城市建设用地利用效率与城市化空间相关性的互动效应

王承武，王 庆

(新疆农业大学 管理学院，乌鲁木齐 830052)

提要：在分析中国省域城市建设用地利用效率和城市化水平的基础上，利用空间计量模型，实证探讨两者的空间相关性及相互驱动效应。结果显示：(1)城市建设用地利用效率与城市化的空间正相关性显著增加，空间分异态势明显，高集聚区向东南沿海转移，而低集聚区未发生明显变化。(2)全局空间范围内，城市化对城市建设用地利用效率的驱动效应大于城市建设用地利用效率对城市化的驱动效应。(3)局部空间范围内，二者相互驱动效应存在空间异质性，相互驱动模式可分为城市化强驱动型、城市化较强驱动型、相互较强驱动型、相互较弱驱动型、城市建设用地利用效率强驱动型、城市建设用地利用效率较强驱动型等6种类型，各类型空间分布具有明显块状集聚的空间特征。

当前，中国正处于城市化的关键时期，把握城市化蕴含的巨大机遇对经济社会的发展具有重大意义。而城市建设用地利用效率是由“城市建设用地”“利用”“效率”3部分组成，从经济学的投入—产出角度可以把城市建设用地利用效率定义为在城市建设用地范围内，在资本、劳动力和土地等投入要素投入不变或减少的情况下，实现经济产出的最大化[1]。城市化实质上可以分解为人口城市化、经济城市化、空间城市化，随着城市化的快速推进，农村人口向城市迁移，二、三产业向城市集聚，城市空间也逐步扩张，从而逐步促进城市建设用地利用中投入要素的积累，进而实现产出的最大化，最终实现对城市建设用地利用效率的驱动。而持续提高的城市建设用地利用效率又是城市化持续推进的重要动力，能够对当地的人口、经济、社会产生综合性的作用，进而影响城市化的发生过程。因此二者实质上是相互驱动，共同发展的关系。

基于对已有文献的整理发现，国内外众多学者对于城市建设用地利用效率、城市化进行了大量深入的研究，研究视角主要涉及自然地理、公共管理、环境科学、城市研究、区域经济等学科，在研究领域上主要侧重于城市建设用地利用效率的评价、时空格局、影响机制及影响因素等方面[2-9]，总体上形成了一套较为完整的城市建设用地利用效率研究体系。而对城市化的研究主要包括城市化质量测度、评价、与相关经济现象的耦合关系研究及提升策略等方面[10-13]。总体来看，现有研究大多是从城市建设用地利用效率与城市化两个方面展开，但将城市建设用地利用效率与城市化进行综合考虑的研究相对缺乏，仅有较少的学者对二者的深层次关系进行了研究，如曹飞[14]认为河南省城市化发展和土地利用效率协调合理程度高的城市比例很低，全省城市化和建设用地利用效率都处于抗磨合阶段，有待进一步提高。贝涵璐[15]认为我国建设用地利用效率和城市化质量具有显著的空间相关性，各省建设用地利用效率与城市化质量的耦合协调度呈上升趋势。

针对上述不足，本研究基于城市建设用地投入—产出角度采用超效率EBM模型对效率进行测度，构建基于人口—经济—空间城市化的评价体系，运用空间计量模型，定量分析城市建设用地利用效率与城市化的空间相关性及相互驱动效应，理论上有助于解释城市建设用地利用效率与城市化的相互作用机理，一定程度上弥补城市建设用地利用效率领域当前研究的相对不足，推进该领域研究的细化和深化。实践上有助于解释城市建设用地利用效率与城市化之间的协调状态，为政府制定提高城市建设用地利用效率的相关管理措施提供依据。

一、研究方法、数据来源

(一)评价指标体系构建

综合考虑城市建设用地利用效率与城市化的相互驱动机制，以及参考已有文献的相关研究成果[16-22]，遵循科学性、可获得性等原则，分别构建城市建设用地利用效率与城市化评价体系(见表1和表2)。

表1 城市建设用地利用效率测度指标

表2 城市化指标评价体系

(二)城市建设用地利用效率评价

EBM模型[23]是在数据包络分析法(DEA)的基础上提出的，它可以更准确地计算出各决策单元的城市建设用地利用效率。假定需要测算N个决策单元DMU的效率值，每个DMU有M种投入，记为Xi(i=1，2，3，…，M)；S种产出，记为Yr(r=1，2，3，…，S)，X={Xri}∈RM×N，Y={Yrj}∈RS×N，X，Y分别是投入、产出矩阵。

(1)

(2)

(3)

(三)城市化水平测度

本文采用客观的熵值法确定各评价指标权重，然后用综合指数法对城市化水平进行评价，为了对不同年份各省城市化水平进行对比，借鉴杨丽[24]的研究对熵值法进行了改进，加入了时间变量。

第一步：指标设定及标准化：设有k个省份，N个年份，M个指标。则Sθij为第θ 年省份i的第j个指标值，之后采用极值法进行标准化处理。

第二步：确定指标比重

Pθij=Sθij/ΣθΣiSθij。

(4)

第三步：计算第j项指标的信息熵值

(5)

第四步：计算权重

(6)

第五步：城市化水平综合指数计算

(7)

(四)空间计量模型的构建

首先需要检验城市建设用地利用效率与城市化是否存在空间自相关，若通过了检验，则需采用空间计量模型，探讨二者的全局相互驱动效应及局部相互驱动效应

1.全局空间自相关

Moran’s I 反映了空间邻近单元属性值的相似程度，通过GeoDA1.2分析了城市建设用地利用效率与城市化之间的空间关联性。

(8)

2.局部空间自相关

局部lisa集聚图主要用来解释空间单元属性值发生集聚的区域，揭示高低值集中分布区，准确把握空间集聚和分异特征。其公式如下：

(9)

3.空间滞后模型(SAR)

在城市化对城市建设用地利用效率的驱动效应分析中，空间滞后模型更好地反映前者对后者的影响。参考Anselin[25]的方法建立空间滞后模型。

LNEF=ρWLNEF+βLNUR+μ+ε。

(10)

其中，ρ为空间滞后回归系数，W为一阶Queen邻接空间权重矩阵，μ为空间特定效应，ε为误差项，UR为城市化，EF为城市建设用地利用效率。

4.空间误差模型(SEM)

在城市建设用地利用效率对城市化的驱动效应中，由于只考虑了城市建设用地利用效率的影响，而未完全考虑其他因素，因此采用将随机扰动项纳入模型的空间误差模型去分析。公式如下

INUR=LNEFβ+μ μ=λWμ+ε，ε～(0，σ2In)。

(11)

Wμ为空间滞后误差项，λ为空间滞后误差系数，W为一阶Queen邻接空间权重矩阵，UR为城市化，EF为城市建设用地利用效率。

5.地理加权回归模型(GWR)

以上分析所得的是全局城市建设用地利用效率与城市化的相互驱动效应。由于空间异质性的存在，必须采用地理加权回归模型对局部二者的相互驱动效应进行分析。GWR模型可以对每个省市城市建设用地利用效率与城市化地理位置的函数变量系数给出局部估计值，因此能较准确地把握变量系数的局部空间变异特征。

(五)数据来源

本文以中国31个省为基本研究单元，由于数据限制，选取研究阶段2008—2017年，数据来源于2009—2018年《中国统计年鉴》以及各省统计年鉴和国民经济与社会发展统计公报。对于部分省市建设用地缺失数据，采用前后年份数据平均值插值获得。相关行政区划底图数据来源于国家基础地理信息中心。

二、分析结果

本文利用MaxDEA软件对城市建设用地利用效率进行测度，采用熵值法和综合指数对城市化水平进行评价(结果见表3)。

表3 2008—2017年城市建设用地利用效率与城市化水平值

(一)全局空间自相关

通过Geoda软件计算城市建设用地利用效率与城市化之间的Moran’s I指数，结果如表4所示。

表4 城市建设用地利用效率与城市化Moran’s I指数

EF-UR表示本省城市建设用地利用效率与其邻近省份城市化水平的空间相关指数，UR-EF为本省城市化与其邻近省份城市建设用地利用效率空间相关指数。从表4中可以看出，2008—2017年，城市建设用地利用效率与城市化的全局双变量Mor an’s I指数均大于0且呈波动上升趋势(都通过5%的显著性检验)，说明城市建设用地利用效率与城市化之间存在的空间正相关在显著增强，具有明显的空间依赖性，即某一省份的城市建设用地利用效率会受到来自邻域省份城市化的影响，同时本省城市化水平也受到相邻省份城市建设用地利用效率的影响。这说明地理临近区域间建设用地利用效率溢出和城市化的空间效应是存在的，如城市建设用地利用效率较高的地区，通过与周边城市的经济、人口上的互动实现资源的跨区域流动，进而引起效率在空间上的溢出，带动周边地区城市建设用地投入—产出的增加，从而城市建设用地利用效率的提高促进该地区城市化水平的提升。

(二)局部空间自相关

由图1可知，主要存在高—高集聚和低—低集聚2类集聚区域，空间上呈现出东高西低的分异格局。

图1 城市建设用地用效率与城市化的双变量LISA集聚

1.高—高集聚区的空间变化特征

2008—2011年间，在空间上呈现以“河北—上海—江苏为中心”的多中心格局，但未形成集中连片的高值集聚区。2014—2017年，这种空间格局逐渐转变为以“福建—上海—江苏”为中心，总体来说，高—高集聚区的空间分布与范围随时间的改变有所变化，呈现逐步向东南沿海区域转移的趋势。

2.低—低集聚区的空间变化特征

研究时段内，低值集聚区在空间上大致呈现出以西北—西南为中心的集中连片的低值集聚区空间格局。近十年来，这种集聚态势未发生明显变化，由于这些地区受地理位置、自然等因素的限制，其自身经济发展欠缺，在一定程度上限制了城市建设用地效率的提高，客观上影响了地区城市化水平的提升。因此从空间上表现出较为明显的低建设用地利用效率—低城市化的聚集形态。

3.高—低和低—高集聚区的空间变化特征

低—高集聚区域由单一的海南到最后形成安徽、河北海南的多区域分布格局，说明该时期内海南的城市建设用地利用效率与城市化长期保持稳定，而河北与安徽则表现出由高到低的下降状态。而高—低集聚区除了初期的青海之外，其他时间段未形成集聚分布区。

从数个时期的集聚图来看，城市建设用地利用效率与城市化之间同时存在着空间正相关与负相关，进一步证实了两者不仅存在空间依赖性，也存在空间异质性。虽然不同时期两者的局部空间联系各有特点，但总体来看，存在一定的空间相似性。如高—高集聚区基本位于我国的东部地区，经济发展水平在我国处于相对靠前，而同时其周边相邻地区的经济发展也具有一定的趋同性，低—低集聚区则处于我国的西北内陆地区。

三、城市建设用地利用效率与城市化全局驱动效应分析

(一)城市建设用地利用效率对城市化的全局空间驱动效应分析

运用Matlab 2018 b软件对空间计量模型进行估计，首先对空间依赖性的存在形式进行了检验(见表5)，检验发现LM-lag、Robust-lag、LM-error、Rboust-error都通过了显著性水平1%的检验，但空间误差的统计值大于空间滞后，说明面板模型的空间依赖性是以误差形式存在的。而Wald检验和LR检验的结果都接受原假设，表示可以由空间杜宾模型(SDM)退化为空间误差(SEM)。进一步通过Hausman检验发现，空间误差模型应该选择固定效应，通过对模型拟合优度、对数似然值的比较，最终选择时空双固定的空间误差模型。

表5 城市建设用地利用效率对城市化驱动效应模型检验

从城市建设用地利用效率对城镇化的驱动效应来看，回归系数为0.113 459，通过了1%的水平检验。表明城市建设用地利用效率每提高1%，可带动本区域的城镇化水平提高约0.113 5%。可以看出，本区域城市建设用地利用效率对城镇化具有显著的正向作用，说明良好的城市建设用地利用效率能够带来资金、人口、产业的集聚，从而助推城镇化的推进。一方面城市建设用地有效供给可以促进城市土地的节约集约利用，从而促进城市紧凑型发展；另一方面城市建设用地利用结构的不断优化，可以促使土地资源得到合理配置，进而支撑城市经济社会的发展需求。从空间误差项(Lamdbda)的回归系数来看，系数值在1%的水平上显著，说明在邻域空间上存在随机扰动项对本区域的城市化水平产生正向影响(见表6)。

表6 城市建设用地利用效率对城镇化驱动模型估计结果

(二)城市化对城市建设用地利用效率的全局空间驱动效应分析

根据LM、Robust-LM检验发现，LM-lag、Robust-lag、LM-error均通过1%水平的显著性检验，而Robust-error仅通过5%水平的显著性检验，说明滞后性是空间依赖的存在形式。而Wald检验和LR检验的结果都接受原假设，表明空间杜宾模型可以简化为空间滞后模型。而Hausman检验显示，当使用空间固定效应的空间滞后模型(SAR)具有较好的拟合效果，通过对模型拟合优度，最大似然函数值的对比，选取时空双固定的空间滞后模型(见表7)。

表7 城市化对城市建设用地利用效率驱动效应模型检验

根据Lesage和Pace[26]指出由于存在空间溢出效应，采用ML得到的系数结果存在明显误差，应按照偏微分法将系数分解为直接效应、间接效应。根据回归结果，将其空间效应分解如下：

表8反映了空间滞后模型分解下的直接效应、间接效应和总效应。城市化的直接效应系数为0.193 7，且在5%的水平下显著，这表明随着区域城市化水平的提升，会提高当地地城市建设用地利用效率。而间接效应系数的符号显著为正，虽然只通过了10%水平的显著性检验，但也表明邻近区域城市化水平对本区域的城市建设用地利用效率有正的影响。总效应系数为0.252 8且通过了5%显著性检验，表明全局范围内，城市化水平提高1%，城市建设用地利用效率就会提高0.252 8%。

表8 直接效应、间接效应的分解

对比模型结果可知，在全局空间范围内，LNUR的系数大于LNEF的系数，说明城市化对建设用地的驱动效应大于城市建设用地利用效率对城市化的驱动效应。

四、建设用地利用效率与城市化局部空间驱动效应

通过本文分析所得的是建设用地利用效率与城市化的全局驱动效应，但由于空间异质性的存在，需要具体分析两者的局部空间驱动效应。因此，采用Arcgis地理加权回归模型工具，分析建设用地利用效率与城市化的局部空间驱动效应。

(一)城市建设用地利用效率对城市化局部空间驱动效应

在城市建设用地利用效率对城市化的局部空间驱动效应估计中，最优带宽Bandwidth约为430.85，拟合优度R2约为0.688，AICc值为-49.905，整体拟合效果优于Classic OLS模型。将城市建设用地利用效率对城市化局部空间驱动效应回归系数采用自然断裂法划分为4个等级：强驱动型、较强驱动型、较弱驱动型、弱驱动型。如图2a，可以看出，局部空间驱动效应存在明显的空间异质性。其中，在空间上城市建设用地利用效率对城市化驱动效应存在明显的由东向西梯度递减的格局，新疆、西藏、青海地区由于城市建设用地利用效率和城市化水平都较低，因此建设用地利用效率对城市化的驱动效应最弱，属于弱驱动型；内蒙古、甘肃、陕西、宁夏、四川、云南、贵州城市建设用地利用效率较低而城市化水平相对较高，属于较弱驱动型。广东、福建、浙江、江苏、上海、江西、安徽、山东、吉林、辽宁、黑龙江都为城市建设用地利用效率对城市化驱动效应较强的区域，属于强驱动型。其余省份都属于较强驱动型。

图2 GWR模型参数估计结果参数分类图

(二)城市化对城市建设用地利用效率局部空间驱动效应

在城市化对城市建设用地利用效率的局部空间驱动效应估计中，得到最优带宽Bandwidth约为430.857，AICc约为-48.983，拟合优度R2约为0.69，表明采用考虑空间位置的GWR模型拟合效果较好。依旧将局部空间驱动效应系数利用自然断裂法划分为：强驱动、较强驱动、较弱驱动、弱驱动4种类型(见图2b)。可以看出整体呈现由西向东梯度递减的空间格局。强驱动的省份主要有新疆、西藏、青海，这些省份自身的城市化和建设用地利用效率都较低，但随着城市化进程的不断推进，城市建设用地利用效率会得到稳步提升。福建、江苏、上海、浙江等东部沿海省份城市化水平和建设用地利用效率较高，黑龙江、吉林、辽宁的建设用地利用效率相对较高，因此城市化对城市建设用地利用效率的驱动效应不明显，属于弱驱动型。较强驱动型包括8个省份，主要位于西南地区和西北地区，受地理位置和经济发展的影响，这些省份的城市化水平和城市建设用地效率都相对较低。较弱驱动型包括中部地区的13个省，大部分省都是建设用地利用效率或者城市化水平相对较高的地区。

(三)城市建设用地利用效率与城市化相互驱动效应

将城市建设用地利用效率与城市化的相互驱动效应分为图3中6种模式，可以看出，城市建设用地利用效率与城市化相互较强驱动的省份有广西、贵州、重庆，相互较弱驱动的省份仅有内蒙古。城市建设用地利用效率强驱动型表示建设用地利用效率对城市化的驱动效应强于城市化对建设用地利用效率的驱动效应，包括上海、山东、浙江、广东、福建、海南、江西、安徽、江苏、黑龙江、吉林、辽宁12个省份。城市化强驱动型表示城市化对城市建设用地利用效率的驱动效应强于城市建设用地利用效率对城市化的驱动效应，主要包括青海、新疆、西藏3个省份。其余西部地区5个省份为城市化较强驱动型，中部地区7个省份为城市建设用地利用效率较强驱动型。

图3 城市建设用地利用效率与城市化相互驱动类型分布

五、结论与讨论

(1)通过空间自相关分析可知城市建设用地利用效率与城市化全局存在显著的空间正相关性，且这种空间相关性随时间的推移显著增加，空间分异态势明显，高集聚区向东南沿海转移，而以西北—西南为中心的集中连片的低值集聚区未发生明显变化。

(2)全局空间范围内，城市建设用地利用效率与城市化具有显著的相互驱动效应，深入分析两者的相互驱动效应可知，城市化对城市建设用地利用效率的驱动效应较大，说明整体上城市化水平的增速相对较快，而城市建设用地利用效率的提高相对滞后。

(3)局部空间范围内，城市建设用地利用效率与城市化的相互驱动效应存在明显的空间异质性，将两者相互驱动模式分为6种类型，发现各种驱动类型的省域在地理空间上相互联系，具有明显的块状集聚的空间特征。

由于我国东、中、西各区资源禀赋、经济发展存在较大的区域差异，因此针对城市建设用地利用效率，应该实施区域差别化的开发和利用策略，从而提高城市建设用地利用效率。就东部而言，在快速城市化进程中，建设用地供需矛盾最为突出。因此其提升策略可通过转变经济发展方式，促进产业结构升级，大力发展高新技术产业和服务业，持续推动城市建设用地利用效率结构的优化和产出效益的提高，最终实现建设用地由外延式增长向内涵式挖掘转变。中部地区城市化水平相对东部落后，因此应持续推进城市化进程，发挥自身比较优势，培育壮大支柱产业的发展，从而推进产业结构升级，以产业结构的优化带动城市建设用地结构的转变，实现城市建设用地产出的提高。西部地区经济发展水平、城市化水平、基础设施建设相对落后。因此需加快推进城市化进程，促进人口向城市转移，发挥城市的集聚效益；同时加大固定资产投入力度，完善城市基础设施建设，从而为建立主导产业提供基础条件，最终实现城市建设用地投入产出的提高。