投资强度、就业密度、TFP和西部地级城市工业用地产出率

许明强，魏 伟

（1.成都大学 旅游与经济管理学院，成都 610106；2.西南财经大学 应用经济学博士后流动站，成都 610074；3.成都师范学院 财务处，成都 610101）

0 引言

提升工业用地效率是绿色发展和产城融合的必然要求。一般认为西部地区工业用地效率和东部比较存在较大差距，那么这种差距呈现何种演变特征？四川经济在西部处于领先地位，其工业用地效率也领先吗？本文拟尝试回答这些问题并探讨其缘由。

工业用地效率可以用投资强度、就业密度、产出效率等指标来衡量。张琳和王亚辉[1]从微观企业视角探讨了工业用地的产出效率的影响因素，发现工业用地的地均资本对产出效率的弹性系数为0.346，地均劳动对它的弹性系数为0.142。Ciccone[2]发现美国县域内就业密度提升一倍，平均劳动生产率可以提高6%。学者们还发现全要素生产率（TFP），尤其是技术进步对工业用地产出率具有重要影响[3，4]，容积率和投资强度达不到建设控制标准[5-7]、工业园土地供需比例过高[8]、土地和劳动力投入冗余[9，10]使得工业用地效率较低，以分税制为代表的财政分权和以晋升锦标赛为特征的地方政府竞争对工业用地利用效率产生负向影响[11]，需加大资本、劳动力要素投入以提高工业用地效率[12]。

1 模型构建、指标选取和数据说明

1.1 模型构建

本文除了直接比较工业用地产出率以外，还将探讨其影响因素，为此在柯布-道格拉斯生产函数模型（C-D函数）中纳入土地要素，构建双向固定效应模型：

其中，y代表城市工业生产总值，m代表城市工业用地，k代表城市工业固定资产，l代表城市工业就业量，α和β分别为城市工业用地投资强度和就业密度的产出弹性；λ为不随个体变动但随时间而变的时间固定效应，包括技术进步、管理改善等因素；z代表不随时间而变的个体特征变量向量，u代表不可观测的个体异质性，指不随时间变动但随个体变动的遗漏变量，它的特征在于“不可观测构成不随时间而变的个体固定效应，包括区位、自然环境等变量；扰动项由ui+εit构成。

在经典的索洛生产函数模型中，存在代表中性技术进步的A，“经济的加速或减速、劳动力教育质量的改进、各种各样移动生产函数的因素都可归入‘技术变化’之中”[13]，根据索洛余值法，这里的即为A。

为便于分析，对模型（1）两边取对数得：

1.2 指标选取

衡量工业用地效率的核心指标为产出效率，直接影响产出率的指标主要有工业用地投资强度、就业密度、全要素生产率（TFP）；间接影响指标包括容积率、建筑密度、土地供给量等，都需通过影响直接指标才会对地均产出构成影响，所以本文围绕地均产出及其直接影响指标展开分析，具体说明如下：（1）为增强数据的可比性，排除城镇层级差别和小型（低于3000人）独立工矿区的影响，聚焦于地级城市市辖区工业用地效率分析；（2）地级城市工业用地产出率用“地级城市规上工业总产值/地级城市工业用地面积”衡量；（3）工业用地投资强度用“工业固定资产/工业用地面积”衡量，其中，工业固定资产为扣除折旧、减值准备之后的期末余额；（4）就业密度用“工业就业人数/工业用地面积”衡量。

1.3 数据说明

本文数据来源于《中国统计年鉴》《中国城市统计年鉴》《中国城市建设统计年鉴》《中国工业统计年鉴》《国家知识产权局专利统计年报》等。用分层抽样的方法从西部11个省级行政区（不包括直辖市）中各抽取约1/3的地级城市，得到由1999—2015年33个地级市数据构成的西部样本面板数据；为便于比较，同样用分层抽样方法从东部7个省（不包含直辖市和港澳台）中抽取29个地级市数据构成东部样本面板数据；四川在西部具有突出地位，本文予以重点关注，为此另外采集了四川其余地级城市数据形成四川17个地级市面板数据。由于各地级市设立日期不同，且存在数据统计遗漏现象，本文所获得面板数据为非平衡面板。

关于数据匹配性问题，工业用地数据统计范围为地级城市的城区，包括街道办事处所辖地域，城市公共设施、居住设施和市政公用设施等连接到的其他乡镇地域，以及常住人口为3000人以上的独立工矿区、开发区、科研单位等特殊区域；工业就业人口数据统计范围为市辖区；工业总产值、企业固定资产净值2个指标对应的统计对象是市辖区的全部国有和规模以上非国有工业企业。由于地处郊区的3000人以上独立工矿区、开发区等区域已被纳入城区统计范围，在郊区零星工业就业的人口很少，在整个市辖区（城区+郊区）的规模以下的工业产值量也很小，所以工业用地、工业就业、工业产值、工业资产数据是基本匹配的。

关于数据处理主要做了以下工作：（1）把历年固定资产价值、工业生产总值都按照1990年价格折算，以实现数据可比；（2）对样本单位个别年份的遗漏数据、明显畸高或畸低的数据，视为原统计工作失误，以其前后年份数据的平均值代替；（3）如果样本个体的某一指标连续2年以上出现明显异常值或缺漏值，则予以删除；（4）通过普通箱形图（以“75%分位数+1.5倍四分位间距”为箱形图上侧内围栏，以“25%分位数-1.5倍四分位间距”为箱形图下侧内围栏）找出离群值并删除。

2 实证分析

2.1 西部地级城市工业用地产出率和东部的差距

对样本城市工业用地产出率观察值按城市平均，得到西部、东部历年的地均产出均值，比较发现，历年西部样本均值都低于东部（见图1）。根据样本统计量，可以推断西部和东部两个总体的均值是否存在显著差距。

图1 西部、东部和四川样本地级城市历年工业用地产出率均值

令东部、西部地级城市历年工业用地产出率总体均值分别为 μet和μwt，历年样本均值分别为 xˉet和xˉwt，其中下标t表示年份1999—2005年。

原假设 H0：μet=μwt；备择假设 H1：μet＞μwt。

由于需对两个总体在各年份的均值差距做出推断，样本个体数即为样本容量（东部样本29、西部样本33），处于大样本临界值（30）左右，同时东部和西部样本独立，东部和西部地级城市工业用地产出率一般都服从正态分布。所以存在：

其中：

t统计量计算结果如表1所示。在1999—2001年可以在5%的显著性水平拒绝原假设，2002年及以后年份都可以在1%的显著性水平拒绝原假设、接受备择假设，表明西部地级城市工业用地历年产出率显著低于东部。而且，拒绝原假设的强烈程度随年度递增，暗示西部地级城市工业用地产出率和东部差距可能存在逐步扩大的态势。

表1 东西部地级城市历年工业用地产出率总体均值之差的检验

2.2 投资强度、就业密度和TFP对西部地级城市工业用地产出率的影响

通过模型（2）的参数估计，可以发现影响地级城市工业用地产出率的直接因素及其影响程度，利用西部地级城市样本面板数据回归该模型得到参数估计结果（见表2）。

经F检验、LSDV检验、豪斯曼检验、过度识别检验、Wald检验，发现时间固定效应和个体固定效应均存在，将模型（2）设定为双向固定效应模型并按照相应方法做回归是恰当的。回归结果表明，平均来说，西部地级城市工业用地投资强度每提高1%，可使得产出率提高0.59%；工业用地就业密度每提高1%，可使产出率提高0.074%。

表2 西部地级城市工业用地产出率双向固定效应模型参数估计

根据索洛余值法，将上述时间固定效应、个体固定效应和残差对地级城市工业用地产出率的影响合并记为lnA，即全要素生产率的对数，将上述回归参数代入模型（2），可得：

利用式（3）可求得每一个体每一时期对应的全要素生产率（TFP）A值，进而可计算出历年西部地级城市工业TFP均值（见图2）。

图2 东西部地级城市工业用地投资强度、就业密度和工业TFP

对式（3）换形并对投资强度求偏微分可得：

利用式（4）计算历年西部地级城市工业用地投资强度对产出率的贡献额如表3所示，同理可计算就业密度和TFP对产出率的贡献额。

表3 西部地级城市工业用地投资强度、就业密度和TFP对产出率的贡献绝对数

表3显示，由于TFP进步的影响，西部地级城市工业用地投资强度对产出率边际贡献均值呈现历年递增趋势，在1999年投资强度每增加1万元，可使地均产出率提高0.722万元（本文中的所有货币单位都已通过GDP平减指数折算为1990年价）；到2015年，这一数字已提升到1.838万元。就业密度对地均产出的边际贡献也呈现递增态势，在2015年就业密度每提高1个单位（人/亩），可使地均产出提高4.209万元。TFP本身对地均产出的边际贡献也呈现总体上升态势，在2015年TFP每提高1个单位，可使地均产出提高近10万元。

对式（3）求全微分，可得：

式（5）等式两边对it求期望，可得到各变量的平均增长速度，进而求出平均贡献率。经计算，西部地级城市工业用地产出率年均增速为7.69%，投资强度年均增速为3.8%，就业密度年均增长-3.43%，全要素生产率年均增长6.45%；上述3个因素对地均产出率增长的贡献率分别为29.2%、-3.3%、74.1%。

2.3 西部地级城市工业用地产出率追赶东部收效甚微的原因

如上文所述，投资强度、就业密度、TFP是影响地均产出的直接原因，对西部地级城市工业用地产出率显著落后于东部的原因探讨首先围绕这3个指标的比较展开。

同样采用模型（2）和双向固定效应估计方法用东部1999—2015年数据回归分析发现，平均而言，东部地级城市工业用地投资强度对产出率的弹性系数为0.638，就业密度对地均产出的弹性系数为0.151；进而运用模型（3）计算得到东部地级城市工业领域全要素生产率（见图 2）。

在比较东西部地级城市工业用地效率差距时，为避免个别年份偶然因素影响，采用各指标在期初和期末3年平均值进行比较，结果如下页表4所示：西部投资强度与东部的差距在期初约为18万元/亩，在期末则基本持平，初步实现了追赶；就业密度在期初的差距约为1.68人/亩，在期末约为0.71人/亩，下降了约57.6%；西部地级城市工业全要素生产率与东部的差距则不降反升，扩大了约68.8%；西部地级城市工业用地产出率与东部的期初差距约为36.3万元/亩，期末差距则仅仅缩小约12.3%。这种差距演变也可以从图1和图2直接观察到。

表4 西部样本地级城市工业用地效率与东部的差距

西部和东部用地效率指标的比较之所以呈现这样的结果，一个合理的解释是：西部较多地级城市急于追赶东部地区，未能遵循比较优势规律，未能充分认识西部资源禀赋特征——劳动力资源丰富、技术比较落后、资本相对不足，发展了较多资本密集产业，工业用地投资强度基本达到与东部持平；但是，随着资本深化加速，资本数量挤占了劳动数量，使得西部与东部的就业密度差距缩小幅度并不理想；同时，在全要素生产率（包括技术进步、管理改善等方面）差距扩大的情况下，片面发展资本密集工业，也难以实现该产业的持续发展，所以西部地级城市工业用地上的固定资产也在近年出现较大波动（见上文图2）。在以上3方面因素的影响下，西部地级城市工业用地产出率与东部差距幅度仅仅实现轻微收窄。

2.4 四川谜题及缘由：西部“领头羊”却是工业用地效率“后进生”

四川一般被认为是西部经济“领头羊”，在地区GDP总量、创新活力、产业竞争力等方面居于西部“高地”，但初步观察发现，四川地级城市工业用地产出率却长期低于西部平均水平，有必要重点关注。

同样采用模型（2）和双向固定效应估计方法用四川17个地级城市1999—2015年数据回归分析可得到以下函数：

平均而言，四川地级城市工业用地投资强度对产出率的弹性系数为0.438，就业密度对地均产出的弹性系数为0.164，通过式（6）计算出各地级市历年的全要素生产率，进而计算出历年四川地级市平均工业全要素生产率发展速度（见表5）。和西部平均水平比较，四川地级城市工业全要素生产率发展速度在16年中有10年高于西部平均水平（见图3）；根据公式“几何平均增长速度=几何平均发展速度-1”计算得到四川地级城市工业TFP年均增速为9.17%，比西部平均水平高出约2.7个百分点。

表5 四川地级城市工业领域全要素生产率历年发展速度

比较2000—2016年四川和西部平均的亿元GDP授权专利数也可以发现，四川明显高于西部平均水平（见图3），这为四川地级城市工业TFP增速高于西部平均水平这一结论提供了一种佐证。四川地级城市工业TFP高增速为四川工业发展增添了活力，为四川居于西部“领头羊”地位提供了支撑。

图3 四川地级城市工业TFP发展速度和四川亿元GDP授权专利与西部平均水平的比较

和西部平均水平比较，四川地级城市工业TFP高增速为地均产出增长做出了更大的贡献，但这没能扭转四川地级城市工业用地效率较低的局面。如图4显示，从1999—2015年，四川地级城市工业用地产出率、投资强度、就业密度与西部平均水平的比值在绝大多数年份都小于1，两者存在明显差距，这种差距从1999年来曾有所缩小，但在2008年金融危机以后又进一步扩大。

图4 四川地级城市工业用地效率与西部平均水平的比较

四川经济居于西部“领头羊”地位，地级城市工业TFP呈现更高增速，但通过地均产出、投资强度、就业密度衡量的用地效率却明显低于西部平均水平，出现这样的谜题，一个合理的解释在于：四川高校和科研机构云集，技术进步、管理改善、人力资本积累的速度更快；但另一方面又存在较多闲置工业用地、被僵尸企业长期低效占用的工业用地，工业粗放用地问题突出。鉴于西部地级城市工业地均产出、就业密度和TFP的表现，可知类似四川的粗放用地问题也存在于有些西部城市。

3 结论

通过1999—2015年西部地级城市样本面板数据分析并与东部比较发现，西部与东部的地均产出差距仅有略微缩小。地均产出的直接影响指标分析显示，西部地区对发展劳动力密集工业重视程度不够，使得工业用地就业密度按年均3.43%的速度下降，对地均产出提升的贡献为-3.3%；同时，西部地级城市在近些年过快发展了资本密集工业，投资强度初步实现了对东部的追赶，但工业TFP与东部的差距进一步扩大，技术进步、管理改善、人力资本等方面横向比较更加落后于东部，缺乏TFP支持的资本密集工业发展并不稳定，投资强度在近年出现较大幅度波动，地均产出提升速度不够理想，与东部的差距仅有略微缩小。

因此，有必要强调增强西部地级城市工业发展规划的科学性，顺应比较优势确立主导产业方向，更加重视发展劳动密集型工业。上文分析显示，西部地级城市工业用地就业密度每提高1个单位，可使地均产出提高4.21万元，对企业和工人都是有益的，所以需在可能的范围内鼓励较高的就业密度，逐步实现对东部地区的赶超。同时，西部地级城市迫切需要加快TFP进步，遏制与东部TFP差距进一步扩大的势头，为西部工业用地产出率提升提供新动能。

四川地级城市工业TFP显著高于西部平均水平，为四川担当西部“领头羊”提供了动力；但四川地级城市工业用地产出率、投资强度、就业密度都明显低于西部平均水平，映射出四川地级城市工业用地粗放的突出问题。因此，需加强四川等西部省区地级城市工业节约集约用地管理。

参考文献：

[1]张琳，王亚辉.微观企业视角下工业用地产出效率的影响因素研究[J].华东经济管理，2014,28(9).

[2]Ciccone A，Hall R E.Productivity and the Density of Economic Activity[J].The American Economic Review,1996,86(1).

[3]王希睿，许实，吴群等.江苏省建设用地利用效率和全要素生产率的时空差异分析[J].中国土地科学，2015，29(5).

[4]龙开胜，陈利根等.不同利用类型土地投入产出效率的比较分析[J].中国人口·资源与环境，2008,18(5).

[5]舒帮荣，刘友兆，王家富等.欠发达地区经济开发区工业用地低效利用问题初探[J].开发研究，2009，(2).

[6]王成新，刘洪颜，史佳璐等.山东省省级以上开发区土地集约利用评价研究[J].中国人口·资源与环境，2014,24(6).

[7]陈伟，彭建超，吴群.城市工业用地利用损失与效率测度[J].中国人口·资源与环境，2015,25(1).

[8]Louw E，et al.The Spatial Productivity of Industrial Land[J].Regional Studies,2012,46(1).

[9]冯长春，刘思君，李荣威.我国地级及以上城市工业用地效率评价[J].现代城市研究，2014，(4).

[10]谢花林，王伟，姚冠荣等.中国主要经济区城市工业用地效率的时空差异和收敛性分析[J].地理学报，2015，70(8).

[11]张兰,汪应宏,徐春鹏等.财政分权、地方政府竞争与工业用地利用效率——基于广东省地级市层面的实证研究[J].现代城市研究,2017，(3).

[12]饶映雪,戴德艺.工业用地供给对工业经济增长的影响研究[J].管理世界,2016，(2).

[13]Solow R M.Technical Change and the Aggregate Production Function[J].Review of Economics and Statistics,1957,39(3).