英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
标题：城镇化如何影响城市土地消耗强度：证据来自中国
关键字：土地管理 城市化 集约利用城市土地 面板数据向量自回归模型 中国
摘要： 中国快速的城市化和城市发展消耗了大量土地资源，这吸引了 学术和社会上极大的关注。但是，城市化对城市的影响机制在土地消费方面尚未得到充分调查。本文通过提出“城市”一词解决了这一差距。 土地消耗强度（ULCI），并探索基于城市化的城市化对ULCI的影响，基础数据来源于中国2000年至2017年的面板数据和面板数据向量自回归（PVAR）模型。调查结果揭示了中国的城市化推动了ULCI。但是，城市化对ULCI的积极影响并不是决定性的。中国ULCI的变化主要受到自身冲动的影响。本文进一步分析了城市化的分解结果，发现人口城市化（PU），经济城市化（EU），空间城市化（SU）和社会城市化（SCU）可以原来解释中国ULCI的变化程度。从方差分解来看，经济城市化（EU）对ULCI变化的贡献率最大，其次 由社会城市化（SCU），空间城市化（SU）和人口城市化（PU）决定。决策者应积极促进不同类型服务业的协调发展，并综合评估不同城市的实际和最佳ULCI。
1.简介
以人口流动和城市土地为特征的城市化扩张（Luo et al。，2018; Sun＆Zhao，2018）是支持经济增长和社会发展的引擎（Bai，Shi，＆Liu，2014;Glaeser，2011年）。根据联合国发布的报告（2019），从1950年到2018年，全球城市化率从30％上升到55％。此外，预计到2050年，全球城市化率将提高到68％（Sulemana，Nketiah-Amponsah，Codjoe和Andoh，2019年）。这样的快速的城市化通常伴随着过度的消费土地资源（Diksha＆Kumar，2017; Gerundo＆Grimaldi，2011），因此，如何缓解城市化进程加速与城市土地资源刚性约束之间的矛盾，已成为现实全球最紧迫的城市化问题之一（Inos troza，2014； Nuissl＆Schroeter-Schlaack，2009； Salvati＆Carlucci，2014; Zhang，Xu，＆Li，2013）。中国是世界上最大的发展中国家，目睹了自1980年代以来史无前例的城市化步伐（关，魏，卢， Daid和Su，2018）。诺贝尔奖获奖者斯蒂格利茨（Stiglitz）确定了中国的城市化进程是21世纪（Stiglitz＆Yusuf，2001）影响人类进步的两大事件之一。但是也导致了大规模土地消耗（Fernandez，2007; Liu，2009; Zheng＆ 沃尔什（Walsh，2019）和环境污染物排放量（龚，刘，夏，＆ 赵，2009; Ke等人，2018）。城市人口集聚，特别是在一些地区，导致对城市土地资源的需求激增（Deng，Huang，Rozelle和Uchida，2008年），并改变了人们对城市土地资源的需求。 大量高质量的耕地用于非农业建设（Long，Tang，Li和Heilig，2007年； Song，Pijanowski和Tayyebi， 2015）。这给中国的农田保护和食品安全带来了严峻挑战（Deng，Huang，Rozelle，Zhang和Li，2015； Huang， Du，＆Castillo，2019）。如果不采取有效措施，中国的城市化将继续促进对剥削人类有限的土地资源（Du，Zhou，Pan，Sun，＆Wu，2019）的需求。目前，作为中国跨入了社会经济转型新时代（Li＆Lin，2017; Ozturgut，2012）和土地使用过渡的门槛 （Long，2014年； Long＆Qu，2018年），越来越多的人认为 中国政府应更加重视预防和预防，控制过度的城市土地消耗（毛，黄，宋， 朱＆谭，2020;曾扬，董冬，2017）。在这种情况下，中国城市化过程中的土地消耗强度（ULCI）已引起学术界的广泛关注。 ULCI的概念是在“土地消耗”的基础上发展起来的，它们之间最大的区别是ULCI强调经济之间的耦合城市化过程中的发展和城市土地面积（刘， Fan，Kong，Zhang，＆Liu，2016），而土地消耗则集中在将土地从非城市用途转变为城市用途（加西亚·艾隆，2018年; Nuissl＆Siedentop，2013年）。术语ULCI，被描述为每单位国内生产总值在最相关的研究中消耗的城市建设用地数量（GDP）（Liu等人，2016； Zhang等人，（2013年），是刻画强化使用的重要指标。 城市土地（Tang，Li，Hu，Liu，＆Geng，2016）。值ULCI越低，城市土地集约利用水平较高。否则， 城市土地集约利用水平降低（黄，王和张， 2018）。 Zhang等（2013）探讨了2000年至2011年中国ULCI区域差异的趋同。 （2016）构造了一个标准收敛模型和空间收敛模型进行分析，分析了从2000年到2012年ULCI在中国的趋同。（2018）采用空间自相关来分析时间和空间 2000年至2013年河南省ULCI的空间格局。这些 有关中国ULCI的文献主要关注空间分布城市化过程中不同规模ULCI的特征，这对指导和提高经济效益具有重要意义 以及集约利用城市土地。此外，一些学者也进行了调查城市化与ULCI之间的关系。例如，使用主成分分析与协调模型，Tang，Liu和 马（2017）研究了城市经济与社会之间的协调 中国277个地级市的城市发展和ULCI。然而，城市化与ULCI之间的理论关系尚未建立，现有文献中也没有解释。为了弥合这一差距，本文将首先构建城市化对ULCI影响机制的理论框架，然后从2000年到2017年基于中国省级面板数据的城市化对ULCI的影响来估计城市化对ULCI的方向和程度。本文的贡献主要是体现在以下两个方面。首先，它提供了一个新的城市化对ULCI的影响机制。
（1）人口城市化。PU是城市化的本质（Gu，2019），是农村人口流动，聚集和融入城市的过程（Sato＆ Yamamoto，2005年）。PU可以同时影响经济增长和城市土地规模，并进一步影响ULCI。一方面，增长和 城市人口的聚集可以有效释放城市居民的消费能力，是促进经济发展的重要增长动力（Biggs，Atkinson，Powell和Ojeda-Revah，2010； Henderson，2003； Prettner，2014）。另一方面，城市人口的增长将不可避免。这会导致对城市土地的需求增加，这意味着它将消耗更多的城市土地资源（Chen＆Lu，2015）。
（2）经济城市化。EU是一个过程，在这个过程中，诸如劳动力，资本和技术等经济因素不断地集中在城市中。 EU对ULCI的影响主要体现在两个方面。首先是由于经济变化而产生的规模经济效应。第二是经济结构调整带来的产业结构优化效应（Qu＆Long，2018）。特别是，由城市化驱动的经济活动对改善城市土地集约利用具有重大的积极影响（彭，宋，汉， 2017年），然后影响ULCI。此外，欧盟还帮助推动了城市产业结构的调整，优化和升级（Sakamoto，2011年； 赵和唐，2018）。更加合理和先进的产业结构将提高生产专业化水平并降低ULCI。
（3）空间城市化。SU是将农村地区转变为城市地区，将乡村景观转变为城市景观的过程（Dadashpoor，Azizi和Mog hadasi，2019年; Ding和Zhao，2011年）。（Garciacute;a-Ayllon，2018; Hagenauer＆Helbich，2018）。SU也是调节城市土地资源分配方式和消耗强度的有效手段。全面的，SU的典型特征是建筑用地的扩张，这种改变可以为各种生产和生活提供充足的城市土地储备。活动（刘，张，孔，王和陈，2018年;于，张，周，王和唐，2019年）。此外，通常伴随着扩大建设用地城市劳动力的积累和资本集聚，这将影响区域经济发展（Du，2017; Feng，Lichtenberg，＆Ding， 2015年），并最终影响ULCI。
（4）社会城市化。SCU是当农村人口流入城市时发生的价值取向，行为选择和生活方式的变化（Aziz，Hassan和 Saud，2012年），这将对ULCI产生间接影响。具体而言，城乡社会结构的变化增加了城市问题的复杂性土地利用（Wang等人，2018）。这将有助于政府设计城市土地管理的战略性和前瞻性政策（Cai，Selod和 Steinbuks，2018年）。同时，为了满足人们对美好生活的向往和追求（纪，李和琼斯，2017年；张，袁和田，2019年），摆脱过度依赖土地资源的传统发展模式，然后减少资源消耗和浪费（Chen＆Gao，2011； 张元等，2019），这一点很重要。其次，将城市化分解为四个部分，系统地解释了城市化对ULCI的影响机制。这种理论水平，在文学中是很少见的。 作为世界上增长最快的经济体其中之一（Wang，Wang，Li，＆Feng，2019），中国在城市化和城市土地消费方面的经验教训将为中国的可持续发展提供丰富的参考。本文的其余部分是他发展中国家（Huang等，2019）。 第2节从理论上介绍了城市化对ULCI的影响机制。 第3节介绍了方法
采用和数据源。 第四部分分析了研究结果部分。第5节总结论文并提出一些政策含义。
2.城市化对ULCI的影响机制
在许多文献和统计中，城市在总人口中所占的比例人口通常用于指示城市化水平（科恩，2006年；奥尼尔，任，江和道尔顿，2012年；联合国，2019年;Sulemana et al。，2019）。然而，一些学者指出，城市化是一个复杂而系统的过程（Wang et al。，2019; Xu，Dong，＆Yang，2018），通常伴随着经济结构，社会结构，生产和生活方式的转变（Liang，Wang，＆Li，2019; Zope，Eldho，＆Jothiprakash，2016）。任何一项测量都难以完全反映其内涵城市化研究（Zhou，Wang，＆Wang，2019）。基于这个事实和现有的研究（Feng，Liu，Qu，2019; Liang et al。，2019;Zhou et al。，2019），本文将城市化分解为人口城市化（PU），经济城市化（EU），空间城市化（SU）和社会城市化（SCU）。
3.模型设置和数据描述
3.1。模型设定 向量自回归（VAR）模型，最早由Sims开发 （1980），通常用于分析随机扰动对特定变量的动态影响（Alsaedi＆Tularam，2019）。然而， VAR模型不支持面板数据，也不考虑单个异质性（Wu，Li，Hao，Ren和Zhang，2019年）。为了弥补这些缺点，Holtz-Eakin，Newey和Rosen（1988）扩展了 VAR模型，并提出了面板数据向量自回归（PVAR） 基于面板数据的模型。与VAR模型相比，PVAR模型可以降低对数据量和数据形式的要求，并且可以有效地控制由空间和个体异质性引起的估计偏差（Jawadi，Mallick，＆Sousa，2016）。上面的理论框架表明，城市化与ULCI之间的关系很复杂，这意味着内生性 因果关系可能发生在变量之间（Wu et al。，2019）。为了准确确定城市化的影响方向和程度 ULCI，本文基于以下结果构造了PVAR模型： Holtz-Eakin等。 （1988），Pesaran和Smith（1995），以及Love and Zicchino（2006）。消除潜在的异方差在序列中，所有内生变量都经过对数处理，并由lnULCI，lnPU，lnEU，lnSU和lnSCU分别代表。 以下四个步骤通常涉及以下方面的构建： PVAR模型（Abrigo＆Love，2016； Jawadi等，2016； Lin＆Zhu， 2017）。首先，将使用单位根测试来测试相关的平稳性变量。这是确定其是否适合的第一步 PVAR模型。第二步是选择适当的滞后时间，然后 估计PVAR模型。回归结果可以反映出每种类型的城市化与ULCI之间的关系。三，冲力 将执行响应功能。可以从脉冲响应函数图中观察变量之间的动态互动 。 最后一步是方差分解，可用于 测量不同内生变量的贡献。这篇报告使用软件Eviews 9.0完成第一步，最后三步步骤，采用软件Stata 20.0。
3.2。变量选择和描述 本文使用 2000年至2017年期间31个省市的年度面板数据集，分布于中国大陆各自治区。基本数据来自中国《中国统计年鉴》、《城市建设统计年鉴》（CUCSY）和《中国统计手册》（CCS）（1949-2018年）。
- 实证结果
4.1。面板单元根测试 PVAR模型要求数据是固定的，即没有单位根（Lin＆Zhu，2017）。面板单元根测试包含两种类型。第一种类型包括Levine-Lin-Chu（LLC）测试和Breitung测试 检验，其中零假设是每个横截面序列 包含公共单位根。第二种类型的原假设 例如Im，Pesaran和Shin（IPS）测试，Fisher-Augmented Dickey Fuller （Fisher-ADF）测试和Fisher-Phillips Perron（Fisher-PP）测试是每个横截面序列都包含单独的单位根（Yu，2012年）。为了避免单一测试方法可能存在的缺点和缺陷 （Lin＆Zhu，2017），本文全面利用了LLC测试，IPS测试，Fisher-ADF测试和Fisher-PP测试。 通常，当原始序列不稳定时，第一阶差异序列将用于使其静止（Zhang，Dong，黄和谢，2019）。如果给定序列通过了以上所有测试，则为固定的，反之亦然。在测试lnULCI，lnPU，lnEU，lnSU和lnSCU的水平值时，大多数变量未通过显着性检验。的一阶差分序列这五个变量是固定的，并且大多数拒绝1％显着性水平的单位根存在的原假设。这表明这些变量是一阶的综合过程（Jouida，2018），并可以进行进一步分析。
5.结论和政策含义
本文的主要目的是系统地揭示城市化对中国ULCI的影响。本文首先从四个方面描述了城市化对ULCI的影响机制。提出新的观点，即人
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[258898]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
