Rationality evaluation and driving force of industrial land expansion in Shandong Province
PENGShangui通讯作者:
收稿日期:2015-03-24
修回日期:2015-05-4
网络出版日期:2016-02-01
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 (3110KB)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
工业用地作为工业生产活动的物质承载基础,与工业经济增长存在着紧密的联系。若工业用地规模过小,会对工业经济增长产生“阻尼”作用[1],降低工业产出的增速。但是如果工业用地规模过大,就会导致土地资源的粗放利用。目前,中国工业用地粗放利用和浪费现象普遍存在,同时各地工业用地指标又非常紧张。因此,界定工业用地的合理规模,对于采用规划(计划)手段供给适量的工业用地,在保障工业发展合理用地需求的同时,防止工业用地低效利用具有积极的意义。在国外,工业用地规模合理性研究包含于城市扩张这一大的命题下,工业用地的规模扩张被区分为福利性和亏损性两种类型,其中福利性扩张是指在完全竞争市场条件下,伴随工业化水平提高和人口增加,工业经济发展所必需的工业用地扩张规模[2];亏损性扩张是指在工业用地市场失灵、价格信号失准,同时政府没有准确估计工业用地规模扩张成本的情况下[3],如人口集聚带来的交通拥堵、基础设施及公共设施等公共物品供给不足[4],所导致的、本应避免的扩张规模。因此工业用地合理规模就是指福利性扩张所对应的规模。需要指出的是,这种分析框架建立在土地市场完善和土地产权清晰的前提下,因此,并不完全适合中国国情。目前,国内对于工业用地规模合理性的判断,主要集中于三方面。一是考察工业用地规模与工业经济增长的协调性。如从总量维度,分析工业用地规模与工业经济增长水平的协调性;从结构维度,分析工业用地比例与工业产出比例的一致性[5]。通过协调性的分析,定性地判断工业用地规模是否合理。二是考察工业用地规模的合意性。分析现状工业用地规模与理想(目标)容积率、投入和产出强度条件下“合理”的工业用地规模的差距。如土地集约利用评价中强度潜力的测算,就是通过反映现状用地规模与“合理”用地规模之间的差异,从潜力视角定量地判断工业用地规模是否合理[6]。三是考察工业用地利用的有效性。如利用DEA方法从投入—产出视角,评价工业用地利用的有效性[7],并通过投影分析等效率损失分析手段,从效率视角判断工业用地规模是否合理[8]。总体而言,现有的工业用地规模合理性的研究虽然具有逻辑上的合理性,但都缺乏对中国国情和制度特色的关照。由于中国土地制度的特殊性,地方政府控制着土地一级市场的供给权,因此工业用地规模在很大程度上取决于地方政府的土地供给行为。鉴于此,本文从地方政府土地供给行为视角,利用门限回归分析方法,对工业用地规模的合理性进行考察;同时,根据工业用地规模合理性分析的结果,基于分类分析的思路,对合理、不合理工业用地规模扩张的驱动力进行分析,从而为工业用地供给的调控提供必要的依据。
考虑到在中国,市、县政府是经济分权格局下的利益竞争主体,同时也是工业用地的供给主体,将研究对象的行政层级设置为市、县级较为适宜。但由于县级的相关数据难以获取,考虑到数据的可得性,最终将数据收集的行政层级设置为市级。由于全国层面的分析对应着海量的数据收集工作,为保证研究的可行性,在综合考虑如下因素后,选取山东省作为案例进行研究:一是山东省制造业较为发达,产业结构中二产比重一直较高,各地级市工业产业结构趋同,引资竞争激烈[9],能较好地反映工业用地供给过程中地方政府的竞争关系;二是掌握了山东省各地级市的相关数据,能够支持研究的开展。
2 工业用地规模合理性分析
2.1 工业用地规模“门槛条件”的提出及模型设定
2.1.1 工业用地规模“门槛条件”的提出作为本文研究的逻辑起点,有必要先对中国地方政府工业用地供给行为进行分析,进而,在此基础上提出工业用地规模合理性的判断标准。要理解中国20世纪90年代土地市场发展以来地方政府特殊的土地供给行为,需要从政治激励和财政激励两方面入手。在政治激励方面,中国实行的是单一的,高度集权的行政管理体系。地方政府遵循对上负责的原则,以政绩考核指标为依据,运用相关资源实现相应的目标。在中国,地方官员的政绩考核方式是一种相对绩效评价[10],主要集中于经济增长排名的考察。因此,为取得良好的政绩考核结果,获得职位晋升,地方官员需要努力促进本地区经济发展。在财政激励方面,与政治上的集权不同,中国改革开放的过程本质上是经济逐步分权的过程。在经济分权的制度安排下,地方政府的财政收入绝大部分来源于地方的经济增长。20世纪90年代中期的分税制改革,中央政府在集中财权打破中央—地方财权结构的同时,并未对中央—地方事权结构进行调整,地方的财政支出责任并未减少,地方政府为保障财政收支的可持续性,必须尽量追求财政增收。在这种政治、财政双重激励下,地方政府必须使用一切工具,实现自身经济增长和财政增收的最大化。
工业用地对应的制造业部门生产能力一旦形成,地方的GDP和税收就会增加,而且往往会保持稳定乃至上升的势头,成为地区持续稳定的增长动力,因此,地方政府有很强的意愿获取制造业投资。但是,制造业部门,特别是中国有比较优势的中低端制造业的一个特点是缺乏区位特质性,这类企业具有很强的流动性和根据各地优惠政策选择投资地的主动性[11],因此工业用地市场因为引资竞争形成了“全国性买方市场”。地方政府为争取投资的流入,争相提供优惠政策。由于分税制和金融改革后,争取制造业投资的税收和金融手段日益缩减,地方政府开始更依赖于各种非税收手段。工业用地低价竞争和提供补贴性配套基础设施成为地方政府争取投资的主要工具。地方政府通过协议出让,设置前置性条件的招、拍、挂出让等手段进行工业用地低价竞争,以争取投资、发展经济并增加财政收入[12]。由于地方政府在工业用地供给中选择低价竞争模式,因此工业用地地价可能低于不存在政府管制情况下的正常价格,从而导致实际的工业用地供给量大于不存在政府管制情况下的正常均衡供给量。参考厂商生产的最优要素投入组合理论,在一定的技术条件下,为获取最佳的经济增长,土地与资本要素的组合应遵循适当的比例关系。因此,为实现经济增长这一目标,在地区工业资本存量外生的情况下,为保证工业经济较好地增长,地区的工业用地规模也应存在一定的数量门槛。低于这一门槛的工业用地规模,可能对工业经济增长产生资源阻尼;高于这一门槛的工业用地规模,则可能产生土地资源的投入冗余和浪费。从而,这一数量门槛构成了判断工业用地规模合理或不合理的标准。上述分析的逻辑框架如图1所示。
显示原图|下载原图ZIP|生成PPT
图1分析框架
-->Figure1The analysis framework of paper
-->
2.1.2 研究模型的设定
为寻找工业用地规模的“门槛条件”,本文采用生产理论中广泛使用的C-D生产函数,用其模拟地区工业生产活动过程,为方便变形,按照惯例设其符合规模报酬不变的假设,所构建的C-D生产函数包含土地、资本和劳动力三要素,如下式:
在规模报酬不变的假设下,式中所包含的约束条件为:α+β+λ=1。为了避免模型估计中出现异方差和多重共线性问题,采用对数线性形式对公式(1)进行估计,对公式(1)两边取自然对数并加入表征技术进步的时间变量t和残差项ε。同时为减少待估参数,提高参数估计精度,将公式(1)变形为:
式中Y为地区工业增加值;LU、K、L分别为工业用地面积、工业部门的资本存量和劳动力数量;下标i表示区域;t表示时间;A、g、β、λ为待估参数。可见,公式(2)中Yit/LUit为地均工业增加值;Kit/LUit为地均工业资本存量,为门限变量(即认为存在门槛条件的解释变量);Lit/LUit为地均劳动力,为控制变量,用于保证门限变量回归系数的准确性。公式(2)模型考察的是:在工业资本存量外生给定的情况下,随着工业用地投入量的变化,其对工业经济产出影响的 变化。
目前估计门限变量门限值的常用方法是分组检验。具体而言,分组检验的思想就是根据一定的分组标准将检验的数据分成两个或更多个子样本,分别对多个子样本进行回归分析并根据变量系数是否存在明显差异来判断分组标准是否达到门槛水平[13]。然而分组检验存在一个难以解决的重要问题,即分组标准的确定。一般实证分析中,选取的是门限变量的中位数作为分组标准,但门限变量的样本中位数却并不一定是引发被解释变量显著变动的正确门槛水平,因此分组检验通常无法准确地估计门限变量的门限值。近年来,非线性计量经济学门限回归模型的发展,为估计门限变量的门限值提供了便利。根据Hansen[14]的研究,如果存在一个门限值
将虚拟变量Dit加入公式(2)中,得到:
公式(4)实质上是一个门限变量
2.2 数据来源
估计公式(4)涉及地区工业增加值、工业资本存量、工业部门从业人员、工业用地面积等变量数据。由于工业用地面积数据来源于《山东省城市建设统计年报》[16],其数据起始年份为2001年,考虑到这一数据短板的存在,将数据收集的时间范围设定为2001-2012年。具体而言,各项指标数据的收集及整理过程如下:(1)工业增加值(亿元)来源于《山东统计年鉴》[17],为保证数据间的可比性,将相关数据按照地区生产总值指数中第二产业指数调整为以2001年为基期的不变价。
(2)工业资本存量(亿元)按照永续盘存法计算。其中,当年投资I、经济折旧率 δ和基年资本存量K的参数取值参考张军[18]和单豪杰[19]的研究成果确定,同时根据历年《山东统计年鉴》[17]中的固定资产投资价格指数,将相关数据统一折算为2001年的不变价。
(3)工业部门从业人员(万人)。数据来源于《山东工业统计年鉴》[20]。
(4)工业用地面积(km2)。数据来源于对应年份的《山东省城市建设统计年报》[16]。
2.3 研究区域工业用地规模“门槛条件”的检验
在获取相关指标数值形成面板数据后,可以进行门限回归分析。考虑到数据量巨大,人工计算不具可行性,基于Hansen[21]提出的静态平衡面板数据门限回归Matlab程序,并根据公式(4)的特点,对其进行改写,形成用于门限回归分析的程序。为了选择恰当的门限个数和门限值,依次估计线性模型、单门限模型、双门限模型和三门限模型,设上述4个模型的残差平方和分别为S0、S1、S2、S3,回归方差分别为Sig0、Sig1、Sig2、Sig3。利用格点搜寻法寻找使上述模型的残差平方和最小的门限值[22]。门限数量的设定检验按照从低到高的顺序递进,首先检验线性模型,其原假设为线性模型,备选假设为单门限模型,检验统计量为F=(S0-S1)/Sig1。F统计量不服从标准分布,对此,利用自举法(bootstrap)计算F统计量的临界值,选择自举次数为300次。如果拒绝原假设,则选择单门限模型,依此类推。按照上述方法对模型进行了门限回归分析,结果如表1所示。Table 1
表1
表1门限回归模型检验
Table 1The test of threshold estimation models
模型假设 | 门限变量( | ||||
---|---|---|---|---|---|
原假设 | 备选假设 | F值 | 5%临界值 | P值 | |
线性模型 | 单门限模型 | 65.087 | 33.282 | 0.010 | |
单门限模型 | 双门限模型 | 24.945 | 22.792 | 0.041 | |
双门限模型 | 三门限模型 | 7.779 | 8.845 | 0.112 |
新窗口打开
从表1中可以看出,对于门限回归模型形式的设定,依次拒绝了线性和单门限模型的假设,同时接受双门限模型的原假设,拒绝三门限的备选假设。因此,可以确定门限回归模型为双门限模型,表明门限变量
Table 2
表2
表2门限值估计结果
Table 2The estimation of threshold variable
估计值 | 95%置信区间 | |
---|---|---|
40.791 | [38.243,47.888] | |
79.910 | [76.877,91.814] |
新窗口打开
在明确门限变量的门限值后,基于公式(4),设置3个虚拟变量,按照双门限模型进行回归分析,进而分析门限变量处于不同区间时,对工业经济产出(被解释变量
Table 3
表3
表3双门限模型回归分析结果
Table 3The regression analysis of double threshold model
解释变量 | 系数 | 标准误差 | t统计量 | P值 | VIF |
---|---|---|---|---|---|
C | -1.678 | 1.065 | -1.576 | 0.117 | - |
0.306 | 0.043 | 2.279 | 0.126 | 4.939 | |
0.376 | 0.032 | 10.553 | 0.000 | 6.693 | |
0.310 | 0.021 | 14.705 | 0.000 | 2.404 | |
4.747 | 1.478 | 3.212 | 0.001 | 2.349 | |
0.412 | 0.119 | 3.454 | 0.001 | 2.932 | |
Rr = 0.973; D.W统计值=2.040; F值=313.938; P(F)=0.000 |
新窗口打开
从回归分析效果来看,回归方程在1%的显著性水平下通过了F检验,调整后的决定系数达0.973,表明回归方程显著成立,拟合效果较好;解释变量方差膨胀因子(VIF)值均小于10,不存在明显的多重共线性。回归结果较为理想,可用于后续分析。从双门限模型回归分析结果中,可以得出下面两点结论:
(1)地均工业资本存量(门限变量
(2)根据地均工业资本存量对工业经济产出作用方式的差异,可以将工业用地规模划分为合理和不合理两种类型。双门限模型回归分析结果显示,地均工业资本存量>40.791亿元/km2时,对工业经济具有正向作用,处于这一区间的工业用地规模为合理规模;当地均工业资本存量
2.4 研究区域不合理工业用地规模分析
为反映山东省各地级市不合理的工业用地规模的动态变化,根据前文提出的工业用地规模合理性的判断标准,对2001-2012年山东省各地级市不合理的工业用地规模进行了测算,采用的测算公式如下:式中
公式(5)所表达的测算思路是:在工业资本存量外生给定的情况下,工业用地规模如果合理,则其能够保证地均工业资本存量大于判断标准值;如果工业用地规模过大,则会导致地均工业资本存量小于(等于)判断标准值,而工业用地规模偏大多少,则可以通过测度工业用地规模现状值与临界合理值(Kit /40.791)的差距来衡量。根据上述方法,测算了山东各地级市不合理的工业用地规模,具体情况如表4所示。从表4中可以发现:
(1)山东省不合理的工业用地规模虽有波动,但总体呈下降的趋势,从绝对量看,2001年、2004年、2006年、2008年、2010年、2012年山东省不合理工业用地规模分别为212.03 km2、352.85 km2、340.02 km2、300.54 km2、159.62 km2、100.74 km2,呈倒U型变化趋势,总体趋于下降;从相对量看,上述年份不合理工业用地规模占工业用地规模总量的比重分别为46.49%、48.76%、39.26%、30.33%、15.02%、9.19%,下降趋势明显。这说明山东省工业用地的集约利用水平整体呈上升趋势。
Table 4
表4
表42001-2012年山东省各地级市不合理工业用地规模的动态变化
Table 4The trend of size of unreasonable industrial land of all cities in Shandong Province from 2001 to 2012 (km2,%)
城市 | 2001年 | 2004年 | 2006年 | 2008年 | 2010年 | 2012年 | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
济南 | 23.96 | 49.81 | 25.41 | 44.13 | 40.82 | 50.53 | 32.11 | 37.75 | 14.83 | 17.19 | 7.73 | 9.30 | |||||
青岛 | 11.18 | 21.71 | 23.99 | 29.71 | 25.39 | 25.94 | 17.88 | 16.81 | 4.02 | 3.21 | 0.00 | 0.00 | |||||
淄博 | 19.03 | 43.61 | 21.44 | 37.88 | 15.58 | 24.42 | 11.49 | 15.89 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
枣庄 | 13.27 | 67.17 | 20.35 | 67.78 | 17.77 | 54.88 | 23.86 | 53.92 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
东营 | 0.15 | 0.91 | 5.02 | 19.07 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
烟台 | 15.25 | 36.80 | 41.55 | 52.34 | 17.45 | 24.38 | 13.37 | 15.80 | 2.51 | 2.45 | 0.00 | 0.00 | |||||
潍坊 | 16.99 | 44.72 | 40.82 | 54.51 | 36.08 | 42.82 | 32.65 | 34.73 | 8.46 | 8.90 | 0.00 | 0.00 | |||||
济宁 | 12.57 | 41.50 | 9.63 | 26.44 | 6.04 | 13.27 | 8.92 | 15.21 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
泰安 | 8.60 | 46.95 | 14.55 | 48.09 | 18.56 | 45.17 | 8.87 | 21.06 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
威海 | 9.31 | 42.83 | 7.22 | 24.59 | 11.97 | 28.11 | 15.26 | 26.41 | 15.20 | 23.91 | 9.94 | 15.19 | |||||
日照 | 5.40 | 56.59 | 9.28 | 58.04 | 9.58 | 47.03 | 2.79 | 12.60 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
莱芜 | 1.23 | 19.77 | 2.42 | 21.79 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
临沂 | 21.28 | 67.48 | 36.31 | 67.92 | 31.89 | 56.41 | 30.80 | 49.28 | 27.39 | 38.16 | 15.25 | 20.58 | |||||
德州 | 19.31 | 69.01 | 34.61 | 71.60 | 35.72 | 58.87 | 38.97 | 54.30 | 40.60 | 48.76 | 42.91 | 44.02 | |||||
滨州 | 4.95 | 40.11 | 11.20 | 41.69 | 15.43 | 37.27 | 11.46 | 25.09 | 0.00 | 0.00 | 0.00 | 0.00 | |||||
聊城 | 14.40 | 66.83 | 16.09 | 55.92 | 15.69 | 44.35 | 14.60 | 29.49 | 8.67 | 15.94 | 8.19 | 12.96 | |||||
菏泽 | 15.18 | 82.72 | 32.96 | 87.91 | 42.07 | 84.57 | 37.52 | 72.30 | 37.95 | 63.44 | 16.72 | 32.27 | |||||
山东 | 212.03 | 46.49 | 352.85 | 48.76 | 340.02 | 39.26 | 300.54 | 30.33 | 159.62 | 15.02 | 100.74 | 9.19 |
新窗口打开
(2)山东省内不合理工业用地规模地区差异明显,不合理工用地规模主要集中在山东省西部和南部地区(德州、聊城、菏泽、临沂等市),其余地区则相对较轻。
3 合理及不合理工业用地规模扩张的驱动力分析
3.1 研究假说的提出:合理和不合理工业用地规模扩张的分类驱动力
工业用地作为工业生产的物质承载,随着工业经济发展、从业人员集聚必然出现规模扩大的现象,这是早期工业用地规模扩张驱动力研究强调的论点[23-25]。但是,近年来****们逐渐将研究重点转移到制度因素上,有研究[26,27]认为,中国的财政分权制度和以经济增长为导向的地方官员晋升考核体系,促使地方政府一方面必须应对事权、财权的不对等,一方面还需要在有限的经济资源和政治机会中实施区域竞争。为应对激烈的竞争,地方政府普遍采用工业用地低价竞争的方式进行招商引资,进而换取经济发展和预算内外财政收入的持续稳定增长。与此相伴的是,工业用地低价竞争行为增加了对土地的引致需求,导致了工业用地规模的扩大。可以发现,现有研究对同一个现象即工业用地规模扩大的解释存在明显的差异,部分研究强调经济、人口因素的作用,部分研究强调制度因素的影响。对此认为上述两方面的研究成果可能分别解释了不同类型的工业用地规模扩张,其中经济、人口因素可能能够解释合理的工业用地规模扩张;制度因素可能能够解释不合理的工业用地规模扩张。而可能正是因为没有区分合理、不合理的工业用地规模才导致上述差异的产生。鉴于此,本文提出一个待检验的研究假说:合理的工业用地规模扩张主要源于经济、人口因素的驱动,不合理的工业用地规模扩张主要源于财税和地方政府竞争等制度因素的驱动。3.2 实证模型设定
为验证合理和不合理的工业用地规模扩张驱动力,按照交叉检验的思路,分别以合理、不合理的工业用地规模为被解释变量建立4个面板数据实证分析模型,具体如下:公式(6)、公式(7)所构建的模型用于考察合理工业用地规模扩张的驱动力,被解释变量均为合理的工业用地规模。公式(6)用于考察经济、人口因素对合理工业用地规模扩张的作用,根据现有研究[23-25],选取经济、人口因素中常用的地区工业增加值(Yit)、工业部门从业人数(Lit)、工业部门固定资产投资(INVit)作为模型的解释变量。公式(7)用于考察财税和地方政府竞争等制度因素对合理工业用地规模扩张的影响,根据现有研究[26,27],选取财政分权指标(FDit)、地方政府竞争指标(COMit)作为模型的解释变量。同理,公式(8)、公式(9)所构建的模型用于考察不合理工业用地规模扩张的驱动力,被解释变量均为不合理的工业用地规模。其中,公式(8)用于考察经济、人口因素对不合理工业用地规模扩张的作用,解释变量同公式(6);公式(9)用于考察财税和地方政府竞争等制度因素对不合理工业用地规模扩张的影响,解释变量同公式(7)。
3.3 变量说明及数据来源
(1)合理的工业用地规模((2)地区工业增加值(Yit,亿元)。数据来源与整理过程与公式(4)中相同。
(3)工业部门从业人员(Lit,万人)。数据来源于《山东工业统计年鉴》[20]。
(4)工业部门固定资产投资(INVit,亿元)。原始数据来源于各地级市统计年鉴中“固定资产投资—按国民经济行业门类分”条目,根据行业分类标准整理出了工业行业固定资产投资数据,为保证数据间的可比性,采用固定资产投资价格指数,将相关数据统一调整为2001年的不变价。
(5)不合理的城市用地扩张规模(
(6)财政分权指标(FDit)。用来反映财政分权对城市用地扩张的影响,根据杨晨[28]的研究,采用预算内本级政府财政支出分权指标刻画财政分权程度:FDit=各地级市人均预算内财政支出/(各地级市人均预算内财政支出+省本级人均预算内财政支出),数据来源于《山东统计年鉴》[17]。
(7)地方政府竞争指标(COMit,亿元)。考虑到中国地方政府工业用地出让低价竞争的目的在于获取投资。因此参考张军、张晏[29,30]的研究,采用资本净流入量来表示地方政府间的竞争,数据来源于《山东统计年鉴》[17]。
3.4 结果及分析
按照公式(6)-公式(9)构建的模型进行面板数据回归分析。为避免谬误回归的产生,面板数据回归分析要求变量间存在协整关系。本文采用EG两步检验法检验相关变量是否存在协整关系。首先,确认相关变量是否平稳,对此,本文利用Eviews6.0的面板数据单位根检验确认相关变量是否为单位根过程,检验中滞后阶数基于SIC准则确定,检验结果表明各变量均为非平稳的Table 5
表5
表5面板数据协整检验结果
Table 5The results of panel cointegration test
检验方法 | 检验假设 | 统计量名 | 统计量值(P值) | |
---|---|---|---|---|
公式(6) | Kao检验 | H0:ρ = 1H1:(ρi = ρ)<1 | ADF-Statistic | -5.234(0.000) |
Pedroni检验 | Panel PP-Statistic | -5.988(0.000) | ||
Panel ADF-Statistic | -7.321(0.000) | |||
公式(7) | Kao检验 | ADF-Statistic | -4.531(0.000) | |
Pedroni检验 | Panel PP-Statistic | -5.365(0.000) | ||
Panel ADF-Statistic | -5.986(0.000) | |||
公式(8) | Kao检验 | ADF-Statistic | -2.393(0.008) | |
Pedroni检验 | Panel PP-Statistic | -4.244(0.000) | ||
Panel ADF-Statistic | -5.161(0.000) | |||
公式(9) | Kao检验 | ADF-Statistic | -4.988(0.000) | |
Pedroni检验 | Panel PP-Statistic | -5.193(0.001) | ||
Panel ADF-Statistic | -5.679(0.000) |
新窗口打开
从检验结果看,多种检验方法的协整检验P值均小于0.01,说明在1%的显著性水平下拒绝变量间不存在协整关系的原假设,确认公式(6)-公式(9)的变量间存在显著的协整关系。基于此,采用面板数据回归分析的方法,分别按照公式(6)-公式(9)构建的模型进行计量分析。根据Hausman检验结果,选择固定个体效应模型进行回归分析,运用基于截面数据加权(cross-section weight)的广义最小二乘法(FGLS)进行参数估计,结果如表6所示。
Table 6
表6
表6面板数据回归分析结果
Table 6The results of panel regression analysis
公式(6) | 公式(7) | ||||||
---|---|---|---|---|---|---|---|
变量 | 系数 | 标准误差 | t(P) | 变量 | 系数 | 标准误差 | t(P) |
c | -3.223 | 0.103 | -31.255(0.000) | c1 | -29.641 | 49.223 | -0.602(0.548) |
lnYit | 0.142 | 0.055 | 2.591(0.011) | FDit | 140.869 | 107.492 | 1.310(0.192) |
lnLit | 0.143 | 0.029 | 4.728(0.000) | COMit | 0.033 | 0.181 | 0.184(0.854) |
lnINVit | 0.732 | 0.052 | 13.998(0.000) | - | - | - | - |
F值=167.095 | F值=13.552 | ||||||
D.W.统计值=2.152 | P(F)=0.000 | D.W.统计值=0.000 | P(F)=1.699 | ||||
公式(8) | 公式(9) | ||||||
变量 | 系数 | 标准误差 | t(P) | 变量 | 系数 | 标准误差 | t(P) |
c2 | 14.444 | 1.469 | 9.827(0.000) | c3 | 2.078 | 7.741 | 0.268(0.789) |
lnYit | -0.005 | 0.003 | -1.786(0.075) | FDit | 59.463 | 17.381 | 3.421(0.001) |
lnLit | 0.328 | 0.063 | 5.169(0.000) | COMit | 0.934 | 0.152 | 6.124(0.000) |
lnINVit | -0.001 | 0.005 | -0.234(0.815) | - | - | - | - |
F值=9.625 | F值=42.498 | ||||||
D.W.统计值=1.834 | P(F)=0.000 | D.W.统计值=1.851 | P(F)=0.000 |
新窗口打开
从公式(6)中解释变量作用方式来看,表征经济发展的解释变量Yit、表征人口因素的解释变量Lit、表征投资的解释变量INVit,分别在5%和1%的显著性水平下通过了t检验,且偏回归系数均为正,表明其对合理的工业用地规模扩张具有显著的正向作用。同时,公式(7)中,表征财政分权的解释变量FDit、表征地方政府竞争的解释变量COMit,均未在10%的显著性水平下通过t检验,表明其对合理的工业用地规模扩张未产生显著的影响。结合公式(6)、公式(7)模型的回归分析结果,可以发现,经济发展和人口因素是合理的工业用地规模扩张的主要驱动力。
从公式(9)中解释变量的作用方式来看,财政分权变量FDit和地方政府竞争变量COMit都在1%的显著性水平下通过了t检验,且偏回归系数均为正,表明财政分权和地方政府竞争均对不合理的工业用地规模扩张产生了显著的正向促进作用。同时,公式(8)中除表征人口因素的解释变量Lit在1%的显著性水平下通过了t检验外,其余解释变量Yit、INVit均未在10%的显著性水平下通过t检验,且公式(8)调整后的决定系数仅为0.126,不能很好地解释不合理工业用地规模的变动。结合公式(8)、公式(9)的回归分析结果可以发现,财税和地方政府竞争等制度因素是不合理的工业用地规模扩张的主要驱动力。
4 结论及政策启示
本文从地方政府土地供给行为视角对工业用地规模扩张进行了考察,利用门限回归模型对山东省各地级市工业用地规模扩张合理性进行了判断。同时,对合理、不合理的工业用地规模扩张驱动力进行了分类实证分析。基于上述分析,得出了如下结论:在山东省内,可以将工业用地规模合理性的判断标准以地均工业资本存量的形式进行表达,将其设定为40.791亿元/km2(271.933万元/亩),如果工业用地规模合理,则其能够保证地均工业资本存量大于判断标准值;如果工业用地规模过大,则会导致地均工业资本存量小于(等于)判断标准值,工业用地规模偏大多少,则可以通过测度工业用地规模现状值与临界合理值(Kit/40.791)的差距来衡量。同时,合理的工业用地规模扩张主要源于经济、人口因素的驱动,不合理的工业用地规模扩张主要源于财税制度、地方官员政绩考核体系等制度因素的驱动。从上述结论中,可以得出如下的政策启示:工业用地规模应采用区间调控。门限回归结果显示,在山东省内,地均工业资本存量大于40.791亿元/km2时,对工业经济具有正向作用。在资本存量给定的情况下,只要土地—资本配置关系处于这一区间,能够带来工业经济的增长,在目前的财税和官员政绩考核制度下,对于地方政府而言,工业用地的继续投入就具有现实合理性,工业用地规模的扩张是可以接受的。一味强调工业用地规模越小越好,可能抑制工业经济增长,对于以追求经济增长和税收增收为重要目标的地方政府而言是不可取的,其现实合理性不足。综上,在当前的制度环境下,以保证土地—资本配置关系处于合理区间为近期目标,以财政及官员晋升考核制度改革为深层次手段,对工业用地供给扩张进行调控是一个具有现实可行性的政策选择。
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]. , [J]. , |
[2] | [J]. , |
[3] | [J]. , |
[4] | [J]. , |
[5] | . , , |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | . , , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | [J]. , [J]. , |
[12] | [J]. , [J]. , |
[13] | [J]. , [J]. , |
[14] | [J]. , |
[15] | [J]. , |
[16] | |
[17] | |
[18] | [J]. , [J]. , |
[19] | [J]. , [J]. , |
[20] | |
[21] | [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , |
[24] | [J]. , |
[25] | [J]. , [J]. , |
[26] | [J]. , [J]. , |
[27] | [J]. , [J]. , |
[28] | . , , |
[29] | [J]. , [J]. , |
[30] | [J]. , [J]. , |