我国国有建设用地供应变化特征分析——基于2003－2014年数据

■ 张守忠

（黑龙江科技大学矿业工程学院，哈尔滨 150022）

我国国有建设用地供应变化特征分析
——基于2003－2014年数据

■ 张守忠

（黑龙江科技大学矿业工程学院，哈尔滨 150022）

基于2003-2014年的统计数据，利用数理统计、指数法、ESDA探讨了2003年以来国有建设用地供应的变化规律及影响因素。结果表明：(1)省份间供应量绝对差距扩大，相对差距缩小，建设用地供应趋向均衡，与人口分布趋向协调；(2)建设用地供应整体呈正相关，但相关性显著减弱，由显著的集聚分布转变为随机分布；(3)局部的空间正相关明显减弱，空间异质性增强；(4)仅有少数地区存在显著的局部性自相关，但范围减小；(5)经济发展、城镇化、政策驱动等是引致建设用地供应时空变化的因素。

国有建设用地；供应；时空演变；探索性空间数据分析；影响因素

随着经济的快速发展和城镇化的稳步推进，我国国有建设用地（以下简称“建设用地”）供应快速增加，由2003年的286436.65hm2增至2014年的647995.57hm2，12年累计供应5169197.51hm2。同期，全国共征收农用地3745715.22hm2，其中征收耕地2382428.85hm2，受各因素影响，建设用地供应发生了显著变化，研究建设用地供应的时空变化规律与影响因素具有重要意义。

1 数据来源与研究区域

本文以历年的《中国国土资源年鉴》《中国国土资源统计年鉴》为数据源，搜集、整理了2003－2014年全国31个省（自治区、直辖市，不包括台湾地区、香港特别行政区、澳门特别行政区）的建设用地供应数据，以省份为基本研究单元，以各省份建设用地供应量时空变化为研究对象。地理空间数据采用全国行政区划图。

2 建设用地供应变化分析

2.1 基于数理统计的建设用地供应分析

2003年，有10个省份的供应量占全国的比重小于1.5%（图1），合计占7.56%；有13个省份的比重介于1.5%～3%，合计占29.84%。二者合计仅占37.4%。虽然仅有8个省份的比重大于3%，但合计却高达62.6%，其中仅江苏、浙江、山东三省就占41.51%，超过上述23个省份总和。2003年供应量最大的5个省份的供应量是最小的5个省份的36.78倍。可见省份间建设用地供应量悬殊极为显著。到2014年，悬殊状况得到明显改善，突出表现在：①原比重介于1.5%～3%及低于1.5%的省份的合计比重分别增加7.43、8.05个百分点，提高至37.26%、15.61%，而原高位序省份的比重显著下降，浙江、江苏、山东、上海的合计比重更是下降了31.4个百分点；②供应量最大的5个省份是最小的5个省份的供应量的17.59倍，相比2003年有明显改善；③比重在3%～6%的省份由5个增加至11个，而比重在1.5%～3%的省份则由13个减少至9个。

图1 我国国有建设用地供应情况

由表1可知，除个别年份外，2003－2014年建设用地供应量的标准差总体上呈现上升态势，说明省份间建设用地供应量的绝对差距有逐渐扩大的趋势，这主要是建设用地供应整体规模扩大所致。省份间供应量的变异系数总体上呈逐年减小的趋势，表明其相对差距逐渐缩小，建设用地的省份间供应趋向均衡。

2.2 基于指数法的建设用地供应分析

以上分析忽视了我国省份间人口、经济规模等存在明显差异的客观实际，为进一步探讨我国建设用地供应的区域变化，本文引入以下3个指数：

(1)地理集中指数（C，见公式1）。该指数可反映要素地理分布的集中化程度。式（1）中，T为全国总人口，H为按供应量由大到小排列后累积供应量占全国50%的省份的累积人口数。指数越大，表明要素分布越集中。当供应量分布与人口分布绝对均衡时，C值最小，为50；当供应量分布极端不均衡时，C值最大，为100。

(2)基尼系数（G，见公式2）。该系数可反映空间要素的分布[1]。式（2）中，Qi为按供应量由小到大排列后从第1省到第i省的累积供应量比重；wi为i省的供应量比重，pi为i省的人口比重。理论上，G值介于0～1之间，数值越低表明建设用地供应的空间分布越均匀

(3)泰尔指数（T，见公式3）。该指数多被用来考察要素的区域差异。式（3）中，S为全国建设用地供应量，Si为第i省供应量，P为全国人口数，Pi为第i省人口数。T值越大，表明建设用地供应的区域差异越大。

将上述指数的数据代入相应公式，计算得到3个指数的数值（表2）。2003年，建设用地供应量的C、G、T分别为77.09、0.32、0.129。此后三个指数的变化虽略有波动，但总体下降的趋势十分明显。到2014年，3个指数分别下降至51.13、0.09、0.043，下降幅度分别达到33.67%、71.88%、66.67%，表明建设用地供应的省份分布与人口分布趋向协调。

表2 我国国有建设用地供应相关指标数据

表3 我国国有建设用地供应全局Moran’s I指数

2.3 基于ESDA的建设用地供应分析

传统的数理统计分析只注重数值之间的关系，忽视了其空间关系[2]，很难真正揭示其空间关联过程与空间格局，为此引入探索性空间数据分析（ESDA）。

2.3.1 全局自相关分析

全局自相关可以反映某区域单元上的某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度[3]，全局Moran I指数是最常用的指标。利用GeoDa软件，采用邻接标准构建空间权重矩阵，计算得到2003－2014年的全局Moran’s I指数（表3）。2003年，建设用地供应量的全局Moran’s I值为0.423，Z值为4.73，大于Z0.01(2.58)，表明建设用地供应整体上呈显著的、正的空间自相关，即供应量大的省份相对的趋于和供应量大的省份集聚，供应量小的省份被供应量小的省份包围，空间总体差异较小，省份的供应量与邻近省份的供应量呈相关关系，建设用地供应存在空间依赖特征。此后I值总体呈现出减小的趋势，2014年更是减小至-0.018，且自2011年以来Z值均未通过显著性检验，除2012、2014年呈微弱的负相关外，其余年份建设用地供应量大的省份和供应量小的省份两极集聚，呈现一定的空间正关联特征，但这种空间趋同效应随着时间的推移逐渐减弱，并由显著的集聚分布转为随机分布。

2.3.2 局域空间自相关分析

全局自相关并不能反映区域的局部空间集聚状况，易掩盖反常的局部状况或小范围的局部不稳定性，需要进行局域空间自相关分析。

Moran I散点图常被用来表征局部的空间不稳定性。2003年，分别有6个、19个省份位于第一象限（HH）、第三象限（LL），其自身供应量较大（小），周边省份也较大（小），空间关联为正相关，区域具有集聚性和相似性，前者主要分布在东部沿海地区，后者集中于中西部地区，二者合计占省份总数的80.64%，其中LL类型占61.29%，这也再次说明建设用地供应呈现两极集聚。LH、HL类型仅有6个，其自身供应量较小（大）、周边省份较大（小），为空间负关联，区域具有分散性和异质性。以上表明该年建设用地供应具有局部集聚特征，二元结构突出，表现为低值簇现象。2014年，建设用地供应格局变化显著：①LL类型大幅减少，由19个减少至4个，其中湖北等4个省份转为HH类型，山西等9个省份转为LH类型，内蒙古转为HL类型。②HH和LH类型大幅增加，由6个、4个分别增加至10个、13个，前者主要向中南地区延伸，后者主要向西部地区扩张。③HL类型增加少，但变化大，广东的供应量与周边的广西、湖南、江西、福建的供应量均大幅缩小而转为HH类型，河北、新疆、内蒙古的供应量明显高于周边的北京、天津、山西、陕西、吉林、黑龙江、青海、宁夏等省份的供应量，成为建设用地供应的极化中心。初期空间正相关类型（HH、LL）占据绝对优势的状况明显改变，由25个下降至13个，而负相关类型（LH、HL）的省份数量由6个增加到18个，比重由19.35个百分点提升至58.06%，表明建设用地供应的空间异质性显著增强，二元结构减弱，供应趋向均衡。

鉴于散点图不能判断各地区的局部相关类型及其聚集区是否在统计意义上显著[4]，而LISA（Local Indicators of Spatial Association）能够衡量观测样点属性和其周边样点属性相近（正相关）或差异（负相关）程度[5]，故本文在局部Moran I指数的基础上生成LISA显著性集聚图（图3）。在0.05显著性检验水平下，2003年建设用地供应在局部范围内呈现出明显的空间集聚性，HH、LL类型居主导地位，其中HH类型区占主体且连片分布，共有浙江、江苏、山东、安徽、上海5个省份，这几个省份是全国建设用地供应的核心地区，说明其与周围同样供应量较大的省份在空间上更多地趋于集聚，而并非是随机的分布。空间异质性则主要通过HL类型体现，四川是我国西部的经济大省，建设用地供应量明显大于周边省份，成为显著的HL类型，与周边形呈现空间负关联。2014年，达到显著性水平的省份减少至5个，虽然江苏省供应量居全国第三位，但其相邻省份浙江、上海的供应量不升反降，使3省未能通过显著性检验。新疆的供应量明显大于其相邻的青海、甘肃、西藏的供应量而成为显著的HL类型。贵州的供应量位居全国中游，但低于云南、四川、湖南、广西周边省份的供应量，且云南、四川的供应量居全国前两位，湖南居第9位；西藏的供应量均明显低于周边省份的供应量，使得贵州和西藏成为显著的L H类型。可见，随着时间的推移，建设用地供应量通过显著性检验的省份减少，局域自相关性比较弱，且有明显减弱的趋势。

图2 我国建设用地供应的Moran散点图

图3 我国建设用地供应LISA集聚图（p≤0.05）

3 建设用地供应影响因素分析

3.1 经济发展差异

建设用地供应是非农经济发展的基础。改革开放以来，我国优先发展东部沿海地区，在经济快速发展的驱动下，广东、江苏、浙江、山东、河北、上海等东部经济大省的建设用地需求旺盛，这是研究期前半阶段建设用地供应集聚于上述省份的重要原因。而受产能过剩、结构调整、成本上升等因素影响，2010年以来上述省份经济增长明显放缓，而其它省份发展依然强劲，且东部与中西部存在明显的东退西进的产业转移；其次，沿海地区经济外向化程度高，经济增长对外贸的依赖程度大，2008年以来的金融危机对其经济发展的影响明显高于中西部地区；第三，东部地区产业结构层次高，产业结构调整的退二进三趋势明显（表4），这在很大程度上减缓了建设用地需求的增长速度，而中西部地区正处于工业化加速发展阶段，其建设用地的使用具有鲜明的平面扩张特征，导致对建设用地的旺盛需求。

表4 我国不同地区经济发展差异

3.2 城镇化进程差异

城镇建设用地是国有建设用地的重要部分。我国正处于城镇化快速发展时期，但存在明显的区域差异。东部地区城镇化水平高，研究初期北京、上海、天津、广东、辽宁、浙江等省份的城镇化水平均超过50%，城镇化进程逐渐进入缓慢发展阶段。期间，除江苏、福建、河北的城镇化水平提高幅度居全国前10位之外，浙江、山东、广东等其它东部省份均居全国后列。中西部地区初期的城镇化水平起点低，其城镇化水平提高幅度明显大于东部地区，人口、产业等快速向城镇集中，并带动房地产、城市基础设施以及城市生态等用地快速增长，城镇建设用地需求旺盛，进而带动了建设用地供应。期间，2003年供应量占比超过3%的7个省份（不含上海）的城市建设用地面积共增加9150.2km2，而其它24个省份共计增加10158.5km2。

3.3 政策驱动

20世纪90年代以来，我国开发区数量迅猛增加，但很多开发区因不具备招商引资条件导致土地闲置，闲置土地面积一度高达43%[6]。为减少建设用地供应占用耕地，盘活闲置土地，国务院先后发布了《国务院办公厅关于清理整顿各类开发区加强建设用地管理的通知》《国务院关于深化改革严格土地管理的决定》等文件，严控建设用地供应规模。沿海地区开发区数量多，经过综合整治节省了较多的土地。其次，新世纪以来，我国提出西部大开发、中部崛起、东北老工业基地振兴等战略，中西部和东北地区获得更多的发展机会与资金注入，促进了经济发展，也带动了建设用地供应。第三，中西部地区自然资源丰富。国家大力推进以高铁为代表的现代交通、西电东送、西气东输等重大基础设施项目建设，促进了中西部地区建设用地的供应，使国内建设用地供应趋向均衡。

3.4 其它因素

沿海地区人口密集，经济规模大，建设用地供需矛盾突出，这迫使其不断推进建设用地的节约集约利用，而中西部地区的节约集约利用水平相对较低。期间，东部地区亿元GDP增量平均需增加建设用地供应1.2hm2，而中西部则分别为1.53hm2、2.06hm2（按当年价格计算），差距十分明显。其次，区位条件也是重要因素。安徽、江西、广西、湖南、湖北、内蒙古、河北等省份受长三角、珠三角、京津等发达地区的辐射带动作用明显，促进了经济发展，进而带动了建设用地供应。

4 结论

本文基于统计数据，以省域为单元，采用数理统计、指标法以及ESDA方法等方法探讨了2003－2014年间全国各省份建设用地供应的变化特征，揭示了空间联系的结构及动态演化过程，进而探讨了空间格局演变的成因。

(1)数理统计、相关指标法分析表明：各省份建设用地供应量的绝对差距不断扩大，相对差距则呈缩小趋势，省份间供应量悬殊状况明显减小，省份间的供应趋向均衡，与人口分布也更加协调。

(2)全局自相关分析表明：建设用地供应整体上呈现为空间正相关性，但随着时间的推移，这种正相关逐渐减弱，空间分布类型由显著的集聚分布转为随机分布。

(3)散点图和LISA分析表明：建设用地供应的局部关联以正相关为主，区域具有集聚性和相似性，初期突出表现为低值簇现象，但空间异质性显著增强，末期以空间负相关为主，二元结构明显减弱。仅有少数省份的建设用地供应量通过显著性检验，且呈萎缩趋势。

(4)经济发展、城镇化、政策驱动、资源基础以及区位差异是建设用地供应变化的主要原因。

[1]黄芸玛,陈蓉,张玉珍.基于地理集中指数和基尼系数的农家乐空间分布实证研究——以青海星级农家乐为例[J].青海师范大学学报（哲学社会科学版）,2014(3):6-11.

[2]高爽,魏也华,陈雯,等.发达地区制造业集聚和水污染的空间关联——以无锡市区为例[J].地理研究,2011(5):902-912.

[3]梅志雄,黄亮.房地产价格分布的空间自相关分析——以东莞市为例[J].中国土地科学,2008(2):49-54.

[4]王雪青,陈媛,刘炳胜.中国区域房地产经济发展水平空间统计分析——全局Moran’s I、Moran散点图与LISA集聚图的组合研究[J].数理统计与管理,2014(1):59-71.

[5]Anselin L.Under the hood: Issues in the specification and interpretation of spatial regression models[J].Agricultural Economics,2002(3):247-267.

[6]宋戈,吴次芳,王杨.城镇化发展与耕地保护关系研究[J].农业经济问题,2006(1):64-67.

Analysis of the Changing Features of the State-Owned Construction Land Supply—In Accordance with the Data from 2003 to 2014

ZHANG Shouzhong
(School of Mines Engineering, Heilongjiang University of Science and Technology, Harbin 150022, China)

By using mathematical statistics, index method, and ESDA(exploratory spatial data analysis), as well as based on the statistical data from 2003 to 2014, this paper has explored the change law and inf l uence factors with regard to construction land supply since the year of 2003. The results show us as follows. First, the absolute gap of the supply among the provinces is increasing, and the relatively gap is decreasing. The construction land supply is tending to balance to coordinate and population distribution. Second, the overall construction land supply is presenting positive correlation, but the correlation signif i cantly weakened; and it is shifting from signif i cant agglomeration into random distribution. Third, it indicates that local positive spatial autocorrelation has declined signif i cantly, and the spatial heterogeneity has been strengthened. Fourth, signif i cant local autocorrelation is occurred only in a few regions, but the range is shrinking. Fifth, economic development, urbanization, and policy driving have been the constituents of leading spatial and temporal change of construction land supply.

State-owned construction land; supply; spatial-temporal evolution; exploratory spatial data analysis; inf l uencing factors

F302.1；F062.1

A

1672-6995（2017）04-0056-05

2017-02-16；

2017-02-17

黑龙江省哲学社会科学规划项目（12B069）

张守忠（1977-），男，山东省莒南县人，黑龙江科技大学矿业工程学院副教授，理学硕士，主要从事城乡经济发展与城市化、土地评价的教学与研究。