王 丞,覃翠英
(山东外贸职业学院,山东 青岛 266100)
推进供给侧结构性改革是中央应对经济新常态的重大决策,今年中央经济工作会议和农村工作会议将其摆到了事关全局的重要位置。中央1 号文件连续 14 年聚焦农业,以“深入推进农业供给侧结构性改革、加快培育农业农村发展新动能”为主题,要求围绕农业增效、农民增收、农村增绿,优化农业产业体系、生产体系、经营体系,促进农业发展向追求绿色生态可持续、更加注重满足质的需求转变。推进林业供给侧结构性改革,是增强林业发展内生动力的需要,必将有效提高林业综合效益,满足人民群众日益增长的生态化需求。 因此,供给侧改革下的林业投入和产出是值得我们认真研究的课题。①田淑英、许文立:《基于DEA 模型的中国林业投入产出效率评价》,《资源科学》2012 年第10 期,第1944-1950 页。
目前,采用DEA-Malmquist 模型研究林业的投入和产出效率的文章相对较少,大多数研究侧重于静态比较研究的DEA 模型,缺乏DEA 模型以及相应的生产率指标进行了动态的分析。Shiba 首先将DEA 模型对日本森林所有者协会的效率进行分析②Shibam.Measuring the efficiency of managerial and technical perlbmiancs in forestryactivities by means of DEA.Inter.J.of Forest Engineering,1997,8(1):7- 19.。Lebel 和Stuart 通过DEA 模型测量了并分析了伐木工人的投入产出效率①Lebeilg,Stuartw B.Technical efficiency evaluation of logging contractor susingan on parametric model. In-ter.J.of Forest Engineering,1998,9(2):15- 24.。Kao 和Yang 较早将DEA 模型对林业产业进行相应的评价,他是以台湾的十三个林区作为研究对象而进行的②Kao, C., Y.C. Yang. Measuring the efficiency of forest management. Forest Sci., 1991, 37(5): 1239-1252.。然后,在这样的基础上,Kao 和Yang 采用同样的方法对于当地的林业经济效果进行了评价和分析,选择了森林重组计划的最优化③Kao, C., Y.C. Yang. Reorganization of forest districts viaefficiency measurement. European J. of Operational Res., 1992,58(3): 356-362.。Viitala 和Hanninen 通过DEA 模型用于芬兰19 个公益林生产效率的计算,发现在生产成本方面较大以节省空间④Viitala E,Janninen H. Measuring the efficiency of public forestry organizations.Forest Sci, 1998(44) : 298 -307.。J.Peter Clinchu 通过运用估价法和生产函数评估了林业的社会效率⑤PETER CLINCH J. Assessing the social efficiency of temperate-zone commercial forestry programmes: Irelandasa casestudy.Forest Policy and Economics, 2000,17(7): 225- 241.。Jun-YenLee 运用DEA 模型测试了全球森林和纸业公司的效率⑥JUN-YEN LEE. Using DEA to measure efficiency in forest and paper companies. Forest Products Society,2005,55(1):58- 66.。Neda Salehirad 和Dr.TaranehSowlati 通过DEA 模型分析了加拿大地区木材产业的投入与产出效率问题⑦NEDA SALEHIRAD,DR TARANEH SOWLATI. Productivity and efficiency assessment of the wood industry:A re-View with a focus on Canada. Forest Products Society, 2006, 56(11/l2):25- 32.。赖作卿、张忠海利用了DEA 方法进行分析,得出了全省的多个投入和产出指标,并对城市林业投入产出效率值进行了评估⑧赖作卿、张海忠:《 基于DEA 方法的广东林业投入产出超效率分析》,《华南农业大学学报》2008 年第4 期,第 43-48 页。。并利用超效率模型同时解决多个DEA 有效决策单元的问题,有效区分了广东省DEA 高效林业投入产出效率。田淑英、许文立利用DEA 评估模型,对1993-2010 年中国林业的效率进行了评估和分析⑨田淑英、许文立:《基于DEA 模型的中国林业投入产出效率评价》,《资源科学》2012 年第10 期,第1944-1950 页。。
传统DEA 指数模型通过界面数据分析得出有效决策单元个数及具体影响效率类型,但无法对决策单元进行时间序列分析,由此难免使得分析变得片面,缺乏对内在规律系统的度量。目前已有部分学者选择通过DEA-Malmquist 的方法来解决这一问题。例如杨清可、段学军运用DEA-Malmquist 模型对高新技术产业发展效率进行评价,并对改善产业投入产出要素进行了定量调整⑩杨清可、段学军:《基于 DEA-Malmquist 模型的高新技术产业发展效率的时空测度与省际差异研究》,《经济地理》2014 年第7 期,第103-110 页。。刘佳、陆菊、刘宁基于DEA-Malmquist 模型对中国沿海地区旅游产业效率时空演化、影响因素与形成机理进行研究[11]刘佳、陆菊、刘宁:《基于DEA-Malmquist 模型的中国沿海地区旅游产业效率时空演化、影响因素与形成机理》,《资源科学》,2015 年第12 期,第2381-2393 页。。
综上所述,本文采用DEA 方法对2014 年和2015 年全国31 个省市的林业投入产出效率进行了分析评估,然后利用Malmquis 全要素生产力指数对2011-2015 年时间序列数据进行了计算,并对其进行了分析趋势和影响因素。这不仅可以让人们了解行业的投入和产出情况,同时也为行业的发展提供可行的依据。
数据包络分析(DEA)是一种新的系统分析方法基于相对效率的概念,是由美国著名的运筹学家Charnes等人提出来的。①廖虎昌、董毅明:《基于DEA 和Malmquist 指数的西部12 省水资源利用效率研究》,《资源科学》2011 年第15 期,第273-278 页。这种方法扩展了工程效率的相对效率评价的定义多输入和多输出系统,并提出一种可行的方法和有效的工具决策单元之间的相对效率评价。从目前的实际应用,在国内使用的两个模型是C2R 模型和BC2 模型。C2R 模型可以用来评估和技术有效的决策单元是否有效。BC2 模型可用于评价决策单元技术的有效性。因此本文用 BC2 模型进行中国林业投入产出效率分析。
假设n 个决策单元对应的输入数据和输出数据分别为
式中:sech 代表着规模效率变化,pech 代表作纯技术效率变化,techch 代表这技术所产生的变化,Malmquist 生产率指数tfpch 可由以上三个指标相乘而取得。规模效率反映了产业配置结构情况,当其变化大于 1 时表示区域产业结构得以优化,规模效率提高;纯技术效率反应了产业资源投入的配置与利用率,当其变化大于1 表示产业的资源配置与利用效率为正向发展即当产出不变时获得单位产出的资源投入量降低;技术变化为正数,表示进度了;tfpch 大于1 意味着生产要素得到了提升。反之,如上述指标小于1,则表明情况恶化。①王贺封、石忆邵、尹昌应:《基于DEA 模型和Malmquist 生产率指数的上海市开发区用地效率及其变化》,《地理研究》2014 年15 期,第1636-1646 页。
本文选取的林业产出指标分别为造林面积、林业产业总产值和各类经济林产品总量;投入指标分别是林业投入总额、林业系统年末从业人数。分析源自于2011-2015 年的样本和数据。
2014 年、2015 年的数据可以详见表1:
第一,通过对综合效率的分析,可以发现2015 年河北、浙江、山东、广东、海南、重庆和贵州7 省达到了DEA 达到有效值,也就是说两者都达到了最优状态,技术和规模效率都达到最优值,而其他的各个省份,则没有达到相应值,其中北京的林业产出的效率最低,为0.091;2014 年,河北、浙江、山东、广东、海南、重庆和贵州7 省仍为 DEA 有效,而西藏也是DEA 有效,其他省份则相反,而且北京仍然是最低值,为0.114。
将2014 年和2015 年的综合效率值的对比,2015 年全国31 省市中只有河北、浙江、山东、广东、海南、重庆、贵州达到了林业产业综合效率最优且保持稳定。其他区域皆存在不同程度上的差距与变动。其中,江西、甘肃、四川、天津、安徽、山西、辽宁、江苏、上海、福建、以及广西较2014 年其综合效率出现不同程度的提升,平均幅度9.9%。而其他地区则出现了下降趋势,其中青海、西藏、宁夏等西部地区下较为明显。
第二,从技术效率层面上看,技术效率是反映区域产业内部体系、制度、管理水平以及资源利用率的重要指标。就2014 年、2015 年数据统计来看,全国林业产业的技术效率出现小幅度下降,下降幅度为2.1%。在全国31 省市中天津、海南、浙江、广东、贵州、河北、上海、内蒙古、山东、重庆、云南、宁夏已达到技术效率最优占区域总数的38.8%,说明全国林业产业在制度、管理水平与资源使用率方面初具水平但仍有加大提升空间。而山西、黑龙江、河南、湖南、西藏、青海6 省的技术效率出现大幅度下降,平均下降28.5%,北京、吉林、湖北、和新疆出现小幅度下降平均下降幅度2.88%,这反映出这些省市的林业产业在技术层面上的发展速率无法与区域林业产业发展相匹配。辽宁、江苏、安徽、福建、江西、广西、四川、甘肃其技术效率表现出不同程度的提升,说明这些区域的林业产业在技术层面上的发展已适应该区域林业产业发展要求。
第三,从规模效率的层面上看,规模效率反应的是区域产业内部实际规模与最优化规模之间的差异,数值越高,差异越小。数据显示,相对于2014 年,2015 年的林业产业规模效率同样出现小幅度下降,下降幅度为1.5%。主要表现在西藏、青海、宁夏等西部欠发达地区。这反映出目前我国西部地区的林业产业结构问题较为突出,实际规模与最优规模之间存在较大差异。而北京作为发达地区,其里林业产业规模效率下降幅度同样较为明显,说明北京在林业产业方面的投入产出结构失衡,因此无法形成有效的产业规模。
表1 2014 和2015 年林业投入产出效率值
甘肃 0.524 0.524 0.999 不变 0.729 0.734 0.993 增长青海 0.778 0.815 0.966 增长 0.338 0.574 0.589 增长宁夏 0.730 1.000 0.730 增长 0.489 1.000 0.489 增长新疆 0.720 0.721 0.999 下降 0.689 0.704 0.979 增长平均 0.665 0.753 0.895 0.648 0.737 0.882
运用 DEAP 等软件,就2011-2015 年全国31 省的的相关数据进行相应的分析,并进行了Malmquist 生产力指数分析,得到了各个省份的生产力要素指数和相应的计算结果(表3)。
从全国31 省林业投入产出的效率的平均情况来看,在以上的几年时间里,林业投入产出效率具有小幅度波动的。这5 年间,只有2012-2013 年tfp 值最高,达到1.336。这说明了这5 年间林业投入产出的效率一直处于低位。
从技术效率变化的视角来看,2012-2013 年在增长,其他的时间都处于下降时期。技术效率的变化是对全生产效率产生影响的因素之一。从总体情况来看,全国的三十一个省份基本上都是下降趋势,而且不是很稳定。通过对技术效率的分解发现,纯技术效率呈现出小角度的波动,说明2011 年—2015 年间全国31省市对林业产业的管理力度较强且较为稳定;而规模效率(sech)呈现缓步下降趋势,表明目前产业的投入产出结构缺乏协调,无法对产业技术效率提供有效贡献。
表2 2011-2015 年林业投入产出效率分年TFP 指数及分解
图1 2011-2015 年各地区的Effch、Techch、Tfpch 变化趋势
表3 2011-2015 年林业投入产出效率分省TFP 的指数分布表
(1)在2014 年和2015 年,河北、浙江、山东、广东、海南、重庆、贵州7 个省份应保持目前林业产业状态,无需变动。全国其余24 省份等,需要结合上述地区的情况进行相应的优化,并和其他的地区进行合作,共同发展,并实现知识的共享。尤其是湖北、天津、上海、江西、甘肃、辽宁、西藏、新疆、陕西、河南、宁夏、广西、吉林、青海、黑龙江、北京的生产规模,发挥规模效应。
(2)2011 年至2015 年,国家林业投入产出效率有所降低,表明林业效率呈现出下降的趋势,仅有2012 年是增长的,全要素生产率指数依赖技术变化明显,说明技术的落后是林业投入产出效率低下的关键原因,我国要采取各种措施,实现林业资源的持续利用。因此,优化当前的林业结构,以及进行有效的管理,也是提高林业效率的关键路径。
(3)2011 年至2015 年,北京,天津,河北,辽宁,上海,黑龙江,浙江,安徽,福建,江西,山东,江苏,河南,湖北,湖南,重庆,四川,云南,西藏,陕西,新疆21 省份要素生产率指数为正增长,表明这21 省份为提高林业投入和产出效率已经做了优化和调整。其增长只依赖于技术的提高,技术变化对于林业产出的变化较为明显。所以,要更好地保证林业的产业投入和产出的效率,林业科技发展是一种有效的途径,国家要在这方面加大力度。