中国工业及物流仓储用地对经济增长的影响——基于“绿色索洛模型”

改革开放以来，中国经济取得长足发展。工业行业的快速发展是中国经济快速增长的重要动力。2003—2019年，国内生产总值从9.91万亿人民币增长为98.85万亿人民币，其中工业增加值占比始终保持在40%左右1。在工业生产中，土地资源是十分重要的生产要素，产品的制造、运输以及消费环节都需要借助土地来实现[1]。土地要素在空间上的合理布局也是驱动中国经济发展的重要动力。“十四五”规划中明确提出构建国土空间开发保护新格局。其中，优化重大基础设施、重大生产力和公共资源布局是国土空间开发保护新格局的重要措施2。

工业用地作为用于工业生产的土地，对经济增长具有不可替代的作用。同时，工业用地对经济增长也存在着空间效应。地区内工业用地的增加可能通过产业聚集促进周边地区的经济发展[2],也可能通过“虹吸效应”对其他地区经济增长产生负面影响[3]。物流仓储作为商品运输环节必需的土地，也是土地要素的重要组成部分。近年来，产品的生产不再局限于单一地区，而是按照生产环节在一国甚至多国生产并完成装配，这一过程正是借由发达的物流和仓储网络实现的[4]。同时，物流和仓储用地对经济增长也存在空间效应。一个地区物流和仓储用地的变化也能够通过影响运输能力影响其他地区的经济发展。综上，工业用地以及物流仓储用地对未来中国的经济增长具有独特的不可替代的重要作用。本文使用2003—2017年中国省级面板数据，基于纳入了工业用地以及物流与仓储用地的绿色索洛模型，研究中国整体以及四大经济区域工业用地以及物流仓储用地投入对经济增长的影响。进一步，使用空间杜宾模型以及空间动态面板模型，研究中国整体以及四大经济区域工业及物流仓储用地对区域内以及其他地区经济增长的空间溢出效应，以期为土地资源的合理分配提出科学建议。

土地作为重要的生产要素，对经济增长的作用一直是学术界关注的焦点。土地与劳动力以及资本一样都是不可或缺的生产要素[5,6]。学者们首先从理论层面对土地与经济增长的关系进行了研究[7]。 此后，随着研究的深入，越来越多的学者使用了包含CES[8]、C-D[9]等生产函数构建了理论及实证模型证明了土地投入对经济增长的重要作用[10]。近年来，随着经济的发展，工业用地面积不断提高，工业生产的扩张带来了环境问题[11,12]。土地利用通过影响生态系统影响经济发展[13,14,15]。传统的生产函数未能将环境对经济发展的影响纳入考虑范围。环境的污染能够通过生态系统被破坏，自然灾害增加对经济增长产生副作用。不仅如此，治理污染物排放的过程也会造成生产力的浪费。为解决传统模型的这一缺点，环境因素被纳入传统索洛模型，得到绿色索洛模型[16]。这种绿色经济增长核算研究不仅有助于更加真实地识别经济增长的源泉，而且还有助于经济发展中的相关决策制定，特别是对中国当前及今后在转变经济发展方式的选择具有现实意义。在中国土地市场中，政府具有独特的地位，政府能够通过土地政策以及财政政策调节每年新增的用地在各省之间的分配[17,18,19]。基于土地供给制度的特殊性，学者们对中国的工业用地投入与经济增长进行了研究[20,21]。一些学者认为中国的工业用地投入促进了经济增长，但是随着工业化的深入，贡献率被劳动力和资本超越[22,23]。除此之外，工业用地增加促进了经济发展，但地区间竞争也会产生负向空间溢出效应[24]。

物流和仓储用地对经济增长的影响也得到学者们的关注。早期研究通过建立不变规模报酬的生产函数模型发现，物流用地投入不足是美国70—80年代的经济减速的重要原因[25,26]。物流设施用地投资对经济增长的产出弹性得到测算[27]。一些学者认为如果没有物流土地投入，社会总体福利增加将会减少一半[28],人均产出也将下降[29]。随着研究的展开，学者们从用地面积视角对中国问题进行研究并认为，中国公路用地的增加使得经济增长[30,31,32,33],物流和仓储用地投入对经济增长也具有正向的空间溢出效应[34,35]。

综上所述，土地要素对经济增长影响的研究体系不断完善，但依然有待扩展。①现有研究更多侧重于工业用地，而忽视了物流仓储用地对工业生产的作用；②现有研究使用的实证模型大多未考虑到环境变化对工业生产的影响；③现有研究多数使用普通面板数据模型，较少考虑地理位置相邻地区的要素投入和经济发展本身均存在空间影响。

相比已有文献，本文的贡献如下：①将物流仓储用地纳入土地要素，研究了工业用地和物流仓储用地两种土地要素对经济增长的影响；②考虑到生产过程中所产生的环境污染对经济增长存在副作用，本文使用“绿色索洛模型”,将环境污染作为影响经济增长的因素纳入实证研究的模型中，使研究更加严谨；③考虑到要素对经济增长的空间作用，本文使用了空间杜宾模型、空间误差模型、空间自回归模型以及Han-Philips动态空间面板数据模型对两种土地要素投入对经济增长的空间溢出效应进行了分析；④本文不仅对中国整体工业及物流仓储用地经济增长的空间溢出效应进行了研究，还对四大区域的空间溢出效应进行了进一步研究。

考虑到除投入要素以外，环境因素对经济增长存在影响，借鉴Brock构建的“绿色索洛模型”,研究工业及物流仓储用地变化对经济增长的影响。绿色索洛模型是索洛模型的拓展，该模型考虑到经济活动对环境资源的消耗，将环境变量作为一种投入成本引入生产函数，进而研究劳动力、资本、环境、能源、土地等要素投入变化对经济增长的影响。该模型引入了外生变量削减强度表示经济活动中用于污染削减的部分所占比例。模型的假定变为：污染不存在结构效应，同时忽略技术进步和环境政策变化对污染削减的影响。为了研究污染对产出的影响，需要确定污染排放总量。假定每单位经济活动产生的初始污染量为常数ω,污染削减量取决于经济活动规模(F)和消耗在污染削减上的经济努力(Fτ);τ为污染削减量。假定该函数规模报酬不变。则污染排放量(E)为污染产生量减去污染削减量，即

E=ωF−ωτ(F,Fτ)=ωF[1−τ(1−FτF)]=ωFρ(θ)E=ωF-ωτ(F,Fτ)=ωF[1-τ(1-FτF)]=ωFρ(θ) (1)

式中，ρ(θ)=1−τ(1−FτF),θ=FτF,θρ(θ)=1-τ(1-FτF),θ=FτF,θ为削减强度，假定其为不变常数，则扣除环境污染，用于最终产品的消费和投资的经济活动为

Y=F(1-θ)(2)

考虑到环境具有自净作用。假定污染存量(X)的初始水平为0,E为单位时间排污量，则污染存量的动态方程为

X˙=E−δXX˙=E-δX (3)

式中，δ 为污染的自然净化率，且δ>0。

通过以上分析得到拓展的 “绿色索洛模型”形式为

式中：k=K/AL;y=Y/AL;e=E/AL;f(k)=F(k,1)。

因此，为了探究在考虑环境污染的情况下工业用地和物流仓储用地投入对经济增长的影响，本文使用绿色索洛模型构建C-D生产函数[36,37],将工业用地以及物流仓储用地作为土地要素，与环境污染(E)、资本(K)、劳动要素(L)一同作为投入要素纳入生产函数。得到的生产函数形式为

Y(t)=F[K(t),A(t)L(t),N(t),E(t),t](5)

式中，t为时间趋势变量。为了估算要素随时期而变化的产出弹性系数，采用C-D形式为

Y=Kα(AL)βNγEφ(6)

式中，α、β、γ>0,φ<0。对上式两边取对数，则构造的计量模型形式为

Yit=Ci+αln Kit+βln Lit+γln Nit+φ ln Eit+μit(7)

基于以上模型，关注土地要素投入中与生产紧密相关的工业用地以及影响生产资料及产品流动性的物流和仓储用地，构建计量经济学模型对环境约束下土地要素投入对经济增长影响进行研究，模型为

式中：K表示资本要素，使用工业固定资产表示；L为劳动力要素，使用工业企业就业人数表示；N为土地要素，NI表示工业用地，NL表示物流和仓储用地；E为环境要素，考虑到不同形态污染物，使用工业SO2排放、粉尘排放、废水排放以及固体废弃物排放表示；α、β、γ、φ 分别测度的是各要素对总产出的弹性；t 表示时期；i表示省份；Y为产出，使用年度工业增加值表示。需要说明的是，本文并未使用第二三产业的产值作为衡量产出的指标。其原因在于，受到数据限制，目前中国官方的统计数据中对于污染物排放的统计仅限于工业行业。为使研究的行业口径统一，本文使用代表工业生产活动水平的工业增加值作为被解释变量。本文首先对数据进行ADF 以及LLC 单位根检验，结果显示数据平稳。进而通过Modified Dickey-Fuller、Dickey-Fuller、Augmented Dickey-Fuller等方法进行协整检验，验证变量间存在协整关系。为避免序列相关，对控制变量进行取对数处理。

利用2003—2017年中国省级面板数据以及东北、东、中、西部四大经济区域3实证研究工业用地及物流仓储用地投入对工业经济增长的影响。进一步使用空间计量经济学模型研究工业及物流仓储用地对经济增长的空间溢出效应。数据来源如下：工业增加值、工业固定资本及工业行业就业人口数据来自《中国工业经济统计年鉴》。其中，以货币为计价单位的工业增加值和固定资产均根据2000年不变价格进行折算。工业SO2排放、粉尘排放、废水排放以及固体废弃物排放数据来自《中国环境年鉴》。工业及物流仓储用地数据来自《中国城市建设统计年鉴》。以上数据在国家年鉴中存在缺失的，使用各省、市、自治区统计年鉴中相应数据进行补充。

2003—2017年，中国工业增加值从2003年的5.62万亿元增长到2017年的30.17万亿元4。在地域分布上，沿海地区如河北、山东、江苏、浙江、广东工业增加值一直保持在前列。研究期内，中国经济增长的主要动力源于出口创汇。由于海运的便利性以及改革开放等政策因素，沿海地区尤其是南部沿海地区从外向型经济增长中享受的红利多于内陆省份。北方地区各省工业增加值在研究期内发生了变化，东北地区工业增加值排名下降。其中，黑龙江在2003—2010年以及2010—2017年两个时期内下降趋势最为明显。中国的东北地区在之前的数十年承载了重工业的生产任务。但是随着轻工业以及互联网经济的不断发展，东北地区未能很好地对产业结构进行调整，工业发展呈现出疲态。

对于工业用地，2003—2017年，中国各省工业用地分布基本与经济发展水平相符，总面积从6 224.57 km2增长到10 796.87 km2。分布特征上，东部比中西部地区的工业规模大。变化趋势上，青海、内蒙古、山西、湖南的工业用地面积排名降低，新疆、西藏、重庆、湖南、江西、福建排名提高。研究期内中国新增工业用地逐渐由中部地区向东部沿海以及西部边境省份转移。沿海地区工业用地面积多，分布较为集中，面积最多的省份均为沿海地区，分别是辽宁、山东、江苏、上海、广东。由于产业聚集、经济增长对投资的吸引力、政府对税收增加的期望，经济较为发达的沿海地区新增工业用地较多，导致工业用地分配的不平衡。内陆地区仅四川的工业用地面积较大。四川由于地理位置的特殊性，是重工业发展的重要地区，2003—2017年，工业用地面积从248.49 km2增长到450.81 km2。

对于物流和仓储用地，2003—2017年仓储用地面积从1 161.67 km2增长至1 617.21 km2。各省的仓储用地分布情况在研究期内基本保持稳定。区域分布上，2003年黑龙江、辽宁、河北、山东、江苏、上海、安徽、广东仓储用地较为集中。2017年，北部的辽宁和河北排名下降，安徽的排名降低而邻近的河南以及湖北排名上升。排名同样上升的还有四川、西藏和新疆。从动态演变趋势来看，从2003—2017年，中国的仓储用地格局发生了从东部向中部和西部扩散的变化。2003年中国仓储用地发达的地区多为东部沿海地区。21世纪初，出口对中国经济增长拉动作用显著。出于海运的需要，东部地区仓储设施较为完善。随着国内市场的不断发展，国内消费成为经济的重要驱动力，地理位置处于中国中部地区的河南和湖北成为国内物流重要中转的中心，仓储设施的需求提升，新增仓储用地分布集中。

对中国全部省份的研究结果见表1。首先，不考虑环境因素以及各种要素投入的空间效应，使用固定效应，随机效应模型，基于索洛模型研究两种用地投入对经济增长的影响。随后，考虑“工业三废”,基于绿色索洛模型使用固定效应，系统广义矩估计(GMM)、迭代矩估计(IGMM)进行了实证研究。最后，考虑了两种用地对产出影响的滞后性，将滞后一期的工业用地和仓储用地纳入模型进行进一步分析，根据考虑因素的完备性，以结果(5)为例进行分析。工业用地对产出的促进作用明显，工业用地每增长1%,工业增加值将增加0.318%。

滞后一期工业用地的增加同样会促进工业增加值的提高，相关系数为0.308。新增工业用地通过增加生产规模提高总产出。同时，由于需要建设厂房以及购置设备，工业企业从获得土地使用权到真正生产出产品期间存在一定的滞后性，因此前一期的工业用地增加同样促进了工业增加值提高。新增当期以及前一期仓储用地也促进了工业增加值的上升，相关系数分别为0.186和0.219。当期的仓储用地增加提高了企业对于未来产品运输能力的预期，因此企业倾向于扩大产能，从而提高了总产出。物流仓储设施的建成投入使用也存在时滞性。因此前一期的新增仓储用地对工业增加值也存在正效应。仓储用地面积的增加意味着物流体系更加完备。物流的发达使工业产品运输成本降低，运输能力增强。购买原材料以及销售产品时的成本均会被降低，有效地提高了工业产品的流通速度，提高了生产力水平，从而提升了工业增加值[38]。

对其他要素，固定资产投资对总产出的影响不显著。考虑到不同要素在不同地区间的空间效应，在中国整体层面上的固定资产投资对总产出的影响可能受到其他因素的作用。就业人数对总产出的影响显著为正，相关系数为0.823。人力资本对工业总产出的影响非常明显，随着科技水平的提高，人力资本对产出的影响逐渐显著。不同类型污染物对经济增长的影响不同。固体废物对总产出的影响为正，说明对固体废物的循环再利用以及处理固体废物对设备的需求所带来的经济效益大于排放污染对经济的副作用。SO2排放的增加使总产出水平降低，SO2排放每增加1%,总产出就会降低0.153%。粉尘对总产出的负效应更强，粉尘排放每增加1%,总产出就降低0.381%。在以上模型中废水排放对总产出的影响并不显著。

将31个省市自治区划分为四大经济区域，研究中国四大经济区域工业用地以及物流仓储用地对经济增长的影响。由于每个地区样本均变为长面板，考虑到误差项可能存在异方差与自相关性，使用可行性广义最小二乘法(FGLS)对模型进行回归(表2)。

工业用地对四大经济区域的经济增长均起到促进作用[39]。其中东北地区的影响是四大区域中最强的，工业用地每增加1%就能够拉动0.603%的经济增长。仓储用地对四大经济区域工业增加值的影响并不显著，可能的原因是仓储物流设施对区域间的空间溢出效应没有被考虑在内，导致了模型估计的偏误。对于控制变量，东北地区人力资本对经济增长的影响最为明显，每1%的人力资本投入增加将提高1.171%的工业增加值，明显高于东部地区的0.934%、中部地区的0.742%和西部地区的0.904%。对于“工业三废”,除中部地区外，其他3个区域的固体废弃物排放对增加值均正相关。粉尘排放对四大经济区域经济增长存在负效应，相关系数分别为-0.181、-0.234、-0.256、-0.341。废水和二氧化硫排放在区域间的影响差异较为明显，且结果显著性较差。环境污染一定程度上削弱了资本、劳动力和土地要素对经济的促进作用。忽视环境因素会导致工业增长被高估。

考虑到经济发展以及要素投入在地理位置相邻近地区之间存在空间影响，本文进一步使用空间面板数据模型，对中国整体、四大经济区域内工业及物流仓储用地对经济增长的空间效应进行研究。

将空间因素纳入回归模型以验证城市工业用地以及物流仓储用地变化对工业增加值的空间效应。空间计量模型分为空间自相关模型(SAR)、空间误差模型(SEM)及空间杜宾模型(SDM)。空间模型的判别综合拟合优度检验、自然对数函数值、基于OLS估计结果的残差空间相关性检验等[40,41]。使用不同的空间权重矩阵对模型进行LM检验发现， LM-Lag以及R-LMLag均在1%水平上显著，即存在明显的空间滞后效应，同时空间误差效应的LM-error和R-LMerror也均在至少10%水平上显著。因此，本文选择空间杜宾模型(SDM)作为最终分析模型。设定的模型为

lnYit=Ci+ρ∑j=131WijlnYjt+αlnKit+βlnLit+γ1lnNIit+γ2lnNLit+φlnEit+∑j=131wijlnKjtθ1+∑j=131wijlnLjtθ2+∑j=131wijlnNIitθ3+∑j=131wijlnNLitθ4+∑j=131wijlnEitθ5+εitlnYit=Ci+ρ∑j=131WijlnYjt+αlnΚit+βlnLit+γ1lnΝΙit+γ2lnΝLit+φlnEit+∑j=131wijlnΚjtθ1+∑j=131wijlnLjtθ2+∑j=131wijlnΝΙitθ3+∑j=131wijlnΝLitθ4+∑j=131wijlnEitθ5+εit (9)

另外，本文使用空间自回归模型(SAR)以及空间误差模型(SEM)作为SDM模型的稳健性检验，模型设定如下。

空间自回归模型(SAR):

lnYit=Ci+ρ∑j=131WijlnYjt+αlnKit+βlnLit+γ1lnNIit+γ2lnNLit+φlnEit+μitlnYit=Ci+ρ∑j=131WijlnYjt+αlnΚit+βlnLit+γ1lnΝΙit+γ2lnΝLit+φlnEit+μit (10)

空间误差模型(SEM):

lnYit=Ci+αlnKit+βlnLit+γ1lnNIit+γ2lnNLit+φlnEit+γ3∑j=131wijφjt+εit   (11)lnYit=Ci+αlnΚit+βlnLit+γ1lnΝΙit+γ2lnΝLit+φlnEit+γ3∑j=131wijφjt+εit   (11)

在进行空间计量经济学分析之前，首先需要判断中国区域间工业和物流仓储土地要素投入及工业增加值的空间相关性是否存在。采用Moran’s I指数进行全局空间相关的检验，计算公式为

Moran’I=∑i=1n∑j=1nWij(Yi−Y¯¯¯)(Yj−Y¯¯¯)S2∑i=1n∑j=1nWijΙ=∑i=1n∑j=1nWij(Yi-Y¯)(Yj-Y¯)S2∑i=1n∑j=1nWij (12)

式中：S2=1n∑i=1n(Yi−Y¯¯¯)S2=1n∑i=1n(Yi-Y¯);Y¯¯¯=1n∑i=1nYiY¯=1n∑i=1nYi;Yi表示i地区经济产出；n为地区总数；Wij为空间权重矩阵，反映区域间的空间相关性。为了保证研究的稳健性以及科学性，使用空间邻接矩阵、地理距离矩阵、经济距离矩阵3种矩阵作为空间权重矩阵。

1)空间邻接矩阵是依据地理是否相邻来设定，地理相邻的地区被赋予“1”,其他的地区被赋予“0”,该权重矩阵定义为

2)地理距离空间权重矩阵是根据两个地区之间地理距离的倒数来设定，两个地区之间的距离越近，赋予越大权重；距离越远，赋予越小权重，定义为

3)经济距离矩阵将使用两地区GDP之差的倒数组成的矩阵与两地区距离的倒数矩阵相乘，既考虑到地理距离又考虑到了经济发展的空间效应，定义为

W3ij=W2ij×Weij(15)

式中，Weij=1∣∣Gi¯¯¯¯−G¯¯¯j∣∣, i≠j,G¯¯¯i=∑t=T0TG¯¯¯it/(T−T0)Wije=1|Gi¯-G¯j|, i≠j,G¯i=∑t=Τ0ΤG¯it/(Τ-Τ0),Git表示省份i第t年的人均GDP,当i=j时，Weijije=0

表3显示，在2003—2017年的绝大部分年份，使用3种不同类型空间权重矩阵的Moran’s I指数均至少在10%水平上显著，且Moran’s I平均值分别为 0.056、0.195、0.107。中国区域间工业和物流仓储土地要素投入及工业增加值存在明显的正空间相关性。因此考虑空间效应才能更加准确的识别变量之间的关系。空间计量模型的估计结果包括主效应以及空间溢出效应，空间溢出效应包括直接效应以及间接效应5。主效应衡量的是不包含非空间效应的部分，空间直接效应表示自变量对本地区因变量的影响，空间间接效应代表本地区自变量对邻近地区因变量的影响。当计量模型中未引入空间自相关项时，解释变量对被解释变量的影响可以用相应解释变量的估计系数表示，但引入空间自相关项后，则不能只看解释变量的估计系数，此时需要综合考虑空间自相关项的估计结果[42]。因此本文的空间计量经济学分析除主效应的估计系数以外，着重分析中国区域间两种形式用地对工业增加值的空间溢出效应6。

在对总效应进行简要分析后，进一步研究中国全部省市的土地投入对经济增长的空间溢出效应。在进行空间溢出效应分析中，主要分析SDM模型的计算结果。除SDM模型，使用空间动态面板Han-Philips GMM模型检验空间溢出效应的稳健性。

表4展示了中国31个省区市土地要素投入对经济增长影响的空间溢出效应7。结果(1)～(3)为静态SDM模型的空间效应检验结果，(4)～(6)为Han-Philips Spatial GMM的空间效应检验结果。通过对空间效应的研究，本地区新增工业用地对经济增长存在为负向空间溢出效应。可能的原因是：①虽然新增工业用地可以促进本地区经济增长，但每年新增工业用地受到当年产业及财政政策引导以及不同地区的产业聚集的影响。因此在空间上，一个地区新增工业用地的面积增加可能导致周边地区生产活动萎缩。②工业企业更愿意聚集在本地而不愿意选择相邻地区，并且这种聚集的趋势可能导致地区内原有工业企业在空间上的变动。新增物流仓储用地对工业增加值产生正的空间溢出效应。物流仓储用地的增加代表了物流产业更加发达，运输成本降低，运输效率提升，从而降低了企业生产成本，提高了生产效率。这种效应不仅作用于本地区，同样作用于其他地区。

为了进一步确定中国土地投入对本地区以及其他地区工业增加值的空间溢出效应，进一步研究中国全部省份工业及物流仓储用地对工业增加值的空间直接效应和空间间接效应。

表5展示的是中国31个省区市空间直接效应。固定资产投入、人力资本投入、工业用地和仓储用地的增加都会提高工业增加值。工业用地对工业增加值存在正向空间直接效应，相关系数分别为0.073、0.051、0.061。本地区工业用地的增加可以扩大地区内的工业生产规模从而提高工业增加值。仓储用地对工业增加值的空间直接效应为正，相关系数分别为0.169、0.157、0.145。仓储用地对本地区内工业增加值的促进作用大于整体水平。物流和仓储用地面积增加提高了货物周转能力，使货物储存量提高，为工业企业扩大产能提供了良好的生产资料基础。同时，物流和仓储用地的提高意味着工业行业原材料以及产成品的运输效率提高，运输效率的提高意味着周转速度加快。在相同时间内，周转速度的提高代表一个生产周期的缩短。生产频率的加快使得工业增加值提高。不论是储存货物数量的增加还生产周期的缩短，本地区仓促用地对该地区的这两种效应都更强，更直接。对其他地区，本地区的仓储用地起到的更多是运输中转站的作用，且对运输效率的提升也不如对本地区强。因此，仓储用地对本地区的工业增加值的提升强于对全部地区。在3种空间权重矩阵的模型中，固定资本投入每增加1%将分别提高0.387%、0.477%、0.426%的工业增加值。人力资本投入与工业增加值的相关系数分别为0.288、0.275、0.306。本地区固定资产和人力资本要素的投入对地区内的工业增加值影响大于对全部地区的总体影响，生产资料的在地区内的聚集效应是可能原因。对于本地区工业废弃物排放对工业增加值的影响，SO2和废水排放对本地区工业增加值的影响为正，粉尘排放增加降低了工业增加值，固体废物对工业增加值的影响不显著。

表6展示的是中国全部地区空间间接效应结果。本地新增工业用地对其他地区经济增长有负效应，导致了研究期内经济发展水平的“强者恒强”。造成这种现象的原因可能是地区内产业聚集对其他地区产生的“虹吸效应”以及不同地区相同产业之间的竞争[43,44]。在相邻的地区内，一个省份的新增工业用地的提高意味着该地区工业企业的聚集程度增加。由于区位相近，相邻范围内其他省份的工业企业会受到该地区的产业聚集的影响，从而提高了转移产业布局的意愿。除此之外，区位相近的省份在产业布局上存在一定的重叠[45]。产业结构的相似加剧了不同地区相同产业的竞争，导致一个地区新增工业用地对与其工业产业结构类似的省份的工业生产产生了负向空间溢出效应。另外政府对工业用地补贴程度也是导致这一现象的原因之一[46]。本地区仓储用地面积增加也促进了其他邻近省份的经济增长。本地区物流仓储用地的增加提高了物流运输效率，加快了本地区内工业企业的原材料进口以及产品出口速度，提高了企业的生产效率，促进了工业生产活动[47]。对临近省份，本地区物流仓储面积的增加意味着物流枢纽的发达程度提高。通过提高产品运输效率，邻近地区的生产周期缩短，工业生产活动也能够被进一步激发[48]。除此之外，本地区企业对其他地区企业的中间品出口效率提高，同样促进了其他地区工业增加值的提高。

表7展示了中国四大经济区域的地区内溢出效应和地区间溢出效应。对于工业用地，东部地区和中部地区省份工业用地对本省经济增长的正向空间内溢出效应较为显著。以上两个区域尤其是东部地区是中国工业较为发达且工业产业分布较为广泛的区域。相比工业发展水平相对落后的西部地区以及偏向重工业且产业结构相似度高的东北地区[49],土地要素对经济增长的效用更加明显。对物流和仓储用地，东部地区和东北地区各省的物流仓储用地的增加将提高本省的工业增加值。中部地区和西部地区的物流和仓储用地对本地区工业增加值的影响不显著。

对于工业用地对经济增长的地区间溢出效应，四大经济区域的结果呈现出差异。东部地区和西部地区各省工业用地增加会抑制本地区内其他省份经济增长。说明在东部和西部地区，区域内产业竞争更加激烈。东部地区是中国工业最为发达的区域，工业用地存量较多，工业起步早。中国自2014年就开始通过新增建设用地的分配政策引导工业企业加大对西部地区分布的倾斜。由于产业结构相似度高，新增工业用地指标的缩小使东部地区各省竞争更为激烈[50]。各省每年新增一单位的工业用地指标，对其他省份该年度新增的工业用地的影响程度更高，导致了东部地区各省工业用地对其他省份工业增加值负向的空间溢出效应。西部地区起步晚，发展潜力大，发展速度快，产业相似度较低。各省新增工业用地都会对临近的其他省份经济增长产生负效应。东北地区三省的工业用地增加将提高其余省份的工业产出。对东北地区的土地投入对于工业产业区域合作，发展规模经济有益处。中部地区的空间间接效应不显著。

对于物流和仓储用地，中部地区、西部地区和东北地区的各省份之间，空间间接效应较强。在以上3个区域，本省的新增物流仓储用地能够对区域内其他省份的工业生产起到促进作用[51]。东北地区的空间间接效应最强，说明东北地区的工业生产对地区内3个省物流仓储的依赖度较高。东北地区平原地区占比较高，物流和仓储用地对该区域的工业生产拉动作用较强[52]。同样，中部地区作为中国南北地区连接的中继站，物流和仓储产业较为发达，因此区域内各省能通过其他省份仓储用地面积的提高而促进本省的工业生产[53]。西部地区在研究期内同样提高了物流和仓储用地的面积。随着中国提出的“一带一路”倡议，以新疆和西藏为首的西部地区的物流仓储用地面积不断提高[54]。东部地区的空间间接效应不显著。

基于现有的理论及研究结果，将中国各省工业及物流仓储用地对经济增长的影响分为不同的机制。不同类型的地区两种土地投入对经济增长的影响以及空间效应有所不同。工业用地和物流仓储用地都能够促进经济增长，但两种土地对经济增长的贡献途径不同，如图1所示。

工业用地对本地区和对邻近地区的影响机制存在差异。对本地区，工业用地的增加可以通过扩大区域内生产提高经济增长水平。对邻近地区，本地区工业用地的增加可能产生不同的效应。西部地区土地资源禀赋较好但水资源匮乏，难以为工业生产提供足够的土地支撑。并且由于区域内省份产业集中度较高，本地区工业用地的增加将挤压其他省份相同产业的生产空间，从而对邻近地区经济增长产生负效应。对产业发展水平较高的例如东部地区，由于产业发展较为成熟，通过其他要素提高劳动生产率从而促进经济增长的空间较小，因此土地资源成为各省竞争的重点，一个地区新增工业用地将导致其他省份经济增长收到负向影响。对于产业集聚程度高且土地禀赋较高的地区例如东北，本地区新增工业用地可以通过提高本地区生产增加对其他区域产品的需求，从而促进邻近地区的经济增长。

物流及仓储用地对经济增长的作用不同于工业用地，物流仓储用地通过提高产品在地区间的流通效率，降低产品的流通成本促进经济增长。物流仓储用地对本地区和邻近地区的经济增长都存在促进作用。对本地区，物流仓储用地的增加提高了产品运输的速度，使本地区的产品能通过更低的运输成本运输到其他地区，其他地区的产品也能以更快速度运输到本地区，降低了生产周期，提高了生产效率，促进了经济增长。对邻近地区，本地区物流仓储用地的增加同样可能产生不同的效应。东部地区中的大部分南方省份由于地理原因可以用于物流仓储建筑的平原地区较少，本地区物流仓储用地提高对邻近地区经济增长作用不够显著。而对于土地禀赋较高的东北地区、西部地区，以及地理位置位于中国物流中心区域的中部地区，本地区物流仓储用地增加能够有效地提高产品流通速度，提高生产率从而促进邻近地区经济增长。

基于扩展的绿色索洛模型，使用了中国31个省区市2003—2017年面板数据，实证研究了中国工业用地以及物流仓储对中国整体以及四大经济区域经济增长的影响；进而使用空间计量模型对中国整体以及四大经济区域内工业及物流仓储用地对经济增长的空间溢出效应以及直接和间接效应进行了研究，进而得到中国工业及物流仓储用地对经济增长的影响机制。主要研究结论如下：①2003—2017年，中国工业用地总量增长，分布格局发生了一定的改变。东部地区工业用地分布密集，中部地区向西部地区转移。物流仓储用地增长迅速，中部地区面积占比提高的，东北地区占比降低。②工业及物流仓储用地对中国整体的经济增长均有显著促进作用。对四大经济区域，工业用地的增加促进了全部4个区域经济增长，对东北地区的促进作用最强。③对中国全部省份，工业用地增对其他地区的经济增长存在负向空间溢出效应，而仓储用地对其他地区经济增长存在正向空间溢出效应。对中国全部省份的空间直接和间接效应研究结果显示，工业用地和仓储用地面积促进了本地区经济增长的同时抑制了其他地区的经济增长，物流和仓储用地面积增大能够同时促进本地区以及其他地区的经济增长。④对四大经济区域的空间溢出效应结果显示，中部各省的工业用地以及东北各省的物流和仓储用地面积增加对本地区其他省经济增长促进作用最强。东部和西部各省工业面积增加对本地区其他省份的经济增长存在抑制作用。西部、中部、东北地区各省物流和仓储用地对本地区内其他省份的工业生产具有促进作用。

基于以上结论，对中国如何通过改善工业用地以及物流仓储用地的区位选择促进经济增长提出以下政策建议：①对中国的工业生产、工业用地和物流仓储用地的面积以及空间布局都十分重要，但土地投入不能一味地简单增加。合理控制土地投入的同时增加资本、劳动和技术等其他要素的投入，既可以提高单位土地的集约利用率，还可以通过空间溢出效应促进其他地区经济增长。②对工业用地，在四大区域中，政府应通过土地以及产业政策引导每年的新增工业用地向东北各省适当的倾斜。东北地区工业用地面积增加不仅能够提高地区内工业生产，对地区内其他省份的产值也能起到促进作用。并且应当提倡其他省份学习东部地区产业聚集的成功经验。③对物流仓储用地，政策应当更加支持新增物流仓储用地向中部各省和东北各省倾斜。以上两个地区各省物流仓储用地面积增加不仅能提高本省产值，还能带动地区内其他省的工业生产。