楊銘慧，謝 煜

（南京林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，南京 210037）

1 引言

林業(yè)是投入產(chǎn)出綜合效益最大的綠色經(jīng)濟(jì)體和公益事業(yè)，黨的十九大以來，黨中央、國(guó)務(wù)院聚焦關(guān)注林業(yè)發(fā)展問題，林業(yè)發(fā)展與氣候變化、經(jīng)濟(jì)發(fā)展及生態(tài)環(huán)境保護(hù)的聯(lián)系越來越緊密。2019年我國(guó)已成為世界林業(yè)產(chǎn)業(yè)大國(guó)，總產(chǎn)值高達(dá)7.56萬億元，但目前仍存在投入冗余、產(chǎn)出不足的現(xiàn)象。林業(yè)投入產(chǎn)出效率是衡量林業(yè)發(fā)展水平的重要指標(biāo)，本文試圖通過研究全國(guó)六大區(qū)域林業(yè)投入產(chǎn)出效率，進(jìn)一步地推動(dòng)中國(guó)林業(yè)綠色可持續(xù)發(fā)展，實(shí)現(xiàn)我國(guó)林業(yè)產(chǎn)業(yè)的經(jīng)濟(jì)效益、生態(tài)效益和社會(huì)效益的共贏。

學(xué)術(shù)界已從不同的角度對(duì)林業(yè)效率進(jìn)行分析，其差別主要體現(xiàn)在研究方法和區(qū)域選擇上。在測(cè)算林業(yè)效率的過程中，國(guó)內(nèi)主要采用傳統(tǒng)DEA評(píng)價(jià)模型[1-4]、隨機(jī)前沿生產(chǎn)函數(shù)[5-6]和DEA-Malmquist模型[7-8]等方法，大多停留在靜態(tài)分析階段，較少對(duì)林業(yè)投入產(chǎn)出效率進(jìn)行動(dòng)態(tài)分解。單從靜態(tài)角度分析易忽略區(qū)域林業(yè)投入產(chǎn)出效率的動(dòng)態(tài)變化，單從動(dòng)態(tài)角度分析缺乏考量各年份區(qū)域林業(yè)投入產(chǎn)出效率的有效水平，本文基于此同時(shí)從兩個(gè)方面進(jìn)行研究。此外，現(xiàn)有研究多是從特定區(qū)域或全國(guó)各省份角度進(jìn)行分析[9-11]，尚未有學(xué)者全對(duì)全國(guó)各區(qū)域林業(yè)投入產(chǎn)出效率進(jìn)行定量分析，缺乏考慮各行政區(qū)的區(qū)域差異性，本文將全國(guó)31個(gè)?。▍^(qū)、市）劃分為六大行政區(qū)域，分別對(duì)各區(qū)域情況進(jìn)行對(duì)比分析。首先，利用超效率DEA方法測(cè)定2008—2017年各?。▍^(qū)、市）的林業(yè)投入產(chǎn)出效率；其次，通過納入Malmquist指數(shù)，對(duì)各省市的時(shí)間序列數(shù)據(jù)展開動(dòng)態(tài)評(píng)估。此項(xiàng)研究不僅有助于了解我國(guó)整體、各?。▍^(qū)、市）以及六大行政區(qū)域林業(yè)投入產(chǎn)出的基本情況，為林業(yè)決策部門制定提高林業(yè)投入產(chǎn)出效率的公共政策提供理論依據(jù)。

2 模型建立及指標(biāo)選取

2.1 評(píng)價(jià)模型

2.1.1 超效率D EA模型

超效率DEA模型是基于傳統(tǒng)DEA模型的一種改進(jìn)，傳統(tǒng)DEA模型主要包括CCR、BCC模型，兩者分別建立在規(guī)模收益不變和規(guī)模收益可變的基礎(chǔ)之上。超效率DEA模型的超效率是指對(duì)被評(píng)價(jià)決策單元DMU不做約束，使得其效率值高于1，和規(guī)模收益無關(guān)。模型建立見式（1）：

式中：xj和yj分別表示第j個(gè)城市投入量與產(chǎn)出量；k為評(píng)價(jià)的決策單元；j為規(guī)劃決策變量；θ為DMU的有效值；S+和S-為松弛變量[12]。

2.1.2 Malmquist指數(shù)模型

Malmquist指數(shù)模型是在傳統(tǒng)DEA模型的基礎(chǔ)上通過添加時(shí)間變量，進(jìn)而探討從研究期初到研究期末的效率動(dòng)態(tài)變化值，常用作衡量不同時(shí)間段內(nèi)投入產(chǎn)出水平動(dòng)態(tài)變化的特征與趨勢(shì)。可分解為技術(shù)效率變化指數(shù)（Effch）和技術(shù)進(jìn)步變化指數(shù)（Tech），而Effch可進(jìn)一步分解為純技術(shù)效率變化指數(shù)(Pech）和規(guī)模效率變化指數(shù)（Sech），具體表示見式（2）、（3）：

式中，xt和xt+1分別表示第t期和第t+1期林業(yè)投入指標(biāo)向量；yt和yt+1分別表示第t期和第t+1期林業(yè)產(chǎn)出指標(biāo)向量；分別表示以m期的技術(shù)為參考時(shí)，t期和t+1期的林業(yè)投入產(chǎn)出效率的投入距離函數(shù)（m=t，t+1）。

2.2 指標(biāo)選取與數(shù)據(jù)來源

林業(yè)投入指標(biāo)一般選擇勞動(dòng)、資本和土地三要素的投入，林業(yè)產(chǎn)出指標(biāo)主要包括林業(yè)經(jīng)濟(jì)、社會(huì)和生態(tài)效益三個(gè)方面。參照當(dāng)前學(xué)術(shù)界已發(fā)表的文獻(xiàn)[13-14]，本文將林業(yè)系統(tǒng)年末從業(yè)人數(shù)和營(yíng)林固定資產(chǎn)投資完成額作為投入指標(biāo)，考慮到我國(guó)林業(yè)用地面積每5年更新一次，因此不將土地投入變量納入指標(biāo)選取范圍；將林業(yè)產(chǎn)業(yè)總產(chǎn)值、造林面積和林業(yè)系統(tǒng)在崗職工年平均工資作為產(chǎn)出指標(biāo)。（見表1）本研究選取2008—2017年我國(guó)內(nèi)地31個(gè)省的面板數(shù)據(jù)（31×10）作為樣本的決策單元，基于選取的投入產(chǎn)出指標(biāo)總數(shù)為5個(gè)，因此滿足DMU個(gè)數(shù)大于投入指標(biāo)和產(chǎn)出指標(biāo)總數(shù)3倍的原則。

表1 區(qū)域林業(yè)投入產(chǎn)出效率評(píng)價(jià)指標(biāo)體系

對(duì)于本文的投入產(chǎn)出指標(biāo)數(shù)據(jù)，其中林業(yè)系統(tǒng)年末從業(yè)人數(shù)、林業(yè)產(chǎn)業(yè)總產(chǎn)值和林業(yè)系統(tǒng)在崗職工年平均工資主要來自于《中國(guó)林業(yè)統(tǒng)計(jì)年鑒（2008—2017）》；營(yíng)林固定資產(chǎn)投資完成額數(shù)據(jù)來源于《中國(guó)林業(yè)年鑒（2009—2018）》；造林面積數(shù)據(jù)源于《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》和《中國(guó)林業(yè)年鑒》。

3 測(cè)算結(jié)果與分析

3.1 基于超效率D EA模型的靜態(tài)分析

基于超效率DEA模型，本文運(yùn)用Matlab軟件輸入2008—2017年31個(gè)省市林業(yè)投入產(chǎn)出數(shù)據(jù)進(jìn)行測(cè)算。將投入數(shù)據(jù)、產(chǎn)出數(shù)據(jù)分別錄入用戶多指標(biāo)輸入矩陣和輸出矩陣，通過編入代碼得到各省市歷年的超效率DEA值，進(jìn)而計(jì)算出平均效率和排名（見圖1、表2）。

圖1 2008—2017年中國(guó)區(qū)域林業(yè)投入產(chǎn)出綜合效率測(cè)算結(jié)果

結(jié)果表明：從整體角度來看。2008—2017年全國(guó)林業(yè)投入產(chǎn)出平均效率為0.772小于1，說明此期間內(nèi)我國(guó)林業(yè)投入要素存在一定程度的投入冗余現(xiàn)象，林業(yè)資源整體利用率未達(dá)到DEA有效，且2008—2017年全國(guó)林業(yè)投入產(chǎn)出效率總體呈下降態(tài)勢(shì)，林業(yè)投入產(chǎn)出結(jié)構(gòu)仍存在較大的改善空間。從各省（區(qū)、市）角度來看，各?。▍^(qū)、市）林業(yè)投入產(chǎn)出平均效率差異較大，效率均值大于1的只有天津、上海、浙江、廣東、重慶、貴州和西藏7個(gè)?。▍^(qū)、市），林業(yè)資源利用率相對(duì)有效。以天津?yàn)槔?，平均效率值?.351，表明即使天津等比例地增加35.1%的投入，仍能在所有決策單元集合中保持其相對(duì)有效性。從區(qū)域角度來看，中國(guó)林業(yè)投入產(chǎn)出綜合效率的分布呈“東北地區(qū)＜西北地區(qū)＜華北地區(qū)＜中南地區(qū)＜西南地區(qū)＜華東地區(qū)”的格局，其中東北地區(qū)的遼寧和黑龍江、華北地區(qū)的天津和北京、中南地區(qū)的廣東和廣西、華東地區(qū)的上海和安徽、西南地區(qū)的重慶和四川、西北地區(qū)的青海和甘肅分別是各區(qū)域平均效率最高和最低的決策單元。此外，2008—2017年除華東地區(qū)和西南地區(qū)，其余區(qū)域超效率DEA均值遠(yuǎn)遠(yuǎn)小于1，表明華北地區(qū)、東北地區(qū)、中南地區(qū)和西北地區(qū)投入資源冗余，沒有充分利用投入要素，生產(chǎn)效率偏低，各區(qū)域林業(yè)發(fā)展不平衡問題凸顯。

3.2 基于Malmquist指數(shù)模型的動(dòng)態(tài)分析

超效率DEA模型運(yùn)用的是截面靜態(tài)分析，本研究基于動(dòng)態(tài)Malmquist指數(shù)利用Deap軟件測(cè)定區(qū)域林業(yè)投入產(chǎn)出效率，分別從年度變化角度和各省（區(qū)、市）角度考察全要素生產(chǎn)率的動(dòng)態(tài)變化情況，得到分年份和分地區(qū)的中國(guó)31個(gè)?。▍^(qū)、市）林業(yè)資源的TFP、Effch、Tech、Sech和Pech指數(shù)（見圖2至圖4）。

圖2 2008—2017年31個(gè)?。▍^(qū)、市）分年平均全要素生產(chǎn)率指數(shù)及分解

圖3 2008—2017年31個(gè)?。▍^(qū)、市）平均全要素生產(chǎn)率指數(shù)及分解

圖4 2008—2017年31個(gè)?。▍^(qū)、市）分區(qū)域平均全要素生產(chǎn)率指數(shù)及分解

3.2.1 中國(guó)林業(yè)全要素生產(chǎn)率的變動(dòng)

從時(shí)間序列角度來看，我國(guó)林業(yè)年均TFP指數(shù)為1.025。其中2010—2011年、2011—2012年和2015—2016年間全要素生產(chǎn)效率小于1，TFP分別下降了26.5%、4.7%和4.1%，主要是由技術(shù)下滑導(dǎo)致的。

第一，從總體角度來看，中國(guó)林業(yè)TFP指數(shù)在2008—2017年間呈上升態(tài)勢(shì)，年平均增長(zhǎng)率為2.5%。Tech指數(shù)10年間平均增長(zhǎng)3.5%；Pech制約TFP值的增長(zhǎng)，平均下降了1%，說明技術(shù)效率的衰退抵消了技術(shù)進(jìn)步對(duì)全要素增長(zhǎng)的促進(jìn)作用。

第二，從全要素生產(chǎn)率及其分解構(gòu)成部分（Tech和Effch）來看，Tech對(duì)TFP指數(shù)值影響較大，且兩者的均值和個(gè)體都最為接近。其中2008—2009年、2012—2013年、2013—2014年、2014—2015年和2016—2017年間技術(shù)進(jìn)步是TFP值增長(zhǎng)的主要原因；技術(shù)效率提升是2009—2010年間TFP值增長(zhǎng)的主要原因。

第三，從技術(shù)效率變化及其分解構(gòu)成部分（Pech和Sech）來看，Pech和Sech制約了TFP值的增長(zhǎng)。其中2009—2010、2011—2012年間純技術(shù)效率和規(guī)模效率呈雙向增長(zhǎng)；2008—2009、2010—2011、2013—2014、2015—2016和2016—2017年間規(guī)模效率和純技術(shù)效率的雙向下降制約中國(guó)區(qū)域技術(shù)效率的提升；2012—2013年間純技術(shù)效率降低是制約Effch值提升的主要原因；2014—2015年間制約Effch值提升的主要原因是規(guī)模效率的降低。

3.2.2 區(qū)域林業(yè)全要素生產(chǎn)率的變動(dòng)

①從各省市角度來看，我國(guó)31個(gè)?。▍^(qū)、市）中共有17個(gè)省市TFP值大于1，占比54.8%，其余14個(gè)省市均呈現(xiàn)下降趨勢(shì)。其中，貴州、江蘇、廣西、北京、青海、重慶、天津和吉林的全要素生產(chǎn)效率指數(shù)排名較靠前，均值都超過1.1；內(nèi)蒙古的全要素生產(chǎn)效率值最低，為0.895。

進(jìn)一步觀察TFP的分解結(jié)果可知：一是，對(duì)比TFP值和Tech值發(fā)現(xiàn)，排名靠前的省（區(qū)、市）基本一致，說明技術(shù)進(jìn)步對(duì)全要素生產(chǎn)率指數(shù)有較大影響。二是，從TFP值及Effch的構(gòu)成部分（Pech和Sech）來看，2008—2017年間河南、云南和山西的Pech值衰退較大，分別降低11.8%、10.3%和9.6%，其TFP值排名分別為29、25和23名，說明純技術(shù)效率在一定程度上制約了TFP值的增長(zhǎng)；內(nèi)蒙古的Sech值衰退較大，降低9%，其TFP值排名為26名，說明規(guī)模效率在一定程度上也會(huì)對(duì)TFP值的提升產(chǎn)生制約作用。

②從區(qū)域角度看，六大行政區(qū)域的TFP值均大于1，說明各區(qū)域全要素生產(chǎn)率呈上升態(tài)勢(shì)。其中西南地區(qū)TFP值最高，數(shù)值為1.058，10年間平均增長(zhǎng)了5.8%；東北地區(qū)TFP值最低，增長(zhǎng)最為緩慢，10年間平均增長(zhǎng)了0.5%。各區(qū)域TFP值排名與技術(shù)進(jìn)步排名基本一致，說明技術(shù)進(jìn)步對(duì)各區(qū)域全要素生產(chǎn)率有較大的影響，例如導(dǎo)致東北地區(qū)全要素生產(chǎn)率提升緩慢的主要原因是技術(shù)進(jìn)步對(duì)其有一定的制約作用，其Tech值降低了2.9%，抵消了技術(shù)效率提升為其帶來的正向作用。

4 結(jié)論與對(duì)策建議

①由超效率DEA分析的5個(gè)投入產(chǎn)出指標(biāo)數(shù)據(jù)可以看出，2008—2016年我國(guó)林業(yè)資金投入逐年增長(zhǎng)，但2017年?duì)I林固定資產(chǎn)投資完成額有所減少，且勞動(dòng)力投入近年來呈遞減趨勢(shì)。隨著森林資源的快速發(fā)展，林業(yè)部門的業(yè)務(wù)量會(huì)持續(xù)增加，應(yīng)確保從業(yè)人員數(shù)量的同時(shí)引進(jìn)新思維和先進(jìn)技術(shù)。產(chǎn)出指標(biāo)中經(jīng)濟(jì)效益指數(shù)值和社會(huì)效益指數(shù)值保持穩(wěn)定增長(zhǎng)，生態(tài)效益指數(shù)值近年來有所回落，我國(guó)應(yīng)完善天然林保護(hù)制度，合理增加人工造林面積和森林蓄積量。

②總體來看，2008—2017年全國(guó)31個(gè)?。▍^(qū)、市）林業(yè)投入產(chǎn)出平均效率達(dá)0.772，距離有效狀態(tài)存在一定差距，且總體呈下降態(tài)勢(shì)。其中，營(yíng)林固定資產(chǎn)投資的不穩(wěn)定是影響林業(yè)投入產(chǎn)出效率的重要因素，作為林業(yè)經(jīng)營(yíng)和風(fēng)險(xiǎn)管理的重要經(jīng)濟(jì)手段，其有利于推動(dòng)林業(yè)發(fā)展及提高森林質(zhì)量，應(yīng)合理提高營(yíng)林固定資產(chǎn)投資。影響我國(guó)林業(yè)投入產(chǎn)出效率的主要分解因素是規(guī)模效率，即林業(yè)投入產(chǎn)出結(jié)構(gòu)不合理，因此應(yīng)在國(guó)家林業(yè)政策約束下合理調(diào)整投資結(jié)構(gòu)，提高其規(guī)模效率，進(jìn)而提高林業(yè)綜合效率[15]。

③分省市看，各省（區(qū)、市）差異較大，多個(gè)?。▍^(qū)、市）林業(yè)投入產(chǎn)出效率較為低下，所以應(yīng)該因地制宜選擇適合各地的林業(yè)產(chǎn)業(yè)發(fā)展方式；分區(qū)域看，林業(yè)投入產(chǎn)出綜合效率的分布呈“東北地區(qū)＜西北地區(qū)＜華北地區(qū)＜中南地區(qū)＜西南地區(qū)＜華東地區(qū)”的格局，根據(jù)TFP及其分解可知，導(dǎo)致東北地區(qū)全要素生產(chǎn)率提升緩慢的主要原因在于技術(shù)進(jìn)步是無效狀態(tài)的主要負(fù)向拉動(dòng)作用，因此東北地區(qū)應(yīng)努力提升其技術(shù)水平與組織管理能力，引導(dǎo)林業(yè)企業(yè)加大引進(jìn)人才、技術(shù)的力度，以技術(shù)創(chuàng)新引領(lǐng)東北地區(qū)的省市向產(chǎn)業(yè)發(fā)展前沿推進(jìn)[16-18]。