中國省域土地資源配置結(jié)構(gòu)均衡性與效率時(shí)空格局分析

張苗 劉璇 陳銀蓉 彭山桂

摘要：研究目的：揭示我國省域?qū)用嫱恋刭Y源配置結(jié)構(gòu)均衡性及其效率時(shí)空格局特征，為合理配置土地資源提供參考。研究方法：洛倫茲曲線—基尼系數(shù)法、非參數(shù)效率測算法、探索性空間數(shù)據(jù)及核密度分析法。研究結(jié)果：（1）研究期內(nèi)我國省域?qū)用娌煌愋屯恋刭Y源的洛倫茲曲線相互靠攏且基尼系數(shù)呈下降趨勢，相比于2009年，2019年的耕地、園地、林地、城鎮(zhèn)村及工礦用地和交通運(yùn)輸用地等類型土地配置更加均衡。（2）研究期內(nèi)我國省域土地資源配置效率均值呈現(xiàn)兩階段變化，分界點(diǎn)至2019年表現(xiàn)為下降趨勢，要素效率均值高于總效率均值，呈現(xiàn)出以胡煥庸線為界“東南高西北低”的空間分布格局，高高集聚和低低集聚為主要的局部空間自相關(guān)類型。（3）總效率演進(jìn)趨勢為總體下降和省域間差距縮?。怀擎?zhèn)村及工礦用地碳排放效率低值閾值不斷提高同時(shí)省份之間差距縮?。唤煌ㄟ\(yùn)輸用地碳排放效率呈現(xiàn)階段性變化。研究結(jié)論：2002—2019年我國省域土地資源配置結(jié)構(gòu)均衡性表現(xiàn)為動(dòng)態(tài)穩(wěn)定，碳排放約束下的土地資源配置效率在時(shí)序上呈降低趨勢，在空間分布上呈顯著正相關(guān)和鎖定效應(yīng)，總效率與要素效率時(shí)空分布格局非同步變化，上述特征的有效解讀為合理土地資源配置提供了啟示。

關(guān)鍵詞：土地資源配置結(jié)構(gòu)；土地資源配置效率；要素效率；均衡性；時(shí)空分布

中圖分類號(hào)：F301.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8158（2023）06-0052-12

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（42001252，42101272，42271270）；山東省自然科學(xué)基金項(xiàng)目（ZR2019BG002，ZR2021QD085）。

土地作為一種要素資源，共生共長于經(jīng)濟(jì)發(fā)展的每一個(gè)階段。在中國經(jīng)濟(jì)增長的底層邏輯從要素投入轉(zhuǎn)向要素使用效率提升的新時(shí)代[1]，提高土地資源配置效率成為實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展的重要途徑。一方面，《中共中央 國務(wù)院關(guān)于構(gòu)建更加完善的要素市場化配置體制機(jī)制的意見》中明確提出推進(jìn)土地資源從低質(zhì)低效向優(yōu)質(zhì)高效領(lǐng)域流動(dòng)，強(qiáng)調(diào)土地的利用效率和配置效率是要素市場化配置改革的重中之重[2]；另一方面，土地資源配置顯著影響其他生產(chǎn)要素的集聚或擴(kuò)散，進(jìn)一步帶來效率和生產(chǎn)率的差異。土地資源配置格局往往表現(xiàn)出特定的時(shí)代特征，明確我國各階段土地資源配置結(jié)構(gòu)，準(zhǔn)確測算土地資源配置效率并刻畫其空間分布格局，有利于在遵循空間結(jié)構(gòu)自然秩序客觀規(guī)律的原則上開發(fā)與利用土地資源，為土地資源作為要素有序高效地參與新階段經(jīng)濟(jì)社會(huì)生產(chǎn)提供依據(jù)。

效率分析主要回答資源是否有效配置[3]，而結(jié)構(gòu)調(diào)整則可以通過對生產(chǎn)資源的優(yōu)化配置產(chǎn)生“結(jié)構(gòu)紅利”[4]。因此，在進(jìn)行土地資源配置效率分析之前有必要對土地資源配置結(jié)構(gòu)現(xiàn)狀進(jìn)行“摸底”。已有文獻(xiàn)采用信息熵模型[5]、洛倫茲曲線與基尼系數(shù)相結(jié)合[6]的方法對不同區(qū)域?qū)用娴耐恋刭Y源配置結(jié)構(gòu)均衡性展開了討論。全國國土調(diào)查作為重大國情國力調(diào)查，是摸清土地資源“家底”的主要渠道，考慮到第三次全國國土調(diào)查數(shù)據(jù)于2021年8月公布，本文借助上述方法將全國省域?qū)用嫱恋刭Y源配置結(jié)構(gòu)均衡性現(xiàn)狀更新至最新時(shí)點(diǎn)，為進(jìn)一步的效率分析提供參考。

現(xiàn)有文獻(xiàn)關(guān)于土地資源配置效率的度量方法主要分為兩大類。一是從全要素生產(chǎn)率視角，基于非參數(shù)方法在傳統(tǒng)資源配置效率測算基礎(chǔ)上，將土地作為資本和勞動(dòng)的平行要素納入研究框架[7]，將測得的效率定義為土地利用效率，但事實(shí)上該效率數(shù)值是包括土地、勞動(dòng)和資本在內(nèi)的全要素生產(chǎn)率；范建雙等[8]嘗試以農(nóng)用地面積、建設(shè)用地面積和未利用地面積作為投入要素定義土地利用結(jié)構(gòu)效率，但缺乏投入產(chǎn)出對應(yīng)關(guān)系的進(jìn)一步討論。二是從邊際生產(chǎn)率視角，基于參數(shù)方法將土地作為投入要素納入柯布—道格拉斯（C-D）生產(chǎn)函數(shù)，以土地要素邊際生產(chǎn)率作為土地資源配置效率的解釋指標(biāo)[9]，進(jìn)一步地，朱慶瑩等[10]將土地要素投入以單位面積勞動(dòng)力和資本的形式體現(xiàn)，基于C-D生產(chǎn)函數(shù)對數(shù)形式構(gòu)建地均投入產(chǎn)出隨機(jī)前沿分析實(shí)證模型測得土地資源配置效率。不論是全要素生產(chǎn)率視角還是要素的邊際生產(chǎn)率視角，將土地要素納入考慮都體現(xiàn)了土地資源在經(jīng)濟(jì)社會(huì)生產(chǎn)中發(fā)揮著不可忽視的重要作用。從方法適用性來看，非參數(shù)方法更為靈活，無需過多假設(shè)，可以最大限度地避免由假設(shè)條件不滿足而產(chǎn)生的估計(jì)偏誤[11]，但以加入土地要素測得的全要素生產(chǎn)率作為土地利用效率并不精確；從概念定義精確性來看，參數(shù)方法則進(jìn)一步地明確了土地資源配置效率的內(nèi)涵，有效區(qū)分包含土地要素的全要素生產(chǎn)率和土地單要素邊際生產(chǎn)率，同時(shí)將土地資源配置效率從土地利用效率中剝離出來，但在表達(dá)土地資源配置時(shí)代內(nèi)涵上有所欠缺。

基于此，為同時(shí)兼顧非參數(shù)方法的適用性和參數(shù)方法的確指性，本文將在已有維度基礎(chǔ)上進(jìn)行深化研究：以省域?qū)用嫒珖鴩琳{(diào)查及其變更數(shù)據(jù)為基礎(chǔ)，在探討土地資源配置結(jié)構(gòu)均衡性演變基礎(chǔ)上選擇具有代表性的土地利用類型作為投入要素，考慮到“雙碳”戰(zhàn)略推進(jìn)的時(shí)代背景，將碳排放約束納入考量，基于非參數(shù)方法分別測算全要素生產(chǎn)率和單要素效率視角下的土地資源配置效率，并進(jìn)一步分析其時(shí)空格局，明確土地資源配置效率的時(shí)代內(nèi)涵，豐富土地資源配置效率在省域?qū)用娴臅r(shí)序表達(dá)。

1 研究方法與數(shù)據(jù)來源

1.1 洛倫茲曲線與基尼系數(shù)法

借鑒洛倫茲曲線原理，以目標(biāo)年總土地面積累計(jì)百分比為橫坐標(biāo)，以某地類面積累計(jì)百分比為縱坐標(biāo)，按照某地區(qū)某種土地類型面積占某地區(qū)總面積從小到大順序進(jìn)行排列，再計(jì)算累計(jì)百分比，并與總土地面積累計(jì)百分比一一對應(yīng)，繪制坐標(biāo)圖，其中y = x的直線代表絕對平均線，其他曲線與絕對平均線的離差就是該地類實(shí)際分布與在全區(qū)均勻分布的差異測度，以此分析我國不同的土地利用類型在省域水平上分布的差異程度。

根據(jù)洛倫茲曲線所定義的判斷收入分配公平程度的指標(biāo)，通過計(jì)算曲線與絕對平均線之間面積和絕對平均線以下的三角形面積之比測算基尼系數(shù)（圖1）。

1.2 非參數(shù)效率測算法

RESTUCCIA和ROGERSON[13]指出，資源在不同經(jīng)濟(jì)主體間的配置是影響全要素生產(chǎn)率的關(guān)鍵因素，土地資源也不例外。早期的文獻(xiàn)便是先關(guān)注農(nóng)地非農(nóng)化的空間配置效率[14]，進(jìn)一步地，從土地要素的空間配置出發(fā)測算中國各區(qū)域的土地利用效率，發(fā)現(xiàn)建設(shè)用地指標(biāo)向東部傾斜有利于優(yōu)化中國土地資源空間配置效率[15]，近年來則聚焦于微觀視角的土地資源配置與生產(chǎn)率關(guān)系[16-17]，認(rèn)為政府主導(dǎo)的土地管理往往會(huì)導(dǎo)致用地配置與市場需求產(chǎn)生偏離，從而影響建設(shè)用地的使用效率。決定土地資源配置效率差異的路徑主要有兩條：一是土地資源作為非流動(dòng)要素的配置結(jié)構(gòu)，即不同類型土地面積所占比重；二是勞動(dòng)力、資本等流動(dòng)要素在不同土地利用類型上的流動(dòng)和分配，以及由此引起的能源傳遞和流通。本文所定義的“效率”包括碳排放約束下土地資源配置效率（總效率）和不同類型土地利用效率（要素效率），前者是指在碳排放約束下合理配置不同用途土地資源以有效推進(jìn)國民經(jīng)濟(jì)發(fā)展和實(shí)現(xiàn)各項(xiàng)建設(shè)目標(biāo)，體現(xiàn)土地資源配置效率路徑差異，后者則是反映單一類型土地利用的碳排放效率?？紤]到將非期望產(chǎn)出或污染物產(chǎn)出納入效率測度的方法得到了快速發(fā)展，本文選擇非參數(shù)方法SBM（Slack Based Measure）模型測算效率，主要優(yōu)點(diǎn)在于解決了徑向DEA模型對無效率的測量無法包含松弛變量的問題，同時(shí)能將碳排放作為非期望產(chǎn)出納入模型。含非期望產(chǎn)出的SBM模型在本文的主要應(yīng)用為：一是測算土地資源配置效率值（總效率），二是根據(jù)各個(gè)變量的松弛量，定義作為投入要素的各類型土地的效率值（要素效率），具體模型參照文獻(xiàn)[18]和[19]。

1.3 探索性空間數(shù)據(jù)分析法

采用全局莫蘭指數(shù)（I）來判別碳排放約束下土地資源配置效率的相關(guān)性強(qiáng)弱（式（2）），局部莫蘭指數(shù)（LISA）來檢驗(yàn)是否存在集聚現(xiàn)象（式（3））。

1.5 指標(biāo)體系與數(shù)據(jù)來源

1.5.1 效率測算指標(biāo)體系

以碳排放約束下的全要素生產(chǎn)率為導(dǎo)向，基于新古典經(jīng)濟(jì)學(xué)增長理論，構(gòu)建土地資源配置效率測算指標(biāo)體系（表1）。其中，土地要素投入綜合考慮土地利用類型的基尼系數(shù)和在實(shí)際生產(chǎn)活動(dòng)中所承擔(dān)的“角色”差異，以結(jié)構(gòu)決定功能為理論導(dǎo)向，采用農(nóng)用地面積反映第一產(chǎn)業(yè)土地要素投入，城鎮(zhèn)村及工礦用地面積和交通運(yùn)輸用地面積反映二、三產(chǎn)業(yè)土地要素投入；考慮到選用的碳排放主要為化石燃料燃燒和水泥生產(chǎn)過程所引起，定義為二、三產(chǎn)業(yè)要素投入帶來的非期望產(chǎn)出。

1.5.2 數(shù)據(jù)來源與說明

本文主要包括土地利用、碳排放和經(jīng)濟(jì)社會(huì)發(fā)展三類數(shù)據(jù)。其中，土地利用數(shù)據(jù)為全國土地利用調(diào)查數(shù)據(jù)及其變更數(shù)據(jù)，來源于《中國國土資源年鑒》（2003—2009年），《中國國土資源統(tǒng)計(jì)年鑒》（2010—2018年）及2021年官方公布的第三次全國國土調(diào)查主要數(shù)據(jù)公報(bào)，2018年的數(shù)據(jù)未公布，以缺省值代替。碳排放數(shù)據(jù)采用中國碳核算數(shù)據(jù)庫（CEADs）的省級(jí)排放清單的表觀CO2排放量，由于西藏缺乏能源消費(fèi)數(shù)據(jù)導(dǎo)致無法估算碳排放量，同時(shí)港澳臺(tái)地區(qū)未被列入核算數(shù)據(jù)庫，由此確定本文的研究對象為剔除西藏和港澳臺(tái)地區(qū)的30個(gè)省級(jí)行政區(qū)。經(jīng)濟(jì)社會(huì)發(fā)展數(shù)據(jù)主要來源于《中國統(tǒng)計(jì)年鑒》（2003—2020年）以及根據(jù)指標(biāo)定義測算而來。其中，固定資本存量采用張軍方法[21]，以2000年為基期計(jì)算，為保持基期的一致性，將第一、二和三產(chǎn)業(yè)的GDP增加值同樣以2000年為基期進(jìn)行修正。

2 結(jié)果分析

2.1 土地資源配置結(jié)構(gòu)均衡性分析

2.1.1 定性分析——洛倫茲曲線

土地利用結(jié)構(gòu)在一定時(shí)期內(nèi)具有相對穩(wěn)定性，考慮到研究期內(nèi)2009年和2019年分別為“二調(diào)”和“三調(diào)”的時(shí)間截至點(diǎn)，選其為代表性年份作對比分析。

由洛倫茲曲線法得出洛倫茲曲線（圖3），（1）從總體上看，相比于2009年，2019年各土地利用類型的洛倫茲曲線更加緊密且向絕對平均線靠攏，說明研究期內(nèi)不同類型土地資源在省域?qū)用娣植季庑缘牟町惓潭戎饾u縮小，省際之間土地資源配置結(jié)構(gòu)表現(xiàn)為趨同效應(yīng)。（2）從各土地利用類型來看，園地、城鎮(zhèn)村及工礦用地、草地及耕地等類型土地在兩個(gè)時(shí)間點(diǎn)上相對遠(yuǎn)離絕對平均線，分布不均衡，相對地，水域及水利設(shè)施用地和林地在兩個(gè)時(shí)間點(diǎn)上則離絕對平均線相對較近，分布相對均衡。交通運(yùn)輸用地的分布均衡性變動(dòng)明顯，2019年成為最靠近絕對平均線的土地利用類型，原因可能在于“二調(diào)”和“三調(diào)”數(shù)據(jù)統(tǒng)計(jì)的差異，“二調(diào)”基于現(xiàn)場調(diào)查（功能）和政策處理，而“三調(diào)”基于現(xiàn)狀所見即所得來認(rèn)定，且近些年來中國快速發(fā)展的交通運(yùn)輸業(yè)導(dǎo)致交通運(yùn)輸用地的快速增長，特別是中西部地區(qū)交通運(yùn)輸用地快速增長，帶來省域?qū)用娼煌ㄟ\(yùn)輸用地的分布更加均衡。同時(shí)，2009年的其他土地類型離絕對平均線較遠(yuǎn)，分布極不均衡，其他土地中除去設(shè)施農(nóng)用地外多為不能被利用的土地（人類所從事的經(jīng)濟(jì)活動(dòng)較少），不均衡分布是土地資源稟賦的呈現(xiàn)，并不影響經(jīng)濟(jì)社會(huì)發(fā)展秩序；2019年新增濕地遠(yuǎn)離絕對平均線的程度居于中間水平，2012年至今新增和修復(fù)濕地約80萬hm2，并且在“三調(diào)”中成為新增的單獨(dú)地類，這與國家層面全面推進(jìn)生態(tài)文明建設(shè)和重視生態(tài)用地密不可分。

2.1.2 定量分析——基尼系數(shù)

借鑒聯(lián)合國有關(guān)組織確定的基尼系數(shù)分級(jí)標(biāo)準(zhǔn)，以0.39為臨界值，采用<0.2、0.2～<0.3、0.3～<0.4、0.4～<0.5、≥0.5五級(jí)標(biāo)準(zhǔn)對應(yīng)“絕對平均”、“相對均勻”、“較為合理”、“相對集中”和“絕對集中”的均衡程度，各用地類型基尼系數(shù)見表2。

由表2可知，耕地、園地、林地、城鎮(zhèn)村及工礦用地和交通運(yùn)輸用地等土地利用類型的基尼系數(shù)有所下降，但從系數(shù)值來看，除2019年調(diào)整的交通運(yùn)輸用地外，均大于0.39的臨界值，意味著省域之間配置結(jié)構(gòu)差異縮小但仍處于極不均衡狀態(tài)。具體來看，城鎮(zhèn)村及工礦用地、園地、草地（2019年）和其他土地（2009年）的基尼系數(shù)均大于0.5，屬于絕對集中等級(jí)，其中城鎮(zhèn)村及工礦用地的配置反映出各省區(qū)經(jīng)濟(jì)社會(huì)發(fā)展對建設(shè)用地需求的差異，基尼系數(shù)越大意味著需求差異越大；耕地、草地（2009年）、交通運(yùn)輸用地（2009年）、濕地（2019年）的基尼系數(shù)介于0.4～<0.5之間，屬于相對集中等級(jí)；林地、交通運(yùn)輸用地（2019年）和水域及水利設(shè)施用地的基尼系數(shù)介于0.3～<0.4之間，屬于較為合理等級(jí)。基尼系數(shù)結(jié)果與洛倫茲曲線結(jié)果互相印證，整體來看，2009—2019年我國省域?qū)用娓黝愋屯恋刭Y源的分布均衡程度相對穩(wěn)定，省域之間差異縮小。

2.2 土地資源配置效率分析

2.2.1 時(shí)序變化與空間分布

采用Stata軟件測算了土地資源配置效率值，限于篇幅不再展示，因農(nóng)用地多被定義為碳匯用地，與本文選取的表觀CO2相關(guān)性較小，在此只分析城鎮(zhèn)村及工礦用地和交通運(yùn)輸用地的要素效率。均值時(shí)序變化見圖4（a），采用自然間斷點(diǎn)分級(jí)法將效率均值劃分為4個(gè)階段，圖4（b）、4（c）、4（d）為效率均值的空間分布，圖5為2009年和2019年的效率空間分布。

由圖4（a）總體時(shí)序變化來看，研究期內(nèi)碳排放約束下中國省域土地資源配置要素效率均值高于總效率均值，均呈現(xiàn)兩階段變化，前半階段為波浪式動(dòng)態(tài)變化，后半階段表現(xiàn)為下降趨勢，但出現(xiàn)下降轉(zhuǎn)折的分界點(diǎn)不同。具體來看：（1）總效率均值由2002年的0.723降至2019年的0.472，這與盧新海等[7]研究認(rèn)為2003—2017年我國城市土地綠色利用效率呈上升趨勢結(jié)論相反，可能原因，一是非期望產(chǎn)出的差異，已有研究效率測算未加入碳排放約束，意味著不考慮碳排放產(chǎn)出將高估土地利用效率，二是選擇投入的土地要素不同?？傂蕪?011年開始主要表現(xiàn)為下降趨勢，“十二五”時(shí)期我國經(jīng)濟(jì)快速增長，帶來的碳排放效應(yīng)顯著，導(dǎo)致碳排放約束下的土地利用效率持續(xù)降低，進(jìn)入“十三五”經(jīng)濟(jì)增速有所放緩，雖然2015—2016年出現(xiàn)短暫的持平狀態(tài)，但持續(xù)下降趨勢未能改變，事實(shí)上，我國于2020年9月正式提出“雙碳”戰(zhàn)略，碳排放增速放緩未能體現(xiàn)在樣本研究期，成為碳排放約束下的土地資源配置效率持續(xù)下降的有力證據(jù)。（2）從要素效率來看，城鎮(zhèn)村及工礦用地碳排放效率均值從2009年開始明顯高于總效率和交通運(yùn)輸用地碳排放效率均值，一方面得益于建設(shè)用地帶來高碳排放的同時(shí)能夠發(fā)揮更高的經(jīng)濟(jì)效益，另一方面在于建設(shè)用地指標(biāo)的剛性約束減少了城鎮(zhèn)村及工礦用地供給和投入，在其他要素投入缺乏約束的前提下，相當(dāng)于縮小了城鎮(zhèn)村及工礦用地的真實(shí)投入與目標(biāo)投入的差距，從2014年開始呈現(xiàn)緩慢下降趨勢，這與宏觀上始于2014年的供給側(cè)結(jié)構(gòu)性改革和微觀上土地新政存在關(guān)聯(lián)，一方面供給側(cè)改革減少了低質(zhì)量的建設(shè)用地供給，同時(shí)減少了在建設(shè)用地上的非必要投入，但在非期望產(chǎn)出碳排放因“慣性效應(yīng)”并未明顯減少的情形中導(dǎo)致了效率的降低，另一方面2014年中央一號(hào)文件出臺(tái)關(guān)于“允許農(nóng)村建設(shè)用地與國有土地同價(jià)入市”新策，這帶來城鎮(zhèn)村及工礦用地作為投入要素在理論上的數(shù)量供給增加，但實(shí)踐中農(nóng)村建設(shè)用地的經(jīng)濟(jì)效益遠(yuǎn)小于城市建設(shè)用地，在同價(jià)入市的背景下，新增城鎮(zhèn)村及工礦用地效率的提升需要更多的時(shí)間來驗(yàn)證，這與唐洪松等[22]測算的我國省際層面建設(shè)用地碳排放效率在2002—2014年的變化趨勢相一致；交通運(yùn)輸用地碳排放效率均值。從2011年開始呈現(xiàn)“先緩后急”的下降趨勢，與總效率出現(xiàn)下降趨勢的年份一致，意味著從2011年開始交通運(yùn)輸用地的真實(shí)投入與目標(biāo)投入的差距逐漸增大，2019年表現(xiàn)異常，吻合“三調(diào)”中交通運(yùn)輸用地類型調(diào)整的事實(shí)。

從空間分布來看，總效率和要素效率的均值和具體年份的空間分布呈鎖定效應(yīng)，呈現(xiàn)出以胡煥庸線為界“東南高西北低”的空間分布格局，這與周迪和王雪芹[23]測算的我國省級(jí)層面碳排放效率低值區(qū)主要為中西部，特別是西北地區(qū)相一致，說明即使存在碳排放約束，經(jīng)濟(jì)發(fā)達(dá)地區(qū)仍然保持著土地資源配置效率和土地利用效率優(yōu)勢。具體來看：（1）對于總效率（圖4（b）和圖5（a）），效率高值區(qū)集中于北京、江蘇、浙江、上海、福建、廣東、海南、湖南和湖北等省域，支持了GUASTELLA等[24]提出大城市具有更高的土地管理效率的假設(shè)，2019年比2009年的效率低值范圍擴(kuò)大，2019年的低值為0.166，而2009年為0.255，意味著土地資源配置效率低下的省份在縱向?qū)用娉掷m(xù)降低；（2）對于要素效率（圖4（c）、4（d）和圖5（b）、 5（c）），城鎮(zhèn)村及工礦用地碳排放效率較高的地區(qū)主要集中于北京、山東、江蘇、浙江、上海、福建、廣東、海南、河南、湖北、湖南、四川和廣西等省域，比總效率覆蓋省份范圍廣且2019年比2009年的效率低值范圍縮小，這與建設(shè)用地指標(biāo)剛性供給和國家強(qiáng)調(diào)土地集約節(jié)約利用帶來部分省級(jí)行政區(qū)的城鎮(zhèn)村及工礦用地碳排放效率提升密不可分；交通運(yùn)輸用地碳排放效率較高的地區(qū)主要集中于北京、山東、江蘇、上海、福建、廣東、海南、河南、湖北、湖南等省域，與總效率覆蓋范圍大致相當(dāng)，2019年比2009年效率低值范圍大幅擴(kuò)大，由2009年的0.216降至2019年的0.069。

2.2.2 空間集聚特征分析

采用Stata軟件計(jì)算出總效率和要素效率的全局Morans I值，限于篇幅展示部分年份（表3），采用ArcGIS軟件作LISA圖展示2009年和2019年的總效率和要素效率在局部空間上的集聚和分散情況（圖6）。

從空間相關(guān)性來看（表3），2002—2019年，總效率和要素效率全局莫蘭指數(shù)均為正值，且P值均小于0.01，意味著碳排放約束下的土地資源配置總效率和要素效率具有顯著的空間正相關(guān)性，相鄰省份之間可能存在溢出效應(yīng)，具備形成聯(lián)動(dòng)發(fā)展機(jī)制的條件。具體來看：（1）總效率莫蘭指數(shù)呈現(xiàn)下降趨勢，表明省域之間土地資源配置效率的相關(guān)性有所減弱。（2）城鎮(zhèn)村及工礦用地碳排放效率的莫蘭指數(shù)表現(xiàn)為波浪式變化，代表著各省份之間的城鎮(zhèn)村及工礦用地碳排放效率空間相關(guān)性動(dòng)態(tài)變化；交通運(yùn)輸用地碳排放效率的莫蘭指數(shù)主要表現(xiàn)為下降趨勢。

從空間集聚特征來看（圖6），以2002—2019年的效率均值集聚分布為參考，2009年和2019年的空間集聚模式表現(xiàn)為動(dòng)態(tài)變化，高高集聚和低低集聚是主要的局部空間自相關(guān)類型。（1）從總效率來看（圖6（a）），低低集聚（LL）的省域未表現(xiàn)出明顯的動(dòng)態(tài)變化趨勢，主要集中在西北地區(qū)，包括新疆、青海、甘肅和寧夏等省份，這些省份是傳統(tǒng)意義上土地利用效率較低的區(qū)域，在碳排放約束下，仍處于效率洼地；高高集聚（HH）的省域由2009年的整片區(qū)域變化為2019年的由低高集聚分割的兩塊區(qū)域，其中江蘇、上海、浙江和福建等東部沿海區(qū)域和湖北省一直為效率高地，對鄰近省份具有較好的帶動(dòng)效應(yīng)，江西省一直處于低高集聚（LH）狀態(tài)，享受鄰近省份的效率溢出效應(yīng)，2019年安徽省也進(jìn)入低高集聚狀態(tài)，而四川處于高低集聚（HL）狀態(tài)，一方面接受高效率地區(qū)的溢出效應(yīng)，另一方面對西北地區(qū)等省份產(chǎn)生輻射效應(yīng)，但該狀態(tài)在2019年不再顯著。（2）從城鎮(zhèn)村及工礦用地碳排放效率來看（圖6（b）），2009—2019年，低低集聚的區(qū)域呈現(xiàn)擴(kuò)張趨勢，而高高集聚的省份出現(xiàn)“南移縮減”，低高集聚的省份不減反增，不存在高低集聚省份，以上變化趨勢反映出在樣本研究期內(nèi)具有較高效率的省份并沒有發(fā)揮較好的帶動(dòng)效應(yīng)，而本身效率較低的省份在碳排放約束和建設(shè)用地快速無序擴(kuò)張中難以提升效率。（3）從交通運(yùn)輸用地碳排放效率來看（圖6（c）），LL和HH的省份數(shù)量均呈現(xiàn)遞減趨勢，2009—2019年空間集聚顯著省份呈現(xiàn)出由南往北和由西向東靠攏趨勢，這意味著交通運(yùn)輸用地在省域之間配置更加均衡，交通運(yùn)輸用地碳排放效率省域之間差異不大，與交通運(yùn)輸用地的基尼系數(shù)降低幅度大相吻合。

2.2.3 動(dòng)態(tài)演進(jìn)分析

采用高斯核密度估計(jì)法得到中國省域土地資源配置總效率和要素效率的核密度分布圖（圖7），總效率和要素效率的核密度分布差異較大。（1）從總效率來看，2002—2019年核密度曲線整體向左偏移，2009—2019年向左偏更加明顯，曲線波峰持續(xù)上升，說明土地資源配置總效率一是呈現(xiàn)下降趨勢，二是省域間差距縮小，由多極分化向“集聚”狀態(tài)轉(zhuǎn)變，這對應(yīng)于樣本研究期內(nèi)，各類型土地資源配置不夠均衡，“高要素投入低經(jīng)濟(jì)產(chǎn)出”加之碳排放非期望產(chǎn)出的不斷增加，導(dǎo)致土地資源配置效率低下，地區(qū)間差距縮小是多數(shù)省份效率共同下降和示范引領(lǐng)的效率高地不斷減少的結(jié)果。（2）從城鎮(zhèn)村及工礦用地碳排放效率來看，2002—2019年核密度曲線在y軸方向表現(xiàn)為動(dòng)態(tài)上升趨勢，2019年有所回落，峰值較高且變化區(qū)間較小，代表著地區(qū)間差距縮小，曲線左拖尾右移，意味著效率低值閾值不斷提高，低值和高值的差距不斷縮小，上述均表明省域之間城鎮(zhèn)村及工礦用地碳排放效率差距縮小。（3）從交通運(yùn)輸用地碳排放效率來看，2002—2015年曲線波峰為單一波峰，且峰值不斷上移，表明省域之間交通運(yùn)輸用地碳排放效率差距不斷縮小，但仍處于極化狀態(tài)，對應(yīng)于我國快速發(fā)展的交通運(yùn)輸業(yè)，交通運(yùn)輸用地在省域之間配置更加均衡，但部分省域的先發(fā)優(yōu)勢依然存在。2019年“三調(diào)”數(shù)據(jù)中關(guān)于交通運(yùn)輸用地分類統(tǒng)計(jì)口徑的差異導(dǎo)致交通運(yùn)輸用地碳排放效率的核密度曲線出現(xiàn)反方向的變化，表現(xiàn)為曲線左移，波峰位于低效率值區(qū)間，這與交通用地承載大量的碳排放有關(guān)，在碳排放約束下，省域之間差異縮小但效率整體較低。

3 結(jié)論與啟示

3.1 結(jié)論

本文借助洛倫茲曲線和基尼系數(shù)法將土地資源配置結(jié)構(gòu)均衡性更新至最新時(shí)點(diǎn)，以此作為效率測算指標(biāo)選取依據(jù)，采用非參數(shù)效率測算SBM模型、探索性空間數(shù)據(jù)分析及核密度分析法等方法，分析了碳排放約束下2002—2019年我國省域?qū)用嫱恋刭Y源配置總效率和要素效率的時(shí)空演變格局。主要結(jié)論如下。

（1）從土地資源配置結(jié)構(gòu)均衡性來看，研究期內(nèi)我國省域?qū)用娌煌愋屯恋刭Y源的洛倫茲曲線相互靠攏且基尼系數(shù)呈下降趨勢，土地資源配置結(jié)構(gòu)趨同效應(yīng)明顯；大部分類型土地的分布均衡性未發(fā)生明顯改變，城鎮(zhèn)村及工礦用地和園地屬于絕對集中等級(jí)，耕地、交通運(yùn)輸用地（2009年）和濕地（新增）屬于相對集中等級(jí)，林地、交通運(yùn)輸用地（2019年）和水域及水利設(shè)施用地屬于較為合理等級(jí)。

（2）從土地資源配置效率的時(shí)序變化來看，2002—2019年我國省域土地資源配置效率均值呈現(xiàn)兩階段變化，前半階段為波浪式動(dòng)態(tài)變化，后半階段表現(xiàn)為下降趨勢，要素效率均值高于總效率均值，總效率和交通運(yùn)輸用地碳排放效率先于城鎮(zhèn)村及工礦用地碳排放效率出現(xiàn)轉(zhuǎn)折分界點(diǎn)。從空間分布來看，2002—2019年總效率和要素效率的空間分布呈鎖定效應(yīng)，呈現(xiàn)為以胡煥庸線為界“東南高西北低”的空間分布格局。

（3）從土地資源配置效率的空間集聚特征來看，2002—2019年總效率和要素效率存在顯著的空間正相關(guān)，高高集聚和低低集聚是主要的局部空間自相關(guān)類型?？傂矢吒呒鄣氖∮蛑饕杏诮K、上海、浙江和福建等東部沿海區(qū)域及湖北省，低低集聚的省域集中在西北地區(qū)；城鎮(zhèn)村及工礦用地碳排放效率的高高集聚省份出現(xiàn)“南移縮減”，低低集聚的區(qū)域呈現(xiàn)擴(kuò)張趨勢；交通運(yùn)輸用地碳排放效率的高高集聚和低低集聚省份數(shù)量均呈現(xiàn)遞減趨勢，呈現(xiàn)出由南往北和由西向東靠攏趨勢。

（4）從土地資源配置效率的動(dòng)態(tài)演進(jìn)來看，2002—2019年總效率演進(jìn)趨勢為總體下降和省域間差距縮?。怀擎?zhèn)村及工礦用地碳排放效率低值閾值不斷提高，低值和高值的差距不斷縮小，省份之間差距縮??；交通運(yùn)輸用地碳排放效率呈現(xiàn)出前期與城鎮(zhèn)村及工礦用地碳排放效率，后期與總效率相一致的變化狀態(tài)。土地資源配置效率的動(dòng)態(tài)演進(jìn)趨勢與時(shí)空演變趨勢相吻合。

3.2 啟示

省域間土地資源稟賦和經(jīng)濟(jì)社會(huì)發(fā)展差異造成了土地資源的非均衡配置，并進(jìn)一步帶來了土地資源配置效率的差異。結(jié)合上述研究結(jié)論，啟示如下。

（1）在土地資源配置結(jié)構(gòu)均衡性持久動(dòng)態(tài)穩(wěn)定和碳排放約束下土地資源配置效率持續(xù)降低的情境下，應(yīng)充分意識(shí)到土地資源配置結(jié)構(gòu)產(chǎn)生的影響是長期和深遠(yuǎn)的，土地資源配置格局一旦形成則存在較大的“路徑依賴”，只有規(guī)劃引領(lǐng)從源頭上降低土地資源錯(cuò)配比例，調(diào)整優(yōu)化土地資源結(jié)構(gòu)性錯(cuò)配，促進(jìn)結(jié)構(gòu)減碳和功能增匯并行，才能打破這種低效率的配置均衡穩(wěn)態(tài)。

（2）在土地資源配置效率同時(shí)存在顯著的空間正相關(guān)與空間分布鎖定效應(yīng)的前提下，促進(jìn)“資本”和“勞動(dòng)力”等“流動(dòng)性要素資源”在“土地”“非流動(dòng)性要素資源”之間優(yōu)化配置成為省域間土地資源配置總效率和要素效率協(xié)同提升的肯綮，打通省域之間的要素流動(dòng)通道，才能發(fā)揮區(qū)域間聯(lián)動(dòng)機(jī)制以協(xié)同提升效率。

（3）土地資源配置總效率和要素效率的時(shí)空分布格局非同步變化，原因在于土地資源配置總效率是所有土地要素與資本、勞動(dòng)力等生產(chǎn)要素一起參與生產(chǎn)，同時(shí)受投入要素可優(yōu)化空間大小與可調(diào)整比例大小的影響，綜合反映所有土地要素的配置效率和利用效率；而要素效率是所選取的土地要素的實(shí)際配置數(shù)量與最優(yōu)配置數(shù)量的比值，反映的是某類土地的利用效率高低，數(shù)值越接近1，意味著該類型土地要素配置越有效。在碳排放約束下，土地資源配置總效率同時(shí)受要素效率和土地資源配置結(jié)構(gòu)影響，應(yīng)通過提高要素效率來提高總效率。

最后，本文不足之處與所加入的碳排放約束存在關(guān)系，主要表現(xiàn)在未考慮林地、園地、草地和濕地的資源稟賦差異帶來的碳匯能力的差別，可能造成部分省份效率的低估，進(jìn)一步的研究應(yīng)考慮這些土地利用類型帶來的效率差異，以及生態(tài)補(bǔ)償問題。

參考文獻(xiàn)（References）：

[1] 陳江暢， 張京祥， 陳浩. 底線與邊界： 治理視角下的土地資源合理配置邏輯[J] . 城市發(fā)展研究， 2021， 28（9）： 33 - 41.

[2] 鄧慧慧， 趙曉坤， 李慧榕. 土地資源優(yōu)化配置如何影響經(jīng)濟(jì)效率 ——來自浙江省“畝均論英雄”改革的經(jīng)驗(yàn)證據(jù)[J] . 中國土地科學(xué)， 2020， 34（7）： 32 - 42.

[3] 張寧， 杜克銳. 效率與生產(chǎn)率分析教程——理論、應(yīng)用與編程[M] . 濟(jì)南： 山東大學(xué)出版社， 2022：79 - 82.

[4] 邵帥， 范美婷， 楊莉莉. 經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、綠色技術(shù)進(jìn)步與中國低碳轉(zhuǎn)型發(fā)展——基于總體技術(shù)前沿和空間溢出效應(yīng)視角的經(jīng)驗(yàn)考察[J] . 管理世界， 2022， 38（2）： 46 - 69，4.

[5] 許蕓鷺， 雷國平. 遼中南城市群城市用地結(jié)構(gòu)的時(shí)空演變分析[J] . 經(jīng)濟(jì)地理， 2018， 38（1）： 69 - 77.

[6] 扈傳榮， 姜棟， 唐旭， 等. 基于洛倫茲曲線的全國城市土地利用現(xiàn)狀抽樣分析[J] . 中國土地科學(xué)， 2009， 23（12）：44 - 50.

[7] 盧新海， 楊喜， 陳澤秀. 中國城市土地綠色利用效率測度及其時(shí)空演變特征[J] . 中國人口·資源與環(huán)境，2020， 30（8）： 83 - 91.

[8] 范建雙， 虞曉芬， 周琳. 南京市土地利用結(jié)構(gòu)碳排放效率增長及其空間相關(guān)性[J] . 地理研究， 2018， 37（11）：2177 - 2192.

[9] 姜海， 陳磊. 縣域國土空間主體功能區(qū)土地資源空間配置效率及管制策略——以江蘇贛榆為例[J] . 自然資源學(xué)報(bào)， 2021， 36（9）： 2424 - 2436.

[10] 朱慶瑩， 涂濤， 陳銀蓉， 等. 長江經(jīng)濟(jì)帶產(chǎn)業(yè)結(jié)構(gòu)與土地利用效率協(xié)調(diào)度的時(shí)空格局分析[J] . 農(nóng)業(yè)工程學(xué)報(bào)，2021， 37（23）： 235 - 246.

[11] VARIAN H R. The nonparametric approach to production analysis[J] . Econometrica： Journal of the Econometric Society， 1984， 52（3）： 579 - 597.

[12] ZHANG N， CHOI Y. Environmental energy efficiency of Chinas regional economies： a non-oriented slacks-based measure analysis[J] . The Social Science Journal， 2013， 50（2）： 225 - 234.

[13] RESTUCCIA D， ROGERSON R. Policy distortions and aggregate productivity with heterogeneous establishments[J] . Review of Economic Dynamics， 2008， 11（4）： 707 - 720.

[14] 譚榮， 曲福田. 農(nóng)地非農(nóng)化的空間配置效率與農(nóng)地?fù)p失[J] . 中國軟科學(xué)， 2006（5）： 49 - 57.

[15] 鐘順昌.建設(shè)用地空間配置模式對技術(shù)效率的影響[J] .中國土地科學(xué)，2020，34（10）：58 - 68.

[16] 劉新智，周韓梅.土地資源配置如何影響城市經(jīng)濟(jì)效率——基于中國286個(gè)地級(jí)以上城市工業(yè)數(shù)據(jù)的實(shí)證檢驗(yàn)[J] .中國土地科學(xué)，2022，36（9）：49 - 58.

[17] ZHOU D， HUANG Q， CHONG Z H. Analysis on the effect and mechanism of land misallocation on carbon emissions efficiency： evidence from China[J] . Land Use Policy， 2022， 121. doi：10.1016/j.landusepol.2022.106336.

[18] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J] . European Journal of Operational Research， 2001， 130（3）： 498 - 509.

[19] 成剛. 數(shù)據(jù)包絡(luò)分析方法與MaxDEA軟件[M] . 北京： 知識(shí)產(chǎn)權(quán)出版社， 2014：62 - 148.

[20] 馬林燕， 張仁慧， 潘子純， 等. 中國省際耕地利用生態(tài)效率時(shí)空格局演變及影響因素分析——基于2000—2019年面板數(shù)據(jù)[J] . 中國土地科學(xué)， 2022， 36（3）： 74 - 85.

[21] 張軍， 章元. 對中國資本存量K的再估計(jì)[J] . 經(jīng)濟(jì)研究，2003（7）： 35 - 43，90.

[22] 唐洪松， 蘇洋， 汪晶晶. 碳排放視角下我國建設(shè)用地利用強(qiáng)度與效率研究[J] . 生態(tài)經(jīng)濟(jì)， 2018， 34（9）： 25 - 30，60.

[23] 周迪， 王雪芹. 中國碳排放效率與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的耦合度及耦合路徑[J] . 自然資源學(xué)報(bào)， 2019， 34（11）： 2305 -2316.

[24] GUASTELLA G， PAREGLIO S， SCKOKAI P. A spatial econometric analysis of land use efficiency in large and small municipalities[J] . Land Use Policy， 2017， 63： 288 - 297.

Spatial-Temporal Analysis of Structure Equilibrium and Efficiency of Provincial Land Resource Allocation in China

ZHANG Miao1， LIU Xuan2， CHEN Yinrong3， PENG Shangui1

（1. School of Economics and Management， Shandong Agricultural University， Taian 271018， China； 2. College of Management and Economics， Tianjin University， Tianjin 300072， China； 3. College of Public Administration， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The purposes of this study are to reveal the equilibrium of land resource allocation structure and the spatialtemporal evolution pattern of land resource allocation efficiency at the provincial level in China， and to provide references for the rational allocation of land resources. Lorenz curve-Gini coefficient method， non-parametric efficiency measurement， exploratory spatial data analysis and kernel density estimation are used in the study. The results showed that： 1） during the study period， the Lorenz curves of different land types moved closer to each other， and the Gini coefficients showed a downward trend in Chinas provinces. Compared with 2009， the allocation of cultivated land， garden land， forest land， residential land ， industrial/mining land and transportation land was more balanced in 2019. 2）The mean value of provincial land resource allocation efficiency in China from 2002 to 2019 showed a two-stage change， presenting a downward trend from the demarcation year to 2019. The average factor efficiency was higher than the total efficiency. The spatial distribution was high in the southeast but low in the northwest， bounded by the Hu Huanyong line. High-high agglomeration （HH） and low-low agglomeration （LL） were the main local spatial autocorrelation types. 3） The total efficiency showed an evolution trend of overall value decline and regional disparity reduction. The carbon emission efficiency of residential land and industrial/mining land presented a continuous increase in the low-value threshold and a narrowing gap among provinces. The carbon emission efficiency of transportation land showed a periodical change. In conclusion， the structure equilibrium of the provincial land resource allocation in China was dynamically stable from 2002 to 2019. The efficiency of land resource allocation under carbon emission constraints showed a decreasing trend in time series， and a significant positive correlation and lock-in effect in spatial distribution. The spatial-temporal distribution pattern of total efficiency and factor efficiency changed asynchronously. Effective interpretation of the above characteristics provides implications for the rational allocation of land resources.

Key words： land resource allocation structure； land resource allocation efficiency； factor efficiency； equilibrium； spatialtemporal distribution

（本文責(zé)編：張冰松）