海洋科技创新、海洋全要素生产率与海洋经济发展的动态关系——基于面板向量自回归模型的实证分析

宁 凌 ，宋泽明 ，2

（1.广东沿海经济带发展研究院/广东海洋大学，广东湛江 524088；2.广东海洋大学管理学院，广东湛江 524088）

进入21世纪以来，海洋成为人们寻求资源和空间的新领域，越来越多国家将发展海洋经济作为国家战略的重点方向。近些年来，随着我国海洋意识的提高和认识、开发海洋相关进程的推进，发展海洋经济已经成为当前我国海洋工作的重点之一，通过积极开展各类海洋生产活动，注重发展相关海洋事业，加大海洋开发利用力度，为我国经济发展提供新的增长空间。我国海洋经济生产总值2007年为25 619亿元，2017年达到77 611亿元，平均增长速度超过9%，占国内生产总值比重达9.4%，海洋经济总量及所占比重均有明显增加。随着我国经济发展进入新常态，海洋经济增速放缓、海洋经济发展不平衡等问题逐渐突显，我国海洋经济进入创新引领型、质量效益型转变的关键时期。在新时期，加强海洋科技创新、提高海洋全要素生产率，有利于促进海洋经济高质量发展，推动海洋强国建设。

1 文献综述

国内学者对海洋科技创新与海洋经济发展相互影响的研究已经获得一定成果。在海洋科技与海洋经济协同关系方面，如，殷克东等［1］测度我国海洋科学技术与经济可持续发展综合水平，研究两者互动协调作用；李博等［2］研究我国海洋科技投入与海洋经济增长关联度，发现两者存在正向关系。在海洋科技与海洋经济驱动关系方面，如，徐胜等［3］通过联合评价模型对我国海洋经济创新驱动能力进行评价；李大海等［4］以山东省青岛市为例，研究科技创新对海洋经济增长的驱动作用。在海洋经济与海洋科技响应关系方面，如，孙才志等［5］运用主客观综合权重法，基于脉冲响应函数分析我国11个沿海省份海洋经济与海洋科技的响应关系，认为从总体上看，我国海洋经济对海洋科技响应较弱，而海洋科技对海洋经济响应较强，各沿海省市的海洋经济与海洋环境响应关系具有多样性；李华等［6］提出海洋科技有利于缓解海洋经济与海洋环境之间的矛盾，不同类型的海洋科技对海洋经济的响应存在差异。

围绕着海洋全要素生产率与海洋经济发展的研究，国内成果主要基于不同数理模型测算海洋全要素生产率，并分析不同影响因素对海洋全要素生产率的作用，如，苏为华等［7］通过Malquist指数方法测算我国11个沿海省份全要素生产率指数，得出海洋经济容易受到政策影响的研究结论；丁黎黎等［8］测算在资源环境影响下我国沿海地区海洋经济绿色全要素生产率，并分析不同因素对其影响，分析技术进步对于全要素生产率增长的重要性；刘大海等［9］通过测算长时间序列海洋全要素生产率，证实海洋全要素生产率对海洋经济增长发挥重要促进作用。

在海洋科技创新与海洋全要素生产率研究方面，国内学者主要关注海洋科技创新与海洋全要素生产率的相互影响作用，并进一步比较分析不同时期、地区间差异，如，杜海东等［10］运用索罗模型和三阶段数据包络分析（DEA）方法测算海洋科技进步贡献率，从时间和空间上总结不同地区的区域差异情况；韩增林等［11］测算海洋经济全要素生产率，并研究其内在机制的动态变化情况，在实证预测的基础上提出科技创新导向的新发展模式；丁黎黎等［12］利用方向性距离函数构建海洋经济绿色全要素生产率测度模型以及技术进步要素偏向判别模型，比较不同时期和地区我国海洋全要素生产率差异。

综上，目前国内学者基于不同研究视角，深入地研究海洋科技创新、海洋全要素生产率和海洋经济发展关系，重点分析彼此间的影响作用，拥有较为丰富的研究成果，但是，已有成果较少从海洋科技创新、海洋全素生产率和海洋经济发展的动态关系进行研究。加强海洋科技创新、提高海洋全要素生产率都是促进海洋经济发展的方法和途径，我国海洋经济向创新引领型、质量效益型转变，意味着我国海洋经济要高质量发展，因此，研究海洋科技创新、海洋全要素生产率和海洋经济发展的动态关系具有重要的理论意义和现实价值。本文基于2007—2017年我国11个沿海省份1）（以下简称样本）有关面板数据，运用面板向量自回归模型（PVAR），分析海洋科技创新、海洋全要素生产率与海洋经济发展的动态关系，并进一步提出相应建议和措施，为促进我国海洋经济高质量发展、推动海洋强国建设提供参考。

2 模型构建、指标选取与数据来源

2.1 PVAR模型构建

PVAR模型最早由Hotlz-Eakin等［13］提出，经过Binder等［14］等的不断完善和发展，逐渐成为一种成熟的研究分析方法。与传统的VAR模型相比，PVAR模型不仅考虑到个体间的异质性，而且有效地规避了模型变量内生性的问题，同时还降低数据的时间长度要求，能够真实描述各个变量之间的关系、分析某一变量对其他变量的影响程度［15］。因此，本文采用PVAR模型进行研究，在上述分析和借鉴已有研究的基础上，构建PVAR模型如下：

式（1）至式（3）中：i代表省份；t代表时间；α1、α2、α3代表截距常系数向量；m代表模型变量的滞后阶数；STit代表i省份第t年海洋科技创新水平；TFPit代表i省份第t年海洋全要素生产率；GDPit代表i省份第t年海洋经济发展水平；εTit、εQit和εPit分别代表模型中的随机误差项。

2.2 指标选取与数据来源

（1）海洋科技创新水平。本文参照李宝礼等［16］的研究成果，选取海洋科技专利授权数量来反映海洋科技创新水平。相关数据主要来源于《中国科技统计年鉴》（2008—2018年）和2008—2018年样本地区有关科技创新发展报告。

（2）海洋全要素生产率。本文使用DEAMalmquist指数方法来测算海洋全要素生产率，将样本地区海洋资本存量和海洋年均从业人数分别作为资本投入指标和劳动投入指标，将海洋经济生产总值作为产出指标。借鉴张军等［17］、何广顺等［18］关于海洋资产存量的估计方法，在用永续盘存法计算出固定资产存量的基础上，计算出样本地区海洋资产存量，具体计算方法为：海洋资产存量=沿海省份资产存量×（沿海省份海洋生产总值/沿海省份生产总值）。借鉴李彬等［19］关于年均海洋从业人数的计算方法：本年度平均从业人数=（上年度年末从业人数+本年度年末从业人数）/2。相关数据主要来源于《中国统计年鉴》（2008—2018年）、《中国海洋经济统计公报》（2008—2018年）和2008—2018年样本地区海洋经济发展相关报告。

（3）海洋经济发展水平。经济增长反映出地方的经济发展水平，因此，在参照王舒鸿等［20］研究成果的基础上，本文选取人均海洋经济生产总值来表示海洋经济发展水平，在既考虑海洋经济总量的同时又充分结合人口因素，有利于客观地反映地区海洋经济发展水平。相关数据主要来源于《中国统计年鉴》（2008—2018年）。

3 实证结果与分析

3.1 单位根检验及滞后阶数确定

在PVAR模型估计时，通过对数据进行平稳性检验可以准确反映各个变量之间关系，单位根检验是一种检测时间序列是否平稳的方法［21］。本文运用EViews 11.0软件，分别使用LLC检验、IPS检验、ADF检验和PP检验等多种检验方法对样本地区所涉及的海洋科技创新、海洋全要素生产率和海洋经济发展的相关数据进行单位根检验，结果如表1所示，可得lnTE、lnTFP和lnGDP的原始数据序列均拒绝“存在单位根”的原假设，即数据不存在单位根，即TE、TFP和GDP这3个变量均属于同阶单整序列，能够建立PVAR模型。

表1 变量的单位根检验结果

在建立回归模型之前，需要对最优滞后阶数进行选择，如果所选滞后阶数过小，则会导致样本数据丢失严重；如果所选滞后阶数过大，则会降低检验结果的可靠性。本文分别采用赤池信息量准则（AIC）、施瓦兹准则（SC）和汉南庆信息准则（HQIC）选择最优滞后阶数［22］，结果如表2所示，在4阶滞后时SC拥有最小值，在5阶滞后时AIC和HQIC拥有最小值。根据AIC、SC、HQIC最小化原则，本文将滞后阶数确定为5，因此，PVAR模型最优滞后阶数为5阶。

表2 PVAR模型滞后阶数检验结果

表2 （续）

3.2 PVAR模型的动态面板GMM估计

基于上述单位根检验和最优滞后阶数选择结果，本文将海洋科技创新、海洋全要素生产率和海洋经济发展作为PVAR模型内生变量，通过广义矩估计（GMM）得到结果如表3所示。

表3 样本地区海洋科技创新、海洋全要素生产率与海洋经济发展关系的面板数据PVAR模型GMM估计结果

由表3可见：（1）海洋科技创新、海洋全要素生产率和海洋经济发展3个变量在滞后1期对当期拥有显著正向影响；在滞后2、3、4期中，海洋科技创新、海洋全要素生产率具有显著的自我提升机制，但是在长期发展中自我提升作用效果有限，而海洋经济发展的系数由正转为负。（2）海洋科技创新与海洋全要素生产率之间存在相互促进关系，在滞后1、2、4期作用相反，在滞后3、5期的方向相同，总体呈现出正向作用。随着各类资源投入的不断加大，海洋全要素生产率对海洋科技发展逐渐从负效应转向正向效应；海洋科技创新能够提高海洋全要素生产率，而滞后期数对应的海洋科技创新系数较小，表明目前海洋科技创新水平较低，对海洋全要素生产率促进效果较小。（3）海洋经济发展在滞后1—5期中始终拥有正系数，对海洋科技创新具有促进作用，而随着滞后期数的增加，海洋经济发展的系数减小，说明海洋经济发展对海洋科技创新仅能起到短期促进，难以实现长期促进的效果；同时海洋经济发展在滞后1、3、4期的系数为负，而在滞后2、5期的系数为正，存在不稳定波动情况，充分说明当前粗放的海洋经济发展模式不利于提高海洋全要素生产率，当前海洋资源要素投入不合理，对海洋经济发展产生抑制影响。（4）通过对比海洋科技创新和海洋全要素生产率的系数大小和显著情况可以发现，海洋科技创新能够促进海洋经济发展，但目前海洋科技创新水平较低，对海洋经济发展的促进效果有限，而海洋全要素生产率对海洋经济发展有明显影响，是海洋经济发展的主要影响因素。

3.3 脉冲响应分析

由于PVAR模型是动态模型，各个变量之间的相互作用较为复杂，变量变动对其他变量的影响难以进行准确判定，因此，为了说明各个变量间动态关系情况，分析PVAR模型的脉冲响应函数（impulse response function,IRF）。IRF指在控制其他变量不变情况下，模型中某变量的冲击对系统中每一个变量的影响［23］。借助脉冲响应函数，可以直观地反映变量之间的动态关系［24］。本文进行500次蒙特卡罗模拟，得到海洋科技创新、海洋全要素生产率和海洋经济发展的脉冲响应关系如图1所示，其中，中间曲线代表IRF点估计值，上下两侧曲线表示95%置信区间边界，横轴代表响应滞后期数，纵轴代表响应正负和强弱程度。

图1 样本地区海洋科技创新、海洋全要素生产率与海洋经济发展关系的脉冲响应函数

（1）海洋科技创新。当受到自身冲击时，对自身当期的影响达到最大值，随后虽然影响有所下降，但仍保持正向。当受到海洋全要素生产率冲击时，对自身产生正向影响，在滞后第3期达到最大值，随后有所下降但系数维持在0值水平，表明海洋全要素生产率对海洋科技创新产生正向影响，但随着海洋科技创新水平提高，海洋全要素生产率的促进效果减弱，因此应该调整海洋全要素投入结构和力度，促进海洋全要素生产率提高，以加大其对海洋科技创新促进作用。当受到海洋经济发展冲击时，对自身产生正向影响并以较小幅度持续增长，表明海洋经济发展有利于提供海洋科技创新的经济基础条件，能够有效地保持海洋科技创新能力不断提高；但是，当前海洋经济发展对海洋科技创新正向影响较小，应该加大海洋科技创新经费支持力度，通过改善基础设施建设、合理优化创新资源配置等途径和方法，提高海洋科技创新水平。

（2）海洋全要素生产率。当受到自身冲击时，对自身产生的正向影响效果不断加大，保持稳定的提升。当受到海洋科技创新冲击时，对自身产生正向影响，但随着滞后期数增加，这种正向影响保持在较低的水平，表明当前海洋科技创新水平较低，虽然能够对海洋全要素生产率产生正向影响但促进效果有限，因此为了提高海洋全要素生产率，海洋科技创新水平需要进一步提高，加大海洋科技创新对海洋全要素生产率的促进作用。当受到海洋经济发展冲击时，对自身产生负向影响，并且随着滞后期数增加，这种负向影响呈现出小幅度增长趋势，表明目前的海洋经济发展方式限制了海洋全要素生产率提高，而且这种限制作用在不断增强，因此需要对海洋经济发展方式进行调整，加大海洋第二三产业比重，大力发展海洋新型产业，通过产业结构转型升级，实现海洋经济发展方式从粗放、低效转向低碳、高效。

（3）海洋经济发展。当受到自身冲击时，对自身产生的正向影响较小，并维持在较低水平。当受到海洋科技创新冲击时，对自身产生正向影响，而且随着滞后期数的提高，这种正向影响不断加大，这表明海洋科技创新能够促进海洋经济发展。同时，随着海洋科技创新水平提高，这种正向影响也会不断提高，所以提高海洋科技创新水平是促进海洋经济发展的重要途径之一，海洋科技创新能够为海洋经济发展提供技术保障。当受到海洋全要素生产率冲击时，对自身产生的正向影响随着滞后期数的增加而不断提高，并且呈现出较大幅度增长趋势，表明海洋全要素生产率能够对海洋经济发展产生重要正向影响，通过提高海洋全要素生产率能够有效地提高海洋经济发展水平，因此需要注重资源合理投入，有效促进海洋经济进一步发展。

通过比较海洋科技创新和海洋全要素生产率对海洋经济发展的影响作用，发现海洋全要素生产率对海洋经济发展能够产生更明显的正向效果，海洋全要素生产率是海洋经济发展的主要影响因素。

3.4 方差分解

脉冲响应函数可以反映出变量之间动态影响，方差分解是把变量的方差分解到各个扰动项上［25］。为了更加准确地分析海洋科技创新、海洋全要素生产率和海洋经济发展的关系，本文通过方差分解，得到各变量每一次冲击对某一变量的贡献程度。根据表4方差分解的结果可以发现，从整体情况上看，海洋科技创新、海洋全要素生产率对其自身的贡献程度远大于对其他变量，表明海洋科技创新和海洋全要素生产率这两个变量存在自我增强机制；对海洋科技创新而言，海洋全要素生产率和海洋经济发展对海洋科技创新的贡献程度随着时间推移均有所增加，而与海洋全要素生产率相比，海洋经济发展贡献程度的增加幅度更大，说明海洋科技创新更依赖于海洋经济发展；对于海洋全要素生产率而言，在长期发展过程中，海洋科技创新对海洋经济发展影响程度不断减小、海洋经济发展对海洋全要素生产率影响不断加大，海洋经济发展对海洋全要素生产率贡献程度大于海洋科技创新；对于海洋经济发展而言，海洋全要素生产率是海洋经济发展的主要影响因素，能够对海洋经济发展发挥明显促进作用。

表4 样本地区海洋科技创新、海洋全要素生产率与海洋经济发展关系的方差分解结果

4 结论与建议

4.1 结论

本文利用2007—2017年我国11个沿海省份相关面板数据，构建涵盖海洋科技创新、海洋全要素生产率和海洋经济发展变量的PVAR模型，根据脉冲响应函数结果和方差分解情况，研究这3个变量的动态关系，得出以下结论：（1）海洋科技创新和海洋全要素生产率存在自我增强机制，主要受到自身影响，但是这种自我增强机制在长期发展中的提升作用效果有限；（2）海洋科技创新与海洋全要素生产率存在双向促进关系，然而相互促进效果较小；（3）在海洋全要素生产率长期发展过程中，海洋科技创新因水平较低而对海洋全要素生产率的促进作用较小，海洋经济发展对海洋全要素生产率的影响程度大于海洋科技创新；（4）海洋经济发展的主要影响因素是海洋全要素生产率，海洋全要素生产率对海洋经济发展的促进作用比较明显，能够产生更显著的促进效果。

4.2 对策建议

根据上述对海洋科技创新、海洋全要素生产率和海洋经济发展PVAR模型脉冲响应函数和方差分解结果，本文提出以下相关对策建议：

（1）发挥自我增强机制的提升作用，提高海洋科技创新水平和海洋全要素生产率。当创新主体和行业到达一定规模时，就会产生一种正反馈，表现为一种自我增强机制。我国海洋科技创新水平比较低，海洋全要素生产率还有待提高，需要通过制度创新和要素流动，发挥自我增强机制的提升作用。一方面，建议政府出台相应的创新政策，为海洋科技研发和转化提供政策支持，同时通过科技人才引进政策，为海洋科技人才提供优惠措施，打造海洋科技人才高地，形成海洋科技创新人才联盟，为不断完善自我增强机制提供政策创新环境；另一方面，通过搭建地方性海洋交流平台，加强要素流动，为涉海企业和海洋类高校的合作提供平台支撑，充分发挥产学研结合优势，使海洋要素流动更加便利，为自我增强机制发挥作用提供要素流动条件。

（2）以金融创新为突破口，提高海洋科技创新与海洋全要素生产率的相互促进效应。目前，我国海洋科技创新和海洋全要素生产率之间的相互促进效应不明显，而且两者的相互促进作用有限，这是由不合理的资源配置所导致的。建议以金融创新为突破口，进一步完善资源配置机制，调整和优化资源配置，实现金融创新、海洋科技创新和海洋全要素生产率有机融合，增强海洋科技创新与海洋全要素生产率的相互促进效应。金融作为资源配置手段之一，能够直接引导资本流动方向和流动规模，通过金融机构、产品创新，建立海洋科技创新金融专营机构、提供海洋科技金融特色产品，引导金融资源推动海洋科技研发，有利于为科技创新提供充足的金融支持；围绕海洋产业转型和升级，为海洋高科技新型产业提供全方位的投融资服务，形成相应的投融资服务体系，提高海洋资源配置效率。

（3）以创新驱动经济发展，以全要素生产率提升经济质量，实现海洋经济高质量发展。以创新驱动经济发展，需要推动科技成果研发转化制度创新，激发创新驱动经济发展巨大潜力，制度创新是创新驱动经济发展的关键。围绕科技成果研发，建立完备的制度体系，强化知识产权保护，加强研发转化各个环节的紧密联系，将研发成果实际运用到各类海洋生产活动中，发挥科技成果的实际经济、社会效益。以全要素生产率提升经济质量，需要提高全要素生产率对经济增长的贡献程度，全要素生产率贡献程度越高，则意味着发展质量越好。长期以来，我国经济发展对劳动力、资本等生产要素投入的依赖程度较大，全要素生产率对经济发展贡献程度较低，因此虽然我国经济发展速度较快，但经济发展质量水平还需要提高。在新时期，提高我国全要素生产率贡献程度意味着经济增长必须转移到依靠提高全要素生产率基础上，通过减少劳动力、资本生产要素投入等方式，以技术进步作为推动经济发展的主要方式和手段，提高全要素生产率对经济增长的贡献程度，促进经济发展质量提升。

注释：

1）11个样本省份包括：广东、广西、福建、海南、上海、浙江、江苏、山东、天津、河北和辽宁。