我国三大城市群土地利用效率及变化研究
黄九明1， 胡业翠1，2， 段晓艳1， 刘鹏举1
[1.中国地质大学(北京)土地科学技术学院，北京 100083； 2.自然资源部土地整治重点实验室，北京 100035]
摘要： 运用超效率DEA模型、Malmquist指数、Tobit模型对2004—2013年京津冀、长三角和珠三角三大城市群共35个城市的土地利用效率、变化情况及其影响因素进行研究。结果表明：(1)2013年三大城市群的土地利用效率高低表现为珠三角>京津冀>长三角，珠三角各城市之间的土地利用效率差异大于京津冀和长三角。(2)2004—2013年三大城市群土地利用效率总体上呈现小幅上升趋势，具体为京津冀>长三角>珠三角，期间土地利用效率均呈现增减交替式发展，技术变化对土地利用效率影响程度较深。纯技术效率和规模效率对各个城市的影响基本上保持同步，由两者共同决定的技术效率与技术变化不协调。(3)经济发展水平、城镇化水平、技术进步对城市群土地利用效率有正向促进作用，但土地投资强度呈阻碍作用，对外开放程度与京津冀土地利用效率存在负相关关系，对长三角和珠三角则呈现为较显著的正相关关系。
关键词： 土地利用；城市群；京津冀；长三角；珠三角；DEA；土地利用效率；Malmquist指数
我国城镇常住人口从1978年的1.7亿人增加到2016年的7.9亿人，城镇化率也由17.9%上升至57.4%，城镇化的过程对土地利用产生了显著的影响。城市群是未来我国发展格局中最具潜力的典型地区，同时在生产力经济布局中起着战略指导、增长极点和潜力支撑点的作用[1]。改革开放以来，京津冀、长三角和珠三角等城市群率先形成了具有移动影响力的空间组织，为我国社会经济的飞速发展发挥了重要带动作用[2]。在当前城镇化模式迅速普及的发展背景下，城市群的土地利用面临经济发展用地需求激增与有限的土地供应之间的矛盾、土地资源的稀缺性与非集约状态并存的矛盾[3]。城市应该以提高效率为重点目标，只有城市土地利用效率高，才能获得良好的社会经济效益[4]。
产品经理在管理产品过程中都会用到一个工具——产品生命周期，传统商品的成长轨迹遵循导入期、成长期、成熟期、衰退期而发展，但爆品的成长是非线性的、爆发式的增长，导入期之后出现显著拐点效应，从而实现超常规增长。这就需要爆品必须有足够当量的“TNT”、足够大的势能！
国外学者对于土地利用效率的研究主要集中在土地优化配置、区位竞争、土地结构以及城市土地利用效率的评价方法和应用上[5-6]。国内学者在借鉴相关研究的基础上，对我国城市土地利用效率进行了深入研究，如方先知针对土地利用各种类型的特点、土地利用效率的不同问题，提出了测度多种评价要求的土地利用效率指标[7]；张富刚等构建城市土地利用效率评价指标体系，采取定量模型方法对北京市18个区县城市土地利用效率差别进行研究[8]；宋戈等用DEA方法对哈尔滨市城市土地利用经济效益进行了定量分析和评价[9]；杨海泉等利用DEA模型测算了2001—2012年三大城市群土地利用效率[10]；狄乾斌等采用SBM模型测度2005—2014年我国东部沿海地区53个城市的城市发展效率，并分析其时空差异特征及其影响因素[11]；许建伟等结合DEA模型和Malmquist指数对长三角16个城市土地利用效率及其变化进行分析[12]。从以往研究来看，多数文献利用协调度模型[13]、主成分分析和加权法[14]、模糊综合评价法[15]、回归分析法[16]、数据包络分析法(DEA)[17]及系统分析和层次分析法对单个城市、城市群土地利用效率进行实证研究，缺少对我国三大城市群内部以及城市群之间的土地利用效率的比较分析。
土地利用效率是城镇化质量的重要维度之一，按照《国家新型城镇化规划(2014—2020年)》的要求，新型城镇化应以提高土地利用质量为核心，优化土地效率，增强城市的可持续发展能力。基于此，本研究以三大城市群为例，利用超效率DEA模型、Malmquist指数、Tobit模型对三大城市群的35个城市在2004—2013年的各决策单元面板数据进行土地利用效率实证测算，分析我国三大城市群土地利用效率的时空分布特征、土地利用效率变化及其驱动力，为城市群发展过程中的各类城市土地利用活动提供参考，进而提高城市群土地利用效率。
1 研究方法
1.1 超效率DEA模型
超效率DEA模型克服了传统CCR模型无法对多个决策单元(DMU)作出进一步比较和评价的缺陷，使有效决策单元，即TE=1的单元能够进行比较、排序。
标准化活动主要是编制、发布和应用标准和其他标准化文件的过程，标准化文件是标准化活动的产物。以国家标准制修订活动为例，其活动包括预研、立项、起草、征求意见、审查、批准、出版、复审和废止等九个阶段内容。
(1)
该模型假定有n 个决策单元(DMU)，每个决策单元(DMU)有m 种输入和s 种输出，令输入向量为X j =(X 1j ,X 2j ,,x mj )T，输出向量为Y j =(Y 1j ,Y 2j ,,Y mj )T。式中：X ij 为第j 个DMU的第i 种投入量；Y rj 为第j 个DMU对r 种输出的产出量(j =1,2,,n ；i ∈1,2,,m ；r ∈1,2,,s )；λ j 为投入产出的权向量；θ 为评价的决策单元的有效值；ε 为非阿基米德无穷小(取ε =10-10)；s -、s +为松弛变量，分别代表投入冗余和产出不足。
Tobit回归模型是一种基于因变量受限的回归分析方法，利用DEA方法估计土地利用效率时，土地利用效率值被截断，普通的最小二乘法(OLS)不再适用，参数估计将有偏且不一致。Tobit模型能够很好地解决受限制或者截断因变量的模型构建问题[21]。因此，本研究采用Tobit回归模型来定量分析土地利用效率的影响因素，该模型的公式如下：
数学是思维的体操，离开了思维便不再是数学．思维的教学是数学教学的主体内容．虽然是解析几何的复习，但教师并没有将重点放在运算上面，而是精心设计了学生的思考、讨论、交流、展示等思维活动．教师的开放性问题的提出，使得学生的思维发散开来，学生要努力去寻找经验中的一点点关联的念头，构造新的问题，这是一次思维的有效提升．教师设置的“推荐理由”引领学生从题目中走出来．虽然学生选的题多是成题，但要归纳出问题的类型，回扣核心知识点，还是不容易的，需要学生丰富的思维活动．
1.2 Malmquist指数模型
目前使用最普遍的Malmquist生产率指数模型是由Farell(1957)和Färe(1992)构建的，CRS代表规模报酬不变，VRS代表规模报酬可变[18]。
超效率DEA模型的公式如下：
TFP=TE(CRS)×TC(CRS)。
(2)
式中：Y 为土地利用效率值向量；C 为常数项；β i 为第i 个自变量的回归系数；B i 为自变量向量；残差μ ～N (0～σ 2)。
式中：PTE指的是基于VRS的纯技术效率变化指数，反映被评价单元技术运用水平的变化效果。若PTE>1，代表技术运用水平的提高，反之则为下降。
而技术效率变化(TE)等于纯技术效率变化(PTE)和规模效率变化(SE)的乘积，即：
TE(CRS)=PTE(VRS)×SE(CRS，VRS)；
(3)
(4)
工程的监理单位和需要承担的任务不相符合，进行实际管理的人员和工程项目的监理之间具有很大的差距，所聘请的监理人员并没有根据实际施工情况进行监理规范和程序的认识和调整，设计方案、审查变更及监控检验等与实际施工不符也没进行调查和调整。监理人员的监督管理职责意识不强，进行现场管理不到位，不能发现施工中的质量问题，对于质量的问题也是视而不见等等，这样将严重影响工程质量。
(5)
式中：SE指的是基于CRS和VRS的规模效率变化指数，反映被评价对象是否在最合适的投资规模下进行经营的规模效应。若SE>1，代表规模的优化，反之则为规模恶化。
(6)
式中：TC是在时间t 和t +1期间技术变化指数[18]；(x t ,y t )和(x t+1 ,y t+1 )分别表示t 时期和t +1时期内的要素投入和产出的向量指标；D c 和D v 分别基于CRS和VRS的距离函数，即基于投入的DEA模型的有效数值[19]。
当TE、PTE、SE、TC>1时，表明其对提高TFP代表的生产率有正向作用，反之亦然[20]。
1.3 Tobit模型
在超效率DEA模型中，无效的DMU得出的效率值与传统模型得出的值是一样的。但是对有效的DMU来说，假设测算出北京的土地利用效率值为1.1，意味着北京假设投入再等比例增加10%，它仍然保持相对有效。超效率DEA值表示的是DMU在持续有效的情况下，能够变化的最大范围。
Y =C +β i B i +μ 。
(7)
式中：TFP为基于CRS的Malmquist生产率变化指数；TFP为全要素生产率，表示决策单元在t 到t +1时期生产率的变化，若TFP>1，表明效率改善，反之则表明效率衰退；TE为基于CRS的技术效率变化，当TE>1，技术效率得到改善，TE<1为技术效率降低；TC为基于CRS的技术变化，当TC>1，技术进步，否则为退步。
2 数据来源与指标体系构建
本研究数据主要来自于《中国城市统计年鉴》(2005—2014)、《中国城市建设统计年鉴》(2005—2014)、国民经济和社会发展统计公报(2013)以及国内刊物公开发表的相关资料等。
（1）开设专业英语课程的愿望。有1 611人（84.9%）认为本科阶段有必要开设专业英语课程，286人（15.1%）认为没有必要开设，且不同院系、性别、专业课平均成绩的学生开设课程愿望的差异有显著性（P=8.698×10-9，P=4.236×10-8，P=3.626×10-4），而不同年级和不同任职情况的学生之间差异无显著性（P=0.263，P=0.227）。
本研究充分考虑研究对象和研究模型的特点，同时参考和借鉴其他学者的研究成果，结合三大城市群的社会经济发展水平和环境状况，选取土地利用效率评价指标体系和影响因素指标体系(表1、表2)。
“我知道我必须采取策略，显然效果很好，我很自豪自己在压力下的这种表现。”昆拉武特说。这位冉冉升起的新星，让人无限期待他的未来，会有更多令人骄傲的闪耀瞬间。
表1 土地利用效率综合测度指标体系
表2 三大城市群土地利用效率影响因素指标选取
3 实证分析
3.1 2013年三大城市群土地利用效率
本节由技术效率表征土地的利用效率。由表3可知，2013年三大城市群的技术效率均值依次为1.096、0.604、1.405，珠三角的土地利用效率最高，京津冀次之，长三角最低且低于珠三角数值的1/2。2013年土地利用效率相对有效城市共10个，其中京津冀包含秦皇岛、承德、沧州、廊坊4个城市，长三角只有舟山因纯技术效率较高达到了效率相对有效，说明大部分城市需要完善要素投入结构，珠三角中深圳、珠海、肇庆、东莞、中山5个城市土地利用效率相对有效。2013年纯技术效率相对有效的城市有19个，说明这些城市在要素资源利用效果上达到了最佳，其中京津冀中占36.84%，长三角占36.84%，珠三角占26.32%。虽然京津冀和长三角城市数一致，但从占各自城市群的比例来看，长三角明显要低，说明长三角在资源利用上的粗放现象较为严重。2013年土地利用规模效率有效城市仅有5个，其中京津冀包含秦皇岛和沧州市，珠三角包含深圳、珠海和东莞3个城市，而长三角没有规模有效城市，说明长三角在城市规模控制上需要加强。而规模效益递增类型仅包含张家口、舟山、江门、肇庆、惠州和中山6个城市，其余均为规模收益递减，需要减少投入规模。三大城市群不仅要继续维持DEA有效城市的土地利用水平，同时也要通过合理搭配要素投入结构来使得相对无效类型城市提升土地利用效率。
三大城市群技术效率的方差分别为0.296、0.215、0.696，反映出城市群的城市内部之间的土地利用效率的差异情况，其中珠三角城市之间的差异最大，东莞表现为最优，广州效率值最低，两者相差达2.887，但从技术效率均值水平可以看出珠三角整体土地利用技术效率较高。长三角纯技术效率方差最大且明显高于珠三角和京津冀，说明其16个城市之间的技术应用和管理水平差异非常明显。无锡纯技术效率最高，为3.309，杭州最低，为0.191。三大城市群规模效率的方差分别为0.210、0.059、0.560，珠三角城市之间虽然差异最大，但从平均值来看，却是规模效率整体水平最高，说明珠三角在发展过程中，注重劳动力、资本和土地的合理投入，要素利用方式较集约，而长三角规模效率方差最低，但规模效率平均值整体最低，说明有大部分城市应该加强规模投入。
结合DEA模型与Malmquist指数对三大城市群35个城市2004—2013年10年的土地利用效率的变化情况(表4)进行分解讨论。
表3 2013年三大城市群土地利用效率DEA结果
表3(续)
3.2 三大城市群土地利用效率变化
自动翻页爬取，抓取用户等行为均借由python爬虫实现，具体代码可参见：github.com/HuikangLiu/snsmap。
表4 三大城市群TFP变化的年度平均值及Malmquist指数分解
全要素生产率(TFP)表征土地利用效率，技术效率进一步可以分解为纯技术效率与规模效率。从全要素生产率的平均水平来看，2004—2013年间，三大城市群的土地利用效率整体表现为小幅度的上升，具体为京津冀>长三角>珠三角。京津冀城市群由于纯技术效率保持不变，土地利用的技术效率、技术变化和规模效率变化均大于1，带来了最大比例的改善，其次是长三角，而珠三角城市群技术效率、纯技术效率和规模效率变化不大，因此土地利用效率变化不明显。
分阶段来看，三大城市群土地利用效率阶段性上升或下降规律不明显，呈现出增减交替式发展。技术效率和技术变化不协调，技术变化的进步能弥补纯技术效率、规模效率低下带来的不足，使土地利用效率提升，而当技术变化退步时，纯技术效率和规模效率提升不能弥补土地利用效率的降低。大多数情况下全要素生产率的变化值较技术效率变化值来说更贴近技术变化值，结合图1可以发现，全要素生产率和技术变化折线走势基本相似，因此可以判断城市群土地利用综合效率受技术变化影响程度较深。
3.3 驱动力因素分析
运用Eviews 8.0统计分析软件进行计算，结果如表5所示。
前面路段没有那么拥挤了，竹韵收起紊乱的思绪，加快了车速，她必须按时赶到面试地点接受主考官的挑选。眼下当务之急就是寻找工作，把日子过下去。竹韵所在的公司在半年前宣布破产倒闭，倾巢之下无完卵，她也下岗半年了，靠着下岗补贴和龙斌一月千把元特困补助维持生计。
理论上，土地市场的活动很大程度上能够带动经济的发展水平，进而促使土地利用效率朝正向转变。根据表5回归结果，经济发展水平这一指标对三大城市群土地利用效率的正向影响微乎其微，因为经济发展水平可能会通过资本、技术、投资等一系列手段间接作用于土地，对土地的价格、供需水平等都产生一定影响。
回归结果表明，土地投资强度对三大城市群的土地利用效率影响是一种阻碍作用，城市土地在现阶段可能存在重复投资的现象，而且是低效率的重复投资，在一定程度上产生了大量的非期望产出，进一步拉低城市群整体土地利用效率。
回归结果显示，城镇化水平对土地利用效率具有显著的促进作用。理论上，由于城镇化的迅速发展，城镇总体规模不断扩大，到了一定高度，土地利用方式会由粗放型转向集约型。在“新型”城镇化的推广下，土地集约高效利用就已然成为必须，否则未来可能会承受不可预计的建设成本。
表5 三大城市群土地利用效率的Tobit回归结果
注：*、**、***分别表示在10%、5%、1%水平上显著。括号内为P 值。
技术进步对土地利用效率具有较为显著的促进作用，说明现阶段三大城市群土地利用效率的提高尚处于要素需合理配置的阶段。理论上，技术进步具有两面性，一方面技术进步带来的创新性成果会促使城市规模扩大，建设用地占用大量农业用地，致使城市“摊大饼”现象蔓延；另一方面，技术进步的本身需要大量的资金和智力资源的投入，企业和人口的聚集必然影响土地的利用效率，带来的成果转化成为有利于城市发展的科技手段。
对外开放程度与京津冀土地利用效率存在负相关关系，但影响程度不大，对长三角和珠三角则呈现较为显著的正相关关系，表明一定程度上城市群对外开放程度越高，土地利用效率越高。主要是因为这2个城市群开放的产业体系，外资的集聚，迅速拉动了城镇化的发展，从而正向影响土地的利用效率。
4 结论
(1)2013年三大城市群的土地利用效率均值依次为 1.096、0.604、1.405，珠三角土地利用效率最高，京津冀次之，长三角最低。三大城市群土地利用效率值的方差分别为 0.296、0.215、0.696，珠三角各城市之间的土地利用效率差异比京津冀和长三角要明显。
(2)2004—2013年三大城市群土地利用效率出现了不同的小幅度上升，具体为京津冀>长三角>珠三角。城市群土地利用效率均呈现增减交替式发展，技术变化对土地利用效率影响程度较深。纯技术效率和规模效率对各个城市的影响基本上保持同步，由两者共同决定的技术效率与技术变化出现了不协调。
当今社会，互联网发展势头迅猛，怀远石榴可以利用互联网进行宣传和销售。可以通过网络电商平台进行销售易保存的石榴，扩大销路，并且通过互联网进行宣传。因为“怀远石榴”成为了地理商标，怀远县可以通过制作广告投放互联网宣传商标，也就宣传了当地特色。并且可以现在最热门的直播平台，直播石榴生长，石榴丰收的画面，也可以通过直播普及挑选石榴的小知识，借此宣传怀远县的石榴。并可以通过直播平台直接接受石榴预定，在平台进行销售，拓宽石榴销路。
(3)经济发展水平、城镇化水平、技术进步对城市群土地利用效率有正向促进作用，但土地投资强度则形成阻碍作用，对外开放程度与京津冀土地利用效率存在负相关关系，对长三角和珠三角则呈现较为显著的正相关关系。
参考文献：
[1]方创琳，关兴良. 中国城市群投入产出效率的综合测度与空间分异[J]. 地理学报，2011，66(8)：1011-1022.
[2]姚小薇，王占岐. 我国城市群土地利用研究进展与展望[J]. 国土资源科技管理，2012，29(2)：1-7.
[3]林 坚，马 珣. 中国城市群土地利用效率测度[J]. 城市问题，2014(5)：9-14，60.
[4]钱鹏升，李全林，杨如树. 淮海经济区城市效率时空格局分析[J]. 云南地理环境研究，2010，22(3)：52-58，64.
[5]梁 曦. 基于“DPSIR”模型的青岛市房地产建设用地的集约利用评价[D]. 青岛：青岛理工大学，2012.
[6]吴得文，毛汉英，张小雷，等. 中国城市土地利用效率评价[J]. 地理学报，2011，66(8)：1111-1121.
[7]方先知. 土地利用效率测度的指标体系与方法研究[J]. 系统工程，2004，22(12)：22-26.
[8]张富刚，刘燕萍，李裕瑞. 城市土地利用效率评价研究——以北京市为例[J]. 中国国土资源经济，2015，28(4)：43-46，52.
[9]宋 戈，高 楠. 基于DEA方法的城市土地利用经济效益分析——以哈尔滨市为例[J]. 地理科学，2008，28(2)：185-188.
[10]杨海泉，胡 毅，王秋香. 2001—2012年中国三大城市群土地利用效率评价研究[J]. 地理科学，2015，35(9)：1095-1100.
[11]狄乾斌，孟 雪. 基于非期望产出的城市发展效率时空差异探讨——以中国东部沿海地区城市为例[J]. 地理科学，2017，37(6)：807-816.
[12]许建伟，许新宇，朱明侠，等. 基于数据包络分析的长三角城市群土地利用效率及其变化研究[J]. 世界地理研究，2013，22(1)：121-129.
[13]王芳萍，师 燕，姚步青，等. 西宁市土地利用效益与新型城镇化耦合协调度研究[J]. 水土保持研究，2016，23(6)：253-259.
[14]牛乐德，彭籽明，熊理然，等. 昆明市城镇化对土地利用效率影响的实证分析[J]. 中国农学通报，2015，31(4)：286-290.
[15]范丽娟，田广星. 基于模糊综合评价法的银川市土地集约利用评价[J]. 农业科学研究，2018，39(1)：6-9.
[16]卢新海，匡 兵，李 菁. 碳排放约束下耕地利用效率的区域差异及其影响因素[J]. 自然资源学报，2018，33(4)：657-668.
[17]杜丹宁. 中国城市土地利用效率的空间分异[J]. 水土保持通报，2016，36(6)：315-320，325.
[18]梁流涛，梅 艳. 中国耕地生产率变化及影响因素分析——基于Malmquist指数视角的研究[J]. 干旱区资源与环境，2011，25(8)：1-6.
[19]Fare R，Grosskopf S，Norris M. Productivity growth，technical progress，and efficiency change in industrialized countries：reply[J]. American Economic Review，1997，87(5)：1040-1043.
[20]廖虎昌，董毅明. 基于DEA和Malmquist指数的西部12省水资源利用效率研究[J]. 资源科学，2011，33(2)：273-279.
[21]Coelli T. A multi-stage methodology for the solution of orientated DEA models[J]. Operations Research Letters，1998，23(3/4/5)：143-149.
中图分类号： F301.24
文献标志码： A
文章编号： 1002-1302( 2019) 19-0265-05
收稿日期： 2018-09-04
基金项目： 高校基本科研业务专项(编号：2652015175)。
作者简介： 黄九明(1995—)，男，河北沧州人，硕士研究生，研究方向为土地资源管理。E-mail：292389919@qq.com。
通信作者： 胡业翠，博士，教授，研究方向为区域土地利用与可持续发展。E-mail：huyc@163.com。
黄九明，胡业翠，段晓艳，等. 我国三大城市群土地利用效率及变化研究[J]. 江苏农业科学，2019，47(19)：265-269.
doi： 10.15889/j.issn.1002-1302.2019.19.060
标签：土地利用论文; 城市群论文; 京津冀论文; 长三角论文; 珠三角论文; dea论文; 土地利用效率论文; Malmquist指数论文; 中国地质大学(北京)土地科学技术学院论文; 自然资源部土地整治重点实验室论文;