多元線性回歸分析在森林核算中的適用性研究

周林靜

【摘 要】 隨著我國(guó)森林資源的快速發(fā)展，當(dāng)前森林資源資產(chǎn)評(píng)估出現(xiàn)數(shù)量多、規(guī)模大的趨勢(shì)，單項(xiàng)評(píng)估的適用性減弱，故本文中引入批量評(píng)估模型來解決單項(xiàng)評(píng)估效率低成本高用時(shí)長(zhǎng)的問題。文中使用多元回歸分析方法對(duì)森林資源資產(chǎn)建立分齡組的批量評(píng)估模型，研究結(jié)果表明三個(gè)齡組的模型中擬合效果最好的是成、過熟林組的模型，中、近熟林的模型擬合效果次之，幼齡林模型的擬合效果最差，并且三個(gè)模型都通過了相應(yīng)的模型檢驗(yàn)，能夠應(yīng)用于實(shí)際評(píng)估。

【關(guān)鍵詞】 森林資源資產(chǎn) 多元線性回歸 批量評(píng)估

一、引言

森林對(duì)社會(huì)發(fā)展和人類生存的重要性日益顯著，其不僅能為社會(huì)提供相關(guān)森林產(chǎn)品，還能對(duì)環(huán)境產(chǎn)生重要作用。隨著對(duì)森林認(rèn)識(shí)的擴(kuò)展和對(duì)森林研究的深入，森林對(duì)于人類發(fā)展的重要性不言而喻。根據(jù)2018年的中國(guó)統(tǒng)計(jì)年鑒顯示我國(guó)森林面積為2.0768億公頃，森林覆蓋率達(dá)21.63%，2018年林業(yè)總產(chǎn)值突破7.33萬億元，天然林和人工林總量快速增長(zhǎng)，森林質(zhì)量不斷提高，我國(guó)的森林資源增長(zhǎng)居世界前列，是林業(yè)發(fā)展最快的國(guó)家。

隨著我國(guó)森林資源總量的快速增長(zhǎng)和林木交易市場(chǎng)的迅速發(fā)展，森林資源資產(chǎn)的交易量日趨擴(kuò)大，因此對(duì)林木資源資產(chǎn)進(jìn)行便捷準(zhǔn)確的定價(jià)是關(guān)鍵，故森林資源資產(chǎn)的評(píng)估工作尤為重要。由于林木資源具有經(jīng)營(yíng)周期長(zhǎng)，實(shí)地勘查工作量大等特點(diǎn)，使得森林資源資產(chǎn)評(píng)估具有較大的復(fù)雜性。故本文以福建省永安市和龍巖市的林木資源資產(chǎn)評(píng)估數(shù)據(jù)為基礎(chǔ)，運(yùn)用多元回歸分析方法探索森林資源資產(chǎn)批量評(píng)估核算模型的建立，為林木市場(chǎng)的交易估價(jià)提供便利。

二、文獻(xiàn)綜述

西方發(fā)達(dá)國(guó)家對(duì)于森林資源資產(chǎn)評(píng)估方面的研究起步較早，經(jīng)過多年的探索已形成了較為深入的理論研究體系，發(fā)展完善了相應(yīng)的技術(shù)規(guī)范方法。德國(guó)是最早進(jìn)行森林資源資產(chǎn)評(píng)估的國(guó)家之一，當(dāng)時(shí)主要運(yùn)用的森林資源資產(chǎn)評(píng)估方法是林價(jià)算法。中歐經(jīng)過長(zhǎng)期研究與探索發(fā)展了森林資源資產(chǎn)的盈虧計(jì)算法、成本計(jì)算法等評(píng)估方法 [1]。美國(guó)在20世紀(jì)初從德國(guó)引進(jìn)林木價(jià)格算法的基礎(chǔ)上提出構(gòu)建新的指標(biāo)體系，除了對(duì)實(shí)物量進(jìn)行核算外，要更加注重價(jià)值量的核算[2]。日本對(duì)于森林資源資產(chǎn)評(píng)估方法的研究源于19世紀(jì)，最開始使用的是由歐洲引進(jìn)的古典林價(jià)算法，隨著二戰(zhàn)后日本經(jīng)濟(jì)的發(fā)展，西方經(jīng)濟(jì)學(xué)的內(nèi)容被廣泛應(yīng)用到森林資源資產(chǎn)評(píng)估的研究中[3]。我國(guó)對(duì)于森林資源資產(chǎn)評(píng)估的研究工作始于20世紀(jì)80年代中期，真正起步于20世紀(jì)90年代中后期 [4]。90年代以來，我國(guó)的林業(yè)方面的專家學(xué)者對(duì)森林資源資產(chǎn)評(píng)估方法進(jìn)行了大量探索，通過實(shí)證研究進(jìn)行了大量分析，其中主要是陳平留、王永安等專家對(duì)于南方森林資源資產(chǎn)進(jìn)行的評(píng)估研究和探索。陳平留出版了國(guó)內(nèi)第一部關(guān)于森林資源資產(chǎn)評(píng)估的專著，全方位闡述了森林資源資產(chǎn)評(píng)估的理論研究，方法總論和實(shí)際應(yīng)用[5]。

我國(guó)森林資源資產(chǎn)的批量評(píng)估應(yīng)用仍處于起步階段，批量評(píng)估方法在實(shí)踐應(yīng)用中發(fā)展較為緩慢，缺乏完善的體系，需要后續(xù)深入的研究，故本文基于前人研究的基礎(chǔ)上，用永安市和龍巖市的林木資源評(píng)估數(shù)據(jù)，利用多元線性回歸方法選取適合的自變量建立分齡組的森林資源資產(chǎn)的批量評(píng)估模型。

三、數(shù)據(jù)來源于處理

本文所用的數(shù)據(jù)來自于福建省永安林業(yè)集團(tuán)股份有限公司擬抵押貸款所涉及的森林資源資產(chǎn)評(píng)估報(bào)告。對(duì)樣本按齡組的差異把數(shù)據(jù)分為三組，其中幼齡林為一組，中、近熟林為一組，成、過熟林為一組。為方便對(duì)數(shù)據(jù)的處理，將各影響因素進(jìn)行編碼，各影響因素的編碼處理如下表1所示。

由于本文樣本所在地域的優(yōu)勢(shì)樹種的影響，本文數(shù)據(jù)所包含的樹種主要為松樹和杉樹，并且都屬于人工林。本文用啞變量X1來表示樹種，當(dāng)X1=1時(shí)表示樹種為松樹，當(dāng)X1=0時(shí)表示樹種為杉樹。

四、森林資源資產(chǎn)批量評(píng)估模型的建立

4.1幼齡組森林資源資產(chǎn)批量評(píng)估模型

影響幼齡林評(píng)估值的主要因素為：年齡X2、平均樹高X4、畝株數(shù)X6、樹種X1。其中樹種根據(jù)量化后的結(jié)果，其為離散型變量，因此在模型預(yù)測(cè)是作為啞變量處理。首先對(duì)年齡X2、平均樹高X4、畝株數(shù)X6和評(píng)估值Y做正態(tài)性檢驗(yàn)，結(jié)果表明樣本數(shù)據(jù)通過了建模前的正態(tài)性檢驗(yàn)，可用于模型的估計(jì)。在進(jìn)行參數(shù)估計(jì)時(shí)采用逐步回歸的方法，其軟件操作的最終結(jié)果如下表2所示。

由表3可知，采用逐步回歸估計(jì)法最終得到的幼齡林的批量評(píng)估模型為：

由批量評(píng)估模型可知，解釋變量平均樹高、畝株數(shù)、樹種的啞變量X1的系數(shù)估計(jì)值與預(yù)測(cè)的估計(jì)值符號(hào)相同，大小相似，相互關(guān)系合理，模型的擬合效果較好。解釋變量平均樹高X4、畝株數(shù)X6和樹種啞變量X1單獨(dú)和組合起來對(duì)被解釋變量單位評(píng)估值Y有顯著影響。

4.2中、近熟齡組森林資源資產(chǎn)批量評(píng)估模型

影響中齡林、近熟齡林評(píng)估值的主要因素為：年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7、樹種X1。其中樹種根據(jù)量化后的結(jié)果，其為離散型變量，因此在模型預(yù)測(cè)是作為啞變量處理。首先對(duì)年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7和評(píng)估值Y做正態(tài)性檢驗(yàn)，結(jié)果表明，樣本數(shù)據(jù)通過了建模前的正態(tài)性檢驗(yàn)，可用于模型的估計(jì)。在進(jìn)行參數(shù)估計(jì)時(shí)采用逐步回歸的方法，其軟件操作的最終結(jié)果如下表3所示。

由表5可知，采用逐步回歸估計(jì)法最終得到的中、近熟林的批量評(píng)估模型為：

由批量評(píng)估模型可知，解釋變量年齡、平均樹高、畝蓄積、樹種的啞變量X1的系數(shù)估計(jì)值與預(yù)測(cè)的估計(jì)值符號(hào)相同，大小相似，相互關(guān)系合理，符合經(jīng)濟(jì)學(xué)原理。模型擬合效果較好。解釋變量年齡X2、平均樹高X4、畝蓄積X6和樹種啞變量X1單獨(dú)和組合在一起對(duì)被解釋變量單位評(píng)估值Y有顯著影響。

4.3成、過熟齡組森林資源資產(chǎn)批量評(píng)估模型

影響成、過熟林評(píng)估值的主要因素為：年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7、樹種X1。其中樹種根據(jù)量化后的結(jié)果，其為離散型變量，因此在模型預(yù)測(cè)是作為啞變量處理。首先對(duì)年齡X2、平均樹高X4、平均胸徑X5、畝蓄積X7和評(píng)估值Y做正態(tài)性檢驗(yàn)。結(jié)果表明，樣本數(shù)據(jù)通過了建模前的正態(tài)性檢驗(yàn)，可用于模型的估計(jì)。在進(jìn)行參數(shù)估計(jì)時(shí)采用逐步回歸的方法，其軟件操作的最終結(jié)果如下表4所示。

由表7可知，采用逐步回歸估計(jì)法最終得到的成、過熟齡林的批量評(píng)估模型為：

由批量評(píng)估模型可知，解釋變量平均胸徑、畝蓄積、樹種的啞變量X1的系數(shù)估計(jì)值與預(yù)測(cè)的估計(jì)值符號(hào)相同，大小相似，相互關(guān)系合理，符合經(jīng)濟(jì)學(xué)原理，模型的擬合效果較好。解釋變量平均胸徑X5、畝株數(shù)X7和樹種啞變量X1單獨(dú)和組合起來對(duì)被解釋變量單位評(píng)估值Y有顯著影響。

六、結(jié)論

通過對(duì)數(shù)據(jù)進(jìn)行模型的擬合，本文建立了三個(gè)齡組的批量評(píng)估模型，并對(duì)模型進(jìn)行相應(yīng)的檢驗(yàn)。將三個(gè)模型進(jìn)行對(duì)比發(fā)現(xiàn)，成、過熟林模型擬合效果最好，其擬合優(yōu)度為0.847，其次為中、近熟林模型，幼齡林模型的擬合效果最差，但其調(diào)整的擬合優(yōu)度也超過0.5，故認(rèn)為三個(gè)模型對(duì)數(shù)據(jù)的擬合程度較好。在將模型用于預(yù)測(cè)的過程中，從相對(duì)誤差角度分析，效果最好的還是幼齡組模型，其次是成、過熟林模型，最后是中、近齡組模型，但各模型的平均相對(duì)誤差均小于10%，故認(rèn)為模型的適用性較好。

【參考文獻(xiàn)】

[1] 魯濱遜·戈雷格里.森林資源經(jīng)濟(jì)學(xué)[M].北京：中國(guó)林業(yè)出版社，1985：210-217.

[2] John Scrivani. State Forest Resource Assessment and Strategies[J]. Virginia Forests，2009，（1）：13-14.

[3] 景謙平.森林資產(chǎn)評(píng)估的組織與管理研究[D].北京：中國(guó)林業(yè)科學(xué)研究院，2008.

[4] 孫鴻烈.中國(guó)資源科學(xué)百科全書[M].北京：石油大學(xué)出版社，2000.

[5] 陳平留.森林資產(chǎn)評(píng)估[M].成都：電子科技大學(xué)出版社，1996.