我国海域污染与渔业经济EKC关系研究

孙康++李丽丹

？眼摘 要？演近年来，我国近岸海域污染加剧，严重影响海洋经济特别是渔业经济的健康发展。文章以海洋渔业为例，基于2001～2014年我国四大海域水质污染状况和沿海11省海洋渔业经济面板数据的分析，运用计量经济学模型，以三次EKC模型为技术支撑，对我国海域污染与沿海各省渔业经济增长动态关系进行实证检验。结果显示：海域污染指标与渔业经济指标间关系呈“N”型或“U”型，并均处于上升阶段，表明我国海域污染状况在不断恶化并阻碍着渔业经济的可持续发展。日本自然条件恶劣、资源匮乏，却保持海域水质良好且渔业经济发达，总结其海洋经济发展的先进经验，为我国改善海域污染、增强渔业经济实力提供参考。

？眼关键词？演海域污染；渔业经济；EKC；面板数据模型

[中图分类号]F127.31；F326.4 [文献标识码] A [文章编号]1673-0461（2017）04-0090-08

21世纪是海洋的世纪，世界各国都开始加大对海洋的投入，采取各种有力措施开发和利用海洋资源，经济利益增加的同时也带来了海域水质污染、海洋生态环境失衡等问题，并随着海洋开发利用的不断深入，海域生态环境恶化的程度更加严峻。作为名副其实的海洋大国，我国四大海域重度污染和严重污染海域面积近年来不断上升，近岸海域水质未达到清洁水质标准的海域面积所占比重偏高，海水中无机氮、活性磷酸盐、重金属和石油类等影响渔业水质的污染物含量严重超标。据《2014年中国海洋环境质量公报》统计结果显示，我国近岸海域2014年未达到一类水质标准的海域面积为14.9万平方公里，比2013年增加约0.5万平方公里。其中主要污染物无机氮在全国海域点位超标率为31.2% ，超过二类水质标准限值10.5倍，活性磷酸盐含量超标率为14.6%，超过二类水质标准限值3倍。与之对应，日本海域水质清洁度远超中国，2013年日本河流近半水质达标，湖沼海域水质达标率更是高达90%。我国海域水质环境恶化直接对海洋渔业产生严重负面影响，阻碍了渔业经济的可持续发展。中国作为世界第一渔业大国，渔业经济不仅是中国现代农业发展体系的重要组成部分，而且是国家海洋战略重点实施对象之一。研究海域水质污染与渔业经济发展问题，对综合治理海域污染，积极改善近岸海域环境，实现海洋渔业经济的可持续发展具有理论和实践意义。

一、文獻综述

环境库兹涅茨曲线（Environmental Kuznets Curve，简称 EKC）是描述环境污染程度与人均收入变化关系的几何曲线，[1]通过模拟人均收入与环境污染指标之间的动态演变，解释经济发展对环境污染程度的影响。[2]已有文献从多个角度对EKC和海洋渔业经济可持续发展问题展开研究，包群等[3]对我国经济增长与6类环境污染指标之间的EKC曲线关系进行了检验；刘耀林等[4]从渔业生态环境保护角度对海洋渔业可持续发展进行分析；杨卫[5]概述了在海洋渔场环境恶化、海洋渔业资源减少的大背景下日本实施海洋渔业资源增殖的具体措施及对我国的启示；张继平等[6]通过对中日海洋环境陆源污染治理的政策执行进行比较分析，得出日本的政策执行体系对我国的借鉴意义；付雁华[7]以日本海洋环境监测调查结果为依据，对日本周边海域海洋污染现状进行考察，并分析了日本海洋污染的防治对策。尽管环境库兹涅茨曲线应用广泛，但已有文献主要分析典型的环境污染物或能源消耗等与人均GDP的关系，研究海水水质污染与渔业经济增长间关系并借鉴发展良好的他国经验的文献较少。基于此，文章通过分别研究我国不同污染程度海域面积与渔业经济产值间动态关系、不同海域水质污染程度与渔民人均收入间动态关系，模拟EKC曲线的形状并确定转折点位置，对比海洋经济较为发达的日本的发展模式，分析我国黄渤海海域、东海海域与南海海域的水质污染状况和渔业经济发展状况，总结日本海洋渔业经济发展与海洋保护措施对我国的借鉴意义，为实现海域环境与渔业经济可持续协调发展提供理论支持。

二、模型方法与数据来源

1.模型设定

EKC曲线有多种函数表达形式，参考已有文献，借鉴缐文（2015）[8]的方法，选用对数线性三次方程来描述环境库兹涅茨曲线，具体的函数表达式如下：

ln（Wit）=αi+β1ln（Yit）+β2ln2（Yit）+β3ln3（Yit）+

β4ln（Zit）+εit （1）

其中Wit代表i地区在t年的海域污染指标，Yit代表i地区第t年的渔业经济指标，αi代表截面效应，Zit代表影响海域水质的其他控制变量，εit为扰动项，αi、β1、β2、β3、β4为待估参数。模型（1）中，当解释变量系数（β1、β2、β3）取值不同时，海域污染和渔业经济之间的关系曲线会呈现出不同的形状：①如果β1>0，β2<0且β3>0，则为三次曲线关系或者说呈“N”型曲线关系；②如果β1<0，β2>0且β3<0，则为倒“N”型曲线关系；③如果β1>0，β2<0且β3=0，则为二次曲线关系，即呈倒“U”型EKC关系；④如果β1<0，β2>0且β3=0，则为“U”型曲线关系；⑤如果β1≠0，且β2=0，β3=0，则二者为线性关系。

2.变量选取与数据来源

文章从3个层面分别分析海域水质污染与渔业经济之间的关系：首先，从总量上整体估计全海域水质污染面积与渔业经济总产值之间的关系，选用的经济指标是沿海地区渔业经济总产值，环境指标是严重污染海域面积，数据区间是2003～2014年。其次，重点分析沿海11省近岸海域水质污染状况与渔业经济增长的EKC曲线关系，使用沿海各省四类和劣四类水质海域所占比重（严重污染海域比重）作为海洋环境污染的代表指标，以沿海各省渔民人均收入作为经济指标，数据区间为2001～2014年。最后，考虑到海洋环境污染物主要来自陆源排放，特别是沿海11省直排入海的工业废水和生活污水，以其中主要污染物（无机氮、活性磷酸盐、石油类、重金属等）的超标率与渔民人均收入分别作为污染指标和经济指标，具体分析海域水质主要污染物超标率与渔民人均收入的EKC曲线关系，选用数据区间为2001～2014年。

文章重点研究水质污染与渔业经济的关系，选择海水养殖面积为控制变量以消除海水养殖规模对渔业经济的影响，同时借鉴熊德平（2014） [9]的方法，选用人均渔船总动力作为控制变量，以控制渔业机械化程度对渔业产出的影响。本文所用数据来源于2002～2015年的《中国统计年鉴》、《中国海洋统计年鉴》、《中国渔业统计年鉴》、《中国海洋环境质量公报》、《中国近岸海域环境质量公报》。

三、模型检验与估计

为了分别分析不同海域水质污染与沿海各省渔民人均收入之间的关系，借鉴王光升（2013） [10]的方法，首先将沿海11省作为一个整体进行研究，将沿海11省渔业经济产值之和作为经济指标数据；其次将天津、河北、辽宁、山东和江苏5省渔业产值之和作为渤黄海地区的经济数据，将上海、浙江和福建3省渔业产值之和作为东海地区的经济数据，将广东、广西和海南3省渔业产值之和作为南海地区的经济数据。

1.单位根检验

为防止数据的大幅波动或可能存在的异方差问题而给实证检验带来不利影响，首先对所有变量进行对数标准化处理，记严重污染海域比重、渔民人均收入及其平方项、立方项、海水养殖面积和人均渔船总动力为lnp、lni、ln2i、ln3i、lna和lnr，再进行单位根检验。面板数据单位根检验的方法分为相同根情形和不同根情形两大类（高铁梅等，2009），相同根（即同质单根）情形下的检验方法包括 LLC（ Levin-Lin-Chu）检验、Hadri检验和 Breitung检验；不同根（即异质单根）情形下的检验方法包括IPS检验、Fisher-ADF检验和Fisher-PP检验等。[11]本文借鉴张兵兵（2016）的方法，选用同质单位根检验中常用的 LLC检验和异质单位根检验中的 Fisher-ADF检验方法对各指标数据进行单位根检验。[12]检验结果（见表1）表明：在95%的显著性水平下，所有变量的一阶差分均平稳，即可以认为：能够通过面板单位根检验，即都是一阶单整序列。

2.数据协整检验

为了进一步检验变量间是否存在长期均衡关系，在通过了面板数据单位根检验即同阶单整后，需要对变量进行协整检验。Pedroni（1999）提出了基于Engle and Granger二步法的面板数据协整检验方法（高鐵梅等，2009）[11]，该方法的零假设为在动态多元面板回归中没有协整关系，以协整方程的回归残差为基础，通过构造 Panel vStatistic、Panel rho-Statistic、Panel PP-Statistic、Panel ADF-Statistic、Group rhoStatistic、Group PP- Statistic、 Group ADF-Statistic7个统计量来检验面板变量之间的协整关系。[13]本文借鉴 Pe-droni的检验方法，[14]检验结果（见表2）表明：所有变量的 Group PP、Panel rho、Panel PP统计量均在95%显著性水平下通过检验，可以认为变量通过面板数据协整检验，即我国近岸海域水质污染与渔民人均收入之间存在长期稳定的均衡关系。

3.模型设定检验

面板数据同时包含时间序列和截面数据信息，其参数估计的有效性较大程度上依赖于模型的设定形式，因此需要通过检验来确定模型的设定形式，即根据 F-test判断选用混合模型或者变截距模型，同时根据 Hausman检验确定选用固定效应模型或者随机效应模[15]。两类检验统计量构造如下：

F-test统计量：

F=■～F[（N-1）k，N（T-k-1）] （2）

其中S1、S2分别为变截距模型和混合模型的残差平方和，N、T分别为截面数和时期数，k为解释变量个数。在给定置信度下，如果F值小于相应的临界值，则接受原假设建立混合回归模型，反之则选择变截距模型。[11]

Hausman检验：

H=（b-■）' [Var（b-■）]-1（b-β） （3）

其中，b、β分别为固定效应和随机效应模型中回归系数的估计结果，Var（b-■）为两估计结果之差的协方差矩阵。Hausman检验的原假设为建立随机效应模型，统计量H服从自由度为k的χ2分布，其中k为回归方程的解释变量个数，在给定置信度下，如果统计值小于临界值，则接受原假设，反之则建立固定效应模型。[11]

运用Eviews6.0软件，对我国全海域、黄渤海海域、东海海域以及南海海域的模型进行估计，结果（见表3）表明：由于F检验与Hausman检验均拒绝原假设，并考虑到沿海11省的渔业经济发展状况差距较大，区域特征较为明显，因此选用变截距固定效应模型。

四、各海域EKC曲线结果分析

1.总值EKC曲线趋势分析

总值EKC曲线模型研究的是严重污染海域面积与沿海地区渔业经济总产值之间的关系，其总体变化趋势如图1。由海域污染面积与沿海地区渔业经济总产值关系曲线可知，二者关系在起伏中大致呈现“N”型，在2004年沿海11省的渔业经济总产值为5 421.65万元后海域污染面积开始减少，海域污染状况有所减轻，但2008年渔业经济总产值达到8 114.82万元后严重污染海域面积逐渐扩大，且上升趋势较为明显（虽然在2011年渔业经济总产值为11 747.54万元时，严重污染海域面积略有减少，但幅度较小并在之后又呈上升趋势），这说明海域污染范围在不断扩大。主要原因有沿岸化工园区、农业污染和生活污染等陆源排污以及海岸工程与海洋工程建设项目等造成的海域污染，大量含有化学元素的废水未经处理或处理不当而直排入海，导致赤潮灾害多发；近年来，船只泄露事件频发，大量柴油等污染物进入海洋，严重影响了海水的自净能力，使得海水质量进一步下降，直接威胁到依赖大海生存的海洋渔业的生存环境安全。另外，现有海域污染管理措施效果甚微，应该予以重视，可将沿海地区作为一个整体，以全局的观点统筹规划，制定统一海洋环境污染治理政策。

2.渔业经济相关EKC曲线实证检验

渔业经济相关EKC曲线模型研究严重污染海域比例与渔民人均收入之间的关系，根据表3的估计结果，确定了变截距固定效应的回归模型，图2～图5为各海域严重污染海域比重与渔民人均收入关系图，由此模型估计结果及关系图可得以下结论。

第一，全海域的严重污染水质比重与渔民人均收入之间的曲线关系整体大致呈现“U”型，全海域污染状况在渔民人均收入达到9 513.45元前不断改善，之后开始恶化，其中可能的原因是海洋排污监管松懈，随着海洋渔业规模的扩大和渔业经济的增加，治理和控制污染的投资并未随之增加或增加力度不够。

第二，渤黄海地区和东海地区海域严重污染海域比重与渔民人均收入曲线关系大致呈“U”型，并分别在渔民人均收入达到9 843.2元和10 465.67元后污染状况加剧。值得注意的是，东海海域无论是改善还是恶化阶段，污染程度均处于较高水平，为全国四大海域水质最差地区，特别是上海地区近岸海域严重污染水质比例长期居高不下，多年出现四类和劣四类水质比例为100%，其余年份该比例也均在70%以上，是东海海域水质污染状况加剧的主要原因。

第三，南海海域严重污染水质比重与渔民人均收入大致呈现倒“N”型关系，严重污染水质比例虽然在渔民人均收入达到8 011.67元后有所上升，但上升幅度较小，在渔民人均收入达到11 484.11元后呈现出再次下降并逐渐稳定的趋势，其中海南省近岸海域水质较优，污染状况改善良好，近几年四类和劣四类水质比例为零，广西省该比例也在较低水平趋于平稳。

3.主要超标污染物EKC曲线回归分析

运用上述模型对影响海洋渔业水质的主要污染物（无机氮、活性磷酸盐、石油类和重金属等）的超标率与沿海各地区渔民人均收入的关系进行简单回归检验，结果如表4。

综合上述五类海域水质污染物超标率指标与渔民人均收入的数据估计结果，可以总结以下主要结论：第一，海域各污染指标与渔业经济指标之间的关系并非一致，因为EKC模型的估计结果依赖于指标数据的选取以及估计方法的选择。第二，超标污染物无机氮、石油类和重金属汞等与渔民人均收入呈倒“N”型关系，并都在2008年渔民人均收入为9 513.45后超标率增加污染加剧，在2011年渔民人均收入为12 472.11元达到转折点位置后呈现下降趋势，但超标率仍在较高水平上，说明上述污染物超标情况2011年之后虽有所好转但仍不容乐观。第三，活性磷酸盐、化学需氧量与渔民人均收入呈现“U”型关系，均在2008年渔民人均收入为9 513.45时达到转折点，并在转折点之后呈上升趋势（化学需氧量虽在2011～2012年略有下降但不明显且随后又呈现上升趋势）。总体来看，我国近岸海域水质污染情况仍然比较严重，进而影响了海洋渔业的健康发展。

五、日本渔业经济发展及海洋环境保护

1.日本海洋渔业的发展

日本四面环海，自然灾害多发，国土面积狭小仅有 38万平方千米（居世界第61位），陆上资源匮乏，但拥有的领海和专属经济区面积则达到了447万平方千米（居世界第6位），蕴藏着巨大的海洋开发潜力。日本所处的西北太平洋海域，是世界著名渔场之一，具有发展海洋水产业得天独厚的自然条件。正是由于独特的地理位置和自然条件让日本的海洋水产业历史悠久，并成为海洋经济中的支柱产业之一 [16]。

日本雖然是世界上渔业最发达的国家之一，却也不得不面对由于过度捕捞，海洋渔场环境恶化、海洋渔业资源减少等原因，使得全世界海洋渔业的发展都共同面临资源衰退的问题。日本通过增殖放流、设置人工鱼礁、保护海底藻场、设立全国性节日（如富海节）等方式在全世界海洋渔业的发展都面临资源衰退问题的时代背景下实现海洋渔业资源增殖，并通过颁布一系列的法律法规（如《渔业法》、《水产基本法》等）来对海洋渔业资源的增殖提供制度保障。此外，日本每年都会举行全国性和地区性的增殖渔业会议，对渔业资源情况、增殖放流实施情况、放流效果评估情况和相关研究等进行交流[5]。

2.海洋环境保护

日本一直致力于海洋资源开发和海洋环境保护，同包括我国在内的许多国家一样，陆源污染是日本海洋污染的主要原因。日本对陆源污染的治理经历了“先污染，后治理”的崎岖过程，通过近半个世纪的治理，才使治污目标得以实现，并成为了陆源污染治理效果较显著的发达国家。20世纪50年代起日本政府开始关注陆源污染的控制，主要通过法律、行政、经济、教育等综合手段实施陆源污染治理政策，日本环境署对陆源污染治理出台了《保护海洋环境免受陆源污染全球行动纲领》、《西北太平洋行动计划》等多项法规政策，特别是2007 年日本参、众两院高票通过的《海洋基本法》，规定了本国的海洋理念，明确国家、地方社会公共团体、企业及国民的义务以便海洋政策综合而有计划地推进。[16]除此之外，日本制定了科学完备的环境质量标准体系，对一些水域规定了环境质量达标期限和标准限值等严格具体的要求，根据环境条件的变化，水质污染的情况，在科学判断的基础上修订标准值，增加或删减监测项目，使环境质量标准修订工作常规化运转，各项标准值的调整都非常及时和规范，大大提高了监测工作效率。而且日本非常重视监测和调查资料的积累和整理，其环境数据、监测标准、分析方法均在正式的发布渠道公开公布，并及时进行更新和维护，使国际社会和本国民众能够及时、准确地了解各个时期日本环境保护的政策措施以及环境状况。

现在的日本海洋环境污染治理已取得显著成效并走在世界前列，积累了丰富的控制和治理陆源污染的经验，这得益于对污染治理政策强有力的落实，政府、企业、非政府组织对污染防治分工明确、相互合作，治污效率显著提高，通过人事安插与渗透、财政控制等方式实现中央对地方政府海洋污染治理政策执行的监督与调控。[5]另外，日本普通民众的高度积极参与是陆源污染治理执行力强的有力保障，在污染治理过程中，通过网络和媒体将海洋环境治理报告、海洋环境现状传播给公众，并定期召开会议及论坛。同时依靠教育手段，提升国民环保意识，通过建立博物馆展示海洋生物的演变、介绍海水编制的情况和采取的措施等方式进行广泛的科普教育，激发公众保护海洋环境和治理污染的热情。

六、结论与建议

基于以上2001～2014年中国沿海省市面板数据的分析，结合日本渔业经济发展模式及海洋环境保护政策，对我国黄渤海海域、东海海域与南海海域的水质污染状况和渔业经济发展状况进行分析，得出以下结论：第一，从总量上分析海域水质污染与渔业经济指标之间的关系，水域污染状况呈现出先恶化后改善又再度恶化的“N”型态势。第二，全海域综合严重污染水质所占比重与沿海11省渔民人均收入之间的EKC 曲线呈“U”型。“U”型曲线表示海域水质污染与沿海地区渔业经济之间关系呈现出恶化或轻度缓解后再恶化的特征，且轻度缓解阶段的海水污染指数降低的幅度均较小。这表明先污染后治理的经济与环境发展老路行不通，必须转变渔业经济增长方式以缩短恶化期避免后期污染加剧，同时还应加强海洋环境污染管控，改善污水处理系统，以实现沿海地区渔业经济与海域水质环境协调。第三，四大海域水质污染程度与渔业经济发展情况差异较大，东海海域虽然渔业经济较发达，渔民收入较高，但污染程度也最严重，其EKC 曲线呈“U”型，污染程度处于较高水平并呈上升趋势，相比之下，南海海域虽然渔业经济发展较弱，但其污染程度最轻，EKC曲线呈倒“N”型，污染程度较低并呈下降趋势。第四，海洋环境污染物超标率状况有随渔业经济增长而缓解的趋势，但是二者之间并不存在必然的因果关系，渔业经济增长是导致海域水质环境污染的主導因素，但并非全部因素，这也启示我们，不能仅仅依靠经济总量的增长来达到减轻海洋环境污染的目的，环境污染问题并不会随经济增长而自发解决。

日本在渔业经济发展和海洋污染防治上均走在发达国家的前列，无论是在政策制定方面，还是技术创新方面均达到了较高的水准，我国面临诸多海洋污染问题，可以借鉴日本在海洋污染治理领域的技术、经验和政策：

一是在海洋环境保护方面。参考日本的做法，在海洋渔业模式上，应努力减轻海洋渔业养殖自身对海洋水质环境的污染，科学布局海洋养殖区域，实行多品种、立体化、混养、轮养的养殖模式，做好海水养殖产后净化工作，将其自身产生的污染降到最低水平；在法律体系上，我国应该完善海洋环境保护法律制度，制定科学严格的海洋环境监测标准体系并根据实际情况定期修订，从源头上严格控制海域环境的污染程度；在执行力上，中央应给予地方政府更多的自主权，并提供一定的技术指导和资金支持，同时明确执行主体的权责，使上下级政府之间、各职能部门之间权责明晰，避免横向部门间的相互推诿；在监督力度上，对地方政府的政策执行情况实行多样化监督，尤其是注意调动和发挥社会舆论的监督作用，鼓励更多的非政府组织、非营利组织和其他社会团体以及普通民众积极参与，充分发挥其监督职能，建立公开有效的举报或建议机制，以确保政策执行的有效性和政策目标的顺利实现；在公众参与度上，进一步推进行政事务公开化、透明化，同时加强海洋环境保护宣传教育，提高公众的海洋环保意识，通过网络、公众平台等途径教育民众海洋环境保护对国家发展的作用以及对普通民众生活的影响，积极开展以海洋环境保护为目的的启发普及活动。

二是在渔业经济发展方面。海洋渔业的发展不应单纯的注重渔业经济总量的增长而进行掠夺式捕捞，或过度依赖单一的产业结构模式，应继续开展科学的渔业资源增殖放流和人工鱼礁建设来恢复资源数量，同时保证放流水域生态系统不受到破坏、特种的自然种质遗传特征不受干扰。建立科学方法评估增殖放流效果，以弥补我国海洋渔业资源增殖的基础研究工作滞后和应用技术成效甚微的不足。此外，日本的“海洋牧场”建设自1977年至今已经相当成熟，相比之下我国还处于初期，应更加注重海域功能区划，避免形成了面积庞大、密度过高、品种单一的养殖格局，并最大程度上降低养殖业自身的污染，保证渔业生产的持续发展，维护生物多样性，推动渔业产业结构调整和优化升级，促进渔民增收、渔业增效，保持生态平衡。协调各方，建立长期有效机制，并注重国民海洋渔业资源意识的培养，或者像日本那样设立一个国家性的节日来宣传。

[参考文献]

[1] Kuznets S S. Economic growth and income inequality [J].The American Economic Review，1955，45（1）：1-28.

[2] Grossman G E，Krueger A B. Environment impacts of a North American Free Trade Agreement [Z]. NBER Working Paper，No.3914，1991.

[3] 包群，彭水军，等.是否存在环境库兹涅茨倒U型曲线？——基于六类污染指标的经验研究[J].上海经济研究，2005（12）：3-13.

[4] 刘耀林.保护渔业生态环境，实现渔业可持续发展[J].河北渔业，2006（8）：1-3.

[5] 杨卫.日本海洋渔业资源增殖研究及启示[J].中国水产，2011（12）：74-75.

[6] 张继平，熊敏思，顾湘，等.中日海洋环境陆源污染治理的政策执行比较及启示[J].中国行政管理，2012（6）：45-48.

[7] 付雁华.浅析日本的海洋污染及防治对策[J].湘潮，2016（3）：101-102.

[8] 缐文，马自龙. 经济增长与政府环境治理——基于面板数据与兰州案例的分析[J]. 北京交通大学学报（社会科学版），2016（1）：50-57.

[9] 熊德平，孙佳.中国金融发展的渔业经济增长效应——基于人均GDP和劳动生产率视角的省级面板数据GMM估计[J].农业技术经济，2014（3）：97-107.

[10] 王光升.中国沿海地区经济增长与海洋环境污染关系实证研究[D].青岛：中国海洋大学，2013.

[11] 高铁梅. 计量经济分析方法与建模[M]. 北京： 清华大学出版社，2009.

[12] 张兵兵，沈满洪.工业用水库兹涅茨曲线分析[J].资源科学，2016，38（1）：102-109.

[13] Pedroni P. Critical value for cointegration tests in heterogeneous panels with multiple regressors [J]. Oxford Bulletin of Economics and Statistics，1999，61（S1）：653-670.

[14] Pedroni P. Panel cointegration：Asymptotic and finite sample properties of pooled time series tests with application to the PPP hypothesis [J]. Econometric Theory，2004，20（3）：597-625.

[15] 陈海燕. 面板数据模型的检验方法研究[D].天津：天津大学，2010.

[16] 张浩川，麻瑞. 日本海洋产业发展经验探析[J].现代日本经济，2015（2）：63-71.