Differences in driving-force mechanisms in urban land expansion in China
ZHANGYaoyu通讯作者:
收稿日期:2015-06-2
修回日期:2015-10-27
网络出版日期:2016-01-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (673KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
改革开放之初,中国的城市化率尚不足20%,经过30多年的发展,2013年的城市化率已经达到了53.7%,城市化发展有了巨大的进步。快速的城市化发展导致了大量农地向城市用地的转化[1],而在农地转向非农开发的过程中,中国出现了城市用地无序蔓延、低效率利用的严重问题:大城市呈“摊大饼”式发展,中小城市用地浪费严重[2]。部分东部较发达地区城市建设用地的年均扩张速度达到了4.2%[3],相比之下,世界发达地区的城市建设用地年均扩张率仅有1.2%左右[4]。作为世界上最大的发展中国家,中国的城市土地利用正面临着世界少有的严峻形势[5]。国家虽然多次出台宏观调控政策,旨在抑制城市用地无序扩张、强调土地节约集约利用,但整体上来看,城市建设用地扩张的趋势依然有增无减,2010年中国建设用地供应总量达到43万hm2,比2006年增长83.8%之多[6]。有鉴于此,剖析城市用地扩张的驱动机制,对症下药以遏制用地无序扩张,对处于城市化快速发展阶段、人多地少的中国而言有着重大意义。所以,本文在已有城市用地扩张研究的基础上,从一个基于不同城市规模、不同行政级别的差别化研究视角出发,尝试着更加细致地剖析中国现阶段的城市用地扩张的驱动机制,并给出相应的治理政策建议。
2 文献回顾与理论框架
2.1 已有研究综述
对于城市用地扩张的影响因素,已有研究可以归纳为两个方面:从经济发展的角度归纳经济因素对城市用地扩张的影响;从政府行为的角度讨论城市用地扩张的影响因素。2.1.1 经济发展与城市用地扩张
农地非农化是土地在农地和建设用地之间竞争配置的过程,二者之间存在着此消彼长的数量关系[7],在市场机制与竞争机制的作用下,边际收益较低的土地利用向边际收益较高的土地利用转化[8]。Seto等以珠三角地区为例,将遥感影像和社会经济数据结合起来进行分析,发现农业用地与城市用地产出效率的相对比值是决定城市扩张的最主要因素[9]。Deng 等基于县级面板数据的空间经济模型进行了实证研究,发现GDP每增长10%会引起城市用地3%的扩张,经济结构变化对城市扩张也有一定影响[10]。彭淑贞等通过遥感与GIS技术分析,检验了固定资产投资、人口增长等社会经济因素对城市建成区面积的影响[11]。郭瑞敏等应用协整分析、库兹涅茨曲线和“脱钩”理论,验证了城市建成区面积和第二、三产业GDP之间的关系[12]。
2.1.2 政府行为与城市用地扩张
如今的中国仍处于快速转型期,各种制度体制仍不完善,城市扩展过程不可能完全按照市场原则自发进行[13]。特别在中国特有的城乡二元土地制度安排之下,地方政府是城市用地的垄断供给者[14],凭借对土地资源的控制,地方政府形成了以低地价支撑高速工业化、土地资本化支持快速城市化的“以地谋发展”模式[15],依靠土地资源投入支撑区域间的经济发展竞争,这就使得政府行为与土地非农化之间有密不可分的联系。实证检验中,踪家峰等分析了财政分权、转移支付与当前地方政府城市扩张之间的关系[16],认为“中国式”的财政分权体制是造成城市快速扩张的重要原因。杨志荣等将土地非农化的面积纳入柯布-道格拉斯生产函数进行计算[17],结果发现土地投入带给地方政府的经济发展收益居然低于土地投入的制度收益(出让金、税费),所以制度收益对土地投入的影响更强。李永乐等利用“公地悲剧”理论分析并实证检验了财政分权与城市扩张之间的关系[18],认为各自为政的地方政府为实现自身收益的增加对城市扩张有着显著的偏向,从而导致农地被过多的占用。
从文献回顾可知,****们总结归纳、并实证检验了影响城市用地扩张的各方面因素,已经对城市用地扩张有了深刻的认识。但已有研究中仍存在待完善之处:对城市间的异质性缺乏重视,没有意识到同样的影响因素在不同的城市中可能会有着不同的作用,从而使得不同的城市可能会受到不同的驱动机制作用。所以,本文在已有研究的基础上,以城市规模、行政级别为视角,探究不同城市在用地扩张的驱动机制上的差异性。
2.2 理论框架:城市规模、行政等级与用地扩张
2.2.1 城市规模与用地扩张城市是经济发展的主要载体,中国城市所产生的国民经济产值占总量的比重高达70%~80%[19]。但在不同规模的城市,其经济发展的主导产业不同,因此其产业结构上存在着不同:大城市的产业更加多样化,形成城市化经济(urbanization econo-mies),而规模较小的城市则往往形成某一产业集聚的地方化经济(localization economies)[20]。从动态发展的视角来看,制造业是城市早期阶段的主要推动力量,而随着经济发展,服务业在大中城市出现集中化倾向、成为推动城市化的主导动力[21,22]。这是因为,随着大城市集聚成本的增加而小城市租金和工资水平较低的成本优势凸显,高附加值的服务业最终成为推动大城市的主导力量,制造业则从大城市向中小城市或农村分散[22,23]。由此可见,不同规模的城市,由于经济发展中的产业结构不同,经济发展对用地扩张的驱动机制也应存在着不同。
2.2.2 城市行政级别与用地扩张
政治精英居住的城市往往会受到政策偏袒[24],而在中国的城市管理体系中,本身就存在着严格的行政等级划分:直辖市、副省级城市、省会城市1)(1)省会城市可能是副省级城市,有可能不是。但考虑到很多情况下省会城市的领导人多为省委常委,级别高于一般地级市的领导人。因此在本文中也将省会城市默认为高于一般地级市的高级别城市。)、地级市、县级市,不同级别城市的政府在地位与权力上差别明显。Henderson将中国的城市管理体制称之为“一种‘大管小’的管理体制”,这种体制会导致资本与财政向高级别的城市倾斜[25]:通过对4个直辖市、26个省会城市、238个地级市以及367个县级市在2002-2007年的人均固定资产投资计算可知,前两者的人均固定资产投资是县级市的四五倍之多,是地级市的近两倍。而且,不同行政级别的城市,不仅存在着资本与财政方面的政策偏袒,在城市扩张的最基本资源——土地资源的分配上,也存在着等级差异:目前中国的土地资源配置方式是一种行政主导的方式,要服从内生的铁定准则——按行政权力等级配置征地指标[26]。所以,中国的城市扩张主要发生在地级及以上城市,县级及以下小城镇扩张速度缓慢。1998-2002年,地级以上城市建设用地面积占所有城镇建设用地总规模比重由68.6%上升到78.4%[27]。同时,考虑到较大的城市也往往是行政级别较高的城市,所以,中国的城市扩张也大多集中在大城市或特大城市,规模越大的城市用地扩张速度越快[28],整体扩张速度呈现特大城市>大城市>中等城市>小城市的态势[29]。
从已有研究可知,城市用地扩张的驱动因素可以归纳为经济发展与政府行为两个方面,而进一步从规模与级别这两个视角的剖析可知,在不同规模、不同行政级别的城市中,经济发展与政府行为这两个方面存在着不可忽视的差异性。所以,在这里提出有待下文检验的工作假说:不同规模、行政级别的城市,由于经济发展阶段不同,受到的政策偏袒、政府对城市用地扩张的干涉能力不同,导致了在城市用地扩张机制上也存在不同。
3 数据来源与城市分组说明
3.1 数据来源
本文选取地级及其以上城市作为研究对象,删除数据不全的城市后剩下243个有效样本1)(1)缺失的样本大多分布在中西部地区,规模上多为中小城市。因此可能会导致本文的计量结果,对中西部地区的中小城市解释力度相对较弱。),时间跨度为2001-2011年,形成平衡的面板数据。土地出让金、二三产业GDP、财政支出、FDI(按当年汇率当年换算为人民币)等数据全部以2000年为基底进行定基处理。各城市土地出让金的数据来自《中国国土资源年鉴》[30]。各城市市辖区的人口、市区建成区面积、二三产业数据、FDI、财政支出数据查询自《中国城市统计年鉴》[31]。此外,在表4和表5的描述性统计分析中,二产用地比重数据查询自《中国城市建设统计年鉴》[32]。增值税、企业所得税、税收收入查询自《中国统计年鉴》2)(2)查询自国家统计局在线数据库,网址:http://www.stats.gov.cn/。)和中国经济与社会发展统计数据库3)(3)网址:http://tongji.cnki.net/kns55/index.aspx。)。3.2 城市分组说明
按人口数划分城市规模的划分标准参考国务院发布的《关于调整城市规模划分标准的通知》(国发〔2014〕51号):小城市 <50万人口(城区常住人口,下同)
中等城 50~100万人口
大城市 100~500万人口
Ⅱ型大城市100~300万人口
Ⅰ型大城市300~500万人口
特大城市 500~1 000万人口
超大城市 >1 000万人口
由于城区常住人口数据无法获得,故以市辖区户籍人口进行替代,虽然可能会造成部分外来人口占比很高的城市人口规模被低估,但不影响整体上的分组及比较。同时考虑到500万人口以上的城市较少,因此本文将人口在300万人口以上城市都划为特大城市分组,不再单独分组。考虑到城市规模随时间变化,不能简单地以某一年为准,因此采取折中的办法,以中间年份2006年为基准年划分城市规模分组4)(4)当然,这样的分组也有着一定的缺陷,不能及时动态的反映城市规模变化。所以,本文的研究中主要侧重于差异性对比,而不讨论具体的城市规模等级划分标准方面的问题。),分组的结果见表1。同时,本文将直辖市、省会城市、副省级城市单独划分为一组,作为高行政级别城市分组,名单见表2。其余城市划入地级市分组。
Table 1
表 1
表 1城市规模分组简介
Table 1Introduction of the city groups
<50万人口小城市 | 50~100万人口中等城市 | 100~300万人口大城市 | 300万人口特大城市 | |
---|---|---|---|---|
城市数目 | 41个 | 95个 | 90个 | 17个 |
代表城市 | 承德、黄冈、周口 | 廊坊、嘉兴、马鞍山 | 石家庄、无锡、烟台 | 北京、天津、上海 |
新窗口打开
Table 2
表 2
表 2高行政级别城市分组名单
Table 2Introduction of the status city groups
级别 | 城市名单 | 个数 |
---|---|---|
直辖市 | 北京、上海、重庆、天津 | 4 |
省会城市 (含部分副 省级城市) | 石家庄、太原、呼和浩特、沈阳、长春、哈尔滨、南京、杭州、合肥、福州、济南、郑州、武汉、长沙、广州、南宁、海口、成都、贵阳、昆明、西安、兰州、西宁、银川、乌鲁木齐 | 25 |
非省会的 副省级城市 | 大连、深圳、青岛、厦门、宁波 | 5 |
新窗口打开
4 实证检验与结果分析
4.1 变量设置
被解释变量为城市面积(area),考虑到中国城市的建成区更接近于城市的实体区域[33],因此本文以城市建成区面积代表城市面积(km2)。解释变量有:
(1)城市人口(pop):以城市市辖区人口代表(万人)。用以检验城市发展中最基本的要素,人口增加对城市用地扩张的影响。
(2)非农产业:以二产产值(secondgdp)、三产产值(thirdgdp)代表(万元),用以检验非农经济发展对城市用地扩张的影响。
(3)预算内财政支出(expenditure):年度地方政府预算内支出(万元)。地方政府财政支出包括城市基础设施建设费用、城区改造和扩建费用等,大搞城市建设在一定程度上都可以视为地方官员的“形象工程”、“政绩工程”[34]。因此,可以用政府财政支出来代表政府行为对城市用地扩张的影响。
(4)招商引资(fdi):年度外商直接投资(万元)。外商直接投资本身包含东道国所没有的新技术和专有技术,而且这二者对GDP增长率的提高具有积极的影响[35]。为获取外商投资,以压低地价的方式吸引外商投资成为地方政府常见做法[36,37]。所以本文将检验地方政府招商引资对城市扩张的影响。
(5)土地财政(lf:land finance):年度土地出让金(万元)。2013年,地方政府本级财政收入为 68 969亿元,而同年的土地出让收入高达41 250亿,已经成为名副其实的“第二财政”。有****甚至将土地财政称之为地方政府发展的基本支撑[38]。因此土地出让金为主体的土地财政就与城市用地扩张之间有了密不可分的联系。
(6)土地政策(policy 2004、policy 2007):在这里引入两个虚拟变量,用以检验国家宏观土地调控政策上对城市用地扩张的影响。2004年、2007年国家分别出台了《关于继续开展经营性土地使用权招标拍卖挂牌出让情况执法监察工作的通知》、《招标拍卖挂牌出让国有建设用地使用权规定》,这两个文件强力推进了土地资源“招拍挂”这种市场化的配置方式,显化了土地资源市场价值。所以针对这两个文件分别设置虚拟变量policy2004、policy2007,政策执行前年份设置为0,执行后为1。
最后,为了实现无量纲化,对虚拟变量之外的全部变量取自然对数。
4.2 方法选择
(1)针对模型的选择,豪斯曼检验结果表明适用固定效应模型,而且这也符合了各城市存在个体效应这一现实预期。(2)沃尔德检验[39,40]结果表明拒绝“同方差”、“不存在一阶组内自相关”的原假设,为了克服这些问题,本文采用Driscoll和Kraay[41]的非参数协方差矩阵估计方法,该方法在Stata软件中通过Daniel Hoechle[42]提出的Xtscc指令实现。
4.3 模型结果与分析
模型结果如表3所示。总样本结果1中,大部分变量通过了显著性检验,说明城市用地扩张受到经济发展、政府行为两个方面的多个变量的显著影响。进一步的,通过各分组对比来分析组间城市用地扩张的驱动机制的差异性。4.3.1 基于城市规模的用地扩张驱动机制分析
对比模型结果2-结果5,观察不同规模的城市,其用地扩张的驱动机制是否不同。
(1)对于人口、二三产业产值这3个代表经济发展的变量:①人口变量除特大城市分组之外,均在5%或1%的水平上显著为正。该变量的弹性系数随城市规模递增而递减,小城市和中等城市的人口每增长1%,城市面积分别增加0.618%和0.550%,而大城市人口增加1%,用地扩张仅为0.246%,这种情况符合了大城市人口密度较高、用地更为集约的一般事实;②代表非农经济发展的两个变量,在各分组中也呈现出不同作用。变量二产产值在中等城市、特大城市分组中,分别在1%和5%的水平上显著为正,但后者的弹性系数明显高于前者。变量三产产值仅在小城市分组显著。说明小城市用地受到三产业的显著促进,而中等城市、特大城市用地受到二产业的显著促进。可能的原因是,小城市由于基础设施较差、劳动力市场尚未完善等原因,不足以吸引二产业大规模集聚。同时,小城市人口又处于快速增加之中,商住用地需求增加,所以三产业发展对城市用地扩张有相对明显的推动作用。中等城市的二产发展条件相对小城市条件较好,相对大、特大城市,又有着较低的工资与租金水平,因此能够吸引二产业形成规模集聚。因此二产业成为了经济发展的主要动力、对用地扩张有了显著影响。特大城市中,相对于中等城市,二产发展对用地扩张有着更强的推动作用。这一结果有悖于随着城市经济发展、城市规模扩大,城市发展主导产业从二产向三产转变的一般规律 [21,22],这一点在下文将详细讨论。
Table 3
表 3
表 3模型估计结果
Table 3Results of the model estimation
总样本 | 按城市规模分组 | 按城市级别分组 | ||||||
---|---|---|---|---|---|---|---|---|
解释变量 | 小城市 分组 | 中等城市 分组 | 大城市 分组 | 特大城市 分组 | 高级别城市 分组 | 地级市 分组 | ||
结果1 | 结果2 | 结果3 | 结果4 | 结果5 | 结果6 | 结果7 | ||
ln(pop) | 0.271*** | 0.618*** | 0.550*** | 0.246** | 0.001 | 0.388** | 0.230*** | |
(0.069) | (0.109) | (0.122) | (0.113) | (0.108) | (0.175) | (0.073) | ||
ln(secondgdp) | 0.047** | 0.039 | 0.089*** | -0.008 | 0.338** | 0.137*** | 0.065*** | |
(0.021) | (0.050) | (0.026) | (0.051) | (0.141) | (0.047) | (0.015) | ||
ln(thirdgdp) | 0.096*** | 0.226*** | 0.031 | 0.015 | -0.002 | -0.037 | 0.081*** | |
(0.017) | (0.073) | (0.032) | (0.046) | (0.103) | (0.054) | (0.016) | ||
ln(expenditure) | 0.097*** | 0.057** | 0.040** | 0.179*** | 0.113** | 0.200*** | 0.088*** | |
(0.012) | (0.027) | (0.020) | (0.032) | (0.052) | (0.032) | (0.015) | ||
ln(fdi) | -0.005 | -0.030*** | -0.001 | 0.016* | -0.043** | -0.021 | -0.004 | |
(0.007) | (0.008) | (0.010) | (0.009) | (0.017) | (0.025) | (0.008) | ||
ln(lf) | 0.028*** | 0.026*** | 0.050*** | 0.003 | 0.060*** | -0.011 | 0.036*** | |
(0.004) | (0.007) | (0.004) | (0.008) | (0.015) | (0.018) | (0.004) | ||
policy2004 | 0.055*** | 0.039** | 0.035** | 0.067*** | 0.071 | 0.131** | 0.037*** | |
(0.016) | (0.018) | (0.015) | (0.021) | (0.046) | (0.055) | (0.012) | ||
policy2007 | 0.059*** | 0.093*** | 0.027 | 0.057*** | 0.068** | 0.120*** | 0.045** | |
(0.021) | (0.031) | (0.033) | (0.014) | (0.028) | (0.026) | (0.021) | ||
常数项 | -0.466 | -2.778*** | -1.015 | 0.592 | -1.306 | -0.730 | -0.389 | |
(0.446) | (0.840) | (0.791) | (0.885) | (1.334) | (0.796) | (0.423) | ||
R2 | 0.471 | 0.497 | 0.451 | 0.488 | 0.613 | 0.704 | 0.438 | |
样本数 | 2 474 | 374 | 947 | 966 | 187 | 358 | 2 116 | |
组数 | 240 | 39 | 94 | 90 | 17 | 34 | 206 | |
豪斯曼检验 | FE | FE | FE | FE | FE | FE | FE |
新窗口打开
(2)对于财政支出、招商引资、土地财政这3个代表政府行为的变量:①财政支出变量在所有分组中,均在5%或1%的水平上显著为正。从弹性系数来看,大、特大城市要显著高于中小城市分组,说明政府财政支出规模扩张,能够显著促进用地扩张,且在规模较大的城市中作用更强;②变量招商引资在小城市、大城市、特大城市分组中显著,但仅在大城市分组为正向作用,其余两组中均为负向作用,可能的解释是,小城市中土地价格较低,因此用地集约度较低,拥有先进技术的外商投资反而会促进用地效率提升;特大城市则是在可利用土地紧缺、发展空间用尽的困境下,出现了“招商引资”向“招商选资”的转变1)(1)根据笔者在苏南地区以及浙江义乌地区的调研,这些经济发达、城市化的先行地区,普遍面对着可利用土地资源不足、发展空间已经用尽的困境,不得已的情况下,已经开始有意识的进行“选资”,如在义乌市,将项目分ABC三等,采取差别化的供地政策。那么,土地资源更为紧缺的特大城市,自然会比其他城市更为谨慎、严格的选取投资,以保障土地资源的节约集约利用。),迫使投资在用地方面更加符合节约集约的要求;③土地财政变量在除了大城市之外的所有分组均显著为正,说明土地出让收入是影响各类城市用地扩张的显著因素;④代表政策的虚拟变量在绝大部分结果中显著为正,说明土地资源配置市场化的演进、土地价值显化,会促使土地资源的部门间配置调整,土地从边际收益率低的部门进入边际收益率较高的部门;以及各主体、特别是作为垄断供地者的地方政府对市场交易中显化出来的土地增值收益的追求,都会推动土地非农化、城市建设用地规模扩张。
4.3.2 基于城市行政级别的用地扩张驱动机制分析
表3中,对比模型结果6-结果7和结果5-结果6,对比不同行政级别的城市以及不同规模的高级别城市,在用地扩张的驱动机制上是否存有不同。
高级别城市分组中,变量人口、二产产值分别在5%与1%的水平上显著为正。地级市分组中,变量人口、二三产产值在1%的水平上显著为正。在高级别城市分组中,变量人口与二产产值的弹性系数明显大于地级市分组。说明人口、二产发展对高级别城市用地扩张的作用相对较强。从现实中来看,高级别城市绝大部分属于大城市、特大城市,其产业结构中二产业应处于收缩阶段,二产业对用地扩张的驱动作用也应该相对较弱,然而实证检验却得出了相反的结果,高级别城市分组中变量二产产值的弹性系数是地级市分组中的两倍之多,这可能由于是高级别城市受到了政策偏袒:用地指标多、项目审批权限大、信贷倾斜,等等,使得高级别城市能够以行政力量扭曲土地资源配置。进一步对比结果5和结果6,特大城市中变量二产产值的弹性系数要大于高级别城市分组,也明显超过其他分组,二产产值对城市用地扩张的影响最为强烈,说明规模大且行政级别高的城市中,由于偏袒造成了更为严重的城市用地扩张机制扭曲。为证实这一点,表4中专门统计了17个特大城市在2001年与2011年的二产产值占GDP比重与二产业用地占建设用地比重。可以看出,即使在特大城市之中,二产用地占比仍然处于偏高的水平:相比之下,2010年,纽约的工矿仓储用地比重仅为7.48%,中国香港地区为5.96%、伦敦为2.70%,新加坡为2.40%[43] 。从2001年到2011年,有9个城市的二产用地比重不降反升,同时仅有8个城市的二产产值比重下降,其中北京、唐山、南京、广州、西安在二产产值比重下降的同时,二产用地比重反而上升了。此外,上海市在二产比重下降了6.57%的情况下,二产用地比重基本没有变化。城市政府偏好二产业的原因,可以从中国税收制度中找到:已有的税收制度使政府税收主要来源自企业。比如工业企业提供的增值税,就是地方政府的主要税源之一,所以,为了保住增值税的收入,地方政府有可能会采取措施留住工业企业[25],而且还会偏好不断吸引工业企业落户以扩大税基。有鉴于此表5中计算了部分特大城市中,规模以上工业企业对城市税收的贡献比重1)(1)由于统计数据的缺失,表5中仅包含了10个城市。而且,在能查到的统计资料中,并没有针对工业企业纳税的单独统计,因此本文在这里进行一个简单的估算:工业企业的主要税收贡献为增值税和企业所得税,地方分别享有25%和40%。税收贡献计算公式为:(25%规模以上工业企业应缴纳的增值税+40%规模以上工业企业应缴纳的企业所得税)/地方政府税收。)。而从表5中可知,工业企业的税收贡献在特大城市中占有相当高的比重。而且,对比2001年与2011年,有一半以上城市中工业企业的税收贡献比重增加了,特别是地处珠三角、以外向型经济为主的广州、佛山、汕头三个城市增幅显著。再考虑到工业企业对GDP的贡献,特大城市地方政府对二产业的偏好,也就可以理解了。
对于财政支出、招商引资、土地财政这三个变量,高级别城市中仅有变量财政支出通过显著性检验,在1%的水平上显著为正。地级市分组中变量财政支出、土地财政均在1%的水平上显著为正。对比变量政府财政支出在结果6和结果7之中的弹性系数可知,对于高级别城市,财政支出对用地扩张有着更强的推动作用。土地财政变量在高级别城市不显著而在地级市分组显著,可能的原因是,高级别城市自身的财政水平较好2)(2)根据凤凰网新闻《2013年中国财力最雄厚的50个城市在哪里》,2013年中国城市财政实力前十名是:上海、北京、天津、深圳、重庆、苏州、广州、武汉、杭州、成都,均为直辖市、省会城市。),对土地出让收入依赖较弱。但对比结果5-结果6,特大城市分组中土地财政变量显著为正,不同于高级别城市分组且弹性系数高于其他所有分组。可能的解释是,特大城市虽然有着较好的财政能力,但其土地价格也同样处于很高的水平、能获取更多的土地出让金3)(3)2013年,北上广深4个一线城市的卖地收入突破5 000亿元,而根据中国指数研究院1月2日发布的报告显示,2013年全国300个城市土地出让金总额为31 304.5亿元,可见仅4个一线城市的卖地收入就占比近1/6,可见特大城市中土地财政的实现能力要远超一般城市。新闻链接:http://ganzhou.focus.cn/news/2013-12-25/4511586.html http://www.chinanews.com/house/2014/01-02/5691575.shtml。),所以土地财政对用地扩张仍然具有显著影响。
最终,从实证检验的结果可知,不同规模、不同行政级别的城市,在城市用地扩张的过程中,确实有着不同的用地扩张驱动机制;本文所提出的工作假说得证。
Table 4
表 4
表 4二产用地与二产产值的比重
Table 4The ratio of the second industry output and land using (%)
地区 | 二产用地比重 | 二产产值比重 | ||
---|---|---|---|---|
2001年 | 2011年 | 2001年 | 2011年 | |
北京 | 18.73 | 24.68 | 35.56 | 22.84 |
天津 | 32.13 | 29.42 | 48.84 | 52.50 |
上海 | 28.35 | 28.34 | 47.69 | 41.12 |
唐山 | 22.11 | 34.49 | 64.19 | 61.12 |
沈阳 | 31.91 | 21.40 | 45.78 | 49.64 |
长春 | 23.77 | 26.84 | 51.2 | 58.71 |
哈尔滨 | 28.10 | 25.40 | 36.05 | 43.42 |
南京 | 21.04 | 27.20 | 48.44 | 43.35 |
杭州 | 20.64 | 15.30 | 48.79 | 44.70 |
济南 | 27.07 | 21.25 | 40.73 | 36.30 |
武汉 | 28.49 | 23.15 | 44.13 | 46.10 |
广州 | 28.92 | 39.71 | 39.97 | 35.56 |
汕头 | 22.24 | 24.50 | 43.45 | 51.00 |
佛山 | 25.88 | 33.15 | 58.99 | 63.62 |
重庆 | 24.87 | 25.25 | 48.29 | 56.35 |
成都 | 27.01 | 21.69 | 43.81 | 44.55 |
西安 | 24.10 | 26.30 | 45.50 | 43.37 |
新窗口打开
Table 5
表 5
表 5规模以上工业企业的税收贡献
Table 5The tax contributions from the industrial enterprises above designated size
地区 | 2001年 | 2011年 | ||||||
---|---|---|---|---|---|---|---|---|
增值税 /亿元 | 企业所得税 /亿元 | 总税收收入 /亿元 | 工业企业税收贡献比重/% | 增值税 /亿元 | 企业所得税 /亿元 | 总税收收入 /亿元 | 工业企业税收贡献比重/% | |
全部地方政府 | 1 119.00 | 440.30 | 7 406.16 | 21.05 | 6 575.68 | 3 379.39 | 41 106.74 | 24.22 |
北京 | 29.11 | 9.82 | 475.00 | 8.20 | 106.77 | 77.14 | 2 854.63 | 6.44 |
天津 | 29.64 | 9.00 | 153.80 | 25.12 | 189.57 | 126.30 | 1 004.51 | 31.44 |
上海 | 71.07 | 30.19 | 458.28 | 22.09 | 208.55 | 159.38 | 3 172.72 | 11.60 |
唐山 | - | - | 31.86 | - | 67.88 | 42.18 | 202.00 | 54.48 |
沈阳 | 8.38 | 2.09 | 80.82 | 12.95 | 52.57 | 32.18 | 491.14 | 17.26 |
长春 | 11.35 | 2.23 | 29.75 | 45.66 | 47.49 | 72.96 | 226.86 | 53.10 |
广州 | 22.98 | 6.40 | 170.62 | 17.22 | 117.41 | 57.62 | 710.65 | 24.63 |
汕头 | 2.45 | 0.53 | 17.95 | 16.57 | 11.37 | 7.95 | 55.78 | 34.63 |
佛山 | 5.93 | 3.35 | 55.32 | 16.76 | 75.40 | 39.24 | 212.49 | 53.95 |
重庆 | 13.36 | 2.62 | 87.39 | 18.28 | 91.40 | 28.28 | 881.07 | 13.58 |
新窗口打开
5 结论与政策建议
5.1 结论
在已有研究的基础上,本文通过城市规模与行政级别的差别化研究视角对城市用地扩张机制进行了深入探究,并利用243个城市在2001-2011年的面板数据进行了实证检验,最终证明了本文所提出的工作假说。研究发现:不同规模、不同行政级别的城市,在城市用地扩张的驱动机制上面存在着显著的不同:(1)从城市规模的视角出发,人口对城市扩张的作用随城市规模升高而递减。非农产业发展的作用上,小城市用地受到三产业发展推动,中等、特大城市用地则受到二产业发展推动,其中特大城市受到二产发展更强影响。大、特大城市较之中小城市,用地扩张受到政府财政支出的更强的推动;政府招商引资行为仅对大城市用地扩张有促进作用,对于小城市、特大城市反而有抑制作用。
(2)从城市行政级别的视角出发,相比于普通地级市,高行政级别城市的政府支出对其用地扩张有着更强的影响;且由于高级别城市中政府干预能力较强,土地资源存在错配的问题,使得二产业仍然是高级别城市、特别是特大城市中用地扩张的强影响力因素,而这则有悖于城市发展中产业结构变化的一般趋势。
5.2 政策建议
本文的研究结果为相应的城市用地扩张调控政策提供了经验依据,贡献了一个差别化的分析视角:城市用地扩张的政策调控要在不同规模城市间有所差别,同时行政级别对用地扩张的影响也要加以重视。对于中小城市,其用地扩张虽然也会受到政府行为、土地财政的驱动,但政府干预的影响相对较弱,所以相应的调控政策侧重于通过规划、节约集约用地政策,在满足产业用地需求的同时抑制过度、过快的用地扩张。而大城市、特大城市中政府干预较强,且特大城市中存在着明显的土地资源产业间配置问题,其城市扩张的问题不仅仅是速度过快、规模过大,还要进行结构调整。所以其用地调控应侧重对政府行为的调控,抑制政府为了政绩、财税收入而过度推进城市扩张、扭曲城市土地资源的配置行为。同时也要推动城市间的权利的平等,减少对高级别城市的政策偏袒,从而减少行政权力干预、政策偏袒造成的土地资源配置效率损失。The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , |
[2] | [J]. , [J]. , |
[3] | [J]. (), [J]. , |
[4] | [J]. , |
[5] | [J]. , [J]. , |
[6] | |
[7] | [J]. , [J]. , |
[8] | |
[9] | [J]. , |
[10] | [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | |
[15] | |
[16] | [J]. , [J]. , |
[17] | [J]. , [J]. , |
[18] | [J]. , |
[19] | [J]. , [J]. , |
[20] | |
[21] | [J]. , |
[22] | |
[23] | [J]. , |
[24] | [J]. , |
[25] | ( |
[26] | |
[27] | [J]. , |
[28] | [J]. , [J]. , |
[29] | [J]. , [J]. , |
[30] | [M]. [M]. |
[31] | |
[32] | |
[33] | [J]. , [J]. , |
[34] | [J]. , [J]. , |
[35] | [J]. , [J]. , |
[36] | [J]. , [J]. , |
[37] | [J]. , [J]. , |
[38] | |
[39] | [M]. , |
[40] | |
[41] | [J]. , |
[42] | [J]. , |
[43] | . , , |