黄河流域土地市场化、供应结构对建设用地绿色利用效率的空间效应研究

薛建春，张安录，曹力博

（1.内蒙古科技大学 经济与管理学院，内蒙古 包头 014010；2.华中农业大学 公共管理学院，湖北 武汉 430070）

0 引言

土地供应结构与土地利用效率的关系一直是学者们关注的焦点。首先，农业用地与建设用地的供应结构关系我国耕地保护、粮食安全、生态保护等基本国策；其次，城市内存量建设用地在不同行业间的供应结构关系到城镇化建设与城市内产业结构的调整和优化［1，2］；第三，不同城市之间建设用地指标的供应结构关系地区内耕地占补平衡、建设用地的增减挂钩，甚至地区内的生态文明建设等。此外，有学者专注城市内工业企业间的土地配置问题，认为城市以协议方式出让的建设用地比例越高，其工业企业间的资源配置效率越低［3］。1994 年，我国实行分税制改革，财政体制由“行政性分权”走向与市场经济相适应的“经济性分权”，各地政府为了维持地方财政支出，土地出让收入比例日渐增多，依靠增量建设用地创造财政收入的“土地财政”应运而生。因此，土地出让金成为一个既有累计若干年的地租性质，又有一次性收取的似税非税性质的矛盾复合体。土地出让方式主要分为协议出让与招拍挂出让两种。通常，协议出让土地面积比例越大，说明该地区的工业用地、项目用地出让越多，越可能出现政府为了招商引资建设开发区占地的情况，引发经济强市之间土地引资的恶性竞争，竞相扩大工业用地的出让规模和协议出让比例［4］。因此，一些学者利用招挂拍方式出让面积占比代表土地出让的市场化程度［5，6］。但关于土地出让收入对土地利用效率的影响，学术界并未形成一致结论。有学者认为土地出让收入显著促进了城市土地利用效率的提升，并随着土地出让收入规模扩张趋于强化房价对城市土地利用效率的正向效力［7，8］；另有学者则认为土地出让收入对土地利用效率存在抑制作用，当政府低价出让工业用地，高价出让商服住用地时，抑制了产业结构的高级化［9-11］，诱发经济集聚的拥挤效应，进而抑制土地利用效率。同时，政府间形成的城镇化“标尺竞争”模式［12］阻碍了产业结构的合理化，进而抑制土地利用效率，且“经济意义”相邻城市比“地理意义”相邻城市的土地出让对用地效率表现出更强烈的抑制作用［13，14］。上述研究表明，土地供应结构、土地市场化对建设用地使用存在区域内的直接影响与区域间的间接影响，政府间的效仿和竞争等更促进了三者之间的空间效应。基于此，本文以黄河流域作为实证区域，分析土地市场化、土地供应结构对建设用地绿色利用效率的空间效应。

1 研究区概况与数据来源

1.1 研究区概况

黄河流域横跨青藏高原、内蒙古高原、黄土高原和黄淮海平原4 个地貌单元，从西向东途经青海省、四川省、甘肃省、宁夏回族自治区、内蒙古自治区、陕西省、山西省、河南省、山东省9 个省区69 个城市，流域内山脉众多，东西高差悬殊。流域内69 个城市土地面积218.3 万km2，占国土总面积的22.74%。2019 年流域GDP 总量130683.18 亿元，占全国经济总量的13.25%；地均GDP 仅599 万元/km2，低于全国地均GDP 水平（959 万元/km2），土地利用效率低下成为制约黄河流域高质量发展的瓶颈。此外，流域内土地面积数量较大，但可以进行城镇化建设的土地资源稀缺。2019 年，流域内城市协议出让土地价款约200 亿元，招拍挂出让土地价款约5100 亿元，分别占土地出让成交价款的3.77%与96.23%。伴随城镇化的快速发展，研究期内黄河流域53 个城市的建设用地供地面积逐年递增，农业用地面积出现递减趋势。黄河流域在我国社会经济发展和生态安全方面占据重要的战略地位，建设用地存量面积和新增面积绿色利用效率的重要性日益凸显。

1.2 数据来源

城市建设用地绿色效率测度所需投入和产出变量数据来源于《中国能源统计年鉴》（2010—2018）、黄河流域各城市的《城市统计年鉴》（2010—2018）等，计量分析所需的土地出让、供应结构数据来源于《中国土地资源统计年鉴》（2010—2018）、Wind 数据库和EPS数据库（玉树藏族自治州个别年份的土地出让数据为空时，认为没有出让土地，采用零值替代），其他缺失数据使用插值法获得。计算距离权重的城市地理空间位置坐标信息借助ArcGIS 软件提取，最终整理得到黄河流域2010—2018 年9 个省区69 个城市的面板数据。

2 研究方法

2.1 变量选择

本文采用2010—2018 年黄河流域9 个省区69个城市的面板数据作为研究样本，主要解释变量说明如下：①土地市场化。土地市场化是指地方政府采用招标、拍卖和挂牌等市场化程度更高的方式出让土地［15］，基于此概念，本文选用城市招拍挂出让土地面积与全部出让土地面积的比值作为土地市场化变量，同时采用城市招拍挂出让金额与全部出让土地金额比值作为土地市场化变量的替代变量进行稳健性检验。②土地供应结构。通常建设用地供地包含工矿仓储用地、商服用地、住宅用地和其他用地，其他用地中学者主要关心公共管理与服务用地、交通运输用地。本文采用工矿、商服、住宅、公共4种用地面积占当年建设用地供地总量的比重作为土地供应结构的4 个解释变量进行计量分析。③控制变量。经济发展水平（pgdp），采用城市人均GDP 表示；产业结构（cy），考虑我国目前正处于工业化发展阶段，采用第三产业产值与第二产业产值比值表示城市产业结构的优化情况，值越大，产业结构越高级；城镇化水平（cs），采用城市非农人口与常住人口的占比表示；政府财政能力（zf），采用城市的财政总收入与行政区划土地面积比值表示。对所有经济变量按2010 年不变价进行平减，各变量的描述性统计如表1 所示。

表1 变量的描述性统计Table 1 Descriptive statistics of variables

2.2 研究方法

建设用地绿色利用效率测度模型：参考国内学者使用数据包络模型（DEA）测度建设用地效率的方法［16，17］，由 于DEA 模 型 不 需 要 设 定 具 体 的 函 数 形式，且非径向SBM模型可以破解径向DEA方法的局限，因此选用包含非期望产出指标的Window—SBM模型计算黄河流域各城市的建设用地绿色利用效率值。为了更进一步比较有效城市单元的建设用地绿色利用效率值，模型增加了超效率选项。基于古典经济学思想，同时考虑国家对黄河流域建设生态屏障的战略，以及我国在2020 年联合国大会上承诺的力争2060 年前实现“碳中和”目标，本文选用建设用地面积（城市行政区域内），第二、三产业就业人数，固定资产投资额和科学技术财政支出4 个变量分别表示建设用地的土地、劳动力、资本和科技投入情况，选用城市第二、三产业产值，职工平均工资，建成区绿化覆盖率作为期望产出中的经济效益、社会效益和生态效益产出，同时将各城市的能源消耗碳排放量作为非期望产出引入模型中，且期望产出与非期望产出的权重设置相等。计算的能源类型主要包含煤炭、焦炭、煤油、原油、石油、汽油、柴油、燃料油、液化石油气和天然气10 种，为了简化计算，以各年各城市的各类能源消耗量占比作为权重，综合计算各年的能源消耗碳排放系数，最终确定每吨标准煤综合碳排放系数为0.74t/tce。各类能源碳排放系数如表2所示。投入、产出中所有经济价值指标利用GDP指数平减至以2010 年为基期的数值。

表2 不同类型能源标准煤折算系数与黄河流域各年综合碳排放系数Table 2 Conversion coefficient of different types of energy standard coal and comprehensive carbon emission coefficient of the Yellow River Basin in each year

核密度估计：核密度估计（Kernel Density Esitimation）作为一种非参数估计方法，其典型优点是无需设定参数模型，借助连续密度曲线描述随机变量的演进特征。其函数公式为［18］：

式中：xi为研究的随机变量；h 为带宽；n 为观察变量的样本量；K（·）为核函数，通常使用高斯核函数进行估计。密度曲线波峰的数量可以描述观测变量的多级演变特征，主峰高度左移或者右移可以描述观测变量的差异增大或者缩小特征，曲线重心位置描述观测变量值大小演进特征等［19］。

全局空间自相关：空间自相关通过研究区域对象属性值的相似性与其空间位置属性的一致性反映研究区域间的空间依赖性，Moran′s I、Geary′s C、Getis′s G 和标准偏差椭圆是空间自相关常用统计指标。根据相关关系可分为空间正相关与空间负相关：空间正相关，表示研究的要素属性值在本地与相邻空间内具有相似性；负相关，则表示要素属性值随空间距离缩小而不同。本文选用Moran′s I 指数反映土地利用的集聚程度与空间非平衡性。全局Moran′s I 指数描述了观测值在整个研究区域的空间特征，计算公式为［20］：

局部空间自相关：进一步采用局部Moran′s I 指数探索黄河流域内各城市在局部单元内的空间非平衡和一致性特征，计算公式为：

式中：zi和zj表示研究区域i 和j 被标准化后的观测值。局部Moran′s I 指数的取值处于［-1，1］，正值表示研究区域的低值被低值环绕或者高值被高值环绕，负值则表示研究区域的低值被高值环绕或者高值被低值环绕。若I局部＞0，且zi＞0，表示研究区域i 属于H- H型；I局部＞0，且zi＜0，表示研究区域i属于L- L型；若I局部＜0，且zi＞0，表示研究区域i 属于H- L型；I局部＜0，且zi＜0，表示研究区域i 属于L- H型。

空间计量模型：由于研究区域地理位置之间的邻接性和政府之间经济增长与土地出让的竞争性等经济、社会相关性的存在，流域内城市的建设用地绿色利用效率也可能存在空间效应或者表现为空间溢出性，各解释变量（土地市场化、土地供应结构、控制变量）不仅会直接影响本地建设用地绿色使用，还会影响存在空间相关性的城市建设用地绿色使用。空间计量模型正是研究空间交互作用和空间结构的主要工具。

常用的空间常系数回归模型主要有空间滞后模型（Spatial Lag Model，SLM）、空间误差模型（Spatial Error Model，SEM）和 空 间 杜 宾 模 型（Spatial Dubin Model，SDM）。考虑到空间杜宾模型在系数特殊情况下可以转化为空间自相关模型与空间误差模型，本文仅给出考虑了解释变量空间滞后项的空间杜宾模型一般形式：

式中：Yit为i 城市t 年的建设用地绿色利用效率；α为常数项；Xit为各类影响变量的集合；W 为空间权重矩阵；WXit为自变量的空间滞后项；WYit为因变量的空间滞后项；μi为空间个体固定效应；υt为空间时点固定效应；εit为模型的误差项；ρ和θ为空间相关系数。

当θ≠0，且ρ≠0 时，空间杜宾模型可以简化为空间滞后模型，以衡量周边城市的被解释变量对本地区被解释变量的影响［21］。当θ＋βρ＝0 时，空间杜宾模型可以退化为空间误差模型。非空间模型系数可以直接反映自变量对因变量的影响，但空间杜宾模型的相关系数不能直接反映自变量变化对因变量的影响，参考Lesage 等［22］借助求偏导数将自变量对因变量的总效应分解为直接效应、间接效应，辅助解释不同个体的自变量对因变量的影响。在特定稳定条件下，分解方程为：

直接效应等于模型系数和反馈效应之和，即上述矩阵对角元素的平均值；间接效应为上述矩阵非对角元素的行平均。

2.3 设定空间权重矩阵

地理学第一定律认为，任何事物都是紧密相连的，且越邻近事物之间的联系越紧密。利用空间权重矩阵描述事物之间的关联程度，通常采用邻接关系、空间距离和经济距离表征空间权重关系，也可以将两种或者多种关系综合考虑，采用多种距离关系表征空间权重。本文分别采用邻接空间权重、距离空间权重和经济距离空间权重进行分析。

邻接权重矩阵：依据空间之间的相邻关系，邻接可以表现为共边或者共点，考虑到本文研究对象是城市之间的邻接，主要以共边邻接为主，因此权重矩阵Wij可以根据下述方式获得：

式中：当i ＝j 时，Wij＝0。根据以上思想，空间邻接权重矩阵是对称矩阵。

距离权重矩阵：空间单元城市之间除了地域上的邻接关系以外，还可以用两地之间的距离描述相邻关系，空间计量经济学中称之为“狭义距离”，可以用两个城市的行政中心距离进行度量。本文选择两个城市的中心质点进行计算，利用ArcGIS 软件进行要素转点后得到城市的经纬度坐标，利用此坐标计算两个城市之间的直线距离平方的倒数作为空间距离矩阵。

式中：dij表示i 城市与j 城市之间的质点距离。质点距离越远，其空间权重的系数越小，空间相关性也越差。

经济距离权重矩阵：地理学第一定律表明，城市之间的联系随着地理距离的增加而递减，但现实中两个经济水平差异小、距离远的城市之间可能要比经济水平差异大、距离远的城市之间的联系更多，因此可以考虑建立经济距离权重矩阵：

3 实证结果及分析

本文利用MaxDEA 软件，采用包含非期望产出的Window-SBM模型，选择窗口宽度为9，偏移量为0，且勾选Andersen和Petersen于1993 年提出的超效率计算方式［23］，得到黄河流域城市建设用地绿色利用效率值。结果显示，全域内城市建设用地平均效率值从2010 年的0.4944 提升到2018 年0.6822，且效率值有效的城市数从13 个增长至25 个，表明流域内城市建设用地绿色利用效率整体水平呈现提升态势，但仍有包头、鄂尔多斯、淄博等12 个城市的建设用地绿色利用效率在研究区间内表现为下降。从各流域9 年间效率值提升情况分析，下游（0.2106）城市的建设用地效率提升幅度要高于中游（0.1715）和上游城市（0.1877）。

3.1 空间相关分析

观察黄河流域建设用地绿色利用效率各年平均值的变化，2010—2014 年呈下降态势，2015—2018 年呈上升态势。按流域区分，中游呈先下降后上升态势，上、下游则呈上升态势，且各年效率平均值，中游＞上游＞下游；按增长幅度区分，下游＞上游＞中游。

图1 显示了2010 年、2018 年黄河流域各城市建设用地绿色利用效率值的变化情况。从图1 可见，随着时间的增长，流域下游地区的济南、泰安、郑州等城市的效率值色彩显著变浅色；同时，上游和中游地区的海西、阿拉善、包头、鄂尔多斯、乌兰察布等城市的效率值色彩则出现不同程度的加深。造成这种趋势的原因可能是：流域中游内城市早期为招商引资建设，引入部分高能耗、高污染企业，随着生态文明建设的不断深入，生态保护理念和工程进一步推进，中游地区城市转变土地利用观念，引导这类企业改造升级甚至关停，放缓了经济发展速度，但同时也降低了土地碳排放量。

图1 2010 年和2018 年黄河流域城市建设用地绿色利用效率Figure 1 The green use efficiency of construction land in the Yellow River Basin in 2010 and 2018

基于核密度估计的黄河流域城市建设用地效率动态演变：首先，利用核密度估计法观察城市建设用地绿色利用效率的时序动态演进特征。2010 年、2013 年、2016 年和2018 年黄河流域及各流域内城市建设用地效率的核密度曲线如图2 所示。从图2 可见，全域内4 个年份的核密度曲线均表现为“一主一辅”的双峰形态［24］，表明研究期间内建设用地绿色利用效率始终处于两极分化格局，且曲线中心位置逐年向右偏移，证实黄河流域内建设用地效率值整体呈上升的演进特征；且主峰波峰呈现先上升后下降的态势，2010—2016 年波峰轻微上升，之后出现大幅度下降，说明城市建设用地效率差异呈现先缩小后扩大的趋势。再分析各流域核密度图：上游内各年的双峰形态明显，说明流域内建设用地绿色利用效率多级演进特征明显，中游内核密度图走势与全域内基本相同，但下游内的波峰始终保持下降态势，说明流域内城市建设用地绿色利用效率差异呈现逐 年缩小的趋势。

图2 黄河流域城市建设用地绿色利用效率核密度曲线Figure 2 Nuclear density curve of green use efficiency of urban construction land in the Yellow River Basin

城市建设用地绿色利用效率空间相关分析：以黄河流域城市之间的距离为空间权重，分析建设用地绿色利用效率的全局空间Moran′s I 指数，可以发现虽然2010—2018 年均在1%水平显著正相关，但是相关系数均不足0.3（表3），说明黄河流域内各城市之间的建设用地绿色利用效率存在弱正相关关系。

表3 2010—2018 年黄河流域城市建设用地绿色利用效率Moran′s I 值Table 3 Moran′s I value of green use efficiency of urban construction land in the Yellow River Basin，2010-2018

虽然全域Moran′s I 指数可以从宏观上证明黄河流域建设用地绿色利用效率存在全局空间正相关关系，但仍需要借助局部空间集聚图识别流域内城市的局部空间格局特征。总体而言，各年的H - H集聚区城市数大于L- L 集聚区数量，H- L 集聚区城市数大于L - H 集聚区城市数量（图3）；且2010年H - H 集聚区主要分布在黄河流域的上游和中游，而L - L 集聚区则主要分布在下游，但2018 年HH集聚区仅有上游地区的6 个城市，下游地区的L- L集聚区也由原来的5 个城市变为0。说明流域下游城市的建设用地绿色利用效率在研究时期增长较多，而中游城市呈现下降趋势。事实上，下游境内山东、河南的城市受东部经济圈城市发展的辐射，加土地自然生态条件好于中游城市，因此建设用地效率提升较快。相较而言，中游城市的基础设施水平较低，城市内部的人、物、信息和能量流动性较差，且受资源型城市的高能耗低产出特征影响，建设用地绿色利用效率整体出现下滑。

图3 2010—2018 年黄河流域城市建设用地绿色利用效率空间格局演变Figure 3 Spatial pattern evolution of green use efficiency of urban construction land in the Yellow River Basin，2010-2018

3.2 空间计量分析

首先进行LM 检验并构建R - LM 统计量进行空间相关性检验，检验结果显示LM - no - lag ＝0.000，R - LM no lag ＝0.584，LM no error ＝0.000，R- LM no error ＝0.000，表明在1%水平下显著拒绝了使用面板OLS估计的原假设，因此选用空间计量模型进行估计。考虑数据结构是短面板，因此构建包含个体效应和时间效应的空间模型，采用Hausman检验确定采用固定效应或者随机效应模型，卡方统计量25.96，P 值（0.0021）在1%水平下显著，故采用固定效应模型。

采用LR检验配合AIC和BIC信息准则，确定使用空间杜宾、空间滞后或空间误差模型，并确定是个体固定、时期固定还是双固定，检验结果如表4 所示。模型个体固定（1—4 行）、时期固定（5—8 行）与双固定（9—12 行）的P 值在均1%水平下显著拒绝原假设，且LR 检验显示使用个体—时期双向固定的杜宾模型。Wald 检验结果显示，两个P 值均在1%水平下显著拒绝原假设，因此该模型不可简化为空间滞后模型与空间误差模型，最终确定使用个体-时期双固定的空间杜宾模型进行估计。

表4 Likelihood Ratio（LR）检验与Wald检验Table 4 Likelihood Ratio（LR）test and Wald test

为了分析不同空间权重矩阵下土地市场化与土地供应结构对建设用地绿色利用效率的影响效果，分别采用邻接矩阵、距离矩阵、经济距离矩阵作为空间权重矩阵建立“个体—时期”双固定的杜宾模型，根据Lee等［25］和Elhorst［26］的研究成果，基于2010—2018年黄河流域9 个省区69 个城市的面板数据，采用偏差修正的MLE方法进行回归估计，结果如表5所示。从空间自相关系数ρ的结果可知，地理权重矩阵和经济地理空间权重下，模型在1%水平下存在空间相关性，邻接空间权重矩阵下模型在5%水平下存在空间相关性，说明城市建设用地绿色利用效率一方面取决于本地区的土地市场化、供应结构和社会、经济等因素，另一方面受周边城市的各类因素影响，即存在空间外生交互效应，或者说城市的建设用地绿色利用效率存在空间溢出效应。

表5 不同权重矩阵的空间杜宾模型回归结果Table 5 Regression results of Dobbin model in different weight matrix space

直接效应：研究期内，固定效应模型下的黄河流域土地市场化对本地区建设用地绿色利用效率显著负向作用，空间权重矩阵模型下土地市场化对本地区建设用地效率也具有抑制作用，但不显著。周围城市的土地市场化对本地区的建设用地绿色利用效率在不同空间权重下影响效果不同。从土地供应结构分析，工矿用地对本地区建设用地绿色利用效率的直接影响显示为促进作用，商服用地、住宅用地、公共管理与服务用地结构对本地区建设用地绿色利用效率的直接影响显示为抑制作用，但住宅用地、公共管理与服务用地对周围城市建设用地绿色利用效率的影响则显示促进作用，影响效果均不显著。相对于个体—时期双向固定的非空间模型，空间杜宾模型的R2值更大一些，说明空间模型的说服力更强，同时直接效应并没有改变土地市场化、土地供应结构对建设用地绿色利用效率的影响方向，但土地市场化的直接影响系数在空间杜宾模型中略有减弱。控制变量中，产业结构优化与政府规模均促进建设用地绿色利用效率，而城镇化与建设用地绿色利用效率则呈“倒U型”关系。

空间溢出效应：将各类解释变量的空间效应进行分解，结果如表6 所示。从表6 可见，工矿用地对建设用地绿色利用效率的直接效应在3 种模式下均不显著，但在距离空间权重与经济距离空间权重模型下，周围城市的工矿用地结构显著抑制本地城市的建设用地绿色利用效率，距离空间矩阵模型下总效应系数- 0.0033，经济距离空间权重矩阵模型下总效应系数-0.0026。商服用地的直接效应也不显著，在距离空间矩阵模型与经济距离空间矩阵模型下，商服用地的溢出效应与总效应均显著，效应系数分别为-0.0085 和-0.0093。其他两类用地结构与土地市场化对本地及周围城市的影响效应均不显著。这说明黄河流域土地市场化与建设用地绿色利用效率之间虽然存在空间负相关性，但是其总体影响效果并不显著。而工矿用地结构和商服用地结构对周围距离较近、经济发展水平接近的城市抑制其建设用地绿色利用效率提升，主要是因为流域内城市为了发展经济和提供更多的就业岗位，多通过出让土地给工矿与商服用地，引进企业以吸引周围城市的劳动力资源，因此降低了周边城市的建设用地绿色利用效率。这类企业多是低附加值或者影响生态环境的高耗能企业，尽管在一定程度上促进了本地城市的经济增长，但同时也消耗了更多的能源，对本地产生更多的污染，因此并没有显著促进本地建设用地绿色利用效率。而土地市场化与住宅用地、公共管理与服务用地结构对本地及周边城市的建设用地绿色利用效率的直接效应、溢出效应与总效应均不显著。

表6 杜宾模型（不同空间权重）解释变量效应分解Table 6 Dobbin model（different spatial weights）explanatory variable effect decomposition

观察各控制变量的分解效应，产业结构优化的直接效应、溢出效应与总效应均显示为正值。一方 面，随着城市经济发展水平的提高，其内部物质、信息、能量流动加快，土地价格相对较高，导致企业非常注重土地资源的使用效率；另一方面，优化的产业结构减少了城市对消耗土地较多的工业产业的依赖性，土地开发强度减弱，建设用地绿色使用效率提升；政府财政能力在3 种空间权重模型下主要体现为正向的直接效应，溢出效应和总体效应并不显著。事实上，政府财政能力越强，可用于支持地方科技创新的能力也越强，即建设用地的绿色利用效率的科技投入增多，可直接提升本地的建设用地绿色利用效率。在3 种空间权重模型下，城镇化与建设用地绿色利用效率始终保持“倒U 型”关系，说明城镇化发展对建设用地绿色利用效率的提升存在拐点，当城镇人口增长规模在一定范围之内时，增长的人力资本是效率提升的投入要素；但当人口快速增多，对城市住宅、公共服务设施等提出更多要求，需要极速扩大土地开发强度，人力投入要素转变为人口压力，抑制建设用地绿色利用效率提升。因此，城镇化的发展要与土地利用水平相适应，快速的城镇化并不能提升建设用地绿色利用效率。

3.3 稳健性检验

为了增强结果的稳健性，用城市招拍挂出让金额与全部出让土地金额比值作为土地市场化变量的替代变量进行稳健性检验。发现相关系数ρ在3 种空间权重下也都显著为正，各解释变量与建设用地绿色利用效率之间的关系均未发生改变，说明结论稳健。

4 结论与政策启示

4.1 结论

本文以2010—2018 年黄河流域9 个省区69 个城市为研究对象，采用考虑松弛变量、非期望产出和能够区分有效决策单元的Window—SBM 模型合理测度城市建设用地绿色利用效率，利用核密度曲线分析效率值的演化特征，通过构建地理空间权重分析效率值的空间自相关性，分别构建邻接空间权重、距离空间权重和经济地理空间权重，并借助空间面板杜宾模型及其偏微分分解方法分析黄河流域城市建设用地绿色利用效率的空间效应。主要结论如下：①研究期内，黄河流域城市建设用地绿色利用效率整体呈现递增趋势，但呈现先下降后上升的态势，且建设用地绿色利用效率差异显示先缩小后扩大；观察不同流域内建设用地绿色利用效率平均值：中游＞上游＞下游，但研究期间内下游增长最多，中游增长最少。②黄河流域城市建设用地绿色利用效率在空间分布上显示正相关关系；局部空间格局数量上呈现以L- L 集聚和H- H 集聚为主，H- L 集聚和L- H集聚为辅的空间格局，且H- H集聚区主要集中在上游，L- L集聚区主要分布在下游。③黄河流域建设用地绿色利用效率无论在邻接空间权重、距离空间权重还是经济距离空间权重模型下，空间回归系数ρ均显著为正，即存在正向空间溢出效应，本地城市建设用地绿色利用效率能够带动周边城市建设用地绿色利用效率提升。直接效应显示，土地市场化和土地供应结构（商服用地、住宅用地、公共管理与服务用地）虽然抑制了本地的建设用地绿色利用效率提升，但是工矿用地结构和商服用地结构在距离权重模型和经济距离权重模型下的溢出效应和总效应显著。产业结构优化对建设用地绿色利用效率的直接效应、溢出效应和总效应均显著为正，城镇化与建设用地绿色利用效率无论在非空间模型和空间模型下均显示“倒U型”关系。政府财政能力对本地建设用地绿色利用效率显示促进作用，但对周围城市的建设用地绿色利用效率溢出效应不显著。

4.2 启示

基于上述结论，提出以下政策启示：①黄河流域城市建设用地绿色利用效率存在空间溢出效应，启示流域内所有城市建设不可独善其身、一城孤行，不能简单借鉴周边城市的招商引资方式与规模，过度开发工矿仓储用地与商服用地，而应建立区域一体化发展的思想，综合考虑本地城市与邻近距离城市，或者与经济发展水平相当的城市之间的空间互动关系，在土地出让过程中考虑对产业结构合理化、高级化的影响作用，力争土地出让通过本地城市的产业结构高级化促进本地及周边城市的建设用地绿色利用效率提升。②根据国家生态文明建设在黄河流域的战略定位，建立西北地区生态屏障线，避免流域内城市过度工业化带来只重视经济效益忽略生态效应，认真排查并淘汰现有存量建设用地中高污染、高排放、低产能的引入企业，或者进行企业产业升级，实现城市新旧动能转化，推动城市建设用地“外延扩张”向“内涵扩张”转变。③不过度进行人口城镇化建设，要实现人口、土地资源、科技水平相匹配式的发展，协调城镇化水平与建设用地绿色利用效率的同步发展，人口城镇化建设过程中注意引进人才战略，防止城镇化与建设用地绿色利用效率拐点过早到来，影响流域内建设用地绿色利用效率提升。