我國海水養殖產量的波動特征及影響因素分析

陳 琦

（寧波大學 商學院，浙江寧波 315000）

1 研究方法與數據來源

0 引言

在當前漁業轉型發展的關鍵時期，確保海水養殖生產穩定的意義重大。必須準確把握海水養殖產量的波動規律特征，以此為理論指導制定穩定生產的制度安排和政策措施，進而保障我國海水養殖業的健康發展。

有關我國海水養殖生產波動的相關研究尚不多見，其中具有代表性的有：周井娟等（2008）[1]借助Logistic曲線回歸對我國海水養殖產量的波動特點和影響因素進行了定量分析，結果發現不同時期下產量波動幅度較大，近些年增長速度有放緩的趨勢，影響因素分析表明水產品價格和技術進步對產量波動影響顯著；孫兆明（2012）[2]通過構建海水養殖超越對數生產函數模型，對生產投入要素的產出彈性和替代彈性進行實證分析，結果表明當前我國海水養殖生產效率較低，產量的增加依然依賴于養殖面積的擴大；盧昆等（2016）[3]認為雖然我國海水養殖的規模呈現不斷擴大的趨勢，但養殖空間、海域開發程度、海域水質狀況等均不容樂觀，實際的養殖產出水平較低。總體而言，目前國內對該領域的研究較為零散，多借助時間序列模型對產量波動進行簡單的長期趨勢擬合分析，缺乏對短期波動特征和長期波動周期的識別，同時針對產量波動影響因素的識別研究則因應用方法的不同而存在較大差異。鑒于此，本文嘗試應用H-P濾波分析法探究我國海水養殖產量的長期趨勢和短周期波動特征，歸納產量波動的客觀規律，同時借助逐步回歸分析、狀態空間模型對影響海水養殖產量波動的相關因素作具體識別，以期為海水養殖業的生產穩定提供理論支持和政策依據。

1.1 H-P濾波分析法

H-P濾波分析法的基本原理是將時間序列看作是不同頻率的成分的疊加，通過分離出頻率較高的成分，去掉頻率較低的成分，從而去除長期趨勢項，實現對短期周期波動項的度量[4]。目前，該方法已被廣泛應用于宏觀經濟趨勢[5,6]、產量波動[7,8]和價格波動[9,10]等研究領域，但尚未有應用到海水養殖生產領域的研究。H-P濾波分析方法假定時間序列Yt是由長期趨勢性成分和短期波動性成分組成，對于時間序列Yt，H-P濾波就是選擇一個時間估計序列Xt最小化實際值和樣本點的趨勢值，即：

式中Yt為經對數處理后的序列值；Xt是Yt的趨勢成分；λ為對趨勢成分Xt波動的折算因子。令：

其中，Ct為周期成分，假設Ct與△2Xt都是獨立同分布，且相互獨立，則當λ=var(Ct)/var(△2Xt)時，H-P濾波達到最佳效果。綜上，趨勢成分Xt和周期成分Ct分別為：

通常，當使用年度數據時，λ=100；當使用季度數據時，λ=1600；當使用月度數據時，λ=14400。由于本文的研究對象是海水養殖產量的年度數據，因此λ為100。

1.2 逐步回歸分析法

影響海水養殖產量波動的因素復雜多樣，本文通過建立多元回歸模型，結合逐步回歸分析法，識別其中的主要因素。從生產函數角度考慮，影響海水養殖產量波動的因素主要為生產要素的投入情況，具體可分為養殖面積投入、固定資本投入和勞動力投入三個主要類別。除生產要素投入外，市場因素（可用水產品價格表示）和自然風險因素（可用海水養殖受災面積表示）同樣是需要考慮的重要影響因素。基于此，選取海水養殖面積（X1）、專業勞動力（X2）、固定資本投入（X3）、水產品生產價格指數（X4）和養殖受災面積（X5）五個影響因素作為分析對象。在對數處理的基礎上，建立包含5個自變量的多元線性回歸方程：

其中，a0為常數項；bj為變量Xi的系數；ut為誤差。

通過最小二乘回歸分析，檢驗模型總體回歸效果。為消除多重共享性對統計檢驗的影響，應用逐步回歸分析法，依據可決系數R2和T檢驗結果，從5個因素中識別出影響產量波動的主要因素。借助變量平穩性檢驗和協整檢驗進一步判斷影響因素與產量之間的長期均衡關系。

1.3 狀態空間模型

在一般的回歸模型中，各變量的參數是固定的，用以反映變量之間穩定的影響關系。但實際上，在一個經濟系統中，一些經濟變量的狀態是不可觀測的，傳統的固定參數回歸模型難以表現變量之間的動態影響關系。狀態空間模型建立了可觀測變量和系統內部狀態之間的關系，通過估計各種不同的狀態向量來對系統加以分析、觀測，識別其中的動態影響關系。狀態空間模型包括“量測方程”和“狀態方程”兩個部分，表示如下：

其中，量測方程式（6）反映了影響觀測變量與海水養殖產量波動的關系；SV1、SV2是狀態變量，反映了各個時點上海水養殖產量對各變量的彈性值，可利用Kalman濾波算法計算得到其估計值；ut、ε1t和ε2t為誤差項，服從均值為0、方差為常數的正態分布。

1.4 數據來源

我國歷年海水養殖產量數據主要來自《我國漁業統計40年（1949—1988）》以及《中國漁業統計年鑒》。影響因素海水養殖面積、專業勞動力、固定資本投入①由于在《中國漁業統計年鑒》中僅有漁業固定資產總投入的數據，因此參考孫兆明（2012）[2]在構建海水養殖生產函數中的處理方式，按照捕撈與養殖的產出比來估算海水養殖業的固定資產投入值。和養殖受災面積歷史數據取自《中國漁業統計年鑒》，水產品生產價格指數取自《中國統計年鑒》。

2 實證分析

2.1 總產量波動特征分析

在對原始序列進行對數處理的基礎上，借助H-P濾波法，分離出1954—2016年間我國海水養殖總產量的長期演變趨勢和短期波動特征。圖1給出了我國海水養殖產量的H-P濾波示意圖，包含了產量的實際波動曲線、長期趨勢曲線和短期波動曲線。

圖1 我國海水養殖總產量的H-P濾波示意圖

由圖1的長期趨勢曲線可知，在1954—1965年期間長期趨勢曲線呈現出水平發展趨勢，自1966年進入快速上漲階段，并持續到2000年，隨后在2001—2016年增長速度再次放緩，呈現出平滑、緩慢的上升趨勢。由此可知，從長期發展趨勢來看，我國海水養殖產量依次經歷了“水平發展——快速上漲——緩慢上漲”三個歷史階段。

由圖1的短期波動曲線可知，我國海水養殖產量在1954—1965年期間波動頻繁，隨后產量波動趨于穩定，特別是進入2000年以后，產量波動率基本維持在10%以內。按照“波峰－波峰”的周期劃分方法，可得到海水養殖產量波動周期特征。（1）周期長度。1954—2016年，我國海水養殖產量波動經歷了11個完整周期。其中，1997—2005年和2006—2014年兩個周期的長度最大，達到9年。由此可見，我國海水養殖產量的周期長度實現了由短周期波動向長周期波動的轉變。（2）波動高度。波動高度即波峰，反映了序列值在每個周期內的最大擴張強度。我國海水養殖產量波動高度平均值為12.29%，其中第1、2、5、9輪周期的波動高度超過了20%，這些周期基本貫穿了1954年至今的整個時期，說明長期來看我國海水養殖產量具備良好的持續擴張能力。（3）波動深度。波動深度即波谷，它反映了序列值在每個周期內的最大收縮力度。海水養殖產量的平均波動深度為-11.94%，除第1、3周期的波動深度達到-30%以外，其余周期波動深度均為-10%左右，說明我國海水養殖產量除個別年份表現出強收縮狀態外，總體的收縮力度和收縮空間均較小。（4）波動幅度。波動周期反映了序列值的穩定性。我國海水養殖產量平均波幅達到24.23%，說明總體上生產的穩定性較差。但最近一輪周期波動幅度僅為0.41%，可見自1997年以來我國海水養殖生產進入穩步發展階段，產量以平穩速度穩固增長。綜上，我國海水養殖產量的波動總體上經歷了波動周期長度由短到長、波動幅度由大到小的過渡。

2.2 各品種產量波動特征分析

2.2.1 魚類產量的波動特征

由圖2中的長期趨勢曲線可知，我國海水養殖生產中魚類產量總體呈現出持續增長的趨勢，其中，2002年以后的長期趨勢曲線走勢較先前更為平緩。從短期波動曲線來看，魚類產量在1983—2016年期間共完成了7個完整的波動周期，其中第1輪波動周期的周期長度達到11年，其余周期多為5年以下的短周期。從各周期的波動高度可以看出，各周期波動高度大致呈現遞減趨勢，說明魚類產量的擴張能力在逐步減弱。對比各周期的波幅可知，除第1輪周期中波幅明顯較大外，其余周期波幅基本維持在10%以內，說明我國魚類海水養殖生產在經歷了1987—1997年的波動增長后，目前已經進入了生產穩定階段。

圖2 魚類產量H-P濾波示意圖

2.2.2 甲殼類產量的波動特征

甲殼類產量的長期趨勢曲線總體呈現出緩慢的平穩增長趨勢（見圖3）。依據甲殼類產量的短期波動曲線，產量在1983—2016年期間共經歷了5輪完整周期，平均周期長度為4.6年，其中第2輪周期的周期長度最大。甲殼類產量各周期的波動高度呈現出顯著的逐步下降趨勢，到最近的第4輪周期波動高度降為負值，說明甲殼類養殖的增產能力在逐步減弱。從波幅來看，甲殼類產量的前兩輪周期波幅較大，其中第2輪周期甚至達到81.38%，主要是由于該周期產量在1992—1994年期間出現較大幅度的下降，導致波動深度達到-62.35%。到最近兩個波動周期，波幅則分別下降至2.04%和1.86%，生產逐步趨于穩定。

圖3 甲殼類產量H-P濾波示意圖

2.2.3 貝類產量的波動特征

由圖4可知，貝類產量的長期趨勢曲線表現出一定的階段性特征：在1983—2001年期間呈現出持續上漲的態勢，2001年以后增長趨勢明顯放緩，總體上表現為水平發展的趨勢。從短期波動曲線來看，貝類產量在1983—2016年期間共完成3輪完整周期。對比各周期的波動高度、波動深度和波幅等特征值可知，產量在第1、2輪周期中產量波動較大，生產穩定性較差，但波動高度同樣較大，說明產量擴張能力較強。進入第3輪周期后，波動高度、波動深度和波幅均大幅減小，產量趨于平穩發展。

圖4 貝類產業H-P濾波示意圖

2.2.4 藻類產量的波動特征

我國海水養殖生產中藻類產量的長期趨勢曲線總體上呈現出緩慢增長的態勢（見圖5）。從短期波動曲線來看，藻類產量從1983—2016年期間共完成6輪波動周期。對比各周期的波動高度、波動深度和波幅可知，與魚類、甲殼類和貝類產量相似，藻類產量的各波動特征值同樣呈現出逐步遞減的趨勢，生產完成了從大幅度波動到產量平穩增長的轉變。但橫向對比其他養殖品種來看，藻類產量在最近兩個周期波動高度依然超過了5%，因此，但就近十多年而言，藻類產量的擴張能力要優于其他三類品種。

圖5 藻類產量H-P濾波示意圖

綜上，以上四類海水養殖品種產量均經歷了從波動劇烈到生產穩定的發展過程，其中甲殼類、貝類和藻類產量與海水養殖總產量相似，都大致在2007年左右進入新一輪的長周期波動階段。從波幅來看，各養殖品種的平均波幅均超過了10%，總體上生產波動較為劇烈，比較而言魚類的生產穩定性要明顯優于其他品種。對比各品種歷史周期的平均波動高度可知，甲殼類產量的平均波動高度高于其他品種，產量的歷史擴張能力最大。但從短期波動曲線近5年來的末端發展趨勢來看，貝類的短期波動曲線保持了向上發展的趨勢，因此其近些年的增產能力相對更大。造成這種現象的原因可能是近年來魚粉進口價格持續攀升，大幅提高了需要喂養飼料的魚類、甲殼類等相關養殖品種的生產成本，嚴重制約了這些品種的生產擴大，而貝類則因無需喂養飼料，成為近年來養殖戶和企業擴大生產的主要選擇。

2.3 產量波動影響因素分析

2.3.1 主要影響因素的識別

考慮到數據可得性，本文選取1989—2016年5個影響因素的歷史數據，在對數處理的基礎上，依據公式（5）建立多元線性回歸方程。借助最小二乘回歸分析發現除變量X2的系數檢驗顯著外，其余變量均不顯著，說明模型存在多重共線性問題。為消除多重共線性對統計檢驗的影響，應用逐步回歸分析法進一步識別影響海水養殖產量的主要因素。結果表明，5個影響因素中，海水養殖面積（X1）和專業勞動力（X2）兩個因素表現顯著，是影響產量波動的主要因素。采用ADF檢驗方法對序列的平穩性進行檢驗，檢驗結果表明，在5%顯著水平下變量LnY、LnX1、LnX2均是不平穩序列，但這3個變量的一階差分序列在1%的顯著水平下均是平穩序列。應用Johansen檢驗法，通過構建VAR（p）模型，經差分變換，綜合SC、AIC、LR、FPE、HQ和LogL等判斷準則的檢驗結果，確定VAR模型的最優滯后階數為2。在此基礎上進行協整檢驗。檢驗結果發現，LnY、LnX1、LnX2序列之間存在明顯的協整關系，表明海水養殖產量、海水養殖面積與專業勞動力投入之間有長期的均衡關系。

借助Eviews軟件，運用Kalman濾波算法得到圖6所示的影響因素彈性時變圖。根據系數估計結果（見表1）可知，所有的狀態空間變量均是顯著的。進一步對狀態空間模型的殘差進行單位根檢驗，結果表明殘差在1%顯著水平下是平穩時間序列，證明模型估計的結果具有可靠性。

圖6 海水養殖面積、專業勞動力與產量的彈性系數

表1 狀態空間模型Kalman濾波估計結果

由于Kalman濾波算法的特殊性，其前面幾次取值的隨機性較大，使得參數值波動幅度很大，通常被視為沒有實際意義。由圖6中的彈性估計值可以看出，從1997年開始，兩個彈性值的波動開始趨于穩定，因此，從1997年以后的模型參數估計結果是有效的，據此對模型估計結果進行詳細分析。

2.3.2 海水養殖面積對產量波動的影響

由圖6可知，海水養殖面積對產量波動的彈性系數在1997—2016年期間總體上表現出波動下降的趨勢，在此期間海水養殖面積每增加1%，能夠帶動產量增長約0.64%～0.96%。具體來看，彈性系數在1997—2003年期間出現短暫的緩慢上漲趨勢，由1997年的0.78逐步上漲到2003年的0.96。而自2003年以后，彈性系數進入一個長期的下降階段，到2016年已經降至0.61，說明產量對海水養殖面積波動的敏感程度在逐步降低，即養殖面積的增長對產量的拉動作用逐步減弱。究其原因，主要有以下三個方面：一是受自然和技術等因素的客觀約束，近年來我國海水養殖只能選擇向養殖條件次優或較差的海域發展。可養殖海域的空間范圍是客觀有限的，再加上近些年沿海城市建設、港口建設等開發活動對養殖空間的大幅擠壓，導致我國近岸海水養殖空間被不斷壓縮。二是海水養殖品種結構的變動客觀上導致了養殖面積生產彈性系數的下降。比較2003年和2016年我國海水養殖各品種的養殖面積和單產情況可以發現，貝類和藻類的養殖面積比重在增加，魚類和甲殼類的養殖面積比重則在減小，而各養殖品種的單產情況則與養殖面積比重呈相反的變化。由于2003—2016年期間我國所增加的養殖面積更多的用于生產單產不斷下降的品種，最終造成養殖面積對產量的拉動作用減弱。三是近年來我國近海污染不斷加劇，嚴重影響海水養殖品種的存活率，造成單位海水養殖面積下的低效生產。

2.3.3 專業勞動力對產量波動的影響

由圖6可知，與海水養殖面積因素相反，專業勞動力投入對產量波動的彈性系數在1997—2016年期間總體上表現為波動上升的趨勢，總體而言專業勞動力每增加1%，能夠帶動海水養殖產量增長0.45%～0.80%。具體來看，在1997—2003年期間，彈性系數呈現出短暫的緩慢下降趨勢，由0.62緩慢下降到0.45，此后進入長期的波動上漲階段，并于2016年上漲至0.80。彈性系數的波動上漲表明專業勞動力投入對產量波動的影響作用不斷加大。究其原因，一方面是隨著我國“以養為主”的漁業發展方針的確立和漁民轉產轉業政策的不斷推廣，海水養殖漁戶在優質種苗獲得、養殖設施改善和養殖技術普及等多個層面得到了更加強有力的支持，其受教育水平和專業技術能力得以不斷提高，進而推動了養殖漁戶生產效率的提升。另一方面，近年來我國海水養殖產業化發展進程不斷加快，進一步提高了勞動力投入的規模經濟效益。1997年國務院轉批農業部《關于進一步加快漁業發展的意見》中提出，在家庭聯產承包責任制基礎上積極推進漁業股份合作制，以加快漁業產業化發展。在該政策背景下，各地區政府通過實施優惠政策，引導地方養殖漁戶在結合本地自然稟賦優勢的基礎上，生產同類水產品以形成大面積的單品種養殖基地，推動了海水養殖業的規模經濟生產，從而使專業勞動力的投入變得更有效率。

綜上，對比1997—2016年海水養殖面積和專業勞動力投入兩個因素的彈性系數值可知，在1997—2011年期間海水養殖面積彈性系數值始終大于專業勞動力的彈性系數值，因此，就長期而言，產量對海水養殖面積變動的敏感度相對更大。但隨著時間的推移，兩個因素的彈性值差距在不斷縮小，并于2012年專業勞動力的彈性值首次超過了養殖面積，成為對產量波動影響最大的因素。

3 結論

H-P濾波分析表明，我國海水養殖總產量在1955—2016年期間共完成了11輪波動周期，總體而言經歷了周期長度由短到長、波動幅度由大到小的過渡。自2005年以來，海水養殖產量波動進入了長周期的平緩增長階段，生產已逐步趨于穩定。分析1983—2016年期間魚類、甲殼類、貝類和藻類等不同品種的產量波動特征表明，4類海水養殖品種產量均經歷了從波動劇烈到生產穩定的發展過程，比較而言魚類的生產穩定性要明顯優于其他品種，而甲殼類產量的歷史擴張能力最大。但單就近5年各品種的短期波動曲線發展趨勢來看，貝類等低值品種的增產能力要更高，表明當前中國海水養殖產量的增長仍然主要依賴于相對低值品種的生產擴大。

逐步回歸分析結果表明，海水養殖面積和專業勞動力投入是影響產量波動的主要因素。在此基礎上，借助狀態空間模型進一步對影響因素與產量變動之間的關系進行動態分析，結果表明，長期而言海水養殖產量對養殖面積變動的敏感度相對更大。但隨著時間的推移，海水養殖面積總體上對產量增長的拉動作用在逐步減弱，而專業勞動力投入對產量的影響作用則不斷增強。