刘 涛，顾令爽，金英淑，霍静娟

（1.河南理工大学 安全与应急管理研究中心，河南焦作454003；2.河南理工大学 应急管理学院，河南焦作454003；3.河南理工大学 物理与电子信息学院，河南焦作454003）

理论研究

中国林业经济效率：格局、动因与优化

刘 涛1,2，顾令爽1，2，金英淑1，2，霍静娟3

（1.河南理工大学 安全与应急管理研究中心，河南焦作454003；2.河南理工大学 应急管理学院，河南焦作454003；3.河南理工大学 物理与电子信息学院，河南焦作454003）

使用超效率SBM模型，测算了2013—2015年中国31个省份林业经济效率变动状况。研究发现：中国林业经济效率总体上比较低，林业资源的配置有待进一步优化。中国林业经济效率总体上呈现出“东部高、西部居中、中部最低”的空间格局。中国林业经济效率不高主要动因在于规模效率较低。对于高效率省份来说，林业经济效率比较高的主要动因在于纯技术效率较高。对于低效率省份来说，林业经济效率较低的动因分为三种。低效省份林业投入产出优化模式分为六类：产出增加型、劳动力缩减—产出增加型、土地缩减—产出增加型、投资缩减—产出增加型、劳动力和投资双缩减—产出增加型、劳动力和土地双缩减—产出增加型。

林业经济效率；时空格局；优化；DEA方法；超效率SBM模型

Abstract:This paper uses the super efficiencySBMmodel tocalculate the forestryeconomicefficiencyof31 provinces in China during 2013—2015.The result shows that the forestry economicefficiency in China is relatively low,and the allocation of forestry resources needs to be further optimized.The overall forestry economicefficiency in China shows the spatial pattern of"high in the East,centered in the West and lowest in the central region".The main reason for the low forestry economicefficiency in China is the low scale efficiency.For efficient provinces,the main reason for the high economicefficiency of forestry is that pure technicalefficiency ishigher.Forinefficientprovinces,therearethreereasonsforthelow economicefficiency of forestry.Input-output optimization model offorestryin inefficient provincesare divided into six categories:output-increasingtype,labor reducing-output increasingtype,land reducing-output increasingtype,investment reducing-output increasingtype,labor and investment double reducing-output increasingtype,labor and land double reducing-output increasingtype.

Key words:Forestry economicefficiency;temporal spatial pattern;optimization;DEA method;super efficiencySBMmodel

林业具有很强的生产功能，可以给人类提供重要的经济价值，另一方面林业的发展又兼具重要的生态服务功能，可以调节气候、保持水土等。据国家林业局的统计，2016年，全国新造林0.068亿hm2，完成森林抚育0.084亿hm2。此外，2016年全国林业总产值达到6.4万亿元，同比增长7.7%。林业的跨越式发展要不断提升林业经济效率。

目前理论界利用不同的评价方法对林业经济效率进行了一些研究，其中随机前沿方法（即SFA）和数据包络方法（即DEA）是两种主要的方法。罗小锋等（2017）利用随机前沿生产函数对2003—2014年中国各省份林业生产效率进行了测算分析[1]。随机前沿方法需要设定生产函数的基本形式，而数据包络方法则无需设定生产函数的形式，属于非参数效率评价方法，得到了较多应用。蔡珍贵等（2015）利用BCC模型对12个林业龙头企业林产品贸易业务经营效率进行对比分析[2]。郑宇梅等（2016）基于投入导向的BCC模型对2004—2013年我国15个省份林产工业生态效率进行了评价研究[3]。黄韶海等（2016）使用投入导向型CCR模型对中国31个省林业生产效率进行了分析[4]。陈珂等（2016）利用经典DEA模型和Malmquist指数法对全国30个省市的林业生态效率进行了测度[5]。林超等（2016）运用BCC-DEA模型对2004—2013年间福建省林业投入产出效率进行了测算分析[6]。张颖等（2016）利用规模收益的BCC-DEA模型对1993—2013年北京林业投入产出效率进行了测算分析[7]。李京轩等（2017）运用经典DEA评价模型对1998—2014年甘肃省林业生产效率进行测算和分析[8]。

已有研究对我国及区域的林业经济效率进行了一些探索，但是所使用的DEA模型基本都是经典的DEA模型，这些模型无法计算投入产出松弛状况，也无法对有效决策单元进行完全的排序，基于此，本文利用超效率SBM模型，对2013—2015年中国省际林业经济效率进行测算分析，有效解决了已有研究的不足，所得结论更加符合实际，为林业资源决策优化提供指导。

1 模型与方法

1.1 超效率SBM模型

数据包络分析方法是一种基于同等程度上被评价单元（即DMU）相对效率比较的非参数效率分析方法。DEA方法不需要事先对被评价单元的生产函数形式进行明确界定，避免了参数的主观赋值，同时它对可比较的被评价单元进行相对效率的排序，使得评估具有客观性。DEA模型目前已经发展了近160种模型，传统的CCR或BCC模型在评估过程中可能会出现多个有效单元，这对于效率评估和对比有一定局限性。超效率SBM模型[9]不仅解决了多个有效单元的排序问题，同时考虑松弛变量，对于进一步分析投入产出要素有更好的参考价值。因此，本文选取超效率SBM模型进行评估。超效率SBM模型是2002年Kaoru Tone在基于投入松弛测度的SBM模型[10]基础之上提出的。

假设有m种投入要素，s种产出要素，建立一个线性规划方程:

其中，ρ为效率值；λ为包络乘数；xk和yk分别是DMUk的投入向量和产出向量，xi和yr分别是第i种投入要素和第k种产出要素，为松弛投入，为松弛产出。对于待评价单元DMUk，ρ为超效率值，可大于1。

1.2 评估指标与数据来源

在比较分析目前理论界所使用的指标体系基础上，本文建立了林业经济效率评价指标体系。其中，投入指标包括林业用地面积、林业系统单位年末人数和林业投资完成额，分别代表了林业的土地投入、劳动力投入和资本投入。产出指标包括林业第一产业总值和当年造林面积，分别代表了林业的价值产出和生态产出。评估的决策单元包括2013—2015年中国31个省份，数据来源于历年《中国林业统计年鉴》和《中国环境统计年鉴》。

2 中国林业经济效率及其分解的实证分析

运用Maxdea6.18专业版软件，从产出导向（调整）角度出发，使用超效率SBM模型，测算了2013—2015年中国31个省份林业经济效率的变动状况，如表1所示。

2.1 中国林业技术效率的基本格局

中国林业经济效率总体上比较低，但是呈现上升趋势。2013年中国林业综合技术效率为0.668，2014 年上升为 0.711，2015 年增加到 0.731，连续三年实现较大增长，表明中国林业资源的利用水平不断提升。但是总体上未达到有效前沿面，林业资源的配置有待进一步优化。从达到有效前沿面的数量来看，2013年效率值大于等于1的省份有8个，2014年增加为9个，2015年恢复为8个，大约占所有省份的26%。这些省份主要包括河北、浙江、山东、海南、重庆、贵州、云南、宁夏、河南、辽宁、云南、西藏等。

中国林业经济效率总体上呈现出“东部高、西部居中、中部最低”的空间格局。2013年林业经济效率从高到低依次为东部（0.755）、西部（0.627）和中部（0.608）。2014年和2015年，三个地区的林业经济效率都有了提升，但是各地区林业经济效率的空间关系比较稳定，这种空间格局并未发生改变。由此可见，东部地区林业资源的利用水平比较高，特别是河北、浙江、山东和海南4个省份，效率值分别为1.161、1.019、1.643和1.251，成为东部地区高林业经济效率的主要推动者。西部地区12个省份中，重庆、贵州、西藏、云南、宁夏等省份林业经济效率高于1，但是由于其他省份如内蒙古、广西、四川、青海等省份林业经济效率非常低，拉低了该地区林业经济效率，但是仍高于中部地区。中部地区8个省份中只有河南和安徽曾在2014年和2015年达到有效，其他省份林业经济效率都未达到有效前沿面，总体上中部地区林业经济效率比较低迷，在三个区域中是最低的。

?

林业经济效率的省际差异明显，而且这种差异趋于扩大。2013年林业经济效率最高的省份为山东省（1.643），比最低的内蒙古（0.184）高近8倍。2014年这种差距进一步扩大，林业经济效率最高的山东省（1.765）比最低的内蒙古（0.161）高近10倍。2015年这种差距不断拉大，林业经济效率最高的山东省（1.731）比最低的内蒙古（0.137）高11倍多。由此可见，省际间林业资源的利用水平差异明显，而且差距并未收敛。

2.2 中国林业经济效率的动因

中国林业经济效率不高主要原因在于规模效率较低。2013—2015年间中国林业纯技术效率为1.040，达到了有效前沿面，但是由于规模效率仅为0.763，使得中国林业经济效率总体上未达到有效，仅为0.703。

对于高效率省份来说，林业经济效率比较高的主要原因在于纯技术效率较高。2013—2015年间河北、浙江、山东、海南、重庆和贵州6个省份虽然其林业规模效率并未达到1，但是由于纯技术效率都明显高于1，最终使得这些省份林业经济效率大于1。

对于低效率省份来说，林业经济效率较低的原因比较复杂，大致可分为三种：一是纯技术效率大于1，但是规模效率比较低，主要有天津、上海、内蒙古、云南、宁夏和西藏6个省份，约占19%。二是纯技术效率和规模效率都较低的省份，主要包括剩余的19个省份。

2.3 中国林业经济效率的规模收益变动状况

中国林业技术效率规模收益递增的省份总体上比较少，2013年有12个省份，2014年减少为11个，2015年增加到12个。这些省份主要有北京、天津、上海、江苏、浙江、海南、安徽、河南、重庆、贵州、青海、宁夏和西藏。对于这些地区来说，增加林业投入可以带来更多的林业产出。其他19省份处于规模收益递减状态，需要控制投入规模。

3 中国林业经济效率的优化模式

2015年共有23个省份林业经济效率小于1，表2计算了这些地区林业投入产出的松弛量和松弛比例，其中松弛比例=松弛量/原始值。它显示了这些地区要想达到有效前沿面需要缩小或增加的绝对值和比例。根据松弛比例，可以把这些省份林业投入产出改进模式分为六类：

第一类，产出增加型模式。对于这些省份来说，不需要改变林业的投入状况，只需要增加一定程度的造林总面积或林业第一产业总产值即可，主要包括河北、广东、甘肃。

第二类，劳动力缩减—产出增加型模式。对于这些省份来说，重点在于减少劳动力投入和增加产出水平，主要包括江苏、吉林、黑龙江、江西、河南、湖北、湖南、陕西、宁夏。

第三类，土地缩减—产出增加型模式。对于这些省份来说，重点在于减少林业用地面积和增加产出水平，主要包括山西、四川、云南、青海和新疆。

第四类，投资缩减—产出增加型模式。对于这些省份来说，重点在于减少林业投资和增加产出水平，主要包括福建、天津、广西。

第五类，劳动力和投资双缩减—产出增加型模式。对于这些省份来说，林业改革重点一方面要减少林业劳动力和林业投资，同时增加产出水平，主要包括北京、上海。

第六类，劳动力和土地双缩减—产出增加型模式。对于这些省份来说，林业改革重点一方面要减少林业劳动力和林业用地面积，同时增加产出水平，主要包括内蒙古。

4 结论与建议

本文使用超效率SBM模型，测算了2013—2015年中国31个省份林业经济效率及其分解状况。得出以下结论：

①中国林业经济效率总体上比较低，林业资源的配置有待进一步优化。但是呈现上升趋势，表明中国林业资源的利用水平不断提升。从达到有效前沿面的数量来看，2013年效率值大于等于1的省份有8个，2014年增加为9个，2015年恢复为8个，大约占所有省份的26%。中国林业经济效率总体上呈现出“东部高、西部居中、中部最低”的空间格局。2013—2015年林业经济效率从高到低依次为东部、西部和中部，3年间各地区林业经济效率的空间关系比较稳定。林业经济效率的省际差异明显，而且这种差异趋于扩大，并未收敛。

②中国林业经济效率不高主要原因在于规模效率较低。对于河北、浙江、山东、海南、重庆和贵州6个高效率省份来说，林业经济效率比较高的主要原因在于纯技术效率较高。对于低效率省份来说，林业经济效率较低的原因比较复杂，大致可分为三种：一是纯技术效率大于1，但是规模效率比较低，主要有天津、上海、内蒙古、云南、宁夏和西藏6个省份，约占19%。二是纯技术效率和规模效率都较低的省份，主要包括剩余的19个省份。

③中国林业经济效率规模收益递增的省份总体上比较少，2013年有12个省份，2014年减少为11个，2015年增加到12个。这些省份主要有北京、天津、上海、江苏、浙江、海南、安徽、河南、重庆、贵州、青海、宁夏和西藏。对于这些地区来说，增加林业投入可以带来更多的林业产出。其他19省份处于规模收益递减状态，需要控制投入规模。

④根据松弛比例，可以把这些省份林业投入产出优化模式分为六类：第一类，产出增加型模式。对于这些省份来说，不需要改变林业的投入状况，只需要增加一定程度的造林总面积或林业第一产业总产值即可，主要包括河北、广东、甘肃。第二类，劳动力缩减—产出增加型模式。对于这些省份来说，重点在于减少劳动力投入和增加产出水平，主要包括江苏、吉林、黑龙江、江西、河南、湖北、湖南、陕西、宁夏。第三类，土地缩减—产出增加型模式。对于这些省份来说，重点在于减少林业用地面积和增加产出水平，主要包括山西、四川、云南、青海和新疆。第四类，投资缩减—产出增加型模式。对于这些省份来说，重点在于减少林业投资和增加产出水平，主要包括福建、天津、广西。第五类，劳动力和投资双缩减—产出增加型模式。对于这些省份来说，林业改革重点一方面要减少林业劳动力和林业投资，同时增加产出水平，主要包括北京、上海。第六类，劳动力和土地双缩减—产出增加型模式。对于这些省份来说，林业改革重点一方面要减少林业劳动力和林业用地面积，同时增加产出水平，主要包括内蒙古。

?

[1]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（3）:95-100.

[2]蔡珍贵,熊曦,尹少华.林业龙头企业林产品贸易业务经营效率研究:以湖南省为例[J].中国林业经济,2015（4）:5-10.

[3]郑宇梅,尹少华.林业产业生态效率实证研究:基于15个省的面板数据分析[J].林业经济,2016（11）:36-40.

[4]黄韶海,王国峰,邓祥征,等.中国林业生产效率的格局与区域差异分析[J].世界林业研究,2016（3）:80-85.

[5]陈珂,李雪婷,朴慧兰.中国林业生态效率与生态生产率的测度研究[J].林业经济问题,2016（2）:115-120.

[6]林超,谢志忠,蔡文樱.基于DEA模型的福建省林业投入产出效率研究[J].科技和产业,2016（4）:16-20.

[7]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[J].北京林业大学学报,2016（2）:105-112.

[8]李京轩,陈秉谱,杨璐嘉.基于DEA模型的甘肃省林业投入产出效率研究[J].西北林学院学报,2017（2）:315-320.

[9]TONE K.A Slacks–Based Measure of Super-efficiency in Data Envelopment Analysis[J].European Journal of Operational Research，2002(143):32-41.

[10]TONE K.A Slacks-Based Measure of Efficiency in Data Envelopment Analysis [j].European Journal of Operational Research，2001(130):498-509.

［责任编辑：付 佳］

Forestry EconomicEfficiency in China:pattern,motivation and optimization

LIUTao1，2，GULingshuang1,2，JINYingshu1,2，HUOJingjuan3
(1.Research Center of Safety and Emergency Management，Henan Polytechnic University,Jiaozuo Henan 454003，China；2.EmergencyManagement School ofHenan Polytechnic University,JiaozuoHenan 454003，China；3.School of Physics and Electronic Information Engineering of Henan Polytechnic University,Jiaozuo Henan 454003，China)

F326.24

A

1673-5919（2017）04-0001-05

10.13691/j.cnki.cn23-1539/f.2017.04.001

2017-05-10

教育部人文社会科学研究规划基金项目（16YJA790026）；河南省教育厅人文社会科学研究一般项目（2017-ZZJH-190）;河南省教育厅科学技术研究重点项目（13A630343）;河南省高校基本科研业务费专项资金资助项目（SKJYB2017-16）;河南理工大学青年骨干教师资助项目（2016XQG-27）;河南理工大学博士基金项目(B2012-037)

刘涛（1983-），男，山东沂水人，副教授，博士。研究方向：产业效率评价。