EN中文

GEOGRAPHICAL RESEARCH >

2015 , Vol. 34 >Issue 2: 328 - 340

DOI: https://doi.org/10.11821/dlyj201502012

Orginal Article

Analysis on temporal and spatial evolution of marine science and technology total factor productivity and its influencing factors in Chinese coastal areas

  • DAI Bin , 1, 2 ,
  • JIN Gang , 3 ,
  • HAN Mingfang 1
Expand
  • 1. School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China
  • 2. The Key Laboratory of Coast and Island Development of Ministry of Education, Nanjing University, Nanjing 210023, China
  • 3. The School of Economics and Management, Southeast University, Nanjing 210096, China

Received date: 2014-06-27

  Request revised date: 2014-12-05

  Online published: 2015-02-10

Copyright

《地理研究》编辑部
Fold

Abstract

The development of marine science and technology (S&T) is essential to build a country with advanced marine industry. In general, the increasing investment in S&T is a practical measure to improve China's marine S&T rapidly. However, two problems emerged: (1) the increasing investment is the first requirement, but not the unique requirement to promote the marine S&T innovation capability; (2) compared with China's marine natural resources, the shortage of marine S&T resources, especially high-end talent, is more serious. Therefore, the efficiency of marine S&T should be paid more attention in the course of development of marine S&T and construction of a marine powerful country. In this paper, Stochastic Frontier Analysis (SFA) was used to measure the total factor productivity (TFP) index of marine S&T, and Exploratory Spatial Data Analysis (ESDA) and Spatial Panel Econometric Models were applied to identify the temporal and spatial distribution pattern and influencing factors from 2006 to 2011. The results showed that TFP of marine S&T in China during 2006-2011 was driven by technological advancement, and its regional growth pattern changed from several poles to a single pole. TFP of marine S&T remained higher values in the areas with low development level, which contribute to narrow the gap among inter-regional marine S&T continuously. Large proportion of traditional marine industries had a negative effect on marine S&T, while other aspects (i.e., technological literacy of practitioners, industry-university-research cooperation etc.) could improve marine S&T effectively. At last, based on the research results ,we proposed the following suggestions for China's marine S&T development: (1) The flow of marine S&T production factors among different regions should be strengthened in order to make full use of the existing space spillovers of marine S&T; (2) The introduction of marine technology should be enhanced, and the application capabilities and allocative efficiency of existing technologies should be improved, which could promote technology transformation and application; (3) The economic level and industry structure of coastal provinces should be optimized; (4) The inter-regional public cooperation platform should be built, including innovating the research cooperation and strengthening the building of marine industry infrastructure; (5) The role of the market in the allocation of S&T resources should be enhanced.

Key words： marine science and technology; TFP index; spatial and temporal variation; regional association; Chinese coastal areas

Cite this article

DAI Bin , JIN Gang , HAN Mingfang . Analysis on temporal and spatial evolution of marine science and technology total factor productivity and its influencing factors in Chinese coastal areas[J]. GEOGRAPHICAL RESEARCH, 2015 , 34(2) : 328 -340 . DOI: 10.11821/dlyj201502012

1 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 = β 0 + β 1 ln l it + β 2 ln k it + 1 2 β 12 ln l it ln k it + 1 2 β 11 ( ln l it ) 2 + 1 2 β 22 ( ln k it ) 2 β t 1 tln l it + β t 2 tln k it + β t t + 1 2 β tt t 2 + v it - u it (1)
式中： y it 表示 i 单元在 t 时期的产出;lit和kit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;vit表示随机误差,与uit相互独立,并且是独立同分布(i.i.d.),服从N(0, σv2)的正态分布;uit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ui为非负随机变量,且服从 N + ( μ , σ u 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(TFPC)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(TEC)和技术效率变化(TP),即TFPC=Tp+TEC,TP和TEC的计算分别如式(2)和式(3)所示：
T P = exp 1 2 ∂ ln y is ∂ s + ∂ ln y it ∂ t (2)
T EC it = T E it T E it - 1 , T E it = E f ( x it ) exp ( v it - u it ) E f ( x i t ) 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 = ( x c i - x c j ) 2 + ( y c i - y c 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 FPC it = ρ ∑ j = 1 N W ij ln T FPC jt + β X it + α i + ν t + ε it (5)
ε it = λ ∑ j = 1 N W ij ε it + μ it
式中： T FPC it 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; α i 、 ν t 、 ε it 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)。

2.2 指标选取

取海洋科技的动态概念,则海洋科技全要素生产率表征海洋科技产出不能为科技投入所解释的部分,即海洋科技生产过程中的技术进步与技术效率提高。根据公式(1),在利用SFA测度11个沿海省份海洋科技全要素生产率指数时,需要确定海洋科技的投入与产出指标。根据经典生产函数,投入指标从人力和资本两方面考虑[44],结合数据可得性和指标非共线的原则,借鉴樊华的研究[16],选取海洋科研机构专业技术人员(MSS)和科研机构科技经费筹集额(MSM)分别表征人力和资本两个变量。由于科技研发投资对产出的影响不仅源于当期投资,还受到以往投资的影响,所以应该利用科技经费资本存量来衡量其资本投入[45]。资本存量K的计算一般采用永续盘存法： K t = 1 - δ ) K t - 1 + I ,I是时期t的资本形成总额;资本存量的初期值采用张军等[46]提供的数据,资产年折旧率 δ 按9.6%计算。科技投入资本存量(MSK)的计算采用类似的方法,初期值采用李小平等[47]提供的方法计算,即 M SK 0 = M SM 0 ( g + δ ) ,下标0表示初期值;g为MSM的平均增长率;折旧率 δ 参照Griliches采用的10%[48]。专利数、新产品产值、科技论文数都是技术创新产出的代理变量,由于发明专利的技术含量高且申请数不会受到专利授权机构审查能力的约束[49,50],因此,选取发明专利申请数(IPA)作为科技产出的代理变量。
Furman等[51]认为科技产出绩效并不完全受研发资源投入的影响,制度、环境以及政策等也是重要影响因素。因此,建立空间计量模型对影响11个沿海省份海洋科技全要素生产率指数的因素进行分析并最终确定如下影响因素：① 海洋经济发展水平(MED),以海洋总产值占沿海地区总产值的比重表示;② 海洋经济产业结构(MIS),以海洋产业总产值中第二产业产值的比重表示;③ 海洋科技系统人员结构(MSH),以具有研究生学历人员占海洋科研机构科技活动人员的比例表示;④ 海洋产业从业人员科技素养(MIH),以海洋科研机构科技活动人员占地区涉海就业人员的比例表示;⑤ 海洋产学研发展状况(IUS),以海洋机构课题数中科技服务占比表示;⑥ 地区开放程度(OPE),用进出口总额占GDP比例表示,进出口额按各年人民币汇率换算;⑦ 政府影响力(GOV),以政府海洋科技资金投入占海洋科技经费筹集额的比重表示;⑧ 基础设施(BAS),以各区域海滨观测台站数表示。

2.3 数据来源

中国大陆的海洋经济区主要包括环渤海地区、长江三角洲和珠江三角洲三大海洋经济带。根据《中国海洋统计年鉴》的统计口径,选取天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西以及海南等11个沿海省份作为研究对象。数据均来自《中国海洋统计年鉴》(2007-2012年)及《中国统计年鉴》(2007-2012年)。由于现行海洋经济统计数据的限制,研究海洋科技所依托的产业为《中国海洋统计年鉴》中界定的海洋产业,包括海洋渔业、海洋油气业、海洋矿业、海洋盐业、海洋化工业、海洋生物医药业、海洋电力业、海水利用业、海洋船舶工业、海洋工程建筑业、海洋交通运输业以及滨海旅游业等。各省份之间的距离采用省会城市之间的距离替代,其中城市的经纬度坐标根据国家基础地理信息系统1 ∶ 400万地形数据库获得。为避免异方差性,所有指标均进行对数化处理,货币型指标均利用固定资产投资价格指数平减为2006年元。

3 沿海地区海洋科技全要素生产率的时空格局

3.1 时空分异特征分析

利用FRONTIER 4.1和公式(2)、公式(3)计算沿海地区海洋科技全要素生产率指数及其分解指数(技术进步和技术效率变化),各年平均值如图1所示。其中2006年为基期年,TFPC、TP及TEC均为0。可以看出：① 2006-2011年,沿海地区海洋科技全要素生产率指数逐年提高,总体呈现持续增长趋势,在2008年增长速度有所放缓。这说明“十一五”期间,沿海地区海洋科技整体上发展迅速,虽然2008年爆发的全球金融危机对海洋科技全要素生产率的增长产生了负向影响,但这种负向影响并未持续。2009年以后全球经济仍处于缓慢复苏阶段,但中国大陆沿海地区海洋科技全要素生产率指数增幅迅速提升,且该趋势一直延续到2011年。这得益于两方面原因：一是2008年以后中国积极推进全国统筹的海洋科技管理新机制,如2009年沿海11省市海洋科技部门建立“联席工作制”,促进了沿海省际间海洋科技和产业优势互补、协调发展;二是“十一五”期间国家大幅增加了海洋科技投入,相继启动了海洋领域的“国家科技支撑计划”、“863”计划以及“973”计划等。这些措施有助于提升沿海地区海洋科技全要素生产率指数,促进海洋科技的可持续健康发展。② 2006-2011年,技术效率指数值持续保持下降且小于1,表明沿海地区海洋科技的技术效率在逐年降低,且降幅在逐步扩大。技术进步基本保持了与全要素生产率指数一致的变化轨迹,说明海洋科技全要素生产率指数的提高主要来自于技术进步而非技术效率的改善,这与岳书敬等[52,53]研究区域全要素生产率时得出的结论类似。技术进步的经济含义是在不增加投入要素的条件下产出增长的因素之一,主要体现在使用的技术与工艺等方面。近年来,中国高度重视科技创新在海洋经济增长中的重要作用,对海洋科技机构的科研活动给予了大力支持,如“十一五”期间新建了中国科学院烟台海岸带可持续发展研究所,给沿海地区的地方海洋科研机构增加了装备水平接近国际一流的海洋科学考察船等,这些都有效地推动了技术前沿面的上移,从而带动了海洋科技全要素生产率增长。值得一提的是,由于缺乏科学的制度安排和管理创新,提升的前沿技术并未得到有效应用,反而导致技术效率持续降低且降幅不断扩大,压缩了海洋科技全要素生产率指数进一步提升的空间,这种状况应该得到重视。
Fig. 1 Marine science and technology TFP index of coastal areas and decomposition index (2006-2011)

图1 2006-2011年沿海地区海洋科技全要素生产率指数及分解指数

根据2006-2011年沿海地区海洋科技全要素生产率指数情况,以2006年为基期绘制沿海地区海洋科技全要素生产率指数分布图(图2),并按照自然断裂点法(Natrual Breaks)将全要素生产率指数(TFPC)划分成高、中、低三个等级,以考察沿海地区海洋科技全要素生产率指数的空间分异特征。可以看出：① 2007-2011年,海洋科技全要素生产率指数处于高水平的省份逐渐减少,多数省份处于中低水平。2007年,辽宁、河北、广西、海南4省区处于高值区,天津、山东、江苏及广东4省市处于中值区,而上海、浙江、福建3省市处于低值区;2008-2011年,仅广西处于高值区,辽宁、河北、江苏及海南4省处于中值区,天津、山东、上海、浙江、福建及广东6省市处于低值区。这表明海洋科技全要素生产率指数的“增长极”在减少,差距在不断缩小,有利于沿海地区海洋科技的均衡发展。② 2008年以后,广东、福建、浙江、天津及山东等传统海洋经济大省的全要素生产率指数均维持在低值区,表明这5个省份的海洋科技全要素生产率指数缺乏足够的增长驱动。山东与天津是海洋科技的发达地区,尤其是山东更是集聚了近乎全国50%的海洋人才,造成这两个海洋科技资源发达地区科技全要素生产率指数维持在低水平的原因在于：第一,海洋科技投入产出出现边际报酬递减。由于山东和天津有较大的海洋科技基数,因而技术进步及技术效率进一步拉动海洋科技产出增长的空间较小。第二,传统海洋经济大省面临着激烈的海洋竞争,挤压了海洋科技提升的空间。以山东省为例,近年来实施的中日、中韩渔业协定为例,山东省失去了一半以上的传统黄金渔场,有近15万从事海洋第二、第三产业的人员受到影响。第三,技术只有实现成果转化才能在全要素生产率指数中体现出来,山东、天津等海洋科技发达地区往往有着更多的海洋科技成果,创新成果产业化的“识别成本”更大,因而导致成果转化能力较低。广东、福建以及浙江拥有优越的海洋资源,如福建拥有“港、渔、景、涂、能”等方面的比较优势,且渔业资源丰富,但这也导致了这些地区的海洋“一产”及传统海洋制造业占比偏高,从而使海洋科技全要素生产率指数提升乏力。可见,想要进一步提升沿海地区海洋科技全要素生产率需积极发展海洋新兴产业,如海洋高端装备制造业、海洋旅游业等。③ 与传统海洋经济大省全要素生产率指数趋向低值区不同的是,传统海洋经济落后地区持续维持在高值区。如山东,2007-2008年的全要素生产率指数保持在“中水平”,2009-2011年滑落到“低水平”;而广西2007-2011年均保持在“高水平”等级。究其原因：一是海洋落后地区正处于科技发展的成长期,即边际报酬递增阶段,投入产出比较优势明显;二是海洋落后地区面临着较好的区位条件和政策倾斜。以广西为例,区位比较优势明显,且随着西部大开发战略的深入,“泛珠三角”经济圈的建立,以及“中国—东盟自由贸易区”的发展,政策倾斜的红利正逐步释放。这些均有助于广西等海洋落后地区迅速追赶海洋科技前沿地区。
Fig. 2 Marine science and technology TFP index layout in coastal areas (2007-2011)

图2 2007-2011年沿海地区海洋科技全要素生产率指数空间分布

3.2 空间关联程度分析

3.2.1 全局空间相关性检验 利用探索性空间数据分析(ESDA)研究沿海地区海洋科技全要素生产率指数的空间关联程度。分别计算2007-2011年TFPC、TP以及TEC的Moran's I值。如图3所示：① 2007-2011年,TFPC和TP的Moran's I值总体上呈现“波动式”下降趋势,2010年以后由正值变为负值,说明2007-2009年,沿海地区海洋科技全要素生产率指数存在空间集聚现象。空间集聚一方面是因为海洋科技知识具有非竞争性和部分排他性的特征;另一方面,当海洋科技集聚到一定程度后,虽然会由于“拥挤效应”(如要素价格提高、市场竞争激烈等)产生外部不经济而出现海洋科技全要素生产率指数的扩散趋向,但公共技术知识池的束缚和随地理距离增加外溢成本的提高使海洋科技全要素生产率指数仍然存在集聚特征。2008年全球金融危机对沿海地区的经济冲击阻碍了海洋科技“后发地区”的成长,导致全要素生产率指数以及技术进步的集聚程度较2007年有所加强。随后2009年,“后发地区”的全要素生产率指数及技术进步迅速提高,降低了其空间集聚程度,一直持续到2010年后呈现空间排斥特征,实现了全域上的分化多极发展。② 2007-2011年,TEC的Moran's I值持续下降且为正,表明技术效率指数仍处于整体性空间集聚状态,但集聚程度逐渐降低。受地理距离及周围环境的限制,技术效率指数的全域溢出效应仍未充分体现,促进“后发地区”迎头赶上“先发地区”的技术效率指数“高低有序”的全域分布格局还未完全实现。
Fig. 3 Marine science and technology index Moran I(2006-2011)

图3 2006-2011年沿海地区海洋科技全要素生产率

指数Moran's I值变化

3.2.2 局域空间相关性检验 全局Moran's I值主要描述了空间分布的总体特征,对于中国海洋科技全要素生产率指数的相互作用和局部地区的空间集聚强度却无法描述,需要借助局部Moran's I指数和Moran散点图进行刻画。分别计算2007-2011年各区域的局部Moran's I值并画出对应的Moran散点图,选取2007年和2011年作为分析时点,从中分析研究期内沿海地区海洋科技全要素生产率指数在局部区域的空间关联特征。
如图4所示,具有非典型观察值的地区即位于第二象限和第四象限的地区在期初和期末发生了变化：2007年,有4个位于非典型观测值的地区,分别为山东、广西、广东、天津;到了2011年位于非典型观测值的地区上升到5个,分别为山东、广西、广东、天津、河北。这种变化趋势说明,随着时间的推移沿海地区海洋科技全要素生产率指数局域的拥挤效应逐渐显现,由此导致局域性集聚程度不断降低,呈现出与全域集聚程度一致的变化态势。由于政策支持、产业环境、基础设施及资源禀赋等方面的差异,沿海各省份海洋科技发展参差不齐,但随着全要素生产率指数的局域性集聚程度逐渐降低,“后发地区”(如河北)持续保持着比周围“先发地区”(如山东)更高的全要素生产率指数,如此下去沿海地区海洋科技发展差距有望在短期内进一步缩小。
Fig. 4 Local Moran I of marine technology TFP index 2007 (a) and 2011 (b)

图4 2007年(a)和2011年(b)沿海地区海洋科技全要素生产率指数的局域Moran's I

4 沿海地区海洋科技全要素生产率指数的影响因素分析

为了对沿海地区海洋科技全要素生产率指数的影响因素进行分析,并进一步考察区域间全要素生产率指数的关联效应,以式(5)设定的空间计量模型进行经验分析,各变量的描述性统计如表1所示。利用拉格朗日乘子和稳健的拉格朗日乘子检验来判断空间滞后模型(SLM)和空间误差模型(SEM)的适用性,结果显示空间滞后模型的SLM-LM值为193.976(P值为0.000)大于空间误差模型的SEM-LM值116.423(P值为0.000),对应的SLM-RLM值为1839.778,也大于SEM-RLM值。因此,在研究沿海地区海洋科技全要素生产率指数区域关联性及影响因素时选择SLM模型更为合理。经Hausman检验,采用固定效应的SLM模型进行参数估计的解释。
Tab. 1 Descriptive statistics for each variable

表 1 各变量描述性统计

变量 平均值 中值 标准差 最小值 最大值
TFPC 0.725 0.758 0.395 0.000 1.501
MED -1.861 -1.803 0.598 -2.957 -0.955
MIS -0.816 -0.798 0.252 -1.614 -0.378
MSH -1.399 -1.337 0.530 -3.426 -0.507
MIH -7.869 -7.886 0.795 -9.705 -6.524
IUS -1.622 -1.373 0.679 -4.025 -0.613
OPE -0.850 -0.797 0.891 -3.357 0.568
GOV -1.996 -0.747 2.161 -8.657 0.000
BAS 4.118 4.151 0.712 2.485 5.398
由于区域之间空间溢出效应的存在,传统的OLS估计方法得出的参数会存在有偏或者无效的结果,因此采用Elhorst[54]提出的针对空间面板模型的ML估计来进行参数估计,整个过程利用Matlab和ArcGIS软件实现。参数估计及相关检验结果如表2所示。空间误差回归系数λ和空间滞后回归系数ρ在1%的水平上显著为正,这说明在以往的研究中常被忽视的区域外部性对沿海地区海洋科技全要素生产率指数有重要的影响,邻近的省份之间存在明显的空间外溢效应。这种空间外溢效应产生的原因在于：一方面,随着市场化进程的推进,沿海省市海洋科技发展的信息不对称且逐渐减弱,户籍制度改革也使得海洋科技人才在沿海省份间流动的障碍进一步缩小;另一方面,相邻省份增加某些具有正外部性的海洋科技公共物品或公共服务,也会使本地海洋科技发展受益,从而提高海洋科技全要素生产率指数。
Tab. 2 Regression results

表2 模型回归结果

普通面板 SLM面板 SEM面板
估计值 t值 估计值 t值 估计值 t值
MED -0.064 -0.83 -0.223*** -3.80 -0.197*** -4.10
MIS -0.490** -2.10 0.003 0.03 -0.005 -0.06
MSH 0.157 1.36 0.046** 2.22 0.058*** 2.86
MIH 0.130 1.64 0.142*** 3.95 0.126*** 4.00
IUS -0.001 -0.01 0.020 1.24 0.025* 1.71
OPE -0.149** -2.22 0.007 0.31 0.017 0.56
GOV -0.080*** -4.00 0.001 -0.04 -0.008* -1.70
BAS -0.062 -0.79 0.086*** 2.88 0.065** 2.39
ρ 0.912*** 47.87
λ 0.964*** 90.08
Adjust-R2 0.420 0.787 0.480
Log-L -10.040 99.569 97.086
观察值个数 66 66 66

注：*、**、***分别表示通过10%、5%、1%水平下的显著性检验。

根据各影响因素的参数估计,可以看出：
(1)海洋经济发展水平与海洋科技全要素生产率指数存在显著的负向关系。这说明海洋经济发展水平的提高并不意味着海洋科技全要素生产率指数的同步提高,全要素生产率是指非投入所带来的那部分增长,经济发展水平的提高往往伴随着生产要素的积累,但相应的投入增加并没有带来全要素生产率指数的提高,充分表明资源投入配置效率以及技术转化应用能力是当前海洋科技发展的主要问题。
(2)海洋产业结构对海洋科技全要素生产率指数有负向影响,未通过显著性检验。这说明制造业占比过高的产业结构对海洋科技全要素生产率指数有潜在的不利影响,缺乏服务业尤其是生产性服务业的支撑作用和“反哺”效应,海洋科技全要素生产率指数难以得到有效提升。当前这种负向影响虽然并不明显,但如果沿海地区产业不能尽快实现改造升级和高端化攀升,这种负向影响会趋于恶化。
(3)海洋科技系统人员结构对海洋科技全要素生产率指数有显著的正向影响,并通过了5%水平下的显著性检验。具体而言,海洋科技系统人员结构每提高1个单位,海洋科技全要素生产率指数就能提高0.046个单位。智力是科技研发的关键,人员结构的优化意味着高层次智力投入的增加,以及知识共享和流通在内外部智力网络中的加强,有利于提高技术进步和技术应用能力,从而提高海洋科技全要素生产率指数。
(4)海洋产业从业人员科技素养的回归系数为0.142,并通过了1%水平下的显著性检验。即海洋产业从业人员科技素养每提高1个单位,海洋科技全要素生产率指数相应增加0.142个单位。与海洋科技系统人员结构表征的海洋机构内部人员科技素养不同,海洋产业从业人员科技素养更能体现整个行业的科技活动水平,不仅海洋机构内部人员科技素养对海洋科技全要素生产率指数有正向影响,整个行业从事科技活动的人越多,更能提高海洋科技全要素生产率指数。这说明科技效率的提高不仅依赖于研究机构的基础研究成果,还依赖于实践过程中的“干中学”等。
(5)产学研对海洋科技全要素生产率指数有正向影响,未通过显著性检验。海洋科技全要素生产率指数的提高不仅与海洋科技研究机构的创新成果相关,还依赖于创新成果的转化应用,即需要产学研三方之间的密切合作,其中包括构建相关的产学研公共平台和设立适于“学研”产业化的保障机制。结论表明现阶段产学研对海洋科技全要素生产率指数的影响并不显著,说明当前海洋科技产学研发展与海洋科技创新需求存在分离,解决二者之间的非协调性是今后海洋科技产学研的工作重点。
(6)地区开放程度的回归系数为正,也未通过显著性检验,说明当前地区开放程度对海洋科技全要素生产率指数的影响并不明显,中国沿海地区是最早承接国外产业转移也是最早引入FDI的地区,属于对外开放程度的领先地区,而较高的对外开放程度和便利的对外交流渠道并没有直接转化成较高的全要素生产率指数,进一步说明了海洋科技创新过程中存在“重引入轻吸收”的现象。
(7)政府作用对海洋科技全要素生产率指数的正向影响极小,且未通过显著性检验。这说明政府投入对海洋科技全要素生产率指数的影响甚微,海洋科技全要素生产率指数的提高需要市场力量的注入,这进一步验证了“更大程度更广范围发挥市场在资源配置中的基础性作用”的正确性。
(8)基础设施的回归系数是0.086,且通过了1%水平下的显著性检验。这说明完善的海洋基础设施能够加快知识、技术在区域间的学习、交流和传播速度,从而有助于海洋科技全要素生产率指数持续增长。

5 结论与讨论

利用随机前沿模型测度了2006-2011年沿海地区海洋科技全要素生产率指数及其分解指标(技术进步和技术效率指数),继而运用探索性空间数据分析和空间面板计量模型分别对海洋科技全要素生产率指数的空间相关性和影响因素进行了检验分析,结果表明：① 沿海地区海洋科技全要素生产率指数在研究期内逐渐提高,增长主要来源于技术进步的推动,技术效率指数的驱动效应仍未释放。同时,全要素生产率指数的全域空间分布格局逐渐从多个“先发地区”增长极转变成单一“后发地区”增长极,沿海省份之间海洋科技全要素生产率指数的差距不断缩小。② 研究期内,全要素生产率指数和技术进步指数的空间集聚程度逐渐降低,并从空间集聚特征演变成区域离散状态,而技术效率指数的全域排斥特征仍未出现。③ 海洋经济发展水平、海洋产业结构对全要素生产率指数有负向影响,而海洋科技系统人员结构、海洋产业从业人员科技素养、产学研、地区开放程度、政府作用以及基础设施等变量对全要素生产率指数呈现不同程度的正向作用,其中海洋产业从业人员科技素养所表征的“干中学”比海洋科技系统人员结构所表征的基础研究对全要素生产率指数的正向效应更加明显,而由于信息不对称以及科技体制痼疾等因素,产学研、地区开放程度对全要素生产率指数的正向效应还未得到明显体现。
研究结论具有重要的政策含义：第一,沿海各省份应进一步摒弃区域之间的行政壁垒和保护主义限制,加强海洋科技生产要素跨区域流通,充分利用海洋科技现存的空间外溢效应;第二,加强海洋技术引进,充分发挥技术前沿上移对全要素生产率指数的拉动效应,与此同时,不断加强已有技术的应用能力和配置效率,并促进技术转化应用的跨区域交流和合作,释放技术效率正向推动全要素生产率指数的增长空间;第三,优化海洋经济水平和产业结构,逐渐扩大海洋高端制造业和海洋服务业的占比,通过提高海洋科技结构中高层次智力资本的占比和海洋产业中科技活动人员的数量,加强科技基础研究成果和“干中学”对全要素生产率指数的双重推动效应。第四,构建跨区域产学研公共合作平台,创新产学研合作方式,并加强有助于加快知识、技术流通和共享的海洋产业基础设施的建设。第五,弱化政府部门在海洋科技发展中的主导作用,实现政府由“管理者”向“服务者”的角色转变,并加强市场在科技资源配置中的作用。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国家海洋局海洋发展战略研究所课题组. 中国海洋发展报告. 北京: 海洋出版社, 2007.

[Oceanic Development Strategy Research Group of State Oceanic Administration. China's Ocean Development Report. Beijing: China Ocean Press, 2007.]

[2]
卫梦星, 殷克东. 海洋科技综合实力评价指标体系研究. 海洋开发与管理, 2009, 26(8): 101-105.

[Wei Mengxing, Yin Kedong.Study on marine science and technology comprehensive strength evolution system. Ocean Development and Management, 2009, 26(8): 101-105.]

[3]
Jin D, Hoagland P, Morin Dalton T.Linking economic and ecological models for a marine ecosystem. Ecological Economics, 2003, 46(3): 367-385.

[4]
Garcia Montero G.The Caribbean: Main experiences and regularities in capacity building for the management of coastal areas. Ocean and Coastal Management, 2002, 45(9): 677-693.

[5]
Vallega A.The coastal use structure within the coastal system: A sustainable development consistent approach. Journal of Marine Systems, 1996, 7(1): 95-115.

[6]
Hubbard J.Mediating the North Atlantic environment: Fisheries biologists, technology, and marine spaces. Environmental History, 2013, 18(1): 88-100.

[7]
Turek J G.Science and technology needs for marine fishery habitat restoration. In: IEEE. OCEANS 2000 MTS: IEEE Conference and Exhibition. New York: IEEE, 2000: 1707-1712.

[8]
张耀光, 魏东岚, 王国力, 等. 中国海洋经济省际空间差异与海洋经济强省建设. 地理研究, 2005, 24(1): 46-56.

[ Zhang Yaoguang, Wei Donglan, Wang Guoli, et al.Analysis of interprovincial space difference in marine economy and the building of marine economically strong provinces in China. Geographical Research, 2005, 24(1): 46-56.]

[9]
韩增林, 王茂军, 张学霞. 中国海洋产业发展的地区差距变动及空间集聚分析. 地理研究, 2003, 22(3): 289-296.

[Han Zenglin, Wang Maojun, Zhang Xuexia.Changes of regional differences and zonal centralizations of marine industry in China in the 1990s. Geographical Research, 2003, 22(3): 289-296.]

[10]
张耀光, 韩增林, 刘锴, 等. 海岸带利用结构与海岸带海洋经济区域差异: 以辽宁省为例. 地理研究, 2010, 29(1): 24-33.

[Zhang Yaoguang, Han Zenglin, Liu Kai, et al.Analysis of regional differences of marine economy and use structure of coastal zone: A case study of Liaoning province. Geographical Research, 2010, 29(1): 24-33.]

[11]
刘曙光, 李莹. 基于技术预见的海洋科技创新研究. 海洋开发与管理, 2008, (3): 19-21.

[Liu Shuguang, Li Ying.Study of marine science and technology innovation based on technology foresight. Ocean Development and Management, 2008, (3): 19-21.]

[12]
卢布, 吴凯, 杨瑞珍, 等. 我国“十一五” 海洋资源科技发展的战略选择. 中国软科学, 2006, (7): 42-47.

[Lu Bu, Wu Kai, Yang Ruizhen, et al. The strategic selection of scientific and technological development of China marine resource during the 11th "Five Year Plan" period. China Soft Science, 2006, (7): 42-47.]

[13]
周达军, 崔旺来, 汪立, 等. 浙江省海洋科技投入产出分析. 经济地理, 2010, 30(9): 1511-1516.

[Zhou Dajun, Cui Wanglai, Wang li, et al. Consideration on ocean technical support in Zhejiang province. Economic Geography. 2010, 30(9): 1511-1516.]

[14]
伍业锋, 施平. 中国沿海地区海洋科技竞争力分析与排名. 上海经济研究, 2006, (2): 26-33.

[Wu Yefeng, Shi Ping.Evaluation and analysis of the competitiveness of marine science and technology of coastal regions of China. Shanghai Economic Review, 2006, (2): 26-33.]

[15]
谢子远, 鞠芳辉, 孙华平. 我国海洋科技创新效率影响因素研究. 科学管理研究, 2012, 30(6): 13-16.

[Xie Ziyuan, Ju Fanghui, Sun Huaping.Study on influencing factors of marine S&T innovation efficiency in China based on Ultra-efficiency Model. Science Management Research, 2012, 30(60): 13-16]

[16]
樊华. 中国区域海洋科技创新效率及其影响因素实证研究. 海洋开发与管理, 2011, 28(9): 57-64.

[Fan Hua.Empirical study on China region marine S&T innovation efficiency and its influencing factors. Ocean Development and Management, 2011, 28(9): 57-64.]

[17]
刘大海, 臧家业, 徐伟. 基于DEA方法的海洋科技效率评价研究. 海洋开发与管理, 2008, (1): 48-51.

[Liu Dahai, Zang Jiaye, Xu Wei.Study on marine S&T efficiency based on DEA. Ocean Development and Management, 2008, (1): 48-51.]

[18]
Solow R.Technical change and the aggregate production function. Review of Economics and Statistics, 1957, 39(3): 312-320.

[19]
Sterlacchini A.R&D, innovations, and total factor productivity growth in British manufacturing. Applied Economics, 1989, 21(11): 1549-1562.

[20]
Nishimuzu M, Page N M.Total factor productivity growth, technological progress and technical efficiency change: Dimensions of productivity change in Yugoslavia 1965-1978. The Economic Journal, 1982, 92(12):920-936.

[21]
白俊红, 江可申, 李婧. 中国地区研发创新的相对效率与全要素生产率增长分解. 数量经济技术经济研究, 2009, (3): 139-151.

[Bai Junhong, Jiang keshen, Li jing.On the efficiency and total factor productivity growth of China's R&D innovation. The Journal of Quantitative &Technical Economics, 2009, (3): 139-151.]

[22]
吕光桦, 宋文飞, 李国平, 等. 考虑空间相关性的我国区域研发全要素生产率测算: 基于 1999-2008 年省际空间面板数据. 科学学与科学技术管理, 2011, 32(4): 105-110.

[Lv Guanghua, Song Wenfei, Li Guoping, et al.Considering the spatial correlation of regional R&D for China's total factor productivity estimated: Based on 1999-2008 provincial spatial panel data. Science of Science and Management of S&T, 2011, 32(4): 105-110.]

[23]
Charnes A, Cooper W W, Rhodes E.Measuring the efficiency of decision making units. European Journal of Operational Research, 1978, 2(6): 429-444.

[24]
Aigner D, Lovell C A, Schmidt P.Formulation and estimation of stochastic frontier production function models. Journal of Econometrics, 1977, 6(1): 21-37.

[25]
Battese G E, Corra G S.Estimation of a production frontier model: With application to the pastoral zone of Eastern Australia. Australian Journal of Agricultural and Resource Economics, 1977, 21(3): 169-179.

[26]
左冰, 保继刚. 1992-2005 年中国旅游业全要素生产率及省际差异. 地理学报, 2008, 63(4): 417-427.

[Zuo Bing, Bao Jigang.Tourism total factor productivity and its regional variation in China from 1992 to 2005. Acta Geographica Sinica, 2008, 63(4): 417-427.]

[27]
刘建国, 李国平, 张军涛, 等. 中国经济效率和全要素生产率的空间分异及其影响. 地理学报, 2012, 67(8):1069-1084.

[Liu Jianguo, Li Guoping, Zhang Juntao, et al.Spatial distribution and its affecting factors of economy efficiency and total factor productivity in China: 1990-2009. Acta Geographica Sinica, 2012, 67(8): 1069-1084.]

[28]
Arcelus F J, Arocena P.Convergence and productive efficiency in fourteen OECD countries: A non-parametric frontier approach. International Journal of Production Economics, 2000, 66(2): 105-117.

[29]
Gong B H, Sickles R C.Finite sample evidence on the performance of stochastic frontiers and data envelopment analysis using panel data. Journal of Econometrics, 1992, 51(1): 259-284.

[30]
周达军, 崔旺来, 汪立, 等. 浙江省海洋科技投入产出分析. 经济地理, 2010, 30(9): 1511-1516.

[Zhou Dajun, Cui Wanglai, Wangli, et al. Consideration on ocean techncial support in Zhejiang province. Economic Geography, 2010, 30(9): 1511-1516.]

[31]
殷克东, 卫梦星. 中国海洋科技发展水平动态变迁测度研究. 中国软科学, 2009, (8): 144-154.

[Yin Kedong, Wei Mengxing.Dynamic changes in the marine science development of China's and technology. China Soft Science, 2009, (8): 144-154.]

[32]
Anselin L.Local indicators of spatial association: LISA. Geographical analysis, 1995, 27(2): 93-115.

[33]
傅晓霞, 吴利学. 前沿分析方法在中国经济增长核算中的适用性. 世界经济, 2007, 30(7): 56-66.

[Fu Xiaoxia, Wu Lixue.Applicability of SFA in the accounting of China's economy growth. World Economy, 2007, 30(7): 56-66.]

[34]
Fuentes H J, Grifell-Tatjé E, Perelman S.A parametric distance function approach for Malmquist productivity index estimation. Journal of Productivity Analysis, 2001, 15(2): 79-94.

[35]
Orea L.Parametric decomposition of a generalized Malmquist productivity index. Journal of Productivity Analysis, 2002, 18(1): 5-22.

[36]
Battese G E, Coelli T J.Frontier production functions, technical efficiency and panel data: With application to paddy farmers in India. Journal of Productivity Analysis, 1992, 3(1/2): 153-169.

[37]
靳诚, 陆玉麒. 基于空间变差函数的长江三角洲经济发展差异演变研究. 地理科学, 2011, 31(11): 1329-1334.

[Jin Cheng, Lu Yuqi.Evolvement of economic development diversity in the Changjiang River Delta based on spatial variogram. Scientia Geographica Sinica, 2011, 31(11): 1329-1334.]

[38]
Cliff A D, Ord J K.Spatial Processes: Models & Applications. London: Pion, 1981.

[39]
Anselin L.Local indicators of spatial association: LISA. Geographical analysis, 1995, 27(2): 93-115.

[40]
苏为华, 王龙, 李伟. 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. 财经论丛, 2013, (3): 9-13.

[Su Weihua, Wang Long, Li Wei.The factor research of total factor productivity of marine economy in China: Based on spatial panel data model. Collected Essays on Finance and Economics, 2013, (3): 9-13.]

[41]
Wilhelmsson M.Spatial models in real estate economics. Housing, Theory and Society, 2002, 19(2): 92-101.

[42]
Anselin Luc.Spatial Econometrics: Methods and Models. Netherlands: Springer, 1988.

[43]
Florax R J G M, Nijkamp P. Misspecification in linear spatial regression models. In: K Kempf-Leonard. Encyclopedia of Social Measurement. London: Springer, 2014: 695-707.

[44]
徐小钦, 黄馨, 梁彭勇. 基于DEA 与 Malmquist 指数法的区域科技创新效率评价: 以重庆市为例. 数理统计与管理, 2009, 28(6): 974-985.

[Xu Xiaoqin, Huang Xin, Liang Pengyong.Evaluate of science and technology innovation efficiency of a region based on DEA and Malmquist exponent approach. Application of Statistics and Management, 2009, 28(6): 974-985.]

[45]
涂正革, 肖耿. 中国的工业生产力革命:用随机前沿生产模型对中国大中型工业企业全要素生产率增长的分解及分析. 经济研究, 2005, (3): 4-15.

[Xu zhengge, Xiao Geng. China's industrial productivity revolution: A stochastic frontier production function analysis of TFP growth in China's large and medium industrial enterprises. Economic Research Journal. 2005, (3): 4-15.]

[46]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算: 1952-2000. 经济研究, 2004, (10): 35-44.

[Zhang Jun, Wu Guiying, Zhang Jipeng.The estimation of China's provincial capital stock: 1952-2000. Economic Research Journal, 2004, (10): 35-44.]

[47]
李小平, 朱钟棣. 国际贸易, R&D 溢出和生产率增长. 经济研究, 2006, (2): 31-43.

[Li Xiaoping, Zhu Zhongli.International trade, R&D spillover and productivity development: Based on the analysis of Chinese industry's panel data. Economic Research Journal, 2006, (2): 31-43.]

[48]
Griliches Z.Patent statistics as economic indicators: A survey. Journal of Economic Literature, 1990, 28(4): 1661-1707.

[49]
Liu Xielin, White S.An exploration into regional variation in innovation activity in China. International Journal of Technology Management, 2001, 21(1-2): 114-129.

[50]
Guan J C, Gao X.Exploring the h-index at patent level. Journal of the American Society for Information Science and Technology, 2009, 60(1): 35-40.

[51]
Furman J L, Hayes R.Catching up or standing still?: National innovative productivity among 'follower' countries: 1978-1999. Research Policy, 2004, 33(9): 1329-1354.

[52]
岳书敬, 刘朝明. 人力资本与区域全要素生产率分析. 经济研究, 2006, (4): 90-96.

[Yue Shujing, Liu Chaoming.Human capital accumulation and regional total factor productivity. Economic Research Journal, 2006, (4): 90-96.]

[53]
金相郁. 中国区域全要素生产率与决定因素: 1996-2003. 经济评论, 2007, (5): 107-112.

[Jin Xiangyu.China region's TFP and determinants: 1996-2003. Economic Review. 2007, (5): 107-112.]

[54]
Elhorst J P.Specification and estimation of spatial panel data models. International Regional Science Review, 2003, 26(3): 244-268.

Options
Outlines

/

〈 〉