中国建设用地环境效率时空演变及其影响因素
徐慧敏1, 2，胡守庚1, 2，李 熙3
1.武汉东湖学院经济学院，武汉430212
2.中国地质大学（武汉）公共管理学院，武汉430080
3.武汉大学测绘遥感信息工程国家重点实验室，武汉430079
摘 要： 采用超效率数据包络法模型和Malmquist 指数对2006—2016年全国建设用地环境效率进行测度评估，分析其时空演变特征，并通过面板固定效应Tobit 模型定量分析各要素对省际建设用地环境效率的影响程度.研究结果表明：1）中国建设用地环境效率整体偏低，其中东部和北部沿海经济区的效率均值最高，北京和上海一直处于建设用地环境效率有效状态，而西南部，长江中游经济区最低，其研究期间均无有效状态省份；2）从各区域建设用地环境效率变化趋势来看，北京、上海、江苏和陕西增长较快，其中技术进步是主要动力，黑龙江、甘肃、湖北和海南有所下降，东部、北部沿海经济区增长较快，而南部沿海和长江中游增长速率最为缓慢；3）产业结构和科技研发强度对建设用地环境效率有显著的正向影响，而经济发展程度与其之间的关系呈U型特征.研究结果可为当前中国建设用地的强度控制以及指标分配提供依据.
关键词： 建设用地；环境效率；区域差异；超效率数据包络法；Tobit
建设用地是工业化、城镇化等人类活动的空间载体.近20年来，中国建设用地呈现快速扩张态势，由此所引发的农业用地被过度占用，以及土地环境污染问题日益凸显.随着生态文明建设的不断深入推进，建设用地投入产出、低效用地再开发、碳排放效率等扩张过程中所引发的其他生态环境问题备受社会各界关注[1-3].
建设用地利用效率是区域建设用地利用状况和配置水平的反映，当前研究主要集中在探讨城市建设用地利用效率的特征、差异以及功能等，如文献[4]对2000—2012年长江中游地区41 个城市建设用地利用效率的总体特征和区域差异进行分析，并从城镇化水平、政府干预程度和外商投资水平等方面探究了建设用地利用效率的驱动.文献[5]采用熵权法绩效评价模型和改进协调度模型评价了湖北省城市建设用地五维功能绩效.更加值得关注的是，近年来不少学者已开始重视环境效率的测度.环境效率这一述语最早是在1992年世界可持续发展工商理事会提出并推广的，它是测度经济发展所产生环境影响的复杂指标体系.环境效率的基本概念包括经济产品或服务与环境资源消耗的比例等，相关学者围绕这一内涵对中国区域环境效率和行业环境效率进行了深入分析.文献[6]在对区域环境效率测定的基础上，以区域环境效率为因变量，以资源禀赋为自变量，定量分析出自然资源禀赋对中国区域环境效率的影响程度.文献[7]针对中国省际能源环境效率构建了收敛模型并探讨收敛机制.文献[8]运用社会网络分析法揭示了中国能源环境效率的空间关联网络特征，发现省际能源环境呈显著空间关联网络关系，且东部和西部省份分别位于净溢出和净收益板块.文献[9]采用动态面板系统GMM 和门限模型，验证了农业环境效率的动态依赖路径，并发现所存在的低水平均衡增长效应较为明显.文献[10]针对煤炭产业构建了环境效率评价体系，并通过分析发现研发强度和外资利用水平对其有显著提高作用.文献[11]以电信业为例，对中国服务业的环境效率无效是目前所有省份面临的共同问题，指出其环境效率无效是该行业技术无效的主要原因.针对建设用地环境效率评价，尚未见全国尺度的系统研究成果报道，文献[12-13]运用不同方法分别对江沪浙和武汉城市圈的城市建设用地环境效率进行了测度评估.显然研究建设用地环境效率仍具有现实意义，原因如下：1）建设用地环境效率评价指标对能源消耗以及城市居民生活和企业经济活动等方面的污染考虑较少；2）针对不同省份及主要经济区的建设用地环境效率差异比较的研究还应加强；3）大多数学者直接用混合Tobit 或者随机效应Tobit 方法分析环境效率影响因素，往往忽视了面板数据的固定效应特征.
综上所述，为了观测全国以及区域尺度建设用地环境效率的差异，探究不同区域的演化特征及其主要影响因素，本文采用超效率数据包络法(data envelopment analysis,DEA)模型对中国各区域建设用地环境效率进行测度评价，并运用Malmquist 指数模型进行动态分析，从而揭示中国建设用地与经济发展、生态环境的内在关系及其演化规律；继而运用Alan 等提出的半参数估计方法进行面板固定效应的Tobit 回归分析，并在此基础之上提出了促进中国建设用地利用过程中经济效益与生态效益协调发展的相关建议.
1 建设用地环境效率的测度
1.1 测度方法
1.1.1 超效率数据包络法模型
CCR-DEA 模型是一种非参数方法，在环境效率的测度中广泛应用，它能够利用线性规划方法评价多投入多产出模式下一组决策单元之间的相对效率.在这种传统的CCR-DEA 模型中，通常存在多个效率值为1 的有效决策单元，这样便无法进一步区分有效率单元之间的差异.Nersen 等学者改进了CCR-DEA 模型，从而提出了超效率DEA 模型.该模型的数学形式如下：
式中，Xk =(x 1k,x 2k,··· ,xak ),Yk =(y 1k,y 2k,··· ,ybk ),λi 为每个决策单元的权重，最优解θ 为第k 个决策单元的效率值.当决策单元的效率值小于1 时，该决策单元无效；当决策单元的效率值大于1 时，该决策单元有效.
1.1.2 Malmquist 指数
Malmquist 全要素生产率指数是一种非遍历性指数，可用于测度决策单元全要素生产率的变化，它是由Sten Malmquist 提出，并由Fare、Grosskopf、Lindgren 、Roos 加以改进得到，其具体公式[14]如下：
式中，Dt (xt,yt )表示以t 期技术为参考的决策单元的投入距离函数；Ds (xt,yt )表示以s 期技术为参考的决策单元的投入距离函数.Mst 表示从s 到t 期的全要素生产率的变化程度，其值大于1 表明全要素生产率在此期间得以提高，其值小于1表明全要素生产率在此期间有所降低.其中全要素生产率的变化可以分成技术变化T Techch和技术效率变化E Effch 两部分.其中技术变化是计算两个时期生产前沿面的移动幅度，其值大于1 表示技术得以改进；技术效率变化是计算实际产出与特定生产前沿面距离的变化，其值大于1 表明技术管理效率得以提高.技术效率又可以进一步分解为纯技术效率P Pech和规模效率S Sech，前者是决策单位的管理效率，而后者则是对其规模适宜度的评价.
1.2 投入指标和产出指标
环境效率的基本思想在于最大化产出价值的同时最小化资源消耗和环境污染，换句话说是以最小的资源投入和环境污染代价获得最大的价值.鉴于数据的可比性、可得性以及指标选取的科学性，本文选自劳动力、土地、资本和能源投入作为投入指标，分别用第二、三产业就业人数、建设用地面积、全社会固定资产投入总额以及扣除第一产业的能源消费量来表示；本文将用二氧化硫、二氧化碳排放量和PM2. 5含量来表示建设用地利用过程中的环境代价，并将其作为投入指标纳入模型.产出指标分为经济效益和环境效益，分别用第二、三产业增加值和建成区绿化覆盖面积来表示.值得注意的是，本文认为在对建设用地环境效率进行测度评估时所涉及相关指标的统计范围应包括建设用地作为其载体的非农产业活动和居民生活活动，因此二氧化碳、二氧化硫和PM2. 5数据应以此为界限.
香港、澳门、台湾、西藏的部分数据缺失，故本文选取了2006—2016年中国大陆30 个省、自治区、直辖市的数据作为研究对象，采用静态和动态结合的方法测度并分析了中国省际区域建设用地环境效率.本文中土地指标数据、经济指标、劳动力指标数据、能源消费数据均来源于EPS 数据库、《中国统计年鉴》以及各省统计年鉴.二氧化硫数据来源于《中国环境年鉴》，地面PM2. 5 数据是结合大气气溶胶厚度（aerosol optical depth,AOD）数据，并运用地理加权回归方法根据全球PM2. 5站点观测值数据进行校准后获得的0.1◦× 0. 1◦ 的PM2. 5 浓度数据，进而运用Arc GIS 软件计算并获取中国各省每年PM2. 5 的平均浓度.建设用地的碳排放主要通过煤、石油、天然气的消耗来间接反映，因此二氧化碳数据是根据2006年联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change,IPCC）发布的国家温室气体清单指南中的相应能源二氧化碳排放系数，以及各省每年主要的能源消耗即煤炭、原油、天然气、焦炭的消耗量加权计算得到的，其中每吨煤炭对应CO2 为2.69 t,每吨原油对应CO2 为2.76 t，每立方千米天然气对应CO2 为2.09 t.
1.3 效率测度的实证结果分析
本文采用静态与动态相结合的方法，运用EMS1.3 和DEAP2.1 软件以环境效率的超效率值和Malmquist 值分别测度中国30 个省建设用地.
1.3.1 建设用地环境效率的超效率表现
为了综合分析不同省份建设用地环境效率，本文首先运用EMS1.3 计算各个省份的超效率值和各经济区的效率均值.其中经济区的划分是根据“十三· 五”规划中为了适应新的发展形势，将过去惯用的东中西及东北四大区域板块划分替代为各个经济带或经济区概念来进行的，具体划分如表1所示.从区域层面来看，北部沿海经济区、东部沿海经济区整体效率均值均高于同时期其他区域整体效率均值，且差距较大.南部沿海经济区2008年之前的效率均值较高，而其后的效率均值处于无效状态.西南经济区、黄河中游及长江中游经济区内部各省份效率值普遍偏低，因此该区域的平均效率值也相对低于其他经济区.
结合表1和图1可知，各大经济区内部省份之间的效率值分布不太均衡.在北部沿海区域中，北京和天津的相对效率始终处于较高水平，即高于同期全国效率均值.北京的建设用地环境效率在研究期间内一直处于有效状态，并从2009年开始在全国范围内保持最高，且持续上升，其可能原因是：2008年北京举办奥运会，为响应绿色奥运的口号，北京开始有针对性地着手治理环境污染问题.然而，该区域中山东省的经济发展能力和环境水平则不太协调，应注重环境保护和经济投入的平衡点.河北省因地缘因素，受到京津区域中一些高能耗、高排放企业的影响，因此京津冀在未来的协同发展过程中应该进一步关注环境的协同治理问题，提升河北
邓小平非常强调打击经济犯罪和腐败现象，在实际工作中落实建设社会主义精神文明的要求。“风气如果坏下去，经济搞成功又有什么意义?会在另一方面变质，反过来影响整个经济变质，发展下去会变成贪污、盗窃、贿赂横行的世界。”[4]P154为了使全党重视精神文明建设，他强调搞四个现代化一定要“两手抓”，一手抓物质文明建设，一手抓精神文明建设。这两只手都要硬，两个文明建设都赶上和超过亚洲“四小龙”，才是有中国特色的社会主义。
集果装置由伞形集果筒、搭扣、合页等组成，伞形集果筒共有4个落果端口，位于集果筒底部，通过对红枣树枝几何拓扑结构的统计分析[12]，确定集果筒高度为850 mm，顶面直径1 200 mm，底面直径240 mm。设计伞形集果筒如图5所示。
表1 2006—2016 各地区建设用地超效率值
Table1 Regional super efficiency for construction land during 2006—2016
图1 2006年、2011年、2016年建设用地环境效率空间分布
Figure1 Spatial distribution of environmental efficiency of construction land in 2006，2011 and 2016
1.3.2 建设用地环境效率变化趋势
为了探究中国不同省份建设用地环境效率更深层次的影响因素及程度，本文将用Tobit模型对不同省份建设用地环境效率的外部影响因素进行分析.影响区域建设用地环境效率的因素很多，本文参考已有研究考虑了以下5 个影响因素：一是经济发展水平X PGDP，用人均GDP 表示.二是人口密度X PD，人口密度增加所造成的生态压力会直接影响到环境效率中的污染物产出水平.三是科技研发投入X RD，以研究与试验发展经费内部支出占GDP 比例表示.四是环境治理投入X EI，环境治理投入对于产出角度绿化覆盖面积和污染物排放的预防及减少会有直接影响，可以环境治理投资占GDP 比例表示.五是产业结构X ISU，用产业升级指数表示，这里该指数的计算参考产业结构升级指数的计算方法[17]，即采用不同产业增加值占比数据，产业结构升级指数的计算公式为
为了更好地分析中国建设用地环境效率的变化趋势，本文运用中国30 省11年的面板数据，根据投入导向型的Malmquist 指数模型计算效率变动值.
由表2可知：全国平均全要素生产率指数为1.034，技术变化指标提高了4.6%，技术效率指标下降了1.2%.在省际层面上，黑龙江、广东、海南、湖北和甘肃这5 个省份的全要素生产率指数均不超过1，即建设用地环境效率在研究期间有所降低，其中黑龙江和广东省主要是因为技术效率和技术进步指数稍有下降，其他3 个省份则主要是因为技术效率的降低，而技术效率的降低又是纯技术效率和规模效率的共同降低所致.事实上，在全要素生产率有所增长的省份中，部分省份也存在技术效率降低的情况，包括河北、山西、安徽、福建、江西、湖南、贵州、云南、山东.其中山东省技术效率的降低是由于规模效率的下降，也就是说，在现有技术和管理水平条件下，可能出现建设用地利用投入过剩或污染这种负产出过多的情况.其他各省技术效率的下降均是由于纯技术效率降低，也就是说，在现有技术水平和规模条件下，管理水平没有同步提高，故不能充分挖掘资源潜力.从八大经济区来看，东部、北部经济区以及黄河中游经济区的增长较快，其他经济区增长速率都较为缓慢，而南部沿海区域在总体上建设用地环境效率几乎没有增长.
表2 2006—2016年各地区年均Malmquist 指数及其分解值
Table2 Regional annual mean of Malmquist index and decomposition during 2006—2016
由表3可知：自2007年以来，除了在2008年有小幅波动外，其余时间的建设用地环境效率的综合增长指数均大于1，这表明建设用地环境效率总体来说呈上升趋势，也表明在2008年进入危机后中国建设用地开发逐渐向集约模式转变，建设用地环境效率从稳步提升阶段开始转向经济发展与环境保护的并重阶段.可以发现：从2009年起建设用地环境效率的增长呈正弦增长态势，从2009—2010年的4.3%，到2010—2011年的7.9%，2011年以后从7.9%一直下降到2015年的2.7%，2016年又上升至9%.从影响建设用地环境效率增长的因素来看，技术进步是其增长的主导因素，而技术效率、纯技术效率和规模效率是制约其增长的主要因素，其增长率均值均小于1.
表3 2006—2016年全国建设用地分年度Malmquist 指数及其分解
Table3 Annual mean of Malmquist index and decomposition of construction land in China during 2006—2016
2 建设用地环境效率的影响因素分析
2.1 Tobit 方法
在统计学中，截尾数据表现为处于某个区间的数据.传统DEA 模型的效率值在0∼ 1 之间，因此是截尾数据.尽管在超效率DEA 模型中，效率值可以大于1，但效率评价值有最低界限值0，因此仍然是截尾数据.如果采用最小二乘法估计具有截尾特征的因变量，估计结果将是有偏差且不一致的；而Tobit 回归是一种受限因变量模型，它能够通过极大似然估计方法有效控制这种类型的数据.
本文分别使用面板固定效应Tobit 模型、面板混合效应Tobit 和面板随机效应Tobit 模型进行估计，所得结果如表5所示.Hausman 检验拒绝了面板固定效应模型和随机效应模型无差异的假设，拒绝面板随机效应Tobit 模型，因此应选择面板固定效应Tobit 模型.F检验拒绝了面板固定效应模型和混合效应模型无差异假设，因此这里应选择面板固定效应模型进行回归分析.且由表5可知：建设用地环境效率和人均GDP 呈U 型关系，因为人均GDP 的相关系数为负，而其平方的相关系数为正.这表明建设用地环境效率先随人均GDP 的增长而下降，但当人均GDP 达到某一阈值时建设用地环境效率便会随之增长.从全国总体上来说，此拐点在23 740 元，除了东部沿海、南部沿海、北部沿海以及东北经济区以外，其他区域的人均DGP 大多是从2010年开始才高于此拐点的.从表5中可以看出，中国建设用地环境效率是从2010年开始稳步提高的.
省环境效率.在东部沿海经济区中，上海在研究期间内一直处于有效状态，且2009年以前的效率值在全国范围内最高.经过长期的改革开放，这个沿海城市的建设用地利用的经济效益和环境效益始终保持较高的协调发展状态.除上海之外，江苏的建设用地环境效率有上升趋势，且在近3年均超过全国效率均值.总体而言，浙江建设用地利用效率一直不高.在南部沿海经济区中，海南在2006年和2007年处于有效状态，这也可能与这一时期大力发展旅游产业的政策实施有关.此外，广东一直处于有效状态，该省作为外向型经济发展的重要基地，在吸收外资、推动产业结构升级甚至提高建设用地利用效率方面具有重要优势，但近2年有所下滑.在黄河中游区域中，内蒙古建设用地的环境效率在研究期间内持续5年处于有效状态，总体而言其建设用地环境效率有先增后减的趋势.西北地区宁夏和新疆凭借其有限的资源和市场较好地实现了建设用地的经济效益和环境效益的平衡，其中宁夏在研究期间也有5年处于有效状态.长江中游和西南地区省份建设用地利用仍有较大提升空间，尤其是前者需要利用地理区域和国家政策优势，大力调整产业结构，积极发展绿色产业.
人口密度对建设用地环境效率有负面影响并不显著.从理论上说，一方面人口密度的增加导致生态压力随之增加，从而降低环境效率；另一方面由于劳动力池效应，人口密度的增加也可能在一定程度上对于建设用地的利用以及城市的发展有正面影响.环境治理投资对建设用地环境效率存在正面影响，但结果仍然不显著，这可能与环境治理对于绿色经济效率的提高存在时滞性有关[22].
式中，Pj 为第j 产业增加值占GDP 的比例，取值范围为1≤X ISU≤3.当X ISU 为1 时，意味着国民经济只有农业；当X ISU 为3 时，表示国民经济只有服务业，越趋近于3 表示产业结构中服务化程度越高.回归模型如下：
2.2 影响因素的指标选取及数据
“还记得橡树湾动物园的管理员爷爷吗？”园长爷爷说，“他是我学生时代的朋友。去年他打电话给我，说有一个小男孩也许会联系我，询问一头小象的事。他说，‘他是一个很孤独的小男孩，小象安琪儿是他唯一的朋友。我不想告诉他，那头小象在周末患急症离世了，这会让他非常伤心。所以——’”
首先是配方， 2017年8月，国家食品药监总局发布了第一批通过注册的奶粉名单，其中“贝因美爱加”获得了国食注字“0001号”，当时引起了较大关注。“贝因美爱加”采用独有LFCareTM系统，以“乳铁蛋白＋核苷酸＋铁＋益生元”组合，致力于提高宝宝抵抗力。 “乳铁蛋白”的作用是增强宝宝抵抗力，0～6个月，宝宝可通过母乳获得抵抗力的补充。但6个月后，来自母体的抗体逐渐减少，同时母乳中的免疫蛋白也在减少，此时宝宝抵抗力最为薄弱，需要食用强化抵抗力的配方奶粉来增强抵抗力。
图10为中子探测效率及中子能量分辨率随质子准直器高度的变化关系。由图10可见，随着质子准直器高度的增加，中子探测效率上升较快，中子能量分辨能力略有降低。当质子准直器的高度大于2 cm时，高度方向的反冲角展宽由二极偏转磁铁的磁隙高度决定，质子准直器高度增加时，中子探测效率和中子能量分辨率均变化很小。图11为中子探测效率及中子能量分辨率随质子准直器长度的变化关系，计算中设定质子准直器后端位置，即图1中L2不变，改变前端的位置，即图1中L1。由图11可见，随着质子准直器长度的增加，中子探测效率逐渐提高，中子能量分辨能力逐渐降低。
式中，i 表示决策单元，t 为时期，xit 为自变量，yit 为因变量，α 为常数向量，β 为系数向量，e 为正态分布的误差项.目前，使用较多的是随机效应的Tobit 模型.对于固定效应的面板数据，许多文献直接用混合Tobit 回归模型进行估计，这样容易使估计量出现偏差.Alan 提出了采用修剪的最小绝对偏差和最小二乘估计量的半参数固定效应估计方法来估计固定效应的Tobit 模型，并且该方法不必假设残差的具体形式，即使截面个体存在异方差也能够得到一致的估计量.本文将进行面板随机效应的Tobit 回归，同时借鉴Alan 方法的面板固定效应Tobit回归，最后根据Hausman 检验结果从这两种回归估计方法中进行选择[16].
式中，α 0为常数项，α 1～α 5为各变量的系数，Yit 表示建设用地环境效率的超效率值，i 表示省份，t 表示年份.为消除异方差，且不改变数据的关系，对PGDP 和PD 数据取自然对数.
随着社会的快速发展以及人们生活水平的提高，人们对物质需要和精神食粮也有了更高的要求。手机成为了人们生活中不可缺少的一部分，因为有了手机，人们可以足不出户完成生活、娱乐、学习、购物等，确实给我们带来了极大的便利，可是它在给我们带来方便的同时也在不知不觉中侵蚀着我们的生活，特别是中学生，有的非常迷恋手机，影响了学业，更有严重者对个人、家庭造成了无可挽回的伤害。
2.3 影响因素的实证结果分析
本文以建设用地环境效率为因变量进行回归分析，分别用面板固定效应Tobit 模型、面板混合效应Tobit、面板随机效应Tobit 模型进行估计，所得结果见表4.Hausman 检验拒绝了面板固定效应模型和随机效应模型无差异的假设，拒绝面板随机效应Tobit 模型，因此应选择面板固定效应Tobit 模型.F检验拒绝了面板固定效应模型和混合效应模型无差异假设，因此选择面板固定效应Tobit 模型.
由表4可知：产业结构的升级指数对于中国省际建设用地环境效率有显著正向影响，产业结构升级指数每提高1%，建议用地环境效率便会提高1.274%.产业结构指数的提高意味着产业结构越来越向低污染、高附加值和资源集约型的服务业产业倾斜[18]，这种结构转变模式不仅有利于提高生态环境质量，而且能为生态环境建设提供投资领域，还能通过产生规模效应并依靠经济增长产生能动性，从而给中国经济的增长带来新一轮动力.因此，必须不断探索产业结构升级的有效路径，采取源头治理，才能促进建设用地环境效率的全面提升.
计算生产经营比例是为了合理确定供水生产成本费用，科学地核算水利工程供水价格。水库工程生产经营分摊比例对水价水平有一定影响，其计算方法的确定要从水管单位、水资源管理、用水户承受能力等方面综合考虑。
科技研发投入对建设用地环境效率呈显著正面影响.从回归结果来看，研发投资规模每增加1%，建设用地环境效率便提高0.300 6%.首先，科技研发投入的增加能够通过技术进步与技术创新的实现来推动中国经济的增长[19], ；其次科技研发还涉及到土地整治以及缓解国土资源承载压力[20]；最后科技研发投入及其能力的提高不但影响二氧化硫、二氧化碳以及PM2. 5的排放强度和总量，而且还能影响产业结构，从而改善经济发展过程中环境污染拐点的位置[21].
假设t 期间的m 个决策单元的面板数据，则面板Tobit 模型的表达式[15]为
表4 环境效率的各影响因素面板Tobit 模型回归结果
Table4 Panel Tobit estimation results for various factors of environmental efficiency
经济发展对建设用地环境效率也有显著影响.从回归结果来看，人均GDP 的对数值每增加1%，建设用地的环境效率就减少0.239%.这表明在现有条件下经济发展水平对建设用地的利用存在负激励效应，也就是说在一定条件下，经济发展水平越高，相关主体掌握的可供开发利用的资本就越多[23].然而，在此阶段仍然采用粗放利用的模式，就会导致建设用地利用的浪费以及随之产生的污染问题，继而使建设用地的环境效率在整体上有所降低[24-25].
根据环境库兹涅茨理论，环境首先随着社会收入的增加而恶化，然而当经济发展到某一较高水平时，环境则会随之改善.为了探究中国不同省份建设用地环境效率和经济发展之间的关系，本文以人均GDP 的自然对数和人均GDP 自然对数的平方为自变量，以建设用地环境效率值为因变量，构建模型如下：
1.物资需求计划不准确，个性化非标产品凌乱。需求计划是根据生产经营、工程建设需要编制并审核确定的一定时期所需物资的具体安排，主要解决需要什么、需要多少、何时需要等问题。需求计划提报不准确造成的物资错误采购、重复采购和不及时采购，不仅难以满足生产经营和工程建设的需求，还可能造成采购物资无使用方向，形成库存积压。
表5 建设用地环境效率的经济发展因素面板Tobit 回归结果
Table5 Panel Tobit estimation results for economic factor of environmental efficiency of construction land
3 结 论
本文基于2006—2016年中国30 个省建设用地利用的面板数据，运用超效率DEA 方法测度各省及八大经济区的建设用地环境效率，分析30 个省份平均Malmquist 指数及其分解指数，总结中国区域建设用地环境效率动态发展趋势，并基于面板Tobit 模型分析建设用地环境效率的外部影响因素，主要得出了以下结论：
首席检察官：驱逐中国家庭的行为没有违法，不再继续调查。检方表示，调查已经结束，事件中警方依据警察法第十三条采取了标准的措施，没有任何违法之处，有权把当事人放置在稍远一些的地方，中国游客被放置的位置就是警方惯例释放的点。
1）中国建设用地环境效率整体上较低，并且呈现明显的区域差异.东部和北部沿海经济区的效率均值最高，北京和上海一直处于建设用地环境效率有效状态，广东省在2015年之前也一直处于有效状态.西南部和长江中游经济区最低，其研究期间均无有效状态省份，甚至该区域各省历年都不曾突破全国同期的平均效率水平.从历年效率值超过平均水平的省份数量和效率均值来看，呈现出东部沿海> 南部沿海> 东北> 北部> 西北> 中部的空间格局.
2）从各省研究期间的平均Malmquist 指数的分解以及全国各年的变化情况可以发现，北京、上海、江苏及陕西TFP 指数增长较快，黑龙江、甘肃、湖北和海南有所下降.按经济区划分，东部、北部沿海经济区增长较快，而南部沿海和长江中游增长速率最为缓慢，其中TFP指数的提升主要依靠技术进步的推动，而大多TFP 指数降低的区域和年份则与规模效率和纯技术效率的下降有关.对于这些区域，如果不积极采取干预措施，必将阻碍建设用地的可持续利用，进一步加剧区域发展不平衡性.
3）经济发展与区域建设用地环境效率呈反比，这表明目前从整体上来说，中国在建设用地的利用方面，在追求经济发展过程中尚未处理好经济发展和环境污染的矛盾问题，以致很多区域在实现人均GDP 不断增长的同时，其建设用地利用的环境效率处于无效状态.此外，产业结构和科技研发投入也是提高区域建设用地环境效率的重要因素.
假设WTP此时为最大值，即v=M=1000。考虑同时具有认知程度、环保认同、价格等三个差异因素的需求预测情况，根据式6计算列出相应结果，其具体数据如表3所示(结果经过四舍五入取整处理)。
鉴于此，本文认为应重视以下几方面工作：
1）需要对区域建设用地利用中的资金和建设用地审批进行严格把关，优化建设用地投入的资源配置，避免投入冗余，提高规模效率，同时注重生态环境的治理制度和管理水平的提升，提高纯技术效率.
2）加大科技研发投入，同时拓宽科研经费的资源来源.鼓励企业积极开展低碳生态技术，并且采取积极措施推动相关技术在产业内、产业间、区域内以及区域之间的扩散，从而在获得预期经济效益的同时产生可观的环境效益，并最终实现经济与环境间、区域间的协调发展.
3）大力扶持高新技术产业特别是低碳技术产业的发展，同时加快服务业创新的步伐，通过各种举措促使各经济区产业结构的高级化转型，从而全面提升中国建设用地环境效率.
我国监理单位工作人员从不同部门、人员素质参差不齐的质量监督。一些监事缺乏相应的职业标准和职业道德，影响了监理工作的正常开展。很多单位领导层不具备基本的素养意识，只重效率不重质量，也没有出色的管理能力，长此以往也会失去市场竞争力。本公司获得市场份额的监督，往往采取首付等无序竞争方式，可以减少人员数量和降低监管成本、监管人员数量不足，在职又能发挥关键作用的寥寥无几。因此监理工作不利，也会严重干扰市场的监管秩序，破坏我国的监理体系。
毫无疑问，建设用地的大肆扩张在一定程度上严重威胁到了区域生态环境安全和社会经济的可持续发展，如何缓解城市扩张给生态环境带来的负面影响已经引起学界的广泛关注.相较以往的研究，本文着重关注建设用地的环境效率分析，从建设用地利用过程中的能源消耗，从二氧化碳、二氧化硫、PM2. 5浓度等指标测度建设用地利用的环境效率，并选取经济发展水平、人口密度、产业结构、科技研发投资水平、环境治理投入等指标从更深层次分析建设用地环境效率的影响因素及影响程度.然而，实际建设用地的环境效率还包括其他方面的污染指标和影响因素，但目前相关数据的获取较为困难，因此建设用地环境效率影响机制等还有待继续深入研究.
参考文献:
[1] 陈逸，陈志刚，周艳，黄贤金.江苏省地级市建设用地利用效率的区域差异与优化配置[J].经济地理，2017,37(6): 171-176.Chen Y,Chen Z G,Zhou Y,Huang X J.Regional differences and optimal allocation of construction land utilization efficiency in prefecture-level cities of Jiangsu Province[J].Economic Geography,2017,37(6): 171-176.(in Chinese)
[2] 朱巧娴，梅昀，陈银蓉，韩啸.基于碳排放测算的湖北省土地利用结构效率的DEA模型分析与空间分异研究[J].经济地理，2015,35(12): 176-184.Zhu Q X,Mei Y,Chen Y R,Han X.Regional differentiation characteristics and optimization of the structural efficiency of land use in Hubei Province based on the carbon emissions [J].Economic Geography,2015,35(12): 176-184.(in Chinese)
[3] 许刚，焦利民，肖丰涛，赵素丽，张欣.土地利用回归模型模拟京津冀PM2. 5浓度空间分布[J].干旱区资源与环境，2016,30(10): 116-120.Xu G,Jiao L M,Xiao F T,Zhao S L,Zhang X.Applying land use regression model to estimate spatial distribution of PM2. 5 concentration in Beijing-Tianjin-Hebei region [J].Journal of Arid Land Resources and Environment,2016,30(10): 116-120.(in Chinese)
[4] 张雅杰，金海.长江中游地区城市建设用地利用效率及驱动机理研究[J].资源科学，2015,37(7):1384-1393.Zhang Y J,Jin H.Research on efficiency of urban construction land and the drive mechanism in the Mid-Yangtze River [J].Resources Science,2015,37(7): 1384-1393.(in Chinese)
[5] 胡学东，郑方辉，杨俊.基于多功能协调的湖北省城市建设用地差别化绩效管控[J].长江流域资源与环境，2018,27(2): 262-271.Hu X D,Zheng F H,Yang J.Differentiated performance control of urban construction land based on multifunctional coordination in Hubei Province [J].Resources and Environment in the Yangtze Basin,2018,27(2): 262-271.(in Chinese)
[6] 钟成林，胡雪萍.自然资源禀赋对区域生态效率的影响研究[J].大连理工大学学报（社会科学版），2016 ,37(3): 19-26.Zhong C L,Hu X P.Influence of natural resource endowment on regional eco-efficiency [J].Journal of Dalian University of Technology (Social Sciences),2016,37(3): 19-26.(in Chinese)
[7] 景守武，张捷.我国省际能源环境效率收敛性分析[J].山西财经大学学报，2018,40(1): 1-11.Jing S W,Zhang J.Study on the convergence of Inter-provincial energy and environment efficiency in China [J].Journal of Shanxi University of Finance and Economics,2018,40(1):1-11.(in Chinese)
[8] 黄杰.中国能源环境效率的空间关联网络结构及其影响因素[J].资源科学，2018,40(4): 759-772.Huang J.The spatial network structure of energy-environmental efficiency and its determinants in China [J].Resources Science,2018,40(4): 759-772.(in Chinese)
[9] 姚增福，刘欣.要素禀赋结构升级、异质性人力资本与农业环境效率[J].人口与经济，2018(2):37-47.Yao Z F,Liu X.Factor endowment structural upgrading,heterogeneous human capital and farm environmental efficiency [J].Population＆ Economics,2018(2): 37-47.(in Chinese)
[10] 黄万华，卢盈.资源环境约束下煤炭产业生态效率测评及其影响因素分析[J].资源开发与市场，2018,34(1): 28-34.Huang W H,Lu Y.Evaluation of ecological efficiency of coal industry under resource and environment constraints and its influencing factors [J].Resource Development ＆ Market,2018,34(1): 28-34.(in Chinese)
[11] 金刚，沈坤荣.服务业技术效率再评价与解构：管理无效还是环境无效——以中国电信服务业为例[J].产业经济研究，2018(2): 1-14.Jin G,Shen K R.Reevaluation and deconstruction of technical efficiency in service industry:managerial inefficiency or environmental inefficiency—evidence from telecommunication industry in China [J].Industrial Economics,2018(2): 1-14.(in Chinese)
[12] 吴振华，唐芹，王亚蓓.江浙沪地区城市建设用地环境效率评价——基于三阶段DEA 与Bootstrap-DEA 方法[J].现代城市研究，2017(1): 90-99.Wu Z H,Tang Q,Wang Y B.Environmental efficiency evaluation of urban construction land in Jiangsu-Zhejiang-Shanghai area: based on three stage DEA and Bootstrap-DEA methods[J].Modern Urban Research,2017(1): 90-99.(in Chinese)
[13] 陆砚池，方世明.基于SBM-DEA 和Malmquist 模型的武汉城市圈城市建设用地生态效率时空演变及其影响因素分析[J].长江流域资源与环境，2017,26(10): 1575-1586.Lu Y C,Fang S M.Analysis of spatio-temporal evolution and influencing factors of eco-efficiency of urban construction land in Wuhan City Circle based on SBM-DEA and Malmquist model[J].Resources and Environment in the Yangtze Basin,2017,26(10): 1575-1586.(in Chinese)
[14] 张静，张宝文.基于Malmquist 指数法的中国农业科技创新效率实证分析[J].科技进步与对策，2011,28(17): 129-133.Zhang J,Zhang B W.Empirical analysis of China’s agricultural science and technology innovation efficiency based on Malmquist index method [J].Science ＆ Technology Progress and Policy,2011,28(17): 129-133.(in Chinese)
[15] 周先波，潘哲文.第三类Tobit 模型的半参数估计方法[J].统计研究，2015,32(5): 97-105.Zhou X B,Pan Z.Semiparametric estimation for the type-3 tobit model[J].Statistical Research,2015,32(5): 97-105.(in Chinese)
[16] Sule A,Honoré B E,Hu L J,Leth-Pedersen S.Estimation of panel data regression models with two-sided censoring or truncation [J].Journal of Econometric Methods,2011,3(1): 1-20.
[17] 李勇刚，罗海燕.地方政府供地策略与产业结构服务化——来自中国35个大中城市的经验证据[J].华中科技大学学报(社会科学版)，2017,31(6): 115-125.Li Y G,Luo H Y.Local officials land supply strategy and industrial structure tertiarization:from empirical evidence of 35 large and medium-sized cities in China [J].Journal of Huazhong University of Science and Technology(Social Science Edition),2017,31(6): 115-125.(in Chinese)
[18] Jiang L,Folmer H,Bu M L.Interaction between output efficiency and environmental efficiency:evidence from the textile industry in Jiangsu Province,China[J].Journal of Cleaner Production,2016,113(2): 123-132．
[19] 黄永春，石秋平.中国区域环境效率与环境全要素的研究——基于包含R＆D 投入的SBM 模型的分析[J].中国人口· 资源与环境，2015,25(12): 25-34.Huang Y C,Shi Q P.Research on environmental efficiency and environmental total factor productivity in China’s regional economies [J].China Population,Resources and Environment,2015,25(12): 25-34．(in Chinese)
[20] 沈能，王群伟.考虑异质性技术的环境效率评价及空间效应[J].管理工程学报，2015,29(1): 162-168 Shen N,Wang Q W.Management,environmental efficiency evaluation and spatial effect taking account of technology heterogeneity [J].Journal of Engineering Management,2015,29 (1): 162-168.(in Chinese)
[21] Luo L W,Liang S R．Study on the efficiency and regional disparity of green technology innovation in China’s industrial companies [J].China Population,Resources and Environment,2016,14(4): 262-270.
[22] 钱争鸣，刘晓晨.环境管制、产业结构调整与地区经济发展[J].经济学家，2014(7): 73-81.Qian Z M,Liu X C.Environmental control,industrial structure adjustment and regional economic development [J].Economist,2014(7): 73-81.(in Chinese)
[23] Tao X,Wang P,Zhu B．Provincial green economic efficiency of China: a non-separable inputoutput SBM approach [J].Applied Energy,2016,171(6): 58-66．
[24] Chen L,Jia G.Environmental efficiency analysis of China’s regional industry: a data envelopment analysis (DEA) based approach [J].Journal of Cleaner Production,2017,142(2): 846-853.
[25] Samina K.Relative efficiency of decision making units producing both desirable and undesirable outputs: a case of textile processing units in Pakistan [J].The Pakistan Developmen Review,2011,50(4): 685-698
Spatial-Temporal Evolution and Influencing Factors of Environmental Efficiency of Construction Land in China
XU Hui-min1, 2,HU Shou-geng1, 2,LI Xi3
1.Economics School,Wuhan Donghu University,Wuhan 430212,China
2.School of Public Administration,University of Geosciences (Wuhan),Wuhan 430080,China
3.State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan 430079,China
Abstract: In this paper,data envelopment analysis (DEA) model of super efficiency and Malmquist index are used to measure the environmental efficiency of construction land in China from 2006 to 2016,analyze its spatial and temporal evolution characteristics,and analyze the impact of various factors on the environmental efficiency of inter-provincial construction land quantitatively through Tobit model of panel fixation effect.The following research results are obtained: 1) The overall environmental efficiency of construction land in China is low,among which the eastern and northern coastal economic zones perform the highest average efficiency.2) From the perspective of the change trend of the environmental efficiency of construction land in various regions,Beijing,Shanghai,Jiangsu and Shaanxi have witnessed rapid growth,among which technological progress is the main driving force.3) The industrial structure and the intensity of scientific and technological research and development have significant positive impacts on the environmental efficiency of construction land,whereas the relationship between the degree of economic development and the environmental efficiency of construction land shows an U-shape.The research results could provide a helpful basis for controlling the intensity and allocation of regional construction land in China in future.
Keywords: construction land,environmental efficiency,regional difference,super-efficiency data envelopment analysis (DEA),Tobit
中图分类号： F301.24
文章编号： 0255-8297(2019)01-0073-14
DOI: 10.3969/j.issn.0255-8297.2019.01.008
收稿日期： 2018-07-31；
修订日期： 2018-11-13
基金项目： 武汉东湖学院农业电子商务协同创新中心（培育）经费资助
作者简介： 徐慧敏，博士，讲师，研究方向：土地资源管理，E-mail: 272121019@qq.com
(编辑：秦 巍)
标签：建设用地论文; 环境效率论文; 区域差异论文; 超效率数据包络法论文; Tobit论文; 武汉东湖学院经济学院论文; 中国地质大学(武汉)公共管理学院论文; 武汉大学测绘遥感信息工程国家重点实验室论文;