赵 昕，雷 亮，彭 楠，丁黎黎

（1.中国海洋大学 经济学院，山东 青岛 266100；2.西南财经大学 工商管理学院，成都 611130）

0 引言

从传统的观点看，狭义的海洋渔业指包括海水养殖、海洋捕捞在内的生产活动，属于海洋第一产业范畴，是海洋经济的重要组成部分，也是我国四大传统海洋产业之一。尽管广义的海洋渔业还包括水产育苗、渔业工业、休闲渔业等在内的上下游产业，但是水产品的捕捞、养殖等仍是海洋渔业基础的和主导的生产活动，因此本文对于海洋渔业的讨论限于狭义的海洋渔业生产领域。限定狭义的海洋渔业范畴不仅有利于具体分析海洋渔业主体经济状况，也避免了因海洋渔业相关产业归属的模糊而带来的海洋渔业数据统计口径不一致的问题。就狭义的海洋渔业而言，我国海洋渔业发展尚存在以下问题：近海水域环境污染严重，一些渔场常遭到赤潮等海洋灾害的侵袭[1]；渔业科研投入少，技术成果转化率低[2,3]；渔船、网具等生产设备老化[4]。这些因素导致了渔业生产效率的低下。为了提高海洋渔业生产效率，多数学者都认识到了海洋渔业转型升级的重要性和紧迫性[5,6]，这也是本文的出发点。

为了研究省内海洋渔业发展的区域差异，特别是区县一级的微观海洋渔业的投入产出在技术效率、规模报酬和要素利用方面的具体差异，本文选取代表性省份——山东省作为研究对象，通过分析省内不同沿海地区海洋渔业的投入产出情况，利用DEA方法测算海洋渔业发展的区域差异，进而为地方政府制定海洋渔业转型政策提供参考。

1 模型设定与指标选取

1.1 模型设定

数据包络分析（DEA）是研究不同生产部门，又称决策单元（Decision Making Unit，DMU）相对有效性的非参数评价方法。技术效率、规模报酬、要素利用率是利用DEA方法评价地区海洋渔业投入产出效率差异的三个方面。技术效率（TE）是对决策单元的资源配置能力、使用效率等多方面能力的综合评价[7]，又可分为纯技术效率（PTE）和规模效率（SE）。PTE衡量了DMU处在最优规模时投入要素的生产效率，SE衡量了DMU实际生产规模与最优规模的差距，且有关系式：TE=PTE×SE。TE、PTE、SE的取值均在0和1之间，值越大，表示效率越高，当其值等于1时被分别被称为技术有效、纯技术有效、规模有效。利用CCR模型和BCC模型可求解TE、PTE和SE。CCR模型原理如下：设n个具有相同任务、环境和目标的DMU，其输入向量X=(x1，x2…xm)T,输出向量为Y=(y1，y2…ys)T。这些DMU构成了一个参考集，在生产可能性集满足凸性、锥性、无效性和最小性的假定下，以被评价的DMU的效率θ*为目标函数，以参考集中全部DMU的效率系数为约束条件，构建投入方向的CCR模型如下：

CCR、BCC、SBM模型是DEA方法在海洋渔业投入产出应用的基础，然而它们没有剔除环境因素对渔业生产效率的影响，也没有把海洋渔业生产前沿面的随机性纳入考虑，因此需要对上述模型中可能存在的管理无效率进行检验和修正，通常采用三阶段DEA方法[12]来处理：第一阶段利用传统CCR、BCC、SBM模型计算投入冗余。第二阶段利用第一阶段求出的各要素投入冗余，构建随机前沿模型（SFA），估计管理无效率和随机噪声，并剔除掉原投入数据中的掉环境因素和随机因素，第三阶段将修正后的数据利用CCR、BCC、SBM模型再次求解。第一、三阶段与传统DEA应用无异，不再赘述。第二阶段原理如下，首先构建SFA回归模型：

其中，Yij表示第i个决策单元中第j种要素投入冗余，Z=(z1，z2…zn)T表示环境变量向量，β=(β1，β2…βn)T表示回归参数向量。Uji～N(0，σu)表示管理无效率项，一般为截断分布。Vji～N(0，σu)表示随机噪声。再利用极大似然法估计SFA模型中的回归参数β、混合误差σ0、变差率γ。再利用管理无效率公式[12]计算Uji和Vji：

其中，η是环境项和随机项的方差比值，εi=Uji+Vji

其中，Xji表示第i个决策单元中第j种投入，X*ji表示调整后的新投入，第一个括号里面代表了环境调整量，第二个括号里面代表了随机误差项的调整量。通过剔除环境和随机误差因素，即可使得所有DMU面临相同的外部环境。

1.2 指标选取

产出方面，选取海洋渔业增加值作为产出指标。该指标去除了海洋渔业总产值中多次重复计算的转移价值，能够反映海洋渔业经济活动在一定时期内所创造的价值。投入方面，选取海洋渔业从业人员和海水养殖面积作为“劳动”和“土地”投入。在“资本”方面，一些研究将渔业固定资产投资作为“资本”投入[7]，本文未予采纳。一是统计数据没有统计该指标，二是投资的滞后效应，三是固定投资是资本增量，其对产出的贡献相对于资本存量而言要小得多。渔船作为海洋渔业最主要的固定资本，直接体现了海洋渔业，尤其是远洋渔业的作业能力和装配水准。因此，相关文献改用渔船数或渔船总动力作为“资本”投入[13]。考虑到渔船大小不一，性能各异，采用渔船数量难以反映渔船的捕捞能力，故选取渔船总动力作为“资本”投入。在环境变量方面，目前的一些文献关于环境指标的选取标准没有明确的规定。一般选取影响海洋渔业生产活动但不受海洋渔业生产活动控制的重要外生变量。本文从能够显著影响到海洋渔业产出和三种投入要素出发，充分权衡数据可获得性和代表性，最终选取人均GDP（影响海洋渔业产出水平）、人均土地面积（制约海洋渔业生产空间）、人均固定资产投资额（影响海洋渔业投入水平）作为环境变量。本文采用2010年山东省7个沿海地区共35个沿海区/县统计数据，数据来源于各地统计局。表示混合误差项，φ(.)和φ(.)表示标准正态分布的分布函数和密度函数。最后利用调整公式[12]对原投入进行同质化调整：

2 山东省海洋渔业投入产出区域差异

2.1 准备阶段的数据预处理

第一阶段，在求投入冗余之前，需要保证无异常数据影响结果的可靠性，可先通过刀切法（Jackknifing method）来检验CCR、BCC、SBM模型的稳健性：逐一剔除DEA模型中有效DMU，重新测度参考集中其他DMU的效率值并排序，将DMU新的效率值与原模型比对，测算次序值间的相关系数。结果显示，相关系数均很高，表明去掉有效DMU的检验模型对DMU排序影响很小，可认为无异常数据。

第二阶段，利用第一阶段计算的投入冗余，估计SFA回归方程。由表1可知，9个SFA回归方程的似然比值均在1%的置信度下通过检验，表明半正态分布假设适用于本文选用的SFA模型。变差率γ均趋于1，说明原DEA模型存在较大的管理无效率，需要剔除环境因素和随机因素；除海洋渔业从业人员投入冗余在BBC模型下的SFA回归方程未通过参数检验，其余8个模型全部回归参数均在1%和5%置信度下通过检验，其中绝大部分回归参数在1%置信度下通过检验。这表明，本文所选用的环境变量对海洋渔业各投入要素冗余有显著影响。

表1 三种DEA模型第二阶段SFA方程回归结果

但为稳妥起见，本文仍不使用BCC模型下的SFA回归方程来调整原始数据，而选用经CCR-SFA回归方程调整后的数据测算技术效率和规模报酬，选用经SBM-SFA回归方程调整后的数据测算要素利用率。第三阶段输出结果如表2所示。

2.2 技术效率的区域差异

在技术效率方面，TE、SE区域差异性分布较为明显，且两者呈现协同分布。TE区域差异性分布主要表现在：青岛即墨、胶南两市TE值分别高于均值62.64%和112.71%，而黄岛、崂山两区仅为均值的23.89%和52.98%。烟台市11区县中，有两市TE值为1，两市略高于均值，其余7地均低于均值，其中最低的芝罘区仅为均值的35.86%。威海有三地TE值高于均值，两地TE值低于均值。东营市河口区TE值为1，而东营区、利津县、广饶县TE值低于均值。潍坊、日照、滨州辖内绝大部分地区TE值都比较低。SE区域差异性分布主要表现在：青岛市即墨、胶南两市SE值分别高于均值78.62%和94.67%，而黄岛、崂山两区仅为均值的22.16%和49.99%。烟台有6地SE值高于均值，其中长岛和蓬莱SE值为1，另外5地SE值低于均值，最低的莱山区仅为均值的0.8%。东营市河口区SE值为1，而东营区、利津县、广饶县SE值低于均值。威海经发区SE值仅为均值的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%。潍坊、日照、滨州辖内绝大部分地区SE值都比较低，且大部分低于均值。PTE分布较为集中，其均值为0.727，显著高于TE、SE均值，方差为0.044，显著小于TE、PTE方差。

表2 技术效率、规模报酬、要素利用率输出结果

综合TE、PTE、SE的分布来看，可以将山东省沿海地区海洋渔业的发展模型分为三类。一是两级分化类：这些地区辖内区县部分技术有效，处在最优生产规模上，部分技术落后、管理欠缺，包括青岛、烟台、威海。二是一枝独秀类：这些地区辖内少数区县发展较好，多数区县发展落后，代表地区是东营。三是发展落后类：这些地区辖内区县都处于技术无效和规模无效状况，包括潍坊、日照、滨州。为了缩小海洋渔业技术效率在区域间的差异，促进区域海洋渔业协调发展，应根据各地的实际情况提出改善意见。针对两级分化类地区，要提高发展滞后地区劳动力的待遇，避免人才用脚投票，同时鼓励劳动力流动，建立一对一帮扶政策，加强分化地区的交流与合作，促进周围地区渔业技术普及和管理经验的分享，缩小地区间技术、管理方面的差距。针对一枝独秀类地区，这些地区少数发展较好的区县可以看作是区域增长极，应增强增长极的扩散效应。具体而言，在周围地区适量扩大海水养殖面积、放宽海水捕捞管理政策，促进生产要素的扩散。针对发展落后类，应集中有限的资金、人才、政策等资源，重点培育具有地方特色和优势的海洋渔业发展方向和较优秀的相关企业，另外可以在海洋渔业的下游产业上寻找突破口，通过政策优惠吸引投资建立水产品加工厂、渔文化产业园，扩大下游市场容量，增进产业联动，提高海洋渔业抗风险能力。

2.3 规模报酬与要素利用率

在规模报酬方面，从RTS统计分布看，处在规模报酬不变的地区有3个，占总数8.57%，其中烟台市占2个，分别为长岛县和蓬莱市，另一个是东营河口区。处在规模报酬递减的地区共2个，占总数5.71%，分别为青岛胶南市、烟台龙口市、威海荣成市。处在规模报酬递增的地区共30个，占总数85.71%。这表明山东省超过五分之四的地区海洋渔业生产规模仍存在增加的空间。在要素利用率方面，渔船总动力利用率（UTP）均值为44.85%，UTP值在均值以下的共计22个，占总数62.86%。UTP值在80%（高利用率）以上共7个，仅占总数五分之一。海洋渔业从业人员利用率（UFW）均值68.83%，UFW值在均值以下的共计17个，占总数约一半，UFW值在80%以上共12个，占比34.29%。海水养殖面积利用率（UAA）均值60.30%，UAA值在均值以下的共计19个，占比54.30%。而UAA在80%以上共12个，占比34.29%。由此可见，三种投入要素利用率均不高，其中，渔船总动力平均利用率最低，这与渔船设备老化、环渤海地区渔业资源枯竭有关。其次是海水养殖面积利用率，长期以来，山东省海洋渔业养殖布局不合理，高密度养殖和鱼药滥用现象突出，水环境污染严重。海洋渔业从业人员平均利用率较另外两种投入高些，这与近年来渔业人才素质不断提高有关。

综合规模报酬和要素利用率可以看出，山东省大多数地区海洋渔业发展存在规模报酬递增和要素利用不足的现象，表明其海洋渔业产出水平处在长期平均总成本曲线的递减阶段，仍存在较大发展空间，应提高要素利用率使落在递减阶段的区县前移至规模报酬不变的位置。针对海水养殖面积利用率，要控制养殖规模，优化养殖结构。具体而言，在养殖规模上，要确定海水养殖容量，对海水养殖总量和密度进行控制，减少鱼药和饲料的滥用，防止养殖环境的恶化，提高水产品的质量。在养殖结构方面，可构建立体多功能的海洋养殖区域，发展生态养殖，释放海水养殖潜力；同时对单一的海水养殖管理模式进行革新，推动政府、行业、渔民协同共治，避免出现“公地悲剧”的情况。在劳动力方面，我国渔业从业人员的平均受教育年限仅为7.8年，知识水平较低，可定期进行渔业技术培训、举办渔业知识交流会，提升从业人员的操作技能和专业素养，实现知识的正外部性效应。在资本设备方面，目前较多作业渔船接近或已达到报废年限，可通过政府给予渔民补贴推动老旧渔船的更新换代；另一方面，应提高渔船的装备水平，完善渔港物资供应船舶维修等经营性服务设施。

3 结论

本文探讨了DEA方法在渔业投入产出中的应用，利用三阶段CCR、BCC、SBM模型，弥补了传统DEA方法在渔业中应用的不足。从技术效率、规模报酬、要素利用三个角度，实证测算了2010年山东省沿海地区海洋渔业的区域差异。综合TE、PTE、SE分布情况，山东省沿海地区海洋渔业发展方式可分为三类：一是两极分化类，代表地区为青岛、烟台、威海；二是一枝独秀类，代表地区为东营；三是发展落后类，代表地区为潍坊、日照、滨州。综合产业规模报酬和要素利用率来看，山东省大多数地区海洋渔业发展同时存在资源利用不足和规模报酬递增的问题，其海洋渔业产出水平处在长期平均总成本曲线的递减阶段，仍存在很大的发展空间，应通过改善养殖模式，加强渔业从业人员专业素质培养、提升渔业机械化装备水平等方式，来提高要素利用率使产出前移至规模报酬不变的水平。