福建省林业经营效率评价及影响因素研究——基于DEA模型、Malmquist指数和Tobit模型

王季潇, 黎元生

(福建师范大学经济学院,福建 福州 350108)

福建省林业经营效率评价及影响因素研究
——基于DEA模型、Malmquist指数和Tobit模型

王季潇, 黎元生*

(福建师范大学经济学院,福建 福州 350108)

运用DEA模型、Malmquist指数和Tobit模型，从广义林业的视角对福建省2000-2014年的林业经营效率及影响因素进行分析，并与华东地区其他省(市)展开对比。研究结果显示：(1)福建省林业经营效率总体处于较高水平，但大部分时间内无法达到DEA有效，且存在较大波动，波动主要由投入要素和外部环境两方面造成；(2)相比华东地区其他省(市)，福建省林业经营效率处于中游位置，技术进步变化指数低于平均水平；(3)林业产业结构和劳动力投入对福建省林业经营效率产生正向影响，而资本投入则产生负向影响。结合福建省林业发展实际，提出3点针对性建议：(1)推进林权改革，推动林业经营社会化；(2)加大科技创新，推进林业经营信息化；(3)强化生态优势，加快林业产业现代化。

林业经营效率；DEA模型；Malmquist指数；Tobit模型；福建省

在生态文明建设中，林业起着主体作用，是人与自然和谐的关键与纽带。福建省是我国重要林区，其森林覆盖率连续30多年全国排名第一，是全国率先开始集体林权制度改革的省份，被确定为全国首个国家生态文明试验区，推进林业改革和加快林业生态建设是当前和未来一段时间的重要任务。2016年，《福建省“十三五”林业发展规划》明确提出建设现代林业先行区的总目标[1]。在福建省林业蓬勃发展之际，深入研究福建省林业经营效率及影响因素，对于改善林业产业结构、提高林业经营效率、促进林业健康可持续发展具有重要意义，可为福建省林业政策的制定和实施提供有益参考。

一、文献综述与问题的提出

学界测算经营效率的主流方法是参数法和非参数法。其中，参数法中使用最为广泛的是随机前沿生产函数和超越对数生产函数，非参数法中使用最为普遍的是DEA模型。1978年，DEA方法由美国运筹学家查尼斯和库伯首先提出，它是一种评价相对有效性的线性规划方法，在经营效率评价研究中被广泛运用。国外学界运用DEA方法进行效率评价的研究已经有比较长的历史，不同学者就DEA方法在农业生产、电力、金融业等领域开展了大量研究，取得了丰硕的成果。将DEA方法运用于林业经营效率的测算在20世纪90年代末已经有学者进行了探索尝试，Masami、Viitala、Lebel等分别运用DEA方法，对日本、芬兰等地的森林经营效率进行研究[2-4]。21世纪以来，西方学者广泛运用DEA方法测算林业经营效率，并广受认可。

国内学界对DEA方法的研究与运用晚于国外，于20世纪90年代末才将该方法引入我国，近年来才逐渐推广使用它。目前，虽有不少学者使用DEA方法对不同领域的生产经营效率展开测算，并取得了较好的效果，但在林业经营效率方面，直到2000年前后才有学者运用规范分析的方法展开研究；而实证分析方面，个别学者则使用随机前沿生产函数和超越对数生产函数测算和分析林业经营效率[5]。近年来，使用DEA方法对林业经营效率进行评价的研究逐渐增多，成为国内测算和评价林业经营效率的主流方法。从研究对象来看，可以划分为全国、地方、森工企业等3个方面。具体来说：(1)以全国为研究对象。李春华等运用DEA模型，从横向角度测算了全国31个省份2006年的林业生产效率，并使用“投影”法进一步计算了各省份林业生产效率的优化路径[6]；田淑英等从纵向角度测算了1993-2010年全国林业投入产出效率，并深入分析了各指标的影响程度[7]。(2)以地方为研究对象。赖作卿等先后使用DEA方法中的CCR方法与超效率DEA方法对广东省21个地市的林业投入产出效率进行评价，分析指出广东省林业投入产出效率总体处于较高水平，少数城市相对较低，效率高的城市主要源于重视科技兴林和及时有效执行相关政策[8-9]；刘先运用DEA方法、Malmquist指数和Tobit模型从空间和时间两个角度，对江苏省的林业经营效率及影响因素进行研究，分析得出江苏省的林业经营效率相对较高，位于全国前列的结论[10]；高晶等在投入产出效率测算基础上拓展构建了林业可持续发展能力评价指标体系，运用DEA方法评价云南省林业可持续发展能力[11]。(3)以森工企业为研究对象。陈向华等研究测算了黑龙江省40个林业企业的全要素生产率，并使用面板数据模型分析影响全要素生产率的因素，分析得出2003-2009年黑龙江省国有林区林业企业全要素生产率总体呈下降趋势,其原因可归结为林区技术进步缓慢[12]；李维娜把DEA方法引入我国林业上市企业绩效评价中，横向对比分析了2010年13家林业上市企业的经营绩效，结果表明这13家林业上市企业总体绩效一般，但未来发展有较大的提升空间[13]；佟立志等使用DEA方法和Malmquist指数测算吉林森工集团8个林业局的生产效率，实证研究指出吉林森工集团应提高规模效率和管理水平，以集约式经营模式谋求发展[14]。

综上所述，运用DEA方法测算林业经营效率已取得一定进展，方法成熟可靠，获得国内外较高的认同，但还存在以下不足：(1)研究方法方面。现有对林业经营效率的研究大多停留在以一阶段DEA模型测算出效率值，缺少运用Malmquist指数作进一步分析，以及运用DEA-Tobit模型对影响林业经营效率的主要因素开展分析。(2)研究尺度方面。大部分研究文献局限于对特定区域的研究，缺少将研究区域放在更大的区域内进行横向比较。(3)研究空间方面。现有研究较少具体到福建省区域林业经营效率的分析，仅有林超等运用DEA模型测算2004-2013年福建省林业投入产出效率[15]，但其研究局限于狭义林业范畴，没有深入分析造成林业经营效率不高的因素及其影响程度。鉴于此，本文从广义林业出发，运用DEA-BCC模型和超效率DEA模型，对福建省2000-2014年的林业经营静态效率进行测算，分析其变化趋势；运用Malmquist指数将福建省林业经营动态效率与华东地区其他省(市)(山东省、江苏省、上海市、浙江省、安徽省、江西省)进行横向对比，探寻与林业先进省份的差距与不足；并进一步运用Tobit模型探讨福建省林业经营效率的主要影响因素。通过实证分析，客观地反映福建省林业经营的效率情况，分析其存在的问题和相应的提升对策，以期为相关部门制定政策提供一定的参考。

二、研究方法

(一)模型建立

1.DEA-BCC模型和超效率DEA模型。DEA模型，即数据包络分析法(Data Envelopment Analysis, DEA)，该方法是运用数学规划法进行计算的一种非参数方法，以决策单元(DMU)中各个输入输出指标的权重为变量进行评价和运算，计算多个输入和输出指标的DMU相对效率，以此确定有效决策单元DMU。根据不同的评价目的、评价对象，DEA方法发展出了多种延展模型，本文采用规模报酬可变的BCC模型。BCC模型在CCR模型得出的技术效率(Technical Efficiency, TE)基础上，将技术效率分解为纯技术效率(Pure Technical Efficiency, PTE)和规模效率(Scale Efficiency, SE)。

BCC模型测算结果经常会出现多个决策单元DEA有效的情形，无法对此进行排序和比较。1993年，著名学者Anderson和Peterson对此进行了改进，提出了DEA的改进模型，即超效率DEA模型(SE-DEA)，其计算出的效率值可以超过1，从而可以对多个有效决策单元进行排序和比较。

2.Malmquist指数。Malmquist指数由Malmquist在1953年提出。Caves等从1982年开始将其应用到生产效率变化的测算中。1994年开始有学者把Malmquist指数与DEA结合使用。Malmquist指数可以将效率变化分解，更好地测量各个DMU的效率变动。在规模报酬不变的情况下，Malmquist指数即全要素生产率变化(Total Factor Productivity Change, TFPC)指数由技术效率变化(Technical Efficiency Change, TEC)指数和技术进步变化(Technical Change, TC)指数组成。其中，技术效率变化指数可进一步分解为纯技术效率变化(Pure Technical Efficiency Change, PTEC)指数和规模效率变化(Scale Efficiency Change, SEC)指数。

ITFPC=ITEC×ITC=IPTEC×ISEC×ITC

其中，ITFPC表示决策单元DMU在t～t+1时期全要素生产率的变化程度。当ITFPC>1时，表示全要素生产率呈改善提高趋势；当ITFPC<1时，表示全要素生产率呈衰退下降趋势。

3.DEA两阶段法和Tobit模型。DEA两阶段法是为了进一步探究效率值的影响因素和影响程度而衍生出的进阶模型。第一阶段使用DEA方法计算出各DMU的效率值；第二阶段以第一阶段计算出的效率值为因变量，以效率的影响因素为自变量进行回归分析。使用DEA模型测算出的效率值介于0和1之间，直接使用普通最小二乘法(OLS)会产生有偏和不一致的问题。因此，本文采用Tobit模型，并运用最大似然估计法进行回归分析。Tobit模型最早由Tobin在1958年提出，Goldberger于1964年首次在研究中采用，适用于因变量受到限制情况下的回归。Tobit模型的标准形式为：

其中，Yi表示实际因变量，即第i个DMU的效率值；xt表示自变量；β0表示常数项；βt表示自变量的回归系数；μi表示独立的误差干扰项，且服从N(0,σ2)的正态分布。

(二)指标选取

使用DEA模型进行效率评价，最重要的环节是投入指标和产出指标的选定，指标及其样本选取的合理程度对评价结果有重要影响。指标选定有两方面要求：一要考虑投入指标和产出指标的质量，绝对数指标和相对数指标不宜混合使用；二要考虑投入指标和产出指标的数量，为保证模型分析结果的可信度，样本决策单元规模至少为投入指标和产出指标数量和的3倍及以上[16]。同时，因为DEA效率是一种相对效率，只要各决策单元之间具有可比性，即便所选取指标没有涵盖所有的投入或产出要素，其测算结果同样可信[17]。因此，所选取的投入指标和产出指标不必做到面面俱到，在舍去部分影响要素的情况下也不会降低DEA模型评价的最终效果。

林业有广义和狭义之分，本文将研究范围界定为广义林业，据此选择投入指标和产出指标。综合既有研究，本文选取林业系统从业人员年末数、林业年度投资完成额作为投入指标，分别代表林业生产经营中的劳动力投入、资本投入；选取林业产业总产值、当年造林面积和森林蓄积变化量作为产出指标，分别代表林业生产经营中的经济效益、生态效益。其中，反映林业土地投入的林业用地面积每5年更新一次，不列入投入指标。各指标类型、具体指标、指标符号和指标定义详见表1。

表1 林业经营效率评价指标体系

(三)数据来源

本文实证分析所用的样本数据来源于2000-2014年的《中国林业统计年鉴》《福建统计年鉴》。其中，林业年度投资完成额、林业产业总产值均按照2000年为基准的不变价格进行换算。

三、实证结果与分析

(一)林业经营效率静态分析

根据所选取的投入指标和产出指标的相关数据，运用DEA-BCC模型与超效率DEA模型，计算出各决策单元的DEA效率(表2)，即2000-2014年福建省林业经营效率。通过分析可以得出以下结论。

表2 2000-2014年福建省林业经营效率

注：(1)超效率表示使用超效率DEA模型测算的林业经营效率。(2)TEC值小于1，表示DMU非DEA有效；TEC值大于等于1，表示DMU是DEA有效。TEC值越大，DMU的技术效率越高。(3)PTEC值小于1，表示DMU纯技术效率无效；PTEC值大于等于1，表示DMU纯技术效率有效。PTEC值越大，DMU的纯技术效率越高。(4)SEC值小于1，表示DMU规模效率无效；SEC值大于等于1，表示DMU规模效率有效。SEC值越大，DMU的规模效率越高。(5)-表示规模报酬不变，irs表示规模报酬递增，drs表示规模报酬递减

数据来源:2000-2014年的《中国林业统计年鉴》《福建统计年鉴》

1.林业经营效率总体处于较高水平。2000-2014年，福建省林业经营技术效率的平均值为0.835，达到DEA有效的有4个年份(2001、2006、2010、2013年)，DEA无效的年份中技术效率变化指数最小值为0.632(2000年)。这说明福建省林业经营效率总体处于较高水平，但与田淑英等测算出的1993-2010年全国林业投入产出效率0.966相比还有一定差距[7]。

2.多数年份规模报酬递增。2000-2014年，有6个年份(2000、2002、2003、2005、2007、2014年)处于规模报酬递增阶段，说明林业经营效率有很大的增长潜力，如果扩大林业投入规模，林业经营效率能获得一定的提升；有4个年份(2008、2009、2011、2012年)处于规模报酬递减阶段和5个年份(2001、2004、2006、2010、2013年)处于规模报酬不变阶段。在规模报酬递减阶段，除了增加投入外，还要改善林业投入产出的规模结构，促使其转入规模报酬递增阶段。

3.规模效率对福建省林业经营效率影响较大。在DEA无效的11个年份中，规模效率有效的情况下纯技术效率无效导致DEA无效的只有2004年；而纯技术效率有效的情况下规模效率无效导致DEA无效的有3个年份(2002、2005、2012年)，这3个年份的投入产出结构合理，但未形成规模效应。这一方面是由于林业生产要素投入不足以满足林业生产的需要，另一方面是由于投入的林业生产要素未能得到合理利用。

超效率DEA模型对决策单元的相对效率水平作了进一步测算，各年度的经营效率水平差异更加明显，据此得出2000-2014年福建省林业经营效率变动趋势(图1)。由图1可知，从总体上看，2000-2014年福建省林业经营效率存在较大波动，在2006年和2013年达到2个高点，与田淑英等测算出的全国林业投入产出效率波动较大的情况相契合[7]。具体来看，2000-2007年与2008-2014年这2个时间段的林业经营效率变动情况相似。其中，2000-2007年的林业经营效率平均值为0.832，2008-2014年的林业经营效率平均值为0.838。这说明2000-2007年与2008-2014年这2个时间段的林业经营效率相差不大，都处于较高水平，但同时也存在较大波动。

图1 2000-2014年福建省林业经营效率变动趋势

结合福建省林业经营效率的实际情况分析可知，造成波动的原因主要来自投入要素和外部环境两方面。具体来说：(1)投入要素方面。2005年和2008年出现投资增幅超过50%，随后又大幅下降的情况，个别年份的盲目扩大投资造成资金投入波动和投资结构不合理等问题。(2)外部环境方面。福建省是全国首批集体林权制度改革试点省份，在改革过程中既有改革红利也存在困难阻碍。林权改革之初,存在经营主体多、林权分散、林权流转困难等问题，影响了福建省的林业经营效率。

(二)林业经营动态效率分析

将某一地区的效率水平放在更大的区域内进行横向比较能更好地反映该地区的发展水平，以进一步找到差距，从而有助于提升其效率水平。全国各地区的自然生态环境和社会经济基础存在较大差异，若直接将全国各省份林业经营状况进行横向比较缺少可比性。而华东地区各省(市)是我国社会经济和林业发达地区，林业生态建设位于全国前列，且自然生态环境和社会经济基础与福建省相近。因此，本文将福建省的林业经营效率与华东地区其他省(市)进行横向对比，有助于发现福建省与全国林业先进地区的差距与不足。

根据2000-2014年福建省和华东地区其他省(市)林业经营效率的相关数据，进行Malmquist指数的分解计算(表3和表4)，可得华东地区各省(市)林业经营的技术效率变化指数、纯技术效率变化指数、规模效率变化指数、技术进步变化指数与全要素生产率变化指数。

由表3可知，华东地区各省(市)林业的全要素生产率变化指数平均值为1.127；浙江省是林业全要素生产率变化指数最高的省份(1.301)；福建省林业全要素生产率变化指数为1.122，略低于平均水平，与华东地区其他省(市)相比位于第4位。可见，华东地区各省(市)林业的全要素生产率总体处于较高水平，福建省处于中游位置。从分解指标来看，技术进步变化指数对全要素生产率变化指数影响最大，福建省的技术进步变化指数与华东地区平均水平尚有差距。这说明与华东地区林业发达省(市)相比，福建省在林业技术进步和科技促生产方面还有较大的提升空间。

表3 2000-2014年华东地区各省(市)林业经营效率平均值的Malmquist指数分解

数据来源:2000-2014年的《中国林业统计年鉴》《山东统计年鉴》《江苏统计年鉴》《上海统计年鉴》《浙江统计年鉴》《安徽统计年鉴》《江西统计年鉴》《福建统计年鉴》

由表4可知，2000-2014年，华东地区林业经营全要素生产率变化指数只有3个年份小于1，说明这3年华东地区林业经营全要素生产率呈衰退下降趋势；其余12个年份的全要素生产率变化指数均大于1，说明这12年华东地区林业经营全要素生产率处于改善提升阶段；全要素生产率变化指数最大值为1.335，均值为1.127，说明从总体来看华东地区林业经营全要素生产率保持较好的增长趋势。纯技术效率变化指数和技术进步变化指数分别仅有1个和2个年份小于1，其余年份均大于1，即大多数年份处于改善提升阶段。规模效率变化指数有8个年份小于1，是全要素生产率进一步提高的阻碍因素；2007年以后规模效率变化指数整体大于1，改善提升明显，最终其平均值有0.5%的年增长率，可见今后仍要进一步注意林业经营规模的协调发展。

表4 2000-2014年华东地区林业经营效率年均值的Malmquist指数分解

数据来源:2000-2014年的《中国林业统计年鉴》《山东统计年鉴》《江苏统计年鉴》《上海统计年鉴》《浙江统计年鉴》《安徽统计年鉴》《江西统计年鉴》《福建统计年鉴》

(三)林业经营效率影响因素分析

林业经营效率除了受所选取投入产出指标影响外，还会受经济、政策、地区等因素影响，为进一步研究福建省林业经营效率的影响因素，本文采用DEA两阶段法：第一阶段使用DEA-BCC模型和超效率DEA模型测算各DMU的效率值；第二阶段以第一阶段测算的效率值为因变量，以经济、政策和地区等影响因素为自变量，采用Tobit模型进行回归分析。

1.Tobit模型变量选取。综合现有研究成果，本文选取以下3个影响因素作为Tobit模型的自变量：(1)劳动力投入(X1)，以林业系统从业人员年末数表示，预期正向影响；(2)资本投入(X2)，以林业年度投资完成额表示，预期正向影响；(3)产业结构(X3)，以林业第三产业产值占总产值的比重表示，预期正向影响。

2.Tobit模型设定。根据Tobit模型的变量选取，Tobit模型具体表达如下：

Yi=β0+β1χ1+β2χ2+β3χ3+μi

其中，Yi表示第i年福建省林业经营效率；X1、X2、X3分别表示劳动力投入、资本投入和产业结构；β0表示常数项；β1、β2、β3表示各解释变量的待估参数；μi为随机干扰项。

3.Tobit模型回归结果。运用Evisws 8.0软件对所构建的Tobit模型进行回归分析(表5)。

表5 Tobit模型回归结果

注：C表示常数项；R2表示可决系数；AdjustedR2表示调整后的可决系数；**、*分别表示在5%、10%的水平上显著

数据来源:2000-2014年的《中国林业统计年鉴》《福建统计年鉴》

根据表5的回归结果分析，Tobit模型整体显著，分析得出以下3点结论。(1)林业系统从业人员年末数与福建省林业经营效率正相关，且在10%的水平上显著。这表明增加林业生产中的劳动力投入，对福建省林业经营效率有正向促进作用。林业是一个周期性产业，也是传统的劳动力密集型产业，特别是在营林建设、生态管护等方面需要大量的劳动力投入。目前，福建省林业劳动力流出情况突出，需要充足的劳动力保证。(2)林业年度投资完成额与福建省林业经营效率负相关，且在5%的水平上显著。与预期不同，随着林业投资的增加，福建省林业经营效率降低。这表明林业投资是拉动林业生产的重要因素，但受资本的边际收益递减规律影响，当资本投入量达到一定水平出现冗余后，很难再对林业的产出发挥促进作用，反而会降低其经营效率。且在福建省林业投资不断增加的背景下，由于资金利用率较低，使得资本投入不能很好地转换为经济产出和生态产出。因此，在福建省林业产业经营中，要合理确定资本投入，更多地依靠林业技术进步来拉动林业经营效率的提升。(3)林业第三产业产值占总产值的比重与福建省林业经营效率正相关，且在5%的水平上显著。这表明福建省的林业产业结构越升级优化，林业经营效率越高；相比劳动力投入和资本投入，产业结构对林业经营效率的提升影响最显著。福建省林业产业要抓住生态省建设的有利契机，围绕区域林业的生态特色，继续大力发展林业第三产业，不断升级并优化产业结构。

四、结论与建议

(一)结论

本文运用DEA-BCC模型和超效率DEA模型，测算了福建省2000-2014年林业经营静态效率，分析了其变化趋势；运用Malmquist指数将福建省林业经营动态效率与华东地区其他省(市)进行横向对比；并进一步运用Tobit模型分析了福建省林业经营效率的主要影响因素。通过实证分析得到以下3点结论。

1.福建省林业经营效率总体处于较高水平，但大部分时间内无法达到DEA有效；林业经营依然还有上升空间，需要进一步优化提升；规模效率对福建省林业经营效率影响较大；福建省林业经营效率存在较大波动，造成波动的原因主要来自投入要素和外部环境两方面。

2.在与华东地区其他省(市)林业经营效率的对比中，福建省处于中游位置，全要素生产率变化指数略低于平均水平，主要原因在于技术进步变化指数低于平均水平,而全要素生产率提高主要是基于技术进步，规模效率变化指数则是全要素生产率进一步提高的阻碍因素。

3.福建省林业经营效率的影响因素中,劳动力投入和产业结构对福建省林业经营效率产生正向影响，资本投入则产生负向影响。

(二)建议

福建省是我国重要的林产基地，也是全国林业生态建设的一面旗帜[18]，2002年率先开始的集体林权制度改革为全国提供了积极有益的“福建经验”。《福建省“十三五”林业发展规划》明确提出建设现代林业先行区的总目标[1]。为了加快福建省林业向现代林业战略转型，促进林业经济与生态环境协调发展，本文在上述分析的基础上提出如下3点建议。

1.推进林权改革，推动林业经营社会化。具体可从以下3个方面着手：(1)林业政策方面。继续深化集体林权制度改革，从以明晰产权为主的林权改革向以生态建设为主的综合性改革转变，做到林地所有权、承包权和经营权分置，促进林地经营权流转；坚持一张蓝图绘到底，保持林业优惠政策的持续性，减小政策因素给林业投入带来的波动；大力培育新型林业经营主体，推广家庭林场、股份林场、专业合作社、“公司+基地+林农”等多种新型经营形式，提升林业规模化经营程度。(2)林业投入方面。针对林业发展投入不足的问题，积极探索林业金融产品创新，做好林业金融服务，在各县区建立林业金融服务中心，可借鉴三明市林改经验，建立森林资源资产评估、森林保险、林权监管、收购处置、收储兜底等“五位一体”的金融服务与风险防控体系；搭建省级林业投融资平台，运用多元化的PPP项目融资模式，完善林业基础设施建设，鼓励社会资本进入林业生产经营领域，建立生态林业发展专项基金用于生态林业建设。(3)林业社会化管护方面。针对福建省山区林业营造、管护人员缺乏等问题，探索林业管护社会化改革，在原集体护林队的基础上，成立社会化的专业林业管护公司，面向社会提供森林管护有偿服务；与林业局、森林公安等执法部门联动开展森林巡查，采用视频监控、GPS定位、无人机巡查等方式进一步提高森林管护的科学水平。

2.加大科技创新，推进林业经营信息化。具体可从以下2个方面着手：(1)林业科技创新方面。继续坚持科技兴林，保持对林业科技研发的投入，加强林业科技推广与应用，促进林业科技创新成果惠及林农，将技术进步转化为生产力进步，发挥技术进步对林业全要素生产率的拉动作用。其中，对于林业企业，应鼓励其独立自主进行科技创新，以技术创新为引领，研发新品种，开发新产品；对于科研院所，要优化科技成果构成，重点研发林农关心的良种选育、林木速生丰产、病虫害防治等技术。(2)林业信息化建设方面。加大软硬件投入，打造林业电子监测系统，通过电子监控、GIS系统等技术的综合运用，逐步实现全省森林资源一体化电子监测；打造“互联网+林业”，建立全省森林资源信息数据库，融合森林公安、林权流转、森林管护、林务管理、动植物保护等领域，实现多功能、多业务的“一站式”管理。

3.强化生态优势，加快林业产业现代化。具体可从以下2个方面着手：(1)林业生态保护方面。完善林业生态制度建设，健全森林生态补偿制度，确立合理的补偿标准，构建与工资物价水平相挂钩的补偿标准动态调整机制。同时，全力推进重点生态区位商品林赎买制度，逐步实现重点生态区位内商品林调整为生态公益林的目标，将林农的生态资源转换为生态资本，保护林农应得利益，使社会生态效益和林农经济效益双协调。(2)林业产业结构升级方面。充分发挥福建省的生态优势，继续打造“清新福建”的旅游品牌，探索多样化的自然资源价值实现方式，重点围绕林区生态旅游发展林业第三产业。大力发展林下经济，各地应因地制宜,引导林农发展具有本地特色的林下种植业,在全省打造花卉苗木、中草药、油茶等特色绿色富民产业。延伸产业链，向下游高附加值产业发展，从原有的林木产品生产向生物医药、文化创意产业发展，从初加工向精加工、全产业链整合发展。如在重要竹产区永安，进一步实现从低层次的竹资源培育、竹产品加工，到高层次的竹创意产品、竹文化旅游等多产业发展，建设和完善中国竹具城和笋竹品交易中心，举办竹具产品博览交易会。积极发展碳汇林业,各地市可探索成立碳汇专项基金和碳汇林业服务平台,加强与第三方碳汇服务机构的合作，加强碳汇项目储备，重点发展森林经营碳汇项目。

[1]福建省“十三五”林业发展规划[J].福建林业,2016(5):9-11,28.

[2]MASAMI S. Measuring the efficiency of managerial and technical performances in forestry activities by means of data envelopment analysis (DEA)[J]. Journal of Forest Engineering,1997,8(1):7-19.

[3]VIITALA J, HANNINEN H. Measuring the efficiency of public forestry organizations[J]. Forest Science,1998,44(2):298-307．

[4]LEBEL L, STUART W. Technical efficiency evaluation of logging contractors using a nonparametric model[J]. Journal of Forest Engineering,1998,9(2):15-24.

[5]刘璨,任鸿昌,薛同良,等.苏北平原地区森林贡献与效率测算及分析[J].林业科学,2005,41(5):8-13.

[6]李春华,李宁,骆华莹,等.基于DEA方法的中国林业生产效率分析及优化路径[J].中国农学通报,2011,27(19):55-59.

[7]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):1944-1950.

[8]赖作卿,张忠海.基于DEA方法的广东林业投入产出效率分析[J].林业经济问题,2008,28(4):323-326.

[9]赖作卿,张忠海.基于DEA方法的广东林业投入产出超效率分析[J].华南农业大学学报(社会科学版),2008,7(4):43-48.

[10]刘先.基于DEA方法的江苏省林业生产效率研究[D].北京:北京林业大学,2014.

[11]高晶,麦强盛.基于DEA方法的云南省林业可持续发展能力评价[J].林业经济问题,2014,34(3):275-280.

[12]陈向华,耿玉德,于学霆,等.黑龙江国有林区林业产业全要素生产率及其影响因素分析[J].林业经济问题,2012,32(1):50-53,59.

[13]李维娜.基于DEA方法下的林业上市公司绩效评价研究[D].哈尔滨:东北林业大学,2012.

[14]佟立志,万志芳.吉林森工集团林业局的生产效率研究——基于DEA和Malmquist指数分析法[J].中国林业经济,2011(3):53-57.

[15]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,2016,16(4):16-20.

[16]PEDRAJA F, SALINAS J, SMITH P. On the quality of the data envelopment analysis model[J]. Journal of the Operational Research Society,1999,50(6):636-644.

[17]魏权龄.数据包络分析(DEA)[J].科学通报,2000,45(17):1793-1808.

[18]黄旺生,林洁.福建林业生态建设若干问题的思考[J].福建农林大学学报(哲学社会科学版),2014,17(1):64-67.

(责任编辑: 林安红)

EfficiencyevaluationsandinfluencingfactorsofFujian′sforestry—BasedonDEAmodel,MalmquistindexandTobitmodel

WANG Ji-xiao, LI Yuan-sheng*

(CollegeofEconomy,FujianNormalUniversity,Fuzhou,Fujian350108,China)

DEA model, Malmquist index and Tobit model are applied to measure the efficiency and influencing factors of Fujian′s forestry from 2000 to 2014 from the perspective of generalized forestry, and compared with provinces and cities in East China. The results show that: (1)Fujian′s forestry efficiency overall is at a high level, but cannot achieve effective DEA mostly time, and there is a relatively large fluctuations, which mainly caused by inputs elements and the external environment; (2)compared with provinces and cities in East China, Fujian forestry efficiency is in a middle position, and technical change index is below the average; (3)the forestry industrial structure and labor input have positive impact on Fujian′s forestry efficiency but capital investment has reverse impact. Combined with the actual development of Fujian′s forestry, three suggestions are proposed: (1)promote the reform of forestry property right, boost the socialization of forestry management; (2)increase forestry scientific and technological innovation, promote the informatization of forestry management; (3)strengthen the ecological advantages, accelerate the modernization of forestry industry.

forestry efficiency; DEA model; Malmquist index; Tobit model; Fujian

F326.27

A

1671-6922(2017)05-0064-08

10.13322/j.cnki.fjsk.2017.05.011

2017-05-07

国家社会科学基金项目(12BKS043)；福建省科技厅项目(2016K0097)。

王季潇(1991-),男，硕士研究生。研究方向：生态经济、区域协调发展。

*为通信作者。