福建省林業經營效率評價及影響因素研究
——基于DEA模型、Malmquist指數和Tobit模型

王季瀟, 黎元生

(福建師范大學經濟學院,福建 福州 350108)

福建省林業經營效率評價及影響因素研究
——基于DEA模型、Malmquist指數和Tobit模型

王季瀟, 黎元生*

(福建師范大學經濟學院,福建 福州 350108)

運用DEA模型、Malmquist指數和Tobit模型，從廣義林業的視角對福建省2000-2014年的林業經營效率及影響因素進行分析，并與華東地區其他省(市)展開對比。研究結果顯示：(1)福建省林業經營效率總體處于較高水平，但大部分時間內無法達到DEA有效，且存在較大波動，波動主要由投入要素和外部環境兩方面造成；(2)相比華東地區其他省(市)，福建省林業經營效率處于中游位置，技術進步變化指數低于平均水平；(3)林業產業結構和勞動力投入對福建省林業經營效率產生正向影響，而資本投入則產生負向影響。結合福建省林業發展實際，提出3點針對性建議：(1)推進林權改革，推動林業經營社會化；(2)加大科技創新，推進林業經營信息化；(3)強化生態優勢，加快林業產業現代化。

林業經營效率；DEA模型；Malmquist指數；Tobit模型；福建省

在生態文明建設中，林業起著主體作用，是人與自然和諧的關鍵與紐帶。福建省是我國重要林區，其森林覆蓋率連續30多年全國排名第一，是全國率先開始集體林權制度改革的省份，被確定為全國首個國家生態文明試驗區，推進林業改革和加快林業生態建設是當前和未來一段時間的重要任務。2016年，《福建省“十三五”林業發展規劃》明確提出建設現代林業先行區的總目標[1]。在福建省林業蓬勃發展之際，深入研究福建省林業經營效率及影響因素，對于改善林業產業結構、提高林業經營效率、促進林業健康可持續發展具有重要意義，可為福建省林業政策的制定和實施提供有益參考。

一、文獻綜述與問題的提出

學界測算經營效率的主流方法是參數法和非參數法。其中，參數法中使用最為廣泛的是隨機前沿生產函數和超越對數生產函數，非參數法中使用最為普遍的是DEA模型。1978年，DEA方法由美國運籌學家查尼斯和庫伯首先提出，它是一種評價相對有效性的線性規劃方法，在經營效率評價研究中被廣泛運用。國外學界運用DEA方法進行效率評價的研究已經有比較長的歷史，不同學者就DEA方法在農業生產、電力、金融業等領域開展了大量研究，取得了豐碩的成果。將DEA方法運用于林業經營效率的測算在20世紀90年代末已經有學者進行了探索嘗試，Masami、Viitala、Lebel等分別運用DEA方法，對日本、芬蘭等地的森林經營效率進行研究[2-4]。21世紀以來，西方學者廣泛運用DEA方法測算林業經營效率，并廣受認可。

國內學界對DEA方法的研究與運用晚于國外，于20世紀90年代末才將該方法引入我國，近年來才逐漸推廣使用它。目前，雖有不少學者使用DEA方法對不同領域的生產經營效率展開測算，并取得了較好的效果，但在林業經營效率方面，直到2000年前后才有學者運用規范分析的方法展開研究；而實證分析方面，個別學者則使用隨機前沿生產函數和超越對數生產函數測算和分析林業經營效率[5]。近年來，使用DEA方法對林業經營效率進行評價的研究逐漸增多，成為國內測算和評價林業經營效率的主流方法。從研究對象來看，可以劃分為全國、地方、森工企業等3個方面。具體來說：(1)以全國為研究對象。李春華等運用DEA模型，從橫向角度測算了全國31個省份2006年的林業生產效率，并使用“投影”法進一步計算了各省份林業生產效率的優化路徑[6]；田淑英等從縱向角度測算了1993-2010年全國林業投入產出效率，并深入分析了各指標的影響程度[7]。(2)以地方為研究對象。賴作卿等先后使用DEA方法中的CCR方法與超效率DEA方法對廣東省21個地市的林業投入產出效率進行評價，分析指出廣東省林業投入產出效率總體處于較高水平，少數城市相對較低，效率高的城市主要源于重視科技興林和及時有效執行相關政策[8-9]；劉先運用DEA方法、Malmquist指數和Tobit模型從空間和時間兩個角度，對江蘇省的林業經營效率及影響因素進行研究，分析得出江蘇省的林業經營效率相對較高，位于全國前列的結論[10]；高晶等在投入產出效率測算基礎上拓展構建了林業可持續發展能力評價指標體系，運用DEA方法評價云南省林業可持續發展能力[11]。(3)以森工企業為研究對象。陳向華等研究測算了黑龍江省40個林業企業的全要素生產率，并使用面板數據模型分析影響全要素生產率的因素，分析得出2003-2009年黑龍江省國有林區林業企業全要素生產率總體呈下降趨勢,其原因可歸結為林區技術進步緩慢[12]；李維娜把DEA方法引入我國林業上市企業績效評價中，橫向對比分析了2010年13家林業上市企業的經營績效，結果表明這13家林業上市企業總體績效一般，但未來發展有較大的提升空間[13]；佟立志等使用DEA方法和Malmquist指數測算吉林森工集團8個林業局的生產效率，實證研究指出吉林森工集團應提高規模效率和管理水平，以集約式經營模式謀求發展[14]。

綜上所述，運用DEA方法測算林業經營效率已取得一定進展，方法成熟可靠，獲得國內外較高的認同，但還存在以下不足：(1)研究方法方面。現有對林業經營效率的研究大多停留在以一階段DEA模型測算出效率值，缺少運用Malmquist指數作進一步分析，以及運用DEA-Tobit模型對影響林業經營效率的主要因素開展分析。(2)研究尺度方面。大部分研究文獻局限于對特定區域的研究，缺少將研究區域放在更大的區域內進行橫向比較。(3)研究空間方面。現有研究較少具體到福建省區域林業經營效率的分析，僅有林超等運用DEA模型測算2004-2013年福建省林業投入產出效率[15]，但其研究局限于狹義林業范疇，沒有深入分析造成林業經營效率不高的因素及其影響程度。鑒于此，本文從廣義林業出發，運用DEA-BCC模型和超效率DEA模型，對福建省2000-2014年的林業經營靜態效率進行測算，分析其變化趨勢；運用Malmquist指數將福建省林業經營動態效率與華東地區其他省(市)(山東省、江蘇省、上海市、浙江省、安徽省、江西省)進行橫向對比，探尋與林業先進省份的差距與不足；并進一步運用Tobit模型探討福建省林業經營效率的主要影響因素。通過實證分析，客觀地反映福建省林業經營的效率情況，分析其存在的問題和相應的提升對策，以期為相關部門制定政策提供一定的參考。

二、研究方法

(一)模型建立

1.DEA-BCC模型和超效率DEA模型。DEA模型，即數據包絡分析法(Data Envelopment Analysis, DEA)，該方法是運用數學規劃法進行計算的一種非參數方法，以決策單元(DMU)中各個輸入輸出指標的權重為變量進行評價和運算，計算多個輸入和輸出指標的DMU相對效率，以此確定有效決策單元DMU。根據不同的評價目的、評價對象，DEA方法發展出了多種延展模型，本文采用規模報酬可變的BCC模型。BCC模型在CCR模型得出的技術效率(Technical Efficiency, TE)基礎上，將技術效率分解為純技術效率(Pure Technical Efficiency, PTE)和規模效率(Scale Efficiency, SE)。

BCC模型測算結果經常會出現多個決策單元DEA有效的情形，無法對此進行排序和比較。1993年，著名學者Anderson和Peterson對此進行了改進，提出了DEA的改進模型，即超效率DEA模型(SE-DEA)，其計算出的效率值可以超過1，從而可以對多個有效決策單元進行排序和比較。

2.Malmquist指數。Malmquist指數由Malmquist在1953年提出。Caves等從1982年開始將其應用到生產效率變化的測算中。1994年開始有學者把Malmquist指數與DEA結合使用。Malmquist指數可以將效率變化分解，更好地測量各個DMU的效率變動。在規模報酬不變的情況下，Malmquist指數即全要素生產率變化(Total Factor Productivity Change, TFPC)指數由技術效率變化(Technical Efficiency Change, TEC)指數和技術進步變化(Technical Change, TC)指數組成。其中，技術效率變化指數可進一步分解為純技術效率變化(Pure Technical Efficiency Change, PTEC)指數和規模效率變化(Scale Efficiency Change, SEC)指數。

ITFPC=ITEC×ITC=IPTEC×ISEC×ITC

其中，ITFPC表示決策單元DMU在t～t+1時期全要素生產率的變化程度。當ITFPC>1時，表示全要素生產率呈改善提高趨勢；當ITFPC<1時，表示全要素生產率呈衰退下降趨勢。

3.DEA兩階段法和Tobit模型。DEA兩階段法是為了進一步探究效率值的影響因素和影響程度而衍生出的進階模型。第一階段使用DEA方法計算出各DMU的效率值；第二階段以第一階段計算出的效率值為因變量，以效率的影響因素為自變量進行回歸分析。使用DEA模型測算出的效率值介于0和1之間，直接使用普通最小二乘法(OLS)會產生有偏和不一致的問題。因此，本文采用Tobit模型，并運用最大似然估計法進行回歸分析。Tobit模型最早由Tobin在1958年提出，Goldberger于1964年首次在研究中采用，適用于因變量受到限制情況下的回歸。Tobit模型的標準形式為：

其中，Yi表示實際因變量，即第i個DMU的效率值；xt表示自變量；β0表示常數項；βt表示自變量的回歸系數；μi表示獨立的誤差干擾項，且服從N(0,σ2)的正態分布。

(二)指標選取

使用DEA模型進行效率評價，最重要的環節是投入指標和產出指標的選定，指標及其樣本選取的合理程度對評價結果有重要影響。指標選定有兩方面要求：一要考慮投入指標和產出指標的質量，絕對數指標和相對數指標不宜混合使用；二要考慮投入指標和產出指標的數量，為保證模型分析結果的可信度，樣本決策單元規模至少為投入指標和產出指標數量和的3倍及以上[16]。同時，因為DEA效率是一種相對效率，只要各決策單元之間具有可比性，即便所選取指標沒有涵蓋所有的投入或產出要素，其測算結果同樣可信[17]。因此，所選取的投入指標和產出指標不必做到面面俱到，在舍去部分影響要素的情況下也不會降低DEA模型評價的最終效果。

林業有廣義和狹義之分，本文將研究范圍界定為廣義林業，據此選擇投入指標和產出指標。綜合既有研究，本文選取林業系統從業人員年末數、林業年度投資完成額作為投入指標，分別代表林業生產經營中的勞動力投入、資本投入；選取林業產業總產值、當年造林面積和森林蓄積變化量作為產出指標，分別代表林業生產經營中的經濟效益、生態效益。其中，反映林業土地投入的林業用地面積每5年更新一次，不列入投入指標。各指標類型、具體指標、指標符號和指標定義詳見表1。

表1 林業經營效率評價指標體系

(三)數據來源

本文實證分析所用的樣本數據來源于2000-2014年的《中國林業統計年鑒》《福建統計年鑒》。其中，林業年度投資完成額、林業產業總產值均按照2000年為基準的不變價格進行換算。

三、實證結果與分析

(一)林業經營效率靜態分析

根據所選取的投入指標和產出指標的相關數據，運用DEA-BCC模型與超效率DEA模型，計算出各決策單元的DEA效率(表2)，即2000-2014年福建省林業經營效率。通過分析可以得出以下結論。

表2 2000-2014年福建省林業經營效率

注：(1)超效率表示使用超效率DEA模型測算的林業經營效率。(2)TEC值小于1，表示DMU非DEA有效；TEC值大于等于1，表示DMU是DEA有效。TEC值越大，DMU的技術效率越高。(3)PTEC值小于1，表示DMU純技術效率無效；PTEC值大于等于1，表示DMU純技術效率有效。PTEC值越大，DMU的純技術效率越高。(4)SEC值小于1，表示DMU規模效率無效；SEC值大于等于1，表示DMU規模效率有效。SEC值越大，DMU的規模效率越高。(5)-表示規模報酬不變，irs表示規模報酬遞增，drs表示規模報酬遞減

數據來源:2000-2014年的《中國林業統計年鑒》《福建統計年鑒》

1.林業經營效率總體處于較高水平。2000-2014年，福建省林業經營技術效率的平均值為0.835，達到DEA有效的有4個年份(2001、2006、2010、2013年)，DEA無效的年份中技術效率變化指數最小值為0.632(2000年)。這說明福建省林業經營效率總體處于較高水平，但與田淑英等測算出的1993-2010年全國林業投入產出效率0.966相比還有一定差距[7]。

2.多數年份規模報酬遞增。2000-2014年，有6個年份(2000、2002、2003、2005、2007、2014年)處于規模報酬遞增階段，說明林業經營效率有很大的增長潛力，如果擴大林業投入規模，林業經營效率能獲得一定的提升；有4個年份(2008、2009、2011、2012年)處于規模報酬遞減階段和5個年份(2001、2004、2006、2010、2013年)處于規模報酬不變階段。在規模報酬遞減階段，除了增加投入外，還要改善林業投入產出的規模結構，促使其轉入規模報酬遞增階段。

3.規模效率對福建省林業經營效率影響較大。在DEA無效的11個年份中，規模效率有效的情況下純技術效率無效導致DEA無效的只有2004年；而純技術效率有效的情況下規模效率無效導致DEA無效的有3個年份(2002、2005、2012年)，這3個年份的投入產出結構合理，但未形成規模效應。這一方面是由于林業生產要素投入不足以滿足林業生產的需要，另一方面是由于投入的林業生產要素未能得到合理利用。

超效率DEA模型對決策單元的相對效率水平作了進一步測算，各年度的經營效率水平差異更加明顯，據此得出2000-2014年福建省林業經營效率變動趨勢(圖1)。由圖1可知，從總體上看，2000-2014年福建省林業經營效率存在較大波動，在2006年和2013年達到2個高點，與田淑英等測算出的全國林業投入產出效率波動較大的情況相契合[7]。具體來看，2000-2007年與2008-2014年這2個時間段的林業經營效率變動情況相似。其中，2000-2007年的林業經營效率平均值為0.832，2008-2014年的林業經營效率平均值為0.838。這說明2000-2007年與2008-2014年這2個時間段的林業經營效率相差不大，都處于較高水平，但同時也存在較大波動。

圖1 2000-2014年福建省林業經營效率變動趨勢

結合福建省林業經營效率的實際情況分析可知，造成波動的原因主要來自投入要素和外部環境兩方面。具體來說：(1)投入要素方面。2005年和2008年出現投資增幅超過50%，隨后又大幅下降的情況，個別年份的盲目擴大投資造成資金投入波動和投資結構不合理等問題。(2)外部環境方面。福建省是全國首批集體林權制度改革試點省份，在改革過程中既有改革紅利也存在困難阻礙。林權改革之初,存在經營主體多、林權分散、林權流轉困難等問題，影響了福建省的林業經營效率。

(二)林業經營動態效率分析

將某一地區的效率水平放在更大的區域內進行橫向比較能更好地反映該地區的發展水平，以進一步找到差距，從而有助于提升其效率水平。全國各地區的自然生態環境和社會經濟基礎存在較大差異，若直接將全國各省份林業經營狀況進行橫向比較缺少可比性。而華東地區各省(市)是我國社會經濟和林業發達地區，林業生態建設位于全國前列，且自然生態環境和社會經濟基礎與福建省相近。因此，本文將福建省的林業經營效率與華東地區其他省(市)進行橫向對比，有助于發現福建省與全國林業先進地區的差距與不足。

根據2000-2014年福建省和華東地區其他省(市)林業經營效率的相關數據，進行Malmquist指數的分解計算(表3和表4)，可得華東地區各省(市)林業經營的技術效率變化指數、純技術效率變化指數、規模效率變化指數、技術進步變化指數與全要素生產率變化指數。

由表3可知，華東地區各省(市)林業的全要素生產率變化指數平均值為1.127；浙江省是林業全要素生產率變化指數最高的省份(1.301)；福建省林業全要素生產率變化指數為1.122，略低于平均水平，與華東地區其他省(市)相比位于第4位。可見，華東地區各省(市)林業的全要素生產率總體處于較高水平，福建省處于中游位置。從分解指標來看，技術進步變化指數對全要素生產率變化指數影響最大，福建省的技術進步變化指數與華東地區平均水平尚有差距。這說明與華東地區林業發達省(市)相比，福建省在林業技術進步和科技促生產方面還有較大的提升空間。

表3 2000-2014年華東地區各省(市)林業經營效率平均值的Malmquist指數分解

數據來源:2000-2014年的《中國林業統計年鑒》《山東統計年鑒》《江蘇統計年鑒》《上海統計年鑒》《浙江統計年鑒》《安徽統計年鑒》《江西統計年鑒》《福建統計年鑒》

由表4可知，2000-2014年，華東地區林業經營全要素生產率變化指數只有3個年份小于1，說明這3年華東地區林業經營全要素生產率呈衰退下降趨勢；其余12個年份的全要素生產率變化指數均大于1，說明這12年華東地區林業經營全要素生產率處于改善提升階段；全要素生產率變化指數最大值為1.335，均值為1.127，說明從總體來看華東地區林業經營全要素生產率保持較好的增長趨勢。純技術效率變化指數和技術進步變化指數分別僅有1個和2個年份小于1，其余年份均大于1，即大多數年份處于改善提升階段。規模效率變化指數有8個年份小于1，是全要素生產率進一步提高的阻礙因素；2007年以后規模效率變化指數整體大于1，改善提升明顯，最終其平均值有0.5%的年增長率，可見今后仍要進一步注意林業經營規模的協調發展。

表4 2000-2014年華東地區林業經營效率年均值的Malmquist指數分解

數據來源:2000-2014年的《中國林業統計年鑒》《山東統計年鑒》《江蘇統計年鑒》《上海統計年鑒》《浙江統計年鑒》《安徽統計年鑒》《江西統計年鑒》《福建統計年鑒》

(三)林業經營效率影響因素分析

林業經營效率除了受所選取投入產出指標影響外，還會受經濟、政策、地區等因素影響，為進一步研究福建省林業經營效率的影響因素，本文采用DEA兩階段法：第一階段使用DEA-BCC模型和超效率DEA模型測算各DMU的效率值；第二階段以第一階段測算的效率值為因變量，以經濟、政策和地區等影響因素為自變量，采用Tobit模型進行回歸分析。

1.Tobit模型變量選取。綜合現有研究成果，本文選取以下3個影響因素作為Tobit模型的自變量：(1)勞動力投入(X1)，以林業系統從業人員年末數表示，預期正向影響；(2)資本投入(X2)，以林業年度投資完成額表示，預期正向影響；(3)產業結構(X3)，以林業第三產業產值占總產值的比重表示，預期正向影響。

2.Tobit模型設定。根據Tobit模型的變量選取，Tobit模型具體表達如下：

Yi=β0+β1χ1+β2χ2+β3χ3+μi

其中，Yi表示第i年福建省林業經營效率；X1、X2、X3分別表示勞動力投入、資本投入和產業結構；β0表示常數項；β1、β2、β3表示各解釋變量的待估參數；μi為隨機干擾項。

3.Tobit模型回歸結果。運用Evisws 8.0軟件對所構建的Tobit模型進行回歸分析(表5)。

表5 Tobit模型回歸結果

注：C表示常數項；R2表示可決系數；AdjustedR2表示調整后的可決系數；**、*分別表示在5%、10%的水平上顯著

數據來源:2000-2014年的《中國林業統計年鑒》《福建統計年鑒》

根據表5的回歸結果分析，Tobit模型整體顯著，分析得出以下3點結論。(1)林業系統從業人員年末數與福建省林業經營效率正相關，且在10%的水平上顯著。這表明增加林業生產中的勞動力投入，對福建省林業經營效率有正向促進作用。林業是一個周期性產業，也是傳統的勞動力密集型產業，特別是在營林建設、生態管護等方面需要大量的勞動力投入。目前，福建省林業勞動力流出情況突出，需要充足的勞動力保證。(2)林業年度投資完成額與福建省林業經營效率負相關，且在5%的水平上顯著。與預期不同，隨著林業投資的增加，福建省林業經營效率降低。這表明林業投資是拉動林業生產的重要因素，但受資本的邊際收益遞減規律影響，當資本投入量達到一定水平出現冗余后，很難再對林業的產出發揮促進作用，反而會降低其經營效率。且在福建省林業投資不斷增加的背景下，由于資金利用率較低，使得資本投入不能很好地轉換為經濟產出和生態產出。因此，在福建省林業產業經營中，要合理確定資本投入，更多地依靠林業技術進步來拉動林業經營效率的提升。(3)林業第三產業產值占總產值的比重與福建省林業經營效率正相關，且在5%的水平上顯著。這表明福建省的林業產業結構越升級優化，林業經營效率越高；相比勞動力投入和資本投入，產業結構對林業經營效率的提升影響最顯著。福建省林業產業要抓住生態省建設的有利契機，圍繞區域林業的生態特色，繼續大力發展林業第三產業，不斷升級并優化產業結構。

四、結論與建議

(一)結論

本文運用DEA-BCC模型和超效率DEA模型，測算了福建省2000-2014年林業經營靜態效率，分析了其變化趨勢；運用Malmquist指數將福建省林業經營動態效率與華東地區其他省(市)進行橫向對比；并進一步運用Tobit模型分析了福建省林業經營效率的主要影響因素。通過實證分析得到以下3點結論。

1.福建省林業經營效率總體處于較高水平，但大部分時間內無法達到DEA有效；林業經營依然還有上升空間，需要進一步優化提升；規模效率對福建省林業經營效率影響較大；福建省林業經營效率存在較大波動，造成波動的原因主要來自投入要素和外部環境兩方面。

2.在與華東地區其他省(市)林業經營效率的對比中，福建省處于中游位置，全要素生產率變化指數略低于平均水平，主要原因在于技術進步變化指數低于平均水平,而全要素生產率提高主要是基于技術進步，規模效率變化指數則是全要素生產率進一步提高的阻礙因素。

3.福建省林業經營效率的影響因素中,勞動力投入和產業結構對福建省林業經營效率產生正向影響，資本投入則產生負向影響。

(二)建議

福建省是我國重要的林產基地，也是全國林業生態建設的一面旗幟[18]，2002年率先開始的集體林權制度改革為全國提供了積極有益的“福建經驗”。《福建省“十三五”林業發展規劃》明確提出建設現代林業先行區的總目標[1]。為了加快福建省林業向現代林業戰略轉型，促進林業經濟與生態環境協調發展，本文在上述分析的基礎上提出如下3點建議。

1.推進林權改革，推動林業經營社會化。具體可從以下3個方面著手：(1)林業政策方面。繼續深化集體林權制度改革，從以明晰產權為主的林權改革向以生態建設為主的綜合性改革轉變，做到林地所有權、承包權和經營權分置，促進林地經營權流轉；堅持一張藍圖繪到底，保持林業優惠政策的持續性，減小政策因素給林業投入帶來的波動；大力培育新型林業經營主體，推廣家庭林場、股份林場、專業合作社、“公司+基地+林農”等多種新型經營形式，提升林業規模化經營程度。(2)林業投入方面。針對林業發展投入不足的問題，積極探索林業金融產品創新，做好林業金融服務，在各縣區建立林業金融服務中心，可借鑒三明市林改經驗，建立森林資源資產評估、森林保險、林權監管、收購處置、收儲兜底等“五位一體”的金融服務與風險防控體系；搭建省級林業投融資平臺，運用多元化的PPP項目融資模式，完善林業基礎設施建設，鼓勵社會資本進入林業生產經營領域，建立生態林業發展專項基金用于生態林業建設。(3)林業社會化管護方面。針對福建省山區林業營造、管護人員缺乏等問題，探索林業管護社會化改革，在原集體護林隊的基礎上，成立社會化的專業林業管護公司，面向社會提供森林管護有償服務；與林業局、森林公安等執法部門聯動開展森林巡查，采用視頻監控、GPS定位、無人機巡查等方式進一步提高森林管護的科學水平。

2.加大科技創新，推進林業經營信息化。具體可從以下2個方面著手：(1)林業科技創新方面。繼續堅持科技興林，保持對林業科技研發的投入，加強林業科技推廣與應用，促進林業科技創新成果惠及林農，將技術進步轉化為生產力進步，發揮技術進步對林業全要素生產率的拉動作用。其中，對于林業企業，應鼓勵其獨立自主進行科技創新，以技術創新為引領，研發新品種，開發新產品；對于科研院所，要優化科技成果構成，重點研發林農關心的良種選育、林木速生豐產、病蟲害防治等技術。(2)林業信息化建設方面。加大軟硬件投入，打造林業電子監測系統，通過電子監控、GIS系統等技術的綜合運用，逐步實現全省森林資源一體化電子監測；打造“互聯網+林業”，建立全省森林資源信息數據庫，融合森林公安、林權流轉、森林管護、林務管理、動植物保護等領域，實現多功能、多業務的“一站式”管理。

3.強化生態優勢，加快林業產業現代化。具體可從以下2個方面著手：(1)林業生態保護方面。完善林業生態制度建設，健全森林生態補償制度，確立合理的補償標準，構建與工資物價水平相掛鉤的補償標準動態調整機制。同時，全力推進重點生態區位商品林贖買制度，逐步實現重點生態區位內商品林調整為生態公益林的目標，將林農的生態資源轉換為生態資本，保護林農應得利益，使社會生態效益和林農經濟效益雙協調。(2)林業產業結構升級方面。充分發揮福建省的生態優勢，繼續打造“清新福建”的旅游品牌，探索多樣化的自然資源價值實現方式，重點圍繞林區生態旅游發展林業第三產業。大力發展林下經濟，各地應因地制宜,引導林農發展具有本地特色的林下種植業,在全省打造花卉苗木、中草藥、油茶等特色綠色富民產業。延伸產業鏈，向下游高附加值產業發展，從原有的林木產品生產向生物醫藥、文化創意產業發展，從初加工向精加工、全產業鏈整合發展。如在重要竹產區永安，進一步實現從低層次的竹資源培育、竹產品加工，到高層次的竹創意產品、竹文化旅游等多產業發展，建設和完善中國竹具城和筍竹品交易中心，舉辦竹具產品博覽交易會。積極發展碳匯林業,各地市可探索成立碳匯專項基金和碳匯林業服務平臺,加強與第三方碳匯服務機構的合作，加強碳匯項目儲備，重點發展森林經營碳匯項目。

[1]福建省“十三五”林業發展規劃[J].福建林業,2016(5):9-11,28.

[2]MASAMI S. Measuring the efficiency of managerial and technical performances in forestry activities by means of data envelopment analysis (DEA)[J]. Journal of Forest Engineering,1997,8(1):7-19.

[3]VIITALA J, HANNINEN H. Measuring the efficiency of public forestry organizations[J]. Forest Science,1998,44(2):298-307．

[4]LEBEL L, STUART W. Technical efficiency evaluation of logging contractors using a nonparametric model[J]. Journal of Forest Engineering,1998,9(2):15-24.

[5]劉璨,任鴻昌,薛同良,等.蘇北平原地區森林貢獻與效率測算及分析[J].林業科學,2005,41(5):8-13.

[6]李春華,李寧,駱華瑩,等.基于DEA方法的中國林業生產效率分析及優化路徑[J].中國農學通報,2011,27(19):55-59.

[7]田淑英,許文立.基于DEA模型的中國林業投入產出效率評價[J].資源科學,2012,34(10):1944-1950.

[8]賴作卿,張忠海.基于DEA方法的廣東林業投入產出效率分析[J].林業經濟問題,2008,28(4):323-326.

[9]賴作卿,張忠海.基于DEA方法的廣東林業投入產出超效率分析[J].華南農業大學學報(社會科學版),2008,7(4):43-48.

[10]劉先.基于DEA方法的江蘇省林業生產效率研究[D].北京:北京林業大學,2014.

[11]高晶,麥強盛.基于DEA方法的云南省林業可持續發展能力評價[J].林業經濟問題,2014,34(3):275-280.

[12]陳向華,耿玉德,于學霆,等.黑龍江國有林區林業產業全要素生產率及其影響因素分析[J].林業經濟問題,2012,32(1):50-53,59.

[13]李維娜.基于DEA方法下的林業上市公司績效評價研究[D].哈爾濱:東北林業大學,2012.

[14]佟立志,萬志芳.吉林森工集團林業局的生產效率研究——基于DEA和Malmquist指數分析法[J].中國林業經濟,2011(3):53-57.

[15]林超,謝志忠,蔡文櫻.基于DEA模型的福建省林業投入產出效率研究[J].科技和產業,2016,16(4):16-20.

[16]PEDRAJA F, SALINAS J, SMITH P. On the quality of the data envelopment analysis model[J]. Journal of the Operational Research Society,1999,50(6):636-644.

[17]魏權齡.數據包絡分析(DEA)[J].科學通報,2000,45(17):1793-1808.

[18]黃旺生,林潔.福建林業生態建設若干問題的思考[J].福建農林大學學報(哲學社會科學版),2014,17(1):64-67.

(責任編輯: 林安紅)

EfficiencyevaluationsandinfluencingfactorsofFujian′sforestry—BasedonDEAmodel,MalmquistindexandTobitmodel

WANG Ji-xiao, LI Yuan-sheng*

(CollegeofEconomy,FujianNormalUniversity,Fuzhou,Fujian350108,China)

DEA model, Malmquist index and Tobit model are applied to measure the efficiency and influencing factors of Fujian′s forestry from 2000 to 2014 from the perspective of generalized forestry, and compared with provinces and cities in East China. The results show that: (1)Fujian′s forestry efficiency overall is at a high level, but cannot achieve effective DEA mostly time, and there is a relatively large fluctuations, which mainly caused by inputs elements and the external environment; (2)compared with provinces and cities in East China, Fujian forestry efficiency is in a middle position, and technical change index is below the average; (3)the forestry industrial structure and labor input have positive impact on Fujian′s forestry efficiency but capital investment has reverse impact. Combined with the actual development of Fujian′s forestry, three suggestions are proposed: (1)promote the reform of forestry property right, boost the socialization of forestry management; (2)increase forestry scientific and technological innovation, promote the informatization of forestry management; (3)strengthen the ecological advantages, accelerate the modernization of forestry industry.

forestry efficiency; DEA model; Malmquist index; Tobit model; Fujian

F326.27

A

1671-6922(2017)05-0064-08

10.13322/j.cnki.fjsk.2017.05.011

2017-05-07

國家社會科學基金項目(12BKS043)；福建省科技廳項目(2016K0097)。

王季瀟(1991-),男，碩士研究生。研究方向：生態經濟、區域協調發展。

*為通信作者。