黃河流域土地市場化、供應(yīng)結(jié)構(gòu)對建設(shè)用地綠色利用效率的空間效應(yīng)研究

薛建春，張安錄，曹力博

（1.內(nèi)蒙古科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，內(nèi)蒙古 包頭 014010；2.華中農(nóng)業(yè)大學(xué) 公共管理學(xué)院，湖北 武漢 430070）

0 引言

土地供應(yīng)結(jié)構(gòu)與土地利用效率的關(guān)系一直是學(xué)者們關(guān)注的焦點(diǎn)。首先，農(nóng)業(yè)用地與建設(shè)用地的供應(yīng)結(jié)構(gòu)關(guān)系我國耕地保護(hù)、糧食安全、生態(tài)保護(hù)等基本國策；其次，城市內(nèi)存量建設(shè)用地在不同行業(yè)間的供應(yīng)結(jié)構(gòu)關(guān)系到城鎮(zhèn)化建設(shè)與城市內(nèi)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和優(yōu)化［1，2］；第三，不同城市之間建設(shè)用地指標(biāo)的供應(yīng)結(jié)構(gòu)關(guān)系地區(qū)內(nèi)耕地占補(bǔ)平衡、建設(shè)用地的增減掛鉤，甚至地區(qū)內(nèi)的生態(tài)文明建設(shè)等。此外，有學(xué)者專注城市內(nèi)工業(yè)企業(yè)間的土地配置問題，認(rèn)為城市以協(xié)議方式出讓的建設(shè)用地比例越高，其工業(yè)企業(yè)間的資源配置效率越低［3］。1994 年，我國實(shí)行分稅制改革，財(cái)政體制由“行政性分權(quán)”走向與市場經(jīng)濟(jì)相適應(yīng)的“經(jīng)濟(jì)性分權(quán)”，各地政府為了維持地方財(cái)政支出，土地出讓收入比例日漸增多，依靠增量建設(shè)用地創(chuàng)造財(cái)政收入的“土地財(cái)政”應(yīng)運(yùn)而生。因此，土地出讓金成為一個既有累計(jì)若干年的地租性質(zhì)，又有一次性收取的似稅非稅性質(zhì)的矛盾復(fù)合體。土地出讓方式主要分為協(xié)議出讓與招拍掛出讓兩種。通常，協(xié)議出讓土地面積比例越大，說明該地區(qū)的工業(yè)用地、項(xiàng)目用地出讓越多，越可能出現(xiàn)政府為了招商引資建設(shè)開發(fā)區(qū)占地的情況，引發(fā)經(jīng)濟(jì)強(qiáng)市之間土地引資的惡性競爭，競相擴(kuò)大工業(yè)用地的出讓規(guī)模和協(xié)議出讓比例［4］。因此，一些學(xué)者利用招掛拍方式出讓面積占比代表土地出讓的市場化程度［5，6］。但關(guān)于土地出讓收入對土地利用效率的影響，學(xué)術(shù)界并未形成一致結(jié)論。有學(xué)者認(rèn)為土地出讓收入顯著促進(jìn)了城市土地利用效率的提升，并隨著土地出讓收入規(guī)模擴(kuò)張趨于強(qiáng)化房價(jià)對城市土地利用效率的正向效力［7，8］；另有學(xué)者則認(rèn)為土地出讓收入對土地利用效率存在抑制作用，當(dāng)政府低價(jià)出讓工業(yè)用地，高價(jià)出讓商服住用地時，抑制了產(chǎn)業(yè)結(jié)構(gòu)的高級化［9-11］，誘發(fā)經(jīng)濟(jì)集聚的擁擠效應(yīng)，進(jìn)而抑制土地利用效率。同時，政府間形成的城鎮(zhèn)化“標(biāo)尺競爭”模式［12］阻礙了產(chǎn)業(yè)結(jié)構(gòu)的合理化，進(jìn)而抑制土地利用效率，且“經(jīng)濟(jì)意義”相鄰城市比“地理意義”相鄰城市的土地出讓對用地效率表現(xiàn)出更強(qiáng)烈的抑制作用［13，14］。上述研究表明，土地供應(yīng)結(jié)構(gòu)、土地市場化對建設(shè)用地使用存在區(qū)域內(nèi)的直接影響與區(qū)域間的間接影響，政府間的效仿和競爭等更促進(jìn)了三者之間的空間效應(yīng)。基于此，本文以黃河流域作為實(shí)證區(qū)域，分析土地市場化、土地供應(yīng)結(jié)構(gòu)對建設(shè)用地綠色利用效率的空間效應(yīng)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

黃河流域橫跨青藏高原、內(nèi)蒙古高原、黃土高原和黃淮海平原4 個地貌單元，從西向東途經(jīng)青海省、四川省、甘肅省、寧夏回族自治區(qū)、內(nèi)蒙古自治區(qū)、陜西省、山西省、河南省、山東省9 個省區(qū)69 個城市，流域內(nèi)山脈眾多，東西高差懸殊。流域內(nèi)69 個城市土地面積218.3 萬km2，占國土總面積的22.74%。2019 年流域GDP 總量130683.18 億元，占全國經(jīng)濟(jì)總量的13.25%；地均GDP 僅599 萬元/km2，低于全國地均GDP 水平（959 萬元/km2），土地利用效率低下成為制約黃河流域高質(zhì)量發(fā)展的瓶頸。此外，流域內(nèi)土地面積數(shù)量較大，但可以進(jìn)行城鎮(zhèn)化建設(shè)的土地資源稀缺。2019 年，流域內(nèi)城市協(xié)議出讓土地價(jià)款約200 億元，招拍掛出讓土地價(jià)款約5100 億元，分別占土地出讓成交價(jià)款的3.77%與96.23%。伴隨城鎮(zhèn)化的快速發(fā)展，研究期內(nèi)黃河流域53 個城市的建設(shè)用地供地面積逐年遞增，農(nóng)業(yè)用地面積出現(xiàn)遞減趨勢。黃河流域在我國社會經(jīng)濟(jì)發(fā)展和生態(tài)安全方面占據(jù)重要的戰(zhàn)略地位，建設(shè)用地存量面積和新增面積綠色利用效率的重要性日益凸顯。

1.2 數(shù)據(jù)來源

城市建設(shè)用地綠色效率測度所需投入和產(chǎn)出變量數(shù)據(jù)來源于《中國能源統(tǒng)計(jì)年鑒》（2010—2018）、黃河流域各城市的《城市統(tǒng)計(jì)年鑒》（2010—2018）等，計(jì)量分析所需的土地出讓、供應(yīng)結(jié)構(gòu)數(shù)據(jù)來源于《中國土地資源統(tǒng)計(jì)年鑒》（2010—2018）、Wind 數(shù)據(jù)庫和EPS數(shù)據(jù)庫（玉樹藏族自治州個別年份的土地出讓數(shù)據(jù)為空時，認(rèn)為沒有出讓土地，采用零值替代），其他缺失數(shù)據(jù)使用插值法獲得。計(jì)算距離權(quán)重的城市地理空間位置坐標(biāo)信息借助ArcGIS 軟件提取，最終整理得到黃河流域2010—2018 年9 個省區(qū)69 個城市的面板數(shù)據(jù)。

2 研究方法

2.1 變量選擇

本文采用2010—2018 年黃河流域9 個省區(qū)69個城市的面板數(shù)據(jù)作為研究樣本，主要解釋變量說明如下：①土地市場化。土地市場化是指地方政府采用招標(biāo)、拍賣和掛牌等市場化程度更高的方式出讓土地［15］，基于此概念，本文選用城市招拍掛出讓土地面積與全部出讓土地面積的比值作為土地市場化變量，同時采用城市招拍掛出讓金額與全部出讓土地金額比值作為土地市場化變量的替代變量進(jìn)行穩(wěn)健性檢驗(yàn)。②土地供應(yīng)結(jié)構(gòu)。通常建設(shè)用地供地包含工礦倉儲用地、商服用地、住宅用地和其他用地，其他用地中學(xué)者主要關(guān)心公共管理與服務(wù)用地、交通運(yùn)輸用地。本文采用工礦、商服、住宅、公共4種用地面積占當(dāng)年建設(shè)用地供地總量的比重作為土地供應(yīng)結(jié)構(gòu)的4 個解釋變量進(jìn)行計(jì)量分析。③控制變量。經(jīng)濟(jì)發(fā)展水平（pgdp），采用城市人均GDP 表示；產(chǎn)業(yè)結(jié)構(gòu)（cy），考慮我國目前正處于工業(yè)化發(fā)展階段，采用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值比值表示城市產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化情況，值越大，產(chǎn)業(yè)結(jié)構(gòu)越高級；城鎮(zhèn)化水平（cs），采用城市非農(nóng)人口與常住人口的占比表示；政府財(cái)政能力（zf），采用城市的財(cái)政總收入與行政區(qū)劃土地面積比值表示。對所有經(jīng)濟(jì)變量按2010 年不變價(jià)進(jìn)行平減，各變量的描述性統(tǒng)計(jì)如表1 所示。

表1 變量的描述性統(tǒng)計(jì)Table 1 Descriptive statistics of variables

2.2 研究方法

建設(shè)用地綠色利用效率測度模型：參考國內(nèi)學(xué)者使用數(shù)據(jù)包絡(luò)模型（DEA）測度建設(shè)用地效率的方法［16，17］，由 于DEA 模 型 不 需 要 設(shè) 定 具 體 的 函 數(shù) 形式，且非徑向SBM模型可以破解徑向DEA方法的局限，因此選用包含非期望產(chǎn)出指標(biāo)的Window—SBM模型計(jì)算黃河流域各城市的建設(shè)用地綠色利用效率值。為了更進(jìn)一步比較有效城市單元的建設(shè)用地綠色利用效率值，模型增加了超效率選項(xiàng)?；诠诺浣?jīng)濟(jì)學(xué)思想，同時考慮國家對黃河流域建設(shè)生態(tài)屏障的戰(zhàn)略，以及我國在2020 年聯(lián)合國大會上承諾的力爭2060 年前實(shí)現(xiàn)“碳中和”目標(biāo)，本文選用建設(shè)用地面積（城市行政區(qū)域內(nèi)），第二、三產(chǎn)業(yè)就業(yè)人數(shù)，固定資產(chǎn)投資額和科學(xué)技術(shù)財(cái)政支出4 個變量分別表示建設(shè)用地的土地、勞動力、資本和科技投入情況，選用城市第二、三產(chǎn)業(yè)產(chǎn)值，職工平均工資，建成區(qū)綠化覆蓋率作為期望產(chǎn)出中的經(jīng)濟(jì)效益、社會效益和生態(tài)效益產(chǎn)出，同時將各城市的能源消耗碳排放量作為非期望產(chǎn)出引入模型中，且期望產(chǎn)出與非期望產(chǎn)出的權(quán)重設(shè)置相等。計(jì)算的能源類型主要包含煤炭、焦炭、煤油、原油、石油、汽油、柴油、燃料油、液化石油氣和天然氣10 種，為了簡化計(jì)算，以各年各城市的各類能源消耗量占比作為權(quán)重，綜合計(jì)算各年的能源消耗碳排放系數(shù)，最終確定每噸標(biāo)準(zhǔn)煤綜合碳排放系數(shù)為0.74t/tce。各類能源碳排放系數(shù)如表2所示。投入、產(chǎn)出中所有經(jīng)濟(jì)價(jià)值指標(biāo)利用GDP指數(shù)平減至以2010 年為基期的數(shù)值。

表2 不同類型能源標(biāo)準(zhǔn)煤折算系數(shù)與黃河流域各年綜合碳排放系數(shù)Table 2 Conversion coefficient of different types of energy standard coal and comprehensive carbon emission coefficient of the Yellow River Basin in each year

核密度估計(jì)：核密度估計(jì)（Kernel Density Esitimation）作為一種非參數(shù)估計(jì)方法，其典型優(yōu)點(diǎn)是無需設(shè)定參數(shù)模型，借助連續(xù)密度曲線描述隨機(jī)變量的演進(jìn)特征。其函數(shù)公式為［18］：

式中：xi為研究的隨機(jī)變量；h 為帶寬；n 為觀察變量的樣本量；K（·）為核函數(shù)，通常使用高斯核函數(shù)進(jìn)行估計(jì)。密度曲線波峰的數(shù)量可以描述觀測變量的多級演變特征，主峰高度左移或者右移可以描述觀測變量的差異增大或者縮小特征，曲線重心位置描述觀測變量值大小演進(jìn)特征等［19］。

全局空間自相關(guān)：空間自相關(guān)通過研究區(qū)域?qū)ο髮傩灾档南嗨菩耘c其空間位置屬性的一致性反映研究區(qū)域間的空間依賴性，Moran′s I、Geary′s C、Getis′s G 和標(biāo)準(zhǔn)偏差橢圓是空間自相關(guān)常用統(tǒng)計(jì)指標(biāo)。根據(jù)相關(guān)關(guān)系可分為空間正相關(guān)與空間負(fù)相關(guān)：空間正相關(guān)，表示研究的要素屬性值在本地與相鄰空間內(nèi)具有相似性；負(fù)相關(guān)，則表示要素屬性值隨空間距離縮小而不同。本文選用Moran′s I 指數(shù)反映土地利用的集聚程度與空間非平衡性。全局Moran′s I 指數(shù)描述了觀測值在整個研究區(qū)域的空間特征，計(jì)算公式為［20］：

局部空間自相關(guān)：進(jìn)一步采用局部Moran′s I 指數(shù)探索黃河流域內(nèi)各城市在局部單元內(nèi)的空間非平衡和一致性特征，計(jì)算公式為：

式中：zi和zj表示研究區(qū)域i 和j 被標(biāo)準(zhǔn)化后的觀測值。局部Moran′s I 指數(shù)的取值處于［-1，1］，正值表示研究區(qū)域的低值被低值環(huán)繞或者高值被高值環(huán)繞，負(fù)值則表示研究區(qū)域的低值被高值環(huán)繞或者高值被低值環(huán)繞。若I局部＞0，且zi＞0，表示研究區(qū)域i 屬于H- H型；I局部＞0，且zi＜0，表示研究區(qū)域i屬于L- L型；若I局部＜0，且zi＞0，表示研究區(qū)域i 屬于H- L型；I局部＜0，且zi＜0，表示研究區(qū)域i 屬于L- H型。

空間計(jì)量模型：由于研究區(qū)域地理位置之間的鄰接性和政府之間經(jīng)濟(jì)增長與土地出讓的競爭性等經(jīng)濟(jì)、社會相關(guān)性的存在，流域內(nèi)城市的建設(shè)用地綠色利用效率也可能存在空間效應(yīng)或者表現(xiàn)為空間溢出性，各解釋變量（土地市場化、土地供應(yīng)結(jié)構(gòu)、控制變量）不僅會直接影響本地建設(shè)用地綠色使用，還會影響存在空間相關(guān)性的城市建設(shè)用地綠色使用。空間計(jì)量模型正是研究空間交互作用和空間結(jié)構(gòu)的主要工具。

常用的空間常系數(shù)回歸模型主要有空間滯后模型（Spatial Lag Model，SLM）、空間誤差模型（Spatial Error Model，SEM）和 空 間 杜 賓 模 型（Spatial Dubin Model，SDM）?？紤]到空間杜賓模型在系數(shù)特殊情況下可以轉(zhuǎn)化為空間自相關(guān)模型與空間誤差模型，本文僅給出考慮了解釋變量空間滯后項(xiàng)的空間杜賓模型一般形式：

式中：Yit為i 城市t 年的建設(shè)用地綠色利用效率；α為常數(shù)項(xiàng)；Xit為各類影響變量的集合；W 為空間權(quán)重矩陣；WXit為自變量的空間滯后項(xiàng)；WYit為因變量的空間滯后項(xiàng)；μi為空間個體固定效應(yīng)；υt為空間時點(diǎn)固定效應(yīng)；εit為模型的誤差項(xiàng)；ρ和θ為空間相關(guān)系數(shù)。

當(dāng)θ≠0，且ρ≠0 時，空間杜賓模型可以簡化為空間滯后模型，以衡量周邊城市的被解釋變量對本地區(qū)被解釋變量的影響［21］。當(dāng)θ＋βρ＝0 時，空間杜賓模型可以退化為空間誤差模型。非空間模型系數(shù)可以直接反映自變量對因變量的影響，但空間杜賓模型的相關(guān)系數(shù)不能直接反映自變量變化對因變量的影響，參考Lesage 等［22］借助求偏導(dǎo)數(shù)將自變量對因變量的總效應(yīng)分解為直接效應(yīng)、間接效應(yīng)，輔助解釋不同個體的自變量對因變量的影響。在特定穩(wěn)定條件下，分解方程為：

直接效應(yīng)等于模型系數(shù)和反饋效應(yīng)之和，即上述矩陣對角元素的平均值；間接效應(yīng)為上述矩陣非對角元素的行平均。

2.3 設(shè)定空間權(quán)重矩陣

地理學(xué)第一定律認(rèn)為，任何事物都是緊密相連的，且越鄰近事物之間的聯(lián)系越緊密。利用空間權(quán)重矩陣描述事物之間的關(guān)聯(lián)程度，通常采用鄰接關(guān)系、空間距離和經(jīng)濟(jì)距離表征空間權(quán)重關(guān)系，也可以將兩種或者多種關(guān)系綜合考慮，采用多種距離關(guān)系表征空間權(quán)重。本文分別采用鄰接空間權(quán)重、距離空間權(quán)重和經(jīng)濟(jì)距離空間權(quán)重進(jìn)行分析。

鄰接權(quán)重矩陣：依據(jù)空間之間的相鄰關(guān)系，鄰接可以表現(xiàn)為共邊或者共點(diǎn)，考慮到本文研究對象是城市之間的鄰接，主要以共邊鄰接為主，因此權(quán)重矩陣Wij可以根據(jù)下述方式獲得：

式中：當(dāng)i ＝j(luò) 時，Wij＝0。根據(jù)以上思想，空間鄰接權(quán)重矩陣是對稱矩陣。

距離權(quán)重矩陣：空間單元城市之間除了地域上的鄰接關(guān)系以外，還可以用兩地之間的距離描述相鄰關(guān)系，空間計(jì)量經(jīng)濟(jì)學(xué)中稱之為“狹義距離”，可以用兩個城市的行政中心距離進(jìn)行度量。本文選擇兩個城市的中心質(zhì)點(diǎn)進(jìn)行計(jì)算，利用ArcGIS 軟件進(jìn)行要素轉(zhuǎn)點(diǎn)后得到城市的經(jīng)緯度坐標(biāo)，利用此坐標(biāo)計(jì)算兩個城市之間的直線距離平方的倒數(shù)作為空間距離矩陣。

式中：dij表示i 城市與j 城市之間的質(zhì)點(diǎn)距離。質(zhì)點(diǎn)距離越遠(yuǎn)，其空間權(quán)重的系數(shù)越小，空間相關(guān)性也越差。

經(jīng)濟(jì)距離權(quán)重矩陣：地理學(xué)第一定律表明，城市之間的聯(lián)系隨著地理距離的增加而遞減，但現(xiàn)實(shí)中兩個經(jīng)濟(jì)水平差異小、距離遠(yuǎn)的城市之間可能要比經(jīng)濟(jì)水平差異大、距離遠(yuǎn)的城市之間的聯(lián)系更多，因此可以考慮建立經(jīng)濟(jì)距離權(quán)重矩陣：

3 實(shí)證結(jié)果及分析

本文利用MaxDEA 軟件，采用包含非期望產(chǎn)出的Window-SBM模型，選擇窗口寬度為9，偏移量為0，且勾選Andersen和Petersen于1993 年提出的超效率計(jì)算方式［23］，得到黃河流域城市建設(shè)用地綠色利用效率值。結(jié)果顯示，全域內(nèi)城市建設(shè)用地平均效率值從2010 年的0.4944 提升到2018 年0.6822，且效率值有效的城市數(shù)從13 個增長至25 個，表明流域內(nèi)城市建設(shè)用地綠色利用效率整體水平呈現(xiàn)提升態(tài)勢，但仍有包頭、鄂爾多斯、淄博等12 個城市的建設(shè)用地綠色利用效率在研究區(qū)間內(nèi)表現(xiàn)為下降。從各流域9 年間效率值提升情況分析，下游（0.2106）城市的建設(shè)用地效率提升幅度要高于中游（0.1715）和上游城市（0.1877）。

3.1 空間相關(guān)分析

觀察黃河流域建設(shè)用地綠色利用效率各年平均值的變化，2010—2014 年呈下降態(tài)勢，2015—2018 年呈上升態(tài)勢。按流域區(qū)分，中游呈先下降后上升態(tài)勢，上、下游則呈上升態(tài)勢，且各年效率平均值，中游＞上游＞下游；按增長幅度區(qū)分，下游＞上游＞中游。

圖1 顯示了2010 年、2018 年黃河流域各城市建設(shè)用地綠色利用效率值的變化情況。從圖1 可見，隨著時間的增長，流域下游地區(qū)的濟(jì)南、泰安、鄭州等城市的效率值色彩顯著變淺色；同時，上游和中游地區(qū)的海西、阿拉善、包頭、鄂爾多斯、烏蘭察布等城市的效率值色彩則出現(xiàn)不同程度的加深。造成這種趨勢的原因可能是：流域中游內(nèi)城市早期為招商引資建設(shè)，引入部分高能耗、高污染企業(yè)，隨著生態(tài)文明建設(shè)的不斷深入，生態(tài)保護(hù)理念和工程進(jìn)一步推進(jìn)，中游地區(qū)城市轉(zhuǎn)變土地利用觀念，引導(dǎo)這類企業(yè)改造升級甚至關(guān)停，放緩了經(jīng)濟(jì)發(fā)展速度，但同時也降低了土地碳排放量。

圖1 2010 年和2018 年黃河流域城市建設(shè)用地綠色利用效率Figure 1 The green use efficiency of construction land in the Yellow River Basin in 2010 and 2018

基于核密度估計(jì)的黃河流域城市建設(shè)用地效率動態(tài)演變：首先，利用核密度估計(jì)法觀察城市建設(shè)用地綠色利用效率的時序動態(tài)演進(jìn)特征。2010 年、2013 年、2016 年和2018 年黃河流域及各流域內(nèi)城市建設(shè)用地效率的核密度曲線如圖2 所示。從圖2 可見，全域內(nèi)4 個年份的核密度曲線均表現(xiàn)為“一主一輔”的雙峰形態(tài)［24］，表明研究期間內(nèi)建設(shè)用地綠色利用效率始終處于兩極分化格局，且曲線中心位置逐年向右偏移，證實(shí)黃河流域內(nèi)建設(shè)用地效率值整體呈上升的演進(jìn)特征；且主峰波峰呈現(xiàn)先上升后下降的態(tài)勢，2010—2016 年波峰輕微上升，之后出現(xiàn)大幅度下降，說明城市建設(shè)用地效率差異呈現(xiàn)先縮小后擴(kuò)大的趨勢。再分析各流域核密度圖：上游內(nèi)各年的雙峰形態(tài)明顯，說明流域內(nèi)建設(shè)用地綠色利用效率多級演進(jìn)特征明顯，中游內(nèi)核密度圖走勢與全域內(nèi)基本相同，但下游內(nèi)的波峰始終保持下降態(tài)勢，說明流域內(nèi)城市建設(shè)用地綠色利用效率差異呈現(xiàn)逐 年縮小的趨勢。

圖2 黃河流域城市建設(shè)用地綠色利用效率核密度曲線Figure 2 Nuclear density curve of green use efficiency of urban construction land in the Yellow River Basin

城市建設(shè)用地綠色利用效率空間相關(guān)分析：以黃河流域城市之間的距離為空間權(quán)重，分析建設(shè)用地綠色利用效率的全局空間Moran′s I 指數(shù)，可以發(fā)現(xiàn)雖然2010—2018 年均在1%水平顯著正相關(guān)，但是相關(guān)系數(shù)均不足0.3（表3），說明黃河流域內(nèi)各城市之間的建設(shè)用地綠色利用效率存在弱正相關(guān)關(guān)系。

表3 2010—2018 年黃河流域城市建設(shè)用地綠色利用效率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

雖然全域Moran′s I 指數(shù)可以從宏觀上證明黃河流域建設(shè)用地綠色利用效率存在全局空間正相關(guān)關(guān)系，但仍需要借助局部空間集聚圖識別流域內(nèi)城市的局部空間格局特征?？傮w而言，各年的H - H集聚區(qū)城市數(shù)大于L- L 集聚區(qū)數(shù)量，H- L 集聚區(qū)城市數(shù)大于L - H 集聚區(qū)城市數(shù)量（圖3）；且2010年H - H 集聚區(qū)主要分布在黃河流域的上游和中游，而L - L 集聚區(qū)則主要分布在下游，但2018 年HH集聚區(qū)僅有上游地區(qū)的6 個城市，下游地區(qū)的L- L集聚區(qū)也由原來的5 個城市變?yōu)?。說明流域下游城市的建設(shè)用地綠色利用效率在研究時期增長較多，而中游城市呈現(xiàn)下降趨勢。事實(shí)上，下游境內(nèi)山東、河南的城市受東部經(jīng)濟(jì)圈城市發(fā)展的輻射，加土地自然生態(tài)條件好于中游城市，因此建設(shè)用地效率提升較快。相較而言，中游城市的基礎(chǔ)設(shè)施水平較低，城市內(nèi)部的人、物、信息和能量流動性較差，且受資源型城市的高能耗低產(chǎn)出特征影響，建設(shè)用地綠色利用效率整體出現(xiàn)下滑。

圖3 2010—2018 年黃河流域城市建設(shè)用地綠色利用效率空間格局演變Figure 3 Spatial pattern evolution of green use efficiency of urban construction land in the Yellow River Basin，2010-2018

3.2 空間計(jì)量分析

首先進(jìn)行LM 檢驗(yàn)并構(gòu)建R - LM 統(tǒng)計(jì)量進(jìn)行空間相關(guān)性檢驗(yàn)，檢驗(yàn)結(jié)果顯示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%水平下顯著拒絕了使用面板OLS估計(jì)的原假設(shè)，因此選用空間計(jì)量模型進(jìn)行估計(jì)?？紤]數(shù)據(jù)結(jié)構(gòu)是短面板，因此構(gòu)建包含個體效應(yīng)和時間效應(yīng)的空間模型，采用Hausman檢驗(yàn)確定采用固定效應(yīng)或者隨機(jī)效應(yīng)模型，卡方統(tǒng)計(jì)量25.96，P 值（0.0021）在1%水平下顯著，故采用固定效應(yīng)模型。

采用LR檢驗(yàn)配合AIC和BIC信息準(zhǔn)則，確定使用空間杜賓、空間滯后或空間誤差模型，并確定是個體固定、時期固定還是雙固定，檢驗(yàn)結(jié)果如表4 所示。模型個體固定（1—4 行）、時期固定（5—8 行）與雙固定（9—12 行）的P 值在均1%水平下顯著拒絕原假設(shè)，且LR 檢驗(yàn)顯示使用個體—時期雙向固定的杜賓模型。Wald 檢驗(yàn)結(jié)果顯示，兩個P 值均在1%水平下顯著拒絕原假設(shè)，因此該模型不可簡化為空間滯后模型與空間誤差模型，最終確定使用個體-時期雙固定的空間杜賓模型進(jìn)行估計(jì)。

表4 Likelihood Ratio（LR）檢驗(yàn)與Wald檢驗(yàn)Table 4 Likelihood Ratio（LR）test and Wald test

為了分析不同空間權(quán)重矩陣下土地市場化與土地供應(yīng)結(jié)構(gòu)對建設(shè)用地綠色利用效率的影響效果，分別采用鄰接矩陣、距離矩陣、經(jīng)濟(jì)距離矩陣作為空間權(quán)重矩陣建立“個體—時期”雙固定的杜賓模型，根據(jù)Lee等［25］和Elhorst［26］的研究成果，基于2010—2018年黃河流域9 個省區(qū)69 個城市的面板數(shù)據(jù)，采用偏差修正的MLE方法進(jìn)行回歸估計(jì)，結(jié)果如表5所示。從空間自相關(guān)系數(shù)ρ的結(jié)果可知，地理權(quán)重矩陣和經(jīng)濟(jì)地理空間權(quán)重下，模型在1%水平下存在空間相關(guān)性，鄰接空間權(quán)重矩陣下模型在5%水平下存在空間相關(guān)性，說明城市建設(shè)用地綠色利用效率一方面取決于本地區(qū)的土地市場化、供應(yīng)結(jié)構(gòu)和社會、經(jīng)濟(jì)等因素，另一方面受周邊城市的各類因素影響，即存在空間外生交互效應(yīng)，或者說城市的建設(shè)用地綠色利用效率存在空間溢出效應(yīng)。

表5 不同權(quán)重矩陣的空間杜賓模型回歸結(jié)果Table 5 Regression results of Dobbin model in different weight matrix space

直接效應(yīng)：研究期內(nèi)，固定效應(yīng)模型下的黃河流域土地市場化對本地區(qū)建設(shè)用地綠色利用效率顯著負(fù)向作用，空間權(quán)重矩陣模型下土地市場化對本地區(qū)建設(shè)用地效率也具有抑制作用，但不顯著。周圍城市的土地市場化對本地區(qū)的建設(shè)用地綠色利用效率在不同空間權(quán)重下影響效果不同。從土地供應(yīng)結(jié)構(gòu)分析，工礦用地對本地區(qū)建設(shè)用地綠色利用效率的直接影響顯示為促進(jìn)作用，商服用地、住宅用地、公共管理與服務(wù)用地結(jié)構(gòu)對本地區(qū)建設(shè)用地綠色利用效率的直接影響顯示為抑制作用，但住宅用地、公共管理與服務(wù)用地對周圍城市建設(shè)用地綠色利用效率的影響則顯示促進(jìn)作用，影響效果均不顯著。相對于個體—時期雙向固定的非空間模型，空間杜賓模型的R2值更大一些，說明空間模型的說服力更強(qiáng)，同時直接效應(yīng)并沒有改變土地市場化、土地供應(yīng)結(jié)構(gòu)對建設(shè)用地綠色利用效率的影響方向，但土地市場化的直接影響系數(shù)在空間杜賓模型中略有減弱。控制變量中，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與政府規(guī)模均促進(jìn)建設(shè)用地綠色利用效率，而城鎮(zhèn)化與建設(shè)用地綠色利用效率則呈“倒U型”關(guān)系。

空間溢出效應(yīng)：將各類解釋變量的空間效應(yīng)進(jìn)行分解，結(jié)果如表6 所示。從表6 可見，工礦用地對建設(shè)用地綠色利用效率的直接效應(yīng)在3 種模式下均不顯著，但在距離空間權(quán)重與經(jīng)濟(jì)距離空間權(quán)重模型下，周圍城市的工礦用地結(jié)構(gòu)顯著抑制本地城市的建設(shè)用地綠色利用效率，距離空間矩陣模型下總效應(yīng)系數(shù)- 0.0033，經(jīng)濟(jì)距離空間權(quán)重矩陣模型下總效應(yīng)系數(shù)-0.0026。商服用地的直接效應(yīng)也不顯著，在距離空間矩陣模型與經(jīng)濟(jì)距離空間矩陣模型下，商服用地的溢出效應(yīng)與總效應(yīng)均顯著，效應(yīng)系數(shù)分別為-0.0085 和-0.0093。其他兩類用地結(jié)構(gòu)與土地市場化對本地及周圍城市的影響效應(yīng)均不顯著。這說明黃河流域土地市場化與建設(shè)用地綠色利用效率之間雖然存在空間負(fù)相關(guān)性，但是其總體影響效果并不顯著。而工礦用地結(jié)構(gòu)和商服用地結(jié)構(gòu)對周圍距離較近、經(jīng)濟(jì)發(fā)展水平接近的城市抑制其建設(shè)用地綠色利用效率提升，主要是因?yàn)榱饔騼?nèi)城市為了發(fā)展經(jīng)濟(jì)和提供更多的就業(yè)崗位，多通過出讓土地給工礦與商服用地，引進(jìn)企業(yè)以吸引周圍城市的勞動力資源，因此降低了周邊城市的建設(shè)用地綠色利用效率。這類企業(yè)多是低附加值或者影響生態(tài)環(huán)境的高耗能企業(yè)，盡管在一定程度上促進(jìn)了本地城市的經(jīng)濟(jì)增長，但同時也消耗了更多的能源，對本地產(chǎn)生更多的污染，因此并沒有顯著促進(jìn)本地建設(shè)用地綠色利用效率。而土地市場化與住宅用地、公共管理與服務(wù)用地結(jié)構(gòu)對本地及周邊城市的建設(shè)用地綠色利用效率的直接效應(yīng)、溢出效應(yīng)與總效應(yīng)均不顯著。

表6 杜賓模型（不同空間權(quán)重）解釋變量效應(yīng)分解Table 6 Dobbin model（different spatial weights）explanatory variable effect decomposition

觀察各控制變量的分解效應(yīng)，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的直接效應(yīng)、溢出效應(yīng)與總效應(yīng)均顯示為正值。一方 面，隨著城市經(jīng)濟(jì)發(fā)展水平的提高，其內(nèi)部物質(zhì)、信息、能量流動加快，土地價(jià)格相對較高，導(dǎo)致企業(yè)非常注重土地資源的使用效率；另一方面，優(yōu)化的產(chǎn)業(yè)結(jié)構(gòu)減少了城市對消耗土地較多的工業(yè)產(chǎn)業(yè)的依賴性，土地開發(fā)強(qiáng)度減弱，建設(shè)用地綠色使用效率提升；政府財(cái)政能力在3 種空間權(quán)重模型下主要體現(xiàn)為正向的直接效應(yīng)，溢出效應(yīng)和總體效應(yīng)并不顯著。事實(shí)上，政府財(cái)政能力越強(qiáng)，可用于支持地方科技創(chuàng)新的能力也越強(qiáng)，即建設(shè)用地的綠色利用效率的科技投入增多，可直接提升本地的建設(shè)用地綠色利用效率。在3 種空間權(quán)重模型下，城鎮(zhèn)化與建設(shè)用地綠色利用效率始終保持“倒U 型”關(guān)系，說明城鎮(zhèn)化發(fā)展對建設(shè)用地綠色利用效率的提升存在拐點(diǎn)，當(dāng)城鎮(zhèn)人口增長規(guī)模在一定范圍之內(nèi)時，增長的人力資本是效率提升的投入要素；但當(dāng)人口快速增多，對城市住宅、公共服務(wù)設(shè)施等提出更多要求，需要極速擴(kuò)大土地開發(fā)強(qiáng)度，人力投入要素轉(zhuǎn)變?yōu)槿丝趬毫?，抑制建設(shè)用地綠色利用效率提升。因此，城鎮(zhèn)化的發(fā)展要與土地利用水平相適應(yīng)，快速的城鎮(zhèn)化并不能提升建設(shè)用地綠色利用效率。

3.3 穩(wěn)健性檢驗(yàn)

為了增強(qiáng)結(jié)果的穩(wěn)健性，用城市招拍掛出讓金額與全部出讓土地金額比值作為土地市場化變量的替代變量進(jìn)行穩(wěn)健性檢驗(yàn)。發(fā)現(xiàn)相關(guān)系數(shù)ρ在3 種空間權(quán)重下也都顯著為正，各解釋變量與建設(shè)用地綠色利用效率之間的關(guān)系均未發(fā)生改變，說明結(jié)論穩(wěn)健。

4 結(jié)論與政策啟示

4.1 結(jié)論

本文以2010—2018 年黃河流域9 個省區(qū)69 個城市為研究對象，采用考慮松弛變量、非期望產(chǎn)出和能夠區(qū)分有效決策單元的Window—SBM 模型合理測度城市建設(shè)用地綠色利用效率，利用核密度曲線分析效率值的演化特征，通過構(gòu)建地理空間權(quán)重分析效率值的空間自相關(guān)性，分別構(gòu)建鄰接空間權(quán)重、距離空間權(quán)重和經(jīng)濟(jì)地理空間權(quán)重，并借助空間面板杜賓模型及其偏微分分解方法分析黃河流域城市建設(shè)用地綠色利用效率的空間效應(yīng)。主要結(jié)論如下：①研究期內(nèi)，黃河流域城市建設(shè)用地綠色利用效率整體呈現(xiàn)遞增趨勢，但呈現(xiàn)先下降后上升的態(tài)勢，且建設(shè)用地綠色利用效率差異顯示先縮小后擴(kuò)大；觀察不同流域內(nèi)建設(shè)用地綠色利用效率平均值：中游＞上游＞下游，但研究期間內(nèi)下游增長最多，中游增長最少。②黃河流域城市建設(shè)用地綠色利用效率在空間分布上顯示正相關(guān)關(guān)系；局部空間格局?jǐn)?shù)量上呈現(xiàn)以L- L 集聚和H- H 集聚為主，H- L 集聚和L- H集聚為輔的空間格局，且H- H集聚區(qū)主要集中在上游，L- L集聚區(qū)主要分布在下游。③黃河流域建設(shè)用地綠色利用效率無論在鄰接空間權(quán)重、距離空間權(quán)重還是經(jīng)濟(jì)距離空間權(quán)重模型下，空間回歸系數(shù)ρ均顯著為正，即存在正向空間溢出效應(yīng)，本地城市建設(shè)用地綠色利用效率能夠帶動周邊城市建設(shè)用地綠色利用效率提升。直接效應(yīng)顯示，土地市場化和土地供應(yīng)結(jié)構(gòu)（商服用地、住宅用地、公共管理與服務(wù)用地）雖然抑制了本地的建設(shè)用地綠色利用效率提升，但是工礦用地結(jié)構(gòu)和商服用地結(jié)構(gòu)在距離權(quán)重模型和經(jīng)濟(jì)距離權(quán)重模型下的溢出效應(yīng)和總效應(yīng)顯著。產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對建設(shè)用地綠色利用效率的直接效應(yīng)、溢出效應(yīng)和總效應(yīng)均顯著為正，城鎮(zhèn)化與建設(shè)用地綠色利用效率無論在非空間模型和空間模型下均顯示“倒U型”關(guān)系。政府財(cái)政能力對本地建設(shè)用地綠色利用效率顯示促進(jìn)作用，但對周圍城市的建設(shè)用地綠色利用效率溢出效應(yīng)不顯著。

4.2 啟示

基于上述結(jié)論，提出以下政策啟示：①黃河流域城市建設(shè)用地綠色利用效率存在空間溢出效應(yīng)，啟示流域內(nèi)所有城市建設(shè)不可獨(dú)善其身、一城孤行，不能簡單借鑒周邊城市的招商引資方式與規(guī)模，過度開發(fā)工礦倉儲用地與商服用地，而應(yīng)建立區(qū)域一體化發(fā)展的思想，綜合考慮本地城市與鄰近距離城市，或者與經(jīng)濟(jì)發(fā)展水平相當(dāng)?shù)某鞘兄g的空間互動關(guān)系，在土地出讓過程中考慮對產(chǎn)業(yè)結(jié)構(gòu)合理化、高級化的影響作用，力爭土地出讓通過本地城市的產(chǎn)業(yè)結(jié)構(gòu)高級化促進(jìn)本地及周邊城市的建設(shè)用地綠色利用效率提升。②根據(jù)國家生態(tài)文明建設(shè)在黃河流域的戰(zhàn)略定位，建立西北地區(qū)生態(tài)屏障線，避免流域內(nèi)城市過度工業(yè)化帶來只重視經(jīng)濟(jì)效益忽略生態(tài)效應(yīng)，認(rèn)真排查并淘汰現(xiàn)有存量建設(shè)用地中高污染、高排放、低產(chǎn)能的引入企業(yè)，或者進(jìn)行企業(yè)產(chǎn)業(yè)升級，實(shí)現(xiàn)城市新舊動能轉(zhuǎn)化，推動城市建設(shè)用地“外延擴(kuò)張”向“內(nèi)涵擴(kuò)張”轉(zhuǎn)變。③不過度進(jìn)行人口城鎮(zhèn)化建設(shè)，要實(shí)現(xiàn)人口、土地資源、科技水平相匹配式的發(fā)展，協(xié)調(diào)城鎮(zhèn)化水平與建設(shè)用地綠色利用效率的同步發(fā)展，人口城鎮(zhèn)化建設(shè)過程中注意引進(jìn)人才戰(zhàn)略，防止城鎮(zhèn)化與建設(shè)用地綠色利用效率拐點(diǎn)過早到來，影響流域內(nèi)建設(shè)用地綠色利用效率提升。