山西省工业用地价格的空间分异及其测算

赵杰，毕如田，张冰，荆耀栋，张迁迁

(山西农业大学 资源环境学院，山西 太谷 030801)



山西省工业用地价格的空间分异及其测算

赵杰，毕如田*，张冰，荆耀栋，张迁迁

(山西农业大学 资源环境学院，山西 太谷 030801)

摘要：本研究收集了山西省2009-2014年的工业用地价格信息。采用探索性空间数据分析方法(ESDA)研究山西省工业用地价格的空间分异规律，通过BP神经网络对工业用地价格进行了测算，将结果与同用途所在级别基准地价以及工业用地最低价标准作对比。结果表明：山西省工业用地价格呈现出显著的空间集聚，整体上呈现东高西低，中南部高、北部偏低的趋势。高值聚集在六大盆地以及京昆高速、二广高速、同蒲铁路、G108国道等交通沿线的经济发达且交通便利的区域，而低值多聚集在吕梁山、太行山、太岳山、中条山等经济水平欠发达、对外交通不便的区域。利用BP神经网络对工业用地价格的测算结果与真实值的相关系数为0.744，要高于基准地价的0.560以及最低价标准的0.606，本研究结果更加接近实际价格。研究结论对研究山西省工业用地价格以及制定地价政策具有指导作用。

关键词：工业用地价格；空间分异；BP神经网络；山西省

土地作为重要的生产要素，是任何经济活动都必须依赖和利用的资源。改革开放以来工业化快速发展取得了巨大的成就，中国已经整体步入工业化中期阶段[1]。而工业用地价格是工业用地位置、土地质量、土地经济收益能力和土地供求关系的综合反映。因此，加强工业用地价格的管理有利于为工业的发展创造有利条件，有利于促进工业用地集约节约利用，有利于保障城镇化、工业化的稳步健康发展。

对于工业用地价格的研究国外要早于国内，20世纪80年代开始研究轻工业不动产询问价格的影响因素。国外对工业用地价格的研究主要侧重其影响因素的确定。Kowalski采用了多元回归得出临街程度、地区交通便利程度、与交易市场距离对美国底特律工业区地价有显著正影响[2]；Fehrrbach等运用回归方法分别确定了工业不动产本身、土地用途分区政策、环境污染对地价的显著相关性[3~5]；Lockwood运用多元因素分析型线性关系模式(LISREL)减少了回归分析中变量含误差的问题，认为美国达拉斯/沃斯堡工业不动产本身特性、区位变量和地区市场因素与工业不动产价格显著相关[6]；Salvador del Saz-Salazar和Leandro García-Menéndez认为西班牙巴伦西亚区的区位因素对私人部门价格影响要大于对政府提供的工业用地价格的影响[7]。而国内在这方面的研究起源于20世纪90年代初期，此后研究主要集中于三个方面：定性或定量研究某一区域工业用地价格的影响因素；采用博弈论方法研究工业用地出让价格形成机制；工业用地价格标准的确定。刘金灿和施建刚采用面板数据模型实证检验了产业集聚、经济和社会发展对工业地价的影响[8]；赵松采用定性分析法和统计分析法研究了地价走势和各宏观经济指标间的相关性[9,10]；吕萍和甄辉通过地理加权回归(GWR)探索了不同影响因素对北京市住宅用地出让价格的影响及其空间差异性[11]；吴宇哲认为低地价政策实际是区域间的政策博弈[12]；刘卫东认为工业用地成本核算，土地级差收益还原，工业厂房租金、售价剥离和工业用地招拍挂成交价格修正等科学估价途径和方法，可以克服工业地价评估中非客观性因素的干扰[13]。

山西省是我国重要的能源重化工基地，山西省工业的发展是对全国工业发展的重要支撑，加强工业用地地价管理、掌握地价信息对工业发展具有重要作用。而现有研究对工业用地价格的空间分布研究较少，并且工业用地价格标准确定不合理[13]。本研究在现有研究的基础上，对山西省工业用地价格的空间分异特征进行分析，并采用BP神经网络对工业用地价格进行测算，为加强山西省工业地价管理以及制定价格政策提供支持。

1数据与研究方法

1.1　研究区概况

山西省总面积15.67万km2，下辖11个地级市，119个县级行政单位。近十年来山西省的产业均是以第二产业为主。山西省矿产丰富，独特的资源优势奠定了山西以能源工业为支撑的重型产业结构，工业经济主要以煤、焦、铁为主导。2014年全年全省生产总值的12 759.4亿元。其中，第二产业增加值6 343.3亿元，占生产总值的49.7%。2014年，山西省规模以上工业企业3 720家，实现主营业务收入17 119.9亿元，利税973.4亿元，利润210.6亿元[14]。山西省工业用地总量为184.69 km2，工业用地约占土地供应总量的60%~80%，城市工业用地规模2012年已经达到了150.21 km2，人均工业用地面积13.53 m2。

1.2　研究数据与来源

本研究对全省11个地级市的119个县(市、区)2009-2014年的工业用地信息进行了收集整理。本次共收集用地实例1 400个，审核数据的完整性、正确性和数据间逻辑关系的合理性并在ArcGIS软件环境下剔除异常值后，实际使用1 312个。收集数据的空间点位分布如图1。收集信息内容包括：征地面积、出让价款、征收前人均耕地面积、需安置总人数、供地面积、规划容积率、所在级别同用途基准地价以及各种土地成本。土地成本细分为土地补偿费、安置补助费及其中社保补贴、青苗及地上附着物补偿费、土地开发成本、相关税费、地区主导开发程度和其他成本等。

图1　空间点位分布图Fig.1　Spatial points distribution diagram

本研究的其他数据：全年地区生产总值、全年地方财政收入、全年社会消费品零售总额、全年社会固定资产投资、工业总产值、工业企业数、工业末级基准地价、工业用地最低价等来自《山西省统计年鉴》、《山西省基准地价》、《全国工业用地最低价标准》。

1.3　研究方法

1.3.1探索性空间数据分析方法

本研究综合利用GIS与探索性空间数据分析(Exploratory Spatial Data Analysis, ESDA)技术研究山西省工业用地价格的空间分布特征。ESDA是SDA技术的一种，它将统计学与现代图形计算技术相结合，用比较直观的方法表现空间数据的空间依赖和空间异质现象，主要借助全局空间相关性和局部空间相关性两类工具，具体计算参见文献[15]和[16]。

1.3.2BP神经网络

误差反向传播网络(Back Propagation Net-work)，简称BP网络，是目前应用最广泛的人工神经网络的应用模型，可以以任意精度逼近任意连续函数。BP算法通过网络误差的反向传播，调整和修改网络的连接权值和阈值，使误差达到最小。BP网络是一种多层前馈神经网络，不仅有输入节点和输出节点，而且至少还有一层隐含节点。本研究采用Matlab软件提供的神经网络工具箱(Neural Network Toolbox, NNbox)实现BP神经网络[17]。

2结果与分析

2.1　工业用地价格探索性空间数据分析

使用ESDA方法，对1 312个用地实例点进行正态分布检验以及空间相关性分析。通过QQPLOT图将1 312个工业用地价格空间点的分布与标准正态分布对比，表明工业用地价格数据概率分布符合正态分布，如图2。

图2　QQPLOT正态分布检验图Fig.2　QQPLOT normal distribution test diagram

2.1.1山西省工业用地价格空间相关性

本研究利用GeoDa软件计算山西省工业用地价格空间点的全局Moran’s I指数为0.592 1，全局Moran’s I指数较大，正态统计量Z值远大于0.05 置信水平下的临界值1.96，通过显著性检验。这说明工业用地价格存在显著的空间正相关，换言之，工业用地价格高的地方，其周边工业用地价格也高。工业用地价格呈现出空间集聚特征。

2.1.2山西省工业用地价格空间分异特征

绝大多数县域的工业用地价格位于HH和LL区内，相应的表现出正的空间自相关，与空间相关性分析结果一致，如图3。图中可看出，HH类型大多分布在山西中部的太原盆地、北部忻定盆地、晋南运城盆地、临汾盆地以及晋东南的长治盆地等六大盆地地区和阳泉、晋城等煤炭基地，而LL多集中于吕梁山、东部的太行山、太岳山以及晋南的中条山等经济相对欠发达地区。从空间分异结果上来看，总体上反映出山西省工业用地价格在空间分布上的不均衡性，即工业用地价格高的集聚于盆地，相反价格低的则集聚于山区。山西省工业用地价格存在着空间自相关性和异质性。

图3　Moran类型图Fig.3　Moran type diagram

从LISA(Local indicators of Spatial association)结果来看，Moran散点图中属于左上象限(LH)和右下象限(HL)的工业用地价格异常区中只有极少数的点通过了显著性检验。LISA的高值集聚区集中于经济发达并且交通运输能力强的地区，如汇集京昆高速、二广高速、同蒲铁路、太焦铁路、G108国道等交通线路的太原及周边地区，晋东南二广高速、太焦铁路与G309国道交汇处，北部大呼高速、二广高速、G109国道、G208国道交汇处，晋南京昆高速、大运高速、南同蒲铁路、侯西铁路、G108国道汇聚处等。LISA低值集聚区，即工业用地低价聚集区主要位于海拔比较高的山区或丘陵地带，交通也欠发达。具体结果如图4。

图4　LISA集聚图Fig.4　LISA Aggregate diagram

2.2　工业用地价格空间插值分析

通过探索性空间数据分析可知本研究采用工业用地价格数据符合正态分布且存在空间相关性。因此本研究可以采用克里金插值法做进一步的分析。

从图5中可以看出，工业用地价格整体上呈现东高西低，中南部高、北部偏低的趋势。并且工业用地价格有从高值集中的核心区域向四周逐步阶梯式降低的趋势。在太原市市区一带最高且向其周围逐渐递减。由于太原市是山西省政治、经济、文化、交通中心，因此该区域工业用地价格较高。

图5　工业用地价格空间分布Fig.5　Spatial distribution of industrial land price

2.3　BP神经网络预测工业用地价格

影响工业用地价格的因素繁多，经济因素、社会因素、土地政策、土地征收开发成本等诸多因素或多或少都影响着工业用地的价格[3,4]。本研究在选择工业用地价格影响因素时，在结合前人研究的基础上[18~22]，考虑到可以明显影响其价格的因素，并且这些因素也要易于量化处理。要将影响工业用地价的所有因素都找到是不客观的，结合上两节关于工业用地价格空间分异规律，本研究选取指标见表1。

根据收集到的资料，本研究选择31个神经元的输入层、1个隐含层以及1个输出层的三层结构的BP神经网络建立预测模型[23，24]。隐含层神经元的数目如果过少，会导致网路容错性降低、识别样本困难，如果数目过多则会使网络训练时间加长、降低网络泛化能力，所以需要合理确定隐含层数目，根据前人经验采用公式[17]：

(1)

公式(1)中，i是隐含层神经元数目；n为输入层神经元数目；m为输出层神经元数目；a为常数，1

表1　工业用地价格预测指标选取

将预测结果、所在级别同用途基准地价、全国工业用地最低价标准分别与实际值的相关性作对比，并结合三者的散点图(图6)，可看出预测结果要比所在级别同用途基准地价及全国工业用地最低价标准更能反映工业用地价格的真实水平。预测值与真实值的相关系数为0.744，最低价标准与真实值的相关系数为0.606，这两者都属于强相关；基准地价与真实值的相关系数为0.560，属于中度程度相关。预测结果与实际值的相关性>所在级别同用途基准地价与实际值的相关性>全国工业用地最低价标准与实际值的相关性，并且都具有显著的统计学意义。同时，这三者与真实值误差平均值分别为24.6%、30.1%和31.2%，分别统计小于30%、小于10%、小于5%、小于1%的数量，结果表明预测结果与实际值的误差相对较小。具体结果见表2。

图6　预测结果、基准地价、最低价标准与实际值的散点图Fig.6　The scatter diagram of standard of predictive value, standard land price, lowest price and actual value

实际值Actualvalue误差ErrorsPearson相关性显著性平均误差/%<30%的数量/个<10%的数量/个<5%的数量/个<1%的数量/个预测结果0.744**0.00024.691933519466基准地价0.560**0.00030.178032518037最低价标准0.606**0.00031.263321513020

注：**说明在 .01 水平(双侧)上显著相关

Note: ** means its significant correlation at the 0.01 level (both sides).

3结论与讨论

本文通过收集山西省近5年工业用地价格信息，运用GIS及空间分析方法与技术，分析工业用地价格的空间分异特征；并通过使用BP神经网络对1 312个工业用地实例点进行训练分析建模，测算工业用地价格。

研究表明，山西省工业用地价格呈现出显著的空间集聚，局部分异上也表现出稳定的“高高”、“低低”空间集聚状态。整体上呈现东高西低，中南部高北部偏低的趋势，并且工业用地价格有从高值集中的核心区域向四周逐步阶梯式降低的趋势。山西省工业用地价格空间分异与区域经济、交通水平等因素存在着显著的空间关联性。工业用地价格高值集聚区域主要分布在六大盆地和作为煤炭基地的阳泉、晋城等经济较发达地区。从交通方面看，高值聚集区则分布在交通相对发达的区域，低值集聚区集中于交通相对落后的山区地带。

本文研究结果可以对工业用地的区域化管理以及工业用地价格的制定提供支持，促进工业用地集约节约利用，进一步保障城镇化、工业化的稳步健康发展。本文受数据的限制，仅对整个山西省工业用地价格进行了分析，并未采取分行业的形式研究其各行业空间分异特点；并且由于时间跨度较小没有在时间上进行变化分析。因此，长时间序列数据和分行业的分析有待继续跟踪研究。另外，工业用地价格的测算对加强地价管理、促进土地集约节约利用、稳步推进城镇化和工业化具有重大作用。需要进一步更加合理深入研究工业用地价格。

参考文献

[1]陈佳贵,黄群惠,钟宏武,等. 中国工业化进程报告(1995-2010)(2012版) [M].北京:社会科学文献出版社, 2012：1-19.

[2]Kowalski J G,Paraskevopoulos C C.The Impact of Location on Urban Industrial Land[J].Journal of Urban Economics,1990, 27 (1):16-24.

[3]Fehrrbach F, Rutherford R, Eakin M.An Analysis of the Determinants of Industrial property Valuation [J].Real Estate Research, 1993 (8): 365-376.

[4]Asabere P K,Huffman F E. Zoning and Industrial Land Values: The Case of Philadelphia [J].Real Estate Economics,1991,19 (2): 154-160.

[5]Jackson T O.Environmental Contamination and Industrial Real Estate Prices[J].Journal of Real Estate Research,2002,23(1/2): 179-199.

[6]Lockwood L J,Rutherford R.Determinants of Industrial Property Value[J].Real Estate Economics,1996,24 (5): 257-272.

[7]Salvador del Saz-Salazar,Leandro García-Menéndez.Public Provision versus Private Provision of Industrial Land.a Hedonic Price[J].Land Use Policy, 2005 (22): 215-223.

[8]刘金灿,施建刚. 我国城市工业用地价格的影响因素分析——基于35个大中城市面板数据的实证研究[J].价格理论与实践,2013,07:56-57.

[9]赵松,肖晓俊. 宏观框架下的地价影响因素分析[J].中国土地科学,2012(9):4-11.

[10]赵松,田彦军,周光源,等. 近年城市各业用地价格研究[J].中国土地科学,2011(5):4-9.

[11]吕萍,甄辉. 基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究[J].经济地理, 2010(3): 472-478.

[12]吴宇哲. 基于博弈论的区域工业地价均衡分析及管理策略研究[J].浙江大学学报(人文社会科学版), 2007, 37(4): 124-133.

[13]刘卫东,段洲鸿. 工业用地价格标准的合理确定[J].浙江大学学报(人文社会科学版),2008,38(4):146-153.

[14]山西省2014年国民经济和社会发展统计公报[EB/OL]．2015年03月05日 [引用日期2015-08-20]．山西省人民政府网.

[15]高金兰,甘淑,袁希平. 基于ESDA的城镇地价空间分异特征分析研究——以芒市为例[C]//Proceedings of International Conference on Engineering and Business Management(EBM2012).Wuhan University、Chung Hua University、University of Science and Technology of China、Dalian Jiaotong University、Scientific Research Publishing、Engineering Information Institute,2012:5.

[16]张晓晓,毕如田,张迁迁.基于ESDA的山西省工业用地集约利用空间差异研究[J].广东土地科学,2014,05:29-34.

[17]崔庆都. 基于BP神经网络的房价预测[D].成都：西南石油大学,2011.

[18]强真,朱道林,毕继业. 城市基准地价合理性判别方法研究[J].中国土地科学,2005,01:56-61.

[19]秦兴龙,章波,黄贤金,等. 长江三角洲地区工业地价形成的内在机理与博弈分析[J].中国土地科学, 2005,03:44-48.

[20]宋佳楠,金晓斌,唐健,等. 中国城市地价水平及变化影响因素分析[J].地理学报,2011,08:1045-1054.

[21]张裕凤,李静. 呼和浩特市旗县城镇基准地价及影响因素比较分析[J].地理研究,2007,02:373-382.

[22]华文,范黎,吴群,等. 城市地价水平影响因素的相关分析——以江苏省为例[J].经济地理, 2005, 02: 203-205+218.

[23]李萍,曾令可,税安泽,等. 基于MATLAB的BP神经网络预测系统的设计[J].计算机应用与软件,2008,04:149-150+184.

[24]童飞. 基于BP神经网络的水上交通事故预测及MATLAB实现[D].武汉：武汉理工大学,2005.

(编辑：赵红)

Spatial differentiation and calculation of industrial land price in Shanxi Province

Zhao Jie, Bi Rutian*, Zhang Bing, Jing Yaodong , Zhang Qianqian

(CollegeofResourcesandEnvironment,ShanxiAgriculturalUniversity,Taigu030801，China)

Abstract:This study collects information of industrial land prices in Shanxi Province from 2009 to 2014. The using of exploratory spatial data analysis (ESDA) model reveals the spatial differentiation law of industrial land prices in Shanxi Province. The industrial land prices were predicted by BP neural network, and the results were compared with that of the lowest standard of industrial land and its standard price at the same level. The results show a remarkable special agglomeration for the price of industrial land in Shanxi Province. The level from eastern to western part is decreasing, from southern and central to northern part is also a decreasing tendency. Meanwhile, the higher prices are distributed in the six basins and near the areas of fairly developed economy and convenient transportation of Jingkun highway, Erguang highway, Tongpu Railway, G108 national road. While the lower ones are gathered in Lvliang Mountain, Taihang Mountain, Taiyue Mountain and Zhongtiao Mountain, in which the economic level are less developed because of the inconvenient transportation conditions. The correlation coefficient of the predicted price by BP neural network and the actual price is 0.744, a reasonable price, which is higher than the benchmark land price 0.560 and the lowest standard price 0.606. The conclusion could be a directive function to determine the industrial land prices and issue the relevant policies of Shanxi Province.

Key words:Industrial land price; Spatial differentiation; BP neural network; Shanxi Province

中图分类号：F301.3

文献标识码：A

文章编号：1671-8151(2016)01-0046-06

基金项目：山西省国土资源厅“山西省工业用地成本费用调查”项目(2014)

通讯作者：*毕如田，教授，博士生导师。Tel:0354-6288912;E-mail: brt@sxau.edu.cn

作者简介：赵杰(1990-)，男(汉)，山西河津人，硕士研究生，研究方向：3S技术与应用

收稿日期：2015-09-15修回日期：2015-11-03