海洋经济全要素生产率的空间效应研究

摘要  基于2006—2017年我国沿海省区的面板数据，采用SFA-Malmquist方法测度海洋经济全要素生产率指数（TFPC），再运用空间杜宾模型考察TFPC及其分解指数的空间效应。结果表明：TFPC与技术进步指数（TPCH）存在显著正向空间溢出效应;各影响因素对TFPC、TPCH的空间效应几乎一致，全要素生产率变动主要由技术进步导致;海洋经济发展水平、海洋产业结构水平、科研投入强度的空间效应显著为负，对外开放程度显著为正，金融发展水平的直接效应显著为负但具有正向间接效应。研究结果可为沿海省区海洋经济高质量发展提供参考。

关键词  海洋经济;全要素生产率;SFA-Malmquist;空间杜宾模型;空间溢出效应

中图分类号  S-9    文献标识码  A    文章编号  0517-6611（2022）15-0202-04

doi： 10.3969/j.issn.0517-6611.2022.15.052

开放科学（资源服务）标识码（OSID）：

Research on Spatial Effect of Marine Economy Total Factor Productivity

ZENG Ni

（School of Economics and Management， Zhejiang Ocean University， Zhoushan， Zhejiang 316000）

Abstract  Based on the panel data of 11 coastal provinces （excluding Hong Kong， Macao and Taiwan） in China during 2006-2017， the SFA-Malmquist method is used to measure the total factor productivity index （TFPC） of the marine economy， and then the spatial Durbin model is used to investigate the TFPC and the spatial effect of its decomposition index.The results show that：TFPC and technology progress index （TPCH） have significant positive spatial spillover effects;

the spatial effects of various influencing factors on TFPC and TPCH are almost the same， and changes in total factor productivity are mainly caused by technological progress;the spatial effect of marine economic development level， marine industrial structure level， and scientific research investment intensity is significantly negative， the degree of opening to the outside world is significantly positive， and the direct effect of financial development level is significantly negative， but it has a positive indirect effect.The research results can provide a reference for the high-quality development of the marine economy in coastal provinces.

Key words  Marine economy;Total factor productivity;SFA-Malmquist;Spatial Durbin model;Spatial spillover effect

随着陆地资源日趋紧缺，人类急需拓宽生存发展空间，海洋顺势成为各国竞争重点领域。我国是一个海洋大国，海洋生产总值在2007—2019年以平均10.98%的速度增长，海洋经济占国内生产总值平均比重为9.28%，海洋经济逐渐成为我国经济增长的蓝色引擎。“十四五”规划和十九大报告提出“坚持陆海统筹，发展海洋经济，建设海洋强国”“加快建设海洋强国”战略部署;同时，沿海地区也掀起“海洋强省”的建设高潮，明确了我国海洋经济致力于高质量发展的目标。然而，在全国经济增速放缓、海洋资源约束趋紧的现实背景下，为进一步经略海洋、建设海洋强国，必须加快推动海洋经济由要素投入型向质量效益型转变，着重提高经济效率。因此，研究我国海洋经济全要素生产率对于推动海洋经济高质量发展具有现实意义。

学术界将全要素生产率（TFP）广泛应用于海洋经济研究，国外相关研究主要聚焦于渔业、科技等单个海洋部门。如：Pipitone等[1]研究意大利拖网渔业TFP的影响因素;Da-Rocha 等[2]借助小型欧盟船队的渔业TFP，把握技术发展现状同时评估保护政策;Wang等[3]计算经生物量调整的美国东北地区渔业TFP，证实区分生物量增长与产出增长的重要性。至于国内，从内在机制角度，诸多学者如韩增林等[4]、关洪军等[5]、丁黎黎等[6]均强调技术进步是提升TFP的主要动力。从影响因素角度，研究方法各有差异但结论类似，显著因素基本包含了海洋经济发展水平、海洋产业结构水平、海洋科研人力资本水平、海洋政策力度等[7-9]。

以上研究成果虽然得出可供参考的重要结论，但都忽略了海洋经济全要素生产率的空间相关性。近来，国内外学者纷纷采用空间计量分析TFP[10-12]。但在海洋经济领域，考虑空间效应的文献较少。赵昕等[13-14]分别采用SBM-DEA模型与SFA模型测算海洋经济效率，并用空间计量方法深入探析影响因素。但以上两项研究都仅从空间滞后模型（SAR）和空间误差模型（SEM）中进行选择，且未测度影响因素的空间溢出效应。这与Lesage[15]主张的实际研究应考虑空间杜宾模型（SDM）或空间杜宾误差模型（SDEM）的观点不符。

此外，从测度方法上看，以上文献较多采用非参数的数据包络分析法（DEA），参数的随机前沿分析法（SFA）相对较少使用。SFA随机确定前沿面，不仅有更可靠的经济理论支撑，也考虑到随机误差与可能的干扰项[16]，由于沿海省区面临经济转型与国际冲击的复杂内外环境，不可观测的因素干扰更为突出，因此SFA在测度海洋经济整体效率方面更具优势。综上，笔者采用较少使用但更适用的SFA-Malmquist方法测度海洋经济全要素生产率指数（TFPC），并利用SDM探究影响因素对TFPC及其分解指数的空间效应，以期为我国沿海省区海洋经济高质量发展提供参考。

1 研究方法与数据

1.1 研究方法

随机前沿分析（SFA）由Battese等[17]提出，是一种参数分析方法，结合生产函数可以计算Malmquist生产率变化指数。该研究构建超越对数生产函数的具体形式如下：

lnGOPit= β0+β1lnLit+ 1 2 β3lnKit+ 1 2 β4ln2Lit+ 1 2 β5ln2Kit+β6tlnLit+β7tlnKit+β8t+ 1 2 β9t2+vit-uit

（1）

式中，GOPit表示地区i在时期t的海洋生产总值;Lit和Kit分别表示劳动力投入及资本投入;β为待估系数;t表示时间趋势;随机误差vit、非负随机变量uit分别服从正态分布与半正态分布。

利用最大似然估计方法得到式（1）的估计系数与技术效率值TE，进而测算出技术效率指数TECH与技术进步指数TPCH，再利用SFA-Malmquist指数测度TFPC，如下式所示：

TECH= TEit TEit-1

TPCH=exp{ 1 2 [ lnGOPit t + lnGOPi，t-1 （t-1） ]}

TEPC=TECH×TPCH  （2）

该研究拒绝省际同属性经济变量相互独立的假设，将空间地理权重矩阵引入面板模型，选取的SDM如下式所示：

Yit=ρ N j=1 WijYit+βX′it+

N j=1 WijθX′it+αi+νt+εit （3）

式中，Yit分别为TFPC、TECH、TPCH;X′it是k×1维解释变量，即TFPC的影响因素;β是1×k维系数向量;ρ是空间滞后系数;θ是解释变量空间滞后项的1×k维系数;α、ν、ε分别表示空间效应、时间效应及随机扰动项;Wij是基于地理距离的空间权重矩阵。

1.2 数据说明

综合考虑数据的可代表性与可获得性，劳动力投入方面，借鉴徐生霞等[18]以涉海就业人员工资总额作为衡量指标;资本投入方面，结合永续盘存法与何广顺等[19]关于海洋资本存量的估计方法估计得到。

至于海洋经济全要素生产率的影响因素，国内外学者尚未形成统一分析框架，综合参照相关文献与数据可获得性，该研究选取影响因素指标为：海洋经济发展水平（Pgop）、海洋产业结构水平（Ins）、对外开放程度（Open）、金融发展水平（Fin）、科研投入强度（Tec）[7，20-22]。分别用人均实际海洋生产总值、海洋产业高级化指数、地区进出口总额占GDP比重、海洋科技活动经费占海洋生产总值比重来表示。为消除指标间因属性不同而带来的影响以及便于比较，对解释变量进行归一化处理。此外，为剔除价格波动影响，该研究利用GDP平减指数进行消胀处理。

以上投入产出及影响因素指标所需数据主要来自《中国海洋统计年鉴》（2007—2017年）、《中国海洋经济统计年鉴》（2018年）。按照统计年鉴口径，研究区域为天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西与海南。另外，固定资产投资额、GDP指数从《中国统计年鉴》（2007—2018年）获得，年平均工资从各省区的统计年鉴中收集。各省区经纬度坐标取中值，坐标值数据来源于国家基础地理信息系统地形数据库。

2 空间效应分析

在分析空间效应之前，需要进行4项检验以选取合适的空间计量模型：①空间相关性检验。Moran’I检验结果表明TFPC与TPCH存在显著的空间相关性，且TFPC的空间相关性强于TPCH，而TECH的Moran’I检验结果不显著。②空间、时间、空间与时间效应检验。在无空间交互作用下的LR检验结果表明TFPC、TECH、TPCH空间固定效应显著性而时间固定效应不显著，说明模型仅存在显著的空间固定效应。③SDM适用性检验。基于空间固定效应模型进行LM检验与Wald检验，得出该研究运用SDM而非SAR或SEM的结论。④固定效应或随机效应检验。结合Hausman检验结果，最终确定TFPC、TPCH选取空间固定效应SDM模型，TECH选用空间随机效应SDM进行分析。表1是通过上述模型得到的部分估计结果。