赵林, 张宇硕, 吴迪, 王永明, 吴殿廷
北京师范大学地理学与遥感科学学院, 北京 100875
Zhao Lin, Zhang Yushuo, Wu Di, Wang Yongming, Wu Dianting
中图分类号: F129.9
文献标识码: A
文章编号: 1000-0690（2016）05-0671-10
通讯作者:
收稿日期: 2015-03-22
修回日期: 2015-08-11
网络出版日期: 2016-07-20
版权声明: 2016 《地理科学》编辑部 本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
作者简介：赵林（1988-）,男,山东东平人,博士研究生,主要研究方向为海洋产业与区域布局。E-mail:zhaolin19880112@126.com
展开
摘要
基于考虑非期望产出的SBM模型,对2001~2012年沿海11个省市区（不含香港、澳门、台湾地区）的海洋经济效率进行了测度,并对其时空特征进行分析。研究发现：① 不考虑非期望产出的效率值要明显高于考虑非期望产出的效率值,非期望产出对于海洋经济效率具有明显影响。② 2001年以来海洋经济效率演变分为波动下降（2001~2008）和缓慢上升（2009~2012）两个阶段;区域差距呈先缩小后扩大的趋势。③ 空间上呈现由南北高、中部低的格局向以天津、上海、广东为中心的三极格局演进的趋势;省际变化特征各异。最后对海洋经济效率的影响机制进行了解释,并提出了提高海洋经济效率的实现路径。
关键词：
Abstract
We can grasp the marine economic development and existing problems through measuring the marine economy efficiency, which can provide the basis for the marine economy policy. This article is based on consideration of undesirable outputs SBM model, measuring marine economic efficiency value for 11 coastal provinces during 2001 to 2012 and analyzing its spatio-temporal characteristics. Research shows that: 1) The marine economic efficiency value of inconsideration of undesirable output is obviously higher than the one of consideration of undesirable output, which turns out that undesirable output has a significant effect on marine economic efficiency and more accord with the fact. 2) The evolution of marine economic efficiency divided into two stages since 2001, declining with a fluctuant process stage (2001-2008) and rising slowly stage (2009-2012), which presenting the inefficiency is changing to effective state, but still in a low level. The regional disparity shrank at first and then expanded. 3) From the spatial distribution, in 2001, the initial stage in the tenth Five-Year Plan, the spatial pattern of marine economic efficiency shows the characteristics that the efficiency of the northern and southern is high, and the middle area is low, while in 2012, the spatial pattern shows the three pole. The inter-provincial variation of marine economic efficiency varied from province to province. Hainan was high stable level while Guangdong and Fujian were ascending to the high level. Guangxi, Hebei are in the low and descending level, Liaoning, Shandong, Zhejiang belonged to the low but ascending type, while Jiangsu to the low stable type. In order to explain the influence mechanism of marine economic efficiency, this article explains the influence factors from four aspects. From the element level, the marine and land economic base, the national marine policy, the market mechanism and inter-regional economic relations influence the marine economic efficiency by influence the production organization activities of marine enterprise. From the driving fore level, to gain more profit and enhance market competitiveness, the marine enterprises improve their production efficiency, and the introduction of technology, the inter-regional spillover of efficiency and the local government policy can also improve the efficiency. From the path and effect level, the upgrade of marine industry, the expansion of industrial scale, the improvement of technology and management methods can improve the marine economic efficiency. The improvement of marine economic efficiency can form the feedback mechanism affecting the competitiveness of enterprise, industrial upgrading and the marine and land economic development. Finally, this article put forward some recommendations to improve the marine economic efficiency.
Keywords：
经济的全球化加速世界经济的布局向着滨海地区聚集,海洋资源开发与可持续利用已经成为沿海国家尤其是海洋大国的发展战略[1]。改革开放以来,中国开始重视海洋经济发展和海洋资源开发保护,中国海洋经济得到快速发展[2]。党的“十八大”明确提出“海洋强国”战略,将海洋的重要性放在了前所未有的战略高度[3]。2012年全国海洋生产总值达50 045.2亿元,海洋生产总值占国内生产总值的9.64%,增长速度为8.1%,海洋经济已经成为国民经济重要的增长点。然而随着海洋经济的高速发展,海洋资源消耗强度大、废弃物排放过多、海洋环境恶化等问题越来越严重[4~6],严重制约了海洋经济的可持续发展。这些问题的出现很大程度上是由传统粗放式的海洋经济发展模式带来的后果。因此提高海洋经济效率,转变经济发展方式,成为实现海洋经济可持续发展的关键。
关于海洋经济效率的研究,以往多集中于对单一部门或者产业进行分析,比如Tingley[7],Wanke[8],Pham[9]等对海洋渔业的生产效率进行了研究;Tongzon[10],Cullinane[11],庞瑞芝[12]等对港口物流的运输效率进行了分析。少数学者对海洋经济的总体运行效率进行了研究,李彬[13]、赵昕[14]和张继良[15]采用随机前沿分析法（SFA）和DEA模型对中国沿海地区的海洋经济效率进行了评价;范斐利用DEA和Malmquist方法对环渤海地区17个沿海城市的海洋经济效率进行了分析[16];苏为华运用Malmquist方法测度了沿海省市的海洋经济TFP指数[17];戴彬采用随机前沿模型（SFA）对中国沿海省份的海洋科技全要素生产率进行了测度[18],但这些研究均忽视了海洋经济活动中的非期望产出问题。丁黎黎注意到了海洋经济生产活动中的资源消耗、环境退化等问题,并利用熵值法构建了“资源与环境损耗指数”来测算沿海地区海洋经济绿色全要素生产率[19],但此种处理方法与实际生产过程并不一致,因此难免有误差。总结以往的研究发现,就研究视角而言,以往的海洋经济效率研究多从期望产出的视角,而忽视了海洋经济实际生产过程中的非期望产出问题;就研究方法而言,以往的研究多采用传统的DEA模型①(① DEA方法对评价指标选择具有某种特殊性,即一般要求（投入指标数目+产出指标数目）≤1/2生产决策单元个数。),随机前沿模型（SFA）,Malmquist生产率指数模型等方法,而这些方法无法对效率评价过程中的非期望产出进行科学的处置,同时由于其径向性、角度性而无法解决投入产出的松弛性问题。
目前效率评价中对于非期望产出的处理方法主要有投入产出转置法[20]、倒数转换法[21,22]、正向属性转换法[23]和方向距离函数法[24]等。但上述方法本质上通常属于径向的、角度的DEA模型,并没有考虑到投入产出的松弛性问题,结果往往有误差。Tone提出了基于松弛变量的非径向、非角度的SBM模型（Slacks-Based Measure,SBM）,通过对非期望产出进行非角度非径向处理,可以很好的解决评价过程中的非期望产出问题和投入产出的松弛性问题[25],因而在生态效率[26,27]、环境效率[28,29]、水资源利用效率[30]等方面得到了广泛应用,表现出良好的可信性。
基于以上认识,本文利用考虑非期望产出的SBM模型,将海洋资源投入量、涉海就业人员和固定资产投资作为输入,将海洋经济增加值作为期望产出和废水入海量作为非期望产出,测度2001~2012年中国沿海11个省市区（不含香港、澳门、台湾地区。全文同）的海洋经济效率,并对其时空特征及影响机制进行分析,以期为中国沿海地区海洋经济的可持续发展提供理论支撑。
投入指标方面,从经济学视角,土地、劳动力和资本通常是最基本的生产要素[31]。在海洋经济投入指标方面,由于海洋经济的发展对于资源禀赋依赖性较强,因此海洋资源的投入对于海洋经济的发展至关重要。在借鉴以往研究的基础上,考虑到目前中国海洋经济的主导产业是滨海旅游业、海洋交通运输业、海洋渔业的现实,选取码头长度、滨海地区旅行社数量、海水可养殖面积,并对其进行折算作为资源投入指标②(② 根据熵值法计算公式确定3指标权重,按照码头长度（0.25）、滨海地区旅行社数量（0.29）、海水可养殖面积（0.46）的权重综合加权得到资源投入指标最终数值。);劳动力投入方面选取涉海从业人员数作为输入指标;资本投入方面选取沿海地区固定资产投资额作为输入指标,为了去除价格因素,以2001年为基期的固定资产投资作为资本投入。
产出指标方面,海洋经济的生产过程中,不但生产期望的产品,如经济产值,而且还生产非期望的产品,比如废水、废气。在借鉴以往研究的基础上[13~17],考虑到数据的可获得性,选取海洋经济增加值作为期望产出指标;选取工业废水入海量作为非期望产出指标。其中,海洋经济增加值以2001年为基期进行不变价处理来消除价格上升因素。研究数据来自于2002~2013年《中国海洋统计年鉴》[32]。表1给出了投入产出指标的数据基本特征。
表1 投入产出指标的数据特征
Table 1 The descriptive statistical characteristics of input and output variables
| 指标 | 资源投入 | 劳动力投入 | 资本投入 | 期望产出 | 非期望产出 | ||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 码头长度 （m） | 旅行社数 （家） | 可养殖面积 （hm2） | 涉海从业人员 （万人） | 沿海固定资产投资 （万元） | 海洋经济增加值 （亿元） | 废水入海量 （万t） | |||||
| 均值 | 37777.8 | 833.1 | 229.5 | 262.2 | 2121.5 | 922.2 | 11372 | ||||
| 中位数 | 26936 | 770 | 111.4 | 191.5 | 2060.9 | 669.9 | 4156 | ||||
| 最大值 | 152923 | 1996 | 835.7 | 831.6 | 4795.0 | 4584.3 | 107994.4 | ||||
| 最小值 | 4665.0 | 143 | 2.3 | 58 | 213.3 | 102.3 | 43.4 | ||||
| 标准差 | 33722.8 | 499.8 | 268.8 | 186.8 | 1228.7 | 880.6 | 17629.4 | ||||
在测度决策单元的效率方面,数据包络分析（DEA）已被证明是一种相当有效的工具[33]。传统的DEA模型（如BCC模型、CCR模型）多是径向的或者角度的,没有充分考虑到投入或产出的松弛性问题,也不能准确的度量当存在非期望产出时的效率值[26]。Tone提出了基于松弛测度（Slacks-Based Measure,SBM）的DEA模型,将松弛变量直接放入了目标函数中,不但解决了投入产出的松弛性问题,而且其非径向、非角度的特点,能够避免径向和角度所带来的偏差[34]。为了解决当存在非期望产出时效率评价的问题,Tone提出了考虑非期望产出的SBM模型[25]。因此,本文采用Tone提出的考虑非期望产出的SBM模型来测度海洋经济效率,模型如下：
式中,ρ*为要计算的海洋经济效率值,m,s1和s2分别为投入、期望产出和非期望产出因素的个数,表示投入、期望产出和非期望产出的松弛量,、和分别为投入、期望产出与非期望产出值,λ是权重向量,模型中的“0”为被评价单元,,和分别为投入、期望产出和非期望产出构成的矩阵。目标函数ρ*关于,,严格单调递减,且0< ρ*≤1。对于特定的被评价单元,当且仅当ρ*=1,即=0,=0,=0时,生产单元完全有效;如果ρ*<1,则说明生产单元存在效率损失,可以通过优化投入量、期望产出及非期望产出量来改善效率。将式（1）中的和去掉,该模型变为一般的不考虑非期望产出的SBM模型。
根据公式（1）,依托MaxDEA5.2软件平台,可以计算得到基于SBM模型的考虑非期望产出与不考虑非期望产出的海洋经济效率值（表2）。根据马占新的研究[35],设定效率值ρ*=1为效率最高;0.8≤ρ*<1为效率良好;0.6≤ρ*<0.8为效率中等;ρ*<0.6为效率无效。根据全国海洋经济效率的均值（图1）,2001年,不考虑和考虑非期望产出的海洋经济效率分别为0.653、0.593;2012年两值为0.728、0.680。可见考虑非期望产出后,海洋经济效率明显降低,说明只考虑期望产出而忽视实际生产中所带来的非期望产出的效率测度高估了实际生产效率。值得注意的是,无论是不考虑非期望产出,还是考虑非期望产出,海洋经济效率值均不高,其主要原因在于中国海洋经济起步较晚,目前仍然处于强调资源的投入,而忽视效益特别是环境效益的粗放型发展阶段,因此海洋经济效率有待进一步提高。由于在实际经济生产活动中,不但会产生期望的产出,也会产生非期望的产出（废气、废水等）。因此,考虑非期望产出的海洋经济效率值更可靠、更贴近现实。本文采用考虑非期望产出的海洋经济效率值进行分析。
表2 考虑与不考虑非期望产出的海洋经济效率值
Table 2 The marine economic efficiency value with and without considering undesirable outputs
| 省份 | 2001年 | 2006年 | 2010年 | 2012年 |
|---|---|---|---|---|
| 福建 | 0.433/0.596 | 0.532/0.750 | 0.714/0.893 | 1.000/1.000 |
| 广东 | 0.368/0.480 | 0.557/0.619 | 0.800/0.817 | 1.000/1.000 |
| 广西 | 1.000/1.000 | 0.663/0.643 | 0.576/0.594 | 0.528/0.595 |
| 海南 | 1.000/1.000 | 0.860/0.983 | 1.000/1.000 | 1.000/1.000 |
| 河北 | 1.000/1.000 | 0.417/0.394 | 0.497/0.410 | 0.397/0.431 |
| 江苏 | 0.267/0.184 | 0.242/0.180 | 0.256/0.225 | 0.252/0.241 |
| 辽宁 | 0.247/0.262 | 0.263/0.331 | 0.318/0.434 | 0.347/0.480 |
| 山东 | 0.279/0.392 | 0.351/0.482 | 0.480/0.646 | 0.535/0.698 |
| 上海 | 0.599/0.845 | 0.617/0.871 | 1.000/0.939 | 1.000/1.000 |
| 天津 | 1.000/1.000 | 0.782/0.832 | 0.710/0.913 | 1.000/1.000 |
| 浙江 | 0.325/0.427 | 0.294/0.413 | 0.367/0.514 | 0.416/0.564 |
| 全国 | 0.592/0.653 | 0.507/0.591 | 0.611/0.671 | 0.680/0.728 |
1） 海洋经济效率总体演化特征。通过分析考虑非期望产出的海洋经济效率可知（图1）,就海洋经济效率类型而言,2001年（0.593）属效率无效,2006年（0.507）亦为效率无效并且低于基年,2012年（0.680）属效率中等。不难看出2001年以来,中国的海洋经济效率呈现波动上升的趋势,效率水平呈现出由无效向有效转变的特点。就效率类型省区占比而言,2001年效率达到有效水平的省区占比仅为36.4%,且江苏、辽宁、山东3省效率值均低于0.3。而到2012年,效率有效的省区占比则上升至45%,且仅一省效率值低于0.3,说明2001年以来海洋经济效率确实得到了一定程度的提高。但是就海洋经济效率均值的绝对值而言,效率水平并不理想,2012年仍有半数以上的省区效率为无效,全国均值仅为中等水平,可见中国海洋经济的资源利用率并不高,究其原因在于中国海洋经济发展较晚,经济基础薄弱,科技水平较低,经济发展模式粗放,环境问题突出,虽近几年国家重视发展海洋经济,提高海洋科学技术发展水平,但是总体的海洋经济效率格局并未有较大改观。
2） 时间序列演化特征。通过分析2001~2012年海洋经济效率演化趋势可知（图1）,2001年以来,中国海洋经济效率随时间演化,具有明显的阶段性特征。2001年效率值为0.593,为效率无效;2003年效率值略有上升（0.618）,2006年降至研究期最低值（0.507）;2007年短暂上升后（0.555）;2008年又表现为下降态势（0.528）,可见2001~2008年海洋经济效率处于波动下降阶段;2008年以后效率开始提高,2010年出现自2003年以来首次效率有效（0.610）,2012年效率值提高到0.680,开始向效率良好类型转变,可见2009~2012年海洋经济效率处于缓慢上升阶段。其主要原因在于2001~2005年“十五”期间,国家开始大力开发海洋资源,加快发展海洋经济,由于这一时期强调经济发展规模,从而忽视了质量、效益以及环境问题,因此海洋经济效率呈现下降的趋势;2006年“十一五”初期,面临资源环境压力,开始转变经济发展方式,加强对资源环境的保护,海洋经济的发展开始注重质量和效益,由于海洋经济基础差,技术水平滞后,以及为节能降耗、保护环境而投入较大资本,因此海洋经济效率出现短暂波动;2008年以后特别是“十二五”以来,随着经济实力的增强,技术水平的提高以及前期环保投入的边际效益开始显现,海洋经济效率开始得到逐步提高。
图1 考虑非期望产出与不考虑非期望产出的海洋经济效率值
Fig.1 The marine economic efficiency value with and without considering undesirable outputs
3） 区域差异演化特征。依据计算得出的海洋经济效率值,结合标准差、变异系数计算公式,可以得到中国海洋经济效率的标准差与变异系数（图2）。标准差反映区域的绝对差异,通过分析2001~2012年海洋经济效率的标准差可知,中国沿海各省区海洋经济效率之间的绝对差异呈现波动式先降后升的特点,2001年差异最大（0.337）,此后不断降低,2006年降至最低（0.211）,2010年以后呈上升趋势。不难得出2001年以来中国各沿海省区的海洋经济效率的区域绝对差距虽不断缩小,但近几年开始呈现扩大的趋势。变异系数可以表征区域的相对差异,通过分析2001~2012年海洋经济效率的变异系数可知,沿海各省区的海洋经济效率相对差异亦呈现类似绝对差异的先降后升的特点,2001年差异最大（0.569）,2006年降至最低（0.417）,2010年以后开始不断上升。说明沿海各省区的海洋经济效率随时间变化特点各异,区域的相对差距仍然有扩大的趋势。综合相对差异和绝对差异,表明沿海省区的海洋经济效率的区域差距虽然有一定程度的缩小,但有扩大的趋势。一方面随着国家对海洋经济发展重视程度的提高,沿海省区先后均有国家战略层面的规划出台,促进了沿海地区的海洋经济快速发展,从而区域间的差距有了一定程度的缩小;另一方面,在海洋经济的扩散过程中,转移到后发地区的海洋产业多为高消耗、高污染的部门,因此导致后发地区海洋经济效率的降低,如广西省2011年海洋化工业的增长率达71.2%,而海洋经济效率却呈现明显下降趋势。
图2 中国海洋经济效率的标准差和变异系数
Fig.2 The standard deviation and coefficient of variation of Chinese marine economic efficiency
1） 省际海洋经济效率时空特征。结合2001~2012年中国沿海各省区海洋经济效率值,选取2001、2006、2010、2012年截面数据绘制出沿海省区海洋经济效率空间格局图（图3）。通过分析可知：2001年“十五”计划初期,海洋经济效率空间格局呈现南北高,中部低的特征,广西、海南、河北、天津4省区效率最高且为完全有效,其余省区均处于无效水平;2006年“十一五”规划初年,海洋经济效率空间上呈现低水平的均衡态势,除广西、海南、上海、天津处于有效水平外,其余省区均为无效且省区间的效率差异较小;2010年有效的省区数目增多,福建、广东、海南、上海、天津水平较高,且海南和上海均为完全有效;2012年,福建、广东、海南、上海、天津5省区效率最高,均达到1,广西（0.528）、山东（0.535）、浙江（0.416）3省区次之,河北（0.397）、辽宁（0.347）、江苏（0.347）最差,海洋经济效率空间上由2001年南北高、中部低的格局演变为北部围绕天津、中部围绕上海、南部围绕广东的三极格局。
图3 中国海洋经济效率时空格局
Fig.3 The spatio-temporal pattern diagram of Chinese marine economic efficiency
2） 省际海洋经济效率类型划分。就省际海洋经济效率变化特征而言,2001年以来各省区的变化趋势特点又各不相同,依据各省的变化特点可以将11省区划分为6种类型。其中,海南属于高水平稳定型,除个别年份效率略有下降之外,其余年份海南均保持在效率完全有效的状态;广东、福建属于高水平上升型,两省效率值呈现出不断上升的趋势,自2001年先后经历从效率无效→效率中等→效率良好→完全有效这4个发展阶段,目前两省效率水平较高;上海、天津属于高水平波动型,两市效率处于波动上升的状态,效率值在0.6~1之间浮动;广西、河北两省属于低水平下降型,其效率呈现自2001年以来不断下降的特点,效率值分别下降到0.528、0.397,均由完全有效过渡到了无效阶段;辽宁、山东、浙江属于低水平上升型,3省的效率处于缓慢上升的阶段,但是其效率值并不高并始终处于无效水平;江苏则属于低水平稳定型,效率一直维持在较低水平,效率值在0.2~0.3之间波动。
沿海各省之所以呈现上述特征原因在于：① 就效率水平较高的省区如海南、广东、福建、上海和天津5省区而言,其海洋经济基础好,海洋战略性新兴产业发展较快,海洋科学技术特别是环保技术水平较高,均处于沿海经济带的核心区位上,从而海洋经济得到快速发展,同时各省区较早注重海洋资源的合理利用和沿海环境的保护,较早的开始转变传统的海洋经济发展方式,如天津、上海在“十五”计划期间就提出保护和适度开发海洋资源,促进资源的永续利用和对污染物入海实行总量控制等政策,“十一五”期间,上海、福建等更是在海洋经济领域较早提出转变经济发展方式,促进海洋经济可持续发展。因此上述5省区海洋经济发展的集约化水平较高,经济效益和环境效益较好。② 就海洋经济效率呈现下降趋势的省区如广西、河北而言,两省海洋经济基础较差,2012年海洋经济产值仅占两省沿海地区产值的5.8%,6.1%,远低于全国平均水平（15.7%）,在两省海洋经济发展初期,主要产业部门多为依托其资源禀赋发展起来的海洋渔业、滨海旅游业、海洋交通运输业,由于投入少且各产业对环境污染小,因此初期海洋经济效率水平较高;然而“十一五”以来,为了加快沿海经济发展,开始大力发展海盐化工、海洋石油化工、临港重化工、滨海化工等产业部门,大量承接来自海洋经济先发地区的高污染、高排放的产业转移,技术水平低、发展模式粗放,因此海洋经济效率反而不断降低。③ 就海洋经济效率处于低水平且上升趋势不明显的省区（辽宁、山东、浙江和江苏）而言,4省具备一定的海洋经济基础,但其主要海洋产业部门多为海洋渔业、海洋船舶业、海洋运输等传统产业,海洋战略性新兴产业发展明显滞后,沿海地带产业布局不够合理,由此带来低水平重复投资和建设,造成资金投入重复和生产力的浪费,此外4省海洋科技发展总体水平偏低,海洋生产的技术含量不高,生产过程集约化、清洁化水平低,生产方式粗放,从而带来海洋资源的浪费和对海洋环境的破坏,因此海洋经济效率水平低。
中国省际海洋经济效率及其时空变化特征,不仅取决于沿海各省区海洋经济活动自身的变动,还与外在的宏观环境及国家海洋政策等相关。本文尝试从要素、动力、路径、效应4个层面对海洋经济效率的影响机制进行解释（图4）。
从要素层面上看,影响海洋经济效率的因素可分为基础因素与外部因素。其中,基础因素包括海洋经济和陆域经济两方面,雄厚的海陆经济基础可以为海洋经济效率的提升提供资金及技术的支撑,反之如果海陆经济基础薄弱,则不利于海洋经济效率的提高,如海洋经济效率较高省区上海、天津、广东等人均GDP及海洋经济产值占沿海GDP比重等均高于全国平均水平。外部因素包括市场机制、国家海洋政策和区际经济关系,市场机制在资源配置中的决定性作用对资源的有效配置具有重要影响,市场的竞争机制迫使涉海企业更新技术和管理方法,有助于海洋经济效率的改进;国家为海洋经济发展制定的海洋相关政策（海洋发展规划、海洋行业标准及环境政策等）有利于引导海洋经济发展方式转型,同时一定程度上可以弥补市场盲目性所造成的负面影响;区际经济关系则指沿海区域间技术、资金和劳动力等生产要素的流动,通过区域间的资金、技术等的交流与合作,可以促进地区间海洋经济效率朝“扁平化”方向发展。海洋经济效率的提高,其主要载体是通过企业的生产组织来实现的,只有通过提高涉海企业的技术和管理水平,才能够改进生产要素的配置效率,实现区域海洋经济效率的提高和生产方式的转变。
从动力层面上看,企业在利润驱动和市场竞争的压力下,为了获取更大的利润和增强企业竞争力,会通过应用新的技术手段和管理方法,提高生产效率,同时,在规模经济与集聚经济的作用下,企业通过扩大生产规模来获得规模收益,并且为了追求集聚效益形成海洋产业的集聚而增强其整体竞争力。通过引入外来的先进技术以及经营管理方法,以及区际间海洋经济效率的溢出会促进区域海洋经济效率的提高。为了保护环境,地方政府会制定产业准入标准等措施进行环境规制,刺激涉海企业进行相关的技术创新,提高生产过程的环保化水平,促使企业进行污染削减,采用更新和更有效率的生产技术和设备,提高其资源利用效率,此外区域的环境规制亦会对某些低生产效率的企业形成“挤出效应”,迫使高消耗、高污染的企业转移。地方政府为了促进区域生产方式的转变,也会通过加强节能减排的投资力度,引导传统的海洋经济发展方式转型。
从路径层和效应层来看,随着海洋产业逐步由依托资源发展起来的资源密集型产业向资金密集型产业转型,再升级到技术密集型产业,海洋产业的科技含量不断提高,海洋经济效率水平也得到提升。为了追求规模经济,海洋产业的生产规模逐渐扩大,从而带来规模效率的提高。此外,海洋经济生产过程中的技术进步以及管理方式的改进亦会促进海洋经济资源配置效率的改善。另一方面,海洋经济效率的提高会形成反馈作用机制,首先,高生产效率的企业会在市场竞争中获得优势,提高其竞争力,反之效率低的企业则会在竞争中逐渐被边缘化乃至被淘汰;其次海洋经济效率高的产业部门会在区域产业中形成优势乃至成为区域发展的主导产业,进而得到政府的支持和引导,不断扩大生产规模;最后,海洋经济效率的提高,会促进区域海洋经济总量的增长和质的提升,并通过传导效应来影响陆域经济的发展,从而形成循环累积效应,进而促进海洋经济效率的提高。
1） 本文采用考虑非期望产出的SBM模型对中国沿海11省市区2001~2012年的海洋经济效率进行测度,并与不考虑非期望产出的海洋经济效率进行比较可知：不考虑非期望产出的海洋经济效率值要明显高于考虑非期望产出的效率值,表明考虑非期望产出对于经济效率的测度具有明显影响且更符合现实情况;考虑与不考虑非期望产出的中国海洋经济效率水平均不高。
2） 通过分析考虑非期望产出的海洋经济效率的总体时间特征发现：2001年以来海洋经济效率波动上升,呈现由无效向有效转变的特点,但水平仍不高;阶段性特征明显,2001~2008年为波动下降阶段,2009~2012年为缓慢上升阶段;海洋经济效率的区域差距有了一定程度的缩小,但有扩大的趋势。
3） 通过分析2001~2012年省际海洋经济效率空间特征可知：海洋经济效率空间格局上呈现由2001年研究初期的南北高、中部低的特点演进为2012年研究末期的北部围绕天津、中部围绕上海、南部围绕广东的三极格局。依据各省区的变动特征,可以将沿海11省区划分为6种类型,其中海南属于高水平稳定型,广东、福建属于高水平上升型,上海、天津属于高水平波动型,广西、河北属于低水平下降型,辽宁、山东、浙江属于低水平上升型,江苏属于低水平稳定型。
4） 通过构建要素、动力、路径和效应4个层面的海洋经济效率影响机制解释框架可知：要素层面上,海陆经济基础、国家海洋政策、市场机制及区际经济关系通过涉海企业的生产组织活动影响海洋经济效率的变动;动力层上,涉海企业在市场竞争与利润驱动下提高生产效率,技术的引入、区际效率的溢出以及地方政府的外部调控亦推动生产方式的转变;路径层与效应层面上,通过海洋产业的升级、产业规模的扩大、技术进步及管理方法的改进直接促进了海洋经济效率的提高,海洋经济效率的提高会形成反馈作用机制影响企业的竞争力、产业升级及海陆经济发展。
1） 启示：随着中国海洋经济的快速发展以及海洋强国战略的实施,传统的海洋经济发展模式亟需转变。本文通过对考虑非期望产出的省际海洋经济效率时空特征及影响机制进行分析,结合中国沿海地区海洋经济发展实践,认为提高海洋经济效率的主要路径有：① 大力发展海洋战略性新兴产业,促进海洋产业优化升级,提高科技含量高、环境污染小的海洋产业比重,积极发展循环经济和低碳经济,转变传统的海洋经济发展方式。② 加强海洋经济的科技创新能力建设,提高海洋经济的科技含量水平,发挥技术创新在海洋经济发展方式转变中的引领作用,积极引进国外海洋经济的先进生产技术、管理方法及经营理念,提高引进吸收再创新的能力。③ 充分发挥市场机制在海洋经济效率提高中的作用,鼓励科技含量高、经济效益好、资源消耗低、环境污染小的涉海企业在区域海洋经济发展转型中发挥引领作用;加强政府在海洋经济发展中的引导与扶持力度,通过制定产业准入标准、环境评价制度以及出台相应的规划,引导海洋经济发展方式由粗放型向集约型转变。④ 鼓励跨区域间的交流与合作,发挥海洋经济先发地区对后发地区的带动作用,促进海洋经济的先进技术和管理方法在区域间的交流与合作,缩小地区间海洋经济技术水平与经济效率的区域差距。
2） 不足与展望：本文以沿海11省市区为研究对象,采用考虑非期望产出的SBM模型对2001~2012年的海洋经济效率进行了测度,并对其时空特征进行了分析,进而解释了海洋经济效率的影响机制,但仍存在以下不足有待进一步探索,主要体现在：① DEA方法是通过确定相对有效的前沿面,进而比较决策单元距离前沿面的程度来评价决策单元的相对有效性,故该方法得出的效率是相对值而非绝对值,SBM模型虽然解决了投入产出的松弛性问题,但基于SBM模型所得出的效率值同样也是相对效率,并且被评价单元同时出现完全有效时无法对其有效程度进行甄别,因此今后应该在模型改进上进行有效探索;② 本文虽然对海洋经济效率的影响机制进行了初步分析,但是并未对影响海洋经济效率的主要因素进行定量识别,对于时空格局演化的内在驱动机制的分析亦有待进一步深入;限于中国海洋经济统计数据尚不健全和详细,缺乏市县单元海洋经济统计数据,因此目前尚难以对市县尺度的海洋经济效率进行测度;此外,对于海洋经济效率在空间格局上的溢出效应及作用机制的研究亦将成为今后重要的研究方向。
The authors have declared that no competing interests exist.
| [1] |
中国海洋经济省际空间差异与海洋经济强省建设 [J].https://doi.org/10.3321/j.issn:1000-0585.2005.01.006 URL Magsci [本文引用: 1] 摘要
<p>我国的海洋经济在空间分布上是由沿海具有海岸带、海岛与广阔海域的11个省(市、区)组成。20世纪90年代以来,中国把海洋资源开发作为国家发展战略的重要内容,把发展海洋经济作为振兴国家经济的重大举措,从而提出了到2010年形成若干个海洋经济强省的规划。建设海洋经济强省既可为我国建设小康社会,又能吸纳劳动力缓解我国的就业问题,又为我国西部开发和振兴东北老工业基地提供相关条件,使我国整体国民经济得到提升和快速发展。在研究中应用分析区域空间差异的定量方法、对各省(市、区)海洋产业以及海洋三次产业结构等的空间集聚与扩散程度进行分析,从而揭示其海洋经济形成的机制与规律,并提出了关于我国建设海洋经济强省的对策。</p>
Wang Guoli et al.Analysis of interprovincial space difference in marine economy and the building of marine economically strong provinces in China. https://doi.org/10.3321/j.issn:1000-0585.2005.01.006 URL Magsci [本文引用: 1] 摘要
<p>我国的海洋经济在空间分布上是由沿海具有海岸带、海岛与广阔海域的11个省(市、区)组成。20世纪90年代以来,中国把海洋资源开发作为国家发展战略的重要内容,把发展海洋经济作为振兴国家经济的重大举措,从而提出了到2010年形成若干个海洋经济强省的规划。建设海洋经济强省既可为我国建设小康社会,又能吸纳劳动力缓解我国的就业问题,又为我国西部开发和振兴东北老工业基地提供相关条件,使我国整体国民经济得到提升和快速发展。在研究中应用分析区域空间差异的定量方法、对各省(市、区)海洋产业以及海洋三次产业结构等的空间集聚与扩散程度进行分析,从而揭示其海洋经济形成的机制与规律,并提出了关于我国建设海洋经济强省的对策。</p>
|
| [2] |
中国海洋经济发展的时空差异及其动态变化研究 [J].
<p>中国海洋经济近年来快速发展，但地区差异明显。以沿海11 个省市区为研究对象，从时间与空间2 个角度，运用变差系数及加权变差系数来表现1996~2010 年沿海省市经济发展的差异程度，结果表明中国沿海省市海洋经济成倍增长，总体差异在波动中减小；采用区位熵、洛伦兹曲线及基尼系数对海洋产业结构及其空间布局演化进行分析，得出海洋产业结构向高级阶段演进，海洋产业集聚规模有所减弱，各产业趋于均衡发展；具有资源属性的海洋产业集聚程度最高，海洋第三产业集聚程度降低；利用主成分分析法对沿海省市的海洋经济发展进行综合评价将其分为3 个梯队；使用R/S 分析法对沿海地区差异情况进行预测，显示未来差距有增大的趋势。最后从提高海洋资源开发能力、提高海洋经济发展质量等角度提出了具体建议。</p>
Spatial and temporal disparities of marine economic development and dynamic changes in China.
<p>中国海洋经济近年来快速发展，但地区差异明显。以沿海11 个省市区为研究对象，从时间与空间2 个角度，运用变差系数及加权变差系数来表现1996~2010 年沿海省市经济发展的差异程度，结果表明中国沿海省市海洋经济成倍增长，总体差异在波动中减小；采用区位熵、洛伦兹曲线及基尼系数对海洋产业结构及其空间布局演化进行分析，得出海洋产业结构向高级阶段演进，海洋产业集聚规模有所减弱，各产业趋于均衡发展；具有资源属性的海洋产业集聚程度最高，海洋第三产业集聚程度降低；利用主成分分析法对沿海省市的海洋经济发展进行综合评价将其分为3 个梯队；使用R/S 分析法对沿海地区差异情况进行预测，显示未来差距有增大的趋势。最后从提高海洋资源开发能力、提高海洋经济发展质量等角度提出了具体建议。</p>
|
| [3] |
基于集对分析的海洋综合实力评价研究 [J].Evaluation of marine comprehensive strength Based on set pair analysis. |
| [4] |
辽宁省海洋经济可持续发展的演进特征及其系统耦合模式 [J].
准确判断海洋经济可持续发展水平及其演进特征是科学把握海洋经济 开发的重要保证.尝试运用复合生态系统场力分析框架,提出综合评价指数--海洋经济可持续发展度,对辽宁省海洋经济可持续发展水平及其演进特征及系统耦合 模式进行分析探讨.结果表明:1997-2003年辽宁省海洋经济处于弱可持续发展状态,2004-2005年处于较强可持续状态,海洋经济可持续发展能 力逐渐增强,海洋经济可持续发展系统耦合关系经历了从经济社会型可持续--社会生态型可持续--综合协调型可持续模式的演变过程.
Analysis of evolutionary characteristics of sustainable development of marine economy and its system coupling pattern in Liaoning province.
准确判断海洋经济可持续发展水平及其演进特征是科学把握海洋经济 开发的重要保证.尝试运用复合生态系统场力分析框架,提出综合评价指数--海洋经济可持续发展度,对辽宁省海洋经济可持续发展水平及其演进特征及系统耦合 模式进行分析探讨.结果表明:1997-2003年辽宁省海洋经济处于弱可持续发展状态,2004-2005年处于较强可持续状态,海洋经济可持续发展能 力逐渐增强,海洋经济可持续发展系统耦合关系经历了从经济社会型可持续--社会生态型可持续--综合协调型可持续模式的演变过程.
|
| [5] |
熵视角下的中国海洋生态系统可持续发展能力分析 [J].
<p>通过对海洋生态系统特征的分析，构建了海洋生态系统可持续发展能力评价指标体系；运用信息熵构建了海洋生态系统可持续发展能力评价模型，分析各个指标对海洋生态系统可持续发展能力的影响，从而提出提高海洋生态系统可持续发展能力的相关性的措施。研究结果显示2004~2011 年，人类对海洋自然生态系统的需求日益加大；在国家和政府的重视下，海洋污染问题得到了改善，海洋生态系统内部朝着有序健康方向发展，自然生态系统的支撑能力不断提高，中国海洋生态系统可持续发展能力总体呈上升趋势</p>
Sustainable development ability of China’s marine ecosystem in the perspective of entropy.
<p>通过对海洋生态系统特征的分析，构建了海洋生态系统可持续发展能力评价指标体系；运用信息熵构建了海洋生态系统可持续发展能力评价模型，分析各个指标对海洋生态系统可持续发展能力的影响，从而提出提高海洋生态系统可持续发展能力的相关性的措施。研究结果显示2004~2011 年，人类对海洋自然生态系统的需求日益加大；在国家和政府的重视下，海洋污染问题得到了改善，海洋生态系统内部朝着有序健康方向发展，自然生态系统的支撑能力不断提高，中国海洋生态系统可持续发展能力总体呈上升趋势</p>
|
| [6] |
环渤海地区海域承载力测度与时空分异分析 [J].
<p>采用韦伯-费希纳定律确定指标评价标准，通过D-S 证据合成理论将主客观权重相结合确定综合权重，应用信息扩散技术确定小样本情况下样本指标值在指标评价域上的信息分配，进而确定隶属度，在此基础上利用模糊综合评判方法对环渤海17 个沿海城市的海域承载力进行评价，并运用自然断裂法进行空间表达。研究结果表明，2000~2011 年，环渤海地区海域承载力虽有波动，但总体上呈上升趋势，各地海域承载力不断提高，但级别特征值都在1.8~4.0 之间，整体水平不高；区域空间分异明显，空间峰值效应显著。</p>
Wang Zeyu et al. Marine carrying capacity assessment and spatio-temporal analysis in the Bohai sea ring area, China.
<p>采用韦伯-费希纳定律确定指标评价标准，通过D-S 证据合成理论将主客观权重相结合确定综合权重，应用信息扩散技术确定小样本情况下样本指标值在指标评价域上的信息分配，进而确定隶属度，在此基础上利用模糊综合评判方法对环渤海17 个沿海城市的海域承载力进行评价，并运用自然断裂法进行空间表达。研究结果表明，2000~2011 年，环渤海地区海域承载力虽有波动，但总体上呈上升趋势，各地海域承载力不断提高，但级别特征值都在1.8~4.0 之间，整体水平不高；区域空间分异明显，空间峰值效应显著。</p>
|
| [7] |
Factors affecting technical efficiency in fisheries: stochastic production frontier versus data envelopment analysis approaches [J].https://doi.org/10.1016/j.fishres.2005.01.008 URL [本文引用: 1] 摘要
Technical efficiency (TE) measures the relationship between a vessel's inputs to the fishing process and its outputs, with full efficiency being achieved when outputs are maximised from a given set of inputs. Inputs can be fixed (e.g. the vessel, gear, engine, onboard equipment, etc.) or variable (e.g. time spent fishing, size of crew). Fixed inputs may also be intangible, such as skipper skill and quality differences between technologies. TE scores can be calculated using the econometric stochastic production frontier (SPF) or the non-stochastic, linear-programming data envelopment analysis (DEA) methodologies. This paper compares the results of both techniques for segments of the English Channel fisheries. The influence of factors most affecting technical efficiency is analysed using an SPF inefficiency model and tobit regression of DEA-derived scores. Such factors include vessel and skipper characteristics. It is argued that DEA can be used as an alternative to SPF techniques when there is difficulty in specifying the correct SPF model. There is general consistency between SPF and DEA analyses in regard to the factors affecting TE.
|
| [8] |
Physical infrastructure and shipment consolidation efficiency drivers in Brazilian ports:A two-stage network-DEA approach [J].https://doi.org/10.1016/j.tranpol.2013.05.004 URL [本文引用: 1] 摘要
Port efficiency has been widely studied using standard DEA (Data Envelopment Analysis) models and its variations. As a matter of fact, these models do not account for the internal structure relative to measures characterizing port operations performance. In this paper, efficiency in Brazilian ports is measured using a two-stage process. In the first stage, called physical infrastructure efficiency, assets (number of berths, warehousing area, and yard area) are used to accomplish a certain shipment frequency per year. In the second stage, called shipment consolidation efficiency, these movements allow solid bulk and containerized cargoes to be handled. The network-DEA centralized efficiency model is adopted here to optimize both stages simultaneously. Results indicate that a private administration exerts a positive impact on physical infrastructure efficiency levels, while the hinterland size and the operation of both types of cargoes have a positive impact on shipment consolidation efficiency levels. Policy implications for the new regulatory framework on the Brazilian port sector are also derived.
|
| [9] |
Finding a balance between economic performance and capacity efficiency for sustainable fisheries: Case of the Da Nang gillnet fishery,Vietnam [J]. |
| [10] |
Efficiency measurement of selected Australian and other international ports using data envelopment analysis [J].https://doi.org/10.1016/S0965-8564(99)00049-X URL [本文引用: 1] 摘要
Ports form a vital link in the overall trading chain and, consequently, port efficiency is an important contributor to a nation's international competitiveness. Available studies have not provided satisfactory comparisons of the efficiency of various international ports. This study applies data envelopment analysis (DEA) to provide an efficiency measurement for four Australian and twelve other international container ports. While DEA has been applied to a wide number of different situations where efficiency comparisons are required, this technique has not previously been applied to ports. The DEA technique is useful in resolving the measurement of port efficiency because the calculations are non-parametric, can handle more than one output, and do not require an explicit a priori determination of relationships between output and inputs, as is required for conventional estimation of efficiency using production functions. The ports of Melbourne, Rotterdam, Yokohama, and Osaka are found to be the most inefficient ports in the sample, based on constant and variable returns to scale assumptions, mainly due to the enormous slack in their container berths, terminal area, and labor inputs. The study also draws some policy implications for ports and recommends certain areas for future research.
|
| [11] |
Song D et al.The technical efficiency of container ports:Comparing data envelopment analysis and stochastic frontier analysis [J]. |
| [12] |
我国主要沿海港口的动态效率评价 [J].
本文利用数据包络分析法（DEA）对我国50家主要沿海港口1999-2002年的经营效率进行总体分析与评价，并利用Malmquist生产率指数对这些沿海港口的效率变动进行分析与评价。研究结果表明，我国沿海港口存在严重的投入拥挤与资源浪费现象；同时，各区域的沿海港口在总体效率、纯技术效率与规模效率方面存在地区差异，沿海港口的纯技术效率在下降。这些结果表明，要从根本上提高港口经营效率，一方面，必须整合港口资源，防止盲目扩大港口的基础设施；另一方面，通过港口与其他系统协调发展来消除影响港口效率提高的因素。
Dynamic evaluation of main sea ports in mainland China based on DEA model.
本文利用数据包络分析法（DEA）对我国50家主要沿海港口1999-2002年的经营效率进行总体分析与评价，并利用Malmquist生产率指数对这些沿海港口的效率变动进行分析与评价。研究结果表明，我国沿海港口存在严重的投入拥挤与资源浪费现象；同时，各区域的沿海港口在总体效率、纯技术效率与规模效率方面存在地区差异，沿海港口的纯技术效率在下降。这些结果表明，要从根本上提高港口经营效率，一方面，必须整合港口资源，防止盲目扩大港口的基础设施；另一方面，通过港口与其他系统协调发展来消除影响港口效率提高的因素。
|
| [13] |
我国区域海洋经济技术效率实证研究 [J].https://doi.org/10.3969/j.issn.1009-590X.2010.06.017 URL [本文引用: 2] 摘要
本文利用沿海省市海洋GDP面板数据，运用随机前沿分析方法SFA，对我国区域海洋经济的技 术效率进行了实证分析。研究发现：1998～2008年间沿海各区域海洋经济技术效率都呈上升趋势，但仍存在较大的提高空间；区域间技术效率差异与区域间 海洋经济发展水平的差距相一致；上海、广东的技术效率水平较高，在地区发展中处于核心地位。根据研究结论，本文认为技术效率水平的差距成为导致区域海洋经 济发展差异的重要原因之一，进而建议各地区加大海洋科研投入，提高海洋经济技术效率并充分发挥核心区域的技术辐射效应。研究的结论和建议对我国区域海洋经 济的质量提升和协调发展具有一定的参考和借鉴意义。
The analysis of the regional marine economic efficiency disparities in China. https://doi.org/10.3969/j.issn.1009-590X.2010.06.017 URL [本文引用: 2] 摘要
本文利用沿海省市海洋GDP面板数据，运用随机前沿分析方法SFA，对我国区域海洋经济的技 术效率进行了实证分析。研究发现：1998～2008年间沿海各区域海洋经济技术效率都呈上升趋势，但仍存在较大的提高空间；区域间技术效率差异与区域间 海洋经济发展水平的差距相一致；上海、广东的技术效率水平较高，在地区发展中处于核心地位。根据研究结论，本文认为技术效率水平的差距成为导致区域海洋经 济发展差异的重要原因之一，进而建议各地区加大海洋科研投入，提高海洋经济技术效率并充分发挥核心区域的技术辐射效应。研究的结论和建议对我国区域海洋经 济的质量提升和协调发展具有一定的参考和借鉴意义。
|
| [14] |
基于GRA-DEA混合模型的沿海地区海洋经济效率分析与评价 [J].
随着海洋产业的日益成熟，海洋经济对沿海地区的发展起到了举足轻重的作用。总结各地区的海洋 产业发展情况，认为合理分配海洋资源、确定海洋产业规模是各沿海发展海洋经济中亟需解决的问题。由于海洋经济相关数据的各地区和历年统计口径不同．故引入 灰色系统理论对数据包络分析方法进行改进．运用改进后的GRA—DEA混合模型对海洋经济效率进行评价．具体采用关联度分析方法对海洋经济效率评价指标体 系进行主要指标提取，并在此基础上对海洋经济相对效率进行数据包络分析，通过结果最终得到各沿海地区的海洋经济效率，并针对如何改善海洋经济投入产出情况 提出对策建议。
Efficiency analysis and evaluation of marine economy in coastal areas based on the GRA-DEA mixed model.
随着海洋产业的日益成熟，海洋经济对沿海地区的发展起到了举足轻重的作用。总结各地区的海洋 产业发展情况，认为合理分配海洋资源、确定海洋产业规模是各沿海发展海洋经济中亟需解决的问题。由于海洋经济相关数据的各地区和历年统计口径不同．故引入 灰色系统理论对数据包络分析方法进行改进．运用改进后的GRA—DEA混合模型对海洋经济效率进行评价．具体采用关联度分析方法对海洋经济效率评价指标体 系进行主要指标提取，并在此基础上对海洋经济相对效率进行数据包络分析，通过结果最终得到各沿海地区的海洋经济效率，并针对如何改善海洋经济投入产出情况 提出对策建议。
|
| [15] |
我国沿海地区海洋经济发展水平及效率研究 [J].https://doi.org/10.3969/j.issn.1004-7794.2013.05.011 URL [本文引用: 1] 摘要
由于历史演变、资源禀赋、经济基础和社会条件等方面的不同,我国沿海地区海洋经济的发展呈现非均衡状态.本文对沿海11省市海洋经济发展水平及效率进行实 证分析,结果表明地区海洋经济发展水平与整体经济发展水平不对等,73％的地区海洋经济效率水平没有得到充分发挥,海洋经济发展水平与绩效协调性有待提 高.
The research of marine economic development Level and efficiency in China. https://doi.org/10.3969/j.issn.1004-7794.2013.05.011 URL [本文引用: 1] 摘要
由于历史演变、资源禀赋、经济基础和社会条件等方面的不同,我国沿海地区海洋经济的发展呈现非均衡状态.本文对沿海11省市海洋经济发展水平及效率进行实 证分析,结果表明地区海洋经济发展水平与整体经济发展水平不对等,73％的地区海洋经济效率水平没有得到充分发挥,海洋经济发展水平与绩效协调性有待提 高.
|
| [16] |
环渤海经济圈沿海城市海洋经济效率的实证研究 [J].
追求更高的资源利用效率是海洋经济发展的目标之一,海洋经济效率评价是城市规划海洋资源投入,发展海洋经济的重要依据.文章运用数据包络分析方法(DEA)和Malmquist生产力指数分析方法,分别从动态和静态两个角度分析了环渤海经济圈17个沿海城市的海洋经济效率.结果表明:环渤海经济圈沿海城市海洋经济的效率都是不断提高的,技术进步的有效变动是带动海洋经济效率不断提高的主要原因;其次,一些沿海城市海洋经济发展存在着纯技术无效或者纯规模无效,而另一些沿海城市纯技术与纯规模均无效,最终导致综合运行效率欠佳.文章最后针对评价结果的具体情况进行分析,并以此为依据,给出了相应的政策建议.
The analysis of marine economic efficiency of the coastal cities in BoHai economic circle.
追求更高的资源利用效率是海洋经济发展的目标之一,海洋经济效率评价是城市规划海洋资源投入,发展海洋经济的重要依据.文章运用数据包络分析方法(DEA)和Malmquist生产力指数分析方法,分别从动态和静态两个角度分析了环渤海经济圈17个沿海城市的海洋经济效率.结果表明:环渤海经济圈沿海城市海洋经济的效率都是不断提高的,技术进步的有效变动是带动海洋经济效率不断提高的主要原因;其次,一些沿海城市海洋经济发展存在着纯技术无效或者纯规模无效,而另一些沿海城市纯技术与纯规模均无效,最终导致综合运行效率欠佳.文章最后针对评价结果的具体情况进行分析,并以此为依据,给出了相应的政策建议.
|
| [17] |
中国海洋经济全要素生产率影响因素研究——基于空间面板数据模型 [J].The factor research of total factor productivity of marine economy in China—based on spatial panel data model. |
| [18] |
中国沿海地区海洋科技全要素生产率时空格局演变及影响因素 [J].https://doi.org/10.11821/dlyj201502012 URL Magsci [本文引用: 1] 摘要
<p>建设海洋强国需要重点发展海洋科技。为厘清中国大陆沿海地区海洋科技全要素生产率时空格局演变及影响因素,采用随机前沿模型(SFA)测度了2006-2011年沿海11个省份海洋科技全要素生产率指数,在此基础上,借助探索性空间数据分析方法(ESDA)和空间面板计量模型对其时空格局演变及影响因素进行了分析。结果表明：研究期内沿海地区海洋科技全要素生产率增长主要由技术进步推动,区域增长极由多个变成单一,海洋经济后发地区保持全要素生产率指数高值水平,区域间海洋科技差距不断缩小。传统产业占比过高对海洋科技发展有负向作用,而从业人员科技素养提高、产学研相结合等能有效提升海洋科技水平。研究结果可为国家发展及制定相关政策提供参考。</p>
Analysis on temporal and spatial evolution of marine science and technology total factor productivity and its influencing factors in Chinese coastal areas. https://doi.org/10.11821/dlyj201502012 URL Magsci [本文引用: 1] 摘要
<p>建设海洋强国需要重点发展海洋科技。为厘清中国大陆沿海地区海洋科技全要素生产率时空格局演变及影响因素,采用随机前沿模型(SFA)测度了2006-2011年沿海11个省份海洋科技全要素生产率指数,在此基础上,借助探索性空间数据分析方法(ESDA)和空间面板计量模型对其时空格局演变及影响因素进行了分析。结果表明：研究期内沿海地区海洋科技全要素生产率增长主要由技术进步推动,区域增长极由多个变成单一,海洋经济后发地区保持全要素生产率指数高值水平,区域间海洋科技差距不断缩小。传统产业占比过高对海洋科技发展有负向作用,而从业人员科技素养提高、产学研相结合等能有效提升海洋科技水平。研究结果可为国家发展及制定相关政策提供参考。</p>
|
| [19] |
中国海洋经济绿色全要素生产率测度及影响因素 [J].
本文利用熵值法构建了"资源与环境损耗指数",测算了资源环境双重因素下中国及沿海11地区的海洋经济绿色全要素生产率,基于面板数据Tobit模型考察了不同因素对海洋经济绿色全要素生产率的影响。结果表明:技术进步是中国海洋经济绿色全要素生产率增长的主要源泉,而技术效率和规模效率的作用并不明显;沿海地区海洋经济增长对资源依赖和环境污染的程度呈现出较大的差异性;海洋产业结构、专业技术水平、管理制度对经济绿色全要素生产率增长具有显著的正向影响,而工业规模具有显著的负向影响。
Measurement and influencing factors of green total factor productivity of marine economy in China.
本文利用熵值法构建了"资源与环境损耗指数",测算了资源环境双重因素下中国及沿海11地区的海洋经济绿色全要素生产率,基于面板数据Tobit模型考察了不同因素对海洋经济绿色全要素生产率的影响。结果表明:技术进步是中国海洋经济绿色全要素生产率增长的主要源泉,而技术效率和规模效率的作用并不明显;沿海地区海洋经济增长对资源依赖和环境污染的程度呈现出较大的差异性;海洋产业结构、专业技术水平、管理制度对经济绿色全要素生产率增长具有显著的正向影响,而工业规模具有显著的负向影响。
|
| [20] |
Non-parametric productivity analysis with undesirable outputs: an application to the Canadian pulp and paper industry [J].https://doi.org/10.1111/0002-9092.00181 URL [本文引用: 1] 摘要
This article extends the Chavas09恪癈ox approach to non-parametric analysis by incorporating undesirable outputs to provide a more complete representation of the production technology. Inner and outer non-parametric technology bounds are constructed. The methods are illustrated with application to time series data for the Canadian pulp and paper industry. Conventional measures that ignore changes in pollutant outputs underestimate true productivity growth. Further, there is a large gap between estimates generated with reference to inner and outer bounds to the technology, suggesting that researchers need to be aware of the limitations of results derived from analyses relying only on DEA methods.
|
| [21] |
Undesirable outputs in efficiency valuations [J].https://doi.org/10.1016/S0377-2217(00)00160-0 URL [本文引用: 1] 摘要
Efficiency measurement is usually based on the assumption that inputs have to be minimized and outputs have to be maximized. In a growing number of applications, however, undesirable outputs are incorporated into the production model which have to be minimized. In this paper various approaches for treating such outputs in the framework of Data Envelopment Analysis (DEA) are discussed and the resulting efficient frontiers are compared. New radial measures are introduced which assume that any change of the output level will involve both undesirable and desirable outputs.
|
| [22] |
Li X X et al.DEA models with undesirable inputs and outputs [J]. |
| [23] |
Modeling undersirable factors in efficiency evaluation [J]. |
| [24] |
Environmental production fun-ctions and environmental directional distance functions [J].https://doi.org/10.1016/j.energy.2006.09.005 Magsci [本文引用: 1] 摘要
<h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">This study derives the relationship between environmental production functions and environmental directional distance functions. These two approaches make different assumptions when modeling the joint production of good and bad outputs. The environmental production function credits a producer solely for expanding good output production, while the directional environmental distance function credits a producer for simultaneously increasing production of the good output and reducing production of bad outputs. Estimates of technical efficiency and pollution abatement costs are calculated using data from coal-fired power plants. These results provide the empirical basis for comparing the environmental production function to the environmental directional distance function.</p>
|
| [25] |
Dealing with Undesirable Outputs in DEA:A Slacks-based Measure(SBM)Approach[R]. |
| [26] |
中国农业生态效率评价方法与实——基于非期望产出的SBM模型分析 [J].https://doi.org/10.5846/stxb201207080953 URL Magsci [本文引用: 2] 摘要
生态效率是衡量经济与资源环境协调发展的重要指标。基于将农业面源污染作为非期望产出的考量,在对传统DEA模型进行修正的基础上,采用非径向、非角度的SBM模型对中国30个省份的农业生态效率进行了测算,并给出了农业生态效率的改善途径。研究结果表明:1998-2009年中国农业生态效率虽然呈现缓慢上升态势,但整体仍处于较低水平,除北京、上海、海南、重庆外,其余省市都需要改变投入和产出来优化农业生态效率;资源的过度消耗和环境污染物的过量排放是农业生态效率损失的主要原因。提高资源利用效率、降低资源消耗量和环境污染物的排放量是农业生态效率改善的重要途径。
Agricultural eco-efficiency evolution in China based on SBM model. https://doi.org/10.5846/stxb201207080953 URL Magsci [本文引用: 2] 摘要
生态效率是衡量经济与资源环境协调发展的重要指标。基于将农业面源污染作为非期望产出的考量,在对传统DEA模型进行修正的基础上,采用非径向、非角度的SBM模型对中国30个省份的农业生态效率进行了测算,并给出了农业生态效率的改善途径。研究结果表明:1998-2009年中国农业生态效率虽然呈现缓慢上升态势,但整体仍处于较低水平,除北京、上海、海南、重庆外,其余省市都需要改变投入和产出来优化农业生态效率;资源的过度消耗和环境污染物的过量排放是农业生态效率损失的主要原因。提高资源利用效率、降低资源消耗量和环境污染物的排放量是农业生态效率改善的重要途径。
|
| [27] |
陇东黄土高原农业生态效率的时空演变分析——以庆阳市为例 [J].
<p>以地处黄土高原的庆阳市为例，基于世界可持续发展工商理事会（WBCSD）对生态效率内涵的界定，应用数据包络分析（DEA）中的非期望产出SBM模型，对2001~2011 年间该地区农业生态效率的时空演变进行分析，结果表明：庆阳市农业生态效率总体上呈现下降趋势，其空间差异在不断扩大。依据生态效率的空间分布状况，基本可以将庆阳市分为2 种类型：生态环境较好、水资源较为充沛、农业较为发达的西峰区、合水县、宁县和正宁县的农业生态效率相对较高；而生态环境较为脆弱、水资源短缺的庆城县、华池县、环县和镇原县的农业生态效率较低，主要原因在于要素投入比例失调、资源利用率低和非期望产出的过度冗余。基于此对生态效率较低地区的农业投入要素冗余状况进行了分析，明确农业生态效率改进的方向，为提高农业生态效率提供参考。</p>
Chen Xingpeng et al. Spatio-temporal Evolution of Agricultural Eco-efficiency in Loess Plateau of East Gansu Province: A Case Study of Qingyang City.
<p>以地处黄土高原的庆阳市为例，基于世界可持续发展工商理事会（WBCSD）对生态效率内涵的界定，应用数据包络分析（DEA）中的非期望产出SBM模型，对2001~2011 年间该地区农业生态效率的时空演变进行分析，结果表明：庆阳市农业生态效率总体上呈现下降趋势，其空间差异在不断扩大。依据生态效率的空间分布状况，基本可以将庆阳市分为2 种类型：生态环境较好、水资源较为充沛、农业较为发达的西峰区、合水县、宁县和正宁县的农业生态效率相对较高；而生态环境较为脆弱、水资源短缺的庆城县、华池县、环县和镇原县的农业生态效率较低，主要原因在于要素投入比例失调、资源利用率低和非期望产出的过度冗余。基于此对生态效率较低地区的农业投入要素冗余状况进行了分析，明确农业生态效率改进的方向，为提高农业生态效率提供参考。</p>
|
| [28] |
Environmental efficiency analysis of port cities: Slacks-based measure data envelopment analysis approach [J].https://doi.org/10.1016/j.tranpol.2014.02.009 URL [本文引用: 1] 摘要
Because ports have been rapidly expanding, port cities have been exposed to air pollution. Air pollution in port cities that has resulted from the intense expansion of ports has become a pressing concern. Although several studies have discussed the relationship between port and city functions and a few studies have attempted to consider ports07 environmental performance using the data envelopment analysis (DEA) approach, none have examined emerging port city issues like their environmental influence in great detail. To address these gaps, a slacks-based data envelopment analysis (SBM-DEA) model was used in this paper to assess the environmental efficiency of port cities. The labor population in respective port cities was selected as the input variable, and gross regional domestic product (GRDP) and container throughput were used as the desirable output variables. As the undesirable output variables, nitrogen oxide (NOx), sulfur oxide (SO60), and carbon dioxide (CO60) emissions were selected in the model. The results showed that Singapore, Busan, Rotterdam, Kaohsiung, Antwerp, and New York are the most environmentally efficient port cities, while Tianjin is the least environmentally efficient. The social and opportunity costs for air pollutants emissions in low efficient port cities were calculated as well.
|
| [29] |
辽宁沿海经济带工业环境效率分析 [J].
环境效率是生态效率的重要组成部分。基于环境效率对于指导区域经济与环境协调发展的重要意义,以重工业基地辽宁沿海经济带为例作环境效率研究,应用数据包络分析(DEA)和随机前沿分析(SFA)测算辽宁沿海经济带2001~2009年工业环境效率和产出弹性。在此基础上利用Tobit模型构建多元线性回归,分析工业环境效率的关键影响因素。结果表明:2001~2009年辽宁沿海经济带工业环境效率有大幅提高,但与理想状况仍有一定差距。其中大连的工业经济增长主要依靠劳动力推动,对环境成本的依赖正在减小,丹东、营口和葫芦岛3 市的工业增长需要牺牲更多的环境成本。重工业化、资本密集化和高新技术化不利于工业环境效率提高,经济发展水平的提高则极大地促进了工业环境效率的提高。所有制结构、生产规模、外商投资和环境管理力度等因素因其作用的两面性,对工业环境效率无有效影响。
Han Ruiling et al. Industrial environmental efficiency of costal economic belt in Liaoning province.
环境效率是生态效率的重要组成部分。基于环境效率对于指导区域经济与环境协调发展的重要意义,以重工业基地辽宁沿海经济带为例作环境效率研究,应用数据包络分析(DEA)和随机前沿分析(SFA)测算辽宁沿海经济带2001~2009年工业环境效率和产出弹性。在此基础上利用Tobit模型构建多元线性回归,分析工业环境效率的关键影响因素。结果表明:2001~2009年辽宁沿海经济带工业环境效率有大幅提高,但与理想状况仍有一定差距。其中大连的工业经济增长主要依靠劳动力推动,对环境成本的依赖正在减小,丹东、营口和葫芦岛3 市的工业增长需要牺牲更多的环境成本。重工业化、资本密集化和高新技术化不利于工业环境效率提高,经济发展水平的提高则极大地促进了工业环境效率的提高。所有制结构、生产规模、外商投资和环境管理力度等因素因其作用的两面性,对工业环境效率无有效影响。
|
| [30] |
中国省际水资源利用效率与空间溢出效应测度 [J].https://doi.org/10.11821/dlxb201401012 URL Magsci [本文引用: 1] 摘要
基于省际水足迹和灰色水足迹等的面板数据，本文利用带有考虑和不考虑非期望产出的数据包络分析方法测度了1997-2011 年中国31 个省市区的水资源利用效率；建立基于经济—空间距离函数的空间权重矩阵，探讨水资源利用效率的空间自相关关系；利用绝对β趋同模型验证水资源利用效率增长趋势存在绝对β趋同，考虑和不考虑非期望产出情况下达到1/2 趋同程度的时间分别约为52.6 和5.6 年；运用空间Durbin 计量模型研究了中国省际水资源利用效率的空间溢出效应。研究发现：（1） 考虑和不考虑非期望产出的中国省际水资源利用效率都具有显著的空间自相关性；（2） 考虑和不考虑非期望产出的空间自回归系数ρ分别为0.278 和0.507，且都在1%的水平上显著，说明中国水资源利用效率存在空间溢出效应；（3） 考虑非期望产出情况下中国各省市的教育经费、交通基础设施、工业和农业用水比重因素正向影响水资源利用效率，外商直接投资、万元工业增加值用水量、人均用水量、降水总量因素负向影响水资源利用效率；（4） 不考虑非期望产出情况下中国各省市的劳均GDP因素较大正向显著影响，而交通基础设施和万元工业增加值用水量因素变为不显著影响；（5） 不考虑非期望产出的水资源利用效率测度对中国水资源真实利用情况出现偏差估计及对政策制定产生误导，考虑环境因素到水资源利用效率测度更为合理。
Water resource utilization efficiency and its spatial spillover effects measure in China. https://doi.org/10.11821/dlxb201401012 URL Magsci [本文引用: 1] 摘要
基于省际水足迹和灰色水足迹等的面板数据，本文利用带有考虑和不考虑非期望产出的数据包络分析方法测度了1997-2011 年中国31 个省市区的水资源利用效率；建立基于经济—空间距离函数的空间权重矩阵，探讨水资源利用效率的空间自相关关系；利用绝对β趋同模型验证水资源利用效率增长趋势存在绝对β趋同，考虑和不考虑非期望产出情况下达到1/2 趋同程度的时间分别约为52.6 和5.6 年；运用空间Durbin 计量模型研究了中国省际水资源利用效率的空间溢出效应。研究发现：（1） 考虑和不考虑非期望产出的中国省际水资源利用效率都具有显著的空间自相关性；（2） 考虑和不考虑非期望产出的空间自回归系数ρ分别为0.278 和0.507，且都在1%的水平上显著，说明中国水资源利用效率存在空间溢出效应；（3） 考虑非期望产出情况下中国各省市的教育经费、交通基础设施、工业和农业用水比重因素正向影响水资源利用效率，外商直接投资、万元工业增加值用水量、人均用水量、降水总量因素负向影响水资源利用效率；（4） 不考虑非期望产出情况下中国各省市的劳均GDP因素较大正向显著影响，而交通基础设施和万元工业增加值用水量因素变为不显著影响；（5） 不考虑非期望产出的水资源利用效率测度对中国水资源真实利用情况出现偏差估计及对政策制定产生误导，考虑环境因素到水资源利用效率测度更为合理。
|
| [31] |
|
| [32] |
|
| [33] |
Measuring the efficiency of decision making units [J]. |
| [34] |
A slacks-based measure of efficiency in data envelopment analysis [J].https://doi.org/10.1016/S0377-2217(99)00407-5 URL Magsci [本文引用: 1] 摘要
<p id="">In this paper, we will propose a slacks-based measure (SBM) of efficiency in Data Envelopment Analysis (DEA). This scalar measure deals directly with the input excesses and the output shortfalls of the decision making unit (DMU) concerned. It is units invariant and monotone decreasing with respect to input excess and output shortfall. Furthermore, this measure is determined only by consulting the reference-set of the DMU and is not affected by statistics over the whole data set. The new measure has a close connection with other measures proposed so far, e.g., Charnes–Cooper–Rhodes (CCR), Banker–Charnes–Cooper (BCC) and the Russell measure of efficiency. The dual side of this model can be interpreted as profit maximization, in contrast to the ratio maximization of the CCR model. Numerical experiments show its validity as an efficiency measurement tool and its compatibility with other measures of efficiency.</p>
|
| [35] |
|
/
| 〈 |
|
〉 |
