中國林業生產效率的時空演變研究

譚秋 竇亞權 李婭

摘 要：基于Malmquist-DEA模型，測算了中國31個省份的林業生產效率。結果表明，中國林業生產效率整體呈現增長趨勢，僅在個別年份出現了一定程度的倒退;林業生產效率的空間分布不均且隨時間變化存在明顯的演變。

關鍵詞：林業生產效率;DEA模型;投入產出要素

中圖分類號 F326.25文獻標識碼 A文章編號 1007-7731（2021）11-0059-04

1 引言

近年來，我國在林業方面取得的成就有目共睹，但不得不承認的是我國林業經濟的增長方式仍主要屬于粗放型增長。在可持續發展背景下，破解林業經濟增長需求與自然資源約束相互矛盾的重要方式，就是提高林業生產效率，走高質量發展的路線。因此，對林業生產效率的研究顯得尤為必要。

當前，對于林業效率的研究逐漸深入，研究視角也逐漸多元化。例如，李春華[1]測算了各省份林業投入產出效率，指出天津、山西、廣東和貴州4省市的林業投入產出達到最優的配置狀態。張自強[2]指出各地區全要素生產率增長水平具有顯著差異，規模效率與配置效率的變動是阻礙營林業全要素生產率增長的主要因素，技術進步具有顯著促進作用，年均貢獻率達到41.57%。田杰[3]指出在不排除外部環境變量和隨機變量影響的條件下，綜合效率水平被低估，造成生產要素配置水平偏低主要因素是由于純技術效率較低，應考慮自然資源要素投入對林業生產要素配置狀態的影響。張紅麗等[4]運用超效率DEA-Tobit模型對中國30個省2000—2014年林業生產效率進行測度，指出中國林業生產效率整體偏低，空間分異顯著。羅小鋒[5]運用DEA模型測算了中國各省份2003—2014年林業生產效率，進一步運用基尼系數、莫蘭指數分析其時空差異，得出中國林業生產效率逐年上升，但總體仍然偏低。

在已有研究的基礎上，本研究選取DEA模型對林業生產效率進行了靜態分析，同時運用Malmquist指數模型對林業生產效率動態變化以及區域差異進行了細致分析，以期實現中國林業生產效率的全面研究，為我國林業產業的發展提供有益參考。

2 理論模型及指標選取

2.1 理論模型 DEA模型是以相對效率概念為基礎，根據同類型的決策單元進行相對有效性或效益評價的一種方法。該模型所需指標較少，能夠較好地保留原始數據的信息，無須提前設定模型具體形式以及估計參數，避免主觀因素對權重確定的影響，故在測算效率的研究中得到了廣泛的應用。全要素生產率（TFP）是指一個生產單元（國家或地區、行業、企業）在一定時期內生產的總產出和總投入之比，它常用作衡量一個行業或地區經濟運行狀況的綜合性指標。Malmquist指數是從時期s到時期t總要素生產率的變化，可用TFP指數TFPst度量：

TFPst=TFPt/TFPs=（總產出指數）st/（總投入指數）st

（Xs，Ys）和（Xt，Yt）分別表示時期s、t的投入產出向量，Dos（Xs，Ys）表示以s時期技術為參照的時期s的投入產出向量的產出距離函數，Dso（Xt，Yt）表示以s時期技術為參照的時期t的投入產出向量的產出距離函數。s時期技術、產出角度的Malmquist（莫氏）生產率指數為：

Mso（Xs，Ys，Xt，Yt）=Dos（Xt，Yt）/Dso（Xs，Ys）

2.2 指標選擇及數據來源 當前，已有諸多學者對林業生產效率進行了研究，投入指標大多選擇的是林地面積、林業系統從業人員、林業固定資本投資，而本文認為這些投入指標和實際林業生產投入存在偏差。首先，能產生經濟效益的林地主要是經濟林、用材林等人工林，天然林更多的是產生生態效益，林業生產效率的研究主要關注經濟效率，因此林地面積并不適合作為投入變量，以人工林面積作為投入更能反映真實情況;其次，林業系統從業人員范圍較廣，機關、事業單位以及各類公益性林業單位的人也包含在內，而林業生產過程投入的勞動力主要來自林業企業，因此采用林業企業在崗職工人數作為投入指標更為適宜;再次，由于固定資本在生產活動中的作用特征，其價值轉移到產品上去這一過程較為漫長，某一年新增固定投資所形成的固定資本，在其后數年內都能發揮作用，直到其殘值折舊至0，因此以林業固定資本投資作為投入變量不能反映真實情況，以林業固定資本存量為投入指標更合適。

基于以上原則，綜合考慮目前的研究成果及數據的可獲得性，本研究進行了投入、產出指標的確定：以人工林面積、林業企業在崗職工人數、林業固定資本存量為投入指標，以林業總產值為產出指標。鑒于統計資料的有限性和可得性，同時考慮統計數據的口徑一致以及連續問題，本研究所用的原始數據均源于《中國統計年鑒》《中國林業統計年鑒》以及各省統計年鑒等。以全國31個省、直轄市、自治州為評價單元，評價起始年份為2009年，截至最新的2018年統計數據，評價期為10年。

3 結果與分析

3.1 林業生產效率 應用Stata軟件，將全國31個省市的林業生產效率投入產出指標數據帶入DEA-CCR模型，得到全國31省市10年間林業生產的綜合技術效率如表1所示。

如表1所示，從全國平均來看，2009—2018年這10年間，林業綜合技術效率以2010年最低為0.666，2018年最高為0.831，除了2010年相較于2009年出現倒退，2011—2018年始終保持增長趨勢，表明我國林業生產效率在整體上呈現良好的演進態勢。具體而言，上海的林業生產綜合技術效率值始終為1，處于有效狀態，廣東省除2009、2010年2年之外，其余年份綜合技術效率均能保持為1，浙江、福建、河南、海南僅在個別年份達到1，而其余大多數省市的綜合技術效率則一直低于1。浙江、福建、河南、西藏、寧夏等5個省份2018年的綜合技術效率相較于2009年出現了降低，上海、新疆保持不變，其余省份均出現了不同程度的增加，增加幅度最大的3個省市為北京、貴州、天津，分別增長了0.283、0.169、0.144，下降幅度最大的3個省份為西藏、河南、寧夏，分別下降了0.327、0.144、0.131。就各省市10年的均值來看，最高的3個省市為上海、廣東、浙江，分別為1、0.990、0.975，最低的3個省市為青海、內蒙古、甘肅，分別為0.529、0.561、0.615。

3.2 林業生產效率的時空分布 利用Arcgis軟件把DEA計算結果進行空間化處理，更為直觀地反映出林業生產效率的時空分異，以期準確識別中國林業生產效率的時空演變特征。本研究分別選取2009、2012、2015、2018年4個時期的生產效率作為樣本進行空間化處理，其時空分異圖如圖1所示。同時，依據CCR效率值的高低設定了評價標準：對于某地區，若效率值大于0.9，則稱作極高效率地區;若效率值大于0.8但不超過0.9，則稱作高效率地區;若效率值大于0.7但不超過0.8，則稱作中等效率地區;若效率值大于0.6但不超過0.7，則稱作低效率地區;若效率值不超過0.6，則稱作極低效率地區。

由圖1可知，依據上述分類標準，整體上中國林業生產效率水平呈現出東部高、西部低，南方高、北方低的漸變規律，效率水平的空間分布存在一定程度的空間聚集狀態，極低效率和低效率地區集中分布在西部地區，高效率和極高效率地區集中分布在東部沿海和中部地區。從變化趨勢來看，極低效率地區數量出現先增加再減少的演變趨勢，2018年和2009年相比，極低效率地區數量相同，但分布地區進一步向西移動;低效率地區的分布范圍出現明顯的收縮趨勢，2009、2012年2個時期低效率地區的范圍幾乎覆蓋了整個西部地區，2015—2018年低效率地區數量持續減少，最終僅剩下北部內蒙古這一個省份;中等效率地區分布范圍出現明顯的西移，2009—2018年，中等效率地區數量由10個演變為8個，變化幅度不大，但其分布范圍由中部地區和東北地區向西移動，占據了西部原本屬于低效率的大部分地區;高效率地區范圍明顯擴張，并且出現西移的趨勢，2009—2018年，高效率地區數量由6個演變為11個，增長幅度最大，其分布范圍由東部地區移動到中部地區和東北地區，占據了原本屬于中等效率的大多數地區;極高效率地區分布范圍明顯擴張，2009—2018年，極高效率地區數量由5個演變為8個，占據了原屬于高效率的部分東部地區，增長幅度較大。

4 結論

（1）中國林業生產效率整體呈現增長趨勢，只在個別年份出現一定程度的倒退。全國各省（市）10年內的純技術效率均值是0.832，除了上海、浙江等個別地區，絕大多數省份純技術效率值未達到1，存在效率損失，效率有提高的空間。

（2）我國林業生產效率的空間分布不均且隨時間變化存在明顯的演變。整體來看，東部地區生產效率高于西部，南方地區高于北方地區，將生產效率值從高到低劃分為極高效率、高效率、中等效率、低效率、極低效率5個等級，可以看出各等級的分布地區呈現比較明顯的空間聚集狀態。其中，極高效率和高效率地區主要集中于東部、中部和東北地區，中等效率地區主要集中于部分中部和西部地區，低效率和極低效率地區主要集中于西部地區。林業生產效率的空間分布在時間上的演變趨勢存在一定規律，2009—2018年間，極高效率地區的數量增加，其分布范圍由東部沿海向中部地區擴張;高效率地區的數量增加，其分布范圍由向西部地區移動;中等效率地區數量減少，分布范圍縮小;低效率地區數量大幅減少，分布范圍向北移動;極低效率地區減少甚至消失，林業生產效率實現了良性演進。

參考文獻

[1]李春華，李寧，駱華瑩，等.基于DEA方法的中國林業生產效率分析及優化路徑[J].中國農學通報，2011，27（19）：55-59.

[2]張自強，李怡.營林業全要素生產率增長的測算及其分解——來自27個省級面板數據的分析[J].干旱區資源與環境，2016，30（12）：89-94.

[3]田杰，石春娜，國亮.基于三階段DEA模型的林業生產要素配置效率研究[J].林業經濟問題，2017，37（06）：72-77，109.

[4]張紅麗，康茜.中國林業生產效率時空分異及影響因素研究[J].西北林學院學報，2017，32（03）：301-305.

[5]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（03）：95-100.

（責編：張宏民）