中國木材加工業(yè)投入產(chǎn)出效率評價

黃登良，李萌萌，戴永務

（福建農(nóng)林大學 管理學院，福州 350002）

林業(yè)產(chǎn)業(yè)

中國木材加工業(yè)投入產(chǎn)出效率評價

黃登良，李萌萌，戴永務

（福建農(nóng)林大學 管理學院，福州 350002）

運用可變規(guī)模報酬假設下的DEA模型對2002—2012年的中國木材加工業(yè)投入產(chǎn)出的技術效率值、純技術效率值、規(guī)模效率值進行測算,并運用差額分析和敏感度分析對投入產(chǎn)出變量進行分析。研究結(jié)果表明，近年來中國木材加工業(yè)技術效率水平總體不高，大部分年份木材加工業(yè)的純技術效率高于規(guī)模效率，較低的規(guī)模效率是導致技術效率不高的主要原因；木材加工業(yè)的資金投入水平較勞動力投入水平更為合理。因此，實現(xiàn)中國木材加工業(yè)的規(guī)模化發(fā)展是提高木材加工業(yè)投入產(chǎn)出效率的關鍵所在。此外，提高勞動者素質(zhì)，優(yōu)化勞動力投入水平對木材加工業(yè)的發(fā)展也很重要。

DEA模型；木材加工業(yè)；投入產(chǎn)出效率；差額分析；敏感度分析

改革開放以來，中國木材加工業(yè)取得迅速發(fā)展，木材加工業(yè)已經(jīng)成為中國生產(chǎn)建設的重要產(chǎn)業(yè)之一。木材加工業(yè)不僅為山區(qū)農(nóng)民帶來極大的收益，同時也支撐和促進相關產(chǎn)業(yè)的發(fā)展，為人民生活和國家建設起到了重要的作用。木材加工業(yè)是碳密集型產(chǎn)業(yè)，具有資源可再生、加工能耗少、環(huán)境污染小等獨特的優(yōu)點[1]，發(fā)展木材加工業(yè)對發(fā)展低碳經(jīng)濟，促進環(huán)境友好型社會的建設具有不可替代的作用。然而，與發(fā)達國家相比，中國的木材加工業(yè)企業(yè)80%以上為中小企業(yè)，人均勞動生產(chǎn)力不到發(fā)達國家的1/6，技術創(chuàng)新能力不足，在國際產(chǎn)業(yè)分工中處于產(chǎn)業(yè)鏈低端位置。因此，如何提高木材加工業(yè)的投入產(chǎn)出效率，提高木材加工企業(yè)的技術創(chuàng)新水平，促進整個行業(yè)的規(guī)?；l(fā)展將是中國木材加工行業(yè)未來要解決的問題。本研究對新世紀以來中國的木材加工業(yè)的投入產(chǎn)出效率進行評價，分析木材加工業(yè)的發(fā)展狀況，為相關行業(yè)部門的政策制定提出一些可行性建議。

1 文獻回顧

分析一個行業(yè)的投入產(chǎn)出效率的一種很好的方法是數(shù)據(jù)包絡分析方法，簡稱DEA。國外應用這種方法研究木材加工業(yè)問題較早。Dr Taraneh Sowlat利用數(shù)據(jù)包絡分析方法對加拿大林業(yè)的生產(chǎn)效率問題進行了研究[2]，Jun-Yen Lee運用DEA模型研究了全球森林和紙業(yè)公司的投入產(chǎn)出效率問題[3]，Trigkas, Marios等運用DEA方法對17家木材和家具企業(yè)進行生產(chǎn)效率評價，Hemmasi,A.等對10家伊朗木板制造業(yè)公司進行了投入產(chǎn)出效率評估[4]。 國內(nèi)學者研究木材加工業(yè)的投入產(chǎn)出效率問題還比較少。相關方面的研究有李淑賢、施蔚等運用產(chǎn)業(yè)集中度指標、Cobb.Douglas生產(chǎn)函數(shù)法對地區(qū)木材加工產(chǎn)業(yè)的規(guī)模經(jīng)濟問題進行研究[5-6]，張旭青等運用DEA方法分析了中國各地區(qū)木材加工企業(yè)投入產(chǎn)出效率[7]，楊加猛等人運用DEA方法分析了江蘇省10家木材加工龍頭企業(yè)的投入產(chǎn)出效率[8]。從以上文獻可以看出，大部分學者都是從微觀的角度分析木材加工企業(yè)投入產(chǎn)出效率問題，此外，個別學者分析了單獨一個省份的木材加工業(yè)的效率問題。然而，目前還很少有學者從國家層面來研究木材加工產(chǎn)業(yè)的總體投入產(chǎn)出效率問題。因此，本研究從宏觀的角度出發(fā)，采用DEA方法對2002年到2012年的中國木材加工業(yè)的投入產(chǎn)出效率問題進行分析。

2 研究方法及樣本指標的選取

數(shù)據(jù)包絡分析方法（Data Envelopment Analysis）是由A.Charnes,W.W.Cooper和E.Rhodes首先提出[9]。數(shù)據(jù)包絡分析方法以線性規(guī)劃為基礎，無需構(gòu)造生產(chǎn)函數(shù)和估計參數(shù)，不用考慮變量的量綱問題。該方法可以解決多投入和多產(chǎn)出的問題，是一種有效的測算行業(yè)投入效率問題的非參數(shù)方法。這種方法首先確定每一個被評價單位作為一個決策單元（Decision Making Units,DMU），利用收集到的數(shù)據(jù)，對每個決策單元的技術效率、純技術效率和規(guī)模效率進行測算，進而分析影響各個決策單元技術效率的因素。1984年，Banker,Charnes 和Cooper 給出了評價決策單元技術有效性的BC2 模型[10]。假設有n個決策單元，用Xj表示含有m種類型的輸入變量，用Yj表示含有s種類型的輸出變量。Xj、Yj分別表示如下:

式中xij＞0，yrj＞0分別表示第j個決策單元DMUj的不同類型的輸入量與輸出量；其中i=1,2,3……m；r=1,2,3……s；j=1,2,3……n。那么，相應的BC2模型為:

其中Xj、Yj是上文中提到的相對應的輸入輸出變量；λj表示單位組合系數(shù)；S-為產(chǎn)出松弛變量、S+為投入松弛變量；θ為由模型得到的相對效率值。若θ=1，且S-0=0，S+0=0，則所評價的決策單元是DEA有效；若θ=1，且S-、S+不全為0，則所評價的決策單元是弱DEA有效；若θ＜1 且S-、S+不全為0，則所評價的決策單元是DEA無效的。

2.2 指標選取及數(shù)據(jù)來源

根據(jù)Padraja-Chaparro等的研究，為了提高DEA測算結(jié)果的準確性和穩(wěn)定性，所選擇的投入產(chǎn)出項之間要有一定的相關關系，并且決策單元的數(shù)量至少要達到投入產(chǎn)出指標之和的三倍以上[11]。本研究選擇從2002年到2012年共11個年份作為決策單元，投入產(chǎn)出指標之和為三個，樣本數(shù)為投入產(chǎn)出之和的三倍有余，理論上可以進行DEA模型的效率測算。

木材加工業(yè)工業(yè)總產(chǎn)值是衡量木材加工業(yè)經(jīng)濟效益的重要指標，它是木材加工企業(yè)在一定時間內(nèi)生產(chǎn)的木材加工產(chǎn)品的價值，是反映木材加工業(yè)產(chǎn)品總量的基本指標。因此本研究選擇木材加工業(yè)的工業(yè)總產(chǎn)值作為產(chǎn)出指標。木材加工業(yè)的投入方面主要包括勞動力和資金兩個方面。木材加工業(yè)屬于勞動密集型產(chǎn)業(yè)，因此勞動力對木材加工業(yè)的影響很大，本研究選取木材加工業(yè)全部從業(yè)人員年平均人數(shù)作為勞動力投入指標。木材加工業(yè)固定資產(chǎn)原價在一定程度上反映了中國木材加工業(yè)固定資產(chǎn)的投資規(guī)模和結(jié)構(gòu)，它在一定程度上反映了木材加工業(yè)的資金投入狀況。因此本研究選取木材加工業(yè)固定資產(chǎn)原價作為資本投入指標。

當年，高河如何也想不透的道理，而今天他明白了。因為娟兒比小表姐更漂亮，更溫柔，更會做家務。無論是家里的雇工，還是鄰里街坊，口口稱贊的都是娟兒，小表姐自然才會討厭娟兒。

由于本研究中所采用的指標在2002年之前的統(tǒng)計數(shù)據(jù)殘缺較多，因此選取2002-2012年為研究期間，數(shù)據(jù)主要來源于2002-2012年的《中國統(tǒng)計年鑒》。

3 DEA效率測算及分析

3.1 同向性檢驗

DEA模型的效率測算要滿足“投入增加后不致使產(chǎn)出減少”的同向性原則，本研究利用Pearson相關系數(shù)對投入產(chǎn)出項進行檢測。

從表1中可以看出木材加工業(yè)投入產(chǎn)出項之間具有正相關性，表明隨著投入的增加產(chǎn)出也隨之增加，符合DEA同向性的要求。因此，可以運用以上數(shù)據(jù)進行DEA模型分析。

表1 木材加工業(yè)投入產(chǎn)出項Pearson相關系數(shù)

3.2 DEA效率測算與結(jié)果描述

DEA模型可以分為投入導向型和產(chǎn)出導向型兩種類型，其中投入導向型是指在產(chǎn)出不變的情況下如何使投入降到最低的能力。中國木材加工業(yè)現(xiàn)狀的主要特點是中小型木材加工公司較多，受政策和市場環(huán)境的影響較大，因此從投入角度分析在現(xiàn)有條件下木材加工產(chǎn)業(yè)應如何進行進一步調(diào)整優(yōu)化以提高整體木材加工業(yè)生產(chǎn)技術效率是十分必要的。本研究運用可變規(guī)模報酬（Variable Returns to Scale, VRS）假設下的BC2模型進行測算。

通過對11個年份木材加工業(yè)技術效率、純技術效率和規(guī)模效率進行測算得到的結(jié)果如表2所示。

效率值為1則表示該決策單元是DEA有效的。由表2的中國木材加工業(yè)的投入產(chǎn)出效率值可以看出，從2002年到2012年中國木材加工業(yè)的DEA技術效率水平基本沒有達到DEA有效，其中只有2011年木材加工業(yè)DEA技術效率為1，達到DEA有效狀態(tài)，其余年份木材加工業(yè)DEA技術效率均沒有達到DEA有效狀態(tài)，特別是2002年到2005年DEA技術效率值不足0.8。從2007年開始中國木材加工業(yè)DEA技術效率都在0.9以上，這說明中國木材加工業(yè)投入產(chǎn)出效率從2007年開始逐漸提高。

注：irs表示規(guī)模報酬遞增，drs表示規(guī)模報酬遞減

根據(jù)DEA模型的理論推導，技術效率=純技術效率 規(guī)模效率。因此，技術效率可以分解為純技術效率和規(guī)模效率兩部分。從表2的結(jié)果可以看出，純技術效率值的均值為0.981，而規(guī)模效率值的均值僅為0.826。從而得知，對技術效率影響較大的是規(guī)模效率。根據(jù)表2的測算結(jié)果可知，2002年、2007年、2009年、2011年和2012年的純技術效率值均為1。說明他們處于生產(chǎn)前沿面上，并實現(xiàn)了資源的優(yōu)化配置。而其他年份的純技術效率值也基本在0.95以上，這表明從2002年起到2012年中國的木材加工業(yè)的生產(chǎn)結(jié)構(gòu)比較合理。反觀各個決策單元的規(guī)模效率，除了2011年的規(guī)模效率達到DEA有效以外，其余各個年份的規(guī)模效率均沒有達到DEA有效。特別是從2002年到2006年中國木材加工業(yè)DEA的規(guī)模效率均在0.9以下。因此，規(guī)模效率值整體不高影響了技術效率值。同時，從2002年開始直到2010年中國的木材加工也均處于規(guī)模報酬遞增的狀態(tài)，直到2012年才開始出現(xiàn)規(guī)模報酬遞減。

表2 木材加工業(yè)投入產(chǎn)出效率什（2002-2012年）

從上面的測算結(jié)果可以知道，中國木材加工業(yè)的總體效率較高。進一步分析近年來中國木材加工業(yè)投入產(chǎn)出效率的變化趨勢。從表2可以可出，我們木材加工業(yè)DEA的技術效率和規(guī)模效率值大致呈現(xiàn)出逐年遞增的態(tài)勢，技術效率值隨著規(guī)模效率值的變動而變動，而純技術效率基本維持在一個比較高的值附近波動。

3.3 差額分析

投入差額是指在不減少產(chǎn)出的情況下，是否可以進一步減少投入量，產(chǎn)出差額是指在不增加投入要素的情況下，是否可以進一步增加其產(chǎn)出量。通過對投入產(chǎn)出的差額分析，可以進一步分析木材加工業(yè)的投入產(chǎn)出結(jié)構(gòu)是否合理。由表3可知，在不減少產(chǎn)出的情況下2003年、2004年、2005年、2006年、2008年和2010年的木材加工業(yè)從業(yè)人員可以再減少。從2002年開始固定資產(chǎn)投入差額和工業(yè)總產(chǎn)值產(chǎn)出差額均為0，表明木材加工業(yè)的資產(chǎn)投入較勞動力投入更為合理。

3.4 敏感度分析

表3 木材加工業(yè)投入差額和產(chǎn)出差額（2002-2012年）

本研究將兩個投入指標進行敏感度分析，測定哪個指標對木材加工業(yè)投入產(chǎn)出效率的影響程度更大。通過計算將原DEA效率值與扣除從業(yè)人員效率值以及扣除固定資產(chǎn)效率值進行對比。表4結(jié)果顯示扣除木材加工業(yè)從業(yè)人員后大部分年份的效率值都沒有變化，表明木材加工業(yè)從業(yè)人員數(shù)對木材加工業(yè)效率的影響不大。反觀扣除固定資產(chǎn)后的效率值，木材加工業(yè)的DEA效率值變化很大，這說明近十多年來資金投入對木材加工業(yè)的發(fā)展起到了十分重要的作用。

3.5 結(jié)果分析

表4 木材加工業(yè)投入變量敏感度分析（2002-2012年）

從上述關于2002年到2012年中國木材加工業(yè)投入產(chǎn)出效率的測算的結(jié)果可以看出，除了2011年以外其余年份的DEA均是無效的。究其原因主要有以下四個方面。

①2002年、2007年、2009年和2012年DEA技術效率無效，歸結(jié)為這四年的規(guī)模效率處于無效率的狀態(tài)，因為這四年的純技術效率是DEA有效的。也就是說，這四年在木材加工業(yè)投入產(chǎn)出一定的條件下，投入產(chǎn)出的結(jié)構(gòu)是合理的，只是由于木材加工業(yè)的規(guī)模不夠合理。其中2002年、2007年和2009年處于規(guī)模報酬遞增階段，也即行業(yè)規(guī)模沒有形成限制了這三年的發(fā)展，而2012年則處于規(guī)模報酬遞減階段，則是由于不合理的行業(yè)規(guī)模制約了其發(fā)展。

②2003-2006年、2008年和2010年的DEA技術效率無效的主要原因是由于純技術效率和規(guī)模效率同時DEA無效導致的。這說明這五年中國的木材加工業(yè)的投入產(chǎn)出結(jié)構(gòu)和規(guī)模均沒有達到最優(yōu)水平。這五年均處于規(guī)模報酬遞增階段，表明木材加工行業(yè)還沒有形成規(guī)模經(jīng)濟。

③從表中可以看出，從2002年至2012中國木材加工業(yè)DEA純技術效率值普遍較高，其平均值達到0.981，且各個年份的純技術效率取值均較大。反觀規(guī)模效率值，近十年來木材加工業(yè)的規(guī)模效率在逐年提高。2002年到2006年的規(guī)模效率值較低，從2007年開始規(guī)模效率逐漸提高達到0.94以上，到2011年達到DEA有效。究其原因，近年來中國木材加工業(yè)迅速發(fā)展，木材加工類企業(yè)逐年增加，行業(yè)規(guī)模在不大擴大，進入規(guī)模效率遞增的階段。2012年中國木材加工業(yè)DEA規(guī)模效率開始下降，并且處于規(guī)模效率遞減的階段。這可能是因為木材加工業(yè)企業(yè)數(shù)量過多，導致資源合理分配不合理，勞動力沒有合理利用從而出現(xiàn)規(guī)模效率遞減。

④由敏感度分析可知，行業(yè)固定資產(chǎn)投入對木材加工業(yè)的投入產(chǎn)出影響較大，這表明為了提升木材加工業(yè)的效率應該加大資金投入，優(yōu)化產(chǎn)業(yè)資產(chǎn)結(jié)構(gòu)，提高技術創(chuàng)新水平。由差額分析可知，木材加工業(yè)的勞動力投入存在不合理的地方，行業(yè)勞動力的投入沒有達到最優(yōu)水平。目前大量木材加工業(yè)中小型企業(yè)的管理不規(guī)范是導致勞動力投入冗余的主要原因。

4 結(jié)論及政策含義

本研究運用2002年到2012年的中國木材加工業(yè)的數(shù)據(jù)，分析了中國木材加工業(yè)近十幾年來的投入產(chǎn)出效率,并運用差額分析和敏感度分析對投入產(chǎn)出變量進行分析。研究結(jié)果表明，中國木材加工業(yè)DEA效率還有待進一步提高，特別是木材加工業(yè)規(guī)模效率不高阻礙了整個行業(yè)的發(fā)展；木材加工業(yè)的資金投入水平較勞動力投入水平更為合理。

結(jié)合木材加工業(yè)DEA效率分析、差額分析和敏感度分析的結(jié)果，提出以下建議。首先，要提高木材加工業(yè)的規(guī)模化發(fā)展水平。因此，行業(yè)主管部門適當提高木材加工業(yè)的進入門檻，鼓勵木材加工企業(yè)之間的兼并聯(lián)合，整合行業(yè)資源，提升行業(yè)的規(guī)模效益。其次，強化木材加工企業(yè)勞動力的管理，注重提高行業(yè)勞動者素質(zhì)，優(yōu)化勞動力資本配置。只有資金投入和勞動力投入比例協(xié)調(diào)、相輔相成才能進一步提高木材加工業(yè)的生產(chǎn)效率水平。最后，加強技術創(chuàng)新。行業(yè)主管部門要注重提高木材加工業(yè)的技術創(chuàng)新水平，加大技術引進和技改力度，進而進一步提高行業(yè)的綜合效率，增強木材加工業(yè)的發(fā)展后勁。

[1] 張宜生,黃安民,葉克林.低碳經(jīng)濟視角下木材工業(yè)的發(fā)展展望[J].木材工業(yè),2010(2):17-20.

[2] SOWLATI T. Efficiency studies in forestry using data envelopment analysis[J].Forest Products Journal,2005(1):49-54.

[3] JUN YEN LEE. Using DEA to measure efficiency in forest and paper companies[J].Forest Products Society,2005,55(l):58-66.

[4] HEMMASI A,TALAEIPOUR M,KHADEMI-ESLAMH.Using DEA windowanalysis for performance evaluation of Iranian wood panels industry[J]. African Journal of Agricultural Research,2011(6):1802-1806.

[5] 李淑賢.基于Cobb—Douglas生產(chǎn)函數(shù)的宿遷市木材加工產(chǎn)業(yè)規(guī)模經(jīng)濟評價研究[D].南京:南京理工大學，2012.

[6] 施蔚.江蘇木材加工產(chǎn)業(yè)的規(guī)模經(jīng)濟問題研究[D].南京: 南京林業(yè)大學,2007.

[7] 張旭青，李周.中國木材加工業(yè)規(guī)模經(jīng)濟分析[J].中國農(nóng)村經(jīng)濟，2010(10)36-42.

[8] 楊加猛,施蔚,佘光輝.基于DEA模型的江蘇木材加工龍頭企業(yè)效率評價與分析[J].南京林業(yè)大學學報,2008,32(3):127-129.

[9] CHARNES A,COOPER WW,RHODES E. Measuring the efficiency of decision making units [J]. European Journal of Operational Research,1978,2(6):429-444.

[10] BANKER R D,CHARNES A,COOPER WW. Some models for estimating technical and scale nefficiencies in data envelopment analysis[J] .Management Science,1984,30(9):1078～1092.

[11] PEDRAJA C F, SALINAS F J, SMITH P.On the quality of Data Envelopment Analysis model [J].Journal of Operational Research Society,1999,50(6):636～644.

[責任編輯：路 實]

The Input-output Efficiency Evaluation of China Wood Processing Industry

HUANG Deng-liang, LI Meng-meng,DAI Yong-wu
(School of Management, Fujian Agriculture and Forestry University, Fuzhou 350002, China)

In this study,the DEA model was used to analysis the wood processing industry technical efficiency from2002 to 2012. Then used the slack analysis and sensitivity analysis to study the input-output variables.The results showed that the technical efficiency of Chinese wood processing industry was not high. Most of the years, the pure technical efficiency was higher than the scale efficiency of wood processing industry. The lowscale efficiency leaded to the poor technical efficiency of Chinese wood processing; The capital input of wood processing was much reasonable than the labor input. Therefore to realize the largescale development of Chinese wood processing industry production is the key to improve the efficiency. At the same time,going to improve the quality of the workers and optimize the labor productivity is very important for wood impressing industry.

DEA model; wood processing industry; input-output efficiency; slack analysis; sensitivity analysis

F407.88

A

1673-5919（2014）05-0044-05

2014-09-07

黃登良（1989-），男，福建寧德人，碩士研究生。

戴永務（1977-），男，福建尤溪人，副教授，碩士生導師，從事林產(chǎn)品貿(mào)易與國際競爭力方面研究。