第４９卷第５期
东 北 林 业 大 学 学 报
Ｖｏｌ．４９Ｎｏ．５
２０２１年５月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＭａｙ２０２１
１）国家社会科学基金一般项目（２０ＢＪＹ０７７）。
简笔画公主裙
第一作者简介：姜钰，女，１９７８年１２月生，东北林业大学经济管
理学院，教授。Ｅ－ｍａｉｌ：ｊｙ６６６ａｂｃ＠１２６．ｃｏｍ。
收稿日期：２０２０年１１月１０日。责任编辑：王广建。
林业技术进步对林业产业结构升级影响的空间效应
１）
姜钰 姜佳玮
（东北林业大学，哈尔滨，１５００４０）
摘 要 用ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数法和产业结构层次系数测度林业技术进步和林业产业结构升级水平，并检验
林业产业结构升级的空间相关性，以及进行林业技术进步对林业产业结构升级影响的空间计量。结果表明：林业
产业结构升级有明显的空间正相关关系，
各区域存在高值集聚、低值集聚现象；林业技术进步对林业产业结构升级有显著的正向促进作用，区域空间影响效应表现为东部区域不显著（Ｐ＞１０％），中部区域负显著（Ｐ＜１０％），西部区
域正显著（
Ｐ＜１０％）。关键词 林业技术进步；林业产业结构升级；空间相关性分类号 Ｆ３２６．２ＳｐａｔｉａｌＩｎｆｌｕｅｎｃｅＥｆｆｅｃｔｏｆＦｏｒｅｓｔｒｙＴｅｃｈｎｏｌｏｇｙＰｒｏｇｒｅｓｓｏｎｔｈｅＵｐｇｒａｄｉｎｇｏｆＦｏｒｅｓｔｒｙＩｎｄｕｓｔｒｉａｌＳｔｒｕｃｔｕｒｅ／／ＪｉａｎｇＹｕ，ＪｉａｎｇＪｉａｗｅｉ（ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｐ．Ｒ．Ｃｈｉｎａ）／／ＪｏｕｒｎａｌｏｆＮ
ｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，
２０２１，４９（５）：１４８－１５２．
ＤＥＡ－Ｍａｌｍｑｕｉｓｔｉｎｄｅｘｍｅｔｈｏｄａｎｄｔｈｅｌｅｖｅｌｃｏｅｆｆｉｃｉｅｎｔｏｆｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｗｅｒｅｕｓｅｄｔｏｍｅａｓｕｒｅｔｈｅｌｅｖｅｌｏｆｆｏｒｅｓｔ
ｒｙｔｅｃｈｎｏｌｏｇｙｐｒｏｇｒｅｓｓａｎｄｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｕｐｇｒａｄｅ．Ｔｈｅｓｐａｔｉａｌｃｏｒｒｅｌａｔｉｏｎｔｅｓｔｏｆｔｈｅｕｐｇｒａｄｉｎｇｏｆｆｏｒｅｓｔｒｙｉｎ ｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｗａｓｃａｒｒｉｅｄｏｕｔ．Ｔｈｅｎ，ｔｈｅｓｐａｔｉａｌｍｅａｓｕｒｅｍｅｎｔｏｆｔｈｅｉｎｆｌｕｅｎｃｅｏｆｆｏｒｅｓｔｒｙｔｅｃｈｎｏｌｏｇｙｐｒｏｇｒｅｓｓｏｎｔｈｅｕｐ ｇｒａｄｉｎｇｏｆｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｗａｓａｎａｌｙｚｅｄ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｒｅｉｓａｎｏｂｖｉｏｕｓｐｏｓｉｔｉｖｅｓｐａｔｉａｌｃｏｒｒｅｌａｔｉｏｎｉｎｔｈｅｕｐｇｒａｄｉｎｇｏｆｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅ．Ｔｈｅｐｈｅｎｏｍｅｎｏｎｏｆｈｉｇｈ ｖａｌｕｅａｇｇｌｏｍｅｒａｔｉｏｎａｎｄｌｏｗ ｖａｌｕｅａｇｇｌｏｍｅｒａｔｉｏｎｅｘ ｉｓｔｓ．Ｎａｔｉ
ｏｎａｌｆｏｒｅｓｔｒｙｔｅｃｈｎｏｌｏｇｙｐｒｏｇｒｅｓｓｈａｓａｓｉｇｎｉｆｉｃａｎｔｐｏｓｉｔｉｖｅｐｒｏｍｏｔｉｎｇｅｆｆｅｃｔｏｎｔｈｅｕｐｇｒａｄｉｎｇｏｆｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅ．Ｔｈｅｒｅｇｉｏｎａｌｓｐａｔｉａｌｉｎｆｌｕｅｎｃｅｅｆｆｅｃｔｏｆｆｏｒｅｓｔｒｙｔｅｃｈｎｏｌｏｇｙｐｒｏｇｒｅｓｓｏｎｔｈｅｕｐｇｒａｄｉｎｇｏｆｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃ ｔｕｒｅｉｓｎｏｔｓｉｇｎｉｆｉｃａｎｔｉｎｔｈｅｅａｓｔｅｒｎｒｅｇｉｏｎ（Ｐ＞１０％），ｎｅｇａｔｉｖｅｉｎｔｈｅｃｅｎｔｒａｌｒｅｇｉｏｎ（Ｐ＜１０％），ａｎｄｐｏｓｉｔｉｖｅｉｎｔｈｅｗｅｓｔ ｅｒｎｒｅｇｉｏｎ（Ｐ＜１０％）．
Ｋｅｙｗｏｒｄｓ Ｆｏｒｅｓｔｒｙｔｅｃｈｎｏｌｏｇｙｐｒｏｇｒｅｓｓ；Ｆｏｒｅｓｔｒｙｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｕｐｇｒａｄｅ；Ｓｐａｔｉａｌｃｏｒｒｅｌａｔｉｏｎ
林业既是国民经济中的基础产业，也是关键的公益事业，林业的发展一直受到社会的关注。长久以来，我国林业经济以粗放式发展为主，依靠高投入驱动所带来的林业产业结构红利减少，粗放经营成为制约林业产业结构升级的瓶颈。在《林业产业发展“十三五”规划》中，明确指出了林业技术进步对于林业产业结构升级的重要性。因此，要解决林业发展的问题，研究林业技术进步对林业产业结构升级的影响非常关键。
国外相关成果主要集中在宏观经济领域研究技术进步对产业结构的影响。有关学者从产品生命周期角度分析了技术进步与产业结构的关系，论证了
技术进步对促进产业结构升级的影响［１］
；也有部分
学者通过构建两部门或多部门增长模型，发现技术进步导致生产要素在不同部门间流动，进而引起产
业结构的变动［２－３］
。国内学者主要使用向量自回归
模型、联立方程模型、投入产出模型以及空间计量模
型等定量研究技术进步对产业结构的影响［４－９］；也
有学者通过影响路径和作用机理等方面定性研究技
术进步对产业结构的影响［
９－１１］
。在农林业方面，研究了技术进步对农业产业结构升级的作用机理，并运用多省份面板数据来分析技术进步与农业产业结
构升级之间的关系［１２－１４］
；采用分位数回归方法等研
究林业产业结构升级的影响因素，分析了技术进步
对促进林业产业结构升级的作用［１５］。虽然国内外
学者对该问题的研究已经取得了一定的成果，但研究内容大多集中在宏观经济领域。由于我国各区域的森林蓄积量和林地面积存在一定差距，相应的林业经济发展情况以及林业产业结构升级水平存在差异性。因此，本文在测度林业技术进步指数以及林业产业结构升级水平的基础上，采用空间计量模型，分析不同区域林业技术进步对林业产业结构升级影响的空间差异性，为促进区域林业经济高质量协调发展提供政策参考。
１ 研究方法
１．１ 数据来源
数据源自《中国林业统计年鉴（２００９—２０１７）》、《中国农村统计年鉴（２０１０—２０１８）》、《中国统计年鉴（
２０１０—２０１８）》。１．２ ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数法
Ｍａｌｍｑｕｉｓｔ指数法和ＤＥＡ法综合使用称为ＤＥＡ
－
Ｍａｌｍｑｕｉｓｔ指数法，该方法已经成为测算林业技术进步的重要方法之一。
Ｍ（ｘｔ＋１，ｙｔ＋１，ｘｔ
，ｙｔ
）表示从ｔ期到ｔ＋１期的林业技术进步指数，计算公式为：
Ｍ（ｘｔ＋１
，ｙｔ＋１中秋节周记
，ｘｔ
，ｙｔ
）＝Ｄｔ（ｘｔ＋１，ｙｔ＋１）Ｄｔ（ｘｔ，ｙｔ
）×Ｄｔ＋１（ｘｔ＋１，ｙｔ＋１
）
Ｄｔ＋１（ｘｔ，ｙｔ）
槡
。式中：Ｄｔ
（ｘｔ
＋１，ｙｔ
＋１）Ｄｔ（ｘｔ，ｙｔ）和Ｄｔ
＋１（ｘｔ＋１，ｙｔ
动漫图
＋１）
Ｄｔ＋１（ｘｔ，ｙｔ
）
表示ｔ期和ｔ＋１期的Ｍａｌｍｑｕｉｓｔ指数；ｘｔ和ｙｔ
表示ｔ期的投入和产出量；Ｄｔ
（ｘｔ
，ｙｔ
）和Ｄｔ
（ｘｔ＋１
，ｙｔ＋１
）表示在ｔ期的生产技术
条件下，决策单元在ｔ期和ｔ＋１期的距离函数；Ｄｔ＋１
（ｘｔ
，ｙｔ
）和Ｄｔ
＋１（ｘｔ
＋１，ｙｔ
＋１）表示在ｔ＋１期的生产技术条件下，决策单元在ｔ期和ｔ＋１期的距离函数。由于ｔ期和ｔ＋１期的林业技术存在差异，因此，选取这两期的几何平均数作为综合Ｍａｌｍｑｕｉｓｔ指数反映ｔ
期到ｔ＋１期林业技术进步指数的变化情况。１．３ 空间权重矩阵及相关性检验
空间权重矩阵的设定是研究空间相关性问题的基础。本文采用二元邻接权重矩阵定义空间权重，二元邻接权重矩阵是指两个区域间的距离越接近，则两个区域间的影响程度就越大。当两个空间单元具有相同的边界或定点时，则为邻接关系，赋值为１，否则赋值为０。两个相同空间单元间的邻接关系具体表示为：
ｗｉｊ
＝１ 当区域ｉ和区域ｊ相邻接０ 其他
{
。
空间相关性包括全局和局部空间相关性。全局空间相关性主要反映全局数据总体上的空间分布以及变化规律，局部空间相关性主要反映局部数据的集聚分布。
全局Ｍｏｒａｎ’ｓＩ指数具体表示为：
Ｉ＝∑ｎ
ｉ
＝１∑ｎ
ｊ＝１ｗｉｊ（ｙｉ－珋ｙ）（ｙｊ－珋ｙ）Ｓ２
∑ｎｉ＝１∑ｎ
ｊ＝１
ｗｉｊ。式中：Ｉ表示全局Ｍｏｒａｎ’ｓＩ指数；ｙｉ和ｙｉ为第ｉ
和第ｊ区域的属性；珋ｙ和Ｓ２
为属性的均值和方差；ｗｉｊ
为权重矩阵。Ｍｏｒａｎ’ｓＩ的取值为［－１，１］，当Ｉ＞０时，
表示区域间该指标高（低）值与高（低）值相邻，存在正相关；当Ｉ＜０时，表示区域间待检验指标高值与低
值相邻，存在负相关；当Ｉ＝０时，表示区域间该指标随机分布，不存在相关性。
Ｍｏｒａｎ’ｓＩ散点图用于分析局部区域内相邻区域存在的相关关系，以局部的Ｍｏｒａｎ’ｓＩ指数为基础进行作图，其计算公式为：
Ｉ＝（ｘｉ
－珋ｘ）Ｓ２∑ｊ
≠ｉｗｉｊ（ｙｉ
－珋ｘ）。式中：Ｉｉ表示区域ｉ的局部Ｍｏｒａｎ’ｓＩ指数；ｘｉ和ｘｊ
为第ｉ和第ｊ区域的属性；珋ｘ、Ｓ２分别表示属性的均
值和方差；ｗｉｊ为权重矩阵。当Ｉｉ大于０时，表明待检验指标高（低）值被高（低）值包围；当Ｉｉ小于０时，则表明该指标高（低）值被低（高）值包围。１．４ 林业产业结构升级的测度
产业结构层次系数能同时包含林业三次产业和三次产业间相对结构的变动状况，内容更全面，也能进行不同时间和区域间林业产业结构升级变动情况的比较，因此采用产业结构层次系数测算林业产业结构升级水平。
Ｙ＝∑ｎ
ｉ＝１ｑｉｘｉ
，ｎ＝１、２、３。式中：Ｙ为林业产业结构升级水平；ｑｉ为林业三次产业所赋的值（对林业第一产业、第二产业和第三产业赋值分别为１、２、３）；ｘｉ是指林业第ｉ产业产值在林业总产值中所占比重。Ｙ越大，林业产业结构升级水平越高，产业结构升级速度越快。１．５ 指标的选择
本文使用ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数法测算林业技
术进步水平，投入产出指标的选取是ＤＥＡ－Ｍａｌｍｑｕｉｓｔ指数法的首要步骤。林业投入要素主要有劳动、资本和自然资源等，反映林业投入要素的具体指标为在岗职工年末人数、林业资本存量、林地面
积和森林蓄积量，产出用林业总产值衡量［１６－１７］
；影响
林业产业结构升级的指标有林业劳动投入、林业资本投入水平（用林业资本投入占林业总产值的比重来衡量林业资本投入水平）、森林资源状况（用森林覆盖率指标对森林资源状况进行评价）和区域经济发展水平
（用人均ＧＤＰ指标评价区域经济发展水平）［１８］
。
选择林业人力资本存量指标对林业劳动投入进行衡量，该指标主要由林业劳动力数量和林业人力
资本水平反映［１９］
，其测算公式为ＦＨＣ＝ｆｌ×ｈｃ。式中：ＦＨＣ表示林业人力资本存量；ｆｌ和ｈｃ分别表示林业劳动力数量和林业人力资本水平。
对林业人力资本水平指标，通过平均受教育年限法进行测度，用农业劳动力文化状况指标对林业
从业人员受教育程度进行衡量。其测算公式为ｈｃ＝∑ｐｉｙｉ。式中：ｈｃ表示林业人力资本水平；ｉ表示受教育级别；ｐｉ表示在ｉ类的受教育程度条件下，农业劳动力人数在区域农业劳动力总量中的比例；ｙｉ表示该类学历的受教育年限。对于ｉ的确定，结合我国教育情况，将学历情况分为不识字或者识字很少、
９
４１第５期 姜钰，等：林业技术进步对林业产业结构升级影响的空间效应
小学、初中、高中或者中专、大专及以上５个层次，分别对应０、６、９、１２和１６的受教育年限。１．６ 模型构建
空间滞后模型：空间滞后模型衡量各变量对其他变量是否具有溢出效应。具体表达式如下：
Ｙ＝ρＷＹ＋Ｃ＋β１ＴＰ＋β２ＦＨＣ＋β３ＬＦＩ＋β４ＳＬＦ＋β５ＧＤＰ＋
ε。式中：Ｙ为林业产业结构升级水平；ＴＰ表示林业技术进步水平；ＦＨＣ表示林业人力资本存量；ＬＦＩ表示林业资本投入程度；ＳＬＦ表示森林覆盖率；ＧＤＰ表示人均国民生产总值；Ｗ是权重矩阵；ＷＹ为林业产业结构升级的空间滞后项，反映林业产业结构升级在各区
域之间的交互作用；ρ为空间效应系数，取值为（－１，１），反映样本数据空间相关性的大小和方向；Ｃ为常系数；β１～β５为各变量的回归系数；
ε是独立的随机误差项（服从均值为０
、方差为θ２
的正态分布）。空间误差模型：空间误差模型衡量的是在空间因素被忽略的情形下，各变量之间所造成的受影响的程度。具体表达式为：
Ｙ＝Ｃ＋β１ＴＰ＋β２ＦＨＣ＋β３ＬＦＩ＋β４ＳＬＦ＋β５ＧＤＰ＋
ε， ε＝λＷε＋μ，μ～Ｎ（０，σ２
ＩＮ）
。
式中：Ｙ为林业产业结构升级水平；ε为独立的随机误差项；Ｗ为空间权重矩阵；λ是误差项的参数，取值为（－１，１），用来表征空间依赖关系；μ为误差项。
２ 结果与分析
２．１ 林业产业结构升级的空间相关性２．１．１ 全局空间相关性
由表１可知，莫兰指数全部为正，均通过了１０％的显著性检验。这表明在区域层面上，林业产业结构升级水平空间正相关性明显，水平相近的区域在空间上存在集聚特征。从时序变动看，我国林业产业结构升级水平总体上呈现波动递增态势，这表明随着我国林业经济持续发展，林业产业结构升级水
平区域分化日益加强，空间差异愈发严重。２．１．２ 局部空间相关性
由表２可知，２０１２年和２０１５年处于空间正相关的区域均有２６个，占总数的８４％，表明不论是２０１２年还是２０１５年，大部分区域分布均存在空间正相关，林业产业结构升级呈现高水平区域集聚、低水平区域集聚的特征，且林业产业结构升级水平存在空间分异性。浙江、福建、上海等区域分布
在第一象限，为“高－高”（Ｈ－Ｈ）集聚区的正相关关系，这些区域和周边区域林业产业结构升级水平较高，集聚程度也较高。甘肃、新疆、陕西等区
域分布在第三象限，为“低－低”（Ｌ－Ｌ）集聚区的正相关关系，主要位于中西部区域，这些区域和周边区域林业产业结构升级水平相对较低，存在低值与低值集聚。辽宁、云南和海南分布在第二象限，
为“低－高”（Ｌ－Ｈ）集聚区的负相关关系，表明这些区域林业产业结构升级水平相对较低，且相对于周边区域存在一定差距，因此加强周边区域与这些区域的林业发展合作，可辐射带动这些区域的林业产业结构升级。四川和内蒙古分布在第四象
限，为“高－低”（Ｈ－Ｌ）集聚区的负相关关系，表明这些区域林业产业结构升级水平相对较高，与其相邻的区域林业产业结构升级水平较低，空间溢出效应不明显。
表１ ２００９—２０１７年我国林业产业结构升级水平空间相关性
时间／ａ莫兰指数Ｚ值标准差Ｐ值２００９
０．３３９
３．３１１
０．１１４
０．００２
２０１００．４２４４．０７３０．１１４０．００１２０１１０．４３０４．０４００．１１５０．００１２０１２０．５１２４．８７００．１１３０．００１２０１３０．５５８５．２９３０．１１３０．００１２０１４０．５３１５．０９３０．１１２０．００１２０１５０．４９６４．６８９０．１１４０．００１２０１６０．４４５４．２２４０．１１４０．００１２０１７
０．４９６
脸上囊肿
４．６６８
０．１１４
０．００１
表２ ２０１２年和２０１５年区域林业产业结构升级水平的四分位表
时间／ａ高－高（Ｈ－Ｈ）
低－高（Ｌ－Ｈ）低－低（Ｌ－Ｌ）
高－低（Ｈ－Ｌ）２０１２重庆、湖北、山东、黑龙江、广西、安徽、贵州、吉林、江西、福建、江苏、浙江、湖南、上海、广东
辽宁、云南、海南河南、河北、宁夏、北京、甘肃、新疆、陕西、山西、天津、西藏、青海
内蒙古、四川
２０１５
重庆、湖北、山东、黑龙江、广西、安徽、贵州、吉林、江西、福建、江苏、浙江、湖南、上海、广东
辽宁、云南、海南
河南、河北、宁夏、北京、甘肃、新疆、陕西、山西、天津、西藏、青海
内蒙古、四川２．２ 林业技术进步对不同区域林业产业结构升级
的影响
由表３可知，选用２０１７年的数据，分别使用经典模型（
ＯＬＳ）、空间滞后模型（ＳＬＭ）和空间误差模型（ＳＥＭ）进行林业技术进步对林业产业结构升级影响的空间效应分析。在１０％显著性水平下，空间滞后模型的拉格朗日系数因子（ＬＭ－ｌａｇ）显著，而空
间误差模型的拉格朗日系数因子（ＬＭ－ｅｒｒｏｒ）不显著。同时空间滞后模型的对数似然函数值（ｌｏｇＬ）为７．６０２９６０，比经典模型和空间误差模型的值都要大；而且空间滞后模型的赤池信息准则值（
ＡＩＣ）值和施瓦兹准则值（ＳＣ）分别为－１．２０５９２０和８．８３１９９０，比经典模型和空间误差模型的值都要小。综合上述，选用空间滞后模型（ＳＬＭ）的结果进行分析。
０５１ 东 北 林 业 大 学 学 报 第４９卷
表３ 林业技术进步对林业产业结构升级影响的模型估计结果
变量
ＯＬＳ模型
系数Ｚ值Ｐ值
ＳＬＭ模型
系数Ｚ值Ｐ值
ＳＥＭ模型
系数Ｚ值Ｐ值
Ｃ０．９０９１２１４．０２３３９００．０００４７００．６２５６７０２．７３５５０００．００６２３００．８３６２２８４．２８１８８００．００００２０ＴＰ０．２７２２３１２．０８０７７００．０４７８６００．２５９３８１２．４０６１２００．０１６１２００．３０６０９９２．５４１１７００．０１１０５０ＦＨＣ０．００１４６０１．２２６７５００．２３１３５００．００１０４１１．０４７５９００．２９４８３００．００１４１１１．４９７１８００．１３４３５０ＬＦＩ－０．００８３３９－２．７３８０５００．０１１２２０－０．００７１２０－２．８２７７３００．００４６９０－０．０１０７００－４．０７５５２００．００００５０ＳＬＦ０．００７１９８３．０３２８８００．００５５８００．００６６０４３．３７３００００．０００７４００．００８０９７４．４２５０４００．００００１０ＧＤＰ０．０４４０５５２．５５４９４００．０１７０９００．０３６１５５２．４９８３５００．０１２４８００．０４８７３６３．５６０５６００．０００３７０ＷＹ０．２２１９３７２．３１７２４００．０２０４９０
茶学
λ－０．３５３０８７－１．２７４０７００．２０２６４０ｌｏｇＬ５．１０３８８０７．６０２９６０５．２８５５１７
ＡＩＣ１．７９２２４０－１．２０５９２０１．４２８９７０
ＳＣ１０．３９６２００８．８３１９９０１０．０３２９００
ＬＭ－ｌａｇ４．８１５６０００．０２８２００
ＬＭ－ｅｒｒｏｒ０．０５３００００．８１８０００Ｒ－ＬＭｌａｇ６．２４４１０００．０１２４６０
Ｒ－ＬＭｅｒｒｏｒ１．４８１５０００．２２３５５０
空间滞后项的空间效应系数为０．２２１９３７，而且在１０％的显著性水平下显著，这说明区域间林业产业结构升级水平具有显著的空间效应，即一个区域的林业产业结构升级与周边区域林业产业结构升级的发展状况密切相关，具有显著的空间促进作用。
林业技术进步对林业产业结构升级影响的系数估计值为０．２５９３８１，且在１０％的显著性水平下显著，即在其他条件不变时，林业技术进步每提高１个单位，将正向促进林业产业结构升级水平提
高０．２５９３８１个单位，说明林业技术进步对林业产业结构升级具有显著的空间促进作用，能显著地促进林业产业结构升级。这是因为林业技术进步可以优化林业资源配置、提高生产效率，同时带来更高的林业增长效应，使得具有较高生产效率的产业部门降低生产成本，并通过更低的价格或更好的商品和服务在竞争中显现优势，使得劳动密集型产业渐渐向机械化、智能化转变，林业不断向高技术、高附加值产业转移，实现林业产业结构升级。
为了检验林业技术进步对林业产业结构升级影响的区域差异，分别使用经典模型、空间滞后模型和空间误差模型进行东、中、西部分析。
由表４和表５可知，东部区域ＬＭ－ｌａｇ和ＬＭ－ｅｒｒｏｒ均不显著，但空间误差模型的ＬｏｇＬ值为６．２１６５５３，比经典模型和空间滞后模型的值都大；而且空间误差模型的ＡＩＣ值和ＳＣ值分别为－０．４３３１０５和２．４７６３３０，比经典模型和空间滞后模型的值都小。综合上述，东部区域选用空间误差模型的结果进行分析。同理，中部区域和西部区域也选用空间误差模型的结果进行分析较好。
表４ 各区域ＬＭ检验
检验指标
东部区域
统计值Ｐ值
婚恋教育中部区域
统计值Ｐ值
西部区域
统计值Ｐ值化学的英语
ＬＭ－ｌａｇ０．０７９００００．７７８６３００．０４７７０００．８２７０９００．２６３８０００．６０７５２０ＬＭ－ｅｒｒｏｒ０．２８８８０００．５９０９９００．４９３６０００．４８２３２０２．４８１８０００．１１５１７０Ｒ－ＬＭｌａｇ０．４９８１０００．４８０３２０４．１５８７０００．０４１４２０４．２０６５０００．０４０２７０Ｒ－ＬＭｅｒｒｏｒ０．７０７９０００．４００１３０４．６０４６０００．０３１８９０６．４２４６０００．０１１２６０
从东中西不同区域上来看，在１０％的显著性水平下，林业技术进步对林业产业结构升级的影响均有所不同，表现为东部区域不显著，中部区域显著为负，西部区域显著为正的特征。东部区域的影响系数为０．５６９９６４，但未通过显著性检验。这主要是因为东部区域具有林业人才、技术和资金
优势，但随着改革开放政策的不断深化，东部区域林业要素再配置效应的边际报酬递减，林业要素配置效率降低，这些因素使得林业技术进步对林业产业结构升级的影响比较有限。中部区域的影响系数为－１．９５４９００，说明林业技术进步对林业产业结构升级具有抑制作用。这主要是因为其林业经济发展整体较慢，使得中部区域林业技术进步对林业产业结构升级产生抑制作用。西部区域的影响系数为０．３６５８０８，说明林业技术进步对林业产业结构升级具有显著的空间促进作用。这主要是因为实施“西部大开发”政策之后，西部区域与东部区域的林业经济联系日益紧密，通过东西部联动和对口支援等政策使西部区域林业技术进步水平不断提高，大大增加了要素升级配置的空间，林业劳动力和林业资本等生产要素逐渐从
１
５
１
第５期 姜钰，等：林业技术进步对林业产业结构升级影响的空间效应
生产率低的部门向生产率高的部门流动，进而推动林业产业结构升级。
表５ 各区域林业技术进步对林业产业结构升级影响的模型估计结果
变量
东部区域
系数Ｚ值Ｐ值
中部区域
系数Ｚ值Ｐ值
西部区域
系数Ｚ值Ｐ值
Ｃ－０．０５１３６８－０．０９０４０３０．９２７９７０２．８５２３７０３．２７１２０００．００１０７００．６４２６５５１．０７４４１００．２８２６４０ＴＰ０．５６９９６４１．１０９６４００．２６７１６０－１．９５４９００－２．３６４１１００．０１８０７００．３６５８０８２．１７２４５００．０２９８２０ＦＨＣ０．０２２８８７４．１４７６６００．００００３０－０．００７５１０－３．１８５２０００．００１４５０－０．００４６４７－０．４２５２６３０．６７０６５０ＬＦＩ－０．０１４４１０－６．５４８７６０００．１６６５３４２．８
０８７９００．００４９７０－０．００３５１４－０．５０９６３６０．６１０３１０ＳＬＦ０．００４３２１１．９０６５９００．０５６５７００．０１４２１１９．６７９１００００．０１４３０８４．５６６７４００
ＧＤＰ０．１０６１８６５．６６４３００００．１４９７６１２．８０４７３００．００５０４００．０４５８９５０．６１２７６３０．５４００３０λ－０．７０６５０７－３．４６３７４００．０００５３０－０．７９７９４９－２．５４９７２００．０１０７８０－３．６２３９１０－８．３５３２１００
ｌｏｇＬ６．２１６５５３９．８８４２３２４．９７２０７８
ＡＩＣ－０．４３３１０５－７．７６８４６０２．０５５８４０
ＳＣ２．４７６３３０－６．５８５１２０３．８７１３５０
３ 结论与建议
通过对全局林业产业结构升级水平的空间相关性分析，林业产业结构升级水平空间正相关关系明显，相邻省份彼此相互影响，存在高值集聚、低值集聚的现象。通过进行林业技术进步对林业产业结构升级影响的空间效应分析，全国林业技术进步对林业产业结构升级有显著的正向促进作用；林业技术进
步对林业产业结构升级的影响表现为东部区域不显著，中部区域显著为负，西部区域显著为正的特征。根据分析结果，提出如下建议：（１）强化林业技术人才队伍建设，为林业技术进步提供人力支持。注重对林业技术人员的教育培训；完善对林业技术人员的考核标准，提高林业技术人员的待遇，有效地激发林业技术人员的工作潜力。（２）加大林业技术多元化资金投入，为林业技术进步提供资金支持。加大财政投入，为林业高新技术企业和林业科研机构提供资金扶持；国家应该用合理的林业产业投资政策作指引，支持国企、金融部门和社会向林业技术领域投资。（３）积极推进林业技术成果转化和推广。建立科学的林业技术成果评价标准；完善中介机构的组织以及运行机制，发挥中介机构的关键作用；开展产学研相结合的林业技术创新模式，实现林业技术成果快速转化为生产力；转变林业技术创新以及技术应用的主体，大力推进林业技术成果的商品化和产业化［２０］。
参 考 文 献
［１］ ＶＥＲＮＯＮＲ．Ｉｎｔｅｒｎａｔｉｏｎａｌｉｎｖｅｓｔｍｅｎｔａｎｄｉｎｔｅｒｎａｔｉｏｎａｌｔｒａｄｅｉｎｔｈｅｐｒｏｄｕｃｔｃｙｃｌｅ［Ｊ］．ＱｕａｒｔｅｒｌｙＪｏｕｒｎａｌｏｆＥｃｏｎｏｍｉｃｓ，１９６６，８０（２）：１９０－２０７．
［２］ ＮＧＡＩＬＲ，ＰＩＳＳＡＲＩＤＥＳＣＡ．Ｓｔｒｕｃｔｕｒａｌｃｈａｎｇｅｉｎａｍｕｌｔｉｓｅｃｔｏｒ
ｍｏｄｅｌｏｆｇｒｏｗｔｈ［Ｊ］．ＡｍｅｒｉｃａｎＥｃｏｎｏｍｉｃＲｅｖｉｅｗ，２００７，９７（１）：４２９－４４３．
［３］ ＡＬＶＡＲＥＺ ＣＵＡＤＲＡＤＯＦ，ＬＯＮＧＮＶ，ＰＯＳＣＨＫＥＭ．Ｃａｐｉｔａｌ ｌａｂｏｒｓｕｂｓｔｉｔｕｔｉｏｎ，ｓｔｒｕｃｔｕｒａｌｃｈａｎｇｅａｎｄｇｒｏｗｔｈ［Ｊ］．ＴｈｅｏｒｅｔｉｃａｌＥｃｏｎｏｍｉｃｓ，２０１７，１２（３）：８－９．
［４］ 李健，徐海成．技术进步与我国产业结构调整关系的实证研究［Ｊ］．软科学，２０１１，２５（４）：８－１３，１８．
［５］ 高越，李荣林．国际生产分割、技术进步与产业结构升级［Ｊ］．世界经济研究，２０１１（１２）：７８－８３，８６．
［６］ 段瑞君．技术进步、技术效率与产业结构升级：基于中国２８５个城市的空间计量检验［Ｊ］．研究与发展管理，２０１８，３０（６）：１０６－
１１６．
［７］ 徐伟呈，周田．互联网技术进步与中国产业结构优化升级：理论与实证［Ｊ］．产业经济评论，２０１９，１８（４）：９６－１２３．
［８］ 吕晓萌，张永亮．技术进步对我国产业结构调整的影响研究：基于产业和区域差异性的实证分析［Ｊ］．价格理论与实践，２０１９（７）：１５７－１６０．
［９］ 王定祥，李伶俐，吴代红．金融资本深化、技术进步与产业结构升级［Ｊ］．西南大学学报（社会科学版），２０１７，４３（１）：３８－５３，１９０．
［１０］ 张银银，黄彬．创新驱动产业结构升级的路径研究［Ｊ］．经济问题探索，２０１５（３）：１０７－１１２．
［１１］ 卫平，张玲玉．不同的技术创新路径对产业结构的影响［Ｊ］．城市问题，２０１６（４）：５２－５９．
［１２］ 曹博，赵芝俊．技术进步类型选择和我国农业技术创新路径［Ｊ］．农业技术经济，２０１７（９）：８０－８７．
［１３］ 曾福生，匡远配．论技术进步促进农业结构优化的作用机理［Ｊ］．科技进步与对策，２００５（２）：１２６－１２８．
［１４］ 江艳军，黄英．民间投资、农业科技进步与农业产业结构升级：基于“一带一路”沿线省域的实证研究［Ｊ］．科技管理研究，
２０１９，３９（１７）：１２３－１３０．
［１５］ 熊立春，王凤婷，程宝栋．中国林业产业结构优化及其影响因素分析［Ｊ］．农业现代化研究，２０１８，３９（３）：３７８－３８６．
［１６］ ＫＡＯＣ．Ｍａｌｍｑｕｉｓｔｐｒｏｄｕｃｔｉｖｉｔｙｉｎｄｅｘｂａｓｅｄｏｎｃｏｍｍｏｎ ｗｅｉｇｈｔｓＤＥＡ：ＴｈｅｃａｓｅｏｆＴａｉｗａｎｆｏｒｅｓｔｓａｆｔｅｒｒｅｏｒｇａｎｉｚａｔｉｏｎ［Ｊ］．Ｏｍｅｇａ，
２０１０，３８（６）：４８４－４９１．
［１７］ 韦敬楠，张立中．基于ＤＥＡ方法的广西林业投入产出效率分析［Ｊ］．中南林业科技大学学报（社会科学版），２０１６，１０（３）：
５５－６０．
［１８］ 李朝洪，孙丹，王志伟．大小兴安岭国有林区产业转型绩效的驱动与障碍因素诊断［Ｊ］．东北林业大学学报，２０２０，４８（５）：
１３３－１３８．
［１９］ 杨桂红，张颖，毛宇飞．人力资本对林业生态经济增长的影响：基于我国３１个省区系统聚类分析［Ｊ］．陕西师范大学学报
（哲学社会科学版），２０１５，４４（５）：１６７－１７６．
［２０］ 朱玉杰，高晓雨，杨冕．黑龙江省林业产业结构优化的灰色决策［Ｊ］．东北林业大学学报，２０１１，３９（４）：１１３－１１５．
２
５
日日干大香蕉
１ 东 北 林 业 大 学 学 报 第４９卷
