中国养殖海域利用效率空间非均衡格局及成因

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

许瑶^,¹, 纪建悦^,¹^,², 许玉洁¹

1.中国海洋大学经济学院,青岛266100

2.中国海洋大学海洋发展研究院, 青岛266100

Spatial disequilibrium of mariculture areas utilization efficiency in China and causes

XU Yao^,¹, JI Jianyue^,¹^,², XU Yujie¹

1. School of Economics, Ocean University of China, Qingdao 266100, China

2. Institute of Marine Development, Ocean University of China, Qingdao 266100, China

通讯作者: 纪建悦,男,山东青岛人,教授,博士生导师,研究方向为公司金融与国民经济学。E-mail: jijianyue@ouc.edu.cn

收稿日期:2020-05-8修回日期:2020-08-17网络出版日期:2020-11-25

基金资助:

国家自然科学基金项目.71873127
国家社会科学基金项目.19VHQ007
国家自然科学基金项目.71573238

Received:2020-05-8Revised:2020-08-17Online:2020-11-25
作者简介 About authors
许瑶,女,山东淄博人,博士生,研究方向为资源开发与国民经济学。E-mail: xuyao0607@126.com

摘要
提高养殖海域利用效率是实现海域资源可持续发展的关键举措,探究养殖海域利用效率的空间非均衡性及成因,对养殖海域合理开发利用具有重要意义。本文运用超越对数生产函数形式的随机前沿模型对2008—2017年中国10个沿海地区养殖海域利用效率进行测度,综合采用核密度估计、GINI系数、对数离差均值、Theil指数、重心—标准差椭圆方法分析空间非均衡性及空间格局,并进一步对空间非均衡格局成因进行探究。研究发现：①中国沿海地区养殖海域平均利用效率为69.85%,且利用效率在时序和空间上存在较大差异,呈现显著的空间非均衡性。②中国养殖海域利用效率的重心呈现出“先向南—后向北—再向南”的变化格局,南部沿海养殖海域利用效率整体上有所提升。③利用效率空间非均衡格局成因主要包括养殖人员培训水平、推广机构密度、推广人员学历水平、经济发展水平的差异。据此,从深挖低效率地区养殖海域利用效率潜力、制定地方特色的养殖海域开发利用政策、完善海水养殖推广体系三方面提出改善中国养殖海域利用效率空间非均衡格局的相关建议。
关键词： 养殖海域;利用效率;空间非均衡格局;成因;超越对数生产函数;核密度估计

Abstract

Improving mariculture area utilization efficiency is a key measure to realize the sustainable development of marine resources. It is of great significance to explore the spatial disequilibrium of mariculture area utilization efficiency and causes in order to develop and use mariculture area rationally. This study took the data of 10 coastal regions from 2008 to 2017 as a sample, applied a stochastic frontier model in the form of a transcendental logarithmic production function to measure the mariculture area utilization efficiency. It then used the kernel density estimation, GINI coefficient, logarithmic average deviation, Theil index, and center of gravity-standard deviation ellipse to analyze the spatial disequilibrium state of utilization efficiency and change, and analyzed the causes of the spatial disequilibrium pattern. The results indicate that the mariculture area utilization efficiency in China is 69.85%, and there are significant differences in time and space. There is a clear spatial disequilibrium pattern. The center of gravity of the mariculture area utilization efficiency in China shows a "first south-next north-then south" zonal pattern, and the overall mariculture area utilization efficiency in the southern coastal areas has improved. The causes of the spatial disequilibrium pattern of utilization efficiency mainly include difference in the training level of producers, difference in the coverage of extension services, difference in the educational level of extension service employees, and difference in economic development levels. Based on the results, relevant recommendations for improving the spatial disequilibrium pattern of mariculture area utilization efficiency in China are put forward from three aspects: tapping into the potential of low-efficiency provinces, formulating local characteristics of mariculture development and utilization policies, and improving the mariculture promotion system.

Keywords：mariculture area;utilization efficiency;spatial disequilibrium pattern;causes;transcendental logarithmic production function;kernel density

PDF (5545KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
许瑶, 纪建悦, 许玉洁. 中国养殖海域利用效率空间非均衡格局及成因. 资源科学[J], 2020, 42(11): 2158-2169 doi:10.18402/resci.2020.11.09
XU Yao, JI Jianyue, XU Yujie. Spatial disequilibrium of mariculture areas utilization efficiency in China and causes. RESOURCES SCIENCE[J], 2020, 42(11): 2158-2169 doi:10.18402/resci.2020.11.09

1 引言

21世纪是“海洋的世纪”,海域资源开发成为各海洋强国竞争的重要领域,而养殖海域的开发利用是减缓陆域耕地开发压力的关键。根据联合国人口司预测^[1],中国人口在2030年以前将达到14.5亿峰值,且随着人口政策的变化,中国的人口峰值可能还会增加,这对粮食安全提出了更高挑战。当前,中国的陆地粮食增产已面临着水资源短缺、化肥污染严重、耕地减少、气候变化等挑战^[2],这要求我们必须以更加广阔的视野,跳出陆域空间,充分挖掘海洋在食物供给方面的巨大潜力。联合国粮食及农业组织（FAO）指出,渔业不仅可以有效解决全人类的温饱问题,同时也是改善粮食安全和人类营养状况的关键。据FAO数据显示,2016年世界海水养殖鱼类产量约2870万t,在海水养殖主要生产国家和地区中,中国鱼类养殖产量位于世界第一水平,但中国海水养殖仍面临养殖方式粗放、局部海域开发过度等^[3]问题。在此背景下,研究养殖海域利用效率并探讨其空间均衡性及成因,对于改善养殖海域开发利用方式,减缓陆域耕地开发压力,拓展中国粮食安全的战略空间,实现海域资源可持续发展具有重要意义。

随着海域问题变得日益重要,****们围绕海域进行的研究逐渐增多,现有海域方面的文献主要集中在海域使用评估^[4,5]、海域利用效率^[6]、海域生态效率^[7]等方面。从水产养殖效率研究视角看,大部分****研究重点主要围绕淡水养殖问题^[8,9],较少****研究了海水养殖效率^[10,11]。从利用效率研究方法上看,关于海域利用效率文献较少,而关于陆域耕地效率研究方法较为成熟。现有耕地利用效率研究方法主要分为3类：单要素评估模型、DEA模型和随机前沿生产函数法（SFA）。早期研究主要基于单要素评估指标测算耕地利用效率^[12,13,14],随着研究深入,部分****采用了DEA模型^{[15,16,17,18,19,20]}及SFA模型^[21,22,23]对耕地利用效率进行测算。本文中,海产品养殖与粮食生产相似,粮食是利用耕地资源进行生产,而海产品养殖是利用养殖海域从事生产,养殖海域相当于粮食生产中的耕地,两者的生产过程是类似的,故本文在研究方法上借鉴参考耕地利用效率测度方法。

已有研究为本文提供了一定的理论和方法基础,存在着拓展空间。①在研究对象上,****们关于海域方面的研究主要为整体海域利用,针对养殖海域的研究较少;专门从利用效率视角对养殖海域展开的研究更少。本文从海域资源视角出发,将养殖海域纳入研究范围,并针对性地对养殖海域利用效率空间均衡性进行分析。②在研究方法上,本文在借鉴耕地利用测度方法的基础上,将非期望产出引入SFA模型,构建超越对数随机生产前沿函数测度养殖海域利用效率。在此基础上,进一步采用核密度估计和GINI系数、对数离差均值、Theil指数研究利用效率空间非均衡性,通过重心—标准差椭圆方法呈现空间格局动态演进,最终提出养殖海域利用效率改进的针对性建议,为中国养殖海域的开发利用提供决策依据。

2 模型方法与数据来源

2.1 考虑非期望产出的SFA模型

随机前沿分析（SFA）方法是利用构建生产函数来构造生产前沿面,偏差分解为技术无效率和随机误差,其结果受样本特殊点的影响较小,更具可靠性和稳定性。在函数形式方面,本文采取超越对数生产函数：

（1）

\ln Y_{it} = β_{0} + \sum^{} β_{j} \ln X_{jit} + \frac{1}{2} \sum^{} \sum^{} β_{ji} \ln X_{jit} \ln X_{lit} + V_{it} - U_{it}

式中：

Y_{it}

表示第t年第i个沿海地区的养殖海域绿色产出;

β_{0}

、

β_{j}

和

β_{ji}

表示待估计参数;

X_{jit}

、

X_{lit}

表示第t年第i个沿海地区的投入要素向量,其中j、l下标代表不同的生产投入要素;

V_{it}

代表随机误差,服从正态分布

N (0, σ_{v}^{2})

,独立于技术水平和投入向量;

U_{it}

代表给定结构下的技术无效因素,并服从独立的非负截断正态分布

N^{+} (w_{i}, σ_{u}^{2})

。

沿海地区养殖海域i的技术效率公式为：

（2）

T E_{it} = \frac{E (\frac{{\overset{?}{Y}}_{it}}{U_{it}, X_{it})}}{E (\frac{{\overset{?}{Y}}_{it}}{U_{it} = 0, X_{it})}}

式中：

T E_{it}

表示第t年第i个沿海地区的养殖海域技术效率;

E \frac{{\overset{?}{(Y}}_{it}}{U_{it}, X_{it})}

表示样本的实际总产出;

E \frac{{\overset{?}{(Y}}_{it}}{U_{it} = 0, X_{it})}

表示给定投入水平下最大可能产出;

TE {}_{it}

在0到1之间,当

U_{it} = 0

时,

TE {}_{it}= 1

,表示生产单元处于生产前沿面以上,是完全技术有效,当

U_{it} > 0

时,

0 < T E_{it} < 1

,表示生产单元在生产前沿面以下,存在技术效率损失。沿海地区养殖海域i的技术效率损失公式为：

（3）

w_{it} = z_{it} δ

式中：

w_{it}

表示第t年第i个沿海地区的养殖海域技术效率损失值;

z_{it}

表示影响技术效率损失值的影响因素;

δ

表示待估计参数,当

δ > 0

时,表示影响因素对技术效率有负影响,当

δ < 0

时,表示影响因素对技术效率有正影响。

2.2 核密度估计方法

核密度估计在地理学的空间研究中应用广泛^[24],是研究不均衡分布的一种常用方法,能够避免设定不合理而导致的误差。本文选取较为常用的Guassian核函数进行估计,核密度的估计式为：

（4）

g (x) = \frac{1}{n h} \sum_{i}^{=} k (\frac{x - X_{i}}{h})

式中：g(x)为养殖海域利用效率在n个沿海地区的值X₁,X₂,…,X_n估计得到的概率密度函数;k为核函数;x为观测值的均值;h为带宽,带宽越小则说明曲线越不光滑,估计精度越高。

2.3 GINI系数、对数离差均值、Theil指数

GINI系数^[25]、对数离差均值、Theil指数3个指标常用于研究空间差异性,且三者具有互补性。Theil 指数和对数离差均值（LI）通常对上层和底层部分的变化比较敏感,GINI系数则对中间部分的变化比较敏感^[26]。

GINI系数（G）、对数离差均值（GE₀）和Theil指数（GE₁）计算公式如下：

（5）

G = \frac{2}{n^{2} μ_{}} \overset{n}{\sum_{i = 1}} i e_{i} - \frac{n + 1}{n}

（6）

G E_{0} = \frac{1}{n} \overset{n}{\sum_{i = 1}} \ln \frac{e_{i}}{μ}

（7）

G E_{1} = \frac{1}{n} \overset{n}{\sum_{i = 1}} \frac{e_{i}}{μ} \ln \frac{e_{i}}{μ}

式中：G表示养殖海域利用效率的GINI系数;GE₀表示对数离差均值;GE₁表示Theil指数;G、GE₀、GE₁数值越大,则说明养殖海域的利用效率差距越大^[27],其空间均衡性越差;n为养殖海域数量;

μ

为养殖海域利用效率水平的平均值;i为沿海地区的养殖海域,取值为0~n;

e_{i}

为经过利用效率从低到高排列后第i个地区的养殖海域利用效率水平。

2.4 重心—标准差椭圆

重心—标准差椭圆是研究空间分布的方法之一,主要通过中心点、转角、X轴标准差及Y轴标准差等几要素分析样本在地理层面的空间分布特征。计算公式为：

（8）

N (X, Y) = [\frac{\overset{n}{\sum_{i = 1}} ω_{i} . x_{i}}{\overset{n}{\sum_{i = 1}} ω_{i}}, \frac{\overset{n}{\sum_{i = 1}} ω_{i} . y_{i}}{\overset{n}{\sum_{i = 1}} ω_{i}}]

（9）

\begin{array}{l} σ_{x} = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (?_{i} x_{i}^{*} \cos θ - ?_{i} y_{i}^{*} {\sin θ)}^{2}}{\overset{n}{\sum_{i = 1}} {?_{i}}^{2}}} \\ σ_{y} = \sqrt[]{\frac{\overset{n}{\sum_{i = 1}} (?_{i} x_{i}^{*} \sin θ - ?_{i} y_{i}^{*} {\cos θ)}^{2}}{\overset{n}{\sum_{i = 1}} {?_{i}}^{2}}} \end{array}

（10）

\begin{array}{l} \tan θ = (\overset{n}{\sum_{i = 1}} {?_{i}}^{2} {x_{i}^{*}}^{2} - \overset{n}{\sum_{i = 1}} {?_{i}}^{2} {y_{i}^{*}}^{2}) + \\ \frac{\sqrt[]{{(\overset{n}{\sum_{i = 1}} {?_{i}}^{2} {x_{i}^{*}}^{2} - \overset{n}{\sum_{i = 1}} {?_{i}}^{2} {y_{i}^{*}}^{2})}^{2} + 4 \overset{n}{\sum_{i = 1}} {?_{i}}^{2} {x_{i}^{*}}^{2} {y_{i}^{*}}^{2}}}{2 \overset{n}{\sum_{i = 1}} {?_{i}}^{2} x_{i}^{*} y_{i}^{*}} \end{array}

式中：

N (X, Y)

为养殖海域利用效率的重心坐标;

(x_{i}, y_{i})

代表研究区域的空间坐标;(

x_{i}^{*}

y_{i}^{*}

)代表各点距离重心的相对坐标;

σ_{x}

、

σ_{y}

分别为沿X轴和Y轴的标准差;

?_{i}

表示权重,在本文中为各地区养殖海域利用效率值;θ表示转角,以X轴为准,正北方（12点方向）为0度。

2.5 数据来源与变量说明

本文基于养殖海域合理开发利用的内涵目标,体现全要素下养殖海域利用效率的测算思想,将自然资源及物质投入、劳动力投入、资本投入作为投入指标,其中自然资源及物质投入具体包括养殖海域面积、海水养殖渔船、饲料和鱼苗投入。将绿色产出作为产出指标,选取养殖海域污染物排污征收费为成本,纳入产出核算。参考已有文献关于养殖海域利用效率影响因素研究^[10,11],结合养殖海域特点,本文选取如下影响因素：养殖结构、养殖人员培训水平、推广机构密度、推广人员学历水平、沿海地区经济发展水平。鉴于数据的可获得性,本文选取2008—2017年辽宁省、天津市、河北省、山东省、江苏省、福建省、浙江省、广东省、广西壮族自治区和海南省10个沿海地区相关数据进行研究,本文研究范围不包括上海市。所需数据来自《中国渔业统计年鉴》《中国农业统计年鉴》《中国海洋统计年鉴》《第一次全国污染源普查水产养殖业污染源产排污系数手册》《中华人民共和国环境保护税法》、联合国粮食及农业组织（FAO）及经作者计算所得。具体指标如表1所示。

Table 1
表1
表1养殖海域利用效率测度及分析指标说明
Table 1Indicators for measuring and analysing mariculture area utilization efficiency

指标类别	变量符号	变量名称	变量说明
投入指标	S	养殖海域面积/km²	各沿海地区海水养殖业的养殖面积
	B	海水养殖渔船量/艘	渔业渔船数量×海水养殖产量/渔业产量
	F	海水养殖饲料与鱼苗投入/万元	海水养殖饲料与鱼苗投入的资金
	L	养殖海域从业人员/万人	养殖专业从业人员数量
	K	海水养殖资本存量/亿元	永续盘存法估算
产出指标	Y	绿色产出/万元	养殖海域生产总值-环境虚拟成本
影响因素指标	STR	养殖结构/%	海水养殖鱼类产量/海水养殖总产量
	MPT	养殖人员培训水平/%	培训渔民数/总从业渔民数
	EAG	推广机构密度/（个/km²）	海水养殖推广机构/养殖海域面积
	EPT	推广人员学历水平/%	大本以上推广人员/总推广人员数
	EDL	经济发展水平/（万元/人）	沿海地区人均GDP

新窗口打开|下载CSV

相关指标处理说明：

（1）养殖海域面积（S）：本文养殖海域面积具体包括年鉴中海域养殖面积、滩涂养殖面积及其他,主要为近海近岸依赖海水而进行养殖生产的区域。

（2）海水养殖资本存量（K）：由于海水养殖资本存量没有明确的数据,故本文依据《中国渔业统计年鉴》^[28]提供的数据进行估算。借鉴王金田等^[29]农业资本存量估计方法、张军等^[30]永续盘存法,并假设养殖海域与耕地生产的资本产出比相同,对养殖海域资本存量进行估算。其公式为：

（11）

K_{it} = (1 - δ) K_{it - 1} + I_{it}

（12）

K_{t} = \frac{Y_{it}}{Y_{t}} \cdot K_{it}

式中：

K_{it}

为第i地区的t时期农业资本存量;

δ

为折旧率,

δ = 4.24 %

;

K_{it - 1}

为前一期农业资本存量;

I_{it}

为当期新增农业固定资产;

K_{t}

为养殖海域的资本存量;

Y_{it}

为农业增加值;

Y_{t}

为海水养殖的产值增加值。

（3）绿色产出（Y）：对于非期望产出的处理通常有2种方法,一种是将非期望产出作为投入进行处理;另一种方法则是用总产出减去非期望产出,两者应用都较为广泛。本文基于SFA方法的多投入单产出这一特点,采用第二种方法,将环境虚拟成本考虑到养殖海域产出中,用养殖海域生产总值减去环境虚拟成本得到绿色产出,其中环境虚拟成本为处理海水养殖所产生的污染物所需花费的代价。依据《第一次全国污染源普查水产养殖业污染源产排污系数手册》,选取污染物中占比较大的总氮、总磷、化学需氧量COD代表海水养殖污染物。因此,考虑环境虚拟成本的养殖海域绿色产出=养殖海域生产总量-（总氮当量数+总磷当量数+COD污染当量数）×1.4=养殖海域生产总量-（总氮排放量/总氮当量值+总磷排放量/总磷当量值+COD污染排放量/COD污染当量值）×1.4。养殖海域生产总值以2008年为基期进行处理,总氮、总磷、化学需氧量COD排放量参考纪建悦等^[31]进行测算。公式如下：

（13） ${{E}_{u,n}}=\overset{{}}{\mathop{\sum\limits_{ij} }}\,{{Y}_{i,n}}{{w}_{i,j,n}}{{e}_{u,i,j,n}}$

（14） ${{E}_{u,n}}=\overset{{}}{\mathop{\sum\limits_{j} }}\,{{Y}_{i,n}}{{w}_{i,j,n}}{{e}_{u,i,j,n}}$

（15） ${{E}_{n}}=\overset{{}}{\mathop{\sum\limits_{u} }}\,{{E}_{u,n}}/{{K}_{u}}$

式中：

E_{u, n}

代表n个沿海地区从事海水养殖业所产生的污染物u（u=N,P,COD）的总量;

Y_{i, n}

代表n个沿海地区的海产品i的产量;

w_{i, j, n}

代表n个沿海省市海产品i的产量中采用养殖方式j获得的产出占比;

e_{u, i, j, n}

代表n个沿海地区所采用的养殖方式j养殖海产品i产生污染物u的产污系数;

ω_{j, n}

代表n个沿海地区各种养殖方式占总产量的比例;设定

r_{i, j}

为虚拟变量,当海产品i可采用养殖方式j进行养殖时取1,反之取0;

E_{n}

代表n个沿海地区海水养殖业等标污染总量;

K_{u}

为GB3838-2002中第Ⅲ类水质的标准污染浓度（氮为1 mg/L,磷为0.2 mg/L,COD为20 mg/L）^①(①选取鱼类（10种）、甲壳类（6种）、贝类（8种,其中滤食性贝类6种）、其他类（4种）共28种产生污染的海水养殖生物,选取池塘养殖、工厂化养殖、网箱养殖、筏式养殖、滩涂养殖5种养殖方式的相关数据进行估算。)。

综上,本文根据理论模型（1）及养殖海域利用效率投入产出指标构建超越对数随机前沿模型：

（16）

\begin{array}{l} \ln Y_{it} = β_{0} + β_{1} \ln L + β_{2} \ln K + β_{3} \ln B + β_{4} \ln S + β_{5} \ln F + \\ β_{6} \frac{1}{2} {(\ln L)}^{2} + β_{7} \frac{1}{2} {(\ln K)}^{2} + β_{8} \frac{1}{2} {(\ln B)}^{2} + β_{9} \frac{1}{2} {(\ln S)}^{2} + \\ β_{10} \frac{1}{2} {(\ln F)}^{2} + β_{11} \ln L \ln K + β_{12} \ln L \ln B + \\ β_{13} \ln L \ln S + β_{14} \ln L \ln F + β_{15} \ln K \ln B + \\ β_{16} \ln K \ln S + β_{17} \ln K \ln F + β_{18} \ln B \ln S + \\ β_{19} \ln B \ln F + β_{20} \ln S \ln F + v_{i} - u_{i} \end{array}

式中：Y_it表示第t年第i个沿海地区的养殖海域绿色产出;

β_{0}

β_{20}

表示待估计参数;L、K、B、S、F分别表示养殖海域从业人员、海水养殖资本存量、海水养殖鱼船、养殖海域面积、养殖饲料与鱼苗投入。

根据理论模型（2）、（3）及养殖海域利用效率影响因素指标构建技术效率损失模型：

（17）

m_{it} = δ_{0} + δ_{1} STR + δ_{2} MPT + δ_{3} EAG + δ_{4} EPT + δ_{5} EDL

式中：m_it表示第t年第i个沿海地区的养殖海域利用效率损失值;

δ

表示待估计参数;STR、MPT、EAG、EPT、EDL分别表示养殖结构、养殖人员培训水平、推广机构密度、推广人员学历水平和经济发展水平。

3 结果与分析

3.1 中国养殖海域利用效率空间非均衡格局分析

3.1.1 养殖海域利用效率测度

运用Frontier4.1软件,对模型（16）和（17）的参数采用极大似然估计,所得结果表明,超越对数随机前沿生产模型整体估计比较良好。

γ = 0.999

表明混合误差项中技术无效率所占比重为0.999,即养殖海域生产的实际产出与前沿面的偏差包含技术无效率的复合结构,且误差项主要由技术无效率构成,因此所构建的随机前沿生产函数可在本文中使用。养殖海域利用效率值测算结果如图1所示。

图1

新窗口打开|下载原图ZIP|生成PPT
图12008—2 017年沿海10个地区养殖海域利用效率

Figure 1Mariculture area utilization efficiency of 10 coastal regions, 2008-2017

（1）2008—2017年中国沿海10个地区养殖海域利用效率在0.19—1.00之间波动,经计算,养殖海域平均利用效率为69.85%,仍有较大的改进空间。从整体看,利用效率大致逐年增加,呈现上升趋势。2008年广西利用效率为0.269、海南为0.296,2017年辽宁、江苏、福建、山东、广东利用效率为0.999,故养殖海域利用效率在时序和空间上存在较大差异。

（2）养殖海域利用效率在地区之间呈现一定的差异,依据养殖海域利用效率平均值将10个地区进行归类,可划分为3类^[32]：高等效率地区（取值在（9%,10%]）,由高到低依次为广东、山东;中等效率地区（取值在（6%,9%]）,由高到低依次为江苏、浙江、福建、辽宁;低等效率地区（取值在（0%,6%]）,由高到低依次为天津、海南、河北、广西。

（3）各沿海地区养殖海域利用效率在时序上呈现一定的差异,其中海南、广西在2008年处于养殖海域利用效率较低层次,但随时间推移,海南利用效率一直波动上升,逐步进入中等效率层次,而广西始终处在低效率层次;辽宁、天津、山东、江苏、浙江、福建的养殖海域利用效率逐渐提升,且辽宁、天津、山东提升幅度较大;广东省在2008年利用效率已达到0.933,整体效率变化较小;河北省效率减少2.93%,整体呈现波动下降趋势。

3.1.2 养殖海域利用效率空间非均衡分析

为研究养殖海域利用效率的空间非均衡状态,本文采用高斯核密度估计法得到各沿海地区养殖海域利用效率的核密度分布,并绘制2008、2010、2012、2015、2017年核密度分布图（图2）。

图2

新窗口打开|下载原图ZIP|生成PPT
图22008—2017年中国沿海地区养殖海域利用效率核密度分布图

Figure 2Kernel density distribution of mariculture area utilization efficiency of coastal regions, 2008-2017

（1）从整体看,中国养殖海域利用效率的核密度变化比较明显,除2017年,其他年份均存在明显的两个波峰,且第二个波峰峰值较大,说明各沿海地区养殖海域利用效率存在两级分化现象,高值区和低值区差异明显,中国养殖海域利用效率空间非均衡性较为显著。

（2）从时间角度分析,养殖海域利用效率波峰整体向右偏移,且移动程度较大,由2008年波峰对应的效率值0.71到2017年波峰对应的效率值0.98,表明沿海地区养殖海域利用效率有逐渐提升趋势,但仍存在空间非均衡性特征。

（3）从波峰角度分析,整体上,2008—2017年主峰高度与宽度变化较大,且宽度有逐渐变窄趋势,主峰与次峰峰值差距明显,表明养殖海域利用效率存在空间非均衡性特征。

3.1.3 养殖海域利用效率空间非均衡程度分析

为了精准、全面地分析养殖海域利用效率空间非均衡程度,本文同时测算GINI系数、Theil指数、对数离差均值,三者数值越大则说明地区差距越大,即空间非均衡程度较强。根据式（5）-（7）,测算得出GINI系数、Theil指数、对数离差均值及增长率,所得结果如图3、图4所示。

图3

新窗口打开|下载原图ZIP|生成PPT
图3GINI系数、Theil指数、LI测度结果

Figure 3GINI coefficient, Theil index, and logarithmic average deviation index (LI) measurement results

图4

新窗口打开|下载原图ZIP|生成PPT
图4GINI系数、Theil指数、LI增长率

Figure 4GINI coefficient, Theil index, and logarithmic average deviation index (LI) growth rate

（1）根据图3,2008—2017年养殖海域利用效率的GINI系数、Theil指数和对数离差均值LI呈现出大致趋同的变动趋势。2008—2011年,养殖海域利用效率处在高等、中等、低等水平的沿海地区差异逐年增大,其中中等水平的沿海地区差异更为显著;2012—2015年三者波动较为明显,其中在2013、2015年出现两个高峰,表明养殖海域利用效率沿海地区差异较大,空间非均衡程度较大;2016年、2017年三者均呈下降趋势,表明差异逐年缩小,空间非均衡程度逐渐减小。

（2）根据图4,2008—2012年GINI系数、Theil指数和对数离差均值大致呈现出同增同减趋势。2013年,GINI系数的增长幅度达39.45%,Theil指数达85.05%,对数离差均值达103.48%,表明养殖海域利用效率低等水平的沿海地区差异在2013年变动最大,利用效率中等水平的沿海地区差异变动最小。2017年,GINI系数的减小幅度达9.91%,Theil指数达21.64%,对数离差均值达25.51%,表明养殖海域利用效率各沿海地区差异在2017年有所减小,空间非均衡程度减小。

（3）GINI系数值始终大于Theil指数和对数离差均值,表明养殖海域利用效率处于中等水平的沿海地区差异较大,即空间非均衡程度较大,而处于低等、高等水平的沿海地区差异相对较小。3个指标中对数离差均值变化程度大于其他两者,表明养殖海域利用效率处于低等水平的沿海地区差异变动较为明显,而处于中等、高等水平的沿海地区差异变化较小。

3.1.4 养殖海域利用效率空间格局演进分析

本文采用重心—标准差椭圆分析养殖海域利用效率空间格局演进特征,根据式（8）-（10）,通过ArcGIS 10.2软件,计算中国养殖海域利用效率的空间分布重心及标准差椭圆相关参数（表2）,并绘制2008、2011、2014、2017年中国养殖海域利用效率空间格局演进图（图5）。

Table 2
表2
表2中国养殖海域利用效率重心移动方向、距离和标准差椭圆参数
Table 2Ellipse parameters of center of gravity movement direction, distance and standard deviation of mariculture area utilization efficiency in China

年份	重心坐标	方向		转角θ/°	沿X轴标准差/km	沿Y轴标准差/km
2008	（117.16°E,31.47°N）			21.47	3.57	10.42
2011	（117.25°E,31.22°N）	东偏南	29.40	23.93	3.47	10.46
2014	（117.33°E,31.49°N）	东偏北	30.77	23.22	3.36	10.84
2017	（116.96°E,31.20°N）	西偏南	47.39	24.77	3.61	11.08

新窗口打开|下载CSV

图5

新窗口打开|下载原图ZIP|生成PPT
图52008—2017年中国养殖海域利用效率空间格局演进图

Figure 5Spatial pattern and change of mariculture area utilization efficiency in China, 2008-2017

从重心的分布及移动分析,图5中沿海地区的地理形状导致其重心坐标并不位于沿海10个地区范围内,但重心坐标的大体方位主要分布在中国沿海地区的中部地区,表明在南北方向上养殖海域利用效率南北差异不大。从重心坐标移动的轨迹可以看出,2011年重心向东南方向移动,移动距离为29.40 km,表明中国东南沿海地区（如广东、福建）的养殖海域利用效率提升较大;2014年重心向东北偏移,距离为30.77 km,表明中国东北沿海地区（如辽宁）的养殖海域利用效率提升较大;2017年重心向西南方向偏移,距离为47.39 km,表明中国西南沿海地区（如广西）的养殖海域利用效率提升较大。整体上,2008—2017年重心往南偏移,表明中国南部沿海养殖海域利用效率有所提升。

从标准差椭圆分析,图5中2008—2017年中国养殖海域利用效率标准差椭圆主要位于中国东部沿海地区,整体上标准差椭圆向东移动,并且其覆盖面积扩大。根据表2,转角θ值逐年增加,由2008年21.47°增加到2017年24.77°,表明养殖海域利用效率空间格局由东北—西南向正东—正西偏转3.3°。总体上,中国养殖海域利用效率空间格局呈现东北—西南格局,并有顺时针不断偏移的趋势。沿X轴标准差可以看出,2008、2011、2014年的主轴不断缩短,从2008年3.57 km缩短至2014年3.36 km,表明养殖海域利用效率在东北—西南方向的空间格局在主轴方向有集聚趋势,2017年主轴延长,在东北—西南放向的空间格局扩散;沿Y轴标准差可以看出,2008—2017年辅轴持续增加,由10.42 km增加至11.08 km,表明东北—西南方向的空间格局在辅轴方向有扩散趋势。从长短轴整体变化来看,养殖海域利用效率空间布局在长轴方向经历先集聚后扩散趋势,在短轴保持稳定扩散趋势。

从区域视角看,中国沿海地区海域可划分为北部黄渤海养殖海域（山东、河北、天津、辽宁）、中部东海养殖海域（江苏、浙江、福建）、南部南海养殖海域（广东、广西、海南）。中国养殖海域利用效率重心坐标及标准差椭圆主要分布在中国沿海地区的东中部地区,这是由于中部东海养殖海域所依托的沿海地区经济发展水平较高,具有丰富的劳动力、资金和先进的养殖技术,养殖海域利用效率一直处于较高水平;养殖海域利用效率重心在2011年呈现出向南移动趋势,主要是由于南部南海养殖海域一直是中国改革开放的前沿,在《全国海洋标准化“十一五”发展规划》《国家“十一五”海洋科学和技术发展规划纲要》颁布后,重点发展南海环境监测、深海网箱养殖等,养殖海域利用效率有所提升,驱动重心向南移动;2014年重心坐标向北移动,其原因在于北部黄渤海养殖海域中山东省、辽宁省历来是海水养殖强省,且在“十二五”期间加大渔业产业结构调整,伴随“山东半岛蓝色经济区”提出,开始重视工厂化养殖;2017年重心坐标向南移动,其原因主要是南部南海养殖海域近年来拓展了沉水网箱、陆地水池海水养殖等,而相对的北部黄渤海养殖海域、中部东海养殖海域伴随城市扩容、自养殖业及其他行业造成的水域环境污染等现象,养殖海域面积逐渐减少,养殖海域利用效率降低。

3.2 中国养殖海域利用效率空间非均衡格局的成因

运用Stata软件对养殖海域利用效率的影响因素进行多重共线性检验,结果显示VIF=8.725,因而不存在多重共线性问题。通过Frontier4.1软件对式（17）进行估计,养殖海域利用效率的影响因素变量回归结果见表3。由上文理论公式（3）可以得出,系数正号表明变量对养殖海域利用效率产生负向影响,系数负号表明产生正向影响。

Table 3
表3
表3养殖海域利用效率影响因素变量估计结果
Table 3Estimation results of variables affecting mariculture areas utilization efficiency

参数	自变量	系数	t值
δ₀	constant	1.9098***	10.5338
δ₁	STR	0.0242	0.0265
δ₂	MPT	-0.1222**	-2.2194
δ₃	EAG	1.9677**	2.5088
δ₄	EPT	2.8012***	3.4189
δ₅	EDL	-1.5394**	-8.8852

注：***、**、*分别代表在1%、5%、10%显著性水平上显著。

新窗口打开|下载CSV

通过分析表3可以得出,养殖结构（STR）的估计系数为0.0242,表明养殖结构对养殖海域利用效率产生负向影响,但其结果并不显著。本文养殖结构是用海水养殖鱼类产量占总产量的比值表示,鱼类大多是投放饵料养殖,其产生的非期望产出较贝类、藻类多^[33],鱼类养殖数量增多会使海水养殖利用效率降低。养殖结构相较于其他影响因素,其影响利用效率程度可能较小,故最终结果并不显著。

养殖人员培训水平（MPT）的估计系数为 –0.1222,且在5%的显著性水平下显著,表明养殖人员培训水平对利用效率产生正向影响,各沿海地区养殖人员培训水平的差异会加剧空间非均衡性。养殖人员培训水平是以培训渔民占总渔民数量比重表示,各地区海水养殖户经专业培训后,其拥有的养殖技术有所提高,而海水养殖专业人才是推动养殖技术研发、转化和应用的动力^[11],直接影响利用效率值,从而影响区域非均衡程度。

推广机构密度（EAG）的估计系数为1.9677,且在5%的显著性水平下显著,表明推广机构密度与养殖海域利用效率存在显著的负相关关系。这与常识有些不一致,究其原因,可以发现在研究期间内,正值中国海水养殖业快速发展时期,且以投饵类的鱼类养殖为主,这也是技术推广机构工作的重点,根据统计数据,2008—2017年期间,中国海水养殖鱼类产量增幅居第一位^[28],投饵类的鱼类养殖产生的非期望产出多,导致了尽管产量增加,但是综合考虑非期望产出的利用效率下降。因此,可能导致随着推广机构密度的增加,养殖海域利用效率出现下降的现象。另一方面,海水养殖推广机构仍存在推广体系不尽完善、人员结构陈旧等问题^[34],可能导致养殖海域利用效率降低。推广机构密度差异通过影响养殖海域利用效率值,进而影响空间非均衡性。

推广人员学历水平（EPT）的估计系数为2.8012,且在1%的显著性水平下显著,表明推广人员学历水平与养殖海域利用效率存在显著的负相关关系。除了上述的研究期间内投饵类的鱼类养殖增加的原因外,还与当前中国海水养殖人员的现状有关,中国许多海水养殖人员是由从事海洋捕捞的渔民转业而来,对新型养殖技术推广的接受能力相对较弱,加上推广人员养殖经验不足等因素^[35],导致了技术推广人员学历的提升并未带来养殖海域利用效率提升的状况。推广人员学历水平差异通过影响养殖海域利用效率值,间接对其空间非均衡造成影响。

沿海地区经济发展水平（EDL）的估计系数为 –1.5394,在1%的显著性水平下显著,表明沿海地区经济发展水平与养殖海域利用效率呈显著的正相关关系,各沿海地区经济发展水平提高会使利用效率值增加,故经济发展水平差异会加剧利用效率的空间非均衡性。沿海地区经济发展水平的影响系数在影响因素中最高,表明在今后发展中,提高沿海地区经济发展水平仍是重中之重。中国10个沿海地区的经济发展水平存在较大差异,其中广东、山东等沿海地区经济发展水平较高,且均处于高效率地区,而广西、河北等经济发展水平相对较低,处于低效率地区。

4 结论与建议

4.1 结论

本文在考虑非期望产出基础之上,运用超越对数生产函数形式的随机前沿模型,以2008—2017年中国10个沿海地区的面板数据为样本,测度了养殖海域利用效率,并分析了其空间格局均衡性及成因,主要结论有以下几点：

（1）2008—2017年中国10个沿海地区养殖海域平均利用效率为69.85%,且利用效率在时序和空间上存在较大差异;中国养殖海域利用效率核密度变化比较明显,存在两级分化现象,空间非均衡性较为显著;GINI系数、Theil指数和对数离差均值LI呈现出大致相同的变动趋向。养殖海域利用效率处于中等水平的沿海地区空间非均衡程度较大,而处于低等、高等水平的沿海地区空间非均衡程度较小。

（2）从重心分布看,中国养殖海域利用效率的重心呈现出”先向南—后向北—再向南“的变化格局,南部沿海养殖海域利用效率整体上有所提升;从标准差椭圆看,养殖海域利用效率呈现东北—西南格局,并有顺时针不断偏移的趋势;从长短轴长度看,养殖海域利用效率空间分布在长轴方向经历先集聚后扩散趋势,在短轴保持稳定扩散趋势。

（3）从养殖海域利用效率的空间非均衡性成因看,各沿海地区养殖人员培训水平、推广机构密度、推广人员学历水平、经济发展水平的差异都会加剧利用效率的空间非均衡性。

4.2 建议

根据得出的结论,提出符合中国国情的养殖海域合理开发利用的相关建议,以改善养殖海域开发利用方式,实现海域资源可持续发展,推动中国海洋强国战略实施。

（1）深挖低效率地区养殖海域利用效率潜力。目前各沿海地区养殖海域利用效率空间差异显著,应为低效率地区提供较多的财政资金及较为完善的配套体系,并利用科技创新降低非期望产出,改善养殖人员培训方式,从根源上提升养殖海域利用效率。

（2）制定地方特色的养殖海域开发利用政策。由于沿海地区自身海域资源禀赋及经济发展水平等存在较大差异,因此要“因海制宜”,制定符合各沿海地区实际情况的养殖海域开发利用目标和规划。同时应增强各地区海水养殖相关组织的合作与交流,积极建立养殖技术信息分享平台,避免养殖种类同质化,实现可持续性发展。

（3）完善海水养殖推广体系。政府不仅应扩大海水养殖推广机构覆盖面,还要重点推广绿色养殖模式,合理调整养殖结构。政府在提高推广人员学历水平的同时,应注重提高养殖人员的专业技术能力,并制定相关福利政策以减少推广人才流失。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

United Nations Department of Economic and Social Affairs Population Divisionc. World Population Prospects 2019: Highlights[M]. New York: United Nations Department of Economic and Social Affairs Press, 2019.

[本文引用: 1]

[2]

张福锁, 王激清, 张卫峰, 等. 中国主要粮食作物肥料利用率现状与提高途径
[J]. 土壤学报, 2008(5):915-924.