山东省海洋牧场经济效益的实证分析

张婧一，宋 欣*，张海英，王俊鹏

（1.山东省淡水渔业研究院，山东济南 250013；2.平度市自然资源局，山东青岛 266700）

山东省是海洋大省，毗邻海域面积约159 500 km2，海洋资源丰度指数居全国首位［1］。2005年，《山东省渔业资源修复行动规划》开始实施，山东省沿海城市大范围开展海洋牧场建设［2］。2014年，山东省提出“投礁型、田园型、底播型、装备型、游钓型”五大类海洋牧场协同发展的新理念［3］。2017年，《山东省海洋牧场建设规划（2017—2020年）》正式印发。2018年，《山东省现代化海洋牧场建设综合试点方案》获国家批复［4－5］。海洋牧场不仅可以修复海洋生态环境，发挥其生态效益，解决渔民就业问题，发挥其社会效益，还可以更加高效地发展海洋渔业产业，发挥其经济效益［6］。目前，山东省海洋牧场建设尽管取得了初步成效，但是在发展中仍存在用海面积过大等诸多问题［7－8］，因此，山东省在发展海洋牧场的过程中需要不断优化其发展模式，促进海洋牧场由高速发展转向高质量发展，实现海域资源的集约使用和可持续发展。本文选取40处山东省海洋牧场，利用2017—2019年海洋牧场收入、利润、海域面积和海洋牧场类型等数据，对不同类型海洋牧场经营效益的差异和同类型海洋牧场经营效益的差异进行分析，以期为山东省海洋牧场发展提供一定参考依据。

1 山东省海洋牧场总体情况

截至2020年7月，山东省已建成国家级海洋牧场44处，省级海洋牧场105处，居全国首位。这些海洋牧场分布在山东省烟台、威海、青岛、日照、东营、潍坊和滨州7个沿海城市，其中省级海洋牧场数量在烟台和威海最多，青岛和日照次之，东营、潍坊和滨州最少。具体分布情况如表1所示。

表1 山东省海洋牧场分布表Tab.1 Distribution of marine ranches in Shandong Province （处）

本文以原山东省海洋与渔业厅《关于公布2018年省级海洋牧场建设示范项目名单的通知（鲁海渔函〔2018〕285号）》所公示的72处海洋牧场作为研究总体［9］，海洋牧场海域面积、类型来源于此文件。2017—2019年海洋牧场收入、利润数据取自于2020年度山东省海洋软科学研究课题“海洋牧场统计体系建设研究”的调研数据。本研究所涉及的海洋牧场收入主要包括海洋牧场产出的鱼、虾、蟹、参和贝等海珍品的收入，人工鱼礁钓捕的收入和休闲海钓的收入；利润主要是指收入扣除维持海洋牧场正常运营所需的费用。

按照海洋牧场功能和建设方式的不同，海洋牧场分为游钓型海洋牧场、投礁型海洋牧场、底播型海洋牧场、装备型海洋牧场和田园型海洋牧场5种类型［10］。其中，从功能定位来讲，底播型海洋牧场侧重于底栖贝类和底栖海珍品的增殖；游钓型海洋牧场侧重于休闲海钓；田园型海洋牧场侧重于立体、循环和生态养殖；投礁型海洋牧场侧重于投放人工鱼礁，改善海洋生态环境；装备型海洋牧场侧重于在深远海建设大型智能网箱、深海养殖工船和养殖平台。基于数据的可获取性和完整性，选取了40处山东省海洋牧场作为研究对象。根据相关文件及调研情况，将40处海洋牧场进行了类型分类，具体分布情况如表2所示。从表中可以看出，底播型海洋牧场主要分布在潍坊、东营和滨州3市，其他类型主要分布在烟台、威海和日照3市。

表2 40处山东省海洋牧场分布情况表Tab.2 Distribution of 40 marine ranches in Shandong Province （处）

2 实证分析

2.1 收入、利润的描述性统计

近年来，山东在发展思路、发展模式和发展方法上大胆尝试，积极作为，海洋牧场发展迅速。2017—2019年，40处海洋牧场收入平均值、利润平均值逐年增加（表3）。2018年收入平均值环比增长率为7.23%，2019年收入平均值环比增长率为6.18%，收入平均值增速放缓。2018年利润平均值环比增长率为42.83%，2019年利润平均值环比增长率为17.57%，利润平均值增速放缓。同时期利润平均值的环比增长率大于收入平均值的环比增长率，说明海洋牧场平均收入利润率逐年提高［11］。2017—2019年收入平均值的标准差逐年降低，说明收入平均值反映数据集中趋势的代表性显著；利润平均值的标准差逐年升高，说明利润平均值反映数据集中趋势的代表性不显著。

表3 收入、利润的描述性分析Tab.3 Descriptive analysis of income and profit

偏度是对分布偏斜方向和程度的判断与测定，同时在一定程度上也反映出均值作为集中趋势指标的代表性和数据分布的离散程度［12］。但要准确地测定分布的偏斜程度并进行比较分析，通常需要计算分布的偏态系数，本文采用的偏态系数的计算方法如下：

式（1）中，α3为偏态系数，σ3为标准差的三次方，Xi为第i个样本数据，k表示样本容量，为样本平均值，Fi为第i个样本数据出现的次数，N为样本个数。

当α3大于0，表示数据分布呈现右偏态，位于均值左边的数据比位于右边的多，左边的离散度比右边弱；当α3小于0，表示数据分布呈现左偏态，位于均值左边的数据比位于右边的少，左边的离散度比右边强；当α3等于0，数据分布符合正态分布。2017—2019年海洋牧场收入平均值、利润平均值均呈现右偏态，说明左边的离散度比右边弱。

峰度用于衡量数据分布相对于正态分布而言是陡峭还是平缓。测定峰度状态的统计指标为峰度系数，它是离差四次方的平均数再除以标准差的四次方，即：

式（2）中，α4为峰度系数，σ4为标准差的四次方，Xi为第i个样本数据，k表示样本容量，为样本平均值，Fi为第i个样本数据出现的次数，N为样本个数。

α4等于3时，数据分布符合正态分布；α4大于3时，峰的形状比较尖，比正态分布峰要陡峭；α4小于3时，峰的形状比较缓，比正态分布峰要平缓。2017—2019年40处海洋牧场收入平均值、利润平均值α4均大于3，说明40处海洋牧场收入平均值、利润平均值的数据分布相对正态分布而言比较陡峭。

2.2 收入、利润和海域面积偏相关分析

很多情况下，两个变量的数值会同时受其他变量的影响，这时候就需要把其他变量控制住，计算出控制其他变量影响后的相关系数（称为偏相关系数），这就是偏相关分析［13］。偏相关系数是真正反映两个变量相关关系的统计量。P值是针对原假设H0：假设两变量无线性相关而言的。本文将显著性水平设置为0.01，所以只需要将P值和0.01进行比较：如果P值小于0.01，就拒绝原假设H0，说明两变量有线性相关的关系；如果大于0.01，则一般认为无线性相关关系。本文利用SPSS24.0软件中的偏相关分析功能，分析了2017—2019年山东省40处海洋牧场收入、利润受海域面积的影响程度（表4）。

表4 2017—2019年收入、利润和海域面积偏相关分析结果Tab.4 Partial correlation analysis results of income，profit and sea area during 2017—2019

2017年不控制海域面积时，收入与利润的相关系数是0.558，相关系数检验的概率P值是0.000，小于显著性水平0.01；控制海域面积时，收入与利润的偏相关系数是0.559，偏相关系数检验的概率P值是0.000，小于显著性水平0.01。偏相关系数0.559大于相关系数0.558，所以剔除海域面积的影响后，2017年收入与2017年利润的相关关系稍弱。

2018年不控制海域面积时，收入与利润的相关系数是0.496，相关系数检验的概率P值是0.001，小于显著性水平0.01；控制海域面积时，收入与利润的偏相关系数是0.496，偏相关系数检验的概率P值是0.001，小于显著性水平0.01。偏相关系数等于相关系数，可见，海域面积对2018年收入与2018年利润的相关关系没有影响。

2019年不控制海域面积时，收入与利润的相关系数是0.583，相关系数检验的概率P值是0.000，小于显著性水平0.01；控制海域面积时，收入与利润的偏相关系数是0.582，偏相关系数检验的概率P值是0.000，小于显著性水平0.01。相关系数0.583大于偏相关系数0.582，所以剔除海域面积的影响后，2019年收入与2019年利润相关性更强［14］。

从上面分析可以看出，2017年收入与利润的相关性受海域面积影响更大，2018年收入与利润的相关性不受海域面积影响，2019年收入与利润的相关性受海域面积影响减弱。可见，山东省海洋牧场经济效益可能会受到海洋牧场海域面积的影响，但海域面积并不是影响海洋牧场经济效益的必然要素。

2.3 收入、利润和类型分析

底播型、田园型海洋牧场多建设于浅海地区，用于浅海养殖，基本设施配备相对简单；投礁型、装备型和游钓型海洋牧场需投入人工鱼礁，前期投入较大；装备型海洋牧场建设于深海地区，投入较大。如表5所示，游钓型海洋牧场平均收入、平均利润和平均收入利润率逐年向好发展；投礁型海洋牧场2018年的平均利润和平均收入利润率比2017年和2019年高；底播型海洋牧场平均利润和平均收入利润率逐年提高；田园型海洋牧场平均收入和平均利润逐年提高，平均收入利润率比较稳定；装备型海洋牧场由2017—2018年连续两年的亏损，2019年开始盈利，发展良好。按年度来看，底播型海洋牧场平均收入和平均利润占同年40处省级海洋牧场平均收入和平均利润总值的比例最高，装备型海洋牧场平均收入和平均利润占同年40处海洋牧场平均收入和平均利润的比例最低。由此可见，不同类型海洋牧场经营效益存在较大差异［15－18］。

表5 40处海洋牧场不同类型收入、利润和利润率情况表Tab.5 Income，profit and profit margin of different types of 40 marine ranches

以40处海洋牧场2017—2019年平均收入、平均利润为基础，利用SPSS 24.0软件对40处海洋牧场进行聚类分析，得到各个海洋牧场的分类表［19］。聚类分析是将分类对象置于一个多维空间中，按照它们空间关系的亲疏程度进行分类。通俗地讲，聚类分析就是根据事物彼此不同的属性进行辨认，将具有相似属性的事物聚为一类，使得同一类的事物具有高度的相似性。聚类分析主要有二阶分析、K中心聚类和层次聚类。本文采用层次聚类方法，层次聚类法（hierarchical clustering method）基本思想是：先将各个样本各自看成一类，然后规定样本之间的距离和类与类之间的距离；然后选择距离最小的一对并成一个新类，计算新类和其他类的距离；再将距离最小的两类合并，这样每次减少一类，直至所有的样本都成为一类为止。40处海洋牧场具体分类情况见图1。

图1直观反映了40处海洋牧场逐步合并的过程。如果把40处海洋牧场分成两类，第27处底播型海洋牧场和第30处田园型海洋牧场为一类，其余海洋牧场为一类；如果把40处海洋牧场分成三类，第27处底播型海洋牧场为一类，第30处田园型海洋牧场为一类，其余海洋牧场为一类；如果把40处海洋牧场分成四类，第23处投礁型海洋牧场和第26处底播型海洋牧场为一类，第27处底播型海洋牧场为一类，第30处田园型海洋牧场为一类，其他海洋牧场为一类；如果分成五类或者更多类，分类情况可以从图中看到。由此可见，同种类型海洋牧场经营情况也存在一定差异［20］。

图1 聚类分析树状图Fig.1 Tree diagram of cluster analysis

3 讨论

近年来，为应对日益严重的海洋生态荒漠化问题，促进传统渔业转型升级，建设海洋牧场正成为我国海洋发展的重要选择，山东省作为海洋大省，发展海洋牧场具有得天独厚的自然条件。通过开展海洋牧场经济效益的实证分析，可以为山东省海洋牧场发展提供一定的参考。

第一，海洋牧场海域面积对经济效益的影响。海域面积可能会对海洋牧场经济效益产生影响，但并不是必然的要素。一方面部分用海单位为享受海洋牧场项目补贴，盲目申请大面积用海，审批下来后却对海域面积开发利用不彻底，海域资源利用率不高，造成海洋牧场粗放式发展；另一方面由于海洋牧场用海面积较大，迅速发展的海洋牧场势必会占用大量海域空间，没有科学依据的建设海洋牧场会挤占其他行业用海，容易造成海域资源浪费［21］。因此，需要建立科学合理的海洋牧场用海面积标准，提高海洋牧场海域资源利用率，实现海域资源的集约使用和可持续发展，提升海洋牧场经济效益，推动海洋牧场现代化发展。

第二，海洋牧场类型对经济效益的影响。不同类型海洋牧场有不同的功能定位和发展方向，经营情况不平衡，经济效益有差距；相同类型海洋牧场有不同的管理模式和资源禀赋，经营情况也不平衡，经济效益有差异。因此，海洋牧场建设应科学规划，充分发挥自然条件、科研技术资源等优势，因地制宜，合理发展不同类型海洋牧场，从而提升海洋牧场经济效益［22］，实现山东省沿海城市海洋牧场均衡发展。