EN中文

经济地理 >

2020 , Vol. 40 >Issue 10: 83 - 90

DOI: https://doi.org/10.15957/j.cnki.jjdl.2020.10.010

城市地理与新型城镇化

土地要素投入对城市经济增长空间溢出效应

  • 杨喜 , 1 ,
  • 卢新海 , 2, ※ ,
  • 沈纬辰 2
展开
  • 1.安徽工业大学 公共管理与法学院，中国安徽 马鞍山 243032
  • 2.华中师范大学 公共管理学院，中国湖北 武汉 430079
※卢新海（1965—），男，湖北洪湖人，教授，博士生导师。主要研究方向为土地资源管理与粮食安全。E-mail：。

杨喜（1990—），男，安徽马鞍山人，博士，讲师。主要研究方向为城市土地利用与国土空间治理。E-mail：。

收稿日期: 2019-12-05

  修回日期: 2020-06-19

  网络出版日期: 2025-04-21

基金资助

国家自然科学基金青年项目(41901256)

国家自然科学基金面上项目(71673096)

收起

Spatial Spillover Effect of Land Element Input on Urban Economic Growth in China

  • YANG Xi , 1 ,
  • LU Xinhai , 2, ※ ,
  • SHEN Weichen 2
Expand
  • 1. School of Public Administration and law， Anhui University of Technology，Maanshan 243032，Anhui，China
  • 2. School of Public Administration，Central China Normal University，Wuhan 430079，Hubei，China

Received date: 2019-12-05

  Revised date: 2020-06-19

  Online published: 2025-04-21

Fold

摘要

基于2003—2017年中国283座地级及以上城市面板数据，通过构建三要素C-D生产函数经济增长模型，采用空间自相关、空间面板杜宾模型分析土地要素投入对全国以及四大版块城市经济增长空间溢出效应。结果表明：①中国城市资本、劳动和土地要素投入以及经济产出具有显著正向全局空间相关性。②全国尺度上，土地要素投入不仅可以促进本地城市经济增长，而且也可以通过正向空间溢出效应促进邻近城市经济增长，但土地要素投入空间溢出效应小于劳动和资本要素投入空间溢出效应。③四大板块尺度上，土地要素投入对城市经济增长空间溢出效应存在明显的区域差异性，在东部地区具有显著负向空间溢出效应，在西部地区具有显著正向空间溢出效应，但在中部和东北地区尚未形成显著空间溢出效应。最后，土地要素投入需要综合考虑区域特征和空间溢出效应，实施差异化的土地开发利用和产业布局政策，加强邻近城市之间的合作联动发展。

关键词： 土地要素; 城市经济增长; 四大板块; 空间溢出; 空间面板杜宾模型; 土地开发利用

本文引用格式

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: 10.15957/j.cnki.jjdl.2020.10.010

Abstract

Based on the panel data of 283 prefecture-level cities and above in China from 2003 to 2017,a three-element C-D production function economic growth model was constructed,spatial autocorrelation and spatial panel Dubin models were used to analyze the spatial spillover effect of land element input on the urban economic growth of the national and four major economic plates. The results indicated that: 1) China's urban capital,labor,and land input and economic output have a significant positive global spatial correlation. 2) On a national scale,the input of land element can not only promote the economic growth of local cities,but also promote the economic growth of neighboring cities through positive spatial spillover effects. But the spatial spillover effect of land element input is smaller than labor and capital element input. 3) On the four major economic plates,there are regional differences in the spatial spillover effects of land element input on urban economic growth. It has a significant negative spatial spillover effect in the eastern region and a significant positive spatial spillover effect in the western region. However,significant spatial spillover effects have not yet formed in the central and northeast regions. Finally,the input of land element needs to comprehensively consider regional characteristics and spatial spillover effects,implement differentiated land development and utilization and industrial layout policies,and strengthen cooperation and joint development between neighboring cities.

Key words： land element; urban economic growth; four major economic plates; spatial spillover; SPDM; land development and utilization

2017年，中共十九大报告提出，我国社会主要矛盾已经转化为“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”，土地要素投入与产出在区域上的差异既是经济发展不平衡的一种体现，也是经济发展不平衡的主要原因。土地要素是与资本、劳动同等重要的三大传统生产要素之一，是创造财富的重要源泉[1]。随着中国社会经济的快速发展，财富积累不断增长，资本要素供给日益充足，劳动要素供给也逐渐进入质量红利时代[2]，但是土地要素供需却存在空间错配现象[3]，造成城市土地供需矛盾在不同区域和不同城市之间愈发突显。在中国特殊的城乡土地管理制度和建设用地行政配给制度下，土地要素在中国情境下具有特殊功能，获取更多的城市土地要素投入成为推动中国城市经济增长强大的基础动力，土地要素投入对中国调节区域资源配置和要素流动以及城市经济增长的关键作用不断凸显。在经济迈入新常态、改革进入深水区的背景下，从空间视角加强土地要素投入对中国城市经济增长的空间溢出效应研究，对提高土地资源空间配置效率，促进城市社会经济提质增效转型升级发展具有十分重要的意义。
目前学界关于土地要素投入对经济增长作用的研究主要分为两种，一种是传统未考虑空间效应的研究，如毛振强等借助C-D生产函数分析了土地要素投入对中国二三产业发展的贡献，认为土地要素贡献率小于资本要素，但大于劳动要素[4]。李效顺等研究发现土地要素投入与经济增长二者之间存在相互影响关系[5]。杨志荣等研究发现土地要素对经济增长的影响可以被劳动力要素和资本要素有效替代[6]。徐枫等采用随机前沿超越对数生产函数模型分析认为中部6省经济增长主要驱动力来自土地要素和劳动要素投入[7]。张俊峰等借C-D生产函数分析土地要素对城市圈经济增长的贡献，研究发现土地要素对经济增长的贡献率小于资本和劳动要素[8]。李明月等运用C-D生产函数和岭回归方法分析了土地要素投入对广东省经济增长的贡献，发现土地要素贡献率大于劳动要素投入，但小于资本要素投资[9]。王志锋等将土地要素引入新古典经济增长模型，研究认为偏向中西部土地供应政策阻碍了区域经济收敛[10]。另一种是初步考虑到空间效应的研究，空间效应的存在打破了经典计量经济学中的高斯—马尔科夫假定，导致传统最小二乘估计（OLS）不再是最优线性无偏估计[11]。随着研究技术方法的进步，将空间效应纳入土地要素对经济增长影响的计量模型逐渐引起了学者的重视。如叶剑平等研究表明借助空间面板模型比普通面板模型所得结果更加可靠[12]。李鑫等利用空间自相关方法，分析了建设用地对二三产业增长的空间关系，得出了土地要素对经济增长具有空间相关性和集聚性特征[13]。谭术魁等、王建康等选取空间杜宾模型方法分析了土地要素对中国城市经济增长的贡献，研究表明同时考虑解释变量和被解释变量的空间杜宾模型优于空间滞后模型和空间误差模型[14-15]。
通过文献梳理可以发现，学术界关于土地要素投入与经济增长的研究取得了较为丰富的成果，为土地资源管理和城市经济增长提供了有益的参考。然而，现有文献还留存着有待拓展的方面。一是，在研究方法上，现有文献在空间杜宾模型应用上鲜有利用偏微分方法求解空间效应值，由于空间杜宾模型所得出的结果，解释变量系数并不直接代表边际效应，对空间杜宾模型估计系数的解释仍然同传统未纳入空间效应回归模型估计解释一样，将导致研究结果产生偏误[16]。二是，在研究内容上，由于研究方法和技术的限制，土地要素对全国以及四大板块经济增长空间溢出效应的研究，尚未得到研究者的足够关注，难以为城市之间合作联动发展以及区域差异化政策制定提供有效的指导和参考。

1 研究方法、变量选取与数据来源

1.1 研究方法

1.1.1 全局空间自相关

本文采用学术界较为主流的全局Moran's I指数来度量中国城市三大生产要素投入和经济产出全局空间相关性[17]。

1.1.2 基础模型设定

柯布—道格拉斯（Cobb-Douglas）生产函数模型是分析经济增长中最为经典和成熟的模型，受到研究者的广泛青睐，本文在借鉴现有文献的基础上[4,8-9,12⇓⇓-15]，将土地要素与资本要素、劳动要素一同纳入到C-D生产函数模型中，构建三要素C-D生产函数：
Y = A K β 1 L β 2 T β 3
两边同时取对数将其转换成普通的线性回归模型：
$\ln Y_{i t}=\alpha+\beta_{1} \ln K_{i t}+\beta_{2} \ln L_{i t}+\beta_{3} \ln T_{i t}+\varepsilon_{i t}$
式中：Y、K、L、T分别表示经济产出、资本要素投入、劳动要素投入和土地要素投入；A为全要素生产率，表示广义技术进步水平； β 1、 β 2、 β 3分别表示资本要素投入弹性、劳动要素投入弹性和土地要素投入弹性； ε i t为随机误差项，表示其他对经济产出有影响的因素。

1.1.3 空间面板杜宾计量模型

空间计量经济学是在传统计量经济学基础上将空间信息嵌入到计量模型中，以处理数据和模型中的空间互动关系。
本文根据根据Tobler地理学第一定律[18]，构建基于地理距离衰减的空间权重矩阵， W i j = 1 / d 2 , i ≠ j ; W i j = 0 , i = j。该权重能够很好地体现出即使城市之间空间不邻但也会存在要素流动的客观现实情况，同时该权重也能够把邻近关系随距离衰减的最本质特征反映出来。由于空间计量模型变量之间存在着空间相关性，因此本文采取极大似然估计（MLE）方法对空间面板杜宾模型进行估计。本文根据Lesage等的偏微分方法将解释变量对被解释变量的总体效应分解为直接效应和空间溢出效应[16]。将SPDM模型移项整理成一般形式：
Y = I - ρ W - 1 α l n + I - ρ W - 1 X β + W X θ + I - ρ W - 1 ε
式中：对于被解释变量Y关于第k个解释变量的偏微分分解矩阵：
∂ Y ∂ X 1 k ⋯ ∂ Y ∂ X n k = ∂ Y 1 ∂ X 1 k ⋯ ∂ Y 1 ∂ X n k ⋮       ⋮       ⋮ ∂ Y n ∂ X 1 k ⋯ ∂ Y n ∂ X n k = I - ρ W - 1 β k     W 12 θ k   ⋯   W 1 n θ k W 21 θ k             β k ⋯ W 21 θ k ⋮       ⋮       ⋱ W n 1 θ k     W n 2 θ k ⋯ β k
式中：分解矩阵中主对角线上的元素用来捕捉直接效应，分解矩阵中非对角线上的元素用来捕捉间接效应。由偏微分分解公式可以发现，某一特定单元解释变量的变动，不仅会对该单元自身被解释变量的变动产生影响，而且同时还会对其他单元被解释变量的变动产生影响，前者称为直接效应，后者称为间接效应（空间溢出效应）。如果 ρ=0并且 θ k=0，则不存在空间溢出效应。

1.2 变量选取与数据来源

本文研究对象为中国大陆283座地级及以上城市，由于统计口径和数据可获得性等原因，本文未将港澳台和西藏等地区包含在样本城市内，也不包含被撤销巢湖市、新设立的三沙市等城市。根据三要素C-D生产函数理论，可知本文需要土地要素投入、资本要素投入、劳动要素投入以及经济产出变量。①土地要素投入：城市建设用地是城市经济活动的空间载体，是城市经济增长的基础要素投入，参考现有文献[12⇓⇓-15,19]，选用市辖区城市建设用地面积（km2），城市建设用地主要涵盖了居住用地、商业服务业设施用地、公共管理与公共服务用地、工业工地、道路交通用地、物流仓储设施用地、公用设施用地和绿地与广场用地等类型，并假定市辖区城市建设用地上没有农业投资、农业从业人员和农业经济产出，以此选取其余指标。②资本要素投入：选用市辖区固定资产投资（亿元），以2003年为基期，利用固定资产投资价格指数，将名义固定资产投资值转换为可比价的实际固定资产投资，并采取张军等人的永续盘存法[20]，计算出历年各城市资本存量。③劳动力要素投入：选用市辖区城镇单位从业人员及城镇私营和个体从业人员总和（万人）。④经济产出：选用市辖区二三产业实际GDP（亿元），为增强数据的可比性，以2003年为基期，利用GDP指数将名义GDP转换为可比价的实际GDP。本文变量数据主要来源于2003—2017年《中国城市统计年鉴》和《中国建设统计年鉴》。其中，城市地理空间位置信息借助ArcGIS软件提取，最终获取到2003—2017年283座城市面板数据。并按照东部率先发展、西部大开发、中部崛起和东北振兴区域发展战略划分为四大版块，东部10省87座城市，中部6省80座城市，东北3省34座城市，西部12省82座城市（图1）。
图1 四大板块与研究样本城市空间分布

Fig.1 Spatial distribution of four major economic plates and study samples

2 实证结果分析

2.1 城市土地要素投入空间格局

借助ArcGIS软件将2003和2017年中国城市土地要素投入空间格局特征进行可视化显示（图2、图3），并按照土地要素投入水平（km2），将其划分为四种类型：低值区（0，100]、中低值区（100，250]、中高值区（250，500]和高值区（500，2 000]。从总体上来看：①中国城市土地要素投入整体呈增长趋势，2003年城市土地要素投入处于低值区城市有231座，占总体样本比例为82%，处于其他区间城市有52座，占比为18%。2017年城市土地要素投入处于低值区城市缩减到了160座，占比为57%，处于其他区间城市增加到了123座，占比为43%。②中国城市土地要素投入在空间分布格局上存在明显的区域差异性，中高值区和高值区主要以点状分布于省会城市和直辖市城市，以片状分布于京津冀城市群、山东半岛城市群、长三角城市群、珠三角城市群和成渝城市群等经济发达的城市集聚地区。
图2 2003年城市土地要素投入空间分布（km2）

Fig.2 Spatial distribution of urban land element input in 2003（km2）

图3 2017年城市土地要素投入空间分布（km2）

Fig.3 Spatial distribution of urban land element input in 2017（km2）

2.2 全局空间相关性检验

在进行空间计量模型估计之前需要检验相关变量是否存在空间相关性，本文利用全局莫兰指数，并借助GeoDa软件对城市经济产出（GDP）、资本要素投入（CAPITAL）、劳动要素投入（LABOR）、土地要素投入（LAND）进行空间相关性检验（图4）。结果显示，2003—2017年城市经济产的Moran's I为0.239~0.262；资本要素的 Moran's I为0.178~0.242；劳动要素的 Moran's I为0.172~0.252；土地要素的 Moran's I为0.177~0.218，并且各变量均通过1%统计显著性水平检验。由此发现，中国城市经济产出以及资本、劳动和土地等生产要素投入在地理空间上并不是相互独立随机分布的，而是存在显著正向全局空间相关性，即本地城市经济产出、资本、劳动和土地等生产要素的投入不仅会影响到邻近城市，而且也会受到邻近城市影响。因此，在分析土地要素投入对城市经济增长的模型构建上需要将空间互动效应纳入到计量模型中。从总体上来看，2003—2017年城市经济产出空间相关性最高，并呈现出相对较为稳定状态；2003—2017年资本要素投入空间相关性呈现出先减弱后增强变化特征；2003—2017年劳动要素投入和土地要素投入空间相关性总体呈现出波动增强趋势。
图4 全局空间相关性Moran’s I时序演进图

Fig.4 Global spatial correlation Moran ’s I temporal evolution diagram

2.3 空间模型检验与选择

根据表1空间计量模型检验结果，可以发现SLM和SEM的LM检验和Robust LM检验均通过了1%的显著性水平检验，表明空间滞后模型和空间误差模型同时存在，那么就倾向于选择空间杜宾模型[11,16]。此时再进一步对空间杜宾模型进行检验，检验其是否可以退化为空间滞后模型或空间误差模型。其中，Wald检验和LR检验都在1%的显著性水平上拒绝了空间杜宾模型可以退化为空间滞后模型和空间误差模型的原假设，因此，应当选择空间杜宾模型[21]。同时，Hausman 检验在1%显著性水平拒绝随机效应的原假设，所以最终采用固定效应空间杜宾模型。
表1 空间计量模型检验

Tab.1 Spatial econometric model test

检验指标 检验方法 统计值 p-value
LM检验 LM test no spatial lag 860.956 0.000
LM test no spatial error 544.107 0.000
Robust LM检验 Robust LM no test spatial lag 470.464 0.000
Robust LM no test spatial error 153.616 0.000
Wald检验 Wald test spatial lag 122.836 0.000
Wald test spatial error 39.144 0.000
LR检验 LR test spatial lag 118.951 0.000
LR test lag spatial error 41.418 0.000
Hausman检验 Hausman test 22.345 0.000

2.4 空间效应分解分析

表2为全国尺度和四大板块尺度空间面板杜宾模型估计结果，可以发现，模型拟合优度都大于0.90，表示模型解释力度较高。被解释变量空间相关系数 ρ在全国尺度和四大板块尺度都为正，并且通过了至少10%显著性水平检验，由此可以发现，地区经济增长存在显著的空间溢出效应，这也进一步验证了将空间效应纳入到计量模型中的合理性和必要性。但是空间杜宾模型所得出的结果，解释变量系数并不直接表示边际效应，也不表示直接效应和溢出效应[22]，并不能采取传统的非空间模型解释系数的方法对其加以解释，需要利用偏微分分解方法求解出解释变量的直接效应和间接效应[16]。直接效应即本地效应，表示本地生产要素投入对本地城市经济增长的影响，间接效应即空间溢出效应，表示本地生产要素投入对邻近城市经济增长的影响。
表2 空间面板杜宾模型估计结果

Tab.2 Spatial panel dubin model estimation results

变量 全国 东部 中部 西部 东北
系数 t-stat 系数 t-stat 系数 t-stat 系数 t-stat 系数 t-stat
lnK 0.477*** 35.723 0.640*** 22.416 0.457*** 21.613 0.350*** 13.232 0.485*** 15.379
lnL 0.399*** 25.113 0.296*** 10.284 0.430*** 15.491 0.587*** 21.435 0.071 1.283
lnT 0.270*** 16.714 0.237*** 9.528 0.255*** 7.899 0.206*** 6.584 0.674*** 13.178
W×lnK -0.203*** -9.674 -0.419*** -10.840 -0.048 -1.058 -0.155*** -4.165 0.224*** 3.477
W×lnL 0.061*** 2.329 0.072* 1.730 -0.005 -0.106 0.240*** 5.379 0.117 1.172
W×lnT 0.045* 1.745 -0.156*** -4.377 -0.038 -0.667 0.225*** 4.607 0.154* 1.701
ρ 0.193*** 10.516 0.406*** 17.874 0.124*** 3.522 0.052* 1.698 -0.271*** -5.254
R2 0.931 0.936 0.919 0.925 0.925
样本数 4 245 1 305 1 200 1 230 510

注：*、**、***、分别表示在10%、5%、1%的水平上显著。表3~表4同。

2.4.1 全国尺度空间效应分解分析

表3为全国尺度空间效应分解结果。①在直接效应上，资本直接效应系数>劳动直接效应系数>土地直接效应系数，并且系数都为正，均通过1%显著性水平检验，表明本地城市资本要素、劳动要素和土地要素的投入有利于促进本地城市经济增长。其中，土地直接效应系数为0.274，即在控制其他要素不变的情况下，本地土地要素投入每增加1%，本地经济增长增加0.274%。②在溢出效应绝对值上，劳动溢出效应系数>资本溢出效应系数>土地溢出效应系数，并且均通过了1%的显著性水平检验，可能的原因是劳动和资本属于流动性生产要素，土地属于空间位置固定性生产要素，流动性生产要素相比固定性生产要素更容易产生空间溢出效应。其中资本溢出效应系数为-0.131，即在控制其他要素不变的情况下，本地资本投入每增加1%，邻近城市经济负增长0.131%，表明本地城市资本要素投入增加，不利于邻近城市经济增长，可能的原因是邻近城市在资本投资上存在竞争效应[23]和跟风模仿效应，本地城市资本要素投入增加对邻近城市经济增长产生了虹吸效应或挤出效应。其中土地溢出效应系数为0.113，即在控制其他要素不变的情况下，本地土地要素投入每增加1%，邻近城市经济增长增加0.113%。表明本地城市土地要素投入增加有利于邻近城市经济增长，主要的原因是本地城市土地要素投入增加促进本地经济增长的同时通过涓滴效应或共享效应对邻近城市经济增长产生促进作用。
表3 全国尺度空间效应分解

Tab.3 Decomposition of national scale spatial effects

变量 直接效应 溢出效应 总效应
系数 t-stat 系数 t-stat 系数 t-stat
lnK 0.470*** 36.035 -0.131*** -5.699 0.339*** 14.308
lnL 0.407*** 25.451 0.165*** 5.614 0.572*** 17.009
lnT 0.274*** 17.127 0.113*** 3.793 0.387*** 11.221

2.4.2 四大板块尺度空间效应分解分析

表4为四大板块尺度空间效应分解结果。从总体上看，资本、劳动和土地要素的投入仍然是促进城市经济增长的动力基础。资本、劳动和土地要素投入对城市经济增长的直接效应和溢出效应存在区域差异性。具体而言如下：
表4 四大板块尺度空间效应分解

Tab.4 Decomposition of the spatial effect of four major economic plates

区域 变量 直接效应 溢出效应 总效应
系数 t-stat 系数 t-stat 系数 t-stat
东部 lnK 0.622*** 21.888 -0.248*** -4.997 0.374*** 6.936
lnL 0.319*** 10.642 0.301*** 5.050 0.620*** 8.863
lnT 0.228*** 8.733 -0.092* -1.731 0.137** 2.054
中部 lnK 0.456*** 21.303 0.010 0.219 0.466*** 9.339
lnL 0.434*** 15.591 0.053 1.070 0.486*** 8.596
lnT 0.254*** 7.599 0.008 -0.125 0.246*** 3.360
西部 lnK 0.348*** 13.225 -0.150*** -4.089 0.198*** 4.445
lnL 0.592*** 21.580 0.291*** 6.630 0.883*** 16.983
lnT 0.210*** 6.382 0.253*** 5.003 0.462*** 7.962
东北 lnK 0.476*** 15.150 0.082 1.611 0.558*** 11.791
lnL 0.063 1.058 0.085 0.929 0.148* 1.741
lnT 0.677*** 12.102 -0.028 -0.361 0.648*** 9.365
①东部地区，资本弹性直接效应系数为正，溢出效应系数为负，均通过1%显著性水平检验。表明在东部地区本地资本要素投入增加有利于促进本地城市经济增长，但会通过负向溢出效应抑制邻近城市经济增长。劳动弹性直接效应和溢出效应系数都为正，均通过1%显著性水平检验，表明在东部地区劳动要素投入的增加不仅可以促进本地城市经济增长，还会通过正向溢出效应促进邻近城市经济增长。土地弹性直接效应系数为正，溢出效应系数为负，均通过1%显著性水平检验，表明在东部地区本地土地要素投入增加有利于促进本地城市经济增长，但会通过负向溢出效应抑制邻近城市经济增长。就东部地区土地要素投入与利用而言，主要的原因是自2003年之后，政府开始实施压缩东部地区土地供应政策，而实施倾向于中西部地区土地供应政策[24]。东部地区在工业化和城镇化快速推进中对土地要素的需求量激增，在供给减少和需求增多的双重压力下，造成东部地区城市之间在有限土地要素供给上存在的激烈争夺效应，在城市土地利用上更是精打细算，当邻近地区城市土地要素供给存在稀缺或有效利用不足，造成资本、劳动等生产要素投资回报低时，而资本、劳动等流动性生产要素具有逐利性就会向土地要素供给充足或土地利用效率高和投资回报高的城市转移，当本地城市依托土地为空间载体对资本、劳动等生产要素产生集聚规模和自我强化效应，就会对邻近城市流动性生产要素产生吸取或虹吸效应，从而造成对邻近城市经济增长产生负向溢出效应。此外，从全国生产要素迁移方向来看，东部经济发达城市对流动性生产要素的吸引和汲取可能是超越东部地域性的，其土地要素投入对城市经济增长的负向溢出也可能不仅局限于东部地区，而是全国性的。
②中部地区，资本、劳动和土地弹性直接效应系数都为正，均通过1%显著性水平检验。资本、劳动和土地弹性溢出效应系数都为正，但未均通过10%显著性水平检验。表明在中部地区资本、劳动和土地要素投入增加可以促进本地城市经济增长，但对邻近城市经济增长并无显著的溢出效应。主要的原因是中部地区缺少像东部地区的北京、上海、广州和深圳那样能够担当整个区域增长极，并对其他城市经济发展发挥强大辐射带动作用的超大核心城市，同时中部地区内部城市之间产业关联度不高[25]，经济联系度较低，城市之间生产要素流动性不足，造成彼此之间影响能力较弱。而且，中部地区各城市在经济发展过程中凭借着各自的地缘优势需要拿出大量的土地作为空间载体来承接东部沿海发达地区的产业转移，由此形成产业迁移乘数效应，提高了中部与东部城市之间要素流动和相互联系，相对削弱了中部地区内部城市之间的联系度，从而造成中部地区本地城市土地等生产要素的投入仅对本地城市经济增长具有显著正向影响，对邻近城市经济增长尚未形成显著影响。
③西部地区，资本、劳动和土地弹性直接效应系数都为正，均通过1%显著性水平检验。资本弹性溢出效应系数为负，劳动和土地弹性溢出效应系数都为正，均通过1%显著性水平检验。表明在西部地区本地土地要素投入增加不仅可以促进本地城市经济增长，而且还可以通过正向溢出效应促进邻近城市经济增长。可能的原因是西部地区土地要素供应相对充足，甚至出现闲置过剩情况[26]，城市之间不会像东部地区那样因土地供给的稀缺而产生竞争性争夺，同时西部地区城市社会经济发展成熟度相对较低，自身发展能力较弱，城市经济增长更多需要依赖国家政策红利扶持，当邻近城市以土地要素投入为空间载体来进行基础设施建设和重大项目投资，形成政府投资乘数效应或政府购买乘数效应促进城市经济增长时，本地城市也会因此受益。
④东北地区，资本和土地弹性直接效应系数为正，均通过1%显著性水平检验。劳动弹性直接效应系数为正，未通过1%显著性水平检验。资本和劳动弹性溢出效应系数为正，土地弹性溢出效应系数为负，但均未通过1%显著性水平检验。表明在东北地区劳动要素投入增加对本地城市和邻近城市经济增长均无显著影响，主要原因是体制内从业人员较多。而资本和土地要素投入增加仅可以促进本地城市经济增长，对邻近城市经济增长并无显著溢出效应。可能的原因是东北地区城市经济发展结构中国企比重大、工业比重高[27]，推动了经济增长对资本要素投入的依赖。同时，东北地区内部城市之间生产要素流动性差，外部市场化要素流入少，本地民间资本和高素质劳动人才等流动性生产要素向东部沿海地区流失较为严重，推高了城市经济增长对无法流动性土地要素依赖度，这也造成了本地城市土地等生产要素投入增加对对邻近城市经济增长尚未形成显著影响。

3 结论与政策启示

3.1 结论

①中国城市土地要素投入整体呈增长趋势，空间分布上存在明显的区域差异性。中国城市三大生产要素投入以及经济产出全局Moran's I都为正数，均通过1%统计显著性水平检验，说明城市资本、劳动和土地等生产要素的投入以及经济产出并不是相互独立，而是存在地理上的空间相关性，因此，在计量模型的构建上需要将空间效应纳入到回归模型中。
②全国尺度中，在直接效应上，资本系数>劳动系数>土地系数，在溢出效应上，劳动系数>资本系数>土地系数，流动性生产要素相比固定性生产要素更容易产生空间溢出效应。全国尺度下土地要素的投入不仅可以促进本地城市经济增长，而且也可以促进邻近城市经济增长。土地要素投入直接效应系数为0.274，溢出效应系数为0.113，即在控制其他要素不变的情况下，本地土地要素投入每增加1%，本地经济增长增加0.274%，周围邻近城市经济增长增加0.113%。
③四大板块尺度中，土地、资本和劳动要素投入对城市经济增长空间效应存在明显的区域差异性。土地要素投入的增加，在东部地区可以促进本地城市经济增长，但会通过负向溢出效应抑制邻近城市经济增长，在西部地区不仅可以促进本地城市经济增长，而且也可以通过正向溢出效应促进邻近城市经济增长，在中部和东北地区仅可以促进本地城市经济增长，对邻近城市经济增长尚未形成显著影响。这种区域差异性形成的主要原因是四大板块各自经济发展成熟度和发展阶段性特征、空间地理位置的特定性和资源禀赋条件、板块内部经济合作发展联系度、板块之间经济发连接程度上的差异性以及国家宏观政策上偏向等综合作用。

3.2 政策启示

第一，逐步提高新的生产要素在城市经济增长中的作用。城市经济增长需要摆脱对土地、资本和劳动等传统要素投入的过度依赖，通过加强知识积累、技术进步和制度创新等新的生产要素投入来提高城市经济增长中的全要素生产率。
第二，加快推进区域经济发展一体化进程。在各项生产要素投入和利用中树立全局利益观，打破孤岛视角，树立共赢意识。在四大板块上，借助现代化交通路网和信息传输网络加强四大板块内部和板块之间的要素流动和经济联系度。在城际上，需要同时考虑土地要素投入对本地城市以及邻近城市经济增长的直接效应和空间溢出效应，综合提高本地生产要素之间和城际生产要素之间的配置利用效率。
第三，加强邻近城市之间的土地资源开发利用上合作联动作用。充分考虑不同城市的地理区位条件、资源禀赋和资源配置能力以及经济发展阶段特征，因城实施土地开发利用和产业布局政策，构建建设用地指标跨区域市场化配置机制，建设用地富余的城市通过市场化路径将其转卖给城市建设用地供需矛盾突出的城市，以此来缓解城市建设用地在行政调配上的空间错配问题，同时需要兼顾城市土地要素投入开发利用中经济、社会和生态效益的协调统一发展。
第四，具体到四大板块而言，东部地区适当增加经济发达城市建设用地的配给，利用现代化技术加大对城市存量土地的挖潜，为城市经济发展拓展更大的发展空间，提高对欠发达城市经济发展的辐射带动能力，经济较弱城市发挥自身优势进行错位发展，加强与邻近经济发达城市之间产业上互补合作。中部地区需要发挥自身比较优势承接经济发达地区的产业转移，避免同质化竞争，同时需要提高土地利用效率，加强内部城市之间的经济联系度，培值区域经济增长极，避免中部整体塌陷。西部地区谨防陷入土地资源诅咒陷阱，利用好国家对西部政策支持红利，提高资本、劳动等要素投入与土地要素投入之间的配置利用效率，培育经济增长内生动力。东北地区推进市场化改革，营造良好投资环境，打破路径依赖，构建多元化产业体系，推进产业结构转型升级，淘汰落后产业，寻求经济增长新动能，逐渐减小城市经济增长对土地资源的过度依赖。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
亚当·斯密. 国富论[M]. 北京: 中国华侨出版社, 2019.

[2]
黄乾. 中国步入人口质量红利时代[J]. 人民论坛, 2019(14):68-69.

[3]
陆铭. 中国经济的症结是空间错配[J]. 深圳大学学报:人文社会科学版, 2019, 36(1):77-85.

[4]
毛振强, 左玉强. 土地投入对中国二三产业发展贡献的定量研究[J]. 中国土地科学, 2007(3):59-63.

[5]
李效顺, 蒋冬梅, 曲福田, 等. 边际土地利用与经济增长关系计量研究[J]. 中国人口·资源与环境, 2009, 19(3):92-95.

[6]
杨志荣, 靳相木. 基于面板数据的土地投入对经济增长的影响——以浙江省为例[J]. 长江流域资源与环境, 2009, 18(5):409-415.

[7]
徐枫, 王占岐. 中部6省土地要素投入对城市经济增长效率影响研究[J]. 中国土地科学, 2015, 29(10):4-11.

[8]
张俊峰, 张安录. 基于要素贡献率的建设用地差别化管理——以武汉城市圈为例[J]. 经济地理, 2015, 35(10):171-178,193.

[9]
李明月, 张志鸿, 胡竹枝. 土地要素对经济增长的贡献研究——基于土地资源与土地资产双重属性的视角[J]. 城市发展研究, 2018, 25(7):61-67.

[10]
王志锋, 朱中华, 黄志基. 土地政策的偏向性对我国区域间经济差距的影响研究[J]. 经济纵横, 2020(1):74-83.

[11]
Anselin L. Spatial econometrics:methods and models[M]. Netherlands: Kluwer Academic Publishers,1988.

[12]
叶剑平, 马长发, 张庆红. 土地要素对中国经济增长贡献分析——基于空间面板模型[J]. 财贸经济, 2011(4):111-116,124.

[13]
李鑫, 张瑞平, 欧名豪, 等. 建设用地二三产业增长贡献及空间相关性研究[J]. 中国人口·资源与环境, 2011, 21(9):64-68.

[14]
谭术魁, 饶映雪, 朱祥波. 土地投入对中国经济增长的影响[J]. 中国人口·资源与环境, 2012, 22(9):61-67.

[15]
王建康, 谷国锋. 土地要素对中国城市经济增长的贡献分析[J]. 中国人口·资源与环境, 2015, 25(8):10-17.

[16]
Lesage J P, Pace R K. Introduction to spatial econometrics[M]. Boca Raton: CRC Press,2009:45-75.

[17]
邹琳, 曾刚, 曹贤忠. 基于ESDA的长三角城市群研发投入空间分异特征及时空演化[J]. 经济地理, 2015, 35(3):73-79.

[18]
Tobler W R. A computer movie simulating urban growth in the detroit region[J]. Economic Geography, 1970, 46(1):234-240.

[19]
夏方舟, 严金明, 徐一丹. 基于随机边界分析的土地要素对中国经济技术效率影响研究[J]. 中国土地科学, 2014, 28(7):4-10.

[20]
张军, 吴桂英, 张吉鹏. 中国省际物质资本存量估算:1952—2000[J]. 经济研究, 2004(10):35-44.

[21]
Elhorst J P. Spatial econometrics. From cross-sectional data to spatial panels[M]. Heidelberg:Springer,2014:63-67.

[22]
伍骏骞, 方师乐, 李谷成, 等. 中国农业机械化发展水平对粮食产量的空间溢出效应分析[J]. 中国农村经济, 2017(6):44-57.

[23]
郭庆旺, 赵旭杰. 地方政府投资竞争与经济周期波动[J]. 世界经济, 2012, 35(5):3-21.

[24]
陆铭, 张航, 梁文泉. 偏向中西部的土地供应如何推升了东部的工资[J]. 中国社会科学, 2015(5):59-83,204-205.

[25]
彭连清. 关于中部地区经济增长溢出效应的实证分析[J]. 经济经纬, 2008(1):63-66.

[26]
陆铭, 李鹏飞, 钟辉勇. 发展与平衡的新时代——新中国70年的空间政治经济学[J]. 管理世界, 2019, 35(10):11-23,63,219.

[27]
和军. 东北经济的结构、体制关键障碍与突破路径[J]. 当代经济研究, 2019(8):96-106.

Options
文章导航

/

〈 〉