黃河流域土地市場化、供應結構對建設用地綠色利用效率的空間效應研究

薛建春，張安錄，曹力博

（1.內蒙古科技大學 經濟與管理學院，內蒙古 包頭 014010；2.華中農業大學 公共管理學院，湖北 武漢 430070）

0 引言

土地供應結構與土地利用效率的關系一直是學者們關注的焦點。首先，農業用地與建設用地的供應結構關系我國耕地保護、糧食安全、生態保護等基本國策；其次，城市內存量建設用地在不同行業間的供應結構關系到城鎮化建設與城市內產業結構的調整和優化［1，2］；第三，不同城市之間建設用地指標的供應結構關系地區內耕地占補平衡、建設用地的增減掛鉤，甚至地區內的生態文明建設等。此外，有學者專注城市內工業企業間的土地配置問題，認為城市以協議方式出讓的建設用地比例越高，其工業企業間的資源配置效率越低［3］。1994 年，我國實行分稅制改革，財政體制由“行政性分權”走向與市場經濟相適應的“經濟性分權”，各地政府為了維持地方財政支出，土地出讓收入比例日漸增多，依靠增量建設用地創造財政收入的“土地財政”應運而生。因此，土地出讓金成為一個既有累計若干年的地租性質，又有一次性收取的似稅非稅性質的矛盾復合體。土地出讓方式主要分為協議出讓與招拍掛出讓兩種。通常，協議出讓土地面積比例越大，說明該地區的工業用地、項目用地出讓越多，越可能出現政府為了招商引資建設開發區占地的情況，引發經濟強市之間土地引資的惡性競爭，競相擴大工業用地的出讓規模和協議出讓比例［4］。因此，一些學者利用招掛拍方式出讓面積占比代表土地出讓的市場化程度［5，6］。但關于土地出讓收入對土地利用效率的影響，學術界并未形成一致結論。有學者認為土地出讓收入顯著促進了城市土地利用效率的提升，并隨著土地出讓收入規模擴張趨于強化房價對城市土地利用效率的正向效力［7，8］；另有學者則認為土地出讓收入對土地利用效率存在抑制作用，當政府低價出讓工業用地，高價出讓商服住用地時，抑制了產業結構的高級化［9-11］，誘發經濟集聚的擁擠效應，進而抑制土地利用效率。同時，政府間形成的城鎮化“標尺競爭”模式［12］阻礙了產業結構的合理化，進而抑制土地利用效率，且“經濟意義”相鄰城市比“地理意義”相鄰城市的土地出讓對用地效率表現出更強烈的抑制作用［13，14］。上述研究表明，土地供應結構、土地市場化對建設用地使用存在區域內的直接影響與區域間的間接影響，政府間的效仿和競爭等更促進了三者之間的空間效應。基于此，本文以黃河流域作為實證區域，分析土地市場化、土地供應結構對建設用地綠色利用效率的空間效應。

1 研究區概況與數據來源

1.1 研究區概況

黃河流域橫跨青藏高原、內蒙古高原、黃土高原和黃淮海平原4 個地貌單元，從西向東途經青海省、四川省、甘肅省、寧夏回族自治區、內蒙古自治區、陜西省、山西省、河南省、山東省9 個省區69 個城市，流域內山脈眾多，東西高差懸殊。流域內69 個城市土地面積218.3 萬km2，占國土總面積的22.74%。2019 年流域GDP 總量130683.18 億元，占全國經濟總量的13.25%；地均GDP 僅599 萬元/km2，低于全國地均GDP 水平（959 萬元/km2），土地利用效率低下成為制約黃河流域高質量發展的瓶頸。此外，流域內土地面積數量較大，但可以進行城鎮化建設的土地資源稀缺。2019 年，流域內城市協議出讓土地價款約200 億元，招拍掛出讓土地價款約5100 億元，分別占土地出讓成交價款的3.77%與96.23%。伴隨城鎮化的快速發展，研究期內黃河流域53 個城市的建設用地供地面積逐年遞增，農業用地面積出現遞減趨勢。黃河流域在我國社會經濟發展和生態安全方面占據重要的戰略地位，建設用地存量面積和新增面積綠色利用效率的重要性日益凸顯。

1.2 數據來源

城市建設用地綠色效率測度所需投入和產出變量數據來源于《中國能源統計年鑒》（2010—2018）、黃河流域各城市的《城市統計年鑒》（2010—2018）等，計量分析所需的土地出讓、供應結構數據來源于《中國土地資源統計年鑒》（2010—2018）、Wind 數據庫和EPS數據庫（玉樹藏族自治州個別年份的土地出讓數據為空時，認為沒有出讓土地，采用零值替代），其他缺失數據使用插值法獲得。計算距離權重的城市地理空間位置坐標信息借助ArcGIS 軟件提取，最終整理得到黃河流域2010—2018 年9 個省區69 個城市的面板數據。

2 研究方法

2.1 變量選擇

本文采用2010—2018 年黃河流域9 個省區69個城市的面板數據作為研究樣本，主要解釋變量說明如下：①土地市場化。土地市場化是指地方政府采用招標、拍賣和掛牌等市場化程度更高的方式出讓土地［15］，基于此概念，本文選用城市招拍掛出讓土地面積與全部出讓土地面積的比值作為土地市場化變量，同時采用城市招拍掛出讓金額與全部出讓土地金額比值作為土地市場化變量的替代變量進行穩健性檢驗。②土地供應結構。通常建設用地供地包含工礦倉儲用地、商服用地、住宅用地和其他用地，其他用地中學者主要關心公共管理與服務用地、交通運輸用地。本文采用工礦、商服、住宅、公共4種用地面積占當年建設用地供地總量的比重作為土地供應結構的4 個解釋變量進行計量分析。③控制變量。經濟發展水平（pgdp），采用城市人均GDP 表示；產業結構（cy），考慮我國目前正處于工業化發展階段，采用第三產業產值與第二產業產值比值表示城市產業結構的優化情況，值越大，產業結構越高級；城鎮化水平（cs），采用城市非農人口與常住人口的占比表示；政府財政能力（zf），采用城市的財政總收入與行政區劃土地面積比值表示。對所有經濟變量按2010 年不變價進行平減，各變量的描述性統計如表1 所示。

表1 變量的描述性統計Table 1 Descriptive statistics of variables

2.2 研究方法

建設用地綠色利用效率測度模型：參考國內學者使用數據包絡模型（DEA）測度建設用地效率的方法［16，17］，由 于DEA 模 型 不 需 要 設 定 具 體 的 函 數 形式，且非徑向SBM模型可以破解徑向DEA方法的局限，因此選用包含非期望產出指標的Window—SBM模型計算黃河流域各城市的建設用地綠色利用效率值。為了更進一步比較有效城市單元的建設用地綠色利用效率值，模型增加了超效率選項。基于古典經濟學思想，同時考慮國家對黃河流域建設生態屏障的戰略，以及我國在2020 年聯合國大會上承諾的力爭2060 年前實現“碳中和”目標，本文選用建設用地面積（城市行政區域內），第二、三產業就業人數，固定資產投資額和科學技術財政支出4 個變量分別表示建設用地的土地、勞動力、資本和科技投入情況，選用城市第二、三產業產值，職工平均工資，建成區綠化覆蓋率作為期望產出中的經濟效益、社會效益和生態效益產出，同時將各城市的能源消耗碳排放量作為非期望產出引入模型中，且期望產出與非期望產出的權重設置相等。計算的能源類型主要包含煤炭、焦炭、煤油、原油、石油、汽油、柴油、燃料油、液化石油氣和天然氣10 種，為了簡化計算，以各年各城市的各類能源消耗量占比作為權重，綜合計算各年的能源消耗碳排放系數，最終確定每噸標準煤綜合碳排放系數為0.74t/tce。各類能源碳排放系數如表2所示。投入、產出中所有經濟價值指標利用GDP指數平減至以2010 年為基期的數值。

表2 不同類型能源標準煤折算系數與黃河流域各年綜合碳排放系數Table 2 Conversion coefficient of different types of energy standard coal and comprehensive carbon emission coefficient of the Yellow River Basin in each year

核密度估計：核密度估計（Kernel Density Esitimation）作為一種非參數估計方法，其典型優點是無需設定參數模型，借助連續密度曲線描述隨機變量的演進特征。其函數公式為［18］：

式中：xi為研究的隨機變量；h 為帶寬；n 為觀察變量的樣本量；K（·）為核函數，通常使用高斯核函數進行估計。密度曲線波峰的數量可以描述觀測變量的多級演變特征，主峰高度左移或者右移可以描述觀測變量的差異增大或者縮小特征，曲線重心位置描述觀測變量值大小演進特征等［19］。

全局空間自相關：空間自相關通過研究區域對象屬性值的相似性與其空間位置屬性的一致性反映研究區域間的空間依賴性，Moran′s I、Geary′s C、Getis′s G 和標準偏差橢圓是空間自相關常用統計指標。根據相關關系可分為空間正相關與空間負相關：空間正相關，表示研究的要素屬性值在本地與相鄰空間內具有相似性；負相關，則表示要素屬性值隨空間距離縮小而不同。本文選用Moran′s I 指數反映土地利用的集聚程度與空間非平衡性。全局Moran′s I 指數描述了觀測值在整個研究區域的空間特征，計算公式為［20］：

局部空間自相關：進一步采用局部Moran′s I 指數探索黃河流域內各城市在局部單元內的空間非平衡和一致性特征，計算公式為：

式中：zi和zj表示研究區域i 和j 被標準化后的觀測值。局部Moran′s I 指數的取值處于［-1，1］，正值表示研究區域的低值被低值環繞或者高值被高值環繞，負值則表示研究區域的低值被高值環繞或者高值被低值環繞。若I局部＞0，且zi＞0，表示研究區域i 屬于H- H型；I局部＞0，且zi＜0，表示研究區域i屬于L- L型；若I局部＜0，且zi＞0，表示研究區域i 屬于H- L型；I局部＜0，且zi＜0，表示研究區域i 屬于L- H型。

空間計量模型：由于研究區域地理位置之間的鄰接性和政府之間經濟增長與土地出讓的競爭性等經濟、社會相關性的存在，流域內城市的建設用地綠色利用效率也可能存在空間效應或者表現為空間溢出性，各解釋變量（土地市場化、土地供應結構、控制變量）不僅會直接影響本地建設用地綠色使用，還會影響存在空間相關性的城市建設用地綠色使用。空間計量模型正是研究空間交互作用和空間結構的主要工具。

常用的空間常系數回歸模型主要有空間滯后模型（Spatial Lag Model，SLM）、空間誤差模型（Spatial Error Model，SEM）和 空 間 杜 賓 模 型（Spatial Dubin Model，SDM）。考慮到空間杜賓模型在系數特殊情況下可以轉化為空間自相關模型與空間誤差模型，本文僅給出考慮了解釋變量空間滯后項的空間杜賓模型一般形式：

式中：Yit為i 城市t 年的建設用地綠色利用效率；α為常數項；Xit為各類影響變量的集合；W 為空間權重矩陣；WXit為自變量的空間滯后項；WYit為因變量的空間滯后項；μi為空間個體固定效應；υt為空間時點固定效應；εit為模型的誤差項；ρ和θ為空間相關系數。

當θ≠0，且ρ≠0 時，空間杜賓模型可以簡化為空間滯后模型，以衡量周邊城市的被解釋變量對本地區被解釋變量的影響［21］。當θ＋βρ＝0 時，空間杜賓模型可以退化為空間誤差模型。非空間模型系數可以直接反映自變量對因變量的影響，但空間杜賓模型的相關系數不能直接反映自變量變化對因變量的影響，參考Lesage 等［22］借助求偏導數將自變量對因變量的總效應分解為直接效應、間接效應，輔助解釋不同個體的自變量對因變量的影響。在特定穩定條件下，分解方程為：

直接效應等于模型系數和反饋效應之和，即上述矩陣對角元素的平均值；間接效應為上述矩陣非對角元素的行平均。

2.3 設定空間權重矩陣

地理學第一定律認為，任何事物都是緊密相連的，且越鄰近事物之間的聯系越緊密。利用空間權重矩陣描述事物之間的關聯程度，通常采用鄰接關系、空間距離和經濟距離表征空間權重關系，也可以將兩種或者多種關系綜合考慮，采用多種距離關系表征空間權重。本文分別采用鄰接空間權重、距離空間權重和經濟距離空間權重進行分析。

鄰接權重矩陣：依據空間之間的相鄰關系，鄰接可以表現為共邊或者共點，考慮到本文研究對象是城市之間的鄰接，主要以共邊鄰接為主，因此權重矩陣Wij可以根據下述方式獲得：

式中：當i ＝j 時，Wij＝0。根據以上思想，空間鄰接權重矩陣是對稱矩陣。

距離權重矩陣：空間單元城市之間除了地域上的鄰接關系以外，還可以用兩地之間的距離描述相鄰關系，空間計量經濟學中稱之為“狹義距離”，可以用兩個城市的行政中心距離進行度量。本文選擇兩個城市的中心質點進行計算，利用ArcGIS 軟件進行要素轉點后得到城市的經緯度坐標，利用此坐標計算兩個城市之間的直線距離平方的倒數作為空間距離矩陣。

式中：dij表示i 城市與j 城市之間的質點距離。質點距離越遠，其空間權重的系數越小，空間相關性也越差。

經濟距離權重矩陣：地理學第一定律表明，城市之間的聯系隨著地理距離的增加而遞減，但現實中兩個經濟水平差異小、距離遠的城市之間可能要比經濟水平差異大、距離遠的城市之間的聯系更多，因此可以考慮建立經濟距離權重矩陣：

3 實證結果及分析

本文利用MaxDEA 軟件，采用包含非期望產出的Window-SBM模型，選擇窗口寬度為9，偏移量為0，且勾選Andersen和Petersen于1993 年提出的超效率計算方式［23］，得到黃河流域城市建設用地綠色利用效率值。結果顯示，全域內城市建設用地平均效率值從2010 年的0.4944 提升到2018 年0.6822，且效率值有效的城市數從13 個增長至25 個，表明流域內城市建設用地綠色利用效率整體水平呈現提升態勢，但仍有包頭、鄂爾多斯、淄博等12 個城市的建設用地綠色利用效率在研究區間內表現為下降。從各流域9 年間效率值提升情況分析，下游（0.2106）城市的建設用地效率提升幅度要高于中游（0.1715）和上游城市（0.1877）。

3.1 空間相關分析

觀察黃河流域建設用地綠色利用效率各年平均值的變化，2010—2014 年呈下降態勢，2015—2018 年呈上升態勢。按流域區分，中游呈先下降后上升態勢，上、下游則呈上升態勢，且各年效率平均值，中游＞上游＞下游；按增長幅度區分，下游＞上游＞中游。

圖1 顯示了2010 年、2018 年黃河流域各城市建設用地綠色利用效率值的變化情況。從圖1 可見，隨著時間的增長，流域下游地區的濟南、泰安、鄭州等城市的效率值色彩顯著變淺色；同時，上游和中游地區的海西、阿拉善、包頭、鄂爾多斯、烏蘭察布等城市的效率值色彩則出現不同程度的加深。造成這種趨勢的原因可能是：流域中游內城市早期為招商引資建設，引入部分高能耗、高污染企業，隨著生態文明建設的不斷深入，生態保護理念和工程進一步推進，中游地區城市轉變土地利用觀念，引導這類企業改造升級甚至關停，放緩了經濟發展速度，但同時也降低了土地碳排放量。

圖1 2010 年和2018 年黃河流域城市建設用地綠色利用效率Figure 1 The green use efficiency of construction land in the Yellow River Basin in 2010 and 2018

基于核密度估計的黃河流域城市建設用地效率動態演變：首先，利用核密度估計法觀察城市建設用地綠色利用效率的時序動態演進特征。2010 年、2013 年、2016 年和2018 年黃河流域及各流域內城市建設用地效率的核密度曲線如圖2 所示。從圖2 可見，全域內4 個年份的核密度曲線均表現為“一主一輔”的雙峰形態［24］，表明研究期間內建設用地綠色利用效率始終處于兩極分化格局，且曲線中心位置逐年向右偏移，證實黃河流域內建設用地效率值整體呈上升的演進特征；且主峰波峰呈現先上升后下降的態勢，2010—2016 年波峰輕微上升，之后出現大幅度下降，說明城市建設用地效率差異呈現先縮小后擴大的趨勢。再分析各流域核密度圖：上游內各年的雙峰形態明顯，說明流域內建設用地綠色利用效率多級演進特征明顯，中游內核密度圖走勢與全域內基本相同，但下游內的波峰始終保持下降態勢，說明流域內城市建設用地綠色利用效率差異呈現逐 年縮小的趨勢。

圖2 黃河流域城市建設用地綠色利用效率核密度曲線Figure 2 Nuclear density curve of green use efficiency of urban construction land in the Yellow River Basin

城市建設用地綠色利用效率空間相關分析：以黃河流域城市之間的距離為空間權重，分析建設用地綠色利用效率的全局空間Moran′s I 指數，可以發現雖然2010—2018 年均在1%水平顯著正相關，但是相關系數均不足0.3（表3），說明黃河流域內各城市之間的建設用地綠色利用效率存在弱正相關關系。

表3 2010—2018 年黃河流域城市建設用地綠色利用效率Moran′s I 值Table 3 Moran′s I value of green use efficiency of urban construction land in the Yellow River Basin，2010-2018

雖然全域Moran′s I 指數可以從宏觀上證明黃河流域建設用地綠色利用效率存在全局空間正相關關系，但仍需要借助局部空間集聚圖識別流域內城市的局部空間格局特征。總體而言，各年的H - H集聚區城市數大于L- L 集聚區數量，H- L 集聚區城市數大于L - H 集聚區城市數量（圖3）；且2010年H - H 集聚區主要分布在黃河流域的上游和中游，而L - L 集聚區則主要分布在下游，但2018 年HH集聚區僅有上游地區的6 個城市，下游地區的L- L集聚區也由原來的5 個城市變為0。說明流域下游城市的建設用地綠色利用效率在研究時期增長較多，而中游城市呈現下降趨勢。事實上，下游境內山東、河南的城市受東部經濟圈城市發展的輻射，加土地自然生態條件好于中游城市，因此建設用地效率提升較快。相較而言，中游城市的基礎設施水平較低，城市內部的人、物、信息和能量流動性較差，且受資源型城市的高能耗低產出特征影響，建設用地綠色利用效率整體出現下滑。

圖3 2010—2018 年黃河流域城市建設用地綠色利用效率空間格局演變Figure 3 Spatial pattern evolution of green use efficiency of urban construction land in the Yellow River Basin，2010-2018

3.2 空間計量分析

首先進行LM 檢驗并構建R - LM 統計量進行空間相關性檢驗，檢驗結果顯示LM - no - lag ＝0.000，R - LM no lag ＝0.584，LM no error ＝0.000，R- LM no error ＝0.000，表明在1%水平下顯著拒絕了使用面板OLS估計的原假設，因此選用空間計量模型進行估計。考慮數據結構是短面板，因此構建包含個體效應和時間效應的空間模型，采用Hausman檢驗確定采用固定效應或者隨機效應模型，卡方統計量25.96，P 值（0.0021）在1%水平下顯著，故采用固定效應模型。

采用LR檢驗配合AIC和BIC信息準則，確定使用空間杜賓、空間滯后或空間誤差模型，并確定是個體固定、時期固定還是雙固定，檢驗結果如表4 所示。模型個體固定（1—4 行）、時期固定（5—8 行）與雙固定（9—12 行）的P 值在均1%水平下顯著拒絕原假設，且LR 檢驗顯示使用個體—時期雙向固定的杜賓模型。Wald 檢驗結果顯示，兩個P 值均在1%水平下顯著拒絕原假設，因此該模型不可簡化為空間滯后模型與空間誤差模型，最終確定使用個體-時期雙固定的空間杜賓模型進行估計。

表4 Likelihood Ratio（LR）檢驗與Wald檢驗Table 4 Likelihood Ratio（LR）test and Wald test

為了分析不同空間權重矩陣下土地市場化與土地供應結構對建設用地綠色利用效率的影響效果，分別采用鄰接矩陣、距離矩陣、經濟距離矩陣作為空間權重矩陣建立“個體—時期”雙固定的杜賓模型，根據Lee等［25］和Elhorst［26］的研究成果，基于2010—2018年黃河流域9 個省區69 個城市的面板數據，采用偏差修正的MLE方法進行回歸估計，結果如表5所示。從空間自相關系數ρ的結果可知，地理權重矩陣和經濟地理空間權重下，模型在1%水平下存在空間相關性，鄰接空間權重矩陣下模型在5%水平下存在空間相關性，說明城市建設用地綠色利用效率一方面取決于本地區的土地市場化、供應結構和社會、經濟等因素，另一方面受周邊城市的各類因素影響，即存在空間外生交互效應，或者說城市的建設用地綠色利用效率存在空間溢出效應。

表5 不同權重矩陣的空間杜賓模型回歸結果Table 5 Regression results of Dobbin model in different weight matrix space

直接效應：研究期內，固定效應模型下的黃河流域土地市場化對本地區建設用地綠色利用效率顯著負向作用，空間權重矩陣模型下土地市場化對本地區建設用地效率也具有抑制作用，但不顯著。周圍城市的土地市場化對本地區的建設用地綠色利用效率在不同空間權重下影響效果不同。從土地供應結構分析，工礦用地對本地區建設用地綠色利用效率的直接影響顯示為促進作用，商服用地、住宅用地、公共管理與服務用地結構對本地區建設用地綠色利用效率的直接影響顯示為抑制作用，但住宅用地、公共管理與服務用地對周圍城市建設用地綠色利用效率的影響則顯示促進作用，影響效果均不顯著。相對于個體—時期雙向固定的非空間模型，空間杜賓模型的R2值更大一些，說明空間模型的說服力更強，同時直接效應并沒有改變土地市場化、土地供應結構對建設用地綠色利用效率的影響方向，但土地市場化的直接影響系數在空間杜賓模型中略有減弱。控制變量中，產業結構優化與政府規模均促進建設用地綠色利用效率，而城鎮化與建設用地綠色利用效率則呈“倒U型”關系。

空間溢出效應：將各類解釋變量的空間效應進行分解，結果如表6 所示。從表6 可見，工礦用地對建設用地綠色利用效率的直接效應在3 種模式下均不顯著，但在距離空間權重與經濟距離空間權重模型下，周圍城市的工礦用地結構顯著抑制本地城市的建設用地綠色利用效率，距離空間矩陣模型下總效應系數- 0.0033，經濟距離空間權重矩陣模型下總效應系數-0.0026。商服用地的直接效應也不顯著，在距離空間矩陣模型與經濟距離空間矩陣模型下，商服用地的溢出效應與總效應均顯著，效應系數分別為-0.0085 和-0.0093。其他兩類用地結構與土地市場化對本地及周圍城市的影響效應均不顯著。這說明黃河流域土地市場化與建設用地綠色利用效率之間雖然存在空間負相關性，但是其總體影響效果并不顯著。而工礦用地結構和商服用地結構對周圍距離較近、經濟發展水平接近的城市抑制其建設用地綠色利用效率提升，主要是因為流域內城市為了發展經濟和提供更多的就業崗位，多通過出讓土地給工礦與商服用地，引進企業以吸引周圍城市的勞動力資源，因此降低了周邊城市的建設用地綠色利用效率。這類企業多是低附加值或者影響生態環境的高耗能企業，盡管在一定程度上促進了本地城市的經濟增長，但同時也消耗了更多的能源，對本地產生更多的污染，因此并沒有顯著促進本地建設用地綠色利用效率。而土地市場化與住宅用地、公共管理與服務用地結構對本地及周邊城市的建設用地綠色利用效率的直接效應、溢出效應與總效應均不顯著。

表6 杜賓模型（不同空間權重）解釋變量效應分解Table 6 Dobbin model（different spatial weights）explanatory variable effect decomposition

觀察各控制變量的分解效應，產業結構優化的直接效應、溢出效應與總效應均顯示為正值。一方 面，隨著城市經濟發展水平的提高，其內部物質、信息、能量流動加快，土地價格相對較高，導致企業非常注重土地資源的使用效率；另一方面，優化的產業結構減少了城市對消耗土地較多的工業產業的依賴性，土地開發強度減弱，建設用地綠色使用效率提升；政府財政能力在3 種空間權重模型下主要體現為正向的直接效應，溢出效應和總體效應并不顯著。事實上，政府財政能力越強，可用于支持地方科技創新的能力也越強，即建設用地的綠色利用效率的科技投入增多，可直接提升本地的建設用地綠色利用效率。在3 種空間權重模型下，城鎮化與建設用地綠色利用效率始終保持“倒U 型”關系，說明城鎮化發展對建設用地綠色利用效率的提升存在拐點，當城鎮人口增長規模在一定范圍之內時，增長的人力資本是效率提升的投入要素；但當人口快速增多，對城市住宅、公共服務設施等提出更多要求，需要極速擴大土地開發強度，人力投入要素轉變為人口壓力，抑制建設用地綠色利用效率提升。因此，城鎮化的發展要與土地利用水平相適應，快速的城鎮化并不能提升建設用地綠色利用效率。

3.3 穩健性檢驗

為了增強結果的穩健性，用城市招拍掛出讓金額與全部出讓土地金額比值作為土地市場化變量的替代變量進行穩健性檢驗。發現相關系數ρ在3 種空間權重下也都顯著為正，各解釋變量與建設用地綠色利用效率之間的關系均未發生改變，說明結論穩健。

4 結論與政策啟示

4.1 結論

本文以2010—2018 年黃河流域9 個省區69 個城市為研究對象，采用考慮松弛變量、非期望產出和能夠區分有效決策單元的Window—SBM 模型合理測度城市建設用地綠色利用效率，利用核密度曲線分析效率值的演化特征，通過構建地理空間權重分析效率值的空間自相關性，分別構建鄰接空間權重、距離空間權重和經濟地理空間權重，并借助空間面板杜賓模型及其偏微分分解方法分析黃河流域城市建設用地綠色利用效率的空間效應。主要結論如下：①研究期內，黃河流域城市建設用地綠色利用效率整體呈現遞增趨勢，但呈現先下降后上升的態勢，且建設用地綠色利用效率差異顯示先縮小后擴大；觀察不同流域內建設用地綠色利用效率平均值：中游＞上游＞下游，但研究期間內下游增長最多，中游增長最少。②黃河流域城市建設用地綠色利用效率在空間分布上顯示正相關關系；局部空間格局數量上呈現以L- L 集聚和H- H 集聚為主，H- L 集聚和L- H集聚為輔的空間格局，且H- H集聚區主要集中在上游，L- L集聚區主要分布在下游。③黃河流域建設用地綠色利用效率無論在鄰接空間權重、距離空間權重還是經濟距離空間權重模型下，空間回歸系數ρ均顯著為正，即存在正向空間溢出效應，本地城市建設用地綠色利用效率能夠帶動周邊城市建設用地綠色利用效率提升。直接效應顯示，土地市場化和土地供應結構（商服用地、住宅用地、公共管理與服務用地）雖然抑制了本地的建設用地綠色利用效率提升，但是工礦用地結構和商服用地結構在距離權重模型和經濟距離權重模型下的溢出效應和總效應顯著。產業結構優化對建設用地綠色利用效率的直接效應、溢出效應和總效應均顯著為正，城鎮化與建設用地綠色利用效率無論在非空間模型和空間模型下均顯示“倒U型”關系。政府財政能力對本地建設用地綠色利用效率顯示促進作用，但對周圍城市的建設用地綠色利用效率溢出效應不顯著。

4.2 啟示

基于上述結論，提出以下政策啟示：①黃河流域城市建設用地綠色利用效率存在空間溢出效應，啟示流域內所有城市建設不可獨善其身、一城孤行，不能簡單借鑒周邊城市的招商引資方式與規模，過度開發工礦倉儲用地與商服用地，而應建立區域一體化發展的思想，綜合考慮本地城市與鄰近距離城市，或者與經濟發展水平相當的城市之間的空間互動關系，在土地出讓過程中考慮對產業結構合理化、高級化的影響作用，力爭土地出讓通過本地城市的產業結構高級化促進本地及周邊城市的建設用地綠色利用效率提升。②根據國家生態文明建設在黃河流域的戰略定位，建立西北地區生態屏障線，避免流域內城市過度工業化帶來只重視經濟效益忽略生態效應，認真排查并淘汰現有存量建設用地中高污染、高排放、低產能的引入企業，或者進行企業產業升級，實現城市新舊動能轉化，推動城市建設用地“外延擴張”向“內涵擴張”轉變。③不過度進行人口城鎮化建設，要實現人口、土地資源、科技水平相匹配式的發展，協調城鎮化水平與建設用地綠色利用效率的同步發展，人口城鎮化建設過程中注意引進人才戰略，防止城鎮化與建設用地綠色利用效率拐點過早到來，影響流域內建設用地綠色利用效率提升。