中国水产养殖业的生产效率及其影响因素研究

王端岚

（福建省海洋环境与渔业资源监测中心 福州 350003）

中国水产养殖业的生产效率及其影响因素研究

王端岚

（福建省海洋环境与渔业资源监测中心 福州 350003）

在水产养殖产量不断增长的背景下，渔民增收和渔区社会发展逐渐成为政府关注的焦点。研究水产养殖业的生产效率及其影响因素，了解水产养殖业的规模效率、技术效率和全要素生产效率及其关键影响因素，为渔民优化生产要素投入、政府制定水产养殖业发展政策提供一定的理论指导与实践依据，具有重要的理论意义与现实意义。文章首先利用数据包络法 （DEA）测算了水产养殖业的综合效率和全要素生产效率，然后利用多元线性回归分析法识别全要素生产效率的关键影响因素，结果表明：1990－2009年间，水产养殖业的平均综合效率和曼奎斯特全要素生产效率出现下降；水产养殖业的全要素生产效率与年末科技研发人员数量、每年技术推广经费投入额和每年培训渔民人数具有显著的正相关关系。

水产养殖；生产效率；影响因素

改革开放以前，在重捕捞、轻养殖思想影响下，养殖业发展受到很大制约；改革开放以后，水产养殖业成为渔业发展的重点内容。1985年，中央五号文件确定了 “以养为主，养捕加并举、因地制宜、各有侧重”的渔业发展方针。在 “以养为主”的方针指导和以市场为取向的经济改革的推动下，水产养殖业进入了快速发展的黄金时期，为中国水产品的生产做出重要贡献，不仅满足了不断增长的水产品消费需求，还在一定程度上保护了天然渔业资源。1993年，中国水产养殖产量首次大于捕捞产量，至2009年养殖产量与捕捞产量的比例为71∶29，渔业增长方式已成功实现从 “捕捞为主”向 “养殖为主”的历史性转变。在水产养殖产量不断增长的背景下，渔民增收和渔区社会发展逐渐成为政府关注的焦点。如 《全国渔业发展第十一个五年规划》明确提出要 “确保水产品安全供给和渔民持续增收，促进渔业可持续发展和农村渔区社会和谐发展”。因此，对水产养殖业的生产效率及其影响因素进行研究，了解水产养殖业的规模效率、技术效率和全要素生产效率及其关键影响因素，为渔民优化生产要素投入、政府制定水产养殖业发展政策提供一定的理论指导与实践依据，具有重要的理论意义与现实意义。

1 方法的选择

全要素生产率测度方法主要有非参数方法和参数方法，归纳起来主要有5种：增长核算法［1］、生产函数法［2］、随机前沿分析法［3］、索洛余值法［4］以及数据包络分析法［5］。也有学者根据自身的研究需要，对现有方法进行改进，如叶裕民运用索洛经济增长核算模型对全国及各省区市全要素生产率进行了测算［6］；王志刚、龚六堂和陈玉宇利用超越对数生产函数的随机前沿模型，研究中国地区间生产效率与全要素生产率增长率［7］。

国内外关于农业生产效率的研究较多，过去大多采用生产函数法和索洛余值法进行测算。近年来，随着数据包络法的逐步发展与完善，数据包络法成为测度同类型决策单元相对效率最为常用的方法之一，被广泛运用于农业生产效率的综合评价中。本研究也利用数据包络法，分析水产养殖业的全要素生产效率。数据包络法 （DEA）是采用线性规划的方法构建前沿生产可能性边界，优点是不需要设定具体生产函数，可以避免因为错误的生产函数而导致结果的错误，也不像随机前沿分析法需要误差分布假设，并能有效分解全要素生产率中的技术效率［8］。大部分使用数据包络法的论文均对其进行了较为详细的阐述，由于篇幅限制，这里不再论述。

2 指标设计与数据来源

2.1 指标设计

当前学者利用DEA方法研究农业全要素生产效率时，产出指标经常使用农林牧渔总产值和农民人均农业经营纯收入，投入指标以农业从业人员、农作物总播种面积、农业机械总动力和化肥施用量等指标为主。本文借鉴前人的研究成果，使用的农业投入指标和产出指标及其定义如下。

2.1.1 水产养殖业产出指标

水产养殖业产出以1990年价格的水产养殖业总产值进行计算，其中包括以1990年价格计算的海水养殖产品总产值和淡水养殖产品总产值，采用水产品价格指数进行折算。

2.1.2 水产养殖业投入指标

水产养殖业投入主要包括养殖专业劳动力、养殖面积、养殖固定资产投入与养殖中间消耗等4个方面。① 渔业劳动力包括捕捞专业劳动力、养殖专业劳动力、兼业劳动力和后勤服务人员，后两个指标为概括性指标。为了统一口径，本研究选用养殖专业劳动力作为养殖劳动力指标。② 水产养殖面积为每年的海水养殖面积和淡水养殖面积之和。③水产养殖固定资产投资为每年的海水养殖固定资产投资和淡水养殖固定资产投资之和。④ 水产养殖业中间消耗无法从相关统计年鉴中找到，因此由渔业中间消耗间接计算得到，其计算公式为：中间消耗＝渔业中间消耗×业生产资料价格指数进行折算。

2.2 数据来源

在确定水产养殖业的投入与产出指标之后，着手进行数据的收集与整理。本研究设计指标数据中，海水养殖产品总产值、淡水养殖产品总产值、养殖专业劳动力、养殖面积、海水养殖固定资产投资与淡水养殖固定资产投资等6个指标的数据主要来自 《中国渔业统计年鉴（1990－2010）》，其中养殖固定资产投资指标的2008年和2009年数据为预测值；渔业中间消耗指标的数据来自 《中国农村统计年鉴 （1991－2010）》。水产品价格指数和农业生产资料价格指数来自《中国统计年鉴（1991－2010）》。

3 水产养殖业生产效率计算结果分析

3.1 综合效率计算结果分析

选用DEAP2.1软件来进行模型的运算，得到的综合效率评价结果如表1所示。

表1 水产养殖业综合效率及其构成的变化趋势（1990－2009年）

由表1可知，中国水产养殖业的生产综合效率指数、技术效率变化指数和规模效率变化指数的趋势基本一致。1990－2009年间，中国水产养殖业的综合效率效果一般，有8年为DEA有效，12年为非DEA有效，且两年的综合效率指数在0.9以下。在纯技术效率和规模效率的综合作用下，水产养殖业综合效率出现了不同程度的波动现象，1990－1992年间，中国水产养殖业的综合效率相对稳定；1993－1999年间，水产养殖业的综合效率波动较大；2000－2009年间，水产养殖业的综合效率又相对稳定。而由规模效益状态分析结果可知，除了2008年之外，非DEA有效年份的规模收益均处于递增阶段，且1996－2005年间的非DEA有效年份，技术效率变化指数均低于规模效率变化指数。以上两种情况表明，水产养殖业非DEA有效的主要原因是养殖技术进步水平低和规模经营水平低共同造成的。

3.2 投影分析

为了更好地找到水产养殖业非DEA有效的深层原因，调整投入产出结构，提升水产养殖业的生产效率和经济效益，本研究将对技术效率与规模效率均无效年份的模型测评结果投影所产生的数据进行分析。由于篇幅限制，未将技术效率与规模效率均无效年份的投影数据进行一一列举，因此，采用加总的进行分析，对水产养殖业投入与产出的调整方向进行分析，具体数据详见表2。由表2可知，中国水产养殖业产出不存在冗余，而投入均存在不同程度的冗余，即保持现有水产养殖产出水平情况下，养殖专业劳动力、养殖面积、固定资产投入与中间消耗的投入可分别减少9.38%、7.78%、5.46%、7.23%，从而降低投入成本，提高水产养殖业的经济效益。

表2 水产养殖业投入产出调整参考

3.3 曼奎斯特生产效率指数分析

运用几何平均法，同样借助DEAP2.1软件，计算中国水产养殖业全要素生产效率指数（Malmquist指数）及其构成要素的变化情况（表3）。1990－2009年间，水产养殖业的纯技术效率和规模效率均为1，由于篇幅限制在表3中未体现。由表3可知，1990－2009年间，水产养殖业全要素生产效率的平均增长率为－3.6%，主要原因是技术进步缓慢，没能为水产养殖业发展提供有效的技术支撑；技术效率指数均为1，说明水产养殖业重视养殖技术的推广与应用，现有水产养殖技术得到有效的充分利用，应继续保持此良好现状；技术进步率指数存在频繁且较大幅度的变动，这可能与水产养殖技术创新投入增长差异有关。水产养殖业全要素生产效率指数的分解结果表明，中国水产养殖业仍处在粗放式发展阶段，水产养殖业的产值增长主要源于劳动力、养殖面积、固定资产和中间消耗等资料的大量投入。

表3 曼奎斯特生产效率指数及其构成变化（1991—2009年）

4 水产养殖业生产效率的关键影响因素识别

通过以上计算可知，1990－2009年间，中国水产养殖业的全要数生产效率指数存在较大波动，本研究将进一步通过实证分析，探求各年份全要素生产效率指数波动的影响因素。

4.1 潜在影响因素设计与数据收集

因为全要素生产效率指数的变动主要由技术进步率指数的变动引起的，本文主要从技术创新与推广的人力、物力、财力等资源的投入情况来寻找全要素生产效率指数变动的原因。因此，本文初步设计的潜在影响因素包括：年末科技研发人员数量、每年科技研发经费投入金额、年末技术推广人员数量、每年技术推广经费投入额、每年培训渔民人数。

潜在影响因素设计完成后，笔者利用 《中国渔业统计年鉴》进行数据收集。经过收据收集整理发现，未能找到每年科技研发投入的相关数据，因此，首先剔除了每年科技研发经费投入指标，而用每年科教活动固定资产投入金额来替代。由于有些因素在某些年份没有统计，在进行整理后，只有1997－2007年间所有因素统计数据齐全。因此，只取该11年的数据进行影响因素的实证研究。

4.2 关键影响因素识别结果分析

在确定全要素生产效率指数变动的潜在影响因素后，以1997－2007年间的全要素生产效率指数（SCXL）为因变量，以年末科技研发人员数量、每年科教活动固定资产投入金额、年末技术推广人员数量、每年技术推广经费投入额、每年培训渔民人数等5个因素为自变量，进行回归分析。

利用SPSS17.0软件中的向后逐步回归功能，进行初步多元线性回归，结果DW统计值仅为2.678，存在负自相关问题。因此，利用加权的最小二乘回归分析法进行补救，DW统计值有了较大幅度的降低，降为1.710，较为接近2。由表4可知，回归模型调整后的拟合优度R2＝0.704，说明模型的拟合优度较好；同时，由表5可知，回归模型的F值为8.936，p值为0.009，说明模型的拟合优度是非常显著的，至少有部分变量具有很强的解释力，如KYRY、TGJF和PRRS。

表4 模型汇总e

表5 回归模型的方差分析

由表6可知，KYRY、TGJF、PXRS的t统计值分析为4.921、4.978、4.837，p值均为0.002，表明以上3个解释变量在95%的置信度下非常显著；同时，3个解释变量的VIF统计值分别为9.693、5.981、4.509，均小于10，说明模型不存在多重共线性问题。

表6 回归系数及显著性检验（Coefficientsa）

5 研究结论与政策建议

5.1 研究结论

首先，水产养殖业的生效率评价结果显示：1900－2009年间，中国养殖业的技术效率与规模效率平均值呈现下降状态，导致水产养殖业综合效率和曼奎斯特全要素生产效率出现下降；中国水产养殖业产出不存在冗余，而投入均存在不同程度的冗余。其次，水产养殖业生产效率的关键影响因素识别结果显示：水产养殖业的全要素生产效率指数与年末科技研发人员数量、每年技术推广经费投入额和每年培训渔民人数具有显著的正相关关系。

5.2 政策建议

5.2.1 加大科技创新投入，完善水产养殖科技创新体系

政府无法控制水产养殖主体的要素投入，而只能通过提高技术创新与推广，提升养殖主体的规模效率和要素生产效率。首先，政府应加大水产养殖科技研发人员的培养与培训投入，结合运用高校培养、科研机构培养、企业培养、产学研合作培养等方式，完善人才培养机制，为科技创新奠定人才基础；其次，加大财政科技投入，通过科技专项、自选科技项目、委托科技项目等形式，对高校、科研机构和企业进行水产养殖技术研发提供财政拨款资金，同时，通过税收减免、贷款扶持等优惠政策，鼓励养殖企业根据自身遇到的技术难题进行技术攻关，平衡水产养殖技术的基础研究和应用研究活动。

5.2.2 加大技术推广投入，完善水产养殖技术服务体系

水产养殖风险较高，技术要求也较高，要求建立强有力的技术服务体系，以降低养殖的技术风险，事实证明大多数养殖失败往往与养殖技术落后或技术服务不到位有关。政府应加大水产养殖技术推广经费投入，建立健全水产养殖技术服务体系，主要包括养殖水域水质监测，养殖生物疫病测报与防治；苗种、饲料、药品质量监控与管理；从业人员岗位技术培训；技术示范基地建设和技术服务网络建设等。尤其应加强水产养殖技术推广体系建设，广泛开展多种形式的技术培训活动，提高养殖劳动者的科学文化素质，为发展水产养殖业提供良好的技术支撑。

［1］ FLEISHER，BEHONM，CHENJian.Thecoastnoncoastincomegap；productivityandregionaleconomicpolicyinChina［J］.JournalofComparative Economics，1997，25（2）：220－236.

［2］ 王小鲁，樊刚.中国地区差距的变动因素和影响因素［J］.经济研究，2004（1）：33－44.

［3］ 周晓艳，韩朝华.中国各地区生产效率与全要素生产率增长率分解（1990－2006）［J］.南开经济研究，2009（5）：26－48.

［4］ 张军，施少华.中国经济全要素生产率变动：1952－1998［J］.世界经济文汇，2003（2）：17－24.

［5］ 颜鹏飞，王兵.技术效率、技术进步与生产率增长：基于DEA的实证分析［J］.经济研究，2004（12）：55－65.

［6］ 叶裕民.全国及各省区市全要素生产率的计算及分析［J］.经济学家，2002（3）：115－121.

［7］ 王志刚，龚六堂，陈玉宇.中国地区间生产效率差异与全要素增长率分解（1978－2003）［J］.中国社会科学，2006（2）：55－67.

［8］ 姚洋.非国有经济成分对我国工业企业技术效率的影响［J］.经济研究，1998（12）：29－35.