中国城市全要素土地效率及其影响因素分析

夏清滨，黄少安

（山东大学经济研究院，山东济南250100）

●经济观察

中国城市全要素土地效率及其影响因素分析

夏清滨，黄少安

（山东大学经济研究院，山东济南250100）

文章使用土地存量、资本存量、劳动力就业人数作为投入要素，以城市国内生产总值作为产出变量，使用超效率DEA方法测算中国地级以上城市全要素土地效率，并对中国城市全要素土地效率的影响因素进行分析。结果表明，中国城市全要素土地利用效率普遍不高，产业结构和城市建设用地的快速扩张限制了土地效率的提高，人力资本和政府的作用有利于土地效率的提高，土地市场化改革促进了土地利用效率的提高，但不显著。上述因素在不同地区的作用有所偏重。

城市土地；全要素土地效率；超效率DEA；影响因素

［DOI］10.3969/j.issn.1007-5097.2015.05.014

一、引言

加强对土地的集约利用、提高土地利用效率是我国制度改革的重要目标，然而土地效率的测度和比较是一个比较棘手的问题。当前，学者们主要使用单位土地经济产出，即国内生产总值与土地面积的比值来衡量土地利用效率。但是这种衡量隐含了一个较强的假设，即产出是由土地作为唯一的投入要素所创造的，由于忽略了资本、劳动等其他生产要素的贡献，会导致对土地利用效率的高估，只能被称作是单要素土地效率［1］。Charnes et al（1978）提出的数据包络分析（DEA）方法为我们衡量全要素土地效率提供了全新的视角［2］。

当前使用DEA方法研究我国全要素土地效率的文献并不多，但是在使用DEA方法测度我国城市全要素效率方面已有相当的成果。前期的学者主要使用DEA方法测度个别城市的全要素效率（金相郇，2006；Charnes et al，1989）［3-4］，随着城市数据的逐渐丰富和数据统计方法的进步，近年来测度全国全部城市全要素效率的文献逐渐增多（李郇等，2005；邵军，2010；吴得文等，2011）［5-7］。学者们关注的焦点多为我国城市全要素效率的时空变化，但是在时间选择上多为单一年份或者间断的几个年份，连续年份的分析并不多，而且对城市全要素效率影响因素的研究并不多。戴永安（2010a，2010b）使用2001-2007年连续年份我国全部城市的数据，分别使用DEA和随机前沿分析方法系统研究了我国城市全要素效率的时空差异及其影响因素［8-9］。在全要素土地效率方面，张良悦等（2009）使用超效率DEA方法，并把超效率DEA中各决策单元的潜在土地投入量与实际投入量之间的比值界定为土地效率，测度了2001、2003和2005年三个年份的我国城市全要素土地利用效率。但是文章并没有就全要素土地效率的影响因素作进一步的分析［10］。

在对单要素土地效率影响因素的研究中，吴郁玲等（2007）我国1989-2004年的社会经济和土地利用数据进行实证研究，发现经济发展水平和土地市场化程度是影响土地利用效率的重要因素［11］，而且土地市场化程度是影响土地利用效率的关键性和根本性因素。陆铭等（2011）1990-2006年的城市统计数据研究了地理与城市土地利用效率的关系，发现城市到大港口之间的距离对于土地利用效率的提高有较强的解释力，文章还进一步指出城市建成区面积的扩张阻碍了土地利用效率的提高［12］。吴一洲等（2013）从经济地理学的视角研究城市土地经济密度的影响因素时，发现土地市场化水平与城市土地经济密度负向相关的结论，但文章并没有给出较为合理的解释［13］。在对中国城市全要素生产率的研究方面，戴永安（2010a，2010b）分析发现城市的初始状态、地理位置、空间集聚水平、产业结构、基础设施水平对城市全要素效率具有正向促进作用，人口因素和政府的作用阻碍了城市全要素效率的提高［8-9］。

通过以上文献可以发现，文献在测度城市土地利用效率时多采用单要素土地效率，如前所述，这样的处理忽略了资本、劳动等其他生产要素的贡献，会导致对土地利用效率的高估；大部分的文献的分析建立在省级面板数据的基础上，而土地市场化供应主要发生在地级市一级政府或者县级政府，省级面板数据会因此损失大量的信息；而且由于数据量的限制，多数文献的控制变量较少，存在遗漏变量问题。

本文使用2003-2012年的数据，使用超效率DEA方法测度全国286个地级市的全要素土地效率，分析城市全要素土地利用效率的变化趋势和空间差异，并实证检验土地市场化等因素对全要素土地效率的影响。文章以下部分的结构安排如下：第二部分介绍全要素土地效率的测度方法，并对投入—产出变量作详细的说明；第三部分介绍全要素土地利用效率测度的结果，并分析城市全要素土地利用效率的变化趋势和空间差异；第四部分对全要素土地利用效率影响因素分析；第五部分为结论和建议。

二、全要素土地效率的测度

（一）全要素土地效率的测度方法

DEA是一种用线性规划方法来构建非参数分段前沿面，从而测度相对效率的分析方法。这种方法最早由Charnes，Cooper and Rhodes在1978年提出。DEA方法的基本原理为：假设存在I个决策单元（DMU），每个DMU有N个投入和M个产出。对于决策单元i则有投入向量xi和产出向量yi，对于I个决策单元有N×I维的投入向量X和M×I维的产出向量Y。

通过线性规划中的对偶方法，可以把上式中的最大化问题转化为等价的包络形式：

其中，θ就是决策单元i的相对效率值，且θ≤1。θ=1表示该DMU处于生产前沿面上，是技术有效的。

由于DEA方法通常构建的是分段线性前沿，会导致由于分段线性前沿与坐标轴平行而导致的松弛问题［14］。如图1，决策单元C1和D1为技术有效的，并构成前沿面，A1和B1为技术无效的。A1和B1的技术效率表示为但是对于效率点A'1而言，保持产出不变，土地投入可以进一步减少A'1C1，即投入松弛。因此对于决策单元A1达到最优技术效率的潜在土地投入应为OA1×θ-A'1C1，进而我们将各DMU的潜在土地投入与实际土地投入的比值界定为土地效率，即全要素土地效率。

传统的DEA模型对技术效率进行测度和比较时，存在无法对多个处于前沿面的决策单元展开进一步比较与评价的缺陷，而超效率DEA模型（Anders⁃en and Petersen，1993）成功地解决了上述问题［15］。该方法在评价某个决策单元时，将其排除在决策单元的集合之外。如图2，在测度C2点的效率时将其排除于决策单元的参考集之外，则前沿面就由图1的变为图2中的A2D2（虚线），此时C2的效率分值变为，而B2点效率值保持不变仍然为。超效率DEA模型通过转换处于前沿面的决策单元，使得对完美效率的决策单元展开进一步的测度成为可能。

图1　规模报酬不变的DEA模型

图2　超效率DEA模型

（二）投入-产出变量的说明

本文使用的产出数据为各城市市辖区二、三产业产出，数据来源为《中国城市统计年鉴》。为了增加数据的可比性，GDP数据使用各省GDP平减指数调整为基期价格，GDP平减指数来源于《中国统计年鉴》。

资本使用各城市调整为基期价格的资本存量数据。由于无法获取资本存量的直接数据，本文使用永续盘存法对资本存量数据进行估算，基本公式为。其中涉及四个变量：基期资本存量K、资本折旧率δ、投资品价格指数P以及当年投资I。

对于基期资本存量的估计，戴永安（2010a，2010b）使用Young（2000）［16］的方法（下文中，使用该方法测算的物质资本存量简称K1），用基年固定资本形成总额除以10%作为初始资本存量，基年固定资本形成总额使用全社会固定资产投资数据进行替代。资本折旧率统一使用张军等（2004）［17］测算9.6%，投资品价格指数使用各省固定资产投资价格指数。在测算省一级资本存量时，越来越多的学者选择固定资本形成额（张军，2004；戴永安，2010a，2010b）来表示当年投资。由于当前我国没有城市一级固定资本形成额的数据，大部分学者在计算城市当年投资时使用的多是易获取的全社会固定资产投资数据（金相郇，2006；戴永安，2010a，2010b），本文也采用全社会固定资产投资数据来表示当年投资。固定资产投资数据来自于《中国城市统计年鉴》，各省固定资产投资价格指数来源于《中国统计年鉴》，资本存量数据由以上公式计算所得。

为了增加数据的可比性，我们还使用了张良悦等（2009）的方法测算各市基期物质资本存量（下文中，使用该方法测算的物质资本存量简称K2）。基本方法为各城市资本存量以2003年各城市GDP占所在省GDP的比率作为权重乘以该省基期的资本存量，即城市基本存量=该市基期GDP/（所在省基期GDP×所在省基期资本存量）。各省份基期资本存量数据使用单豪杰（2008）［18］测算的2003年各省物质资本存量数据。由于该数据是以1952年为基期，因此在使用时将该数据做乘以2003年固定资产形成价格指数（1952年=1）的处理。资本折旧率统一使用单豪杰（2008）测算10.196%。投资品价格指数使用各省固定资产投资价格指数，数据来源同上。

土地数据为各城市建成区面积，数据来源为《中国城市统计年鉴》。劳动力数据则为市辖区二、三产业就业人数，由《中国城市统计年鉴》数据简单计算获得。除以上说明外，本文数据均来自中经网、《中国城市统计年鉴》、《中国统计年鉴》。本文使用的统计软件为EMS。

三、全要素土地利用效率的测度结果及分析

考虑到城市发展的规模效应，本文使用软件时设定规模报酬可变，并且以投入为导向。由软件计算的结果为城市全要素效率，城市全要素土地效率根据上文公式计算所得。

图3为使用K1①测算的我国城市全要素土地利用效率历年分布情况②。从测算结果看，我国整体城市全要素土地利用效率不高，土地利用效率主要集中在30%～60%之间。其中，2012年土地利用效率最高为56.7%，2006年最低只有39%，其余年份分别为2003年的41.5%、2004年的41.9%、2005年的42.3%、2007年的44.5%、2008年的44.8%、2009年的45.6%、2010年的51.9%和2011年的50.8%。土地有效利用城市最多的为2010年的13个，占全部测度城市的4.6%，最少的为2006年、2007年和2009年的7个，仅占全部测度城市的2.5%。共有四个城市在2003-2012年一直处于技术有效的前沿面，分别为深圳、佛山、玉溪和陇南，有42个城市的土地相对利用效率一直低于0.4，这其中东部地区14个、中部17个、西部7个、东北地区4个。

图3　K1测算的历年城市全要素土地效率的分布

图4为使用K2测算的我国城市全要素土地利用效率历年分布情况③。从测算结果看，土地利用效率主要集中在40%～65%之间，比使用K1测算的土地利用效率要高，主要是因为使用Young（2000）方法测算的物质资本存量比使用张良悦等（2009）方法测算的大，从而使得城市全要素效率有所降低。但是使用K2测算的我国城市全要素土地利用效率整体效率仍然不高，可见我国城市土地利用效率有待进一步加强。

图4　K2测算的历年城市全要素土地效率的分布

从城市全要素土地利用效率变动趋势看，使用K1测算的城市全要素土地利用效率呈现波动上升的趋势。城市全要素土地利用效率先从2003年的41.5%上升为2012年的56.7%，增加了15.5%。其中，2006年经历了短时的下降。使用K2测算的城市全要素土地利用效率在2005年以后表现了相同的趋势，但是由于使用K2测算的城市全要素土地利用效率2003和2004年较高，2005年相较2004年有一个较大的降幅。张良悦等（2009）［10］在使用2001年、2003年、2005年3年的数据进行测算是也得到了类似的结论，认为我国城市全要素土地利用效率在2003-2005年间是下降的。各年份城市全要素土地效率比较，如图5和图6所示。

从城市全要素土地利用效率空间差异看，使用K1测算的城市全要素土地利用效率呈现东部和西部较高，中部和东北地区较低的格局，中部和东北地区土地利用效率提高较快，与东西部的差距逐渐缩小。使用K2测算的城市全要素土地利用效率呈现出西部最高，东部次之，中部最低，东北地区穿插其中的格局。除东北地区外，东中西部在时间趋势上表现出了基本相同的趋势。各地区城市全要素土地效率比较，如图5和图6所示。

图5　K1测算的城市全要素土地效率的地区分布及其变动趋势

图6　K2测算的城市全要素土地效率的地区分布及其变动趋势

四、全要素土地利用效率影响因素分析

（一）模型设定

借助DEA模型测度的全要素土地利用效率，不仅受投入产出因素影响，还会受到社会环境等外部因素的影响。综合已有的研究结果，以及考虑数据的可得性，本文对影响我国全要素土地利用效率的因素概括如下：

（1）土地市场化程度。土地市场化改革可以在价格机制、竞争机制和流转机制的作用下通过替代效应、竞租效应和流转效应影响土地利用的方式和集约利用水平，从而影响土地利用效率［19］。本文结合已有研究，将土地市场化程度表示为LM=∑Wiqi/∑qi。其中，qi为第i方式国有土地使用权出让的面积，Wi为第i方式出让国有土地使用权的权重。土地权重根据2003-2011年全国土地市场交易情况，以各交易方式地价相对值确定权重。各交易方式权重值分别为：划拨出让权重为0，协议出让权重为0.3，招拍挂出让权重为1。

（2）产业结构。产业结构不仅决定了城市土地的利用结构，而且产业不同土地利用效率也不同，产业结构直接影响土地的利用效率。本文使用第三产业产值占总产出比值来表示产业结构。

（3）平均受教育年限。我们使用平均受教育年限作为人力资本的代理变量来反映人力资本对经济产出的影响。我们没有将人力资本纳入到投入—产出模型中去是因为数据的缺乏，我们使用各省的平均受教育年限来表示各地级市人力资本水平，可能存在偏差。

（4）城市扩张速度。城市用地规模的快速扩张已经引起学者们的关注，我们希望实证检验这种快速扩张是否对土地利用效率产生影响，城市扩张对土地效率的影响还能反映城市规模经济。

（5）政府的作用。我国的经济发展离不开政府的宏观调控，政府的支出通过政府消费和政府投资直接拉动经济增长，直接影响土地的经济产出，政府支出规模同时反映政府进行宏观调控的能力，间接影响土地的使用效率。本文使用政府财政支出占国内生产总值之比表示政府的作用。

（6）人口集聚水平。人口在土地上的集聚能够节约土地使用、提高土地的集约利用，从而影响土地利用效率。人口密度数据直接来自于《中国城市统计年鉴》的数据。

（7）人均道路面积。我们使用人均道路面积作为基础设施的代理变量考察基础设施建设对土地利用效率的影响。基础设施是经济发展的基础条件，基础设施的发达程度可以减少市场交易成本，而且能够吸引外部投资和人口流入。当然，我们同时应该注意到，基础设施本身的建设和维护成本，而不是越发达越好。

（8）对外开放程度。已有文献表明，对外开放程度能够促进经济发展，但是对外开放程度是否促进土地有效利率还有待考察。我们使用外商直接投资占国内生产总值的比重表示对外开放程度。

基于以上分析，我们构建计量模型如下：

其中，LEit为上文中测算的i地区t期城市全要素土地效率；LMit、ISit、Eduit、Sit、Govit、PDit、Roadit、Openit分别为i地区t期城市土地市场化程度、产业结构、平均受教育年限、城市扩张速、政府的作用、人口集聚水平、人均道路面积和对外开放程度。

（二）回归结果及分析

根据Hausman检验结果，本文使用固定效应模型对面板数据进行回归，回归结果如表1和表2所示。表1为使用K1测算的我国城市全要素土地利用效率作为被解释变量进行固定效应回归的结果，表2为使用K2测算的我国城市全要素土地利用效率作为被解释变量进行固定效应回归的结果。

表1　K1测算的城市全要素土地效率影响因素估计结果

表1第一列为使用全国数据进行分析的结果。结果显示我国土地市场化进程促进了土地利用效率的提高，但是结果并不显著。吴一洲等（2013）［13］使用2004-2008年地级市面板数据，分析土地市场化程度对土地经济密度的增长的作用时，得到了类似的结论。这可能与我国的土地供应方式存在着明显结构偏好，地方政府偏向于以协议出让方式供应工业用地，而以招标、拍卖、挂牌方式供应住宅和商业用地（李冀等，2012）［20］有关。工业用地的出让能在短时间内带来大量的投资，从而促进经济发展，而以招标、拍卖、挂牌方式出让土地占比来表示土地市场化程度一定程度上成为工业用地供应的代理变量，从而使得土地市场化对土地利用效率提高的影响有限。

表1第一列结果还显示城市人口平均受教育年限能够促进全要素土地利用效率的提高，这与我们的预期相符。平均受教育年限作为人力资本的代理变量对于经济发展的促进作用早已取得经济学的共识，我们的回归结果进一步证实了这一观点。产业结构阻碍了全要素土地利用效率的提高，表明我国当前工业化对土地利用效率的促进作用可能更加明显（戴永安，2010b）。柯善咨和赵曜（2014）［21］最新的研究结果表明产业结构对经济效率的提高存在门槛效应，只有跨越了门槛规模的城市服务业比重的提高才能提高经济效益。城市建成区增长速度阻碍了土地利用效率的提高，这与陆铭等（2011）［12］的文章结论一致。这一结论表明，我国快速推进的土地城市化存在着土地的低效利用问题，也进一步表明我国当前的城市规模效应并不显著。政府的作用促进了土地利用效率的提高，这与已有研究结论并不一致（戴永安，2010b；陆铭等，2011）［9，12］。关于政府的作用于经济发展的关系的讨论，已有研究并没有统一的结论。杨子晖（2011）［22］的研究表明，政府规模与经济增长之间存在非线性关系，政府支出会随着政府规模的不断扩大由正向促进作用转变为负向阻碍作用，但是由于我国当前基础设施落后，公共物品和公共服务的提供相对不足，政府支出的增加仍有利于经济的进一步发展。人均道路面积、人口集聚水平和对外开放程度的回归结果均不显著，因此本文并未列示相关结果。

表1的第2列到第5列分别列出了东部、中部、西部和东北地区全要素土地利用效率影响因素的回归结果。回归结果显示，土地市场化程度促进了东部地区城市全要素土地利用效率的提高，阻碍了东北地区土地利用效率的提高，对中部和西部土地利用效率的影响则不显著。产业结构对中部和东北部土地利用效率的影响不显著，人力资本对东部、中部、西部和东北地区土地利用效率的促进作用都很显著。建成区扩张速度显著地阻碍了东部、中部、西部土地利用效率，对东北地区土地利用效率则不显著。进一步分析发现，东北地区建成区扩张并不明显，相当一部分城市在分析的时间段内建成区基本没有扩张。除了西部地区外，政府的作用对土地利用效率的提高并不显著，政府的作用对东部和东北地区土地利用效率的提高反而存在抑制作用，这可能跟西部地区基础设施落后而东部和东北地区基础设施和公共服务相对比较完善有关，这也进一步印证了杨子晖（2011）的结论，政府支出会随着政府规模的不断扩大由正向促进作用转变为负向阻碍作用，加大中西部地区基础设施和公共服务投入将进一步提高中西部地区土地的有效利用。

表2为使用K2测算的我国城市全要素土地利用效率作为被解释变量进行固定效应回归的结果，将为表1结论的稳健型提供支持。从表2的结果来看，表1的结论基本稳健。表2第一列为使用全国数据进行分析的结果，第2列到第5列分别列出使用东部、中部、西部和东北地区数据进行回归的结果。表2结果显示土地市场化促进了土地利用效率的提高，显著性较表1有了提高，主要表现为土地市场化促进了东部和中部地区土地利用效率的提高，与表1的结论基本一致。政府的作用对东部地区土地利用效率提高的抑制作用依然存在，但是对东北地区土地利用效率的提高表现为促进作用，表明东北地区基础设施和公共服务投入相对仍然不足。

表2　K2测算的城市全要素土地效率影响因素估计结果

五、结论和建议

本文使用土地存量、资本存量、劳动力就业人数作为投入要素，以城市国内生产总值作为产出变量，使用超效率DEA方法测算我国地级以上城市全要素土地效率，并对我国城市全要素土地效率的影响因素进行分析。结果表明，我国城市全要素土地利用效率普遍不高，但是最近几年土地效率一直保持上升趋势，东部和西部土地利用效率相对较高，而中部和东北地区的土地利用效率较低。

从影响土地效率的因素看，产业结构和城市建设用地的快速扩张限制了土地效率的提高，人力资本和政府的作用有利于土地效率的提高，土地市场化改革对土地效率影响则不显著。从区域差异看，土地市场化程度促进了东部地区城市全要素土地利用效率的提高，产业结构对中部和东北部土地利用效率的影响不显著，建成区扩张速度对东北地区土地利用效率则不显著，政府的作用对东部和东北地区土地利用效率的提高存在抑制作用。

结合以上分析，我们认为提高土地效率不同地区应该有不同的侧重：①东部和中部地区主要以提高土地市场化程度为主，增加招拍挂出让土地，尤其是招拍挂出让工业用地的比重。同时，减慢城市过快的扩张速度，防止城市规模的无序蔓延，加大存量土地开发力度，优化存量土地利用效率。②西部和东北部地区则不应该过度强调土地市场化建设，主要以加强基础设施建设和提高公共服务水平为主，加大政府投资力度、优化政府投资结构。同时，注重调整产业结构，加强工业部门的主体地位，使工业部门和服务业协调发展。

注释：

①文中已有交代，K1表示使用Young（2000）方法测算的物质资本存量，K2表示使用张良悦等（2009）方法测算的物质资本存量。

②安徽省在2011年进行了区划调整，撤销了地级巢湖市，而东莞市建成区面积数据存在明显的错误，实际测算时城市数为284个，又上海市结果显示为“big”，表明任意增加投入，决策单元仍然保持有效，因此在对结果的分析中，我们也剔除了上海市的数据，分析时实际城市个数为283个。

③使用K1测算的土地利用效率比使用K2测算的土地利用效率值小，是因为大部分情况下K1比K2要大，降低了城市投入产出效率。目前，关于城市物质资本存量的测算，没有统一的方法，鉴于Young的方法在实证研究中运用较多，下文的分析除有特别说明，主要围绕使用K1测算的土地利用效率展开，使用K2测算的土地利用效率将为稳健性检验提供依据。

［1］师博，沈坤荣.市场分割下的中国全要素能源效率：基于超效率DEA方法的经验分析［J］.世界经济，2008（9）：49-59.

［2］Charnes A，Cooper W W，Rhodes E.Measuring the efficien⁃cy of decision making units［J］.European Journal of Opera⁃tional Research，1978，2（6）：429-444.

［3］金相郁.中国城市全要素生产率研究：1990-2003［J］.上海经济研究，2006（7）：14-23.

［4］Charnes A，Cooper W W，Li S.Using data envelopment anal⁃ysis to evaluate efficiency in the economic performance of Chinese cities［J］.Socio-Economic Planning Sciences，1989，23（6）：325-344.

［5］李郇，徐现祥，陈浩辉.20世纪90年代中国城市效率的时空变化［J］.地理学报，2005（4）：615-625.

［6］邵军，徐康宁.我国城市的生产率增长、效率改进与技术进步［J］.数量经济技术经济研究，2010（1）：58-66.

［7］吴得文，毛汉英，张小雷，等.中国城市土地利用效率评价［J］.地理学报，2011（8）：1111-1121.

［8］戴永安.中国城市化效率及其影响因素——基于随机前沿生产函数的分析［J］.数量经济技术经济研究，2010（12）：103-117.

［9］戴永安.中国城市效率差异及其影响因素——基于地级及以上城市面板数据的研究［J］.上海经济研究，2010（12）：12-19.

［10］张良悦，师博，刘东.中国城市土地利用效率的区域差异——对地级以上城市的DEA分析［J］.经济评论，2009 （4）：18-26.

［11］吴郁玲，曲福田.中国城市土地集约利用的影响机理：理论与实证研究［J］.资源科学，2007（6）：106-113.

［12］陆铭.建设用地使用权跨区域再配置：中国经济增长的新动力［J］.世界经济，2011（1）：107-125.

［13］吴一洲，吴次芳，罗文斌.经济地理学视角的城市土地经济密度影响因素及其效应［J］.中国土地科学，2013（1）：26-33.

［14］Coelli T J，Rao D S P，O’Donnell C J，et al.An introduc⁃tion to efficiency and productivity analysis［M］.2nd ed. New York：Springer，2005.

［15］Andersen P，Niels P.A Procedure for Ranking Efficient Units in Data Envelopment Analysis［J］.Management Sci⁃ence，1993，39（10）：1261-1264.

［16］Young A.Gold into Base Metals：Productivity Growth in the People's Republic of China during the Reform Period［J］. Journal of Political Economy，2003，111（6）：1220-1261.

［17］张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000［J］.经济研究，2004（10）：35-44.

［18］单豪杰.中国资本存量K的再估算：1952-2006年［J］.数量经济技术经济研究，2008（10）：17-31.

［19］李建强，曲福田.土地市场化改革对建设用地集约利用影响研究［J］.中国土地科学，2012，26（5）：70-75.

［20］李冀，严汉平，刘世锦.关于地方政府国有土地差异化出让行为动机的经验分析［J］.经济科学，2012（1）：27-38.

［21］柯善咨，赵曜.产业结构、城市规模与中国城市生产率［J］.经济研究，2014（4）：76-88.

［22］杨子晖.政府规模、政府支出增长与经济增长关系的非线性研究［J］.数量经济技术经济研究，2011（6）：77-92.

［责任编辑：张青］

An Analysis of Chinese Urban Total Factor Land Efficiency and Its Influencing Factors

XIA Qing-bin，HUANG Shao-an
（Center for Economic Research，Shandong University，Jinan 250100，China）

The article，by using land stock，capital stock and labor employment as input and city GDP as output，employs super-efficiency DEA to estimate the total factor land efficiency of cities above prefecture-level in China and analyzes its in⁃fluencing factors as well.The results show that Chinese urban total factor land efficiency is generally low，industrial structure and the rapid expansion of urban construction land restrict the improvement of land efficiency，human capital and the role of government are beneficial to the improvement of land efficiency，the reform of land marketization promotes the improvement of land efficiency，but not significant.The above factors have different impacts in different regions.

urban land；total factor land efficiency；super-efficiency DEA；influencing factor

黄少安（1962-），男，湖南邵阳人，教授，教育部长江学者特聘教授，博士生导师，院长，研究方向：产权理论，企业理论，制度经济学，农村经济。

F293.2

A

1007-5097（2015）05-0083-07

2015-02-01

国家社会科学基金重大项目（11&ZD048）

夏清滨（1988-），男，山东潍坊人，博士研究生，研究方向：制度经济学，土地制度；