中国城市群农地城市流转全要素生产率研究
黄珂 张安录 李会琴
摘要 经济社会双重转型背景下，城市群已成为带动区域经济增长的主要地域单元，其形成与发展以城市扩张为基础，需不断占用农地资源。当前主要问题为农地城市流转过度，粮食安全受到威胁、生态环境遭到不可逆转的破坏。基于此，本文以中国16大城市群为研究对象，考虑环境污染，应用基于方向性距离函数的Malmquist-Luenberger指数，利用1999年至2013共15年的面板数据，借助数据包络分析法（DEA），对农地城市流转全要素生产率（TFP）进行测算和分析。结果显示：①研究农地城市流转TFP时考虑非期望产出即环境污染是合理且必要的。② 1999年至2013年，农地城市流转参与社会经济生产的过程中，减少污染与环境副作用的技术发展与推广还存在障碍，提高生产要素投入质量的能力有限。③对16大城市群而言，农地城市流转TFP在研究期内均下降，西部城市群下降幅度最大，中部和东部次之，东北较小。④珠三角、长三角和武汉城市群在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，作为“环境技术领先者”次数较多。针对研究结论，为我国城市群有效进行农地城市流转提出几点建议：第一，合理控制农地城市流转规模与城市增长边界，优化农地城市流转TFP，并提升城市群经济发展质量。第二，充分考虑农地城市流转TFP及其构成要素的区域差异，根据各城市群发展特征、资源禀赋状况以及区域功能定位差异等特点，实施土地利用差别化管理。第三，更多地使用可再生的资源和环保能源，并对土地资源加以合理配置和高效利用，走绿色环保城市群发展道路。
关键词 农地城市流转；全要素生产率；非期望产出；Malmquist-Luenberger指数；中国城市群
中图分类号 F301.2
文献标识码 A 文章编号 1002-2104（2018）05-0132-10 DOI：10.12062/cpre.20171102
目前的中国，已经进入经济结构调整和社会发展方式转型的关键阶段，经济社会双重转型是体制与发展的重叠与交叉转型[1]。在此转型关键时期，新型城镇化成为了中国经济发展的引擎，城市群凭借其人口、产业集聚和经济辐射能力，已成为承载城镇化进程的主要地域单元[2]，它对促进区域经济持续增长、提升中国在全球经济格局中的地位起到重要作用。城市群的形成与发展是以城市扩张和产业集聚为基础，而城市扩张需不断占用农地资源，当前问题主要表现为城市建设用地供给矛盾与用地粗放利用现象并存，农地城市流转过度，粮食安全受到威胁、生态环境遭到不可逆转的破坏[3]。作为重要生产要素的土地资源，其农业和非农用途之间配置的矛盾在城市群内显得尤为突出。农地城市流转作为土地用途转换主要方式之一，是区域社会经济发展在土地资源配置方面的必然表现。针对我国最具发展潜力及最受政策关注的城市群而言，在农地城市流转参与社会经济生产的过程中，经济增长源泉是单纯的土地、资本和劳动力等资源要素的共同作用，还是生产率的提高，亦或是技术进步？将环境污染纳入衡量体系与否，对分析经济增长及其源泉是否会产生影响？哪些城市群在农地城市流转参与社会经济生产的过程中对提升经济发挥了引领和带动作用？这些问题都可归于农地城市流转全要素生产率（Total Factor Productivity，TFP）的研究范畴。
1 文献综述
针对城市群发展过程中不可避免要发生的农地城市流转过程，其流转效率的相关研究是本次TFP问题研究之基础。国内农地城市流转效率研究始于对区域间农地非农化配置的效益差异分析[4]，通过测度农地非农化在代际配置、空间配置、配置方式等方面的效率与帕累托最优的差距[5]，进一步测算农地非农化过度性损失数量[6]；研究方法从对农地城市流轉效率的影响因素的定性讨论转向定量测算；测算方法从传统的“边际原则”下的效率测度[7-8]，转向以数据包络分析（Data Envelopment Analysis，DEA）为代表的非参数前沿法[9-10]和以SFA为代表的参数前沿法[11-12]，以及两种方法的结合[13]。研究尺度有微观化、细致化趋势：最初是将全国划分为东、中、西三个大区域[4]；随后分为粮食主产区、粮食主销区、粮食产销平衡区这三个地域单元[14]；近年来，在经济联合体，如城市圈内进行农地城市流转效率测度和优化配置研究逐渐兴起[3、13、15]。
农地城市流转效率反映了所考察的生产决策单元（各城市群）在考察对象集合中，以生产前沿面为参考，相较所有决策单元而言，所能获得最大产出或最小投入的效率水平，集中体现了在目前的管理水平下对现有技术的挖掘和利用能力。假设技术不发生变化，农地城市流转效率与本研究的TFP没有直接的联系；但社会经济生产具有长期性、连续性特点，这就决定了生产技术必定会发生变化，当研究涉及到效率增长、技术变动等相关概念时，农地城市流转效率就变为农地城市流转TFP增长的重要来源之一。TFP反映的是产出增长中不能被生产要素投入增加所解释的部分，其内涵更为宽泛，包括了科学技术水平的提高、生产要素质量水平的提升、规模经济效应的发挥、制度优化创新、生产方式的优化等。
传统的TFP研究不考虑土地要素，也不考虑发展所带来的环境代价，以Malmquist指数为代表的DEA技术在TFP测算方面应用较为广泛。近几年，有部分学者考虑到了经济发展所带来的资源和环境现实问题，纳入了能源成本[16-17]、环境代价[18-19]或者碳排放[20-21]。环境代价或碳排放在TFP衡量过程中通常作为非期望产出，学者们主要利用随机前沿分析方法和非参数前沿分析法来对包含了非期望产出的TFP进行测度，其中基于DEA方法的Malmquist-Luenberger 指数对于TFP增长的测算非常有效。由于大量的研究已经证明土地要素，尤其是经流转由农用变为城市建设用的土地要素对于经济增长具有极大促进作用[22-24]，但目前鲜有在TFP研究中纳入土地要素[25]，这显然难以客观衡量经济增长的现状。鉴于此，本文基于经济和社会双重转型背景，考虑农地城市流转及经济发展所带来的环境污染，以承载新型城镇化和带动经济发展的地域单元——城市群为研究对象，利用1999年至2013共15年的面板数据，使用DEA方法，对农地城市流转参与社会经济生产过程之中的农地城市流转TFP加以分析，力求以最小的资源投入达到最大的经济产出和最小的环境破坏，为我国城市群合理有效地进行农地城市流转配置和利用提供科学依据，并为促进经济和社会可持续发展提供政策方向。
中国人口·资源与环境 2018年 第5期
2 研究对象、方法及数据
2.1 研究对象
在系列政策的推动下，中国的城市群在数量和范围上都迅速增长和扩张。当前，学者们由于研究视角的不同，对中国城市群的界定标准和划分方式还存在较大争议，始终未能在中国城市群的数量及其空间范围的界定方面达成一致。依据近期中央和地方出台的相关规划文件（《全国主体功能区规划》《国家新型城镇化规划（2014—2020年）》《全国城镇体系规划（2006—2020年）》《长江三角洲地区区域规划》《皖江城市带承接产业转移示范区规划》《长株潭城市群区域规划（2008—2020年）》），结合已有研究，本文将目前我国大陆地区最具活力和发展潜力的16个城市群及其所包含的123个城市作为研究对象（见表1）。
表1 研究所选城市群及其所辖城市
Tab.1 Metropolitan areas studied and their spatial extents
2.2 研究方法
2.2.1 农地城市流转环境技术
农用地经流转变为城市建设用地，作为投入要素，参与社会经济生产的过程中，除了会生产出希望获得的正常产出，即期望产出（Desirable Output），还不可避免地会生产出不愿得到的“副产品”，即非期望产出（Undesirable Output）。结合社会经济双重转型背景，社会经济生产既要对投入要素做到尽可能地节约，又要尽可能地在获取最大经济产出同时对环境产生尽可能小的污染。因此构造包含以上两种产出的生产可能性集合，用以反映环境保护约束之下，各决策单元（Decision Making Unit，DMU）农地城市流转的环境技术。
在将生产类型设定为产出导向型的基础之上，假设特定的DMU总共使用N种投入x=（x1，…，xN）∈RN+，并生产出M种期望产出y=（y1，…，yM）∈RM+和I种非期望产出b=（b1，…，bI）∈Ri+，则环境技术可以描述为
T=[（x，y，b）：x可以生产（y，b）] （1）
亦可采用集合形式进行表示：
P（x）=[（y，b）：（x，y，b）∈T] （2）
所以，环境技术生产可能性集合表述为
T=[（x，y，b）：（y，b）∈P（x），x∈RN+] （3）
引入跨期概念后，假设时期t=1，…，T，有k=1，…，K個DMU的投入产出集合向量（x′k，y′k，b′k），按照Fre等[26]的思路，可以用DEA方法来表达环境技术：
Pt（xt）=（yt，bt）：∑Kk=1ztkytkm≥ytm，m=1，…，M；
∑Kk=1ztkbtki=bti，i=1，…，I；
∑Kk=1ztkxtkn≤xtn，n=1，…，N；
ztk≥0，k=1，…，K （4）
式（4）中，ztk为密度变量，反映了每一个时间截面上各DMU所被赋予的权重，ztk≥0表示这是一个规模报酬不变的环境技术。为了表述各时期期望产出y与非期望产出b的零结合性，还须假定：
∑Kk=1btki>0，i=1，…，I （5）
∑Ii=1btki>0，k=1，…，K （6）
式（5）表示至少有一个DMU生产出所有非期望产出，式（6）表示每一个DMU至少生产一种非期望产出。
2.2.2 方向性距离函数（Directional Distance Functions，DDF）
为维持经济增长（期望产出）且使环境污染（非期望产出）减少，利用方向性距离函数（DDF）调整期望产出和非期望产出。定义方向变量g=（gy，-gb），在投入x和环境技术结构P（x）下，从相反的方向对y与b进行调整，以保证农用地经流转变为城市建设用地参与社会经济生产时经济增长与环境保护相协调。
基于产出的方向性距离函数此时被定义为：
（x，y，b；gy，-gb）=sup[β：（y+βgy，b-βgb）∈P（x）]（7）
式（7）中，β表示在投入x既定且技术结构P（x）不变的前提下，产出向量（y，b）沿方向向量g进行变动的最大比例。β≥0；当DMU成为效率的“最佳实践者”，即达到前沿面时有β=0；否则该DMU的生产存在效率损失，β的取值越大，表示到P（x）前沿面的距离越远。
当方向向量g=（y，0）时，方向性距离函数即为传统谢泼德（Shepherd）距离函数，且：
（x，y，b；g）=1/D（x，y，b）-1 （8）
假定方向向量是中性的（g=（y，-b）），即期望产出和非期望产出变化的比例相同，在时期t的DMUk′（xtk′，ytk′，btk′）的DDF可通过以下的线性规划式求解：
Dt（xtk′，ytk′，btk′；ytk′，-btk′）=maxβ
s.t.∑Kk=1ztkytkm≥（1+β）ytk′m
∑Kk=1ztkbtki=（1-β）btk′ixtkn
∑Kk=1ztkxtkn≤xtk′n
ztk≥0
m=1，…，M；i=1，…，I；n=1，…，N；k=1，…，K（9）
2.2.3 Malmquist-Luenberger生产率指数
当时间从t跨越到t+1，基于DDF和纳入非期望产出，根据Chung等[27]及传统Malmquist指数的构造思想，TFP指数（Malmquist-Luenberger Productivity Index，ML指数）表示为：
MLt，t+1=1+Dt（xt，yt，bt；yt，-bt）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）×1+Dt+1（xt，yt，bt；yt，-bt）1+Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）1/2
（10）
如果方向向量g由（y，-b）变为（y，b），上式变为不考虑非期望产出的标准Malmquist指数（M指数）。ML指数可以被分解为技术效率变化指数（MLTEC）与技术进步指数（MLTP）。
MLt，t+1=MLTECt，t+1×MLTPt，t+1（11）
MLTECt，t+1=1+Dt（xt，yt，bt；yt，-bt）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1） （12）
MLTPt，t+1=1+Dt+1（xt，yt，bt；yt，-bt）1+Dt（xt，yt，bt；yt，-bt）×1+Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）1/2 （13）
MLTEC衡量生产单位实际生产点向最优的生产前沿面的逼近程度，MLTP衡量生产可能性边界向外扩张的动态变化。ML、MLTEC、MLTP大于（小于）1分别表示生产率增长（下降）、技术效率改善（恶化）、前沿技术进步（退步）。本文采用MaxDEA 6.0软件对式（9）涉及的四个DDF线性规划问题进行求解。
2.3 指标选取与数据来源
2.3.1 指标的选取
（1）投入指标：鉴于农地城市流转是土地用途的转变，土地资源从农业用途向城市建设用途重新配置，同时土地从第一产业流转到非农产业即第二、三产业，在参与社会经济生产的过程中，与其它生产要素相配合，对经济增长产生促进作用，因此，将资本、劳动力、农地城市流转量、能源消耗量作为社会经济生产的投入要素。
（2）产出指标：由于农地流转为城市建设用地后，对第一产业影响较小，对经济增长的贡献主要体现在对第二、三产业产值增长的促进作用上，所以将城市群内各城市二、三产业生产总值作为整个城市群的期望产出；农地流转为城市建设用地后参与社会生产，其对环境及生态造成的负面影响是多方面的，本文用环境污染表示这类负面影响，利用废水、废气、固体废弃物排放量及处理各类废弃物单价来构成环境污染综合指数，作为非期望产出。
2.3.2 变量定义及说明
上述投入产出变量定义及其运算公式见表2。
表2 变量定义及说明
Tab.2 Variable definitions and instructions
2.3.3 數据来源及处理
利用DEA法进行农地城市流转TFP分析的研究时段选为1999—2013年。各城市群的每项投入、产出指标均为所包含城市对应指标数值加总而来。数据为15年的平衡面板数据。
投入、产出指标数据来源为：废水、废气、固体废弃物排放量及处理单价来自《中国环境统计年鉴》（2000—2014年），二、三产业生产总值、城镇固定资产投资来自《中国区域经济统计年鉴》（2000—2014年），二、三产业单位从业人员数量来自《中国城市统计年鉴》（2000—2014年），各城市征收土地面积来自《中国城市建设统计年鉴》（2000—2014年），能源消费总量来自《中国能源统计年鉴》（2000—2014年）。由于有些城市群所包含的城市既有地级市也有县级市（如：仙桃、潜江、天门、巢湖、楚雄、临夏等），它们的统计数据在全国统计年鉴中没有被单独分列，因此个别县级市的数据来自于该市所属省份的统计年鉴，并根据不同年鉴统计口径差异对数据进行一定的推算和修正。
为消除价格因素对计算结果的影响，二、三产业生产总值数据采用生产总值指数修正，城镇固定资产投资采用固定资产投资指数修正，均调整为1999年的不变价格。
3 研究结果分析
3.1 考虑非期望产出与否的农地城市流转TFP对比
3.1.1 测度结果差异性检验
本文利用同时考虑了待比较数据的值和排序大小的非参数统计方法——威尔克森符号秩和检验法（Wilcoxon Matched-pairs Signed-ranks Test），对考虑和不考虑非期望产出的中国城市群农地城市流转TFP在1999—2013年各城市群的年平均值计算结果进行统计检验，看它们是否满足相同分布的假设，从而来判定两组结果是否存在显著的差异。
运用SPSS20.0统计软件，调用非参数检验模块，对表3中的M和ML数据进行符号秩和检验。从输出的统计结果得到T=3.258，按照α=0.05的显著性水平，查表得到Tα=30，则有T≤Tα，因此拒绝两个总体分布相同的原假设H0，即认为考虑与不考虑非期望产出的中国城市群农地城市流转TFP变化指数测度结果存在明显的差异。因此，考虑非期望产出与否对中国城市群农地城市流转TFP变化的研究结果影响重大，在研究时考虑社会经济生产过程中的非期望产出即环境污染是合理且必要的。
3.1.2 非期望产出对农地城市流转TFP变动的影响
图1所示为1999—2013年间考虑非期望产出与否的中国城市群整体农地城市流转TFP变动指数。Fre等证明了ML指数和M指数的差别关键在于期望产出和非期望产出相对增长率的大小[28]。当投入一定时，若ML指数大于（小于）M指数，则意味着期望产出的增长速度高于（低于）非期望产出的增长速度，在本文中即可认为生产模式为环保（不环保）。
由图1得到，1999—2005年间中国城市群农地城市流
表3 考虑与不考虑非期望产出的中国城市群
农地城市流转TFP变化指数
Tab.3 Rural-urban land conversion tfp variability index of
metropolitan areas in China with and without
considering the undesirable outputs
转ML指数普遍小于M指数，2005到2010年间ML指数普遍大于M指数，2010年后ML指数又变为小于M指数的状态。即可认为从1999—2013年间，中国城市群在利用包括经流转由农用变为城市建设用土地资源在内的生产要素进行社会经济生产的过程中，生产经历了由不环保到环保，再由环保到不环保的历程，其中2005年和2010年为其产生变化的转折时点。
1999—2005年间，ML指数和M指数间的差距逐渐缩小，说明中国政府在城市群建设过程中生态环境保护意识不断加强，不断地接受和促进有利于环保和可持续发展的先进技术和管理模式，因此尽管城市群农地城市流转呈现不环保状态，但污染和损害程度不断降低；2005—2010年间，城市群在建设过程中大幅接纳和吸收社会经济生产的先进生产物资和生产、管理技术，有利于土地和其它生产要素的合理配备与效用发挥，形成了资源、环境和发展的三方良性循环局面；而2010年在世界经济危机以及社会经济转型的背景下，城市群的建设速度增大，在一系列倡导城市群发展的政策出台后，城市群建设有一定的盲目和混乱，城市外延扩张无序和城市用地低绩效问题并存，从而带来了环境的污染和破坏。
3.2 农地城市流转TFP变动的时间趋势特征
选取1999—2013年土地和经济政策发生重大变化的2003年和2008年为时间节点，将研究区间划分为三个不同的政策阶段，即1999—2003年、2003—2008年、2008—2013年，来研究在非期望产出约束之下，不同政策阶段的农地城市流转TFP的变动及其来源分解（见表4）。
1999—2003年间，中国城市群农地城市流转TFP增长率为-6.00%，呈现为下降趋势，其组成要素技术效率和技术进步的增长率分别为-0.40%和-5.46%。1999年第二次修订的《土地管理法》正式实施，对于城市扩张过程中的农地城市流转有一定的抑制作用，因此1999—
图1 1999—2013年考虑非期望产出与否的TFP变动指数
Fig.1 TFP variability index with and without considering the undesirable
outputs from 1999 to 2013
2003年间，之前过度依赖土地要素的社会经济生产模式受到一定程度影响，各生产要素的配置和利用方式不断地得到调整，之前的技术对于提高农地城市流转效率，在控制环境污染前提下带来经济产出的作用有限，因此这一阶段的技术进步呈现较大的负增长趋势，从而直接导致农地城市流转TFP的下降。
2003—2008年间，农地城市流转TFP变为上升趋势，年均增长率为0.74%，其中技术效率和技术进步的年均增长率分别为-1.94%和3.86%，主导农地城市流转TFP上升的因素为技术的进步。说明在这一阶段，中国城市群整体上用于控制环境污染和提高生产要素节约集约利用的高新科技得到了一定程度的发展和推广，这些技术对于提升农地城市流转TFP起到了关键作用。
2008—2013年间，农地城市流转TFP变为下降趋势，年均增长率为-0.76%，其中技术效率和技术进步的年均增长率分别为3.19%和-3.42%，由于技术进步的下降所带来的影响抵消了技术效率上升的影响，因此TFP表现为下降。2008年后，为应对国际金融危机，土地政策从之前针对经济运行偏热过快而实施的以“控”为主，调整为以“保”为主，进入到第二轮土地政策参与宏观调控阶段。同时，2011—2013年在国家一系列重点发展城市群的政策引导下，中国城市群农地城市流转力度增大，城市群经济发展程度也随之快速加深，农地城市流转规模的配置与经济发展匹配更协调，农地城市流转效率提升迅速。但在此期间，针对生产要素，尤其是土地要素节约集约利用同时控制和处理生产过程中污染排放的技术发展和推广应用受限，处理环境污染的成本高同时经济快速发展带来的污染物排放量增加迅速，最终导致了农地城市流转TFP的下降。
3.3 农地城市流转TFP变动的地域分布特征
按照国家统计局公布的我国经济区域划分标准，根据本文研究的城市群包含城市所属省份，可将我国城市群也划分为东北、东、中、西四大类别（东北城市群为辽中南、哈长，共2个城市群；东部城市群为京津冀、长三角、海峡西岸、山东半岛、珠三角，共5个城市群；中部城市群为皖江、中原、武汉、长株潭，共4个城市群；西部城市群为北部湾、
表4 不同政策阶段Malmquist-Luenberger指数及其分解
Tab.4 Malmquist-Luenberger index and its components
in different policy stages
成渝、滇中、关中、兰州西宁，共5个城市群）。对1999—2013年间我国东北、东、中、西部城市群农地城市流转TFP的变动及其来源分解进行分析。
由表5可得，1999—2013年間东北、东、中、西部的城市群均呈现出农地城市流转TFP下降的趋势，其中西部城市群下降幅度最大（增长率为-3.12%），东部次之（增长率为-2.95%），东北较小（增长率为-1.69%）。
针对技术效率而言，1999—2013年间东北、东、中、西部城市群技术效率呈降低状态，中部城市群降低的幅度最小（降幅0.06%），其次为东部城市群（降幅0.14%），再次为东北城市群（降幅0.26%），降幅最大的为西部城市群（降幅0.80%）。说明中部城市群在发展过程中对于降低污染和高效利用生产要素的先进技术的接纳和采用程度较高，因此纯技术效率变化指数处于上升态势，生产要素配置和利用较东北地区、东部地区和西部地区更为高效。东部城市群大多数地处沿海地带，具有良好的自然和地理条件，并受到政策的高度关注，经济发展较其它区域城市群迅速，但其在快速的发展过程中对于资源和能源的利用是巨大的，存在较大程度低绩效利用，展现出“高投入，高产出，高污染”的社会经济生产模式。东北城市群地处东北老工业基地，传统产业竞争力下降，战略性新兴产业和环保产业发展滞后，资源环境压力巨大。对于西部城市群而言，由于西部城市群大多处于发展的初期，社会经济生产模式多为“低投入，低产出，低污染”或“高投入，低产出，低污染”状态，因此如何在控制污染排放的前提下进行生产模式改进，提高投入要素，尤其是经流转由农用变为城市建设用土地资源的利用效率，是其改进的重点。
针对技术进步指数而言，1999—2013年间东北、东、中、西部城市群技术进步都呈下降态势，其年均增长率分别为-1.44%、-2.82%、-2.11%和-2.34%，说明东北、东、中、西部城市群随着经济发展、城市群建设，带来环境污染和城市外延扩张加速，技术对于污染的控制和土地更合理高效利用的作用在四大区域的城市群中都未能很好的发挥，在今后的发展过程中，对于此类先进技术的开
表5 四大经济区城市群Malmquist-Luenberger
指数及其分解
Tab.5 Malmquist-Luenberger index and its components
of metropolitan areas in Chinas four economic zone
发和推广是推进农地城市流转TFP增长的关键，如何将环保技术融入社会经济生产技术是亟须考虑的关键问题。
3.4 农地城市流转“环境技术领先”城市群确认
3.4.1 “环境技术领先者”身份确认标准
在对农地城市流转TFP进行全面分析的基础上，本文进一步地在所有决策单元中鉴别出农地城市流转“环境技术领先者”，即在各个时间段内，所研究的16大城市群中，哪些城市群在主导着生产前沿面的向外扩张？根据Fre等[28]的文献，以下条件作为农地城市流转“环境技术领先者”身份确认的标准。
MLTPt+1t>1
Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）<0
Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）=0 （14）
式（14）中，第一个条件表示技术是在进步的，即生产前沿面沿着既定方向向外扩张；第二个条件表示技术发生进步后，t+1时期的社会经济生产发生在t时期的生产前沿面之外；第三个条件表示生产单元处在当期的生产前沿面上，即技术效率达到最优，其值为1。如果以上三个条件同时满足，该DMU就是t到t+1时期的农地城市流转“环境技术创新者”。
3.4.2 “环境技术领先”的城市群及其分布
按照式（14）的农地城市流转“环境技术领先者”的确认标准，对1999—2013年每相邻两年各城市群进行筛选，得到如表6所示的农地城市流转“环境技术领先者”在14个时间段内的分布状况。
由表6可得并非每个时间段内都有农地城市流转“环境技术领先者”出现，没有城市群成为农地城市流转“环境技术领先者”的时间段内各城市群的农地城市流转TFP的增长均受到一定程度的环境污染影响，由于技术发展受限，环境技术在促进TFP增长上的作用有限，技术优势并未得到充分发挥。“环境技术领先者”出现比较集中的时间段为2000—2001年、2002—2005年及2007—2008年。这些时间段内，中国城市群在社会经济生产过程中采取节约能源并有利于生产环境维护的措施，自发地在生产过程中尽量减少有害环境的物质排放、增加农地城市流转资源的投入要素使用效率及采取改善城市群环境的措施，维护城市群经济可持续发展的效果较好。
在非期望产出的约束下，1999—2013年共15年间，共有7个城市群的生产前沿面发生过至少一次的向外移动，即农地城市流转参与社会经济生产过程中的生产技术进步了。其中，珠三角城市群5次，长三角城市群4次，武汉城市群3次，山东半岛城市群2次，海峡西岸城市群、皖江城市群、哈长城市群均为1次。对“环境技术领先者”进行分析可得：珠三角城市群产业转型升级较快，高污染高消耗的企业较少，总体生态环境良好；长三角城市群企业科技研发投入大，企业自主创新活跃，引进人才体制机制灵活，是我国先进科技产生和发展的重点区域；武漢城市群资源和生态环境条件优越，但存在局部污染严重的问题，借助较强的科技教育实力，不断加强资源节约型和环境友好型社会建设，推动城市群形成绿色低碳的生产生活方式和城市建设管理模式。以上分析表明，这些城市群的科技发展程度较高，在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，在保证经济增长的同时能够较大程度地控制环境污染，其农地城市流转TFP的增长更多地依靠前沿技术进步。
4 研究结论及政策含义
4.1 研究结论
本文从我国经济和社会双重转型背景出发，以16大城市群为研究对象，考虑经济发展所带来的环境污染，应用基于方向性距离函数的Malmquist-Luenberger指数，借助DEA方法求解，利用1999—2013共15年的面板数据，对社会经济生产过程之中的农地城市流转TFP加以分析，得到以下结论：
（1）考虑非期望产出与否对中国城市群农地城市流转TFP变化的测度结果影响重大。通过对比考虑非期望产出与否的测度结果的差异，得到中国城市群在利用包括
表6 1999—2013年农地城市流转“环境技术
领先者”的身份确认
Tab.6 Identification of rural-urban land conversion
‘innovator for environmental technology from
1999 to 2013
农地城市流转资源在内的生产要素进行社会经济生产的过程中，生产经历了由不环保到环保，再由环保到不环保的历程。
（2）在1999—2013年研究期内，农地城市流转参与社会经济生产的过程中，减少污染与环境副作用力的技术发展和推广还存在一定障碍，无法更为有效地提高生产要素投入质量。中国城市群的建设与发展受到不同时期经济发展及土地管理相关政策的影响，其农地城市流转TFP及其增长的源泉也处在不断波动及变换状态。
（3）对于分处于我国不同区域的16大城市群而言，农地城市流转TFP在研究的时间区间内均处下降状态，其中西部城市群下降幅度最大，中部和东部次之，东北较小；当前的土地利用管理对农地城市流转TFP及其构成要素的区域差异考虑欠缺，还未实现根据各城市群发展特征、资源禀赋状况以及区域功能定位差异等特点，实施土地利用差别化管理。
（4）并非每個相邻时间段都有“环境技术领先者”出现；除珠三角、长三角和武汉城市群科技发展程度较高，在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，其它绝大多数城市群在利用技术对环境污染进行控制和处理方面都有待加强。
4.2 研究启示及政策含义
针对上述研究结论，得到的研究启示和政策含义包括：
（1）研究农地城市流转TFP时考虑社会经济生产的非期望产出即环境污染是合理且必要的。
（2）在国家建设城市群、经济区和试验区的热潮下，各地争相扩大自身城市建设规模，建设新城区，扩大势力范围，导致大量农用地在短时间内被流转为城市建设用地，这严重影响城乡关系，加剧城乡用地矛盾，浪费大量土地资源。因此，有必要合理控制农地城市流转规模与城市增长边界，优化农地城市流转TFP并提升城市群经济发展质量。
（3）地理位置优越、经济发展水平较好、产业结构较完善的东部地区城市群应当重点调整生产要素投入的数量和比例结构，引导城市群农地城市流转供给与产业发展用地需求更好地匹配；产业结构不够合理、城市间相互联系不紧密且生态环境治理任务艰巨的的东北城市群，应当加强中小城市支撑能力、优化城镇发展体系、实现生态环境共建；中、西部城市群应严控农地城市流转量，利用自身独特的资源禀赋条件对城市建设用地进行内涵挖潜，释放闲置、低效土地的利用潜力。
（4）为确保中国城市群健康稳定发展，需要积极适应把握经济发展新常态，全面推进绿色发展理念，走绿色环保城市群发展道路。城市群发展要注意更多地使用可再生资源和环保能源，保证生产所投入的资源具有自我更新的能力。同时，对宝贵的土地资源加以合理高效的配置和利用，为后代的发展及其对环境方面的需要作长远考虑，不用掠夺的方式来促进城市群的暂时繁荣。
（编辑：李 琪）
参考文献（References）
[1]厉以宁. 中国经济双重转型之路[M]. 北京：中国人民大学出版社， 2013. [LI Yining， Chinese economy in dual transition[M]. Beijing： China Renmin University Press， 2013.]
[2]顾朝林. 城市群研究进展与展望[J]. 地理研究， 2011， 30（5）： 771-783. [GU Chaolin. Study on urban agglomeration： progress and prospects[J]. Geographical research， 2011， 30（5）： 771-783.]
[3]黄珂， 张安录， 张雄. 中国城市群农地城市流转效率研究——基于三阶段DEA与Tobit模型的实证分析[J]. 经济地理， 2014， 34（11）： 74-80. [HUANG Ke， ZHANG Anlu， ZHANG Xiong. A study of rural-urban land conversion efficiency of urban agglomerations in China：an empirical analysis based on three-stage DEA model and Tobit model[J]. Economic geography， 2014， 34（11）： 74-80.]
[4]石晓平， 曲福田. 中国东中西部地区土地配置效率差异的比较研究[J]. 山东农业大学学报（社会科学版）， 2001， 3（2）： 27-32. [SHI Xiaoping， QU Futian. Comparative study on land allocation efficiency in eastern，central and western China[J]. Journal of Shandong Agricultural University （social sciences edition）， 2001， 3（2）： 27-32.]
[5]陈江龙， 曲福田. 农地非农化效率的空间差异及其对土地利用政策调整的启示[J]. 管理世界， 2004（8）： 37-42. [CHEN Jianglong， QU Futian. The dissimilarity in space of the non-agricultural efficiency of farmland and its inspiration to policy adjustment of use of land[J]. Management world， 2004（8）： 37-42.]
[6]曲福田， 谭荣. 中国土地非农化的可持续治理[M]. 北京：科学出版社， 2010. [QU Futian， TAN Rong. Sustainable governance of land conversion in China[M]. Beijing： Science Press， 2010.]
[7]谭荣， 曲福田. 农地非农化代际配置与农地资源损失[J]. 中国人口·资源与环境， 2007， 17（3）： 28-34. [TAN Rong， QU Futian. Intergenerational allocation of farmland conversion and farmland resource loss[J]. China population， resources and environment， 2007， 17（3）： 28-34.]
[8]曲福田， 冯淑怡， 诸培新， 等. 制度安排、价格机制与农地非农化研究[J]. 经济学（季刊）， 2004， 4（1）： 229-248. [QU Futian， FENG Shuyi， ZHU Peixin， et al. Institutional arrangemengts， price system and farmland conversion[J]. China economic quarterly， 2004， 4（1）： 229-248.]
[9]楊志荣， 吴次芳， 靳相木， 等. 基于DEA模型的城市用地经济效益比较研究[J].长江流域资源与环境，2009，18（1）：14-18.[YANG Zhirong， WU Cifang， JIN Xiangmu， et al. Comparative study on urban land use economic benefit based on DEA[J]. Resources and environment in the Yangtze Basin， 2009， 18（1）： 14-18.]
[10]赵云泰， 黄贤金， 陈志刚， 等. 基于DEA的中国农地非农化效率及其变化[J]. 长江流域资源与环境， 2011， 20（10）： 1228-1234. [ZHAO Yuntai， HUANG Xianjin， CHEN Zhigang， et al. Farmland conversion efficiencies and their changes in china based on DEA mdoel[J]. Resources and environment in the Yangtze Basin， 2011， 20（10）： 1228-1234.]
[11]张友祥， 金兆怀. 城市土地要素的产出弹性及其对经济增长贡献[J]. 经济理论与经济管理， 2012（9）： 51-56. [ZHANG Youxiang， JIN Zhaohuai. The output elasticity of urban land and its contribution to economic growth[J]. Economic theory and business management， 2012（9）： 51-56.]
[12]张雄， 张安录， 闵敏. 湖北省农地城市流转效率及其影响因素[J]. 中国人口·资源与环境， 2013， 23（3）： 146-151. [ZHANG Xiong， ZHANG Anlu， MIN Min. Evaluation on rural-urban land conversion efficiency of Hubei Province[J]. China population， resources and environment， 2013， 23（3）： 146-151.]
[13]黄珂， 陈竹， 张安录. 基于前沿分析法的武汉城市圈农地城市流转效率研究[J]. 中国土地科学， 2014， 28（7）： 24-30. [HUANG Ke， CHEN Zhu， ZHANG Anlu. Rural-to-urban land transfer efficiency： a frontier analysis of Wuhan metropolitan area[J]. China land sciences， 2014， 28（7）： 24-30.]
[14]曲福田， 朱新华. 不同粮食分区耕地占用动态与区域差异分析[J]. 中国土地科学， 2008， 22（3）： 34-40. [QU Futian， ZHU Xinhua. A study of the conversion of cultivated land in various grain areas and regional difference[J]. China land sciences， 2008， 22（3）： 34-40.]
[15]张雄， 张安录. 武汉城市圈农地城市流转效率评价[J]. 中国土地科学， 2013（10）： 69-75. [ZHANG Xiong， ZHANG Anlu. Evaluating the effciency of rural-urban land conversion in the urban agglomeration of Wuhan[J]. China land sciences， 2013（10）： 69-75.]
[16]查冬兰， 周德群， 严斌剑. 能源约束下的我国全要素生产率增长比较——基于技术可变的面板随机前沿生产模型[J]. 系统工程， 2009， 27（6）： 8-14. [ZHA Donglan， ZHOU Dequn， YAN Binjian. The total factor productivity growth under the restraint of energy consumption： a stochastic frontier production panel data model with tim e-v ariant[J]. Systems engineering， 2009， 27（6）： 8-14.]
[17]孙广生， 黄祎， 田海峰， 等. 全要素生产率、投入替代与地区间的能源效率[J]. 经济研究， 2012（9）： 99-112. [SUN Guangsheng，HUANG Yi，TIAN Haifeng， et al. Total factor productivity，inputs substitution and regional energy efficiency disparity[J]. Economic research journal， 2012（9）： 99-112.]
[18]胡晓珍， 杨龙. 中国区域绿色全要素生产率增长差异及收敛分析[J]. 财经研究， 2011， 37（9）： 123-134. [HU Xiaozhen， YANG Long. Analysis of growth differences and convergence of regional green TFP in China[J]. Journal of finance and economics， 2011， 37（9）： 123-134.]
[19]钟水映， 冯英杰. 中国省际间绿色发展福利测量与评价[J]. 中国人口·资源与环境， 2017， 27（9）： 196-204. [ZHONG Shuiying， FENG Yingjie. Green development welfare measurement and evaluation among Chinas provinces[J]. China population， resources and environment， 2017， 27（9）： 196-204.]
[20]朱智洺， 张伟. 碳排放规制下中国主要工业行业全要素生产率研究[J]. 资源科学， 2015， 37（12）： 2341-2349. [ZHU Zhiming， ZHANG Wei. Total factor productivity of industries in China under carbon emission constraints[J]. Resources science， 2015， 37（12）： 2341-2349.]
[21]张金灿， 仲伟周. 基于随机前沿的我国省域碳排放效率和全要素生产率研究[J]. 软科学， 2015， 29（6）： 105-109. [ZHANG Jincan， ZHONG Weizhou. Research of Chinese provincial carbon efficiency and total factor productivity based on SFA[J]. Soft science， 2015， 29（6）： 105-109.]
[22]姜海， 曲福田. 不同发展阶段建设用地扩张对经济增长的贡献与响应[J]. 中国人口·资源与环境， 2009， 19（1）： 70-75. [JIANG Hai， QU Futian. Contribution and response of constructed land expansion to economic growth at different development stages[J]. China population， resources and environment， 2009， 19（1）： 70-75.]
[23]李鑫， 張瑞平， 欧名豪， 等. 建设用地二三产业增长贡献及空间相关性研究[J]. 中国人口·资源与环境， 2011， 21（9）： 64-68. [LI Xin， ZHANG Ruiping， OU Minghao， et al. Study on construction land contribution to secondary & service industryand its spatial correlation[J]. China population， resources and environment， 2011， 21（9）： 64-68.]
[24]谭术魁， 饶映雪， 朱祥波. 土地投入对中国经济增长的影响[J]. 中国人口·资源与环境， 2012， 22（9）： 61-67. [TAN Shukui， RAO Yingxue， ZHU Xiangbo. Study on the Influence of land investment on regional economic growth[J]. China population， resources and environment， 2012， 22（9）： 61-67.]
[25]毛伟， 赵新泉， 居占杰. 纳入土地要素的中国全要素生产率再估算及收敛性分析[J]. 资源科学， 2014， 36（10）： 2140-2148. [MAO Wei， ZHAO Xinquan， JU Zhanjie. Re-Estimation of TFP in China and its convergence accounting for the land factors[J]. Resources science， 2014， 36（10）： 2140-2148.]
[26]FRE R， GROSSKOPF S， LOVELL C A K. Production frontiers[M]. Cambridge： Cambridge University Press， 1994.
[27]CHUNG Y H， FRE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997， 51（3）： 229-240.
[28]FRE R， GROSSKOPF S， PASURKA J C A. Accounting for air pollution emissions in measures of state manufacturing productivity growth[J]. Journal of regional science， 2001， 41（3）： 381-409.
Study on total factor productivity of rural-urban land conversion of metropolitan
areas in China： from the perspective of undesirable output
HUANG Ke1，2 ZHANG An-lu2 LI Hui-qin1
（1.School of Economics and Management， China University of Geosciences， Wuhan Hubei 430074， China；
2.College of Land Management， Huazhong Agricultural University， Wuhan Hubei 430070， China）
Abstract
Under the background of socioeconomic transformation， metropolitan areas have become major geographic units that support regional economic growth. The formation and development of metropolitan areas are based on the urban sprawl and always encroach on farmland. Problems then arise： excessive land conversion from rural to urban areas which impedes on food security and lead to irreversible destruction of ecological environment. This paper took 16 metropolitan areas in China as study areas， considered environmental pollution as an undesirable output， and used Malmquist-Luenberger index based on Directional Distance Functions to measure the Total Factor Productivity （TFP） of Rural-urban Land Conversion （RULC） which relied on the method of Data Envelopment Analysis （DEA） and the data from 1999 to 2013. The results were： ①When we studied the TFP of RULC， it was reasonable and necessary to consider the undesirable output （environment pollution）. ②From 1999 to 2013， there were barriers in the development and promotion of the technique which could be used to reduce environment pollution and its side effect in the process of socioeconomic production with RULC participating， therefore， the production factors could not be used efficiently. ③The average TFP of RULC of the 16 metropolitan areas in China decreased smoothly from the western， the northeastern and central to the eastern metropolitan areas during the study period. ④The number of times that Pearl River Delta， Yangtze River Delta and Wuhan metropolitan areas became innovators were the most， because these metropolitan areas could use the advanced technique rationally in socioeconomic production with RULC participating. According to the research results and in order to improve efficiency of RULC in the metropolitan areas in China， we put forward some suggestions： firstly， the amount of the rural-urban conversion land and boundary of urban growth must be reasonable controlled， TFP of RULC should be optimized， and the quality of economic development in metropolitan areas must be promoted； secondly， regional differences of TFP of RULC and its components must be taken into full consideration and differential management strategy of land use can be implemented to different metropolitan areas according to their development features， resource endowment and regional function orientations； lastly， renewable resource and green energy must be more used and land resource must be allocated reasonably and used efficiently， and we must follow the green development path.
Key words rural-urban land conversion； total factor productivity； undesirable outputs； Malmquist-Luenberger index； metropolitan areas in China
摘要 经济社会双重转型背景下，城市群已成为带动区域经济增长的主要地域单元，其形成与发展以城市扩张为基础，需不断占用农地资源。当前主要问题为农地城市流转过度，粮食安全受到威胁、生态环境遭到不可逆转的破坏。基于此，本文以中国16大城市群为研究对象，考虑环境污染，应用基于方向性距离函数的Malmquist-Luenberger指数，利用1999年至2013共15年的面板数据，借助数据包络分析法（DEA），对农地城市流转全要素生产率（TFP）进行测算和分析。结果显示：①研究农地城市流转TFP时考虑非期望产出即环境污染是合理且必要的。② 1999年至2013年，农地城市流转参与社会经济生产的过程中，减少污染与环境副作用的技术发展与推广还存在障碍，提高生产要素投入质量的能力有限。③对16大城市群而言，农地城市流转TFP在研究期内均下降，西部城市群下降幅度最大，中部和东部次之，东北较小。④珠三角、长三角和武汉城市群在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，作为“环境技术领先者”次数较多。针对研究结论，为我国城市群有效进行农地城市流转提出几点建议：第一，合理控制农地城市流转规模与城市增长边界，优化农地城市流转TFP，并提升城市群经济发展质量。第二，充分考虑农地城市流转TFP及其构成要素的区域差异，根据各城市群发展特征、资源禀赋状况以及区域功能定位差异等特点，实施土地利用差别化管理。第三，更多地使用可再生的资源和环保能源，并对土地资源加以合理配置和高效利用，走绿色环保城市群发展道路。
关键词 农地城市流转；全要素生产率；非期望产出；Malmquist-Luenberger指数；中国城市群
中图分类号 F301.2
文献标识码 A 文章编号 1002-2104（2018）05-0132-10 DOI：10.12062/cpre.20171102
目前的中国，已经进入经济结构调整和社会发展方式转型的关键阶段，经济社会双重转型是体制与发展的重叠与交叉转型[1]。在此转型关键时期，新型城镇化成为了中国经济发展的引擎，城市群凭借其人口、产业集聚和经济辐射能力，已成为承载城镇化进程的主要地域单元[2]，它对促进区域经济持续增长、提升中国在全球经济格局中的地位起到重要作用。城市群的形成与发展是以城市扩张和产业集聚为基础，而城市扩张需不断占用农地资源，当前问题主要表现为城市建设用地供给矛盾与用地粗放利用现象并存，农地城市流转过度，粮食安全受到威胁、生态环境遭到不可逆转的破坏[3]。作为重要生产要素的土地资源，其农业和非农用途之间配置的矛盾在城市群内显得尤为突出。农地城市流转作为土地用途转换主要方式之一，是区域社会经济发展在土地资源配置方面的必然表现。针对我国最具发展潜力及最受政策关注的城市群而言，在农地城市流转参与社会经济生产的过程中，经济增长源泉是单纯的土地、资本和劳动力等资源要素的共同作用，还是生产率的提高，亦或是技术进步？将环境污染纳入衡量体系与否，对分析经济增长及其源泉是否会产生影响？哪些城市群在农地城市流转参与社会经济生产的过程中对提升经济发挥了引领和带动作用？这些问题都可归于农地城市流转全要素生产率（Total Factor Productivity，TFP）的研究范畴。
1 文献综述
针对城市群发展过程中不可避免要发生的农地城市流转过程，其流转效率的相关研究是本次TFP问题研究之基础。国内农地城市流转效率研究始于对区域间农地非农化配置的效益差异分析[4]，通过测度农地非农化在代际配置、空间配置、配置方式等方面的效率与帕累托最优的差距[5]，进一步测算农地非农化过度性损失数量[6]；研究方法从对农地城市流轉效率的影响因素的定性讨论转向定量测算；测算方法从传统的“边际原则”下的效率测度[7-8]，转向以数据包络分析（Data Envelopment Analysis，DEA）为代表的非参数前沿法[9-10]和以SFA为代表的参数前沿法[11-12]，以及两种方法的结合[13]。研究尺度有微观化、细致化趋势：最初是将全国划分为东、中、西三个大区域[4]；随后分为粮食主产区、粮食主销区、粮食产销平衡区这三个地域单元[14]；近年来，在经济联合体，如城市圈内进行农地城市流转效率测度和优化配置研究逐渐兴起[3、13、15]。
农地城市流转效率反映了所考察的生产决策单元（各城市群）在考察对象集合中，以生产前沿面为参考，相较所有决策单元而言，所能获得最大产出或最小投入的效率水平，集中体现了在目前的管理水平下对现有技术的挖掘和利用能力。假设技术不发生变化，农地城市流转效率与本研究的TFP没有直接的联系；但社会经济生产具有长期性、连续性特点，这就决定了生产技术必定会发生变化，当研究涉及到效率增长、技术变动等相关概念时，农地城市流转效率就变为农地城市流转TFP增长的重要来源之一。TFP反映的是产出增长中不能被生产要素投入增加所解释的部分，其内涵更为宽泛，包括了科学技术水平的提高、生产要素质量水平的提升、规模经济效应的发挥、制度优化创新、生产方式的优化等。
传统的TFP研究不考虑土地要素，也不考虑发展所带来的环境代价，以Malmquist指数为代表的DEA技术在TFP测算方面应用较为广泛。近几年，有部分学者考虑到了经济发展所带来的资源和环境现实问题，纳入了能源成本[16-17]、环境代价[18-19]或者碳排放[20-21]。环境代价或碳排放在TFP衡量过程中通常作为非期望产出，学者们主要利用随机前沿分析方法和非参数前沿分析法来对包含了非期望产出的TFP进行测度，其中基于DEA方法的Malmquist-Luenberger 指数对于TFP增长的测算非常有效。由于大量的研究已经证明土地要素，尤其是经流转由农用变为城市建设用的土地要素对于经济增长具有极大促进作用[22-24]，但目前鲜有在TFP研究中纳入土地要素[25]，这显然难以客观衡量经济增长的现状。鉴于此，本文基于经济和社会双重转型背景，考虑农地城市流转及经济发展所带来的环境污染，以承载新型城镇化和带动经济发展的地域单元——城市群为研究对象，利用1999年至2013共15年的面板数据，使用DEA方法，对农地城市流转参与社会经济生产过程之中的农地城市流转TFP加以分析，力求以最小的资源投入达到最大的经济产出和最小的环境破坏，为我国城市群合理有效地进行农地城市流转配置和利用提供科学依据，并为促进经济和社会可持续发展提供政策方向。
中国人口·资源与环境 2018年 第5期
2 研究对象、方法及数据
2.1 研究对象
在系列政策的推动下，中国的城市群在数量和范围上都迅速增长和扩张。当前，学者们由于研究视角的不同，对中国城市群的界定标准和划分方式还存在较大争议，始终未能在中国城市群的数量及其空间范围的界定方面达成一致。依据近期中央和地方出台的相关规划文件（《全国主体功能区规划》《国家新型城镇化规划（2014—2020年）》《全国城镇体系规划（2006—2020年）》《长江三角洲地区区域规划》《皖江城市带承接产业转移示范区规划》《长株潭城市群区域规划（2008—2020年）》），结合已有研究，本文将目前我国大陆地区最具活力和发展潜力的16个城市群及其所包含的123个城市作为研究对象（见表1）。
表1 研究所选城市群及其所辖城市
Tab.1 Metropolitan areas studied and their spatial extents
2.2 研究方法
2.2.1 农地城市流转环境技术
农用地经流转变为城市建设用地，作为投入要素，参与社会经济生产的过程中，除了会生产出希望获得的正常产出，即期望产出（Desirable Output），还不可避免地会生产出不愿得到的“副产品”，即非期望产出（Undesirable Output）。结合社会经济双重转型背景，社会经济生产既要对投入要素做到尽可能地节约，又要尽可能地在获取最大经济产出同时对环境产生尽可能小的污染。因此构造包含以上两种产出的生产可能性集合，用以反映环境保护约束之下，各决策单元（Decision Making Unit，DMU）农地城市流转的环境技术。
在将生产类型设定为产出导向型的基础之上，假设特定的DMU总共使用N种投入x=（x1，…，xN）∈RN+，并生产出M种期望产出y=（y1，…，yM）∈RM+和I种非期望产出b=（b1，…，bI）∈Ri+，则环境技术可以描述为
T=[（x，y，b）：x可以生产（y，b）] （1）
亦可采用集合形式进行表示：
P（x）=[（y，b）：（x，y，b）∈T] （2）
所以，环境技术生产可能性集合表述为
T=[（x，y，b）：（y，b）∈P（x），x∈RN+] （3）
引入跨期概念后，假设时期t=1，…，T，有k=1，…，K個DMU的投入产出集合向量（x′k，y′k，b′k），按照Fre等[26]的思路，可以用DEA方法来表达环境技术：
Pt（xt）=（yt，bt）：∑Kk=1ztkytkm≥ytm，m=1，…，M；
∑Kk=1ztkbtki=bti，i=1，…，I；
∑Kk=1ztkxtkn≤xtn，n=1，…，N；
ztk≥0，k=1，…，K （4）
式（4）中，ztk为密度变量，反映了每一个时间截面上各DMU所被赋予的权重，ztk≥0表示这是一个规模报酬不变的环境技术。为了表述各时期期望产出y与非期望产出b的零结合性，还须假定：
∑Kk=1btki>0，i=1，…，I （5）
∑Ii=1btki>0，k=1，…，K （6）
式（5）表示至少有一个DMU生产出所有非期望产出，式（6）表示每一个DMU至少生产一种非期望产出。
2.2.2 方向性距离函数（Directional Distance Functions，DDF）
为维持经济增长（期望产出）且使环境污染（非期望产出）减少，利用方向性距离函数（DDF）调整期望产出和非期望产出。定义方向变量g=（gy，-gb），在投入x和环境技术结构P（x）下，从相反的方向对y与b进行调整，以保证农用地经流转变为城市建设用地参与社会经济生产时经济增长与环境保护相协调。
基于产出的方向性距离函数此时被定义为：
（x，y，b；gy，-gb）=sup[β：（y+βgy，b-βgb）∈P（x）]（7）
式（7）中，β表示在投入x既定且技术结构P（x）不变的前提下，产出向量（y，b）沿方向向量g进行变动的最大比例。β≥0；当DMU成为效率的“最佳实践者”，即达到前沿面时有β=0；否则该DMU的生产存在效率损失，β的取值越大，表示到P（x）前沿面的距离越远。
当方向向量g=（y，0）时，方向性距离函数即为传统谢泼德（Shepherd）距离函数，且：
（x，y，b；g）=1/D（x，y，b）-1 （8）
假定方向向量是中性的（g=（y，-b）），即期望产出和非期望产出变化的比例相同，在时期t的DMUk′（xtk′，ytk′，btk′）的DDF可通过以下的线性规划式求解：
Dt（xtk′，ytk′，btk′；ytk′，-btk′）=maxβ
s.t.∑Kk=1ztkytkm≥（1+β）ytk′m
∑Kk=1ztkbtki=（1-β）btk′ixtkn
∑Kk=1ztkxtkn≤xtk′n
ztk≥0
m=1，…，M；i=1，…，I；n=1，…，N；k=1，…，K（9）
2.2.3 Malmquist-Luenberger生产率指数
当时间从t跨越到t+1，基于DDF和纳入非期望产出，根据Chung等[27]及传统Malmquist指数的构造思想，TFP指数（Malmquist-Luenberger Productivity Index，ML指数）表示为：
MLt，t+1=1+Dt（xt，yt，bt；yt，-bt）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）×1+Dt+1（xt，yt，bt；yt，-bt）1+Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）1/2
（10）
如果方向向量g由（y，-b）变为（y，b），上式变为不考虑非期望产出的标准Malmquist指数（M指数）。ML指数可以被分解为技术效率变化指数（MLTEC）与技术进步指数（MLTP）。
MLt，t+1=MLTECt，t+1×MLTPt，t+1（11）
MLTECt，t+1=1+Dt（xt，yt，bt；yt，-bt）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1） （12）
MLTPt，t+1=1+Dt+1（xt，yt，bt；yt，-bt）1+Dt（xt，yt，bt；yt，-bt）×1+Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）1+Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）1/2 （13）
MLTEC衡量生产单位实际生产点向最优的生产前沿面的逼近程度，MLTP衡量生产可能性边界向外扩张的动态变化。ML、MLTEC、MLTP大于（小于）1分别表示生产率增长（下降）、技术效率改善（恶化）、前沿技术进步（退步）。本文采用MaxDEA 6.0软件对式（9）涉及的四个DDF线性规划问题进行求解。
2.3 指标选取与数据来源
2.3.1 指标的选取
（1）投入指标：鉴于农地城市流转是土地用途的转变，土地资源从农业用途向城市建设用途重新配置，同时土地从第一产业流转到非农产业即第二、三产业，在参与社会经济生产的过程中，与其它生产要素相配合，对经济增长产生促进作用，因此，将资本、劳动力、农地城市流转量、能源消耗量作为社会经济生产的投入要素。
（2）产出指标：由于农地流转为城市建设用地后，对第一产业影响较小，对经济增长的贡献主要体现在对第二、三产业产值增长的促进作用上，所以将城市群内各城市二、三产业生产总值作为整个城市群的期望产出；农地流转为城市建设用地后参与社会生产，其对环境及生态造成的负面影响是多方面的，本文用环境污染表示这类负面影响，利用废水、废气、固体废弃物排放量及处理各类废弃物单价来构成环境污染综合指数，作为非期望产出。
2.3.2 变量定义及说明
上述投入产出变量定义及其运算公式见表2。
表2 变量定义及说明
Tab.2 Variable definitions and instructions
2.3.3 數据来源及处理
利用DEA法进行农地城市流转TFP分析的研究时段选为1999—2013年。各城市群的每项投入、产出指标均为所包含城市对应指标数值加总而来。数据为15年的平衡面板数据。
投入、产出指标数据来源为：废水、废气、固体废弃物排放量及处理单价来自《中国环境统计年鉴》（2000—2014年），二、三产业生产总值、城镇固定资产投资来自《中国区域经济统计年鉴》（2000—2014年），二、三产业单位从业人员数量来自《中国城市统计年鉴》（2000—2014年），各城市征收土地面积来自《中国城市建设统计年鉴》（2000—2014年），能源消费总量来自《中国能源统计年鉴》（2000—2014年）。由于有些城市群所包含的城市既有地级市也有县级市（如：仙桃、潜江、天门、巢湖、楚雄、临夏等），它们的统计数据在全国统计年鉴中没有被单独分列，因此个别县级市的数据来自于该市所属省份的统计年鉴，并根据不同年鉴统计口径差异对数据进行一定的推算和修正。
为消除价格因素对计算结果的影响，二、三产业生产总值数据采用生产总值指数修正，城镇固定资产投资采用固定资产投资指数修正，均调整为1999年的不变价格。
3 研究结果分析
3.1 考虑非期望产出与否的农地城市流转TFP对比
3.1.1 测度结果差异性检验
本文利用同时考虑了待比较数据的值和排序大小的非参数统计方法——威尔克森符号秩和检验法（Wilcoxon Matched-pairs Signed-ranks Test），对考虑和不考虑非期望产出的中国城市群农地城市流转TFP在1999—2013年各城市群的年平均值计算结果进行统计检验，看它们是否满足相同分布的假设，从而来判定两组结果是否存在显著的差异。
运用SPSS20.0统计软件，调用非参数检验模块，对表3中的M和ML数据进行符号秩和检验。从输出的统计结果得到T=3.258，按照α=0.05的显著性水平，查表得到Tα=30，则有T≤Tα，因此拒绝两个总体分布相同的原假设H0，即认为考虑与不考虑非期望产出的中国城市群农地城市流转TFP变化指数测度结果存在明显的差异。因此，考虑非期望产出与否对中国城市群农地城市流转TFP变化的研究结果影响重大，在研究时考虑社会经济生产过程中的非期望产出即环境污染是合理且必要的。
3.1.2 非期望产出对农地城市流转TFP变动的影响
图1所示为1999—2013年间考虑非期望产出与否的中国城市群整体农地城市流转TFP变动指数。Fre等证明了ML指数和M指数的差别关键在于期望产出和非期望产出相对增长率的大小[28]。当投入一定时，若ML指数大于（小于）M指数，则意味着期望产出的增长速度高于（低于）非期望产出的增长速度，在本文中即可认为生产模式为环保（不环保）。
由图1得到，1999—2005年间中国城市群农地城市流
表3 考虑与不考虑非期望产出的中国城市群
农地城市流转TFP变化指数
Tab.3 Rural-urban land conversion tfp variability index of
metropolitan areas in China with and without
considering the undesirable outputs
转ML指数普遍小于M指数，2005到2010年间ML指数普遍大于M指数，2010年后ML指数又变为小于M指数的状态。即可认为从1999—2013年间，中国城市群在利用包括经流转由农用变为城市建设用土地资源在内的生产要素进行社会经济生产的过程中，生产经历了由不环保到环保，再由环保到不环保的历程，其中2005年和2010年为其产生变化的转折时点。
1999—2005年间，ML指数和M指数间的差距逐渐缩小，说明中国政府在城市群建设过程中生态环境保护意识不断加强，不断地接受和促进有利于环保和可持续发展的先进技术和管理模式，因此尽管城市群农地城市流转呈现不环保状态，但污染和损害程度不断降低；2005—2010年间，城市群在建设过程中大幅接纳和吸收社会经济生产的先进生产物资和生产、管理技术，有利于土地和其它生产要素的合理配备与效用发挥，形成了资源、环境和发展的三方良性循环局面；而2010年在世界经济危机以及社会经济转型的背景下，城市群的建设速度增大，在一系列倡导城市群发展的政策出台后，城市群建设有一定的盲目和混乱，城市外延扩张无序和城市用地低绩效问题并存，从而带来了环境的污染和破坏。
3.2 农地城市流转TFP变动的时间趋势特征
选取1999—2013年土地和经济政策发生重大变化的2003年和2008年为时间节点，将研究区间划分为三个不同的政策阶段，即1999—2003年、2003—2008年、2008—2013年，来研究在非期望产出约束之下，不同政策阶段的农地城市流转TFP的变动及其来源分解（见表4）。
1999—2003年间，中国城市群农地城市流转TFP增长率为-6.00%，呈现为下降趋势，其组成要素技术效率和技术进步的增长率分别为-0.40%和-5.46%。1999年第二次修订的《土地管理法》正式实施，对于城市扩张过程中的农地城市流转有一定的抑制作用，因此1999—
图1 1999—2013年考虑非期望产出与否的TFP变动指数
Fig.1 TFP variability index with and without considering the undesirable
outputs from 1999 to 2013
2003年间，之前过度依赖土地要素的社会经济生产模式受到一定程度影响，各生产要素的配置和利用方式不断地得到调整，之前的技术对于提高农地城市流转效率，在控制环境污染前提下带来经济产出的作用有限，因此这一阶段的技术进步呈现较大的负增长趋势，从而直接导致农地城市流转TFP的下降。
2003—2008年间，农地城市流转TFP变为上升趋势，年均增长率为0.74%，其中技术效率和技术进步的年均增长率分别为-1.94%和3.86%，主导农地城市流转TFP上升的因素为技术的进步。说明在这一阶段，中国城市群整体上用于控制环境污染和提高生产要素节约集约利用的高新科技得到了一定程度的发展和推广，这些技术对于提升农地城市流转TFP起到了关键作用。
2008—2013年间，农地城市流转TFP变为下降趋势，年均增长率为-0.76%，其中技术效率和技术进步的年均增长率分别为3.19%和-3.42%，由于技术进步的下降所带来的影响抵消了技术效率上升的影响，因此TFP表现为下降。2008年后，为应对国际金融危机，土地政策从之前针对经济运行偏热过快而实施的以“控”为主，调整为以“保”为主，进入到第二轮土地政策参与宏观调控阶段。同时，2011—2013年在国家一系列重点发展城市群的政策引导下，中国城市群农地城市流转力度增大，城市群经济发展程度也随之快速加深，农地城市流转规模的配置与经济发展匹配更协调，农地城市流转效率提升迅速。但在此期间，针对生产要素，尤其是土地要素节约集约利用同时控制和处理生产过程中污染排放的技术发展和推广应用受限，处理环境污染的成本高同时经济快速发展带来的污染物排放量增加迅速，最终导致了农地城市流转TFP的下降。
3.3 农地城市流转TFP变动的地域分布特征
按照国家统计局公布的我国经济区域划分标准，根据本文研究的城市群包含城市所属省份，可将我国城市群也划分为东北、东、中、西四大类别（东北城市群为辽中南、哈长，共2个城市群；东部城市群为京津冀、长三角、海峡西岸、山东半岛、珠三角，共5个城市群；中部城市群为皖江、中原、武汉、长株潭，共4个城市群；西部城市群为北部湾、
表4 不同政策阶段Malmquist-Luenberger指数及其分解
Tab.4 Malmquist-Luenberger index and its components
in different policy stages
成渝、滇中、关中、兰州西宁，共5个城市群）。对1999—2013年间我国东北、东、中、西部城市群农地城市流转TFP的变动及其来源分解进行分析。
由表5可得，1999—2013年間东北、东、中、西部的城市群均呈现出农地城市流转TFP下降的趋势，其中西部城市群下降幅度最大（增长率为-3.12%），东部次之（增长率为-2.95%），东北较小（增长率为-1.69%）。
针对技术效率而言，1999—2013年间东北、东、中、西部城市群技术效率呈降低状态，中部城市群降低的幅度最小（降幅0.06%），其次为东部城市群（降幅0.14%），再次为东北城市群（降幅0.26%），降幅最大的为西部城市群（降幅0.80%）。说明中部城市群在发展过程中对于降低污染和高效利用生产要素的先进技术的接纳和采用程度较高，因此纯技术效率变化指数处于上升态势，生产要素配置和利用较东北地区、东部地区和西部地区更为高效。东部城市群大多数地处沿海地带，具有良好的自然和地理条件，并受到政策的高度关注，经济发展较其它区域城市群迅速，但其在快速的发展过程中对于资源和能源的利用是巨大的，存在较大程度低绩效利用，展现出“高投入，高产出，高污染”的社会经济生产模式。东北城市群地处东北老工业基地，传统产业竞争力下降，战略性新兴产业和环保产业发展滞后，资源环境压力巨大。对于西部城市群而言，由于西部城市群大多处于发展的初期，社会经济生产模式多为“低投入，低产出，低污染”或“高投入，低产出，低污染”状态，因此如何在控制污染排放的前提下进行生产模式改进，提高投入要素，尤其是经流转由农用变为城市建设用土地资源的利用效率，是其改进的重点。
针对技术进步指数而言，1999—2013年间东北、东、中、西部城市群技术进步都呈下降态势，其年均增长率分别为-1.44%、-2.82%、-2.11%和-2.34%，说明东北、东、中、西部城市群随着经济发展、城市群建设，带来环境污染和城市外延扩张加速，技术对于污染的控制和土地更合理高效利用的作用在四大区域的城市群中都未能很好的发挥，在今后的发展过程中，对于此类先进技术的开
表5 四大经济区城市群Malmquist-Luenberger
指数及其分解
Tab.5 Malmquist-Luenberger index and its components
of metropolitan areas in Chinas four economic zone
发和推广是推进农地城市流转TFP增长的关键，如何将环保技术融入社会经济生产技术是亟须考虑的关键问题。
3.4 农地城市流转“环境技术领先”城市群确认
3.4.1 “环境技术领先者”身份确认标准
在对农地城市流转TFP进行全面分析的基础上，本文进一步地在所有决策单元中鉴别出农地城市流转“环境技术领先者”，即在各个时间段内，所研究的16大城市群中，哪些城市群在主导着生产前沿面的向外扩张？根据Fre等[28]的文献，以下条件作为农地城市流转“环境技术领先者”身份确认的标准。
MLTPt+1t>1
Dt（xt+1，yt+1，bt+1；yt+1，-bt+1）<0
Dt+1（xt+1，yt+1，bt+1；yt+1，-bt+1）=0 （14）
式（14）中，第一个条件表示技术是在进步的，即生产前沿面沿着既定方向向外扩张；第二个条件表示技术发生进步后，t+1时期的社会经济生产发生在t时期的生产前沿面之外；第三个条件表示生产单元处在当期的生产前沿面上，即技术效率达到最优，其值为1。如果以上三个条件同时满足，该DMU就是t到t+1时期的农地城市流转“环境技术创新者”。
3.4.2 “环境技术领先”的城市群及其分布
按照式（14）的农地城市流转“环境技术领先者”的确认标准，对1999—2013年每相邻两年各城市群进行筛选，得到如表6所示的农地城市流转“环境技术领先者”在14个时间段内的分布状况。
由表6可得并非每个时间段内都有农地城市流转“环境技术领先者”出现，没有城市群成为农地城市流转“环境技术领先者”的时间段内各城市群的农地城市流转TFP的增长均受到一定程度的环境污染影响，由于技术发展受限，环境技术在促进TFP增长上的作用有限，技术优势并未得到充分发挥。“环境技术领先者”出现比较集中的时间段为2000—2001年、2002—2005年及2007—2008年。这些时间段内，中国城市群在社会经济生产过程中采取节约能源并有利于生产环境维护的措施，自发地在生产过程中尽量减少有害环境的物质排放、增加农地城市流转资源的投入要素使用效率及采取改善城市群环境的措施，维护城市群经济可持续发展的效果较好。
在非期望产出的约束下，1999—2013年共15年间，共有7个城市群的生产前沿面发生过至少一次的向外移动，即农地城市流转参与社会经济生产过程中的生产技术进步了。其中，珠三角城市群5次，长三角城市群4次，武汉城市群3次，山东半岛城市群2次，海峡西岸城市群、皖江城市群、哈长城市群均为1次。对“环境技术领先者”进行分析可得：珠三角城市群产业转型升级较快，高污染高消耗的企业较少，总体生态环境良好；长三角城市群企业科技研发投入大，企业自主创新活跃，引进人才体制机制灵活，是我国先进科技产生和发展的重点区域；武漢城市群资源和生态环境条件优越，但存在局部污染严重的问题，借助较强的科技教育实力，不断加强资源节约型和环境友好型社会建设，推动城市群形成绿色低碳的生产生活方式和城市建设管理模式。以上分析表明，这些城市群的科技发展程度较高，在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，在保证经济增长的同时能够较大程度地控制环境污染，其农地城市流转TFP的增长更多地依靠前沿技术进步。
4 研究结论及政策含义
4.1 研究结论
本文从我国经济和社会双重转型背景出发，以16大城市群为研究对象，考虑经济发展所带来的环境污染，应用基于方向性距离函数的Malmquist-Luenberger指数，借助DEA方法求解，利用1999—2013共15年的面板数据，对社会经济生产过程之中的农地城市流转TFP加以分析，得到以下结论：
（1）考虑非期望产出与否对中国城市群农地城市流转TFP变化的测度结果影响重大。通过对比考虑非期望产出与否的测度结果的差异，得到中国城市群在利用包括
表6 1999—2013年农地城市流转“环境技术
领先者”的身份确认
Tab.6 Identification of rural-urban land conversion
‘innovator for environmental technology from
1999 to 2013
农地城市流转资源在内的生产要素进行社会经济生产的过程中，生产经历了由不环保到环保，再由环保到不环保的历程。
（2）在1999—2013年研究期内，农地城市流转参与社会经济生产的过程中，减少污染与环境副作用力的技术发展和推广还存在一定障碍，无法更为有效地提高生产要素投入质量。中国城市群的建设与发展受到不同时期经济发展及土地管理相关政策的影响，其农地城市流转TFP及其增长的源泉也处在不断波动及变换状态。
（3）对于分处于我国不同区域的16大城市群而言，农地城市流转TFP在研究的时间区间内均处下降状态，其中西部城市群下降幅度最大，中部和东部次之，东北较小；当前的土地利用管理对农地城市流转TFP及其构成要素的区域差异考虑欠缺，还未实现根据各城市群发展特征、资源禀赋状况以及区域功能定位差异等特点，实施土地利用差别化管理。
（4）并非每個相邻时间段都有“环境技术领先者”出现；除珠三角、长三角和武汉城市群科技发展程度较高，在农地城市流转参与社会经济生产过程中对先进技术的运用较为合理和充分，其它绝大多数城市群在利用技术对环境污染进行控制和处理方面都有待加强。
4.2 研究启示及政策含义
针对上述研究结论，得到的研究启示和政策含义包括：
（1）研究农地城市流转TFP时考虑社会经济生产的非期望产出即环境污染是合理且必要的。
（2）在国家建设城市群、经济区和试验区的热潮下，各地争相扩大自身城市建设规模，建设新城区，扩大势力范围，导致大量农用地在短时间内被流转为城市建设用地，这严重影响城乡关系，加剧城乡用地矛盾，浪费大量土地资源。因此，有必要合理控制农地城市流转规模与城市增长边界，优化农地城市流转TFP并提升城市群经济发展质量。
（3）地理位置优越、经济发展水平较好、产业结构较完善的东部地区城市群应当重点调整生产要素投入的数量和比例结构，引导城市群农地城市流转供给与产业发展用地需求更好地匹配；产业结构不够合理、城市间相互联系不紧密且生态环境治理任务艰巨的的东北城市群，应当加强中小城市支撑能力、优化城镇发展体系、实现生态环境共建；中、西部城市群应严控农地城市流转量，利用自身独特的资源禀赋条件对城市建设用地进行内涵挖潜，释放闲置、低效土地的利用潜力。
（4）为确保中国城市群健康稳定发展，需要积极适应把握经济发展新常态，全面推进绿色发展理念，走绿色环保城市群发展道路。城市群发展要注意更多地使用可再生资源和环保能源，保证生产所投入的资源具有自我更新的能力。同时，对宝贵的土地资源加以合理高效的配置和利用，为后代的发展及其对环境方面的需要作长远考虑，不用掠夺的方式来促进城市群的暂时繁荣。
（编辑：李 琪）
参考文献（References）
[1]厉以宁. 中国经济双重转型之路[M]. 北京：中国人民大学出版社， 2013. [LI Yining， Chinese economy in dual transition[M]. Beijing： China Renmin University Press， 2013.]
[2]顾朝林. 城市群研究进展与展望[J]. 地理研究， 2011， 30（5）： 771-783. [GU Chaolin. Study on urban agglomeration： progress and prospects[J]. Geographical research， 2011， 30（5）： 771-783.]
[3]黄珂， 张安录， 张雄. 中国城市群农地城市流转效率研究——基于三阶段DEA与Tobit模型的实证分析[J]. 经济地理， 2014， 34（11）： 74-80. [HUANG Ke， ZHANG Anlu， ZHANG Xiong. A study of rural-urban land conversion efficiency of urban agglomerations in China：an empirical analysis based on three-stage DEA model and Tobit model[J]. Economic geography， 2014， 34（11）： 74-80.]
[4]石晓平， 曲福田. 中国东中西部地区土地配置效率差异的比较研究[J]. 山东农业大学学报（社会科学版）， 2001， 3（2）： 27-32. [SHI Xiaoping， QU Futian. Comparative study on land allocation efficiency in eastern，central and western China[J]. Journal of Shandong Agricultural University （social sciences edition）， 2001， 3（2）： 27-32.]
[5]陈江龙， 曲福田. 农地非农化效率的空间差异及其对土地利用政策调整的启示[J]. 管理世界， 2004（8）： 37-42. [CHEN Jianglong， QU Futian. The dissimilarity in space of the non-agricultural efficiency of farmland and its inspiration to policy adjustment of use of land[J]. Management world， 2004（8）： 37-42.]
[6]曲福田， 谭荣. 中国土地非农化的可持续治理[M]. 北京：科学出版社， 2010. [QU Futian， TAN Rong. Sustainable governance of land conversion in China[M]. Beijing： Science Press， 2010.]
[7]谭荣， 曲福田. 农地非农化代际配置与农地资源损失[J]. 中国人口·资源与环境， 2007， 17（3）： 28-34. [TAN Rong， QU Futian. Intergenerational allocation of farmland conversion and farmland resource loss[J]. China population， resources and environment， 2007， 17（3）： 28-34.]
[8]曲福田， 冯淑怡， 诸培新， 等. 制度安排、价格机制与农地非农化研究[J]. 经济学（季刊）， 2004， 4（1）： 229-248. [QU Futian， FENG Shuyi， ZHU Peixin， et al. Institutional arrangemengts， price system and farmland conversion[J]. China economic quarterly， 2004， 4（1）： 229-248.]
[9]楊志荣， 吴次芳， 靳相木， 等. 基于DEA模型的城市用地经济效益比较研究[J].长江流域资源与环境，2009，18（1）：14-18.[YANG Zhirong， WU Cifang， JIN Xiangmu， et al. Comparative study on urban land use economic benefit based on DEA[J]. Resources and environment in the Yangtze Basin， 2009， 18（1）： 14-18.]
[10]赵云泰， 黄贤金， 陈志刚， 等. 基于DEA的中国农地非农化效率及其变化[J]. 长江流域资源与环境， 2011， 20（10）： 1228-1234. [ZHAO Yuntai， HUANG Xianjin， CHEN Zhigang， et al. Farmland conversion efficiencies and their changes in china based on DEA mdoel[J]. Resources and environment in the Yangtze Basin， 2011， 20（10）： 1228-1234.]
[11]张友祥， 金兆怀. 城市土地要素的产出弹性及其对经济增长贡献[J]. 经济理论与经济管理， 2012（9）： 51-56. [ZHANG Youxiang， JIN Zhaohuai. The output elasticity of urban land and its contribution to economic growth[J]. Economic theory and business management， 2012（9）： 51-56.]
[12]张雄， 张安录， 闵敏. 湖北省农地城市流转效率及其影响因素[J]. 中国人口·资源与环境， 2013， 23（3）： 146-151. [ZHANG Xiong， ZHANG Anlu， MIN Min. Evaluation on rural-urban land conversion efficiency of Hubei Province[J]. China population， resources and environment， 2013， 23（3）： 146-151.]
[13]黄珂， 陈竹， 张安录. 基于前沿分析法的武汉城市圈农地城市流转效率研究[J]. 中国土地科学， 2014， 28（7）： 24-30. [HUANG Ke， CHEN Zhu， ZHANG Anlu. Rural-to-urban land transfer efficiency： a frontier analysis of Wuhan metropolitan area[J]. China land sciences， 2014， 28（7）： 24-30.]
[14]曲福田， 朱新华. 不同粮食分区耕地占用动态与区域差异分析[J]. 中国土地科学， 2008， 22（3）： 34-40. [QU Futian， ZHU Xinhua. A study of the conversion of cultivated land in various grain areas and regional difference[J]. China land sciences， 2008， 22（3）： 34-40.]
[15]张雄， 张安录. 武汉城市圈农地城市流转效率评价[J]. 中国土地科学， 2013（10）： 69-75. [ZHANG Xiong， ZHANG Anlu. Evaluating the effciency of rural-urban land conversion in the urban agglomeration of Wuhan[J]. China land sciences， 2013（10）： 69-75.]
[16]查冬兰， 周德群， 严斌剑. 能源约束下的我国全要素生产率增长比较——基于技术可变的面板随机前沿生产模型[J]. 系统工程， 2009， 27（6）： 8-14. [ZHA Donglan， ZHOU Dequn， YAN Binjian. The total factor productivity growth under the restraint of energy consumption： a stochastic frontier production panel data model with tim e-v ariant[J]. Systems engineering， 2009， 27（6）： 8-14.]
[17]孙广生， 黄祎， 田海峰， 等. 全要素生产率、投入替代与地区间的能源效率[J]. 经济研究， 2012（9）： 99-112. [SUN Guangsheng，HUANG Yi，TIAN Haifeng， et al. Total factor productivity，inputs substitution and regional energy efficiency disparity[J]. Economic research journal， 2012（9）： 99-112.]
[18]胡晓珍， 杨龙. 中国区域绿色全要素生产率增长差异及收敛分析[J]. 财经研究， 2011， 37（9）： 123-134. [HU Xiaozhen， YANG Long. Analysis of growth differences and convergence of regional green TFP in China[J]. Journal of finance and economics， 2011， 37（9）： 123-134.]
[19]钟水映， 冯英杰. 中国省际间绿色发展福利测量与评价[J]. 中国人口·资源与环境， 2017， 27（9）： 196-204. [ZHONG Shuiying， FENG Yingjie. Green development welfare measurement and evaluation among Chinas provinces[J]. China population， resources and environment， 2017， 27（9）： 196-204.]
[20]朱智洺， 张伟. 碳排放规制下中国主要工业行业全要素生产率研究[J]. 资源科学， 2015， 37（12）： 2341-2349. [ZHU Zhiming， ZHANG Wei. Total factor productivity of industries in China under carbon emission constraints[J]. Resources science， 2015， 37（12）： 2341-2349.]
[21]张金灿， 仲伟周. 基于随机前沿的我国省域碳排放效率和全要素生产率研究[J]. 软科学， 2015， 29（6）： 105-109. [ZHANG Jincan， ZHONG Weizhou. Research of Chinese provincial carbon efficiency and total factor productivity based on SFA[J]. Soft science， 2015， 29（6）： 105-109.]
[22]姜海， 曲福田. 不同发展阶段建设用地扩张对经济增长的贡献与响应[J]. 中国人口·资源与环境， 2009， 19（1）： 70-75. [JIANG Hai， QU Futian. Contribution and response of constructed land expansion to economic growth at different development stages[J]. China population， resources and environment， 2009， 19（1）： 70-75.]
[23]李鑫， 張瑞平， 欧名豪， 等. 建设用地二三产业增长贡献及空间相关性研究[J]. 中国人口·资源与环境， 2011， 21（9）： 64-68. [LI Xin， ZHANG Ruiping， OU Minghao， et al. Study on construction land contribution to secondary & service industryand its spatial correlation[J]. China population， resources and environment， 2011， 21（9）： 64-68.]
[24]谭术魁， 饶映雪， 朱祥波. 土地投入对中国经济增长的影响[J]. 中国人口·资源与环境， 2012， 22（9）： 61-67. [TAN Shukui， RAO Yingxue， ZHU Xiangbo. Study on the Influence of land investment on regional economic growth[J]. China population， resources and environment， 2012， 22（9）： 61-67.]
[25]毛伟， 赵新泉， 居占杰. 纳入土地要素的中国全要素生产率再估算及收敛性分析[J]. 资源科学， 2014， 36（10）： 2140-2148. [MAO Wei， ZHAO Xinquan， JU Zhanjie. Re-Estimation of TFP in China and its convergence accounting for the land factors[J]. Resources science， 2014， 36（10）： 2140-2148.]
[26]FRE R， GROSSKOPF S， LOVELL C A K. Production frontiers[M]. Cambridge： Cambridge University Press， 1994.
[27]CHUNG Y H， FRE R， GROSSKOPF S. Productivity and undesirable outputs： a directional distance function approach[J]. Journal of environmental management， 1997， 51（3）： 229-240.
[28]FRE R， GROSSKOPF S， PASURKA J C A. Accounting for air pollution emissions in measures of state manufacturing productivity growth[J]. Journal of regional science， 2001， 41（3）： 381-409.
Study on total factor productivity of rural-urban land conversion of metropolitan
areas in China： from the perspective of undesirable output
HUANG Ke1，2 ZHANG An-lu2 LI Hui-qin1
（1.School of Economics and Management， China University of Geosciences， Wuhan Hubei 430074， China；
2.College of Land Management， Huazhong Agricultural University， Wuhan Hubei 430070， China）
Abstract
Under the background of socioeconomic transformation， metropolitan areas have become major geographic units that support regional economic growth. The formation and development of metropolitan areas are based on the urban sprawl and always encroach on farmland. Problems then arise： excessive land conversion from rural to urban areas which impedes on food security and lead to irreversible destruction of ecological environment. This paper took 16 metropolitan areas in China as study areas， considered environmental pollution as an undesirable output， and used Malmquist-Luenberger index based on Directional Distance Functions to measure the Total Factor Productivity （TFP） of Rural-urban Land Conversion （RULC） which relied on the method of Data Envelopment Analysis （DEA） and the data from 1999 to 2013. The results were： ①When we studied the TFP of RULC， it was reasonable and necessary to consider the undesirable output （environment pollution）. ②From 1999 to 2013， there were barriers in the development and promotion of the technique which could be used to reduce environment pollution and its side effect in the process of socioeconomic production with RULC participating， therefore， the production factors could not be used efficiently. ③The average TFP of RULC of the 16 metropolitan areas in China decreased smoothly from the western， the northeastern and central to the eastern metropolitan areas during the study period. ④The number of times that Pearl River Delta， Yangtze River Delta and Wuhan metropolitan areas became innovators were the most， because these metropolitan areas could use the advanced technique rationally in socioeconomic production with RULC participating. According to the research results and in order to improve efficiency of RULC in the metropolitan areas in China， we put forward some suggestions： firstly， the amount of the rural-urban conversion land and boundary of urban growth must be reasonable controlled， TFP of RULC should be optimized， and the quality of economic development in metropolitan areas must be promoted； secondly， regional differences of TFP of RULC and its components must be taken into full consideration and differential management strategy of land use can be implemented to different metropolitan areas according to their development features， resource endowment and regional function orientations； lastly， renewable resource and green energy must be more used and land resource must be allocated reasonably and used efficiently， and we must follow the green development path.
Key words rural-urban land conversion； total factor productivity； undesirable outputs； Malmquist-Luenberger index； metropolitan areas in China
