基于SBM-Malmquist 模型的云南林业生态效率测算及时空差异性研究

摘要 运用SBM-Malmquist模型对2011—2020年云南16个州市的林业生态效率进行空间和时间测度。结果表明：云南林业生态效率整体水平较高，呈波动上升趋势，但未达到稳定的最优水平；规模效率是制约云南林业生态效率的关键要素；林业生态效率的静态效率值（TC）呈现出滇东北>滇中>滇南>滇西北的特征；林业生态效率的动态效率值（Mg）大部分时间为低促进水平，林业技术进步效率有待加强；各区域林业生态效率的动态效率波动大，且区域间存在明显差异。最后，提出了促进云南林业生态效率高水平发展的建议。

关键词 林业生态建设；生态效率测度；SBM-Malmquist模型；云南

中图分类号 F 326.2  文献标识码 A  文章编号 0517-6611（2023）07-0142-04

doi：10.3969/j.issn.0517-6611.2023.07.033

Analysis on Forestry Eco-efficiency in Yunnan Province Based on DEA-SBM and Malmquist Model

XIAO Yong-mao，LONG Qin

（School of Economics and Management，Southwest Forestry University，Kunming，Yunnan 650224）

Abstract Based on SBM-Malmquist model，calculates the forestry ecological efficiency value and dynamic index of 16 prefectures and cities in Yunnan from 2011 to 2020，and analyzes the space-time changes of forestry ecological efficiency in Yunnan.The results showed that the overall level of forestry ecological efficiency in Yunnan was high，showing a fluctuating upward trend，but did not reach the stable optimal level;scale efficiency is the key factor that restricts the ecological efficiency of Yunnan forestry.The static efficiency of forestry ecological efficiency showed the characteristics of Northeast Yunnan > Middle Yunnan > South Yunnan > Northwest Yunnan.The dynamic efficiency value of forestry ecological efficiency is low in most of the time，and the efficiency of forestry technological progress needs to be strengthened.The dynamic efficiency of forestry ecological efficiency fluctuates greatly in each region，and there are obvious differences among regions.Finally，some suggestions are given to promote the high level development of forestry ecological efficiency in Yunnan.

Key words Forestry ecological construction;Eco-efficiency measurement;SBM-Malmquist model;Yunnan

基金项目 云南省教育厅科学研究基金研究生项目（2022Y632）。

作者简介 肖永茂（1995—），女，四川宜宾人，硕士研究生，研究方向：林业经济管理。通信作者，教授，博士，从事林业经济管理研究。

收稿日期 2022-09-07

生态环境是人类生存最为基础的条件，2018年党的十八大将生态文明建设写入宪法修正案，从国家战略的角度确定了其重要地位；2021年党的十九届六中全会指出，生态文明建设是关乎中华民族永续发展的根本大计。林业作为生态文明建设的主体，肩负着增加森林生态资源资产，在2060年实现碳中和目标进程中增汇、增进基本民生福祉的重要任务［1］。森林生态系统是地球上陆地面积最大的复杂自然生态系统，其种类多、生物多样性丰富、功能强大、碳汇储量大［2］。林业生态效率能够衡量林业经济和生态发展状况，高水平的林业生态效率能够保证林业的高质量发展并推动生态文明建设［3］。林业生态效率是指同时考虑到林业经济效益和生态效益的前提下，林业投入转化为产出的效率测度标准［4］。高林业生态效率就是要保证林业具有经济竞争力的同时，减少环境污染和资源消耗。从现有文献看，林业生态建设效率的研究主要集中在较为宏观的省域层次［5-10］。云南林业资源丰富，是我国第二大林区，但云南省内各州市的地理特征和林业资源分布差异明显，林业生态建设也随之而呈现出不同状况，研究云南省市域层次林业生态效率更有针对性和现实指导价值。鉴于此，笔者拟从市域层次视角对林业生态效率进行探索，以期为促进云南林业生态建设可持续发展提供决策参考。

1 材料与方法

1.1 研究区概况

云南省地处于我国西南边陲，全省下辖8个地级市、8个自治州，总面积39.41万km2，山地面积占全省土地面积的94%。云南省林业资源丰富，是我国森林类型最全面、生物多样性最丰富的省份之一，是著名的“动植物王国”。据2021年《云南省统计年鉴》，2020年云南省森林覆盖率为65.04%，林地面积为25.99万hm2，林地面积居全国第2，林业从业人员135万人，林业总产值为429.5亿元。

1.2 研究设计与方法

按照森林生态、环境经济、林业可持续发展理论，结合林业生态效率测算指标具有多投入多产出以及效率随时间动态变化的特点，并综合考虑DEA-SBM模型相对于传统DEA模型具有能够将非期望产出考虑在内的优势［11］，以及Malmquist指数模型能够实现对效率时间动态变化的描述［12-13］。通过构建林业生态效率DEA-SBM模型和Malmquist指数模型，分别对2011—2020年云南省16个州市静态林业生态效率值和动态林业生态效率变化指数进行测算，进而分析云南不同区域和州市林业生态效率的时间和空间演变状况。

1.2.1 静态林业生态效率测算模型构建。

云南省林业生态效率的静态测算采用基于投入导向型的SBM模型：假设对k个州市的林业生态效率进行评价，有i个投入指标，j种产出指标，xik为k地区的第i个投入指标（i=1，2，…，m）；yjk为k地区的第j个产出指标（j=1，2，…，n）；X为投入矩阵，Y为产出矩阵，λ表示林业生态效率的线性组合系数，θ为林业生态效率值，s-和s+分别表示投入冗余和产出不足。具体模型如下：

minθ=（1-1mmi=1s-ixik）/（1+1nnj=1s+ryjk）（1）

s.t. xk=Xλ+s-yk=Yλ-s+s-≥0，s+≥0，λ≥0

假设模型的最优解为θ*，θ值为0～1，且随松弛变量的增大而减小，当s-和s+均为=0，则θ=1时，表示不存在投入冗余和产出不足，林业生态效率达到前沿面；当0≤s-，s+<1时，则0≤θ<1时，表示存在投入冗余或产出不足，林业生态效率未达到效率前沿面，则林业生态建设存在着改进的必要［14］。

1.2.2 动态Malmquist指数测算模型构建。

Malmquist指数能够反映每个决策单元各时期的效率变化，采用Malmquist指数构建林业生态效率变化指数模型：假设有k个决策单元，xtj表示第j个决策单元在t期的投入指标值，ytj表示第j个决策单元在t期的产出指标值。Mg为林业生态效率的变化指数，假定从t期和t+1期林业生态效率的规模报酬不变，Dtc（xt，yt）为林业生态效率在t期投入距离函数，在t期技术条件下，从t期到t+1期技术效率变化值Mgt=DtC（xt+1，yt+1）DtC（xt，yt），在t+1期技术条件下，从t期到t+1期技术效率变化值Mgt+1=Dt+1C（xt+1，yt+1）Dt+1C（xt，yt）。t期到t+1期的林业生态效率变化指数Mg为Mgt和Mgt+1的几何平均值，具体公式如下：

Mg（xt，yt，xt+1，yt+1）=（Mgt×Mgt+1）12=EC×TC

（2）

当Mg>1时，表示林业生态效率上升，反之则下降。将Mg指数分解为技术效率变化指数（EC）和技术变化指数（TC），EC>1或TC>1表示技术效率或技术变化对林业生态效率上升起促进作用，反之则起阻碍作用［15］。

1.3 指标选取

该研究为构建测度模型中科学合理的林业生态效率评价指标体系，在参考了吴远征等［3-5］构建的林业生态效率评价指标体系的基础上，结合云南省16个州市的地理区位及其林业资源分布特点，基于土地、劳动力、资本投入的最小化，经济价值的最大化及环境影响最小化的目标，构建符合系统科学性、动态可对比性、可行与可操作性原则的云南省林业生态效率评价指标体系（表1）。其中，投入指标主要反映林业生产经营过程中所付出的土地、劳动力、资本，该研究选取林地面积、林业从业人员数和林业中间消耗作为投入指标；非期望产出反映林业生产经营活动对环境造成的影响，选取林业废水排放量以及林业废气排放物中的SO2的排放量为非期望产出指标；期望产出反映林业产品或者服务的经济价值，选取林业生产总值作为期望产出指标。

1.4 数据来源

所采用的数据来源于云南各州市政府官网及《云南省统计年鉴》（2012—2021年）。其中，林业废水排放量（y1）、林业废气排放量（y2）以及林地面积（x3）指标数据通过间接获得，具体获取方式如下：y1=林业第二产业产值/工业产值×工业废水排放量；y2=林业第二产业产值/工业产值×工业废气排放量；x3=农用地面积-耕地面积-牧草面积-园地面积。

1.5 评价标准

运用MaxDEA软件分析云南16个州市10年的林业生态效率SBM效率值和Malmquist动态指数及其相关分解值。为了对各州市和各区域在研究期内的林业生态效率有更明晰的认识，将林业生态静态和动态效率值评价标准分为5个等级，具体评价标准见表2。

2 结果与分析

2.1 林业生态效率静态空间

2.1.1 静态测度的市域空间差异。

市域层次的研究单元为云南省16个州市，即昆明、曲靖、玉溪、保山、昭通、丽江、普洱、临沧、楚雄、红河、文山、西双版纳、大理、德宏、怒江和迪庆。计算得出2011—2020年云南各州市的林业生态效率（TE）、纯技术效率（PTE）和规模效率（SE）均值（表3）。

从TE来看，16个州市10年TE均值为0.798，处于高效率水平，但未达到最优效率水平，表明云南林业生态建设总体情况较好，但其林业生态建设投入和产出结构仍有待提高［16］。其中，迪庆和西双版纳2个州市TE为1.000，处于最优状态，保山、楚雄、丽江、临沧和怒江5个州市的TE未达到高效率水平。从16个州市10年的林业生态效率评价水平来看，68.75%的州市林业生态效率处于较高水平以上，证明超过50%的州市在林业经济发展的同时，注重生态环境的保护。