海南省海洋经济发展趋势分析

2021-08-11陈凤桂吴耀建张超姜玉环

海洋开发与管理 2021年7期

陈凤桂,吴耀建,张超,姜玉环

(自然资源部第三海洋研究所厦门 361005)

0 引言

海南省陆地面积为3.54万km2,海域总面积约200万km2,是我国海洋面积最大的省份,占我国海洋国土面积的2/3[1]。2018年,海南省海洋生产总值为1 447亿元,占全省GDP的29.95%,是全省经济的重要组成部分。尽管21世纪以来,海南省海洋经济取得了巨大的发展,但是与全国其他沿海省(自治区、直辖市)相比,差距依旧明显。海南海洋生产总值不足海洋经济大省广东和山东的1/10,与广西相比也存在一定的差距。

2018年10月16日,国务院批复同意设立中国(海南)自由贸易试验区,2020年6月印发《海南自由贸易港建设总体方案》,支持海南稳步推进中国特色自由贸易港建设。海南自由贸易试验区和自由贸易港的建设,将给海南海洋经济的发展带来前所未有的机遇。

经济预测是人类依据对经济活动运行规律的认知,对经济运行相关领域未来发展方向与所处位势的可能性进行推断[2]。对快速增长的海洋经济做出可靠的预测,可以深化对海洋经济发展规律的认识,对确定海南省海洋经济增长前景和目标、制定海洋开发战略具有重要的实践和参考意义。

1 预测方法遴选

经济预测方法层出不穷,但按照预测的结果划分,可以划分成两类:定性预测和定量预测。

定性经济预测法又可称作非结构预测,是预测者在已掌握的历史经济资料的基础上,凭借自己累积的丰富实践经验以及业务知识,对经济的未来发展状况做出可能变动方向而不是具体数值大小的判断,其判断结果作为经济发展趋势判定的主要依据[3]。常见的方法有:专家预测法、市场调查预测法、主观概率预测法和交叉影响分析法等。

定量经济预测法是指在全面、可靠的历史数据资料以及数学和经济理论的基础上,利用数学模型和统计知识,对将来的经济发展趋势进行分析和预测。常见的模型有:回归分析模型[4-5]、灰色系统模型[6-8]、BP神经网络模型[9-14]、时间序列模型[15-16]和组合模型[17-21]等。

定性预测分析从广义上讲,是把定量预测分析作为一种说明性的手段用的;狭义上讲,只是一种经过科学加工的主观估计,它是将分散的个人经验经过加工,寻找其规律性,然后按此规律进行预测的一种预测方法[22]。考虑到定性预测法主观性较强,因此,本研究采取定量预测方法。在对比分析各预测方法的特点后,根据现有的数据基础,选取灰色系统模型预测方法和基于时间序列模型预测方法。

2 基于灰色系统模型的预测

灰色系统(gray system)理论和方法是近年来广泛应用的一种预测算法[23-25],根据客观事物的发展规律以及少量、不完全的信息,借助数学模型对其发展趋势进行描述和分析,并形成科学的假设和判断,被广泛应用于社会、经济和科技等领域的预测、决策和评估[26]。用来对系统进行预测常用的灰色模型有GM(1,1)、GM(2,1)、GM(1,N)等,主要采用GM(1,1)模型。本研究运用DPS数据处理系统GM(1,1)模型进行预测。

本研究选取2004—2018年海南省海洋生产总值作为原始数据,通过建立灰色预测模型,对2019—2025年海南省海洋生产总值进行预测。2004—2018年海南省海洋生产总值如表1所示。

表1 2004—2018年海南省海洋生产总值亿元

将表1数据导入DPS数据处理系统进行运算,得到模型参数a=-0.118 236,b=268.822 499,即模型为:X(t+1)=2 502.611 193e0.11823t±2 273.611 193

通过对模型进行后验差检验,得出c=0.063 9,p=1.000 0,符合p>0.95和c<0.35的要求,因此,构建模型可靠。

通过模型计算,得到2019—2025年海南省海洋生产总值的预测值(表2)。

表2 基于两种模型的海南省海洋生产总值预测值亿元

3 基于时间序列模型的预测

时间序列模型是研究经济增长趋势的重要方法,也是预测经济序列变化的重要手段[27]。许多学者利用时间序列模型进行经济数据预测。时间序列预测具有连续性和随机性,时间序列预测模型主要包括指数预测模型、ARIMA模型等[28]。指数预测模型是预测时序未来值最常用的模型,所需历史数据较少,操作简单且短期预测效果好,根据指数模型建模时选择的因子不同,指数预测模型主要有单指数模型、双指数模型和三指数模型,其中的三次指数模型也叫Holt-Winters指数平滑,可以处理同时具有趋势性和季节性的时序。

三次指数平滑模型的适用性是最广的,几乎适用于分析一切时间序列的应用问题。因此,本研究采用三次指数平滑模型进行预测。该预测模型的参数a、b和c对较近的时间序列的数据赋予较大的权。

本研究运用DPS数据处理系统执行“三次指数平滑模型”,系统对各个参数分别赋值A0=229.606 7,B0=0.131 1,C0=2.492 3,并以拟合均方误差最小为原则,选择“最好”的模型参数。在本研究中,当均方拟合误差最小(35.626 1)时,参数α=0.28,A=1 432.850 2,B=145.050 3,C=4.412 2。2019—2025年海南省海洋生产总值的预测值,如表2所示。

4 预测结果判别

4.1 产业拉动效应分析

为了进一步分析海南省海洋经济发展趋势,我们对产业拉动效应进行分析。运用SPSS软件对各产业产值与海洋生产总值进行相关性分析,发现海洋渔业、滨海旅游业、海洋科研教育管理服务业、海洋相关产业与海洋生产总值在0.01水平上显著正相关,海洋可再生能源利用业与海洋生产总值在0.05水平上达到显著相关,而海洋矿业、海洋盐业、海洋化工业、海洋药物和生物制品业、海洋船舶工业、海洋工程建筑业、海洋交通运输业这7类产业与海洋生产总值之间不存在显著相关关系(表3)。由此,可以看出海洋渔业、滨海旅游业、海洋科研教育管理服务业、海洋相关产业四大产业是拉动海南省海洋生产总值增长的主要贡献因子。

表3 海南省各海洋产业产值与海洋生产总值相关分析结果

海洋渔业是海南省海洋经济传统产业和支柱之一,占主要海洋产业比重较大,2018年为22.4%。近10年来,海南省海洋渔业经济呈现波动增长趋势,年均增长率为10.33%。从2016年开始,受捕捞量调减控制、近岸养殖清退及养殖方式转型影响,海洋渔业经济增长率有所下滑,2018年全省海洋渔业实现增长5.19%。但同时要看到,休闲渔业、水产种苗、深水网箱养殖等新业态、新动能正在加速发展,综合分析,预估未来3～5年,海洋渔业经济将保持良好的增长态势。

滨海旅游业是海南省海洋经济的传统优势产业,2018年滨海旅游业产值为299亿元,占海洋生产总值的20.66%。近10年来,海南省滨海旅游业呈现波动增长的态势,年均增长率达到16.8%。作为中国唯一全部处于热带的岛屿省份,海南拥有得天独厚的自然条件和区位优势,经过多年的发展,海南旅游产业规模逐步扩大,旅游基础设施不断完善,对相关产业经济发展的带动作用也越来越明显,经济总量不断提升。海南省树立了热带海岛休闲度假旅游胜地的品牌形象,已经成为中国对外交流与合作的重要平台,海南旅游在经济贸易、招商引资、文化交流等工作中都发挥了积极的作用。随着自由贸易港政策的不断开放,海南滨海旅游业迎来了大发展的好时机,有望继续拉动海南省海洋生产总值快速发展。

海洋科研教育管理服务业是开发、利用和保护海洋过程中所进行的科研、教育、管理及服务等活动,包括海洋信息服务、海洋环境监测预报服务、海洋保险与社会保障、海洋科学研究、海洋技术服务、海洋地质勘查、海洋环境保护、海洋教育、海洋管理等。随着海南加快深海科技创新步伐,科技部重大项目全海深载人潜水器落户海南,为海南打造深海科技高地奠定了坚实的基础。三亚崖州湾科技城的建设,上海交大、浙江大学、中国海洋大学等海洋领域知名高校,中国科学院南海所、中国科学院深海所、中国地质调查局、招商工业、华大海洋、一飞智控等知名科研机构和企业的引入,势必会对海南省海洋科研教育管理服务业的进一步发展起到推动作用。

海洋相关产业是指以各种投入产出为联系纽带,与主要海洋产业构成技术经济联系的上下游产业,涉及海洋农林业、海洋设备制造业、涉海产品及材料制造业、涉海建筑与安装业、海洋批发与零售业、涉海服务业等。2018年,海南省海洋相关产业产值达到409亿元,占海南海洋生产总值的28.26%。近10年呈现增长趋势,年均增长率达到12.2%。

另外,海南拥有良好的港口基础,拥有海口、洋浦、八所和三亚等港口,2017年货物吞吐量1.85亿t、旅客吞吐量1 500万余人,完全具备了推进海运与经济社会融合发展空间。随着“国际陆海贸易新通道”“一区一港”和南海综合服务保障基地等重大战略发展任务的实施,海南省港口职能将大大增强,同时政策红利也将极大地激发港口发展潜力,加快海洋交通运输业发展,成为拉动海南省海洋经济增长的重要因素。

4.2 预测结果对比分析

灰色系统模型与时间序列模型对2004—2018年历史总产值的拟合精度如表4所示,时间序列模型对于平稳增长年份的拟合效果较好,拟合值与实际值的误差不是很大;而对快速增长年份的拟合效果较差,超过20%。总体而言,时间序列模型的拟合精度更低。灰色系统模型对数据要求样本容量小、精度高,拟合误差小。

表4 两种预测模型对历史数据的拟合结果比较

续表

根据预测结果,我们计算出,基于灰色系统模型的预测值,年增长率维持在12.5%～13.6%;基于时间序列模型的预测值,年增长率为8.2%～10%,且随着预测年限的增加,年增长率呈明显下降的趋势。尽管对于长时间序列而言,年增长率维持在10%以上有一定难度,但是依据海南省海洋经济的发展现状及趋势,在未来10年内,仍具备较大的发展潜力。

基于以上两点,基于灰色模型的预测值更为合理。