科技創新對海洋經濟發展空間效應的測度
——基于多種權重矩陣的實證

狄乾斌，徐禮祥

（1.遼寧師范大學海洋經濟與可持續發展研究中心；2.遼寧師范大學地理科學學院，遼寧大連 116029）

21 世紀以來，中國海洋產業快速發展，海洋產業產值連年遞增，已成為經濟發展的重要引擎［1］，同時黨的十九大報告明確提出要加快海洋強國建設，經略海洋、深耕“藍色國土”，培育經濟發展新動能［2］。但近些年來，隨著中國經濟轉入中高速、高質量發展，海洋發展方面很多問題開始暴露出來：海洋產業落后，對海洋資源需求大，導致海洋資源過度消耗；企業配套治理污染設備缺失，環保意識不強，近岸海洋污染嚴重；海洋技術創新效率不高，創新轉化為經濟效益動力不足等［3］。在此背景下，重構動力機制，實現高質量創新增長成為中國海洋經濟發展的必然選擇。經濟持續增長的動力來自于技術進步，在加速科技和創新的基礎上來發展經濟，是刺激經濟發展、取得經濟增長的主要手段［4］。因此，通過對海洋科技創新效率的測評以及對海洋經濟的空間效應分析，掌握區域創新水平對海洋經濟的影響狀況，進而推動海洋經濟在發展新常態背景下朝高效、高質量創新方向發展十分重要。

1 文獻綜述

關于科技效率對經濟發展影響的研究，國外學者的研究開始較早，如Stokey［5］早在20 世紀就對經濟增長收斂原因中的科技進步開展研究，提出科技進步收斂性的存在是深度分析經濟增長的關鍵，也是經濟增長理論長期研究的熱點；Tybout［6］分解了57 個國家的技術進步要素，利用數據包絡分析法（DEA）分析全球經濟的趨同趨勢，認為各國的科技創新和資本積累的差異可能是全球經濟兩極分化的重要原因。

關于海洋方面科技效力的研究，Brun 等［7］基于1981—1998 年的面板數據對中國沿海和非沿海地區之間的科技創新溢出效應進行了測算；Tingley 等［8］利用隨機前沿模型和DEA 方法對英吉利海峽漁業生產的技術創新效率進行了測評，并對其影響因素進行探討。

國內對海洋科技效率及空間效應測評的研究開始較晚，但發展十分迅速。21 世紀初，龐瑞芝［9］采用DEA 方法對國內主要港口1999—2002 年的經營效率進行測算和評價；戴彬等［10］在采用隨機前沿模型對國內沿海11 個省份海洋科技生產率指數測算的基礎上，從時間和空間兩個維度對海洋科技演變格局及影響因素進行了分析；閆實等［11］基于序列DEA 的超效率SBM 模型對海洋科技創新效率進行了測算，在此基礎上，通過空間差異、空間極化和空間聚類刻畫海洋科技創新效率空間格局。

從研究現狀來看，研究者們多采用傳統的DEA方法或改進后的DEA-Tobit 方法、兩階段DEA 方法等對海洋科技的效率值進行測算，沒有充分考慮到環境因素和隨機因素對海洋科技創新效率值的影響；同時，在研究視角上，越來越多的學者開始關注海洋科學技術在地理空間距離上的相互作用，計量方法也被廣泛運用到各種海洋效率測算研究中，在空間層面上推動著海洋研究的發展。基于此，本研究采用三階段DEA 方法對中國海洋科技創新效率進行測算，并構建多個權重矩陣，通過空間計量模型分析海洋科技創新效率及其他影響因素對海洋經濟發展的推動作用，并提出相應的對策和建議，以期為中國海洋經濟實現高質量增長提供參考。

2 模型選取和指標選取

2.1 三階段DEA 模型

數據包絡分析方法及其模型由美國著名運籌學家Charnes 等［12］提出，在效率的定量分析上被廣泛運用。但此方法將研究對象中的投入和產出視為一個不受外界影響的系統，也沒有考慮外部環境因素、隨機誤差等對研究對象效率值的影響［13］。而社會活動總是產生于一定的地理空間，區域創新系統的績效不僅受到系統本身的影響，周圍環境要素也會對其產生作用［14］。就此，Fried 等［15］提出三階段DEA，利用隨機前沿模型剔除了測算過程中環境因素和隨機誤差的影響，從而保證了測算結果的準確性。

2.2 空間計量分析

空間計量經濟學理論認為，各地理空間單元上的現象并非孤立存在，而是與其鄰近地區空間單元上同一現象相關［19］。在使用三階段DEA 方法測算出海洋科技創新效率值后，為進一步探討海洋科技創新與海洋經濟發展之間的關系，本研究從地理空間的角度對海洋科技創新效率值和海洋經濟發展水平進行計量分析。

2.2.1 空間權重矩陣的構造

區域之間的空間聯系常采用空間權重矩陣來度量，鄰接權重矩陣在既有的空間計量分析研究中最為常見［20］。但區域之間地理聯系明顯不局限于地域相鄰，且除了地理上的聯系，沿海各省份之間還存在各種經濟社會關系。因此，為更好地刻畫研究對象的空間關聯效應，本研究從多維度構建空間權重矩陣，如表 1 所示。

表1 空間權重矩陣及計算方法

2.2.2 空間計量模型

通過空間自相關對中國沿海省份的海洋技術創新效率是否存在顯著的空間相關性分析后，可以使用空間計量模型對海洋技術創新與海洋經濟發展之間的關系進行研究。目前主要有空間滯后模型、空間誤差模型和空間杜賓模型3 種模型［21］。

（1）空間滯后模型。模型的形式如下：

式（5）中，γ為k維列向量，表示空間滯后解釋變量的系數［23］。

2.3 指標選取

2.3.1 三階段DEA 指標選取

使用三階段DEA 方法進行效率測評時，需要選擇合理的投入與產出指標。科技創新效率測評的投入指標選取，大多需要考慮到人力和資本這兩個最重要的方面［24］，產出指標則應該充分體現海洋科技成果，因此，結合孫才志等［25］、謝子遠等［26］的研究，根據數據可得性和指標非共線的原則，以海洋科研機構活動人員數表示人力、海洋科研機構活動人員中碩士及以上學歷比重表示人才、海洋科研機構科研經費表示資金，從這3 個維度構建投入變量；產出方面，選取最能代表科技產出的海洋科研機構科技課題數和海洋科研機構科技專利授權數兩項指標。

關于三階段DEA 中第二階段需要考慮的環境變量，Furman 等［27］認為制度、政策也會影響到科技產出績效，因此，在余泳澤等［28］、趙增耀等［29］研究的基礎上，選取政府支持力度、海洋高等教育水平、對外開放水平這3 個對本研究中海洋科技創新兩產出影響較大的環境變量，分別用海洋科研機構科研經費中政府投資占比、海洋專業碩博士在校人數、進出口總額占GDP 比重來表示。

2.3.2 空間計量指標選取

關于被解釋變量海洋經濟發展水平的衡量指標，相關研究很多，指標體系也多種多樣，結合殷克東等［30］、張繼良等［31］的研究，選取海洋從業人員人均GDP 以及海洋經濟增長速度這兩項既能表示海洋經濟發展現狀，又能體現海洋經濟發展潛力的指標來表示研究對象的海洋經濟發展水平。

對于控制變量的選取，結合常玉苗［32］、劉桂春等［33］、王澤宇等［34］的研究，選取資金投入、海洋資源水平、海洋產業結構、地區經濟水平、海洋產學研、市場化水平、海洋高等教育水平等7 個環境變量，以及核心解釋變量海洋科技創新效率，一同解釋海洋經濟發展水平，分別以人均固定資產投資增速、漁業總產量、海洋經濟的二三產業占比、人均GDP、私營單位就業人員占總人口比重、海洋科技項目中科技服務比重、海洋專業高校在校學生數占海洋從業人口比重表示。

2.4 數據來源

本研究的原始數據主要出自2009—2018 年的《中國海洋統計年鑒》《中國統計年鑒》，以及中國沿海11 個省份（以下簡稱“樣本區域”）的統計年鑒和統計公報。

3 海洋科技創新效率測度

3.1 第一階段傳統效率測評結果

借助軟件DEAP2.1 軟件，選取BCC 模型對樣本區域2008—2017 年的海洋科技創新效率進行分析，結果如表2 所示。海洋科技創新效率一直維持在技術有效前沿面的僅有江蘇一個省份；上海、廣東兩省市的綜合效率值基本也都達到最優值；遼寧、山東兩省在2015 年前效率都比較高，達到效率有效，但此后效率值便出現不同程度的下降，尤其是遼寧，在2016 年和2017 年下降幅度十分明顯；廣西、海南兩省份的效率值在這10 年間的波動極大，且無明顯趨勢和規律；其他省份效率值的變化幅度則相對較小。整體而言，第一階段樣本區域的海洋科技創新效率平均值較高，但變化幅度也偏大，走勢和規律也不明朗。

表2 2008—2017 年樣本區域第一階段海洋科技創新DEA 效率值

3.2 第三階段效率測評結果

在第一階段DEA 計算結果的基礎上，得出投入指標海洋科研機構活動人員數、海洋科研機構活動人員中碩士及以上學歷比重和海洋科研機構科研經費的松弛量，將其作為被解釋變量，政府支持力度、海洋高等教育水平、對外開放水平等環境因素視為解釋變量，利用Frontier4.1 軟件進行最大似然估計。在各指標T 值和LR 單邊似然比檢驗都通過的情況下，將變量的值代入公式，即可剔除環境變量和隨機干擾的影響，從而使得樣本區域的3 個投入指標都能處在相同的外部環境和隨機因素之下。調整后，結合原來的兩產出指標，再次使用BCC 模型對樣本區域海洋科技創新效率值進行測算，結果如表3 所示。2008—2017 年，廣東省的海洋科技創新效率一直處在最佳狀態，上海、山東省和江蘇3 省市也處在較優的狀態，接近DEA 有效；與之相對的，河北、廣西和海南3 省份的效率值都比較低，一直處在全樣本區域末端水平。

表3 2008—2017 年樣本區域第三階段海洋科技創新DEA 效率值

表3 （續）

從效率構成來看，如圖1 所示，我國海洋科技創新純技術效率很高，都在0.9 以上，達到了最佳值或是接近最佳值，彼此之間差距不大；而規模效率則相對較低，在很大程度上制約了海洋科技創新綜合效率的提高。和第一階段相比，第三階段的測算結果存在明顯差異。總體上，全樣本區域的海洋科技創新效率在第三階段的平均效率值低于第一階段，但相對于第一階段在2015 年后出現大幅度下降，波動十分劇烈，第三階段的平均效率表現較為穩定。在時間序列上，表現為2015 年前趨于逐漸上升，2015、2016 年出現下降，2017 年又開始有所改善；具體到各個省份也是如此，剔除了環境及噪聲影響的第三階段在時間上較為平穩，存在明顯的變化規律。空間分布上，第三階段的海洋科技創新效率差異則更大，地區之間的差距較為明顯。

圖1 樣本區域第三階段海洋科技創新綜合效率平均值變化情況

4 海洋科技創新效率空間計量分析

4.1 數據準備

本研究進行空間計量分析采用的各變量數據描述如表4 所示。對于被解釋變量海洋經濟發展水平，以2008—2017 年海洋從業人員人均GDP 和海洋經濟總值增長速度分別進行極大值標準化處理后相加，從而在保證數據準確性的同時體現樣本區域的海洋經濟水平及歷年來的發展變化趨勢和勢頭。

表4 樣本區域海洋科技創新影響因素的數據描述

4.2 模型的檢驗和選擇

在進行空間計量分析前，需要對上述4 個不同矩陣上的空間計量模型進行檢驗和選擇。3 個空間計量模型中，空間滯后和空間誤差兩模型可以通過拉格朗日函數及其穩健形式來比較和篩選；此外，還可以通過LR 檢驗對空間杜賓模型可否被簡化為空間滯后或空間誤差模型進行檢驗。在確定模型后，需要使用Hausman 檢驗來決定固定效應或隨機效應哪個效果更好，以及聯合顯著性檢驗比較固定效應、時間固定效應以及雙固定效應3 種效應哪個更適合本研究的數據。最終，4 個矩陣上都選取空間杜賓模型，并根據實際檢驗結果選擇了隨機效應、個體時間雙固定效應，此處不再展開。

4.3 空間溢出效應

基于空間鄰接矩陣、交通距離矩陣、經濟距離矩陣和嵌套矩陣4 個空間權重矩陣，分別構建被解釋變量海洋經濟發展水平，核心解釋變量海洋科技創新效率及7 個控制變量的回歸模型，結果如表5、表6 所示。在除交通距離矩陣外的3 種不同空間權重矩陣背景下，創新效率對樣本區域海洋經濟發展水平的系數值基本為正且通過了5%顯著性概率檢驗，表明其海洋經濟發展和科技創新發展并非呈隨機分布狀態，而是存在顯著的正向空間相關。同時，在空間鄰接矩陣、經濟距離矩陣和嵌套矩陣模型中，其他大部分解釋變量都通過了顯著性檢驗，對海洋經濟發展水平的解釋能力明顯高于交通距離矩陣。考慮到交通距離矩陣的構建僅計算了各省份政府所在地之間的距離，而很多海洋產業、科研機構都分散在各個大小沿海城市，僅依靠政府所在地之間的交通距離來表示區域間的交通聯系的確存在很大局限。因此，本研究的這一結果也較為合理。

從回歸系數的角度來看，鄰接矩陣、經濟距離矩陣和嵌套矩陣的核心解釋變量海洋科技創新效率均通過了不同程度的顯著性檢驗，效率值分別為0.102、0.051、0.082，顯示出科技創新對海洋經濟的發展發揮了顯著推動作用。此外，資金投入、海洋產業結構和海洋高等教育水平也都顯著為正，說明除科技創新外，固定資產投資、海洋經濟發展結構和人才儲備對海洋經濟的發展和推動也有著重要的影響。而海洋資源水平顯著為負，由于這個指標是用漁業捕撈總量表示，表明若過于依賴資源開發的第一產業，則對海洋經濟的持續健康發展存在一定阻礙作用。經濟水平、海洋產學研和市場化水平等幾個環境變量大多沒有通過顯著性檢驗，對海洋經濟發展的影響有限。

表5 空間杜賓模型中科技創新及其他因素對樣本區域海洋經濟發展影響的估計結果

直接效應上，創新效率在鄰接矩陣、交通距離矩陣和嵌套矩陣上都顯著為正，系數值較大且變化幅度小，和其他環境要素相比體現出科技創新對海洋經濟穩定的推動作用。間接效應上，創新效率在交通距離矩陣、經濟距離矩陣和嵌套矩陣上通過了顯著性檢驗，但系數值僅分別為0.015、0.032和0.011，說明本地區海洋科技創新會影響到與本地區交通、經濟有密切聯系的其他地區，但影響幅度有限。其他解釋變量中，只有海洋高等教育水平在不同的矩陣上的系數都顯著為正，即本地區海洋人才的儲備能夠有效促進鄰近地區海洋經濟的發展。

表6 科技創新及其他因素對樣本區域海洋經濟發展影響的直接效應和間接效應

5 結論和討論

5.1 結論

（1）基于三投入兩產出的效率測度模型，本研究通過三階段DEA 方法對中國沿海11 個省份2008—2017 年的海洋科技創新效率進行測算，結果表明其中僅有廣東省的海洋科技創新效率值在10 年的時間跨度上一直處在最優狀態，此外，江蘇、上海和山東3 省市也基本達到DEA 有效或接近有效，海洋強省和經濟大省在海洋科技創新效率上表現出較為顯著的優勢；部分經濟總量小、發展落后的省份如海南、廣西等的效率值則處在11 個省份的末端，最低時僅分別為0.136、0.160，區域間差異較大。時間上，各省份的創新效率值存在波動，2008—2014年呈緩慢上升趨勢，2015 和2016 年又出現較大幅度的下降，其中遼寧、天津兩省市在2015 年后創新效率的下降是重要的原因，在此期間，遼寧、天津在經濟發展上的頹勢對其海洋科技創新發展有明顯影響，直到2017 年也未出現明顯轉好的趨勢。從規模效率和純技術效率的角度來看，其中純技術效率達到DEA 有效的很多，效率值都比較高，海洋科技創新的資源利用效果達到很高的水平；而規模效率明顯低于純技術效率，制約了綜合技術效率的提升。在依循各地海洋創新發展的基礎上，加大對科技創新規模的投入能夠有效改善國內海洋科技創新綜合效率值總體不高的現狀。

（2）在海洋經濟發展的空間效應測度中，核心解釋變量創新效率在鄰接距離矩陣、經濟距離矩陣和嵌套矩陣上都表現為顯著推動了本地區海洋經濟的增長，雖然未表現出對相鄰地區海洋科技創新的顯著促進作用，但由于系數值相對較高且穩定，如在空間鄰接矩陣上，科技創新效率每提升1%，海洋經濟發展水平就提高0.102，因此，可以將科技創新視為海洋經濟增長最穩健有效的推動因素。為此，應加強相關方面建設，提升海洋創新效率，從而推動國內海洋經濟健康長效發展。與資金、人力、產業結構促進經濟增長的傳統研究結論相同，本研究中，資金投入、海洋科研機構、海洋高等教育等3個環境解釋變量體現出對海洋經濟具有顯著推動作用，但與以往研究結果不同的是，海洋資源水平對海洋經濟的直接效應和間接效應都顯著為負，不利于本地區以及相鄰省地區海洋經濟水平的提升。究其原因，可能是因為過于依賴資源阻礙了產業結構的升級，進而影響到海洋經濟水平。

（3）在鄰近矩陣、交通距離矩陣、經濟距離矩陣和嵌套矩陣4 個矩陣中，除交通距離矩陣因僅考慮政府所在地距離而存在設計缺陷，鄰近矩陣、經濟距離矩陣和嵌套矩陣上的解釋變量都體現出對海洋經濟發展水平的較好解釋能力，說明國內海洋經濟及其發展要素存在著地理空間、經濟空間上的相互聯系。具體來看，鄰接權重矩陣的解釋能力優于經濟距離矩陣，說明海洋經濟在地理距離上的相互影響要大于經濟距離，在經濟距離上的相互交流還有進一步提升的空間；各省份在海洋經濟及其創新發展上，除了應和與其地理距離相鄰的地區進行溝通，還應該跟上本地區經濟發展的腳步，加強與在經濟空間上緊密聯系地區之間的海洋生產和技術相互交流，進而相互促進，共同提升中國海洋經濟發展質量。

5.2 討論

海洋科技創新是一個復雜的綜合性系統，對海洋科技創新效率值的測評也應該從多指標、多角度去考慮，才能保證效率值的準確性，但限于數據的獲取，本研究僅從11 省份的海洋科研機構出發，挑選最有代表性的兩產出三投入指標，并將其DEA 分析結果視為當地海洋科技效率值，結果并不能完全代表各地的海洋科技創新發展狀況，存在一定的局限性。同時，在本研究的空間計量分析過程中，交通距離矩陣上存在著部分指標顯著性不明顯、回歸系數值偏低等情況，毫無疑問，區域之間的相互聯系在很大程度上取決于交通便捷程度，但僅考慮政府所在地之間公路、鐵路距離的交通距離矩陣存在很大的局限性，并不完全適合省際層面的空間關系分析。此外，還存在著構建動態化空間權重矩陣從而對不斷變化的空間關聯進行描述等諸多研究視角，都能成為學者們后續研究海洋科技創新效率中可以注意的方向。