森林保險標的資產批量評估模型研究

□彭東生 （副教授）袁紅萍（副教授）（江西環境工程職業學院 江西贛州 341000）

一、引言

我國集體林權制度改革后，以戶為單位的林農經營著面積大小不一、小班個數多寡不同的森林。按照林農經營的大量小班森林的價值計算保險費和保險金額時，必須對各小班森林進行大量的評估工作，如果采取個案評估技術，必然耗費大量的人力物力且其評估效率低下。批量評估能夠低成本、高效率地完成大量森林保險標的資產的評估任務，且評估費用低能夠讓林農承受。

二、森林保險標的資產批量評估的數據來源與工作流程

林農的森林保險標的資產林班面積大小不一、樹種千差萬別、樹齡各自不同。因此，各小班森林保險標的資產的價值也千差萬別。要完成大量森林保險標的資產的評估工作，評估數據的收集和數據來源就成為構建森林保險標的資產價值批量評估模型的關鍵。從我國目前的森林資源管理來看，以森林資源抽樣調查數據、樹木生長量預測數據、森林遙感數據、森林采伐指標等數據對森林資源二類調查GIS系統（簡稱“森林資源GIS”）數據進行調整后得到的數據，可以作為森林保險標的資產批量評估模型的數據來源之一。森林保險標的資產批量評估主要的工作包括：

（一）評估基準日森林資源GIS數據準備

1.森林資源抽樣調查。組織專業技術人員對評估對象進行抽樣調查，更新森林資源GIS系統中的數據，并進行個案評估，為批量評估準備數據。

2.利用遙感技術收集森林資源額增減變化情況，實時更新森林資源GIS系統數據。

3.根據林業主管部門審批的采伐指標和實際采伐作業情況，實時更新森林資源GIS系統數據。

4.根據樹木生長量預測模型，調整森林資源GIS中林分蓄積數據。評估基準日樹木生長量預測以森林資源二類調查數據為基礎，按照目前林業系統經常采用的人工林和天然林經營類型的生長模型進行預測。

（二）收集整理森林資源交易數據、森林資源物價指數等與評估直接相關的經濟技術參數

在獲得評估基準日森林資源二類調查數據的基礎上，通過收集到的南方林業產權交易所的交易數據、物價指數、區域因素評估修正數據、評估師抽樣評估森林保險標的資產確認的個案評估數據等和森林資源資產評估有關技術經濟指標數據。

（三）森林保險標的資產價值批量評估流程的建立，見圖1。

三、森林保險標的資產批量評估模型研究

（一）研究相關假設

由于森林保險標的資產類別間差異性大，其價值影響因素也大相徑庭。因此，應根據森林資源GIS系統數據庫中不同優勢樹種不同齡組的森林保險標的資產，分別構建其森林保險標的資產批量評估模型。為了能夠方便的構建森林保險標的資產批量評估模型，先做如下假設：

假設1：以森林資源二類調查數據中的細班作為評估對象。

假設2：按森林資源二類調查數據中的優勢樹種和樹齡組將森林資源劃分為不同的資產類別，以各資產類別分別構建各自的批量評估模型，優勢樹種以外的少數樹種作為輔助變量加以考慮。

（二）評估對象價值影響因素分析與輸入值指標的選取

森林保險標的資產價值批量評估系統的輸入值主要包括：森林資源資產交易市場的市場信息；森林經營管理相關的財務會計數據和森林經理經濟技術指標數據；森林資源管理二類調查數據等。評估對象價值影響因素具體指標如下：

森林資源二類調查數據指標主要包括：小班號、林權屬性、經營類型、坐落地址、流域名稱、地貌類型、地類、平均海拔、坡位、坡向、坡地、土壤類型、土層厚度、腐殖層厚度、植被覆蓋率、林班面積、林種類別、林種起源、優勢樹種、平均樹齡、平均胸徑、平均樹高、郁閉度、活立木總蓄積、林分蓄積、散生蓄積、四旁樹蓄積、四旁樹株數、杉樹占比、松樹占比、硬闊樹占比、軟闊樹占比、枯立木蓄積、毛竹株數、幼林毛竹樹、壯齡毛竹數、雜竹株數、畝平均株數、畝平均蓄積、散生木株數、群落結構、林層結構、樹種結構、病蟲害、火災等級等指標。這些指標直接或間接影響森林蓄積量和森林覆蓋率、森林資源健康度等，從而影響森林資源資產價值。

森林資源資產交易市場的市場信息主要包括：市場交易價格、交易日期、市場交易條件與交易類型等。

森林經營管理相關的財務會計數據主要包括：營林生產成本、木材稅費、木材經營成本、利率、利潤、出材率等數據。

（三）森林保險標的資產批量評估模型的構建

依據森林資源二類調查GIS系統數據，森林保險標的資產按優勢樹種劃分為：杉木、馬尾松、濕地松、軟闊葉樹、硬闊葉樹、竹林、經濟林等；森林保險標的資產按樹木齡組劃分為：幼齡林、中齡林、近熟林、成熟林、過熟林等。由于不同類別森林保險標的資產價值差異很大，因此，根據森林保險標的資產優勢樹種和樹齡組組合，分別可以構建至少35個以上的森林保險標的資產批量評估模型。本文以江西省會昌縣森林資源二類調查GIS數據庫中的優勢樹種——近熟齡杉木林為例，研究森林保險標的資產批量評估模型的構建。

1.近熟杉木林森林保險批量評估模型的設定。對于近熟齡杉木林，其評估價值影響因素主要有：森林面積、郁閉度、平均樹高、平均胸徑、杉木占比、林分蓄積、畝平均株數、畝平均蓄積、散生木蓄積、林齡等。我們選取森林面積、郁閉度、平均樹高、平均胸徑、杉木占比、林分蓄積、畝平均株數、畝平均蓄積、散生木蓄積、林齡等指標構建批量評估多元回歸模型，模型設定如下：

2.近熟齡杉木林森林保險批量評估模型的數據收集與處理。（1）數據來源。近熟齡杉木林批量評估實證分析所采用的基礎數據為2012年12月江西省會昌縣森林資源二類調查GIS數據，選用優勢樹種為杉木、齡組為近熟林的507個樣本數據并做適當修正，作為批量評估模型的構建數據，并對預測結果進行比率標準研究。（2）數據處理。①近熟齡杉木林森林保險批量評估建模前的正態性檢驗。對擬用的507個樣本數據進行建模前的K-S正態性檢驗，檢驗結果表明評估值、杉類占百（杉類占比）、郁閉度、畝平均蓄積、畝平均株數、平均年齡（樹齡）、林班面積（面積畝）等指標正態性一般，平均胸徑、活立木總蓄積、平均樹高3個變量經過自然對數變換后正態性得到進一步改善。②近熟齡杉木林森林保險批量評估建模前的線性檢驗。在正態性檢驗之后，還應確保因變量（評估值）與自變量之間是否存在線性關系。從經散點圖分析，評估值與畝平均蓄（畝平均蓄積）、林分面積（面積畝）、郁閉度存在線性關系。

3.近熟齡杉木林森林保險批量評估模型的估計與檢驗。（1）逐步回歸法估計。近熟齡杉木林森林保險批量評估模型采用逐步回歸法。逐步回歸法的基本思路是在所考慮的全部因素中，按其對因變量作用的強弱，由大到小地逐個引入回歸方程。那些對因變量作用弱的自變量可能自始至終都未被引入回歸方程。另一方面，已經被引入回歸方程的自變量在引入新的自變量后也有可能因為變成對因變量的作用不顯著而被剔除。在逐步回歸過程中，要選用兩個F臨界值：一個是選入變量時的F臨界值，另一個是剔除變量時的臨界值。在逐步回歸分析過程中，通過比較各自變量的偏回歸平方和對自變量進行篩選，使得在回歸方程中包含所有對因變量影響顯著的自變量，而消除對因變量影響不顯著的自變量，從而得到“最優”的回歸方程。采用表1數據，通過逐步回歸法估計得到的近熟杉木林森林保險批量評估基本模型為：

V=-334 201.290+1 173.338×細班面積+95 045.246×畝平均蓄積+8 708.102×ln（活立木蓄積） （2）

表1 系數a表

（2）用材林森林保險批量評估基本模型的檢驗。①經濟意義檢驗。自變量細班面積、畝平均蓄積、活立木總蓄積所估計的參數分別為1 173.338、95 045.246、8 708.102， 均與經濟學原理及經驗相符，符合林木價值與林木蓄積、林分面積直接相關的要求。②統計意義檢驗。經測算近熟齡杉木林批量評估模型的R2=0.956，調整后的R2=0.955，說明模型對樣本的擬合很好。 Durbin-Watson（U）=1.726，處于 0至4之間，說明進入回歸模型的自變量具有獨立性。模型方差分析表（ANOVA）中數據 F值等于 3609.782，顯著性（Sig.）=0.000 小于 0.05，說明該模型具有統計學意義。由表1中的容差和VIF數據可以看出，容差最小值為 0.229＞0.1，VIF 最大值 4.375＜5，說明變量間的共線性不嚴重，在可以接受范圍之內。通過統計檢驗分析，可以判斷模型（2）符合多元回歸的建模要求。③計量經濟學檢驗。根據圖2，SPSS給出的殘差統計數據以及評估值殘差的Kolmogorov-Smirnov檢驗，可以確定殘差符合正態性分布。

4.近熟齡杉木林森林保險批量評估實證結果分析。模型建立以后，利用SPSS 22.0的比率分析過程，得到如下結論：比率平均值和中位數在0.90—1.10之間，說明此次評估水平較好；離散系數 （COD） 為 6.244在 5—15之間，說明此次評估的離散系數符合要求，一致性較好；價格相關差為1.02在0.98～1.03之間，說明此次評估的回歸傾向性較好。

四、結論

應用多元回歸分析方法，建立森林保險標的資產批量評估模型來估算各優勢樹種各齡組每細班的森林保險評估價值，經檢驗認為模型是準確有效的。