长江经济带淡水渔业养殖效率时空演化特征及影响因素分析

摘要 根据2013—2022年长江经济带11个省（市）的面板数据，采用超效率SBM模型和核密度估计对该地区淡水渔业养殖效率的时空分异特征进行探究，并利用地理探测器对长江经济带淡水渔业养殖效率影响因素进行了分析。结果表明，2013—2022年长江经济带淡水渔业养殖发展态势良好，整体上呈波动上升趋势，但是内部分异较明显。其中，东部地区淡水渔业养殖效率有所下降且起伏较大，中部地区淡水渔业养殖效率下降的趋势最为明显，西部地区近年来淡水渔业养殖效率快速上升；在渔业效率中，自然环境要素驱动力＞社会经济要素驱动力＞生产投入要素驱动力。根据研究结果，对长江经济带淡水养殖渔业的发展提出对策和建议。

关键词 渔业效率；超效率SBM模型；地理探测器；长江经济带

中图分类号 S-9   文献标识码 A

文章编号 0517-6611（2025）04-0197-06

doi：10.3969/j.issn.0517-6611.2025.04.042

开放科学（资源服务）标识码（OSID）：

Temporal and Spatial Evolution Characteristics and Influencing Factors of Freshwater Fishery Aquaculture Efficiency in the Yangtze River Economic Belt

FENG Chuan ci， FANG Tian， YANG Wen tao et al

（College of Urban and Environmental Sciences， Hubei Normal University， Huangshi，Hubei 435002）

Abstract Based on the panel data of 11 provinces and cities in the Yangtze River Economic Belt from 2013 to 2022， the paper first used the super efficiency SBM model and kernel density estimation to explore the spatio temporal differentiation characteristics of freshwater fishery aquaculture efficiency in this region；then the influencing factors of freshwater fishery aquaculture efficiency in the Yangtze River Economic Belt were analyzed by using geographic detector. The results show that the development of freshwater fishery in the Yangtze River Economic Belt is good in 2013-2022， and the overall trend is fluctuating and rising， but the internal differentiation is obvious.The freshwater fishery aquaculture efficiency in the eastern region has decreased and fluctuated greatly， the decline trend of freshwater fishery aquaculture efficiency in the central region is the most obvious， and the freshwater fishery aquaculture efficiency in the western region has increased rapidly in recent years. The fishery efficiency is mainly affected by the level of natural environment，social and economic development and production input. According to the research results， suggestions and countermeasures for the development of freshwater aquaculture fisheries in the Yangtze River Economic zone are put forward.

Key words Fisheries efficiency;Super efficiency SBM model;Geographic detector；The Yangtze River Economic Belt

基金项目 湖北省资源枯竭型城市转型与发展研究中心开放基金资助项目（KF2024Y03）；湖北师范大学2024年度研究生教育教学改革研究项目（2024001）。

作者简介 冯传祠（2000—），男，湖北荆州人，硕士研究生，研究方向：区域经济。*通信作者，讲师，博士，硕士生导师，从事区域经济研究。

收稿日期 2024-04-26；修回日期 2024-07-12

我国水产品产量常年位居世界第一，是名副其实的渔业大国。淡水鱼产品是我国居民重要的食物来源，淡水养殖业的高质量发展，对构建多元化食物供给体系，保障粮食安全具有重要意义。我国学者针对渔业效率的研究成果较为丰富，梳理文献归纳如下：按养殖水域分，有海洋渔业效率^［1］、淡水渔业效率^［2］；按研究对象分，有绿色效率^［3-4］、碳排放效率^［5-6］、生产效率^［7］、技术效率^［8-9］；按空间尺度分，有全国^［10］、区域或经济带^［11］、省份^［7］、地级市^［12］等各种尺度；研究方法呈现多元化，主要包括超效率SBM模型^［13］、随机前沿生产函数模型^［14］、马姆奎斯特指数模型^［15］、Tobit模型^［16］等。例如，田鹏等^［17］运用核密度和标准差椭圆对我国渔业经济效率在空间上的聚集性，以及我国渔业经济总体分布格局特征进行了研究；朱爱方等^［18］运用泰尔指数对我国海洋渔业绿色生产效率的空间差异进行测度；李晨等^［19］利用超效率SBM模型测算了大陆28个省、市、区的渔业效率，并利用莫兰指数分析了我国渔业全要素碳排放效率的空间聚集关系。

从已有研究成果来看，有关长江经济带淡水渔业养殖效率时空演化及影响因素研究还不多见。长江经济带与我国东部沿海地区组成我国经济布局的“T”字形构架，成为我国经济发展的双引擎^［20］。同时，长江经济带气候适宜、水网密布、渔业发展历史悠久，是我国淡水渔业的主产区^［21］。因此，笔者以长江经济带为研究对象，利用超效率SBM模型和核密度估计分析该地区淡水渔业养殖效率的时空分异特征，利用地理探测器分析长江经济带淡水渔业养殖效率影响因素，对于促进长江经济带淡水渔业的均衡发展，提升该地区淡水渔业发展水平，具有一定的现实意义。

1 研究区概况与数据来源

1.1 研究区概况

2016年3月25日，中共中央政治局审议通过《长江经济带发展规划纲要》，提出了“长江经济带”区域的战略规划。该区域包括东部地区的江苏省、浙江省、上海市，中部地区的安徽省、江西省、湖北省、湖南省，西部地区的重庆市、四川省、贵州省和云南省^［22］。由于依托长江，长江经济带呈狭长走廊状分布，地势西高东低，经济发展水平则表现为东高西低。长江沿岸有丰富的水资源和渔业资源，是我国重要淡水渔业产业带（表1）。

1.2 数据来源及指标体系构建

1.2.1 数据来源。该研究所用数据来自2014—2023年《中国渔业统计年鉴》《中国统计年鉴》。

1.2.2 淡水养殖渔业效率评价指标体系构建。

根据数据的全面性、层次性、可获得性和可比性原则，该研究选取劳动力投入、土地投入、技术投入、设备投入、期望产出和非期望产出作为一级指标；淡水养殖渔业从业人数、淡水养殖面积、稻田养殖面积、水产技术推广总费用、养殖机动渔船总艘数、淡水养殖渔业总产值、灾情损失作为二级指标，见表2。

1.3 研究方法

1.3.1 非期望产出的SBM模型。

淡水渔业养殖是一个传统的经济生产过程，包括劳动力、土地、资金、技术的投入和产值收益，但同时也存在不稳定性，容易遭受洪水、台风等自然灾害的影响，即非期望产出。2001年，Tone首次提出SBM模型，该模型相较于传统的DEA模型不但引入了松弛变量的概念，能更精准地评估决策单元的效率，同时将非期望产出纳入效率评估要素，对效率的测算更加客观^［23］。此外，Tone还进一步完善了SBM模型，提出了超效率SBM模型的概念，解决了效率等于1的研究对象过多时，无法有效区分的问题，即效率值可以大于1，从而对决策单元做进一步区分和排序，超效率SBM广泛用于生态效率以及碳排放效绩等领域^［24］。超效率SBM模型公式如下^［25］：

ρ=min1-1NN n=1（Sx n/x′ k′n）1-1M+1Mm=1Sy m/y^t′ k′m+Ii=1Sb i/b^t′ k′i

s.t.

Tt=1Kk=1zt kxt kn+Sy m=x^t′ k′m（n=1，2，…，N）

Tt=1Kk=1zt kxt km-Sy m=y^t′ k′n（m=1，2，…，M）

Tt=1Kk=1zt kxt ki+Sb i=b^t′ k′i（t=1，2，…，T）

zt k≥0;Sy n≥0;Sy m≥0;Sb i≥0（k=1，2，…，K）（1）

其中：ρ是淡水渔业养殖超效率值；N是投入指标的个数；M是期望产出的个数；I是非期望产出的个数；n、m、i分别表示投入、期望、非期望产出的指标类型；t表示时间即年份；x、y、b表示松弛变量类型；Sx n、Sy m、Sb i则分别表示投入、期望产出与非期望产出的松弛变量；x^t′ k′n、y^t′ k′n、b^t′ k′n分别为投入、期望产出和非期望产出在t′年份中位于k′单元上的数值；zt k表示权重。

1.3.2 核密度估计。

核密度估计（kernel density estimation，KDE）是一种无需对数据分布作预先假设的非参数统计技术。它从数据集中提取信息，并利用平滑函数（核函数）来模拟数据的概率分布情况，通过数据的局部特征来推断其整体的分布形态。该研究采用高斯核密度估计来分析长江经济带渔业效率的时间动态演化特征。核密度估计公式如下^［26］：

f（x）=1Nh×Ni=1KX i-h

K（x）=12π×exp-x22（2）

其中：f（x）为核密度函数；K（x）为概率密度；N为观测单元个数；h为带宽；X i为样本点观测值；为各样本的观测均值。

1.3.3 地理探测器。

地理探测器是探测空间分异性以及背后驱动因素的一种常用模型。地理探测器既可以探测单因子的空间分异性，又可以探测双因子之间的因果关系。该研究通过因子探测和交互探测，来探究长江经济带渔业效率时空变化的驱动因子，以及各个因子之间的协同关系，其公式如下^［27］：