海洋新區(qū)政策對沿海地區(qū)經(jīng)濟效率的影響研究
——以舟山海洋新區(qū)為例

鄭 奕，劉觀園

（上海海洋大學(xué) a.信息學(xué)院；b.經(jīng)濟管理學(xué)院，上海 201306）

引 言

為了促進(jìn)改革開放，優(yōu)化產(chǎn)業(yè)布局，提高經(jīng)濟發(fā)展的質(zhì)量和效益，我國實施了設(shè)立國家級新區(qū)的戰(zhàn)略。國家級新區(qū)是由國務(wù)院批準(zhǔn)設(shè)立，承擔(dān)國家重大發(fā)展和改革任務(wù)的國家級綜合功能區(qū)，其擔(dān)負(fù)著帶動區(qū)域經(jīng)濟發(fā)展、引領(lǐng)全面改革開放、推動體制機制創(chuàng)新、促進(jìn)產(chǎn)城融合和城鄉(xiāng)一體發(fā)展等方面的重要職責(zé)。隨著國家級新區(qū)設(shè)立的數(shù)量不斷增加，適時對已建成的國家級新區(qū)促進(jìn)地區(qū)經(jīng)濟發(fā)展的質(zhì)量進(jìn)行評估，有利于在高速度向高質(zhì)量經(jīng)濟發(fā)展的轉(zhuǎn)型中，為其他新區(qū)的建設(shè)提供借鑒，進(jìn)一步提高經(jīng)濟發(fā)展效益。

2011年6月，國務(wù)院正式批準(zhǔn)設(shè)立浙江舟山群島新區(qū)，舟山成為首個以海洋經(jīng)濟為主題的國家級新區(qū)，新區(qū)范圍與舟山市行政區(qū)域一致，總面積為2.22萬平方公里，其中海域面積達(dá)2.08萬平方公里。舟山陸域面積小，海域面積大，海洋經(jīng)濟是其經(jīng)濟發(fā)展的重點。因此，舟山群島新區(qū)的設(shè)立是我國一項重要的海洋經(jīng)濟戰(zhàn)略決策?？陀^評估該政策能否有效促進(jìn)舟山經(jīng)濟發(fā)展，不僅有利于分析其在地區(qū)經(jīng)濟發(fā)展中的作用，探索沿海地區(qū)的經(jīng)濟發(fā)展模式；還有利于促進(jìn)舟山成為浙江海洋經(jīng)濟發(fā)展的先導(dǎo)區(qū)和長三角地區(qū)海洋經(jīng)濟發(fā)展的重要增長極，推動我國海洋經(jīng)濟的進(jìn)一步發(fā)展。

關(guān)于舟山新區(qū)的研究已有很多。在經(jīng)濟建設(shè)方面，研究在以下三個方面比較集中。首先是關(guān)于經(jīng)濟發(fā)展戰(zhàn)略方面的研究：如易開剛（2014）依據(jù)經(jīng)濟地理學(xué)中的“極化效應(yīng)”理論，提出了提升舟山群島新區(qū)極化效應(yīng)的戰(zhàn)略協(xié)同機制、空間優(yōu)化機制、要素集聚機制和溝通協(xié)調(diào)機制[1]。郭力泉等（2015）以舟山市科技統(tǒng)計數(shù)據(jù)為基礎(chǔ)，研究認(rèn)為海洋科技進(jìn)步是引領(lǐng)舟山群島新區(qū)建設(shè)發(fā)展的重要基礎(chǔ)和核心動力，并提出了舟山群島新區(qū)實施創(chuàng)新驅(qū)動發(fā)展的戰(zhàn)略[2]。其次是關(guān)于具體產(chǎn)業(yè)或項目的經(jīng)濟研究：如汪自書等（2013）從港口物流、修造船、水產(chǎn)品加工和海洋旅游等角度提出了未來的產(chǎn)業(yè)發(fā)展路徑[3]。王文佳等（2013）對新區(qū)發(fā)展航運金融服務(wù)業(yè)進(jìn)行分析，提出了新區(qū)航運金融服務(wù)體系的基本架構(gòu)[4]。崔松巖（2014）從舟山群島新區(qū)港口物流信息化建設(shè)現(xiàn)狀及存在的問題入手，提出了舟山港口物流信息化建設(shè)的保障措施[5]。第三方面是通過和其他地區(qū)的比較來分析舟山的優(yōu)勢和不足：如范巧等（2017）考察了成立5年以上的浦東、濱海、兩江、舟山群島4個國家級新區(qū)輻射帶動中國各省份發(fā)展的能力狀況，認(rèn)為舟山群島新區(qū)已基本形成區(qū)域增長極[6]。彭勃（2013）則通過比較舟山、寧波、上海三個港口的區(qū)位勢，提出了舟山群島新區(qū)港口發(fā)展思路及相應(yīng)的保障措施[7]。

上述研究對舟山經(jīng)濟的發(fā)展提出了很多有益的建議，但這些研究在理論上的定性分析較多，量化分析的實證研究較少。尤其是關(guān)于新區(qū)的設(shè)立是否促進(jìn)了舟山經(jīng)濟增長的質(zhì)量的相關(guān)實證研究在已有報道中很少看見，而其又是經(jīng)濟新常態(tài)下進(jìn)一步推動地區(qū)經(jīng)濟發(fā)展所需解決的重要問題。由于“在國家層面上，‘競爭力’的唯一含義就是國家的生產(chǎn)效率”，而國家生產(chǎn)效率又主要反映在節(jié)點城市和大城市的生產(chǎn)效率上[8]。因此分析城市經(jīng)濟效率可以反映該地區(qū)的經(jīng)濟發(fā)展質(zhì)量。故本文擬從經(jīng)濟效率角度研究國家新區(qū)政策是否有效地提高了舟山經(jīng)濟發(fā)展的質(zhì)量，以便于為我國沿海地區(qū)經(jīng)濟發(fā)展進(jìn)一步的戰(zhàn)略規(guī)劃提供借鑒。為此，本文創(chuàng)造性地將數(shù)據(jù)包絡(luò)分析與反事實分析兩種研究方法相結(jié)合，主要研究思路是：以舟山市為實驗組，選擇與其行政級別相近的江浙皖部分地級市作為控制組，首先利用1995-2015年的經(jīng)濟數(shù)據(jù)，運用數(shù)據(jù)包絡(luò)分析理論量化評價上述城市自1995-2015年的經(jīng)濟效率，然后運用反事實分析方法實證研究新區(qū)政策對舟山經(jīng)濟效率的影響。

1 方法與數(shù)據(jù)

1.1 方法的選取

評估舟山群島新區(qū)成立對舟山經(jīng)濟的影響，理論上可以選取影響新區(qū)經(jīng)濟因素指標(biāo)，建立回歸模型后進(jìn)行評估。常用的基于回歸的評估政策效應(yīng)的方法有聯(lián)立方程組模型、VAR模型以及DSGE模型，然而，這些方法都有諸多嚴(yán)格的假定，使用起來并不容易。例如，聯(lián)立方程組模型依賴于變量先驗的外生性和內(nèi)生性假定，VAR模型則存在變量維數(shù)限制和經(jīng)濟機理解釋的困難。

鑒于此，經(jīng)濟學(xué)家們將準(zhǔn)實驗方法應(yīng)用于宏觀政策評價中。準(zhǔn)實驗方法將項目、政策視為一項實驗，試圖在精心設(shè)計的實驗條件下，為實驗組找到一個自然產(chǎn)生的對照組。準(zhǔn)實驗方法包含工具變量（instrumentalvariables，IV），雙重差分（DID），以及斷點回歸（RD） 等方法。但上述方法都有其各自局限性，如DID法必須滿足隨機性假設(shè)，即必須通過隨機化排除那些無法控制因素的影響，從而控制所有可能影響實驗結(jié)果的無關(guān)因素；同時還需具備同質(zhì)性假設(shè)，即實驗組和控制組的樣本除實驗者所操縱的實驗變項（政策沖擊）不同外，其余各方面都應(yīng)達(dá)到近乎相等或完全相似的程度。為改進(jìn)這些方法，Hsiao等（2010） 提出了一種基于面板數(shù)據(jù)的衡量政策效應(yīng)的新方法，它利用面板系統(tǒng)各截面之間因共同驅(qū)動因子而產(chǎn)生的聯(lián)系構(gòu)建實驗組個體的“反事實”。一方面，此方法認(rèn)為經(jīng)濟系統(tǒng)的一些共同因子驅(qū)動著截面上各個體的經(jīng)濟運行，雖然它們的影響程度不同，但在截面上具有一定聯(lián)動性或相關(guān)性，故可由政策發(fā)生前實驗組和控制組相關(guān)關(guān)系的估計來預(yù)測政策發(fā)生后實驗組的“反事實”，從而放松DID法必需的隨機性假設(shè)。另一方面，此方法可克服宏觀政策評價中存在的因果關(guān)系不明確、理論建模復(fù)雜、遺漏變量、時間序列數(shù)據(jù)不足等困難，一定程度上可降低變量選擇與估計方法對實證結(jié)果穩(wěn)健性的干擾。

盡管基于面板數(shù)據(jù)的反事實分析方法提出時間不長，但已經(jīng)在政策效應(yīng)評估上得到很多應(yīng)用。利用此方法，Hsiao等（2010） 使用由24個國家組成的控制組來評估香港回歸大陸后的政治和經(jīng)濟一體化的影響[9]。Ching等（2011）則評估了中國加入世貿(mào)組織的影響[10]。趙捷等（2017）依據(jù)中國與中巴經(jīng)濟走廊沿線貿(mào)易伙伴國的貿(mào)易數(shù)據(jù)，測算了中巴經(jīng)濟走廊貫通將造成的經(jīng)濟效應(yīng)[11]。譚娜等（2015），殷華等（2017） 和王利輝等（2017） 分別對上海自貿(mào)區(qū)對上海經(jīng)濟的增長效應(yīng)和上海自貿(mào)區(qū)產(chǎn)生的“制度紅利”等進(jìn)行了評估[12-14]。這些研究，使反事實方法在宏觀政策績效評價中的適用性得到了充分的驗證。基于此，本文選擇利用“反事實”方法探究設(shè)立舟山群島新區(qū)的政策對舟山地區(qū)經(jīng)濟效率的影響。

1.2 指標(biāo)與數(shù)據(jù)

“反事實分析”方法要求所收集的數(shù)據(jù)截面須滿足政策實施前時期長于政策實施后時期?？紤]到舟山群島新區(qū)2011年6月正式設(shè)立，且在2010年5月國務(wù)院已提出“建設(shè)浙江舟山海洋綜合開發(fā)試驗區(qū)”規(guī)劃，故本文收集1995-2010年的16年數(shù)據(jù)反映舟山群島新區(qū)設(shè)立前的經(jīng)濟狀況。又考慮到2015年12月，國務(wù)院批準(zhǔn)在舟山設(shè)立大宗商品交易中心——中國（浙江）大宗商品交易中心，為避免該因素干擾對新區(qū)設(shè)立的經(jīng)濟影響的分析，故本文以2011-2015年的5年數(shù)據(jù)反映新區(qū)設(shè)立后的經(jīng)濟狀況，這樣收集的數(shù)據(jù)既能充分滿足反事實分析的要求，又有利于減少新區(qū)設(shè)立之外的其他因素的干擾。

Hsiao等（2010） 認(rèn)為經(jīng)濟發(fā)展中存在著一些公共因子驅(qū)動著截面上的各個個體，這些因子對每個個體的影響程度不同，但卻使得截面之間具有某種相關(guān)性。如影響經(jīng)濟增長的因素（人口、資本、技術(shù)等）一般在地區(qū)范圍內(nèi)存在共性，盡管這些公共因子對各地區(qū)經(jīng)濟發(fā)展的作用程度不同，但他們的存在使得各地區(qū)的經(jīng)濟具有相關(guān)性[9]。基于上述思想，為在研究新區(qū)設(shè)立對舟山地區(qū)經(jīng)濟的影響時，將這些公共因子的作用分離出去，本文將設(shè)立新區(qū)的舟山作為接受政策實驗的個體構(gòu)成實驗組，并選擇與舟山地緣相近，文化相親，行政體制均為地級市的部分長三角城市構(gòu)成新區(qū)政策實驗中的控制組?？刂平M中的城市，既有位于與舟山臨近的沿海地區(qū)，也有位于內(nèi)陸地區(qū)的；既有經(jīng)濟發(fā)達(dá)城市，也有欠發(fā)達(dá)城市。本文認(rèn)為經(jīng)濟大環(huán)境對這些城市的影響和對舟山市的影響具有相關(guān)性。

關(guān)于控制組中城市的選擇原則，首先是要能完整獲取1995-2015年間所需的經(jīng)濟數(shù)據(jù)。一些城市由于在本文分析的21年間行政區(qū)劃發(fā)生變化而被剔除。如2011年安徽省撤銷地級巢湖市，并將其所轄的一區(qū)四縣行政區(qū)劃分別劃歸合肥、蕪湖、馬鞍山三市管轄。為避免由于行政區(qū)劃變化而產(chǎn)生的相關(guān)城市經(jīng)濟數(shù)據(jù)在統(tǒng)計上的變化，對照組中將巢湖、合肥、蕪湖和馬鞍山四個城市予以剔除。其次，根據(jù)Hsiao等（2012） 的假定[15]，要求所選城市的經(jīng)濟變化與舟山群島新區(qū)設(shè)立的政策實施相互獨立，也就是說控制組中地區(qū)變量的選擇要使得本地區(qū)與舟山經(jīng)濟聯(lián)系較小。根據(jù)舟山經(jīng)濟往來信息及地理位置的周邊情況，排除了上海、杭州、寧波、嘉興、紹興、臺州6個地區(qū)。最后，本文選擇南京、無錫、常州、蘇州、南通、連云港、鹽城、揚州、鎮(zhèn)江、溫州、湖州、金華、衢州、蚌埠、淮南、淮北、銅陵、安慶、黃山、滁州等20個城市組成控制組。首先計算包含舟山市在內(nèi)的這21個地級城市的經(jīng)濟效率，然后利用計算結(jié)果進(jìn)一步分析新區(qū)政策對舟山經(jīng)濟效率的影響。

2 效率分析

本節(jié)對上文選定的江浙皖21個地級市的經(jīng)濟效率進(jìn)行測算，其結(jié)果既為下文從效率的角度進(jìn)行反事實分析做準(zhǔn)備，也有助于這些地區(qū)通過經(jīng)濟效率的評價及時發(fā)現(xiàn)和改進(jìn)不足，促進(jìn)要素資源在空間的合理組織和配置，提高區(qū)域治理能力和經(jīng)濟發(fā)展的質(zhì)量。

2.1 超效率DEA模型

DEA （data envelopment analysis，DEA） 方法以其適用于多投入和多產(chǎn)出數(shù)據(jù)的優(yōu)勢，在效率評價方面得到了廣泛應(yīng)用。DEA方法由Charnes等（1978） 提出，旨在評價“多投入多產(chǎn)出”模式下決策單元間的相對有效性[16]。在DEA模型中，如果出現(xiàn)多個決策單元（DMU） 同時有效，即都有效率值θ=1，那么該方法就不能對有效的DMU進(jìn)行進(jìn)一步的評價。于是，Anderson等（1993） 創(chuàng)立了超效率DEA模型[17]。超效率DEA模型和傳統(tǒng)DEA模型的差別在于：在對某DMU進(jìn)行效率評價時，先將該DMU排除在生產(chǎn)可能集之外。因此在測評時，就無效的DMU而言，生產(chǎn)前沿面同傳統(tǒng)DEA模型一致，該DMU最終效率值與用傳統(tǒng)DEA模型測量出來的一樣；但就有效DMU而言，生產(chǎn)前沿面同傳統(tǒng)DEA模型相比可能后移，這時其測定出的效率值就可能大于利用傳統(tǒng)DEA模型測定的最有效效率值1。超效率DEA模型能對傳統(tǒng)有效前沿面上的評價對象進(jìn)一步評價，辨別傳統(tǒng)DEA模型中有效DMU之間的差異，并對其進(jìn)行有效排序。它克服了傳統(tǒng)DEA模型無法對多個有效決策單元做出進(jìn)一步評價和比較的缺陷，因而該模型較傳統(tǒng)DEA模型得到了更廣泛應(yīng)用。對決策單元q（q=1，2，…，n），超效率DEA模型可表示為：

式中θ表示決策單元的效率值，x和y分別為輸入和輸出變量，λ表示有效DMU中的組合比例，且Σλ＞1，Σλ=1和Σλ＜1分別表明規(guī)模收益遞增、規(guī)模收益不變和規(guī)模收益遞減；n為決策單元的數(shù)量；m和r分別為投入和產(chǎn)出變量的個數(shù)。和均為松弛變量，分別為投入超量和產(chǎn)出虧量，即分別表示投入過多和產(chǎn)出過少。當(dāng)θ＜1時，則表明決策單元非有效，需要改進(jìn)。當(dāng)θ大于或等于1，則決策單元都處于傳統(tǒng)DEA模型中的有效狀態(tài)，但可以按數(shù)字由大到小進(jìn)一步對他們的有效狀態(tài)進(jìn)行排序。

2.2 江浙皖21個地級市經(jīng)濟效率分析

以城鎮(zhèn)單位從業(yè)人員期末人數(shù)，行政區(qū)域土地面積，公共財政支出和固定資產(chǎn)投資為四項投入要素指標(biāo)，以地區(qū)生產(chǎn)總值作為產(chǎn)出要素指標(biāo)，從1996-2016年的《中國城市統(tǒng)計年鑒》中收集了舟山，以及南京、無錫、常州、蘇州、南通、連云港、鹽城、揚州、鎮(zhèn)江、溫州、湖州、金華、衢州、蚌埠、淮南、淮北、銅陵、安慶、黃山、滁州共21個城市1995-2015年的相關(guān)數(shù)據(jù)共2 205個（限于篇幅，不在文中列出），利用式1所示的超效率模型，借助EMS軟件，計算得到上述21個城市的21年間的經(jīng)濟效率（見表1）。

率效濟經(jīng)的市城2 1皖浙江年5 0 1 2-9 5 1 9 1表差極市州滁市山黃市慶安市陵銅市北淮市南淮市埠蚌市州衢市華金市州湖市州溫市江鎮(zhèn)市州揚市城鹽港云連市通南市州蘇市州常市錫無市京南市山舟份年1.2 3 0.9 7 0.4 4 0.6 5 0.3 4 0.4 5 0.3 0 0.8 1 0.8 2 1.5 3 0.8 4.0 8 1.0 4 1.9 5 0.9 6 0.5 6 0.8 5 0.2 7 1.9 5 0.5 4 1.6 0 0.7 0 0 9 9 5 1 5 1.7 0.9 1 0.9 2 0.8 8 0.3 5 0.5 4 0.3 2 0.8 4 0.8 1 2.0 6 0.8 2.9 8 0.0 1 1.6 7 0.0 0 1.8 0 0.9 0 0.1 9 1.8 5 0.5 9 1.6 1 0.5 8 0 9 9 6 1 7 1.5 0 1.5 0.9 7 0.9 8 0.6 5 0.7 8 0.5 9 1.1 3 0.8 6 2.1 6 0.8 7.7 9 0.8 9 0.7 8 0.9 1 0.6 8 0.8 2 0.1 1 1.9 0 0.5 5 1.6 1 0.5 9 0 9 9 7 1 2 1.7 9 0.9 0.6 6 0.6 6 0.2 9 0.2 8 0.3 5 0.6 0 0.6 2 2.0 0 0.9 4.8 7 0.8 5 0.7 2 0.0 9 1.4 8 0.0 0 1.1 6 1.6 9 0.5 4 1.5 5 0.4 7 0 9 9 8 1 4 1.2 0.5 8 0.4 1 0.3 7 0.2 4 0.1 7 0.3 3 0.3 7 0.3 5 0.7 8 0.5 4.4 5 0.4 0 1.1 1 1.2 1 1.1 3 1.9 3 0.5 5 0.1 8 1.8 6 0.4 6 0.3 2 0 9 9 9 1 1.4 8 1.1 6 0.5 1 0.6 0 0.3 5 0.3 4 0.4 7 0.4 7 0.5 5 1.8 2 0.9 9.7 9 0.9 9 0.9 3 0.0 4 1.5 5 0.9 0 0.1 0 1.7 3 0.4 2 1.6 0 0.5 0 0 0 0 0 2 9 0.9 1.2 3 0.5 3 0.6 8 0.4 5 0.5 5 0.7 5 0.5 7 0.5 9 1.3 7 0.9 4.9 2 0.0 6 1.7 9 0.4 5 1.5 8 0.0 4 1.0 3 1.9 3 0.4 1 1.6 0 0.5 4 0 0 0 1 2 3 1.1 6 1.0 0.4 9 0.6 1 0.4 4 0.5 8 0.6 7 0.5 3 0.6 3 1.2 8 0.9 7.0 5 1.8 8 0.7 4 0.5 7 1.5 8 0.0 3 1.1 8 1.7 7 0.3 5 1.6 0 0.4 9 0 0 0 2 2 3 0.8 1.4 7 0.6 4 0.7 7 0.7 7 0.8 3 1.0 8 0.7 5 0.6 3 0.8 8 0.9 3.9 8 0.1 0 1.9 4 0.9 7 0.7 1 0.9 3 0.9 2 0.8 7 0.2 0 1.7 5 0.7 0 0 0 0 3 2 3 0.7 2 1.3 0.5 9 0.8 4 0.8 5 0.8 9 0.8 8 0.8 4 0.6 0 0.8 5 0.9 4.0 8 1.0 6 1.9 4 0.9 2 0.7 2 0.9 2 0.0 3 1.8 6 0.2 1 1.7 2 0.7 0 0 0 0 4 2 9 0.6 0.9 8 0.5 9 0.9 4 0.9 1 0.8 4 0.7 2 0.8 6 0.6 3 0.8 9 0.8 8.2 7 1.0 3 1.9 2 0.8 5 0.6 0 0.9 8 0.0 0 1.8 5 0.2 8 1.8 0 0.7 6 0 0 0 5 2 3 0.8 0.9 1 0.5 0 0.8 8 1.0 1 0.7 3 0.6 5 0.9 4 0.6 2 0.9 6 0.8 7.0 8 1.0 1 1.9 4 0.8 7 0.5 8 0.9 9 0.0 1 1.8 6 0.3 3 1.7 5 0.6 7 0 0 0 6 2 9 0.8 0.6 7 0.4 4 0.6 7 0.9 1 0.6 8 0.5 9 0.7 5 0.6 3 1.0 7 0.8 9.1 1 1.0 4 1.9 2 0.7 9 0.5 2 0.9 6 0.0 3 1.8 5 0.3 3 1.7 4 0.6 2 0 0 0 7 2 8 0.7 7 0.5 0.4 2 0.6 0 0.7 2 0.6 7 0.7 0 0.6 7 0.6 6 1.0 7 0.8 8.1 4 1.1 2 1.9 0 0.7 4 0.5 0 0.9 1 0.0 7 1.9 1 0.2 0 1.7 3 0.6 0 0 0 0 8 2 0.8 1 0.4 7 0.4 0 0.4 9 0.5 8 0.5 8 0.6 6 0.5 6 0.5 9 1.0 1 0.8 3.1 0 1.1 2 1.9 1 0.7 1 0.5 1 0.9 1 0.2 1 1.9 4 0.1 4 1.7 5 0.5 6 0 0 0 9 2 3 0.8 0.5 2 0.4 2 0.5 6 0.6 8 0.6 0 0.6 5 0.5 2 0.6 3 0.9 8 0.8 8.1 7 1.0 5 1.9 2 0.6 7 0.5 0 0.9 1 0.2 6 1.1 3 1.1 5 1.8 0 0.6 0 0 0 1 0 2 0 0.7 6 0.5 0.4 8 0.5 8 0.7 1 0.5 5 0.5 9 0.5 0 0.7 1 1.1 4 0.8 7.8 3 0.9 8 0.8 6 0.6 9 0.5 3 0.8 4 0.1 4 1.8 9 0.1 8 1.7 9 0.6 4 0 0 1 1 2 0 0.7 6 0.5 0.4 6 0.6 0 0.5 7 0.5 1 0.6 3 0.4 7 0.7 3 1.0 3 0.8 5.8 2 0.9 6 0.8 8 0.6 9 0.5 4 0.7 7 0.1 0 1.9 2 0.1 6 1.8 0 0.6 4 0 0 1 2 2 0.8 4 0.7 7 0.6 4 0.6 5 0.6 9 0.5 7 0.4 7 0.6 2 0.8 2 0.9 7 0.9 5.8 1 0.0 0 1.9 0 0.7 4 0.6 4 0.7 7 0.1 0 1.9 7 0.3 1 1.8 3 0.8 0 0 0 1 3 2 5 0.6 0.8 3 0.6 6 1.0 4 0.9 0 1.1 0 0.8 0 0.8 5 1.0 8 1.1 0 0.9 6.9 7 0.0 2 1.0 4 1.8 1 0.6 7 0.8 7 0.2 7 1.0 4 1.3 0 1.9 1 0.8 5 0 0 1 4 2 0.8 9 0.7 3 0.6 2 0.5 9 0.7 6 0.5 3 0.5 6 0.6 8 0.7 6 0.7 7 0.7 6.7 8 0.9 2 0.8 5 0.6 9 0.6 2 0.7 9 0.3 5 1.0 5 1.2 8 1.9 2 0.4 6 0 0 1 5 2 1 1.0 9 0.8 0.5 6 0.7 0 0.6 3 0.6 1 0.6 1 0.6 8 0.6 8 1.2 2 0.8 8.9 5 0.0 3 1.8 9 0.9 2 0.6 2 0.9 1 0.0 9 1.9 1 0.3 0 1.7 1 0.6 1 0均平。差之值小最與大最率效中年一同為差極：注

表1計算結(jié)果顯示，21個地級市從地域分布看，無錫、蘇州、金華和鎮(zhèn)江市的平均效率較高，均大于1；從時間序列看，每年最高和最低效率間的極差有縮小的趨勢。如1995-2000年間的效率極差均超過了1.2，而2003-2015年的13年間，極差均不超過0.89。鑒于DEA理論中效率的相對性，這個現(xiàn)象說明近些年長三角經(jīng)濟一體化發(fā)展促進(jìn)了要素的合理配置，避免了經(jīng)濟效率上的兩極分化。同時也注意到，舟山市的經(jīng)濟效率在這些城市中一直處于相對較低水平，需要評估舟山群島新區(qū)政策對舟山市的經(jīng)濟效率的促進(jìn)作用。

3 設(shè)立新區(qū)的經(jīng)濟效應(yīng)分析

雖然由表1可見，舟山群島新區(qū)設(shè)立（2011年）后舟山地區(qū)經(jīng)濟超效率值仍然呈現(xiàn)波動變化，但這并不能說明舟山群島新區(qū)政策對舟山經(jīng)濟效率的影響。因為經(jīng)濟效率是多種因素共同作用下經(jīng)濟變化的結(jié)果，新區(qū)政策的實際作用還需要通過從其他影響因素中分離出來后進(jìn)行分析。

3.1 理論模型構(gòu)建

設(shè)研究時期從t=1期到t=T期，研究涉及的全部城市為N個，是yit舟山（i=1） 和其他N-1個城市（i=2，3，…，N） 的經(jīng)濟效率指標(biāo)。由于影響一個地區(qū)經(jīng)濟效率的因素除了有該地區(qū)的特殊效應(yīng)，也有經(jīng)濟大環(huán)境中的許多公共因子，如人口、資本、技術(shù)等，雖然這些因子對不同地區(qū)的影響程度不同，但在時間截面上具有一定的相關(guān)性，因此各城市經(jīng)濟效率可由如下因子（因子可能是多個且未知的）模型表示：

其中ft（K×1） 為K維隨時間t變化的影響經(jīng)濟效率的公共因子向量，（K×1） 是K維隨地區(qū)i變化的系數(shù)向量，αi是地區(qū)i的固定效應(yīng)，εit是隨機擾動項，滿足。E（εit）=0。記為i城市第t年時沒有受舟山群島新區(qū)設(shè)立經(jīng)濟影響的城市的經(jīng)濟效率，而是受新區(qū)設(shè)立經(jīng)濟影響的i地區(qū)第t年時的經(jīng)濟效率。若以舟山群島新區(qū)設(shè)立前的2010年為T1期，當(dāng)新區(qū)無論成立與否對該城市的經(jīng)濟效率yit均沒有影響時，則：

若新區(qū)成立前對舟山經(jīng)濟效率無影響，成立之后有影響，則

若定義虛擬變量dit：dit=1表示i地區(qū)在t時期的經(jīng)濟效率受政策干預(yù)，dit=0表示其未受政策干預(yù)。則i地區(qū)第t年時的經(jīng)濟效率一般的可表示為：

這里假設(shè)舟山市以外的其他N-1個城市的地區(qū)宏觀經(jīng)濟增長特有的隨機構(gòu)成成分與政策干預(yù)變量dit是條件獨立的，即

由于（2） 式中ft在宏觀經(jīng)濟中不易觀察，“反事實分析”方法建議在研究期內(nèi)利用代替ft來擬合y1t?，F(xiàn)令舟山群島新區(qū)設(shè)立后影響舟山經(jīng)濟效率y1t的處理效應(yīng) Δ1t為但由于在時間T1后實際上是觀測不到的，因此無法直接計算Δ1t。為此，“反事實分析”方法認(rèn)為，面板系統(tǒng)截面上不同個體之間由于共同因子的作用，互相之間存在聯(lián)系，故當(dāng)政策在T1年發(fā)生后，可利用未受到政策干預(yù)的對照組的信息來預(yù)測假設(shè)政策未發(fā)生時實驗組個體在T1+1，…，T時期內(nèi)的宏觀經(jīng)濟指標(biāo)。即首先在t=1，2，…T1，時期內(nèi)，利用實際觀察到的時間序列數(shù)據(jù)代替（2） 式中的ft來擬合得到擬合值，通過不同回歸結(jié)果的比較，在對照組中恰當(dāng)?shù)剡x擇M個城市組成控制組，形成最優(yōu)擬合：

然后利用控制組的實際觀察值，根據(jù)（3）進(jìn)行的樣本外預(yù)測，推出實驗組個體在t=T1+1，…，T時期內(nèi)的宏觀經(jīng)濟指標(biāo)的“反事實”值。即：

根據(jù)上述反事實分析的理論，由于可以認(rèn)為前文選擇的20個未受到新區(qū)政策干預(yù)的地級市在同一時期的經(jīng)濟效率都受到和舟山市相同的共同因子的影響，盡管這些共同因子對各個地區(qū)經(jīng)濟發(fā)展的驅(qū)動程度不同，但導(dǎo)致了時間截面上各城市經(jīng)濟數(shù)據(jù)之間存在相關(guān)性，因此可以利用這20個未受到新區(qū)政策干預(yù)的地級市構(gòu)成的控制組的信息來推測若新區(qū)政策未發(fā)生時的舟山市2011年后的“反事實”的經(jīng)濟效率。

由（4） 式推出的T1+1年后的反事實的地區(qū)生產(chǎn)總值，可得舟山新區(qū)設(shè)立后影響舟山地區(qū)生產(chǎn)總值指標(biāo)的處理效應(yīng)Δ1t的估計如下：

Hsiao等證明[15]式（5） 是實際處理效應(yīng)Δ1的一致性估計。模擬結(jié)果顯示，上述預(yù)測方法得到的處理效應(yīng)的誤差較小，且小樣本表現(xiàn)更優(yōu)。因此在式（3）的擬合分析中，可以只挑選面板數(shù)據(jù)中的部分個體作為控制組來構(gòu)建受政策影響個體的“反事實”值。實際操作中，控制組有多種選取方法，本文按照Hsiao[9]的方法，采用如下選擇策略：

第一步，對實驗個體外的N-1個個體，選任意固定的j（j=1，2，…，N-1），在N-1個截面單位中任意挑出j個個體，共可得到種控制組。用實驗個體的經(jīng)濟效率指標(biāo)和各控制組中j個城市的經(jīng)濟效率指標(biāo)擬合，得出反事實值表達(dá)式（3） 式，根據(jù)Akaike信息準(zhǔn)則（AIC）選出對（t=1，…，T1）擬合得最好的一個控制組，記為M*（j），這一過程需要估計和比較2N-1-1種回歸模型。因j=1，2，…，N-1，故重復(fù)這一過程，可挑選出N-1個備選的控制組M*（j），j=1，2，…，N-1。

第二步：利用AIC準(zhǔn)則從M*（1），M*（2），…，M*（N-1）中再挑選一個AIC值最小的控制組作為最優(yōu)控制組M*。

第三步：由控制組M*對應(yīng)的估計模型（4） 進(jìn)行樣本外 （t=T1+1，…，T） 預(yù)測，作為舟山在政策發(fā)生后的“反事實”經(jīng)濟效率值，再由式（5）估計處理效應(yīng)，作為分析依據(jù)。

3.2 實證分析及結(jié)果

由“反事實”分析方法及其步驟，利用實施政策前1995-2010年的數(shù)據(jù)，按照上述理論模型，并根據(jù)AIC準(zhǔn)則，借助STATA軟件選擇最優(yōu)擬合，最終得到由南京市、鎮(zhèn)江市、溫州市、蚌埠市、淮南市、淮北市、安慶市和滁州市組成的最優(yōu)控制組，軟件輸出結(jié)果見表1，回歸方程如下：

式（6） 的擬合優(yōu)度較高，R2達(dá)0.998 2，并且方程總體顯著性檢驗（F檢驗）與變量的顯著性檢驗（t檢驗）都很好地通過。擬合值與實際值間的比較見圖1，可以看出1995-2010年，選取的最優(yōu)控制組確實能很好地擬合樣本值。

表2 1995-2010年舟山經(jīng)濟效率最優(yōu)擬合系數(shù)及其檢驗值

圖1 最優(yōu)控制組回歸值與樣本值的比較

利用擬合后的方程式（6） 進(jìn)行樣本外預(yù)測，得出若2011-2015年舟山未受到新區(qū)設(shè)立政策影響的“反事實”超效率值，并將實際值減去“反事實”值得出處理效應(yīng)見表3。

表3 舟山市經(jīng)濟超效率的實際值與反事實值

由表3可見，2011-2014年新區(qū)政策的處理效應(yīng)均大于0，且2011-2014年處理效應(yīng)由0.222 6逐年上漲到0.304 9，表明舟山市的經(jīng)濟效率在這些年相對其原有水平有明顯提升，新區(qū)政策確實有效地促進(jìn)了舟山地區(qū)的經(jīng)濟發(fā)展質(zhì)量。但在2015年，處理效應(yīng)小于0，顯示政策的刺激作用幾乎消失，表明新區(qū)政策對區(qū)域經(jīng)濟效率直接的刺激作用雖然有效，但持續(xù)時間有限，也就是說舟山市這幾年由政策刺激獲得的經(jīng)濟效率的提高不具有持續(xù)性。因此有必要及時改進(jìn)與完善舟山經(jīng)濟發(fā)展的路徑，通過自身的積極作為進(jìn)一步發(fā)揮“政策紅利”作用，促進(jìn)地區(qū)經(jīng)濟持續(xù)的高質(zhì)量發(fā)展。

3.3 理論模型的穩(wěn)定性檢驗

上述研究結(jié)果顯示，舟山群島新區(qū)的成立促進(jìn)了舟山地區(qū)經(jīng)濟效率的提高。但這種正效應(yīng)是否具有偶然性，即是否是由于選擇2010年這個時間點偶然引起的，需要進(jìn)一步驗證。設(shè)計檢驗方法為：選擇舟山群島新區(qū)成立之前的任一時間點代替上述模型中的2010年，然后進(jìn)行類似反事實分析。若得到的擬合結(jié)果仍然與上述結(jié)果相同，即仍然在2011年開始處理效應(yīng)為正，說明上述理論模型是穩(wěn)定的，政策實施確實發(fā)揮了作用；反之，則表明該模型是不穩(wěn)定的。

現(xiàn)假設(shè)舟山群島新區(qū)成立提前兩年，用以擬合的時間段為1995-2008年，“反事實”預(yù)測的時間段為2009-2015年。類似上文進(jìn)行反事實分析后得到以南京、鎮(zhèn)江、溫州等10個城市為一組的最優(yōu)控制組，擬合效果很好。擬合系數(shù)及其檢驗值見表4，回歸方程為：

用式（7） 預(yù)測2009-2015年的“反事實”值，并將其與實際效率值（真實值）共同列于圖2。可以看到，盡管用以擬合的數(shù)據(jù)只到2008年，但2009-2010年的擬合效果依然較好，且實際值還比“反事實”值略小。但從2011年起，“反事實”值開始處于實際值的下方，模型的處理效應(yīng)結(jié)果與表3中基本一致，說明舟山群島新區(qū)確實在其成立后促進(jìn)了舟山的經(jīng)濟效率，本文的理論模型是穩(wěn)定的。

表4 1995-2008年舟山經(jīng)濟效率最優(yōu)擬合系數(shù)及其檢驗值

圖2 舟山地區(qū)2009-2015年間實際值與“反事實”值比較（假設(shè)以2009年為政策實施節(jié)點）

4 結(jié)論及建議

利用1995-2015年的經(jīng)濟數(shù)據(jù)，測算了包含舟山市在內(nèi)的共21個江浙皖地級市的經(jīng)濟效率，并以此構(gòu)建“反事實”模型實證研究舟山群島新區(qū)設(shè)立對舟山市經(jīng)濟效率的影響。研究顯示，舟山群島新區(qū)的設(shè)立顯著促進(jìn)了舟山地區(qū)經(jīng)濟效率的提高，表明國家級海洋新區(qū)建設(shè)有利于提高沿海地區(qū)的經(jīng)濟質(zhì)量。但同時也發(fā)現(xiàn)，政策本身的刺激作用在時間上有限。到2015年，新區(qū)政策對舟山經(jīng)濟效率的影響幾乎為零。

分析原因，2011年以來，舟山群島新區(qū)建設(shè)全面拉開框架。舟山固定資產(chǎn)投資年均增長22%以上。波音項目、綠色石化基地、國家遠(yuǎn)洋漁業(yè)基地、寧波舟山港主通道、大陸引水二期、浙能六橫電廠等重大項目分別開工建設(shè)或建成投用。因此這幾年舟山經(jīng)濟效率的提高和其大規(guī)模的投資建設(shè)密不可分。但這種刺激作用持續(xù)性不強，舟山經(jīng)濟要長期高效的發(fā)展，還需要在投資拉動經(jīng)濟發(fā)展的基礎(chǔ)上，乘勢而上，充分利用好國家政策提供的機會，及時調(diào)整發(fā)展自己的特色產(chǎn)業(yè)，大力推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級。

表1的效率計算中也顯示，雖然舟山群島新區(qū)的設(shè)立一定時期內(nèi)提升了舟山的經(jīng)濟效率，但在新區(qū)設(shè)立后最高的效率值也只有0.85，和其他20個城市比，仍未達(dá)到相對有效，說明舟山市經(jīng)濟建設(shè)中的資源配置和管理水平在這些城市中仍未達(dá)到相對最優(yōu)，還有許多進(jìn)一步改進(jìn)與完善的空間。

綜上所述，舟山群島新區(qū)的設(shè)立，確實提高了該地區(qū)的經(jīng)濟效率，但舟山經(jīng)濟要持續(xù)的高質(zhì)量發(fā)展，還有很多工作要做。舟山經(jīng)濟需要繼續(xù)借助國家海洋新區(qū)政策的利好，努力提高經(jīng)濟建設(shè)管理水平，通過供給側(cè)結(jié)構(gòu)性改革，合理配置生產(chǎn)資源，進(jìn)一步解放和發(fā)展生產(chǎn)力，做強、做精海洋特色產(chǎn)業(yè)，以促進(jìn)舟山經(jīng)濟效率的不斷提高。