國有林區林產品加工企業生產效率測度及影響因素研究

馬醒

摘 要：選取東北、內蒙古重點國有林區14個林產品加工企業，將其分為木質林產品加工企業和非木質林產品加工企業，分別對其生產效率進行測度，研究停伐政策是否會對不同類型企業的生產效率產生不同影響，并對其效率的主要影響因素進行分析。

關鍵詞：生產效率；DEA模型；Tobit模型

中圖分類號：F307.2 文獻標志碼：A 文章編號：1673-291X（2016）20-0007-03

引言

通過對東北、內蒙古重點國有林區的調查發現，受停伐政策影響，部分小型林產品加工企業已停產。然而未停產的林產品加工企業是否也受到了影響？停伐政策對今后林產品加工企業的轉型方向產生了什么樣的影響？本文主要研究內容是與非木質林產品加工企業相比，木質林產品加工企業的生產效率是否受到了更大的影響。通過對重點國有林區木質林產品和非木質林產品兩類企業的生產效率進行對比，分析林產品加工企業生產效率的影響因素，對提高國有林區林產品加工企業效率和企業轉型提供參考依據。

測算生產效率的方法主要有隨機前沿分析（SFA）和數據包絡分析（DEA）兩種方法。DEA模型屬于非參數方法，由于方法本身并不需要對其參數進行估計和評判，能夠有效規避主觀因素的影響，在簡化運算、減少誤差等方面也存在著優勢（張軍濤，等，2014）。朱洪革等（2011）運用DEA模型對國有森工企業的技術效率進行了測度，并結合Tobit模型對國有森工企業效率的影響因素進行了分析。王玉芳等（2013）運用DEA模型對黑龍江省林區40個林業局的林業生產率變化進行研究。張軍濤等（2014）運用DEA-Tobit模型對中國2001—2010年的土地利用率進行測度，并對其影響因素進行分析。何浩然等（2007）運用DEA模型結合普通最小二乘法和廣義線性模型，利用樣本的橫截面數據對2004年東北、內蒙古重點國有林區林產品加工企業的效率進行測算，并分析其影響因素。劉振濱等（2014）運用DEA-Tobit模型測算福建省2004—2009年林農家庭經營在BCC模型下的效率值，并對影響因素進行分析。本文主要通過運用非參數的DEA模型對重點國有林區的林產品加工企業的生產效率進行測度，并分別對木質林產品和非木質林產品兩類企業進行研究，并結合Tobit模型分析林產品加工企業生產效率的影響因素。

（一）DEA-Tobit模型

本文運用DEA結合Tobit回歸模型，在重點國有林區下選取14個林產品加工企業，把每一個林產品加工企業作為一個決策單元，即DUM，運用DEA方法中的CCR模型和BCC模型，并均使用投入導向的方法，對林產品加工企業的技術效率、純技術效率和規模效率進行測算。CCR模型的公式為（Cooper et al，2000）：

式中u0代表規模報酬指標。

Tobit回歸模型中將技術效率作為因變量引入模型中，并選取5個影響因素指標作為自變量來分析影響林產品加工企業效率的因素。Tobit模型的公式為（朱洪革，2011）：

式中，y*i為潛變量，yi為觀察到的因變量，xij為自變量向量，βi為相關系數向量，β0為常數項，εi是獨立的且εi N（0， σ2）。

（二）變量選擇

本文選擇了1個產出變量、3個投入變量。在DEA模型中的變量選擇如表1所示：在產出方面的1個指標是企業產值（y）；在投入方面，與勞動力有關的指標是企業在崗職工人數（x1），與企業所用能源有關的指標是電力投入（x2），與資本有關的指標是企業固定資產的投入（x3）。

表1 林產品加工企業投入產出指標

在Tobit模型下選取的5個影響因素變量及作用方向假設如表2所示。企業負責人的學歷：（z1）1為初中及以下，2為高中或中專，3為大專，4為大學及以上。企業負責人的年齡（z2）、企業類型（z3）作為一個虛變量0，代表非木質林產品加工企業；1代表木質林產品加工企業。企業的研發水平（z4）；沒有研發部門為0，有研發部門為1。企業職工中大專及以上學歷所占比例（z5）。企業負責人自身的學歷高低可能影響其面對市場作出決策，企業負責人的學歷越高，對市場風險的評估、對企業的經營管理等方面考慮越周全，更可能做出正確的決策。企業負責人年齡的大小與負責人經驗掛鉤，但同時，年齡越大可能對企業投入的精力越不足。企業的研發能力高低影響企業產品附加值的高低，通常認為企業科研能力越強，產品附加值越高，企業效率越高。企業職工中學歷高的所占比例越高，企業效率越高。需要說明的是，由于不同類型企業所投入原材料類型差異性較大，不具可比性，所以本文未選用原材料作為投入變量。

本文數據來源于2015年7月東北林業大學調研小組赴東北、內蒙古重點國有林區的調研數據。林產品加工企業的具體分布狀況如表3所示，每個企業為一個DMU，樣本中共有14個DMU，其中，木質林產品加工企業的DMU有9個，龍江森工有5個木質林產品加工企業，吉林森工有4個木質林產品加工企業。非木質林產品加工企業DMU共有5個，其中包括龍江森工的4個企業和吉林森工的1個企業。見表3。 如表4和表5，分別描述了全部林產品加工企業、木質林產品加工企業和非木質林產品加工企業的主要投入產出值和影響因素的基本特征。由表4可以看出，非木質林產品加工企業在電力和固定資產的平均投入高于木質林產品加工企業，同時，平均產值也高于木質林產品加工業。表5所示的非木質林產品的企業負責人學歷、企業研發水平、企業職工大專及以上學歷占比平均值均高于木質林產品加工企業。

表2 影響因素變量及作用方向假設

表3 林產品加工企業分布狀況

在CCR模型下的技術效率和BCC模型下的規模效率，木制林品加工企業的有效DMU比例都高于非木質林產品加工企業，均為44.44%；非木質林產品加工企業占40%。只有在BCC模型下的純技術效率非木質林產品加工企業有效DUM占比高于木質林產品加工企業，為80%；而木質林產品加工企業有效DMU占77.78%（表6）。然而，在DEA模型下的平均效率值，無論是在CCR模型下的技術效率平均值還是在BCC模型下的純技術效率平均值和規模效率平均值，非木質林產品加工企業均高于木質林產品加工企業，分別為86.8%，97.8%和87.6%，而后者則分別為73.6%，94.8%和87.6%。木質林產品加工企業的規模效率和技術效率均低于全部企業效率的平均值（表7）。

在Tobit回歸模型下對企業效率的影響因素分析結果（表8）表明，有兩個影響因素對企業效率影響是顯著的，即無論在CCR模型還是BCC模型下企業負責人的學歷（z1）和企業職工大專及以上學歷人數占比（z5）對企業效率的影響都是顯著的（p<0.05），這也肯定了文中對這兩個影響因素作用方向的假設。然而，值得注意的是，企業的類型（z3）對企業的生產效率的影響并不顯著，盡管調查表明多數木質林產品加工企業負責人認為停伐政策會造成企業原材料的短缺，從而影響企業效率，但是在現有指標測度下，并未顯現出停伐政策對木質林產品加工企業和非木質林產品加工企業造成了不同的影響。對此，本文認為有以下原因。第一，停伐政策實施的時間較短，僅一年時間，在短期內，停伐政策對不同類型林產品加工企業的影響還未體現出來，尤其是吉林森工在2015年4月才開始實施停伐政策，對其2014年的生產基本不會產生影響。要進一步對林產品加工企業效率的影響因素進行分析，需要在接下來幾年持續跟蹤調查。第二，木質林產品加工的企業管理者認為停伐會對其原材料的供給產生影響，可能只是基于對企業長期發展的一個預測。實際上在短期內，停伐政策并未對其原材料市場產生較大的沖擊。

對于木質林產品加工企業的轉型發展應加大扶持，為企業建立轉型基金，幫助部分企業度過轉型的困難時期。同時，應將非木質林產品加工企業作為以后林產品加工企業發展的重點和企業轉型的方向。在林產品加工企業生產效率方面，管理因素和人力因素對企業生產效率影響較大，尤其是企業負責人的學歷和企業職工的學歷都會對企業生產效率產生顯著影響，因此，應注重對人力資源的投入，為林區引進優秀的人才，以使林產品加工企業能夠順利轉型，得到更好的發展。