兰州市城市经营性土地供应数量优化研究

(兰州财经大学 农林经济管理学院,甘肃 兰州710031)

兰州市城市经营性土地供应数量优化研究

苑 莉
(兰州财经大学 农林经济管理学院,甘肃 兰州710031)

优化经营性土地供应数量既是土地资源合理配置的核心与关键,也是宏观经济供给侧改革在土地领域的重要实现手段。以甘肃省兰州市经营性土地最优供应数量计算为例,基于经营性土地需求与供给预测思路与方法,针对供需之间较大的数量差异,采用切合实际的逻辑斯蒂模型平衡供需缺口,构建供需均衡下的经营性土地最优供应数量模型。计算得出兰州市2015—2019年的经营性土地最优供应数量为825.05hm2,期间内每年的最优供应数量围绕165.01hm2上下波动,测算的每年土地供应数量较之2010—2014年的土地供应数量呈现供应数量区间低值。通过对上述指标的运用,可引导供应土地数量趋于最优,解决土地市场供需失衡的矛盾,以高效的经营性土地供给制度落实宏观经济供给侧结构改革目标。

经营性土地;供应数量优化;供需均衡;逻辑斯蒂模型

1 引言

2015年11月,我国提出了“在适度扩大总需求的同时,着力加强供给侧结构性改革,着力提高供给体系质量和效率”的新政策,供给侧改革中的经济活动必须高度依赖土地资源的参与承载,通过供给侧结构性改革,可促进土地市场经济结构调整,释放经济增长动力,提高土地生产要素的供给与产出效率,实现土地去库存目标。经营性土地是土地市场供给侧改革中的基础与重点,经营性土地是指商业、旅游、娱乐、商品住宅等各类具有经营性质的土地,它引导了城市建设的合理有序扩展,占据了土地供应的重要位置,因此科学合理地确定经营性土地的供应数量是土地高效供应的必要手段。

经营性土地供应数量的确定一般基于供给与需求进行分析。在土地供应数量的相关文献中,通常根据土地的需求特征,采用以需定供的方法确定土地供应数量[1-9],但在需求导向下的土地供应数量制定可能带来数量偏大的弊病,不利于土地资源的节约利用。部分研究文献单独分析土地供给,从而确定相应的土地供应数量[10,11]。单一以需求或供给确定经营性土地供应数量的计算方法,由于供需之间的数量差异较大,带来土地供需数量失衡,削减土地要素的经济调控功能,导致土地供给计划缺陷[12]。

面临土地市场供给侧结构改革背景,为了实现经营性土地的有效供给,促进经营性土地去库存目标的实现,土地供应政策必须从单纯满足需求或供给向改变既有供地模式、解决供需错配的矛盾转变。因此,综合考虑土地的供给与需求特性后采用科学合理的方法均衡供需数量,收敛供需缺口,可提高经营性土地供应的科学性与精度。基于此,本文采用切合实际的逻辑斯蒂模型模拟经营性土地的供需曲线,平衡供需数量,引导供应数量趋于最优,可优化经营性土地供应机制,创造高效的经营性土地制度供给,期待在宏观经济供给侧改革背景下实现“释放新需求,创造新供给”的土地供应目标。

2 经营性土地供应数量优化计算思路

本文对经营性土地分为住宅和商业两种类型。在需求分析中,分别预测住宅和商业用房的需求面积,加总形成经营性用房的需求量,确定容积率后还原需求房屋面积,得到经营性土地需求面积。在供给分析中,直接预测商住用房总面积,经容积率还原得出土地供给面积。在土地利用总体规划新增建设用地数量约束下,利用逻辑斯蒂曲线模拟经营性土地供需曲线,拟合供需均衡数量,获得经营性土地供应数量。经营性土地数量优化的计算思路见图1。

图1 经营性土地供应数量优化计算思路

3 兰州市经营性土地供应优化数量计算

3.1 兰州市住宅用地需求量预测

住宅用地具有引致需求的特性。分析住宅的相关影响因素发现,住宅需求受经济、社会两项因素的影响,构建出经济、社会两大类影响因子指标体系,见图2。通过相关年份的《兰州市统计年鉴》,得到1996—2014年住宅销售面积和9个影响因子的统计数据。

图2 住宅需求量影响因子体系

上述指标体系中的影响因子由定性方法选取,需要进一步筛选参与计算的重要影响因子。由于灰色关联度分析可判断对因变量影响较大的自变量,从而获得必需的自变量[13],所以我们利用DPS统计软件,通过对1996—2014年兰州市住宅销售面积和9个影响因子的统计数据,采用灰色关联度分析方法筛选出住宅需求量预测模型的影响因子,分辨系数设为0.5,计算出的关联系数为:

GM(1,1)=0.8494，GM(1,2)=0.8431，GM(1,3)=0.8251，GM(1,4)=0.7845

GM(1,5)=0.7663，GM(1,6)=0.8005，GM(1,7)=0.7600，GM(1,8)=0.8348

GM(1,9)=0.8491，GM(1,10)=0.8485

得出X1gt;X9gt;X10gt;X2gt;X8gt;X3gt;X6gt;X4gt;X5gt;X7的关联序。结合本文研究的实际情况,把灰色关联度的阀值γ设为0.8,将关联度大于0.8的影响因子选为住宅需求量的影响因素,作为模型的输入变量。选取的关联度阀值γ大于0.8的影响因子是GDP、人均GDP、固定资产投资、商品住宅销售额、居民人均可支配收入、职工平均工资、居民储蓄存款余额。对上述7个指标进行2015—2019年的数值预测,首先通过灰色数列GM(1,1)模型进行预测。灰色数列GM(1,1)模型可对时间序列发展数量进行预测,应用广泛,方法具有普遍意义[13]。然后运用DPS统计分析软件计算得出模型参数后,需要根据后验比C和小误差概率P进行诊断,当Pgt;0.95、Clt;0.35时模型可靠。选择C值最小的初始模型作为预测模型,精度最高,由此得出住宅影响因子数值。若GM(1,1)模型无法通过误差检验,则利用时间序列估计法预测影响因子。2015—2019年在兰州市的住宅影响因子数值预测中,GDP、人均GDP、居民人均可支配收入、职工平均工资、居民储蓄存款余额数值由GM(1,1)模型预测获得,固定资产投资、商品住宅销售额数值由时间序列估计法预测得出。通过上述两种预测方法得到兰州市住宅影响因子数值,见表1。

表1 2015—2019年兰州市住宅影响因子预测值

对上述住宅影响因子进行预测后,运用BP神经网络模型预测住宅需求量。BP神经网络是误差反向传播的多层前馈式网络,也是人工神经网络中最具代表性、应用最广泛的网络。通过对研究问题的大量历史数据分析,建立合适模型,采用相应学习方法,不断调整网络参数,直至输出结果满足要求为止[13]。BP神经网络作为多因素分析与预测工具,在经济预测中广泛运用,效果显著,因此本文运用BP神经网络预测住宅需求量,将上述筛选出的7个影响因子作为BP神经网络的输入变量。在BP神经网络建模中,若输入—输出变量之间数值差异过大,会影响网络的学习速度,可将输入变量的原始数据进行标准化变换,形成转换后的学习训练样本,再运用标准化变换后的数据进行神经网络训练,将预测出的7个影响因子预测值与训练样本合并形成新的BP神经网络。基于先前已训练成功的神经网络结构,重新训练更新网络权值,从而获得输出变量的兰州市商品住宅销售面积样本预测值。当网络重新训练完毕,网络误差SSE=0.0009996小于系统允许误差0.0010,通过BP神经网络试算,兰州市2015—2019年商品住宅需求量预测值见表2。

表2 2015—2019年兰州市住宅需求量

土地容积率是控制建设用地规模的重要指标,可将建筑面积还原成土地面积,计算公式为:建设用地需求量=房屋建筑面积/土地容积率。根据1996—2014年兰州市商住用地平均容积率数值,采用GM(1,1)模型,通过DPS统计软件推断出2015—2019年兰州市商住用地平均容积率,结果见表3;将上述预测的2015—2019年住宅需求量除以相应年份的土地容积率,可得到住宅用地的需求量,结果见表4。

表3 2015—2019年兰州市商住用地容积率

表4 2015—2019年兰州市住宅用地需求量

表5 商业用房需求量预测模型影响因子关联矩阵

3.2 兰州市商业用地需求量预测

关于商业用地的需求量预测,具体的计算思路和方法与住宅用地需求量预测一致,本文将相应的计算模型、数据结果逐一列出,具体计算过程为:首先构建商业用房需求量影响因子体系,见图3。其次,筛选商业用房需求量预测模型影响因子,见表5。选取灰色关联度阀值γ大于0.75的影响因子GDP、第三产业GDP、固定资产投资额、社会消费品零售总额、商业用房销售额、居民消费价各指数、商品零售价格7个指标预测2015—2019年的数值,通过灰色数列GM(1,1)模型预测,若GM(1,1)模型无法通过误差检验,则通过时间序列估计法预测数值。商业用房影响因子预测中的GDP、第三产业GDP、社会消费品零售总额、居民消费价格指数4项指标由GM(1,1)模型预测得出,商业用房销售额、商品零售价格指数两项指标由时间序列方法预测获得。由此得到2015—2019年兰州市商业用房影响因子的预测结果,见表6。通过BP神经网络试算,2015—2019年兰州市商业用房需求量预测值见表7。我们将预测出的商业用房需求量除以相应年份的土地容积率,得到兰州市2015—2019年商业用地需求量,结果见表7。

图3 商业用房需求量影响因子体系

表6 2015一2019年兰州市商业用房影响因子预测值

表7 2015—2019年兰州市商业用房及用地需求量

3.3 兰州市经营性土地需求和供给量预测

我们将预测的住宅和商业用地需求量加总,得到兰州市2015—2019年经营性土地的需求总量,见表8。关于经营性土地的供给量预测,与需求量的计算不同在于:不针对住宅和商业用房数量分别预测,把住宅和商业用房合并形成商品房,预测其销售面积。具体的计算思路、方法与住宅用地需求量预测一致,本文将相应计算模型、数据结果逐一列出,具体的计算过程为:首先,构建商住房屋供给量影响因子体系,见图4。其次,选取商住房屋供给量预测模型影响因子见表9。选取灰色关联度阀值γ大于0.8的影响因子进行预测,通过灰色数列GM(1,1)模型运算,选取的影响因子均通过误差检验,从而获得2015—2019年影响因子的预测结果,见表10。通过BP神经网络的试算,兰州市商业用房2015—2019年供给量见表11。用商住房屋供给数量除以土地容积率,得出商住用地供给数量,即获得经营性土地供给数量结果见表11。

表8 2015—2019年兰州市经营性土地需求量

图4 商住房供给量影响因子体系

表9 商住房供给量预测模型影响因子关联矩阵

表10 2015—2019年兰州市商住房供给量影响因子预测值

表11 2015—2019年兰州市商住房及土地供给数量

3.4 经营性土地供需均衡数量拟合

按照既有文献的研究思路,计算出经营性土地的需求与供给数量,即使供需之间数量差异较大,也要根据需求或供给数量制定相应的经营性土地供应计划。本文的计算结果存在供求数量相差较大的情况,若单纯以需求或供给确定土地供应数量,会带来土地供需失衡的后果,致使供地数量偏离科学性,削减土地的调控功能。在土地市场供给侧结构改革的背景下,为了实现经营性土地的有效供给,解决供需错配的矛盾,需要采用科学合理的方法对供需进行合理均衡,提高土地供应计划精度。基于此,本文采用切合实际的逻辑斯蒂模型模拟经营性土地的供需曲线,均衡供需数量,确定经营性土地的适度供应数量。

图5 兰州市经营性土地供需均衡状况

逻辑斯蒂曲线呈S型,曲线生长规律是初期下部较平缓,曲线斜率较小,生长速度较慢;生长曲线的中部斜率最大,生长速度最快;曲线上部生长接近上限,生长速度变缓,直至达到成熟阶段,生长终止[14]。兰州市经营性土地数量增长初期较慢,中期增长速度较快,增长函数逐渐接近极限,土地数量的增长符合逻辑斯蒂模型的生长趋势。在土地利用总体规划的约束下,增长量逐渐逼近土地数量增长规划极值,因此本文采用逻辑斯蒂模型对兰州市经营性土地供需情况进行模拟。兰州市制定的土地利用总体规划(2006—2020年)2020年城市建设用地增量为59820hm2,以此数据作为逻辑斯蒂模型的约束值,用预测的2015—2019年经营性土地需求与供给数量除以新增建设用地的约束值,得出需求与供给用地的比例。生成的需求曲线见图5中的DD。利用SPSS 22软件,拟合需求用地方程为:

(1)

需求方程中复相关系数R为0.953,判定系数为0.909,说明方程的拟合优度很高,模型对样本数据的拟合(F检验)和各变量的回归系数(t检验)均达到显著水平,表明需求模型假设符合实际,模型有效。兰州市经营性土地供给数量呈现递减的趋势,生成的供给曲线如图5中的SS,利用SPSS22软件,拟合供给用地方程为:

(2)

供给方程中复相关系数R为0.908,判定系数为0.824,说明方程的拟合优度很高,模型对样本数据的拟合(F检验)和各变量的回归系数(t检验)均达到显著水平,表明逻辑斯蒂供给模型假设符合实际,模型有效。联立方程式(1)与式(2),求出供需均衡下的经营性土地供应比例为0.013792,与土地利用总体规划中的增量约束数量59820hm2相乘,得出供需均衡下的经营性用地供应数量为825.05hm2。这一数值是2015—2019年土地供应期间的数量总值,也是该时段的最优供应数量。分解到每年的土地供应数量则为165.01hm2,每年的供应数量围绕165.01hm2上下波动,通过每年实际用地数量的检验与修正,供应数量可逐渐向最优数量收敛。

图6 2010—2019年兰州市经营性土地供应数量

3.5 兰州市经营性土地供应数量绩效分析

2010—2014年兰州市城市经营性土地供应数量呈现逐年增加的趋势,通过供需均衡下的经营性土地供应数量优化计算,2015—2019年兰州市每年的土地供应数量基本控制在165.01hm2左右。该供应数量较之2010—2014年的土地供应数量呈现供应数量区间低值,说明根据兰州市经济社会发展水平优化的经营性土地供应数量更趋合理。通过2015—2019年兰州市每年优化指标的运用实施,即能实现经营性土地适度供应目标,引导供应数量趋于最优,经营性土地供应数量将通过优化数量计划的实施得到有效控制。图6反映了2010—2014年和预期的2015—2019年兰州市每年的经营性土地供应数量。

4 结论与建议

优化经营性土地供应数量是宏观经济供给侧改革在土地领域的重要实现手段。在土地市场供给侧结构改革的背景之下,为了实现经营性土地的有效供给和去库存目标,需要解决供需错配的矛盾。现行经营性土地供应计划的制定主要依靠简单的需求或供给趋势推测,编制的土地供应计划数量偏大,带来社会效益损失,阻碍了国家对土地市场宏观调控目标的实现,造成计划缺陷[12]。因此,科学合理的经营性土地供应数量应基于土地市场的供需关系进行分析,探索供应数量的优化方法,构建精确合理的土地供应数量模型,实现土地供应数量的帕累托最优,优化土地资源供给侧机制,以高效的经营性土地供给制度落实宏观经济供给侧结构改革目标。

构建经营性土地供应数量优化模型可提高土地供应计划的科学性与精确性。本文以甘肃省兰州市经营性土地供应数量优化计算为例,基于经营性土地需求与供给预测的思路,针对供需之间较大的数量差异,创新性地采用切合实际的逻辑斯蒂模型平衡供需缺口,构建了供需均衡下的经营性土地供应数量模型,计算出适度供应数量,规避了供应数量制定的盲目性。通过供需均衡下的经营性土地适度供应数量计算模型,测算出2015—2019年兰州市经营性土地供应优化数量为825.05hm2,期间内每一年的优化供应数量围绕165.01hm2上下波动。测算出的土地供应数量较之2010—2014年历年土地供应数量,呈现供应数量区间低值。通过上述指标的运用实施,即可满足经营性土地的适度供应目标,引导供应数量趋于最优。同时,说明根据兰州市经济社会发展水平确定的经营性土地供应数量日趋合理,土地供应数量逐年增长的态势将得以遏制。

国土资源部门在编制经营性土地供应计划应时,应平衡供需缺口,拟定合理的供应数量,落实宏观经济供给侧结构的改革目标。面临我国宏观经济供给侧结构改革目标,国土资源部门应深化落实土地管理供给侧改革任务,在编制经营性土地供应计划时,应摒弃单独以需求或供给主导的土地供应模式。国土资源部门可根据各地的经济社会发展水平,对经营性土地供给与需求分别进行分析预测,构建代表经营性土地供给与需求的数量模型,在土地利用总体规划的约束下对供需进行适度均衡,拟定较优的土地供应数量,解决土地市场供需失衡的矛盾,探索经营性土地适度供应方法,以高效的经营性土地供给管理落实宏观经济供给侧结构的改革目标。

[1]刘明皓,邱道持.重庆市国有储备土地需求预测[J].经济地理,2007,27(3)∶476-488.

[2]朱明仓,杨韬.城镇建设用地需求预测与配置研究[J].资源开发与市场,2007,27(23)∶10-12.

[3]熊晚珍,李翠华.商业服务业用地与土地储备规模研究——以武汉市为例[J].安徽农业科学,2007,35(34)∶11201-11202.

[4]王雪青,邴兴国,孙冰.城市土地需求预测及土地储备策略[J].辽宁工程技术大学学报(自然科学版),2009,28(2)∶288-291.

[5]邵建英,王珂,赵小敏,等.城镇建设用地预测方法研究[J].广东土地科学,2005,4(6)∶17-21.

[6]陈会洋,周申立,唐道甫.广安市建设用地需求量预测研究[J].环境科学与管理,2007,32(2)∶119-125.

[7]刘德秋,邵建峰,田传浩,等.城市经营性建设用地需求预测方法与供应计划的制定——以浙江省绍兴市为例[J].杭州师范学院学报(人文社会科学版),2001,(5)∶44-48.

[8]丁成日.城市土地需求分析[J].国外城市规划,2005,20(4)∶19-25.

[9]陆晔.建设用地供求分析与实证研究—以云南省怒江州为例[D].昆明：昆明理理工大学硕士学位论文,2010.

[10]张宇.城市商品房建设用地需求与供给预测验方法研究[D].西安：西安建筑科技大学硕士学位论文,2007.

[11]陈卓咏,叶裕民.城市土地储备数量和周期的理论分析[J].中国土地科学,2005,19(5)∶44-48.

[12]刘明皓.土地储备经济分析[D].重庆：西南大学硕士学位论文,2008∶37.

[13]唐启义,冯明光.DPS数据处理系统[M].北京：科学出版社,2007∶1041-1042.

[14]何晓群.多元统计分析[M].北京：中国人民大学出版社,2004∶140.

StudyonSupplyQuantityOptimizationofOperatingLandinLanzhouCity

YUAN Li
(College of Agriculture and Forest Economics and Management,Lanzhou University of Finance and Economics,Lanzhou 710031,China)

Supply quantity optimization of operating land was the core and key on reasonable allocation of land resources,and it was also an important means to realize the reform of the supply side of the macro economy in the field of land.Taking supply quantity optimization of operating land in Lanzhou City,Gansu Province as an example,basing on the demand and supply forecast method of operating land,adopting the logistic model to balance the large gap of supply and demand,this paper built up a supply-demand equilibrium model on the optimal quantity of operating land.The optimal quantity of operating land in Lanzhou from 2015 to 2019 was 825.05 hectare by calculating.During the period,supply quantity optimization of each year was around 165.01 hectares,which was less than annual supply quantity from 2015 to 2019.By the implementation of the above indicators,the optimal quantity could tend to the optimal.We were looking forward to solving the contradiction between supply and demand imbalance in the land market and implementing the reform goal of the macro economic supply side structure with the efficient management of the land supply system.

operating land;supply quantity optimization; supply-demand equilibrium;logistic model

10.3969/j.issn.1005-8141.2017.02.004

F293.2

A

1005-8141(2017)02-0145-05

2016-12-11；

2017-01-13

甘肃省高等学校科研项目“城市经营性用地供应管理优化研究”(编号:2015B-059)。

及通讯作者简介：苑莉(1976-),女,四川省乐至人,博士,副教授,主要研究方向为土地资源管理与土地可持续利用。