发达地区城市工业用地效率评价及影响因素研究以绍兴市为例
以浙江绍兴市6个县（市、区）工业用地为研究对象，采用数据包络分析（DEA）法和Malmquist指数模型，测度各地工业用地效率、工业全要素生产率及其时空特征，并构建回归模型研究工业用地效率的主要影响因素及其可能的作用机制。研究发现（1）工业用地的区位特征明显区别于住宅、商服等行业，用地效率与工业用地管控、产业转型、投资结构、科技创新等紧密关联；（2）地方政府供地和投资政策与工业全要素生产率变化存在着较强关联性,工业全要素生产率提高主要依靠技术进步；（3）经济发达地区县域工业用地效率的主要影响因素是工业研发投入、工业企业规模、工业土地持有成本和工业行业集聚度。在此基础上，从实施技术驱动发展模式、改革土地出让方式、促进企业适度规模经营、推进产业有效集聚等方面，提出了政策建议。
目录
摘要1
关键词1
Abstract1
Key words1
引言2
一、工业用地效率的测量与评价3
（一）研究方法3
1．数据包络分析法（DEA法） 3
2．Malmquist指数模型3
（二）指标选择4
1．研究对象概况 4
2．指标选取与数据来源5
（三）工业用地效率评价与差异分析5
1．工业用地综合效率及其时空特征分析 5
2．工业用地效率分解分析6
3．工业全要素生产率及其分解特征6
二、工业用地效率影响因素分析9
（一）变量选取9
（二）模型选择与实证分析10
1．工业资本投入（capit） 11
2．工业土地人力投入（labor）11
3．工业研发投入（scien） 11
4．工业企业规模(scale) 11
5．工业土地持有成本(cost) 11
6．工业行业开放度(open) 12
7．工业行业集聚度（agg） 12
三、结论与政策建议13
（一）结论13
（二）可能的政策建议13
致谢15
参考文献16
发达地区城市 *好棒文|www.hbsrm.com +Q: ￥351916072$
工业用地效率评价及影响因素研究
——以浙江省绍兴市为例
引言
引言
随着我国工业化和城镇化快速发展,建设用地持续扩张,耕地和生态用地面积不断减少,严重威胁了粮食安全和生态安全[1]?在我国建设用地中,工业用地占比达21.79%,明显高于发达国家平均约10%左右的水平[2];工业用地利用粗放,且产出效率偏低,我国发达地区工业用地容积率仅0.30.6,发达国家一般在1.0以上[3];长三角地区的工业平均产出率,只相当于国际平均产出率的1/80[4];相对粗放的工业用地方式也在一定程度上导致了产业结构的低端化?到2020年,我国常住人口城镇化率将从2013年的53.7%提高到60%左右,2025年要基本实现工业化;同时,经济新常态背景下如何促进产业转型升级,对保持宏观经济的持续发展?突破“中等收入陷阱”的隐忧也具有关键意义[5]?土地是基本的生产要素,转变用地方式,提高工业用地效率,是化解工业化?城镇化用地难题和资源约束的关键途径,同时对引导工业技术创新和转型升级也具有重要的现实意义?发达地区处于我国经济发展的前沿,对其在这一方面的实践评价与总结,具有更加重要和典型的示范意义?
目前,学术界侧重于对城乡建设用地进行整体上的研究,专门针对工业用地的研究尚处在起步阶段[6],研究工业用地的学术文献也主要集中于集约利用方面[710]?在研究工业用地效率的少量文献中,既有的研究主要集中在从相对宏观的区域层面对工业用地的效率及其时空差异进行分析和评价[1116,2628],对效率的内涵认识和测度较为单一,对影响效率的主要因素及造成这种差异的客观原因和机制也缺少相对深入和系统的探讨?在现有工业用地效率的研究方法上,主要包括从投入产出角度设定若干指标进行评价[17],或采用全要素生产率法[18]?单指标分析法[19]?综合指标法[20]?生产函数法[21]进行评价等?以上研究需要构建评价指标体系,或者设定具体函数,但由于确定指标权重?预设函数模型具有较强的主观性,往往影响到对工业用地效率评价的客观性?因此,探索更有效的研究方法也是工业用地效率研究的一个重要发展方向?
本研究以浙江省绍兴市所辖6个县(市?区)为样本,采用数据包络分析法(Data Envelopment Analysis,简记DEA)和Malmquist指数方法,测度20102014年各县域工业用地综合效率,并建立计量回归模型,构建面板数据,分析工业用地效率的主要影响因素及其内在机制,提出优化工业用地效率的相关政策建议,以期为合理调控?高效利用县域工业用地提供科学的管理和决策依据?
一、工业用地效率的测量与评价
（一）研究方法
本研究首先通过DEA法计算出各地工业用地综合效率,并分离出技术效率和规模效率,评估各地工业用地效率及其变化结构特征? 在此基础上,计算Malmquist指数,进一步考察各地包含土地要素投入的工业全要素生产率(Total Factor Productivity,简记TFP)变化情况,并将全要素生产率分解为纯技术效率变化和技术进步变化,观察其对生产率的影响?
1．数据包络分析法(DEA法)
DEA模型以线性规划的数学过程,将决策单元(Decision Making Unit,简记DMU)的投入?产出,映射到空间中线性组合,构建一条包络前沿线,从而衡量每个决策单元的相对效率?CCR( Charnes & Cooper & Rhodes )模型是第一个DEA模型,它是在假设DMU规模报酬不变的情况下衡量整体效率,然而并不是所有的DMU都处于规模报酬不变的情形?鉴于此,Banker等修正了规模报酬不变的假设,提出了在规模报酬变动下的BCC(Banker&Charnes& Coopers)模型?DEA方法的基本公式为[22]:
目录
摘要1
关键词1
Abstract1
Key words1
引言2
一、工业用地效率的测量与评价3
（一）研究方法3
1．数据包络分析法（DEA法） 3
2．Malmquist指数模型3
（二）指标选择4
1．研究对象概况 4
2．指标选取与数据来源5
（三）工业用地效率评价与差异分析5
1．工业用地综合效率及其时空特征分析 5
2．工业用地效率分解分析6
3．工业全要素生产率及其分解特征6
二、工业用地效率影响因素分析9
（一）变量选取9
（二）模型选择与实证分析10
1．工业资本投入（capit） 11
2．工业土地人力投入（labor）11
3．工业研发投入（scien） 11
4．工业企业规模(scale) 11
5．工业土地持有成本(cost) 11
6．工业行业开放度(open) 12
7．工业行业集聚度（agg） 12
三、结论与政策建议13
（一）结论13
（二）可能的政策建议13
致谢15
参考文献16
发达地区城市 *好棒文|www.hbsrm.com +Q: ￥351916072$
工业用地效率评价及影响因素研究
——以浙江省绍兴市为例
引言
引言
随着我国工业化和城镇化快速发展,建设用地持续扩张,耕地和生态用地面积不断减少,严重威胁了粮食安全和生态安全[1]?在我国建设用地中,工业用地占比达21.79%,明显高于发达国家平均约10%左右的水平[2];工业用地利用粗放,且产出效率偏低,我国发达地区工业用地容积率仅0.30.6,发达国家一般在1.0以上[3];长三角地区的工业平均产出率,只相当于国际平均产出率的1/80[4];相对粗放的工业用地方式也在一定程度上导致了产业结构的低端化?到2020年,我国常住人口城镇化率将从2013年的53.7%提高到60%左右,2025年要基本实现工业化;同时,经济新常态背景下如何促进产业转型升级,对保持宏观经济的持续发展?突破“中等收入陷阱”的隐忧也具有关键意义[5]?土地是基本的生产要素,转变用地方式,提高工业用地效率,是化解工业化?城镇化用地难题和资源约束的关键途径,同时对引导工业技术创新和转型升级也具有重要的现实意义?发达地区处于我国经济发展的前沿,对其在这一方面的实践评价与总结,具有更加重要和典型的示范意义?
目前,学术界侧重于对城乡建设用地进行整体上的研究,专门针对工业用地的研究尚处在起步阶段[6],研究工业用地的学术文献也主要集中于集约利用方面[710]?在研究工业用地效率的少量文献中,既有的研究主要集中在从相对宏观的区域层面对工业用地的效率及其时空差异进行分析和评价[1116,2628],对效率的内涵认识和测度较为单一,对影响效率的主要因素及造成这种差异的客观原因和机制也缺少相对深入和系统的探讨?在现有工业用地效率的研究方法上,主要包括从投入产出角度设定若干指标进行评价[17],或采用全要素生产率法[18]?单指标分析法[19]?综合指标法[20]?生产函数法[21]进行评价等?以上研究需要构建评价指标体系,或者设定具体函数,但由于确定指标权重?预设函数模型具有较强的主观性,往往影响到对工业用地效率评价的客观性?因此,探索更有效的研究方法也是工业用地效率研究的一个重要发展方向?
本研究以浙江省绍兴市所辖6个县(市?区)为样本,采用数据包络分析法(Data Envelopment Analysis,简记DEA)和Malmquist指数方法,测度20102014年各县域工业用地综合效率,并建立计量回归模型,构建面板数据,分析工业用地效率的主要影响因素及其内在机制,提出优化工业用地效率的相关政策建议,以期为合理调控?高效利用县域工业用地提供科学的管理和决策依据?
一、工业用地效率的测量与评价
（一）研究方法
本研究首先通过DEA法计算出各地工业用地综合效率,并分离出技术效率和规模效率,评估各地工业用地效率及其变化结构特征? 在此基础上,计算Malmquist指数,进一步考察各地包含土地要素投入的工业全要素生产率(Total Factor Productivity,简记TFP)变化情况,并将全要素生产率分解为纯技术效率变化和技术进步变化,观察其对生产率的影响?
1．数据包络分析法(DEA法)
DEA模型以线性规划的数学过程,将决策单元(Decision Making Unit,简记DMU)的投入?产出,映射到空间中线性组合,构建一条包络前沿线,从而衡量每个决策单元的相对效率?CCR( Charnes & Cooper & Rhodes )模型是第一个DEA模型,它是在假设DMU规模报酬不变的情况下衡量整体效率,然而并不是所有的DMU都处于规模报酬不变的情形?鉴于此,Banker等修正了规模报酬不变的假设,提出了在规模报酬变动下的BCC(Banker&Charnes& Coopers)模型?DEA方法的基本公式为[22]:
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/hxycl/zyyhj/445.html
