我国林业绿色全要素生产率测度及其影响因素

谭少鹏

（信阳农林学院，河南 信阳 464000）

林业发展是关乎生态平衡、碳达峰和碳中和目标实现，以及经济社会可持续发展的根本性问题，备受世界各国政府密切关注[1]。新中国建立以来，党和国家始终高度重视林业工作，将加速林业发展、强化生态建设置于重要战略地位。2020年全国森林资源调查工作部署会议强调，将森林资源调查作为推动林业高质量发展、加强生态文明建设的基础工作。“十四五”规划对林业高质量发展提出更高要求，表示这一时期我国森林覆盖率要提高至24.1%，为碳达峰和碳中和实现提供助益。所谓林业高质量发展，即驱动林业从增产导向转变为提质导向[2]。这要求有关部门积极治理林业环境突出问题、持续提升资源和耕地利用率、大力研发及推广林业绿色生产技术。而林业绿色全要素生产率恰能够充分衡量林业资源投入利用率及林业绿色发展综合效率，反映林业绿色生产技术进步率，展现区域林业高质量发展现状，揭示区域林业绿色生产技术发展情况。然而，目前专门针对林业绿色全要素生产率的研究相对较少[3]，大多文献主要集中于探讨林业全要素生产率[4-5]，亦或是测度其他行业的绿色全要素生产率[6-7]，而且对其影响因素的讨论也处于初级阶段。鉴于此：1）本研究综合考虑松弛变量与非期望产出问题后，通过收集林业投入产出指标、选取SBM 模型和GML 生产率指数，对2002—2020年我国30 个省域林业绿色全要素生产率进行测算和全面评价。2）聚焦于林业绿色全要素生产率的动态变化，运用空间相关性分析，对我国林业绿色全要素生产率的空间相关性展开进一步分析。3）在借鉴现有研究基础上，找出影响我国林业绿色全要素生产率的关键性因素，为林业绿色、协调、可持续、高质量发展提供理论和经验借鉴。

1 我国林业绿色全要素生产率测算

1.1 研究方法

1.1.1 SBM 方向性距离函数

学术界常见的数据包络分析模型（DEA）主要包括3 种：BCC、CCR 和SBM。其中，传统的BCC、CCR 均为径向模型，通常用于改进非有效DMU 的射线方向，即同比例扩大产出或减少投入，容易导致研究结论产生偏误；而改进后的SBM 模型属于非径向、非角度模型，兼顾了投入产出变量的松弛问题，能够最大程度增强改善效果[8]。因此，选用SBM 方向性距离函数测算林业绿色全要素生产率。依据Fukuyama[9]的研究方法，构建t时期非期望产出的非径向、非角度SBM 方向性距离函数如下式：

1.1.2 GML 生产率指数

林业生产是连续的动态变化过程。仅使用上述静态模型对林业绿色全要素生产率进行测算，难以体现其时序变化特征。学术界常使用ML 指数刻画某一主体的动态变化特征，但该方法循环性较弱，容易在规模报酬可变情况下造成线性规划无解及技术倒退问题[10]。GML 指数能够有效弥补ML 指数的短板，而且具备可累乘性和传递性两大显著优势。结合上述，选择GML 指数对林业绿色全要素生产率的动态变化进行描绘。通过结合非期望产出，将GML 指数定义为绿色全要素生产率指数（GTFP），同时分解出技术效率变化指数（EFF）和技术进步指数（TECH）。指数通常表示变量在t+1 时期相比t时期的变化情况。例如，TEP＞1，代表t+1 期绿色全要素生产率较t期有所提升；TEP＜1，则相反（EFF 和TECH 同理）。3 种指数的构造和相互关系如下式：

1.1.3 空间自相关分析

在上述静态与动态测算基础上，采用空间自相关分析对我国林业绿色全要素生产科展开进一步探讨，以期能够深层次揭示空间与邻近变量之间的分布是否存在必然联系。换言之，通过进行空间自相关分析，探寻邻近省域林业绿色全要素生产率是否会对区域整体演变趋势产生影响。依据鹿晨昱等[11]研究，空间自相关分析主要可以划分为全局和局部。具体分析过程中，首先使用全局自相关Moran'I 指数实证检验我国林业绿色全要素生产率是否存在空间依赖性，然后利用局部自相关Moran'I 指数对其局部空间的具体集聚情况进行分析。

1.2 指标选取及数据来源

依据现有研究，绿色全要素生产率测度通常将资本、劳动力、土地等生产要素作为投入变量，经济增长作为期望产出，环境污染作为非期望产出[6,12-13]。在此基础上，本研究充分考量绿色效率、生态效率、经济效率后，设置林业投入产出指标体系如表1所示。研究选取中国30 个省份（港、澳、台和西藏由于数据可获得性低排除在外）作为样本，截取2002—2020年作为样本时段。所有指标原始数据均来源于历年《中国统计年鉴》《中国环境统计年鉴》《中国林业统计年鉴》。区域划分标准主要源自国家统计局。

表1 林业投入产出指标体系Table 1 Input-output index system of forestry

1.3 结果分析

1.3.1 整体分析

利用式（1）～（4）测算可得2002—2020年我国林业绿色全要素生产率及来源变化（表2）。研究期内我国林业绿色全要素生产率指数在多数年份均高于1，同时林业绿色全要素生产率整体呈现出明显上升趋势。具体而言，绿色全要素生产率指数均值为1.036 1，年均上涨3.61%；技术效率指数均值小于1，为0.990 9，技术进步指数大于1，均值为1.046 8。这说明技术进步是林业绿色全要素增长的主要来源，而技术效率会在一定程度上阻滞林业绿色全要素生产率提升。

为直观呈现研究时段内林业绿色全要素生产率的动态变化特征，基于表2数据绘制图1。2002—2020年绿色全要素生产率指数均高于1，说明我国林业发展情况正在不断改善。其中，2004年林业绿色全要素生产率出现明显下滑，同比跌幅为2.28%；2020年林业绿色全要素生产率增长最为迅猛，涨幅为12.55%。技术效率指数在2012、2017、2019 和2020年均大于1，表明林业技术效率会对林业绿色全要素生产率提升产生一定驱动作用。其中，2012年为技术效率指数的峰值，可达1.033 2，该时期技术效率显著助推林业绿色全要素生产率提升，其贡献率为3.32%。技术进步指数除在2012年不足1 之外，其他年份均高于1。也就是说，除2012年之外，技术进步在研究时段内均有效推动了绿色全要素生产率提升，为中国林业发展提供极大助益。总体上看，技术进步是中国林业绿色全要素生产率增长的主要来源，技术效率对林业绿色全要素生产率提高存在一定滞缓作用。

表2 2002—2020年林业绿色全要素生产率及来源变化Table 2 The total green factor productivity and source changes of forestry from 2002 to 2020

图1 2002—2020年林业绿色全要素生产率及来源变化Fig.1 The total green factor productivity and source changes of forestry from 2002 to 2020

通过将2001年的基期值设定为1，再次借助式（1）～（2）对2002—2020年我国林业绿色全要素生产率进行测算，以深入研究其变化轨迹（图2）。据测算结果，2002—2020年累积的林业绿色全要素生产率走势为“平缓波动-低速上涨-快速提升”，分别与2002—2007年、2008—2014年和2015—2020年3 个时段相对应。期间，2004年累积的林业绿色全要素生产率指数最低，仅为1.023 1，说明2004年相较于2001年仅提升2.31%；2020年累积的林业绿色全要素生产率数值最大，达到1.899 6，即2020年的生产效率相较2001年提升89.96%。技术效率累积指数起伏较小且缓速下滑，于2018年达到低谷值，为0.805 6。技术进步累积指数与绿色全要素生产率累积指数基本保持一致起伏状态，同样表现为“平缓波动-低速上涨-快速提升”的变化趋势。技术进步累积指数在2020年达到峰值2.319 3，相较2001年提升131.93%。整体来看，技术进步与绿色全要素生产率的变化轨迹基本同步，均呈现明显递增趋势，证实了技术进步对林业绿色全要素生产率增长具有主要推动作用。

图2 2002-2020年累积的林业绿色全要素生产率及来源变化Fig.2 The cumulative total green factor productivity and source changes of forestry from 2002 to 2020

1.3.2 空间相关性分析

通过借助Geoda 软件可计算得出2002—2020年我国林业绿色全要素生产率Moran'I 指数，结果如表3所示。可见，研究时段内我国林业绿色全要素生产率全局Moran'I 指数值都为正，表明我国林业绿色全要素生产率具有较强的正向空间相关关系。国内某一省域林业绿色全要素生产率会与邻近省域相互产生影响，呈现出相似值间的强空间聚集形态。就演变势态来看，全局Moran'I 指数整体呈明显“低-高-低”变化走向，于2007年达到峰值，为0.486，之后开始出现波动中持续下滑态势，各省域间林业绿色全要素生产率的关联也随之逐渐弱化。在此基础上，截取4 个时间点，分别为2002、2008、2014 和2020年，对我国30个省域林业绿色全要素生产率的局部空间相关性展开进一步验证。依据检验结果发现，我国林业绿色全要素生产率具有显著局部空间集聚特征，整体以“高-高、低-低”两种类型为主。其中，“高-高”集聚类型重点体现在上海、江苏等华东区域，“低-低”集聚类型主要体现在四川、甘肃、陕西等西南和西北区域，呈现出“先增大后缩小”的区域空间分布态势。

表3 2002—2020年林业绿色全要素生产率Moran'I 指数Table 3 Moran'I index of the total green factor productivity in forestry from 2002 to 2020

2 我国林业绿色全要素生产率影响因素分析

基于前文分析可知，我国林业绿色全要素生产率在区域层面仍存在明显空间异质性。为追溯差异产生源头，推动林业生态实现协调可持续发展，在此展开如下分析。首先对林业绿色全要素生产率的影响因素进行归纳，然后借助stata15.1构建空间计量模型，最后检验各因素对林业全要素生产率的影响作用。

2.1 变量选取与数据来源

1）变量选取

通过系统回顾和归纳总结现有文献可知，林业绿色全要素生产率受技术研发水平、资源转化水平、市场化水平、环境规制、能源消费结构、金融发展状况、产业发展水平、人力资本、宏观经济发展水平等多重因素影响[3-5,7,14]。全面考量数据可得性后，最终选取城镇化水平、产业发达程度、环境规制、能源消费结构、宏观经济发展水平5 个指标作为解释变量。基于此，将我国30 个省域2010—2020年林业绿色全要素生产率数据作为被解释变量，构建空间计量模型，以深入分析各影响因素对林业绿色全要素生产率的实际作用。所有解释变量和被解释变量说明如表4所示。

表4 变量说明Table 4 Variable description

2）数据来源

本研究选取我国30 个省域作为研究对象（西藏及港澳台地区由于数据获取困难，不列入研究范围）。为保证结论具有时效性，截取2002—2020年作为研究时段。样本数据主要源自《中国统计年鉴》《中国能源统计年鉴》《中国林业统计年鉴》及各省域地方统计年鉴，其中部分数据来源于网站查询。

2.2 模型选取及检验

1）最小二乘法回归模型（OLS）

参照王兆峰等[15]研究，构建基础OLS 分析各因素对林业绿色全要素生产率的影响，公式如下：

式（5）中：GTFP 代表林业绿色全要素生产率；UL 代表城镇化水平；DID 代表产业发达程度；ER 代表环境规制；ECS 代表能源消费结构；lnLMD 代表宏观经济发展水平；C表示常数项；βi(1 ≤i≤5)表示解释变量的空间回归系数；表示随机误差项；i代表省份。

利用式（5）可计算得出如表5最小二乘法估计结果。据表5可知，林业绿色全要素生产率的拟合优度为47.86%，说明各变量具有较好解释模型的能力；F统计值为67.52，且模型总体通过了1%显著性检验。具体来看，产业发达程度与环境规制对林业绿色全要素生产率的影响最大，而城镇化水平影响最小。环境规制指数每上涨1%，林业绿色全要素生产率便会下降1.919%；城镇化水平指数每上涨1%，林业绿色全要素生产率便会增长0.068%。

表5 最小二乘法估计结果†Table 5 Estimation results of the ordinary least squares

2）空间计量模型选取与检验

上述普通OLS 并未将研究对象可能存在的空间效应考虑在内，易于导致分析结果产生偏差。因此利用空间计量模型对省域间林业绿色全要素生产率的相互作用展开进一步探讨。通过总结现有研究，最终择取最优化空间误差模型的时空双向固定效应、固定效应展开空间计量研究。基于被解释变量林业绿色全要素生产率和其余解释变量构建空间计量模型如下式：

式（6）中，i代表省域，取值区间为1 到30；t代表年份，取值区间为2002—2020年；β0表示常数项；βi(1 ≤i≤5)是解释变量的空间回归系数；λ是空间误差自相关系数；W表示空间权重矩阵；表示空间误差滞后项。

2.3 实证结果与分析

通过运用stata15.1 软件和式（6）可计算得出我国林业绿色全要素生产率影响因素的回归结果，如表6所示。

表6 林业绿色全要素生产率影响因素的回归结果†Table 6 Regression results of influencing factors for the total green factor productivity of forestry

据表6可知，R-squared 值为0.200 1，Log-Likelihood 值为591.018 2，说明该模型具有较高拟合度和可信度。空间误差自相关系数值Lambda 为0.294，且通过了1%显著水平检验，表明邻近省域林业绿色全要素生产率每上升1%，当地将上涨0.294%。这说明各省域林业绿色全要素生产率具有显著空间相关性，且存在空间溢出效应。产业发达程度、宏观经济发展水平、环境规制与林业绿色全要素生产率间具有正相关关系；城镇化水平和能源消费结构则与其具有负相关关系。具体分析如下：

1）城镇化水平相关系数值为-1.046，通过了1%显著水平检验，说明城镇化水平每增加1%，林业绿色全要素生产率便会相应下降1.046%，即城镇化水平与林业绿色全要素生产率间具有负相关关系。随着城镇化程度不断加深，社会居民对基本公共设施及住房需求进一步提升，亟待各类城市对公共基础设施进行规模化建设。但同时也大大增加了基础设施建设生产、加工、运输、混合过程中的二氧化碳排放量，不利于林业绿色全要素生产率提升。

2）产业发达程度相关系数值为0.935，通过了1%显著水平检验，说明产业发达程度每上涨1%，林业绿色全要素生产率便会相应上升0.935%，即产业发达程度与林业绿色全要素生产率间具有显著正相关关系。林业发展潜力与规模较大区域，不仅有利于林业市场内部建立相对规范化管理体系，还有助于林业企业在市场有效竞争下实现绿色全要素生产率提升。同时该区域林业企业也可提升当地生产要素合理化配置速率，充分发挥相关从业人员集聚效应，助推林业绿色全要素生产率提升。

3）环境规制相关系数值为1.600，通过了5%显著水平检验，说明环境规制每上涨1%，林业绿色全要素生产率便会相应增加1.600%，即环境规制与林业绿色全要素生产率间具有明显正相关关系。近几年来国家颁布一系列环境规制政策，促使林业相关部门和企业将环境保护置于更加突出位置，逐渐从牺牲环境为代价的粗放式增长模式向环保、高效的集约式增长模式转变。随时间推移，环境规制政策推行将会有效助推林业绿色全要素生产率增长。

4）能源消费结构相关系数值为-0.180，并未通过任何水平的显著性检验，表明能源消费结构每上涨1%，林业绿色全要素生产率便会相应下降0.180%，即能源消费结构与林业绿色全要素生产率间具有负相关关系。细究其因，当前清洁能源在能源消耗量中占比并不明显，开发利用优势仍有待进一步挖掘。这导致能源消费结构对林业绿色全要素生产率提升产生一定抑制作用。有鉴于此，未来我国应致力于优化能源消费结构，提高清洁能源发展质量和投入产出比。

5）宏观经济发展水平相关系数值为0.271，通过了1%显著水平检验，表明宏观经济发展水平每增加1%，林业绿色全要素生产率便会相应上涨0.271%，即宏观经济发展水平与林业绿色全要素生产率间具有正相关关系。究其原因，当一国经济社会发展到一定水平时，林业有关部门和企业并不会一味追求经济增速，而是会在谋求经济增长的同时兼顾环保和节能减排，这极大推动了林业绿色全要素生产率提升。

3 研究结论与对策建议

本研究通过构建林业绿色投入产出指标，运用非角度、非径向的SBM 方向性距离函数和GML 指数对2002—2020年中国林业绿色全要素生产率进行测算；然后利用空间相关性分析方法深层次揭示邻近省域林业绿色全要素生产率对区域整体演变趋势产生的影响；最后采用邻接空间权重矩阵建立面板空间计量模型探究林业绿色全要素生产率的影响因素，得出如下研究结论：

1）林业绿色全要素生产率呈持续增长态势，年均增长率为3.54%，说明我国林业正渐趋可持续化状态发展。技术进步是林业绿色全要素生产率提升的主要增长源，而技术效率则对其具有一定抑制作用。

2）我国林业绿色全要素生产率具有较为强烈的正向空间自相关关系，但省域间关联却在不断弱化。通过局部空间相关分析可知，我国林业绿色全要素生产率存在显著局部空间集聚特征，整体以“高-高、低-低”两种类型为主。其中，“高-高”集聚特征重点体现在上海、江苏等华东区域，“低-低”集聚区则主要覆盖四川、甘肃等区域。

3）我国林业绿色全要素生产率具有显著空间溢出效应，邻近省域对当地林业绿色全要素生产率存在明显正向影响。依据面板空间计量模型实证分析：产业发达程度、宏观经济发展水平、环境规制与林业绿色全要素生产率之间存在正相关关系，其中产业发达程度和环境规制是驱动林业绿色全要素生产率提升的主要动能，而宏观经济发展水平的影响则相对较弱；城镇化水平和能源消费结构与林业绿色全要素生产率间存在负相关关系，即不利于林业绿色全要素生产率进一步提升。

结合上述实证分析，提出以下几点对策建议：

1）全方位建立健全有关政策及法律保障体系。顺利推行林业绿色可持续发展与国家法律约束与政策支持息息相关。基于此，一是通过监管投资、控制价格、改善金融或调整税收等途径优化林业利益结构，避免林业投资出现投机倒把行为；二是应建立健全林业采伐机制，严禁各种私自破坏自然资源的违法行为，维护林业生产秩序正常平稳运转；三是应确立相关机制法规保护国有林场不受破坏，保证国有林场经营区长期处于稳定状态。

2）深层次统筹林业绿色发展和区域一体化战略。当前我国各区域林业绿色全要素生产率存在明显差异，故中央及地方政府部门不能对全国范围内所有区域统一而论，应将林业绿色化发展纳入区域一体化总体框架，促使林业实现可持续转型。就林业发展资源条件而言，应结合不同区域自然条件作出合理布局，针对山区应注重综合开发，在原有基础上实施科学管理，致力于提高林业生产能力、生态效益和经济效益；针对平原应注重提升林地利用效率，搭建起以速生丰产林基地为重心，树种和林种合理化配置的林业体系；针对丘陵应侧重考量林业发展可行性与林地生产力。

3）多维度补齐林业绿色发展要素。一是聚集大量尖端人才对林业绿色可持续发展进行针对性科研工作，为林业绿色全要素生产率提升夯实理论基础，促使高新技术更好应用于林业可持续发展实践进程。二是建立与完善林业生态系统监管体系，对自然资源实施全方位监控，及时获取各类反馈信息，制定出具体可行的化解方案。三是强化高新技术推广，深化现代化技术在林业绿色发展中的应用，积累林业数字化转型实践经验，为后续相关技术改良提供支撑。四是持续拓展资金来源，助推林业可持续化发展，保障林业绿色项目和活动平稳运行。