胡晨沛

(浙江工商大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，杭州 310018)

中國省域林業(yè)生產(chǎn)要素產(chǎn)出彈性測度
——基于空間計量經(jīng)濟模型的實證研究

胡晨沛

(浙江工商大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，杭州 310018)

基于中國31個省份2015年林業(yè)投入產(chǎn)出數(shù)據(jù)，在考慮省域空間聯(lián)系因素的情況下，建立空間計量經(jīng)濟模型對中國林業(yè)要素產(chǎn)出彈性進行測度。研究結(jié)果表明：中國31個省份的林業(yè)產(chǎn)出存在顯著的空間相關(guān)性，與傳統(tǒng)的估計方法相比，空間計量模型能夠揭示中國省域林業(yè)產(chǎn)出的空間相關(guān)性，能更準(zhǔn)確地測度林業(yè)生產(chǎn)要素的產(chǎn)出彈性；在考慮省域空間聯(lián)系因素之后發(fā)現(xiàn)，勞動力投入對林業(yè)產(chǎn)出的彈性為0.404，資本投入對林業(yè)產(chǎn)出的彈性為0.682，說明資本投入對林業(yè)產(chǎn)出的貢獻大于林業(yè)勞動力投入的貢獻。最終提出制定區(qū)域林業(yè)生產(chǎn)激勵政策、建立區(qū)域統(tǒng)籌協(xié)調(diào)發(fā)展的林業(yè)生產(chǎn)合作機制等政策建議。

林業(yè)經(jīng)濟；空間計量；產(chǎn)出彈性；空間誤差模型

集體林權(quán)改革自2008年中共中央第十號文件出臺之后，已經(jīng)正式成為一種具有官方性質(zhì)的政府行為，同時也是繼土地改革之后，中國在農(nóng)村地區(qū)實行的又一重大改革舉措，對于解放農(nóng)村地區(qū)林業(yè)生產(chǎn)力，促進社會主義新農(nóng)村建設(shè)具有重要作用。林業(yè)產(chǎn)業(yè)作為中國國民經(jīng)濟中的重要組成部分，在創(chuàng)造經(jīng)濟價值的同時能夠產(chǎn)生巨大的生態(tài)效益和社會效益，對中國貫徹和執(zhí)行“綠水青山就是金山銀山”的“兩山”理論起到了重要的作用。中國林業(yè)產(chǎn)業(yè)在近年來得到了迅速的發(fā)展，林業(yè)產(chǎn)業(yè)總產(chǎn)值從2006年的1.065萬億元增長到2015年的5.936萬億元，年均增長率超過了20%，且三大產(chǎn)業(yè)結(jié)構(gòu)比例日趨合理。在林業(yè)產(chǎn)值持續(xù)穩(wěn)定增長背后，勞動力、資本、土地作為林業(yè)經(jīng)濟發(fā)展過程中的重要要素投入，它們會對林業(yè)產(chǎn)出造成怎樣的影響？中國林業(yè)經(jīng)濟的發(fā)展是處于規(guī)模報酬遞增還是遞減的階段？對這些問題進行探討，無論是對中國林業(yè)經(jīng)濟發(fā)展還是對學(xué)術(shù)界就這一領(lǐng)域問題進行進一步探索都具有重要的意義。Solow采用總量生產(chǎn)函數(shù)模型對經(jīng)濟增長進行核算，為后期研究的開展奠定了重要的基礎(chǔ)[1]，國內(nèi)學(xué)者基于這一模型對中國各產(chǎn)業(yè)的產(chǎn)出增長進行了測算，同時利用各類生產(chǎn)函數(shù)模型對要素產(chǎn)出彈性進行了估計[2-5]。相對于其他產(chǎn)業(yè)要素產(chǎn)出彈性研究而言，對林業(yè)要素產(chǎn)出彈性的研究相對較少，且研究結(jié)論不盡相同[6-10]。通過初步的文獻梳理發(fā)現(xiàn)，已有研究在對各區(qū)域的林業(yè)要素產(chǎn)出彈性進行估計時，忽略了林業(yè)產(chǎn)出在空間上可能存在的相關(guān)關(guān)系，即便是利用面板數(shù)據(jù)進行測度的研究，也是假定各個區(qū)域相互獨立的前提條件，會因此造成產(chǎn)出彈性估計結(jié)果有偏。為了更加準(zhǔn)確地對中國林業(yè)要素投入產(chǎn)出彈性進行估計，為這一領(lǐng)域研究提供有益參考，就空間相關(guān)性分析和空間計量模型的運用這一問題展開進一步研究。

1 材料與方法

1.1 數(shù)據(jù)來源與變量選擇

數(shù)據(jù)來源于《中國林業(yè)統(tǒng)計年鑒2015》。省域林業(yè)產(chǎn)出變量作為被解釋變量，使用各省的林業(yè)總產(chǎn)值(億元)進行衡量。對于林業(yè)生產(chǎn)過程中要素的投入，除了勞動和資本之外，還引入土地要素投入作為解釋變量進行研究，這一數(shù)據(jù)選用各省的林地面積(萬hm2)進行衡量。而對于勞動要素投入的衡量上，更準(zhǔn)確的做法應(yīng)當(dāng)是采用林業(yè)勞動者的工作時間作為變量數(shù)據(jù)，但由于林業(yè)勞動力的勞動投入時間缺少準(zhǔn)確的數(shù)據(jù)，因此只能用各省林業(yè)系統(tǒng)年末人數(shù)(人)作為林業(yè)勞動投入的代理變量。林業(yè)資本投入變量選取各省林業(yè)投資完成情況(萬元)進行衡量。

1.2 分析方法

1.2.1 林業(yè)產(chǎn)出空間相關(guān)性的檢驗方法

中國區(qū)域間的林業(yè)生產(chǎn)要素存在較大的空間流動性。隨著近年來碳匯交易市場等模式的不斷完善，林業(yè)產(chǎn)出的跨區(qū)域流動性得到了進一步的加強，導(dǎo)致區(qū)域間的林業(yè)產(chǎn)出存在潛在的空間相關(guān)性，因此需要對中國省域林業(yè)產(chǎn)出的空間相關(guān)性進行研究。空間相關(guān)性檢驗最常用的方法是基于Moran’s I統(tǒng)計系數(shù)的檢驗方法，其計算方法類似于通常應(yīng)用的兩個變量之間相關(guān)系數(shù)的計算方法，主要區(qū)別在于Moran’s I的計算方法是基于特定位置的觀測變量值與其鄰近觀測單元的同一觀測變量值的空間加權(quán)平均值之間的相關(guān)系數(shù)，也稱為觀測變量與其空間滯后變量之間的自相關(guān)系數(shù)，全局Moran’s I計算公式為：

⑴

需要說明的是，全局Moran’s I指數(shù)檢驗的是研究對象整體上的空間相關(guān)性，卻無法具體刻畫各個省域在空間相關(guān)性上所表現(xiàn)出的差異，同時當(dāng)一部分省域的林業(yè)產(chǎn)出表現(xiàn)為正相關(guān)而另一部分省域的林業(yè)產(chǎn)出為負相關(guān)時，全局Moran’s I指數(shù)可能會因此而抵銷，導(dǎo)致無法準(zhǔn)確檢驗是否存在局域的空間相關(guān)性以及林業(yè)產(chǎn)出的空間異質(zhì)性。因此需要進一步計算局域Moran’s I指數(shù)對局域的空間相關(guān)性，作為局域Moran’s I指數(shù)更為直觀的展示。而LISA集聚圖是廣泛應(yīng)用于衡量局部空間相關(guān)性的一種方法。當(dāng)局域空間相關(guān)性通過一定水平的顯著性檢驗時，說明該區(qū)域存在顯著的空間相關(guān)性，而這種顯著的空間相關(guān)性稱之為空間集聚效應(yīng)。

1.2.2 林業(yè)產(chǎn)出空間相關(guān)性的權(quán)重選擇

在對林業(yè)產(chǎn)出的空間相關(guān)性進行分析時，需要確定空間權(quán)重矩陣W，傳統(tǒng)的空間權(quán)重矩陣設(shè)定方式主要有二進制鄰近、K最近鄰近和距離閾值3種。采用兩種不同的空間權(quán)重設(shè)定方法建立空間權(quán)重矩陣：⑴二進制空間鄰近矩陣的Rook準(zhǔn)則。二進制鄰近又具體分為車式(Rook)準(zhǔn)則和后式(Queen)準(zhǔn)則，當(dāng)兩個地域單元之間存在公共邊界時，空間權(quán)重賦值為1，定義這種鄰接關(guān)系為車式鄰接，而當(dāng)兩個地域單元之間存在公共邊界或公共定點時，將這種鄰接關(guān)系定義為后式鄰接，考慮到中國各省份之間的鄰接方式多為車式鄰接，因此在采用二進制鄰近方法確定空間權(quán)重矩陣時，遵循Rook準(zhǔn)則進行設(shè)定。在計算Moran’sI時，以權(quán)重WRooki代表不同階數(shù)(i=1，2，3)的Rook準(zhǔn)則。⑵距離閾值準(zhǔn)則。距離閾值方法是首先給定一個距離閾值d，當(dāng)兩個區(qū)域之間的距離小于閾值d時，空間權(quán)重賦值為1，否則賦值為0。在計算Moran’sI時，以權(quán)重WDi代表不同距離閾值Di的權(quán)重準(zhǔn)則，距離自D1到D3依次遞增。

1.3 模型選擇

1.3.1 省域林業(yè)生產(chǎn)函數(shù)的空間滯后模型

考慮到林地要素的投入對林業(yè)產(chǎn)出有較大影響，因此在傳統(tǒng)柯布—道格拉斯生產(chǎn)函數(shù)(C-D生產(chǎn)函數(shù))的基礎(chǔ)上，加入土地要素進行分析。由于某一區(qū)域林業(yè)產(chǎn)出的水平在受到本地區(qū)要素投入影響的同時，可能會在一定程度上還受到其周邊地區(qū)產(chǎn)出水平空間溢出作用的影響，為了更加準(zhǔn)確估計不同生產(chǎn)要素對省域林業(yè)產(chǎn)出的影響，從空間計量回歸模型的角度出發(fā)，構(gòu)建省域林業(yè)生產(chǎn)函數(shù)的空間滯后模型(Spatial Lag Model，SLM)：

lnY=lnA+ρWlnY+αlnL+βlnK+γlnS+μ

⑵

式中W代表空間權(quán)重矩陣；WlnY為空間滯后變量，代表鄰近區(qū)域林業(yè)產(chǎn)出變量在空間權(quán)重矩陣條件下的加權(quán)求和；ρ為空間相關(guān)系數(shù)，代表林業(yè)產(chǎn)出的空間溢出效應(yīng)；Y代表經(jīng)濟產(chǎn)出；A代表生產(chǎn)技術(shù)水平；L代表投入的勞動力數(shù)量；K代表投入的資本量；S代表林業(yè)土地投入量，α、β、γ分別代表勞動、資本和土地的產(chǎn)出彈性系數(shù)；μ代表模型的隨機干擾項。

1.3.2 省域林業(yè)生產(chǎn)函數(shù)的空間誤差模型

空間誤差模型(Spatial Error Model，SEM)主要用于判斷模型誤差項是否存在空間相關(guān)性，與空間滯后模型僅考慮鄰近省域林業(yè)產(chǎn)出所帶來的影響不同，空間誤差模型更多考慮的是研發(fā)、氣候、產(chǎn)業(yè)政策等未被觀測到的因素對鄰近地區(qū)林業(yè)產(chǎn)出水平在空間上的影響 。通過存在于模型誤差項中的空間依賴性來測度鄰近省份林業(yè)產(chǎn)出行為對某一省份林業(yè)產(chǎn)出行為的影響，所構(gòu)建的省域林業(yè)生產(chǎn)函數(shù)的空間誤差模型與傳統(tǒng)模型不同的是：省域林業(yè)生產(chǎn)函數(shù)的空間誤差模型除了將自身勞動和資本投入作為變量進入模型之外，同時還考慮了各個省份未被觀測到因素對周邊省份林業(yè)產(chǎn)出的影響。模型可表示為：

lnY=lnA+αlnL+βlnK+γlnS+ε

⑶

式中ε=λWε+μ，λ代表省域林業(yè)產(chǎn)出的空間誤差溢出效應(yīng)，其余符號含義與⑵式相同。

1.4 檢驗方法

首先在利用最小二乘法對包含勞動、土地和資本3種生產(chǎn)要素的林業(yè)生產(chǎn)函數(shù)進行估計的基礎(chǔ)之上，進行Moran’s I誤差檢驗。然后利用拉格朗日乘子(LM)及其穩(wěn)健性(Robust LM)檢驗對空間滯后模型和空間誤差模型進行選擇。

2 結(jié)果與分析

2.1 區(qū)域林業(yè)產(chǎn)出空間分布具有正向相關(guān)性和空間異質(zhì)性，研究區(qū)域林業(yè)產(chǎn)出問題不應(yīng)忽視空間效應(yīng)在兩種不同權(quán)重設(shè)定方式下計算的全局Moran’s I指數(shù)的結(jié)果如表1所示。隨著Rook鄰近準(zhǔn)則從低階的Rook1到高階的Rook3，區(qū)域林業(yè)產(chǎn)出空間自相關(guān)性的全局Moran’s I指數(shù)及其顯著性均出現(xiàn)了不同程度的降低，說明隨著距離的增大，空間相關(guān)性呈現(xiàn)出減弱的趨勢；基于不同距離閾值矩陣計算的全局Moran’s I指數(shù)，當(dāng)閾值設(shè)定為D1時，空間自相關(guān)性最為顯著，表明區(qū)域產(chǎn)出的空間依賴性非常顯著。因此，在研究區(qū)域林業(yè)產(chǎn)出問題時空間效應(yīng)不應(yīng)當(dāng)被忽視。

表 1 中國省域林業(yè)產(chǎn)出全局Moran’s I指數(shù)分析Table 1 Global Moran’s I index of provincial forestry output in China

圖 1 基于WD1的Moran’s I指數(shù)散點圖Figure 1 Scatter plot of Moran’s I based on WD1

在以距離閾值準(zhǔn)則建立的空間權(quán)重矩陣中，只有D1權(quán)重的全局Moran’s I指數(shù)能夠通過5%的顯著性檢驗。大多數(shù)的樣本點分布在第一象限(圖1)，說明31個省域的林業(yè)產(chǎn)出在空間上整體呈現(xiàn)出高值區(qū)與高值區(qū)相鄰的情況，即省域林業(yè)產(chǎn)出在空間分布上呈現(xiàn)出顯著的正向相關(guān)性和空間異質(zhì)性的特征。

2.2 各個省份林業(yè)產(chǎn)出空間差異明顯，正向局域相關(guān)和集聚的 典型特征較為顯著

全局Moran’s I指數(shù)檢驗結(jié)果(表1)雖已表明各省的林業(yè)產(chǎn)出在整體上表現(xiàn)出的空間自相關(guān)性，但全局Moran’s I指數(shù)無法進一步說明各省林業(yè)產(chǎn)出的局域空間集聚性和局域的空間自相關(guān)特征。因此，為了了解中國省域林業(yè)產(chǎn)出的局部空間相關(guān)特征，必須繼續(xù)繪制反映Moran’s I指數(shù)的LISA集聚圖對省域林業(yè)產(chǎn)出的局部空間相關(guān)特征進行分析。

圖 2 基于WD1的31個省域林業(yè)產(chǎn)出空間LISA集聚圖Figure 2 LISA of 31 provincial forestry output based on WD1

中國東部沿海一帶及中部部分省份的林業(yè)產(chǎn)出呈現(xiàn)出明顯的高—高空間集聚效應(yīng)。浙江、福建、廣東、廣西、湖南、湖北、安徽、江西、山東、河南等省份的林業(yè)產(chǎn)出表現(xiàn)為高產(chǎn)出的省份被高產(chǎn)出的省份所包圍(圖2)；而貴州、上海和海南由于自身省份的林業(yè)產(chǎn)出水平較低，又與高產(chǎn)出省份距離接近，因此表現(xiàn)為低林業(yè)產(chǎn)出的省份被高產(chǎn)出的省域所包圍，即低—高集聚；呈現(xiàn)高—低集聚和低—低集聚現(xiàn)象的省份則相對較少，新疆表現(xiàn)出自身產(chǎn)出水平較高，但鄰近城市產(chǎn)出水平較低的高—低集聚，而甘肅則表現(xiàn)為低產(chǎn)出水平被低產(chǎn)出省份所包圍的低—低空間集聚，其余省份的空間集聚效應(yīng)則并未通過顯著性檢驗?？傮w而言，中國各個省份(香港、澳門、臺灣等因未對其研究而不包括，下同)林業(yè)產(chǎn)出空間差異明顯，正向局域相關(guān)和集聚的典型特征較為顯著。

2.3 中國省域林業(yè)產(chǎn)出的空間計量經(jīng)濟模型分析

通過對全局和局部Moran’s I指數(shù)分析可以發(fā)現(xiàn)中國省域林業(yè)產(chǎn)出存在較為明顯的空間相關(guān)性，但是與傳統(tǒng)的相關(guān)分析類似，僅僅通過計算Moran’s I指數(shù)難以明確展示出各種生產(chǎn)要素投入對省域林業(yè)產(chǎn)出的決定作用及影響大小。Moran’s I誤差檢驗結(jié)果顯示：在最小二乘法下的回歸結(jié)果殘差存在較強的空間相關(guān)性，Moran’s I 誤差無論是在三要素生產(chǎn)函數(shù)還是兩要素生產(chǎn)函數(shù)中均在1%的顯著性水平下通過顯著性檢驗。LM及Robust LM檢驗結(jié)果表明：在將土地要素考慮進入模型的情況下，空間誤差模型更為可取，而在進行傳統(tǒng)的兩要素生產(chǎn)函數(shù)模型估計時，無論是空間誤差模型還是空間滯后模型，均通過5%的拉格朗日乘子檢驗(略去)。因此，需要同時建立空間滯后模型和空間誤差模型進行分析。

就模型整體估計效果而言，相對于OLS和SLM的估計結(jié)果(表2)，空間誤差模型(SEM)擁有最高的擬合優(yōu)度，R2達到57.39%；對數(shù)似然值為-43.656，大于另外兩個模型的對數(shù)似然值；模型的赤池信息標(biāo)準(zhǔn)(AIC)和施瓦茨準(zhǔn)則(SC)也最小，說明空間誤差模型的建立是合理的。同時λ的估計結(jié)果通過了1%的顯著性水平檢驗，進一步說明引入空間權(quán)重矩陣建立空間計量回歸模型是必要的。此外，土地要素在3個模型中均未通過10%的顯著性檢驗，產(chǎn)生這一現(xiàn)象的原因可能有兩個：第一，土地要素變量其他變量之間存在共線性問題，因為相關(guān)分析結(jié)果顯示土地要素與資本要素的相關(guān)系數(shù)達到0.745；第二，在現(xiàn)階段林地面積的增加對林業(yè)產(chǎn)出的貢獻已經(jīng)非常有限。因為在剔除土地要素之后，采用相同的方法對兩要素林業(yè)生產(chǎn)函數(shù)空間誤差模型進行估計的結(jié)果顯示：林業(yè)勞動產(chǎn)出彈性為0.404，通過了5%的顯著性水平檢驗，而林業(yè)資本產(chǎn)出彈性為0.682，通過1%的顯著性水平檢驗。此外，在三變量生產(chǎn)函數(shù)估計結(jié)果中，土地要素對省域林業(yè)產(chǎn)出彈性估計結(jié)果為負，并且未通過顯著性檢驗，這與已有關(guān)于農(nóng)林業(yè)土地要素產(chǎn)出彈性的研究結(jié)果相一致[11-12]。與三要素生產(chǎn)函數(shù)估計結(jié)果相比，兩要素生產(chǎn)函數(shù)產(chǎn)出彈性具有一定程度的減小，但未改變土地要素對林業(yè)經(jīng)濟產(chǎn)出沒有顯著影響這一基本研究結(jié)論。

表 2 基于WD1空間權(quán)重的不同模型回歸結(jié)果Table 2 Results of different model regression based on WD1

說明：、、分別代表在10%、5%、1%顯著性水平上顯著，即在一定程度上顯著、顯著、極顯著。

綜上所述，利用2015年中國省域林業(yè)投入產(chǎn)出截面數(shù)據(jù)，在傳統(tǒng)最小二乘法估計的結(jié)果之上，考慮省域之間的空間聯(lián)系，對中國林業(yè)投入產(chǎn)出彈性進行再估計。首先對中國省域林業(yè)產(chǎn)出的空間相關(guān)存在性進行檢驗，研究結(jié)果表明：中國省域林業(yè)產(chǎn)出存在明顯的空間集聚效應(yīng)；在此基礎(chǔ)之上，采用空間計量回歸模型對中國林業(yè)生產(chǎn)函數(shù)的各要素產(chǎn)出彈性進行估計的結(jié)果表明：中國31個省域的林業(yè)產(chǎn)出無論從全局看還是從局部看均呈現(xiàn)出較強的空間集聚效應(yīng)，由此可以說明中國省域林業(yè)產(chǎn)出存在較強的空間相關(guān)性；通過對要素產(chǎn)出彈性的估計發(fā)現(xiàn)：在中國省域林業(yè)產(chǎn)出中，勞動和資本仍是主要影響因素，資本投入對林業(yè)產(chǎn)出的貢獻大于林業(yè)勞動力投入的貢獻；通過對規(guī)模報酬進行分析可知：勞動和資本的產(chǎn)出彈性之和大于1，說明中國林業(yè)產(chǎn)出仍具有規(guī)模報酬遞增的特征，這與已有研究結(jié)論[6，8]相吻合；通過建立空間滯后模型和空間誤差模型可以看出：在空間滯后模型中，代表空間相關(guān)系數(shù)的估計結(jié)果顯著性較弱，說明即使鄰近省份林業(yè)產(chǎn)出水平較高，對該省份林業(yè)產(chǎn)出帶動作用也將非常有限；空間誤差模型結(jié)果顯示：中國省域林業(yè)產(chǎn)出存在較強空間誤差溢出效應(yīng)，即一個省份林業(yè)產(chǎn)出將受到鄰近省份誤差項空間溢出效應(yīng)的影響。

3 結(jié)論與討論

中國31個省域的林業(yè)產(chǎn)出無論從全局看還是從局部看均呈現(xiàn)出較強的空間集聚效應(yīng)，省域林業(yè)產(chǎn)出存在較強的空間相關(guān)性；在中國省域林業(yè)產(chǎn)出中，勞動和資本仍是主要影響因素，資本投入對林業(yè)產(chǎn)出的貢獻大于林業(yè)勞動力投入的貢獻，省域林業(yè)產(chǎn)出具有規(guī)模報酬遞增的特征；即使鄰近省份林業(yè)產(chǎn)出水平較高，對該省份林業(yè)產(chǎn)出的帶動作用非常有限，中國省域林業(yè)產(chǎn)出存在較強空間誤差溢出效應(yīng)，一個省份林業(yè)產(chǎn)出將受到鄰近省份誤差項空間溢出效應(yīng)的影響。由于省域林業(yè)產(chǎn)出存在空間誤差溢出效應(yīng)，而這種效應(yīng)會對鄰近省份林業(yè)產(chǎn)出產(chǎn)生顯著影響，因此可以從4個方面進行政策制定的思考：

第一，通過產(chǎn)出彈性系數(shù)的估計發(fā)現(xiàn)，林業(yè)資本投入具有更大的產(chǎn)出彈性，但在中國林地資源、勞動力資源豐富的基本國情下，更重要的是提高林業(yè)資金的利用效率，努力實現(xiàn)向集約化林業(yè)生產(chǎn)經(jīng)營方式轉(zhuǎn)變；第二，基于更廣的空間區(qū)域劃分，建立區(qū)域統(tǒng)籌協(xié)調(diào)發(fā)展的林業(yè)生產(chǎn)合作機制，通過對機制的有效制定和運作，實現(xiàn)更為高效的林業(yè)生產(chǎn)分工，避免惡性競爭的出現(xiàn)；第三，通過對本區(qū)域林業(yè)生產(chǎn)決策制定相應(yīng)激勵措施，由此產(chǎn)生林業(yè)生產(chǎn)上的博弈競爭，進而帶動鄰近省份的林業(yè)生產(chǎn)行為，形成省域之間林業(yè)生產(chǎn)的良性互動，加強有益的省域林業(yè)生產(chǎn)交互影響；第四，考慮到中國各省林業(yè)資源稟賦存在一定差異，應(yīng)當(dāng)合理引導(dǎo)各省在發(fā)展林業(yè)過程中生產(chǎn)要素的投入，加強林業(yè)生產(chǎn)要素的空間互補性，提高林業(yè)生產(chǎn)要素的空間配置效率，真正實現(xiàn)林業(yè)資源的效用最大化。

[1]SOLOW R M．Technical change and the aggregate production function[J]．ReviewofEconomics&Statistics，1957，39(3)：554-562．

[2]宋吟秋，呂萍．運用柯布-道格拉斯生產(chǎn)函數(shù)模型分析研發(fā)活動的成效[J]．統(tǒng)計研究，2013，30(4)：52-56．

[3]張鵬．工業(yè)企業(yè)研發(fā)投入對經(jīng)濟增長影響的實證研究：基于2000～2012年我國規(guī)模以上工業(yè)企業(yè)數(shù)據(jù)[J]．調(diào)研世界，2014(12)：9-12

[4]李勝文，李大勝．中國工業(yè)全要素生產(chǎn)率的波動：1986～2005：基于細分行業(yè)的三投入隨機前沿生產(chǎn)函數(shù)分析[J]．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008，25(5)：43-54．

[5]呂建興，陳富橋．我國茶產(chǎn)業(yè)全要素生產(chǎn)率增長及其分解：基于隨機前沿生產(chǎn)函數(shù)的分析[J]．技術(shù)經(jīng)濟與管理研究，2015(4)：117-122．

[6]馮達，鄭云玉，溫亞利．要素投入對林業(yè)經(jīng)濟增長的效應(yīng)研究[J]．中國林業(yè)經(jīng)濟，2010(3)：1-4，7．

[7]譚賀，張廣勝．集體林權(quán)改革下的林業(yè)經(jīng)濟增長因素分析：以遼寧省為例[J]．林業(yè)經(jīng)濟問題，2010，30(3)：204-207．

[8]宋長鳴，向玉林．林業(yè)技術(shù)效率及其影響因素研究：基于隨機前沿生產(chǎn)函數(shù)[J]．林業(yè)經(jīng)濟，2012，32(2)：66-70．

[9]孔凡斌，廖文梅．中國林業(yè)市場化進程的林業(yè)經(jīng)濟增長效應(yīng)[J]．中國農(nóng)村經(jīng)濟，2013(9)：87-96．

[10]才琪，陳紹志，趙榮．中央林業(yè)投資與林業(yè)經(jīng)濟增長的互動關(guān)系[J]．林業(yè)科學(xué)，2015(9)：126-133．

[11]HU B，MCALEER M．Estimation of Chinese agricultural production efficiencies with panel data[J]．Mathematics&ComputersinSimulation，2005，68(5)：474-483．

[12]石慧，王懷明，孟令杰．要素累積、全要素生產(chǎn)率與中國農(nóng)業(yè)增長地區(qū)差異[J]．農(nóng)業(yè)技術(shù)經(jīng)濟，2009(3)：17-26．

2017-03-30 基金項目：浙江工商大學(xué)研究生科研創(chuàng)新重點資助項目、浙江省一流學(xué)科A類(浙江工商大學(xué)統(tǒng)計學(xué))資助項目

胡晨沛(1994-)，男，浙江永嘉人，碩士生，從事數(shù)量經(jīng)濟方法及其應(yīng)用方面的研究，(電話)13516805863，(E-mail)zafuhcp@126.com。

10.16832/j.cnki.1005-9709.2017.04.014

F326.24

A

1005-9709(2017)04-0074-05