中国省际森林资源诅咒效应的时空分异及传导机制分析

王雨露 谢煜

摘  要：本文提出“森林资源诅咒系数”的概念，以此检验1976—2017年中国29个省级行政区森林资源诅咒效应的存在性;通过聚类分析，将研究对象分为森林资源诅咒高危区、森林资源诅咒严重区、森林资源诅咒边缘区和无森林资源诅咒区。结果表明：中国的森林资源诅咒区主要集中在北部和西部地区，东部和南部地区几乎没有资源诅咒现象，资源诅咒区与无资源诅咒区在中国地图上基本以“云南—吉林”对角线为边界分布。各类型地区诅咒系数波动趋势有所不同，2013年是森林资源诅咒高危区和严重区诅咒效应波动的“拐点”。根据对存在森林资源诅咒地区的传导机制分析發现，林业资本投入过多、教育和科技水平落后，产业结构单一、森林资源依赖度高，国家开展林业保护政策、资源开发利用限制，区位交通不便、基础设施落后，资源过度采伐、生态环境脆弱等5个方面是导致森林资源诅咒的主要原因。据此，提出相应的政策启示，以期能够帮助森林诅咒地区破解森林资源诅咒效应。

关键词：森林资源;诅咒效应;时空分异;传导机制;森林资源诅咒系数

DOI：10.16397/j.cnki.1671-1165.202003103         开放科学（资源服务）标识码（OSID）：

习近平“两山理论”的核心即为“绿水青山就是金山银山”，表明在新时代中国既要稳步发展的经济也要美好的生态环境，社会主义发展既要“绿水青山”也要“金山银山”。[1]但在实际省域或地区经济发展过程中，我们观察到，一些森林资源丰富的省份或地区往往是经济增速缓慢的地区。这种森林资源丰裕地区相对于贫瘠地区经济增长更为缓慢的现象称为“森林资源诅咒”。破解森林资源诅咒对促进森林资源的有效利用、加快资源丰裕地区的经济发展具有重要的现实意义。

国外学者Auty和Sachs等[2-3]最先关注并研究“资源诅咒”现象，研究范围主要针对煤炭、石油等化石能源。近十几年来，国内学者按照Sachs等的研究思路开始进行森林资源诅咒的研究，并取得了一定的研究成果，得出的结论大都表明森林资源诅咒在国内是存在的，包括村级[4]、县域[5-6]、省际[7-10]和全国范围[11-12]。这些研究结论为本文提供了一定的研究基础，但现有研究仍存在以下不足之处：（1）对森林资源诅咒的空间分布和传导机制的差异讨论得比较少;（2）这些研究基本采用人均GDP来衡量森林资源丰裕程度对经济增速的影响，但在整体经济中，林业产值占国内生产总值的比重不高，完全使用国内生产总值作为衡量森林资源对经济发展的贡献不够精确;（3）资源丰裕区和贫瘠区的划分方式缺少对森林资源的统计分布讨论，划分标准也不够严谨[13]，大多按照森林覆盖率大于30%来划分森林资源丰裕区和贫瘠区，以此确定研究对象;（4）森林资源诅咒效应在研究期内有一定的波动趋势，不能一概而论。

因此，本文以省域林业产业总值作为衡量经济发展水平的指标，提出“森林资源诅咒系数”的概念和计算方法，据此判断中国省际森林资源诅咒效应的存在性，从时间—空间两个角度研究地区间森林资源诅咒的程度和差异，同时分析森林资源诅咒效应的波动趋势，并在此基础上进一步解析该地区森林资源诅咒特征及传导机制。

一、数据与方法

（一）森林资源诅咒系数的提出

“资源诅咒系数”的概念最早由姚予龙等于2011年提出，其核心方法是区位熵，并通过实证分析验证了用该系数检验资源诅咒存在性和诅咒程度区域差异的可靠性。[14]之后被国内学者广泛应用于能源、矿产等集中性资源[15-17]以及土地资源[18-19]和耕地资源[20]的资源诅咒效应和区域差异的研究。目前，尚未有人尝试从森林资源角度使用该系数来验证并研究森林资源诅咒现象的存在性和空间分布特征。在已有的对森林资源禀赋与经济发展水平间关系的研究中，大多采用森林覆盖率或森林蓄积量作为衡量森林资源丰裕度的指标。[21-24]本文选取森林蓄积量作为森林资源丰裕度的指标，参照姚予龙等的研究思路并根据森林资源特征作出改进，构造森林资源诅咒系数。用公式表示为：

[RCCit=FViti=1nFVitGFPiti=1nGFPit] 。 （1）

式中：RCC（Resource curse coefficient）表示地区森林资源诅咒系数;FV表示森林蓄积量;GFP表示林业产业总值;i表示地区，t表示年份。如果地区森林蓄积量在全国范围内占的比重大于其林业产业总值在全国范围的比重，则森林资源诅咒系数大于1，说明该地区的森林资源优势并没有转化为产业优势，可据此判断该地区遭受了森林资源诅咒，且森林资源诅咒系数越大，该地区遭受的森林资源诅咒越严重;反之，若森林资源诅咒系数小于或等于1，则该地区不存在森林资源诅咒现象。

（二）数据来源及计算

由于港澳台及海南的部分年份数据无法获得，将重庆市并入四川省后，本文的研究对象为中国29个省级行政区。测算数据主要来自1976—2017年《中国统计年鉴》《中国林业统计年鉴》以及各省区统计年鉴和第1～9次全国森林资源清查资料。由于我国的森林资源约每4～5年清查一次，因此选择9次清查结束的年份作为研究时间点，收集各省或地区9个年份的森林蓄积量和林业三大产业中所有涉林产业总值共558个面板数据。林业第三产业中的森林生态服务价值对于生物多样性保护、森林碳汇、水文服务、景观和休闲旅游业都有一定的正向作用，也是森林资源转化为地区发展优势的一种体现[25]，因此这一指标不予剔除。将以上数据代入公式（1）可计算出我国29个省级行政区1976—2017年的森林资源诅咒系数，对各年份的诅咒系数分别取平均值后，所得结果如表1所示。

（三）诅咒区域划分

根据表1计算结果，西藏自治区的森林资源诅咒系数高达216.357，与其他省份的诅咒系数相比量级过大，因此将西藏的数据剔除后，通过SPSS 22.0将剩余数据进行系统聚类分析，得出的结果作为划分诅咒区域的阈值标准（表2）。上海、江苏、山东等20个省级行政区的资源诅咒系数小于1，不存在森林资源诅咒;其他省或地区的资源诅咒系数大于1，存在森林资源诅咒。为了进一步区分各地区森林资源诅咒的程度，将存在森林资源诅咒的省或地区进一步划分为森林诅咒边缘区、严重区和高危区。陕西、甘肃、四川等6个地区的资源诅咒系数介于1和3之间，这些地区处于资源诅咒边缘区域，诅咒效应在这些地区并不明显;黑龙江和内蒙古的诅咒系数大于3小于5，这两个地区的森林资源禀赋并没有完全用于促进经济增长，诅咒效应比较严重;吉林的资源诅咒系数是黑龙江的两倍之多，仅次于西藏，为8.005，因此可将其与西藏划分为资源诅咒高危区，该类地区的森林资源优势几乎没有转化为经济优势，诅咒程度极高。

从空间角度来看，我国的森林资源诅咒效应主要发生在北部和西部地区，东部及南部地区几乎没有资源诅咒现象，资源诅咒区与无资源诅咒区在中国地图上基本以“云南—吉林”对角线为边界分布。

二、结果与分析

（一）波动趋势分析

根据表2的分区结果，分别选择西藏、黑龙江、陕西和浙江作为4种森林资源诅咒类型区的典型区域，从时间角度分析各地区在9次森林资源清查期间的诅咒效应波动趋势（图1）。

吉林省森林资源丰富，是全国重点林业省份之一，森林蓄积量高但林业产值相对较低是该区森林资源诅咒系数在东北林区中居首位的原因之一。该区诅咒系数在1981年达到峰值36.022，1981—1998年虽有下降但系数大于5，仍处于资源诅咒高危区;2003—2017年诅咒效应减轻，脱离资源诅咒高危区，但诅咒程度仍然严重。

黑龙江省有我国最大的重点国有林区，第9次森林资源清查的森林面积为1 962.13万hm2，居全国第三。1976—1981年其森林资源诅咒系数小幅度下降，1981—1993年呈较大幅度上升，并于1993年达到峰值6.439，此后逐年下降，于2003年降到最小值2.61，2003年以后虽有小幅度上升，但总体呈下降趋势。整体来看，吉林省和黑龙江省的诅咒效应曲线除1981年外，其余年份基本重合或接近，并且波动趋势近乎相同，都在2003年降到最小值，可以认为2003年是这两类地区诅咒效应波动的“拐点”。

陕西省位于我国中部地区，森林资源丰富，生态系统多样性突出。其资源诅咒系数整体呈小幅度上升趋势，基本在1～2之间，并且在1976年、1988年和1993年这三个时间点诅咒系数小于1，可以看出陕西的森林資源诅咒效应在1976—1993年并不明显，1993年以后才逐渐显现，目前处于资源诅咒的边缘区，且有进一步迈入严重区的趋势。

浙江省位于东南沿海地区，经济水平发达，亚热带季风气候使得省内树种资源丰富，第9次清查的森林覆盖率为59.43%，位于全国前列。其资源诅咒系数曲线在第1～8次清查期间表现平缓，第9次清查则有轻微上升趋势，但仍小于1，比较稳定。

（二）传导机制分析

1. “挤出”效应

“挤出”效应在林业部门具体表现为对林业产业的资本投入过多，使得地区其他产业由于资金投入不足而发展滞后，尤其会导致与经济增长密切相关的领域如教育、科研及基础设施等的资金投入不足，而教育投资的忽视容易导致高素质人才外流，科研激励不足则影响资源利用效率和创新能力，制约林业产业发展规模[26]，从而降低经济增速。2015—2017年，诅咒效应较严重的吉林、黑龙江和内蒙古三省的教育水平及科技创新水平均低于国内平均值，且科技创新相对于教育水平受到的“挤出”效应更加严重;而处于无资源诅咒区的浙江省和广东省的教育水平和科技创新水平则远高于国内平均值（表3）。据中国林业信息网，2017年浙江省和广东省的林业投资分别为796 396万元和867 790万元，低于吉林、黑龙江和内蒙古三省的林业投资932 160万元、1 527 454万元和1 534 901万元。在林业产业资本投入更低的情况下，浙江省和广东省的教育及科技创新水平却远高于吉林、黑龙江、内蒙古三省，可以认为林业投资过多在一定程度上制约了当地的教育及科技创新水平。此外，在内蒙古、吉林和黑龙江三省的国有林区中，林业产业是经济发展的主要支柱，这容易导致对林业产业的路径依赖，从而使得技术和人才等要素难以流动到高附加值的产业中，林产品初级加工对技术和劳动力素质的要求不高，人力资本和科技创新投资容易被忽视。

2. 产业结构单一

我国的森林资源诅咒严重区和高危区包括内蒙古、吉林和黑龙江三省，覆盖东北林区的大部分地区，该类地区天然林资源丰富，国有成分偏高。2017年，内蒙古、吉林和黑龙江三省共完成林业固定资产投资116.22亿元，其中国家投资占比高达95.53%。目前，内蒙古的林业产业结构仍以第一产业为主，第二产业和第三产业发展相对滞后（图2），虽有逐年上升趋势，但是后劲不足，林业三大产业结构发展仍不协调，从而导致该区经济发展受到阻碍，这主要表现为森林资源利用面窄、产品深加工不足，经济发展高度依赖于森林资源禀赋。[27]

黑龙江省的伊春林区自20世纪60年代开始实行政府与林业管理局“政企合一”的管理体制[28]，在这种制度下的伊春市，林业产值占生产总值的比重较高，侧面反映了当地对森林资源的高依赖度。这客观上也限制了其他行业的发展，使得林区产业结构单一、经济发展难以突破瓶颈，更加容易导致该类地区患上“荷兰病”，成为森林资源“诅咒”的对象。

3. 林业保护政策

为避免森林资源的无序开发与资源浪费，国家对部分林区采取了相应的保护措施，如森林采伐限额、天然林保护工程、退耕还林工程等，且森林资源为国家或集体所有，区域内的贫困人群无权对其随意开发利用，容易产生“富饶的贫困”现象。[13]西藏自治区是我国重要的生态安全屏障，我国政府高度重视当地的生态环境保护，先后实施天然林保护工程、退耕还林工程、建立自然保护区等一系列林业保护政策。目前，其禁止开发区面积约占全区总面积三分之一，林业政策在保护动植物资源的同时，不可避免地制约了森林资源的开发利用，使得森林资源优势几乎没有转变为经济优势。

4. 区位交通不便

地理条件和经济区位是影响人口分布和经济发展的重要因素[29]，上海、江苏、山东等无森林资源诅咒区多沿海靠江，优越的地理位置促使这些地区的外向型经济蓬勃发展;而西藏、内蒙古、云南等森林资源诅咒区，虽拥有丰富的森林资源，但由于地理位置偏远、占地辽阔且地形复杂，基础设施建设很难全面覆盖，原始性贫困现象严重。西藏的森林资源条件优厚，森林蓄积量及活立木蓄积量居全国首位，但林业总产值却位于末尾。该区位于青藏高原的西部和南部，海拔4 000 m以上的地区占全区总面积的85.1%[30]，纵向看，高寒高海拔的地理特性使得各项林产品生产运输成本高，林产业很难实现规模化经营;横向看，西南边疆的地理位置与我国主要政治、经济、文化发达地区的空间距离较远，且周围大多数地区的经济水平较低，吸引力和辐射力较弱，整体经济增速缓慢。

5. 生态环境脆弱

一些经济欠发达、人口密度高的偏远地区，当地的农户生态意识淡薄，往往迫于生计对土地和森林资源过度开垦、樵采，这种长期对森林资源不合理的开发方式，导致自然植被不断遭到破坏，造成地表裸露，“石漠化”现象严重，制约了当地的可持续发展。丰富的森林资源、增长缓慢的经济以及脆弱的生态环境，这三者之间很容易形成恶性循环[31]， 从而加深“资源诅咒”。第1～3次全国石漠化监测检测结果显示，云南省石漠化土地面积分别为288.1万、284.0万、235.2万hm2，居全国第二位。尽管国家实施了天然林保护、退耕还林等林业生态工程，云南省的土地石漠化现象得到了缓解，石漠化的土地面积不断减少，生态环境逐渐好转，但人为逆向干扰活动的现象依然存在。云南省的贫困人口数量居全国第二位，高密度的贫困人群和欠发达的经济水平极易导致“边治理、边破坏”的现象，给巩固建设成果带来一定阻碍，也严重制约了森林资源对于该地区经济发展的正向作用。

三、政策建议

根据上述中国森林资源诅咒的5个传导机制，为帮助森林资源诅咒区破解森林资源诅咒效应，本文给出了相应的政策建议。

（1）加大基础设施和科技创新投资，加强人才引进和教育经费投入。制定人才优惠政策，提高区域内的教育水平;以科技带动林业发展，依靠科技的逐渐成熟和相关制度的创新使经济在质和量统一的基础上稳步增长。[32]

（2）地方政府应着重进行林业产业结构调整，通过精深加工提高林产品附加值和林业产业竞争力。可以通过推进森林内生性生态富民产业的发展，创新森林资源的经营理念，充分挖掘森林资源的深层价值和功能。

（3）由于国家开展林业保护政策而导致的当地林业产业欠发达，可以持续推广生态补偿机制，加大森林生态效益的补偿力度，中央财政需大力支持。

（4）地理位置导致的诅咒效应无法从根本上消除，但政府可以采取一些措施来减轻诅咒程度。例如，诅咒地区的农户大部分收入来源于森林资源，因此可以适当提高当地农户的林业收入，同时加强基础设施建设和公共产品供给。此外，地理位置偏远的地区如西藏、云南等，都拥有丰富的旅游资源，政府应将其充分利用，大力发展森林资源的旅游价值。

（5）“石漠化”现象的成因主要分为自然因素和人为因素，因此需双管齐下，从源头治理。对于自然因素导致的生态环境脆弱，应进行林草植被保护和人工造林种草，将“石漠化”治理与林业生态工程紧密结合，必要时可以实施生态移民政策。[33]对于人为因素主导的环境破坏，需要加强对当地居民的宣传教育，改变不合理的耕作方式，防止农户对森林资源乱砍盗伐。

参考文献：

[1] 杨莉，刘海燕. 习近平“两山理论”的科学内涵及思维能力的分析[J]. 自然辩证法研究， 2019， 35（10）： 107-111.

[2] Auty R M. Resource abundance and economic development [M]. Oxford： Oxford University Press， 2001：10-21.

[3] Sachs J D， Warner A M. Natural resource abundance and economic growth [M]. Cambridge： National Bureau of Economic Research， 1995：1-54.

[4] 谢晨，李周，张晓辉. 森林资源禀赋、改革路径选择与我国农村林业发展[J]. 林业经济， 2007（1）： 45-52.

[5] 程颜，田相辉. 县域森林资源丰富度与经济增长关系的实证分析[J]. 林业经济，2018（2）： 88-94.

[6] 馮菁，程堂仁，夏自谦. 森林覆盖率较高地区经济落后现象研究[J]. 西北林学院学报，2008（1）： 224-228.

[7] 张壮，赵红艳. 国有林区“资源诅咒”与转型发展研究[J]. 林业经济，2019， 41（2）： 31-37.

[8] 赵怀俭，王建卫，祁志强，等. 山西省森林资源变化与经济增长关系的研究[J]. 山西林业科技，2018（3）： 46-48.

[9] 陈晨，王立群. 北京市森林资源与经济增长关系实证分析[J]. 林业经济，2011（6）： 78-81.

[10] 丁文广，陈发虎，南忠仁. 甘肃省森林资源禀赋与贫困关系的量化研究[J]. 干旱区资源与环境，2006（6）： 152-155.

[11] 刘宗飞，姚顺波，刘越. 基于空间面板模型的森林“资源诅咒”研究[J]. 资源科学，2015（2）： 379-390.

[12] 张菲菲，刘刚，沈镭. 中国区域经济与资源丰度相关性研究[J]. 中国人口·资源与环境， 2007（4）： 19-24.

[13] 谢煜，王雨露.“森林资源诅咒”的存在性、传导机制及破解对策：综述与展望[J]. 世界林业研究，2020，33（2）：9-14.

[14] 姚予龙，周洪，谷树忠. 中国资源诅咒的区域差异及其驱动力剖析[J]. 资源科学，2011， 33（1）： 18-24.

[15] 郑猛，罗淳. 论能源开发对云南经济增长的影响——基于“资源诅咒”系数的考量[J]. 资源科学，2013，35（5）：991-1000.

[16] 徐晓亮，许学芬. 资源税改革与我国区域“资源诅咒”困境[J]. 系统工程理论与实践，2015，35（9）：2232-2241.

[17] 臧正，郑德凤，孙才志，等. 中国大陆地区生态诅咒效应的多尺度实证检验[J]. 地理研究，2016，35（5）：851-863.

[18] 文兰娇，张安录. 武汉城市圈土地资源诅咒空间差异性、空间传导机制及差别化管理[J]. 中国土地科学，2013，27（9）：30-37.

[19] 邹书婷，朱媛媛，张永利，等. 江汉平原土地资源诅咒效应研究[J]. 长江流域资源与环境， 2015，24（12）：2038-2046.

[20] 陈昱，陈银蓉. 耕地“资源诅咒”的空间异质性及差别化管理策略研究——中原城市群9个地市的实证[J]. 中国农业资源与区划，2017，38（10）：31-37.

[21] 侯伟丽，韦洁. “金山银山”和“绿水青山”可以同时实现吗？——基于省级面板数据的分析[J]. 林业经济，2019， 41（2）： 18-21.

[22] 张姝婧，唐丽华，赵凯. 环境库兹涅茨曲线模型假设下的森林资源与林业产业关系[J]. 浙江农林大学学报，2018（5）： 885-891.

[23] 王凯，陈涛，罗军伟，等. 基于EKC模型的山东省森林资源变化与人均GDP关系分析[J]. 林业经济问题，2016（3）： 222-226.

[24] 石春娜，王立群. 森林资源环境库兹涅茨曲线经验验证[J]. 统计与决策，2007（1）： 30-31.

[25] 黄祖辉，姜霞. 以“两山”重要思想引领丘陵山区减贫与发展[J]. 农业经济问题，2017（8）：4-10.

[26] 丁胜，赵庆建，曹福亮，等. 基于DEA分析法的区域林业产业规模经济效率评价[J]. 中国林业经济，2019（1）： 1-5.

[27] 陈岩，张智光，廖冰. 中国东北国有林区林业生态安全动态变化研究——生态与产业共生视角[J]. 资源开发与市场，2017， 33（4）： 411-416.

[28] 张壮，赵红艳. 中国国有林区管理体制的重构——基于黑龙江省伊春国有林区的个案研究[J]. 行政管理改革，2019（9）： 79-86.

[29] 曲玮，涂勤，牛叔文，等. 自然地理环境的贫困效应检验——自然地理条件对农村贫困影响的实证分析[J]. 中国农村经济，2012（2）： 21-34.

[30] 肖怡然，闫紫月. 改革开放40年来西藏旅游业的发展历程、经验及展望[J]. 西藏研究，2018（5）： 141-147.

[31] 施小燕，蔡志坚. “三权分置”背景下不同林业经营模式生态绩效比较研究——以福建省沙县为例[J]. 中国林业经济，2019（4）： 65-67.

[32] 郑鹏，熊玮，关怡婕. 产业扶贫的生态风险及化解路径——来自江西的实践经验[J]. 生态经济，2019， 35（12）： 205-209.

[33] 陈琛，顾雪莲，刘艳梅. “生态”与“脱贫”并重的扶贫生态移民实践与思考——以贵州湄潭永兴镇为例[J]. 生态经济，2018， 34（2）： 134-139.

（责任编辑  张月红）

Abstract： The concept of “forest resource curse coefficient” is proposed in this paper to test the existence of the curse effect of forest resources in 29 provincial administrative regions in China from 1976 to 2017. Through cluster analysis， the research objects are divided into high?risk forest resource curse areas， severe forest resource curse areas， fringe forest resource curse areas， and no forest resource curse area. The results indicate that Chinas forest resource curse areas are mainly concentrated in the north and west of China， and there is almost no resource curse in the east and south. The resource curse area and the no resource curse area are basically distributed along the “Yunnan?Jilin” diagonal. Fluctuations in curse coefficients vary by region， and 2013 is the “inflection point” of curse effects in high?risk and severe areas. According to the analysis of the transmission mechanism of the forest resource curse areas， it is found that excessive forestry capital investment leads to backward education and technology， single industrial structure leads to high dependence on forest resources， national forestry protection policy restricts resource development and utilization. Besides， inconvenient location and poor infrastructure， excessive logging of resources and vulnerable ecological environment are also the main reasons for the forest resource curse. Accordingly， the corresponding policy enlightenment is put forward in order to help forest curse areas break the curse effect of forest resources.

Key words： forest resource; curse effect; spatiotemporal differentiation; transmission mechanism; forest resource curse coefficient