施建刚, 徐天珩
同济大学经济与管理学院,上海 200092

Efficiency evaluation of industrial parks land in Yangtze River Urban Agglomerations based on VRS-DEA Model and Malmquist Productivity Index

SHIJiangang, XUTianheng
School of Economics and Management,Tongji University,Shanghai 200092,China
收稿日期:2017-01-14
修回日期:2017-03-16
网络出版日期:2017-06-20
版权声明:2017《资源科学》编辑部《资源科学》编辑部
作者简介:
-->作者简介:施建刚,男,上海人,教授,博士生导师,研究方向为房地产学,土地管理与城市发展等。E-mail:sjg126com@126.com



展开

摘要
针对长三角城市群工业园区动态效率研究不足的问题,本文选取16个国家级工业园区为研究样本,基于单位土地面积投入产出指标,利用VRS-DEA模型与Malmquist指数,对2010-2014年长三角城市群工业园区土地利用效率情况进行分解动态评价,并定量分析其投入产出要素改善潜力。研究发现:①长三角城市群工业园区在5年间的土地利用综合效率均值为0.600,仅2个工业园区在5年中均DEA有效,且地域差异明显,从效率分解变化来看,规模效率>纯技术效率>技术效率;②从动态时间序列看,5年间工业园区Malmquist生产率指数整体呈增长趋势,技术效率变化贡献最大、纯技术效率变化贡献其次,而技术进步变化拖累,说明技术改进的薄弱是影响工业园区土地利用效率的核心因素;③通过对5年间土地利用DEA无效工业园区的要素投入产出改善途径与潜力分析,发现以税收收入与工业产值不足为核心的有效产出不足为各工业园区DEA无效的主要原因,长三角城市群各工业园区应在保持投入规模有效性的基础上,提升工业技术效率,同时完善转型升级期间工业园区招商引资与税收制度。

关键词：VRS-DEA模型;Malmquist指数;工业园区;土地利用效率;长三角城市群
Abstract
Given insufficient efficiency areas of industrial park land in China,we selected 16 state-level industrial parks in the Yangtze River delta urban agglomeration. Based on the input and output unit land area index,VRS-DEA modeling and the Malmquist index,we decompose the dynamic evaluation of land use efficiency,and analyze the input and output factors of improving potential. We found that from 2010-2014,the Yangtze River delta urban agglomerations industrial park comprehensive efficiency of land use was an average of 0.600. Only two industrial parks are efficient,and the efficiency differences between land use regions is obvious. In the view of changes in efficiency decomposition,changes in the scale efficiency of land use are the main cause resulting in the evolution of technical efficiency. From a dynamic time series,the Malmquist productivity index was driven by technical efficiency change and grew over the five years. Weakness in technical improvements is the core element of land use efficiency. Through the analysis of land use non-DEA efficient urban spaces,industrial parks have common output redundancy including tax revenues and industrial production. While maintaining investment scale effectiveness,improving the technical efficiency of industry,investment promotion and the tax system is a realistic path to improve land use efficiency of industrial parks in Yangtze River Urban Agglomerations.

Keywords：VRS-DEA Model;Malmquist Productivity Index;industrial park;land use efficiency;Yangtze River Delta Urban Agglomeration

-->0
PDF (895KB)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-->
施建刚, 徐天珩. 基于VRS-DEA模型与Malmquist指数的工业园区土地利用效率评价——以长三角城市群16个工业园区为例[J]. , 2017, 39(6): 1026-1036 https://doi.org/10.18402/resci.2017.06.04
SHI Jiangang, XU Tianheng. Efficiency evaluation of industrial parks land in Yangtze River Urban Agglomerations based on VRS-DEA Model and Malmquist Productivity Index[J]. 资源科学, 2017, 39(6): 1026-1036 https://doi.org/10.18402/resci.2017.06.04

1 引言

近年来,随着国内经济形势下行,中国正面临新一轮的产能过剩与工业转型升级速度缓慢的问题,产品竞争力不足、技术性不足、产出效能低下等问题已经成为阻碍中国工业行业转型发展的包袱,特别是拉动地方工业经济的增长极工业园区面临整体产出不足效率低下问题^[1]。长三角地区作为中国整体经济发展最为迅速的地区,其工业园区的产出效率提升不仅带动周边经济发展,更推动全国工业的提质增效。土地作为一种重要的自然资源,其低效利用是工业园区产出低效中的重要一环^[2]。在20世纪80年代,国外大城市的工业用地产出己接近或超过50亿元/km²,是中国大城市工业用地产出效率的好几倍^[3]。因此,工业园区的土地利用效率研究一直为****高度重视。
目前工业园区土地利用效率研究多从两方面入手。在理论研究中,从对价格扭曲^[4]、过度投资^[5]、低价供地补贴效应^[6]等现有问题入手,进而对产业集群与产业链效应^[7]、土地集约利用的时空分布规律^[8]、生产要素替代^[9]等理论逻辑进行研究,最后提出存量工业用地盘活^[10]、土地更新机制设计^[11]、动力机制转换^[12]等解决方案。而在实证分析上,土地利用效率定位在单位面积要素投入产出比^[13],方法上多采用分层线性模型^[14]、模糊积分^[15]、多指标综合评判^[16]与索洛残差法^[17]等多指标评价方法,其中以DEA-Malmquist^[18,19]、SBM-Undesirable^[3]等数据包络分析法为核心,研究最为深入,空间上单个工业园区^[20]与省市^[21]研究均有涉及。
已有研究取得丰富成果,但还存在几点不足:①国内****多从单工业园区或单地区入手研究,大区域多个工业园区分析不足;②静态研究居多,时间序列上的动态研究较少。基于以上研究成果与不足,本文以长三角城市群16个国家级工业园区为研究对象,结合VRS-DEA与Malmquist生产效率指数,从长三角城市群整体与工业园区个体分析土地利用效率和其变化与影响因素,为开发区土地转型升级与区域协同发展提供科学建议。

2 研究方法与数据来源

2.1 研究方法

目前用地效率测度方法较多,有多指标分析、多目标决策等综合分析法,但这些方法在指标选取与权重确定上有较大主观性,测度结果的可靠性受到较大影响^[22]。线性回归、主成分分析等数理统计方法作为另一类用地效率的常用测度方法,虽避免了主观因素影响,但对于测度目标的真实效率水平较难体现^[23]。数据包络分析法（DEA）由于非主观赋权、无需提前确定输入输出函数关系及可分析决策单元影响因素等特点,具有在多输入-输出评价中强客观性与有效性的优势,已成为用地效率分析的主流方法^[24,25]。同时为解决DEA模型加入时间因素后因不同前沿面差异导致的动态分析无法测度的情况,采用Malmquist指数分析法对动态土地利用效率与技术效率进行衡量。因此,结合两者对长三角城市群工业园区土地利用效率和变化进行分析^[26]。
2.1.1 VRS-DEA模型分析方法
DEA是具有多个输入（Inputs）和多个输出（Outputs）的决策单元（Decision Making Unit,DMU）的评价模型,是要素投入产出之间相对效率评价的分析方法^[27]。
以每一个工业园区为一个决策单元,假设有n个决策单元DMU{DMU_j:j=1,2,…,n},利用m种输入变量 xij（i=1,2,…,m）,并由此得到了p种产出 yrj（r=1,2,…,p）,那么第j个开发区在锥性、凸性、无效性和最小性公理假设下有基于规模报酬变化的模型（即VRS模型）,可表示为:
minθ-εeTS-+eTS+（1）
s.t.∑j=1nλjxij+S-=θxmn∑j=1nλjyj-S+=yrn∑j=1nλj=1λj，S-，S+≥0j=1,2,?,n（2）
式中 θ（0˂ θ≤1）为决策变量,即工业园区区的综合效率指数; Si-, Sr+分别为投入和产出的松弛变量; λj为DMU的系数; ε为阿基米德无穷小。对方程组求解得到最优解 θ, λ, Si-, Sr+。若 θ<1,表明DMU非DEA有效; θ值越大,DMU效率越高, θ=1代表该工业园区产出相对于投入达到综合用地效率的最优。而基于 ∑j=1nλj=1的凸性假设,可将综合效率分解为出技术效率和规模效率的乘积,得到的纯技术效率指数 θb有 0<θb≤1, θb≥θ。规模效率（SE）可通过 SE=θ/θb计算得到,同样有 0<SE≤1, SE≥θ。对于 θb和 SE越大,表示工业园区的纯技术效率与规模效率越高,等于1时达到最优。
2.1.2 Malmquist指数分析方法
Malmquist指数分析法由瑞典经济学和统计学家Malmquist于1953年提出,主要应用于动态效率的变化趋势研究。目前常用模型为Färe提出的生产率变化指数模型^[28,29]。在规模不变报酬（CRS）条件下,Malmquist生产率变化指数（即TFPC）为:
F(C)=E(C)×T(C)（3）
E(C)=Dct+1(xt+1,yt+1)Dct(xt,yt)（4）
T(C)=Dct(xt+1,yt+1)Dct+1(xt+1,yt+1)+Dct(xt,yt)Dct+1(xt,yt)（5）
式中 F(C)为基于CRS的Malmquist生产率变化指数; E(C)为基于CRS的技术效率变化指数（即TEC）; T(C)为基于CRS的技术进步变化指数（即 TC）; Dc为基于CRS的距离函数。
在规模可变报酬（VRS）条件下,TFPC为:
F(V)=P(V)×T(C)×S(C,V)（6）
P(V)=Dvt+1(xt+1,yt+1)Dvt(xt,yt)（7）
S(C,V)=Dvt(xt,yt)Dct(xt,yt)+Dct+1(xt+1,yt+1)Dvt+1(xt+1,yt+1)（8）
式中 F(V)为基于VRS的Malmquist生产率变化指数; P(V)为基于VRS的技术效率变化指数（即PTEC）; S(C,V)为基于VRS的技术进步变化指数（即SEC）; Dv为基于VRS的距离函数。

2.2 指标选取与数据来源

工业园区土地利用效率评价主要体现土地的投入产出关系,其中投入的要素主要有土地、资金、劳动力等,测度指标主要包括建成区土地面积、当年度固定资产投资、财政支出、进口贸易值以及年末就业人口等,而产出的要素主要有工业园区土地所发挥的经济和社会效益,测度指标主要有国内生产总值、工业总产值、营业收入、税收收入、出口贸易值、净利润等^{[14,16,18,20]}。借鉴已有研究成果,结合指标的量化、独立性和可测性以及数据可获取性和可操作性原则^[30]来确定指标体系（表1）。选取建成区面积、固定资产投资与年末就业人口作为投入指标。建成区面积是工业园区进行经济社会活动的载体。当年度固定资产投资是货币化的政府与社会投入要素。年末就业人口表征园区劳动力投入情况。选取园区国内生产总值、工业产值与税收收入作为产出指标。园区国内生产总值与工业产值分别为工业园区土地利用的有效产出与工业产出,是工业园区用地经济效益的核心衡量指标。税收收入能从侧面反映园区工资水平与政府可支配收入,从货币角度量化工业园区的社会效益。
Table 1
表1
表1工业园区土地利用效率量化评价指标体系
Table 1The index system of the industrial parks's land use efficiency quantitative evaluation

目标层	准则层	指标层
城市土地 利用效率	投入指标	建成区面积/km2
		固定资产投资/亿元
		年末就业人口/万人
	产出指标	园区国内生产总值/亿元
		工业产值/亿元
		税收收入/亿元

注:数据主要来源于历年《中国开发区年鉴》^[31],保证了数据获取源的一致性。
新窗口打开

3 长三角地区工业园区土地利用综合效率特征分析

3.1 工业园区土地利用综合效率分析

按照以上方法,利用Win4DEAP软件,采用产出主导型CCR模型中对数据进行综合技术效率测度,计算出历年各工业园区的土地利用综合效率,并进行排名（表2）。所选取的16个长三角城市群工业园区在2010-2014年间的土地利用综合效率均值为0.600,在16个开发区中只有2个工业园区在5年中均达到了DEA有效,大部分工业园区均处于DEA非有效状态。整体效率水平差距较大,其中11个工业园区土地利用综合效率均值低于平均水平,最低者淮安经济技术开发区综合效率均值只有0.249,工业园区的整体土地利用效率形势不容乐观。在地域分析上,宁波大榭开发区和宁波石化经济技术开发区为2个DEA有效园区,宁波经济技术开发区也位列前五,表征着宁波作为浙江的工业中心,在工业园区的土地利用上较杭州、衢州等其他城市有着明显优势。而苏州工业园区是江苏最大的工业园区,其土地利用综合效率均值仅为0.480,与毗邻的昆山经济技术区有较大差距,说明了其在土地集约利用上还有很多工作需要推进和落实。而江苏其他地域的工业园区整体土地利用综合效率也偏低,园区用地的集约利用有待加强。
Table 2
表2
表22010-2014年长三角城市群16个工业园区土地利用综合效率
Table 2Urban land use efficiency of 16 cities in the industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014

工业园区名称	2010年	2011年	2012年	2013年	2014年	均值	排名
宁波大榭开发区	1.000	1.000	1.000	1.000	1.000	1.000	1
宁波石化经济技术开发区	1.000	1.000	1.000	1.000	1.000	1.000	1
昆山经济技术开发区	0.748	0.861	1.000	1.000	1.000	0.922	3
靖江经济技术开发区	0.670	0.573	0.705	0.669	0.934	0.710	4
宁波经济技术开发区	0.693	0.665	0.706	0.490	0.526	0.616	5
常熟经济技术开发区	0.518	0.549	0.614	0.533	0.723	0.587	6
南通经济技术开发区	0.336	0.389	0.573	0.691	0.851	0.568	7
萧山经济技术开发区	0.347	0.344	0.454	0.684	1.000	0.566	8
马鞍山经济技术开发区	0.465	0.617	0.681	0.522	0.508	0.559	9
南京经济技术开发区	0.399	0.318	0.496	0.689	0.846	0.550	10
衢州经济技术开发区	0.402	0.461	0.671	0.452	0.497	0.497	11
苏州工业园区	0.274	0.390	0.479	0.556	0.702	0.480	12
杭州经济技术开发区	0.558	0.450	0.398	0.401	0.527	0.467	13
合肥经济技术开发区	0.246	0.304	0.406	0.473	0.679	0.422	14
江宁经济技术开发区	0.279	0.261	0.421	0.465	0.652	0.416	15
淮安经济技术开发区	0.152	0.172	0.231	0.274	0.416	0.249	16
均值	0.505	0.522	0.615	0.619	0.741	0.600

新窗口打开
从时间序列上看,16个工业园区的土地利用综合效率均值在2010-2014年间均有不同幅度的提升,5年时间内整体土地利用综合效率均值从0.505提升到0.741。这主要由于自2008年世界金融危机以来,长三角地区粗放型外向型经济已无法持续,其工业园区在这一时间段的发展过程中逐渐出现了土地瓶颈问题,粗放建设的模式难以为继。于是用地效率提升已经成为制定各项土地政策的出发点和归宿点,各级政府也对经济开发区土地审批做了严格限定,加大了园区工业用地的强度。从单个年份来看其中2012年与2014年提升较为明显,分别达到了0.093和0.122,表征这两年大部分园区相关政策以及整体经济利好下,土地利用综合效率均有质的提升。而在2011年与2013年,分别有6个和5个工业园区出现了土地利用综合效率的下降,也表征了中国工业转型升级过程中也出现不同程度的问题。而在个体分析上,所有园区中土地利用综合效率提升最大为萧山经济技术开发区,从2010年0.347的低效率发展到2014年DEA有效,5年时间完成了土地效率质的飞跃,从数据上看,在整体建成区面积和固定资产投资维持稳定的条件下,财政收入和GDP的快速上升是其效率提升的决定因素。苏州工业园区在5年中土地利用综合效率也从0.274提升到了0.702,说明虽然在2010年土地利用效率较低,但这5年在土地转型升级工作上稳步推进,在未来3~5年中达到DEA有效可期。马鞍山经济技术开发区则是反面案例,在2012年土地利用综合效率有所提升后,2013年与2014年效率持续下降,表征了在整体工业园区土地利用效率提升的大背景下其发展速度滞缓,土地转型升级工作亟需加强。

3.2 工业园区土地利用效率的分解研究

前文对长三角城市群16个工业园区土地利用技术效率与其变化作了分析,但并未揭示效率变化的影响因素。根据VRS-DEA模型研究,技术效率可以分解为纯技术效率和规模效率（图1）,可以看到除2011年外,其余年份变化与技术效率大致保持相同特征,均有不同程度上升的趋势,在2014年三者均达到最高值,分别为0.741、0.814 以及0.911。纯技术效率均值为0.702,低于规模效率的均值0.855,从各个年份来看也是如此,说明在本文所研究的时间序列中,长三角城市群的工业园区土地利用效率普遍偏低但有所提升,整体上土地利用的规模效率>纯技术效率>技术效率。为更加充分地反映两个分解效率对技术效率的贡献,制作出表征技术效率与相应分解效率之间关系的散点图（图2）,其中只有少数散点实现与45°对角线匹配（包括右上14个重叠散点）,说明大部分工业园区在大部分年份中技术效率受到两种分解效率的共同影响。由于在5年中只有4个工业园区共14个年度土地利用效率达到有效状态,从图2a与图2b相比可看出相较于纯技术效率,规模效率在更多的单年DMU中达到了有效状态,并且整体大于纯技术效率,所以图2b（由技术效率与规模效率确定）更多散点位于图的偏上部,与45°对角线的偏离程度也更多。而图2a（由技术效率与纯技术效率确定）中的散点更接近45°对角线,代表分解中的纯技术效率对总效率影响能力强于规模效率,也说明长三角城市群工业园区土地利用效率低下主要是由于纯技术效率不高造成的,因此各园区在今后的土地管理中应提升自身管理水平、多采用先进技术,以提高纯技术效率,同时严格控制新增用地的粗放使用。
显示原图|下载原图ZIP|生成PPT
图12010-2014年长三角城市群16个工业园区土地利用效率与分解
-->Figure 1Land use efficiency and decomposition of 16 industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014
-->

显示原图|下载原图ZIP|生成PPT
图22010-2014年长三角城市群16个工业园区分解效率与土地利用技术效率的关系
-->Figure 2The relationship between the decomposition efficiency and the comprehensive technical efficiency of land use in 16 industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014
-->

针对具体工业园区（表3）,宁波大榭开发区与宁波石化经济技术开发区保持各项效率有效,昆山经济技术开发区也保持较高的效率水平,这与整体效率结果相符,表征着宁波与昆山地区工业园区土地利用的高效率和集约利用的高水平。苏州工业园区、南京经济技术开发区、合肥经济技术开发区等大面积的工业园区普遍规模效率较高但纯技术效率较低,说明拥有较大土地面积的工业园区可以较好地提升其规模效率,但在纯技术效率上需要投入更多精力才能将土地利用综合效率有效提升。而对于中小面积的工业园区来说,则存在不同分解效率上的问题。马鞍山经济技术开发区、衢州经济技术开发区和宁波经济技术开发区有较好的纯技术效率,但在规模效率上有所欠缺,表征这几个开发区在纯技术效率优秀的情况下未能做好产业的集聚效应和规模效应,使得整体技术效率不甚理想。而萧山经济技术开发区、南通经济技术开发区、靖江经济技术开发区等园区的规模效率表现更加优异,表征这些园区整体土地供应充足,为后续相关产业引进、发展生产提供扎实的基础,也为产业的规模效应做好了准备。而在园区规模维度上,长三角城市群工业园区的土地利用效率并没有体现出效率和园区规模较为显著的线性关系,虽然长三角城市群一体化程度较高,但各园区发展政策与程度不一,大型园区往往会因为快速扩张而产生低效用地、而中小型园区存在技术引进困难和产业集聚不足带来的规模效应不足两方面问题,所以无法用简单的线性关系描述。
Table 3
表3
表32010-2014年长三角城市群16个工业园区技术效率,纯技术效率及规模效率
Table 3Technological efficiency,peer technological efficiency and scale efficiency of 16 industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014

DMU单元	技术效率	纯技术效率	规模效率		DMU单元	技术效率	纯技术效率	规模效率
苏州工业园区	0.480	0.547	0.877		马鞍山经济技术开发区	0.559	1.000	0.559
宁波经济技术开发区	0.616	0.812	0.758		淮安经济技术开发区	0.249	0.348	0.716
南京经济技术开发区	0.550	0.606	0.906		宁波石化经济技术开发区	1.000	1.000	1.000
江宁经济技术开发区	0.416	0.447	0.929		靖江经济技术开发区	0.710	0.737	0.964
宁波大榭开发区	1.000	1.000	1.000		衢州经济技术开发区	0.497	0.799	0.622
萧山经济技术开发区	0.566	0.639	0.885		杭州经济技术开发区	0.467	0.507	0.920
常熟经济技术开发区	0.587	0.729	0.805		昆山经济技术开发区	0.922	0.949	0.971
南通经济技术开发区	0.568	0.610	0.931		合肥经济技术开发区	0.422	0.501	0.842

新窗口打开

3.3 工业园区土地利用效率变化趋势分析

根据Malmquist指数的计算方法,利用Win4 DEAP软件计算2010-2014年长三角城市群16个工业园区的土地利用效率变化指数,进行整体和个体的趋势分析。如表4所示,对于长三角城市群工业园区整体2010-2014年长三角城市群16个工业园区用地Malmquist生产率变化指数除在2011- 2012年时间段小于1外,其余时间段均大于1,其均值为1.056,表明在研究期间内生产效率总体呈增长趋势,增长速度为5.6%。从结构上看,技术效率变化均值上升12.4%,但技术变化均值下降6.1%,表明技术效率的增长是长三角城市群工业园区在研究阶段内用地生产率增长的主要因素,而技术改进的薄弱是影响生产率提升的主要因素;纯技术效率变化除2010-2011年外其他三个时间段均有上升,其中2011-2012年上升达21.1%,整体均值上升8.1%,表明资源要素配置和利用在2011-2014年得到了充分的认识和提升。另外,规模效率变化均值上升了4%,整体保持缓慢平稳增长,说明长三角城市群工业园区在用地规模上将要达到饱和。总体来看,各分项指数均波动变化,其中技术效率提升对Malm-quist生产率变化指数提升贡献最大,而技术进步变化拖累Malmquist生产率变化指数的提升。
Table 4
表4
表42010-2014年长三角城市群16个工业园区土地利用效率平均指数
Table 4Average indices of urban land use efficiency in 16 industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014

时段	技术效率变化 指数（TEC）	技术进步变化 指数（TC）	纯技术效率变化指数（PTEC）	规模效率变化 指数（SEC）	Malmquist生产率变化指数（TFPC）
2010-2011年	1.048	1.152	0.967	1.084	1.208
2011-2012年	1.226	0.795	1.211	1.012	0.975
2012-2013年	1.018	0.988	1.020	0.998	1.006
2013-2014年	1.221	0.859	1.144	1.067	1.049
均值	1.124	0.939	1.081	1.040	1.056

新窗口打开
对于具体工业园区（表5）,可以发现Malmquist生产率变化指数最大的为南通经济技术开发区和萧山经济技术开发区,分别达到了20.1%和17.5%,两者共同的特点就是技术效率变化指数与纯技术效率变化指数上升均超过了20%,萧山经济技术开发区技术效率变化指数达到了30.3%,说明技术效率的增长与资源要素的合理配置和利用是其主要推动因素。而苏州工业园区、昆山经济技术开发区等大型工业园区受制于技术变化指数下降影响,Malmquist生产率变化指数低于平均水平,其中昆山经济技术开发区出现了8.5%的下降,进一步说明技术改进的薄弱是研究期间长三角城市群工业园区,尤其是大型工业园区的核心问题。而在规模效率变化上,除了衢州经济技术开发区上升了22.9%以外,其余工业园区均保持稳定或略有上升,表明长三角城市群大部分工业园区在用地规模上达到了瓶颈,如何进行转型升级与再开发将是接下来土地利用效率提升的关键。
Table 5
表5
表52010-2014年长三角城市群 16个工业园区土地利用效率变化指数
Table 5Change indexes of urban land use efficiency of 16 industrial parks in Yangtze River Delta Urban Agglomerations from 2010 to 2014

工业园区名称	技术效率变化 指数（TEC）	技术进步变化 指数（TC）	纯技术效率变化指数（PTEC）	规模效率变化 指数（SEC）	Malmquist生产率变化指数（TFPC）
苏州工业园区	1.266	0.801	1.121	1.129	1.014
宁波经济技术开发区	0.933	1.055	0.984	0.949	0.984
南京经济技术开发区	1.207	0.947	1.259	0.959	1.143
江宁经济技术开发区	1.237	0.895	1.243	0.995	1.107
宁波大榭开发区	1.000	0.952	1.000	1.000	0.952
萧山经济技术开发区	1.303	0.902	1.282	1.016	1.175
常熟经济技术开发区	1.087	1.009	1.028	1.057	1.097
南通经济技术开发区	1.261	0.952	1.213	1.040	1.201
马鞍山经济技术开发区	1.022	1.067	1.000	1.022	1.091
淮安经济技术开发区	1.287	0.884	1.154	1.115	1.138
宁波石化经济技术开发区	1.000	0.914	1.000	1.000	0.914
靖江经济技术开发区	1.087	1.000	1.064	1.021	1.087
衢州经济技术开发区	1.054	0.982	0.858	1.229	1.036
杭州经济技术开发区	0.985	0.982	0.960	1.026	0.967
昆山经济技术开发区	1.075	0.851	1.033	1.041	0.915
合肥经济技术开发区	1.289	0.877	1.208	1.068	1.130
均值	1.124	0.939	1.081	1.040	1.056

新窗口打开

4 长三角地区工业园区土地利用效率改善途径与潜力

针对目前长三角城市群工业园区土地利用现状,利用VRS-DEA模型从原始投入产出要素中去寻找每个工业园区土地利用无效的原因,并与有效单元进行比对,计算出各个变量改善的潜力。VRS-DEA模型表明,当决策单元无效率时,投入松弛变量x与产出松弛变量y值的大小可以反应决策单元DEA无效的改善途径,故从历年数据中选取2014年的各工业园区土地利用现状进行分析。通过VRS-DEA模型计算出土地利用效率DEA无效的城市各要素的改善潜力。从表6中可以看到,长三角城市群工业园区无效原因与改善潜力位于产出端,如税收收入严重不足,其平均改善比重高达179.93%,而国内生产总值产出不足仅为8.83%。不同工业园区的不同投入产出指标差异明显,如南通经济技术开发区建成区冗余44.15%,而合肥经济技术开发区只有4.02%。不同经济技术开发区可以根据实际情况,结合分析结果对投入产出做出相应调整。
Table 6
表 6
表 62014年长三角城市群16个工业园区土地无效原因与改善潜力
Table 6The reasons of inefficient land use and improving potential of 16 industrial parks in Yangtze River Delta Urban Agglomerations in 2014

	评分	投入冗余部分			产出不足部分
DMU单元		建成区面积 /km2	固定资产投资 /亿元	年末就业人口 /万人	税收收入 /亿元	国内生产总值 /亿元	工业产值 /亿元
苏州工业园区	0.702	66.27	0.00	0.00	184.87	0.00	4 040.45
		（-23.84）			（85.50）		（92.10）
宁波经济技术开发区	0.526	0.00	0.00	0.00	260.60	75.54	0.00
					（136.87）	（10.27）
南京经济技术开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
江宁经济技术开发区	0.652	24.53	0.00	5.83	184.68	102.06	1 450.71
		（-10.09）		（-31.23）	（759.06）	（11.62）	（50.31）
宁波大榭开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
萧山经济技术开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
常熟经济技术开发区	0.723	0.00	0.00	6.52	363.82	75.06	0.00
				（-21.86）	（311.67）	（9.38）
南通经济技术开发区	0.851	81.23	239.57	0.00	345.74	78.94	3 043.91
		（-44.15）	（-44.12）		（556.83）	（10.05）	（136.56）
马鞍山经济技术开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
淮安经济技术开发区	0.416	0.00	0.00	0.66	283.69	186.58	2 749.79
				（-25.35）	（176.10）	（66.07）	（144.58）
宁波石化经济技术开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
靖江经济技术开发区	0.934	0.00	0.00	0.00	187.43	0.00	33.98
					（428.80）		（1.83）
衢州经济技术开发区	0.497	0.00	4.98	0.00	104.54	91.03	172.73
			（-2.41）		（249.86）	（33.90）	（21.06）
杭州经济技术开发区	0.527	0.00	0.00	0.00	86.43	0.00	97.29
					（72.40）		（5.85）
昆山经济技术开发区	1.000	0.00	0.00	0.00	0.00	0.00	0.00
合肥经济技术开发区	0.679	10.38	0.00	1.29	113.00	0.00	1 483.42
		（-4.02）		（-6.27）	（101.80）		（45.23）

新窗口打开
注:括号内为改善比例（%）。
通过对表6中2014年长三角城市群工业园区土地利用投入产出与潜力改善的研究,以及2010-2014年5年工业园区土地利用DEA无效城市的松弛变量分析,可以发现:在2010到2014年5年间,产出不足是工业园区土地利用DEA无效的主要原因,大部分工业园区在要素投入较为合理的情况下,有效产出严重不足。税收收入不足问题最为严重,这与地方政府为快速推动工业园区发展采取的税收与用地补贴的政策息息相关,各工业园区为招商引资提供了极为优惠的税收政策,导致工业园区的税收收入与其投入完全失衡,与此同时也降低了其税收收入带来的社会效益贡献。工业产值的产出不足则反映出目前中国工业转型升级过程中的阵痛,各工业园区将GDP增速放在核心位置而轻视了作为工业园区产出核心的工业产值的增长。从趋势上来说,2010-2014年长三角城市群工业园区的整体土地利用效率有较大提升,具体在各个影响因素上均有体现,但核心因素如税收收入与工业产值仍有较大的提升空间,需要继续加以重视并改进。因此,再继续保持投入高效的同时,如何提升单位土地的有效产出是各工业园区改善土地利用效率的核心途径,尤其是在快速发展期结束,整体工业产业结构调整与转型升级大背景下的今天,各工业园区应在向其他土地利用效率较高的工业园区学习经验的同时,也应该针对自身条件和情况做细致调研,对园区内各地块建立相关影响因素的监测与分析机制,做到因地制宜和灵活运用先进方法,切实提高工业技术效率,完善工业园区招商引资与税收制度,切实提高产出段利用效率。

5 结论与讨论

本文针对已有对工业园区土地利用效率分析中大区域动态研究较少这一问题,采用数据包络模型VRS-DEA与Malmquist指数分析方法,选择长三角城市群16个国家级工业园区作为研究对象,对其土地利用效率进行评价。首先测度各工业园区土地利用的综合效率,并对综合效率进行分解研究,其次计算并分析了2010-2014年5年间各工业园区的土地利用效率与Malmquist生产率指数,最后在此基础上对长三角城市群各工业园区土地利用DEA无效原因与改善潜力进行定量分析,得出以下结论:
（1）长三角城市群工业园区在2010-2014年间的土地利用综合效率均值为0.600,仅2个工业园区在5年中均DEA有效。在地域上宁波地区的工业园区表现最为优异,而江苏除苏州大部分地区的工业园区土地利用效率亟需提升。
（2）从效率分解变化来看,土地利用纯技术效率的上升是技术效率提升的主要原因。在本文研究的5年间,整体上土地利用的规模效率>纯技术效率>技术效率,且纯技术效率对总效率影响能力强于规模效率,说明长三角城市群工业园区土地利用效率低下主要是由于纯技术效率不高造成的。
（3）从动态时间序列看,5年间长三角城市群工业园区整体呈增长趋势,从结构上看技术效率变化上升了12.4%,对Malmquist生产率指数提升贡献最大,而技术进步变化下降了6.1%,拖累了技术效率变化的提升,纯技术效率变化与规模效率变化稳中有升,说明技术改进的薄弱是影响工业园区土地利用效率的核心因素。
（4）通过对5年间土地利用DEA无效工业园区的要素投入产出改善途径与潜力分析,发现有以税收收入与工业产值不足为核心的效产出不足为各工业园区DEA无效的主要原因,其核心在于与地方政府为快速推动工业园区发展采取的税收与用地补贴政策以及更多的追求GDP而对于工业园区核心产出的工业价值重视程度不足。
因此,长三角城市群各工业园区应在保持投入规模有效性的基础上,既要鼓励和促进园区内的工业产能提升与转型升级,从根本上提升整体的效能,提升工业技术效率,同时也要完善转型升级期间工业园区招商引资与税收制度,在不损失招商引资的前提下提高税收效率做到税收与发展并进。各工业园区的差异性也要求园区管理需要根据园区自身情况,在向其他土地利用效率较高的工业园区学习经验的同时,不断加强工业园区土地利用的管理与协调,对自身园区重点问题进行针对性研究与解决,从而促进长三角城市群工业园区用地效率的整体提升。
The authors have declared that no competing interests exist.

---

参考文献文献选项 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]	金碚. 工业的使命和价值-中国产业转型升级的理论逻辑 [J]. 中国工业经济,2014,(9):51-64. [本文引用: 1] [Jin P.The mission and the value of industry,the theoretical logic of industrial transfor-mation and upgrading in China [J]. China Industrial Economics,2014,(9):51-64.] [本文引用: 1]
[2]	谭术魁. 土地资源学[M]. 复旦大学出版社,2011. [本文引用: 1] [Tan S K.Land Resource Science[M]. Shanghai:Fudan University Press,2011.] [本文引用: 1]
[3]	熊鲁霞,骆棕. 上海市工业用地的效率与布局 [J]. 城市规划汇刊,2000,(2):22-29. [本文引用: 2] [Xiong Z X,Luo Z.Industrial land effici-ency and layout of Shanghai [J]. Urban Planing Forun,2000,(2):22-29.] [本文引用: 2]
[4]	Wu Y Z,Zhang X L,Skitraore M,et al.Industrial land price and its impact on urban growth:A Chinese case study [J]. Land Use Policy,2014,36:199-209. [本文引用: 1]
[5]	黄健柏,徐震,徐珊. 土地价格扭曲、企业属性与过度投资-基于中国工业企业数据和城市地价数据的实证研究 [J]. 中国工业经济,2015,(3):57-69. [本文引用: 1] [Huang J B,Xu Z,Xu S.Land price distortion,enterprises’ property and over-investment-an empirical research based on the data of Chinese industrial enter-prises and land price of cities in China [J]. China Industrial Economics,2015,(3):57-69.] [本文引用: 1]
[6]	范剑勇,莫家伟. 地方债务、土地市场与地区工业增长 [J]. 经济研究,2014,(1):41-55. [本文引用: 1] [Fan J Y,Mo J W.Local government debt,land market institution and regional industrial growth [J]. Economic Research Journal,2014,(1):41-55.] [本文引用: 1]
[7]	胡水申. 从“苏州现象”看产业集聚度和土地集约利用 [J]. 浙江经济,2005,(17):44-45. [本文引用: 1] [Hu S S.A research on industrial con-centration degree and intensive utilization of land through “Suzhou phenomenon” [J]. Zhejiang Economics,2015,(17):44-45.] [本文引用: 1]
[8]	田光明,蒲春玲. 基于产业空间集聚的土地集约利用理论分析 [J]. 全国商情:经济理论研究,2008,(4):16-18. [本文引用: 1] [Tian G M,Pu C L.The theoretical analysis on intensive utilization of land based on industrial agglomeration [J]. China Business,2008,(4):16-18.] [本文引用: 1]
[9]	陈晓玲,徐舒,连玉君. 要素替代弹性、有偏技术进步对我国工业能源强度的影响 [J]. 数量经济技术经济研究,2015,(3):58-76. [本文引用: 1] [Chen X L,Xu S,Lian Y J.Factor substitution elasticity and biased technology’s effects on industrial energy intensity [J]. The Journal of Quantitative＆Technacal Economics,2015,(3):58-76.] [本文引用: 1]
[10]	陈基伟. 上海市工业园区土地二次开发的困境与对策 [J]. 上海国土资源,2012,(1):46-50. [本文引用: 1] [Chen J W.Land secondary deve-lopment dilemma and countermeasures of Shanghai Industrial Park [J]. Shanghai Land＆Resources,2012,(1):46-50.] [本文引用: 1]
[11]	何芳,宋羽. 城市存量土地利用变更制度缺失分析-基于新制度经济学的视角 [J]. 城市问题,2011,(3):83-86. [本文引用: 1] [He F,Song Y.Urban stock land use change system lack analysis-based on the perspective of new institutional economics [J]. Urban Problems,2011,(3):83-86.] [本文引用: 1]
[12]	江飞涛,武鹏,李晓萍. 中国工业经济增长动力机制转换 [J]. 中国工业经济,2014,(5):5-17. [本文引用: 1] [Jiang F T,Wu P,Li X P.The dynamic mechanism transform of China’s industrial economic growth [J]. China Industrial Economics,2014,(5):5-17.] [本文引用: 1]
[13]	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):128-133. [本文引用: 1] [Wang C X,Liu H Y,Shi J L,et al.Evaluation on intensive land use in development zones of Shandong Province [J]. China Population,Resources and Environment,2014,24(6):128-133.] [本文引用: 1]
[14]	赵小风,黄贤金,钟太洋,等. 江苏省开发区土地集约利用的分层线性模型实证研究 [J]. 地理研究,2012,31(9):1611-1620. [本文引用: 2] [Zhao X F,Huang X J,Zhong T Y,et al.Intensive industrial land use based on hierarchical linear models:A case study of development zones in Jiangsu province [J]. Geographical Research,2012,31(9):1611-1620.] [本文引用: 2]
[15]	朱传军,卢新海,韩长生. 基于模糊积分的开发区土地经济效益评价 [J]. 中国土地科学,2009,23(5):53-58. [本文引用: 1] [Zhu C J,Lu X H,Han C S.Economic benefit evaluation of land in deve-lopment zones based on fuzzy integrals [J]. China Land Science,2009,23(5):53-58.] [本文引用: 1]
[16]	翟文侠,黄贤金,张强,等. 基于层次分析的城市开发区土地集约利用研究-以江苏省为例 [J]. 南京大学学报:自然科学版,2006,42(1):96-102. [本文引用: 2] [Cui W X,Huang X J,Zhang Q,et al.Land intensive use in city development zones based on analytic hierarchy process:A case study of Jiangsu Province [J]. Journal of Nanjing University (Natural Sciences),2006,42(1):96-102.] [本文引用: 2]
[17]	李伦,郝前进. 上海市工业园区土地利用相对绩效实证研究 [J]. 中国土地科学,2014,28(2):53-58. [本文引用: 1] [Li L,Hao Q J.Empirical study on the relative efficiency of industrial land use in Shanghai City [J]. China Land Sciences,2014,28(2):53-58.] [本文引用: 1]
[18]	王贺封,石忆邵,尹昌应. 基于DEA模型和Malmquist生产率指数的上海市开发区用地效率及其变化 [J]. 地理研究,2014,33(9):1636-1646. [本文引用: 2] [Wang H F,Shi Y S,Yin C Y.Land use efficiencies and their changes of Shanghai's development zones employing DEA model and Malmquist productivity index [J]. Geographical Research,2014,33(9):1636-1646.] [本文引用: 2]
[19]	刘耀林,范建彬,张梦珂,等. 开发区用地效率与收敛性-基于湖北省98个开发区的面板数据 [J]. 生态经济,2016,32(7):121-126. [本文引用: 1] [Liu Y L,Fan J B,Zhang M K,et al.Land-using efficiency of development zone and its convergence:Based on the panel data of 98 development zones in Hubei Province [J]. Ecological Economy,2016,32(7):121-126.] [本文引用: 1]
[20]	闫安. 基于DEA模型的天津市开发区土地利用效率研究 [J]. 东南大学学报(哲学社会科学版),2016,18(S1):72-74. [本文引用: 2] [Yan A.Tianjin development zone land use efficiency research-based on the DEA model [J]. Journal of Southeast University (Phi-losophy and Social Science),2016,18(S1):72-74.] [本文引用: 2]
[21]	王昆,陈银蓉. 开发区土地集约利用评价研究-以武汉经济技术开发区为例 [J]. 国土资源科技管理,2008,25(6):22-26. [本文引用: 1] [Wang K,Chen Y R.A research on land intensive use evaluation in development zones-a case study of Wuhan economic and technological development zone [J]. Scientific and Technological Management of Land and Resources,2008,25(6):22-26.] [本文引用: 1]
[22]	施秧秧. DEA方法与Tobit模型相结合的工业用地效率研究:基于浙江省的实证[D] . 杭州:浙江大学,2009. [本文引用: 1] [Shi Y Y.On Industrial Land Efficiency Based on DEA Method and Tobit Mode:An Empirical Study in Zhejiang[D]. Hangzhou:Zhejiang University,2009.] [本文引用: 1]
[23]	方先知. 土地利用效率测度的指标体系与方法研究 [J]. 系统工程,2004,24(12):22-26. [本文引用: 1] [Fang X Z.On the index system of evaluating land utility efficiency [J]. Systems Engineering,2004,24(12):22-26.] [本文引用: 1]
[24]	李美娟,陈国宏. 数据包络分析法(DEA)的研究与应用 [J]. 中国工程科学,2003,5(6):88-94. [本文引用: 1] [Li M J,Chen G H.A review on the research and application of DEA [J]. Engineering Science,2003,5(6):88-94.] [本文引用: 1]
[25]	魏权龄. 数据包络分析[M]. 北京:科学出版社,2004. [本文引用: 1] [Wei Q L.Data Envelopment Analysis[M].Beijing:Science Press,2004.] [本文引用: 1]
[26]	龚艳,郭峥嵘. 江苏旅游业发展效率及对策研究-基于超效率DEA和Malnquist指数分析 [J]. 华东经济管理,2014,(4):7-12. [本文引用: 1] [Gong Y,Guo Z R.A study on efficiency and counter measures of tourism development in Jiangsu Province-analyses based on super-efficiency DEA and Malmquist index [J]. East China Economic Management,2014,(4):7-12.] [本文引用: 1]
[27]	Charnes A,Cooper W W,Rhodes E.Measuring the efficiency of decision making units [J]. European Journal of Operational Research,1978,2(6):429-444. [本文引用: 1]
[28]	Färe R,Grosskopf S.A nonparametric cost approach to scale efficiency [J]. Scandinavian Journal of Economics,1985,87(4):594-604. [本文引用: 1]
[29]	Färe R,Grosskopf S,Norris M,et al.Productivity growth,technical progress,and efficiency change in industrialized countries [J]. American Economic Review,1994,84(1):66-83. [本文引用: 1]
[30]	张维,李玉霜. 基于DEA技术的城市商业银行内控评价研究 [J]. 系统工程理论与实践,2001,21(7):38-42. [本文引用: 1] [Zhang W,Li Y S.Extension study of the internal appraisal for city commercial banks [J]. Systems Engineering-Theory & Practice,2001,21(7):38-42.] [本文引用: 1]
[31]	师荣耀. 中国开发区年鉴[M]. 北京:中国财政经济出版社,2010-2015. [本文引用: 1] [Shi R Y.China Development Zones Yearbook[M]. Beijing:China Financial and Economic Publishing House,2010-2015.] [本文引用: 1]