遼寧省漁業經濟總產值集成預測與分析

管純鳳，李永化

（遼寧師范大學城市與環境學院，遼寧大連116029）

遼寧省漁業經濟總產值集成預測與分析

管純鳳，李永化

（遼寧師范大學城市與環境學院，遼寧大連116029）

漁業作為農業的主要組成部分，是國民經濟的重要基礎之一，漁業經濟的健康發展對遼寧省國民經濟具有至關重要的作用。文章基于遼寧省漁業經濟歷史發展趨勢，聯合構建A R模型、多元線性回歸模型和V A R模型，對遼寧省漁業經濟總產值分別預測，根據各模型預測結果與誤差，建立集成預測模型對未來漁業經濟數據進行擬合測算。預測結果表明：各模型預測結果均具有不同程度的誤差，A R預測效果較好；集成預測結果良好，具有一定的可靠性；遼寧漁業經濟將呈現持續緩慢增長態勢。

漁業經濟；A R模型；多元線性回歸模型；V A R模型；集成預測

一、引言

作為中國東北經濟區和環渤海經濟區的重要結合部，遼寧省東側臨黃海，西側環渤海，海域面積廣闊，海岸線優勢與淺海灘涂資源，為遼寧漁業經濟發展奠定良好的基礎。天然的市場優勢和地理區位，使得漁業經濟成為遼寧農業經濟的支柱產業和全省經濟主要支撐點之一[1]。本文研究遼寧漁業經濟發展趨勢，對優化遼寧省產業結構，制定科學合理的漁業政策具有重要意義。

有關漁業經濟的分析，現有文獻主要從三個方面進行研究。在漁業經濟指標構建方面，高強基于多種權重計算方法，構建現代漁業綜合發展水平評價指標體系[2]；劉慧媛基于灰色關聯角度對我國漁業經濟產值因素影響力進行了評價[3]；R Doshi基于多變量最優控制理論，研究生態漁業與社會經濟之間的關系，構建指標體系[4]；在漁業經濟發展模式方面，張耀光通過研究獐子島漁業集團，提出公司制是海洋漁業較為可行的發展模式[5]；權錫鑒參考國外漁業經濟發達國家的漁業發展模式成功經驗，提出六種漁業發展模式[6]；孫吉亭根據全球變暖現狀，提出我國應發展碳匯漁業模式[7]；Ferdous Ahamed概述了孟加拉國淡水漁業現狀，并對未來提出展望[8]；在分析其他領域與漁業經濟的相關關系方面，楊林通過實證研究分析了漁業貸款與漁業經濟的增長相關性[9]；熊德平運用GMM估計分析了中國金融發展與漁業經濟之間的關系[10]；T Sigfusson研究了漁業產業集群對冰島經濟的影響[11]。

綜上所述，在研究內容上，國內外學者主要集中在漁業經濟指標構建、漁業經濟發展模式的研究上，而針對漁業經濟發展趨勢研究較少；在研究方法上，現有文獻主要是以理論性闡述和數據統計為主，其研究數據年限較短。本文參考遼寧省漁業經濟發展趨勢數據，通過對漁業經濟與其影響因素進行分析，綜合運用多重計量方法，對遼寧漁業經濟未來發展進行預測，為政府合理決策、優化資源配置，促進遼寧漁業經濟健康發展提供依據。

二、研究方法

回歸分析主要研究客觀事物間的關系，它是一種建立在對客觀事物進行大量試驗和觀察的基礎上，用來尋找統計規律性的計量經濟分析方法。該方法用來分析兩個及兩個以上的變量之間相互的因果關系。

（一）自回歸模型（AR）

自回歸模型（Auto Regressive Model，簡稱AR模型），是用自身做回歸變量的分析過程，即利用前期若干時刻的隨機變量的線性組合來描述以后某時刻隨機變量的線性回歸模型。它是時間序列分析模型中的一種常見形式。P階自回歸模型記作AR（p），滿足下面的方程：

式（1）中，參數c為常數；φ1，φ2，…，φp是自回歸模型系數；p為自回歸模型階數；εt是均值為0，方差為σ2的自噪聲序列。自回歸建模步驟：（1）時間序列平穩性檢驗：常采用ADF進行單位根檢驗，對不平穩的序列進行差分；（2）確

定變量滯后階數：綜合LogL、LR、FPE、AIC、SC和HQ信息準則確定最優滯后階數；（3）建立模型并檢驗：通常采用LM檢驗法對殘差序列進行檢驗；（4）用建立的AR模型進行預測。

（二）多元線性回歸模型

一個被解釋變量往往要受到若干解釋變量的影響，當回歸模型中的解釋變量個數超過1時，稱為多元回歸模型。含有k個解釋變量的線性回歸模型可以寫為：

式（2）中，T為樣本個數，x稱為解釋變量或自變量，y稱為被解釋變量或因變量，u是誤差項或擾動項，它體現了y的變化中沒有被x所解釋的部分，即除x以外其他所有對y產生影響的因素的綜合體現。多元線性回歸建模步驟：（1）設定回歸方程形式和估計方程；（2）對回歸方程進行檢驗：包括系數檢驗，殘差檢驗和模型穩定性檢驗；（3）用建立的自回歸模型進行預測。

（三）向量自回歸模型（VAR）

向量自回歸（VAR）是基于數據統計性質建立模型，把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，常用于對相關時間序列的預測和隨機擾動對變量系統的動態影響[12]。根據Johansen的定義，n維向量yt的向量自回歸（VAR）模型（包含P階滯后變量）可以表述為以下過程：

式（3）中每一個Ai都是n×n的參數矩陣，εt為服從獨立均勻分布的n維向量，同一時刻的元素可彼此相關，但不能與自身滯后值和模型右邊的變量相關。向量自回歸建模步驟如下：（1）單位根檢驗：為了防止回歸分析中存在偽回歸而造成結論無效，需要對序列進行單位根檢驗；（2）確定最優滯后階數：綜合運用LR、AIC和SC等信息準則確定最優滯后階數；（3）建立VAR模型；（4）格蘭杰因果檢驗：用確定的最優滯后階數和建立的VAR模型進行格蘭杰因果檢驗；（5）脈沖響應和方差分解分析變量之間的關系：由于運用VAR模型難以得到檢驗結果的經濟涵義，因此經常使用脈沖響應函數來解釋已建立的模型；（6）用建立的VAR模型進行預測。

（四）集成預測方法

常用集成預測方法之一是對各個模型預測結果的簡單平均集成預測法，計算公式如下：

式（4）中xi表示第i個模型預測結果。簡單平均集成預測雖綜合考慮了各模型的預測結果，但忽略了由模型優劣導致的權重選擇問題。研究者提出了加權平均預測法。加權平均預測法是對每個模型的預測值根據歷史預測效果的優劣給出不同的權重，然后求加權平均值，以加權平均值作為集成的預測值。計算公式如下：

式（5）中βi表示第i個模型的權重。值得注意的是，文中僅考慮近期值，權重計算方法為各模型預測誤差絕對值的倒數占總誤差的百分比[13]。

三、變量選取和數據處理

自回歸模型預測中，漁業經濟是研究對象，即選取遼寧漁業經濟總產值（Y）作為自回歸變量。多元線性回歸模型和向量自回歸模型的變量選取，則要考慮影響漁業經濟的解釋變量，即影響漁業經濟總產值的投入變量。現代西方經濟學認為生產要素包括資本、勞動力、土地和企業家才能。由于企業家才能很難具體衡量，只選取資本、勞動力和自然資源生產要素投入變量。（1）漁船年末擁有量。漁船作為重要的漁業生產資料，對漁業產出水平具有重要作用，考慮到漁船對漁業生產的影響并非體現在船只數量上，而是體現在漁船噸位數的大小上，因此選取年末漁船總噸數作為漁船擁有量的變量，用B表示。（2）漁業從業人員。勞動力一般用人力資本存量來計量，考慮到我國目前漁業勞動力素質差異不大，鑒于數據的可獲得性，假設所有勞動力是同質的，直接選取漁業從業人員作為勞動力投入變量，用L表示。（3）養殖面積。海水養殖和淡水養殖都需要載體，選取養殖面積作為自然資源投入變量，用S表示。

基于數據連續性和可獲得性，文章數據來自于1986—2014年的《中國漁業統計年鑒》。在使用各變量數據時，本文用自然對數對其進行轉換（轉換后數據用LB、LL、LS和LY表示），以反映各數據之間的彈性并消除異方差性，借用Eviews6.0對相關數據進行計算和檢驗，計算顯示結果均為對數值；后期進行對數還原，以便實際值與預測值的誤差比較。為檢驗預測結果的準確性，本文在運用各模型預測過程中，僅對1986—2013年數據進行回歸分析，2014年遼寧漁業經濟數據以備檢驗。

表1 變量選取

四、實證分析

2004—2014年遼寧漁業經濟總產值占GDP比例平均為6.1%，超出全國同期3.5%的水平。圖1顯示了1986—2014年遼寧省漁業經濟發展趨勢。2000年以前漁業生產總值從10 500萬元上升至1 765 578萬元，而漁民人均收入則在6 000元以內，漁業生產總值和漁民人均收入均呈現增長態勢，但增速較緩；2000年后漁業生產總值和漁民人均

收入均加速增長，2014年漁業生產總值達到15 744 966萬元，漁民人均收入增加至16 021.59元，年均增加數額比2000年前有較大提高，表明研究時間段內（1986—2014年）漁民收入與漁業經濟呈現同步效應；漁業經濟的發展對提高漁民收入具有重要影響[1]。

圖1 漁業經濟總產值與漁民人均收入年際變化

圖2 AR模型擬合預測效果圖

（一）自回歸預測

為防止出現偽回歸而造成模型估計結果失真，首先對序列進行平穩性檢驗，本研究采用ADF檢驗對相關數據進行單位根檢驗[14]。檢驗結果顯示，原序列LY為非平穩數據。在進行一階差分之后，在1%顯著水平下，ΔLY為平穩序列。根據滯后期檢驗評價標準，參照Eviews計算結果，判定最優滯后階數為1階。

建立模型，得到AR（1）方程LY=0.965886357336*LY（-1）+0.670140974145，調整R2為0.991，擬合效果良好。經過對殘差序列進行LM檢驗，檢驗結果不能拒絕原假設，即回歸方程的殘差序列不存在序列相關性。因此，用AR（1）模型回歸方程的估計結果是有效的。通過Eviews6.0利用AR（1）方程對遼寧省漁業經濟進行動態預測，預測結果見圖2，橫軸表示相應年份，縱軸表示漁業經濟產值；LY表示漁業經濟產值，LY0為漁業經濟預測產值（此處產值為自然對數后數值）。2001年中國加入WTO，我國沿海各省的漁業經濟受到沖擊，所以2001年前后，遼寧省漁業經濟增長較為緩慢，與預測值差距相對較大。

（二）多元線性回歸預測

以LB、LL和LS作為自變量，以LY作為因變量，添加常數項C，結果見表2。依表中顯示數值可建立多元線性回歸方程：LY=1.39966840919*LB+0.714644334652*LL+0.855562109293 *LS-24.1568627473

表2 多元線性回歸擬合結果

各變量的P值均小于1%，變量的顯著性檢驗通過；調整擬合系數為0.985，接近于1，擬合效果較好；D.W.統計量為1.453 424，表明序列不相關。對方程分別進行冗余變量似然比檢驗、正態性檢驗和QA分割點檢驗，檢驗結果表明系數檢驗通過，殘差呈正態分布，模型較為穩定。

多元線性回歸方程的建立僅能對現有序列進行預測對比分析，為了對未來數據進行預測，借用AR模型，分別對LB、LL和LS進行估計，然后用已建立的回歸方程和各變量估計數值對漁業經濟進行預測，擬合預測結果如圖3所示。

圖3 多元線性回歸模型擬合預測效果圖

圖4 VAR模型擬合預測效果圖

（三）向量自回歸預測

對各變量進行單位根檢驗，ADF檢驗結果表明，各變量原始序列不平穩，一階差分后序列平穩；通過VAR模型滯后期檢驗評價標準判定最優滯后階數為3階。

VAR建模要求序列之間存在相關性，那么對影響遼寧漁業經濟總產值的3個因素進行相關性分析，相關系數均在0.85以上，表明各影響因素之間存在較強的相關性，可進行VAR建模[15]。將3個影響因素（LB、LL和LS）與漁業經濟總產值（LY）進行VAR建模，并進行Granger因果檢驗，漁船年末擁有量、漁業人口與漁業經濟互為Granger原因，養殖面積不是漁業經濟的Granger原因。表明漁船的增加和漁業人口的增長能夠促進漁業經濟的發展，而養殖面積的擴大對漁業經濟影響較小[16]。

VAR建模擬合矩陣如下：

LY、LB、LL和LS的調整擬合系數分別為0.995 447、0.993 994、0.811 770和0.974 171，表明模型擬合效果較好，對比發現LY擬合效果很好。擬合預測結果如圖5所示。

（四）綜合集成預測

通過自回歸模型、多元線性回歸模型和向量自回歸模型，對2010—2013年遼寧省漁業經濟總產值分別進行擬

合預測，并進行自然對數還原，結果如表3所示。與實際值比較，自回歸模型預測誤差絕對值為3.787%，誤差最小；多元線性回歸誤差絕對值為9.845%，誤差較大；向量自回歸模型誤差絕對值為17.54%，誤差最大。預測結果橫向比較表明，自回歸預測數值表現最好，這是由于自回歸模型本身約束條件較少，不涉及其他變量，而多元線性回歸模型要考慮多個自變量，向量自回歸模型需兼顧多元和矩陣約束。預測結果縱向比較表明，各模型預測值小于實際值，主要由于近幾年遼寧省漁業經濟發展迅速導致；各預測結果誤差除自回歸效果較好以外，其余模型預測誤差較大，主要由于對數值進行對數轉換還原預測，且轉化數值較大，而各模型漁業經濟對數總產值預測誤差均在1%以內。

圖5 2014—2020年遼寧省漁業經濟集成預測總產值

表3 各模型漁業經濟總產值預測值及誤差率

由于單個模型的預測誤差仍然相對偏大，預測誤差的波動較大，無法滿足遼寧漁業經濟相關決策對預測結果精準的要求，需要發展更為準確的預測模型，因此進行遼寧漁業經濟的綜合集成預測。根據前文所述的權重計算方法，表2已經列出各模型預測權重，根據四種預測模型分別計算出2014—2020年的遼寧漁業經濟生產總值，計算結果如表4所示。2014年，遼寧漁業經濟生產總值1 562億元，而綜合預測結果為1 543億元，預測結果良好，表明預測結果具有一定的可靠性。

依照綜合預測2014—2020年數值，作出圖5，表明2014—2020年遼寧省漁業經濟總產值呈現持續增長態勢，但增長趨勢相對緩慢。

表4 各模型2014—2020年漁業經濟總產值預測值（萬元）

五、結論

遼寧省漁業經濟正處于改革攻堅的過渡期，準確把握漁業經濟發展趨勢對漁民、企業和政府都顯得至關重要。本文通過運用多重計量方法實證分析，并進行綜合集成預測，總結遼寧漁業經濟未來發展趨勢。預測結果表明：第一，漁業經濟與漁民人均收入呈同步增長態勢，發展漁業經濟有利于漁民增收，提高漁民生活水平；第二，由于模型自身限制條件，各種模型預測結果優良不一，AR模型預測結果較好，多元線性回歸模型預測誤差較大，VAR預測表現較差，建立在三種計量模型之上的集成預測精度較高，擬合值與實際值較為接近；第三，漁船的增加和漁民數量的增長能夠促進漁業經濟的增長，漁業經濟的增長則刺激漁民數量的增加和養殖面積的擴大，漁業經濟的良好發展解決了漁民就業問題，有利于維護社會安定；第四，遼寧漁業經濟在未來一段時間內，將呈現持續增長趨勢。

遼寧漁業經濟未來發展趨勢表明政府仍要重視漁業經濟的發展，合理配置漁業資源，真正實現漁業經濟的穩步增長，進而實現漁民增收，為促進GDP做出貢獻。漁業經濟的健康發展需要政府、企業和漁民的相互配合。遼寧省政府應當認清漁業經濟發展趨勢，把控漁業發展宏觀方向，穩定和完善漁業基本制度；企業要配合政府宏觀政策，增大技術要素投入，發展低碳漁業，實現科技興漁，共同推進現代漁業建設；漁民要響應政府轉產轉業的政策，科學捕撈，實現海洋經濟系統的生態性[17]。

研究存在一定的不足，本文只是單純基于遼寧省漁業經濟進行集成預測分析，以期描繪遼寧漁業經濟未來發展趨勢，若對漁業產業結構進行更深入的探討，則可分析遼寧漁業存在的問題進行分析，實現遼寧漁業經濟健康合理的發展。

[1]劉峻峰，孫康，柴瑞瑞，等，2016.基于VECM和DEA的遼寧省漁業經濟可持續發展動態評價[J].生產力研究（3）：95-99.

[2]高強，丁慧媛，蓋發賓.現代漁業綜合發展水平評價指標體系研究——基于多種權重計算方法[J].中國漁業經濟，2012，30（1）：38-45.

[3]劉慧媛，陳孟婕，徐碩.基于灰色關聯度分析的我國漁業經濟產值影響因素評價[J].漁業信息與戰略，2014，29（3）：192-198.

[4]R Doshi，U Diwekar，PT Benavides et al.Maximizing sustainability of ecosystem model through socio-economic policies derived from

multivariable optimal controltheory[J].Clean Technologies&Environmental Policy，2015，17（17）：1573-1583.

[5]張耀光，劉鍇，劉桂春.海洋漁業產業發展模式研究——以大連獐子島漁業集團為例[J].經濟地理，2009，29（2）：244-248.

[6]權錫鑒，王乃峰.基于不同組織體制的海洋漁業發展模式研究[J].中國漁業經濟，2015，33（2）：4-10.

[7]孫吉亭，趙玉杰.我國碳匯漁業發展模式研究[J].東岳論叢，2011，32（8）：150-155.

[8]Ferdous Ahamed，Bernerd Fulanda，Muhammad Abu Bakar Siddik et al.An overview of freshwater prawn fishery in Bangladesh：present status and future prospect[J].Journal of Coastal Life Medicine，2014，2（7）：580-588.

[9]楊林，楊廣勇.漁業貸款與漁業經濟增長相關性的實證研究[J].中國漁業經濟，2011，29（2）：145-151.

[10]熊德平，孫佳.中國金融發展的漁業經濟增長效應——基于人均GDP和勞動生產率視角的省級面板數據GMM估計[J].農業技術經濟，2014，34（3）：97-107.

[11]T Sigfusson，R Arnason，K Morrissey.The economic importance of the Icelandic fisheries cluster-Understanding the role of fisheries in a small economy[J].Marine Policy，2013，39（3）：154-161.

[12]王健，劉荷，2014.區域物流發展的影響因素研究——基于福建省的實證分析[J].華東經濟管理（3）：22-27.

[13]鄭莉，段冬梅，陸鳳彬，等.我國豬肉消費需求量集成預測——基于ARIMA、VAR和VEC模型的實證[J].系統工程理論與實踐，2013，33（4）：918-925.

[14]劉驍毅，2013.股指期貨對我國股票市場指數結構性變化以及波動性影響的實證研究[J].生產力研究（2）：54-57.

[15]趙自然，2014.QFII持續快速擴容的原因分析——基于VAR模型與Johansen協整檢驗[J].生產力研究（5）：67-71.

[16]史麗媛，2012.保險與經濟增長引致關系研究[J].生產力研究（1）：94-95，109.

[17]徐諒慧，李加林，馬仁鋒，等，2014.浙江省海洋主導產業選擇研究——基于國家海洋經濟示范區建設視角[J].華東經濟管理（3）：12-15.

（責任編輯：C校對：R）

F127.31；F326.4

A

1004-2768（2016）11-0089-05

2016-09-12

管純鳳（1990-），女，遼寧大連人，遼寧師范大學城市與環境學院碩士研究生，研究方向：經濟地理；李永化（1960-），男，遼寧朝陽人，遼寧師范大學城市與環境學院教授，研究方向：自然地理。