热门毕业论文范文
论文写作技巧
热门职称发表论文
热点期刊发表资源
您所在的位置: 佳作论文网 > 论文资源 > 毕业论文 > 法学毕业论文 > 环境法论文 > >中国林业全要素生产率的时空格局演化研究

中国林业全要素生产率的时空格局演化研究

作者:admin  来源:佳作论文网 日期:2020-07-28 15:02 人气:

0 引言

林业是一个国家的物质基础,它能够提供其它产业发展所需的物质资源,因此,林业是促进整个国家经济不断发展和进步的重要保证。近年来,中国的林业发展较为迅速,从1997—2012 年,中国林业产值由1918.2 亿元增加到39450.9 亿元,在国内生产总值中的比重也由2.4%增加到7.6%。伴随着产出的增加,林业投入的增长幅度也逐步增大,1997 年中国的林业投入仅有74.2 亿元,到2012 年林业投入已高达3342.1 亿元,16 年间平均每年以30.3%的速度增加。然而,由于资源具有一定的稀缺性,不可能通过无限的投入来提高林业产出,所以通过效率的提高来实现林业的发展成为一项主要措施。尤其是对于人口众多但森林资源禀赋差异较大的中国而言,林业生产效率增长在中国林业发展中的重要性尤为突出。因此,测算并分析中国林业生产效率及其变动趋势,对中国林业的可持续发展具有重要意义。为了探索中国林业全要素生产率的空间差异与关联,进而从经济地理角度发现其增长的动力机制,本研究在测算中国林业全要素生产率的基础上运用空间计量经济分析方法对林业全要素生产率的空间分布特征及空间演化趋势进行了分析。

1 数据来源与指标选取

本研究以中国的省域为研究尺度,依照中国现时的行政区划,中国共有34 个行政区域,包括22 个省、4 个直辖市、5 个自治区以及港澳台地区。根据本研究所需数据的可获得性,共选取除港澳台及西藏自治区之外的30 个行政区域作为研究对象。本研究所用的数据主要来源于1997—2012 年的《中国林业统计年鉴》和《中国统计年鉴》,对于所利用到的投入和产出数据,均利用历年中国各地区的固定资产投资价格指数和地区生产总值指数将其折算为以1997 年为基期的数值。

在进行林业全要素生产率测算时需要运用到投入变量和产出变量,投入主要是指生产过程中所有要素的投入之和,一般包括资金、劳动力和土地三个方面,由于中国林业用地面积的统计跨度为5 年一次,因此本研究只选取林业系统年末从业人员数和林业固定资产投资完成额作为投入变量,并选取林业产业总产值和当年造林面积两个变量作为林业全要素生产率测算的产出变量。

2 实证分析

2.1 林业全要素生产率的时间变化分析

在进行时间格局演化研究之前,本文首先对中国林业全要素生产率进行测算。在此以各个省份(市、自治区)作为一个决策单元,运用基于DEA 的Malmquist 指数法来进行测算。在具体测算过程中,本文运用Fare 等人所构建的测算方法进行计算,具体公式为:

M0(xt + 1yt + 1xtyt) =d t0(xt + 1yt + 1/VRS)d t0(xtyt /VRS)×[d t0(xt + 1yt + 1)/CRSd t + 10 (xt + 1yt + 1)/VRS×d t0(xtyt)/VRSd t + 10 (xtyt)/CRS][d t0(xt + 1yt + 1)d t + 10 (xt + 1yt + 1)×d t0(xtyt)d t + 10 (xtyt)]__ 图1 显示了中国1997—2012 年每年的林业全要素生产率及其构成。从时间变化的角度来看,从1997—2012年,中国林业全要素生产率呈现出明显的波动特征,林业全要素生产率的最高点出现在2006—2007 年,在此期间增长了21%,最低点出现在2003—2004 年,林业全要素生产率下降32.6%。从影响林业全要素生产率的三个要素来看,1997—2012 年,技术变动指数波动性较强,从变动趋势中可以看出,林业全要素生产率的变动与技术变动指数的变化趋势较为一致;在林业生产纯技术效率方面,从1997—2012 年,该指数基本保持稳定的变化趋势,始终在数值1 上下波动;规模效率除了2002—2005 年出现小幅波动之外在其它时间段的变化也较为稳定,尤其是2007 年以来其变动趋势与纯技术效率的变动较为一致。由此可见,中国林业全要素生产率的历年变动受技术变动的影响较大,而受林业纯技术效率和林业规模效率的影响较小。

2.2 全局空间自相关分析全局空间自相关主要是对林业全要素生产率在中国整体区域空间上的特征进行描述性分析,利用该方法,可以判断出中国林业全要素生产率在整体上的空间相关程度。通常用Moran’s I 指标来进行衡量。本文进行研究时所利用的具体计算公式为:

Global Moran's I i= 1nåj = 1nωij(Yi -Y-)(Yj -Y-)S2åi = 1nåj = 1nωij式中,Global Moran’s I 表示林业全要素生产率的全局空间自相关指标;n 表示研究的30 个区域;i 和j 均表示研究的第i 个和第j 个省份;Yi和Yj均表示第i 个和第j 个省份的林业全要素生产率;Y- = 1nåi = 1nYi ,表示30 个省份林业全要素生产率的平均值;S2 = 1nåi = 1n(Yi -Y-) ,表示林业全要素生产率的方差;ωij表示空间权重矩阵。一般来讲,GlobalMoran’s I的取值范围为[-1,1],若该值越接近于1,表示30个省份的集聚性趋于显著,若该值趋近于-1,表示趋异性越显著;若Global Moran’s I 等于零,表示30 个省份之间相互独立,空间不相关,若大于零,表示正相关,若小于零,表示负相关。对于Global Moran’s I指标的检验采用z检验方法。

运用全局空间自相关计算公式测算1997—2012 年中国30 个区域的林业全要素生产率的全局空间自相关指数Global Moran’s I,并且选择999 次空间排列次数判断其显著性,结果见表1。通过计算发现,1997—2012 年间,除了2000—2001 年、2003—2004 年和2008—2009 年之外,各年度Global Moran’s I 的正态统计量z 值均小于0.05 置信水平的临界值,即Global Moran’s I 的显著性不强。同时,Global Moran’s I 的值接近于0,说明中国林业全要素生产率在总体上表现出随机分布的特征。

通过观察Global Moran’s I 的数值,可以发现中国林业全要素生产率在整体上的空间变化可以分为两个时间段。1997—2003 年为第一阶段,在该阶段内,除了2000—2001 年的林业全要素生产率表现出正空间自相关之外,其它年度均呈现出负空间自相关关系,即中国林业全要素生产率表现出离散分布特征;2003—2012 年为第二阶段,在该阶段内,除了2004—2005 年、2007—2008 年和2009—2010 年表现出微弱的负空间自相关关系之外,其它年度均呈现出正空间自相关关系,即中国林业全要素生产率表现出集聚分布特征。

由于全局空间自相关分析仅仅揭示了中国林业全要素生产率的全局综合空间特征,还不能充分表明所研究的每个省份与周边省份之间在林业全要素生产率方面的空间关系,因此本文继续运用局部空间自相关分析方法继续对各个省份的空间关系进行研究。__2.3 局部空间自相关分析局部空间自相关主要是对不同省份在林业全要素生产率与其它周边省份之间的空间关联程度和空间差异程度进行研究。本文采用Local Moran’s I 指标来衡量中国林业全要素生产率的局部空间自相关性,其具体计算公式如下所示:式中,Local Moran’s I 表示林业全要素生产率的局部空间自相关指标,其它字母的含义与Global Moran’s I 指标计算公式中的定义相同,局部空间自相关分析也采用z 检验方法进行统计检验。

林业具有较强的外部性特征,因此林业的发展受国家宏观政策的影响程度较大。中国分别于2000 年和2002 年全面开展了天然林资源保护工程和退耕还林工程的建设,在2008 年又全面开展了集体林权制度改革并在2010 年初步完成,在这几项工程建设或林业改革中均出台了较多的林业发展政策,因此这势必会对中国林业全要素生产率的空间分布产生一定的影响。同时,由于林业生产具有较强的滞后性特征,为此,本文除了将研究起始年和终止年作为研究截面之外,还选取天然林资源保护工程和退耕还林工程全面开展后的2003—2004 年作为研究截面。本文运用GeoDa 软件进行30 个区域林业全要素生产率局部空间自相关指数Local Moran’s I 测算并得到Moran 散点图(图略),并运用ArcGIS 软件将Moran 散点图进行空间可视化处理得到林业全要素生产率的局部空间自相关散点地图(见图2)。

2 中国省域林业全要素生产率的局部空间自相关散点地图从图中可以看出,在1997—1998 年位于高值集聚区域内的省份共有6 个,占总数的20%,这些区域主要集中在中国的东北地区和东南沿海地区;位于低值集聚区域内的省份共有7 个,占总数的23.3%,主要分布在西部地区。

高值集聚和低值集聚区域内的省份共占总数的43.3%,这表明1997—1998 年中国林业全要素生产率的分布已经呈现出二元空间结构,即林业全要素生产率的高值集聚区域主要分布在东北的个别省份和东南沿海地区,低值集聚区域主要分布在西部地区。从整体来看,在1997—1998 年有14 个省份落入过渡区,占总数的46.7%,所占比例较大,这说明1997—1998 年中国的林业全要素生产率在整体水平上还较低,过渡区内的省份主要分布在中国的东北地区、华北地区和中部地区。处于极化效应区内的省份主要包括新疆、云南和湖南,在总数中所占比重较小。

与1997—1998 年相比,2003—2004 年落入林业全要素生产率高值集聚区域内的省份增加到12 个,占总数的40%,从分布来看与1997—1998 年相比在东北区域增加了黑龙江一省,其余省份除了江苏、浙江和福建之外,由1997—1998 年的东南沿海地区向华北地区转移。林业全要素生产率低值集聚区域中所包含的省份与1997—1998年相比增加了3 个,占总数的33.3%,整体来看低值集聚区域仍然分布在中国的西部地区,且与1997—1998 年相比在范围上有所扩大。以上林业全要素生产率的高值集聚和低值集聚区域在30 个省份中所占的比例高达73.3%,由此可见,与1997—1998 年相比中国林业全要素生产率的二元空间结构更加明显,即高值集聚区域分布在中国的东北、华北和东部沿海地区,低值集聚区域分布在中国的西部地区。2003—2004 年位于过渡区和极化效应区内的省份分别为6 个和2 个,与1997—1998 年相比过渡区内的省份分布由华北地区和华中地区向南转移,极化效应区内的省份也由1997—1998 年的分散分布转移到内蒙古和陕西两个省份。

在2011—2012 年,位于林业全要素生产率高值集聚区域内的省份共有10 个,与2003—2004 年相比有所减少,在总数中所占的比例为33.3%。高值集聚区域在地理位置分布上与2003—2004 年相比在东北地区没有发生变化,其余省份更加向华北地区集中。林业全要素生产率低值集聚区域内所包含的省份与2003—2004 年相比减少到6 个,所占比例为20%,与2003—2004 年相比仍然分布在中国的西部地区,只是在数量上有所减少。由此可知,具有正空间区域相关关系的省份所占的比重为53.3%,与2003—2004 年之间的73.3%相比有所下降,即中国林业全要素生产率的空间二元结构分布有所弱化。在2011—2012 年林业全要素生产率过渡区内所包含的的省份为11个,所占比例为36.7%,其空间分布与1997—1998 年极为相似,即主要集中在中国的中部地区。2011—2012 年极化效应区内的省份为北京、宁夏和广西,所占比重较小且地理位置分布仍较为分散。

以上中国林业全要素生产率的空间分布及其演变表现出以下几个方面的规律:首先,长期以来中国林业全要素生产率始终处于较为明显的二元空间结构分布状态,即高值省份和低值省份在空间上分别集聚,且高值区域主要集中在中国东部省份,低值区域主要集中在西部省份。其次,中国林业全要素生产率二元空间结构呈现出先增强后减弱的变动趋势,二元空间结构最为明显的时期为2003—2004 年,即天然林资源保护工程和退耕还林工程全面开展后的时期,说明生态工程建设对其产生的影响作用较大。最后,随着时间的推移,中国林业全要素生产率高值集聚区域逐步由东南沿海地区向中国的华北地区转移。

2.4 局部空间演化特征分析

在此,本文继续运用时空跃迁测度法对中国林业全要素生产率的局部空间变动特征进行分析。时空跃迁主要将Local Moran’s I 分为四种类型。第一类型跃迁主要是指某一省份的林业全要素生产率由高值区域向低值区域跃迁或低值区域向高值区域跃迁,但是其周边临近省份未大规模发生该现象,该类型主要包括HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1;第二类型主要是指某一省份的林业全要素生产率由高值区域向高值区域跃迁或低值区域向低值区域跃迁,并且其周边临近省份大规模发生该现象,该类型主要包括HHt→HLt + 1、HLt→HHt + 1、LHt→LLt + 1、LLt→LHt+1;第三类型主要是指某一省份及其周边省份的林业全要素生产率发生由高值区域向低值区域跃迁或低值区域向高值区域跃迁的现象,该类型主要包括HHt→LLt+1、HLt→LHt+1、LLt→HHt+1、LHt→HLt+1;第四类型主要是指某一省域的林业全要素生产率保持相同水平的情况,主要包括HHt→HHt+1、HLt→HLt+1、LHt→LHt+1、LLt→LLt+1。

表2 列出了运用时空跃迁测度法对30 个区域进行跃迁分析的结果。从表中可以看出,从1997—1998 年向2003—2004 年跃迁时,有40%的省份位于第一类型之中,并且在这之中绝大多数省份位于由林业全要素生产率低值被高值包围区域向高值集聚区域跃迁(即LHt→HHt+1),另40%的省份位于第四类型之中,因此可以看出,在这段时间内中国林业全要素生产率的变化出现两种特征,即一部分省份的林业全要素生产率呈现出向高值集聚跃迁的演化特征,另一部分省份的林业全要素生产率表现出空间位置上持续稳定变化的演化特征。从2003—2004 年向2011—2012 年跃迁时,其表现出的演化特征与上一阶段基本相同,30 个省份中有16 个省份的林业全要素生产率处于第四类型之中,并且在这之中高值集聚省份的跃迁和低值集聚省份的跃迁所占的比重最高,同时另一部分省份处于第一类型之中,说明绝大多数省份均表现出林业全要素生产率空间格局演化的锁定特征。

以上两个阶段的跃迁结果表明,中国30 个区域中绝大数省份林业全要素生产率的空间格局呈现出稳定的演化特征,即绝大部分省份的林业全要素生产率在研究期内始终处于集聚区域类型不变的空间分布状态。除此之外,随着时间的推移也由部分省份的空间状态发生变化,但是仅为省份自身所处区域类型发生变动,其周边省份未发生大规模变化。另外,以上跃迁结果还表明,中国林业全要素生产率的高值集聚区域始终分布在辽宁、江苏、浙江及其周边省份,而低值集聚区域始终分布在甘肃、青海、四川及其周边省份。关分析法和局部空间自相关分析法,在DEAP2.1、GeoDa和ArcGIS 软件的支持下测算并分析了中国30 个区域林业全要素生产率的数值及其时空变化状况。研究表明:第一,1997—2012 年,中国林业全要素生产率在时间上呈现出明显的波动特征,技术变动对其影响程度较大,林业纯技术效率变动和林业规模效率变动在林业全要素生产率波动过程中所起的作用较小。第二,1997—2012 年,中国林业全要素生产率在全局空间上的分布表现出两种特征,1997—2003 年中国林业全要素生产率表现出离散分布特征,2003—2012 年表现出集聚分布特征,但全局空间集聚水平较低。第三,从中国林业全要素生产率局部空间的变化来看,林业全要素生产率的空间分布呈现出明显的二元空间结构。在研究期内中国林业全要素生产率的二元空间结构呈现出先增强后减弱的演化趋势,但是整体分化状况较为明显,且高值集聚的变化逐步向以山东为中心的华北南部和江浙一带靠拢,低值集聚区域主要分布在甘肃、青海和四川以及周边省份。第四,从中国林业全要素生产率局部空间变动的特征来看,30 个区域中绝大数省份的林业全要素生产率的空间格局呈现出稳定的演化特征,即除了少数省份随着时间的变化自身类型发生变动之外,其它大部分省份均始终处于集聚区域类型不变的空间分布演化状态。除此之外,辽宁、江苏、浙江三省始终处于高值集聚区域之内,而甘肃、青海、四川始终处于低值集聚区域之内,高值集聚区域和低值集聚区域的变化始终围绕在这几个省份周围。

由此可见,以中国西部区域为重点是推动中国林业全要素生产率发展和平衡的关键措施。西部地区是中国林业生态工程的主要建设区域,技术、资源和经济与其它区域相比本身就存在较大的差异,而生态工程建设过程中诸多限制政策的实施又进一步加剧了差异的存在,由此,从政策方面进行调整成为缩小区域差距的首要措施。如在生态环境恢复较好区域及不影响生态环境的前提条件下,适度改变生态工程建设中林种和树种禁止更新的相关政策,尤其对于云南、贵州、四川等森林资源较好的西部省份而言可以进行试点实施,以此带动周边区域林业全要素生产率的提高。在林业技术方面,除了应该加大现有技术投入之外,林业技术应该在现有森林资源保护的发展背景下向能够产生较高经济效益的技术方向转移,如林果产品单位产量研发技术、林下经济产品研发技术等等,以此提高林业产出,解决西部区域林业产业发展乏力和林业全要素生产率较低的问题。除此之外,中国林业全要素生产率的进一步提高还需加强省际之间林业发展的关联系和互动性,如西南等森林资源较好的区域可以借助于广东等东南沿海林业加工产业较为发达的区域来建立林业产业发展的产业链,形成林业产业的整体发展,以此提高整体区域的林业发展。

 

本文网址: http://www.7bestpaper.com/lwzy/hjflw/777.html转摘请注明本文来源:佳作论文网专注论文模板下载及论文服务,以质为根,以信为本!
推荐阅读
  毕业论文范文论文资源期刊发表资源论文模版资源论文写作技巧

佳作论文网http://www.7bestpaper.com/ Copyright 2008-2020

Email:177872916@qq.com 佳作论文网拥有毕业论文范文、职称发表论文、论文格式模版、各行业期刊介绍等几个版块,专业提供专本科、硕士、博士毕业论文范文、职称论文发表范文;各大院校毕业论文格式模板下载,范文内容涵盖广,发表期刊多,18年精心服务,值得信赖。



收缩
  • 电话咨询

  • 13838208225