基于DEA方法的工业水资源利用效率分析

文_曹方丽 湖南省资兴市环保局

1 我国工业水资源利用情况

随着我国经济的发展，工业用水消耗量不断增大，与发达国家相比，我国的工业水资源利用效率较低。长期以来，我国一直在努力提高工业用水的再利用率，但本文选择的样本工业用水平均利用率均值为73%低于发达国家 80%～85%。

从国内外工业水资源研究情况来看，水资源利用效率的测度模型最普遍的为数据包络分析法（DEA）。本文在研究水资源利用效率的同时考虑环境因素，将工业废水中的化学需氧量考虑到水资源利用过程中。利用三阶段的DEA方法测量工业水资源利用率，以此消除环境因素和随机因素的影响。此外，利用Malmquist指数从动态上分析工业水资源的利用效率，并对影响水资源利用效率的影响因素进行分析，提出有效提高工业水资源利用效率的策略。

2 基于DEA的水资源循环利用效率评价研究进展

DEA方法是由ChamesA.和CooperW.W等人提出的。有很多学者将DEA理论应用到水资源利用效率分析当中去。

曹思齐等利用DEA模型分析了水资源管理制度对长三角地区工业水资源利用效率的影响，发现严格有效的管理制度有助于提高工业水资源的利用效率。

买亚宗等对工业水资源利用效率进行预测，发现我国不同地区的水资源利用效率存在差异。

在衡量工业水资源的效率时，有必要分析影响效率的因素并找到提高效率的措施。

洪昌红等分析了广东省工业水资源的利用情况，发现电力、热力、化学制造业等行业的水资源利用效率比较低。

Romano G等在DEA模型的基础上，对意大利43家水务公司的水资源利用效率进行分析，发现公司的地理位置和规模对水资源利用效率影响较大。

本文采用DEA方法对工业水资源的利用效率进行预测，用水效率介于0～1之间，数值越大表明效率越高；并且从自然禀赋、经济发展水平、科技进步、工业结构、工业用水重复利用率、水资源开发利用率、工业用水年增长率几个方面，对影响因素进行了实证分析，丰富工业水资源用水效率的影响因素研究。

3 基于DEA方法的工业水资源利用效率分析

3.1 数据来源及指标体系建立

3.1.1 投入产出指标的选取

从投入产出的角度衡量我国工业水资源利用效率，选择合适的投入产出指标非常重要。本文将工业用水量，工业固定资产投资量，工业用水量作为投入指标，将工业废水的预期产量和COD排放量作为产出指标，进行工业用水效率的测量。

3.1.2 环境指标的选取

环境变量通常是指在某种程度上影响工业用水效率的因素，但行业本身无法控制或难以控制。 通常，有许多环境变量会影响工业用水的效率，例如宏观经济政策因素和市场监管，以及在短时间内无法控制或无法在短时间内控制的因素。本文选择的环境变量针对三阶段DEA模型的第二阶段，通过将决策单元置于同一环境中来衡量工业水资源的利用效率。为了保证各省在同一起点上测算水资源利用效率，选取4个具有代表性的环境变量，他们是工业污染治理完成投资额、城镇化率、国有工业企业的产值占工业总产值的比重以及工业增加值占 GDP 的比重。

本文利用我国31省市区2006-2015年的面板数据，其均来源于《中国统计年鉴》、《中国工业经济统计年鉴》以及《中国环境统计年鉴》。

3.2 三阶段DEA模型案例分析

工业水资源用水效率分东部、西部和中部，东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南；西部包括山西、吉林、安徽、江西、河南、湖北、湖南；中部包括重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏。

3.2.1 第一阶段：传统 DEA模型预测结果分析

DEA模型测算的是规模报酬可变条件下的决策单元效率值。其测算如下：决策单元的个数为 n，每个决策单元有m种不同类型的输入和s 种不同类型的输出，输入变量用表示，输出变量用 表示。测算模型如下：

基于我国各省市区2006-2015年的投入产出面板数据，应用MATLAB软件，测算DEA技术效率值，根据结果来看，只有天津、山东、广东、广西和宁夏这 5 个省市的DEA有效。10年间我国工业水资源利用技术效率的平均值只有0.860，效率不高。从图1可以得出，我国东部的水资源利用率要比中部和西部高，中部和西部旗鼓相当，它们的值平均值分别为0.957、0.806、0.773。从图2可以知道，我国10年间工业水资源的利用效率呈上升的趋势，逐渐逼近0.9。

第一阶段DEA效率值的测量结果及其分析表明，中国工业水资源利用的技术效率在多个地区是有效的。但预测值并没有消除环境因素的影响，需进一步的修正。3.2.2 第二阶段：Tobit 回归实证结果分析

图1 各地区平均水资源利用率

图2 2006-2015年平均水资源利用率

表1 各变量统计值

表2 Tobit回归结果

从表2可以知道，四个环境变量对 的影响均不显著，故不要作调整，本文只对和作调整。进一步分析环境因素对和的影响，可以发现和有正也有负，当环境变量的系数时正数时，增加环境变量，会使DEA的效率值降低；相反，则上升。

本文将根据Tobit的回归结果，对初始输入变量作相应调整，使各地区的外部环境相同，使每个省份的工业水资源利用率预测在同一起点，使最终的预测结果接近实际结果。

3.2.3 第三阶段：调整DEA 模型预测结果分析

根据使（2）和第二阶段的回归结果对初始投入要素作调整，然后再次应用DEA模型对水资源利用效率进行预测，调整前后工业水资源利用率对比见图3。

图3 调整前后工业水资源利用率对比

调整后的工业水资源利用率为0.833较未调整前的0.860稍低。从图7调整前后技术效率对比图可知，调整前后的工业水资源的利用率变化趋势一致，且调整后的效率要比调整前低，这是考虑了环境因素影响的缘故。

4 工业水资源效率影响因素及应对策略分析

4.1 工业水资源利用效率的影响因素选取及数据说明

（1）自然禀赋（X1）

本文选取人均水资源作为自然禀赋。我国总的淡水资源在时间分配和空间分配上严重的不均衡。时间上看，冬季降雨使非常少的，而夏季降雨则非常多；从空间上看，水资源南多北少，南方水资源占到了总水资源的80%左右，东多西少，西部水资源只占到了20%左右。人均水资源的计算方式为全省市总水资源除以总人口。

（2）经济发展水平（X2）

在本文中，我们将选择人均GDP来代表经济发展水平，并衡量对工业用水效率的影响。中国的经济发展水平在东方比较发达，GDP比中西部地区高得多，西部地区经济发展相对较晚。经济发展水平直接影响各个省市的各种基础设施建设，技术投资和政府融资，各省市工业水资源利用效率可能受到很大影响。在经济发展的早期阶段，资源开发和利用对于支持可持续发展是必不可少的，随着经济标准的提高和工业化的进步，工业用水需求逐年增加。随着经济和工业化水平的提高，人们将认识到节约用水的重要性，并采取措施提高工业用水的效率。

（3）科技进步（X3）

本文研究的科学技术的进步因素主要是指工业节水技术。工业节水技术是指技术取代传统水资源，以提高工作效率和工业用水的效益，减少工业用水的损失，是指技术取代传统水资源，如直接节水技术和间接节水技术。直接节水技术是指直接节约水资源，减少生产过程中水耗的技术。间接节水技术是一种在不使用水本身的情况下减少水资源消耗的技术。技术措施主要如下：一是建立健全工业循环水系统，提高工业用水回用率；二是改革工业生产过程中的生产工艺和用水过程，包括新的节水技术，无污染或污染较少的技术，以及推广新的节水设备。

（4）工业结构（X4）

工业结构一般是指产业各部门之间的比例关系，以及重建过程中形成的技术和经济联系。产业结构分析和计量指标体系包括：（1）全行业固定资产，独立行业或部门的劳动力和流动性份额；（2）各工业部门或部门的总产值；（3）每个行业的产品消费系数，包括直接消费系数和完全消费系数。严重影响国家或地区产业结构的因素是社会经济系统及其变化，供给结构，社会需求结构和经济地位。本文选取上述八个高耗水量工业产值作为代表工业结构的工业总产值比例，研究其对中国工业用水效率的影响。本文将选取规模以上工业企业研究与试验发展经费作为科技进步因素来研究其对工业水资源利用效率的影响。

（5）工业用水重复利用率（X5）

工业重复用水是指工业循环用水，工业用水的再利用率测量越高，工业用水的再利用水平越高。从理论或实践的角度来看，提高工业用水的再循环率对提高工业用水的效率非常有利。在提高工业用水再利用率的研究中，有必要通过整合经济效益、综合效益以及环境效益这三个方面来合理评价工业用水的再利用率。

（6）水资源开发利用率（X6）

在本文中，总消耗量是表示影响工业水资源利用效率的总水资源的比率。例如，2015年中国西藏自治区水资源总量为3853亿立方米，总用水量为3.08亿立方米，水资源利用率很低。相对而言，水资源的开发速度可以更好地代表各省和每个城市的水资源开发利用程度。水资源利用效率是水资源有效开发利用和管理的综合指标，工业用水效率是一个重要因素。

（7）工业用水年增长率（X7）

本文研究了工业用水年利用率对工业用水效率的影响。当工业用水也用作产品时，工业用水的边际效用也会增加然后减少。在水中使用的初始阶段，工业用水的消耗量逐渐增加时，边际效用也增加，而且工业用水资源的利用效率会增大，当边际效用减小时，工业用水使用后效率也会下降。因此，从理论上讲，工业用水的增长率会影响工业用水的效率。

4.2 基于 Tobit 模型的我国工业水资源影响因素实证分析

将技术效率作为解释变量，自然禀赋X1、经济发展水平X2、科技进步X3、工业结构X4、工业用水重复利用率X5、水资源开发利用率X6、工业用水年增长率X7这7各影响因素作为被解释变量。应用Tobit 模型对工业水资源的利用效率作实证分析，Tobit 模型如下：

表3 变量统计值

表4 Tobit 模型回归结果

从表4可以看出，模型的Wald统计量通过了1%水平的显着性检验，并且以技术效率值建立的Tobit模型作为解释变量是显著的，即建立的模型是正确的。研究计算结果还表明，水资源人均占有量、规模以上工业企业研究与试验发展经费和行业产值占工业总产值的比重对技术效率呈非常显著的负效应，人均GDP、工业用水重复利用率 对技术效率呈非常显著的正效应。

4.3 水资源循环利用策略研究

（1）适当调整产业结构和产业布局。本文的实证结果表明，东部地区工业水资源利用效率明显高于中西部地区，东部地区产业结构相对合理。注重缺水区与多水区之间的空间分配，及时关注高耗水产业的发展，主要企业的产业结构调整。

（2）提高工业用水价格。人均GDP是影响工业用水利用效率的一个非常重要的因素。为了优化水资源的配置是非常重要的，以达到节水型工业用水，提高工业用水循环利用资源率，有效提高工业用水，加强水资源标准制定，加强工业用水成本管理。在某种程度上，可以提高增量水价或执行超额累积加价。

（3）研究先进的工业节水技术和设备，现代科学技术的完整的应用程序，以提高水的利用效率产业的发展。先进的科学技术是提高工业用水效率的一个非常重要的因素。利用现有的科研和学术优势，与国内外研究机构和大学合作，与工业自来水公司，特别是高耗水行业公司合作，实现节水技术合作。充分吸收国外先进的工业节水技术和管理经验，积极配合技术支持体系，提高我国工业水资源利用效率的技术使用水平

（4）建立比较完整的工业用水政策和监管体系。加强政府监管，在提供工业水资源和开发利用该区域的基础上，各级政府制定了适合该地区的工业节水计划和相关的税收优惠政策。 同时，积极支持考虑节能和高附加值环境的工业企业，注重工业水资源利用的生态效益，提高工业水资源的输送效率，降低污染率和水资源的使用。

5 结论

通过以上的研究和分析，主要得出以下几点结论：

（1）运用DEA模型对我国2006-2015年各省市的工业水资源利用率进行了预测，并考虑环境因素的影响，对预测值作了相应的调整，调整前后的工业水资源的利用率变化趋势一致，且调整后的效率要比调整前低，这是考虑了环境因素影响的缘故。总体而言我国10年间，工业水资源的利用效率呈上升的趋势。

（2）对影响工业用水效率的因素进行了分析。表明以技术效率值建立的Tobit模型作为解释变量是显著的。研究计算结果还表明，水资源人均占有量、规模以上工业企业研究与试验发展经费和行业产值占工业总产值的比重对技术效率呈非常显著的负效应，人均 GDP、工业用水重复利用率对技术效率呈非常显著的正效应。水资源开发利用率和工业用水年增长率没有通过显著性检验，这就表明它们对技术效率的影响不大。

（3）对工业水资源利用效率提出了相关的建议。建议从产业结构和产业布局、工业结构、工业节水技术和设备和工业水保政策和监管体系四个方面来提高工业用水效率。