考虑非期望产出的中国海水养殖业全要素生产率研究——基于Global Malmquist-Luenberger指数*

纪建悦 曾 琦

(中国海洋大学 经济学院，山东 青岛 266100)

考虑非期望产出的中国海水养殖业全要素生产率研究
——基于Global Malmquist-Luenberger指数*

纪建悦 曾 琦

(中国海洋大学 经济学院，山东 青岛 266100)

本文运用Global Malmquist-Luenberger指数方法，将海水养殖过程中的非期望产出纳入评价体系，在环境约束下对我国海水养殖业的全要素生产率进行综合评价。选取我国沿海9省份2003-2014年的数据为研究对象进行分析，发现样本期内我国海水养殖业全要素生产率自2008年起稳步提升；环渤海经济圈涨幅最大，南海经济圈的增长则略显微弱；山东省全要素生产率的增速最快，广东省生产率的提升最为缓慢，整体发展不平衡；生产率的提高主要来源于技术的进步，相对技术效率的提升作用未显现。海水养殖业的进一步发展需要在继续提高技术的同时注重效率的改进。

Global Malmquist-Luenberger指数；非期望产出；全要素生产率；海水养殖业

一、引言

中国是海洋大国，海域面积占陆地的三分之一。然而据《中国农业年鉴》《中国渔业统计年鉴》，我国2014年的海洋渔业增加值仅占农林牧渔大类的4.57%，尚存巨大的开发潜力。十八大报告明确提出“海洋强国”战略，对提高海洋资源的开发能力、发展海洋经济有了更高的要求。尤其在人口持续增长、土地资源逐年减少的今天，海洋渔业的产出增长对保障粮食供给、缓解我国人口压力的意义不言自明。海洋产业应乘势而上，把握发展的有利契机。海水养殖业作为海洋渔业的核心部分，相对于海水捕捞业，其受环境和物种丰富度的影响小，可以集中发展经济价值较高的鱼、虾、贝及棘皮类动物，其全要素生产率的高低直接关乎产业发展的前景。因此，充分利用海洋优势，提高海水养殖生产率是迫切且必要的。

目前对海水养殖业全要素生产率的研究较少，多数文献仅聚焦于海洋或渔业的范围，未对子领域直接进行讨论。研究方法可分为参数法与非参数法，参数法又可细分为三种。第一种方法即Solow余值法，Håkan Eggert和Ragnar Tveterås曾用此方法对冰岛、挪威、瑞典的渔场生产率进行了评价，[1]该方法模型简单、合乎经济原理，一经提出便广为使用。但其难免有计算误差，对技术进步外生、非体现性、希克斯中性的假定不合理，存在弊端。第二种方法为Törnqvist指数法，Daniely等人利用该种方法对三个亚洲国家对虾养殖的全要素生产率进行了比较研究，[2]Paraguas等基于Divisia-Törnqvist指数从空间角度分析了印度水产养殖业生产率的收敛性质。[3]然而Törnqvist指数法仅在超越对数形式下具备合理性，[4]研究领域因此而受限。第三种方法为随机前沿分析，戴斌等人基于超越对数生产函数形式的随机前沿模型对中国沿海地区的海洋科技全要素生产率进行了时空演化分析。[5]该方法考虑随机误差的影响，但对误差项、无效率项分布有严苛的假设，且只适用于单产出的情况。参数法受限于生产函数设定的合理性及估计结果的准确性，对数据要求量较大，使用范围有局限性。较为广泛使用的是以Malmquist全要素生产率指数方法为主的非参数法，刘洋基于DEA-Malmquist方法对我国海水养殖业的全要素生产率进行分析，[6]Li等用同样的方法分析了中国沿海经济生产率，[7]并且，该方法也被多次用于全国及各地的渔业生产率研究。[8-10]此方法无需在变量之间建立严格的函数关系，避免了因模型设置不当导致的有偏结果与结论，同时，不需要价格信息，并可以直接处理多投入多产出的问题，具有诸多优势。

然而，现有研究往往忽略了海水养殖本身产生的残饵、粪便及药物残留等对环境造成的污染，测算所得的全要素生产率无法客观反映生产关系，也有违绿色发展的理念。对此，Martinez-Cordero和Leung于2004年以含有氮、磷等物质的废水排放量作为海水养殖业的非期望产出，基于方向性距离函数对墨西哥对虾养殖的生产率进行了评价。[11]方向性距离函数巧妙地将生产过程中的“坏”产出考虑到生产率的测算中，但其非传递性、可能存在无可行解的问题亟需对模型予以修正。Oh提出的Global Malmquist-Luenberger指数在继承传统Malmquist指数的优势下能较好地解决这些问题，并将非期望产出考虑在内。[12]因此本文借鉴Global Malmquist-Luenberger指数模型，在环境约束下对海水养殖业的全要素生产率进行测度，并进一步分析生产率变动的原因。

二、研究方法

(一)考虑环境约束的方向性距离函数模型

在非期望产出弱可处置、期望产出强可处置、在生产可能性集内非期望产出为零时期望产出亦为零等假设下，Chung等提出方向性距离函数方法，将生产过程中对环境有害的非期望产出纳入生产率评价体系，[13]即：

其中，g为方向向量，此处设g=(y,-b)。其有别于传统的Shepherd距离函数期望与非期望产出必须以同比例增加的情况，要求在增加期望产出的同时减少非期望产出，具体区别见图1。

图1 距离函数示意图

A点为生产可能性集合P(x)内一点，在Shepherd距离函数下，其投入型距离函数值为OA/OB，表示期望与非期望产出同时增加OB/OA倍时能达到生产可能性边界上一点B；而在方向性距离函数下，其最优点则为C。两者存在下述关系：

可根据此关系，对传统Malmquist全要素生产率指数进行改进，得Malmquist-Luenberger(ML)生产率指数模型：

与Malmquist指数一样，Malmquist-Luenberger指数可以分解为技术效率变化指数MLEC与技术进步指数MLTC。当各项指数大于1时，分别表示生产率增长、技术效率改善、技术进步。

(二)Global Malmquist-Luenberger指数的构建

由于跨期方向性距离函数存在无可行解问题，Malmquist指数的非传递性问题仍未解决，Oh在Malmquist-Luenberger指数的基础上构建共同前沿面，从全局角度分析全要素生产率的变化。[14]全局前沿将所有时期的生产可能集包络起来，此时：

PG=P1∪P2∪…∪PT

图2展现了共同前沿的构成，其中A1、A2分别为t期及t+1期的生产点，Global Malmquist-luenberger(GML)指数不再由两种指数的几何平均表示，而是由相邻两期生产点与共同前沿的距离组成，避免了任意选择问题，同时使模型具备传递性，即：

GML也可分解为技术效率变动指数(GMLEC)及技术进步指数(GMLTC)，其中，GML与GMLEC与ML指数模型中对应指数的经济含义相似，GMLEC与MLEC的构建完全相同，但GMLTC的含义则发生变化。GMLTC不再将相邻两期前沿面直接进行比较，而是分别测算其与共同前沿的距离，用相邻期前沿面与共同前沿的距离是否缩小来判断技术提升的存在性，在图2中可以表示为B1D1与C2D2距离的比较。

图2 Global Malmquist-Luenberger全要素生产率指数示意图

当期距离函数与全局距离函数可用如下两类线性规划解决：

其中，s可分别选t及t+1期，代表不同的距离函数；z为权重向量。

三、实证分析

(一)指标选取及数据来源

劳动、土地、固定资产是农业生产过程中不可缺少的要素投入。海水养殖业隶属于农业，但有别于传统种植业。考虑到其自身特点，本文选取海水养殖面积、海水养殖劳动力、海水养殖固定资产(养殖渔船)作为投入指标，以海水养殖的增加值作为期望产出，以因海水养殖污染造成的经济损失作为非期望产出，对我国海水养殖业全要素生产率进行研究，变量设置见表1。

表1 变量定义

本文选取中国沿海进行海水养殖业生产的地区2003-2014年间的相关数据为研究对象，由于天津、上海两地的数据严重缺失，故仅对辽宁、河北、山东、江苏、浙江、福建、广东、广西及海南等九个省份海水养殖业的全要素生产率进行分析。数据全部来自各年度《中国渔业年鉴》《中国渔业统计年鉴》。因未有统计年鉴直接对由海水养殖业污染造成的损失进行度量，《中国渔业统计年鉴》中仅有受污染造成的经济损失一项，而该项损失主要源于外部污染物排放及其自身对环境的破坏。因此，本文假设各行业对环境的污染与其增加值成正比，并据此换算得出渔业污染造成的经济损失，再按海水养殖面积占总面积的比例提取海水养殖污染所造成的经济损失。另因海南省2011-2014年间该项数据缺失，本文采用指数函数对前8年的数据进行拟合，拟合优度达到0.9657，基于此进行了趋势递推。本文所涉价格单位指标均已根据GDP平减方法换算为2005年价格水平。

各指标描述性统计结果见表2。可见，我国各地海水养殖业投入、产出指标存在较大差异。

表2 变量描述性统计结果

(二)全要素生产率测算结果分析

文本借助于MATLAB R2013a软件，在环境约束下，测得描述2003-2014年间我国沿海各地区的海水养殖业生产率变动的Global Malmquist-Luenberger全要素生产率指数，并将其进一步分解为GMLTC、GMLEC，对我国海水养殖的发展情况进行阐述，并分析生产率变动的原因。

图3 2003-2014我国海水养殖业GML指数及其分解累积变化

结合Global Malmquist-Luenberger指数模型及其分解公式，可以计算得到2003-2014年期间我国沿海省份各项指数值。图3展示了样本期内各指数的累积值，反映各项指标12年的变化情况。2003-2008年间我国海水养殖业生产率平稳波动，未有明显提升；2008年后，生产率呈现大幅上升。全要素生产率总体增加了45.00%，其中技术效率改进平均上升了0.13%，技术进步提高了44.81%。究其原因，大抵与2008年之后海洋科研机构及从业人员的大幅增加(见图4)有所关联，国家陆续出台的经济转型政策也发挥了一定作用。技术效率在样本期内相对保持稳定，未有改进。这表明我国海水养殖业的全要素生产率在样本期内显著提升主要依赖于技术的革新，而非效率的变化。

<1)，且各件产品是否为不合格品相互独立．

注：数据来源于2004-2014年《中国海洋统计年鉴》《中国农业统计资料》。

图5 2003-2014各地海水养殖业GML指数及其分解累积变化

现从地区角度分析海水养殖业的生产率。图5展示了各地区各指数的平均数在样本期内的累积值，可以发现各地海水养殖业生产率增加的来源略有不同。环渤海经济圈生产率提升最大，2003-2014年间增长82.47%。这一提升主要来自技术进步，相对于各期前沿面的效率增加对生产率的提高作用甚微。东海经济圈海水养殖业的发展则接近全国平均水平，2008年后才开始攀升，其生产率的增长是由技术效率增加和技术进步两方面共同作用的结果。然而南海经济圈海水养殖业2014年的全要素生产率仅比2003年的水平高6.95%，2003-2009年间其生产率呈波动下滑，其后呈上升态势。但相对效率水平总体仍低于期初，抵消了一部分技术对生产率的促进作用，致使生产率仅有微小提升。综合来看，技术的发展是海水养殖业生产率提升过程中的关键因素，各地的角逐终归于科技的竞赛。

表3 2003-2014年各省海水养殖业GML指数及其分解几何均值

表3列出各省份Global Malmquist-Luenberger指数及其分解的几何均值的情况。可见，样本期内，除广西、海南两省的生产率在经历下降与上升后总体保持不变外，其余各沿海省份的海水养殖业全要素生产率均有提升，但其增速差异较大。其中，山东省生产率增长最快，年均上涨5.94%；广东省增幅最小，年均仅提高1.85%。在技术进步指数方面，河北省拔得头筹，年均提升6.26%；最低的为浙江省，年均增长1.85%。除浙江省外，大部分省份相对技术效率并没有明显改进，基本保持不变，广东、河北两地的技术效率变化甚至制约了生产率的发展。辽宁、浙江两省效率变化与技术进步共同促进生产率的增长，山东、江苏、福建等地的生产率提高则全部来源于技术的进步。总体上讲，技术的变革在全要素生产率发展的过程中起着举足轻重的作用，海水养殖业的又好又快发展离不开技术的创新。

四、结论

本文以我国海水养殖业沿海9省份为样本，收集其2003-2014年间各项数据，在考虑非期望产出的环境约束下构建Global Malmquist-Luenberger指数，对我国海水养殖业的全要素生产率进行了分析。结果表明：(1)2003-2014年间我国海水养殖业全要素生产率有明显提高，在2003-2008年间微小波动，其后稳步攀升；(2)环渤海经济圈的全要素生产率涨幅最大，东海经济圈紧随其后，南海经济圈的生产率总体仅有小幅提升，近年才显现出上升态势；(3)我国海水养殖业发展不平衡，山东省海水养殖业生产率的增速最快，广东省则提升最慢，年均增速相差4.09%；(4)我国海水养殖业全要素生产率的提高主要来源于技术进步，技术效率的改进对其影响微弱。我国海水养殖业的长期增长，一方面，需将科技转化为生产力，不断提高技术水平；另一方面，应着力提高管理能力，在现有技术水平下使产出最大化，力图提升效率，充分发挥技术的潜能。

[1] Håkan Eggert, Ragnar Tveterås. Productivity development in Icelandic, Norwegian and Swedish fisheries[J]. Applied Economics, 2013, 45(6):709-720.

[2] Danielv G, Trond B. A comparative study of production factors and productivity for shrimp farms in three Asian countries: Bangladesh, India, and Indonesia[J]. Aquaculture Economics & Management, 2009, 13(2):176-190.

[3] Paraguas F J, Dey M M. Aquaculture productivity convergence in India: A spatial econometric perspective[J]. Agricultural Economics Research Review, 2006, 19(2006):121-134.

[4] Diewert W E. Exact and superlative index numbers[J]. Journal of Econometrics, 1976, 4(2):115-145.

[5] 戴彬, 金刚, 韩明芳. 中国沿海地区海洋科技全要素生产率时空格局演变及影响因素[J]. 地理研究, 2015, 34(2):328-340.

[6] 刘洋. 我国海水养殖投入产出动态效率研究——基于2004-2013年9省、市面板数据分析[J]. 海洋开发与管理, 2015(12):94-99.

[7] Li J, Zhang J, Gong L, et al. Research on the total factor productivity and decomposition of Chinese coastal marine economy: Based on DEA-Malmquist index[J]. Journal of Coastal Research, 2015, 73:283-289.

[8] 于淑华, 于会娟. 中国沿海地区渔业产业效率实证研究——基于DEA的Malmquist指数分析[J]. 中国渔业经济, 2012, 30(3):140-146.

[9] 高强, 丁慧媛. 山东省渔业生产效率及其变动趋势的测算与分析[J]. 中国渔业经济, 2011, 29(4):107-114.

[10] 蒋逸民, 任淑华, 慕永通. 生产率视角下浙江海洋渔业结构的实证研究[J]. 农业经济与管理, 2013,(5):96-106.

[11] Martinez-Cordero F J, Leung P S. Sustainable aquaculture and producer performance: measurement of environmentally adjusted productivity and efficiency of a sample of shrimp farms in Mexico[J]. Aquaculture, 2004, 241(1-4):249-268.

[12] Oh D H. A global Malmquist-Luenberger productivity index[J]. Journal of Productivity Analysis, 2010, 34(3):183-197.

[13] Chung Y H, F?re R, Grosskopf S. Productivity and undesirable outputs: A directional distance function approach[J]. Microeconomics, 1995, 51(3):229-240.

[14] Oh D H. A global Malmquist-Luenberger productivity index[J]. Journal of Productivity Analysis, 2010, 34(3):183-197.

A Study on the Total Factor Productivity of China's Mariculture

责任编辑：王明舜

Considered Undesirable Outputs Based on Global Malmquist-Luenberger Index

Ji Jianyue Zeng Qi

(School of Economics, Ocean University of China, Qingdao, 266100)

Based on global Malmquist-Luenberger index model, this paper brings undesirable outputs of mariculture into the measure of total factor productivity to evaluate the performance of mariculture in China under environmental constraints. The data of nine China's coastal provinces from 2003 to 2014 is selected as the objects of study. The results show that the total factor productivity of China's mariculture has increased significantly since 2008. Meanwhile, the improvement in Bohai Economic Rim is the largest, and in the South China Sea economic circle is the least. Besides, the total factor productivity of Shandong's mariculture develops most rapidly, and that of Guangdong's moves smoothly, which reveals the unbalance of development in China's mariculture. Technological progress has become a major source of raising productivity, and technical efficiency improvement has played no role. To further enhance the productivity of mariculture, producers need to upgrade technology and promote efficiency.

global Malmquist-Luenberger index; undesirable outputs; total factor productivity; mariculture

2016-11-12

国家自然科学基金项目“蓝色粮仓背景下考虑生态环境约束的我国海水养殖业效率测度、发展模式与优化路径研究”(71573238)

纪建悦(1974- )，男，山东青岛人，中国海洋大学经济学院教授，主要研究从事国民经济学与公司金融研究。

F326.4

A

1672-335X(2017)01-0043-06