论文部分内容阅读
摘要 工业生产会产生期望和非期望两类产出，以往对工业用地的生产效率评估忽视了非期望产出，本文选取城市工业从业员工人数度量劳动力投入，城市工业固定资本投入总额度量资本投入，城市工业用地面积度量土地投入，城市工业总产值度量期望产出，工业废水排放量、工业SO2排放量和工业烟尘排放量度量非期望产出，运用跨期数据包络分析方法测算了2004年到2011年全国33个城市工业用地的方向性环境距离函数，并将其转换为相应的生产效率值，在考虑非期望产出和不考虑非期望产出的两种情况下，分别运用MalmquistLuenberger生产率指数和Malmquist生产率指数分析2004年到2011年33个城市工业用地的生产率变化及其分解情况，以便进行对比。研究发现，非期望产出影响工业用地的生产效率，忽视非期望产出会高估工业用地的生产效率，这是由于在粗放的经济发展方式下，资源要素的不合理利用导致非期望产出的高水平排放，使得技术进步被高估，从而生产效率被高估；研究样本中大部分城市的工业用地是非可持续的，但是正在逐步向可持续转变。因此，本研究认为：应摒弃粗放的生产方式，重视土地资源与其他资源的合理配置，释放土地利用空间；鼓励企业的技术创新，尤其是环境保护和污染治理的技术创新，在增加期望产出的同时，减少非期望产出，从而使工业用地生产效率提高，实现工业的可持续发展。
关键词 非期望产出；工业用地效率；DEA；ML生产率指数
中图分类号 F2755
文献标识码 A
文章编号 1002-2104（2014）06-0121-07
我国自改革开放以来，在经济迅速增长的同时，环境污染问题也日益突出。在这种背景下，1987年首次提出的可持续发展思想被我国广泛接受，一般认为，在生产过程中如果主要依靠要素投入推动，那么这种增长方式就是粗放式、不可持续的，而如果全要素生产率在生产过程中发挥重要作用，则这种增长方式就是集约和可持续的[1]。工业是整个国民经济的支柱产业，工业是否可持续成为学者研究的重点之一。由于我国人多地少，土地资源稀缺，对工业用地的可持续利用成为关注的焦点，对其研究主要体现在三个方面：第一是工业用地集约利用研究[2-3]，第二是对工业用地的合理布局研究[4-5]，第三是对工业用地效率的研究[6-7]。其中，对工业用地效率研究的文献相对更多，研究方法上也有不同，运用C-D生产函数[8]，评价指标体系[9]，以及全要素生产率方法[10]是最常见的三种。但大多数学者在对工业用地效率研究时，都只对期望产出进行指标设定，而忽略了由工业生产伴随的非期望产出比如污染排放与环境问题，理论和事实一致证明，工业生产是一个伴随着不断排放“三废”等非期望产出的期望产出过程，一些研究表明，忽视污染等副产品的传统生产率测度思路会导致有偏的生产率增长测度[11]，在工业用地生产效率分析中忽视非期望产出的做法不仅会导致结论失真，而且也与人类追求土地利用可持续发展的目标相悖。在资源环境日益成为经济增长硬约束背景下，如果忽视非期望产出，我们很难从以上研究中得到有关工业用地生产效率的客观评价。
一般来说，将非期望产出纳入到有关效率研究中有两种不同的思路：第一种就是将非期望产出作为一种生产要素投入处理，二是将“三废”等非期望产出作为经济活动的副产出引入Malmquist Luenberger （ ML） 生产率指数测度[12]。事实上，如果将非期望产出作为一种生产要素投入处理，会对真实结果产生扭曲，从而误导决策建议[13]，而第二种方法与实际生产过程较为符合，同时考虑了期望产出增加和非期望产出减少，从而弥补了第一种研究思路的不足，近年来得到越来越广泛运用，但在以往的研究中运用当期数据来测定ML指数从而确定生产前沿时，可能会出现技术倒退的结论，而运用跨期数据来确定生产前沿可避免其出现向内偏移，也就是说，能避免技术倒退结论产生的可能性[14]。
对于生产前沿的确定，目前采用最多的两种方法分别是数据包络分析（data envelopment analysis， DEA ）和随机前沿分析（stochastic frontier analysis ，SFA），其中DEA 方法无须估计函数，同时采用最优化方法来确定各投入要素的权重，从而不需要预先估计参数，避免了投入产出关系的具体函数表达和各指标权重确定所带来的主观性，对投入、产出变量没有相关性要求，具有明显优势，因此是一种理想的多目标决策方法，适合用来对生产前沿的确定。
综上叙述，本文采用数据包络分析方法和ML生产率指数，以全国33个典型城市工业构成系统为研究对象，对工业用地生产效率及其变化进行研究，以求达到客观评估我国工业用地的生产效率，并对我国工业用地的集约利用、工业用地结构的优化和用地效率的提高提供一种改进的可能方向，以及为加快产业转型升级提供科学依据。
1 理论分析与研究方法
11 理论分析
随着对环境的关注，人们开始考虑非期望产出的作用与影响。非期望产出是在工业生产中不可避免的副产品，它是指在企业本身现有技术条件下，无法使用或者进一步加工而只能以排放、掩埋等方式输入到自然界中的不为人类所期望的产品，本文的研究正是基于这一定义之下进行的。理论上减少非期望产出的两种方法分别是减少生产活动甚至停产以及技术更新，无论选择前者或后者，都意味着要限制某种非期望产出，就必须付出一定的代价[15]，这种代价可能是生产成本，也可能是社会成本。从经济学上来说，生产效率就是收益与成本的对比关系，因此在非期望产出过多时，必然导致生产效率的下降。非期望产出下的工业用地生产效率分析可以用图1来解释。
在图1中，假设在工业生产过程中投入用Z表示，产出分为两种，其中期望产出为Y，用纵轴表示，非期望产出为X，用横轴表示，产出水平的期望方向为G=（Y，-X），即尽量增加Y而减少X，图中的曲线表示生产前沿，P（Z）表示生产可能性的集合，A表示某一時刻的产出决策点，假设在投入Z一定时，A要想达到生产前沿曲线上期望产出的某一水平，比如图中的虚线，则A可以选择B点，也可以选择C点，在传统的生产效率研究中我们认为BC两点生产效率是一样的，因为在投入一定的情况下都达到了生产前沿的同一水平，而在考虑非期望产出的情况下，根据产出水平的期望方向，显然B更优于C。 2 数据说明与描述
21 变量选择与数据来源
本文综合考虑了数据的可得性、指标选取的代表性和统计口径的一致性，选取城市工业从业员工人数度量劳动力投入，城市工业固定资本投入总额度量资本投入，城市工业用地面积度量土地投入，选取城市工业总产值度量期望产出，以工业废水排放量、工业SO2排放量和工业烟尘排放量为非期望产出。同时，为了消除物价上涨因素的影响，所有以货币表示的指标均以2004年为基期进行修正。
本文的数据来源于《中国城市统计年鉴》、《中国城市建设统计年鉴》，考虑到数据的一致性，选取2004年到2011年中国33个典型城市全市工业用地（上海和深圳由于数据不全予以剔除）作为样本分析，其中城市工业用地面积来源于《中国城市建设统计年鉴》，其余均来自《中国城市统计年鉴》，并且由于城市工业用地面积度量的是市区的工业用地面积，本文为了数据的一致性，采用工业用地总产值比重进行修正；少数数据采用内插法获得。
22 数据描述
在研究样本中，2004年到2011年33个典型城市工业用地的平均每年工业总产值增长率达到41%，城市工业用地面积平均每年增长58%，城市工业从业人员平均每年增长24%，城市工业固定资本投入平均每年增长279%；在非期望产出方面，33个典型城市工业用地的废水排放量平均每年减少135%，SO2的排放量平均每年减少将近10%，烟尘排放量平均每年减少378%，其中，2004年到2006年非期望产出排放量表现为上升，2006年到2011年非期望产出排放表现为下降，2006年为其转折点，各年非期望产出的排放量情况如图2所示。
3 结果与分析
本文为了考察在考虑非期望产出情况下的工业用地生产效率情况，在实证方面首先安排了在考虑非期望产出情况下测算2004年到2011年全国33个典型城市工业用地的技术效率值，然后测算在考虑非期望产出情况下工业用地的ML生产率指数以及分解情况，同时为了与其进行对比，还测算了在未考虑期望产出情况下工业用地的Malmquist生产率指数以及分解情况。
31 2004-2011年33个城市工业用地的技术效率值
2004年到2011年全国33个典型城市工业用地技术效率值的测算结果如表1所示。
总体上说，全国33个城市工业用地的技术效率值呈现出随时间变化的规律，这和干春晖、郑若谷等人的结论相类似[16]，并且随着时间变化，整体上技术效率的平均值表现出上升趋势，我们认为可能的原因是：第一是国际国内对环保意识的加强，特别是工业生产的减排被纳入到生产计划之中；第二是加大了对工业污染治理的投入，全国每年投资增长率在15%以上，这些投入最终会引起非期望产出的减少，从而表现出技术效率值的提升。但从各个城市角度来看，技术效率值并不是一味的单调递增或者递减，这和李伟等人的研究结论相类似[17]。其中，杭州、天津、青岛、海口、广州、西宁等城市工业用地的技术效率值在2004年到2011年都一直表现的较高，我们认为这可能一部分原因是城市定位问题，旅游城市对环保要求较高，一部分原因是沿海城市的环保技术相对内陆城市要高；而太原、哈尔滨、武汉、重庆等城市工业用地的技术效率值在考察年内都一直表现较低，说明其工业在发展过程中存在较严重的资源浪费和环境破坏。
同时，我们还发现33个城市工业用地的技术效率值大致按照东、中、西格局逐步递减，东部城市工业用地的技术效率值要明显高于中、西部城市工业用地的技术效率值，这也与杨俊等人认为中国东部工业环境技术效率明显高于中西部的观点[18]相呼应。
32 ML生产率指数及分解
表2中分别列出了未考虑非期望产出和考虑非期望产出两种情况下2004年到2011年历年城市工业用地的生产率指数及分解情况，其中前者是未考虑非期望产出下的情形，后者是考虑非期望产出下的情形，在文章的下述分析中，也遵循这样的安排。
产率小于1的情况，但是技术进步都大于1，这说明该年份效率恶化很严重；而其余年份不论是考虑非期望产出还是未考虑非期望产出工业用地的生产率均大于1，说明在这些年份里，工业用地的生产效率均有所提高。
但是我们也发现，在对比两种情况下，不考虑非期望产出情况下的生产率要高于考虑非期望产出情况下的生产率，前者的年平均增长率为17%，要高于后者的年平均增长率112%，显然这说明，在不考虑非期望产出的情况下会高估工业用地的生产效率， Kumar 认为这是技术不环保[19]所造成的；在不考虑非期望产出的情况下，工业用地的技术效率年平均增长率为25%，技术进步年平均增长率为141%，而在考虑非期望产出的情况下，工业用地的技术效率年平均增长率为19%，技术进步的年平均增长率为91%，这说明不论是否考虑非期望产出，工业用地的技术效率及技术进步均有较大的提高，但是在是否考虑非期望产出的两种情况下，未考虑非期望产出的技术效率年增长率和技术进步年增长率分别要比考虑非期望产出的高06%和5%，说明在考虑非期望产出的情况下，技术效率的贡献增长率就会相对较低。
表3中分别列出了未考虑非期望产出和考虑非期望产出两种情况下2004年到2011年全国33个典型城市工业用地的平均生产率指数及分解情况。
从表3我们可以看出，在两种情况下，33个城市工业用地的平均生产率指数均大于1，在33个样本的研究期间内，各城市工业用地的平均生产率值均得到了不同程度的改善。在考虑非期望产出的情况下，天津、石家庄、呼和浩特、沈阳、郑州、广州、昆明、西宁、乌鲁木齐等城市工业用地的生产率增长率均维持在15%以上，而南京、宁波、济南、厦門、海口、贵阳等城市工业用地的生产率增长率均在5%以下，在33个城市中，有12个城市工业用地的技术效率小于1，占到整个样本的三分之一以上，而技术进步均大于1，由此可见，技术进步是33个城市工业用地生产效率增长的主要原因，技术效率对工业用地生产效率增长的贡献不大，甚至会抑制生产效率的平均增长速度。 对比两种情况，我们发现各城市工业用地的平均生产率值有30个要低于未考虑非期望产出的平均生产率值，只有西安、重庆、南宁3个城市的工业用地生产率值与未考虑非期望产出的平均生产率值持平，其中，北京、太原、厦门等城市的工业用地平均生产率值相对下降过快，说明这些城市的工业用地是非可持续的，环境保护和工业增长存在失衡，我们分析认为非期望产出的存在抑制了生产效率的增长，忽视非期望产出会高估生产率指数；而石家庄、沈阳、南宁、重庆、昆明、西安等城市的工业用地平均生产效率值相对下降缓慢或者持平，这说明这些城市在发展工业同时，比较合理的处理了環境保护问题。
4 结论与建议
本文在考虑非期望产出的情况下，对工业用地生产效率进行分析，得出以下结论：
第一，非期望产出影响工业用地的生产效率。在不考虑非期望产出的情况下，会高估工业用地的生产效率。这是因为在不考虑非期望产出的情况下，人们会忽略非期望产出水平，而一味追求期望产出，此时在经济利益最大化的情况下会导致两种产出同时增加，却体现了技术进步，因为技术进步在发展水平较低时正是表现为两类产出都增加，但是这种技术进步在Kumar看来是不环保的。事实上，在粗放的经济发展方式下，资源要素的不合理利用导致非期望产出的高水平排放，从而技术进步被高估，生产率被高估。
第二，研究样本中大部分城市的工业用地是非可持续的，但是正在逐步向可持续转变。2004年到2011年间全国33个城市工业用地的技术效率值大部分小于1，但总体在上升，以33个城市工业用地平均水平为例，2004年工业用地的技术效率平均值为0714，2011年为0757，2011年比2004年技术效率平均值增长了61%，这意味着在相同投入的情况下2011年要比2004年多生产出43%的期望产出，同时非期望产出也会减少43%，根据可持续定义可知，工业用地的可持续发展还任重道远，但正在缓慢前进。
鉴于对33个城市工业用地的生产效率研究结论，我们认为从以下方面提高工业用地的生产效率：
（1）重视土地资源与其他资源的合理配置，释放土地利用空间。各级政府为了发展经济，吸引投资，廉价出让或无偿出让土地，导致工业用地粗放利用，工业土地污染严重，要提高工业用地生产效率，就必须摒弃粗放式的生产方式，注重资源间的合理搭配，减少资源要素的浪费。
（2）鼓励技术创新，尤其是环境保护和污染治理的技术创新。改革开放以来，由于我们国家经济粗放型发展，导致环境污染严重，特别是工业污染，工业在发展过程中一直存在着传统的“重经济增长，轻环境保护”思想，工业用地生产效率要提高，应协调处理好工业用地经济增长与环境保护的问题，鼓励企业的技术创新，在增加期望产出的同时，减少非期望产出。
（编辑：田 红）
参考文献（References）
[1]Young Alwyn The Tyranny of Numbers： Confronting the Statistical Realities of the East Asian Growth Experience[J] Quarterly Journal of Economics，1994，60（3）：641-680
[2]李伟芳，吴迅锋，杨晓平宁波市工业用地节约和集约利用问题研究[J]中国土地科学，2008，22（5）：23-27
[3]郭贯成，任宝林，吴群基于ArcGIS的江苏省金坛市工业用地集约利用评价研究[J]中国土地科学，2009，23（8）：24-30
[4]唐成祥重庆市都市区工业用地利用与城市规划管理研究[D]重庆：重庆大学，2010
[5]张仁桥上海工业集聚区的空间整合与模式创新研究[D]上海：华东师范大学，2007
[6]郑新奇，王筱明城镇土地利用结构效率的数据包络分析[J]中国土地科学，2004，18（2）： 34-39
[7]杨朔，李世平，罗列陕西省耕地利用效率及其影响因素研究[J]中国土地科学，2011，25（2）： 47-54
[8]龙开胜，陈利根，占小林不同利用类型土地投入产出效率的比较分析-以江苏省耕地和工业用地为例[J]中国人口·资源与环境，2008，18（5）：174-178
[9]汪群芳，李植斌杭州市土地利用结构与效率研究[J]国土资源科技管理，2005，22（4）：5-9
[10]黄大全，洪丽璇，梁进社福建省工业用地效率分析与集约利用评价[J]地理学报，2009，64（4）： 479-486
[11]Chung Y H， Fare R， Grosskopf S Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]Journal of Environmental Management，1997，51（3）：229-240
[12]刘瑞翔，安同良资源环境约束下中国经济增长绩效变化趋势与因素分析：基于一种新型生产率指数构建与分解方法的研究[J]经济研究，2012，（11）：34-47
[13]Hailu A， Veeman T S Nonparametric Productivity Analysis with Undesirable Outputs： An Application to the Canadian Pulp and Paper Industry[J]，American Journal of Agricultural Economics，2001，83（3）： 605-616
[14]杨文举技术效率、技术进步、资本深化与经济增长：基于DEA 的经验分析[J]世界经济，2006， （5）：73-96 [15]Yang H， Pollitt M The Necessity of Distinguishing Weak and Strong Disposability Among Undesirable Outputs in DEA： Environmental Performance of Chinese Coalfired Power Plants[J] Energy Policy， 2010，38 （8）：4440-4444
[16]干春暉，郑若谷中国工业绩效： 1998- 2007基于细分行业的推广随机前沿生产函数的分析[J]财经研究，2009，35（6）：97-108
[17]李伟，章上峰环境约束下的工业全要素生产率增长： 基于MalmquistLuenberger指数的行业面板数据分析[J]统计与信息论坛，2010，25（11）：33-39
[18]杨俊，邵汉华环境约束下的中国工业增长状况研究[J]数量经济技术经济研究，2009，（9）：64-78
[19]Kumar S Environmentally Sensitive Productivity Growth： A Global Analysis Using Malmquistluenberger Index[J]Ecological Economics， 2006，（56）：280-293
Abstract Industrial production will produce expected and unexpected output. In the past the production efficiency of industrial land assessment ignored the unexpected output， this article selects urban industrial employees to measure the labor input， urban industrial gross fixed capital investment to measure capital investment， urban industrial land area to measure land investment， urban industrial total output value to measure expected output， and industrial wastewater， industrial SO2 emission and industrial soot emission to measure unexpected output Using intertemporal data envelopment analysis （DEA） to measure directional distance function of the national industrial land of 33 cities in China from 2004 to 2011， the article converts it into corresponding production efficiency value For analyzing the 33 cities’ urban industrial land productivity change and their decomposition， we use the MalmquistLuenberger productivity index and Malmquist productivity index analysis to study the two kinds of conditions and whether that includes the expected output or not This study founds that the unexpected output affects the production efficiency of industrial land， and ignoring the unexpected output will overestimate the efficiency of industrial land Because the extensive economic development causes the abuse of resources and the destruction of environment， and then technological progress is overvalued， thus the production efficiency is overvalued And the industrial land in most of sample cities is unsustainable， but it is changing into sustainable situation gradually Therefore， we should pay more attention to rational allocation of land resources and other resources， and save lots of land resource At the same time， we should encourage enterprises to improve technological innovation， especially about the environmental protection and pollution control， so we can increase the expected output while decreasing the unexpected output， so as to improve the production efficiency of industrial land and realize the sustainable development of industry
Key words the unexpected output； efficiency of industrial land； DEA； ML index
关键词 非期望产出；工业用地效率；DEA；ML生产率指数
中图分类号 F2755
文献标识码 A
文章编号 1002-2104（2014）06-0121-07
我国自改革开放以来，在经济迅速增长的同时，环境污染问题也日益突出。在这种背景下，1987年首次提出的可持续发展思想被我国广泛接受，一般认为，在生产过程中如果主要依靠要素投入推动，那么这种增长方式就是粗放式、不可持续的，而如果全要素生产率在生产过程中发挥重要作用，则这种增长方式就是集约和可持续的[1]。工业是整个国民经济的支柱产业，工业是否可持续成为学者研究的重点之一。由于我国人多地少，土地资源稀缺，对工业用地的可持续利用成为关注的焦点，对其研究主要体现在三个方面：第一是工业用地集约利用研究[2-3]，第二是对工业用地的合理布局研究[4-5]，第三是对工业用地效率的研究[6-7]。其中，对工业用地效率研究的文献相对更多，研究方法上也有不同，运用C-D生产函数[8]，评价指标体系[9]，以及全要素生产率方法[10]是最常见的三种。但大多数学者在对工业用地效率研究时，都只对期望产出进行指标设定，而忽略了由工业生产伴随的非期望产出比如污染排放与环境问题，理论和事实一致证明，工业生产是一个伴随着不断排放“三废”等非期望产出的期望产出过程，一些研究表明，忽视污染等副产品的传统生产率测度思路会导致有偏的生产率增长测度[11]，在工业用地生产效率分析中忽视非期望产出的做法不仅会导致结论失真，而且也与人类追求土地利用可持续发展的目标相悖。在资源环境日益成为经济增长硬约束背景下，如果忽视非期望产出，我们很难从以上研究中得到有关工业用地生产效率的客观评价。
一般来说，将非期望产出纳入到有关效率研究中有两种不同的思路：第一种就是将非期望产出作为一种生产要素投入处理，二是将“三废”等非期望产出作为经济活动的副产出引入Malmquist Luenberger （ ML） 生产率指数测度[12]。事实上，如果将非期望产出作为一种生产要素投入处理，会对真实结果产生扭曲，从而误导决策建议[13]，而第二种方法与实际生产过程较为符合，同时考虑了期望产出增加和非期望产出减少，从而弥补了第一种研究思路的不足，近年来得到越来越广泛运用，但在以往的研究中运用当期数据来测定ML指数从而确定生产前沿时，可能会出现技术倒退的结论，而运用跨期数据来确定生产前沿可避免其出现向内偏移，也就是说，能避免技术倒退结论产生的可能性[14]。
对于生产前沿的确定，目前采用最多的两种方法分别是数据包络分析（data envelopment analysis， DEA ）和随机前沿分析（stochastic frontier analysis ，SFA），其中DEA 方法无须估计函数，同时采用最优化方法来确定各投入要素的权重，从而不需要预先估计参数，避免了投入产出关系的具体函数表达和各指标权重确定所带来的主观性，对投入、产出变量没有相关性要求，具有明显优势，因此是一种理想的多目标决策方法，适合用来对生产前沿的确定。
综上叙述，本文采用数据包络分析方法和ML生产率指数，以全国33个典型城市工业构成系统为研究对象，对工业用地生产效率及其变化进行研究，以求达到客观评估我国工业用地的生产效率，并对我国工业用地的集约利用、工业用地结构的优化和用地效率的提高提供一种改进的可能方向，以及为加快产业转型升级提供科学依据。
1 理论分析与研究方法
11 理论分析
随着对环境的关注，人们开始考虑非期望产出的作用与影响。非期望产出是在工业生产中不可避免的副产品，它是指在企业本身现有技术条件下，无法使用或者进一步加工而只能以排放、掩埋等方式输入到自然界中的不为人类所期望的产品，本文的研究正是基于这一定义之下进行的。理论上减少非期望产出的两种方法分别是减少生产活动甚至停产以及技术更新，无论选择前者或后者，都意味着要限制某种非期望产出，就必须付出一定的代价[15]，这种代价可能是生产成本，也可能是社会成本。从经济学上来说，生产效率就是收益与成本的对比关系，因此在非期望产出过多时，必然导致生产效率的下降。非期望产出下的工业用地生产效率分析可以用图1来解释。
在图1中，假设在工业生产过程中投入用Z表示，产出分为两种，其中期望产出为Y，用纵轴表示，非期望产出为X，用横轴表示，产出水平的期望方向为G=（Y，-X），即尽量增加Y而减少X，图中的曲线表示生产前沿，P（Z）表示生产可能性的集合，A表示某一時刻的产出决策点，假设在投入Z一定时，A要想达到生产前沿曲线上期望产出的某一水平，比如图中的虚线，则A可以选择B点，也可以选择C点，在传统的生产效率研究中我们认为BC两点生产效率是一样的，因为在投入一定的情况下都达到了生产前沿的同一水平，而在考虑非期望产出的情况下，根据产出水平的期望方向，显然B更优于C。 2 数据说明与描述
21 变量选择与数据来源
本文综合考虑了数据的可得性、指标选取的代表性和统计口径的一致性，选取城市工业从业员工人数度量劳动力投入，城市工业固定资本投入总额度量资本投入，城市工业用地面积度量土地投入，选取城市工业总产值度量期望产出，以工业废水排放量、工业SO2排放量和工业烟尘排放量为非期望产出。同时，为了消除物价上涨因素的影响，所有以货币表示的指标均以2004年为基期进行修正。
本文的数据来源于《中国城市统计年鉴》、《中国城市建设统计年鉴》，考虑到数据的一致性，选取2004年到2011年中国33个典型城市全市工业用地（上海和深圳由于数据不全予以剔除）作为样本分析，其中城市工业用地面积来源于《中国城市建设统计年鉴》，其余均来自《中国城市统计年鉴》，并且由于城市工业用地面积度量的是市区的工业用地面积，本文为了数据的一致性，采用工业用地总产值比重进行修正；少数数据采用内插法获得。
22 数据描述
在研究样本中，2004年到2011年33个典型城市工业用地的平均每年工业总产值增长率达到41%，城市工业用地面积平均每年增长58%，城市工业从业人员平均每年增长24%，城市工业固定资本投入平均每年增长279%；在非期望产出方面，33个典型城市工业用地的废水排放量平均每年减少135%，SO2的排放量平均每年减少将近10%，烟尘排放量平均每年减少378%，其中，2004年到2006年非期望产出排放量表现为上升，2006年到2011年非期望产出排放表现为下降，2006年为其转折点，各年非期望产出的排放量情况如图2所示。
3 结果与分析
本文为了考察在考虑非期望产出情况下的工业用地生产效率情况，在实证方面首先安排了在考虑非期望产出情况下测算2004年到2011年全国33个典型城市工业用地的技术效率值，然后测算在考虑非期望产出情况下工业用地的ML生产率指数以及分解情况，同时为了与其进行对比，还测算了在未考虑期望产出情况下工业用地的Malmquist生产率指数以及分解情况。
31 2004-2011年33个城市工业用地的技术效率值
2004年到2011年全国33个典型城市工业用地技术效率值的测算结果如表1所示。
总体上说，全国33个城市工业用地的技术效率值呈现出随时间变化的规律，这和干春晖、郑若谷等人的结论相类似[16]，并且随着时间变化，整体上技术效率的平均值表现出上升趋势，我们认为可能的原因是：第一是国际国内对环保意识的加强，特别是工业生产的减排被纳入到生产计划之中；第二是加大了对工业污染治理的投入，全国每年投资增长率在15%以上，这些投入最终会引起非期望产出的减少，从而表现出技术效率值的提升。但从各个城市角度来看，技术效率值并不是一味的单调递增或者递减，这和李伟等人的研究结论相类似[17]。其中，杭州、天津、青岛、海口、广州、西宁等城市工业用地的技术效率值在2004年到2011年都一直表现的较高，我们认为这可能一部分原因是城市定位问题，旅游城市对环保要求较高，一部分原因是沿海城市的环保技术相对内陆城市要高；而太原、哈尔滨、武汉、重庆等城市工业用地的技术效率值在考察年内都一直表现较低，说明其工业在发展过程中存在较严重的资源浪费和环境破坏。
同时，我们还发现33个城市工业用地的技术效率值大致按照东、中、西格局逐步递减，东部城市工业用地的技术效率值要明显高于中、西部城市工业用地的技术效率值，这也与杨俊等人认为中国东部工业环境技术效率明显高于中西部的观点[18]相呼应。
32 ML生产率指数及分解
表2中分别列出了未考虑非期望产出和考虑非期望产出两种情况下2004年到2011年历年城市工业用地的生产率指数及分解情况，其中前者是未考虑非期望产出下的情形，后者是考虑非期望产出下的情形，在文章的下述分析中，也遵循这样的安排。
产率小于1的情况，但是技术进步都大于1，这说明该年份效率恶化很严重；而其余年份不论是考虑非期望产出还是未考虑非期望产出工业用地的生产率均大于1，说明在这些年份里，工业用地的生产效率均有所提高。
但是我们也发现，在对比两种情况下，不考虑非期望产出情况下的生产率要高于考虑非期望产出情况下的生产率，前者的年平均增长率为17%，要高于后者的年平均增长率112%，显然这说明，在不考虑非期望产出的情况下会高估工业用地的生产效率， Kumar 认为这是技术不环保[19]所造成的；在不考虑非期望产出的情况下，工业用地的技术效率年平均增长率为25%，技术进步年平均增长率为141%，而在考虑非期望产出的情况下，工业用地的技术效率年平均增长率为19%，技术进步的年平均增长率为91%，这说明不论是否考虑非期望产出，工业用地的技术效率及技术进步均有较大的提高，但是在是否考虑非期望产出的两种情况下，未考虑非期望产出的技术效率年增长率和技术进步年增长率分别要比考虑非期望产出的高06%和5%，说明在考虑非期望产出的情况下，技术效率的贡献增长率就会相对较低。
表3中分别列出了未考虑非期望产出和考虑非期望产出两种情况下2004年到2011年全国33个典型城市工业用地的平均生产率指数及分解情况。
从表3我们可以看出，在两种情况下，33个城市工业用地的平均生产率指数均大于1，在33个样本的研究期间内，各城市工业用地的平均生产率值均得到了不同程度的改善。在考虑非期望产出的情况下，天津、石家庄、呼和浩特、沈阳、郑州、广州、昆明、西宁、乌鲁木齐等城市工业用地的生产率增长率均维持在15%以上，而南京、宁波、济南、厦門、海口、贵阳等城市工业用地的生产率增长率均在5%以下，在33个城市中，有12个城市工业用地的技术效率小于1，占到整个样本的三分之一以上，而技术进步均大于1，由此可见，技术进步是33个城市工业用地生产效率增长的主要原因，技术效率对工业用地生产效率增长的贡献不大，甚至会抑制生产效率的平均增长速度。 对比两种情况，我们发现各城市工业用地的平均生产率值有30个要低于未考虑非期望产出的平均生产率值，只有西安、重庆、南宁3个城市的工业用地生产率值与未考虑非期望产出的平均生产率值持平，其中，北京、太原、厦门等城市的工业用地平均生产率值相对下降过快，说明这些城市的工业用地是非可持续的，环境保护和工业增长存在失衡，我们分析认为非期望产出的存在抑制了生产效率的增长，忽视非期望产出会高估生产率指数；而石家庄、沈阳、南宁、重庆、昆明、西安等城市的工业用地平均生产效率值相对下降缓慢或者持平，这说明这些城市在发展工业同时，比较合理的处理了環境保护问题。
4 结论与建议
本文在考虑非期望产出的情况下，对工业用地生产效率进行分析，得出以下结论：
第一，非期望产出影响工业用地的生产效率。在不考虑非期望产出的情况下，会高估工业用地的生产效率。这是因为在不考虑非期望产出的情况下，人们会忽略非期望产出水平，而一味追求期望产出，此时在经济利益最大化的情况下会导致两种产出同时增加，却体现了技术进步，因为技术进步在发展水平较低时正是表现为两类产出都增加，但是这种技术进步在Kumar看来是不环保的。事实上，在粗放的经济发展方式下，资源要素的不合理利用导致非期望产出的高水平排放，从而技术进步被高估，生产率被高估。
第二，研究样本中大部分城市的工业用地是非可持续的，但是正在逐步向可持续转变。2004年到2011年间全国33个城市工业用地的技术效率值大部分小于1，但总体在上升，以33个城市工业用地平均水平为例，2004年工业用地的技术效率平均值为0714，2011年为0757，2011年比2004年技术效率平均值增长了61%，这意味着在相同投入的情况下2011年要比2004年多生产出43%的期望产出，同时非期望产出也会减少43%，根据可持续定义可知，工业用地的可持续发展还任重道远，但正在缓慢前进。
鉴于对33个城市工业用地的生产效率研究结论，我们认为从以下方面提高工业用地的生产效率：
（1）重视土地资源与其他资源的合理配置，释放土地利用空间。各级政府为了发展经济，吸引投资，廉价出让或无偿出让土地，导致工业用地粗放利用，工业土地污染严重，要提高工业用地生产效率，就必须摒弃粗放式的生产方式，注重资源间的合理搭配，减少资源要素的浪费。
（2）鼓励技术创新，尤其是环境保护和污染治理的技术创新。改革开放以来，由于我们国家经济粗放型发展，导致环境污染严重，特别是工业污染，工业在发展过程中一直存在着传统的“重经济增长，轻环境保护”思想，工业用地生产效率要提高，应协调处理好工业用地经济增长与环境保护的问题，鼓励企业的技术创新，在增加期望产出的同时，减少非期望产出。
（编辑：田 红）
参考文献（References）
[1]Young Alwyn The Tyranny of Numbers： Confronting the Statistical Realities of the East Asian Growth Experience[J] Quarterly Journal of Economics，1994，60（3）：641-680
[2]李伟芳，吴迅锋，杨晓平宁波市工业用地节约和集约利用问题研究[J]中国土地科学，2008，22（5）：23-27
[3]郭贯成，任宝林，吴群基于ArcGIS的江苏省金坛市工业用地集约利用评价研究[J]中国土地科学，2009，23（8）：24-30
[4]唐成祥重庆市都市区工业用地利用与城市规划管理研究[D]重庆：重庆大学，2010
[5]张仁桥上海工业集聚区的空间整合与模式创新研究[D]上海：华东师范大学，2007
[6]郑新奇，王筱明城镇土地利用结构效率的数据包络分析[J]中国土地科学，2004，18（2）： 34-39
[7]杨朔，李世平，罗列陕西省耕地利用效率及其影响因素研究[J]中国土地科学，2011，25（2）： 47-54
[8]龙开胜，陈利根，占小林不同利用类型土地投入产出效率的比较分析-以江苏省耕地和工业用地为例[J]中国人口·资源与环境，2008，18（5）：174-178
[9]汪群芳，李植斌杭州市土地利用结构与效率研究[J]国土资源科技管理，2005，22（4）：5-9
[10]黄大全，洪丽璇，梁进社福建省工业用地效率分析与集约利用评价[J]地理学报，2009，64（4）： 479-486
[11]Chung Y H， Fare R， Grosskopf S Productivity and Undesirable Outputs： A Directional Distance Function Approach[J]Journal of Environmental Management，1997，51（3）：229-240
[12]刘瑞翔，安同良资源环境约束下中国经济增长绩效变化趋势与因素分析：基于一种新型生产率指数构建与分解方法的研究[J]经济研究，2012，（11）：34-47
[13]Hailu A， Veeman T S Nonparametric Productivity Analysis with Undesirable Outputs： An Application to the Canadian Pulp and Paper Industry[J]，American Journal of Agricultural Economics，2001，83（3）： 605-616
[14]杨文举技术效率、技术进步、资本深化与经济增长：基于DEA 的经验分析[J]世界经济，2006， （5）：73-96 [15]Yang H， Pollitt M The Necessity of Distinguishing Weak and Strong Disposability Among Undesirable Outputs in DEA： Environmental Performance of Chinese Coalfired Power Plants[J] Energy Policy， 2010，38 （8）：4440-4444
[16]干春暉，郑若谷中国工业绩效： 1998- 2007基于细分行业的推广随机前沿生产函数的分析[J]财经研究，2009，35（6）：97-108
[17]李伟，章上峰环境约束下的工业全要素生产率增长： 基于MalmquistLuenberger指数的行业面板数据分析[J]统计与信息论坛，2010，25（11）：33-39
[18]杨俊，邵汉华环境约束下的中国工业增长状况研究[J]数量经济技术经济研究，2009，（9）：64-78
[19]Kumar S Environmentally Sensitive Productivity Growth： A Global Analysis Using Malmquistluenberger Index[J]Ecological Economics， 2006，（56）：280-293
Abstract Industrial production will produce expected and unexpected output. In the past the production efficiency of industrial land assessment ignored the unexpected output， this article selects urban industrial employees to measure the labor input， urban industrial gross fixed capital investment to measure capital investment， urban industrial land area to measure land investment， urban industrial total output value to measure expected output， and industrial wastewater， industrial SO2 emission and industrial soot emission to measure unexpected output Using intertemporal data envelopment analysis （DEA） to measure directional distance function of the national industrial land of 33 cities in China from 2004 to 2011， the article converts it into corresponding production efficiency value For analyzing the 33 cities’ urban industrial land productivity change and their decomposition， we use the MalmquistLuenberger productivity index and Malmquist productivity index analysis to study the two kinds of conditions and whether that includes the expected output or not This study founds that the unexpected output affects the production efficiency of industrial land， and ignoring the unexpected output will overestimate the efficiency of industrial land Because the extensive economic development causes the abuse of resources and the destruction of environment， and then technological progress is overvalued， thus the production efficiency is overvalued And the industrial land in most of sample cities is unsustainable， but it is changing into sustainable situation gradually Therefore， we should pay more attention to rational allocation of land resources and other resources， and save lots of land resource At the same time， we should encourage enterprises to improve technological innovation， especially about the environmental protection and pollution control， so we can increase the expected output while decreasing the unexpected output， so as to improve the production efficiency of industrial land and realize the sustainable development of industry
Key words the unexpected output； efficiency of industrial land； DEA； ML index