林業技術進步對林業產業結構升級影響的空間效應1)

姜鈺 姜佳瑋

(東北林業大學，哈爾濱，150040)

林業既是國民經濟中的基礎產業，也是關鍵的公益事業，林業的發展一直受到社會的關注。長久以來，我國林業經濟以粗放式發展為主，依靠高投入驅動所帶來的林業產業結構紅利減少，粗放經營成為制約林業產業結構升級的瓶頸。在《林業產業發展“十三五”規劃》中，明確指出了林業技術進步對于林業產業結構升級的重要性。因此，要解決林業發展的問題，研究林業技術進步對林業產業結構升級的影響非常關鍵。

國外相關成果主要集中在宏觀經濟領域研究技術進步對產業結構的影響。有關學者從產品生命周期角度分析了技術進步與產業結構的關系，論證了技術進步對促進產業結構升級的影響[1]；也有部分學者通過構建兩部門或多部門增長模型，發現技術進步導致生產要素在不同部門間流動，進而引起產業結構的變動[2-3]。國內學者主要使用向量自回歸模型、聯立方程模型、投入產出模型以及空間計量模型等定量研究技術進步對產業結構的影響[4-9]；也有學者通過影響路徑和作用機理等方面定性研究技術進步對產業結構的影響[9-11]。在農林業方面，研究了技術進步對農業產業結構升級的作用機理，并運用多省份面板數據來分析技術進步與農業產業結構升級之間的關系[12-14]；采用分位數回歸方法等研究林業產業結構升級的影響因素，分析了技術進步對促進林業產業結構升級的作用[15]。雖然國內外學者對該問題的研究已經取得了一定的成果，但研究內容大多集中在宏觀經濟領域。由于我國各區域的森林蓄積量和林地面積存在一定差距，相應的林業經濟發展情況以及林業產業結構升級水平存在差異性。因此，本文在測度林業技術進步指數以及林業產業結構升級水平的基礎上，采用空間計量模型，分析不同區域林業技術進步對林業產業結構升級影響的空間差異性，為促進區域林業經濟高質量協調發展提供政策參考。

1 研究方法

1.1 數據來源

數據源自《中國林業統計年鑒(2009—2017)》、《中國農村統計年鑒(2010—2018)》、《中國統計年鑒(2010—2018)》。

1.2 DEA-Malmquist指數法

Malmquist指數法和DEA法綜合使用稱為DEA-Malmquist指數法，該方法已經成為測算林業技術進步的重要方法之一。

M(xt+1,yt+1,xt,yt)表示從t期到t+1期的林業技術進步指數，計算公式為：

1.3 空間權重矩陣及相關性檢驗

空間權重矩陣的設定是研究空間相關性問題的基礎。本文采用二元鄰接權重矩陣定義空間權重，二元鄰接權重矩陣是指兩個區域間的距離越接近，則兩個區域間的影響程度就越大。當兩個空間單元具有相同的邊界或定點時，則為鄰接關系，賦值為1，否則賦值為0。兩個相同空間單元間的鄰接關系具體表示為：

空間相關性包括全局和局部空間相關性。全局空間相關性主要反映全局數據總體上的空間分布以及變化規律，局部空間相關性主要反映局部數據的集聚分布。

全局Moran’s I指數具體表示為：

Moran’s I散點圖用于分析局部區域內相鄰區域存在的相關關系，以局部的Moran’s I指數為基礎進行作圖，其計算公式為：

1.4 林業產業結構升級的測度

產業結構層次系數能同時包含林業三次產業和三次產業間相對結構的變動狀況，內容更全面，也能進行不同時間和區域間林業產業結構升級變動情況的比較，因此采用產業結構層次系數測算林業產業結構升級水平。

式中：Y為林業產業結構升級水平；qi為林業三次產業所賦的值(對林業第一產業、第二產業和第三產業賦值分別為1、2、3)；xi是指林業第i產業產值在林業總產值中所占比重。Y越大，林業產業結構升級水平越高，產業結構升級速度越快。

1.5 指標的選擇

本文使用DEA-Malmquist 指數法測算林業技術進步水平，投入產出指標的選取是DEA-Malmquist 指數法的首要步驟。林業投入要素主要有勞動、資本和自然資源等，反映林業投入要素的具體指標為在崗職工年末人數、林業資本存量、林地面積和森林蓄積量，產出用林業總產值衡量[16-17]；影響林業產業結構升級的指標有林業勞動投入、林業資本投入水平(用林業資本投入占林業總產值的比重來衡量林業資本投入水平)、森林資源狀況(用森林覆蓋率指標對森林資源狀況進行評價)和區域經濟發展水平(用人均GDP指標評價區域經濟發展水平)[18]。

選擇林業人力資本存量指標對林業勞動投入進行衡量，該指標主要由林業勞動力數量和林業人力資本水平反映[19]，其測算公式為FHC=fl×hc。式中：FHC表示林業人力資本存量；fl和hc分別表示林業勞動力數量和林業人力資本水平。

對林業人力資本水平指標，通過平均受教育年限法進行測度，用農業勞動力文化狀況指標對林業從業人員受教育程度進行衡量。其測算公式為hc=∑piyi。式中：hc表示林業人力資本水平；i表示受教育級別；pi表示在i類的受教育程度條件下，農業勞動力人數在區域農業勞動力總量中的比例；yi表示該類學歷的受教育年限。對于i的確定，結合我國教育情況，將學歷情況分為不識字或者識字很少、小學、初中、高中或者中專、大專及以上5個層次，分別對應0、6、9、12和16的受教育年限。

1.6 模型構建

空間滯后模型：空間滯后模型衡量各變量對其他變量是否具有溢出效應。具體表達式如下：

Y=ρWY+C+β1TP+β2FHC+β3LFI+β4SLF+β5GDP+ε。

式中：Y為林業產業結構升級水平；TP表示林業技術進步水平；FHC表示林業人力資本存量；LFI表示林業資本投入程度；SLF表示森林覆蓋率；GDP表示人均國民生產總值；W是權重矩陣；WY為林業產業結構升級的空間滯后項，反映林業產業結構升級在各區域之間的交互作用；ρ為空間效應系數，取值為(-1,1)，反映樣本數據空間相關性的大小和方向；C為常系數；β1～β5為各變量的回歸系數；ε是獨立的隨機誤差項(服從均值為0、方差為θ2的正態分布)。

空間誤差模型：空間誤差模型衡量的是在空間因素被忽略的情形下，各變量之間所造成的受影響的程度。具體表達式為：

Y=C+β1TP+β2FHC+β3LFI+β4SLF+β5GDP+ε，

ε=λWε+μ，μ～N(0，σ2IN)。

式中：Y為林業產業結構升級水平；ε為獨立的隨機誤差項；W為空間權重矩陣；λ是誤差項的參數，取值為(-1,1)，用來表征空間依賴關系；μ為誤差項。

2 結果與分析

2.1 林業產業結構升級的空間相關性

2.1.1 全局空間相關性

由表1可知，莫蘭指數全部為正，均通過了10%的顯著性檢驗。這表明在區域層面上，林業產業結構升級水平空間正相關性明顯，水平相近的區域在空間上存在集聚特征。從時序變動看，我國林業產業結構升級水平總體上呈現波動遞增態勢，這表明隨著我國林業經濟持續發展，林業產業結構升級水平區域分化日益加強，空間差異愈發嚴重。

2.1.2 局部空間相關性

由表2可知，2012年和2015年處于空間正相關的區域均有26個，占總數的84%，表明不論是2012年還是2015年，大部分區域分布均存在空間正相關，林業產業結構升級呈現高水平區域集聚、低水平區域集聚的特征，且林業產業結構升級水平存在空間分異性。浙江、福建、上海等區域分布在第一象限，為“高-高”(H-H)集聚區的正相關關系，這些區域和周邊區域林業產業結構升級水平較高，集聚程度也較高。甘肅、新疆、陜西等區域分布在第三象限，為“低-低”(L-L)集聚區的正相關關系，主要位于中西部區域，這些區域和周邊區域林業產業結構升級水平相對較低，存在低值與低值集聚。遼寧、云南和海南分布在第二象限，為“低-高”(L-H)集聚區的負相關關系，表明這些區域林業產業結構升級水平相對較低，且相對于周邊區域存在一定差距，因此加強周邊區域與這些區域的林業發展合作，可輻射帶動這些區域的林業產業結構升級。四川和內蒙古分布在第四象限，為“高-低”(H-L)集聚區的負相關關系，表明這些區域林業產業結構升級水平相對較高，與其相鄰的區域林業產業結構升級水平較低，空間溢出效應不明顯。

表1 2009—2017年我國林業產業結構升級水平空間相關性

表2 2012年和 2015年區域林業產業結構升級水平的四分位表

2.2 林業技術進步對不同區域林業產業結構升級的影響

由表3可知，選用2017年的數據，分別使用經典模型(OLS)、空間滯后模型(SLM)和空間誤差模型(SEM)進行林業技術進步對林業產業結構升級影響的空間效應分析。在10%顯著性水平下，空間滯后模型的拉格朗日系數因子(LM-lag)顯著，而空間誤差模型的拉格朗日系數因子(LM-error)不顯著。同時空間滯后模型的對數似然函數值(logL)為7.602 960，比經典模型和空間誤差模型的值都要大；而且空間滯后模型的赤池信息準則值(AIC)值和施瓦茲準則值(SC)分別為-1.205 920和8.831 990，比經典模型和空間誤差模型的值都要小。綜合上述，選用空間滯后模型(SLM)的結果進行分析。

表3 林業技術進步對林業產業結構升級影響的模型估計結果

空間滯后項的空間效應系數為0.221 937，而且在10%的顯著性水平下顯著，這說明區域間林業產業結構升級水平具有顯著的空間效應，即一個區域的林業產業結構升級與周邊區域林業產業結構升級的發展狀況密切相關，具有顯著的空間促進作用。

林業技術進步對林業產業結構升級影響的系數估計值為0.259 381，且在10%的顯著性水平下顯著，即在其他條件不變時，林業技術進步每提高1個單位，將正向促進林業產業結構升級水平提高0.259 381個單位，說明林業技術進步對林業產業結構升級具有顯著的空間促進作用，能顯著地促進林業產業結構升級。這是因為林業技術進步可以優化林業資源配置、提高生產效率，同時帶來更高的林業增長效應，使得具有較高生產效率的產業部門降低生產成本，并通過更低的價格或更好的商品和服務在競爭中顯現優勢，使得勞動密集型產業漸漸向機械化、智能化轉變，林業不斷向高技術、高附加值產業轉移，實現林業產業結構升級。

為了檢驗林業技術進步對林業產業結構升級影響的區域差異，分別使用經典模型、空間滯后模型和空間誤差模型進行東、中、西部分析。

由表4和表5可知，東部區域LM-lag和LM-error均不顯著，但空間誤差模型的LogL值為6.216 553，比經典模型和空間滯后模型的值都大；而且空間誤差模型的AIC值和SC值分別為-0.433 105和2.476 330，比經典模型和空間滯后模型的值都小。綜合上述，東部區域選用空間誤差模型的結果進行分析。同理，中部區域和西部區域也選用空間誤差模型的結果進行分析較好。

表4 各區域LM檢驗

從東中西不同區域上來看，在10%的顯著性水平下，林業技術進步對林業產業結構升級的影響均有所不同，表現為東部區域不顯著，中部區域顯著為負，西部區域顯著為正的特征。東部區域的影響系數為0.569 964，但未通過顯著性檢驗。這主要是因為東部區域具有林業人才、技術和資金優勢，但隨著改革開放政策的不斷深化，東部區域林業要素再配置效應的邊際報酬遞減，林業要素配置效率降低，這些因素使得林業技術進步對林業產業結構升級的影響比較有限。中部區域的影響系數為-1.954 900，說明林業技術進步對林業產業結構升級具有抑制作用。這主要是因為其林業經濟發展整體較慢，使得中部區域林業技術進步對林業產業結構升級產生抑制作用。西部區域的影響系數為0.365 808，說明林業技術進步對林業產業結構升級具有顯著的空間促進作用。這主要是因為實施“西部大開發”政策之后，西部區域與東部區域的林業經濟聯系日益緊密，通過東西部聯動和對口支援等政策使西部區域林業技術進步水平不斷提高，大大增加了要素升級配置的空間，林業勞動力和林業資本等生產要素逐漸從生產率低的部門向生產率高的部門流動，進而推動林業產業結構升級。

表5 各區域林業技術進步對林業產業結構升級影響的模型估計結果

3 結論與建議

通過對全局林業產業結構升級水平的空間相關性分析，林業產業結構升級水平空間正相關關系明顯，相鄰省份彼此相互影響，存在高值集聚、低值集聚的現象。通過進行林業技術進步對林業產業結構升級影響的空間效應分析，全國林業技術進步對林業產業結構升級有顯著的正向促進作用；林業技術進步對林業產業結構升級的影響表現為東部區域不顯著，中部區域顯著為負，西部區域顯著為正的特征。根據分析結果，提出如下建議：(1)強化林業技術人才隊伍建設，為林業技術進步提供人力支持。注重對林業技術人員的教育培訓；完善對林業技術人員的考核標準，提高林業技術人員的待遇，有效地激發林業技術人員的工作潛力。(2)加大林業技術多元化資金投入，為林業技術進步提供資金支持。加大財政投入，為林業高新技術企業和林業科研機構提供資金扶持；國家應該用合理的林業產業投資政策作指引，支持國企、金融部門和社會向林業技術領域投資。(3)積極推進林業技術成果轉化和推廣。建立科學的林業技術成果評價標準；完善中介機構的組織以及運行機制，發揮中介機構的關鍵作用；開展產學研相結合的林業技術創新模式，實現林業技術成果快速轉化為生產力；轉變林業技術創新以及技術應用的主體，大力推進林業技術成果的商品化和產業化[20]。