发达地区城市工业用地效率评价及影响因素研究——以浙江省绍兴市为例

刘向南，单嘉铭，石晓平，汪明进

（1.南京农业大学公共管理学院，江苏南京 210095；2.浙江绍兴市委党校，浙江绍兴 312000）

发达地区城市工业用地效率评价及影响因素研究
——以浙江省绍兴市为例

刘向南1，单嘉铭1，石晓平1，汪明进2

（1.南京农业大学公共管理学院，江苏南京 210095；2.浙江绍兴市委党校，浙江绍兴 312000）

文章以浙江绍兴市6个县（市、区）工业用地为研究对象，采用数据包络分析（DEA）法和Malmquist指数模型，测度各地工业用地效率、工业全要素生产率及其时空特征，并构建回归模型研究工业用地效率的主要影响因素及其可能的作用机制。研究发现：工业用地的区位特征明显区别于住宅、商服等行业，用地效率与工业用地管控、产业转型、投资结构、科技创新等紧密关联；地方政府供地和投资政策与工业全要素生产率变化存在着较强关联性，工业全要素生产率提高主要依靠技术进步；经济发达地区城市工业用地效率的主要影响因素是工业研发投入、工业企业规模、工业土地持有成本和工业行业集聚度。在此基础上，从实施技术驱动发展模式、改革土地出让方式、促进企业适度规模经营、推进产业有效集聚等方面提出了政策建议。

发达地区；工业用地；效率；影响因素；DEA-Malmquist指数法

一、引言

随着我国工业化和城镇化快速发展，建设用地持续扩张，耕地和生态用地面积不断减少，严重威胁了粮食安全和生态安全［1］。在我国建设用地中，工业用地占比达21.79%，明显高于发达国家平均约10%左右的水平［2］;工业用地利用粗放，且产出效率偏低，我国发达地区工业用地容积率仅0.3～0.6，发达国家一般在1.0以上［3］;长三角地区的工业平均产出率，只相当于国际平均产出率的1/80［4］;相对粗放的工业用地方式也在一定程度上导致了产业结构的低端化。到2020年，我国常住人口城镇化率将从2013年的53.7%提高到60%左右，2025年要基本实现工业化;同时，经济新常态背景下如何促进产业转型升级，对保持宏观经济的持续发展、突破“中等收入陷阱”的隐忧也具有关键意义［5］。土地是基本的生产要素，转变用地方式，提高工业用地效率，是化解工业化、城镇化用地难题和资源约束的关键途径，同时对引导工业技术创新和转型升级也具有重要的现实意义。发达地区处于我国经济发展的前沿，对其在这一方面的实践评价与总结，具有更加重要和典型的示范意义。

目前，国内学术界侧重于对城乡建设用地整体上的研究，专门针对工业用地的研究尚处在起步阶段［6］，研究工业用地的学术文献也主要集中于集约利用方面［7-10］。在研究工业用地效率的少量文献中，既有的研究主要集中在从相对宏观的区域层面对工业用地的效率及其时空差异进行分析和评价［11-16］，对效率的内涵认识和测度较为单一，对影响效率的主要因素及造成这种差异的客观原因和机制也缺少相对深入和系统的探讨。在现有工业用地效率的研究方法上，主要包括从投入产出角度设定若干指标进行评价［17］，或采用全要素生产率法［18］、单指标分析法［19］、综合指标法［20］、生产函数法［21］进行评价等。以上研究需要构建评价指标体系，或者设定具体函数，但由于确定指标权重、预设函数模型具有较强的主观性，往往影响到对工业用地效率评价的客观性。因此，探索更有效的研究方法也是工业用地效率研究的一个重要发展方向。

本研究以浙江省绍兴市所辖6个县（市、区）为样本，采用数据包络分析法（Data Envelopment Analysis，简记DEA）和Malmquist指数方法，测度2010-2014年各县域工业用地综合效率，并建立计量回归模型，构建面板数据，分析工业用地效率的主要影响因素及其内在机制，提出优化工业用地效率的相关政策建议，以期为合理调控、高效利用城市工业用地提供科学的管理和决策依据。

二、工业用地效率的测量与评价

（一）研究方法

本研究首先通过DEA法计算出各地工业用地综合效率，评估各地工业用地效率及其变化结构特征①。在此基础上，计算Malmquist指数，进一步考察各地包含土地要素投入的工业全要素生产率（Total Factor Productivity，简记TFP）变化情况，并将全要素生产率分解为技术效率变化和技术进步变化，观察其对生产率的影响。

1.数据包络分析法（DEA法）

DEA模型以线性规划的数学过程，将决策单元（Decision Making Unit，简记DMU）的投入、产出，映射到空间中线性组合，构建一条包络前沿线，从而衡量每个决策单元的相对效率。CCR（Charnes&Cooper &Rhodes）模型是第一个DEA模型，它是在假设DMU规模报酬不变的情况下衡量整体效率，然而并不是所有的DMU都处于规模报酬不变的情形。鉴于此，Banker等修正了规模报酬不变的假设，提出了在规模报酬变动下的BCC（Banker&Charnes&Coopers）模型。DEA方法的基本公式为［22］：

式（1）中，当δ=0时，为假设规模报酬不变的CCR模型;当δ=1时，为假设规模报酬可变的BCC模型。θ为决策单元（DMU）的相对效率；x表示投入变量，y表示产出变量;s-与s+分别表示投入与输出的松弛变量;λj是根据DMUj重新构造一个有效DMU组合时第j个决策单元的组合比例。θ介于0和1之间，数值越大说明决策单元越有效率，θ为1则表明投入产出最优。本文把所研究的每一个县（市、区）当作是一个多投入、多产出的决策单元，它们所处的发展阶段不同，规模报酬有明显差异，因此，本文选择规模报酬可变的BCC模型，以更好地反映不同县（市、区）的工业用地效率。

2.Malmquist指数模型

由于各期的生产前沿面不同，CCR模型和BCC模型不能对时间序列数据进行有效分析，而Malmquist指数则能弥补上述两个模型的不足，对时间序列数据进行纵向分析。基于DEA的Malmquist指数是广泛应用的测度全要素生产率的方法，具有非参数模型优点。其公式为：

式（2）基于产出情形，式中x表示投入向量，y表示产出向量，（xt,yt）、（xt+1,yt+1）表示从第t期到t+1期的决策单元i的技术进步变化指数;为距离函数，即BCC模型的效率函数值，表示生产配置（xt,yt）到t时刻前沿面的距离。对公式（2）进行分解推导，又可以得到Malmquist指数的公式：

式（3）中，第一项为技术效率变化指数，即从t时期到t+1时期的变化;第二项为技术进步变化指数，即t时期到t+1时期生产前沿面的移动变化。Malmquist指数变化大于1，表明从t时期到t+1时期包含土地要素投入的工业全要素生产效率是增长的;小于1，表明效率衰退;等于1，表明效率不变。

（二）指标选择

1.研究对象概况

本研究以浙江省绍兴市所辖6个县（市、区）作为研究对象，并将每一个县级行政区抽象化为工业生产的决策单元（DMU）。绍兴市地处浙江省东部，2014年经济总量居中国主要城市第36位，所辖6个县（市、区）均是全国百强县，但在发展水平上仍有较明显差异，其基本情况见表1。绍兴市是全国十大国土资源节约集约模范市，也是国土资源部、浙江省政府确定的城镇低效用地再开发试点市，在工业用地利用管理方面进行了积极的探索，研究绍兴6个县（市、区）的工业用地效率及影响因素，对于工业经济转型升级和城镇化健康发展，具有较好的典型性和先导价值。

表1 绍兴市6个县（市、区）基本情况（2014年）

2.指标选取与数据来源

变量指标的选择，是运用DEA-Malmquist指数法的关键。土地利用效率评价涉及经济、社会及生态三个方面因素［23］，考虑到评价经济系统相对效率的DEA方法特点和指标的定量化，对工业用地效率评价时往往选择经济方面的多指标进行分析，由此得到多投入多产出变量指标组合［16］。所取投入指标主要是土地、劳动力、资产投入和财政支出等，所取产出指标主要是国民生产总值、工业产值、工业增加值、工业利润总额、工业税收、财政收入等［12-13，16-17］。综合参考指标的关联性和代表性，并考虑数据的可获得性，本研究选择土地、劳动力、资产作为投入要素，将工业产值、利润作为产出要素，并分别以各地规模以上工业企业的用地面积、全部职工年人数、资产总额和总产值、利润总额来表征，分析其工业用地效率。考虑到2010年规模以上工业企业统计口径由年主营业务收入500万元调至2000万元，本文研究的时间上限为2010年，时间维度为2010-2014年，研究数据主要来自历年《绍兴统计年鉴》②。

（三）工业用地效率评价与差异分析

1.工业用地效率及其特征

运用BCC模型和DEAP2.1软件，计算绍兴市6个县（市、区）2010-2014年工业用地效率，结果见表2。

表2 绍兴市6个县（市、区）工业用地效率（2010-2014年）

对表2进行分析，发现绍兴市县域工业用地效率的以下几个特征：

（1）县域之间工业用地效率的整体差距不大。从表2看，绍兴市6个区域的5年平均工业用地效率相对都处在较高水平，诸暨、新昌一直为1，柯桥、上虞、嵊州、越城分别为0.987、0.936、0.802、0.773，这说明绍兴全市各地的工业用地效率相对比较均衡，与绍兴市作为国土资源节约集约模范市的地位是相吻合的。

（2）工业用地效率变化与时间推进没有关联。5年间，诸暨、新昌和柯桥一直稳定在相对最优或者逐年提高;上虞波动中呈上升趋势，嵊州、越城则表现为逐渐走弱的趋势。这说明工业用地效率并不会随时间推进而自然提高，甚至一定程度上存在着路径依赖的特征，这也为政府加强工业用地管理提供了重要的理论依据。

（3）工业用地效率高低与区位优劣没有必然联系。从空间分异看，诸暨、新昌、柯桥、上虞始终处于较高或者最优水平，而嵊州、越城一直相对较低。就交通区位来说，处于绍兴市南部山区的新昌效率一直处于最优水平，而处在绍兴市中心城区的越城效率却最低，这反映了工业用地在区位特征上与商服、居住等用地存在显著的差别。

（4）各地在工业用地管控、产业转型、投资结构、科技创新等方面的差异，对工业用地效率具有较大影响。如工业用地效率一直处于最优的新昌县，产业层次高、科技创新能力强，2014年全县研发经费占GDP比重达3.84%。诸暨是全国国土资源节约集约模范县（市），2011年就规定新上工业项目实际投入必须高于6 000万元/hm2、外资投入必须高于600万美元/hm2。柯桥在全国首创“以亩产论英雄”理念，在浙江率先调整城镇土地使用税，对印染行业采取集聚发展策略，有效促进了工业用地效率的优化。上虞工业技改投入占工业投资的80%以上，拥有境内外上市公司14家，良好的企业、产业和投资结构，保障其有相对稳定和比较高的工业土地产出效益。嵊州以劳动密集型的轻工业为主，企业规模小，土地资源相对丰富，今后10年仍有可利用土地约6 666.7 hm2，一定程度导致用地相对粗放。越城是绍兴市政治中心，工业发展受制于三产发展和主城区功能的限制，2014年工业占GDP比重仅34.1%、为全市最低，区域内紧密相连的绍兴高新区、袍江开发区这2个国家级开发区的产业定位不清、重复投资多，这些因素在较大程度上导致越城工业用地效率相对偏低。

2.工业全要素生产率及其分解特征

运用DEAP2.1软件，我们计算2010-2014年绍兴市全市逐年Malmquist指数变化特征，结果见图1。

图1 绍兴市全市逐年工业Malmquist指数（2010-2014年）

从图1可以发现：

（1）绍兴市工业全要素生产率5年间呈“N”型波动特征。在2010-2014年间，绍兴全市工业全要素生产率Malmquist指数波动曲线比较明显，分别为1.000、1.094、0.937、0.962、1.030，其中有3年的工业Malmquist指数为1或超过1，说明工业全要素生产率在上升。总体呈现“升—降—升”的特征，近三年出现上升趋势。

（2）短期工业用地的过度扩张和无序投资，导致工业用地效率下降。绍兴市2012年和2013年这2年的Malmquist指数不到1，说明这2年的工业全要素生产率在下降，这与其短期过量的用地扩张和无序的工业投资紧密相关。资料表明，绍兴市在国际金融危机中遭受冲击很大，2008年和2009年的全市工业投资分别只有2.2%和9.8%，其后受国家4万亿投资政策刺激，工业投资和用地扩张出现爆发式反弹，2010-2013年工业投资增长分别增长14.8%、19.6%、18.4%和13.4%。由于投资产出的后续效应和投资效率关系，导致出现工业全要素生产效率波动。这说明，过量的土地供应和盲目投资反而会导致生产率下降，必须改变粗放用地模式，保持投资的有效性、适度性，进而提高土地要素对工业全要素生产率的积极贡献。

为深入考察全要素生产率（TFP）变化情况和变化结构，我们运用DEAP2.1软件，分别计算6个县（市、区）5年间的工业Malmquist指数的平均值，并将其分解为技术效率变化项和技术进步变化项，结果见表3。

表3 绍兴市6个县（市、区）工业Malmquist指数（2010-2014年）

由表3可知：

（1）绍兴市各县（市、区）工业全要素生产率5年间总体小幅上升。6个区域中有4个区域5年间的平均Malmquist指数大于1；全市平均也大于1，说明工业全要素生产率是上升的，但平均增长率仅0.5%。

（2）工业全要素生产率提升主要得益于技术进步。从技术有效性分析，6个区域的技术进步变化指数大于1，技术效率变化指数小于1;全要素生产率大于1的4个县（市、区）中除了上虞，技术进步变化指数都要大于技术效率变化指数，这说明效率提升主要源于技术进步。新昌的全要素生产率下降幅度最大，其技术效率变化为1，但是技术进步变化指数为0.926，说明技术进步的贡献在衰退，这可能是由于新昌前期技术积累的基数较大，近年相对则有所下降，同时也可能与新昌地处山区、土地资源制约紧而导致产业转移、人才外流有关。柯桥各项指标都处在前列，这说明其在产业转型过程中，比较充分地发挥了技术进步和产业集群优势。技术进步和工业全要素生产率变化之间的这一关系，也印证学者们对技术创新在实现经济合理增长、突破“中等收入陷阱”中具有关键作用的判断［5，24］。

三、工业用地效率影响因素分析

在对工业用地效率及其变化特征研究的基础上，要将其有效反馈到工业用地管控的公共政策层面，需要进一步对其影响因素做深入的分析。

（一）变量选取

效率作为经济学的核心概念具有清晰的理论内涵，但在现实中则具有复杂的影响机制。根据经典的“土地经济学”研究，技术是用地效率的关键影响因素，在技术条件一定的情况下，用地效率主要受到集约经营、规模经济、制度安排等因素的影响［25］；在土地面积一定的情况下，其他要素的投入增加会带来边际产出的阶段性变化从而影响用地效率；同时，企业规模扩大以及企业积聚可能带来单位产出成本下降、利润增加的规模经济效应；此外，不同的制度安排直接影响着市场竞争的充分性进而影响到用地效率的变化。

基于相关理论的研究，为继续考察绍兴市6个县（市、区）的工业用地效率的影响因素，本研究根据已有文献，结合数据的可获得性，从宏观角度出发，选取工业资本投入、工业土地人力投入、工业研发投入、工业企业规模、工业土地持有成本、工业行业开放度、工业行业集聚度等7个影响因素，并用相应指标分别表征，具体见表4。其中，工业资本投入、工业土地人力投入、工业研发投入主要用以表征其他要素投入变化的集约经济效应，研发投入也隐含了技术变化的可能性；工业企业规模、工业行业集聚度用以表征影响用地效率的规模经济因素；工业土地持有成本、工业行业开放度则用以间接表征工业用地市场竞争的充分性。

表4 各变量含义

以上解释变量的基本数据主要来源于历年《绍兴统计年鉴》，涉及企业的相关数据均指当地每年对规模以上工业企业的统计。最终的面板数据包含7个截面单元在5年内的时间序列数据。

（二）模型选择与实证分析

通过混合回归模型、固定效应模型和随机效应模型，对面板数据进行分析比较，实证结果见表5。

表5中，模型（1）为混合回归模型（ols），模型（2）为固定效应模型（fe），模型（3）为随机效应模型（re）。从F检验（似然比率检验）可以看出，固定效应模型明显优于其他模型。从Hausman检验（内生性检验）来看，应当选用随机效应模型。混合回归模型的拟合优度为0.816，相对最高。据此，通过对三个模型分析结果的比较，来综合评判工业用地效率的影响因素及其可能的作用机制。

表5 面板数据模型回归结果

（1）工业资本投入（capit）变量在3个模型中的显著性有差异。在固定效应模型中没有通过显著性检验，但在随机效应模型和混合回归模型中都在1%水平上显著且其系数为正。对此可理解为，在经济发达区域，资金要素逐渐饱和，土地瓶颈成为重要制约因素，经济发展已在寻找其他要素支撑，张琳等在研究东部地区城市工业用地生产效率时也得出这一结论［18］，说明这种现象在发达地区有一定普遍性。同时，单位土地上工业资本投入高，其用地规模效应也就高。这两方面说明，如果不能缓解用地瓶颈，没有工业用地上的有效资本投入，将会影响经济发达地区工业生产率的潜在增长。

（2）工业土地人力投入（labor）变量在3个模型中都不显著，说明不是影响当地工业用地效率的主要因素。其系数均为负，表明与工业用地效率负相关，可能的原因是这些地区劳动密集型企业较多，企业劳动力数量相对过剩，所付出的劳动力成本较高，从而存在通过减少单位土地上的劳动力投入来提高工业用地效率的现实可能。

（3）工业研发投入（scien）变量在固定效应模型中通过了5%的显著性检验且其系数为正，表明其与工业用地效率具有较显著的正相关关系。在单位工业用地上的科技活动经费投入多，反映出当地企业的产品附加值高、科技盈利能力强，从而提高了单位土地产出效率。但在随机效应、混合效应模型中此变量虽然呈现为正相关关系，但没有表现出显著性，结合现实看，其中的可能原因是，绍兴企业研发整体投入仍然不够，技术研发与市场需求的紧密度有待加强，核心技术缺乏，人才不足，科技成果转化率较低，还没有形成依靠科技创新提升工业发展水平的有效机制。

（4）工业企业规模（scale）变量在固定效应模型中通过了1%的显著性检验且其系数为正，在随机效应模型中通过了5%的显著性检验且其系数为正;在考察其与工业用地效率之间是否存在非线性关系的二次项里，固定效应、随机效应模型均在5%水平上显著为负，这表明了随工业企业用人规模的扩张，工业用地效率先升后降，呈现倒“U”型特征，符合规模报酬递减规律。

（5）工业土地持有成本（cost）变量在3个模型中都通过了5%的显著性检验且其系数为负，表明其与工业用地效率具有负相关关系，单位工业用地的持有成本越高，其用地效率越低。一般认为土地持有成本应该与用地效率呈正相关关系，工业用地价格高，越有利于企业用地效率的提高，企业借此来抵消生产成本、获取更大的经济效益［26］。但模型显示的结果与此结论不一致，可能原因有二个：第一，绍兴工业企业对土地的依赖性仍比较强，2014年全市工业用地占建设用地比例高达24%，在高成本持有土地的情况下，由于科技创新较弱、工业结构不优，企业“心有余而力不足”，难以使土地产出达到最大化。第二，由于近年来经济形势不乐观等原因，企业可能存在囤地、占而未用的情况，徒然增加生产成本，导致土地产出效率降低。

（6）工业行业开放度（open）变量在3个模型中都没有通过显著性检验，说明其不对工业用地效率起显著影响。这一结论，与已有文献对我国省级行政区的研究结果并不一致［13］。一般来说，当地工业经济开放度高，表明融入国际市场深，能促进行业结构调整、提高生产管理能力、增强科技投入，有利于提高单位土地产值和效率。导致两者研究结论不一的可能原因是，省际城市尤其是中西部与东部地区之间，在发展水平、对外开放程度等方面存在明显差异，使得工业行业开放度的影响表现显著。而本文研究的绍兴市6个县（市、区）地域临近，经济国际化程度相对较高且差距不大，因而工业行业开放度难以体现县域之间的差异，也就不能对工业用地效率变化形成显著影响。

（7）工业行业集聚度（agg）在3个模型中都通过了5%以上显著性的检验且系数均为正，说明其与工业用地效率具有显著的正相关。一个地方的工业总产值越高，表明其工业化程度越高，工业产业集聚程度相应提高，有利于强化行业内及行业间的分工协作，延伸产业链，降低生产成本，提高其工业用地效率和经济竞争力。

四、结论与政策建议

（一）结论

（1）从工业用地效率看，绍兴市6个县（市、区）工业用地效率县域差距不很明显，但作为中心城区越城区和嵊州市呈现走弱态势。这里一方面反映了工业用地明显区别于住宅、商服等行业的区位特征;同时，客观上也反映了各地在工业用地管控、产业转型、投资结构等方面的差异;说明工业用地效率的提升并不是一个经济增长中的自然现象，确实需要政府进行管控和政策引导，从用地环节避免供地粗放、重复投资、工业布局与城市功能不匹配等问题。

（2）从包含土地投入的工业全要素生产率看，5年中全市工业全要素生产率在波动中小幅上升，平均Malmquist指数为1.005，其中有3年为1或超过1。地方政府的供地和投资政策与工业全要素生产率的变化间存在着较强的关联性，表明适度、有效的供地和投资有助于维持较高的工业潜在生产率。

具体到技术进步变化指数和技术效率变化指数看，工业全要素生产率的提高主要是依靠技术进步。这一点在工业用地效率影响因素的固定效应模型分析中进一步得到了验证，相比较人力投入和资本投入，只有研发投入具有显著的正向影响。

（3）从影响发达地区县域工业用地效率的主要因素看，包括工业研发投入、工业企业规模、工业土地持有成本、工业行业集聚度。工业企业的研发投入对提高用地效率具有积极影响;企业规模与用地效率存在倒“U”型的非线性关系，保持适度规模有利于提高用地效率;因受目前企业管理水平、创新能力制约，土地持有成本越高，其用地效率反而降低;当地的行业集聚度高、工业化水平高，有助于工业用地效率的提高。

（二）可能的政策建议

（1）加快实现由劳动密集型、投资拉动型向技术驱动型发展模式转变。当前的土地瓶颈制约日益趋紧，劳动力成本不断提高，对工业企业经营者来说，应加大在工业土地上的技术投入力度，加强科技创新与市场需求的对接，提高研发成果转化率，加快形成从研发到产出的长效机制，促进产业转型升级，不断提高科技进步对工业全要素生产率增长的贡献。

（2）改革工业土地出让方式，加强对已供土地使用的监管。土地持有成本升高制约工业用地效率提高的结果，一定程度上反映了中国工业用地成本与发达国家相比差距大大缩小的现实。地方政府应改革土地出让制度，通过弹性的工业用地出让方式、加强供后监管和土地使用税等调节手段，避免企业一次性付出过高用地成本，使其将有限资本更多投入技术创新和资本积累，同时规避盲目占地、占而不用等问题，形成更加实际和具有持续性的出让模式。

（3）促进企业适度规模经营，同时避免出现规模不经济。政府要综合运用法律、市场和行政等多种手段，推动“低小散”工业企业整合提升，鼓励企业兼并重组等做大做强，实现适度规模经营，进而提高土地产出效率。对劳动力相对富余的工业企业，要通过“机器换人”等途径，适度减少劳动用工，降低单位土地的劳动力成本，促进工业用地效率提升。

（4）加强园区产业规划，引导企业入园发展，推进产业有效集聚。通过园区产业规划，围绕产业链优化加强招商引资中的针对性，同时加大原有工业企业的集聚与整合，实现产业相对集聚、差异化和互补化发展，有效降低生产成本，促进产业整体升级，提高工业用地效率和发展水平。

注释：

①相比较指标评价和生产函数等研究方法，作为非参数估计方法的DEA法优势明显，其以相对效率概念为基础，不受投入、产出复杂变量的影响，指标权重内定，有效消除了主观因素干扰。

②其中规模以上工业企业用地面积由绍兴市国土局提供。

［1］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，2007，29（6）：106-113.

［2］马庆斌.关于建立健全集约利用工业用地的制度和机制研究［J］.中国市场，2013（12）：26-50.

［3］车娜.差别化管理推进工业节约集约用地［N］.中国国土资源报，2012-10-30（3）.

［4］陈立定.工业用地供需矛盾及解决途径研究［J］.改革与战略，2013，29（6）：86-89.

［5］张德荣.“中等收入陷阱”发生机理与中国经济增长的阶段性动力［J］.经济研究，2013（9）：17-29.

［6］李影.我国工业用地均衡性及利用效率的区域演化研究［D］.大连：大连理工大学，2013.

［7］顾湘，姜海，王铁成，等.工业用地集约利用评价与产业结构调整——以江苏省为例［J］.资源科学，2009，31（4）：612—618.

［8］贾宏俊，黄贤金，于术桐，等.中国工业用地集约利用的发展及对策［J］.中国土地科学，2010，24（9）：52-56.

［9］陈昱，陈银蓉，马文博.湖北省工业用地集约利用综合评价——基于365家典型工业企业的问卷调查［J］.自然资源学报，2013，28（1）：73-80.

［10］周杨，张军连，李林，等.基于宗地层次的合肥市产业用地集约利用评价［J］.中国人口·资源与环境，2014，24（7）：140-147.

［11］张琳，王亚辉.新增工业用地效率的区域差异性研究［J］.中国国土资源经济，2014（4）：59-63.

［12］陈伟，彭建超，吴群.中国省域工业用地利用效率时空差异及影响因素研究［J］.资源科学，2014，36（10）：2046-2056.

［13］郭贯成，熊强.城市工业用地效率区域差异及影响因素研究［J］.中国土地科学，2014，28（4）：45-52.

［14］黄大全，洪丽璇，梁进社.福建省工业用地效率分析与集约利用评价［J］.地理学报，2009，64（4）：479-486.

［15］庄卫红，李红.湖南省不同开发区工业用地利用效率评价研究［J］.经济地理，2011，31（12）：2100-2104.

［16］施秧秧.DEA方法与Tobit模型相结合的工业用地效率研究［D］.杭州：浙江大学，2009.

［17］朱明峰，朱潇璇.基于土地利用的工业项目投入产出效率研究［J］.资源与产业，2011，13（1）：142-146.

［18］张琳，王亚辉，李影.全要素生产率视角下的城市工业用地生产效率研究——基于Malmquist指数的分析［J］.大连理工大学学报：社会科学版，2015，36（1）：57-62.

［19］熊鲁霞，骆棕.上海市工业用地的效率与布局［J］.城市规划学刊，2000，（2）：22-29.

［20］王梅，刘琼，曲福田.工业土地利用与行业结构调整研究——基于昆山1400多家工业企业有效问卷的调查［J］.中国人口·资源与环境，2005，15（2）：80-84.

［21］龙开胜，陈利根，占小林.不同利用类型土地投入产出效率的比较分析——以江苏省耕地和工业用地为例［J］.中国人口·资源与环境，2008，18（5）：174-178.

［22］熊强，郭贯成.中国各省区城市工业用地生产效率差异研究［J］.资源科学，2013，35（5）：910-917.

［23］翟文侠，黄贤金，周峰，等.开发区土地利用对市域社会经济发展有效性分析——以江苏省为例［J］.中国土地科学，2005，19（4）：14-17.

［24］蔡昉.理解中国经济发展的过去、现在和将来——基于一个贯通的增长理论框架［J］.经济研究，2013（11）：4-16.

［25］曲福田.土地经济学［M］.北京：中国农业出版社，2011.

［26］刘向南，许丹艳.城市土地市场发展的驱动机制：理论与实证研究［J］.中国国土资源经济，2010，23（12）：35-38.

［责任编辑：张兵］

Research of Evaluation on the Efficiency of Industrial Land in Developed Areas and Its Influencing Factors—A Case Study of Shaoxing City in Zhejiang Province

LIU Xiang-nan1，SHAN Jia-ming1，SHI Xiao-ping1，WANG Ming-jin2
(1.College of Public Administration，Nanjing Agricultural University，Nanjing 210095，China；2.The Party School of Shaoxing Municipal Committee of the CPC，Shaoxing 312000，China)

The paper takes the industrial land of six counties(cities，districts)in Shaoxing city of Zhejiang province as the re⁃search object，using the Data Envelopment Analysis(DEA)method and Malmquist Index model to measure the efficiency of industrial land in these areas，industrial total factor productivities(TFP)and their spatial and temporal characteristics.And then，by building the regression model，this paper studies the main factors influencing the efficiency of industrial land and their possible mechanism.The results indicate that:Location characteristics of industrial land are significantly different from residential land，commercial land and so on，and the efficiency is tightly related with the management of industrial land，transformation of industry，investment structure and scientific and technological innovation；There is a strong correlation between the changes of industrial TFP and the land supply and investment policy of local government，the improvement of industrial TFP mainly relies on technological progress；The main influencing factors of industrial land efficiency in developed areas are R＆D investment，industrial enterprises’scale，industrial land costs and industrial agglomeration degree.On this basis，the paper puts forward policy proposals mainly from these aspects:implementing technology-driving development mode，reforming land transfer mode，promoting appropriate scale management of enterprises and effective industrial agglomeration.

developed areas；industrial land；efficiency；influencing factor；DEA-Malmquist index method

F293；F301

A

1007-5097（2016）12-0070-07

10.3969/j.issn.1007-5097.2016.12.011

2016-05-28

教育部哲学社科研究重大课题攻关项目（13JZD014）；中国国家留学基金；国家自然科学基金重点项目（71233004）

刘向南（1976-），男，山东单县人，副教授，管理学博士，研究方向：土地经济与资源管理，土地制度与政策；

单嘉铭（1995-），女，浙江绍兴人，土地经济与管理专业学生，研究方向：土地经济与管理；

石晓平（1973-），男，新疆和静人，教授，博士生导师，经济学与管理学博士，研究方向：土地经济理论，土地制度与政策；

汪明进（1977-），男，安徽枞阳人，副教授，经济学博士，研究方向：技术创新与经济增长。