省域城市建设用地驱动因素的空间面板分析

曹飞



●区域发展

省域城市建设用地驱动因素的空间面板分析

曹飞

（西安电子科技大学 人文学院，陕西 西安 710071）

摘要：为研究中国省域城市建设用地扩张的驱动因素，文章利用2001-2012年全国31个省区的数据，根据空间面板模型，分析了城市建设用地扩张与二产产值、三产产值、固定资产投资、财政收入、城市人口、路网密度及溢出效应之间的关系，得到以下主要结论：二产产值、城镇人口对于城市建设用地为正且显著，三产产值及固定资产投资的驱动作用为负，但不显著；路网密度的驱动作用为负，且显著。中国省域城市建设用地存在较大的外溢效应。提升城市建设用地集约水平需要推动新型工业化，合理疏解城镇人口、建设省域城市建设用地协同机制，发展第三产业，提高路网密度，优化固定资产投资结构。

关键词：城市建设用地；空间面板；驱动要素

［DOI］10.3969/j.issn.1007-5097.2016.07.012

一、引　言

伴随着人口城镇化、经济城镇化的快速推进，城市建成区的急剧扩张也成为城镇化过程中的重要特征（郑新奇等，2008）［1］。由于土地资源供给的稀缺性及18亿亩耕地的制约，建设用地短缺将成为未来城镇化推进的刚性约束要素（傅鸿源和陈煜红，2001）［2］。另外，由于城镇化过程中城市建设用地利用的集约效率不高、土地征收拆迁中引发的社会矛盾激增、对生态环境的次生影响凸显等已经引起学界的关注。关注的着眼点大多在于探索城市建设用地的驱动因子，从而为针对性地提出对策奠定基础。

Karen C.Seto等（2003）［3］以珠江三角地区为例的研究表明，外国直接投资、农地与市地利用之间的相对生产率对于城镇建设用地之间的扩展或者缩减具有重要影响。陈利根等［4］（2004）对马鞍山市的研究表明：城市化水平、经济发展水平的提高带动了城市用地规模的扩张，但优化产业结构有利于减缓城市用地的扩张。Tan Minghong等［5］（2005）对京津冀地区城市建设用地及耕地流失的研究表明：较高的经济增长率引起了城市建设用地和人均城市用地的扩张，但由于存在严格的户籍制度和城市发展规划等阻碍了人口向大城市和中等城市的流入，因而落户门槛相对较低的小城市在接纳大量流入人口的同时而间接引致小城市建设用地规模扩张。上述针对具体城市或区域的研究均表明经济发展、城市化水平提高或城市人口的增加促进了城市用地的扩张，只

赵可等（2010）［9］的研究表明：短期内经济增长1%，城市建设用地面积将增加1.114%，而在长期条件下，城市建设用地面积仅增加0.7%。邓胜华等（2010）［10］对武汉市城市建设用地扩张的影响因素表明，经济发展、人口增长、城市化以及其他因素共同作用引起了城市建设用地的扩张。受环境库兹涅茨曲线启发，胡建民和石忆邵（2008）［11］和黄砺等（2012）［12］认为城市土地扩张曲线可能会呈现倒U形，其理论解释可以围绕规模效应、结构效应和消除效应予以展开，盛业旭等（2014）［13］则在江苏省13个地级市为例的面板分析中得到了证实Kuznets曲线效应假说。

上述分析无疑为后续的城市建设用地驱动因素研究奠定了良好的基础。但从研究对象上看，对单个城市、省份用地扩张的研究较多，而以全国范围内城市为对象的系统性研究较少。因而缺乏宏观上把握城市建设用地的因素分析的深入探讨。需要说明的是，在对城镇建设用地驱动因素的研究中，现有文献忽视了在建成区扩张中的空间依赖性与空间相关性，因而导致研究结论缺乏应有的解释力。因此，这里我们引入空间因素，利用空间面板计量分析方法，对城镇建设用地因素进行实证分析，以期为相关决策提供参考依据。需要说明的是，中国城镇各省区城镇建设用地与建成区面积高度一致，因而本文以城镇建成区面积表示城镇建设用地。

二、理论模型和数据说明

（一）计量方法说明

在中国推动经济均衡发展、促进城乡统筹发展、促进区域经济一体化加快的大背景下，城市群的发展迅速成长，省域间行政边界被淡化，出现了一大批跨省区的城市群。再加上交通、通讯和物流的发展，各省区城镇建设用地相互独立的地区分割不复存在，取而代之的是区域间的相互依赖、相互影响。如果还按照普通的最小二乘法去构建模型，虽然可能会简化分析，但其结论往往是有偏的。因而，通过空间面板模型，既能获得更高的自由度，又能体现空间依赖性，从而增加参数估计的有效性。

（二）构造空间加强矩阵

空间面板分析的基础是构建空间加强矩阵，不同的构建方法应该针对不同的问题进行取舍。但就城镇建设用地来说，一般相邻省区的影响较大，尤其在区域经济一体化的背景下更是如此。因此，参照常规的邻接原则，构建31×31的0、1空间邻接矩阵。其中，海南的邻接省份为广东、广西。

（三）全域空间Moran I指数估算

计算空间相关性的主要方法是空间Moran I指数的计算，主要包括全域空间自相关和局部空间自相关。全域空间自相关反映的是研究变量空间关联程度的总体特征，用Global Moran’s I表示，根据表达式（1）可见，Global Moran’s I的值介于-1～1之间。

其中，n为总省区数；yi，yj为分别为省区i和省区j的建成区面积；yˉ为全国各省区建成区面积的平均值；wij为空间权重矩阵。I值越趋近+1，说明观察变量在空间上上呈现高度正相关依赖性。越接近0，越说明观测数值在地理空间呈随机分布，彼此独立的特征。越接近-1，表明观察变量在空间上呈现高度负相关依赖性。根据公式（1），可以计算出2001-2012年我国省际建成区面积的空间自相关Moran I指数（见表1）。

表1中国省域建成区面积的Global Moran’s I指数

表1表明我国省域建成区面积在空间分布上具有明显的正自相关关系，即全国各省域建成区面积的空间分布并非相互独立，而是表现出相似值之间的空间集聚：一个区域的建成区面积除了会影响东道区域的经济社会发展，也会因为溢出效应而影响周边地区的经济社会。因而，纳入空间因素分析很有必要。

（四）局部空间Moran’s I计算

全域Moran’s I值衡量整个空间系统内总体相关性问题，是以全国的样本进行计算的结果，即观察样本的整体分布情况。这意味着可能存在局部的观察样本与整体样本计算的不一致。为了进一步具体计算全国各局部省域的空间相关性，本文使用空间关联局域指标（LISA）来反映每个省区与相邻省区之间的空间关联程度，LISA指数用局部Moran’s I指数计算。

yi、yj和wij的意义同（1）式。

根据相关性的定义来看，局部Moran’s I可能大于0，空间分布是LL（低乘低），低的被低的包围，或者HH（高乘高），高的被高的包围；如果小于0，则空间分布为HL（高乘低），高的被低的包围。

根据公式（2）对2001年的全国省区建成区面积的Local Moran’s I指数计算结果，在全国31个省区中，(高，高)9个，处于第一象限；(低，低)11个，处于第三象限；(高，低)4个，处于第四象限；(低，高)7个，处于第二象限。总体而言，处于第一象限和第三象限的省区有20个，占全国所有省域的67%。这与Global Moran’s I指数一致。说明中国省域城镇建设用地存在空间溢出效应。表2是根据局部空间Mo⁃ran’s I计算的2001年中国各省区的Local Moran’s I指数及其空间分布。

表2　2001年中国省域Local Moran’s I指数及空间分布

（五）中国省域建成区面积的横向空间差异

表3为2012年中国省域建成区面积及建成区面积占辖区面积百分比。总空间分布来看，中国省域城市建成区面积与经济发展水平的东、中、西梯度水平相一致，总体而言还是从东向西递减，如果进一步用建成区面积除以所在省区的辖区面积，那么从东向西递减的态势将更加明显。

表3　2012年中国省域建成区面积及建成区面积占辖区面积百分比

三、空间面板计量模型

（一）数据来源

为保持统计口径的统一性，本文涉及的全国大陆31个省区城市建设用地面积（用以表示城市建设用地面积）、二产产值、三产产值、固定资产投资、地方财政支出城镇化人口、路网密度数据来源于2002-2013年《中国统计年鉴》。

（二）基准模型与空间模型的构建

基准模型的构建是空间面板分析的基础。依据城镇建设用地驱动的经济学原理与现状，参考现有文献，本文选取二产产值、三产产值、固定资产投资、地方财政支出城镇化人口、路网密度作为解释变量，但是对这些变量的选取的是其绝对值，而不是其所占比例。原因如下：首先，本文研究的是城镇建设用地面积，而不是坚持面积的年度增长率，因此是一个绝对的数值；其次，需要说明的是，现有文献大多采取二产或者三产产值比重或者城镇化人口的比例来作为解释变量。但仔细分析可以发现，如果非农产值或者城镇人口确实对城镇建设用地具有正向推动作用，那么是那些实实在在的非农产值或者城镇人口对城镇建设用地产生了影响而不是他们的比例；举一个绝对的例子来说，一个具有100万人口的省区，即使其城镇化了为100%，其城镇人口也是100万；一个具有1 000万人口的城市，即使及城镇化率为50%，其城镇人口也为500万。对于二产或者三产的比值或者其绝对值，也可以做同样的理解。部分文献认为，城镇建设用地的扩展与土地财政有关，而政府的财政收入有用于下一步的圈地造城。因而通过将地方财政支出作为解释变量可以部分检验是否存在土地财政的倒逼机制。路网密度的加快，促进了区域间、城乡间的通达性，因而其对城镇建设用地的影响也不言而喻。综上所述，考虑到中国产业集群与城市群的互相集聚，再加上交通、通讯的发展，中国建成区面积的扩展也无法摆脱客观存在的地域联系。

（1）基准模型。基准模型为：

其中，i表示截面维，i=1，2，3，…N；t表示时间维，t=1，2，3，…，T；yit（kM2）表示被解释变量在第i个截面单元第t时期的城镇建设用地观测值；xit是k维行向量，表示k个解释变量在第i个截面单元第t时期的观测值，β是k维列向量，表示相应解释变量的系数；其中，x1（万元）、x2（万元）、x3（万元）、x4（万元）、x5（万人）、x6（kM/kM2）分别表示二产产值、三产产值、固定资产投资、地方财政支出城镇化人口、路网密度，β1、β2、β3、β4、β5、β6分别为待估的系数列向量。εit是标准误差项，表示未观测到的影响因变量的其他因素。αi为反映个体差异的变量，表示省（区、市）的固定效应，αti表示时间效应，β1、β2、β3、β4、β5、β6为待估系数。

上述若Moran I指数的检验确定了中国建成区面积的空间相关性，所以应该建立空间因素建立空间计量模型。Anselin将空间因素引入经典计量经济学模型，建立了空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）。SLM主要考察变量在各个地区的空间相关性，讨论的是变量在相邻地区是否存在溢出效应；SEM主要考察存在于误差扰动项中的空间依赖性，讨论的是相邻地区对变量的误差的影响在多大程度上影响了本地区的观察值［14］

（2）空间滞后模型（SLM）。由于区域经济一体化的推进和城乡统筹发展，城镇建设用地存在一定的相关性，可以通过加入因变量的空间滞后因子进行分析，空间滞后模型的基本结构如下：

式中：μi表示空间固定效应，其控制了所有空间固定且不随时间变化的变量；θt则表示时间固定效应，其控制了所有时间固定且不随空间变化的变量；wij是空间权重矩阵W中的一个元素。

（3）空间误差模型（SEM）。在模型设定过程中，很可能会遗漏一些与被解释变量有关的变量，而这些变量存在空间自相关性，同时区域间可能存在随机误差冲击空间溢出效应。因此在某些情况下忽略误差的空间自相关性也会造成模型设定的偏误。

其中，Φit表示空间自相关误差项；λ表示误差项的空间自相关系数。

（三）模型估计与检验

通过前述全域与局域Moran’s I的计算结果，表明了纳入空间要素分析的必要性。另外，基于样本独立假设的最小二乘法对于空间依赖样本的估计是有偏差的。LucAnselin（1988）建议采取极大似然估计，并提出了如下判别准则：首先决定是否可以否定OLS估计结果，其依据是LM（lag）和LM（error）是否可以拒绝零假设。如果有一个LM检验统计量拒绝了零假设，另一个没有拒绝。则坚持没有被拒绝零假设的模型。如果两个都拒绝了零假设，则通过比较LM和Robust LM（lag）检验的显著性，采取显著性强的那么模型来构建空间回归模型［15］。

根据上述的检验规则，检验结果见表4，在检验无论是LM（lag）和LM（error）都拒绝零假设，进一步比较发现LM（lag）较LM（error）更为显著，robustLM-lag也比Robust-LM errorr显著，因此绝对采用空间滞后模型。在滞后模型的空间效应、时间固定效应和双固定效应的估计结果中，绝大多数系数符号一致。但第三产业产值与滞后项系数略有不同。根据前述中国全域及局域空间摩尔指数的计算可见，中国省域城镇建设用地存在正的溢出效应。结合经济学基本理论及中国城镇建设用地扩展的基本现实，本文决定采取空间滞后的空间固定模型予以解释。

表4　空间计量模型选择比较表

四、结论与讨论

通过对2001-2012年全国31个省区城市建设用地驱动要素的实证分析，根据表5的分析结果，得出相关结论。

表5　空间滞后模型及空间误差模型估计结果

（一）二产产值增加将导致城市建设用地的增加

二产产值的增加将导致城镇建设用地的增加。第二产业产值每增加100万元，建成区面积将增加1.05平方公里。这说明工业化对于城镇建设用地驱动作用十分明显，也说明工业用地的粗放性依然存在，保护城镇建设用地的压力很大。从国家经济发展的新常态来说，通过结构优化调整，增速适当修正，创新驱动坚持，坚持新型工业化道路破解城镇建设用地的无序扩张，在节约土地资源等要素投入的情况下，提高工业效益。一方面，工业用地要做好存量土地的潜力挖掘与优化配置，提高工业用地的集约利用水平；另一方面，要坚持耕地总量保护与城镇建设地总量限制的双重约束。即，既要坚守18亿亩耕地红线，又要坚守到2020年全国建设用地总量不逾越3 724×104hm2的高压线（刘琼，等，2014）［16］。

（二）三产产值增加将导致城市建设用地的减小

第三产业产值对于城市建设用地的驱动作用不明显，但符号为负，符合经济学基本理论与现状。第三产业相对第二产业而言，就业方式灵活，产业形态多元，用地需求较小。如金融、中介、物流、咨询、餐饮等行业。或者说，在同样产值的情况下，第三产业比第二产业需求相对更少的土地。第三产业对于城镇建设用地驱动作用不明显，说明今后还要大力发展第三产业，促进第三产业在带动就业、繁荣市场、搞活经济中的巨大作用。一方面促进产业高级化的进程，另一方面促进城镇建设用地集约利用水平的提高。

（三）固定资产投资对建成区面积的增加为负面影响

固定资产投资对城市建设用地的影响为负，说明两个问题。一是固定资产投资主要在现有城镇建设用地存量上进行强化，而不是在增量上进行投资；第二个原因可能是近几年国家加大了对欠发达地区（中西部地区）城镇固定资产的投入，但是，由于这些地区建成区面积较小，需要投入更多的资金来推动空间城镇化。而城镇化发达的地区，建成区面积已经较大，因而需要投入的资金相对较少。二者共同作用的结果是，固定资产投资与建成区面积扩大的方向相反。从城镇化区域均衡发展的角度来说，今后国家应通过优化固定资产投资的区域分布，加大对中西部等欠发达地区的固定资产投资，提高城镇土地利用的集约节约水平。

（四）财政收入对建成区的影响不明显

财政收入对于城镇建设用地的驱动作用为正，但并不明显。财政收入对于城镇建设用地的驱动作用非常微小，从而说明建成区的扩大主要是一种市场行为，而不是完全政府主导的。事实上，在城镇化的进程中，商住楼盘或写字楼、厂房的建设等都将导致城镇建设用地的扩大。而上述行为主要是在市场经济的逐利机制下发生的，但需要说明的是，市场行为本身具有一定的盲目性和滞后性，因此政府应该合理引导，科学规划。一方面，政府自身避免规划失误，以免空城或鬼城而导致土地浪费；另一方面，政府对于商业楼盘的开发也要合理审批和监管，避免楼市大起大落导致的烂尾楼、天价楼问题，从而提高城镇建设用地集约水平。

（五）城镇人口的增加将引致建成区面积的扩大

城镇人口的增加将引致城市建设用地的增加。城镇人口每增加1万人，建成区面积将增加15.2平方公里。这与现有文献所持的城镇人口对城镇建设用地的正向驱动作用是一致的。事实上，城镇人口的聚集不仅仅带来住房的需求，教育、就医、就业、公共服务等都需要同步配套。因此，一方面大城市的交通拥挤、住房紧张等问题本身需要合理疏散大城市中的人口，今后的城镇化道路应该坚持大城市与中、小城市的均衡发展道路；另一方面，从土地集约利用的角度来说，通过发展小城镇，缓解大城市用地压力，控制建成区面积过度扩展，从而提高城市土地集约利用水平。

（六）路网密度的加大有助于提高土地集约利用水平

路网密度每上升1km/km2，城市建设用地就将减少101.2平方公里。每一个省区路网密度不仅可以改善本区域与其他区域的交通条件，而且可以改善区域内部的交通条件。交通条件的改善，有助于将一部分产业、一部分人口转移到农村，推动农村工业化和农村城镇化。从而有助于降低城市的用地压力，缓解城镇建设用地的压力。从全国来看，大多数省区村村通水泥路已经基本实现或者正在建设，这些路网密度的提高和延伸，实际上也加快了农村产业化、农村现代化的发展。农村产业化、农村现代化的发展不仅奠定了工业化、城镇化的基础，而且通过延伸农业产业链、提升农产品附加值等方法，提高了耕地的相对价值和吸引力，从而进一步降低城镇建设用地的用地压力，促进城镇建设用地集约水平提高。

（七）中国省域建成区面积的扩展具有较大的外溢效应

相邻省区对于所在省区城镇建设用地的驱动作用不显著，但符号为正，根据前文的空间Moran’s I指数的计算及中国城镇建设用地扩张的现状，可以认为相邻省区的城市建设用地每扩展1个百分点，则所在省区的城市建设用地将扩展0.04个百分点。这表明在中国区域经济一体化的加快的背景下，相邻省区为缩小空间距离而集中连片地推进城镇建设。其实区域经济一体化的加快，并不是简单地区域连接这建成区面积的无谓扩张。简单的区域扩展不仅导致土地资源的粗放式开放利用，而且与之伴随的是环境问题的以邻为壑。因此，在今后区域经济一体化的过程及城市群的建设中应该更多在产业分工协作的基础上，利用交通、通讯、物流、信息等方式推进区域经济一体化而不是土地面积的外延式扩展。

参考文献：

［1］郑新奇，孙元军，付梅臣，等.中国城镇建设用地结构合理性分析方法研究［J］.中国土地科学，2008，22（5）：4-10.

［2］傅鸿源，陈煜红.城市建设用地利用结构优SD-MOP整合模型研究［J］.土木工程学报，2001，44（4）：129-135.

［3］Karen C Seto.Modeling the drivers of urban land use change in the pearl river delta，China：Integrating remote sensing withsocioeconomic data［J］.Land Economics，2003，79（1）：106-121.

［4］陈利根，陈会广，曲福田，等.经济发展、产业结构调整与城镇建设用地规模控制——以马鞍山市为例［J］.资源科学，2004，26（6）：137-144.

［5］Tan Minghong，LI Xinbin，Xie Hui，et al.Urban land expan⁃sion and arable land loss in China——A case study ofBei⁃jing-Tianjin-Hebei region［J］.Land Use Policy，2005，22：187-196.

［6］闵捷，张安录，吴中元，等.农地城市流转驱动机制的时空尺度效应分析［J］.自然资源学报，2008，23（5）：808-820.

［7］张健，陈凤，濮励杰，等.近20年苏锡常地区土地利用格局变化及其驱动因素分析［J］.资源科学，2007，29（4）：61-69.

［8］吴大放，刘艳艳，董玉祥，等.珠海市建设用地变化时空特征及其驱动力分析［J］.经济地理.2010，30（2）：226-232.

［9］赵可，张安录，马爱慧，等.中国1981年-2007年经济增长与城市建设用地关系分析［J］.资源科学，2010，32（12）：2329-2335.

［10］邓胜华，梅昀，陈曲，等.基于对应分析的城市建设用地扩张研究——以武汉市为例［J］.资源科学，2010，32（9）：1746-1751.

［11］胡建民，石忆邵.略论耕地库兹涅茨曲线在我国的适用性［J］.长江流域资源与环境，2008，17（4）：588-592.

［12］黄砺，王佑辉，吴艳.中国建设用地扩张的变化路径识别［J］.中国人口·资源与环境，2012，22（9）：54-60.

［13］盛业旭，刘琼，欧名豪，等.城市土地扩张与经济发展的Kuznets曲线效应分析——以江苏省13个地级市为例［J］.资源科学，2014，36（2）：296-302.

［14］钱晓烨，迟巍，黎波.人力资本对我国区域创新及经济增长的影响［J］.数量经济与技术经济研究，2010（4）：107-120.

［15］AnselinL.Spatial Economics：Methods and Models［M］. Dordrecht：Kluwer Academic Publishers，1988.

［16］刘琼，佴伶俐，欧名豪，等.内基于脱钩情景的中国建设用地总量管控目标分析［J］.南京农业大学学报：社会科学版，2014，14（2）：80-85.

［责任编辑：程靖］

中图分类号：F127：F293

文献标志码：A

文章编号：1007-5097（2016）07-0075-06

收稿日期：2015-09-08

基金项目：教育部人文社会科学研究青年基金项目（14YJC790004）；陕西省人文社会科学基金项目（13D264）；中央高校基本科研业务费专项资金项目（7214546401）

作者简介：曹飞（1974-），男，陕西榆林人，副教授，经济学博士，研究方向：区域经济，城镇化。是在影响力度方面存在差异。闵捷等［6］（2008）的研究也表明，产业结构升级有助于缓释城镇建设用地扩张。张健等（2007）［7］、吴大放等［8］（2010）对中国城镇建设用地的研究也表明了类似结论。

The Spatial Panel Analysis on Driving Factors of Urban Construction Land in Provincial Cities

CAO Fei
（Institute of Literature，Xidian University，Xi’an 710071，China）

Abstract:In order to study Chinese provincial cities construction land expansion driving factors，the paper，using the data of 31 provincial-level administrative areas from 2001 to 2012，employing the spatial panel model，analyzes the relationship between city construction land and expansion and second industry output，tertiary industry output，investment in fixed assets，fiscal revenue，urban population，the density of road network as well as the spillover effect，the main conclusions are as following：The driving effect of second industry output and urban population on urban construction land is significant positive，the driving effect of tertiary industry output and investment in fixed assets is negative，but not significant；the driving effect of road network density effect is significant negative.The Chinese provincial urban construction land has a greater spillover effect.The enhancement of the level of intensive urban construction land should follow：promoting the new industrialization，reasonable relief urban population，establishing the coordination mechanism organization for provincial cities urban construction land use，developing tertiary industry，improving the density of road network，optimizing the structure of investment in fixed assets.

Keywords:urban construction land；the spatial panel；driving factors