森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型研究

□彭東生 （副教授）袁紅萍（副教授）（江西環(huán)境工程職業(yè)學(xué)院 江西贛州 341000）

一、引言

我國(guó)集體林權(quán)制度改革后，以戶(hù)為單位的林農(nóng)經(jīng)營(yíng)著面積大小不一、小班個(gè)數(shù)多寡不同的森林。按照林農(nóng)經(jīng)營(yíng)的大量小班森林的價(jià)值計(jì)算保險(xiǎn)費(fèi)和保險(xiǎn)金額時(shí)，必須對(duì)各小班森林進(jìn)行大量的評(píng)估工作，如果采取個(gè)案評(píng)估技術(shù)，必然耗費(fèi)大量的人力物力且其評(píng)估效率低下。批量評(píng)估能夠低成本、高效率地完成大量森林保險(xiǎn)標(biāo)的資產(chǎn)的評(píng)估任務(wù)，且評(píng)估費(fèi)用低能夠讓林農(nóng)承受。

二、森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估的數(shù)據(jù)來(lái)源與工作流程

林農(nóng)的森林保險(xiǎn)標(biāo)的資產(chǎn)林班面積大小不一、樹(shù)種千差萬(wàn)別、樹(shù)齡各自不同。因此，各小班森林保險(xiǎn)標(biāo)的資產(chǎn)的價(jià)值也千差萬(wàn)別。要完成大量森林保險(xiǎn)標(biāo)的資產(chǎn)的評(píng)估工作，評(píng)估數(shù)據(jù)的收集和數(shù)據(jù)來(lái)源就成為構(gòu)建森林保險(xiǎn)標(biāo)的資產(chǎn)價(jià)值批量評(píng)估模型的關(guān)鍵。從我國(guó)目前的森林資源管理來(lái)看，以森林資源抽樣調(diào)查數(shù)據(jù)、樹(shù)木生長(zhǎng)量預(yù)測(cè)數(shù)據(jù)、森林遙感數(shù)據(jù)、森林采伐指標(biāo)等數(shù)據(jù)對(duì)森林資源二類(lèi)調(diào)查GIS系統(tǒng)（簡(jiǎn)稱(chēng)“森林資源GIS”）數(shù)據(jù)進(jìn)行調(diào)整后得到的數(shù)據(jù)，可以作為森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型的數(shù)據(jù)來(lái)源之一。森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估主要的工作包括：

（一）評(píng)估基準(zhǔn)日森林資源GIS數(shù)據(jù)準(zhǔn)備

1.森林資源抽樣調(diào)查。組織專(zhuān)業(yè)技術(shù)人員對(duì)評(píng)估對(duì)象進(jìn)行抽樣調(diào)查，更新森林資源GIS系統(tǒng)中的數(shù)據(jù)，并進(jìn)行個(gè)案評(píng)估，為批量評(píng)估準(zhǔn)備數(shù)據(jù)。

2.利用遙感技術(shù)收集森林資源額增減變化情況，實(shí)時(shí)更新森林資源GIS系統(tǒng)數(shù)據(jù)。

3.根據(jù)林業(yè)主管部門(mén)審批的采伐指標(biāo)和實(shí)際采伐作業(yè)情況，實(shí)時(shí)更新森林資源GIS系統(tǒng)數(shù)據(jù)。

4.根據(jù)樹(shù)木生長(zhǎng)量預(yù)測(cè)模型，調(diào)整森林資源GIS中林分蓄積數(shù)據(jù)。評(píng)估基準(zhǔn)日樹(shù)木生長(zhǎng)量預(yù)測(cè)以森林資源二類(lèi)調(diào)查數(shù)據(jù)為基礎(chǔ)，按照目前林業(yè)系統(tǒng)經(jīng)常采用的人工林和天然林經(jīng)營(yíng)類(lèi)型的生長(zhǎng)模型進(jìn)行預(yù)測(cè)。

（二）收集整理森林資源交易數(shù)據(jù)、森林資源物價(jià)指數(shù)等與評(píng)估直接相關(guān)的經(jīng)濟(jì)技術(shù)參數(shù)

在獲得評(píng)估基準(zhǔn)日森林資源二類(lèi)調(diào)查數(shù)據(jù)的基礎(chǔ)上，通過(guò)收集到的南方林業(yè)產(chǎn)權(quán)交易所的交易數(shù)據(jù)、物價(jià)指數(shù)、區(qū)域因素評(píng)估修正數(shù)據(jù)、評(píng)估師抽樣評(píng)估森林保險(xiǎn)標(biāo)的資產(chǎn)確認(rèn)的個(gè)案評(píng)估數(shù)據(jù)等和森林資源資產(chǎn)評(píng)估有關(guān)技術(shù)經(jīng)濟(jì)指標(biāo)數(shù)據(jù)。

（三）森林保險(xiǎn)標(biāo)的資產(chǎn)價(jià)值批量評(píng)估流程的建立，見(jiàn)圖1。

三、森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型研究

（一）研究相關(guān)假設(shè)

由于森林保險(xiǎn)標(biāo)的資產(chǎn)類(lèi)別間差異性大，其價(jià)值影響因素也大相徑庭。因此，應(yīng)根據(jù)森林資源GIS系統(tǒng)數(shù)據(jù)庫(kù)中不同優(yōu)勢(shì)樹(shù)種不同齡組的森林保險(xiǎn)標(biāo)的資產(chǎn)，分別構(gòu)建其森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型。為了能夠方便的構(gòu)建森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型，先做如下假設(shè)：

假設(shè)1：以森林資源二類(lèi)調(diào)查數(shù)據(jù)中的細(xì)班作為評(píng)估對(duì)象。

假設(shè)2：按森林資源二類(lèi)調(diào)查數(shù)據(jù)中的優(yōu)勢(shì)樹(shù)種和樹(shù)齡組將森林資源劃分為不同的資產(chǎn)類(lèi)別，以各資產(chǎn)類(lèi)別分別構(gòu)建各自的批量評(píng)估模型，優(yōu)勢(shì)樹(shù)種以外的少數(shù)樹(shù)種作為輔助變量加以考慮。

（二）評(píng)估對(duì)象價(jià)值影響因素分析與輸入值指標(biāo)的選取

森林保險(xiǎn)標(biāo)的資產(chǎn)價(jià)值批量評(píng)估系統(tǒng)的輸入值主要包括：森林資源資產(chǎn)交易市場(chǎng)的市場(chǎng)信息；森林經(jīng)營(yíng)管理相關(guān)的財(cái)務(wù)會(huì)計(jì)數(shù)據(jù)和森林經(jīng)理經(jīng)濟(jì)技術(shù)指標(biāo)數(shù)據(jù)；森林資源管理二類(lèi)調(diào)查數(shù)據(jù)等。評(píng)估對(duì)象價(jià)值影響因素具體指標(biāo)如下：

森林資源二類(lèi)調(diào)查數(shù)據(jù)指標(biāo)主要包括：小班號(hào)、林權(quán)屬性、經(jīng)營(yíng)類(lèi)型、坐落地址、流域名稱(chēng)、地貌類(lèi)型、地類(lèi)、平均海拔、坡位、坡向、坡地、土壤類(lèi)型、土層厚度、腐殖層厚度、植被覆蓋率、林班面積、林種類(lèi)別、林種起源、優(yōu)勢(shì)樹(shù)種、平均樹(shù)齡、平均胸徑、平均樹(shù)高、郁閉度、活立木總蓄積、林分蓄積、散生蓄積、四旁樹(shù)蓄積、四旁樹(shù)株數(shù)、杉樹(shù)占比、松樹(shù)占比、硬闊樹(shù)占比、軟闊樹(shù)占比、枯立木蓄積、毛竹株數(shù)、幼林毛竹樹(shù)、壯齡毛竹數(shù)、雜竹株數(shù)、畝平均株數(shù)、畝平均蓄積、散生木株數(shù)、群落結(jié)構(gòu)、林層結(jié)構(gòu)、樹(shù)種結(jié)構(gòu)、病蟲(chóng)害、火災(zāi)等級(jí)等指標(biāo)。這些指標(biāo)直接或間接影響森林蓄積量和森林覆蓋率、森林資源健康度等，從而影響森林資源資產(chǎn)價(jià)值。

森林資源資產(chǎn)交易市場(chǎng)的市場(chǎng)信息主要包括：市場(chǎng)交易價(jià)格、交易日期、市場(chǎng)交易條件與交易類(lèi)型等。

森林經(jīng)營(yíng)管理相關(guān)的財(cái)務(wù)會(huì)計(jì)數(shù)據(jù)主要包括：營(yíng)林生產(chǎn)成本、木材稅費(fèi)、木材經(jīng)營(yíng)成本、利率、利潤(rùn)、出材率等數(shù)據(jù)。

（三）森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型的構(gòu)建

依據(jù)森林資源二類(lèi)調(diào)查GIS系統(tǒng)數(shù)據(jù)，森林保險(xiǎn)標(biāo)的資產(chǎn)按優(yōu)勢(shì)樹(shù)種劃分為：杉木、馬尾松、濕地松、軟闊葉樹(shù)、硬闊葉樹(shù)、竹林、經(jīng)濟(jì)林等；森林保險(xiǎn)標(biāo)的資產(chǎn)按樹(shù)木齡組劃分為：幼齡林、中齡林、近熟林、成熟林、過(guò)熟林等。由于不同類(lèi)別森林保險(xiǎn)標(biāo)的資產(chǎn)價(jià)值差異很大，因此，根據(jù)森林保險(xiǎn)標(biāo)的資產(chǎn)優(yōu)勢(shì)樹(shù)種和樹(shù)齡組組合，分別可以構(gòu)建至少35個(gè)以上的森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型。本文以江西省會(huì)昌縣森林資源二類(lèi)調(diào)查GIS數(shù)據(jù)庫(kù)中的優(yōu)勢(shì)樹(shù)種——近熟齡杉木林為例，研究森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型的構(gòu)建。

1.近熟杉木林森林保險(xiǎn)批量評(píng)估模型的設(shè)定。對(duì)于近熟齡杉木林，其評(píng)估價(jià)值影響因素主要有：森林面積、郁閉度、平均樹(shù)高、平均胸徑、杉木占比、林分蓄積、畝平均株數(shù)、畝平均蓄積、散生木蓄積、林齡等。我們選取森林面積、郁閉度、平均樹(shù)高、平均胸徑、杉木占比、林分蓄積、畝平均株數(shù)、畝平均蓄積、散生木蓄積、林齡等指標(biāo)構(gòu)建批量評(píng)估多元回歸模型，模型設(shè)定如下：

2.近熟齡杉木林森林保險(xiǎn)批量評(píng)估模型的數(shù)據(jù)收集與處理。（1）數(shù)據(jù)來(lái)源。近熟齡杉木林批量評(píng)估實(shí)證分析所采用的基礎(chǔ)數(shù)據(jù)為2012年12月江西省會(huì)昌縣森林資源二類(lèi)調(diào)查GIS數(shù)據(jù)，選用優(yōu)勢(shì)樹(shù)種為杉木、齡組為近熟林的507個(gè)樣本數(shù)據(jù)并做適當(dāng)修正，作為批量評(píng)估模型的構(gòu)建數(shù)據(jù)，并對(duì)預(yù)測(cè)結(jié)果進(jìn)行比率標(biāo)準(zhǔn)研究。（2）數(shù)據(jù)處理。①近熟齡杉木林森林保險(xiǎn)批量評(píng)估建模前的正態(tài)性檢驗(yàn)。對(duì)擬用的507個(gè)樣本數(shù)據(jù)進(jìn)行建模前的K-S正態(tài)性檢驗(yàn)，檢驗(yàn)結(jié)果表明評(píng)估值、杉類(lèi)占百（杉類(lèi)占比）、郁閉度、畝平均蓄積、畝平均株數(shù)、平均年齡（樹(shù)齡）、林班面積（面積畝）等指標(biāo)正態(tài)性一般，平均胸徑、活立木總蓄積、平均樹(shù)高3個(gè)變量經(jīng)過(guò)自然對(duì)數(shù)變換后正態(tài)性得到進(jìn)一步改善。②近熟齡杉木林森林保險(xiǎn)批量評(píng)估建模前的線性檢驗(yàn)。在正態(tài)性檢驗(yàn)之后，還應(yīng)確保因變量（評(píng)估值）與自變量之間是否存在線性關(guān)系。從經(jīng)散點(diǎn)圖分析，評(píng)估值與畝平均蓄（畝平均蓄積）、林分面積（面積畝）、郁閉度存在線性關(guān)系。

3.近熟齡杉木林森林保險(xiǎn)批量評(píng)估模型的估計(jì)與檢驗(yàn)。（1）逐步回歸法估計(jì)。近熟齡杉木林森林保險(xiǎn)批量評(píng)估模型采用逐步回歸法。逐步回歸法的基本思路是在所考慮的全部因素中，按其對(duì)因變量作用的強(qiáng)弱，由大到小地逐個(gè)引入回歸方程。那些對(duì)因變量作用弱的自變量可能自始至終都未被引入回歸方程。另一方面，已經(jīng)被引入回歸方程的自變量在引入新的自變量后也有可能因?yàn)樽兂蓪?duì)因變量的作用不顯著而被剔除。在逐步回歸過(guò)程中，要選用兩個(gè)F臨界值：一個(gè)是選入變量時(shí)的F臨界值，另一個(gè)是剔除變量時(shí)的臨界值。在逐步回歸分析過(guò)程中，通過(guò)比較各自變量的偏回歸平方和對(duì)自變量進(jìn)行篩選，使得在回歸方程中包含所有對(duì)因變量影響顯著的自變量，而消除對(duì)因變量影響不顯著的自變量，從而得到“最優(yōu)”的回歸方程。采用表1數(shù)據(jù)，通過(guò)逐步回歸法估計(jì)得到的近熟杉木林森林保險(xiǎn)批量評(píng)估基本模型為：

V=-334 201.290+1 173.338×細(xì)班面積+95 045.246×畝平均蓄積+8 708.102×ln（活立木蓄積） （2）

表1 系數(shù)a表

（2）用材林森林保險(xiǎn)批量評(píng)估基本模型的檢驗(yàn)。①經(jīng)濟(jì)意義檢驗(yàn)。自變量細(xì)班面積、畝平均蓄積、活立木總蓄積所估計(jì)的參數(shù)分別為1 173.338、95 045.246、8 708.102， 均與經(jīng)濟(jì)學(xué)原理及經(jīng)驗(yàn)相符，符合林木價(jià)值與林木蓄積、林分面積直接相關(guān)的要求。②統(tǒng)計(jì)意義檢驗(yàn)。經(jīng)測(cè)算近熟齡杉木林批量評(píng)估模型的R2=0.956，調(diào)整后的R2=0.955，說(shuō)明模型對(duì)樣本的擬合很好。 Durbin-Watson（U）=1.726，處于 0至4之間，說(shuō)明進(jìn)入回歸模型的自變量具有獨(dú)立性。模型方差分析表（ANOVA）中數(shù)據(jù) F值等于 3609.782，顯著性（Sig.）=0.000 小于 0.05，說(shuō)明該模型具有統(tǒng)計(jì)學(xué)意義。由表1中的容差和VIF數(shù)據(jù)可以看出，容差最小值為 0.229＞0.1，VIF 最大值 4.375＜5，說(shuō)明變量間的共線性不嚴(yán)重，在可以接受范圍之內(nèi)。通過(guò)統(tǒng)計(jì)檢驗(yàn)分析，可以判斷模型（2）符合多元回歸的建模要求。③計(jì)量經(jīng)濟(jì)學(xué)檢驗(yàn)。根據(jù)圖2，SPSS給出的殘差統(tǒng)計(jì)數(shù)據(jù)以及評(píng)估值殘差的Kolmogorov-Smirnov檢驗(yàn)，可以確定殘差符合正態(tài)性分布。

4.近熟齡杉木林森林保險(xiǎn)批量評(píng)估實(shí)證結(jié)果分析。模型建立以后，利用SPSS 22.0的比率分析過(guò)程，得到如下結(jié)論：比率平均值和中位數(shù)在0.90—1.10之間，說(shuō)明此次評(píng)估水平較好；離散系數(shù) （COD） 為 6.244在 5—15之間，說(shuō)明此次評(píng)估的離散系數(shù)符合要求，一致性較好；價(jià)格相關(guān)差為1.02在0.98～1.03之間，說(shuō)明此次評(píng)估的回歸傾向性較好。

四、結(jié)論

應(yīng)用多元回歸分析方法，建立森林保險(xiǎn)標(biāo)的資產(chǎn)批量評(píng)估模型來(lái)估算各優(yōu)勢(shì)樹(shù)種各齡組每細(xì)班的森林保險(xiǎn)評(píng)估價(jià)值，經(jīng)檢驗(yàn)認(rèn)為模型是準(zhǔn)確有效的。