FDI对林业生态经济效益的影响效应分析*

姜文磊，李晖

(青岛大学 经济学院，山东 青岛 266061)

林业在中国经济可持续建设中起着不可或缺的作用，林业生态经济效益是指林业在生态经营过程中为人类带来的经济收益，如林产品供给、林业生态旅游等[1]。现阶段林业发展的内涵要求林业建设不仅要提升经济效益，生态收益同样不可忽视。外商直接投资(Foreign Direct Investment，简称FDI)指国外投资者对中国境内企业或产业进行的综合技术、资金及知识存量的投资[2]。截至2019年4月，中国林业生态经济建设取得了一定的成果，但仍面临资金不足、自我投资能力弱及人才供应不足等问题。由于FDI具有渗透性高、实体性强等特点，因此引入FDI可有效缓解林业生态经济发展过程中出现的问题[3]。在研究对象方面，FDI的研究主要在农业[4]、工业[5]、服务业[6]领域展开，而在林业领域的研究较少。在研究内容方面，有关FDI对林业发展影响的研究主要集中在FDI利用效率[7-9]、林业利用外资项目研究[10]、对林产品贸易影响[11]、FDI与林业产业结构关系[12]、FDI对林业产业的发展影响分析[13-14]及FDI对林业全要素生产率的影响[15]等方面。在生态经济研究方面，大多数研究是围绕森林生态系统进行的，研究涉及生态收益补偿制度的完善[16-17]；影响地区森林旅游业生态效率的因素[18-19]；森林生态价值评价[20-21]；政策主导与市场收益主导生态建设的研究[22]等。在研究方法方面，相关研究涉及VAR模型测算法[23]、DEA-Malmquist指数分析法[24]、指标构建法[25]和灰色投入产出系统[26]等。部分研究通过案例分析探讨林业生态经济建设的必要性及提升生态经济效益的方法[27]。截至2019年4月，通过对文献梳理可知，学术界关于林业生态经济效益的研究相对较少，大多停留在定性分析层面，而鲜少涉及FDI对林业生态经济效益影响的定量研究。由于林业生态经济效益存在空间溢出效应，即一个地区的林业生态经济效益对其周边地区的林业经济效益存在相互关联作用[28]，因此，从国家省域层面深入分析这种地区间林业生态经济效益的空间相关程度及FDI对林业生态经济效益的影响机制。动态空间杜宾模型已广泛应用于消费碳排放、财政支出、金融发展等领域，与其他实证研究方法比，其优势在于有效分析各类影响因素对被解释变量的长期、短期、直接和间接效应以及对周边区域的溢出效应。因此，建立林业生态经济效益的动态空间杜宾模型有利于分析时空差异性，在FDI的直接、间接效应的基础上进一步分析即时效应及长期效应。基于此，在已有文献的研究基础上，采用2008—2017年中国林业及FDI相关数据，构建动态空间杜宾模型，从实证的角度分析FDI对林业生态经济效益的影响机制并结合研究结果提出相关建议。

1 数据与方法

1.1 数据来源

选取2008—2017年为实证分析期，样本数据分别来源于由国家林业和草原局主编2009—2018年出版的《中国林业统计年鉴》和由国家统计局主编的2009—2018年出版的《中国统计年鉴》。由于模型在处理数据的过程中存在部分省市数据的难获得的问题，因此最终选取中国28个省市(剔除港、澳、台、津、琼、藏)进行研究。考虑到通货膨胀对林产品价格的影响，同时保证研究数据可比性，而采用2007年价格指数调整相关变量价值。异方差效应会影响模型估计结果，为消除异方差效应，将数据进行对数化处理。

1.2 指标选取

表1 变量定义Table 1 Definition of variables

林业生态经济效益的相关变量定义如表1所示。被解释变量选取中国28个省市的林业生态服务总产值，用以衡量林业生态经济效益。解释变量选取林业实际利用外资。控制变量有林业发展规模、劳动力投入、自然资本、财政支持、基础设施建设和人力资本。林业发展规模变量为林业总产值；劳动力投入为林业从业人员年末人数；自然资本用各地区造林面积来衡量；财政支持为林业生态体系工程实际投入资金数；基础设施建设为林业基础设施投资；人力资本为林业系统从业人员平均受教育程度，将初中以下、高中及同等学力、大专以上学历分别对应不同受教育年限，以此确定人力资本要素。

1.3 研究方法

1.3.1 空间权重矩阵设定

邻接矩阵[29]：根据不同省市单元地理位置是否相邻设定。若两个地区i和j在空间里是相邻的，则对应矩阵i行j列上的元素为1，否则设为0。

地理距离矩阵：根据不同省市单元地理距离设定。当i≠j时，Wij=1÷Dij；当i=j时，Wij=0。Dij为第i和j个省市的欧式距离。

经济距离矩阵：根据不同省市单元的经济发展的相似程度设定。当i≠j时，Wgdp=1÷|Qj-Qi|；当i=j时，Wgdp=0。Qi为第i个省市2008—2017年间实际人均GDP的算数平均值。

1.3.2 空间自相关性检验

空间自相关性指的是不同地理单元的经济体存在不同程度的空间关联，常用Moran’s I指数表示。Moran’s I指数公式[29]：

⑴

Moran’s I指数的取值范围为[-1，1]。当指数大于零时，表示空间正相关；当指数小于零时，表示空间负相关，当指数等于零时，表示不存在空间自相关。由于在3种空间权重下的空间自相关性差异不大，故用邻接矩阵测算。

1.3.3 动态空间杜宾模型

现有研究大多采用静态空间计量模型，采用该模型只能探讨FDI对林业生态经济效益的直接、间接及总效应，而采用动态空间杜宾模型可将FDI作用于林业生态效益的直接和间接效应进一步分解为长期直接、长期间接效应以及短期直接、短期间接效应，相较于传统静态空间模型加入了时间影响趋势[30]。长期效应表明在指定区域内，解释变量发生单位变化在长期内对被解释变量的影响。类似地，短期效应为短时间内的效应。引入相关控制变量的动态空间杜宾模型[31]的一般形式如下：

lnYit=vlnYj，t-1+δWlnYjt+ρWlnYj，t-1+βlnXit+γlnKit+λWlnXjt+θWlnKit+αi+μi+εit

⑵

式中Yit为林业生态效益；Xit为林业实际利用FDI；W为空间权重矩阵；v为滞后一期林业生态经济效益的回归系数；ρ为相应的滞后一期的空间滞后系数；β、γ为对应的回归系数向量；δ、λ、θ为相对应地空间滞后系数；vlnYj，t-1为滞后一期的林业生态经济效益；δWlnYjt为林业生态经济效益的空间滞后项；ρWlnYj，t-1为滞后一期林业生态经济效益的空间滞后项；λWlnXjt为FDI的空间滞后项；θWlnKit为控制项的空间滞后；αi为省域效应；μi为时间效应；εit为随机误差项。

1.4 数据处理方法

运用2008—2017年中国28个省市的林业生态经济面板数据，使用MATLAB软件从空间相关性、动态空间杜宾模型估计及FDI对林业生态经济效益效应分解3个方面分析。首先，利用Moran’s I指数和变异系数(CV)分析邻接矩阵下林业生态经济效益的空间相关性，Moran’s I指数值大于0，变量存在空间自相关性；变异系数值小于0.2时，变量值离散程度小。其次，构建动态空间杜宾模型，在3种空间权重矩阵下进行回归估计。最后，将FDI对林业生态经济效益的效应进一步分解为短期、长期的直接和间接效应。

2 结果与分析

表2 变量描述性统计Table 2 Descriptive statistics of variables

变量的样本容量均为280个，被解释变量林业生态服务总产值(EEF)最大值与最小值相差较大，且标准差在所研究变量中排在第二位(表2)。这表明不同省市的林业生态经济发展差异较大。解释变量林业实际利用外资(FDI)的最大值与最小值相差最大，且标准差在所研究变量中排在第一位，表明外商直接投资林业存在较大的地域差异。控制变量中林业总产值(GFO)、各地区造林面积(A)和林业基础设施投资(INF)的数据离散程度较大，表明地域差异较大。其余变量的数据离散程度较小，表明地域差异较小。样本决定系数(R2)和对数似然比(log-lik值)是衡量模型拟合优劣的重要指标。地理距离矩阵下动态空间杜宾模型的R2为0.975在所有估计模型中最优，且log-lik值最优，因此在地理距离矩阵下的拟合最优，对现实的解释力最强。LR检验及Wald检验结果通过1%显著性水平，表明模型存在时间和空间固定效应。

2.1 林业生态经济效益存在显著的空间自相关性

2008—2017年林业生态经济效益的Moran’sI指数值均显著大于0.18(表3)，表明林业生态经济效益存在显著的空间自相关性。由林业生态经济效益的Moran’sI指数值总体趋势可知，Moran’sI指数值随时间变化逐渐变大，2017年Moran’sI指数值达到最大值。CV是衡量样本数据离散程度的统计量，由CV的总体可知，林业生态经济效益皆小于0.2且整体呈下降趋势，表明林业生态经济效益的空间集聚性逐渐增强。因此，实证过程须考虑林业生态经济效益的空间溢出效应。

具体来看，林业生态经济效益的Moran’sI指数值由2008年的0.181上升到2017年的0.434，虽然在2014—2015年略有波动且呈下降趋势，但整体呈上升趋势；CV值由2008年的0.192下降到2017年的0.150，虽然在2013—2015年略有波动且呈上升趋势，但整体呈下降趋势。

表3 林业生态经济效益的空间相关性及波动Table 3 Spatial correlation and fluctuation of forestry eco-economic benefits

说明：*、**和***分别表示10%、5%和1%水平上显著(一定程度、显著和极显著)。

2.2 林业生态经济效益的动态空间面板估计分析

通过对静态面板数据进行LM检验、Hausman检验，得出建立具有固定效应的SAR模型的结论。结合LR、Wald检验结果，应采用双重固定效应的动态空间杜宾模型估计式⑵，结果如表4所示，其中SDM为空间杜宾模型。为了进行稳健性分析，采用静态空间杜宾模型的估计结果也放入同一表中。此外，对3种空间权重矩阵下的估计结果进行对比分析，所得研究结果具有普遍性，而非仅在特定空间权重矩阵下成立，因此研究结论具有重要的现实参考意义。在3种空间权重矩阵下，当期及滞后一期的林业生态经济效益在两种模型下的估计结果均显示存在空间正向溢出效应，且大多通过显著性检验。这表明林业生态经济效益具有空间集聚性，且易发生正向的空间溢出作用，林业生态经济效益高的地区，对周边地区林业生态经济的发展起正向促进的作用。

表4 中国林业生态经济效益影响因素空间面板估计Table 4 Spatial panel estimation of influencing factors of China’s forestry eco-economic benefit

说明：*、**和***分别表示10%、5%和1%水平上显著(一定程度、显著和极显著)。

2.2.1 FDI对林业生态经济效益具有显著影响

FDI在各个估计模型及空间矩阵下的估计结果均显著为正，FDI空间滞后项的估计结果均为负数，且多数通过显著性检验。这表明FDI对林业生态经济的发展起正向促进的作用，对周边地区的林业生态经济建设没有提升作用，甚至起抑制周边地区林业生态经济发展的作用。原因可能是：外资的引入有效提升了本地区林业生态技术发展水平，缓解了发展林业生态经济面临的资金问题，使得本地区林业生态经济效益显著提升；同时，中国林业生态经济市场实行的是地方保护主义政策，各地区林业生态经济市场封闭发展，这导致一个地区林业外资的引入加剧了其周边地区资本及知识水平的竞争，降低了周边地区林业生态经济效益。因此，FDI有助于提升本地区林业生态经济效益，抑制周边地区林业生态经济的发展。

2.2.2 林业总产值对林业生态经济效益具有显著正向影响

林业总产值(GFO)对林业生态经济效益的正向影响的系数为1.003，说明了林业发展规模不仅对本地区林业生态经济的发展具有促进作用，而且有利于周边地区林业生态经济的发展。原因可能是：受林业发展规模的影响，发展规模大的地区林业资本及知识积累的程度高，促进本地区林业生态经济的发展的同时，对周边地区林业生态经济的发展也具有辐射带动的作用。因此，林业发展规模有助于提升本地区及周边地区的林业生态经济效益。

2.2.3 各地区造林面积对林业生态经济效益具有显著正向影响

各地区造林面积(A)对林业生态经济效益的正向影响的系数为0.233，说明了林业自然资本对本地区及周边地区林业生态经济的发展具有促进作用。原因可能是：林业自然资本反映的是各地区环境、气候、温度和土壤等影响林业生态经济发展的自然因素，不同的地区林业自然资本不同，相邻地区的林业自然资本因素相似，林业自然资本越高的地区越有利于林业生态经济产品的发展。因此，林业自然资本提升本地区的林业生态经济效益。

2.2.4 林业生态体系工程实际投入资金数对林业生态经济效益具有显著正向影响

林业生态体系工程实际投入资金数(T)对林业生态经济效益的正向影响的系数为0.118，说明了地区政府对林业的财政支持不仅对本地区林业生态经济的发展具有促进作用，而且有利于周边地区林业生态经济的发展。原因可能是：财政划拨资金直接投资于林业生态经济的发展建设中，有利于从宏观经济管理的角度提升林业生态经济效益，同时这种财政划拨资金的政策在取得显著成果后，对周边地区的“示范作用”作用明显，表现为周边地区纷纷效仿以促进本地区林业生态经济的发展。因此，财政支持林业有助于提升本地区及周边地区的林业生态经济效益。

2.2.5 林业从业人员年末人数和林业基础设施投资对林业生态经济效益影响不显著

林业从业人员年末人数(L)未通过显著性检验，表明林业生态经济的发展与劳动力投入数量无直接关系。原因可能是：发展林业生态经济只需保证正常林业生态作业的劳动力人数即可，过度投入劳动力不仅会造成人员工作效率下降的后果，而且还会导致人员开支增加等问题，不利于林业生态经济的发展。林业基础设施投资(INF)未通过显著性检验，表明林业生态经济发展与区域基础设施建设无直接关系。原因可能是：林业生态经济产品的生产主要依靠自然条件、发展资金及技术水准，而林业基础设施建设是在前者的基础上更好的服务生态经济林产品的体现，对林业基础设施的大力发展并不会大幅增加生态林产品的收益。因此，林业从业人员年末人数和林业基础设施投资对林业生态经济效益均无显著影响。

2.2.6 林业系统从业人员平均受教育程度对林业生态经济效益影响不显著

林业系统从业人员平均受教育程度(H)对林业生态经济效益无显著提升作用，但其空间滞后项的估计结果均显著对林业生态经济效益有负向作用。原因可能是：在林业生态经济建设中发挥主要作用的是少数掌握核心技术的专业型人才，而非多数普通技术性型人才，因而人力资本要素无显著提升作用。此外，考虑到各地区抢夺人才的情况时有发生，表明各地区实行人才保护政策，存在区域人才壁垒，因此导致人力资本要素抑制周边地区林业生态经济发展。

2.3 FDI对林业生态经济效益的效应分解分析

表5 FDI对林业生态经济效益的效应估计Table 5 Estimation of the Effect of FDI on forestry eco-economic benefits

说明：*、***和***分别表示10%、5%和1%水平上显著。

进一步分解FDI对林业生态经济效益的影响效应，分解结果如表5所示。下面着重分析在地理距离矩阵下，采用动态空间杜宾模型的效应分解结果。

2.3.1 短期内FDI促进本地区林业生态经济的发展，抑制周边地区的发展

FDI对林业生态经济效益的短期直接效应显著为正，短期间接效应显著为负。表明在短时间内，FDI对提升林业生态经济效益具有不可忽视的积极作用，而对周边地区的林业生态经济效益增收的抑制作用明显。这主要与外资引入林业产生的竞争效应有关，短期内引入FDI会直接促进本地区林业生态经济效益，但是加剧了相邻区域生态经济林产品的竞争，由于各地区实行的是区域保护政策，即优先保护本地区林业生态经济产品的市场，从而使得短期内FDI抑制了周边地区的林业生态经济的发展。

2.3.2 长期FDI不再抑制周边地区林业生态经济的发展

FDI对林业生态经济效益的长期直接效应和长期间接效应均为正，但长期间接效应未通过显著性检验。具体来看，在地理距离矩阵下，FDI对林业生态经济效益的长期直接效应估计系数为0.201，且通过10%的显著性水平检验，FDI对林业生态经济效益的长期间接效应估计系数为1.958。这表明从长远来看，增加FDI有利于提升本地区及周边区域的林业生态经济效益，FDI的地方保护性在经过较长时间后不再抑制周边林业生态经济的发展。

3 结论与建议

3.1 结论

林业生态经济效益的空间集聚效应显著，且随着时间增加这种集聚效应逐渐增强。FDI有助于促进林业生态经济效益增长，具体表现为：FDI对林业生态经济效益的空间正向溢出效应显著，FDI对林业生态经济效益的短期直接效应显著为正，短期间接效应显著为负。在短时间内，FDI对提升本地区林业生态经济效益具有不可忽略的积极作用，而对周边地区的林业生态经济效益增收的抑制作用明显，长期直接和长期间接效应的估计结果均为正，但长期间接效应未通过显著性检验。从长远来看，FDI的增加有利于提升本地区及周边区域的林业生态经济效益。

3.2 建议

3.2.1 拓宽林业FDI的引进渠道，扩大FDI的引入方式

林业FDI的引入直接影响林业生态经济效益的提升，因此，在稳定现有FDI引入渠道的基础上，积极开拓其它引入方式是未来林业生态经济发展的重点。林业FDI引进渠道的拓宽可通过建立国家层面的林业FDI融资平台实现。国家层面的林业FDI融资平台不仅有利于外商直接获取中国林业发展的信息，使融资双方准确、及时地找到FDI与林业生态经济建设项目的契合点，而且有利于中国生态林产品在国际舞台上的推广，最终促成高质量、高效率的FDI的引入。

3.2.2 优化林业FDI结构，提高利用率

优化林业FDI结构，主要是指引入的FDI在林业生态经济建设的分配结构的优化。FDI在林业生态经济建设的分配有3个方面要求。首先，以市场需求为第一要素，积极投入市场需求高、周期短的林业生态经济产品，注重结合本地区林业发展特色，培育特色林业生态品；其次，引入FDI的同时，需加强林业生态科技创新，加快引领林业生态经济由低技术层次向高技术导向发展，进一步提升林业FDI的利用效率；最后，引入的FDI应具有较强的针对性，对于不用的生态林建设引入不同类型的FDI，从而解决地方林产品无竞争力、出口难、成本高等问题。

3.2.3 打破区域壁垒，构建林业人才共享平台

在林业生态经济建设过程中，除缺少林业生态经济建设流动资金外，还缺乏掌握核心技术的林业生态经济建设专业型人才。因此，地方政府在引入FDI的同时应加大对林业生态经济建设专项人才的引入力度，积极发挥FDI带来的人才溢出效应，推动实现引入林业生态经济建设人才对该地区林业生态经济建设人才的培养带动。通过打破区域间林业生态经济建设人才保护壁垒，构建地区林业生态经济建设人才共享平台，充分发挥林业生态经济建设专业型技术人才对本地区及周边区域林业生态经济效益的溢出效应，共同促进各地区林业生态经济增长。