中国水足迹驱动因素空间异质性分析

郑春梅

摘要：通过构建水足迹变化的STIPAT模型，定量分析2002—2014年人口、人均GDP及万元产值水足迹对水足迹变化的影响，并通过地理加权回归分析2014年这3类驱动因素的空间溢出效应。结果表明，从时间上看，水足迹与水足迹强度呈现出反比例关系，即水足迹强度随着水足迹的递增而降低;人口、人均GDP水足迹变化的影响程度最大，起到正向驱动作用，而万元产值水足迹的影响力最小，但其却对水足迹起到抑制作用。从空间上看，各省水足迹总量受人口、人均GDP、万元产值水足迹的影响，其空间分布呈现出明显的不同。

关键词：水足迹;驱动因素;STIPAT模型;地理加权回归

中图分类号：TV213;O212         文献标识码：A

文章编号：0439-8114（2019）06-0034-05

DOI：10.14088/j.cnki.issn0439-8114.2019.06.009           开放科学（资源服务）标识码（OSID）：

Abstract： Through establishing the STIRPAT model of water footprint changes， the impact of population， GDP per capita， and ten thousand yuan of water footprint changes from 2002 to 2014 was quantitatively analyzed， and the spatial spillover effects of these three types of drivers in 2014 were analyzed by geographically weighted regression. The results showed that from a time point of view， the water footprint and the water footprint intensity showed  inversely proportional relationship， that was， the water footprint intensity decreased with increasing water footprint; Population， GDP per capita had the greatest impact on the water footprint changes， which played a positive effect while the ten thousand yuan of water footprint had least impact， but it had an inhibitory effect on the water footprint. From the spatial point of view， each administrative district was affected by the population， GDP per capita and ten thousand yuan of water footprint effects， and the spatial distribution of water footprints showed significant differences.

Key words： water footprint; driving factors; STIRPAT model; geographic weighted regression

中國是世界上干旱缺水的国家，人均水资源拥有量极其匮乏，东西跨度大导致的水资源分配不均加剧了水资源短缺的现状。面对严峻的水资源形势，政府已经将能源、粮食、水资源定为三大战略资源。可见，水资源已成为制约可持续发展的“命门”。水足迹作为表征人类活动对水资源消耗的有效工具，已引起了全球学者的广泛关注，其中基于STIRPAT模型的水足迹影响因素分析是进行水足迹分析的主流研究手段之一。Zhao等[1]通过测算1990—2009年中国农业水足迹的相关数据，运用STIRPAT模型探索人口、富裕、城镇化水平以及农产品饮食结构对农业水足迹的影响。龙爱华等[2]应用STIRPAT模型，从人口、经济和技术3个方面探索影响2000年中国水足迹的因素，发现人口对水足迹消耗的影响程度最大。奚旭等[3]基于经典的IPAT模型，将驱动水足迹变化的因素分为人口、富裕度和技术，借助指数分解法测算驱动因素的贡献率，发现1997—2011年富裕度对水足迹消耗的影响程度最大。任毅等[4]基于改进的STIRPAT模型，收集1990—2011年定西市人口、人均GDP、产业结构等人文因素的相关数据，定量分析了这些因素对该市生态足迹的影响。王亮[5]基于STIRPAT模型，并利用SPSS19.0定量分析了影响盐城市可持续发展的人口、经济和技术因素。吴玉鸣[6]利用地理加权回归（GWR）模型，首次对中国省域旅游业的产出行为进行空间差异分析。肖宏伟等[7]借助时空加权回归模型（GTWR）、扩展后的STIRPAT模型实证考察了2006—2011年城镇化率、人均GDP、能源结构、产业结构等对碳排放时空分布的影响，结果显示，考虑各驱动因素间的空间异质性和外溢性对于降低碳排放量至关重要。孙克等[8]基于2012年中国31个省市的灰水足迹数据，通过构建地理加权回归的STIRPAT模型，探究人口、技术等人文因素对灰水足迹影响的空间异质性。

在上述研究的基础上，依据水足迹相关理论，计算2002—2014年中国31省（市、自治区）水足迹，基于STIRPAT模型，利用SPSS 22.0定量分析引起水足迹变化的人口数量、人均GDP以及万元产值水足迹（水足迹强度）因素，检验水足迹总量与经济增长之间是否存在EKC（Environmental Kuznets Curve）关系;同时依据检验结果，运用空间计量经济学方法——地理加权回归，分析中国省际水足迹驱动因素的空间溢出效应，因地制宜地提出适合各省市的水资源策略。

1  研究方法

1.1  STIRPAT模型

采用STIRPAT模型，分析人口、人均GDP以及万元产值水足迹（水足迹强度）对水足迹产生的影响。STIRPAT模型是由经典的IPAT等式（即有关人口、富裕和技术的回归）改造而成的随机形式，IPAT模型形式[9]如下：

式中，a为常数项，b、c、d为各驱动因素指数，e是误差项，I、P、A、T分别代表环境、人口、富裕度以及技术。当a=b=c=d=e=1时，STIRPAT模型就还原成IPAT等式。为测试P、A、T对I的影响，通常对上式取对数，即：

为研究中国水足迹的驱动因素，构建模型（3）。

式中，lnI为因变量，代表水足迹总量;lnP、lnA、lnT为自变量，分别代表人口、人均GDP、万元产值水足迹（水足迹强度）这3项指标;lna为常数项，lne为误差项;a1、a2、a3分别为相关系数。对经过调整后的模型进行多元线性回归，根据弹性系数概念，人口、人均GDP、万元产值水足迹每变化1%时，将分别引起水足迹发生a1%、a2%、a3%的变化。

为了检验经济增长与水足迹消耗之间是否存在EKC（倒“U”型）关系，将模型（3）中的lnA分解成lnA和（lnA）2两项，则模型调整为：

式中，a21和a22分别为人均GDP对数的系数及人均GDP对数二次项的系数。

由式（4）得出人均GDP驱动水足迹消耗的弹性系数为β。

如果a22<0，则说明水足迹会随着人民生活水平的提高呈现先增长后递减的趋势，即存在EKC关系。

1.2  地理加权回归模型

地理加权回归模型[10]，简称GWR模型，是对一般线性回归模型的扩展。该模型将数据的空间位置嵌入到回归中，是变量空间位置的函数，即：

式中，（ak，bk）为第k点的空间位置，即地理坐标，αi（ak，bk）为第k点上第i个变量X的回归系数，是有关变量空间位置的函数。

2  数据来源与分析

2.1  数据来源

本研究需要的水足迹以及人口总量、人均GDP、万元产值水足迹等相关数据均来自《中国统计年鉴》（2002—2014年）。2002—2014年中国STIRPAT模型主要指标见表1。

2.2  水足迹的测算与分析

目前，通用的水足迹测算方法主要有两种，一种是自上而下的方法，是一种差额计算方法，即水足迹等于本区域进口产品所含的虚拟水和水资源消耗之和再减去出口产品所需的虚拟水。由于缺乏详尽的区域间产品贸易记录，这种方法不能够测算出完整的水足迹总量。因此大多采用第二种方法，即自下而上的方法，水足迹等于区域内单位产品虚拟水含量与消费的产品数量乘积之和。本研究正是基于水足迹自下而上的算法，从消费者角度出发，建立了水资源账户，具体包括以下5个方面。

1）农业水足迹。中国居民消费的农畜产品种类多样，各地区统计分类标准和消耗数量各异，根据研究需要和数据的可得性原则，本研究借鉴2004年Chapagain等[11]得出的单位质量农畜产品的虚拟水含量，选取了全国范围内具有普遍性的11种农畜产品作为研究对象[12]，如表2所示。计算公式为：

式中，WFa表示农业水足迹，Qk表示第k种农畜品消耗数量，UWk表示第k种农畜品单位虚拟水含量。

2）工业水足迹。对工业水足迹采用估计方法，首先计算各地区农业水足迹，结合地区经济发展水平差异和工业产品的耐用属性引起的消费需求的差异，将中国东部、中部和西部地区的工业产品虚拟水消费量分别设定为该地区农业水足迹消费量的12%、9%和7%。

3）生活水足迹。生活水足迹等于城市和农村日常生活用水之和。

4）生态水足迹。生态水足迹指的是从水资源供给和需求角度出发，维持生态系统正常运转和相对稳定所必需的水资源。

5）灰水足迹。灰水足迹是以自然本底浓度和现有环境水质为基准，将一定的污染物稀释后达到排放、再利用标准所需要的淡水体积[12]。在本研究中，灰水足迹总量等于农业、工业和生活灰水足迹之和。

2.3  水足迹总量与水足迹强度

水足迹强度是水足迹与生产总值的比值。2002—2014年水足迹总量与水足迹强度的关系如图1所示。近13年来水足迹总量呈现波动上升的趋势，2003和2007年略有降低，但总体来看，其总量大致呈现上升趋势，尤其是2012年水足迹总量的增长率达到最高值并且有持续增高的趋势;2002—2014年水足迹强度与水足迹总量呈现出明显的反比关系，理论上可以说水足迹强度对水足迹起到抑制作用，但是其抑制作用并没有很明显，因此需考虑其他因素对水足迹的驱动作用。

3  结果与分析

3.1  回归分析

运用SPSS 22.0对水足迹及其驱动因素进行多元线性回归，结果见表3，F=104.678，P为0.000，表现为高度显著，且R2=0.972，调整后的R2=0.963，表明水足迹与各驱动因素拟合效果显著。由表3可知，人口、人均GDP及水足迹强度这几项指标的VIF值都大于10，其中人均GDP和水足迹强度的VIF值分别为20 858.056和494.083，說明其存在着严重的多重共线性。

为了消除多重共线性，本研究借助岭回归对相关数据进行重新回归，结果见表4。

由表4可知，F=6.602，P为0.012，且R2=0.767，表现为高度显著，lnT通过了5%的显著性水平检验，lnP、lnA、（lnA）2均通过了1%的显著性水平检验。因此，模型（4）可以较好地解释水足迹总量与各自变量之间的关系，其具体表达式为：

从各驱动因素的系数来看，人口数量、人均GDP的增加都会促进水足迹总量的增加，其中，人口对水足迹的影响最大，人口每增加1%，水足迹总量将增加0.289%;而水足迹强度则对水足迹总量起到抑制作用，与人口规模的驱动作用呈现对立状态，但是其抑制作用明显低于人口的促进作用，因此应加大对水资源利用方面的技术支持，努力降低水足迹强度，从而抑制水足迹总量的增长。

参照模型（6），（lnA）2的系数为0.227，大于0，说明在观测期内，人均GDP与水足迹消耗并没有呈现EKC关系。

4  中国省域水足迹驱动因素的空间异质性分析

运用空间自相关模型，借助Geoda软件计算2002、2008和2014年中国31省市水足迹的莫兰指数，分析水足迹的空间自相关;借助GWR等模型软件实现数据的空间分析、模型运行、空间结果展示，从31个省（自治区）的角度分析水足迹驱动因素的空间异质性，探究驱动因素变化的内在规律，可根据实证研究得出的结论提出具有针对性的政策建议，优化水资源利用政策，因地制宜地提出适合各地区的水资源策略。

4.1  水足迹空间自相关

本研究计算了2002、2008和2014年中国31省市水足迹全局自相关的莫兰指数（Morans I），分别为0.23、0.20、0.18，如图2所示。Morans I>0，表明区域间水足迹具有相同的变化趋势，即具有高水足迹的区域其周边相邻地区的水足迹也偏高，反之亦然。因此正确理解水足迹的空间集聚现象，并发挥空间效应的作用，有利于从整体上降低中国水足迹消耗，达到节约用水的目的。

4.2  省域水足迹驱动因素的空间异质性分析

基于Stirpat模型分析结果，在GWR模型中，分别选取人口总量、人均GDP及水足迹强度作为人口规模效应、经济规模效应及技术效应。本研究就是在此基础上选取2014年为研究对象，借助GWR 4.0实现数据的空间分析。结果显示，调整后R2=0.935 3，拟合优度高于岭回归检验的结果，因此可以应用该模型分析人口规模效应、经济规模效应与技术效应对水足迹总量驱动的空间分布特征。

1）人口规模效应对水足迹驱动的回归系数的空间分布特征。系数为正表示人口数量对水足迹的消耗起促进作用，在空间分布上呈现南北走向，即水足迹由南向北逐渐递增，说明中国人口规模对水足迹的相对压力由南向北逐渐加大。

2）经济规模效应，即人均GDP对水足迹驱动的回归系数的空间分布特征。系数为正表示经济规模对水足迹的消耗起促进作用，其在空间分布上自东向西逐渐递减。新疆、西藏、甘肃等西部地区受制于其经济发展水平，其水足迹消耗明显低于东部发达地区。

3）技术效应，即万元产值水足迹对水足迹回归系数的空间分布特征。系数为负表示技术效应对水足迹消耗起到抑制作用，其在空间分布上自西向东依次递减。系数越小，表示水足迹强度越低，即万元产值用水量越少。因此应加大技术投入，激励相关企业改进生产工艺，提高用水效率，以此来抑制水足迹总量的消耗。

5  小结与讨论

本研究采用STIRPAT模型，分析了全国人口、人均GDP、水足迹强度对水足迹消耗的影响，并通过选取2014年作为研究对象，利用31省市的各驱动因素的GWR回归系数佐证了各驱动因素对水足迹的影响，同时得出各驱动因素对水足迹影响的空间分布特征，其结果如下。

1）从全国来看，人口数量、人均GDP、水足迹强度每增加1%，水足迹将发生0.289%、（0.188+0.454lnA）%和-0.129%的变化。随着经济发展水平的提高，人均GDP也不断提高，与此同时，水足迹逐渐增多，这也从另一个侧面反映了保证水资源供给是经济发展的必要条件。（lnA）2的系数为0.227，大于0，说明在观测期内，人均GDP与水足迹之间不存在EKC关系。

2）不同的驱动因素对水足迹的影响存在空间差异。人口规模效应、经济规模效应和技术效应对水足迹的影响所呈现出的空间分布特征，应该可以结合中国具体国情来解释，一是在人口规模效应上，人口规模对水足迹起到促进作用，其由南向北逐渐递增的趋势与中国人口分布有着密切关系;二是在经济发展水平上，東部地区相较西部地区经济发展更快，这客观上导致了经济规模对水足迹的影响呈现由东向西递减的趋势;三是由经济发展所带来地区科技投入的不同而引发的水足迹强度对水足迹总量的影响呈现由西向东递减的趋势，即表现为东部地区用水效率比较高，西部地区较低，因此，通过提高用水效率来达到节水的目的就显得尤为重要。

3）水足迹驱动因素时空差异分析对于制定适合各地区的水资源策略具有十分重要的作用。在现行体制下，中西部地区应转变传统的经济发展模式，在招商引资的同时，注重环境保护，减少灰水足迹，即需要各级政府在经济发展上由重数量向重质量转变;同时加大技术投入，激励当地企业改进生产工艺，提高水资源利用效率，降低水足迹。东部地区要注意协调人口数量、经济发展与水资源消耗之间的关系，制定合理的人口政策，在原有水资源利用效率的基础上通过技术投入进一步提高水资源利用效率，降低水足迹。

参考文献：

[1] ZHAO C F，CHEN B，HAYAT T，et al. Driving force analysis of water footprint change based on extended STIRPAT model： Evidence from the Chinese agricultural sector[J].Ecological indicators，2014，47：43-49.

[2] 龙爱华，徐中民，王新华，等.人口、富裕及技术对2000年中国水足迹的影响[J].生态学报，2006，26（10）：3358-3365.

[3] 奚  旭，孙才志，赵良仕.基于IPAT-LMDI的中国水足迹变化驱动力分析[J].水利经济，2014，32（5）：1-5.

[4] 任  毅，李  宇，郑  吉.基于改进STIRPAT模型的定西市生态足迹影响因素研究[J].生态经济，2016，32（1）：89-93.

[5] 王  亮.基于生態足迹的盐城市生态安全评价[J].国土与自然资源研究，2012（1）：59-61.

[6] 吴玉鸣.中国省域旅游业弹性系数的空间异质性估计——基于地理加权回归模型的实证[J].旅游学刊，2013，28（2）：35-43.

[7] 肖宏伟，易丹辉.基于时空地理加权回归模型的中国碳排放驱动因素实证研究[J].统计与信息论坛，2014，29（2）：83-89.

[8] 孙  克，徐中民.基于地理加权回归的中国灰水足迹人文驱动因素分析[J].地理研究，2016，35（1）：37-48.

[9] 焦文献，陈兴鹏.基于STIRPAT模型的甘肃省环境影响分析——以1991-2009年能源消费为例[J].长江流域资源与环境，2012， 21（1）：105-110.

[10] BRUNSDON C，FOTHERINGHAM A S，CHARLTON M E. Geographically weighted regression：A method for exploring spatial nonstationarity[J].Geographical analysis，1996，28（4）：281-298.

[11] CHAPAGAIN A K，HOEKSTRA A Y. Virtual water trade： Water footprint of nations（No.16）（Volume1：Main report）[R].IHE Delft，2004.1-76.

[12] HOEKSTRA A Y，CHAPAGAIN A K，MARTINEZ-ALDAYA M M，et al. The water footprint assessment manual：Setting the global standard[M].London：Earthscan，2011.