中国林业产业结构优化及其影响因素分析

熊立春，王凤婷，程宝栋*

（1. 北京林业大学经济管理学院，北京 100083；2. 中国农业大学经济管理学院，北京 100083）

近年来，林业产业的快速发展极大地盘活了林区经济，带动了林区居民就业并提高了居民生活水平，对主要涉农、林区域的经济发展乃至整体国民经济具有重要支撑作用[1]。然而，当前林业产业经济也面临着各项发展瓶颈和挑战，尤其以产业结构问题较为突出。一方面，林业产业在数量上过度集中于第一产业和第二产业，并且产业低端化严重；更为重要的是，部分低端林产品产能过剩与高端产品短缺的问题尤为明显。另一方面，随着人口红利的消失和林产品原材料成本的上升，现有林业低效率产出产业，低附加值产品等发展模式将难以为继，林业产业结构升级亟待加快。那么，当前中国林业产业结构升级现状如何？其影响因素又有哪些？本文将在梳理已有理论的基础上通过实证检验回答这一问题。

产业结构升级是产业在原材料供给，市场和科技需求以及政府政策等内外部因素作用下产生的，产业升级改变了产业的市场分布和定位，同时优化了产业结构的比例[2]。目前，产业结构升级已成为学界研究的重要议题之一。在理论研究上，1941年Simon Kuznets在《国民收入及其构成》提出产业升级的库兹涅茨法则：即随着时间的推移，第一产业（农业部门）在国民经济的比重逐渐下降；第二产业（工业部门）和第三产业（服务部门）比重则上升，第三产业的劳动力在全部劳动力中的比重也相应提高[3]。此后，在新贸易理论框架下，一国某些行业或企业可以率先进入新的产业，可以带动新型产业的发展，提高国际竞争力[4]。

在研究方法上，部分研究采用的方法主要是针对产业结构升级方向和速度两个方面的测度，如产业结构超前系数法，主要测定某第一产业结构增长相对于整个经济系统增长趋势的超前程度来反映产业结构升级的具体方向[5]。在测算产业升级速度的方法有Lilien 指数法和Moore值法[6-7]。国内部分研究通过产业结构超前系数，Lilien 指数法和Moore值法对产业结构升级现状进行了测度，并发现财政分权，城市化水平，科技研发和固定投资对产业升级具有影响[8-9]。另有学者还采用产业结构层次系数法对中国1998—2014年的林业产业结构值进行测度，发现城镇化水平对林业产业结构优化具有显著性正向影响[10]。

在农林行业的产业结构升级的研究上，有研究发现中国在改革后农业部门全要素生产率快速增长，可以很大程度上解释生产活动向非农业部门的转移过程[11]。另有学者发现农业政策的转型是农业产业转型的前提[12]。已有研究对产业结构升级的影响因素也进行了分析，多数研究认为：经济发展水平、人口规模，城镇化，固定投资，贸易环境、资源禀赋、科技进步 、产业从业人数、外商投资和产业政策等是影响产业升级的主要因素[13-19]。

综上所述，既有的研究多以某一地区或国家整体经济层面的三次产业升级研究为主，聚焦林业行业或产业的升级研究相对较少。并且，已有林业相关研究缺乏对林业产业结构升级方向和速度等升级特征进行分析。为此，本文基于2000—2015年30个省份的林业产业数据，运用产业结构超前系数测算各省份林业产业结构升级方向，通过Moore值法测算林业产业结构升级速度，并采用面板数据分位数回归方法对影响林业产业结构升级的主要因素进行分析，以期为中国林业产业结构升级理论的丰富提供一定研究支持。

1 研究方法与数据来源

1.1 产业结构超前系数和Moore法

采用产业结构超前系数法[20-21]量化和测度林业产业结构升级的方向，其计算公式为：

式中：Eit表示第i部门或产业t时期的产业结构超前系数，fit是第i部门或产业t时期产值占总产值份额比上基期的产值占总产值份额，Rt为同时期行业经济系统的的平均增长率。如果Eit大于1则表明i产业处于超前发展，所占份额将呈现增长趋势；若Eit小于1则说明i产业发展相对滞后，所占份额将呈下降趋势。

Moore值测度法测度产业结构升级的速度[7]，其测算公式为：

式中：Mt为Moore结构变化值，ri,t表示t期第i产业所占比重，ri,t1是t+1期第i产业所占比重，n为产业数量，式中只有林业一种产业，因此，n为1，Moore值越小表明产业结构升级越快。此外，同一产业在两个时期升级速度的向量夹角α为：

式中：夹角α值越大，则产业升级越快，α值越小，则产业升级越缓慢。在（2）式的基础上引入产业结构年均变动值反映一定时期内产业结构升级年均变化的绝对值，显示产业升级过程中的波动幅度，其计算公式为：

式中：K为产业结构升级年均变动值，qit为t时期产业i占整个产业的比重，qit0为产业i基期的比重，n为产业门类数，T为t时期至基期的年数，K值越大，产业升级变动速度越快，K值越小则相反。

1.2 林业产业结构升级影响因素计量模型设定

本文以林业产业结构层次系数作为被解释变量，对林业第三、第二和第一产业的权重分别赋值“3、2、1”，权重越高，代表产业越高级化[10]，产业结构层次系数计算公式为：

式中：Fipt为林业产业结构层次系数，Pit为林业三次产业t时期分别占林业总产值的比重，λit是赋予林业三次产业的权重，实证计量模型设定为：

式中：Fipt表示林业三次产业中i产业在p省份中t时期的加权比重，此处GDP表示人均GDP，PE为地区人口规模，CO为地区规模以上工业企业数量，RD表示地区R&D内部经费支出，FI表示林业固定投资额，FS地区表示林业站个数，FP表示地区林业从业人数，FC表示森林覆盖率，FY表示林业政策虚拟变量。

需要注意的是，由于各省份的林业三次产业产值的权重并不一致，因此采用传统的面板数据回归方法无法分析各省市具体的林业产业结构升级变化规律。为此，采用了估计更为精确的面板数据分位数回归方法[22]，并在关键解释变量选取上更加充分，以提高回归结果的解释能力。分位数回归使用残差绝对值的加权平均作为最小化的目标函数，与最小二乘法使用残差平方和为最小化的目标函数相比，不易受到极端值的影响[23-24]。

1.3 变量选择与说明

1）被解释变量。国内外研究产业结构优化的指标主要有产业结构调整系数、Moore值、产业结构变动值和产业结构层次系数。针对上述林业产业结构优化指标的选取，既有研究认为，相比于其它方法，产业结构层次系数能够将林业三次产业间的相对结构变化进行系统测度，更全面地反映林业产业结构的优化程度[10]。为此，本文将采用这一指标进行测度，并将测度值作为被解释变量值。

2）解释变量。解释变量包括宏观经济因素和林业行业因素两个方面。宏观经济因素通过人均GDP、人口规模、规模以上工业企业数量和科技进步等指标来体现。具体而言，人均GDP是社会经济发展水平的重要衡量指标，经济发展水平的提升对林业产业结构升级具有较强的推动作用[9-10]。而人口为产业结构升级提供广阔的消费市场，人口规模越大，林业产业由低级向高级产业转移的市场动力越强[8,13]，这里的人口规模为地区总人口减去地区林业从业人口。此外，规模以上工业企业数量反映一国或地区的产业经济水平，一般规模以上工业企业数量越多，其产业经济水平越高[25-26]。最后，选取R&D经费内部支出作为科技进步指标，反映地区科技投入的实际支出，由于农林业属于一国或地区的基础行业，因此，地区科技投入越高，对当地林业产业的升级促进作用越明显[9,27]。

林业行业因素通过林业固定投资额、林业站个数、林业从业人数、森林覆盖率和政策变量等指标来体现。具体来说，林业固定投资额反映政府部门对林业产业发展的投入力度，林业固定投资额越高，对林业产业升级作用越大，呈正比关系[10]。林业站个数反映林业部门的灾害防治，科技扶持的覆盖程度，林业站个数越多，反映地区林业管理水平和科技投入越高，对林业产业结构升级越有利[28]。林业从业人数为林业产业提供重要的劳动力保障，但林业产业从业人数往往存在一定适合比例，尤其是国有企业林业从业人数过高，往往不利于产业升级[29]。森林覆盖率代表森林资源的丰富程度，而森林资源是林业产业发展最重要的资源禀赋，也是林业第一产业，第二产业和第三产业升级发展的基础[10,30]。选择“全面集体林权改革”为政策变量，各省份实施上述政策前取值为0，实施及以后取值为1[31]，具体变量均值和标准差见表1。

1.4 数据来源与说明

研究样本涵盖了我国30个省、自治区和直辖市（简称“省份”，研究样本中不包括香港和澳门特别行政区与青海省和台湾省），数据时间阶段为2000—2015年，选择2000年为起始年主要考虑到：2000年开始实行的天然林保护工程，部分天然林在此后的生产中不作为林业经济产出对象。涉及2000—2015年全国和各省市的林业产值数据，林业固定投资额，林业站个数，林业从业人数，森林覆盖率数据均来源于《中国林业统计年鉴》。人均GDP，人口规模，规模以上企业数量，R&D内部经费支出等指标数据均来自于《中国统计年鉴》。

表1 变量含义与统计性描述Table 1 Description of variables

2 结果与分析

2.1 林业产业结构升级

表2为采用产业结构超前系数法和Moore值法对30个省市林业产业结构升级方向和速度的具体测度结果。在林业产业结构升级的方向上，可以发现：整体上，林业第一产业的产业结构超前系数负值比例较大，30个样本省份中有23个省份为负值，占77%，显示出第一产业份额正逐步降低；而第二产业和第三产业的负值占比相对较小，分别占27%和40%，表明中国林业产业正向第二产业和第三产业升级，但第二产业仍旧占据最大份额，平均产业结构超前系数值为3.98，明显高于第一产业（-1.64）和第三产业（1.52）。此外，有21个省份林业第三产业的系数值高于第一产业，占总样本的70%，显示出林业产业总体由低附加值向高附加值产业方向升级。

在林业产业结构升级速度上，通过Moore值测度结果可以发现：整体上，结合Moore值、夹角α值和K值结果表明，当前林业产业结构升级速度较快的省份多为东部沿海省份。在林业产业升级年均变动率（K值）上，前五位K值分别为13.78、4.97、3.92、3.51和2.37；后五位K值分别为0.16、0.22、0.31、0.39和0.40。综合来看，中国林业产业在2000—2015年时期经历明显的产业结构升级过程，产业结构升级方向和速度均呈现较好的趋势，总体特征是：中国林业产业结构向第二、第三产业升级的趋势明显，升级速度也在提升。

2.2 林业产业结构升级实证模型适用性检验

为了检验主要解释变量是否存在多重共线性，首先通过相关系数矩阵进行观察，从表3中可以看出，解释变量相互相关系数整体较小，为了进一步精确验证，继续引入方差膨胀因子（VIF）进行观察，VIF值均在[0，10]区间内，结果再次验证解释变量不存在多重共线性问题。

此外，面板数据回归一般分为混合估计、固定效应和随机效应，为了甄别使用哪种回归，首先通过Stata 13.0软件进行Breusch-Pagan test 检验，结果表明：P值均大于0.05的显著性水平，即使用面板数据混合效应估计参数。另外，由于样本数据是基于30个省份16年的短面板数据，还需要进行单位根检验以验证样本各变量序列的稳定性，为此，研究采用适合短面板数据的单位根检验方法：HT检验，从表3中可以看出统计量（ρ，z值）均显著（P=0.00），因此面板数据较为平稳。

2.3 林业产业结构升级的影响因素分析

为了将传统面板回归模型与面板分位数模型估计结果做比较，本文首先得出普通面板数据混合效应模型的估计结果；其后，选择具有代表性的5个分位点（0.10，0.25，0.50，0.75，0 .90）进行面板分位数回归估计，模型回归结果见表4。

人均GDP（GDP）对林业产业结构优化具有显著负向影响，随着经济水平的增长，产业结构理应实现优化，但经济发展并未促进林业产业升级。人口规模（PE）对林业产业结构优化有一定负向影响，表明当前大部分国人对林业第一产业和第二产业产品依赖度较强，对林业第三产业依赖较弱，因此对

林业产业结构升级有一定抑制作用。R&D内部经费支出（RD）对林业产业结构优化有显著正向影响，这说明科技投入提升了林业科技水平，进一步优化了林业三次产业的布局，是林业产业结构优化的主要驱动力。林业站个数（FS）对林业产业结构优化有显著正向影响，林业站是指导林业三次产业经营和管理的重要部门，因此，林业站数量也是促进林业产业结构优化的重要指标。森林覆盖率（FC）对林业产业结构优化具有显著负向影响。除上述变量外，其余变量在普通面板混合效应估计结果中对林业产业结构优化无明显影响（限于篇幅，不做具体解释）。

表2 林业产业结构升级方向和速度测度Table 2 Direction and speed of forestry industrial structure transformation and upgrading

表3 模型适用性检验Table 3 Model applicability tests

表4 林业产业结构升级分位数回归结果Table 4 Quantile regression results of forestry industrial structure transformation

为进一步解释解释变量对林业产业结构优化程度影响的完整情况，继续结合面板分位数回归结果进行解释。分位越高，代表该地区高层次产业比重越高，分位越低，代表该地区高层次产业比重越低。

人均GDP（GDP）在全部分位点上均通过显著性检验，影响方向均为负，对林业产业结构优化的影响弹性呈现正“U”型，在0.25～0.75中等水平分位上具有显著的负向影响，在高分位（0.95）上，负向影响降低，表明在林业第一产业、第二产业比重较高地区，人均GDP对林业产业结构优化具有较强的抑制作用，而在林业第三产业比重较高的地区，其抑制作用逐渐减弱。这是由于当前居民主要消费的多为林业第一产业和第二产业产品，林业第三产业产品消费量较小所致，从而弱化了林业产业结构的优化水平。

人口规模（PE）在全部分位点上均通过显著性检验，对林业产业结构优化的影响弹性呈现先下降（0.10～0.25），后上升（0.25～0.75），再下降（0.75～0.90）的趋势。总体上，随着分位点的升高，人口规模的负向影响越强，表明林业高层次产业比重越高的地区，人口规模对林业产业结构优化的负作用越强，这种现象与面板随机效应结果解释一致，即当前主要人群仍旧以林业第一产业和第二产业产品消费为主，与林业第三产业产品消费量较少有关。

森林覆盖率（FC）在全部分位点上均通过显著性检验，对林业产业结构优化的影响弹性表现为持续增长的态势。随着分位点的升高，负向影响越强，说明森林资源越丰富的地区，其林业高层次产业发展越缓慢，主要原因可能是现有林业第三产业开发的区域，如保护区、森林公园、旅游景区占全国森林面积的比例较小，而森林资源最丰富（森林覆盖率越高）的地区往往交通和基础设施建设跟不上高层次产业发展需求。

林业站个数（FS）在除0.10分位点以外的4个分位点上均通过正向显著性检验，对林业产业结构优化的影响弹性表现为先增长（0.10～0.50），后下降（0.50～0.75），再上升（0.75～0.90）的趋势，总体说明林业站作为配合国家产业结构优化政策的执行者之一，在科技支持和经营管理上对林业三次产业的调整具有较强的指导作用。

此外，部分变量在中、高分位点上对林业产业结构优化具有负向影响，如规模以上企业数量（CO），林业固定投资（FI），林业从业人数（FP），全面集体林权改革（FY），上述变量在林业第二、第三产业比重较高的地区对林业产业结构优化均有一定的抑制作用，究其原因，可能有以下几点，一是规模以上企业数量表现为宏观经济下第二产业的发展水平，而林业固定投资和林业从业人数也较多地偏向林业第一产业或第二产业的投入，因此对林业第三产业的发展并无明显促进作用，反而会占据第三产业的发展空间；二是当前林业投资回报率低、林业从业人员的素质不高等因素也是抑制林业产业结构优化的深层次原因；三是全面集体林权改革是侧重林农个体利益的政策，注重了林业的生产功能，但林地细碎化经营忽视了森林生态系统的完整性，尤其是对林业第三产业发展不利，例如森林旅游、森林公园，必须依附于森林的生态功能才得以发展。

最后，R&D内部经费支出（RD）在中、高分位点（0.50，0.75，0.90）上对林业产业结构优化具有显著的正向影响，在上述分位点上对林业产业结构优化的影响弹性表现为快速上升（0.50～0.75），后又快速下降（0.75～0.90）的趋势，R&D内部经费支出代表社会整体的科技生产投入，表明科技投入对林业产业结构优化的初期效果较为明显，后期将会下降到较为平稳的作用趋势，但总体具有较强的推动作用。

2.4 林业产业结构升级实证分析的稳健性检验

面板分位数回归较好地估计了整个条件分布的影响因素，避免了极端值的影响，为检验上述估计结果的稳健性，在已有分位点的附近另取5个分位点（0.15，0.30，0.45，0.70，0.85）继续进行分位数回归（表5），可以发现，采用新分位点的回归结果中，绝大部分变量系数符号并没有发生变化，尽管少数分位点上的变量显著性有一定变化，但估计结果的细微差异并不影响最终的结论和经济解释，因此，上文的估计结果是稳健的。

表5 稳健性检验结果Table 5 Robustness of the test results

3 结论与政策建议

3.1 结论

当前中国各省份林业产业总体呈现由低层次产业向高层次产业升级的趋势，其中，林业第二产业升级方向较为超前，而第一产业和第三产业相对滞后，林业三次产业的升级方向存在一定差异。尽管各省份林业产业结构升级速度正在逐年提升，但当前林业产业升级的速度上省际差异较为明显。

影响林业产业结构优化的因素复杂多样，人均GDP，人口规模，森林覆盖率，林业站个数是影响林业产业结构升级的主要因素。另外，规模以上企业数量，林业固定投资，林业从业人数，全面集体林权改革和R&D内部经费支出对林业第二产业和第三产业比重较高省份的林业产业升级具有显著影响。

需要指出的是林业站对推进林业产业结构升级具有积极作用，林业站建设相对完善的省份，其林业产业结构优化程度相对较高。而R&D内部经费支出对林业产业升级同样具有积极意义，具有较强的促进作用。然而，由于近来年多数省份开始注重生态环境建设并且林业第三产业投入不足，因此导致林业产业结构优化水平与人均GDP、人口规模和森林覆盖率的发展水平呈反比特征。

3.2 政策建议

首先，针对林业产业升级方向和速度上的区域差异，林业产业部门应积极统筹东、中、西部三大区域的林业产业发展布局，鼓励中西部省份承接东部沿海省份林业第二产业，尤其是东部地区的木材加工业可适当向成本比较优势更明显的中西部省份转移；大力发展东部沿海省份林业第三产业，如森林旅游—休闲康养产业。

其次，鉴于经济发展水平、人口规模效应和丰富的森林资源并未推动林业产业结构向更高层次升级，林业产业经营者应积极推出富有特色并受广泛欢迎的林业高层次产品和服务，如提高森林休憩、森林康养、森林亲子和森林娱乐等服务业的发展规模，并满足不同收入水平的居民需求。另外，部分地方政府还应加大对森林资源丰富地区林业资源开发和利用，注重林业三次产业的结构比例，激励林业从业人员从事林业服务业的经营。

最后，相关林业决策部门可以进一步提高林业科技投入，如加强林业第一产业的森林经营和林业站建设，提高第二产业的木材加工和第三产业的森林旅游等产业R&D科技经费支持，实现技术进步推动林业产业结构优化，提升林业产业整体发展水平。

参考文献：

[1] 杨红强, 聂影. 中国木材加工产业结构转型升级及区域优化研究[J]. 农业经济问题, 2011, 32(5): 90-94.Yang H Q, Nie Y. Study on the issues of transformation, upgrading and regional optimization of Chinese lumber processing industry[J]. Issues in Agricultural Economy, 2011, 32(5): 90-94.

[2] Shin R W, Alfred H O. Industrial transformation: Interactive decision-making process in creating a global industry (Korea’s electronics industry)[J]. Public Administration Quarterly, 1997,21(2): 143-175.

[3] Galbraith J K, Weidenbaum M L, Hession C H, et al. Economics and the public purpose[J]. Journal of Economic Issues, 1973, 9(1):87-100.

[4] Helpman E, Krugman P R. Market structure and foreign trade:Increasing returns[J]. Economic Journal, 1985, 96(3): 543-543.

[5] 高燕. 产业升级的测定及制约因素分析[J]. 统计研究, 2006,23(4): 47-49.Gao Y. Determination of industrial upgrading and analysis of restrictive factors[J]. Statistical Research, 2006, 23(4): 47-49.

[6] Zagler M. Economic growth, structural change, and search unemployment[J]. Journal of Economics, 2009, 96(1): 63-78.

[7] Moore J H. A measure of structural change in output[J]. Review of Income & Wealth, 2010, 24(1): 105-118.

[8] 谭晶荣, 颜敏霞, 邓强, 等. 产业结构转型升级水平测度及劳动生产效率影响因素估测——以长三角地区16个城市为例[J].商业经济与管理, 2012, 1(5): 72-81.Tan J R, Yan M X, Deng Q, et al. Measurement of the level of industrial upgrading and the assessment of affecting factors of labor productivity: A case study of 16 cities in Yangtze River Delta Region[J]. Journal of Business Economics, 2012, 1(5): 72-81.

[9] 刘建民, 陈霞, 吴金光. 湖南省产业结构转型升级的水平测度及其影响因素的实证分析[J]. 湖南社会科学, 2015(1): 143-147.Liu J M, Chen X, Wu J G. An empirical analysis on the measurement and the determinants of the industrial structure transformation and upgrading in Hunan Province[J]. Social Sciences in Hunan, 2015(1): 143-147.

[10] 唐湛, 黎红梅. 城镇化对林业产业结构优化影响的实证分析[J].农业现代化研究, 2017, 38(2): 226-233.Tang Z, Li H M. An empirical analysis of the impact of urbanization on the optimization of forestry industry structure[J].Research of Agricultural Modernization, 2017, 38(2): 226-233.

[11] Cao K H, Birchenall J A. Agricultural productivity, structural change, and economic growth in post-reform China[J]. Journal of Development Economics, 2013, 104(3): 165-180.

[12] 魏后凯. 中国农业发展的结构性矛盾及其政策转型[J]. 中国农村经济, 2017(5): 2-17.Wei H K. Structural contradiction and policy transformation of agricultural development in China[J]. Chinese Rural Economy,2017(5): 2-17.

[13] Galor O. From stagnation to growth: Unified growth theory[J].Social Science Electronic Publishing, 2005, 1(3): 171-293.

[14] 唐东波. 贸易开放、垂直专业化分工与产业升级[J]. 世界经济,2013(4): 47-68.Tang D B. Trade liberalization, vertical specialization and industrial upgrading[J]. The Journal of World Economy, 2013(4):47-68.

[15] 余淼杰, 王宾骆. 对外改革, 对内开放, 促进产业升级[J]. 国际经济评论, 2014(2): 49-60.Yu M J, Wang B L. Industrial upgrading through external reform and domestic opening-up[J]. International Economic Review,2014(2): 49-60.

[16] 赵宏, 尹晓丹, 马涛. 中国区域纺织产业结构变动分析[J]. 经济与管理研究, 2015(2): 81-87.Zhao H, Yin X D, Ma T. Changes in china’s textile industry structure[J]. Research on Economics and Management, 2015(2):81-87.

[17] 陈强强, 邴芳, 窦学诚, 等. 甘肃省产业结构转型升级测度及其经济效应[J]. 干旱区地理, 2016, 39(6): 1365-1372.Chen Q Q, Bing F, Dou X C, et al. Measurement and economic effects of industrial transformation and upgrading in Gansu Province[J]. Arid Land Geography, 2016, 39(6): 1365-1372.

[18] Kong X X. Industrial upgrading in global production networks:The case of the Chinese automotive industry[J]. Asia Pacific Business Review, 2016, 22(1): 21-37.

[19] Cheremukhin A, Golosov M, Guriev S M, et al. The economy of People’s Republic of China from 1953[R]. NBER Working Paper Series，Working Paper 21397，2015. http://www.nber.org/papers/w21397.

[20] 李博, 胡进. 中国产业结构优化升级的测度和比较分析[J]. 管理科学, 2008, 21(2): 86-93.Li B, Hu J. Comparative analysis on the measuring of industrial structure optimization and upgrading in China[J]. Journal of Management Sciences, 2008, 21(2): 86-93.

[21] 何平, 陈丹丹, 贾喜越. 产业结构优化研究[J]. 统计研究, 2014,31(7): 31-37.He P, Chen D D, Jia X Y. Study on industrial structure optimization[J]. Statistical Research, 2014, 31(7): 31-37.

[22] 周少甫, 王伟, 董登新. 人力资本与产业结构转化对经济增长的效应分析——来自中国省级面板数据的经验证据[J]. 数量经济技术经济研究, 2013(8): 65-77.Zhou S F, Wang W, Dong D X. Effect of human capital and industrial structure transformation on economic growth[J]. Journal of Quantitative & Technical Economics, 2013(8): 65-77.

[23] Koenker R, Bassett G. Regression quantiles[J]. Econometrica,1978, 46(1): 33-50.

[24] Buchinsky M. Recent advances in quantile regression models: A practical guideline for empirical research[J]. Journal of Human Resources, 1998, 33(1):88-126.

[25] 郑小碧, 陆立军. 产业集群转型升级视阈下的区域创新平台研究[J]. 科学学与科学技术管理, 2011, 32(8): 65-70.Zheng X B, Lu L J. A study on regional innovative platform (RIP)under an upgrading of industry cluster[J]. Science of Science &Management of S & T, 2011, 32(8): 65-70.

[26] 李胜兰, 陈智武. 战略性新兴产业集聚对FDI技术溢出的影响——基于转型时期不同维度集聚程度的实证研究[J]. 证券市场导报, 2014(11): 29-36.Li S L, Chen Z W. The impact of strategic emerging industry agglomeration on FDI technology spillover: An empirical study based on the agglomeration degree of different dimensions in the transforming period[J]. Securities Market Herald, 2014(11): 29-36.

[27] 郭晓丹, 何文韬. 战略性新兴产业政府R&D补贴信号效应的动态分析[J]. 经济学动态, 2011(9): 88-93.Guo X D, He W T. Dynamic analysis of the R&D subsidy signal effect of the strategic emerging industry government[J]. Economic Perspectives, 2011(9): 88-93.

[28] 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(3): 95-100.Luo X F, Li Z L, Li R R, et al. Temporal and regional variation of forestry production eff i enciency in China[J]. Journal of Arid Land Resources and Environment, 2017, 31(3): 95-100.

[29] 姜钰, 许馨. 黑龙江省林业产业集聚水平及效率测度分析[J].林业经济, 2016(6): 55-69.Jiang Y, Xu X. Analysis on forestry industry cluster level and efficiency in Heilongjiang Province[J]. Forestry Economics,2016(6): 55-69.

[30] 张启春, 朱明. 区际产业转移背景下中部六省发展环境研究[J].华中师范大学学报(人文社会科学版), 2014, 53(2): 43-52.Zhang Q C, Zhu M. Study on development environment of the six provinces in central China under the background of regional industrial transfer[J]. Journal of Huazhong Normal University(Humanities and Social Sciences), 2014, 53(2): 43-52.

[31] 邵砾群, 陈海滨, 刘军弟, 等. 基于灰色理论的陕西省林业产业结构分析预测[J]. 西北林学院学报, 2012, 27(5): 289-292.Shao L Q, Chen H B, Liu J D, et al. Grey analysis prediction on forestry industrial structure in Shaanxi[J]. Journal of Northwest Forestry University, 2012, 27(5): 289-292.