采伐限额对林业投资和森林保护的影响研究—

国家自然科学基金(42207543)和中国人民大学新教师启动金项目(22XNKJ26)资助

Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 59, No. 4 (July 2023)

采伐限额对林业投资和森林保护的影响研究——基于结构方程模型的分析

1.中国人民大学环境学院, 北京 100872; 2.北京大学国家发展研究院, 北京 100871; 3.国家林业和草原局亚太森林网络管理中心, 北京 100714; †通信作者, E-mail: liusl2021@ruc.edu.cn

摘要使用森林资源清查、林业投资和限额指标等数据, 通过双向固定效应模型和结构方程模型, 探讨采伐限额对林业投资和森林保护的影响。研究结果表明, 采伐限额对林业投资存在抑制效应, 并突出作用在社会投资和外资利用两个方面。同时, 投资抑制又在采伐限额与森林保护之间起到遮掩效果, 抵消了限额管理的政策效果, 对森林保护造成显著的负面影响。研究结果可为森林采伐限额政策的优化提供新的思路。

关键词 采伐限额; 林业投资; 森林保护; 双向固定效应模型; 结构方程模型

森林是陆地生态系统的主体, 在生态文明建设中发挥着主体性、基础性和先导性作用[1]。森林的保护事关人民的福祉和民族的未来, 亟需政策和资金的重点倾斜。然而, 长期以来森林保护和林业经营面临投资不足的困扰[2]。一方面, 森林保护主要提供公益性生态服务, 具有公共产品属性, 依赖于政府财政资金的支持[3]; 另一方面, 林业经营具有经营周期长、自然风险大等天然缺陷, 缺乏对社会资金和外资的吸引力[4]。尽管近年来中央政府加大了财政投入, 在一定程度上缓解了林业投入不足的问题[5], 但是由于中央政府财力有限, 现有的林业资金仍然不能满足森林保护和林业经营的需求。林业投资与林业资金需求之间的差距阻碍了森林保护的进程[6–7]。

除经营周期长、自然风险大以及公共产品属性等投资制约因素外, 以森林资源采伐限额管理为主体的资源管制制度也是限制林业投资增长的重要因素[8–9]。作为一种典型的政府管制措施, 采伐限额基于资源消耗量低于生长量的原则, 对企业和个人的木材采伐活动施加行政限制, 用于矫正森林资源的外部性, 增强森林保护的效果[3]。然而, 与其他政府管制措施类似, 采伐限额制度在追求政策目标的同时, 会带来产权残缺和市场效率损失问题[10], 进而对投资造成消极影响。大量实地调查证据显示, 采伐限额降低了林农的经营收益和投资热情[11–12], 削弱了林业对社会资本的吸引力, 限制了林业投资的增长和林业资本的积累[13–18]。

进一步地, 采伐限额造成的投资抑制效应将减少企业和个人造林、抚育等营林行为, 最终会影响森林保护的实际成效。目前, 学界的主要关注点集中在采伐限额与森林保护之间的关系方面[19–20], 鲜有研究探讨采伐限额对林业投资和森林保护的协同影响。学者们利用宏观资源数据和社会经济数据, 采用多种计量方法, 对采伐限额政策的森林保护效果进行实证分析[21–24], 多数实证分析结果显示, 采伐限额对森林保护的影响并不显著。但是, 上述研究尚未对采伐限额政策失灵背后的诱因展开深入发掘和严谨验证, 也未能关注林业投资在其中所起到的作用。

我国 2020 年新修订的《森林法》继续保留了采伐限额政策, 采伐限额仍将在未来很长一段时间内影响我国的森林保护事业。鉴于此, 本研究深入地探讨采伐限额对林业投资和森林保护的影响, 检验采伐限额政策对林业投资的抑制效应是否存在, 并进一步识别森林保护是否因此受到负面影响。最后, 依据上述实证结论提出政策建议, 为采伐限额制度的优化与改革建言献策。

1 政策变迁与机制分析

1.1 采伐限额制度的变迁

我国 1985 年建立采伐限额制度, 用来遏制滥砍滥伐和森林退化。《森林法》给出采伐限额的确切定义: “国家根据用材林的消耗量低于生长量的原则, 严格控制森林年采伐量。全民所有的森林和林木以国营林业企业事业单位、农场、厂矿为单位, 集体所有的森林和林木以县为单位, 制定年采伐限额, 由省、自治区、直辖市林业主管部门汇总, 经同级人民政府审核后, 报国务院批准”。基于上述定义, 可以得到采伐限额的两个基本特征。第一, 森林生长量决定采伐限额指标的大小。森林生长量越大, 采伐限额越大。采伐限额又将影响未来的森林生长量, 采伐限额与森林生长量之间具有潜在的双向因果关系。第二, 地方政府是采伐限额的制定和执行主体。尽管采伐限额的编制需要得到国务院批准, 但其编制和执行过程主要由各级地方政府负责。因此, 采伐限额不可避免地具有区域异质性。

随着时间推移, 采伐限额制度多次调整。“十五”期间(2001—2005 年), 森林采伐限额的编制开始与森林分类经营相结合, 即采伐限额分为公益林指标和商品林指标, 限额制度进入“分类管理”阶段。“十二五”期间(2010—2015 年), 中央政府在南方集体林区完成集体林权改革。为促进改革区域的商品林经营, 林业主管部门放松了对集体林区的采伐管制。一方面简化森林采伐审批环节, 另一方面引导经营者编制森林经营方案, 并依据森林经营方案确定采伐限额, 限额制度进入“放松管理”阶段。上述政策变动表明采伐限额具有时间维度的异质性。

1.2 机制分析

1.2.1森林的准公共产品性质

森林具有多种功能和多种效益。一方面, 森林产出生态效益, 可以满足改善人类生存环境、保持生态平衡和保护生物多样性等生态需求; 另一方面, 森林产出经济效益, 可以提供林产品, 获得经济收入。一般而言, 森林的生态服务(如水土保持和净化空气等)供大部分人共同消费, 具有非竞争性和非排他性, 是典型的公共产品, 需要由政府来保证供应。相对地, 在产权明晰的条件下, 森林的林产品可以通过市场机制来实现经济价值, 具有竞争性和排他性, 是典型的私人产品。综合而言, 森林产出兼具公共产品属性和私人产品属性, 可以整体上将其视为准公共产品。

1.2.2政府干预理论与采伐限额

政府干预理论认为, 政府干预是保证公共产品、准公共产品供给的必要条件, 也是弥补市场失灵的主要手段[25]。政府干预利用经济政策、经济法规、计划指导和行政管理手段, 对市场进行调节和规范, 对社会经济进行总体调节与控制, 从而实现资源的优化配置[26]。具体到森林资源, 森林经营者关注的是林产品的产出和经济收入, 经济收入的最大化有可能造成森林的过度采伐和资源退化, 给森林生态服务的供给造成负面影响。为了保证森林生态服务的供给, 政府建立采伐限额政策, 通过行政手段约束木材的生产量, 保证森林消耗量小于森林生长量, 依靠森林资源的逐年恢复来实现森林生态价值的提升[19–20]。

1.2.3政府干预造成的消极影响

政府干预既有积极作用, 又有消极作用。政府干预, 除能保障公共产品、准公共产品供给之外, 还可能对市场运行造成负面影响, 带来市场扭曲或新的市场失灵。具体到森林资源, 如图 1 所示, 采伐限额限定了木材市场的供给量, 木材供给曲线由 S1 左移到 S2, 市场均衡点从 A 转移到 B。在采伐限额政策限制木材供给能力的条件下, 市场价格无法充分指挥生产, 市场丧失完整的资源配置能力, 造成木材市场扭曲[27–28]。同时, 木材市场的生产者剩余也从 APP2 缩减至 BP′P2 (APP2 和 BP′P2 指代三角形的面积), 造成社会福利损失。从资本市场来看, 采伐限额政策降低了森林经营者的预期收益, 抑制林业投资激励的形成, 造成资本流向边际收益更高的行业, 最终对林业投资造成负面影响。

综合上述分析, 本研究提出理论假设 H1: 采伐限额限制了森林经营者的预期收益, 会对林业投资产生显著的抑制效应。

若采伐限额制度对林业投资的抑制效应真实存在, 是否会影响限额管理下森林保护的效果?林业投资不仅是森林可持续经营的基础条件, 也是实现森林保护的重要保障。森林保护的实现需要大量林业投资[29], 既需要公共财政支持, 也需要社会资金参与。相反地, 林业投资的下降会导致造林和抚育强度下降[30], 森林保护的实际效果无法得到保证, 森林规模和森林质量都将受到负面影响。

因此我们提出待检验假设 H2: 采伐限额制度造成的林业投资抑制会削弱森林保护的效果。

2 数据来源、变量选择和数据处理

2.1 数据来源

研究使用的数据来自历次森林资源清查、《中国林业统计年鉴》、《中国统计年鉴》和历次发布的《国务院关于全国年森林采伐限额的批复》。数据的时间跨度为 1989—2018 年, 地域上共包含 26个省份(不包含直辖市、港澳台和西藏①直辖市城区面积大, 森林资源规模较小, 与其他省份有较大的差异, 因此研究样本不包括直辖市。由于研究数据缺失, 所以研究样本同时不包括港澳台和西藏。), 样本总量为780。

在上述数据源中, 森林资源清查是以抽样调查为基础, 以省(区、市)为调查单位开展的定期森林资源实测, 为掌握我国宏观森林资源状况提供了基础数据。截至目前, 我国先后开展 9 次全国森林资源清查。本研究在历次森林资源清查数据中选取森林面积和森林蓄积等指标来反映区域森林资源的变动情况。

《中国林业统计年鉴》提供了历年林业投资数据、木材生产数据和造林再造林数据等。《中国统计年鉴》提供了历年各省和直辖市的宏观经济指标; 历次发布的《国务院关于全国年森林采伐限额的批复》提供了各省和直辖市的森林采伐限额总额和分项额度。

2.2 变量选择

2.2.1被解释变量

实现森林保护是采伐限额政策的最终目标, 因此本研究选取森林保护成效作为实证模型的被解释变量。一般而言, 森林资源恢复体现在森林规模扩大和森林质量提升两个方面。据此, 本文分别选取森林覆盖率和森林平均蓄积来代表森林规模和森林质量(表 1)。根据历次清查结果, 我国的森林覆盖率经历了长期增长, 由 1973—1976 年的 12.70%增至 2014—2018 年的 22.96%。但是我国的森林平均蓄积较差, 长期稳定在 70～80 m3/hm²之间, 仅为世界平均水平的 2/3。

依据机理分析, 林业投资是联系采伐限额和森林资源恢复的重要渠道之一, 因此选取林业投资作为中介变量。根据投资来源, 林业投资可分为中央财政资金、地方财政资金、国内贷款、利用外资、自筹资金和其他社会资金等多个类别。各类林业投资的历史变动情况见表 2。过去 30 年间, 随着中央财政资金的增长, 林业总投资持续上升, 但社会投资和利用外资的增长速度相对迟缓, 个别年份甚至有所下降。此外, 林业投资的用途也是多样的, 可用于生态建设与保护投入(营造林、湿地保护、防沙治沙、野生动植物保护和自然保护区建设)、林业产业发展投入(林业一产、二产和三产)、林业支撑与保障投入(苗木、防火防虫和科教文宣)和林业基础设施建设投入等多个方面。

采伐指标是反映采伐限额政策的关键变量, 本文选取采伐限额量占森林蓄积总量的比率作为实证模型的核心解释变量。我国森林采伐限额指标编制坚持“全额控制和分类管理”的编制原则。除制定采伐限额总量指标外, 还分项制定商品材(包括地方企业和事业单位用材)、农民自用材(包括培殖业用材)及生活和工副业烧材三大消耗类型的采伐限额指标。之后, 随着森林分类经营(商品林和生态公益林)的推广, 上述分项采伐指标逐渐演变为“商业性采伐限额”和“非商业性采伐限额”两大类。采伐限额的执行过程存在潜在的区域异质性, 有的省份执行严格, 有的省份执行可能并不严格。采伐限额的执行程度将决定森林保护的效果。由于采伐限额执行程度难以进行直接观测和度量, 本文使用区域固定效应来控制采伐限额执行的区域异质性。

参考以往的研究[31–37], 影响林业投资和森林保护的控制变量有以下 10 个。变量的描述性统计分析结果如表 3 所示。

1)经济发展水平, 用人均 GDP 表示。基于环境库兹涅兹曲线假说, 人均 GDP 与森林资源之间存在倒U型曲线关系。

2)对外开放水平, 用进出口总额占 GDP 的比值表示。对外开放水平代表着林产品国际贸易的活跃程度, 林产品国际贸易将通过多种途径影响森林资源。

3)城镇化水平, 用城镇化率表示; 人口水平,用人口密度来表示。城镇化水平和人口水平决定人类社会对林产品的需求水平, 林产品需求将影响森林资源存续。

说明: 数据来自《中国林业统计年鉴》, 括号内数据为标准差SD。

4)林业产业规模, 用林业总产值表示; 林业产业结构, 用林业第二、三产占林业总产值的比例表示; 林业劳动力水平, 用年末林业系统从业人数表示; 木材生产水平, 用年末木材实际采伐量表示; 木材价格水平, 用当年各类木材的价格指数表示。上述变量决定林产品的供给能力, 林产品供给同样影响森林资源存续。

5)农业产业规模, 用耕地面积表示。农业生产的扩张会对林地和森林资源造成负面影响。

6)林业生态工程投入, 用林业生态重点工程的资金投入来表示。林业生态工程投入代表财政资金对森林保护的投入程度。

7)林地利用结构, 用公益林占森林总面积的比例表示。公益林比例越高, 纳入保护体系的森林规模越大。

8)林地产权结构, 用个体经营面积占森林总面积的比例表示。个体经营者、集体经营者和国有经营者对森林资源的利用方式和影响不同。

9)森林火灾规模, 用森林火灾面积占森林总面积的比值表示; 森林病虫害规模, 用森林病虫害面积占森林总面积的比值表示。森林灾害会对森林资源造成负面影响。

10)森林林龄结构, 用中幼林面积与森林总面积的比值表示。林龄结构决定森林资源的成长能力。

2.3 数据处理

2.3.1森林资源数据处理

1994年之前, 森林资源清查是基于森林郁闭度大于 30%的标准来开展, 即郁闭度大于 30%的森林才会纳入清查和核算的范围。1994 年之后, 该标准发生改变, 森林资源清查开始基于森林郁闭度大于20%的标准进行。由于森林资源清查标准的改变, 森林面积和森林蓄积的调查结果也随之发生较大的改变。为了统一清查标准, 需要得到不同时期郁闭度为 20%的森林面积和森林蓄积等参数。本研究利用遥感监测数据对森林资源清查的标准误差进行校正, 具体的操作流程如下。

1)使用基于 Landsat TM/ETM 遥感影像的中国土地利用遥感监测数据库, 计算各省各期的遥感森林面积 Sit, 其中下角i代表省份, t 代表年份。

2)利用 1994 年之后的研究数据, 计算遥感监测森林面积与郁闭度为 20%的森林资源清查面积之间的转换系数:

其中,

表示 1994 年后郁闭度为 20%的森林资源清查面积; n 代表省份的数量; t1 表示森林资源清查起始时间, 即 1994 年; t2 表示森林资源清查结束时间, 即 2018 年。

3)利用遥感监测数据和转换系数, 推算 1994年之前郁闭度为 20%的森林资源清查面积:

4)利用步骤 3 得到的森林面积, 推算 1994 年之前的森林蓄积和平均蓄积等参数。

2.3.2林业投资数据处理

2010年之前, 林业投资的用途大体上分为营林和森工两大类, 各类资金来源统计围绕营林和森工而进行。2010 年之后, 林业投资的使用用途开始细化, 可以分为生态建设与保护、林业支撑与保障、林业产业发展和林业基础设施建设四大类, 林业投资的统计标准随之改变。为了统一林业投资的统计标准, 需要得到不同时期的营林和森工投资额及其资金来源。本研究针对 2010 年之后的林业投资数据, 从新的投资分类中分别择取营林和森工相关花费, 并重新加总, 得出 2010 年之后各期的营林总投资和森工总投资。另外, 目前《中国林业统计年鉴》中的投资数据是名义金额, 未去除通胀因素的影响。本研究以 1989 年的价格水平为基准, 重新计算各期林业投资的实际值。

2.3.3采伐限额数据处理

采伐限额的分类方式和运行机制发生了较大的变化, 其中分类标准的变化情况如表 4 所示。为了矫正由分类标准变化带来的测度误差, 使用熵值法来确定不同时期二级指标的权重, 并对一级指标“采伐限额总额 1”和“采伐限额总额 2”进行重新测度, 藉此加强两个指标的可比性。另外, 我们利用时间异质性分析方法, 对采伐限额运行机制的变动进行识别和处理。

2.3.4数据标准化

由于被解释变量、解释变量、中介变量和控制变量的观测值存在数量级上的较大差异, 本研究对所有变量进行标准化处理:

其中, i 为省份, t 为时期, j 为变量, Xitj 为第 i 个省份在第 t 年的第 j 个变量的观测值。

3 研究方法

3.1 双向固定效应模型

针对采伐限额政策对林业投资的影响, 首先建立基准的双向固定效应模型:

i 表示省份; t 表示采伐限额执行的年份; Invest-mentit 表示省份 i 在第 t 年的年末累计完成的林业投资, 用来衡量省级林业投资水平; LQit 表示省份i在t年编制的采伐限额指标; Xit 为控制变量, 用来控制其他因素对林业投资的影响; width=9.7,height=15

代表地区(省级)固定效应, 用来控制因省份政策不同导致的林业投资发展差异; width=11.05,height=15

代表时间固定效应, 用来控制国家整体的宏观政策和林业管理政策调整; width=11.05,height=15

为随机误差项。考虑到林业投资的发展具有一定的惯性, 特别是林业投资中的财政投入具有延续性①比如, 天然林保护工程和“三北”防护林工程的工程周期较长, 中央财政每年都会分配一定的资金作为工程费用。, 当期的林业投资会受前期林业投资影响。因此, 在实证模型中加入因变量的滞后项, 用来控制林业投资惯性。

式(4)中, 由于回归变量中含有因变量的滞后项, 因此模型存在内生性和动态性问题。因此, 本研究选用 GMM 估计方法, 以便避免潜在的组内估计不一致和内生性问题[38]。一般而言, 判断 GMM方法的估计结果是否合理, 需要进行两类检验: 一是 Hansen 检验, 用来验证自变量的滞后项是否有效[39–40], 即内生性问题是否存在; 二是自相关性检验, 用来验证残差项序列的相关性[41]。

3.2 结构方程模型(SEM)

为了探讨采伐限额、林业投资和森林保护三者之间的关联性, 本研究构建以林业投资为中介变量的结构方程模型(SEM), 如图 2 所示。在结构方程模型中, 影响林业投资和森林保护的经济社会变量、资源变量为外生变量, 采伐限额、林业投资和森林保护为内生变量。与机理分析一致, 采伐限额与森林保护之间存在潜在的双向因果关系, 采伐限额还可以通过林业投资的中介效应对森林保护产生影响。结构方程分析结果将有助于明确采伐限额影响森林保护的作用机制, 厘清从采伐限额政策变量到林业投资这个中介变量, 再到森林保护的链条联系和效应传导路径。

4 结果分析

4.1 检验结果

4.1.1格兰杰因果关系检验

本研究使用格兰杰因果关系检验来分析林业投资、采伐限额与森林保护三者之间的因果关系。格兰杰因果关系检验是一种假设检验的统计方法, 通过检验一组时间序列是否为另一组时间序列的原因来验证不同时间序列之间的因果关系。我们选取的时序变量包括林业投资、采伐限额和森林覆盖率/森林平均蓄积。格兰杰因果关系的检验结果如表 5所示。可以看出, 采伐限额额度和林业投资均对森林覆盖率和森林平均蓄积有格兰杰因果关系; 采伐限额对林业投资有格兰杰因果关系, 而森林覆盖率和森林平均蓄积对林业投资没有格兰杰因果关系; 森林覆盖率和森林平均蓄积对采伐限额有格兰杰因果关系, 而林业投资对采伐限额没有格兰杰因果关系。

综上所述, 采伐限额对林业投资有单向影响; 林业投资对森林覆盖率和森林平均蓄积有单向影响; 采伐限额与森林覆盖率和森林平均蓄积存在双向影响。

4.1.2 Hansen检验和自相关性检验

使用GMM方法分析采伐限额对林业投资的影响前, 需要首先进行 Hansen 检验和自相关性检验。Hansen 检验(Hansen-J 和 Difference-in-Hansen)的 p值大于 0.1, 表明式(4)的内生性问题是存在的, 且工具变量的外生性和有效性得到满足。同时, Arel-lano-Bond 检验(AR(1)和 AR(2))的结果显示, 一阶序列相关性存在且二阶序列相关性不存在, 即残差项序列相关性条件得到满足。上述检验结果表明, 选取 GMM 方法估计采伐限额对林业投资的影响是合理的。

4.1.3共线性检验

本研究使用多个自变量, 自变量之间可能存在相关性, 即存在多重共线性问题。因此, 我们使用方差膨胀因子(VIF)来实施多重共线性检验。方差膨胀因子指自变量之间存在多重共线性时的方差与不存在多重共线性时的方差之比, 该数值为容忍度的倒数。VIF 值越大, 共线性问题越严重。一般认为当 VIF>10 时, 自变量存在较强的共线性关系。实际检验结果显示, 各个自变量的 VIF 均小于2, 远小于 10, 证明本研究的实证模型自变量之间的共线性关系并不显著。

说明: 原假设为解释变量对被解释变量无因果关系; ***、**和*分别代表1%, 5%和10%的显著性水平, 下同。

4.1.4杜宾–沃森检验

本研究在实证模型中加入被解释变量的滞后项, 用来控制林业投资的惯性。使用杜宾–沃森检验(Dubin-Watson test)方法进行自相关性检验。实际检验结果显示统计量 DW=0.23, 趋近 0, 表明被解释变量(林业投资)存在显著的一阶自相关关系, 由此证实将被解释变量的一期滞后项加入实证模型是合理的。

4.2 基准结果

4.2.1采伐限额对林业总投资的影响

采伐限额对林业总投资影响的系统 GMM 回归结果如表 6 所示。可以看出, 核心解释变量采伐限额的估计系数为负值, 且在 5%的水平下显著, 证实了研究假设 1, 即采伐限额政策会对林业投资产生显著的抑制效应, 与现有的研究结果[9–11]一致。同时, 在控制变量的估计结果中, 林业产业规模对林业投资有显著的正向影响, 产业规模的扩张将带动更多的投资, 符合传统的产业投资理论; 森林保护强度(即林业工程投入)对林业投资有显著的正向影响, 林业工程投入的上涨预示财政资金在林业投资资中的增加, 林业总投入随之上涨; 林地产权结构中的个体林比例对林业投资有显著的正向影响, 表明产权改革解放了生产力, 促进了林农的投资积极性; 森林病虫害规模对林业投资有显著的负向影响。上述结论与已有研究结果[13–14]一致。

4.2.2采伐限额对各类林业投资的影响

采伐限额对各项林业投资的影响分析结果如表7 所示。可以看出, 系统 GMM 和差分 GMM 回归中的系数估计值(绝对值)相近, 从侧面验证了模型设定的合理性。同时, 林业总投资、利用外资和社会投资对应的核心解释变量系数显著为负, 表明采伐限额对利用外资、社会投资和林业总投资造成了抑制。根据统计规则, 财政资金、国内贷款、社会投资和利用外资代表不同的资金来源, 四者共同组成林业总投资。上述实证结果表明, 采伐限额政策对社会投资和利用外资有显著的负向影响, 而对财政资金和国内贷款的影响较小。

4.2.3采伐限额对森林保护的影响

利用结构方程模型, 探讨采伐限额、林业投资和森林保护三者之间的关联性, 展现采伐限额对森林保护影响的直接效应和间接效应, 并利用 Boot-strap 方法检验间接(中介)效应的显著性和置信区间。如表 8 所示, 结构方程模型的实证结果显示采伐限额对森林保护的直接效应显著为正, 但采伐限额对森林保护的间接效应(林业投资的中介效应)显著为负, 采伐限额对林业投资的负面影响遮掩了其正向的政策效果。综合上述结果, 假设 2 得到验证, 即采伐限额制度造成的林业投资抑制会削弱森林保护的进程, 特别是将造成我国森林质量低下。

说明: 仅展示部分自变量回归结果; 括号内的数据为异方差稳健 T 统计量; ***, **和*分别代表 1%, 5%和 10%的显著性水平, 下同。

说明: 为消除残差的异方差和自相关, 采用稳健的标准误(括号中数据)。

4.3 异质性分析结果

4.3.1时间异质性

自采伐限额制度建立以来, 其运行机制已经发生多次重大调整, 简单地利用单一变量衡量采伐限额制度, 具有很大的局限性。本研究将解释变量 width=21.2,height=15

与时间固定效应

的交叉项加入线性回归模型(式(4)), 用来控制采伐限额制度随时间发生的政策调整:

采用 GMM 方法对式(5)进行估计, 实证结果如表 9 所示。可以看出, 解释变量和时间固定效应的交叉项系数均显著为负, 表明无论是在严格规制时期、分类管理时期, 还是在放松管理时期, 采伐限额均会对林业总投资、利用外资和社会投资产生抑制效应。伴随采伐限额管理的细化和放松, 交叉项系数的大小和显著性均有所下降, 表明随着政策的调整, 采伐限额对社会投资和林业总投资的抑制效应在逐步下降。

4.3.2空间异质性

从空间维度来看, 集体林区和国有林区在资源禀赋和产权设置等方面存在显著的差异。东北国有林区和南方集体林区分别是代表性的国有林区和集体林区。东北国有林区包括内蒙古、黑龙江和吉林, 是我国最大的国有林区, 森林起源以天然林为主, 95.4%的森林属于国有林, 92.1%的森林属于天然林。南方集体林区是我国最大的集体林区, 包括浙江、安徽、福建、江西、湖北、湖南、广东、广西、贵州和海南等省份, 森林起源以人工林为主, 90%的林地为集体所有, 同时供应我国近 60%的木材。本研究将区域指示变量和解释变量的交叉项加入实证模型, 重新估计采伐限额制度对上述两个区域林业投资的影响, 实证结果如表 10 所示。可以看出, 与东北国有林区相比, 南方集体林区遭受到更严重的投资抑制。我国实行森林分类经营管理体制, 全国森林系统分为公益林和商品林两大类。公益林的投入主要依靠财政资金, 商品林的投入主要依靠各类社会资金。根据表 7 中的实证结果, 采伐限额政策影响的主要是社会投入和利用外资。因此, 采伐限额造成的投资抑制首先会影响商品林的经营和扩张。相比于公益林, 商品林将遭受更大的负面影响。集体林权制度改革实施后, 南方集体林区逐步成为我国商品林的主体, 这也就解释了为何集体林区比国有林区遭受到更严重的投资抑制。

4.4 稳健性检验

4.4.1工具变量方法

实证模型对因果关系的识别可能存在内生性问题。第一, 双向因果。采伐限额的一个重要特征是, 森林生长量决定采伐限额指标的大小。第二, 遗漏变量。可能存在难以观测, 同时与采伐限额制定和森林资源恢复相关的因素。例如, 地方政府可能在生态旅游快速发展时期减少采伐限额的总额度, 造成回归估计系数被高估。GMM 估计方法可以在一定程度上解决部分内生性问题, 我们选择使用工具变量方法, 进一步解决潜在的内生性问题。

工具变量的设计基于国家 4A 级及以上旅游景区的评定。国家级旅游景区依据我国旅游景区质量等级标准划分的景区。高级别的旅游景区将增加所属区域的生态公益林规模, 进而降低地区采伐限额的总额度①生态公益林的可采伐比例显著低于非生态公益林。。本研究选取各地区每年新增国家 4A 级及以上旅游景区的数量为工具变量(IVit)。根据工具变量的设计, 各地区每年新增旅游景区的数量越多, 该地区采伐限额的总额度越小, 采伐限额对林业投资与森林资源恢复的影响越不显著。因此, 该工具变量从理论上满足工具变量的相关性要求。为了充分保证该工具变量的外生性, 本文在构建工具变量时剔除森林公园, 保证该工具变量不会通过其他渠道对林业投资和森林资源的恢复产生影响。工具变量回归的结果和相关检验结果如表 11 所示, 在第二阶段的回归中, 采伐限额影响林业投资的系数显著为负, 而影响森林资源恢复的系数并不显著, 与 GMM 估计方法所得的基本结论一致。

4.4.2控制采伐限额执行强度

采伐限额的编制和执行过程主要由各级地方政府负责, 编制严谨度和执行强度不可避免地具有地区差异性。为此, 本研究选取采伐限额实际执行量与采伐限额理论执行量之间的比例来代表政策执行强度。具体而言, 采伐限额的实际执行量用《中国林业统计年鉴》中各地区原木和薪柴产量表示; 采伐限额的理论执行量由采伐限额编制额度或森林生长量表示。最后, 将政策执行强度作为控制变量加入实证模型重新进行分析, 所得实证结果与基准结果一致, 由此验证了本研究实证结论的稳健性。

5 结论与启示

5.1 结论

本文将采伐限额、林业投资和森林保护三者相结合, 使用森林资源清查、林业投资和限额指标等多种数据, 通过双向固定效应模型和中介效应模型, 探讨了采伐限额对林业投资和森林保护的影响, 得到如下结论。

说明: Yes表示该变量进入回归方程中, 以解释变量的形式进行控制。

1)通过双向固定效应模型和 GMM 估计方法, 分析采伐限额对林业投资的影响, 发现采伐限额政策的实施对林业投资产生显著的抑制效应, 证实了政府干预的潜在消极作用(市场扭曲或新的市场失灵)。采伐限额降低了森林经营者的预期收益, 抑制了林业投资激励的形成, 造成资本流向边际收益更高的行业, 最终对林业投资造成负面影响, 本研究的假设 1 得到验证。

2)通过结构方程模型, 探讨采伐限额、林业投资和森林资源保护三者的因果关联, 发现在多方因果关系中, 林业投资是联系采伐限额和森林资源恢复的关键中介变量。尽管采伐限额政策的实施对森林保护有积极作用, 但是采伐限额引致的投资抑制效应会削弱森林保护的效果, 起到一定的遮掩效应, 本研究的假设 2 得到验证。

3)实证分析采伐限额对各项林业投资的影响, 发现采伐限额对林业投资的抑制作用突出表现在社会投资和利用外资两方面。通过时间异质性分析验证了伴随采伐限额管理的细化和放松, 采伐限额对社会投资和林业总投资的抑制效应在逐步下降。通过空间异质性分析发现, 相比于东北国有林区, 南方集体林区受到更严重的投资抑制, 其背后的实质是相较于公益林, 商品林将遭受更大的负面影响。

本文的边际贡献体现在以下几个方面。第一, 从宏观视角验证了采伐限额对林业投资的抑制效应。第二, 探索了采伐限额对森林保护的负面影响机制, 证实采伐限额的投资抑制效应是导致政策失灵的原因之一。第三, 将采伐限额、林业投资和森林保护三者联系起来, 完成对“采伐限额影响投资”和“采伐限额影响森林保护”两条研究主线的整合。

5.2 启示

基于以上结论, 既要促进林业投资的发展, 又要实现森林资源恢复的政策目标, 本文提出以下政策建议。

第一, 由于采伐限额的分类管理和放松管制有助于投资抑制效应的缓解, 因此建议中央政府和林业主管部门进一步推进采伐限额制度改革, 降低限额的约束强度, 加强采伐限额的精细管理, 并提高管理水平。具体措施如下: 1)按照生长速率, 分类管理采伐限额, 适度增加速生丰产林的采伐额度; 2)按照森林覆盖率, 分类管理采伐限额, 适度增加森林覆盖率较高地区的采伐额度; 3)按照土地类型, 分类管理采伐限额, 适度增加荒地造林的采伐额度。

第二, 采伐限额的投资抑制效应主要体现在社会投资和利用外资两个方面, 因此建议中央政府和林业主管部门进一步改善林业投融资机制, 大力引导社会资金进入林业发展和森林保护领域。具体措施如下: 1)基于采伐限额建立生态补偿机制, 为限额管理提供长期的补偿现金流; 2)加大对营林、抚育和造林等森林经营行为的政策激励, 引导社会资金流入。

第三, 南方集体林区面临更严重的林业投资抑制, 因此建议中央政府和林业主管部门将南方集体林区作为采伐限额制度改革的重点区域, 在集体林区逐步放松限额管制, 切实促进商品林的发展, 从而落实森林分类管理的顶层设计。

致谢研究工作得到北京大学徐晋涛教授和密西根州立大学尹润生教授的大力帮助, 谨致谢忱。

[1] 陈建成, 程宝栋, 印中华. 生态文明与中国林业可持续发展研究. 中国人口·资源与环境, 2008, 18(4): 139–142

[2] 王倩, 曹玉昆. 中国林业投资产出效应和盈利效应的时变特征. 统计与决策, 2020, 36(4): 155–158

[3] 田淑英. 集体林权改革后的森林资源管制政策研究. 农业经济问题, 2010, 31(1): 90–95

[4] 秦涛, 环玉建. 市场经济条件下如何建立现代林业投融资机制. 林业财务与会计, 2004, 12(5): 21–24

[5] 岳明柯, 张宝林. 中国林业资本存量及其配置效率估算研究. 金融经济, 2020, 532(10): 20–28

[6] 孔凡斌, 荀龙巧, 廖文梅. 林业经济增长理论与实证研究: 综述与展望. 林业经济问题, 2013, 33(2): 187–192

[7] 任洁, 邹中琪, 董玮, 秦国伟. 财政支出、社会投资与森林生态资源积累——基于中国省际面板数据的实证分析. 林业经济, 2019, 41(5): 60–65

[8] 张英, 宋维明. 集体林权制度改革对农户采伐行为的影响. 林业科学, 2012, 48(7): 161–169

[9] 敖贵艳, 冉书华. 采伐限额管理对农户森林投资经营行为影响综述. 企业导报, 2013, 233(1): 17–19

[10] 于德仲, 方彦. 论商品林采伐制度问题. 林业经济, 2007, 185(12): 48–50

[11] 黄斌. 采伐限额管理制度对农户抚育采伐行为的影响分析. 林业经济问题, 2010, 30(1): 60–64

[12] 陈珂, 刘璨, 刘浩, 等. 农村林业投融资政策: 回顾与实施——基于福建、浙江、辽宁3省的调研分析. 林业经济, 2019, 41(1): 81–91

[13] 罗金, 张广胜. 集体林权改革后的林农生产投资行为. 林业经济问题, 2009, 29(1): 77–80

[14] 詹黎锋, 杨建州, 张兰花, 等. 农户造林投资行为影响因素实证研究——以福建省为例. 福建农林大学学报(哲学社会科学版), 2010, 13(2): 57–60

[15] 江华, 胡品平, 徐正春, 等. 森林限额采伐制度的经济学分析. 林业经济问题, 2007, 12(3): 253–256

[16] 张英, 宋维明. 林权制度改革对集体林区森林资源的影响研究. 农业技术经济, 2012, 204(4): 96–104

[17] 张广胜, 罗金. 集体林权制度改革中采伐限额与林农生产决策. 林业经济, 2010, 221(12): 51–55

[18] 左孝凡, 王翊嘉, 苏时鹏. 不同产权视角下农户经营行为对森林结构的影响——来自福建省 634 户农户的实证研究. 资源开发与市场, 2018, 34(9): 1185–1190

[19] 何文剑, 徐静文, 张红霄. 森林采伐限额管理制度能否起到保护森林资源的作用. 中国人口·资源与环境, 2016, 26(7): 128–136

[20] 杨娱, 田明华, 张振宇, 等. 河北省森林采伐限额管理制度绩效分析. 经济论坛, 2019, 582(1): 68–72

[21] Xu J, Ran T, Amacher G S. An empirical analysis of China’s state-owned forests. Forest Policy & Econo-mics, 2004, 6(3/4): 379–390

[22] 何文剑, 张红霄, 徐静文. 森林采伐限额管理制度能否起到保护森林资源的作用: 一个文献综述. 中国农村观察, 2016, 128(2): 84–93

[23] Liu S, Xia J. Forest harvesting restriction and forest restoration in China. Forest Policy and Economics, 2021, 129(2): 102516

[24] 徐晋涛, 陶然, 危结根. 信息不对称、分成契约与超限额采伐——中国国有森林资源变化的理论分析和实证考察. 经济研究, 2004, 12(3): 37–46

[25] 郎佩娟. 政府干预经济的原则与界限. 中国政法大学学报, 2018, 66(4): 15–24

[26] 罗富政, 何广航. 政府干预、市场内生型经济扭曲与区域经济协调发展. 财贸研究, 2021, 32(2): 30–42

[27] 姚顺波. 产权残缺的非公有制林业. 农业经济问题, 2003, 12(6): 29–33

[28] 张广根. 产权残缺是个“伪命题”. 制度经济学研究, 2018, 12(3): 45–66

[29] 张彩虹. 林业投资与林业经济增长的研究. 北京: 中国林业出版社, 2001

[30] 蒋海, 张道卫. 林业投资的激励机制与产权制度安排. 农业技术经济, 2001, 12(1): 8–14

[31] Geist H J, Lambin E F. Proximate causes and under-lying driving forces of tropical deforestation. Bio-science, 2002, 52(2): 143–150

[32] Carr D L, Suter L, Barbieri A. Population dynamics and tropical deforestation: state of the debate and conceptual challenges. Popul Environ, 2005, 27(1): 89–113

[33] Shen Y, Liao X, Yin R. Measuring the socioeconomic impacts of China’s natural forest protection program. Environment and Development Economics, 2006, 12 (1): 1–11

[34] Li X, Xiao D, He X, et al. Factors associated with farmland area changes in arid regions: a case study of the Shiyang River basin, northwestern China. Frontiers in Ecology and the Environment, 2007, 5(3): 139−144

[35] 郑风田, 阮荣平, 孔祥智. 南方集体林区林权制度改革回顾与分析. 中国人口·资源与环境, 2009, 19 (1): 25–32

[36] Uchida E, Rozelle S, Xu J. Conservation payments, liquidity constraints, and off-farm labor: impact of the grain-for-green program on rural households in China. New York: John Wiley & Sons, 2009

[37] Newman M E, Mclaren K P, Wilson B S. Assessing deforestation and fragmentation in a tropical moist forest over 68 years; the impact of roads and legal protection in the Cockpit Country, Jamaica. Forest Ecology & Management, 2014, 315: 138–152

[38] Anderson T W, Hsiao C. Estimation of dynamic models with error components. Publications of the American Statistical Association, 1981, 76: 598–606

[39] Arellano M, Bond S. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. The Review of Economic Studies, 1991, 58(2): 277−297

[40] Arellano M, Bover O. Another look at the instrumen-tal variable estimation of error-components models. Journal of Econometrics, 1995, 68(1): 29−51

[41] Blundell R, Bond S. Initial conditions and moment restrictions in dynamic panel data models. Journal of Econometrics, 1998, 87(1): 115−143

Effect of Logging Quota on Forestry Investment and Forest Protection: Empirical Analysis Based on Structural Equation Model

1. School of Environment & Natural Resource, Renmin University of China, Beijing 100872; 2. National School of Development, Peking University, Beijing 100871; 3. Asia Pacific Forest Network Management Center, National Forest and Grassland Administration, Beijing 100714; † Corresponding author, E-mail: liusl2021@ruc.edu.cn

Abstract Using a variety of data including forest resources inventory, forestry investment and quota compilation, this paper discusses the real impact of logging quota on forestry investment and forest protection through the two-way fixed effect model and the intermediary effect model. The study results show that the inhibitory effect of logging quota on forestry investment really exists, and its prominent effect is in social investment and foreign capital. At the same time, investment inhibition has played a masking effect between the logging quota and forest protection, offsetting the policy effect of quota management and causing a significant negative impact on forest protection. The conclusion will provide new ideas and references for the optimization of forest logging quota policy.

Key words logging quota; forestry investment; forest protection; two-way fixed effect model; structural equation model