森林食品产业发展影响因素实证研究.doc

《森林食品产业发展影响因素实证研究.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、森林食品产业发展影响因素实证研究　　摘要：在分析森林食品产业发展影响因素时，首次提出了通过偏最小二乘回归方法，并实证分析了各影响因素的相对重要性及影响程度差异，以期对区域森林食品产业发展现状进行解释，以及对推动区域森林食品产业发展策略及权重进行界定。　　关键词：森林食品产业；影响因素；偏最小二乘回归法　　中图分类号：ＴＳ２１８；Ｆ３２６．２文献标识码：Ａ文章编号：0439－８11419－4100-03　　　　ＤｅｍｏｎｓｔｒａｔｉｏｎＳｔｕｄｙｏｎｔｈｅＩｎｆｌｕｅｎｃｅＦａｃｔｏｒｓｏｆＤｅｖｅｌｏｐｍｅｎｔｏｆＦｏｒｅｓｔＦｏｏｄＩｎｄｕｓ

2、ｔｒｙ　　　　ＺＨＡＮＧＲｕｎ－ｈａｏ　　　　　　Ａｂｓｔｒａｃｔ：Intｈｅａｎａｌｙｓｉｓｏｆｆｏｒｅｓｔｆｏｏｄｉｎｄｕｓｔｒｙｆａｃｔｏｒｓ，theｅｍｐｉｒｉｃａｌａｎａｌｙｓｉｓｏｆｔｈｅｒｅｌａｔｉｖｅｉｍｐｏｒｔａｎｃｅｏｆｅａｃｈｆａｃｔｏｒａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｄｉｆｆｅｒｅｎｃｅｔｏｔｈｅｅｘｐｅｃｔａｔｉｏｎｓｏｆｔｈｅｒｅｇｉｏｎａｌｆｏｒｅｓｔｆｏｏｄｉｎｄｕｓｔｒｙwasｆｉｒｓｔｐｒｏｐｏｓｅｄｂｙｐａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｒｅｇｒｅｓｓｉｏｎｍｅｔｈｏｄ，ｔｏｅｘｐｌａｉｎｔｈｅｃｕｒｒ

3、ｅｎｔｓｉｔｕａｔｉｏｎａｎｄｆｏｏｄｉｎｄｕｓｔｒｙｉｎｐｒｏｍｏｔｉｎｇｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｒｅｇｉｏｎａｌｆｏｒｅｓｔｓｔｒａｔｅｇｉｅｓａｎｄｗｅｉｇｈｔｓｄｅｆｉｎｅｄ.　　Ｋｅｙｗｏｒｄｓ：fｏｒｅｓｔｆｏｏｄｉｎｄｕｓｔｒｙ；fａｃｔｏｒｓ；pａｒｔｉａｌｌｅａｓｔｓｑｕａｒｅｓｒｅｇｒｅｓｓｉｏｎ　　　　森林食品产业是指在森林资源可持续利用和良好生态环境基础上，进行森林食品培育、加工、流通、销售及相关服务的产业，涉及国民经济第一产业、第二产业和第三产业的多个门类。森林食品产业已经成为当今的朝阳产业，因为森林食品产业的

4、发展符合林业经济发展方式转变，它将林业的生态、经济、社会效益统一起来，是平衡长期与近期效益的重要途径，不仅是实现我国粮油安全、生态安全和长期稳定和谐发展的必然需求，而且在国民经济发展中占有越来越重要的地位［１，2］。同时，森林食品产业的发展也符合消费者的需求，到２００９年城乡居民恩格尔系数从１９９０年的５４．２％降低到３７．０％，总体上已经进入小康居民消费阶段。“民以食为天，食以安为先”，马斯洛需求层次理论揭示，人们在生存需要得到满足后，安全的需要将会更加突出，对应着人们食品安全意识不断提高，对食品的生态性、营养性要求也愈发增强，而森林食品恰巧

5、对应了这种需求。　　学者们在以往的研究中强调从以下几个方面推动森林食品产业的发展：一是加强对森林食品资源的基础性调查工作，积极引进驯化品种；二是拓展森林食品精加工、深加工、综合加工；三是强化政策扶持等等［３，４］。但是通过建立模型的方式分析可能影响森林食品产业发展的相关因素及其相对重要性，尚属空白。构建森林食品产业影响因素模型就是期望解决两大问题：一是针对森林食品产业发展现状进行分析；二是确定推动森林食品产业发展策略以及投入资源权重。　　１计量模型设定及检验方法选取　　结合森林食品产业发展特点，拟建立如下的森林食品产业影响因素模型：　　ｙ＝ａ０

6、＋ａ１ｘ１＋ａ２ｘ２＋ａ３ｘ３＋ａ４ｘ４＋ａ５ｘ５＋ａ６ｘ６＋ａ７ｘ７＋ａ８ｘ８＋μ　　根据产业集群理论分别抽取森林食品产业相关指标：林业投资、农业产值、森林食品龙头企业数、省级以上名牌数；根据食品安全理论抽取森林食品基地指标；根据生态效益补偿理论抽取森林覆盖率；根据林权理论抽取林权改革推进程度指标、林业合作组织发展情况。　　森林食品产业在我国的发展时间不长，数据指标体系不充分、不完善，并且单纯采用多元回归分析来建立模型，普遍存在自变量的多重共线性问题，客观上造成了样本空间的狭窄，限制了自变量的数量。在这种情形下，如果对存在自变量多重共线性的模

7、型仍然按照一般的最小二乘法进行拟合，将导致系数估计值极其不稳定，重要的解释变量可能无法通过显著性检验，有时甚至出现回归系数的符号与人们的实际经验判断完全相反的现象。因此，拟采用偏最小二乘回归方法［５］作为主要分析方法。期望通过ＰＬＳ回归方法建立的模型估计系数稳定，符合实际，更便于解释与分析。因为该方法利用信息分解的方法，将自变量系统中的信息重新排列，有效地提取对系统解释性最强的综合变量作为主成分，针对主成分分析中没有考虑主成分与因变量相关关系的局限，提取的成分能在很好地概括自变量信息的同时，最好地解释因变量；并且在最终模型中包含原有全部自变量，

8、避免了逐步回归分析方法可能删除自变量的缺陷，最大限度地利用样本信息；而且允许在样本点数量少于变量个数的条件下进行回归建模，彻底摆脱了样本空间的限制。