海洋绿色全要素生产率与海洋经济动态关系实证研究

王倩倩 管红波

上海海洋大学 经济管理学院 上海201306

随着陆域资源的开发和损耗，世界众多国家将视角转向海洋领域，制定海洋经济发展战略[1]。我国亦提出海洋强国战略。2021年，我国海洋生产总值达90 385亿元，增速为8.3%，高于同期国内生产总值[2]。沿海地区作为拥有丰富海洋自然资源的资源型地区，为我国海洋经济增长作出了巨大贡献[3]。但海洋经济快速发展过程中，资源高损耗、经济粗放增长等问题在资源节约型、环境友好型约束下必然会导致资源型地区经济增长乏力[4]。

“海洋强国”目标与“环境约束”现实之间问题的严峻性与日俱增。学者们开始聚焦于环境约束下的海洋绿色经济增长研究，其核心是提高海洋经济绿色全要素生产率（GTFP）。如何提高海洋经济GTFP这个问题的回答有赖于分析GTFP的内在机制。故本文将对海洋经济GTFP增长率进行分解，探究导致GTFP变动的要素是什么、如何影响、影响多大?这些问题的廓清有助于海洋经济GTFP的研究在框架上得到完善，在理论上得到拓展。

1 文献综述

GTFP是在全要素生产率（TFP）研究的基础上发展起来的。TFP不同于劳动生产率或资本生产率[5]，若仅测算一方的投入要素会造成效率低估[6]。Robert Solow对其概念进行了界定：“TFP等于总生产率中扣除资本和劳动两投入要素生产率的剩余部分”[7]。随着可持续发展理论的深入，GTFP被提出[8]。按照是否对环境造成污染将产出分为期望产出和非期望产出，GTFP是指从考虑了非期望产出的总生产率中扣除资本、劳动和资源3个投入要素生产率的剩余部分[9]。国内外学者对海洋经济GTFP的研究主要集中在以下方面。

1.1 海洋经济GTFP的测算方法

目前较成熟的主流方法是基于数据包络模型（DEA）构建的Malmquist生产率指数模型。

DEA及其发展模型主要用于测算生产效率[10-12]。因DEA没有函数形式和误差项分布限制，且能融入多投入、多产出、多决策单元的多维度评价，国内学者运用DEA模型测算我国沿海各地区海洋经济效率[13-14]。但其在产出不足或投入过度时 （径向）、面向投入或产出单方面测算时（角度）会造成决策单元效率的错误估计，故Tone提出非径向非角度的SBM（Slack-based measure）模型[15]。狄乾斌、鲁政等运用该模型测算我国沿海各地区的海洋绿色经济效率[16-17]。

Malmquist生产率指数是在DEA解决了距离函数问题的基础上发展起来的，用于测算全要素生产率。Malmquist指数由Malmquist在消费领域率先提出[18]；Cave等借鉴Charnes等构建的DEA-CCR模型将其发展成生产率指数，用于生产领域[19-20]；随后Chung等[21]纳入环境因素构建了方向性距离函数，推出考虑了非期望产出的Malmquist-Luenberger（ML）生产率指数；Pastor等[22]则借鉴Chung的ML生产率指数与Tone的SBM模型，构建了基于SBM模型的Global-Malmquist-Luenberger（GML）指数方法。刘新民、韩增林、丁黎黎等将其运用于我国海洋经济绿色全要素生产率的研究[23-25]。

1.2 海洋经济GTFP的研究视角

当前海洋经济GTFP的研究视角主要放在其增长率的分解上，以探究海洋经济GTFP的内在驱动机制。国内海洋领域学者主要采用FÄRE R等基于规模报酬不变假设将Malmquist生产率指数分解为技术进步与技术效率的方法[26]。胡晓珍运用该分解方法研究了中国海洋经济GTFP区域增长差异[27]；秦琳贵等则探究了全国海洋经济GTFP增长的主要来源[28]。

FÄRE R等又基于规模报酬变化（VRS）的考虑，将技术效率进一步分解成纯技术效率和规模技术效率[29]。徐进等用技术效率、技术进步、规模技术效率三个指标分析中国海洋经济GTFP的主要贡献要素[30]。关洪军等则对中国海洋经济GTFP增长率及其分解进行时空演化分析[31]。随后，Zofio在前人研究的基础上，对技术进步变化进一步分解[32]。GTFP增长率被完整分解为纯技术进步、规模技术进步、纯技术效率和规模技术效率4个变化指标。

1.3 国内外文献综述小结

梳理文献发现，国内外学者对海洋经济GTFP做了大量研究，但测算方法及内在驱动机制研究存在不足。首先，目前学者多采用FÄRE R等的分解方法，并没有充分考虑规模报酬变化带来的影响，且GTFP增长率的分解没有区分纯技术进步与规模技术进步，因此本文采用Zofio的方法将上述不足加以改进。其次，当前研究更多只停留在时空演变特征分析上，这一部分的研究容易使读者误将研究期内海洋经济GTFP增长率及其分解要素的表现特征判断为内在机制合理发挥作用的结果，其实不然。本文考虑制约因素的影响，从实证角度分析GTFP增长率各要素的影响机制，将研究期内研究对象的表现特征作为厘清内在机理后政策制定与修正的依据。

综上所述，本文运用非径向非角度的、考虑了非期望产出的SBM-GML模型测算海洋经济GTFP，并在前人对海洋经济GTFP及其要素特征研究的基础上，利用面板数据模型实证分析各要素对海洋经济GTFP的影响作用，深入探究我国海洋经济GTFP的内在机制。

2 GML指数模型、数据来源与处理

在建立计量模型之前，用图1对海洋经济GTFP加以阐述，以便于厘清SBM-GML模型的构建原理。以投入中包含资源投入和产出中包含非期望产出的生产函数为例。

图1 绿色全要素生产率与技术进步

曲线为生产前沿线，展示了投入产出最优关系，“最优”表示当前技术水平下既定产出的投入最小或既定投入的产出最大。考虑资源投入与非期望产出，投入与产出之间的关系用海洋绿色经济效率评价。生产前沿面上代表海洋绿色经济效率完全有效，如B、C两点；生产前沿面下则代表效率非完全有效，如A点。离生产前沿线越远，无效程度越高。从原点出发向点A、B、C做直线，直线斜率代表海洋经济GTFP。直线斜率变大，GTFP提高；斜率变动幅度越大，GTFP变动幅度越大。生产前沿线1移动到生产前沿线2，技术进步发挥作用。因此可以得出，海洋经济GTFP衡量的是投入与产出的比率；GTFP变动是由其内在机制引起的。

2.1 基于SBM的Global-Malmquist-Luenberger指数模型

海洋经济GTFP的测算及其增长率的变动，采用基于SBM的GML指数模型来实现。GTFP的变化表示t期的生产要素等量地投入t+1期中，两期产量的差值体现了全要素生产的动态增量水平，而其分解值是对GTFP产生动态增量原因的解释。

根据Zofio[32]的分解方法，将GTFP增长率分解为纯技术进步（PTC）、规模技术进步（STC）、纯技术效率（PEC）和规模技术效率（SEC）。运用GML指数模型从海洋经济绿色全要素生产增长率中分解出各变动因子，准确有效地测算各变动因子的效应，有助于解释海洋经济绿色全要素生产率的内在机制。分解公式为：其中，生产率指数由D0（x，y）方向距离函数测算得出。表示用第t+1期数据参考集所代表的技术水平衡量t期技术效率水平，可构建以产出为导向的规模报酬不变（CRS）模型计算其值。同理。

其中，Y为产出向量；X为投入向量；θ为标量，表示i个地区的海洋绿色经济效率值，满足0＜θ＜1；λ是常数向量；i=1，2，3，…，N，表示各个地区。

2.2 数据来源与处理

鉴于数据的科学性和可得性，本文选取2006-2016年我国11个沿海地区的面板数据，使用MAXDEA软件测算海洋经济GTFP。资源损耗和环境污染问题对反映海洋经济真实水平至关重要，因此将资源投入和非期望产出纳入测算体系。根据GML和软件使用原则，共选取资本投入、劳动力投入和海洋资源投入三个投入指标，期望产出和非期望产出两个产出指标。其中，海洋资本存量指标为资本投入；沿海地区涉海就业人员数量指标作为劳动力投入；海洋养殖面积指标为资源投入；海洋生产总值为期望产出；海洋工业废水排放量为非期望产出。为避免通货膨胀的影响，以2000年为基期，用GDP指数对海洋生产总值进行换算。

由于未能获得海洋资本存量指标数据，故通过海洋经济生产总值和国民生产总值的比值与资本存量的乘积估算得出海洋资本存量。沿海各地资本存量借鉴单豪杰对永续盘存法的研究[33]，对各地固定资产形成总额进行计算得出。

为了保持统计口径的一致，本文所有原始数据均来源于《中国海洋统计年鉴》和《中国统计年鉴》。

3 海洋经济绿色全要素生产率特征分析

利用GML生产率指数可以得到2006-2016年我国11个沿海地区（不含港澳台）海洋经济GTFP及其分解值的变动趋势。将海洋经济GTFP增长率分解为纯技术进步、规模技术进步、纯技术效率和规模技术效率4个变化率指数，以研究在研究期内各分解值对其作用的特征表现。

3.1 中国海洋经济绿色全要素生产率演化态势分析

表1反映了2006-2016年我国总体海洋经济绿色全要素生产率及其分解值的变动趋势。

表1 2006-2016年我国总体海洋经济绿色全要素生产增长率及其分解值

从整体上看，2006-2016年我国年均海洋经济绿色全要素生产率增长2.9%，技术进步具有促进作用。其中，纯技术进步贡献了2.29个百分点，规模技术进步贡献了7.72个百分点；而技术效率起抑制增长作用，进一步分解得出的纯技术效率和规模效率均下降了近0.45%。由于技术进步的促进作用大于技术效率的抑制作用，因此海洋经济GTFP变化率仍然大于1。

虽然我国海洋绿色经济上有总体正向增长的趋势，但各发展阶段呈现不同程度的波动，尤其研究期前期与后期波动特征存在明显区别。分年度看，2006-2011年海洋经济绿色全要素生产率呈稳步正向波动特征，变化率在0.5%～4.4%之间，表明海洋GTFP处于低速增长阶段，这主要得益于技术进步的作用——纯技术进步及规模技术进步总增长均大于1。而2011-2016年海洋经济GTFP的波动较大：增速最快的是2012-2013年，实现了20.3%的高速增长。这是基于纯技术效率和规模技术效率提高，但技术进步负增长的结果。增速最慢的是2013-2014年，出现了2.7%的负增长。该发展阶段中，虽然纯技术进步和规模技术进步分别贡献了23个百分点和16个百分点的正向增长效果，但由于纯技术效率和规模技术效率分别下降17个百分点和14个百分点，使得海洋经济GTFP仍负增长。

综上所述，研究期内纯技术进步和规模技术进步对海洋经济GTFP起正向促进作用；纯技术效率和规模技术效率的优势在研究后期逐渐显现出来，其中纯技术效率优势更为明显。这表明单纯地依靠技术进步已经不能满足海洋绿色经济的发展需要，纯技术效率和规模技术效率对海洋经济GTFP的作用正在增强。

3.2 沿海省份海洋经济绿色全要素生产率演化态势分析

表2反映了2006-2016年我国11个沿海地区海洋经济绿色全要素生产率及其分解的变动趋势。

表2 各沿海地区海洋经济绿色全要素生产率变量率及其分解值

整体上看，各个地区在研究期内海洋经济GTFP变动率存在一定差异。上海市海洋经济GTFP年均增长13.6个百分点，增速最快；广东省年均负增长3个百分点，增速最慢。将11个沿海地区按海洋GTFP变动率分为4个层次：上海市海洋经济GTFP变动率在10%以上，海洋经济GTFP高速增长，属于第一层次；天津市、河北省、辽宁省和海南省在0.1%～10%之间，海洋经济GTFP正向缓速增长，属于第二层次；江苏省、浙江省、福建省、山东省在-1%～0之间，海洋经济GTFP略有下降，属于第三层次；广东省和广西壮族自治区在-2%以下，海洋经济GTFP下降幅度相对较大，属于第四层次。

根据各层次对GML的要素进行分析，可以发现：处于第一层次的上海，较快的GTFP增长速度主要得益于技术进步和技术效率的同时提高，且技术进步的提高幅度大，表明上海海洋绿色经济发展对各种投入要素的利用率较高；而辽宁由于技术进步和技术效率提高幅度小，所以海洋经济GTFP增长比上海缓慢，处于第二层次；除此之外第二层次的天津、河北和海南则主要由于纯技术进步、规模技术进步及纯技术效率的带动；第三层次的江苏、浙江、福建、山东，纯技术进步、规模技术进步及规模技术效率对海洋经济GTFP有较强的正向效应，但是由于纯技术效率的下降，导致总体GTFP没有达到高层水平；第四层次的广东和广西两省份则主要因为规模技术进步的负向效应。

综上所述，研究期内纯技术进步和规模技术进步对沿海各地区海洋绿色经济发展的影响作用较大，在一定程度上是沿海各地区海洋经济GTFP增长的中坚力量；而纯技术效率和规模技术效率的正向推动效应没有得到有效发挥。这表明纯技术效率和规模技术效率偏低是导致地区海洋绿色经济发展不平衡的主要原因。

4 海洋经济绿色全要素生产率内在机制分析

如前所述，海洋经济GTFP可以分解为纯技术进步（PTC）、规模技术进步（STC）、纯技术效率（PEC）及规模技术效率（SEC）。为进一步研究各要素对绿色全要素生产率的影响，利用Stata14.0软件，以沿海各地区的海洋经济GTFP增长率为因变量，各分解值为自变量，构建面板模型，表示如下：

其中，i表示第i个地区；t表示第t年；GTFP、PTC、STC、PEC和SEC分别表示海洋经济GTFP、纯技术进步、规模技术进步、纯技术效率和规模技术效率各个指标的增长率；β0为截距项；β1、β2、β3、β4分别为相应变量系数；eit为随机干扰项。

4.1 平稳性检验

构建面板模型之前，为防止出现伪回归现象，首先进行平稳性检验。本研究为了增强检验的可信度与稳健性，同时采用4种检验方法，即同质根检验（LLC）、异质根检验（IPS）、Fisher-ADF检验及Fisher-PP检验，表3为检验结果。PTC、STC、SEC在4种方法的检验下，均在1%水平上显著，具有良好的平稳性。GML和PEC遵从少数服从多数原则，在3种检验显著的情况下，也视为数据平稳。

表3 面板单位根检验

4.2 回归结果分析

面板模型分为固定效应模型、随机效应模型与混合效应模型，通过Ward F检验、Breusch and Pagan的LM检验及Hausman检验，从中确认是否选择随机效应模型。同时，限于篇幅原因，模型经异方差、序列相关和截面相关检验和误差修正，具体过程略去。为了比较回归结果，本文将上述3种模型的估计结果一一列出，如表4所示，模型按1-3顺序对应排列。比较R2和变量系数，三个模型表现出极小差异。

表4 回归结果

考虑到模型可能存在内生性问题，本文采用xtabond2命令进行差分和系统GMM估计，模型4为GMM估计结果。AR（1）检验P值为0，拒绝原假设，认为存在一阶自相关；AR（2）检验P值 为0.423，不拒绝原假设，认为不存在二阶自相关，表明GMM估计模型设定合理。工具变量过度识别Sargan检验的P值为0.298，表明工具变量有效，模型总体矩条件成立。

从各个模型的估计结果看，技术进步和技术效率皆在1%的显著水平下对海洋经济绿色全要素生产率有正向影响，与上述论证相符。将技术进步和技术效率进一步分解，发现纯技术效率对海洋经济GTFP的贡献最大，纯技术进步对海洋经济GTFP的贡献度次之，规模技术进步与规模技术效率贡献较少。

GMM估计结果显示，当纯技术效率提高1%时，海洋经济GTFP增长1.24%，说明海洋经济GTFP随着纯技术效率的提高而增长，且增长幅度大于纯技术效率的提高幅度。这表明提高纯技术效率是海洋绿色经济增长的最有效途径。纯技术进步每提高1%，海洋经济GTFP增长1.16%，贡献度仅次于纯技术效率。与其他回归结果相比，GMM估计结果的各解释变量贡献作用略高。固定效应、随机效应和混合效应模型中，纯技术进步的提高只带来海洋经济GTFP 0.97%～0.98%的增长，增长幅度小于纯技术进步的提高幅度。纯技术进步的“回弹效应”是其作用不突出的重要原因：纯技术进步一方面可以降低海洋投入的消耗、提高海洋经济效率，另一方面使得海洋经济增长，加大了对海洋经济的需求。

GMM估计结果显示，规模技术进步和规模技术效率的贡献较小，当规模技术进步和规模技术效率分别提高1%时，海洋经济GTFP分别增长0.32%和0.45%。虽然规模技术进步与规模技术效率对海洋经济GTFP增长有正向影响，但是后者增长幅度严重小于前两者的提高幅度。这表明，目前提高规模技术进步与规模技术效率的方式对海洋绿色经济增长的效率较低。

5 讨论

5.1 结论

本文采用海洋绿色经济效率和海洋经济GTFP指标衡量我国海洋绿色经济发展水平。运用SBM-GML模型测算2006-2016年我国11个沿海地区海洋经济绿色全要素生产率，将海洋经济GTFP变化率分解为纯技术进步、规模技术进步、纯技术效率和规模技术效率4个变化率指标，从时空演化描述分析和实证分析两个方面对海洋绿色经济内在机制进行研究，主要结论如下：

（1）纯技术效率对海洋经济GTFP的贡献最大，前者的提高是后者增长的最有效途径，而研究期内纯技术效率虽表现为正向效应优势逐渐显现，但仍显薄弱，没有得到有效发挥。这表明在未来一段时间内，纯技术效率是发挥海洋绿色经济“潜在力量”的主要矛盾，需加强纯技术效率方面的政策建设。

（2）纯技术进步的提高对海洋经济GTFP增长有较强的正向促进作用，与研究期内纯技术进步的特征表现相符。这表明目前我国纯技术进步的增长动力较足，但仍需要保持纯技术进步动力的持续性。

（3）规模技术进步与规模技术效率对海洋GTFP增长的正向效果较小，而研究期内规模技术进步维持在促进海洋经济GTFP增长的状态，这表明我国现有的规模技术进步动力足以应对海洋经济增长需求；规模技术效率在研究前期处于劣势水平，在研究后期逐渐改善。这表明规模技术效率的“矛盾”虽不突出，但仍需加以把握。

5.2 建议

（1）明确政府职能，充分发挥政府“风向标”作用，提高以纯技术效率为动能的制度水平，适当对海洋科学技术予以财政政策倾斜。加大海洋科研资金投入力度、增加海洋专项课题数量，推动海洋“产学研”一体化进程。充分释放海洋经济要素潜能，充分发挥技术效率的推动作用。

（2）增强海洋技术创新能力，提高技术进步水平。主要从两个途径出发：①自主研发。培养海洋领域高新技术人才，建设海洋类专业型学科，加大海洋科技技术支持力度，使海洋技术进步的正向作用得以充分发挥。②技术引进，引资引智并行。高效合理配置资本资源，发挥其在构建“双循环”新发展格局过程中的重要作用。用资本市场的力量激发海洋技术创新活力，提高海洋产业技术水平；引进国外优秀理论成果和先进技术成果，充分实现技术推动生产前沿上移，充分实现技术拉动海洋经济绿色全要素生产率增长。

（3）科学制定和实施海洋产业政策。一方面积极引导生产要素向海洋产业流动，另一方面壮大海洋产业规模，发挥资本累积效应，更加高效地开发海洋资源，提高规模技术进步和规模技术效率水平，努力抢占未来海洋产业新高地。

（4）倡导传统产业智能生产、绿色生产，平衡社会经济发展与生态环境资源管理，规划海洋生产保护红线，实施海洋生态补偿制度，注重保护海洋环境与发展经济的协调性，不断增强沿海地区可持续发展能力。