絕對β 收斂性檢驗結果類似，在研究期內，沿海地區及三大區域海洋交通運輸業綠色全要素生產率均未呈現顯著的收斂趨勢，β 系數均為正，說明中國海洋交通運輸業均衡綠色發展的目標在短期內難以實現，同時由于控制變量的加入，造成模型運算結果相較于表3 差異顯著，全國和三大區域的條件β 收斂性檢驗模型的R2均有所提高，表明條件β 收斂性檢驗比絕對β 收斂性檢驗更具有解釋能力[44]。

表5 海洋交通運輸業綠色全要素生產率條件β收斂檢驗結果

從經濟發展水平和對外貿易水平來看，人均可支配收入與進出口額占國內生產總值（GDP）的比重對沿海地區海洋交通運輸業綠色全要素收斂的影響并不顯著，說明地區間經濟發展水平與對外貿易水平的差異對海洋交通運輸業綠色全要素生產率差異的影響無法判斷，需要后續研究考證。

從貨運距離來看，貨物運輸距離的增加對沿海地區整體海洋交通運輸業綠色全要素生產率收斂具有顯著抑制作用，其中對環渤海地區和長三角地區影響分別在10%和5%水平上顯著，但對泛珠三角地區影響并不顯著。這主要由于環渤海地區與長三角地區的部分省份（直轄市）會受到內河航運的制約，船舶不斷停靠產生大量能源消耗，不利于海洋交通運輸業綠色全要素生產率的提高，而上海、天津則因其遠洋貿易的發展，有效避免了短途內河航運的影響，遠洋航運的增加會提高貨運距離，進而減少能源消耗，帶來海洋交通運輸業綠色全要素生產率的提高，由此導致區域內海洋交通運輸業綠色全要素生產率差距不斷拉大。

從碼頭長度來看，碼頭長度的增加對環渤海地區海洋交通運輸業綠色全要素生產率收斂具有顯著的抑制作用，這主要由于環渤海地區不同省份海洋交通運輸業生產要素的利用能力不同，當碼頭長度作為生產要素投入增加時，部分省份受制于當地要素利用效率與技術水平的制約，導致海洋交通運輸業綠色全要素生產率水平增長不明顯，而天津則得益于先進生產技術與科技人才的集聚，生產要素投入的增加會大大提高本地區海洋交通運輸業綠色全要素生產率，因此增加碼頭長度會使區域內海洋交通運輸業綠色全要素生產率差距不斷擴大。

從工業化水平來看，第二產業產值占比增加對沿海地區與長三角地區海洋交通運輸業綠色全要素生產率收斂具有顯著的促進作用，對環渤海地區與泛珠三角地區影響并不顯著。究其原因在于海洋交通運輸業隸屬第二產業，其發展與第二產業產值占比密切相關，適當增加第二產業產值占比有利于縮小地區間海洋交通運輸業差異，而長三角地區發展是以服務業為主的第三產業推動模式，工業化水平的提高有利于促進海洋交通運輸業綠色全要素生產率水平低的省份對海洋交通運輸業綠色全要素生產率水平較高的省份的追趕效應，進而對海洋交通運輸業綠色全要素生產率收斂起到促進作用。

4 研究結論

本文通過收集2006—2019 年中國11 個沿海省份的面板數據，運用SBM-GML 指數模型對海洋交通運輸業綠色全要素生產率進行測算并分解，同時將沿海省份劃分為環渤海地區、長三角地區和泛珠三角地區，從時間演進特征與區域差異特征兩方面比較地區差異，然后分別利用α 檢驗、絕對β 檢驗與條件β 檢驗對海洋交通運輸業綠色全要素生產率進行收斂性分析，得到主要結論如下。

總體來看，中國海洋交通運輸業綠色全要素生產率整體保持逐年增長的態勢，同時出現一定的波動性。在區域層面上，中國海洋交通運輸業綠色全要素生產率區域差異明顯，海洋交通運輸業綠色全要素生產率水平由長三角地區、環渤海地區和泛珠三角地區依次遞減，其中綠色技術效率指數升高是引起長三角地區海洋交通運輸業綠色全要素生產率變化的主要原因，而環渤海地區綠色技術效率與綠色技術進步變動不明顯導致其海洋交通運輸業綠色全要素生產率處于平穩增長狀態，珠三角地區海洋交通運輸業綠色全要素生產率水平最低且增長速度緩慢，這主要受綠色技術效率與綠色技術進步交替變動的制約。在收斂性分析上，中國11 個沿海省份及環渤海地區、長三角地區、泛珠三角地區海洋交通運輸業綠色全要素生產率均未呈現顯著的絕對收斂與條件收斂趨勢，表明中國海洋交通運輸業均衡發展的目標短期難以實現，地區間海洋交通運輸業綠色全要素生產率差距將長期存在。