中國林業技術效率與全要素生產率增長分解*
——基于SFA-Malmquist方法的估計

史常亮 揭昌亮 石 峰 溫亞利

(1.中國農業大學經濟管理學院 北京100083； 2.江西省社會科學院城市經濟所 南昌330077； 3.北京林業大學經濟管理學院 北京100083)

林業的快速、穩定發展，對實現社會、經濟、生態的全面可持續發展具有重要意義。以2003年國家集體林權制度改革實施為標志，我國林業發展進入了一個繼家庭聯產承包責任制之后農村經營制度又一重大變革的新時期。在政策、市場、改革的合力推動下， 2001—2014年全國林業總產值連續14年保持了年均22%的高增長。最新統計數據顯示， 2016年，我國林業產業總產值已達到6.49萬億元，比2015年增長9.3%，遠高于同期國民經濟6.7%的增長率。然而，在林業產業規模不斷擴大的同時，我國林業發展中存在的一些資源不足、效率不高、經營粗放、機制不順等問題也逐漸暴露出來； 特別是近年來，由各國生態環境保護力度增強導致的國際林產品及木材市場供需壓力的持續上升，使我國林業發展面臨前所未有的挑戰。如何推動實現林業發展方式由粗放型向集約型轉變，已成為當前我國林業發展過程中亟待解決的問題。

轉變林業發展方式，就是由過去主要依靠資本、勞動力等投入要素的增加轉變到主要依靠提高生產要素的使用效率上來，即要提高全要素生產率(total factor productivity，TFP)在林業經濟增長中的貢獻份額(魏遠竹等， 2001)，因此，如何準確測算林業TFP顯得格外重要。在國外，這方面研究主要沿著2個方向展開： 一是針對具體國家或地區，分析其林業TFP變動情況(Managi， 2010； Korkmaz， 2011； Zangetal.， 2015)； 二是分析某一具體林業行業的TFP變動情況(Hseuetal.， 2005； Zhangetal.， 2006； Helvoigtetal.， 2009)。在這些研究中，生產函數法、增長核算指數法、基于數據包絡分析(data envelopment analysis，DEA)的Malmquist或Luenberger生產率指數法以及隨機前沿分析(stochastic frontier approach，SFA)都得到了廣泛應用。

與國外相比，我國對林業TFP的測算研究起步較晚，但發展迅速。馬天樂等(1992)較早運用增長核算指數法對全國1956—1985年的林業TFP進行測算，結果發現，期間我國林業總產出增長基本上被林業要素投入增長所占據，TFP的貢獻率低而不穩。陳曉蘭等(2014)、徐瑋等(2015)、黃安勝等(2015)分別使用省級面板數據和DEA-Malmquist指數法測算了1995—2011年、1998—2012年和2004—2012年的林業TFP增長率，初步形成了一些具有共識性的結論： 我國林業TFP增長主要依靠技術進步推動，技術效率改善在其中的作用十分有限。還有一些學者使用地區層面的面板數據，如劉清泉等(2014)對廣東省、周子橋等(2015)對黑龍江省、劉璨等(2006)對東北國有林區、陳向華等(2012)對黑龍江國有林區、李京華等(2016)對內蒙古國有林區的研究，也得到了類似結論。

總體而言，目前國內有關林業TFP的測算成果是豐富的。但也應該看到，雖然已有研究初步認識到技術效率改善不足是造成中國不同省份林業TFP增長差異的原因所在，但究竟是哪些因素造成了這種差異以及如何改進，現有研究卻缺乏深入探討。從方法論的角度看，現有文獻對于中國林業TFP的測算基本都建立在DEA基礎上，該方法的一大缺陷是沒有考慮環境因素和隨機誤差對效率評價的影響，且對于樣本數據中的異常值相當敏感。而林業無疑是一個充滿噪聲的行業，受自然氣候、國家宏觀政策的影響程度大，異常值難免不會出現。在這種情況下，SFA方法作為一種替代，盡管存在需要先驗設定前沿生產函數和隨機項的概率分布等缺陷，但正是因為對隨機誤差和效率損失進行了分離處理才使得被估計的效率值更貼近實際； 富有彈性的超越對數生產函數設定，也能夠較好地避免由于生產函數形式誤設帶來的估計偏差(傅曉霞等， 2007； 史常亮等， 2016)。因此，對于林業生產而言，基于SFA方法得出的結論應該更可靠。

另外一個重要問題是，現有文獻對于林業TFP增長的分解全都沿用了F?re等(1994)的框架，即假設技術規模報酬可變(VRS)，進而將TFP增長分解為技術效率變化、技術變化和規模效率變化3部分。但是，正如Grifell-Tatjé等(1995)指出，由于該分解方法對于技術變化的測算是基于虛擬的規模報酬不變(CRS)前沿面而不是實際的VRS前沿面，通常會產生一個向上偏誤的技術變化值和向下偏誤的規模效率變化值； 也就是說，當假設VRS技術時，該方法并不能正確測算TFP的變化情況。Ray等(1997)確認了這種分解的不一致性。因此，從這個角度講，現有文獻直接按照F?re等(1994)的思路對中國林業TFP進行分解和測算，所得結果很可能是存在偏差的。

有鑒于上述情況，本文擬在以下3方面對現有文獻進行拓展： 1) 運用Malmquist生產率指數與SFA模型相結合的方法，對中國2004—2015年的林業TFP增長率進行再測算，通過對所估計的生產技術施加CRS約束1)，避免了TFP分解的有偏問題； 2) 利用SFA“一步法”模型將外部環境的變化因素同時帶入到對林業技術效率的估計中，提高了估計結果的有效性，并方便找出造成省份間林業技術效率差異的原因； 3) 從時間和空間2個角度對10多年來中國林業TFP增長的動態趨勢與省際差異進行分析，并將TFP分解為前沿技術變化和技術效率變化2部分，以確認不同省份林業TFP增長的來源。

1) 正如科埃利等(2008)所指出，在施加CRS技術的情況下，規模效率或不存在或能夠被吸納入技術效率變化當中； 而如果不施加CRS技術，則需要把規模效率對TFP的影響估計出來，否則所得到的測算結果將不能正確反映由規模效應引起的TFP的增減情況。

1 研究方法、變量與數據

1.1 研究方法

在TFP增長率的分解中，技術效率的估計極為關鍵。本文采用Battese等(1995)提出的SFA“一步法”模型對中國林業技術效率進行測算，其最大特點是可同時對前沿生產函數和技術無效率方程進行估計，避免了傳統“兩步法”造成的估計不一致問題(Wangetal.， 2002)。目前，該模型已經推廣到面板數據的分析中，其一般形式為：

lnYit=lnf(Xit,T;β)+(vit-μit)。

(1)

式中： 下標i和t分別表示省份和時間；Yit為總產出；Xit為一組投入要素向量；T為時間趨勢項，用于解釋技術變遷；β代表所有待估計系數；f(·)為前沿生產函數，表示經濟中最優生產技術，其可以選擇不同的函數形式，比較常用的有C-D生產函數和超越對數生產函數。

為降低函數形式誤設的風險，這里采用形式相對靈活、包容性強的超越對數函數：

(2)

式中：Yit表示省份i在t時期的實際林業產出；Xnit表示第n個投入變量，在本文中分別為資本(K)、勞動力(L)和土地(S)；Dj為地區虛擬變量，用以控制那些觀測不到的、不隨時間變化的地區特征對回歸結果的影響，j=1、2、3、4分別表示該省份屬于東北、東部、中部和西部地區。

為滿足CRS假設，并符合超越對數函數的對稱性特征，對式(2)中的投入與產出使用土地投入S進行標準化，使其轉化為針對土地的密集形式：

lnyit=β0+β1lnkit+β2lnlit+β3T+

β4(lnkit)2+β5(lnlit)2+β6T2+β7lnk×

lnl+β8T×lnk+β9T×lnl+αjDj+νit-μit。

(3)

式中：yit=Yit/Sit表示省份i在t時期的地均林業產出；kit=Kit/Sit表示地均資本投入；lit=Lit/Sit表示地均勞動力投入；β、α為待估計參數；vit為傳統的隨機誤差項，用于控制統計噪音，假定服從對稱的正態分布，即vit～N(0,σv2)；uit為非負的技術無效率項，獨立于vit，假定服從如下形式的斷尾正態分布：

(4)

式中：mit對應的函數即為技術無效率函數；Zit為一組特定環境變量，用以解釋技術效率變化；δ為對應的待估計參數向量，其符號與影響效應相反；T、D的含義同上，其中系數η反映技術效率變化的時間特征，符號為正代表技術效率是遞減的，反之亦然；φj度量了東部、中部和西部虛擬變量(以東北為參照組)對技術無效率程度的影響系數；ωit為該回歸方程的隨機誤差項，服從對稱的正態分布，即ωit～N(0,σw2)。

對于式(3)、(4)確定的面板SFA模型，可以通過聯立的極大似然法(MLE)一步估計得到模型的所有參數。從而，省份i在t時期的林業技術效率TEit可通過下式估計獲得：

TEit=exp(-uit)。

(5)

測算出林業技術效率后，結合Malmquist生產率指數就可以進一步測算省份i在t時期和t+1時期之間的林業TFP變化，其被定義為技術效率變化指數與前沿技術變化指數的乘積(F?reetal.， 1994)，即：

(6)

式(6)右邊的第1項TECHit,t+1即為技術效率變化指數，刻畫了既定技術條件和要素投入下生產單元對生產前沿面的逼近或遠離對其TFP變化的影響，其數值可通過下式計算得出：

(7)

式(6)右邊的第2項TPCHit,t+1即為前沿技術變化指數，刻畫了既定要素投入下生產前沿面的外移或內陷對生產單元TFP變化的影響，其數值可通過生產函數對時間T求偏導數得出。根據Coelli等(2000)、Fuentes等(2001)的研究，當技術變化非中性時，技術變化速度受投入向量的影響，因此相鄰時期的技術變化應取幾何平均值，即：

(8)

1.2 變量選取

1.2.1 產出指標 本文選取林業總產值(億元)作為產出(Y)的衡量指標。林業總產值囊括了林業三次產業產值，是現行統計資料中較為系統、全面和可靠的一套產出指標。為了保證跨期樣本資料的可比性，利用官方公布的林產品生產價格指數(個別省份少數年份數值缺失，用全國同期指數代替)進行2004年不變價處理。

1.2.2 投入指標 投入主要包括資本(K)、土地(S)和勞動力(L)3個方面。其中，資本數據根據各省林業固定資產投資完成額(億元)采用永續盤存法推算，基本公式為：Kit=(Iit/Pit)(1-δi)Ki,t-1[式中：Kit為省份i在第t年的林業資本存量；Iit為省份i在第t年的林業固定資產投資完成額；Pit為2004年不變價固定資產投資價格指數(2004年為1)；δi為各省資本折舊率，取值來自吳延瑞(2008)]。為計算Kit，還需確定基期(即2004年)的資本存量Ki,0。借鑒宋長鳴等(2012)的做法，本文以各省2004年的林業固定資產投資完成額除以10%作為基期資本存量。

對于土地和勞動力投入，與已有文獻的普遍處理相同，分別選用森林面積(萬hm2)和林業系統年末從業人員(萬人)來衡量。

1.2.3 林業技術效率影響因素 在實際生產活動中，有一些外部變量雖然并不直接進入生產(既不是生產過程中的投入，也不是產出)，但卻會影響生產者行為，進而影響決定投入轉化為產出的技術結構或效率。在估計技術效率時，將這些外部變量融入到效率測度模型中，將有助于得到更有效的估計結果。根據已有研究，本文定義式(4)中林業技術無效率項的外生解釋變量Zit包括：

將車子泊在停車場，念蓉走進酒店大堂。她弄不清自己到底想干什么，她只知道此時，兩條腿似乎完全不再屬于自己。電梯在十二層停下，念蓉走出去，腳踩上厚厚的地毯，兩腿軟得抬不起來。她記得房卡上的號碼——1 2 1 0，那代表著一個封閉并且私密的空間：厚厚的窗簾，舒適的大床，飄著玫瑰花瓣的洗澡水，兩個糾纏在一起的身體……

1) 年降水量(rain) 林業生產的對象是有機生物，光、水、熱等氣候因素在其中的重要性不容忽視。Lee(2008)、田杰等(2013； 2015)詳細討論了加入氣溫、降水量等氣候因素對于林業技術效率評價的必要性。本文對林業技術效率的估計亦考慮了氣候因素，但在具體做法上，一方面，考慮到與勞動、資本、土地不同，這些因素不是生產要素，不宜直接放入前沿生產函數，但其會影響生產要素的使用效率進而影響總產出，因此適宜作為外生變量引入無效率方程； 另一方面，考慮到如果同時納入4—10月平均氣溫和降水量2個變量，會導致嚴重的多重共線性(Pearson相關系數達到0.722)，因此為簡化模型，只考慮了降水量指標。與田杰等(2013； 2015)的做法類似，本文以各省會城市(或直轄市)的全年降水量(mm)作為各省年降水量的代表。

2) 森林火災受害面積(fda) 森林火災是影響林業穩定健康發展的另一種主要災害，也是中國森林資源面臨的最主要風險源。臧良震等(2014)對西部地區的研究發現，森林火災受害面積對該地區不同階段的林業技術效率均有顯著影響。借鑒其研究，本文將森林火災受害面積(萬hm2)作為一個重要的環境變量納入無效率方程。

3) 森林病蟲鼠害發生面積(opra) 病蟲鼠害被喻為“不冒煙”的森林火災，其傳播和蔓延對林木生長具有不可估量的損害作用。宋長鳴等(2012)研究發現，病蟲鼠害對林業技術效率造成了顯著的負面影響，是目前效率損失的重要原因。基于此，本文選取森林病蟲鼠害發生面積(萬hm2)作為重要的環境變量引入模型。

4) 森林病蟲鼠害防治面積(cpra) 鑒于病蟲鼠害對森林的巨大危害，其有效防治對于促進整個林業的健康發展無疑至關重要。根據田杰等(2013)的研究，本文亦將森林病蟲鼠害防治面積(萬hm2)作為影響林業技術效率的重要變量嵌入無效率方程。

5) 林業專業技術人員數(pt) 在給定生產技術及外部環境的情況下，提高農戶技術效率的手段不外乎教育和培訓2種。李谷成等(2008)認為，相較于勞動力的受教育程度，專門的技術培訓對于提高農戶技術效率具有更為顯著的作用。在我國，各級林業工作站專業技術人員是實施林業技術培訓的主體。一般來說，平均到每個省份的林業技術人員數越多，當地農民獲得更多林業技術培訓的可能性就越大。因此，本文以各省擁有的林業專業技術人員數(千人)來反映農戶受到的技術培訓狀況。

最后，考慮到不同區域在資源稟賦、經濟發展、氣候條件、地理等方面存在較大差異，本文還在模型中引入了東部、中部和西部(以東北為參照組)3個虛擬變量來區分4大區域之間不可觀測因素對林業產出和林業技術效率的可能影響。東部地區包括河北、天津、北京、山東、江蘇、上海、浙江、福建、廣東和海南10省， 中部地區包括山西、安徽、江西、湖北、湖南和河南6省， 西部地區包括四川、重慶、內蒙古、貴州、云南、陜西、廣西、甘肅、新疆、青海和寧夏11省， 東北地區包括黑龍江、吉林和遼寧3省。

1.3 數據來源

由于研究所涉及的部分指標數據在2004年之前缺失嚴重，因此本文所用樣本為2004—2015年； 研究對象為中國大陸地區30個省、市、自治區(西藏自治區由于數據殘缺不全而予以舍棄)。用于分析的基礎數據主要來自《中國林業統計年鑒(2004—2015)》和國家統計局數據庫，個別省份少量缺失數據利用線性趨勢法或內插法加以填補。

2 實證分析結果

2.1 面板SFA模型估計結果

對面板SFA模型的最大批評是其結論高度依賴于模型的函數形式。為避免由于函數形式誤設造成的可能偏誤，本文從形式最為一般的超越對數生產函數出發，利用廣義似然比(LR)檢驗1)，從設定的待估計模型中篩選出最好擬合了樣本數據的模型。檢驗結果見表1。其中，假設1認為前沿生產函數采用C-D函數形式更合適； 假設2和3則分別假定在樣本期內不存在技術變化以及技術變化相對于投入呈希克斯中性； 假設4認為在無效率方程中不應納入時間趨勢項，即假設技術效率不隨時間變化； 假設5認為在無效率方程中不應存在地區虛擬變量； 假設6則進一步認為應從無效率方程中剔除包括時間趨勢項和地區虛擬變量在內的所有外部環境變量。

表1 模型設定檢驗結果Tab.1 Likelihood ratio tests for alternative model specifications

2) 基準模型的對數似然函數值為-295.913 。

通過計算LR統計量發現，相對于式(3)、(4)定義的基準模型2)，假設1～3及假設5和6均被拒絕； 而假設4在5%顯著性水平上沒有被拒絕。這表明，假設4對應的模型最好地擬合了樣本數據，因此本文將其作為測度林業技術效率的主要模型。估計結果如表2所示，絕大多數變量都高度顯著，證明模型擬合較好； 誤差項方差中技術無效率方差所占比重γ為0.933，且在1%水平上顯著，說明實際產出偏離前沿產出主要是由技術無效率而非白噪聲所引起，本文中SFA模型的設定得到了檢驗的支持。

表2 隨機前沿模型的極大似然估計結果①Tab.2 Maximum likelihood estimates for the parameters of SFA model

①***、**、*分別表示在1%、5%、10%的顯著性水平上顯著。***, ** and * represent the significance in the level of 1%, 5% and 10% respectively.

得到模型參數后，結合式(5)即可計算出2004—2015年中國林業技術效率，平均為0.546，遠小于1，表明中國林業生產中存在著比較普遍的技術無效率現象，遠未發揮出已有投入經費和從業人員的全部潛力； 但反過來也說明其提升空間很大。與以往文獻相比，本文測算結果要小于田淑英等(2012)使用DEA得到的結果0.994。究其原因，除了投入產出指標選取不同及樣本區間差異外，還可能與本文采用的SFA方法充分考慮了隨機誤差因素對前沿面的影響有關。作為一種特殊的自然產業，林業生產是“經濟再生產與自然再生產的結合”，生產中存在著諸多不可控因素(如氣候、火災等)。而DEA忽略了這些隨機因素的影響，所有偏離前沿面的因素都被假定為來自于技術無效，隨機誤差的影響被包含到效率項的估計中；特別是當隨機誤差項占總體方差的比重較大時，DEA測算的結果偏差會很嚴重(Bergeretal.， 1997)。在本文中，誤差項占比接近10%(1～0.933)，因此，利用SFA方法得出的結論應該與真實情況更逼近。

表2中右半部分的無效率方程給出了各環境變量對林業技術效率變化的影響。其中，年降水量的系數估計值為負，且通過了1%水平的顯著性檢驗，表明降水對林業技術效率有明顯的提升作用，符合林業生產主要依賴氣候條件的認知。森林病蟲鼠害防治面積、林業專業技術人員數也通過了1%水平的顯著性檢驗，且估計系數均為負，表明這2項因素的提升能有效改進林業生產中的技術效率。森林病蟲鼠害發生面積的估計系數為正，且在1%水平上顯著，說明森林病蟲鼠害發生對林業技術效率具有顯著的負面影響。森林火災受害面積雖然沒有通過顯著性檢驗，但其估計系數為正，說明該災害的發生在某種程度上也會造成林業技術效率損失。區域虛擬變量(Dj)中，東部、中部和西部的系數估計值均為負，且均通過了相應水平的顯著性檢驗，意味著這3個地區的林業技術效率水平要比東北地區高。

2.2 中國林業TFP增長率測算結果分析

根據以上結果，利用式(6)～(8)即可計算出各省2004—2015年的技術效率變化、前沿技術變化和TFP變化的Malmquist指數。表3給出了以各省幾何平均計算的全國林業TFP變化的Malmquist指數。數據顯示，樣本期內中國林業TFP經歷了程度相當可觀的增長，年均增長16.48%，略高于黃安勝等(2015)使用DEA-Malmquist指數法得到的估計結果15.6%，符合SFA得到的TFP-Malmquist指數要高于DEA結果的一般經驗(傅曉霞等， 2007)。從TFP成分看，與已有文獻一致，研究期間中國林業TFP增長主要源于生產前沿的移動，即技術進步。2004—2015年，整體林業技術變化指數年均增長16.92%，構成林業TFP增長的主要動力源泉； 而林業技術效率在絕大對數年份呈惡化狀態，年均下降0.37%，在一定程度上弱化乃至抵消了前沿技術進步對TFP增長所做的貢獻。

從TFP的角度，由技術進步主導還是效率改善主導有著不同的政策含義： 前者表示一個國家或地區對新技術的局部創新，后者則強調生產單元對現有技術的消化、吸收和利用程度。我國林業TFP增長呈現出前沿技術進步與技術效率損失并存的現象表明， 過去10多年里，我國林業科研體系雖然在技術創新與發明方面取得了相對成功，極大帶動了林業產業的增長； 但整個林業推廣體系在對現有技術的消化利用和擴散推廣上卻并不理想，當前偏低的林業技術效率水平佐證了這一點。

表3 2004—2015年中國林業全要素生產率增長率及其分解①Tab.3 China forestry total factor productivity indexand its components during 2004—2015

①各指數均為歷年各省份的幾何平均數，最后一行所列平均值亦為各年份的幾何平均數； 表中各指數減去1，即為相應各指標的增長率。All Malmquist index averages in table are geometric means. Every Malmquist index in table minus 1 is its growth rate.

2.3 中國林業TFP增長的時間特征分析

1) 即2004年的TFP為1， 2005年的TFP等于2004年的TFP乘以2005年的Malmquist生產率指數，依此類推。

Malmquist指數測算的TFP是本年相對于上年的變化率。為了能夠反映長時期的演變趨勢，可以將其轉換成以2004年為基期的累積變化率形式1)，如圖1所示。樣本期內，中國林業技術變化與技術效率變化存在著顯著差異： 前者表現為明顯波動增大特征，后者則呈現出緩慢的波動減小趨勢，并且每當前者有力地推動TFP增長時，總會遇到后者下降對TFP增長的不利影響，而很少見到二者同時增長的情況。這種技術進步與技術效率改善相背離的TFP增長模式，也出現在中國農業生產中(史常亮等， 2016)。

從時間趨勢上分析，中國林業TFP在2004—2010年增長減緩，一直到2011年才開始出現小幅增加。特別是2007—2010年，受低溫雨雪冰凍自然災害和國際金融危機的嚴重影響，林業生產遭受重大打擊，林業技術效率出現大幅下滑，極大抵消了林業技術進步對TFP增長的貢獻，導致 TFP連續3年衰退。為了盡快恢復自然災害破壞的林業基礎設施，同時也為了應對金融危機的挑戰，2010年開始，國家連續幾年數次追加中央林業投資，其中僅2011年中央林業投資就達到1 220.3億元，比2010年增加260多億元，這對林業TFP的止步回升起到了明顯作用。2011—2012年，全國林業TFP同比增長26.78%，比以往任何時間都增長迅猛； 但是，急劇增加的林業投資也給林業技術效率提升帶來了負面影響。由于組織管理能力沒有及時跟上投資規模的擴大，一些地方甚至出現了突擊完成投資任務的現象，導致林業投入產出規模和結構偏離最優水平，效率損失嚴重(田淑英等， 2012； 田杰等， 2013)。體現在數據上就是， 2013—2015年雖然林業技術進步指數逐年提高，但林業技術效率卻處于惡化之中，從而大大妨礙了林業TFP獲得更快增長。從圖1中也可以看到， 2012年以來，林業技術效率指數一直都處于遞減趨勢，相應的林業TFP的增長速度亦呈現出震蕩略有下降趨勢。

圖1 林業技術效率指數、技術進步指數和TFP累積年增長率Fig.1 The cumulative annual growth rate of TPCH, TECH and TFP

2.4 中國林業TFP增長的空間特征分析

表4給出了以歷年幾何平均計算的各省份、各區域林業TFP變化的Malmquist指數。分省份來看，樣本期內，除北京外幾乎所有省份都實現了林業TFP正增長。其中，以上海表現最為優異，TFP增長最快，年均達到42.92%，并且提高TFP的來源比較均衡，林業經濟增長可持續較強；與之相反，北京的林業TFP增長情況則比較糟糕，出現了負增長，年均增長-6.15%，技術效率惡化是造成其林業TFP負增長的主要原因。2004—2015年，北京市林業技術進步年均增長27.68%，遠高于同期全國16.92%的平均增長速度； 但林業技術效率卻以年均遞減26.50%的速度處于不斷惡化之中，是30個樣本省份中表現最糟糕的省份，技術效率的年均負增長完全抵消了技術進步的增長，林業增效任務最為艱巨。

在29個實現林業TFP正增長的省份中，有15個省份表現為“雙驅動”型增長模式，分別為天津、遼寧、上海、浙江、安徽、福建、江西、河南、廣東、海南、四川、貴州、陜西、青海和新疆，其共同特點是在保持林業前沿技術快速進步的同時，林業技術效率也得到了有效提升。其余14個省份則表現為林業技術進步與林業技術效率損失并存的“單驅動”型增長模式，其特點是雖然技術變化指數增長明顯，但由于存在技術的“適宜性”問題，技術效率處于惡化狀態。在這些省份中，尤為值得一提的是江蘇、甘肅、山西、吉林和黑龍江等省份，其雖然在技術進步方面表現得頗為優異，增長速度遠遠高于同期其他省份，但由于對現有技術的有效利用跟不上生產可能性邊界向外擴張的速度，導致林業技術效率惡化嚴重，極大阻礙了林業TFP獲得更快增長。

表4 各省份、區域林業TFP增長及其分解①Tab.4 The growth rate of TFP in each province and regions and its decomposition

① 各指數均為各省份歷年的幾何平均數，各區域平均值亦為區域內相應省份歷年的幾何平均數； 表中各指數減去1，即為相應各指標的增長率。 All Malmquist index averages in table are geometric means. Every Malmquist index in table minus 1 is its growth rate.

分區域來看，4大區域中，東部地區的林業TFP增長最快，年均增長20.63%，超出全國平均水平4.15個百分點； 東北地區次之，年均增長15.53%，略低于全國平均增速0.95個百分點； 中部和西部地區的林業TFP增長不相上下，但都低于全國平均水平，分別為14.63%和14.09%。在TFP增長的內部構成上，與全國一樣，技術進步始終是推進各區域林業TFP增長的主要來源，技術效率對TFP增長的貢獻有限。其中，東北、中部和西部地區的林業TFP增長均表現出明顯的技術進步單因素推進模式，技術效率惡化嚴重阻礙了TFP獲得更快增長。尤其是作為傳統林業大省的東北3省地區，林業技術效率惡化最為顯著，年均下降3.61%。倘若其技術效率能夠維持一種正增長趨勢(大于1)，那么該地區的林業TFP增長將有望達到甚至超過東部地區。東部地區林業TFP增長表現出技術進步與技術效率改善共同作用的“雙驅動”增長特征。結合前面的分析，從促進TFP增長的角度出發，這種“雙驅動”模式將是未來中國林業保持可持續發展的關鍵。因此，東部地區的林業增長模式應努力成為未來各區域林業發展的方向。這就要求其他區域在充分發揮林業技術進步對TFP增長的“長板”作用的同時，更要重視對現有前沿技術的有效推廣、擴散和利用，補齊林業技術效率水平低下這一“短板”。

3 結論與建議

本文在規模報酬不變的假定下，運用Malmquist生產率指數與隨機前沿函數模型相結合的方法，對中國大陸30個省(市、自治區)2004—2015年的林業技術效率及林業TFP增長率進行再測算，結果發現： 1) 中國林業生產過程中存在比較普遍的技術無效現象，平均技術效率只有0.546，提升潛力巨大； 2) 年降水量、森林病蟲鼠害發生面積和防治面積、林業專業技術人員數是造成省際林業技術效率差異的主要因素； 3) 2004—2015年，中國林業TFP實現了較快增長，年均增長16.48%，但這一增長主要由林業技術進步所貢獻，林業技術效率水平低下且長期處于惡化狀態對TFP產生了負面影響； 4) 在省際層面，與全國整體情況類似，各省份林業TFP增長主要依靠技術進步驅動，有一半以上省份的林業技術效率處于惡化狀態，大大弱化乃至抵消了技術進步對TFP的正效應； 5) 分區域來看，東北、中部和西部地區的林業TFP增長均表現為技術進步與技術效率相背離的“單驅動”增長模式，只有東部地區呈現技術進步與技術效率改善共同作用的“雙驅動”增長模式。

從促進TFP增長的角度出發，未來中國林業理想的增長模式應當是東部地區這種前沿技術進步與技術效率改善并存的“雙驅動”模式。但過去10多年里，中國林業推廣體系在前沿技術擴散上的相對失敗，直接導致了全國大部分省份林業技術效率的惡化。因此，為實現“兩條腿走路”，今后政府除了要繼續加大林業科技投入、促進林業技術進步、發揮技術創新的“長板”作用外， 更為重要的是要加強對現有技術的推廣應用，補齊林業技術效率水平低下這一“短板”。本文對各省及全國林業TFP增長來源的分解也表明，通過改善技術效率來促進林業TFP獲得更快增長是完全可行的。基于此，結合模型分析中森林病蟲鼠害防治面積、林業專業技術人員數對林業技術效率提升的重要作用，提出如下政策建議： 一是明確林業工作站的公益性定位，完善政府財政投入機制，充分發揮其在林業科技推廣中的帶頭作用； 二是深化林業科技特派員制度，廣泛動員和鼓勵林業科技人員開展科技下鄉、科技入戶等活動； 三是建立健全林業科技推廣員資格制度，提高各級推廣機構中林業專業技術人員的比例； 四是加強重點病蟲害的科研攻關和技術推廣，研究推廣新的林業有害生物防治技術，提高森林病蟲鼠害防治水平。

陳向華，耿玉德，于學霆，等. 2012. 黑龍江國有林區林業產業全要素生產率及其影響因素分析.林業經濟問題，32(1): 50-53.

(Chen X H, Geng Y D, Yu X T,etal. 2012. The analysis of the total factor productivity and its influencing factors of forest industry in state-owed region in Heilongjiang Province. Issues of Forestry Economics, 32(1): 50-53. [in Chinese])

陳曉蘭，姜雪梅. 2014. 中國林業全要素生產率分析.林業經濟，(3): 75-82.

(Chen X L, Jiang X M. 2014. A study on total factor productivity of Chinese forestry. Forestry Economics, (3): 75-82. [in Chinese])

傅曉霞，吳利學. 2007. 前沿分析方法在中國經濟增長核算中的適用性.世界經濟，(7): 56-66.

(Fu X X, Wu L X. 2007. Competing methods for efficiency measurement of China: a comparison of SFA vs DEA. Journal of World Economy, (7): 56-66.

黃安勝，劉振濱，許佳賢，等. 2015. 多重目標下的中國林業全要素生產率及其時空差異.林業科學，51(9): 117-125.

(Huang A S, Liu Z B, Xu J X,etal. 2015. Forestry total factor productivity under multiple targets in China and its spatiotemporal differences. Scientia Silvae Sinicae, 51(9): 117-125. [in Chinese])

李谷成，馮中朝，占紹文. 2008. 家庭稟賦對農戶家庭經營技術效率的影響沖擊——基于湖北省農戶的隨機前沿生產函數實證.統計研究，(1): 35-42.

(Li G C, Feng Z C, Zhan S W. An empirical analysis about the effect of household endowments on the technical efficiency of farmer’s household management: evidence from the farmers of Hubei Province. Statistical Research, (1): 35-42. [in Chinese])

李京華，包慶豐. 2016. 內蒙古國有林區林業全要素生產率分析.林業經濟，(2):83-87.

(Li J H, Bao Q F. 2016. Analysis of total factor productivity of forest industry in state-owned forest region in Inner Mongolia. Forestry Economics, (2): 83-87. [in Chinese])

劉 璨，于法穩. 2006. 東北國有林區企業效率測算與分析——DEA方法.產業經濟評論，5(1): 107-121.

(Liu C, Yu F W. 2006. Efficiency analysis of the northeast national forest enterprise: DEA approach. Review of Industrial Economics, (1): 113-127. [in Chinese])

劉清泉，江 華. 2014. 可持續發展視角下林業全要素生產率及影響因素——來自廣東的證據.農村經濟，(1):39-43.

(Liu Q Q，Jiang H. 2014. The total factor productivity of the forestry and its influencing factor based on the perspective of sustainable development: proof of the Guangdong. Rural Economy, (1): 39-43. [in Chinese])

馬天樂，劉 璨. 1992. 中國林業總要素生產率測度與分析.林業經濟，(4): 46-53.

(Ma T L, Liu C. 1992. Calculation and analysis of the total factor productivity of Chinese forestry. Forestry Economics, (4): 46-53. [in Chinese])

史常亮，朱俊峰，揭昌亮. 2016. 中國農業全要素生產率增長地區差異及收斂性分析——基于固定效應SFA模型和面板單位根方法.經濟問題探索，(4): 134-141.

(Shi C L, Zhu J F, Jie C L. 2016. Regional difference and convergence analysis of agricultural TFP in China: on fixed-effect panel SFA and panel unit root. Inquiry into Economic Issues, (4): 134-141. [in Chinese])

宋長鳴，向玉林. 2012. 林業技術效率及其影響因素研究——基于隨機前沿生產函數.林業經濟，(2): 66-70.

(Song C M，Xiang Y L. 2012. Study of forestry industry technical efficiency and its influencing factor: based on stochastic frontier production function model. Forestry Economics, (2): 66-70. [in Chinese])

田 杰，姚順波. 2013. 中國林業生產的技術效率測算與分析.中國人口·資源與環境，23(11): 66-72.

(Tian J, Yao S B. 2013. Research on technical efficiency of forestry production in China. China Population, Resources and Environment, 23(11): 66-72. [in Chinese])

田 杰，張曉棠，姚順波. 2015. 考慮自然因素投入的林業生產效率評價研究——以南方集體林區為例. 西安工程大學學報，35(5): 378-386.

(Tian J, Zhang X T, Yao S B. 2015. Study on efficiency of forestry production based on the natural factors: a case of southern collective forest area. Journal of Xi’an Technological University, 35(5): 378-386. [in Chinese])

田淑英，許文立. 2012. 基于DEA模型的中國林業投入產出效率評價.資源科學，34(10): 1944-1950.

(Tian S Y, Xu W L. 2012. Evaluation of China’s forestry input-output efficiency based on DEA modeling. Resources Science, 34(10): 1944-1950. [in Chinese])

魏遠竹，朱永法. 2001. 產業結構調整與林業經濟增長方式轉變.北京林業大學學報，23(1): 72-75.

(Wei Y Z, Zhu Y F. 2001. The adjustment of industrial structure and transformation of forestry economic growth pattern. Journal of Beijing Forestry University, 23(1): 72-75. [in Chinese])

吳延瑞. 2008. 生產率對中國經濟增長的貢獻： 新的估計.經濟學(季刊)，(2): 827-842.

(Wu Y R. 2008. The role of productivity in China’s growth: new estimates. China Economic Quarterly, 7(3): 827-842. [in Chinese])

徐 瑋，馮 彥，包慶豐. 2015. 中國林業生產效率測算及區域差異分析——基于Malmquist-DEA模型的省際面板數據.林業經濟，(5): 85-88.

(Xu W, Feng Y, Bao Q F. 2015. China’s forestry production efficiency calculation and the analysis of regional difference: based on Malmquist-DEA model provincial panel data. Forestry Economics, (5): 85-88. [in Chinese])

臧良震，支 玲，郭小年. 2014. 中國西部地區林業生產技術效率的測算和動態演進分析.統計與信息論壇，29(1): 13-20.

(Zang L Z, Zhi L, Guo X N. 2014. Research on calculation and dynamic evolution of forestry production technical efficiency in Western China. Statistics & Information Forum, 29(1): 13-20. [in Chinese])

周子橋，全 良，劉慧妍. 2015. 基于生態產出和決策者偏好的黑龍江省林業全要素生產率研究.林業經濟，(5): 93-99.

(Zhou Z Q, Quan L, Liu H Y. 2015. A study of total factor productivity in Heilongjiang forestry region based on ecological output and preference of decision maker. Forestry Economics, (5): 93-99. [in Chinese])

Battese G E, Coelli T J. 1995. A model for technical inefficiency effects in a stochastic frontier production function for panel data. Empirical Economics, 20(2): 325-332.

Berger A N, Humphrey D B.1997. Efficiency of financial institutions: international survey and directions for future research. European Journal of Operational Research, 98(2): 175-212.

Coelli T J, Perelman S. 2000. Technical efficiency of European railways: a distance function approach. Applied Economics, 32(15):1967-1976.

F?re R, Grosskopf S, Norris M,etal. 1994. Productivity growth, technical progress, and efficiency change in industrialized countries. American Economic Review, 84(1): 66-83.

Fuentes H J, Grifell-Tatjé E, Perelman S. 2001. A parametric distance function approach for Malmquist productivity index estimation. Journal of Productivity Analysis, 15(2):79-94.

Grifell-Tatjé E, Lovell C A K. 1995. A note on the Malmquist productivity index. Economics Letters, 47(2): 169-175.

Helvoigt T L, Adams D M. 2009. A stochastic frontier analysis of technical progress, efficiency change and productivity growth in the Pacific Northwest sawmill industry. Forest Policy and Economics, 11(4): 280-287.

Hseu J S, Shang J K. 2005. Productivity changes of pulp and paper industry in OECD countries, 1991—2000: a non-parametric Malmquist approach. Forest Policy and Economics, 7(3): 411-422.

Korkmaz M. 2011. Productivity changes of forest enterprises in Turkey: a non-parametric Malmquist approach. African Journal of Agricultural Research, 6(28): 6189-6196.

Lee J Y. 2008. Application of the three-stage DEA in measuring efficiency: an empirical evidence. Applied Economics Letters, 15(1): 49-52.

Managi S. 2010. Productivity measures and effects from subsidies and trade: an empirical analysis for Japan’s forestry. Applied Economics, 42(30): 3871-3883.

Ray S C, Desli E. 1997. Productivity growth, technical progress, and efficiency change in industrialized countries: comment. American Economic Review, 87(5): 1033-1039.

Wang H J, Schmidt P. 2002. One-step and two-step estimation of the effects of exogenous variables on technical efficiency levels. Journal of Productivity Analysis,18(2): 129-144.

Zang L Z, Zhang C H, Xu D Y,etal. 2015. Research on temporal-spatial evolution of regional disparity of forestry total factor productivity in China. Advance Journal of Food Science & Technology, 9(5): 332-341.

Zhang D, Nagubadi R V. 2006. Total factor productivity growth in the sawmill and wood preservation industry in the United States and Canada: a comparative study. Forest Science, 52(5): 511-521.