中國水產養殖技術效率評估研究

岳冬冬 ，張 明，2，吳反修 ，俞 鑫

（1. 中國水產科學研究院東海水產研究所/農業農村部遠洋與極地漁業創新重點實驗室，上海 200090；2. 上海海洋大學經濟管理學院，上海海洋大學研究生院，上海 201306；3. 全國水產技術推廣總站/中國水產學會，北京 100125）

【研究意義】水產養殖綠色發展已成為漁業轉型升級的必然趨勢。長期以來，水產養殖業作為中國漁業產業的重要組成部分，在保障水產品市場供給、改善居民膳食營養結構和促進漁（農）民收入持續增長等方面發揮了積極作用，尤其在緩解全球食物安全方面提供了“中國經驗”?！吨袊鴿O業統計年鑒》數據顯示，2018年我國水產品總產量6 457.66萬t，其中養殖產量4 991.06萬t［1］，占比達到77.29%。目前，中國水產養殖產量約占世界養殖水產品總量60%以上［2］。因此，對于中國水產養殖業的發展成就可以形象地描述為“全世界每三條魚就有兩條來自中國，中國每四條魚有三條是養殖的?！痹谌〉贸删偷耐瑫r，生產方式落后和效率低下等也成為當前水產養殖業發展不可回避的問題，因此，推進水產養殖業轉型升級、綠色高質量發展具有重大的現實意義。

【前人研究進展】效率是評價投入產出率的概念，效率評估問題已有大量研究成果。王琛等［3］介紹了全要素生產率和技術效率的定義，概述了全要素生產率所包含的影響因素及其作用，并對主要的3種測算方法進行了說明，具體為指數法、數據包絡分析法（Data Envelopment Analysis,DEA）和隨機前沿分析法（Stochastic Frontier Analysis, SFA），其中DEA方法和SFA方法應用廣泛。關于SFA方法的應用，陶素敏［4］采用隨機前沿生產函數測算了1998—2017年各省份農業生產技術效率，結果顯示全國農業生產技術效率均值為0.782，并且表現出東部＞中部＞西部的非平衡格局。劉森揮等［5］利用隨機前沿分析法對21個省份788戶肉牛養殖戶技術效率進行了測算，結果表明組織化養殖戶的技術效率明顯高于未組織化養殖戶，同時樣本戶存在難以觀測的異質性問題。DEA方法是Charnes等［6］在1978年提出用以評價部門經濟的相對有效性；Banker等［7］在1988年建立了規模報酬可變的DEA模型，進行決策單元效率評估。與SFA方法相比，DEA模型是一種非參數前沿分析方法，其在研究生產效率問題過程中具有對樣本量要求低、不受指標量綱限制等優勢，而且能夠解決多投入、多產出的效率評估問題，因此，在技術研發［8］、農業［9］、林業［10］等領域的效率評估方面得到廣泛應用。如余航等［11］運用Malmquist指數方法測算了我國早秈稻、中秈稻、晚秈稻和粳稻的全要素生產率，結果表明2004—2015年我國4種水稻的全要素生產率分別為1.009、1.039、1.008和1.0414，其增長主要來自于技術進步；黃穎等［12］運用DEA方法評價了不同產業模式下銀行貸款服務蔗糖產業的效率，結果表明“公司+農戶”模式的銀行貸款服務效率最高，平均值可以達到1；郭思源等［13］采用SBM方向性距離函數測算了1994—2017年黑龍江墾區農業技術效率，結果表明黑龍江墾區農業全要素生產率實現增長；馬舒瑞等［14］采用Malmquist指數測算了沿海省市漁業產出效率，結果顯示技術效率和技術進步共同促進了全要素生產率增長。水產養殖業屬于要素投入型產業，苗種、養殖水體面積、勞動力和資本投入是提高水產養殖產量的關鍵因素，因此，水產養殖生產效率問題成為漁業經濟學的研究熱點之一。張成等［15］測算了2006—2012年我國29個省份水產養殖業綜合技術效率，認為我國水產養殖業綜合技術效率不高，純技術效率和規模效率都相對偏低；劉洋［16］研究表明，2002—2009年我國海水養殖全要素生產率的動態均值有較明顯改善，但地區差異明顯；紀建悅等［17］的測算結果顯示，我國海水養殖業的綠色技術進步處于上升過程；岳冬冬等［18］測算了2018年我國沿海10個省份海水養殖綜合技術效率，結果顯示海水養殖綜合技術效率較好，均值為0.952，與規模效率相比，純技術效率對于綜合技術效率的貢獻更大。

【本研究切入點】關于水產養殖綜合技術效率的評估分析已有較多成果，但也存在以下兩個突出問題：一是現有文獻使用的數據較為陳舊，最新的研究數據僅應用于特定的對象或目的，例如海水養殖效率研究或者綠色養殖效率研究，對于整體水產養殖綜合技術效率的分析未涉及；二是指標選擇較少，例如現有文獻在水產養殖效率研究中苗種投入較少被考慮，但在實際統計中涉及的海水養殖或淡水養殖苗種指標達到14項。投入產出指標的選擇會直接影響水產養殖技術效率的評估結果?！緮M解決的關鍵問題】將水產養殖投入要素以綜合指標的形式作為投入指標，借助DEA模型對2018年我國31個省份的水產養殖綜合技術效率進行評估分析，以反映我國水產養殖技術效率，并測算投入要素冗余規模，并根據相關結果提出對策建議。

1 研究方法與數據選擇

1.1 研究方法

1.1.1 數據包括分析方法 數據包絡分析方法是一種綜合了運籌學、管理科學和數理經濟學等多個學科的非參數方法，可用于測算多投入、多產出的多個決策單元的效率及其有效性分析。DEA模型有投入導向（Input-oriented）和產出導向（Output-oriented）兩種形式，根據用途可假定為規模收益不變（Constant Return to Scale, CRS）和規模收益可變（Variable Return to Scale, VRS）。綜合技術效率是純技術效率和規模效率的乘積，其中綜合技術效率是實現產出最大或者產出固定但投入最小的技術水平；純技術效率是剔除規模因素之外的效率；規模效率是指規模經濟性發揮程度的結果。本研究采用投入導向、假定規模收益可變的DEA模型測算中國水產養殖綜合技術效率，其中投入指標為水產養殖生產過程中所需的主要投入要素，產出指標為產量。

1.1.2 主成分分析法與聚類分析 水產養殖生產過程中涉及的投入要素較多，尤其是養殖水體面積和苗種，為了能夠簡化水產養殖綜合技術效率評估中投入要素的數量，利用主成分分析法（Principal Components Analysis, PCA）對水產養殖面積指標、苗種指標分別建立綜合面積指標和綜合苗種指標，可大幅度減少水產養殖效率研究中投入變量的數量。

通過DEA模型測算可以得出31個省份水產養殖的綜合技術效率值，但其中的規律特征不易識別和判斷，利用系統聚類法對31個省份的綜合技術效率評估結果進行聚類分析，有助于直觀判斷31個省份水產養殖綜合技術效率值的類別。

1.2 數據指標與來源

水產養殖的產出指標采用產量（y），數據來源于《中國漁業統計年鑒》；水產養殖的投入指標分為4類，分別是養殖面積、苗種、養殖漁船數量和養殖漁民數量，數據來源于《中國漁業統計年鑒》。《中國漁業統計年鑒》數據顯示，按養殖水域分的海水養殖面積統計包括：海上、灘涂和其他3個指標，但《漁業統計指標解釋》規定深水網箱和工廠化養殖方式的養殖水體規模不在前述3個指標的統計范圍之內，而是作為養殖方式的組成內容進行單獨統計，即深水網箱、工廠化養殖不計算在海水養殖面積范圍，實際上卻貢獻了產量。按養殖水域分的淡水養殖面積統計包括：池塘、湖泊、水庫、河溝、稻田和其他，但《漁業統計指標解釋》規定稻田、工廠化養殖的水體規模不在淡水養殖面積統計范圍之內，實際上卻貢獻了產量。因此，對海水養殖產量有貢獻的水體范圍包括：海上、灘涂、其他、深水網箱和工廠化養殖；對淡水養殖產量有貢獻的水體范圍包括：池塘、湖泊、水庫、河溝、稻田、其他和工廠化養殖。按照上述內容統計，海淡水養殖面積共有12個指標，為避免產量貢獻低的養殖水體規模指標對建立養殖綜合面積指標時造成相關系數低的問題，本研究剔除了海淡水養殖水體中對產量貢獻較小的水體范圍，篩選后的海水養殖面積指標包括：海上、灘涂和其他；淡水養殖面積指標包括：池塘、湖泊、水庫和稻田。按照《農業農村部辦公廳關于規范稻漁綜合種養產業發展的通知》《稻魚綜合種養技術通則》［19］的要求，在稻田中開挖的用于水產養殖動物活動、暫養、棲息等用途的溝和坑面積占稻田總面積的比例不超過10%。依此規定，對淡水養殖的稻田水體按照10%的比例換算為“有效養殖水體”規模?！吨袊鴿O業統計年鑒》統計的海淡水養殖苗種包括14個指標，全部納入本文研究范圍。

上述指標數據的統計周期為：2018年1月1日—12月31日。經主成分分析后得到綜合面積指標數據和綜合苗種指標數據為標準化數據，為保持與其他指標數據特征的一致性，對產量指標、養殖漁船指標和養殖專業從業人員指標數據也進行標準化處理，并進行平移以滿足數據包絡分析數據要求。DEA模型相關投入產出指標見表1。

1.3 數據處理

利用主成分分析法構建綜合面積指標、綜合苗種指標的過程采用SPSS 22.0軟件；水產養殖綜合技術效率的測算采用DEAP 2.1 軟件；利用聚類分析對31個省份水產養殖綜合技術效率進行聚類的過程采用SPSS 22.0 軟件。

2 結果與分析

2.1 綜合指標構建

2.1.1 綜合面積指標構建 按照產量貢獻份額分析篩選后的海淡水養殖面積指標包括：海上（x1）、灘涂（x2）、其他（x3）、池塘（x4）、湖泊（x5）、水庫（x6）和稻田（x7）。不同海淡水養殖面積指標在產量貢獻效率方面的差別很大，為了能夠整體反映水產養殖面積要素投入對于產量的影響，借助主成分分析原理構建綜合面積指標（MJ）。利用SPSS 22.0軟件對海淡水養殖面積進行標準化，分別表示為：海上（x1'）、灘涂（x2'）、其他（x3'）、池塘（x4'）、湖泊（x5'）、水庫（x6'）和稻田（x7'），結果見表2。

對海淡水養殖面積指標進行主成分分析，SPSS 22.0的運行結果顯示，KMO取樣適切性量數為0.5440，這一結果稍低，但可以進行主成分分析。根據特征值大于1的因子判斷標準，通過3個主成分構建的綜合面積表達式如下：

式中，i=1,2,…31，表示31個省（區、市）。

2.1.2 綜合苗種指標構建 《中國漁業統計年鑒》中統計的海淡水養殖苗種指標包括：海水魚苗（y1）、貝類育苗（y2）、海帶（y3）、紫菜（y4）、海參（y5）、淡水魚苗（y6）、淡水魚種（y7）、投放魚種（y8）、蝦苗量（y9）、河蟹育苗（y10）、扣蟹（y11）、稚鱉（y12）、稚龜（y13）和鰻苗捕撈（y14）。同理，利用主成分分析方法構建綜合苗種指標（MZ）以反映海淡水養殖苗種對產量的影響程度。利用SPSS 22.0軟件對海淡水養殖苗種進行標準化，分別表示為：海水魚苗（y1'）、貝類育苗（y2'）、海帶（y3'）、紫菜（y4'）、海參（y5'）、淡水魚苗（y6'）、淡水魚種（y7'）、投放魚種（y8'）、蝦苗量（y9'）、河蟹育苗（y10'）、扣蟹（y11'）、稚鱉（y12'）、稚龜（y13'）和鰻苗捕撈（y14'），結果見表3。

對海淡水養殖苗種指標進行主成分分析，SPSS 22.0的運行結果顯示，KMO 取樣適切性量數為0.581 0，這一結果稍低，但可以進行主成分分析。根據特征值大于1的因子判斷標準，通過5個主成分構建的綜合苗種表達式如下：

式中，j=1,2,…31，表示31個?。▍^、市）。

對產量指標、養殖漁船指標和養殖專業從業人員指標數據進行標準化處理，并進行平移以滿足數據包絡分析的數據特征要求。水產養殖投入產出指標數據處理結果見表4。

2.2 綜合技術效率測算結果分析

采用DEAP 2.1 軟件對水產養殖生產效率進行測算，全國31個省份的海淡水養殖綜合技術效率、純技術效率、規模效率和規模報酬結果見表5。

（1）水產養殖的綜合技術效率較低，均值僅為0.827。綜合技術效率反映的是不同省份水產養殖要素配置能力及其使用效率，結合表5結果，綜合技術效率（＜1）無效的省份有20個，占比64.52%，可見全國大部分省份的水產養殖綜合技術效率無效。31個省份水產養殖綜合技術效率均值為0.827，總體偏低，其中有16個省份的綜合技術效率值大于均值，占比51.61%，其余15個省份綜合技術效率值低于均值，占比為48.39%。

表2 標準化處理后的海淡水養殖面積指標Table 2 Area indicators of seawater and freshwater aquaculture after standard processing

（2）水產養殖的純技術效率較高，均值達到0.930。純技術效率一般指受管理和技術等因素影響的決策單元生產效率，對于不同省份水產養殖純技術效率而言，則表示綜合技術效率無效多少是由純技術因素而影響，即當水產養殖規模一定的情況下水產養殖產出的有效程度。表5結果顯示，水產養殖省份中純技術效率（＜1）無效的數量為15個、占比48.39%，即有超過一半的省份純技術效率有效。31個省份純技術效率的均值為0.930，超過均值的省份數量有23個、占比74.19%，另有8個省份的純技術效率低于均值，占比25.81%。

（3）水產養殖的規模效率均值為0.890。規模效率反映的是水產養殖省份現有生產規模與最優生產規模之間的差距，該值越接近1，說明該省份水產養殖產出的規模效率越接近有效。表5結果顯示，水產養殖規模效率（＜1）無效省份的數量有20個，占比64.52%；水產養殖規模效率的均值為0.890，其中規模效率大于均值的省份數量有18個，占比58.06%，另有13個省份水產養殖規模效率小于均值，占比41.94%。

（4）規模報酬遞增的省份占主體是水產養殖產出的主要規模經濟特征。規模報酬是指在其他條件不變的情況下，各省份水產養殖投入的生

產要素按相同比例變化時所帶來的產出變化特征。表5結果顯示，規模報酬不變的省份有11個、占比35.48%，具體包括北京、天津、遼寧、上海、福建、山東、湖北、廣東、廣西、西藏和寧夏，在現有技術水平下，這些省份的水產養殖達到了最優規模；規模報酬遞減的省份僅江蘇和湖南，占比6.45%，這2個省份水產養殖超過了最優規模，應適當調減其生產規模；規模報酬遞增的省份數量最多（18個）、占比58.06%，具體為青海、新疆、山西、河北、吉林、海南、甘肅、貴州、浙江、內蒙古、河南、四川、安徽、江西、重慶、云南、陜西和黑龍江，這些省份水產養殖未達到最優規模，應適當擴大規模以提高單位報酬。

表3 標準化處理后的海淡水養殖苗種指標Table 3 Seed indicators of seawater and freshwater aquaculture after standard processing

表4 經處理后的水產養殖投入產出指標Table 4 Input and output indicators of aquaculture after data processing

2.3 綜合技術效率的聚類分析

借助SPSS 22.0 軟件中的系統聚類方法，以“平方Euclidean距離”為標準，判斷31個省份水產養殖綜合技術效率分類的類間距離，具體分類結果見圖1。從圖1可以看出，在聚類的第一階段，31個省份被分為5類，在第二階段被分為4類，在第三階段被分為3類，在第四階段被分為2類。本研究以第三階段的劃分結果對水產養殖綜合技術效率進行分析，劃分結果見表6。由表6可知，綜合技術效率前14位的第一梯隊省份中，既有廣東、山東、福建、湖北、遼寧、廣西等水產養殖主產省，也有西藏、青海、北京、陜西、上海、新疆、寧夏、天津等水產養殖非主產省，因此，綜合技術效率的高低與是否主產省份并無直接關系，而是取決于各省份水產養殖產業發展過程中在技術推廣應用和發展規模之間的適配協調性。同樣，在綜合技術效率第二梯隊中，既有水產養殖主產省浙江，也有非主產省甘肅，河北、吉林、海南和貴州也在該梯隊中。在第三梯隊中，除江蘇、湖南為水產養殖主產省外，其余都是非主產省，非主產省內蒙古水產養殖綜合技術效率最高、為0.728，而主產省湖南的水產養殖綜合技術效率則最低、僅為0.570，低于梯隊均值10.52%。

表5 水產養殖綜合技術效率及其構成Table 5 Comprehensive technical efficiency of aquaculture and its composition

2.4 差額分析

DEA模型通過計算可以得到31個省份水產養殖投入與產出最優組合模式，以達到技術效率有效［20］。根據表5結果，北京、天津等16個省份純技術效率值為1，其他15個省份投入項均需縮量調整以達到綜合技術效率有效。31個省份水產養殖不同投入要素縮減量占原始值百分比的結果見表7。

通過對VRS模型的輸出結果進行分析計算，為達到綜合技術效率有效，4項投入要素的縮減比例均值分別為19.64%、7.54%、10.23%和11.15%，其中綜合面積指標的縮減比例最大，達到19.64%。若按照僅對非綜合技術效率有效的20個省份計算投入要素的縮減比例，其中綜合面積縮減比例均值達到30.44%，其次為養殖專業從業人員的縮減比例為17.28%。

圖1 不同省份水產養殖綜合技術效率系統聚類Fig.1 Systematic cluster of comprehensive technical efficiency in aquaculture of different provinces

表6 水產養殖綜合技術效率梯隊劃分Table 6 Echelon division of comprehensive technical efficiency in aquaculture

按照單項投入要素縮減比例來看，對于綜合面積而言，內蒙古、吉林和新疆的縮減比例較高，分別為83.63%、82.41%和66.63%；對于綜合苗種指標，湖南、江西和江蘇三省的縮減比例較高，分別為42.34%、34.64%和28.40%；對于養殖漁船指標，江蘇、湖南的縮減比例較高，分別為83.02%和74.26%；對于養殖專業從業人員指標，陜西、黑龍江和湖南的縮減比例較高，分別為42.76%、42.51%和42.37%。

3 結論與建議

3.1 主要結論

利用規模收益可變的DEA模型對2018年全國31個省份水產養殖技術效率進行了測算，得出以下結論：

（1）水產養殖綜合技術效率總體偏低，純技術效率和規模效率均有提升空間。2018年全國31個省份水產養殖綜合技術效率均值為0.827，純技術效率均值為0.93，規模效率均值為0.89，可見，海淡水養殖綜合技術效率偏低，純技術效率和規模效率有進一步提升的空間。

（2）各省份水產養殖投入要素和技術應用的綜合水平差異明顯。綜合技術效率有效的省份有11個，占比35.48%；16個省份的綜合技術效率值大于均值，占比51.61%，其余15個省份綜合技術效率值低于均值，占比48.39%。

（3）各省份水產養殖規模報酬變化特征相異。水產養殖規模報酬不變的省份有11個，占比35.48%，包括北京、天津、遼寧、上海、福建、山東、湖北、廣東、廣西、西藏和寧夏，這些省份的水產養殖達到了最優規模；規模報酬遞減的省份僅2個（江蘇和湖南）、占比6.45%；規模報酬遞增的省份有18個、占比58.06%，這些省份應適當擴大規模以提高單位報酬。

（4）綜合技術效率與產出規模并無直接關系。在對31個省份綜合技術效率進行聚類劃分的3個類別中，每個梯隊中都有水產養殖主產省和非主產省，在第三梯隊中，主產省湖南的水產養殖綜合技術效率僅為0.570，低于梯隊均值10.52%。

3.2 對策建議

（1）提高水產養殖規?；潭取８鶕幠蟪攴治鼋Y論，其中有18個省份可以通過擴大水產養殖規模以實現綜合技術效率有效，因此，建議在新一輪水域灘涂養殖規劃頒布實施的背景下，相關省份漁業主管部門應著力提高水產養殖的規模化程度，通過合作社、公司+養殖戶、漁業產業園區等模式將分散的養殖主體組織起來，在不改變“面積總量”規模的條件下，提高組織化程度，不斷完備水產養殖生產體系、經營體系和服務體系，逐步提升規模效率。

表7 31個省份水產養殖投入要素縮減量結果Table 7 Results of reduction in aquaculture input factors of 31 provinces

（2）加強水產養殖技術創新能力。水產養殖效率測算結果顯示，2018年全國31個省份水產養殖純技術效率均值為0.93，其中15個省份水產養殖純技術效率未達到有效，可見，提高水產養殖技術創新能力和成果推廣應用水平是實現綜合技術效率有效的重要途徑。技術創新在水產養殖業發展中具有重要的效率貢獻作用，其中種業創新是基礎，養殖模式和技術創新是關鍵，疫病防控是保障。因此，建議各級各類漁業創新主體應從全局性、區域性、地方性不同層次構建技術創新體系，分類解決影響養殖技術效率的基礎研究、應用研究問題，同時利用全國水產技術推廣系統的力量，將國內外最新的水產養殖技術成果推廣應用到各地的生產實踐中，提高相關省份水產養殖純技術效率。

（3）合理安排水產養殖投入要素。從實證分析結論來看，在現有技術水平下，為實現產出規模的最優化，15個省份水產養殖業投入要素中綜合面積、綜合苗種、養殖漁船、養殖專業從業人員都存在一定程度的冗余，尤其是綜合面積投入要素需要縮減的比例最高?？赡茉蛴袃蓚€：一是在水產養殖綠色發展理念的指導下，部分省份對于湖泊、水庫等大水面逐步實施了養殖規?？刂?，單位水體產出規模不斷壓縮；二是目前各省水產養殖技術效率之間發展不平衡，例如養殖對象、養殖模式等的差異導致部分省份養殖面積的冗余量較大。建議各省份在落實水產養殖基本發展空間的基礎上，以提高綜合技術效率為目標之一，對于現有水產養殖面積進行合理安排與調整，通過養殖水體“休漁”［21］等措施實現恢復水域生態環境、確保養殖產品質量和提高技術效率等多重目標。

（4）預測預警養殖生產規模需求。受中美貿易摩擦、國內居民水產品消費升級等因素影響，水產品進口關稅不斷下調，我國作為世界上新興而巨大的水產品消費市場，主要水產養殖國家已經將我國作為產品銷售的目標國，例如印尼、印度、越南等國家的對蝦養殖產品不斷擴大對中國市場的出口規模，以對蝦為代表的中國傳統優勢出口產品的國際市場競爭力逐步下降，建議各省份結合當前和今后一個時期的國際國內市場消費需求，及時對養殖品種、規模、目標市場定位等進行預測預警，在保障食物安全的前提下，樹立水產養殖發展規模的“底線”思維意識，以確保養殖生產調整適應未來市場消費需求。