我国林业生态经济发展效率研究——以安徽省为例

杨 岗

(安徽大学 经济学院，安徽 合肥 230601)

0 引言

林业是国民经济的基础性产业和社会公益事业，对于促进生态、经济和社会的协调、可持续发展发挥着至关重要的作用。在我国经济进入新常态，深化供给侧结构性改革和实施乡村振兴战略的中国特色社会主义新时代的背景下，林业的双重使命使得对于林业生态经济的研究具有重要的现实意义。

国内外对于林业生态经济的研究主要集中在对林业投入产出效率的测算与分析。利用非参数方法的DEA模型进行效率分析是国内外学者常用的方法。Kao[1]和Yang[2]较早地将DEA模型引入林业投入产出效率分析。国内学者运用DEA模型进行林业投入产出效率分析的起步较晚。曾珍香等[3]提出了数据包络分析 (DEA)方法在可持续发展评价中的应用思路和过程。赖作卿和张忠海[4]运用DEA模型对广东省林业投入产出效率进行测算与分析比较，并给出针对性的政策建议。李春华和李宇等[5]运用DEA模型对我国31个省份2006年的林业投入产出效率进行了测算和分析。田淑英、许文立[6]运用DEA模型对我国1993-2010年间林业投入产出效率进行测算和分析，发现了制约林业发展的主要因素。

廖冰等[7]认为林业生态经济效率是指在保证林产品数量和质量的前提下，尽量减少环境污染和资源消耗，以获取高质量的生态和经济效益。本文将林业生态经济效率定义为林业生态水平对经济发展的直接效益。尽管不同学者对于林业投入产出效率的分析都在一定程度上反映了林业的发展效率。本文将林业生态资源作为投入指标，将林业总产值作为产出指标，运用DEA模型测算林业生态经济效率，说明林业生态经济的辩证统一关系。本文以2014年安徽省63个县级区域为研究对象，按照主体功能区分析各功能区内部以及彼此之间的林业生态经济效率差异。本文以安徽省县域林业生态经济为例，为我国各级林业部门生态经济管理提供重要参考。

1 安徽省林业生态经济发展现状

安徽省地跨长江、淮河、新安江三大流域，承东启西，连接南北，生态区位十分重要。同时，安徽省是我国南方集体林区重点省份，林业在全省国民经济和社会发展大局中占有重要地位。改革开放以来，先后实施了“五八造林”绿化规划、林业“二次创业”、退耕还林、万里绿色长廊工程等林业发展战略和重大工程，全省林业取得了长足发展，初步形成苗木花卉、经济林、速生丰产用材林、林产工业、竹产业与森林旅游业六大主导产业。

按照2013年《安徽省人民政府关于印发安徽省主体功能区规划的通知》，本文将选取的63个县(市、区)划分为重点开发区、限制开发区——国家农产品主产区和限制开发区——重点生态功能区三类进行分析。

1.1 重点开发区现状

重点开发区域是指具有一定的经济基础、资源环境承载力较强、发展潜力较大、集聚人口和经济的条件较好，应该重点进行大规模工业化、城镇化开发的城市地区。本文研究的重点开发区域包括肥东县、肥西县、无为县、和县、当涂县、铜陵县、枞阳县和繁昌县等8个县(市、区)。

2014年，重点开发区域的林业总产值达191 209万元，占全省林业总产值的6.75%；有林地面积159 659公顷，林业用地面积225 146公顷，占全省林业用地面积的5.01%；活立木总蓄积量达896 7770m2，占全省活立木总蓄积量的3.43%；森林覆盖率平均值达到18.26%。

1.2 农产品主产区现状

限制开发区域分为两类，其中一类是农产品主产区，即耕地较多、农业发展条件较好，具有较强农产品生产和供给能力，必须把增强农业综合生产能力作为发展的首要任务，应该限制进行大规模高强度工业化、城镇化开发的地区。安徽省有大部分地区都属农产品主产区，本文研究的农产品主产区包括濉溪县、利辛县、蒙城县、涡阳县、萧县、砀山县、灵璧县、泗县、怀远县、凤台县、固镇县、五河县、临泉县、太和县、阜南县、颍上县、界首市、寿县、霍邱县、长丰县、来安县、全椒县、定远县、凤阳县、明光市、天长市、庐江县、舒城县、芜湖县、南陵县、含山县、东至县、桐城市、怀宁县、宿松县、望江县、郎溪县和广德县等38个县(市、区)。

2014年，农产品主产区的林业总产值达1 043 577万元，占全省林业总产值的36.87%；有林地面积高达1 368 684公顷，林业用地面积共1 633 004公顷，占全省林业用地面积的36.34%；森林覆盖率平均值达到22%。

1.3 重点生态功能区现状

限制开发区还有一类为重点生态功能区，即生态系统脆弱、生态功能重要，必须以生态系统保护和生态产品生产为首要任务，应该限制进行大规模、高强度工业化和城镇化开发的地区。本文研究的重点生态功能区包括金寨县、霍山县、太湖县、岳西县、石台县、潜山县、黟县、歙县、祁门县、休宁县、青阳县、泾县、旌德县、绩溪县和宁国市15个县(市、区)。

2014年，重点生态功能区的林业总产值达到490 429万元，占全省林业总产值的17.3%；有林地面积共165 0196公顷，林业用地面积共218 4263公顷，占全省林业用地面积的48.61%；活立木总蓄积量共573 3016立方米，占全省的32.89%；森林覆盖率均值达73%，明显高于其他区域。

1.4 全省林业生态经济现状

2014年，安徽省林业总产值达到283 0736万元，比2013年提高了21.5%，全省林业总产值不断提高。2014年，本文63个研究对象中有55个县(市、区)的林业总产值达到10 000万元以上，5个县林业总产值达到50 000万元以上。其中林业总产值最高的是颍上县(72 892万元)，最低的是毛集区(2 170万元)。

安徽省林业生态经济发展总体上呈现出良好的发展态势，但通过对林业生态经济各指标的分析发现，依然有不足之处。一方面，林业生态经济发展不充分，虽然林业总产值呈稳步上升趋势，但部分林业生态指标发展缓慢；另一方面，林业生态经济发展不平衡，各县(市、区)之间的林业生态经济发展差距较大，尤其是林业总产值、林木质量和林木数量差距明显。

2 林业生态经济效率研究方法

本文运用数据包络分析(Data Envelopment Analysis，DEA)方法测算安徽省各县(市、区)林业生态经济发展效率，选用4类(7项)生态指标作为林业生态经济的投入，选用林业总产值(经济发展的直接收益)为林业生态经济的产出。选取安徽省63个县(市、区)作为样本决策单元，进行林业生态经济效率的测算，比较各区域林业生态经济发展相对效率，分析林业生态经济发展的不足，并给出针对性建议。

2.1 模型说明

数据包络分析(DEA)方法由Charnes等于1978年首先提出，采用线性规划方法，将被评价单位作为决策单元(Decision Making Units，DMU)，利用观察到的有效样本数据测算决策单元技术效率，对决策单元进行相对有效性评价[8]。DEA方法是一种非参数分析方法，对于研究具有多输入、多输出的生产部门的规模效率和技术效率卓有成效。

本文以林业生态作为投入指标，林业经济作为产出指标。假设有n个DMU，每个DMU都有m种类型的投入和s种类型的产出，分别用Xj表示投入，用表Yj示产出。

Xj=(x1j,x2j,...,xmj),Yj=(y1j,y2j,...,ysj),(j=1,2,...,n)

其中，xij(i=1,2,...,m)表示决策单元DMUj的第i种类型的投入，yrj(r=1,2,...,s)表示决策单元DMUj的第r种类型的产出。评价决策单元DMUj0有效性的CCR模型为：

其中，λj表示组合系数，θ表示相对效率值，S-和S+为松弛变量。若θ=1，且S-=0,S+=0，则认为该DMU有效；否则，则认为该DMU无效。

2.2 构建指标体系

基于林业生态经济的内涵及特征，进行林业生态经济评价应遵循以下基本原则：首先，指标选取应具有代表性，要能够全面反映评价目的；其次，指标选取应尽量精简，输入输出指标数量选取过多会降低DEA方法的评价功能；第三，遵循系统性原则，林业生态经济中各要素紧密相连，指标选取时不仅要考虑单个指标的数据，更要考虑各指标之间的逻辑关系；第四，建立林业生态经济评价指标体系还要考虑其实用性和可操作性(见表1)。

表1 林业生态经济发展效率评价指标体系

林业生态经济具有林业生态和经济两个子系统，基于以上指标选取原则，分别从生态和经济两个角度选取评价指标来反映安徽省林业生态经济发展状况。

2.2.1 林业生态指标

结合国家林业局2008年发布的《森林生态系统服务功能评估规范》中对森林生态评估中指标体系的构建，在数据可得性的基础上，本文选择森林资源数量及质量指标来近似反映区域林业生态状况。一般情况下，林地和林木资源是其他森林动植物和微生物的生存基础，二者具有很强的正相关性，因此对森林资源生态建设的考察可以从林地及林木资源的数量和质量两个方面进行。

林地数量指标包括有林地面积和有林地占林业用地比例。有林地面积越大，有林地占林业用地的比例越大说明林地数量越多、林业生态效益越强。用材林可及度是指用材林开发利用的难易程度，可以用来衡量林地质量进。

林木数量的指标选择活立木总蓄积量和森林覆盖率。活立木总蓄积量越高、森林覆盖率越高表明林业生态效益越强。林木质量指标选择单位面积活立木蓄积量和乔木林非幼龄林比重做林业生态指标。单位面积活立木蓄积量越高、乔木林非幼龄林比重越高，林业生态效益越明显。

2.2.2 林业经济指标

林业生态的发展会带动一定的经济产出，而林业的经济产出直接作用于林业产值的变化，因此，本文选择林业总产值作为林业经济指标。林业总产值是指一个国家或地区在一个时期内，由其林业产业所生产的最终产品和劳务价值总量，包括林业第一产业产值、林业第二产业产值及林业第三产业产值。

3 林业生态经济发展效率实证分析

本文利用DEAP2.1软件对选取的安徽省63个县(市、区)的林业生态经济效率进行测算，对各个主体功能区内部各县级单位以及各主体功能区之间的林业生态经济效率进行对比分析，分析林业生态经济发展的不足与原因。本文所有样本数据均为公开统计数据，主要来源于《安徽省统计年鉴》(2015年)。

3.1 安徽省林业生态经济效率分析

2014年安徽省林业生态经济效率水平偏低，63个样本决策单元(DMU)的综合效率均值仅有0.498，规模效率均值为0.527，纯技术效率均值相对较高，为0.938。其中，综合效率值、规模效率值和纯技术效率值都为1，即处于生产前沿上的决策单元有以下7个县(市、区)：枞阳、广德、霍邱、潜山、太湖、桐城、颍上。表明这些决策单元的林业生态经济效率是DEA有效的，其余DMU处于无效状态。在这些无效的DMU中，毛集区(0.052)的综合效率值最低，综合效率最高的是无为县(0.924)。从整体上看，超过半数(36个)DMU的综合效率值低于0.5，49个DMU的综合效率低于0.7。这说明，在2014年，安徽省的林业生态经济效率的整体水平偏低，并且大多数DMU的林业生态经济发展水平非常低。另外，各个DMU之间的综合效率差异非常大，表明区域林业发展水平的不平衡问题非常突出。

从综合效率、纯技术效率、规模效率三者的对比可以看出，相对而言，纯技术效率均值(0.938)要远高于规模效率均值(0.527)，并且导致综合效率较低的主要原因在于规模效率的偏低。因此，安徽省2014年的林业生态经济效率是偏低的，而主要的制约因素是林业的规模水平。同时，纯技术效率较高，表明林业的生产结构是相对较为合理的，反映出其各项林业生态投入资源的利用较为充分。

在DEA模型中，综合技术效率可以分解为技术效率和规模效率两部分，即综合效率=技术效率*规模效率，它们分别反映结构和规模两方面的效率情况。技术效率衡量的是，假设在规模报酬不变的情况下，被评价的决策单元与前沿面的距离，即林业的生态投入结构是否符合林业发展的要求，使得林业的经济产出达到最优，其效率值为1表示投入和产出的结构合理，否则为不合理。技术效率值为1的DMU有20个，分别是枞阳县，当涂县，定远县，肥西县，广德县，含山县，怀宁县，霍邱县，金寨县，潜山县，寿县，太湖县，天长市，桐城市，望江县，无为县，芜湖县，宿松县，颍上县和岳西县，说明它们都处于生产前沿面上。表明，这些县(市、区)的林业生态经济的投入和产出结构是相对合理的，实现了资源的优化配置。而规模效率衡量的是规模报酬不变的生产前沿面与生产规模报酬可变的生产前沿面之间的距离，即对林业生态经济的投入产出规模进行调整之后是否达到DEA有效。枞阳县，广德县，霍邱县，潜山县，太湖县，桐城市，颍上县等7个县市区的规模效率值为1，处于DEA有效状态，说明其投入产出规模已经达到最优状态。

3.2 主体功能区林业生态经济效率分析

重点开发区域内8个DMU的林业生态经济综合效率均值为0.525，其中纯技术效率均值为0.982，规模效率均值为0.534。有效前沿上的DMU只有枞阳县，除此之外，无为县的综合效率(0.924)较高，非常接近有效前沿，和县的综合效率(0.125)最低。整体上看，各个DMU的纯技术效率相对较高，并且均达到0.9以上而且接近1，规模效率大都偏低，规模效率最高的是无为县(0.924)，最低的是和县(0.126)。整体上看，8个DMU的纯技术效率均不低于其规模效率(见表2)。

表2 重点开发区林业生态经济效率

重点生态功能区内的DMU共有15个，处于有效前沿上的DMU为潜山县和太湖县。其林业生态经济综合效率效率均值为0.529，纯技术效率均值为0.930，规模效率均值为0.560。同重点开发区类似的是，纯技术效率均值明显高于规模效率均值。处于有效前沿之外的DMU之中，综合效率最高的是泾县(0.851)，其纯技术效率(0.921)和规模效率(0.924)非常接近，纯技术效率最高的是金寨县(1.000)和岳西县(1.000)，规模效率最高的是泾县(0.924)。整体而言，15个DMU的纯技术效率几乎都高于或等于其规模效率(见表3)。

表3 重点生态功能区林业生态经济效率

农产品主产区内的DMU共有40个，其中DEA有效，即处于有效前沿上的DMU有4个，分别是广德县，霍邱县，桐城市和颍上县。其林业生态经济综合效率均值为0.481，纯技术效率均值为0.932，规模效率均值为0.513。DEA无效的DMU中，综合效率最高的是萧县(0.891)，其纯技术效率(0.900)和规模效率(0.991)均较高，且数值相近；综合效率最低的是凤台县(0.109)，其纯技术效率(0.925)远远高于规模效率(0.118)。综合而言，38个DMU的纯技术效率几乎全部都高于或等于规模效率(见表4)。

对比3个区域之间的林业生态经济效率，重点开发区域的平均综合效率(0.525)最高，其次是重点生态功能区(0.498)，最低的是农产品主产区(0.481)。3个区域的纯技术效率均值和规模效率均值也分别有相同的排序。

3.3 安徽省林业生态经济发展存在的不足

从对测算结果分析看，在2014年，安徽省63个县(市、区)之中，有56个处于DEA综合效率无效的状态，43个处于纯技术效率无效的状态，56个处于规模效率无效的状态。对于纯技术效率为有效的20个DMU而言，其中有13个DMU的规模效率小于1，即处于规模效率DEA无效的状态。也就是说，在当年林业技术水平固定不变的假设条件下，林业生态经济的投入产出结构是合理的，只是投入产出的规模不太合理。纯技术效率和规模效率均为无效的决策单元说明，该地区林业生态经济的投入和产出的结构与规模都是不合理的。

表4 农产品主产区林业生态经济效率

整体来看，63个县(市、区)的DEA综合效率均值只有0.498，纯技术效率均值达到0.938，规模效率均值为0.527。林业生态经济的投入产出的结构较为合理，即资源的配置较为高效，但是，投入产出的的规模水平较小，最终导致整体的效率水平较低。这说明，在各方的共同努力之下，安徽省的林业生态经济发展结构和谐，但是受限于规模水平，导致整体上的效率不足。

从3个区域各自内部的分析可知，每个区域内部各个DMU之间的林业生态经济效率相差较大，尤其在农产品主产区和重点生态功能区内部表现地尤为突出。说明各自区域内部的林业生态经济发展的严重不平衡。另外，3个区域的共同点是，DMU的纯技术效率几乎都远远高于相应的规模效率。说明各自区域内部的DMU的林业生态经济结构较为合理，资源的投入和利用较为合理，然而，综合效率偏低的主要制约因素是林业规模水平的严重偏低。

从3个区域相互之间的对比可知，重点开发区域的资源优势较为明显。重点开发区域的综合效率、纯技术效率、和规模效率均高于其它两个区域，表明资源优势明显，并且资源的利用也较为充分。3个区域之间既有相似的地方，也有不同的地方。相似的主要是区域内部各个DMU的分解效率之间的大小关系，不同的主要是限制开发区域的DMU数量较多，并且各个DMU之间的效率差异普遍较大，尤其是规模效率之间的对比。说明，限制开发区域的林业生态经济发展的巨大差异性，其背后的主要原因是长期的低效率的资源积累和经济发展水平偏低的限制。

4 结论与建议

在中国特色社会主义新时代背景下，林业生态经济发展的不平衡和不充分问题已经成为林业生态经济发展的主要制约因素。对安徽省的林业生态经济发展效率的分析发现一个重要结论，重点开发区域的综合效率、纯技术效率、和规模效率均高于其它两个区域，表明其资源优势十分明显，并且资源的利用也相对更加充分。另一个重要结论是，每个主体功能区内部的DMU的综合效率、纯技术效率和规模效率的差异较大，尤其是规模效率，这凸显出了安徽省林业生态经济的发展的不平衡与不充分问题。

林业生态经济的高效发展既需要林业生态投入的规模适度，同样也需要资源的合理配置，这就要求林业技术的不断进步来得以保证[9]。对63个样本决策单元的测算结果的描述和分析可以看出，投入规模的限制是导致地区之间生态经济效率产生较大差异的主要制约因素。因此，可以结合地区的发展定位和资源占有情况等给予适当的支持，以此扩大规模不足引起的低效率状况。例如，加强林业技术人员的投入，增加林业资金的扶贫力度等手段[10]。尤其支持生态脆弱的贫困地区的生态功能的保护和建设依托生态的经济发展模式，逐步减小区域之间的林业生态经济差距。