水產(chǎn)品市場價格和漁民收入的動態(tài)關系
——基于SPVAR模型的實證

周 磊， 馬改艷，徐學榮

(1.福建農(nóng)林大學經(jīng)濟學院，福建福州 350002； 2.福建農(nóng)林大學金山學院，福建福州 350002)

水產(chǎn)品是中國居民肉食性消費食品之一，水產(chǎn)品的有效供給取決于漁民收入[1]。當前中國漁民收入增長緩慢、收入水平低于城鎮(zhèn)居民收入水平已成為中國漁村經(jīng)濟發(fā)展的突出問題。漁民收入主要來源是漁業(yè)經(jīng)營性收入，其中水產(chǎn)品市場價格(以下簡稱水產(chǎn)品價格)是漁民收入的核心影響因素[2-3]。但中國水產(chǎn)品價格在各個地區(qū)間存在差異[4-5]。根據(jù)中國統(tǒng)計年鑒，2014年中國省份間水產(chǎn)品的最高價格(上海)比最低價格(黑龍江)高9.880%；另外，華北地區(qū)的平均水產(chǎn)品市場價格比西北地區(qū)的高3.638%，比華南地區(qū)的高3.797%，比華東地區(qū)的低7.105%。中國水產(chǎn)品市場是較早開放的農(nóng)產(chǎn)品市場，隨著運輸條件的改善和地方保護主義的弱化，水產(chǎn)品價格是否會通過市場進行傳導？一個地區(qū)水產(chǎn)品價格波動是否會引起區(qū)域性的波動？這種波動給不同地區(qū)漁民收入帶來的影響如何？這些都是須要進一步研究分析的內(nèi)容，也是亟待解決的現(xiàn)實問題。只有更加細致地了解水產(chǎn)品價格和漁民收入間的關系，才能給出提高漁民收入切實可行的辦法，保證漁民的生產(chǎn)積極性，推動中國漁村的可持續(xù)發(fā)展。

1 文獻述評

當前對于漁民收入的研究頗多，根據(jù)研究目的不同大致可分為2種，一種是對漁民收入的現(xiàn)狀進行探討，主要是圍繞影響因素展開的。如許罕多等利用面板模型對中國沿海各省的漁民收入情況進行了探討，結(jié)果發(fā)現(xiàn)，中國沿海11個省的漁民收入對水產(chǎn)品價格的變動十分敏感[2]。李嬌通過對中國漁民、城鎮(zhèn)居民收入的比對分析發(fā)現(xiàn)，中國漁民收入結(jié)構(gòu)在發(fā)生變化，但主要收入來源還是依靠漁業(yè)生產(chǎn)經(jīng)營，漁民對預期水產(chǎn)品價格誤判是導致漁民減收的一個原因[3]。劉泉等將漁民收入分為船東收入和普通漁民收入兩部分進行討論，通過實地調(diào)研發(fā)現(xiàn)，船東收入水平會直接影響漁民收入水平，而船東收入水平主要受漁船燃油補貼和水產(chǎn)品價格影響，水產(chǎn)品市場價格提升能同時提高船東和普通漁民的收入[6]。趙文武等基于1萬個統(tǒng)計樣本分析了中國漁民人均純收入水平，結(jié)果表明，中國不同地區(qū)漁民收入存在顯著差異，導致此類差異的主要原因是水產(chǎn)品價格和生產(chǎn)經(jīng)營方式的不同[7]。另一種研究是著重探討水產(chǎn)品市場和漁民收入間的關系變化，但這類文獻較少。高強等運用協(xié)整和向量自回歸模型(vector autoregression model，簡稱VAR模型)分析了漁民收入、水產(chǎn)品價格和水產(chǎn)產(chǎn)量三者間的關系，結(jié)果表明水產(chǎn)品市場價格對漁民收入影響顯著，反過來漁民收入水平提高也會拉動水產(chǎn)品價格的提升[8]。程燁等利用聚類法分析了不同地區(qū)漁民收入間的差異，但并未詳細討論導致地域間差異的市場因素[9]。

現(xiàn)有文獻對水產(chǎn)品價格和漁民收入的關系研究較為深入，但是研究側(cè)重于二者在時間維度上的關系。雖然已有學者指出漁民收入存在地區(qū)差異是由水產(chǎn)品價格不同導致的，可是缺少定量的研究進行驗證。另外，在傳統(tǒng)的計量經(jīng)濟學方法中，通常會忽視空間因素帶來的影響，導致實證結(jié)果存在偏誤，而空間計量經(jīng)濟學的方法能夠很好地捕捉空間效應，避免這種情況的發(fā)生。鑒于此，本研究在前人研究的基礎上，挑選和漁民收入緊密關聯(lián)的水產(chǎn)品價格為變量，并將其納入空間計量經(jīng)濟學的框架內(nèi)加以討論，基于中國26個省(市、自治區(qū)，下文簡稱省域)2004—2014年的面板數(shù)據(jù)，利用空間向量自回歸模型(spatial vector autoregressive model，簡稱SPVAR)及脈沖響應函數(shù)(impulse response function，簡稱Impulse)。探尋水產(chǎn)品價格對不同地域漁民收入的空間沖擊效應，最后為統(tǒng)籌地區(qū)間漁民收入的均衡增長給出若干政策建議。

2 研究方法與數(shù)據(jù)選取

2.1 研究方法

2.1.1 空間相關性檢驗 空間計量經(jīng)濟學利用空間效應來反映不同地區(qū)間經(jīng)濟現(xiàn)象的互相影響，這是空間計量經(jīng)濟學從傳統(tǒng)計量經(jīng)濟學獨立出來的重要原因?？臻g效應分空間相關和空間異質(zhì)，空間相關性描述的是經(jīng)濟變量在空間結(jié)構(gòu)上的相關，是空間計量經(jīng)濟學的基本特征；同時，空間相關的存在打破了傳統(tǒng)計量經(jīng)濟學中樣本互相獨立的假設，導致回歸出現(xiàn)偏誤，此時須使用空間計量經(jīng)濟學的方法加以修正[10]。一般來說，空間相關性檢驗可通過全局莫蘭指數(shù)(moran’s index，簡稱Moran’s I)來實現(xiàn)，見計算公式(1)[11-12]

(1)

2.1.2 空間向量自回歸模型的構(gòu)建 許多經(jīng)濟變量不僅是相互影響的內(nèi)生變量，同時個體間還存在空間相關，此時須要依靠空間動態(tài)計量經(jīng)濟學模型進行分析[14]。由前述可知，水產(chǎn)品價格和漁民收入間互為因果，具有很強的內(nèi)生性。如果不考慮內(nèi)生性問題帶來的影響，任何計量經(jīng)濟學模型的估計結(jié)果都是有偏的。Beenstock等指出，空間向量自回歸模型(SPVAR)能夠更好地處理在空間計量經(jīng)濟學模型中存在多個內(nèi)生變量的問題[15]。鑒于此，本研究選取具有固定效應的SPVAR進行實證，同時考慮到研究樣本的年份較少，且省份間經(jīng)濟變量均存在一定的關聯(lián)，因此在模型的滯后階數(shù)中均選取時間1階滯后和空間1階滯后[16-17]，則模型見公式(2)

(2)

2.2 數(shù)據(jù)說明與空間權(quán)重設定

2.2.1 數(shù)據(jù)的來源及處理 魚類是中國乃至世界水產(chǎn)消費占比高的產(chǎn)品種類，而鰱魚、草魚、鯽魚和帶魚是城鎮(zhèn)居民日常消費較多的魚類產(chǎn)品，具備一定的代表性。因此根據(jù)EPS數(shù)據(jù)庫的產(chǎn)量數(shù)據(jù)，本研究選取這4種居民主要食用魚類的農(nóng)貿(mào)市場價格加權(quán)平均值(元/年)來表示水產(chǎn)品的市場價格；用漁民人均純收入(元/年)表示漁民收入。草魚、鰱魚和鯽魚價格權(quán)重是通過每年各省草魚、鰱魚和鯽魚產(chǎn)量在全國水產(chǎn)品產(chǎn)量的占比計算的。由于非沿海省份沒有帶魚產(chǎn)量數(shù)據(jù)，而本研究中帶魚價格是各省的水產(chǎn)品農(nóng)貿(mào)市場價格，所以有的省份無法計算其權(quán)重，帶魚價格權(quán)重利用每年帶魚產(chǎn)量在全國水產(chǎn)品產(chǎn)量占比表示。數(shù)據(jù)分別來源于《中國漁業(yè)統(tǒng)計年鑒》和《中國農(nóng)產(chǎn)品價格調(diào)查年鑒》，共收集2004—2014年除北京、西藏、青海、云南、湖南、香港、澳門和臺灣以外的中國26個省份的年度數(shù)據(jù)，剔除北京是因其在2009年漁民人均純收入的調(diào)查家庭更換，數(shù)據(jù)不具有可比性；剔除云南是因其在2014年統(tǒng)計口徑變化，數(shù)據(jù)不具有可比性；剔除西藏、青海、湖南和臺灣是因為數(shù)據(jù)缺失嚴重。值得說明的是，在傳統(tǒng)時序數(shù)據(jù)分析中，眾多學者為了價格數(shù)據(jù)具有可比性，通常會考慮計算環(huán)比數(shù)據(jù)或定基數(shù)據(jù)再剔除通貨膨脹，如環(huán)比指數(shù)可以通過逐年連乘而獲得以某年為基期的定基指數(shù)，此時放大了空間效應的影響；或者同時除以某個CPI指數(shù)或GDP平減指數(shù)，放大地區(qū)間經(jīng)濟關聯(lián)的影響，但這個處理方式不適用于空間計量經(jīng)濟學。因為在計算環(huán)比指數(shù)或定基指數(shù)過程中，每年的空間相關性都會積累或消除，進而影響最終的實證結(jié)果，所以本研究選用的是水產(chǎn)品市場價格的當年價。

2.2.2 空間權(quán)重的設定 空間權(quán)重可以用來刻畫經(jīng)濟變量間的空間相關性，是空間計量經(jīng)濟學的核心[18]。根據(jù)地理學第一定律，距離相隔越遠的物體間互相的影響越弱，反之影響越強。因此，本研究采用各省份間的地理距離構(gòu)建空間權(quán)重矩陣Wij，計算見公式(3)。

(3)

式中：d表示兩地區(qū)地理中心位置之間的距離。采用此空間權(quán)重具有如下好處，即地理距離是外生變量，不易受人類社會經(jīng)濟行為的影響而發(fā)生改變，可以極大削弱由空間權(quán)重帶來的模型內(nèi)生性問題；地理距離長期穩(wěn)定存在，短期來看不會產(chǎn)生滯后性；在構(gòu)建地理距離空間權(quán)重時，省份的位置采用省會城市的經(jīng)緯度替代。這是因為省會城市一般是一個地區(qū)的政治、經(jīng)濟和地理位置中心，其空間相關性輻射范圍廣且影響力強[19]。本研究的省會城市經(jīng)緯度坐標源于國標文件GB/T 2260—2007《中國各市縣區(qū)行政中心經(jīng)緯度數(shù)據(jù)》，空間權(quán)重矩陣利用Matlab 2014b軟件中的jplv7工具包計算獲得。

3 實證結(jié)果與分析

3.1 檢驗結(jié)果

在進行實證前，首先要對數(shù)據(jù)的平穩(wěn)性進行檢驗，避免出現(xiàn)偽回歸的情況；然后再對數(shù)據(jù)進行空間相關性檢驗，若存在空間自相關，則須引入空間影響因素。本研究利用stata 12.0軟件完成面板單位根、協(xié)整檢驗和空間相關性檢驗。

3.1.1 面板單位根的檢驗 面板單位根檢驗一般分為“同根檢驗”和“異根檢驗”2種。通常來說，針對“同根”的情況可采用LLC和IPS檢驗，針對“異根”的情況可采用ADF-Fisher和PP-Fisher檢驗，結(jié)果見表1。

從表1可看出，在ARPI和FI的原序列中，僅有ARPI通過了LLC檢驗，其余單位根檢驗均未通過顯著性檢驗。但在對原序列進行1階差分后，LLC、IPS、ADF-Fisher和PP-Fisher的檢驗結(jié)果均在5%的顯著水平下拒絕原假設，可認為序列經(jīng)過1階差分后趨于平穩(wěn)，兩者均為同階單整序列。

表1 ARPI和FI的面板單位根檢驗結(jié)果

注：*、**、*** 分別表示在10%、5%、1%水平下顯著，下同。Δ表示1階差分。

3.1.2 面板協(xié)整的檢驗 同階單整序列可進行協(xié)整檢驗，進而避免偽回歸的情況?，F(xiàn)采用Pedroni、Kao和Johansen協(xié)整檢驗辦法檢驗APRI和FI間的協(xié)整關系。Pedroni檢驗中Panel-ADF和Group-ADF更加適合短期時間數(shù)據(jù)的檢驗，其統(tǒng)計量會更加精準[19]?？紤]到本研究研究樣本時序較短，故采用Panel-ADF和Group-ADF的檢驗結(jié)果(表2)。

表2 ARPI和FI的面板協(xié)整檢驗結(jié)果

從表2中可看出，Pedroni檢驗的Panel-ADF、Group-ADF和Kao檢驗的Kao統(tǒng)計量均在1%的水平下顯著；Johansen檢驗證明2個變量間至少存在1組協(xié)整關系。所以ARPI和FI這2個變量間存在長期、穩(wěn)定的協(xié)整關系，可以滿足建立向量自回歸模型的要求。但是以上分析中的空間相關性是否存在，則須進一步進行全局Moran’s I檢驗。

3.1.3 空間相關性檢驗 利用公式(1)計算2004—2014年ARPI和FI的全局Moran’s I指數(shù)(圖1和表3)。

由表3可知，2004—2014年ARPI和FI的全局Moran’s I均在5%的水平下顯著，說明中國水產(chǎn)品價格和漁民收入均有顯著的空間相關性。由圖1可知，2004—2014年間中國水產(chǎn)品價格的空間相關程度呈現(xiàn)出波動上升的趨勢，但整體波動幅度不大，2012年空間相關性達到峰值(Moran’s I=0.406)，2014年(Moran’s I=0.372)回落并接近2004年的水平(Moran’s I=0.321)。漁民收入的空間相關程度要弱于水產(chǎn)品的價格，在圖1中表現(xiàn)為FI的Moran’s I曲線始終位于ARPI的Moran’s I曲線下方變動。另外通過比對發(fā)現(xiàn)，ARPI和FI的空間相關性變動趨勢類似，說明兩者具有一定的聯(lián)系。從側(cè)面反映出水產(chǎn)品價格和漁民收入間存在聯(lián)動關系，這和前人的研究結(jié)論[4-5]相吻合。

表3 ARPI和FI的全局Moran’s I檢驗結(jié)果

值得說明的是，水產(chǎn)品價格和漁民收入均有空間相關性并不能代表在不同地區(qū)水產(chǎn)品價格和漁民收入的觀測值就會相近。因為空間相關性只是說明是同屬性單元集聚或異屬性單元集聚，但單元間還是存在實際差異。如地區(qū)間水產(chǎn)品價格存在空間相關性，只能說明水產(chǎn)品市場趨于整合，即價格的波動能夠傳導，但不能證明各地區(qū)間水產(chǎn)品價格是趨同的?？臻g相關性存在會導致空間溢出效應，而這部分空間溢出效應正是本研究所需要刻畫的，即尋找某地區(qū)水產(chǎn)品價格波動對周邊省份的漁民收入的影響。這部分影響須利用SPVAR模型和時空脈沖響應函數(shù)進行實證。

3.2 SPVAR模型參數(shù)的估計

模型估計采用郭國強的辦法，選取時間滯后項和空間滯后項作為工具變量進入模型，然后利用差分廣義矩估計(generalized method of moments，簡稱GMM)估計出模型的參數(shù)[16]，結(jié)果見公式(4)和表4。

(4)

表4 SPVAR模型的參數(shù)估計結(jié)果

注：括號內(nèi)的數(shù)值為t值，ARPI′(-1)、FI′(-1)表示時空滯后1階的項。

從表4中可看出SPVAR模型的參數(shù)較多不顯著，但相較于VAR模型的具體形式，更多學者關注的是在此基礎上建立的脈沖響應函數(shù)，探討模型中各內(nèi)生變量間存在的動態(tài)關系[20]。以下將對SPVAR模型的時空脈沖響應函數(shù)進行實證分析。

傳統(tǒng)的脈沖響應函數(shù)是觀測隨機擾動項的一個新息沖擊給內(nèi)生變量造成的當期及未來的影響。和傳統(tǒng)的脈沖響應函數(shù)不同，時空脈沖響應函數(shù)是在時間維度上觀測一個地區(qū)的內(nèi)生變量沖擊對自身及其他地區(qū)的內(nèi)生變量造成的當期和未來的影響[16-17]。本研究共模擬26個省份的空間脈沖響應函數(shù)，有2個內(nèi)生變量作為沖擊源，將產(chǎn)生676個脈沖響應函數(shù)。考慮到篇幅有限，將選取經(jīng)濟發(fā)達的地區(qū)作為沖擊源[20]。選取原因：首先，經(jīng)濟發(fā)達地區(qū)的運輸體系完善，市場開放程度高，人口密度大，對周邊地區(qū)的空間影響力很強；其次，經(jīng)濟發(fā)達的地區(qū)一般是中心城市，位于口岸地帶或交通樞紐，對市場或政策的信息能夠作出敏銳的反應；最后，經(jīng)濟發(fā)達的地區(qū)通常是政府實施新政策的重點地區(qū)，而本研究的最終目的是給出穩(wěn)定漁民增收的政策建議，因此利用時空脈沖響應函數(shù)能夠較為直觀地模擬沖擊效果給本地區(qū)及周邊城市帶來的影響[20]。本研究將26個省域分別作為沖擊源進行脈沖響應函數(shù)模擬，結(jié)果發(fā)現(xiàn)總體的沖擊效果類似，故選取具有代表性的、包含省份較多的、政府高度重視的珠江三角洲經(jīng)濟圈為解釋對象。泛珠江三角洲包括廣東、福建、江西、廣西、海南、湖南、四川、云南、貴州、香港和澳門11個地區(qū)，即著名的“9+2”經(jīng)濟區(qū)概念。廣東省不僅是中國經(jīng)濟發(fā)達的口岸地區(qū)，還是“9+2”規(guī)劃的倡導者和引導者，也是中國漁業(yè)重鎮(zhèn)，故選取廣東省為沖擊源。而由于2005—2014年間，廣東省水產(chǎn)產(chǎn)量始終處于中國第2名的水平，所以選取三位一體的廣東省作為沖擊源具有很強的現(xiàn)實意義(圖2)。

3.2.1 廣東省水產(chǎn)品價格對泛珠江三角洲其他地區(qū)水產(chǎn)品價格和漁民收入的沖擊影響 由圖2-a可知，當廣東省水產(chǎn)品價格提升后，泛珠江三角洲其他地區(qū)的漁民收入在滯后1期就作出反應，一直持續(xù)到滯后7期，在滯后8期時收斂于0，說明某地區(qū)水產(chǎn)品價格是影響漁民增收的關鍵要素[2-6]。但從長期來看，水產(chǎn)品價格波動對漁民收入的作用不明顯。這是因為水產(chǎn)品價格上升會拉動物價上漲，從而導致通貨膨脹，降低漁民的實際收入。從地區(qū)來看，除四川的脈沖響應外在滯后3期達到峰值外，其他省域均在滯后2期達到峰值，其中海南省的函數(shù)波動幅度最大(0.033 6%)，廣西次之(0.020 9%)，隨后是福建(0.010 3%)、江西(0.004 9%)。可見各省域函數(shù)波動幅度和區(qū)位有關，價格沖擊效果隨著地理距離的增加而衰退，符合地理學第一定律。但有例外，海南和廣東的距離大于廣西和廣東的距離，但海南受到的沖擊影響更強。這是因為除了地理距離外，省內(nèi)貿(mào)易量、運輸成本和區(qū)域經(jīng)濟發(fā)展水平也會阻礙水產(chǎn)品價格的傳導[21]。和廣西相比，海南不僅是旅游特區(qū)，經(jīng)濟也十分發(fā)達，和經(jīng)濟強省廣東間的聯(lián)系會更加緊密，符合新經(jīng)濟地理學中的萬有引力定律。再看圖2-b，廣東省水產(chǎn)品價格上漲后，泛珠江三角洲其他地區(qū)會作出敏銳的反應，這和表3的檢驗結(jié)果相同，說明省域間水產(chǎn)品價格存在空間溢出效應，水產(chǎn)品價格傳導機制良好。但是沖擊帶來的影響只持續(xù)了5期，滯后3期快速衰弱，在滯后6期沖擊效果全部收斂于0。這說明中國水產(chǎn)品市場擁有良好的自我調(diào)控機制，能夠在長期內(nèi)弱化外部市場的沖擊作用。從地區(qū)來看，5個省域的函數(shù)曲線均在滯后2期時達到峰值，峰值大小排序與圖2-a的相同，海南受到的沖擊影響最大(0.313 1%)，四川受到的影響最小(0.023 0%)。

3.2.2 廣東省漁民收入對泛珠江三角洲其他地區(qū)水產(chǎn)品價格和漁民收入的影響 從圖2-c可知，廣東省漁民收入增加，泛珠江三角洲其他地區(qū)水產(chǎn)品價格受沖擊的效果增強，整體趨勢和圖2-b的類似，但各省函數(shù)曲線的波峰、波谷及滯后期存在區(qū)別。把圖2-b與2-c比對后發(fā)現(xiàn)，水產(chǎn)品價格對漁民收入變化的反應遲緩。如四川省水產(chǎn)品價格受到?jīng)_擊后，在滯后4期才達到波峰(0.032 77%)，隨后快速在滯后6期收斂于0。這說明漁民收入提高對水產(chǎn)品價格的影響是滯后的，而且滯后期長短和地理距離遠近存在正相關的關系。由圖2-d可知，當廣東省漁民收入增加時，除四川外的泛珠江三角洲其他地區(qū)漁民收入函數(shù)曲線在滯后2期達到波峰，其中最高的是海南(1.020 3%)，最低的是江西(0.149 0%)，而滯后3期海南、廣西、福建、江西的脈沖值為負并達到波谷，四川則達到峰值(0.077 8%)。隨后滯后4期海南、廣西、福建、江西漁民收入為正，最后在滯后4期時5個省域函數(shù)曲線收斂于0。由此可見，某地區(qū)漁民收入的提高會給其他地區(qū)漁民收入帶來負向的空間溢出效應，而且具有一定的時滯性。這可以用擴散效應和回波效應聯(lián)合進行解釋[22]。由擴散效應可知，短期內(nèi)某地區(qū)漁民收入提高，拉高了周邊地區(qū)水產(chǎn)品市場價格(圖2-c)，進而拉高了周邊地區(qū)的漁民收入水平(圖2-a)。但值得注意的是，在圖2-b和2-c中，水產(chǎn)品價格受到的影響僅持續(xù)4期，在滯后3期開始衰退，而圖2-d漁民減收恰好出現(xiàn)在滯后3期，這是因為一個地區(qū)漁民收入提高會帶來回波效應。某區(qū)域漁民收入提高，能夠用于生產(chǎn)的投入資金更加寬裕，能夠承擔的生產(chǎn)服務費用更高，抵抗風險的能力更強[23]。所以周邊地區(qū)的漁業(yè)生產(chǎn)資本(如科技推廣人員、水產(chǎn)加工企業(yè))都會被吸引，產(chǎn)生了資源的掠奪效果，提高了本地區(qū)水產(chǎn)品的競爭力和周邊地區(qū)漁民的生產(chǎn)成本，減少了本地區(qū)漁民的交易成本和周邊地區(qū)漁民的盈利空間。另外，漁業(yè)生產(chǎn)所依賴的水域具有很強的外部性特征，擴大本地區(qū)的漁業(yè)生產(chǎn)規(guī)模無疑會過多占用周邊地區(qū)的漁業(yè)生產(chǎn)資源，這就表現(xiàn)在圖2-d中四川受廣東省漁民收入變化的影響不大。而當漁民減收后，該地區(qū)的吸引力下降，生產(chǎn)要素向其他地區(qū)流動，漁民收入的逐漸穩(wěn)定。

漁民收入和水產(chǎn)品價格在空間維度上有很強的聯(lián)動性，短期內(nèi)水產(chǎn)品價格提升能夠拉動省域間漁民的收入水平。此特征和陸地農(nóng)產(chǎn)品價格同農(nóng)民收入間的關系有所不同，當前較多學者指出陸地農(nóng)產(chǎn)品價格上漲給農(nóng)民收入帶來的是弱增長，農(nóng)民增收困難大的一部分原因是因為市場利潤被中間商壓榨，難以流到農(nóng)民手中[24]。然而水產(chǎn)品與之不同，從圖 2-a 可看出水產(chǎn)品市場價格上升能夠給漁民增收帶來顯著的影響。一般來說，生產(chǎn)者為追求利益最大化，會將商品以消費者能接受的最高價格賣出。在重視飲食健康的今天，居民對水產(chǎn)品特別是優(yōu)質(zhì)鮮活水產(chǎn)品的需求大，這使生產(chǎn)者更傾向于將鮮活水產(chǎn)品直接在農(nóng)貿(mào)市場、超市等地出售[25]。然而水產(chǎn)品屬于難保鮮、難運輸、難倉儲的“三難”產(chǎn)品，生產(chǎn)者須通過減少中間環(huán)節(jié)來節(jié)省時間和運輸成本，從而獲取最大利潤。一方面由于水產(chǎn)品的經(jīng)濟價值高，銷量好，漁民和水產(chǎn)品市場的中間環(huán)節(jié)少，被中間商壓榨的利潤有限，所以水產(chǎn)品價格上漲同漁民增收的聯(lián)系更加緊密[26]。另一方面，廣東水產(chǎn)品市場價格上漲帶來的空間溢出效應隨著地理距離的拉長而衰減。這是因為水產(chǎn)品不易運輸，隨著運輸距離的拉長，運輸過程中的損失拉高了交易成本。生產(chǎn)者為獲利會將成本轉(zhuǎn)嫁給消費者，提高水產(chǎn)品的到岸價。如果到岸價過高，則較難進入當?shù)氐乃a(chǎn)品市場，進而無法對當?shù)厮a(chǎn)品市場價格造成沖擊影響[26]，圖2-b中表現(xiàn)為廣東的水產(chǎn)品價格上漲對四川的空間溢出效應最弱。長期來看，水產(chǎn)品價格不能帶動漁民增收。這是因為各省水產(chǎn)品市場存在自我調(diào)節(jié)機制，當?shù)卣矔扇∫欢ǖ谋Ｗo政策[27]，從而保證水產(chǎn)品價格波動不會過于劇烈。在圖2中表現(xiàn)為漁民收入在滯后13期收斂為0。

4 結(jié)論與政策建議

本研究基于2004—2014年中國26個省份的水產(chǎn)品市場價格和漁民人均純收入的面板數(shù)據(jù)，利用全局Moran’s I指數(shù)考察了中國水產(chǎn)品價格和漁民收入二者的空間相關性，再通過構(gòu)建SPVAR模型進行實證。結(jié)果表明，中國水產(chǎn)品價格和漁民收入均存在空間效應。中國水產(chǎn)品價格在地區(qū)間能夠互相影響，漁民收入呈現(xiàn)出空間集聚的特征。水產(chǎn)品價格上漲會給漁民收入帶來區(qū)域性的拉動效果，而某地區(qū)漁民收入提高對周邊地區(qū)會造成擴散效應和回波效應，但總體來看擴散效應會大于回波效應，水產(chǎn)品價格依然是影響漁民收入的核心因素。水產(chǎn)品價格上漲在短期內(nèi)可帶動漁民增收。短期內(nèi)當一個地區(qū)水產(chǎn)品價格上漲，該地區(qū)漁民收入會顯著上漲，但是這種拉動作用會隨著時間推移衰減，從長遠角度看水產(chǎn)品價格上漲不是漁民增收的根本途徑。

鑒于上述結(jié)果，本研究認為提高漁民收入可從以下2個方面入手：其一，發(fā)揮水產(chǎn)市場機制，穩(wěn)定水產(chǎn)品市場價格。若全國大范圍提升水產(chǎn)品價格，易導致通貨膨脹，漁民不僅不增收，反而減收?？煽紤]選取政策實施成本低、輻射效應強的行政區(qū)域來提升水產(chǎn)品價格，發(fā)揮水產(chǎn)市場整合程度高的優(yōu)勢，利用價格傳導機制帶動區(qū)域漁民增收。其二，推動漁業(yè)可持續(xù)發(fā)展，合理分配漁業(yè)生產(chǎn)資源。注重漁業(yè)生產(chǎn)資源在區(qū)域間的分配，即一方面要提倡生態(tài)漁業(yè)經(jīng)營模式，特別是減少對跨地區(qū)漁業(yè)生產(chǎn)水域的污染，加強監(jiān)管工作；另一方面政府要統(tǒng)籌兼顧，在漁業(yè)生產(chǎn)布局過程中要注重生產(chǎn)資源分配均衡，避免回波效應帶來的負面影響。

參考文獻：

[1]韓立民，李大海，王 波. “藍色基本農(nóng)田”：糧食安全保障與制度構(gòu)想[J]. 中國農(nóng)村經(jīng)濟，2015(10)：34-41.

[2]許罕多，吳飛飛. 中國漁民收入影響因素分析——基于中國沿海各省市1998—2007面板數(shù)據(jù)的實證研究[J]. 中國海洋大學學報(社會科學版)，2011(2)：19-23.

[3]李 嬌. 我國漁民增收滯后的原因及對策探討[J]. 中國漁業(yè)經(jīng)濟，2011，29(2)：29-37.

[4]王威巍，梁鴿峰，孫 琛. 中國水產(chǎn)品市場價格波動特征研究[J]. 中國漁業(yè)經(jīng)濟，2015，33(6)：56-63.

[5]張靜宜，劉景景，沈 辰. 2015年中國水產(chǎn)品市場分析與展望[J]. 農(nóng)業(yè)展望，2016(2)：13-18.

[6]劉 泉，韓興勇. 奚家港漁業(yè)村漁民收入狀況調(diào)查分析[J]. 中國農(nóng)學通報，2013，29(23)：32-38.

[7]趙文武，姜啟軍，徐 忠. 我國漁民家庭收支情況分析[J]. 上海海洋大學學報，2013，22(3)：475-480.

[8]高 強，王海雨，張亞敏. 水產(chǎn)品價格、漁民收入與水產(chǎn)品產(chǎn)量增加的實證研究——基于協(xié)整和VAR模型的實證分析[J]. 中共青島市委黨校青島行政學院學報，2012(3)：13-17.

[9]程 燁，姜啟軍，趙文武. 基于漁民收入結(jié)構(gòu)的地區(qū)差異性研究[J]. 中國漁業(yè)經(jīng)濟，2016，34(2)：37-42.

[10]胡 健，焦 兵. 空間計量經(jīng)濟學理論體系的解析及其展望[J]. 統(tǒng)計與信息論壇，2012，27(1)：3-8.

[11]葉阿忠，吳繼貴，陳生明，等. 空間計量經(jīng)濟學[M]. 廈門：廈門出版社，2015：77-78.

[12]Anselin L.Thirty years of spatial econometrics[J]. Paper in Regional Science，2010，89(1)：3-25.

[13]林光平，龍志和. 空間經(jīng)濟計量：理論與實證[M]. 北京：科學出版，2014：116-117.

[14]Elhorst J P. Spatial panel data models in spatial econometrics[M]. Heidelberg：Springer，2014：37-88.

[15]Beenstock M，F(xiàn)elsenstein D. Spatial vector autoregressions[J]. Spatial Economic Analysis，2007，2(2)：167-196.

[16]郭國強. 空間計量模型的理論和應用研究[D]. 武漢：華中科技大學，2013：50-55

[17]Márquez M A，Ramajo J，Hewings G J D. Regional growth and spatial spillovers：evidence from an SPVAR for the Spanish regions[J]. Papers in Regional Science，2015，94(S1)：S1-S18.

[18]張可云，楊孟禹. 國外空間計量經(jīng)濟學研究回顧、進展與述評[J]. 產(chǎn)經(jīng)評論，2016(1)：5-21.

[19]陶長琪，彭永樟，琚澤霞. 經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)與碳排放關系的實證分析——基于PVAR模型[J]. 經(jīng)濟經(jīng)緯，2015(4)：126-131.

[20]吳繼貴. 技術(shù)進步和經(jīng)濟增長對二氧化碳排放的空間影響研究[D]. 福州：福州大學，2016：20-23

[21]高 群，宋長鳴. 地理距離變量抽離前后中國糖料作物市場整合研究[J]. 統(tǒng)計與信息論壇，2015，30(2)：67-72.

[22]FAO. The state of world fisheries and aquaculture：opportunities and challenges[R]. Rome：FAO，2014.

[23]韓紀江，郭熙保. 擴散-回波效應的研究脈絡及其新進展[J]. 經(jīng)濟學動態(tài)，2014(2)：117-125.

[24]張彬斌. 新時期政策扶貧：目標選擇和農(nóng)民增收[J]. 經(jīng)濟學(季刊)，2013，12(3)：959-982.

[25]同春芬，黃 藝，張曦兮. 中國漁民收入結(jié)構(gòu)的影響因素分析[J]. 中國人口科學，2013(4)：73-81.

[26]馬曉春，宋莉莉. 我國鮮活農(nóng)產(chǎn)品滯銷頻發(fā)的原因及對策 研究- 以蔬萊，牛奶滯銷為例[J]. 當代經(jīng)濟管理，2015，37(9)：59-62.

[27]陳宇峰，葉志鵬. 區(qū)域行政壁壘、基礎設施與農(nóng)產(chǎn)品流通市場分割——基于相對價格法的分析[J]. 國際貿(mào)易問題，2014(6)：99-111.