中國海洋交通運輸業的綠色全要素生產率及其空間分異

紀建悅 遲宇航 許瑤

摘要：為促進中國海洋交通運輸業的可持續發展和區域均衡發展 ， 文章基于相關面板數據 ， 將非期望產出即碳排放量納入評價指標體系 ，運用 SBM-ML指數測算2006-2017年中國海洋交通運輸業的綠色全要素生產率 ，進一步采用 GINI系數、對數離差均值、泰爾指數和重心-標準差橢圓模型研究其空間分異。研究結果表明：中國海洋交通運輸業的綠色全要素生產率保持增長態勢 ， 仍具有較大的效率改善空間;中國海洋交通運輸業的綠色全要素生產率具有顯著的空間非均衡性 ， 其中中效率水平地區的區域差異更大 ， 而高效率水平地區的區域差異變動更明顯;中國海洋交通運輸業的綠色全要素生產率的重心移動呈現“S-N-S”特征 ， 具有“EN-WS”的空間格局但偏移趨勢不明顯。根據研究結果提出建議：重視區域協調合作 ， 縮小生產效率差異;加快能源結構轉型 ， 提高技術創新能力;促進產業集聚發展 ，提升綜合管理水平。

關鍵詞：海洋交通運輸業;綠色全要素生產率;區域協同;碳排放;海洋產業

中圖分類號：F550.72;P74????? 文獻標志碼：A?????? 文章編號：1005-9857（2021）12-0003-08

The Green Total Factor Productivity of Marine TransportationIndustry in China and Its Spatial Differentiation

JI Jianyue， CHI Yuhang， XU Yao

（1.School of Economics， Ocean University of China， Qingdao 266100，China;

2.Institute of Marine Development， Ocean University of China， Qingdao 266100， China）

Abstract： In order to promote the sustainable development and balanced regional development of marine transportation industry of China， based on relevant panel data， this paper included the un- expected output named carbon emissions into the evaluation index system， and used SBM-ML index to calculate the green total factor productivity （GTFP） of marine transportation industry of China from 2006 to 2017.The GINI coefficient， logarithmic mean deviation， Theil index and bar- ycenter-standard deviation ellipse model were used to study its spatial differentiation. The results showed that the GTFP of marine transportation industry of China kept increasing， and there was still a large space for efficiency improvement. Meanwhile， it had a significant spatial non-equilib-rium， the regional difference of middle efficiency level was larger， while the regional difference of high efficiency level was more obvious. The gravity center movement of the GTFP of marine transportation industry in China presented the characteristics of “S–N–S"， with the spatial pat-tern of “EN– WS”， but the deviation trend was not obvious. According to the results， some sug-gestions were put forward： attaching importance to regional coordination and cooperation， reduc-ing differences in production efficiency; accelerating the transformation of energy structure， im-proving technological innovation capabilities; promoting the development of industrial agglomeration， and improving the level of comprehensive management.

Keywords： Marine transportation industry， Green total factor productivity， Regional coordination，Carbon emissions， Marine industry

0 引言

自黨的十八大提出“海洋強國”重大戰略以來 ， 黨和國家始終把海洋經濟作為推進海洋事業發展的主攻方向。海洋交通運輸業作為海洋經濟的支柱產業之一[1] ，2019年的增加值占中國海洋產業增加值的比重為18.0% ， 已經成為推動中國海洋經濟發展的重要力量。隨著經濟的快速發展和對外經濟合作的不斷加深 ， 中國海洋交通運輸業在運輸規模和運輸質量上都取得跨越式發展 ， 同時也帶來環境污染和能源消耗大等問題 ， 不利于“美麗中國”和“美麗海洋”建設[2]。綠色全要素生產率（GTFP）指標不僅能衡量資源投入的利用效率 ， 而且將環境因素納入指標體系 ，能很好地反映地區海洋交通運輸業綠色發展的綜合效率[3]。在此背景下 ，測算中國海洋交通運輸業的綠色全要素生產率并研究其空間分異 ，對于提高運輸資源利用效率、實現區域協同發展和促進海洋交通運輸業可持續發展具有重要的戰略意義。

目前綠色全要素生產率受到越來越多學者的關注 ，為研究海洋交通運輸業效率提供支撐。Oum等[4]最早提出交通生產率的概念 ，是交通運輸業生產率研究的先驅者;呂鐵[5]測算中國鐵路運輸業的生產率變動并探究其影響因素;余思勤等[6]將擴展的 Malmquist-DEA方法引入交通運輸業生產率的測算并衡量其影響因素;劉玉海等[7] 基于 Malmquist生產力指數分析中國道路運輸業的營運效率 ，認為其增長機制存在一定程度的不穩定性。從結果分析的角度看 ，袁長偉等[8]采用考慮非期望產出的超效率 SBM模型測算中國省域交通運輸業的全要素碳排放效率 ， 并探討東部、中部和西部地區碳排放效率的空間差異和趨勢變動;彭志敏等[9]構建中國交通運輸業的全要素生產率指數測算-收斂性檢驗-影響因素分析的研究框架 ，認為全要素生產率呈穩中有升的增長態勢。然而現有關于海洋交通運輸業效率的研究較少 ，紀建悅等[10]在經典碳排放 STIRPAT模型的基礎上 ， 運用相關數據預測中國海洋交通運輸業的碳排放數值及其峰值;董夢如等[11]估算中國海洋交通運輸業的碳排放量 ， 并運用超效率 SBM模型計算其碳排放效率。

綜上所述 ，現有研究成果對中國海洋交通運輸業的綠色全要素生產率及其空間分異涉及較少 ， 尚存在拓展空間。本研究在借鑒國內外研究成果的基礎上 ，將非期望產出納入投入產出指標體系 ， 運用 SBM-ML指數測算2006-2017年中國海洋交通運輸業的綠色全要素生產率 ， 進一步采用 GINI系數、對數離差均值和泰爾指數研究中國海洋交通運輸業的綠色全要素生產率的空間非均衡性 ，并通過重心-標準差橢圓模型分析其空間格局 ， 并提出建議。

1 研究設計

本研究運用 SBM-ML指數測算中國海洋交通運輸業的綠色全要素生產率 ， 在此基礎上以 GINI 系數、對數離差均值、泰爾指數和重心-標準差橢圓模型作為空間分析工具研究其空間分異。

1.1 SBM-ML指數

目前國內外學者主要采用生產函數、Hicks指數和 DEA模型測算交通運輸業的全要素生產率。其中 ，DEA模型作為常用方法 ， 具有避免人為主觀確定指標權重的優點[12] ， 但傳統 DEA 模型在測算全要素生產率時未考慮松弛變量 ，且未能將非期望產出納入模型分析。 2001年出現的包含非期望產出的 SBM模型解決了該問題[13]。ML（Malmquist- Luenberger）指數可計算全要素生產率隨時間變動而變動的速率。因此 ， 本研究將非期望產出 SBM 模型與 ML指數相結合 ，構建中國海洋交通運輸業的綠色全要素生產率評價模型。

假設有 n 個決策單元DMUj （j=1， 2， … ，n） ， 每個決策單元有 m 種投入 xi（i=1，2， … ，m）和 q 種產出。其中 ，將產出分為 q1種期望產出yr （r=1，2， … ， q1）和 q2種非期望產出yb （b =1，2， … ， q2）。基于模型進行判斷：

式中：ρ表示效率; Si（-） 、S 和Sb（+）分別表示投入、期望產出和非期望產出的松弛變量;λj 表示各決策單元所占權重; j 表示除待測地區外的其他地區; xij表示地區j 的第i種投入; yrj表示地區j 的第 r 種期望產出; ybj表示地區j 的第b種非期望產出; S-和 S+分別表示投入和產出的松弛變量。

在該模型中 ， 當ρ≥1時決策單元有效 ， 當0≤ρ<1時決策單元無效。

在上述模型的基礎上 ，從動態的角度構建第 t年與第t+1年的 SBM-ML指數 ，并定義其為綠色全要素生產率指數。SBM-ML指數還可分解為2個部分即 EC和 TC，分別表示第 t年到第 t+1年的技術效率改善指數和技術進步指數。模型表達式為：

式中： Dt （xi（t）+1 ，yr（t）+1 ， yb（t）+1）表示第 t+1年的 DMU 與第 t 年生產前沿面之間的距離 ， 其他 D（xi ，yr ， yb）的含義以此類推。

當 SBM-ML指數大于1時 ，表明綠色全要素生產率提高 ，反之則表明綠色全要素生產率降低。當 EC>1和 TC>1時 ， 表明技術效率改善和技術進步 ，反之則表明未有技術效率改善和技術進步。

1.2 GINI系數、對數離差均值和泰爾指數

GINI系數、對數離差均值和泰爾指數最早是用來反映地區收入差距的指標 ，后被廣泛應用于空間差異研究 ，其值越大表明綠色全要素生產率的空間差異越大 ， 即其空間均衡性越差[14]。計算公式為：

式中： GI、LI和 TI分別表示海洋交通運輸業的 GINI系數、對數離差均值和泰爾指數; n 表示沿海地區的數量;ρ表示海洋交通運輸業的綠色全要素生產率平均值; ei表示將海洋交通運輸業的綠色全要素生產率由低到高排序后 ，第i個沿海地區海洋交通運輸業的綠色全要素生產率。

1.3 重心-標準差橢圓模型

重心-標準差橢圓模型是空間格局統計分析方法之一，可度量空間要素分布的離散趨勢 ， 反映二維空間內要素分布偏離重心的程度[15] ，通常采用中心性、密集性、方位和形狀特征等表達[16] ， 計算公式為：

式中： N（X ，Y）表示海洋交通運輸業的綠色全要素生產率的重心坐標;（xi ，yi）表示研究對象的空間坐標;（xi* ，yi*）表示研究對象距離重心的相對坐標;σx 和σy 分別表示沿 X軸和 Y 軸的標準差;ωi*表示沿海地區海洋交通運輸業的綠色全要素生產率;θ表示坐標與 X軸的偏角 ，規定正北方向為0°。

2 指標選取和數據來源

2.1 指標選取

在測算中國海洋交通運輸業的綠色全要素生產率時 ，須收集各沿海地區海洋交通運輸業的投入和產出數據。考慮數據的可獲得性和測算的準確性 ，合理選取投入和產出指標 ， 建立中國海洋交通運輸業的綠色全要素生產率評價指標體系。

2.1.1 投入指標

本研究從勞動力投入、能源投入和資本投入3個方面 ，選取海洋交通運輸業的投入指標。其中 ， 勞動力投入以海上交通運輸業的從業人員數量表示[6];能源投入以海洋交通運輸業的能源消耗量表示;資本投入以海洋交通運輸業的固定資產投資額表示[17] ， 以沿海地區交通建設的固定資產投資額代表海洋交通運輸業的固定資產投資額[11]。

2.1.2 產出指標

海洋交通運輸業的產出可分為期望產出和非期望產出2個部分 ，本研究分別以海洋交通運輸業的增加值和碳排放量表示期望產出和非期望產出。由于缺少海洋交通運輸業碳排放量的直接數據 ，本研究借鑒董夢如等[11]的碳排放量計算方法 ，具體包括2個步驟。

（1）計算各沿海地區交通運輸業的碳排放量：

式中： Ci 表示第i個沿海地區交通運輸業的碳排放量; Eij表示第i個沿海地區交通運輸業的第j類能源消耗量; Fj 表示第j類能源的平均低位發熱量;αj 表示第j類能源的碳排放系數。

平均低位發熱量的數據來源于《中國能源統計年鑒》，碳排放系數的數據來源于《省級溫室氣體清單編制指南（試行）》（表1）。

（2）計算各沿海地區海洋交通運輸業的碳排放量：

式中： MCi表示第i個沿海地區海洋交通運輸業的碳排放量; Qi 表示第i個沿海地區海洋交通運輸業的貨物周轉量;β表示海洋交通運輸業的旅客運輸轉化為貨物運輸的轉化系數 ，取值0.125[18]; Pi 表示第i個沿海地區海洋交通運輸業的旅客周轉量; Ti表示第i個沿海地區交通運輸業的總周轉量。

2.2 數據來源

本研究收集中國沿海10省（自治區、直轄市）的數據 ，鑒于數據的可獲得性 ， 研究范圍不包括浙江省以及香港、澳門和臺灣地區。數據來源于歷年《中國交通運輸統計年鑒》《中國環境統計年鑒》《中國交通年鑒》《中國海洋統計年鑒》《中國能源統計年鑒》和各沿海地區的“統計年鑒”， 部分數據來源于 Wind數據庫和計算結果 ， 缺失數據根據實際情況采用插值法補齊。

3 中國海洋交通運輸業的綠色全要素生產率及其空間分異

3.1 綠色全要素生產率

本研究通過MaxDEA軟件 ，運用 SBM-ML指數測算2006—2017年中國海洋交通運輸業的綠色全要素生產率 ， 將技術效率改善指數、技術進步指數和綠色全要素生產率指數作平均處理[19]并排序（表2）。

3.1.1 綠色全要素生產率保持增長態勢 ， 具有較大的效率改善空間

由表2可以看出 ， 2006—2017年中國海洋交通運輸業的綠色全要素生產率均大于1， 平均值為1.077，表明中國海洋交通運輸業發展狀態良好。其中 ，技術效率改善指數和技術進步指數的平均值分別為0.898和1.205，表明海洋交通運輸業的綠色全要素生產率增長主要歸功于技術進步 ， 與該時期國家實施創新驅動發展戰略和鼓勵科技創新密切相關[20]。從區域角度來看 ，僅天津和上海處于生產前沿 ，其他地區均未達到最優技術效率 ， 因此雖然技術進步迅猛 ，但海洋交通運輸業的綠色全要素生產率始終處于較低水平;天津和上海雖然達到最優技術效率 ，但技術進步的放緩阻礙海洋交通運輸業的綠色全要素生產率的進一步增長[21]。因此 ， 中國海洋交通運輸業的綠色全要素生產率仍具有較大的效率改善空間。

3.1.2 綠色全要素生產率存在明顯的區域差異

從區域層面來看 ， 天津、上海和廣東海洋交通運輸業的綠色全要素生產率高于平均值 ， 其在地理位置上分別位于中國的北部、中部和南部 ， 其他地區的綠色全要素生產率遠低于這3個地區 ， 呈現顯著的空間分布不均衡性。因此 ， 中國海洋交通運輸業的綠色全要素生產率存在明顯的區域差異。

為便于分析 ，本研究根據綠色全要素生產率的平均值將沿海地區分為3個類型[22-23]。①高效率水平地區 ，取值為（1.10， 1.15] ，包括上海、天津和廣東;②中效率水平地區 ，取值為（1.05， 1.10] ，包括江蘇和山東;③低效率水平地區 ， 取值在（1， 1.05] ， 包括海南、遼寧、廣西、河北和福建。

3.2 綠色全要素生產率的空間非均衡性

分別測算 GINI系數、對數離差均值和泰爾指數及其增長率 ， 以期更為全面和準確地分析中國海洋交通運輸業的綠色全要素生產率的空間分異程度。泰爾指數、GINI系數和對數離差均值分別對應高效率、中效率和低效率水平的區域差異 ， 其值越大即區域差異越大 ，空間非均衡性也越強[24]。為便于分析 ，建立主縱坐標軸反映 GINI系數和對數離差均值 ，建立副縱坐標軸反映泰爾指數（圖1）。

由圖1可以看出 ， GINI系數、對數離差均值和泰爾指數的變動趨勢大致相同 ， 均呈現先上升后下降的趨勢 ，表明2006—2017年中國海洋交通運輸業的綠色全要素生產率的區域差異具有先擴大后縮小的特點。具體來說 ， 2006—2012年中國海洋交通運輸業的綠色全要素生產率的區域差異呈擴大趨勢 ，其中中效率水平地區相較于兩端效率水平地區的差異更為顯著;2013年對數離差均值和泰爾指數出現明顯下降 ，而 GINI系數仍維持較高水平 ，表明處于兩端效率水平地區的差異顯著縮小 ， 而中效率水平地區的差異仍較大;2014年 GINI系數出現下降 ，表明中效率水平地區的差異縮小 ， 但相較于兩端效率水平地區的差異仍顯著;2016—2017年三者均呈現下降趨勢 ，表明各效率水平地區的差異逐漸縮小 ， 即空間非均衡性減弱。

GINI系數、對數離差均值和泰爾指數的增長率變動趨勢如圖2所示。

由圖2可以看出 ，GINI系數、對數離差均值和泰爾指數增長率的變動幅度不同但變動趨勢基本相同 ，表明研究期內中國海洋交通運輸業的綠色全要素生產率的區域差異變動趨勢大致相同 ， 出現顯著異動表明該時期的區域差異出現明顯變動。研究期內 GINI系數始終大于對數離差均值和泰爾指數 ，表明中國海洋交通運輸業的綠色全要素生產率中效率水平地區相較于兩端效率水平地區的區域差異更大。泰爾指數的變動幅度大于 GINI 系數和對數離差均值 ， 表明中國海洋交通運輸業的綠色全要素生產率高效率水平地區相較于中效率和低效率水平地區的區域差異變動更明顯。

3.3 綠色全要素生產率的空間格局演進

在明確中國海洋交通運輸業的綠色全要素生產率的空間非均衡程度后 ，本研究運用重心-標準差橢圓模型分析其空間格局演進特征。使用 ArcGIS 10.2軟件計算空間分布重心和標準差橢圓屬性 ，從而得到中國海洋交通運輸業的綠色全要素生產率的重心移動和標準差橢圓參數（表3）。

3.3.1 綠色全要素生產率的重心移動呈現“S-N- S”特征

由表3可以看出 ，重心坐標大致位于安徽地區 ， 并不屬于研究范圍 ， 但仍處于中國近海的中部地區 ，表明中國海洋交通運輸業的綠色全要素生產率的南北差異并不明顯。2006—2009年重心向 WS 方向移動 ，表明中國西南沿海地區（如廣西）海洋交通運輸業的綠色全要素生產率提升較大;2009—2012年重心向 ES方向移動 ，表明中國東南沿海地區（如廣東和福建）海洋交通運輸業的綠色全要素生產率提升較大;2012—2015年重心向 WN方向移動 ，表明中國北方沿海地區（如天津）海洋交通運輸業的綠色全要素生產率提升較大;2015—2017年重心向 WS方向移動 ， 表明中國西南沿海地區（如廣西）海洋交通運輸業的綠色全要素生產率再次提升較大。

3.3.2 綠色全要素生產率具有“EN- WS”的空間格局

從標準差橢圓的形狀來看 ， 南、北方向距離始終大于東、西方向距離 ， 中國海洋交通運輸業的綠色全要素生產率的空間分布以 EN-WS方向為主導。2006—2017年主軸長度不斷延伸 ，表明海洋交通運輸業的綠色全要素生產率的空間格局在 EN- WS方向逐漸擴散;輔軸長度不斷縮小 ，表明海洋交通運輸業的綠色全要素生產率的空間格局在 WN- ES方向逐漸集聚。從主、輔軸長度的整體動態來看 ， 中國海洋交通運輸業的綠色全要素生產率在主軸上保持穩定 ， 而在輔軸上經歷先縮小后擴散的趨勢。

3.3.3 綠色全要素生產率的空間格局偏移趨勢不明顯

2006—2017年轉角呈現先減小后增大的特征 ， 但其旋轉程度均未超過1°。中國海洋交通運輸業的綠色全要素生產率的標準差橢圓由 EN-WS方向向 E-W 方向旋轉0.01°，變動幅度很小。

4 建議

本研究基于相關面板數據 ，運用 SBM-ML指數測算2006—2017年中國海洋交通運輸業的綠色全要素生產率 ， 并采用空間分析工具分析其空間分異 ，主要得出3點結論。①中國海洋交通運輸業的綠色全要素生產率保持增長態勢 ，仍具有較大的效率改善空間;②中國海洋交通運輸業的綠色全要素生產率具有顯著的空間非均衡性 ，其中中效率水平地區的區域差異更大 ， 而高效率水平地區的區域差異變動更明顯;③中國海洋交通運輸業的綠色全要素生產率的重心移動呈現“S-N-S”特征 ， 具有“EN-WS”的空間格局但偏移趨勢不明顯。

基于實證分析結果 ，本研究提出3項建議 ， 以期不斷提升中國海洋交通運輸業的綠色全要素生產率 ，并實現區域均衡發展。①重視區域協調合作 ， 縮小生產效率差異。一方面 ， 構建海洋交通運輸業區域協同一體化的發展模式 ，搭建相關管理部門的交流平臺 ，實現區域資源共享 ， 促進資本和人才等生產要素在市場中自由流動;另一方面 ， 通過政府投資等經濟政策 ，加強各沿海地區海洋交通運輸業在基礎設施建設領域的協調和連接。②加快能源結構轉型 ， 提高技術創新能力。一方面 ， 降低化石能源消耗占比 ， 加速清潔能源的研發和應用進程 ， 促進海洋交通運輸業的綠色可持續發展;另一方面 ，大力推動綠色技術進步 ， 加快培養海洋交通運輸業的科技人才 ，組建高素質的人才隊伍。③促進產業集聚發展 ，提升綜合管理水平。積極引導海洋交通運輸業向規模化和集約化方向發展 ， 實現海洋交通運輸業由單一企業向企業協同發展、由單一線路向跨區域綜合線路發展以及由單一方式向便利化多式聯運發展。

參考文獻

[1] 秦曼 ，王淼.我國海洋產業生態轉型的困境與出路[J].經濟縱橫 ，2016（6）：47-51.

[2] 沈偉航 ，武婧妤 ， 寧攸涼 ， 等.中國林產工業綠色全要素生產率測算：基于制造業31個分行業的面板數據[J].西北林學院學報 ，2021（4）：282-288.

[3] 劉亦文 ，歐陽瑩 ，蔡宏宇.中國農業綠色全要素生產率測度及時空演化特征研究[J].數量經濟技術經濟研究 ， 2021， 38（5）：39-56.

[4] OUM T H，TRETHEWAY M W，WATERS W G. Concepts， methods and purposes of productivity measurement in transportation[J].Transportation Research Part A：Policy and Practice，1992，26（6）：493-505.

[5] 呂鐵.鐵路運輸業的生產率變動及其影響因素分析[J].鐵道學報 ，1997（2）：8-15.

[6] 余思勤 ，蔣迪娜 ，盧劍超.我國交通運輸業全要素生產率變動分析[J].同濟大學學報（自然科學版） ，2004（6）：827-831.

[7] 劉玉海 ，林建兵 ， 翁嘉輝.中國道路運輸業營運效率動態分析：基于 Malmquist生產力指數[J].產業經濟研究 ， 2008（1）：56-63.

[8] 袁長偉 ， 張帥 ， 焦萍 ， 等.中國省域交通運輸全要素碳排放效率時空變化及影響因素研究[J].資源科學 ， 2017， 39（4）：687-697.

[9] 彭志敏 ，吳群琪.我國交通運輸業全要素生產率的增長特征及影響因素分析[J].公路交通科技 ，2019，36（9）：129-139.

[10]紀建悅 ，孔膠膠.基于 STIRFDT模型的海洋交通運輸業碳排放預測研究[J].科技管理研究 ，2012，32（6）：79-81.

[11]董夢如 ，韓增林 ，郭建科.中國海洋交通運輸業碳排放效率測度及影響因素分析[J].海洋通報 ，2020，39（2）：169-177.

[12]胡彪 ， 王鋒 ，李健毅 ， 等.基于非期望產出 SBM 的城市生態文明建設效率評價實證研究：以天津市為例[J].干旱區資源與環境 ，2015，29（4）：13-18.

[13] TONE K.A slacks-based measure of efficiency in data envelopment analysis [J]. European Journal of Operational Research.2001，130（3）：498-509.

[14] 王耕 ，李素娟 ， 馬奇飛.中國生態文明建設效率空間均衡性及格局演變特征[J].地理學報 ，2018，73（11）：2198-2209.

[15] 趙璐.中國經濟格局時空演化趨勢[J].城市發展研究 ， 2013，20（7）：14-18，34.

[16] 賀三維 ，王偉武 ， 曾晨 ，等.中國區域發展時空格局變化分析及其預測[J].地理科學 ，2016，36（11）：1622-1628.

[17] 高錫榮 ，劉卉.中國鐵路運輸業的生產前沿移動與技術進步的實證分析[J].統計與決策 ，2011（2）：89-92.

[18] 鄭林昌 ，張雷.中國區域交通運輸能耗影響因素研究[J].物流技術 ，2009，28（11）：1-4，10.

[19] 高楊 ， 牛子恒.農業信息化、空間溢出效應與農業綠色全要素生產率：基于 SBM-ML指數法和空間杜賓模型[J].統計與信息論壇 ，2018，33（10）：66-75.

[20] 陳黎明 ，王俊昊 ，趙婉茹 ，等.中國區域綠色全要素生產率的影響因素及其空間特征[J].財經理論與實踐 ， 2020， 41（4）：122-132.

[21] 顏鵬飛 ，王兵.技術效率、技術進步與生產率增長：基于 DEA的實證分析[J].經濟研究 ，2004（12）：55-65.

[22] 許瑤 ， 紀建悅 ，許玉潔.中國養殖海域利用效率空間非均衡格局及成因[J].資源科學 ，2020，42（11）：2158-2169.

[23] 韓增林 ，計雪晴 ，胡盈 ， 等.基于 SBM 模型的我國海洋漁業生態效率的時空演變[J].海洋開發與管理 ，2019，36（12）：3-8.

[24] 黃和平 ，喬學忠 ，張瑾 ，等.綠色發展背景下區域旅游業碳排放時空分異與影響因素研究：以長江經濟帶為例[J].經濟地理 ， 2019，39（11）：214-224.