基于DEA-Tobit 模型的我国副省级以上城市建设用地利用效率研究

吴振林，李青贤，田 婧，解 威

（1. 天津市经济发展研究院，天津 300202； 2. 天津外国语大学人事处，天津 300202）

建设用地是人类经济社会活动的重要载体。当前时期我国仍处在快速城镇化和工业化的阶段，人地矛盾仍比较突出[1]。随着生态文明建设深入推进，在永久基本农田保护红线、生态保护红线和城市开发边界三条红线日趋束紧的情况下，如何提高大城市建设用地利用效率，优化大城市土地资源配置，成为学者们关注的热点[2-3]。尤其是近期，习近平总书记在上海考察时提出，要着力提升城市能级和核心竞争力，不断提高社会主义现代化国际大都市治理能力和治理水平。如何提高我国国际化大都市城市建设用地利用效率，推进治理能力和治理水平现代化，需要学者们给予更多的审视和研究。

国内外对于城市建设用地利用效率已有不少研究。国外学者多结合经济学视角评价城市建设用地利用效率和优化配置情况，如：通过土地经济学、城市经济学、土地利用规划政策等方法评价城市建设用地利用效率[4-5]，认为城市群比单个城市的建设用地利用效率更高[6-8]，研究城市用地扩张与经济增长间的关系以及对经济增长的贡献[9-12]，认为资本、劳动力和土地是经济增长的基础要素[13]。国内来看，城市建设用地效率研究主要方向集中在效率评价的内涵、尺度、测度方法、区域差异以及影响因素探究等方面。在评价内涵上，城市建设用地效率内涵进一步丰富，考虑生态环境在建设用地利用方面的投入，评价了建设用地环境效率情况，或者将建设用地细分，进一步评价分产业的建设用地效率。如生态文明视角下资源型城市建设用地环境效率评价[14]、中国工业用地利用效率评价[15]。在评价尺度上，已有文献多是从区域城市群或者省域尺度来开展的研究，如对长江中游地区41 座城市建设用地利用效率及驱动因素和机理进行的研究[16]、对湖北省建设用地绩效进行的评价[17]、长三角地区城市建设用地经济效率及其影响因素的分析[18]。对于全国性大城市，尤其是大城市本身即市辖区不含所辖市县这一尺度研究较少，而我国国际化大城市建设的重点和发展的外延是所辖区范围，评价该区域效率对优化土地利用更有针对性。在测度方法上，主要采用改进的计量经济模型、构建建设用地利用效率评价指标体系、数据包络分析法（DEA）和Tobit 回归等方法，如运用改进的经济模型分析经济增长质量对城市用地扩张的影响[19]、构建指标评价体系对城市建设用地综合效益和集约度进行评价[20-21]、采用DEA 和Tobit 回归对中国建设用地环境效率和影响因子进行研究[22]。但是建设用地利用效率评价指标体系各指标权重受主观影响较大，一定程度影响评价结果合理性[23]。在影响因素探究上，已有的文献多从城市规模[24]、土地市场交易类型[25]、城镇化程度[14]、经济发展水平等方面进行研究，鲜有从社会活力水平和对外开放程度方面进行考量。而土地作为重要的生产要素，市场化配置后其利用效率才能够充分发挥[15]，社会活力水平则在一定程度上反映了社会主义市场经济程度。对外开放程度越高，越能够吸收先进技术和管理经验，可以促进建设用地效率提高。因此有必要将社会活力水平和对外开放程度纳入城市建设用地效率影响因素的探究。

综上所述，为提升我国国际化大都市城市建设用地利用效率，推进治理能力和治理水平现代化，本文对2015 年至2017 年全国4 个直辖市的市辖区和15 个副省级城市市辖区范围内城市建设用地利用效率进行评价。采用的数据包络分析法（DEA）能够客观确定权重，从科学和系统角度评价建设用地效率，同时运用Malmquist 指数模型动态分析效率年度变化情况。以此为基础，使用Tobit 回归模型，加入社会活力水平、国际化水平等因子综合探究影响建设用地利用效率的因素，以期为优化我国国际化大都市土地利用提供实证依据。

1 方法和数据来源

1.1 方法

（1）数据包络分析法

数据包络分析方法（data envelopment analysis, DEA）借助于数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA 的生产前沿面上，并通过比较决策单元偏离DEA 前沿面的程度来评价它们的相对有效性。其数学形式如下：

（2）Malmquist 指数

Malmquist 全要素指数是一种非遍历性指数，用于测度评价决策单元动态效率变化情况，其最初由Sten Malmquist提出，由Fare 等人改进和完善，数学模型如下：

式中，Dt(xt,yt)、Ds(xt,yt)分别表示t、s 时期技术条件下评价决策单元DMU 的投入距离函数。TFP 为Malmquist全要素指数，表示评价决策单元DMU 从s 到t 时期的效率变化程度。

TFP可分为综合技术效率变化（EC）和技术进步（TC），EC 还可细分为纯技术效率（PE）和规模效率（SE）。TC表示技术进步的程度，PE 表示管理效率变动，SE 表示规模适宜程度。各类效率值均为不同时期的比值，大于1 表示效率提升，反之则降低。各类效率值间有如下数学关系：

（3）Tobit 回归

Tobit 回归是一种因变量受限的回归模型。本文以各评价决策单元DEA 效率值为因变量，构建指标评价指标体系作为自变量，采用Tobit 回归探究影响建设用地效率的影响因素。Tobit 模型为：Yi=α+βiXi+ε。

其中：Yi是各评价决策单元DMU 的DEA 效率值作为因变量，Xi是各影响因素作为自变量，βi是各影响因素的参数向量，α 是截距向量，ε 是服从正态分布的误差向量。

1.2 变量选取和数据来源

建设用地利用效率的内涵是尽可能以低的资源和要素投入来获取高的价值产出。本文参照已有文献研究成果[27-30]，考虑数据的可获得性，围绕经济活动的土地、资金、劳动力三个方面的基础要素构建投入指标，具体为城市建设用地面积（km2）、固定资产投资（不含农户，亿元）、第二三产业从业人员（万人）。因城市建设用地不涉及农业生产活动，并且公共财政收入一定程度上反映经济活动效益，故采取第二、三产业产值（亿元）和公共财政收入（亿元）作为产出指标。投入产出指标均为19 个副省级以上城市市辖区数据，其中货币类数据除去物价指数影响，统一研究基期比较。指标选取情况见表1。本文主要数据来源于2016-2018 年的《中国城市统计年鉴》与《中国城市建设统计年鉴》。19 个副省级以上城市2015-2017 年各指标所取的57 个观测值的描述性统计见表2。

3．高校校园文化制度建设不够完善。良好的制度环境不仅是高校优秀校园文化建设的重要保障，而且对师生形成积极向上的精神风貌、健康文明的行为习惯、高尚雅趣的道德情操起到关键性作用。但是，部分高校现行的组织机构和办事制度不仅没有提高工作效率，而且浪费了宝贵的时间与精力资源，使高校内部文化制度生态链出现了“失态”。比如一件简单的事情需要经过层层领导的签字，需要经过多个部门的商量等等。特别要指出的是，在当前市场经济的繁荣时代，因经济主体追求利益最大化、利润最大值的本质，且部分高校没有形成规范有效的学术体制，导致出现学术腐败、急功近利的现象，削弱了校园文化的群体教育价值观念。

表1 建设用地效率评价指标Table 1 The efficiency index of construction land

表2 各指标简单描述性统计Table 2 The simple descriptive statistics of each index

2 结果与分析

2.1 静态效率分析

本文采用DEAP2.1 软件，以2017 年19 个副省级以上城市的投入产出截面数据测算了建设用地利用效率，具体结果见表3。

2017 年副省级以上城市的平均综合效率值为0.805，位于较高水平。东南沿海副省级以上城市综合效率值普遍高于内陆城市。对综合效率值采取自然断点分级法（Natural Breaks）分为高中低三个水平。高水平城市建设用地利用效率介于0.868-1 之间，包含10 个城市，分别为北京市、天津市、沈阳市、大连市、上海市、宁波市、青岛市、武汉市、广州市和深圳市。其中大连市、上海市、宁波市、青岛市、广州市和深圳市这6 个城市效率值为1，表明DEA 有效，各要素投入和产出达到相对最优配置。中水平城市建设用地利用效率介于0.686-0.821 之间，包含4 个城市，分别为重庆市、南京市、杭州市、济南市。低水平城市建设用地利用效率介于0.414-0.631 之间，包含5 个城市，分别为长春市、哈尔滨市、厦门市、成都市、西安市。

表3 2017年副省级以上城市建设用地效率测算结果Table 3 Calculation of construction land use efficiency of cities above sub provincial level in 2017

分析13 个城市未达到DEA 有效的具体原因，可以从综合效率指标的分解以及松弛和剩余变量的角度来考量。从效率分解看：第一类包含北京市和天津市，其技术效率达到最优，但规模效率还较低，表明生产规模不适宜，影响了综合效率；第二类包含其余11 个副省级以上城市，其技术效率和规模效率均未达到最优，表明经济活动生产技术和生产规模还有待优化。从松弛和剩余变量来看：第一类包含北京市和天津市，其处于规模报酬递减阶段，松弛和剩余变量也就是投入和产出各指标均为0，表明影响DEA 有效的原因是投入和生产的规模偏大，投入和产出应按比例降低；第二类包含沈阳市、济南市、长春市、哈尔滨市、厦门市、西安市等6 个城市，其处于规模报酬递增阶段，但存在结构性投入冗余和产出不足的情况。以沈阳市为例，其土地要素需减少投入532.474 km2，第二、三产业从业人员需减少25.081 万人，固定资产投资维持不变，产出方面第二、三产业产值和公共财政收入需增加197.93亿元和1.347 亿元后，其效率才可达到相对最优；第三类包含武汉市、重庆市和杭州市，处于规模报酬递减阶段，仅存在投入冗余的情况；第四类包含南京市和成都市，处于规模报酬递减阶段，同时存在投入冗余和产出不足的情况。

2.2 动态效率分析

为进一步探究19 个副省级以上城市2015 年至2017 年间建设用地利用效率的动态变化情况，本文运用DEAP2.1软件以2015-2017 年投入产出面板数据计算了各城市的Malmquist 指数及其分解值，具体结果见表4。

表4 2015-2017年副省级以上城市年均Malmquist指数及其分解值Table 4 Cities above sub provincial level annual mean of Malmquist index and decomposition during 2015-2017

2015-2017 年副省级以上城市年均全要素生产率TFP为1.122，增长率为12.2%，增长态势显著。从指标分解情况看，综合技术效率EC 增长了1.5%，技术进步TC 增长了10.6%，纯技术效率PE 降低了-0.7%，规模效率SE 增长了2.2%，技术进步TC 是支撑全要素生产率TFP 提高的最主要因素，纯技术效率PE 则微弱降低了全要素生产率TFP，规模效率SE 对全要素生产率TFP 提高发挥了较小的支撑作用。表明2015-2017 年间副省级以上城市的科技创新研发和技术传播效果明显，产生了更多的经济价值，是我国创新驱动战略和推动经济高质量发展的实践结果。而纯技术效率PE 较低表明经济活动的管理水平还有待提高，优化配置各类资源要素的能力要进一步加强，要推动社会主义市场经济体制目标建设，推进“放管服”改革，充分发挥市场配置资源的决定性作用。规模效率SE 增长率较低表明城市产生要素和规模还未充分匹配。

分城市看，增长率最高的是大连市67.5%，增长率最低的是成都市-1.3%。按照综合技术效率EC 和技术进步TC 可以将19 个副省级以上城市分为4 类。第一类综合技术效率EC 小于等于1、技术进步TC 大于1，技术进步支撑了建设用地效率提高，包含北京市、天津市、上海市、杭州市、厦门市、武汉市、成都市、哈尔滨市、宁波市、青岛市和广州市等11 个城市。第二类综合技术效率EC 大于1、技术进步TC 大于1，综合技术效率和技术进步共同支撑了建设用地效率提高，包括沈阳市、大连市、长春市、南京市、济南市、重庆市和西安市等7 个城市。第三类综合技术效率EC 等于1、技术进步TC 小于1，技术进步因素降低了建设用地效率，包括深圳市。结合深圳市DEA 效率值，一个可能的解释是由于深圳市建设用地利用效率已经趋于最高，各要素资源配置趋于最优，效率增长的空间变小，技术进步尤其是原始技术创新难度越来越大，导致TFP 微弱降低。成都市TFP 小于1 主要是纯技术效率PE和规模效率SE 均较小，经济管理水平和产生规模还有待提高和优化。

分年份看，2015-2017 年TFP 连续快速增长，增长率均超过12%，其中技术进步TC 发挥主要支撑作用，而且2016-2017 年TC 增长率为14.1%，超过前一年的7.2%，表明在建设用地利用效率提高过程中技术进步的影响越来越突出。

2.3 Tobit 模型下的效率影响因素分析

探究影响建设用地利用效率的深层次因素对针对性提高利用效率，完善土地可持续发展政策有重要意义。本文综合已有的文献研究成果，客观分析土地要素参与经济活动的机理，聚焦副省级以上城市的发展特征，考虑数据的可获得性，选取经济发展水平、人口因素、产业结构、政府科技投入、社会活力水平和国际化水平等6 方面影响因素作为自变量，以2015-2017 年各城市综合效率值作为因变量，使用Stata12.0 计算Tobit 回归结果。数据来源为2016-2018 年《中国城市建设统计年鉴》。指标选取情况见表5。其中产业结构情况用产业升级指数表示[31]，计算公式为：。

式中，λi为第i 产业产值占总GDP 的比重，第一产业比重越大x 越接近1，第三产业比重越大x 越接近3。为方便影响因素间影响程度的比较，各指标数据均作归一化处理。

Tobit 回归结果中Pseudo R2 = 1.5900，Prob＞chi2=0.0000回归模型通过了多重共线性检验，不存在异方差、序列相关，模型解释程度较好。由表6 可知，人均GDP、产业结构以及私营和个体从业人员占比这3 个指标对建设用地利用效率产生了显著的正向影响，其中人均GDP 指标影响程度最大。人口密度对建设用地利用效率产生了显著的负面影响，财政科技支出和使用外资对建设用地利用效率影响不显著。人均GDP 系数为0.410,并且在1%的水平下显著，表明在当前发展阶段，对于19 个副省级以上城市来看，经济发展水平还是决定建设用地利用效率的最重要因素。经济发展水平越高，土地利用越充分和集约，能够有效提升土地产出。人口密度系数为-0.129，在10%的水平下显著，表明部分副省级以上城市人口规模偏大，人口聚集带来的红利小于人口超负荷产生的压力。产业结构系数为0.216,并且在10%的水平下显著，表明提升第三产业占比能够提升建设用地利用效率，要推动产业转型升级向产业链研发设计端延伸，提升产品附加值，提高土地价值产出。财政科技支出对建设用地利用效率影响不显著，可能是由于科学技术虽然已经是经济发展的重要驱动力，但科技研发投入主要为社会和企业投入，政府投入所发挥的引导和支持作用有限。私营和个体从业人员占比系数为0.330,并且在1%的水平下显著，表明充分释放社会活力能够有力的提升建设用地利用效率，因此要引导鼓励民营经济发展，持续释放社会活力。使用外资对建设用地利用效率影响不显著，可能是由于虽然利用外资一定程度上能够引进先进技术和管理经验，但我国大部分副省级以上城市主要还是立足于区域和国内市场。另外使用外资指标容易产生波动，对外开放程度对效率的影响研究还需探索其他指标予以表征。

表5 Tobit回归分析影响因素指标选取情况Table 5 The influence index description of the Tobit regression analysis

表6 Tobit回归分析结果Table 6 The results of Tobit regression analysis

3 结论和建议

3.1 结论

针对提高建设用地利用效率，促进我国副省级以上大城市治理能力和治理水平现代化这一目标，本文以2015-2017 年副省级以上城市土地、人口、经济等方面数据，使用DEA 模型测算了2017 年副省级以上城市的建设用地效率情况，运用Malmquist 指数动态分析了各城市效率变化情况，并通过Tobit 回归模型分析了建设用地利用效率的影响因素。形成如下结论：

（1）2017 年副省级以上城市平均综合效率值为0.805，东南沿海效率高于内陆城市。将综合效率值分为高中低三个水平，高水平城市包括北京、天津、沈阳、大连、上海、宁波、青岛、武汉、广州、深圳等10 个城市，中水平城市包括重庆、南京、杭州、济南等4 个城市，低水平城市包括长春、哈尔滨、厦门、成都、西安等5 个城市。副省级以上城市中有大连、上海、宁波、青岛、广州、深圳6 个达到DEA 有效，北京、天津未达到DEA 有效原因为投入和生产的规模偏大，其余城市则是因为规模不适宜、投入冗余和产出不足。

（2）2015-2017 年副省级以上城市年均TFP 指数增长12.2%，增长态势显著。技术进步是支撑TFP 指数提高的最主要因素，纯技术效率则微弱降低了TFP 指数，规模效率小幅提升了TFP 指数。19 个副省级以上城市中TFP 指数小于1 的仅有成都市和深圳市。深圳市可能是由于建设用地利用效率已经趋于最高，各要素资源配置趋于最优，技术进步难度变大，导致TFP 指数微弱降低；成都市TFP指数小于1 主要是经济管理水平有待提高，产生规模还需优化。

（3）Tobit 回归结果显示，人均GDP、产业结构以及私营和个体从业人员占比这3 个指标对建设用地利用效率产生了显著的正向影响，表明经济发展水平、产业升级程度和社会活力能有力提升建设用地利用效率，提升系数分别是0.410、0.216、0.330。人口密度对建设用地利用效率产生了显著的负面影响，表明副省级以上大城市人口规模偏大，人口红利小于人口压力。使用外资对建设用地利用效率影响不显著，这可能是由于我国大部分副省级以上城市主要还是立足于区域和国内市场。另外使用外资这一指标容易产生波动，对外开放程度对效率的影响研究还需探索其他指标予以表征。

3.2 建议

（1）合理调控城市规模。要完善积分落户制度，严控超大型城市人口规模，引导各类要素和公共服务向中小城市流动，缩小不同城市发展差距，促进人口合理分布。要加快划定永久基本农田保护红线、生态保护红线和城市开发边界这三条红线，抑制城市用地盲目扩张，倒逼低效城市建设用地再开发。

（2）积极推动技术进步。科学技术是第一生产力，也是城市建设用地效率提高的核心要素。要落实创新驱动发展战略，加强科技体制改革，建立产学研一体化的技术创新体系，鼓励企业和高校开展核心技术攻关，促进科技成果转化，培育技术创新平台。用足用好宏观调控政策，土地利用低效行业逐步收紧土地供应，倒逼产业转型升级，对高技术和战略性新兴产业加大用地保障和政策扶持。

（3）持续释放社会活力。一方面要激活土地二级市场，促进建设用地使用权转让、出租、抵押，更加突出土地要素市场化配置。另一方面要落实大众创业万众创新精神，为民营经济发展营造良好的用地环境，探索租让结合、先租后让等弹性用地机制，降低企业用地成本，支持企业提高土地资源利用效率。