效率视阈下的农用地经济密度评价研究

刘 昱，杨莉莉

（1.郑州大学旅游管理学院， 郑州 450001；2.杭州电子科技大学浙江省信息化发展研究院，杭州 310018）

在乡村振兴战略背景下，农用地利用效益问题再次成为研究焦点。农用地经济密度作为衡量土地利用效益的重要指标，对增加国民经济收入，促进农村经济健康发展具有重要影响。但是近年来，由于国家调整产业结构，反映农用地利用效益的重要指标第一产业增加值在国内生产总值中所占比重越来越低。国内对土地经济密度的研究受国家产业政策影响较大，由于国家产业结构的调整，在相同土地面积下，二、三产业创造的产值远远超过第一产业产值，由此造成国内学者在研究对象上的片面化，国内主要集中于对城市土地经济密度的研究，即主要研究二、三产业在城市用地上的产值情况，对农用地的研究不足。吕晓，史洋洋以江苏省城乡建设用地为研究对象，研究其经济密度的时空特征[1]，王枫、汤惠君等以广东省城镇用地为研究对象，研究其经济密度的时空差异，并认为随着产业结构的优化、资本与劳动力投入规模的增大、交通区位的改善和科技水平的提升，广东省城镇建设用地的经济效益将会得到不断提高[2]。另外由于土地经济密度是对单投入、单产出的测度，而土地利用效率是对多投入、多产出的测度，在指标选取上具有差异性，所以国内外学者大多是将土地经济密度和土地利用效率分别进行独立研究，主要倾向于对土地经济密度的时空差异和影响因素进行分析，或者是单独对土地利用效率进行时空差异分析，贝涵璐在对长江三角洲的土地经济密度进行研究时，主要是对其区域差异特征及动态演变格局进行分析[3]；匡兵从低碳角度分析中国主要粮食产区的耕地利用效率的时空特征[4]。所以本文以农用地作为研究对象，保持经济密度与利用效率指标的相对一致性，将经济密度和利用效率紧密结合，选取了全国除香港、澳门、台湾的31 个行政区，分别对其进行农用地经济密度和利用效率的测度并分类，探讨其产生差异的原因及发展对策。

1 研究方法

1.1 农用地经济密度分析

1.1.1 测算方法

目前关于城市土地经济密度的研究中，对土地经济密度的测算大致分为以下两种，第一，土地经济密度等于二、三产业产值与建成区面积的比值[2，5]；第二，土地经济密度等于二、三产业增加值与建成区面积的比值[6-7]。由于总产值包括了转移价值的重复计算，增加值则是新增价值，所以本文在参考其他文献的基础上，用第一产业增加值与农用地面积的比值来测算农用地经济密度。

1.1.2 时空差异分析方法

本文为对全国农用地经济密度从时间上、空间上进行深入分析，分别采用变差系数和泰尔指数进行区域动态差异分析，运用相对发展率对发展速度差异进行分析，运用空间自相关进行空间相关性分析，具体方法介绍如下：

①变差系数，是样本的标准差与平均值之比，反应样本的离散程度[8-9]，计算公式如下：

CV表示变差系数，M 表示全国农用地平均经济密度，n 为研究对象数量，即省或直辖市数量，Mi为第i 个研究对象的农用地经济密度。

②泰尔指数，主要是用来表示区域差异化[2]，本文用泰尔指数来表示31 个省级行政区之间的农用地区域差异化特征，计算公式如下：

T 表示泰尔指数，n 表示研究对象数量，Pi 为第i 个省级行政区的农用地经济密度，P 表示31 个省级行政区的农用地面积总和，表示31 个省级行政区的农用地平均经济密度，Mi 为第i 个省级行政区的农用地经济密度。

③相对发展率，反映了各省级行政区划农用地经济密度相对于全国的发展速度，本文用相对发展率来测度各行政区的发展速度，计算公式如下：

Nich 表示相对发展率，M1i、M2i分别表示研究期初和期末各行政区的农用地经济密度分别表示研究期初和期末全国农用地平均经济密度。

④空间自相关，包括全局空间自相关和局部空间自相关[10]。全局空间自相关是对某种属性在地理空间分布特征的描述，用来判断这一属性在地理空间上是否存在集聚现象，一般用Moran'sⅠ来表示，其取值范围是（-1，1），若 Moran'sⅠ＞0，则表示存在空间集聚现象，若Moran'sⅠ＜0，则表示空间分散。局部空间自相关能够测算某一属性在空间上的差异性，一般用Local Moran'sⅠ来表示，若Local Moran'sⅠ＞0，表示存在正的局部空间自相关，若Local Moran'sⅠ＜0，表示存在负的局部空间自相关。

1.2 农用地利用效率分析

1.2.1 评价方法选择

农用地经济密度是衡量农用地利用效益的重要指标，但是农用地经济密度的提高可能是以农用地的无节制开发及各生产要素的无节制投入为代价，所以为促进农用地的合理开发使用，本文引入利用效率进行分析，探索如何在农用地高效利用的基础上，提高农用地经济密度。由于超效率可以对有效评价单元进行排序，所以本文利用Solve-DEA Pro5.0 软件对各行政区的农用地利用效率进行测度，衡量目前农用地经济密度水平下，全国各地的农用地利用效率是否达到有效水平。由于Super-SBM-V 模型在计算效率值时一定有可行解，所以本文运用Super-SBM-V 模型探讨如何以最少的投入获得最大的产出，以此将改善农用地的对策量化。

1.2.2 评价指标体系

本文从投入和产出分别选取指标来对全国农用地利用效率进行测度。参考相关文献对农用地利用效率的研究，投入大多是从土地、技术、劳动力和资本等方面来确定指标，产出大多是从经济和环境方面选取指标，所以本文分别选取第一产业就业人员作为劳动力投入指标，选取农用地面积作为土地投入指标，选取农业机械总动力作为技术投入指标，选取第一产业投资额作为资本投入指标[11]。由于对农用地经济密度的测度是以第一产业增加值为基础，所以为保持指标的一致性，在对农用地利用效率进行测度时，同样选取第一产业增加值作为唯一的产出指标。

2 农用地经济密度和效率时空差异分析

2.1 农用地经济密度时空差异

2.1.1 时间差异分析

根据2009—2016年全国各行政区的统计数据，计算得到农用地经济密度结果，见表1，总结其具有以下特征：①从2009—2016年全国农用地密度基本呈逐渐上升趋势。②在2016年，吉林省、辽宁省、山东省和上海市农用地经济密度有所下降，原因如下：2016年，吉林省水稻单产下降0.6%、辽宁省遭受严重伏旱导致种植业增加值下降2.8%、山东省畜牧业增加值下降、上海全市农作物播种面积相比上年减少13.3%，导致农作物产量减少，所以2016年吉林省、辽宁省、山东省和上海市农用地经济密度相比上年有所下降。

2.1.2 区域动态差异分析

本文利用变差系数和泰尔指数研究2009—2016年间全国的农用地经济密度总差异的变化趋势。根据测度结果，从2009—2016年全国农用地经济密度总差异变化趋势基本一致，都是呈现下降趋势，大致可以分为2009—2013年的急速式下降和2013年之后的缓慢式下降，说明从2009—2016年全国农用地经济密度的差异在逐渐缩小，见图1。

2.1.3 发展速度差异分析

本文用相对发展率来反映在一定时期内各行政区农用地经济密度相对于全国的发展速度。由于本文研究对象为除香港、澳门、台湾的31 个行政区，所以用31 个行政区的平均值表示全国平均水平。由图2 可知，2009—2016年农用地经济密度相对发展率主要存在以下特征：①相对发展速度表现为地区间的不均衡性，其中江苏省相对发展率最大，达到3.869，西藏自治区相对发展率最小，仅达到0.008，这主要是由于西藏自治区受地形及气候条件限制，农作物耕种的单产无法突破，所以农用地经济密度发展相对落后。②除北京、上海和贵州外，全国农用地经济密度相对发展率基本与2009年农用地经济密度值保持一致，即表现为高密度与高相对发展率的一致性，低密度与低相对发展率的一致性。③北京、上海表现为高经济密度与低相对发展率，这是由于北京和上海随着城市产业结构的调整及城市建成区面积的扩张，农用地面积逐渐减少，第一产业增加值也呈下降趋势，所以呈现相对发展率与2009年农用地经济密度的反向发展。④贵州省表现为低密度与高发展率，这是由于贵州省利用其自然条件优势发展特色农业，使得贵州省在农用地面积减少的情况下，粮食总产量从2013年以来实现三连增，第一产业增加值也呈现逐年上升的良好态势，所以表现为与2009年低密度不一致的高发展速度。由此可见，农用地经济密度与地区性的产业结构调整及区域性的农业发展政策有关。

2.1.4 空间差异分析

2.1.4.1 空间全局相关

运用Geoda 软件对各行政区的农用地经济密度进行空间全局相关性研究，得到表2 中各行政区的全局Moran'sⅠ指数变化情况，Moran'sⅠ指数均在0.05 显著性水平下通过检验。结果表明：从2009—2016年，Moran'sⅠ＜0，且越来越接近-1，说明12 农用地经济密度较高的地区趋向于与低密度区相邻，并且随着时间推移，空间差异越来越大。

表1 全国农用地经济密度结果Table 1 Results of economic density of national agricultural land 元/m2

2.1.4.2 空间局部相关

利用Geoda 软件对2009年和2016年全国农用地经济密度进行空间局部自相关研究，根据Local Moran'sⅠ指数结果将农用地经济密度的空间差异分为4 种类型，见表3。

①HH 类型，表现为空间正相关性，即区域自身和相邻地区的农用地经济密度都较高，并且自身农用地经济密度的提高，对相邻地区的农用地经济密度产生带动作用。这类型的区域主要分布在中国东部地区，且在空间上有扩张趋势，2009—2016年HH类型的行政区数量由5 个增长到7 个，分布地区从东部地区向中部地区延伸，这是由于农业发展政策及农业生产技术由东部向中部逐渐推进，因此中部地区的农用地经济密度有所提高，尤其是与东部地区接壤的河南、安徽、湖北等地在农业发展中优势明显，使安徽一直属于HH 类型，而河南和湖北在2016年发展为HH 类型。

图1 2009—2016年全国农用地经济密度变差系数及泰尔指数Figure 1 Economic density variation coefficient and the Theil index of national agricultural land from 2009 to 2016

图2 2009年农用地经济密度及各地相对发展率Figure 2 Economic density of agricultural land and relative development rate of different regions in 2009

②HL 类型，表现为空间负相关性，即自身农用地经济密度高，相邻地区农用地经济密度低。2009年重庆市属于中低密度区，与周围区域一样属于密度较低地区，表现为LL 类型。但是从2009—2016年，重庆市的相对发展率高于周边地区，农用地经济密度显著提高，所以重庆市在2016年属于HL类型。

③LH 类型，表现为空间负相关性，即自身农用地经济密度低，但相邻地区农用地经济密度高。从2009—2016年江西省都表现为LH 类型，这是由于江西省农业基础设施落后、规模化经营水平不高、农产品流通机制不健全等导致自身农用地经济密度相对于周边地区比较落后。

④LL 类型，同样表现为空间正相关性，即区域自身和相邻地区的农用地经济密度都较低，这类型的区域由2009年的11 个减少到 2016年6 个，并且主要分布在中国西部地区，且有逐渐向西消退的趋势，西部地区由于受气候、地形和技术水平的限制，在农用地的开发利用中有局限性，所以表现为普遍性的低密度特点。随着西部大开发战略的进行，技术水平的提高及基础设施的建设，西部地区的农用地经济密度整体提高，所以低密度区向西部消退。

表2 农用地全局空间自相关结果Table 2 Global space autocorrelation results of agricultural land

表3 2009、2016年农用地经济密度Lisa 聚类分布结果Table 3 Results of Lisa cluster distribution of agricultural land economic density in 2009 and 2016

2.2 农用地利用效率时空差异

2.2.1 农用地利用效率时间差异分析

运用 DEA-SOLVER Pro5.0 对 31 个行政区2009—2016年农用地的利用效率进行测算，得到土地利用效率结果，见表4。结果表明：①全国农用地平均利用效率从2009—2016年呈波动式上升，由2009年的0.678 上升到2016年的 0.822；②农用地利用效率增长率呈现地区间不均衡发展，从2009—2016年，上海市农用地利用效率增长率最高，达到150.62%，而四川省2016年下降幅度最大，达到57.44%。相比2009年，2016年农用地利用效率下降地区占比较大，有54.84%的行政区的农用地利用效率有所下降；③2009年全国8 个行政区的农用地利用效率达到有效水平，2016年有7 个行政区达到有效水平，其中从2009—2016年，辽宁和四川由有效发展为无效水平，天津由无效发展为有效水平。

2.2.2 农用地利用效率空间差异分析

将全国农用地利用效率结果按国家统计局公布的东部地区、中部地区、西部地区、东北地区进行分类汇总，得到农用地利用效率平均值分布结果，见表5。结果表明：①全国农用地利用效率呈现地区间的不均衡发展，东部地区农用地利用效率明显高于西部地区，且由东向西农用地利用效率在逐渐递减，这是由于东部地区在地理空间上的优势，以及我国农村全面改革开放由东向西逐渐推进的过程，使东中部在农业发展中占据着绝对优势；且农业生产要素投入情况也呈现东西差异，东部地区主要表现为投入不足，中西部主要表现为投入过度冗余；②从2009—2016年，东部地区的农用地利用效率呈现波动上升趋势，而中部地区、西部地区和东北地区呈现波动性下降趋势。具体原因：一是东部地区在农业发展中地理条件及农业资源优势明显，现代农业发展水平高，拥有农业发展中的技术优势，使其在农业发展中一直保持较高水平，其中上海市对东部地区整体水平影响最大，上海市从2009—2016年农用地利用效率一直处于全国最高水平，上海市虽然农用地面积有限，但是其单位产值较高，对投入要素的利用水平高，因此其农用地利用效率较高；二是东北地区表现为投入要素的不同程度的冗余，尤其是吉林省的农用地利用效率下降幅度最大，这是由于吉林省在农业发展中的农业机械总动力、投资额及农用地面积的过度冗余，而其产值并未达到目标值，表明吉林省为片面追求农业产值扩大生产规模，导致农用地利用的低效；三是中部和西部地区相对于东部地区在政策及技术普及中有时间滞后性，因此农用地利用效率相对较低。

3 基于效率的农用地利用经济密度评价

3.1 农用地经济密度与利用效率差异化特征

总结2009—2016年全国农用地经济密度及农用地利用效率发展趋势，发现全国农用地经济密度及利用效率都呈同步上升趋势，说明农用地经济密度与利用效率相关性极强，见图3。将全国农用地经济密度与农用地利用效率结果进行排名，见表6，结果表明：①从2009—2016年，除个别地区外，各行政区农用地经济密度排名的变化幅度与农用地利用效率基本保持一致，即农用地经济密度排名的提升或下降伴随着农用地利用效率排名的提升或下

降。②农用地经济密度的排名与农用地利用效率的排名差异较大，如安徽、北京、河北和天津农用地经济密度在全国属于较高水平，但是农用地利用效率在全国属于较低水平，而福建、四川、新疆的农用地经济密度在全国属于较低水平，但是农用地利用效率在全国属于较高水平。

表4 农用地利用效率结果Table 4 Results of agricultural land utilization efficiency

表5 农用地利用效率地区分布结果Table 5 Regional distribution results of agricultural land utilization efficiency

图3 农用地经济密度及利用效率发展趋势图Figure 3 Trend of agricultural land economic density and utilization efficiency

3.2 基于农用地经济密度与利用效率的农用地分类

为了制定差异化对策来提高农用地经济密度和利用效率，本文对2009年和2016年各行政区进行分类研究。

具体分类标准如下：按照农用地经济密度的全国平均水平和农用地利用效率是否达到有效水平，对31 个行政区进行分类，将农用地经济密度高于全国平均水平且利用效率大于等于1 的地区划分为高密度有效型，将农用地经济密度高于全国平均水平且利用效率小于1 的地区划分为高密度无效型，将农用地经济密度低于全国平均水平且利用效率大于等于1 的地区划分为低密度有效型，将农用地经济密度低于全国平均水平且利用效率小于1的地区划分为低密度无效型，具体分类结果见表7：

①高密度有效型：这类型地区主要集中在东部地区，如上文所述，东部地区在农业发展中，不仅自然条件优越，而且农业发展政策和技术支持上具备优势，因此表现为高经济密度和高利用效率。东北地区的辽宁省在2009年同样是高密度有效型，但是在2016年辽宁省农用地利用效率由有效发展为无效，转为高密度无效型，这是由于辽宁省在农业发展中呈现地区内部不均衡发展及投入过度冗余的特征，任家强在对辽宁省农用地利用效率研究时发现，辽宁省西北部与东南部差异明显，东南部地区由于对农用地面积投入过大，导致农用地利用效率较低，由此造成全省农用地利用效率平均水平较低[12]。本文在对辽宁省农用地利用效率进行测度时发现，从2009—2016年，辽宁省农用地面积、第一产业就业人员和第一产业投资额的冗余值都大幅增加，导致农用地利用效率下降，使辽宁省由高密度有效性发展为高密度无效性。天津由2009年的高密度无效型发展为2016年的高密度有效型，根据对天津市农用地利用效率测度结果，2009年天津市存在投入过度冗余，到2016年，天津市农用地面积、农业机械总动力及第一产业就业人员的投入都有所减少，投入冗余度下降且产出角度的第一产业增加值上升，使天津农用地利用效率由0.409 提高到1.01，达到有效水平。

②高密度无效型，这类型地区主要集中在中部地区，中部地区由于耕地资源及生态环境等方面的优势，以发展传统农业为主，是我国农牧水产区和农副产品生产基地，使其农业产值处于领先地位，表现为农业发展中的高经济密度。但是中部地区各生产要素的投入在全国处于较高水平，尤其是农业机械总动力和第一产业就业人员投入最多，造成投入过度冗余，对生产要素的利用没有达到有效水平，造成农用地利用效率低下。东部地区的浙江省同样属于高密度无效型，张忠根在对浙江省农地的研究中发现，农民将农业资源投向经济收益更高的养殖业和园艺作物，促使农地经济密度较高，但是浙江省农地资源配置不合理，难以形成规模化经营，由此造成农地利用效率低下[13]。

③低密度有效型，只有2009年的四川省属于低密度有效型，但是2016年四川省农用地利用效率下降，转为低密度无效型，具体原因如下：2009年四川省农业生产要素得到充分利用，到2016年，四川省农用地面积减少0.415%，但是农业机械总动力和第一产业就业人员分别增加33.26%、2.17%，由于对农业技术利用有效程度较低，导致农业机械总动力和第一产业就业人员同时存在冗余情况，另外第一产业投资额的迅速增加，使四川省2016年农业投入过度冗余造成农用地的无效利用，由此四川省发展为低密度无效型。

④低密度无效型，低密度无效型在我国分布较广，主要集中在西部和东北地区，一方面是由于自然要素限制了农用地的发展，另一方面集中表现为第一产业投资额严重冗余及产出严重不足。但是东部地区的北京市和中部地区的江西省也表现为低密度无效型，如上文所述，江西省农业基础设施、规模化经营水平不高、农产品流转机制不健全造成了其农业发展相对落后。北京市近几年加强山区沟域经济发展，农业技术水平较高，农业机械总动力和第一产业就业人员的冗余度都有所降低，因此从2009—2016年农用地利用效率有所提高，但都未达到有效水平，这是由于北京农用地面积有限且单产较低，而且农用地面积及第一产业投资额始终存在过度冗余情况，因此其农用地利用未达到有效水平。

表6 农用地经济密度及利用效率排名表Table 6 Ranking table of agricultural land economic density and utilization efficiency

4 总结和建议

本文运用 ArcGIS、Geoda 及 DEA-SOLVER Pro5.0模型相结合的方法，对全国31 个行政区农用地经济密度和农用地利用效率的时空差异及地区分类分别进行了研究，揭示了我国农用地利用中的地区差异特征及发展不均衡现象，为各地区因地制宜制定开发利用农用地提供有效依据。总结全文，可以得出以下结论：①从时间上，从2009—2016年全国农用地经济密度及利用效率都呈上升趋势，且农用地经济密度总体差异呈现逐渐缩小趋势。另外农用地经济密度的相对发展速度差异较大，且发展速度与2009年的农用地经济密度基本一致，即高密度与高发展速度一致，低密度与低发展速度一致。②从空间上，全国农用地经济密度和利用效率空间差异大，表现为从东向西逐渐递减的趋势。根据莫兰指数变化情况，全国的农用地经济密度在空间上呈负相关性且空间差异越来越大。根据对农用地经济密度和利用效率的地区分类，高密度有效区主要集中在东部地区，高密度无效区主要集中在中部地区，低密度无效区主要集中在西部和东北地区，地区差异明显。

表7 2009、2016年农用地分类结果Table 7 Results of agricultural land classification in 2009 and 2016

本文经过对全国农用地经济密度及利用效率的深入分析，认为各地区应促进农业发展的适度规模经营，加强农业技术创新，优化农业发展投入，提高农村就业人员的技术水平，提高对农业技术的利用率，释放更多的农村劳动力，提高农业产值的同时使投入达到最低水平，提高农地利用效率。各地区应加强农村基础设施建设，克服农业发展中的自然弊端，发展特色农业，促进农业资源在地区间的流动，加强农业集聚效应，缩小地区发展差异，促进各类型农用地经济密度及利用效率的全面提升，实现农用地的可持续发展。