中國省域土地資源配置結構均衡性與效率時空格局分析

張苗 劉璇 陳銀蓉 彭山桂

摘要：研究目的：揭示我國省域層面土地資源配置結構均衡性及其效率時空格局特征，為合理配置土地資源提供參考。研究方法：洛倫茲曲線—基尼系數法、非參數效率測算法、探索性空間數據及核密度分析法。研究結果：（1）研究期內我國省域層面不同類型土地資源的洛倫茲曲線相互靠攏且基尼系數呈下降趨勢，相比于2009年，2019年的耕地、園地、林地、城鎮村及工礦用地和交通運輸用地等類型土地配置更加均衡。（2）研究期內我國省域土地資源配置效率均值呈現兩階段變化，分界點至2019年表現為下降趨勢，要素效率均值高于總效率均值，呈現出以胡煥庸線為界“東南高西北低”的空間分布格局，高高集聚和低低集聚為主要的局部空間自相關類型。（3）總效率演進趨勢為總體下降和省域間差距縮小；城鎮村及工礦用地碳排放效率低值閾值不斷提高同時省份之間差距縮小；交通運輸用地碳排放效率呈現階段性變化。研究結論：2002—2019年我國省域土地資源配置結構均衡性表現為動態穩定，碳排放約束下的土地資源配置效率在時序上呈降低趨勢，在空間分布上呈顯著正相關和鎖定效應，總效率與要素效率時空分布格局非同步變化，上述特征的有效解讀為合理土地資源配置提供了啟示。

關鍵詞：土地資源配置結構；土地資源配置效率；要素效率；均衡性；時空分布

中圖分類號：F301.2 文獻標志碼：A 文章編號：1001-8158（2023）06-0052-12

基金項目：國家自然科學基金項目（42001252，42101272，42271270）；山東省自然科學基金項目（ZR2019BG002，ZR2021QD085）。

土地作為一種要素資源，共生共長于經濟發展的每一個階段。在中國經濟增長的底層邏輯從要素投入轉向要素使用效率提升的新時代[1]，提高土地資源配置效率成為實現經濟高質量發展的重要途徑。一方面，《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》中明確提出推進土地資源從低質低效向優質高效領域流動，強調土地的利用效率和配置效率是要素市場化配置改革的重中之重[2]；另一方面，土地資源配置顯著影響其他生產要素的集聚或擴散，進一步帶來效率和生產率的差異。土地資源配置格局往往表現出特定的時代特征，明確我國各階段土地資源配置結構，準確測算土地資源配置效率并刻畫其空間分布格局，有利于在遵循空間結構自然秩序客觀規律的原則上開發與利用土地資源，為土地資源作為要素有序高效地參與新階段經濟社會生產提供依據。

效率分析主要回答資源是否有效配置[3]，而結構調整則可以通過對生產資源的優化配置產生“結構紅利”[4]。因此，在進行土地資源配置效率分析之前有必要對土地資源配置結構現狀進行“摸底”。已有文獻采用信息熵模型[5]、洛倫茲曲線與基尼系數相結合[6]的方法對不同區域層面的土地資源配置結構均衡性展開了討論。全國國土調查作為重大國情國力調查，是摸清土地資源“家底”的主要渠道，考慮到第三次全國國土調查數據于2021年8月公布，本文借助上述方法將全國省域層面土地資源配置結構均衡性現狀更新至最新時點，為進一步的效率分析提供參考。

現有文獻關于土地資源配置效率的度量方法主要分為兩大類。一是從全要素生產率視角，基于非參數方法在傳統資源配置效率測算基礎上，將土地作為資本和勞動的平行要素納入研究框架[7]，將測得的效率定義為土地利用效率，但事實上該效率數值是包括土地、勞動和資本在內的全要素生產率；范建雙等[8]嘗試以農用地面積、建設用地面積和未利用地面積作為投入要素定義土地利用結構效率，但缺乏投入產出對應關系的進一步討論。二是從邊際生產率視角，基于參數方法將土地作為投入要素納入柯布—道格拉斯（C-D）生產函數，以土地要素邊際生產率作為土地資源配置效率的解釋指標[9]，進一步地，朱慶瑩等[10]將土地要素投入以單位面積勞動力和資本的形式體現，基于C-D生產函數對數形式構建地均投入產出隨機前沿分析實證模型測得土地資源配置效率。不論是全要素生產率視角還是要素的邊際生產率視角，將土地要素納入考慮都體現了土地資源在經濟社會生產中發揮著不可忽視的重要作用。從方法適用性來看，非參數方法更為靈活，無需過多假設，可以最大限度地避免由假設條件不滿足而產生的估計偏誤[11]，但以加入土地要素測得的全要素生產率作為土地利用效率并不精確；從概念定義精確性來看，參數方法則進一步地明確了土地資源配置效率的內涵，有效區分包含土地要素的全要素生產率和土地單要素邊際生產率，同時將土地資源配置效率從土地利用效率中剝離出來，但在表達土地資源配置時代內涵上有所欠缺。

基于此，為同時兼顧非參數方法的適用性和參數方法的確指性，本文將在已有維度基礎上進行深化研究：以省域層面全國國土調查及其變更數據為基礎，在探討土地資源配置結構均衡性演變基礎上選擇具有代表性的土地利用類型作為投入要素，考慮到“雙碳”戰略推進的時代背景，將碳排放約束納入考量，基于非參數方法分別測算全要素生產率和單要素效率視角下的土地資源配置效率，并進一步分析其時空格局，明確土地資源配置效率的時代內涵，豐富土地資源配置效率在省域層面的時序表達。

1 研究方法與數據來源

1.1 洛倫茲曲線與基尼系數法

借鑒洛倫茲曲線原理，以目標年總土地面積累計百分比為橫坐標，以某地類面積累計百分比為縱坐標，按照某地區某種土地類型面積占某地區總面積從小到大順序進行排列，再計算累計百分比，并與總土地面積累計百分比一一對應，繪制坐標圖，其中y = x的直線代表絕對平均線，其他曲線與絕對平均線的離差就是該地類實際分布與在全區均勻分布的差異測度，以此分析我國不同的土地利用類型在省域水平上分布的差異程度。

根據洛倫茲曲線所定義的判斷收入分配公平程度的指標，通過計算曲線與絕對平均線之間面積和絕對平均線以下的三角形面積之比測算基尼系數（圖1）。

1.2 非參數效率測算法

RESTUCCIA和ROGERSON[13]指出，資源在不同經濟主體間的配置是影響全要素生產率的關鍵因素，土地資源也不例外。早期的文獻便是先關注農地非農化的空間配置效率[14]，進一步地，從土地要素的空間配置出發測算中國各區域的土地利用效率，發現建設用地指標向東部傾斜有利于優化中國土地資源空間配置效率[15]，近年來則聚焦于微觀視角的土地資源配置與生產率關系[16-17]，認為政府主導的土地管理往往會導致用地配置與市場需求產生偏離，從而影響建設用地的使用效率。決定土地資源配置效率差異的路徑主要有兩條：一是土地資源作為非流動要素的配置結構，即不同類型土地面積所占比重；二是勞動力、資本等流動要素在不同土地利用類型上的流動和分配，以及由此引起的能源傳遞和流通。本文所定義的“效率”包括碳排放約束下土地資源配置效率（總效率）和不同類型土地利用效率（要素效率），前者是指在碳排放約束下合理配置不同用途土地資源以有效推進國民經濟發展和實現各項建設目標，體現土地資源配置效率路徑差異，后者則是反映單一類型土地利用的碳排放效率。考慮到將非期望產出或污染物產出納入效率測度的方法得到了快速發展，本文選擇非參數方法SBM（Slack Based Measure）模型測算效率，主要優點在于解決了徑向DEA模型對無效率的測量無法包含松弛變量的問題，同時能將碳排放作為非期望產出納入模型。含非期望產出的SBM模型在本文的主要應用為：一是測算土地資源配置效率值（總效率），二是根據各個變量的松弛量，定義作為投入要素的各類型土地的效率值（要素效率），具體模型參照文獻[18]和[19]。

1.3 探索性空間數據分析法

采用全局莫蘭指數（I）來判別碳排放約束下土地資源配置效率的相關性強弱（式（2）），局部莫蘭指數（LISA）來檢驗是否存在集聚現象（式（3））。

1.5 指標體系與數據來源

1.5.1 效率測算指標體系

以碳排放約束下的全要素生產率為導向，基于新古典經濟學增長理論，構建土地資源配置效率測算指標體系（表1）。其中，土地要素投入綜合考慮土地利用類型的基尼系數和在實際生產活動中所承擔的“角色”差異，以結構決定功能為理論導向，采用農用地面積反映第一產業土地要素投入，城鎮村及工礦用地面積和交通運輸用地面積反映二、三產業土地要素投入；考慮到選用的碳排放主要為化石燃料燃燒和水泥生產過程所引起，定義為二、三產業要素投入帶來的非期望產出。

1.5.2 數據來源與說明

本文主要包括土地利用、碳排放和經濟社會發展三類數據。其中，土地利用數據為全國土地利用調查數據及其變更數據，來源于《中國國土資源年鑒》（2003—2009年），《中國國土資源統計年鑒》（2010—2018年）及2021年官方公布的第三次全國國土調查主要數據公報，2018年的數據未公布，以缺省值代替。碳排放數據采用中國碳核算數據庫（CEADs）的省級排放清單的表觀CO2排放量，由于西藏缺乏能源消費數據導致無法估算碳排放量，同時港澳臺地區未被列入核算數據庫，由此確定本文的研究對象為剔除西藏和港澳臺地區的30個省級行政區。經濟社會發展數據主要來源于《中國統計年鑒》（2003—2020年）以及根據指標定義測算而來。其中，固定資本存量采用張軍方法[21]，以2000年為基期計算，為保持基期的一致性，將第一、二和三產業的GDP增加值同樣以2000年為基期進行修正。

2 結果分析

2.1 土地資源配置結構均衡性分析

2.1.1 定性分析——洛倫茲曲線

土地利用結構在一定時期內具有相對穩定性，考慮到研究期內2009年和2019年分別為“二調”和“三調”的時間截至點，選其為代表性年份作對比分析。

由洛倫茲曲線法得出洛倫茲曲線（圖3），（1）從總體上看，相比于2009年，2019年各土地利用類型的洛倫茲曲線更加緊密且向絕對平均線靠攏，說明研究期內不同類型土地資源在省域層面分布均衡性的差異程度逐漸縮小，省際之間土地資源配置結構表現為趨同效應。（2）從各土地利用類型來看，園地、城鎮村及工礦用地、草地及耕地等類型土地在兩個時間點上相對遠離絕對平均線，分布不均衡，相對地，水域及水利設施用地和林地在兩個時間點上則離絕對平均線相對較近，分布相對均衡。交通運輸用地的分布均衡性變動明顯，2019年成為最靠近絕對平均線的土地利用類型，原因可能在于“二調”和“三調”數據統計的差異，“二調”基于現場調查（功能）和政策處理，而“三調”基于現狀所見即所得來認定，且近些年來中國快速發展的交通運輸業導致交通運輸用地的快速增長，特別是中西部地區交通運輸用地快速增長，帶來省域層面交通運輸用地的分布更加均衡。同時，2009年的其他土地類型離絕對平均線較遠，分布極不均衡，其他土地中除去設施農用地外多為不能被利用的土地（人類所從事的經濟活動較少），不均衡分布是土地資源稟賦的呈現，并不影響經濟社會發展秩序；2019年新增濕地遠離絕對平均線的程度居于中間水平，2012年至今新增和修復濕地約80萬hm2，并且在“三調”中成為新增的單獨地類，這與國家層面全面推進生態文明建設和重視生態用地密不可分。

2.1.2 定量分析——基尼系數

借鑒聯合國有關組織確定的基尼系數分級標準，以0.39為臨界值，采用<0.2、0.2～<0.3、0.3～<0.4、0.4～<0.5、≥0.5五級標準對應“絕對平均”、“相對均勻”、“較為合理”、“相對集中”和“絕對集中”的均衡程度，各用地類型基尼系數見表2。

由表2可知，耕地、園地、林地、城鎮村及工礦用地和交通運輸用地等土地利用類型的基尼系數有所下降，但從系數值來看，除2019年調整的交通運輸用地外，均大于0.39的臨界值，意味著省域之間配置結構差異縮小但仍處于極不均衡狀態。具體來看，城鎮村及工礦用地、園地、草地（2019年）和其他土地（2009年）的基尼系數均大于0.5，屬于絕對集中等級，其中城鎮村及工礦用地的配置反映出各省區經濟社會發展對建設用地需求的差異，基尼系數越大意味著需求差異越大；耕地、草地（2009年）、交通運輸用地（2009年）、濕地（2019年）的基尼系數介于0.4～<0.5之間，屬于相對集中等級；林地、交通運輸用地（2019年）和水域及水利設施用地的基尼系數介于0.3～<0.4之間，屬于較為合理等級。基尼系數結果與洛倫茲曲線結果互相印證，整體來看，2009—2019年我國省域層面各類型土地資源的分布均衡程度相對穩定，省域之間差異縮小。

2.2 土地資源配置效率分析

2.2.1 時序變化與空間分布

采用Stata軟件測算了土地資源配置效率值，限于篇幅不再展示，因農用地多被定義為碳匯用地，與本文選取的表觀CO2相關性較小，在此只分析城鎮村及工礦用地和交通運輸用地的要素效率。均值時序變化見圖4（a），采用自然間斷點分級法將效率均值劃分為4個階段，圖4（b）、4（c）、4（d）為效率均值的空間分布，圖5為2009年和2019年的效率空間分布。

由圖4（a）總體時序變化來看，研究期內碳排放約束下中國省域土地資源配置要素效率均值高于總效率均值，均呈現兩階段變化，前半階段為波浪式動態變化，后半階段表現為下降趨勢，但出現下降轉折的分界點不同。具體來看：（1）總效率均值由2002年的0.723降至2019年的0.472，這與盧新海等[7]研究認為2003—2017年我國城市土地綠色利用效率呈上升趨勢結論相反，可能原因，一是非期望產出的差異，已有研究效率測算未加入碳排放約束，意味著不考慮碳排放產出將高估土地利用效率，二是選擇投入的土地要素不同。總效率從2011年開始主要表現為下降趨勢，“十二五”時期我國經濟快速增長，帶來的碳排放效應顯著，導致碳排放約束下的土地利用效率持續降低，進入“十三五”經濟增速有所放緩，雖然2015—2016年出現短暫的持平狀態，但持續下降趨勢未能改變，事實上，我國于2020年9月正式提出“雙碳”戰略，碳排放增速放緩未能體現在樣本研究期，成為碳排放約束下的土地資源配置效率持續下降的有力證據。（2）從要素效率來看，城鎮村及工礦用地碳排放效率均值從2009年開始明顯高于總效率和交通運輸用地碳排放效率均值，一方面得益于建設用地帶來高碳排放的同時能夠發揮更高的經濟效益，另一方面在于建設用地指標的剛性約束減少了城鎮村及工礦用地供給和投入，在其他要素投入缺乏約束的前提下，相當于縮小了城鎮村及工礦用地的真實投入與目標投入的差距，從2014年開始呈現緩慢下降趨勢，這與宏觀上始于2014年的供給側結構性改革和微觀上土地新政存在關聯，一方面供給側改革減少了低質量的建設用地供給，同時減少了在建設用地上的非必要投入，但在非期望產出碳排放因“慣性效應”并未明顯減少的情形中導致了效率的降低，另一方面2014年中央一號文件出臺關于“允許農村建設用地與國有土地同價入市”新策，這帶來城鎮村及工礦用地作為投入要素在理論上的數量供給增加，但實踐中農村建設用地的經濟效益遠小于城市建設用地，在同價入市的背景下，新增城鎮村及工礦用地效率的提升需要更多的時間來驗證，這與唐洪松等[22]測算的我國省際層面建設用地碳排放效率在2002—2014年的變化趨勢相一致；交通運輸用地碳排放效率均值。從2011年開始呈現“先緩后急”的下降趨勢，與總效率出現下降趨勢的年份一致，意味著從2011年開始交通運輸用地的真實投入與目標投入的差距逐漸增大，2019年表現異常，吻合“三調”中交通運輸用地類型調整的事實。

從空間分布來看，總效率和要素效率的均值和具體年份的空間分布呈鎖定效應，呈現出以胡煥庸線為界“東南高西北低”的空間分布格局，這與周迪和王雪芹[23]測算的我國省級層面碳排放效率低值區主要為中西部，特別是西北地區相一致，說明即使存在碳排放約束，經濟發達地區仍然保持著土地資源配置效率和土地利用效率優勢。具體來看：（1）對于總效率（圖4（b）和圖5（a）），效率高值區集中于北京、江蘇、浙江、上海、福建、廣東、海南、湖南和湖北等省域，支持了GUASTELLA等[24]提出大城市具有更高的土地管理效率的假設，2019年比2009年的效率低值范圍擴大，2019年的低值為0.166，而2009年為0.255，意味著土地資源配置效率低下的省份在縱向層面持續降低；（2）對于要素效率（圖4（c）、4（d）和圖5（b）、 5（c）），城鎮村及工礦用地碳排放效率較高的地區主要集中于北京、山東、江蘇、浙江、上海、福建、廣東、海南、河南、湖北、湖南、四川和廣西等省域，比總效率覆蓋省份范圍廣且2019年比2009年的效率低值范圍縮小，這與建設用地指標剛性供給和國家強調土地集約節約利用帶來部分省級行政區的城鎮村及工礦用地碳排放效率提升密不可分；交通運輸用地碳排放效率較高的地區主要集中于北京、山東、江蘇、上海、福建、廣東、海南、河南、湖北、湖南等省域，與總效率覆蓋范圍大致相當，2019年比2009年效率低值范圍大幅擴大，由2009年的0.216降至2019年的0.069。

2.2.2 空間集聚特征分析

采用Stata軟件計算出總效率和要素效率的全局Morans I值，限于篇幅展示部分年份（表3），采用ArcGIS軟件作LISA圖展示2009年和2019年的總效率和要素效率在局部空間上的集聚和分散情況（圖6）。

從空間相關性來看（表3），2002—2019年，總效率和要素效率全局莫蘭指數均為正值，且P值均小于0.01，意味著碳排放約束下的土地資源配置總效率和要素效率具有顯著的空間正相關性，相鄰省份之間可能存在溢出效應，具備形成聯動發展機制的條件。具體來看：（1）總效率莫蘭指數呈現下降趨勢，表明省域之間土地資源配置效率的相關性有所減弱。（2）城鎮村及工礦用地碳排放效率的莫蘭指數表現為波浪式變化，代表著各省份之間的城鎮村及工礦用地碳排放效率空間相關性動態變化；交通運輸用地碳排放效率的莫蘭指數主要表現為下降趨勢。

從空間集聚特征來看（圖6），以2002—2019年的效率均值集聚分布為參考，2009年和2019年的空間集聚模式表現為動態變化，高高集聚和低低集聚是主要的局部空間自相關類型。（1）從總效率來看（圖6（a）），低低集聚（LL）的省域未表現出明顯的動態變化趨勢，主要集中在西北地區，包括新疆、青海、甘肅和寧夏等省份，這些省份是傳統意義上土地利用效率較低的區域，在碳排放約束下，仍處于效率洼地；高高集聚（HH）的省域由2009年的整片區域變化為2019年的由低高集聚分割的兩塊區域，其中江蘇、上海、浙江和福建等東部沿海區域和湖北省一直為效率高地，對鄰近省份具有較好的帶動效應，江西省一直處于低高集聚（LH）狀態，享受鄰近省份的效率溢出效應，2019年安徽省也進入低高集聚狀態，而四川處于高低集聚（HL）狀態，一方面接受高效率地區的溢出效應，另一方面對西北地區等省份產生輻射效應，但該狀態在2019年不再顯著。（2）從城鎮村及工礦用地碳排放效率來看（圖6（b）），2009—2019年，低低集聚的區域呈現擴張趨勢，而高高集聚的省份出現“南移縮減”，低高集聚的省份不減反增，不存在高低集聚省份，以上變化趨勢反映出在樣本研究期內具有較高效率的省份并沒有發揮較好的帶動效應，而本身效率較低的省份在碳排放約束和建設用地快速無序擴張中難以提升效率。（3）從交通運輸用地碳排放效率來看（圖6（c）），LL和HH的省份數量均呈現遞減趨勢，2009—2019年空間集聚顯著省份呈現出由南往北和由西向東靠攏趨勢，這意味著交通運輸用地在省域之間配置更加均衡，交通運輸用地碳排放效率省域之間差異不大，與交通運輸用地的基尼系數降低幅度大相吻合。

2.2.3 動態演進分析

采用高斯核密度估計法得到中國省域土地資源配置總效率和要素效率的核密度分布圖（圖7），總效率和要素效率的核密度分布差異較大。（1）從總效率來看，2002—2019年核密度曲線整體向左偏移，2009—2019年向左偏更加明顯，曲線波峰持續上升，說明土地資源配置總效率一是呈現下降趨勢，二是省域間差距縮小，由多極分化向“集聚”狀態轉變，這對應于樣本研究期內，各類型土地資源配置不夠均衡，“高要素投入低經濟產出”加之碳排放非期望產出的不斷增加，導致土地資源配置效率低下，地區間差距縮小是多數省份效率共同下降和示范引領的效率高地不斷減少的結果。（2）從城鎮村及工礦用地碳排放效率來看，2002—2019年核密度曲線在y軸方向表現為動態上升趨勢，2019年有所回落，峰值較高且變化區間較小，代表著地區間差距縮小，曲線左拖尾右移，意味著效率低值閾值不斷提高，低值和高值的差距不斷縮小，上述均表明省域之間城鎮村及工礦用地碳排放效率差距縮小。（3）從交通運輸用地碳排放效率來看，2002—2015年曲線波峰為單一波峰，且峰值不斷上移，表明省域之間交通運輸用地碳排放效率差距不斷縮小，但仍處于極化狀態，對應于我國快速發展的交通運輸業，交通運輸用地在省域之間配置更加均衡，但部分省域的先發優勢依然存在。2019年“三調”數據中關于交通運輸用地分類統計口徑的差異導致交通運輸用地碳排放效率的核密度曲線出現反方向的變化，表現為曲線左移，波峰位于低效率值區間，這與交通用地承載大量的碳排放有關，在碳排放約束下，省域之間差異縮小但效率整體較低。

3 結論與啟示

3.1 結論

本文借助洛倫茲曲線和基尼系數法將土地資源配置結構均衡性更新至最新時點，以此作為效率測算指標選取依據，采用非參數效率測算SBM模型、探索性空間數據分析及核密度分析法等方法，分析了碳排放約束下2002—2019年我國省域層面土地資源配置總效率和要素效率的時空演變格局。主要結論如下。

（1）從土地資源配置結構均衡性來看，研究期內我國省域層面不同類型土地資源的洛倫茲曲線相互靠攏且基尼系數呈下降趨勢，土地資源配置結構趨同效應明顯；大部分類型土地的分布均衡性未發生明顯改變，城鎮村及工礦用地和園地屬于絕對集中等級，耕地、交通運輸用地（2009年）和濕地（新增）屬于相對集中等級，林地、交通運輸用地（2019年）和水域及水利設施用地屬于較為合理等級。

（2）從土地資源配置效率的時序變化來看，2002—2019年我國省域土地資源配置效率均值呈現兩階段變化，前半階段為波浪式動態變化，后半階段表現為下降趨勢，要素效率均值高于總效率均值，總效率和交通運輸用地碳排放效率先于城鎮村及工礦用地碳排放效率出現轉折分界點。從空間分布來看，2002—2019年總效率和要素效率的空間分布呈鎖定效應，呈現為以胡煥庸線為界“東南高西北低”的空間分布格局。

（3）從土地資源配置效率的空間集聚特征來看，2002—2019年總效率和要素效率存在顯著的空間正相關，高高集聚和低低集聚是主要的局部空間自相關類型。總效率高高集聚的省域主要集中于江蘇、上海、浙江和福建等東部沿海區域及湖北省，低低集聚的省域集中在西北地區；城鎮村及工礦用地碳排放效率的高高集聚省份出現“南移縮減”，低低集聚的區域呈現擴張趨勢；交通運輸用地碳排放效率的高高集聚和低低集聚省份數量均呈現遞減趨勢，呈現出由南往北和由西向東靠攏趨勢。

（4）從土地資源配置效率的動態演進來看，2002—2019年總效率演進趨勢為總體下降和省域間差距縮小；城鎮村及工礦用地碳排放效率低值閾值不斷提高，低值和高值的差距不斷縮小，省份之間差距縮小；交通運輸用地碳排放效率呈現出前期與城鎮村及工礦用地碳排放效率，后期與總效率相一致的變化狀態。土地資源配置效率的動態演進趨勢與時空演變趨勢相吻合。

3.2 啟示

省域間土地資源稟賦和經濟社會發展差異造成了土地資源的非均衡配置，并進一步帶來了土地資源配置效率的差異。結合上述研究結論，啟示如下。

（1）在土地資源配置結構均衡性持久動態穩定和碳排放約束下土地資源配置效率持續降低的情境下，應充分意識到土地資源配置結構產生的影響是長期和深遠的，土地資源配置格局一旦形成則存在較大的“路徑依賴”，只有規劃引領從源頭上降低土地資源錯配比例，調整優化土地資源結構性錯配，促進結構減碳和功能增匯并行，才能打破這種低效率的配置均衡穩態。

（2）在土地資源配置效率同時存在顯著的空間正相關與空間分布鎖定效應的前提下，促進“資本”和“勞動力”等“流動性要素資源”在“土地”“非流動性要素資源”之間優化配置成為省域間土地資源配置總效率和要素效率協同提升的肯綮，打通省域之間的要素流動通道，才能發揮區域間聯動機制以協同提升效率。

（3）土地資源配置總效率和要素效率的時空分布格局非同步變化，原因在于土地資源配置總效率是所有土地要素與資本、勞動力等生產要素一起參與生產，同時受投入要素可優化空間大小與可調整比例大小的影響，綜合反映所有土地要素的配置效率和利用效率；而要素效率是所選取的土地要素的實際配置數量與最優配置數量的比值，反映的是某類土地的利用效率高低，數值越接近1，意味著該類型土地要素配置越有效。在碳排放約束下，土地資源配置總效率同時受要素效率和土地資源配置結構影響，應通過提高要素效率來提高總效率。

最后，本文不足之處與所加入的碳排放約束存在關系，主要表現在未考慮林地、園地、草地和濕地的資源稟賦差異帶來的碳匯能力的差別，可能造成部分省份效率的低估，進一步的研究應考慮這些土地利用類型帶來的效率差異，以及生態補償問題。

參考文獻（References）：

[1] 陳江暢， 張京祥， 陳浩. 底線與邊界： 治理視角下的土地資源合理配置邏輯[J] . 城市發展研究， 2021， 28（9）： 33 - 41.

[2] 鄧慧慧， 趙曉坤， 李慧榕. 土地資源優化配置如何影響經濟效率 ——來自浙江省“畝均論英雄”改革的經驗證據[J] . 中國土地科學， 2020， 34（7）： 32 - 42.

[3] 張寧， 杜克銳. 效率與生產率分析教程——理論、應用與編程[M] . 濟南： 山東大學出版社， 2022：79 - 82.

[4] 邵帥， 范美婷， 楊莉莉. 經濟結構調整、綠色技術進步與中國低碳轉型發展——基于總體技術前沿和空間溢出效應視角的經驗考察[J] . 管理世界， 2022， 38（2）： 46 - 69，4.

[5] 許蕓鷺， 雷國平. 遼中南城市群城市用地結構的時空演變分析[J] . 經濟地理， 2018， 38（1）： 69 - 77.

[6] 扈傳榮， 姜棟， 唐旭， 等. 基于洛倫茲曲線的全國城市土地利用現狀抽樣分析[J] . 中國土地科學， 2009， 23（12）：44 - 50.

[7] 盧新海， 楊喜， 陳澤秀. 中國城市土地綠色利用效率測度及其時空演變特征[J] . 中國人口·資源與環境，2020， 30（8）： 83 - 91.

[8] 范建雙， 虞曉芬， 周琳. 南京市土地利用結構碳排放效率增長及其空間相關性[J] . 地理研究， 2018， 37（11）：2177 - 2192.

[9] 姜海， 陳磊. 縣域國土空間主體功能區土地資源空間配置效率及管制策略——以江蘇贛榆為例[J] . 自然資源學報， 2021， 36（9）： 2424 - 2436.

[10] 朱慶瑩， 涂濤， 陳銀蓉， 等. 長江經濟帶產業結構與土地利用效率協調度的時空格局分析[J] . 農業工程學報，2021， 37（23）： 235 - 246.

[11] VARIAN H R. The nonparametric approach to production analysis[J] . Econometrica： Journal of the Econometric Society， 1984， 52（3）： 579 - 597.

[12] ZHANG N， CHOI Y. Environmental energy efficiency of Chinas regional economies： a non-oriented slacks-based measure analysis[J] . The Social Science Journal， 2013， 50（2）： 225 - 234.

[13] RESTUCCIA D， ROGERSON R. Policy distortions and aggregate productivity with heterogeneous establishments[J] . Review of Economic Dynamics， 2008， 11（4）： 707 - 720.

[14] 譚榮， 曲福田. 農地非農化的空間配置效率與農地損失[J] . 中國軟科學， 2006（5）： 49 - 57.

[15] 鐘順昌.建設用地空間配置模式對技術效率的影響[J] .中國土地科學，2020，34（10）：58 - 68.

[16] 劉新智，周韓梅.土地資源配置如何影響城市經濟效率——基于中國286個地級以上城市工業數據的實證檢驗[J] .中國土地科學，2022，36（9）：49 - 58.

[17] ZHOU D， HUANG Q， CHONG Z H. Analysis on the effect and mechanism of land misallocation on carbon emissions efficiency： evidence from China[J] . Land Use Policy， 2022， 121. doi：10.1016/j.landusepol.2022.106336.

[18] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J] . European Journal of Operational Research， 2001， 130（3）： 498 - 509.

[19] 成剛. 數據包絡分析方法與MaxDEA軟件[M] . 北京： 知識產權出版社， 2014：62 - 148.

[20] 馬林燕， 張仁慧， 潘子純， 等. 中國省際耕地利用生態效率時空格局演變及影響因素分析——基于2000—2019年面板數據[J] . 中國土地科學， 2022， 36（3）： 74 - 85.

[21] 張軍， 章元. 對中國資本存量K的再估計[J] . 經濟研究，2003（7）： 35 - 43，90.

[22] 唐洪松， 蘇洋， 汪晶晶. 碳排放視角下我國建設用地利用強度與效率研究[J] . 生態經濟， 2018， 34（9）： 25 - 30，60.

[23] 周迪， 王雪芹. 中國碳排放效率與產業結構升級的耦合度及耦合路徑[J] . 自然資源學報， 2019， 34（11）： 2305 -2316.

[24] GUASTELLA G， PAREGLIO S， SCKOKAI P. A spatial econometric analysis of land use efficiency in large and small municipalities[J] . Land Use Policy， 2017， 63： 288 - 297.

Spatial-Temporal Analysis of Structure Equilibrium and Efficiency of Provincial Land Resource Allocation in China

ZHANG Miao1， LIU Xuan2， CHEN Yinrong3， PENG Shangui1

（1. School of Economics and Management， Shandong Agricultural University， Taian 271018， China； 2. College of Management and Economics， Tianjin University， Tianjin 300072， China； 3. College of Public Administration， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The purposes of this study are to reveal the equilibrium of land resource allocation structure and the spatialtemporal evolution pattern of land resource allocation efficiency at the provincial level in China， and to provide references for the rational allocation of land resources. Lorenz curve-Gini coefficient method， non-parametric efficiency measurement， exploratory spatial data analysis and kernel density estimation are used in the study. The results showed that： 1） during the study period， the Lorenz curves of different land types moved closer to each other， and the Gini coefficients showed a downward trend in Chinas provinces. Compared with 2009， the allocation of cultivated land， garden land， forest land， residential land ， industrial/mining land and transportation land was more balanced in 2019. 2）The mean value of provincial land resource allocation efficiency in China from 2002 to 2019 showed a two-stage change， presenting a downward trend from the demarcation year to 2019. The average factor efficiency was higher than the total efficiency. The spatial distribution was high in the southeast but low in the northwest， bounded by the Hu Huanyong line. High-high agglomeration （HH） and low-low agglomeration （LL） were the main local spatial autocorrelation types. 3） The total efficiency showed an evolution trend of overall value decline and regional disparity reduction. The carbon emission efficiency of residential land and industrial/mining land presented a continuous increase in the low-value threshold and a narrowing gap among provinces. The carbon emission efficiency of transportation land showed a periodical change. In conclusion， the structure equilibrium of the provincial land resource allocation in China was dynamically stable from 2002 to 2019. The efficiency of land resource allocation under carbon emission constraints showed a decreasing trend in time series， and a significant positive correlation and lock-in effect in spatial distribution. The spatial-temporal distribution pattern of total efficiency and factor efficiency changed asynchronously. Effective interpretation of the above characteristics provides implications for the rational allocation of land resources.

Key words： land resource allocation structure； land resource allocation efficiency； factor efficiency； equilibrium； spatialtemporal distribution

（本文責編：張冰松）