技术进步与林业经济增长——基于2001—2014年中国27个省份的数据

张自强

(贵州大学旅游与文化产业学院，贵州贵阳 550025)

一、引 言

生态安全与木材安全事关国家安全与社会稳定，特别是“党的十八大”以来，生态文明被国家上升到新的战略高度，林业肩负着改善生态环境和满足社会对木材多元化需求的双重使命。据《全国第八次森林资源清查》显示，生态公益林面积占比近60%，天然林面积和蓄积量不断增加，森林生态功能逐渐增强。然而，用材林中可采面积仅占13%，可采蓄积仅占23%，现有质量好的宜林地只占10%，可利用资源少。更严重的是，随着城镇化与工业化的推进，各类违法违规建设侵占的林地面积年均超过了13万公顷，其中约一半是有林地，导致可出材的林地面积减少。可见我国木材的自我供给能力较弱，满足木材需求要依赖于进口，对外依存度已接近50%且呈现不断加大的趋势，木材安全形势严峻，这引起了国家的重视。早在2013年的中央一号文件中就明确提出“加强国家木材战略储备基地建设”。考虑到立地条件差、林地生产力低①《中国林业统计年鉴(2014年)》显示:2000—2015年，林业投入产出率维持在25%左右，为农林牧渔业中最低。的资源禀赋，国家一直致力于依靠技术进步来改善林地产出效率，从而提高木材的自我供给能力。对此，国家林业局在2016年发布的《林业科技创新“十三五”规划》中强调要建设国家林业科技创新体系。那么，营林技术进步速度到底如何?技术进步对营林产值增长的贡献水平又怎样?

对技术进步的讨论，一直是经济增长研究领域中的一项重要内容[1]。关于技术进步及其贡献的测算方法也比较多，较早的方法是基于C-D生产函数的扩展来测算。在经济学家看来，任何足以使生产函数移动的力量，都是技术进步[2]。Sherif[3]以北美纸浆和造纸行业为例，利用超对数总成本模型分析了技术变化对产出的影响。Varian[4]发现由于超对数模型的参数形式不能直接测算，这种估计方法在未知真实技术条件下很难确定一个合适的参数估计模型。对此，Lundmark[5]发展出一个可变的要素投入与产出模型，测算了瑞典造纸行业的技术效率。吴成亮等[6]以广东省为例，采用索洛余值法来测算了1991—2005年间的林业科技进步贡献。孔凡斌等[7]基于2002—2011年全国31个省份的数据，运用扩展的C-D生产函数结合索洛余值法，测算得出林业科技进步的平均贡献率为15.34%。赵锦勇等[8]基于C-D生产函数的估计发现，技术进步对增加劳动力在林业收入中的贡献率存在较大影响。

除此之外，通过测算技术效率与生产前沿面的距离来反映产出效率的方法最为常见，包括数据包络分析法(DEA)和随机前沿生产函数法(SFA)。Lebel等[9]以23个伐木工的工作量为例，运用DEA测算了技术效率水平及效率冗余程度。由于通过DEA测算的效率值对异常值非常敏感，所以Latruffe等[10]研究认为将偏离生产前沿面的效率值定义为无效率是不合理的，因为这种偏离可能是误差引起的。尽管如此，DEA还是因为不需要考虑具体的函数形式和误差分布而运用较广。赖作卿等[11]以广东省为例，利用DEA测算了21个城市的林业投入产出效率和技术效率。李桦等[12]基于福建与江西的林农跟踪调查数据(2007—2011年)，运用三阶段DEA测算发现，林农商品林生产的纯技术效率为35.96%，综合技术效率比较低。黄安胜等[13]基于2004—2012年中国省际面板数据，通过DEA-Malmquist指数测算得出，中国林业全要素生产率增长的主要动力来源于技术进步，技术进步速度与技术效率分别为14.1%和1.3%。然而，值得强调的是在测算效率值方面SFA能够弥补DEA的不足，是一个受限制较少的估计方法而更受欢迎[14]。田杰等[15]基于1999—2011年全国31省份的数据，利用SFA测算出林业生产的平均技术效率为0.877，技术效率的损失为12.3%，认为林业生产效率水平仍不高。张自强等[16]进一步通过SFA分解营林业全要素生产率发现，2001—2014年全国27个省份的技术进步的年均贡献达到了41.57%。

可以看出，林业技术进步的测算及其贡献受到了广泛关注，由于数据选择、研究对象和测算方法的差异，研究结论也有所不同，但技术进步对林业产值增长的贡献得到了广泛肯定，只不过还需要进一步提高信度:一是C-D生产函数关于要素替代弹性为1的假设严重脱离实际；二是技术变化并不是一个平稳有序的过程，技术变革往往具有突发性，生产前沿面的模型估计仍然难以准确反映技术变化。对此，杨杨[17]提出通过加入时间趋势项A(t)和改变要素弹性来规避C-D生产函数对技术固定假设的不足，通过改进的CES生产函数来测算技术进步速度及其贡献率成为较为合理的选择。本文的创新点在于:通过借鉴已有改进的多投入要素二级CES生产函数，基于2001—2014年全国27个省份的面板数据，测算营林中技术进步的速度及其贡献率，为相关林业发展决策提供参考借鉴。

二、研究方法与数据来源

(一)模型设定

营林包括种植、抚育、维护、采伐等多个环节，涉及多个投入要素，一级CES生产函数难以描述不同要素之间替代弹性的不同特征。对此，Sato[18]提出了二级多要素CES生产函数，以解决上述问题。将此引入到营林中，可以得出营林改进的二级三要素CES生产函数，形式如下:

其中，i表示省份，t表示年份，Yit表示第i个省份第t年的营林产值，Yit1表示第一阶段生产函数值，是生产投入要素的合成，A表示综合效益指数，包括要素质量与管理水平提高对营林产值的作用，γ表示营林的年技术进步速度，Aeγt则表示由技术水平提高带来产出增长的倍数，Kit、Lit和Fit分别表示第i个省份第t年的营林机械动力投入、营林劳动力投入和营林费用投入，α、β分别表示生产要素投入对营林产出的影响系数，即待估参数，θ为分配系数，表示第一级生产函数值与生产要素的替代参数，m为规模报酬系数，当m＞1时，营林产出呈规模报酬递增，当m＜1时，营林产出则呈规模报酬递减，m＝1表示规模报酬不变。

对二级CES生产函数进行对数线性化处理，只写出数理形态，不包括随机误差项。首先对式(2)取对数可得:

其次，采用相同的方式对式(1)进行对数线性化处理，再在θ1＝0处进行二阶Taylor级数展开可得:

将式(5)代入式(4)并进行整理，加入随机误差项ε，可得出最终的回归分析模型:

式(6)中各投入要素与营林产出的关系多样，为了简化回归方程和估计，对式(6)中的相关变量及其系数进行置换(见表1)，并转换为式(7):

表1 变量及其系数的对应关系

本文利用2001—2014年全国27省份的数据对式(7)进行估计，估计模型包括混合效应模型、固定效应模型和随机效应模型，首先混合效应模型与固定效应模型之间的选择通过F检验来判断，如果采用固定效应模型，然后再进一步通过Hausman检验来判断是否采用固定效应模型或随机效应模型，无需再对混合效应模型和随机效应模型的选择进行检验。通过广义最小二乘法(GLS)估计式(7)，得出待估参数和测算变量的具体数值，进而测算技术进步对营林产值增长的贡献程度:

式(8)中，Cit表示第i个省份第t年技术进步对营林产值增长的贡献率，γit和Zit分别表示第i个省份第t年的技术进步和营林产值的平均增长率，Yi0表示第i个省份基期的营林产值。

(二)数据来源

本文以营林产值表示产出，指林业中第一产业的产值部分。要素投入包括营林机械、营林费用支出和造林面积①由于营林的农村劳动力统计数据难以获取，《中国林业统计年鉴》中的“林业系统从业人员”反映的是系统中单位在岗工作人员，不能有效表示营林中的实际劳动力人数。在参加“第十四届中国林业经济论坛(2016年)”的交流中，专家建议以造林面积进行替代，反映当年实际工作量投入。。其中，林业产值与造林面积的数据来源于《中国统计年鉴(2002—2015年)》，单位分别为亿元和万亩；营林机械的数据来源于《中国农业年鉴(2002—2013年)》和《中国统计年鉴(2014—2015年)》，单位为万千瓦；营林费用支出的数据来源于《中国农村住户调查年鉴(2002—2012年)》和《中国农村统计年鉴(2013—2015年)》②因未能获取2013年和2014年的林业机械数据，我们通过往年该指标占“农业机械总动力”的比重的移动平均推算而来。2012—2014年营林费用支出的数据通过该指标与“农户固定资产投资完成额”的比重的移动平均推算而来。，通过农村居民家庭经营费用支出中林业支出和乡村人口来反映，单位分别为元/人和万人。所有数据均以2000年基期，选择2001—2014年时间段主要在于数据相对较完整。根据表1中各变量的对应项，可以计算出待估模型即式(7)中各变量的转换值(见表2)。

表2 变量对应项的描述性统计

三、实证结果与分析

(一)总体估计结果分析

基于2001—2014年全国27个省份的数据，对式(7)分别进行混合效应估计、固定效应估计和随机效应估计，通过模型检验可以发现，固定效应检验的F值在1%的显著水平下拒绝混合模型的原假设，即选择固定效应模型更为合理；再进一步通过Huasman检验发现，模型在1%的显著水平下拒绝个体随机效应，即最终选择固定效应模型，三个模型通过GLS的估计结果如表3。

由于估计模型反映了投入要素与产出之间的非线性关系，待估系数只是表示投入要素与产出之间的正向或负向影响，不能反映弹性，对此，需要对要素的产出弹性进行测算，分别对式(7)中的营林机械动力K、营林劳动力L和营林费用F求偏导，得出各要素的产出弹性:

表3 模型总体估计结果

从估计结果中各变量的待估系数看，各投入要素中营林劳动力投入与营林费用支出对营林产值均具有正向影响，而营林机械动力投入对营林产值呈负向影响。从各投入要素的平均产出弹性看(见表4)，2001—2014年，劳动力要素L与营林费用支出F的弹性均为正，其中，广东省的年均L弹性最高，为0.072 6，即劳动力年均增加一个百分点，营林产值年均增长0.072 6个百分点；云南省的年均F弹性最高，为0.166 8，即营林费用支出年均增长一个百分点，营林产值年均增长0.166 8个百分点，F产出弹性明显高于L产出弹性，营林产出对营林费用支出的依赖高于劳动力，这可能与城镇化建设背景下农村劳动力大量转移有关，年轻劳动力的转移导致留守农村的老人、妇女成为营林的主要劳动力，当然，尽管营林的社会化服务队伍能够缓解农村劳动力不足的困境，但还处于起步阶段，仍不成熟，“均山到户”的家庭经营模式仍占据主导，营林总体比较粗放，劳动力的产出弹性较低。相比之下，包括种苗、化肥、农药等在内的营林费用支出更能直接改善和促进营林产出，提高营林效率，特别是在以家庭经营为主的南方集体林区，营林费用支出对产出的影响更为明显。

值得注意的是，营林机械动力要素K的影响系数和产出弹性均为负，可能的原因:一是从规模经济视角看，营林机械投入处于规模不经济范畴，要素投入增加会降低产出；二是从要素的替代性视角看，南方地区营林对机械的依赖程度较低，固定资本对其他要素的替代能力较小，机械要素投入的增加不仅不能缓解要素制约的困境，反而可能会加重经营成本；三是从要素成本的视角看，营林周期较长，机械投资额度大，但利用率低，单个农户难以承担机械闲置成本，即使购买农机能够享受国家补贴，但补贴额度有限而且申请补贴的程序较为繁琐。对此，营林的专业化社会分工可能成为破解家庭经营模式下高要素投入成本困境的一个重要途径。

表4 基于总体估计的各要素平均产出弹性

表5 基于模型总体估计的各待估系数值与各参数的测算值

根据模型估计结果，结合各待估系数的对应关系(见表1)，可以测算出2001—2014年改进二级CES生产函数中的相关参数，进而确定二级CES生产函数的具体形式(见表5)。可以看出，γ＝0.116，表明从2001年到2014年，全国27个省份的营林技术进步速度为11.6%，2001年和2014年全国27个省份的营林产值分别为853.28亿元和4 074.2亿元，年均增长率为12.78%，根据式(8)可以测算出营林技术进步对其产值增长的贡献率为90.77%，表明在营林技术进步中可能包括的机械技术进步和生物技术进步对营林产出的促进作用比较显著，结合营林机械动力要素产出弹性为负的现象，可以看出，营林需要更多侧重于机械动力要素利用技术的改进，而不是局限于量的投入，以便转向以技术进步为基础的资源配置。另外，营林中技术进步的贡献率高并不表示其他要素的贡献率就低，从投入要素的产出弹性看，营林机械动力的产出弹性为负，其他要素贡献率也就可以表现得较高。而且技术进步贡献率较高也并不表示技术投入水平就高，营林产值增长是各要素综合作用的结果，在保持年均12.78%的增长率下，可能是因为其他投入要素的总体贡献水平低①2014年农村住户固定资产投资中农林牧渔业投资额占18.59%，其中，林业投资完成额中除国家、贷款等资金外的其他资金占农林牧渔业投资额的15.36%。资料来源:《中国农村统计年鉴(2015年)》和《中国林业统计年鉴(2014年)》。，从而突出了技术进步的贡献率。

(二)分时段估计结果分析

为促进农民增收、林业与农村发展、生态保护，2003年中央决定在福建、江西和辽宁等省份推动以“明晰产权、减轻税费、放活经营、规范流转”为主要内容的放松林业经营管制改革，以激发社会的营林积极性。国家在总结试点省份改革经验的基础上，又于2008年下发了《关于全面推进集体林产权制度改革的意见》，以“均山到户”为主体的新一轮集体林权制度改革正式在全国范围内进行推广，中国林业发展进入减免税费、鼓励投资、增加补贴的新时期。对此，本文将研究期间细分为两个时段，第一时段为2001—2008年，第二时段为2009—2014年，进而分时段对式(7)进行估计，测算营林技术进步速度及其贡献度在不同时段的差异。

同理，对不同时段的三种估计模型进行检验，第一时段和第二时段估计的F值分别为61.21和64.3，均在1%的显著水平上拒绝混合效应模型，进一步由Huasman检验发现，第一时段的模型估计在1%的显著水平上拒绝了随机效应模型，从而选择固定效应模型更为合理，第二时段的估计模型则无法接受固定效应模型，从而选择随机效应模型更为合理。两个时段的估计结果见表6。

表6 分时段模型估计结果

从表6看，两个时段中营林机械动力投入、营林劳动力投入和营林费用支出的影响系数均为正，但表7却反映各投入要素的平均产出弹性在两个时段发生了明显变化。首先，在第一时段多数省份的营林机械动力K的产出弹性为负，沿海地区的K弹性多为正，正如前文分析，营林机械利用在很大程度上受限于地理条件，北方和沿海地区地势平坦，在营林的种植与采伐环节都能够通过利用大型机械来实现规模化经营以提高产出，而南方则难以利用大型营林机械组织生产。另外，多数省份的营林劳动力L和营林费用F的产出弹性均为正，特别是L的产出弹性明显较高，其中最高的是陕西省，为0.207 9，表明营林产出对劳动力的依赖程度依旧较高，资本要素对劳动力要素的替代能力有限。部分省份的营林费用支出的产出弹性为负，表明在一定技术水平下，受要素边际报酬递减规律的影响，包括化肥、农药等在内的营林费用支出过多降低了营林产出效率，导致规模不经济。其次，在第二时段各投入要素的平均产出弹性总体为正，其中，多数省份的营林机械动力投入K的产出弹性为正，只有云南省的该值为负，K的产出弹性较第一时段有明显改善，而且营林费用支出F的产出弹性也有所提高，这两个要素的产出弹性改善与新一轮集体林权制度改革的产权激励有关。一方面，林地产权明晰、税费减免等改革措施稳定了营林的收益预期，从而激发了农户营林积极性，规避了短期生产行为，农户对包括种苗、化肥等在内的营林费用支出的长期规划更为合理，投入的产出弹性明显改善；另一方面，政策鼓励发展营林的社会化服务，包括种植、抚育、采伐在内的专业生产队伍的发展降低了单个农户营林行为能力不足的约束，提高了要素的产出效率，营林的专业化分工或服务外包为林业大规模经营创造了条件，营林机械的利用约束得到了明显改善。然而，营林劳动力要素L的产出弹性较第一时段明显降低，这不仅与农村劳动力转移加深，导致留守农村的老人、妇女成为劳动主力有关，而且还与营林机械利用水平的提高形成对劳动力的替代有关。从要素的产出弹性水平看，K的产出弹性明显高于L的产出弹性，另外，面临农村空心化的困境，营林的专业化分工还能够降低营林对劳动力的依赖而提高产出效率。

续表7

根据式(7)分时段的估计结果，结合待估系数的对应关系(见表1)，可以测算出不同时段二级CES生产函数的参数值，并确定函数的具体形式(见表8)。可以得出，不同时段各参数的测算值存在差异，其中营林技术进步速度分别为11.7%和10.5%，对比总体估计结果，第一时段有所提高但第二时段明显下降。全国27个省份在第一时段和第二时段的营林产值的年均增长率分别为13.09%和13.03%，均较全时段的增长率有所提高。两个时段的营林技术进步对营林产值增长的贡献率分别为89.38%和80.58%。对比总体估计结果呈下降趋势，可能因为:一是生产力得到释放。新一轮集体林权制度改革前，林地产权不清晰、不稳定，农户营林的积极性不高，风险规避心理较强，导致要素投入的贡献率低，从而突显了技术进步的作用。改革通过进一步明晰产权、减免税费等政策措施激发农户营林的积极性，从而释放了农村营林投资能力，随着营林要素投入量①2008年全国林业投资完成额为987.242 2亿元，2014年达到4 325.514亿元，年均增长率为27.92%，剔除国家投资部分，年均增长率达33.36%。资料来源:根据《中国林业统计年鉴(2014年)》整理得出。及其对产出的贡献的明显提高，相对弱化了技术进步的产出贡献；二是营林的高风险与农户的低营林能力。尽管森林保险与林权抵押等金融服务政策措施提高了单个农户的营林能力，但营林高投入、长周期等高风险经营特征仍难以让农户完全摆脱风险规避心理，从而制约了营林技术进步的产出贡献；三是技术进步的滞后效应。由于营林周期较长，无论是机械技术进步，还是在种苗培育和抚育改进等方面的生物技术进步，对营林产出的影响都具有明显的滞后效应，而且技术研发的外部性致使技术进步在很大程度上依赖于政府支持，农户技术创新的积极性相对较弱。

表8 基于分时段模型估计的各待估系数值与各参数的测算值

四、结论与启示

基于2001—2014年中国27个省份的数据，利用改进的多投入要素二级CES生产函数对营林技术进步速度及其对营林产值的贡献水平进行了实证分析。研究结果表明:第一，营林技术进步速度较快且贡献率高。基于模型估计的测算得出，2001—2014年全国27个省份的营林技术进步速度达11.6%，对营林产值增长的贡献率为90.77%。从各投入要素的待估系数和产出弹性看，营林机械动力要素的影响系数和产出弹性均为负，表明营林机械投入不但未能提高营林产出反而增加了营林成本，这可能与山地经营特征有关，在此环境条件约束下技术进步成为营林增产的重要支撑。第二，对比新一轮集体林权制度改革前后两个时段发现，营林技术进步及其贡献率的差异较小，但其他要素对产出的贡献差异明显。2008年，国家通过进一步明晰林地产权、减免税费、保障收益等措施释放了农村生产力，农户的营林积极性得到改善，营林机械动力和营林费用支出的产出弹性均为正且有所提高，而营林劳动力的产出弹性明显下降，这可能与农村劳动力的进一步转移有关，营林技术进步速度和贡献率也分别下降了1.2%和8.8%。

几点启示:第一，营林技术进步，不仅包括种植、抚育、采伐等生产技术进步，还包括组织生产分工、管理和服务的技术进步。由于“均山到户”的改革方式进一步加剧了林地细碎化，新时期林地价值的提升又强化了农户继续持有林地的意愿，导致林地流转积极性不足，加之营林的服务外包与社会化服务仍不成熟，所以难以通过改变组织营林方式的技术进步来提高营林产出，营林出材率可能会在比较长的一段时期内依赖于生产环节的技术进步。第二，营林的地理依附性较强，营林机械利用率低且成本高，特别是在南方集体林区，普通农户的机械采纳意愿较低，技术进步对木材产出和营林产值增长的贡献可能会更偏重于包括育苗、育种等生物技术的进步，通过国家推进优良品种的研发和种植技术的创新可提高农户营林的产出效率并降低营林风险。第三，新制度经济学派认为制度安排如同技术进步一样能够影响资源配置效率，是经济增长的关键。集体林是培育森林资源的重要基地，是维护国家生态安全和木材安全的重要保障，集体林主要集中在南方地区，在南方山区的营林机械投入的产出弹性较低，资本对劳动力的替代能力有限，随着城镇化与工业化的推进，迫切需要组织营林方式的创新来缓解细碎化经营下要素投入的制约，加大政策鼓励以培育营林的专业化服务队伍，无论是以何种形式开展合作经营或者流转经营都需要考虑地区林地资源条件、经济发展水平和社会需求等环境特征，通过制度创新来提高营林产出效率。