黑龙江省国有林区经济差异及成因分析

田博林 赵晓光

摘 要：运用ArcGIS及空间计量经济学软件GeoDa提供的空间分析功能对1998—2014年黑龙江省国有林区经济的动态演变过程进行空间统计分析研究，来揭示黑龙江省国有林区经济差异的空间自相关和空间集聚特征。并且根据经济差异情况利用空间回归模型对造成的经济差异成因做分析研究，为黑龙江省国有林区的经济发展提出合理化建议。

关键词：区域空间差异 空间统计分析 黑龙江省国有林区 成因分析

中图分类号：F326.2 文献标识码：A

文章编号：1004-4914（2016）04-168-05

区域经济发展的差异性，不仅会造成经济发展缓慢的地区在人力、物力、财力资源的分配上效率不高，而且也会造成这些地区的经济贡献率低等诸多问题。它更是阻碍区域社会经济整体稳步发展的主要因素之一（陈丽蓉，2011）。因此，区域经济发展的差异问题很早就成为各国经济学家深入研究探讨的热点话题。目前，在众多的研究当中传统的数量统计模型方法居多，数量统计模型是在假设样本量间相互独立的基础上建立起来的，所以比较容易忽视样本量在空间上的相互关系（杜小娟等，2010；范丽等，2015）。空间数据分析其实是将空间数据与一些空间研究方法相结合，通过对观测值在空间上分布的描述与分析，更科学地发现其空间的集聚或异常（李建豹等，2011）。近年来，我国林业总体经济发展不容乐观，对作为我国用材林的重要生产基地黑龙江国有林区的研究也不是十分全面（马玉秋，2015）。因此本文将结合空间经济学原理并运用ArcGIS与GeoDa软件，采用完善的ESDA方法来更全面更深刻地揭示黑龙江省国有林区经济的空间分布情况与集聚特征，以及造成经济差异的因素。

一、研究区域与数据源

1.研究区域及经济发展状况。黑龙江省国有林区是我国四大国有林区之一，其经营总面积1006万公顷，约占黑龙江省土地面积的25%；有林地面积761万公顷，占全国林地面积约为29.3%；森林覆盖率约为83.8%（张鑫炎，2014），下辖4个林管局，40个林业局。黑龙江国有林区的林业增加值由2000年的171152万元增长到了2013年的2044569万元，销售产值由2000年的323631万元增加到2013年的2381385万元。但黑龙江省国有林区经济的发展仍然不尽如人意，经济增长速度缓慢、企业内部机制不够灵活、生产效益低下，职工工资偏低等问题。尤其是在国家进行天然林保护工程之后，要求对天然林的保护面积加大，木材的砍伐量受到严格的控制，这也就要求黑龙江省国有林区要面对生态环境保护与经济建设同步双赢这一严峻的挑战。因此研究各林业局之间的经济发展相关关系，找到经济差异原因，促进黑龙江省国有林区经济快速增长势在必行。

2.数据来源。能够反映区域经济发展的指标一般选择总量指标或者人均指标，因为人均指标加入了人口数量差别的影响因素，所以我国学者多数使用人均指标进行分析。因此本文选择了黑龙江省国有林区的人均生产总值进行研究。至此需要40个林业局从1998年至2014年的林业增加值和林业年中人口总数，由于林业方面的数据不是十分全面，各林业局的增加值和林业年中人口总数一部分数据来源于《中国林业统计年鉴》，一部分数据来源于黑龙江省森工总局调研得来。各林业局矢量数据地理边界取自黑龙江省森工国有林区网址主页。

二、黑龙江省国有林区经济差异的ESDA分析

1.全局空间自相关分析Local Moran指数。全局空间自相关是对观测值在整个空间上分布特征的描述。绝大多数空间数据都不是独立的，而是有着相互关联的，空间关联就是指不同观测对象的某一属性在空间分布上存在着一定的规律性而不是随机分布（余鑫星等，2012）。进行整个空间观测值的特征检验与描述，这里可以采用Moran I指数对空间自相关的全局指标进行度量（文骁飞，2011）。为了使数据平稳性更强，本文采用对数变换的方式对1998—2014年的黑龙江省国有林区的人均增加值数据进行简单处理。用ArcGIS对指标进行分析得到了全局Moran I指数如表1：

如表1所示，从1998年至2014年的Moran I指数都通过了假设检验，表明黑龙江省国有林区各个林业局的经济发展不是完全的随机状态，而是有一定的空间关联。由表1可知1998—2014年的Moran I指数均为正值，说明黑龙江省国有林区各林业局呈现正的空间自相关，即人均增加值较高的区域和较高的区域相邻，人均增加值较低的区域和较低的区域相邻。而且Moran I指数的数值都在0.2以上，表明空间集聚程度比较高，其中正自相关性较强的年份是1999年和2000年，而正自相关性稍弱的年份为2005年和2014年。

2.局部空间自相关分析。全局空间自相关分析只能说明区域经济整体的经济相关程度，不能反映出每个地区局部的经济相关程度，因此需要进行局部空间自相关分析。由图1可知在1998—2014年中Moran I指数并无规律可循，所以本文选取了1998年、2006年和2014年这三个年份进行局部空间自相关的分析研究。

（1）1Moran散点图。Moran散点图主要用于揭示部分单元区域的异质性，它与LISA分析结合在一起能够更好地解释区域单元之间的空间关联情况。空间联系的形式主要有四种：即高值与高值、高值与低值、低值与高值以及低值与低值。第一象限表示高观测值的区域单元被高值区域所围，为正相关的高高象限；第二象限为低观测值的区域单元被高值所围，为负相关的高低象限；第三象限为低观测值区域单元被低值所围，为正相关的低低象限；第四象限为高观测值区域单元被低值所围，为负相关的低高象限（杜霞等，2015）。

由此可见，在1998年、2006年和2014年里，大部分林业局都是正自相关的状态，处在高高和低低象限内。由图可知在40个林业局中就有近半的林业局在高高象限内，相比之下低低象限就少很多。并且处于高低和低高这两个象限内的林业局大约10个左右，因此非典型的地区所占比例并不是很大。由图表可知，1998年低低类型的林业局只有穆棱和迎春，但在2006年低低类型的林业局就增加到了6个，并且穆棱和迎春林业局却进入到了高高象限中。在2014年中虽然低低类型下降到4个，见表3、4可知清河林业局仍在低低象限中。

2006年1月4日国家通过审议决定伊春市国有林区成为林业制度改革的试验点，首先成为试验点的乌马河林业局和翠峦林业局在制度改革下直至2011年其人均总产值逐年增长，林业产业规模有所扩大，就业人也数有所上升。并且带动周边的美溪、上甘岭、五营、友好等林业局的经济也逐年上升，出现了高高类型的发展态势。由图3可知，在这种正相关经济发展的势头上与上述林业局在空间上相邻接的海林、大海林、八面通、绥阳、穆棱林业局也在2006年挤进了高高象限内。然而在长期乱砍乱伐、对资源无节制的开采后，我国于2000年启动天保一期工程，接着在2011年天保二期也正式启动。主要任务不仅是延续一期停止长江上游、黄河上中游地区的天然林采伐的举措，而且二期任务中东北、内蒙古等重点国有林区从一期定产的1094.1万立方米，分三年调减到402.5万立方米，加大了国有林的管护面积，这样使得各林业局对于木材的砍伐量进一步受限。因此在林业产业经济转型的关键时期，许多林业局选择利用自身的天然资源优势开发了第三产业如旅游业、生态服务业等产业项目，由此就造成了各林业局之间经济发展的联系逐渐减弱。根据图4可知，在2014年中非典型的高低类型和低高类型的林业局数目有所增多，即负相关性有所增强。以上基本呈现出了从1998年到2014年黑龙江国有林业经济发展水平的空间演变全过程。

（2）LISA集聚图。LISA是对单元属性与周边单元正相关或负相关以及单元属性自身显著性水平进行一种衡量的指标。利用GeoDa这一空间计量经济学软件，对1998年、2006年以及2014年这三个年份的林业人均增加值数据进行空间自相关分析，绘制出LISA集聚图与LISA显著性水平图。

这40个林业局的林业人均增加值集聚性水平图均是在的显著性水平下绘制出图的。由1998年的显著性水平图可知共有13个林业局通过了检验，并且由集聚性水平图可知高高类型的林业局有10个为红星、乌伊岭、汤旺河、新青、美溪、上甘岭、五营、乌马河、带岭实验局、翠峦。由此可见这几个地区经济发展联系密切，集聚性十分强，是黑龙江森工林区经济发展水平较高的地区。低低类型的林业局为2个均是沾河、双鸭山，说明这些地区属于经济发展水平相对较低的地区。低高类型的林业局为1个是桃山，说明桃山经济发展较低被周围经济发展较高的林业局所包围。但是有必要说明的是无论是低低类型的地区还是高高类型的地区，空间关联均为正相关。

由2006年显著性水平图可知有10个林业局通过了检验，与1998年相比减少了3个。由2010年的集聚性水平图可见高高类型与低低类型的地区分布与1998年比较相似，其中高高类型的林业局为7个，比1998年减少了3个，它们为红星、乌伊岭、汤旺河、新青、美溪、上甘岭、五营。这些林业局的发展依然高于周边的林业局，成为经济发展的领头军。再看低低类型的地区比1998年多了一个，它们分别为沾河、通北和绥棱。

在2014年的显著性水平图可知有8个林业局通过了检验，与2006年相比减少了2个。其中高高类型的林业局有6个，与2006年相比减少了一个，它们是红星、乌伊岭、汤旺河、美溪、上甘岭、五营。但是在2014年的显著图中我们也不难发现低低类型的地区减少至一个为桃山，并且多了一个低高类型地区是翠峦林业局，由此可见高高类型的林业局集聚水平在这三年中逐年下降。

三、黑龙江省森工国有林区的经济差异的成因分析

1.对研究区域的空间自相关检验与指标选取。由上述分析可知黑龙江省国有林区确实存在着经济差异，并且为了更好地发展国有林区的经济，我们需要对造成经济差异的成因在政府政策、人力资源投入、科技水平、经济产业结构、企业经营状况及消费水平等方面进行量化分析（牛婷，2014）。意在缩短黑龙江省国有林区经济差异，使整个林区经济协调发展。在全局自相关分析中2013年值为0.225通过了显著性水平0.05上值为1.96的显著性水平检验。表明2013年黑龙江省国有林区存在正的空间自相关，因此运用GeoDa提供的空间分析功能对黑龙江省国有林区进行经济差异成因的空间回归分析，选取40个林业局的林业人均增加值作为因变量（Y），选取8个指标作为自变量：销售总产值反映各林业局的生产经营状况（X1）；林业固定资产投资指标反映政府政策（X2）；从业人数反映人力资源投入（X3）；第一产业、第二产业、第三产业生产总值反映产业经济结构（X4、X5、X6）；专业技术人员反映科技水平（X7）；最能反映消费水平的指标是人均消费性支出，但是由于林业方面的数据不足，所以选取了在岗职工年平均工资用来间接反映消费水平（X8），以上数据均由2013年《中国林业统计年鉴》整理得到。

2.对研究区域经济差异成因的空间计量分析。为了判断空间计量经济学模型SEM空间误差模型和SLM空间滞后模型哪一个经济学模型更符合实际进行分析，首先进行OLS回归模型进行估计分析，其中Moran's I值用来检验模型是否存在空间关联性。然后进行LM检验，通过比较空间滞后模型（LM-Lag）与空间误差模型（LM-Error）的显著性，选择结果更加显著的模型进行研究分析。最后通过R2对模型的整体拟合度进行评价，但是R2并不是最适合的唯一评价准则，其中更适合的评价准则常用的有：赤池信息准则（Akaike info criterion）即AIC；似然比率准则（Likelihood Ratio）即LR；斯瓦茨准则（Schwartz criterion）即SC和自然对数似然函数准则（（Log likelihood）即Log L，其中Log L值越大，LR、AIC和SC值越小，模型拟合度越好，并且拟合度较优模型还会符合W2>LR>LM-lag或LM-error的原则（史蒙，2015）。针对自变量是否存在多重共线性问题Anselin L在19世纪初提出的准则为：多重共线性（Multicollinearity Condition Number）的值不超过30，就说明自变量间没有多重共线性问题（Luc Anselin，2007）。

根据OLS估计结果可知，Multicollinearity （24.647）<30，说明自变量之间不存在多重共线性。Moran's I值为3.823并且通过了显著性水平0.05的检验，说明模型存在空间关联性。由LM-lag（7.023）< LM-error（12.346）且值均通过了检验，同时Robust LM-error（12.346） > Robust LM-lag（0.450），且Robust LM-error通过了显著性检验，因此选择SEM空间误差模型进行研究分析。

根据判别准则由表5与表6中的估计结果可知，SC、AIC的数值都比较小而且符合W2>LR>LM-lag或LM-error即（8.6162>19.377>7.032或12.346）这一准则，所以进一步说明SEM经济学模型可以很好地阐释变量之间的关系。由表6模型估算结果可得，除了X5其他自变量均通过了的显著性水平检验，其公式为：

Y=1.575x1+1.709x2-2.312x3-6.585x4+4.817x6+0.001x7+0.261x8

+0.846

由公式可知，从业人员和第一产业与林业人均增加值为负相关，说明过剩的劳动力与第一产业对黑龙江省国有林区经济的发展起到抑制作用。林业固定资产投资、销售总产值、第三产业、专业技术人员以及在岗职工年平均工资的系数为正，表示与林业人均增加值为正相关，说明对黑龙江省国有林区经济的发展起到推动促进作用。

四、结论与对策

地理学第一定律认为，任何事物都与周边的事物有着一定的空间联系，并且还会随着空间越相近联系越紧密（鲁凤等，2007）。区域经济的发展不再只是内在的因素，也与外在周边地区的相互影响有很大关系，而且这种相互作用的关系很大程度上影响了造成经济差异的成因。传统研究区域经济的方法虽然有很多，但是都几乎是把空间的差异忽略不考虑，这样就在很大程度上使得结论有些偏颇。因此选用了ArcGIS与空间计量经济学软件GeoDa对黑龙江省国有林区经济进行科学分析。

由全局空间自相关分析可知黑龙江省国有林区经济总体呈现正自相关的经济发展趋势。在局部空间自相关分析中由Moran散点图可以看出分布在第一象限和第三象限的林业局较多，说明了各林业局之间经济差异比较明显，并且第一象限主要集中了红星、乌伊岭、汤旺河、新青、美溪、上甘岭、五营等林业局，而第三象限中沾河、通北、桦南、双鸭山等出现的次数比较多。在P=0.05的显著性水平下绘制的LISA显著性水平图和LISA集聚性水平图中可知高高类型林业局数量有所减少，但林业局变化不大；低低类型的林业局数量变化不明显但地区变化不算稳定。在对1998年、2006年以及2014年的分析结果可知，红星、乌伊岭、汤旺河、新青、美溪、上甘岭、五营，形成了稳定的高经济发展的集聚空间，成为黑龙江省国有林区经济发展的领头军。低低类型的林业局相对高高类型的林业局较少，而且它们的分布不集中，还没有形成低经济发展集聚空间。低高类型的林业局分别在1998年与2014年中出现且个数不多，显著性不明显。

在空间回归分析中可知2013年黑龙江省国有林区各林业局之间有空间关联性，并且通过对模型的筛选最终选择拟合优度较好的空间误差模型进行分析研究，根据估计结果可知第一产业和人力资本投入对于林区经济的发展有阻碍作用，资产投资、企业经营水平、第三产业、科学技术水平以及人均消费水平对经济发展有推进作用。

1.“先富带后富”加强各林业局之间的经济合作。区域经济发展是一个动态演变过程即经济发展水平较高的地区带动经济发展水平较低的地区。因此为了整个黑龙江省国有林区经济的发展，需要红星、乌伊岭、汤旺河、新青、美溪、上甘岭、五营等经济发展水平较高的林业局应起到经济带头作用，凭借自身的各种资源优势或是制度优势带动周边林业局的经济稳步发展。其他低水平发展的林业局也要以高水平发展的林业局为榜样，在借鉴成功经验的基础上根据自身发展情况制定适合自身的企业经营制度和经济发展模式，加强与高水平发展地区间的经济交流与合作，提高经济发展速度，实现高经济产业集聚到高经济产业扩散。通过着重发展经济落后地区与利用高水平发展地区的经济带动作用，来推动整个黑龙江省国有林区的经济稳步协调的进行发展。

2.优化产业结构加大第三产业产值比重。在天保二期工程的开展中，黑龙江省国有林区的经济也逐渐进入到了经济转型期，这就需要对林业产业结构进行调整。由于要与国家林业改革的政策相吻合，加大天然林的管护面积，因此不能像过去一样就地取材，靠山“吃饭”，这就需要减少以农业、林业为主的第一产业在生产总值中所占的比重。而要依托现有的天然森林资源中独有的植物和微生物以及奇异的林下产品等旅游产品，开发别具一格的、有特色的旅游业和生态服务业等第三产业。优化林业经济产业结构，逐步扩大林业产业规模，增加第三产业在总产值中的比重，从而改善企业整体的生产经营状况，促进黑龙江省国有林区经济的快速转型。

3.加强人力资本投入提高就业人员科技水平。加快经济发展需要对企业内部的生产经营制度进行全面改革，其中最主要的是生产力水平的提高。目前密集过剩的劳动力已经不能适应经济的发展，劳动力技术水平的高低才是决定着林业产业能否可持续发展的重要因素，因此企业急需加强科技投入与人力资本投入，提高劳动力素质水平与从业人员的科学技术水平。建立多种劳动力培训制度，注重企业的人才培养，加强与周边经济发展水平较高地区的人才交流，促进人才流动。提高福利待遇，积极引进高水平人才，建立科学可行的用人制度，充分调动从业人员科技创新的积极性，从而提高企业的投入产出效率，为黑龙江省国有林区经济的快速发展奠定坚实的基础。

4.加大林业投资力度鼓励居民多消费少储蓄。政府要加大对林业局的投资力度，完善投资制度，以开发林区与林区长远发展需求为投向，对于商品林与公益林的投入要有所区分，实现投入资金的合理分配。要积极争取国家贷款金额与社会各方面支持，同时发挥自身资源优势加强宣传、吸引外资，但是由于过剩的投入会带来企业经济效益低下，也要注重资金投（下转第173页）（上接第171页）入的效益及效率，实现高投入高产出。不仅为林业产业生态建设与远景规划提供资金帮助，也为黑龙江省国有林区经济的跨越式发展起到促进作用。积极发挥政府职能，协调好投资与消费之间的关系，调控市场物价水平使其保持在居民平均消费水平范围内、完善社会保障制度，减少居民的“后顾之忧”、提高居民的收入水平，这样可以有效地刺激居民多消费少储蓄，对于黑龙江省国有林区经济的增长有重要意义。

参考文献：

[1] 陈丽荣.中国林业区域经济发展差异性及影响因素研究[D].北京：北京林业大学，2011

[2] 杜霞，钱宏胜，吴殿廷.山东省县域经济的空间分异及其成因[J].城市问题，2015（8）：98-99

[3] 杜小娟，吴华意，龚健雅.基于GIS的湖北省区域经济差异空间统计分析[J].测绘信息与工程，2010.35（1）：23-24

[4] 范丽，范闯.江苏省县域经济增长的空间差异问题及其因素分解[J].江苏商讨，2015.9：84-85.

[5] 鲁凤，徐建华.中国区域经济差异的空间统计分析[N].华东师范大学学报，2007-3（2）

[6] 李建豹，白永平，罗君，黄永斌，侯成成.甘肃省区域经济差异空间分析[J].地域研究与开发，2011.30（6）：27-28

[7] 马玉秋.黑龙江省国有林区森林资源—环境—经济复合系统可持续发展预警模型构建[N].东北林业大学学报，2015（8）

[8] 牛婷.内蒙古林区经济增长的影响因素及对策[J].中国林业经济，2014（5）：19-20

[9] 史蒙.基于空间计量模型的河北省区域经济增长研究[D].河北：河北经贸大学，2015

[10] 文骁飞.基于空间统计与GIS的区域经济空间关联性分析[J].中国科技信息，2011.20（86）：146-151

[11] 余鑫星，宫少颖，吴永兴.浙江省县域经济差异的空间统计分析[J].地域研究与开发，2012.31（3）：28-29

[12] 张鑫炎.黑龙江省森工林区产业结构现状与发展对策[J].现代化农业，2014（7）：35-36

[13] Luc Asenlin.Local indicator of spatial association-LISA[J].Geographical Analysis，1995.27（2）：93-115

（作者单位：东北林业大学经济管理学院 黑龙江哈尔滨 150040）

[作者简介：田博林（1991—），女，东北林业大学经济管理学院在读硕士研究生，研究方向：林业经济统计，应用统计。通讯作者：赵晓光（1959—），男，东北林业大学经济管理学院统计系书记，副教授，研究方向：林业经济统计，应用统计]（责编：若佳）