安徽省城市建设用地利用效率评价及地区差异分析

2019-02-20汪克亮

铜陵学院学报 2019年6期

汪克亮李征,2

（1.安徽理工大学，安徽淮南 232001；2.定远县自然资源和规划局，安徽滁州 239000）

党的十九大报告指出，新时期社会的主要矛盾已转化为人民日益增长的美好生活需求和不平衡不充分发展之间的矛盾，发展不平衡不充分问题，普遍存在于社会发展的各个领域。从土地管理方面分析，区域间经济发展不平衡不充分的原因在于土地利用效率的差异及土地潜力释放不足。以同为长江中下游沿岸城市安庆市和芜湖市为例，2016年安庆地区生产总值（GDP）为1,531.2亿元，城镇常住居民人均可支配收入为26,502元，土地面积1.359万平方公里；芜湖地区生产总值（GDP）为2,699.44亿元，城镇常住居民人均可支配收入为32315元，土地面积0.6万平方公里。可以看出，安庆市土地面积约是芜湖市两倍，但GDP总量、城镇人均可支配收入分别只达到芜湖市的57%、82%，土地利用效率差异显著，因此，从提高土地利用效率的角度出发，针对各地的不足之处提出改进策略，对于优化当前不平衡不充分发展的难题有一定的实际意义。另外，土地作为总量有限的资源，建设用地的滥扩，必然会导致耕地的紧缺，2016年安徽省人均耕地1.25亩，已低于国家1.46亩的平均水平，是典型的“人多地少”的省份，为守好耕地红线，保护国家最基本的粮食安全，研究出一套能够提高土地利用效率的方案具有一定的必要性。

在资源利用效率评价领域有多种评价方法，本文将采用主成分分析法和数据包络分析法（Data Envelopment Analysis,DEA）。数据包络分析法及其模型已广泛应用于不同行业及部门，并且处理多指标投入和多指标产出方面，体现了其得天独厚的优势。国内外在利用主成分分析法和DEA评价土地利用效率方面的研究较多，学者Giuseppina Siciliano（2012）将保障农村发展的政策和我国的城镇化进程相结合，运用多元化的综合评价方法对土地利用所产生的变化进行相关性分析，以此为依据为我国推行农村多功能和多方位发展提出了有效建议[1]；吴得文等学者利用DEA模型对中国城市土地投入产出效率进行分析，认为中国城市土地投入产出效率整体不佳，应适当调整土地投入产出结构[2]；朱天明等学者通过整理国内外对城市土地集约利用方面的研究，构建出宏观、中观和微观三个层次的评价指标体系[3]；阮宜绳（2015）应用数据包络法（DEA）的C2R模型对安徽省16个城市的农业土地利用效率进行测度和评价，针对各市在农用地利用方面存在的问题提出建议[4]；田春等学者利用DEA模型，选取财政收入、建成区绿化覆盖率和单位面积GDP作为评价指标，对山西省土地利用效率进行分析[5]；汪群芳等学者通过对杭州市土地利用结构和效率的研究，提出土地利用结构应与需求相结合的结论，对其他城市土地利用有一定的参考意义[6]。缪磊（2012）等学者运用数据包络法对安徽省舒城县经济开发区45家企业的土地使用效率开展综合性评价，从土地规划的角度提出了一系列建议[7]。

近几年来，安徽省内第二、三产业在国民经济中所占比重较大，占用土地面积也在不断增加，相较于农用地，二、三产业开发利用土地（建设用地）所取得的效益更大，对城市经济发展的影响也更大，目前在这方面的研究较少。因此，本文拟选取第二和第三产业GDP、财政收入、城镇居民可支配收入三项数据作为产出指标，分别代表社会、政府、居民三个层面，对安徽省各市建设用地的利用效率进行综合性评价。

一、分析方法

（一）数据包络分析法

在DEA模型中，把需要评价的单位称为决策单元（DMU），设定每个决策单元有m项投入Xj=（x1j，x2j，x3j，…，xmj）和 s 项产出 Yj=（y1j，y2j，y3j，…，ysj），且 xij＞0，yij＞0，i=1，2，3，…，m，r=1，2，3，…，s，松弛变量S-,剩余变量S+。在假设规模报酬不变的前提下，建立CCR模型：

CCR模型定义效率值越接近1，样本单元效率越高，当效率值等于1时，则称之为有效单元。

（二）主成分分析法

为了保证数据包络法的分析结果尽可能准确，需要决策单元个数至少为投入产出指标之和的两倍，因此本文采用主成分分析法对评价指标进行降维处理。

主成分分析法是把原来多个变量划为少数几个综合指标（即主成分）的一种统计分析方法，其中每个主成分都是原始变量的线性组合，各主成分之间互不相关，这些主成分能够反映始变量的绝大部分信息，且所含的信息互不重叠。采用这种方法可以将复杂因素归结为几个主成分，使得复杂问题得以简化，做出更为科学、准确的评价。本文将使用SPSS软件对安徽省16个地级市产出指标进行主成分的提取。

二、样本和数据

土地利用效率受人口、经济、自然地理等多重因素影响，因此必须结合安徽省省情，建立一个全面、合理的指标体系。本文拟从交通、房地产、投资、人口等方面选取2016年安徽省16个地级市的居民点及工矿用地（X1）、交通运输用地（X2）、房地产和制造业等固定资产投资（X3）、交通运输和仓储邮政业固定资产投资（X4）、公共服务和商业固定资产投资（X5）、城镇常住人口（X6）、二三产业从业人口（X7）作为投入指标[8]，以第二和第三产业 GDP（Y1）、财政收入（Y2）、城镇居民可支配收入（Y3）作为产出指标[9]，构建安徽省建设用地土地利用效率评价指标体系。

（一）提取建设用地产出指标主成分

通过SPSS分析建设用地原始数据，得出初始特征值和方差贡献率、主成分载荷矩阵和得分系数矩阵，见表1和表2：

表1 初始特征值和方差贡献率

表2 建设用地主成份载荷矩阵和得分系数矩阵

从表1中可以看出，元件1特征值大于1并远远大于元件2和元件3，其方差贡献率达到80.229%，意味着提取出了1个主成分。

载荷矩阵即特征向量矩阵，反映各个变量对主成分的重要程度。根据表2可以看出Y1、Y2、Y3三项指标的载荷值分别为0.964、0.963和0.742，三个指标绝对值均大于0.7，意味着其相对于主成分均较为重要，即该主成分可以看做是财政收入、第二和第三产业GDP、城镇居民可支配收入三项产出指标的综合评价指标。

根据表2中的主成分得分系数矩阵确定主成分表达式：

I1=0.400Y1+0.400Y2+0.308Y3

（二）产出主成分数据处理

利用SPSS 22将产出指标的原始数据进行标准化处理，并代入上述表达式中，得到主成分得分，见表3。

表3 建设用地产出指标主成分得分

为去除负数，对表3中的数据进行功效变换，变换公式如下：

表4 产出主成分得分功效变换结果

（三）构建指标体系

利用功效变换后的产出主成分和投入指标原始数值，构建出安徽省16个地级市的评价指标体系。

三、实证分析

（一）利用DEA模型进行效率分析

将评价指标体系中各项指标导入DEA模型，得出16个决策单元的综合效率、纯技术效率、规模效率和规模效益，结果见表5。

表5 各市建设用地利用效率情况

从表5可以看出，合肥市、马鞍山市综合效率为1，即DEA有效，芜湖市综合效率、纯技术效率和规模效率分别为0.935、0.940和0.995，接近有效。合肥市作为安徽省省会城市，是安徽省的政治、经济、科教、文化、交通中心，在人才、财政、政策方面有着巨大的优势，近两年受房地产行业的带动，合肥市单位土地的产出值进一步提高；马鞍山和芜湖市均处于长江中下游，是南京都市圈重要成员，交通便利，投资环境优越，且两市地域面积相对较小（分别处于省内第14位和第11位），因此土地利用效率相对较高。

阜阳市、淮北市、亳州市、淮南市、宿州市纯技术效率有效，规模效率无效，且处于规模效率递增（irs）的状态。该皖北五市2016年的人口密度占据全省前五名，且乡镇用地和乡镇人口较多，从产出上讲，乡镇用地效益较低，导致该五市土地总体产出值较低。可以认为造成这种现象的主要原因是建设用地规模与人口的不匹配、人口与建设用地分布零散和乡镇居民收入水平低等因素。

六安市、池州市、安庆市、宣城市、铜陵市、黄山市六市纯技术效率有效，规模效率无效，且处于规模效率递增（irs）的状态，意味着该六市的土地利用制度和管理水平较为成熟，但规模效益未达到最佳。结合实际可知，这六个城市受自然地理条件所限，区域内有大片山区、河流水域等不可利用土地，因此可以认为该六市土地利用综合效率较低的主要原因是土地资源紧缺和土地开发利用难度较大。

蚌埠为皖北中心城市，无明显短板，其综合效率和规模效率都处于安徽省平均值以上。但是其纯技术效率无效，可以认为蚌埠的建设用地管理水平还有提高的空间，制度等相关细节不足。

滁州市综合效率、纯技术效率、规模效率均无效。其实际情况较为复杂，东部靠近南京都市圈，经济水平相对较为发达，西部和北部以农业为主，土地产值较低，因此可以认为导致滁州市土地利用效率无效的主要原因是产业分布不均衡和局部农业县过于落后。