李思敏 孙龙启 张迪等

关键词：水产养殖业;产业演化;灰色关联分析;岭回归;渔业经济

中图分类号：P74;F326.4;S9 文献标志码：A 文章编号：1005-9857（2022）01-0102-08

0引言

随着我国经济水平不断提升，居民生活水平得以改善，人们逐渐加大了对高蛋白、低脂肪的优质食品需求，使得我国水产养殖业逐步发展成为国家渔业的主要产业之一[1]。我国养殖水产品从1989年起，产量跃居世界第一位，2018年占世界水产养殖总量的57%以上[2]。2019年我国各类养殖水产品总产量为5079.07万t，约占全国水产品总量的78.38% 。养殖水产品在为人们提供丰富优质蛋白质的同时，也为我国的粮食安全提供了重要保障[3]。当前我国经济正处于由要素驱动、投资驱动向创新驱动过渡的新旧动能转换时期，这也对水产养殖业的转型升级提出了更高层次的要求，为此明确产业演化发展的影响因素的问题具有重要指导意义[4]。产业演化研究区别于传统经济发展研究，它基于动态视角，能够更全面准确地揭示产业动态发展的规律，对产业发展的政策制定具有重要的指导作用。因此，本研究将着重对水产养殖产业演化发展的影响因素进行探索。

综观已有研究，影响产业演化的因素主要包括技术、制度、企业家、需求、供给等。熊彼特[5]认为创新促进了产业发展、结构转变和动态竞争;Mascarenhas[6]研究表明专业化是影响产业形成和产业升级的主要因素;Carroll[7]着重研究了环境与产业发展的关系，发现环境因素是促进产业演化的关键因素[7]。Wiser等[8]、Chapman[9]分别对风电产业、化肥产业的发展进行实证分析，指出支持性政策和技术扩散也是促进产业发展的关键因素。芮明杰等[10]分析美国音乐产业发展历程，认为信息技术是促进产业发展主要因素。向吉英[11]指出产业内各个企业的竞争与协作是内部驱动产业发展的主要因素。部分学者从协同性理论出发，研究产业演化的动力机制，其中王敏[12]运用协同演化理论对产业演化的动力机制进行分析，构建了适用于分析复杂的产业演化过程的一般动力数理模型，最终得出产业内部、市场需求和组织环境的动力一起推动着我国电子及通信设备制造产业的演化。李金玲[13]综合运用协同学和灰色系统理论等学科分析方法对滨海旅游产业系统的自组织演化动力进行研究，认为滨海旅游业的发展是政府、企业和消费者3个子系统相互影响、相互制约共同推动的。李奇泳[14]采用Logistic增长模型描述了中国海洋油气的产业演化轨迹，表明海洋油气产业演化动力实质为利益驱动，追求利益激发海洋油气产业的外在动力。李英等[15]分析了不同主导模式下技术创新、制度创新与产业协同演化机理。

在理论与实践领域，产业演化影响因素的研究都已取得较大进展。产业演化主要受到资源、技术、市场和制度等4个方面的因素影响，国内外学者对于产业经济演化影响因素的研究，较集中于服务业或制造业方面，对农业演化影响因素的研究较少[16]。而水产养殖业具有广阔的发展前景及发展潜力，在我国渔业发展中具有一定的代表性。本研究结合当前水产养殖业形成与演化的实际情况，探索其演化发展的影响因素及影响机制，以期拓展产业演化影响因素的实证研究领域，同时为促进中国水产养殖产业的发展，增强水产养殖业的竞争力强化理论支撑。

1研究设计

灰色关联分析对样本量的多少以及有无规律都没有特殊要求，适合解决小样本和非线性情况下的统计问题[17]。但灰色关联分析能够对影响因素指标进行初步的筛选，并且灰色关联度仅较粗略地体现自变量对于产业演化的影响程度，无法解释自变量对因变量的影响方向，而回归分析可与之互补。回归模型能够反映变量的影响方向，且能更精确体现自变量对因变量的影响程度。因此本研究结合上述两种方法对影响中国水产养殖产业演化的因素进行研究。

1.1指标选取

参考相关文献，产量能够直观表现产业发展在市场的地位，产量增加，表明产业在生产、市场环节的优势凸显，保持着持续生产的动力[18]。因此，本研究将产量作为水产养殖产业演化的被解释变量。自变量选取从以下4个角度进行。

（1）市场因素是水产养殖业演化的外在拉力。水產养殖产业的发展离不开良好的市场环境。在市场经济背景下，市场是产业运行的根基，其中需求是推动产业演进的根本动力，产业的稳定性和发展方向也由市场需求的大小、稳定性和变化趋势决定[19]。市场中，需求能为产业内的个体提供信息和反馈，个体能据此做出新的决策，进行自我调整，从而促进产业整体的演化与发展。本研究选取城市居民人均水产品消费量来反应水产养殖业的需求，以GDP 代表历年的市场环境，作为市场因素的指标。

（2）技术因素是水产养殖业演化的内在推力。科学技术是第一生产力，产业间的科技创新是多层面的，技术进步有效提高产业的生产效率及生态效益。此外，科技进步可提高资源、劳动力及资本配置的使用效率，促进产业发展条件整体优化，再次推进产业的演化发展[20]。本研究选取可直观反映技术生产效率的单位面积产量以及侧面体现技术生产效率的技术推广人数作为技术指标。

（3）资源是水产养殖业演化发展的基础。资源为产业提供了演化发展所需的基础条件，主要划分为自然环境资源及社会资源，其中自然资源主要包括水面及土地资源、环境资源等因素;社会资源主要包括劳动力资源、设备资源、资本资源等因素[21]。本研究选取水产养殖面积、水产养殖从业人员数量、生产渔船年末拥有量以及受灾养殖面积作为资源因素的指标。

（4）制度是水产养殖演化的保障。政府在协同产业组织、技术进步和制度变迁中承担重要责任，在市场因素的作用下，整合并优化配置产业内各类资源，推动产业内各个企业形成一个协同演化的体系。而政府对产业的引导和约束等导向作用，体现在制度以及决策等政府行为上[12]。由于产业的整个生产过程都渗透着政策的影响，政策因素较难量化，本研究尝试将能够体现政策支持强度的技术推广经费支出作为政策因素纳入影响指标体系中进行测算。

受到数据可获得性限制，选取以下指标进行分析，各指标变量名称、表示符号、定义如表1所示。

1.2数据来源

受数据获得性限制，本研究选取1998—2019年数据，主要取自1999—2020年的《中国渔业统计年鉴》《中国统计年鉴》，并以国家海水鱼产业技术体系数据为补充。其中为消除物价水平对实际结果造成的通货膨胀影响，采用GDP指数对GDP以及水产技术推广经费支出的指标数据进行了平减。

1.3统计性描述

對样本变量进行统计性描述，具体数值见表2。

由表2可知，大部分变量的标准差都较大，表明数据变化趋势明显，变量间相关关系较强。

2实证分析及结果

2.1灰色关联分析

灰色关联分析法，主要计算因变量与自变量之间的关联系数，通过关联系数大小的比较确定自变量对因变量影响程度的方法[22]。若数据灰度较大或研究数据量较少，当需确定影响因变量变化的主要因素，采用灰色关联分析方法可提高主要指标选取的效率[23]。本研究通过对以上9个指标进行灰色关联分析，排除影响较小的影响因子，保留主要影响因子进入水产养殖产业演化影响因素模型。

变量Y （t ） ={Y （1 ） ，Y（ 2 ） ，…，Y（ t ） }为系统的行为特征序列（本研究选取数据的时间跨度为22年，此时t =22），自变量X（t ） = {X （1 ） ，X（2） ，…，X（t ） }i（ =1，2，…n） 为相关因素序列（由于选取9个影响因素指标，因此n=9）。

式中：Y（t）为每年水产养殖产量，X（t）为各项影响因素，t 为时间变量取值为1～22。

由于各指标因素有不同的计量单位，初始数据之间存在量纲上的差距，不便于进行比较或在比较后得到的结论偏差过大。因此，为提升分析结果的科学性，要首先对原始数据进行无量纲处理，本研究采用均值化法。均值化后的数据为：

式中：ρ为分辨系数，用来削弱Δmax过大而使关联系数失真的影响。ρ越小，分辨力越大，一般取值0<ρ<1。当ρ≤0.5463时，分辨力最优，一般取ρ=0.5。

计算关联系数。关联系数是行为特征序列与相关因素序列在各个时刻的相关程度的值，各关联系数的数值并不唯一，所以求其平均值得出关联系数：

计算结果详见表3。分析结果可知水产养殖面积、水产养殖从业人员数量、生产渔船年末拥有量、受灾水产养殖面积、单位面积产量、技术推广人员数量、GDP、城镇居民人均水产品消费量以及水产技术推广经费支出均是我国水产养殖业演化的影响因素。但上述9个因素在影响程度上存在差异，具体表现为γ>γ>γ>γ>γ>γ>γ>γ>γ。由于指标受灾养殖面积的灰色关联系数为0.6157，与其他指标的灰色关联度差距较大，所以剔除受灾养殖面积这一指标，保留余下的指标建立我国水产养殖产业演化影响因素指标体系，进行下一步回归分析。

2.2回归分析

根据所选的指标数据，建立多元线性回归模型对可能影响中国水产养殖产业演化的因素进一步实证检验，结果如下：

式中：回归系数bi（i=1，2，…，8），ε为随机误差项。运用SPSS20.0软件对数据进行回归分析，结果详见表4。

考虑到资源、技术、市场需求及政策因素等相互制约与影响，同时存在可能导致时序数据产生多重共线性问题。本研究通过VIF 值（方差扩大因子）判断各变量间是否存在多重共线性（表4），结果显示除变量城镇居民人均水产品消费量的VIF值以外的各项指标均大于10，证明自变量数据之间存在严重的多重共线性问题，得到的结果并不可靠。因此，为准确分析自变量对因变量的影响关系，解决模型存在多重共线性影响的问题，本研究采用岭回归对数据重新进行分析[24]。

岭回归分析是基于最小二乘法的改进算法，其中k 为岭回归参数，k 的取值范围是0≤k≤1，k 值越大，共线性对回归参数稳定性的影响越小，当k=0时，为无偏估计，即最小二乘法估计。当k≠0，为有偏估计，随着k 值的增大，预测方差随之增大。据此可知，k 的取值原则应为在能够消除共线性对回归分析的影响的前提下，尽可能取较小的数值[25]。岭回归分析通过损失数据中的部分信息，降低模型拟合精度，放弃无偏性，以求回归系数的显著性与稳定性。岭回归方程的R2通常低于普通回归，但回归系数的显著性通常高于普通回归，回归结果更为可靠，在数据存在共线性问题和病态数据较多的研究中的实用价值更大[26]。

分析所选数据，按照岭回归算法估计回归系数。运用SPSS20.0软件进绘制岭回归迹线图，详见图1。

由图1可知，k逐渐增大，各个自变量趋于稳定，依据测算结果确定最佳岭回归参数为k=0.09。据此求得k 为0.09时，模型的岭回归结果，详见表5。

由以上估计可知，k 取值为0.09时，F 统计量的显著性水平p=0.0000<0.05，此时表明整体来看模型显著，且各个回归系数的T 统计量显著性水平p<0.05，即自变量的回归系数都通过5%的显著性水平检验，自变量均对因变量产生显著性影响。且此时R=0.9964，意味着X，X，X，X，X，X，X，X可以共同解释产量99.64%的变化原因。因此可以认为据此建立的模型能够很好地反映各影响因素指标对水产养殖业演化发展的影响，并得到最终的估计模型：

从上述回归模型可以看出，各项影响因子的回归系数值均为正，即水产养殖面积、水产养殖从业人员数量、生产渔船年末拥有量、单位面积产量、技术推广人员数量、GDP、城镇居民人均水产品消费量以及水产技术推广经费支出均等指标对水产养殖产量产生显著的正向影响，而影响因素的回归系数由大到小依次排序为：b、b、b、b、b、b、b、b，说明城镇居民人均水产品消费量的影响最大，其次是GDP、单位面积产量、水产养殖面积、技术推广人员数量、水产技术推广经费支出、生产渔船年末拥有量，最后是水产养殖从业人员数量。需要说明是，各指标的灰色关联系数由大到小依次排序为：γ、γ、γ、γ、γ、γ、γ、γ，由岭回归模型得出的这个结论与灰色关联分析排名存在差别。原因主要是灰色关联分析为相对关联分析，计算关联度主要依靠自变量之间的关系展开，而本研究的自变量数据存在多重共线性问题，且岭回归模型解决了自变量之间的共线性问题，这就相应地改变了自变量与因变量之间的相关性。因此，直接由各变量的灰色关联系数的大小排序可能并不能完全准确地反映各个自变量对因变量的影响程度大小，即依赖该关联度排名得出的分析结论稳健性和科学性较低，但仍可以依赖关联度大小筛选出排序靠前的指标，来构建水产养殖产业演化影响因素模型的指标体系。灰色关联分析属于相对定量分析，而岭回归分析的方法为绝对定量分析，本研究结合使用两种方法，得到模型的拟合度与精度均通过了检验，说明模型结果较好地拟合了水产养殖业演化发展影响因素的实际情况。

3讨论

（1）资源要素中，养殖面积对水产养殖业的演化影响程度最高，回归系数为0.1201，说明我国水产养殖业以资源为依托，自然资源禀赋依然是水产养殖业演化的基础性因素，扩大养殖面积必然促进产量的增加。但考虑到水产养殖目前所面临的资源消耗与生态环境问题，科学地规划养殖面积及位置，对于协同提高水产养殖的经济效益和生态效益意义重大。资源因素中的专业从业人员数量虽然增长趋缓，甚至在2017—2019年出现了下降趋势，但总体依然对产业演化产生正向影响，原因可能是养殖技术的进步和养殖模式的更新换代，提高了人均生产效率，所以产量依然保持了上行趋势。生产渔船作为资源因素中的设备资源，也对水产养殖业起到正向的影响。总体来说，增加资源投入的促进作用仍然存在，但影响程度整体偏低。

（2）市场要素中，城市人均水产品消费量的回归系数高达33.5667，在整个指标体系中的影响程度最大。该因素直观地反应了市场需求对产量的影响，说明需求对水产养殖产业演化发展的拉动作用非常显著，家庭人均水产品类消费量越高，表明消费者对养殖水产品的市场需求总量越大，则对水产养殖促进作用越明显。GDP因素则反映了历年中国整个行业的发展水平，GDP平稳增长，说明养殖水产品市场所在的整体市场环境较平稳，有利于水产养殖业的演化发展。市场调控下，激发养殖生产者提升自身竞争力，促使产业主体通过采用科学的养殖技术、养殖模式和优质苗种，通过调整产业结构、产业行为及产业规模来适应市场的转变。

（3）技术要素中，单位面积产量的影响程度最高。单产越大说明养殖技术的生产效率越高，对生产的促进作用越显著。技术动力作为水产养殖业发展的内在推力，先进的育苗方式、科学的养殖技术成为中国水产养殖业发展的根本源泉，中国水产养殖业的发展实质应由单纯扩大规模的粗放型增长转变为由质量、效率与技术创新驱动增长。此外，技术推广人数反映了技术传播的效率，人数越多，技术推广范围越大，由此技术提升的产量越多，从而推进产业的发展演化。

（4）政策要素中，技术推广经费支出体现政府政策对于历年水产养殖业的扶持力度，与产业演化发展呈现显著的正相关关系，意味着政府扶持力度越大，支持性政策越有效，产业演化发展越迅速。在我国，政府对产业的引导和扶持至关重要，能够促进养殖技术发展，加速养殖技术扩散，建立健全产业发展所需的配套设施建设，提供资金支持与建立良好健康有效的市场机制。

4结语

水产养殖业的演化发展受到多项因素的综合影响，因此对水产养殖业产量及其影响因素之间影响关系进行定量分析，分析结果可知，排名靠前的2个指标城镇居民人均水产品消费量与GDP均属于市场需求因素，其次是技术因素和资源因素，最后是政策因素。当前阶段的市场需求拉动水产养殖业产量的增长和产品质量的提升。技术因素通过提升生产效率，优化产品质量，促进产业的演化发展。目前资源因素仍是我国水产养殖业演化的依托和基础。政策扶持力度是产业发展的支撑和保障，能够显著地促进水产养殖业的演化。

基于以上结论，结合水产养殖业发展的实际情况，提出如下对策建议：①做好水产品消费需求引领与管理，拓展国内国际消费市场。建议出台引导性政策，促进居民对高蛋白低脂肪水产品需求增长;加强水产品精深加工，提高水产品附加值;结合“双循环”格局的构建，开拓海外市场;加快实施品牌战略，促进水产品质量和竞争力的提升。②增加科技投入，发展养殖技术。当前阶段的技术投入应着眼于水产养殖绿色发展，推动养殖的生态化。同时，加快水产养殖相关技术的研发进程，解决苗种成活率低，配制饲料利用率不高，病虫害频发等技术“瓶颈”。继续推广深海网箱和工厂化循环水高密度养殖等高效的养殖模式，提升養殖效率，促进水产养殖业集约化生产。③加大资源保护力度，推进绿色发展。应着眼于水产养殖绿色发展，推动养殖的生态化，科学规划养殖格局。同时农业主管相关机构与渔业合作经济组织应加大宣传养殖技术培训、规范化养殖，在减少对环境负影响的同时，协同提高水产养殖的经济效益和环境效益。④着力解决养殖水产品质量安全问题。应加大水产品质量安全监管力度，加强对养殖生产者诚信意识和社会责任感的教育，积极引导养殖生产者开展绿色养殖。