中國(guó)發(fā)達(dá)地區(qū)工業(yè)土地集約利用的驅(qū)動(dòng)因素
——基于企業(yè)微觀數(shù)據(jù)的研究

張 琳，王亞輝，郭雨娜，劉冰潔

（大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部，遼寧 大連 116024）

中國(guó)發(fā)達(dá)地區(qū)工業(yè)土地集約利用的驅(qū)動(dòng)因素
——基于企業(yè)微觀數(shù)據(jù)的研究

張 琳，王亞輝，郭雨娜，劉冰潔

（大連理工大學(xué)管理與經(jīng)濟(jì)學(xué)部，遼寧 大連 116024）

研究目的：中國(guó)工業(yè)發(fā)展與土地資源現(xiàn)狀均對(duì)工業(yè)土地集約利用提出了迫切需求，而工業(yè)企業(yè)的土地集約利用則是實(shí)現(xiàn)區(qū)域工業(yè)土地集約利用的微觀基礎(chǔ)。研究方法：在現(xiàn)有研究多集中于中、宏觀層面的背景下，本文將研究深入至企業(yè)微觀層面，先從理論角度分析了各個(gè)驅(qū)動(dòng)因素及其傳導(dǎo)機(jī)理。然后選取中國(guó)工業(yè)化進(jìn)程較快的兩個(gè)省份（廣東和江蘇）作為研究區(qū)域，以1999—2009年1290家工業(yè)企業(yè)面板數(shù)據(jù)為樣本進(jìn)行實(shí)證檢驗(yàn)，實(shí)證結(jié)果與理論分析相互印證。研究結(jié)果：在所有驅(qū)動(dòng)因素中，工業(yè)用地價(jià)格對(duì)集約用地促進(jìn)作用最明顯；中國(guó)目前處于土地邊際報(bào)酬遞增階段，單位土地要素投入的增加可促進(jìn)企業(yè)集約用地，其中勞動(dòng)投入的系數(shù)最大；外資企業(yè)相較于其他所有制企業(yè)，集約用地水平較高。研究結(jié)論：企業(yè)規(guī)模和企業(yè)距港口距離與集約用地水平呈倒U型關(guān)系；良好的地理區(qū)位、盈利水平及經(jīng)濟(jì)環(huán)境等均能在一定程度上促進(jìn)企業(yè)集約用地。

土地利用；工業(yè)；集約；驅(qū)動(dòng)因素

1 問(wèn)題提出

在相對(duì)較短的工業(yè)化歷程中，中國(guó)工業(yè)的發(fā)展創(chuàng)造了“中國(guó)奇跡”，但也付出了高昂的資源代價(jià)，尤其在土地資源日益稀缺的背景下，工業(yè)用地的粗放利用仍較普遍，出現(xiàn)了工業(yè)高速發(fā)展與土地低效利用并存的現(xiàn)象。根據(jù)對(duì)17個(gè)較發(fā)達(dá)城市抽樣調(diào)查數(shù)據(jù)顯示，其工業(yè)用地產(chǎn)出率不到發(fā)達(dá)國(guó)家20世紀(jì)80年代的2%，就連工業(yè)用地產(chǎn)出率高的深圳市也只相當(dāng)于20世紀(jì)末發(fā)達(dá)國(guó)家7%的水平[1]。在中國(guó)繼續(xù)推進(jìn)工業(yè)化進(jìn)程的背景下，促進(jìn)工業(yè)用地的集約利用將是緩解土地資源約束的根本途徑。

一直以來(lái)，土地集約利用是學(xué)術(shù)界的研究熱點(diǎn)之一，從研究對(duì)象來(lái)看，早期傾向于將城鎮(zhèn)建設(shè)用地作為一個(gè)整體進(jìn)行研究[2]。之后，隨著工業(yè)化進(jìn)程不斷推進(jìn)，工業(yè)用地逐漸從城鎮(zhèn)建設(shè)用地中被分離出來(lái)單獨(dú)研究[3]。從研究?jī)?nèi)容看，早期多以現(xiàn)狀評(píng)價(jià)與空間比較分析為主[4-6]，隨著現(xiàn)實(shí)發(fā)展與政策制定的需求，研究重心逐漸轉(zhuǎn)向更深層次的驅(qū)動(dòng)因素與機(jī)理分析上來(lái)[7-8]。從研究尺度來(lái)看，已有成果大多運(yùn)用統(tǒng)計(jì)數(shù)據(jù)分析，多集中于宏觀、中觀層面。國(guó)家、省級(jí)、地市級(jí)的研究表明市場(chǎng)化水平、區(qū)位條件、經(jīng)濟(jì)水平、城鎮(zhèn)化率等因素造成土地集約利用水平差異[9-16]；而開(kāi)發(fā)區(qū)層面的研究則表明開(kāi)發(fā)區(qū)級(jí)別、區(qū)位、布局、企業(yè)集聚水平及土地政策是影響土地集約利用的主要因素[17-18]。由于受到諸多條件限制，再進(jìn)一步深入到企業(yè)層面的研究就十分有限，僅有個(gè)別學(xué)者基于小范圍企業(yè)樣本進(jìn)行調(diào)研分析。如Tan Dan等基于江蘇三個(gè)城市的企業(yè)調(diào)查研究[19]；趙小鳳和黃賢金利用企業(yè)數(shù)據(jù)研究不同層面因素對(duì)工業(yè)土地集約利用的影響[20]；鄒偉等檢驗(yàn)了土地保有稅對(duì)工業(yè)企業(yè)土地效率有顯著正向影響[21]。

但實(shí)際上，工業(yè)企業(yè)集約用地是構(gòu)成并實(shí)現(xiàn)區(qū)域?qū)用婀I(yè)土地集約利用的微觀基礎(chǔ)，企業(yè)的生產(chǎn)決策及經(jīng)營(yíng)狀況才是影響土地集約利用的根本原因。因此，深入到企業(yè)層面的驅(qū)動(dòng)因素研究是摸清企業(yè)用地規(guī)律與合理引導(dǎo)企業(yè)用地的基礎(chǔ)，對(duì)促進(jìn)區(qū)域范圍內(nèi)的工業(yè)用地集約利用更具有實(shí)際意義。只有基于企業(yè)層面的數(shù)據(jù)分析，才能將行業(yè)、所有制結(jié)構(gòu)、企業(yè)規(guī)模等之前研究未曾涉及的因素納入到研究中來(lái)，從而更加全面深入地進(jìn)行驅(qū)動(dòng)因素分析與機(jī)理剖析。

因此，筆者基于《中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)》進(jìn)行企業(yè)用地的調(diào)研與數(shù)據(jù)收集，從微觀層面對(duì)土地集約利用的驅(qū)動(dòng)因素進(jìn)行探索，前期研究已經(jīng)驗(yàn)證了企業(yè)規(guī)模對(duì)于企業(yè)用地有顯著影響[22]。在此基礎(chǔ)上，本文選擇了中國(guó)工業(yè)化進(jìn)程最快，最具代表性的兩個(gè)省份（廣東省和江蘇?。┳鳛檠芯繀^(qū)域，補(bǔ)充數(shù)據(jù)后，進(jìn)一步從經(jīng)營(yíng)投入、企業(yè)屬性、地理區(qū)位及經(jīng)濟(jì)環(huán)境4個(gè)方面對(duì)工業(yè)企業(yè)集約用地的驅(qū)動(dòng)因素進(jìn)行深入剖析，并提出相應(yīng)政策建議。

2 模型、變量與數(shù)據(jù)說(shuō)明

2.1 模型

本文采用面板數(shù)據(jù)模型進(jìn)行實(shí)證分析。首先，進(jìn)行了Hausman檢驗(yàn)[23-24]，結(jié)果建議選擇固定效應(yīng)模型。接下來(lái)，根據(jù)本文研究目的和理論進(jìn)行進(jìn)一步分析，如果單純使用固定效應(yīng)模型，研究中很多重要驅(qū)動(dòng)因素如企業(yè)所屬行業(yè)、地理區(qū)位因素等由于不隨時(shí)間改變，在固定效應(yīng)模型中將會(huì)被剔除，從而影響研究的全面性。因此，在參考了相關(guān)研究的基礎(chǔ)上[25-26]，本文采用隨機(jī)效應(yīng)模型與固定效應(yīng)模型相結(jié)合的方式進(jìn)行研究，即首先用隨機(jī)效應(yīng)模型將全部驅(qū)動(dòng)因素納入進(jìn)行擬合，然后再用固定效應(yīng)模型剔除掉部分不隨時(shí)間變化的驅(qū)動(dòng)因素進(jìn)行擬合，由此可以作為隨機(jī)效應(yīng)模型的穩(wěn)健性檢驗(yàn)，如果固定效應(yīng)和隨機(jī)效應(yīng)中各變量的估計(jì)結(jié)果大致相當(dāng)，則說(shuō)明該模型的設(shè)定較準(zhǔn)確，這樣設(shè)計(jì)將使得分析結(jié)果更加嚴(yán)謹(jǐn)準(zhǔn)確。

模型確定之后，需對(duì)固定效應(yīng)模型進(jìn)行估計(jì)，估計(jì)操作步驟如下：（1）采用似然比（Likelihood Ratio）檢驗(yàn)來(lái)檢驗(yàn)?zāi)Ｐ褪欠翊嬖诋惙讲?；?）采用Wooldridge檢驗(yàn)來(lái)檢驗(yàn)?zāi)Ｐ褪欠翊嬖谛蛄邢嚓P(guān)；（3）采用Pesaran檢驗(yàn)來(lái)檢驗(yàn)面板數(shù)據(jù)是否存在截面相關(guān)；（4）如果面板數(shù)據(jù)存在異方差或者序列相關(guān)，且存在截面相關(guān)，那么將采用Driscoll and Kraay的估計(jì)方法加以修正；反之，如果不存在異方差或序列相關(guān)、截面相關(guān)，那么將采用Rogers的估計(jì)方法加以修正[27]。

固定效應(yīng)模型的檢驗(yàn)結(jié)果表明，本文存在異方差、序列相關(guān)和截面相關(guān)，故模型估計(jì)采用Driscoll and Kraay的方法來(lái)處理。

基于上述分析，本文分別構(gòu)建如下模型：

第一，面板固定效應(yīng)模型：式（1）中，ILUit為i企業(yè)第t年工業(yè)用地集約利用水平，X1it為影響工業(yè)企業(yè)集約用地的直接驅(qū)動(dòng)因素，X2it為影響工業(yè)企業(yè)集約用地的間接驅(qū)動(dòng)因素。其中，直接驅(qū)動(dòng)因素主要是指工業(yè)生產(chǎn)過(guò)程中的直接要素投入，如勞動(dòng)力、資本等，這些要素的投入多寡與企業(yè)集約用地水平直接相關(guān)；間接驅(qū)動(dòng)因素一般包括企業(yè)所在環(huán)境、所屬行業(yè)及企業(yè)特征等，這些因素通常會(huì)通過(guò)其他機(jī)制或渠道來(lái)影響企業(yè)要素投入，進(jìn)而影響集約用地水平。αi為企業(yè)間的個(gè)體差異；εit為誤差項(xiàng)；β為待估參數(shù)。

第二，面板隨機(jī)效應(yīng)模型：

式（2）中，ILUit為i企業(yè)第t年工業(yè)用地集約利用水平，X1it為影響工業(yè)企業(yè)集約用地的直接驅(qū)動(dòng)因素，X2it為影響工業(yè)企業(yè)集約用地的間接驅(qū)動(dòng)因素，Z為影響工業(yè)企業(yè)集約用地不隨時(shí)間變化的驅(qū)動(dòng)因素，比如企業(yè)距離港口的距離、企業(yè)所屬行業(yè)等，αi為企業(yè)間的個(gè)體差異，ηit為誤差項(xiàng)，β為待估參數(shù)。

2.2 變量說(shuō)明

（1）因變量構(gòu)造。本文因變量為工業(yè)企業(yè)土地集約利用水平。比較考慮了目前常用的單一指標(biāo)法和綜合指標(biāo)法，為避免共線性，本文將采用單一指標(biāo)評(píng)價(jià)法（工業(yè)產(chǎn)出）進(jìn)行衡量。計(jì)算公式如下：

式（3）中，ILU為企業(yè)集約用地水平；GIP為企業(yè)工業(yè)總產(chǎn)值；S為企業(yè)生產(chǎn)占地面積。

（2）自變量選擇。為了更加全面地揭示工業(yè)企業(yè)集約用地的驅(qū)動(dòng)因素，同時(shí)盡量減少模型的遺漏變量偏誤，本文從直接驅(qū)動(dòng)和間接驅(qū)動(dòng)兩方面，對(duì)可能的變量進(jìn)行篩選（表1）。

2.3 數(shù)據(jù)說(shuō)明

本文研究區(qū)域?yàn)閺V東、江蘇兩省，屬沿海發(fā)達(dá)地區(qū)，工業(yè)化進(jìn)程速度快且具有代表性，使得結(jié)果對(duì)于其他地區(qū)具有較強(qiáng)的前瞻性和借鑒性。基礎(chǔ)數(shù)據(jù)來(lái)源于1999—2009年①本文研究區(qū)間為1999—2009年，由于國(guó)家統(tǒng)計(jì)局官方公布的《中國(guó)工業(yè)企業(yè)數(shù)據(jù)》只更新到2009年，其他渠道流傳的2010、2011年的數(shù)據(jù)經(jīng)調(diào)查檢驗(yàn)，可能存在一定的偏差，故本文沒(méi)納入。兩省《中國(guó)工業(yè)企業(yè)數(shù)據(jù)庫(kù)》（下稱《數(shù)據(jù)庫(kù)》）。具體的數(shù)據(jù)處理過(guò)程如下：

（1）樣本選取。把兩省11年間一直存活下來(lái)的企業(yè)進(jìn)行按照“法人代碼”進(jìn)行年際之間匹配，共計(jì)廣東813家、江蘇529家，共1342家工業(yè)企業(yè)。

表1 變量說(shuō)明Tab.1 Variable explanation

（2）數(shù)據(jù)補(bǔ)充調(diào)研。原數(shù)據(jù)庫(kù)中收集了工業(yè)企業(yè)概況、財(cái)務(wù)等相關(guān)經(jīng)濟(jì)指標(biāo)近120個(gè)，但缺乏土地、地理區(qū)位及社會(huì)經(jīng)濟(jì)等指標(biāo)，而這些指標(biāo)是本研究的關(guān)鍵。本文對(duì)相關(guān)數(shù)據(jù)進(jìn)行補(bǔ)充調(diào)研。企業(yè)占地面積數(shù)據(jù)主要采用網(wǎng)絡(luò)調(diào)查；地理區(qū)位數(shù)據(jù)（主要包括各企業(yè)與區(qū)域最大港口距離、與城市最高基準(zhǔn)地價(jià)距離等）采用Google地圖實(shí)驗(yàn)室中的距離測(cè)量工具測(cè)量所得；社會(huì)經(jīng)濟(jì)數(shù)據(jù)主要來(lái)源于《廣東統(tǒng)計(jì)年鑒》和《江蘇統(tǒng)計(jì)年鑒》；片區(qū)工業(yè)用地價(jià)格則根據(jù)企業(yè)所在地址定位，通過(guò)“中國(guó)城市地價(jià)動(dòng)態(tài)監(jiān)測(cè)網(wǎng)”搜集所得，精確到城市內(nèi)各區(qū)，且各數(shù)據(jù)均經(jīng)過(guò)了指數(shù)平減等相應(yīng)處理。

（3）樣本剔除整理。樣本調(diào)查中剔除了電力、煤炭、礦業(yè)及天然氣等企業(yè)，因?yàn)檫@些企業(yè)調(diào)研的數(shù)據(jù)是服務(wù)所轄地區(qū)的面積，而不是生產(chǎn)用地面積；此外，還剔除了11年間占地面積多次變更的企業(yè)、個(gè)別調(diào)研數(shù)據(jù)依據(jù)常規(guī)判斷不真實(shí)及數(shù)據(jù)庫(kù)中重要指標(biāo)缺失的企業(yè)。經(jīng)過(guò)剔除整理，最后剩下廣東788家、江蘇502家，共計(jì)1290家工業(yè)企業(yè)為本文的樣本。

3 實(shí)證結(jié)果分析

表2分別呈現(xiàn)了固定效應(yīng)和隨機(jī)效應(yīng)回歸結(jié)果，其中固定效應(yīng)采用Driscoll and Kraay的估計(jì)方法[30]，隨機(jī)效應(yīng)模型采用Hausman-Taylor估計(jì)方法[31]，兩種模型可以作為相互補(bǔ)充以確定各變量的估計(jì)準(zhǔn)確程度。

表2 實(shí)證結(jié)果Tab.2 The empirical results

表2中模型的異方差、序列相關(guān)及截面相關(guān)均進(jìn)行了系統(tǒng)性處理，得出穩(wěn)健性的結(jié)果。其中，隨機(jī)效應(yīng)的R2-between可以達(dá)到0.8847 ，說(shuō)明模型中已囊括絕大多數(shù)影響工業(yè)企業(yè)集約用地的因素，遺漏變量的可能性很小，模型總體擬合效果較好。下面分別對(duì)隨機(jī)效應(yīng)和固定效應(yīng)估計(jì)的結(jié)果進(jìn)行逐一分析。

3.1 隨機(jī)效應(yīng)分析

本文先對(duì)數(shù)據(jù)進(jìn)行取對(duì)數(shù)、標(biāo)準(zhǔn)化等處理，然后回歸分析之后進(jìn)行內(nèi)生性檢驗(yàn)和工具變量合理性檢驗(yàn)，結(jié)果表明模型已不存在內(nèi)生變量，工具變量合理性檢驗(yàn)的Sargan-Hansen統(tǒng)計(jì)量為5.328 ，P值為0.1587 ，工具變量選擇較為合理。

表2結(jié)果顯示，回歸結(jié)果的Wald統(tǒng)計(jì)量為13696.94 ，R2為0.8847 ，方程總體上顯著，大部分變量均在1%的置信水平下顯著。整體來(lái)看，實(shí)證結(jié)果與理論推斷相互印證，擬合結(jié)果良好。

比較各驅(qū)動(dòng)因素來(lái)看，工業(yè)用地價(jià)格變量的回歸結(jié)果為正，且系數(shù)最大，為1.0205 。由此說(shuō)明，工業(yè)用地價(jià)格是企業(yè)集約用地的重要驅(qū)動(dòng)因素，這與理論分析相吻合，同時(shí)也與中國(guó)的實(shí)際發(fā)展情況相符。中國(guó)土地市場(chǎng)化配置改革起步較晚，前期大量的土地多以劃撥或低價(jià)出讓等形式進(jìn)行分配，從資源經(jīng)濟(jì)學(xué)理論分析，資源價(jià)格過(guò)低，無(wú)法正確反映資源價(jià)值，將會(huì)造成資源的浪費(fèi)與粗放利用，工業(yè)用地就是個(gè)很好的例子。之后，隨著土地市場(chǎng)化出讓制度的逐步完善，工業(yè)用地價(jià)格逐漸回歸正常，能夠反映出市場(chǎng)的供需水平。工業(yè)用地價(jià)格越高，一方面獲取土地的企業(yè)實(shí)力就越強(qiáng)，另一方面，較高的土地成本也會(huì)刺激企業(yè)進(jìn)行要素替代，從而提高集約用地水平。在已有研究中，也有學(xué)者從宏觀層面證明了土地市場(chǎng)發(fā)育水平對(duì)土地集約利用有著重要的促進(jìn)作用[9]。

直接驅(qū)動(dòng)因素?cái)M合結(jié)果與理論分析相一致，單位土地的投入要素越多，工業(yè)用地集約利用水平就越高，由此也印證了本文關(guān)于目前中國(guó)處于土地報(bào)酬遞增階段的判斷。其中，勞動(dòng)投入和資本投入的系數(shù)較高，勞動(dòng)力系數(shù)達(dá)0.5347 ，而研發(fā)投入系數(shù)較小。這說(shuō)明現(xiàn)階段中國(guó)工業(yè)企業(yè)仍然以投入勞動(dòng)力和資本為主，勞動(dòng)和資本對(duì)工業(yè)企業(yè)的發(fā)展起到了關(guān)鍵性作用。以企業(yè)為導(dǎo)向的研發(fā)處于較低水平（研發(fā)投入企業(yè)占比為10.92 %），因此對(duì)土地集約利用的促進(jìn)作用仍顯不足。

間接驅(qū)動(dòng)因素中，系數(shù)較大的變量為外部經(jīng)濟(jì)環(huán)境與企業(yè)盈利水平。一般來(lái)說(shuō)，區(qū)域發(fā)展階段與經(jīng)濟(jì)水平越好，企業(yè)的管理水平、要素配置等水平也通常隨之提高，因此均會(huì)顯著提高土地集約利用水平。具體來(lái)看，人均GDP和二、三產(chǎn)業(yè)之比兩個(gè)因素均顯著為正，說(shuō)明區(qū)域經(jīng)濟(jì)水平的提高與產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)均能促進(jìn)當(dāng)?shù)毓I(yè)企業(yè)的集約用地。相較而言，城市規(guī)模的系數(shù)為負(fù)，說(shuō)明城市規(guī)模越大，工業(yè)企業(yè)集約用地水平反而越低。這與發(fā)達(dá)城市“退二進(jìn)三”的實(shí)際情況以及中國(guó)的產(chǎn)業(yè)梯度轉(zhuǎn)移相吻合。廣東、江蘇均屬于中國(guó)工業(yè)發(fā)展最快、經(jīng)濟(jì)最發(fā)達(dá)的省份，隨著產(chǎn)業(yè)發(fā)展階段的推進(jìn)，很多大城市的工業(yè)企業(yè)不斷向外轉(zhuǎn)移，而工業(yè)內(nèi)部的結(jié)構(gòu)優(yōu)化升級(jí)與替代尚未跟上，導(dǎo)致工業(yè)相對(duì)萎縮；而中小城市由于承接了相應(yīng)的產(chǎn)業(yè)轉(zhuǎn)移，工業(yè)則處于快速發(fā)展階段。如此一來(lái)，就出現(xiàn)城市規(guī)模擴(kuò)大，而工業(yè)企業(yè)集約用地水平下降的局面。這也是中國(guó)工業(yè)發(fā)展過(guò)程中的一個(gè)過(guò)渡時(shí)期，目前發(fā)達(dá)地區(qū)也都著重推進(jìn)工業(yè)轉(zhuǎn)型升級(jí)，隨著這項(xiàng)工作的推進(jìn)，土地集約利用水平還會(huì)再次提高。

此外，企業(yè)所有制變量系數(shù)均為負(fù)，且國(guó)有企業(yè)系數(shù)絕對(duì)值最大，達(dá)到0.1651 。由于本文將外資企業(yè)作為對(duì)照組，這說(shuō)明相較于外資企業(yè)而言，其他所有制結(jié)構(gòu)的工業(yè)企業(yè)集約用地水平較低，尤其以國(guó)有企業(yè)集約用地水平最低。這與中國(guó)的實(shí)際狀況相符，中國(guó)大量的國(guó)有企業(yè)用地是計(jì)劃經(jīng)濟(jì)時(shí)代靠政府劃撥所得，土地成本低，利用相對(duì)粗放，而大部分外資企業(yè)的土地則是靠租賃或出讓等市場(chǎng)化手段獲得，土地成本相對(duì)要高，因而也提高了集約用地水平。從行業(yè)比較，一般重工業(yè)企業(yè)的集約用地水平要比輕工業(yè)企業(yè)要高，而企業(yè)規(guī)模的二次項(xiàng)系數(shù)為正，說(shuō)明其與土地集約利用水平呈“U”型關(guān)系，這些結(jié)果也都驗(yàn)證了理論判斷。

最后，不隨時(shí)間變化的影響因素。區(qū)位因素的系數(shù)整體上較小，對(duì)土地集約利用的影響相較于其他方面因素要弱。但從實(shí)證結(jié)果來(lái)看，各變量均顯著，并能體現(xiàn)一定的規(guī)律。與城市基準(zhǔn)地價(jià)最高點(diǎn)距離的系數(shù)為0.0105，且在1%置信水平下顯著，表明隨著企業(yè)遠(yuǎn)離城中心其集約用地水平反而有所提升。這點(diǎn)與中國(guó)很多發(fā)達(dá)城市產(chǎn)業(yè)布局導(dǎo)向相吻合，即將市內(nèi)的工業(yè)企業(yè)（主要是制造業(yè)）搬遷到離城市中心較遠(yuǎn)的郊區(qū)或工業(yè)園區(qū)，騰退土地用以商業(yè)開(kāi)發(fā)，導(dǎo)致了城市中心工業(yè)空心化，很多經(jīng)營(yíng)良好的工業(yè)企業(yè)則多集中于城市外圍工業(yè)區(qū)，從產(chǎn)業(yè)集聚的角度來(lái)看，可以促進(jìn)企業(yè)的集約用地。

而進(jìn)一步分析與區(qū)域最大港口距離變量發(fā)現(xiàn)，其與集約用地水平之間呈現(xiàn)倒“U”型關(guān)系。即隨著企業(yè)與港口的距離逐漸變遠(yuǎn)，其集約用地水平先增大后降低，轉(zhuǎn)折點(diǎn)在與最大港口距離為362.08 km處。通過(guò)對(duì)本文的樣本統(tǒng)計(jì)可知，大約有96.74 %的企業(yè)處于距離最大港口小于362.08 km的位置，即絕大多數(shù)企業(yè)的集約用地水平會(huì)隨著與區(qū)域最大港口的距離變遠(yuǎn)而增大。這與前文的分析結(jié)果相互印證，表明除了城市內(nèi)部的產(chǎn)業(yè)布局調(diào)整之外，城市之間的產(chǎn)業(yè)梯度轉(zhuǎn)移，也使得很多工業(yè)從發(fā)達(dá)地區(qū)搬遷至相對(duì)欠發(fā)達(dá)的地區(qū)，從而使得相應(yīng)的土地利用發(fā)生了變化，與最大港口有一定距離的二三線城市成了工業(yè)用地利用相對(duì)集約的地區(qū)。

3.2 固定效應(yīng)分析

為了對(duì)比回歸結(jié)果，本文又采用固定效應(yīng)模型進(jìn)行擬合，模型自動(dòng)剔除不隨時(shí)間變化的部分變量，本文又剔除不顯著變量（篇幅所限，結(jié)果未全部列出），回歸結(jié)果如表2所示。

回歸方程整體上顯著，且模型均通過(guò)了截面異方差檢驗(yàn)和時(shí)間序列檢驗(yàn)，內(nèi)生性檢驗(yàn)和工具變量合理性檢驗(yàn)。11項(xiàng)指標(biāo)均在不同置信水平下顯著。與隨機(jī)效應(yīng)模型的實(shí)證結(jié)果比較可以看出：各變量的回歸系數(shù)、標(biāo)準(zhǔn)誤及顯著性等具有高度一致性。其中，各驅(qū)動(dòng)因素的擬合符號(hào)基本一致。影響程度最大的因素基本一致，第一為工業(yè)用地價(jià)格，其次是勞動(dòng)投入（隨機(jī)效應(yīng)模型中系數(shù)第二大的企業(yè)規(guī)模變量，在固定效應(yīng)模型中被剔除了）。兩個(gè)模型的擬合結(jié)果相互印證吻合，說(shuō)明本文的驅(qū)動(dòng)因素分析結(jié)果真實(shí)可信。

此外，由于剔除了較多變量，固定效應(yīng)模型的擬合優(yōu)度（0.5508 ）要低于隨機(jī)效應(yīng)模型（0.8847 ），由此說(shuō)明，如果一開(kāi)始就采用固定效應(yīng)模型，會(huì)有較多的驅(qū)動(dòng)因素被忽略掉，從而影響分析的全面性和準(zhǔn)確性。本文的嘗試也證明，采用隨機(jī)效應(yīng)模型分析此類問(wèn)題能夠盡可能地保留自變量，避免驅(qū)動(dòng)因素的損失與遺漏，同時(shí)也可以通過(guò)相關(guān)檢驗(yàn)，符合計(jì)量方法的要求，今后可以在類似研究中應(yīng)用。

4 結(jié)論與建議

（1）提高工業(yè)項(xiàng)目投資準(zhǔn)入門檻，增加工業(yè)用地投入強(qiáng)度。本文回歸結(jié)果顯示，勞動(dòng)投入、資本投入、技術(shù)投入的系數(shù)均顯著為正，由此說(shuō)明中國(guó)工業(yè)企業(yè)的生產(chǎn)尚處于土地邊際報(bào)酬遞增階段，單位面積土地上生產(chǎn)要素投入的增加能提高土地利用集約度，因此，政府積極促進(jìn)工業(yè)用地的要素投入強(qiáng)度提高十分必要。2008年，國(guó)家頒布了《工業(yè)項(xiàng)目建設(shè)用地控制指標(biāo)》，明確規(guī)定了工業(yè)用地地均投資強(qiáng)度不得低于300萬(wàn)元/畝，筆者前期研究發(fā)現(xiàn)，大部分樣本企業(yè)可達(dá)標(biāo)，并且很多企業(yè)要遠(yuǎn)高出這一指標(biāo)[22]。與此同時(shí)，中國(guó)土地投資強(qiáng)度相較于國(guó)外仍存在較大差距。所以，今后仍需進(jìn)一步提高工業(yè)用地投資的準(zhǔn)入門檻。此外，實(shí)證結(jié)果顯示，目前工業(yè)企業(yè)的研發(fā)投入對(duì)土地集約利用的驅(qū)動(dòng)力不足，今后應(yīng)加大鼓勵(lì)工業(yè)企業(yè)研發(fā)投入，從而促進(jìn)土地—技術(shù)之間的要素替代。

（2）深化工業(yè)用地市場(chǎng)化配置改革，科學(xué)制定工業(yè)用地基準(zhǔn)地價(jià)。本文研究結(jié)果顯示，工業(yè)用地價(jià)格是工業(yè)企業(yè)集約用地最重要的驅(qū)動(dòng)因素，對(duì)集約用地有積極的促進(jìn)作用。因此，今后應(yīng)進(jìn)一步深化工業(yè)用地市場(chǎng)化配置改革，進(jìn)一步完善工業(yè)用地出讓、租賃機(jī)制，使得土地價(jià)格充分體現(xiàn)資源的稀缺程度與資源價(jià)值，并結(jié)合所在區(qū)域的宏觀經(jīng)濟(jì)背景與后備資源稟賦，科學(xué)制定工業(yè)基準(zhǔn)地價(jià)，正確反映當(dāng)?shù)氐墓I(yè)用地供需水平，避免為了招商引資，刻意壓低工業(yè)地價(jià)的做法。

（3）積極提高工業(yè)企業(yè)規(guī)模，引導(dǎo)企業(yè)做大做強(qiáng)。本文研究結(jié)果顯示，企業(yè)規(guī)模與集約用地水平呈現(xiàn)“U”型關(guān)系，筆者前期研究也表明大型企業(yè)的土地集約利用程度較中、小型企業(yè)有很大飛躍[22]。因此，政府首先應(yīng)盡量引導(dǎo)一些資金、技術(shù)相對(duì)較成熟的大型工業(yè)企業(yè)落地，同時(shí)扶持現(xiàn)有企業(yè)做大做強(qiáng)，突破土地集約利用的低值區(qū)，提高土地利用的規(guī)模效應(yīng)，使得企業(yè)在較高的生產(chǎn)經(jīng)營(yíng)水平上實(shí)現(xiàn)土地集約利用。而一些小型工業(yè)企業(yè)，除了集約用地水平低下，很可能其帶來(lái)的環(huán)境污染也相對(duì)較嚴(yán)重，從社會(huì)總體福利而言，往往得不償失，今后應(yīng)禁止上馬以限制其數(shù)量。

（4）適時(shí)引導(dǎo)企業(yè)重組，提高企業(yè)管理水平。本文實(shí)證結(jié)果顯示，相較于外資企業(yè)而言，國(guó)有企業(yè)、私人企業(yè)及港澳臺(tái)企業(yè)的集約用地水平仍偏低，尤其是國(guó)有企業(yè)的集約用地水平最低。一方面是由于土地獲取途徑不同導(dǎo)致土地成本有所差異，另一方面也有可能是不同所有制下的企業(yè)在經(jīng)營(yíng)理念、管理水平等方面存在差異所致。因此，適時(shí)引導(dǎo)企業(yè)重組，比如積極推進(jìn)國(guó)有企業(yè)混合所有制改革，引入社會(huì)多元化資本，鼓勵(lì)有能力的企業(yè)上市，激發(fā)企業(yè)內(nèi)部活力，能促使企業(yè)內(nèi)部各要素優(yōu)化配置，提高企業(yè)運(yùn)營(yíng)效率，促進(jìn)土地集約利用。

（5）合理規(guī)劃工業(yè)布局，促進(jìn)工業(yè)集聚發(fā)展。理論分析和實(shí)證檢驗(yàn)均表明合理的空間積聚會(huì)促進(jìn)企業(yè)集約用地。因此，對(duì)于新增工業(yè)企業(yè)，要合理引導(dǎo)其選址布局；對(duì)于城市已有的工業(yè)企業(yè)，則應(yīng)結(jié)合城市發(fā)展規(guī)劃，逐步引導(dǎo)搬遷至相應(yīng)園區(qū)。此外，對(duì)于已經(jīng)存在各類工業(yè)園區(qū)也應(yīng)加強(qiáng)評(píng)估、監(jiān)管，實(shí)行園區(qū)、工業(yè)企業(yè)間的適度動(dòng)態(tài)淘汰機(jī)制，從源頭上杜絕工業(yè)用地粗放利用，提高園區(qū)的土地集約利用水平。

（References）:

［1］ 王立彬. 述評(píng)：必須抬高中國(guó)工業(yè)用地的準(zhǔn)入門檻［EB/OL］ . http://finance.sina.com.cn/review/20080215/19544509610. shtml/2008 - 02 - 15.

［2］ Chen Jianfei, Kang-tsung C, Karacsonya D. Comparing Urban Land Expansion and Its Driving Factors in Shenzhen and Dongguan, China［J］ . Habitat International, 2014, 43（7）：61 - 71.

［3］ 熊強(qiáng)，郭貫成. 中國(guó)各省區(qū)城市工業(yè)用地生產(chǎn)效率差異研究［J］ . 資源科學(xué)， 2013，35（5）：910 - 917.

［4］ 費(fèi)羅成，吳次芳，程久苗，等. 資源城市轉(zhuǎn)型期工業(yè)用地集約利用評(píng)價(jià)——以棗莊市為例［J］ . 城市問(wèn)題，2013，（2）：29 - 36.

［5］ 王成新，劉洪顏，史家璐，等. 山東省省級(jí)以上開(kāi)發(fā)區(qū)土地集約利用評(píng)價(jià)研究［J］ . 中國(guó)人口·資源與環(huán)境，2014， 24（6）：128 - 133.

［6］ 彭沖，肖皓，韓峰. 2003—2012年中國(guó)城市土地集約利用的空間集聚演化及分異特征研究［J］ . 中國(guó)土地科學(xué)，2014，28（12）：24 - 32.

［7］ Salvador D. S., Leandro G. M. Public Provision Versus Private Provision of Industrial Land: A Hedonic Approach［J］ . Land Use Policy，2005，22（3）：215 - 223.

［8］ LI Guang-dong, FANG Chuang-lin, PANG Bo. Quantitative Measuring and Influencing Mechanism of Urban and Rural Land Intensive Use in China［J］ . Journal of Geographical Sciences，2014，24（5）：858 - 874.

［9］ 吳郁玲，曲福田. 中國(guó)城市土地集約利用的影響機(jī)理：理論與實(shí)證研究［J］ . 資源科學(xué)，2007，29（6）：106 - 113.

［10］ 鄭新奇，鄧紅蒂，姚慧，等. 中國(guó)設(shè)區(qū)市土地集約利用類型區(qū)劃分研究［J］ . 中國(guó)人口·資源與環(huán)境，2010，20（2）：6 - 11.

［11］ 郭婧銳，周偉. 青海省土地集約利用與經(jīng)濟(jì)發(fā)展時(shí)空差異分析［J］ . 水土保持研究，2014，21（2）：194 - 199.

［12］ 李玉雙，葛京鳳，梁彥慶，等. 河北省城市土地集約利用與城市化的耦合協(xié)調(diào)度分析［J］ . 水土保持研究，2013，20（2）：238 -242.

［13］ 吳廣玲，金麗國(guó)，黃凌翔. 天津市土地集約利用評(píng)價(jià)及影響因素關(guān)聯(lián)分析［J］ . 湖南農(nóng)業(yè)科學(xué)，2013，（13）：59 - 62.

［14］ 渠麗萍，張麗琴，胡偉艷. 城市土地集約利用變化影響因素研究——以武漢市為例［J］ . 資源科學(xué)，2010，32（5）：970 - 975.

［15］ 李燦，張鳳榮，姜廣輝，等. 京郊衛(wèi)星城區(qū)域農(nóng)村居民點(diǎn)土地利用特征分析［J］ . 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（19）：233 - 243.

［16］ 鈕心毅，李時(shí)錦，宋小冬，等. 城市工業(yè)用地調(diào)整的空間決策支持——以廣州為例［J］ . 城市規(guī)劃，2011，35（7）：24 - 30.

［17］ 范穎超，聶宜民，陳紅艷，等. 基于GIS空間模型的開(kāi)發(fā)區(qū)工業(yè)企業(yè)土地集約利用潛力研究［J］ . 安徽農(nóng)業(yè)科學(xué)，2014，42（6）：1836 - 1839.

［18］ 黃凌翔，趙娣，金麗國(guó). 開(kāi)發(fā)區(qū)土地集約利用潛力實(shí)現(xiàn)研究——基于天津經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)673個(gè)地塊的調(diào)研［J］ . 中國(guó)土地科學(xué)，2014，28（10）：33 - 39.

［19］ Tan Dan, Huang Xian-jin. Influencing Factors of the Levels of Intensive Use of Typical Industrial Land［J］ . China Population Resources Environment，2008,（6）：23 - 29.

［20］ 趙小風(fēng)，黃賢金. 江蘇省開(kāi)發(fā)區(qū)土地集約利用的分層線性模型實(shí)證研究［J］ . 地理研究，2012，（4）：56 - 61.

［21］ 鄒偉，趙杰，吳群. 土地保有稅對(duì)工業(yè)企業(yè)土地利用效率影響研究——基于江蘇省的典型企業(yè)調(diào)查［J］ . 中國(guó)土地科學(xué)，2014，28（1）：60 - 67.

［22］ 張琳，王亞輝. 微觀企業(yè)視角下工業(yè)用地產(chǎn)出效率的影響因素研究—基于2088家工業(yè)企業(yè)樣本的實(shí)證分析［J］ . 華東經(jīng)濟(jì)管理，2014，28（9）：43 - 48.

［23］ Badi H. Baltagi, Georges Bresson. A Robust Hausman-Taylor Estimator［J］ . Advances in Econometrics, 2012，（1）：1 - 23.

［24］ Badi H. Baltagi, Long Liu. The Hausman-Taylor Panel Data Model with Serial Correlation［D］ . New York: Syracuse University, 2012.

［25］ Egger. P, Pfaffermayr M. Distance, Trade and FDI: A Hausman-Taylor SUR Approach［J］ . Journal of Applied Econometrics, 2004, 19（2）：227 - 246.

［26］ 錢忠好,牟燕. 土地市場(chǎng)化是否必然導(dǎo)致城鄉(xiāng)居民收入差距擴(kuò)大——基于中國(guó)23個(gè)?。ㄗ灾螀^(qū)、直轄市）面板數(shù)據(jù)的檢驗(yàn)［J］ .管理世界，2013，（2）：78 - 89.

［27］ 陳強(qiáng). 高級(jí)計(jì)量經(jīng)濟(jì)學(xué)及stata應(yīng)用［M］ . 北京：高等教育出版社，2014：66 - 84，250 - 270.

［28］ 陸銘,高虹,佐藤宏. 城市規(guī)模與包容性就業(yè)［J］ . 中國(guó)社會(huì)科學(xué)，2012，（10）：47 - 66.

［29］ Wang Z, Zhu J. The Evolution of China’s City Size Distribution: Empirical Evidence From 1949 to 2008［J］ . Chinese Economy, 2012,（6）： 6 - 17.

［30］ Driscoll J. C., A. C. Kraay. Consistent covariance matrix estimation with spatially dependent panel data［J］ . Review of Economics and Statistics，1998，80（4）：549 - 560.

［31］ Hausman J, Taylor W. Panel data and unobservable individual effects［J］ . Econometrica，1981，49（6）：1377 - 1398.

（本文責(zé)編：王慶日）

Research on Driving Factors of Intensive Land Use of Industrial Enterprises in Developed Regions in China: Empirical Research based on Micro-Data

ZHANG Lin, WANG Ya-hui, GUO Yu-na, LIU Bing-jie
（Faculty of Management and Economics, Dalian University of Technology, Dalian 116024, China）

With rapid industrialization in China, the land resource is increasingly scarce. It is important to reveal the driving factors on intensive land use of industrial enterprises, which can effectively improve relevant land policies and reduce the extensive land use. Under the background of existing research focusing on the macro or median level, this article analyzed the driving factors from the view of theory and explored its transmission mechanism in the micro level of the enterprises. And then, based on 1290 industrial enterprises from 1999 to 2009 in Guangdong and Jiangsu provinces, this article studied the driving factors of intensive land use. The empirical results were in accordance with theoretic analysis. The results showed that industrial land price is the most significant driving factors, and input factor can improve the land use intensity significantly, especially the labor input, because China is on the stage of increasing marginal landreturns, and the land use intensity of foreign capital enterprises is higher than other ownership enterprises. In addition, the enterprise size and distance from ports presents an inverted U-shaped relationship with land use intensity，and the land use intensity can be enhanced effectively by good location, level of profitability and economic environment.

land use; industry; intensive; driving factors

F301.2

A

1001-8158（2016）10-0020-09

10.11994/zgtdkx.20161111.110202

2016-05-24；

2016-09-09

國(guó)家自然科學(xué)基金“微觀視角下工業(yè)企業(yè)集約用地的動(dòng)力機(jī)制和政策優(yōu)化”（71403038）；中央高校基本科研業(yè)務(wù)費(fèi)“產(chǎn)業(yè)升級(jí)中的土地資源協(xié)調(diào)保障機(jī)制研究”（DUT16RW128）。

張琳（1978-），女，黑龍江海林人，博士，副教授，碩士生導(dǎo)師。主要研究方向?yàn)橥恋亟?jīng)濟(jì)學(xué)。E-mail: zhanglintg@126.com