我国城市化土地利用效率分析.docVIP

我国城市化土地利用效率分析 　　摘要：城市化是经济和社会发展的产物，是人类社会不断走向文明与进步的重要标志。本文从我国城市化建设的实际出发，运用数据包络分析方法（DEA），科学的构建土地利用效率评价的指标体系，对城市化进程中土地利用经济效率进行了有效性分析，为各省科学制定土地利用政策与经济发展规划提供借鉴。 　　关键词：城市化；数据包络分析；土地利用效率；对策 　　1.我国城市土地利用现状 　　1.1城镇建设用地结构性供需矛盾尖锐 　　近二十年来，中国城镇化发展进入了加速发展时期，据1987—2010年间有关资料统计，我国城市化水平每增加1个百分点，城市建成区面积就扩大162平方公里，耕地相应减少44.8万公顷。另有数据显示，我国城市化提升率明显滞后于耕地面积减少率，这说明我国城市化的提升是在大量“侵蚀”耕地基础上的提升。 　　1.2城市人均用地水平高，城市土地产出效率低 　　我国城市用地增长速度高于城市人口的发展速度，城市人均用地呈增长趋势，且人均用地面积增长速度过快。目前，我国人均城市建设用地已达130多平方米，超过经济发达国家城市建设用地人均82.4平方米和发展中国家人均83.3平方米的水平。 　　1.3开发区建设“泛滥”，城市土地闲置，浪费严重 　　我国很多开发区在建设过程中，不注重实际，盲目扩张，既浪费土地资源，又不利于配套设施的建设。而且在有的开发区内存在行业性质混乱，各种不同的工业企业混杂，配套设施不完善，污染严重，企业发展的外部条件差，直接影响企业发展、调整和利用外资。 　　1.4城市土地利用结构不合理，难以发挥城市功能 　　由于城市工业用地比重大，许多工业企业占据了市区重要地段，造成土地资产的严重浪费；城市交通用地、绿化用地偏紧，造成我国城市存在交通拥挤，环境质量差等严重的“城市病”。 　　2.基于数据包络分析（DEA）的土地利用效率评价 　　2.1 DEA方法简介 　　数据包络分析 （Data Envelopment Analysis，简称DEA）方法是运用数学工具评价经济系统生产前沿面有效性的非参数方法，它适应用于多投入多产出的多目标决策单元的绩效评价。这种方法以相对效率为基础，根据多指标投入与多指标产出对相同类型的决策单元进行相对有效性评价。 　　2.2 DEA基本原理和模型 　　这种方法是以决策单元（Decision Making Unit，简称DMU）的投入、产出指标的权重系数为变量，借助于数学规划模型将决策单元投影到DEA生产前沿面上，通过比较决策单元偏离DEA生产前沿面的程度来对被评价决策单元的相对有效性进行综合绩效评价。其基本思路是： 通过对投入产出数据的综合分析，得出每个DMU综合相对效率的数量指标，确定各DMU是否为DEA有效。 　　2.3指标选取和数据来源 　　1）投入指标：土地投入指标、资金投入指标和劳动力投入指标。本文选取建成区面积作为土地投入指标，选取全社会固定资产投资总额作为资金投入指标，选取第二产业、第三产业从业人员数作为劳动力投入指标。 　　2） 产出指标。本文主要从经济方面来选取产出指标。具体指标为第二产业产值、第三产业产值、国内生产总值。 　　本文数据来源于《中国统计年鉴2011》第2-14，2-15，4-4，5-2，11-6。 　　评价数据来源：《中国统计年鉴2011》，利用数据包络分析CCR模型，通过DEAP软件进行计算得到结果，软件使用步骤和软件计算原理本文不作介绍。 　　2.4 实证分析 　　利用表1提供的中国31个省市地区的投入和产出指标数据，运用deap软件对DEA模型进行数据处理，计算出中国各地区城市化进程中土地利用效率的评估结果，通过软件计算结果如下： 　　表二土地利用效率综合分析结果 　　2.5结果分析： 　　从上述结果可以看出，中国各地区城市化土地利用效率的波动较大，发展相当不均衡，平均综合效率仅为0.786，这表明各地区城市化土地利用效率在整体上表现为技术无效。从综合效率上看，全国31个省市中仅有6个地区达到了综合有效，这六个地区分别为北京、天津、内蒙古、上海、浙江和湖南，投入和产出匹配度最高，发挥投入的充分作用，获得了最优产出效果。其他地区土地利用效率波动较大，综合效率总体较低，没有达到有效，离最优状态仍有一段距离，投入与产出匹配度不够，在整个土地利用活动中，投入没有发挥充分的作用，达不到最优产出效果。其中，有6个地区综合效率低于60%，有安徽、贵州、云南、西藏、甘肃，宁夏，大都属于中西部经济不发达地区。土地利用综合效率最低的为甘肃，综合利用效率在45%左右。 　　从规模效率方面看，有9个地区规模效率递减，分别为河北、辽宁、江苏、福建、山东、河南、湖北、湖南和四川。6个地区规模报酬不变，分别为北