多元線性回歸分析在森林核算中的適用性研究

周林靜

【摘 要】 隨著我國森林資源的快速發展，當前森林資源資產評估出現數量多、規模大的趨勢，單項評估的適用性減弱，故本文中引入批量評估模型來解決單項評估效率低成本高用時長的問題。文中使用多元回歸分析方法對森林資源資產建立分齡組的批量評估模型，研究結果表明三個齡組的模型中擬合效果最好的是成、過熟林組的模型，中、近熟林的模型擬合效果次之，幼齡林模型的擬合效果最差，并且三個模型都通過了相應的模型檢驗，能夠應用于實際評估。

【關鍵詞】 森林資源資產 多元線性回歸 批量評估

一、引言

森林對社會發展和人類生存的重要性日益顯著，其不僅能為社會提供相關森林產品，還能對環境產生重要作用。隨著對森林認識的擴展和對森林研究的深入，森林對于人類發展的重要性不言而喻。根據2018年的中國統計年鑒顯示我國森林面積為2.0768億公頃，森林覆蓋率達21.63%，2018年林業總產值突破7.33萬億元，天然林和人工林總量快速增長，森林質量不斷提高，我國的森林資源增長居世界前列，是林業發展最快的國家。

隨著我國森林資源總量的快速增長和林木交易市場的迅速發展，森林資源資產的交易量日趨擴大，因此對林木資源資產進行便捷準確的定價是關鍵，故森林資源資產的評估工作尤為重要。由于林木資源具有經營周期長，實地勘查工作量大等特點，使得森林資源資產評估具有較大的復雜性。故本文以福建省永安市和龍巖市的林木資源資產評估數據為基礎，運用多元回歸分析方法探索森林資源資產批量評估核算模型的建立，為林木市場的交易估價提供便利。

二、文獻綜述

西方發達國家對于森林資源資產評估方面的研究起步較早，經過多年的探索已形成了較為深入的理論研究體系，發展完善了相應的技術規范方法。德國是最早進行森林資源資產評估的國家之一，當時主要運用的森林資源資產評估方法是林價算法。中歐經過長期研究與探索發展了森林資源資產的盈虧計算法、成本計算法等評估方法 [1]。美國在20世紀初從德國引進林木價格算法的基礎上提出構建新的指標體系，除了對實物量進行核算外，要更加注重價值量的核算[2]。日本對于森林資源資產評估方法的研究源于19世紀，最開始使用的是由歐洲引進的古典林價算法，隨著二戰后日本經濟的發展，西方經濟學的內容被廣泛應用到森林資源資產評估的研究中[3]。我國對于森林資源資產評估的研究工作始于20世紀80年代中期，真正起步于20世紀90年代中后期 [4]。90年代以來，我國的林業方面的專家學者對森林資源資產評估方法進行了大量探索，通過實證研究進行了大量分析，其中主要是陳平留、王永安等專家對于南方森林資源資產進行的評估研究和探索。陳平留出版了國內第一部關于森林資源資產評估的專著，全方位闡述了森林資源資產評估的理論研究，方法總論和實際應用[5]。

我國森林資源資產的批量評估應用仍處于起步階段，批量評估方法在實踐應用中發展較為緩慢，缺乏完善的體系，需要后續深入的研究，故本文基于前人研究的基礎上，用永安市和龍巖市的林木資源評估數據，利用多元線性回歸方法選取適合的自變量建立分齡組的森林資源資產的批量評估模型。

三、數據來源于處理

本文所用的數據來自于福建省永安林業集團股份有限公司擬抵押貸款所涉及的森林資源資產評估報告。對樣本按齡組的差異把數據分為三組，其中幼齡林為一組，中、近熟林為一組，成、過熟林為一組。為方便對數據的處理，將各影響因素進行編碼，各影響因素的編碼處理如下表1所示。

由于本文樣本所在地域的優勢樹種的影響，本文數據所包含的樹種主要為松樹和杉樹，并且都屬于人工林。本文用啞變量X1來表示樹種，當X1=1時表示樹種為松樹，當X1=0時表示樹種為杉樹。

四、森林資源資產批量評估模型的建立

4.1幼齡組森林資源資產批量評估模型

影響幼齡林評估值的主要因素為：年齡X2、平均樹高X4、畝株數X6、樹種X1。其中樹種根據量化后的結果，其為離散型變量，因此在模型預測是作為啞變量處理。首先對年齡X2、平均樹高X4、畝株數X6和評估值Y做正態性檢驗，結果表明樣本數據通過了建模前的正態性檢驗，可用于模型的估計。在進行參數估計時采用逐步回歸的方法，其軟件操作的最終結果如下表2所示。

由表3可知，采用逐步回歸估計法最終得到的幼齡林的批量評估模型為：

由批量評估模型可知，解釋變量平均樹高、畝株數、樹種的啞變量X1的系數估計值與預測的估計值符號相同，大小相似，相互關系合理，模型的擬合效果較好。解釋變量平均樹高X4、畝株數X6和樹種啞變量X1單獨和組合起來對被解釋變量單位評估值Y有顯著影響。

4.2中、近熟齡組森林資源資產批量評估模型

影響中齡林、近熟齡林評估值的主要因素為：年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7、樹種X1。其中樹種根據量化后的結果，其為離散型變量，因此在模型預測是作為啞變量處理。首先對年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7和評估值Y做正態性檢驗，結果表明，樣本數據通過了建模前的正態性檢驗，可用于模型的估計。在進行參數估計時采用逐步回歸的方法，其軟件操作的最終結果如下表3所示。

由表5可知，采用逐步回歸估計法最終得到的中、近熟林的批量評估模型為：

由批量評估模型可知，解釋變量年齡、平均樹高、畝蓄積、樹種的啞變量X1的系數估計值與預測的估計值符號相同，大小相似，相互關系合理，符合經濟學原理。模型擬合效果較好。解釋變量年齡X2、平均樹高X4、畝蓄積X6和樹種啞變量X1單獨和組合在一起對被解釋變量單位評估值Y有顯著影響。

4.3成、過熟齡組森林資源資產批量評估模型

影響成、過熟林評估值的主要因素為：年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7、樹種X1。其中樹種根據量化后的結果，其為離散型變量，因此在模型預測是作為啞變量處理。首先對年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7和評估值Y做正態性檢驗。結果表明，樣本數據通過了建模前的正態性檢驗，可用于模型的估計。在進行參數估計時采用逐步回歸的方法，其軟件操作的最終結果如下表4所示。

由表7可知，采用逐步回歸估計法最終得到的成、過熟齡林的批量評估模型為：

由批量評估模型可知，解釋變量平均胸徑、畝蓄積、樹種的啞變量X1的系數估計值與預測的估計值符號相同，大小相似，相互關系合理，符合經濟學原理，模型的擬合效果較好。解釋變量平均胸徑X5、畝株數X7和樹種啞變量X1單獨和組合起來對被解釋變量單位評估值Y有顯著影響。

六、結論

通過對數據進行模型的擬合，本文建立了三個齡組的批量評估模型，并對模型進行相應的檢驗。將三個模型進行對比發現，成、過熟林模型擬合效果最好，其擬合優度為0.847，其次為中、近熟林模型，幼齡林模型的擬合效果最差，但其調整的擬合優度也超過0.5，故認為三個模型對數據的擬合程度較好。在將模型用于預測的過程中，從相對誤差角度分析，效果最好的還是幼齡組模型，其次是成、過熟林模型，最后是中、近齡組模型，但各模型的平均相對誤差均小于10%，故認為模型的適用性較好。

【參考文獻】

[1] 魯濱遜·戈雷格里.森林資源經濟學[M].北京：中國林業出版社，1985：210-217.

[2] John Scrivani. State Forest Resource Assessment and Strategies[J]. Virginia Forests，2009，（1）：13-14.

[3] 景謙平.森林資產評估的組織與管理研究[D].北京：中國林業科學研究院，2008.

[4] 孫鴻烈.中國資源科學百科全書[M].北京：石油大學出版社，2000.

[5] 陳平留.森林資產評估[M].成都：電子科技大學出版社，1996.