中国水产品产量影响因素研究及预测分析

周睿 李光华 金方彭

摘要：水产品产量是衡量渔业产业发展程度的重要指标之一。选取2007—2017年我国水产品产量、水产养殖面积、灾害造成的水产品数量损失、渔业从业人员数量、渔民家庭人均纯收入、水产技术推广机构经费、水产技术推广机构人员数量、年末机动渔船拥有量等数据，计算它们与产量的动态灰色关联分析，结果表明，水产养殖面积是影响水产品产量最重要的因素，灾害造成的水产品数量损失、渔业从业人员数量、渔民家庭人均纯收入、水产技术推广机构人员数量以及年末机动渔船拥有量对水产品产量有较大影响。另外选取1986—2017年的数据，分别建立指数平滑模型、ARIMA模型及灰色系统模型，对“十三五”期间（2018—2020年）的全国水产品产量进行预测分析，结果表明，3种模型的预测精度均较高，且预测结果差别不大。水产品产量在未来3年仍将保持缓慢增长趋势，2020年水产品产量将不超过7 000万t。

关键词：水产品产量;GM（1，1）模型;指数平滑模型;ARIMA模型;预测

中图分类号： F326.4  文献标志码： A  文章编号：1002-1302（2020）10-0327-06

收稿日期：2019-04-30

基金项目：云南省重大科技专项（编号：2016ZA003）。

作者简介：周睿（1985—），女，湖北黄陂人，硕士，助理研究员，现主要从事渔业经济研究。E-mail：171871658@qq.com

通信作者：李光华，硕士，副研究员，主要从事淡水渔业科学研究。E-mail：yn118877@126.com。

随着经济的发展和人民生活水平的不断提高，人们对优质水产蛋白的需求不断增长，水产品已成为人们的生活必需品，是“菜篮子”工程的重要组成部分。水产品产量是衡量渔业产业发展程度的一个重要指标，也是保证水产品供给的决定性因素，影响着水产品价格的稳定性，是开展渔业供给侧结构性改革的关键因素，因此研究水产品产量增长的影响因素及其增长潜力对于研究渔业产业发展具有重要意义。本研究分析不同投入要素对产量的影响，寻找影响产量增长的有利因素和不利因素，旨在为制定科学合理的渔业政策提供参考。

1 数据来源与方法

1.1 数据来源

为保持统计口径一致，提高模型的精度，本研究所用数据均来源于《中国渔业统计年鉴》。在进行产量影响因素分析时，选取的是2007—2017年的数据，因为《中国渔业统计年鉴》根据全国第二次农业普查结果和全国第三次农业普查结果对产量数据进行过2次调整，第1次调整的是1997—2006年的数据，第2次调整的是2012—2016年的数据，而其他年份数据没有作相应调整，根据调整年份前后发布的年鉴数据可知，调整前后养殖面积的变动较大，这样就会出现产量数据和养殖面积数据不对应的问题。养殖面积是影响产量的重要因素之一，如果数据不对应，则会影响模型的精度。另外，本研究选取灰色关联法来分析水产品产量的影响因素，经过验证分析得出，最近几年的数据对模型精度的影响较大，而前些年的数据对模型几乎没有影响。因此，本研究避开第1次数据调整，采用水产品产量第2次调整后的数据并自行调整了养殖面积数据（调整方法详见下文）来尽可能保证模型结果的合理性。

在水产品产量預测分析中，GM（1，1）模型、指数平滑法和差分整合移动平均自回归（ARIMA）模型均仅对水产品产量数据具有一定要求，由于指数平滑法和ARIMA模型对样本容量要求较高，因此选用1986—2017年的数据，而GM（1，1）模型的样本容量则不需要那么大，因此在建模时根据试验选择精度较高的模型维度。

1.2 方法的选择

研究水产品产量影响因素常用的方法有灰色关联法、主成分分析法以及多元回归分析法等，由于主成分分析法在变量的筛选和解释上具有一定的局限性，回归分析法存在多重共线性和模型拟合精度不高等问题，因此本研究采用灰色关联法分析影响水产品产量的因素。水产品产量预测常用的方法有多元线性回归模型、BP神经网络模型、灰色预测模型、指数平滑法以及ARIMA模型等，这些方法各有优劣，但是从可行性的角度来说，多元线性回归模型和BP神经网络模型对数据的完整性和一致性要求较高，而渔业数据多元线性回归模型存在多重共线性的问题。综合以上分析，本研究选择指数平滑法、ARIMA模型、灰色系统模型来进行定量预测比较分析[1-2]。

2 我国水产品产量及其影响因素之间的动态灰色关联分析  指标的选取一般要遵从相关性、完备性、综合性、可得性等4个原则。按照这4个原则，本研究从自然资源、劳动力投入、技术创新、基础设施等4个方面选取水产养殖面积（自然资源，X1）、灾害造成的水产品数量损失（自然资源，X2）、渔业从业人员数量（劳动力投入，X3）、渔民家庭人均纯收入（劳动力投入，X4）、水产技术推广机构经费（技术创新，X5）、水产技术推广机构人员数量（X6）、年末机动渔船拥有量（基础设施，X7）等7个因素，通过计算它们与水产品产量（X）之间的灰色关联度，分析得出对水产品产量具有影响的因素，通过计算各年份各因素与水产品产量之间的灰色关联度，可以得出水产品产量影响因素的变化情况[3]。2007—2017年我国水产品产量及7个影响因素的原始数据见表1。

这里要特别说明的是，第3次全国农业普查结束后，农业农村部联合国家统计局对2016年部分渔业统计数据进行了调整，并对2012—2015年的水产品产量数据进行了调整，本研究采用的均是调整后的数据。另外，养殖面积对水产品产量的影响较大，而国家并未对2012—2015年的养殖面积数据作出相应调整，从2016年调整前后的养殖面积数据可以看出，2016年养殖面积调整率较高，为12%[5-6]。为提高预测模型的精度，本研究对2012—2015年的养殖面积数据作出一定调整。调整方法为：假设调整之前的养殖产量为Y1，调整之后的养殖产量为Y2，调整之前的养殖面积为S1，调整之后的养殖面积为S2，调整之前的单位面积产量为A1，调整之后的单位面积产量为A2，由于A=Y/S，可以得出，养殖面积的调整率=S1-S2S2=Y1Y2×A2A1-1，这里假设A2A1是固定的，因为在实际情况下，养殖产量的主要影响因素为养殖面积，单位面积产量每年的变化率较小，且本研究以养殖面积为基础对产量进行调整，因此单位面积产量的调整率是固定的，较为符合实际情况，根据2012—2016年调整前后的产量数据可以计算出2012—2015年调整后的养殖面积数据。

《全国渔业发展第十三个五年规划》提出，2020年水产品产量达到6 600万t，捕捞产量控制在 1 000万t 以内，渔业产值达到14 000亿元，占农业总产值的比重为10%左右，渔民人均纯收入达到 21 000 元[14]。与渔业发展“十一五”“十二五”规划相比，“十三五”规划提出了控制性指标，并且产量与2015年的6 700万t相比为负增长，各指标增长速度也未列入发展指标[15-16]。从实际的数据来看，2017年，水产品产量为6 445.33万t，同比增加103%，捕捞产量为1 539.34万t，同比减少296%;渔业产值为1 517.78亿元，占农业产值的比重为10.6%，渔民人均纯收入为18 452.78元[4]。2017年，渔业产值和渔业产值占农业产值的比重已提前达到“十三五”规划中2020年设定的目标，水产品总产量和捕捞产量为负增长指标，通过实施限制性政策手段可以实现，而渔民人均纯收入离“十三五”规划设定的目标尚有差距[17]。岳冬冬等研究表明，水产品产量对于渔民收入具有正向影响作用，即水产品产量是渔民收入增加的一个主要推动力[18]。但是在国家水资源环境政策约束逐渐收紧的前提下，减量增收将成为渔业产业发展的重要政策导向，在今后一段时期水产品产量增长受限的前提下，要保证渔民收入的持续增长，需给予水产养殖业充分的水域发展空间，以确保渔业产业的发展质量和发展地位[18];应大力发展渔业第二、三产业，让渔民能寻找到新的收入增长点;在政策上给予渔民更多的支持，提高渔民生产的积极性。

参考文献：

[1]乔俊果. 三种数学模型在海洋经济预测中的应用[J]. 广东海洋大学学报，2008，28（4）：16-19.

[2]白福臣. 灰色GM（1，N）模型在广东海洋经济预测中的应用[J]. 技术经济与管理研究，2009（2）：9-11.

[3]丁 娟，汪易易.基于灰色系统模型的山东省渔业产量增长预测分析[J]. 中国渔业经济，2010，28（6）：92-98.

[4]农业部渔业渔政管理局.中国渔业统计年鉴（2006—2018）[M]. 北京：中国农业出版社，2006-2018.

[5]岳冬冬，王鲁民. 我国水产品产量增长特征研究[J]. 江苏农业科学，2012，40（6）：370-372.

[6]岳冬冬. 中国水产品统计数据修正规律研究——以水产品总量和海水产品产量为例[J]. 华中农业大学学报（社会科学版），2012（1）：33-36.

[7]曹兰芳，王立群，戴永务. 湖南省林业产业结构灰色动态关联分析[J]. 林业经济问题，2013，33（4）：118-121.

[8]张 超，何翔宇，吴荣涛，等. 基于等维信息GM（1，1）模型的河南省粮食产量预测[J]. 河南农业大学学报，2015，49（8）：556-572.

[9]岳冬冬，王鲁民. 基于GM（1，1）模型的我国水产品产量预测[J]. 南方农业学报，2012，43（5）：722-726.

[10]王海英，谢 骏，王广军，等. 基于灰色动态模型的我国水产品产量预测[J]. 中国渔业经济，2011，29（4）：135-138.

[11]张淇超. 基于ARIMA模型的贵州省农业总产值预测分析[J]. 中国集体经济，2013，34（12）：1-2.

[12]王艳妮. 中国农产品产量预测模型的比较研究[D]. 青岛：青岛大学，2018.

[13]屈磊磊，程 岩. 辽宁省水产品产量的分析与预测[J]. 辽宁工业大学学报（自然科学版），2015，35（2）：138-140.

[14]农业农村部. 农业部关于印发《全国渔业发展第十三个五年规划》的通知[EB/OL]. （2017-02-20）[2019-03-21]. http：//www.moa.gov.cn/nybgb/2017/derq/201712/t20171227_6131208.htm.

[15]农业农村部. 农业部关于印发《全国渔业发展第十二个五年规划》的通知[EB/OL]. （2011-11-14）[2019-03-21]. http：//jiuban.moa.gov.cn/zwllm/tzgg/tz/201111/t20111114_2408578.htm.

[16]农业农村部. 农业部关于印发《全国渔业发展第十一个五年规划》的通知[EB/OL]. （2006-12-20）[2019-03-21]. http：//www.moa.gov.cn/nybgb/2006/dseq/201806/t20180616_6152371.htm.

[17]周 磊，馬改艳，徐学荣. 水产品市场价格和渔民收入的动态关系——基于SPVAR模型的实证[J]. 江苏农业科学，2018，46（10）：349-354.

[18]岳冬冬，吕永辉，夏 芸，等. 改革开放40年中国渔业政策与渔民收入增长关系研究[J]. 渔业信息与战略，2019，34（2）：1-9.