吉林市建設用地需求量預測探討

苗思達 張曉平

摘 要：為更加可以體現吉林市建設實際的土地需求。對吉林市分別采用多元回歸分析和灰色預測模型、平均增長率法、經濟計量預測。結果表明，通過各類建設用地預測匯總得出2016年吉林市建設用地為183590.65hm2，最為接近吉林市2016年實際值。多元回歸分析法預測結果數據最大。灰色預測模型適預測結果數據偏小；預測各種建設用地時，采用多種預測方法通過定性定量分析更加可以符合吉林市建設用地需求。

關鍵詞：建設用地 需求 預測方法 吉林市

合理的建設用地“供給”，是一個地區工業化、城市化發展方向和進程的“指南針”和“基本動力”。目前主要的預測模型和方法有灰色系統模型、多元線性回歸模型、一元線性回歸模型、雙因素理論模型、時間序列模型、BP神經網絡模型等。2004年羅罡輝等國內學者的建設用地需求預測方法的研究；再如，祝明霞2015年的城市建設用地需求預測—九江市為例等。然而，這種研究為建設用地總預測的方法，在各類建設用地預測研究中較少。各類建設用地的需求量預測有必要通過對應不同的方法。

1.研究區域概況及數據來源

研究區為地處松花江畔，東經E125°40～127°56，北緯N42°31～44°40之間。吉林市下轄船營區、昌邑區、豐滿區等。2014年吉林市建設用地總量為174 409.04 hm2，各類新增建設用地面積如表1所示。數據來源于 2006-2014年吉林市國土資源局提供的資料。歷年數據均出自《吉林市社會經濟統計年鑒》。

2.研究方法

2.1 多元回歸分析

多元回歸是回歸分析中的建立在多數量上的利用多個因變量與一個因變量相關聯系的一種線性關系。其模型為：

多元回歸分析法更適用于具有較為準確的數據的情況。

2.2 灰色預測

灰色系統模型方法是在缺乏準確信息基礎上，可以得到具有一定規律的數據模型方法。建立GM（1，1）模式。預測期吉林市建設用地的數量規模：

其中a，u是辨別參數。該模型預測方法適用于在無規律采集數據較少的情況。

2.3 平均增長率

平均增長率是指在一段時間內平均增長率每年在不同年份之間變化的速率。在影響因素較為單一及變化速率不大的情況下，運用此方法較為簡單。

2.4 經濟計量預測

根據經濟理論構建數學方程來表示各經濟變量間的數學關系的經濟理論。此方法適用于要在于對相關經濟指標的選取是否與因變量具有較強的關聯性。

3.預測過程與結果分析

3.1 預測過程

3.1.1 驅動因子的選擇

提取導致建設用地變化的影響因素。根據數據的真實性和實用性，通過借鑒國內外相關研究。本研究分別選取了經濟和社會生活中具有較強代表性的一系列影響指標：總人口、非農業人口、城市化率、城鎮居民人均居住面積、農村居民人均居住面積、高校在校生人數、旅客運輸量、貨物運輸量、全市GDP總額、全市財政收入、固定資產投資、第一產業總產值、工業總產值、工業增加值、第三產業總產值、人均GDP、第三產業增加值、城鎮居民可支配收入、農村居民純收入。

上述選取的19個指標與各類建設用地規模進行相關性分析，其時間序列均為2006-2014年。根據相關系數r來檢驗模型相關性的顯著程度。建設用地分別選取5個最相關的指標，并選用大于0.90的那些指標，各類建設用地主要因素如表2所示。

3.1.2 多元回歸模型預測過程

吉林市建設用地回歸方程的建立：分析SPSS統計結果，得到模擬擬合度R2=0.9637，代表該模型擬合度和顯著性較好。

結合吉林市5個指標的預測值，分別為求得2016年和2020年吉林市建設用地面積（hm2）為：Y2016=189 323.43，Y2020=195 865.9。

3.1.3 灰色系統預測

選擇DPS灰色系統方法，根據誤差標準差與數據標準差的比值計算均方差比值，通過最終GM（1，1）中的均方差比值C=0.3495和小誤差概率P=0.99593進行精度檢驗。可以作為吉林市建設用需求預測的參考。

DP S灰色系統運算得出預測2016年吉林市建設用地總規模為178 227.9 hm2，2020年總規模為190 327.7 hm2。

3.1.4 各類建設用地需求量預測

根據不同用地的發展趨勢，其中城鎮工礦用地、農村居民點用地需求預測將采取平均增長率預測方程進行預測。將交通水利用地及其他建設用地采用平均增長率與回歸分析法進行預測加權平均取值，并進行定性分析。特殊用地預測結果與實際差距較大，所以根據建設用地中的比重來反推。最終綜合各類建設用地需求量并匯總。

其中，2016年吉林市城鎮工礦用地面積為44579.48 hm2，2020年吉林市城鎮工礦用地規模為49199.76 hm2。吉林市農村居民點用地2016年規模為93027.34 hm2，2020年為94364.34 hm2。估計2016年交通用水量將達36110.23 hm2，2020年達39970.23 hm2。2016年和2020年特殊用地的預測分別為9873.6 hm2和9933.6 hm2。

3.2 預測結果及分析

建設用地需求預測應通過定性與定量兩方面進行合理分析預測，進行了建設用地需求總量預測和各類建設用地需求分類預測，運用多種預測方法綜合分析，得到以下結果如表3所示。

4.結論與討論

研究表明其中多元回歸分析法需要分析建設用地需求量變化的主要影響因子，預測結果數據最大。灰色預測模型，預測結果數據偏小；預測各種建設用地時，采用多種預測方法預測并結合相關當地政策，通過定量分析與各類建設用地變化相結合，更加可以體現在吉林市建設實際的土地需求，建設用地需求還將不斷增大。

由于在確定影響因素上還依然存在著某種人為因素而影響建設用地需求和不同類型建設用地預測，存在一定的人為因素可能會出現在各類建設用地需求預測中。

基金項目：江西省數字國土重點實驗室基金項目“農村宅基地結構特征及優化利用研究”（DLLJ201613）。

參考文獻：

[1]鄒縣委，王璦玲，方穎.建設用地需求預測方法研究——以山東省東平縣為例[J].國土資源科技管理，2011（3）：79-83.

[2]羅罡輝，吳次芳.建設用地需求預測方法研究[J].中國土地科學，2004（6）：14-17.

[3]穆向麗.小城鎮建設用地需求預測研究[D].武漢：華中農業大學，2007.

[4]祝明霞，王文彩.城市建設用地需求預測——以九江市為例[J].西南師范大學學報（自然科學版），2015，40（06）：74-79.

[5]郭宏.湖南建設用地需求預測研究[D].長沙：中南大學，2010.