全要素生產率視角下的我國漁業轉型發展研究
——基于SFA的實證分析

劉盼成，楊正勇

（1.上海海洋大學 上海 201306；2.上海海洋大學經濟管理學院 上海 201306）

全要素生產率視角下的我國漁業轉型發展研究
——基于SFA的實證分析

劉盼成1，楊正勇2

（1.上海海洋大學 上海 201306；2.上海海洋大學經濟管理學院 上海 201306）

文章以2003—2014年我國27個省、市、自治區漁業為研究對象，采用SFA方法對我國漁業全要素生產率及其分解項的變化率進行實證分析。實證結果表明：漁業生產要素對漁業經濟貢獻大小排序依次為：漁業從業人員、漁船年末擁有量和漁業養殖面積；整體上看，我國漁業經濟處于規模報酬遞減階段，縮小漁業經濟規模有利于漁業規模效率的改善；我國漁業全要素生產率以每年7.01%的平均速度增長，其分解項：技術進步、規模效率分別以每年7.10%、－0.09%的平均速度在變化，技術效率呈現非時變特征。結果說明，從全要素生產率變化來看，我國漁業經濟增長顯著，技術進步是我國漁業轉型發展發揮著主要推動作用；在其他條件不變的條件下，通過改善技術效率和規模效率是提高漁業發展效率有效途徑。

漁業；隨機前沿分析；全要素生產率；轉型；途徑

1 引言

漁業作為我國大農業的重要組成部分，具備相對完整的產業體系，其轉型發展對其他部門轉型發展具有重要借鑒意義。近年來，我國漁業在水產品產量、總產值等方面取得了持續和顯著增長。但是漁業整體產出水平的提高導致漁業在不同地區、不同部門等方面的復雜關系和發展過程中存在的問題經常被忽視。本質上來講，我國漁業發展模式仍然屬于粗放型發展模式。漁業長期粗放的發展模式不僅導致漁業發展的低效率，還引發了漁業自然資源嚴重衰退、生態環境惡化等嚴重問題，制約著漁業可持續發展能力［1］。研究發現，2005年之前我國漁業發展主要依賴生產要素投入，經營方式相對粗放，而近10年我國漁業出現了生產要素對產出影響減弱的現象［2］。在這樣的背景下，我國漁業水產品產量、總產值等方面仍然保持了相對較高的增長速度，從全要素生產率（Total Factor Productivity，TFP）角度，研究近年我國漁業增長方式，對于探究漁業經濟增長機制、提高漁業發展效率和促進漁業經濟轉型發展等方面具有非常重要的現實意義。TFP測算了全部投入要素的生產率，反映了決策單元的綜合生產效率。TFP不僅與直接的技術進步有關，還與生產相關的知識水平、管理技能、制度環境等因素密切相關［3］，是分析經濟增長、評估經濟體可持續發展和運行質量優劣的重要指標，通過分析經濟體TFP變化能夠確定主導經濟體發展的因素，為經濟體轉型發展提供科學依據。因此，本研究以我國漁業TFP變化為研究對象來分析我國漁業增長方式，為我國漁業生產效率提高、漁業轉型發展提供科學建議，為政府科學制定漁業長期可持續發展政策提供依據。

早期多在平均生產函數框架下對TFP進行測算，所估計出的生產函數反映了投入和平均產出之間的關系，同時平均生產函數方法潛在假定所有決策單元在給定的技術條件下都能在最優狀態進行生產，不存在技術無效率［4］。然而采用平均生產函數來測算TFP存在兩個缺陷：首先，它沒有考慮決策單元可能存在無效率的狀況，這與現實中并非所有決策單元都能夠充分利用現有的技術條件的現象是不吻合的；再者，平均生產函數反映了投入和產出的平均關系，違背了決策單元可實現技術有效的假設，出現了理論和假設背離的現象［5］。因此，有必要跳出平均生產函數框架重新審視決策單元投入和產出之間的關系。生產前沿（邊界）分析方法考慮了無效因素對決策單元利用生產技術的影響，假設部分決策單元能夠在生產可能集邊界上進行生產，當決策單元在生產邊界之內運行時被稱為技術無效。數據包絡分析（Data Envelopment Analysis，DEA）和隨機前沿分析（Stochastic Frontier A－nalysis，SFA）是前沿分析中非參數方法和參數方法的典型代表。DEA利用數學規劃方法構建生產前沿，不需要預先設置生產函數，在避免主觀性方面非常具有優勢，但該方法很容易受到異常值的影響并且將決策單元和生產前沿的偏離全部歸咎于技術無效因素。SFA利用計量經濟學方法構建隨機的生產前沿，該方法可以將決策單元和生產前沿的偏離區分為統計噪音和技術無效率兩個部分。由于SFA方法可以對技術進步和技術效率變化進行有效區分，這有助于進一步尋找全要素生產率的增長源泉，更加符合全要素增長理論的內涵［6］。目前，國內學者從多個角度對我國漁業增長及其方式進行了深入研究。但是，從TFP角度來研究我國漁業經濟增長方式的文獻相對較少。通過在“中國知網”上以“全要素生產率”和“漁業”為關鍵詞進行檢索，搜索到和我國漁業TFP研究相關的主要文獻和研究結果如表1所示。

表1 我國漁業TFP研究文獻和主要結論

從表1的研究結論來看，多數研究結果表明我國漁業TFP存在不同程度的提高，技術進步是引起漁業TFP提高的主導因素，但關于技術效率變化、規模效率變化的研究結果并沒有顯示出較為一致的現象。從研究工具來看，表1中的文獻均借助非參數DEA－Malmquist指數方法對我國漁業TFP變化進行的研究。然而，使用非參數DEAMalmquist指數方法來展開研究可能會存在兩個問題：首先，該方法不能對參數設置和計算結果的顯著性等問題進行檢驗；如果統計噪音對生產前沿存在顯著影響，該方法計算出的結果將會出現偏誤。第一種情況可以借助Simar和Wilson在非參數DEA方法中引入的bootstrap技術對模型的參數設定和計算結果進行假設檢驗和構建置信區間［7］。當出現第二種情況時，只能借助計量經濟學方法來分析?？紤]到我國漁業經濟運行過程中存在很多風險和不確定，可能會對其生產前沿存在顯著的影響，有必要檢驗我國漁業經濟運行過程中的隨機因素是不是對生產前沿產生顯著的影響。如果隨機因素對生產前沿的影響不可忽視，采用SFA方法可以更為精確地描述決策單元的生產行為。因此在借鑒現有研究基礎上，嘗試使用SFA方法對我國漁業TFP變化情況進行研究，并對使用SFA方法的必要性進行檢驗，以作為現有對我國漁業TFP研究的補充。

2 研究框架

自Meeusen，Van den Broeck和Aigner et al.獨立地提出SFA方法之后，該方法在理論和應用方面均得到了較大發展，這種類型的模型已經成為了分析效率的一種非常流行的工具。

2.1 SFA模型

基于面板數據的隨機前沿模型可以表達如下形式［8］：

式中：yit是第i個決策單元在時期t的產出；f（·）是SFA中確定的生產前沿；x是決策單元的投入向量；β是與投入向量所對應參數的估計值；T為時間趨勢項，是用來捕捉技術變化的代理變量；Vit是服從N（0）的隨機誤差項；Uit與Vit相互獨立，Uit是表示技術無效因素的隨機變量，其中，Uit＝ui·e（η（t－T）），且ui～N（ui，σ）。根據Battese和Corra（1977），使用最大似然估計聯合估計隨機前沿生產函數和技術無效項Uit時，使用和

2.2 TFP變化及其分解項的計算

在價格信息未知的條件下，SFA方法估計和分解的我國漁業TFP變化被分解為技術效率變化、技術變化和規模效率變化［9］。技術變化表現為生產前沿的移動，存在技術進步時表現為決策單元集合的生產前沿的上升，反之則下降；技術效率變化表現為決策單元和生產前沿相對位置的變化；規模效率反映在一定科技水平下決策單元的生產要素集中度和其長期平均成本之間的關系。TFP變化的計算公式如下：

3 計量經濟模型構建和實證分析

3.1 數據和變量

本研究以2003—2014年我國27個省、市、自治區的漁業作為研究樣本對我國漁業TFP變化進行研究。測量漁業TFP變化需要漁業經濟相關的投入、產出數據，選擇漁業從業人數作為漁業的勞動投入；由于漁業可以分為漁業養殖和漁業捕撈兩部分，本文選擇漁業養殖面積和漁船年末擁有量作為漁業資本投入；選擇漁業經濟總產值作為產出變量。為了消除通貨膨脹的影響，本研究使用以1978年為基期的居民價格指數對變量進行平減。數據主要來源于2003—2014年相應的《中國漁業年鑒》和《中國統計年鑒》。

3.2 計量經濟模型具體形式

實證分析時，隨機前沿生產函數初步設置為靈活性較強的超越對數形式的隨機前沿生產函數和時變的技術無效項，其具體形式如下：

式中：Yit為漁業經濟總產值，萬元；Sit為養殖面積，hm2；Wit為漁船年末擁有量，t；Lit為漁業從業人員，人；T為時間趨勢項，2003年T＝1，2004年T＝2，…，2014年T＝14；下標i表示第i個省份；t為年份；ln表示自然對數；βs為待估參數；Vit服從正態分布的隨機變量；Uit和Vit相互獨立，Uit是非對稱的技術無效項，假設Uit＝ui·e（η（t－T）），為考慮了技術無效因素的非負隨機變量，η是待估參數，當η＞0時，技術無效性以遞減的速度增加；當η＜0時，技術無效性以遞增的速度減??；當η＝0時，該模型退化為時不變（Time Invariant）模型，如果η≠0意味著技術效率不僅受到效率值初始值的影響，還受到時間影響。

3.3 實證結果

隨機前沿生產函數，式（3）的估計需要使用最大似然估計，本研究使用Stata12的xtfrontier進行估計，后續的假設檢驗以及對TFP變化率的計算均借助該軟件進行。式（3）中參數的估計結果如表2所示。

表2 隨機前沿生產函數的最大似然估計結果

續表

表2中為時變模型（模型1）和時不變模型（模型2）的估計結果，時變模型的η的估計結果顯示并不顯著，這意味著技術效率并沒有隨著時間發生變化，所以時變模型應該退化為時不變模型，本文將在后邊對選擇時變SFA模型還是時不變SFA模型進行假設檢驗來判斷哪個模型更為合適。

3.3.2 模型的假設檢驗

SFA的函數形式和誤差項分布的設置合理與否直接影響估計結果的準確性，因此需要對SFA進行一系列假設檢驗來判斷使用SFA的必要性和參數設置的合理性［11］。本研究的假設檢驗均通過構建最大似然比統計量來完成檢驗，需要注意的是涉及γ＝0的LR檢驗服從混合卡方分布，混合卡方分布的臨界值來自Kodde和Palm（1986）［12］。假設檢驗結果如表3所示。

表3 假設檢驗

續表

表3中，第一個假設檢驗判斷超越對數形式的生產函數能否退化為柯布道格拉斯形式的生產函數。檢驗結果表明使用超越對數形式的生產函數更為合適，因此本文對我國漁業TFP的分析均是基于超越對數形式的生產函數展開的。

第二個假設檢驗判斷時變模型能否退化為時不變模型。檢驗結果顯示，η＝0不能被顯著拒絕，意味著使用時不變模型更為合適，因此本文基于時不變的SFA模型展開對我國漁業TFP的分析。

第三個假設判斷技術無效項是否服從半正態分布，檢驗結果表明假設技術無效項服從截斷正態分布更為合適。

第四個假設檢驗判斷服從截斷正態分布的技術無效項是否為隨機的，檢驗結果表明，我國漁業經濟運行過程中存在隨機的技術無效因素導致漁業經濟低效運行，這意味著隨機因素對生產前沿存在顯著影響，有必要使用隨機前沿分析方法。

第五個假設檢驗是為了判斷2003—2014年我國漁業是不是存在技術變化，檢驗結果表明，我國漁業經濟存在顯著的技術進步使得我國漁業生產前沿向上移動。

研究地華安竹種園(亦稱華安竹類植物園)地處福建省漳州市華安縣華豐鎮，位于東經117°30′，北緯25°，海拔114～280 m，年平均降水量1 800～2 023 mm，年平均溫度20.1 ℃，1月份平均溫度12.2 ℃，絕對最低溫-3.8 ℃，年積溫達7 320.6 ℃，土壤為山地紅壤，pH值為5.5～6.5。該處為中、南亞熱帶氣候過渡帶，四季溫暖多雨，土層較厚，適合竹類植物的生長[6]。

3.3.3 偏效應和規模報酬

由于超越對數形式的生產函數的估計結果不能直觀判斷各投入要素整體上的顯著性，為了直觀判斷各投入要素對產出的貢獻，有必要對各投入要素的產出彈性進行求解，計算結果如表4所示。

表4 各個要素的彈性

表4中各投入變量的產出彈性的計算結果表明，漁業從業人員對漁業經濟貢獻最大，漁船年末擁有量次之，漁業養殖面積的彈性最小。各個投入要素的彈性總和為我國漁業規模報酬的實際狀況，各彈性總值為0.791 0小于1，說明從整體上來看我國整體處于規模報酬遞減階段，同比例增加1%的投入要素帶來的收益變動為0.791%，小于要素投入，因此應該減小漁業規模來改善規模經濟狀況。漁業投入要素的產出彈性結果表明，衡量漁業養殖的養殖面積對漁業經濟的貢獻最小，這和當前我國漁業養殖主導我國漁業的現狀不相吻合，出現這種現象的原因，可能是近年來我國其他產業擠占漁業自然資源和養殖漁業過度發展導致漁業自然資源不斷衰退，使得我國漁業生產規模超過了漁業自然資源的承受能力，對我國漁業養殖產生不利的影響。

4 TFP增長率及其分解

TFP變化是指決策單元的全要素生產率隨時間變動，當漁業產出指數和投入指數變動不同步時，漁業經濟的TFP就發生了變化。經過假設檢驗，本文最終選擇了時不變的SFA模型，因此我國漁業TFP變動由技術變化、規模效率變動共同作用的結果，與技術效率無關。

4.1 技術效率

技術效率衡量了決策單元利用現有技術的能力，技術效率高低表現為決策單元實際產出和生產前沿的靠近程度。技術無效率不僅是概念上的損失，包含了決策單元所投入生產要素的機會成本，技術效率提高是一種帕累托改進，改善漁業技術效率具有重要的現實意義。時變SFA模型隱含著對從業人員能夠干中學習的期望，希望從業人員能夠在生產過程中積極思考改善生產流程。研究表明，作為經濟活動副產品的知識積累在沒有明顯創新條件下對經濟增長發揮了巨大作用，使得技術效率隨著時間推移而得到改善。

美國經濟學家丹尼森認為，管理技術和企業組織方面的知識的進步與采用新技術對經濟增長的貢獻同樣重要。但是本文對模型進行假設檢驗的結果表明，SFA模型的技術無效項不具有時變性，使用非時變SFA模型更能準確地描述2003—2014年我國漁業經濟的技術效率狀況。這意味著我國漁業技術效率因省份條件不一而異，并沒有隨著時間推移而變化。

表5為我國各個省、市、自治區的漁業技術效率和相應的排序狀況。結果顯示，我國漁業技術效率在不同省份之間存在較大差異，技術效率最高的山東省的漁業技術效率值達到0.936 3，效率值最低的貴州省的漁業技術效率值僅為0.085 7；對2003—2014年各個省份的漁業技術效率求均值，得到我國漁業整體技術效率為0.388 2，處于非常低的水平，存在非常大的改進空間。這說明漁業技術效率水平較低是導致我國漁業經濟低效運行的重要原因之一，因此提高漁業技術效率是改善我國漁業發展效率的重要途徑。但是，我國漁業技術效率在2003—2014年之間并沒有呈現改善的現象，出現這種現象的原因可能是由于我國漁業經濟中存在大量的小規模的漁業生產廠商，這導致漁業從業人員進入和退出漁業生產的門檻比較低，進而使得我國漁業從業人員流動性比較大，而漁業從業者的頻繁流動使得正從事漁業的生產者沒能夠積累漁業生產、經營和管理知識。

表5 技術效率狀況

續表

4.2 技術變化和規模效率變化

表6和表7分別從省、市、自治區和時間角度展示了2003—2014年各省、市、自治區漁業TFP變化及其分解項的均值。技術進步衡量了生產能力的變化，如果技術有效的決策單元存在技術進步意味著相同投入時產出將會增加，這表現為決策單元集合的生產前沿向上移動。結果顯示，我國各個省、市、自治區的漁業均存在不同程度的技術進步，總體而言2003—2014年間我國漁業技術變化平均以每年7.1%的速度在增長。SFA模型是通過對生產函數中時間趨勢項求偏導數來計算技術變化，同時對時間趨勢項及其交叉項的參數的檢驗結果表明，2003—2014年間我國漁業經濟的技術進步是顯著的。SFA中時間趨勢項不僅包括直接的技術因素，還包括經濟周期、制度變遷等非直接的技術因素，分析技術變化需要從更為廣泛的角度來展開［13］。本研究認為導致我國漁業生產前沿向上移動的原因可能有以下幾方面。

（1）漁業產業結構的改善。雖然漁業第一產業主導我國漁業，但是近年來我國漁業二、三產業得到一定的發展，作為為漁業第一產業服務的部門，它們的比重逐漸提高。漁業產業結構的合理化有利于漁業生產要素在不同部門之間的流動，提高漁業內部不同部門的協調能力，使得我國漁業TFP提高，這為我國漁業經濟轉型發展提供了方向和保障。

（2）水產品市場化機制的完善。隨著我國水產品市場機制的完善和居民消費水平的提高，居民對水產品品種和水產品質量要求逐漸提高，迫使企業引入先進的生產方式、管理理念來滿足我國居民對水產品的需求和水產品質量，延長了漁業產業鏈，提高了水產品的科技含量和附加值，使得漁業全要素生產率得到提高。

（3）漁業科技的發展，我國漁業在育苗、病害防治等自然科學領域取得了巨大成就，這不僅提高了漁業經濟的科技含量，增加了漁業產品的附加值，也為我國現代化漁業的大力發展提供了堅實保障。

（4）近些年來，我國經濟取得了較大發展，我國的基礎設施得到了極大地改善、水產品加工能力顯著提高、水產品貯藏運輸能力的提高以及營銷方式更加多元等因素，為我國漁業發展提供了有力的外部環境。

表6 2003—2014年各個省、市、自治區漁業TFP變化

續表

表7 2003—2014年我國漁業全要素生產率的變化

規模效率變化衡量了由經濟規模變動所引起的經濟效益變化的現象，反映了生產要素集中程度和經濟效益之間的關系。由上文可知我國漁業整體處于規模報酬遞減階段，應該減少漁業規模來提高漁業規模效率。

表6和表7的結果顯示，我國多數省份漁業規模效率出現了惡化，漁業經濟整體上出現了規模不經濟現象。具體而言，只有內陸6個省份呈現了規模效率提升現象，其他省、市、自治區均出現了規模效率惡化現象；從時間上看很多年份的漁業也呈現了規模效率惡化的現象，我國漁業經濟在時間上規模經濟變化率在0%附近波動。我國漁業出現規模效率惡化現象的原因可以從漁業內部和漁業外部兩個角度來分析。從漁業內部來看，我國漁業粗放式發展加上漁業水產品市場機制不夠完善，使價格機制不能充分發揮作用，導致部分地區或某些品種出現局部過剩；從漁業外部來看，漁業資源過度開發加上其他行業對漁業自然資源擠占和污染，導致的漁業資源衰退和漁業生態環境惡化，這提高了漁業自然資源的機會成本，使得漁業生產運行成本上升。因此，從改善規模效率的角度來講，我國漁業需要及時調整漁業生產結構，大力發展現代化漁業，減少對漁業自然資源的依賴程度，以適應不斷變化的漁業自然資源條件。

綜上所述，2003—2014年間我國漁業TFP以每年7.01%的平均速度在提高，技術進步是我國漁業TFP變化的主導力量，漁業規模效率的惡化阻礙著漁業TFP的升高。本研究結果和現有對我國漁業TFP變化結果大體上一致，漁業TFP出現一定程度的增長。但是TFP分解項的研究結果上出現一定的差異，TFP變化中技術進步是TFP變化的主導因素；漁業技術效率是非時變的結果和現有研究結論不一致，這可能是現有研究主要是借助非參數方法計算的，并沒有對技術效率變化的顯著性進行檢驗；關于我國漁業規模效率變化的研究沒有得出一致的結論，本研究顯示規模效率呈現惡化的現象。

5 結論

本研究采用SFA方法對2003—2014年我國27個省、自治區的漁業TFP變化及其分解進行了研究，并計算了不同生產要素對漁業經濟的貢獻，得出以下結論。

（1）漁業投入要素對漁業經濟總產出的貢獻從高到低依次為：漁業從業人員、漁船年末擁有量、養殖面積。當前漁業自然資源衰退已經成為制約漁業經濟發展的重要原因，需要轉變現有生產結構，采用環境友好型的生產方式降低生態成本，以保證漁業生產的可持續性。

（2）提高漁業技術效率是轉變我國漁業粗放發展的重要途徑。我國漁業技術效率處于較低水平，且漁業技術效率沒有呈現出隨著時間變化而改善的趨勢，漁業技術效率是阻礙漁業全要素生產率提高的重要原因之一。

（3）我國漁業整體上處于規模報酬遞減階段，但是漁業的規模效率還在惡化，規模效率的惡化阻礙了我國漁業TFP下降的原因。我國漁業過度依賴要素投入的低效發展導致的漁業資源衰退，使得漁業經濟運行成本上升，阻礙了漁業TFP的提高。在其他條件不變的條件下，降低漁業經濟規?？梢韵蜃顑炆a規?？拷?，提高漁業的規模效率。

（4）技術進步是我國漁業TFP增長的重要源泉。漁業經濟持續發展能力最終要依賴漁業科學技術進步；同時漁業的可持續發展也不能忽視漁業發展的社會制度環境，充分調整和發揮漁業產業結構、水產品市場機制等非技術因素的作用，提高漁業可持續發展能力。

［1］ 韓立民.漁業經濟前沿問題探索［M］.北京：海洋出版社，2007：197.

［2］ 操建華.中國漁業經濟學的研究進展與展望［J］.生態經濟，2014，30（12）：88－92.

［3］ 魯曉東、連玉君.中國工業全要素生產率估計：1999－2007［J］.經濟學（季刊），11（2）：541－558.

［4］ 涂正革、肖耿.我國工業企業技術進步的隨機前沿模型分析［J］.華中師范大學學報（人文社會科學版），2007，46（4）：49－57.

［5］ 王雅鵬，凌遠云，馬文杰，等.農業技術經濟學［M］.2版.北京：高等教育出版社，2014：68－74.

［6］ 陳靜，李谷成，馮中朝，等，油料作物主產區全要素生產率與技術效率分析的隨機前沿生產函數分析［J］.農業技術經濟，2013（7）：85－93.

［7］ BOGETOFT P，OTTO Lars.Benchmarking with DEA，SFA，and R［M］.Copenhagen：International Series in OperationsResearch ＆Management Science，2011：170－172.

［8］ BELOTTI F，DAIDONE S，ILARDI G.Stochastic frontier analysis using stata［M］.Rome：The StataJournal，2012.

［9］ 舒伯利.C.昆伯卡，C.A.諾克斯·拉維爾.隨機邊界分析［M］.劉曉宏，楊倩，譯.上海：復旦大學出版社，2007：214－219.

［10］ 蒂莫西.J.科埃利，克里斯托弗.J.奧唐奈，喬治.E.巴蒂斯.效率與生產率分析引論［M］.王君玉，譯.2版.北京：中國人民大學出版社，2008：306－312.

［11］ SUBAL C.KUMBHAKAR，HUNG－JEN WANG，et al.A practitioner’s guide to stochastic frontier analysis using stata［M］.Cambridge：Cambridge university press，2015：62－64.

［12］ KODDE D A，PALM F C.Wald.criteria for jointly testing and inequality restrictions［J］.Econometric，1986，54（5）：1243－1248.

［13］ 涂正革，肖耿.中國的工業生產力革命：用隨機前沿生產模型對中國大中型工業企業全要素生產率增長的分解及分析［J］.經濟研究，2005（3）：4－15.

The Transition Development of China’s Fishery from the Perspective of Total Factor Productivity：An Application of Stochastic Frontier Analysis

LIU Pancheng1，YANG Zhengyong2
（1.Shanghai Ocean University，Shanghai 201306，China；2.College of Economics and Management，Shanghai Ocean University，Shanghai 201306，China）

This paper specified a Stochastic Translog production Frontier function to calculate the Total Factor Productivity（TFP）of China’s fishery in 2003—2014.The empirical results showed that as regard to the contribution to the economy of fishery，the fishery labor is the largest one，the second one is number of fish boat，the last one is the square of aquaculture.China’s fishery was in the stage of decreasing returns to scale，which means that the reducing of the China’s fishery scale will conduce to the improvement of the scale efficiency.The TFP of China’s fishery is in－creasing at an average rate of 7.01%per year，which can be divided into three parts：technology progress and scale efficiency change with the average speed of 7.10%and－0.09%per year respectively，but the technical efficiency does not change with the time.The empirical results showed that China’s fishery has growth significantly in the perspective of TFP，and the technology progress is the major force to promote its increasing，the improvement of the technical efficiency and scale efficiency is an effective way to improve the efficiency of fishery development.

China Fishery，Stochastic Frontier Analysis，TFP，Transition，Way

號：F326.4；P74

A

：1005－9857（2017）07－0098－09

2017－02－28；

：2017－06－07

國家現代農業產業技術體系建設專項基金項目“鲆鰈類產業技術體系產業經濟研究”（CARS－50－G11）.

劉盼成，碩士研究生，研究方向為漁業經濟、技術經濟

楊正勇，教授，博士，研究方向為水產養殖經濟，資源與環境經濟