（森林经理学专业论文）森林资源资产批量评估模型研究.pdf

摘要 林权制度改革后，分山到户，使森林资源资产评估出现批次多、规模小的 现象，其评估将耗费大量人力、而效率不高。为此引进批量评估方法，不仅有 利于降低成本、高效率地完成大批量资产评估任务，亦可为森林资源资产评估 提供新思路。 本研究立足于林权制度改革所带来的森林资源资产评估业务特点，首次将 批量评估原理与方法引入森林资源资产评估，分析了影响森林资源资产单位评 估值的特征因素，结合不同树种、不同龄组森林资源数据，应用常规评估方法 进行评估后，针对不同龄组，首次采用多元回归分析法、基于贝叶斯正则化的 b p 神经网络方法分别对幼龄林、中龄林、成熟林的林木资产建立了批量评估模 型，并用测试样本检验了模型的精确度。 研究结果表明，多元回归批量评估模型的预测精度较高，可以满足森林资 源资产评估的要求，但是多元回归分析方法是建立在特定的理论模型基础之上， 使用时有一定的局限性，而贝叶斯正则化b p 神经网络无任何假设要求且有效的 避免了神经网络学习过程中的过拟合问题，可以提高其泛化能力，所建立的森 林资源资产评估模型能有效地提高评估的准确性，从而为批量评估在森林资源 资产评估中应用提供了新思路，促进我国森林资源资产评估体系的完善，更好 地服务于“三农。 关键词：森林资源资产评估；批量评估；多元回归分析；贝叶斯正则化b p 神经 网络；泛化能力； a b s t r a c t a f t e rt h er e f o r mo ff o r e s to w n e r s h i p ，t h ea s s e t se v a l u a t i o no ff o r e s tr e s o u r c e sh a s m o r eb a t c h e sa n di t ss c a l ei ss m a l l e rw i t ha s s i g n i n gm o u n t a i n st of a m i l i e s t h e a s s e t se v a l u a t i o no ff o r e s tr e s o u r c e sw i l lc o n s u m el a r g ea m o u n to fp e r s o n n e l r e s o u r c e sa n di t se f f i c i e n c yi sl o w w h i l em a s sa p p r a i s a l ，am e t h o dt h i sp a p e r i n t r o d u c e s ，c a ne f f i c i e n t l yt oc o m p l e t et h ee v a l u a t i o nt a s ka n ds a v ec o s t i tg i v e sa n e wi d e at oa s s e t se v a l u a t i o no ff o r e s tr e s o u r c e s t h i ss t u d yi sb a s e do nt h ef e a t u r e so ft h ea s s e t se v a l u a t i o no ff o r e s tr e s o u r c e s ， w h i c ha r eb r o u g h tb yt h er e f o r mo ff o r e s to w n e r s h i p f o rt h ef i r s tt i m et oi n t r o d u c e m a s sa p p r a i s a lp r i n c i p l ea n dm e t h o dt ot h ea s s e t se v a l u a t i o no ff o r e s tr e s o u r c e s w e a n a l y z et h em a i nf a c t o r so fa s s e t se v a l u a t i o no ff o r e s tr e s o u r c e s i na c c o r d a n c ew i t h d i f f e r e n tt r e e sa n da g eg r o u p sw eu s et h ec o n v e n t i o n a lm e t h o dt oe v a l u a t et h ea s s e t s a n dt h e ni nv i e wo fa g eg r o u p s ，t h ea s s e t se v a l u a t i o no f j u v e n i l ef o r e s t ，s e m i - m a t u r e f o r e s t ，m a t u r ef o r e s ti sc a r r i e do u tb ys e t t i n gu pm u l t i p l er e g r e s s i o na n a l y s i sm o d e l ， b a y e s i a n r e g u l a r i z a t i o nb pm o d e l ，f i n a l l yw eu s es a m p l et ot e x tt h em o d e la c c u r a c y o u rr e s u l t sd e m o n s t r a t et h a tb yu s i n gm u l t i p l er e g r e s s i o na n a l y s i sm o d e lt o p r e d i c tc a ng e th i g ha c c u r a c y , w h i c hc a nm e e tt h er e q u i r e m e n t so ff o r e s tr e s o u r c e s a s s e t se v a l u a t i o n b u ti ti sb a s e do ns p e c i f i ct h e o r e t i c a lm o d e l ，i th a ss o m e l i m i t a t i o n s w h i l eb a y e s i a nr e g u l a r i z a t i o nb pn e u r a ln e t w o r kh a sn od e m a n d sa n d c a na v o i de f f e c t i v e l yo v e r - f i t t i n gi nn e u r a ln e t w o r kt r a i n i n g ，a n di th a se x c e l l e n t g e n e r a l i z a t i o nc a p a b i l i t i e s t h eb a y e s i a nr e g u l a r i z a t i o nb pn e u r a ln e t w o r km o d e l c a ni m p r o v et h ea c c u r a c yo ft h ee v a l u a t i o nr e s u l t s a n ds oi tg i v e sn e wi d e a sf o r t h e a p p l i c a t i o no fm a s sa p p r a i s a li nt h ea s s e t se v a l u a t i o no ff o r e s tr e s o u r c e s i tp r o m o t e s t h ef o r e s tr e s o u r c e sa s s e t sa p p r a i s a ls y s t e mt ob em o r ep e r f e c t ，w h i c hc a np r o v i d e b e t t e rs e r v i c et o “a g r i c u l t u r e ，r u r a l a r e a sa n dp e a s a n t r y ” k e yw o r d s ：f o r e s tr e s o u r c e sa s s e t se v a l u a t i o n ；m a s sa p p r a i s a l ；m u l t i p l er e g r e s s i v e a n a l y s i s ；b a y e s i a nr e g u l a r i z a t i o nb a c k - p r o p a g a t i o nn e u r a ln e t w o r k ；g e n e r a l i z a t i o n a b i l i t y ； 独创性声明 本人声明，所呈交的学位( 毕业) 论文，是本人在指导教师的指导下独立 完成的研究成栗，并盈是自己撰写的。尽我所知，除了文中作了标注和致谢中 己作了答谢的地方外，论文中不包含其他入发表或撰写过的研究成果。与我一 同对本研究做出贡献的同志，都在论文中作了睨确的说明并表示了谢意，如被 查有侵犯他人知识产权的行为，由本人承担应有的责任。 学位( 毕业) 论文作者亲笔签名觯燕 胁m 乒。多j ” 论文使用授权的说明 本人完全了解福建农林大学有关保鼹、使用学位( 毕业) 论文的规定，即学 校有权送交论文的复印件，允许论文被查阅和借阅；学校可以公梅论文的全部 或部分内容，可以采用影印、缩印或其他复制手段保存论文。 保密，在年后解密可适用本授权书。 不保密，本论文属于不保密。 学位( 毕业) 论文作者亲笔签名：敉乳苁隅 凇。时 指导教师亲笔签名： 印队矽 j 日期：m 乎一夕 福建农林火学2 0 0 8 届硕士学位论文 1 绪论 1 1 研究背景 近年来，一场集体林权制度改革引发的绿色变革，在福建、江西、浙江等省 轰轰烈烈展开。以林地使用权和所有权分离为核心的集体林权制度改革，解决了 林业权属不清，管护责任不明的状况，确立了林农的经营主体地位，真正实现了 “明晰所有权，放活经营权，落实处置权，确保收益权”，给予林农真正意义上 的物权。“山定权，树定根，人定心”，解除了林农的后顾之忧。这次改革使山林 回到了林农家，山林资源变成了真正的资本，广大林农“把山当田耕，把树当菜 种”，护山营林的积极性空前高涨。 集体林权制度改革后，林农以户为单位的经营面积一般不会太大、小班个数 亦较少，当要对大量林农散户及小班进行评估时，如采用一般的森林资源资产评 估方法，评估工作量将非常之大，计算繁琐，从而耗费大量人力、物力、财力且 效率低。在市场经济条件下，应提倡“高效率、低成本”，希望可以找到一种新 途径，能加快森林资源资产的评估速度，降低森林资源资产评估成本。 批量评估方法( m a s sa p p r a i s a l ) 是2 0 世纪7 0 年代兴起的评估方法，它是在 评估三大基本方法( 成本法、市场法和收益法) 与财产特征数据的基础上，结合 数理统计技术和其它相关技术而形成的一种新的评估技术n 1 。目前这种评估方法 已在欧美一些国家的财产税税基评估和房地产抵押贷款、融资评估中广泛应用。 批量评估是对大量处于一定区域的财产样本建模，并利用模型对任何符合模型要 求的目标财产进行估价，由于计算机软件技术在批量评估中的广泛应用，对目标 财产的评估只不过是几秒钟的等待。与传统的评估方法比较，批量评估方法最大 的优点是：批量评估具有快速评估与成本较低的优势，这也是批量评估的初衷。 批量评估能够实现低成本、高效率地完成大规模目标资产的价值评估任务，为森 林资源资产评估提供了新思路和新方法。但目前，国内对于批量评估的研究较少， 主要是原理方法的介绍，有关此方法在森林资源资产评估上的应用尚未见报道， 因此将批量评估方法应用到森林资源资产评估，研究森林资源资产批量评估模型 具有很大的理论价值和实际操作意义的。 1 2 国内外研究现状 最早的批量评估思想可以追溯到1 9 1 9 年，当时在西方就有人将统计学的多 元回归分析( m u l t i p l er e g r e s s i o na n a l y s i s ，这也是现今批量评估中主流的校准技 术之一) 作为一种可行估算技术，应用于农业用地的价值估计实践。其后，尤其 是2 0 世纪8 0 年代末9 0 年代初，西方学者围绕着评估三种基本方法在统计、数 森林资源资产批量评估模型研究 学环境中的具体实践做了大量的研究，探讨了多元回归分析技术、适应估计技 术( 又称回馈技术) ( a d a p t i v ee s t i m a t i o np r o c e d u r eo rf e e d b a c k ) 、人工神经网 络( a r t i f i c i a ln e u r a ln e t w o r k ) 等技术在批量评估中的应用。r o b e r tc a r b o n e ， r i c h a r dl l o n g i m ( 1 9 7 7 ) 利用回馈技术建立了不动产批量评估模型，并用数据 检验了评估模型的可行性。m a r k ，j ，g o l d b e r g ，m a ( 1 9 8 8 ) 回顾了多元回归分析 技术在批量评估中应用的相关问题。j o l l l ldb e n j a m i n ，r a n d a l lsg u u e r y ，cf s i r m a n s ( 2 0 0 4 ) 分析了多元回归技术在不动产批量评估的应用。t a y ，d p h ，h o ， d k k ( 1 9 9 1 1 9 9 2 ) 运用人工智能技术对大量的公寓进行批量评估。b o r s t ， r a ( 1 9 9 2 ) 指出神经网络技术将成为评估体系中建模的主要技术。b o r s t ， r a ( 1 9 9 5 ) 研究了人工神经网络技术在批量评估中的应用。b o r s t ，r aa n d m c c l u s k e y ( 1 9 9 6 ) 分析了神经网络技术在不动产批量评估中的应用。t o mk a u k o ( 2 0 0 7 ) 研究了批量评估方法体系，提出将神经网络技术、模糊逻辑技术等应用 到财产评估，并与多元回归技术比较，结果表明前者比后者具有更高的拟合精 度。 国内有关批量评估的研究尚处于起步阶段并且主要集中在金融方面。如，耿 星( 2 0 0 4 ) 介绍了不动产批量评估的主要步骤：不动产基本描述、市场信息搜集 和估价。金维生( 2 0 0 4 ) 介绍了批量评估在加拿大房地产税征管中的作用。杨艳 君提出了基于批量评估的不动产计税方法：物业税年应纳税额= 土地价格+ 房价 净值x ( 1 2 0 ) 税率。陈滨( 2 0 0 5 ) 介绍了金融不良资产批量评估的主要方法： 统计抽样法、经验抽样法、分类逐户法和回归模型法。刘扬( 2 0 0 5 ) 提出了计算 机辅助批量评估( c a m a ，c o m p u t e r a i d e dm a s sa s s e s s m e n t ) 。郭文华( 2 0 0 5 ) 分析了计算机化批量评估系统( 立陶宛) 核心一不动产批量评估模型的原理和流 程。纪益成，傅传锐( 2 0 0 5 ) 回顾了批量评估产生与发展的历程，阐述了其方法 原理和主要的操作过程，并采用市场法为理论基础的模型设立和多元回归作为模 型的校准技术对实例进行批量评估，研究结果表明，该批量评估模型表现良好。 综上所述，批量评估技术的应用领域不断拓展。从最早的农地评估拓展到目 前的以征纳从价税为目的的财产评估领域、房地产估价领域，以及抵押贷款、融 资的资产实务中都在应用批量评估技术呻1 。利用批量评估对大规模的目标资产进 行评估，具有降低成本和快速高效的优势，但是批量评估在森林资源资产评估中 的应用尚未见报道，因此，将批量评估模型引入森林资源资产评估，并将其应用 到森林资源资产评估实践，它能与传统的评估方法构成互为验证的有效方法，将 进一步完善森林资源资产评估方法与理论体系，促进南方集体林区的森林资源资 产化管理进程。 稿建农林人学2 0 0 8 届硕：b 学位论文 1 3 研究主要内容与技术路线 羔3 。王研究主要内容 本研究选择市场法作为模型设定的理论依据，研究批量评估模型校准技术与 估算模型。 研究的主要内容包括： 1 分析森林资源数据( 主要是小班数据) ，找出对森林资源资产评估值影响 的特征因素。 2 以市场法为理论基础，结合多元回归技术构建批量估算模型，利用 s p s s l 4 。o 软件进行参数估计与假设检验，对模型预测效果进行分析。 3 以市场法为理论基础，结合神经网络技术构建批量估算模型，以b l a t l a b 7 o 作为数值计算平台，运用人工神经网络工具箱，建立森林资源资产批量评估 模型，并对模型预测效果进行分析。 4 比较多元回归模型与贝叶斯正则化b p 神经网络模型的对测试样本的预测 效果。 1 3 2 技术路线 在认真研究国内外有关资料和估算模型理论及应用的基础上，进行了森林资 源资产批量评估模型研究，本研究技术路线如图卜1 所示。 森林资源资产批量评估模型研究 图卜1 技术路线 f i g u r e1 - 1t e c h n i c a lr o u t e 4 福建农林大学2 0 0 8 届硕- j ：学位论文 2 森林资源资产批量评估概述 2 1 森林资源资产评估的基本问题 森林资源是一种可再生的自然资源，包括森林、林木、林地以及依托森林、 林木、林地生存的野生动物、植物和微生物。森林资源资产是以森林资源为物 质财富内涵的资产，是在现有认识和科学技术水平条件下，进行经营利用，能 够为产权主体带来一定经济利益的自然资源。森林资源资产可以按不同标准进 行分类。如按其形态可划分为林木资产、林地资产、森林景观资产和森林环境 资产等。按经营管理的形式划分为公益性森林资源资产和经营性森林资源资产。 2 1 1 森林资源资产评估的概念 森林资源资产评估可以定义为评估者根据特定的目的、遵循社会客观经济 规律和公允的原则，按照国家法定的标准和程序，根据被评估森林资源资产的 实际情况、所掌握的市场动态资料，在对现在和未来进行多因素分析的基础上， 运用科学可行的方法，对森林资源资产所具有的价值进行估算的行为口4 j 。 森林资源资产评估是资产评估的重要组成部分之一，它是以森林资源中具 有资产属性的部分为对象，进行现实市场价值量估算。由于森林资源资产评估 属于资产评估这个大的行业中，因此森林资源资产评估应遵循资产评估的一般 原理和基本准则。但森林资源资产具有构成的多样性、价值计量的复杂性、实 物量和价值量的连续变动性等特点，所以森林资源资产评估比起一般资产评估 更加复杂，要考虑更多的调整因素。 2 1 2 森林资源资产评估必须遵循的原则 ( 1 ) 基本原则。森林资源资产评估必须遵循独立性原则、客观性原则、科 学性原则等资产评估基本原则。 独立性原则就是要求在资产评估过程中摆脱资产业务当事人利益的影响。 客观性原则是指评估结果应以充分的事实为依据。科学性原则是指在资产评估 过程中，必须根据评估的特定目的，选择适用的价值类型和方法，制定科学的 评估实施方案，使资产评估结果科学合理。 ( 2 ) 前提性原则。 森林资源资产评估要遵循产权利益主体变动原则和森林持续经营原则，即 以被评估森林资源资产的产权利益主体变动为前提或者假设前提，确定被评估 资产基准日时点上的现行公允价值。产权利益主体变动包括利益主体的全部改 变和部分改变及假设改变。遵循森林持续经营原则，是以森林良性循环为前提， 全面统筹森林资源的利用、培育和保护。 ( 3 ) 操作性原则。森林资源资产评估要遵循资产持续经营原则、替代性原 森林资源资产批量评估模型研究 则和公开市场原则等操作性原则。 持续经营原则是指评估时需根据被评估森林资源资产按目前林业用途、规 模继续使用或有所改变的基础上继续使用，相应确定评估方法、参数和依据。 替代性原则是指评估作价时，如果同一森林资源资产或者同种森林资源资 产在评估基准日可能实现的或实际存在的价格或价格标准有多种，则应选用最 低的一种。 公开市场原则( 也称公允市价原则) 是指森林资源资产评估选取得作价依 据和评估结论都可在公开市场存在或成立。森林资源资产交易条件公开并且不 具有排他性口们。 2 1 3 森林资源资产评估的基本方法 ( 1 ) 收益现值法 收益法是指通过估算被评估森林资源资产未来预期收益并折算成现值，借 以确定被评估的森林资源资产价值的一种资产评估方法。运用收益法对森林资 源资产评估时，以森林资源资产可连续获利为基础。如果没有预期收益或预期 收益很少而且不稳定，则不能采用收益现值法。 ( 2 ) 重置成本法 成本法是指在森林资源资产评估时按被评估资产的现时重置成本扣减其各 项损耗价值确定被评估森林资源资产价值的方法。森林资源资产的重置成本法 是按在现行市场条件下重新营造与被评估森林资源资产相类似的资产所需的成 本费用。 ( 3 ) 市场法 市场法也称现行市价法、市场价格比较法。是指通过比较被评估森林资源 资产与最近售出类似资产的异同，并通过林分质量、物价系数对类似森林资源 资产价格进行调整，从而确定被评估森林资源资产价格的评估方法。运用市场 法进行森林资源资产评估，需要有一个充分发育的活跃的森林资源资产市场。 市场经济条件下，市场交易越频繁，与被评估森林资源资产相类似资产的价格 越容易获得，同时，也要求参照物及其与被评估森林资源资产可比较的指标、 技术参数等资料可以搜集得到m 1 。 2 2 批量评估方法概述 2 2 1 批量评估方法的基本原理 批量评估方法将三种传统评估方法纳入其评估模型设定的基础理论框架， 但它不是这三种方法的简单组合，而是考虑到了三种基本方法在不同评估环境 下，针对不同类型资产时的适用性问题n 1 。在构建批量评估模型时，先根据目 6 祸建农林人学2 0 0 8 届硕t ：学位论文 标评估资产与特定的评估环境选择适用的基本方法理论作为评估模型设定的理 论依据，再根据所选择的模型和所能获得的数据，应用现代统计、数学技术与 计算机技术等实现传统评估方法，可获得模型中的系数。 2 2 2 批量评估方法的基本程序 任何目的和类型的批量评估都应该包括以下步骤( 2 0 0 5u n i f o r m s l 蝌d a r d so fp r o f e s s i o n a la p p r a i s a lp r a c t i c e ) ： ( 1 ) 识别待评估资产； ( 2 ) 确定资产一致性性状的市场区域； ( 3 ) 识别那些影响市场区域中的价值形成的特征因素； ( 4 ) 建立能反映此市场区域中影响价值特征因素相互间的评估模型( 模型设定 层次) ； ( 5 ) 校准模型从而确定影响价值的各个特征因素的作用( 模型校准层次) ； ( 6 ) 将模型中所得到的结论应用于待评估资产； ( 7 ) 检验批量评估结果。 其中，第二步是指收集那些与待评估资产处于临近地理位置、相近评估日 期，具有相同或相似资产特征( 如林种、起源、龄组等) 的资产，这些资产构 成待评估资产的一个市场区域。 从技术路线图卜1 可知，上述的模型设定和校准阶段其实是一个反复迭代 的过程。在进行第6 步前，可以先用测试样本检验模型，若当输出结果与预期 结果不相符合就必须调整模型的设定，再次校准模型，并且重复上述过程直至 模型预测达到一定精度。 2 2 3 批量评估方法的关键技术- - a v m ( 自动评估模型) 技术 a v m ( a u t o m a t e dv a l u a t i o nm o d e l ) 是指在自动化系统中开发出来的数学 评估模型一估算模型，它是利用既有的市场数据，以资产特征信息作为解释变 量、评估值作为被解释变量( 因变量) 而建立的，在对目标资产进行评估时， 只要将其数据代入预先设定的模型，即可形成大量资产的个体价值。 采用a v m 技术进行价值评估的核心是a v m 的设定。a v m 的设定分为理论层 面的设定和校准技术层面的设定。 1 a v m 理论层面的设定 a v m 理论层面的设定依据主要有评估三大基本方法的原理、资产特征。在 1 9 8 3 年，国际税收评估官协会( i a a o ，i n t e m a t i o n a la s s o c i a t i o no fa s s e s s i n g o f f i c e r s ) 就已经颁布了有关三种基本方法在批量评估方法体系中的评估应用准 则。目前在批量评估中应用最为广泛的是市场法( d i r e c tm a r k e tm e t h o d ) ，本研 究采用此方法进行模型理论层面的设定。 7 森林资源资产批量评估模型研究 2 a v m 校准技术层面的设定 a v m 校准技术层面的设定就是对批量评估模型系数的评估过程。估算模型 的结构反映了被解释变量与其相关自变量之间的因果关系，各种自变量对评估价 值的贡献或消极影响通过相关校准系数表现。在目前的a v m 技术应用中，市场 法模型采用了多种校准技术。如多元回归分析、适应估计技术以及人工神经网络 等。随着统计学技术与计算机技术中校准软件技术的发展，估算模型的精度得到 了提高。下面简单介绍各种校准技术。 多元回归分析是在批量评估中最早采用的校准技术，前文已提到，早在1 9 1 9 年，西方就有人将统计中的多元回归分析作为一种可行的校准技术，应用于农业 用地的价值估计实践，同时，多元回归分析也是目前在国外批量评估中占主流地 位的校准技术，其是利用已知的和可获得的信息，推测和估算未知数据的一种统 计方法口1 。在批量评估中，未知数据是目标资产的价值，已知的和可获得的数据 是与该资产处于一定区域的资产的特征、评估值和该资产的特征。多元回归分析 包括了线性回归分析和非线性回归分析，由于大多数的多元非线性回归问题都可 以转化成多元线性回归问题，所以本研究采用多元线性回归分析方法建立模型。 适应估计技术( 又称为回馈技术) 自2 0 世纪8 0 年代开始被应用于不动产评估 a v m 中。其方式是不断利用新的销售信息来调整不动产的价值。适应估计技术 是将初始模型得出的价值与销售价格进行不断对比，直到得出a v m 中最小误差 的系数为止。适应估计技术依赖评估师对模型中能衡量当地市场环境的特征变量 的设定能力1 j 。 2 0 世乡e 9 0 年代以来，人工神经网络技术开始被应用于a v m 。人工神经网络 技术是以生物大脑的结构和功能为基础、以网络节点模仿大脑的神经细胞、以网 络连接模仿大脑的激励电平、以简单的数学方法完成复杂的智能分析，能有效地 处理问题的非线性、模糊性和不确定性关系n6 | 。由于神经网络具有的自适应性、 容错性、超强学习能力等优点，在批量评估中，利用资产价值的因素组成的神经 网络估算模型来估算目标资产的价值，将会获得更高的精确度。 由于适应估计技术缺乏标准的计算方法，可应用的软件较少，而多元回归分 析应用历史悠久，回归模型的诊断工具也很丰富；同时，多元回归分析能为各个 变量确定有明确经济涵义的系数，在大多数a v m 中，多元回归分析就可以满足 要求。另外，虽然人工神经网络技术不能得出资产特征变量的系数，但其评估精 确度高，因此，本研究探讨多元回归分析和神经网络技术对森林资源资产批量评 估模型的校准。 福建农林大学2 0 0 8 屈硕士学位论文 3 基于多元回归分析的森林资源资产批量评估模型 回归分析是研究一个或多个变量豹变动对另一个变量的变动影响程度的方 法。回归分析主要解决这样几个方面的问题：从一组样本数据出发，确定出变 量之间的数学关系式；对这些关系式的可信度进行各种统计检验，并从影响某 一特定变量的诸多变量中找出哪些变量的影响显著，哪些是不显著的；利用所 求的关系式，根据一个或几个变量的值来预测或控制另一个特定变量的取值， 并给崮这种预测或控制的精确度。 森林资源资产评估值由很多特征因素决定，对森林资源资产批量评估模型 研究，事实上就是辩成批的森林资源数据进行研究，找出评估值与诸多特征因 素之间隐含的内在规律性( 关系式) ，并利用此规律来预测评估值，并给出这种 预测的精确度。森林资源资产评估估算与多元回归分析非常类似，因此，可以 采用多元回归来分析来实现森林资源资产批量评估模型研究。幽于大多数的多 元非线性网归问题都可以转化成多元线性回归问题，所以本研究采用多元线性 豳归分析方法建立模型，进行绩算。 3 。1 多元线性回归分析理论 3 1 1 多元线性回归数学模型与假设 多元线性酲归的数学模型为： y = p 。+ 卢l x l 十+ 卢一x p + s ( 3 1 ) 式( 3 - 1 ) 是一个p 元线性回归模型，其中有p 个囱变量。它表明因变量y 的变化可幽两个部分解释。第一，由p 个自变量x 的变化引起的y 的变化部分， 即罗= 芦。+ 声。x ，+ + 声。x ，；第二，由其他随机因素孳| 起的y 的变化部分， 即s 。黟。，届，p 都是模型中的未知参数，分别称为回归常数和偏回 |tl各 归系数，8 称为随机误差，它服从均值为0 ，方差为a 2 的正态分布。 多元线性回赔模型的截设理论： 零均值假设。随机误差sr 的数学期望为零，e ( s ，) = o 。 等方差性假设。所有的随机误差s ，都有相同的方差，v a r ( ，) = 万2 。 痔列独立性假设。任何一对随机误差之闻相互独立，c o y ( s ，s ，) 2 万2 ( 主2 j ) ， c o y ( s i ，s ，) = o ( i j ) 。 9 森林资源资产批量评估模型研究 i l - 态性假设。所有的随机误差s ，服从均值为0 ，方差为万2 的正态分布。 3 1 2 残差分析与模型错误补救方法 3 1 2 1 残差分析 所谓残差e 是指由回归方程计算所得的预测值与实际样本值之间的差距， 它是回归模型中s 的估计值。在回归分析中，基本假设都是针对总体回归直线 的误差项而言的。一般很难得到总体误差项的真实值，而是用样本回归直线的 残差项来近似地估计总体误差值，这种对残差项进行的分析叫做残差分析h 8 。 s p s s 软件提供了进行残差分析的图形分析和数值分析两种有效工具。 ( 1 ) 检验j 下态性 一般来说，可以通过绘制残差直方图来直观地判断其是否为j 下态分布。图 形虽然直观，但不能代替以精确的数学计算和推理为基础的假设检验。在s p s s 中，可以进行残差的正态性检验，即k o l m o g o r o v s m i r n o v 检验( 简称k s 检验) 。 这个检验的原假设是：残差服从于正态分布。如果检验的显著性水平s i g 小于 0 0 5 ，就可以拒绝上述的原假设，而有理由认为残差的分布不是正态的。 ( 2 ) 检验零均值和等方差性 可以通过绘制标准化预测值与残差的散点图来对该问题进行分析，若满足 零均值假设和等方差性假设，则残差图中点应该是随机散布在以e = o 为中心的 与横轴平行的对称的二直线形成的带域内。 ( 3 ) 检验序列独立性 可以采用精确的统计检验方法一d w ( d u r b i n w a t s o n ) 检验来判断残差之间 是否相互独立。s p s s 给出了d w 统计量，该值介于o 4 之间，若满足独立性， 则d w 值应该接近2 。 3 1 2 2 模型错误补救方法 如果进行残差分析时，发现有违背基本假设情况，应该考虑修改模型、进 行适当的变换，或增加新的自变量，剔除异常观察值等种种补救方法。例如， 常用对数变换、平方根变换或倒数变换来补救偏离正态或偏离线性模型的问题。 这些变换可以用于因变量y ，也可以用于自变量x ，或同时用于两者。违背基本 假设是一个比较复杂的问题，可能要反复试用多种方法并反复进行残差分析， 最终才能找到比较合适的模型h 7 儿4 8 例。 1 0 福建农林大学2 0 0 8 届硕上学位论文 3 2 数据收集与数据分析 3 2 1 研究相关假设及问题分析 1 研究假设 对森林资源资产进行评估是一个比较复杂的问题，既要考虑到小班的特征， 如：起源、龄组，树种组成等；又要考虑相关的经济技术指标，如：营林成本、 木材价格，税费等。为了简化问题，使研究能顺利进行，作如下假设： ( 1 ) 假设1 ：考虑林种为用材林，只考虑有杉木、马尾松、阔叶树三种树种 的情形； ( 2 ) 假设2 ：批量评估要求同一市场区域的数据必须具有相同或相近的特 征，起源相同是一个基本的条件，本研究中的各树种起源为人工林( 天然林研 究相类似) ； ( 3 ) 假设3 ：研究森林资源资产批量评估模型涉及到的龄组有：幼龄林、中 龄林和成熟林( 过熟林、近熟林研究类似) ； ( 4 ) 假设4 ：每一经营类型的主伐年龄是一个范围，在本研究中，取其下限 值。即在本研究，经营类型与主伐年龄是一一对应的。如：集约杉木大径材( 集 杉大) 其主伐年龄范围为3 1 3 5 ，在本研究中取3 1 作为其主伐年龄。 2 问题分析 设e 代表小班单位评估值，e 杉、e 马、e 闻，分别代表纯杉木林、纯马尾松 林、纯阔叶树林小班的单位评估值，则混合树种小班的单位评估值可表示为： e = a e 杉+ b e 马+ c e 闼 ( 3 2 ) 其中a 、b ，c 0 ，0 1 ，0 2 ，0 3 ，0 4 ，0 5 ，0 6 ，0 7 ，o 8 ，0 9 ，1 ) ， 且a + b + c = l ，a 、b ，c 三者中数值最大者表示紧跟其后的树种为优势树种。如： 某小班其树种组成为l o 杉时，则e = e 杉；树种组成为7 杉2 马1 阔时，则e = o 7 e 杉+ 0 2 e 马+ o 1 e 闫，杉木为优势树种。混合树种小班的评估值为各组成树种的 评估值之和。因此，在对样本进行建模时，实质是对杉木、马尾松、阔叶树的 纯林小班进行建模，收集的样本小班都为纯林小班。但要注意一点，对混合树 种小班运用建立的模型进行评估时，各组成树种主伐年龄变量的值取优势树种 的主伐年龄。 批量评估的样本必须处于同一市场区域，即各小班有相同或相近特征，年 龄应相近，因此，本研究分别针对不同龄组建立不同的批量评估模型。收集样 本时按照幼龄林、中龄林、成熟林分别收集。 3 2 2 数据收集与特征因素分析 为了估计参数、建立回归模型，必须收集大量的森林资源数据资料( 本研 究数据来自永安林业股份有限公司) 。需要收集的数据主要有两类：小班数据资 森林资源资产批量评估模型研究 料( 含评估结果) 和经济技术指标。 小班数据资料是最重要的评估模型的输入元素，将直接影响到模型参数的 选择和分析方法的采用。将利用小班数据来鉴别特征因素，构造估算函数，检 验推导出的模型的可靠性。小班数据主要有乡名、村名、二类调查林班、二类 调查大班、二类调查小班、小班面积、林种、立地等级、优势树种、树种组成、 起源、年龄、平均胸径、平均树高、亩蓄积、林分蓄积、经营类型等数据项。 另一个要收集的是经济技术指标，这是在评估中不可缺少的一部分，进行 批量评估模型研究时，采用的经济技术指标参考附录a ，主要有营林成本、木 材税费计征价、木材经营成本( 如：直接采伐成本、伐区设计费等) 及税费等 指标。营林成本是根据当地集体林造林的社会平均发生额综合确定，根据批量 评估的要求，进行建模的小班数据应处于同一市场区域，本研究收集的数据来 自同一个地区，所以，营林成本是固定的，可以视为常量。同理，各小班数据 参照的木材税费计征价及按照木材税费计征价确定的税费指标、木材经营成本 指标也可视为常量。而木材经营成本中，如销售费用、管理费用等是根据销售 价格来确定的，则随着销售价格的变化而变化。 通过分析小班数据及经济技术指标、参考相关书籍和咨询评估专家，进一 步研究得出影响各个龄组单位评估值的主要因素： 影响幼龄林单位评估值的主要因素有：年龄、平均树高、株数、前三年的 营林生产成本，树种。从前文分析可知，营林成本为常量。因此，在进行幼龄 林批量评估模型建模时，主要是研究其他四个特征因素对单位评估值的影响。 为了保证各样本数据的评估值都包含了前三年营林成本对其的影响，本研究收 集的各小班数据年龄应大于等于4 ；另外，考虑到林木资产评估方法与实践， 结合木材市场的实际情况，对于幼龄林中1 0 年以上的林木资产评估并入中龄林 计算。所以，本研究收集的幼龄林年龄范围为4 1 0 。根据国有资产评估操作 规范意见的要求，现行市价法应存在三个或三个以上参照案例，幼龄林森林 资源数据收集按照每一年龄每一树种收集三个案例，则至少要收集7 3 = 2 1 个案 例，同时遵照样本数据应该具有代表性、覆盖范围应该尽量广泛等原则，一共 收集了1 1 7 个小班数据。 影响中龄林单位评估值的主要因素有：年龄、经营类型( 根据假设，对应 一个主伐年龄) 、平均胸径、平均树高、亩蓄积、销售价格、出材率、树种、木 材经营成本( 含税费) 。根据前文的分析可知，木材经营成本要么为常量，要么 按销售价格变化而变化，因此考虑销售价格因素即可。每一个经营类型其对应 的中龄林龄组年龄有一个范围，如：一般杉木中径材( 一杉中) ，其中龄林年龄 的范围为11 2 0 。收集数据时，首先分经营类型，接着按每一经营类型的每一 年龄来收集。阔叶树分两个经营类型，一个是速生阔叶树中径材( 速阔中) ，另 1 2 祸矬农林大学2 0 0 8 届硕士学位论文 一个是慢生阔时树中径材( 慢阔中) ，前者的中龄林年龄范围为6 1 0 ，一般评 估时习惯将其作为幼龄林评估，类似的还有集约杉木小径材( 集杉小) 、集约马 尾松小径孝劣( 集松小) 这两个经营类型；看者的森林资源数据较少。所以，在 研究中龄林批量评估模型时，未收集阔叶树的中龄林样本。即中龄林建模前收 集了下面这些经营类型的数据：集杉大( 中龄林年龄范圈1 6 2 5 ，主伐年龄3 1 ) 、 集杉中( 1 1 2 0 ，2 6 ) 、一杉大( 1 6 3 0 ，3 6 ) 、一杉中( 1 l 一2 0 ，2 6 ) 、一杉小( 1 1 1 5 ， 2 1 ) 、集松大( 2 1 3 0 ，4 1 ) 、集松中( 1 l 2 0 ，3 1 ) 、一松大( 2 1 4 0 ，5 1 ) 、一松 中( 1 l 2 0 ，3 1 ) ，一松小( 1 王2 0 ，2 6 ) ，一共收集了1 4 4 条小班数据。为了研 究销售价格对评估值的影响，分别采用不同的销售价格( 原木销售价格：4 0 0 元鹿3 - 1 0 0 0 元瓣，综合材销售价格：3 5 0 元m 3 - 8 0 0 元m 3 ) ，对小班数据进行重 新评估，得到中龄林样本数据，共2 0 9 条。 影响成熟林单位评估值的主要因素有：平均胸径、平均树离、亩蓄积、销 售价格、出材率、树种、木材经营成本( 含税费) 。根据前文的分析可知，木材 经营成本要么为常量，要么按销售价格变化而变化，因此考虑销售价格因素即 可。分树种收集，一共收集了8 5 条小班数据，采用不同的销售价格( 原木销售 价格：4 0 0 元m 1 0 0 0 元盹综合材销售价格：2 0 0 元m 3 - 8 0 0 元m 3 ) ，对小班 数据进行重新评估，得到成熟林样本数据，共2 5 5 条。 各龄组主要因素为回归模型的自变量，单位评估值为因变量。要注意的是 树种变量和其他变量不一样，是定性变量，它的取值是离散、非连续的，在建 立多元回烟时，必须以哑变篷的形式进入。 3 2 。3 数据分析 在深入讨论多元回归模型建立之前，必须先检验多元回归分析所具备的前 提条件是否满足，这些前提条件包括正念性和线性关系。 对于每一个单独变量，正态假设在多元分析中是最重要的基础。如果与正 态性的要求偏离较大，所得的分析结果将是无效的阳5 1 。正态检验从单变量开始。 3 2 3 1 幼龄林建模前检验 1 正态性检验 单位评估值用v a l u e 表示。从前文的特征因素分析可知，进行幼龄林多元 蠢归批量估算模型研究时考虑的主要因素有： 年龄a g e ；平均树高h ；株数t r h u m ；树种( 哑变量，离散的) 。 表3 - 1 给出了除树种变量外的其他四个连续变量的接述性统计结采。 森林资源资产批量评估模型研究 表3 1 描述性统计 t a b l e3 1d e s c r i p t i v es t a t i s t i c s 表3 一l 中各列数据项的含义依次为：样本数、样本最小值、样本最大值、 样本均值、样本标准差、偏度系数( 反映数据分布特征) 和偏度系数的标准误 差。从表中可以看出，平均树高h 的变化范围为0 2 米1 5 8 米，然而均值为 4 1 6 5 8 米，偏度系数为0 9 0 2 ，如图3 1 所示。 图3 - 1 平均树高的直方图 f i g u r e3 1h i s t o g r a mo fh e i g h to na v e r a g e 年龄a g e 的变化范围为4 1 0 ，均值为6 5 0 4 3 ；株数t r n u m 的范围为7 0 3 2 0 ， 均值为1 6 6 3 2 4 8 ；单位评估值v a l u e 的变化范围为2 4 7 6 2 元亩8 0 0 0 0 元 亩，其均值为5 5 9 9 1 9 0 元亩，可以看出这些变量比平均树高更具有正态性， 如图3 2 ，图3 3 分别为株数、单位评估值的直方图。 图3 - 2 株数的直方图 1 4 祸建农林大学2 0 0 8 届硕士学位论文 f i g u r e3 - 2h i s t o g r a mo ft r e ea m o u n t 堋0 5 5 99 1 9 g t do 制* 12 62 0 7 9 4 n # ”7 图3 -