城市土地集约利用测度及其空间溢出效应

朱志远，崔玮，苗建军

（1.潍坊学院数学与信息科学学院，山东潍坊261061；2.南京航空航天大学经济与管理学院，江苏南京210016；3.江苏大学财经学院，江苏镇江212013）

区域发展

城市土地集约利用测度及其空间溢出效应

朱志远1，2，崔玮3，苗建军2

（1.潍坊学院数学与信息科学学院，山东潍坊261061；2.南京航空航天大学经济与管理学院，江苏南京210016；3.江苏大学财经学院，江苏镇江212013）

文章运用纵横向拉开档次法测算了中国30个省份的城市土地集约利用水平，采用探索性空间数据分析方法与空间计量模型分析了中国城市土地集约利用水平的空间特征及其影响因素，旨在通过城市空间资源的优化配置提升城市土地集约利用水平。研究结果表明：2004-2015年，城市土地集约利用水平的Moran’s I指数均通过显著性检验，呈先上升后下降的趋势，说明中国省域尺度城市土地集约利用水平具有明显的空间集聚特征，且在2009年之后集聚程度减弱；计量分析结果表明，土地资源禀赋、城市化水平对城市土地集约利用水平的提升具有显著抑制作用，而产业结构、研发投入与经济发展水平则明显促进了全国城市土地集约利用水平的提升。另外，人力资本与中国城市土地集约利用水平呈现正相关，但影响不显著。

城市土地集约利用；纵横向拉开档次法；空间效应；空间面板计量模型

一、引言

国家统计局相关数据显示，中国城镇化率已由1978年的17.92%提高到2016年的57.35%。值得注意的是，中国城市化率的提高并没有伴随城市发展的高效率，一个突出的表现就是土地资源的浪费。为缓解土地资源紧缺与城市空间扩张之间的紧张局面，由过去片面注重追求城市规模扩大与空间扩张，改变为以提升内涵为中心的大背景下，城市土地集约利用逐渐成为当前研究的热点问题。

目前，国外城市土地集约利用方面的研究主要是从城市规划和用地政策的角度研究如何控制城市范围的扩张，以达到城市土地集约利用的目的。例如“新城市主义”［1］、“紧凑城市”［2］与“精明增长”［3］理念对美国的城市蔓延起到一定的抑制作用。国内研究主要涉及三个方面的问题。在城市土地集约利用内涵方面，文献多从土地利用结构、土地投入水平、土地投入强度、土地产出效益四个方面进行诠释［4-5］。在评价方法上，运用较多的有多因素综合评价法、主成分分析法、人工神经网络评价法、基于RS和GIS的评价方法等。在分析土地利用影响因素时，学者们大多运用传统线性回归方法分析各变量对土地集约利用水平的作用，多是建立在评价单元之间相互独立，不存在任何空间关联的假设下，忽略了空间因素对城市土地集约利用的影响。事实上，区域发展总是存在扩散或集聚效应，由于区域间人口流动、产业联系、技术扩散等因素的影响，土地作为参与区域经济发展的要素，其集约利用也必然存在空间相关性［6］。因此，在研究中国城市土地集约利用的区域差异时，将空间效应纳入分析框架，能更好地描述客观现实［7-8］。

许多学者也已经认识到空间效应对区域发展的影响，并开始了这方面的尝试。例如，舒元和才国伟［9］通过分析空间技术溢出对技术进步的影响，证实中国区域间存在显著的技术扩散现象；刘渝琳［10］等通过对比传统面板数据模型说明了引入空间面板计量模型的必要性；戴丽娜等［11］等对河南省人口数据建立截面空间计量模型，结果发现政府支出对人口迁移和分布具有显著影响。

通过上面分析可以发现，现有文献主要存在如下不足：一是只注重城市土地集约利用水平的评价与测算，缺乏对其空间溢出效应及影响因素的实证分析，导致无法解释区域间的空间差异对城市土地集约利用的影响；二是测度方法上不适合进行多样性、复杂性、动态性的综合评价；三是忽视时间效应与空间效应的同时存在，导致获得的结论与土地利用行为不符。在土地利用研究中同时引入空间计量模型与面板数据模型的文献不多，鲜见有关空间面板计量方法在土地集约利用中的运用。

基于此，本研究从集约评价方法和空间效应两方面来拓展已有研究。第一，以2004-2015年中国30个省级行政区面板数据为样本，采用纵横向拉开档次法，评价中国城市土地集约利用水平；第二，利用Moran’s I指数分析地区间土地集约利用的空间相关性，弥补以往文献在空间研究上的不足，并运用面板数据计量分析模型分析城市土地集约利用的影响因素及作用机制，为提高城市土地集约利用水平，建设资源节约型和环境友好型社会提供政策参考。

二、研究方法与数据来源

（一）纵横向拉开档次法

城市土地集约利用是一个随时间不断变化的动态过程，城市土地集约利用的测度既要横向体现各城市某一截面时刻的土地集约利用状态，又要纵向描述城市土地利用不同时刻的变化趋势。纵横向拉开档次法是一种基于时序立体数据表综合计算权重的评价方法，既在“横向”上体现了不同时刻所有评价区域的土地集约状况，又在“纵向”上体现了各个区域在不同时间的集约状况，通过综合考虑“横向”和“纵向”土地集约的差异最大化来最大可能体现出各被评价对象之间的差异［12］。

依据纵横向拉开档次计算得到各指标的权重Wj，根据如下模型计算城市土地集约利用水平综合测度值：

其中，yi(tk)为第i个评价城市第k年的土地集约利用水平测度值，m为指标总数，xij′(k)表示第i个评价区域第j个评价指标在第k年的标准化数据。

（二）空间面板计量模型

构建城市土地集约利用水平影响因素分析的面板数据计量模型如下：ki,t

其中，Yi,t表示i省份第t年的城市土地集约利用水平，Xk表示影响因素指标，βk为待估参数，ε为随机误差项。

纳入空间效应后，构建的空间滞后模型（Spatial

其中，δ表示空间自回归系数，μi表示空间固定效应，λi表示时间固定效应，Wij表示空间权重矩阵的元素。

空间误差模型（Spatial Error Model，SEM）如下：

其中，φit表示空间自相关误差项，ρ表示误差项的空间自相关系数。

（三）研究样本、变量选择与数据来源

1.研究样本

根据数据的科学性，我们选取除西藏外的30个省级行政区（香港、澳门和台湾省由于制度方面的差异不在分析范围之内）作为研究样本。

2.城市土地集约利用水平测度指标

城市土地利用的投入产出要能够反映城市土地系统所承载的物质生产活动，主要表现为人力、资本、土地投入，GDP、工业增加值和产品总价值等产出。结合已有研究，选取地均二三产业从业人员数、地均固定资产投资、地均财政收入、地均GDP、地均社会消费品零售总额作为投入产出表征量；城市人地关系的协调性要能够反映区域土地集约利用的程度，主要表现为人与城市土地系统进行物质交换的和谐性，可以用人均建设用地面积、人均绿地、建成区绿化覆盖率来表征；城市用地空间的关联性要能够反映区域内部土地利用的空间结构，主要指城市内部一体化的发展程度和城市的用地空间紧凑度。基于数据的可获取性，选取城市人均道路铺装面积、人口密度等指标来表征。

3.空间计量模型自变量选择

结合统计实际，从土地资源禀赋、经济发展水平、城镇化水平、产业结构、人力资本以及科技发展水平6个方面选取城市土地集约利用的影响因素指标。各指标的具体含义如下：

（1）土地资源丰度。城市土地的开发利用受城市建成区面积及所承载的人口数量影响较大。针对中国土地利用的特有情景，在测度城市土地集约利用水平的空间效应时，引入相对丰富度可以弥补土地面积绝对总量不具有可比性的缺陷。具体计算公式如下：

其中，Di表示第i个地区的城市土地资源相对丰度；xi表示第i个地区的土地资源总量，采用建成区面积表示；S表示第i个地区的土地面积，P表示第i个地区的人口总数。

（2）产业结构。多数研究认为，第三产业用地的附加值高于第二产业用地，提高第三产业用地的占比，可以提高城市土地的集约利用水平［13］。另外，城市土地集约利用更加侧重土地利用的产出效益，故选取第三产业产值占GDP比重表示产业结构水平。

（3）城市化率。现有研究中关于城市化水平的度量主要有人均社会消费品零售额、城镇人口比重、人口密度、城镇居民人居可支配收入、三次产业产值占GDP的比重、人均GDP等。为避免指标选取与城市土地集约利用水平的测度指标重叠，本文采用城市化率（城镇人口占总人口的比重）来表示城市化水平。

（4）人均受教育年限。目前，关于人力资本的衡量指标主要有三次产业从业人员数、研发人员数以及占比等，但这些指标并不能准确反映人力资本的质量。考虑学校教育是生成人力资本的有效途径，借鉴潘兴侠等［14］的做法，设定各级别教育的教育年限分别为文盲0年、小学6年、初中9年、高中12年、大专及以上16年，各地区人均受教育年限的计算公式为：小学受教育人数比重×6+初中受教育人数比重×9+高中受教育人数比重×12+大专及以上受教育人数比重×16。

（5）研发投入。一个地区的研发投入水平与本地区的集约化发展模式密切相关，研发投入水平越高，各种投入要素的利用就越充分，越能促进本地区创新成果的转化，进而提高本地区城市土地集约利用水平。为消除区域间经济规模的影响，采用省域研究与试验发展（R&D）经费内部支出占GDP的比重来表示研发投入。

（6）人均GDP。人均GDP在衡量经济发展水平的诸多指标中最能够准确反映社会经济发展的质量和人民生活水平的变化。采用商品零售价格指数将人均GDP折算为2000年为基期的不变价格后再进行对数变换，这样并不改变原来变量间的各种函数关系，还可以消除变量异方差的影响。

4.数据来源

由于2013年开始，行业分类执行《国民经济行业分类》（GB/T4754-2011），三次产业划分根据《三次产业划分规定》（2012），导致部分省份第二产业从业人员数和第三产业从业人员数缺失，这部分数据通过国家统计局、《中国统计年鉴》公布的行业数据加总获得。各省区市的数据资料中，城市人均铺装道路面积、城市人口密度指标数据来自《中国城市统计年鉴2005-2016》，除部分省份来自各省统计年鉴和各地区国民经济和社会发展统计公报外，其他数据均来自《中国统计年鉴2005-2016》。鉴于建成区是城市功能的主体部分，本研究选取建成区面积作为城市土地面积的表征量。研究样本期为2004-2015年共12年。

三、城市土地集约利用的空间效应分析

基于Geoda软件，计算2004-2015年中国城市土地集约利用水平的全域Moran’s I，其值均为正值，并且均在0.01的显著性水平下通过检验。这表明，中国城市土地集约利用水平呈现出显著的正向空间自相关性。由图1可知，2004-2009年Moran’s I稳步上升，表明土地集约利用的集聚程度不断增强。2009-2015年Moran’s I则呈现下降趋势，伴随概率（p-值）稳定在0.01左右，说明土地集约的集聚程度有所下降但变化不显著。总体上看，城市土地集约利用水平相似的省份在空间分布上趋于集中，且集聚特征显著。

图12004 -2015年中国土地集约利用水平全域Moran'sI指数

需要说明的是，如果一部分省份城市土地集约利用水平存在正的空间自相关，另一部分省份存在负的空间自相关，则采用全域Moran’s I计算时二者会抵消，从而显示不存在空间自相关关系。此外，不相邻的地区间由于要素的流动关系，也可能存在空间效应。为弥补全域Moran’s I这种局限性，采用局域Moran散点图进一步分析。

图2和图3给出了2004年、2015年各省份城市土地集约利用水平局域散点图。图2显示，位于第Ⅰ象限（H-H：高集约-高空间滞后）的有北京、上海、广东、福建、浙江、江苏、山东、河北、云南、江西、河南、海南；位于第Ⅱ象限（L-H：低集约-高空间滞后）的有安徽、山西、内蒙古、宁夏、辽宁、天津、湖南、重庆、广西；位于第Ⅲ象限的有（L-L：低集约-低空间滞后）的有青海、新疆、黑龙江、甘肃；位于第Ⅳ象限（H-L：高集约-低空间滞后）的有陕西、贵州；另外，四川、湖南横跨第Ⅰ、Ⅱ象限，湖北横跨第Ⅰ、Ⅱ、Ⅲ象限。总体来看，53%的省份城市土地集约利用水平显示了相似的空间关联，位于H-H的区域占40%，位于L-L的区域占13%，36%的省份显示具有不同的空间相关性。

图22004 年城市土地集约利用水平散点图

图32015 年城市土地集约利用水平散点图

由图3可以看出，2015年中国城市土地集约利用的空间相关性发生了一定变化，但幅度不大。H-H区域由12个增加到15个，分别是山西、安徽、湖北、湖南、福建、山东、江苏、浙江、上海、河北、江西、广东、河南、北京、四川；L-H区域减少为8个，分别是宁夏、广西、内蒙古、天津、甘肃、贵州、云南、辽宁；L-L区域减少为4个，分别是黑龙江、吉林、新疆；H-L区域增加为三个，分别是陕西、重庆、青海。

总之，中国城市土地集约利用的空间依赖特征明显，并随着时间推移发生小幅变动，但总体特征稳定。在进一步分析城市土地集约利用水平时只有将空间效应纳入分析框架，才能避免分析结果与实际情况产生误差。

四、城市土地集约利用水平的影响因素分析

以各省份城市土地集约利用水平作为被解释变量（Y），资源丰度（X1）、产业结构（X2）、城市化率（X3）、人力资本（X4）、研发投入（X5）以及人均GDP（X6）作为被解释变量建立空间面板计量经济模型进行实证检验。

由于上面的Moran’s I分析已经验证了2004-2015年中国城市土地集约利用水平存在明显的空间自相关。根据Anselin（1996）［15］给出的判定方法，下面要进行两个lagrange乘数的误差、滞后及其稳健形式的四个统计量的检验，以确定采用空间滞后模型还是空间误差模型，结果见表1。检验结果显示，LM-lag与LM-err在1%的显著性水平上均通过检验，而R-LM-lag显著性水平比R-LM-err高，因此采用空间滞后模型更为恰当。同时，Hausman检验显示采用固定效应模型。

表1 模型选择的检验结果

为便于比较，本文同时给出了普通面板、无固定效应、空间固定效用、时间固定效应、空间时间双固定效应空间计量模型的估计结果（见表2）。

由表2可以看出，八种计量模型的空间滞后项W×dep.var和空间误差项Spat.aut的统计量均通过10%的显著性水平检验，这也验证了采用空间计量模型是合理的。相同效应模型的对数似然函数值log L统计量比较中，空间误差模型（SEM）的log L统计量要大于空间滞后模型（SLM）的log L统计量，从而空间误差模型（SEM）比空间滞后模型（SLM）的解释力度更好。结合拟合优度R2和对数似然函数值log L可以看出，空间固定效应模型的值最高。综上，我们采用空间固定效应的空间误差模型（SEM）对计量结果进行解释。

表2 中国城市土地集约利用水平空间计量结果

资源禀赋在10%的显著性水平上对城市土地集约利用水平的影响为负，这表明了城市土地“资源诅咒”效应的存在，即城市土地资源禀赋对城市土地集约利用水平的提升具有反向抑制作用。比较中国各省份土地资源禀赋、土地集约利用水平发现，资源禀赋相对高地区其城市土地集约利用水平反而相对较低。以2014年数据为例，山东省2014年土地资源相对丰度为11.340，同期湖南为4.078，仅相当于山东省的36%，但湖南的土地集约利用水平却高出山东16个百分点。从增长率的角度看，城市土地资源相对丰度较低的内蒙古、贵州在2004-2015年间的土地集约利用平均增长率都在7%左右，而土地资源丰度相对较高的山东、浙江、江苏等地的年均增长率都在2%以下。为剔除东西部之间经济发展不平衡的因素，再以西部地区的广西、宁夏为例，资源相对丰度分别为3.561和6.656，他们在12年间的平均增长率分别为4.5%和3.6%。总之，资源丰度对城市土地集约利用的负向影响再次提醒我们探讨因地制宜的土地资源优化路径的必要性。

产业结构在5%的显著性水平上对城市土地集约利用水平的影响为正，这表明提高第三产业产值比重有助于城市土地集约利用水平的提升。2013年中国第三产业增加值比重达到46.1%，首次超过第二产业。就发展趋势来看，2004-2015年中国第三产业比重与城市土地集约利用水平基本保持了一致的变化趋势，如图4所示。在城市发展面向内涵提升、精明增长的情况下，第三产业高附加值、低用地的优势将会进一步促进中国产业结构的升级与调整。

图4 第三产业增加值比重与城市土地集约利用水平变化趋势

城市化率在1%的显著性水平上对城市土地集约利用的影响为负，这表明城市化率的提高对中国城市土地集约利用产生了不良影响。城市化进程的推进引导产业与人口向城市转移，产业的规模和集聚程度开始加强，单位建设用地产生的效益大幅增加，这势必会提高土地集约利用水平。但由于城市化过程中伴随着土地闲置、盲目扩张等现象，加之土地市场机制不完善等因素，使得城市化率提高的同时，城市开发的效率没有同步提升。杨维旭等（2015）指出，在城镇化的中后期阶段，产业结构调整促使人口向城市外围转移，城市基础设施建设等用地增加，城市土地集约利用水平一般会有所回落［16］。

人力资本要素蕴含着知识创新、技术创新，其在区域间的流动有助于先进生产技术的引进与吸收，进而促进城市土地集约利用水平的提升。另外，人力资本聚集的地区，第三产业占比往往也高，在推动城市土地集约利用水平方面的结构效应更加明显。计量结果显示，人力资本的弹性系数为0.023，未通过显著性水平检验，说明其对城市土地集约利用水平的影响不显著。中国人均受教育年限由2004年的8.0上升到2014年的9.04，年均增长率为22%，居民受教育状况改善明显。但是中国人力资本在结构方面还存在很大的不合理性，与经济发展的需求严重失衡，比如适龄青年中大学生比重偏低（2011年为4%），高技术人才相对不足等等。

研发投入对城市土地集约利用水平的提升具有正向影响，回归系数为0.036，t统计量为4.122，通过了1%的显著性水平检验。研究与实验发展（R&D）经费内部支出占GDP的比重越高，越有利于促进区域技术进步，从而提高区域用地能力与节地能力。另外，技术研发的外溢效应还会影响区域产业转型与升级。统计数据显示，中国研发经费支出由2004年的1 843亿元增加到2015年的14 220亿元，12年间增加了6.7倍。研发投入强度也由2004年的1.23，增加到2015年的2.10。高强度的研发投入，为提升中国新型城镇化的质量，促进区域土地节约、集约利用起到推动作用。

经济发展水平的弹性系数为0.385，在六个解释变量中最大，表明城市土地集约利用水平受经济发展的影响最大。经济发展水平越高的地区其土地市场化发育程度也高，对基础设施的投资力度越大，最终影响着单位土地面积的投入强度与产出效率。经济发展水平高的地区在城市开发上具有资金、技术、人才等优势，为城市土地集约利用水平提升提供物质基础。一定程度上，正是因为经济发展水平对城市土地集约利用水平的这种正向影响作用，导致中国东部、中部、西部以及东部地区的城市土地集约利用水平差异明显。表3给出了2015年各省份人均GDP与城市土地集约利用水平数据，可以看出，经济发展水平较高的地区也具有较高的城市土地集约利用水平。这种差距不但表现在区域之间，区域内部经济发展水平的差距也导致了城市土地集约利用水平的差距。以东部地区为例，海南省2015年人均GDP为410 008元/人，在东部地区最低，其城市土地集约利用水平在东部地区也处于较低水平。

表32015 年各省份城市经济发展水平与土地集约利用水平比较

五、结论与建议

从新型城镇化的布局与结构入手，选取城市土地集约利用评价指标，应用纵横向拉开档次法，对2004-2015年中国30个省级行政区城市土地集约利用水平进行测度，然后采用探索性数据分析方法对中国城市土地集约利用行为的空间效应进行检验，最后通过构建空间面板数据计量模型，对中国城市土地集约利用的相关影响因素进行实证分析。结果表明：

（1）中国城市土地集约利用水平具有显著的区域差异。北京、天津、上海、江苏、浙江、福建、广东七省市城市土地集约利用水平一直位于全国前列，且表现稳定；黑龙江、吉林、甘肃、宁夏、新疆五个省区城市土地集约利用水平最低。分区域来看，东部是城市土地集约利用的高值聚集区，中部地区对东部地区的追赶效应明显，西部和东北地区的城市土地集约利用水平普遍偏低。

（2）中国城市土地集约利用行为的空间效应明显，存在显著的正向空间自相关。Moran’s I显示，2004-2015年中国城市土地集约利用水平的空间关联程度呈现先增强后减弱的趋势，但均显著为正。大部分地区与其相邻区域城市土地集约利用行为表现出相似的集聚特征，但这种集聚特征也呈现出一定的流动性。

（3）空间面板计量模型检验结果表明，土地资源禀赋、城市化水平对城市土地集约利用水平的提升具有显著抑制作用，而产业结构、研发投入与经济发展水平则明显促进了全国城市土地集约利用水平的提升。另外，人力资本与中国城市土地集约利用水平呈现正相关，但影响不显著。

由于城市发展对土地的刚性需求将会保持增长态势，因此土地资源对城市发展的约束也将日益凸显。

基于上述结论，本文提出以下政策建议：

（1）对于高度集约化的东部沿海地区，应以产业结构优化调整为核心，继续发展高新技术和高端服务业，推进城市土地“退二进三”，逐步减少中心市区二产用地，积极置换为三产用地，促进经济增长方式和发展模式的实质性转变；对西部地区而言，要注重保障生态用地，适当提高城市土地绿化覆盖率，同时强化城市土地的投入产出效益，提高单位面积土地的投资强度；中部地区在提高城市化率的同时注意提高用地门槛，将新城开发与旧城改造相结合，盘活存量用地；东北地区要结合资源型城市用地的特点，从产业结构调整与用地空间重构入手，重构提高产业结构升级的速度与产业结构的层次，促进城市土地的内涵集约化。

（2）要充分发挥政府的宏观调控作用，依据土地利用规划，制定差别化的土地集约利用管理政策，提高新增用地的利用效率，促进闲置土地的吸收和及时转化；同时考虑土地集约利用各影响因素的空间交互效应，采取统筹规划、整合资源、共建共享的市场化信息机制，及时总结推广有效的集约用地措施，保障各区域节约集约用地目标的实现。

［1］Calthorpe Peter.The Next American Metropolis：Ecology，Community，and the American Dream［M］.New York：Princeton Architectural Press，1993：25-26.

［2］Yang Y，O’Neill K.Understanding factors affecting people’ s attitudes toward living in compact and mixed-use environ⁃ments：a case study of a New Urbanist project in Eugene，Oregon，USA［J］.Journal of Urbanism：International Re⁃search on Place making and Urban Sustainability，2014，7（1）：1-22.

［3］Wey W M，Hsu J.New urbanism and smart growth：Toward achieving a smart National Taipei University District［J］. Habitat International，2014，42（2）：164-174.

［4］张富刚，郝晋珉，姜广辉，等.中国城市土地利用集约度时空变异分析［J］.中国土地科学，2005，19（1）：23-29.

［5］朱天明，杨桂山，万荣荣.城市土地集约利用国内外研究进展［J］.经济地理，2009，29（6）：977-983.

［6］陈才.区域经济地理学［M］.北京：科学出版社，2001：36-38.

［7］James P LeSage.The theory and practice of spatial econo⁃metrics［J］.Manuscript Accessed May，1999（4）：259-260.

［8］李建豹，黄贤金，吴常艳，等.中国省域碳排放影响因素的空间异质性分析［J］.经济地理，2015（11）：21-28.

［9］舒元，才国伟.我国省际技术进步及其空间扩散分析［J］.经济研究，2007（6）：106-118.

［10］刘渝琳，郑效晨，王鹏.FDI与工业污染排放物的空间面板模型分析［J］.管理工程学报，2015，29（2）：142-148.

［11］戴丽娜，王青玉.人口空间分布及迁移影响的实证分析——基于空间计量方法与河南省数据［J］.统计与信息论坛，2013，28（4）：61-66.

［12］郭亚军.综合评价理论、方法及应用［M］.北京：科学出版社，2007：46-47.

［13］杨锋，袁春，周伟，等.区域土地集约利用影响因素研究［J］.资源与产业，2010，12（4）：67-73.

［14］潘兴侠，何宜庆，胡晓峰.区域生态效率评价及其空间计量分析［J］.长江流域资源与环境，2013，22（5）：640-647.

［15］Anselin L，Bera A K，Florax R，et al.Simple diagnostic tests for spatial dependence［J］.Regional science and ur⁃ban economics，1996，26（1）：77-104.

［16］杨维旭，陈松林，叶滨鸿.厦门市城镇化与土地集约利用关系研究［J］.山西师范大学学报：自然科学版，2015，29（4）：90-96.

Urban Land Intensive Use Measurement and Its Spatial Spillover Effects

ZHU Zhi-yuan1,2,CUI Wei3,MIAO Jian-jun2
(1.School of Mathematics and Information Science,Weifang University,Weifang 261061,China; 2.School of Economics and Management,Nanjing University of Aeronautics and Astronautics,Nanjing 210016,China; 3.School of Finance and Economics,Jiangsu University,Zhenjiang 212013,China)

By introducing the vertical and horizontal scatter degree method,the level of land intensive use of 30 provincial-level administrative areas in China is measured,the spatial characteristics of urban land intensive use level and their influencing factors in China are also analyzed by employing the exploratory spatial data analysis method and spatial econometric model.The aim is to promote the level of urban land intensive use by optimizing the allocation of urban spatial resources.The results show that the Moran's I indexes of urban land intensive use level all pass significant tests and present the trend of increase first and then decrease from 2004 to 2015,which indicate that the level of urban land intensive use in China has obvious characteristics of spatial agglomeration,and the degree of agglomeration is weakened after 2009.The results of econometric analysis show that the endowment of land resources and the level of urbanization have significant inhibitory effects on the promotion of urban land intensive use level,whereas the industrial structure,R&D investment and economic development level significantly promote urban land intensive use in China.In addition,human capital is positively correlated with urban land intensive use in China,but the effect is not significant.

urban land intensive use;vertical and horizontal scatter degree method;spatial effect;spatial panel econometric model

F061.5；F061.6

A

1007-5097（2017）06-0045-07

［责任编辑：张兵］

10.3969/j.issn.1007-5097.2017.06.007

2017-01-25

国家社会科学基金项目（16BGL210）；教育部人文社会科学研究基金项目（15YJA790046）

朱志远（1983-），男，山东寿光人，讲师，管理学博士，研究方向：土地经济，城市发展管理；崔玮（1983-），男，山西长治人，讲师，管理学博士，研究方向：土地经济学；苗建军（1955-），男，山西长治人，教授，经济学博士，研究方向：区域经济。