劉冬 王欣 呂園

摘要：【目的】對我國林業(yè)全要素生產(chǎn)率的收斂性進(jìn)行實(shí)證分析，為把握省域林業(yè)發(fā)展差距和尋求平衡發(fā)展提供借鑒?！痉椒ā炕?006—2018年我國省域林業(yè)數(shù)據(jù)，選取林業(yè)投入產(chǎn)出指標(biāo)，采用DEA-Malmquist指數(shù)對省域林業(yè)全要素生產(chǎn)率進(jìn)行測算，構(gòu)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(yè)全要素生產(chǎn)率進(jìn)行絕對β收斂和條件β收斂檢驗(yàn)。【結(jié)果】2006—2018年我國林業(yè)全要素生產(chǎn)率總體平穩(wěn)，但2018、2010和2015年林業(yè)全要素生產(chǎn)率呈下降趨勢，主要原因是受自然災(zāi)害和金融危機(jī)的影響，生產(chǎn)率低于1.000。同時(shí)我國林業(yè)全要素生產(chǎn)率存在絕對β收斂和條件β收斂，說明省域林業(yè)全要素生產(chǎn)率間的差距不斷縮小。在從收斂速度來看，絕對β收斂檢驗(yàn)結(jié)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?yōu)?.0692（SEM模型）和0.0576（SAR模型）;半生命周期由19.363變?yōu)?3.541（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(yīng)對我國林業(yè)全要素生產(chǎn)率地區(qū)收斂起到促進(jìn)作用。條件β收斂檢驗(yàn)結(jié)果表明，在加入4個(gè)變量系數(shù)后，林業(yè)全要素生產(chǎn)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(yè)保護(hù)能力系數(shù)較大，人力資本和外商投資系數(shù)較小，發(fā)揮作用不明顯?？梢姡鞯貐^(qū)林業(yè)發(fā)展基礎(chǔ)水平及人力資本水平、外商投資、造林護(hù)林投入等因素均對區(qū)域林業(yè)全要素生產(chǎn)率收斂都具有促進(jìn)作用?！窘ㄗh】各地區(qū)應(yīng)充分發(fā)揮自身地理優(yōu)勢和區(qū)域特點(diǎn)，因地制宜，促進(jìn)林業(yè)經(jīng)濟(jì)快速發(fā)展;加大人力資本和外商投資，增強(qiáng)人才隊(duì)伍建設(shè)的專業(yè)化和系統(tǒng)化，對外商投資的鼓勵(lì)和監(jiān)管并行;同時(shí)要打破區(qū)域限制，促使要素自由流動(dòng)，進(jìn)而實(shí)現(xiàn)林業(yè)經(jīng)濟(jì)與生態(tài)價(jià)值雙平衡。

關(guān)鍵詞： 林業(yè);全要素生產(chǎn)率;收斂性;空間計(jì)量模型;省域

中圖分類號： S757;F326.24? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)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(yè)作為具有經(jīng)濟(jì)發(fā)展和社會效益雙重屬性的產(chǎn)業(yè)，既為國民經(jīng)濟(jì)發(fā)展提供木材等必需林產(chǎn)品，又承擔(dān)著改善生態(tài)環(huán)境及實(shí)現(xiàn)可持續(xù)發(fā)展的重任。加快推動(dòng)林業(yè)發(fā)展，是實(shí)施鄉(xiāng)村振興戰(zhàn)略與促進(jìn)產(chǎn)業(yè)興旺的關(guān)鍵舉措，也是踐行綠色發(fā)展理念和實(shí)現(xiàn)生態(tài)文明的重要途徑。林業(yè)全要素生產(chǎn)率作為衡量我國林業(yè)發(fā)展質(zhì)量和效率的重要指標(biāo)，不僅能充分體現(xiàn)出林業(yè)投入產(chǎn)出能力，還可通過橫向?qū)Ρ确从掣鞯貐^(qū)林業(yè)在發(fā)展質(zhì)量與效率上的差別，從而為提升我國林業(yè)發(fā)展戰(zhàn)略的聯(lián)動(dòng)性和協(xié)同性提供參考。因此，展開我國林業(yè)全要素生產(chǎn)率的收斂性研究，對推動(dòng)林業(yè)事業(yè)高質(zhì)量發(fā)展具有重要意義。【前人研究進(jìn)展】目前，針對我國林業(yè)全要素生產(chǎn)率研究的文獻(xiàn)主要集中在以下2個(gè)方面：一是對林業(yè)全要素生產(chǎn)率進(jìn)行測算研究。王玉芳和朱震鋒（2013）對黑龍江省國有林區(qū)林業(yè)生產(chǎn)率的變化進(jìn)行動(dòng)態(tài)評價(jià)及變化趨勢分析;劉振濱等（2014）基于福建省93個(gè)樣本農(nóng)戶的微觀數(shù)據(jù)對林業(yè)全要素生產(chǎn)率進(jìn)行測算;徐瑋等（2015）、張自強(qiáng)和李怡（2016）、史常亮等（2017）基于宏觀數(shù)據(jù)分別采用SFA-Malmquist方法、隨機(jī)前沿方法和Malmquist-DEA模型對我國林業(yè)全要素生產(chǎn)率進(jìn)行測算，得出技術(shù)進(jìn)步是我國林業(yè)全要素生產(chǎn)率增長的重要?jiǎng)恿?。二是從不同視角對林業(yè)全要素生產(chǎn)率進(jìn)行研究。董婭楠等（2018）分析FDI對我國林業(yè)全要素生產(chǎn)率的影響;姜鈺和管時(shí)一（2018）從林業(yè)全要素生產(chǎn)率的空間集聚視角進(jìn)行研究;揭昌亮和石峰（2019）從進(jìn)出口貿(mào)易視角對我國林業(yè)全要素生產(chǎn)率的機(jī)理進(jìn)行分析;魏肖杰和張敏新（2019）從林業(yè)產(chǎn)業(yè)集聚視角對我國林業(yè)全要素生產(chǎn)率的作用機(jī)制進(jìn)行分析，得出林業(yè)全要素生產(chǎn)率的提升受資源保護(hù)手段、規(guī)模經(jīng)營技術(shù)及金融發(fā)展水平等多種因素的影響。也有少量文獻(xiàn)對林業(yè)全要素生產(chǎn)率的收斂性進(jìn)行了研究（姜鈺和管時(shí)一，2017），認(rèn)為我國林業(yè)全要素生產(chǎn)率存在空間聚集現(xiàn)象。【本研究切入點(diǎn)】以往文獻(xiàn)為我國林業(yè)全要素生產(chǎn)率研究提供了重要的理論支撐，對林業(yè)生態(tài)循環(huán)體系的構(gòu)建及經(jīng)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(dòng)關(guān)系，且缺乏對空間效應(yīng)的估計(jì)?！緮M解決的關(guān)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(gè)省份（不含港澳臺地區(qū)）林業(yè)全要素生產(chǎn)率的絕對β收斂和條件β收斂，進(jìn)行檢驗(yàn)及結(jié)果對比;采用經(jīng)濟(jì)距離為空間權(quán)重矩陣，對林業(yè)全要素生產(chǎn)率的收斂速度和半生命周期進(jìn)行計(jì)算，為促進(jìn)林業(yè)聯(lián)動(dòng)協(xié)同精準(zhǔn)性政策的制定和執(zhí)行提供依據(jù)。

1 數(shù)據(jù)來源與研究方法

1. 1 林業(yè)全要素生產(chǎn)率的測算

全要素生產(chǎn)率（TFP）是產(chǎn)出中扣除投入后增長的部分，其本質(zhì)是技術(shù)的進(jìn)步和管理方式的改善。在實(shí)證分析中，使用較多的是DEA（數(shù)據(jù)包絡(luò)）方法，其優(yōu)勢在于無需設(shè)定生產(chǎn)函數(shù)，可處理多目標(biāo)決策問題（張敏，2019）。本研究采用DEA-Malmquist指數(shù)對我國31個(gè)省份林業(yè)全要素生產(chǎn)率進(jìn)行測算并分解，其基本原理是：

式中，Mi為i省份的林業(yè)全要素生產(chǎn)率D為決策單元，t為時(shí)期，若Mi大于1，則表示全要素生產(chǎn)率相對于前一期提高，反之則為降低。并可進(jìn)一步分解：

式中，TEC表示技術(shù)效率，TC表示技術(shù)變化。

根據(jù)Fare的分解方法，可得出：

據(jù)此，DEA-Malmquist指數(shù)被分解為純技術(shù)效率（PTEC）、規(guī)模效率（SEC）和技術(shù)變化（TC）。

在投入產(chǎn)出指標(biāo)選擇方面，本研究選取林業(yè)固定資產(chǎn)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(xù)盤存法對各年份的資本存量進(jìn)行推算，具體計(jì)算公式為：

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

選取林業(yè)站長期工作人員數(shù)量作為勞動(dòng)力投入;林業(yè)總產(chǎn)值作為產(chǎn)出，并依據(jù)相應(yīng)年份的GDP平減指數(shù)進(jìn)行平減。

1. 2 林業(yè)全要素生產(chǎn)率收斂性檢驗(yàn)方法

對我國林業(yè)全要素生產(chǎn)率收斂性進(jìn)行研究，主要是考察省域林業(yè)經(jīng)濟(jì)發(fā)展的平衡性問題。若存在收斂性，則表明省域間的林業(yè)經(jīng)濟(jì)發(fā)展差距呈不斷縮小趨勢;若呈現(xiàn)發(fā)散性，則表明差距在不斷擴(kuò)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(jù)增長率與初始水平的關(guān)系進(jìn)行判斷，若為負(fù)向關(guān)系，則表明存在絕對β收斂。其含義是林業(yè)全要素生產(chǎn)率水平較低省份的生產(chǎn)率增長速度要快于生產(chǎn)率較高省份，即隨著時(shí)間的推移，生產(chǎn)率較低省份會呈現(xiàn)出一定的追趕效應(yīng)，最終各省份的全要素生產(chǎn)率水平產(chǎn)生趨同。絕對β收斂模型可表示為：

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

由于以上模型未考慮各地區(qū)空間上的聯(lián)系，為了提高估計(jì)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(jìn)一步檢驗(yàn)。構(gòu)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(xiàng)的系數(shù)，μ為隨機(jī)擾動(dòng)項(xiàng)。

（2）SAR絕對β模型：

式中，ρ為空間滯后項(xiàng)的系數(shù)，W為空間權(quán)重矩陣，ε是隨機(jī)擾動(dòng)項(xiàng)。

1. 2. 2 條件β收斂 由于絕對β收斂只考慮變量在某一時(shí)期與初始期的變量的關(guān)系，尚未考慮其他因素的影響，是以地區(qū)存在相同的經(jīng)濟(jì)基礎(chǔ)為前提，因而存在一定的局限性。在其基礎(chǔ)上引入一些其他影響因素，表明各地區(qū)發(fā)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(wěn)態(tài)水平。表達(dá)式為：

式中，T表示時(shí)期，Xi表示其他影響因素的控制變量集。同理，構(gòu)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(xiàng)的系數(shù)，μ為隨機(jī)擾動(dòng)項(xiàng)。

（2）SAR條件β收斂模型：

式中，ρ為空間滯后項(xiàng)的系數(shù)，W為空間權(quán)重矩陣，ε為隨機(jī)擾動(dòng)項(xiàng)。

對于空間權(quán)重矩陣的選擇方面，文獻(xiàn)中使用較多的是地理距離。由于本研究的對象為省域林業(yè)經(jīng)濟(jì)，不相鄰的省份間也可能存在經(jīng)濟(jì)聯(lián)系，若采用地理距離可能造成有偏結(jié)論，因此選擇經(jīng)濟(jì)距離構(gòu)建空間權(quán)重矩陣（王赫和吳朝陽，2020）。

關(guān)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(yè)全要素生產(chǎn)率的收斂性，其本質(zhì)是林業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展問題，內(nèi)生經(jīng)濟(jì)增長理論表明，人力資本的積累是經(jīng)濟(jì)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(shù)占長期職工人數(shù)的比例作為代理變量。

（2）外商投資（FDI）：外商投資作為林業(yè)經(jīng)濟(jì)發(fā)展的重要融資渠道，為林業(yè)經(jīng)濟(jì)發(fā)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(qū)實(shí)際利用外資額與林業(yè)總產(chǎn)值之比作為代理變量，并將實(shí)際利用外資額按照對應(yīng)年份人民幣匯率中間價(jià)進(jìn)行計(jì)算。

（3）造林能力（FSA）：改革開放以來，我國開展的造林行動(dòng)實(shí)現(xiàn)了生態(tài)和林業(yè)經(jīng)濟(jì)雙贏，因此選取造林能力變量。選取各地區(qū)重點(diǎn)工程每萬公頃的造林面積衡量。

（4）林業(yè)保護(hù)能力（FPC）：除培育造林外，對林業(yè)生態(tài)適度的保護(hù)是林業(yè)經(jīng)濟(jì)可持續(xù)發(fā)展戰(zhàn)略的重要實(shí)現(xiàn)途徑（陳立新，2020）。選取各地區(qū)自然保護(hù)區(qū)的工作站數(shù)量作為代理變量。

1. 3 數(shù)據(jù)來源

本研究選擇2006—2018年我國31個(gè)省份的數(shù)據(jù)，數(shù)據(jù)來源于《中國林業(yè)統(tǒng)計(jì)年鑒》，少量缺失數(shù)據(jù)采用插值法補(bǔ)齊。

1. 4 統(tǒng)計(jì)分析

運(yùn)用Max-DEA對林業(yè)全要素生產(chǎn)率進(jìn)行測算，并用Stata 14.1對林業(yè)全要素的絕對收斂和條件收斂進(jìn)行測算。

2 我國林業(yè)全要素生產(chǎn)率的測算及收斂性分析

2. 1 林業(yè)全要素生產(chǎn)率的測算結(jié)果與分解

從表1中的測算及分解結(jié)果中可看出，2006—2018年我國林業(yè)全要素生產(chǎn)率整體較平穩(wěn)，但又呈現(xiàn)出一定的波動(dòng)性。其中，在2008—2009、2009—2010和2015—2016年的林業(yè)全要素生產(chǎn)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(fēng)和洪澇災(zāi)害的影響，另一方面，受美國次貸危機(jī)和金融風(fēng)暴的影響，林業(yè)產(chǎn)業(yè)受創(chuàng)較嚴(yán)重，且影響持續(xù)到2010年;2015年全國降水量時(shí)空差異明顯，北方地區(qū)如河北、遼寧和山東等地的旱情較嚴(yán)重，南方地區(qū)則出現(xiàn)36次強(qiáng)降水過程，南方9省份洪澇和地質(zhì)災(zāi)害損失較重，人員受災(zāi)和房屋倒損情況及直接經(jīng)濟(jì)損失慘重。洪澇和地質(zhì)災(zāi)害致使樹木倒塌，樹木大量吸水，干木產(chǎn)出量變少，這些因素的疊加造成2015—2016年林業(yè)全要素生產(chǎn)率下降。從分解的數(shù)據(jù)來看，林業(yè)全要素生產(chǎn)率的提升在2006—2011年主要依靠技術(shù)進(jìn)步的推動(dòng)，在2011年以后則主要依靠技術(shù)效率的提高繼續(xù)推動(dòng)林業(yè)全要素生產(chǎn)率提升及林業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展。

2. 2 我國林業(yè)全要素生產(chǎn)率的Morans I值結(jié)果

在收斂性分析前，首先采用Morans I統(tǒng)計(jì)量進(jìn)行空間自相關(guān)檢驗(yàn)，公式為：

其中，Wij為空間權(quán)重矩陣，樣本方差

從表2可知，我國林業(yè)全要素生產(chǎn)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(yàn)，且均為正值，表明我國林業(yè)全要素生產(chǎn)率存在較強(qiáng)的正向空間自相關(guān)特征，因此，在研究我國林業(yè)全要素生產(chǎn)率問題時(shí)應(yīng)考慮地區(qū)間的集聚性，對其收斂性分析可采用空間計(jì)量方法。

2. 3 我國林業(yè)全要素生產(chǎn)率的絕對β 收斂檢驗(yàn)結(jié)果

采用普通面板模型和空間計(jì)量模型分別對省域林業(yè)全要素生產(chǎn)率進(jìn)行收斂性檢驗(yàn)。首先采用Hausman檢驗(yàn)，以判定應(yīng)采用個(gè)體效應(yīng)還是固定效應(yīng)模型，Hausman檢驗(yàn)的結(jié)果為正值，表明應(yīng)采用固定效應(yīng)模型進(jìn)行估計(jì);空間計(jì)量模型的識別通常利用LM檢驗(yàn)。經(jīng)檢驗(yàn)，LM lag、R-LM lag統(tǒng)計(jì)量的值分別為1.1871和6.5412，LM error、R-LM error統(tǒng)計(jì)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(yàn)，表明殘差存在空間相關(guān)性。最后，分別采用普通面板、SEM模型和SAR模型對林業(yè)全要素生產(chǎn)率進(jìn)行收斂性檢驗(yàn)。

從表3可看出，使用3個(gè)模型的lnTFPi0系數(shù)符號一致，均為負(fù)值，且均在1%水平下顯著差異;從系數(shù)大小來看，3個(gè)模型中l(wèi)nTFPi0的系數(shù)差別不明顯，說明我國林業(yè)全要素生產(chǎn)率存在絕對β收斂，即省域林業(yè)全要素生產(chǎn)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(jié)果來看，普通面板模型得出的結(jié)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(xiàng)系數(shù)和空間滯后性系數(shù)來看，均顯著且為正值，說明在進(jìn)行收斂性研究中，不能忽略空間因素。

2. 4 我國林業(yè)全要素生產(chǎn)率的條件β收斂檢驗(yàn)結(jié)果

條件β收斂與絕對β收斂的區(qū)別在于是否假定省域林業(yè)經(jīng)濟(jì)發(fā)展間存在相同的初始條件，由于我國領(lǐng)土廣闊，地域差異顯著，不僅表現(xiàn)在各地區(qū)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(yè)發(fā)展存在相似發(fā)展條件這一假設(shè)過于苛刻，因此需要將這些影響因素均納入到全要素生產(chǎn)率的收斂性分析中?；趯κ諗啃杂绊懸蛩睾蛿?shù)據(jù)的可得性，本研究納入人力資本水平、外商投資、造林能力和林業(yè)保護(hù)能力4項(xiàng)因素進(jìn)行條件β收斂估計(jì)。在模型選擇上，首先進(jìn)行Hausman檢驗(yàn)，結(jié)果依然為正值，說明仍然應(yīng)選擇固定效應(yīng)模型，接著進(jìn)行LR檢驗(yàn)，檢驗(yàn)結(jié)果顯示（112.3001，0.0000）和（79.9266，0.0000），因此應(yīng)選擇雙固定效應(yīng)模型。然后使用LM檢驗(yàn)，LM lag、R-LM lag統(tǒng)計(jì)量的值分別為7.6336和2.0970，LM error、R-LM error統(tǒng)計(jì)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(guān)性。最后，采用普通面板、SEM模型和SAR模型分別進(jìn)行估計(jì)，估計(jì)結(jié)果見表4。

從表4的條件β收斂檢驗(yàn)結(jié)果可看出，3個(gè)模型lnTFP0t-1的系數(shù)均顯著為負(fù)值，說明在加入人力資本、外商投資、造林能力和林業(yè)保護(hù)能力等影響因素后，林業(yè)全要素生產(chǎn)率依然呈現(xiàn)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(jié)果來看，普通面板模型得出的結(jié)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(shí)間有所縮短。

從以上4個(gè)控制變量的估計(jì)結(jié)果來看，人力資本、外商投資、造林能力和林業(yè)保護(hù)能力4個(gè)變量的系數(shù)均在3個(gè)模型中，分別在10%、5%和1%水平上顯著且為正值，說明這4個(gè)因素對省域林業(yè)全要素生產(chǎn)率的收斂均呈正向影響;從系數(shù)大小來看，人力資本和外商投資2項(xiàng)因素的系數(shù)較小，造林能力和林業(yè)保護(hù)能力的系數(shù)值較大，說明在我國林業(yè)經(jīng)濟(jì)發(fā)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(fā)揮一定積極作用，但其作用的發(fā)揮還存在較大提升空間;同時(shí)表明我國林業(yè)的造林能力較大、保護(hù)力度較強(qiáng)。我國林業(yè)全要素生產(chǎn)率絕對β收斂估計(jì)與條件β收斂的結(jié)果相比，二者均得出省域林業(yè)經(jīng)濟(jì)全要素生產(chǎn)率存在收斂性，即省域林業(yè)經(jīng)濟(jì)高質(zhì)量發(fā)展的差距在不斷縮小。同時(shí)，與絕對β收斂相比，條件β收斂在加入4項(xiàng)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(yè)經(jīng)濟(jì)發(fā)展不僅受到各地區(qū)初始經(jīng)濟(jì)水平的影響，還受到諸如人力資本投入、外商投資及造林護(hù)林等各方面因素的影響（曾芳芳，2020）。

3 討論

對產(chǎn)業(yè)全要素生產(chǎn)率的定量研究中，主要是進(jìn)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(chǎn)率主要手段。史常亮等（2017）介紹了β收斂具體理論和運(yùn)用方法，并對其進(jìn)行收斂性檢驗(yàn)及分析人均收入收斂模式。在林業(yè)轉(zhuǎn)型和推動(dòng)林業(yè)高質(zhì)量發(fā)展的背景下，本研究利用DEA-Malmquist指數(shù)的實(shí)證模型，基于2006—2018年我國林業(yè)省域數(shù)據(jù)，對林業(yè)全要素生產(chǎn)率進(jìn)行測算，最后，分別構(gòu)建普通面板模型、SEM模型和SAR模型，并進(jìn)行絕對β收斂和條件β收斂檢驗(yàn)，實(shí)證結(jié)果顯示：我國林業(yè)全要素生產(chǎn)率既存在絕對收斂，也存在條件收斂。即省域林業(yè)高質(zhì)量發(fā)展的差距呈不斷縮小趨勢，達(dá)到相對平衡的狀態(tài)，與姜鈺和管時(shí)一（2017）的研究結(jié)果基本一致。同時(shí)空間因素對省域林業(yè)發(fā)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(qū)林業(yè)發(fā)展追趕的期限也有所縮短。因此，各地區(qū)林業(yè)發(fā)展存在密切聯(lián)系，且呈現(xiàn)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(yè)保護(hù)能力等4項(xiàng)因素，結(jié)果發(fā)現(xiàn)均對林業(yè)全要素生產(chǎn)率的收斂性有顯著作用，其中造林能力和林業(yè)保護(hù)效果明顯，而人力資本和外商投資貢獻(xiàn)作用不明顯，有一定的上升空間。董婭楠等（2018）研究認(rèn)為林業(yè)經(jīng)濟(jì)發(fā)展還受到林業(yè)基礎(chǔ)設(shè)施、初期水平發(fā)展、物質(zhì)基礎(chǔ)、自然生態(tài)條件及相關(guān)政策等多因素的影響;史常亮等（2017）認(rèn)為收斂性分析的優(yōu)點(diǎn)主要是能準(zhǔn)確判斷區(qū)域之間的變化，因此一般用于區(qū)域經(jīng)濟(jì)發(fā)展之間變動(dòng)情況。本研究利用了絕對β收斂和條件β收斂檢驗(yàn)，更能準(zhǔn)確判斷區(qū)域之間林業(yè)全要素發(fā)展的變化;但研究中運(yùn)用Morans I指數(shù)值雖然從某種程度上能總體判斷出空間的關(guān)系，但也存在一定限制性，主要是不能明確每個(gè)省份與周邊省份存在具體哪一種關(guān)系，也未明確區(qū)域之間林業(yè)全要素生產(chǎn)率指數(shù)的局域空間相關(guān)性特征。

4 建議

4. 1 因地制宜發(fā)展林業(yè)產(chǎn)業(yè)，推動(dòng)區(qū)域平衡發(fā)展

我國林業(yè)全要素生產(chǎn)率受到地區(qū)初始發(fā)展水平的影響，因此，各地區(qū)應(yīng)充分發(fā)揮自身地理優(yōu)勢和區(qū)域特點(diǎn)，提升林業(yè)高質(zhì)量發(fā)展水平，不斷縮小各地區(qū)發(fā)展差距，實(shí)現(xiàn)地區(qū)林業(yè)經(jīng)濟(jì)發(fā)展平衡（許乃軍，2020）。東部地區(qū)林業(yè)發(fā)展的自然條件和經(jīng)濟(jì)基礎(chǔ)較好，尤其是廣東、福建、山東和江蘇等地區(qū)，人造板和竹地板產(chǎn)量分別占全國的58.46%和64.87%;中部地區(qū)作為東部和西部的過渡地帶，在林業(yè)發(fā)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(qū)域的特色產(chǎn)業(yè);西部地區(qū)專業(yè)化程度和林業(yè)集中度較高，但與東部和中部地區(qū)相比還存在一定差距。因此，各地應(yīng)該依托現(xiàn)有基礎(chǔ)條件，因地制宜，將特色產(chǎn)業(yè)進(jìn)一步優(yōu)化，細(xì)分市場，精準(zhǔn)定位，實(shí)現(xiàn)特別產(chǎn)業(yè)優(yōu)化升級的基礎(chǔ)上，開辟新的林業(yè)經(jīng)濟(jì)增長點(diǎn)，最終實(shí)現(xiàn)林業(yè)產(chǎn)業(yè)整體高質(zhì)量發(fā)展的目標(biāo)。

4. 2 加大人力資本提升和外商投資投入，促使林業(yè)持續(xù)發(fā)展

本研究證實(shí)，人力資本和外商投資均為促進(jìn)林業(yè)經(jīng)濟(jì)持續(xù)發(fā)展的重要因素，國家林業(yè)局也先后以政策和綱要的形式下發(fā)推動(dòng)林業(yè)人才隊(duì)伍和鼓勵(lì)外商在林業(yè)投資的相關(guān)文件。在人力資本提升方面，應(yīng)從長遠(yuǎn)戰(zhàn)略考慮，注重人才建設(shè)的專業(yè)化和系統(tǒng)化;在外商投資方面，由于資本的逐利性和林業(yè)具備的生態(tài)性特征，鼓勵(lì)外商投資的同時(shí)，應(yīng)加強(qiáng)監(jiān)管，如與自貿(mào)區(qū)負(fù)面清單模式對接，調(diào)整和完善相關(guān)法律法規(guī)等，兼顧林業(yè)經(jīng)濟(jì)價(jià)值與生態(tài)價(jià)值，確保林業(yè)實(shí)現(xiàn)可持續(xù)發(fā)展。

4. 3 打破區(qū)域限制，促使要素自由流動(dòng)，實(shí)現(xiàn)林業(yè)全面發(fā)展

我國林業(yè)發(fā)展存在顯著的空間互動(dòng)關(guān)系，各地區(qū)林業(yè)發(fā)展不是割裂的，林業(yè)發(fā)展上的空間互動(dòng)，不僅體現(xiàn)在資金和設(shè)備等硬件要素上實(shí)現(xiàn)跨區(qū)域的自由流動(dòng)，還體現(xiàn)在人才和技術(shù)等軟件方面的密切交流。林業(yè)發(fā)展良好的東部和中部地區(qū)可定期舉辦交流活動(dòng)，實(shí)現(xiàn)先進(jìn)地區(qū)示范效應(yīng)和模仿效應(yīng)，向西部欠發(fā)達(dá)地區(qū)提供先進(jìn)的技術(shù)和管理經(jīng)驗(yàn)，在結(jié)合地區(qū)自身?xiàng)l件的基本上，發(fā)展特色產(chǎn)業(yè)，形成良性互動(dòng)，最終實(shí)現(xiàn)林業(yè)產(chǎn)業(yè)的全面發(fā)展。

參考文獻(xiàn)：

陳立新. 2020. 新時(shí)期營造林技術(shù)在林業(yè)發(fā)展中的應(yīng)用探析[J]. 新農(nóng)業(yè)，（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(yè)全要素生產(chǎn)率的影響分析——基于DEA-Malmquist指數(shù)法[J]. 林業(yè)經(jīng)濟(jì)，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(shí)鵬，許佳賢，張春霞，吳俊媛. 2014. 多重目標(biāo)下的中國林業(yè)技術(shù)效率及其收斂性分析[J]. 世界林業(yè)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(shí)一. 2017. 中國林業(yè)全要素生產(chǎn)率的時(shí)空差異及空間收斂性分析[J]. 林業(yè)經(jīng)濟(jì)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(shí)一. 2018. 中國林業(yè)全要素生產(chǎn)率的時(shí)空演變及集聚特征分析[J]. 華東經(jīng)濟(jì)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(jìn)出口貿(mào)易影響我國林業(yè)全要素生產(chǎn)率的機(jī)理分析？[J]. 林產(chǎn)工業(yè)，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(shí)鵬，鄭逸芳，黃森慰. 2014. 林改后福建省不同經(jīng)營規(guī)模林業(yè)全要素生產(chǎn)率差異分析[J]. 林業(yè)經(jīng)濟(jì)，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(yè)技術(shù)效率與全要素生產(chǎn)率增長分解——基于SFA-Malmquist方法的估計(jì)[J]. 林業(yè)科學(xué)，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(jīng)濟(jì)差距對創(chuàng)新溢出與技術(shù)交流的影響——基于經(jīng)濟(jì)距離矩陣的空間計(jì)量研究[J]. 經(jīng)濟(jì)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(qū)林業(yè)生產(chǎn)率變化研究——2000～2009年天然林資源保護(hù)工程期實(shí)證分析[J]. 林業(yè)經(jīng)濟(jì)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(yè)產(chǎn)業(yè)集聚對中國林業(yè)全要素生產(chǎn)率作用機(jī)制——基于動(dòng)態(tài)空間計(jì)量模型的實(shí)證分析[J]. 世界林業(yè)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(yè)自然保護(hù)區(qū)經(jīng)濟(jì)價(jià)值與生態(tài)價(jià)值協(xié)調(diào)統(tǒng)一的策略[J]. 經(jīng)濟(jì)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(yè)生產(chǎn)效率測算及區(qū)域差異分析——基于Malmquist-DEA模型的省際面板數(shù)據(jù)[J]. 林業(yè)經(jīng)濟(jì)，37（5）：85-88. doi：10.13843/j.cnki.lyjj. 2015.05.017. [Xu W，F(xiàn)eng 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(guān)聯(lián)的福建林業(yè)產(chǎn)業(yè)增長影響因素分析[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會科學(xué)），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(yè)全要素生產(chǎn)率增長城鄉(xiāng)差異分析[J]. 統(tǒng)計(jì)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(zhì)資本存量估算：1952—2000[J]. 經(jīng)濟(jì)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(qiáng)，李怡. 2016. 營林業(yè)全要素生產(chǎn)率增長的測算及其分解——來自27個(gè)省級面板數(shù)據(jù)的分析[J]. 干旱區(qū)資源與環(huán)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(zé)任編輯 鄧慧靈）