環境因素對城市土地供應效率的影響研究

楊　英　宋凌珂

?

環境因素對城市土地供應效率的影響研究

楊英宋凌珂

[摘要]新型城鎮化的快速推進提出了土地的有效供給問題。目前國內對土地一級市場的研究不足，對城市土地供應行為的外部環境差異考慮不夠，影響土地供應效率評價。以三階段DEA模型對影響我國35個大中城市土地供應效率的環境因素進行研究，得到剔除環境因素和隨機誤差影響后的各城市土地供應效率值，從而更準確地測度城市的土地供應效率。結果顯示：環境因素對我國城市土地供應效率影響較大，其中產業結構有利于土地供應效率的改善，而經濟環境和人口規模對城市土地供應效率的改善起到抑制作用；在不考慮環境因素和隨機誤差的影響時，純技術無效率是引起我國城市土地供應效率低下的主要原因；在剔除外界環境因素和隨機誤差的影響后，規模無效率是引起土地供應效率低下的主要原因。

[關鍵詞]土地供應效率； 三階段DEA； 技術效率； 環境因素

一引言

城市土地作為城市經濟、社會和環境的空間載體，對城市的經濟社會發展和環境建設具有至關重要的影響。作為城市土地儲備工作的最后一環，土地供應是政府進行宏觀調控，優化土地資源配置的重要手段，也是實現土地資源有效利用的重要前提。但我國的城市土地儲備工作起步較晚，1996年上海成立我國第一家城市土地儲備機構以后，各地相繼建立了各種土地儲備制度和機構。由于缺乏科學的理論指導，目前我國土地供應實踐中存在著諸多問題：比如城市土地供給結構不合理，工業用地往往占比過大，商業和服務業次之，對城市發展具有重要意義的城市綠化和廣場用地僅占一小部分；一些高能耗、污染嚴重的企業進入市區，嚴重影響了城市的可持續發展；土地供不應求與城市土地大量閑置浪費現象并存等。當前，我國正處于城鎮化快速發展階段，城市人口快速增長和城市經濟擴張對土地供應提出了大量合理的需求，但由于缺乏有效的流轉機制，一些城市土地長久處于閑置或低效利用狀態，無法得到最有效的利用。

提高城市土地配置效率是我國城市經濟健康發展的關鍵一環，目前影響城市土地配置效率的原因很多，如土地供需結構、供應方式選擇、供需匹配等，環境是其中一項重要因素。因此，以提高我國城市土地供應效率為目標，探討影響其效率的環境因素，分析它們之間的關系，對政府改進土地供應調控措施有十分重要的意義。

二文獻綜述

鑒于城市土地對城市經濟社會發展的重要作用，學術界針對城市土地利用問題進行了多層面的研究。張志輝(2014)[1]運用Bootstrap-DEA方法，測算了2010年全國622個城市的土地利用效率,并分析其相關影響因素，認為我國城市土地利用效率整體偏低，仍有提高空間。吳得文等(2011)[2]運用數據包絡法對2008年全國655個城市的土地投入產出效率進行研究，得到了影響我國城市土地投入產出效率的主要因素。張良悅等(2009)[3]運用數據包絡分析和超效率數據包絡分析方法測度了2001年、2003年、2005年全國247個城市的土地利用效率，認為我國城市化進程中土地利用效率存在著明顯的區域差異，土地的粗放利用不利于我國城市的健康發展和耕地保護。梁流濤等(2013)[4]利用DEA模型測度了2011年全國287個地級以上城市的土地利用效率的空間分異特征，并對效率變化的原因進行分析。夏清濱和黃少安(2015)[5]運用超效率DEA模型測算了2003-2012年全國286個地級市的全要素土地效率，對城市全要素土地效率的影響因素進行分析，認為產業結構和城市建設用地的快速擴張不利于土地利用效率的提高，而人力資本和政府的作用是提高土地利用效率的有利因素。楊清可等(2014)[6]利用非期望產出模型SBM-undesirable，對1997-2010年長三角地區16個城市的土地利用效率進行評價,并在此基礎上對城市土地利用投入產出要素進行定量調整。余勤(2012)[7]運用DEA模型對湖北省12個主要城市2005-2009年土地儲備決策的有效性進行研究，進而對這些城市可能面臨的風險進行分析。顧媛媛(2014)[8]運用DEA模型對我國34個大中城市的土地儲備供應決策效率進行評價，進而用Malmquist指數分析34個大中城市在2003-2009年期間土地儲備供應決策效率變化趨勢，認為2003-2009年土地供應決策效率的改善得益于規模效率的提高。

上述文獻多將土地作為一種生產要素對城市土地的利用效率進行研究，而忽視土地供應在土地市場均衡的重要作用，缺乏對土地供應效率的考量。少數學者雖從城市土地供應角度進行探討，但在進行相關的DEA分析時，未考慮不同的外部環境條件下城市土地供應行為差異，研究結果未剔除環境因素和隨機誤差的影響，從而未能準確地評價研究對象的效率水平。

鑒于此，本文從城市土地供應角度，綜合運用三階段DEA模型對全國35個大中城市2009-2012年的城市土地供應效率進行研究，確定影響我國城市土地供應效率的主要環境因素，得到剔除環境因素和隨機誤差影響后各城市的土地供應效率值，以期更加準確地測度城市土地供應效率，為政府有關部門制定相應的土地供應計劃提供依據。

三研究方法

(一)第一階段：傳統DEA模型

DEA模型最早是由美國著名運籌學家Charnes等(1978)[9]提出的一種效率測度方法。該模型利用數學規劃方法，根據多組投入產出數據求得效率值，即綜合效率(TE)。由于Charnes于1978年提出的模型主要針對規模報酬不變的假設，因此該模型也稱為CCR模型。隨后Banker(1984)[10]又對CCR模型規模收益不變的假設條件進行調整，假設其規模報酬可變，進而提出了BCC模型。BCC模型可以有效地將技術效率分解為規模效率(SE)和純技術效率(PTE)，得到的純技術效率值能夠更加準確地反映被評價對象的經營管理水平。

對于城市土地供應而言，投入變量相對于產出變量更容易控制，因此第一階段選用投入導向的BCC模型來進行研究。

假設有n個決策單元DMU(Decision Making Unit),每個決策單元有m種投入和s種產出，xik(i=1,2,…,m)表示第k個決策單元的第i種投入；yjk(j=1,2,…，s)表示第k個決策單元的第j種產出，λk表示第k個決策單元的權重。si-表示第i個投入變量的差額變量，sj+表示第j個產出變量的差額變量。則某一決策單元t，其投入導向的BCC模型如下：

(1)

λk≥0, k=1,2,…n

si-≥0, sj+≥0

通過式(1)可求得純技術效率(PTE)，θ表示被評價決策單元的純技術效率值，且0≤θ≤1，當θ=1時，決策單元純技術效率有效，si-=sj+=0。再利用規模報酬不變假設條件下以投入為導向的CCR模型，求出技術效率值TE,最后根據公式：SE=TE/PTE求得規模效率值SE。

第一階段運用BCC模型和CCR模型可求得TE、PTE和SE 3種效率值，但所得效率值受外部環境、隨機誤差和技術無效率等3種因素影響。由于第一階段傳統的DEA模型無法分離3種因素的影響效果，而把所有的影響均歸于管理的無效率，這是不準確的。為得到剔除環境因素和隨機誤差影響的真實效率值，接下來進行第二階段的分析。

(二)第二階段：構建相似SFA回歸模型

第二階段，估計各環境變量對決策單元效率值的影響，利用SFA模型進行松弛變量的分解，將環境因素、隨機誤差分離開來，并根據分析結果調整原始投入變量。

1.建立松弛變量

第一階段求得各決策單元效率值以及各投入變量的松弛變量，松弛變量是理想投入量與實際投入量之間的差額，即sni=xni-λXi，i=1,2,…，m,其中sni是第n個決策單元的第i種投入的松弛變量，同時受環境變量、隨機誤差以及內部管理水平3種因素影響。xni是第n個決策單元的第i種投入的實際投入量。

2.構建相似SFA回歸模型

以投入變量的松弛變量sni作為被解釋變量，以可觀測的環境變量作為解釋變量，構建回歸模型:

sni=fn(zi；βn)+vni+unin=1,…，N,i=1,…，m

(2)

其中，fn(zi;βn)為確定可行松弛前沿，表示環境變量對投入松弛變量sni的影響，一般取fn(zi;βn)=ziβn，zi=(z1i，z2i…zpi)為p個可觀測的環境變量，βn為待估計參數。vni+uni為聯合誤差項，假定vni～N(0，δvn2)，代表隨機誤差項；uni≥0反映管理無效率，且uni～N+(0，δun2)。另外假定vni與uni相互獨立，并且與環境變量也相互獨立。

3.調整初始投入量

(3)

(4)

進而調整初始變量，初始投入變量的調整公式為:

(5)

3.第三階段調整后的DEA模型

四變量選取和數據來源

(一)投入變量選取

選取協議出讓土地面積(公頃)、招拍掛土地面積(公頃)、劃撥土地面積(公頃)、增量土地面積(公頃)4個指標作為投入要素。

(二)產出變量選取

城市土地供應制度作為政府進行宏觀調控的一項制度措施，其目標主要有：增加政府土地收益，顯化土地資產價值，為城市建設積累資金；盤活城市存量土地，促進城市土地的集約利用，提高土地利用效率；促進經濟發展，提高城市經濟發展水平。本文從城市土地供應目標出發，選取土地出讓成交價款(萬元)、土地集約利用度(萬元/平方公里)和地區人均GDP(元)作為產出變量。其中土地集約利用度指標用單位城市建成區面積GDP表示。

(三)環境變量選取

環境變量是指能夠影響城市土地供應效率但是不在樣本主觀可控范圍內的因素。根據經濟社會發展現狀，考慮到對土地供應效率產生影響的政策、區域等因素，本文選取產業結構、經濟環境、人口規模3個因素作為環境變量。

1.產業結構

產業結構對一個城市發展有深刻的影響，一方面決定著城市土地利用結構，影響全要素土地利用效率(夏清濱和黃少安，2015)[5]；另一方面，也影響著土地出讓計劃的制定和城市土地的供應結構。三大產業中，第三產業用地的附加值和土地集約利用程度相對較高，對城市土地供應效率的影響較大。因此，本文選取第三產業占GDP比重來表示產業結構。

2.經濟環境

每個城市的經濟狀況會對其儲備土地的供需產生不同程度的影響，從而對投入產出效率造成間接影響。在經濟環境層面，選取各城市當年實際GDP增長率來反映經濟運行狀況。

3.人口規模

各城市大小不同，人口自然不同。我國35個大中城市在發展程度上存在著差異，人口規模也不盡相同。武彥民和楊崢(2012)[13]認為城市人口規模會影響城市規模收益。因此，本文選取年平均人口來反映城市的人口規模因素，以此來測度人口因素對城市儲備土地供應績效的影響。

(四)數據來源

鑒于2009年以前城市年平均人口數據無法獲得，選取全國35個大中城市為研究對象，數據期間為2009-2012年。其中土地投入數據和土地出讓成交價款來自2010-2013年的《中國國土資源統計年鑒》；地區人均GDP、城市土地集約利用度、環境變量相關數據均來自于2010-2013年的《中國城市統計年鑒》。

五實證分析

(一)第一階段傳統DEA實證結果

第一階段利用Maxdea6.0軟件以及CCR和BCC模型，分別得到2009年、2010年、2011年、2012年各城市的技術效率(TE)、純技術效率(PTE)和規模效率(SE)。結果見表1、表2、表3。

表2　2009-2012年各城市第一階段純技術效率(PTE)

(續上表)

DMU09PTE10PTE11PTE12PTEDMU09PTE10PTE11PTE12PTE廣州1.0001.0000.7241.000石家莊1.0001.0001.0000.959貴陽0.4060.3590.2630.352太原0.6260.6990.9400.660哈爾濱0.2970.3060.3510.508天津0.4660.5221.0000.471海口0.8831.0001.0001.000烏魯木齊0.7580.3620.3321.000杭州1.0001.0001.0001.000武漢0.3780.3561.0000.418合肥0.6190.6141.0001.000西安0.5400.5570.6960.486呼和浩特1.0001.0001.0001.000西寧1.0001.0000.2210.528濟南0.4270.6520.7931.000廈門1.0001.0001.0001.000昆明0.3060.9590.4780.689銀川0.8190.2670.3300.325蘭州1.0000.7580.4190.746鄭州0.4160.4720.3110.290南昌0.3040.5800.5740.848重慶0.2540.5521.0001.000南京0.4610.7790.3551.000均值0.6970.7110.7180.760

表3　2009-2012年各城市第一階段規模效率(SE)

注：↑表示規模報酬遞增，↓表示規模報酬遞減，空白表示規模報酬不變。

綜合表1、表2和表3可知，2009-2012年的技術效率均值分別為0.560、0.630、0.621和0.672，純技術效率均值分別為0.697、0.711、0.718和0.760，規模效率均值分別為0.83、0.901、0.873和0.885。從上述效率結果可以看出，在不考慮環境因素和隨機誤差的情況下，各年的規模效率值均大于純技術效率值，由于技術效率=規模效率×純技術效率，所以可得出：2009-2012年各年技術無效率主要是由純技術無效率引起的。

(二)第二階段SFA回歸結果

第一階段在得到各效率值的同時，也可以得到各投入變量的松弛量。將第一階段得到的各投入變量的松弛量作為因變量，將環境變量作為自變量，以此來分析外部環境變量對松弛變量的影響，進而根據式(5)來調整初始投入量。利用STATA13.1軟件進行回歸，具體結果見表4。

表4　第二階段SFA回歸結果

注：***、**、*分別表示通過1%、5%、10%顯著性檢驗；括號內為標準差。

從表4可知，除第三產業占比和年平均人口未對協議出讓土地松弛變量產生顯著的影響外，其他環境因素對各松弛變量均產生了顯著的影響。因此，進行第二階段的回歸是必要的。

1.產業結構因素

第三產業占比對協議出讓、招拍掛、劃撥、增量土地松弛變量的系數均為負數，說明第三產業所占比重越高越有利于各松弛變量的減少，即第三產業越發達的地方，土地過度投入的可能性就越小。第三產業占比對招拍掛、劃撥、增量土地松弛變量的影響分別在10%、5%、5%的水平上顯著，而對協議出讓土地松弛變量的影響不顯著，說明產業結構因素對協議出讓土地松弛變量沒有產生顯著的影響。

2.經濟環境因素

GDP增長率對協議出讓、招拍掛、劃撥、增量土地松弛變量的系數均為正，且分別通過了5%、5%、10%、5%水平的顯著性檢驗。說明GDP增長率越高，各項土地投入的松弛變量越大，即GDP增長率越高的地方，土地過度投入的可能性就越大。

3.人口因素

年平均人口對協議出讓、招拍掛、劃撥和增量土地投入松弛變量的系數均為正數，這表明，人口越多的城市其各項土地供應的松弛變量越大。除了未對協議出讓土地的松弛變量產生顯著影響外，對招拍掛、劃撥、增量土地松弛變量的影響均通過了1%水平的顯著性檢驗。

(三)第三階段：投入調整后的DEA結果

根據第二階段SFA結果，對2009-2012年我國35個大中城市的城市土地投入數據進行調整，再次利用Maxdea6.0軟件進行計算，得到剔除環境因素和隨機誤差影響后的技術效率(TE)、純技術效率(PTE)、規模效率(SE)值。具體結果見表5、表6和表7：

表5　2009-2012年各城市第三階段技術效率(TE)

表6　2009-2012年各城市第三階段純技術效率(PTE)

(續上表)

DMU09PTE10PTE11PTE12PTEDMU09PTE10PTE11PTE12PTE合肥1.0001.0001.0001.000西安1.0001.0001.0000.994呼和浩特1.0001.0001.0001.000西寧1.0001.0001.0001.000濟南0.9740.9941.0001.000廈門1.0001.0001.0001.000昆明0.9960.9910.9860.999銀川0.9820.9740.9850.943蘭州1.0001.0001.0001.000鄭州0.9640.9640.9450.927南昌1.0000.9960.9991.000重慶0.9931.0001.0001.000南京0.9230.9370.9580.810均值0.9890.9880.9890.979

表7　2009-2012各城市第三階段規模效率(SE)

注：↑表示規模報酬遞增，↓表示規模報酬遞減，空白表示規模報酬不變。

從表5、表6和表7可知，調整后2009-2012年技術效率(TE)均值分別為0.772、0.746、0.791和0.827，純技術效率(PTE)均值分別為0.989、0.988、0.989和0.979，規模效率(SE)均值分別為0.780、0.754、0.799和0.845。各年純技術效率均值均大于規模效率均值，這意味著在剔除環境因素的影響后，由土地投入規模不當引起的規模無效率是導致整體無效率的主要原因。

表8　第一階段2009-2012歷年效率均值

表9　第三階段2009-2012歷年效率均值

對比分析表8和表9可知，調整前后各效率值發生了較大變化。調整前TE、PTE、SE分別為0.621、0.722、0.873，調整后TE、PTE、SE分別為0.784、0.986、0.795。調整后各年純技術效率均值有較大提高，而規模效率與調整前各年相比有所下降。這充分證明了環境因素的存在會降低城市土地供應的純技術效率(PTE)，對各效率值產生較大影響，也表明第二階段進行環境變量的調整十分必要。調整后在城市土地供應規模效率普遍下降的情況下，純技術效率的大幅提高是引起城市土地供應技術效率提高的主要原因。

由表7可知，在剔除環境因素和隨機誤差的影響后，2009年僅有青島1個城市處于規模報酬遞減階段，說明該城市土地投入規模過大；北京、長沙、大連等9個城市規模報酬不變，說明這些城市擁有良好的土地資源配置效率；長春、長沙等25個城市處于規模報酬遞增階段，約占總數的71.4%，表明這些城市土地投入規模還不夠，仍有擴大投入規模的空間。2010年，廣州和青島2個城市的規模報酬處于遞減階段，說明這兩個城市的土地投入規模過大；北京、大連等6個城市規模報酬不變，說明這些城市擁有良好的土地資源配置效率；長春、長沙等27個城市則處于規模報酬遞增階段，約占總數的77.1%，表明這些城市土地仍有提高投入規模效率的空間。2011年除了北京、大連等8個城市規模報酬不變外，其他27個城市均處于規模報酬遞增階段，約占總數的77.1%。2012年僅有天津1個城市的規模報酬處于遞減階段，包括北京、大連在內的11個城市的規模報酬不變，約占總數48.6%的城市則處于規模報酬遞增階段，表明這些城市土地規模投入還不夠，仍有提高投入規模效率的空間。

綜合2009-2012年情況來看，剔除環境因素和隨機誤差后，僅3%的城市規模報酬遞減階段，24%的城市規模效率值為1，而73%的城市處于規模報酬遞增階段。這說明，總體上來看，我國大部分城市的土地投入相對不足，可適當擴大土地投入規模，提高城市土地供應規模效率。

六結論與建議

本文將三階段DEA模型應用于我國城市土地供應效率問題的研究，通過剔除外部環境和隨機誤差的影響，使得到的效率值能更加準確地評價被決策單元的效率水平。主要結論如下：

1.第一階段DEA實證分析結果表明，2009-2012年各年的規模效率均值均大于純技術效率均值，說明在不考慮環境因素和隨機誤差的影響時，純技術無效率是導致城市土地供應效率低下的主要原因。

2.運用SFA模型剔除環境因素和隨機誤差的影響后，2009-2012年各年的城市土地供應技術效率值，純技術效率值和規模效率值均發生了不同程度的增減變化。調整后土地供應技術效率值TE、純技術效率值PTE均大于調整前效率水平，規模效率值SE小于調整前效率水平。

3.第三階段分析結果表明，剔除環境因素和隨機誤差的影響后，城市土地供應規模效率低下是引起我國城市土地供應技術無效率的主要原因。

基于上述實證分析結果，提出如下政策建議：

1.發揮政府的引導作用，推進產業結構優化升級，提高城市土地供應效率

由第二階段的回歸分析結果可知，第三產業占比的提高有利于提高我國的城市土地供應效率。與第一產業和第二產業不同，第三產業具有投資小、效益好、就業容量大等特點。以金融業和服務業為代表的第三產業往往需要較少的土地投入，便可帶來較大的經濟產出。因此，各地政府可在統籌考慮當地經濟發展和產業布局的基礎上，制定相關的產業政策，促進第三產業的發展，以產業結構的優化升級來帶動城市土地供應結構的調整，為我國城市土地供應效率改進提供適宜的外部條件。

2.充分挖掘存量土地利用潛力，提升城市土地供應能力

第三階段的分析結果表明，我國大部分城市仍處于規模報酬遞增階段，說明這些城市的土地投入相對不足，應當增加城市土地投入。我國城市土地的供應渠道包括存量土地*存量土地是指土地管理部門將一部分閑置或者利用效率低下的城市土地重新收回并再度出讓的土地。和增量土地*增量土地是指依法由非城市用地轉變為城市建設用地的土地。兩個方面。由于農業用地一旦轉為建設用地，其土壤表層將受到嚴重的損害，很難再滿足農作物的生長條件。因此，農村土地與城市土地之間的不可逆轉換要求我們要嚴格控制城市土地增量供應，加大對城市存量土地使用潛力的挖掘力度。各城市一方面應當加大對舊城區和閑置土地的再開發力度，盤活存量土地；另一方面可從容積率、投資強度和能耗方面提高供地門檻，充分挖掘現有存量土地利用潛力，提高土地集約利用度，保障城市土地資源的可持續供應。

[參考文獻]

[1] 張志輝. 中國城市土地利用效率研究[J]. 數量經濟技術經濟研究, 2014, (7): 135-149.

[2] 吳得文, 毛漢英, 張小雷等. 中國城市土地利用效率評價[J]. 地理學報, 2011, 66(8): 1111-1121.

[3] 張良悅, 師傅, 劉東. 中國城市土地利用效率的區域差異——對地級以上城市的DEA分析[J]. 經濟評論， 2009, (4): 18-26.

[4] 梁流濤, 趙慶良, 陳聰. 中國城市土地利用效率空間分異特征及優化路徑分析[J]. 中國土地科學, 2013, 27(7): 48-54.

[5] 夏清濱, 黃少安. 中國城市全要素土地效率及其影響因素分析[J]. 華東經濟管理, 2015, 29(5): 83-89.

[6] 楊清可, 段學軍, 葉磊等. 基于SBM-Undesirable模型的城市土地利用效率評價[J]. 資源科學, 2014, 36(4): 712-721.

[7] 余勤. 基于決策效率的土地儲備風險研究[D]. 武漢: 華中師范大學, 2012.

[8] 顧媛媛. 基于DEA的土地供應決策效率及其變化研究[J]. 資源科學, 2014, (2): 311-320.

[9] Charnes, A., Cooper, W. W., Rhodes, E.. Measuring the Efficiency of Decision Making Units[J].EuropeanJournalofOperationalResearch, 1978, 2(6): 429-444.

[10] Banker, R. D., Charnes, A., Cooper, W. W.. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].ManagementScience, 1984, 30(9): 1078-1092.

[11] Kumbhakar, S. C., Lovell C. A. Knox.StochasticFrontierAnalysis[M]. Cambridge: Cambridge University Press, 2003: 136-142.

[12] Jondrow, J., Lovell, C. A. K., Schmidt, P.. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model[J].JournalofEconometrics, 1982, 19(2-3): 233-238.

[13] 武彥民, 楊崢. 土地財政與最優人才規模[J]. 經濟與管理研究, 2012, (3): 29-38.

[DOI]10.14007/j.cnki.cjpl.2016.02.012

[引用方式]楊英, 宋凌珂. 環境因素對城市土地供應效率的影響研究[J]. 產經評論, 2016, 7(2): 132-143.

[責任編輯：莫揚]

A Study of the Influence of Environmental Factors on Urban Land Supply Efficiency

YANG YingSONG Ling-ke

Abstract:The three-stage DEA model is used to study the environmental factors which have influence on the urban land supply efficiency of 35 big cities in our country. We derive the exact efficiency to make a better evaluation of the urban land supply efficiency of each city after striping the environmental factors and statistical noise. The results show that: Environmental factors have a great influence on China’s urban land supply efficiency, in which industrial structure is conducive to the improvement of the urban land supply efficiency, but the economic environment and the population size inhibit the urban land supply efficiency; The pure technical inefficiency is the main factor which leads to the low land supply efficiency when not consider the environmental factors and the statistical noise; Scale inefficiency is the main factor which leads to the low land supply efficiency after striping the environmental factors and statistical noise.

Key words:land supply efficiency; three-stage DEA method; technical efficiency; environmental factors

[中圖分類號]F293.2

[文獻標識碼]A

[文章編號]1674-8298(2016)02-0132-12

[作者簡介]楊英，暨南大學經濟學院教授，研究方向：區域經濟與投資經濟;宋凌珂，暨南大學經濟學院碩士研究生，研究方向：區域經濟學。

[收稿日期]2015-12-15