- 相關(guān)推薦
森林保險標的資產(chǎn)批量評估模型研究
摘要：本文分析了森林保險標的資產(chǎn)批量評估的工作流程，且以森林資源抽樣調查數據、樹(shù)木生長(cháng)量預測數據、森林遙感數據、森林采伐指標等數據對森林資源二類(lèi)調查GIS系統數據進(jìn)行調整后得到的數據作為森林保險標的資產(chǎn)價(jià)值評估的數據來(lái)源，應用多元回歸分析技術(shù)構建森林保險標的資產(chǎn)批量評估模型，經(jīng)檢驗確認模型準確有效。
關(guān)鍵詞：森林保險標的 GIS系統數據 批量評估
一、引言
我國集體林權制度改革后，以戶(hù)為單位的林農經(jīng)營(yíng)著(zhù)面積大小不一、小班個(gè)數多寡不同的森林。按照林農經(jīng)營(yíng)的大量小班森林的價(jià)值計算保險費和保險金額時(shí)，必須對各小班森林進(jìn)行大量的評估工作，如果采取個(gè)案評估技術(shù)，必然耗費大量的人力物力且其評估效率低下。批量評估能夠低成本、高效率地完成大量森林保險標的資產(chǎn)的評估任務(wù)，且評估費用低能夠讓林農承受。
二、森林保險標的資產(chǎn)批量評估的數據來(lái)源與工作流程
林農的森林保險標的資產(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，各小班森林保險標的資產(chǎn)的價(jià)值也千差萬(wàn)別。要完成大量森林保險標的資產(chǎn)的評估工作，評估數據的收集和數據來(lái)源就成為構建森林保險標的資產(chǎn)價(jià)值批量評估模型的關(guān)鍵。從我國目前的森林資源管理來(lái)看，以森林資源抽樣調查數據、樹(shù)木生長(cháng)量預測數據、森林遙感數據、森林采伐指標等數據對森林資源二類(lèi)調查GIS系統(簡(jiǎn)稱(chēng)“森林資源GIS”)數據進(jìn)行調整后得到的數據，可以作為森林保險標的資產(chǎn)批量評估模型的數據來(lái)源之一。森林保險標的資產(chǎn)批量評估主要的工作包括：
(一)評估基準日森林資源GIS數據準備
1、森林資源抽樣調查。組織專(zhuān)業(yè)技術(shù)人員對評估對象進(jìn)行抽樣調查，更新森林資源GIS系統中的數據，并進(jìn)行個(gè)案評估，為批量評估準備數據。
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系統數據。
3、根據林業(yè)主管部門(mén)審批的采伐指標和實(shí)際采伐作業(yè)情況，實(shí)時(shí)更新森林資源GIS系統數據。
4、根據樹(shù)木生長(cháng)量預測模型，調整森林資源GIS中林分蓄積數據。評估基準日樹(shù)木生長(cháng)量預測以森林資源二類(lèi)調查數據為基礎，按照目前林業(yè)系統經(jīng)常采用的人工林和天然林經(jīng)營(yíng)類(lèi)型的生長(cháng)模型進(jìn)行預測。
(二)收集整理森林資源交易數據、森林資源物價(jià)指數等與評估直接相關(guān)的經(jīng)濟技術(shù)參數
在獲得評估基準日森林資源二類(lèi)調查數據的基礎上，通過(guò)收集到的南方林業(yè)產(chǎn)權交易所的交易數據、物價(jià)指數、區域因素評估修正數據、評估師抽樣評估森林保險標的資產(chǎn)確認的個(gè)案評估數據等和森林資源資產(chǎn)評估有關(guān)技術(shù)經(jīng)濟指標數據。
(三)森林保險標的資產(chǎn)價(jià)值批量評估流程的建立，見(jiàn)圖1。
三、森林保險標的資產(chǎn)批量評估模型研究
(一)研究相關(guān)假設
由于森林保險標的資產(chǎn)類(lèi)別間差異性大，其價(jià)值影響因素也大相徑庭。因此，應根據森林資源GIS系統數據庫中不同優(yōu)勢樹(shù)種不同齡組的森林保險標的資產(chǎn)，分別構建其森林保險標的資產(chǎn)批量評估模型。為了能夠方便的構建森林保險標的資產(chǎn)批量評估模型，先做如下假設：
假設1：以森林資源二類(lèi)調查數據中的細班作為評估對象。
假設2：按森林資源二類(lèi)調查數據中的優(yōu)勢樹(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)別分別構建各自的批量評估模型，優(yōu)勢樹(shù)種以外的少數樹(shù)種作為輔助變量加以考慮。
(二)評估對象價(jià)值影響因素分析與輸入值指標的選取
森林保險標的資產(chǎn)價(jià)值批量評估系統的輸入值主要包括：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)的財務(wù)會(huì )計數據和森林經(jīng)理經(jīng)濟技術(shù)指標數據;森林資源管理二類(lèi)調查數據等。評估對象價(jià)值影響因素具體指標如下：
森林資源二類(lèi)調查數據指標主要包括：小班號、林權屬性、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、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、幼林毛竹樹(shù)、壯齡毛竹數、雜竹株數、畝平均株數、畝平均蓄積、散生木株數、群落結構、林層結構、樹(shù)種結構、病蟲(chóng)害、火災等級等指標。這些指標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)的財務(wù)會(huì )計數據主要包括：營(yíng)林生產(chǎn)成本、木材稅費、木材經(jīng)營(yíng)成本、利率、利潤、出材率等數據。
(三)森林保險標的資產(chǎn)批量評估模型的構建
依據森林資源二類(lèi)調查GIS系統數據，森林保險標的資產(chǎn)按優(yōu)勢樹(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)濟林等;森林保險標的資產(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)別森林保險標的資產(chǎn)價(jià)值差異很大，因此，根據森林保險標的資產(chǎn)優(yōu)勢樹(shù)種和樹(shù)齡組組合，分別可以構建至少35個(gè)以上的森林保險標的資產(chǎn)批量評估模型。本文以江西省會(huì )昌縣森林資源二類(lèi)調查GIS數據庫中的優(yōu)勢樹(shù)種――近熟齡杉木林為例，研究森林保險標的資產(chǎn)批量評估模型的構建。
1、近熟杉木林森林保險批量評估模型的設定。對于近熟齡杉木林，其評估價(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、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、畝平均蓄積、散生木蓄積、林齡等指標構建批量評估多元回歸模型，模型設定如下： V=yi+ei=b0+b1xi1+b2xi2+…+bpxip+ei
模型(1)
2、近熟齡杉木林森林保險批量評估模型的數據收集與處理。(1)數據來(lái)源。近熟齡杉木林批量評估實(shí)證分析所采用的基礎數據為2012年12月江西省會(huì )昌縣森林資源二類(lèi)調查GIS數據，選用優(yōu)勢樹(shù)種為杉木、齡組為近熟林的507個(gè)樣本數據并做適當修正，作為批量評估模型的構建數據，并對預測結果進(jìn)行比率標準研究。(2)數據處理。①近熟齡杉木林森林保險批量評估建模前的正態(tài)性檢驗。對擬用的507個(gè)樣本數據進(jìn)行建模前的K-S正態(tài)性檢驗，檢驗結果表明評估值、杉類(lèi)占百(杉類(lèi)占比)、郁閉度、畝平均蓄積、畝平均株數、平均年齡(樹(shù)齡)、林班面積(面積畝)等指標正態(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)自然對數變換后正態(tài)性得到進(jìn)一步改善。②近熟齡杉木林森林保險批量評估建模前的線(xiàn)性檢驗。在正態(tài)性檢驗之后，還應確保因變量(評估值)與自變量之間是否存在線(xiàn)性關(guān)系。從經(jīng)散點(diǎn)圖分析，評估值與畝平均蓄(畝平均蓄積)、林分面積(面積畝)、郁閉度存在線(xiàn)性關(guān)系。
3、近熟齡杉木林森林保險批量評估模型的估計與檢驗。(1)逐步回歸法估計。近熟齡杉木林森林保險批量評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，按其對因變量作用的強弱，由大到小地逐個(gè)引入回歸方程。那些對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為變成對因變量的作用不顯著(zhù)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自變量進(jìn)行篩選，使得在回歸方程中包含所有對因變量影響顯著(zhù)的自變量，而消除對因變量影響不顯著(zhù)的自變量，從而得到“最優(yōu)”的回歸方程。采用表1數據，通過(guò)逐步回歸法估計得到的近熟杉木林森林保險批量評估基本模型為：
V=-334 201.290+1 173.338×細班面積+95 045.246×畝平均蓄積+ 8 708.102×ln(活立木蓄積)(2)
(2)用材林森林保險批量評估基本模型的檢驗。①經(jīng)濟意義檢驗。自變量細班面積、畝平均蓄積、活立木總蓄積所估計的參數分別為1 173.338、 95 045.246、8 708.102，均與經(jīng)濟學(xué)原理及經(jīng)驗相符，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統計意義檢驗。經(jīng)測算近熟齡杉木林批量評估模型的R2=0.956，調整后的R2=0.955，說(shuō)明模型對樣本的擬合很好。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立性。模型方差分析表(ANOVA)中數據F值等于3609.782，顯著(zhù)性(Sig.)=0.000小于0.05，說(shuō)明該模型具有統計學(xué)意義。由表1中的容差和VIF數據可以看出，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(xiàn)性不嚴重，在可以接受范圍之內。通過(guò)統計檢驗分析，可以判斷模型(2)符合多元回歸的建模要求。③計量經(jīng)濟學(xué)檢驗。根據圖2，SPSS給出的殘差統計數據以及評估值殘差的Kolmogorov-Smirnov檢驗，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批量評估實(shí)證結果分析。模型建立以后，利用SPSS 22.0的比率分析過(guò)程，得到如下結論：比率平均值和中位數在0.90―1.10之間，說(shuō)明此次評估水平較好;離散系數(COD)為6.244在5―15之間，說(shuō)明此次評估的離散系數符合要求，一致性較好;價(jià)格相關(guān)差為1.02在0.98～1.03之間，說(shuō)明此次評估的回歸傾向性較好。
四、結論
應用多元回歸分析方法，建立森林保險標的資產(chǎn)批量評估模型來(lái)估算各優(yōu)勢樹(shù)種各齡組每細班的森林保險評估價(jià)值，經(jīng)檢驗認為模型是準確有效的。
參考文獻：
王廣建.林木資產(chǎn)動(dòng)態(tài)評估系統模型的建立[J].東北林業(yè)大學(xué)學(xué)報，2002，(7)：67-70.
【森林保險標的資產(chǎn)批量評估模型研究】相關(guān)文章：
旅游中介機構信譽(yù)評估模型研究03-20
基于剩余收益RI的企業(yè)價(jià)值評估模型的研究03-21
人壽保險公司價(jià)值評估研究03-19
渠道效率評估模型選擇03-23
資產(chǎn)評估增值的探討03-23
基于重大錯報風(fēng)險評估的新審計風(fēng)險模型應用研究03-01
剩余收益模型與傳統DCF模型的比較研究03-23