论文部分内容阅读
摘要：我国营林投资效率存在明显的阶段性和地区间差异。此差异是投资总量导致的产出总量差异， 还是单位面积营林投资大小导致的效率差异，从前人的研究中找不到明确的结论。是什么因素影响了营林投资的效率？或者说，除了投资规模和公共投资所占比重以外，其他因素对林业产出的影响如何？本文将通过营林投资经济增长效益的回归分析予以解释。
关键词：营林 投资 经济增长 效应 计量分析
通常情况下，一个行业投资的产出不仅受投资水平和投资体制的影响，同时还受不同时期生产率水平的影响。营林作为一个特殊产业，其投资效率还受自然气候、灾害性风险等因素的影响。
一、计量分析的理论框架
这一理论框架可以表述为以下四个具体的理论前提：
1、从长期趋势而言，投资对产出有积极的推动作用。尽管从短期来看，个别时期、个别地区、个别企业的投入与产出并不完全保持一致的正向关系，但是从长期来看，全社会行业投入与产出呈正相关关系。
2、劳动生产率水平与营林产值存在正相关关系。劳动生产率水平对投资效率的正向作用是无需争议的事实。也就是说，在其他条件相同时，营林产值随着劳动生产率水平的提高而提高。
3、灾害性事件对营林产值产生不利影响。林业灾害主要有火灾和病虫害。森林火灾与病虫害的发生均可认为是随机事件，在此可将它们作为投资风险系数，这一风险系数对产出产生负面影响。
4、气候是影响林木生长的重要因素，但这种差异只反映在地区之间。我国地域辽阔，各地区地理环境、气候条件的不同在一定程度上影响到营林产出，比如我国东北、华东、西南和华南地区更适合林木生长，而西北地区的生长环境薄弱。但在短期（如十年）内，同一地区不同年度的自然气候条件相对稳定，对营林产值的影响随时间推移也不会发生多大变化。因此，如果将气候条件作为影响营林产值的一个因素，那么，从纵向看，可将其视为常量。
综上所述，营林产出主要受投资、劳动生产率、投资风险、自然气候条件等四个重要因素的影响。
二、分析方法的选择
由于有些影响营林产出或投资效率的因素很难获得完备的并且可以量化的统计数据资料（譬如营林生产技术水平的变化），因此，如果利用普通线性回归分析方法研究投资对产出的影响程度，那么回归系数的OLS估计量则有可能因遗漏变量的存在而导致估计偏差，即模型估计出来的系统参数不能真实反映自变量对因变量的影响程度。而面板数据模型则是一种能够较好控制某些类型（在所讨论的时间区间内该变量变化较小）遗漏变量〈不用实际观测它们）的回归分析方法，该方法尤其对分析一段时期内不同个体之间变量影响关系的差异比普通横截面模型更为方便有效。此外，由于面板数据是指n个不同实体在个不同时期被观测的数据，面板数据模型是对横截面单元作连续时间观测而得到的多维时间序列模型，它在研究因变量随时间的变化时，有可能消除那些在观测单位之间存在差异但随时间不变的变量的影响。因此，面板数据模型能够同时反映研究对象在时间和截面单元两个方向上的变化规律及不同时间、不同个体的特性。与普通时间序列或横截面模型相比，面板数据模型可提供更多信息和更多研究视角，同时还可以减少时间序列或横截面模型中多个解释变量之间可能存在的共线性问题。
基于上述分析，本章将采用面板数据模型解释我国营林投资效率及地区间差异的原因。
三、主要变量选取与数据处理说明
在上述给定的理论框架下，选取营林产值、营林固定资产投资、国家投资〈单位：亿元〉、非国家投资、营林面积、劳动生产率、单位面积火灾发生率、病虫害发生率、病虫害未防治率等相关指标作为研究对象，其数据直接来源于1998 —2002年各年度的《中国林业统计资料》和2003 —2007年各年度的《中国林业统计年鉴》。
为了排除总投资规模对产值的影响，投入与产出均以单位面积上的投资与产值来衡量。
基于研究问题的需要，对原始指标进行了处理，一是对价值量指标通过第一产业GDP平减指数剔除了数据的价格因素， 换算为以1993年为基年的不变价数据，使得年度价值量数据具有可比性，而且对所有年度各省级数据其经济含义一致。二是构建了若干新指标。
根据数据的可能性，将时序间区选定我1998—2007年10个年份，截面样本包括全国20个省区，按拼音字母音序排列为安徽、福建、广东、广西、贵州、河北、黑龙江、河南、湖北、湖南、吉林、江西、辽宁、内蒙古、四川、山东、山西、陕西、云南和浙江。
四、面板数据模型建立及实证分析
选取的时点数（10年数据）少于截面数（20个省自治区），由于研究的目的仅以样本自身效应为条件进行推论，不作更广范围推断，因此采用固定效应面板数据模型，而非随机效应模型。为了更确切地反映林业公共投资的经济增长效应，对不同主体投资效率差异、地区间投资效率差异的研究，分别建立不同的面板数据模型。
（五）实证分析结果及解释
营林投资、劳动生产率水平、风险以及投资主体结构对营林产值影响的计量分析结果，为本书研究提供了以下重要结论和启示：
1、单位面积国家投资对产值的影响大于非国家投资，说明公共投资对林业经济增长的推动作用要大于私人投资。导致这一差异的原因是：在我国现行体制下，政府对营林的投资方式为混合投资，即政府补助与社会投资融为一体，共同投入到某项营林生产中。国家投资有一定的引致作用，因而其投资效率有一定的放大效应。而非国家投资不具备引致作用，其投资效果单纯由自身投资形成。
2、不同投资主体投入比例的回归系数为正，与描述性统计分析中非国家投资效率大于国家投资的结论是相吻合的，也与这10年我国林业实际状况基本相符。这10年非国家投资比重呈减少态势，而营林产出又呈上升态势，所以模型所得分析结论与事实一致。
3、单位面积的营林投资效率在地区间存在明显差异，得到这一结论应属情理之中。由于营林活动既与地理气候条件高度相关，又与营林生产类型密不可分，因此，如果仅从价值量角度按总产值（表示经济效益）分析投资效率，那么地区间差异不可避免。
4、无论哪种模型都明确地显示劳动生产率水平（单位人员的产值）对营林产出的影响较大。
5、病虫害发生率、病虫害未防治率以及森林火灾发生率对产出的影响或者不显著，或者负面影响较小。其背景意义的解释是病虫害与森林火灾均为一些对营林生产不利的小概率事件，这10年我国森林火灾发生率通常仅为万分之几， 多数地区病虫害防治率均呈上升态势，病虫害对林业造成的损失逐步减小。
关键词：营林 投资 经济增长 效应 计量分析
通常情况下，一个行业投资的产出不仅受投资水平和投资体制的影响，同时还受不同时期生产率水平的影响。营林作为一个特殊产业，其投资效率还受自然气候、灾害性风险等因素的影响。
一、计量分析的理论框架
这一理论框架可以表述为以下四个具体的理论前提：
1、从长期趋势而言，投资对产出有积极的推动作用。尽管从短期来看，个别时期、个别地区、个别企业的投入与产出并不完全保持一致的正向关系，但是从长期来看，全社会行业投入与产出呈正相关关系。
2、劳动生产率水平与营林产值存在正相关关系。劳动生产率水平对投资效率的正向作用是无需争议的事实。也就是说，在其他条件相同时，营林产值随着劳动生产率水平的提高而提高。
3、灾害性事件对营林产值产生不利影响。林业灾害主要有火灾和病虫害。森林火灾与病虫害的发生均可认为是随机事件，在此可将它们作为投资风险系数，这一风险系数对产出产生负面影响。
4、气候是影响林木生长的重要因素，但这种差异只反映在地区之间。我国地域辽阔，各地区地理环境、气候条件的不同在一定程度上影响到营林产出，比如我国东北、华东、西南和华南地区更适合林木生长，而西北地区的生长环境薄弱。但在短期（如十年）内，同一地区不同年度的自然气候条件相对稳定，对营林产值的影响随时间推移也不会发生多大变化。因此，如果将气候条件作为影响营林产值的一个因素，那么，从纵向看，可将其视为常量。
综上所述，营林产出主要受投资、劳动生产率、投资风险、自然气候条件等四个重要因素的影响。
二、分析方法的选择
由于有些影响营林产出或投资效率的因素很难获得完备的并且可以量化的统计数据资料（譬如营林生产技术水平的变化），因此，如果利用普通线性回归分析方法研究投资对产出的影响程度，那么回归系数的OLS估计量则有可能因遗漏变量的存在而导致估计偏差，即模型估计出来的系统参数不能真实反映自变量对因变量的影响程度。而面板数据模型则是一种能够较好控制某些类型（在所讨论的时间区间内该变量变化较小）遗漏变量〈不用实际观测它们）的回归分析方法，该方法尤其对分析一段时期内不同个体之间变量影响关系的差异比普通横截面模型更为方便有效。此外，由于面板数据是指n个不同实体在个不同时期被观测的数据，面板数据模型是对横截面单元作连续时间观测而得到的多维时间序列模型，它在研究因变量随时间的变化时，有可能消除那些在观测单位之间存在差异但随时间不变的变量的影响。因此，面板数据模型能够同时反映研究对象在时间和截面单元两个方向上的变化规律及不同时间、不同个体的特性。与普通时间序列或横截面模型相比，面板数据模型可提供更多信息和更多研究视角，同时还可以减少时间序列或横截面模型中多个解释变量之间可能存在的共线性问题。
基于上述分析，本章将采用面板数据模型解释我国营林投资效率及地区间差异的原因。
三、主要变量选取与数据处理说明
在上述给定的理论框架下，选取营林产值、营林固定资产投资、国家投资〈单位：亿元〉、非国家投资、营林面积、劳动生产率、单位面积火灾发生率、病虫害发生率、病虫害未防治率等相关指标作为研究对象，其数据直接来源于1998 —2002年各年度的《中国林业统计资料》和2003 —2007年各年度的《中国林业统计年鉴》。
为了排除总投资规模对产值的影响，投入与产出均以单位面积上的投资与产值来衡量。
基于研究问题的需要，对原始指标进行了处理，一是对价值量指标通过第一产业GDP平减指数剔除了数据的价格因素， 换算为以1993年为基年的不变价数据，使得年度价值量数据具有可比性，而且对所有年度各省级数据其经济含义一致。二是构建了若干新指标。
根据数据的可能性，将时序间区选定我1998—2007年10个年份，截面样本包括全国20个省区，按拼音字母音序排列为安徽、福建、广东、广西、贵州、河北、黑龙江、河南、湖北、湖南、吉林、江西、辽宁、内蒙古、四川、山东、山西、陕西、云南和浙江。
四、面板数据模型建立及实证分析
选取的时点数（10年数据）少于截面数（20个省自治区），由于研究的目的仅以样本自身效应为条件进行推论，不作更广范围推断，因此采用固定效应面板数据模型，而非随机效应模型。为了更确切地反映林业公共投资的经济增长效应，对不同主体投资效率差异、地区间投资效率差异的研究，分别建立不同的面板数据模型。
（五）实证分析结果及解释
营林投资、劳动生产率水平、风险以及投资主体结构对营林产值影响的计量分析结果，为本书研究提供了以下重要结论和启示：
1、单位面积国家投资对产值的影响大于非国家投资，说明公共投资对林业经济增长的推动作用要大于私人投资。导致这一差异的原因是：在我国现行体制下，政府对营林的投资方式为混合投资，即政府补助与社会投资融为一体，共同投入到某项营林生产中。国家投资有一定的引致作用，因而其投资效率有一定的放大效应。而非国家投资不具备引致作用，其投资效果单纯由自身投资形成。
2、不同投资主体投入比例的回归系数为正，与描述性统计分析中非国家投资效率大于国家投资的结论是相吻合的，也与这10年我国林业实际状况基本相符。这10年非国家投资比重呈减少态势，而营林产出又呈上升态势，所以模型所得分析结论与事实一致。
3、单位面积的营林投资效率在地区间存在明显差异，得到这一结论应属情理之中。由于营林活动既与地理气候条件高度相关，又与营林生产类型密不可分，因此，如果仅从价值量角度按总产值（表示经济效益）分析投资效率，那么地区间差异不可避免。
4、无论哪种模型都明确地显示劳动生产率水平（单位人员的产值）对营林产出的影响较大。
5、病虫害发生率、病虫害未防治率以及森林火灾发生率对产出的影响或者不显著，或者负面影响较小。其背景意义的解释是病虫害与森林火灾均为一些对营林生产不利的小概率事件，这10年我国森林火灾发生率通常仅为万分之几， 多数地区病虫害防治率均呈上升态势，病虫害对林业造成的损失逐步减小。