南方13省林業產業生態效率時空演變及其影響因素

姜 微,湯 旭,劉俊昌

1 北京林業大學經濟管理學院, 北京 100083 2 中南林業科技大學商學院, 長沙 410004 3 中南林業科技大學經濟學院, 長沙 410004

林業是生態文明建設的主體,具有產業經濟和森林生態雙重屬性。改革開放以來,我國森林覆蓋率由80年代初12.98%提高到2018年的22.96%,林業產值由1978年的179.6億元增長到2018年的76272萬億元,年均增速10.35%,呈現持續高速增長的態勢。盡管林業產值取得了高速增長,但這種簡單數量的增長卻容易忽視了增長的質量與代價。《林業發展“十三五”規劃》[1]數據顯示,宜林荒山荒地、林業生產力低的疏林和灌木林兩項合計占林地總面積的47.5%,全國森林單位面積蓄積量只有全球平均水平的78%,森林年凈生長量僅相當于林業發達國家的一半左右,全國中度以上生態脆弱區域占國土陸地空間的55%,這說明目前林業發展模式仍然是粗放式的增長,長此以往,它必將嚴重阻礙林業的可持續利用與發展。在此背景下,林業產業迫切需要向高質量集約型增長模式轉型。由于簡單的林業產值指標無法客觀反映林業增長的質量和林業增長的代價,而綜合了資源、環境等因素的生態效率指標能較為全面地測度林業產業增長質量,因此本文將基于生態效率指標以及2005—2016年的面板數據來分析南方林區的林業生態效率。本文將聚焦于以下幾個問題：①從2005年以來南方林區的生態效率是否實現了持續增長？②南方林區13省生態效率的空間分布有何特征？③哪些因素會顯著影響南方林區的林業產業生態效率？以上問題的研究有利于分析南方林區林業生態效率的時空分布特征,同時也能為相關林業產業的政策制定提供更多的科學依據。

生態效率最初由德國學者Schaltegger和Sturm[2]提出,并由世界可持續發展工商理事會(WBCSD)和經合組織(OECD)推廣。林業生態效率是以林業生產效率為基礎展開的,主要是從企業、產業行業、區域3個方面展開。國外最先是從企業、行業展開的,如Shiba等[3]、Jun Y L[4]、Marileena[5]從企業層面測算林業生產效率。Salehirad等[6]、Luis等[7]從林木產業方面測算生產效率;區域測算方面,Gouranga[8]測算美國林業生產率、Sporcic M[9]測算克羅地亞森林生產效率。而國內林業企業、行業層面研究成果相對較少,楊瑋[10]測度林產業和森工產業生產效率,呂盈等[11]測算林業龍頭企業生產效率;國內林業效率以區域測算為主展開不同區域、省域的研究,鄭宇梅[12]、李雪婷[13]、史常亮等[14]、姜鈺等[15]運用不同模型測算不同地區或省域多年份的林業生產效率,并進行產業集聚、影響因素、要素分解分析、時空格局等方面延伸研究。通過以上文獻梳理發現,國內外林業效率研究以全要素生產效率為主,其是衡量地區林業經濟增長質量的重要方法,忽視資源、環境因素的生產效率評價體系會使測算結果出現偏差,誤判林業經濟績效從而誤導政策建議。因而,本文采用生態效率來研究資源、環境約束下林業產業經濟增長質量及可持續發展水平。目前,國內外測算生態效率方法包括隨機前沿法、DEA、超效率DEA、SBM、非徑向方法距離函數模型等,以SBM為主。DEA模型[16]、隨機前言法[17]是分解前沿技術和技術效率最主要的兩種方法,超效率DEA[18]解決了多決策單元同時評估生產前沿面的問題,但都是處理多投入、多產出方面,均未將污染作為非期望產出。SBM模型[19]、非徑向方向距離函數[20]相比前面模型解決了決策單位的松弛變量問題和引入污染物排放為非期望產出變量,但非徑向方法距離函數相比SBM模型未將資本和勞動變量納入指標體系中[21],能更好反映資源、環境約束下綠色經濟發展水平,故本文選取非徑向方向距離模型測度林業產業生態效率。影響機理分析多采用Tobit模型分析各因素的整體效應,而變系數模型深入探析各區域各個影響因素的差異性和趨同性,彌補了常參數計量經濟研究的部分不足,對各區域因地制宜發展綠色經濟提供支撐。基于此,本文以2005—2016年南方林區各省市面板數據為研究對象,采用非徑向方法距離函數對南方林區林業產業生態效率進行測度,并分析林業產業生態效率的時空演變規律,利用變系數模型分析不同區域生態效率各因素影響情況,旨在為生態文明建設、縮小各地區間的產業發展不均衡提供科學的理論支撐。

1 研究區域

南方林區作為中國三大林區之一,包括廣東省、廣西省、福建省、浙江省、江蘇省、湖南省、湖北省、云南省、貴州省、四川省、海南省、江西省、安徽省。2016年林地總面積為1.389億hm2,占全國的44.43%,該區域林業產業較為發達,林業產業總產值為4.61萬億元,占全國林業總產值的69.72%,是我國重要的林業經濟發展優勢區域。林業產業作為南方林區農村經濟發展的重要支柱,然而在林業經濟高速發展時,林業資源利用率較低、林木偷砍濫伐、粗放式生產管理造成水土流失、土壤荒漠化等生態問題,無疑會阻礙區域內綠色經濟發展。林業產業生態效率是衡量林業產業綠色發展的重要指標,運用科學方法測度林業產業生態效率有利于明確南方林區林業產業發展方向、促進產業轉型升級,對當地生態文明建設大有裨益。

2 研究方法

2.1 非徑向方向距離函數

以傳統DEA為框架,假設規模報酬不變的前提下, 本文采用資源—環境非徑向方向距離函數來測算南方林區林業產業生態效率。借鑒鄭玉梅的研究[12],投入指標包括資本要素(K),勞動力要素(L),能源要素(E),林木要素(M),林業產值(Y)為期望產出要素,廢水(S)、廢氣(Q)、固體廢棄物(W)為非期望產出要素。借鑒zhou等[22]的研究,構建測度資源環境效率的非徑向方法距離函數,公式如下：

(1)

γi,t≥0,i=1,2,…,N

t=1,2,…,T,βE,βM,βY,βS,βQ,βW≥0

(2)

(3)

(4)

(5)

借鑒李江龍的研究[24],能源效率與林木效率加權平均為資源效率,資源投入與環境非期望產出同等重要,即林業產業生態效率(EE)由能源、林木以及環境效率進行加權平均得出:

(6)

由公式(6)可以得出林業產業生態效率EE∈[0,1],數值越高,代表林業產業生態效率越好。

2.2 變系數模型

本文考慮建立林業產業生態效率的計量模型,量化分析影響因素在不同區域間的差異性。考慮到面板回歸模型能較好的解釋經濟內涵,運用時空序列的面板數據對南方林區13省林業產業生態效率影響因素進行異質性分析。模型如下：

(7)

式中,αi是隨機變量,i= (1…N) 表示不同省份地區,t= (1…T) 表示年份,從2005年開始到2016年,EEit表示被解釋變量,Xit表示解釋變量,β表示斜率系數,ε表示隨機干擾項。

變系數模型分為固定效應和隨機效應兩類模型。首先需對變系數模型進行合理性檢驗,用F檢驗判斷是變截距模型、混合模型還是變系數模型,然后運用Hausman 檢驗判斷到底是固定效應變系數還是隨機效應變系數模型。F檢驗基于如下假設：

H1:β1=β2=β3=…=βN

H2:α1=α2=α3=…=αN,β1=β2=β3=…=βN

如果F檢驗結果與H2原假設一樣,則該模式屬于混合模型,不需要再進一步檢驗。若拒絕了H2原假設,則繼續檢驗H1原假設;若接受H1原假設,則為變截距模型,若拒絕H1原假設,則為變系數模型。然后進行Hausman 檢驗,假設顯著性水平是5%,若hausman檢驗結果P值<0.05時,則拒絕顯著性假設,為固定效應模型,若P值大于0.05,則接受顯著性假設,為隨機效應模型。

2.3 指標選取及數據說明

2.3.1林業產業生態效率指標及數據說明

林業產業生態效率指標選取借鑒鄭玉梅的研究[12],考慮到數據的可得性以及連續性等問題,最終以勞動力、資本、能源、林木作為投入指標,以期望產出和非期望產出作為產出指標。相關數據來源于《中國林業統計年鑒》、《中國環境統計年鑒》、和各省市的統計年鑒。如下：

(1)勞動力要素。選取各省每年林業產業年末從業人員人數作為勞動力要素。

(2)資本要素。利用“永續盤存法”對林業固定資產投入數據進行估計作為資本要素[25]。

(3)能源要素。選取各省每年的林業第二產業的能源消耗量,即木竹加工和竹藤棕草制品業,造紙及紙制品業,木質、竹藤家具制造,文教用品行業一次性能源統一單位后的消耗量。

(4)林木要素。選取各省每年的國內林木砍伐量作為林木要素。

(5)期望產出要素。借鑒鄭玉梅的研究[12],選取各省林業第二產業年末產值作為林業產業生態效率期望產出要素,因為林業第二產業在南方林業產業中是主導性產業：例如2016年,南方林區林業三次產業產值分別為：1.241萬億元、2.383億元、0.899萬億元,比重為27∶53∶19。

(6)非期望產出要素。選取各省林業第二產業廢水排放量、林業第二產業廢氣排放量以及林業第二產業固體廢棄物排放量為非期望產出要素。

2.3.2影響因素變量選取及數據說明

生態效率影響因素較多,借鑒李雪婷[13]和熊立春研究[26]及數據可獲得性,從資源稟賦、產業發展水平、環境政策、制度政策四個方面選取指標,相關數據來源于《中國林業統計年鑒》、《中國統計年鑒》、《中國分省份市場化報告》和各省市的統計年鑒。

具體如下：

(1)資源稟賦方面用森林資源覆蓋率來體現,森林資源是林業產業發展和生態可持續發展的基礎。

(2)產業發展水平方面用林業固定資產投資、科研研發兩個要素來代表。林業固定資產投資反映政府對林業產業投資力度,金額越高對林業產業作用越大;科研研發反映林業科技投入情況,技術創新可以降低資源過耗、生產成本,以實現生態環境保護,推動林業產業升級轉型,由林業調查規劃設計費、林業教育費以及林業科技及重點實驗室費加權組成。

(3)環境政策用環境規制強度來體現。環境規制利用市場環境規制逼迫企業降低環境污染程度,有利于企業轉型升級及生態環境保護。環境規制強度本文采用綜合指數法測度,選取等工業SO2去除率、工業粉塵去除率、工業固體廢物綜合利用率、生活污水處理率和生活垃圾無害化處理率這5個單項指標,利用熵值法計算權重,然后計算出各地區環境規制水平[27]。

(4)制度政策用市場化指數來體現。市場化指數用來衡量當地經濟發展水平的,有利于資源和要素優化配置,提升生產效率,推動林業產業轉型升級。借鑒王小魯、樊綱[28]的研究成果,將政府與市場的關系、非國有經濟的發展、產品市場的發育程度、要素市場的發育程度、市場中介組織的發育和市場的法制環境五個方面按照等權重的方法計算得出市場化指數。

3 結果分析

3.1 林業產業生態效率測度及時空演變

運用MAXDEA軟件測算出南方13省2005—2016年的林業產業生態效率,結果如表1所示。2005—2016年間,效率最高3個省為廣東省、江蘇省、浙江省,效率最低3個省為廣西省、貴州省、云南省。廣東省、江蘇省、浙江省地處東部沿海經濟發達地區,以先進制造業為支撐的現代化產業體系,其技術條件相對其他地區更為優越,對于生態環境保護和環境規制要求更為嚴格,因此其林業產業生態效率水平相對更高。廣西省、貴州省、云南省地處西南部經濟較不發達的內陸地區,當地經濟發展水平較低以加工高污染、高損耗的初級林產品制造業為主,其產能較低、交通不便、技術較為落后,是其林業產業生態效率較低主因。其他省份處于中間水平,2005年效率值均較低,而后都保持著增長態勢,到2016年各省效率都保持在0.5以上的水平。福建省林業產業生態效率發展保持較穩定增長的態勢,其森林覆蓋率排名全國第一名的省份,而效率值卻不是最高,說明福建省森林資源稟賦在一定程度制約了林業產業的發展,存在資源詛咒現象。南方13省林業產業生態效率均值為0.454,高于均值的省份僅有安徽省、廣東省、江蘇省、浙江省4個省份,說明南方林區林業產業生態效率整體水平較低,且各區域間差距較大,有較大的上升空間。

表1 2005—2016年南方13省林業產業生態效率

本文利用ArcGIS軟件對2005年、2009年、2013年、2016年的林業產業生態效率值進行了空間化分析,具體如圖1所示。將林業產業生態效率值劃分為5個層次,分別用不同的顏色進行標識,顏色越深代表該省林業產業生態效率值檔次越高。東部地區：整體保持較高的水平區間,處于第四、五檔。海南省作為特例,由于其旅游資源豐富,故林業產業多以旅游業為主,制造業發展受到極大的制約,導致林業產業生態效率水平不升反而降低。中部地區：初始處于第一、二檔,說明當時林業產業生態效率水平較差,2016年均處于第三檔及以上達到中等水平,說明中部地區林業產業可持續發展程度在逐漸提高。西部地區：期間整體變化不大,基本上在第一檔、二檔之間波動,雖然林業資源豐富,但當地經濟發展水平較低,阻礙林業產業的發展導致效率低下。而四川作為特例,其經濟水平相比其他西部省份要高,而且注重環境保護以及技術水平迭代,故在2016年達到第三檔,表現較為突出。南方林區產業生態效率總體是呈緩慢上升趨勢,且中部地區與東部地區的差距在逐漸縮小,有了較大幅度的提升,但西部地區整體水平仍較低,有較大的發展空間,與各省份經濟實力的梯次分布基本趨同。

圖1 2005年、2009年、2011年、2016年南方13省林業產業生態效率Fig.1 Ecological Efficiency of Forestry Industry in 13 Southern Provinces in 2005, 2009, 2011 and 2016

3.2 林業產業各要素效率分析

根據上節公式算出能源效率、林木效率、環境效率,資源效率由能源效率和林木效率加權平均算出[24],將資源效率與環境效率進行比較。如圖2所示為2005年、2016年各省資源、環境效率的散點圖。2005年樣本點集中在右下角,而到2016年樣本點往左上方分散,說明在12年間資源、環境效率有了較大幅度的提升。2005年資源效率略高于環境效率,2016年的資源效率要明顯優于環境效率,表明隨著全社會生態意識提高,注重林業資源保護并對森林資源砍伐和能源消耗進行嚴格限制措施,同時引入先進的生產技術,故資源效率要好于環境效率。東部地區省份其資源效率要高于環境效率,說明其對于節能意識擺在更為重要的位置;而西部地區省份其環境效率要高于資源效率,說明其減排效果要大于節能效果。

圖2 2005、2016年資源效率和環境效率的對比圖Fig.2 Comparison of Resource Efficiency and Environmental Efficiency in 2005 and 2016

本文根據測算出來的能源和污染物排放的最優值與實際值進行對照,得到能源和污染物排放的可減少比例,結果如圖3。由于林木消耗數據僅包括國內砍伐量不能代表整體林木消耗水平,故本文不分析林木效率。可知,能源消耗可減少比例中,東部地區比例維持在0.3區間波動,中部地區呈顯著的下降趨勢,而西部地區仍維持在較高水平。觀察污染物排放可減少比例可看出,東部地區的廢水、廢氣、固體廢棄物利用產業升級以及技術更新,達到了較好的減排效果,其可優化比例在0.3以下,說明其污染物減排效果非常好。中、西部地區中,廢水的減排效果相對最好,呈現下降趨勢,廢氣、固體廢棄物的減排效果非常不理想,仍有較高比例的可優化空間。說明污染物排放的減排中,中西部地區較為重視廢水的減排,達到較好的數值,但是忽視廢氣、固體廢棄物的減排,特別是固體廢棄物的減排,仍然有80%以上的優化空間。生態效率提升重點在環境效率,特別是中西部地區環境效率相較東部地區還有較大的提升空間,其中環境效率中廢氣、廢棄物排放效率是減排重點。

圖3 2005—2016年東、中、西部地區能源、廢水、廢氣、固體廢棄物可減少比例Fig.3 Reduction Ratio of Energy, Waste Water, Waste Gas and Solid Waste in Eastern, Central and Western Regions from 2005 to 2016

3.3 影響因素分析

首先對2005—2016年相關數據進行LLC單位根檢驗、Fisher協整檢驗, 結果表明, 面板數據可以進行回歸分析。利用上節所介紹的模型形式設定檢驗方法,計算得到的兩個F統計量分別為：

F2=18.59566F1=11.11392

查F分布表,在給定5%的顯著性水平下,得到相應的臨界值為：

F(60,78)=1.47F(72,78)=1.35

由于F1>1.47,所以拒絕H1假設;而F2>1.35,又拒絕H2假設,因此模型為變系數模型;根據Hausman檢驗結果P值小于0.05,模型應拒絕顯著性假設,即為固定效應變系數模型。如表2環境管制對于林業產業生態效率影響最為顯著,有明顯的地域差異,福建省、湖北省及四川省影響最為明顯。東部地區廣東、江蘇、浙江的環境效率本來就很高,故環境規制產生的影響不如環境效率略低地區產生的影響大;近幾年,中部地區較為重視生態環境保護,承接產業轉型過程中抓住了產業升級的機遇,故其環境規制對產業生態效率產生了較大影響;海南省、貴州省、廣西省本身效率較低,由于經濟水平較低限制其產業發展,故其環境規制產生影響為負值,云南省雖然數值為正但影響相對較小。

科研投資對林業產業生態效率的影響不如環境管制那么明顯影響。其中,廣西省、海南省、貴州省、云南省產生的影響為負,且數值非常小。東部、中部地區對林業產業生態效率產生影響為正向,但是數值也較小,中部地區影響相對東部地區數值要大一些,說明科研投資對中部省份促進作用要強過東部地區省份。

森林資源覆蓋度對林業產業生態效率產生影響有正有負。林業產業生態效率較低的地區沒有很好利用森林資源發展起林業產業,故影響為負。浙江省、江西省、福建省利用自身的森林資源優勢大力發展林業產業,故其影響最為明顯。森林資源覆蓋率高對林業產業生態效率有正向影響,但是如果自身經濟水平有限反而會限制其生態效率的發展,會過度發展高能耗高污染的產業經濟。

表2 變系數固定效應回歸結果

固定資產投資對于林業產業生態效率影響是最不顯著的,基本上都為正向影響但是影響較小,只有安徽省、廣東省、江西省、浙江省為負向影響,而且數值很小。說明固定資產投資對于林業產業生態效率影響非常有限。

市場化對林業產業生態效率產生的影響有正有負。安徽、浙江、湖南、海南為負向影響,其他為正向影響。江西省、四川省、貴州省市場化對林業產業生態效率影響相對較大,因為這些地區市場化程度與林業產業生態效率等級較為匹配符合發展的規律。而安徽省、湖南省、海南省市場化程度較低與林業產業生態效率等級不符,故產生負向影響;浙江省市場化程度雖然較高但是企業規模小而且散,而且過度追求高效率對會產生負向影響。

4 結論與討論

本文運用非徑向方法距離函數方法測算出南方13個省份的2005—2016年的林業產業生態效率,并利用變系數回歸模型檢驗了環境規制、科研投資、森林覆蓋率等因素對林業產業生態效率的影響。結論如下：

第一,林業產業生態效率展現出由西向東逐漸升高的趨勢,與各省份經濟實力的梯次分布基本趨同。期間,廣東省、江蘇省、浙江省林業產業生態效率值最高,貴州省、云南省、廣西省林業產業生態效率值最低。南方13省林業產業生態效率均值低于0.5,表明該區林業產業生態經濟水平仍較低,各區域間差距較大,特別西部地區仍有較大發展潛力。西部地區相比中東部地區以低附加值初級產品加工為主,生產技術、環境保護、經濟水平都較落后,故數值較低。因而,林業產業結構轉型升級需因地制宜發展當地的林業產業。西部地區可借鑒中東部地區發展經驗,結合自身發展特點林業產業。中東部地區要加強各企業間的融合,進行資源整合,淘汰高污染、低產能的落后企業,提高行業的集中度,增強資源利用率。

第二,林業產業的資源效率、環境效率不斷優化。生態效率越高的省份,其資源效率相對越好;生態效率較低省份,環境效率相對較好。安徽省、湖南省、湖北省、江西省、江蘇省、浙江省資源優化效果較明顯,貴州省、云南省、廣西省資源優化水平有待提高。因西部相比中東部地區多為低附加值粗放式的產品加工模式,故其值較低。各省份生態效率提升重點在環境效率,環境效率中需加強廢氣、廢棄物排放效率。各地區仍然要把生態文明建設放在重心位置,利用嚴格的規章制度來保護環境資源,設定量化的節能減排標準特別是廢氣、廢棄物排放標準,督促企業主動改進技術降低污染,對排放超標企業進行嚴懲,從源頭上降低環境污,促進林業產業綠色健康發展。

第三,環境管制對于林業產業生態效率影響最為顯著,尤其以中部地區最為明顯;其次市場化對林業產業生態效率影響較顯著與匹配程度有關;森林覆蓋度對林業產業生態效率影響跟自身經濟發展水平有關;科研投資對中部地區林業產業生態效率影響要大于東部和西部地區;固定資產投資對林業產業生態效率影響最為不顯著,說明影響非常有限。中部地區在承接東部地區產業轉移的契機時,加大科研投入力度和注重高新技術的引進,提升其生態效率。各地區需加強地區間的經濟融合與協同合作,引導人才交流與資本、資源等要素間的流動,引導企業技術升級、管理水平提升,進而縮小地區間的差距。同時要推行整體的經濟發展規劃,避免地區間的同質性競爭。

通過對南方林區林業產業生態效率時空演變及影響因素分析,為林業產業轉型升級和可持續發展提供參考。同時,本文也存在一些不足和可供探討之處：首先,本文基于省級面板數據進行分析稍顯粗放,因而從縣域角度分析林業產業生態效率及影響因素是下一步的方向;其次,由于數據獲得的局限性,林業能源消耗及“三廢”排放量數據無法直接獲取,用間接方法計算得出,會導致結果有誤差;最后,本文僅研究了林業第二產業的生態效率,對第一、三產業的生態效率沒有展開討論,這也是以后林業產業生態效率研究方向。因此縣域研究、數據局限性、細分方向是今后需要不斷完善的重點。