中国海洋经济发展的金融支持效率测算——基于三大海洋经济圈的实证

许 林，赖倩茹，颜 诚

(1.华南理工大学 经济与贸易学院，广东 广州 510006；2.埃塞克斯大学 商学院，英国 科尔切斯特 CO4 3SQ)

一、引言

从中共十九大报告、“十三五”规划、粤港澳大湾区规划等国家政策背景来看，海洋经济已成为中国经济增长的新引擎，迎来了巨大的发展机遇。在“一带一路”现实背景下，无论是在对内经济转型还是对外建设海洋强国，亦或是发展低碳经济上，海洋产业都与中国当前经济发展方向有较多的契合点，党的十九大报告明确提出要加快建设海洋强国。近10年来，中国海洋产业以稳健的步伐不断增长，对GDP贡献度也逐年提高，不仅产业规模在增大，海洋经济体量也日益增长，产业内部的细分类型也不断丰富，涌现出大量海洋产业与其他产业交叉融合的市场发展机会，对优质经济资源的吸引力也逐渐增大。

作为资本密集型的海洋产业，具有产融结合的特点，其发展离不开资本的有效投入和金融创新工具的大力支持。2018年1月，“一行三会”、海洋局、发改委等八部委联合印发《关于改进和加强海洋经济发展金融服务的指导意见》，围绕推动海洋经济高质量发展，明确了银行、证券、保险、多元化融资等领域的支持重点和方向。纵观中国金融支持海洋产业发展的现状，海洋产业金融支持的深度和广度都有待提高。在支持深度上，针对海洋产业的专业化金融支持机构较少，金融服务多样性不够；在支持广度上，金融支持受益覆盖面较小且不均衡，亟需金融支持的涉海中小企业、科技型涉海企业融资难度较大。因中国海洋产业数据可得性较差，且不满足典型分布特征，这方面的学术研究既是重点也是难点。尽管这方面的学术研究还很少，现有的学术研究和政策指引启示我们，对金融支持效率进行测算研究能整体把握当前该产业金融支持效果，发现实践中的低效率点，帮助改善海洋产业融资环境，进而提高企业融资效率和竞争力，促进海洋经济转型升级发展。为了填补这一文献上的空白，本文首先对金融发展与海洋经济的关联性进行实证检验，在此基础上对海洋产业金融支持效率进行测算分析，最后针对效率的洼地提出可操作性的优化对策建议，以促进和加强海洋经济发展金融服务，深入贯彻落实党的十九大关于“加快建设海洋强国”和“增强金融服务实体经济能力”的战略部署，推动海洋经济高质量发展。

二、文献综述

金融发展是拉动经济增长的重要因素，且大多数文献实证研究也支持了该观点，比如经典的有Goldsmith、曹啸和吴军验证了金融发展的确是推动经济增长的因素之一，但其作用机制是从依赖资产规模的膨胀上升转向通过金融资源配置效率的提高来实现的[1-2]。

在金融发展和海洋产业经济发展的关系方面，李圣华以金融发展、证券市场、保险市场、外商投资四个方面构建金融发展指标，并运用灰色关联模型计算了山东省金融发展与海洋经济的关联度，探究了各细分金融市场的支持影响力度[3]。王华、姚星垣通过面板数据回归模型实证发现，当前中国金融发展和技术进步对海洋经济的拉动作用仍然有限，强调了金融创新和服务体系完善的必要性，从而使金融发展和技术进步更好地发挥协同作用[4]。在金融发展与海洋经济关系方面，俞立平采用面板向量自回归模型实证发现中国海洋经济发展中存在着“金融抑制”现象[5]。在金融发展与海洋经济的区域性发展问题上，安虎贲等发现金融发展会拉动经济增长，但内在机制有所差异，核心动力在于资金会投入到边际收益较高的海洋产业中去[6]。章洪刚和王瑾剖析了浙江海洋经济发展资金匮乏、抵押物创新滞后、涉海保险发展不足等瓶颈，并建议采用政府主导型的金融支持政策，发挥产业集群和环保金融激励补偿机制的作用[7]。

在分析方法方面，灰色关联分析方法因其对数据要求较低，允许数据的非典型分布，近几年广泛用于金融发展和经济发展间的实证研究上。邓莉等运用灰色关联分析，研究农村金融发展与农村经济两者间的关系，发现农业贷款对经济支持影响较小[8]。田剑英和黄春旭以浙江小额贷款公司年度数据和GDP等数据为基础，采用灰色关联分析法来研究民间资本金融深化与农村经济发展的影响，发现小额贷款公司的贷款结构对农村经济影响较大[9]。刘思峰等梳理了从早期基于点关联系数到广义的灰色关联模型，以及基于相似性和接近性视角的灰色关联模型，最后提出了在面板数据上的拓展应用[10]。在金融效率分析方法方面，陶长琪和王志平梳理了随机前沿法(SFA)的使用前提、分布假定、估计方法、异方差，以及探究效率外生影响因素等理论进展，并对全要素生产率的变化做了分解，评述了SFA在经验分析中的优越性，并指出中国中观经济中SFA应用存在的一些问题和缺陷[11]。边文龙、王向楠从效率是否随时间变化，及是否对效率项分布做出假设，将不同SFA模型进行分类，并系统地梳理了面板SFA模型的研究进展。最后，通过对比不同模型间的假设、参数和效率估计原理及过程和各自的针对性和适用性，对面板SFA模型的应用提出了建议[12]。在海洋产业融资效率测算方面，周昌仕和郇长坤运用DEA模型测评了54家涉海产业2008—2013年间融资效率，运用随机效应面板模型检验其影响因素，并从资本市场、引入市场机制促进垄断竞争性涉海企业理性投资、金融创新等方面提出了政策建议[13]。

综上所述，已有文献讨论了金融发展对海洋产业经济的促进作用及海洋产业金融支持的优化对策，但缺乏海洋经济与金融支持的关联性分析，以及对三大海洋经济圈的实证比较，而海洋经济圈的比较分析对中国实现“海洋强国”战略具有重要的借鉴。此外，已有研究对海洋产业金融支持效率的探讨较少。基于此，本文运用灰色关联分析模型，首先探讨中国北部、东部和南部三大海洋经济圈金融发展与海洋经济的关联性，接着运用随机前沿法SFA面板模型对海洋产业金融支持效率进行测算分析，并深入探讨不同海洋经济圈的金融支持效率差异及其原因，以期为促进中国海洋经济发展及完善海洋经济金融支持政策提供决策参考。

三、金融发展与海洋经济灰色关联分析

(一)灰色关联分析法

因中国海洋产业数据可得性较差，且不满足典型分布特征，故选择采用灰色关联分析金融发展与海洋产业经济的相关性，可绕过传统方法普遍对回归分析样本量大、数据需符合典型分布特征的要求。首先对序列进行无量纲处理，采用灰色关联法分析序列曲线几何形状的相似程度，据此确定因子间的影响程度或因子对主行为的贡献程度，进而判断系统中因素间的关系密切程度。虽然有学者运用灰色关联分析研究宏观经济、农村经济、工业等领域，但是据我们所知，尚无学术研究将此方法用于在海洋经济与金融发展领域，因而构成本文方法上的创新。

灰色关联分析法包括邓氏灰色关联分析模型、灰色绝对关联度分析模型、灰色相关关联分析模型和灰色综合关联分析模型。邓氏灰色关联分析基于接近性测度相似性。灰色绝对关联分析探究序列绝对量间的关系，灰色相关关联分析主要分析序列相对于起始点的变化速率之间的关系。灰色综合关联分析同时考虑了上述两者，合成系数θ表示对两者侧重比例的确定。本文采用灰色综合关联分析对金融发展与海洋经济之间的关联性进行分析。

(二)指标选取

1.海洋经济发展指标。采用海洋产业生产总值。

2.金融发展程度指标。1)金融相关率FIR：金融相关率为衡量社会资产金融化程度的指标，是某时点上某地区金融资产价值总和与该地区经济活动总量的比率，反映金融深化程度。由于中国金融体系仍然是一个银行主导的金融体系，因此可选取银行存贷款余额数据来反映中国金融资产情况，即金融相关率由贷款余额与存款余额之和与地区生产总值的比值来计算。2)金融业发展程度：即金融业增加值占GDP比重。金融业增加值反映金融业部门在一定时期内通过从事金融服务或其他金融附属活动创造的国民财富的价值总量，其占GDP的比重反映出金融业相对规模。3)证券融资比率：为股票成交额与GDP的比值，用于衡量直接融资方面证券市场的活跃情况。4)间接融资比率：为金融机构贷款余额与GDP的比值，用于衡量间接融资渠道的活跃程度。上述4个指标对宏观金融发展程度及金融业内具体发展情况进行了层次性地刻画，较为全面地反映了整体金融发展情况。

(三)数据处理和关联度计算方法

本文数据来源于《中国统计年鉴》《中国海洋统计年鉴》、万得数据库、《中国金融年鉴》、中国人民银行网站、中国知网、中国经济社会发展统计数据库等，包括中国沿海地区[注]本文采用《中国统计年鉴》对沿海地区的划分定义，沿海地区指有海岸线(大陆岸线和岛屿岸线)的地区，包括天津、河北、辽宁、山东、上海、浙江、江苏、福建、广东、广西和海南11个省市。11个省市2006-2015年的海洋产业生产总值等相关数据。根据海洋经济集聚和辐射情况发展差异，并对应《全国海洋经济发展规划纲要》中的规划，将海洋经济划分为北部海洋经济圈、东部海洋经济圈和南部海洋经济圈，并分别计算三大海洋经济圈的金融发展情况和海洋产业经济的灰色关联度。灰色关联分析各序列原始数据如下表1至3所示。

表1 北部海洋经济圈海洋经济与金融发展相关指标

表2 东部海洋经济圈海洋经济与金融发展相关指标

表3 南部海洋经济圈海洋经济与金融发展相关指标

将海洋产业生产总值年度数据作为因变量构成参考序列Yi(k)；金融相关率、金融业发展程度、证券融资比率和间接融资比率作为自变量构成比较数列Xi(k)。

Xi(k)=(xi(1)，xi(2)，…，xi(n))；Xj(k)

=(xj(1)，xj(2)，…，xj(n))

(1)

=xj(k)-xj(1)，k=1，2，…，n

(2)

其次，计算灰色关联度，灰色关联分析模型有以下3种形式，如式(3)、(4)、(5)所示：

(3)

(4)

ρij=θεij+(1-θ)γij

(5)

(四)实证结果

表4 灰色绝对关联度结果

表5 灰色相对关联度结果

表6 灰色综合关联度结果

从表4至表6可以看出，金融发展程度各指标与海洋产业生产总值序列的关联度均在0.5以上，说明三大圈的海洋经济发展与金融相关率、金融业发展程度、证券融资比率和间接融资比率等有较大的正相关关系，但不同子因素与母因素的关联密切度不同。

从灰色绝对关联度结果来看，关联度水平在0.50～1之间，其中东部海洋经济圈和南部海洋经济圈的证券融资比率与海洋产业生产总值关联度在0.98左右，关联密切度高。从灰色相对关联度来看，关联度水平相对较平均且总体较高，在0.7～0.96区间，其中东部海洋经济圈的金融相关度和北部的金融业发展程度的关联度水平较高，分别为0.950 1和0.921 5，一定程度上反映了东部和北部的金融业深化发展对海洋经济的支持有较明显的影响作用，在增长速率上具有较大的协同关联关系。

从灰色综合关联度结果来看，其值较能综合反映各变量在绝对值和变化速率两方面的综合关联度。首先从区域间对比可得，金融深化程度、证券融资比率在东部经济圈海洋经济影响效果相对较明显，该结果可能源于相比南部和北部，东部经济圈中海洋上市企业较多，规模较大，筹资交易较活跃；金融业的相对发展规模和间接融资比率在北部相对关联密切度较高，说明北部更依赖于银行间接融资渠道。从各指标均值情况可见东部总体金融发展与海洋经济关联度较强，说明金融发展对东部海洋产出有较大正面影响，其次为北部经济圈，南部次之。

总的来说，金融支持对海洋经济的发展具有良好的促进作用。因此，为了加强金融支持对海洋产业产出的促进作用，须明确海洋产业的金融支持需求，疏通现有融资渠道，拓展创新融资模式。亟需充分发挥直接金融市场对海洋产业的支持作用，完善多层次资本市场，打破当前直接金融市场对许多海洋“歧视”而难以跨入其门槛获取筹资的现状，提高市场资金供求对接的效率，使不同风险收益特征要求的资金供给可以对应匹配到不同的海洋企业上来，如进一步探索产业投资基金、风险投资在海洋产业的运用等。政府和各类金融机构还可针对性提供和挖掘海洋企业在产业升级、科研投入以及设备方面的资金需求新形势，探索使多方共赢的新型融资模式。

四、中国海洋产业金融支持效率测算分析

灰色关联分析结果显示，中国北部、东部和南部海洋经济圈的经济发展与金融相关率、金融业发展程度、证券融资比率和间接融资比率等金融发展程度有较大的正相关关系，为了进一步检验金融支持对中国海洋产业产出的影响，本部分利用C-D生产函数构建面板随机前沿模型进行深入探讨。

(一)金融支持效率含义

金融支持，即为了促进实体经济发展，向其提供各类金融工具和服务，以及通过优惠政策、财政支持给予扶持和倾斜。具体而言，主要包括金融机构、政府等通力合作为实体经济和产业提供的优惠政策和开展的针对性工作，以及市场为产业发展提供金融工具的有效性、运用广泛性和便利性。金融支持效率则可定义为资金投入转变为产出的绩效。测算金融支持效率可以量化金融支持的效果，而探究影响金融支持效率的因素将对提高金融支持效率起到指导作用。

(二)指标选取与模型构建

根据上面的金融支持效率含义，本文选取单产出-多投入的随机前沿分析法效率估计模型，来测算海洋产业的金融支持效率。相比非参数法DEA，随机前沿方法(SFA)最大的优越性在于将随机因素对产出的扰动影响纳入了估计模型中，考虑了由测量误差等因素造成的随机误差，避免将随机误差成分不恰当地计入效率项中。SFA由随机确定前沿面，能综合考虑随机误差和其他变量的可能干扰波动，因此在处理面板数据时能够得到更加准确的结论。本文假设各模型中投入变量相互作用对产出影响较小，因此选用形式较简洁的Cobb-Dougals生产函数，采用Battese和Coelli模型进行海洋产业金融支持效率的测算并进一步分析效率的影响因素[14-15]。

1）引入车辆实例，结合车辆知识，让控制“活”起来，加入MATLAB仿真技术，让课程“动”起来，这样做会提升学生的兴趣。

Battese和Coelli(1995)模型进一步考虑了效率的影响因素，模型如下：

Yit=xitβ+(Vit-Uit)，mit=zitδ

(6)

在运用模型前，可通过γ的取值来判断是否有必要使用SFA模型，γ由可由下式计算而得：

(7)

由式(7)可见γ的取值在0到1之间，且当γ→0时，随机扰动项v支配ε，技术无效率项u对ε影响小，在统计检验中，若γ=0成立，则说明样本中所有个体都在生产前沿曲线上。此时没有必要使用SFA模型，可直接使用OLS方法即可。需对待估计参数γ进行极大似然比检验，其检验统计量渐进服从混合X2分布。

本文的投入变量包括海洋产业间接融资额、海洋产业直接融资额、海洋科技金融支持、金融业增加值以及金融相关率5个变量，其中前3个变量为反映中微观经济因素，后两个变量反映宏观经济因素，因此投入变量较全面地从金融工具、金融市场、金融业态到经济金融化程度由小到大多个维度反映了金融对海洋产业的影响。

表7 随机前沿生产函数模型变量指标列表

金融市场的筹资功能为金融支持产业发展的最主要形式。投入变量海洋产业间接融资额(Indirect Financing of Marine Industry，IFMI)反映海洋企业通过金融中介机构获取融资的情况。由于海洋企业非公开筹资的数据难以采集，且上市海洋企业筹资金额体量较大，具有一定代表性，因此采用历年上市海洋企业的间接融资额来代表海洋产业通过间接融资渠道获得的资金支持。海洋产业直接融资额(Direct Financing of Marine Industry，DFMI)反映海洋企业直接在市场上发行股票或者债券筹得的资金。同样由于数据可得性原因，采用历年上市海洋企业的间接融资额来反映海洋产业在证券市场上通过股票发行和债券发行筹得的资金。在现有文献中不同学者对“涉海企业”、“海洋企业”界定不同。为使数据选取更严密和科学，在此须明确本研究样本选取上市海洋企业的标准。

由于海洋产业非国际标准行业分类中行业各数据库无官方或全面的上市海洋企业统计，本文于2018年3月通过整理搜狐财经、金融界、万德数据库等海洋概念股主题报道、海洋产业八大细分产业分类以及个股深度资料信息等资料，最终选取符合遴选标准的上市海洋企业样本76家，其中隶属北部海洋经济圈中的上市海洋企业20家，东部海洋经济圈中的上市海洋企业29家，南部海洋经济圈中的上市海洋企业27家。对76家上市海洋企业各年度的间接融资额和直接融资额进行分年度统计整理。

表8 海洋上市企业样本筛选标准

本文选取海洋科研机构经费收入(Marine Research Support，MRS)来代表海洋经济在科研方面得到的资金支持，由于《中国海洋统计年鉴》年度数据统计、编写和出版具有一定时滞性，且出于对数据完整性和可得性的考虑，统一将样本中其他指标数据时间跨度选取统一定为2006-2015年。

投入变量金融相关率(Financial Interrelation Ratio，FIR)和金融业增加值(Financial Value Added，FVA)已在上文指标选取中作出经济意义解释，此处不再赘言。

(三)实证分析

1.三大海洋经济圈金融支持效率测算

本文采用Battese和Coelli模型进一步测算中国沿海11个省份2006-2015年的海洋产业金融支持效率。模型将海洋产业融资额、海洋产业财政支持、海洋产业科技金融支持、海洋产业人员投入作为投入变量，从资本市场、政府财政以及海洋科研机构三方面产生金融支持；并将全社会固定投资额、金融相关率和金融效率等衡量地区金融发展深度和广度的指标作为影响因素。

运用Frontier 4.1软件测算结果如表9。

从表9结果可以看出，变差率γ=0.772，且在1%水平下显著，表明生产函数方程中的复合扰动项方差中绝大部分来自于技术非效率项，证明了采用SFA模型考察海洋产业金融支持效率的科学合理性。

表9 生产函数参数估计结果

注：*、**、***分别表示10%、5%、1%的水平上显著。下同。

四个投入变量均对海洋产业生产总值具有正向提升作用，其中海洋科技金融支持、海洋产业财政支持和海洋产业人员数量在1%水平具有显著正向影响。可见，政府的财政投入和金融对海洋科研机构的支持有效推动了海洋产业的增长，体现了在海洋产业这一战略性领域，政府资金对其产业发展中的长期大额资金支持发挥重要作用，弥补市场配置资源的不足，并发挥先行引导作用。另一方面，海洋产业融资额的系数不显著，表明上市海洋企业通过资本市场和银行信贷获得融资支持的渠道需要进一步疏通和加强。中国海洋企业在主板市场上市融资的数量较少，由于正规资本市场门槛较高，许多高风险且处于成长期规模较小的海洋企业较难获得直接股权融资。因此要充分发挥多层次资本市场作用，并进一步深化商业性金融对海洋产业的支持。

在影响因素上，金融相关率的系数δ2=-1 241.745，且在5%水平上显著，表明金融相关率对海洋产业的金融支持效率有明显的正向促进作用，中国融资市场化程度或经济货币化程度结构越高，将进一步促进金融对海洋产业发挥“输血”作用。而金融效率的系数δ3=491.044，在10%水平上显著，表明金融效率对海洋产业的金融支持效率显著负相关。金融效率衡量金融系统将储蓄转化为贷款的效率，该系数的估计结果一定程度上反映了金融系统出现信贷过热时，为追求高回报通常倾向于将信贷投放于房地产等行业，而海洋产业在获取信贷支持上由于其大额长期的资金需求、投资回报期长、面临较大的开发风险、操作风险、自然灾害风险等，从而处于获取信贷的劣势。尽管对于海洋产业来说银行贷款是其最重要的融资渠道，但金融机构的趋利性使得其业务重点和发展方向很难自发地向海洋产业倾斜。即存款金融机构其他类型的信贷的加速转化可能对海洋产业的银行融资产生了一定“挤出”效应。

2.省际海洋金融支持效率时空差异分析

1) 省际海洋金融支持效率总体时空特征

为进一步考察中国海洋产业金融支持效率的演变特征，表10给出了2006-2015年沿海地区11个省份的金融支持效率的时空变化趋势。

表10 海洋产业金融支持效率的时空变化

图1 三大海洋经济圈海洋产业金融支持效率变化情况图

纵向来看，2006年以来，除在个别年份个别省份金融支持效率有所波动外，中国沿海省份的海洋产业金融支持效率总体呈现波动上升态势，效率水平在10年间增长了约40%。其中10年间金融支持效率均值最高的上海增长幅度最小，2015年较2006年增长了5.7%；而金融支持效率均值最低的广西，尽管在2015年仍然为11个沿海省份中效率最低的省份，但2015年其效率水平相比2006年增长了146.6%至0.474 6。可见，低效率省份增长速度高于高效率省份，且反映了中国对海洋产业的金融支持成效逐年扩大，尤其是显著推动了广西、海南等海洋产业相对薄弱的省份进一步发展。

横向来看，海洋产业金融支持效率平均值排名前三的为上海(0.902 5)、山东(0.889 2)、广东(0.859 7)，分别来自东部海洋经济圈、北部海洋经济圈和南部海洋经济圈，三者均值差异较小。而效率平均值排名后三位的为河北(0.611 8)、海南(0.502 7)和广西(0.474 6)，其中海南和广西均处于南部海洋经济圈。可见三大海洋经济圈的效率形成了“三圈三极”的格局；圈内各省海洋产业发展不均衡，差异较大，尤其是南部海洋经济圈中广东和效率均值较低的广西、海南差距较大，圈内两省间效率差值最大约为0.36。相对来说，东部海洋经济圈中的三个省份差距较小，圈内两省间效率差值最大约为0.11。

将各省效率按三大海洋经济圈进行划分并求各经济圈的平均效率得到图1。由图1可看出，东部海洋经济圈的海洋产业金融支持效率最高，效率均值水平在0.71～0.92区间内，北部海洋经济圈次之，效率均值水平在0.62～0.85之间；南部海洋经济圈金融支持效率最低，效率均值水平在0.47～0.78区间。

面对“三圈三极”的格局，未来应发挥经济圈中核心省市的辐射作用，由点到面带动创新发展模式。在各个海洋经济圈内，充分发挥其海洋经济示范省市的带动作用，如海洋强省山东、浙江省舟山群岛新区、广东、上海等。尤其对于南部经济圈，亟需政府通过规划和各类政策将资源汇集起来，对海洋经济相对较弱的海南、广西两个省份有针对性的扶助和培育，促进圈内省份的合作，发挥效率高的省份的辐射作用和带动作用。

2) 海洋产业金融支持效率演化分析

将各省份的海洋产业金融支持效率计算结果输入Stata14软件，计算各年度金融支持效率核密度分布。本文选取2006、2010和2015年3个年份计算结果绘制中国海洋产业金融支持效率核密度分布图，通过对不同时期的比较，可看出中国海洋产业金融支持效率的动态变化特征。

图2 海洋产业金融支持效率核密度分布

首先，从位置上来看，3个年度的核密度分布曲线成向右平移态势，表明海洋产业金融支持效率逐年提升；其次，从峰度上来看，峰值逐渐向右移动，且呈现右偏的形状，表明各个地区的金融支持效率都在不断增加；形状上看，效率呈现单峰状态，且各地区效率的区间跨度越来越小，不断向右集中，可见低效率地区发展速度高于高效率地区，地区间的差距不断缩小。总体来说效率趋于均衡，向高水平发展。

3)海洋产业金融支持效率空间差异分析

省际及圈际效率时空特征分析见图3。

参考海洋经济效率相关文献，本文也将海洋产业金融支持效率划分为6个等级：低效(0～0.400)，中低效率(0.401～0.500)，一般效率(0.501～0.600)，中高效率(0.601～0.700)，较高效率(0.701～0.800)，高效率(0.801～1)[16]。

如图3所示，2006年主要省份处于一般效率水平和中高效率，一般效率包括有河北、江苏和辽宁；中高效率水平包括有天津、浙江和福建；较高效率水平有山东和广东；在该年只有上海为高效率水平地区；低效率的地区包括河北、广西和海南。一般效率以上的地区主要来自于在东部海洋经济圈和北部海洋经济圈，南部海洋经济圈圈内各省效率水平分化较大，广东的效率水平较高，广西和海南两省效率水平低。

2010年各省份效率水平相比2006年均有所提升，开始形成了高效率聚集的空间格局，11个沿海省份中有7个地区跻身至高效率，包括天津、山东、江苏、浙江、福建、广东以及在2006已处于高效率水平的上海；其中天津、浙江、福建上升了两个效率等级，江苏上升了三个效率等级。辽宁、广西两省也都分别上升了一个效率等级，分别至中高效率和中低效率；海南上升两个效率等级至一般效率。从3个海洋经济圈来看，在2010年，东部海洋经济圈内3个省份均达到了高效率水平；北部海洋经济圈内4个省份占据前4个效率等级，平均来说处于中高至较高效率水平；而南部海洋经济圈继续分化，广东、福建效率水平较高而广西、海南效率水平落后。

2015年各省份效率水平有进一步的提升，11个沿海省份都达到了一般效率以上的水平，天津—广东沿海7个省形成了高效率聚集带，进一步发挥协同作用。2010年的5个高效率省份在2015年效率水平也均有所增长，其中山东、江苏效率水平相比2010年约有8%-9%的增长，广东效率水平增长了约7%至0.966超过上海并成为11省中效率最高的省份。相比2010年效率水平，11个省份中河北效率水平增幅最大，增长了约31%；广西和海南的效率水平也有较大的提升，分别较2010年增长了约26%～27%至一般效率和中高效率。东部海洋经济圈继续维持高效率水平，北部和南部海洋经济圈均各自有两个高效率水平省份，但南部海洋经济圈发展仍然较不平衡，广西和海南效率水平在11个沿海省份相对落后。

出现上述效率发展趋势和格局的原因离不开中国政策支持推动支持海洋经济发展的金融服务和金融创新的积极探索和尝试。自2010年4月以来，经国务院批准，山东、浙江、广东和福建、天津先后被确定为全国海洋经济发展试点地区。2011—2013年，国务院相继批复了《山东半岛蓝色经济区发展规划》《浙江海洋经济发展示范区规划》《广东海洋经济综合试验区发展规划》和《福建海峡蓝色经济试验区发展规划》《天津海洋经济发展试点工作方案》。五省通过一系列举措加强金融支持海洋产业发展，推动设立专业化金融机构，以及政府与金融机构签署战略合作协议，加大对海洋经济的资金投放，推动涉海资产抵押、融资租赁、发展离岸金融以及涉海保险创新等，取得了积极成效，相比2006年5省效率水平取得了34%～53%的提升。此外，较好的海陆经济基础也给个别高效率地区一定先发优势。效率水平较高的广东、上海、浙江，陆域经济基础较好，为海洋经济发展提供较为充足的资金和技术资源支持；山东、天津、上海、广东等省海洋经济基础较好，重视海洋资源的合理利用和沿海环境的保护，并较早开始逐渐转变海洋经济发展方式，海洋战略性新兴产业发展较快，因此金融支持的投入在该基础上可更有效推动海洋经济在量和质上的提升。而广西、海南、河北本身海洋经济基础较差，资金对海洋产业的支持力度小，海洋产业规模优势尚未形成，海洋战略性新兴产业发展较滞后。海南与广西的海洋总产出在2006—2015年间维持较低水平，2015年分别为广东总量的7.5%和7.3%左右，其海洋生产总值占地区生产总值比重分别为27%和6.7%，与海南和广西的海洋资源体量不匹配。

效率区域差异演化分析见表11。

表11 金融支持效率变异系数和均值

由测算得到的海洋经济效率值，结合标准差可计算得到变异系数，如表11所示，反映了沿海各省的标准差和变异系数随时间的演变过程。标准差可反映区域的绝对差异，变异系数可反映区域的相对差异[17]。效率的标准差在10年间呈现小幅波动、总体相对平稳的态势，基本稳定在0.17的水平上，表明各地区效率的绝对差异相对稳定。效率的变异系数呈现波动中总体小幅下降的态势，从2006年的0.311 6下降到了2015年的0.175 4，表明沿海各省的海洋产业金融支持效率区域间的相对差距不断缩小。一方面，国家将海洋提升至国家战略地位，沿海各省市也纷纷出台了具体的政策支持和文件落实，促进海洋经济增长，缩小了区域间的差距；但由于金融对海洋产业的支持也离不开各省本身的金融发展程度和经济基础的环境支持，部分沿海省份间经济发展基础、金融深度、金融市场发展程度差异大，海洋产业金融支持效率的增长受地区各地区经济金融水平的局限，因此地区间效率的绝对差异相对稳定。

3.海洋金融支持效率影响因素分析

本文选取的海洋金融支持效率的可能影响因素有：地区经济发展水平(地区总生产值，pgdp)、海洋经济发展水平(海洋产业总生产值占地区总生产值比例，gpro)、海洋产业结构(海洋第三产业比例，tpro)、政策性金融支持便利程度(政策性银行网点数、ncbank)商业性金融支持便利程度(商业银行网点数、cbank)海洋产业劳动投入(涉海人员数量，labor)和海洋产业资本投入(海洋产业资本存量，capital)，其中涉海人员数量和资本存量为控制变量。借鉴Goldsmith在1951年提出的永续盘存法，对海洋资本存量进行估算。具体方法是：Kt=It+(1-δt)Kt-1，其中，Kt表示t年的海洋资本存量；Kt-1表示t-1年的海洋资本存量；It表示t年的海洋投资，δt表示t年的资本折旧率。借鉴张军等的做法[18]，首先将海洋生产总值折算成以2006年为基期的不变海洋产值。根据沿海省份的地区海洋生产总值与地区生产总值的比值进行折算得到沿海省份基期的地区海洋资本存量，δ取值为9.6%[18]。选择固定资本形成总额作为投资指标，同样以地区海洋生产总值占地区生产总值的比例来对固定资本形成总额进行折算，作为沿海省份的海洋固定资本形成总额，以2006年为基期折算成不变价格投资。

采用Tobit模型进行回归分析，样本数据为11个沿海省份2006—2015年的面板数据，回归结果如表12所示。

表12 海洋产业金融支持效率影响因素回归结果

1) 地区经济发展总体水平、海洋经济发展水平

由回归结果可看出，地区经济发展总体水平、海洋经济发展水平对海洋金融支持效率产生显著正向作用。地区经济发展水平每提高一个单位，海洋金融支持效率提高0.219 8个单位。地区的经济基础给海洋经济发展起到了必要的支撑作用，经济基础较好的省份可给海洋经济注入更多的经济投入和金融支持。另外，海洋经济发展水平每提高一个单位，海洋金融支持效率提高0.167 4个单位。海洋经济发展水平也反映了地区经济总体发展对海洋经济的依赖程度或重视程度，或者说海洋经济对地区经济总体贡献程度。海洋经济对总体经济贡献越大，地区对海洋经济越重视，相关政策和经济金融上的投入越大，形成一个海洋经济发展、地区对海洋经济重视程度提高、金融支持加大的正反馈效应，从而推动金融支持效率不断提高。

2) 政策性金融支持便利程度和海洋产业劳动投入

回归结果显示，政策性金融支持便利程度和海洋人力资本对海洋金融支持效率起到负向作用。该结果可能反映了当前政策性金融对海洋产业的金融支持效果尚未真正发挥作用，一方面政策性金融对海洋的融资支持力度在不断加大的同时，可能由于资金有效使用不足、资金投向的海洋项目创造经济效益能力不足等，导致海洋产业金融资源配置效率较低。政策性金融须进一步与海洋实体经济发展需求相适应，提高对海洋中小企业融资服务的灵活性和多样性，一方面提高政策性金融的风险防控能力，另一方面加强政府、企业、金融机构间的信息共享，推动政策性金融机构与地方海洋行政主管部门共同组织涉海项目与政策、金融产品和服务双向推介会，提升政策性金融支持效率。

另外，回归结果显示，海洋产业的劳动对海洋产业金融支持效率呈负向影响，一定程度反映了一方面中国涉海就业人员数量规模在扩大，但从事海洋科研的专业人才比重较低，整体行业的人力资本较低，因此人员规模上的单方面扩大难以对海洋产业金融支持效率起到较好促进作用，未来需要进一步增大海洋科技人才的储备，发挥海洋科研人才对海洋产业的创新推动作用。

3) 海洋产业资本投入、海洋产业结构和商业性金融支持便利程度

回归结果显示，海洋产业资本投入、海洋产业结构和商业性金融支持便利程度对海洋产业金融支持效率的作用不显著。这反映了海洋产业资本投入对海洋金融支持效率的作用尚未有效发挥。海洋产业的资本存量越高，意味着海洋产业有越高的技术水平、资本含量高、高技术的生产设备等。因此随着海洋产业资本投入的增加，海洋技术不断进步，相同的金融支持可给海洋产业带来更大增量产出，提升海洋金融支持效率。

海洋第三产业所占比重提高，一方面是产业优化升级的体现，但海洋产业的新增长极——海洋战略性新兴产业，并不完全集中于第三产业，其中包括海洋生物产业、海洋能源产业、海水利用产业、海洋制造与工程产业、海洋物流产业、海洋旅游业、海洋矿业等6大产业，涉及到第二产业，具有高新技术支撑、资源消耗低、综合效益好、市场前景广阔等优势，在转变经济发展方式、实现跨越式发展方面优势突出。因此，海洋产业金融支持效率的提升仅仅通过第三产业比重的提高是不够的，更要重点加大对海洋战略性新兴产业的资金支持和成果转化的推动，优化内部产业结构。

另外，商业性金融对海洋产业金融支持效率作用不显著。一方面，从现状来说，商业银行总体来说对海洋产业的信贷支持相对较弱，尽管海洋产业主要的融资渠道来源于间接金融，但从商业银行角度来说，鉴于海洋产业的风险收益特性和商业银行的安全性、流动性、效益性的考量，投放于自然灾害风险较大、收益不确定性大、回收期较长的数量众多但规模小的海洋产业的信贷投入比重低，阻碍了商业性金融对海洋经济支持功能的充分发挥。因此，一方面商业银行网点数的增加提高了商业银行对海洋产业金融支持的便利性和可获得性，但另一方面商业银行对其他行业企业的信贷倾向性也对海洋产业的信贷投入产生一定“挤出”效应，上述负向作用和商业银行作为金融中介的正向作用两者叠加导致其支持作用有限。因此，商业银行应加大对海洋产业中小企业风险定位、风险监测和解决信息不对称等上的创新，创新贷款模式，提升风险防控能力，进而真正发挥商业银行对实体经济的输血造血作用。

五、结论与建议

本文首先通过灰色关联分析模型测算了三大海洋经济圈的金融发展与海洋经济发展的相关性，验证了金融发展对海洋经济具有较好的金融支持关联性；接着运用SFA模型进一步测算了11个省份的金融支持效率，并利用Tobit回归模型分析了金融支持效率的影响因素。结果显示：中国对海洋产业的金融支持成效逐年扩大，其中东部海洋经济圈效率最高，其次是北部海洋经济圈和南部海洋经济圈。三大海洋经济圈的效率形成了“三圈三极”的格局，圈内各省海洋产业发展不均衡，差异较大；总体来说效率趋于均衡，向高水平发展。地区经济发展总体水平、海洋经济发展水平和海洋资本投入对海洋金融支持效率产生正向作用。

本文通过一系列实证研究为未来进一步发展中国海洋经济指明了方向。基于中国当前海洋经济效率的空间差异，未来应充分发挥经济圈中核心省市的辐射作用，由点到面带动创新发展模式。在金融支持方面，未来须进一步明确海洋产业金融支持需求，积极探索海洋产业创新融资模式；健全金融支持服务体系，完善海洋产业融资渠道。推进开发性金融发展，市场机制和政府引导共同助力，国家开发银行等开发性金融机构可通过设立海洋产业专项贷款、实行投贷联动等形式支持海洋产业项目，或通过银团贷款、PPP模式等形式推进海洋产业重大基建项目，实现从海洋大国向海洋强国转变。同时发挥好政策性金融和商业性金融的合力，加大商业银行在海洋企业贷款上的倾斜，并积极发挥政府财政在支持海洋产业发展中的先导性作用。