党的二十大提出“推动海洋高质量发展, 加快建设海洋强国”, 对海洋高质量发展的重视提升到空前的战略高度(韩立民, 2023)。在2023年7月全国生态环境保护大会上, 习近平总书记强调, “全面推进美丽中国建设, 加快推进人与自然和谐共生的现代化”, 这对稳步推进碳达峰碳中和目标, 探索绿色低碳发展新路径, 以高质量发展建成美丽中国, 具有重要意义(陈小龙等, 2023a)。促进海洋高质量发展, 核心就在于低碳发展、提高海洋生态效率(狄乾斌等, 2022a)。环渤海地区是我国最重要的沿海经济区之一, 随着海洋开发的不断深入, 海洋环境的污染现象日益严重, 制约着环渤海地区海洋高质量发展。因此, 基于碳汇、碳排放视角的海洋生态效率研究, 为环渤海地级市海洋高质量发展提供决策参考, 对于加快建设现代化海洋强国具有重要的现实意义。

生态效率的概念是由Schaltegger等(1990)在20世纪90年代首次提出, 其核心是以更少的资源、环境成本投入获取更多的经济效益产出, 作为一种可持续发展状态的测量方法, 被广泛运用。国内外学者围绕其进行了大量研究, 但侧重点不同。国外学者研究主要围绕环境生态学和商业经济学及工程管理领域(John et al, 2020), 特别是对于基础理论与方法(Tingley et al, 2005)、企业(Côté et al, 2006; Hamedani et al, 2019)等不同领域和尺度进行研究; 国内学者针对不同研究尺度上各行业的生态效率评价、影响因素进行实证探究, 包括海洋(盖美等, 2019; 狄乾斌等, 2023)、农业(梁耀文等, 2021)、工业(李在军等, 2018)、旅游业(洪铮等, 2021)和海水养殖(张莹等, 2022)等领域, 且对于微观区域研究重视日益增加(王新元等, 2021; 宋晨等, 2023)。

海洋生态效率是生态效率在海洋领域的扩展, 致力于以最小的资源投入获取最大的经济效益和产生最小的生态环境影响, 以实现海洋高效率、可持续发展(狄乾斌等, 2022b)。梳理文献发现, 海洋生态效率的研究主要集中在以下方面: (1) 在研究内容上, 围绕海洋生态效率测度, 包括海洋渔业、旅游以及海洋生态经济系统等领域效率评价、时空演化特征以及影响因素探究等方面。如采用基于非期望产出的超效率数据包络模型(slacks-based measure, SBM)测算中国海洋生态效率(狄乾斌等, 2018)、中国海洋渔业生态效率(韩增林等, 2019; 王泽宇等, 2021)、运用数据包络分析(data envelopment analysis, DEA)与用于测量全要素生产率(total factor productivity, TFP)变化的Malmquist指数联用的DEA-Malmquist指数模型探究环渤海地区海洋旅游产业效率的时空分异特征(董志文等, 2021)、结合能值理论和DEA方法研究中国海洋生态经济系统发展效率(胡伟等, 2018)。(2) 在研究方法上, 常采用比值法、生态足迹法、物质流分析、数据包络分析(尹科等, 2012; 谷平华等, 2017; 王耕等, 2018; 王圣云等, 2021; Chen et al, 2023)等方法测算海洋生态效率。作为效率评价的有效方法, DEA模型因其可以同时处理多个输入输出指标且具有客观性的效率评价优势被广泛应用。目前DEA评价模型不断拓展, 越来越多学者引入非期望产出模型、超效率模型、Malmquist指数模型以及与网络DEA模型、层次分析法、方差分析等数据分析方法相结合, 将优化后的DEA评价模型应用于区域可持续发展评价研究(唐德才等, 2019)。如盖美等(2019)基于非期望产出SBM测算我国海洋生态效率。通过探索性空间数据分析等探究其时空演化特征; 运用空间杜宾模型、向量自回归模型、受限因变量回归模型(tobit model, Tobit)等方法探究其影响因素。如狄乾斌等(2018)采用向量自回归模型(vector autoregression, VAR)模型探究海洋产业结构对海洋生态效率的影响; 杜军等(2020)采用面板向量自回归模型探究全要素生产率与海洋环境规制与海洋经济绿色间的动态关系。

全球气候变化加剧, 碳汇问题成为国内外学者的热点研究领域。当前研究主要围绕不同碳汇源, 如森林、农田、湿地、海洋等生态系统进行碳汇研究(陈小龙等, 2023b)。而其中海洋生态系统是地球系统中最大的碳库, 海洋碳汇系统具有巨大潜力(陈尚等, 2006)。当前对于海洋碳汇的研究主要集中在海岸带碳汇(赵逊等, 2023)、海洋渔业碳汇(杨林等, 2022)、蓝碳潜力及其进展(张风轩等, 2023)等具体研究领域。随着海洋渔业转型升级步伐加快, 海水养殖实现较快发展, 发展前景十分广阔。海洋渔业具有“碳源”和“碳汇”双重属性, 在海洋渔业中, 渔业捕捞的渔船燃油消耗是重要碳排放源, 而海水养殖中的贝藻类又可以进行生物固碳, 减少碳排放(邵桂兰等, 2018)。渔业现代化发展可以极大促进海洋高质量发展。环渤海地区是我国重要的海洋经济发展地区, 拥有山东、辽宁等海水养殖大省, 基于海洋碳汇视角的海洋生态效率研究更具有典型性。

综上所述, 国内外学者对于海洋生态效率的研究较少, 从已有文献来看, 研究多是以单一经济发展衡量效率水平, 忽视了其他海洋生产活动和资源环境的损耗程度对于效率的影响, 评价体系不够全面, 对于以海洋碳汇碳、排放量作为衡量环渤海地级市海洋生态效率水平的研究较少。鉴于以上分析, 在前人研究的基础上, 作出以下改进: 在全面分析生态效率的内涵基础上, 借鉴已有研究成果, 构建了基于海洋碳汇角度的以4项投入指标、2项期望产出指标、1项非期望产出指标为框架的海洋生态效率评价指标体系, 运用非期望产出超效率的SBM模型和Tobit模型测算环渤海地级市海洋经济和环境协同发展水平及影响因素, 以期能为环渤海地级市海洋高质量发展提供参考依据。

1 材料与方法 1.1 研究机理与指标体系构建

借鉴已有研究成果, 从投入产出视角构建海洋生态效率的研究机理(图 1)。基于海洋经济活动特点, 从资源投入、环境消耗及经济效益3个维度构建指标体系。选取涉海就业人员数反映人力资本投入; 选取海水养殖面积反映海洋经济活动对于土地资本的消耗; 由于地级市在海洋油气、电力等海洋能源数据消耗方面缺失, 故采用各地级市能源消耗总量与海洋生产总值和地区生产总值的比值折算得到; 采用海洋资本存量反映对资本的消耗(盖美等, 2019)。以地区海洋生产总值、海水养殖碳汇渔业经济价值作为期望产出; 以海洋渔业碳排放总量作为非期望产出反映地级市环境消耗。海洋生态效率投入产出指标体系如表 1所示。

1.2 研究方法 1.2.1 基于非期望产出的SBM超效率模型

Tone (2001)提出的考虑非期望产出的非径向和非角度的SBM模型, 可有效解决传统DEA模型中投入产出中松弛冗余性问题。采用超效率模型, 从而提高效率评价的有用性(狄乾斌等, 2022b)。模型如下:

式中, σ为生态效率值; m、q₁、q₂分别为投入、产出、非期望产出要素的个数; s_i^–、s_r⁺、s_t^b–分别为投入、期望产出和非期望产出松弛变量; j为各个决策单元(decision making units, DMU), λ为强度变量; x_j、y_j、b_j为第j个决策单元的投入产出变量; x_ik、y_rk、b_tk分别为每一个决策单元k时期的投入、期望产出和非期望产出变量。

1.2.2 核密度估计

作为一种非参数方法, 用来估计未知密度函数, 分析数据本身, 能有效避免主观设定参数模型的有限性, 并且估计结果的连续性效果更好, 用以揭示海洋生态效率的时序动态演进特征(陈子燊等, 2007)。模型如下:

式中, f(w)为海洋生态效率w密度函数; n为观测值的个数; h为带宽; K为核函数。

1.2.3 Malmquist生产率指数

Caves在扩展了瑞典经济学家Sten Malmquist思想的基础上将其与数据包络分析法结合用于反映从t期到t+1期的效率变化, 并将其分解为相对于前沿面技术效率变动(technical efficiency change, EC)和技术变动(technical change, TC)。Fare等(1994)进一步将技术效率分解, 即规模效率(scale efficiency change, SEC)和纯技术效率(pure technical efficiency change, PEC)。该指数模型为

式中, x_t、y_t、x_t+1、y_t+1为t和t+1时期的投入与产出, D₀^t+1(x_t+1, y_t+1)、D₀^t+1(x_t, y_t)、D₀^t(x_t+1, y_t+1)、D₀^t(x_t, y_t)分别为以t+1期和以t期技术前沿为参考的距离函数。M₀ > 1、M₀ < 1、M₀=1分别表示生产率水平提高、下降与技术不变。Malmquist生产率指数进一步分解, PEC_ch > 1表示资源配置利用效率提高; SEC_ch > 1表示规模效率提高; TC_ch > 1表示技术进步, 反之, 若效率小于1, 则效率下降。

1.2.4 面板Tobit模型

面板Tobit模型用于解决被解释变量为受限变量的回归, 避免用普通最小二乘法(ordinary least squares, OLS)造成估计结果偏差(张莹等, 2022)。海洋生态效率基于非期望产出超效率模型计算出其取值范围下限为0, 为左侧受限变量, 故采用Tobit模型探究其影响因素。表达式为

式中, Y_it^*为海洋生态效率; U_ait为自变量, β_ai为待估计的回归系数; μ_it为独立变量, i、t分别代表地级市和时间, i=1, 2, …, 16, 表示研究区16个研究城市; t=1, 2, …, 10, 表示2011~2020年共10个时期; a为解释变量的个数, a=1, 2, …, 5。

1.3 研究区概况与数据处理

研究区为辽宁省、山东省、河北省、天津市在内的三省一市所辖的环渤海地区17个沿海城市。由于天津市在渔业碳汇、海水养殖面积及海洋经济总量等数据方面其他城市差距较大, 会导致结果存在极端异常值的情况, 因此, 研究对象为除天津市外的环渤海沿海地区16个地级市。投入产出数据及生态效率影响因素数据来源于《中国海洋统计年鉴》《中国渔业统计年鉴》《山东统计年鉴》《辽宁统计年鉴》《河北统计年鉴》及各地统计公报与统计局, 个别缺失数据采用比值法折算得到, 相关数据在计算时都已经过取对数等预处理。

1.3.1 数据处理

海洋固定资本存量的计算利用等资本产量比法, 采用Young的估计方法, 用基年固定资本形成总额除以10%得到初始资本存量(Young, 2003)。

式中, K_N表示环渤海16个地级市资本存量; Y_N为地级市生产总值(按照各地市GDP平减指数, 以2000年为基期作不变价处理); K表征海洋资本存量; Y为16个地级市海洋生产总值; N为样本数。利用永续盘存法计算资本存量, 参考宋强敏等(2019)计算方法(其中资本形成总额按照固定资产投资价格指数, 以2000年为基期进行调整)。

碳汇和碳排放公式参考已有文献(邵桂兰等, 2018; 孙康等, 2020)。碳排放的公式为

式中, C_燃油、P_燃油分别为渔船碳含量(单位: t)、海洋捕捞业渔船燃油消耗量(单位: t); 参考邵桂兰等(2018), h为1.457 1; k为0.982; n为0.732 57; ε为0.813, 在计算燃油消耗量P_燃油时, p、c分别表示不同作业方式及用油系数, 参考已有标准; j为作业方式种类, j=1, 2, …, 6。碳排放总量公式中, C_CO2为海洋捕捞业渔船CO₂释放量; β约等于3.67。

海水养殖贝藻类碳汇及碳汇总价值公式如下:

式中, C_st、C_sh分别表示贝类软组织、壳的碳汇量; OUT、DW分别表示贝藻类产量与干湿系数; RAT表示贝类软组织、壳所占比重; C_软组织、C_壳、C_藻类分别表示贝类软组织、壳与藻类含碳量。在碳汇总价值公式, V表示海洋碳汇总价值; Q为贝藻类碳汇能力; r为碳税; A为人工造林吸收单位CO₂所耗费的成本。

1.3.2 影响因素指标选取

在测算环渤海地级市海洋生态效率的基础上, 进一步探究影响海洋生态效率的因素。参考已有相关研究, 选取①碳减排水平: 利用研究区地级市碳排放量与碳汇量差值来表示, 二者差值表明碳汇量的增加或碳排放量的降低, 预期会显著正向影响海洋生态效率。②地区经济发展水平: 更高经济发展水平利于充分合理利用海洋资源, 提高效率, 选取人均GDP来反映地区经济发展水平。③海洋科技水平: 科学技术的发展促进海洋资源开发和利用, 提高生态效率、降低损耗, 促进地区海洋经济高质量发展, 选取海洋科技人员硕士研究生以上学历人员的比重表征地区海洋科技水平。④环境规制: 单纯依靠市场经济难以真正解决地区环境问题, 需要政府加以管控调节, 环境规制强度用环境污染治理投资额乘以海洋生产总值与地区生产总值的比重折算得到。⑤海洋产业结构: 建立合理的产业结构对海洋经济效益的提高及环境污染产出的降低作用有较大影响。利用第三产业占海洋生产总值的比重衡量海洋产业结构合理化水平。为尽可能消除数据异方差的影响, 对地区碳减排水平、人均GDP、海洋环境污染治理投资额等较大的变量进行对数预处理。

2 结果与讨论 2.1 海洋生态效率时空分布特征

基于非期望超效率SBM模型, 利用Maxdea6测算环渤海16个地级市的海洋生态效率值并计算其均值以进行比较(表 2)。

2.1.1 时间序列演化分析

基于测度结果进行时序演化分析, 研究期内环渤海16个地级市海洋生态效率平均值和变异系数如图 2所示。2011~2020年环渤海地级市海洋生态效率均值呈波动上升趋势, 但均小于1, 接近较高生态效率水平, 仍有较大进步空间。研究期内变异系数范围在0.322~0.378之间, 均值0.343, 整体波动幅度较小。2015年是个转折点, 2011~2015年效率值均值是逐渐下降, 2015年后总趋势波动上升并最终超出之前2011年0.897效率值, 增长3.8%。在2015年批复的《环渤海地区合作发展纲要》推动了区内各城市的发展以及相互间的合作, 促进整体上海洋经济发展和生态效率的提高。

为进一步揭示环渤海地级市海洋生态率的时序动态分布特征, 采用核密度函数进行估计, 并生成核密度函数曲线(图 3)。从波峰移动过程来看, 2011~ 2020年的核密度分布曲线由较低生态效率水平表现出向中等生态效率水平区间平移态势, 而在较高和高生态效率区间不显著, 这说明处于较低海洋生态效率水平城市实现了发展, 而较高和高生态效率水平地级市继续保持优势地位。从波峰形状来看, 核密度曲线由“宽峰”更为收敛, 表明海洋生态效率的地区差距有所缓解, 但优势区的区间变化幅度并不明显, 仍以青岛市为核心形成一市高生态效率和大连市、锦州市两市为较高生态效率发展格局。

2.1.2 空间差异演化分析

选取2011、2014、2017、2020作为代表年份, 利用Arcgis 10.7软件绘制环渤海16个地级市海洋生态效率时空格局演化图并探究其空间发展差异状况。基于测度结果, 对海洋生态效率值进行进一步划分: σ < 0.6为低生态效率, 0.6≤σ < 0.8为较低生态效率, 0.8≤σ < 1中等生态效率, 1≤σ < 1.5为较高生态效率, 1.5≤σ为高生态效率, 结果如图 4所示。

从研究期整体表现来看, 环渤海地级市海洋生态效率空间差异明显, 空间分布格局由2011年高低生态效率水平相间分布的无序状态, 经发展演变, 在2020年大致呈现两个较高生态效率区空间上集聚的较为有序状态。2011~2020年间仅有大连市、锦州市、青岛市三市效率均值大于1, 为较高生态效率, 并以青岛市形成“单核心”高生态效率发展格局。

2011年环渤海地级市海洋生态效率空间上呈现零乱的高低效率水平相间分布状态。这是由于在发展初期各种发展条件的限制, 各城市都谋求在省级单位内部进行发展, 彼此间无合作或者合作较少。2014年丹东市由较低生态效率水平0.653跃升至较高生态效率水平1.081, 增长近65.54%, 实现高速发展。而葫芦岛市则降为低生态效率水平。这是由于丹东市政策支持发展工业、服务业等第二、三产业, 改变依靠第一产业发展的落后产业结构, 而葫芦岛市产业结构还处于不完善、不合理的产业体系改革期, 影响海洋生态效率水平。日照市2014年生态效率水平由2011年较高生态效率水平1.024降为较低生态效率水平0.673, 并最终在2020年恢复到之前发展水平。2017年环渤海地级市海洋生态效率空间格局出现3个低生态效率水平区, 而唐山、秦皇岛市、沧州三市均达到中等或较高生态效率水平, 整体实现较高水平发展, 也基本达到整个研究时间段内峰值。随着加快东北等老工业基地振兴、发展“一带一路”、加快青岛全球海洋中心城市建设等一系列发展契机的出现, 2020年环渤海地级市海洋生态效率水平在空间上出现了有序化发展倾向, 存在一定关联但关联较弱, 并未展现出区域协同化发展, 但发展水平持续向好, 未来具有极大发展空间(陈小龙等, 2023c)。

2.1.3 Malmquist指数分解

为进一步分析海洋生态效率的动态演变过程和特征, 采用Malmquist指数对环渤海地级市海洋生态效率进行分解, 以动态比较和分析全要素生产率变化情况。依据已有公式进行分解(表 3)。

总体来看, 环渤海地级市各分解效率总趋势都处于不断发展提高状态, 符合生产力发展水平不断提高的现状。分阶段来看, 研究前期2011~2015年除纯技术效率值基本大于1之外, 全要素生产率、技术进步及规模效率数值基本小于1; 研究后期2016~ 2020年全要素生产率、技术进步及规模效率数值均大于1, 但呈现波动降低趋势。此阶段纯技术效率均值小于1。这表明, 在研究前期2011~2015年, 纯技术效率成为效率增长的主要动力, 资源配置利用效率较高, 但存在动力不足问题, 导致全要素生产率处于较低水平。在研究后期2016~2020年, 技术进步、规模效率双驱动, 保证了全要素生产率的不断发展、海洋生态效率的提升。但在此阶段, 纯技术效率作用有待进一步提升。Malmquist生产率指数分解表明, 技术进步、技术效率、规模效率等多要素共同驱动以带动地区全要素生产率的同步提升。

2.2 Tobit模型回归结果分析

2011~2020年环渤海地级市海洋生态效率的Tobit回归估计结果见表 4。由表得知, 除海洋科技水平变量不显著外, 碳减排水平、海洋产业结构、地区经济发展水平及环境规制分别在1%和5%的显著水平上对海洋生态效率值产生影响。

碳减排水平在1%的水平上显著且系数为正, 说明碳减排水平的提高有利于海洋生态效率的提高。海洋渔业兼具“碳汇”和“碳源”的双重属性, 海洋碳减排水平的提高是碳排放减量和碳汇增加共同作用的结果, 有利于减污增效, 推动海洋生态效率提高、促进海洋经济高质量发展。

地区经济发展水平对海洋生态效率呈显著正相关。表明地区经济发展水平提供了发展的资本基础, 使地区能够去加强技术投入、引进先进产业或者扶植培育新兴产业。地区经济发展水平越低, 海洋产业多依靠资源环境消耗的传统发展模式, 影响海洋经济可持续发展。地区经济发展水平对地区海洋生态效率的发展起到重要的作用。

海洋科技水平系数为正, 表明科技海洋科技水平指标越高, 对于推动海洋经济增长并转化为海洋经济效率的可能性和规模也就越大。但并未通过显著性检验。原因可能是受于海洋数据的限制, 变量之间存在共线特征。目前环渤海地级市海洋科技发展仍处于由粗放型向集约型的过渡时期, 海洋科技创新不足、应用率较低, 科技优势转化为产业优势仍有较大的发展空间。因此, 加快推进海洋人才的培养、加快科技成果转化, 积极推动产业转型、培育现代化高新技术产业, 可以最大程度地发挥海洋科技水平的促进作用。

环境规制对于海洋生态效率的影响为负且通过5%的显著性检验。原因可能在于, 政府对海洋开发与利用方面适度的管理与保护力度可以促进海洋经济的可持续性发展, 但若地方政府环境规制政策与手段失灵, 也可能会影响海洋经济的发展和海洋生态效率水平。环境规制弥补了市场调节可能会出现的滞后性与无序, 要正确发挥环境规制的效应影响, 未来应加强制度管理、健全海洋生态环境保护机制, 转变环境治理路径以有效提升海洋生态效率。

海洋产业结构对海洋生态效率呈显著负相关。研究期内各地级市海洋产业结构发展仍存在不合理的状况, 影响海洋生态效率。整体上第三产业占海洋生产总值的比重较低, 对于海洋经济带动作用较弱。此外, 由于海洋科技水平的作用有限, 研究期内低效率水平地级市仍处于粗放型发展方式, 海洋第一、二产业以高投入带来低经济附加值产出。加大科技投入, 培育适合新阶段的高技术、高附加产业、建立现代化产业体系是促进海洋高质量发展和生态效率提高的重要推动力。

3 结论

(1) 从时序演变来看, 2011~2020年环渤海地级市海洋生态效率均值呈现波动上升趋势, 但数值均小于1, 仍有较大进步空间; 海洋生态效率均值在2015年下降至最低值后波动上升。地级市间海洋生态效率存在差异, 2011~2020年仅有大连市、锦州市、青岛市三市效率均值大于1, 为较高生态效率, 并以青岛市形成“单核心”高生态效率发展格局。

(2) 从空间演变来看, 环渤海地级市海洋生态效率空间分布格局由2011年高低生态效率水平相间分布的无序状态, 向2020年两个较高生态效率区空间上集聚的有序化发展倾向转变, 但空间关联较弱, 并未出现区域协同化发展, 仍有极大发展空间。环渤海地区作为我国三大经济区之一, 未来海洋高质量发展离不开各地级市协同发展。

(3) Malmquist生产率指数分解表明, 在研究前期2011~2015年, 纯技术效率作为效率增长的单一推动力存在动力不足问题; 在研究后期2016~2020年, 技术进步、规模效率双驱动, 保证了海洋生态效率的提升。说明技术进步、纯技术效率和规模效率多动力共同驱动有助于海洋生态效率向好向稳发展。

(4) Tobit回归模型实证分析表明, 地区经济发展水平、碳减排水平对海洋生态效率具有显著正向影响; 环境规制、海洋产业结构呈显著负相关; 海洋科技水平对于海洋生态效率正向影响但未通过显著性检验。不同影响因素对海洋生态效率作用不同。