基于SBM-Malmquist 模型的云南林业生态效率测算及时空差异性研究

肖永茂 龙勤

摘要 运用SBM-Malmquist模型对2011—2020年云南16个州市的林业生态效率进行空间和时间测度。结果表明：云南林业生态效率整体水平较高，呈波动上升趋势，但未达到稳定的最优水平；规模效率是制约云南林业生态效率的关键要素；林业生态效率的静态效率值（TC）呈现出滇东北>滇中>滇南>滇西北的特征；林业生态效率的动态效率值（Mg）大部分时间为低促进水平，林业技术进步效率有待加强；各区域林业生态效率的动态效率波动大，且区域间存在明显差异。最后，提出了促进云南林业生态效率高水平发展的建议。

关键词 林业生态建设；生态效率测度；SBM-Malmquist模型；云南

中图分类号 F 326.2  文献标识码 A  文章编号 0517-6611（2023）07-0142-04

doi：10.3969/j.issn.0517-6611.2023.07.033

Analysis on Forestry Eco-efficiency in Yunnan Province Based on DEA-SBM and Malmquist Model

XIAO Yong-mao，LONG Qin

（School of Economics and Management，Southwest Forestry University，Kunming，Yunnan 650224）

Abstract Based on SBM-Malmquist model，calculates the forestry ecological efficiency value and dynamic index of 16 prefectures and cities in Yunnan from 2011 to 2020，and analyzes the space-time changes of forestry ecological efficiency in Yunnan.The results showed that the overall level of forestry ecological efficiency in Yunnan was high，showing a fluctuating upward trend，but did not reach the stable optimal level;scale efficiency is the key factor that restricts the ecological efficiency of Yunnan forestry.The static efficiency of forestry ecological efficiency showed the characteristics of Northeast Yunnan > Middle Yunnan > South Yunnan > Northwest Yunnan.The dynamic efficiency value of forestry ecological efficiency is low in most of the time，and the efficiency of forestry technological progress needs to be strengthened.The dynamic efficiency of forestry ecological efficiency fluctuates greatly in each region，and there are obvious differences among regions.Finally，some suggestions are given to promote the high level development of forestry ecological efficiency in Yunnan.

Key words Forestry ecological construction;Eco-efficiency measurement;SBM-Malmquist model;Yunnan

基金項目 云南省教育厅科学研究基金研究生项目（2022Y632）。

作者简介 肖永茂（1995—），女，四川宜宾人，硕士研究生，研究方向：林业经济管理。通信作者，教授，博士，从事林业经济管理研究。

收稿日期 2022-09-07

生态环境是人类生存最为基础的条件，2018年党的十八大将生态文明建设写入宪法修正案，从国家战略的角度确定了其重要地位；2021年党的十九届六中全会指出，生态文明建设是关乎中华民族永续发展的根本大计。林业作为生态文明建设的主体，肩负着增加森林生态资源资产，在2060年实现碳中和目标进程中增汇、增进基本民生福祉的重要任务［1］。森林生态系统是地球上陆地面积最大的复杂自然生态系统，其种类多、生物多样性丰富、功能强大、碳汇储量大［2］。林业生态效率能够衡量林业经济和生态发展状况，高水平的林业生态效率能够保证林业的高质量发展并推动生态文明建设［3］。林业生态效率是指同时考虑到林业经济效益和生态效益的前提下，林业投入转化为产出的效率测度标准［4］。高林业生态效率就是要保证林业具有经济竞争力的同时，减少环境污染和资源消耗。从现有文献看，林业生态建设效率的研究主要集中在较为宏观的省域层次［5-10］。云南林业资源丰富，是我国第二大林区，但云南省内各州市的地理特征和林业资源分布差异明显，林业生态建设也随之而呈现出不同状况，研究云南省市域层次林业生态效率更有针对性和现实指导价值。鉴于此，笔者拟从市域层次视角对林业生态效率进行探索，以期为促进云南林业生态建设可持续发展提供决策参考。

1 材料与方法

1.1 研究区概况

云南省地处于我国西南边陲，全省下辖8个地级市、8个自治州，总面积39.41万km2，山地面积占全省土地面积的94%。云南省林业资源丰富，是我国森林类型最全面、生物多样性最丰富的省份之一，是著名的“动植物王国”。据2021年《云南省统计年鉴》，2020年云南省森林覆盖率为65.04%，林地面积为25.99万hm2，林地面积居全国第2，林业从业人员135万人，林业总产值为429.5亿元。

1.2 研究设计与方法

按照森林生态、环境经济、林业可持续发展理论，结合林业生态效率测算指标具有多投入多产出以及效率随时间动态变化的特点，并综合考虑DEA-SBM模型相对于传统DEA模型具有能够将非期望产出考虑在内的优势［11］，以及Malmquist指数模型能够实现对效率时间动态变化的描述［12-13］。通过构建林业生态效率DEA-SBM模型和Malmquist指数模型，分别对2011—2020年云南省16个州市静态林业生态效率值和动态林业生态效率变化指数进行测算，进而分析云南不同区域和州市林业生态效率的时间和空间演变状况。

1.2.1 静态林业生态效率测算模型构建。

云南省林业生态效率的静态测算采用基于投入导向型的SBM模型：假设对k个州市的林业生态效率进行评价，有i个投入指标，j种产出指标，xik为k地区的第i个投入指标（i=1，2，…，m）；yjk为k地区的第j个产出指标（j=1，2，…，n）；X为投入矩阵，Y为产出矩阵，λ表示林业生态效率的线性组合系数，θ为林业生态效率值，s-和s+分别表示投入冗余和产出不足。具体模型如下：

minθ=（1-1mmi=1s-ixik）/（1+1nnj=1s+ryjk）（1）

s.t. xk=Xλ+s-yk=Yλ-s+s-≥0，s+≥0，λ≥0

假设模型的最优解为θ*，θ值为0～1，且随松弛变量的增大而减小，当s-和s+均为=0，则θ=1时，表示不存在投入冗余和产出不足，林业生态效率达到前沿面；当0≤s-，s+<1时，则0≤θ<1时，表示存在投入冗余或产出不足，林业生态效率未达到效率前沿面，则林业生态建设存在着改进的必要［14］。

1.2.2 动态Malmquist指数测算模型构建。

Malmquist指数能够反映每个决策单元各时期的效率变化，采用Malmquist指数构建林业生态效率变化指数模型：假设有k个决策单元，xtj表示第j个决策单元在t期的投入指标值，ytj表示第j个决策单元在t期的产出指标值。Mg为林业生态效率的变化指数，假定从t期和t+1期林业生态效率的规模报酬不变，Dtc（xt，yt）为林业生态效率在t期投入距离函数，在t期技术条件下，从t期到t+1期技术效率变化值Mgt=DtC（xt+1，yt+1）DtC（xt，yt），在t+1期技术条件下，从t期到t+1期技术效率变化值Mgt+1=Dt+1C（xt+1，yt+1）Dt+1C（xt，yt）。t期到t+1期的林业生态效率变化指数Mg为Mgt和Mgt+1的几何平均值，具体公式如下：

Mg（xt，yt，xt+1，yt+1）=（Mgt×Mgt+1）12=EC×TC

（2）

当Mg>1时，表示林业生态效率上升，反之则下降。将Mg指数分解为技术效率变化指数（EC）和技术变化指数（TC），EC>1或TC>1表示技术效率或技术变化对林业生态效率上升起促进作用，反之则起阻碍作用［15］。

1.3 指标选取

该研究为构建测度模型中科学合理的林业生态效率评价指标体系，在参考了吴远征等［3-5］构建的林业生态效率评价指标体系的基础上，结合云南省16个州市的地理区位及其林业资源分布特点，基于土地、劳动力、资本投入的最小化，经济价值的最大化及环境影响最小化的目标，构建符合系统科学性、动态可对比性、可行与可操作性原则的云南省林业生态效率评价指标体系（表1）。其中，投入指标主要反映林业生产经营过程中所付出的土地、劳动力、资本，该研究选取林地面积、林业从业人员数和林业中间消耗作为投入指标；非期望产出反映林业生产经营活动对环境造成的影响，选取林业废水排放量以及林业废气排放物中的SO2的排放量为非期望产出指标；期望产出反映林业产品或者服务的经济价值，选取林业生产总值作为期望产出指标。

1.4 数据来源

所采用的数据来源于云南各州市政府官网及《云南省统计年鉴》（2012—2021年）。其中，林业废水排放量（y1）、林业废气排放量（y2）以及林地面积（x3）指标数据通过间接获得，具体获取方式如下：y1=林业第二产业产值/工业产值×工业废水排放量；y2=林业第二产业产值/工业产值×工业废气排放量；x3=农用地面积-耕地面积-牧草面积-园地面积。

1.5 评价标准

运用MaxDEA软件分析云南16个州市10年的林业生态效率SBM效率值和Malmquist动态指数及其相关分解值。为了对各州市和各区域在研究期内的林业生态效率有更明晰的认识，将林业生态静态和动态效率值评价标准分为5个等级，具体评价标准见表2。

2 结果与分析

2.1 林业生态效率静态空间

2.1.1 静态测度的市域空间差异。

市域层次的研究单元为云南省16个州市，即昆明、曲靖、玉溪、保山、昭通、丽江、普洱、临沧、楚雄、红河、文山、西双版纳、大理、德宏、怒江和迪庆。计算得出2011—2020年云南各州市的林业生态效率（TE）、纯技术效率（PTE）和规模效率（SE）均值（表3）。

从TE来看，16个州市10年TE均值为0.798，处于高效率水平，但未达到最优效率水平，表明云南林业生态建设总体情况较好，但其林业生态建设投入和产出结构仍有待提高［16］。其中，迪庆和西双版纳2個州市TE为1.000，处于最优状态，保山、楚雄、丽江、临沧和怒江5个州市的TE未达到高效率水平。从16个州市10年的林业生态效率评价水平来看，68.75%的州市林业生态效率处于较高水平以上，证明超过50%的州市在林业经济发展的同时，注重生态环境的保护。

从PTE来看，其均值为0.905，处于高效率水平。其中，德宏、迪庆、丽江、怒江、西双版纳和玉溪6个州市PTE为1.000，为最优效率，其中，德宏、丽江、怒江和玉溪4个州市TE未达到最优状态是由于SE未达到最优状态，说明这几个地区技术层面相对合理，应注重规模效益的提高。

从SE来看，其均值为0.871，处于高效率水平，但SE均值明显小于PTE均值，说明SE是制约云南林业生态效率的主要因素。仅有迪庆和西双版纳2个州市SE达到最优效率，且TE和PTE也均处于最优状态，表明其林业生态建设投入产出合理，林业发展能够在保护生态环境的前提下有效利用资源。丽江和怒江SE均值仅为0.566和0.575，其规模效率制约着当地的林业生态效率，应着重提高其产业集中度以提高其规模效率。

2.1.2 静态测度的区域空间差异。以云南地理、森林资源以及气候特征为划分依据，将云南划分为以下4个区域：滇东北（曲靖和昭通）、滇西北（迪庆、怒江、丽江、保山、大理、德宏）、滇中（昆明、楚雄、玉溪）、滇南（临沧、普洱、西双版纳、红河、文山）［17］。对4个区域的林业TE进行区域差异特征分析，2011—2020年各区域林业TE均值如图1所示。从图1可见，四大区域的林业TE及其分解效率（PTE和SE水平）均达到高效率水平，但没有一个区域达到最优效率。从TE水平来看，TE均值表现为滇东北>滇中>滇南>滇西北，呈现出东高西低的特点。从PTE水平来看，表现为滇西北>滇东北>滇中>滇南，呈现出北高南低的特点。从SE水平来看，表现为滇东北>滇中>滇南>滇西北，呈现出与TE一致规律。由此可知，林业规模效率是制约林业生态效率的关键因素。

2.2 林业生态效率动态时间

2.2.1 动态测度的总体时间趋势。据Malmquist指数模型测算2011—2020年云南Mg及其分解指数（EC和TC），结果见表4。

从时间序列来看，云南林业生态效率的Mg指数在10年间呈现波动上升趋势，有7个阶段的Mg值大于1.000，其中71.4%处于低促进水平，高促进水平和超高促进水平各占14.3%。除2013—2015和2016—2018年呈现下降趋势外，其余年限均明显上升，说明林业生态建设整体向好发展。从分解指数来看， EC均值为1.140， TC均值为1.333，但均处于低促进效率水平，说明大部分年限均处于技术效率改善阶段，林业生态效率的技术进步，情况良好，但仍有较大的改善空间，云南省应继续加强技术进步，提高林业生态效率，促进林业可持续发展［18］。

2.2.2 动态测度的区域时间趋势。

为了对云南不同区域动态效率的时间变化差异进行研究，对滇东北、滇西北、滇中和滇南4个区域9阶段的Mg指数及其分解指数（EC、TC）进行统计分析，结果如图2～4所示。

从四大区域2011—2020年Mg波动情况来看（图2），2011—2015年在促進和阻碍2种状态波动，2016—2019年趋于平缓的低促进水平，2019—2020年均上升到超高促进效率水平。滇东北呈现“U”形变化趋势，2013—2016年Mg为低阻碍水平；滇西北和滇中一致呈现“N”形波动趋势，且滇西北2012—2013和2019—2020年Mg指数为超高促进水平，2013—2016年为低阻碍水平；滇中2011—2012和2014—2016年Mg指数为低阻碍水平，2019—2020年为超高促进水平；滇南波动情况2016年之前呈现“W”形波动，之后几年处于波动上升趋势。四大区域2019—2020年效率值出现激增现象，分析可能是由于新冠疫情防控，停工停产减少环境污染导致，后续可通过环境规制等措施不断改善林业生态情况［19］。

从四大区域2011—2020年EC指数波动情况来看（图3），四大区域呈现一致不稳定的波动趋势，2013—2014年突然升高后又降低到2015—2016年的低阻碍水平。滇西北和滇南情况较为乐观，其EC指数均值分别为1.167和1.165，说明林业EC指数较前一年分别平均增长16.7%和16.5%；滇东北和滇中的EC指数均值分别为1.078和1.076，较前一年分别平均增长7.8%和7.6%。长期来看，云南林业EC指数较高，

其中，滇东北地区2012—2013年高水平阻碍作用，2015—2016和2019—2020年为低水平阻碍作用；滇西北地区2012—2013、2017—2018和2019—2020年为低水平阻碍作用；滇中地区2011—2012、2012—2013和2017—2018年为低水平阻碍作用；滇南地区2012—2013和2017—2018年为低水平阻碍作用。除了以上几个阻碍阶段以外，四大区域其余年限阶段的林业技术效率均对林业生态效率起到一定程度的促进作用。

从2011—2020年四大区域TC指数波动情况来看（图4），四大区域呈现一致波动趋势，33%的阶段处于TC<1.000的阻碍水平，44%的阶段TC值处于1.000～1.500的低促进水平。4个区域TC指数

在2012—2013年

突然升高后降低到1.000以下，滇东北2015—2016又上升至1.000以上，其余3个区域直到2016—2017年才上升至1.000以上，滇东北、滇西北和滇中区域在2019—2020年又回升至超高效率水平，滇南区域在2019-2020年回升至高效率水平。4个区域TC均值分别为滇东北1.359、滇西北1.443、滇中1.343和滇南1.183，说明林业TC较前1年分别平均增长35.9%、44.3%、34.3%和18.3%。可见，林业技术进步效率值增长情况乐观，这与规模效率是制约林业生态效率的结果一致。

3 结论与建议

3.1 结论 通过对云南林业生态效率时空差异分析，得出以下结论：

（1）16个州市10年TE均值为0.798， 68.75%的州市林业生态效率处于较高水平以上，说明云南林业生态效率处于相对较高水平。但各州市在10年间效率值都处于不断波动状态，未达到稳定的最优效率水平。

（2）PTE均值为0.905，SE均值为0.871，规模效率成为制约该区域林业生态效率的关键因素。从空间分布情况来看，林业生态效率的TC呈现出滇东北>滇中>滇南>滇西北的特征，林业SE水平同样呈现出滇东北>滇中>滇南>滇西北的特征，与林业生态效率一致规律，说明林业规模效率是制约林业生态效率的关键因素。

（3）四大区域Mg值在2019—2020年都上升到超高促进效率水平。从时间序列来看，云南林业生态效率的Mg指数呈现出波动上升的走势，EC和TC情况良好，说明继续改进技术能够促进林业生态向好发展。

3.2 建议

（1）在发展林业经济的同时注重生态环境保护。林业第二产业生产过程中造成的废水废气和废固是林业行业产生污染的主要原因。一方面，可以对林业企业进行环境规制，监测企业污水废气治理情况，督促林业企业进行末端废弃物再利用。另一方面，可以在林业碳汇工作上大胆尝试，结合“3060碳达峰 碳中和”目标，在提升林业固碳能力的同时，改进林业生态建设现状。

（2）合理调节林业投入产出结构，2014年云南进行产业优化取得显著成效，继续优化林业产业资源配置是促进云南林业技术效率指数的有效手段：一是延长林产品生产链，以深加工带动科学林业产业发展；二是积极开发地区林业特色产品；三是发挥资源优势，加快发展二、三产业。

（3）提高云南的林业产业集约化程度，以提高林业规模效益。对小型林业企业应积极扶持其成长，使其尽快达到适度规模。此外，加大林业产业环保技术的研发与应用，推广先进成熟的生产技术，以提高资源利用效率，促进林业规模效率提升，是提高林业生态效率有效途径。提高技术效率在于推动林业技术创新与推广，技术进步不仅可以促进经济增长，而且有利于提高经济增长的质量。

（4）加强区域间林业产业合作，促进林业产业整体协调发展。区域间的不协调是導致区域林业生态效率差异的重要原因之一，应加强区域间的合作，共同探讨林业生态发展的新路径。

参考文献

［1］ 曹博，王玉芳.生态文明建设背景财政扶持、林权改革对林业生产效率的影响［J］.林业经济问题，2019，39（3）：307-315.

［2］ 徐新良，曹明奎，李克让.中国森林生态系统植被碳储量时空动态变化研究［J］.地理科学进展，2007，26（6）：1-10.

［3］ 吴远征，张智光.林业生态安全效率及其影响因素的DEA-Tobit模型分析：基于生态与产业共生关系［J］.长江流域资源与环境，2021，30（1）：76-86.

［4］ 陈珂，李雪婷，朴慧兰.中国林业生态效率与生态生产率的测度研究［J］.林业经济问题，2016，36（2）：115-120.

［5］ 张译，熊曦.绿色发展背景下中国林业生态效率评价及影响因素实证分析：基于DEA分析视角［J］.中南林业科技大学学报，2020，40（4）：149-158.

［6］ 姜微，刘俊昌，胡皓.我国林业生态效率时空演变及环境规制门槛效应研究［J］.中南林业科技大学学报，2020，40（6）：166-174.

［7］ 魏肖杰，张敏新.林业产业集聚对中国林业全要素生产率作用机制：基于动态空间计量模型的实证分析［J］.世界林业研究，2019，32（3）：67-72.

［8］ 洪名勇，龙娇，娄磊.林业生态效率：时空特征与影响因素：基于我国31个省份数据的实证分析［J］.生态经济，2022，38（2）：91-97.

［9］ 郑宇梅，尹少华.林业产业生态效率实证研究：基于15个省的面板数据分析［J］.林业经济，2016，38（11）：36-40.

［10］ 李群，刘基伟.林业生态、保护、产出及效率视角下的耦合协调性分析：基于中国31个省（区、市）面板数据的实证检验［J］.林业经济，2022，44（3）：5-22.

［11］ TONE K.A slacks-based measure of super-efficiency in data envelopment analysis［J］.European journal of operational research，2002，143（1）：32-41.

［12］ FARE R，GROSSKOPF S，NORRIS M，et al.Productivity growth，technical progress，and efficiency change in industrialized countries［J］.American economic review，1994，84（1）：66-83.

［13］ PASTOR J T，LOVELL C A K.A global Malmquist productivity index ［J］.Economics letters，2005，88（2）：266-271.

［14］ 潘丹，应瑞瑶.中国农业生态效率评价方法与实证：基于非期望产出的SBM模型分析［J］.生态学报，2013，33（12）：3837-3845.

［15］ 王晓云，魏琦，胡贤辉.我国城市绿色经济效率综合测度及时空分异：基于DEA-BCC和Malmquist模型［J］.生态经济，2016，32（3）：40-45.

［16］ 赵庆建，温作民，张敏新.林业产业低碳技术创新与政策分析［J］.林业经济，2018，40（12）：28-34.

［17］ 陆保一，明庆忠.云南省区域旅游经济发展差异的时空格局演变［J］.陕西师范大学学报（自然科学版），2018，46（6）：28-37.

［18］ 奉钦亮，张大红.我国林业产业区域竞争力实证研究［J］.北京林业大学学报（社会科学版），2010，9（1）：95-100.

［19］ 朱武祥，张平，李鹏飞，等.疫情冲击下中小微企业困境与政策效率提升：基于两次全国问卷调查的分析［J］.管理世界，2020，36（4）：13-26.