黑龙江省国有林区林业产业全要素生产率研究

1黑龙江省国有林区林业产业全要素生产率研究——基于DEA-Malmquist指数的实证分析东北林业大学陈文静、汤欢、于学霆摘要黑龙江省国有林业企业是培育、经营利用国有天然林资源的综合性林业国有企业，黑龙江国有林业企业在为国家做出重大贡献的同时，也付出了巨大的代价，森林资源减少，企业经济恶化；1998年天保工程启动实施，黑龙江森工森林资源实现恢复和增长。本文通过对黑龙江省森工总局下属的40个林业企业的产业增加值、要素投入，采用效率测评分析的主流方法非参数DEA模型的Malmquist指数法，进行全要素生产率（TotalFactorProductivity,TFP）的效率测度，进而通过统计模型——Panel-Data模型的构建进行TFP的影响因素分析，建立可供检验的多元回归的计量模型，并对效率结果和演变的规律进行分析归纳，提出相应的结论和建议。关键词：林业企业DEA模型Malmquist指数全要素生产率Panel-Data模型引言黑龙江省国有林业企业是培育、经营利用国有天然林资源的综合性林业国有企业，目前施业区总面积为1005.4万hm2，（林业用地889.4hm2），约占黑龙江省总面积的四分之一。有林地面积829.3万hm2,森林覆被率82.7%。活立木总蓄积6.44亿m3，林分蓄积6.0亿m3。其主管部门黑龙江省森工总局，下属4个林业管理局，40个林业局。现有林业人口154.7万人，职工58.2万人（在职职工32.9万人），离退休人员19.4万人。建国以来，共生产木材5亿立方米，上缴利税114.1亿元，人工更新造林保存面积达276.34hm2，为国家经济建设和生态建设做出了巨大贡献。林区在为国家做出重大贡献的同时，也付出了巨大的代价，森林资源急剧减少，企业经济急剧恶化，陷入了“资源危机”、“经济危困”的境地。随着社会市场经济体制的建立和林区社会事业的发展，越来越不适应当前的需求。作为主导2产业木材，随着其产量的不断减少，其机构人员的不断增减，沉重的经济负担使得林区森林资源不堪重负，除此之外，由于企业经营效益逐年下降，财务出现巨大损额。人头费用耗掉了山上资源，吃光了企业利润，严重阻碍了企业的正常经营和发展。因此还导致了林区人才大量外流，森林可持续发展面临严重威胁。1998年天保工程启动实施，为国有林区和林业企业带来了新的希望，林区的发展进入了一个新的时期。深入实施天保工程后，黑龙江森工森林资源实现恢复和增长，生态体系建设全面加强，大幅度调减木材产量，实现了有林地面积、森林蓄积和森林覆盖率“三增长”。而且森工经济也快速增长，产业体系建设较好发展，经济效益不断提高，以12个木材加工园区为骨干的优势产业加速集聚，人造板、地板、家具以及绿色食品、北药等一批具有森工特色的产业竞相发展。但在总体来看，黑龙江林业企业经济还是比较困难的：林业经济总量不足、所有制结构单一、林业企业社会负担沉重、林区职工收入低等。如何摆脱这些困境，并且能使企业发展呈现经济规模效益和生态效益双增长，是当前林业企业必须面对的一个问题。同时作为一个企业，如何改善自己经营状况，合理的有效的进行资源配置，增强企业的竞争力在当今市场经济的体制下是非常有必要的。1.问题提出关于全要素生产率国内学者已经进行了较多的探索，研究涉及的社会经济领域也比较的广。而研究林业企业全要素生产率的文献少之又少。由于其特殊的资源禀赋，学者们对林业企业通常研究主要测重于国有林区林权制度改革，国家重点工程实施力度等。而通过量化的指标来分析林业企业的企业生产、生产效率则很少涉及，因此本文试图通过对黑龙江40个国有林业企业的有关生产指标，使用非参数DEA模型的Malmquist生产率指数法来考察林业企业全要素生产率问题，再通过对Panel-Data模型的构建进行全要素生产率的影响因素分析，以期更加清晰地考察引起黑龙江国有林业企业全要素生产率高低差异的主要原因，探寻进一步提升林业企业全要素生产率的对策。2.黑龙江国有林区全要素生产率评价2.1全要素生产率内涵与测度方法2.1.1全要素生产率内涵生产率是衡量生产效率的一个重要概念，是指企业所生产的产出与所需投入的比值，包括单要素生产率和全要素生产率。单要素生产率可表示为某一种生产要素投入量与产出量的比值，该比值仅反映该种生产要素的生产效率，其增长率反映的也仅是生产中对该种要素的节约程度，并不能全面而真实地反映生产效率的提高，因为在节约使用该种生产要素的同时，并不排除对其它生产要素更大程度的低效使用。而全要素生产率(TotalFactorProductivity,缩写为TFP)能够弥补3单要素生产率的缺陷，因此在生产效率的分析中，全要素生产率具有较强的普遍性和适用性。最早提出全要素生产率概念的是诺贝尔经济学奖得主荷兰经济学家丁伯根。1942年，他在柯布-道格拉斯生产函数的基础上，引入了时间因素，将产出作为劳动投入、资本和时间的函数。1957年，索洛在道格拉斯、丁伯根等人研究的基础上，提出了具有规模报酬不变特性的总量生产函数和增长方程，从数量上确定了产出增长率、技术进步率(后来被称为索洛余值)和投入要素增长率的联系。丹尼森发展了索洛余值的测算方法，将投入要素分类更加细化：把资本分为住宅建筑、住宅土地、非住宅建筑和设备、非住宅土地及存货；在劳动投入分类中考虑了工作时间、劳动者受教育程度、年龄以及性别等因素。20世纪80年代后，乔根森提出了度量全要素生产率的超越对数生产函数形式，将资本投入与劳动投入分解为数量增长及质量增长。2.1.2全要素生产率测度方法第一，生产函数法在早期的全要素生产率测量中，生产函数法应用最为广泛。使用生产函数法，首先要选择生产函数的数学形式，常见的函数形式有柯布-道格拉斯生产函数、超越对数生产函数等。通过这些函数形式计算全要素生产率都是基于“索洛余值”的方法，其假设条件为规模报酬不变。这种方法的不足之处是：函数形式设置不正确会导致全要素生产率估计值的偏差；此方法隐含的假定为将经济单元的效率设为100%，而当经济单元事实上存在无效率时，测出的全要素生产率增长是一个综合技术进步和效率的变化；由于忽视无效率的存在，此方法不能分解出TFP增长的技术进步因素和技术效率因素。而全要素生产率的增长不仅取决于所采用的技术水平的提高，即技术进步，而且还取决于对现有技术的应用能力(即技术效率)的改进，二者对样本单位都是非常重要的。第二，随机前沿函数法生产函数法假定所有企业在技术上是充分有效的，从而将产出增长扣除要素投入贡献后的剩余（即全要素生产率）全部归结为技术进步的结果。但Farrell等(1957)指出：并不是每一个生产企业都处于生产函数的前沿上，大部分生产者的效率与最优生产效率有一定的差距，即存在技术无效率。为了比“索洛余值”法更接近于经济增长的真实情况，随机前沿函数法将全要素生产率分解为技术进步和技术效率两个部分，从而能够进一步研究生产率的变化和经济增长的源泉。该方法的优点是：同时考虑了无效率项和随机误差项，并将其作为实际生产没有处于前沿生产面的原因。该方法的缺点是需要事先设定一定形式的前沿函数，对前沿面的形状强加了一些要求。因此，当函数形式设定错误时，往往会出现较大偏差。另外，无效率项假设分布的事先设定也并不总是能够通过检验。4第三，Malmquist生产率指数法该方法是基于DEA技术，使用非参数的方法构建出生产前沿面。现代效率的测度开始于Farrell(1957)，他在前人研究的基础上，提出了可以测度多种投入和产出要素的效率分析方法。Farrell认为企业的经济效率由技术效率和资源配置效率组成，前者反映在给定要素投入条件下，厂商获得最大产出的能力，后者表示在要素价格给定的条件下，厂商合理配置资源的能力。1994年，Farrell提出了测度随时间变化的多时期生产率分析方法，即使用面板数据的基于DEA技术的Malmquist生产率指数法，该方法可以将全要素生产率分解为效率变化和技术进步变化。相比前两种方法该方法的优点是：不需要设定生产系统投入和产出之间的生产函数函数形式，也不需要对无效率项的分布提出假设，仅依靠实际观测数据，利用线性规划技术，构造出前沿面，并由此来评价样本单位的相对效率，同时也可以将全要素增长率分解为技术进步变化和效率变化。本部分的分析主要是基于该种方法。2.2基于Malmquist指数的全要素生产率分析2.2.1Malmquist指数分解Malmquist生产率指数用于测量全要素生产率变化的专门指数。定义Malmquist生产率指数需要定义产出或投入的距离函数，在这里将距离函数定义为产出导向。令123123(,,,,);=(y,y,y,,y)RKMkmXxxxxRY和根据Farrell(1994)的分析,s时刻和t时刻之间的产出导向的Malmquist生产率指数可以采用如下公式计算：1/20,0,,,,0,0,()()()()()stttttssttstssssdyxdyxMPIyxyxdyxdyx（2-1）式中：),(0ttsxyd为从s时刻观察到t时刻的距离，如果MPI大于1，表明从s时刻到t时刻的TFP的增长为正值，反之表明从s时刻到t时刻的TFP的增长为负值，（2-1）可以同样地表述为（2-2）的等价形式：2/1,,,,,,,,,)()()C()()()()(sstcsssctttcttscsssctttcttssxydxydxydxydxydxydxyxyMPI（2-2）式中：中括弧外的部分为从时刻s到时刻t的产出导向的技术效率变化（effch），中括弧内的部分为产出导向的技术进步变化（techch）。当effch大于1，表明生产单位的生产更接近生产前沿面，技术效率有所提高；当techch大于1，说明生产前沿面向上移动，表明存在技术创新。进一步，Farrell(1994)将effch5分解为纯技术效率的变化（pech）和规模效率的变化（sech）。则上式转化为：1/2,,,,,,,,,,,,,()()()()()()()()()(C)()tstssvttvssvttcttcssssttsstttvsscsscttcttcssdyxdyxdyxdyxdyxMPIyxyxdyxdyxdyxdyxdyx=pech×sech×techch=effch×techch（2-3）因此，Malmquist指数最终可以分解成三部分：纯技术效率的变化、规模效率的变化和技术进步变化。上述过程的实现可以通过DEA方法或随机前沿生产函数法，其中DEA方法不需要具体的函数形式，所以在实际应用中应用最多的还是DEA方法，因此本研究主要采用该种方法。2.3数据来源与变量设定数据期间为2003年-2009年，截面单位是黑龙江省国有林区40个森工企业，数据来自《中国林业统计年鉴》和《中国统计年鉴》。根据国内外研究者对全要素生产率分析中投入和产出指标的设定，结合林业生产的特点和现有统计资料情况，选择固定资产投资年平均净额（万元）指标、选择劳动力人数（人）指标作为投入指标，；产出指标选用工业增加值（万元）指标。数据以2002为基期，分别以固定资产投资价格指数对投入产出指标进行了可比性处理，利用森林工业产品出厂价格指数对产出指标进行了可比性处理。下面对2003-2009年各指标走势进行描绘图1劳动人数总体呈逐年递减的趋势。6图2固定资产投资额除2004、2008年略有下降外，其余年份总体呈递增趋势。图3增加值除2006小幅下滑，其余年份总体呈递增趋势。3.非参数DEA模型的Malmquist生产率指数分析3.1结果与分析利用Deap2.1软件得到2003年～2009年黑龙江省国有林区40个林业企业的技术效率变化（effch）、技术进步变化（techch）、纯技术效率变化（pech）、规模效率变化（sech）和全要素生产率变化（tfpch）的年均值如表1。整体上看，2003年～2009年全要素生产率下降了14.8%，其主要原因在于技术进步下降了17.3%。2004年与2003年相比、2