水是人类社会赖以生存和可持续发展的物质基础。随着人类社会经济的发展与扩张, 由水资源缺乏和水体污染造成的水危机已经成为制约社会经济发展的关键因素之一。特别是进入21世纪以后, 世界各国普遍面临严峻缺水形势, 预计到2025年, 世界上将会有30亿人面临缺水, 40个国家和地区淡水严重不足^[1]。中国是一个干旱缺水严重的国家, 淡水资源总量仅占全球水资源总量的6%, 人均水资源量只有2 034 m³·人^-1, 为世界平均水平的1/4, 是全球人均水资源最贫乏的国家之一。水资源地区分布极不平衡, 长江流域及以南地区国土面积占全国的36.5%, 水资源量占全国的81%;而西北地区国土面积占全国的近1/3, 水资源总量仅为2 027亿m³, 占全国水资源总量的7.25%, 供水不足问题非常普遍。

若要解决水资源供需不协调的问题, 可以从增加水资源供给总量和提高水资源利用效率2个方面着手。但对于西北干旱地区而言, 短期内大幅增加水资源供给量的可能性不大, 提高水资源利用效率就成为解决水资源供需不协调的关键手段。那么, 科学客观地评价当前我国西北地区水资源利用效率及其区域差异, 并探讨其影响因素则成为亟待研究的首要问题。

目前, 资源利用效率问题已经引起国内外学者的关注, 一些学者运用数据包络分析模型, 以水资源、资本和劳动力为投入要素, 以GDP为产出, 测算了我国全国或区域的水资源利用效率^[2-9]。但是, 这种测算方法没有考虑生产过程中对环境不利的非期望产出, 会导致评价结果产生偏差。非期望产出是相对于期望产出而言的, 指不受决策者偏好的产出, 在水资源利用效率评价中, 主要指由于水资源利用所带来的对环境不利的影响。一些学者尝试将资源和环境因素纳入效率的经验研究中。王兵等^[10]和杨俊等^[11]较早地将非期望参数引入环境效率、环境全要素生产率, 并对其影响因素进行实证研究。在此基础上, 一些学者将这一分析方法逐渐引入水资源利用效率分析中。马海良等^[12]利用基于投入导向的数据包络分析方法(data envelopment analysis, DEA)模型, 测算出含有非合意性产出的全要素水资源利用效率, 并以此为基础, 采用Tobit回归模型分析中国和分区域水资源利用效率的影响因素。孙才志等^[13]基于省际水足迹和灰色水足迹等的面板数据, 利用带有考虑和不考虑非期望产出的数据包络分析方法测度1997—2011年中国31个省、市、自治区的水资源利用效率。从文献来看, 关于我国水资源利用效率的研究已经取得一定成果, 但也存在需要继续补充的地方:一是早期的研究通常忽略了非期望产出, 测算所得的水资源利用效率常被高估; 二是考虑非期望产出的研究, 又多从国家层面着手, 国家层面虽然可以宏观把控我国整体水资源利用效率情况, 但由于我国地域广阔, 不同地区的水资源供需情况差异较大, 特别是西北这一典型的干旱地区与我国东南部水源充裕地区的利用效率差异较大, 难以体现区域差异; 三是区域层面的研究也通常基于我国中、东部地区^[14-16]。事实上, 真正面临水资源供需矛盾的最紧迫区域是我国的西北干旱区, 而非中东部湿润半湿润地区。学者们对我国西北地区的研究相对不足^[17], 有限的研究也主要是从全国层面分析各省市之间效率差异时附带西北5省区。由于西北地区与中东部地区所面临的客观条件差异较大, 将西北地区与中东部地区按照同一最佳前沿面来进行效率评价, 有失公允。

因此, 笔者以我国西北干旱地区为研究对象, 采用DEA对2004—2015年我国西北5省区的水资源利用效率进行测度, 对考虑非期望产出和未考虑非期望产出的效率进行对比。在此基础上, 对考虑非期望产出的水资源利用效率的收敛性进行分析。最后, 利用Tobit模型对西北干旱地区水资源利用效率的影响因素进行探讨, 以期为提高区域水资源利用效率提供参考借鉴。

1 研究方法与数据来源 1.1 基于非期望产出的DEA模型

由于现有文献较少涉及全要素水资源效率, 因此借鉴LI等^[18]提出的全要素能源效率概念, 运用DEA测度全要素水资源利用效率。DEA是由美国运筹学家Charnes和Cooper根据Farrell的非参数分析理论发展出的一种新的系统分析方法。该方法主要指通过保持决策单元的输入或输出不变, 借助数学规划将决策单元(decision making unit, DMU)投影到前沿面上, 有效点位于生产前沿面上方, 而无效点位于前沿面的下方。由于笔者关注的是投入要素, 因此采用规模报酬不变假设下基于投入法的DEA模型^[12]。

建立考虑非期望产出的双目标DEA模型, 即

$\theta = \left\{ {{\rm{max}}\sum\limits_{r = 1}^s {{\alpha _r},{\rm{min}}\sum\limits_{t = 1}^k {{\beta _t}} } } \right\},$

(1)

$s.t.\left\{ {\begin{array}{*{20}{c}} {\sum\limits_{j = 1}^n {{\lambda _j}{X_{ij}} \le {x_{ij0}}} }\\ {\sum\limits_{j = 1}^n {{\lambda _j}{Y_{rj}} \le \theta {Y_{ij0}}} }\\ {{\lambda _j} \ge 0,\theta \ge 0} \end{array}} \right\}。$

(2)

式(1)~(2)中, θ为效率值, 当θ=1时, 表示DEA有效, 即在给定产出水平下, 投入成本达到最小, 当θ＜1时, 表示不是DEA有效, 即在给定产出水平下, 投入成本存在冗余; α_r为在投入一定的条件下期望产出的效率值; β_t为在投入一定的条件下非期望产出的效率值; X_ij为第j个DMU的投入向量, X_ij=(x_1j, x_2j, …, x_mj)^T; Y_rj为第j个DMU的期望产出向量, Y_rj=(y_1j, y_2j, …, y_sj)^T; λ_j为投入组合的权重, j=1, 2, …, n。

以2004—2015年我国西北5省区的劳动力、固定资产投资、水资源投入量作为投入要素, 以GDP为期望产出, 污水排放量为非期望产出。其中, 劳动力以各省当年年末就业人口数来表示; 固定资产投资以各省全社会固定资产投资来表示, 按照2000年不变价格计算; 水资源投入量以用水总量来表示; 期望产出以各省GDP指标来表示, 按照2000年不变价格计算; 非期望产出以各省废水排放量来表示。

1.2 α收敛性分析方法

进行收敛性分析的方法主要有2种:一种α收敛, 主要用来测度区域间某一变量值的差异程度, 如果α值随时间推移而不断下降, 则称发生收敛; 另一种是β收敛, 主要是测度变量与初始经济水平之间的负相关关系^[12]。从2种收敛分析方法的比较来看, 由于传统的“Barro回归”法对β收敛的检验存在着“Galton谬误”问题^[19], 其收敛的检验结果存在怀疑, 因此, 采用α收敛来判断中国西北地区水资源利用效率的收敛情况。模型构建如下:

${\alpha _t} = {\left\{ {{N^{ - 1}}\sum\limits_{m = 1}^N {{{\left[ {{E_{{\rm{ET}},m}}\left( t \right) - {N^{ - 1}}\sum\limits_{k = 1}^N {{E_{{\rm{ET}},k}}\left( t \right)} } \right]}^2}} } \right\}^{1/2}}。$

(3)

式(3)中, E_{ET, m}(t)为第m个区域在t时的全要素水资源利用效率, m=1, 2, …, N; E_{ET, k}(t)为第k个区域在t时的全要素水资源利用效率, k=1, 2, …, N。如果α_t>α_t+1, 则可以判断区域水资源利用效率存在α收敛。

1.3 Tobit模型与因素选择

水资源利用效率的影响因素较多, 除了受到内生变量(投入产出指标)的影响外, 还受到很多外生变量的影响。考虑到水资源利用效率取值介于0和1之间, 采用传统的最小二乘法(OLS)估算可能会出现偏差, 因此, 选择Tobit模型来考察中国西北干旱地区水资源利用效率的影响因素。模型^[1]构建如下:

${E_{{\rm{ET}}}} = {\beta _0} + {\beta _i}{X_i} + {\mu _i}。$

(4)

式(4)中, E_ET为考虑非期望产出的水资源利用效率; β₀为常数项；β_i为解释变量X_i的系数; μ_i为扰动项; X_i为各解释变量; i=1, 2, …, n。

结合国内学者的研究成果和西北地区的区域特点以及数据的可得性, 选择以下因素(表 1)进行探讨:(1)经济发展水平, 以人均GDP来表示, 符号预期为正; (2)产业结构, 用第一产业增加值占地区GDP的比例来表示, 符号预期为负; (3)城镇化水平, 用城镇化率来表示, 符号预期为正; (4)政府干预, 用政府农林水务支出占财政支出的比例来表示, 符号预期为负; (5)水资源禀赋, 即区域水资源拥有量, 考虑到水资源禀赋受人口数量的影响, 为了增强可比性, 用人均水资源量来表示, 符号预期为负。由于被解释变量(水资源利用效率)取值介于0和1之间, 对数处理结果为负值, 不符合模型的基本假定, 故不对该变量取对数。解释变量中, 产业结构、城镇化水平和政府干预的取值也均在0到1之间, 对数处理结果也为负值, 故不对其取对数。同时, 为保证模型设定及变量经济意义的一致性, 解释变量均不做对数处理。

1.4 数据来源

研究区域为我国西北陕西、甘肃、青海、宁夏和新疆5省区, 研究时段为2000—2015年, 所涉及的西北5省区的水资源总量、用水量、废水排放量、固定资产投资、GDP、第一产业产值、总人口、就业人口、城镇人口、财政支出、农林水务支出等数据均来源于2001—2016年《中国统计年鉴》《中国环境统计年鉴》《陕西统计年鉴》《甘肃统计年鉴》《青海统计年鉴》《宁夏统计年鉴》和《新疆统计年鉴》。其中, 考虑到通货膨胀对产值类数据的不利影响, 为反映真实的差值变动, GDP、人均GDP、固定资产投资等数据采用2000年不变价格计算。

2 结果与分析 2.1 水资源利用效率测度

根据水资源利用效率测算方法, 运用DEA Solver 5.0软件, 基于中国西北5省区2004—2015年间的面板数据, 对考虑非期望产出模型测度的水资源利用效率(ETE)和未考虑非期望产出模型测度的水资源利用效率(TE)进行测度, 结果见表 2。

首先, 从时间演进来看, ETE和TE都呈快速上升趋势。5省区平均TE值从2004年的0.679上升到2015年的0.901, 12 a间增幅达32.79%, 其中, 陕西TE值增加107.04%, 甘肃增幅为137.85%, 新疆增幅为74.52%。ETE值从2004年的0.603上升到2015年的0.855, 增幅达41.79%, 其中, 陕西ETE值增幅为97.63%, 甘肃增幅为68.66%, 新疆增幅为121.24%。可以看出, 中国西北5省区水资源利用效率水平在不断提高, 且与该区域的投入产出最佳前沿面逐步拉近。

其次, 从TE与ETE之间的比较来看, 总体上, 考虑非期望产出的ETE值要明显小于未考虑非期望产出的TE值；以各省多年平均值来看, TE值为0.784, 而ETE值为0.734, TE值比ETE值大0.050。可以看出, 长期以来, 在长期追求高投入高产出的经济增长方式下, 由于忽略了生产过程对环境造成的不利影响, 使得我国西北地区的水资源利用效率被高估, 而这一结果与我国西北地区近年来极端气候增多、干旱愈发严峻的现实是吻合的。

再次, 从空间差异性来看, 环境水资源利用效率在省际间的分布极不平衡。就2015年ETE值而言, 陕西、青海和新疆均达到区域最佳水平, 为1.000, 而甘肃和宁夏则仍处于低水平阶段, 大致为0.6, 特别是宁夏, 其2015年ETE值与2004年相比还略有下降。这意味着如果以陕西、青海和新疆为最佳前沿面, 那么甘肃和宁夏在现有产出水平上, 投入水平或者废水排放可以减少近40%。这表明省际环境效率差距明显, 甘肃和宁夏潜力巨大。

2.2 收敛性分析

通过上述分析, 发现中国西北5省区间的水资源利用效率差别巨大, 表现出很强的区域性特征, 那么这种省际间差距是如何发展演变的呢?为此, 需要对水资源利用效率进行收敛性检验。

图 1显示了我国西北干旱地区水资源利用效率的变异系数(α)收敛情况。12 a间, 我国西北地区水资源利用效率的变异系数虽有波动, 但基本保持扩大趋势。在2007年之前, 各省区之间的水资源利用效率的α值在剧烈波动, 在0.15上下变动剧烈, 既有发散, 也有收敛。但在2007年之后, 基本稳定在0.15~0.20之间, 一直持续到2011年。自2012年以后, 西北地区水资源利用效率的α值步入新的区间, 一直保持在0.20以上, 表明我国西北地区各省区之间的环境水资源利用效率的差距在不断扩大; 原因可能在于随着我国经济结构调整逐渐向纵深发展, 西北地区承接中、东部地区产业转移的规模和强度不断增加, 西北地区经济进入新一轮快速扩张时期, 各省区之间的资源利用效率差距也在进一步拉大。

2.3 影响因素分析

表 3给出了Tobit模型回归所得到的解释变量系数估计值和标准差。就模型Ⅰ而言, 对数似然比比较显著, AIC准则、SC准则和HQ准则均较小, 表明模型拟合结果较优。从变量显著性来看, 虽然仅产业结构、城镇化水平2个变量比较显著, 其他变量不显著, 但呈现出比较明显的方向性影响。从模型Ⅱ来看, 模型的整体拟合结果与模型Ⅰ相近, 表明两者之间有效率高低的差异, 但没有因素之间的本质差异。以下主要对模型Ⅱ进行分析。

产业结构与水资源利用效率呈显著正相关关系, 系数为0.017 4, 在5%水平上显著, 表明农业产值占GDP的比例每上升1%, 水资源利用效率也将提高1.74%。这与相关学者从全国角度得出的结论^{[12, 20]}不同, 但与我国西北地区干旱缺水的实际相符合。我国西北地区面临干旱缺水和经济发展水平低的双重困境, 西北各省区均为农业大省, 农业是主要的用水部门, 特别是新疆, 农业用水占全区用水总量的90%以上, 工业用水和生活用水占比很小。水资源总量不足迫使西北地区不得不逐渐摒弃传统的大水漫灌方式, 转而推广滴管、喷灌等节水灌溉方式。农业占比越大, 推广力度越强, 越有利于提高用水效率。

城镇化水平与水资源利用效率呈显著正相关关系, 系数为0.011 0, 在1%水平上显著, 表明城镇化水平越高, 水资源利用效率也越高, 与预期相符。这主要是因为我国西北地区各省区为我国典型的农业大省, 农村人口占比大。随着城镇化率的提高, 大量农业人口转移到城镇从事工业和服务业生产, 同样的要素投入将获得更高的产出。

经济发展水平与水资源利用效率之间相关关系不显著, 但呈现出明确的方向性影响, 即人均GDP的增加会提高水资源利用效率。这与预期相符, 表明经济发展水平越高, 越能保障水资源利用的基础设施建设和水污染防治的专项资金, 这与相关学者的结论^[11-12]是一致的。

政府干预对水资源利用效率产生负向作用, 即政府财政中的农林水务支出占财政支出的比例越大, 水资源利用效率就越低, 这与笔者的预期不相符。究其原因, 可能在于我国西北地区是典型的干旱地区, 水资源高度稀缺, 在激烈的市场竞争下, 有限的水资源将被分配到最能得到有效利用的行业, 从而使得水资源利用在市场配置上达到帕累托最优。但是, 由于政府对农林水务的财政支出越高, 对水资源利用所施加的导向性影响就越大, 可能会扭曲市场机制对水资源的有效配置, 从而降低水资源利用效率。

水资源禀赋与水资源利用效率呈正相关。尽管该因素没有通过显著性检验, 且影响作用非常小, 但其正相关的方向性影响表明在干旱地区, 水资源禀赋不足, 类似于“木桶理论”中的短板。当水资源禀赋提高时, 有利于发挥全要素间的协同作用, 实现规模效应, 从而提高水资源利用效率; 而水资源禀赋严重短缺的省区, 其水资源利用难以实现规模效应, 从而导致水资源利用效率较低。这与马海良等^[12]的研究结果是一致的。由此推断, 我国西北地区水资源利用可能尚处于边际报酬递增阶段。

3 结论与启示

2004—2015年间, 无论是考虑非期望产出模型测度的水资源利用效率(ETE)还是未考虑非期望产出模型测度的水资源利用效率(TE), 效率值都呈快速上升趋势。5省区TE平均值从2004年的0.679上升到2015年的0.901, 12 a间增幅达32.70%;ETE值从2004年的0.603上升到2015年的0.855, 增幅达41.79%。ETE值要明显小于TE值。从空间差异性来看, 环境水资源利用效率在省际间的分布极不平衡, 陕西、青海和新疆的水资源利用效率均达到区域最佳水平, 而甘肃和宁夏的环境水资源利用效率仍处于低水平。2004—2015年, 我国西北地区水资源利用效率的变异系数虽有波动, 但基本上保持扩大趋势, 表明我国西北5省区之间的水资源利用效率的差距在不断扩大, 且未来的效率差距有可能进一步拉大。从影响因素来看, 经济发展水平、产业结构、城镇化水平、水资源禀赋与我国西北干旱地区水资源利用效率呈正相关, 政府干预与水资源利用效率呈负相关。从显著性来看, 产业结构和城镇化水平均为显著, 经济发展水平、政府干预、水资源禀赋则不显著。

相较于我国中东部地区而言, 水资源对于我国西北干旱地区显得更加重要。切实提高水资源利用效率, 实现低消耗、高产出是我国西北地区经济发展的重要选择。以上结论蕴含着重要的政策启示:(1)传统的水资源利用效率衡量方法忽略了水污染的代价, 使得效率被高估。而在考虑非期望产出的情况下, 我国西北地区水资源利用效率呈整体性下降。因此, 在进行水资源利用效率评价时, 除了考虑要素投入所带来的期望产出外, 还要考虑其所带来的环境代价, 以相对严格的评价标准来推动西北干旱地区经济发展方式的转型, 实现以评促转。(2)西北5省区之间的水资源利用效率有较大差异, 空间异质性强, 且未来各省区水资源利用效率差距会进一步拉大。因此, 在分解节水目标时, 应主要考虑各省区之间的差异, 充分论证区域特点和现实需要, 避免“一刀切”。(3)由于影响水资源利用效率的因素较多, 因此, 在制定提高效率的路径选择中, 应对影响水资源利用效率的内、外部因素作通盘考虑, 既要以低投入、高产出为基本目标, 又要考虑经济水平、产业结构、城镇化水平、政府干预以及资源禀赋等外生变量的影响。(4)由于西北地区是我国典型的干旱地区, 水资源供给具有天然劣势, 资源约束会迫使市场通过水价将水资源配置到最有效率的行业或部门。因此, 未来应充分利用市场的基础性配置作用, 建立水务市场和污水治理市场, 提升各省区的市场化程度和营商环境, 充分发挥“看不见的手”的作用。