天然林保护工程对中国林业全要素生产率的影响——基于省级面板数据实证检验

伍海泉，印 慧，曹玉昆

（东北林业大学经济管理学院，哈尔滨 150040）

据第九次全国森林资源清查（2014～2018年）结果，我国森林面积为2.2 亿hm2，森林覆盖率为22.96%，森林蓄积量为175.6 亿m3，实现30年连续保持森林面积、森林蓄积量“双增长”[1]。大气二氧化碳（CO2）浓度升高是影响陆地生态系统可持续性的主要全球变化因子之一[2]，而森林则是陆地生态系统中重要的碳氮储存库。应继续加大力度推进生态文明建设，坚持节约自然资源与保护生态环境。20 世纪80年代以来，我国提出并实施多项生态计划，包括退耕还林工程、长江和珠江流域及农田防护林体系建设工程、天然林保护工程等。1998年长江流域和松花江、嫩江流域特大洪灾后，党中央、国务院决定在云南等12 个省（区、市）重点国有林区开展天然林保护工程试点。2000年《长江上游、黄河上中游地区天然林资源保护工程实施方案》经国务院批准实施，《东北、内蒙古等重点国有林区天然林资源保护工程实施方案》随即出台。至此，天然林保护工程在我国17 个省（区、市）重点林区实施，具体包括长江上游地区云南、四川、贵州、重庆、湖北、西藏6 省（区、市），黄河上中游地区陕西、甘肃、青海、宁夏、内蒙古、山西、河南7 省（区），以及黑龙江、吉林、海南、新疆4省（区）。天然林保护工程实施是针对我国长期以来天然林资源过度消耗引起生态环境恶化，国家从社会经济可持续发展战略高度做出的重大决策[3]。天然林保护工程作为全国最大林业生态保护工程之一，实施20年来，中央财政总投入已超过4 000 亿元[4]，林区自然资源与社会面貌发生巨大变化。

目前，天然林保护一期工程已结束，二期工程进入关键时段。如何客观评价天然林保护工程实施效果，哪些因素对其影响显著，是该项生态保护工程尚待解决的问题。以往研究主要集中在以下三个方面：一是天然林保护工程实践综述，研究内容包括天然林保护工程实施手段和取得成绩。陈丽荣等通过绘制可视化知识图谱，展示天然林保护工程研究领域时间分布和研究热点演进，揭示我国天然林保护工程研究整体脉络[5]；曹玉昆等通过对我国天然林保护工程效益评价研究文献梳理，系统分析天然林保护工程效益评价主要特点和方法[6]。二是天然林保护工程绩效和价值研究，例如秦利等通过构建天然林保护工程政策实施绩效综合评价指标体系，采用模糊综合评价法对伊春林区天保工程二期政策实施绩效进行综合评价[7]；崔方茹等利用靖边县天保工程相关资料和既有成果，构建森林生态系统服务功能评估指标体系，评估靖边县天保工程森林生态系统服务功能价值[8]。三是天保工程相关影响研究。如臧良震运用西部11 个省级面板数据，采用面板向量自回归和脉冲响应分析研究工程建设对农民收入产生影响[9]；翟绪军等采用黑龙江省国有林区林业产业数据，分析实施天然林保护工程对国有林区林业产业总体结构变动产生的影响[10]。已有报道多是通过文献归纳整理对天然林保护工程定性评价分析为主，缺乏以计量核算为主的定量评价，且研究对象或面板数据多集中于西部、东北部等区域天然林保护工程，针对全国天然林保护工程政策实施效果评价尤其与林业全要素生产率相结合研究较少。因此，本文使用多期双重差分法（Difference in difference，DID），运用我国1997～2018年省级面板数据，基于林业全要素生产率视角，天然林保护工程项目实施效果作出评价，为我国森林资源经营管理和生态资源保护提供参考。

1 模型设定

1.1 方法选取与模型设定

为研究天然林保护工程对林业全要素生产率政策效应，本文选取双重差分法（DID）对政策实施地区作验证。双重差分模型适用基础是先将观测样本准确分为试验组和对照组，本文选择实施天然林保护工程省份为“试验组”，其他省份作为相应“对照组”，设置DID回归方程如下：

上述公式被解释变量中，设置政策影响变量为yit；观测组别为d i，分别代表试验组和对照组；观测年份为dt；μit是残差项。在借鉴相关研究前提下，本文在原基础模型中加入部分控制变量。拓展后DID方程如下:

方程中，下标p代表省份，t代表观测年份。在Treatpt赋值中，甘肃、贵州、海南、河南、黑龙江、湖北、吉林、内蒙古、宁夏、青海、山西、陕西、四川、西藏、新疆、云南、重庆地区为试验组1，其他地区为对照组0。Yearpt为天保工程实施年份，1998年及以后赋值为1，其他为0；Xpt为控制变量；γp为地区固定效应；ηt为年份固定效应；μpt为随机扰动项。β1为重点关注系数，Treatpt×Yearpt则是反映政策净效应交乘变量。其次，参数β2表示无天然林保护工程政策试验组和对照组之间目标变量时间变化情况，参数β3表示试验组与对照组之间不随时间变动差异，式（2）中包含γp地区虚拟变量和ηt年份虚拟变量。

1.2 指标选取与数据来源

本文被解释变量为通过全要素生产率动态变化的Malmquist指数DEA模型测度我国31个省级林业全要素生产率，Malmquist指数以t期为基期，公式如下：

上述公式中，MALM为从t到t+1期林业全要素生产率、PECH为从t到t+1 期纯技术效率变动指数、SECH为从t到t+1 期规模效率变动指数、TECHCH为从t到t+1 期技术进步变动指数、EF⁃FCH为从t到t+1 期技术效率变动指数。xt和xt+1分别是t到t+1期单位投入向量，yt和yt+1分别是t到t+1 期单位产出向量，Dt(xt,yt)、Dt+1(xt+1,yt+1)分别是以t和t+1 时期技术为参照距离函数。上述公式中下标v是可变规模报酬假设，c 是不变规模报酬假设，计算结果如表1所示。

表1 1997～2018年我国31个省级林业全要素生产率Malmquist指数及分解Table1 Malmquist index and decomposition of average total factor productivity of forestry in 31 provinces in China from 1997 to 2018

本文参考相关研究成果后选取系列控制变量是在兼顾数据指标可得性前提下，基于天然林保护工程实施制度、管理和环境3个维度，确定经济发展水平、城镇化水平、对外开放水平、科技发展水平、产业现代化程度、政府干预程度、自然灾害情况、林业人力资本水平等变量。确定变量值为经计算处理比率值，分别采用地区人均GDP对数代表经济发展水平，常住城镇人口占总人口比重的城镇化率衡量城镇化水平，进出口贸易额比重代表对外开放程度，研究与试验发展经费投入代表科技发展水平，林业第二、三产业占林业产业总产值比重代表产业结构，中央政府投资占林业总投资比重代表政府干预程度，森林病虫害发生面积代表自然灾害情况，在岗职工年平均工资代表林业人力资本投入水平。数据主要来源于1998～2018年林业统计年鉴和国家统计局数据库。本文选择1998～2018年我国31 个省级地区，合计5 859 个样本开展经验验证，具体变量描述性统计如表2所示。

表2 1997～2018年样本描述性统计Table 2 Descriptive statistics of samples from 1997 to 2018

续表

2 实证结果

2.1 实证结果与差分分析

本文在模型测算中逐步加入控制变量以研究天然林保护工程政策净效应，估计结果如表3 所示。在天然林保护工程实施制度、管理和环境等控制变量逐步加入后，解释变量系数符号和显著性并未发生本质变化，说明估计结果稳健性良好。由于实证结果为0.0866～0.1057，在5%置信水平显著，说明天然林保护工程实施显著提高山西、内蒙古、吉林等17 个政策实施省级地区林业全要素生产效率。在影响天然林保护工程提高生产率控制变量中，产业结构、人力资本、科技发展水平和经济发展水平影响显著。其中，人力资本投入程度在5%置信水平显著，产业结构、科技和经济发展水平在10%置信水平显著。分析结果显示控制变量中人力资本投入程度最为显著，主要是因随着科技发展水平提高和天然林保护工程资金投入力度加大，人均生产效率得到显著提高，直接推动林业全生产要素提高；另一方面，林区经济发展水平提高带来工资收入水平上升，人均劳动力成本加大，也促使相关企业和经营主体提高管理水平，实现减员增效。同时，产业结构、科技和经济发展水平提升一定程度上对冲禁止商业性砍伐对林业企业收入影响，开辟新财源，为提升林业全要素生产率提供资金支持、物质基础和科技保障。与人力资本、产业结构、科技发展水平和经济发展水平相比，城镇化水平、对外开放程度、政府干预和自然灾害情况在林业全要素生产效率中影响不显著。从区域经济结构特点看，天然林保护工程实施加快第三产业占比提高，但由于林区气候、土地等资源限制以及《森林法》等相关法律法规规制，历史上第一产业所占比例较低，农业人口比重相对较低。天然林保护工程实施引起农业人口向城镇人口转化空间有限，并不足构成显著影响。同时，改革开发以来，我国对木材等林业产品进口数量逐年提升，但林业相关资金、劳动力和科技等生产要素跨国界流动并不显著。对外开放程度变化主要受林区内生经济增长和外部贸易环境影响，与林业全要素生产率相关程度低。天然林保护工程实施区域大部分为国有林区，政府干预程度较高，政策实施并未显著提高政府干预水平。天然林保护工程实施增加政府对林区发展资金投入，但资金相当比例被用于消耗性和保障性支出，受林业管理水平提升影响不显著。

表3 DID 回归结果分析Table 3 Regression results

2.2 分组验证结果与差分分析

为进一步研究天然林保护工程实施过程中资源配置效率和影响因素作用机制，本文将各变量再次分组。首先将我国31 个省域按照1997～2018年年均森林覆盖率进行排名，然后将森林覆盖率排名前15且实施天然林保护工程省级地区，即海南、云南、黑龙江、吉林、陕西、湖北、四川、重庆8个地区分为试验组，其余年均森林覆盖率未排全国前15 且实施天然林保护工程省级地区，即贵州、内蒙古、河南、山西、西藏、宁夏、青海、新疆、甘肃9个地区为对照组。首先对森林覆盖率排名前15 名8 个省级地区即试验组进行异质性分析（见表4），回归结果说明，森林资源覆盖率高与天然林保护工程对该地区林业全要素生产率影响有正向作用，政策实施效果影响更为显著。

表4 异质性分析和森林资源覆盖率分组回归结果Table 4 Heterogeneity analysis and grouping regression results of forest resource coverage

式中，minori为虚拟变量，若i省是森林资源排名前15，则minori=1，否则为0。

森林覆盖率是反映森林资源丰富程度重要参考指标，天然林保护工程对林业全要素生产率影响与森林覆盖率显著正相关，说明政策实施后所在地区森林蓄积、面积、覆盖率显著提高，森林结构趋于合理、森林质量明显改善[11]。同时天然林保护工程投入巨额资金，显著加强政策实施省域森林生态系统、湿地生态系统、荒漠生态系统建设和生物多样性保护，促进该地区森林资源和林业产业协调发展。

3 结论与政策启示

3.1 结论

本文以我国31个省域林业全要素生产率（TFP）Malmquist 指数为被解释变量，基于天然林保护工程实施政策、管理和环境等维度，将天然林保护工程这一重点生态工程实施视为一项政策冲击，通过DID模型对政策实施省域和未实施省域分组测算分析，引入经济发展水平、城镇化水平、对外开放水平、科技发展水平、产业现代化程度、政府干预程度、自然灾害情况、林业人力资本水平等其他变量因素。结果表明，天然林保护工程实施整体上对林业全要素生产率影响显著。人力投入减少、产业结构合理化、科技投入和经济发展水平提高，可有效提升要素资源在林业生产之间配置效率，城镇化水平和对外开放程度提高、政府干预和自然灾害情况对林业全要素生产效率影响并不显著。同时，森林覆盖率高地区，天然林保护工程对其林业全要素生产率提升影响更加显著。充分说明天然林保护工程政策举措和资金投入，有效促进政策实施省域森林结构更合理、森林资源更丰富。

3.2 政策启示

①全面总结天然林保护工程实施经验，适度扩大工程实施范围。优化天保工程资金支出结构，同时积极填补森林抚育资金缺口，适度上调森林抚育补贴标准，通过扩大森林抚育补贴规模和范围，逐步提高森林资源质量加快低质森林资源改造速度。鼓励开发林业生态产品，走绿色发展之路，加快经济发展[12]，保护林业生态多样性，开展“山水林田湖草”整体开发，提升林区生态产品开发利用效率。

②积极培养壮大林业科研队伍，加速林业科技成果转化。建设培养专业化的林业技术应用和推广团队，应用现代化信息技术和媒体渠道，帮助基层技术人员掌握多种技术和装备。科学编制人才培养计划，创新人才使用机制，培养高素质林业工程管理人员、高层次科研人员、高水平技术人员、高技能产业工人。完善营林管护技术手段，支持利用卫星遥感探测、无人机巡航等技术手段，扩大人均管护面积，提高人均工作效率，全面保护天然林。

③加强森林资源生态保护，提升地区森林覆盖率。要加大管护和执法力度，采取有效手段保护天然林；加强人工林封育管理，加强退化林分改造，提高有林地郁闭度和生物多样性。同时加大国有林区基础设施建设支持力度，将电网与饮水安全以及管护站点用房等基础设施建设纳入上级政府建设规划统筹安排，同时将国有林区道路按属性纳入相关公路网规划。依法依规严管森林资源，将非林业部门管理林地纳入森林资源统计管理，加强林地监管，确保林地面积只增不减。