淮河流域工业绿色水资源效率测度分析

田贵良，赵佳茹，吴 正

(1.河海大学商学院，江苏 南京 211100；2.江苏长江保护与高质量发展研究基地，江苏 南京 211100)

作为新中国第一条全面系统治理的大河，淮河流域加速构建生态廊道，促进生态经济高质量发展。2018年国务院批复淮河生态经济带发展规划，着力推进淮河流域可持续发展。当前淮河流域多个支流水质劣于Ⅴ类水，污染负荷中工业占污染总量的70%以上。粗放式工业用水结构导致水资源浪费严重，人均水资源占有量仅为全国平均水平的1/5。如何对工业水资源进行优化配置，合理规划与提升工业绿色水资源利用率是流域政府亟待解决的问题。

对于水资源利用效率的研究，国内外学者通常采用数据包络分析(DEA)方法。Hu等[1]率先提出了全要素用水效率的概念，并以中国为研究对象进行用水效率的实证分析，引发国内外水资源效率研究的热潮。章恒全等[2]将中国31省(直辖市、自治区)划分为东、中、西3部分，运用至前沿最远距离模型(SBM)测算我国绿色水资源效率；雷玉桃等[3]、邓光耀等[4]和李静等[5]分别运用随即前沿分析(SFA)、网络SBM和至强有效前沿最近距离模型(MinDS)研究中国31个省(直辖市、自治区)的工业用水效率。Subhash等[6]运用非参数DEA模型对印度农业进行效率测度并探究影响效率的驱动因素。上述学者从宏观层面研究了某一国家水资源利用效率，并未从微观层面考虑特定区域的用水效率。崔丹等[7]运用DEA测算山东省2007—2015年17个地级市的工业用水效率；孙冬营等[8]、汪克亮等[9]分别利用SBM模型、混合距离函数模型(EBM)模型测度长江三角洲城市群工业用水效率，基于泰尔指数研究各地区效率差异的形成根源；朱斌等[10]采用生态足迹法从时间序列层面上分析淮河流域水足迹变化。此时学者已将研究重心过渡到特定区域的分析，使得研究更具针对性。然而将区域置于一个封闭且不同质的环境中，忽视了现实环境的干扰，所得管理效率与真实值存在偏差。基于这一问题，Fried等[11]引入三阶段DEA模型用以排除外部环境的干扰。孙付华等[12]基于三阶段DEA模型测算了我国省市的农业水资源效率，结果表明剔除资源、经济及政府影响后的用水效率值波动明显，地区差异显著；罗颖等[13]运用三阶段DEA探究长江沿线的区域创新效率变动规律，发现第三阶段得到的创新综合效率均值有所上升。任志安等[14]在三阶段DEA基础上将水环境污染因素纳入农业水资源效率指标体系，发现农业节水与水污染减排对农业效率的提升影响显著。以上研究证实外部环境因素对资源效率存在不可忽视的影响，同时将水环境污染物等非期望产出纳入效率分析框架中，更能体现绿色可持续发展的理念，因此有必要利用基于非期望产出的三阶段DEA模型科学测度用水效率。

当前关于淮河流域工业绿色用水效率的研究较少，鲜有文献多角度对淮河流域的用水效率进行评价。本文基于已有研究成果，运用三阶段DEA模型从自然、经济、社会3个角度测度和分析淮河流域沿线地级市的工业绿色用水效率，基于变异系数分析效率的空间演化状况，采用双向固定效应Tobit模型考察工业绿色用水效率的影响机制，以期为淮河流域工业绿色可持续发展提供科学依据。

1 模型构建与样本选择

1.1 模型构建

1.1.1工业绿色水资源利用效率的内涵

参考联合国工业发展组织(UNIDO)对工业绿色发展的定义，引入水环境污染作为工业产出指标中的非期望产出，将所得效率定义为“工业绿色水资源效率”，实现水资源合理配置的同时减少非期望产出，达到流域工业绿色可持续发展的目标。

1.1.2三阶段DEA模型

DEA最早由Charnes等[15]提出，后经Banker等[16]补充扩展得到规模报酬可变模型(BCC)。由于传统DEA模型无法区分效率无效的主导因素是管理因素还是外部环境因素，本文运用三阶段DEA模型测度同质条件下流域工业绿色用水效率的变化情况。

1.1.2.1第一阶段：传统DEA模型测度

本文选择BCC模型测度淮河流域初始工业绿色效率值。假设有N个地区、X种投入指标、Y种产出指标，产出的权重系数为W，元素记为Dn、xi、yj、wj(n=1,2,…,N；i=1,2,…,X；j=1,2,…,Y)。

(1)

其中

式中：θ为工业绿色用水效率值；xin为第n个地区第i项的投入量；yjn为第n个地区第j项的产出量；wj为权重向量元素。

1.1.2.2第二阶段：似SFA模型测度

将第一阶段的投入松弛变量视为被解释变量，环境因素为解释变量，构建似SFA模型：

Sin=f(Zin;βin)+Vin+Uin

(2)

式中：Sin为第n个地区第i种投入的松弛值，即原始与目标投入之差；f(Zin;βin)为环境变量，其中Zin为第i种投入的第n个环境变量，βin为Zin的系数；(Vin+Uin)为随机干扰项，又称联合误差项ε，其中Vin表示随机干扰因素，Uin表示管理因素，两变量均服从期望为0，方差为σ2的正态分布，且满足cov(Vin,Uin)=0。

在求得Vin、Uin的基础上运用式(3)使得淮河流域所有沿线城市的工业用水面临相同的外部环境与运气。

(3)

1.1.2.3第三阶段：调整后的DEA模型测度

将调整后的工业投入量与原始产出量作为新变量带入模型计算流域工业绿色用水效率。

1.1.3变异系数

考虑到三阶段DEA是对效率的静态分析，本文基于变异系数探究淮河流域沿线城市工业绿色用水效率的空间演化情况。

(4)

1.1.4双向固定效应Tobit模型

影响因素的探究可以更好诠释淮河流域工业绿色用水效率内部的形成机制，故在经过Hausman检验后，本文选用双向固定效应的Tobit模型：

(5)

式中：γnt为工业绿色用水效率；zn为个体固定效应因素；λt为时间固定效应因素；εnt为第n个城市第t年的随机扰动项。

1.2 样本选择

1.2.1案例区域的选择

淮河流域水系发达但区域差异显著，为综合考察淮河流域工业绿色水资源效率，本文选取淮河流域沿线的40个地级市为研究对象，按自然(地理方位)、生态经济(流域生态经济规划)以及社会(城市发展规模)3个层面进行类型群组的划分。分别为自然层面：安徽省、江苏省、山东省、河南省、湖北省；生态经济层面：采用国家地理划分为北部地区、中西部地区以及东部地区；社会层面：按国务院发布的《城市规模划分标准的通知》[17]进行特大城市、大城市、中型城市以及小型城市的划分。

1.2.2指标选取与数据来源

参考文献[18]将可持续发展系统理论与工业绿色效率评价指标相结合，以工业用水量、规模以上工业固定投资额(简称规模以上投资)、工业从业人员作为投入指标；以工业生产总值和工业二氧化硫排放量、工业固体废物利用率作为期望产出和非期望产出指标；以人均GDP、水资源总量、进出口总额、重工业占工业总产值比重(简称重工业占比)、工业废水排放总量作为环境指标构建三阶段DEA模型。

从水资源禀赋、工业结构、经济发展水平以及政府环境规制等方面选取水资源总量、重工业占比、工业用电量、R&D经费支出占总产值比重(简称R&D经费占比)、人均GDP和工业废水排放量作为影响效率的驱动因素构建Tobit模型。

指标所需数据的时间跨度为2007—2018年，数据来源为各省市统计年鉴、水资源公报、生态环境公报以及《国泰安》[19]数据库。对于个别缺失的数据，采用简单插值法补充，并进行量纲化处理。

2 实证分析

2.1 工业绿色用水效率测度分析

2.1.1第一阶段结果分析

依托DEAP软件采用三阶段DEA模型对淮河流域2007—2018年的工业绿色用水效率进行测度。由于篇幅限制，仅从整体与社会层面进行分析。

a.淮河流域整体分析。数据显示，2007—2018年淮河流域综合技术效率、纯技术效率以及规模效率值分别为0.533、0.747和0.702，3种效率值在考察期内均未达到DEA有效。如图1所示，2007—2015年淮河流域的综合技术效率值、规模效率值总体发展趋势较平稳，基本在0.6上下浮动；2016年综合技术效率和规模效率达到最大值，分别为0.688、0.901。纯技术效率值在整个观察期内波动幅度较小，增幅为9.58%，最小值出现在经济水平相对较高的2011年，原因是尚未剔除环境因素和随机干扰项的影响，故而实际用水效率存在偏差。

图1 淮河流域2007—2018年第一阶段效率值变化情况

b.淮河流域社会层面分析。从社会层面分析，综合技术效率值与规模效率值由高到低排序为：特大城市、大型城市、中等城市、小型城市，虽然纯效率的排名与之略有不同，但趋势相似。该结果表明不同城市规模下各区域工业的经济实力、技术水平与产业结构是存在显著差异的，城市发展规模的扩大对于工业绿色效率值有促进作用。

2018年的回归结果如表1所示。

表1 第二阶段回归结果

a.人均GDP对松弛变量均为负向影响。对工业从业人员松弛值通过了1%显著性检验，表明人均GDP的增加，显著抑制了工业从业人员人数的增加，此结论与现实情况相符。目前我国高新科技产业发展迅猛，科技行业人力需求扩大，一、二产业部分人员被其吸收，故而出现第二产业从业人数减少现象。

b.水资源总量对工业用水量和规模以上工业固定资产投资额松弛量为正向作用，表明水资源总量的增加，抑制了流域绿色用水效率。该结论与诸多学者研究结果[20-22]契合。造成该现象的原因是资源的诅咒效应，即水资源越丰富的地区，用水效率越低。

c.工业废水排放量和重工业占比与水资源总量相似，对工业用水量和规模以上工业固定资产投资额松弛量的影响显著为正，对从业人员显著为负，这说明工业废水排放量(或重工业占比)的减少对淮河流域工业绿色用水效率提高影响显著，企业应积极研发节能减排技术。

d.进出口总额对工业用水量松弛值的影响为负，表明经济水平发达地区，政府和企业具备充足资金，更有能力提高绿色用水效率。进出口总额对剩余两个松弛变量通过了1%的显著检验，影响为正，意味着我国对外开放程度越大，资源需求越多，生产成本随之增加，效率降低。各地区在进行贸易交往的同时，应加快企业绿色转型，减缓资源环境带来的压力，提升用水效率。

2.1.3第三阶段结果分析

a.淮河流域整体分析。第三阶段的综合技术效率、纯技术效率、规模效率的效率均值分别为0.358、0.746和0.455，均高于第一阶段(0.533、0.747、0.702)，主要原因是良好的外部环境和运气。具体地，纯技术效率值变化幅度较小，综合技术效率和规模效率下降显著，表明综合技术效率主要依赖于规模效率，未来淮河流域在产业结构和规模结构上存在改进空间。

2018年是团场综合配套改革，取消“五统一”的第一年，张兰花跟广大职工群众一样，稍有空隙就忙着上网查看棉花品种信息，把一车车满装的地膜、种子、肥料、滴灌带等春播农用物资拉往自己的家里和地里。“往年都是单位给我们统一供应农资，年底结算，说多少钱就是多少钱。现在我们自己当家做主了，真好！”他今年承包20-1条田的86亩棉花，籽棉单产480公斤，收入达16.2万元。

b.淮河流域自然层面分析。由表2可知，剔除了外部环境因素的江苏省和山东省效率值始终高于流域均值。江苏省和山东省经济位于全国前列，即便失去了有利的外部环境作用，仍能迅速调整至自身最佳水平。安徽省、河南省和湖北省的效率值下降幅度大，最大幅度超过50%，远低于流域平均水平。造成这一现象的原因是这些省份依赖于老牌工业模式，存在产业规模滞后，内部结构不合理、资源利用率低等问题，同等条件下往往消耗更多外部资源，故而出现效率降低现象。

表2 第三阶段工业绿色用水效率值测算结果

c.淮河流域经济层面分析。剔除环境因素的北部地区发展势态良好，虽然效率值均出现了不同程度的下降，但始终高于流域平均水平，表明北部地区的技术创新能力强悍，对经济发展有较强的带动作用。东部地区的纯技术效率值增幅为13.33%，说明东部地区技术创新水平受环境影响显著，未来应加大科研环境及技术资金投入，推动企业由资源导向型向技术导向型转变。中西部地区效率值下降显著，最高下降幅度可达38%，说明地区的经济水平与企业规模存在诸多缺陷，严重影响了水资源利用率，需要政府在治理生态环境、企业在绿色可持续发展上做出调整与优化。

d.淮河流域社会层面分析。与第一阶段所得结论一致，特大城市的3种效率值远高于其他3类城市效率值，表明该地区资本与资源的投入与工业绿色用水效率为正相关关系。其中，小型城市的综合技术效率值与规模效率值下降幅度较大，最高幅度达43%，说明城市受城市容量、经济发展局限性与资源的相对匮乏性的影响大，未成功实现产业转型。

2.2 工业绿色用水效率的空间演化分析

为进一步探究淮河流域工业绿色用水效率的动态演化情况，引入变异系数进行分析。经计算发现，我国淮河流域2007—2018年的工业绿色用水效率差异化程度大，总体呈先减后增又减的态势。考虑到2007—2016年效率差距不断缩小，在2016年差距达到最小值(0.189)，2010年差异(0.457)约为2007—2016年差异的均值(0.437)，故选取2007年、2010年、2016年以及2018年作为典型年份，依托ArcGIS10.3软件探究效率的时空演化特征。

本文将效率值分为DEA有效(θ=1)、相对高等效率(θ介于均值加减1/2的标准差与1)、相对中等效率(θ介于均值加减1/2的标准差)以及相对低等效率(θ小于均值减1/2的标准差)4种。由图2可以发现，4个典型年份中仅有4个城市的效率值保持不变，南阳市处于相对低等效率水平，临沂市和商丘市为相对中等效率，淄博市始终保持DEA有效。具体地：①相对低等效率主要集中在中西部区域。尽管中西部地区效率总体偏低，但相对低效率地区数量逐年递减，表明当地政府开始重视地区工业绿色发展。②北部地区始终处于DEA有效或相对高等效率状态，原因与山东省工业的高用水效率密不可分。山东省拥有得天独厚的矿产资源与强悍的经济实力，加之当地高度重视环境保护，对周边地区辐射作用大，故而北部地区用水效率始终处于高水平状态。③东部地区在2010年前效率相对较低，2016年后发生了明显提升，DEA有效的城市数量达到DEA有效地区总数的1/2。其中江苏省高度重视绿色经济与生态的可持续发展，在不断推进产业技术研发与创新的同时注重环境保护与污染防治，因而效率提升显著。

(a)2007年

2.3 工业绿色用水效率影响因素分析

本文所选驱动因素均通过了显著性检验，表明驱动因素与工业绿色用水效率存在显著的相关关系，所选指标是恰当、可靠的。受篇幅限制，本文仅从流域整体和自然层面两个角度探究淮河流域工业绿色用水效率的影响机制(表3)。

表3 淮河流域工业绿色用水效率的回归结果

2.3.1流域整体驱动因素分析

从水资源禀赋看，水资源总量的回归系数为-0.451，表明水资源总量与工业绿色用水效率呈负相关关系，主要原因是水资源便于获取且用水成本低导致人们节水意识相对薄弱，进而易于造成水资源浪费，用水效率下降等问题。

结合经济发展和科技创新两方面看，人均GDP和R&D经费占比对绿色用水效率起着促进作用。企业应加大研究经费支出，鼓励企业优化节能减排技术，为工业注入新鲜绿色血液。

从工业结构以及政府环境规制能力两方面看，重工业占比、工业用电量和工业废水排放量的系数为负，表明高耗能产业和能源的消耗对于工业水资源效率有明显抑制作用，工业废水加剧了环境污染程度。因此，部门应对不合格企业实行严格的限额制度，激励其优化产业构成与进行污染后期治理工作。

2.3.2流域自然层面驱动因素分析

安徽省通过显著性检验的驱动因素，其影响程度由大到小依次为：工业废水、工业用电量、重工业占比、水资源总量。工业废水影响最大，系数达到1.74，企业应高度重视产业结构绿色转型，加大污染防治领域的研发资金投入，提高工业绿色水资源的利用率。

江苏省与流域整体的回归系数方向基本一致，仅工业用电量对用水效率为负向作用。形成原因是江苏省对于节约资源能耗的意识较为缺乏，存在大量能源浪费，因此培养节能意识和节能技术是提高其水资源利用率的关键。

山东省的5个驱动因素均通过了5%的显著性检验。其中R&D经费占比的回归系数为负，说明R&D经费占比的增加降低了工业绿色用水效率，该结果与崔丹等[7]所得结论一致。造成这种差异的原因是R&D经费占比逐年增长趋势明显，山东省用水效率变化幅度较小，两者之间存在不平衡性。

河南省的重工业占比和人均GDP与工业绿色用水效率为正向关系，水资源总量和工业废水排放量为负向关系，表明该地区工业发展目前仍处于初级阶段，企业节水意识和技术创新能力较低，需要政府加以引导并采取有力措施加以遏制。

湖北省有4个影响因素通过显著性检验，其中工业废水排放量通过了1%的显著性检验，回归系数为-4.567，表明随着地区第二产业节水技术与减排能力的提高，企业水污染处理能力逐步加强，工业废水排放量减少，促进了工业绿色用水效率的提升。

3 结论与建议

3.1 结论

运用三阶段DEA模型、变异系数和双向固定效应Tobit模型从静态和动态两方面、效率的影响机制对2007—2018年淮河流域40个城市的工业绿色用水效率进行综合分析。静态分析知，剔除环境影响的流域综合技术效率与规模效率被明显高估；省份间差异显著，经济发达地区工业绿色用水效率相对于经济欠发达地区普遍较高；中西部地区受地理及经济结构限制，与北部地区存在明显差距；城市规模与工业用水效率为正向作用。动态分析知，近年来淮河流域水资源利用率有了明显提升，各城市工业经济发展的同时开始重视生态保护。由影响因素分析发现，人均GDP和R&D经费支出占比对流域总体效率的提升有激励作用。各地区效率受驱动因素的影响程度不同。

3.2 建议

a.加快企业转型与绿色升级。企业内部管理对工业用水效率有显著影响，企业应该对自身产业结构、技术水平等进行调研评估，在革新技术的同时关注工业水污染防治力度，因地制宜，制定污染防治举措，实现企业绿色可持续发展。

b.加大区域间的合作与交流。各地区的工业绿色用水效率值差异显著，效率值较高的地区如山东省和江苏省应该打破壁垒，避免保护主义思想，利用其经济、资源上的优势充分发挥辐射带动作用，鼓励推动效率均值较低城市调整产业内部结构，加强区域间合作并积极引进先进技术，提升自身产业能力，实现全流域共同进步。

c.积极推进流域生态经济一体化发展。淮河流域受经济发展水平和环境因素的影响显著。地区经济实力的稳步提升和企业内部结构的革新是工业发展的强劲动力；工业节水技术以及工业生产中的水污染治理是工业发展的必然要求。淮河流域应实现生态与经济的一体化发展，做到追求经济效益的同时实现环境效益最大化，维护生态与社会的平衡。