張 琳,王亞輝,郭雨娜,劉冰潔
(大連理工大學(xué)管理與經(jīng)濟學(xué)部,遼寧 大連 116024)
中國發(fā)達地區(qū)工業(yè)土地集約利用的驅(qū)動因素
——基于企業(yè)微觀數(shù)據(jù)的研究
張 琳,王亞輝,郭雨娜,劉冰潔
(大連理工大學(xué)管理與經(jīng)濟學(xué)部,遼寧 大連 116024)
研究目的:中國工業(yè)發(fā)展與土地資源現(xiàn)狀均對工業(yè)土地集約利用提出了迫切需求,而工業(yè)企業(yè)的土地集約利用則是實現(xiàn)區(qū)域工業(yè)土地集約利用的微觀基礎(chǔ)。研究方法:在現(xiàn)有研究多集中于中、宏觀層面的背景下,本文將研究深入至企業(yè)微觀層面,先從理論角度分析了各個驅(qū)動因素及其傳導(dǎo)機理。然后選取中國工業(yè)化進程較快的兩個省份(廣東和江蘇)作為研究區(qū)域,以1999—2009年1290家工業(yè)企業(yè)面板數(shù)據(jù)為樣本進行實證檢驗,實證結(jié)果與理論分析相互印證。研究結(jié)果:在所有驅(qū)動因素中,工業(yè)用地價格對集約用地促進作用最明顯;中國目前處于土地邊際報酬遞增階段,單位土地要素投入的增加可促進企業(yè)集約用地,其中勞動投入的系數(shù)最大;外資企業(yè)相較于其他所有制企業(yè),集約用地水平較高。研究結(jié)論:企業(yè)規(guī)模和企業(yè)距港口距離與集約用地水平呈倒U型關(guān)系;良好的地理區(qū)位、盈利水平及經(jīng)濟環(huán)境等均能在一定程度上促進企業(yè)集約用地。
土地利用;工業(yè);集約;驅(qū)動因素
在相對較短的工業(yè)化歷程中,中國工業(yè)的發(fā)展創(chuàng)造了“中國奇跡”,但也付出了高昂的資源代價,尤其在土地資源日益稀缺的背景下,工業(yè)用地的粗放利用仍較普遍,出現(xiàn)了工業(yè)高速發(fā)展與土地低效利用并存的現(xiàn)象。根據(jù)對17個較發(fā)達城市抽樣調(diào)查數(shù)據(jù)顯示,其工業(yè)用地產(chǎn)出率不到發(fā)達國家20世紀(jì)80年代的2%,就連工業(yè)用地產(chǎn)出率高的深圳市也只相當(dāng)于20世紀(jì)末發(fā)達國家7%的水平[1]。在中國繼續(xù)推進工業(yè)化進程的背景下,促進工業(yè)用地的集約利用將是緩解土地資源約束的根本途徑。
一直以來,土地集約利用是學(xué)術(shù)界的研究熱點之一,從研究對象來看,早期傾向于將城鎮(zhèn)建設(shè)用地作為一個整體進行研究[2]。之后,隨著工業(yè)化進程不斷推進,工業(yè)用地逐漸從城鎮(zhèn)建設(shè)用地中被分離出來單獨研究[3]。從研究內(nèi)容看,早期多以現(xiàn)狀評價與空間比較分析為主[4-6],隨著現(xiàn)實發(fā)展與政策制定的需求,研究重心逐漸轉(zhuǎn)向更深層次的驅(qū)動因素與機理分析上來[7-8]。從研究尺度來看,已有成果大多運用統(tǒng)計數(shù)據(jù)分析,多集中于宏觀、中觀層面。國家、省級、地市級的研究表明市場化水平、區(qū)位條件、經(jīng)濟水平、城鎮(zhèn)化率等因素造成土地集約利用水平差異[9-16];而開發(fā)區(qū)層面的研究則表明開發(fā)區(qū)級別、區(qū)位、布局、企業(yè)集聚水平及土地政策是影響土地集約利用的主要因素[17-18]。由于受到諸多條件限制,再進一步深入到企業(yè)層面的研究就十分有限,僅有個別學(xué)者基于小范圍企業(yè)樣本進行調(diào)研分析。如Tan Dan等基于江蘇三個城市的企業(yè)調(diào)查研究[19];趙小鳳和黃賢金利用企業(yè)數(shù)據(jù)研究不同層面因素對工業(yè)土地集約利用的影響[20];鄒偉等檢驗了土地保有稅對工業(yè)企業(yè)土地效率有顯著正向影響[21]。
但實際上,工業(yè)企業(yè)集約用地是構(gòu)成并實現(xiàn)區(qū)域?qū)用婀I(yè)土地集約利用的微觀基礎(chǔ),企業(yè)的生產(chǎn)決策及經(jīng)營狀況才是影響土地集約利用的根本原因。因此,深入到企業(yè)層面的驅(qū)動因素研究是摸清企業(yè)用地規(guī)律與合理引導(dǎo)企業(yè)用地的基礎(chǔ),對促進區(qū)域范圍內(nèi)的工業(yè)用地集約利用更具有實際意義。只有基于企業(yè)層面的數(shù)據(jù)分析,才能將行業(yè)、所有制結(jié)構(gòu)、企業(yè)規(guī)模等之前研究未曾涉及的因素納入到研究中來,從而更加全面深入地進行驅(qū)動因素分析與機理剖析。
因此,筆者基于《中國工業(yè)企業(yè)數(shù)據(jù)庫》進行企業(yè)用地的調(diào)研與數(shù)據(jù)收集,從微觀層面對土地集約利用的驅(qū)動因素進行探索,前期研究已經(jīng)驗證了企業(yè)規(guī)模對于企業(yè)用地有顯著影響[22]。在此基礎(chǔ)上,本文選擇了中國工業(yè)化進程最快,最具代表性的兩個省份(廣東省和江蘇?。┳鳛檠芯繀^(qū)域,補充數(shù)據(jù)后,進一步從經(jīng)營投入、企業(yè)屬性、地理區(qū)位及經(jīng)濟環(huán)境4個方面對工業(yè)企業(yè)集約用地的驅(qū)動因素進行深入剖析,并提出相應(yīng)政策建議。
2.1 模型
本文采用面板數(shù)據(jù)模型進行實證分析。首先,進行了Hausman檢驗[23-24],結(jié)果建議選擇固定效應(yīng)模型。接下來,根據(jù)本文研究目的和理論進行進一步分析,如果單純使用固定效應(yīng)模型,研究中很多重要驅(qū)動因素如企業(yè)所屬行業(yè)、地理區(qū)位因素等由于不隨時間改變,在固定效應(yīng)模型中將會被剔除,從而影響研究的全面性。因此,在參考了相關(guān)研究的基礎(chǔ)上[25-26],本文采用隨機效應(yīng)模型與固定效應(yīng)模型相結(jié)合的方式進行研究,即首先用隨機效應(yīng)模型將全部驅(qū)動因素納入進行擬合,然后再用固定效應(yīng)模型剔除掉部分不隨時間變化的驅(qū)動因素進行擬合,由此可以作為隨機效應(yīng)模型的穩(wěn)健性檢驗,如果固定效應(yīng)和隨機效應(yīng)中各變量的估計結(jié)果大致相當(dāng),則說明該模型的設(shè)定較準(zhǔn)確,這樣設(shè)計將使得分析結(jié)果更加嚴(yán)謹(jǐn)準(zhǔn)確。
模型確定之后,需對固定效應(yīng)模型進行估計,估計操作步驟如下:(1)采用似然比(Likelihood Ratio)檢驗來檢驗?zāi)P褪欠翊嬖诋惙讲睿唬?)采用Wooldridge檢驗來檢驗?zāi)P褪欠翊嬖谛蛄邢嚓P(guān);(3)采用Pesaran檢驗來檢驗面板數(shù)據(jù)是否存在截面相關(guān);(4)如果面板數(shù)據(jù)存在異方差或者序列相關(guān),且存在截面相關(guān),那么將采用Driscoll and Kraay的估計方法加以修正;反之,如果不存在異方差或序列相關(guān)、截面相關(guān),那么將采用Rogers的估計方法加以修正[27]。
固定效應(yīng)模型的檢驗結(jié)果表明,本文存在異方差、序列相關(guān)和截面相關(guān),故模型估計采用Driscoll and Kraay的方法來處理。
基于上述分析,本文分別構(gòu)建如下模型:
第一,面板固定效應(yīng)模型:式(1)中,ILUit為i企業(yè)第t年工業(yè)用地集約利用水平,X1it為影響工業(yè)企業(yè)集約用地的直接驅(qū)動因素,X2it為影響工業(yè)企業(yè)集約用地的間接驅(qū)動因素。其中,直接驅(qū)動因素主要是指工業(yè)生產(chǎn)過程中的直接要素投入,如勞動力、資本等,這些要素的投入多寡與企業(yè)集約用地水平直接相關(guān);間接驅(qū)動因素一般包括企業(yè)所在環(huán)境、所屬行業(yè)及企業(yè)特征等,這些因素通常會通過其他機制或渠道來影響企業(yè)要素投入,進而影響集約用地水平。αi為企業(yè)間的個體差異;εit為誤差項;β為待估參數(shù)。
第二,面板隨機效應(yīng)模型:
式(2)中,ILUit為i企業(yè)第t年工業(yè)用地集約利用水平,X1it為影響工業(yè)企業(yè)集約用地的直接驅(qū)動因素,X2it為影響工業(yè)企業(yè)集約用地的間接驅(qū)動因素,Z為影響工業(yè)企業(yè)集約用地不隨時間變化的驅(qū)動因素,比如企業(yè)距離港口的距離、企業(yè)所屬行業(yè)等,αi為企業(yè)間的個體差異,ηit為誤差項,β為待估參數(shù)。
2.2 變量說明
(1)因變量構(gòu)造。本文因變量為工業(yè)企業(yè)土地集約利用水平。比較考慮了目前常用的單一指標(biāo)法和綜合指標(biāo)法,為避免共線性,本文將采用單一指標(biāo)評價法(工業(yè)產(chǎn)出)進行衡量。計算公式如下:
式(3)中,ILU為企業(yè)集約用地水平;GIP為企業(yè)工業(yè)總產(chǎn)值;S為企業(yè)生產(chǎn)占地面積。
(2)自變量選擇。為了更加全面地揭示工業(yè)企業(yè)集約用地的驅(qū)動因素,同時盡量減少模型的遺漏變量偏誤,本文從直接驅(qū)動和間接驅(qū)動兩方面,對可能的變量進行篩選(表1)。
2.3 數(shù)據(jù)說明
本文研究區(qū)域為廣東、江蘇兩省,屬沿海發(fā)達地區(qū),工業(yè)化進程速度快且具有代表性,使得結(jié)果對于其他地區(qū)具有較強的前瞻性和借鑒性。基礎(chǔ)數(shù)據(jù)來源于1999—2009年①本文研究區(qū)間為1999—2009年,由于國家統(tǒng)計局官方公布的《中國工業(yè)企業(yè)數(shù)據(jù)》只更新到2009年,其他渠道流傳的2010、2011年的數(shù)據(jù)經(jīng)調(diào)查檢驗,可能存在一定的偏差,故本文沒納入。兩省《中國工業(yè)企業(yè)數(shù)據(jù)庫》(下稱《數(shù)據(jù)庫》)。具體的數(shù)據(jù)處理過程如下:
(1)樣本選取。把兩省11年間一直存活下來的企業(yè)進行按照“法人代碼”進行年際之間匹配,共計廣東813家、江蘇529家,共1342家工業(yè)企業(yè)。
表1 變量說明Tab.1 Variable explanation
(2)數(shù)據(jù)補充調(diào)研。原數(shù)據(jù)庫中收集了工業(yè)企業(yè)概況、財務(wù)等相關(guān)經(jīng)濟指標(biāo)近120個,但缺乏土地、地理區(qū)位及社會經(jīng)濟等指標(biāo),而這些指標(biāo)是本研究的關(guān)鍵。本文對相關(guān)數(shù)據(jù)進行補充調(diào)研。企業(yè)占地面積數(shù)據(jù)主要采用網(wǎng)絡(luò)調(diào)查;地理區(qū)位數(shù)據(jù)(主要包括各企業(yè)與區(qū)域最大港口距離、與城市最高基準(zhǔn)地價距離等)采用Google地圖實驗室中的距離測量工具測量所得;社會經(jīng)濟數(shù)據(jù)主要來源于《廣東統(tǒng)計年鑒》和《江蘇統(tǒng)計年鑒》;片區(qū)工業(yè)用地價格則根據(jù)企業(yè)所在地址定位,通過“中國城市地價動態(tài)監(jiān)測網(wǎng)”搜集所得,精確到城市內(nèi)各區(qū),且各數(shù)據(jù)均經(jīng)過了指數(shù)平減等相應(yīng)處理。
(3)樣本剔除整理。樣本調(diào)查中剔除了電力、煤炭、礦業(yè)及天然氣等企業(yè),因為這些企業(yè)調(diào)研的數(shù)據(jù)是服務(wù)所轄地區(qū)的面積,而不是生產(chǎn)用地面積;此外,還剔除了11年間占地面積多次變更的企業(yè)、個別調(diào)研數(shù)據(jù)依據(jù)常規(guī)判斷不真實及數(shù)據(jù)庫中重要指標(biāo)缺失的企業(yè)。經(jīng)過剔除整理,最后剩下廣東788家、江蘇502家,共計1290家工業(yè)企業(yè)為本文的樣本。
表2分別呈現(xiàn)了固定效應(yīng)和隨機效應(yīng)回歸結(jié)果,其中固定效應(yīng)采用Driscoll and Kraay的估計方法[30],隨機效應(yīng)模型采用Hausman-Taylor估計方法[31],兩種模型可以作為相互補充以確定各變量的估計準(zhǔn)確程度。
表2 實證結(jié)果Tab.2 The empirical results
表2中模型的異方差、序列相關(guān)及截面相關(guān)均進行了系統(tǒng)性處理,得出穩(wěn)健性的結(jié)果。其中,隨機效應(yīng)的R2-between可以達到0.8847 ,說明模型中已囊括絕大多數(shù)影響工業(yè)企業(yè)集約用地的因素,遺漏變量的可能性很小,模型總體擬合效果較好。下面分別對隨機效應(yīng)和固定效應(yīng)估計的結(jié)果進行逐一分析。
3.1 隨機效應(yīng)分析
本文先對數(shù)據(jù)進行取對數(shù)、標(biāo)準(zhǔn)化等處理,然后回歸分析之后進行內(nèi)生性檢驗和工具變量合理性檢驗,結(jié)果表明模型已不存在內(nèi)生變量,工具變量合理性檢驗的Sargan-Hansen統(tǒng)計量為5.328 ,P值為0.1587 ,工具變量選擇較為合理。
表2結(jié)果顯示,回歸結(jié)果的Wald統(tǒng)計量為13696.94 ,R2為0.8847 ,方程總體上顯著,大部分變量均在1%的置信水平下顯著。整體來看,實證結(jié)果與理論推斷相互印證,擬合結(jié)果良好。
比較各驅(qū)動因素來看,工業(yè)用地價格變量的回歸結(jié)果為正,且系數(shù)最大,為1.0205 。由此說明,工業(yè)用地價格是企業(yè)集約用地的重要驅(qū)動因素,這與理論分析相吻合,同時也與中國的實際發(fā)展情況相符。中國土地市場化配置改革起步較晚,前期大量的土地多以劃撥或低價出讓等形式進行分配,從資源經(jīng)濟學(xué)理論分析,資源價格過低,無法正確反映資源價值,將會造成資源的浪費與粗放利用,工業(yè)用地就是個很好的例子。之后,隨著土地市場化出讓制度的逐步完善,工業(yè)用地價格逐漸回歸正常,能夠反映出市場的供需水平。工業(yè)用地價格越高,一方面獲取土地的企業(yè)實力就越強,另一方面,較高的土地成本也會刺激企業(yè)進行要素替代,從而提高集約用地水平。在已有研究中,也有學(xué)者從宏觀層面證明了土地市場發(fā)育水平對土地集約利用有著重要的促進作用[9]。
直接驅(qū)動因素擬合結(jié)果與理論分析相一致,單位土地的投入要素越多,工業(yè)用地集約利用水平就越高,由此也印證了本文關(guān)于目前中國處于土地報酬遞增階段的判斷。其中,勞動投入和資本投入的系數(shù)較高,勞動力系數(shù)達0.5347 ,而研發(fā)投入系數(shù)較小。這說明現(xiàn)階段中國工業(yè)企業(yè)仍然以投入勞動力和資本為主,勞動和資本對工業(yè)企業(yè)的發(fā)展起到了關(guān)鍵性作用。以企業(yè)為導(dǎo)向的研發(fā)處于較低水平(研發(fā)投入企業(yè)占比為10.92 %),因此對土地集約利用的促進作用仍顯不足。
間接驅(qū)動因素中,系數(shù)較大的變量為外部經(jīng)濟環(huán)境與企業(yè)盈利水平。一般來說,區(qū)域發(fā)展階段與經(jīng)濟水平越好,企業(yè)的管理水平、要素配置等水平也通常隨之提高,因此均會顯著提高土地集約利用水平。具體來看,人均GDP和二、三產(chǎn)業(yè)之比兩個因素均顯著為正,說明區(qū)域經(jīng)濟水平的提高與產(chǎn)業(yè)結(jié)構(gòu)的升級均能促進當(dāng)?shù)毓I(yè)企業(yè)的集約用地。相較而言,城市規(guī)模的系數(shù)為負,說明城市規(guī)模越大,工業(yè)企業(yè)集約用地水平反而越低。這與發(fā)達城市“退二進三”的實際情況以及中國的產(chǎn)業(yè)梯度轉(zhuǎn)移相吻合。廣東、江蘇均屬于中國工業(yè)發(fā)展最快、經(jīng)濟最發(fā)達的省份,隨著產(chǎn)業(yè)發(fā)展階段的推進,很多大城市的工業(yè)企業(yè)不斷向外轉(zhuǎn)移,而工業(yè)內(nèi)部的結(jié)構(gòu)優(yōu)化升級與替代尚未跟上,導(dǎo)致工業(yè)相對萎縮;而中小城市由于承接了相應(yīng)的產(chǎn)業(yè)轉(zhuǎn)移,工業(yè)則處于快速發(fā)展階段。如此一來,就出現(xiàn)城市規(guī)模擴大,而工業(yè)企業(yè)集約用地水平下降的局面。這也是中國工業(yè)發(fā)展過程中的一個過渡時期,目前發(fā)達地區(qū)也都著重推進工業(yè)轉(zhuǎn)型升級,隨著這項工作的推進,土地集約利用水平還會再次提高。
此外,企業(yè)所有制變量系數(shù)均為負,且國有企業(yè)系數(shù)絕對值最大,達到0.1651 。由于本文將外資企業(yè)作為對照組,這說明相較于外資企業(yè)而言,其他所有制結(jié)構(gòu)的工業(yè)企業(yè)集約用地水平較低,尤其以國有企業(yè)集約用地水平最低。這與中國的實際狀況相符,中國大量的國有企業(yè)用地是計劃經(jīng)濟時代靠政府劃撥所得,土地成本低,利用相對粗放,而大部分外資企業(yè)的土地則是靠租賃或出讓等市場化手段獲得,土地成本相對要高,因而也提高了集約用地水平。從行業(yè)比較,一般重工業(yè)企業(yè)的集約用地水平要比輕工業(yè)企業(yè)要高,而企業(yè)規(guī)模的二次項系數(shù)為正,說明其與土地集約利用水平呈“U”型關(guān)系,這些結(jié)果也都驗證了理論判斷。
最后,不隨時間變化的影響因素。區(qū)位因素的系數(shù)整體上較小,對土地集約利用的影響相較于其他方面因素要弱。但從實證結(jié)果來看,各變量均顯著,并能體現(xiàn)一定的規(guī)律。與城市基準(zhǔn)地價最高點距離的系數(shù)為0.0105,且在1%置信水平下顯著,表明隨著企業(yè)遠離城中心其集約用地水平反而有所提升。這點與中國很多發(fā)達城市產(chǎn)業(yè)布局導(dǎo)向相吻合,即將市內(nèi)的工業(yè)企業(yè)(主要是制造業(yè))搬遷到離城市中心較遠的郊區(qū)或工業(yè)園區(qū),騰退土地用以商業(yè)開發(fā),導(dǎo)致了城市中心工業(yè)空心化,很多經(jīng)營良好的工業(yè)企業(yè)則多集中于城市外圍工業(yè)區(qū),從產(chǎn)業(yè)集聚的角度來看,可以促進企業(yè)的集約用地。
而進一步分析與區(qū)域最大港口距離變量發(fā)現(xiàn),其與集約用地水平之間呈現(xiàn)倒“U”型關(guān)系。即隨著企業(yè)與港口的距離逐漸變遠,其集約用地水平先增大后降低,轉(zhuǎn)折點在與最大港口距離為362.08 km處。通過對本文的樣本統(tǒng)計可知,大約有96.74 %的企業(yè)處于距離最大港口小于362.08 km的位置,即絕大多數(shù)企業(yè)的集約用地水平會隨著與區(qū)域最大港口的距離變遠而增大。這與前文的分析結(jié)果相互印證,表明除了城市內(nèi)部的產(chǎn)業(yè)布局調(diào)整之外,城市之間的產(chǎn)業(yè)梯度轉(zhuǎn)移,也使得很多工業(yè)從發(fā)達地區(qū)搬遷至相對欠發(fā)達的地區(qū),從而使得相應(yīng)的土地利用發(fā)生了變化,與最大港口有一定距離的二三線城市成了工業(yè)用地利用相對集約的地區(qū)。
3.2 固定效應(yīng)分析
為了對比回歸結(jié)果,本文又采用固定效應(yīng)模型進行擬合,模型自動剔除不隨時間變化的部分變量,本文又剔除不顯著變量(篇幅所限,結(jié)果未全部列出),回歸結(jié)果如表2所示。
回歸方程整體上顯著,且模型均通過了截面異方差檢驗和時間序列檢驗,內(nèi)生性檢驗和工具變量合理性檢驗。11項指標(biāo)均在不同置信水平下顯著。與隨機效應(yīng)模型的實證結(jié)果比較可以看出:各變量的回歸系數(shù)、標(biāo)準(zhǔn)誤及顯著性等具有高度一致性。其中,各驅(qū)動因素的擬合符號基本一致。影響程度最大的因素基本一致,第一為工業(yè)用地價格,其次是勞動投入(隨機效應(yīng)模型中系數(shù)第二大的企業(yè)規(guī)模變量,在固定效應(yīng)模型中被剔除了)。兩個模型的擬合結(jié)果相互印證吻合,說明本文的驅(qū)動因素分析結(jié)果真實可信。
此外,由于剔除了較多變量,固定效應(yīng)模型的擬合優(yōu)度(0.5508 )要低于隨機效應(yīng)模型(0.8847 ),由此說明,如果一開始就采用固定效應(yīng)模型,會有較多的驅(qū)動因素被忽略掉,從而影響分析的全面性和準(zhǔn)確性。本文的嘗試也證明,采用隨機效應(yīng)模型分析此類問題能夠盡可能地保留自變量,避免驅(qū)動因素的損失與遺漏,同時也可以通過相關(guān)檢驗,符合計量方法的要求,今后可以在類似研究中應(yīng)用。
(1)提高工業(yè)項目投資準(zhǔn)入門檻,增加工業(yè)用地投入強度。本文回歸結(jié)果顯示,勞動投入、資本投入、技術(shù)投入的系數(shù)均顯著為正,由此說明中國工業(yè)企業(yè)的生產(chǎn)尚處于土地邊際報酬遞增階段,單位面積土地上生產(chǎn)要素投入的增加能提高土地利用集約度,因此,政府積極促進工業(yè)用地的要素投入強度提高十分必要。2008年,國家頒布了《工業(yè)項目建設(shè)用地控制指標(biāo)》,明確規(guī)定了工業(yè)用地地均投資強度不得低于300萬元/畝,筆者前期研究發(fā)現(xiàn),大部分樣本企業(yè)可達標(biāo),并且很多企業(yè)要遠高出這一指標(biāo)[22]。與此同時,中國土地投資強度相較于國外仍存在較大差距。所以,今后仍需進一步提高工業(yè)用地投資的準(zhǔn)入門檻。此外,實證結(jié)果顯示,目前工業(yè)企業(yè)的研發(fā)投入對土地集約利用的驅(qū)動力不足,今后應(yīng)加大鼓勵工業(yè)企業(yè)研發(fā)投入,從而促進土地—技術(shù)之間的要素替代。
(2)深化工業(yè)用地市場化配置改革,科學(xué)制定工業(yè)用地基準(zhǔn)地價。本文研究結(jié)果顯示,工業(yè)用地價格是工業(yè)企業(yè)集約用地最重要的驅(qū)動因素,對集約用地有積極的促進作用。因此,今后應(yīng)進一步深化工業(yè)用地市場化配置改革,進一步完善工業(yè)用地出讓、租賃機制,使得土地價格充分體現(xiàn)資源的稀缺程度與資源價值,并結(jié)合所在區(qū)域的宏觀經(jīng)濟背景與后備資源稟賦,科學(xué)制定工業(yè)基準(zhǔn)地價,正確反映當(dāng)?shù)氐墓I(yè)用地供需水平,避免為了招商引資,刻意壓低工業(yè)地價的做法。
(3)積極提高工業(yè)企業(yè)規(guī)模,引導(dǎo)企業(yè)做大做強。本文研究結(jié)果顯示,企業(yè)規(guī)模與集約用地水平呈現(xiàn)“U”型關(guān)系,筆者前期研究也表明大型企業(yè)的土地集約利用程度較中、小型企業(yè)有很大飛躍[22]。因此,政府首先應(yīng)盡量引導(dǎo)一些資金、技術(shù)相對較成熟的大型工業(yè)企業(yè)落地,同時扶持現(xiàn)有企業(yè)做大做強,突破土地集約利用的低值區(qū),提高土地利用的規(guī)模效應(yīng),使得企業(yè)在較高的生產(chǎn)經(jīng)營水平上實現(xiàn)土地集約利用。而一些小型工業(yè)企業(yè),除了集約用地水平低下,很可能其帶來的環(huán)境污染也相對較嚴(yán)重,從社會總體福利而言,往往得不償失,今后應(yīng)禁止上馬以限制其數(shù)量。
(4)適時引導(dǎo)企業(yè)重組,提高企業(yè)管理水平。本文實證結(jié)果顯示,相較于外資企業(yè)而言,國有企業(yè)、私人企業(yè)及港澳臺企業(yè)的集約用地水平仍偏低,尤其是國有企業(yè)的集約用地水平最低。一方面是由于土地獲取途徑不同導(dǎo)致土地成本有所差異,另一方面也有可能是不同所有制下的企業(yè)在經(jīng)營理念、管理水平等方面存在差異所致。因此,適時引導(dǎo)企業(yè)重組,比如積極推進國有企業(yè)混合所有制改革,引入社會多元化資本,鼓勵有能力的企業(yè)上市,激發(fā)企業(yè)內(nèi)部活力,能促使企業(yè)內(nèi)部各要素優(yōu)化配置,提高企業(yè)運營效率,促進土地集約利用。
(5)合理規(guī)劃工業(yè)布局,促進工業(yè)集聚發(fā)展。理論分析和實證檢驗均表明合理的空間積聚會促進企業(yè)集約用地。因此,對于新增工業(yè)企業(yè),要合理引導(dǎo)其選址布局;對于城市已有的工業(yè)企業(yè),則應(yīng)結(jié)合城市發(fā)展規(guī)劃,逐步引導(dǎo)搬遷至相應(yīng)園區(qū)。此外,對于已經(jīng)存在各類工業(yè)園區(qū)也應(yīng)加強評估、監(jiān)管,實行園區(qū)、工業(yè)企業(yè)間的適度動態(tài)淘汰機制,從源頭上杜絕工業(yè)用地粗放利用,提高園區(qū)的土地集約利用水平。
(References):
[1] 王立彬. 述評:必須抬高中國工業(yè)用地的準(zhǔn)入門檻[EB/OL] . http://finance.sina.com.cn/review/20080215/19544509610. shtml/2008 - 02 - 15.
[2] Chen Jianfei, Kang-tsung C, Karacsonya D. Comparing Urban Land Expansion and Its Driving Factors in Shenzhen and Dongguan, China[J] . Habitat International, 2014, 43(7):61 - 71.
[3] 熊強,郭貫成. 中國各省區(qū)城市工業(yè)用地生產(chǎn)效率差異研究[J] . 資源科學(xué), 2013,35(5):910 - 917.
[4] 費羅成,吳次芳,程久苗,等. 資源城市轉(zhuǎn)型期工業(yè)用地集約利用評價——以棗莊市為例[J] . 城市問題,2013,(2):29 - 36.
[5] 王成新,劉洪顏,史家璐,等. 山東省省級以上開發(fā)區(qū)土地集約利用評價研究[J] . 中國人口·資源與環(huán)境,2014, 24(6):128 - 133.
[6] 彭沖,肖皓,韓峰. 2003—2012年中國城市土地集約利用的空間集聚演化及分異特征研究[J] . 中國土地科學(xué),2014,28(12):24 - 32.
[7] Salvador D. S., Leandro G. M. Public Provision Versus Private Provision of Industrial Land: A Hedonic Approach[J] . Land Use Policy,2005,22(3):215 - 223.
[8] LI Guang-dong, FANG Chuang-lin, PANG Bo. Quantitative Measuring and Influencing Mechanism of Urban and Rural Land Intensive Use in China[J] . Journal of Geographical Sciences,2014,24(5):858 - 874.
[9] 吳郁玲,曲福田. 中國城市土地集約利用的影響機理:理論與實證研究[J] . 資源科學(xué),2007,29(6):106 - 113.
[10] 鄭新奇,鄧紅蒂,姚慧,等. 中國設(shè)區(qū)市土地集約利用類型區(qū)劃分研究[J] . 中國人口·資源與環(huán)境,2010,20(2):6 - 11.
[11] 郭婧銳,周偉. 青海省土地集約利用與經(jīng)濟發(fā)展時空差異分析[J] . 水土保持研究,2014,21(2):194 - 199.
[12] 李玉雙,葛京鳳,梁彥慶,等. 河北省城市土地集約利用與城市化的耦合協(xié)調(diào)度分析[J] . 水土保持研究,2013,20(2):238 -242.
[13] 吳廣玲,金麗國,黃凌翔. 天津市土地集約利用評價及影響因素關(guān)聯(lián)分析[J] . 湖南農(nóng)業(yè)科學(xué),2013,(13):59 - 62.
[14] 渠麗萍,張麗琴,胡偉艷. 城市土地集約利用變化影響因素研究——以武漢市為例[J] . 資源科學(xué),2010,32(5):970 - 975.
[15] 李燦,張鳳榮,姜廣輝,等. 京郊衛(wèi)星城區(qū)域農(nóng)村居民點土地利用特征分析[J] . 農(nóng)業(yè)工程學(xué)報,2013,29(19):233 - 243.
[16] 鈕心毅,李時錦,宋小冬,等. 城市工業(yè)用地調(diào)整的空間決策支持——以廣州為例[J] . 城市規(guī)劃,2011,35(7):24 - 30.
[17] 范穎超,聶宜民,陳紅艷,等. 基于GIS空間模型的開發(fā)區(qū)工業(yè)企業(yè)土地集約利用潛力研究[J] . 安徽農(nóng)業(yè)科學(xué),2014,42(6):1836 - 1839.
[18] 黃凌翔,趙娣,金麗國. 開發(fā)區(qū)土地集約利用潛力實現(xiàn)研究——基于天津經(jīng)濟技術(shù)開發(fā)區(qū)673個地塊的調(diào)研[J] . 中國土地科學(xué),2014,28(10):33 - 39.
[19] Tan Dan, Huang Xian-jin. Influencing Factors of the Levels of Intensive Use of Typical Industrial Land[J] . China Population Resources Environment,2008,(6):23 - 29.
[20] 趙小風(fēng),黃賢金. 江蘇省開發(fā)區(qū)土地集約利用的分層線性模型實證研究[J] . 地理研究,2012,(4):56 - 61.
[21] 鄒偉,趙杰,吳群. 土地保有稅對工業(yè)企業(yè)土地利用效率影響研究——基于江蘇省的典型企業(yè)調(diào)查[J] . 中國土地科學(xué),2014,28(1):60 - 67.
[22] 張琳,王亞輝. 微觀企業(yè)視角下工業(yè)用地產(chǎn)出效率的影響因素研究—基于2088家工業(yè)企業(yè)樣本的實證分析[J] . 華東經(jīng)濟管理,2014,28(9):43 - 48.
[23] Badi H. Baltagi, Georges Bresson. A Robust Hausman-Taylor Estimator[J] . Advances in Econometrics, 2012,(1):1 - 23.
[24] Badi H. Baltagi, Long Liu. The Hausman-Taylor Panel Data Model with Serial Correlation[D] . New York: Syracuse University, 2012.
[25] Egger. P, Pfaffermayr M. Distance, Trade and FDI: A Hausman-Taylor SUR Approach[J] . Journal of Applied Econometrics, 2004, 19(2):227 - 246.
[26] 錢忠好,牟燕. 土地市場化是否必然導(dǎo)致城鄉(xiāng)居民收入差距擴大——基于中國23個省(自治區(qū)、直轄市)面板數(shù)據(jù)的檢驗[J] .管理世界,2013,(2):78 - 89.
[27] 陳強. 高級計量經(jīng)濟學(xué)及stata應(yīng)用[M] . 北京:高等教育出版社,2014:66 - 84,250 - 270.
[28] 陸銘,高虹,佐藤宏. 城市規(guī)模與包容性就業(yè)[J] . 中國社會科學(xué),2012,(10):47 - 66.
[29] Wang Z, Zhu J. The Evolution of China’s City Size Distribution: Empirical Evidence From 1949 to 2008[J] . Chinese Economy, 2012,(6): 6 - 17.
[30] Driscoll J. C., A. C. Kraay. Consistent covariance matrix estimation with spatially dependent panel data[J] . Review of Economics and Statistics,1998,80(4):549 - 560.
[31] Hausman J, Taylor W. Panel data and unobservable individual effects[J] . Econometrica,1981,49(6):1377 - 1398.
(本文責(zé)編:王慶日)
Research on Driving Factors of Intensive Land Use of Industrial Enterprises in Developed Regions in China: Empirical Research based on Micro-Data
ZHANG Lin, WANG Ya-hui, GUO Yu-na, LIU Bing-jie
(Faculty of Management and Economics, Dalian University of Technology, Dalian 116024, China)
With rapid industrialization in China, the land resource is increasingly scarce. It is important to reveal the driving factors on intensive land use of industrial enterprises, which can effectively improve relevant land policies and reduce the extensive land use. Under the background of existing research focusing on the macro or median level, this article analyzed the driving factors from the view of theory and explored its transmission mechanism in the micro level of the enterprises. And then, based on 1290 industrial enterprises from 1999 to 2009 in Guangdong and Jiangsu provinces, this article studied the driving factors of intensive land use. The empirical results were in accordance with theoretic analysis. The results showed that industrial land price is the most significant driving factors, and input factor can improve the land use intensity significantly, especially the labor input, because China is on the stage of increasing marginal landreturns, and the land use intensity of foreign capital enterprises is higher than other ownership enterprises. In addition, the enterprise size and distance from ports presents an inverted U-shaped relationship with land use intensity,and the land use intensity can be enhanced effectively by good location, level of profitability and economic environment.
land use; industry; intensive; driving factors
F301.2
A
1001-8158(2016)10-0020-09
10.11994/zgtdkx.20161111.110202
2016-05-24;
2016-09-09
國家自然科學(xué)基金“微觀視角下工業(yè)企業(yè)集約用地的動力機制和政策優(yōu)化”(71403038);中央高?;究蒲袠I(yè)務(wù)費“產(chǎn)業(yè)升級中的土地資源協(xié)調(diào)保障機制研究”(DUT16RW128)。
張琳(1978-),女,黑龍江海林人,博士,副教授,碩士生導(dǎo)師。主要研究方向為土地經(jīng)濟學(xué)。E-mail: zhanglintg@126.com