养殖面积和劳动力对中国海水养殖产出的贡献度研究——基于沿海省 （市、 区） 面板数据的分析

蒋逸民， 慕永通，姚丽娜

（1.浙江海洋学院 管理学院， 浙江 舟山 316000； 2.中国海洋大学 水产学院， 山东 青岛 266003）

【产业经济】

养殖面积和劳动力对中国海水养殖产出的贡献度研究
——基于沿海省 （市、 区） 面板数据的分析

蒋逸民1， 慕永通2，姚丽娜1

（1.浙江海洋学院 管理学院， 浙江 舟山 316000； 2.中国海洋大学 水产学院， 山东 青岛 266003）

选用面板数据，研究海水养殖中要素投入对产出的贡献。首先对要素产出弹性作均值估计，进而采用分位数回归研究不同产出水平下养殖面积和专业从业人员数量增加对投入的贡献，最后根据研究结果提出了相应的政策建议。结果表明：海水养殖面积每增加1%， 会带来海水养殖产量增加 0.38%； 而专业从业人员每增加 1%， 则带来海水养殖产量增加 0.84%。 不论一个地区养殖产出水平高低变化如何，专业从业人员的产出贡献都较大且较为稳定，而海水养殖面积贡献总体上低于专业从业人员，且随着产出水平的增高，其贡献亦呈持续下降趋势。

海水养殖；海水养殖面积；专业从业人员；分位数回归

引言

海水产品一直是中国水产品总量的重要组成部分。近 20年来，海水产品产量的比重呈现出下降趋势。根据中经网统计数据显示，1991 年海水产品产量占水产品总产量的 59%，至 2010 年这一比例仅为 52%，主要原因是淡水产品产量持续增加和海水产品产量中捕捞量增速趋于停滞。然而，海水养殖产量除个别年份外，均保持较为稳定的增速。2006 年起，养殖产量超过了捕捞产量，且逐步拉大了与后者的差距。2010 年海水养殖量为 1 482.3 万吨，是 1991 年的 7.78 倍，高出捕捞量 172.9 万吨，养殖量占全部海水产量的比重也由 1991 年的 24%上升为 2010 年的 53%。可见，海水养殖逐步成为海洋渔业产出的主要部分，对中国海洋渔业产量的贡献也在不断增大。

中经网统计数据同时也显示，中国沿海省市在海水养殖方面的要素投入正在大幅增加。1991—2010 年期间，海水养殖面积由 44.94 万公顷增加到 208.09 万公顷，年均增长 8.16 万公顷。2003 年海水养殖专业从业人员数量为 745 641人，2010 年增长到 819 430 人，年均增长 9 224人。研究海水养殖投入产出要素的贡献，准确测度海水养殖面积和养殖专业技术人员的贡献，可以全面掌握中国海水养殖业的发展水平，对于促进中国海洋第一产业发展，优化资源配置，具有十分重要的意义。

国外对水产养殖经济的研究，是随 20世纪60、70 年代海洋渔业资源不断衰退而逐步兴起的，水产养殖的技术经济效率问题是早期研究的一个重点。Huguenin 等人分析了网箱养殖系统的技术经济效率问题[1]；Lipschult 和 Krantz （1980）研究了牡砺养殖的最优化问题[2]；Aiken （1989）探索了三文鱼养殖的经济效率[3]；Salvages（1989）研究了挪威水产养殖业的最优规模[4]。新世纪以来，养殖业技术经济效率研究出现了一些新成果。Cinemre （2006） 等人研究了土耳其黑海罗非鱼养殖业的技术效率、配置效率及成本效率问题[5]；联合国粮农组织 （2007） 对中国、印度、孟加拉、越南、泰国、菲律宾等亚洲的个体养殖经济行为的经济效率进行了 比 较研究[6]；Asche（2009） 等人通过挪威三文鱼养殖者的抽样调查，估算了技术和配置效率[7]。国内对水产养殖业的技术和经济效率研究成果不多。研究重点主要放在养殖业经济结构，养殖者经济行为、产业政策、养殖业的环境成本与生态服务价值核算等方面。研究方法大多是定性和规范分析，缺少实证分析。

本文研究要素投入对海水养殖产出的贡献程度。试图利用面板数据分位数回归模型，探索在不同产出水平下，海水养殖的不同投入要素对产出贡献弹性系数的纵向变化规律。

1 研究框架和数据处理

1.1 研究框架

本文主体部分包括均值研究和非均值研究两个部分：其中，均值研究是利用面板数据先进行模型具体设定形式的检验，决定采取的模型，最后进行估计。非均值研究是将海水养殖产出水平划分为若干剖面，研究不同剖面要素投入对养殖产出的贡献，然后，对若干剖面同一个投入要素不同的弹性系数进行比较，归纳其中可能存在的规律，从而可以展现要素投入对养殖产出贡献的动态变化过程，研究方法为面板数据分位数回归。在此基础上得出研究结论。本文研究过程如图1所示。

图1 研究框架Fig.1 Research framework

面板数据可以消除时间序列分析受多重共线性的影响，提供了更多的信息、更少共线性、更多的变化和自由度以及更高的估计效率。但是，面板数据既包括时间序列数据也包括截面数据，所以在用面板数据进行估计时，就必须进行平稳性检验，避免出现伪回归问题。因此，在选取养殖面积和从业人员为投入变量，养殖产量为产出变量后，有必要进行面板数据单位根检验。

1.2 数据处理

本文选取的海水养殖面积指标是指利用天然海域养殖水产品的水面面积。包括海上养殖、滩涂养殖、其他养殖。海洋渔业专业从业人员指全年从事海洋渔业活动 6 个月以上或 50%以上的生活来源依赖渔业活动的渔业从业人员。其中，渔业从业人员是指全社会中 16岁以上，有劳动能力，从事一定渔业劳动并取得劳动报酬或经营收人的人员。

数据来自于 2003—2011 年的 《中国渔业统计年鉴》，实际数据为 2003—2010 年期间的沿海省（市、区） 数据。由于北京和上海市海水养殖量较多年份为0，因而将其省略，最终使用的养殖量、养殖面积和专业从业人员数量为辽宁、河北、天津、山东、江苏、浙江、福建、广东、广西和海南 10个地区的数据。

生产函数模型是投入与产出之间的关系，反映了资本、土地和劳动的投入对产出的影响。由于海水养殖投入中，固定资产投入总体较少，数据难以获得，加上采用面板数据处理可以通过差分消除遗失重要变量带来的负面效应，因此本文舍弃了海水养殖固定资产投入变量，仅考虑海水养殖面积、劳动力投入，采用传统的思路，将专业从业人员数量、养殖面积和养殖量表示成 C-D生产函数形式。为了减少异方差并且增加结果的解释性，本文对全部数据进行取对数处理，数据描述统计量如表1所示。

表1 数据描述统计量Tab.1 Data description statistics

2 研究方法

Koenker 、Bassett （1978） 提出线性分位数回归理论后[8]，分位数回归迅速得到了广泛的应用，既深化了对传统回归模型的理解，也推广了回归模型的类型及其应用，使回归模型拟合统计样本数据更加精致[9]。分位数回归强调的是，以解释变量的分位数来估计和推断因变量的分位数，通过建立分位数估计方程，来估计相应于不同分位数的解释变量系数或未知参数。

对面板数据模型采用分位数回归的方法进行参数估计时，通过将分位数回归和面板数据模型相结合对变量之间的关系进行研究，可以更好地在控制个体差异的基础上对因变量条件分布的不同分位点上各种变量之间的关系进行分析。面板数据模型可以分为混合估计模型、固定效应模型和随机效应模型三类。混合估计模型因为在不同时间和截面上均不存在显著差异，可以视为普通最小二乘模型。随机效应模型因为误差项在时间和截面上均具有相关性，一般采用广义最小二乘估计。固定效应模型由于对于不同的截面或不同的时间序列，模型的截距是不同的，则可以采用在模型中加虚拟变量的方法通过分位数回归得到参数估计量。

考虑一般面板数据模型，表达式如下：

式中：i代表不同的样本个体，t代表不同的样本观察时点，u表示随机误差项向量，β表示解释变量的系数向量，αi表示第 i个样本的不可观察随机效应。

对于上述面板模型也可采取分位数回归法进行参数估计。为此。建立以下条件分位数方程：

当 τ在 （0，1） 上 （区间） 变动时，求解加权绝对残差最小化问题就可以得到分位数回归在不同分位点上的参数估计量。最小化加权绝对残差的表达式为：

如果不用向量表示，则可以表示成下式：

式中：ρτj为与给分位数相对应的权重。

利用 Eviews软件的分位数回归功能通过迭代求解，可以很方便的对以上面板数据模型求出因变量在不同分位点水平上对应的参数估计量。采用分位数回归对要素投入产出进行估计，可以更加精确细致地得出不同产出水平下同一投入要素贡献的大小变化情况，从中发现存在的规律性。

3 实证结果

3.1 面板数据单位根检验

常用的面板数据单位跟检验方法包括 Levin检验、ADF 检验、PP 检验等，基于不同的检验原理，不同检验方法的结果可能不同。当同时采用这三种方法进行检验，若三种检验方法结果一致时，可以说明结果的信度更高。文本采用三种方法检验，可得结果如表 2。海水养殖量、养殖面积和专业从业人员数量在所有情况下都是平稳的，因此可以继续采用面板数据分位数回归模型进行进一步估计。

表2 面板数据单位根检验Tab.2 Panel data unit root test

3.2 面板数据产出弹性的估计

面板数据模型可以划分为三种形式：无个体效应的混合数据模型（不变系数模型）、变截距模型和变系数模型。为了避免由于模型形式设立造成的估计结果与所要模拟的经济现实的偏离，需要就具体的模型设立形式进行检验，常用的检验方法为构建于F统计量基础之上的协方差分析检验。此外，无论是变系数模型还是变截距模型，都有固定效应模型和随机效应模型两种形式，对固定效应和随机效应的检验可以采用Hausman 检验的方法。采用本文数据进行检验，结果表明，在应用所选样本对海水养殖投入产出模型进行参数估计时，应该选取随机效应变系数模型。结果如表3的随机效应栏所示，当海水养殖面积每增长 1%，会带来海水养殖量增加0.38%，专业从业人员每增长 1%，带来的海水养殖量增加 0.84%。为了进行比较，表 3 同时给出了混合回归结果。

表3 养殖量影响因素面板数据估计Tab.3 Panel data estimation of aquaculture influencing factors

3.3 面板数据分位数回归

为了进一步分析不同海水养殖产出水平下养殖面积和专业从业人员贡献的差距，将海水养殖产出分为 10 个分位 （τ=0.1 ～ 0.9），滞后期选为 1年，进行分位数回归估计。最后结果如表4所示。随着 τ值变大，拟 R2由 0.881 缓慢下降到 0.722，总体拟合优度水平较高，达到中等程度相关。

将所有投入要素弹性系数在不同分位情况下的结果画成折线图 （图 2），可以更清晰地看出不同投入要素在不同产出水平下要素贡献弹性系数的变化规律：

第一，专业从业人员投入产出贡献的弹性系数介于 0.8 ～ 0.95 之间，变化幅度较小，说明不论一个地区养殖产出水平高低变化如何，从业人员的产出贡献都较为稳定。大于养殖面积投入产出贡献弹性，说明相比而言，养殖人员的投入更具有规模经济性。

表4 分位数回归结果Tab.4 Results of regression quantiles

图2 不同投入要素在不同产出水平下弹性系数的差距Fig.2 Gap in the coefficient of elasticity between different input factors under different level

第二，海水养殖面积贡献的弹性系数小于0.5，总体上低于专业从业人员，可能的原因是海水养殖存在密度限制，τ≤0.4 时，弹性系数变化幅度较小，说明养殖面积的规模经济基本不变。

第三，τ＞ 0.4 时，随着产出水平的增高，养殖面积的贡献弹性呈持续下降趋势，说明养殖面积贡献越来越低。例如中低水平产出时 （τ在0.1 ～ 0.5 之间），弹性系数主要在 0.4 ～ 0.5 之间，而最高产出 （τ=0.9） 的弹性系数仅为 0.166，相差两倍多。

4 讨论与建议

通过上述回归分析结果，可以发现中国海水养殖业中，劳动力要素的贡献较高而且稳定，而具有土地要素的性质的海水养殖面积对产量的贡献降低，并且出现了下降趋势。说明了海水养殖业劳动力要素具有规模经济性，但是，养殖面积贡献度的提高受到限制，而且越发严重。结合国内海水养殖产业实际发展过程可知，养殖面积贡献度增长受限源于养殖海域水体质量的不断恶化。这涉及到如下两方面问题：

1） 养殖环境污染问题

环境监测结果表明：沿海养殖区域的主要污染包括石油污染、重金属污染和有机污染。其原因是中国海域 80%的污水和各种有害物质来源于陆地，很多海水养殖区分布在港湾和河流入海口，城市生活污水和工业废水大量排放入海，农业污水通过各种地表径流进入养殖水域，导致水体富营养化，海域富营养化是赤潮发生的物质基础。近年，海上溢油事故发生次数在增加，严重的油污给海洋生物和海洋生态环境带来巨大的危害。另外，海水池塘和滩涂养殖中的高投饵率和高水交换率的养殖方式，也致使沿岸水体生态环境恶化[10]。污染的累积直接影响了养殖物的生长和存活，导致海水养殖单位面积产量下降。

2） 养殖技术问题

国内海水池塘和滩涂贝类养殖中，长期存在养殖种类或者类群单一问题，例如滩涂贝类养殖业中养殖对象几乎全部是滤食性贝类。养殖技术较为粗放，“天种人收”、“广种薄收”，种质衰退等现象普遍存在。在采收环节，则由于不恰当的捕捞方式，导致养殖物的栖息生存环境遭到不同程度的破坏，如苏北滩涂区的文蛤，黄河三角洲的毛蛤等。这些由养殖技术带来的相关问题严重影响了单产数量。

此外，除了上述养殖环境污染、生态失衡和养殖技术停滞不前等原因，还存在宏观调控和养殖单位经营管理等等问题，这些因素的综合作用限制了中国养殖业的单位面积产量，导致了养殖面积贡献的下降趋势。

笔者认为，由于养殖面积和劳动力要素之间存在替代性，单位养殖面积所匹配的劳动力数量先是递增，然后递减。因此，针对海水养殖面积对产量的贡献度不断降低的问题，为了持续提高养殖产业效率，必须消除养殖海域水体恶化带来的限制性影响，从而实现海水养殖业内涵式增长。具体对策包括如下两个方面：

1） 加强宏观管理，完善监管法律法规体系，健全海洋生态环境保障体制

养殖生态环境的保障和改善离不开制度支持。目前，中国海水养殖相关环境问题还未得到足够重视，相关法律、法规缺失较多，海洋生态环境保护和治理缺乏有效的监管机制。必须在提高海洋环境监测水平基础上，建立健全宏观监管体系，将环境治理工作落到实处，加大环保和污染治理的公共投入，才能营造一个良好的产业环境，实现可持续发展。

2） 重视海水养殖业的科学研究，加强养殖应用技术推广

海水养殖面积贡献的提升是一项跨学科、复杂的系统工程。不仅包括养殖技术的提高和推广，还包括海洋生态环境治理技术；不仅是基础研究，还是应用技术研究；不仅涉及理、工学科研究，还涉及经济、管理、社会等学科的研究。养殖效益的提升取决于上述相关领域的综合发展。

[1] Huguenin J E and Ansuini F J.A review of the technology and economics of marine fish cage systems[J].Aquaculture，1978，15（2）：151-170.

[2] E Lipschultz and Krantz G E.Production optimization and economic analysis of an oyster （Crassostera virginica） hatchery on the Chesapeake Bay，Maryland USA，Proc[J].World Mariculture Society，1980，11：580-591.

[3] Aiken D.The economics of salmon farming in the Bay of Fundy [J].World Aquacult，1989，70（3）：11-20.

[4] Salvanes K G.The structure of the Norwegian fish farming industry：An empirical analysis of economies of scale and substitution possibilities[J].Marine Resource Economics，1989（6）：349，73. [5]H A Cinemre，V Ceyhan，M Bozog lu，et al.The cost efficiency of trout farms in the Black Sea Region，Turkey [J].Aquaculture，2006，251：324-332.

[6] FAO.Economics of aquaculture feeding practices in selected Asian countries[R].FAO Fisheries Technical Paper，2007.505. Rome.

[7] Frank Aache，Kristin H Roll，Ragnar Tveteras.Economic inefficiency and environmental impact：An application to Aquaculture production[J].Journal of Environmental Economics and Management，2009，58：93-105.

[8] Koenker R，Gilbert B.Regression quantiles.Econometrical， 1978，46（1）：33-50.

[9] Roger Koenker，Kevin F Hallock.Quantile Regression[J].Journal of Economic Perspectives，2001，15（4）：143-156.

[10] 于晓清，陈伟杰，刘天红，等.海水养殖产业的可持续发展[J].《齐鲁渔业》，2010，27（8）：50-52.

A Study on the Contributions of Input Factors to the Seawater Aquaculture Output in China—Analysis based on the panel data by coastal province

Jiang Yimin， Mu Yongtong，Yao Lina
（1.School of Management， Zhejiang Ocean University， Zhoushan 316000， China；2.Fisheries College， Ocean University of China， Qingdao 266003， China）

This paper uses panel data to study the contribution of input factors to the mariculture output.First of all it makes on output elasticity static estimation of the fators， and then analyzes different output levels under different input key contributions by Quantile Regression.The results show that： the 1%growth per breeding area will bring Marine aquaculture increased 0.38%increase in mariculture.For each growth 1%of professional employees， the sea culture output will increase by 0.84%.So the output contribution of professional employees is more significant.No matter how the region breeding output levels change， the output contribution of employees is stable.Contribution of the mariculture area is lower than that of the professional employees in general.As the output level increases， the contribution of breeding area shows a trend of consistent decline.Finally,in view of the existing problems， the authors put forward related suggestions.

Marculture； sea water breeding area； professional employees； Quantile Regression

F307.4

A

2095-1647（2013）01-0032-06

2012-09-05

现 代 农 业产 业 技 术 体系 建 设 专 项 资 金 项 目 （Supported by the earmarked fund for Modern Agro-industry Technology Research System； 浙江省社科规划项目 “舟山现代海洋渔业基地建设发展战略研究： 海洋综合开发试验区视角”（12XKGJ24）； 浙江省教育厅项目 “浙江海洋捕捞业与养殖业全要素生产率增长的比较研究” （Y201225269）

蒋逸民， 男， 讲师， 中国海洋大学博士后， 主要研究方向： 农业经济与管理， E-mail： zhoushanjym@163.com。