许 瑶，纪建悦，2，周婧琳

（1.中国海洋大学经济学院；2.中国海洋大学海洋发展研究院，山东青岛 266100）

随着世界人口的迅速增长，陆域空间越来越拥挤，各国加快了对海洋资源的开发和利用。海洋滩涂作为海洋资源的重要组成部分，承接陆地生态系统与海洋生态系统，是人类最早开发和利用的海域，也是海水养殖的重要养殖区域。中国海洋滩涂资源丰富，总面积为167.6 万公顷［1］，其中用来进行海水养殖的面积为58.48 万公顷［2］。但随着环境保护力度加大、深远海养殖快速发展，滩涂养殖比例呈下降趋势，经计算，2003 到2019 年海洋滩涂养殖面积占海水养殖的比重下降了33.46%［3］。同时，滩涂养殖还伴随着养殖密度过大、海域富营养化、污染严重等问题［4-6］，严重制约了海水养殖高质量发展。中国是一个人口众多的国家，自古以农业为立国之本，以粮食自给自足为核心的粮食安全问题一直受到政府高度重视。21 世纪以来，随着国民饮食结构调整，耕地及淡水资源短缺，中国海水养殖产业迅速发展［7］。自1983 年以来，中国海水养殖产量整体呈现持续增长趋势，从最初93.78 万吨（调整后产量）增长到2019 年2 027.78 万吨，增长率达2 062.27%［8］。中国近几十年来海水养殖的快速发展，满足了人们对海产品的需求，为经济发展作出了巨大贡献［9］。在此背景下，研究滩涂养殖对海水养殖绿色全要素生产率增长的影响，对于调整海水养殖方式，提升滩涂养殖效率，推进“蓝色粮仓”建设，实现海水养殖高质量发展具有重要现实意义。

从国内外文献检索结果来看，关于海水养殖的研究主要集中在海水养殖发展现状、生态环境、政策演变等方面，而关于海水养殖绿色全要素生产率的研究文献较少。如廖凯等［10］认为中国海水养殖目前主要受自然条件影响；张荧楠［11］认为海水养殖业仍存在全产业链布局不足、组织化水平低、核心技术缺失和成果转化不力等不足；曹英志等［12］、侯娟等［13］、徐杰等［14］认为由于陆域污染物排放、近浅海区域空间受限等原因，深远海海域养殖是必然趋势；岳冬冬等［15］通过构建海水养殖业绿色发展评价指标体系，验证了产品绿色指标是制约海水养殖业绿色发展评价的主要因素；包樱钰等［16］、张懿等［17］认为海水养殖业存在抗生素使用不当、海域污染严重等问题，孙康等［18］则认为发展碳汇渔业有利于生态环境修复和保护；Yu 等［19］认为在海水养殖政策的支持下，中国的海水养殖取得了长足的发展。在海水养殖效率测度方面，纪建悦等［20］、Ji 等［21］分别运用DEA 模型对海水养殖效率进行了测度；李杨等［22］运用DEA 模型对中国海水贝类养殖的全要素生产率进行了测度。关于滩涂养殖方面的研究，大部分学者研究重点主要为滩涂养殖区的环境评价，而具体研究滩涂养殖对海水养殖影响的文献很少。如张博等［23］对滩涂增养殖区重金属污染进行了评价，结果表明整个研究区域都属轻微生态危害,且靠近排污口的区域生态危害程度较重；杨红生等［24］、吴鹏等［25］对滩涂贝类养殖进行了研究，认为高密度的海水养殖必然会对生态系统产生不良影响。关于绿色全要素生产率测度方法，多数学者主要运用DEA 模型和SFA 模型进行测度，当产出指标涉及非期望产出时，DEA 模型应用更为广泛［26］。许冬兰等［27］、杨传喜等［28］分别运用SBM-Malmquist 指数、DEA-Malmquist 指数测度了近海捕捞业的低碳全要素生产率、农业全要素生产率；韩剑尘等［29］、向小东等［30］、杜康等［31］分别运用DEA—Malmquist 指数测度了物流企业、工业企业的全要素生产率；张伟科等［32］、邵汉华等［33］、沈肇章等［34］分别运用SBM-Luenberger 指 数、全 局Malmquist-Luenberger指数（GML）、DEA-Malmquist 指数对中国各地区绿色全要素生产率进行了测算。

基于此，本文借鉴研究较为成熟的SBM-GML模型，并将其应用到海水养殖绿色全要素生产率测度，拓展其应用范畴；同时从海域资源合理利用角度，针对性地研究滩涂养殖对海水养殖绿色全要素生产率的影响，丰富海域研究内容。根据海水养殖自身特点以及数据可获得性，本文选取2008—2018 年中国沿海10 个省（自治区、直辖市）作为研究对象，在考虑非期望产出的情况下运用SBM-GML 模型测度海水养殖绿色全要素生产率，进一步检验滩涂养殖对海水养殖绿色全要素生产率的影响，并提出相应对策建议。本文力求解决以下问题：海水养殖绿色全要素生产率如何测度？滩涂养殖作为海水养殖重要组成部分，对海水养殖可持续发展是否有影响？产生了何种影响？如何对其进行改善？对于这些问题的解决，具有较强的现实应用价值。

1 研究模型

1.1 SBM 模型

本文采用非参数法的DEA 模型，通过构建数据的生产前沿面来测算决策单元的效率。传统的DEA模型忽略了松弛变量的影响，不能准确测算含有非期望产出的效率值，因此，运用Tone［35］提出的非径向、非角度SBM 模型，能够弥补不足，同时还避免径向和角度的不同带来的偏差，使测算结果与实际生产更为符合。考虑了非期望产出的SBM 测度模型为［32］：

1.2 Global Malmquist—Luenberger（GML）指数模型

Global Malmquist—Luenberger（GML）指数是由传统的ML 指数改进而来［36］，能够对效率进行跨期比较。本文利用GML 指数对海水养殖绿色全要素生产率进行动态分析，期到的GML 指数为：

1.3 计量模型

为识别滩涂养殖对海水养殖绿色全要素生产率增长的影响，设定计量模型见式（3）。考虑到滩涂养殖面积增加或减少不是一蹴而就，当期滩涂养殖面积变化所引起的海水养殖期望产出与非期望产出变化在时间上具有滞后性，因此，对核心解释变量滩涂养殖进行滞后一期处理与现实更为符合。引入带有滞后解释变量的计量模型为：

式中：i和t分别为沿海10 省份和年份指标，gtfp 为养殖海域绿色全要素生产率增长率，impit-1为核心解释变量，代表前一期的滩涂养殖面积占比，X为一组控制变量。

2 指标选取与数据来源

2.1 指标选取

（1）被解释变量：绿色全要素生产率（gtfp）。本文参考既有文献及数据的完整性，将资源要素投入、期望产出和非期望产出纳入测算框架。其中投入指标方面：1）海域面积投入（mar）：选取各沿海省份海水养殖面积，具体包括海上养殖、滩涂养殖和其他养殖面积。2）劳动力投入（mlf）：选取年鉴中从事海水养殖的专业人员数量。3）资本投入（mci）：借鉴王金田等［37］对农业资本存量估算的研究思路，采用永续盘存法对海水养殖资本存量进行估算。4）饲料与苗种投入（mfs）：用于海水养殖生产的饲料与苗种投入数据无法直接得到，因此本文选取年鉴中用于渔业生产的饲料与苗种投入进行估算，用渔业饲料与苗种费用乘海水养殖总产值与渔业总产值比值。产出指标方面:1）期望产出（meo）：选取各沿海省（市、自治区）海水养殖产值表示。2）非期望产出（mueo）：借鉴纪建悦等［38］研究，估算海水养殖业氮、磷、COD 的等标污染物产出量。具体变量指标如表1 所示。

表1 海水养殖绿色全要素生产率相关指标及说明

（2）核心解释变量：滩涂养殖（imp）。本文滩涂养殖主要指利用位于海边潮间带的软泥或砂泥地带加以平整，筑堤、建坝等进行海水养殖［39］，以滩涂养殖面积占海水养殖面积比值作为核心解释变量。

（3）其他控制变量：参考既有文献，并结合海水养殖自身特点，选取养殖结构（mst）、海上养殖水平（mbl）、深海养殖水平（dml）、工厂化养殖水平（fml）、推广人员密度（esd）、经济发展水平（edl）作为本文控制变量。

2.2 数据来源

本文鉴于数据可获得性，选取从事海水养殖生产的10 个沿海省份为研究对象，分别为辽宁省、河北省、天津市、山东省、江苏省、浙江省、福建省、广东省、广西壮族自治区和海南省，对其2008—2018 年的相关数据进行绿色全要素生产率测算。相关数据来自《中国渔业统计年鉴》《中国海洋统计年鉴》《中国统计年鉴》《中国农业统计年鉴》《第一次全国污染源普查水产养殖业污染源产排污系数手册》。变量描述性统计结果如表2 所示。

表2 变量描述性统计

3 结果与分析

3.1 海水养殖绿色全要素生产率测度

本文运用MaxDEA7 软件，基于SBM-GML 模型，测度了海水养殖绿色全要素生产率的增长率，测算结果如图1 所示。结果显示，2008—2018 年海水养殖绿色全要素生产率变化在0.90～1.15 之间波动，2009 年生产率增长率最低为0.907，在2011 年达到最高值1.139，2012 年和2016 年海水养殖绿色全要素生产率增长率降低，且小于1，表明全要素生产率呈下降趋势，从整体看其变动趋势为波动上升。技术进步变化同绿色全要素生产率的变化趋势相似，而技术效率变化较小，总体呈现波动下降趋势。海水养殖绿色全要素生产率变化2018 年较2009 年提高了20.73%。其中，技术进步变化提高了22.33%，技术效率变化下降了1.3%。表明海水养殖全要素生产率的增长主要源自海水养殖技术进步的影响，而技术效率制约了全要素生产率的增长。由此反映出，海水养殖绿色全要素生产率的提升得益于海水养殖的新技术、新设备，研究阶段海水养殖技术的研发、推广、应用的成效显著。然而现代海水养殖单纯依靠技术进步可能难以实现高质量发展，需通过加强管理水平、改变养殖模式、调整养殖结构等方式，提高海水养殖技术效率，以推进海水养殖可持续发展。

图1 我国10 省份海水养殖绿色全要素生产率及分解指数变化

3.2 海水养殖绿色全要素生产率区域差异

沿海10 省份海水养殖绿色全要素生产率变化均值如图2 所示。从区域角度分析，地区间海水养殖绿色全要素生产率差异明显，总体呈现各沿海地区不平衡特征。广东、浙江的海水养殖绿色全要素生产率均值明显高于其他地区，而辽宁、天津、河北的全要素生产率最低，呈现显著的南高北低格局。中国海域面积广阔，南北跨纬度较大，各地区海水养殖因水域条件、气候、经济等方面的差异导致海水养殖生产中的投入要素不同，进而导致区域间海水养殖绿色全要素生产率存在差异。

图2 我国10 省份海水养殖绿色全要素生产率

3.3 滩涂养殖对海水养殖绿色全要素生产率影响的计量分析

对模型式（3）进行检验，结果表明模型存在异方差和截面相关，为克服模型存在的异方差和截面相关问题对实证结果的扭曲，本文采用可行的广义最小二乘估计（FGLS）进行实证分析，验证滩涂养殖对海水养殖绿色全要素生产率增长的影响，结果如表3 所示。结果显示，滩涂养殖的系数为-0.105 9，且在1%的显著性水平上显著。可以判定，当滩涂养殖面积比例上升时，会阻碍海水养殖绿色全要素生产率增长，反之，有助于推动绿色全要素生产率增长。从控制变量看，表3 显示养殖结构、海上养殖水平、工厂化养殖水平对海水养殖绿色全要素生产率增长有负向影响，其中除了工厂化养殖水平不显著外，其他均在1%的显著性水平上显著。深海养殖水平、推广人员密度、经济发展水平对海水养殖绿色全要素生产率增长的影响显著为正，说明这三个控制变量的增加可以促进绿色全要素生产率的提高。

表3 滩涂养殖对海水养殖绿色全要素生产率影响的回归分析

滩涂养殖对海水养殖绿色全要素生产率增长具有负向影响，其可能原因有三点：第一，养殖种类方面，滩涂养殖以贝类养殖为优势种类［4］，养殖历史长、规模大，存在盲目增加养殖密度现象，忽略了滩涂的承载力水平。同时据研究表明，贝类密集区的生物沉降会增加沉积物的数量［25］，而当养殖规模和密度过大时，其导致的非期望产出增多，从而引起海水养殖绿色全要素生产率下降。第二，养殖方式方面，随着海岸带保护意识的增强，滩涂养殖面积不断减少，深、远海养殖逐渐成为未来发展的必然趋势，各沿海地区的资金、技术等倾向投入到深海网箱、工厂化养殖中，而目前滩涂养殖的养殖方式主要有滩涂底播养殖和滩涂池塘养殖［39］，因此滩涂养殖面积比例增加不仅没有带来绿色全要素生产率的提升，还会抑制其增长。第三，管理层面，目前滩涂养殖多为企业或者养殖户自主行为，其养殖模式粗放、养殖种类趋同、养殖设备陈旧等问题日益严重，制约着海水养殖技术效率的提升，进而影响海水养殖绿色全要素生产率增长。

4 结论

本文利用2008—2018 年中国沿海10 个省（自治区、直辖市）的面板数据，采用考虑非期望产出的SBM-GML 模型，对海水养殖绿色全要素生产率进行测算，并进一步分析了滩涂养殖对绿色全要素生产率增长的影响。主要结论：

（1）2008—2018 年海水养殖绿色全要素生产率增长率在0.90～1.15 之间波动，整体变动趋势为波动上升，技术进步变化同绿色全要素生产率的变化趋势相似，海水养殖全要素生产率的增长主要源自海水养殖技术进步的影响。

（2）海水养殖绿色全要素生产率地区间差异明显，呈现各沿海地区不平衡特征。广东、浙江的海水养殖绿色全要素生产率均值明显高于其他地区，海水养殖绿色全要素生产率呈现南高北低格局。

（3）滩涂养殖对海水养殖绿色全要素生产率增长有负向影响，当滩涂养殖面积比例上升时，会阻碍海水养殖绿色全要素生产率增长。

（4）滩涂养殖对海水养殖绿色全要素生产率增长负向影响的原因可以从滩涂养殖种类、养殖方式及管理三个层面进行具体解释。

根据以上结论，提出改善滩涂养殖的相关建议：第一，高效利用已有的滩涂养殖区域。在保护生态前提下，对已开发的海洋滩涂资源进行高效利用，实现资源可持续发展。第二，积极建立滩涂复合养殖生态系统。针对区域特点，建立符合地方实际情况的复合型养殖生态系统，避免滩涂养殖中的二次污染。第三，提高对滩涂养殖的管理水平。充分发挥养殖合作社的作用，加强对养殖户及养殖企业的培训力度，实现养殖户间优势互补，提高滩涂养殖户及企业的管理水平。