考虑自然因素投入的林业生产效率评价研究——以南方集体林区为例 ＊

田 杰，张晓棠，姚顺波

（1．西安工业大学 经济管理学院，西安710021；2．西北农林科技大学 经济管理学院，杨凌712100）

据中国林产品进出口贸易统计，在“十二五”的开局之年，林产品贸易进出口总值达到1190．8亿美元，再创历史同期新高．其中，出口541．9亿美元，进口648．9亿美元．而且，随着生态环境建设力度的推广和增强，作为国内木材主要供给基地的国有林区出材量在逐年减少．因此，面对如此巨大且日益渐增的的木材及林产品供需缺口，只能花费大量外币来进行国际市场交易．然而，随着生态环境建设问题的国际化和政治化，各国都提高了对森林资源的保护力度，这就使得国内依靠进口林木品来改善木材供需缺口的压力会越来越大．在资源与环境的双重约束下，面对国际和国内市场的紧张局势，提高集体林出材量才是根本且有保障的解决途径，而提高林木出材率的关键就是提高林地生产力．据分析可看出，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，如此严峻的市场形势使得对林业生产技术效率及要素利用效率的研究具有非常重要的必要性．

林业产业有其独特的自然属性，自然环境因素对林木生长有着不容忽视的作用．尽管Hausenbuiller早有提出，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的影响［1］．Jun-Yen Lee也运用三阶段DEA模型对2001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［2］．类似的观点国内研究也有提出，姚晓红对近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年大于等于0℃积温及降水量，且水热的合理配置特别重要［3］．通过对现有林业生产技术效率研究的文献进行梳理可以发现，尽管大多数作者在林业生产投入产出效率评价中采用了比较成熟的全要素研究框架和分析技术--数据包络分析（Data Envelopment Analysis，DEA），如，Label ＆Stuart使用DEA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，在此基础上提出了效率改进的路径［4］．Viitala ＆ Hanninen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，而且在投入方面至少可以节约20%的投入成本［5］．刘璨也采用DEA分析方法对东北国有林区的企业效率进行测算，并分析了其技术效率、规模效率、TFP等的变化趋势［6］．但是，由于种种原因，在类似林业生产效率研究文献中，自然因素的投入问题一直尚未受到学术界的足够关注．

基于此，文中决计采用数据包络分析（Data Envelopment Analysis，DEA）方法对林业生产技术效率进行一次比较全面的探讨，以便为正确评价中国林业生产技术效率水平、改进资源配置、提高各个投入要素的使用效率及促进林业经营的可持续发展提供一定的决策支持．本研究选择南方集体林区的9个省区作为研究对象，主要是基于两方面的考虑：第一，DEA效率水平的测算依赖于各决策单元的投入产出状况和最优生产前沿面的参照系统，评价单元的地理区位、经济发展状况及社会文化差异都会对效率评价系统产生影响，因此DEA更适用于对区位条件和区域跨度差异不大的系统进行评价［7］，而南方集体林区特别符合此条件；第二，新一轮集体林权制度改革使得商品林生产要素配置从政府计划转向市场，林业战略布局也发生转移，将南方集体林区作为我国商品林发展和木材生产的重点区域［8］．因此，分析该集体林区的林业生产效率水平更具有典型性和代表性．

1 研究方法及模型介绍

文中研究采用基于投入导向的可变规模报酬（Variable Returns to Scale，VRS）的数据包括分析（Data Envelopment Analysis，DEA）作为主要研究方法，这不仅可以对林业生产的各种效率进行全面测度，而且还可以研究各投入要素的利用效率水平，被学术界研究广泛应用．这里尤其需要注意的是，将自然因素纳入林业生产投入因素评价是研究的一个特色．以往研究大都倾向于对劳动和资本两种主要投入要素的考察，但是，如果结合林业生产独特的自然属性来看，以往研究是存在一定缺陷的．因为，他们把林业生产研究简单的等同于农业生产研究，模糊的运用了农业生产研究的套路分析，没有考虑到林业的自然属性，所以，以往的评价结果虽然能在一定程度上说明一些现实问题，但总是存在一定的偏颇之处．研究尝试性地将自然因素纳入林业生产投入产出模型评价中，毫无疑问的是，其分析结果肯定会与之前的研究结果有差异．因此，文中的研究目的之一就是考察这两种评价体系的结果差异并分析其原因．为此，构建两种DEA评价模型，一种是仅考察资本和劳动投入的二要素投入模型，一种是纳入自然因素（4～10月平均气温，年均降雨量）的四要素投入模型．此外，依据相关文献［9］，选取林业第一产业产值作为产出变量．

1．1 基于C2 R-DEA的两种投入要素模型的介绍

C2R模型是数据包络分析的基础，假设有n个决策单元，每个决策单元都是用i项投入来得到一项产出，并满足一定的公理体系和规模报酬不变（Constant Return to Scale，CRS）的假设．式（1）中的两式分别表示二要素投入模型和四要素投入模型的生产可能集．式中，xi，j表示第j个决策单元的第i个要素投入量，Xi表示第i种要素投入变量，Y为1×n的产出变量，λj为n×1的常向量，j＝1，2，…，n，文中，n＝9．四要素投入模型与二要素投入模型相比，产出变量Y和投入要素变量X1，X2（分别代表资本和劳动）不变，而增加了X3和X4（分别代表4～10月平均气温和年平均降雨量）两个要素约束方程，自然因素（X3，X4）的投入肯定会使T2CCR与T4CCR有差异，两种投入要素模型下的生产可能集会发生一定变化，具体变化情况取决于林业生产对自然因素的依赖程度．

生产前沿面指决策单元输入与输入数据决定的包络面的有效部分，与生产可能集密切相关，决策单元是否落在生产可能集的生产前沿面上是判断该单元是否有效的标志，非有效单元的效率是指实际生产点到有效前沿面的投影距离．自然因素的加入使生产可能集与生产前沿面发生变化，有效决策单元和非有效决策单元的判定也随之发生变动．

1．2 BCC-DEA模型及静态效率

1．3 要素利用效率

基于投入导向的VRS-DEA模型可以测算出在产出不变的情况下，投入要素的最优使用量，进而可以得出各个投入要素的实际投入冗余程度，以达到最大程度的投入要素节约量．研究将要素利用效率定义为“目标投入量”与“实际投入量”之比［7］，即，θE＝PVI／OVI，其中，θE代表投入要素利用效率（The Efficiency of Resources，TER）、PVI代表要素目标投入量（Projected Value of Input，PVI），OVI代表实际要素投入量（Original Value of Input，OVI）．0＜θE＜1表示林业生产中，投入要素存在低效率的浪费现象，具有可节约的空间，θE越接近于0，表示资源浪费越严重，θE＝1表示投入要素得到了有效利用．文中定义θK，θL、，θT，θR分别为投入要素资本、劳动、4～10月平均气温、年平均降雨量的资源利用效率，两种投入要素模型中，虽然资本和劳动投入的绝对值没有变化，但是资源利用效率会因自然因素的加入而发生变化．

2 变量选取与数据说明

2．1 变量选取

参考相关生产效率分析文献，并结合林业生产的独特自然属性，对主要变量定义如下：①林业产出变量．林业有广义与狭义之分，广义林业涵盖三大产业，狭义林业是指与生态建设密切相关的林业第一产业［9］，文中将研究范围界定为狭义林业，故选取林业第一产业产值（Y）指标来表示产出指标，相应的投入指标也应该与之相匹配．②林业投入变量．在西方经济学理论中，土地、资本和劳动是三大基本投入要素，但由于林地面积数据5年公布一次，即在每5年的森林资源清查期间，林地面积是没有变化的，因此文中不研究林地面积即土地投入要素的效率变化；相应的资本投入（K）用营林固定资产投资来表示，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［9］；劳动力投入（L）用林业系统年末从业人数来表示；姚晓红测定出主要气象要素对森林生长的影响程度排序为：“大于等于0℃积温”大于“年平均降水量”对森林生长的影响程度，“年平均降水量”大于“4～10月平均气温”对森林生长的影响程度［3］，由于积温数据的缺失，所以选用4～10月平均气温（T）和年平均降水量（R）来表示自然因素的投入．

2．2 数据来源与说明

研究范围界定南方集体林区9个省区（长江流域的湖南、湖北、江西、安徽，南海沿岸的浙江、福建、广东、广西及云贵高原边缘的贵州9省及自治区），具体原因在文章引言中已有相关陈述，分析所用的1999～2011年的面板数据来源于《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．

3 结果分析

运用DEAP2．1软件对样本数据进行VRSDEA运行处理，对运算结果的具体分析．

3．1 两种投入要素模型的评价差异

为了对二要素投入模型和四要素投入模型的评价差异进行更好的观察，对9个省区的综合效率，技术效率及规模效率13年的均值进行了详细整理见表1，对不同效率均值区间的省区数量进行汇总见表2．

基于综合效率分析来看：①在两种投入要素模型中，都是浙江省和福建省位于有效前沿，没有评价差异；②从非有效城市评价角度来看，7个非有效省区均表现出 ，这表明四要素模型投入产出空间内非有效单元与生产前沿面的距离要小于二要素模型内的距离，这在一定层面上可以说明四要素投入模型得出的效率评价结果要高于二要素投入模型；③对不同综合效率均值区间内的省区数量进行分析见表2，四要素投入模型中，有4个省区位于效率均值90%以上的区间，分别为浙江省、福建省、湖南省和广东省，位于50%～70%效率区间的有三个省区，位于50%以下的有两个省区，然而，在二要素投入模型中，位于上述三个区间的省区分别为2个、2个和5个，其中贵州综合效率值最低，仅为0．070，这表明，相比于二要素投入模型，四要素投入模型的评价结果分布更为集中，各个省区间相对效率差异较小．

表1 南方集体林区9省3种静态效率的平均值Tab．1 Average values of 3kind of static efficiencies of 9provinces in Southern Collective Forest Areas

表2 不同效率均值区间的省区数量Tab．2 The Number of provinces in the different ranges of efficiency average values

基于技术效率和规模效率角度来分析：①在技术效率评价上，浙江省、福建省、湖南省和广东省在四要素评价模型中有效，浙江省、福建省和广东省在二要素评价模型中有效．②在规模效率评价上，浙江省和福建省在两种模型中有效．③在技术非有效省区中，均有TE（4）＞TE（2），在规模非有效省区中，除了安徽省以外，也都表现出TE（4）＞TE（2）．④对表2中不同技术效率及规模效率均值分布情况进行分析，四要素投入模型中技术效率位于90%以上区间的省区有5个，规模效率位于此区间的有6个，均占据半数以上的评价省区数量，二要素投入模型中位于此区间的省区均为4个；两种效率均值位于70%以下的四要素投入模型中分别有2个和1个，而二要素投入模型中位于此区间的省区分别为5个和4个，评价结果与综合效率分析结果类似，四要素投入模型使得效率区间分布更为密集．基于以上分析结果可知，第一，从模型构建原理来看，投入要素的增加必然会造成生产前沿面的变化，决策单元到前沿面的距离也会随之变化，在本研究中的体现就是有效单元和非有效单元效率评价值的变化．第二，相比于二要素投入模型，四要素投入模型更好地反映了要素之间的替代与贡献程度，具有更全面和更客观的评价结果．第三，四要素投入模型中，浙江省和福建省一直处于有效前沿面，各种效率值均为1；贵州省综合效率（0．140）最低，主要是由较低的规模效率（0．269）造成；江西省和湖北省与其情况正好相反，他们都具有较高的技术效率值，说明这两个省区的林业生产具有合理的技术利用水平，对新技术的接收与应用能力较强，而偏低的规模效率是导致综合效率低下的主要原因．具体各项分解效率的分析可以为各个省区林业未来侧重发展方向提供重要的参考依据．

3．2 各种效率的时序变化分析

以上侧重分析了南方集体林区各个省区的静态效率差异，并对两种投入要素模型进行了评价分析．接下来，对9个省区1999～2011年间的效率变化趋势进行研究，即对其进行更为详致的时间序列分析．因此，基于两种要素投入模型，运用DEAP2．1软件进行运算汇总，绘制出南方集体林区9个省区的综合效率、技术效率及规模效率的时间变化趋势如图1所示．

首先，从总体变化趋势来看，①1999～2011年期间，三种效率值均表现出明显的波动趋势，并没有很明显的增长趋势，而且四要素投入模型比二要素投入模型具有更不稳定的变化趋势；②四要素投入模型的3种效率的变化趋势线均位于二要素模型之上，这与前述静态效率分析结果也一致，即在同一年份，与二要素投入模型相比，四要素投入模型均具有较高的评价结果；③虽然两种模型的总体变化趋势相似，但在具体年份的效率变化趋势上却有很大差异．

图1 3种效率均值的时间序列变化趋势Fig．1 Time-series trend of 3kinds of average efficiency values

其次，基于STE＝TE×SE，分析技术效率和规模效率对综合效率的影响情况，对两种投入模型的三种静态效率的时序变化趋势进行分析可以发现，①1999～2003期间综合效率的降低主要是由于规模效率的大幅下滑趋势所造成，技术效率造成的影响较小；②2008年，效率值为0．693，造成这一效率低下的原因不排除2008年我国发生的一系列重大自然灾害，年初特大低温雨雪冰冻灾害影响了全国21个省，6月上旬华南、中南地区发生严重洪涝灾害，9月下旬四川发生严重暴雨洪涝和泥石流灾害等等，这些自然因素无疑会在一定程度上影响了林业的生长；③二要素模型的三种效率在2003年以后一直维持较为平稳的变化趋势，而四要素模型在个别年份则出现比较明显的变动，接下来对四要素模型的效率时序变动趋势进行侧重分析；④四要素模型中，2003～2004年，技术效率出现大幅下降，而规模效率出现相反的更大强度的上升趋势，造成的综合效应是综合效率的小幅上升，与之相反，2005～2006年间技术效率呈现明显上升趋势，而规模效率则大幅下降，总效应也使得综合效率小幅上升，2006年以后，三种效率变化趋势逐渐趋于平稳．结合现实客观情况来分析，2003年开始推行的集体林权制度改革使要素配置由计划转向市场，明确林农的经营权、使用权、收益权等各项权益，极大促进林农的营林积极性，广大林区开始积极造林，林地规模迅速增长，使得具有空前高涨的规模效益，但是，其负面影响是，林农一味追求林地规模，国家也投入大量资金支持，技术水平却没有跟上规模水平的增进，要素投入的配置效率极度缺乏合理性，造成技术效率低下的状态．2004年，林地规模效益到达一个阶段性顶点后，开始下滑，并从2006年之后趋于稳定波动，同时，技术效率也与2006年到达阶段性顶点后，趋于稳定变化．所以，在接下来的林业生产经营中，技术问题是决定其可持续经营的关键问题，南方集体林区为提高林地生产力，应该想法设法提高技术效率，即学习引进林业生产新技术，促进产业结构优化升级，使林业经营实现科学可持续的发展．

3．3 投入要素利用效率分析

根据DEAP2．1软件运算结果，整理出南方集体林区9省区投入要素利用效率的13年均值结果见表3．①总体来看，南方集体林区的资本与劳动利用均存在一定的浪费现象．四要素投入模型中，若在维持产出不变的情况下，资本和劳动分别可以节约10．7%和7%的投入，与之类似，二要素投入模型中的资本和劳动分别可以节约14．6%和13．6%，资本和劳动在四要素模型中的利用效率评价高于二要素投入模型；②分省区来看，浙江、福建和广东的资本与劳动的利用效率在两种评价模型中都为1，投入要素得到有效利用，其他省区均存在一定的资源浪费现象；③对于投入要素利用效率非有效的省区，均表现出θK（4）＞θK（2），θL（4）＞θL（2），说明对于同一省区而言，纳入自然因素可以提高对资本和劳动投入要素利用效率的评价；④四要素投入模型中，浙江、安徽、福建、湖南、广东的资本与劳动均得到有效利用，其他4省区均存在资源浪费现象，在既定产出水平下，资本与劳动都存在一定的节约空间，其中广西最多可以节约54．6%的资本投入，59．6%的劳动投入，其他省区与其类似．

表3 南方集体林区9省林业生产投入要素利用效率均值Tab．3 Average using efficiency values of input factors of forestry production of 9provinces in Southern Collective Forest Areas

根据运算结果绘制出1999～2011年间南方集体林区的资本与劳动利用效率的时序变动趋势，如图2所示．四要素投入模型的资本利用效率曲线θK（4）和劳动利用效率曲线θL（4）均位于二要素投入模型的θK（2）和θL（2）之上，说明相比于二要素模型，四要素模型对于资本与劳动的利用效率评价具有更高的评价结果；考察期内四要素投入模型的资本利用效率θK（4）的波动较大，13年间的最低值是2011年的0．853，2000年和2009年达到两次峰值0．946和0．934；四要素投入模型的劳动利用效率θL（4）在1999～2005年之间变化的平缓，2005以后开始出现大幅波动，于2009年达到最高峰值0．959．

考察四要素模型中南方集体林区9个省区的资本与劳动两要素利用效率的13年均值见表3，与技术效率、规模效率的关系见表1．①当考察省区表现出技术有效时，即使规模非有效，资源投入的利用效率仍表现为有效，如湖南、广东；②当考察省区表现出较高的技术效率水平时，其投入要素的利用效率也往往表现为高水平，即林业经营的投入产出系统能够充分利用现有技术水平，使投入要素达到最合理的利用水平，如安徽和贵州，即使规模效率特别低下，但是其拥有较高的技术效率水平，所以资本和劳动的利用效率也特别高；③反之，如江西、湖北，相对于较高的规模效率水平，其技术效率水平较为低下，两省区的投入要素利用效率表现为，江西的劳动利用效率和湖北的资本利用效率都呈现特别低下的水平．以上分析可以在一定层面上说明，技术效率评价是决定资本与劳动投入要素利用效率高低的一个关键因素．

图2 1999～2011年间资本与劳动要素利用效率时间序列变动趋势Fig．2 Time-series trend of using efficiency of capital and labor from 1999to 2011

4 结 论

研究采用数据包络分析（Data Envelopment Analysis，DEA）方法，利用南方集体林区9省区1999～2011年样本数据，将4～10月平均气温与年平均降雨量两种自然因素，与资本和劳动一起构成四要素投入模型，研究了各省区林业生产效率水平和要素利用效率，并将结果与仅含资本、劳动的二要素投入模型的结果进行对比，主要研究结论为

1）纳入自然因素（4～10月平均气温，年降水量）考察林业生产的效率评价既有一定的理论依据，也符合林业生长的独特自然属性．通过对南方集体林区9个省区采用二要素投入模型和四要素投入模型对比研究后可以发现，考虑自然因素的四要素投入模型，无论是在各省区的效率空间变化分析角度，还是在整体时序变化趋势分析角度，都表现出更为合理的评价结果，因此，纳入自然因素的效率评价方法是在林业生产效率评价领域中值得推广的一种方法．

2）通过对南方集体林区9个省区的效率评价进行研究可以发现，四要素投入模型的评价结果均高于二要素投入模型，但是，这一结论在理论上并不是一种必然结果，只有当自然因素的投入确实能改善资本与劳动的资源配置效率时，才会使得四要素模型评价结果优于二要素模型．因此，对两种模型评价结果的比较，可以有助于判断自然因素的投入到底是改善还是降低了其他各种投入要素的配置效率．

3）根据四要素投入模型的分析，南方集体林区林业生产能保持较高效率水平主要是技术效率的贡献，除了2004、2005年以外，其他年份技术效率均高于规模效率，造成2004、2005年规模效率增加和技术效率低下的原因主要是，2003年开始的集体林权改革政策，极大调动林农的营林积极性，在国家财政大力支持的前提下，各个省区集中造林，使林地规模迅速扩大，然而原有林业技术水平未能与林地规模的扩张保持一致，资源浪费现象严重，2006年以后，在造林热情慢慢冷却以后，效率水平也趋于平稳变化．所以，盲目追求林地规模的扩大不一定会有良好的效果，而优化投入产出结构，提高营林技术水平才是实现林业生产健康可持续发展的关键．

4）由要素利用效率分析可知，在南方集体林区，多数省区的资本与劳动都存在不同程度的浪费现象，具有很大的节约空间．对要素利用效率非有效的省区进行分析可知，资本要素的利用效率均低于劳动要素的利用效率，因此，各省区节约投入要素的工作重点应首先放在节约资金投入上．但是，不同省区的资源利用状况不同，而且资源利用效率与技术效率水平密切相关，各省区资源投入利用效率对于技术效率的响应机制也不同，因此，各省区在采取具体措施时，切忌一味模仿他省政策导向，应该根据本省自身特点来开展相关工作．

总之，通过对二要素投入模型和四要素投入模型的对比分析，可以发现，无论是在静态效率评价，还是在资源利用效率分析上，四要素模型均具有较高的评价结果，而且其分析结论也与现实情况更为相符．在更为全面准确测度各省区林业生产技术效率水平的前提下，各级政府才能更清楚地了解本省林业发展特点，四要素模型为其制定出更符合实际的发展政策提供科学参考依据，因而纳入自然因素的效率评价模型具有更宽广的应用前景．

［1］ HAUSENBUILLER R L．Soil Science：Principles and Practices［M］．Dubuque：：William C Brown Pub，1999．

［2］ Jun Yun Lee．Application of the Three-stage DEA in Measuring Efficiency—An Empirical Evidence［J］．Applied Economics Letters，2008，15（1）：49．

［3］ 姚晓红，许彦平，陈晶，等．近30年气候变化对小陇山林业资源的影响研究［J］．干旱地区农业研究，2005（9）：236．YAO Xiao-hong，XU Yan-ping，CHEN Jing，et al．A Study of the Influence of Climate Changing on the Forest Resource in the Last 30Years in Xiaolong Mountain［J］．Agricultural Research in the Arid Areas，2005（9）：236．（in Chinese）

［4］ LABELL G，STUART W B．Technical Efficiency E-valuation on Logging Contractors Using A Non-Parametric Model［J］．Inter Journal of Forest Engineering，1998，9（2）：15．

［5］ Viitala，Esa-Jussi．Hanninen，et al．Measuring the Efficiency of Public Forestry Organizations［J］．Forest Science，1998，44（3）：298．

［6］ 刘璨，于法稳．东北国有林区企业效率测算与分析［J］．产业经济评论，2006，5（1）：107．LIU Can，YU Fa-wen．Efficiency Analysis of the Northwest National Forest Enterprise-DEA Approach［J］．Review of Industrial Economics，2006，5（1）：107．（in Chinese）

［7］ 陶小马，谭婧，陈旭．考虑自然资源要素投入的城市效率评价研究——以长三角地区为例［J］．中国人口·资源与环境，2013，23（1）：143．TAO Xiao-ma，TAN Jing，CHEN Xu．A Study on the Evalutation of City Efficiency Based on the Resources View：A Case of 16Cities of Yangtze River Delta［J］．China Population，Resources and Environment，2013，23（1）：143．（in Chinese）

［8］ 贾治邦．中国农村经营制度的又一重大变革——对集体林权制度改革的几点认识［J］．求是，2007，17：27．JIA Zhi-bang．Another Major Change in China’s Rural Operation System—Reflections on the Reform of Collective Forest Right System Qiushi，2007，17：27．（in Chinese）

［9］ 田淑英，许文立．基于DEA模型的中国林业投入产出效率评价［J］．资源科学，2012，34（10）：1944．TIAN Shu-ying，XU Wen-li．Evaluation of China’s Forestry Input-Output Efficiency Based on DEA Modeling［J］．Resources Science，2012，34（10）：1944．（in Chinese）