环境因素对城市土地供应效率的影响研究

杨　英　宋凌珂



环境因素对城市土地供应效率的影响研究

杨英宋凌珂

[摘要]新型城镇化的快速推进提出了土地的有效供给问题。目前国内对土地一级市场的研究不足，对城市土地供应行为的外部环境差异考虑不够，影响土地供应效率评价。以三阶段DEA模型对影响我国35个大中城市土地供应效率的环境因素进行研究，得到剔除环境因素和随机误差影响后的各城市土地供应效率值，从而更准确地测度城市的土地供应效率。结果显示：环境因素对我国城市土地供应效率影响较大，其中产业结构有利于土地供应效率的改善，而经济环境和人口规模对城市土地供应效率的改善起到抑制作用；在不考虑环境因素和随机误差的影响时，纯技术无效率是引起我国城市土地供应效率低下的主要原因；在剔除外界环境因素和随机误差的影响后，规模无效率是引起土地供应效率低下的主要原因。

[关键词]土地供应效率； 三阶段DEA； 技术效率； 环境因素

一引言

城市土地作为城市经济、社会和环境的空间载体，对城市的经济社会发展和环境建设具有至关重要的影响。作为城市土地储备工作的最后一环，土地供应是政府进行宏观调控，优化土地资源配置的重要手段，也是实现土地资源有效利用的重要前提。但我国的城市土地储备工作起步较晚，1996年上海成立我国第一家城市土地储备机构以后，各地相继建立了各种土地储备制度和机构。由于缺乏科学的理论指导，目前我国土地供应实践中存在着诸多问题：比如城市土地供给结构不合理，工业用地往往占比过大，商业和服务业次之，对城市发展具有重要意义的城市绿化和广场用地仅占一小部分；一些高能耗、污染严重的企业进入市区，严重影响了城市的可持续发展；土地供不应求与城市土地大量闲置浪费现象并存等。当前，我国正处于城镇化快速发展阶段，城市人口快速增长和城市经济扩张对土地供应提出了大量合理的需求，但由于缺乏有效的流转机制，一些城市土地长久处于闲置或低效利用状态，无法得到最有效的利用。

提高城市土地配置效率是我国城市经济健康发展的关键一环，目前影响城市土地配置效率的原因很多，如土地供需结构、供应方式选择、供需匹配等，环境是其中一项重要因素。因此，以提高我国城市土地供应效率为目标，探讨影响其效率的环境因素，分析它们之间的关系，对政府改进土地供应调控措施有十分重要的意义。

二文献综述

鉴于城市土地对城市经济社会发展的重要作用，学术界针对城市土地利用问题进行了多层面的研究。张志辉(2014)[1]运用Bootstrap-DEA方法，测算了2010年全国622个城市的土地利用效率,并分析其相关影响因素，认为我国城市土地利用效率整体偏低，仍有提高空间。吴得文等(2011)[2]运用数据包络法对2008年全国655个城市的土地投入产出效率进行研究，得到了影响我国城市土地投入产出效率的主要因素。张良悦等(2009)[3]运用数据包络分析和超效率数据包络分析方法测度了2001年、2003年、2005年全国247个城市的土地利用效率，认为我国城市化进程中土地利用效率存在着明显的区域差异，土地的粗放利用不利于我国城市的健康发展和耕地保护。梁流涛等(2013)[4]利用DEA模型测度了2011年全国287个地级以上城市的土地利用效率的空间分异特征，并对效率变化的原因进行分析。夏清滨和黄少安(2015)[5]运用超效率DEA模型测算了2003-2012年全国286个地级市的全要素土地效率，对城市全要素土地效率的影响因素进行分析，认为产业结构和城市建设用地的快速扩张不利于土地利用效率的提高，而人力资本和政府的作用是提高土地利用效率的有利因素。杨清可等(2014)[6]利用非期望产出模型SBM-undesirable，对1997-2010年长三角地区16个城市的土地利用效率进行评价,并在此基础上对城市土地利用投入产出要素进行定量调整。余勤(2012)[7]运用DEA模型对湖北省12个主要城市2005-2009年土地储备决策的有效性进行研究，进而对这些城市可能面临的风险进行分析。顾媛媛(2014)[8]运用DEA模型对我国34个大中城市的土地储备供应决策效率进行评价，进而用Malmquist指数分析34个大中城市在2003-2009年期间土地储备供应决策效率变化趋势，认为2003-2009年土地供应决策效率的改善得益于规模效率的提高。

上述文献多将土地作为一种生产要素对城市土地的利用效率进行研究，而忽视土地供应在土地市场均衡的重要作用，缺乏对土地供应效率的考量。少数学者虽从城市土地供应角度进行探讨，但在进行相关的DEA分析时，未考虑不同的外部环境条件下城市土地供应行为差异，研究结果未剔除环境因素和随机误差的影响，从而未能准确地评价研究对象的效率水平。

鉴于此，本文从城市土地供应角度，综合运用三阶段DEA模型对全国35个大中城市2009-2012年的城市土地供应效率进行研究，确定影响我国城市土地供应效率的主要环境因素，得到剔除环境因素和随机误差影响后各城市的土地供应效率值，以期更加准确地测度城市土地供应效率，为政府有关部门制定相应的土地供应计划提供依据。

三研究方法

(一)第一阶段：传统DEA模型

DEA模型最早是由美国著名运筹学家Charnes等(1978)[9]提出的一种效率测度方法。该模型利用数学规划方法，根据多组投入产出数据求得效率值，即综合效率(TE)。由于Charnes于1978年提出的模型主要针对规模报酬不变的假设，因此该模型也称为CCR模型。随后Banker(1984)[10]又对CCR模型规模收益不变的假设条件进行调整，假设其规模报酬可变，进而提出了BCC模型。BCC模型可以有效地将技术效率分解为规模效率(SE)和纯技术效率(PTE)，得到的纯技术效率值能够更加准确地反映被评价对象的经营管理水平。

对于城市土地供应而言，投入变量相对于产出变量更容易控制，因此第一阶段选用投入导向的BCC模型来进行研究。

假设有n个决策单元DMU(Decision Making Unit),每个决策单元有m种投入和s种产出，xik(i=1,2,…,m)表示第k个决策单元的第i种投入；yjk(j=1,2,…，s)表示第k个决策单元的第j种产出，λk表示第k个决策单元的权重。si-表示第i个投入变量的差额变量，sj+表示第j个产出变量的差额变量。则某一决策单元t，其投入导向的BCC模型如下：

(1)

λk≥0, k=1,2,…n

si-≥0, sj+≥0

通过式(1)可求得纯技术效率(PTE)，θ表示被评价决策单元的纯技术效率值，且0≤θ≤1，当θ=1时，决策单元纯技术效率有效，si-=sj+=0。再利用规模报酬不变假设条件下以投入为导向的CCR模型，求出技术效率值TE,最后根据公式：SE=TE/PTE求得规模效率值SE。

第一阶段运用BCC模型和CCR模型可求得TE、PTE和SE 3种效率值，但所得效率值受外部环境、随机误差和技术无效率等3种因素影响。由于第一阶段传统的DEA模型无法分离3种因素的影响效果，而把所有的影响均归于管理的无效率，这是不准确的。为得到剔除环境因素和随机误差影响的真实效率值，接下来进行第二阶段的分析。

(二)第二阶段：构建相似SFA回归模型

第二阶段，估计各环境变量对决策单元效率值的影响，利用SFA模型进行松弛变量的分解，将环境因素、随机误差分离开来，并根据分析结果调整原始投入变量。

1.建立松弛变量

第一阶段求得各决策单元效率值以及各投入变量的松弛变量，松弛变量是理想投入量与实际投入量之间的差额，即sni=xni-λXi，i=1,2,…，m,其中sni是第n个决策单元的第i种投入的松弛变量，同时受环境变量、随机误差以及内部管理水平3种因素影响。xni是第n个决策单元的第i种投入的实际投入量。

2.构建相似SFA回归模型

以投入变量的松弛变量sni作为被解释变量，以可观测的环境变量作为解释变量，构建回归模型:

sni=fn(zi；βn)+vni+unin=1,…，N,i=1,…，m

(2)

其中，fn(zi;βn)为确定可行松弛前沿，表示环境变量对投入松弛变量sni的影响，一般取fn(zi;βn)=ziβn，zi=(z1i，z2i…zpi)为p个可观测的环境变量，βn为待估计参数。vni+uni为联合误差项，假定vni～N(0，δvn2)，代表随机误差项；uni≥0反映管理无效率，且uni～N+(0，δun2)。另外假定vni与uni相互独立，并且与环境变量也相互独立。

3.调整初始投入量

(3)

(4)

进而调整初始变量，初始投入变量的调整公式为:

(5)

3.第三阶段调整后的DEA模型

四变量选取和数据来源

(一)投入变量选取

选取协议出让土地面积(公顷)、招拍挂土地面积(公顷)、划拨土地面积(公顷)、增量土地面积(公顷)4个指标作为投入要素。

(二)产出变量选取

城市土地供应制度作为政府进行宏观调控的一项制度措施，其目标主要有：增加政府土地收益，显化土地资产价值，为城市建设积累资金；盘活城市存量土地，促进城市土地的集约利用，提高土地利用效率；促进经济发展，提高城市经济发展水平。本文从城市土地供应目标出发，选取土地出让成交价款(万元)、土地集约利用度(万元/平方公里)和地区人均GDP(元)作为产出变量。其中土地集约利用度指标用单位城市建成区面积GDP表示。

(三)环境变量选取

环境变量是指能够影响城市土地供应效率但是不在样本主观可控范围内的因素。根据经济社会发展现状，考虑到对土地供应效率产生影响的政策、区域等因素，本文选取产业结构、经济环境、人口规模3个因素作为环境变量。

1.产业结构

产业结构对一个城市发展有深刻的影响，一方面决定着城市土地利用结构，影响全要素土地利用效率(夏清滨和黄少安，2015)[5]；另一方面，也影响着土地出让计划的制定和城市土地的供应结构。三大产业中，第三产业用地的附加值和土地集约利用程度相对较高，对城市土地供应效率的影响较大。因此，本文选取第三产业占GDP比重来表示产业结构。

2.经济环境

每个城市的经济状况会对其储备土地的供需产生不同程度的影响，从而对投入产出效率造成间接影响。在经济环境层面，选取各城市当年实际GDP增长率来反映经济运行状况。

3.人口规模

各城市大小不同，人口自然不同。我国35个大中城市在发展程度上存在着差异，人口规模也不尽相同。武彦民和杨峥(2012)[13]认为城市人口规模会影响城市规模收益。因此，本文选取年平均人口来反映城市的人口规模因素，以此来测度人口因素对城市储备土地供应绩效的影响。

(四)数据来源

鉴于2009年以前城市年平均人口数据无法获得，选取全国35个大中城市为研究对象，数据期间为2009-2012年。其中土地投入数据和土地出让成交价款来自2010-2013年的《中国国土资源统计年鉴》；地区人均GDP、城市土地集约利用度、环境变量相关数据均来自于2010-2013年的《中国城市统计年鉴》。

五实证分析

(一)第一阶段传统DEA实证结果

第一阶段利用Maxdea6.0软件以及CCR和BCC模型，分别得到2009年、2010年、2011年、2012年各城市的技术效率(TE)、纯技术效率(PTE)和规模效率(SE)。结果见表1、表2、表3。

表2　2009-2012年各城市第一阶段纯技术效率(PTE)

(续上表)

DMU09PTE10PTE11PTE12PTEDMU09PTE10PTE11PTE12PTE广州1.0001.0000.7241.000石家庄1.0001.0001.0000.959贵阳0.4060.3590.2630.352太原0.6260.6990.9400.660哈尔滨0.2970.3060.3510.508天津0.4660.5221.0000.471海口0.8831.0001.0001.000乌鲁木齐0.7580.3620.3321.000杭州1.0001.0001.0001.000武汉0.3780.3561.0000.418合肥0.6190.6141.0001.000西安0.5400.5570.6960.486呼和浩特1.0001.0001.0001.000西宁1.0001.0000.2210.528济南0.4270.6520.7931.000厦门1.0001.0001.0001.000昆明0.3060.9590.4780.689银川0.8190.2670.3300.325兰州1.0000.7580.4190.746郑州0.4160.4720.3110.290南昌0.3040.5800.5740.848重庆0.2540.5521.0001.000南京0.4610.7790.3551.000均值0.6970.7110.7180.760

表3　2009-2012年各城市第一阶段规模效率(SE)

注：↑表示规模报酬递增，↓表示规模报酬递减，空白表示规模报酬不变。

综合表1、表2和表3可知，2009-2012年的技术效率均值分别为0.560、0.630、0.621和0.672，纯技术效率均值分别为0.697、0.711、0.718和0.760，规模效率均值分别为0.83、0.901、0.873和0.885。从上述效率结果可以看出，在不考虑环境因素和随机误差的情况下，各年的规模效率值均大于纯技术效率值，由于技术效率=规模效率×纯技术效率，所以可得出：2009-2012年各年技术无效率主要是由纯技术无效率引起的。

(二)第二阶段SFA回归结果

第一阶段在得到各效率值的同时，也可以得到各投入变量的松弛量。将第一阶段得到的各投入变量的松弛量作为因变量，将环境变量作为自变量，以此来分析外部环境变量对松弛变量的影响，进而根据式(5)来调整初始投入量。利用STATA13.1软件进行回归，具体结果见表4。

表4　第二阶段SFA回归结果

注：***、**、*分别表示通过1%、5%、10%显著性检验；括号内为标准差。

从表4可知，除第三产业占比和年平均人口未对协议出让土地松弛变量产生显著的影响外，其他环境因素对各松弛变量均产生了显著的影响。因此，进行第二阶段的回归是必要的。

1.产业结构因素

第三产业占比对协议出让、招拍挂、划拨、增量土地松弛变量的系数均为负数，说明第三产业所占比重越高越有利于各松弛变量的减少，即第三产业越发达的地方，土地过度投入的可能性就越小。第三产业占比对招拍挂、划拨、增量土地松弛变量的影响分别在10%、5%、5%的水平上显著，而对协议出让土地松弛变量的影响不显著，说明产业结构因素对协议出让土地松弛变量没有产生显著的影响。

2.经济环境因素

GDP增长率对协议出让、招拍挂、划拨、增量土地松弛变量的系数均为正，且分别通过了5%、5%、10%、5%水平的显著性检验。说明GDP增长率越高，各项土地投入的松弛变量越大，即GDP增长率越高的地方，土地过度投入的可能性就越大。

3.人口因素

年平均人口对协议出让、招拍挂、划拨和增量土地投入松弛变量的系数均为正数，这表明，人口越多的城市其各项土地供应的松弛变量越大。除了未对协议出让土地的松弛变量产生显著影响外，对招拍挂、划拨、增量土地松弛变量的影响均通过了1%水平的显著性检验。

(三)第三阶段：投入调整后的DEA结果

根据第二阶段SFA结果，对2009-2012年我国35个大中城市的城市土地投入数据进行调整，再次利用Maxdea6.0软件进行计算，得到剔除环境因素和随机误差影响后的技术效率(TE)、纯技术效率(PTE)、规模效率(SE)值。具体结果见表5、表6和表7：

表5　2009-2012年各城市第三阶段技术效率(TE)

表6　2009-2012年各城市第三阶段纯技术效率(PTE)

(续上表)

DMU09PTE10PTE11PTE12PTEDMU09PTE10PTE11PTE12PTE合肥1.0001.0001.0001.000西安1.0001.0001.0000.994呼和浩特1.0001.0001.0001.000西宁1.0001.0001.0001.000济南0.9740.9941.0001.000厦门1.0001.0001.0001.000昆明0.9960.9910.9860.999银川0.9820.9740.9850.943兰州1.0001.0001.0001.000郑州0.9640.9640.9450.927南昌1.0000.9960.9991.000重庆0.9931.0001.0001.000南京0.9230.9370.9580.810均值0.9890.9880.9890.979

表7　2009-2012各城市第三阶段规模效率(SE)

注：↑表示规模报酬递增，↓表示规模报酬递减，空白表示规模报酬不变。

从表5、表6和表7可知，调整后2009-2012年技术效率(TE)均值分别为0.772、0.746、0.791和0.827，纯技术效率(PTE)均值分别为0.989、0.988、0.989和0.979，规模效率(SE)均值分别为0.780、0.754、0.799和0.845。各年纯技术效率均值均大于规模效率均值，这意味着在剔除环境因素的影响后，由土地投入规模不当引起的规模无效率是导致整体无效率的主要原因。

表8　第一阶段2009-2012历年效率均值

表9　第三阶段2009-2012历年效率均值

对比分析表8和表9可知，调整前后各效率值发生了较大变化。调整前TE、PTE、SE分别为0.621、0.722、0.873，调整后TE、PTE、SE分别为0.784、0.986、0.795。调整后各年纯技术效率均值有较大提高，而规模效率与调整前各年相比有所下降。这充分证明了环境因素的存在会降低城市土地供应的纯技术效率(PTE)，对各效率值产生较大影响，也表明第二阶段进行环境变量的调整十分必要。调整后在城市土地供应规模效率普遍下降的情况下，纯技术效率的大幅提高是引起城市土地供应技术效率提高的主要原因。

由表7可知，在剔除环境因素和随机误差的影响后，2009年仅有青岛1个城市处于规模报酬递减阶段，说明该城市土地投入规模过大；北京、长沙、大连等9个城市规模报酬不变，说明这些城市拥有良好的土地资源配置效率；长春、长沙等25个城市处于规模报酬递增阶段，约占总数的71.4%，表明这些城市土地投入规模还不够，仍有扩大投入规模的空间。2010年，广州和青岛2个城市的规模报酬处于递减阶段，说明这两个城市的土地投入规模过大；北京、大连等6个城市规模报酬不变，说明这些城市拥有良好的土地资源配置效率；长春、长沙等27个城市则处于规模报酬递增阶段，约占总数的77.1%，表明这些城市土地仍有提高投入规模效率的空间。2011年除了北京、大连等8个城市规模报酬不变外，其他27个城市均处于规模报酬递增阶段，约占总数的77.1%。2012年仅有天津1个城市的规模报酬处于递减阶段，包括北京、大连在内的11个城市的规模报酬不变，约占总数48.6%的城市则处于规模报酬递增阶段，表明这些城市土地规模投入还不够，仍有提高投入规模效率的空间。

综合2009-2012年情况来看，剔除环境因素和随机误差后，仅3%的城市规模报酬递减阶段，24%的城市规模效率值为1，而73%的城市处于规模报酬递增阶段。这说明，总体上来看，我国大部分城市的土地投入相对不足，可适当扩大土地投入规模，提高城市土地供应规模效率。

六结论与建议

本文将三阶段DEA模型应用于我国城市土地供应效率问题的研究，通过剔除外部环境和随机误差的影响，使得到的效率值能更加准确地评价被决策单元的效率水平。主要结论如下：

1.第一阶段DEA实证分析结果表明，2009-2012年各年的规模效率均值均大于纯技术效率均值，说明在不考虑环境因素和随机误差的影响时，纯技术无效率是导致城市土地供应效率低下的主要原因。

2.运用SFA模型剔除环境因素和随机误差的影响后，2009-2012年各年的城市土地供应技术效率值，纯技术效率值和规模效率值均发生了不同程度的增减变化。调整后土地供应技术效率值TE、纯技术效率值PTE均大于调整前效率水平，规模效率值SE小于调整前效率水平。

3.第三阶段分析结果表明，剔除环境因素和随机误差的影响后，城市土地供应规模效率低下是引起我国城市土地供应技术无效率的主要原因。

基于上述实证分析结果，提出如下政策建议：

1.发挥政府的引导作用，推进产业结构优化升级，提高城市土地供应效率

由第二阶段的回归分析结果可知，第三产业占比的提高有利于提高我国的城市土地供应效率。与第一产业和第二产业不同，第三产业具有投资小、效益好、就业容量大等特点。以金融业和服务业为代表的第三产业往往需要较少的土地投入，便可带来较大的经济产出。因此，各地政府可在统筹考虑当地经济发展和产业布局的基础上，制定相关的产业政策，促进第三产业的发展，以产业结构的优化升级来带动城市土地供应结构的调整，为我国城市土地供应效率改进提供适宜的外部条件。

2.充分挖掘存量土地利用潜力，提升城市土地供应能力

第三阶段的分析结果表明，我国大部分城市仍处于规模报酬递增阶段，说明这些城市的土地投入相对不足，应当增加城市土地投入。我国城市土地的供应渠道包括存量土地*存量土地是指土地管理部门将一部分闲置或者利用效率低下的城市土地重新收回并再度出让的土地。和增量土地*增量土地是指依法由非城市用地转变为城市建设用地的土地。两个方面。由于农业用地一旦转为建设用地，其土壤表层将受到严重的损害，很难再满足农作物的生长条件。因此，农村土地与城市土地之间的不可逆转换要求我们要严格控制城市土地增量供应，加大对城市存量土地使用潜力的挖掘力度。各城市一方面应当加大对旧城区和闲置土地的再开发力度，盘活存量土地；另一方面可从容积率、投资强度和能耗方面提高供地门槛，充分挖掘现有存量土地利用潜力，提高土地集约利用度，保障城市土地资源的可持续供应。

[参考文献]

[1] 张志辉. 中国城市土地利用效率研究[J]. 数量经济技术经济研究, 2014, (7): 135-149.

[2] 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, 66(8): 1111-1121.

[3] 张良悦, 师傅, 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.

[4] 梁流涛, 赵庆良, 陈聪. 中国城市土地利用效率空间分异特征及优化路径分析[J]. 中国土地科学, 2013, 27(7): 48-54.

[5] 夏清滨, 黄少安. 中国城市全要素土地效率及其影响因素分析[J]. 华东经济管理, 2015, 29(5): 83-89.

[6] 杨清可, 段学军, 叶磊等. 基于SBM-Undesirable模型的城市土地利用效率评价[J]. 资源科学, 2014, 36(4): 712-721.

[7] 余勤. 基于决策效率的土地储备风险研究[D]. 武汉: 华中师范大学, 2012.

[8] 顾媛媛. 基于DEA的土地供应决策效率及其变化研究[J]. 资源科学, 2014, (2): 311-320.

[9] Charnes, A., Cooper, W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, 2(6): 429-444.

[10] Banker, R. D., Charnes, A., Cooper, W. W.. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].ManagementScience, 1984, 30(9): 1078-1092.

[11] Kumbhakar, S. C., Lovell C. A. Knox.StochasticFrontierAnalysis[M]. Cambridge: Cambridge University Press, 2003: 136-142.

[12] Jondrow, J., Lovell, C. A. K., Schmidt, P.. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model[J].JournalofEconometrics, 1982, 19(2-3): 233-238.

[13] 武彦民, 杨峥. 土地财政与最优人才规模[J]. 经济与管理研究, 2012, (3): 29-38.

[DOI]10.14007/j.cnki.cjpl.2016.02.012

[引用方式]杨英, 宋凌珂. 环境因素对城市土地供应效率的影响研究[J]. 产经评论, 2016, 7(2): 132-143.

[责任编辑：莫扬]

A Study of the Influence of Environmental Factors on Urban Land Supply Efficiency

YANG YingSONG Ling-ke

Abstract:The three-stage DEA model is used to study the environmental factors which have influence on the urban land supply efficiency of 35 big cities in our country. We derive the exact efficiency to make a better evaluation of the urban land supply efficiency of each city after striping the environmental factors and statistical noise. The results show that: Environmental factors have a great influence on China’s urban land supply efficiency, in which industrial structure is conducive to the improvement of the urban land supply efficiency, but the economic environment and the population size inhibit the urban land supply efficiency; The pure technical inefficiency is the main factor which leads to the low land supply efficiency when not consider the environmental factors and the statistical noise; Scale inefficiency is the main factor which leads to the low land supply efficiency after striping the environmental factors and statistical noise.

Key words:land supply efficiency; three-stage DEA method; technical efficiency; environmental factors

[中图分类号]F293.2

[文献标识码]A

[文章编号]1674-8298(2016)02-0132-12

[作者简介]杨英，暨南大学经济学院教授，研究方向：区域经济与投资经济;宋凌珂，暨南大学经济学院硕士研究生，研究方向：区域经济学。

[收稿日期]2015-12-15