我国林业生态效率时空演变及环境规制门槛效应研究

姜 微，刘俊昌，胡 皓

（1.北京林业大学 经济管理学院，北京 100083；2.中南林业科技大学 商学院，湖南 长沙 410004）

十九大报告中提出坚持人与自然和谐共生，“绿水青山就是金山银山”的理念，为建设美丽中国创造良好的生活环境[1]。林业对于生态文明建设的重要意义不言而喻，是生态文明建设的重要抓手。林业对于改善生态环境以及促进区域绿色和可持续发展有着不可替代的重要作用。林业不仅产生经济效益还兼具生态效益和社会效益，故如何有效地利用、使用林业资源是值得探讨的问题。但是如何保证在林业经济高速发展的同时维持资源消耗和生态环境污染在合理范围内是林业经济发展中亟待解决的问题。

1 文献综述

国内最早的林业生态效率研究是刘璨等人[2]运用随机前沿生产函数和超越对数生产函数，分析江苏省淮安市的农田林网和小片林对农业总产值、种植业产值和畜牧业产值的生态贡献程度，随着研究深度和计量经济学等不断发展，随后对林业生态效率研究开展了一系列研究。杨玮[3]运用数据包络分析法对中国各省（区、市）的营林产业和森工产业的生产效率进行了多方面和多层次的研究。白世秀[4]将全要素与偏要素两者相结合分析黑龙江省13 个市的生态效率；郑宇梅等[5]运用规模报酬不变的超效率DEA 分析林业第二产业的生态效率，引入区位熵概念分析林业产业集聚、区域经济效益与生态环境间的关系。罗小锋等[6]利用ESDA技术、基尼系数等方法分析林业生产效率的差异并分析引起林业生产效率变化的影响因素。徐玮等[7]运用Malmquist-DEA 模型测算中国林业生产效率并对不同区域的林业生产效率展开对比分析。史常亮等[8]运用SFA（“一步法”随机前沿模型）测算各省林业技术效率，然后结合Malmquist 生产率指数，分析4 大区域的林业TFP 时序增长与空间分布特征。黄韶海等[9]采用数据包络分析方法测算中国的林业生产效率，通过局部空间相关检验对中国林业生产的空间集聚进行分析，旨在为实现林业可持续发展提供借鉴。管时一[10]运用数据包络分析法和空间相关性分析法对区域林业全要素生产率进行纵向发展分析和横向比较分析，并研究其地区收敛性和空间集聚性。魏肖杰等[11]采用DEA-Malmquist 指数法测算我国林业全要素生产率，运用莫兰指数验证其空间相关特征；使用动态空间计量模型对林业产业集聚影响林业全要素生产率的机制进行实证分析。王兆峰[12]利用环境影响与产品或服务价值的比值作为生态效率的测算公式，探讨湖南武陵山片区旅游产业生态效率的演化过程及其影响因素。

环境规制对生态效率的影响是复杂、阶段性波动的。目前普遍存在两种观点：一是“波特假说”[13]，虽然环境规制对生产有抑制作用但是会反向刺激企业进行创新，促使企业进行技术升级和效率的提升；二是“遵循成本说”[14]，认为由于环境规制的要求使得企业的生产成本增加进而导致企业利润下降，会降低企业的竞争力和生产绩效。环境规制对工业生产效率、农业生产效率的研究颇为丰富[15-16]，但是对于林业生态效率的影响却少有研究，故环境规制对于林业生态效率不同区域的影响存在抑制作用还是会倒逼技术升级、提高经济效率还有待进一步研究。基于此，本研究以全国26 个省（区、市）为研究对象，首先利用非径向方法距离函数测算出各区域的林业生态效率，对不同区域的林业生态效率基于时空和空间进行异质性分析，而后运用门槛回归模型对不同区域的环境规制的门槛效应以及空间异质性进行分析对比，为后续林业经济发展中的生态环境保护提供参考信息。

2 研究方法

2.1 非径向方向距离函数

非径向方法距离函数与DEA 和SBM 效率方法区别在于，前者在投入要素中加入了能源效率，产出中不仅考虑期望产出，还考虑非期望产出的要素。不同于非期望产出效率测算中将松弛变量按照同比例缩减（或扩张）进行测算[17]，为避免产生“松弛误偏”问题，特构建松弛变量可按不同比例进行增减的非期望产出的非径向方法距离函数[18-19]。其基本形式如下：

式中：β表示投入、产出的松弛变量，ω是各变量的权重，g为方向向量，diag(β)表示对向量β进行对角化处理。Y,Z,X分别表示为投入要素、期望产出和非期望产出。

本文假设投入要素、期望产出和非期望产出三者同样重要。对于林业产业生态效率求解目标是在既定的资本和劳动要素投入下，期待实现期望产出最大化以及资源要素投入和环境要素非期望产出最小化。其实，投入要素包括劳动力投入、资本投入以及能源投入，分别由K，L，E符号表示；非期望产出包括废水排放量、废气排放量、固体废弃物排放量，分别由S，Q，W符号表示。将ω，g代入公式（1），通过线性优化求解如下：

求解公式（2）可以得到β的最优解即依据β的最优解可以求解出各要素效率，计算公式如下：

本文将能源效率和环境效率进行加权，得出林业生态效率FEE：

林业生态效率指标选取要体现林业产业的特色，故指标选取侧重于林业特有指标，在参考现有文献的基础上，多投入多产出决定了林业生态效率测算的多样性与复杂性，它涉及到经济、资源、环境等指标的各个方面，且各指标之间存在错综复杂的关系。为保证林业生态效率测度的真实性与可信度，本文选取的相关指标体系见表1。

2.2 门槛回归函数

环境规制对林业生态效率的影响是多维度的，其影响可能会随着环境规制强度水平处于不同区间而呈现不同特点，即变量间可能存在非线性关系。为了检验变量间是否存在非线性关系，采用Hansen 提出的面板门槛回归模型对上述非线性关系进行检验。“该模型的优点在于门槛值的确定是由样本数据内生决定，并运用Bootstrap 方法估计门槛值的显著性，客观性较强。门槛回归”（Threshold regression）作为一种非线性计量经济学模型，其实质就是在反映因果关系的变量中寻找门槛变量，门槛值根据样本数据进行估算，并检验根据门槛值划分的样本组参数是否存在着显著不同。针对本文的计量模型，设定的面板门槛回归模型如下：

表1 林业生态效率投入产出变量及数据说明Table 1 Input-output variables and data description of forestry ecological efficiency

式中：FEEi,t为被解释变量，表示为i地域的第t年的林业生态效率值。数值采用上一节测算结果。ERi,t为核心解释变量，为环境规制强度。环境规制测度方法有多种，本文采用综合指数法，选取工业烟（粉）尘去除率、工业二氧化硫去除率、工业固体废物综合利用率、生活垃圾无害化处理率、生活污水处理率等5 个单项指标数据，利用归一法和熵值法计算出环境规制强度。Xit为控制变量向量，包括投资规模（IL），本文用该地区的林业固定资产投资数值进行衡量；经济发展水平（GDP），为了更好反映出当地经济发展水平，本文用当地人均GDP 水平进行衡量；科技投入（R&D），本研究用林业研究、试验发展、信息化等经费支出表示科技投入；对外开放程度EO 用外商直接投资额。

β0为常数项，itε为随机扰动项。1(·)代表示性函数，取值规则如下：当表达式为真时，取值为1；当表达式为假时，取值为0。β1，β2分别代表当q≤γ和q＞γ时环境规制强度对林业生态效率的弹性系数，若门槛效应存在，则β1，β2的系数符合或估计值会出现显著差异。

2.3 数据来源

文中所涉及解释变量和被解释变量的数据均来源于《中国林业统计年鉴（2005—2016）》《中国环境统计年鉴（2005—2017）》、各省统计年鉴以及各省年度统计报告。其中由于天津市、上海市历年相关数据缺失过多，青海、宁夏、西藏的林业产值过少，所以该文对以上省（区、市）不予分析。所以该文最终选择全国26 个省（区、市）作为研究样本。

3 结果与分析

3.1 中国林业生态效率测度结果与分析

本文运用DEAMAX 软件，按照公式（1）～（5）求解出2005—2016年我国各省（区、市）的林业生态效率值，结果如表2所示。其中，林业生态效率均值最高为广东（0.821 1），林业生态效率数值大于0.7 的省市有：上海（0.774 7）、北京（0.707 4）、海南（0.707 0），这些省市大都属于东部沿海地区，当地经济水平较高，以先进的制造业为基础的现代化工业体系以及环保意识不断增强和注重环境保护，故这些地区的林业生态效率值较高。林业生态效率均值最低的为陕西（0.082 2），数值低于0.3 的省（区、市）有：云南（0.122 2）、黑龙江（0.189 9）、内蒙古（0.214 1）、广西（0.229 7）、四川（0.232 8）、吉林（0.270 4），属于东北部地区以及西部地区。东北部地区森林资源丰富，但该区域林业生产技术水平较为落后，而又想追求高经济效益由此恶性循环导致资源粗放式的开发利用，造成了资源环境的严重破坏。云南、广西地处西部地区，采取资源换经济的模式发展，导致其资源过度开发利用，对资源环境影响较大。

我国林业生态效率整体上呈现从西部到东南部慢慢升高的趋势，以东部地区的林业生态效率最高，中部地区林业生态效率值居中；西部、东北部林业生态效率值较低。因此，各省（区、市）的林业生态效率值分别与各地区经济实力保持基本趋同趋势。东部地区林业生态效率水平基本上都保持较高的水平，北京因为其特殊的区位优势、政治经济中心，使得其也拥有较高的林业生态效率水平；河北省是个特例，承接京津地区高能耗和高污染的产业转移的首选阵地，导致其林业生态效率较低。中部地区林业生态效率除了山西、湖南基本上均值在0.5 以上。山西省2016年森林覆盖率为20.5%，林业资源相对较少，主要以煤炭能源生产为主，对于林业资源开发利用相对来说不那么重视，导致生产技术水平落后，从而导致林业生态效率偏低；湖南省林业资源丰富，以资源换经济发展的模式导致前期的林业生态效率水平较低，而后在承接产业转型的过程中，积极调整战略结构进行产业升级改造，2012年以后林业生态效率达到0.5 以上。西部地区整体林业生态效率值偏低，而重庆由于其在西部特殊地理位置以及经济水平，故其林业生态效率相比其他西部地区高很多。

3.2 我国林业生态效率的时空演变趋势

为了探索各省（区、市）林业生态效率时空演变情况，选择2005年、2008年、2011年、2014年和2016年为观测点，运用非参数的Kernel密度函数得出其不同时期的分别差异（图1）。具体来看，相对于2005年，2008年密度函数中心明显向左移动，峰值明显增大，变化区间缩小，这说明在此期间整体生态效率显著降低，同时两极分化现象有所改善，地区差距缩小。与2008年相比，2011年、2014年密度函数中心向右移动，说明在此期间整体生态效率有所提高。2016年密度函数相比2014年峰值明显下降，这表明在此期间整体生态效率继续改善，同时地区差距有所缩小。观察2005—2016 东部、东北部、中部、西部以及全国的2005—2016年林业生态效率的时空演变趋势，结果如图2所示。由图2可以看出，西部、中部以及全国的林业生态效率都是呈现先下降后上升再波动后稳定的趋势。2005—2009 西部、中部及中国都是年呈下降趋势，而且2009年都是整个研究期的最低点，而后从2010年开始上升，到2012年后就开始波动以致保持稳定趋势。2005—2010 东部地区年林业生态效率值在0.52～0.55 的范围波动，2010年后就直线上升，2012年后就保持较为稳定的趋势，数值接近0.7。东北部地区林业生态效率开始呈现下降的趋势，也是在2009年到达最低点，而后开始上升，但是2012年以后又呈下降的趋势。2009年西部和东北部林业生态效率数值最低，低于0.2，全国林业生态效率值高于中部地区，东部地区最高。其中，2010年以后中部地区林业生态效率值均高于全国林业生态效率值；2012年中部地区林业生态效率值呈接近东部地区数值；2014年以前东北部地区林业生态效率值高于西部地区，而2014年以后均低于西部地区；东部地区林业生态效率一直保持较为明显的领先优势。

将图1～2的图形结合起来看，各年份的核密度函数图与各区域的林业生态效率变化趋势有一致性。开始林业生态效率整体呈下降趋势，而后保持上升态势，两者直接可以相互辅证变化趋势。在2009年前，各地区都是以经济发展为主要目标，以资源过度消耗为代价发展经济，与此同时对于生态环境缺乏相关意识和保护，虽然经济发展了但是给生态环境造成了严重后果，如2008年的特大洪灾、冰冻灾害还让人记忆犹新。而且由于技术水平低，资源过度消耗，环境不断恶化，从而导致林业生态效率持续走低。自2008年提出的集体林权制度改革，生态文明理念的提出和不断推进，使得各地区逐渐重视生态环境，积极引进先进的生产技术和提高生产效率以及降低污染能耗，减轻生态环境的压力。东部地区利用其地域优势，经济较为发达，生产条件、技术水平相比其他地区优势更为明显，调整了发展模式由粗放型向集约型的转变，因此2012年后可以长期保持较为稳定的态势。中部地区在承接东部地区的产业转移过程中，引进东部地区的先进工艺和产业结构的优化升级，但由于还处于转型期其尚未完全摆脱传统模式的影响，故林业生态效率值出现一定程度的下降。西部地区由于地域因素造成的交通不便，经济较为落后，导致仍以资源的过度消耗为主发展经济，生产技术水平较为低下，从而导致林业生态效率水平较低。

图1 我国林业生态效率的Kernel 密度估计Fig.1 Kernel density estimation of China’s forestry ecological efficiency

图2 我国林业生态效率的时空演变趋势Fig.2 Temporal and spatial evolution trend of China’s forestry ecological efficiency

3.3 门槛回归结果

本文利用上节测度出来的2005—2016年我国林业生态效率数据为被解释变量，环境规制为核心解释变量，借鉴Hansen（1999）的“自助法”（bootstrap），利用STATA12.0 软件，通过反复抽样1 000 次测算出P值，以判断是否存在门槛值、存在几门槛值以及门槛效应如何，检验结果见表3。

由表3可知，F统计量无论是在单门槛、双门槛还是三门槛模型中，都通过10%的显著性检验，因此说明环境规制对林业生态效率的影响存在基于环境规制为门槛变量的三门槛效应。因此，本文对该三门槛模型进行进一步检验和估计（表4）。

设定环境规制为门槛变量，数值的不同对林业生态效率影响有较大差异。当环境规制条件宽松时（ER ≤0.599 5），对林业生态效率有正向影响，影响系数为0.324 1。因为环境规制条件宽松时，对于污染排放要求较低，此时企业利润最大化的产量要高于最优化产量，促进经济效益的增长。但由于污染排放对于环境具有典型的负外部效应，导致无法实现资源的最优化配置，产生资源过度消耗以及污染过度排放等现象。当环境规制条件较为宽松时（0.599 5＜ER ≤0.709 7），对林业生态效率正向影响，影响系数为0.213 5；当环境规制条件较为严格时（0.709 7＜ER ≤0.816 5），对林业生态效率正向影响，影响系数为0.149 3。由于在0.599 5 和0.816 5 区间水平里，企业会根据环境规制要求在允许的条件下进行技术改造升级，以适应产业发展的要求，故这是环境规制对林业生态效率是促进作用，但是随着环境规制的强度越高，其产生的成本越来越高，导致影响系数的降低。当环境规制条件严格时（ER＞0.816 5），对林业生态效率负向影响，影响系数为-0.05 4。因为随着环境规制条件越来越严苛，其对于林业生态效率影响为有利变为不利。环境规制越严苛，由此会增加企业的生产成本，导致企业会调整产量以适应环境规制要求，甚至有企业为此而停产，由此环境规制对生态效率产生负面影响，这也是为什么在环境规制水平大于0.816 5 时，会导致影响为负的原因。

表3 门槛效应显著性检验结果†Table 3 Significant test results of threshold effect

表4 三门槛模型估计结果†Table 4 Estimation results of three threshold models

4 结论与建议

本文运用非径向方法距离函数求得绿色发展理念的我国26 个省（区、市）2005—2016年的林业生态效率值，然后利用非参数的Kernel 密度函数分析林业生态效率的时空演变趋势，再利用面板门槛回归模型分析环境规制强度对林业生态效率的影响程度。

1）我国林业生态效率整体上呈现从西部到东南部慢慢升高的趋势，以东部地区的林业生态效率最高，中部地区林业生态效率值居中；西部、东北部林业生态效率值较低。因此，我国各省（区、市）的林业生态效率值分别与各省份经济实力保持基本趋同趋势。其中，林业生态效率最高值为广东省，最低为陕西省。

2）分析林业生态效率整体时空演变，2005—2009年间密度函数中心先向左移动，表明整体生态效率显著降低，2009年后密度函数中心向右移动，表明整体生态效率有所提升，2016年密度函数相比2014年峰值明显下降，表明整体生态效率继续改善，同时地区差距有所缩小；分区域分析林业生态效率时空演变，西部、中部以及全国的林业生态效率都是呈现先下降而后上升再波动后稳定的趋势，东部地区林业生态效率值先固定范围波动，而后直线上升，再保持较为稳定的趋势，东北部地区林业生态效率先下降再上升而后下降的趋势。

3）环境规制对于林业生态效率影响表明：当环境规制条件小于0.599 5 时，对林业生态效率正向影响；当环境规制条件在0.599 5 和0.816 5 区间水平里，环境规制对林业生态效率是促进作用，但是随着环境规制的强度越高，其产生的成本越来越高，导致影响系数的降低。环境规制条件大于0.816 5 时，对生态效率产生负面影响。

基于以上实证分析提出以下4 点建议：

1）完善政策引导扶持方向，大力发展林业产业。开辟产业融合发展新路径，实现林业从单纯的生产功能向生态、文化功能的全面拓展，特色林业与传统文化、现代科技、文化旅游、创意体验、互联网以及金融等有机融合，推动区域产业升级。由此可见，应在做强做大主导产业的同时，加大研发力度，挖掘林产品潜在价值、生态价值、文化价值，提升价值链。促进林业与旅游、文化、教育、健康养老等深度融合发展，延伸产业链，形成种养、加工、科技、营销等全产业链格局，实现三大产业融合发展。

2）大力发展绿色制造业。一是加快传统产业转型升级。按照高端化、绿色化、集约化要求，继续淘汰落后产能，推动传统林业产业采用先进技术，不断优化产品结构，逐步向低能耗、绿色环保、高附加值的新领域发展。二是运用大数据提供优质生态产品。积极发展生态产品全产业链的数据存储、采集、处理、教育、安全等核心业务，培育生态相关产业智能终端产品及服务的相关业态，不断丰富生态相关产业中的智能制造、智慧健康、旅游、物流等衍生业态发展，实现大数据生态产业的快速增长。三是鼓励金融机构进一步加大对林业发展的支持力度，创新林业金融产品和服务，开发林业信贷产品，支持技术改造、绿色林产品加工、循环产业、清洁能源、新材料和大数据等产业，特别是支持实体经济绿色发展。如林权抵押+政府增信、林业APP、龙头企业+基地+新型经营主体+林农等融资模式，推广以自身现金流还款的模型，多渠道为林业企业或林农建立融资模式。

3）发展新旅游业态，提高旅游经济效益。发挥林业生态资源优势，特别是地域特色、国家森林公园、自然保护区等有着自身特点的旅游景区，开发多样式的旅游模式如自驾车营地、房车露营、户外运动、低空飞行等新业态旅游产品，以适应人们的旅游需求。

4）利用大数据更好地保护生态环境。推动生态环境保护大数据应用，运用遥感、大数据、云计算等技术，更加精准有效地推动生态建设和污染防治，提高自然生态修复能力。以提升环境管理信息化和智能化水平为目标，建立以大数据为技术手段的环境在线监控体系，加大行业重点污染源自动监控设施建设力度。建设涵盖大气、水、土壤、噪音等要素的环境质量监测网络，完善生态环境监测数据集成共享机制，推动环境质量、重点污染源、生态状况大数据监测全覆盖，实现多部门数据融合集成，互通共享，推动生态环境治理体系和治理能力现代化。