岳冬冬 ，張 明，2，吳反修 ，俞 鑫

（1. 中國水產(chǎn)科學研究院東海水產(chǎn)研究所/農(nóng)業(yè)農(nóng)村部遠洋與極地漁業(yè)創(chuàng)新重點實驗室，上海 200090；2. 上海海洋大學經(jīng)濟管理學院，上海海洋大學研究生院，上海 201306；3. 全國水產(chǎn)技術(shù)推廣總站/中國水產(chǎn)學會，北京 100125）

【研究意義】水產(chǎn)養(yǎng)殖綠色發(fā)展已成為漁業(yè)轉(zhuǎn)型升級的必然趨勢。長期以來，水產(chǎn)養(yǎng)殖業(yè)作為中國漁業(yè)產(chǎn)業(yè)的重要組成部分，在保障水產(chǎn)品市場供給、改善居民膳食營養(yǎng)結(jié)構(gòu)和促進漁（農(nóng)）民收入持續(xù)增長等方面發(fā)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(jīng)驗”?！吨袊鴿O業(yè)統(tǒng)計年鑒》數(shù)據(jù)顯示，2018年我國水產(chǎn)品總產(chǎn)量6 457.66萬t，其中養(yǎng)殖產(chǎn)量4 991.06萬t［1］，占比達到77.29%。目前，中國水產(chǎn)養(yǎng)殖產(chǎn)量約占世界養(yǎng)殖水產(chǎn)品總量60%以上［2］。因此，對于中國水產(chǎn)養(yǎng)殖業(yè)的發(fā)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(yǎng)殖的。”在取得成就的同時，生產(chǎn)方式落后和效率低下等也成為當前水產(chǎn)養(yǎng)殖業(yè)發(fā)展不可回避的問題，因此，推進水產(chǎn)養(yǎng)殖業(yè)轉(zhuǎn)型升級、綠色高質(zhì)量發(fā)展具有重大的現(xiàn)實意義。

【前人研究進展】效率是評價投入產(chǎn)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(chǎn)率和技術(shù)效率的定義，概述了全要素生產(chǎn)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(shù)法、數(shù)據(jù)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(guān)于SFA方法的應用，陶素敏［4］采用隨機前沿生產(chǎn)函數(shù)測算了1998—2017年各省份農(nóng)業(yè)生產(chǎn)技術(shù)效率，結(jié)果顯示全國農(nóng)業(yè)生產(chǎn)技術(shù)效率均值為0.782，并且表現(xiàn)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(yǎng)殖戶技術(shù)效率進行了測算，結(jié)果表明組織化養(yǎng)殖戶的技術(shù)效率明顯高于未組織化養(yǎng)殖戶，同時樣本戶存在難以觀測的異質(zhì)性問題。DEA方法是Charnes等［6］在1978年提出用以評價部門經(jīng)濟的相對有效性；Banker等［7］在1988年建立了規(guī)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(shù)前沿分析方法，其在研究生產(chǎn)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(yōu)勢，而且能夠解決多投入、多產(chǎn)出的效率評估問題，因此，在技術(shù)研發(fā)［8］、農(nóng)業(yè)［9］、林業(yè)［10］等領(lǐng)域的效率評估方面得到廣泛應用。如余航等［11］運用Malmquist指數(shù)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(chǎn)率，結(jié)果表明2004—2015年我國4種水稻的全要素生產(chǎn)率分別為1.009、1.039、1.008和1.0414，其增長主要來自于技術(shù)進步；黃穎等［12］運用DEA方法評價了不同產(chǎn)業(yè)模式下銀行貸款服務蔗糖產(chǎn)業(yè)的效率，結(jié)果表明“公司+農(nóng)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(shù)測算了1994—2017年黑龍江墾區(qū)農(nóng)業(yè)技術(shù)效率，結(jié)果表明黑龍江墾區(qū)農(nóng)業(yè)全要素生產(chǎn)率實現(xiàn)增長；馬舒瑞等［14］采用Malmquist指數(shù)測算了沿海省市漁業(yè)產(chǎn)出效率，結(jié)果顯示技術(shù)效率和技術(shù)進步共同促進了全要素生產(chǎn)率增長。水產(chǎn)養(yǎng)殖業(yè)屬于要素投入型產(chǎn)業(yè)，苗種、養(yǎng)殖水體面積、勞動力和資本投入是提高水產(chǎn)養(yǎng)殖產(chǎn)量的關(guān)鍵因素，因此，水產(chǎn)養(yǎng)殖生產(chǎn)效率問題成為漁業(yè)經(jīng)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(chǎn)養(yǎng)殖業(yè)綜合技術(shù)效率，認為我國水產(chǎn)養(yǎng)殖業(yè)綜合技術(shù)效率不高，純技術(shù)效率和規(guī)模效率都相對偏低；劉洋［16］研究表明，2002—2009年我國海水養(yǎng)殖全要素生產(chǎn)率的動態(tài)均值有較明顯改善，但地區(qū)差異明顯；紀建悅等［17］的測算結(jié)果顯示，我國海水養(yǎng)殖業(yè)的綠色技術(shù)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(yǎng)殖綜合技術(shù)效率，結(jié)果顯示海水養(yǎng)殖綜合技術(shù)效率較好，均值為0.952，與規(guī)模效率相比，純技術(shù)效率對于綜合技術(shù)效率的貢獻更大。

【本研究切入點】關(guān)于水產(chǎn)養(yǎng)殖綜合技術(shù)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(xiàn)有文獻使用的數(shù)據(jù)較為陳舊，最新的研究數(shù)據(jù)僅應用于特定的對象或目的，例如海水養(yǎng)殖效率研究或者綠色養(yǎng)殖效率研究，對于整體水產(chǎn)養(yǎng)殖綜合技術(shù)效率的分析未涉及；二是指標選擇較少，例如現(xiàn)有文獻在水產(chǎn)養(yǎng)殖效率研究中苗種投入較少被考慮，但在實際統(tǒng)計中涉及的海水養(yǎng)殖或淡水養(yǎng)殖苗種指標達到14項。投入產(chǎn)出指標的選擇會直接影響水產(chǎn)養(yǎng)殖技術(shù)效率的評估結(jié)果?！緮M解決的關(guān)鍵問題】將水產(chǎn)養(yǎng)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(chǎn)養(yǎng)殖綜合技術(shù)效率進行評估分析，以反映我國水產(chǎn)養(yǎng)殖技術(shù)效率，并測算投入要素冗余規(guī)模，并根據(jù)相關(guān)結(jié)果提出對策建議。

1 研究方法與數(shù)據(jù)選擇

1.1 研究方法

1.1.1 數(shù)據(jù)包括分析方法 數(shù)據(jù)包絡分析方法是一種綜合了運籌學、管理科學和數(shù)理經(jīng)濟學等多個學科的非參數(shù)方法，可用于測算多投入、多產(chǎn)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(chǎn)出導向（Output-oriented）兩種形式，根據(jù)用途可假定為規(guī)模收益不變（Constant Return to Scale, CRS）和規(guī)模收益可變（Variable Return to Scale, VRS）。綜合技術(shù)效率是純技術(shù)效率和規(guī)模效率的乘積，其中綜合技術(shù)效率是實現(xiàn)產(chǎn)出最大或者產(chǎn)出固定但投入最小的技術(shù)水平；純技術(shù)效率是剔除規(guī)模因素之外的效率；規(guī)模效率是指規(guī)模經(jīng)濟性發(fā)揮程度的結(jié)果。本研究采用投入導向、假定規(guī)模收益可變的DEA模型測算中國水產(chǎn)養(yǎng)殖綜合技術(shù)效率，其中投入指標為水產(chǎn)養(yǎng)殖生產(chǎn)過程中所需的主要投入要素，產(chǎn)出指標為產(chǎn)量。

1.1.2 主成分分析法與聚類分析 水產(chǎn)養(yǎng)殖生產(chǎn)過程中涉及的投入要素較多，尤其是養(yǎng)殖水體面積和苗種，為了能夠簡化水產(chǎn)養(yǎng)殖綜合技術(shù)效率評估中投入要素的數(shù)量，利用主成分分析法（Principal Components Analysis, PCA）對水產(chǎn)養(yǎng)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(chǎn)養(yǎng)殖效率研究中投入變量的數(shù)量。

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

1.2 數(shù)據(jù)指標與來源

水產(chǎn)養(yǎng)殖的產(chǎn)出指標采用產(chǎn)量（y），數(shù)據(jù)來源于《中國漁業(yè)統(tǒng)計年鑒》；水產(chǎn)養(yǎng)殖的投入指標分為4類，分別是養(yǎng)殖面積、苗種、養(yǎng)殖漁船數(shù)量和養(yǎng)殖漁民數(shù)量，數(shù)據(jù)來源于《中國漁業(yè)統(tǒng)計年鑒》。《中國漁業(yè)統(tǒng)計年鑒》數(shù)據(jù)顯示，按養(yǎng)殖水域分的海水養(yǎng)殖面積統(tǒng)計包括：海上、灘涂和其他3個指標，但《漁業(yè)統(tǒng)計指標解釋》規(guī)定深水網(wǎng)箱和工廠化養(yǎng)殖方式的養(yǎng)殖水體規(guī)模不在前述3個指標的統(tǒng)計范圍之內(nèi)，而是作為養(yǎng)殖方式的組成內(nèi)容進行單獨統(tǒng)計，即深水網(wǎng)箱、工廠化養(yǎng)殖不計算在海水養(yǎng)殖面積范圍，實際上卻貢獻了產(chǎn)量。按養(yǎng)殖水域分的淡水養(yǎng)殖面積統(tǒng)計包括：池塘、湖泊、水庫、河溝、稻田和其他，但《漁業(yè)統(tǒng)計指標解釋》規(guī)定稻田、工廠化養(yǎng)殖的水體規(guī)模不在淡水養(yǎng)殖面積統(tǒng)計范圍之內(nèi)，實際上卻貢獻了產(chǎn)量。因此，對海水養(yǎng)殖產(chǎn)量有貢獻的水體范圍包括：海上、灘涂、其他、深水網(wǎng)箱和工廠化養(yǎng)殖；對淡水養(yǎng)殖產(chǎn)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(yǎng)殖。按照上述內(nèi)容統(tǒng)計，海淡水養(yǎng)殖面積共有12個指標，為避免產(chǎn)量貢獻低的養(yǎng)殖水體規(guī)模指標對建立養(yǎng)殖綜合面積指標時造成相關(guān)系數(shù)低的問題，本研究剔除了海淡水養(yǎng)殖水體中對產(chǎn)量貢獻較小的水體范圍，篩選后的海水養(yǎng)殖面積指標包括：海上、灘涂和其他；淡水養(yǎng)殖面積指標包括：池塘、湖泊、水庫和稻田。按照《農(nóng)業(yè)農(nóng)村部辦公廳關(guān)于規(guī)范稻漁綜合種養(yǎng)產(chǎn)業(yè)發(fā)展的通知》《稻魚綜合種養(yǎng)技術(shù)通則》［19］的要求，在稻田中開挖的用于水產(chǎn)養(yǎng)殖動物活動、暫養(yǎng)、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(guī)定，對淡水養(yǎng)殖的稻田水體按照10%的比例換算為“有效養(yǎng)殖水體”規(guī)模。《中國漁業(yè)統(tǒng)計年鑒》統(tǒng)計的海淡水養(yǎng)殖苗種包括14個指標，全部納入本文研究范圍。

上述指標數(shù)據(jù)的統(tǒng)計周期為：2018年1月1日—12月31日。經(jīng)主成分分析后得到綜合面積指標數(shù)據(jù)和綜合苗種指標數(shù)據(jù)為標準化數(shù)據(jù)，為保持與其他指標數(shù)據(jù)特征的一致性，對產(chǎn)量指標、養(yǎng)殖漁船指標和養(yǎng)殖專業(yè)從業(yè)人員指標數(shù)據(jù)也進行標準化處理，并進行平移以滿足數(shù)據(jù)包絡分析數(shù)據(jù)要求。DEA模型相關(guān)投入產(chǎn)出指標見表1。

1.3 數(shù)據(jù)處理

利用主成分分析法構(gòu)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(chǎn)養(yǎng)殖綜合技術(shù)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(chǎn)養(yǎng)殖綜合技術(shù)效率進行聚類的過程采用SPSS 22.0 軟件。

2 結(jié)果與分析

2.1 綜合指標構(gòu)建

2.1.1 綜合面積指標構(gòu)建 按照產(chǎn)量貢獻份額分析篩選后的海淡水養(yǎng)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(yǎng)殖面積指標在產(chǎn)量貢獻效率方面的差別很大，為了能夠整體反映水產(chǎn)養(yǎng)殖面積要素投入對于產(chǎn)量的影響，借助主成分分析原理構(gòu)建綜合面積指標（MJ）。利用SPSS 22.0軟件對海淡水養(yǎng)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(jié)果見表2。

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

式中，i=1,2,…31，表示31個?。▍^(qū)、市）。

2.1.2 綜合苗種指標構(gòu)建 《中國漁業(yè)統(tǒng)計年鑒》中統(tǒng)計的海淡水養(yǎng)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(gòu)建綜合苗種指標（MZ）以反映海淡水養(yǎng)殖苗種對產(chǎn)量的影響程度。利用SPSS 22.0軟件對海淡水養(yǎng)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(jié)果見表3。

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

式中，j=1,2,…31，表示31個省（區(qū)、市）。

對產(chǎn)量指標、養(yǎng)殖漁船指標和養(yǎng)殖專業(yè)從業(yè)人員指標數(shù)據(jù)進行標準化處理，并進行平移以滿足數(shù)據(jù)包絡分析的數(shù)據(jù)特征要求。水產(chǎn)養(yǎng)殖投入產(chǎn)出指標數(shù)據(jù)處理結(jié)果見表4。

2.2 綜合技術(shù)效率測算結(jié)果分析

采用DEAP 2.1 軟件對水產(chǎn)養(yǎng)殖生產(chǎn)效率進行測算，全國31個省份的海淡水養(yǎng)殖綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率和規(guī)模報酬結(jié)果見表5。

（1）水產(chǎn)養(yǎng)殖的綜合技術(shù)效率較低，均值僅為0.827。綜合技術(shù)效率反映的是不同省份水產(chǎn)養(yǎng)殖要素配置能力及其使用效率，結(jié)合表5結(jié)果，綜合技術(shù)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(chǎn)養(yǎng)殖綜合技術(shù)效率無效。31個省份水產(chǎn)養(yǎng)殖綜合技術(shù)效率均值為0.827，總體偏低，其中有16個省份的綜合技術(shù)效率值大于均值，占比51.61%，其余15個省份綜合技術(shù)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(yǎng)殖面積指標Table 2 Area indicators of seawater and freshwater aquaculture after standard processing

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

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

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

產(chǎn)要素按相同比例變化時所帶來的產(chǎn)出變化特征。表5結(jié)果顯示，規(guī)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(xiàn)有技術(shù)水平下，這些省份的水產(chǎn)養(yǎng)殖達到了最優(yōu)規(guī)模；規(guī)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(chǎn)養(yǎng)殖超過了最優(yōu)規(guī)模，應適當調(diào)減其生產(chǎn)規(guī)模；規(guī)模報酬遞增的省份數(shù)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(nèi)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(chǎn)養(yǎng)殖未達到最優(yōu)規(guī)模，應適當擴大規(guī)模以提高單位報酬。

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

表4 經(jīng)處理后的水產(chǎn)養(yǎng)殖投入產(chǎn)出指標Table 4 Input and output indicators of aquaculture after data processing

2.3 綜合技術(shù)效率的聚類分析

借助SPSS 22.0 軟件中的系統(tǒng)聚類方法，以“平方Euclidean距離”為標準，判斷31個省份水產(chǎn)養(yǎng)殖綜合技術(shù)效率分類的類間距離，具體分類結(jié)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(jié)果對水產(chǎn)養(yǎng)殖綜合技術(shù)效率進行分析，劃分結(jié)果見表6。由表6可知，綜合技術(shù)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(chǎn)養(yǎng)殖主產(chǎn)省，也有西藏、青海、北京、陜西、上海、新疆、寧夏、天津等水產(chǎn)養(yǎng)殖非主產(chǎn)省，因此，綜合技術(shù)效率的高低與是否主產(chǎn)省份并無直接關(guān)系，而是取決于各省份水產(chǎn)養(yǎng)殖產(chǎn)業(yè)發(fā)展過程中在技術(shù)推廣應用和發(fā)展規(guī)模之間的適配協(xié)調(diào)性。同樣，在綜合技術(shù)效率第二梯隊中，既有水產(chǎn)養(yǎng)殖主產(chǎn)省浙江，也有非主產(chǎn)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(chǎn)養(yǎng)殖主產(chǎn)省外，其余都是非主產(chǎn)省，非主產(chǎn)省內(nèi)蒙古水產(chǎn)養(yǎng)殖綜合技術(shù)效率最高、為0.728，而主產(chǎn)省湖南的水產(chǎn)養(yǎng)殖綜合技術(shù)效率則最低、僅為0.570，低于梯隊均值10.52%。

表5 水產(chǎn)養(yǎng)殖綜合技術(shù)效率及其構(gòu)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(chǎn)養(yǎng)殖投入與產(chǎn)出最優(yōu)組合模式，以達到技術(shù)效率有效［20］。根據(jù)表5結(jié)果，北京、天津等16個省份純技術(shù)效率值為1，其他15個省份投入項均需縮量調(diào)整以達到綜合技術(shù)效率有效。31個省份水產(chǎn)養(yǎng)殖不同投入要素縮減量占原始值百分比的結(jié)果見表7。

通過對VRS模型的輸出結(jié)果進行分析計算，為達到綜合技術(shù)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(shù)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(yǎng)殖專業(yè)從業(yè)人員的縮減比例為17.28%。

圖1 不同省份水產(chǎn)養(yǎng)殖綜合技術(shù)效率系統(tǒng)聚類Fig.1 Systematic cluster of comprehensive technical efficiency in aquaculture of different provinces

表6 水產(chǎn)養(yǎng)殖綜合技術(shù)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(nèi)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(yǎng)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(yǎng)殖專業(yè)從業(yè)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(jié)論與建議

3.1 主要結(jié)論

利用規(guī)模收益可變的DEA模型對2018年全國31個省份水產(chǎn)養(yǎng)殖技術(shù)效率進行了測算，得出以下結(jié)論：

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

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

（3）各省份水產(chǎn)養(yǎng)殖規(guī)模報酬變化特征相異。水產(chǎn)養(yǎng)殖規(guī)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(chǎn)養(yǎng)殖達到了最優(yōu)規(guī)模；規(guī)模報酬遞減的省份僅2個（江蘇和湖南）、占比6.45%；規(guī)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(guī)模以提高單位報酬。

（4）綜合技術(shù)效率與產(chǎn)出規(guī)模并無直接關(guān)系。在對31個省份綜合技術(shù)效率進行聚類劃分的3個類別中，每個梯隊中都有水產(chǎn)養(yǎng)殖主產(chǎn)省和非主產(chǎn)省，在第三梯隊中，主產(chǎn)省湖南的水產(chǎn)養(yǎng)殖綜合技術(shù)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(chǎn)養(yǎng)殖規(guī)模化程度。根據(jù)規(guī)模報酬分析結(jié)論，其中有18個省份可以通過擴大水產(chǎn)養(yǎng)殖規(guī)模以實現(xiàn)綜合技術(shù)效率有效，因此，建議在新一輪水域灘涂養(yǎng)殖規(guī)劃頒布實施的背景下，相關(guān)省份漁業(yè)主管部門應著力提高水產(chǎn)養(yǎng)殖的規(guī)模化程度，通過合作社、公司+養(yǎng)殖戶、漁業(yè)產(chǎn)業(yè)園區(qū)等模式將分散的養(yǎng)殖主體組織起來，在不改變“面積總量”規(guī)模的條件下，提高組織化程度，不斷完備水產(chǎn)養(yǎng)殖生產(chǎn)體系、經(jīng)營體系和服務體系，逐步提升規(guī)模效率。

表7 31個省份水產(chǎn)養(yǎng)殖投入要素縮減量結(jié)果Table 7 Results of reduction in aquaculture input factors of 31 provinces

（2）加強水產(chǎn)養(yǎng)殖技術(shù)創(chuàng)新能力。水產(chǎn)養(yǎng)殖效率測算結(jié)果顯示，2018年全國31個省份水產(chǎn)養(yǎng)殖純技術(shù)效率均值為0.93，其中15個省份水產(chǎn)養(yǎng)殖純技術(shù)效率未達到有效，可見，提高水產(chǎn)養(yǎng)殖技術(shù)創(chuàng)新能力和成果推廣應用水平是實現(xiàn)綜合技術(shù)效率有效的重要途徑。技術(shù)創(chuàng)新在水產(chǎn)養(yǎng)殖業(yè)發(fā)展中具有重要的效率貢獻作用，其中種業(yè)創(chuàng)新是基礎(chǔ)，養(yǎng)殖模式和技術(shù)創(chuàng)新是關(guān)鍵，疫病防控是保障。因此，建議各級各類漁業(yè)創(chuàng)新主體應從全局性、區(qū)域性、地方性不同層次構(gòu)建技術(shù)創(chuàng)新體系，分類解決影響?zhàn)B殖技術(shù)效率的基礎(chǔ)研究、應用研究問題，同時利用全國水產(chǎn)技術(shù)推廣系統(tǒng)的力量，將國內(nèi)外最新的水產(chǎn)養(yǎng)殖技術(shù)成果推廣應用到各地的生產(chǎn)實踐中，提高相關(guān)省份水產(chǎn)養(yǎng)殖純技術(shù)效率。

（3）合理安排水產(chǎn)養(yǎng)殖投入要素。從實證分析結(jié)論來看，在現(xiàn)有技術(shù)水平下，為實現(xiàn)產(chǎn)出規(guī)模的最優(yōu)化，15個省份水產(chǎn)養(yǎng)殖業(yè)投入要素中綜合面積、綜合苗種、養(yǎng)殖漁船、養(yǎng)殖專業(yè)從業(yè)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(chǎn)養(yǎng)殖綠色發(fā)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(yǎng)殖規(guī)?？刂疲瑔挝凰w產(chǎn)出規(guī)模不斷壓縮；二是目前各省水產(chǎn)養(yǎng)殖技術(shù)效率之間發(fā)展不平衡，例如養(yǎng)殖對象、養(yǎng)殖模式等的差異導致部分省份養(yǎng)殖面積的冗余量較大。建議各省份在落實水產(chǎn)養(yǎng)殖基本發(fā)展空間的基礎(chǔ)上，以提高綜合技術(shù)效率為目標之一，對于現(xiàn)有水產(chǎn)養(yǎng)殖面積進行合理安排與調(diào)整，通過養(yǎng)殖水體“休漁”［21］等措施實現(xiàn)恢復水域生態(tài)環(huán)境、確保養(yǎng)殖產(chǎn)品質(zhì)量和提高技術(shù)效率等多重目標。

（4）預測預警養(yǎng)殖生產(chǎn)規(guī)模需求。受中美貿(mào)易摩擦、國內(nèi)居民水產(chǎn)品消費升級等因素影響，水產(chǎn)品進口關(guān)稅不斷下調(diào)，我國作為世界上新興而巨大的水產(chǎn)品消費市場，主要水產(chǎn)養(yǎng)殖國家已經(jīng)將我國作為產(chǎn)品銷售的目標國，例如印尼、印度、越南等國家的對蝦養(yǎng)殖產(chǎn)品不斷擴大對中國市場的出口規(guī)模，以對蝦為代表的中國傳統(tǒng)優(yōu)勢出口產(chǎn)品的國際市場競爭力逐步下降，建議各省份結(jié)合當前和今后一個時期的國際國內(nèi)市場消費需求，及時對養(yǎng)殖品種、規(guī)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(chǎn)養(yǎng)殖發(fā)展規(guī)模的“底線”思維意識，以確保養(yǎng)殖生產(chǎn)調(diào)整適應未來市場消費需求。