遼寧省漁業(yè)經(jīng)濟(jì)總產(chǎn)值集成預(yù)測(cè)與分析

管純鳳，李永化

（遼寧師范大學(xué)城市與環(huán)境學(xué)院，遼寧大連116029）

遼寧省漁業(yè)經(jīng)濟(jì)總產(chǎn)值集成預(yù)測(cè)與分析

管純鳳，李永化

（遼寧師范大學(xué)城市與環(huán)境學(xué)院，遼寧大連116029）

漁業(yè)作為農(nóng)業(yè)的主要組成部分，是國民經(jīng)濟(jì)的重要基礎(chǔ)之一，漁業(yè)經(jīng)濟(jì)的健康發(fā)展對(duì)遼寧省國民經(jīng)濟(jì)具有至關(guān)重要的作用。文章基于遼寧省漁業(yè)經(jīng)濟(jì)歷史發(fā)展趨勢(shì)，聯(lián)合構(gòu)建A R模型、多元線性回歸模型和V A R模型，對(duì)遼寧省漁業(yè)經(jīng)濟(jì)總產(chǎn)值分別預(yù)測(cè)，根據(jù)各模型預(yù)測(cè)結(jié)果與誤差，建立集成預(yù)測(cè)模型對(duì)未來漁業(yè)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行擬合測(cè)算。預(yù)測(cè)結(jié)果表明：各模型預(yù)測(cè)結(jié)果均具有不同程度的誤差，A R預(yù)測(cè)效果較好；集成預(yù)測(cè)結(jié)果良好，具有一定的可靠性；遼寧漁業(yè)經(jīng)濟(jì)將呈現(xiàn)持續(xù)緩慢增長態(tài)勢(shì)。

漁業(yè)經(jīng)濟(jì)；A R模型；多元線性回歸模型；V A R模型；集成預(yù)測(cè)

一、引言

作為中國東北經(jīng)濟(jì)區(qū)和環(huán)渤海經(jīng)濟(jì)區(qū)的重要結(jié)合部，遼寧省東側(cè)臨黃海，西側(cè)環(huán)渤海，海域面積廣闊，海岸線優(yōu)勢(shì)與淺海灘涂資源，為遼寧漁業(yè)經(jīng)濟(jì)發(fā)展奠定良好的基礎(chǔ)。天然的市場優(yōu)勢(shì)和地理區(qū)位，使得漁業(yè)經(jīng)濟(jì)成為遼寧農(nóng)業(yè)經(jīng)濟(jì)的支柱產(chǎn)業(yè)和全省經(jīng)濟(jì)主要支撐點(diǎn)之一[1]。本文研究遼寧漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)，對(duì)優(yōu)化遼寧省產(chǎn)業(yè)結(jié)構(gòu)，制定科學(xué)合理的漁業(yè)政策具有重要意義。

有關(guān)漁業(yè)經(jīng)濟(jì)的分析，現(xiàn)有文獻(xiàn)主要從三個(gè)方面進(jìn)行研究。在漁業(yè)經(jīng)濟(jì)指標(biāo)構(gòu)建方面，高強(qiáng)基于多種權(quán)重計(jì)算方法，構(gòu)建現(xiàn)代漁業(yè)綜合發(fā)展水平評(píng)價(jià)指標(biāo)體系[2]；劉慧媛基于灰色關(guān)聯(lián)角度對(duì)我國漁業(yè)經(jīng)濟(jì)產(chǎn)值因素影響力進(jìn)行了評(píng)價(jià)[3]；R Doshi基于多變量最優(yōu)控制理論，研究生態(tài)漁業(yè)與社會(huì)經(jīng)濟(jì)之間的關(guān)系，構(gòu)建指標(biāo)體系[4]；在漁業(yè)經(jīng)濟(jì)發(fā)展模式方面，張耀光通過研究獐子島漁業(yè)集團(tuán)，提出公司制是海洋漁業(yè)較為可行的發(fā)展模式[5]；權(quán)錫鑒參考國外漁業(yè)經(jīng)濟(jì)發(fā)達(dá)國家的漁業(yè)發(fā)展模式成功經(jīng)驗(yàn)，提出六種漁業(yè)發(fā)展模式[6]；孫吉亭根據(jù)全球變暖現(xiàn)狀，提出我國應(yīng)發(fā)展碳匯漁業(yè)模式[7]；Ferdous Ahamed概述了孟加拉國淡水漁業(yè)現(xiàn)狀，并對(duì)未來提出展望[8]；在分析其他領(lǐng)域與漁業(yè)經(jīng)濟(jì)的相關(guān)關(guān)系方面，楊林通過實(shí)證研究分析了漁業(yè)貸款與漁業(yè)經(jīng)濟(jì)的增長相關(guān)性[9]；熊德平運(yùn)用GMM估計(jì)分析了中國金融發(fā)展與漁業(yè)經(jīng)濟(jì)之間的關(guān)系[10]；T Sigfusson研究了漁業(yè)產(chǎn)業(yè)集群對(duì)冰島經(jīng)濟(jì)的影響[11]。

綜上所述，在研究內(nèi)容上，國內(nèi)外學(xué)者主要集中在漁業(yè)經(jīng)濟(jì)指標(biāo)構(gòu)建、漁業(yè)經(jīng)濟(jì)發(fā)展模式的研究上，而針對(duì)漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)研究較少；在研究方法上，現(xiàn)有文獻(xiàn)主要是以理論性闡述和數(shù)據(jù)統(tǒng)計(jì)為主，其研究數(shù)據(jù)年限較短。本文參考遼寧省漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)數(shù)據(jù)，通過對(duì)漁業(yè)經(jīng)濟(jì)與其影響因素進(jìn)行分析，綜合運(yùn)用多重計(jì)量方法，對(duì)遼寧漁業(yè)經(jīng)濟(jì)未來發(fā)展進(jìn)行預(yù)測(cè)，為政府合理決策、優(yōu)化資源配置，促進(jìn)遼寧漁業(yè)經(jīng)濟(jì)健康發(fā)展提供依據(jù)。

二、研究方法

回歸分析主要研究客觀事物間的關(guān)系，它是一種建立在對(duì)客觀事物進(jìn)行大量試驗(yàn)和觀察的基礎(chǔ)上，用來尋找統(tǒng)計(jì)規(guī)律性的計(jì)量經(jīng)濟(jì)分析方法。該方法用來分析兩個(gè)及兩個(gè)以上的變量之間相互的因果關(guān)系。

（一）自回歸模型（AR）

自回歸模型（Auto Regressive Model，簡稱AR模型），是用自身做回歸變量的分析過程，即利用前期若干時(shí)刻的隨機(jī)變量的線性組合來描述以后某時(shí)刻隨機(jī)變量的線性回歸模型。它是時(shí)間序列分析模型中的一種常見形式。P階自回歸模型記作AR（p），滿足下面的方程：

式（1）中，參數(shù)c為常數(shù)；φ1，φ2，…，φp是自回歸模型系數(shù)；p為自回歸模型階數(shù)；εt是均值為0，方差為σ2的自噪聲序列。自回歸建模步驟：（1）時(shí)間序列平穩(wěn)性檢驗(yàn)：常采用ADF進(jìn)行單位根檢驗(yàn)，對(duì)不平穩(wěn)的序列進(jìn)行差分；（2）確

定變量滯后階數(shù)：綜合LogL、LR、FPE、AIC、SC和HQ信息準(zhǔn)則確定最優(yōu)滯后階數(shù)；（3）建立模型并檢驗(yàn)：通常采用LM檢驗(yàn)法對(duì)殘差序列進(jìn)行檢驗(yàn)；（4）用建立的AR模型進(jìn)行預(yù)測(cè)。

（二）多元線性回歸模型

一個(gè)被解釋變量往往要受到若干解釋變量的影響，當(dāng)回歸模型中的解釋變量個(gè)數(shù)超過1時(shí)，稱為多元回歸模型。含有k個(gè)解釋變量的線性回歸模型可以寫為：

式（2）中，T為樣本個(gè)數(shù)，x稱為解釋變量或自變量，y稱為被解釋變量或因變量，u是誤差項(xiàng)或擾動(dòng)項(xiàng)，它體現(xiàn)了y的變化中沒有被x所解釋的部分，即除x以外其他所有對(duì)y產(chǎn)生影響的因素的綜合體現(xiàn)。多元線性回歸建模步驟：（1）設(shè)定回歸方程形式和估計(jì)方程；（2）對(duì)回歸方程進(jìn)行檢驗(yàn)：包括系數(shù)檢驗(yàn)，殘差檢驗(yàn)和模型穩(wěn)定性檢驗(yàn)；（3）用建立的自回歸模型進(jìn)行預(yù)測(cè)。

（三）向量自回歸模型（VAR）

向量自回歸（VAR）是基于數(shù)據(jù)統(tǒng)計(jì)性質(zhì)建立模型，把系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，常用于對(duì)相關(guān)時(shí)間序列的預(yù)測(cè)和隨機(jī)擾動(dòng)對(duì)變量系統(tǒng)的動(dòng)態(tài)影響[12]。根據(jù)Johansen的定義，n維向量yt的向量自回歸（VAR）模型（包含P階滯后變量）可以表述為以下過程：

式（3）中每一個(gè)Ai都是n×n的參數(shù)矩陣，εt為服從獨(dú)立均勻分布的n維向量，同一時(shí)刻的元素可彼此相關(guān)，但不能與自身滯后值和模型右邊的變量相關(guān)。向量自回歸建模步驟如下：（1）單位根檢驗(yàn)：為了防止回歸分析中存在偽回歸而造成結(jié)論無效，需要對(duì)序列進(jìn)行單位根檢驗(yàn)；（2）確定最優(yōu)滯后階數(shù)：綜合運(yùn)用LR、AIC和SC等信息準(zhǔn)則確定最優(yōu)滯后階數(shù)；（3）建立VAR模型；（4）格蘭杰因果檢驗(yàn)：用確定的最優(yōu)滯后階數(shù)和建立的VAR模型進(jìn)行格蘭杰因果檢驗(yàn)；（5）脈沖響應(yīng)和方差分解分析變量之間的關(guān)系：由于運(yùn)用VAR模型難以得到檢驗(yàn)結(jié)果的經(jīng)濟(jì)涵義，因此經(jīng)常使用脈沖響應(yīng)函數(shù)來解釋已建立的模型；（6）用建立的VAR模型進(jìn)行預(yù)測(cè)。

（四）集成預(yù)測(cè)方法

常用集成預(yù)測(cè)方法之一是對(duì)各個(gè)模型預(yù)測(cè)結(jié)果的簡單平均集成預(yù)測(cè)法，計(jì)算公式如下：

式（4）中xi表示第i個(gè)模型預(yù)測(cè)結(jié)果。簡單平均集成預(yù)測(cè)雖綜合考慮了各模型的預(yù)測(cè)結(jié)果，但忽略了由模型優(yōu)劣導(dǎo)致的權(quán)重選擇問題。研究者提出了加權(quán)平均預(yù)測(cè)法。加權(quán)平均預(yù)測(cè)法是對(duì)每個(gè)模型的預(yù)測(cè)值根據(jù)歷史預(yù)測(cè)效果的優(yōu)劣給出不同的權(quán)重，然后求加權(quán)平均值，以加權(quán)平均值作為集成的預(yù)測(cè)值。計(jì)算公式如下：

式（5）中βi表示第i個(gè)模型的權(quán)重。值得注意的是，文中僅考慮近期值，權(quán)重計(jì)算方法為各模型預(yù)測(cè)誤差絕對(duì)值的倒數(shù)占總誤差的百分比[13]。

三、變量選取和數(shù)據(jù)處理

自回歸模型預(yù)測(cè)中，漁業(yè)經(jīng)濟(jì)是研究對(duì)象，即選取遼寧漁業(yè)經(jīng)濟(jì)總產(chǎn)值（Y）作為自回歸變量。多元線性回歸模型和向量自回歸模型的變量選取，則要考慮影響漁業(yè)經(jīng)濟(jì)的解釋變量，即影響漁業(yè)經(jīng)濟(jì)總產(chǎn)值的投入變量?，F(xiàn)代西方經(jīng)濟(jì)學(xué)認(rèn)為生產(chǎn)要素包括資本、勞動(dòng)力、土地和企業(yè)家才能。由于企業(yè)家才能很難具體衡量，只選取資本、勞動(dòng)力和自然資源生產(chǎn)要素投入變量。（1）漁船年末擁有量。漁船作為重要的漁業(yè)生產(chǎn)資料，對(duì)漁業(yè)產(chǎn)出水平具有重要作用，考慮到漁船對(duì)漁業(yè)生產(chǎn)的影響并非體現(xiàn)在船只數(shù)量上，而是體現(xiàn)在漁船噸位數(shù)的大小上，因此選取年末漁船總噸數(shù)作為漁船擁有量的變量，用B表示。（2）漁業(yè)從業(yè)人員。勞動(dòng)力一般用人力資本存量來計(jì)量，考慮到我國目前漁業(yè)勞動(dòng)力素質(zhì)差異不大，鑒于數(shù)據(jù)的可獲得性，假設(shè)所有勞動(dòng)力是同質(zhì)的，直接選取漁業(yè)從業(yè)人員作為勞動(dòng)力投入變量，用L表示。（3）養(yǎng)殖面積。海水養(yǎng)殖和淡水養(yǎng)殖都需要載體，選取養(yǎng)殖面積作為自然資源投入變量，用S表示。

基于數(shù)據(jù)連續(xù)性和可獲得性，文章數(shù)據(jù)來自于1986—2014年的《中國漁業(yè)統(tǒng)計(jì)年鑒》。在使用各變量數(shù)據(jù)時(shí)，本文用自然對(duì)數(shù)對(duì)其進(jìn)行轉(zhuǎn)換（轉(zhuǎn)換后數(shù)據(jù)用LB、LL、LS和LY表示），以反映各數(shù)據(jù)之間的彈性并消除異方差性，借用Eviews6.0對(duì)相關(guān)數(shù)據(jù)進(jìn)行計(jì)算和檢驗(yàn)，計(jì)算顯示結(jié)果均為對(duì)數(shù)值；后期進(jìn)行對(duì)數(shù)還原，以便實(shí)際值與預(yù)測(cè)值的誤差比較。為檢驗(yàn)預(yù)測(cè)結(jié)果的準(zhǔn)確性，本文在運(yùn)用各模型預(yù)測(cè)過程中，僅對(duì)1986—2013年數(shù)據(jù)進(jìn)行回歸分析，2014年遼寧漁業(yè)經(jīng)濟(jì)數(shù)據(jù)以備檢驗(yàn)。

表1 變量選取

四、實(shí)證分析

2004—2014年遼寧漁業(yè)經(jīng)濟(jì)總產(chǎn)值占GDP比例平均為6.1%，超出全國同期3.5%的水平。圖1顯示了1986—2014年遼寧省漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)。2000年以前漁業(yè)生產(chǎn)總值從10 500萬元上升至1 765 578萬元，而漁民人均收入則在6 000元以內(nèi)，漁業(yè)生產(chǎn)總值和漁民人均收入均呈現(xiàn)增長態(tài)勢(shì)，但增速較緩；2000年后漁業(yè)生產(chǎn)總值和漁民人均

收入均加速增長，2014年漁業(yè)生產(chǎn)總值達(dá)到15 744 966萬元，漁民人均收入增加至16 021.59元，年均增加數(shù)額比2000年前有較大提高，表明研究時(shí)間段內(nèi)（1986—2014年）漁民收入與漁業(yè)經(jīng)濟(jì)呈現(xiàn)同步效應(yīng)；漁業(yè)經(jīng)濟(jì)的發(fā)展對(duì)提高漁民收入具有重要影響[1]。

圖1 漁業(yè)經(jīng)濟(jì)總產(chǎn)值與漁民人均收入年際變化

圖2 AR模型擬合預(yù)測(cè)效果圖

（一）自回歸預(yù)測(cè)

為防止出現(xiàn)偽回歸而造成模型估計(jì)結(jié)果失真，首先對(duì)序列進(jìn)行平穩(wěn)性檢驗(yàn)，本研究采用ADF檢驗(yàn)對(duì)相關(guān)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)[14]。檢驗(yàn)結(jié)果顯示，原序列LY為非平穩(wěn)數(shù)據(jù)。在進(jìn)行一階差分之后，在1%顯著水平下，ΔLY為平穩(wěn)序列。根據(jù)滯后期檢驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)，參照Eviews計(jì)算結(jié)果，判定最優(yōu)滯后階數(shù)為1階。

建立模型，得到AR（1）方程LY=0.965886357336*LY（-1）+0.670140974145，調(diào)整R2為0.991，擬合效果良好。經(jīng)過對(duì)殘差序列進(jìn)行LM檢驗(yàn)，檢驗(yàn)結(jié)果不能拒絕原假設(shè)，即回歸方程的殘差序列不存在序列相關(guān)性。因此，用AR（1）模型回歸方程的估計(jì)結(jié)果是有效的。通過Eviews6.0利用AR（1）方程對(duì)遼寧省漁業(yè)經(jīng)濟(jì)進(jìn)行動(dòng)態(tài)預(yù)測(cè)，預(yù)測(cè)結(jié)果見圖2，橫軸表示相應(yīng)年份，縱軸表示漁業(yè)經(jīng)濟(jì)產(chǎn)值；LY表示漁業(yè)經(jīng)濟(jì)產(chǎn)值，LY0為漁業(yè)經(jīng)濟(jì)預(yù)測(cè)產(chǎn)值（此處產(chǎn)值為自然對(duì)數(shù)后數(shù)值）。2001年中國加入WTO，我國沿海各省的漁業(yè)經(jīng)濟(jì)受到?jīng)_擊，所以2001年前后，遼寧省漁業(yè)經(jīng)濟(jì)增長較為緩慢，與預(yù)測(cè)值差距相對(duì)較大。

（二）多元線性回歸預(yù)測(cè)

以LB、LL和LS作為自變量，以LY作為因變量，添加常數(shù)項(xiàng)C，結(jié)果見表2。依表中顯示數(shù)值可建立多元線性回歸方程：LY=1.39966840919*LB+0.714644334652*LL+0.855562109293 *LS-24.1568627473

表2 多元線性回歸擬合結(jié)果

各變量的P值均小于1%，變量的顯著性檢驗(yàn)通過；調(diào)整擬合系數(shù)為0.985，接近于1，擬合效果較好；D.W.統(tǒng)計(jì)量為1.453 424，表明序列不相關(guān)。對(duì)方程分別進(jìn)行冗余變量似然比檢驗(yàn)、正態(tài)性檢驗(yàn)和QA分割點(diǎn)檢驗(yàn)，檢驗(yàn)結(jié)果表明系數(shù)檢驗(yàn)通過，殘差呈正態(tài)分布，模型較為穩(wěn)定。

多元線性回歸方程的建立僅能對(duì)現(xiàn)有序列進(jìn)行預(yù)測(cè)對(duì)比分析，為了對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)，借用AR模型，分別對(duì)LB、LL和LS進(jìn)行估計(jì)，然后用已建立的回歸方程和各變量估計(jì)數(shù)值對(duì)漁業(yè)經(jīng)濟(jì)進(jìn)行預(yù)測(cè)，擬合預(yù)測(cè)結(jié)果如圖3所示。

圖3 多元線性回歸模型擬合預(yù)測(cè)效果圖

圖4 VAR模型擬合預(yù)測(cè)效果圖

（三）向量自回歸預(yù)測(cè)

對(duì)各變量進(jìn)行單位根檢驗(yàn)，ADF檢驗(yàn)結(jié)果表明，各變量原始序列不平穩(wěn)，一階差分后序列平穩(wěn)；通過VAR模型滯后期檢驗(yàn)評(píng)價(jià)標(biāo)準(zhǔn)判定最優(yōu)滯后階數(shù)為3階。

VAR建模要求序列之間存在相關(guān)性，那么對(duì)影響遼寧漁業(yè)經(jīng)濟(jì)總產(chǎn)值的3個(gè)因素進(jìn)行相關(guān)性分析，相關(guān)系數(shù)均在0.85以上，表明各影響因素之間存在較強(qiáng)的相關(guān)性，可進(jìn)行VAR建模[15]。將3個(gè)影響因素（LB、LL和LS）與漁業(yè)經(jīng)濟(jì)總產(chǎn)值（LY）進(jìn)行VAR建模，并進(jìn)行Granger因果檢驗(yàn)，漁船年末擁有量、漁業(yè)人口與漁業(yè)經(jīng)濟(jì)互為Granger原因，養(yǎng)殖面積不是漁業(yè)經(jīng)濟(jì)的Granger原因。表明漁船的增加和漁業(yè)人口的增長能夠促進(jìn)漁業(yè)經(jīng)濟(jì)的發(fā)展，而養(yǎng)殖面積的擴(kuò)大對(duì)漁業(yè)經(jīng)濟(jì)影響較小[16]。

VAR建模擬合矩陣如下：

LY、LB、LL和LS的調(diào)整擬合系數(shù)分別為0.995 447、0.993 994、0.811 770和0.974 171，表明模型擬合效果較好，對(duì)比發(fā)現(xiàn)LY擬合效果很好。擬合預(yù)測(cè)結(jié)果如圖5所示。

（四）綜合集成預(yù)測(cè)

通過自回歸模型、多元線性回歸模型和向量自回歸模型，對(duì)2010—2013年遼寧省漁業(yè)經(jīng)濟(jì)總產(chǎn)值分別進(jìn)行擬

合預(yù)測(cè)，并進(jìn)行自然對(duì)數(shù)還原，結(jié)果如表3所示。與實(shí)際值比較，自回歸模型預(yù)測(cè)誤差絕對(duì)值為3.787%，誤差最??；多元線性回歸誤差絕對(duì)值為9.845%，誤差較大；向量自回歸模型誤差絕對(duì)值為17.54%，誤差最大。預(yù)測(cè)結(jié)果橫向比較表明，自回歸預(yù)測(cè)數(shù)值表現(xiàn)最好，這是由于自回歸模型本身約束條件較少，不涉及其他變量，而多元線性回歸模型要考慮多個(gè)自變量，向量自回歸模型需兼顧多元和矩陣約束。預(yù)測(cè)結(jié)果縱向比較表明，各模型預(yù)測(cè)值小于實(shí)際值，主要由于近幾年遼寧省漁業(yè)經(jīng)濟(jì)發(fā)展迅速導(dǎo)致；各預(yù)測(cè)結(jié)果誤差除自回歸效果較好以外，其余模型預(yù)測(cè)誤差較大，主要由于對(duì)數(shù)值進(jìn)行對(duì)數(shù)轉(zhuǎn)換還原預(yù)測(cè)，且轉(zhuǎn)化數(shù)值較大，而各模型漁業(yè)經(jīng)濟(jì)對(duì)數(shù)總產(chǎn)值預(yù)測(cè)誤差均在1%以內(nèi)。

圖5 2014—2020年遼寧省漁業(yè)經(jīng)濟(jì)集成預(yù)測(cè)總產(chǎn)值

表3 各模型漁業(yè)經(jīng)濟(jì)總產(chǎn)值預(yù)測(cè)值及誤差率

由于單個(gè)模型的預(yù)測(cè)誤差仍然相對(duì)偏大，預(yù)測(cè)誤差的波動(dòng)較大，無法滿足遼寧漁業(yè)經(jīng)濟(jì)相關(guān)決策對(duì)預(yù)測(cè)結(jié)果精準(zhǔn)的要求，需要發(fā)展更為準(zhǔn)確的預(yù)測(cè)模型，因此進(jìn)行遼寧漁業(yè)經(jīng)濟(jì)的綜合集成預(yù)測(cè)。根據(jù)前文所述的權(quán)重計(jì)算方法，表2已經(jīng)列出各模型預(yù)測(cè)權(quán)重，根據(jù)四種預(yù)測(cè)模型分別計(jì)算出2014—2020年的遼寧漁業(yè)經(jīng)濟(jì)生產(chǎn)總值，計(jì)算結(jié)果如表4所示。2014年，遼寧漁業(yè)經(jīng)濟(jì)生產(chǎn)總值1 562億元，而綜合預(yù)測(cè)結(jié)果為1 543億元，預(yù)測(cè)結(jié)果良好，表明預(yù)測(cè)結(jié)果具有一定的可靠性。

依照綜合預(yù)測(cè)2014—2020年數(shù)值，作出圖5，表明2014—2020年遼寧省漁業(yè)經(jīng)濟(jì)總產(chǎn)值呈現(xiàn)持續(xù)增長態(tài)勢(shì)，但增長趨勢(shì)相對(duì)緩慢。

表4 各模型2014—2020年漁業(yè)經(jīng)濟(jì)總產(chǎn)值預(yù)測(cè)值（萬元）

五、結(jié)論

遼寧省漁業(yè)經(jīng)濟(jì)正處于改革攻堅(jiān)的過渡期，準(zhǔn)確把握漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)對(duì)漁民、企業(yè)和政府都顯得至關(guān)重要。本文通過運(yùn)用多重計(jì)量方法實(shí)證分析，并進(jìn)行綜合集成預(yù)測(cè)，總結(jié)遼寧漁業(yè)經(jīng)濟(jì)未來發(fā)展趨勢(shì)。預(yù)測(cè)結(jié)果表明：第一，漁業(yè)經(jīng)濟(jì)與漁民人均收入呈同步增長態(tài)勢(shì)，發(fā)展?jié)O業(yè)經(jīng)濟(jì)有利于漁民增收，提高漁民生活水平；第二，由于模型自身限制條件，各種模型預(yù)測(cè)結(jié)果優(yōu)良不一，AR模型預(yù)測(cè)結(jié)果較好，多元線性回歸模型預(yù)測(cè)誤差較大，VAR預(yù)測(cè)表現(xiàn)較差，建立在三種計(jì)量模型之上的集成預(yù)測(cè)精度較高，擬合值與實(shí)際值較為接近；第三，漁船的增加和漁民數(shù)量的增長能夠促進(jìn)漁業(yè)經(jīng)濟(jì)的增長，漁業(yè)經(jīng)濟(jì)的增長則刺激漁民數(shù)量的增加和養(yǎng)殖面積的擴(kuò)大，漁業(yè)經(jīng)濟(jì)的良好發(fā)展解決了漁民就業(yè)問題，有利于維護(hù)社會(huì)安定；第四，遼寧漁業(yè)經(jīng)濟(jì)在未來一段時(shí)間內(nèi)，將呈現(xiàn)持續(xù)增長趨勢(shì)。

遼寧漁業(yè)經(jīng)濟(jì)未來發(fā)展趨勢(shì)表明政府仍要重視漁業(yè)經(jīng)濟(jì)的發(fā)展，合理配置漁業(yè)資源，真正實(shí)現(xiàn)漁業(yè)經(jīng)濟(jì)的穩(wěn)步增長，進(jìn)而實(shí)現(xiàn)漁民增收，為促進(jìn)GDP做出貢獻(xiàn)。漁業(yè)經(jīng)濟(jì)的健康發(fā)展需要政府、企業(yè)和漁民的相互配合。遼寧省政府應(yīng)當(dāng)認(rèn)清漁業(yè)經(jīng)濟(jì)發(fā)展趨勢(shì)，把控漁業(yè)發(fā)展宏觀方向，穩(wěn)定和完善漁業(yè)基本制度；企業(yè)要配合政府宏觀政策，增大技術(shù)要素投入，發(fā)展低碳漁業(yè)，實(shí)現(xiàn)科技興漁，共同推進(jìn)現(xiàn)代漁業(yè)建設(shè)；漁民要響應(yīng)政府轉(zhuǎn)產(chǎn)轉(zhuǎn)業(yè)的政策，科學(xué)捕撈，實(shí)現(xiàn)海洋經(jīng)濟(jì)系統(tǒng)的生態(tài)性[17]。

研究存在一定的不足，本文只是單純基于遼寧省漁業(yè)經(jīng)濟(jì)進(jìn)行集成預(yù)測(cè)分析，以期描繪遼寧漁業(yè)經(jīng)濟(jì)未來發(fā)展趨勢(shì)，若對(duì)漁業(yè)產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行更深入的探討，則可分析遼寧漁業(yè)存在的問題進(jìn)行分析，實(shí)現(xiàn)遼寧漁業(yè)經(jīng)濟(jì)健康合理的發(fā)展。

[1]劉峻峰，孫康，柴瑞瑞，等，2016.基于VECM和DEA的遼寧省漁業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展動(dòng)態(tài)評(píng)價(jià)[J].生產(chǎn)力研究（3）：95-99.

[2]高強(qiáng)，丁慧媛，蓋發(fā)賓.現(xiàn)代漁業(yè)綜合發(fā)展水平評(píng)價(jià)指標(biāo)體系研究——基于多種權(quán)重計(jì)算方法[J].中國漁業(yè)經(jīng)濟(jì)，2012，30（1）：38-45.

[3]劉慧媛，陳孟婕，徐碩.基于灰色關(guān)聯(lián)度分析的我國漁業(yè)經(jīng)濟(jì)產(chǎn)值影響因素評(píng)價(jià)[J].漁業(yè)信息與戰(zhàn)略，2014，29（3）：192-198.

[4]R Doshi，U Diwekar，PT Benavides et al.Maximizing sustainability of ecosystem model through socio-economic policies derived from

multivariable optimal controltheory[J].Clean Technologies&Environmental Policy，2015，17（17）：1573-1583.

[5]張耀光，劉鍇，劉桂春.海洋漁業(yè)產(chǎn)業(yè)發(fā)展模式研究——以大連獐子島漁業(yè)集團(tuán)為例[J].經(jīng)濟(jì)地理，2009，29（2）：244-248.

[6]權(quán)錫鑒，王乃峰.基于不同組織體制的海洋漁業(yè)發(fā)展模式研究[J].中國漁業(yè)經(jīng)濟(jì)，2015，33（2）：4-10.

[7]孫吉亭，趙玉杰.我國碳匯漁業(yè)發(fā)展模式研究[J].東岳論叢，2011，32（8）：150-155.

[8]Ferdous Ahamed，Bernerd Fulanda，Muhammad Abu Bakar Siddik et al.An overview of freshwater prawn fishery in Bangladesh：present status and future prospect[J].Journal of Coastal Life Medicine，2014，2（7）：580-588.

[9]楊林，楊廣勇.漁業(yè)貸款與漁業(yè)經(jīng)濟(jì)增長相關(guān)性的實(shí)證研究[J].中國漁業(yè)經(jīng)濟(jì)，2011，29（2）：145-151.

[10]熊德平，孫佳.中國金融發(fā)展的漁業(yè)經(jīng)濟(jì)增長效應(yīng)——基于人均GDP和勞動(dòng)生產(chǎn)率視角的省級(jí)面板數(shù)據(jù)GMM估計(jì)[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2014，34（3）：97-107.

[11]T Sigfusson，R Arnason，K Morrissey.The economic importance of the Icelandic fisheries cluster-Understanding the role of fisheries in a small economy[J].Marine Policy，2013，39（3）：154-161.

[12]王健，劉荷，2014.區(qū)域物流發(fā)展的影響因素研究——基于福建省的實(shí)證分析[J].華東經(jīng)濟(jì)管理（3）：22-27.

[13]鄭莉，段冬梅，陸鳳彬，等.我國豬肉消費(fèi)需求量集成預(yù)測(cè)——基于ARIMA、VAR和VEC模型的實(shí)證[J].系統(tǒng)工程理論與實(shí)踐，2013，33（4）：918-925.

[14]劉驍毅，2013.股指期貨對(duì)我國股票市場指數(shù)結(jié)構(gòu)性變化以及波動(dòng)性影響的實(shí)證研究[J].生產(chǎn)力研究（2）：54-57.

[15]趙自然，2014.QFII持續(xù)快速擴(kuò)容的原因分析——基于VAR模型與Johansen協(xié)整檢驗(yàn)[J].生產(chǎn)力研究（5）：67-71.

[16]史麗媛，2012.保險(xiǎn)與經(jīng)濟(jì)增長引致關(guān)系研究[J].生產(chǎn)力研究（1）：94-95，109.

[17]徐諒慧，李加林，馬仁鋒，等，2014.浙江省海洋主導(dǎo)產(chǎn)業(yè)選擇研究——基于國家海洋經(jīng)濟(jì)示范區(qū)建設(shè)視角[J].華東經(jīng)濟(jì)管理（3）：12-15.

（責(zé)任編輯：C校對(duì)：R）

F127.31；F326.4

A

1004-2768（2016）11-0089-05

2016-09-12

管純鳳（1990-），女，遼寧大連人，遼寧師范大學(xué)城市與環(huán)境學(xué)院碩士研究生，研究方向：經(jīng)濟(jì)地理；李永化（1960-），男，遼寧朝陽人，遼寧師范大學(xué)城市與環(huán)境學(xué)院教授，研究方向：自然地理。