程开明，于静涵

（浙江工商大学统计与数学学院，浙江 杭州 310018）

1 引言

土地是经济活动的基本要素之一，为城市发展提供了物质载体。欧美国家以土地私有制为主，土地市场较为发达[1-2]，但依然存在土地资源的使用管制、空间错配等问题[3]。随着中国城镇化快速推进，城市建设用地急速增加，但由于人口基数庞大，我国城市人均建设用地面积仍低于欧美发达国家[4]。在中国政府主导土地资源配置体制下，土地所发挥的功能和施加的约束尤为明显，土地资源配置问题更为突出[5-6]。土地资源错配引发城市房价差异悬殊[7]、土地粗放利用[8]、产业升级困难[9]等问题，成为阻碍城市全要素生产率（Total Factor Productivity）提升的重要因素[10]。

2020年，中共中央国务院发布《关于构建更加完善的要素市场化配置体制机制的意见》提出，要深化要素市场化配置改革，提高要素配置效率，提升全要素生产率。在以人为核心的新型城镇化背景下，单纯依靠土地要素的宽供给来带动城市经济增长的发展模式已难以为继[11-13]，故而考察城市土地资源的错配程度，明晰土地错配对全要素生产率的影响机制及效应，对于提高土地资源配置效率、推进经济高质量发展具有重要现实意义。

土地资源的配置问题可归结为两个方面：土地供给配置和土地结构配置。土地资源供给首先在农业用地与建设用地之间相权衡，整体上对城市土地开发形成制约；其次是不同城市之间建设用地指标的配置，政府主导的土地供给直接影响城市土地供给的充裕度。土地结构配置是指城市内部存量建设用地在不同行业和不同用途的配置，对产业结构、行业发展以及全要素生产率等产生影响[14-15]。现有的土地错配研究主要集中于土地结构错配方面，以低地价、协议方式大量出让工业用地是土地结构错配的突出问题，若以协议方式出让的建设用地比例测度土地错配程度，一个城市土地错配程度越高，工业企业的资源配置效率越低，尤其是土地依赖程度高的行业更为显著[16]。地方政府的土地财政扩张，通常以抬高商服住宅用地价格来“横向补贴”工业用地低价，不仅引起城市创新创业[17]、产业集聚[18]、经济波动[19]和环境污染[20]等多方面的问题，还显著影响城市全要素生产率的提升[21-22]。

事实上，城市土地总体供给是内部结构配置的前提，土地总体上供给过度或不足对城市内部土地用途的配置具有直接影响[15,23]。2003年后中国大量建设用地指标向人口流出的中西部和中小城市倾斜[24]，人口流入的东部地区和大城市的用地指标相对被收紧，导致城市土地供给错配现象凸显。同样，在城市人均建设用地较高的欧美等国家，城市土地供给错配也对城市经济发展造成严重影响[2-3]。土地供给错配成为房价上涨的一个重要根源[25-26]，而高房价通过拉高房地产投资收益，挤占企业研发部门的资源投入，进而抑制企业全要素生产率的改善[27]。已有文献在土地供给的制度特征[28-29]、土地供给对房价[30]和区域发展的影响[31]等方面取得一些重要进展，但鲜有对城市间土地供给错配程度进行量化测度的研究，也很少考察城市土地供给错配对全要素生产率影响效应的异质性及具体路径。而明晰城市土地错配对全要素生产率影响的机制、路径及效应，可为优化城市土地资源配置提供依据，以推动城市紧凑、集约和高质量发展。

基于此，本文聚焦中国城市间建设用地的供给配置，通过空间一般均衡框架构建城市土地供给错配指数，考察经济效率视角下城市间土地供给错配特征，利用计量模型探析城市土地供给错配对全要素生产率的影响效应及路径，以期为提升土地配置效率、优化国土空间格局提供决策参考。

2 理论框架

中国城市建设用地指标从中央政府到基层政府的配置过程可概括为“总量指标的地区配置”和“区县指标的用途配置”两个阶段。在《全国土地利用总体规划纲要（2006—2020年）》执行期间，建设用地指标供给并未实现预期政策效果[29]，城市间建设用地指标供给存在明显错配。城市土地供给错配问题涉及土地供给不足与供给过度两种情况，主要通过产业结构优化与创新创业发展两条渠道对城市全要素生产率产生影响。全要素生产率是指剔除资本、劳动、土地等投入要素贡献后的综合效率[32]，也称“技术进步”，包括生产型技术进步、创新型技术进步和管理型技术进步等[33]。土地供给错配一方面通过抑制城市产业结构优化影响生产型和管理型技术进步，另一方面通过抑制城市创新创业发展影响创新型技术进步，具体影响机制及路径见图1所示。

图1 城市土地供给错配对全要素生产率的影响机制与路径Fig.1 Impact mechanism and path of urban land supply misallocation on total factor productivity

一是土地供给错配通过城市产业结构优化作用于全要素生产率。土地供给不足导致城市商服用地供给相对减少而引发地价房价上涨，城市生活成本增加直接阻碍劳动力流入[27,30]。城市房价的快速上涨导致房租成本的上升，也间接推高人力成本。由于服务对象的空间集聚性和服务产品的不可储存性，即使面临房价上涨、人力成本上升带来经营成本的快速增长，服务业企业也无法像工业企业那样转移到外围地区[34]。因此，城市土地供给不足引发的企业成本上升和劳动力流入减少阻碍服务业发展。同时，生活成本上涨还影响到城市劳动力供给，“倒逼”人员工资上升，迫使企业经营者加速资本对劳动力的替代；财政资金也被用以补贴资本对劳动的替代，部分城市产业出现“过度的资本深化”[24]，偏离具有比较优势的产业，抑制生产型技术进步，损害城市效率和经济竞争力。

对于土地供给过度的城市，产业结构优化升级受到地方政府投资偏好的影响。首先，服务业具有无形性、不易统计等特征，对经济增长的拉动作用往往被低估，地方政府强烈偏好于发展制造业[16]。其次，自2003年以来，土地要素逐渐成为地方政府招商引资、增加财政收入的筹码[14]。地方政府大量开展土地融资，以土地作为资产担保借款打造工业园区，降低工业用地价格和产业准入门槛以招商引资，导致低端制造业大规模集聚，挤占了高端制造业和现代服务业的发展空间。此外，土地供给过度还带来土地粗放式利用，工业用地大量过剩闲置造成严重资源浪费和资金占用而无法推动新兴产业发展，进而抑制城市管理型技术进步。

二是土地供给错配通过城市创新创业发展作用于全要素生产率。城市商服用地供给不足的直接后果是房地产价格上涨，企业要素使用成本提高使得小微企业和初创企业只能靠压缩其他成本的方式保持生存，必然挤压企业技术研发投入，严重影响企业创新发展[35]。房价快速上涨还增强了房产的投资属性，使房产成为多数企业和家庭的财富投资对象，对个人创业投资行为产生替代作用，投资风险高、研发周期长的企业创新活动资金被挤占，引发资本“脱实向虚”[17]，导致城市创新型技术进步受损，严重影响经济效率和高质量发展。另一方面，土地供给不足能够抑制城市空间的无序蔓延，强化城市集聚效应，有利于促进新思想、新技术等隐性知识溢出，增强创新创业者之间的互动交流、学习与合作，一定程度上对城市创新创业发展起到促进作用。

“以地融资”作为地方政府进行抵押与担保融资的重要筹码，土地供给过度的城市更易面临工业园区、开发区的土地低效利用等问题，导致地方政府债务偿还能力不足，不得不从银行借贷融资以“借新还旧”。而银行信贷是创业发展和企业推进创新研发活动的重要资金渠道，地方债务对信贷资金的挤占制约了创业、创新资金投入，影响新企业发展和企业研发投入[35]。同时，土地供给过度带动大量城市边缘地带的工业园区、开发区和新城建设，往往加剧城市空间蔓延，拉大人们的通勤距离，不利于面对面交流和隐性知识溢出[31]。而对于创新创业者而言，集聚所带来的互动交流和学习便利性是新思想、新知识的重要来源，土地供给过度导致空间集聚效应被稀释，不利于城市经济效率提升。

3 中国城市土地供给错配指数测算及特征

3.1 土地供给错配程度测算模型

与AOKI[36]利用“扭曲税”来表征资源错配水平的做法相类似，本文将土地资源纳入理论分析框架，拓展得到包含要素价格扭曲的竞争性空间一般均衡模型，测度城市间土地供给错配指数。该方法的优势在于不仅能测度城市土地资源错配程度，而且能够直观反映城市土地配置过度或不足的情况；同时，分析框架兼容性强，无需假设特定形式的偏好或生产函数，对于我国政府主导土地资源配置的体制下准确测算城市间土地供给错配程度具有较强的适用性。

假设经济体中包含N个城市，城市i代表性企业的生产函数为规模报酬不变的C-D生产函数，一个城市内所有企业生产函数相同：

式（1）中：Yit为城市实际产出；Kit、Lit和Rit分别为资本、劳动和土地投入；Ait为技术进步或全要素生产率；α、β和γ分别为资本、劳动和土地弹性，且规模报酬不变即α+β+γ= 1。

将资本、劳动和土地在城市间的错配程度以要素价格扭曲的形式表示，代表性企业利润最大化的目标函数为：

式（2）中：θKit、θLit和θRit分别为资本、劳动和土地三种要素的价格“扭曲税”；PKt、PLt和PRt为竞争性的要素价格，Pit为产品价格。

假设资本、劳动和土地生产要素总量外生给定，经济总产出Y由各城市产量共同决定：

城市i的产出占经济总产出的份额为Sit=PitYit/Yt。为使企业利润最大化，对R求导，得到竞争均衡下带有要素扭曲的土地实际配置数量：

当城市i不存在土地供给错配时，θRit=0，得到资源配置无障碍条件下城市投入的土地数量为：

当城市土地资源实际使用比例超过有效配置时的理论比例，此时错配程度λit＞1，表示该城市土地供给过度；反之，当土地错配程度λit＜1，表示城市i实际使用土地比例小于资源有效分配时的理论比例，土地资源在i城市供给不足。

由于土地供给错配存在配置不足和配置过度两种情况，为使下文回归系数的方向一致，对λit做进一步处理，得到城市土地供给错配指数：

当τit= 0时，城市不存在土地供给错配；但τit＞0时，数值越大表示城市土地供给错配程度越严重。

3.2 数据说明

城市土地供给错配指数的测算主要涉及以下变量：资本投入、劳动投入、土地投入、经济产出和各投入要素的产出弹性。

（1）资本投入。城市资本存量利用永续盘存法（PIM）进行估算。考虑到各省份的固定资产投入的结构差异，将建筑和设备使用期限分别设定为38年和16年，折旧率为8.12%和17.08%[37]，其他费用折旧率为12.1%，估算各省的异质化资本折旧率，进而测算得到城市资本存量。（2）劳动投入。以各城市就业人口数乘以人均受教育年限得到有效劳动投入，城市就业人口数（万人）为城镇单位从业人员与私营和个体期末人数之和；人均受教育年限为受教育年限折算值的加权平均值，以不同受教育程度构成人数占比为权重。（3）土地投入。以城市人均建设用地面积（km2/人）代表城市的土地投入，以城市市区建设用地面积除以市区常住人口数得到。（4）经济产出。以地区生产总值（GDP）代表，各城市GDP按2003年不变价格进行平减处理。（5）各投入要素的产出弹性。利用以上投入、产出指标数据，根据式（1）估计得到各要素的产出弹性。

市区常住人口来源于《中国建设统计年鉴》，市区常住人口=市区人口+市区暂住人口；固定资产投资总额、城镇单位从业人员期末人数、城镇私营和个体从业人员、城市建设用地面积和地区生产总值数据统计口径均为市辖区，来源于历年《中国城市统计年鉴》，少量缺失数据采用插补法补齐。固定资产投入结构、价格平减指数来源于国家统计局网站；就业人口平均受教育年限数据来自历年《中国劳动统计年鉴》。

考虑到行政区划变动等因素，数据缺失较严重的部分城市未纳入研究对象，最终选取中国279个地级以上城市为研究样本。同时，考虑到土地配置政策在2003年出现拐点[24]，研究时段确定为2003—2018年。

3.3 中国城市土地供给错配的典型特征

为直观反映城市土地供给错配的地区差异，图2展示了2003—2018年城市土地平均错配程度的空间分布格局。以秦岭—淮河线作为南方和北方的基本分界线，我国城市土地配置呈现“南少、北多”的空间格局。2003—2018年128个北方城市中年均77个城市土地供给过度，城市数量占比达60.25%；151个南方城市中年均79个城市土地供给不足，城市数量占比为53.52%。

图2 2003—2018年中国城市土地供给错配指数均值Fig.2 Average misallocation index of urban land supply in China from 2003 to 2018

3.3.1 不同地区城市土地供给错配特征

按照国家统计局2011年发布《东西中部和东北地区划分方法》，将全国分成4大地区来看，东北地区城市土地供给过度特征最为明显，土地供给过度城市数量年均占比达77.94%；西部地区城市土地供给过度也较为突出，配置过度的城市数量年均占比为70.31%，且近年来城市土地配置过度有上升趋势；中部地区城市整体土地错配程度有轻微波动，土地供给不足城市数量年均占比50.48%；东部地区城市土地供给不足特征显著，2003年以来土地配置不足的程度虽有所减缓，但土地供给不足城市数量占比仍高达71.05%。总体来看，我国城市土地配置东北和西部城市供给过度、东部城市供给不足的特征突出（图3）。

图3 不同地区土地供给不足的城市数量占比Fig.3 Proportion of cities with land undersupply in different regions

3.3.2 不同规模城市土地供给错配特征

不同规模城市的土地供给错配程度总体呈“阶梯递减”特征，小城市和中等城市土地供给配置过度，而大城市和特大超大城市土地供给配置不足。根据2014年国务院发布的《关于调整城市规模划分标准的通知》，以城区常住人口为标准，将279个地级以上城市划分为小城市、中等城市、大城市、特大超大城市共4种规模类型。2003—2018年17个特大超大城市土地配置均供给不足（图4），其中杭州、北京、上海、天津、青岛、广州、成都和重庆土地供给配置严重不足，且错配程度呈逐年加剧趋势；78个大城市中土地供给配置不足的城市数量占比过半，年均占比为58.25%；近年来中等城市土地资源配置过度趋于明显，2018年土地供给配置过度的城市数量占比为56.48%；76个小城市中仅有23.68%的城市土地供给配置不足，76.32%的城市土地供给配置过度。

图4 不同规模城市土地供给不足的城市数量占比Fig.4 Proportion of cities with land undersupply in different city sizes

3.3.3 不同人口流动类型城市土地供给错配特征

279个样本城市中214个人口净流入，城市常住人口不断增加；65个城市人口净流出，常住人口持续减少。其中，人口净流入城市的土地配置呈现供给不足特征，2003—2018年土地供给不足的城市数量均过半，平均占比为53.42%，土地供给不足的程度呈波动下降趋势（图5）。人口净流出城市的土地供给配置过度特征明显，2018年土地配置过度的城市数量占比高达80.00%。可见，人口净流入城市的土地配置多呈供给不足特征，而人口净流出城市的土地配置多呈供给过度特征。

图5 不同人口流向土地供给不足与过度城市数量占比Fig.5 Proportion of land undersupply and oversupply in different population fl ows

4 城市土地供给错配对全要素生产率的影响效应

4.1 计量模型设定

为准确捕捉城市土地供给错配对全要素生产率的影响效应，防止模型设定偏误和解决变量内生性问题，在计量模型中加入因变量的时期滞后项作为解释变量，构建动态面板模型：

式（8）中：i和t分别为城市和年份；TFPit为城市全要素生产率；a为常数项；b为被解释变量的一阶滞后项回归系数；τit为城市土地供给错配指数，其系数c衡量城市土地供给错配对全要素生产率的影响程度；controlit为影响城市全要素生产率的控制变量；dj为控制变量的系数；J为控制变量的个数；εit为随机误差项。

4.2 变量选择与数据来源

城市全要素生产率（TFPSBM）采用基于SBM方向性距离函数方法测算，将城市资本存量、城市劳动投入和城市人均建设用地面积作为投入指标，不变价城市生产总值作为产出指标。同时，利用索罗余值法测算的城市全要素生产率（TFPSolow）作为替代指标开展稳健性检验。

核心解释变量为城市土地供给错配指数（τit），通过上文的测算模型计算得到。控制变量具体包括：（1）城镇化水平（urbit），以城镇常住人口占全部常住人口的比重来衡量；（2）经济开放水平（openit），外商实际投资额与GDP比值衡量；（3）政府财政支出规模（govit），利用地方一般公共预算支出与GDP比值衡量；（4）金融发展水平（finit），利用金融机构年末贷款余额与GDP比值衡量。

城镇常住人口数、城市常住人口数和居民价格消费指数的数据来源于各城市《统计年鉴》与《国民经济和社会发展统计公报》。人民币兑美元的年平均汇率来源于中国人民银行网站。其余指标数据均来源于历年《中国城市统计年鉴》，部分缺失数据采用线性插值法补齐。地区生产总值、外商实际投资额、地方一般公共预算支出以及金融机构年末贷款余额数据为市辖区统计口径，并利用居民价格消费指数对以上价值变量以2003年为基期进行平减处理。为了保持数据平稳性和可比性、避免出现异方差问题，各变量均取自然对数。

4.3 实证结果分析

4.3.1 基准回归结果

分别采用混合最小二乘法（OLS）、固定效应模型（FE）和两步系统广义矩估计（SYS-GMM）三种方法进行估计，SYS-GMM估计可以缓解内生性问题，因此以模型（3）为主来解释估计结果。从表1的估计结果可知，SYS-GMM估计得到的AR（1）在1%水平上通过显著性检验，AR（2）未通过显著性检验，说明模型残差无自相关性；对应的Hansen检验值不显著，表明选取的工具变量和滞后阶数合理，模型估计结果较为可靠。

表1 基准模型的估计结果Tab.1 Estimation results of benchmark model

由模型中τit的系数知，城市土地供给错配对全要素生产率具有显著的负向影响，即城市土地供给错配引致全要素生产率损失。模型（3）估计值与混合模型及固定效应模型的估计结果相近，表明系统广义矩估计法的估计结果并未因工具变量的选择而产生偏误。被解释变量滞后一期的系数在1%水平上均显著为正，表明前期城市全要素生产率对当期值产生正向影响，在时间上存在较强的惯性。模型（4）和模型（8）城市土地供给错配滞后一期的回归系数在5%水平上显著为负，表明城市土地供给错配对全要素生产率的负向作用具有滞后性。总体来看，城市土地供给错配及其滞后一期的估计系数均显著为负，表明城市土地供给配置失衡阻碍了城市经济效率的提升。

控制变量方面，城镇化水平和财政支出规模对城市全要素生产率具有正向作用，与预期一致。城镇化带来的人口集聚产生规模效应，促进城市经济效率提升；地方财政支出推动城市技术创新和产业结构优化，带动全要素生产率提高。金融发展和经济开放水平对城市全要素生产率产生负向作用，与预期相反。原因在于城市土地供给错配引发房价攀升，资本进入房地产领域进行套利，引起资金“脱实向虚”，不利于提高城市经济效率；外商直接投资大多侧重于技术含量不高的劳动密集型产业，带来的技术锁定效应不利于城市经济效率提升。

4.3.2 稳健性检验

分别采用更换估计方法、添加滞后项和替换被解释变量三种方法来检验模型估计结果的稳健性。第一，OLS、FE和SYS-GMM三种估计方法下，模型（1）—模型（3）中核心解释变量“城市土地供给错配指数”的估计系数均在1%水平上显著为负，较为稳健。第二，将被解释变量滞后项纳入构建动态面板回归模型，一定程度上缓解了土地供给错配对城市全要素生产率影响可能存在的内生性问题，模型（4）和模型（8）中城市土地供给错配指数滞后一期的估计系数在5%水平上均显著为负，表明城市土地供给错配对全要素生产率的负向影响具有稳健性。第三，替换被解释变量的测度指标，以索罗余值法测算的城市全要素生产率（TFPSolow）作为被解释变量，模型（5）—模型（8）中城市土地供给错配对全要素生产率的影响依然在5%水平上显著为负。综上，模型的估计结果具有较强的稳健性，城市土地供给错配确实会造成全要素生产率的损失。

4.4 多角度的异质性分析

考虑到各个城市资源禀赋和社会经济发展的差异，不同地区、不同规模和不同人口流动类型的城市土地供给错配对全要素生产率的影响效应可能存在明显差异，接下来考察城市土地供给错配影响全要素生产率的异质性。

4.4.1 不同地区城市的异质性

4大地区的城市土地供给错配对全要素生产率均造成显著的负向影响。值得注意的是，东北和西部城市土地供应过度造成的经济效率损失高于东部和中部城市土地供应不足造成的效率损失。自2000年起，国家相继实施西部大开发战略（2000年）和振兴东北战略（2004年），建设用地指标逐步向这两个地区倾斜。2003年东北和西部地区新增建设用地面积比重占全国总量的15.75%，2017年增长到34.63%；其中，协议出让面积占比增长更为迅速，东北和西部地区2003年新增协议土地出让面积占比为8.45%，2017年上升到49.67%①数据来源于历年《中国国土资源年鉴》，经笔者整理。。但是伴随着人口不断流出，东北和西部城市土地供给相对过度，出现大量开发区和工业园闲置、住房库存积压、地方政府债务高企等问题[14]，影响了整体资源配置效率。中央政府在供地政策上向东北和西部地区倾斜，意在支持欠发达地区经济发展，但土地资源配置过度却引发一系列问题，对城市全要素生产率产生明显的负向影响。

4.4.2 不同规模城市的异质性

不同规模城市的土地供给错配对全要素生产率的影响具有显著差异（表2）。从系数大小来看，土地供给错配对中等城市、小城市经济效率的负向影响效

表2 不同地区、规模及人口流动类型城市的估计结果Tab.2 Estimation results of different regions, sizes and migration type cities

应较大，这表明偏向于中小城市的土地供给带来的供给过度并没有提升其全要素生产率，反而造成经济效率损失。大城市土地供给错配对全要素生产率的影响效应为负、特大超大城市土地供给错配对全要素生产率的影响效应为正，但均不显著。原因可能在于大城市和特大超大城市的土地供给不足使得集聚经济更为突出，而且城市规模越大集聚效应越明显，这一正外部性部分抵消了由土地供应不足引发的房价地价快速上涨、抑制劳动力流入和产业结构优化等对城市全要素生产率的负向影响，使得综合影响效应不显著。

4.4.3 不同人口流动类型城市的异质性

土地供给错配对人口流入型城市全要素生产率的影响显著为负，对人口流出型城市全要素生产率的负向影响效应更大，且在5%水平上通过显著性检验。虽然人口流入型城市土地供给相对不足，但这些城市通常具有发展制造业和服务业的比较优势，劳动生产率本身较高，人口集聚带来的规模效应对土地供给错配带来的效率损失有所减缓。人口流出型城市的土地供给过度，而人口不断流出导致人口密度持续下降，不利于经济效率提升。自2006年开始中国城市进入新城建设高潮，由于城市实际人口增长速度难以追赶上新城建设步伐，人口流出型城市出现大量的“空城”与荒凉的工业园区[31]，较多的建设用地指标反而导致粗放式土地利用局面，加剧了地方政府的债务负担，对城市经济效率产生明显的负面影响。

4.5 影响路径的进一步检验

结合理论机制解析，借鉴董嘉昌等的做法[35]，构建如下中介效应模型，进一步识别城市土地供给错配影响全要素生产率的具体路径：

式（9）—（11）中：IS和TEC为中介变量，分别为城市产业结构优化和城市创新创业发展。借鉴黄天能等[38]的思路，根据三次产业比例向量与对应坐标轴的夹角会随着产业比例变化而增大或缩小的原理，构造产业结构高级化指数来衡量城市产业结构优化（IS）程度，数据来源于《中国城市统计年鉴》。城市创新创业发展（TEC）则以城市创新创业指数衡量，数据来源于北京大学企业大数据研究中心发布的《中国区域创新创业指数2018》。为了避免解释变量、中介变量和被解释变量之间的反向因果关系，将解释变量、中介变量和控制变量均采取滞后一期的形式。利用式（9）和式（10）从城市产业结构优化和创新创业发展两条渠道开展检验，进一步考察城市土地供给过度和供给不足影响全要素生产率的实际路径，并利用Bootstrap方法对中介效应所对应的系数乘积进行检验。

表3中模型（19）—模型（21）中介效应的回归结果表明，城市土地错配通过城市产业结构优化和城市创新创业发展两条中介渠道对全要素生产率产生显著的负向影响，表4的 Bootstrap方法检验结果确定中介效应显著存在。

表3 影响路径模型的估计结果Tab.3 Estimation results of in fl uence path model

表4 Bootstrap 方法中介效应检验结果Tab.4 Mediation effect test results of Bootstrap method

城市土地供给过度对城市产业结构优化的负向影响相较于土地供给不足的负向影响更为突出。地方政府注重经济增长而偏好于发展制造业，尤其是土地供给过度的城市，政府存在扩大辖区内工业用地供应规模的强烈冲动，通过竞相降低工业用地价格和产业准入门槛招商引资，一方面导致低端制造业大规模集聚，不利于生产效率的提升；另一方面城市土地供给过度导致的工业用地过剩或闲置，造成资源浪费和资金占用，挤占了新兴产业发展空间。因此，双重负向效应使得城市土地供给过度对产业结构优化的抑制作用加剧。

城市土地供给过度对城市创新创业发展的负向影响较为显著，而土地供给不足对城市创新创业发展的影响为正但不显著。土地供给过度往往导致城市空间形态的低密度、分散化蔓延，拉大人们的通勤距离，不利于面对面交流、知识溢出及技术扩散，进而抑制城市的创新创业活动及其质量。从城市规模看，我国土地供给不足的城市主要为特大超大城市和大城市，这些城市土地供给不足抑制了城市空间的无序蔓延，强化集聚效应，有利于创新创业者互动交流、学习与合作的便利性，促进新思想、新知识等隐性知识溢出，为创新创业发展提供了优越的外部环境。另一方面，城市土地供给不足导致商服用地出让价格不断攀升，引发短期套利和投机需求，企业资金过多投向房地产行业，挤占投资风险高、投资规模大、研发周期长的企业创新创业活动所需的资金，必然不利于企业进行新产品开发和技术创新。因此，正、负双重影响使得城市土地供给不足度对创新创业发展产生不显著的正向效应，这验证了上文特大超大城市和大城市土地供给错配对全要素生产率的负向影响不显著的结论。

5 主要结论与政策启示

着眼于中国建设用地指标配置的现实背景，本文从城市土地供给不足与供给过度双重视角解析其影响全要素生产率的内在机制，测算279个地级以上城市的土地供给错配程度，考察城市土地供给错配的典型特征，利用面板数据进行实证分析和中介效应检验。研究结果表明：（1）不同城市的土地供给错配程度差异明显：从4大地区看呈“东少西多”特征，按城市规模看呈“阶梯递减”特征，从人口流动方向看呈“逆向配置”特征。（2）城市土地供给错配对全要素生产率产生显著的负向影响，造成明显的效率损失。城市土地供给错配对全要素生产率的影响效应在不同地区、不同规模和不同人口流动类型的城市存在异质性，其中西部和东北城市、中等城市和小城市以及人口流出型城市的负向影响更为突出；城市土地供给过度对全要素生产率的负向作用高于城市土地供给不足带来的负向影响。（3）城市土地供给不足主要通过影响产业结构优化进而抑制全要素生产率提升，而通过创新创业发展这一路径的负向影响不显著；城市土地供给过度通过创新创业发展和产业结构优化双重路径对全要素生产率产生负向影响。

上述结论对于进一步优化国土空间布局、发挥建设用地指标调控实效、提升资源配置效率和经济效率具有政策启示意义。其一，警惕土地配置过度的“经济效率”陷阱。建设用地指标向东北和西部、中小城市的倾斜并未达到促进区域均衡发展的预期目标，“东少西多”的土地供给错配不仅扭曲了东部城市的健康发展，而且抑制了东北和西部、中小城市的全要素生产率提升。因此，城市要警惕土地配置过度的“经济效率”陷阱，通过市场竞争机制消除工业用地与商服用地供给结构与价格的扭曲，避免土地供给过度抑制产业结构升级和城市创新创业发展，以提升土地资源配置效率。其二，建设用地指标分配应强化人地挂钩机制。城市土地供给错配的根本在于建设用地与常住人口数量之间的矛盾，未来随着城镇化的持续推进，大城市常住人口与建设用地的供需矛盾将持续加剧。中央提出“建立城镇建设用地增加规模与吸纳农业转移人口落户数量挂钩机制”，因此要落实“人地挂钩”政策，切实将用地指标投放与城市常住人口及增长潜力挂钩，把人口流动方向作为城市建设用地分配的参考标准，对于人口流入规模较大和增长较快的城市适当增加建设用地供给，对于常住人口负增长或人口较稳定的城市谨慎增加供地指标。其三，因城施策提升土地资源配置效率。我国不同城市的土地供给错配程度差异明显，城市土地资源空间分布也极不均衡，不同规模和人口流动方向城市的土地错配特征截然不同。因此，城市土地资源配置应结合所在地区、城市规模、人口流动等实际情况，因地因城施策，避免“一刀切”的做法，以减轻城市土地供给错配程度，提高土地资源配置效率。