渔业作为我国大农业的重要组成部分,具备相对完整的产业体系,其转型发展对其他部门转型发展具有重要借鉴意义。近年来,我国渔业在水产品产量、总产值等方面取得了持续和显著增长。但是渔业整体产出水平的提高导致渔业在不同地区、不同部门等方面的复杂关系和发展过程中存在的问题经常被忽视。本质上来讲,我国渔业发展模式仍然属于粗放型发展模式。渔业长期粗放的发展模式不仅导致渔业发展的低效率,还引发了渔业自然资源严重衰退、生态环境恶化等严重问题,制约着渔业可持续发展能力[1]。研究发现,2005年之前我国渔业发展主要依赖生产要素投入,经营方式相对粗放,而近10年我国渔业出现了生产要素对产出影响减弱的现象[2]。在这样的背景下,我国渔业水产品产量、总产值等方面仍然保持了相对较高的增长速度,从全要素生产率(Total Factor Productivity, TFP)角度,研究近年我国渔业增长方式,对于探究渔业经济增长机制、提高渔业发展效率和促进渔业经济转型发展等方面具有非常重要的现实意义。TFP测算了全部投入要素的生产率,反映了决策单元的综合生产效率。TFP不仅与直接的技术进步有关,还与生产相关的知识水平、管理技能、制度环境等因素密切相关[3],是分析经济增长、评估经济体可持续发展和运行质量优劣的重要指标,通过分析经济体TFP变化能够确定主导经济体发展的因素,为经济体转型发展提供科学依据。因此,本研究以我国渔业TFP变化为研究对象来分析我国渔业增长方式,为我国渔业生产效率提高、渔业转型发展提供科学建议,为政府科学制定渔业长期可持续发展政策提供依据。
早期多在平均生产函数框架下对TFP进行测算,所估计出的生产函数反映了投入和平均产出之间的关系,同时平均生产函数方法潜在假定所有决策单元在给定的技术条件下都能在最优状态进行生产,不存在技术无效率[4]。然而采用平均生产函数来测算TFP存在两个缺陷:首先,它没有考虑决策单元可能存在无效率的状况,这与现实中并非所有决策单元都能够充分利用现有的技术条件的现象是不吻合的;再者,平均生产函数反映了投入和产出的平均关系,违背了决策单元可实现技术有效的假设,出现了理论和假设背离的现象[5]。因此,有必要跳出平均生产函数框架重新审视决策单元投入和产出之间的关系。生产前沿(边界)分析方法考虑了无效因素对决策单元利用生产技术的影响,假设部分决策单元能够在生产可能集边界上进行生产,当决策单元在生产边界之内运行时被称为技术无效。数据包络分析(Data Envelopment Analysis, DEA)和随机前沿分析(Stochastic Frontier Analysis,SFA)是前沿分析中非参数方法和参数方法的典型代表。DEA利用数学规划方法构建生产前沿,不需要预先设置生产函数,在避免主观性方面非常具有优势,但该方法很容易受到异常值的影响并且将决策单元和生产前沿的偏离全部归咎于技术无效因素。SFA利用计量经济学方法构建随机的生产前沿,该方法可以将决策单元和生产前沿的偏离区分为统计噪音和技术无效率两个部分。由于SFA方法可以对技术进步和技术效率变化进行有效区分,这有助于进一步寻找全要素生产率的增长源泉,更加符合全要素增长理论的内涵[6]。目前,国内学者从多个角度对我国渔业增长及其方式进行了深入研究。但是,从TFP角度来研究我国渔业经济增长方式的文献相对较少。通过在“中国知网”上以“全要素生产率”和“渔业”为关键词进行检索,搜索到和我国渔业TFP研究相关的主要文献和研究结果如表1所示。
从表1的研究结论来看,多数研究结果表明我国渔业TFP存在不同程度的提高,技术进步是引起渔业TFP提高的主导因素,但关于技术效率变化、规模效率变化的研究结果并没有显示出较为一致的现象。从研究工具来看,表1中的文献均借助非参数DEA-Malmquist指数方法对我国渔业TFP变化进行的研究。然而,使用非参数DEAMalmquist指数方法来展开研究可能会存在两个问题:首先,该方法不能对参数设置和计算结果的显著性等问题进行检验;如果统计噪音对生产前沿存在显著影响,该方法计算出的结果将会出现偏误。第一种情况可以借助Simar和Wilson在非参数DEA方法中引入的bootstrap技术对模型的参数设定和计算结果进行假设检验和构建置信区间[7]。当出现第二种情况时,只能借助计量经济学方法来分析。考虑到我国渔业经济运行过程中存在很多风险和不确定,可能会对其生产前沿存在显著的影响,有必要检验我国渔业经济运行过程中的随机因素是不是对生产前沿产生显著的影响。如果随机因素对生产前沿的影响不可忽视,采用SFA方法可以更为精确地描述决策单元的生产行为。因此在借鉴现有研究基础上,尝试使用SFA方法对我国渔业TFP变化情况进行研究,并对使用SFA方法的必要性进行检验,以作为现有对我国渔业TFP研究的补充。
自Meeusen,Van den Broeck和Aigner et al.独立地提出SFA方法之后,该方法在理论和应用方面均得到了较大发展,这种类型的模型已经成为了分析效率的一种非常流行的工具。
基于面板数据的随机前沿模型可以表达如下形式[8]:
式中:y it是第i个决策单元在时期t的产出;f(·) 是SFA中确定的生产前沿;x是决策单元的投入向量;β是与投入向量所对应参数的估计值;T为时间趋势项,是用来捕捉技术变化的代理变量;V it是服从N(0
)的随机误差项;U it与V it相互独立,U it是表示技术无效因素的随机变量,其中,U it= u i· e(η(t- T)),且u i~ N(u i 
)。根据Battese和Corra (1977),使用最大似然估计联合估计随机前沿生产函数和技术无效项U it时,使用 
和γ =
代替
和
。
在价格信息未知的条件下,SFA方法估计和分解的我国渔业TFP变化被分解为技术效率变化、技术变化和规模效率变化[9]。技术变化表现为生产前沿的移动,存在技术进步时表现为决策单元集合的生产前沿的上升,反之则下降;技术效率变化表现为决策单元和生产前沿相对位置的变化;规模效率反映在一定科技水平下决策单元的生产要素集中度和其长期平均成本之间的关系。TFP变化的计算公式如下:
式中:
和 
分别表示变化率 , 
,第j个投入要素的变化率计算公式为 : 
;技术变化公式为 : 
,由 于本研究使用超越对数形式的随机前沿生产函数,计算技术变化是对两个相邻时期的时间趋势项t的偏导求代数均值得到的[10];规模效率变化计算公式为:SECH=(rts 
; 技 术效率变化通过求解技术无效项中时间趋势项t偏导得到 : 
,如 果模型是非时变SFA模型则技术无效项不随时间发生变化,即技术效率的差异只存在不同决策单元之间与时间无关;rts(return to scale)用来衡量决策单元的规模报酬状况,可根据决策单元的所有投入的产出弹性之和进行计算,当rts< 1时,表示生产处于规模报酬递减阶段;当rts= 1时,表示生产处于规模报酬不变阶段;当rts> 1时,表示生产处于规模报酬递增阶段。
本研究以2003—2014年我国27个省、市、自治区的渔业作为研究样本对我国渔业TFP变化进行研究。测量渔业TFP变化需要渔业经济相关的投入、产出数据,选择渔业从业人数作为渔业的劳动投入;由于渔业可以分为渔业养殖和渔业捕捞两部分,本文选择渔业养殖面积和渔船年末拥有量作为渔业资本投入;选择渔业经济总产值作为产出变量。为了消除通货膨胀的影响,本研究使用以1978年为基期的居民价格指数对变量进行平减。数据主要来源于2003—2014年相应的《中国渔业年鉴》和《中国统计年鉴》。
实证分析时,随机前沿生产函数初步设置为灵活性较强的超越对数形式的随机前沿生产函数和时变的技术无效项,其具体形式如下:
式中:Y it为渔业经济总产值,万元;S it为养殖面积,hm2;W it为渔船年末拥有量,t;L it为渔业从业人员,人;T为时间趋势项,2003年T= 1,2004年T = 2,…,2014年T= 14;下标i表示第i个省份;t为年份;ln表示自然对数;βs为待估参数;V it服从正态分布的随机变量;U it和V it相互独立,U it是非对称的技术无效项,假设 U it= u i·e(η(t- T)),为考虑了技术无效因素的非负随机变量,η是待估参数,当η> 0时,技术无效性以递减的速度增加;当η< 0 时,技术无效性以递增的速度减小;当η= 0时,该模型退化为时不变(Time Invariant)模型,如果η≠0意味着技术效率不仅受到效率值初始值的影响,还受到时间影响。
随机前沿生产函数,式(3)的估计需要使用最大似然估计,本研究使用Stata12的xtfrontier进行估计,后续的假设检验以及对TFP变化率的计算均借助该软件进行。式(3)中参数的估计结果如表2所示。
表2中为时变模型(模型1)和时不变模型(模型2)的估计结果,时变模型的η的估计结果显示并不显著,这意味着技术效率并没有随着时间发生变化,所以时变模型应该退化为时不变模型,本文将在后边对选择时变SFA模型还是时不变SFA模型进行假设检验来判断哪个模型更为合适。
SF A的函数形式和误差项分布的设置合理与否直接影响估计结果的准确性,因此需要对SFA进行一系列假设检验来判断使用SFA的必要性和参数设置的合理性[11]。本研究的假设检验均通过构建最大似然比统计量来完成检验,需要注意的是涉及γ= 0的LR检验服从混合卡方分布,混合卡方分布的临界值来自Kodde和Palm(1986)[12]。假设检验结果如表3所示。
表3中,第一个假设检验判断超越对数形式的生产函数能否退化为柯布道格拉斯形式的生产函数。检验结果表明使用超越对数形式的生产函数更为合适,因此本文对我国渔业TFP的分析均是基于超越对数形式的生产函数展开的。
第二个假设检验判断时变模型能否退化为时不变模型。检验结果显示,η= 0不能被显著拒绝,意味着使用时不变模型更为合适,因此本文基于时不变的SFA模型展开对我国渔业TFP的分析。
第三个假设判断技术无效项是否服从半正态分布,检验结果表明假设技术无效项服从截断正态分布更为合适。
第四个假设检验判断服从截断正态分布的技术无效项是否为随机的,检验结果表明,我国渔业经济运行过程中存在随机的技术无效因素导致渔业经济低效运行,这意味着随机因素对生产前沿存在显著影响,有必要使用随机前沿分析方法。
第五个假设检验是为了判断2003—2014年我国渔业是不是存在技术变化,检验结果表明,我国渔业经济存在显著的技术进步使得我国渔业生产前沿向上移动。
由于超越对数形式的生产函数的估计结果不能直观判断各投入要素整体上的显著性,为了直观判断各投入要素对产出的贡献,有必要对各投入要素的产出弹性进行求解,计算结果如表4所示。
表4中各投入变量的产出弹性的计算结果表明,渔业从业人员对渔业经济贡献最大,渔船年末拥有量次之,渔业养殖面积的弹性最小。各个投入要素的弹性总和为我国渔业规模报酬的实际状况,各弹性总值为0. 791 0小于1,说明从整体上来看我国整体处于规模报酬递减阶段,同比例增加1%的投入要素带来的收益变动为0. 791%,小于要素投入,因此应该减小渔业规模来改善规模经济状况。渔业投入要素的产出弹性结果表明,衡量渔业养殖的养殖面积对渔业经济的贡献最小,这和当前我国渔业养殖主导我国渔业的现状不相吻合,出现这种现象的原因,可能是近年来我国其他产业挤占渔业自然资源和养殖渔业过度发展导致渔业自然资源不断衰退,使得我国渔业生产规模超过了渔业自然资源的承受能力,对我国渔业养殖产生不利的影响。
TFP变化是指决策单元的全要素生产率随时间变动,当渔业产出指数和投入指数变动不同步时,渔业经济的TFP就发生了变化。经过假设检验,本文最终选择了时不变的SFA模型,因此我国渔业TFP变动由技术变化、规模效率变动共同作用的结果,与技术效率无关。
技术效率衡量了决策单元利用现有技术的能力,技术效率高低表现为决策单元实际产出和生产前沿的靠近程度。技术无效率不仅是概念上的损失,包含了决策单元所投入生产要素的机会成本,技术效率提高是一种帕累托改进,改善渔业技术效率具有重要的现实意义。时变SFA模型隐含着对从业人员能够干中学习的期望,希望从业人员能够在生产过程中积极思考改善生产流程。研究表明,作为经济活动副产品的知识积累在没有明显创新条件下对经济增长发挥了巨大作用,使得技术效率随着时间推移而得到改善。
美国经济学家丹尼森认为,管理技术和企业组织方面的知识的进步与采用新技术对经济增长的贡献同样重要。但是本文对模型进行假设检验的结果表明,SFA模型的技术无效项不具有时变性,使用非时变SF A模型更能准确地描述2003—2014年我国渔业经济的技术效率状况。这意味着我国渔业技术效率因省份条件不一而异,并没有随着时间推移而变化。
表5为我国各个省、市、自治区的渔业技术效率和相应的排序状况。结果显示,我国渔业技术效率在不同省份之间存在较大差异,技术效率最高的山东省的渔业技术效率值达到0. 936 3,效率值最低的贵州省的渔业技术效率值仅为0. 085 7;对2003—2014年各个省份的渔业技术效率求均值,得到我国渔业整体技术效率为0. 388 2,处于非常低的水平,存在非常大的改进空间。这说明渔业技术效率水平较低是导致我国渔业经济低效运行的重要原因之一,因此提高渔业技术效率是改善我国渔业发展效率的重要途径。但是,我国渔业技术效率在2003—2014年之间并没有呈现改善的现象,出现这种现象的原因可能是由于我国渔业经济中存在大量的小规模的渔业生产厂商,这导致渔业从业人员进入和退出渔业生产的门槛比较低,进而使得我国渔业从业人员流动性比较大,而渔业从业者的频繁流动使得正从事渔业的生产者没能够积累渔业生产、经营和管理知识。
表6和表7分别从省、市、自治区和时间角度展示了2003—2014年各省、市、自治区渔业TFP变化及其分解项的均值。技术进步衡量了生产能力的变化,如果技术有效的决策单元存在技术进步意味着相同投入时产出将会增加,这表现为决策单元集合的生产前沿向上移动。结果显示,我国各个省、市、自治区的渔业均存在不同程度的技术进步,总体而言2003—2014年间我国渔业技术变化平均以每年7. 1%的速度在增长。SFA模型是通过对生产函数中时间趋势项求偏导数来计算技术变化,同时对时间趋势项及其交叉项的参数的检验结果表明, 2003—2014年间我国渔业经济的技术进步是显著的。SFA中时间趋势项不仅包括直接的技术因素,还包括经济周期、制度变迁等非直接的技术因素,分析技术变化需要从更为广泛的角度来展开[13]。本研究认为导致我国渔业生产前沿向上移动的原因可能有以下几方面。
(1)渔业产业结构的改善。虽然渔业第一产业主导我国渔业,但是近年来我国渔业二、三产业得到一定的发展,作为为渔业第一产业服务的部门,它们的比重逐渐提高。渔业产业结构的合理化有利于渔业生产要素在不同部门之间的流动,提高渔业内部不同部门的协调能力,使得我国渔业TFP提高,这为我国渔业经济转型发展提供了方向和保障。
(2)水产品市场化机制的完善。随着我国水产品市场机制的完善和居民消费水平的提高,居民对水产品品种和水产品质量要求逐渐提高,迫使企业引入先进的生产方式、管理理念来满足我国居民对水产品的需求和水产品质量,延长了渔业产业链,提高了水产品的科技含量和附加值,使得渔业全要素生产率得到提高。
(3)渔业科技的发展,我国渔业在育苗、病害防治等自然科学领域取得了巨大成就,这不仅提高了渔业经济的科技含量,增加了渔业产品的附加值,也为我国现代化渔业的大力发展提供了坚实保障。
(4)近些年来,我国经济取得了较大发展,我国的基础设施得到了极大地改善、水产品加工能力显著提高、水产品贮藏运输能力的提高以及营销方式更加多元等因素,为我国渔业发展提供了有力的外部环境。
规模效率变化衡量了由经济规模变动所引起的经济效益变化的现象,反映了生产要素集中程度和经济效益之间的关系。由上文可知我国渔业整体处于规模报酬递减阶段,应该减少渔业规模来提高渔业规模效率。
表6和表7的结果显示,我国多数省份渔业规模效率出现了恶化,渔业经济整体上出现了规模不经济现象。具体而言,只有内陆6个省份呈现了规模效率提升现象,其他省、市、自治区均出现了规模效率恶化现象;从时间上看很多年份的渔业也呈现了规模效率恶化的现象,我国渔业经济在时间上规模经济变化率在0%附近波动。我国渔业出现规模效率恶化现象的原因可以从渔业内部和渔业外部两个角度来分析。从渔业内部来看,我国渔业粗放式发展加上渔业水产品市场机制不够完善,使价格机制不能充分发挥作用,导致部分地区或某些品种出现局部过剩;从渔业外部来看,渔业资源过度开发加上其他行业对渔业自然资源挤占和污染,导致的渔业资源衰退和渔业生态环境恶化,这提高了渔业自然资源的机会成本,使得渔业生产运行成本上升。因此,从改善规模效率的角度来讲,我国渔业需要及时调整渔业生产结构,大力发展现代化渔业,减少对渔业自然资源的依赖程度,以适应不断变化的渔业自然资源条件。
综上所述,2003—2014年间我国渔业TFP以每年7. 01%的平均速度在提高,技术进步是我国渔业TFP变化的主导力量,渔业规模效率的恶化阻碍着渔业TFP的升高。本研究结果和现有对我国渔业TFP变化结果大体上一致,渔业TFP出现一定程度的增长。但是TFP分解项的研究结果上出现一定的差异,TFP变化中技术进步是TFP变化的主导因素;渔业技术效率是非时变的结果和现有研究结论不一致,这可能是现有研究主要是借助非参数方法计算的,并没有对技术效率变化的显著性进行检验;关于我国渔业规模效率变化的研究没有得出一致的结论,本研究显示规模效率呈现恶化的现象。
本研究采用SFA方法对2003—2014年我国27个省、自治区的渔业TFP变化及其分解进行了研究,并计算了不同生产要素对渔业经济的贡献,得出以下结论。
(1)渔业投入要素对渔业经济总产出的贡献从高到低依次为:渔业从业人员、渔船年末拥有量、养殖面积。当前渔业自然资源衰退已经成为制约渔业经济发展的重要原因,需要转变现有生产结构,采用环境友好型的生产方式降低生态成本,以保证渔业生产的可持续性。
(2)提高渔业技术效率是转变我国渔业粗放发展的重要途径。我国渔业技术效率处于较低水平,且渔业技术效率没有呈现出随着时间变化而改善的趋势,渔业技术效率是阻碍渔业全要素生产率提高的重要原因之一。
(3)我国渔业整体上处于规模报酬递减阶段,但是渔业的规模效率还在恶化,规模效率的恶化阻碍了我国渔业TFP下降的原因。我国渔业过度依赖要素投入的低效发展导致的渔业资源衰退,使得渔业经济运行成本上升,阻碍了渔业TFP的提高。在其他条件不变的条件下,降低渔业经济规模可以向最优生产规模靠近,提高渔业的规模效率。
(4)技术进步是我国渔业TFP增长的重要源泉。渔业经济持续发展能力最终要依赖渔业科学技术进步;同时渔业的可持续发展也不能忽视渔业发展的社会制度环境,充分调整和发挥渔业产业结构、水产品市场机制等非技术因素的作用,提高渔业可持续发展能力。
手机扫一扫