环境约束下中国省际水资源效率空间关联网络构建及演化因素

秦腾 佟金萍 章恒全

摘要 面对边界日益扩张和地区关系日益复杂的水资源问题，科学识别水资源效率在不同地区之间的传导关系并揭示其空间联动结构，是实现区域水资源可持续利用的前提。本文基于2001—2017年中国30个省级样本区域的相关数据，采用基于非期望产出的SBM模型测算出环境约束下中国省际水资源效率，然后在向量自回归模型框架下对省际水资源效率的动态交互影响效应和空间关联关系进行有效识别，最终运用社会网络分析方法实证考察了中国省际水资源效率的空间关联网络结构特征及其影响因素。结果表明：①中国省际水资源效率呈现出显著的、复杂的空间关联网络结构，一个地区的水资源效率水平不仅与其自身相关，而且受到其他地区以及它们构成的空间关联网络的影响;②重庆、上海和广东等省份具有较高的度数中心度、中介中心度和接近中心度，在网络中处于核心地位，发挥重要的中介和桥梁作用;③上海、广东和重庆等7省份属于净溢出板块，北京、江苏和湖北等7省份属于双向溢出板块，河北、安徽和江西等11省份属于经纪人板块，内蒙古、广西和甘肃等5省份属于净受益板块;④经济发展水平、技术创新水平、对外开放程度和信息化水平是水资源效率空间关联网络演变的重要影响因素，区域间经济、信息交流和对外开放程度的进一步加深都有利于中国省际水资源效率空间关联网络的形成与演化。因此，在制定水资源管理政策时，应加快构建水资源效率跨区域协同提升機制，并将其融入区域发展战略之中，以实现区域水资源效率的全面提升。

关键词：非期望产出;水资源效率;格兰杰因果检验;空间网络结构

中图分类号 F062.1

文献标识码 A文章编号 1002-2104（2020）12-084-11DOI：10.12062/cpre.20200126

水资源作为一种特殊的战略性基础资源，不仅是维系自然生态与人类社会和谐共存的关键纽带，更是支撑国家经济可持续发展和长治久安的重要保障。随着我国经济规模的日益扩张以及人们生活条件的逐步改善[1]，目前水资源短缺成为制约我国经济社会可持续发展的主要障碍。与此同时，由于近年来污染物排放的不断增多，导致了各地区在水资源开发和利用过程中产生了一系列水生态环境恶化事件[2]，进一步加剧了区域用水矛盾。如何高效可持续地利用水资源成为当前社会各界关注的重要内容之一，而不断提高水资源效率无疑是最直接和最有效的战略选择。然而，由于边界效应以及水资源跨区域特征的存在，使得单边水资源效率改善措施存在一定的安全隐患，可能会导致严重的资源浪费和跨区域用水冲突[3]，反而不利于区域水资源效率的提升。此外，市场化和区域一体化加快了水资源信息传输以及水商品的流通速度，使得省际水资源效率间的空间关联关系日益复杂化，逐渐呈现出多线程的空间网络结构形态。因此有必要在环境约束视角下探究中国省际水资源效率的空间关联网络结构特征，从而有效识别各地区在空间关联网络中的地位和角色，并进一步对影响网络结构演变的关键因素进行深入考察，为制定更加细致的区域水资源效率提升规划方案和构建更加完善的区域协调机制提供重要的决策参考。

目前水资源效率的研究主要集中在水资源效率测度及其影响因素分析两个主要方向。其中，在水资源效率测度方面，学者们偏向于在全要素生产效率框架下[4]，应用数据包络分析（data envelopment analysis，DEA）方法[5]对水资源效率进行测算和分析，并由此衍生出了多种改进型的DEA模型，如DEA-Malmquist指数模型[1]、三阶段DEA模型[6]、非期望产出SBM（slack-based measare）模型[7-9]、非期望产出超效率SBM[10]、两阶段 SBM-DEA 模型[11]，对全国及区域层面的水资源效率进行测算和评价[12]，为不同情境下水资源效率的测算和分析提供了必要的方法论基础;在影响因素方面，大多数文献则着重探讨经济发展水平、水资源禀赋、产业结构、污染物减排力度、技术进步对水资源效率变动的影响程度[13-19]。近年来随着区域用水联系的日益增加以及空间计量分析技术的兴起，已有少量文献指出，水资源效率存在显著的空间依赖特征[20-21]，水资源效率较高的地区通过自身向外的不断溢出，能够带动其周边及其他地区水资源效率的提高[22-23]，从而有助于不断缩小一直以来的水资源效率分布不均状况[24]，因此，要提高对水资源效率空间溢出效应的重视程度[25]。

现有文献为本文的研究奠定了良好基础，但是受样本数据及研究方法的限制，以往研究只能验证水资源效率空间效应的存在和判断各地区之间的空间聚类方式，难以揭示和刻画出水资源效率在更大尺度上的动态关联关系。此外，以往研究均是基于水资源效率的“属性数据”进行的经验考察，并未从“关系数据”的角度揭示各区域间的联动结构，而结构往往决定于属性数据的表现，更具分析价值。有鉴于此，本文采用基于非期望产出的SBM模型对我国1998—2017年省际水资源效率进行测度，从“关系角度”出发，在向量自回归（vector auto regression，VAR）框架下构建了区域水资源效率的动态交互影响模型，实证考察水资源效率的动态关联效应。在此基础上，构建水资源效率空间关联网络并运用社会网络分析（social network analysis，SNA）揭示其结构特征及其关键诱因，以期为构建更加合理的区域水资源协同管理机制提供有效的决策依据。

1 水资源效率空间传导及网络化形成机制

水资源效率的空间传导是指不同区域的水资源效率通过直接或间接的形式进行交流，由此产生的跨区域间交互影响关系。差异化的区域资源禀赋以及日益严峻的水资源约束使得各用水主体间的用水联系变得日益频繁和密切，经过长时间的演变与转化，逐渐呈现为复杂的空间网络结构形态。毫无疑问，各类要素在跨区域间的空间流动以及市场机制的基础调节作用构成了促进水资源效率空间网络化的“源动力”。此外，为了弥补“市场失灵”和“市场扭曲”的缺陷，适时的政府干预在协调各用水主体间利益关系的同时也是推动区域间水资源效率传导关系产生的重要因素。

（1）要素流动机制。水资源效率是实质上是由资本、劳动力、水资源和信息等各类资源相互作用的结果，随着信息技术的发展和交通运输手段的革新，区域间的要素流动能力大大增强，各地区为了促进自身的经济社会发展，会不断引进其他地区充裕本地区相对稀缺的要素，来弥补自身资源禀赋的缺陷，这必然会逐渐增进彼此间关于水资源效率的空间联系，这在水资源效率空间网络中表现为各节点间的连线或边。在经济效益最大化的驱动下，各类资源要素会不断流入自身条件好、边际效益高的地区，最终形成具备率先发展优势的核心地区，在水资源效率空间网络中表现为水资源效率较高的地区和节点。当核心地区的水资源效率达到一定规模之后，会通过自身的“反哺”功能，帮助周边地区在人才、技术和管理方法等全方位地提升和进步，从而导致该地区水资源效率的变化，随着这种信息逐级传递，最终会影响更大范围内所有地区的水资源效率变化。

（2）市场驱动机制。水资源的经济属性决定了用水主体间的关系也要受到经济规律和市场机制的约束。不断完善的市场机制充分释放了各地区的市场潜力，在以效率优先有导向的前提下，以水资源技术和信息等为表征形式的水资源效率载体逐渐突破地域的限制，不断向周边及其他地区进行流动和溢出，形成地区间水资源效率的空间传导和关联效应，随着市场规模的不断扩大，这种水资源效率关联信息会传导至所有地区，从而使各地区之间的水资源效率存在普遍的关联关系。此外，市场机制也能促进地区间的良性竞争，当一个地区率先通过技术改革和管理创新实现水资源效率的提升，从而降低该地区的生产成本和治污成本，其他地区也会纷纷学习和模仿，从而提升整个区域的水资源效率水平。

（3）政府干预机制。由于水资源的天然流动特性和公共物品属性，单纯依靠市场机制无疑会出现配置无效和资源浪费现象。为了实现区域整体社会效益的最大化，政府会进行适当的干预，促进不同地区达成一定的合作意愿，通过不同地区之间的优势互补，将整个区域的全部资源进行整合，实现各类资源的高效利用和区域水资源的最优管理。在此过程中，各种节水技术、信息和管理经验将不可避免地在不同地区进行流动和交换，从而形成不同地区间的水资源效率关联关系。随着区域战略的不断提升和水资源规划的进一步发展，这种水资源效率关联关系会传导至更多的地区，最终形成由多个节点和众多连线组成的水资源效率空间网络。

2 模型构建与数据来源

2.1 水资源效率测度模型及空间分析方法

2.1.1 水资源效率测度

DEA模型作为测算全要素生产效率的传统模型，由于不能同时将投入与产出的松弛变量纳入效率评测之中，导致评价结果会出现偏差。为了克服这一缺陷，Tone[26]于2001年提出了一种基于松弛变量测度的非径向非角度的DEA分析方法，同时也考虑了非期望产出问题，即SBM模型[27]，更加符合真实生产利用过程。本文拟采用超效率SBM模型对水资源效率进行测度，具体模型如下：

式中，X、Y.g和Y.b分别表示各省份的投入与产出要素;s.-、s.g和s.b分别表示投入、期望产出和非期望产出的松弛变量;r表示第r个DMU（digital mock-up）;r0表示待求的DMU。目标函数ρ是关于s.-i（i）、s.gr（r）和s.br（r）严格递减的，且0<ρ≤1。当且仅当s.-=0、s.g=0和s.b=0，即ρ=1时，决策单元才是有效的，而当ρ<1，即s.-、s.g和s.b这三者中至少有一个不为零时，决策单元无效，也就是存在投入产出改進的必要。

2.1.2 水资源效率空间关联网络的构建

现有研究主要采用引力模型[28-29]、VAR和 Granger因果检验方法[30-32]来构建不同单元间的“关系数据”。从时间序列数据角度来看，一个地区水资源效率的变动对其他地区水资源效率的影响可能会优先于其当前的变动情况，也就是说，某个地区一定时段的水资源效率信息对其他地区一定时段的水资源效率变动情况具有预测能力。因此，本文将在VAR框架下来构建省际水资源效率之间的动态关联模型，进而运用Granger因果检验方法，对水资源效率在不同省域间的空间关联关系进行识别。假设两个地区的水资源效率时间序列分别为{xt}和{yt}，则两个地区水资源效率交互影响的VAR模型为：

其中，αi、ρi和σi（i=1，2）均为待估参数;{εi，t}（i=1，2）为残差项;m、n、p和q为自回归项的滞后阶数。公式（2）检验地区x的水资源效率是否受到自身以及地区y水资源效率滞后期的影响;公式（3）则检验地区y的水资源效率是否受到自身以及地区x水资源效率滞后期的影响。如果检验结果拒绝VAR模型中的原假设，则表示序列{yt}的历史信息有助于解释序列 {xt}的变动情况，即序列{yt}是序列 {xt}的Granger原因，此时在整体网络中画一条由x指向y的有向连线。需要说明的是，本文以PP单位根检验方法对时间序列进行平稳性检验，并对原始数列进行差分处理，得到省际水资源效率I（1）平稳序列，以进行相应的Granger因果检验，同时，根据信息准则标准以及样本的时间跨度，确定最终的滞后阶数为2阶[33]，并以10%作为显著性检验标准。

2.1.3 网络结构特征刻画

社会网络分析（SNA）是一种针对“关系数据”的跨学科分析方法，旨在采用图论工具和代数模型描述网络结构中各成员之间的关系以及各类关系模式对结构中成员的影响，近年来在社会学、管理学和经济学领域得到广泛的传播和应用[34-36]。本文将借助SNA结合网络密度、网络关联度、网络效率、网络等级度等指标来刻画水资源效率空间关联的整体网络特征，通过度数中心度、中介中心度、接近中心度等指标来刻画个体网络结构特征;进一步采用块模型分析来揭示各节点在空间关联网络中的分布状况以及发挥的作用;最后运用SNA中的QAP（quadratic ssignment procedure）方法挖掘和描述中国省际水资源效率空间关联网络的影响因素。

2.2 数据来源与说明

以我国30个省份（西藏、港澳台部分数据无法获取，故未将其纳入）为研究对象，时间跨度为2001—2017年。在水资源效率测度方面，选取的投入要素主要有水资源、劳动和资本投入，分别以用水总量、从业人员数、资本存量以及人力资本等变量表示，选取的产出指标和非期望产出指标分别用地区生产总值、废水中化学需氧量（COD）和氨氮排放量（NH）来表示，具体如表1所示;在省际水资源效率空间关联网络影响因素方面，根据对已有研究的总结和归纳，本文着重考察水资源禀赋、经济发展水平、产业结构、技术创新水平、对外开放程度以及信息化水平对中国省际水资源效率空间关联关系的影响，具体测度方法见表2。

以上数据主要来源于《中国水资源公报》（2001—2017）、《新中国60年统计资料汇编》《中国统计年鉴》（2002—2018）、《中国环境统计年鉴》（2002—2018）以及《中国环境年鉴》（2002—2018），且对于部分缺失的数据参照各省市的统计年鉴补齐。另外，为了避免通货膨胀对测算结果的影响，以上涉及的经济数据均按照价格指数转换为2001年不变价格。

3 省际水资源效率空间关联网络特征

根据Granger因果检验对不同省份间水资源效率的空间关联关系进行识别，并由此构造出省际层面的空间联动网络。利用Ucinet可视化工具Netdraw绘制出2001—2017年我国水资源效率的空间关联网络图（见图1），动态展示了水资源效率的省际联动网络结构形态。图中每一个节点表示相应的省份，节点间的连线表示省份间的水资源效率联系及方向。可以看出，我国省际水资源效率层面的交流日益密切，其复杂的网络结构形态特征已日益凸显，而且整个空间关联网络中不存在孤立点，一方面表明省际水资源效率关系已经超越了单纯地理学意义上的相邻或邻近效应，不断向更大和更广的空间范围进行演化，同时也反映出，任何省份在水资源效率问题都不可能独立存在，必定会受到来自其他省份和整体空间关联网络的影响。

3.1 空间关联整体网络特征

为了深入探究中国省际水资源效率空间关联网络特征，本文主要从网络密度、网络关联度、网络等级度和网络效率四个方面进行分析，具体结果如表3所示。

（1）网络关联性。可以看出，由格兰杰因果检验得出的30个省份间的水资源效率空间关联关系总数为252个，而理论存在最大可能的关系数为870个，因此网络密度为0.29，意味着水资源效率在省域间存在一定程度的空间关联，但是从数值来看，目前的关联程度并不是很高，整体网络的稳定性和跨区域水资源管理机制的构建还有待进一步的努力。网络关联度为1，说明网络的连通性和可达性较好，省际水资源效率之间存在十分明显的空间溢出效应，各省份都存在直接或间接的水资源效率联系。网络效率为0.549，说明网络中存在一定数量的冗余连线，降低了水资源效率在省域间的传输速率，但同时也在很大程度上维持了整体网络的稳定性。网络等级度为0.067，说明水资源效率在省域间的溢出关系不存在“等级森严”的网络结构，各省份在空间网络中的地位较为均衡，均存在对外溢出的可能。可以发现，随着市场化进程的加快和区域一体化战略的不断推进，各省份之间的行政壁垒和区划边界逐渐被打破，使得各地区在贸易、信息、资源和技术方面的获取和交流能力大大增强，为区域间水资源效率空间关联关系的发生奠定了良好的社会基础，随着国家陆续在内蒙古、广东和甘肃等地积极开展水权交易试点，努力培育水市场，建设水权交易平台，进一步为拓展省际水资源效率空间关联渠道提供更加完善的制度和平台方面的保障，也将使得省际水资源效率的空间联系和网络结构的稳定性进一步增强。

（2）小世界特征。此外，从表3中的“平均距离”和“聚类系数”两个指标来看，2001—2017年间中国省际水资源效率空间关联网络具有明显的小世界特征。较高的聚类系数反映了省际水资源效率的频繁联系和交互影响，同时较短的平均距离说明网络中任意两个省份节点之间通过1～2个中间省份就完全可以建立联系，这一方面反映出某个省份的水资源效率变化可以很快地传递到其他省份，另一方面也说明了改变少量的水資源效率空间关联关系，可以引起网络功能的剧烈改变，凸显了实施跨区域节水联动协作机制的必要性。

3.2 空间关联个体网络特征

为了揭示各省份在水资源效率空间关联网络中的地位和作用，本文选取度数中心度、中介中心度和接近中心度对30个省份的个体网络特征进行分析。

（1）度数中心度。从表4可以看出，度数中心度的均值为48.736，超过均值且排名靠前的省份有重庆、内蒙古、黑龙江、广东、甘肃和上海等地，这些地区或位于水资源效率较高的上海和广东这样的沿海发达地区，能够凭借自身较高的经济发展水平和技术创新实力，不断向其他地区进行水资源信息和技术方面的外溢，由此带来较大的点出度，也提升了整体的度数中心度，或位于水资源效率较低的重庆、内蒙古和甘肃等地，需要依靠不断吸收来自周边及其他地区先进的水资源方面的信息、技术和管理经验，来缓解自身的用水矛盾，由此导致这些省份具有较高的点入度，从而提升了整体的度数中心度。度数中心度低于均值且排名比较靠后的省份主要有贵州、浙江、青海、北京、山东和新疆等地，受地区水资源禀赋限制和水环境污染的影响，这些地区的水资源效率在全国30个省份中处于中等水平，既无法对其他省份产生较强的技术溢出效应，而其相对较高的水资源效率也阻碍了其他地区向自身的技术溢出，由此导致这些省份与其他省份的水资源效率的前后向空间联系较少，在省际水资源效率空间关联网络中处于边缘位置。

（2）中介中心度。全国30个省份的中介中心度均值为2.897，超过均值且排名较为靠前的省份主要有上海、河南、重庆、广东、江西和黑龙江等地，这些地区的中介中心度数值均超过4，在中国省际水资源效率空间关联网络中均控制着超过3条以上的水资源效率交流渠道，表明这些地区对整个网络的形成具有较强控制力，是网络中的关键节点。可以看出，这些省份或是位于我国区域发展的核心地带，如上海和重庆，自身具备一定的经济实力和相对完善的水利基础设施，以及功能齐全的交通运输体系，或是属于我国重要的水权交易试点，如河南、广东和江西，建设有相对健全的水资源信息技术空间溢出渠道和交流互动平台，能够承担连接其他省份进行信息技术交流的“中间人”角色，是保障水资源效率传输网络得以有效运行的重要中转站。其中，上海的中介中心度达到13.564，远高于其他省份，随着上海在信息技术、贸易、金融和物流等领域中心地位的进一步确立，其作为国际化大都市在水资源效率传输网络中的“桥梁”角色得以完全体现，是其他省份进行水资源信息技术交流和传播的关键枢纽。中介中心度低于全国均值且排名较靠后的省份主要浙江、贵州、陕西、青海、山东和北京等地，这些地区或位于经济发展水平较低、地理位置较偏和水资源环境较恶劣的西北地区如贵州和陕西，或毗邻水资源较高的地区如浙江和山东，阻碍了其在空间网络中对水资源信息技术的传输效率，导致其中介中心度很小，很难对水资源效率空间网络中的其他省份产生影响。

（3）接近中心度。接近中心度的全国均值为66.754，超过均值且排名较靠前的省份主要有内蒙古、重庆、黑龙江、广东、上海和甘肃等地，表明这些地区能够有效利用中国省际水资源效率空间关联网络的传导效应，与其他省份快速产生关联，在网络中扮演着中心行动者的角色。与度数中心度的测算结果类似，这些地区或自身经济技术实力较为突出，能够对周边及其他地区产生水资源信息和技术方面的外溢，或自身水资源禀赋较为贫乏、水资源效率较低，具有比其他地区更为强烈的交流合作意愿，在不断提升自身获取资源能力的同时显著提高了与其他省份之间的交流效率。而青海、浙江、贵州、北京和新疆等地的接近中心度较低，受水资源效率空间分布格局的影响及其地理位置的限制，这些省份在省际水资源空间关联网络中获取信息技术等资源的能力较弱，扮演着边缘行动者的角色。

3.3 块模型分析

为了进一步揭示各个省份在水资源效率关联网络中的空间聚类特征，本文采用CONCOR方法以最大分割深度为2、集中度为0.2的标准，将全国30个省份划分为四个板块，结果如表5所示。其中，第一板块由北京、辽宁、江苏、湖北、四川、云南、青海7个省份构成;第二板块由内蒙古、浙江、广西、甘肃、宁夏5个省份构成;第三板块由天津、吉林、黑龙江、上海、广东、重庆、陕西7个省份构成;第四板块由河北、山西、安徽、福建、江西、山东、河南、湖南、海南、贵州、新疆11个省份构成。

从四个板块在水资源效率空间关联网络中的位置以及板块之间的溢出关系来看，网络中的关联关系总数有252个，其中各板块内部之间的关联关系有63个，占比为25%，板块之间的关联关系有189个，占比为75%，说明省际水资源效率存在明显的溢出特征，且以区域间溢出为主。其中，第一板块的溢出关系有36个，接收其他板块溢出关系总数为37个，板块内部的关系总数为16个，期望内部关系比例为21%，小于实际内部关系比例44%，属于“双向溢出”板块。第二板块的溢出关系为34个，接收其他板块溢出关系总数高达51个，板块内部的关系总数为7个，期望内部关系比例为14%，小于实际内部关系比例21%，属于“净受益”板块。第三板块的溢出关系有94个，接收其他板块溢出关系总数为46个，板块内部的关系总数为26个，期望内部关系比例为21%，与实际内部关系比例28%较为接近，属于“净溢出”板块，该板块对其他板块的溢出关系与其接收其他板块的关系总数相当，在水资源效率空间关联网络中扮演着“中间人”的角色。第四板塊的溢出关系有88个，接收其他板块溢出关系总数为55个，板块内部的关系总数为14个，期望内部关系比例为34%，大于实际内部关系比例16%，属于“经纪人”板块。

通过与前文中国省际水资源效率空间关联网络的整体密度（0.29）对比，可以得出由各个板块构成的网络密度矩阵，以此来描述各板块间水资源效率传导关系的分布情况。如果板块的网络密度高于0.29，说明水资源效率溢出更加集中于该板块，此时将矩阵中对应的密度值赋值为1，反之则赋值为0，如此不但可以将多值密度矩阵转化为像矩阵，能够更加清晰的显示出各板块之间的溢出效应（见表6），还能够通过图2直观地描述四大板块间的关联关系。

可以看出，板块I和板块II主要表现为对其他板块关系极强的接收能力，其中板块II除了自身内部存在水资源效率的传导关系外，还大量接收来自板块III和板块IV的溢出关系，却仅向自身和板块I发出少量的溢出关系，说明两大板块内的省份水资源效率的发展，在很大程度上受到其他板块水资源信息技术的溢出影响。具体来看，这些省份大都属于水资源匮乏地区（如北京、青海和甘肃等），或水资源效率较低的省份（如江苏、四川和云南等），无论在节水技术创新水平还是水资源配置效率和管理经验等方面，都与其他发达地区存在较大的差距，为了缓解自身的用水困局和满足地区的用水需求，只能依靠不断接收来自其他地区先进的信息、技术和管理方法。板块III和板块IV虽然扮演不同的角色，但是两大板块主要表现为对其他板块极强的溢出影响，而接收板块内部及其他板块溢出关系的能力较弱，这些省份或位于我国沿海发达地区（如天津、上海和广东等）以及区域发展的核心地带（如重庆和陕西等），或属于我国水资源效率较高的农业大省（如湖南、河南和江西等），自身的经济实力和技术创新能力较强，使得自身技术水平早已超出了当前地区用水节水的需求，因而对其他地区产生显著的辐射效果。

4 省际水资源效率空间关联网络结构的影响因素分析

4.1 QAP相关性分析

为了实证考察各影响因素对中国省际水资源效率空间关联网络动态演变的作用程度，本文选取2001—2017年中国省际水资源效率与各影响因素之间的“关系矩阵”，然后采用QAP相关性分析来检验它们之间的相关关系，结果如表7所示。其中，最大值和最小值分别是各变量经过重复1万次迭代运算后的最大数值和最小数值;P≥ 0和P≤ 0分别表示随机置换中每一次得到的相关系数大于等于、小于等于最终相关系数的概率[39]。可以发现，经济发展水平、对外开放程度和信息化水平的相关系数显著为正，说明这三个因素是推动中国省际水资源效率的空间外溢和空间关联网络形成和发展的重要力量;技术创新水平的相关系数在10%的水平下显著为负，说明技术创新的空间关联延缓了中国省际水资源效率空间关联网络的形成速度;水资源禀赋和产业结构的相关系数没有通过显著性检验，说明水资源禀赋和产业结构不能显著影响中国省际水资源效率空间关联网络形成和演化。

4.2 QAP回归分析

在相关分析的基础上，在经过1万次的随机置换和计算后，本文进一步以中国省际水资源效率空间关联网络演变的影响因素进行QAP 回归分析，具体结果如表8所示。其中，概率A表示随机置换后的回归系数绝对值大于等于观察到的回归系数的概率，概率B表示随机置换后的回归系数绝对值小于等于观察到的回归系数的概率。

从回归系数来看，经济发展水平、对外开放程度和信息化水平这三个变量的回归系数分别在10%、5%和10%的水平下显著为正，再一次说明了经济发展水平、对外开放程度和信息化水平等因素，是中国省际水资源效率空间网络形成和发展的重要驱动力。毫无疑问，对外开放程度的提高和不断发生的经济联系有助于打破区域间的贸易壁垒的区划边界，增强区域间获取和交换如商品、人力、信息和技术等资源的能力，在很大程度上为省域间水资源效率关联关系的发生和空间网络的形成提供了有利的前提条件，而信息化水平的提升则能够通过电视、政府网站和各类网络平台等媒介，促进水资源信息和技术的传播和扩散，从而加速省际水资源效率空间关联网络的构建和发展。技术创新的空间关联对省际水资源效率空间关联网络的形成具有阻碍作用，这与传统的认知和固有常识不符，一般而言，技术创新空间关联程度的提升有助于各类水资源技术在跨区域间的传播，进而推动省际水资源效率空间关联网络的形成和发展，但是本文的测算结果却并非如此，可能的原因在于目前水资源方面的技术份额较少，无法为省际水资源效率空间关联网络的形成和发展提供足够的动力，且新增的各类技术大多是为经济发展、环境治理和新能源开发等服务，进一步压缩了水资源技术的扩散空间和传播渠道，使得目前技术创新对省际水资源效率空间网络的形成和发展表现为显著的负向影响。水资源禀赋和产业结构的回归系数均不显著，说明水资源禀赋和产业结构对于省际水资源效率空间关联网络演变的影响微乎其微。

5结论和对策建议

5.1 主要结论

本文在运用基于非期望产出的SBM模型科学测度1998—2017年中国省际水资源效率的基础上，通过格兰杰因果检验方法对中国省际水资源效率的空间关联关系进行识别，借助社会网络分析方法对中国省际水资源效率空间关联网络结构的特征进行了详细描述，并进一步分析了影响其形成和演变的关键因素，主要结论如下。

（1）水资源效率在省域间的空间溢出效应十分明显，已呈现出较为复杂的网络结构，网络整体的稳定性较强、等级度较低，各省份在网络中的地位较为均衡，均存在对外溢出的可能。其中，重庆、上海和广东等省份具有较高的度数中心度、中介中心度和接近中心度，在网络中处于核心地位，是促进中国整体水资源效率优化和空间网络演变的主要力量，而贵州、青海和北京等省份由于和其他省份水资源效率的空间关联关系较少，在网络中处于边缘地位。

（2）块模型分析结果表明，上海、广东和重庆等7省份属于“净溢出”板块，在网络中处于核心地位，是空间网络形成的“发起者”;北京、江蘇和湖北等7省份属于“双向溢出”板块，在板块内外起双向“引领”作用;河北、安徽和江西等11省份属于“经纪人”板块，在网络中处于关键地位，起“桥梁”中介作用;内蒙古、广西和甘肃等5省份属于“净受益”板块，在网络中处于边缘地位，主要扮演“跟随者”角色。

（3）QAP相关性分析结果表明，经济发展水平、对外开放程度和信息化水平与中国省际水资源效率空间关联网络结构呈现出显著的正相关关系，技术创新水平与中国省际水资源效率空间关联网络结构呈现出显著的负相关关系，而水资源禀赋和产业结构与中国省际水资源效率空间关联网络结构没有表现出明显的相关关系。QAP回归分析结果表明，经济发展水平、对外开放程度和信息化空间关联程度的提升有利于中国省际水资源效率空间关联网络结构的形成，技术创新空间关联程度的提升则产生了阻碍作用，水资源禀赋和产业结构的影响较小。

5.2 对策建议

市场化进程和区域一体化进程的不断推进使得跨区域之间的交流日益紧密，也使得区域间水资源问题日益复杂和多变，本文从空间网络的视角为提升区域整体水资源效率提供了新的思路。

（1）全面认识省际水资源效率关联关系及其空间网络结构特征，在制定水资源规划和政策时，改变以往只关注“属性数据”的固有思维，要同步提升“关系数据”的重视程度，关注省域水资源效率空间关联关系的同时要不断优化省际水资源效率空间关联网络结构，积极探寻提升区域水资源效率空间关联程度的有效方法和途径，为跨区域水资源效率的协同提升和管理创造更多的渠道。

（2）深入细致地考察水资源效率空间关联网络结构的板块特征，针对各板块在空间关联网络中扮演的不同角色，制定符合自身发展规律的水资源效率提升策略，“净溢出”板块和“经纪人”板块中水资源效率较高的省份要充分利用自身在人才、技术和信息等方面的优势，在努力研发高端节用水技术的同时不断优化自身的用水结构和空间布局，并注重向周边及其他地区进行相应地辐射和扩散，“双向溢出”板块和“净受益”板块中的省份要注重与高水资源效率省份之间的交流和反馈，积极引进和学习先进的技术方法和管理经验，逐步提高自身的水资源效率。

（3）深入挖掘促进中国省际水资源效率空间关联网络形成和演变的关键因素，充分利用政府宏观调控功能和市场机制基础配置作用，推动空间网络中核心省份与边缘省份开展全方面和多层次的经济、技术、贸易和信息交流，强化水资源方面的信息和技术在区域间的传输速度和效率，在提升水资源效率整体水平的同时降低区域水资源效率的空间非均衡性。

参考文献

[1]廖虎昌， 董毅明. 基于DEA和Malmquist指数的西部12省水资源利用效率研究[J]. 资源科学， 2011， 33（2）：273-279.

[2]魏伟， 石培基， 魏晓旭，等. 中国陆地经济与生态环境协调发展的空间演变[J]. 生态学报， 2018， 38（8）：2636-2648.

[3]孙冬营， 王慧敏， 王圣. 社会选择理论在流域跨界水资源配置冲突决策问题中的应用[J]. 中国人口·资源与环境， 2017， 27（5）：37-44.

[4]HU J L， WANG S C， YEH F Y. Total-factor water efficiency of regions in China[J]. Resources policy， 2006， 31：217-230.

[5]PEREIRA H ， MARQUES R C . An analytical review of irrigation efficiency measured using Deterministic and Stochastic Models[J]. Agricultural water management， 2017， 184：28-35.

[6]卢曦， 许长新. 基于三阶段DEA与Malmquist指数分解的长江经济带水资源利用效率研究[J]. 长江流域资源与环境， 2017， 26（1）：7-14.

[7]YANG W，LI L. Analysis of total factor efficiency of water resource and energy in China： a study based on DEA-SBM Model[J]. Sustainability， 2017， 9（8）：1316.

[8]孙才志， 马奇飞， 赵良仕. 基于SBM-Malmquist生产率指数模型的中国水资源绿色效率变动研究[J]. 资源科学， 2018， 40（5）：993-1005.

[9]孙才志， 马奇飞， 赵良仕. 中国东、中、西三大地区水资源绿色效率时空演变特征与收敛性分析[J]. 地理科学进展， 2018， 37（7）：901-911.

[10]丁绪辉， 贺菊花， 王柳元. 考虑非合意产出的省际水资源利用效率及驱动因素研究：基于SE-SBM与Tobit模型的考察[J]. 中国人口·资源与环境， 2018， 28（1）：157-164.

[11]ZHOU X， LUO R， YAO L， et al. Assessing integrated water use and wastewater treatment systems in China： a mixed network structure two-stage SBM-DEA Model[J]. Journal of cleaner production， 2018， 185：533-546.

[12]张玮， 刘宇. 长江经济带绿色水资源利用效率评价：基于EBM模型[J].华东经济管理， 2018， 32（3）：67-73.

[13]钱文婧， 贺灿飞. 中国水资源利用效率区域差异及影响因素研究[J]. 中国人口·资源与环境， 2011， 21（2）：54-60.

[14]苏时鹏， 黄森慰， 孙小霞， 等. 省域水资源可持续利用效率分析[J].中国生态农业学报， 2012， 20（6）：803-809.

[15]马海良， 黄德春， 张继国. 考虑非合意产出的水资源利用效率及影响因素研究[J]. 中国人口·资源与环境， 2012， 22（10）：35-42.

[16]杨骞， 刘华军. 污染排放约束下中国水资源绩效研究：演变趋势及驱动因素分析[J]. 财经研究， 2015， 41（3）：53-64.

[17]王莹. 中国省际水资源利用效率及影响因素分析：基于超效率DEA与Tobit模型[J]. 中国农村水利水电， 2015（5）：41-44，52.

[18]任俊霖， 李浩， 伍新木， 等. 长江经济带省会城市用水效率分析[J].中国人口·资源与环境， 2016， 26（5）：101-107.

[19]张兆方， 沈菊琴， 何伟军， 等. “一带一路”中国区域水资源利用效率评价：基于超效率DEA-Malmquist-Tobit方法[J]. 河海大学学报（哲学社会科学版）， 2018， 20（4）：60-66，92-93.

[20]孙才志， 刘玉玉. 基于DEA-ESDA的中国水资源利用相对效率的时空格局分析[J]. 资源科学， 2009， 31（10）：1696-1703.

[21]孙才志， 赵良仕. 环境规制下的中国水资源利用环境技术效率测度及空间关联特征分析[J].经济地理， 2013， 33（2）：26-32.

[22]孙才志， 赵良仕， 邹玮. 中国省际水资源全局环境技术效率测度及其空间效应研究[J]. 自然资源学报， 2014， 29（4）：553-563.

[23]赵良仕， 孙才志， 刘凤朝. 环境约束下中国省际水资源两阶段效率及影响因素研究[J]. 中国人口·资源与环境， 2017， 27（5）：27-36.

[24]周迪， 周丰年. 中国水资源利用效率俱乐部趨同的检验、测度及解释：2003—2015年[J]. 自然资源学报， 2018， 33（7）：1103-1115.

[25]赵良仕， 孙才志， 郑德凤. 中国省际水资源利用效率与空间溢出效应测度[J]. 地理学报， 2014， 69（1）：121-133.

[26]TON K . A slacks-based measure of efficiency in Data Envelopment Analysis[J]. European journal of operational research， 2001， 130（3）：498-509.

[27]冯博， 王雪青. 中国建筑业能源经济效率与能源环境效率研究：基于SBM模型和面板Tobit模型的两阶段分析[J]. 北京理工大学学报（社会科学版）， 2015， 17（1）：14-22.

[28]冷炳荣， 杨永春， 李英杰， 等. 中国城市经济网络结构空间特征及其复杂性分析[J]. 地理学报， 2011， 66（2）：199-211.

[29]刘华军， 刘传明， 孙亚男. 中国能源消费的空间关联网络结构特征及其效应研究[J]. 中国工业经济， 2015（5）：83-95.

[30]李敬， 陈澍， 万广华， 等. 中国区域经济增长的空间关联及其解释：基于网络分析方法[J].经济研究， 2014， 49（11）：4-16.

[31]刘华军， 张耀， 孙亚男. 中国区域发展的空间网络结构及其影响因素：基于2000—2013年省际地区发展与民生指数[J]. 经济评论， 2015（5）：59-69.

[32]刘华军， 孙亚男， 陈明华. 雾霾污染的城市间动态关联及其成因研究[J]. 中国人口·资源与环境， 2017， 27（3）：74-81.

[33]沃尔特·恩德斯. 应用计量经济学：时间序列分析[M].第4版.杜江，译.北京：机械工业出版社， 2017.

[34]DUCRUET C， BEAUGUITTE L. Spatial science and network science： review and outcomes of a complex relationship[J]. Networks & spatial economics， 2014， 14（3-4）：297-316.

[35]BORGATTI S P， MEHRA A， BRASS D J， et al. Network analysis in the social sciences[J]. Science， 2009， 323（5916）：892-895.

[36]CASSI L， MORRISON A， WAL A T. The evolution of trade and scientific collaboration networks in the global wine sector： a longitudinal study using network analysis[J]. Economic geography， 2012， 88（3）：311-334.

[37]单豪杰. 中国资本存量K的再估算：1952—2006年[J]. 数量经济技术经济研究， 2008（10）：17-31.

[38]CAROD A， MARIA J. Location determinants of new firms： does skill level of human capital really matter？[J]. Growth and change， 2013， 44（1）：118-148.

[39]方大春， 馬为彪. 我国区域创新空间关联的网络特征及其影响因素[J]. 西部论坛， 2018， 28（2）：50-61.

（责任编辑：王爱萍）