林业生态效率：时空特征与影响因素——基于我国31个省份数据的实证分析

洪名勇，龙娇，娄磊

（贵州大学 经济学院，贵州 贵阳 550025）

工业革命以来，人类对资源的浪费和环境的破坏，致使全球性生态危机出现，森林锐减、水土流失、环境污染等给人类的生存和发展带来了极大威胁。生态兴则文明兴，生态衰则文明衰。党的十九届五中全会明确要求，要加大污染防治力度，广泛形成绿色生产生活方式，生态环境根本好转，美丽中国建设目标基本实现。因此，要坚持“生态红线”观念，不能越雷池一步。“生态红线”作为国家层面的另一条“生命线”被党和国家反复强调，集中体现了对生态环境保护的迫切愿望。生态红线不仅是林业事业的“目标线”和政府执政的“高压线”，也是构建我国生态安全战略格局的“底线”[1]。

森林资源是陆地生态系统循环所需的重要资源。合理利用森林资源不仅可以作为人类生存发展的生态保障，也是实现人类的经济效益和生态效益的前提。不过，我国森林资源人均水平低，质量不高，一定程度上制约了我国林业生态环境的保护。《全国生态保护与建设规划（2013—2020）》报告中指出，我国人均森林面积只有世界平均水平的78%；局部地区乱垦滥占林地问题严重，制约了森林生态系统调节气候、涵养水源、防风固沙、固碳增汇等生态功能的充分发挥[1]。没有森林，难以想象地球和人类的未来会是什么样子。习近平总书记不止一次强调，要重视林业建设，这直接关系到经济社会可持续发展，要求林业部门要全面深化林业改革，为美丽中国的实现创造更好的生态条件[2]。这不仅是“绿水青山就是金山银山”的体现，也是实现我国生态安全、建设美丽中国的必要前提。

中国地域广阔，地形地质、经济发展水平及习惯习俗等区域差异较大，从而可能造就了我国林业生态效率存在一定的区域差异和空间差异，且随着时间的演化会呈现出不同特征，非常值得深入探究。此外，在测算林业生态效率时，进一步探析林业生态效率的影响因素，为更好地提高我国林业的生态效率找出对症之药。

1 文献综述

随着工业化和城镇化的推进，林业发展所处的内外部环境发生了变化。然而，实现林业生态化既关系到经济社会的发展，也与每个人的切身利益有关。在脱贫攻坚成果与乡村振兴有效衔接的过程中，一些林业产业真正做到了“荒山绿了，农民也富起来了”。林业要想得到可持续发展，就要保证投入要素与产出要素之间的协调。近年来，学界对林业投入与产出之间的效率问题的研究较多，主要集中在林业投入产出效率、林业产业生态效率、林业生产技术效率、林业全要素生产效率和林业生产效率上。一是林业投入产出效率。1993—2002年，我国林业投入产出效率总体较高；2003—2010年，呈现“W”型变化趋势，主要是受林业劳动力投入和林业第一产业产值的变化影响[3]。而2003—2011年，西部地区林业投入产出效率中，西部各省呈现两极分化趋势，存在明显的区域差异，随着时间的推移，由于财政支林、劳动投入和资本投入的影响，区域之间的差距越拉越大[4]。二是林业产业生态效率。2004—2013年，我国林业产业生态效率呈缓慢上升趋势，有较大的区域差异，东部五省份林业产业生态效率明显高于其他地区，主要是因为经济发展水平较高，且处于沿海发达地带，对环境有更强的诉求[5]。三是林业生产技术效率。1999—2011年，我国林业生产技术效率呈现“W”型变动趋势，存在较大的提升空间，气温和降水量等自然因素、营林资金数量和林业从业人员人数对林业生产的投入产出有显著影响[6]。 四是林业全要素生产效率。2001—2005年，九个主要林业省份的全要素生产率低，增长速度较快；2006—2010年，林业生产得到有效发展，全要素生产率较高，主要是源于纯技术效率的提高和技术的进步[7]。分区域看，西部地区林业全要素生产率较高，东部地区较好于中部地区，主要是因为东部地区的经济基础较好，林业投入较多，中部地区林业资源丰富，但经济发展水平较低，林业投入不足，对林业经济的发展重视不够[7]。五是林业生产效率。2003—2014年，我国林业生态发展趋势较好，呈现上升趋势，但是总体投入产出效率值偏低。根据以往文献，将各省分为高效率省份和低效率省份，两者的增幅差异较大。根据基尼系数测算结果分析，我国林业生产效率时空分布差异较大。人均GDP、林业系统职工收入等因素对林业生产效率影响显著[8]。

已有的研究缺乏对林业生态效率的分析。主要是因为，林业的发展虽然具有经济价值和生态价值双重属性，但是存在投资回收周期长，经济外部性等问题，再加上天灾人祸的出现，并不能保证林业发展能够符合人们的预期。人们在追求林业经济价值的过程中，逐渐忽视了生态效益。因此，本文从2007—2018年31个省份省级面板数据出发（由于数据来源有限，暂不考虑港澳台地区），测算出我国31个省份的林业生态效率，进一步探析林业生态效率存在的区域差异和时空特征。在此基础上，挖掘出影响林业生态效率的因素，从而更好地保护林业生态系统的多样化。林业生态经济不断发展的同时，也要重视对林业生态的保护，这样才能更加深入贯彻落实习近平生态文明思想，早日实现人民群众对美好生态环境的期盼。

2 研究设计

2.1 研究方法

2.1.1 三阶段DEA模型

为了更好地评估决策单元（DMU）的效率，Fried等[9]提出了三阶段DEA模型。该模型的提出能够将外部环境和随机误差对效率的影响区分，使得计算出来的效率值更贴合实际情况。因此，本文使用三阶段DEA来进行我国林业生态效率值的测度。本文目的是利用三阶段DEA来测度我国31省份林业生态效率，由于篇幅的原因，不再具体给出三阶段DEA方法的详尽说明，仅仅给出相应的步骤。

第一阶段：DEA方法由Charnes等[10]于1978年提出。从1986年，中国学者就开始从事DEA的研究，随后魏权龄[11]逐渐在国内推广DEA。其中主要通过BCC模型来处理“规模报酬可变（VRS）”假设下的决策单元有效性问题[12]。对于每个决策单元，BCC模型可表示为：

式中：j=1, 2, …,n表示决策单元（DMU），X、Y分别是投入、产出变量，ε为非阿基米德无穷小量[5]。若θ=1，S+=S-=0，则决策单元（DMU）DEA有效，即投入产出效率高；若θ=1，S+≠0或S-≠0则决策单元（DMU）弱DEA有效；若θ＜1，则决策单元（DMU）非DEA有效，表明该决策单元（DMU）存在一定的效率改进空间。

第二阶段：Fried等[9]认为由于传统的DEA模型并没有将环境因素、随机因素和管理效率对效率值的影响区分出来，计算出来的效率值并不一定准确。因此，在第二阶段构建相似SFA分析模型，将环境因素和随机因素的影响降到最低，从而检测出每个测算单位的投入冗余。

第三阶段：将第二阶段调整后的投入变量和未改变的产出变量基于BCC模型再次进行林业生态效率测算，此时测算出来的效率值较为贴近各省份原始状态，将环境因素和随机因素的影响降到了最低。因此，此时的效率值较为真实和准确[13]。

2.1.2 多元线性回归模型

参照叶文忠和刘愈希[14]、郑丽楠和洪名勇[15]的相关文献，本文的回归模型设置如下：

式中：FEE代表林业产出，i表示第i个省份，Xj,it表示各个影响因素，εit代表随机误差项。

2.2 变量选取

本文以林业总产值（万元）作为唯一产出变量，以林业用地面积（万公顷）、营林固定资产投资（万元）、林业从业人数（人）、林业能耗（万吨）、森林蓄积量（万立方米）、林业废水排放量（万吨）、林业化学需氧量（万吨）、林业氨碳排放量（万吨）、林业SO2排放量（万吨）、林业烟粉尘排放量（万吨）、林业固废弃物产生总量（万吨）构成评价林业生态效率的指标体系，如表1所示。

表1 变量选取

2.3 数据来源

数据来源于2007—2018年《中国林业统计年鉴》《中国农村统计年鉴》《中国环境统计年鉴》《中国统计年鉴》《中国基本单位统计年鉴》等。此外，由于林业生态的保护和利用活动主要是集中在第二、第三产业，因此，使用各地区第二、第三产业以及工业三废排放量间接估计林业能耗。

然后，根据国家统计局公布的统计制度和分类指标，对各省份进行分类：东部地区包括江苏、浙江、北京、山东、广东、天津、河北、上海、福建和海南10个省份；西部地区包括重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、内蒙古、广西、宁夏和新疆12个省份；中部地区包括河南、湖北、山西、安徽、江西和湖南6个省份；东北地区包括辽宁、吉林和黑龙江3个省份。

3 实证分析

3.1 三阶段DEA模型结果分析

3.1.1 第一阶段：传统DEA测算结果

将2007—2018年我国林业生态有关的投入变量和产出变量的原始数据导入到Deap2.1软件中，得到表2中经过整理后的数据。总体来看，江苏、浙江、山东、天津、上海等14个省份的林业生态效率均值都为1.000，不考虑环境变量和随机干扰等因素的影响，这些省份的林业生态效率均值处于随机前沿面。广西、河南、山西、吉林和河北等12个省份的林业生态效率均值基本在0.900以上，湖南、湖北、陕西、青海和北京5个省份的林业生态效率均值基本在0.900以下。其中，北京的林业生态效率值为最低值，这也意味着其有较大的提升空间。由于该结果可能受到环境因素和随机干扰的影响，导致数据失真，并不能确切地反映出2007—2018年我国林业生态效率的真实变化，因此，需要在传统的DEA-BCC模型的基础上剔除环境变量等因素的影响。

表2 我国林业生态效率变化

图1呈现的是第一阶段31个省份2007—2018年林业生态效率值的变化情况。北京2017年以前的林业生态效率值都较低，且处于全国最低水平，基本在0.600及以下。青海、陕西、湖北、湖南等省份的林业生态效率值也较低，在0.600左右。其他省份的林业生态效率变动不大，基本保持在0.900以上。

图1 第一阶段效率值变化

3.1.2 第二阶段：SFA回归结果

第一阶段测算出来的林业生态效率可能受环境因素和随机干扰的影响。因此，将投入变量的松弛变量取对数之后作为被解释变量，将环境变量作为解释变量，再次测算我国林业生态效率。经过整理后的相似SFA回归结果如表3所示[16]。大多数变量回归结果都通过了显著性检验，这意味着外部环境的存在会影响到林业生态效率，且在林业生产投入过程中，对冗余值产生显著性影响。并且，系数小于0，则意味着环境变量的投入增加会导致林业投入变量的冗余值减少，有利于林业生态效率的提高；系数大于0，则意味着环境变量投入的增加会使得林业投入变量的松弛量增加，造成一定的投入冗余的出现，不利于林业生态效率的提高[17]。

如表3所示，投入松弛变量基本都通过了LR检验，即外部环境对林业生态效率的投入松弛量是有影响的，且γ都为1，通过了1%显著性检验，即林业生态效率的松弛变量受到了管理无效率和技术无效率的影响。从回归系数来看，随着人均GDP（EV1）和财政对林业的支持（EV3）的增长，林业用地面积、营林固定资产投资、林业从业人数和林业耗能都是呈现正向增长的趋势[18]。

表3 第二阶段SFA 回归结果

由于环境变量对各省的林业生态效率带来的影响不同，其中有一些具有较好的经营环境或者有利生产条件的地区就会有较高的林业生态效率，而经营环境较差或者因为发展机遇的问题致使某些地区的林业生态效率不高。因此，必须要对原始数据进行调整，使得各地区能够处于同质环境，这样测算的结果才能真正反映出各地的林业生态效率水平[19]。

3.1.3 第三阶段：调整后的测算结果

从第二阶段SFA回归结果可以看出，环境变量对各省份的林业生态效率是有一定的影响。因此，将第二阶段调整后的变量再次进行测算。总体来看，江苏、浙江、山东、广东和福建等12个省份的林业生态效率均值都为1.000，在剔除环境因素等的影响下处于林业生态效率的随机前沿面。广西、四川、河北、吉林、内蒙古和河南等15个省份的林业生态效率均值基本在0.900以上，湖南、陕西、青海和北京4个省份的林业生态效率均值基本在0.900以下[20]。

图2为第三阶段效率值变化情况。北京的林业生态效率依然处于较低水平，在0.600及以下，其次就是青海在0.600左右。2007—2018年，31个省份的林业生态效率值均有所下降，波动幅度较大。这一结果说明在剔除了环境因素和随机干扰的影响之后，更能够直观地反映出各省份确切的林业生产效率值[21]。

图2 第三阶段效率值变化

3.1.4 林业生态效率的时空特征

从时间来看，我国林业生态效率均值呈现“V”型变化。2014年以前，处于缓慢下降的趋势，2014年为最低值。2014年以后，林业生态效率均值出现较大幅度的上升。我国东部、东北部、西部和中部地区均在2014年处于林业生态效率的低谷，随后就呈现上升趋势，可能是因为2014年《中华人民共和国环境保护法》的出台，使得环境保护的标准和力度发生改变，各方利益主体开始采取措施来保护林业生态，使得林业生态保护力度不断加强，林业生态效率值逐渐上升[22]。从全国十年的平均水平看，最低值出现在2014年，最高值在2017年，整体来看我国林业生态效率均值起伏波动较小，基本维持到0.95及以上的水平。这表明生态环境保护是有成效的，林业生态效率趋于稳定[23]。

从空间来看，东北地区的林业生态效率变化趋势基本保持不变，主要是因为东北地区的经济发展水平较高，环境的保护力度加大了。因此，在不考虑环境因素和随机干扰的情况下，其林业生态效率变动也不大。由图3和图4可以看出，第三阶段东部地区和西部地区的林业生态效率均值在2014年以前比第一阶段大，表明2014年之前东部地区和西部地区的林业生态效率受到了环境因素和随机干扰的影响。但这种影响逐年递减，2014年之后，东部地区和西部地区的林业生态效率变动幅度不大[24]。中部地区的林业生态效率在剔除了环境因素和随机干扰的影响之后，呈现上升的趋势，且变动幅度较大。中部地区的地理位置比较特殊，森林资源相对丰富，但是经济发展水平较低，尤其是作为沿海地区产业的转移阵地，生态保护力度不足，对林业的重视不足，投入也较少，林业生态效率较低。这意味着，中部地区要促进林业生态化就必须考虑从环境因素和管理因素出发，推进林业产业生态化发展[25]。

图3 第一阶段效率值空间变化

图4 第三阶段效率值空间变化

东北地区林业生态效率均值高于全国平均水平，东部地区、西部地区和中部地区林业生态效率均值低于全国平均值，但都保持在0.940以上。林业生态效率均值低于有效状态的地区需要在促进林业发展的过程中，注意根据自身实际情况调整林业投入产出比，改善林业生产方式和优化林业生态结构[26]。

3.2 林业生态效率的影响因素分析

3.2.1 多重共线性检验

采用回归后续命令VIF对方差膨胀因子进行自动计算，模型的方差膨胀因子小于10，因此，多重共线性问题并不严重，这对后续的分析影响不大。检验结果如表4所示。表中所有变量的VIF值都小于10，说明回归模型多重线性问题不大，能够进行回归分析[27]。

表4 多重共线性检验的VIF值

3.2.2 回归分析

由于林业用地面积、营林固定资产投资、林业从业人数和林业能耗等变量的计量单位不同且绝对值较大，可能会存在异方差。因此，为了降低异方差的影响，在实际的检验中，对各序列都进行了取对数的处理[28]，这样并不会改变面板数据的性质。

对林业生态效率的投入要素和环境要素进行多元线性回归，结果如表5所示。模型Ⅰ中测算投入要素对林业生态效率的影响，模型Ⅱ测算投入要素和环境要素对林业生态效率的影响，主要变量的估计系数统计检验大多都显著[29]。

表5 回归结果

模型Ⅰ回归结果表明，林业用地面积、林业能耗对林业生态效率的影响在5%水平上显著，且为正相关影响。随着林业用地面积和林业能耗的增加，林业生态效率可能也会增加。营林固定资产、林业从业人数对林业生态效率有显著的负向影响。营林固定资产投入越多、林业从业人数增加，有可能会限制林业生态效率的提高[30]。

从模型Ⅱ回归结果看，林业用地面积、林业能耗和林业生态效率有显著的正向关系，林业用地面积和林业能耗越大，表明对林业面积和林业资本的投资越大，越有可能提高林业生态效率。营林固定资产、林业从业人数、第三产业占GDP比重对林业生态效率有显著的负向影响，营林固定资产投资和林业从业人数越多、第三产业占GDP比重越大，林业生态效率值可能越低。人均GDP和财政对林业的支持两个变量的系数在模型中不显著，不太能得出这两个变量和林业生态效率之间的关系，因此这个问题有待进一步研究。

总体上，投入要素中林业用地面积、营林固定资产投资、林业从业人数和林业能耗都对林业生态效率产生显著影响。可能是因为，随着退耕还林政策的推进，越来越多的人认识到林业发展的潜力，在注意生态环境保护的情况下，恰当控制林业能耗，在保证生态效益的过程中追求经济利益。由于营林固定资产投入的减少，政府对林业发展的干预削弱，林业市场发挥其作用。为保护生态环境，林业生态效率随着林业市场作用的发挥而逐渐上升。林业从业人数的增多，可能会出现对林业资源的不规范使用，导致林业生态环境的破坏，林业生态效率下降。第三产业占GDP比重的增加，意味着林业资源的利用程度加深，但缺乏相应的规范措施，致使不合理利用林业资源的情况出现，导致林业生态效率降低[31]。

4 结论与建议

林业生态效率的提高，一方面要注意林业生态化过程中的投入和产出要合理配置，另一方面也要注意生态效益和经济效益的有机结合，使得人们能从林业生态化中获得收益。本文基于2007—2018年31个省份的面板数据，采用三阶段DEA模型和多元线性回归模型，测算我国的林业生态效率，探析我国林业生态效率的时空特征和影响因素，主要结论如下：

从时间演变看，我国林业生态效率在2007—2018年呈现先下降后上升的趋势。2014年为拐点，主要是因为2014年《中华人民共和国环境保护法》的出台，林业生态的重要性逐渐提高；从空间演变来看，东北地区林业生态效率均值高于全国平均水平，东部地区、西部地区和中部地区林业生态效率均值低于全国平均值。因为东北地区特殊的地理位置和较发达的社会经济发展水平使其对林业生态的发展投入较多，其林业生态化发展较好。

从影响因素看，林业用地面积、营林固定资产投资、林业从业人数和林业能耗对林业生态效率产生显著影响。因此，要注意合理调整林业用地面积和林业能耗，适当控制营林固定资产投资和林业从业人数，较好地促进三次产业发展，保证林业特色资源的挖掘，实现我国林业生态效率的提高。

希望能够通过本研究给相关部门制定林业生态化发展战略提供参考。首先，各省份要结合自身省情，在吸收借鉴其他省份较好的生态治理经验的基础上，制定差异化战略，将经济发展与生态发展结合起来，提高本省份的林业生态效率，实现经济生态化和生态经济化。其次，要采取有力措施严守林业“生态红线”，为林业生态化发展提供制度保障，促进林业生态效率的提高。最后，要优化林业投入要素结构，提升林业生态效率。要及时解决我国林业发展对财政资金的过度依赖，缺乏一定市场竞争性等问题。因此，在优化林业要素投入结构，保持资金投入合理增长的同时，应加大对林业劳动力尤其是林业专业技术人才的培训，进一步提高我国的林业生态效率。