王 丞,覃翠英
(山東外貿職業學院,山東 青島 266100)
推進供給側結構性改革是中央應對經濟新常態的重大決策,今年中央經濟工作會議和農村工作會議將其擺到了事關全局的重要位置。中央1 號文件連續 14 年聚焦農業,以“深入推進農業供給側結構性改革、加快培育農業農村發展新動能”為主題,要求圍繞農業增效、農民增收、農村增綠,優化農業產業體系、生產體系、經營體系,促進農業發展向追求綠色生態可持續、更加注重滿足質的需求轉變。推進林業供給側結構性改革,是增強林業發展內生動力的需要,必將有效提高林業綜合效益,滿足人民群眾日益增長的生態化需求。 因此,供給側改革下的林業投入和產出是值得我們認真研究的課題。①田淑英、許文立:《基于DEA 模型的中國林業投入產出效率評價》,《資源科學》2012 年第10 期,第1944-1950 頁。
目前,采用DEA-Malmquist 模型研究林業的投入和產出效率的文章相對較少,大多數研究側重于靜態比較研究的DEA 模型,缺乏DEA 模型以及相應的生產率指標進行了動態的分析。Shiba 首先將DEA 模型對日本森林所有者協會的效率進行分析②Shibam.Measuring the efficiency of managerial and technical perlbmiancs in forestryactivities by means of DEA.Inter.J.of Forest Engineering,1997,8(1):7- 19.。Lebel 和Stuart 通過DEA 模型測量了并分析了伐木工人的投入產出效率①Lebeilg,Stuartw B.Technical efficiency evaluation of logging contractor susingan on parametric model. In-ter.J.of Forest Engineering,1998,9(2):15- 24.。Kao 和Yang 較早將DEA 模型對林業產業進行相應的評價,他是以臺灣的十三個林區作為研究對象而進行的②Kao, C., Y.C. Yang. Measuring the efficiency of forest management. Forest Sci., 1991, 37(5): 1239-1252.。然后,在這樣的基礎上,Kao 和Yang 采用同樣的方法對于當地的林業經濟效果進行了評價和分析,選擇了森林重組計劃的最優化③Kao, C., Y.C. Yang. Reorganization of forest districts viaefficiency measurement. European J. of Operational Res., 1992,58(3): 356-362.。Viitala 和Hanninen 通過DEA 模型用于芬蘭19 個公益林生產效率的計算,發現在生產成本方面較大以節省空間④Viitala E,Janninen H. Measuring the efficiency of public forestry organizations.Forest Sci, 1998(44) : 298 -307.。J.Peter Clinchu 通過運用估價法和生產函數評估了林業的社會效率⑤PETER CLINCH J. Assessing the social efficiency of temperate-zone commercial forestry programmes: Irelandasa casestudy.Forest Policy and Economics, 2000,17(7): 225- 241.。Jun-YenLee 運用DEA 模型測試了全球森林和紙業公司的效率⑥JUN-YEN LEE. Using DEA to measure efficiency in forest and paper companies. Forest Products Society,2005,55(1):58- 66.。Neda Salehirad 和Dr.TaranehSowlati 通過DEA 模型分析了加拿大地區木材產業的投入與產出效率問題⑦NEDA SALEHIRAD,DR TARANEH SOWLATI. Productivity and efficiency assessment of the wood industry:A re-View with a focus on Canada. Forest Products Society, 2006, 56(11/l2):25- 32.。賴作卿、張忠海利用了DEA 方法進行分析,得出了全省的多個投入和產出指標,并對城市林業投入產出效率值進行了評估⑧賴作卿、張海忠:《 基于DEA 方法的廣東林業投入產出超效率分析》,《華南農業大學學報》2008 年第4 期,第 43-48 頁。。并利用超效率模型同時解決多個DEA 有效決策單元的問題,有效區分了廣東省DEA 高效林業投入產出效率。田淑英、許文立利用DEA 評估模型,對1993-2010 年中國林業的效率進行了評估和分析⑨田淑英、許文立:《基于DEA 模型的中國林業投入產出效率評價》,《資源科學》2012 年第10 期,第1944-1950 頁。。
傳統DEA 指數模型通過界面數據分析得出有效決策單元個數及具體影響效率類型,但無法對決策單元進行時間序列分析,由此難免使得分析變得片面,缺乏對內在規律系統的度量。目前已有部分學者選擇通過DEA-Malmquist 的方法來解決這一問題。例如楊清可、段學軍運用DEA-Malmquist 模型對高新技術產業發展效率進行評價,并對改善產業投入產出要素進行了定量調整⑩楊清可、段學軍:《基于 DEA-Malmquist 模型的高新技術產業發展效率的時空測度與省際差異研究》,《經濟地理》2014 年第7 期,第103-110 頁。。劉佳、陸菊、劉寧基于DEA-Malmquist 模型對中國沿海地區旅游產業效率時空演化、影響因素與形成機理進行研究[11]劉佳、陸菊、劉寧:《基于DEA-Malmquist 模型的中國沿海地區旅游產業效率時空演化、影響因素與形成機理》,《資源科學》,2015 年第12 期,第2381-2393 頁。。
綜上所述,本文采用DEA 方法對2014 年和2015 年全國31 個省市的林業投入產出效率進行了分析評估,然后利用Malmquis 全要素生產力指數對2011-2015 年時間序列數據進行了計算,并對其進行了分析趨勢和影響因素。這不僅可以讓人們了解行業的投入和產出情況,同時也為行業的發展提供可行的依據。
數據包絡分析(DEA)是一種新的系統分析方法基于相對效率的概念,是由美國著名的運籌學家Charnes等人提出來的。①廖虎昌、董毅明:《基于DEA 和Malmquist 指數的西部12 省水資源利用效率研究》,《資源科學》2011 年第15 期,第273-278 頁。這種方法擴展了工程效率的相對效率評價的定義多輸入和多輸出系統,并提出一種可行的方法和有效的工具決策單元之間的相對效率評價。從目前的實際應用,在國內使用的兩個模型是C2R 模型和BC2 模型。C2R 模型可以用來評估和技術有效的決策單元是否有效。BC2 模型可用于評價決策單元技術的有效性。因此本文用 BC2 模型進行中國林業投入產出效率分析。
假設n 個決策單元對應的輸入數據和輸出數據分別為



式中:sech 代表著規模效率變化,pech 代表作純技術效率變化,techch 代表這技術所產生的變化,Malmquist 生產率指數tfpch 可由以上三個指標相乘而取得。規模效率反映了產業配置結構情況,當其變化大于 1 時表示區域產業結構得以優化,規模效率提高;純技術效率反應了產業資源投入的配置與利用率,當其變化大于1 表示產業的資源配置與利用效率為正向發展即當產出不變時獲得單位產出的資源投入量降低;技術變化為正數,表示進度了;tfpch 大于1 意味著生產要素得到了提升。反之,如上述指標小于1,則表明情況惡化。①王賀封、石憶邵、尹昌應:《基于DEA 模型和Malmquist 生產率指數的上海市開發區用地效率及其變化》,《地理研究》2014 年15 期,第1636-1646 頁。
本文選取的林業產出指標分別為造林面積、林業產業總產值和各類經濟林產品總量;投入指標分別是林業投入總額、林業系統年末從業人數。分析源自于2011-2015 年的樣本和數據。
2014 年、2015 年的數據可以詳見表1:
第一,通過對綜合效率的分析,可以發現2015 年河北、浙江、山東、廣東、海南、重慶和貴州7 省達到了DEA 達到有效值,也就是說兩者都達到了最優狀態,技術和規模效率都達到最優值,而其他的各個省份,則沒有達到相應值,其中北京的林業產出的效率最低,為0.091;2014 年,河北、浙江、山東、廣東、海南、重慶和貴州7 省仍為 DEA 有效,而西藏也是DEA 有效,其他省份則相反,而且北京仍然是最低值,為0.114。
將2014 年和2015 年的綜合效率值的對比,2015 年全國31 省市中只有河北、浙江、山東、廣東、海南、重慶、貴州達到了林業產業綜合效率最優且保持穩定。其他區域皆存在不同程度上的差距與變動。其中,江西、甘肅、四川、天津、安徽、山西、遼寧、江蘇、上海、福建、以及廣西較2014 年其綜合效率出現不同程度的提升,平均幅度9.9%。而其他地區則出現了下降趨勢,其中青海、西藏、寧夏等西部地區下較為明顯。
第二,從技術效率層面上看,技術效率是反映區域產業內部體系、制度、管理水平以及資源利用率的重要指標。就2014 年、2015 年數據統計來看,全國林業產業的技術效率出現小幅度下降,下降幅度為2.1%。在全國31 省市中天津、海南、浙江、廣東、貴州、河北、上海、內蒙古、山東、重慶、云南、寧夏已達到技術效率最優占區域總數的38.8%,說明全國林業產業在制度、管理水平與資源使用率方面初具水平但仍有加大提升空間。而山西、黑龍江、河南、湖南、西藏、青海6 省的技術效率出現大幅度下降,平均下降28.5%,北京、吉林、湖北、和新疆出現小幅度下降平均下降幅度2.88%,這反映出這些省市的林業產業在技術層面上的發展速率無法與區域林業產業發展相匹配。遼寧、江蘇、安徽、福建、江西、廣西、四川、甘肅其技術效率表現出不同程度的提升,說明這些區域的林業產業在技術層面上的發展已適應該區域林業產業發展要求。
第三,從規模效率的層面上看,規模效率反應的是區域產業內部實際規模與最優化規模之間的差異,數值越高,差異越小。數據顯示,相對于2014 年,2015 年的林業產業規模效率同樣出現小幅度下降,下降幅度為1.5%。主要表現在西藏、青海、寧夏等西部欠發達地區。這反映出目前我國西部地區的林業產業結構問題較為突出,實際規模與最優規模之間存在較大差異。而北京作為發達地區,其里林業產業規模效率下降幅度同樣較為明顯,說明北京在林業產業方面的投入產出結構失衡,因此無法形成有效的產業規模。

表1 2014 和2015 年林業投入產出效率值

甘肅 0.524 0.524 0.999 不變 0.729 0.734 0.993 增長青海 0.778 0.815 0.966 增長 0.338 0.574 0.589 增長寧夏 0.730 1.000 0.730 增長 0.489 1.000 0.489 增長新疆 0.720 0.721 0.999 下降 0.689 0.704 0.979 增長平均 0.665 0.753 0.895 0.648 0.737 0.882
運用 DEAP 等軟件,就2011-2015 年全國31 省的的相關數據進行相應的分析,并進行了Malmquist 生產力指數分析,得到了各個省份的生產力要素指數和相應的計算結果(表3)。
從全國31 省林業投入產出的效率的平均情況來看,在以上的幾年時間里,林業投入產出效率具有小幅度波動的。這5 年間,只有2012-2013 年tfp 值最高,達到1.336。這說明了這5 年間林業投入產出的效率一直處于低位。
從技術效率變化的視角來看,2012-2013 年在增長,其他的時間都處于下降時期。技術效率的變化是對全生產效率產生影響的因素之一。從總體情況來看,全國的三十一個省份基本上都是下降趨勢,而且不是很穩定。通過對技術效率的分解發現,純技術效率呈現出小角度的波動,說明2011 年—2015 年間全國31省市對林業產業的管理力度較強且較為穩定;而規模效率(sech)呈現緩步下降趨勢,表明目前產業的投入產出結構缺乏協調,無法對產業技術效率提供有效貢獻。

表2 2011-2015 年林業投入產出效率分年TFP 指數及分解

圖1 2011-2015 年各地區的Effch、Techch、Tfpch 變化趨勢

表3 2011-2015 年林業投入產出效率分省TFP 的指數分布表
(1)在2014 年和2015 年,河北、浙江、山東、廣東、海南、重慶、貴州7 個省份應保持目前林業產業狀態,無需變動。全國其余24 省份等,需要結合上述地區的情況進行相應的優化,并和其他的地區進行合作,共同發展,并實現知識的共享。尤其是湖北、天津、上海、江西、甘肅、遼寧、西藏、新疆、陜西、河南、寧夏、廣西、吉林、青海、黑龍江、北京的生產規模,發揮規模效應。
(2)2011 年至2015 年,國家林業投入產出效率有所降低,表明林業效率呈現出下降的趨勢,僅有2012 年是增長的,全要素生產率指數依賴技術變化明顯,說明技術的落后是林業投入產出效率低下的關鍵原因,我國要采取各種措施,實現林業資源的持續利用。因此,優化當前的林業結構,以及進行有效的管理,也是提高林業效率的關鍵路徑。
(3)2011 年至2015 年,北京,天津,河北,遼寧,上海,黑龍江,浙江,安徽,福建,江西,山東,江蘇,河南,湖北,湖南,重慶,四川,云南,西藏,陜西,新疆21 省份要素生產率指數為正增長,表明這21 省份為提高林業投入和產出效率已經做了優化和調整。其增長只依賴于技術的提高,技術變化對于林業產出的變化較為明顯。所以,要更好地保證林業的產業投入和產出的效率,林業科技發展是一種有效的途徑,國家要在這方面加大力度。