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_戴彬

地理研究GEOGRAPHICAL RESEARCH 第34卷第2期2015年2月V ol.34,No.2February,2015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戴彬1,2，金刚3，韩明芳1（1.南京大学地理与海洋科学学院，南京210023；2.南京大学海岸与海岛开发教育部重点实验室，南京210023；3.东南大学经济管理学院，南京210096）摘要：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。

关键词：海洋科技；全要素生产率指数；时空分异；区域关联；中国沿海地区DOI:10.11821/dlyj2015020121引言虽然早在1956年中国就制定了海洋科学远景规划，且2003年国务院下发“全国海洋经济发展规划纲要”，明确提出实施科技兴海计划，但直到中国共产党第十八次全国代表大会才首次将“建设海洋强国，提升海洋科技综合水平”上升为国家政策。

过去几十年“重陆轻海”的经济发展政策使中国海洋科技仍处于集成创新和逆向模仿阶段，落后于发达国家10年甚至15年以上，直接制约了中国海洋经济的发展和海洋权益的维护[1]。

增加投入是迅速提升中国海洋科技切实可行的措施，但又存在两个问题：一方面，增加科技创新投入只是提升创新能力的必要条件而非充分条件；另一方面，相比于中国海洋自然资源，海洋科技资源的短缺现象更为严重，海洋人才尤其是高端人才十分紧缺。

因此，中国在发展海洋科技，建设海洋强国的过程中，不仅需要增加科技资源投入，海洋科技效率问题应得到更多关注。

从静态角度来看，海洋科技包含海洋科学与海洋技术，其中海洋科学是研究海洋中各种自然规律的科学，海洋技术是满足海洋开发活动的经验和设备等。

一方面海洋科学指导海洋技术的发展，另一方面海洋技术也促进海洋科学体系的完善。

而从动态角度看，海洋科技指海洋科技活动，即海洋研发（技术创新），是基于投入产出的生产系统，其产出可以提高投资收益并推动海洋经济持续增长[2]。

国外关于海洋经济方面的研究多以收稿日期：2014-06-27;修订日期：2014-12-05基金项目：海洋公益性行业科研专项经费项目（2010418006）作者简介：戴彬（1990-），男，江苏兴化人，硕士，主要从事海岸与海岛开发研究。

E-mail:daibinnju@ 通讯作者：金刚，男，江苏兴化人，主要从事技术效率评价研究。

E-mail:nanqiao.1@328-340页2期戴彬等：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329海洋经济可持续发展、海洋系统利用结构及海岸带综合管理等为切入点[3-5]，对海洋科技的研究则基本从产业视角展开[6,7]。

国内关于海洋经济方面的研究主要集中在海洋经济区域差异、海洋产业结构与可持续发展等方面[8-10]，关于海洋科技的研究主要集中在海洋科技的内涵、战略意义、投入产出状况、竞争力及区域差异等[2,11-14]。

总结相关研究，目前国内外在海洋经济方面已经做了大量工作，但有关海洋科技效率的研究较为鲜见。

现有文献在研究海洋科技效率时[15-17]，多从技术效率或规模效率的角度展开，存在解释力有限的不足。

Solow在其增长理论中首次提到全要素生产率的概念，指出全要素生产率的内涵是剔除各种投入要素（如资本、劳动力等）之后的残差部分，全要素生产率能够阐释技术进步、技术效率变化对产出增长的贡献，拓宽了投入产出效率变化的解释维度，更容易发现投入产出效率的变化[18]。

关于科技创新全要素生产率的研究成果众多[19-23]，但是对海洋科技全要素生产率的研究涉及较少。

对全要素生产率估计的方法主要有数据包络分析（DEA）[18]和随机前沿分析（SFA）[24,25]两种。

DEA方法是一种非参数数据分析方法，不需要对生产函数的形式和分布进行约束，因此应用较为广泛。

但该方法不能反映环境效应和随机因素对技术效率的影响，易产生偏误结论[26-28]。

与DEA相比，SFA由于随机确定前沿面，有着更加可靠的经济理论支撑，并且还考虑了随机误差和其他变量的可能干扰波动，在处理面板数据时能够得到更加准确的结论[29]。

在研究区域间海洋科技差异时，已有研究往往忽视了区域间海洋科技发展投入、产出以及环境政策等可能存在的空间自相关的影响，而假定空间事物均质且独立[30,31]。

空间计量经济学理论认为，一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的，打破了以往研究中关于区域属性相互独立的基本假设[32]。

基于此，以中国大陆沿海11个省份为研究对象，首先利用SFA模型测度海洋科技全要素生产率指数，再利用基于空间关联效应的空间面板计量模型对海洋科技全要素生产率指数进行影响因素分析，以期为国家合理制定和实施海洋科技区域发展战略提供参考。

由于缺乏数据支撑，中国台湾地区不在研究范围内。

2研究方法与数据来源2.1研究方法2.1.1随机前沿模型随机前沿模型是一种典型的参数效率测度方法，能够区分出随机误差与技术无效率项导致的误差，结合生产函数可以测度出11个沿海省份海洋科技的全要素生产率增长、技术效率变化及技术进步，为分析海洋科技时间变化规律及空间差异特征提供可靠的经验数据。

生产函数常用的有柯布—道格拉斯函数和超越对数函数，其中柯布—道格拉斯函数形式简单，但假定技术中性和产出弹性固定，而超越对数生产函数放宽了这些假设[33]，并且能够拟合投入、产出和时间变量之间存在的稳定关系，可以避免因函数形式的误设而带来的估计偏差[34,35]。

由于面板数据随着时间的推移，技术是否为中性，产出弹性是否固定等均不能事先确定，因此选用超越对数生产函数的随机前沿模型，具体形式如式（1）所示：ln y it=β0+β1ln l it+β2ln k it+12β12ln l it ln k it+12β11(ln l it)2+12β22(ln k it)2 +βt1t ln l it+βt2t ln k it+βt t+12βtt t2+v it-u it（1）地理研究34卷式中：y it 表示i 单元在t 时期的产出；l it 和k it 分别表示i 单元在t 时期的人员投入和资本投入；β为待估系数；t 表示技术变化的时间趋势；v it 表示随机误差，与u it 相互独立，并且是独立同分布（i .i .d .），服从N (0,σv 2)的正态分布；u it 为非负随机变量，表示在给定适当结构下的技术无效因素。

借鉴Battese 等[36]，假设u it =u i exp []-η(t -T )，其中u i 为非负随机变量，且服从N +(μ,σu 2)；η为待估参数，表示技术效率的变化率。

通过分解全要素生产率指数，可以分析11个沿海省份海洋科技全要素生产率指数（T FPC ）增长的来源。

借鉴Nishimizu 等[20]，假设生产技术为规模报酬不变的，将全要素生产率指数分解成技术进步（T EC ）和技术效率变化（T P ），即T FPC =T P +T EC ，T P 和T EC 的计算分别如式（2）和式（3）所示：T P =exp éëêùûú12æèçöø÷∂ln y is ∂s +∂ln y it ∂t （2）T ECit =T Eit T Eit -1,T Eit =E []f (x it )exp(v it -u it )E []f (x it )exp(v it )=exp(-u it )（3）2.1.2探索性空间数据分析探索性空间数据分析（ESDA ）是一种具有识别功能的空间数据分析方法，主要用于探测数据空间分布的非随机性或空间自相关性。

ESDA 的本质是以空间关联测度为核心，与区位熵等传统的空间集聚指标相比，能通过对现象空间分布格局的描述和可视化，发现空间集聚和空间异质特征，并揭示研究对象之间的空间相互作用机制[37]。

探索性空间数据分析主要使用两类工具：第一类用来分析空间数据在整个系统内表现出的分布特征，最早应用的方法是全局Moran's I [38]；第二类用来分析局部子系统的空间相关性，一般使用局部Moran's I [39]。

利用Moran's I 分析11个沿海省份海洋科技全要素生产率指数的区域关联性，并在局部Moran's I 的基础上结合Moran 散点图分析不同省市区单元全要素生产率指数的集聚类型。

现有研究在定义地区关联性时多采用二元邻接空间权重矩阵[40]，但二元邻接空间权重矩阵假设邻近非相邻的区域间不存在空间效应，与现实不符。

因此，借鉴Wilhelmsson M [41]的做法，采用基于距离倒数的空间权重矩阵，矩阵中的元素定义如下：W ij ={0 (i =j )1/d ij (i ≠j )（4）式中：d ij =(xc i -xc j )2+(yc i -yc j )2，xc 、yc 分别为经纬度坐标；采用的空间权重矩阵均经过标准化处理，即每行的和为1。

2.1.3空间面板计量模型空间计量模型可以规避古典计量经济学分析空间效应问题时产生的偏差，常用的主要有空间滞后模型（spatial lag model ，SLM ）和空间误差模型（spatial error model ，SEM ）两种[42]。

根据处理数据形式的不同，空间计量模型又分为空间截面计量模型和空间面板计量模型。

由于现有的空间计量方法都是渐近有效的分析方法，需要更多的观察值才能做到有效估计[43]，而截面数据只有11个，因此需要结合时间序列和空间截面单元分析11个沿海省份海洋科技全要素生产率指数的影响因素，建立如下空间面板计量模型：ln T FPCit =ρ∑j =1N W ij ln T FPCjt +βX it +αi +νt +εit （5）εit =λ∑j =1NW ij εit +μit 3302期戴彬等：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式中：TFPCit 表示i省市区在t时间的全要素生产率指数；Xit表示控制变量；αi、νt、εit分别表示地区效应、时间效应和随机扰动项；ρ和λ分别为空间滞后系数和空间误差系数，反映全要素生产率指数的空间溢出效应，当ρ=0时，空间计量模型称为空间误差模型（SEM）；当λ=0时，空间计量模型称为空间滞后模型（SLM）；Wij同公式（4）。