中國林業產業結構優化及其影響因素分析

熊立春，王鳳婷，程寶棟*

（1. 北京林業大學經濟管理學院，北京 100083；2. 中國農業大學經濟管理學院，北京 100083）

近年來，林業產業的快速發展極大地盤活了林區經濟，帶動了林區居民就業并提高了居民生活水平，對主要涉農、林區域的經濟發展乃至整體國民經濟具有重要支撐作用[1]。然而，當前林業產業經濟也面臨著各項發展瓶頸和挑戰，尤其以產業結構問題較為突出。一方面，林業產業在數量上過度集中于第一產業和第二產業，并且產業低端化嚴重；更為重要的是，部分低端林產品產能過剩與高端產品短缺的問題尤為明顯。另一方面，隨著人口紅利的消失和林產品原材料成本的上升，現有林業低效率產出產業，低附加值產品等發展模式將難以為繼，林業產業結構升級亟待加快。那么，當前中國林業產業結構升級現狀如何？其影響因素又有哪些？本文將在梳理已有理論的基礎上通過實證檢驗回答這一問題。

產業結構升級是產業在原材料供給，市場和科技需求以及政府政策等內外部因素作用下產生的，產業升級改變了產業的市場分布和定位，同時優化了產業結構的比例[2]。目前，產業結構升級已成為學界研究的重要議題之一。在理論研究上，1941年Simon Kuznets在《國民收入及其構成》提出產業升級的庫茲涅茨法則：即隨著時間的推移，第一產業（農業部門）在國民經濟的比重逐漸下降；第二產業（工業部門）和第三產業（服務部門）比重則上升，第三產業的勞動力在全部勞動力中的比重也相應提高[3]。此后，在新貿易理論框架下，一國某些行業或企業可以率先進入新的產業，可以帶動新型產業的發展，提高國際競爭力[4]。

在研究方法上，部分研究采用的方法主要是針對產業結構升級方向和速度兩個方面的測度，如產業結構超前系數法，主要測定某第一產業結構增長相對于整個經濟系統增長趨勢的超前程度來反映產業結構升級的具體方向[5]。在測算產業升級速度的方法有Lilien 指數法和Moore值法[6-7]。國內部分研究通過產業結構超前系數，Lilien 指數法和Moore值法對產業結構升級現狀進行了測度，并發現財政分權，城市化水平，科技研發和固定投資對產業升級具有影響[8-9]。另有學者還采用產業結構層次系數法對中國1998—2014年的林業產業結構值進行測度，發現城鎮化水平對林業產業結構優化具有顯著性正向影響[10]。

在農林行業的產業結構升級的研究上，有研究發現中國在改革后農業部門全要素生產率快速增長，可以很大程度上解釋生產活動向非農業部門的轉移過程[11]。另有學者發現農業政策的轉型是農業產業轉型的前提[12]。已有研究對產業結構升級的影響因素也進行了分析，多數研究認為：經濟發展水平、人口規模，城鎮化，固定投資，貿易環境、資源稟賦、科技進步 、產業從業人數、外商投資和產業政策等是影響產業升級的主要因素[13-19]。

綜上所述，既有的研究多以某一地區或國家整體經濟層面的三次產業升級研究為主，聚焦林業行業或產業的升級研究相對較少。并且，已有林業相關研究缺乏對林業產業結構升級方向和速度等升級特征進行分析。為此，本文基于2000—2015年30個省份的林業產業數據，運用產業結構超前系數測算各省份林業產業結構升級方向，通過Moore值法測算林業產業結構升級速度，并采用面板數據分位數回歸方法對影響林業產業結構升級的主要因素進行分析，以期為中國林業產業結構升級理論的豐富提供一定研究支持。

1 研究方法與數據來源

1.1 產業結構超前系數和Moore法

采用產業結構超前系數法[20-21]量化和測度林業產業結構升級的方向，其計算公式為：

式中：Eit表示第i部門或產業t時期的產業結構超前系數，fit是第i部門或產業t時期產值占總產值份額比上基期的產值占總產值份額，Rt為同時期行業經濟系統的的平均增長率。如果Eit大于1則表明i產業處于超前發展，所占份額將呈現增長趨勢；若Eit小于1則說明i產業發展相對滯后，所占份額將呈下降趨勢。

Moore值測度法測度產業結構升級的速度[7]，其測算公式為：

式中：Mt為Moore結構變化值，ri,t表示t期第i產業所占比重，ri,t1是t+1期第i產業所占比重，n為產業數量，式中只有林業一種產業，因此，n為1，Moore值越小表明產業結構升級越快。此外，同一產業在兩個時期升級速度的向量夾角α為：

式中：夾角α值越大，則產業升級越快，α值越小，則產業升級越緩慢。在（2）式的基礎上引入產業結構年均變動值反映一定時期內產業結構升級年均變化的絕對值，顯示產業升級過程中的波動幅度，其計算公式為：

式中：K為產業結構升級年均變動值，qit為t時期產業i占整個產業的比重，qit0為產業i基期的比重，n為產業門類數，T為t時期至基期的年數，K值越大，產業升級變動速度越快，K值越小則相反。

1.2 林業產業結構升級影響因素計量模型設定

本文以林業產業結構層次系數作為被解釋變量，對林業第三、第二和第一產業的權重分別賦值“3、2、1”，權重越高，代表產業越高級化[10]，產業結構層次系數計算公式為：

式中：Fipt為林業產業結構層次系數，Pit為林業三次產業t時期分別占林業總產值的比重，λit是賦予林業三次產業的權重，實證計量模型設定為：

式中：Fipt表示林業三次產業中i產業在p省份中t時期的加權比重，此處GDP表示人均GDP，PE為地區人口規模，CO為地區規模以上工業企業數量，RD表示地區R&D內部經費支出，FI表示林業固定投資額，FS地區表示林業站個數，FP表示地區林業從業人數，FC表示森林覆蓋率，FY表示林業政策虛擬變量。

需要注意的是，由于各省份的林業三次產業產值的權重并不一致，因此采用傳統的面板數據回歸方法無法分析各省市具體的林業產業結構升級變化規律。為此，采用了估計更為精確的面板數據分位數回歸方法[22]，并在關鍵解釋變量選取上更加充分，以提高回歸結果的解釋能力。分位數回歸使用殘差絕對值的加權平均作為最小化的目標函數，與最小二乘法使用殘差平方和為最小化的目標函數相比，不易受到極端值的影響[23-24]。

1.3 變量選擇與說明

1）被解釋變量。國內外研究產業結構優化的指標主要有產業結構調整系數、Moore值、產業結構變動值和產業結構層次系數。針對上述林業產業結構優化指標的選取，既有研究認為，相比于其它方法，產業結構層次系數能夠將林業三次產業間的相對結構變化進行系統測度，更全面地反映林業產業結構的優化程度[10]。為此，本文將采用這一指標進行測度，并將測度值作為被解釋變量值。

2）解釋變量。解釋變量包括宏觀經濟因素和林業行業因素兩個方面。宏觀經濟因素通過人均GDP、人口規模、規模以上工業企業數量和科技進步等指標來體現。具體而言，人均GDP是社會經濟發展水平的重要衡量指標，經濟發展水平的提升對林業產業結構升級具有較強的推動作用[9-10]。而人口為產業結構升級提供廣闊的消費市場，人口規模越大，林業產業由低級向高級產業轉移的市場動力越強[8,13]，這里的人口規模為地區總人口減去地區林業從業人口。此外，規模以上工業企業數量反映一國或地區的產業經濟水平，一般規模以上工業企業數量越多，其產業經濟水平越高[25-26]。最后，選取R&D經費內部支出作為科技進步指標，反映地區科技投入的實際支出，由于農林業屬于一國或地區的基礎行業，因此，地區科技投入越高，對當地林業產業的升級促進作用越明顯[9,27]。

林業行業因素通過林業固定投資額、林業站個數、林業從業人數、森林覆蓋率和政策變量等指標來體現。具體來說，林業固定投資額反映政府部門對林業產業發展的投入力度，林業固定投資額越高，對林業產業升級作用越大，呈正比關系[10]。林業站個數反映林業部門的災害防治，科技扶持的覆蓋程度，林業站個數越多，反映地區林業管理水平和科技投入越高，對林業產業結構升級越有利[28]。林業從業人數為林業產業提供重要的勞動力保障，但林業產業從業人數往往存在一定適合比例，尤其是國有企業林業從業人數過高，往往不利于產業升級[29]。森林覆蓋率代表森林資源的豐富程度，而森林資源是林業產業發展最重要的資源稟賦，也是林業第一產業，第二產業和第三產業升級發展的基礎[10,30]。選擇“全面集體林權改革”為政策變量，各省份實施上述政策前取值為0，實施及以后取值為1[31]，具體變量均值和標準差見表1。

1.4 數據來源與說明

研究樣本涵蓋了我國30個省、自治區和直轄市（簡稱“省份”，研究樣本中不包括香港和澳門特別行政區與青海省和臺灣省），數據時間階段為2000—2015年，選擇2000年為起始年主要考慮到：2000年開始實行的天然林保護工程，部分天然林在此后的生產中不作為林業經濟產出對象。涉及2000—2015年全國和各省市的林業產值數據，林業固定投資額，林業站個數，林業從業人數，森林覆蓋率數據均來源于《中國林業統計年鑒》。人均GDP，人口規模，規模以上企業數量，R&D內部經費支出等指標數據均來自于《中國統計年鑒》。

表1 變量含義與統計性描述Table 1 Description of variables

2 結果與分析

2.1 林業產業結構升級

表2為采用產業結構超前系數法和Moore值法對30個省市林業產業結構升級方向和速度的具體測度結果。在林業產業結構升級的方向上，可以發現：整體上，林業第一產業的產業結構超前系數負值比例較大，30個樣本省份中有23個省份為負值，占77%，顯示出第一產業份額正逐步降低；而第二產業和第三產業的負值占比相對較小，分別占27%和40%，表明中國林業產業正向第二產業和第三產業升級，但第二產業仍舊占據最大份額，平均產業結構超前系數值為3.98，明顯高于第一產業（-1.64）和第三產業（1.52）。此外，有21個省份林業第三產業的系數值高于第一產業，占總樣本的70%，顯示出林業產業總體由低附加值向高附加值產業方向升級。

在林業產業結構升級速度上，通過Moore值測度結果可以發現：整體上，結合Moore值、夾角α值和K值結果表明，當前林業產業結構升級速度較快的省份多為東部沿海省份。在林業產業升級年均變動率（K值）上，前五位K值分別為13.78、4.97、3.92、3.51和2.37；后五位K值分別為0.16、0.22、0.31、0.39和0.40。綜合來看，中國林業產業在2000—2015年時期經歷明顯的產業結構升級過程，產業結構升級方向和速度均呈現較好的趨勢，總體特征是：中國林業產業結構向第二、第三產業升級的趨勢明顯，升級速度也在提升。

2.2 林業產業結構升級實證模型適用性檢驗

為了檢驗主要解釋變量是否存在多重共線性，首先通過相關系數矩陣進行觀察，從表3中可以看出，解釋變量相互相關系數整體較小，為了進一步精確驗證，繼續引入方差膨脹因子（VIF）進行觀察，VIF值均在[0，10]區間內，結果再次驗證解釋變量不存在多重共線性問題。

此外，面板數據回歸一般分為混合估計、固定效應和隨機效應，為了甄別使用哪種回歸，首先通過Stata 13.0軟件進行Breusch-Pagan test 檢驗，結果表明：P值均大于0.05的顯著性水平，即使用面板數據混合效應估計參數。另外，由于樣本數據是基于30個省份16年的短面板數據，還需要進行單位根檢驗以驗證樣本各變量序列的穩定性，為此，研究采用適合短面板數據的單位根檢驗方法：HT檢驗，從表3中可以看出統計量（ρ，z值）均顯著（P=0.00），因此面板數據較為平穩。

2.3 林業產業結構升級的影響因素分析

為了將傳統面板回歸模型與面板分位數模型估計結果做比較，本文首先得出普通面板數據混合效應模型的估計結果；其后，選擇具有代表性的5個分位點（0.10，0.25，0.50，0.75，0 .90）進行面板分位數回歸估計，模型回歸結果見表4。

人均GDP（GDP）對林業產業結構優化具有顯著負向影響，隨著經濟水平的增長，產業結構理應實現優化，但經濟發展并未促進林業產業升級。人口規模（PE）對林業產業結構優化有一定負向影響，表明當前大部分國人對林業第一產業和第二產業產品依賴度較強，對林業第三產業依賴較弱，因此對

林業產業結構升級有一定抑制作用。R&D內部經費支出（RD）對林業產業結構優化有顯著正向影響，這說明科技投入提升了林業科技水平，進一步優化了林業三次產業的布局，是林業產業結構優化的主要驅動力。林業站個數（FS）對林業產業結構優化有顯著正向影響，林業站是指導林業三次產業經營和管理的重要部門，因此，林業站數量也是促進林業產業結構優化的重要指標。森林覆蓋率（FC）對林業產業結構優化具有顯著負向影響。除上述變量外，其余變量在普通面板混合效應估計結果中對林業產業結構優化無明顯影響（限于篇幅，不做具體解釋）。

表2 林業產業結構升級方向和速度測度Table 2 Direction and speed of forestry industrial structure transformation and upgrading

表3 模型適用性檢驗Table 3 Model applicability tests

表4 林業產業結構升級分位數回歸結果Table 4 Quantile regression results of forestry industrial structure transformation

為進一步解釋解釋變量對林業產業結構優化程度影響的完整情況，繼續結合面板分位數回歸結果進行解釋。分位越高，代表該地區高層次產業比重越高，分位越低，代表該地區高層次產業比重越低。

人均GDP（GDP）在全部分位點上均通過顯著性檢驗，影響方向均為負，對林業產業結構優化的影響彈性呈現正“U”型，在0.25～0.75中等水平分位上具有顯著的負向影響，在高分位（0.95）上，負向影響降低，表明在林業第一產業、第二產業比重較高地區，人均GDP對林業產業結構優化具有較強的抑制作用，而在林業第三產業比重較高的地區，其抑制作用逐漸減弱。這是由于當前居民主要消費的多為林業第一產業和第二產業產品，林業第三產業產品消費量較小所致，從而弱化了林業產業結構的優化水平。

人口規模（PE）在全部分位點上均通過顯著性檢驗，對林業產業結構優化的影響彈性呈現先下降（0.10～0.25），后上升（0.25～0.75），再下降（0.75～0.90）的趨勢。總體上，隨著分位點的升高，人口規模的負向影響越強，表明林業高層次產業比重越高的地區，人口規模對林業產業結構優化的負作用越強，這種現象與面板隨機效應結果解釋一致，即當前主要人群仍舊以林業第一產業和第二產業產品消費為主，與林業第三產業產品消費量較少有關。

森林覆蓋率（FC）在全部分位點上均通過顯著性檢驗，對林業產業結構優化的影響彈性表現為持續增長的態勢。隨著分位點的升高，負向影響越強，說明森林資源越豐富的地區，其林業高層次產業發展越緩慢，主要原因可能是現有林業第三產業開發的區域，如保護區、森林公園、旅游景區占全國森林面積的比例較小，而森林資源最豐富（森林覆蓋率越高）的地區往往交通和基礎設施建設跟不上高層次產業發展需求。

林業站個數（FS）在除0.10分位點以外的4個分位點上均通過正向顯著性檢驗，對林業產業結構優化的影響彈性表現為先增長（0.10～0.50），后下降（0.50～0.75），再上升（0.75～0.90）的趨勢，總體說明林業站作為配合國家產業結構優化政策的執行者之一，在科技支持和經營管理上對林業三次產業的調整具有較強的指導作用。

此外，部分變量在中、高分位點上對林業產業結構優化具有負向影響，如規模以上企業數量（CO），林業固定投資（FI），林業從業人數（FP），全面集體林權改革（FY），上述變量在林業第二、第三產業比重較高的地區對林業產業結構優化均有一定的抑制作用，究其原因，可能有以下幾點，一是規模以上企業數量表現為宏觀經濟下第二產業的發展水平，而林業固定投資和林業從業人數也較多地偏向林業第一產業或第二產業的投入，因此對林業第三產業的發展并無明顯促進作用，反而會占據第三產業的發展空間；二是當前林業投資回報率低、林業從業人員的素質不高等因素也是抑制林業產業結構優化的深層次原因；三是全面集體林權改革是側重林農個體利益的政策，注重了林業的生產功能，但林地細碎化經營忽視了森林生態系統的完整性，尤其是對林業第三產業發展不利，例如森林旅游、森林公園，必須依附于森林的生態功能才得以發展。

最后，R&D內部經費支出（RD）在中、高分位點（0.50，0.75，0.90）上對林業產業結構優化具有顯著的正向影響，在上述分位點上對林業產業結構優化的影響彈性表現為快速上升（0.50～0.75），后又快速下降（0.75～0.90）的趨勢，R&D內部經費支出代表社會整體的科技生產投入，表明科技投入對林業產業結構優化的初期效果較為明顯，后期將會下降到較為平穩的作用趨勢，但總體具有較強的推動作用。

2.4 林業產業結構升級實證分析的穩健性檢驗

面板分位數回歸較好地估計了整個條件分布的影響因素，避免了極端值的影響，為檢驗上述估計結果的穩健性，在已有分位點的附近另取5個分位點（0.15，0.30，0.45，0.70，0.85）繼續進行分位數回歸（表5），可以發現，采用新分位點的回歸結果中，絕大部分變量系數符號并沒有發生變化，盡管少數分位點上的變量顯著性有一定變化，但估計結果的細微差異并不影響最終的結論和經濟解釋，因此，上文的估計結果是穩健的。

表5 穩健性檢驗結果Table 5 Robustness of the test results

3 結論與政策建議

3.1 結論

當前中國各省份林業產業總體呈現由低層次產業向高層次產業升級的趨勢，其中，林業第二產業升級方向較為超前，而第一產業和第三產業相對滯后，林業三次產業的升級方向存在一定差異。盡管各省份林業產業結構升級速度正在逐年提升，但當前林業產業升級的速度上省際差異較為明顯。

影響林業產業結構優化的因素復雜多樣，人均GDP，人口規模，森林覆蓋率，林業站個數是影響林業產業結構升級的主要因素。另外，規模以上企業數量，林業固定投資，林業從業人數，全面集體林權改革和R&D內部經費支出對林業第二產業和第三產業比重較高省份的林業產業升級具有顯著影響。

需要指出的是林業站對推進林業產業結構升級具有積極作用，林業站建設相對完善的省份，其林業產業結構優化程度相對較高。而R&D內部經費支出對林業產業升級同樣具有積極意義，具有較強的促進作用。然而，由于近來年多數省份開始注重生態環境建設并且林業第三產業投入不足，因此導致林業產業結構優化水平與人均GDP、人口規模和森林覆蓋率的發展水平呈反比特征。

3.2 政策建議

首先，針對林業產業升級方向和速度上的區域差異，林業產業部門應積極統籌東、中、西部三大區域的林業產業發展布局，鼓勵中西部省份承接東部沿海省份林業第二產業，尤其是東部地區的木材加工業可適當向成本比較優勢更明顯的中西部省份轉移；大力發展東部沿海省份林業第三產業，如森林旅游—休閑康養產業。

其次，鑒于經濟發展水平、人口規模效應和豐富的森林資源并未推動林業產業結構向更高層次升級，林業產業經營者應積極推出富有特色并受廣泛歡迎的林業高層次產品和服務，如提高森林休憩、森林康養、森林親子和森林娛樂等服務業的發展規模，并滿足不同收入水平的居民需求。另外，部分地方政府還應加大對森林資源豐富地區林業資源開發和利用，注重林業三次產業的結構比例，激勵林業從業人員從事林業服務業的經營。

最后，相關林業決策部門可以進一步提高林業科技投入，如加強林業第一產業的森林經營和林業站建設，提高第二產業的木材加工和第三產業的森林旅游等產業R&D科技經費支持，實現技術進步推動林業產業結構優化，提升林業產業整體發展水平。

參考文獻：

[1] 楊紅強, 聶影. 中國木材加工產業結構轉型升級及區域優化研究[J]. 農業經濟問題, 2011, 32(5): 90-94.Yang H Q, Nie Y. Study on the issues of transformation, upgrading and regional optimization of Chinese lumber processing industry[J]. Issues in Agricultural Economy, 2011, 32(5): 90-94.

[2] Shin R W, Alfred H O. Industrial transformation: Interactive decision-making process in creating a global industry (Korea’s electronics industry)[J]. Public Administration Quarterly, 1997,21(2): 143-175.

[3] Galbraith J K, Weidenbaum M L, Hession C H, et al. Economics and the public purpose[J]. Journal of Economic Issues, 1973, 9(1):87-100.

[4] Helpman E, Krugman P R. Market structure and foreign trade:Increasing returns[J]. Economic Journal, 1985, 96(3): 543-543.

[5] 高燕. 產業升級的測定及制約因素分析[J]. 統計研究, 2006,23(4): 47-49.Gao Y. Determination of industrial upgrading and analysis of restrictive factors[J]. Statistical Research, 2006, 23(4): 47-49.

[6] Zagler M. Economic growth, structural change, and search unemployment[J]. Journal of Economics, 2009, 96(1): 63-78.

[7] Moore J H. A measure of structural change in output[J]. Review of Income & Wealth, 2010, 24(1): 105-118.

[8] 譚晶榮, 顏敏霞, 鄧強, 等. 產業結構轉型升級水平測度及勞動生產效率影響因素估測——以長三角地區16個城市為例[J].商業經濟與管理, 2012, 1(5): 72-81.Tan J R, Yan M X, Deng Q, et al. Measurement of the level of industrial upgrading and the assessment of affecting factors of labor productivity: A case study of 16 cities in Yangtze River Delta Region[J]. Journal of Business Economics, 2012, 1(5): 72-81.

[9] 劉建民, 陳霞, 吳金光. 湖南省產業結構轉型升級的水平測度及其影響因素的實證分析[J]. 湖南社會科學, 2015(1): 143-147.Liu J M, Chen X, Wu J G. An empirical analysis on the measurement and the determinants of the industrial structure transformation and upgrading in Hunan Province[J]. Social Sciences in Hunan, 2015(1): 143-147.

[10] 唐湛, 黎紅梅. 城鎮化對林業產業結構優化影響的實證分析[J].農業現代化研究, 2017, 38(2): 226-233.Tang Z, Li H M. An empirical analysis of the impact of urbanization on the optimization of forestry industry structure[J].Research of Agricultural Modernization, 2017, 38(2): 226-233.

[11] Cao K H, Birchenall J A. Agricultural productivity, structural change, and economic growth in post-reform China[J]. Journal of Development Economics, 2013, 104(3): 165-180.

[12] 魏后凱. 中國農業發展的結構性矛盾及其政策轉型[J]. 中國農村經濟, 2017(5): 2-17.Wei H K. Structural contradiction and policy transformation of agricultural development in China[J]. Chinese Rural Economy,2017(5): 2-17.

[13] Galor O. From stagnation to growth: Unified growth theory[J].Social Science Electronic Publishing, 2005, 1(3): 171-293.

[14] 唐東波. 貿易開放、垂直專業化分工與產業升級[J]. 世界經濟,2013(4): 47-68.Tang D B. Trade liberalization, vertical specialization and industrial upgrading[J]. The Journal of World Economy, 2013(4):47-68.

[15] 余淼杰, 王賓駱. 對外改革, 對內開放, 促進產業升級[J]. 國際經濟評論, 2014(2): 49-60.Yu M J, Wang B L. Industrial upgrading through external reform and domestic opening-up[J]. International Economic Review,2014(2): 49-60.

[16] 趙宏, 尹曉丹, 馬濤. 中國區域紡織產業結構變動分析[J]. 經濟與管理研究, 2015(2): 81-87.Zhao H, Yin X D, Ma T. Changes in china’s textile industry structure[J]. Research on Economics and Management, 2015(2):81-87.

[17] 陳強強, 邴芳, 竇學誠, 等. 甘肅省產業結構轉型升級測度及其經濟效應[J]. 干旱區地理, 2016, 39(6): 1365-1372.Chen Q Q, Bing F, Dou X C, et al. Measurement and economic effects of industrial transformation and upgrading in Gansu Province[J]. Arid Land Geography, 2016, 39(6): 1365-1372.

[18] Kong X X. Industrial upgrading in global production networks:The case of the Chinese automotive industry[J]. Asia Pacific Business Review, 2016, 22(1): 21-37.

[19] Cheremukhin A, Golosov M, Guriev S M, et al. The economy of People’s Republic of China from 1953[R]. NBER Working Paper Series，Working Paper 21397，2015. http://www.nber.org/papers/w21397.

[20] 李博, 胡進. 中國產業結構優化升級的測度和比較分析[J]. 管理科學, 2008, 21(2): 86-93.Li B, Hu J. Comparative analysis on the measuring of industrial structure optimization and upgrading in China[J]. Journal of Management Sciences, 2008, 21(2): 86-93.

[21] 何平, 陳丹丹, 賈喜越. 產業結構優化研究[J]. 統計研究, 2014,31(7): 31-37.He P, Chen D D, Jia X Y. Study on industrial structure optimization[J]. Statistical Research, 2014, 31(7): 31-37.

[22] 周少甫, 王偉, 董登新. 人力資本與產業結構轉化對經濟增長的效應分析——來自中國省級面板數據的經驗證據[J]. 數量經濟技術經濟研究, 2013(8): 65-77.Zhou S F, Wang W, Dong D X. Effect of human capital and industrial structure transformation on economic growth[J]. Journal of Quantitative & Technical Economics, 2013(8): 65-77.

[23] Koenker R, Bassett G. Regression quantiles[J]. Econometrica,1978, 46(1): 33-50.

[24] Buchinsky M. Recent advances in quantile regression models: A practical guideline for empirical research[J]. Journal of Human Resources, 1998, 33(1):88-126.

[25] 鄭小碧, 陸立軍. 產業集群轉型升級視閾下的區域創新平臺研究[J]. 科學學與科學技術管理, 2011, 32(8): 65-70.Zheng X B, Lu L J. A study on regional innovative platform (RIP)under an upgrading of industry cluster[J]. Science of Science &Management of S & T, 2011, 32(8): 65-70.

[26] 李勝蘭, 陳智武. 戰略性新興產業集聚對FDI技術溢出的影響——基于轉型時期不同維度集聚程度的實證研究[J]. 證券市場導報, 2014(11): 29-36.Li S L, Chen Z W. The impact of strategic emerging industry agglomeration on FDI technology spillover: An empirical study based on the agglomeration degree of different dimensions in the transforming period[J]. Securities Market Herald, 2014(11): 29-36.

[27] 郭曉丹, 何文韜. 戰略性新興產業政府R&D補貼信號效應的動態分析[J]. 經濟學動態, 2011(9): 88-93.Guo X D, He W T. Dynamic analysis of the R&D subsidy signal effect of the strategic emerging industry government[J]. Economic Perspectives, 2011(9): 88-93.

[28] 羅小鋒, 李兆亮, 李容容, 等. 中國林業生產效率的時空差異及其影響因素研究[J]. 干旱區資源與環境, 2017, 31(3): 95-100.Luo X F, Li Z L, Li R R, et al. Temporal and regional variation of forestry production eff i enciency in China[J]. Journal of Arid Land Resources and Environment, 2017, 31(3): 95-100.

[29] 姜鈺, 許馨. 黑龍江省林業產業集聚水平及效率測度分析[J].林業經濟, 2016(6): 55-69.Jiang Y, Xu X. Analysis on forestry industry cluster level and efficiency in Heilongjiang Province[J]. Forestry Economics,2016(6): 55-69.

[30] 張啟春, 朱明. 區際產業轉移背景下中部六省發展環境研究[J].華中師范大學學報(人文社會科學版), 2014, 53(2): 43-52.Zhang Q C, Zhu M. Study on development environment of the six provinces in central China under the background of regional industrial transfer[J]. Journal of Huazhong Normal University(Humanities and Social Sciences), 2014, 53(2): 43-52.

[31] 邵礫群, 陳海濱, 劉軍弟, 等. 基于灰色理論的陜西省林業產業結構分析預測[J]. 西北林學院學報, 2012, 27(5): 289-292.Shao L Q, Chen H B, Liu J D, et al. Grey analysis prediction on forestry industrial structure in Shaanxi[J]. Journal of Northwest Forestry University, 2012, 27(5): 289-292.