成果速览
“Evaluation of China's marine economic efficiency under environmental constraintsdan empirical analysis of China's eleven coastal regions”已发表于《Journal of Cleaner Production》期刊。
引用格式:Wenhan Ren , Jianyue Ji , Lei Chen & Yi Zhang(2018):Evaluation of China's marine economic efficiency under environmental constraintsdan empirical analysis of China's eleven coastal regions,DOI:10.1016/j.jclepro.2018.02.300
研究背景
随着沿海经济的快速发展和海洋勘探的广度和深度,中国海洋经济粗放式的增长方式导致了海洋资源消耗增加、废弃物排放增多、海洋生态系统恶化等问题。因此,研究海洋经济效率对于实现我国海洋经济的清洁生产和可持续发展具有重要意义。本文基于全球Malmquist- Luenberger指数模型,将不良产出引入全要素生产率测度中,评价环境约束下中国海洋经济绿色效率。为了更好地描述海洋经济效率的动态性质,本文选取了我国11个沿海地区作为研究对象,数据采集时间为2006 - 2014年。结果表明,不考虑不良产出的中国海洋经济全要素生产率显著高于不考虑不良产出的中国海洋经济全要素生产率。中国沿海地区在海洋经济绿色效率方面存在差异。海洋经济绿色效率增长最快的是天津,下降最快的是广西,两省年均增长率相差8.18%。此外,东海经济圈的绿色效率在三个沿海区域中最高,其次是环渤海经济圈,而南海经济圈的绿色效率最低。我国海洋经济绿色效率的提高主要来源于技术进步,而技术效率的提高对海洋经济绿色效率的影响很小,甚至有负面影响。在此基础上,探讨了我国海洋经济可持续发展的相应政策建议。
研究结果
1.总体特征
本文采用GML指数对我国沿海地区2006 - 2014年在不考虑不良产出情况下和不考虑不良产出情况下的海洋经济全要素生产率进行测算,测算结果如表2所示。
从表2可以看出,中国海洋经济的全要素生产率并不高,无论是否考虑到不良产出,其原因可能是中国海洋经济发展相对于发达国家起步较晚。目前,它仍然依赖于资源、资本等要素的投入,而不是技术效率和技术创新。这种海洋经济的粗放式发展模式有几个副作用,如:海洋经济发展中出现的问题。
表2 考虑和不考虑2006 - 2014年中国沿海地区的不良产出情况下的海洋经济全要素生产率。
|
2006年-2007 |
2007年-2008 |
2008年-2009 |
2009年-2010 |
2010年-2011 |
2011年-2012 |
2012年-2013 |
2013年-2014 |
|
N |
C |
N |
C |
N |
C |
N |
C |
N |
C |
N |
C |
N |
C |
N |
C |
天津 |
0.9950 |
1.0327 |
1.0176 |
1.0076 |
0.9865 |
1.0372 |
1.0070 |
0.9606 |
1.0268 |
1.0146 |
1.0092 |
1.0714 |
0.9479 |
1.1061 |
0.9492 |
1.0200 |
河北 |
1.0209 |
1.0000 |
1.0579 |
0.8622 |
1.0365 |
0.8954 |
1.0146 |
1.0029 |
1.0286 |
1.2916 |
0.9982 |
0.8332 |
1.0061 |
1.0638 |
0.9972 |
1.1283 |
辽宁 |
1.0178 |
0.9519 |
1.0331 |
0.9150 |
0.9894 |
1.0257 |
1.0177 |
0.9765 |
1.0174 |
0.9545 |
1.0119 |
0.9908 |
1.0034 |
1.0043 |
1.0078 |
0.9799 |
上海 |
1.0000 |
1.0000 |
1.0131 |
0.9751 |
1.0015 |
1.0069 |
0.9963 |
0.9991 |
1.0138 |
0.9704 |
0.9833 |
1.0346 |
0.9923 |
1.0155 |
1.0000 |
1.0000 |
江苏 |
0.9837 |
1.0080 |
1.0239 |
0.9255 |
0.9716 |
1.0764 |
1.0132 |
0.9632 |
1.0266 |
0.9496 |
0.9965 |
1.0390 |
0.9956 |
1.0355 |
0.9612 |
1.0838 |
浙江 |
0.9981 |
1.0100 |
1.0007 |
1.0060 |
0.9728 |
1.0951 |
1.0069 |
0.9776 |
1.0122 |
0.9508 |
0.9835 |
1.0417 |
0.9938 |
1.0075 |
0.9667 |
1.1197 |
福建 |
1.0056 |
0.9938 |
1.0196 |
0.9552 |
0.9816 |
1.0929 |
1.0048 |
0.9433 |
1.0102 |
0.9578 |
0.9925 |
0.9827 |
0.9868 |
1.1700 |
0.9839 |
0.9349 |
山东 |
1.0045 |
0.9864 |
1.0259 |
0.9428 |
0.9914 |
1.0202 |
1.0090 |
0.9890 |
1.0228 |
0.9435 |
1.0019 |
0.9988 |
1.0000 |
0.9961 |
1.0006 |
1.0046 |
广东 |
1.0000 |
1.0000 |
1.0119 |
0.9769 |
0.9883 |
1.0236 |
1.0000 |
1.0000 |
1.0081 |
0.9858 |
0.9933 |
1.0117 |
0.9986 |
1.0027 |
1.0000 |
1.0000 |
广西 |
1.0347 |
1.0000 |
1.0357 |
1.0000 |
1.0111 |
0.7691 |
1.0286 |
0.8357 |
1.0263 |
0.9285 |
1.0046 |
0.9942 |
0.9762 |
1.0472 |
0.9767 |
1.0563 |
海南 |
0.9977 |
1.0251 |
1.0270 |
0.9093 |
0.9821 |
1.0186 |
1.0047 |
1.0797 |
1.0294 |
0.8694 |
1.0118 |
1.0163 |
0.9802 |
0.8317 |
0.9801 |
1.1657 |
Geomean |
1.0052 |
1.0005 |
1.0241 |
0.9513 |
0.9919 |
1.0010 |
1.0093 |
0.9736 |
1.0202 |
0.9786 |
0.9987 |
0.9994 |
0.9891 |
1.0223 |
0.9838 |
1.0426 |
注:N表示不考虑期望输出;C表示考虑不期望的产出。
图3 2006 - 2014年全球Malmquist-Luenberger指数的累积变化及其对中国海洋经济的分解
环境污染和资源浪费。加快转变海洋经济增长方式,实现可持续发展,我国海洋经济效益仍有提升空间。此外,由表2可以看出,不考虑不良产出的海洋经济全要素生产率显著高于考虑不良产出的海洋经济全要素生产率,说明不考虑不良产出的海洋经济全要素生产率增长明显高估。这是因为在不考虑非期望产出的情况下,人们会忽略非期望产出的水平,盲目地追求期望产出。同时,在经济效益最大化的情况下,两种产出会同时增加。然而,Kumar(2006)认为这是缺乏环境保护的结果。事实上,在粗放式的海洋经济发展模式下,资源的不合理利用导致不期望产出的高排放,从而导致对生产力的高估。在大多数沿海地区,发展海洋经济仍然是最优先事项。在低水平生产扩张过程中,技术与技能的匹配度下降,在一定程度上造成了资源浪费和环境污染。因此,在节能和提高生产率方面存在很大的潜力。
2.全球Malmquist-Luenberger指数分解
本节讨论环境约束下GML指数的分解,将其分解为GMLTC指数和GMLEC指数,分析技术进步和效率变化这两种变化对环境规制的具体影响。
2.1准备时间分异特征
结合GML指数模型及其分解公式,可以计算出2006 - 2014年中国沿海地区的指数值。图3是样本期内各指标的累积值,反映了2006 - 2014年各指标的变化情况。从三个指标看,海洋经济全要素生产率下降了3%,技术效率总体提升下降了8%,技术进步总体提高了5%。因此,在资源环境约束下,我国海洋经济全要素生产率的提高主要是由技术进步驱动的,而技术效率的提高对海洋经济全要素生产率的影响不大,甚至会产生负面影响。
技术进步是正增长,技术不足是负增长,这意味着中国海洋经济发展是在资源环境约束下的修正模型。国家通过技术进步,提高海洋经济的生产效率,发展海洋产业。
为了进一步说明资源环境约束下我国海洋经济效率的动态变化趋势,将时间跨度划分为两个阶段进行考察。2006 - 2012年,由于国家海洋经济政策的实施,海洋经济的全要素生产率和技术进步均大幅下降。具体来说,2006年中央经济工作会议明确指出,海洋经济的发展可以得到政策和资金的支持。海洋经济的长远发展已逐步提升到国家战略水平,我国海洋经济的发展投入了大量资金。2010年,政府开始关注海洋经济发展试点项目,并制定中央财政资金,确保试点项目顺利进行。这一新项目加上2009年国家实施“四万亿”财政政策的滞后影响,导致2006 - 2007年、2009 - 2010年和2010 - 2011年海洋经济全要素生产率低于1,处于效率低下状态。受2008年金融危机的影响,2007 - 2008年海洋经济的全要素生产率和技术进步也有所下降。危机迅速从美国蔓延到全球,导致中国经济增速放缓,导致海洋经济负增长,导致海洋经济全要素生产率和技术进步下降。此外,这一时期海洋经济初始阶段的试点工作在中国开展,国家投入了大量的早期发展基础设施,但忽视了技术进步的重要作用,导致一个向下发展的趋势。
但2012年以后,在技术进步的影响下,海洋经济全要素生产率呈现上升趋势,原因是国家开始重视海洋技术进步。2012年6月,财政部和国家海洋局联合发布《关于推进区域海洋经济示范创新发展的通知》,提出了以发展海洋战略性新兴产业为出发点的构想。同年,国家海洋局加快国家技术认定和海洋产业示范基地建设。国家海洋科技产业示范基地增加到4个,新增辽宁大连现代海洋产业示范基地、江苏大丰海洋生物产业园、福建肇安金都海洋生物产业园。这些基地为海洋高新技术产业的发展做出了巨大贡献(Zhang and Tian, 2016)。虽然技术进步对海洋经济发展的积极影响是切实可见的,但仍不足以抵消技术效率不断下降的影响。结果,海洋经济的整体效率下降。也表明,在这个阶段,缺乏配套政策的环保法规和污染控制影响了中国海洋经济的发展,这表明中国应该加快制定和实施更多的配套政策以促进节能减排和环境保护。
表3 2006 - 2014年中国沿海地区全球Malmquist-Luenberger指数几何平均及其分解
图4 2006 - 2014年中国沿海地区海洋经济GML指数的几何平均值
图5 2006-2014年中国沿海地区海洋经济GMLTC指数的几何平均值
图6 2006-2014年中国沿海地区海洋经济GMLEC指数的几何平均值
2.2空间分异特征
在样本期间,GML的几何平均指数,GMLTC指数和GMLEC指数在三个省份(河北、上海、广东)等于1,而在辽宁、山东、广西、海南、GML的几何平均指数下降,下降率是完全不同的。与之相反,天津、江苏、浙江和福建的GML指数几何均值有所改善。四地区积极发展海洋工程建设和海洋生物医药新兴产业,海洋经济全要素生产率快速增长(Zhang and Tian, 2016)。在中国所有沿海地区中,广西GML指数几何均值跌幅最大,年均跌幅5.13%,而天津GML指数几何均值最大,年均涨幅3.05%。
从GMLTC指数的几何平均值来看,浙江省以年均2.4%的涨幅位居榜首。仅在辽宁省,GMLTC的几何平均index小于1。除河北、上海、广东、广西四省外,大部分省份GMLEC指数几何均值均有明显改善。在山东、福建、辽宁、广西和海南五省,GMLEC指数的几何平均值甚至对生产力产生不利影响。特别是广西,在GMLTC指数几何均值不变的情况下,GMLEC指数几何均值降幅最大,年均降幅达5.13%,严重阻碍了海洋经济全要素生产率的发展。究其原因,可能是海洋经济基础薄弱,产值低于全国平均水平。在海洋经济发展过程中,广西发展了海盐化工、海洋石油化工、近港重工业、沿海化工等产业部门,承担了大量污染严重、排放高的产业转移。技术水平低,发展方式粗放,导致技术效率下降。相比之下,技术效率和技术进步共同促进了天津和浙江的效率增长。总体而言,东海经济圈的效率在三个沿海区域最高,其次是环渤海经济圈,而南海经济圈的效率最低。
综上所述,我国沿海地区海洋经济效率的增长主要得益于技术进步,但也受到技术效率的制约。由于技术效率的下降大于技术进步的增长,一些省份的技术进步有所提高,但海洋经济的全要素生产率却没有提高。此外,如前所述,区域海洋经济发展效率是不平衡的。
结论与政策建议
随着经济全球化进程的加快,世界经济布局正集中在沿海地区,海洋资源的可持续开发利用成为沿海经济体,特别是海洋大国的当务之急。自1978年改革开放以来,中国越来越重视环境保护和海洋资源高效利用。增强海洋可持续发展能力,打造海洋“蓝色”经济,是我国海洋经济发展的目标之一“绿色”发展。由于海洋污染具有污染源广、可持续性强、传播范围广、治理难度大的特点,如何实现海洋经济的“绿色”发展已成为社会各界共同关注的问题之一。其中,精确测量中国海洋经济效率的前提是制定有针对性的对策和建议,实现海洋资源的可持续利用,提高海洋经济发展的质量,缩小区域海洋经济发展的差异。
基于这一考虑,本文将不良产出引入全要素生产率的测度中评价环境约束下中国海洋经济的绿色效率。为了更好地描述海洋经济效率的动态性质,本文选取了我国11个沿海地区作为研究对象,数据采集时间为2006 - 2014年。本研究得出以下结果。不考虑不良产出的海洋经济全要素生产率显著高于考虑不良产出的海洋经济全要素生产率,说明不良产出对海洋经济全要素生产率有实质性影响,更符合现实。2006年至2012年,中国海洋经济全要素生产率和技术进步指数显著下降,2012年后稳步上升。中国沿海11个地区海洋经济发展不平衡。海洋经济全要素生产率增长最快的是天津,下降最快的是广西,两省年均增长率相差8.18%。总体而言,东海经济圈的绿色效率在三个沿海地区最高,其次是环渤海经济圈,而南海经济圈的绿色效率最低。我国海洋经济效率的提高主要来源于技术进步,而技术效率的提高对海洋经济效率的影响很小,甚至有负面影响。
本文的实证结果对政策制定具有一定的现实意义:
1)样本期内中国海洋经济全要素生产率分解结果表明,技术进步是海洋经济增长的主要来源。因此,以培养“高技术人才”为目标,政府应进一步推进科技教育。同时,要积极推进和支持科研人员的工作,确保和最大限度地发挥科研人员的作用,促进海洋科技产业化,加快海洋科技成果向现实生产力的转化。这意味着需要更多的政府资金来加快技术创新,实现节能减排目标,这对于提高海洋经济的绿色效率,进一步推动海洋经济的可持续发展具有重要作用。
2)中国沿海地区应该更加注重发展海洋经济,加快市场化改革,发展海洋产业,技术效率和技术进步同等重要。此外,中国沿海地区应该加强相互之间的沟通与合作,共同和平衡的发展。
3)在海洋经济发展过程中,需要突出环境和资源成本。政府应以节能减排为重点,继续完善经济结构,提高海洋经济绿色效率。此外,政府应该倡导和支持环境友好型的海洋产业,特别是具有高附加值和良好发展前景的第三产业,如海洋生物医药产业、海洋发电、海洋旅游和生态港口建设。
4)政府应加强海洋人才特别是清洁技术人才的培养和引进,建立和完善对海洋行业从业人员的培训和技术指导,有助于完善产学研合作机制,促进海洋科研成果转化。
作者简介
(一)学术简历:
任文菡(1992-),女,博士,讲师,中共党员,青岛大学卓越人才。主要从事海洋经济增长方式、海洋经济增长效率、海洋及相关领域技术进步及其偏向测度、经济与环境相互关系等领域的科研与实践应用工作。先后在《Journal of Cleaner Production》、《Marine Policy》、《Iranian Journal of Fisheries Sciences》、《中国管理科学》等国内外重要期刊发表高水平论文15余篇。主持涉海领域国家社科基金青年项目1项以及青岛市哲学社会科学规划项目1项;参与完成涉海领域的国家社会科学基金重大项目、国家自然科学基金面上项目、国家教育部社会科学发展报告项目、国家公益项目等10余项课题研究。成果获省部级三等奖1项(首位),市厅级二等奖1项(首位)。担任《Resources, Conservation & Recycling》(SSCI一区)、《Journal of Cleaner Production》(SSCI一区)等国际期刊的审稿人。
(二)前期涉海相关研究成果:
[1] Wenhan Ren, Jianyue Ji, Lei Chen, Yi Zhang. Evaluation of China's marine economic efficiency under environmental constraints - An empirical analysis of China's eleven coastal regions[J].Journal of Cleaner Production,2018, 184: 806-814. (SSCI一区, 影响因子7.051)
[2] Wenhan Ren, Qi Wang, Jianyue Ji. Research on China's marine economic growth pattern: An empirical analysis of China's eleven coastal regions[J].Marine Policy,2018, 87: 158-166. (SSCI一区, 影响因子3.1495)
[3] Jianyue Ji, Qiwei Sun, Wenhan Ren*, Pingping Wang. The Spatial spillover effect of technical efficiency and its influencing factors for China's mariculture - Based on the partial differential decomposition of a spatial durbin model in the coastal provinces[J].Iranian Journal of Fisheries Sciences, 2020, 19(2): 921-933. (SCI)