我國林業全要素生產率地區的收斂性分析

劉冬 王欣 呂園

摘要：【目的】對我國林業全要素生產率的收斂性進行實證分析，為把握省域林業發展差距和尋求平衡發展提供借鑒?！痉椒ā炕?006—2018年我國省域林業數據，選取林業投入產出指標，采用DEA-Malmquist指數對省域林業全要素生產率進行測算，構建普通面板模型、空間誤差模型（SEM）和空間自回歸模型（SAR），對林業全要素生產率進行絕對β收斂和條件β收斂檢驗?！窘Y果】2006—2018年我國林業全要素生產率總體平穩，但2018、2010和2015年林業全要素生產率呈下降趨勢，主要原因是受自然災害和金融危機的影響，生產率低于1.000。同時我國林業全要素生產率存在絕對β收斂和條件β收斂，說明省域林業全要素生產率間的差距不斷縮小。在從收斂速度來看，絕對β收斂檢驗結果表明普通面板模型和半生命周期在加入空間因素后，收斂速度由0.0457變為0.0692（SEM模型）和0.0576（SAR模型）;半生命周期由19.363變為13.541（SEM模型）和15.650（SAR模型）年，收斂速度明顯加快，追趕的期限明顯縮短，說明空間效應對我國林業全要素生產率地區收斂起到促進作用。條件β收斂檢驗結果表明，在加入4個變量系數后，林業全要素生產率仍然存在收斂性，且收斂速度較之前均加快，半生命周期較之前也明顯縮短，其中造林能力和林業保護能力系數較大，人力資本和外商投資系數較小，發揮作用不明顯。可見，各地區林業發展基礎水平及人力資本水平、外商投資、造林護林投入等因素均對區域林業全要素生產率收斂都具有促進作用?！窘ㄗh】各地區應充分發揮自身地理優勢和區域特點，因地制宜，促進林業經濟快速發展;加大人力資本和外商投資，增強人才隊伍建設的專業化和系統化，對外商投資的鼓勵和監管并行;同時要打破區域限制，促使要素自由流動，進而實現林業經濟與生態價值雙平衡。

關鍵詞： 林業;全要素生產率;收斂性;空間計量模型;省域

中圖分類號： S757;F326.24? ? ? ? ? ? ? ? ? ? ?文獻標志碼： A 文章編號：2095-1191（2021）05-1414-08

Abstract：【Objective】This paper conducted empirical research on the convergence of forestry total factor productivity of China，which was of great significance for grasping the development gap of provincial forestry and seeking balanced development. 【Method】Based on Chinas provincial forestry data from 2006 to 2018，this paper first selected the forestry input-output indexes，and used the DEA-Malmquist index method to measure the total factor productivity of provincial fo-restry. Based on the calculation results， the common panel，spatial error model（SEM） and spatial autoregressive model（SAR）were constructed. The model performed absolute β convergence and conditional β convergence test on forestry total factor productivity. 【Result】Chinas forestry total factor productivity was generally stable from 2006 to 2018， but fo-restry total factor productivity declined in 2018， 2010， and 2015， mainly due to the impact of natural disasters and financial crises， and the productivity was lower than 1.000. At the same time， Chinas forestry total factor productivity had absolute β convergence and conditional β convergence， It showed that the gap of provincial forestry total factor productivity has been narrowing. From the point of view of convergence speed， the absolute β convergence test results showed thatafter adding spatial factors into ordinary panel model and half-life cycle， thehalf-life cycle changed from 0.0457 to 0.0692（SEM） and 0.0576（SAR）; the catch-up period changed from 19.363 to 13.541（SEM） and 15.650（SAR）， the speed of convergence has been greatly accelerated， and the time limit for catching up has been greatly shortened， indicating that the spatial effect has played a role in promoting the regional convergence of Chinas forestry total factor productivity. The result of the conditional β convergence test showed that after adding the four variable coefficients， the forestry total factor productivity still had convergence， and the convergence speed was faster than before， and the half life cycle was also greatly shorter than before. However， the coefficients of afforestation capacity and forestry protection capacity were large. The coefficients of human capital and foreign investment were small， and the role was not obvious. Therefore， the basic level of forestry development in each region， the level of human capital， foreign investment， afforestation and forest protection， and other factors all played a role in promoting the convergence of regional forestry total factor productivity. 【Suggestion】Each region should give full play to its own geographical advantages and regional characteristics， adjust measures to local conditions， promote the rapid development of forestry economy. Increase human capital and foreign investment， pay attention to the professionalization and systematization of talent team building， encourage and supervise foreign investment in parallel，break regional restrictions and promote the free flow of factors， and achieve a balanced fo-restry economic development and ecological value.

Key words： forestry; total factor productivity; convergence; spatial measurement model; provincial

Foundation item： Youth Fund Project of National Natural Science Foundation of China（52008336）; Scientific Research Project of Shaanxi Department of Education（19JK0508）

0 引言

【研究意義】林業作為具有經濟發展和社會效益雙重屬性的產業，既為國民經濟發展提供木材等必需林產品，又承擔著改善生態環境及實現可持續發展的重任。加快推動林業發展，是實施鄉村振興戰略與促進產業興旺的關鍵舉措，也是踐行綠色發展理念和實現生態文明的重要途徑。林業全要素生產率作為衡量我國林業發展質量和效率的重要指標，不僅能充分體現出林業投入產出能力，還可通過橫向對比反映各地區林業在發展質量與效率上的差別，從而為提升我國林業發展戰略的聯動性和協同性提供參考。因此，展開我國林業全要素生產率的收斂性研究，對推動林業事業高質量發展具有重要意義。【前人研究進展】目前，針對我國林業全要素生產率研究的文獻主要集中在以下2個方面：一是對林業全要素生產率進行測算研究。王玉芳和朱震鋒（2013）對黑龍江省國有林區林業生產率的變化進行動態評價及變化趨勢分析;劉振濱等（2014）基于福建省93個樣本農戶的微觀數據對林業全要素生產率進行測算;徐瑋等（2015）、張自強和李怡（2016）、史常亮等（2017）基于宏觀數據分別采用SFA-Malmquist方法、隨機前沿方法和Malmquist-DEA模型對我國林業全要素生產率進行測算，得出技術進步是我國林業全要素生產率增長的重要動力。二是從不同視角對林業全要素生產率進行研究。董婭楠等（2018）分析FDI對我國林業全要素生產率的影響;姜鈺和管時一（2018）從林業全要素生產率的空間集聚視角進行研究;揭昌亮和石峰（2019）從進出口貿易視角對我國林業全要素生產率的機理進行分析;魏肖杰和張敏新（2019）從林業產業集聚視角對我國林業全要素生產率的作用機制進行分析，得出林業全要素生產率的提升受資源保護手段、規模經營技術及金融發展水平等多種因素的影響。也有少量文獻對林業全要素生產率的收斂性進行了研究（姜鈺和管時一，2017），認為我國林業全要素生產率存在空間聚集現象。【本研究切入點】以往文獻為我國林業全要素生產率研究提供了重要的理論支撐，對林業生態循環體系的構建及經營具有重要意義，但主要采用普通面板，即使采用空間面板，也未考慮省份間的空間互動關系，且缺乏對空間效應的估計。【擬解決的關鍵問題】采用普通面板、空間誤差模型（SEM）和空間自回歸模型（SAR），分別對我國31個省份（不含港澳臺地區）林業全要素生產率的絕對β收斂和條件β收斂，進行檢驗及結果對比;采用經濟距離為空間權重矩陣，對林業全要素生產率的收斂速度和半生命周期進行計算，為促進林業聯動協同精準性政策的制定和執行提供依據。

1 數據來源與研究方法

1. 1 林業全要素生產率的測算

全要素生產率（TFP）是產出中扣除投入后增長的部分，其本質是技術的進步和管理方式的改善。在實證分析中，使用較多的是DEA（數據包絡）方法，其優勢在于無需設定生產函數，可處理多目標決策問題（張敏，2019）。本研究采用DEA-Malmquist指數對我國31個省份林業全要素生產率進行測算并分解，其基本原理是：

式中，Mi為i省份的林業全要素生產率D為決策單元，t為時期，若Mi大于1，則表示全要素生產率相對于前一期提高，反之則為降低。并可進一步分解：

式中，TEC表示技術效率，TC表示技術變化。

根據Fare的分解方法，可得出：

據此，DEA-Malmquist指數被分解為純技術效率（PTEC）、規模效率（SEC）和技術變化（TC）。

在投入產出指標選擇方面，本研究選取林業固定資產投入完成額作為資本投入，并參照張軍等（2004）的方法，采用永續盤存法對各年份的資本存量進行推算，具體計算公式為：

式中，Kit表示i省份在t時期的資本存量，σ為折舊率（取6%），Iit為i省份在t時期的固定資產投資額。

選取林業站長期工作人員數量作為勞動力投入;林業總產值作為產出，并依據相應年份的GDP平減指數進行平減。

1. 2 林業全要素生產率收斂性檢驗方法

對我國林業全要素生產率收斂性進行研究，主要是考察省域林業經濟發展的平衡性問題。若存在收斂性，則表明省域間的林業經濟發展差距呈不斷縮小趨勢;若呈現發散性，則表明差距在不斷擴大。收斂性的研究方法中使用較多的是β收斂，其又包含絕對β收斂和條件β收斂（黃安勝等，2014）。

1. 2. 1 絕對β收斂 絕對β收斂主要依據增長率與初始水平的關系進行判斷，若為負向關系，則表明存在絕對β收斂。其含義是林業全要素生產率水平較低省份的生產率增長速度要快于生產率較高省份，即隨著時間的推移，生產率較低省份會呈現出一定的追趕效應，最終各省份的全要素生產率水平產生趨同。絕對β收斂模型可表示為：

式中，T表示時期，[lnTFPiTTFPi0]表示i省份的全要素生產率在時期T期間的變化速度，TFPi0為i省份初始期的全要素生產率，TFPit為i省份在t期的全要素生產率。

由于以上模型未考慮各地區空間上的聯系，為了提高估計精度，在普通面板模型[公式（4）]中加入空間因素，分別建立空間誤差（SEM）和空間自回歸（SAR）模型，對收斂性做進一步檢驗。構建以下絕對β收斂模型：

（1）SEM絕對β收斂模型：

式中，λ為空間誤差項的系數，μ為隨機擾動項。

（2）SAR絕對β模型：

式中，ρ為空間滯后項的系數，W為空間權重矩陣，ε是隨機擾動項。

1. 2. 2 條件β收斂 由于絕對β收斂只考慮變量在某一時期與初始期的變量的關系，尚未考慮其他因素的影響，是以地區存在相同的經濟基礎為前提，因而存在一定的局限性。在其基礎上引入一些其他影響因素，表明各地區發展的初始水平不同，且受其他因素的影響，在這些因素的共同作用下促使各省份趨于各自的穩態水平。表達式為：

式中，T表示時期，Xi表示其他影響因素的控制變量集。同理，構建以下條件β收斂模型：

（1）SEM條件β收斂模型：

式中，λ為空間誤差項的系數，μ為隨機擾動項。

（2）SAR條件β收斂模型：

式中，ρ為空間滯后項的系數，W為空間權重矩陣，ε為隨機擾動項。

對于空間權重矩陣的選擇方面，文獻中使用較多的是地理距離。由于本研究的對象為省域林業經濟，不相鄰的省份間也可能存在經濟聯系，若采用地理距離可能造成有偏結論，因此選擇經濟距離構建空間權重矩陣（王赫和吳朝陽，2020）。

關于條件β收斂模型中的控制變量集，本研究選取如下變量：

（1）人力資本水平（HC）：分析林業全要素生產率的收斂性，其本質是林業經濟高質量發展問題，內生經濟增長理論表明，人力資本的積累是經濟增長的重要因素，因此選取人力資本水平變量。選取大專文化程度以上人數占長期職工人數的比例作為代理變量。

（2）外商投資（FDI）：外商投資作為林業經濟發展的重要融資渠道，為林業經濟發展提供了資金支持，因此將外商投資引入分析框架。以各地區實際利用外資額與林業總產值之比作為代理變量，并將實際利用外資額按照對應年份人民幣匯率中間價進行計算。

（3）造林能力（FSA）：改革開放以來，我國開展的造林行動實現了生態和林業經濟雙贏，因此選取造林能力變量。選取各地區重點工程每萬公頃的造林面積衡量。

（4）林業保護能力（FPC）：除培育造林外，對林業生態適度的保護是林業經濟可持續發展戰略的重要實現途徑（陳立新，2020）。選取各地區自然保護區的工作站數量作為代理變量。

1. 3 數據來源

本研究選擇2006—2018年我國31個省份的數據，數據來源于《中國林業統計年鑒》，少量缺失數據采用插值法補齊。

1. 4 統計分析

運用Max-DEA對林業全要素生產率進行測算，并用Stata 14.1對林業全要素的絕對收斂和條件收斂進行測算。

2 我國林業全要素生產率的測算及收斂性分析

2. 1 林業全要素生產率的測算結果與分解

從表1中的測算及分解結果中可看出，2006—2018年我國林業全要素生產率整體較平穩，但又呈現出一定的波動性。其中，在2008—2009、2009—2010和2015—2016年的林業全要素生產率值均小于1.000，其余年份值均大于1.000。究其原因：一方面2008年受臺風和洪澇災害的影響，另一方面，受美國次貸危機和金融風暴的影響，林業產業受創較嚴重，且影響持續到2010年;2015年全國降水量時空差異明顯，北方地區如河北、遼寧和山東等地的旱情較嚴重，南方地區則出現36次強降水過程，南方9省份洪澇和地質災害損失較重，人員受災和房屋倒損情況及直接經濟損失慘重。洪澇和地質災害致使樹木倒塌，樹木大量吸水，干木產出量變少，這些因素的疊加造成2015—2016年林業全要素生產率下降。從分解的數據來看，林業全要素生產率的提升在2006—2011年主要依靠技術進步的推動，在2011年以后則主要依靠技術效率的提高繼續推動林業全要素生產率提升及林業經濟高質量發展。

2. 2 我國林業全要素生產率的Morans I值結果

在收斂性分析前，首先采用Morans I統計量進行空間自相關檢驗，公式為：

其中，Wij為空間權重矩陣，樣本方差

從表2可知，我國林業全要素生產率的Morans I值在2006—2018年的12年間有11年通過1%或5%水平上的顯著性檢驗，且均為正值，表明我國林業全要素生產率存在較強的正向空間自相關特征，因此，在研究我國林業全要素生產率問題時應考慮地區間的集聚性，對其收斂性分析可采用空間計量方法。

2. 3 我國林業全要素生產率的絕對β 收斂檢驗結果

采用普通面板模型和空間計量模型分別對省域林業全要素生產率進行收斂性檢驗。首先采用Hausman檢驗，以判定應采用個體效應還是固定效應模型，Hausman檢驗的結果為正值，表明應采用固定效應模型進行估計;空間計量模型的識別通常利用LM檢驗。經檢驗，LM lag、R-LM lag統計量的值分別為1.1871和6.5412，LM error、R-LM error統計量的值分別為3.7481和7.8159，分別通過10%、5%和1%水平上的顯著性檢驗，表明殘差存在空間相關性。最后，分別采用普通面板、SEM模型和SAR模型對林業全要素生產率進行收斂性檢驗。

從表3可看出，使用3個模型的lnTFPi0系數符號一致，均為負值，且均在1%水平下顯著差異;從系數大小來看，3個模型中lnTFPi0的系數差別不明顯，說明我國林業全要素生產率存在絕對β收斂，即省域林業全要素生產率間的差距有不斷縮小的趨勢。從收斂速度來看，普通面板模型的收斂速度為0.0457，在加入了空間因素后，收斂速度分別為0.0692（SEM模型）和0.0576（SAR模型），速度明顯加快。從半生命周期的結果來看，普通面板模型得出的結果為19.363年，在加入空間因素后，分別為13.541（SEM模型）和15.650（SAR模型）年，意味著追趕的期限有所縮短。從SEM模型和SAR模型的空間誤差項系數和空間滯后性系數來看，均顯著且為正值，說明在進行收斂性研究中，不能忽略空間因素。

2. 4 我國林業全要素生產率的條件β收斂檢驗結果

條件β收斂與絕對β收斂的區別在于是否假定省域林業經濟發展間存在相同的初始條件，由于我國領土廣闊，地域差異顯著，不僅表現在各地區在自然條件和人文條件等方面，在人力資本和投入方面也存在顯著差異，假定各省份的林業發展存在相似發展條件這一假設過于苛刻，因此需要將這些影響因素均納入到全要素生產率的收斂性分析中?；趯κ諗啃杂绊懸蛩睾蛿祿目傻眯?，本研究納入人力資本水平、外商投資、造林能力和林業保護能力4項因素進行條件β收斂估計。在模型選擇上，首先進行Hausman檢驗，結果依然為正值，說明仍然應選擇固定效應模型，接著進行LR檢驗，檢驗結果顯示（112.3001，0.0000）和（79.9266，0.0000），因此應選擇雙固定效應模型。然后使用LM檢驗，LM lag、R-LM lag統計量的值分別為7.6336和2.0970，LM error、R-LM error統計量的值分別為8.0721和0.9902，分別在10%和5%的水平上顯著，表明殘差存在空間相關性。最后，采用普通面板、SEM模型和SAR模型分別進行估計，估計結果見表4。

從表4的條件β收斂檢驗結果可看出，3個模型lnTFP0t-1的系數均顯著為負值，說明在加入人力資本、外商投資、造林能力和林業保護能力等影響因素后，林業全要素生產率依然呈現出收斂趨勢。從收斂速度來看，普通面板模型的收斂速度為0.0646，在加入空間因素后，收斂速度分別為0.0830和0.0759（SAR模型），速度明顯加快。從半生命周期的結果來看，普通面板模型得出的結果為14.182年，在加入空間因素后，分別為11.944（SEM模型）和12.679（SAR模型）年，意味著追趕的時間有所縮短。

從以上4個控制變量的估計結果來看，人力資本、外商投資、造林能力和林業保護能力4個變量的系數均在3個模型中，分別在10%、5%和1%水平上顯著且為正值，說明這4個因素對省域林業全要素生產率的收斂均呈正向影響;從系數大小來看，人力資本和外商投資2項因素的系數較小，造林能力和林業保護能力的系數值較大，說明在我國林業經濟發展中，雖然已在人力水平不斷提升和外商投資引入等方面發揮一定積極作用，但其作用的發揮還存在較大提升空間;同時表明我國林業的造林能力較大、保護力度較強。我國林業全要素生產率絕對β收斂估計與條件β收斂的結果相比，二者均得出省域林業經濟全要素生產率存在收斂性，即省域林業經濟高質量發展的差距在不斷縮小。同時，與絕對β收斂相比，條件β收斂在加入4項影響因素后，其收斂速度較之前均加快，半生命周期較之前也明顯縮短，意味著省域林業經濟發展不僅受到各地區初始經濟水平的影響，還受到諸如人力資本投入、外商投資及造林護林等各方面因素的影響（曾芳芳，2020）。

3 討論

對產業全要素生產率的定量研究中，主要是進行收斂性分析，絕對β收斂和條件β收斂則成為分析全要素生產率主要手段。史常亮等（2017）介紹了β收斂具體理論和運用方法，并對其進行收斂性檢驗及分析人均收入收斂模式。在林業轉型和推動林業高質量發展的背景下，本研究利用DEA-Malmquist指數的實證模型，基于2006—2018年我國林業省域數據，對林業全要素生產率進行測算，最后，分別構建普通面板模型、SEM模型和SAR模型，并進行絕對β收斂和條件β收斂檢驗，實證結果顯示：我國林業全要素生產率既存在絕對收斂，也存在條件收斂。即省域林業高質量發展的差距呈不斷縮小趨勢，達到相對平衡的狀態，與姜鈺和管時一（2017）的研究結果基本一致。同時空間因素對省域林業發展之間也具有顯著影響，在加入空間因素后，收斂速度明顯增快，各地區林業發展追趕的期限也有所縮短。因此，各地區林業發展存在密切聯系，且呈現出差異降低的趨同趨勢。

此外，本研究在條件β收斂分析中加入了人力資本、外商投資、造林能力和林業保護能力等4項因素，結果發現均對林業全要素生產率的收斂性有顯著作用，其中造林能力和林業保護效果明顯，而人力資本和外商投資貢獻作用不明顯，有一定的上升空間。董婭楠等（2018）研究認為林業經濟發展還受到林業基礎設施、初期水平發展、物質基礎、自然生態條件及相關政策等多因素的影響;史常亮等（2017）認為收斂性分析的優點主要是能準確判斷區域之間的變化，因此一般用于區域經濟發展之間變動情況。本研究利用了絕對β收斂和條件β收斂檢驗，更能準確判斷區域之間林業全要素發展的變化;但研究中運用Morans I指數值雖然從某種程度上能總體判斷出空間的關系，但也存在一定限制性，主要是不能明確每個省份與周邊省份存在具體哪一種關系，也未明確區域之間林業全要素生產率指數的局域空間相關性特征。

4 建議

4. 1 因地制宜發展林業產業，推動區域平衡發展

我國林業全要素生產率受到地區初始發展水平的影響，因此，各地區應充分發揮自身地理優勢和區域特點，提升林業高質量發展水平，不斷縮小各地區發展差距，實現地區林業經濟發展平衡（許乃軍，2020）。東部地區林業發展的自然條件和經濟基礎較好，尤其是廣東、福建、山東和江蘇等地區，人造板和竹地板產量分別占全國的58.46%和64.87%;中部地區作為東部和西部的過渡地帶，在林業發展中有較大潛力，油茶林面積占全國的67.43%，木本油料和木本藥材等是這一區域的特色產業;西部地區專業化程度和林業集中度較高，但與東部和中部地區相比還存在一定差距。因此，各地應該依托現有基礎條件，因地制宜，將特色產業進一步優化，細分市場，精準定位，實現特別產業優化升級的基礎上，開辟新的林業經濟增長點，最終實現林業產業整體高質量發展的目標。

4. 2 加大人力資本提升和外商投資投入，促使林業持續發展

本研究證實，人力資本和外商投資均為促進林業經濟持續發展的重要因素，國家林業局也先后以政策和綱要的形式下發推動林業人才隊伍和鼓勵外商在林業投資的相關文件。在人力資本提升方面，應從長遠戰略考慮，注重人才建設的專業化和系統化;在外商投資方面，由于資本的逐利性和林業具備的生態性特征，鼓勵外商投資的同時，應加強監管，如與自貿區負面清單模式對接，調整和完善相關法律法規等，兼顧林業經濟價值與生態價值，確保林業實現可持續發展。

4. 3 打破區域限制，促使要素自由流動，實現林業全面發展

我國林業發展存在顯著的空間互動關系，各地區林業發展不是割裂的，林業發展上的空間互動，不僅體現在資金和設備等硬件要素上實現跨區域的自由流動，還體現在人才和技術等軟件方面的密切交流。林業發展良好的東部和中部地區可定期舉辦交流活動，實現先進地區示范效應和模仿效應，向西部欠發達地區提供先進的技術和管理經驗，在結合地區自身條件的基本上，發展特色產業，形成良性互動，最終實現林業產業的全面發展。

參考文獻：

陳立新. 2020. 新時期營造林技術在林業發展中的應用探析[J]. 新農業，（17）：34. [Chen L X. 2020. The application of afforestation technology in forestry development in the new period[J]. New Agriculture，（17）：34.]

董婭楠，繆東玲，程寶棟. 2018. FDI對中國林業全要素生產率的影響分析——基于DEA-Malmquist指數法[J]. 林業經濟，40（4）：39-45. doi：10.13843/j.cnki.lyjj.2018.04.006. [Dong Y N，Miao D L，Cheng B D. 2018. Analysis on the impact of FDI on Chinas forestry total factor productivity—Based on DEA-Malmquist[J]. Forestry Economics，40（4）：39-45.]

黃安勝，林群，蘇時鵬，許佳賢，張春霞，吳俊媛. 2014. 多重目標下的中國林業技術效率及其收斂性分析[J]. 世界林業研究， 27（5）：55-60. doi：10.13348/j.cnki.sjlyyj.2014. 05.010. [Huang A S，Lin Q，Su S P，Xu J X，Zhang C X，Wu J Y. 2014. A study of multiobjective-based forestry technical efficiency in China and its convergence analysis[J]. World Forestry Research，27（5）：55-60.]

姜鈺，管時一. 2017. 中國林業全要素生產率的時空差異及空間收斂性分析[J]. 林業經濟問題，37（2）：86-91. doi：10. 16832/j.cnki.1005-9709.2017.02.016. [Jiang Y，Guan S Y. 2017. Space-time differences and spatial convergence of forestry total factor productivity in China[J]. Issues of Forestry Economics，37（2）：86-91.]

姜鈺，管時一. 2018. 中國林業全要素生產率的時空演變及集聚特征分析[J]. 華東經濟管理，32（2）：117-121. doi：10. 19629/j.cnki.34-1014/f.170627009. [Jiang Y，Guan S Y. 2018. An analysis on the spatial-temporal evolution and agglomeration characteristics of forestry total factor productivity in China[J]. East China Economic Management，32（2）：117-121.]

揭昌亮，石峰. 2019. 進出口貿易影響我國林業全要素生產率的機理分析？[J]. 林產工業，46（4）：43-47. doi：10.19531/j.issn1001-5299.201904009. [Jie C L，Shi F. 2019. Me-chanism analysis of the influence of import and export trade on total factor productivity of forestry in China[J]. China Forest Products Industry，46（4）：43-47.]

劉振濱，蘇時鵬，鄭逸芳，黃森慰. 2014. 林改后福建省不同經營規模林業全要素生產率差異分析[J]. 林業經濟，36（7）：55-59. doi：10.13843/j.cnki.lyjj.2014.07.009. [Liu Z B，Su S P，Zheng Y F，Huang S W. 2014. Analysis the differences of Fujian farmer forestry TFP in different operation scale after the reform of forest property right system[J]. Forestry Economics，36（7）：55-59.]

史常亮，揭昌亮，石峰，溫亞利. 2017. 中國林業技術效率與全要素生產率增長分解——基于SFA-Malmquist方法的估計[J]. 林業科學，53（12）：126-135. doi：10.11707/j.1001-7488.20171214. [Shi C L，Jie C L，Shi F，Wen Y L. 2017. Estimation of the technical efficiency and the decomposition of TFP of Chinese forestry： Basing on SFA-Malmquist method[J]. Scientia Silvae Sinicae，53（12）：126-135.]

王赫，吳朝陽. 2020. 經濟差距對創新溢出與技術交流的影響——基于經濟距離矩陣的空間計量研究[J]. 經濟問題，（9）：78-84. doi：10.16011/j.cnki.jjwt.2020.09.010. [Wang H，Wu Z Y. 2020. How economic gap affect innovation spillover and technology communication：A spatial econometrics research based on economic distance matrix[J]. On Economic Problems，（9）：78-84.]

王玉芳，朱震鋒. 2013. 黑龍江省國有林區林業生產率變化研究——2000～2009年天然林資源保護工程期實證分析[J]. 林業經濟問題，33（1）：1-7. doi：10.16832/j.cnki.1005-9709.2013.01.001. [Wang Y F，Zhu Z F. 2013. Study on forestry productivity changing in the state-owned forest region of Heilongjiang Province—An empirical analysis based on natural forest resources protection project（2000-2009）[J]. Issues of Forestry Economics，33（1）：1-7.]

魏肖杰，張敏新. 2019. 林業產業集聚對中國林業全要素生產率作用機制——基于動態空間計量模型的實證分析[J]. 世界林業研究，32（3）：1-7. doi：10.13348/j.cnki.sjlyyj. 2019.0037.y. [Wei X J，Zhang M X. 2019. The mechanism of forestry industry agglomeration on Chinas fore-stry total factor productivity：An empirical analysis based on a dynamic spatial econometric model[J]. World Forestry Research， 32（3）：1-7.]

許乃軍. 2020. 林業自然保護區經濟價值與生態價值協調統一的策略[J]. 經濟師，（9）：285-286. [Xu N J. 2020. Strategies for the coordination and unification of econo-mic value and ecological value of forestry nature reserves[J]. China Economist，（9）：285-286.]

徐瑋，馮彥，包慶豐. 2015. 中國林業生產效率測算及區域差異分析——基于Malmquist-DEA模型的省際面板數據[J]. 林業經濟，37（5）：85-88. doi：10.13843/j.cnki.lyjj. 2015.05.017. [Xu W，Feng Y，Bao Q F. 2015. Chinas forestry production efficiency calculation and the analysis of regional difference—Based on Malmquist-DEA model provincial panel data[J]. Forestry Economics，37（5）：85-88.]

曾芳芳. 2020. 基于灰色關聯的福建林業產業增長影響因素分析[J]. 云南農業大學學報（社會科學），14（5）：41-46. doi：10.3969/j.issn.1004-390X（s）.202001047. [Zeng F F. 2020. The influencing factors of fujian forestry industry based on grey dynamic relevance analysis[J]. Journal of Yunnan Agricultural University（Social Science），14（5）：41-46.]

張敏. 2019. 中國零售企業全要素生產率增長城鄉差異分析[J]. 統計研究，36（12）：81-93. doi：10.19343/j.cnki.11-1302/c.2019.12.007. [Zhang M. 2019. An analysis on the urban-rural difference of total factor productivity growth of Chinese retail enterprises[J]. Statistical Research，36（12）：81-93.]

張軍，吳桂英，張吉鵬. 2004. 中國省際物質資本存量估算：1952—2000[J]. 經濟研究，（10）：35-44. doi：cnki：sun：jjyj.0.2004-10-004. [Zhang J，Wu G Y，Zhang J P. 2004. The estimation of Chinas provincial capital stock：1952-2000[J]. Economic Research Journal，（10）：35-44.]

張自強，李怡. 2016. 營林業全要素生產率增長的測算及其分解——來自27個省級面板數據的分析[J]. 干旱區資源與環境，30（12）：89-94. doi：10.13448/j.cnki.jalre.2016. 388. [Zhang Z Q，Li Y. 2016. Estimation and decomposition about the total factor productivity growth of timber industry[J]. Journal of Arid Land Resources and Environment，30（12）：89-94.]

（責任編輯 鄧慧靈）