(蘭州財(cái)經(jīng)大學(xué) 農(nóng)林經(jīng)濟(jì)管理學(xué)院,甘肅 蘭州710031)

蘭州市城市經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化研究

苑 莉
(蘭州財(cái)經(jīng)大學(xué) 農(nóng)林經(jīng)濟(jì)管理學(xué)院,甘肅 蘭州710031)

優(yōu)化經(jīng)營性土地供應(yīng)數(shù)量既是土地資源合理配置的核心與關(guān)鍵,也是宏觀經(jīng)濟(jì)供給側(cè)改革在土地領(lǐng)域的重要實(shí)現(xiàn)手段。以甘肅省蘭州市經(jīng)營性土地最優(yōu)供應(yīng)數(shù)量計(jì)算為例,基于經(jīng)營性土地需求與供給預(yù)測思路與方法,針對供需之間較大的數(shù)量差異,采用切合實(shí)際的邏輯斯蒂模型平衡供需缺口,構(gòu)建供需均衡下的經(jīng)營性土地最優(yōu)供應(yīng)數(shù)量模型。計(jì)算得出蘭州市2015—2019年的經(jīng)營性土地最優(yōu)供應(yīng)數(shù)量為825.05hm2,期間內(nèi)每年的最優(yōu)供應(yīng)數(shù)量圍繞165.01hm2上下波動,測算的每年土地供應(yīng)數(shù)量較之2010—2014年的土地供應(yīng)數(shù)量呈現(xiàn)供應(yīng)數(shù)量區(qū)間低值。通過對上述指標(biāo)的運(yùn)用,可引導(dǎo)供應(yīng)土地?cái)?shù)量趨于最優(yōu),解決土地市場供需失衡的矛盾,以高效的經(jīng)營性土地供給制度落實(shí)宏觀經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)改革目標(biāo)。

經(jīng)營性土地;供應(yīng)數(shù)量優(yōu)化;供需均衡;邏輯斯蒂模型

1 引言

2015年11月,我國提出了“在適度擴(kuò)大總需求的同時,著力加強(qiáng)供給側(cè)結(jié)構(gòu)性改革,著力提高供給體系質(zhì)量和效率”的新政策,供給側(cè)改革中的經(jīng)濟(jì)活動必須高度依賴土地資源的參與承載,通過供給側(cè)結(jié)構(gòu)性改革,可促進(jìn)土地市場經(jīng)濟(jì)結(jié)構(gòu)調(diào)整,釋放經(jīng)濟(jì)增長動力,提高土地生產(chǎn)要素的供給與產(chǎn)出效率,實(shí)現(xiàn)土地去庫存目標(biāo)。經(jīng)營性土地是土地市場供給側(cè)改革中的基礎(chǔ)與重點(diǎn),經(jīng)營性土地是指商業(yè)、旅游、娛樂、商品住宅等各類具有經(jīng)營性質(zhì)的土地,它引導(dǎo)了城市建設(shè)的合理有序擴(kuò)展,占據(jù)了土地供應(yīng)的重要位置,因此科學(xué)合理地確定經(jīng)營性土地的供應(yīng)數(shù)量是土地高效供應(yīng)的必要手段。

經(jīng)營性土地供應(yīng)數(shù)量的確定一般基于供給與需求進(jìn)行分析。在土地供應(yīng)數(shù)量的相關(guān)文獻(xiàn)中,通常根據(jù)土地的需求特征,采用以需定供的方法確定土地供應(yīng)數(shù)量[1-9],但在需求導(dǎo)向下的土地供應(yīng)數(shù)量制定可能帶來數(shù)量偏大的弊病,不利于土地資源的節(jié)約利用。部分研究文獻(xiàn)單獨(dú)分析土地供給,從而確定相應(yīng)的土地供應(yīng)數(shù)量[10,11]。單一以需求或供給確定經(jīng)營性土地供應(yīng)數(shù)量的計(jì)算方法,由于供需之間的數(shù)量差異較大,帶來土地供需數(shù)量失衡,削減土地要素的經(jīng)濟(jì)調(diào)控功能,導(dǎo)致土地供給計(jì)劃缺陷[12]。

面臨土地市場供給側(cè)結(jié)構(gòu)改革背景,為了實(shí)現(xiàn)經(jīng)營性土地的有效供給,促進(jìn)經(jīng)營性土地去庫存目標(biāo)的實(shí)現(xiàn),土地供應(yīng)政策必須從單純滿足需求或供給向改變既有供地模式、解決供需錯配的矛盾轉(zhuǎn)變。因此,綜合考慮土地的供給與需求特性后采用科學(xué)合理的方法均衡供需數(shù)量,收斂供需缺口,可提高經(jīng)營性土地供應(yīng)的科學(xué)性與精度?；诖?本文采用切合實(shí)際的邏輯斯蒂模型模擬經(jīng)營性土地的供需曲線,平衡供需數(shù)量,引導(dǎo)供應(yīng)數(shù)量趨于最優(yōu),可優(yōu)化經(jīng)營性土地供應(yīng)機(jī)制,創(chuàng)造高效的經(jīng)營性土地制度供給,期待在宏觀經(jīng)濟(jì)供給側(cè)改革背景下實(shí)現(xiàn)“釋放新需求,創(chuàng)造新供給”的土地供應(yīng)目標(biāo)。

2 經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化計(jì)算思路

本文對經(jīng)營性土地分為住宅和商業(yè)兩種類型。在需求分析中,分別預(yù)測住宅和商業(yè)用房的需求面積,加總形成經(jīng)營性用房的需求量,確定容積率后還原需求房屋面積,得到經(jīng)營性土地需求面積。在供給分析中,直接預(yù)測商住用房總面積,經(jīng)容積率還原得出土地供給面積。在土地利用總體規(guī)劃新增建設(shè)用地?cái)?shù)量約束下,利用邏輯斯蒂曲線模擬經(jīng)營性土地供需曲線,擬合供需均衡數(shù)量,獲得經(jīng)營性土地供應(yīng)數(shù)量。經(jīng)營性土地?cái)?shù)量優(yōu)化的計(jì)算思路見圖1。

圖1 經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化計(jì)算思路

3 蘭州市經(jīng)營性土地供應(yīng)優(yōu)化數(shù)量計(jì)算

3.1 蘭州市住宅用地需求量預(yù)測

住宅用地具有引致需求的特性。分析住宅的相關(guān)影響因素發(fā)現(xiàn),住宅需求受經(jīng)濟(jì)、社會兩項(xiàng)因素的影響,構(gòu)建出經(jīng)濟(jì)、社會兩大類影響因子指標(biāo)體系,見圖2。通過相關(guān)年份的《蘭州市統(tǒng)計(jì)年鑒》,得到1996—2014年住宅銷售面積和9個影響因子的統(tǒng)計(jì)數(shù)據(jù)。

圖2 住宅需求量影響因子體系

上述指標(biāo)體系中的影響因子由定性方法選取,需要進(jìn)一步篩選參與計(jì)算的重要影響因子。由于灰色關(guān)聯(lián)度分析可判斷對因變量影響較大的自變量,從而獲得必需的自變量[13],所以我們利用DPS統(tǒng)計(jì)軟件,通過對1996—2014年蘭州市住宅銷售面積和9個影響因子的統(tǒng)計(jì)數(shù)據(jù),采用灰色關(guān)聯(lián)度分析方法篩選出住宅需求量預(yù)測模型的影響因子,分辨系數(shù)設(shè)為0.5,計(jì)算出的關(guān)聯(lián)系數(shù)為:

GM(1,1)=0.8494，GM(1,2)=0.8431，GM(1,3)=0.8251，GM(1,4)=0.7845

GM(1,5)=0.7663，GM(1,6)=0.8005，GM(1,7)=0.7600，GM(1,8)=0.8348

GM(1,9)=0.8491，GM(1,10)=0.8485

得出X1gt;X9gt;X10gt;X2gt;X8gt;X3gt;X6gt;X4gt;X5gt;X7的關(guān)聯(lián)序。結(jié)合本文研究的實(shí)際情況,把灰色關(guān)聯(lián)度的閥值γ設(shè)為0.8,將關(guān)聯(lián)度大于0.8的影響因子選為住宅需求量的影響因素,作為模型的輸入變量。選取的關(guān)聯(lián)度閥值γ大于0.8的影響因子是GDP、人均GDP、固定資產(chǎn)投資、商品住宅銷售額、居民人均可支配收入、職工平均工資、居民儲蓄存款余額。對上述7個指標(biāo)進(jìn)行2015—2019年的數(shù)值預(yù)測,首先通過灰色數(shù)列GM(1,1)模型進(jìn)行預(yù)測?；疑珨?shù)列GM(1,1)模型可對時間序列發(fā)展數(shù)量進(jìn)行預(yù)測,應(yīng)用廣泛,方法具有普遍意義[13]。然后運(yùn)用DPS統(tǒng)計(jì)分析軟件計(jì)算得出模型參數(shù)后,需要根據(jù)后驗(yàn)比C和小誤差概率P進(jìn)行診斷,當(dāng)Pgt;0.95、Clt;0.35時模型可靠。選擇C值最小的初始模型作為預(yù)測模型,精度最高,由此得出住宅影響因子數(shù)值。若GM(1,1)模型無法通過誤差檢驗(yàn),則利用時間序列估計(jì)法預(yù)測影響因子。2015—2019年在蘭州市的住宅影響因子數(shù)值預(yù)測中,GDP、人均GDP、居民人均可支配收入、職工平均工資、居民儲蓄存款余額數(shù)值由GM(1,1)模型預(yù)測獲得,固定資產(chǎn)投資、商品住宅銷售額數(shù)值由時間序列估計(jì)法預(yù)測得出。通過上述兩種預(yù)測方法得到蘭州市住宅影響因子數(shù)值,見表1。

表1 2015—2019年蘭州市住宅影響因子預(yù)測值

對上述住宅影響因子進(jìn)行預(yù)測后,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測住宅需求量。BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播的多層前饋式網(wǎng)絡(luò),也是人工神經(jīng)網(wǎng)絡(luò)中最具代表性、應(yīng)用最廣泛的網(wǎng)絡(luò)。通過對研究問題的大量歷史數(shù)據(jù)分析,建立合適模型,采用相應(yīng)學(xué)習(xí)方法,不斷調(diào)整網(wǎng)絡(luò)參數(shù),直至輸出結(jié)果滿足要求為止[13]。BP神經(jīng)網(wǎng)絡(luò)作為多因素分析與預(yù)測工具,在經(jīng)濟(jì)預(yù)測中廣泛運(yùn)用,效果顯著,因此本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)預(yù)測住宅需求量,將上述篩選出的7個影響因子作為BP神經(jīng)網(wǎng)絡(luò)的輸入變量。在BP神經(jīng)網(wǎng)絡(luò)建模中,若輸入—輸出變量之間數(shù)值差異過大,會影響網(wǎng)絡(luò)的學(xué)習(xí)速度,可將輸入變量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化變換,形成轉(zhuǎn)換后的學(xué)習(xí)訓(xùn)練樣本,再運(yùn)用標(biāo)準(zhǔn)化變換后的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,將預(yù)測出的7個影響因子預(yù)測值與訓(xùn)練樣本合并形成新的BP神經(jīng)網(wǎng)絡(luò)。基于先前已訓(xùn)練成功的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),重新訓(xùn)練更新網(wǎng)絡(luò)權(quán)值,從而獲得輸出變量的蘭州市商品住宅銷售面積樣本預(yù)測值。當(dāng)網(wǎng)絡(luò)重新訓(xùn)練完畢,網(wǎng)絡(luò)誤差SSE=0.0009996小于系統(tǒng)允許誤差0.0010,通過BP神經(jīng)網(wǎng)絡(luò)試算,蘭州市2015—2019年商品住宅需求量預(yù)測值見表2。

表2 2015—2019年蘭州市住宅需求量

土地容積率是控制建設(shè)用地規(guī)模的重要指標(biāo),可將建筑面積還原成土地面積,計(jì)算公式為:建設(shè)用地需求量=房屋建筑面積/土地容積率。根據(jù)1996—2014年蘭州市商住用地平均容積率數(shù)值,采用GM(1,1)模型,通過DPS統(tǒng)計(jì)軟件推斷出2015—2019年蘭州市商住用地平均容積率,結(jié)果見表3;將上述預(yù)測的2015—2019年住宅需求量除以相應(yīng)年份的土地容積率,可得到住宅用地的需求量,結(jié)果見表4。

表3 2015—2019年蘭州市商住用地容積率

表4 2015—2019年蘭州市住宅用地需求量

表5 商業(yè)用房需求量預(yù)測模型影響因子關(guān)聯(lián)矩陣

3.2 蘭州市商業(yè)用地需求量預(yù)測

關(guān)于商業(yè)用地的需求量預(yù)測,具體的計(jì)算思路和方法與住宅用地需求量預(yù)測一致,本文將相應(yīng)的計(jì)算模型、數(shù)據(jù)結(jié)果逐一列出,具體計(jì)算過程為:首先構(gòu)建商業(yè)用房需求量影響因子體系,見圖3。其次,篩選商業(yè)用房需求量預(yù)測模型影響因子,見表5。選取灰色關(guān)聯(lián)度閥值γ大于0.75的影響因子GDP、第三產(chǎn)業(yè)GDP、固定資產(chǎn)投資額、社會消費(fèi)品零售總額、商業(yè)用房銷售額、居民消費(fèi)價各指數(shù)、商品零售價格7個指標(biāo)預(yù)測2015—2019年的數(shù)值,通過灰色數(shù)列GM(1,1)模型預(yù)測,若GM(1,1)模型無法通過誤差檢驗(yàn),則通過時間序列估計(jì)法預(yù)測數(shù)值。商業(yè)用房影響因子預(yù)測中的GDP、第三產(chǎn)業(yè)GDP、社會消費(fèi)品零售總額、居民消費(fèi)價格指數(shù)4項(xiàng)指標(biāo)由GM(1,1)模型預(yù)測得出,商業(yè)用房銷售額、商品零售價格指數(shù)兩項(xiàng)指標(biāo)由時間序列方法預(yù)測獲得。由此得到2015—2019年蘭州市商業(yè)用房影響因子的預(yù)測結(jié)果,見表6。通過BP神經(jīng)網(wǎng)絡(luò)試算,2015—2019年蘭州市商業(yè)用房需求量預(yù)測值見表7。我們將預(yù)測出的商業(yè)用房需求量除以相應(yīng)年份的土地容積率,得到蘭州市2015—2019年商業(yè)用地需求量,結(jié)果見表7。

圖3 商業(yè)用房需求量影響因子體系

表6 2015一2019年蘭州市商業(yè)用房影響因子預(yù)測值

表7 2015—2019年蘭州市商業(yè)用房及用地需求量

3.3 蘭州市經(jīng)營性土地需求和供給量預(yù)測

我們將預(yù)測的住宅和商業(yè)用地需求量加總,得到蘭州市2015—2019年經(jīng)營性土地的需求總量,見表8。關(guān)于經(jīng)營性土地的供給量預(yù)測,與需求量的計(jì)算不同在于:不針對住宅和商業(yè)用房數(shù)量分別預(yù)測,把住宅和商業(yè)用房合并形成商品房,預(yù)測其銷售面積。具體的計(jì)算思路、方法與住宅用地需求量預(yù)測一致,本文將相應(yīng)計(jì)算模型、數(shù)據(jù)結(jié)果逐一列出,具體的計(jì)算過程為:首先,構(gòu)建商住房屋供給量影響因子體系,見圖4。其次,選取商住房屋供給量預(yù)測模型影響因子見表9。選取灰色關(guān)聯(lián)度閥值γ大于0.8的影響因子進(jìn)行預(yù)測,通過灰色數(shù)列GM(1,1)模型運(yùn)算,選取的影響因子均通過誤差檢驗(yàn),從而獲得2015—2019年影響因子的預(yù)測結(jié)果,見表10。通過BP神經(jīng)網(wǎng)絡(luò)的試算,蘭州市商業(yè)用房2015—2019年供給量見表11。用商住房屋供給數(shù)量除以土地容積率,得出商住用地供給數(shù)量,即獲得經(jīng)營性土地供給數(shù)量結(jié)果見表11。

表8 2015—2019年蘭州市經(jīng)營性土地需求量

圖4 商住房供給量影響因子體系

表9 商住房供給量預(yù)測模型影響因子關(guān)聯(lián)矩陣

表10 2015—2019年蘭州市商住房供給量影響因子預(yù)測值

表11 2015—2019年蘭州市商住房及土地供給數(shù)量

3.4 經(jīng)營性土地供需均衡數(shù)量擬合

按照既有文獻(xiàn)的研究思路,計(jì)算出經(jīng)營性土地的需求與供給數(shù)量,即使供需之間數(shù)量差異較大,也要根據(jù)需求或供給數(shù)量制定相應(yīng)的經(jīng)營性土地供應(yīng)計(jì)劃。本文的計(jì)算結(jié)果存在供求數(shù)量相差較大的情況,若單純以需求或供給確定土地供應(yīng)數(shù)量,會帶來土地供需失衡的后果,致使供地?cái)?shù)量偏離科學(xué)性,削減土地的調(diào)控功能。在土地市場供給側(cè)結(jié)構(gòu)改革的背景下,為了實(shí)現(xiàn)經(jīng)營性土地的有效供給,解決供需錯配的矛盾,需要采用科學(xué)合理的方法對供需進(jìn)行合理均衡,提高土地供應(yīng)計(jì)劃精度?；诖?本文采用切合實(shí)際的邏輯斯蒂模型模擬經(jīng)營性土地的供需曲線,均衡供需數(shù)量,確定經(jīng)營性土地的適度供應(yīng)數(shù)量。

圖5 蘭州市經(jīng)營性土地供需均衡狀況

邏輯斯蒂曲線呈S型,曲線生長規(guī)律是初期下部較平緩,曲線斜率較小,生長速度較慢;生長曲線的中部斜率最大,生長速度最快;曲線上部生長接近上限,生長速度變緩,直至達(dá)到成熟階段,生長終止[14]。蘭州市經(jīng)營性土地?cái)?shù)量增長初期較慢,中期增長速度較快,增長函數(shù)逐漸接近極限,土地?cái)?shù)量的增長符合邏輯斯蒂模型的生長趨勢。在土地利用總體規(guī)劃的約束下,增長量逐漸逼近土地?cái)?shù)量增長規(guī)劃極值,因此本文采用邏輯斯蒂模型對蘭州市經(jīng)營性土地供需情況進(jìn)行模擬。蘭州市制定的土地利用總體規(guī)劃(2006—2020年)2020年城市建設(shè)用地增量為59820hm2,以此數(shù)據(jù)作為邏輯斯蒂模型的約束值,用預(yù)測的2015—2019年經(jīng)營性土地需求與供給數(shù)量除以新增建設(shè)用地的約束值,得出需求與供給用地的比例。生成的需求曲線見圖5中的DD。利用SPSS 22軟件,擬合需求用地方程為:

(1)

需求方程中復(fù)相關(guān)系數(shù)R為0.953,判定系數(shù)為0.909,說明方程的擬合優(yōu)度很高,模型對樣本數(shù)據(jù)的擬合(F檢驗(yàn))和各變量的回歸系數(shù)(t檢驗(yàn))均達(dá)到顯著水平,表明需求模型假設(shè)符合實(shí)際,模型有效。蘭州市經(jīng)營性土地供給數(shù)量呈現(xiàn)遞減的趨勢,生成的供給曲線如圖5中的SS,利用SPSS22軟件,擬合供給用地方程為:

(2)

供給方程中復(fù)相關(guān)系數(shù)R為0.908,判定系數(shù)為0.824,說明方程的擬合優(yōu)度很高,模型對樣本數(shù)據(jù)的擬合(F檢驗(yàn))和各變量的回歸系數(shù)(t檢驗(yàn))均達(dá)到顯著水平,表明邏輯斯蒂供給模型假設(shè)符合實(shí)際,模型有效。聯(lián)立方程式(1)與式(2),求出供需均衡下的經(jīng)營性土地供應(yīng)比例為0.013792,與土地利用總體規(guī)劃中的增量約束數(shù)量59820hm2相乘,得出供需均衡下的經(jīng)營性用地供應(yīng)數(shù)量為825.05hm2。這一數(shù)值是2015—2019年土地供應(yīng)期間的數(shù)量總值,也是該時段的最優(yōu)供應(yīng)數(shù)量。分解到每年的土地供應(yīng)數(shù)量則為165.01hm2,每年的供應(yīng)數(shù)量圍繞165.01hm2上下波動,通過每年實(shí)際用地?cái)?shù)量的檢驗(yàn)與修正,供應(yīng)數(shù)量可逐漸向最優(yōu)數(shù)量收斂。

圖6 2010—2019年蘭州市經(jīng)營性土地供應(yīng)數(shù)量

3.5 蘭州市經(jīng)營性土地供應(yīng)數(shù)量績效分析

2010—2014年蘭州市城市經(jīng)營性土地供應(yīng)數(shù)量呈現(xiàn)逐年增加的趨勢,通過供需均衡下的經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化計(jì)算,2015—2019年蘭州市每年的土地供應(yīng)數(shù)量基本控制在165.01hm2左右。該供應(yīng)數(shù)量較之2010—2014年的土地供應(yīng)數(shù)量呈現(xiàn)供應(yīng)數(shù)量區(qū)間低值,說明根據(jù)蘭州市經(jīng)濟(jì)社會發(fā)展水平優(yōu)化的經(jīng)營性土地供應(yīng)數(shù)量更趨合理。通過2015—2019年蘭州市每年優(yōu)化指標(biāo)的運(yùn)用實(shí)施,即能實(shí)現(xiàn)經(jīng)營性土地適度供應(yīng)目標(biāo),引導(dǎo)供應(yīng)數(shù)量趨于最優(yōu),經(jīng)營性土地供應(yīng)數(shù)量將通過優(yōu)化數(shù)量計(jì)劃的實(shí)施得到有效控制。圖6反映了2010—2014年和預(yù)期的2015—2019年蘭州市每年的經(jīng)營性土地供應(yīng)數(shù)量。

4 結(jié)論與建議

優(yōu)化經(jīng)營性土地供應(yīng)數(shù)量是宏觀經(jīng)濟(jì)供給側(cè)改革在土地領(lǐng)域的重要實(shí)現(xiàn)手段。在土地市場供給側(cè)結(jié)構(gòu)改革的背景之下,為了實(shí)現(xiàn)經(jīng)營性土地的有效供給和去庫存目標(biāo),需要解決供需錯配的矛盾?，F(xiàn)行經(jīng)營性土地供應(yīng)計(jì)劃的制定主要依靠簡單的需求或供給趨勢推測,編制的土地供應(yīng)計(jì)劃數(shù)量偏大,帶來社會效益損失,阻礙了國家對土地市場宏觀調(diào)控目標(biāo)的實(shí)現(xiàn),造成計(jì)劃缺陷[12]。因此,科學(xué)合理的經(jīng)營性土地供應(yīng)數(shù)量應(yīng)基于土地市場的供需關(guān)系進(jìn)行分析,探索供應(yīng)數(shù)量的優(yōu)化方法,構(gòu)建精確合理的土地供應(yīng)數(shù)量模型,實(shí)現(xiàn)土地供應(yīng)數(shù)量的帕累托最優(yōu),優(yōu)化土地資源供給側(cè)機(jī)制,以高效的經(jīng)營性土地供給制度落實(shí)宏觀經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)改革目標(biāo)。

構(gòu)建經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化模型可提高土地供應(yīng)計(jì)劃的科學(xué)性與精確性。本文以甘肅省蘭州市經(jīng)營性土地供應(yīng)數(shù)量優(yōu)化計(jì)算為例,基于經(jīng)營性土地需求與供給預(yù)測的思路,針對供需之間較大的數(shù)量差異,創(chuàng)新性地采用切合實(shí)際的邏輯斯蒂模型平衡供需缺口,構(gòu)建了供需均衡下的經(jīng)營性土地供應(yīng)數(shù)量模型,計(jì)算出適度供應(yīng)數(shù)量,規(guī)避了供應(yīng)數(shù)量制定的盲目性。通過供需均衡下的經(jīng)營性土地適度供應(yīng)數(shù)量計(jì)算模型,測算出2015—2019年蘭州市經(jīng)營性土地供應(yīng)優(yōu)化數(shù)量為825.05hm2,期間內(nèi)每一年的優(yōu)化供應(yīng)數(shù)量圍繞165.01hm2上下波動。測算出的土地供應(yīng)數(shù)量較之2010—2014年歷年土地供應(yīng)數(shù)量,呈現(xiàn)供應(yīng)數(shù)量區(qū)間低值。通過上述指標(biāo)的運(yùn)用實(shí)施,即可滿足經(jīng)營性土地的適度供應(yīng)目標(biāo),引導(dǎo)供應(yīng)數(shù)量趨于最優(yōu)。同時,說明根據(jù)蘭州市經(jīng)濟(jì)社會發(fā)展水平確定的經(jīng)營性土地供應(yīng)數(shù)量日趨合理,土地供應(yīng)數(shù)量逐年增長的態(tài)勢將得以遏制。

國土資源部門在編制經(jīng)營性土地供應(yīng)計(jì)劃應(yīng)時,應(yīng)平衡供需缺口,擬定合理的供應(yīng)數(shù)量,落實(shí)宏觀經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)的改革目標(biāo)。面臨我國宏觀經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)改革目標(biāo),國土資源部門應(yīng)深化落實(shí)土地管理供給側(cè)改革任務(wù),在編制經(jīng)營性土地供應(yīng)計(jì)劃時,應(yīng)摒棄單獨(dú)以需求或供給主導(dǎo)的土地供應(yīng)模式。國土資源部門可根據(jù)各地的經(jīng)濟(jì)社會發(fā)展水平,對經(jīng)營性土地供給與需求分別進(jìn)行分析預(yù)測,構(gòu)建代表經(jīng)營性土地供給與需求的數(shù)量模型,在土地利用總體規(guī)劃的約束下對供需進(jìn)行適度均衡,擬定較優(yōu)的土地供應(yīng)數(shù)量,解決土地市場供需失衡的矛盾,探索經(jīng)營性土地適度供應(yīng)方法,以高效的經(jīng)營性土地供給管理落實(shí)宏觀經(jīng)濟(jì)供給側(cè)結(jié)構(gòu)的改革目標(biāo)。

[1]劉明皓,邱道持.重慶市國有儲備土地需求預(yù)測[J].經(jīng)濟(jì)地理,2007,27(3)∶476-488.

[2]朱明倉,楊韜.城鎮(zhèn)建設(shè)用地需求預(yù)測與配置研究[J].資源開發(fā)與市場,2007,27(23)∶10-12.

[3]熊晚珍,李翠華.商業(yè)服務(wù)業(yè)用地與土地儲備規(guī)模研究——以武漢市為例[J].安徽農(nóng)業(yè)科學(xué),2007,35(34)∶11201-11202.

[4]王雪青,邴興國,孫冰.城市土地需求預(yù)測及土地儲備策略[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版),2009,28(2)∶288-291.

[5]邵建英,王珂,趙小敏,等.城鎮(zhèn)建設(shè)用地預(yù)測方法研究[J].廣東土地科學(xué),2005,4(6)∶17-21.

[6]陳會洋,周申立,唐道甫.廣安市建設(shè)用地需求量預(yù)測研究[J].環(huán)境科學(xué)與管理,2007,32(2)∶119-125.

[7]劉德秋,邵建峰,田傳浩,等.城市經(jīng)營性建設(shè)用地需求預(yù)測方法與供應(yīng)計(jì)劃的制定——以浙江省紹興市為例[J].杭州師范學(xué)院學(xué)報(bào)(人文社會科學(xué)版),2001,(5)∶44-48.

[8]丁成日.城市土地需求分析[J].國外城市規(guī)劃,2005,20(4)∶19-25.

[9]陸曄.建設(shè)用地供求分析與實(shí)證研究—以云南省怒江州為例[D].昆明：昆明理理工大學(xué)碩士學(xué)位論文,2010.

[10]張宇.城市商品房建設(shè)用地需求與供給預(yù)測驗(yàn)方法研究[D].西安：西安建筑科技大學(xué)碩士學(xué)位論文,2007.

[11]陳卓詠,葉裕民.城市土地儲備數(shù)量和周期的理論分析[J].中國土地科學(xué),2005,19(5)∶44-48.

[12]劉明皓.土地儲備經(jīng)濟(jì)分析[D].重慶：西南大學(xué)碩士學(xué)位論文,2008∶37.

[13]唐啟義,馮明光.DPS數(shù)據(jù)處理系統(tǒng)[M].北京：科學(xué)出版社,2007∶1041-1042.

[14]何曉群.多元統(tǒng)計(jì)分析[M].北京：中國人民大學(xué)出版社,2004∶140.

StudyonSupplyQuantityOptimizationofOperatingLandinLanzhouCity

YUAN Li
(College of Agriculture and Forest Economics and Management,Lanzhou University of Finance and Economics,Lanzhou 710031,China)

Supply quantity optimization of operating land was the core and key on reasonable allocation of land resources,and it was also an important means to realize the reform of the supply side of the macro economy in the field of land.Taking supply quantity optimization of operating land in Lanzhou City,Gansu Province as an example,basing on the demand and supply forecast method of operating land,adopting the logistic model to balance the large gap of supply and demand,this paper built up a supply-demand equilibrium model on the optimal quantity of operating land.The optimal quantity of operating land in Lanzhou from 2015 to 2019 was 825.05 hectare by calculating.During the period,supply quantity optimization of each year was around 165.01 hectares,which was less than annual supply quantity from 2015 to 2019.By the implementation of the above indicators,the optimal quantity could tend to the optimal.We were looking forward to solving the contradiction between supply and demand imbalance in the land market and implementing the reform goal of the macro economic supply side structure with the efficient management of the land supply system.

operating land;supply quantity optimization; supply-demand equilibrium;logistic model

10.3969/j.issn.1005-8141.2017.02.004

F293.2

A

1005-8141(2017)02-0145-05

2016-12-11；

2017-01-13

甘肅省高等學(xué)校科研項(xiàng)目“城市經(jīng)營性用地供應(yīng)管理優(yōu)化研究”(編號:2015B-059)。

及通訊作者簡介：苑莉(1976-),女,四川省樂至人,博士,副教授,主要研究方向?yàn)橥恋刭Y源管理與土地可持續(xù)利用。