林业投资分析篇1

1问题的提出

从现有文献来看,国内外学者运用不同的分析方法从多视角对林业生产技术效率展开研究。Label和Stuart[3]使用数据包络分析(DEA)方法对23个伐木工人的技术效率水平及效率冗余程度进行了分析。Viitala&Hanninen[4]运用DEA模型对芬兰19个公益林的生产要素配置效率进行测算研究,发现其投入产出效率差别很大,在投入方面至少可以节约20%的投入成本。宋长鸣[5]运用随机前沿分析方法估计了各省区2002-2009年的林业技术效率,产出变量以各省区林业总产值表示,投入变量以林业系统各地区从业人员年末人数和林业固定资产投资来表示,并分析了林业技术效率的影响因素。国内外类似研究已日渐趋于成熟,但是,国内大部分学者在分析林业生产效率时忽视了一个非常关键的问题,即林业产业有其独特的自然属性,自然环境因素对林木生长有着不容忽视的作用。Hausenbuiller[6]通过分析提出,林业生产效率的高低取决于自然中光、热、水、土壤营养等自然因素的影响。JunYenLee[7]运用三阶段DEA模型对2001年全球89家森林和纸业公司的生产要素配置效率进行分析,并把自然环境因素和统计噪声加入分析模型中,发现其确实会对效率值产生影响。类似的观点国内研究也有提出,姚晓红[8]对近30年来气候变化对小陇山林业资源的正常生长进行综合分析和量化计算后发现,影响森林资源正常生产的主要气象条件是≥0℃积温及降水量,且水热的合理配置特别重要。除了自然因素外,资本投入和人力资本因素对商品林生产要素配置效率的提升也特别重要。

另外,目前测度技术效率的方法主要有两种:一种是无参数的数据包络分析(DEA),一种是有参数的随机前沿分析(SFA)。与DEA方法相比,SFA由于需要参数而有所不便,但也更有利于更为合理的解释技术效率损失的原因。特别是针对“农业生产”这一研究对象,农业生产是“经济再生产与自然再生产交织在一起的生产过程”[9],不可控的自然因素对农业生产技术效率不仅会产生影响,而且有时候其影响甚至是决定性的。有研究者证实,对于中国农业经济而言,SFA估计总体上优于DEA估计,应用前景也应该更为广泛[2]。

因此,基于林业产业的小农业属性,笔者决计采用随机前沿分析(SFA)方法,并将自然因素变量纳入林业生产函数,以期更为准确测度中国林业生产技术效率水平,发现自然因素及各个投入要素对林业生产的贡献程度,分析自然条件、社会经济条件、政府重视程度及人力资本等因素对效率值的影响,在此分析基础上提出提高林业生产力的可行性建议。

2变量说明与模型构建

2.1变量选择与数据来源

本文采用林业生产投入产出变量来构建生产函数,主要变量定义如下:①林业产出变量。林业产出用林业总产值表示。②林业投入变量。土地投入用林地面积来表示;劳动力投入用林业系统年末从业人数来表示;资本投入用营林固定资产投资来表示,是指对营林固定资产进行更新、改造、扩建、新建提供必要的资金保障;自然因素投入用4-10月平均气温,年平均降水量来表示,姚晓红[8]测定出主要气象要素对森林生长的影响程度为:≥0℃积温>年平均降水量>4-10月平均气温,由于积温数据的缺失,所以选用4-10月平均气温和年平均降水量来表示自然因素的投入。

影响林业生产技术效率的因素包含社会经济条件、人力资源及自然灾害等方面的因素,参考已有相关文献[3-5],初步假定7个变量作为影响林业生产的主要因素:人均GDP,反映当地经济发展水平;支林比重,即财政支林占地方财政支出的比重,反映政府对林业发展的重视程度;基层林业工作站平均文化程度,代表人力资本水平,平均文化程度用平均受教育年限来表示,假定大专、高中或中专及初中以下文化水平的受教育年限为16年、12年、9年,以各层次文化水平的各基层林业工作站人数进行加权,计算所得即为各省基层林业站工作平均受教育年限[5];火灾受害森林面积;森林病虫鼠害发生率,反映自然灾害对林业生产技术效率的影响;森林病虫鼠害防治率,反映防治技术水平对林业生产技术效率的影响;制度虚拟变量,此处主要考虑林权制度改革的影响,林改之前取值为0,林改之后取值为1。

研究选用中国31个省(市、区)1999-2011年的面板数据,分析所用的样本数据来源于1999-2011年的《中国林业统计年鉴》、《中国农村统计年鉴》,同时,为了剔除价格因素的影响,所有以货币为单位的数据均以1999年为基准的不变价格进行计算处理。

2.2模型构建

2.2.1随机前沿生产函数

Farrel于1957年最早提出随机前沿分析方法(SFA),随后得到了众多学者的广泛应用和发展。Meeusen&VandernBroeck[10],Aigneretal.[11]和Battese&Corra[12]三篇论文的发表则标志着随机前沿技术的诞生。建立具体的随机前沿模型时,需要考虑设定生产函数形式。由于传统的CD生产函数暗含一个前提假设:各种生产投入要素的替代弹性为0或1。在确定农户农业生产的生产函数形式时,由于事先并不知道各种生产投入要素之间的弹性替代情况,所以采用形式最为灵活,可近似反映任何生产技术的超越对数(Translog)生产函数[13]。该模型的具体函数形式为:

模型(1)中,i表示各省(市、区),t表示年份。Y表示林业总产值(万元),A表示林地面积(万hm2),K表示营林固定资产投资(万元),L表示林业系统年末从业人数(人),M表示4-10月平均气温(℃),R表示年平均降水量(mm),T表示时间趋势变量,用来表明林业生产前沿面的变动,反映技术进步对林业生产的影响,βk(k=1,2,…,31)为待估参数。Vit为随机变量,服从均值为零,方差为σ2V的正态分布,用于测度误差及各种不可控制的随机因素,例如天气等。Uit独立于Vit,是非负随机变量。反映生产的无效程度,一般假定Uit服从均值为mit,方差为σ2U的半正态分布[14],mit为效率损失函数。

2.2.2效率损失函数

效率损失函数的测度模型表示为:

(2)式中,Xjit表示影响生产单位i的技术效率的第j个变量,δ0为常数项,δj为待估参数,表示变量j对技术效率的影响程度,正取值表示变量j对技术效率存在负的影响,负取值表示变量j对技术效率存在正的影响[14]。e-mit表示生产单位i在第t年的生产技术效率水平,mit值越大,表示技术效率水平越低,或是说技术无效程度越高,反之则说明技术无效程度越低[14]。

考虑到各个中国林业生产技术效率的影响因素,可以构建出如下效率损失函数:

(3)式中,人均GDP(PGDP),财政支林比重(TF),基层林业工作站平均受教育程度(EDU),森林病虫鼠害防治率(PRE)代表人为可控制的社会因素,而森林火灾受害面积(FDA),森林病虫鼠害发生率(INC)代表随机不可控的自然因素,制度虚拟变量(DG)则考虑了林权制度改革的实施对中国林业生产技术效率的影响。

(1)式和(3)式中的未知参数可以根据最大似然法进行联立估计,令:

γ反映了复合扰动项中技术无效项所占的比例,其取值介于0到1之间。当σ2V趋近于零时,γ则趋近于1,说明随机前沿生产函数的误差主要来自于U,即实际产出与最大可能产出之间的差距主要源于技术的非有效性;当σ2U趋近于零时,γ则趋近于零,表示生产单位实际产出与最大可能产出之间的差距主要源于统计误差的作用[14]。

另外,Battese和Coelli还给出了技术效率的表达式,生产单位i在第t年的技术效率表示为:

如果Uit=0,表示没有效率损失,TEit=1,即生产单位i处于完全技术效率状态;如果Uit>0,0

3参数估计与结果分析

3.1随机前沿生产函数分析

采用Frontier4.1软件对生产函数进行估计,参数估计结果如表1所示。

对模型进行似然比检验,其统计量为:LR=-2ln[L(H0)/L(H1)]~χ2(q),L(H0)和L(H1)分别是零假设H0和备择假设H1设定下的对数似然值,自由度q是零假设H0中零约束的个数[15]。所估计模型的似然比检验值为294.05,通过1%水平下的显着性检验,所以拒绝原假设,表明所估计的计量模型在统计上是可靠的。同时,β11在10%水平下显着不为零,β12和β19在5%水平下显着不为零,β13,β15,β16,β18和β20在1%水平下显着不为零,表明估计模型中的变量间存在交互效应,选用超越对数生产函数模型是合适的。表示技术无效程度的参数γ为0.751,且通过1%水平下的显着性检验,表明前沿生产函数的误差有75%主要来源于技术非效率损失,而只有约25%来自于统计误差等外部影响。

从参数估计结果来看,在林业生产中,林地投入A的系数为负值,但是t统计值不显着,说明林地面积的投入对林业生产产值的增加没有显着性影响,造成这一结果的原因也可能是统计数据的偏误,因为我国林业用地面积的统计数据每5年公布一次,即在5年一次的森林资源清查期间,林业用地面积不会发生变化[16];资本投入K和劳动力投入L的系数值分别为3.564和4.694,且都通过了1%水平下的显着性检验,说明这两项投入要素呈现投入不足的状态,通过增加营林资金数目和林业从业人员人数可以显着提高林业产值水平;4-10月平均气温M和年平均降水量R的系数值分别为2.226和5.251,且都通过1%水平下的显着性检验,这一估计结果说明自然因素的投入确确实实对林业生产造成了显着正影响,平均气温和降水量等自然因素在林业生产的投入产出分析中是不可忽视的重要投入因子;时间变量T的系数为0.115,在1%水平下显着不为零,说明1999-2011年期间,我国林业生产有着明显的技术进步提升的趋势。另外,1999-2011年,我国林业生产的平均技术效率为0.877,说明各投入要素的利用没有达到最佳状态,实际产出与可能的最优产出的生产前沿面还存在一定的差距。由于超越对数模型中的系数值只反映了要素间复杂的替代和互补关系,符号也只是说明了变量之间的正向和负向影响关系,变量系数值不能说明各个生产要素贡献率的大小,所以,接下来对1999-2011年样本省(市、区)各个生产要素的投入产出弹性进行计算,进一步来说明各种投入要素对林业生产技术效率的影响。各投入要素的产式(6)中,εA,εK,εL,εM,εR分别代表林地面积、营林固定资产投资、林业系统年末从业人数、4-10月平均气温、年平均降水量的产出弹性,lnA、lnK、lnL、lnM、lnR的值根据样本省(市、区)的投入指标值进行简单算术平均得到,β值均来自随机前沿生产函数的估计结果(表1)。将表1中的参数估计结果代入(6)式,得到林业生产各个投入要素的产出弹性,如表2所示。

从表2可以看出,1999-2011年间,林业生产各投入要素的产出弹性之和小于1,说明我国林业生产的规模报

酬呈现递减状态;林业用地面积的产出弹性均小于0,说明林业用地面积的边际产出小于0,通过只是简单增加林业用地面积不会促进林业产值的增加,相反,如果一味追求林地面积,而忽略了林地质量及林业产业结构等反而会阻碍林业产业的发展;营林固定资产投资的产出弹性为正值,且呈现递减趋势,说明资金投入的边际产出呈递减趋势,增加林业资金投入尽管带来林业产值的增加,但作用在逐渐减弱;林业系统年末从业人数的产出弹性为负值,说明从业人员投入的边际产出小于0,单纯增加从业人员投入数量不会带来林业产值的增加,表明林业系统出现人员浪费现象,应加快推进林业部门结构调整的改革,整合资源以提高人员利用效率,结合现实情况来看,林改之后,林业部门的工作人员由以往面对少数几个主体转向面对千家万户,尤其是基层林业工作站的工作量大大增加,这就需要林业系统从业人员向第一线倾斜,增加林业系统一线从业人员数;4-10月平均气温和年平均降水量的产出弹性均为正值,贡献程度均大于林地投入、资金投入和劳动力投入的贡献程度,表明我国林业生产对自然因素的依赖程度较高,这一投入因子是不容忽视的,而且年平均降水量对林业生产的贡献率要大于4-10月平均气温的贡献率,这一分析结果也与姚晓红[8]的研究结论一致。

3.2效率损失函数分析

采用Frontier4.1得出的技术效率损失函数的估计结果如表3所示。

从表3中可以看出,除了森林火灾受害面积(FDA)和森林病虫鼠害防治率(PRE)没有通过显着性检验之外,其他变量均对我国林业生产技术效率有显着影响,在一定程度上可以用来解释林业生产存在效率损失的原因。人均GDP(PGDP)的系数为-1.477,表明区域经济的发展对林业生产具有较强的辐射和带动作用,如工业的发展推动了城市化进程,进而为林业产业提供市场和发展动力,有利于促进林业技术效率水平的提高;财政支林比重(TF)的系数为3.699,表明地方财政对林业产业的支持比重造成了很大的技术效率损失,由生产弹性分析得知,提高资金投入理应会促进林业产值的提升,但是,在一些贫困林区财政困难,拖欠工人工资和办公经费不足等问题突出,在争取到政府财政支林拨款后,往往将专项林业资金投入到非直接林业生产中,多用于支付工资、办公费、招待费,有的甚至挤占、挪用林业专项建设资金,造成严重专项资金不专用的现象,所以,政府在增加财政支林比重的同时,应该建立完善的资金流向监督机制,减少林业生产中资金利用的效率损失;平均受教育水平(EDU)的系数为-0.08,表明林业系统基层林业站工作人员文化素质的提高有利于降低技术效率损失,改善技术效率水平。林业系统工作人员受教育水平的提高有利于接收林业先进生产技术,提高林业部门管理水平,从而改善林业生产技术效率,促进林业产值的增加,因此应该加大对林业系统工作人员的培训力度,通过提高其文化素质水平来有效改善林业产业的技术效率;森林病虫鼠害发生率(INC)的系数为0.013,表明森林病虫鼠害发生率不利于提高林业产业的技术效率;森林病虫鼠害防治率(PRE)的系数为-0.001,但是统计意义上不显着,只能说明提高森林病虫鼠害防治率有利于改善林业的生产技术效率水平;制度变量(DG)的系数为-0.192,表明集体林权改革制度的实施减少了林业生产技术效率的损失,有利于林业生产技术效率水平的提升。

3.3技术效率分析

利用Frontier4.1得到全国31个省(市、区)历年的林业平均生产技术效率(限于文章篇幅,数据略)。将每年31个省(市、区)的技术效率值进行算术平均,即可得到1999-2011年中国林业生产平均技术效率的年际变化图(见图1)。

从图1中曲线变动趋势来看,我国林业生产的平均技术效率呈现“W”型变动趋势,总体上不断上升。2000年效率水平最低,其值为0.871,2011年效率水平最高,其值为0.886。2000年出现小幅下降,2000-2011年持续上升,2002年效率值达到0.878后,2003-2004年又出现连续下降趋势,2004-2007年连续3年稳步提升,效率值达到了0.881,2008年效率值出现最为剧烈的下降,而后的2009-2011年,林业生产平均技术效率出现稳步大幅度的增长。造成1999-2000年技术效率下降的原因可能是这两年严重的洪涝灾害,不适宜的自然生长因素限制了林木资源的生长,而且1999年较高的森林病虫鼠害发生率也阻碍了技术效率水平的提升;而后2001-2002年生产技术效率水平逐步得以改善;2003年开始,国家实施集体林权制度改革,生产要素得以释放,林农积极性得到很大提升,极大的促进了林业生产技术效率水平的提高,2004年的效率水平依然在低谷徘徊的原因可能是,制度实施的初级阶段,广大林农大都持观望态度,对政策缺乏预期,所以效率水平依然持续低下;造成2008年平均技术效率水平剧烈下降的原因可能是,2008年发生的全球性金融危机对各个产业都造成了很大冲击,整个国家处于萎靡不振的状态,政府启动4万亿投资计划,营林固定资产投资在2008年增长了34.6%,2009年增长33.4%,都大大高于2007年29.9%的增幅[5],基层政府为了突击完成投资任务,出现盲目扩大投资规模和投资结构不合理等现象,导致林业产业投入产出规模和结构都偏离了最优水平,造成林业产业的低效状态;2009-2011年,随着集体林改制度的深入开展,相关配套政策逐步得以完善,林业产业市场趋于成熟,林农营林积极性有很大的提升,极大的促进了林业产业平均技术效率水平的稳步提高。

4结论及讨论

基于纳入自然因素作为投入变量的随机前沿分析,文章对1999-2011年中国31个省(市、区)林业生产的技术效率进行测度,并分析了影响效率损失的原因及历年平均技术效率分布趋势,得出以下简要结论:

(1)1999-2011年,我国林业生产有着明显的技术进步提升的趋势,平均技术效率水平为0.877,且存在较大的提升空间。从随机前沿生产函数估计结果可知,通过增加营林资金数量和林业从业人员人数可以显着提高林业产值水平,自然因素(4-10月平均气温,年平均降水量)确确实实对林业生产造成了显着正影响,表明平均气温和降水量等自然因素在林业生产的投入产出分析中是不可忽视的重要因素。

(2)由林业生产投入产出弹性分析可知,我国林业生产的规模报酬呈现递减状态,林业生产切忌一味追求林地面积的增大,而忽略了林地质量及林业产业结构的合理性;林业资金投入出现浪费和挪用滥用的现象,阻碍了林业产业的发展;林业部门从业人数的产出弹性为负值,表明应加快林业部门的结构调整,增加林业一线从业人员数目,整合精简人员以提高效率水平;4-10月平均气温和年平均降水量对林业生产的贡献率特别大,表明林业生产对自然因素依赖程度特别高,是以后相关林业生产问题研究中必须纳入的考虑因子。

(3)对影响林业生产效率水平损失的原因进行分析可知,区域经济的发展对林业生产具有较强的辐射和带动作用,有利于降低技术效率损失;代表人力资本的基层林业站工作人员文化素质水平也有利于改善技术效率水平;财政支林比重在很大程度上造成了技术效率的损失,造成这一与现实理论分析相违背的现象的原因可能是,这与林业资金利用的内部结构有关,有些贫困林区在争取到林业财政拨款后,将其用于支付工资、办公费、招待费等非林业生产中,出现专项资金不专用的现象;自2003年实施的集体林改政策减少了技术效率的损失,在一定程度上促进了林业生产技术效率水平的提升。

林业投资分析篇2

安徽是农业大省，全省国土总面积13.9万平方公里中有耕地422万公顷，占国土总面积的30.36%.2010年第六次全国人口普查数据[1]表明，全省总人口5950.1万人中有3391.0万居住在乡村，占总人口的56.99%.但安徽还不是农业强省，2000至2009年，安徽省农林牧渔业生产总值年均增长11.06%，低于14.36%的全国平均增长.安徽省农林牧渔业生产总值在全国的位次2000年为第七位，2009年降至全国第十位.安徽省农业增长低于全国水平，这与各种农业投入的结构及其比重息息相关.安徽省农业投入要素及其比重与农业发达省份相比，尤其是在农业科技方面存在着巨大的差距.本文就科技资源对安徽农业发展的贡献进行分析，并给出政策建议.

2数据来源

本文以2000-2010年《安徽统计年鉴》为面板数据[2].选定安徽GDP、农林牧渔业总产值、农林牧渔业从业人数、农村固定资产投资、科技三项费用支出等指标.以农林牧渔业总产值衡量农业的总产出，基于以下两点考虑：一是农林牧渔业总产值能准确的反映农业的生产状况，在统计数据中它包括了种植业、林业、牧业和渔业的生产总值；二是农林牧渔业总产值的时间序列数据容易查找，有利于研究.农林牧渔业从业人数为相应年份的农业劳动力投入；农村固定资产投资为相应年份的农业资本投入；科技三项费用支出来代替科技资源投入.为剔除价格波动因素，以2000的价格作为不变价对表1进行处理.以2000年安徽省R&D资源清查主要数据公报[4]和2010年安徽省第二次全国R&D资源清查主要数据公报[4]为面板数据（表2）进行安徽农业科技资源投入分析.

3数据分析

3.1文献回顾

吴海民的《基于新C-D生产函数的广东省经济增长实证研究》在原有C-D生产函数基础上，加进了制度因子θ,把资本、劳动力、科技、制度作为决定产出的投入要素.并以广东的经济发展数据为面板数据进行了实证，分析发现要想实现经济发展方式向集约化的转变，就必须进行制度的革新[5].龙海亮的《基于DEA回归的C-D生产函数分析》，把DEA回归和C-D生产函数结合起来，分析了2001-2006全国31个省、市、自治区的资本和劳动产出效率.分析结果表明建立在DEA基础上的回归模型对经济现象的释义比一般的生产函数要优秀得多[6].韩静舒在《安徽科技进步对农业增长贡献率测算分析》一文中运用C-D生产函数模型，分析表明科技进步对安徽农业增长的拉动作用是非常显著的，文章分析的各要素贡献率如表3[7].

3.2数据分析

由上表可以看出2000-2010年，农林牧渔总值占安徽GDP的比重逐年降低，且降幅趋于平缓.随着安徽工业化程度的不断加深，二、三产业已成为安徽经济的主要增长点.这是促使安徽农林牧渔总值与安徽GDP比值下降的关键，而2000-2010年安徽的农林牧渔从业人数逐年减少.但农林牧渔业从业人数在全社会的从业人数中所占的比例仍然很高，2000年为58%，2010年仍然占39.1%.这说明在安徽农业经济增长中，劳动力投入仍然占有较大的比例.农业科学技术的发展、农业资本投入强度的加大导致劳动力对农业增长的贡献有所弱化.在农业的发展过程中资本投入是一项重要的因素.从表1可以看出安徽农村固定资产投资力度不断加大，农村固定资产投资总数逐年增加.农村固定资产投资与农业产出比从2000年的11.5%上升到2009年的59.07%.农业固定资产的投入如：农业机械、农田水利设施等提高了农业耕作的机械化、自动化，替代了农业劳动力的使用，导致农业从业人数逐年下降.表一显示相对于资本、劳动力的投入，安徽的农业科技的投入较低.2000—2004年间科技三项费用支出增长缓慢，2005-2010年科技三项费用支出开始出现较快的增长.上表显示2001-2005年间对安徽的农业增长贡献中，物质消耗增长亦即资本的贡献率为74.67%；劳动力的贡献率为-4%；科技进步贡献率为2.94%.而改革开放到2005年间，对安徽的农业增长贡献中，物质消耗增长亦即资本的贡献率为51.32%；劳动力的贡献率为4.78%；科技进步贡献率为48.20%.在科技贡献率中科技资源的投入占据绝大部分，因此科技资源投入是安徽农业由大向强转变的关键.2000年安徽农林牧渔R&D经费支出为0.34亿元，占同期全省R&D经费总支出比重的1.7%，高于同期0.9%的全国水平，此年安徽农业总值全国排名第七位；2009年安徽农林牧渔R&D经费支出仅为0.18亿元，占同期全省R&D经费总支出比重的0.13%.低于同期7%的全国水平，此年安徽农林牧渔总值全国排名第十位.安徽农林牧渔R%D经费支出与安徽农林牧渔总值全国排名呈现出了高度的相关性.安徽农林牧渔R&D经费的低投入，在一定程度上导致了安徽农业的低产出.

4结论与政策建议

4.1结论

通过以上分析我们可知：安徽农业经济的发展关键在于农业科技资源的投入.当前安徽农业科技资源投入力度不够，成为制约安徽农业由大变强的根本因素.为实现安徽农业跨越式发展，提高安徽农业科技资源投入的强度是必要的.

4.2政策建议

4.2.1加强安徽农业科技人力资源的投入.强化农业科技工作人员的再教育、在职培训，制定农业技术人员轮训、跨岗、跨地区交流计划；对有志于从事农业科技研究的工作者，提供政策上、财政上的支持；加大农村的基础教育投资，完善农民教育培训体系，建立农民夜校、农技培训辅导班，对有意愿参加培训的农民给予财政补贴、减免培训费用.

4.2.2加强安徽农业科技财力资源投入.提高安徽在农林牧渔R&D经费支出方面的投入强度，赶超国家投入的平均水平.积极地把企业资本、私人资本引入农业科技研究领域.让企业参研到有关农业科技的项目，实现农业科技研究与企业需求、社会需求的有机衔接.对于农业科技领域投入研发资本的企业，政府应该运用税收政策给予特别支持，减免其企业所得税.

林业投资分析篇3

1文献综述

已有文献中,学者们对林农投资行为的影响做了一些研究:RunshengYin和DavidH.Newman(1997)分析了中国林业改革绩效存在地区差异的原因,结果表明林户对改革的生产反应在不同地区是不同的,政策环境的不稳定性是其生产反应不同的一个主要原因;YaoqiZhang,JussiUusivuori和JariKuuluvainen(2000)研究了林权改革对土地在林业与其他用途之间分配的影响,发现非集体化有助于推动林业的种植,但是并不能保证森林的保护;郭艳芹(2007)对集体林产权制度改革的绩效分析时,选是否用肥料为因变量,村庄位置、家庭特征、户主特征、人际关系、信贷约束、市(县)虚拟变量等为自变量,从回归结果看,用材林是否用肥料受村庄位置、户主特征、家庭经济状况、人际关系的影响较大,竹林是否用肥受地区变量和交通状况影响较大;黄安胜、张春霞(2007)在南方集体林区林农林业资金投入行为实证分析中,认为影响南方集体林区林农林业资金投入的主要因素有林种、林地条件、林地规模、林业管理制度、家庭特征、市场状况,并分别对用材林、经济林、竹林、薪炭林进行实证研究,结果显示,经营所得、林地面积等控制变量会影响林业投资;刘传磊(2007)在集体林权制度改革对林农竹笋生产的影响分析时,选竹笋产量为因变量,竹笋面积、改革与否、资本、劳动为自变量,研究得出集体林权制度对竹笋生产有显着影响;陈珂(2008)在辽宁进行调查的结果显示,林权改革后,样本农户58.8%愿意增加生产性投资;徐晋涛、孙妍等(2008),张海鹏、徐晋涛(2009)在对几个省份调查研究的基础上,得出林权改革在使木材采伐增加、林业收入增加的同时,农户及农户联合体自发造林的面积也在增加;罗金、张广胜(2009)选用林地条件及规模、采伐限额制度、林农家庭特征等作为解释变量,对集体林权改革后林农生产投资行为进行研究。回归结果显示,促使林农林业生产投资增加的变量有:家庭人均纯收入的增加、林权改革、林农资金的可得性、林地面积的增大、户主的受教育程度增高,采伐指标限制会使林农减少林业生产投资。上述学者从不同角度对林农生产性投资的影响因素给予了合理的阐释,得出了一些有益的结论。然而该领域的研究还存在一些不足:一是现有研究范围还不够宽泛。目前研究主要集中在南方集体林区,少有其他地区或林业立地类型的研究,平原林业近些年发展迅速,已成为速生用材林的主战场,为保障国家木材安全做出了很大贡献,平原混农林业有着不同于南方集体林区的特有地理条件以及社会和经济背景,专门针对平原农区集体林权制度改革的研究还很少,对林农在林权制度改革前后投资行为研究的还没有。二是现有研究方法还不够完善。实证研究集中于描述性分析的居多,计量分析的变量选取缺乏针对性,有待进一步补充完善。本文以平原农区的农户为研究对象,研究农户林业生产性投资的影响因素,重点在于林权制度对农户林业投资行为的影响;实证分析直接选取林农的生产性资金投入为因变量,利用两期综列数据,采用差分法进行线性模型回归,并对模型进行验证。

2研究假说的提出

和南方集体林区相比,黄淮海平原地区70%的人口生活在农村,农民对农、林种植有一定的依赖性,也有传统的种植习惯,国家的惠农政策,减轻了农民的负担,增强了农民投资林业的信心;其次,平原农区水利、交通状况等基础设施比较完备,市场环境比较健全,对发展林业、投资林业提供了便利条件;再者,新一轮集体林权制度改革,放活了经营权,明确了收益权和处置权,为发展林业扫清了制度障碍。本文认为在集体林权制度改革的大背景下,平原地区林农会有较好预期,也会增加林业生产性投资。因此本文提出如下假说:林权制度改革将对林农产生激励作用,会使林农增加对林地和林子的生产性资金投入。

3模型选择及数据来源

3.1模型选择

为了验证上述假设,参照前人研究成果,本文将因变量Y设为林农生产性资金投入水平,遵循着经典的假设,结合两时期综列数据特点,模型设定允许截矩变化,我们把X作为影响因变量的线性函数组合,有如下形式:yit=b0+d0d2t+b1xit+…+ai+uit式中,i表示第i个个体,t表示时间;变量d2是当t=1时等于0,而当t=2时等于1的一个虚拟变量;x为控制变量,b为待估参数;ai为非观测效应,uit为特异性误差。根据新一轮林权制度改革的内容,林权制度改革选用林权证的发放和采伐制度满意与否作为代表变量,

3.2数据来源

本调查地点为河南省平原地区漯河市所辖临颍、舞阳两县和郾城、源汇、召陵三区,调查对象为林农,调查采取随机抽样,发放问卷500份,收回有效问卷346份,问卷调查在2008年底进行,2009年又做了补充调研,调查涉及2006年和2008年两个时间段的综列数据,样本地区基本情况见表1。

4变量选取及描述

4.1农户分析自变量定义

综合学者们的研究,农户林业生产行为(种植行为和投入行为)除了受到制度因素(是否发林权证、是否满意采伐制度)的影响外,还要受到农户家庭基本情况、家庭生产经营、收支情况、市场及环境变量影响。因此,选择林农的林地生产性经营资金投入水平作为因变量;选择代表农户家庭基本情况的户主年龄、户主受教育程度、家庭人口数量、社会网络,代表家庭生产经营、收支情况的人均耕地面积、养殖规模、家庭纯收入、家庭消费支出,代表改革变量的是否发林权证、是否满意采伐制度,代表市场及环境变量的基础设施发达程度、林业技术服务满意度、是否可以贷款或借款,选择它们作为自变量,变量定义与预期变动方向见表2。

4.2模型的改进

根据上文模型设定形式和自变量的选取情况,本文选择公顷林地投资为因变量,自变量为户主及家庭基本情况变量、生产经营及家庭收支变量、改革变量、市场及环境变量。因此根据上表,模型具体形式转化为:MVEST=β0+d0dt+βiHOV+βKPIE+βLPROV+βMMAV+ai+uit。由于使用混合数据容易出现模型设定偏误和非一致性的错误,本文使用两期综列数据,并对模型进行一阶差分,从而利于解决上述问题,并消除异方差等,使回归结果更具解释力和科学性。根据题意,结合实际,本文对定距变量选用对数形式,户主及家庭基本情况变量、市场及环境变量、生产经营及家庭收支变量数据在调查的两个时间段内假定不变,经过差分后,上述变量不再进入方程。因变量为投资的对数形式一阶差分,自变量为包括是否发林权证、是否满意采伐制度的虚拟变量,家庭收入、家庭消费的对数形式一阶差分,方程形式如下:

4.3农户自变量描述分析

对差分方程中的自变量描述如下,家庭收入、家庭消费为定距变量,是否发林权证、是否满意采伐制度为定类变量(1表示是,0表示否),具体统计描述如表3、表4和表5。如表3,家庭纯收入最少是0.2万元,最大是10万元,平均2.19万元。家庭消费支出最少是0.4万元,最大是6万元,平均1.45万元。一般认为收入高的农户倾向于会多对林子进行投资,以期获得更长期收益;消费高的农户由于资金的替代性,会减少其在林子方面的投资。如表4,林权证一般是由地方林业部门勘查审核,地方政府颁发。林权证是以法律的形式明确了林农的权利,有助于林农发展林业的信心,同时也为林业融资提供了便利。样本林农中,缺失值(25)除外,有林权证的占67.5%,无林权证的占32.5%。河南平原地区林权改革是在2007年底开始推行的,计划3年全部完成,林权改革在各地区及各乡镇的实施进度不一样。新一轮林权改革主要内容是确权发证,放活经营,规范流转,创新机制,因此我们把林权证的发放作为林权改革进行与否的替代变量。如表5,采伐制度是林业的一项基本制度,除房前屋后的树木外,采伐林木要办理采伐证,采伐证要受到采伐指标的限制,采伐指标根据上一期林木采伐的基数和现时期林木种植及生长状况而定,现实中有的地区采伐指标安排的比较合理,有的地方存在指标不平衡的现象,多的地方用不完,少的地方不够用。本文把此变量作为改革变量,是因为河南平原地区林权改革中有一项内容是放活处置权,改革商品林采伐制度。样本农户是否满意采伐制度,回答是的占35.3%,否的占64.7%。调查中可能存在误差,一方面是调查由林业部门组织实施,个别林农可能存在顾虑,怕给自己带来不利影响;另一方面有些是非林农,对林业制度知之甚少或漠不关心。

5模型检验与结果解释

5.1模型检验

模型检验与回归结果见表6、表7、表8。

5.2结果解释

由表6、表7可知,方程的整体拟合度很好,校正R2达到了90.2%;方程在显着性水平为0.05时整体通过F检验。由表8可知,反映改革的变量中,是否发林权证对林农投资的影响在0.01的水平上显着,是否满意采伐制度对林农投资的影响在0.05的水平上显着,假说成立,即林权制度改革对林农产生激励作用,会使林农增加对林地和林木的生产性资金投入。反映家庭生产经营及家庭收支变量中,农户收入对因变量在0.05的水平上显着,说明收入多少是农户投资的前提条件。农户消费对因变量在0.05的水平上不显着,可能因为林农消费大多为生活必需品,弹性不大,与林业投资并不直接存在替代关系。

林业投资分析篇4

1．1吉林省天然林保护工程投资规模变化和特点分析随着吉林省天然林保护工程的逐步实施，投资规模呈现显著增长。但资金投入呈现高度不均衡，主要表现在工程投资依附于中央政府的财政投入，地方投入相对较小，所以其投资规模的变化与国家对林业的政策和指导方针具有高度相关性。国家在天然林保护二期工程在一些政策方面作了突破，增加安排中幼林抚育财政补助和东北内蒙古重点国有林区后备资源培育的补助政策。吉林省分别于2011年对造林工程投入300万元，2012年对后备资源培育工程投入1235万元，生态效益补偿工程投入5543万元，2013年加大了对后备资源培育工程的投入，为5071万元。

1．1．1吉林省天然林保护工程投资规模变化全部林业投资额年度变化大，部分分项变化较弱。图1中绘制了全部林业投资完成额、中央财政专项资金、森林抚育、森林管护、社会保险、政社性支出的投资额的变化情况。第一，全部林业投资完成额和中央财政专项资金投资额在2008有了大幅度提升，而2009年和2010年大幅回落，2011年之后又明显持续增长。第二，森林管护投资额每年都以小额度增幅增长，在2011年有了明显的跳跃后又稳定增长。第三，由于社会保险投资额和政社性支出投资额在2009年以前也有投资，但没有进行单独统计，本研究中只考虑2009年之后的变化情况，2011年社会保险投资明显上升而政社性支出投资略微下降，2012年后又稳定增长。第四，森林抚育于2011年开始投资并以后以小额度稳定增长。整体来说，吉林省对天然林二期的投资力度不断加大。

1．1．2吉林省天然林保护工程投资规模特点分析一方面，国家政策对投资规模的变化起决定性影响。从2011年起，在政策上又有了许多改变，中央财政大幅度提高了森林管护费、社会保险补助费、政策性社会性支出补助费等补助标准，有力地保障了二期工程的顺利实施。为解决林区生态保护与社会发展中出现的新情况、新问题，中央财政切实完善补助政策。2012年，中央财政增加天保工程二期一次性补助资金50．57亿元，支持解决林区安置职工社会保险缴费困难问题；从2014年起，经国务院批准，在东北重点国有林区全面停止天然林商业性采伐，中央财政新增资金用于保障林区社会运转和干部职工基本生活［10］。另一方面，天然林保护工程中各要素补助标准的改变对投资规模也起着重要的作用。针对全部林业投资完成额、中央财政专项资金投资额和森林管护投资额，国家进一步加大了投入的力度，中央财政全额承担既定补助项目的资金投入，不再要求地方财政配套20％［11］。工程一期的森林管护补助标准为26．3元•hm－2•a－1（中央财政21元•hm－2•a－1），工程二期，中央财政按照5元／亩•a－1的标准安排森林管护补助费，与国有国家公益林生态补偿标准一致。关于政社性支出的增长，由工程一期的教育补助1．2万元•人－1•a－1，东北内蒙古等重点林区的卫生补助2500元•人－1•a－1；变为工程二期的教育补助提高到3万元•人－1•a－1，东北内蒙古等重点林区的卫生补助提高到1万元•人－1•a－1。政企合一的政府机关事业单位3万元•人－1•a－1［12］。天保二期工程中增加了对国有中幼林抚育，东北内蒙古重点国有林区后备资源培育的补助。中幼林抚育综合成本每1／15hm2补助120元；后备资源培育综合成本每1／15hm2为330．7～542元，中央基本建设投资人工造林和森林改培每1／15hm2分别补助300元和200元［2］。

1．2吉林省林业经济发展变化和特点分析

工程建设十多年来，在中央财政投资支持下，工程不仅有效地保护和恢复了森林资源，还增加了林业产值。工程区短期内摆脱了生态破坏与贫困加剧相互交织的陷阱，为区域社会经济发展奠定长期资源环境基础［14］。

1．2．1吉林省林业经济发展变化如图2，2007—2013年期间，林业产业总产值及林业三次产业产值呈上升趋势。根据《吉林省林业统计年鉴》，到2013年，林业产业总产值达到13509856万元，其中林业第一产业产值为3623241万元，林业第二产业产值为8270048万元，林业第三产业产值为1616567万元。首先，总产值与第二产值都呈现出快速增长趋势，总产值增长的增幅相对较大。其次，第一产业与第三产业呈现平稳增长趋势。第二产业产值明显高于第一、第三产业产值，第一产业产值第二，第三产业产值相对最低。从增长率变化曲线可以看出，第一产业增长率在最上变为第三产业增长率在最上。

1．2．2吉林省林业经济发展特点分析在2007—2013年间，吉林省林业总产值及三次产业产值在2008年与2011年都有阶段性较快增长，增长率分别为59％、59％、59％、56％和43％、50％、39％、48％。在此期间吉林省林业产业结构不断优化，林业三次产业的比重也由2007年的32：54：14调整为2013年的27：61：12。第一产业比重下降，第二产业比重不断上升，符合库兹涅茨的经济增长理论，第三产业比重稍微下降不太符合库兹涅茨的经济增长理论［15］。从《吉林省2010—2022年林业产业发展规划》中我们可以得知，吉林省正依靠自身优势建设林业经济强省，大力推进林业技术改革，产业结构优化，加快传统林业向现代林业转变的进程，加快林业经济发展速度，提高经济效益。不断提升林业经济发展对区域经济增长的带动功能，对生态建设的保护功能，对职工、农民增收致富的推进功能。争取用十年左右的时间，把林业产业经济建成吉林省国民经济的重要支柱产业［16］。吉林省政府对林业经济发展的重视及政策，使林业经济得到快速发展，林业产值得到稳步提升。

2吉林省天保工程投资规模与林业经济发展水平的相关分析

2．1研究方法本文讨论的是吉林省天保工程投资规模与林业经济发展水平的相关性，但天保工程投资规模和林业经济发展水平是有多个变量组成的，这样，本研究讨论的只是投资规模和林业经济发展水平这两组变量之间的关系。因此，采用典型相关分析方法研究投资规模和林业经济发展水平的相关性比较合适［17］。

2．2数据来源与变量选择以2007—2013年吉林省天然林资源保护工程投资规模和林业产值为分析样本，研究数据来源于《吉林省林业统计年鉴》。天然林投资规模中选用全部林业投资完成额（x1）、中央财政专项资金（x2）、森林管护（x3）、社会保险（x4）、政社性支出（x5）；林业经济发展水平选用林业总产值（y1）、第一产业产值（y2）、第二产业产值（y3）、第三产业产值（y4）。

2．3实证研究

2．3．1显著性检验运用SPSS软件中的相关命令，可以得到表1天然林投资规模变量组的相关系数、表2林业经济发展水平变量组的相关系数、表3天然林投资规模与林业经济发展水平的相关系数矩阵、表4典型变量相关系数、表5典型变量相关的显著性检验的结果。由表1可以看出天然林投资规模变量之间的相关系数总体也具有一定的相关性（除个别变量之间相关性不强）。从表2可以看出：林业经济发展水平变量内部的相关系数较强，在0．9897～0．9991之间。我们从表3中可以得到森林管护（x3）、社会保险（x4）、与林业总产值（y1）、第一产业产值（y2）、第二产业产值（y3）和第三产业产值（y4）的相关性比较强，而投资完成额（x1）和中央财政专项资金（x2）与林业产值的相关性相对较弱。表4中第一组典型变量（U1，V1）和第二组典型变量（U2，V2）的相关系数都为1，说明其具有统计显著性。而后两组没有相关性。由表5中的数据可以检验，表5中Sig显示前两组典型变量组合的检验数为0，在典型性相关分析要求的0．05之内，所以第一、第二前两组组合具有相关性，而表5中后两组的检验数在置信水平之外，所以不具有相关性。

2．3．2典型相关模型分析本研究典型变量中虽然各变量的量纲相同，但为使准确表示数据均采用标准化的典型系数。根据SPSS软件运算结果给出典型相关模型，如表6所示。从第一个典型相关模型看出，中央财政专项资金x2对第一个典型变量U1的贡献最大，相关性最高，典型系数为3．379；其次是全部林业投资完成额x1与政社性支出x5的贡献与相关性次之，典型系数分别为－2．631和2．207。说明天保投资规模中影响林业经济发展水平的主要是中央财政专项资金、全部林业投资完成额和政社性支出投资。林业总产值y1对第一个典型变量V1的贡献较大，典型系数为17．251，第一产业产值y1对第一个典型变量V1的贡献小一些，典型系数为－13．757；说明林业经济发展水平中影响天保投资规模的两种因素相比较而言，林业总产值的影响要比第一产业产值的影响大，显著性更强。从第二个典型相关模型可以看出，森林管护x3对第二个典型变量U2的贡献也大，其次是全部林业投资完成额x1和社会保险x4的贡献量比较小；林业总产值y1对第二个典型变量V2的贡献较小，相比于第一林业产值y2对第二典型变量V2的贡献大一些。

2．3．3典型因子载荷分析通过讨论典型负载系数与交叉负载系数，对原始变量与典型变量之间的相关系数进行结构分析。典型负载系数（canonicalloadings）是典型变量与本组的观测变量之间的两两简单相关系数［18］。由表7可知，林业投资规模的第2对典型变量U2在x3、x4上均有较重荷载，说明森林管护和社会保险这两个原始变量对林业投资规模影响较大。同样，林业经济发展水平第2对典型变量V2在y1、y2、y3和y4上有较高荷重，说明林业产值总额、第一产业产值、第二产业产值和第三产业产值也对林业经济发展水平影响较大。交叉负载系数（crossloadings）是典型变量与另一组的观测变量之间的两两简单相关系数［18］。由于第2对典型变量之间的高度相关，天保投资规模中两个主要变量与林业经济发展水平第2对典型变量呈高度相关；而林业经济发展水平中的四个变量与天保投资规模的第2对中的森林管护和社会保险也呈高度相关。这种一致性从数量上体现了天保投资规模与林业经济发展水平存在一定的内在关系，与天保投资规模和林业经济发展水平指标的实际意义是吻合的。

2．3．4冗余度分析冗余指数（redundancyin－dex）是本组典型变量对另一组变量总变差的百分比，也是交叉的总方差共享比例［17］。由表8可知，第2对典型变量U2和V2均较好地解释了对应的那组变量，而且交互解释能力也比较强。来自天保投资规模的方差被天保投资规模和林业经济发展水平第2对典型变量解释的方差比例分别为52．4％和52．4％；来自林业经济发展水平的方差被天保投资规模和林业经济发展水平第2对典型变量解释的方差比例为84．1％和84．1％。

3结论及对策建议

3．1结论本文选取2007—2013年吉林省天然林投资规模与林业经济发展水平为研究样本，通过简单分析和典型相关分析方法，定量的验证了在国家对天保工程投入力度不断加大的情况下，吉林省各方面的投入与林业总产值、第一产业产值、第二产业产值、第三产业产值的典型相关关系的显著变化。研究表明，天然林投资规模与林业经济发展水平呈正相关，且天然林工程的实施，使得吉林省林业产业结构不断优化。天保投资规模中森林管护和社会保险的投资对林业的发展具有显著地贡献率，这也体现了国家“以人为本”的发展理念。

林业投资分析篇5

随着我国社会经济不断发展，林产业也进入了高速发展阶段。林业高速发展与中央林业投资有着长期稳定关系，可以说林业经济增长对中央林业投资存在很强的依赖性。基于此，文章重点探究中央林业投资与林业经济增长的互动关系，旨在推动我国林业健康发展。

关键词：

中央林业；投资；经济增长；互动关系

随着我国社会经济不断发展，林业不仅是我国国民经济的重要组成部分，同样也是驱动社会经济和林业共同发展的重要渠道。对于林产业发展来说，中央林业投资对林产业的影响非常显著，但林业自身特点以及林业对资金的敏感度构成了林业投资与林业经济增长的矛盾。因此，我国林业投资与发展是一种普遍性命题，林业建设与发展必须要有大量资金投入，因此，本文重点探究中央林业投资与林业经济间的互动关系，并针对其互动关系提出几点建议。

1中央林业投资与林业经济增长的互动关系

采用林业总产值来分析林业投资与经济增长关系，我们将中央林业投资量标记为“I”、将林业总产值标记为“P”。考虑到对比数据的有效性与完整性，消除物价因素上的影响，可以选择物价者消费指数对两个变量进行测量。为了能够消除投资与林业产业序列中的异方差，需要分别对总投资、总产值量进行对数处理，处理后我们将产值序列标记为“L”和“F”。并采用Eviews6.0软件进行数据变量分析。为了提高协整检验的精准性，需要对时间序列的稳定性进行检验。通过对比试验表明，序列在1%的时候是非平稳序列，因此需要换用其他的平稳序列。由于I与P之间存在一定的协整关系，也就是林业投资与产业经济增长存在长期的均衡关系，这就需要进一步对比分析来提高变量间精准性。通过对比分析表明，我国林业投资与林产业经济之间存在着长期均衡关系，投资量与产业间的增长也存在一定的变化规律，协整系数为0.867。由此可见，想要推动我国林业发展，中央林业依然要保持稳定投资，但通过互动关系表明，单一化投资、过量投资、少量投资都会对林业经济增长造成影响，资金利用率不高，同时林业经济增长对中央投资依赖性过大，在80%以上。因此，我们必须要实现多元化投资，降低对中央林业投资的依赖性，并提高林业投资效率。

2推动林业经济增长的几点建议

2.1开展多元化投资

想要全方位发展林业，就必须要保障资金投入。我国林业发展在很大程度上依托于资金拉动，为了保障资金链的平稳性，我们必须要拓宽林业投资范围，充分发挥种植、采集、养殖、加工等林业多种经营优势。充分发挥林业在市场经济中的优势，调动社会资本融入到林业产业当中，降低林业经济发展对中央林业投资的依赖性。

2.2提高林业投资效率

林业发展必须要融入大量的资金投入，但从实质上分析是由于我国林业资金利用率低。由于林业具有投资周期长、经营风险大、投资效益水平差、林业经济依附性高等特点，导致中央林业投资对林业经济带动力不足，这也是阻碍林业资金聚集的主要原因之一。林业经济发展不仅是为了生产林产品，更是为了提高社会效益和生态效益。因此，需要加强对林产业的资金扶持力度与政策扶持力度，强化林业公益性层面上的投资。

参考文献

[1]余智敏,田治威,潘焕学,等.基于VAR模型的林业经济增长与林产品进出口贸易关系研究[J].广东农业科学.2014(21).

[2]邱方明,沈月琴,朱臻,等.林业标准化实施对林业经济增长的影响分析——基于C-D生产函数[J].林业经济问题.2014(04).

[3]田志华,王忠.广东省环境污染与经济增长的动态关系———基于向量误差修正模型的实证研究[J].广东商学院学报.2013(06).

[4]潘炜栋.产业结构对林业经济增长贡献程度的统计分析[J].特区经济.2013(10).

[5]水蓝天.迷茫的风电[J].绿色中国.2013(06).

[6]肖政,陈奕钢,周悦.公共服务投入和林业经济增长动态研究———基于初始模型OLS回归[J].林业经济问题.2012(02).

[7]于江龙,刘俊昌,陈文汇.我国林业投资与产业经济增长关系研究[J].价格理论与实践.2011(09).

[8]曹盛国,王国卿,沈良伟,等.对林业投资与林业经济增长关系的认识[J].内蒙古林业调查设计.2011(04).

林业投资分析篇6

1智能决策支持系统概述

智能决策支持系统(IntelligentDecisionSupportSystem，简称IDSS)发展于传统决策支持系统的基础之上。其核心思想是人工智能和决策支持系统的结合。专家系统的应用，使决策支持系统能够通过逻辑推理，利用人类专家的知识来解决复杂的决策问题。人工智能技术可以概括为：推理机和知识库。1）人机交互系统。采用菜单的形式，实现系统和用户的交互，用户根据菜单中指示调用功能模块。2）数据库系统。系统的数据库既包含林业相关统计数据这些基础数据，也包含数学模型运行后的结果文件。3）模型库系统。是IDSS的核心部分，所构造的模型不一定很复杂，但一定要符合实际。模型的增加、更改、删除操作比较频繁，所以有必要建立有效的模型库管理系统来进行管理。库中的模型可以被重复调用。模型主要是数学模型，也可以是图形、图像模型，报表模型等。数学模型是用的最广泛的模型，包括方程形式、算法形式和程序形式。对模型的介绍、说明一般采用方程形式。对模型的运用一般采用算法形式。对误差的控制采用模型程序解决。4）方法库。将方法有机的结合，提供建立、求解模型有关的方法。5）知识库。结构化决策可以在计算机上用公式计算得到准确答案。非结构化决策可利用丰富的知识库和智能决策系统良好的交互性得到答案。

2林业经济决策支持系统设计

2.1系统开发工具

设计的决策支持系统以JAVA语言为开发工具，利用SQLServer数据库技术进行属性数据的管理。用组件ArcEngine将GIS嵌入到应用中。

2.2森林资源信息获取

我国森林资源清查共划分为3类:一类清查是国家森林资源连续清查，一般以5年为周期;二类清查是森林资源规划设计调查，一般以10年为周期;三类清查是作业设计调查。此系统的森林资源数据的获取通过第八次我国森林资源清查、省统计年鉴、森林资源统计年报等相关资料，并进行补充调查。

2.3系统采用的林业经济评价指标

智能决策支持系统要向用户提供充分的外部环境和和内部环境的信息，以便企业能做出正确的经营决策。林业统计指标体系需包含以下三个指标体系：包括林业生产要素统计指标体系、林业生产过程统计指标体系和林业生产成果统计指标体系。林业生产要素包括林业资本要素、劳动力要素、林地资源要素和生产技术。其统计指标体系展示林业的生产规模和技术条件数据，如可用于投入的人、财、物、环境等。林业生产过程即为占有和使用生产要素、消耗物力和人力的过程。其统计指标体系用于反映林业生产经营的集约化水平、经营模式和管理模式，指标体系的设置符合林业生产经营的技术水平和管理的需要。林业生产成果统计指标体系可以根据林业投入与产出的关系反映林业经济效益,用来进行林业投入产出分析。为了更加全面，在现有林业统计指标体系的基础上,增加反映林区民生问题和环境成本的统计指标体系。参考我国新林业经济统计指标体系的基本内容,以及全国森林资源清查、省统计年鉴、森林资源统计年报等相关资料,同时进行调查补充,考虑评价指标应尽量具有科学性和可获得性,将以下指标列入到评价指标体系中：一级指标：林业生产条件、林业生产经营、林业投入产出。1林业生产条件的二级指标包括森林面积、森林蓄积量、森林覆盖率、林业用地面积、有林地面积、疏林地面积、薪炭林面积、特种用材林面积、经济林面积、防护林面积、宜林地面积、林业系统年末从业人数、林业科技人员数、林业系统从业人员受教育程度、林业系统固定资产存量、林业科技投入、林区道路。2林业生产经营的二级指标包括造林面积、迹地更新面积、封山育林面积、育苗面积本年新育、森林火灾资源损失、森林病虫害资源损失、人为破坏造成损失。3林业投入产出的二级指标包括林业总产值、林业投入物质消耗量、林业劳务投入、固定资产消耗、营林主要产品产量、森工主要产品产量、林业部门劳动生产率、资金利用率。

2.4评价指标权重的确定方法

林业经济评价指标后确定后，采用层次分析法来确定林业经济评价指标的权重。层次分析法简称为AHP方法,是美国运筹学家T.L.Saaty教授于70年代提出的,它提供了在设计指标时从总体系统出发,分层次地分析影响总体性能的相关因素,按照下层指标服从上层指标及综合最优原则,来确定并建立总体系统评价指标递阶层次结构模型的方法,它是一种“系统的合理性”过程。利用层次分析法建立评价指标体系，对各市林业生产条件、林业生产经营、林业投入产出三个方面做出评价,计算得到的结果将以报表的形式直接存入数据库中。

3.先建立林业经济评价指标体系