我国林业经济周期的区制状态划分与转移分析

摘 要：【目的】全面探究我国林业经济增长的时序波动态势及其区制变迁过程，有助于准确把握我国林业经济增长的内在波动规律，为我国林业经济的持续稳定增长及其产业政策制定提供重要经验与依据。【方法】以1978—2022年我国林业总产值增长率为基础数据，运用HP滤波技术揭示其时序波动特征，利用MS（3）-AR（3）模型对我国林业经济增长过程进行区制状态划分与动态变迁分析。【结果】我国林业总产值在其变化过程中存在显著的“三区制”特征，其在低速、中速、快速3种区制状态下的增长率均值分别为-1.68%、4.67%和9.72%。林业总产值在“快速增长区制”的维持概率最高，为69.80%，持续期相对较长，为3.31年；“低速增长区制”的维持概率（50.91%）和持续期（2.03年）次之；“低速增长区制”的维持概率最低（37.17%），持续期最短（1.59年）。我国林业总产值在1984年、1989年、1995—1998年、2004年、2007年、2020年9个年份处于“中速增长区制”，在1985—1987年、1990—1991年、1999年、2005年、2008—2009年、2015—2017年、2021—2022年14个年份处于“中速增长区制”；在1981—1983年、1988年、1992—1994年、2000—2003年、2006年、2010—2014年、2018—2019年19个年份处于“快速增长区制”。【结论】1978年以来我国林业总产值呈现总量持续攀升但增长率跌宕波动的发展态势，其增速动态变化过程可划分为低速增长、中速增长和快速增长3种区制状态。但在不同区制状态下的平均持续期较短，区制状态的稳定性较弱，呈现出在3种区制状态频繁交替演进的阶段性变迁特征，且“低速增长区制”将通过“中速增长区制”实现 “稳扩张”，而“快速增长区制”在其区制变迁过程存在非对称性特征。从发展趋势来看，未来我国林业总产值处于中速和快速增长区制的可能性较大，但处于“低速增长区制”的概率有缓慢增强的态势，需要警惕潜在的下行发展势头。

关键词：林业经济增长；周期波动；HP滤波；马尔科夫区制转移模型

中图分类号：S7-9 文献标志码：A 文章编号：1673-923X（2024）12-0187-10

基金项目：国家自然科学基金项目（41661034，72304120）。

Analysis on the regime division and dynamic change of China’s forestry economic cycle： an empirical study based on MS-AR model

LIN Wenkai1， XIA Huiqin2， DING Shufang3， LI Wenming1

（1. School of Business Administration， Jiangxi University of Finance and Economics， Nanchang 330013， Jiangxi， China； 2. School of Politics and Law， Jiangxi Normal University， Nanchang 330022， Jiangxi， China； 3. School of Tourism， Jiangxi Tourism Commerce Vocational College， Nanchang 330013， Jiangxi， China）

Abstract：【Objective】A comprehensive exploring of the temporal fluctuations and regime changes in the growth of China’s forestry economy can help accurately grasp the inherent fluctuation patterns of China’s forestry economy and provide important experience and basis for the sustained and stable growth of China’s forestry economy and the formulation of industrial policies.【Method】Taking the growth rate of China’s total forestry output value from 1978 to 2022 as the basic data， HP filtering technology is used to decompose it into trend components and fluctuation components to reveal its time series fluctuation characteristics， and then the regime state division and dynamic change analysis of China’s forestry economic growth were carried out by using MS （3） -AR （3） model.【Result】There was a significant “three regime system” characteristic in the change process of China’s total forestry output value， with the average growth rate values of -1.68%， 4.67%， and 9.72% under the “low-growth regime”， “medium-growth regime” and “high-growth regime”， respectively； the probability of maintaining the total output value of forestry in the “high-growth regime” was the highest， at 69.80%， with a relatively long duration of 3.31 years， then was the probability of maintaining the “medium-growth regime” （50.91%） and duration （2.03 years）， while the probability of maintaining the “low-growth regime” was the lowest （37.17%） and the duration was the shortest （1.59 years）； the total output value of forestry in China was in a “low-growth regime” in nine years， including 1984， 1989， 1995-1998， 2004， 2007， and 2020， in 14 years including 1985-1987， 1990-1991， 1999， 2005， 2008-2009， 2015-2017， and 2021-2022， it was in the “medium-growth regime”， in 19 years， including 1981-1983， 1988， 1992-1994， 2000-2003， 2006， 2010-2014， and 2018-2019， it was in a “high-growth regime”.【Conclusion】Since 1978， China’s forestry GDP has shown a development trend of continuous increase in total but ups and downs in growth rate. The dynamic change process of its growth rate can be divided into three regime states： lowgrowth regime， medium-growth regime and high-growth regime. However， the average duration under different regime is relatively short， and the stability of regime systems is weak， showing a phased transition characteristic of frequent alternation and evolution in the three regime systems. The “low-growth regime” will achieve “stable expansion” through the “medium -growth regime”， while the “highgrowth regime” has asymmetric characteristics in its regime transition process. From the perspective of development trends， there is a high possibility that China’s forestry economy will be in a medium and rapid regime states in the future， but the probability of being in a“low-growth regime” will gradually increase. Thus， it is necessary to be vigilant of its potential downward development momentum.

Keywords： forestry economic growth； cycle fluctuation； HP filter； Markov regime switching model

作为国民经济的重要组成部分，林业在促进经济增长、推动社会进步、保障生态安全等方面起着举足轻重的作用[1]。改革开放之后，随着社会经济发展和林业经济体制改革的不断深入，我国林业产业体系不断完善，产业规模不断壮大，林业总产值由1978年的48.10亿元增长至2022年的6820.83亿元，增长了140.81倍，表现出良好的发展态势。然而，纵观我国林业产业发展历程，我国林业经济虽在总量上呈现出不断攀升的态势，但增速跌宕起伏，尤其是2014年以后，随着宏观经济增速放缓和林业产业生态化转型，林业经济开始进入波动式低速增长阶段，林业总产值在2014—2022年的平均增速仅为4.50%，甚至低于同时期GDP的平均增速。在此背景下，如何扭转现阶段我国林业经济低速的增长态势，就需要深入探析我国林业经济增长波动的阶段性变迁过程，准确掌握我国林业经济增长的变化规律，从而为制定与新形势相适应的林业产业发展战略提供实证依据，为我国林业经济的平稳快速发展提供理论支持，进而继续强化林业产业在国民经济发展中的基础地位。

作为林业发展过程中的重要议题，林业经济增长一直都是学术界关注的热点问题[2]。不同学者基于不同视角、运用不同方法对林业经济增长进行了丰富的研究，并重点关注了影响林业经济增长的系列因素[3-5]。Burns等[6]指出，只有深入探析经济增长的内在变化规律，才能有效地引导经济增长。林业经济作为宏观经济的重要组成部分，在其发展历程中也呈现出跌宕起伏的周期性波动变化。刘璨等[7]较早关注了林业经济周期波动，对1949—1985年间我国营林经济周期进行了划分。其后，学者们主要利用增长率法[8]、修正CMS模型[9]、HP滤波[10]等方法对不同尺度单元的林业经济周期波动进行了测度与分析。值得注意的是，这些传统模型虽然可以较好地对经济周期进行测度与划分，但无法揭示经济周期的阶段性变迁路径[11]。由此，越来越多的学者开始构建非线性计量经济模型来研究和识别某一产业经济周期运行的具体形态及其结构性转变特征[12-14]，但鲜见有学者使用马尔科夫区制转移模型来针对性地探究林业经济增长多阶段性的复杂变迁特征。基于此，遵循已有研究思路[13]，采用三区制马尔科夫区制转移模型，确定我国林业总产值在“低速增长”“中速调整”和“高速收缩”阶段的转变点，探究改革开放以来我国林业经济周期的波动态势及其阶段性变迁过程，以期为我国林业经济的快速稳定增长提供理论与实践依据，并为新时期我国林业产业高质量发展提供有益的政策依据。

1 模型、方法与数据

1.1 HP滤波法

HP滤波法由Hodrick和Prescott在分析战后美国经济周期时提出来的，其本质是通过极小化方差将经济时间序列中的长期趋势成分和波动成分分解出来，目前已被大量应用于经济周期波动分析。其主要原理：

根据上述迭代更新过程，可获得模型的极大似然估计结果和滤子概率，从而进一步求出各个区制状态的维持概率、平均持续期及平滑概率值。

1.3 指标选取与数据来源

在探究经济时间序列周期波动规律时，一般采用通行的、能客观反映经济活动现象的总量指标。在已有研究中[2，17]，一般选用林业总产值来反映林业经济发展的真实情况。考虑到增长率指标不仅可以更为直观地呈现经济变量的周期波动态势[18]，还可以在一定程度上避免原始数据中的长期趋势因素干扰，使测算结果更加符合经济发展的实际情况[19]。同时，我国林业经济在总量上呈现出一种长期增长态势，林业经济总量波动不多，而增长率波动较多，是一种典型的增长型周期。基此考虑，以我国林业总产值年度数据为原始时间序列，利用CPI物价指数对原始时间序列进行平减处理[20]，再计算得到1978—2022年我国林业总产值的环比增长率，并依此来描述和分析我国林业经济周期波动态势及其阶段性变迁特征。本文所用数据来源于国家统计局网站公布的相应年份的统计数据，时间序列的研究跨度为1978—2022年。

2 实证结果与分析

2.1 我国林业总产值增长率的时序运行轨迹分析

通过观察我国林业总产值增长率的运行轨迹（图1）不难看出：从总体情况来看，在1978—2022年间，我国林业经济总体呈现出不断攀升的增长态势。从增长率情况来看，我国林业总产值增长率在上升至1980年的峰值水平后波动下滑至1989年的最低值，在1992年攀升至阶段性波峰后又往复增降直至2000年，在2003年重新回升至波峰水平后波动下滑至2022年。值得注意的是，我国林业总产值在2012年以前呈现出陡增陡降的变化态势，2012年后虽增降幅度有所减弱，但频繁增降波动的态势依旧明显，这表明我国林业经济增长的波动性较强、稳定性较弱。

图1展现了我国林业总产值及其增长率的总体运行轨迹，为更加清晰地解读我国林业总产值增长率序列的时序波动态势，利用HP滤波对我国林业总产值增长率时间序列进行分解，得到其趋势成分与波动成分变化轨迹图（图2）。其中，“趋势成分”主要用于反映林业总产值增长率的长期变化趋势，“波动成分”用于反映林业总产值增长率的波动性和不确定性。

由图2的HP滤波分解结果可以发现：从“趋势成分”来看，我国林业总产值增长率在研究期内呈现出“类周期”变化特征，即先由1978年的高位水平一直下滑至1996年的波谷位置，其后在2008攀升至波峰后一直下滑至2022年。从“波动成分”来看，我国林业总产值在2012年以前呈现出明显的波动聚类特征，即以较大的波幅往复波动，表现出较强的波动性和活跃性，这一结果亦与图1的分析结果相一致；在2013—2019年间，我国林业经济除在2015年出现较大波动外，其余年份虽偶有波动，但总体波动幅度明显降低；2020—2022年间，受疫情的影响，我国林业经济增长率在2020—2021年的波动幅度有所增强，但其波幅在2022年又再次恢复到低位水平。

2.2 我国林业总产值增长率的区制划分与变迁分析

图1和图2研究结果表明了我国林业经济增长的动态时序运行轨迹，但却无法揭示我国林业总产值增长的结构性转变及其阶段性变迁过程。为此，以我国林业总产值增长率时间序列为数据，运用OxMetrics 6.0软件对前文构建的马尔科夫区制转移模型进行参数估计，对我国林业总产值增长的动态过程进行区制状态划分，并揭示其区制状态的动态变迁特征。

2.2.1 模型参数估计

为保证模型估计和检验的可靠性，需要先对时间序进行平稳性检验。为此，基于ADF以及PP等方法检验我国林业总产值增速序列的平稳性[23]，结果显示我国林业总产值增速序列在1%的显著性水平下平稳。为保证估计结果的稳定性，还需进一步确定MS（p）-AR（q）的最优滞后阶数q。综合考虑数据特征和经济意义，结合AIC和SC信息准则尽可能小和对数似然值LL尽可能大的原则[24]，确定模型滞后阶数为3，即使用MS（3）-AR（3）模型进行实证分析。最后，使用OxMetrics 6.0软件对构建的MS（3）-AR（3）进行参数估计，结果见表1。

由表2结果可以看出：1）从区制维持概率来看，林业总产值处于“快速增长区制”（69.80%）和“中速增长区制”（50.91%）的维持概率均超过了50%，而处于“低速增长区制”的维持概率仅为37.17%，这意味着我国林业总产值维持在“快速增长区制”和“中速增长区制”的可能性较高，而维系在“低速增长区制”的可能性较低，即容易变迁至其他区制状态。2）从区制转移概率来看，我国林业总产值由“低速增长区制”向“中速增长区制”变迁的转移概率为62.83%，而向“快速增长区制”变迁概率为0；当林业总产值步入“中速增长区制”后，其变迁至“快速增长区制”的概率为49.09%，而回落至“低速增长区制”变迁概率为0；当林业总产值步入“快速增长区制”向“低速增长区制”过渡的概率（25.18%）要高于其直接向“中速增长区制”转移的概率（5.02%）。这些结果表明，我国林业总产值不会从低速增长状态直接向快速增长状态转移，而是先变迁至“中速增长区制”再向“快速增长区制”转移，即通过“中速增长区制”实现 “稳扩张”；但是，当我国林业总产值由“快速增长区制”向“低速增长区制”转移时，其转移过程则呈现出非对称性特征，即向“低速增长区制”直接转移的概率要高于向“中速增长区制”过渡转移的概率。3）从平均持续期来看，我国林业总产值处于“快速增长区制”的平均持续期最长，为3.31年；“中速增长区制”次之，为2.03年；“低速增长区制”最短，为1.59年。这些结果一方面表明我国林业总产值在“快速增长区制”的持续期相对较长，但另一方面也可以看出我国林业总产值在不同区制状态下的持续期较短，特别是在“低速增长区制”，持续期仅为1.59年，反映出我国林业总产值在“低速增长区制”具有一定的活跃性，即容易变迁至其他区制状态。

2.2.3 区制变迁分析

平滑概率即经济时间序列在不同区制间发生状态变迁的转移概率，主要用于刻画经济变量区制状态的阶段性变迁过程[24]。一般而言，当区制状态变量St的平滑概率值P（St=i|It）>0.5（i=1，2，3）时，则意味着经济变量正处于这一区制状态，且平滑概率值越大，变量处于该区制状态的可能性也越大[25]。图3～图5展示了我国林业总产值在“低速增长区制”（St=1）、“中速增长区制”（St=2）和“快速增长区制”（St=3）时的平滑概率曲线。

由图3～图5可知：在样本期内，我国林业总产值在“低速增长区制”、“中速增长区制”和“快速增长区制”表现出频繁的交替演进变迁态势。其中，在1984年、1989年、1995—1998年、2004年、2007年、2020年9个年份处于“低速增长区制”，处于“低速增长区制”频率为21.43%；在1985—1987年、1990—1991年、1999年、2005年、2008—2009年、2015—2017年、2021—2022年14个年份处于“中速增长区制”，处于“中速增长区制”频率为33.33%；而在1981—1983年、1988年、1992—1994年、2000—2003年、2006年、2010—2014年、2018-2019年19个年份处于“快速增长区制”，处于“快速增长区制”频率为45.24%。

另外，从我国林业总产值区制变迁的具体路径来看：改革开放伊始，我国社会经济整体上处于恢复性增长期，我国林业建设和发展在这一阶段亦开始进入恢复发展期。特别是1979年，随着林业部的重新成立，我国林业产业工作体系开始建立，林业产业开始步入正轨。1980年后，为提高林业生产经济效益，我国开始积极探索林权市场化改革，并相继颁布实施了《关于保护森林发展林业若干问题的决定》（1981）、《中华人民共和国森林法》（1984）等一系列重要指示和政策，更是作出了启动“三北”防护林体系建设工程这一重大长久的战略决策。在改革开放大潮和国家重要政策的指引和推动下，我国林业经济进入了快速发展期，林业总产值除了在1984年、1989年短暂性地处于“低速增长区制”外，其他年份呈现出在“中速增长区制”和“高速增长区制”交替变迁的态势。1995年以后，在改革开放和宏观政策调控的双重作用下，我国经济发展开始进入“软着陆”时期，社会经济增速开始降温回落。受此影响，我国林业经济增长率在1995—1996年间开始步入“低速增长区制”。与此同时，受1997年黄河断流和1998年特大洪涝灾害的影响，我国林业总产值在这2个年份亦处于“低速增长区制”。其后，随着经济稳定回升，我国林业总产值在1999—2007年的多数年份处于“快速增长区制”。2008—2009年，在全球金融危机的阶段性影响下，我国林业总产值短暂性地过渡至“中速增长区制”，并在2010年迅速回位于“快速增长区制”直至2014年。2015年，随着我国经济步入“新常态”，加之“去产能、调结构”成为多数行业转型首要任务，我国林业总产值增速降至阶段性低位水平，林业总产值在该年亦开始回落至“中速增长区制”直至2017年。在2018—2019年阶段性回升至“快速增长区制”后，受疫情的冲击与影响，我国林业总产值在2020年增长率降至阶段性谷点并步入“低速增长区制”，2021年后随着疫情的不断缓解，我国林业总产值增长率开始回升，并在2021—2022年过渡性回迁至“中速增长区制”。

最后，从发展趋势来看，虽然我国林业总产值从2020年的“低速增长区制”变迁至2021—2022年的“中速增长区制”，但还是难以准确把握我国林业总产值未来的区制变迁方向。为此，参考已有研究思路[26]，基于构建的MS（3）-AR（3）模型，对2023—2025年我国林业总产值处于各个区制状态的平滑概率进行预测，结果如表3所示。

从表3结果可以看出，我国林业总产值在2023—2025年处于“快速增长区制”的概率超过50%，处于“中速增长区制”和“快速增长区制”的概率合计超过80%，这意味着未来我国林业总产值处于中速和快速增长区制的可能性较大，林业总产值增长率或将再次回升。然而，需要警醒的是，我国林业总产值处于“低速增长区制”的概率有缓慢增强的态势，其概率将由2023年的3.56%增长至2025年的19.73%，这一结果预示着我国林业总产值有向“低速增长区制”转移变迁的征候。因此，为适应新时期我国社会经济发展需要，实现林业产业高质量发展，需充分重视并积极应对我国林业经济在未来潜在的下行发展势头。

3 结论与建议

3.1 结 论

1）从我国林业总产值增长率的时序变化轨迹来看，1978年以来我国林业经济呈现出总量不断攀升但增长率波动下滑的态势，特别是2012年以前，我国林业总产值增长率表现出明显的波动聚类特征，呈现出大幅度陡增陡降的变化态势，2012年后虽增降幅度有所减弱，但频繁增降波动的态势依旧明显。

2）通过构建MS（3）-AR（3）模型，检验并证实了我国林业总产值在其变化过程中存在“三区制”特征，其增长率在低速、中速、快速等三种区制状态下的均值分别为-1.68%、4.67%和9.72%。同时，我国林业总产值在三种区制状态下的维持概率较低、平均持续期较短，其中“快速增长区制”的维持概率最高（69.80%），持续期相对较长（3.31年）；“中速增长区制”的维持概率（50.91%）和持续期（2.03年）次之；“低速增长区制”的维持概率最低（37.17%），持续期最短（1.59年）。另外，从其区制转移概率来看，当我国林业总产值由“低速增长区制”向“快速增长区制”转移时，将通过“中速增长区制”实现 “稳扩张”，而当我国林业总产值由“快速增长区制”向“低速增长区制”转移时，其转移过程存在非对称性特征，即向“低速增长区制”直接转移的概率要高于向“中速增长区制”过渡转移的概率。

3）从区制变迁过程来看，我国林业总产值呈现出在3种区制状态频繁交替演进的阶段性变迁特征，在1984年、1989年、1995—1998年、2004年、2007年、2020年9个年份处于“低速增长区制”；在1985—1987年、1990—1991年、1999年、2005年、2008—2009年、2015—2017年、2021—2022年14个年份处于“中速增长区制”；而在1981—1983年、1988年、1992—1994年、2000—2003年、2006年、2010—2014年、2018—2019年19个年份处于“快速增长区制”。从未来发展趋势来看，虽然我国林业经济进入“中速增长区制”和“快速增长区制”的可能性较大，但处于“低速增长区制”的概率有缓慢增强的态势，未来仍需警醒我国林业经济潜在的下行发展势头。

3.2 对策建议

当前我国林业正处于全面停伐改革后经济转型发展的关键期，实现林业经济稳定增长和可持续发展是当前林业工作的重中之重。从本研究结果可以看出，我国林业经济在未来进入中高速增长区制的可能性较大，但也存在继续下行的发展势头。为此，为推动我国林业经济走上增长快速道，提出如下对策建议：首先，要正确认识林业经济周期波动的客观存在，在对现行林业经济运行状态做出准确判断的前提下，制定适应新形势需要的、减缓林业经济周期波动的政策体系，特别是推出稳定协调并具有可操性的逆周期调控举措，强化林业经济增长整体的抗周期波动能力。其次，从我国林业经济区制变迁过程中不难看出，我国林业经济增长易受到宏观经济波动及突发性灾害等外部因素的影响而进入低速增长状态，为此要积极关注国家宏观经济及其政策走向，加强对林业经济运行的监测预警，建立自然灾害应急响应及监测预警系统，增强林业产业风险规避和抵御不确定性冲击的能力。在此基础上，还需进一步优化林业生产要素市场化配置，持续推进林业产业结构优化调整，建立包含非林木加工、林下经济、森林旅游与服务等在内的多元化林业产业体系，为林业经济增长提供新动能。另外，随着林业产业的转型发展[27]，未来还需着力提高林业产业科技化、信息化水平，加大林业科技资金投入和林业技术人员的培养力度，加快强化林业产业科技创新能力，推动林业经济增长方式转变，进而提升林业产业的经济增长韧性。最后，在林业发展过程中，积极响应“绿色发展”理念，坚持以生态保护、服务民生的价值导向，强化天然林资源保护和后备森林资源培育，完善林业生态补偿和生态保护奖补政策，持续提升我国林业经济增长的可持续性。

参考文献：

[1] 姜钰，耿宁.林业产业结构与森林生态安全动态关系研究：以黑龙江省为例[J].中南林业科技大学学报，2017，37（12）：163-168. JIANG Y， GENG N. Study on dynamic relationship between forestry industrial structure and forest ecological security： with an example of Heilongjiang Province[J]. Journal of Central South University of Forestry Technology，2017，37（12）：163-168.

[2] 张滨，吕洁华.要素投入驱动、产业结构升级与林业经济增长的空间效应解析：以黑龙江省重点国有林区为例[J].林业科学，2020，56（6）：142-151. ZHANG B， LYU J H. Spatial effects analysis for factor inputs driving， industrial structure upgrading and forestry economic growth： a case study of Heilongjiang key state-owned forest region[J]. Scientia Silvae Sinicae，2020，56（6）：142-151.

[3] 柯水发，陈章纯，赵铁蕊.基于灰色关联度模型的中国林业经济增长影响因素分析[J].农林经济管理学报，2014，13（3）：281-290. KE S F， CHEN Z C， Zhao T X. Factors influencing China’s forest economic growth based on grey correlation model[J]. Journal of Agro-Forestry Economics and Management，2014，13（3）： 281-290.

[4] 曹彦，何东进，纪志荣，等.中国省域林业经济发展影响因素的空间面板计量经济分析[J].林业经济，2016，38（5）：66-70，90. CAO Y， HE D J， JI Z R， et al. Spatial panel econometric analysis on forestry economic factors of every province in China[J]. Forestry Economics，2016，38（5）：66-70，90.

[5] 乔丹，柯水发，袁婉潼.市场化测度及其对林业经济增长的影响分析：以中国南方集体林区为例[J].农林经济管理学报， 2021，20（3）：337-345. QIAO D， KE S F， YUAN W T. Analysis of forestry marketization measurement and impacts on forestry economic growth： evidence from collective forest areas in Southern China[J]. Journal of Agro-Forestry Economics and Management，2021，20（3）：337-345.

[6] BURNS A F， MITCHELL W C. Measuring business cycles[D]. NewYork： National Bureau of Economic Research，1946.

[7] 刘璨，许勤.中国营林业经济周期研究[J].林业经济问题， 1993（1）：9-15. LIU C， XU Q. Study on the business cycle of Chinese forestry[J]. Issues of Forestry Economics，1993（1）：9-15.

[8] 闻速，温亚利.浅析“八五”以来我国林业经济发展的周期性波动[J].吉林林业科技，2006，35（4）：34-40. WEN S， WEN Y L. On cyclical fluctuations in forestry economic development of China since the eighth years plan[J]. Journal of Jilin Forestry Science and Technology，2006，35（4）：34-40.

[9] 张丽媛，曹旭平.中国木质林产品出口波动特征及成因分析[J].林业经济问题，2018，38（6）：15-20. ZHANG L Y， CAO X P. Analyze on the characteristics and causes of China’s woody forest products export fluctuations[J]. Issues of Forestry Economics，2018，38（6）：15-20.

[10] 刘桂艳，武晓玉，包庆丰，等.内蒙古国有林区林业经济波动特征及成因分析[J].林业经济，2022，44（1）：5-16. LIU G Y， WU X Y， BAO Q F， et al. Analysis on the fluctuation characteristics and causes of forestry economy in state-owned forest regions of Inner Mongolia[J]. Forestry Economics， 2022，44（1）：5-16.

[11] 隋建利，刘金全，闫超.教育投入对经济增长的影响恒久不变吗—改革开放以来的路径演化分析[J].教育与经济， 2015（1）：3-9. SUI J L， LIU J Q， YAN C. Is the impact of education investment on economic growth always the same： analysis of path evolution since reform and opening-up of China[J]. Education Economy， 2015（1）：3-9.

[12] 张同斌，高铁梅.中国经济周期波动的阶段特征及驱动机制研究：基于时变概率马尔科夫区制转移（MS-TVTP）模型的实证分析[J].财贸经济，2015，36（1）：27-39. ZHANG T B， GAO T M. Research on the phase characteristics and driving mechanism of Chinese business cycle fluctuation： empirical analysis based on MS-TVTP model[J]. Finance Trade Economics，2015，36（1）：27-39.

[13] 隋建利，蔡琪瑶.中国农业经济周期的路径演化识别：改革开放以来的实践与经验[J].中国农村经济， 2016，（9）：30-43. SUI J L， CAI Q Y. Path evolution identification of agricultural economic cycle in China： practice and experience since reform and opening-up[J]. Chinese Rural Economy，2016，（9）：30-43.

[14] 潘澜，阳淑瑗，张威.大陆赴台旅游人次数的趋势、季节周期及预测分析[J].中南林业科技大学学报（社会科学版）， 2016，10（4）：81-84.PAN L， YANG S Y， ZHANG W. Trend， seasonal periodicity and prediction of tourist from Mainland to Taiwan[J]. Journal of Central South University of Forestry Technology （Social Sciences），2016，10（4）：81-84.

[15] HAMILTON J D. A new approach to the economic analysis of nonstationary time series and the business cycle[J]. Econometrica， 1989，57（2）：357.

[16] HAMILTON J D. Analysis of time series subject to changes in regime[J]. Journal of Econometrics，1990，45（1/2）：39-70.

[17] 姜雪梅，牛志伟，王会，等.林业生态建设与保护投资对林业产业发展的影响[J].生态经济，2023，39（8）：112-121. JIANG X M， NIU Z W， WANG H， et al. Influence of forestry ecological construction and protection investment on the development of forestry industry[J].Ecological Economy，2023，39（8）： 112-121.

[18] 吕光明，齐鹰飞.中国经济周期波动的典型化事实：一个基于CF滤波的研究[J].财经问题研究，2006（7）：3-10. LYU G M， QI Y F. The stylized facts of business cycle fluctuations in China--an empirical investigation with Christiano-Fitzgerald filter[J]. Research on Financial and Economic Issues，2006（7）： 3-10.

[19] 李维维，马晓龙.国内旅游经济周期与宏观经济周期同步吗？—基于MS-VAR模型时变特征的验证[J].旅游学刊， 2017，32（11）：49-59. LI W W， MA X L. Is the domestic tourism business cycle synchronized with the macro economic cycle： verification of time variant characteristics based on the MS-VAR model[J]. Tourism Tribune，2017，32（11）：49-59.

[20] 刘艳迪.中国林业产业集聚对全要素生产率的非线性影响研究[D].哈尔滨：东北林业大学，2023. LIU Y D. Study on the nonlinear influence of forestry industry agglomeration on forestry total factor productivity in China[D]. Harbin： Northeast Forestry University，2023.

[21] 余智敏，田治威，潘焕学，等.基于VAR模型的林业经济增长与林产品进出口贸易关系研究[J].广东农业科学，2014，41（21）： 192-196，209. YU Z M， TIAN Z W， PAN H X， et al. Empirical study on relationship between forestry economic growth and import and export of forestry products based on VAR model[J]. Guangdong Agricultural Sciences，2014，41（21）：192-196，209.

[22] 林文凯，夏会琴，胡海胜.改革开放以来中国入境旅游周期波动的阶段性变迁分析[J].江西财经大学学报，2023，（1）：53-64. LIN W K， XIA H Q， HU H S. Analysis on the phased changes of the cyclical fluctuation of China’s inbound tourism since the reform and opening-up[J]. Journal of Jiangxi University of Finance and Economics，2023，（1）：53-64.

[23] 隋建利，宋典典.中国农业经济增长动态路径的变迁分析[J].学习与探索，2014，（6）：106-109. SUI J L， SONG D D. Analysis on the dynamic path of agricultural economic growth in China[J]. Study Exploration， 2014，（6）：106-109.

[24] 唐升，孙皓.城乡居民消费结构转型升级：趋同特征与演化路径[J].中国软科学，2022，（3）：141-153. TANG S， SUN H. Transformation and upgrading of consumption structure of urban and rural residents： convergence characteristics and evolution path[J]. China Soft Science，2022，（3）：141-153.

[25] 龙文.“一带一路”沿线国家经济周期波动的时变特征比较[J].统计与决策，2022，38（23）：95-100. LONG W. Comparison of time-varying characteristics of economic cycle fluctuations in countries along the Belt and Road[J]. Statistics and Decision，2022，38（23）：95-100.

[26] 隋建利，刘金全.中国旅游经济的周期划分与增长预测[J].经济管理，2014，36（11）：113-123. SUI J L， LIU J Q. Chinese tourism economic cycle identification and growth forecast[J]. Business and Management Journal， 2014，36（11）：113-123.

[27] 罗攀柱.林业结构改革的日本实践：背景、措施与启示[J].中南林业科技大学学报（社会科学版），2021，15（2）：63-73. LUO P Z. The Japanese practice of forestry structural reform： the background， implementation measures and enlightenment[J]. Journal of Central South University of Forestry Technology（Social Sciences），2021，15（2）：63-73.

[本文编校：戴欧琳]