林业技术进步对林业产业结构升级影响的空间效应1)

姜钰 姜佳玮

(东北林业大学，哈尔滨，150040)

林业既是国民经济中的基础产业，也是关键的公益事业，林业的发展一直受到社会的关注。长久以来，我国林业经济以粗放式发展为主，依靠高投入驱动所带来的林业产业结构红利减少，粗放经营成为制约林业产业结构升级的瓶颈。在《林业产业发展“十三五”规划》中，明确指出了林业技术进步对于林业产业结构升级的重要性。因此，要解决林业发展的问题，研究林业技术进步对林业产业结构升级的影响非常关键。

国外相关成果主要集中在宏观经济领域研究技术进步对产业结构的影响。有关学者从产品生命周期角度分析了技术进步与产业结构的关系，论证了技术进步对促进产业结构升级的影响[1]；也有部分学者通过构建两部门或多部门增长模型，发现技术进步导致生产要素在不同部门间流动，进而引起产业结构的变动[2-3]。国内学者主要使用向量自回归模型、联立方程模型、投入产出模型以及空间计量模型等定量研究技术进步对产业结构的影响[4-9]；也有学者通过影响路径和作用机理等方面定性研究技术进步对产业结构的影响[9-11]。在农林业方面，研究了技术进步对农业产业结构升级的作用机理，并运用多省份面板数据来分析技术进步与农业产业结构升级之间的关系[12-14]；采用分位数回归方法等研究林业产业结构升级的影响因素，分析了技术进步对促进林业产业结构升级的作用[15]。虽然国内外学者对该问题的研究已经取得了一定的成果，但研究内容大多集中在宏观经济领域。由于我国各区域的森林蓄积量和林地面积存在一定差距，相应的林业经济发展情况以及林业产业结构升级水平存在差异性。因此，本文在测度林业技术进步指数以及林业产业结构升级水平的基础上，采用空间计量模型，分析不同区域林业技术进步对林业产业结构升级影响的空间差异性，为促进区域林业经济高质量协调发展提供政策参考。

1 研究方法

1.1 数据来源

数据源自《中国林业统计年鉴(2009—2017)》、《中国农村统计年鉴(2010—2018)》、《中国统计年鉴(2010—2018)》。

1.2 DEA-Malmquist指数法

Malmquist指数法和DEA法综合使用称为DEA-Malmquist指数法，该方法已经成为测算林业技术进步的重要方法之一。

M(xt+1,yt+1,xt,yt)表示从t期到t+1期的林业技术进步指数，计算公式为：

1.3 空间权重矩阵及相关性检验

空间权重矩阵的设定是研究空间相关性问题的基础。本文采用二元邻接权重矩阵定义空间权重，二元邻接权重矩阵是指两个区域间的距离越接近，则两个区域间的影响程度就越大。当两个空间单元具有相同的边界或定点时，则为邻接关系，赋值为1，否则赋值为0。两个相同空间单元间的邻接关系具体表示为：

空间相关性包括全局和局部空间相关性。全局空间相关性主要反映全局数据总体上的空间分布以及变化规律，局部空间相关性主要反映局部数据的集聚分布。

全局Moran’s I指数具体表示为：

Moran’s I散点图用于分析局部区域内相邻区域存在的相关关系，以局部的Moran’s I指数为基础进行作图，其计算公式为：

1.4 林业产业结构升级的测度

产业结构层次系数能同时包含林业三次产业和三次产业间相对结构的变动状况，内容更全面，也能进行不同时间和区域间林业产业结构升级变动情况的比较，因此采用产业结构层次系数测算林业产业结构升级水平。

式中：Y为林业产业结构升级水平；qi为林业三次产业所赋的值(对林业第一产业、第二产业和第三产业赋值分别为1、2、3)；xi是指林业第i产业产值在林业总产值中所占比重。Y越大，林业产业结构升级水平越高，产业结构升级速度越快。

1.5 指标的选择

本文使用DEA-Malmquist 指数法测算林业技术进步水平，投入产出指标的选取是DEA-Malmquist 指数法的首要步骤。林业投入要素主要有劳动、资本和自然资源等，反映林业投入要素的具体指标为在岗职工年末人数、林业资本存量、林地面积和森林蓄积量，产出用林业总产值衡量[16-17]；影响林业产业结构升级的指标有林业劳动投入、林业资本投入水平(用林业资本投入占林业总产值的比重来衡量林业资本投入水平)、森林资源状况(用森林覆盖率指标对森林资源状况进行评价)和区域经济发展水平(用人均GDP指标评价区域经济发展水平)[18]。

选择林业人力资本存量指标对林业劳动投入进行衡量，该指标主要由林业劳动力数量和林业人力资本水平反映[19]，其测算公式为FHC=fl×hc。式中：FHC表示林业人力资本存量；fl和hc分别表示林业劳动力数量和林业人力资本水平。

对林业人力资本水平指标，通过平均受教育年限法进行测度，用农业劳动力文化状况指标对林业从业人员受教育程度进行衡量。其测算公式为hc=∑piyi。式中：hc表示林业人力资本水平；i表示受教育级别；pi表示在i类的受教育程度条件下，农业劳动力人数在区域农业劳动力总量中的比例；yi表示该类学历的受教育年限。对于i的确定，结合我国教育情况，将学历情况分为不识字或者识字很少、小学、初中、高中或者中专、大专及以上5个层次，分别对应0、6、9、12和16的受教育年限。

1.6 模型构建

空间滞后模型：空间滞后模型衡量各变量对其他变量是否具有溢出效应。具体表达式如下：

Y=ρWY+C+β1TP+β2FHC+β3LFI+β4SLF+β5GDP+ε。

式中：Y为林业产业结构升级水平；TP表示林业技术进步水平；FHC表示林业人力资本存量；LFI表示林业资本投入程度；SLF表示森林覆盖率；GDP表示人均国民生产总值；W是权重矩阵；WY为林业产业结构升级的空间滞后项，反映林业产业结构升级在各区域之间的交互作用；ρ为空间效应系数，取值为(-1,1)，反映样本数据空间相关性的大小和方向；C为常系数；β1～β5为各变量的回归系数；ε是独立的随机误差项(服从均值为0、方差为θ2的正态分布)。

空间误差模型：空间误差模型衡量的是在空间因素被忽略的情形下，各变量之间所造成的受影响的程度。具体表达式为：

Y=C+β1TP+β2FHC+β3LFI+β4SLF+β5GDP+ε，

ε=λWε+μ，μ～N(0，σ2IN)。

式中：Y为林业产业结构升级水平；ε为独立的随机误差项；W为空间权重矩阵；λ是误差项的参数，取值为(-1,1)，用来表征空间依赖关系；μ为误差项。

2 结果与分析

2.1 林业产业结构升级的空间相关性

2.1.1 全局空间相关性

由表1可知，莫兰指数全部为正，均通过了10%的显著性检验。这表明在区域层面上，林业产业结构升级水平空间正相关性明显，水平相近的区域在空间上存在集聚特征。从时序变动看，我国林业产业结构升级水平总体上呈现波动递增态势，这表明随着我国林业经济持续发展，林业产业结构升级水平区域分化日益加强，空间差异愈发严重。

2.1.2 局部空间相关性

由表2可知，2012年和2015年处于空间正相关的区域均有26个，占总数的84%，表明不论是2012年还是2015年，大部分区域分布均存在空间正相关，林业产业结构升级呈现高水平区域集聚、低水平区域集聚的特征，且林业产业结构升级水平存在空间分异性。浙江、福建、上海等区域分布在第一象限，为“高-高”(H-H)集聚区的正相关关系，这些区域和周边区域林业产业结构升级水平较高，集聚程度也较高。甘肃、新疆、陕西等区域分布在第三象限，为“低-低”(L-L)集聚区的正相关关系，主要位于中西部区域，这些区域和周边区域林业产业结构升级水平相对较低，存在低值与低值集聚。辽宁、云南和海南分布在第二象限，为“低-高”(L-H)集聚区的负相关关系，表明这些区域林业产业结构升级水平相对较低，且相对于周边区域存在一定差距，因此加强周边区域与这些区域的林业发展合作，可辐射带动这些区域的林业产业结构升级。四川和内蒙古分布在第四象限，为“高-低”(H-L)集聚区的负相关关系，表明这些区域林业产业结构升级水平相对较高，与其相邻的区域林业产业结构升级水平较低，空间溢出效应不明显。

表1 2009—2017年我国林业产业结构升级水平空间相关性

表2 2012年和 2015年区域林业产业结构升级水平的四分位表

2.2 林业技术进步对不同区域林业产业结构升级的影响

由表3可知，选用2017年的数据，分别使用经典模型(OLS)、空间滞后模型(SLM)和空间误差模型(SEM)进行林业技术进步对林业产业结构升级影响的空间效应分析。在10%显著性水平下，空间滞后模型的拉格朗日系数因子(LM-lag)显著，而空间误差模型的拉格朗日系数因子(LM-error)不显著。同时空间滞后模型的对数似然函数值(logL)为7.602 960，比经典模型和空间误差模型的值都要大；而且空间滞后模型的赤池信息准则值(AIC)值和施瓦兹准则值(SC)分别为-1.205 920和8.831 990，比经典模型和空间误差模型的值都要小。综合上述，选用空间滞后模型(SLM)的结果进行分析。

表3 林业技术进步对林业产业结构升级影响的模型估计结果

空间滞后项的空间效应系数为0.221 937，而且在10%的显著性水平下显著，这说明区域间林业产业结构升级水平具有显著的空间效应，即一个区域的林业产业结构升级与周边区域林业产业结构升级的发展状况密切相关，具有显著的空间促进作用。

林业技术进步对林业产业结构升级影响的系数估计值为0.259 381，且在10%的显著性水平下显著，即在其他条件不变时，林业技术进步每提高1个单位，将正向促进林业产业结构升级水平提高0.259 381个单位，说明林业技术进步对林业产业结构升级具有显著的空间促进作用，能显著地促进林业产业结构升级。这是因为林业技术进步可以优化林业资源配置、提高生产效率，同时带来更高的林业增长效应，使得具有较高生产效率的产业部门降低生产成本，并通过更低的价格或更好的商品和服务在竞争中显现优势，使得劳动密集型产业渐渐向机械化、智能化转变，林业不断向高技术、高附加值产业转移，实现林业产业结构升级。

为了检验林业技术进步对林业产业结构升级影响的区域差异，分别使用经典模型、空间滞后模型和空间误差模型进行东、中、西部分析。

由表4和表5可知，东部区域LM-lag和LM-error均不显著，但空间误差模型的LogL值为6.216 553，比经典模型和空间滞后模型的值都大；而且空间误差模型的AIC值和SC值分别为-0.433 105和2.476 330，比经典模型和空间滞后模型的值都小。综合上述，东部区域选用空间误差模型的结果进行分析。同理，中部区域和西部区域也选用空间误差模型的结果进行分析较好。

表4 各区域LM检验

从东中西不同区域上来看，在10%的显著性水平下，林业技术进步对林业产业结构升级的影响均有所不同，表现为东部区域不显著，中部区域显著为负，西部区域显著为正的特征。东部区域的影响系数为0.569 964，但未通过显著性检验。这主要是因为东部区域具有林业人才、技术和资金优势，但随着改革开放政策的不断深化，东部区域林业要素再配置效应的边际报酬递减，林业要素配置效率降低，这些因素使得林业技术进步对林业产业结构升级的影响比较有限。中部区域的影响系数为-1.954 900，说明林业技术进步对林业产业结构升级具有抑制作用。这主要是因为其林业经济发展整体较慢，使得中部区域林业技术进步对林业产业结构升级产生抑制作用。西部区域的影响系数为0.365 808，说明林业技术进步对林业产业结构升级具有显著的空间促进作用。这主要是因为实施“西部大开发”政策之后，西部区域与东部区域的林业经济联系日益紧密，通过东西部联动和对口支援等政策使西部区域林业技术进步水平不断提高，大大增加了要素升级配置的空间，林业劳动力和林业资本等生产要素逐渐从生产率低的部门向生产率高的部门流动，进而推动林业产业结构升级。

表5 各区域林业技术进步对林业产业结构升级影响的模型估计结果

3 结论与建议

通过对全局林业产业结构升级水平的空间相关性分析，林业产业结构升级水平空间正相关关系明显，相邻省份彼此相互影响，存在高值集聚、低值集聚的现象。通过进行林业技术进步对林业产业结构升级影响的空间效应分析，全国林业技术进步对林业产业结构升级有显著的正向促进作用；林业技术进步对林业产业结构升级的影响表现为东部区域不显著，中部区域显著为负，西部区域显著为正的特征。根据分析结果，提出如下建议：(1)强化林业技术人才队伍建设，为林业技术进步提供人力支持。注重对林业技术人员的教育培训；完善对林业技术人员的考核标准，提高林业技术人员的待遇，有效地激发林业技术人员的工作潜力。(2)加大林业技术多元化资金投入，为林业技术进步提供资金支持。加大财政投入，为林业高新技术企业和林业科研机构提供资金扶持；国家应该用合理的林业产业投资政策作指引，支持国企、金融部门和社会向林业技术领域投资。(3)积极推进林业技术成果转化和推广。建立科学的林业技术成果评价标准；完善中介机构的组织以及运行机制，发挥中介机构的关键作用；开展产学研相结合的林业技术创新模式，实现林业技术成果快速转化为生产力；转变林业技术创新以及技术应用的主体，大力推进林业技术成果的商品化和产业化[20]。