《中国林业生产的技术效率测算与分析》由会员分享，可在线阅读，更多相关《中国林业生产的技术效率测算与分析（15页珍藏版）》请在金锄头文库上搜索。
1、从本学科出发，应着重选对国民经济具有一定实用价值和理论意义的课题。课题具有先进性，便于研究生提出新见解，特别是博士生必须有创新性的成果中国林业生产的技术效率测算与分析我国经济发展正处于高速增长期，对木材及林产品的需求日益增加，而且，随着生态环境建设力度的推广和增强，各国都提高了对森林资源的保护力度，在环境与资源的双重约束下，木材市场供需之间的紧张局势已经演变成为一个不容忽视的国际性及政治性问题。近年来，为了加强林业的可持续发展经营，我国政府不断加大对林业的公共投入，正在全国推进的集体林权制度改革，就是进一步解放和发展农村生产力、建立充满生机和活力的林业体制机制的一次重大实践，是继家庭联产承包责
2、任制之后中国农村经营制度的又一次重大变革，必将对林业发展、农村发展乃至经济社会发展产生重大而深远的影响1。此次改革是在宏观经济背景发生巨大变化的前提下开展的，不管是国际还是国内，过剩的金融资本和产业资本都在寻找收益比较稳定且风险相对较低的投资领域。而林业作为一种特殊自然产业，只要不发生巨大自然灾害，每年都会固定生长产生稳定收益，是全球资本过剩下最好的避险投资领域2。为此，在如此严峻的市场形势和如此有利的宏观大背景下，需要对我国林业生产的投入产出效率及其影响因素进行认真研究，以期提出可行建议来达到提高木材生产力的目的。1 问题的提出从现有文献来看，国内外学者运用不同的分析方法从多视角对林业生产技
3、术效率展开研究。Label和Stuart3使用数据包络分析方法对23个伐木工人的技术效率水平及效率冗余程度进行了分析。Viitala & Hanninen4运用DEA模型对芬兰19个公益林的生产要素配置效率进行测算研究，发现其投入产出效率差别很大，在投入方面至少可以节约20%的投入成本。宋长鸣5运用随机前沿分析方法估计了各省区XX-XX年的林业技术效率，产出变量以各省区林业总产值表示，投入变量以林业系统各地区从业人员年末人数和林业固定资产投资来表示，并分析了林业技术效率的影响因素。国内外类似研究已日渐趋于成熟，但是，国内大部分学者在分析林业生产效率时忽视了一个非常关键的问题，即林业产业有其独特
4、的自然属性，自然环境因素对林木生长有着不容忽视的作用。Hausenbuiller6通过分析提出，林业生产效率的高低取决于自然中光、热、水、土壤营养等自然因素的影响。JunYen Lee7运用三阶段DEA模型对XX年全球89家森林和纸业公司的生产要素配置效率进行分析，并把自然环境因素和统计噪声加入分析模型中，发现其确实会对效率值产生影响。类似的观点国内研究也有提出，姚晓红8对近30年来气候变化对小陇山林业资源的正常生长进行综合分析和量化计算后发现，影响森林资源正常生产的主要气象条件是0积温及降水量，且水热的合理配置特别重要。除了自然因素外，资本投入和人力资本因素对商品林生产要素配置效率的提升也特
5、别重要。另外，目前测度技术效率的方法主要有两种：一种是无参数的数据包络分析，一种是有参数的随机前沿分析。与DEA方法相比，SFA由于需要参数而有所不便，但也更有利于更为合理的解释技术效率损失的原因。特别是针对“农业生产”这一研究对象，农业生产是“经济再生产与自然再生产交织在一起的生产过程”9，不可控的自然因素对农业生产技术效率不仅会产生影响，而且有时候其影响甚至是决定性的。有研究者证实，对于中国农业经济而言，SFA估计总体上优于DEA估计，应用前景也应该更为广泛2。因此，基于林业产业的小农业属性，笔者决计采用随机前沿分析方法，并将自然因素变量纳入林业生产函数，以期更为准确测度中国林业生产技术效
6、率水平，发现自然因素及各个投入要素对林业生产的贡献程度，分析自然条件、社会经济条件、政府重视程度及人力资本等因素对效率值的影响，在此分析基础上提出提高林业生产力的可行性建议。变量说明与模型构建 变量选择与数据来源本文采用林业生产投入产出变量来构建生产函数，主要变量定义如下：林业产出变量。林业产出用林业总产值表示。林业投入变量。土地投入用林地面积来表示；劳动力投入用林业系统年末从业人数来表示；资本投入用营林固联盟定资产投资来表示，是指对营林固定资产进行更新、改造、扩建、新建提供必要的资金保障；自然因素投入用4-10月平均气温，年平均降水量来表示，姚晓红8测定出主要气象要素对森林生长的影响程度为：
7、0积温年平均降水量4-10月平均气温，由于积温数据的缺失，所以选用4-10月平均气温和年平均降水量来表示自然因素的投入。影响林业生产技术效率的因素包含社会经济条件、人力资源及自然灾害等方面的因素，参考已有相关文献3-5，初步假定7个变量作为影响林业生产的主要因素：人均GDP，反映当地经济发展水平；支林比重，即财政支林占地方财政支出的比重，反映政府对林业发展的重视程度；基层林业工作站平均文化程度，代表人力资本水平，平均文化程度用平均受教育年限来表示，假定大专、高中或中专及初中以下文化水平的受教育年限为16年、12年、9年，以各层次文化水平的各基层林业工作站人数进行加权，计算所得即为各省基层林业站
8、工作平均受教育年限5；火灾受害森林面积；森林病虫鼠害发生率，反映自然灾害对林业生产技术效率的影响；森林病虫鼠害防治率，反映防治技术水平对林业生产技术效率的影响；制度虚拟变量，此处主要考虑林权制度改革的影响，林改之前取值为0，林改之后取值为1。研究选用中国31个省1999-XX年的面板数据，分析所用的样本数据来源于1999-XX年的中国林业统计年鉴、中国农村统计年鉴，同时，为了剔除价格因素的影响，所有以货币为单位的数据均以1999年为基准的不变价格进行计算处理。2.模型构建 随机前沿生产函数Farrel于1957年最早提出随机前沿分析方法，随后得到了众多学者的广泛应用和发展。Meeusen &
9、Vandern Broeck10，Aigner et al.11和 Battese & Corra12三篇论文的发表则标志着随机前沿技术的诞生。建立具体的随机前沿模型时，需要考虑设定生产函数形式。由于传统的CD生产函数暗含一个前提假设：各种生产投入要素的替代弹性为0或1。在确定农户农业生产的生产函数形式时，由于事先并不知道各种生产投入要素之间的弹性替代情况，所以采用形式最为灵活，可近似反映任何生产技术的超越对数生产函数13。该模型的具体函数形式为：模型中，i表示各省，t表示年份。Y表示林业总产值，A表示林地面积，K表示营林固定资产投资，L表示林业系统年末从业人数，M表示4-10月平均气温，R表
10、示年平均降水量，T表示时间趋势变量，用来表明林业生产前沿面的变动，反映技术进步对林业生产的影响，k为待估参数。Vit为随机变量，服从均值为零，方差为2V的正态分布，用于测度误差及各种不可控制的随机因素，例如天气等。Uit独立于Vit，是非负随机变量。反映生产的无效程度，一般假定Uit服从均值为mit，方差为2U的半正态分布14，mit为效率损失函数。效率损失函数效率损失函数的测度模型表示为：式中，Xjit表示影响生产单位i的技术效率的第j个变量，0为常数项，j为待估参数，表示变量j对技术效率的影响程度，正取值表示变量j对技术效率存在负的影响，负取值表示变量j对技术效率存在正的影响14。e-mi
11、t表示生产单位i在第t年的生产技术效率水平，mit值越大，表示技术效率水平越低，或是说技术无效程度越高，反之则说明技术无效程度越低14。考虑到各个中国林业生产技术效率的影响因素，可以构建出如下效率损失函数：式中，人均GDP，财政支林比重，基层林业工作站平均受教育程度，森林病虫鼠害防治率代表人为可控制的社会因素，而森林火灾受害面积，森林病虫鼠害发生率代表随机不可控的自然因素，制度虚拟变量则考虑了林权制度改革的实施对中国林业生产技术效率的影响。式和式中的未知参数可以根据最大似然法进行联立估计，令：反映了复合扰动项中技术无效项所占的比例，其取值介于0到1之间。当2V趋近于零时，则趋近于1，说明随机前
12、沿生产函数的误差主要来自于U，即实际产出与最大可能产出之间的差距主要源于技术的非有效性；当2U趋近于零时，则趋近于零，表示生产单位实际产出与最大可能产出之间的差距主要源于统计误差的作用14。另外，Battese和Coelli还给出了技术效率的表达式，生产单位i在第t年的技术效率表示为：如果Uit=0，表示没有效率损失，TEit=1，即生产单位i处于完全技术效率状态；如果Uit0，0参数估计与结果分析 随机前沿生产函数分析采用软件对生产函数进行估计，参数估计结果如表1所示。对模型进行似然比检验，其统计量为：LR=-2lnL/L2，L和L分别是零假设H0和备择假设H1设定下的对数似然值，自由度q是
13、零假设H0中零约束的个数15。所估计模型的似然比检验值为，通过1%水平下的显著性检验，所以拒绝原假设，表明所估计的计量模型在统计上是可靠的。同时，11在10%水平下显著不为零，12和19在5%水平下显著不为零，13，15，16，18和20在1%水平下显著不为零，表明估计模型中的变量间存在交互效应，选用超越对数生产函数模型是合适的。表示技术无效程度的参数为，且通过1%水平下的显著性检验，表明前沿生产函数的误差有75%主要来源于技术非效率损失，而只有约25%来自于统计误差等外部影响。从参数估计结果来看，在林业生产中，林地投入A的系数为负值，但是t统计值不显著，说明林地面积的投入对林业生产产值的增加
14、没有显著性影响，造成这一结果的原因也可能是统计数据的偏误，因为我国林业用地面积的统计数据每5年公布一次，即在5年一次的森林资源清查期间，林业用地面积不会发生变化16；资本投入K和劳动力投入L的系数值分别为和，且都通过了1%水平下的显著性检验，说明这两项投入要素呈现投入不足的状态，通过增加营林资金数目和林业从业人员人数可以显著提高林业产值水平；4-10月平均气温M和年平均降水量R的系数值分别为和，且都通过1%水平下的显著性检验，这一估计结果说明自然因素的投入确确实实对林业生产造成了显著正影响，平均气温和降水量等自然因素在林业生产的投入产出分析中是不可忽视的重要投入因子；时间变量T的系数为，在1%
15、水平下显著不为零，说明1999-XX年期间，我国林业生产有着明显的技术进步提升的趋势。另外，1999-XX年，我国林业生产的平均技术效率为，说明各投入要素的利用没有达到最佳状态，实际产出与可能的最优产出的生产前沿面还存在一定的差距。由于超越对数模型中的系数值只反映了要素间复杂的替代和互补关系，符号也只是说明了变量之间的正向和负向影响关系，变量系数值不能说明各个生产要素贡献率的大小，所以，接下来对1999-XX年样本省各个生产要素的投入产出弹性进行计算，进一步来说明各种投入要素对林业生产技术效率的影响。各投入要素的产式中，A，K，L，M，R分别代表林地面积、营林固定资产投资、林业系统年末从业人数、4-10月平均气温、年平均降水量的产出弹性，lnA、lnK、lnL、lnM、lnR的值根据样本省的投入指标值进行简单算术平均得到，值均来自随机前沿生产函数的估计结果。将表1中的参数估计结果代入式，得到林业生产各个投入要素的产出弹性，如表2所示。从表2可以看出，1999-XX年间，林业生产各投入要素的产出弹性之和小于1，说明我国林业生产的规模报酬呈现递减状态；林业用地面积的产出弹性均小于0，说明林业用地面积的边际产出小于0，通过只是简单增加林业用地面积不会促进林业产值的增加，相反，如果一味追求林地面积，而忽略了林地质量及林业产业结构等反而会阻碍林业产业的发展；营林固定资
