建设“海洋强国”，发展海洋经济，不仅仅要提高海洋资源开发利用能力，更要重视海洋生态环境保护。将环境污染、环境治理等相关因素引入对海洋经济效率的测算，通过海洋经济绿色全要素生产率的时空演变、内在机制与影响因素分析，发现海洋经济绿色发展中的“短板”，对于推动海洋经济效益与生态效益的协调发展具有十分重要的意义。

一、文献综述

海洋区域以其独特的区位优势、丰富的自然资源逐渐在经济发展中占据重要地位。2018年，我国海洋生产总值83415亿元，与2017年相比，增速为6.7%，占国内GDP比重高达9.3%。海洋经济效率测算是国内外学者研究海洋经济增长的重要方法。通过对海洋经济效率进行评价，可以掌握海洋经济发展的投入产出状况及海洋经济发展水平。^[1]譬如，D.Tingle等和J.Odeck等运用DEA与SFA模型分别对海洋经济渔业与海洋经济运输业的效率进行了评价；^[2-3]范斐等、赵林等、盖美等均利用DEA模型对我国海洋经济效率进行了评价。^[4-6]

随着各国对环境保护的日益重视，国内外学者开始认识到“绿色全要素生产率是保证经济增长与生态环境协调的劳动生产率”，^[7]于是开始将生产过程中对环境造成污染的二氧化碳、二氧化硫等负产出引入效率测算。^[8]国外学者率先将环境因素纳入海洋经济生产率的研究，譬如，Yoruk.B等及Kumar等人将非期望产出引入海洋经济全要素生产率的测算，探究环境污染对全要素生产率的影响；^[9-10]而国内学者则重点关注海洋经济绿色全要素生产率的测算及影响因素的分析，譬如，丁黎黎等、赵昕等、刘阳等将工业废气排放量、工业废水排放量等工业污染产生量降维成一个环境污染综合指数作为产出变量，对海洋经济绿色全要素生产率进行测算；^[11-14]盖美等则在测算海洋经济绿色全要素生产率的基础上，利用Tobit模型分析了海洋经济绿色全要素生产率的影响因素；^[15]胡晓珍则在测算海洋经济绿色全要素生产率的基础上，分析了中国海洋经济发展的区域差异。^[16]

综上所述，海洋经济绿色全要素生产率的测算与分析对于推动海洋经济效益与生态效益的协调发展具有十分重要的意义。已有研究将环境因素纳入海洋经济全要素生产率测算，为全面了解我国海洋经济发展现状提供了重要依据。但现有研究多侧重于对效率值的测算，忽略了对海洋经济绿色全要素生产率时空变化的分析，也鲜有对海洋经济绿色全要素生产率发展内在机制的分析与影响因素的预测，难以精准发现海洋经济发展中的“短板”，也难以为海洋经济的未来发展规划提供更加务实的参考。

基于以上研究现状，本文引入环境治理、环境负效益作为海洋经济全要素生产率的绿色指标，基于2003—2018年我国11个沿海省市(不含港澳台)的面板数据，使用DEA-Malmquist指数模型和PVAR模型，对海洋经济绿色全要素生产率进行测算，在分析其时空演化的基础上，分析其发展的内在机制，并对其未来发展的影响因素进行预测。

二、研究方法与变量选择 (一) DEA-Malmquist指数模型

DEA-Malmquist指数模型最早由瑞典的经济学家和统计学家Malmquist于1953年提出，其主要目的在于对动态效率的变化趋势进行分析。目前，国内外学者们最常使用的DEA-Malmquist指数模型是由Färe提出的，^[17]模型的主要思想是在假定规模报酬不变(CRS)的情况下，以t时期的技术因素T(t)以及t+1时期的技术因素T(t+1)为参照，构建DEA-Malmquist全要素生产率指数模型，如公式(1)所示：

$ \text{TEPC}=\text{E}{{\text{C}}_{\text{CRS}}}\times \text{T}{{\text{C}}_{\text{CRS}}} $

(1)

式中，TEPC代表全要素生产率在t时期到t+1时期的变化指数，EC代表综合效率在t时期到t+1时期的变化指数，TC代表技术进步在t时期到t+1时期的变化指数。

当考虑规模报酬变化(VRS)的情况时，公式(1)所表示的Malmquist全要素生产率指数模型又可以表述为：^[18]

$ \text{TFPC}=\text{PE}{{\text{C}}_{\text{CRS}}}\times \text{SE}{{\text{C}}_{\text{CRS, VRS}}}\times \text{T}{{\text{C}}_{\text{CRS}}} $

(2)

式中，PEC代表纯技术效率在t时期到t+1时期的变化指数，SEC代表规模效率在t时期到t+1时期的变化指数。显而易见，全要素生产率(TFPC)是由纯技术效率(PEC)、规模效率(SEC)、技术进步效率指数(TC)共同决定的，而这些效率指数分别体现了经济制度与管理、规模、技术进步水平对于全要素生产率的影响。各个效率指数的值在大于1或者小于1时，表示效率提高或者效率降低。特别指出，当纯技术效率(PEC)、规模效率(SEC)、技术进步效率指数(TC)的值在大于1或者小于1时，分别表明其对全要素生产率起促进作用或者抑制作用。

对于海洋经济绿色全要素生产率而言，其可以分解为海洋经济纯技术效率、海洋经济规模效率、海洋经济技术进步效率指数，这些效率指数分别体现了海洋经济制度与管理、海洋经济规模、海洋技术进步水平对于海洋经济绿色全要素生产率的影响。当各个效率值大于1时，对海洋经济绿色全要素生产率起促进作用；当各个效率值小于1时，对海洋经济绿色全要素生产率起抑制作用。

(二) PVAR模型

PVAR模型，即面板向量自回归模型，最早由Holtz-Eakin、Newey等人于1988年提出。一方面，PVAR模型延续了VAR模型的优点，在允许不可观测的个体异质性存在的基础上，可以将系统中的所有变量均视为内生变量；^[19]另一方面，PVAR模型在时间序列的基础上，可以加入多个截面个体，大幅增加了样本观测值的数量，有利于更好地对系统内所有变量的动态关系进行分析。^[20]PVAR模型中存在滞后阶数，要求时间序列长度满足一定的条件，才可对方程参数进行估计。PVAR模型的一般表达形式为：

$ {{\text{Y}}_{\text{it}}}={{\text{a}}_{\text{i}}}+\text{b}{{\text{X}}_{\text{it}}}+{{\text{c}}_{\text{t}}}+{{\text{ }\!\!\varepsilon\!\!\text{ }}_{\text{it}}}\text{ }\!\!~\!\!\text{ } $

(3)

式中，Y_it表示N×1维的向量，N为系统内生变量的个数；i表示截面个体；t表示时间序列；X_it表示N×P×1维向量，包括了系统内的所有内生变量以及滞后项；b为N×P×1维向量的系数；α_i表示固定效应；c_t表示时间效应；ε_it表示随机扰动项。

为了分析海洋经济绿色全要素生产率内在机制的动态变化，并对其未来发展的影响因素进行预测，本文依次构建了三个PVAR模型，分别为海洋经济绿色全要素生产率(TFP)与海洋经济纯技术效率(PEC)、海洋经济绿色全要素生产率(TFP)与海洋经济规模效率(SEC)、海洋经济绿色全要素生产率(TFP)与海洋经济技术进步效率(TC)，三个模型的表达形式分别为公式(4)、公式(5)和公式(6)。

$ {{\text{Y}}_{\text{tpe }\!\!\_\!\!\text{ it}}}={{Ɣ}_{0}}+{{\sum }^{\text{k}}}_{\text{j=1}}{{\text{Y}}_{\text{tpe }\!\!\_\!\!\text{ it-j}}}+{{\text{ }\mathtt{α}}_{\text{i}}}\text{+}{{\text{ }\mathtt{β}}_{\text{t}}}\text{+}{{\text{ }\mathtt{ε}}_{\text{it}}} $

(4)

$ {{\text{Y}}_{\text{tse }\!\!\_\!\!\text{ it}}}={{Ɣ}_{0}}+{{\sum }^{\text{k}}}_{\text{j=1}}{{\text{Y}}_{\text{tse }\!\!\_\!\!\text{ it-j}}}+{{\text{ }\mathtt{α}}_{\text{i}}}\text{+}{{\text{ }\mathtt{β}}_{\text{t}}}\text{+}{{\text{ }\mathtt{ε}}_{\text{it}}} $

(5)

$ {{\text{Y}}_{\text{ttc }\!\!\_\!\!\text{ it}}}={{Ɣ}_{0}}+{{\sum }^{\text{k}}}_{\text{j=1}}{{\text{Y}}_{\text{ttc }\!\!\_\!\!\text{ it-j}}}+{{\text{ }\mathtt{α}}_{\text{i}}}\text{+}{{\text{ }\mathtt{β}}_{\text{t}}}\text{+}{{\text{ }\mathtt{ε}}_{\text{it}}} $

(6)

式(4)—式(6)中，i=1, 2, 3, ……, n，代表 11个沿海省市；t=1, 2, ……, t，代表年份；Y_tpe是一个包含海洋经济绿色全要素生产效率与海洋经济纯技术效率的二维列向量；Y_tse是一个包含海洋经济绿色全要素生产效率与海洋经济规模效率的二维列向量；Y_ttc是一个包含海洋经济绿色全要素生产效率与海洋经济技术进步效率的二维列向量；Ɣ₀表示截距项量；k代表滞后阶数；Ɣ_j代表滞后第j阶的参数矩阵；α_i表示个体效应向量；c_t表示时间效应向量；ε_it表示随机扰动项。

(三) 变量选择与数据说明

本文选取我国11个沿海省市2003—2018年共16个年份的数据，测算其15年间的海洋经济绿色全要素生产率。为了保证统计口径的一致性，文中所使用的数据均来源于《中国海洋经济统计年鉴》以及《中国统计年鉴》，部分缺失数据采用指数平滑法进行处理。为了增加数据的可比性，对所使用的数据进行可比价格的换算，其中，海洋生产总值以2004年为基期，根据每年的居民消费价格指数进行换算；固定资产投资总额则根据每年的固定资产投资价格指数，以2004年为基期进行换算。

在构建海洋经济全要素生产率的指标体系时，结合海洋经济的相关理论，考虑相关数据的可获得性，将“绿色”因素纳入海洋经济全要素生产率。传统的经济全要素生产率投入指标一般包括劳动、资本、资源等因素，产出指标则以经济效益指标为主。本文在借鉴丁黎黎、胡晓珍、向晓梅等国内学者相关研究的基础上，^{[11, 16, 21]}将“绿色”纳入海洋经济投入与产出变量，在投入指标中加入环境治理指标，在产出指标中加入环境负效益这一非期望产出。至此，本文共选取4个投入指标，2个产出指标，构建11个沿海省市海洋经济绿色全要素生产率的指标体系，具体如表 1所示。

此外，本文将表 1中的环境治理投入指标与环境负效益非期望产出指标予以剔除，构建传统的海洋经济全要素生产率指标并进行测算，以通过对比分析，对海洋经济绿色全要素生产率的发展有更加深刻的认识。

三、海洋经济绿色全要素生产率的时空演变分析

本文采用DEA-Malmquist指数模型，利用软件DEAP2.1，对海洋经济绿色全要素生产率与传统海洋经济全要素生产率分别进行了测算，并分别从时间角度和空间角度，对两者进行了对比分析。

(一) 海洋经济绿色全要素生产率整体演变态势分析 1、海洋经济绿色全要素生产率演变的特征分析

海洋经济绿色全要素生产率与传统海洋经济全要素生产率的对比结果如图 1所示。整体看来，在2003—2018年间，我国海洋经济绿色全要素生产率与传统海洋经济全要素生产率均呈现波动趋势。其中，2003—2006年，我国海洋经济绿色全要素生产率略低于传统海洋经济全要素生产率；2007—2012年，我国海洋经济绿色全要素生产率略高于传统的海洋经济全要素生产率；2013—2018年，我国海洋经济绿色全要素生产率略低于传统的海洋经济全要素生产率。

2003—2006年，我国海洋经济绿色全要素生产率略低于传统的海洋经济全要素生产率。该阶段处于国家第十个五年规划，国家提倡大力开发海洋资源，促进海洋经济发展。譬如，2004年，我国学者张海峰在北京大学召开的“郑和下西洋600周年”报告会上正式提出“海陆统筹，兴海强国”的发展理念，^[22]对于促进海洋经济的发展具有重要意义。这一时期，我国沿海省市依靠大量人力以及资源的投入，通过规模扩张的粗放式发展模式发展海经济，忽略了对海洋生态环境的保护，造成了海洋经济绿色全要素生产率相对较低的情况。

2007—2012年，海洋经济绿色全要素生产率略高于传统的海洋经济全要素生产率。可能的原因是，在2005年，国家明确提出建设“资源节约型、环境友好型社会”；在2006年，在国家提出的第十一个五年规划中，强调实施节能减排的强制性约束措施，这些环保举措都对保护海洋生态环境提出了明确要求，对海洋经济的绿色发展起促进作用。

2013—2018年，我国海洋经济绿色全要素生产率略低于传统的海洋经济全要素生产率。但在这个阶段，海洋经济绿色全要素生产率与传统全要素生产率的差距正在逐渐缩小，且趋于稳定发展的态势，说明前期的政策举措依然具有促进海洋经济绿色发展的作用，海洋经济发展可能处于保持经济高速增长与生态环境保护协调统一的探索阶段。

2、海洋经济绿色全要素生产率演变的要素分析

对海洋经济绿色全要素生产率的增长特征进行分解分析，具体如表 2所示。整体看来，2003—2018年，技术效率、技术进步效率与纯技术效率对海洋经济绿色全要素生产率均具有促进作用，规模效率对海洋经济绿色全要素生产率具有抑制作用。由于前三者的促进作用大于规模效率的抑制作用，海洋经济绿色全要素生产率依然大于1，绿色海洋经济呈现正向增长的总体趋势，但呈现不同程度的波动情况。如2008—2010年的绿色全要素生产率出现了较大程度的下降，可能是由于2008年金融经济危机对海洋经济的效益带来了较大的负面影响；2006—2007年，技术效率、纯技术效率、规模效率均对绿色全要素生产率呈现正向促进作用，但由于技术进步指数存在负向影响，导致当年的绿色全要素生产率小于1，绿色海洋经济呈现负向增长，这可能是由于2006年，我国刚刚提出“节能减排”倡议，相关技术尚不成熟。总体看来，单纯扩大海洋经济规模已经不能满足绿色海洋经济发展的需要，海洋经济制度与管理以及海洋技术进步水平对绿色海洋经济发展其促进作用。

(二) 沿海省市海洋经济绿色全要素生产率的时空演变分析 1、沿海省市海洋经济绿色全要素生产率时空演变特征分析

沿海省市2003—2018年的海洋经济绿色全要素生产率与传统全要素生产率进行对比分析，如表 3所示。整体看来，2003—2018年，在不加入绿色指标时，11个沿海省市除海南外，海洋经济全要素生产率均大于1，海洋经济处于正向增长阶段；加入绿色指标后，11个沿海省市的海洋经济绿色全要素生产率呈现不同程度的上升或下降趋势，差异较为明显。其中，绿色全要素生产率大于传统全要素生产率的天津、上海、福建、海南四省市中，绿色全要素生产率的提高均来自于绿色技术进步效率指数的增长。河北、辽宁、江苏、山东、广东五省的绿色全要素生产率较传统全要素生产率的增幅均有小幅下降，但仍然实现了海洋经济的正向增长。应该注意的是，河北、辽宁、江苏三省的技术效率与技术进步效率均呈下降趋势，这导致绿色全要素生产率的下降；而山东省的绿色全要素生产率虽然大于1，且绿色规模效率也有小幅上升，但绿色全要素生产率的总体上升幅度远小于传统的全要素生产率，尤其是绿色纯技术效率下降幅度较大；广东省绿色全要素生产率的下降主要是由技术进步效率的下降导致的。浙江和广西两省区的绿色全要素生产率也明显低于传统的全要素生产率，且呈下降趋势，浙江绿色全要素生产率下降的主要原因是技术进步效率的下降，而广西则是技术效率与技术进步效率的共同下降导致的。综上，技术相关因素是绿色全要素生产率的关键因素，但具体到不同地区，技术因素对绿色全要素生产率的具体影响因基础条件的不同又具有差异性。

2、沿海省市海洋经济绿色全要素生产率时空增长特征分析

由海洋经济绿色全要素生产率与传统全要素生产率相关指标水平的对比分析可见，海洋经济规模效率对海洋经济绿色全要素生产率的影响较小且较为稳定，而海洋经济技术效率与海洋经济纯技术效率的取值极为接近，因此，在对2003—2018年11个沿海省市的海洋经济绿色全要素生产率空间增长特征进行分析时，主要从海洋经济绿色全要素生产率、海洋经济技术进步效率和海洋经济技术效率进行分析，如图 2至图 4所示。11个沿海省市自2003—2018年以来，海洋经济绿色全要素生产率和技术进步效率总体呈现增长趋势。

2003—2008年，由图 2可以看出，仅有江苏、上海、天津三省市的海洋经济绿色全要素生产效率大于1，其余8个省份均小于1。观察同期图 3可见，河北省、辽宁省、江苏省和上海市的海洋经济技术进步效率均大于1，其他7个省份的技术进步效率小于1。观察同期图 4可知，江苏、上海、天津、山东、福建、广西、海南的技术效率均大于1，对这7个省份的海洋经济绿色全要素生产率起促进作用。综合图 2到图 4分析可知，江苏和上海绿色全要素生产率的增长是技术效率与技术进步效率共同提升的结果；天津绿色全要素生产率的增长主要依靠技术效率；山东、福建、广西、海南的技术效率对绿色全要素生产率起正向促进作用，但技术进步效率的负向效应明显，导致绿色全要素生产率下降；河北和辽宁技术进步效率对绿色全要素生产率起正向促进作用，但无法与技术效率的负向效应相抵，导致绿色海洋经济发展依然呈现负向增长的态势。由此可见，在这一时期，技术进步效率与技术效率对海洋经济绿色全要素生产率的提升均起到了不可忽视的作用。

2009—2013年，由图 2可以看出，大部分省份的海洋经济绿色全要素生产率较前一阶段有了较大的提升，但各地区发展差异显著，河北和福建的海洋经济绿色全要素生产率超过1.1，处于快速增长的阶段；辽宁、山东、浙江、海南的海洋经济绿色全要素生产率大于1，绿色海洋经济开始实现正向增长；广西与广东的绿色全要素生产率依然小于1。观察同期图 3可以看出，除浙江、福建、广西和海南外，其他7个省份的技术进步效率均大于1；观察同期图 4可以看出，除河北、山东、广东外，其他8个省份的技术进步效率均大于1，对海洋经济绿色全要素生产率的具有明显的正向促进作用。综合图 2到图 4分析可知，河北与山东海洋经济绿色全要素生产率的提升主要得益于技术进步效率的提升；福建、辽宁、山东、浙江、海南的技术效率起到了不可忽视的拉动作用，尤其是浙江、福建和海南，技术效率的正向促进作用远超过技术进步效率的抑制作用，对海洋经济绿色全要素生产率的增长起到了极大的促进作用；但广东的技术效率较为落后，直接导致广东省的绿色全要素生产率下降。由此可见，在这一阶段，技术效率对海洋经济绿色全要素生产率的提升作用明显，技术效率与海洋经济绿色全要素生产率息息相关。

2014—2018年，由图 2可以看出，除广西的海洋经济绿色全要素生产率依然小于1，绿色海洋经济发展依然呈现负向增长外，其他十个沿海省市的海洋经济绿色全要素生产率均大于1，且地区之间的差距逐渐缩小，绿色海洋经济增长态势良好。继续观察图 3可知，11个沿海省市的技术进步效率均大于1，对海洋经济绿色全要素生产率的促进作用明显。观察图 4可知，山东、江苏、浙江、福建、广西的技术效率小于1，对海洋经济绿色全要素生产率起抑制作用。综合分析图 2到图 4可知，广西海洋经济绿色全要素生产率依然处于较低水平是因为技术效率水平较低，抑制作用明显；山东、江苏、浙江、福建的技术效率水平有待提高。

综上所述，2003—2018年间，依托于技术进步效率及技术效率水平的提高，我国11个沿海省市的绿色海洋经济发展呈现出良好的发展态势，且地区间的差异正在逐渐缩小。这不仅得益于海洋经济的区位及资源优势，也得益于国家坚持陆海统筹、建设海洋强国的战略部署，尤其是2014—2018年，政策红利优势明显。11个沿海省市随着科学技术的不断进步，正在逐步实现绿色海洋经济的稳定、均衡发展。

四、海洋经济绿色全要素生产率发展趋势及影响因素预测

本文使用PVAR模型，利用软件STATA.15，对海洋经济绿色全要素生产率发展的内在机制进行分析，探索海洋经济绿色全要素生产率与海洋经济纯技术效率、海洋经济规模效率、海洋技术进步效率的相互作用，并对其未来发展的影响因素进行预测。

(一) 平稳性检验

为了避免出现伪回归的现象，在使用PVAR模型估计前，需要首先检验数据的平稳性。为了增强数据平稳性检验的可信性与稳健性，本文采用同质根检验(LLC)、异质根检验(IPS)、HT检验和Breitung检验，对TFP、PECH、SECH和TC进行单位根检验，检验结果如表 4所示。TFP、PECH、SECH和TC四个变量均拒绝原假设，且在1%的水平上显著，表明四个变量都具有良好的平稳性，该面板数据通过了平稳性检验，可以继续进行PVAR模型的估计。

(二) 确定最优滞后阶数

为了保证PVAR模型估计的有效性，需要首先对三个模型的最优滞后阶数进行确定。在选择最优滞后阶数时，一般采用MBIC、MAIC、MQIC这三个信息准则进行判断，信息准则最小则为最优滞后阶数。三个模型最优滞后阶数的选择如表 5所示，模型(1)的最优滞后阶数为1阶；模型(3)的最优滞后阶数为1阶；模型(2)中，在MBIC与MQIC准则下，最优滞后阶数为1阶，但MAIC显示最优滞后阶数为2阶，为了考虑模型拟合的优良性并尽量避免过度拟合的情况出现，选择最优滞后阶数为2阶。

(三) PVAR模型的初步估计

分别确定最优滞后阶数之后，使用广义矩估计方法(GMM)对模型进行估计。为了避免因个体固定效应造成参数有偏，在模型估计时，利用Helmet变换对个体固定效应项予以消除，以此来提高模型估计的精度。表 6为三个模型的回归结果，L1、L2、L3分别表示变量滞后1期、变量滞后2期、变量滞后3期。

由表 6可得，在模型(1)中，当以海洋经济绿色全要素生产率(TFP)为被解释变量时(表 6第2列)，滞后1期的海洋经济绿色全要素生产率对自身的影响为0.207，在5%的水平上显著，表明海洋经济绿色全要素生产率对自身具有正向影响，存在依赖自身惯性发展的现象。当以海洋经济纯技术效率(PECH)为被解释变量时(表 6第3列)，滞后2期的海洋经济绿色全要素生产率对海洋经济纯技术效率的影响为-0.272，在5%的水平上显著，说明在滞后2期时，海洋经济绿色全要素生产率对海洋经济纯技术效率产生负向影响。当海洋经济纯技术效率滞后1期、2期、3期时，对海洋经济纯技术效率均未产生影响，表明海洋经济纯技术效率不依赖以往的海洋经济纯技术效率。当海洋经济纯技术效率滞后3期时，对海洋经济绿色全要素生产率的影响为0.131，在5%的水平上显著，表明滞后3期的海洋经济纯技术效率对海洋经济全要素生产率具有正向影响。这说明，绿色海洋经济在发展中会在一定程度上依赖自身以往的发展优势，海洋经济制度与管理也有利于促进绿色海洋经济的发展，但绿色海洋经济的发展可能对海洋经济制度与管理起抑制作用。

在模型(2)中，当以海洋经济绿色全要素生产率(TFP)为被解释变量时(表 6第4列)，滞后1期与滞后3期的海洋经济绿色全要素生产率对自身的影响分别为0.227和0.117，分别在1%、5%的水平上显著，表明海洋经济绿色全要素生产率对自身具有正向影响，存在依赖自身惯性发展的现象。当以海洋经济规模效率(SECH)为被解释变量时(表 6第5列)，滞后2期的海洋经济绿色全要素生产率对海洋经济规模效率的影响为2.483，在10%的水平上显著，说明在滞后2期时，海洋经济绿色全要素生产率对海洋经济规模效率产生正向影响。当海洋经济规模效率滞后1期、2期、3期时，对海洋经济绿色全要素生产率与海洋经济规模效率均未产生影响，表明海洋经济规模效率对海洋经济绿色全要素生产率没有影响，也不依赖以往的海洋经济规模效率。这说明，绿色海洋经济的发展有利于扩大海洋经济的发展规模。

在模型(3)中，当以海洋经济绿色全要素生产率(TFP)为被解释变量时(表 6第6列)，滞后1期、滞后2期与滞后3期的海洋经济绿色全要素生产率对自身的影响分别为0.228、0.332和0.155，分别在5%、1%和10%的水平上显著，表明海洋经济绿色全要素生产率对自身具有正向影响，存在依赖自身惯性发展的现象。当以海洋经济技术进步效率(TC)为被解释变量时(表 6第7列)，滞后2期的海洋经济绿色全要素生产对海洋经济技术进步效率的影响为0.463，在1%的水平上显著，说明在滞后2期时，海洋经济绿色全要素生产率对海洋经济技术进步效率产生正向影响。当海洋经济技术进步效率滞后1期时，对海洋经济绿色全要素生产率的影响为0.145，在1%的水平上显著，表明海洋经济技术进步效率对海洋经济绿色全要素生产率有正向的促进作用。当海洋经济技术进步效率滞后2期时，对海洋经济技术进步效率的影响为0.244，在1%的水平上显著，表明海洋经济技术进步效率受到自身发展惯性的影响。这说明，技术进步有利于促进绿色海洋经济的发展，而绿色海洋经济的发展也会对技术进步起带动作用。

(四) 模型稳定性与格兰杰因果检验

在PVAR模型估计中，需要对模型进行稳定性检验。本文分别对模型(1)、模型(2)和模型(3)进行稳定性检验，发现伴随矩阵的所有特征根都比1小，三个模型均稳定。此外，还应对模型中的变量进行格兰杰检验，以验证变量间的因果关系。检验结果如表 7所示。

如表 7所示，在模型(1)中，海洋经济纯技术效率与海洋经济绿色全要素生产率存在单向的格兰杰因果关系，海洋经济绿色全要素生产率不是海洋经济纯技术效率的格兰杰因果关系，海洋经济纯技术效率是海洋经济绿色全要素生产率的格兰杰因果关系，在5%的显著性水平上拒绝原假设。在模型(2)中，海洋经济绿色全要素生产率与海洋经济规模效率不存在双向格兰杰因果关系，不拒绝原假设。在模型(3)中，海洋经济绿色全要素生产率与海洋经济技术进步互为格兰杰因果关系，均在5%的显著性水平上拒绝原假设。格兰杰因果关系表明，绿色海洋经济的发展受到海洋经济制度与管理、海洋技术进步的影响，而绿色海洋经济的发展也对海洋技术的进步起促进作用，该检验结果与总体回归模型的估计结果基本一致。

(五) 脉冲响应分析

为了进一步分析海洋经济绿色全要素生产率、海洋经济规模效率、海洋经济纯技术效率和海洋经济技术进步效率之间的关系，本文进行脉冲响应分析。因前文分析中海洋经济规模效率与海洋经济绿色全要素生产率的格兰杰因果关系较弱，在脉冲响应分析时，只对海洋经济绿色全要素生产率与海洋经济纯技术效率、海洋经济绿色全生产要素与海洋经济技术进步效率、海洋经济绿色全要素生产率和海洋经济技术进步效率对自身的影响进行分析，设置冲击作用的时期为十期，通过500次蒙特卡洛模拟得到各个变量之间的脉冲响应函数图，如图 5所示。

通过脉冲响应函数图可以看出，PECH对TFP的冲击在前3期脉冲反应显著，在第4期后趋于稳定；TC与TFP对TFP的冲击趋势相近，在前5期产生剧烈的脉冲反应，并在第6期后逐渐趋于稳定；TFP对PECH、TFP对TC、TC对TC的影响趋势极为相似，在前5期产生剧烈的脉冲反应，且均在第2期产生了波动较大的负向影响，第6期后趋于稳定。

通过对比可以发现，各个变量间的脉冲响应轨迹在影响趋势、响应强度和响应阶段方面都具有极大的相似性，这种现象表明，在未来10年的绿色海洋经济的发展预测期内，海洋经济的绿色发展模式、海洋经济制度与管理、海洋经济技术的进步将会共同对绿色海洋经济的发展起促进作用，并将持续稳定的发挥作用。

(六) 方差分解

为了进一步对海洋经济绿色全要素生产率的动态变化及其内在机制进行分析预测，本文采用方差分析法得到海洋经济各个变量波动的方差贡献率，如表 8所示。整体看来，在经过6年的预测之后，海洋经济系统达到基本稳定状态。海洋经济绿色全要素生产率波动的原因主要来源于其本身，但其对自身的影响程度逐渐降低。海洋经济技术进步效率对海洋经济绿色全要素生产率的贡献最大，贡献值高达32.6%，但在前期呈现波动趋势。海洋经济纯技术效率对海洋经济绿色全要素生产率的贡献程度也呈现上升的趋势，贡献值稳定为5.6%。海洋经济规模效率对海洋经济绿色全要素生产率的贡献相对较小，但也呈现逐年上升的趋势，最终稳定在1.8%。

以上研究表明，在未来10年内，海洋经济的发展模式正在发生改变。总体看来，现有的海洋经济绿色发展模式对绿色海洋经济发展的影响力正在逐步减少，而海洋经济制度与管理、海洋经济规模以及海洋技术进步对绿色海洋经济发展的影响力显著提升。从各个变量的占比来看，当海洋经济系统达到基本稳定状态时，海洋科学技术进步占比最高，海洋经济制度与管理次之，海洋经济规模占比最低，三者均呈现增长趋势，这说明绿色海洋经济的发展正在从资源要素投入型向科技创新驱动型转变，未来绿色海洋经济的发展需要重视扩大海洋经济规模，更需要海洋经济制度与管理的支撑，而海洋科学技术的进步更是重中之重。

五、研究结论与建议 (一) 研究结论

本文采用DEA-Malmquist指数模型，对我国11个沿海省市(不含港澳台)2003—2018年的海洋经济绿色全要素生产率进行测算，并运用PVAR模型对我国海洋经济绿色全要素生产率发展的内在机制及影响因素进行分析预测，主要结论如下：

第一，从海洋经济绿色全要素生产率的测算结果来看，在观测期2003—2018年间，我国海洋经济绿色全要素生产率具有阶段性波动的特点，但整体呈现增长趋势，各沿海省市之间的发展差异正在逐步缩小。依据其发展态势，可以将海洋经济绿色全要素生产率的发展划分为三个阶段：2003—2006年，我国海洋经济绿色全要素生产率增长速度较快，但发展水平略低于传统的海洋经济全要素生产率，各个沿海省市的发展大部分处于较低水平，地区间的差异不甚明显；2007—2012年，我国海洋经济绿色全要素生产率发展增速较快，已经超过传统的海洋经济全要素生产率，但各个沿海省市之间的发展差异逐渐拉大；2013—2018年，我国海洋经济绿色全要素生产率的发展趋于稳定，各个沿海省市的发展差异也越来越小。

第二，从海洋经济绿色全要素生产率发展的内在机制来看，海洋技术进步、海洋经济与制度管理是提高海洋经济绿色全要素生产率的主要动力，海洋规模经济对海洋经济绿色全要素生产率的推动作用不明显。

第三，从海洋经济绿色全要素生产率发展的影响因素预测来看，在未来发展的10年间，海洋经济的发展将从资源要素投入型向科技创新驱动型转变，海洋经济绿色全要素生产率的增速会放缓。海洋经济绿色全要素生产率的波动会较大程度地受到海洋经济发展模式的惯性影响；技术进步对海洋经济绿色全要素生产率波动的影响最大；海洋经济制度与管理、海洋规模经济对海洋经济绿色全要素生产率的贡献程度也呈现逐年上升的趋势。

(二) 建议

以上研究表明，我国绿色海洋经济的发展正在从资源要素投入型向科技创新驱动型转变，未来绿色海洋经济应摒弃单纯依靠资源投入的发展模式。根据本文的研究结论，结合我国绿色海洋经济发展的现状，为了探索更为高效的绿色海洋经济发展模式，特提出以下几点建议：

第一，引导新兴产业发展，促进海洋产业优化升级。在坚持优化第一产业的基础上，以科技创新引领突破第二产业的发展，在此基础上发展多层次的新兴产业。以深化改革为抓手，坚持海洋产业“三、二、一”的发展格局，更加合理高效地开发海洋资源，促进海洋产业结构的优化调整。

第二，建立和完善绿色海洋经济的科技创新体系。在加强已有科学技术应用的基础上，加大科研投入，不断引进新的绿色海洋技术，培育和挖掘海洋专业技术人才，充分发挥科技创新对绿色海洋经济发展的支撑作用。

第三，完善绿色海洋经济服务体系。在国家建设“海洋强国”的背景优势下，建立健全绿色海洋经济的相关法律法规，强化绿色海洋经济发展的开发管理协调机制，从而为绿色海洋经济发展提供制度保障。

第四，重视环境保护，促进海洋经济的健康可持续发展。在发展绿色海洋经济的过程中，应将“末端治理”的海洋环保思想转变为“前端防御”，既要重视海洋经济效益，也要重视海洋环境效益，从而促进海洋经济的高质量发展。