EN中文

经济地理 >

2024 , Vol. 44 >Issue 9: 79 - 88

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.09.009

城市地理与新型城镇化

超大城市工业用地价格的空间演化和对城市经济效率的影响

  • 席强敏 , 1 ,
  • 刘兰婷 , 1, ※ ,
  • 梅林 2
展开
  • 1.中国人民大学 应用经济学院，中国 北京 100872
  • 2.天津财经大学 财税与公共管理学院，中国 天津 300222
※刘兰婷（1999—），女，博士研究生，研究方向为城市经济与区域发展分析。E-mail：

席强敏（1986—），男，博士，教授，博士生导师，研究方向为区域产业分析、区域政策评价。E-mail：

收稿日期: 2024-02-22

  修回日期: 2024-06-19

  网络出版日期: 2024-10-31

基金资助

国家自然科学基金项目(72003190)

国家自然科学基金项目(72203157)

教育部人文社会科学基金项目(24YJA790075)

深圳市社会科学基金项目(SZ2024B015)

收起

Spatial Evolution of Industrial Land Prices in Megacities of China and Their Impact on Urban Economic Efficiency

  • XI Qiangmin , 1 ,
  • LIU Lanting , 1, ※ ,
  • MEI Lin 2
Expand
  • 1. School of Applied Economics，Renmin University of China，Beijing 100872，China
  • 2. School of Public Finance and Administration，Tianjin University of Finance and Economics，Tianjin 300222，China

Received date: 2024-02-22

  Revised date: 2024-06-19

  Online published: 2024-10-31

Fold

摘要

超大城市内部土地的合理利用与集约开发对于转变城市发展方式、引领城市体系协同发展具有重要示范作用。文章以中国超大城市为研究对象，采用土地出让微观数据刻画超大城市内部工业用地价格的空间分布特征与演变规律，并探讨了工业用地价格对城市经济效率的影响。研究发现：①超大城市工业用地价格随距城市中心的距离增加而递减，在中心城区工业用地价格对距离的弹性更大；区域一体化发展带来城市交界地区工业用地价格上升。②工业用地价格的上升会提高企业进入门槛，从而在选择效应的作用下提高城市经济效率；同时也会提高企业用地成本，在成本效应的作用下抑制城市经济效率提高。③中心城区工业用地价格上升产生的选择效应占主导地位，而在外围地区则是成本效应占主导地位。

关键词： 工业用地价格; 城市经济效率; 选择效应; 成本效应; 超大城市; 中心—外围

本文引用格式

席强敏 , 刘兰婷 , 梅林 . 超大城市工业用地价格的空间演化和对城市经济效率的影响[J]. 经济地理, 2024 , 44(9) : 79 -88 . DOI: 10.15957/j.cnki.jjdl.2024.09.009

Abstract

The rational use and intensive development of land in megacities play an important exemplary role in changing the mode of urban development and leading the coordinated development of urban system. Taking the megacities in China as the research object,this paper reveals spatial distribution and evolution law of industrial land prices,and discusses the impact of industrial land prices on urban economic efficiency by using the data of industrial land transactions. The results show that: 1) The industrial land price in mega-cities decreases with the increase of distance from the city center,and the industrial land price in the central area has greater elasticity of to the distance. The development of regional integration causes the rise of industrial land price in urban bordering areas. 2) The rise of industrial land price will raise the entry threshold of enterprises,so as to improve urban economic efficiency under the influence of selection effect. At the same time,it will also increase the cost of enterprise land,and restrain the improvement of urban economic efficiency under the influence of cost effect. 3) The selection effect of industrial land price in the central area is dominant,while the cost effect is dominant in the peripheral areas.

Key words： industrial land price; urban economic efficiency; selection effect; cost effect; megacity; core-periphery

作为城市体系中最高等级的城市和人口经济分布最密集的地区，超大城市的高质量发展对于转变城市发展方式和引领城市体系协同具有重要的示范作用。2021年，中国7个超大城市（北京、天津、上海、广州、深圳、重庆、成都等）集聚了全国8.8%的常住人口，并贡献了18.0%的GDP ① 。随着人口、信息、资本等要素的不断集聚，超大城市的“大城市病”问题日益严峻，由此对土地集约利用水平的提高提出了更高的要求[1]。
土地作为企业生产的重要投入要素，其出让价格变化带来的生产成本变动引导着工业企业投资、转型、迁移等行为，进而成为推动城市经济效率提升的重要驱动因素[2-3]。基于“引资生税”的目的，地方政府倾向于通过低价出让工业用地吸引企业投资，获取税收收入，但一味地采取低价供地策略会阻碍城市产业转型升级与高质量发展[4]。2006年，《国务院关于加强土地调控有关问题的通知》（国发〔2006〕31号）明确规定“工业用地必须采用招标拍卖挂牌方式出让，其出让价格不得低于公布的最低价标准”之后，中国工业用地市场化程度进一步提高[5]。在深化实施城市建设用地总量控制的制度背景下，超大城市的土地供求关系日益紧张，工业用地出让价格呈上升态势。在此影响下，中心城区的“腾笼换鸟”和工业郊区化成为中国超大城市内部产业空间重构的突出特征。低效率企业受中心城区较高工业用地价格的影响而退出，高效率企业可以承受高生产成本从而更容易留在中心城区，并且在获取集聚效应的动机下更多高效率企业选择进入超大城市中心城区，最终表现为中心城区高效率企业数量占比增加，城市经济效率水平得以提升。在城市内部土地价格差异带来的级差地租和城市政府制定的区位导向型政策影响下，工业用地价格对城市经济效率的影响在中心城区与外围地区存在差异。鉴于此，本文从城市内部“中心—外围”的视角，探讨工业用地价格对城市经济效率的影响，进而为超大城市制定高效合理的工业用地政策提供决策参考。
本文将在采用LandScan数据识别超大城市人口中心的基础上，基于工业用地出让交易的微观宗地数据，利用ArcGIS和半参数估计，精确刻画工业用地价格在超大城市内部的空间演化规律，总结不同类型的空间演化模式，拓展现有相关实证研究的空间尺度；同时，基于城市总体规划界定城市中心城区和外围地区，继而在“新”新经济地理理论（NNEG）的基础上，运用工具变量回归实证估计超大城市及其中心、外围地区工业用地价格对城市经济效率的影响。从企业进入的视角，验证工业用地价格在超大城市中心城区产生的成本效应和选择效应。

1 文献综述与研究假说

1.1 文献综述

①城市工业用地级差地租的形成及演化。城市级差地租，即同一城市内部的地块由于位置、用途不同，受到自然因素和经济因素的影响形成土地收益差异[6]。1964年阿隆索提出经典的单中心城市土地利用地租模型[7]，许多学者通过实证研究了土地竞租曲线对城市空间结构和城市规模的影响。如邓羽、Li等都发现经典的阿隆索模型可以在一定程度上解释中国现代大都市的空间结构，土地对区位的弹性依次是商业用地、住宅用地和工业用地[8-9]；乐晓辉等研究发现地价和开发强度随着距市中心或次中心距离增加呈现出空间衰减的规律[10]。在后工业化时代，国际大都市都不同程度地体现出产业结构“空心化”或“逆工业化”的趋势，即当中心集聚的拥堵效应变高时，一些经济活动例如低效、高污染的制造业企业将搬迁到中心之外，集中在次级节点，空间结构也变为单中心的衰落和多中心的兴起[11]。如Fan等发现上海的工业用地分布转变为大块宗地之间距离较大的多中心模式[12]；郑涛等研究发现城市空间从单中心到多中心过度可以有效减少城市地价平均差[13]。
在中国的政策背景下，工业用地价格不单受到城市发展阶段和土地市场的影响，还在很大程度上受到国家和地方政策的影响[14]。一方面，针对土地出让的政策优惠使得工业用地以远低于市场价格进行交易，地方政府以此获得土地融资[15]；另一方面，开发区等工业园区带来的优惠政策和先进设施促使企业转移和入驻，政府在为开发区融资过程中，土地廉价出让是最常见的政策手段[16]。2007年土地市场化改革之后，具有区位优势和集聚优势的工业用地价格提高，部分城市内部逐地价逐渐呈现“∽”状分布，在副中心呈现土地价格小高峰[12,17]。
②工业用地价格对城市经济效率的影响。城市经济效率反映城市经济活动对资源的利用效率，是城市高质量发展的有效表征。全要素生产率通过投入产出分析测度生产效率，是刻画城市经济效率的关键指标[18]。国内外学者对城市全要素生产率的测度进行了深入研究。如Charnes等提出的数据包络分析（DEA）是研究某个领域投入与产出的多个决策单元效率的评价方法[19]，被广泛应用于度量城市全要素生产率；刘秉镰等基于DEA模型对中国1990—2006年的城市全要素生产率的动态变化进行了实证研究[20]；汪彬等采用DEA方法对地级市的城市全要素生产率进行测度，并运用Malmquist指数测算技术变化和效率变化[21]；张莉等通过对企业TFP的测算，认为工业用地价格作为市场信号影响企业对工业用地的需求，设置“价格壁垒”淘汰低生产率企业，通过“选择效应”提升特定地区企业TFP[22]。
工业用地的级差地租即工业用地价格被认为是城市增长的重要驱动力[16]。在经济发展初期低价出让工业用地能够促进企业集聚，通过成本效应降低企业成本和风险，吸引外资进入，推动城市化快速发展[23]。然而，随着城市工业化进程的不断推进，地方政府在土地引资的竞争中存在竞相降低引资质量的底线竞争行为[5]。如李力行等指出低价出让工业用地导致土地资源错配问题，进而导致工业企业间的资源配置效率低下[24]；梅林等研究发现工业用地价格扭曲造成工业用地浪费严重和土地利用效率低下，企业过度投资，阻碍产业转型升级[6]。
目前，大多数学者主要关注工业用地价格对土地利用效率和工业企业生产效率的影响，涉及影响城市经济效率的研究较少，对效率的影响方向也不一。如陈卓等研究发现通过价格反映的土地稀缺度提高与土地技术效率之间负相关，而与土地规模效率之间正相关[25]；Lin等研究发现土地市场化带来的较高的工业用地价格提高了总体土地利用强度、单位土地产出和全要素生产率[26]；席强敏等发现工业用地价格对工业效率具有提升效应，且在城市内呈现空间差异性[2]；陈淑云等发现土地低价出让行为有利于促进城市生产率的提高，而土地财政所导致的资源浪费与错配抑制了城市生产率的提高[27]；张少辉等发现土地出让收入上涨对中国城市全要素生产率的影响不一，既带来一定程度的规模效应，也抑制了城市的技术进步和技术效率水平[15]。
与此同时，在关于工业用地价格和城市经济效率的研究方面，针对城市内部土地利用演变规律的刻画则更少，缺乏对城市内部系统研究分类。中国超大城市为城市工业土地价格和空间布局研究提供了良好的实验样本。从研究视角来看，当前大多数研究聚焦于探讨中国工业用地与商服用地、住宅用地之间的价格扭曲，中国土地出让政策演变及其对企业效率的影响[4,14,17,23]，较少从空间异质性角度探讨其对城市经济效率的影响。

1.2 研究假说

土地作为企业的重要生产要素，其出让价格的变动影响着企业的区位选择与生产经营行为。低价供应工业用地直接降低企业的成本，促使企业投资入驻，但一味地廉价出让工业用地会造成过度投资、环境资源过度利用等问题。工业用地价格的提高，尽管在一定程度上增加了企业成本负担，但由市场决定的土地价格将通过增强企业间的竞争而形成对高效率企业的选择效应，从而提高城市经济效率。工业用地价格对城市经济效率的影响主要体现在选择效应和成本效应两个方面。
从选择效应来看，“新”新经济地理理论（NNEG）在新经济地理理论（NEG）的基础上纳入企业异质性，分析得出高效率企业具有更低的边际生产成本而能够在核心地区生存，低效率企业为了避免竞争，选择布局在边缘区。基于NNEG理论，当政府以市场化价格出让土地时，选择效应将发挥作用，具体表现为：土地价格上升带来的企业入驻效率门槛提高，企业的迁移和工业用地的迭代不断将低效率企业淘汰出工业用地价格较高的区域[28-29]，使地租承受能力相对较强的高附加值企业进入，进而在选择效应的作用下提高城市经济效率。从成本效应来看，企业以经营利润最大化为目标，低价供应工业用地可以显著刺激企业的投资，工业用地价格的上升会直接提高企业成本，进而降低企业利润率，抑制城市经济效率的提高。
在城市内部土地级差地租和区位导向型政策影响下，工业用地价格对城市经济效率的影响在中心城区和外围地区存在显著差异。中心城区的土地需求旺盛，但土地供给有限，土地供需关系的紧张促使土地出让价格快速上升。在要素替代效应的作用下使中心城区企业间对劳动力、资本的竞争程度相对更为激烈。工业用地价格的上升将强化市场化出让的竞争性定价对不同效率企业的筛选作用，优胜劣汰的市场机制迫使低效率企业不得不退出中心城区以逃避激烈的竞争，进而在选择效应的主导作用下促进城市经济效率提升。外围地区可出让土地的规模相对较大，土地供求关系相对缓和，进而促使工业用地价格在成本效应占主导作用下与城市经济效率呈现负相关。
基于以上分析，本文提出两个研究假说：
假说1：工业用地价格的上升会提高企业进入门槛，进而在选择效应的作用下提高城市经济效率，同时也会提高企业用地成本，在成本效应的作用下抑制城市经济效率提高。
假说2：成本效应和选择效应在中心城区和外围地区的作用效果不同，在中心城区选择效应占主导地位，而在外围地区成本效应占主导地位。

2 数据来源与研究方法

2.1 数据来源

2007年以来，中国全面实施招拍挂方式进行土地出让，工业用地市场化程度进一步提高；同时考虑到2019年土地管理法开始修订实施，土地出让制度进入了新阶段，所以本文的实证研究期为2008—2018年。另外，考虑到市辖区代表了一个城市的主体部分，其人口流动和经济往来频繁，土地要素对经济发展的影响更大，因此本文所有指标统计口径均为市辖区范围。
本文的数据来源主要分为5个部分：①工业用地数据。工业用地数据来源于土地市场动态监测与监管系统数据库，包括交易的宗地价格、面积、地址、交易方式、交易时间等，在研究范围内共获取到15263个有效宗地样本。②超大城市数据。超大城市市辖区GDP、财政收支、固定资产投资、产业占比、地铁站数量等数据来源于历年《中国统计年鉴》、各城市统计年鉴、城市轨道交通年鉴。③栅格人口数据。不同于计算人均GDP等人均指标所使用的统计年鉴中的常住人口数据，在确定城市中心时，本文使用LandScan人口1 km×1 km栅格数据识别各大城市的城市中心。④开发区数据。各城市开发区的相关数据来源于《中国开发区审核公告目录（2018年版）》。⑤工商注册数据。以每年在企业信用信息公示系统注册的企业为准。
为保证研究数据的有效性，对数据进行了以下预处理：①行政区划代码调整。本文所研究样本及研究周期内，按照2019年国家行政区划代码统一调整。②数据平减。市辖区经济指标和工业用地价格均按照市辖区所在省份的固定资产投资价格指数平减至2007年的水平。

2.2 地址解析与空间表达

①宗地地理位置识别策略。将宗地交易信息的“行政区”“项目名称”“宗地坐落”等字段，地铁站、开发区地址等字段，工商注册企业地址等字段使用高德地图开发者平台解析出经纬度信息，导入ArcGIS软件中生成点数据图，并与各城市行政边界叠置，确定所属行政区。
②城市中心识别策略。城市中心是城市的核心部分，是城市的经济中心或商业管理中心，以往文献主要使用夜间灯光数据、人口数据、城市政府所在地或者城市地理几何中心[30-32]等方法识别城市中心。鉴于本文研究对象为工业用地价格，选择人口中心衡量城市中心。借鉴David等的做法[32]，如果某地点的人口在某一年超过该地区人口的第99百分位数，那么就认为该地点是城市中心。分别提取7个超大城市LandScan数据中每年城市人口超过99%的栅格，选择出现频率最高的栅格作为城市中心，保证样本周期内每个城市的城市中心保持不变，实现距离在时间跨度上可比。
③“中心—外围”空间识别策略。城市总体规划是城市空间发展、功能定位、产业发展的指导性文件，新经济地理学理论中的“中心—外围”模型更多是从市场角度阐释，而中国城市的实际情况是行政引导型发展。对基于中国城市规划政策界定的“中心—外围”地区进行空间分析更具有实践意义。本文基于7个超大城市的城市总体规划文件，根据文件中确定的名录界定中心城区和外围地区范围 ① 。
借鉴以往研究，本文选取了反映工业用地地块和地区特征的控制变量。表1是主要变量的描述性统计分析，其中单位工业用地价格的对数基本在3.0~11.0之间，宗地距离市中心的距离在0~274 km不等，且挂牌出让是宗地交易的主要出让方式，占比为88.1%，开发区平均占市辖区面积的5.8%。
表1 主要变量描述性统计分析

Tab.1 Descriptive statistics of main variables

变量名称 变量解释 观测数 均值 标准差 最小值 最大值
城市经济效率 超效率DEA模型计算的市区效率 1122 0.486 0.333 0.088 3.475
工业用地价格 工业用地价格的对数 915 6.013 1.083 2.996 11.019
工业用地距离 宗地距离市中心的距离（km） 915 41.282 47.604 0.508 274.096
人均GDP 常住人口人均GDP（亿元/人） 1122 8.040 6.655 0.961 95.924
人口密度 常住人口密度（万人/km2） 1122 0.715 0.993 0.012 3.976
财政收入 地方财政收入（亿元） 1122 75.377 103.408 2.420 1066.196
财政支出 地方财政支出（亿元） 1122 112.629 136.364 8.850 1305.510
第二产业占比 第二产业占GDP比 1122 41.253 20.817 0.627 83.057
投资强度 固定资产投资占GDP比 1122 1.731 1.274 0.067 9.552
协议出让 协议出让=1，否则=0 915 0.881 0.323 0.000 1.000
挂牌出让 挂牌出让=1，否则=0 915 0.006 0.074 0.000 1.000
土地供给 交易宗地占区面积比 915 0.165 0.422 0.000 6.616
开发区密度 开发区占区面积比 1122 5.841 11.731 0.000 64.534
国家级开发区 国家级开发区数量（个） 1122 0.578 1.224 0.000 8.000
省级开发区 省级开发区数量（个） 1122 1.284 2.860 0.000 22.000
市辖区交通条件 地铁站数量（个） 1122 8.703 12.604 0.000 90.000

注：样本内某些年份存在部分市辖区没有工业用地出让。

2.3 研究方法

①基于超效率DEA的城市经济效率测度。本文拟采用产出导向下，规模报酬不变的超效率DEA模型计算城市经济效率水平。超效率DEA通过把被评价决策单元排除在参考决策单元集合之外，得到评价单元的效率值，这种方法的优点在于决策者能够对有效的单元进行排序，在横向上效率值是可比的。借鉴Tone等提出的方法[33]，采用基于松弛变量的数据包络分析方法测算市辖区的城市经济效率。劳动力人数采用市辖区城镇从业人员数在全市城镇从业人员数中的比例乘城市全社会从业人员数计算。
②局部加权回归。局部加权回归方法（Locally Weighted Scatterplot Smoothing，LOWESS）是一种不需要对参数进行假设就可以建立研究对象之间相关关系的半参数估计方法。该方法由Cleveland[35]首次提出，其优点是依据自由函数形式，使估计的结果更加平滑。Ritter等使用LOWESS估计方法分析了德国8万多宗农业土地交易，研究土地面积和土地价格之间的关系[36]。使用LOWESS回归方法对工业用地价格和距城市中心距离进行拟合，可以形成基于宗地交易的平滑地租曲线。
③工具变量回归。本部分将探究工业用地价格对城市经济效率的影响，存在一定的内生性问题。潜在内生性问题来源于两个方面：第一，城市经济效率升高往往意味着城市经济水平的增加以及居民收入水平的提升，从而吸引企业和人口集聚，进而提高土地需求，抬升工业用地价格，造成反向因果问题；第二，控制变量不全面和土地价格测量误差可能会导致遗漏变量和测量误差等问题。基于此，本文采取工具变量模型进行估计。地理坡度和海拔高度反映了各区地形条件，地形陡峭程度会影响土地出让，并且地形作为自然变量是严格外生的[37]，本文选取区级层面地理坡度和海拔高度作为工业用地价格的工具变量。将地理坡度和海拔高度乘以滞后一期的居民消费价格指数 ② 并取对数进行时变处理。基准回归模型设定如下：
$\begin{aligned}\text { lwp }_{i t}= & \alpha_{1}+\beta_{1} \ln s i+\beta_{2} \text { asl }+\gamma_{1} \text { Controls }+ \\& \eta_{1 j}+\tau_{1 t}+\delta_{1 i t}\end{aligned}$
$\begin{aligned}T F P_{i t}= & \alpha_{2}+\beta_{3} \widehat{\text { lwpc }_{i t}}+\gamma_{2} \text { Controls }+ \\& \eta_{2 j}+\tau_{2 t}+\delta_{2 i t}\end{aligned}$
式中：$\ln s i$为地理坡度； a s l为海拔高度； T F P i t代表超大城市市辖区i在t年的效率值； l w p c i t为区县i在t年的按宗地交易面积加权的平均工业用地价格对数； C o n t r o l s代表对城市工业用地价格有显著影响的控制变量； η j代表城市固定效应； τ t代表年份固定效应； δ i t代表随机误差。式（1）为工具变量法第一阶段估计，式（2）为第二阶段估计。

3 超大城市工业用地价格的空间演变规律

2007年以来，超大城市工业用地出让价格逐渐提高，2007—2018年平均增速为12.3%。中心城区工业用地价格波动增长，平均工业用地价格是郊区的2.1倍，并且中心城区工业用地价格增长速度高于外围地区，中心城区与外围地区工业用地价格发展呈扩散态势（图1）。
图1 超大城市工业用地价格的变化

注：数据来源于土地市场动态监测与监管系统数据库，中心城区和外围地区根据7个超大城市的城市总体规划文件划分。

Fig.1 Change trend of the industrial land price in megacities

为了刻画工业用地价格空间分布规律，本文使用LOWESS方法对工业用地价格和距离城市中心距离进行拟合。另外，本文将工业地块出让年限划分为2007—2012、2013—2018年2个时间段分别进行统计分析，主要基于以下3点理由：①2013年中国提出经济新常态理念，中国经济发展进入新阶段，工业用地价格发生较大变化，2013年后工业用地出让价格波动和增速相较2007—2012年变化较大，年均增速从12.0%降至10.6%，且2007—2012年工业用地价格基本增长1倍，2013—2018年工业用地价格基本增长1倍；②通过划分2个阶段形成对比，能够观察到工业用地价格在超大城市内部的显著变化趋势，中心城区和外围地区的地价差距不断扩大，2个时期中心城区地价分别是外围地区地价的2.0倍和2.2倍；③由于土地交易在某一年可能存在异常值或缺失值，将多年土地交易合并更能反映工业用地价格变化的一般性特征。进一步将各超大城市的宗地点数据在ArcGIS中可视化（图2左和图2中），并用LOWESS回归方法刻画城市地租曲线（图2右），由此得出结论如下：
图2 超大城市工业用地价格的时空演变和基于LOWESS回归的地租曲线 (a, b, c)

注：1.LOWESS回归图中横轴表示距市中心的距离，纵轴表示工业用地价格的对数；2.数据源于土地市场动态监测与监管系统数据库，地图使用反距离权重法对工业用地点数据进行空间可视化。下同。

Fig.2 Evolution law of industrial land price in mega-cities and rent curve of LOWESS regression (a, b, c)

①超大城市工业用地价格空间分布特征与阿隆索城市地租模型保持一致。工业用地价格随距城市中心的空间距离增加而递减，在中心城区工业用地价格对距离的弹性更大。其中成都的工业用地价格拟合曲线最符合阿隆索单城市中心模型，土地价格以单城市中心为基点，呈现明显圈层结构。
图3 超大城市工业用地价格的时空演变和基于LOWESS回归的地租曲线 (d, e, f, g)

Fig.3 Evolution law of industrial land price in mega-cities and rent curve of LOWESS regression (d, e, f, g)

②超大城市工业空间利用模式由外延式扩张向内涵高质式发展转变。比较2007—2012与2013—2018年2个阶段超大城市工业用地价格空间特征，大部分超大城市在第一阶段的LOWESS曲线呈明显右拖尾特征，工业用地利用空间范围更广，在第二阶段工业用地利用空间范围则更加邻近城市中心。另外，2013—2018年超大城市工业用地价格LOWESS曲线较之前一阶段显著向上移动，表明超大城市工业用地价格全域范围内均有明显提高。随着城镇化进程的逐步推进，中国超大城市逐步进入郊区化发展阶段，在中心城区积极腾退一般性产业，把城市中心城区打造成现代服务业的集聚地，承载城市金融、商务等重要功能，实现“腾笼换鸟”，提高了中心城区工业用地价值，增加了郊区工业用地需求，对郊区工业用地价格同样具备正向促进作用。
③超大城市工业用地价格空间分布由单中心结构向“∽”状多中心结构演变。2013—2018年工业用地价格空间分布图除中心城区之外在郊区形成串珠状高值区域，LOWESS拟合曲线次级峰值也较2007—2012年更为突出，形成了较为明显的多中心价格空间分布结构特征。中国工业园区主要分布在城市近郊区域，随着工业园区的发展建设，产业集聚效应凸显，推动了工业次中心的发展。比如北京海淀区和顺义区的个别工业园区，上海市近郊区的高新技术产业园区，天津的滨海新区、津南和东丽开发区，深圳的湾区建设都反映在工业用地价格上，形成了近郊区工业用地价格曲线波峰。
④区域一体化发展带来城市交界地区工业用地价格上升。区域一体化发展驱动主要发展轴地区产业集聚与分布格局优化，推动工业用地价格上升。中国7个超大城市均在区域一体化战略中承担重要角色，通过新城建设、城际合作等举措推动区域一体化发展。如京津冀协同发展中，天津建设武清京津产业新城，促进位于京津发展轴的天津市武清区工业用地价格上涨；广州提出广佛同城强化交接区结对合作、粤港澳大湾区的建设加强深圳园区与香港园区的衔接和发展联动等，促使广州工业用地价格峰值向佛山方向延伸，深圳工业用地价格峰值向香港方向靠拢。

4 超大城市工业用地价格影响城市经济效率的回归分析

4.1 实证结果分析

表2为工具变量法的实证回归结果。第一阶段土地坡度和海拔高度与工业用地价格显著相关，第二阶段工业用地价格对城市经济效率存在负向影响，并在1%的显著性水平显著，当工业用地平均价格每提高1%，城市经济效率下降0.479。结果表明，总体上城市经济效率提升过程中成本效应占主导地位，即低廉的工业用地价格能够降低企业生产成本，吸引企业和投资，进而提高城市经济效率。第二产业占比对城市经济效率负向影响显著，第二产业占比越高的市辖区，经济效率相对较低。中国7个超大城市市辖区逐步呈现出“逆工业化趋势”，城市内部生产性功能用地向服务性功能用地转换，投入产出效率相应提高。
表2 工业用地价格对城市经济效率的影响

Tab.2 The influence of industrial land price on urban economic efficiency

总样本 中心城区 外围地区
工业用地价格 -0.479*** 0.225*** -0.999***
（0.088） （0.082） （0.238）
第二产业占比 -0.004** -0.002** -0.007***
（0.001） （0.001） （0.002）
土地供给 -0.083*** 0.043* -0.290*
（0.031） （0.026） （0.168）
控制变量 YES YES YES
城市固定效应 YES YES YES
年份固定效应 YES YES YES
样本量 915 285 630
Kleibergen-Paap rk Wald F statistic 25.490 16.544 14.329
Cragg-Donald Wald F statistic 25.521 12.954 11.409

注：***、**、*分别表示在1%、5%、10%水平上显著；括号内是稳健标准误；部分控制变量在表中省略。表3同。

基于总样本基准回归结果，表2第2列和第3列根据中心—外围地区进行异质性分析：中心城区工业用地价格对城市经济效率具有显著正向作用，中心城区工业用地价格的提高一方面能够有效促进高效率的企业留下，低效率的企业迁移出中心城区，另一方面也可以通过价格效应促使制造业企业外迁、服务业进入市中心；外围地区工业用地价格则对城市经济效率具有显著负向作用，较高的工业用地价格反而会使城市经济效率降低。土地供给的结果也侧面说明了这一结论，在中心城区，土地供给增加对城市经济效率作用是正向的，说明中心城区增加土地供给会带来高效率的企业入驻，提高城市经济效率，而外围地区则相反。
这一结论对于本文分析工业用地价格如何影响城市经济效率有关键作用。低价供应工业用地带来的成本效应和高价供应工业用地带来的选择效应将共同作用于城市经济效率，市场规模相对较大的中心城区选择效应更强，而外围地区的成本效应相对更强。

4.2 稳健性检验

通过对被解释变量和核心解释变量的替换，检验实证结果的稳健性。关于被解释变量的替换，用Malmquist指数计算全要素生产率[21]，并将地方财政支出纳入到投入变量中，将地方财政收入纳入到产出变量中，替换被解释变量并重新进行回归。结果显示，工业用地价格的系数（-0.109**）依然显著为负。本文主要解释变量工业用地价格是宗地面积加权的单价，使用每块宗地的单价进行简单平均替换解释变量，结果（-0.469***）与基础回归的结论一致。将解释变量和被解释变量同时替换，得到的结果仍然是稳健的。

4.3 机制分析

为进一步验证工业用地价格作用于城市经济效率的企业成本效应和选择效应，本节使用企业工商注册数据研究土地价格对新生企业的影响，其中企业的注册时间作为企业入驻所在地的时间。制造业企业比例为制造业注册企业数量占所有工商注册企业数量比例，高技术制造业 ① 和一般制造业企业比例分别为各自占制造业工商注册企业的比例。考虑到工业用地交易对工商企业注册影响的滞后效应，将工商企业注册数据滞后两期。
表3为工业用地价格对城市中心城区制造业新生企业影响的结果，列（1）和列（2）的结果表明中心城区工业用地价格的上涨，对制造业企业比例具有显著负向影响，对于高技术制造业企业比例具有显著正向影响。工业用地价格每提高1%，制造业企业比例降低6个百分点，而高技术制造业企业比例上升6.4个百分点。这表明工业用地价格的提高，一方面使得制造业企业的进入成本上升，进而降低了制造业注册企业的进驻数量；另一方面则通过企业进入门槛的提高使地租承受能力较强的高技术制造业企业注册数量占比提高，进而提升城市经济效率。
表3 工业用地价格对中心城区制造业新生企业的影响

Tab.3 Effect of industrial land price on the registration of manufacturing enterprises

（1） 制造业企业比例 （2） 高技术制造业企业比例
工业用地价格 -0.060**（0.026） 0.064*（0.036）
人均GDP 0.007**（0.003） 0.001（0.004）
人口密度 -0.036***（0.006） 0.036***（0.009）
省级开发区 -0.033***（0.010） -0.030**（0.013）
控制变量 YES YES
样本量 285 266

5 结论与对策建议

本文以中国超大城市为研究对象，利用中国工业用地宗地交易数据，刻画了2007—2018年超大城市工业用地价格时空演变规律，并基于超效率 DEA模型测度的城市区级城市经济效率水平，采用工具变量模型实证估计了中心—外围视角下工业用地价格变动的经济效应。研究结论如下：①超大城市工业用地价格空间分布符合阿隆索竞标地租曲线特征，价格水平随距城市中心距离的增加而递减，并且中心城区工业用地价格对距离的弹性更大；②城市次中心建设、区域一体化发展等重要城市发展战略不断深化落实，促进了城市外围地区工业用地价格提高；③工业用地价格对经济效率的作用呈现“中心—外围”空间异质性，工业用地价格的上涨在选择效应的作用下使得地租承受能力相对较强的高附加值企业进入，继而提高中心城区经济效率，而工业用地价格的下降则在成本效应的影响下有利于外围地区经济效率提升。
基于上述结论，本文提出如下对策建议：
①持续优化超大城市多中心工业用地利用空间格局。对于中心地区而言，地租曲线弹性更高，工业企业对地租更为敏感，应持续提升中心地区工业用地利用集约程度，如通过采取土地混合利用等方式，提高中心地区单位空间土地利用经济价值。对于外围地区而言，应着力发挥开发区、新城等区位导向型政策空间区域的集聚经济作用，提高外围次中心工业用地经济价值。
②充分发挥中心地区对企业的选择效应与外围地区次中心的成本优势，合理引导城市产业布局，提高城市效率水平。对于城市发展增量空间而言，通过不同区域土地利用用途规划引导中心地区与外围地区发展不同类型的产业，中心地区地租水平相对更高，适宜规划布局对区位条件更加敏感、能够承担更高地租成本的高附加值工业产业；城市外围地区则适合布局对地租敏感并且对土地依赖程度高的工业行业，该类行业可以通过降低地租成本进而提高市场竞争力。对于城市发展存量空间而言，应引导鼓励中心地区产业向高附加值、高技术含量方向转型升级，并通过外围地区基础设施建设，加强外围地区对中心地区移出产业的承接能力，同步推进中心地区的产业更新与外围地区的产业集聚，以提升城市经济效率。
③着重提高城市工业用地布局与区域一体化发展轴向区域的空间耦合度，通过增加区域发展轴向区域的工业用地供应助力区域一体化战略落实，并随着发展轴区域的建设推动工业用地升值。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
席强敏, 李国平. 超大城市规模与空间结构效应研究评述与展望[J]. 经济地理, 2018, 38(1):61-68.

DOI

[2]
席强敏, 梅林. 工业用地价格、选择效应与工业效率[J]. 经济研究, 2019, 54(2):102-118.

[3]
杨喜, 卢新海, 沈纬辰. 土地要素投入对城市经济增长空间溢出效应[J]. 经济地理, 2020, 40(10):83-90.

DOI

[4]
雷潇雨, 龚六堂. 基于土地出让的工业化与城镇化[J]. 管理世界, 2014(9):29-41.

[5]
杨其静, 卓品, 杨继东. 工业用地出让与引资质量底线竞争——基于2007-2011年中国地级市面板数据的经验研究[J]. 管理世界, 2014(11):24-34.

[6]
梅林, 席强敏. 土地价格、产业结构与城市效率——基于中国城市面板数据的经验分析[J]. 经济科学, 2018(4):61-74.

[7]
Alonso W. Location and Land Use[M]. Cambridge: Harvard University Press,1964.

[8]
邓羽. 北京市土地出让价格的空间格局与竞租规律探讨[J]. 自然资源学报, 2015, 30(2):218-225.

[9]
Li Q, Zhou S, Wen P. The relationship between centrality and land use patterns:Empirical evidence from five Chinese metropolises[J]. Computers,Environment and Urban Systems, 2019,https://doi.org/10.1016/j.compenvurbsys.2019.101356.

[10]
乐晓辉, 陈君娴, 杨家文. 深圳轨道交通对城市空间结构的影响——基于地价梯度和开发强度梯度的分析[J]. 地理研究, 2016, 35(11):2091-2104.

DOI

[11]
张亮, 岳文泽, 刘勇. 多中心城市空间结构的多维识别研究——以杭州为例[J]. 经济地理, 2017, 37(6):67-75.

[12]
Fan P Yue,W, Zhang J, et al. The spatial restructuring and determinants of industrial landscape in a mega city under rapid urbanization[J]. Habitat International, 2020,https://doi.org/10.1016/j.habitatint.2019.102099.

[13]
郑涛, 孙斌栋, 张婷麟. 多中心空间结构对城市地价影响研究[J]. 地理研究, 2021, 40(6):1610-1620.

DOI

[14]
范剑勇, 莫家伟. 地方债务、土地市场与地区工业增长[J]. 经济研究, 2014, 49(1):41-55.

[15]
张少辉, 余泳泽. 土地出让、资源错配与全要素生产率[J]. 财经研究, 2019, 45(2):73-85.

[16]
Wu Y, Zhang X, Skitmore M, et al. Industrial land price and its impact on urban growth:A Chinese case study[J]. Land Use Policy, 2014,36:199-209.

[17]
杨其静, 吴海军. 地理禀赋、土地用途与挂牌—拍卖出让策略——基于2007—2017年土地出让数据的研究[J]. 南方经济, 2021(10):28-47.

[18]
刘浩, 马琳, 李国平. 中国城市全要素生产率的演化格局及其影响因素[J]. 地理研究, 2020, 39(4):880-891.

DOI

[19]
Charnes A, Cooper W W, Rhodes E. Measuring the efficiency of decision-making units[J]. European Journal of Operational Research, 1978(2):429-444.

[20]
刘秉镰, 李清彬. 中国城市全要素生产率的动态实证分析:1990—2006——基于DEA模型的Malmquist指数方法[J]. 南开经济研究, 2009(3):139-152.

[21]
汪彬, 郭贝贝, 李鸿磊. 区域差异、规模分布与中国城市效率问题研究——基于285个地级市的实证研究[J]. 经济问题探索, 2020(1):114-127.

[22]
张莉, 程可为, 赵敬陶. 土地资源配置和经济发展质量——工业用地成本与全要素生产率[J]. 财贸经济, 2019, 40(10):126-141.

[23]
郑思齐, 孙伟增, 吴璟, 等. “以地生财,以财养地”——中国特色城市建设投融资模式研究[J]. 经济研究, 2014, 49(8):14-27.

[24]
李力行, 黄佩媛, 马光荣. 土地资源错配与中国工业企业生产率差异[J]. 管理世界, 2016(8):86-96.

[25]
陈卓, 张耀宇, 康庆, 等. 中国市域建设用地资源稀缺与土地利用效率互动关系变迁的实证研究[J]. 经济地理, 2023, 43(11):68-78.

DOI

[26]
Lin Y, Qin Y, Yang Y, et al. Can price regulation increase land-use intensity?Evidence from China’s industrial land market[J]. Regional Science and Urban Economics, 2020,https://doi.org/10.1016/j.regsciurbeco.2019.103501.

[27]
陈淑云, 曾龙, 李伟华. 地方政府竞争、土地出让与城市生产率——来自中国281个地级市的经验证据[J]. 财经科学, 2017,(7):102-115.

[28]
Melitz M J. The impact of trade on intra-industry reallocations and aggregate industry productivity[J]. Econometrica, 2003, 71(6):1695-1725.

[29]
Du J, Thill J C, Peiser R B, et al. Urban land market and land-use changes in post-reform China:A case study of Beijing[J]. Landscape & Urban Planning, 2014,124:118-128.

[30]
刘修岩, 李松林, 秦蒙. 城市空间结构与地区经济效率——兼论中国城镇化发展道路的模式选择[J]. 管理世界, 2017(1):51-64.

[31]
Ana I, Marcello S, Paolo V. Metropolitan areas in the world. Delineation and population trends[J]. Journal of Urban Economics, 2020,https://doi.org/10.1016/j.jue.2020.103242.

[32]
David C, Klaus D, Jordan R. Urban growth shadows[J]. Journal of Urban Economics, 2021,https://doi.org/10.1016/j.jue.2021.103334.

[33]
Tone K. A slacks-based measure of super-efficiency in data envelopment analysis[J]. European Journal of Operational Research, 2002, 143(1):32-41.

[34]
宋海岩, 刘淄楠, 蒋萍, 等. 改革时期中国总投资决定因素的分析[J]. 世界经济文汇, 2003(1):44-56.

[35]
Cleveland W S. Robust locally weighted regression and smoothing scatterplots[J]. Journal of the American Statistical Association, 1979,74:829-836.

[36]
Ritter M, Huttel S, Odening M, et al. Revisiting the relationship between land price and parcel size in agriculture[J]. Land Use Policy, 2020,https://doi.org/10.1016/j.landusepol.2020.104771.

[37]
Chen T, Kung K S. Do land revenue windfalls create a political resource curse?Evidence from China[J]. Journal of Development Economics, 2016,123:86-106.

Options
文章导航

/

〈 〉