1、1国有林区林产品加工企业生产效率测度及影响因素研究摘 要：选取东北、内蒙古重点国有林区 14 个林产品加工企业，将其分为木质林产品加工企业和非木质林产品加工企业，分别对其生产效率进行测度，研究停伐政策是否会对不同类型企业的生产效率产生不同影响，并对其效率的主要影响因素进行分析。 关键词：生产效率；DEA 模型；Tobit 模型 中图分类号：F307.2 文献标志码：A 文章编号：1673-291X（2016）20-0007-03 引言 通过对东北、内蒙古重点国有林区的调查发现，受停伐政策影响，部分小型林产品加工企业已停产。然而未停产的林产品加工企业是否也受到了影响？停伐政策对今后林产品加工企业
2、的转型方向产生了什么样的影响？本文主要研究内容是与非木质林产品加工企业相比，木质林产品加工企业的生产效率是否受到了更大的影响。通过对重点国有林区木质林产品和非木质林产品两类企业的生产效率进行对比，分析林产品加工企业生产效率的影响因素，对提高国有林区林产品加工企业效率和企业转型提供参考依据。 测算生产效率的方法主要有随机前沿分析（SFA）和数据包络分析（DEA）两种方法。DEA 模型属于非参数方法，由于方法本身并不需要对2其参数进行估计和评判，能够有效规避主观因素的影响，在简化运算、减少误差等方面也存在着优势（张军涛，等，2014） 。朱洪革等（2011）运用 DEA 模型对国有森工企业的技术效
3、率进行了测度，并结合 Tobit 模型对国有森工企业效率的影响因素进行了分析。王玉芳等（2013）运用DEA 模型对黑龙江省林区 40 个林业局的林业生产率变化进行研究。张军涛等（2014）运用 DEA-Tobit 模型对中国 20012010 年的土地利用率进行测度，并对其影响因素进行分析。何浩然等（2007）运用 DEA 模型结合普通最小二乘法和广义线性模型，利用样本的横截面数据对 2004 年东北、内蒙古重点国有林区林产品加工企业的效率进行测算，并分析其影响因素。刘振滨等（2014）运用 DEA-Tobit 模型测算福建省 20042009年林农家庭经营在 BCC 模型下的效率值，并对影
4、响因素进行分析。本文主要通过运用非参数的 DEA 模型对重点国有林区的林产品加工企业的生产效率进行测度，并分别对木质林产品和非木质林产品两类企业进行研究，并结合 Tobit 模型分析林产品加工企业生产效率的影响因素。 （一）DEA-Tobit 模型 本文运用 DEA 结合 Tobit 回归模型，在重点国有林区下选取 14 个林产品加工企业，把每一个林产品加工企业作为一个决策单元，即 DUM，运用 DEA 方法中的 CCR 模型和 BCC 模型，并均使用投入导向的方法，对林产品加工企业的技术效率、纯技术效率和规模效率进行测算。CCR 模型的公式为（Cooper et al，2000）： 式中 u
5、0 代表规模报酬指标。 Tobit 回归模型中将技术效率作为因变量引入模型中，并选取 5 个影3响因素指标作为自变量来分析影响林产品加工企业效率的因素。Tobit 模型的公式为（朱洪革，2011）： 式中，y*i 为潜变量，yi 为观察到的因变量，xij 为自变量向量，i 为相关系数向量，0 为常数项，i 是独立的且 i N（0， 2） 。（二）变量选择 本文选择了 1 个产出变量、3 个投入变量。在 DEA 模型中的变量选择如表 1 所示：在产出方面的 1 个指标是企业产值（y） ；在投入方面，与劳动力有关的指标是企业在岗职工人数（x1） ，与企业所用能源有关的指标是电力投入（x2） ，与资
6、本有关的指标是企业固定资产的投入（x3） 。 表 1 林产品加工企业投入产出指标 在 Tobit 模型下选取的 5 个影响因素变量及作用方向假设如表 2 所示。企业负责人的学历：（z1）1 为初中及以下，2 为高中或中专，3 为大专，4 为大学及以上。企业负责人的年龄（z2） 、企业类型（z3）作为一个虚变量 0，代表非木质林产品加工企业；1 代表木质林产品加工企业。企业的研发水平（z4） ；没有研发部门为 0，有研发部门为 1。企业职工中大专及以上学历所占比例（z5） 。企业负责人自身的学历高低可能影响其面对市场作出决策，企业负责人的学历越高，对市场风险的评估、对企业的经营管理等方面考虑越周
7、全，更可能做出正确的决策。企业负责人年龄的大小与负责人经验挂钩，但同时，年龄越大可能对企业投入的精力越不足。企业的研发能力高低影响企业产品附加值的高低，通常认为企业科研能力越强，产品附加值越高，企业效率越高。企业职工中学4历高的所占比例越高，企业效率越高。需要说明的是，由于不同类型企业所投入原材料类型差异性较大，不具可比性，所以本文未选用原材料作为投入变量。 本文数据来源于 2015 年 7 月东北林业大学调研小组赴东北、内蒙古重点国有林区的调研数据。林产品加工企业的具体分布状况如表 3 所示，每个企业为一个 DMU，样本中共有 14 个 DMU，其中，木质林产品加工企业的 DMU 有 9 个
8、，龙江森工有 5 个木质林产品加工企业，吉林森工有 4个木质林产品加工企业。非木质林产品加工企业 DMU 共有 5 个，其中包括龙江森工的 4 个企业和吉林森工的 1 个企业。见表 3。 如表 4 和表5，分别描述了全部林产品加工企业、木质林产品加工企业和非木质林产品加工企业的主要投入产出值和影响因素的基本特征。由表 4 可以看出，非木质林产品加工企业在电力和固定资产的平均投入高于木质林产品加工企业，同时，平均产值也高于木质林产品加工业。表 5 所示的非木质林产品的企业负责人学历、企业研发水平、企业职工大专及以上学历占比平均值均高于木质林产品加工企业。 表 2 影响因素变量及作用方向假设 表
9、3 林产品加工企业分布状况 在 CCR 模型下的技术效率和 BCC 模型下的规模效率，木制林品加工企业的有效 DMU 比例都高于非木质林产品加工企业，均为 44.44%；非木质林产品加工企业占 40%。只有在 BCC 模型下的纯技术效率非木质林产品加工企业有效 DUM 占比高于木质林产品加工企业，为 80%；而木质林产品加工企业有效 DMU 占 77.78%（表 6） 。然而，在 DEA 模型下的平均效率值，5无论是在 CCR 模型下的技术效率平均值还是在 BCC 模型下的纯技术效率平均值和规模效率平均值，非木质林产品加工企业均高于木质林产品加工企业，分别为 86.8%，97.8%和 87.6
10、%，而后者则分别为 73.6%，94.8%和 87.6%。木质林产品加工企业的规模效率和技术效率均低于全部企业效率的平均值（表 7） 。 在 Tobit 回归模型下对企业效率的影响因素分析结果（表 8）表明，有两个影响因素对企业效率影响是显著的，即无论在 CCR 模型还是 BCC模型下企业负责人的学历（z1）和企业职工大专及以上学历人数占比（z5）对企业效率的影响都是显著的（p0.05） ，这也肯定了文中对这两个影响因素作用方向的假设。然而，值得注意的是，企业的类型（z3）对企业的生产效率的影响并不显著，尽管调查表明多数木质林产品加工企业负责人认为停伐政策会造成企业原材料的短缺，从而影响企业效
11、率，但是在现有指标测度下，并未显现出停伐政策对木质林产品加工企业和非木质林产品加工企业造成了不同的影响。对此，本文认为有以下原因。第一，停伐政策实施的时间较短，仅一年时间，在短期内，停伐政策对不同类型林产品加工企业的影响还未体现出来，尤其是吉林森工在 2015年 4 月才开始实施停伐政策，对其 2014 年的生产基本不会产生影响。要进一步对林产品加工企业效率的影响因素进行分析，需要在接下来几年持续跟踪调查。第二，木质林产品加工的企业管理者认为停伐会对其原材料的供给产生影响，可能只是基于对企业长期发展的一个预测。实际上在短期内，停伐政策并未对其原材料市场产生较大的冲击。 对于木质林产品加工企业的转型发展应加大扶持，为企业建立转型6基金，帮助部分企业度过转型的困难时期。同时，应将非木质林产品加工企业作为以后林产品加工企业发展的重点和企业转型的方向。在林产品加工企业生产效率方面，管理因素和人力因素对企业生产效率影响较大，尤其是企业负责人的学历和企业职工的学历都会对企业生产效率产生显著影响，因此，应注重对人力资源的投入，为林区引进优秀的人才，以使林产品加工企业能够顺利转型，得到更好的发展。
