水產品市場價格和漁民收入的動態關系
——基于SPVAR模型的實證

周 磊， 馬改艷，徐學榮

(1.福建農林大學經濟學院，福建福州 350002； 2.福建農林大學金山學院，福建福州 350002)

水產品是中國居民肉食性消費食品之一，水產品的有效供給取決于漁民收入[1]。當前中國漁民收入增長緩慢、收入水平低于城鎮居民收入水平已成為中國漁村經濟發展的突出問題。漁民收入主要來源是漁業經營性收入，其中水產品市場價格(以下簡稱水產品價格)是漁民收入的核心影響因素[2-3]。但中國水產品價格在各個地區間存在差異[4-5]。根據中國統計年鑒，2014年中國省份間水產品的最高價格(上海)比最低價格(黑龍江)高9.880%；另外，華北地區的平均水產品市場價格比西北地區的高3.638%，比華南地區的高3.797%，比華東地區的低7.105%。中國水產品市場是較早開放的農產品市場，隨著運輸條件的改善和地方保護主義的弱化，水產品價格是否會通過市場進行傳導？一個地區水產品價格波動是否會引起區域性的波動？這種波動給不同地區漁民收入帶來的影響如何？這些都是須要進一步研究分析的內容，也是亟待解決的現實問題。只有更加細致地了解水產品價格和漁民收入間的關系，才能給出提高漁民收入切實可行的辦法，保證漁民的生產積極性，推動中國漁村的可持續發展。

1 文獻述評

當前對于漁民收入的研究頗多，根據研究目的不同大致可分為2種，一種是對漁民收入的現狀進行探討，主要是圍繞影響因素展開的。如許罕多等利用面板模型對中國沿海各省的漁民收入情況進行了探討，結果發現，中國沿海11個省的漁民收入對水產品價格的變動十分敏感[2]。李嬌通過對中國漁民、城鎮居民收入的比對分析發現，中國漁民收入結構在發生變化，但主要收入來源還是依靠漁業生產經營，漁民對預期水產品價格誤判是導致漁民減收的一個原因[3]。劉泉等將漁民收入分為船東收入和普通漁民收入兩部分進行討論，通過實地調研發現，船東收入水平會直接影響漁民收入水平，而船東收入水平主要受漁船燃油補貼和水產品價格影響，水產品市場價格提升能同時提高船東和普通漁民的收入[6]。趙文武等基于1萬個統計樣本分析了中國漁民人均純收入水平，結果表明，中國不同地區漁民收入存在顯著差異，導致此類差異的主要原因是水產品價格和生產經營方式的不同[7]。另一種研究是著重探討水產品市場和漁民收入間的關系變化，但這類文獻較少。高強等運用協整和向量自回歸模型(vector autoregression model，簡稱VAR模型)分析了漁民收入、水產品價格和水產產量三者間的關系，結果表明水產品市場價格對漁民收入影響顯著，反過來漁民收入水平提高也會拉動水產品價格的提升[8]。程燁等利用聚類法分析了不同地區漁民收入間的差異，但并未詳細討論導致地域間差異的市場因素[9]。

現有文獻對水產品價格和漁民收入的關系研究較為深入，但是研究側重于二者在時間維度上的關系。雖然已有學者指出漁民收入存在地區差異是由水產品價格不同導致的，可是缺少定量的研究進行驗證。另外，在傳統的計量經濟學方法中，通常會忽視空間因素帶來的影響，導致實證結果存在偏誤，而空間計量經濟學的方法能夠很好地捕捉空間效應，避免這種情況的發生。鑒于此，本研究在前人研究的基礎上，挑選和漁民收入緊密關聯的水產品價格為變量，并將其納入空間計量經濟學的框架內加以討論，基于中國26個省(市、自治區，下文簡稱省域)2004—2014年的面板數據，利用空間向量自回歸模型(spatial vector autoregressive model，簡稱SPVAR)及脈沖響應函數(impulse response function，簡稱Impulse)。探尋水產品價格對不同地域漁民收入的空間沖擊效應，最后為統籌地區間漁民收入的均衡增長給出若干政策建議。

2 研究方法與數據選取

2.1 研究方法

2.1.1 空間相關性檢驗 空間計量經濟學利用空間效應來反映不同地區間經濟現象的互相影響，這是空間計量經濟學從傳統計量經濟學獨立出來的重要原因。空間效應分空間相關和空間異質，空間相關性描述的是經濟變量在空間結構上的相關，是空間計量經濟學的基本特征；同時，空間相關的存在打破了傳統計量經濟學中樣本互相獨立的假設，導致回歸出現偏誤，此時須使用空間計量經濟學的方法加以修正[10]。一般來說，空間相關性檢驗可通過全局莫蘭指數(moran’s index，簡稱Moran’s I)來實現，見計算公式(1)[11-12]

(1)

2.1.2 空間向量自回歸模型的構建 許多經濟變量不僅是相互影響的內生變量，同時個體間還存在空間相關，此時須要依靠空間動態計量經濟學模型進行分析[14]。由前述可知，水產品價格和漁民收入間互為因果，具有很強的內生性。如果不考慮內生性問題帶來的影響，任何計量經濟學模型的估計結果都是有偏的。Beenstock等指出，空間向量自回歸模型(SPVAR)能夠更好地處理在空間計量經濟學模型中存在多個內生變量的問題[15]。鑒于此，本研究選取具有固定效應的SPVAR進行實證，同時考慮到研究樣本的年份較少，且省份間經濟變量均存在一定的關聯，因此在模型的滯后階數中均選取時間1階滯后和空間1階滯后[16-17]，則模型見公式(2)

(2)

2.2 數據說明與空間權重設定

2.2.1 數據的來源及處理 魚類是中國乃至世界水產消費占比高的產品種類，而鰱魚、草魚、鯽魚和帶魚是城鎮居民日常消費較多的魚類產品，具備一定的代表性。因此根據EPS數據庫的產量數據，本研究選取這4種居民主要食用魚類的農貿市場價格加權平均值(元/年)來表示水產品的市場價格；用漁民人均純收入(元/年)表示漁民收入。草魚、鰱魚和鯽魚價格權重是通過每年各省草魚、鰱魚和鯽魚產量在全國水產品產量的占比計算的。由于非沿海省份沒有帶魚產量數據，而本研究中帶魚價格是各省的水產品農貿市場價格，所以有的省份無法計算其權重，帶魚價格權重利用每年帶魚產量在全國水產品產量占比表示。數據分別來源于《中國漁業統計年鑒》和《中國農產品價格調查年鑒》，共收集2004—2014年除北京、西藏、青海、云南、湖南、香港、澳門和臺灣以外的中國26個省份的年度數據，剔除北京是因其在2009年漁民人均純收入的調查家庭更換，數據不具有可比性；剔除云南是因其在2014年統計口徑變化，數據不具有可比性；剔除西藏、青海、湖南和臺灣是因為數據缺失嚴重。值得說明的是，在傳統時序數據分析中，眾多學者為了價格數據具有可比性，通常會考慮計算環比數據或定基數據再剔除通貨膨脹，如環比指數可以通過逐年連乘而獲得以某年為基期的定基指數，此時放大了空間效應的影響；或者同時除以某個CPI指數或GDP平減指數，放大地區間經濟關聯的影響，但這個處理方式不適用于空間計量經濟學。因為在計算環比指數或定基指數過程中，每年的空間相關性都會積累或消除，進而影響最終的實證結果，所以本研究選用的是水產品市場價格的當年價。

2.2.2 空間權重的設定 空間權重可以用來刻畫經濟變量間的空間相關性，是空間計量經濟學的核心[18]。根據地理學第一定律，距離相隔越遠的物體間互相的影響越弱，反之影響越強。因此，本研究采用各省份間的地理距離構建空間權重矩陣Wij，計算見公式(3)。

(3)

式中：d表示兩地區地理中心位置之間的距離。采用此空間權重具有如下好處，即地理距離是外生變量，不易受人類社會經濟行為的影響而發生改變，可以極大削弱由空間權重帶來的模型內生性問題；地理距離長期穩定存在，短期來看不會產生滯后性；在構建地理距離空間權重時，省份的位置采用省會城市的經緯度替代。這是因為省會城市一般是一個地區的政治、經濟和地理位置中心，其空間相關性輻射范圍廣且影響力強[19]。本研究的省會城市經緯度坐標源于國標文件GB/T 2260—2007《中國各市縣區行政中心經緯度數據》，空間權重矩陣利用Matlab 2014b軟件中的jplv7工具包計算獲得。

3 實證結果與分析

3.1 檢驗結果

在進行實證前，首先要對數據的平穩性進行檢驗，避免出現偽回歸的情況；然后再對數據進行空間相關性檢驗，若存在空間自相關，則須引入空間影響因素。本研究利用stata 12.0軟件完成面板單位根、協整檢驗和空間相關性檢驗。

3.1.1 面板單位根的檢驗 面板單位根檢驗一般分為“同根檢驗”和“異根檢驗”2種。通常來說，針對“同根”的情況可采用LLC和IPS檢驗，針對“異根”的情況可采用ADF-Fisher和PP-Fisher檢驗，結果見表1。

從表1可看出，在ARPI和FI的原序列中，僅有ARPI通過了LLC檢驗，其余單位根檢驗均未通過顯著性檢驗。但在對原序列進行1階差分后，LLC、IPS、ADF-Fisher和PP-Fisher的檢驗結果均在5%的顯著水平下拒絕原假設，可認為序列經過1階差分后趨于平穩，兩者均為同階單整序列。

表1 ARPI和FI的面板單位根檢驗結果

注：*、**、*** 分別表示在10%、5%、1%水平下顯著，下同。Δ表示1階差分。

3.1.2 面板協整的檢驗 同階單整序列可進行協整檢驗，進而避免偽回歸的情況。現采用Pedroni、Kao和Johansen協整檢驗辦法檢驗APRI和FI間的協整關系。Pedroni檢驗中Panel-ADF和Group-ADF更加適合短期時間數據的檢驗，其統計量會更加精準[19]。考慮到本研究研究樣本時序較短，故采用Panel-ADF和Group-ADF的檢驗結果(表2)。

表2 ARPI和FI的面板協整檢驗結果

從表2中可看出，Pedroni檢驗的Panel-ADF、Group-ADF和Kao檢驗的Kao統計量均在1%的水平下顯著；Johansen檢驗證明2個變量間至少存在1組協整關系。所以ARPI和FI這2個變量間存在長期、穩定的協整關系，可以滿足建立向量自回歸模型的要求。但是以上分析中的空間相關性是否存在，則須進一步進行全局Moran’s I檢驗。

3.1.3 空間相關性檢驗 利用公式(1)計算2004—2014年ARPI和FI的全局Moran’s I指數(圖1和表3)。

由表3可知，2004—2014年ARPI和FI的全局Moran’s I均在5%的水平下顯著，說明中國水產品價格和漁民收入均有顯著的空間相關性。由圖1可知，2004—2014年間中國水產品價格的空間相關程度呈現出波動上升的趨勢，但整體波動幅度不大，2012年空間相關性達到峰值(Moran’s I=0.406)，2014年(Moran’s I=0.372)回落并接近2004年的水平(Moran’s I=0.321)。漁民收入的空間相關程度要弱于水產品的價格，在圖1中表現為FI的Moran’s I曲線始終位于ARPI的Moran’s I曲線下方變動。另外通過比對發現，ARPI和FI的空間相關性變動趨勢類似，說明兩者具有一定的聯系。從側面反映出水產品價格和漁民收入間存在聯動關系，這和前人的研究結論[4-5]相吻合。

表3 ARPI和FI的全局Moran’s I檢驗結果

值得說明的是，水產品價格和漁民收入均有空間相關性并不能代表在不同地區水產品價格和漁民收入的觀測值就會相近。因為空間相關性只是說明是同屬性單元集聚或異屬性單元集聚，但單元間還是存在實際差異。如地區間水產品價格存在空間相關性，只能說明水產品市場趨于整合，即價格的波動能夠傳導，但不能證明各地區間水產品價格是趨同的。空間相關性存在會導致空間溢出效應，而這部分空間溢出效應正是本研究所需要刻畫的，即尋找某地區水產品價格波動對周邊省份的漁民收入的影響。這部分影響須利用SPVAR模型和時空脈沖響應函數進行實證。

3.2 SPVAR模型參數的估計

模型估計采用郭國強的辦法，選取時間滯后項和空間滯后項作為工具變量進入模型，然后利用差分廣義矩估計(generalized method of moments，簡稱GMM)估計出模型的參數[16]，結果見公式(4)和表4。

(4)

表4 SPVAR模型的參數估計結果

注：括號內的數值為t值，ARPI′(-1)、FI′(-1)表示時空滯后1階的項。

從表4中可看出SPVAR模型的參數較多不顯著，但相較于VAR模型的具體形式，更多學者關注的是在此基礎上建立的脈沖響應函數，探討模型中各內生變量間存在的動態關系[20]。以下將對SPVAR模型的時空脈沖響應函數進行實證分析。

傳統的脈沖響應函數是觀測隨機擾動項的一個新息沖擊給內生變量造成的當期及未來的影響。和傳統的脈沖響應函數不同，時空脈沖響應函數是在時間維度上觀測一個地區的內生變量沖擊對自身及其他地區的內生變量造成的當期和未來的影響[16-17]。本研究共模擬26個省份的空間脈沖響應函數，有2個內生變量作為沖擊源，將產生676個脈沖響應函數。考慮到篇幅有限，將選取經濟發達的地區作為沖擊源[20]。選取原因：首先，經濟發達地區的運輸體系完善，市場開放程度高，人口密度大，對周邊地區的空間影響力很強；其次，經濟發達的地區一般是中心城市，位于口岸地帶或交通樞紐，對市場或政策的信息能夠作出敏銳的反應；最后，經濟發達的地區通常是政府實施新政策的重點地區，而本研究的最終目的是給出穩定漁民增收的政策建議，因此利用時空脈沖響應函數能夠較為直觀地模擬沖擊效果給本地區及周邊城市帶來的影響[20]。本研究將26個省域分別作為沖擊源進行脈沖響應函數模擬，結果發現總體的沖擊效果類似，故選取具有代表性的、包含省份較多的、政府高度重視的珠江三角洲經濟圈為解釋對象。泛珠江三角洲包括廣東、福建、江西、廣西、海南、湖南、四川、云南、貴州、香港和澳門11個地區，即著名的“9+2”經濟區概念。廣東省不僅是中國經濟發達的口岸地區，還是“9+2”規劃的倡導者和引導者，也是中國漁業重鎮，故選取廣東省為沖擊源。而由于2005—2014年間，廣東省水產產量始終處于中國第2名的水平，所以選取三位一體的廣東省作為沖擊源具有很強的現實意義(圖2)。

3.2.1 廣東省水產品價格對泛珠江三角洲其他地區水產品價格和漁民收入的沖擊影響 由圖2-a可知，當廣東省水產品價格提升后，泛珠江三角洲其他地區的漁民收入在滯后1期就作出反應，一直持續到滯后7期，在滯后8期時收斂于0，說明某地區水產品價格是影響漁民增收的關鍵要素[2-6]。但從長期來看，水產品價格波動對漁民收入的作用不明顯。這是因為水產品價格上升會拉動物價上漲，從而導致通貨膨脹，降低漁民的實際收入。從地區來看，除四川的脈沖響應外在滯后3期達到峰值外，其他省域均在滯后2期達到峰值，其中海南省的函數波動幅度最大(0.033 6%)，廣西次之(0.020 9%)，隨后是福建(0.010 3%)、江西(0.004 9%)。可見各省域函數波動幅度和區位有關，價格沖擊效果隨著地理距離的增加而衰退，符合地理學第一定律。但有例外，海南和廣東的距離大于廣西和廣東的距離，但海南受到的沖擊影響更強。這是因為除了地理距離外，省內貿易量、運輸成本和區域經濟發展水平也會阻礙水產品價格的傳導[21]。和廣西相比，海南不僅是旅游特區，經濟也十分發達，和經濟強省廣東間的聯系會更加緊密，符合新經濟地理學中的萬有引力定律。再看圖2-b，廣東省水產品價格上漲后，泛珠江三角洲其他地區會作出敏銳的反應，這和表3的檢驗結果相同，說明省域間水產品價格存在空間溢出效應，水產品價格傳導機制良好。但是沖擊帶來的影響只持續了5期，滯后3期快速衰弱，在滯后6期沖擊效果全部收斂于0。這說明中國水產品市場擁有良好的自我調控機制，能夠在長期內弱化外部市場的沖擊作用。從地區來看，5個省域的函數曲線均在滯后2期時達到峰值，峰值大小排序與圖2-a的相同，海南受到的沖擊影響最大(0.313 1%)，四川受到的影響最小(0.023 0%)。

3.2.2 廣東省漁民收入對泛珠江三角洲其他地區水產品價格和漁民收入的影響 從圖2-c可知，廣東省漁民收入增加，泛珠江三角洲其他地區水產品價格受沖擊的效果增強，整體趨勢和圖2-b的類似，但各省函數曲線的波峰、波谷及滯后期存在區別。把圖2-b與2-c比對后發現，水產品價格對漁民收入變化的反應遲緩。如四川省水產品價格受到沖擊后，在滯后4期才達到波峰(0.032 77%)，隨后快速在滯后6期收斂于0。這說明漁民收入提高對水產品價格的影響是滯后的，而且滯后期長短和地理距離遠近存在正相關的關系。由圖2-d可知，當廣東省漁民收入增加時，除四川外的泛珠江三角洲其他地區漁民收入函數曲線在滯后2期達到波峰，其中最高的是海南(1.020 3%)，最低的是江西(0.149 0%)，而滯后3期海南、廣西、福建、江西的脈沖值為負并達到波谷，四川則達到峰值(0.077 8%)。隨后滯后4期海南、廣西、福建、江西漁民收入為正，最后在滯后4期時5個省域函數曲線收斂于0。由此可見，某地區漁民收入的提高會給其他地區漁民收入帶來負向的空間溢出效應，而且具有一定的時滯性。這可以用擴散效應和回波效應聯合進行解釋[22]。由擴散效應可知，短期內某地區漁民收入提高，拉高了周邊地區水產品市場價格(圖2-c)，進而拉高了周邊地區的漁民收入水平(圖2-a)。但值得注意的是，在圖2-b和2-c中，水產品價格受到的影響僅持續4期，在滯后3期開始衰退，而圖2-d漁民減收恰好出現在滯后3期，這是因為一個地區漁民收入提高會帶來回波效應。某區域漁民收入提高，能夠用于生產的投入資金更加寬裕，能夠承擔的生產服務費用更高，抵抗風險的能力更強[23]。所以周邊地區的漁業生產資本(如科技推廣人員、水產加工企業)都會被吸引，產生了資源的掠奪效果，提高了本地區水產品的競爭力和周邊地區漁民的生產成本，減少了本地區漁民的交易成本和周邊地區漁民的盈利空間。另外，漁業生產所依賴的水域具有很強的外部性特征，擴大本地區的漁業生產規模無疑會過多占用周邊地區的漁業生產資源，這就表現在圖2-d中四川受廣東省漁民收入變化的影響不大。而當漁民減收后，該地區的吸引力下降，生產要素向其他地區流動，漁民收入的逐漸穩定。

漁民收入和水產品價格在空間維度上有很強的聯動性，短期內水產品價格提升能夠拉動省域間漁民的收入水平。此特征和陸地農產品價格同農民收入間的關系有所不同，當前較多學者指出陸地農產品價格上漲給農民收入帶來的是弱增長，農民增收困難大的一部分原因是因為市場利潤被中間商壓榨，難以流到農民手中[24]。然而水產品與之不同，從圖 2-a 可看出水產品市場價格上升能夠給漁民增收帶來顯著的影響。一般來說，生產者為追求利益最大化，會將商品以消費者能接受的最高價格賣出。在重視飲食健康的今天，居民對水產品特別是優質鮮活水產品的需求大，這使生產者更傾向于將鮮活水產品直接在農貿市場、超市等地出售[25]。然而水產品屬于難保鮮、難運輸、難倉儲的“三難”產品，生產者須通過減少中間環節來節省時間和運輸成本，從而獲取最大利潤。一方面由于水產品的經濟價值高，銷量好，漁民和水產品市場的中間環節少，被中間商壓榨的利潤有限，所以水產品價格上漲同漁民增收的聯系更加緊密[26]。另一方面，廣東水產品市場價格上漲帶來的空間溢出效應隨著地理距離的拉長而衰減。這是因為水產品不易運輸，隨著運輸距離的拉長，運輸過程中的損失拉高了交易成本。生產者為獲利會將成本轉嫁給消費者，提高水產品的到岸價。如果到岸價過高，則較難進入當地的水產品市場，進而無法對當地水產品市場價格造成沖擊影響[26]，圖2-b中表現為廣東的水產品價格上漲對四川的空間溢出效應最弱。長期來看，水產品價格不能帶動漁民增收。這是因為各省水產品市場存在自我調節機制，當地政府也會采取一定的保護政策[27]，從而保證水產品價格波動不會過于劇烈。在圖2中表現為漁民收入在滯后13期收斂為0。

4 結論與政策建議

本研究基于2004—2014年中國26個省份的水產品市場價格和漁民人均純收入的面板數據，利用全局Moran’s I指數考察了中國水產品價格和漁民收入二者的空間相關性，再通過構建SPVAR模型進行實證。結果表明，中國水產品價格和漁民收入均存在空間效應。中國水產品價格在地區間能夠互相影響，漁民收入呈現出空間集聚的特征。水產品價格上漲會給漁民收入帶來區域性的拉動效果，而某地區漁民收入提高對周邊地區會造成擴散效應和回波效應，但總體來看擴散效應會大于回波效應，水產品價格依然是影響漁民收入的核心因素。水產品價格上漲在短期內可帶動漁民增收。短期內當一個地區水產品價格上漲，該地區漁民收入會顯著上漲，但是這種拉動作用會隨著時間推移衰減，從長遠角度看水產品價格上漲不是漁民增收的根本途徑。

鑒于上述結果，本研究認為提高漁民收入可從以下2個方面入手：其一，發揮水產市場機制，穩定水產品市場價格。若全國大范圍提升水產品價格，易導致通貨膨脹，漁民不僅不增收，反而減收。可考慮選取政策實施成本低、輻射效應強的行政區域來提升水產品價格，發揮水產市場整合程度高的優勢，利用價格傳導機制帶動區域漁民增收。其二，推動漁業可持續發展，合理分配漁業生產資源。注重漁業生產資源在區域間的分配，即一方面要提倡生態漁業經營模式，特別是減少對跨地區漁業生產水域的污染，加強監管工作；另一方面政府要統籌兼顧，在漁業生產布局過程中要注重生產資源分配均衡，避免回波效應帶來的負面影響。

參考文獻：

[1]韓立民，李大海，王 波. “藍色基本農田”：糧食安全保障與制度構想[J]. 中國農村經濟，2015(10)：34-41.

[2]許罕多，吳飛飛. 中國漁民收入影響因素分析——基于中國沿海各省市1998—2007面板數據的實證研究[J]. 中國海洋大學學報(社會科學版)，2011(2)：19-23.

[3]李 嬌. 我國漁民增收滯后的原因及對策探討[J]. 中國漁業經濟，2011，29(2)：29-37.

[4]王威巍，梁鴿峰，孫 琛. 中國水產品市場價格波動特征研究[J]. 中國漁業經濟，2015，33(6)：56-63.

[5]張靜宜，劉景景，沈 辰. 2015年中國水產品市場分析與展望[J]. 農業展望，2016(2)：13-18.

[6]劉 泉，韓興勇. 奚家港漁業村漁民收入狀況調查分析[J]. 中國農學通報，2013，29(23)：32-38.

[7]趙文武，姜啟軍，徐 忠. 我國漁民家庭收支情況分析[J]. 上海海洋大學學報，2013，22(3)：475-480.

[8]高 強，王海雨，張亞敏. 水產品價格、漁民收入與水產品產量增加的實證研究——基于協整和VAR模型的實證分析[J]. 中共青島市委黨校青島行政學院學報，2012(3)：13-17.

[9]程 燁，姜啟軍，趙文武. 基于漁民收入結構的地區差異性研究[J]. 中國漁業經濟，2016，34(2)：37-42.

[10]胡 健，焦 兵. 空間計量經濟學理論體系的解析及其展望[J]. 統計與信息論壇，2012，27(1)：3-8.

[11]葉阿忠，吳繼貴，陳生明，等. 空間計量經濟學[M]. 廈門：廈門出版社，2015：77-78.

[12]Anselin L.Thirty years of spatial econometrics[J]. Paper in Regional Science，2010，89(1)：3-25.

[13]林光平，龍志和. 空間經濟計量：理論與實證[M]. 北京：科學出版，2014：116-117.

[14]Elhorst J P. Spatial panel data models in spatial econometrics[M]. Heidelberg：Springer，2014：37-88.

[15]Beenstock M，Felsenstein D. Spatial vector autoregressions[J]. Spatial Economic Analysis，2007，2(2)：167-196.

[16]郭國強. 空間計量模型的理論和應用研究[D]. 武漢：華中科技大學，2013：50-55

[17]Márquez M A，Ramajo J，Hewings G J D. Regional growth and spatial spillovers：evidence from an SPVAR for the Spanish regions[J]. Papers in Regional Science，2015，94(S1)：S1-S18.

[18]張可云，楊孟禹. 國外空間計量經濟學研究回顧、進展與述評[J]. 產經評論，2016(1)：5-21.

[19]陶長琪，彭永樟，琚澤霞. 經濟增長、產業結構與碳排放關系的實證分析——基于PVAR模型[J]. 經濟經緯，2015(4)：126-131.

[20]吳繼貴. 技術進步和經濟增長對二氧化碳排放的空間影響研究[D]. 福州：福州大學，2016：20-23

[21]高 群，宋長鳴. 地理距離變量抽離前后中國糖料作物市場整合研究[J]. 統計與信息論壇，2015，30(2)：67-72.

[22]FAO. The state of world fisheries and aquaculture：opportunities and challenges[R]. Rome：FAO，2014.

[23]韓紀江，郭熙保. 擴散-回波效應的研究脈絡及其新進展[J]. 經濟學動態，2014(2)：117-125.

[24]張彬斌. 新時期政策扶貧：目標選擇和農民增收[J]. 經濟學(季刊)，2013，12(3)：959-982.

[25]同春芬，黃 藝，張曦兮. 中國漁民收入結構的影響因素分析[J]. 中國人口科學，2013(4)：73-81.

[26]馬曉春，宋莉莉. 我國鮮活農產品滯銷頻發的原因及對策 研究- 以蔬萊，牛奶滯銷為例[J]. 當代經濟管理，2015，37(9)：59-62.

[27]陳宇峰，葉志鵬. 區域行政壁壘、基礎設施與農產品流通市場分割——基于相對價格法的分析[J]. 國際貿易問題，2014(6)：99-111.