基于非期望超效率Malmquist面板模型中国海洋环境效率测算

孙鹏 宋琳芳

摘要党的第十九大强调加快推进海洋强国战略和生态文明建设，海洋经济发展与海洋生态环境保护越来越受到学术界和政府部门的关注。如何在考虑环境可持续发展的路线下提高海洋经济效率，成为海洋经济领域研究的重点。基于非期望超效率模型测算了沿海11个省市2004—2015年12年间的海洋环境效率，并结合Malmquist生产率指数模型对海洋环境效率的动态变化以及分解效率进行分析，最后利用Tobit面板模型分析海洋环境效率的影响因素。结果表明：①沿海各省海洋环境效率大体呈现三个等级分布，粤、沪、津处于第一等级，浙、苏、鲁处于第二等级，冀、辽、闽、琼、桂处于第三等级。②Malmquist模型结果显示珠三角、长三角地区海洋环境效率整体较高，环渤海、北部湾地区相对较低，长三角区域围绕上海、珠三角区域围绕广东、环渤海区域围绕天津形成3个海洋经济增长极的总体格局。但考虑环境因素后，北部湾区域与其他区域效率差明显缩小，说明虽然北部湾地区海洋经济发展还处于较低水平，但政府并没有一味地开发海洋资源而造成海洋生态环境的大肆破坏，海洋生态环境总体保持良好，海洋环境效率稳中有升。各省市的海洋环境效率增长主要依靠技术效率的提升，而非技术进步效率。③环境规制是促进海洋环境效率的主要因素，海洋产业结构、地区经济发展水平对海洋环境效率呈正向影响。政府应当进一步强化海洋环境规制，积极转变海洋生产方式，促进海洋环境效率进一步提升。

关键词海洋环境效率;非期望产出;数据包络法;超效率

中图分类号F062.2

文献标识码A文章编号1002-2104（2019）02-0043-09DOI：10.12062/cpre.20180722

海洋是经济社会发展的重要依托和载体，海洋意识不仅是国家软实力的重要内容，更是实施海洋强国战略、实现中华民族伟大复兴的思想基础，对国家和民族发展有着持久而深远的影响[1]。自党的十八大明确提出海洋强国战略以来，海洋经济发展与海洋资源开发越来越得到重视，最近召开的十九大报告再一次强调，坚持陆海统筹，加快建设海洋强国，海洋强国建设思想已经成为习近平新时代中国特色社会主义思想的有机组成部分。与此同时，我国对于生态环境保护日益加强，2018年3月，国务院机构改革方案决定，将生态环境部替代原有的环境保护部，海洋环境管理由国家海洋局划分到生态环境部，调整职责统一管理，表明政府对海洋环境治理的决心，从而真正实现中国由海洋大国向海洋强国的转变。中国海洋经济发展已取得一定成效，如何在保证生态环境良好的基础上，进一步提高海洋经济发展效率问题，成为海洋经济研究中的热议话题。整个“十二五”时期，全国海洋生产总值增长了42.14%;2016年全国海洋生产总值达70 507亿元，占国内生产总值的9.5%。海洋经济快速发展的同时也带来了海洋生态环境的压力，近年频繁发生的赤潮现象，警示人们在生产活动中排放的废水废物严重过量、海洋资源消耗强度过大等问题，传统粗放的海洋经济发展方式需要转变为更环保、更低能耗、更有效率的可持续发展方式。基于此，科学评判海洋经济与环境效率，探寻影响海洋环境效率的影响因素，对于提高沿海地区海洋经济发展水平，减轻海洋生态环境压力，有着重要的理论和实践意义。

1文献综述

對于经济效率和环境效率的测算，何枫[2]较早运用随机前沿模型（SFA）测算了全国环境效率，发现改革开放20年以来中国环境效率呈稳步上升趋势;随后其他学者利用数据包络法（DEA）等方法对中国省际环境效率进行了测算，得到了类似的结论[3-6]。近些年来学者开始逐渐关注海洋环境效率的测算，学者们要么聚焦于海洋经济发展全局效率水平[7]，要么聚焦于海洋经济发展的某些方面，比如海洋捕捞生产效率[8-9]、地区海洋科技效率评价[10]等。

海洋环境效率的测算方法上主要运用随机前沿法和数据包络法。随机前沿法是一种通过估计生产函数且考虑函数中随机误差来测算效率的一种参数方法[11-12];相对而言数据包络法作为测算效率非参数方法中最为常见的一种，其各类模型在测算海洋效率方面使用广泛[13-18]，其优势在于不要求生产函数形式和分布，假设条件少，可评价复杂关系的决策单元，被广泛运用于测算效率值，而最大的缺陷是大部分学者利用DEA测算海洋经济效率的有效面过多[19];另外也有利用其他方法测算海洋经济效率，例如解释结构模型[20]，层次分析法[21]以及增长率回归法[22]。

以上研究中部分学者对于海洋经济效率的测算忽略了环境污染带来的非期望产出;另有部分学者虽然考虑到了非期望产出对经济效率的影响，但大都是采用单一或多个污染物排放量直接作为非期望产出代入模型中[15，19]。基于此，本文定义海洋环境效率为一般海洋经济效率的基础上考虑了环境污染因素，选取的非期望产出，使用熵值法构建了环境污染指数，为了避免随意增加指标引起效率值结果的大幅波动，能够相对综合的反映环境污染程度;其次，使用了超效率模型测算了各省海洋环境效率，对省际差异进行比较;最后，运用Malmquist模型测算海洋环境效率时空动态变化，探寻区域海洋环境效率差异以及分解效率差异性影响。后文的章节安排如下：第二部分介绍了主要研究方法和数据来源，第三部分分析了超效率模型及Malmquist模型的结果，第四部分利用Tobit面板回归模型初步探究了海洋环境效率的影响因素，最后第五部分给出结论及建议。

2研究方法与数据来源

2.1非期望产出DEA模型

在DEA模型中处理非期望产出的方法大致有曲线测度法、方向距离函数法、线性转换函数法、作为投入指标法，1989年Fare[23]提出曲线测度法是一种非线性规划方法，缺点是求解繁琐;CHUNG[24]提出了方向距离函数，Seiford和Zhu[25]提出了线性转换函数法，但是这两种方法都加入了决策者的主观判断，与客观性不符;王波[26]采用将非期望产出放到投入中的方法，在维持输出不减少的前提下，使投入和非期望的产出越少越好;综合考虑，本文选择将非期望产出作为投入的做法。

2.2超效率模型

利用DEA来评价决策单元的效率，已经被广泛运用到各个领域，但是DEA只能对无效的单元进行排序，而对于前沿面上的多个有效单元不能加以区分，认定有效决策单元效率都等于1。为了进一步区分DEA有效的决策单元之间效率优劣，1993年Andersen和Petersen提出建立超效率模型，相比传统的DEA模型。超效率模型可以对前沿面上的多个有效单元进行区分。

2.3Malmquist模型

超效率模型只能比较组内决策变量之间的相对效率大小，无法观测面板数据下的效率变化，为了对海洋效率进行动态变化分析以及效率分解，需要引入非期望产出作为投入变量的Malmquist模型。虽然Malmquist模型要求各种产出在同一个方向上变动，不适合将非期望产出作为负产出的情况，但是本文是将非期望产出作为投入处理，即可直接使用Malmquist模型。

2.4“资源消耗指数”和“环境污染指数”构建

为了完善以往研究中选取单个资源投入作为资源投入指标，单个污染物排放作为非期望产出指标，本文借鉴[7]的方法将资源依赖和环境污染等各项数据整合为“资源与环境消耗指数”，包括“资源消耗指数”和“环境污染指数”两个指标，分别将“资源消耗指数”作为投入指标，“环境污染指数”作为非期望产出指标。具体做法是通过熵值法构建了“资源消耗指数”作为资源投入，“环境污染指数”作为非期望产出。资源消耗主要选取“海洋捕捞产量”、“海洋养殖面积”体现海洋渔业资源的消耗;由于没有直接提供海洋方面的电力油气资源消耗，将全省电力消耗量，天然气消耗量和原油消耗量乘以海洋生产总值和总生产值占比，得到“海洋电力消耗量”、“海洋天然气消耗量”和“海洋原油消耗量”。环境污染指数选取的是沿海省市的“海洋工业废水排放量”以及“海洋工业废物排放量”，同样是通过全省的工业废水、工业废物排放量折算为海洋生产方面的排放量。

2.5指标选取和数据来源

2.5.1投入指标选取

由于经济活动中生产投入要素主要包括劳动力投入、资本投入以及土地，本文选取海洋经济生产中的投入要素除了从这几个方面考虑，还增加了对资源消耗的投入指标。①劳动力投入，选取沿海各省“涉海就业人员数量”为变量指标。②资本投入方面，使用的是“海洋经济资本存量”作为资本投入指标。首先，沿用张军[27]测算的2000年的各省市资本存量，并将其折算为2004年为基期的资本存量数据;其次，使用永续盘存法公式：Kt=It/Pt+（1-σt）×Kt-1，計算每年的资本存量，其中，将全社会固定资产投资作为当期投资It，Pt为固定资产价格指数衡量，Kt-1是上一期的资本存量，考虑到折旧率在不同发展水平的地区会有所不同，更发达的地区折旧率会更高，所以，本文选取的折旧率不同于以往学者使用的固定折旧率，而是借鉴吴延瑞[28]推导估算的不同省份采用的不同折旧率;最后，将各省资本存量分别乘以各省海洋生产总值与全省生产总值占比[22]，得到海洋资本存量数据。“海洋经济资本存量”测算也是本文的创新之一。③资源投入，将上文构建的“资源消耗指数”作为海洋经济发展的资源投入。

2.5.2产出指标选取

包括期望产出和非期望产出，期望产出选择的是大部分学者采用的沿海各省的“海洋生产总值”，重点处理非期望产出，非期望产出构建“环境污染指数”来衡量，本文采取将非期望产出作为投入的处理方式。

2.5.3数据来源

本文以沿海11个省市区（天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南）作为决策单元（香港、澳门、台湾也属于中国沿海省市，但由于数据获取所限，未包含在本文中。后文所指的沿海省市均指除港澳台的11个省市区），利用2004—2015年间12年数据测算海洋环境效率值。数据来源于《中国海洋统计年鉴》《中国统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》与中国海洋经济信息网。

3基于超效率模型的海洋环境效率测算

3.1一般效率模型与超效率模型对比分析

本文采用DEASolver 5.0测算出海洋环境效率值。首先利用一般的DEA方法的CCR模型测算海洋环境效率，发现结果有效的决策单位过多，需要进一步对比有效面的效率差异。因此进一步采用超效率模型对CCR模型进行修正。选取投入角度，规模报酬不变，得到超效率值。

3.2超效率模型结果分析

3.2.1超效率值分析

根据DEASolver 5.0超效率模型可以得到各省市历年海洋环境效率值（见表1）。

由表1可以看出，首先，效率面样本在逐渐上升。由2004年的2个（上海、广东）上升到2015年4个（上海、广东、天津、江苏）;其次，地区间的效率差异呈现先扩大后缩小的趋势，在2004年各地区总体效率较高，上海为最高效率值为1.575，相比最低效率海南0708高出0867，可以看出区域差异明显，高效率地区主要是上海、广东和天津，低效率地区主要有河北、辽宁、广西和海南;2008年可以看出地区差异呈现出更大的趋势，最高（广东1134）与最低（广西0649）相差1252;2012年和2015年各地效率差异又逐渐缩小，差距值分别为0827和0995。

3.2.2排名变化分析

因超效率模型测算的是组内相对效率，所以无法进行组间效率比较，为解决这问题，本文分别以年份为样本组计算得各地区截面的超效率值，并对各省份不同年份的效率排名进行分析，如表2所示。

由表2可知，根据排名均值，11个省市区大体呈现出三个等级的分布特征。其中，第一等级包括广东、上海和天津，三者的海洋环境效率排名均值位于前3，这3个地区海洋经济起步较早，发展水平高，依托区域港口等资源优势，海洋产业都成为上述三个地区重要的支柱产业，依托雄厚的资金和技术带动，海洋环境效率表现出较高水平;第二等级包括浙江、江苏、山东3省，均值排名在第4至第6之间，处于中等发展水平，这3个省份均属于较发达地区，海洋经济发展水平较高，主要依靠海洋渔业、海洋盐业、海洋交通运输等产业带动，海洋环境效率相对较高;第三等级包括河北、福建、海南、辽宁和广西5省区，均值排名位于7到11名，5省区要么表现出海洋经济发展水平相对较低（海南、广西），要么海洋环境破坏较为严重（辽宁、河北、福建），从而导致海洋环境效率处于较低水平;值得一提的是海南海洋环境效率在前几年的排名靠后，近些年排名有所提升，达到中等良好水平，这与有些文献中测算的海南海洋环境效率一直处于落后水平的结论有所不同，表明海南近年来大力发展海洋经济，并坚持生态立省战略取得了一定成效。为了更直观的考察地区间海洋环境效率变化趋势，可以通过图1各省排名变化加以分析。

由图1可以看出，中国11个沿海省市海洋环境效率排名变化表现为上升型、下降型、稳定型和波动型四种类型。江苏、海南两省属于上升型，表明两省在大力发展海洋经济的同时，更加注重海洋的生态环境保护问题，在传统海洋生产方式向绿色海洋发展方式的转型上取得一定成效;尤其是海南在2010年前后确定建设国际旅游岛的政策环境下，更为重视保持良好的海洋生态环境，取得了海洋环境效率的快速增长，在2014年排名跌落异常，主要是由于当年40年一遇的超强台风“威马逊”对于海洋生态以及海南海洋经济的严重破坏，导致2014年海南的海洋环境效率大幅跌落。福建省属于下降型，近年来福建在海洋经济发展方面的资本投资以及资源索取有所增加，导致产出增长幅度不及投入增长，使得海洋环境效率排名的降低。广东、上海、辽宁和广西4省市区环境效率比较稳定，属于稳定型，其中广东、上海常年位居排名第一第二，主要得益于两地良好的经济环境和综合发展实力，辽宁 、广西一直排名靠后说明其海洋经济发展模式存在问题，应积极改进海洋经济发展方式，做到海洋经济发展水平提高和海洋生态环境同时得到保护。天津、河北、山东、上海和浙江四省市属于波动型，天津在早期资源消耗较高，河北早期劳动力投入逐年增加，各省的投入产出变化幅度不稳定，可能是导致海洋环境效率波动较大的主要原因。

3.3Malmquist模型结果分析

3.3.1总体海洋环境效率时间序列演变及效率分解分析

为进一步分析效率变化受哪个分解效率的影响，本文进一步引入Malmquist模型进行分析。可以观察总体海洋环境效率在时间序列上的效率值变化，如图2所示。

可以看出，沿海地区海洋环境效率值大体呈现“M”型变动趋势，总体都在0.8以上，一直处于高效率水平，说明中国海洋环境效率处于良好发展状态。2005—2008年间海洋环境效率持续下降，主要原因可能在于“十五”期间国家提出重视海洋经济发展，强调加大力度对海洋资源开发，随后而来的资源消耗过多、环境污染严重问题，使得中国整体海洋环境效率值从2005年的1199持续下降至2008年的0.958;2010年出现小峰值，原因可能在于2008—2010年间政府为应对全球次贷危机实施的“四万亿投资计划”，为了扩大内需、促进经济平稳较快增长而颁布的十项措施中明确提到，加强生态环境建设以及重点流域水污染防治，同时对全国所有行业实施增值税转型改革以减轻企业负担，强有力的宏观政策所带来的优势极大地促进了海洋经济发展，带来了短期海洋環境效率的大幅提升;随后在2011年海洋环境效率急剧下降，可能原因在于强制投资带来的泡沫效应，引起全国整体海洋产业升级换代脚步加快，在一定程度上忽视了海洋生态环境破坏问题，一味追求产值的提升，粗放型开发海洋导致总体海洋环境效率值下降的结果，这也和2011—2013年间由于污染物排放过量导致东海、渤海区域大面积赤潮现象的事实吻合;直到近几年出现回升趋势，原因可以推测为在2012年，国家专门出台了《全国海洋经济发展“十二五”规划》，其中，加强调海洋环境政策中海洋生态环境保护工作的重要性，比之前的规划更为详细全面，由此带来近年海洋经济可持续发展的改善[22]。

同时，利用Malmquist模型分解出2004—2015年间的技术进步效率和技术效率，其中，技术效率又可以进一步分解为纯技术效率和规模效率，得到表3、图3。

由表3和图3可知，大部分年份海洋环境效率指数大于1，说明中国总体海洋环境效率变化指数处于上升阶段，并且总体海洋环境效率水平的提高是依赖于海洋技术效率的提升，而非海洋技术进步效率的增长。由技术效率指数进一步分解得到的纯技术效率指数和规模效率指数变化幅度不大;相比之下，技术进步效率水平变化较为平缓且效率值较低，未来应进一步推进海洋技术进步，大力提高海洋科技水平，以进一步提升海洋环境效率。

3.3.2海洋环境效率地区间比较

本文将中国沿海地区11个省市区按照经济集聚特点划分为四大区域，分别为环渤海区域（辽、津、冀、鲁）、长三角区域（沪、苏、浙）、珠三角区域（粤、闽）以及北部湾区域（桂、琼）。根据四大沿海区域的全要素生产率（TFP）指数，可以看出各区域之间的海洋环境效率增长率的差异。

中国沿海四大区域的海洋全要素生产率总体呈现中间高两端低的态势，长三角地区最高，达到1097 3，泛珠三角地区次之，全要素生产率为1042，环境效率较低的其他两个地区差别不大，环渤海地区全要素生产率为1037 3，北部湾地区为1037 0，环渤海区域围绕天津海洋效率最高，长三角区域围绕上海，珠三角区域围绕广东，形成三个海洋经济增长极的总体格局。

值得注意的是，虽然北部湾区域与全国其他沿海区域海洋环境效率还有一定差距，但是将海洋经济效率和海洋环境效率作对比，可以看出北部湾的海洋环境效率与其他地区的差距明显缩小，如表4所示。这说明虽然北部湾区域海洋经济发展还处于较低水平，但政府并没有一味地开发海洋资源而大肆破坏海洋生态环境，海洋生态环境总体保持良好，因此海洋环境效率稳中有升。

4海洋环境效率的影响因素分析

为了探讨影响海洋环境效率发展的因素，尤其是环境规制因素的影响，本文在得到海洋环境效率值结果之后，以此作为因变量，通过建立Tobit面板模型，分析各项变量指标对海洋环境效率的影响。

4.1变量选取和说明

参考以往学者研究，考虑从地区发展水平、海洋产业结构、港口活跃度、科技投入、地区开放程度、环境规制力度以及“十二五”建立的海洋经济发展试点效果等方面作为变量。①因变量（Y）选取的是跨期超效率模型结果[29]，通过分别对每个省市计算的2004—2015年时序超效率值，作为衡量海洋经济效率水平;②海洋产业结构选取海洋第三产业占海洋生产总值比重（X1）;③港口活跃度选取港口货物吞吐量（X2）;④科技投入选取的是海洋科技人员数量（X3）;⑤地区经济发展水平选取的是人均GDP（X4）;⑥地区对外开放程度选取进出口占GDP比重（X5）;⑦环境规制力度选取完成治理投资占GDP比重，由“海洋环境规制力度=（完成治理投资×海洋产值占总值比重）/海洋总值”折算而来;⑧“十二五”海洋经济发展试点的影响效果采用倍差法来处理，X7是表示时间界限前后的虚拟变量，将“十二五”规划的第一年2011年作为界限，2004—2010年赋值为0，2011—2015年赋值为1;X8表示实验组和对照组的虚拟变量，“十二五”提出将山东、浙江、广东、福建和天津五个沿海城市作为海洋经济的发展试点，所以这五个地区设为实验组，赋值为1，其他地区为对照组赋值为0。数据来源于《中国统计年鉴》《中国海洋统计年鉴》。

由表5结果发现4个模型的回归结果基本一致。首先，环境规制力度、海洋产业结构和地区经济发展水平对海洋环境效率存在显著的正向影响。由此可见环境规制对于海洋经济发展的重要影响，也说明中国海洋环境规制的成效显著，未来的海洋经济发展依然需要重视环境规制，应当适当加大环境规制力度;海洋产业结构对海洋经济效率具有正向促进作用，说明海洋第三产业的比重增加有利于海洋环境效率的提高，但是回归系数值并不高，说明促进作用有限，这也正符合海洋结构变迁不同于一般产业结构以“三、二、一”为最优产业结构的现实;地区经济发展水平对海洋环境效率呈现正向促进作用，原因在于一个地区的经济发展水平是海洋经济发展的基础和平台，地区发展水平高，方便为海洋经济发展提供资金、资源和技术支持;其次，科技投入和地区对外开放程度对海洋经济效率有显著的负向作用。海洋科研人员的回归系数为负，这与苏为华[30]结论一致，说明虽然对于海洋科研人力资本的投入力度在逐年增加，但是带来的实际效应并不高，所以不能一味地投入人力物力，而忽视了对于海洋技术的内在创新;对外开放程度也呈现出对海洋经济效率的抑制作用，原因可能在于近年来对外出口疲软，通过盲目引进外资并不能带动经济效率的提升，甚至给海洋环境带来压力。再次，分析含有倍差法的模型二和模型四，可以看到两个模型中交互项均不显著，说明“十二五”实施的海洋发展经济区试点政策并没有达到预想的效果，对海洋环境效率没有显著影响。原因可能在于建立试点并没有将海洋经济改革落到实处，另一方面，作为实验区的五个省市没有很好地利用政策优势，没有因地制宜地为当地的海洋经济可持续发展提供可行性规划;海洋产业结构对于海洋环境效率没有显著影响，说明海洋产业结构的“三、二、一”模式并没有给海洋环境效率带来提升，这也正符合海洋结构变迁不同于一般产业结构以“三、二、一”为最优产业结构的现实。

5结论与建议

5.1结论

通过含有非期望的超效率模型和Malmquist模型对2004—2015年间沿海11个省市海洋环境效率进行测算，并且分析了海洋环境效率的差异性和变化特征，随后利用面板回归初步地探索了影响海洋环境效率的因素，得到的主要结论有：

由超效率模型测算结果可以进一步比较有效面上广东、上海和天津之间的效率值高低，广东和上海常年位居海洋经济发展的排名前一、二位，天津仅次于后排名第三。沿海各省海洋环境效率大体呈现三个梯队分布，广东、上海、天津处于第一梯队，浙江、江苏、山东处于第二梯队，河北、辽宁、福建、海南、广西处于第三梯队;历年各省海洋环境效率排名变化走势可以分为上升型、下降型、稳定型和波动型四种类型，其中稳定型又包括排名稳定靠前和排名稳定靠后。

中国海洋总体经济发展水平处于较高水平，且发展历程波动较大，其中长三角和珠三角地区处于较高发展水平，环渤海地区处于中等发展水平，北部湾地区发展水平最低，尤其是广西省，应注意调节海洋产业结构，升级海洋发展模式，走绿色可持续发展的海洋经济发展道路。

珠三角、长三角地区海洋环境效率整体较高，环渤海、北部湾地区海洋环境效率水平相对较低，但考虑环境因素后，北部湾区域与其他区域效率差明显缩小;总体海洋经济发展效率增长依靠海洋技术效率的增长，而非技术进步效率的增长，应注重海洋经济发展中内生技术创新，提高海洋经济发展中的技术提升，从而进一步提高总体海洋经济效率。

环境规制是促进海洋经济发展的重要原因，对于海洋环境效率有显著的促进作用，对此应更加注重规避海洋生态环境的进一步恶化，注重海洋资源的合理有效配置，加强环境规制力度。科研投入一定程度上抑制了海洋环境效率的提高，一味地科研投入可能忽略了真正的技术创新，使得科技资源配置不当，对海洋环境效率起到了是负向作用。

5.2对策建议

针对沿海各地区海洋环境效率水平存在的差异，应注意沿海各省市海洋经济均衡发展，海洋环境效率偏低的地区，应当注重利用自身发展优势，调整自身发展劣势，以取得海洋环境效率的进一步提升。辽宁、河北、山东和浙江等地应注重海洋生产活动与海洋生态环境平衡发展，做到发展海洋经济的同时，尤其是海洋养殖业等相关产业，注意在海洋养殖过程中，能够保护好海洋生态环境;广西、福建应注重海洋生产中的内生技术进步，提高海洋技术进步效率，结合自身优势，合理配置海洋資源，扩大海洋生产规模，提高海洋技术效率。

环境规制是促进海洋环境效率提升的主要影响因素，应加大环境规制力度，注意不仅要处理污染末端的治理，更应当加强海洋生产活动中污染源头的控制，完善相关法律法规的修订，加强政府政策执行管理能力，确保环保工具有力实施，充分发挥政府管制作用。

为避免科技投入的增加对海洋环境效率反而造成负向的影响，应当注意对海洋科技投入进行有效运用，海洋经济活动不能盲目模仿外来技术，对于投入海洋科技的大量资源应当用于自身技术创新，在提高海洋产业中科技投入比重的同时，应当鼓励企业进行生产技术的创新和产品革新，从而实现海洋产业的转型升级。

（编辑：于杰）

参考文献

[1]冯梁.论21世纪中华民族海洋意识的深刻内涵与地位作用[J].世界经济与政治论坛，2009（1）：71-79.

[2]何枫，陈荣，何炼成.SFA模型及其在我国技术效率测算中的应用[J].系统工程理论与实践，2004（5）：46-50.

[3]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010，45（5）：95-109.

[4]刘建国，李国平，张军涛，等.中国经济效率和全要素生产率的空间分异及其影响[J].地理学报，2012，67（8）：1069-1084.

[5]宋马林，王舒鸿.环境规制、技术进步与经济增长[J].经济研究，2013（3）：122-134.

[6]杨爱婷.基于可持续发展和福利增长的经济绩效研究[D].武汉：华中科技大学，2013：10-16.

[7]丁黎黎，朱琳，何广顺.中国海洋经济绿色全要素生产率测度及影响因素[J].中国科技论坛，2015（2）：72-78.

[8]张彤.基于DEA方法的中国海洋捕捞产业动态生产效率[J].中国渔业经济，2007（4）：6-10.

[9]JAMNIA A R，MAZLOUMZADEH S M，KEIHHA A A.Estimate the technical efficiency of fishing vessels operating in Chabahar region，Southern Iran[J].Journal of the saudi society of agricultural sciences，2015，14（1）：26-32.

[10]刘大海，臧家业，徐伟.基于DEA方法的海洋科技效率评价研究[J].海洋开发与管理，2008（1）：48-51.

[11]李彬，高艳.我国区域海洋经济技术效率实证研究[J].中国渔业经济，2010，28（6）：99-103.

[12]纪建悦，王奇.基于随机前沿分析模型的我国海洋经济效率测度及其影响因素研究[J].中国海洋大学学报（社会科学版），2018（1）：43-49.

[13]范斐，孙才志，张耀光.环渤海经济圈沿海城市海洋经济效率的实证研究[J].统计与决策，2011（6）：119-123.

[14]赵昕，郭恺莹.基于GRA-DEA混合模型的沿海地区海洋经济效率分析与评价[J].海洋经济，2012，2（5）：5-10.

[15]张继良，高志霞，杨荣.我国沿海地区海洋经济发展水平及效率研究[J].调研世界，2013（5）：46-50.

[16]DING L L，ZHENG H H，KANG W L.Measuring the efficiency of ocean economy in China： an improved threestage model [J].Romanian journal of economic forecasting，2017，20（1）：5-22.

[17]CASTELLETL，SENANTE M M.Efficiency assessment of wastewater treatment plants： a data envelopment analysis approach integrating technical，economic and environmental issues [J].Journal of environmental management，2016，167：160-166.

[18]KANGW L，WANG L，YU W C.Multiattribute double auction models for resource allocation in computational grids[J]. Open cybernetics and systemics journal，2014，8（1）：357-362.

[19]赵林，张宇硕，焦新颖，等.基于SBM和Malmquist生产率指数的中国海洋经济效率评价研究[J].资源科学，2016，38（3）：461-475.

[20]殷克东，李兴东.中国沿海地区海洋经济发展水平测度研究[J].经济管理，2010，32（12）：1-6.

[21]陈金良.我国海洋经济的环境评价指标体系研究[J].中南财经政法大学学报，2013（1）：18-23.

[22]吴玮林.中国海洋环境规制绩效的实证分析[D].杭州：浙江大学，2017：15-43.

[23]FARER，GROSSKOPF S，LOVELL C A K，et al. Multimateral productivity comparisions when some outputs are undesirable：a nonparametric approach[J].The review of economics and statistics，1989，71（1）：90-98

[24]CHUNGY H， FARE R， GORSSKOPF S. Productivity and undesirable outputs： a directional distance function approach.[J].Journal of environmental management，1997，51（3）：229-240.

[25]SEIFORD L M， ZHU J. Modeling undesirable factors in efficiency evaluation [J].European journal of operational research， 2002，142（1）：16-20.

[26]王波，張群，王飞.考虑环境因素的企业DEA有效性分析[J].控制与决策，2002（1）：24-28.

[27]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.

[28]吴延瑞.生产率对中国经济增长的贡献：新的估计[J].经济学（季刊），2008（3）：827-842.

[29]刘自敏，张昕竹，杨丹.我国省级政府卫生投入效率的时空演变——基于面板三阶段DEA模型的分析[J].中央财经大学学报，2014（6）：97-104.

[30]苏为华，王龙，李伟.中国海洋经济全要素生产率影响因素研究——基于空间面板数据模型[J].财经论丛，2013（3）：9-13.