譚秋 竇亞權(quán) 李婭

摘 要：基于Malmquist-DEA模型，測(cè)算了中國(guó)31個(gè)省份的林業(yè)生產(chǎn)效率。結(jié)果表明，中國(guó)林業(yè)生產(chǎn)效率整體呈現(xiàn)增長(zhǎng)趨勢(shì)，僅在個(gè)別年份出現(xiàn)了一定程度的倒退;林業(yè)生產(chǎn)效率的空間分布不均且隨時(shí)間變化存在明顯的演變。

關(guān)鍵詞：林業(yè)生產(chǎn)效率;DEA模型;投入產(chǎn)出要素

中圖分類號(hào) F326.25文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1007-7731（2021）11-0059-04

1 引言

近年來(lái)，我國(guó)在林業(yè)方面取得的成就有目共睹，但不得不承認(rèn)的是我國(guó)林業(yè)經(jīng)濟(jì)的增長(zhǎng)方式仍主要屬于粗放型增長(zhǎng)。在可持續(xù)發(fā)展背景下，破解林業(yè)經(jīng)濟(jì)增長(zhǎng)需求與自然資源約束相互矛盾的重要方式，就是提高林業(yè)生產(chǎn)效率，走高質(zhì)量發(fā)展的路線。因此，對(duì)林業(yè)生產(chǎn)效率的研究顯得尤為必要。

當(dāng)前，對(duì)于林業(yè)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(cè)算了各省份林業(yè)投入產(chǎn)出效率，指出天津、山西、廣東和貴州4省市的林業(yè)投入產(chǎn)出達(dá)到最優(yōu)的配置狀態(tài)。張自強(qiáng)[2]指出各地區(qū)全要素生產(chǎn)率增長(zhǎng)水平具有顯著差異，規(guī)模效率與配置效率的變動(dòng)是阻礙營(yíng)林業(yè)全要素生產(chǎn)率增長(zhǎng)的主要因素，技術(shù)進(jìn)步具有顯著促進(jìn)作用，年均貢獻(xiàn)率達(dá)到41.57%。田杰[3]指出在不排除外部環(huán)境變量和隨機(jī)變量影響的條件下，綜合效率水平被低估，造成生產(chǎn)要素配置水平偏低主要因素是由于純技術(shù)效率較低，應(yīng)考慮自然資源要素投入對(duì)林業(yè)生產(chǎn)要素配置狀態(tài)的影響。張紅麗等[4]運(yùn)用超效率DEA-Tobit模型對(duì)中國(guó)30個(gè)省2000—2014年林業(yè)生產(chǎn)效率進(jìn)行測(cè)度，指出中國(guó)林業(yè)生產(chǎn)效率整體偏低，空間分異顯著。羅小鋒[5]運(yùn)用DEA模型測(cè)算了中國(guó)各省份2003—2014年林業(yè)生產(chǎn)效率，進(jìn)一步運(yùn)用基尼系數(shù)、莫蘭指數(shù)分析其時(shí)空差異，得出中國(guó)林業(yè)生產(chǎn)效率逐年上升，但總體仍然偏低。

在已有研究的基礎(chǔ)上，本研究選取DEA模型對(duì)林業(yè)生產(chǎn)效率進(jìn)行了靜態(tài)分析，同時(shí)運(yùn)用Malmquist指數(shù)模型對(duì)林業(yè)生產(chǎn)效率動(dòng)態(tài)變化以及區(qū)域差異進(jìn)行了細(xì)致分析，以期實(shí)現(xiàn)中國(guó)林業(yè)生產(chǎn)效率的全面研究，為我國(guó)林業(yè)產(chǎn)業(yè)的發(fā)展提供有益參考。

2 理論模型及指標(biāo)選取

2.1 理論模型 DEA模型是以相對(duì)效率概念為基礎(chǔ)，根據(jù)同類型的決策單元進(jìn)行相對(duì)有效性或效益評(píng)價(jià)的一種方法。該模型所需指標(biāo)較少，能夠較好地保留原始數(shù)據(jù)的信息，無(wú)須提前設(shè)定模型具體形式以及估計(jì)參數(shù)，避免主觀因素對(duì)權(quán)重確定的影響，故在測(cè)算效率的研究中得到了廣泛的應(yīng)用。全要素生產(chǎn)率（TFP）是指一個(gè)生產(chǎn)單元（國(guó)家或地區(qū)、行業(yè)、企業(yè)）在一定時(shí)期內(nèi)生產(chǎn)的總產(chǎn)出和總投入之比，它常用作衡量一個(gè)行業(yè)或地區(qū)經(jīng)濟(jì)運(yùn)行狀況的綜合性指標(biāo)。Malmquist指數(shù)是從時(shí)期s到時(shí)期t總要素生產(chǎn)率的變化，可用TFP指數(shù)TFPst度量：

TFPst=TFPt/TFPs=（總產(chǎn)出指數(shù)）st/（總投入指數(shù)）st

（Xs，Ys）和（Xt，Yt）分別表示時(shí)期s、t的投入產(chǎn)出向量，Dos（Xs，Ys）表示以s時(shí)期技術(shù)為參照的時(shí)期s的投入產(chǎn)出向量的產(chǎn)出距離函數(shù)，Dso（Xt，Yt）表示以s時(shí)期技術(shù)為參照的時(shí)期t的投入產(chǎn)出向量的產(chǎn)出距離函數(shù)。s時(shí)期技術(shù)、產(chǎn)出角度的Malmquist（莫氏）生產(chǎn)率指數(shù)為：

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

2.2 指標(biāo)選擇及數(shù)據(jù)來(lái)源 當(dāng)前，已有諸多學(xué)者對(duì)林業(yè)生產(chǎn)效率進(jìn)行了研究，投入指標(biāo)大多選擇的是林地面積、林業(yè)系統(tǒng)從業(yè)人員、林業(yè)固定資本投資，而本文認(rèn)為這些投入指標(biāo)和實(shí)際林業(yè)生產(chǎn)投入存在偏差。首先，能產(chǎn)生經(jīng)濟(jì)效益的林地主要是經(jīng)濟(jì)林、用材林等人工林，天然林更多的是產(chǎn)生生態(tài)效益，林業(yè)生產(chǎn)效率的研究主要關(guān)注經(jīng)濟(jì)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(shí)情況;其次，林業(yè)系統(tǒng)從業(yè)人員范圍較廣，機(jī)關(guān)、事業(yè)單位以及各類公益性林業(yè)單位的人也包含在內(nèi)，而林業(yè)生產(chǎn)過(guò)程投入的勞動(dòng)力主要來(lái)自林業(yè)企業(yè)，因此采用林業(yè)企業(yè)在崗職工人數(shù)作為投入指標(biāo)更為適宜;再次，由于固定資本在生產(chǎn)活動(dòng)中的作用特征，其價(jià)值轉(zhuǎn)移到產(chǎn)品上去這一過(guò)程較為漫長(zhǎng)，某一年新增固定投資所形成的固定資本，在其后數(shù)年內(nèi)都能發(fā)揮作用，直到其殘值折舊至0，因此以林業(yè)固定資本投資作為投入變量不能反映真實(shí)情況，以林業(yè)固定資本存量為投入指標(biāo)更合適。

基于以上原則，綜合考慮目前的研究成果及數(shù)據(jù)的可獲得性，本研究進(jìn)行了投入、產(chǎn)出指標(biāo)的確定：以人工林面積、林業(yè)企業(yè)在崗職工人數(shù)、林業(yè)固定資本存量為投入指標(biāo)，以林業(yè)總產(chǎn)值為產(chǎn)出指標(biāo)。鑒于統(tǒng)計(jì)資料的有限性和可得性，同時(shí)考慮統(tǒng)計(jì)數(shù)據(jù)的口徑一致以及連續(xù)問(wèn)題，本研究所用的原始數(shù)據(jù)均源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)林業(yè)統(tǒng)計(jì)年鑒》以及各省統(tǒng)計(jì)年鑒等。以全國(guó)31個(gè)省、直轄市、自治州為評(píng)價(jià)單元，評(píng)價(jià)起始年份為2009年，截至最新的2018年統(tǒng)計(jì)數(shù)據(jù)，評(píng)價(jià)期為10年。

3 結(jié)果與分析

3.1 林業(yè)生產(chǎn)效率 應(yīng)用Stata軟件，將全國(guó)31個(gè)省市的林業(yè)生產(chǎn)效率投入產(chǎn)出指標(biāo)數(shù)據(jù)帶入DEA-CCR模型，得到全國(guó)31省市10年間林業(yè)生產(chǎn)的綜合技術(shù)效率如表1所示。

如表1所示，從全國(guó)平均來(lái)看，2009—2018年這10年間，林業(yè)綜合技術(shù)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(xiàn)倒退，2011—2018年始終保持增長(zhǎng)趨勢(shì)，表明我國(guó)林業(yè)生產(chǎn)效率在整體上呈現(xiàn)良好的演進(jìn)態(tài)勢(shì)。具體而言，上海的林業(yè)生產(chǎn)綜合技術(shù)效率值始終為1，處于有效狀態(tài)，廣東省除2009、2010年2年之外，其余年份綜合技術(shù)效率均能保持為1，浙江、福建、河南、海南僅在個(gè)別年份達(dá)到1，而其余大多數(shù)省市的綜合技術(shù)效率則一直低于1。浙江、福建、河南、西藏、寧夏等5個(gè)省份2018年的綜合技術(shù)效率相較于2009年出現(xiàn)了降低，上海、新疆保持不變，其余省份均出現(xiàn)了不同程度的增加，增加幅度最大的3個(gè)省市為北京、貴州、天津，分別增長(zhǎng)了0.283、0.169、0.144，下降幅度最大的3個(gè)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(lái)看，最高的3個(gè)省市為上海、廣東、浙江，分別為1、0.990、0.975，最低的3個(gè)省市為青海、內(nèi)蒙古、甘肅，分別為0.529、0.561、0.615。

3.2 林業(yè)生產(chǎn)效率的時(shí)空分布 利用Arcgis軟件把DEA計(jì)算結(jié)果進(jìn)行空間化處理，更為直觀地反映出林業(yè)生產(chǎn)效率的時(shí)空分異，以期準(zhǔn)確識(shí)別中國(guó)林業(yè)生產(chǎn)效率的時(shí)空演變特征。本研究分別選取2009、2012、2015、2018年4個(gè)時(shí)期的生產(chǎn)效率作為樣本進(jìn)行空間化處理，其時(shí)空分異圖如圖1所示。同時(shí)，依據(jù)CCR效率值的高低設(shè)定了評(píng)價(jià)標(biāo)準(zhǔn)：對(duì)于某地區(qū)，若效率值大于0.9，則稱作極高效率地區(qū);若效率值大于0.8但不超過(guò)0.9，則稱作高效率地區(qū);若效率值大于0.7但不超過(guò)0.8，則稱作中等效率地區(qū);若效率值大于0.6但不超過(guò)0.7，則稱作低效率地區(qū);若效率值不超過(guò)0.6，則稱作極低效率地區(qū)。

由圖1可知，依據(jù)上述分類標(biāo)準(zhǔn)，整體上中國(guó)林業(yè)生產(chǎn)效率水平呈現(xiàn)出東部高、西部低，南方高、北方低的漸變規(guī)律，效率水平的空間分布存在一定程度的空間聚集狀態(tài)，極低效率和低效率地區(qū)集中分布在西部地區(qū)，高效率和極高效率地區(qū)集中分布在東部沿海和中部地區(qū)。從變化趨勢(shì)來(lái)看，極低效率地區(qū)數(shù)量出現(xiàn)先增加再減少的演變趨勢(shì)，2018年和2009年相比，極低效率地區(qū)數(shù)量相同，但分布地區(qū)進(jìn)一步向西移動(dòng);低效率地區(qū)的分布范圍出現(xiàn)明顯的收縮趨勢(shì)，2009、2012年2個(gè)時(shí)期低效率地區(qū)的范圍幾乎覆蓋了整個(gè)西部地區(qū)，2015—2018年低效率地區(qū)數(shù)量持續(xù)減少，最終僅剩下北部?jī)?nèi)蒙古這一個(gè)省份;中等效率地區(qū)分布范圍出現(xiàn)明顯的西移，2009—2018年，中等效率地區(qū)數(shù)量由10個(gè)演變?yōu)?個(gè)，變化幅度不大，但其分布范圍由中部地區(qū)和東北地區(qū)向西移動(dòng)，占據(jù)了西部原本屬于低效率的大部分地區(qū);高效率地區(qū)范圍明顯擴(kuò)張，并且出現(xiàn)西移的趨勢(shì)，2009—2018年，高效率地區(qū)數(shù)量由6個(gè)演變?yōu)?1個(gè)，增長(zhǎng)幅度最大，其分布范圍由東部地區(qū)移動(dòng)到中部地區(qū)和東北地區(qū)，占據(jù)了原本屬于中等效率的大多數(shù)地區(qū);極高效率地區(qū)分布范圍明顯擴(kuò)張，2009—2018年，極高效率地區(qū)數(shù)量由5個(gè)演變?yōu)?個(gè)，占據(jù)了原屬于高效率的部分東部地區(qū)，增長(zhǎng)幅度較大。

4 結(jié)論

（1）中國(guó)林業(yè)生產(chǎn)效率整體呈現(xiàn)增長(zhǎng)趨勢(shì)，只在個(gè)別年份出現(xiàn)一定程度的倒退。全國(guó)各?。ㄊ校?0年內(nèi)的純技術(shù)效率均值是0.832，除了上海、浙江等個(gè)別地區(qū)，絕大多數(shù)省份純技術(shù)效率值未達(dá)到1，存在效率損失，效率有提高的空間。

（2）我國(guó)林業(yè)生產(chǎn)效率的空間分布不均且隨時(shí)間變化存在明顯的演變。整體來(lái)看，東部地區(qū)生產(chǎn)效率高于西部，南方地區(qū)高于北方地區(qū)，將生產(chǎn)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(gè)等級(jí)，可以看出各等級(jí)的分布地區(qū)呈現(xiàn)比較明顯的空間聚集狀態(tài)。其中，極高效率和高效率地區(qū)主要集中于東部、中部和東北地區(qū)，中等效率地區(qū)主要集中于部分中部和西部地區(qū)，低效率和極低效率地區(qū)主要集中于西部地區(qū)。林業(yè)生產(chǎn)效率的空間分布在時(shí)間上的演變趨勢(shì)存在一定規(guī)律，2009—2018年間，極高效率地區(qū)的數(shù)量增加，其分布范圍由東部沿海向中部地區(qū)擴(kuò)張;高效率地區(qū)的數(shù)量增加，其分布范圍由向西部地區(qū)移動(dòng);中等效率地區(qū)數(shù)量減少，分布范圍縮小;低效率地區(qū)數(shù)量大幅減少，分布范圍向北移動(dòng);極低效率地區(qū)減少甚至消失，林業(yè)生產(chǎn)效率實(shí)現(xiàn)了良性演進(jìn)。

參考文獻(xiàn)

[1]李春華，李寧，駱華瑩，等.基于DEA方法的中國(guó)林業(yè)生產(chǎn)效率分析及優(yōu)化路徑[J].中國(guó)農(nóng)學(xué)通報(bào)，2011，27（19）：55-59.

[2]張自強(qiáng)，李怡.營(yíng)林業(yè)全要素生產(chǎn)率增長(zhǎng)的測(cè)算及其分解——來(lái)自27個(gè)省級(jí)面板數(shù)據(jù)的分析[J].干旱區(qū)資源與環(huán)境，2016，30（12）：89-94.

[3]田杰，石春娜，國(guó)亮.基于三階段DEA模型的林業(yè)生產(chǎn)要素配置效率研究[J].林業(yè)經(jīng)濟(jì)問(wèn)題，2017，37（06）：72-77，109.

[4]張紅麗，康茜.中國(guó)林業(yè)生產(chǎn)效率時(shí)空分異及影響因素研究[J].西北林學(xué)院學(xué)報(bào)，2017，32（03）：301-305.

[5]羅小鋒，李兆亮，李容容，等.中國(guó)林業(yè)生產(chǎn)效率的時(shí)空差異及其影響因素研究[J].干旱區(qū)資源與環(huán)境，2017，31（03）：95-100.

（責(zé)編：張宏民）