上一讲:地从农民手里拿走。这一讲:地拿到手之后,政府把它分给了谁、分得好不好。
与下一讲的分工——同一个现实现象,两套问法:
本讲问「效率损失有多大」:总量与结构后果、错配、对生产率与增长的影响
下一讲问「权力如何介入交易」:协议出让、政治关联、腐败、官员激励
这不是重复,而是两套文献传统。第一支用资源配置与增长核算的语言, 第二支用政治经济学与微观计量的语言。同一批数据,问出来的问题完全不同。
建设用地总量由行政指标逐级分配,不是市场决定
地方政府是唯一的一级市场供给者,且同时面临 「工业用地压低价格招商、商住用地抬高价格获取收入」的二元选择
指标在地区间的分配长期向中西部倾斜,而人口与产业向东部集聚
由此产生本讲的核心张力:
要素想去的地方没有地,有地的地方没有人。
「土地错配」到底怎么度量?它和「分配不公平」是一回事吗?
中国的土地错配有多严重,造成了多大的生产率损失?
地方政府为什么这样供地?它在最大化什么?
建设用地指标的跨区配置,是改善了效率还是加剧了扭曲?
「以地引资」对拿到地的企业,究竟产生了什么后果?
市场化改革(招拍挂、标准地、审批权下放)真的有用吗?
六个问题,对应本讲的六个研究角度。
经济学里的「错配」(misallocation)不是分配不公平,而是:
同一种要素在不同使用者之间的边际产出不相等。
只要边际产出不等,把要素从低边际产出者手里挪到高边际产出者手里, 总产出就会增加——这部分本可以得到但没有得到的产出,就是错配的代价。
所以这一支文献的全部技术难点在于一件事:
怎么构造反事实配置?也就是「如果土地按边际产出配置,会是什么样」
读这一支的每一篇时,先找这个问题的答案
出发点:资源错配会拉低总量全要素生产率(TFP)
数据:中国、印度、美国的制造业企业微观数据
做法:在窄口径定义的行业内部,测量各工厂之间 劳动与资本边际产出的差距,并以美国作为参照基准
反事实(这一步是关键):假想把资本与劳动重新配置, 使各厂边际产出的差异缩小到美国观察到的水平
结果:制造业 TFP 将在中国提高 30–50%、在印度提高 40–60%
请特别注意那个反事实的设定:基准不是「完全没有错配」,而是「美国的错配水平」。 这决定了 30–50% 这个数字该怎么解读——它是相对的,不是绝对的。
Chen, Restuccia & Santaeulàlia-Llopis (2023, AEJ: Macroeconomics) “Land Misallocation and Productivity”
先说清楚:这篇用的是马拉维的农户数据,不是中国—— 放在这里是作为方法参照:如何把「土地」单独识别出来
做法:用农业产出与投入的实物数量(而非价值)数据测算农户 TFP, 并控制土地质量、降水与暂时性冲击
关键事实:经营地块规模与资本几乎与农户 TFP 无关 ——这正是要素错配的直接证据
反事实:把要素在现有农户之间重新配置到有效率的用途, 农业产出可提高1.7–2.8 倍
政策含义:错配程度与土地市场的发育程度相关; 通过租赁市场实现有效配置可显著降低农业收入不平等与贫困
先说清楚:这篇处理的是农业中的要素错配,不是城市工业用地—— 它其实更贴近第六讲,这里作为方法参照
数据与框架:中国农户层面面板数据 + 定量框架
发现:村庄内部的土地与资本市场存在实质性摩擦, 这些摩擦与农村土地制度相关,并且不成比例地约束了生产率更高的农户
两个边际:摩擦通过两条渠道降低农业总量生产率—— (1) 资源在农户之间的配置(错配); (2) 劳动力在部门之间的配置,即什么样的人留在农业(选择)
关键结论:选择效应会大幅放大扭曲的生产率后果
反事实是什么? 是「零错配」还是「某个参照经济体的错配水平」? 这决定了数字的量级和含义。
摩擦被归因到什么制度? Hsieh–Klenow 不指名具体制度; Adamopoulos 等则明确指向农村土地制度。 中国土地错配研究的价值,恰恰在于能把摩擦落到具体的出让方式与指标制度上。
错配之外还有没有别的边际? Adamopoulos 等提醒我们还有选择效应—— 谁留在这个部门。这个边际在城市土地研究里几乎没人做。
第三点是我最想留给你们的:城市土地的「选择效应」是一个空白。 什么样的企业会去拿协议出让的地?这个自选择过程本身就值得研究。
问题:以低地价、协议出让为主的粗放型土地出让方式, 如何影响工业企业之间的生产率差异
背景判断:各地大规模开发区建设导致稀缺土地被低效利用, 在降低企业进入门槛的同时产生严重的效率损失
数据:城市层面与行业层面数据
核心发现:一个城市以协议方式出让的建设用地比例越高, 其工业企业间的资源配置效率越低;且该效应在土地依赖程度高的行业更显著
识别:使用地形与官员任期作为工具变量, 并更换多个被解释变量与解释变量,结果稳健
注意「地形」这个工具变量——它在本讲和第五讲都会出现,是中国土地研究最常用的一个外生变异来源。
出发点:土地是中国地方政府吸引投资、推动本地增长的重要工具
数据:2003–2012 年中国地级市面板
方法:空间面板模型
发现:地方政府在工业用地出让价格上存在策略互动—— 一个城市的工业地价显著受到邻近城市行为的影响, 它们在压低工业地价吸引外来投资这件事上互相模仿
这篇的意义在于:它把「地方政府低价供地」从一个各自独立的决策, 变成了一个相互依赖的博弈。也就是说,即使某个市长知道低价供地不划算, 只要邻市在做,他也很难不做——这是典型的逐底竞争结构。
问题:经济增长与城市核心区扩张之间是什么关系
数据:一套包含中国土地利用测量的独特面板数据
事实:1980 年代末至 1990 年代,中国城市土地面积显著上升
方法:描述统计 + 多元分析;除普通最小二乘外, 还辅以空间统计分析
结论:分析显示了经济因素在城市土地利用变化中的压倒性重要性
张少辉、余泳泽(2019,《财经研究》)「土地出让、资源错配与全要素生产率」
数据与识别:2004–2013 年 230 个地级及以上城市面板,工具变量法
主结果:以土地出让收入为中心的土地财政扩张 显著抑制了城市全要素生产率的提升
机制一(价格扭曲):地方政府抬高商服住宅用地价格以 「横向补贴」工业用地低价出让,造成土地价格与土地要素配置的扭曲
机制二(资源错配):微观机制检验表明,过度依赖土地出让 导致行业与城市层面的资源错配,进而压低 TFP
分解:土地出让收入上涨带来一定规模效应, 但明显抑制技术进步(TP)与技术效率(TE)
把三篇连起来,可以看到中国土地错配研究的三个层次:
事实层:城市土地在扩张,且主要由经济因素驱动(Deng et al., 2009)
机制层:扩张的方式是地方政府互相模仿地压低工业地价(Huang & Du, 2016)
后果层:协议出让比例越高,企业间资源配置效率越低(李力行等,2016)
这条链条的完整性是这一支文献最好的地方——事实、机制、后果都有对应的证据。
但它也有一个共同的软肋:几乎所有研究都在城市或行业层面。 企业层面的土地配置——哪家企业拿到了地、拿到之后做了什么—— 要等到第三讲和第五个角度才展开。
要解释的现象:中国劳动成本快速上升
数据:286 个地级市 2001–2010 年面板
识别策略(关键):用土地供应作为房价的工具变量, 并结合东部—中西部边界样本的对比来控制内生性
发现:2003 年以来政府实行倾向中西部的土地供应政策、相应压缩东部供地, 造成东部房价快速上升,进而推升东部工资; 而这一效应在中西部、以及 2003 年之前的东部都不显著
作者的结论:忽视地理对经济发展的关键作用、用行政手段干预土地的区域间配置, 可能损害经济发展效率与竞争力
请注意那个「不显著」——分组之后效应只出现在应该出现的那一组, 这本身就是识别可信度的重要证据。
被解释的模式:地方政府一方面低价出让工业用地招商引资推进工业化, 另一方面高价出让商住用地并通过土地抵押获取资金建设城市基础设施
方法:门槛回归
核心发现:土地对经济的贡献存在倒 U 型的门槛特征; 在经济转型期,土地对经济增长的发动机功能已经枯竭
区域差异:东部地区过度的土地依赖已导致风险增加与 低质量招商引资,对地方经济发展产生负面影响; 中西部地区则在复制东部的老路
这篇文章给整个第二至第四讲提供了一个时代坐标: 我们讨论的不是一个正在上升的模式,而是一个正在退潮的模式。
陆铭等(2015)说的是空间上的错配——地给了不该给的地方
刘守英等(2020)说的是时间上的衰竭——这套模式的边际收益已经转负
如果模式已经衰竭,地方政府为什么还在继续?(这是第四讲的问题)
存量时代的供地行为,用增量时代的框架还能分析吗?
两者指向同一个判断:土地的行政配置在早期可能有效,但代价随时间累积。
建设用地指标是行政配置的——这在市场经济国家没有对应物。
于是产生了一系列在别处不会出现的问题:
指标该按什么原则在地区间分配?按人口、按面积,还是按经济规模?
指标能不能交易?跨省交易和省内交易,哪个更好?
指标交易的收益归谁——流出地政府、流出地农民,还是流入地?
把审批权下放给地方,是提高效率还是加剧扭曲?
接下来三篇,恰好分别回答了效率、分配、和分权这三个问题。
要解释的困境:改革开放以来人地分离日益凸显,形成「人动地不动」
做法:把建设用地分为生产性用地与居住性用地; 基于量化空间一般均衡模型核算地级市层级的土地要素配置扭曲系数; 据此识别指标的转让地与受让地,用反事实分析量化评估跨区域交易的配置效应
发现:
两类用地都存在配置失衡且区域异质性显著; 居住性用地的供需矛盾依然突出,而生产性用地的错配程度呈边际改善
跨省交易在效率提升与区域均衡两个维度上都优于省内交易
居住性用地跨区域交易的配置效应显著优于生产性用地
空间再配置难以同时实现效率最大化与区域差距最小化,但存在帕累托改进空间
问题:建设用地指标交易政策如何影响县域城乡收入差距
数据与方法:全国 2010–2022 年 1646 个县域面板,多期双重差分
核心发现:该政策显著缩小了指标流出县域的城乡收入差距
机制:政策激励指标流出县域增加对农村的投资—— 具体表现为农村固定资产投资与财政支农支出显著增长, 进而提升农村产业发展水平、提高农村居民收入
条件性(很重要):
省内指标稀缺时,缩小差距表现为帕累托改进
省内指标过剩时,差距缩小主要通过收入转移实现
异质性:在采取协议出让方式、以及地形包含丘陵的县域,效果更明显
问题:建设用地审批权下放如何影响产业的「强链补链」
数据构建(方法上最值得学的一点): 基于各城市政府规划报告与企业主营产品, 运用大语言模型构建城市重点培育产业及产业链上、中、下游企业分布数据库
方法:事件分析法
发现:审批权下放显著促进城市重点产业强链补链,且效应逐年增强
机制:
土地供给侧——提高了政府对重点产业的土地供给倾向,降低土地制度性交易成本
产业生态侧——促进链主型企业引育与产业集群形成
额外发现:审批权下放驱动的本地产业链构建,缓解了区域内产业同构
三篇都指向正面结论,但每一篇都附了条件: 跨省优于省内、指标稀缺时才是帕累托改进、效应依赖土地市场环境
这提醒我们:不要把「指标交易是好事」当成无条件命题
Zhang, Wang & Tian “Land Allocation and Industrial Agglomeration: Evidence from the 2007 Reform in China”
改革内容:把透明度引入土地出让过程
直接后果:更多买家得以参与竞争——这一点反映在成交地价的上升上; 由此地方政府得以把地配置给最合适的使用者
数据:把三套数据匹配起来——地方初始产业结构、新设工业企业、工业用地交易
核心发现:改革显著提高了与本地专业化方向相符的行业的企业进入
版本提醒:该研究有工作论文与期刊发表两个版本,作者署名顺序不同 (发表于 Journal of Development Economics,2024)。做 pre 时请以你实际读的那一版为准。
切入点:2007 年我国工业用地出让最低价政策
识别策略:利用政策实施年份前后以及最低价标准在区县间的差异 这双重差异,构建广义双重差分模型
核心发现(带数字):在受最低价政策约束的区县, 最低价标准每提高 100 元,区县范围内夜间灯光强度平均下降约 2.6%
机制:「过高」的最低价阻碍了新企业进入和已有企业扩张, 进而对地方经济增长产生负面影响
把这篇和上一篇放在一起,是本讲最有意思的一处张力: 同样是 2007 年、同样是规范工业用地出让,一项改革提高了配置效率,另一项政策却抑制了增长。 差别在于——前者改的是程序,后者定的是价格。
注意文章的性质:这是一篇以理论模型为主的文章—— 构建了地方政府的最优化模型,而不是一篇实证评估
要解释的事实:发达地区工业用地占比远高于欠发达地区
模型结论:在资本可流动的情况下,当禀赋差距扩大时, 发达地区会增加工业用地,欠发达地区会减少工业用地; 这种差异提高了资本边际回报率的差距,加剧资本流动, 从而扩大地区间产出差距
一个漂亮的等价性结果:地方政府的具体调控手段不影响结论—— 价格调控、数量调控、比例调控三种方式是等价的
政策含义:中央限制发达地区建设用地指标的政策能在一定程度上改善产出不平衡, 而指标跨地区交易机制能在此基础上进一步降低发达地区的效率损失、 并提高所有地区的福利
背景判断:过去四十年中国在产品市场改革下取得了非凡增长, 但增速正在放缓;而要素市场与城市治理的改革要慢得多, 被认为仍有相当大的效率改进空间
本文处理的三个问题:
地方对土地市场的政治操纵与地方领导人的目标函数
地方预算过程对基础设施融资的约束
资本市场对特定城市的偏favor
方法(关键,别写错):使用一个含贸易与迁移摩擦的 结构一般均衡模型,基于地级市层面数据,并对政治过程建模
这一篇常被误当成「用宗地微观数据做计量」——它不是。 读之前先看清楚方法,这也是我要求 pre 必须讲识别策略的原因。
问题:市场化改革对土地利用效率的因果效应
制度背景:自 2007 年 7 月 1 日起,中央严格要求城市政府 在出让工业用地时采用市场化方式
识别:由此产生一个断点——7 月 1 日之后, 土地以市场化方式出让的概率显著跳升;文章据此采用模糊断点回归
发现:市场化确实对土地利用效率有正面影响, 表现为土地开发周期缩短等方面
方法上的要点:政策生效日期本身就是一个断点。 中国的土地政策常常有明确的生效时点,这是一个被低估的识别资源。
政策:「标准地」出让改革——土地要素市场化配置中的政策创新
设计:以全国各地级市「标准地」出让改革的实施作为准自然实验
方法:超效率 SBM-Undesirable 模型测算效率 + 渐进双重差分估计政策效应
发现:
改革显著提升工业用地利用效率
提升效应呈现逐年累积的特征
异质性:在中西部地区、以及产业结构高度依赖制造业的地区更显著
三篇合起来看:程序性改革(透明度、市场化方式、标准地)普遍有效; 而价格性干预(最低价)反而可能有害。这是本讲能给出的最清晰的一条政策判断。
| 数据 | 在本讲文献中的用法 |
|---|---|
| 土地市场网宗地出让微观数据 | 出让方式、成交价、用途、受让方;识别协议 vs 招拍挂 |
| 中国工业企业数据库 | 企业间生产率离散度;错配的被解释变量 |
| 城市与区县面板 | 供地结构、指标配置、财政变量 |
| 夜间灯光 | 区县层面经济活动的代理变量(王之等 2024) |
| 地形坡度 | 供地约束的工具变量(李力行等 2016;陆铭等 2015) |
| 官员履历 | 任期作为工具变量或政治周期变量 |
| 政府规划报告 + 企业主营产品 | 用大语言模型构建产业链数据库(陈旭等 2025) |
| 方法 | 代表文献 | 适合回答什么 |
|---|---|---|
| 生产率离散度分解 | 李力行等(2016) | 错配有多严重 |
| 量化空间一般均衡 + 反事实 | 马草原、倪修凤(2026) | 重新配置能带来多少收益 |
| 结构一般均衡模型 | Henderson et al. (2022) | 政治操纵与治理的整体影响 |
| 工具变量 | 陆铭等(2015);李力行等(2016) | 供地与房价、工资的因果关系 |
| 广义双重差分 | 王之等(2024) | 有连续强度差异的政策 |
| 多期 / 渐进双重差分 | 朱玉龙等(2026);王泽驹等(2024) | 分批推开的试点改革 |
| 模糊断点回归 | Lu & Wang (2022) | 有明确生效时点的政策 |
| 门槛回归 | 刘守英等(2020) | 效应是否存在拐点 |
| 理论模型 | 程宇丹等(2024) | 机制的内在逻辑与等价性 |
英文:
QJE(方法框架)
Econometrica · AEJ: Macroeconomics
Journal of Public Economics
Journal of Development Economics
Urban Studies · Land Use Policy
中文:
《中国社会科学》·《经济研究》(2)
《管理世界》·《经济学(季刊)》
《世界经济》·《中国农村经济》
《数量经济技术经济研究》(2)
《中国土地科学》·《财经研究》
值得点破的一件事:土地错配这一支方法门槛最高(结构估计、定量一般均衡), 也最容易发国际顶刊;而供地行为这一支更依赖中国制度知识,中文顶刊更认。 选题时要先想清楚自己走哪条路——这决定了你需要补哪一类训练。
指标交易全面铺开后的一般均衡效应——现有评估多基于试点, 而试点样本有严重的选择性
存量时代:增量配置的分析框架还适用吗? 城市更新、低效用地再开发几乎没有因果评估
二级市场与闲置土地处置——一级市场研究已经很密,二级市场几乎是空白
土地要素市场化改革的整体评估:试点多、评估少, 且各项改革之间可能相互干扰,单独评估某一项会有偏
| # | 文献 | 方法看点 |
|---|---|---|
| 1 | 李力行、黄佩媛、马光荣(2016,《管理世界》) | 错配度量 + 地形/任期工具变量 |
| 2 | 陆铭、张航、梁文泉(2015,《中国社会科学》) | 土地供应作房价工具变量 + 边界对比 |
| 3 | 刘守英、王志锋、张维凡、熊雪锋(2020,《管理世界》) | 门槛回归,倒 U 型 |
| 4 | 马草原、倪修凤(2026,《数量经济技术经济研究》) | 量化空间一般均衡 + 反事实 |
| 5 | 朱玉龙、冯淑怡、王博、樊鹏飞(2026,《中国农村经济》) | 多期双重差分,1646 县域 |
| 6 | 陈旭、纪展鹏、冯德连(2025,《世界经济》) | 大模型构建数据 + 事件分析 |
| 7 | 王之、田文佳、张庆华(2024,《经济学(季刊)》) | 广义双重差分 + 夜间灯光 |
| 8 | 程宇丹、龚六堂、田文佳(2024,《经济研究》) | 理论模型(注意:非实证) |
| 9 | Henderson, Su, Zhang & Zheng (2022, JPubE) | 结构一般均衡模型 |
| 10 | Lu & Wang (2022, Land Use Policy) | 模糊断点回归 |
选课要求:十选五,先选先得;五篇之间尽量不要方法重复。
两组适合对读:
2007 年的两项政策:Zhang, Wang & Tian(透明度改革,效率改善) 与 王之等(最低价政策,抑制增长)
效率与分配:马草原、倪修凤(效率)与 朱玉龙等(城乡差距)
同一块地,为什么给了这家企业、而且是这个价