江西省林业全要素生产率评价

杨冬梅 刘滨 雷显凯

摘 要：林业发展不仅具有明显的生态效益，还可以带来显著的经济效益。2004年集体林权制度改革以来，江西省林业经济取得了显著的成绩。文章采用数据包络分析（DEA）方法，首先从整体上对2004-2015年江西省林业全要素生产率进行测算，然后对全省11个市2009-2015年的林业全要素生产率进行测算和评价。结果表明：2004-2015年整个时期内江西省林业生产要素达到了投入产出的最优状态；分地区来看，江西省 11个市的林业全要素生产率（TFPCH）的均值达到1.018，但是仍有部分地区低于平均水平。最后从优化资源配置和转变林业发展方式等方面提出政策性建议。

关键词：面板数据；江西省；林业全要素生产率；DEA模型

中图分类号：F326.20

文献标识码：A

文章编号：1003-1332（2017）05-0086-05

一、引言

江西省作为我国的林业大省之一，2015年森林覆盖率（63.1%）位居全国第二，也是我国较早进行集体林权改革试点的省份。林业投资金额由2008年的26亿元增加到2015年的58亿元。随着政府政策的支持，江西省林业得到快速发展，特别是在2008年以后，就林业总产值而言，由2008年的706亿元增加到2015年的3063亿元，而且在全国的林业总产值比重也不断提高。

从现有的国内相关文献看出，特别是近几年来对林业生产效率的研究逐渐增多。对于研究对象的选取上，有的学者从中国整个全局出发，以我国31个省份为研究对象[1]、[2]、[3]、[4]；也有以个别省份、市等为研究对象，例如福建省[5]、北京市[6]、广西省[7]和内蒙古[8]等；也有选取几个地区为研究对象，分析其生产效率。例如，我国的西部地区[9]、赣粤两省[10]，研究发现各个地区的林业生产效率存在较大差异。在研究方法的采取上，考虑到研究结果的真实性，减少主观的影响，大多学者选择DEA模型，例如：基于福建省南平、龙岩、三明等地的问卷调查，运用 DEA-Tobit 模型对农户林业经营效率的影响因素进行实证分析[11]；而有的学者也选择随机前沿函数方法（SFA）对农户的林业生产效率进行研究[10]。研究指标的选取主要从营林资金投入、劳动力、林业生产总值和造林面积等方面考虑。但是有的学者将年降水量和4-10月的平均气温等自然因素考虑其中，最后得出自然因素对林业生产也具有一定的影响。[2]

以上的相关文献对林业生产效率的研究具有重要的参考价值。经济资源的稀缺性决定了江西省林业生产能力的提高不可能仅仅依赖于林业要素投入的无限扩张，而技术效率正是研究在当前投入或产出不变的情况下产出最大化或投入最小化的能力。本文通过对江西省林业生产技术效率的研究，可以发现林业生产中现有资源最优利用的潜力所在，因而，客观地评价和分析江西省林业全要素生产效率具有重要意义。

二、研究方法与数据

（一）模型与方法选择

根据一般定义，生产效率是指产出量与全部投入要素之比，表明产出量的变动与全部投入要素变动的关系，以衡量生产率的变化对经济增长的作用。为了分析江西省林业生产的全要素生产率的变动，文章采用美国学者 Charnes和 Cooper 等在“相对效率评价”概念基础上发展起来的一种评价方法——数据包络分析（DEA）。常用的两种分别是BCC模型和CCR模型，但是CCR模型强调固定规模报酬不变，BCC模型则在CCR模型上引入了规模报酬可变（VRS）。文章主要分析投入对林业生产全要素影响的实际行为，因此，选取BCC模型。Malmquist 生产率指数的计算利用 DEAP2.1 软件完成。

（二）数据来源

林业生產总值、当年造林面积、资本、气温和降水等数据主要来源于2004-2015年的《江西省统计年鉴》和《中国林业统计年鉴》，劳动力数据主要来源于2004-2015年的《中国林业统计年鉴》和《中国农村统计年鉴》。之所以选择2004-2015年，是因为2004年是国家实现新的公益林补偿政策，也是江西省开始进行集体林权制度改革试点的年份，对林业的发展可能有一定的影响，2015年是“十二五”结束年。下文的数据主要来自于此，不再一一列出说明。

（三）指标选取

在DEA评价模型中，指标选取的是否合理会直接关系到评价结果，在参考已有的相关文献和数据的获取途径上，文章主要从两个方面研究：一个是从时间上分析江西省林业生产效率；一个是从江西省各个市出发，分析每个市的林业生产效率。因此，对于整个江西省林业生产效率的考察，选取的投入和产出指标为：投入指标，资本（营林固定资产投入）、劳动力（年末林业系统从业人数）。在考虑人为的影响因素之下，根据实际情况出发，自然环境对林业生产效率也存在影响，因此，文章选取气温（年平均气温）、降水（年平均降水量）等变量作為投入变量。产出指标，林业总产值、当年造林面积（千公顷），因为，未能获取江西省各个市的年末林业系统人数，在分析各个市的林业生产效率投入指标上根据林业生产总值和农业就业人数换算而得。

（四）描述性统计

1.2004年-2015年江西省林业总产值。林业总产值在一定程度上反映出林业经营效果，是营林产值和森工产值之和。由表1 看到，2004年到2015年江西省林业总产值呈现逐年增长的趋势。其中，2004年到2009年增长较慢，林业产值都在900亿元以下，特别是2009年后，林业产值出现快速增长，2015年末的产值达到3063亿元，是2004年末的10倍，表明江西省林业经济取得了快速发展。

2.2004年—2015年江西省人工造林面积情况。由表2 得出，2004年到2015年江西省每年新增人工造林面积有升有减，波动幅度较大。最明显的年份是在2008年，也是一个造林面积的分水岭。2008年以前，造林面积整体呈现增长的趋势，特别2006、2007和2008年，造林面积快速增长，或许与国家政策有关。2008年之后，造林面积整体上呈现下降的趋势，但是下降幅度较小。虽然2013年出现小幅度增长，但是与2008年相比，仍然存在很大的差距。

3.2004年—2015年江西省营林固定资产投入。林业的营林固定投资主要包括政府投资、社会投资和个人投资，其中政府投资占主导地位，考虑到数据的可获得性，文中采用政府的林业营林固定投资额来近似表示林业的营林固定投资。资金是一个行业发展必不可少的资源，营林固定资产的投入也可以从侧面反映出政府对林业的重视程度。从表3看到，2004年到2014年江西省营林固定资产投入呈现稳定增长趋势，2015年投入减少。增长幅度最快的年份在2008年到2012年的5年间，这和2008年南方雪灾之后国家加大对林业投资有很大的关系。仅2008年，国家已经拨付7.3亿元资金用于19个省的林业恢复重建。从整体上来看，2008年以前，营林固定资金投入都是有增有减，变化起伏不大。2008年以后，营林资金投入大幅增加，在一定程度上促进了江西省林业资源的开发，保障林业经济的稳定发展。

4.2004年—2015年江西省年末林业系统从业人数。人员是林业资源得以开发和保护的必要条件之一，由于很多地区林业从属于大农业之中，纯粹从事林业生产的人数较少，故难以准确计量，文章以林业系统从业人数表示劳动力投入变量。从表4看到，2004年到2015年江西省年末林业系统从业人员比较稳定，年际变化起伏不大，人数最多的年份是2012年，达到87890人；人数最少的则是2006年，稳定在58276人。

三、江西省林业全要素生产率的实证分析

（一）江西省分时期林业全要素生产率分析

采用数据包络分析（DEA）方法测算包括自然因素在内四种投入要素的Malmquist生产率指数。从表5看出，techch指数变化情况与林业tfpch变化紧密相关，说明在effch、pech和sech保持稳定的情况下，techch是影响tfpch变化的关键因素。江西省2004-2015年间的林业tfpch均值是1.073，说明整个时期内江西省林业生产全要素达到了投入产出的最优状态，但是呈现了先上升、后下降再到上升的三种态势。具体来看，2004年到2008年林业tfpch变化起伏较大，经历了先降低、再上升、最后再降低的过程，因为2005年江西省全面实行集体林权制度改革，将集体林分权到户，刚分到林地的林农可能降低了林业技术投入要素。2008年到2012年的林业tfpch最低，都在1.000的水平之下，一定程度上拉低了整个时期的林业全要素生产率。可能因为2008年南方经历了雪灾，对林业影响较大，而且林业生产需要一定的时间恢复，这也说明了自然环境对林业生产具有重要的影响关系。此外，sech值保持在1.000，说明整体上江西省具有良好的林业规模效益。江西省全省森林蓄积量达到4.45亿立方米，森林覆盖率（63.1%），居于全国第二，从实际说明了江西省具有良好的林业规模效益。

（二）江西省分地区林业全要素生产率分析

依据DEA效率分析结果来看，林业tfpch最高的则是南昌市，均值为1.259，技术进步的均值是1.259，是林业tfpch增长的主要推动力；其次是抚州，tfpch（1.121）的增长主要来源于技术进步，但是sech不高，与当地林业资源分布状况有关；相对整个地区而言，萍乡的林业tfpch则最低，只有0.806，低的sech（0.842）和effch（0.842）在一定程度上阻碍了萍乡林业tfpch的增长，techch（0.958）也是全省最低的，或许是因为林业投入较少，林业经济缺乏多样性，值得说明的是，sech和techch对tfpch的影响较大。

从区域分布上来看，江西南部的tfpch相对较高，其中赣州、吉安的tfpch分别达到1.109和1.069，且高于平均值，techch在tfpch的增长中扮演着重要的角色，主要原因是赣州市不断加大科技投入进行优质低产林改造，促进林业收入增加。同时，赣州和吉安也具有良好的林业规模效益，因为赣州以山地、丘陵为主，占总面积的80.98%。其中丘陵面积24053平方千米，占赣州市土地总面积61%；山地总面积8620平方千米，占赣州市土地总面积21.89%，优越的地理环境造就了丰富的林业资源；另一方面，林业资源开发历史悠久，灵活的林业经营方式保障了收入水平的提高，2009-2015年的林业平均产值达到456.47亿元。

经济发展水平越高，或许对林业发展所需要的资金、科技等资源投入越多。但是，从实际上来看，tfpch不一定和经济发展水平成正比。以2015年为例，江西省生产总值（GDP）达到16723.8亿元，全省人均GDP为36819.05元，南昌、赣州和九江GDP总量领先，分别为4000.01亿元、1973.87亿元和1902.68亿元。建立在优越的经济基础之上，南昌和赣州的林业tfpch都达到最优。但是，九江地区的林业tfpch却低于全省平均水平，仅有0.972。从结果分析中看到，九江地区的林业techch指数较高，说明政府不断加大科技和政策支持力度；effch指数低于平均水平，说明在加大政策扶持的同时，实际取得一定的效果不明显；sech指数也低于平均水平，说明九江市林业规模效益不是很明顯，这也和该地区的自然环境有关，山地只是占到全市土地总面积的16.4%。

四、研究结论

文章运用2004年-2015年江西省林业生产投入和产出数据测算了林业全要素生产效率，研究结果表明江西省林业tfpch均值达到1.073，说明整个时期内江西省林业生产要素达到了投入产出的最优状态，techch是影响tfpch变化的关键因素；其次运用2009年-2015年江西林业生产投入和产区数据测算了11个地区的林业全要素生产效率，结果表明经济基础对tfpch具有一定的影响力，其中南昌、赣州和吉安的林业全要素率较高，同时也发现effch和pech会拉低整个地区的全要素生产率。根据研究结果，提出以下建议：

（1）优化资源配置，合理利用资源。江西省不仅具有丰富的森林资源，而且随着国家政策的支持，不断加大对林业资金的投入，但是，从对11个市的分析结果看，资金的投入未能发挥出1+1>2的效果。因為，当投入达到一定量的积累，如果不进行资源的合理配置，产出不会发生质的变化。因此，从实际出发，集中力量对资源进行优化配置，尽量做到满足不同地方的需求。例如，建立监督机制，加强对资金的管理，防止资金的滥用。

（2）加大林业科技推广宣传，落实科技服务政策。如果只是简单的加大科技投入，而不将科学技术落到实处，那么并不能充分发挥技术效率对林业全要素生产率的影响。因此，政府要将科学技术落到实处，使科学技术贯穿于整个林业生产活动。例如，定期开展技术宣传日、建立科技服务点以及高校科研院所与大型林业企业合作等方式。

（3）转变林业经营方式，提高林业经营水平。研究结果发现，九江、上饶和萍乡等经济条件较好的地区林业全要素生产率却低，因此，可以利用经济优势，大力发展与林业有关的产品深加工等产业；而对于经济落后、林业资源丰富的地区可以发展林下产业（种植和养殖）和旅游业。

注 释：

[1]李春华、李宁等：《基于DEA方法的中国林业生产效率分析及优化路径》，《中国农学通报》，2011年第8期。

[2]田杰、姚顺波：《中国林业生产的技术效率测算与分析》，《中国人口·资源与环境》，2013年第11期。

[3]黃韶海、王国峰等：《中国林业生产效率的格局与区域差异分析》，《世界林业研究》，2016年第3期。

[4]徐玮、冯彦、包庆丰：《中国林业生产效率测算及区域差异分析——基于Malmquist-DEA模型的省际面板数据》，《林业经济》，2015年第5期。

[5]曾云钦、张春霞、许佳贤：《不同经营形式下的私有林经营规模效率研究——以福建为例》，《中南林业科技大学学报》（社会科学版），2011年第3期。

[6]张颖、杨桂红、李卓蔚：《基于DEA模型的北京林业投入产出效率分析》，《北京林业大学学报》，2016年第2期。

[7]韋敬楠、张立中：《基于DEA方法的广西林业投入产出效率分析》，《中南林业科技大学学报》（社会科学版），2016年第3期。

[8]崔晓红、包庆丰：《基于面板数据的内蒙古林业生产效率评价》，《林业经济问题》，2016年第2期。

[9]臧良震、支玲、郭小年：《中国西部地区林业生产技术效率的测算和动态演进分析》，《统计与信息论坛》，2014年第1期。

[10]许佳贤、郑逸芳等：《林改后农户林业生产效率的影响因素——基于闽赣两省159个固定观察点6年的调查数据》，《林业经济》，2015年第2期。

[11]刘振滨、苏时鹏等：《林改后农户林业经营效率的影响因素分析——基于DEA-Tobit分析法的实证研究》，《资源开发与市场》，2014年第12期。

[12]孙爱军、蒋彧、方先明：《金融支持经济发展效率比较——基于DEA-Malmquist指数方法的分析》，《中央财经大学学报》，2011第6期。

责任编辑：黄祥深