考虑空间溢出效应的森林质量与经济增长关系EKC检验*

侯孟阳 邓元杰 姚顺波 刘广全

(1. 西北农林科技大学经济管理学院 杨凌 712100； 2. 西北农林科技大学资源经济与环境管理研究中心 杨凌 712100；3. 中国水利水电科学研究院 北京 100038)

森林作为陆地生态系统的主体和重要的自然资源，具有经济、生态和社会三大效益，是实现人类社会资源、经济、环境可持续发展的物质基础，森林在生态、社会和经济效益方面的所有功能与价值总和即为森林质量(Dudleyetal.， 2006)。当前，我国人均森林面积仅为世界人均水平的1/4，人均森林蓄积只有世界人均水平的1/7，森林资源总量相对不足、质量不高、分布不均的状况未得到根本改变，森林经营是林业发展的短板，林地生产力和产出效率低、效益不高的现象仍然突出(1)http:∥www.forestry.gov.cn/main/446/content-892764.html.。森林关系国家生态安全，要着力提升森林质量，增强生态功能，国家“十三五”规划也明确提出全面提升森林等自然生态系统稳定性和生态服务功能，并努力实现自然生态系统与社会经济系统的良性循环。在经济增长新常态背景下，国内经济的稳定增长是首要任务，因此有必要深刻了解森林质量与经济增长间的变化关系，这有助于在保证经济稳定增长的情况下提升森林质量，并实现森林可持续经营、森林生态保护和经济增长在合理区间内均衡运行的多赢目标，对把握森林资源保护和经济增长的协同与平衡具有重要理论和现实意义(许姝明等， 2010)。

赵惠勋等(2000)、石春娜等(2007)研究指出，提升森林质量是解决我国林木资源供给不足、生态环境恶化的决定性因素，而建立完善的森林质量评价体系是提升森林质量和森林可持续经营水平的关键； 徐拓远等(2017)基于新一轮集体林权改革背景评估森林火灾控制对森林质量的作用效果，结果发现集体林权制度改革政策能够显著提升森林质量，森林火灾发生次数降低有助于提升森林质量； 李凌超等(2018)通过森林转型理论探讨劳动力转移对森林质量的影响，指出内陆到沿海地区的劳动力转移可减轻森林资源集中地区对森林资源生计的消耗； 而其他森林质量相关研究多关注自然因素的影响(Fosteretal.， 2003； Broweretal.， 2010； 安慧君等， 2018)。

森林质量提升体现在森林生态环境和森林经营经济效益改善上。当前，关于环境质量与经济增长关系的研究主要依据环境库兹涅兹曲线(environmental Kuznets curve，EKC)假说，该假说认为环境污染强度与经济增长间呈倒U 形非线性关系(Grossmanetal.， 1991)，即在经济发展初期阶段，环境污染程度随经济增长不断加重，当经济增长跨过某一临界值时，环境污染程度将随之下降。一般来说，经济增长是通过经济结构变迁、技术水平提升、环境政策制定、公众环境需求等方面对生态环境变化产生影响的(李太平等， 2011)，具体到森林生态环境领域，EKC假说同样适用于森林质量与经济增长间变化关系的研究。在经济发展早期阶段，经济增长会产生对林产品的巨大需求，调动林农和森工集团从事林业生产的积极性，但伴随着乱砍滥伐现象，会导致森林资源减少，森林质量下降，而随着产业结构高级化演变、国民生态环保意识觉醒、技术进步、森林资源保护性政策、林权制度改革等共同影响，会逐步减少对森林资源的开采利用，缓解森林资源的生态压力，并不断提升森林质量。

EKC假说提出后，国内外众多学者对EKC理论开展了广泛研究，并通过模型来检验EKC的存在，得出EKC主要有U形或倒U形(Galeottietal.， 2006； 林伯强等， 2009)、N形或倒N形(MartíNez-Zarzosoetal.， 2004； 余东华等， 2016)、线性(Richmondetal.， 2006； 郑长德等， 2011)和不存在关系(Heetal.， 2010； 李卫兵等， 2011)。具体到森林资源与经济增长关系的检验，经历了由采用截面数据(Allenetal.， 1985； Tole， 1998)到面板数据(Bhattaraietal.， 2004； Culas， 2007； 谷振宾， 2007)、由定性分析(郑小贤， 2007)到定量研究(Wangetal.， 2007； 刘璨等， 2010)的发展过程，为森林质量与经济增长关系研究奠定了丰富的基础； 但现有相关研究存在的一个共性问题是大多根据森林资源数量探讨与经济增长的关系，而当前我国森林资源数量增加、森林资源质量不高是不争的事实，森林质量提升才是森林生态功能的基础保障，现有研究仍缺乏关注经济增长对森林质量的影响。

综合以上与森林质量EKC检验相关的文献，现有研究基于面板数据进行回归检验时，不同地区往往隐含同质性假设，否认地区在经济结构、资源禀赋、区位条件、基础设施、政府制度等方面存在的差异(余东华等， 2016)，即不同地区森林质量受经济增长影响的大小和方向是一致的，这一假设在地区经济的实际增长中很难实现，因而有必要考虑地区间的异质性； 另外，随着我国市场经济日趋深化和地区间开放程度扩大，林业生产要素空间流动性加剧，地区间森林经营的空间联系愈发紧密(吴玉鸣等， 2012)，因而也有必要在森林质量与经济增长关系检验过程中考虑空间溢出效应的影响。

鉴于上述问题，本研究借鉴EKC分析框架，建立森林质量与经济增长关系的空间面板计量模型，基于2003—2016年省际面板数据对森林质量与经济增长间的关系进行检验，依据森林资源禀赋和区位条件差异进一步检验不同地区间森林质量与经济增长的关系，在异质性条件下分析不同地区间的差异性或趋同性，并预测不同地区未来演变的时间路径。

1 研究方法、变量选取与数据来源

1.1 研究方法

1.1.1 空间探索性数据分析(ESDA) 考虑空间溢出效应的森林质量与经济增长关系实证检验首先需要对各地区间是否存在空间相关关系进行探究，常采用空间探索性数据分析(exploratory spatial data analysis，ESDA)方法。ESDA是一系列空间数据分析方法与技术的集合，以空间关联度为核心，通过对事物或现象空间分布格局的描述和可视化分析探索空间集聚与空间异常，采用全局空间自相关或局部空间自相关度量和检验空间趋同性或异质性(Dietzetal.， 1997； 马晓熠等， 2010； 蒲英霞等， 2005)。全局空间自相关可反映研究区整体的某种属性值是否存在空间关联，衡量全局空间自相关的指标和方法包括全局Moran’sI和局部Moran’sI等方法。本研究采用全局Moran’sI指数对森林质量进行全局自相关度量和检验，计算公式为：

(1)

森林资源的空间流动性较弱，本研究根据各省市的空间邻接性构造空间权重矩阵，若空间相邻，则wij=1； 否则，wij=0(由于海南省地理位置的特殊性，权重矩阵中设定海南省与广东省相邻)。

1.1.2 空间面板计量模型 借鉴EKC分析框架，建立森林质量与经济增长关系的基础模型，首先设为三次曲线形式，如果三次曲线形式不显著，则剔除三次方项，再检验二次曲线形式，如果二次曲线形式仍不显著，则拟合为线性模型。在这种模型设定下，检验结果不仅仅局限于U形或倒U形特征，也可能是N形或倒N形等特征。对所有变量作对数化处理消除其异方差性后的基础模型设定为：

lnFQit=β0+β1lnpGDPit+β2(lnpGDPit)2+

β3(lnpGDPit)3+αZit+εit。

(2)

式中： FQ(forest quality)表征森林质量； pGDP表征通过CPI平减的人均收入水平；Z为一系列影响森林质量的控制变量；α、β为待估计系数；εit：i.i.d(0,σ2)为随机干扰项；i为个体截面；t为时间。

Anselin(1988)认为，任何地区的经济现象都不是孤立的，与周边地区存在一定联系，且地理距离越近，地区间联系越紧密，并根据该思想建立了空间滞后模型(spatial lag model，SLM)和空间误差模型(spatial error model，SEM)2种空间自相关模型。LeSage等(2009)在此基础上，构建了同时包含因变量和解释变量空间滞后项的空间杜宾模型(spatial Durbin model，SDM)。空间效应加入回归模型能够更全面考虑面板数据的地区差异性和依赖性，参考EKC基础模型，加入经济增长变量的二次项和三次项以检验森林质量与经济增长间的非线性关系，具体模型如下。

1) 空间滞后模型(SLM)：

lnFQit=β0+ρWlnFQit+β1lnpGDPit+

β2(lnpGDPit)2+β3(lnpGDPit)3+αZit+εit；

(3)

2) 空间误差模型(SEM)：

(4)

3) 空间杜宾模型(SDM)：

lnFQit=β0+ρWlnFQit+β1lnpGDPit+

β2(lnpGDPit)2+β3(lnpGDPit)3+

αZit+αWZit+εit。

(5)

SLM模型用于测度森林质量的空间溢出效应是否由变量间的空间相关性引起，SEM模型用于测度森林质量的空间溢出效应是否由空间误差扰动的相关性导致，SDM则同时考虑变量和误差扰动带来的空间溢出效应，其中：ρ为空间自相关系数，测算邻近地区对某地区森林质量空间溢出的方向和程度；λ为空间误差的相关系数；W为0-1邻接空间权重矩阵；μit为白噪音干扰项。

1.2 变量选取

1.2.1 被解释变量 森林是一个复杂的生态系统，森林质量(FQ)能够综合反映林木自身生长变化有形和无形物质的内在本质特性(石春娜等， 2007)。由于林木生长特性的基础数据难以获取，而森林资源清查报告中通常将森林质量界定为每公顷蓄积量，森林蓄积量为一定森林面积上全部树木树干蓄积的总材量，是一个国家或地区森林资源总规模和水平的基本指标之一，能够全面反映林地森林资源的丰富程度，故本研究采用单位面积森林蓄积量表征森林质量。目前，我国已经完成了9次森林资源清查，各省份森林蓄积量通过插值法得到连续的时间序列数据。

1.2.2 关键解释变量 经济增长(pGDP)，通过CPI平减到2003年不变价人均GDP表征地区经济增长水平。

1.2.3 其他控制变量 本研究从社会经济因素和自然因素2方面选取影响森林质量的主要因素作为控制变量，包括： 1) 城镇化水平(urbanization,URBAN)，采用常住人口城镇化率表征，以反映城镇扩张对森林资源的影响，地区城镇化扩张一方面可能导致林地向建设用地转化，另一方面也会产生对林产品的需求，预期估计系数为负； 2) 林业固定资产投资(fixed assets investment in forestry，FAIF)，营林和造林投资覆盖生态建设与保护、林业支撑与保障、林业产业发展等领域(Viaetal.， 2016)，在森林资源变化中具有重要作用，预期估计系数为正； 3) 林木生产状况，采用木材产量(timber yield，TY)表征人类活动对林产品的需求，从而反映需求变化对森林质量的影响，预期估计系数为负； 4) 林业系统第一产业从业人员(primary industry practitioners in forestry，PIPF)，林业生产过程离不开劳动力参与，从而能够反映林业劳动力变化对森林质量的影响，由于林业统计年鉴中没有从事林业生产的所有劳动力数量，故采用林业系统第一产业从业人员间接代替林业劳动力变化，预期估计系数为正； 5) 人口密度(population density，PD)，采用单位土地面积的常住人口数量表征，人口扩张能够通过对林产品需求的增长间接对森林质量产生影响，预期估计系数为负； 6) 自然因素，森林生长受气候、立地条件影响，鉴于暂未获取到土壤、地貌基础数据，故选取地区年均降水量(precipitation，PRE)和年均气温(temperature，TEM)2个指标反映气候条件对森林质量产生的影响(薛龙飞等， 2017)，预期估计系数均为正。

各变量说明及描述性统计见表1。

表1 变量说明及描述性统计Tab.1 Variable description and descriptive statistics

1.3 数据来源

以我国大陆31个省(市、自治区)为研究样本，所涉及社会经济指标数据均来源于历年《中国林业统计年鉴》、历年全国森林资源清查报告和国家统计局数据网站。为保证数据的一致性和可获得性，时间跨度设置为2003—2016年。年鉴中未公布全口径第一产业劳动力数据，本研究以林业系统第一产业从业人员替代。降水量和气温数据来源于中国科学院资源环境科学数据中心(http:∥www.resdc.cn)，并通过ArcGIS进行分区统计，其中2016年数据来源于各省统计年鉴。

2 实证研究与结果分析

2.1 空间关系检验与拟合

为检验不同地区间森林质量是否存在空间相关关系，采用全局Moran’sI指数对其空间依赖性和关联性进行检验。全局Moran’sI指数基于边界相邻原则将空间关系概念化，并作行标准化处理。表2结果显示，研究期内森林质量的Moran’sI指数均显著为正，整体上反映出森林质量存在较显著的正向全局空间相关性，可进一步通过考虑空间溢出效应检验森林质量与经济增长的关系。

表2 森林质量的全局Moran’s I 指数Tab.2 Global Moran’s I test of forest quality

实证检验前将林区按地形地貌、资源禀赋等差异大致划分为五大地区(刘璨等， 2010)： 1) 东北地区，内蒙古、辽宁、吉林、黑龙江4省(区)； 2) 华北地区，北京、天津、河北、山西、山东、河南6省(市)； 3) 西北地区，陕西、甘肃、青海、宁夏、新疆5省(区)； 4) 西南地区，西藏、贵州、四川、云南、重庆5省(区、市)； 5) 华南及东南地区，主要是南方集体林区分布地区，包括浙江、江苏、安徽、福建、江西、湖北、湖南、广东、广西、海南、上海11省(区、市)。通过森林质量与经济增长数据拟合的散点图(图1)简单了解二者之间关系的走势。从图1中可以看出，森林质量与经济增长关系的拟合曲线在全国及不同地区层面均存在差异，可见在全国层面检验基础上进一步分地区进行检验是有必要的。

图1 森林质量与经济增长的关系Fig.1 Scatter chart of the relationship between lnFQ and lnpGDP

2.2 全国层面森林质量与经济增长的非线性关系

全局Moran’sI指数空间关系检验结果显示，森林质量在地理空间分布上整体表现出溢出与依赖特性，普通面板模型有可能得到有偏的估计结果，难以反映实际的相互关系，有必要采用空间计量模型考察空间溢出视角下森林质量与经济增长的关系。表3所示为空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)的检验结果，并依次加入人均GDP(pGDP)的二次项、三次项以检验森林质量与经济增长的非线性关系，以及二者之间是否满足EKC，同时表3也给出了普通面板回归模型结果，以便于对比分析。

对于空间面板计量模型的选择，现有研究主要采用2种判断方法： 一是根据Elhorst(2014)提出的拉格朗日乘子(LM)统计量进行判断； 二是根据赤池信息准则(AIC)、拟合优度(R2)、Sigma2统计量等检验指标进行判断(杨明海等， 2018)。相比而言，第2种方法更易操作，故本研究选择其进行判断，具体为： 1) 根据Hausman检验，判定模型选择固定效应还是随机效应； 2) 根据AIC选择解释力较高的模型，AIC越低，解释力越高； 3) 根据lgL、R2和 Sigma2统计量判定模型的拟合优度，lgL和R2统计值越高、Sigma2统计值越低，模型拟合程度越高。Hausman检验结果显示，普通面板模型和空间计量模型均倾向采用固定效应模型。在模型选择过程中发现，空间杜宾模型(SDM)中pGDP线性、二次曲线、三次曲线形式的估计系数均不显著，且空间滞后模型(SLM)的拟合程度更高，是解释森林质量与经济增长关系的合适模型。由于各模型在二次曲线形式时已经显著，故表3中未报告线性形式的估计结果。

表3 森林质量与经济增长关系的实证分析结果①Tab.3 Econometric analysis of the relationship between forest quality and economic growth

空间滞后模型(SLM)中pGDP三次曲线、二次曲线形式的空间自相关系数ρ均显著为正，表明相邻地区间森林质量存在显著空间溢出效应，即本地区森林质量提升由于营林技术溢出、要素流动等原因使得邻近地区森林质量得以提升，从而产生一定辐射带动作用。与普通面板回归模型相比，各曲线形式的拟合优度(R2)均具有一定程度提升，即考虑空间溢出效应的回归模型更加符合现实。同时还发现，不管是SLM还是普通面板回归模型，三次曲线形式pGDP的各次方估计系数均未通过显著性检验，即在样本研究期内，森林质量与经济增长关系的N形或倒N形曲线不成立，故本研究主要分析森林质量与经济增长间的二次曲线回归结果。

观察二次曲线(模型2)回归结果，lnpGDP的二次项系数为正、一次项系数为负，且均通过1%显著性水平检验。从长期来看，经济增长对森林质量提升具有显著促进作用，但在短期变化过程中，森林质量与经济增长间呈U形曲线的非线性变化特征，即当经济发展水平较低时，森林质量随着人均GDP增长而下降，当经济增长超过一定拐点后，森林质量则随着人均GDP增长而提升，即森林质量与经济增长间满足EKC的演变规律，该U形曲线存在一个拐点，使得经济增长对森林质量的影响方向发生变化，曲线的最低点即为拐点。通过求解极值可得出拐点为10.106，相对应的人均GDP为e10.106=24 489.51元，即当地区人均GDP小于24 489.51元时，经济增长导致森林质量下降，而当地区人均GDP跨过24 489.51元时，经济增长有助于提升森林质量。若以每年各省份人均GDP均值计算，该拐点对应的年份处于2009—2010年。截至2010年底，已有20个省(区、市)基本完成明晰产权、承包到户，全国共承包到户的集体林地占总面积的88.6%(2)http:∥www.forestry.gov.cn/main/446/content-892764.html.2011-04/21/content_1652554.htm.，可见集体林权改革有效解放和发展了林业生产力，一定程度上对森林质量与经济增长间关系的转变发挥了正向辅助作用。而普通面板回归模型计算的人均GDP拐点为e9.737=16 932.67元，相对应的年份处于2005—2006年，较SLM更早到达拐点，表明考虑空间溢出效应后，地区间要素的空间流动延长了经济增长对森林质量的负向影响。

从其他控制变量的估计系数来看，SLM与普通面板模型的影响方向一致，但影响程度存在差异。整体而言，考虑空间溢出效应后，多数控制变量对森林质量的负向影响较普通面板回归有所减弱。具体来说： 1) 城镇化率(URBAN)的估计系数为正，表明地区城镇化水平提高对森林质量提升产生显著正向影响，与预期系数方向相反，可能原因在于城镇化水平提高将带来建成区面积扩张，导致对其他土地类型的侵占，主要是耕地向建设用地转化，且城镇扩张使得人类活动产生集聚，一定程度上减少了对林地和草地的干预； 2) 林业固定资产投资(FAIF)的估计系数正，但未通过显著性检验，与预期系数方向一致，即扩大林业固定资产投资一定程度上可提升森林质量，《中国林业统计年鉴》显示，资金投入大多用于新建和扩建基础设施、技术改造等方面，主要涉及林业支撑与保障、林业产业发展等领域，而森林质量提升是一个长期积累的过程，应调整固定资产投资结构，重视林业生态建设与保护，才可能使固定资产投资显著促进森林质量提升； 3) 木材产量(TY)的估计系数为正，与预期系数方向相反，表明木材产量增加并未导致森林质量下降，可能原因是国家重视森林保护与培育，在采伐限额政策下，森林采伐量低于森林生长量，木材产量增加不仅没有导致森林质量下降，而且由于大径材主要依赖进口，减轻了国内大径材生产压力，偏向小径材生产的木材产量增加反而可促进劣质林更新，提高森林质量； 4) 林业系统第一产业从业人员(PIPF)的估计系数显著为负，与预期系数方向相反，表明林业第一产业劳动力增加将对森林质量产生负向影响，李凌超等(2018)也指出地区劳动力迁出数量对森林质量具有显著正向影响，朱震锋等(2017)发现劳动力在林区经济发展中存在投入冗余，侧面反映出林业第一产业劳动力应维持在一定水平上才能对森林质量提升产生促进作用，但应该处于何种水平值得探索； 5) 人口密度(PD)的估计系数为负，表明人口密度增加导致森林质量下降，与预期系数方向一致，人口扩张与城镇化水平提高类似，反映的是人口扩张加大了林产品需求，加剧了对有限森林资源的索取，从而导致森林资源减少； 6) 气温(TEM)和降水(PRE)的估计系数均为负，且均未通过显著性检验，与预期系数方向相反，意味着气温和降水变化未对森林质量产生显著影响，可能原因在于，一方面森林生长是一个长期过程，多种因素的综合作用对森林生长产生影响，而气温和降水促进森林生长具有累积效应； 另一方面，各地区气温和降水波动比较稳定，当地森林生长已经适应本地自然条件变化，气温和降水对森林质量提升需要一定时间的累积。

2.3 不同地区森林质量与经济增长关系的检验

全国层面回归反映的是自变量对因变量条件期望的均值影响，但对于森林质量不同、经济发展水平差异的地区而言，经济增长对森林质量的影响是不同的，故有必要考虑地区间异质性的存在。不同地区的检验根据Hausman检验判断选择采用固定效应还是随机效应，并通过前文判断方法选择合适的空间计量模型。表4所示为不同地区森林质量与经济增长关系的计量结果。观察后发现，不同地区各变量估计系数的显著性水平和影响方向存在显著差异，即考虑不同地区间的异质性是合理的。

表4 不同地区森林质量与经济增长关系的计量结果Tab.4 Quantitative results of the relationship between FQ and pGDP in different forest regions

东北地区pGDP的三次曲线、二次曲线形式均通过显著性检验，根据检验的先后次序，可认为森林质量与经济增长的关系符合三次曲线形式变化特征，即经历了“下降→提升→下降”的变化过程，依据估计系数方向判断，二者呈倒N形变化特征，通过求解一元函数极值，可得倒N形曲线2个拐点对应的pGDP分别为P1=e9.426=12 406.80元、P2=e11.024=61 352.50元，观察东北地区各年份pGDP均值变化，可以发现森林质量与经济增长的关系跨过拐点P1的时间在2003—2004年，仍需一定时间才能跨过拐点P2，也即当前森林质量虽然处于随经济增长而提升的阶段，但在未来某个时点将有可能再次出现随经济增长而下降的过程。

华北地区pGDP的三次曲线形式通过显著性检验，依据估计系数方向判断，曲线形状为倒N形，即森林质量与经济增长呈倒N形变化走势。该曲线存在2个拐点，通过求解一元三次函数极值，可得倒N形曲线2个拐点对应的pGDP分别为P1=e9.375=11 787.97元、P2=e11.805=133 920.30元，即当pGDP小于11 787.97元时，森林质量处于随经济增长而下降的过程，当pGDP在11 787.97～133 920.30元之间时，森林质量处于随经济增长而增长的阶段，当pGDP大于133 920.3元时，森林质量将再次出现随经济增长而下降的过程。通过观察华北地区各年份pGDP均值变化，可以发现样本研究期内已跨过第1个拐点，但还未跨过第2个拐点，也即当前华北地区各省份森林质量处于随经济增长而提升的阶段，与东北林区相似，在未来某个时点将会再次出现随经济增长而下降的过程。

西北地区pGDP的三次曲线形式中三次项未通过显著性检验，二次曲线形式所有估计系数均通过1%显著性检验，依据估计系数方向判断，曲线形状为U形，即森林质量对经济增长经历先下降后上升的变化过程，通过求解一元二次函数极值，可得U形曲线拐点对应的pGDP为e8.820=6 768.27，观察西北地区各年份pGDP均值变化， 可以发现2003年西北各省份已跨过拐点，即当前西北地区森林质量处于随经济增长而提升的阶段。

西南地区pGDP的三次曲线、二次曲线形式均未显著性检验，只有线性形式通过5%显著性检验，也就是说，西南地区森林质量与经济增长的关系满足线性变化走势，不存在发生转变的拐点，其估计系数为负，表明西南地区森林质量随经济增长表现出下降态势。

华南及东南地区pGDP的三次曲线、二次曲线和线性形式(表4未报告线性结果)均未通过显著性检验，该地区森林质量与经济增长间的EKC关系并不成立，意味着经济增长未对森林质量产生影响。分析其原因可能是南方集体林区长期以短周期人工林经营为主，导致以单位蓄积量表示的森林质量处于比较稳定的状态，林权制度改革更是促进林农不以破坏森林资源为代价获取经济收益，有效巩固了南方集体林区的生态保护。

从控制变量的影响来看，不同地区间存在明显差异。城镇化率(URBAN)只有东北和西北地区通过显著性检验，东北地区城镇化扩张对森林质量产生正向影响，西北地区城镇化扩张导致森林质量下降，其他地区虽然未通过显著性检验，但也在一定程度上反映了城镇化发展对森林质量的影响； 林业固定资产投资(FAIF)在五大地区中均未通过显著性检验，估计系数为正，表明资本投入一定程度上对森林质量提升具有正向作用，但固定资产投资发挥应有的作用需要经历一定时期的积累过程； 木材产量(TY)在东北、华北和西南地区通过显著性检验，东北和华北地区的木材生产对森林质量产生正向作用，而西南地区的木材生产则导致森林质量下降，东北地区森林资源丰富，同时也是我国林木和林副产品的重要生产基地，“天然林保护工程”有效阻止了森林质量下降，华北地区相较于其他地区木材产量较少，以速生人工林为主，并注重森林资源保护和可持续，其他地区的估计系数有正有负，但均未通过显著性检验； 林业系统第一产业从业人员(PIPF)除西北地区未通过显著性检验外，其他地区均通过显著性检验，且估计系数均为负，可见林业第一产业劳动力增加将导致森林质量下降，与全国样本的检验结果一致； 人口密度(PD)除西北和西南林区未通过显著性检验外，其他林区均通过显著性检验，且估计系数均为负，总体来看，人口密度对森林质量产生负向影响，与全样本回归结果一致； 降水(PRE)和气温(TEM)在不同地区的估计系数有正有负，但均未通过显著性检验，若不考虑显著性，降水在西北、华南和东南地区对森林质量产生正向影响，在其他地区对森林质量产生负向影响，而气温的影响在不同地区有正有负。

2.4 森林质量与经济增长关系的时间路径分析

不同地区森林质量与经济增长关系的EKC曲线演变特征具有差异性，东北和华北地区呈倒N形变化、西北地区呈U形变化、西南地区呈负向线性变化，而华南及东南地区不存在EKC关系。对于曲线拐点，东北和华北地区森林质量还未跨过第2个拐点，西北地区森林质量已跨过拐点处于随经济增长而提升的阶段，西南、华南和东南地区则不存在拐点，因而只需对东北和华北地区森林质量何时跨过拐点而处于随经济增长而下降的阶段进行推断。依据趋势外推法，以样本研究期pGDP的年均增长率预测还未跨过第2个拐点的省份跨过拐点所需要的时间，以了解这些省份森林质量与经济增长关系的时间变化路径。从表5中可以发现，各省份跨过拐点的时间存在明显差异，多数省(市)在5年内跨过第2个拐点，所需时间最长的是除北京、天津外的华北地区各省份，河北和山西所需时间最长(至少10年)，可见在不远的未来，如果这些省份的森林经营继续按照已有模式和路径发展，森林质量将会再次出现随经济增长而下降的过程，导致现阶段的林业发展不具可持续性，当然这种状况对于其他省(市)的林区也是值得警惕的。

3 结论与讨论

1) 在全国层面回归下，经济增长对森林质量提升的促进作用是一个长期动态演变过程，而在短期发展过程中，森林质量与经济增长间呈U形的非线性特征，当经济发展水平较低时，森林质量随着人均收入水平增长而下降，EKC假说得到验证。当人均收入跨过24 489.51元的拐点时，森林质量则随着人均收入增长而提升，该拐点对应的年份处于2009—2010年。此外，城镇化水平提高、木材产量增加对森林质量产生正向影响，而林业系统第一产业从业人员对森林质量产生负向作用。

表5 不同地区跨过拐点的时间路径预测①Tab.5 Time-paths prediction of crossing inflection points in different regions

2) 不同地区间森林质量与经济增长非线性关系的变化特征及拐点存在显著差异，东北和华北地区呈倒N形变化，西北地区呈U形变化，西南地区呈负向线性变化，而华南及东南地区不存在EKC关系。东北和华北地区的多数省份在5年内跨过第2个拐点，个别省份则需要10年左右跨过拐点，这些省份的森林经营应改变已有模式，破除路径依赖，尽早跨过下一个拐点，以维持林业发展的可持续性。

3) 不同地区控制变量的估计系数同样存在明显差异，城镇化水平在东北和西北地区对森林质量产生显著影响； 林业固定资产投资在五大地区中均未对森林质量产生显著正向影响； 木材产量在东北、华北和西南地区对森林质量产生显著影响； 林业劳动力除西北地区外，其他地区均导致森林质量下降； 人口密度除西北和西南地区外均对森林质量产生负向影响； 而降水和气温在不同地区均未对森林质量产生显著影响。

上述研究结论的政策启示在于，当前全国整体范围内森林质量已跨过拐点处于随经济增长而提升的阶段，但在不同地区森林质量变化存在显著差异，考虑不同地区异质性条件进行计量检验能够提供更具差异化的解释。技术溢出、要素流动等方面的空间溢出效应，使得不同地区邻近省市应建立完备的森林经营与保护合作机制、林业产业保障与要素流动机制，加强地区间营林和造林的合作与交流，并结合自身禀赋条件，寻求森林质量提升、生态保护与经济增长协调发展的均衡点。现阶段不同省市森林质量与经济增长关系的变化特征处于不同阶段，但均应在追求经济效益的同时，因地制宜地合理控制城镇化扩张速度、继续优化林业资金投入结构、增强人工林建设及林产品进口力度、完善劳动力政策及调控劳动力结构等，尤其对于森林质量处于随经济增长而降低的地区，应该改善并优化当前森林经营与林业发展的固有模式和路径。东北地区是我国重要的森林资源宝库，应充分发挥天然林资源的生态效益，以科学发展观落实林业的可持续发展，健全适应市场经济和可持续发展的森林资源经营管护体系，建立多层次天然林生态效益补偿机制等； 华北地区森林资源相对较不丰富，应注重加强生态建设与林业生产相协调，从造林营林逐渐向维持生态-经济系统耦合协调转型，尤其京津冀地区要抓住京津冀协调发展、雄安新区建设的机遇，严守生态保护红线，创新林业模式、管理体制和政策机制； 西南地区是我国主要林区之一，其林业具有显著的生态功能和经济效益，但生态环境比较脆弱，应注重林业发展中的生态环境建设，调整现有固化的林业发展结构，可以将发展生态旅游作为一项调节功能来平衡森林资源与经济增长。