论文部分内容阅读
摘 要：基于Malmquist-DEA模型，测算了中国31个省份的林业生产效率。结果表明，中国林业生产效率整体呈现增长趋势，仅在个别年份出现了一定程度的倒退;林业生产效率的空间分布不均且随时间变化存在明显的演变。
关键词：林业生产效率;DEA模型;投入产出要素
中图分类号 F326.25 文献标识码 A 文章编号 1007-7731（2021）11-0059-04
1 引言
近年来，我国在林业方面取得的成就有目共睹，但不得不承认的是我国林业经济的增长方式仍主要属于粗放型增长。在可持续发展背景下，破解林业经济增长需求与自然资源约束相互矛盾的重要方式，就是提高林业生产效率，走高质量发展的路线。因此，对林业生产效率的研究显得尤为必要。
当前，对于林业效率的研究逐渐深入，研究视角也逐渐多元化。例如，李春华[1]测算了各省份林业投入产出效率，指出天津、山西、广东和贵州4省市的林业投入产出达到最优的配置状态。张自强[2]指出各地区全要素生产率增长水平具有显著差异，规模效率与配置效率的变动是阻碍营林业全要素生产率增长的主要因素，技术进步具有显著促进作用，年均贡献率达到41.57%。田杰[3]指出在不排除外部环境变量和随机变量影响的条件下，综合效率水平被低估，造成生产要素配置水平偏低主要因素是由于纯技术效率较低，应考虑自然资源要素投入对林业生产要素配置状态的影响。张红丽等[4]运用超效率DEA-Tobit模型对中国30个省2000—2014年林业生产效率进行测度，指出中国林业生产效率整体偏低，空间分异显著。罗小锋[5]运用DEA模型测算了中国各省份2003—2014年林业生产效率，进一步运用基尼系数、莫兰指数分析其时空差异，得出中国林业生产效率逐年上升，但总体仍然偏低。
在已有研究的基础上，本研究选取DEA模型对林业生产效率进行了静态分析，同时运用Malmquist指数模型对林业生产效率动态变化以及区域差异进行了细致分析，以期实现中国林业生产效率的全面研究，为我国林业产业的发展提供有益参考。
2 理论模型及指标选取
2.1 理论模型 DEA模型是以相对效率概念为基础，根据同类型的决策单元进行相对有效性或效益评价的一种方法。该模型所需指标较少，能够较好地保留原始数据的信息，无须提前设定模型具体形式以及估计参数，避免主观因素对权重确定的影响，故在测算效率的研究中得到了广泛的应用。全要素生产率（TFP）是指一个生产单元（国家或地区、行业、企业）在一定时期内生产的总产出和总投入之比，它常用作衡量一个行业或地区经济运行状况的综合性指标。Malmquist指数是从时期s到时期t总要素生产率的变化，可用TFP指数TFPst度量：
TFPst=TFPt/TFPs=（总产出指数）st/（总投入指数）st
（Xs，Ys）和（Xt，Yt）分别表示时期s、t的投入产出向量，Dos（Xs，Ys）表示以s时期技术为参照的时期s的投入产出向量的产出距离函数，Dso（Xt，Yt）表示以s时期技术为参照的时期t的投入产出向量的产出距离函数。s时期技术、产出角度的Malmquist（莫氏）生产率指数为：
Mso（Xs，Ys，Xt，Yt）=Dos（Xt，Yt）/Dso（Xs，Ys）
2.2 指标选择及数据来源 当前，已有诸多学者对林业生产效率进行了研究，投入指标大多选择的是林地面积、林业系统从业人员、林业固定资本投资，而本文认为这些投入指标和实际林业生产投入存在偏差。首先，能产生经济效益的林地主要是经济林、用材林等人工林，天然林更多的是产生生态效益，林业生产效率的研究主要关注经济效率，因此林地面积并不适合作为投入变量，以人工林面积作为投入更能反映真实情况;其次，林业系统从业人员范围较广，机关、事业单位以及各类公益性林业单位的人也包含在内，而林业生产过程投入的劳动力主要来自林业企业，因此采用林业企业在岗职工人数作为投入指标更为适宜;再次，由于固定资本在生产活动中的作用特征，其价值转移到产品上去这一过程较为漫长，某一年新增固定投资所形成的固定资本，在其后数年内都能发挥作用，直到其殘值折旧至0，因此以林业固定资本投资作为投入变量不能反映真实情况，以林业固定资本存量为投入指标更合适。
基于以上原则，综合考虑目前的研究成果及数据的可获得性，本研究进行了投入、产出指标的确定：以人工林面积、林业企业在岗职工人数、林业固定资本存量为投入指标，以林业总产值为产出指标。鉴于统计资料的有限性和可得性，同时考虑统计数据的口径一致以及连续问题，本研究所用的原始数据均源于《中国统计年鉴》《中国林业统计年鉴》以及各省统计年鉴等。以全国31个省、直辖市、自治州为评价单元，评价起始年份为2009年，截至最新的2018年统计数据，评价期为10年。
3 结果与分析
3.1 林业生产效率 应用Stata软件，将全国31个省市的林业生产效率投入产出指标数据带入DEA-CCR模型，得到全国31省市10年间林业生产的综合技术效率如表1所示。
如表1所示，从全国平均来看，2009—2018年这10年间，林业综合技术效率以2010年最低为0.666，2018年最高为0.831，除了2010年相较于2009年出现倒退，2011—2018年始终保持增长趋势，表明我国林业生产效率在整体上呈现良好的演进态势。具体而言，上海的林业生产综合技术效率值始终为1，处于有效状态，广东省除2009、2010年2年之外，其余年份综合技术效率均能保持为1，浙江、福建、河南、海南仅在个别年份达到1，而其余大多数省市的综合技术效率则一直低于1。浙江、福建、河南、西藏、宁夏等5个省份2018年的综合技术效率相较于2009年出现了降低，上海、新疆保持不变，其余省份均出现了不同程度的增加，增加幅度最大的3个省市为北京、贵州、天津，分别增长了0.283、0.169、0.144，下降幅度最大的3个省份为西藏、河南、宁夏，分别下降了0.327、0.144、0.131。就各省市10年的均值来看，最高的3个省市为上海、广东、浙江，分别为1、0.990、0.975，最低的3个省市为青海、内蒙古、甘肃，分别为0.529、0.561、0.615。 3.2 林业生产效率的时空分布 利用Arcgis软件把DEA计算结果进行空间化处理，更为直观地反映出林业生产效率的时空分异，以期准确识别中国林业生产效率的时空演变特征。本研究分别选取2009、2012、2015、2018年4个时期的生产效率作为样本进行空间化处理，其时空分异图如图1所示。同时，依据CCR效率值的高低设定了评价标准：对于某地区，若效率值大于0.9，则称作极高效率地区;若效率值大于0.8但不超过0.9，则称作高效率地区;若效率值大于0.7但不超过0.8，则称作中等效率地区;若效率值大于0.6但不超过0.7，则称作低效率地区;若效率值不超过0.6，则称作极低效率地区。
由图1可知，依据上述分类标准，整体上中国林业生产效率水平呈现出东部高、西部低，南方高、北方低的渐变规律，效率水平的空间分布存在一定程度的空间聚集状态，极低效率和低效率地区集中分布在西部地区，高效率和极高效率地区集中分布在东部沿海和中部地区。从变化趋势来看，极低效率地区数量出现先增加再减少的演变趋势，2018年和2009年相比，极低效率地区数量相同，但分布地区进一步向西移动;低效率地区的分布范围出现明显的收缩趋势，2009、2012年2个时期低效率地区的范围几乎覆盖了整个西部地区，2015—2018年低效率地区数量持续减少，最终仅剩下北部内蒙古这一个省份;中等效率地区分布范围出现明显的西移，2009—2018年，中等效率地区数量由10个演变为8个，变化幅度不大，但其分布范围由中部地区和东北地区向西移动，占据了西部原本属于低效率的大部分地区;高效率地区范围明显扩张，并且出现西移的趋势，2009—2018年，高效率地区数量由6个演变为11个，增长幅度最大，其分布范围由东部地区移动到中部地区和东北地区，占据了原本属于中等效率的大多数地区;极高效率地区分布范围明显扩张，2009—2018年，极高效率地区数量由5个演变为8个，占据了原属于高效率的部分东部地区，增长幅度较大。
4 结论
（1）中国林业生产效率整体呈现增长趋势，只在个别年份出现一定程度的倒退。全国各省（市）10年内的纯技术效率均值是0.832，除了上海、浙江等个别地区，绝大多数省份纯技术效率值未达到1，存在效率损失，效率有提高的空间。
（2）我国林业生产效率的空间分布不均且随时间变化存在明显的演变。整体来看，东部地区生产效率高于西部，南方地区高于北方地区，将生产效率值从高到低划分为极高效率、高效率、中等效率、低效率、极低效率5个等级，可以看出各等级的分布地区呈现比较明显的空间聚集状态。其中，极高效率和高效率地区主要集中于东部、中部和东北地区，中等效率地区主要集中于部分中部和西部地区，低效率和极低效率地区主要集中于西部地區。林业生产效率的空间分布在时间上的演变趋势存在一定规律，2009—2018年间，极高效率地区的数量增加，其分布范围由东部沿海向中部地区扩张;高效率地区的数量增加，其分布范围由向西部地区移动;中等效率地区数量减少，分布范围缩小;低效率地区数量大幅减少，分布范围向北移动;极低效率地区减少甚至消失，林业生产效率实现了良性演进。
参考文献
[1]李春华，李宁，骆华莹，等.基于DEA方法的中国林业生产效率分析及优化路径[J].中国农学通报，2011，27（19）：55-59.
[2]张自强，李怡.营林业全要素生产率增长的测算及其分解——来自27个省级面板数据的分析[J].干旱区资源与环境，2016，30（12）：89-94.
[3]田杰，石春娜，国亮.基于三阶段DEA模型的林业生产要素配置效率研究[J].林业经济问题，2017，37（06）：72-77，109.
[4]张红丽，康茜.中国林业生产效率时空分异及影响因素研究[J].西北林学院学报，2017，32（03）：301-305.
[5]罗小锋，李兆亮，李容容，等.中国林业生产效率的时空差异及其影响因素研究[J].干旱区资源与环境，2017，31（03）：95-100.
（责编：张宏民）
关键词：林业生产效率;DEA模型;投入产出要素
中图分类号 F326.25 文献标识码 A 文章编号 1007-7731（2021）11-0059-04
1 引言
近年来，我国在林业方面取得的成就有目共睹，但不得不承认的是我国林业经济的增长方式仍主要属于粗放型增长。在可持续发展背景下，破解林业经济增长需求与自然资源约束相互矛盾的重要方式，就是提高林业生产效率，走高质量发展的路线。因此，对林业生产效率的研究显得尤为必要。
当前，对于林业效率的研究逐渐深入，研究视角也逐渐多元化。例如，李春华[1]测算了各省份林业投入产出效率，指出天津、山西、广东和贵州4省市的林业投入产出达到最优的配置状态。张自强[2]指出各地区全要素生产率增长水平具有显著差异，规模效率与配置效率的变动是阻碍营林业全要素生产率增长的主要因素，技术进步具有显著促进作用，年均贡献率达到41.57%。田杰[3]指出在不排除外部环境变量和随机变量影响的条件下，综合效率水平被低估，造成生产要素配置水平偏低主要因素是由于纯技术效率较低，应考虑自然资源要素投入对林业生产要素配置状态的影响。张红丽等[4]运用超效率DEA-Tobit模型对中国30个省2000—2014年林业生产效率进行测度，指出中国林业生产效率整体偏低，空间分异显著。罗小锋[5]运用DEA模型测算了中国各省份2003—2014年林业生产效率，进一步运用基尼系数、莫兰指数分析其时空差异，得出中国林业生产效率逐年上升，但总体仍然偏低。
在已有研究的基础上，本研究选取DEA模型对林业生产效率进行了静态分析，同时运用Malmquist指数模型对林业生产效率动态变化以及区域差异进行了细致分析，以期实现中国林业生产效率的全面研究，为我国林业产业的发展提供有益参考。
2 理论模型及指标选取
2.1 理论模型 DEA模型是以相对效率概念为基础，根据同类型的决策单元进行相对有效性或效益评价的一种方法。该模型所需指标较少，能够较好地保留原始数据的信息，无须提前设定模型具体形式以及估计参数，避免主观因素对权重确定的影响，故在测算效率的研究中得到了广泛的应用。全要素生产率（TFP）是指一个生产单元（国家或地区、行业、企业）在一定时期内生产的总产出和总投入之比，它常用作衡量一个行业或地区经济运行状况的综合性指标。Malmquist指数是从时期s到时期t总要素生产率的变化，可用TFP指数TFPst度量：
TFPst=TFPt/TFPs=（总产出指数）st/（总投入指数）st
（Xs，Ys）和（Xt，Yt）分别表示时期s、t的投入产出向量，Dos（Xs，Ys）表示以s时期技术为参照的时期s的投入产出向量的产出距离函数，Dso（Xt，Yt）表示以s时期技术为参照的时期t的投入产出向量的产出距离函数。s时期技术、产出角度的Malmquist（莫氏）生产率指数为：
Mso（Xs，Ys，Xt，Yt）=Dos（Xt，Yt）/Dso（Xs，Ys）
2.2 指标选择及数据来源 当前，已有诸多学者对林业生产效率进行了研究，投入指标大多选择的是林地面积、林业系统从业人员、林业固定资本投资，而本文认为这些投入指标和实际林业生产投入存在偏差。首先，能产生经济效益的林地主要是经济林、用材林等人工林，天然林更多的是产生生态效益，林业生产效率的研究主要关注经济效率，因此林地面积并不适合作为投入变量，以人工林面积作为投入更能反映真实情况;其次，林业系统从业人员范围较广，机关、事业单位以及各类公益性林业单位的人也包含在内，而林业生产过程投入的劳动力主要来自林业企业，因此采用林业企业在岗职工人数作为投入指标更为适宜;再次，由于固定资本在生产活动中的作用特征，其价值转移到产品上去这一过程较为漫长，某一年新增固定投资所形成的固定资本，在其后数年内都能发挥作用，直到其殘值折旧至0，因此以林业固定资本投资作为投入变量不能反映真实情况，以林业固定资本存量为投入指标更合适。
基于以上原则，综合考虑目前的研究成果及数据的可获得性，本研究进行了投入、产出指标的确定：以人工林面积、林业企业在岗职工人数、林业固定资本存量为投入指标，以林业总产值为产出指标。鉴于统计资料的有限性和可得性，同时考虑统计数据的口径一致以及连续问题，本研究所用的原始数据均源于《中国统计年鉴》《中国林业统计年鉴》以及各省统计年鉴等。以全国31个省、直辖市、自治州为评价单元，评价起始年份为2009年，截至最新的2018年统计数据，评价期为10年。
3 结果与分析
3.1 林业生产效率 应用Stata软件，将全国31个省市的林业生产效率投入产出指标数据带入DEA-CCR模型，得到全国31省市10年间林业生产的综合技术效率如表1所示。
如表1所示，从全国平均来看，2009—2018年这10年间，林业综合技术效率以2010年最低为0.666，2018年最高为0.831，除了2010年相较于2009年出现倒退，2011—2018年始终保持增长趋势，表明我国林业生产效率在整体上呈现良好的演进态势。具体而言，上海的林业生产综合技术效率值始终为1，处于有效状态，广东省除2009、2010年2年之外，其余年份综合技术效率均能保持为1，浙江、福建、河南、海南仅在个别年份达到1，而其余大多数省市的综合技术效率则一直低于1。浙江、福建、河南、西藏、宁夏等5个省份2018年的综合技术效率相较于2009年出现了降低，上海、新疆保持不变，其余省份均出现了不同程度的增加，增加幅度最大的3个省市为北京、贵州、天津，分别增长了0.283、0.169、0.144，下降幅度最大的3个省份为西藏、河南、宁夏，分别下降了0.327、0.144、0.131。就各省市10年的均值来看，最高的3个省市为上海、广东、浙江，分别为1、0.990、0.975，最低的3个省市为青海、内蒙古、甘肃，分别为0.529、0.561、0.615。 3.2 林业生产效率的时空分布 利用Arcgis软件把DEA计算结果进行空间化处理，更为直观地反映出林业生产效率的时空分异，以期准确识别中国林业生产效率的时空演变特征。本研究分别选取2009、2012、2015、2018年4个时期的生产效率作为样本进行空间化处理，其时空分异图如图1所示。同时，依据CCR效率值的高低设定了评价标准：对于某地区，若效率值大于0.9，则称作极高效率地区;若效率值大于0.8但不超过0.9，则称作高效率地区;若效率值大于0.7但不超过0.8，则称作中等效率地区;若效率值大于0.6但不超过0.7，则称作低效率地区;若效率值不超过0.6，则称作极低效率地区。
由图1可知，依据上述分类标准，整体上中国林业生产效率水平呈现出东部高、西部低，南方高、北方低的渐变规律，效率水平的空间分布存在一定程度的空间聚集状态，极低效率和低效率地区集中分布在西部地区，高效率和极高效率地区集中分布在东部沿海和中部地区。从变化趋势来看，极低效率地区数量出现先增加再减少的演变趋势，2018年和2009年相比，极低效率地区数量相同，但分布地区进一步向西移动;低效率地区的分布范围出现明显的收缩趋势，2009、2012年2个时期低效率地区的范围几乎覆盖了整个西部地区，2015—2018年低效率地区数量持续减少，最终仅剩下北部内蒙古这一个省份;中等效率地区分布范围出现明显的西移，2009—2018年，中等效率地区数量由10个演变为8个，变化幅度不大，但其分布范围由中部地区和东北地区向西移动，占据了西部原本属于低效率的大部分地区;高效率地区范围明显扩张，并且出现西移的趋势，2009—2018年，高效率地区数量由6个演变为11个，增长幅度最大，其分布范围由东部地区移动到中部地区和东北地区，占据了原本属于中等效率的大多数地区;极高效率地区分布范围明显扩张，2009—2018年，极高效率地区数量由5个演变为8个，占据了原属于高效率的部分东部地区，增长幅度较大。
4 结论
（1）中国林业生产效率整体呈现增长趋势，只在个别年份出现一定程度的倒退。全国各省（市）10年内的纯技术效率均值是0.832，除了上海、浙江等个别地区，绝大多数省份纯技术效率值未达到1，存在效率损失，效率有提高的空间。
（2）我国林业生产效率的空间分布不均且随时间变化存在明显的演变。整体来看，东部地区生产效率高于西部，南方地区高于北方地区，将生产效率值从高到低划分为极高效率、高效率、中等效率、低效率、极低效率5个等级，可以看出各等级的分布地区呈现比较明显的空间聚集状态。其中，极高效率和高效率地区主要集中于东部、中部和东北地区，中等效率地区主要集中于部分中部和西部地区，低效率和极低效率地区主要集中于西部地區。林业生产效率的空间分布在时间上的演变趋势存在一定规律，2009—2018年间，极高效率地区的数量增加，其分布范围由东部沿海向中部地区扩张;高效率地区的数量增加，其分布范围由向西部地区移动;中等效率地区数量减少，分布范围缩小;低效率地区数量大幅减少，分布范围向北移动;极低效率地区减少甚至消失，林业生产效率实现了良性演进。
参考文献
[1]李春华，李宁，骆华莹，等.基于DEA方法的中国林业生产效率分析及优化路径[J].中国农学通报，2011，27（19）：55-59.
[2]张自强，李怡.营林业全要素生产率增长的测算及其分解——来自27个省级面板数据的分析[J].干旱区资源与环境，2016，30（12）：89-94.
[3]田杰，石春娜，国亮.基于三阶段DEA模型的林业生产要素配置效率研究[J].林业经济问题，2017，37（06）：72-77，109.
[4]张红丽，康茜.中国林业生产效率时空分异及影响因素研究[J].西北林学院学报，2017，32（03）：301-305.
[5]罗小锋，李兆亮，李容容，等.中国林业生产效率的时空差异及其影响因素研究[J].干旱区资源与环境，2017，31（03）：95-100.
（责编：张宏民）