1数据来源与说明
本次分析所用数据来自2003～2012年的中国渔业统计年鉴。影响渔业经济产值的因素众多，各因素与渔业经济产值的关系错综复杂。根据指标选择的一般性、特殊性、重要性和可得性原则，本次分析选择了较具代表性且较容易获取的十六项指标。数据分别截取了这十年间中国渔业统计年鉴中渔业经济产值及其16项影响因素，其中包含渔业生产产量方面三项(海水养殖产量、淡水养殖产量、海洋捕捞产量);渔业生产要素方面四项(海水养殖面积、淡水养殖面积、海水鱼苗产量、淡水鱼苗产量);渔船投入方面二项(生产渔船数量、辅助渔船数量);劳动力投入方面三项(渔业从业人员、渔业村、渔业户);水产品加工方面四项(淡水加工产品总量、海水加工产品总量、水产加工企业、水产冷库数量)。
2数据整理与分析
2．1无量纲化处理
根据灰色系统理论，由于参考序列和比较序列的量纲不同，因此首先进行无量纲化处理。选用标准差法(公式1)对各因素进行无量纲化处理，其处理结果列于表2中。
2．2计算关联系数和关联度
通过下面的公式(2)计算关联系数ξi(k)=minimink△i(k)+ρmaximaxk△i(k)△i(k)+ρmaximaxk△i(k)(2)其中，ξi(k)表示Xi对X0在k点的灰色关联系数，△i(k)表示表3中列出的数值，minimink△i(k)表示二级最小差的绝对值，即一级最小差中的最小值，mink△i(k)则表示二级最大差，为灰色分辨系数，其取值范围为0－1，这里选用一般值0．5进行计算;另外，根据表3可知，minimink△i(k)=0．0052，maximaxk△i(k)=3．1490，由此计算得到X0对Xi各因素的关联系数ξi(k)。随后使用下面的公式(3)计算关联度γi:γi=1n∑nk=1ξi(k)(3)式中，γi表示比较序列Xi对参考序列的X0关联度，根据其数值高低即可判断比较序列Xi的重要性。
3结果与分析
3．1灰色关联度分析
根据上述方法求得Xi对参考序列的X0关联度γi，如下面的表4所示由上表可知，以渔业经济产值为参考序列，以海水养殖、淡水养殖等影响因素为比较序列，计算得到比较序列与参考序列的关联度，其关联序由大至小依次为海水养殖面积、淡水养殖产量、海水鱼苗产量、淡水加工产品总量、海水加工产品总量、水产冷库、海水养殖产量、渔业从业人员、生产渔船数量、淡水鱼苗产量、水产加工企业、渔业户、渔业村、淡水养殖面积、辅助渔船数量、海洋捕捞。根据关联度分析原则，关联度大的序列与参考序列关系密切，关联度小的数列与参考序列关系疏远。因此海水养殖面积、淡水养殖产量、海水鱼苗产量对渔业经济总产值的影响较大，淡水加工产品总量、海水加工产品总量、水产冷库次之，渔业户、渔业村、淡水养殖面积、辅助渔船数量、海洋捕捞对渔业经济总产值的影响较小。
3．2九标度法计算因素影响度
根据灰色关联度计算结果，对各个因素的关联度进行两两比较，构造判断矩阵。使用标度1、3、5、7、9分别表示因素Xi相比因素Xj同样重要、稍微重要、明显重要、强烈重要和极度重要，而2、4、6、8标度则表示上述判断间的中间值，即因素Xi相比于因素Xj越重要，则其标度数值越高。判断矩阵构造完成后，使用公式(4)计算其影响度:λmax=1n(BW)iWi(4)式中，λmax表示判断矩阵B的最大特征根;W表示对应于λmax的正规化特征向量;Wi表示构成因素排序的影响度;n表示判断矩阵B的维数。为了检验判断矩阵B的一致性，需计算一致性指标CI，相应计算公式:CI=λmax－nn－1(5)将CI与平均随机一致性指标ＲI进行比较，检验判断矩阵B是否具有一致性。对于1－16阶矩阵，ＲI取值列于表5。1阶、2阶判断矩阵是完全一致的。由3阶开始，需计算判断矩阵的随机一致性比率CＲ=CIＲI。当CＲ＜0．1时，认为判断矩阵具有满意的一致性，否则重新调整判断矩阵。将16个影响因素两两比较后，构造出如下表所示的判断矩阵。计算可知，一致性检验CＲ=0．04143＜0．10，判断矩阵符合满意一致性，能够反映事物的客观规律。从影响度看，海水养殖面积、淡水养殖产量、海水鱼苗产量、淡水加工产品总量、海水加工产品总量依次排于影响度的前5位，分别为18．51%、15．38%、12．81%、10．31%、8．84%，其总和达到65．85%，而位于后5位的渔业户、渔业村、淡水养殖面积、辅助渔船数量、海洋捕捞，其影响度分别为2．04%、1．7%、1．39%、1．17%、0．98%，其总和仅为7．28%。
4讨论
灰色关联度分析在农业科学领域已取得广泛的应用［24－28］，渔业经济产值和各影响因素之间存在着灰色性，运用灰色系统理论和方法可以探明它们之间的相互依存关系，不仅具有科学的理论依据，而且在实际工作中也是切实可行的。由计算结果可以看出，在16项影响因素中，海水养殖面积、淡水养殖产量、海水鱼苗产量、淡水加工产品总量、海水加工产品总量与渔业经济产值的关联程度最紧密，且这五个因素影响度的总和已经达到总数的65．85%。这些因素主要分布于水产养殖业和水产加工业，即水产养殖和水产加工与渔业经济产值的关联比较紧密，大力发展水产养殖业和水产加工业，有利于渔业经济产值的快速提升。刘勇［20］在分析福建省海洋渔业产量结构时，同样指出海水养殖产量对海水产品总量的贡献程度较高。赵昕等［21］也在研究中建议发展水产品精深加工，培养精深水产养殖品种。我国是水产养殖大国，近年来，除了养殖面积和养殖产量之外，我国还格外注重新养殖品种的开发和拓展，在丰富本土水产养殖品种的同时，也积极引进国外的优良品种，例如北极虾、罗非鱼等等，这些举措有力的促进了我国水产养殖业的发展，也带来了渔业经济产值的逐年提升。在水产加工业方面，近年来我国水产加工行业发展迅速，2012年，我国的水产加工产品产量达到1907．4×104t，占水产品总产量的32．3%。综上可知，无论是从数据分析的结果、前人的研究成果还是近年来国家的相关经济举措来看，水产养殖和水产加工业与渔业经济产值关系密切，加大在水产养殖业和水产加工业方面的投资力度，可以有效提高渔业经济效率，增加渔业经济总产值。需要指出的是，由于渔业经济产值的关联因素较多，本文中选取的16项关联因素无法覆盖其全部范围，有一定的局限性;此外，本文中忽略了物价上涨、人民币升值等因素对历年间渔业经济产值的影响，可能会给结果带来一定程度上的偏差，还需进行后续更加细化的研究。另外，由关联程度居于末位的影响因素海洋捕捞来看，我国的海洋捕捞业与渔业经济产值的关联程度并不高，海洋捕捞业的经济效益已经日趋下降，传统的捕捞业正逐渐向渔业养殖业、渔业加工业过渡和转化。沈新强等［22］依据1950～1995的分品种渔获物产量统计数据，认为过度捕捞已经导致东海区捕捞渔获物出现了低营养级的趋向，种群内部也出现了小型化、低龄化现象。张偲等［23］也在研究中建议逐步将海洋捕捞业向流通业、旅游业、服务业、海上运输业、远洋渔业等方向转型。我国是渔业捕捞大国，据统计，我国沿海专属渔业经济区面积是挪威的2倍，但是从事水产捕捞的劳动力却是挪威的近90倍［29］，过多的劳动力投入和过度的捕捞会导致我国海洋资源的过度消耗，进而造成劳动力的浪费和捕捞业经济效益的下降。因此，控制捕捞渔船的数量，减少在海洋捕捞业上的投入力度是保护我国的海洋资源、促进我国渔业经济可持续发展的重要举措。第三，渔业村、渔业户、渔业从业人员这三个渔业劳动力相关的因素对渔业经济产值的影响度较低，由此可以看出，加大渔业劳动力方面的投入并不能带来巨大的渔业经济增长。当前我国渔业经济已经逐渐开始由劳动密集型的生产方式向技术密集型的生产方式转变，随着科技成分在渔业行业中的比例逐渐加大，渔业劳动力的投入与渔业经济产值的关联已经不那么密切，未来的投资重点也可以更多的向科技投入方面侧重和倾斜。
5对策与建议
基于上述数据分析结果，结合当前我国渔业发展现状，提出如下建议:第一，大力发展水产养殖业，加大水产养殖基础设施的建设和投入力度，形成投入产出良性循环机制;加大水产养殖新品种和新技术的引进和推广，培育优良养殖品种，树立有竞争力的养殖品牌;积极推广水产养殖标准化技术，推广水产养殖标准化生产，健全水产养殖标准化体系，促进水产养殖业产业化、规模化发展。第二，大力发展水产加工业，积极开发和推广优秀的水产加工技术，加强新型水产品的开发，优化产品结构，培植和引导一批具有活力的水产品加工龙头企业，推进水产加工产业体系的建设。第三，减少和控制海洋捕捞投入力度，控制捕捞渔船数量，鼓励从事捕捞业的渔民向水产养殖业、水产加工业及其他生产方面转型，防止海洋资源的过度消耗。第四，加大科技投入力度，鼓励先进技术和优秀人才的引进，重视对渔民的素质教育培训，加快科技成果的转化应用速度，建设科技示范基地，培育科技示范户，推动科技进村入户，实现科技成果应管理期刊用的产业化。
作者：刘慧媛 陈孟婕 徐硕 单位：中国水产科学研究院渔业工程研究所 中国水产科学研究院渔业信息工程研究中心 中国水产科学研究院渔业信息工程功能实验室
