EN中文

Economic geography >

2024 , Vol. 44 >Issue 3: 11 - 21

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.03.002

Estimation and Optimization of the Allocation Efficiency of Production Factor between Marine and Inland in Coastal Provinces

  • JIN Laiqun , 1, 2 ,
  • DAI Jiaying 2 ,
  • YU Xuan , 1, 2, ※
Expand
  • 1. Business School，Ningbo University，Ningbo 315021，Zhejiang，China
  • 2. Donghai Academy，Ningbo University，Ningbo 315021，Zhejiang，China

Received date: 2023-10-10

  Revised date: 2024-01-02

  Online published: 2024-09-12

Fold

Abstract

This paper constructs a general equilibrium model with a three-tier structure encompassing national,provincial,and land-sea levels based on the provincial panel data from 2006 to 2019. Based on the model,the paper assesses the loss of total factor productivity (TFP) both within and among the 11 coastal provincial-level regions caused by the misallocation of the production factor of marine and inland,and analyzes the evolutionary trend of this misallocation. The results show: 1) The misallocation of production factor between marine and inland has caused the TFP loss by 2.68% in 2019. Compared with the inland economy,the inputs of marine sector in each provincial-level regions are still insufficient,especially in Tianjin, Hebei,Shandong,Shanghai,Jiangsu and Fujian,which have an input gap of over 40%. 2) The TFP loss caused by the misallocation of marine production factors among provincial-level regions is up to 6.18%,significantly higher than the misallocation of inland production factors in the same period,with a trend of worsening year by year. 3) From the input of marine production factors in various provincial-level regions,in terms of labor factors,the inputs in Liaoning,Guangxi,and Hainan are excessive,while those in Shanghai,Jiangsu and Fujian are insufficient. In terms of capital factors,the inputs in Tianjin and Liaoning have more than half of the surplus,while Shanghai,Jiangsu and Zhejiang are insufficient due to the rapid development of their own marine economy. Meanwhile,each provincial-level regions should further increase the input of production factors in the marine sector to promote the coordinated development,and accelerate the construction of land-sea coordination as part of the unified national market.

Key words： marine economy; misallocation of resources; factor input intensity; labor and capital; land-sea coordination

Cite this article

JIN Laiqun , DAI Jiaying , YU Xuan . Estimation and Optimization of the Allocation Efficiency of Production Factor between Marine and Inland in Coastal Provinces[J]. Economic geography, 2024 , 44(3) : 11 -21 . DOI: 10.15957/j.cnki.jjdl.2024.03.002

随着陆域资源愈发难以满足人类社会经济快速发展的需要，海洋资源利用的重要性空前提高[1]。自2012年党的十八大正式将“海洋强国”上升为国家战略后，2017年党的十九大报告指出要“坚持陆海统筹，加快建设海洋强国”，2022年党的二十大报告又明确提出了“发展海洋经济，保护海洋生态环境，加快建设海洋强国”的目标。因此，在海洋经济高速发展的背景下，如何强化区域陆海统筹、平衡海陆间资源配置、实现海洋资源的合理保护与充分利用，对中国实现从“海洋大国”向“海洋强国”的转变至关重要。
海洋经济发展的已有研究主要聚焦在海洋生态[2-3]、海洋创新[4]、海洋产业体系[5]等海洋经济部门自身的发展问题上。值得注意的是，虽然海洋经济部门自身的发展至关重要，但是在海洋经济对整体经济贡献率不断攀升的同时，陆海之间发展不平衡的问题却仍然十分严峻。受传统的“重陆轻海”思想影响，与陆地经济相比，各省对于海洋经济发展的重视程度仍较低，海洋经济目前面临着生产要素投入不足的现状①。如果能实现经济资源在海洋和陆地部门之间的配置优化，整个经济体的总产出和全要素生产率（TFP）都将会提高。
资源配置效率问题是近年来的研究热点[6-8]。依据Hsieh等的定义，外在扭曲因素使得部门或企业之间生产要素边际产出不相等，即生产要素配置效率较低，如果实现生产要素从边际产出较低的部门向边际产出较高的部门流动，则会带来整体总产出和TFP的提升，并且其进一步对中国企业之间生产要素配置效率测算后指出，如果企业之间生产要素配置达到完全有效状态，中国的TFP将提高86%~115%[6]。Brandt、文东伟和Jin等进一步测算并指出了不同所有制部门之间、不同行业之间、不同地区之间的资源配置优化对中国TFP增长的重要性[9-11]。从目前中国资源错配的来源来看，地区之间的市场分割问题是重要方面[11-14]。而我国地区之间的市场分割问题不仅存在于陆地经济的资源配置过程中，海洋经济资源配置中的地区间市场分割问题也较为严重。为此，2022年4月《中共中央国务院关于加快建设全国统一大市场的意见》正式发布，强调要素资源应在更大范围内畅通流动。
综上，本文拟在重点探究海洋和陆地经济部门之间资源配置效率现状的基础上，进一步测算省份之间海洋和陆地经济的资源配置效率，并分析其演化趋势，其中所涉及资源主要聚焦于劳动和资本两类生产要素。

1 资源配置效率测算模型与数据来源

1.1 测算模型

参考Brandt等的模型[9]设置思路，将经济产出分为总产出Y、各省产出Yi和部门产出（海洋部门产出Yio和陆地部门产出Yic）。总产出和省份产出是相应各省份产出和部门产出的CES函数， Y = ∑ i = 1 N θ i Y i σ 1 σ、 Y i = θ i o Y i o ϕ + θ i c Y i c ϕ 1 ϕ，其中1/（1-σ）和1/（1- ϕ）为产出替代弹性，θ是相应省份或海陆部门产出在总产出中的比重。进一步产出又是相应资本要素K、劳动要素L和生产率A的C-D函数，并放松规模报酬不变的假设， Y = A K α L β， Y i = A i K i α L i β， Y i j = A i j K i j α L i j β，其中j=o，c。同时，部门生产要素投入的加总即为省份要素投入，省份要素投入的加总即为整体要素投入，因此可得要素投入比例为：
l i = L i / L , k i = K i / K l i j = L i j / L i , k i j = K i j / K i ∑ i = 1 N l i = 1 , ∑ i = 1 N K i = 1 l i o + l i c = 1 , k i o + k i c = 1
在此模型设置下可得海陆经济部门、各省份及总体TFP为：
A i j = Y i j / K i j α L i j β A i = θ i o Y i o ϕ + θ i c Y i c ϕ 1 / ϕ / K i α L i β = θ i o A i o k i o α l i o β ϕ + θ i c A i c k i c α l i c β ϕ 1 / ϕ A = ∑ i = 1 N θ i Y i σ 1 / ϕ / K α L β = ∑ i = 1 N θ i A i k i α l i β σ 1 / ϕ
为得到要素错配程度，本文参考前期研究常用做法[6,9]，设置价格楔子 τ K i j、 τ L i j，那么资本、劳动的实际价格为 r τ K i j、 ω τ L i j。当要素完全有效配置时，则价格楔子 τ K i j、 τ L i j取值为1，此时资本、劳动的价格为 r、 ω。
基于总产出、省份产出和海陆经济部门产出的利润最大化问题，
m a x Y i P ∑ i = 1 N θ i Y i σ 1 / σ - ∑ i = 1 N P i Y i m a x Y i j P i θ i o Y i o ϕ + θ i c Y i c ϕ 1 / ϕ - P i o Y i o - P i c Y i c m a x K i j L i j P i j A i j K i j α L i j β - r τ K i j K i j - ω τ L i j L i j
由此可得到三类问题下的一阶条件，并结合相应的产出函数形式，进而得到其转化式。
θ i P Y i Y σ - 1 = P i   , P = ∑ i = 1 N θ i 1 1 - σ P i σ σ - 1 σ - 1 σ θ i j P i Y i j Y i ϕ - 1 = P i j , P i = ∑ j = o , c θ i j 1 1 - ϕ P i ϕ ϕ - 1 ϕ - 1 ϕ α P i j A i j K i j α - 1 L i j β = r τ K i j , β P i j A i j K i j α L i j β - 1 = ω τ L i j
利用其一阶条件①，可得到错配状态下，海陆经济部门的劳动和资本投入比例及各省的TFP为：
l i j = 1 θ i j ( 1 - ϕ ) ( α + β ) A ¯ i j ϕ 1 - ϕ τ L i j - 1 1 θ i o ( 1 - ϕ ) ( α + β ) A ¯ i o ϕ 1 - ϕ τ L i o - 1 + 1 θ i c ( 1 - ϕ ) ( α + β ) A ¯ i c ϕ 1 - ϕ τ L i c - 1 k i j = 1 θ i j ( 1 - ϕ ) ( α + β ) A ¯ i j ϕ 1 - ϕ τ K i j - 1 1 θ i o ( 1 - ϕ ) ( α + β ) A ¯ i o ϕ 1 - ϕ τ K i o - 1 + 1 θ i c ( 1 - ϕ ) ( α + β ) A ¯ i c ϕ 1 - ϕ τ K i c - 1 A i = A i ¯ τ i
式中： A i ¯ = A ¯ i o ϕ 1 - ϕ + A ¯ i c ϕ 1 - ϕ 1 - ( α + β ) ϕ ϕ， A i j ¯ = A i j τ K i j - α τ L i j - β 1 - ϕ 1 - ( α + β ) ϕ。并且 τ i = τ K i α L i β，省份间资本价格楔子为：

τ K i = θ i j 1 ( 1 - ϕ ) ( α + β ) A i o ϕ 1 - ϕ τ K i o - 1 + θ i j 1 ( 1 - ϕ ) ( α + β ) A ¯ i c ϕ 1 - ϕ τ K i c - 1 θ i j 1 ( 1 - ϕ ) A ¯ i o ϕ 1 - ϕ + θ i j 1 ( 1 - ϕ ) A ¯ i c ϕ 1 - ϕ - 1

劳动价格楔子为：

τ L i = θ i j 1 ( 1 - ϕ ) ( α + β ) A i o ϕ 1 - ϕ τ L i o - 1 + θ i j 1 ( 1 - ϕ ) ( α + β ) A ¯ i c ϕ 1 - ϕ τ L i c - 1 θ i j 1 ( 1 - ϕ ) A ¯ i o ϕ 1 - ϕ + θ i j 1 ( 1 - ϕ ) A ¯ i c ϕ 1 - ϕ - 1

同时错配状态下，各省份劳动和资本投入比例及相应总体TFP为：
l i = θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ L i - 1 / ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ L i - 1 K i = θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ K i - 1 / ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ K i - 1 A = ∑ i = 1 N θ i 1 1 - σ A i ¯ χ 1 σ ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ K i - 1 α ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i ¯ η τ L i - 1 β
式中： η = ( α + β ) ϕ ( 1 - σ ) - ϕ + σ ( 1 - σ ) ( α + β ) 1 - ( α + β ) ϕ， χ = σ ( 1 - ϕ ) ( 1 - σ ) 1 - ( α + β ) ϕ。
资源配置完全有效时，海陆经济部门要素投入比例及各省份TFP为：
l i j * = k i j * = θ i j 1 ( 1 - ϕ ) ( α + β ) A i j ϕ 1 - ( α + β ) ϕ θ i o 1 ( 1 - ϕ ) ( α + β ) A i o ϕ 1 - ( α + β ) ϕ + θ i c 1 ( 1 - ϕ ) ( α + β ) A i c ϕ 1 - ( α + β ) ϕ A i * = ∑ j = o , c θ i j 1 ( 1 - ϕ ) A i j ϕ 1 - ( α + β ) ϕ 1 ϕ ∑ j = o , c θ i j 1 ( 1 - ϕ ) ( α + β ) A i j ϕ 1 - ( α + β ) ϕ α + β
同时，各省份要素投入比例及总体TFP为：
l i * * = k i * * = θ i 1 ( 1 - σ ) ( α + β ) A i * η / ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i * η A * = ∑ i = 1 N θ i 1 1 - σ A i * χ 1 σ ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i * η α + β
仅各省份之间资源配置有效时，各省份的要素投入比例及总体TFP为：
l i * = k i * = θ i 1 ( 1 - σ ) ( α + β ) A i η / ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i η A e x * = ∑ i = 1 N θ i 1 1 - σ A i χ 1 σ / ∑ i = 1 N θ i 1 ( 1 - σ ) ( α + β ) A i η α + β
资源错配程度意为由于资源配置的扭曲所造成的TFP损失比例。根据这一定义，每个省份内部的海陆经济资源错配程度为mi= A i * A i - 1；所有情形（各省之间以及海陆经济之间）下的资源错配程度为，m= A * A - 1；各省之间的资源错配程度为mp= A e x * A - 1；海陆之间的资源错配程度为ma= A * A e x * - 1。同时，假设资本自始至终不存在错配，可得到仅劳动的错配程度；资本错配程度测算相似。
要素价格楔子可根据海陆经济产出利润最大化问题得到： τ K i j ∝ P i j Y i j K i j， τ L i j ∝ P i j Y i j L i j。参考Brandt等[9]，模型中CES函数参数， θ i j = 1 14 ∑ t = 2006 2019 P i j Y i j 1 - ϕ ( t ) P i o ( t ) Y i o 1 - ϕ ( t ) + P i c ( t ) Y i c 1 - ϕ ( t )， θ i = 1 14 ∑ t = 2006 2019 P i ( t ) Y i 1 - σ ( t ) ∑ i = 1 N P i ( t ) Y i 1 - σ ( t )。参数σ、ϕ都取值为1/3，其中各省份价格指数Pi可直接来自《中国统计年鉴》，而海陆部门产出价格指数则由模型自洽得到， P i j = θ i j 1 θ Y i j n o r Y i n o r ϕ - 1 ϕ，符号nor代表名义值。就CD生产函数中资本或劳动的产出弹性α和β，本文将在第2部分展开估计。

1.2 数据来源

本文研究对象包括2006—2019年中国沿海11个省份，并将各省分为陆地和海洋2个部门。海洋部门的生产总值和涉海就业人数来自历年《中国海洋统计年鉴》。陆地部门的生产总值和就业人数利用《中国统计年鉴》所报告的整体数据扣除相关海洋部门数据后得到。其中生产总值单位是亿元，就业人数单位是万人，并且生产总值数据进行了平减（平减指数来自《中国统计年鉴》）。然而海洋部门并没有报告固定资产投资，为此本文参考张军等的研究[17]，首先利用永续盘存法得到整体的资本存量数据， K i t = K i t - 1 1 - δ ) + I i t / P i t，其中：Iit为省份i在年份t的实际固定资本形成总额（单位：亿元）；P为固定资产投入价格指数，折旧率δ取值9.6%。在初期资本存量上，本文首先基于张军等所报告的2000年相关数据[17]，以此与其所报告的1952—2000年数据相衔接；随后，参考吴清峰等提出的等资本产量比法[18]，海洋部门资本存量由海洋部门生产总值占整体生产总值的比重与整体资本存量相乘而得。这就意味着海洋部门和陆地部门之间不存在资本错配问题，在对下文测算结果进行分析时也需强调这一点。

2 生产函数估计与典型事实

本文首先对上文所设置C-D生产函数的投入产出弹性进行估计。在利用固定效应和随机效应面板模型进行估计后，Hausman检验结果显示应采用固定效应模型，而鉴于可能存在的内生性问题，本文在固定效应模型的基础上利用要素投入的滞后项作为工具变量，展开了回归分析，结果显示资本产出弹性α=0.4663，劳动产出弹性β=0.4494。同时，本文也进一步采用随机前沿模型展开了估计，其主要分为时变效率模型和非时变效率模型两类，时变项的回归结果证明应采用时变效率模型，结果显示α=0.4724，β=0.3378。鉴于无法在基于固定效应模型的工具变量法与时变效率随机前沿方法两者之间做出计量理论上的客观比较，因此本文选择将两者估计结果进行折中，即采用2种方法所得结果的均值（α=0.47，β=0.39）为基准展开资源配置效率的测算，同时可以看到2种方法的估计结果相差较小①。
本文以此测算了各省份海洋和陆地TFP并绘制箱线图（图1a、图1）。基于各省份均值算得，海洋部门TFP年均增长率为2.64%，陆地部门TFP年均增长率为2.08%。该测算结果与Brandt、杨汝岱和王志刚等的研究结果[9,19-20]较为吻合。从TFP演化趋势来看，样本初期陆地部门TFP均值要略高于海洋部门，而海洋部门TFP增长速度要快于陆地部门，2014年后海洋部门TFP开始高于陆地部门，足见海洋经济也是拉动我国TFP增长的重要动力。进一步基于资源配置的视角，图1a和图1b显示，沿海11省份之间的海洋部门TFP离散程度要远大于陆地部门。Hsieh等指出TFP离散程度可反映资源错配程度[6]，因此这也意味着海洋经济资源在地区之间的错配程度更为严重。不仅如此，前期研究指出，TFP与生产要素份额的相关程度也可反映资源配置效率[21-23]，为此图1c和图1d进一步展示了海洋部门和陆地部门的劳动要素投入份额，可以看到，海洋部门的劳动投入份额在2010后平缓下降，与其更快的TFP增长速度并不匹配，暗含了我国海陆之间存在着资源错配问题。
图1 海陆部门TFP与劳动投入份额

Fig.1 TFP and labor investment share of marine and land sectors

3 资源配置效率测算结果

3.1 整体情况

图2为通过模型拟合得到的我国错配状态下的实际整体生产率A、省份之间配置有效时的整体生产率 A e x *以及资源配置完全有效时的整体生产率 A *。结果显示，我国沿海地区实际TFP在逐年提高，年均增长率为2.21%，与上文基于各省份情况得到的TFP年均增长率均值较为接近，同时也与我国经济发展现实较为一致，证明本文模型设置是合理的。
图2 拟合所得沿海地区TFP

Fig.2 TFP of coastal provincial-level regions based on the model fit

根据前文所述，分别计算海陆之间、沿海11省份之间以及整体的错配程度，如图3a所示①。从地域之间②的整体资源错配程度来看，资源配置扭曲导致国家TFP年均损失了5.79%，相当于2006—2019年年均2.21%TFP增长率的2.63倍，凸显了优化资源配置的重要性与迫切性。
图3 沿海省份之间资源错配情况

Fig.3 Resource misallocation among coastal provincial-level regions

就海陆资源错配来看，图3a显示，2006—2019年，我国海陆间资源配置扭曲导致TFP年均损失了2.32%，其中2019年海陆间配置扭曲导致TFP损失了2.68%。对于近年来我国较慢的TFP增长速度而言，这一错配程度显然也是较为严重的。就其变动趋势而言，2006—2009年有较为明显的缓解趋势，2009年损失最低为1.87%，之后又开始快速反弹上升，2019年的错配程度最为严重。就省际资源错配来看，图3a显示2019年我国省际资源配置扭曲导致TFP损失了5.28%，略低于Brandt等[9]估计的8.07%的省际错配程度，这可能源于本文研究对象是市场一体化程度较高的沿海省份。此外，这种轻微的差异也进一步证明了本文模型的客观性。
近年来，我国在国家宏观政策、法律、制度和规划等方面不断加强对海洋经济的关注。1996年，《中国海洋21世纪议程》首次提出“统筹沿海陆地区域和海洋区域的国土开发，坚持区域经济协调发展的方针”，奠定了陆海统筹的基本理念。“十二五”至“十三五”期间，“陆海统筹、协调发展”理念从重要发展内容转变为基本发展原则。这一转变不仅体现了我国对海洋经济重要性的认识升级，也指明了未来的发展方向，即在保持陆地和海洋资源可持续利用的同时，促进海陆与区域间经济的平衡与协调。可惜的是，尽管我国政策连续强调陆海统筹的重要性，但在实施中仍旧主要关注海洋自身的发展方向，却相对忽视了海陆统筹的具体方针。并且，受2018年前后中美贸易摩擦等国内外经济形势波动的影响，陆地经济仍受更多关注，相对忽视海洋经济。体现在测算结果中，则是我国海陆间资源错配持续加重。2021年，国务院发布了《“十四五”海洋经济发展规划》，将“坚持陆海统筹，以陆促海、以海带陆”提升至更高的战略高度。新政策能否有效缓解海陆错配问题，仍待进一步观察和分析。
图3b进一步对错配程度进行分解。沿海11省份之间的资源配置扭曲导致TFP年均损失了3.40%①，其中劳动错配程度为2.78%，而资本错配程度仅为0.79%，两者相差程度较大。就其变动趋势而言，劳动错配程度由2006年的3.47%快速下降至2013年的2.03%，后又反弹，至2019年并无缓解迹象。而资本错配程度则逐年加重，尤其是在2015年后错配程度严重加剧，至2019年我国沿海省份间资本配置扭曲导致的TFP损失率已达2.71%，与劳动错配程度的差距逐渐缩小。如果仅从年均值来看，劳动力错配要比资本错配严重，但是从发展趋势来看，解决资源错配问题不仅要关注劳动力配置的优化，还应重视资本配置的合理化。因此，持续深入的户籍制度改革与行业从业人员培训的同时，也应进一步优化资本市场结构，通过政策激励和基础设施建设等，打破地区的市场进入壁垒和人口流动壁垒，促进资本与劳动力在不同地区和行业间的自由流动，这将对提高区域间的经济协调性和国家整体经济效率发挥重要作用。

3.2 沿海省份内部海陆间资源配置效率分析

为进一步明确政策重心、有效应对各省海陆错配问题，本文进一步测算了2019年沿海11省份各自的海陆资源错配程度②（图4a）。可以看到，河北和天津的海陆间资源配置扭曲导致各自TFP损失5.87%和5.63%，其程度相对最高；其次是山东、上海、福建，资源错配程度介于3.0%~4.5%；接下来是江苏、广东、广西、海南，错配程度介于1.5%~2.5%；而辽宁、浙江较轻微，错配程度不到1%。因此，未来在优化海陆资源配置时，应针对不同省份的资源错配情况，制定和实施更加精准的地区政策。例如，对于海陆资源错配程度较高的河北和天津，可以考虑增加对海洋产业的投资和支持，优化陆地资源利用策略。同时，也应加强省际协调与合作，推动辽宁和浙江等地发展经验和最佳实践共享。此外，还应定期监测和评估各省份海陆资源错配情况，以便及时调整和优化政策。
图4 2019年沿海省份内部海陆间资源配置效率

Fig.4 Resources allocation efficiency between marine and inland among coastal provincial-level regions in 2019

图4a仅展示了各省陆海之间资源配置扭曲所致全省TFP损失情况，仍然无法判断是海洋还是陆地资源的投入过度。这一问题的答案对于解答我国未来资源投入是否应该由陆地向海洋转移有着重要启示作用。因此，依据上文模型引入资源投入偏离程度指标， d e v i j L = l i j l i j * - 1，其值为正代表投入过度，值越大过度程度越高；其值为负代表投入不足，值越大缺口程度越高。从图4b中可知，沿海11省份的海洋资源投入相对陆地都处于不足状态，其中天津、河北、山东、上海、江苏、福建等地的海洋部门劳动投入有着40%以上的缺口，非常严重。目前，我国海洋资源投入持续短缺，未来资源投入的重心应该从陆地向海洋转移。从资源配置效率角度来看，无需增加资源投入规模，仅是实现资源在不同部门之间的转移即可带来总产值的增加。这一点提醒我们，重心转移不仅需要增加海洋资源的绝对投入量，更重要的是改进资源配置效率。应从宏观层面审视和调整资源配置策略，通过优化海洋与陆地资源的配置比例，即在不增加总资源投入的情况下，实现更高的经济效益，这对于全国经济的可持续发展更为重要。

3.3 沿海省份之间资源配置效率的进一步分析

图5a为我国2006—2019年省际海洋经济资源的错配程度①。可以看到，仅在海洋部门内，就存在严重的省际资源错配问题。2019年省际的海洋总资源配置扭曲导致TFP损失了6.18%，且劳动错配明显高于资本错配。图5b为同期省份之间的陆地经济资源错配程度，对比而言，陆地经济错配程度明显低于海洋经济，2019年省际陆地总资源配置扭曲导致TFP损失了5.20%，这进一步验证了省际海洋经济资源错配的严重性。
图5 省际资源错配程度

Fig.5 Resources misallocation degree among coastal provincial-level regions

对图5a省际海洋经济资源错配的变动趋势进行具体分析，整体上劳动错配程度呈现缓解的趋势，但资本错配程度却逐年加重，尤其是2015年之后，资本错配程度呈指数化增长。值得注意的是，此时劳动错配程度也有加剧趋势，这可能与2015年年末提出的脱贫攻坚战略高度相关。在国家大政策的引导下，资源配置平衡逐步取代资源配置有效成为政府工作的重要目标。同时期陆地经济的资源错配也经历着和海洋类似的演化趋势（图5b），但其错配程度低于海洋，进一步证明优化海洋经济资源配置的重要性和紧迫性。
现有研究多从陆地经济的视角出发，关注企业间、行业间或省际资源配置情况[11,24-28]，对海洋经济的研究则相对缺乏。然而实际情况表明，我国海洋经济的资源错配形势更为严峻。在当前加快建设全国统一大市场之际，应更加重视海洋经济的市场分割问题。
上文计算的海洋经济资源错配程度是整体性的，无法体现不同省份的资源配置情况。深入识别各省份海洋经济中的资源配置状态，对于制定更加精准和有效的政策措施至关重要。本文测算2006—2019年各省份劳动与资本两要素的投入偏离程度变化趋势②（图6、图7），并绘制了2019年我国沿海各省份要素配置偏离程度图（图8）。
图6 2006—2019年沿海各省份海洋劳动投入偏离程度变化趋势

Fig.6 Marine labor deviation degree of coastal provincial-level regions in 2006-2019

图7 2006—2019年沿海各省份海洋资本投入偏离程度变化趋势

Fig.7 Marine capital deviation degree of coastal provincial-level regions in 2006-2019

图8 2019年沿海各省份海洋不同要素投入偏离程度

Fig.8 Deviation degree of marine resources in coastal provincial-level regions in 2019

图6显示，北部海洋圈的河北、天津、山东和南部海洋圈的福建、广东，劳动投入力度常年接近于最优配置状态。南部海洋圈的广西、海南虽然也有向最优配置状态靠拢的趋势，但是其劳动投入过度程度仍然非常严重，已然超出最优状态的100%左右。更为严重的是，辽宁在逐年偏离其最优状态，2019年已超过最优状态的150%以上。与之相对，东部海洋圈的上海、江苏却仍存在着50%以上的劳动投入缺口，且并无缓解迹象。
图7显示，相对于图6所示的劳动投入偏离程度，资本投入偏离程度整体并不严重，这也正与上文所述劳动错配比资本错配更为严重的现象遥相呼应。北部海洋圈的天津、辽宁、河北，以及南部海洋圈的广西、海南，资本投入力度长期处于过度状态，尤其是辽宁和天津，最高点处的过度程度可达136%和102%。而东部海洋圈的上海、江苏、浙江及广东资本投入常年处于不足状态，尤其是东部海洋圈3省，其缺口程度在逐年扩大，其中上海2019年资本投入仅为其有效状态的60%左右。
图8显示，辽宁、广西和海南在劳动和资本投入上均过度，尤其是辽宁最为严重；而上海、江苏、福建、广东的资源投入却普遍不足。加强各省份生产要素配置的协调工作，以充分挖掘每个省的优势和潜能，对于推动中国海洋经济的进一步增长和繁荣至关重要。在优化劳动要素配置时，可适当放开上海、江苏等地户籍管理制度，吸引更多人才入驻，有助于缓解这些省市的劳动力短缺。或可将上海等地的海洋制造业适当转移至辽宁等地，利用该地的劳动力优势大力发展劳动力密集型产业，以缓解其劳动力过剩程度。在优化资本要素配置时，可考虑将过剩资本转移到资本较为匮乏的东部沿海三省和南部的广东、福建，加大对这些地区的投资力度。同时加强省际合作，促进资源的有效分配，确保资本被投入到能够产生最大经济效益和社会效果的项目之中。

3.4 稳健性检验

为进一步验证上文结果的稳健性，本文利用Brandt等[9]在规模报酬不变假设下得到的资本和劳动产出弹性值对资源错配程度进行重新测算，取α=0.45，β=0.55。
如图9所示，我国整体错配程度尽管就绝对值来讲存在着差异，但其演化趋势与上文结果一致。2019年沿海11省份各自的海陆之间资源错配情况和投入偏离程度如图10所示，各省份资源错配程度依旧与上文高度统一，且普遍表现出陆地投入过度而海洋经济资源投入不足。因此，就海陆之间的资源配置效率问题来看，本文结果是稳健的。
图9 错配程度(稳健性检验)

Fig.9 Misallocation with robustness test

图10 2019年各省海陆间资源配置效率（稳健性检验）

Fig.10 Resources allocation efficiency between marine and inland in coastal provincial-level regions in 2019 with robustness test

就我国沿海11省份之间海洋经济资源和陆地经济资源的错配程度再测算，如图11所示。可以看到，省际海洋经济资源的错配程度仍然更为严重。就演化趋势而言，近年来仍呈现出逐年加重的趋势，与上文结果一致。同时，本文也对我国地区之间海洋资源投入过度与不足情况进行再测算（结果不再赘列），除部分数据绝对值的细微差异外，各省份的资源投入过度与不足情况与上文相同，投入程度变动趋势也大体一致，均可说明本文结果的稳健性和可靠性。
图11 省际资源错配程度（稳健性检验）

Fig.11 Resources nisallocation among coastal provincial-level regions with robustness test

4 结论与建议

4.1 主要结论

受我国地区间市场分割影响，海洋经济作为我国经济发展的新支撑点同样存在着资源错配现象。本文基于2006—2019年的省级面板数据，通过构建全国—省份—陆海三层架构的一般均衡模型，测算了沿海11个省份以及省际因海陆资源配置扭曲而造成的TFP损失程度，并分析了其演化趋势。主要结论如下：
①海陆之间存在着严重的资源错配，且近年来持续加重。2019年海陆之间资源错配程度在本文样本期内最高，导致我国TFP损失了2.68%。且这一错配主要来自海洋经济生产要素投入的不足和陆地经济生产要素投入的过度。不同省份间海陆资源错配程度有明显差异，天津、河北、山东、上海、江苏、福建等地区较为严重，其海洋部门生产要素投入的缺口也更高。
②我国省际市场分割仍旧严重，总资源配置扭曲导致我国年均TFP损失达3.40%。比较而言，海洋经济的资源错配形势更为严峻，截止于2019年所致TFP损失高达6.18%，远高于同期陆地经济错配程度，且尚未得到有效缓解。其中，近年来劳动错配程度整体下降趋势明显，整体资源错配的加重主要是资本错配问题所致。
③比较我国沿海省份间海洋资源投入程度发现：在劳动要素方面，辽宁、广西、海南投入过度，而上海、江苏、福建等地的劳动要素投入均不足；在资本要素方面，天津、辽宁同样存在一半以上资本过剩，而上海、江苏、浙江由于自身海洋经济的快速发展，其现有资本投入处于短缺状态。

4.2 政策建议

①明确海陆统筹具体方针，突破传统“陆海分离”的思想束缚。尽管我国已频繁出台促进海洋经济发展的政策措施，但本文研究表明，海陆之间仍旧存在着严重的资源错配问题，海陆一体化成效尚不明显。因此，应进一步制定和完善陆海统筹相关战略，明确具体实施路径，持续强调海洋与陆地资源的协调发展和互补性。在政策推行过程中，应建立有效的跨部门协调机制，以确保海洋和陆地政策的有效衔接。
②加大海洋经济投入力度，提高海洋经济发展实力。本文研究表明，相对于陆地经济，海洋经济生产要素投入依旧不足。可通过提供税收优惠、研发补贴、风险投资等激励机制，加大对海洋科技研究与创新的投资。同时重视海洋经济相关人才的培养和引进，加强政府、学术界和产业界之间的合作，为海洋经济的发展提供多元化的人才支持。
③深化省际合作，建立更加开放协同的省际经济关系。本文研究表明，我国省际市场分割形势严峻，尤其在海洋部门内部，省际错配程度严重。应持续深化户籍制度，推动剩余劳动力的有效转移，或大力发展劳动力密集地区的海洋制造业，使其经济发展水平适应其劳动力状况。同时，合理引导过剩资本投资从北部海洋圈向东部海洋圈转移，协调各省份之间的生产要素配置，实现资源的有效分配。
总之，我国海洋经济仍处于转型发展阶段，海洋经济领域尚未得到进一步的突破，在现有领域内，最大程度保护和利用海洋资源，合理优化海洋经济的生产要素配置，对于助力海洋经济提质增效，推动我国经济发展行稳致远具有重要意义。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
王泽宇, 卢函, 孙才志. 中国海洋资源开发与海洋经济增长关系[J]. 经济地理, 2017, 37(11):117-126.

[2]
彭飞, 孙才志, 刘天宝, 等. 中国沿海地区海洋生态经济系统脆弱性与协调性时空演变[J]. 经济地理, 2018, 38(3):165-174.

DOI

[3]
狄乾斌, 梁倩颖. 中国海洋生态效率时空分异及其与海洋产业结构响应关系识别[J]. 地理科学, 2018, 38(10):1606-1615.

DOI

[4]
孙才志, 朱云路. 基于Dagum基尼系数的中国区域海洋创新空间非均衡格局及成因探讨[J]. 经济地理, 2020, 40(1):103-113.

DOI

[5]
王泽宇, 丛琳惠, 王焱熙, 等. 现代海洋产业体系发展水平测度及动态演进——基于四位协同视角[J]. 经济地理, 2023, 43(7):77-87.

DOI

[6]
Hsieh C T, Klenow P J. Misallocation and manufacturing TFP in China and India[J]. The Quarterly Journal of Economics, 2009, 124(4):1403-1448.

[7]
Hopenhayn H A. Firms,misallocation,and aggregate productivity:A review[J]. Annual Review of Economics, 2014, 6(1):735-770.

[8]
Collard-Wexler A, De Loecker J. Reallocation and technology:Evidence from the US steel industry[J]. The American Economic Review, 2015, 105(1):131-171.

[9]
Brandt L, Tombe T, Zhu X. Factor market distortions across time,space and sectors in China[J]. Review of Economic Dynamics, 2013, 16(1):39-58.

[10]
文东伟. 全要素生产率与中国制造业的增长潜力[J]. 经济学(季刊), 2019, 18(2):617-638.

[11]
Jin L, Liu X, Tang S H K. High-technology zones,misallocation of resources among cities and aggregate productivity:Evidence from China[J]. Applied Economics, 2022, 54(24):2778-2794.

[12]
Young A. The razor‘s edge:Distortions and incremental reform in the People’s Republic of China[J]. The Quarterly Journal of Economics, 2000, 115(4):1091-1135.

[13]
陆铭, 陈钊. 分割市场的经济增长——为什么经济开放可能加剧地方保护?[J]. 经济研究, 2009, 44(3):42-52.

[14]
刘志彪. 全国统一大市场[J]. 经济研究, 2022, 57(5):13-22.

[15]
陈诗一, 陈登科. 中国资源配置效率动态演化——纳入能源要素的新视角[J]. 中国社会科学, 2017(4):67-83,206-207.

[16]
Dixit A K, Stiglitz J E. Monopolistic competition and optimum product diversity[J]. The American Economic Review, 1977, 67(3):297-308.

[17]
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.

[18]
吴清峰, 唐朱昌. 投资信息缺失下资本存量K估计的两种新方法[J]. 数量经济技术经济研究, 2014, 31(9):150-160.

[19]
杨汝岱. 中国制造业企业全要素生产率研究[J]. 经济研究, 2015, 50(2):61-74.

[20]
王志刚, 龚六堂, 陈玉宇. 地区间生产效率与全要素生产率增长率分解(1978—2003)[J]. 中国社会科学, 2006(2):55-66,206.

[21]
Olley G S, Pakes A. The dynamics of productivity in the telecommunications equipment industry[J]. Econometrica, 1996, 64(6):1263-1297.

[22]
Baldwin J R, Gu W. Plant turnover and productivity growth in Canadian manufacturing[J]. Industrial and Corporate Change, 2006, 15(3):417-465.

[23]
Melitz M J, Polanec S. Dynamic Olley‐Pakes productivity decomposition with entry and exit[J]. The Rand Journal of Economics, 2015, 46(2):362-375.

[24]
陈永伟, 胡伟民. 价格扭曲、要素错配和效率损失:理论和应用[J]. 经济学(季刊), 2011, 10(4):1401-1422.

[25]
王文, 牛泽东. 资源错配对中国工业全要素生产率的多维影响研究[J]. 数量经济技术经济研究, 2019, 36(3):20-37.

[26]
韩剑, 郑秋玲. 政府干预如何导致地区资源错配——基于行业内和行业间错配的分解[J]. 中国工业经济, 2014(11):69-81.

[27]
马颖, 何清, 李静. 行业间人力资本错配及其对产出的影响[J]. 中国工业经济, 2018(11):5-23.

[28]
孙元元, 张建清. 中国制造业省际间资源配置效率演化:二元边际的视角[J]. 经济研究, 2015, 50(10):89-103.

Options
Outlines

/

〈 〉