黑龙江省国有重点林区林业经济发展影响因素的空间面板实证分析

赵晓光，赵佳欢

黑龙江省国有重点林区林业经济发展影响因素的空间面板实证分析

赵晓光，赵佳欢

（东北林业大学 经济管理学院，黑龙江 哈尔滨150040）

在考虑空间相互影响的前提下，分析黑龙江省国有重点林区林业经济发展的影响因素。以2005－2015年黑龙江省国有重点林区40个林业局有关林业经济发展的面板数据为对象，采用Moran’s I指数和空间面板计量经济模型对其空间依赖关系及影响因素进行实证分析。结果表明，黑龙江省国有重点林区林业经济发展存在明显的空间集聚特征，且人力资源投入量、森林资源和产业结构对黑龙江省国有重点林区林业经济发展存在显著的正向影响。结合黑龙江省国有重点林区现状，提出优化林区人力资源结构、改革森林经营和森林资源管理体制、推进林区产业转型等加快黑龙江省国有重点林区林业经济发展的对策建议。

国有重点林区；影响因素；空间相关性；空间面板计量经济模型

黑龙江省国有重点林区是全国重点国有林区之一，同时也是我国面积最大的重要天然林区和森林工业基地，其林业经济的发展对黑龙江省乃至全国林业经济的发展起着举足轻重的作用。近年来，随着天保工程和国有重点林区商业性禁伐的全面展开，林区森林资源质量和生态保障能力已得到大幅度的提升，林区林业经济的发展开始进入一个全新的时期；另一方面，原有依靠林木资源的林业经济发展模式已逐渐退出历史舞台，林区的经济发展将呈现出一片崭新的面貌[1]。在林区经济转型的新时期，林区的经济发展和生态建设取得了明显的成效，但同时，由于林区森林资源枯竭、生产要素缺乏以及产业集聚规模不够等原因，给林区的经济发展带来了巨大的挑战，使得黑龙江省国有重点林区整体的经济发展速度缓慢。因此，找到影响林区林业经济发展的关键性因素，同时对影响因素进行详细分析，制定相应的策略，为国有重点林区林业经济发展奠定良好的基础，促进其快速增长也显得尤为重要。

通过对文献进行归纳分析，发现众多学者对国有重点林区林业经济发展的研究成果较为丰富，有些研究比较深入，具有一定的理论及指导意义。李微等[2]根据2009年的截面数据对伊春国有林区诸多影响因素运用主成分分析方法进行降维处理，分析得出产业结构、资本、消费需求是影响伊春国有林区林业经济增长的主要因素。宋洪峰等[3]采用1994－2007年南方集体林区10个省份的统计数据，在模型构建上将原有的C-D模型进行拓展，加入对外贸易、财政预算和经济产业结构等变量，对南方集体林区林业经济增长的影响因素进行面板数据分析，结果表明，人力资本存量和固定资本存量对林区林业经济增长具有显著推动作用。朱振锋等[4]以黑龙江省国有重点林区为对象，采用2003－2014年林区多变量面板数据，通过构建主成分回归方程对转型发展的因素体系进行降维处理，在此基础上进一步运用多元线性回归对国有林区转型发展的影响因素展开深入研究，研究表明劳动生产率对林区转型发展的影响最为显著，同时指出经济转型、生态建设过渡及体制改革是黑龙江省国有重点林区未来一段时间内面对的重要课题。上述研究对国有重点林区林业经济发展的影响因素作了充分的分析，实证分析方法也在向较多元化的方向发展，但仍存在不足，大部分研究更侧重转型改革和林业产业制度，对影响因素的指标选择仍存在一定的局限性；大多数研究采用单一的时间序列分析或常规面板数据分析，没有从时间和空间维度综合考虑，忽视了国有重点林区林业经济发展在地理空间上的依赖性和经济发展溢出效应，容易使模型设定存在误差，难以得出令人信服的结论。

鉴于此，以2005－2015年黑龙江省国有重点林区40个林业局林业经济发展影响因素的面板数据为研究对象，以森林资源、消费水平、产业结构、投资水平和人力资源投入量等为解释变量，构建黑龙江省国有重点林区林业经济增长影响因素的空间面板计量经济模型，同时运用Opengeoda和Matlab R2014a软件从空间角度剖析黑龙江省国有林区林业经济发展的影响因素、影响效果和影响机理，并以此为基础找到影响林区林业经济增长的主次因素，为有效推进黑龙江省国有重点林区林业经济转型与加快林业经济发展提出更加具有针对性的建议。

1 数据来源与分析方法

1.1 指标和数据的选取

为更加准确和全面地反映黑龙江省国有重点林区林业经济发展的影响因素[5-6]，在原有文献指标选取基础上，考虑到40个林业局相关数据的可获得性与平稳性原则，从资源、消费、结构、投资等层面构建了影响林区林业经济发展的指标体系，包括人均林业产业增加值Y表示被解释变量；反映该地的森林资源的森林管护面积X1（hm2）和森林抚育面积X2（hm2），考虑到林业数据的可获得性原则，将在岗职工年平均工资X3（元·a-1）作为衡量该地消费水平的指标；为消除三次产业间的显著相关性，且三次产业产值中第一产业与第二产业产值占比较高，把第一、第二产业产值之和占三次产业总产值的比重 X4（%）作为反映该地的产业结构状况的指标；林业固定资产投资自年初累计完成额X5（万元）反映该地的投资水平；林业系统年末在岗职工人员数X6（人）反映该地的人力资源投入量。

考虑到统计口径的一致性，运用2005－2015年《中国林业统计年鉴》和黑龙江省森林工业综合统计资料汇编的相关数据进行实证分析。

1.2 分析方法

1.2.1 空间自相关分析 空间自相关性可以看作是一种反映集聚现象的尺度，某一变量在空间上发生集聚，意味着在一定区域内，这一变量在各个地域单元之间具有自相关性即某一地域单元该变量较高（低），其周围地域单元该变量也较高（低）。通常我们采用全局Moran’s I指数法对空间集聚特征进行度量，计算公式为[7-8]：

Moran’s I取值范围为[-1，1]，其值大于零时，表明区域变量值呈现正的空间相关性，反之，则表明负的空间相关性，当Moran’s I的值趋近于0时，则表明区域变量值是随机分布的，或者不存在空间相关性，区域变量值的空间相关性随着Moran’s I值的增大而增强。

2.2.2 空间面板计量模型的设定 为进一步确定空间相关性的种类是延迟性的相关还是误差性的相关，需要进一步运用空间面板计量模型进行最终模型的选择和估计。运用空间面板数据模型分析问题的重点是建立合适的空间权重矩阵，空间权重矩阵可以有效地表达空间关系，它是空间各单元之间的依赖关系的一种量化表现方式[9]。比较常见的权重矩阵主要有两种，一种是0-1矩阵，该设置的前提条件是两个区域在地理上是否相邻，如果相邻，则权重设置为1，反之则为0。另一种是地理权重矩阵，以两地区间地理距离的倒数来设定[10]。通过实证试算及比较，本研究的空间权重矩阵Wij选用的是地理空间权重矩阵实证效果较好。基于传统的C-D生产函数研究思路，即一个地区的经济增长在受到劳动力影响的同时也受到资本的影响，在模型构建时将其与当前空间计量经济学中较为常用的两类模型空间滞后模型与空间误差模型相结合[11]，构建黑龙江省国有重点林区林业经济发展的空间面板计量模型。

（1）空间滞后面板模型：

式中，Wij代表空间权重矩阵中的元素，ρ是空间自回归系数，反映区域变量值的空间依赖作用。

（2）空间误差面板模型：

式中，itε代表误差项，λ是空间误差系数。当区域间的相互作用因所处位置存在差异时采用空间误差模型。

空间滞后面板模型反映变量值在所研究区域是否存在空间溢出效应，空间误差面板模型反映区域变量值的差异性[12]。在实证部分将空间滞后面板模型与空间误差面板模型的估计结果同时列出，进而根据估计结果的显著性水平进行最优模型的选取。

2 实证研究

2.1 空间自相关分析

本研究选取地理空间权重矩阵，利用Opengeoda软件计算了黑龙江省国有重点林区40个林业局2005－2015年间人均林业产业增加值的全局Moran’s I指数值，计算结果如表1所示。由表1可知，2005－2015年黑龙江省国有重点林区人均林业产业增加值的Moran’s I指数值均大于零且都通过了5%的显著性检验，其变化趋势如图1。由图1可以看出，其变化经历了“上升—下降—再上升”的过程，各年份Moran’s I指数值均高于0.2，说明黑龙江省国有重点林区林业经济发展在空间分布上具有一定的正向空间自相关性，且2010年和2015年表现出相对较强的正自相关性，进一步表明黑龙江省国有重点林区林业经济发展在空间上并不是呈随机分布的，而是在整体上具有一定的空间集聚特征，其中林业经济发展较为相似的地区在地理上呈现出一定的集聚特征，即人均林业产业增加值低的区域在地理上相互邻近，人均林业产业增加值高的区域在地理上也相互临近。

表1 2005－2015年人均林业产业增加值全局Moran’s I指数Table 1 Moran’s I spatial index of per capita forestry industry value added of 40 forestry bureaus during 2005－2015

黑龙江省国有重点林区 40个林业局中归属伊春林管局的有：红星、上甘岭、友好、翠峦、铁力、乌伊岭、汤旺河、五营、乌马河、新青、美溪、带岭、桃山、双丰、金山屯、南岔、朗乡，共17个林业局；归属松花江林管局的有：山河屯、苇河、亚布力、方正、兴隆、绥棱、通北、沾河，共8个林业局；归属合江林管局的有：桦南、双鸭山、鹤立、鹤北、东方红、迎春、清河，共7个林业局；归属牡丹江林管局的有：大海林、柴河、东京城、穆棱、绥阳、海林、林口、八面通，共8个林业局。

由于全局 Moran’s I总值不能突出局部地区的经济相关程度[13]，选取了2005年和2015年两个年份黑龙江省国有重点林区40个林业局的局部Moran散点图进行分析（图2和图3）。

图1 2005－2015年全局Moran's I指数折线图Figure 1 Moran’s spatial index during 2005－2015

图2 2005年人均林业产业增加值的Moran散点图Figure 2 Moran scatterplots for per capita forestry industry value added in 2005

图3 2015年人均林业产业增加值的Moran散点图Figure 3 Moran scatterplots for per capita forestry industry valueadded in 2015

由图2和图3可知，2005年共有21个林业局落在第一象限和第三象限，占林业局总数的52.5%，2015年共有25个林业局落在第一象限和第三象限，占总数的62.5%，该结论与总局Moran’s I指数所得结论是一致的。将两个年份Moran’s I散点图中第一、第三象限即高高象限和低低象限所对应的林区对比见表2。在这两个年份中均处在第一象限即高高类型的林业局有穆棱、南岔、金山屯、美溪、红星和新青林业局，均处在第三象限即低低类型的林业局有柴河、桦南、双鸭山、鹤立、双丰和朗乡林业局，第二象限即低高类型的林业局由2005年的10个减少到2015年的7个，第四象限即低低类型两个年份的林业局数基本相同。对比两个年份Moran's I指数散点图的变化，不仅可以更加深入分析各个林业局的空间动态变化过程，还可以总结不同集聚特征下各林业局的特征。其中，鹤北林业局和乌马河林业局由于受到美溪林业局林业经济快速增长的影响，由低低类型转移到高高类型，其林业经济发展得到了较明显的提高，同时由于近年来天保工程一期和二期工程的实施，很多林业局借助自身充足的资源，大力发展森林食品、森林旅游等产业，由此与周边的林业局经济发展形成了一定的差距，这就导致一定数目的林业局处在低高类型和高低类型的集聚状态。

表2 2005 和2015年人均林业产业增加值Moran’s I散点图对应林区Table 2 Forested areas in Moran scatterplots for per capita forestry industry value added in 2005 and 2015

2.2 空间面板计量模型分析

利用黑龙江省国有重点林区2005－2015年40个林业局的面板数据运用Matlab R2014a软件建立模型并进行估计，确定选择模型进行实证分析。具体步骤如下：首先用 Hausman检验对固定效应和随机效应进行选择，空间滞后面板模型的检验结果为-3.030 4（P值为0.387 0）；空间误差面板模型的检验结果为16.682 1（P值为0.053 9）。由检验判别准则可知，选择固定效应进行空间面板计量模型的估计。

通过LM检验对空间滞后模型和空间误差模型进行判断，确定最终模型[14]，检验结果见表3。

表3 空间自相关性检验结果Table 3 Test for spatial autocorrelation

由表3可知，LM-lag和LM-error值分别为855.224 9 （P值为0.000），839.578 4（P值为0.000），Robust LM-lag和Robust LM-error值分别为20.426 7（P值为0.000），4.780 2（P值为0.029）。由此可知，基于“地理”空间权重矩阵的面板数据空间相关性检验中LM-lag，Robust LM-lag和LM-error的检验值均通过1%的显著性检验，结果都是统计显著的。但Robust LM-error所对应P值为0.029，没有通过1%显著性水平的检验，所以本文选择空间滞后面板模型进行分析。

空间滞后面板模型与空间误差面板模型的参数估计结果见表4。由表 4可知，空间滞后面板模型与空间误差面板模型的拟合优度系数均高于普通面板回归模型的拟合优度值；普通面板模型由于忽略了空间效应，其结论存在一定的误差。其次通过对比log-likelihood统计量值，发现空间滞后面板模型的效应log-likelihood为-2 298.482 1优于普通面板模型的-2 483.788 5和空间误差面板模型的效应的-2 307.299 6。从模型参数估计结果来看，空间误差面板模型的估计结果中有较少的变量通过了5%显著性水平检验。而相比之下，空间滞后面板模型的大部分变量都通过了5%的显著性检验，其估计效果更加显著。因此选择固定效应的空间滞后面板模型进行研究分析。由表3固定效应的空间滞后面板数据模型的结果可知，除在岗职工年平均工资（X3）和林业固定资产投资自年初累计完成额（X5）在10%的显著性水平下不显著外，其余变量系数都通过了10%显著性水平下的假设检验。通过对表中数据进行深入分析可得到以下结论，首先，空间滞后面板模型的自回归系数为0.248 7，显著为正，且在1%显著性水平下拒绝原假设，这表明黑龙江省国有重点林区临近林业局间林业经济发展存在比较明显的空间溢出效应，林业经济发展水平较高的林业局会带动周边的发展，受到正向溢出效应的影响，同时表明采用空间面板计量模型更加符合研究区域的实际情况。从空间溢出效应角度，根据表4结果分析上述因素对黑龙江省国有重点林区林业经济发展影响，结果显示，人力资源投入量、森林资源和产业结构最为显著，是黑龙江省国有重点林区林业经济发展的重要推动力。其中，林业系统年末在岗职工人员数（X6）每增加1%，能促使林业经济增长平均速率上升0.269 5%；森林管护面积（X1）和森林抚育面积（X2）的参数估计值分别为0.000 6和0.143 9，且在5%的显著性水平下显著，说明黑龙江省国有重点林区林业经济的增长离不开森林资源这一关键性因素，可以说是体现在以森林资源为依托发展起来的各行各业；产业结构对黑龙江省国有重点林区林业经济的发展起着举足轻重的作用，其中第一、第二产业产值之和占三次产业之和的比重（X4）在1%显著性水平下均高度显著。林业固定资产投资和消费水平对黑龙江省国有重点林区林业经济发展的影响效果不显著，林业固定资产投资自年初累计完成额每增加1%，黑龙江省国有重点林区林业经济增长平均速率上升0.037 2%；而林业在岗职工年平均工资（X3）每增加1%，林业经济发展平均速率上升0.005 2%。

表4 基于地理空间权重矩阵的空间面板数据模型的参数估计Table 4 Parameter estimation by spatial panel data model based on geological spatial weight matrix

3 结论与讨论

3.1 结论

实证分析结果表明，2005－2015年黑龙江省国有重点林区林业经济发展在整体和局部上都具有比较明显的空间集聚特征，主要表现为林业经济发展水平相似的地区有一定的集聚特征。从2005和2015年Moran散点图可知，大部分林业局分布在第一象限和第三象限，说明各林业局之间存在比较明显的差异性，穆棱、南岔、金山屯、美溪、红星和新青林业局在两个年份的Moran散点图中均处于第一象限，形成了高高类型的聚集空间，均处在第三象限即低低类型的林业局有柴河、桦南、双鸭山、鹤立、双丰和朗乡林业局。之后通过空间面板计量模型选择空间滞后面板数据计量模型进行估计，结果表明，黑龙江省国有重点林区各林业局之间林业经济发展存在明显的空间溢出效应，林业经济发展是森林资源、消费水平、产业结构、投资水平和人力资源投入量共同作用的结果，并且各要素影响均为正向推动作用，但推动效果有主次之分。影响黑龙江省国有重点林区林业经济发展前三位的因素分别是人力资源投入量、森林资源和产业结构，林业固定资产投资和消费水平两个因素对黑龙江省国有重点林区林业经济发展的作用效果并不显著。

3.2 讨论

第一，人力资源是黑龙江省国有重点林区实现林业经济可持续发展的重中之重，决定着其发展的方向和程度。黑龙江省是林业大省，在国家林业中有特殊的地位，但由于林区人力资源开发、管理的严重滞后，导致黑龙江省国有重点林区经济发展相对缓慢。近年来随着科技水平的提升，科学技术在林业中的应用的越来越广泛，黑龙江省国有重点林区应建立合理的人力资源制度，重视激励制度在人力资源开发和管理中的作用，加大对林场职工的培训力度，优化林区的人力资源结构。注重对林区的人员管理，着重提高林区专业人员的综合素养，提升林区人力资源的整体素质。

第二，森林资源作为林业经济发展的重要物质基础，对林业经济发展的作用尤为重要。天然林保护工程的实施为我国重点国有林区强化森林经营和资源管理提供了借鉴和经验，黑龙江省国有重点林区应在总结重点国有林区开发建设经验教训的基础上，以推进林区森林经营、改革林区森林资源管理体制为切入点，借鉴国外森林经营和森林资源的成功做法和经验，提高林区森林经营与森林管理水平、完善林区森林资源的功能结构，重新设计黑龙江省国有重点林区森林经营和森林资源管理体制的新模式，使森林资源质量和生态保障能力全面提升。

第三，产业结构作为影响黑龙江省国有重点林区林业经济发展的一大重点因素，其调整与优化也显得越来越迫切。林区应根据林业发展的特点和规律，遵循相关的经济政策对林区进行产业结构的调整与优化，在确定与培育主导产业的同时，也不能忽视对衰退产业的扶持与引导，大力发展林区的生态旅游业、木材加工业等环保低碳产业，打造出当地的特色产业，同时积极发展绿色富民产业。推进国有林区资源优化配置和产业转型。努力使林区形成一定规模的产业发展模式，达到黑龙江省国有重点林区产业结构合理化和高度化的目的。

[1] 耿玉德，万志芳. 黑龙江省国有林区林业产业结构调整与优化研究[J]. 林业科学，2006（06）：86－93.

[2] 李微，万志芳. 东北内蒙古国有林区林业产业结构优化与政策建议[J]. 农业现代化研究，2014（02）：173－177.

[3] 宋洪峰，王刚，陈建成. 南方集体林区林业经济增长因素分析[J]. 林业经济，2013（12）：88－93．

[4] 朱震锋，曹玉昆，王非. 中国重点国有林区转型发展的影响因素分析[J]. 生态经济，2016（11）：103－107．

[5] 李微，万志芳，郑丽娟. 伊春国有林区林业经济增长影响因素分析[J]. 林业经济，2011（12）：67－70.

[6] 陶英霞. 试论我国国有林区林业经济增长影响因素[J]. 现代经济信息，2014（03）：282.

[7] 严莹莹. 空间计量模型及其在我国的应用研究[D]. 武汉：华中科技大学，2012．

[8] 邵建利，宋宁，刘凯杰. 基于我国第三产业区位分布的空间效应研究[J]. 统计与决策，2016（05）：108－113．

[9] 曹彦，何东进，纪志荣.中国省域林业经济发展影响因素的空间面板计量经济分析[J]. 林业经济，2016，（05）：66－70，90.

[10] 张翠菊，张宗益. 中国省域产业结构升级影响因素的空间计量分析[J]. 统计研究，2015（10）：32－37.

[11] 赵丹妮. 广东省区域经济增长影响因素的空间计量分析[J]. 统计与决策，2015(15)：101－104.

[12] 谭朵朵. 中国省域保险业发展影响因素的空间计量分析[J]. 统计与信息论坛，2011（01）：37－43．

[13] 田博林. 黑龙江省国有林区局域经济差异的空间统计分析[D]. 哈尔滨：东北林业大学，2016.

[14] 文嫮，胡兵. 中国省域文化创意产业发展影响因素的空间计量研究[J]. 经济地理，2014（02）：101－107.

Spatial Panel Analysis on Factors Influencing Forestry Economic Development in Key State-owned Forested Areas in Heilongjiang Province

ZHAO Xiao-guang，ZHAO Jia-huan
（College of Economics and Management, Northeast Forestry University, Harbin 150040, China）

Analysis was made on factors to influence forestry economic development in key state-owned forested areas in Heilongjiang province with consideration of the spatial interaction. Empirical analysis was carried out on the panel data of forestry economic development from 40 forestry bureaus in Heilongjiang province from 2005 to 2015, using the Moran's I spatial index and spatial panel econometric model for spatial interation and influence factor. The results showed that the forestry economic development of state-owned forested areas in Heilongjiang province had obvious spatial agglomeration, and human resources, forest resources and industrial structure had evident positive relation with forestry economic development in Heilongjiang. Countermeasures were put forwarded such as optimization of human resources structure, reform of forest management and forest resources adminstration, promote the transformation of forestry industry.

key state owned forested area; influencing factors; spatial correlation; spatial panel econometric model

S757.9

A

1001-3776（2017）05-0054-07

10.3969/j.issn.1001-3776.2017.05.009

2017-05-09；

2017-08-07

赵晓光，副教授，硕士生导师，从事林业经济统计与应用统计研究；E-mail：489089309@qq.com。通信作者：赵佳欢，硕士研究生，从事林业经济统计与应用统计研究；E-mail：870636544@qq.com。