长三角区域一体化与城市土地利用效率的协同测度及交互响应

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

杨清可^,¹^,², 段学军^,³, 王磊³, 王珅⁴, 范业婷¹^,², 朱高立¹^,²

1.南京财经大学公共管理学院,南京210023

2.自然资源部海岸带开发与保护重点实验室,南京210017

3.中国科学院南京地理与湖泊研究所,南京210008

4.江苏省地质调查研究院,南京 210018

Collaborative measurement and interactive response between regional integration and urban land use efficiency in the Yangtze River Delta

YANG Qingke^,¹^,², DUAN Xuejun^,³, WANG Lei³, WANG Shen⁴, FAN Yeting¹^,², ZHU Gaoli¹^,²

1. School of Public Administration, Nanjing University of Finance & Economics, Nanjing 210023, China

2. Key Laboratory of Coastal Zone Exploitation and Protection, Ministry of Natural Resources, Nanjing 210017, China

3. Nanjing Institute of Geography and Limnology, CAS, Nanjing 210008, China

4. Geological Survey of Jiangsu Province, Nanjing 210018, China

通讯作者: 段学军,男,内蒙古赤峰人,研究员,研究方向为区域开发与可持续发展。E-mail: xjduan@niglas.ac.cn

收稿日期:2020-11-10修回日期:2021-01-15

基金资助:

国家重点研发计划项目(2018YFD1100101)
自然资源部海岸带开发与保护重点实验室开放基金项目(2021CZEPK05)
教育部人文社会科学研究项目(21YJC630183)

Received:2020-11-10Revised:2021-01-15
作者简介 About authors
杨清可,男,山东滕州人,讲师,研究方向为区域规划与土地利用。E-mail: yangqingke66@163.com

摘要
城市土地利用效率影响区域一体化中的要素流动方向和产业发展态势,土地利用效率的提高是驱动一体化发展的重要因素。如何有效协调长三角一体化和土地利用的良性关系,成为学界的研究热点。因此,本文基于区域一体化与城市土地利用效率的协同机理分析,构建区域一体化与土地利用效率效率评价体系,解析其时空演变特征;通过灰色关联分析验证了两者之间的关系,采用面板VAR模型探究交互响应机制。结果表明：①研究期内长三角一体化水平不断提升,“核心-外围”极化特征显著;城市土地利用效率上升明显,与一体化的演化趋势吻合。受区位条件、经济水平与资源等多种要素影响,区域一体化与土地利用效率的空间格局匹配失衡。②区域一体化与土地利用效率具有中高等级的关联度,两系统之间存在一定的关联。③长三角一体化与土地利用效率两系统间正负波动交替的非线性交互特征明显,其中区域一体化对土地利用效率具有负向累进的冲击效应,而城市土地利用效率对一体化冲击的正向增强效应逐渐减弱并收敛为0。根据上述研究结果,制定了差异化的长三角区域一体化发展和城市土地利用管控策略,以期为促进区域协调发展与城市土地高效利用提供科学参考。
关键词： 区域一体化;城市土地利用效率;交互响应;面板VAR模型;长三角

Abstract

Based on the theoretical analysis of the synergy between regional integration and urban land use efficiency, this study constructed an evaluation index system of integration and efficiency respectively. It first analyzed the characteristics of change of the spatial and temporal patterns of integration and efficiency; then, it verified the collaborative relationship between integration and efficiency by using the grey correlation model; finally, it described the interactive response mechanism between them by using the panel-data vector auto regression (VAR) model. The results show that: (1) From 2000 to 2018, the level of regional integration in the Yangtze River Delta had continuously improved, and the level had been increasing year by year. Spatially, the core-periphery polarization characteristics are obvious, and the overall urban land use efficiency showed an obvious upward trend. At the macro level, there exist some coupling characteristics between urban land use efficiency and the trend of regional integration, but there is a spatial mismatch affected by the heterogeneity of locational conditions, economic development level, and resource elements. (2) The comprehensive grey correlation analysis between regional integration and urban land use efficiency shows that there exists a medium to high level of grey correlation, and the performance is relatively stable, which confirms that there is an interactive relationship. (3) There exists a two-way interactive Granger causality between regional integration and urban land use efficiency in the Yangtze River Delta. Both regional integration and urban land use efficiency have positive self-strengthening effect and inertial growth trend. The nonlinear characteristics of the interaction are obvious, and there is an interaction mechanism of positive or negative fluctuations alternately. The results of impulse response analysis show that regional integration had a sustained negative enhancement effect on the level of land use efficiency, while urban land use efficiency had a small positive response to the first three stages of regional integration, and then the positive enhancement effect gradually weakened and converged to 0 in the later stage.

Keywords：regional integration;urban land use efficiency;interactive response;panel VAR;Yangtze River Delta

PDF (8917KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
杨清可, 段学军, 王磊, 王珅, 范业婷, 朱高立. 长三角区域一体化与城市土地利用效率的协同测度及交互响应[J]. 资源科学, 2021, 43(10): 2093-2104 doi:10.18402/resci.2021.10.13
YANG Qingke, DUAN Xuejun, WANG Lei, WANG Shen, FAN Yeting, ZHU Gaoli. Collaborative measurement and interactive response between regional integration and urban land use efficiency in the Yangtze River Delta[J]. RESOURCES SCIENCE, 2021, 43(10): 2093-2104 doi:10.18402/resci.2021.10.13

1 引言

区域一体化（Regional Integration,RI）,是将区域作为一个整体,根据经济社会和资源环境的地理区位差异,进行分工配置的有机协调,是重构经济景观和空间布局的关键动力^[1,2]。城市土地利用效率（Urban Land Use Efficiency,ULUE）,是单位城市土地利用面积及其承载的资本和劳动力相互作用所带来的经济、社会和生态环境等要素的投入与产出之比,其实质是对城镇化和工业化进程中土地资源利用程度的考量,由土地利用过程中消耗的成本和带来的效益进行评估。城市土地作为区域一体化中社会经济活动的空间载体^[3],不同规模、速度、层级的一体化过程通过改变城市发展所需人口、资本、土地等要素的交流路径和强度,进而影响其效率变化^[4]。同时,城市土地利用效率影响区域一体化中的要素流动方向和产业发展态势,效率的提高更是驱动一体化发展的重要因素^[5]。同时,2018年11月,习近平总书记在首届中国国际进口博览会开幕式发表演讲时提到,“将支持长江三角洲区域一体化发展并上升为国家战略,能够着力落实新发展理念,构建现代化经济体系,推进更高起点的深化改革和更高层次的对外开放……”。在长三角一体化成为国家战略的背后,城市土地浪费、利用结构失当、效率水平低下等问题层出不穷,制约了地区更高质量发展。因此,如何有效协调长三角一体化和土地利用的良性关系,成为土地资源管理、经济地理与可持续发展等学科的研究热点。

当前学界围绕城市群一体化与土地利用效率间的协同测度与耦合关系开展了研究。理论层面上,从探究两者单向的因果关系,到分析双向的交互作用机制^[6,7];从传统模式下的城市化与土地利用效率协调关系,到纳入规模集聚效应和技术溢出效应来解析其耦合机理^[8,9];从两者协调关系的描述性总结,到研究处于不同发展阶段的城市群如何有针对性地制定土地利用政策^[10]。实证层面上,运用灰色关系、耦合度等模型,构建城市化与土地利用效率的关系模型来验证两者的交互响应状况^[11,12]。部分****指出了多因素评价的共线性问题、模型运行时的参数确定问题^[13]。实际上,区域一体化与传统的城市化在基本内涵、发展模式与推进思路等方面差异明显,传统的经济发展模式是将区域内各城市视为独立的截面个体,而区域一体化是各城市主体在时间、空间和功能上的复杂变化以及资源要素的空间配置过程。在一体化的背景下,区域内各城市要素流动、产业调整的溢出效应不应被忽视。这就使得城市土地利用不只受到自身经济发展、规划政策等因素的影响,也受到邻域单元的空间作用,并最终体现在城市土地效率的动态演变中。问题由此提出,即如何量化、解析区域一体化与城市土地利用效率的协同作用及交互响应机制?因此,本文基于区域一体化与城市土地利用效率的协同机理分析,构建区域一体化与土地利用效率评价体系,解析其时空演变特征,探究二者间的动态交互作用机制,以期为促进长三角地区高质量发展与城市土地合理利用提供参考。

2 理论分析

区域一体化涵盖社会、经济、市场与空间等多个维度,最终均落脚于生产要素和产业发展上,要素流动与产业布局成为区域一体化的精髓^[14,15]。城市土地成为区域一体化的“主要参与者”和“直接见证者”,要素流动强度、产业集聚规模与分工结构通过改变区域一体化与土地利用系统间的作用路径,来影响土地利用效率的变化。上述过程围绕城市土地利用而形成的市场机制和价值规律,影响生产要素的融合与产业布局的重构,又会反作用于区域一体化。所以,区域一体化与城市土地利用效率通过要素流动与产业布局产生复杂的协同关系,要素流动与产业布局是一体化的落脚点,而土地利用效率提高则是一体化的重要目标。

区域一体化对城市土地利用效率的影响表现在：①要素流动层面。区域一体化创造要素集聚的良好环境,降低要素流动的空间障碍,引导生产要素按照经济要求的区位流动,是影响土地利用效率提升的关键因素^[16,17]。同时,当土地资源承载力达到极限时,区域一体化能扩大生产要素的配置范围,并促进要素在区域内外的双向流动,所产生的集聚效应、规模效应能降低经济发展对建设用地的需求。②产业布局层面。首先,产业资本化、虚拟化与服务化趋势改变了传统的产业布局特性,实现空间转移和梯度配置,产业规模扩大,增强土地利用的规模效应^[19,20]。其次,区域一体化促使各地区为谋求集聚效益,根据比较优势进行规模化生产,形成的产业共同体对邻近地区产生辐射效应,增大土地要素的投入强度,提升其利用效率^[21,22]。

城市土地利用效率对区域区域一体化的影响表现在：①土地效率变化是区域一体化发展的外在推力。城市用地供给决定着要素流动强度、产业落地区位与区际合作导向,影响一体化的方向、速度和深度^[23,24]。通过提升土地利用效率带动生产要素对土地资源的替代,在土地价值规律的约束下,区域一体化过程能促进要素的空间流动和最优配置。②土地效率变化是区域一体化发展的内生动力。首先,城市土地利用过程中劳动力、资本与信息等要素流动规模巨大,能弥补资源分布不均带来的生产成本上升,促进城市间产业分工,塑造良好的一体化外部环境^[25]。其次,城市土地的高效利用促使要素集聚,经济、社会与政策等多重效应相互叠加,推动城市间的产业结构调整与国土空间规划的协同制定。此外,通过土地利用规划、用途管制等宏观调控手段,引导一体化发展方向,规范城市分工和项目布局^[26]。

3 研究方法与数据来源

3.1 研究区概况

本文研究区为长三角城市群,是国家“两横三纵”城市化格局的优化开发区和重点开发区。2008年国务院颁布《关于进一步推进长江三角洲地区改革开放和经济社会发展的指导意见》,成为中国区域一体化发展的先行区。具体范围为：上海,江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州,浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州,安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城,共26市。

3.2 指标体系

区域一体化的评价。根据对区域一体化与城市土地利用效率的协同机理分析,从要素流动和产业布局等两个层面构建一体化评价体系。其中,城市间流动性较为显著的要素为人口、商品、资金和信息等,其流动方向、速度和规模会对一体化的发展层级、模式和结果产生影响。而产业布局的特点表现在产业分工、结构调整、转型升级等方面,包括由产业集聚形成的空间变化、产业合作形成的区域分工、产业重组形成的结构演变,以及产业目标协同形成的规模效益。鉴于此,参照已有研究^[27],选取8个指标构建一体化评价体系（表1）。

Table 1
表1
表1指标评价体系
Table 1Indicator system of regional integration and urban land use efficiency

目标层	准则层	指标层	指标含义与单位	权重
区域一体化	要素流动层面	人口流动强度	客运总量与总人口比值	0.105
		货物流动强度	货运总量与总人口比值/（t/万人）	0.095
		资金流动强度	金融机构贷款额与总人口比值/（亿元/万人）	0.153
		信息流动强度	电信业务量与总人口比值/（亿元/万人）	0.136
	产业布局层面	产业扩张强度	二、三产业年均增加值/亿元	0.204
		产业集聚程度	$Gini = \sum_{ik} (s_{ik} - x_{i})^{2}$ ,式中： $s_{ik}$ 为第 $i$ 城市第 $k$ 产业就业人数占该产业就业人数的比重, $k$ 取2,3; $x_{i}$ 为第 $i$ 城市就业人数占城市群就业人数的比重。	0.115
		产业结构偏离度	$R = \sum^{} \|\frac{\frac{V_{k}}{V}}{\frac{L_{k}}{L}} - 1\|$ ,式中： $V_{k}$ 和 $L_{k}$ 分别表示第k产业的产值和就业人数,k取1,2,3; $V$ 和 $L$ 分别表示所有产业的产值和就业人数。	0.085
		产业高级化指数	$Iu = \frac{TV}{SV}$ ,式中： $SV$ 和 $TV$ 分别表示城市第二、三产业产值。	0.107
城市土地利用效率	土地投入力度	地均二、三产业从业人员	二、三产业从业人员与城市建设用地面积比值/（人/km²）	0.152
		地均固定资产投资	固定资产投资与城市建设用地面积比值/（亿元/km²）	0.063
		建设用地面积占比	城市建设用地面积与城市行政区面积比值	0.079
	土地开发强度	人口承载强度	城镇人口与城市建设用地面积比值/（万人/km²）	0.119
		城市工业用地比重	工业用地面积与城市建设用地面积比值	0.145
		城市用地结构强度	$Ls = \sum_{z} (A_{z} \times C_{z})$ ,式中： $A_{z}$ 与 $C_{z}$ 分别为第 $z$ 类土地利用分级指数和面积百分比^[30]。	0.122
	土地利用效益	地均二、三产业产值	二、三产业产值与城市建设用地面积比值/（亿元/km²）	0.152
		地均公共财政收入	公共财政收入与城市建设用地面积比值/（万元/km²）	0.063
		建成区绿化覆盖率	建成区绿化面积与城市建设用地面积比值	0.105

新窗口打开|下载CSV

城市土地利用效率的评价。从土地投入视角看,对生产要素与产业布局的吸引可以提高城市土地利用效率;从土地过程视角看,对社会活动、经济发展的承载强度是测度土地生产、生活功能的重要标准;从土地产出视角看,城市土地利用效率成为判断生产要素产出是否有效的直观表现。参考已有成果^[28],从土地投入力度、土地开发强度和土地利用效益3个层面选取9个指标来表征“投入-过程-产出”水平,构建效率评价体系（表1）。

本文采用AHP-熵权法^[29]从客观和主观两个方面来确定指标权重,克服权重确定过程中的人为因素,使结果更加符合实际情况。

3.3 研究方法

3.3.1 灰色关联分析

灰色关联度分析（Grey Relation Analysis,GRA）,是衡量因素间关联程度的多因素统计分析方法。本文以灰色关联度来表征区域一体化与城市土地利用效率两系统间发展的相似程度和演化趋势^[31]。模型表达为：

（1）

ξ_{i} = ρ φ_{i} + (1 - ρ) γ_{i}, ρ \in [0,1]

式中：

ξ_{i}

为灰色综合关联度,通过动静两方面来反映两系统时间序列的变化特征;

φ_{i}

为灰色绝对关联度,从静态层面考察两系统时间序列数据间的关系;

γ_{i}

为灰色相对关联度,从动态层面考虑两系统间的关系,公式与演算过程参考文献[32];

ρ

为分辨系数,一般取值为0.5。当

0 < ξ_{i} \leq 1

,其值越大,关联性越大;反之亦然。同时,参考刘耀彬等^[33]对关联性的判断,设定

0 < ξ_{i} \leq 0.35

时,关联度较低;

0.35 < ξ_{i} \leq 0.65

时,关联度中等;

0.65 < ξ_{i} \leq 0.85

时,关联度高;

0.85 < ξ_{i} \leq 1

时,关联度极高,相互作用力极强。

3.3.2 面板VAR模型

面板向量自回归（Panel-data Vector Auto Regression,PVAR）模型不仅具有传统VAR模型的优势,可将系统中所有变量视为内生变量且允许存在不可观测的个体异质性（时间效应和空间效应）,而且可将面板数据纳入,探究变量的动态变化^[34,35]。模型表达为：

（2）

y_{it} = α_{i} + β_{0} + \overset{x}{\sum_{j = 1}} β_{j} y_{i, t - j} + μ_{t} + ε_{it}

式中：

y_{it}

为包含两个内生变量的列向量,分别为区域一体化指数的对数值（

\ln R I_{it}

）和城市土地利用效率的对数值（

\ln ULU E_{it}

）;

i = 1,2, ?, N

,代表城市;

t = 1,2, ?, T

,代表年份;

β_{0}

和

β_{j}

分别表示方程回归的截距项向量和系数向量;

α_{i}

和

μ_{t}

分别表示空间效应向量和时间效应向量;

ε_{it}

为“噪音”干扰项;

j

为滞后阶数,

j = 1,2, ?, x

。

3.4 数据来源

数据来自2000—2018年《中国城市统计年鉴》《中国城市建设统计年鉴》和长三角各市统计年鉴,以及相应年份的国民经济和社会发展统计公报。各指标均以居民消费价格指数折算,以降低价格因素的影响。城市非农产值通过查询统计年鉴数据来获取,运用GDP指数法将其平减至2000年水平。针对个别年份数据缺失情况,采用滑动平均法进行处理。

4 结果与分析

4.1 区域一体化与城市土地利用效率演变特征

根据区域一体化与城市土地利用效率的评价结果,采用ArcGIS10.2软件中自然断裂点法将其划分为4个等级（图1）。2000—2018年长三角一体化水平不断提升,等级逐年提高。通过空间分区可知,2000、2005年,一体化水平分布的集聚与分散趋势不明显,但从2010年起,上海、南京、杭州与苏州等中心城市的一体化水平较高,至2018年,上述中心城市一体化水平越发凸显,极化特征显著。然而,江苏的盐城、泰州与安徽的滁州、宣城等外围城市,经济发展层次不高,对人口、资本与技术等要素的集聚能力不足,与中心城市的差距被拉开。这类城市的资源禀赋和区位条件较差,在区域一体化过程中集聚发展要素的能力不高。因此,它们应主动与中心城市对接,接受其发展辐射,构建联动发展共谋、基础设施互联、公共服务一体的新格局。因此,区域一体化空间格局演变中核心城市具有显著的极化特征。

图1

新窗口打开|下载原图ZIP|生成PPT
图12000—2018年长三角区域一体化的时空格局

Figure 1Spatiotemporal patterns of regional integration, 2000-2018

从图2可知,2000—2018年长三角地区城市土地利用效率水平逐年上升,在宏观上与一体化的时空演化具有耦合协同特征。在区域视角,以上海为中心,向邻近城市阶梯式的等级下降过程明显,形成了“核心-外围”环状分布格局。通常情况下,上海及周边地区经济发达,新增建设用地指标少,土地资源供给有限,技术和资本密集型产业占比高,因此土地利用效率高。2000年时,长江沿线城市依托“黄金水道”便捷的水运优势,工业化与城镇化进程较快,土地资源得到高效开发,土地利用效率较高。城市土地利用效率的东—西向演变特征显著,沿海城市承接外商直接投资,设立各类型的开发区、保税区,发展外向型经济,土地利用效率上升较快。2005、2010年,部分城市,如宣城、铜陵、安庆等,工业化进程缓慢,土地开发强度低,土地利用效率水平在低位徘徊。2015年后,为应对全球金融危机,上海、杭州与苏南地区,通过产业结构升级,部分产业沿长江向中上游城市、邻近城市转移,提升了土地利用效率。总体上,城市土地利用效率受区位条件、经济水平与土地要素异质性的综合影响,在空间上与区域一体化格局呈现匹配失衡的态势。

图2

新窗口打开|下载原图ZIP|生成PPT
图22000—2018年长三角城市土地利用效率的时空格局

Figure 2Spatiotemporal patterns of urban land use efficiency, 2000-2018

4.2 区域一体化与城市土地利用效率的协同测度

2000—2018年长三角一体化与土地利用效率的灰色关联分析结果表明（表2）,灰色绝对关联度、相对关联度与综合关联度呈现不同的变化趋势。具体而言：首先,灰色绝对关联度数值处于0.469~0.681之间,关联程度中等,对应的几何曲线呈“上升—下降—上升”波动性变化态势;其次,灰色相对关联度数值处于0.687~0.846之间,关联程度较高,表明长三角一体化与土地利用效率的联系紧密;最后,灰色综合关联度数值处于0.596~0.752之间,少数年份中等关联,但多数年份关联程度较高,关联曲线介于绝对关联度和相对关联度之间,变化速率在中高等级程度,表明区域一体化与城市土地利用效率之间的关联程度较高,有必要对两者的交互响应特征展开研究。

Table 2
表2
表22000—2018年区域一体化与城市土地利用效率的灰色关联度
Table 2Grey correlation degree of regional integration and urban land use efficiency, 2000-2018

年份	绝对值	相对值	综合值	年份	绝对值	相对值	综合值
2000	0.535	0.813	0.674	2010	0.601	0.687	0.644
2001	0.532	0.820	0.676	2011	0.681	0.751	0.716
2002	0.534	0.808	0.671	2012	0.469	0.722	0.596
2003	0.547	0.796	0.672	2013	0.563	0.800	0.681
2004	0.631	0.742	0.686	2014	0.611	0.843	0.727
2005	0.697	0.706	0.701	2015	0.631	0.832	0.731
2006	0.641	0.678	0.660	2016	0.678	0.810	0.744
2007	0.664	0.695	0.679	2017	0.665	0.795	0.730
2008	0.633	0.687	0.660	2018	0.658	0.846	0.752
2009	0.659	0.702	0.681

新窗口打开|下载CSV

4.3 区域一体化与城市土地利用效率的交互响应

4.3.1 平稳性与因果关系检验

面板数据的平稳性为接下来开展GMM估计与脉冲响应分析提供基础。对原始数据进行对数化处理,开展区域一体化（lnRI）和城市土地利用效率（lnULUE）的单位根检验,如表3所示,变量数据皆为稳定序列。同时,为说明区域一体化与城市土地利用效率两者是否具有因果关系,采用格兰杰方法对lnRI和lnULUE进行检验,如表4所示,长三角一体化与土地利用效率具有双向交互的格兰杰因果关系,存在协同关联特征。

Table 3
表3
表3变量平稳性检验
Table 3Stationary test of variables

检验方法	LIC检验	IPS检验	ADF-Fisher检验
lnRI	-4.749***	-11.138***	-15.099***
lnULUE	-2.246**	16.448***	12.283***

注：***表示在1%水平上显著,下同。

新窗口打开|下载CSV

Table 4
表4
表4格兰杰因果关系检验
Table 4Test for Granger causality

变量	原假设	统计检验	结论
lnRI	lnRI不是lnULUE的格兰杰原因	16.487***	拒绝原假设
lnULUE	lnULUE不是lnRI的格兰杰原因	12.188***	拒绝原假设

新窗口打开|下载CSV

4.3.2 GMM估计结果分析

采用GMM估计来探究长三角一体化与城市土地利用效率的交互影响情况,基于BIC信息准则判定最优滞后阶数为4,估计结果见表5。

Table 5
表5
表5基于GMM方法的面板VAR模型估计结果
Table 5Estimated results of the panel-data vector auto regression (PVAR) model based on generalized method of moments (GMM)

类型	变量	系数	变量	系数
lnRI方程	L1_h_lnRI	0.776(12.88)***	L1_h_lnULUE	-0.036(-5.35)***
	L2_h_lnRI	0.102(6.38)***	L2_h_lnULUE	-0.154(-2.51)**
	L3_h_lnRI	0.050(5.73)***	L3_h_lnULUE	0.119(4.75)***
	L4_h_lnRI	-0.049(-2.06)**	L4_h_lnULUE	0.039(2.03)**
lnULUE方程	L1_h_lnRI	-0.145(-2.68)***	L1_h_lnULUE	0.659(6.75)***
	L2_h_lnRI	-0.191(-3.49)***	L2_h_lnULUE	0.051(0.90)
	L3_h_lnRI	-0.033(-2.04)**	L3_h_lnULUE	0.015(0.26)
	L4_h_lnRI	-0.016(3.85)***	L4_h_lnULUE	-0.044(-1.12)

注：***、**和*分别表示在1%、5%和10%水平上显著;L1、L2、L3和L4分别代表滞后1、2、3和4期;括号内数值为对应的z统计量。

新窗口打开|下载CSV

（1）区域一体化与城市土地利用效率滞后的前3期对当期的作用系数分别为0.776、0.102、0.050和0.659、0.051、0.015,正向促进作用显著,表明两者均有自我增强机制,存在时间上的累积效应和实践上的惯性效应。土地利用效率的提升循序渐进,具有惯性增长态势。因此,通过加强土地整治、用好存量用地与优化配置效率等可行措施,可确保土地利用的累积效益。而滞后第4期系数为-0.044,为负向结果,但未通过显著性检验。在长三角一体化的早期,通过控制土地投入强度、优化结构和增加效益等措施,促进人-地-业协同发展,提升土地利用效率。然而,随着一体化的深入,社会经济发展所需的环境容量和资源数量超出土地承载能力,粗放式的开发模式,制约了土地利用效率的提升。区域一体化通过要素配给和产业结构变动等路径转换区域内部生产要素的交流程度,调控城市土地利用内部物质循环与外部环境的能量传递,改变土地利用程度和布局。以上符合已有研究的结果^[16,27]。

（2）城市土地利用效率对区域一体化模型滞后的前3期回归系数分别为-0.036、-0.154和0.119,作用方向先负后正,表明对区域一体化的影响呈现先抑制后促进的动态特征。初期对区域一体化发展存在收敛性的阻碍作用,后期呈发散性的推动作用,利于长三角地区的深度一体化。而一体化滞后的4期结果显示,对土地利用效率始终存在负向影响,系数分别为-0.145、-1.091、-0.033和-0.016,一体化对土地利用效率的收敛抑制作用先强后弱,表明长三角一体化对土地利用效率的收敛性一直有阻碍作用,但由于外围城市积极采取融入中心城市的规划,以及一体化进程中公共服务均等化、要素优化配置等措施的推进,收敛强度逐渐减弱。

4.3.3 脉冲响应分析

运用Stata14.0软件对lnRI和lnULUE开展脉冲函数分析,通过蒙特卡罗模拟200次,考察单位标准差下随机扰动对变量当期和未来值动态演变的冲击,揭示未来20年长三角区域一体化与城市土地利用效率的交互响应机制。

（1）通过图3a可知,区域一体化（lnRI）变量受到自身单位标准差的冲击,正向影响显著。随着时间推移,正向促进作用强度不断递减,与上文中GMM估计的区域一体化发展存在自身促进与路径依赖的结果吻合。图3b显示,对于单位标准差的区域一体化（lnRI）冲击,土地利用效率（lnULUE）产生的脉冲响应复杂。其中,第一期为正向影响,之后不断下降,对区域一体化产生负向响应。虽然从第3期后响应程度上升,但负向响应程度减小并收敛为0,说明在区域一体化过程中,中心城市能级高,在人才吸引、交通设施、教育资源等方面对周边城市产生虹吸效应,抑制了城市群整体土地利用效率的提升。

图3

新窗口打开|下载原图ZIP|生成PPT
图3区域一体化与城市土地利用效率的脉冲响应分析

注：黑线为脉冲响应曲线,灰色阴影部分为95%置信区间范围。
Figure 3Results for impulse response analysis of regional integration (RI) and urban land use efficiency (ULUE)

（2）图3c展示了受到城市土地利用效率（lnULUE）的单位标准差冲击后区域一体化（lnRI）的脉冲响应。今后20年具有正向促进作用,且前3期响应曲线呈倒“N”字形波动,随后对区域一体化（lnRI）的正向效应强度下降并收敛至0,表明土地利用效率的提升对一体化产生波动的正向增强作用,需通过控制土地开发强度、增强土地利用效益等方法,进一步提升土地利用效率对一体化的促进作用。图3d表示城市土地利用效率（lnULUE）受到来自自身的单位标准差冲击后,初始时正向作用较强,随后逐年递减并收敛于0,表明土地利用效率提升的自身增强特征随时间推移而下降。脉冲响应结果表明,长三角区域一体化对城市土地利用效率的冲击有明显的负向累进效应。

总体上,当前长三角区域一体化与城市土地利用效率均具有较强的自我增强机制与累积响应作用,而一体化冲击对土地利用效率水平具有持续的负向脉冲响应。说明今后相当一段时间内,外围城市应主动调整发展策略,积极融入区域一体化,打破城市间发展壁垒,实现要素最优配置,以提升城市土地利用效率。

5 结论与讨论

5.1 结论

本文首先探讨了区域一体化与城市土地利用效率的协同机理,构建了指标评价体系,明确两者的演变特征。然后,采用灰色关联法探究两系统间的协同关系,运用面板VAR模型揭示一体化与土地利用效率的交互强度与响应方向。主要结论为：

（1）2000—2018年长三角区域一体化水平不断提升,等级逐年提高。上海、南京等城市一体化水平显著高于盐城、宣城等城市,“核心-外围”的空间布局结构越发显著。同时,城市土地利用效率的上升趋势也较明显,在时间和空间两个维度与区域一体化的演化趋势存在耦合特征。区域一体化与城市土地利用效率受区位条件、经济水平与资源要素的综合影响,两系统的分布格局具有一定程度的匹配失衡特征。

（2）区域一体化与城市土地利用效率的协同测度结果显示：绝对关联度呈现“上升—下降—上升”的波动性变化;相对关联度结果数值较高,表明长三角一体化与土地利用效率的相互作用关系紧密;综合关联度介于绝对关联度和相对关联度之间,具有中高等级的关联程度,且表现较为平稳。

（3）区域一体化与城市土地利用效率存在双向交互的格兰杰因果关系,两者具有自我增强机制与惯性增长趋势,呈现正负波动交替的非线性交互特征。区域一体化对土地利用效率具有负向累进的冲击效应,而城市土地利用效率对一体化冲击的正向增强效应持续收敛。各城市应根据自身发展实际,优化土地结构和空间扩展方向,提高利用效率,以便更加精明地推进长三角区域一体化。

5.2 讨论

本文通过探究长三角区域一体化与城市土地利用效率的协同作用及交互响应特征,以完善城市供地、收益分配和规划决策的机制,探索一体化背景下土地再开发和再利用路径,推动一体化与土地利用效率的高效融合与协调互动。然而,本文研究仅考虑了区域一体化与城市土地利用效率的协同关系与交互机制,并未将当前长三角协同发展规划、城市结构转型和政策法规调整等定性因素纳入分析框架,这就使上述两系统之间的交互强度和作用方向会因空间尺度的变化而产生差异。同时,本文以城市尺度展开分析,如若更深层次地揭示一体化与土地利用效率的时空演变特征和协同强度,需将面板数据细化至县域尺度和更长时间序列上,这是开展后续研究的难点。

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]

Huh H

, Park C

. Asia-Pacific regional integration index: Construction, interpretation, and comparison
[J]. Journal of Asian Economics, 2018, 54:22-38.

DOI:10.1016/j.asieco.2017.12.001 URL [本文引用: 1]

[2]

韦伟. 长三角高质量一体化发展若干议题的理论思考
[J]. 区域经济评论, 2019, (6):18-22.