数字经济对黄河流域水资源利用效率的影响及作用机制

岳 立 韩 亮

（兰州大学经济学院，兰州 730000）

引 言

黄河流域水资源利用在经济发展和生态保护中占据重要地位。2019年9月18日，习近平总书记在黄河流域生态保护和高质量发展座谈会上强调，黄河流域生态保护和高质量发展是重大国家战略，提出了 “以水定城、以水定地、以水定人、以水定产”的重要方针。数据表明，近20年来，流域地表水资源开发利用率呈持续上升趋势，2001～2019年其开发利用率达到80%，远大于一般河流40%的生态戒线。黄河流域的水资源人均占有量仅为全国平均水平的27%，且不能满足河道外用水需求，缺水问题严重，这说明水资源问题是黄河流域最突出的问题。因此，对黄河流域水资源利用效率研究很有必要。

近年来，互联网、大数据、人工智能等技术快速发展，中国经济发展进入了工业4.0时代。数字经济作为一种新要素与传统生产要素资本、土地、劳动等相融合，推动传统产业向智能产业迈进。2019年习近平总书记提出 “要促进数字经济与实体经济融合发展”［1］。此外，数字经济通过渗透其他产业会激发创新、增加产业的竞争力。

在此背景下，本文探究数字经济对黄河流域水资源利用效率影响及影响机制，有助于通过数字经济提高黄河流域水资源利用效率，促进流域生态保护和经济高质量发展。

1 文献综述

1.1 关于水资源利用效率的研究

这类文献主要集中在效率的测算、影响因素、区域差异等方面。在效率测算方面，大多数文献主要基于投入产出来进行测算，如李腾等 （2022）［2］采用SE－DEA－IAHP（超效率DEA模型、区间层次分析法）方法计算出贵州省岩溶地区的水资源利用效率； 张凯等 （2021）［3］构建 RAM－SFA－RAM组合效率测度模型来测算中国省级的水资源利用效率。在影响因素方面，朱晓梅等 （2022）［4］、李德山和苟晨阳 （2021）［5］从经济发展水平、产业结构、人口密度以及环境规制等方面研究了其对水资源利用效率的影响；邓淇中和张玲 （2022）［6］从资源禀赋、科技水平、外贸等方面研究了其对水资源利用效率的影响。在区域差异方面，何伟和王语苓 （2021）［7］从黄河流域流经区的自然环境和水文情况研究了其水资源利用效率的区域差异；岳立等 （2021）［8］从黄河流域流经城市所在水文、生态区的实际状况及降水情况分区研究了黄河流域水资源利用效率的区域差异。

1.2 关于数字经济的研究

这类文献的研究主要集中于数字经济对其他方面的影响，主要是经济发展、产业、环境等方面。在经济发展方面，罗茜等 （2022）［9］研究表明，数字经济通过产业数字化、数字产业化的发展直接作用于实体经济；另外，数字经济通过影响实体产业供需结构，促使产业结构合理化来间接推进实体经济发展。在产业方面，于世海等 （2022）［10］发现数字经济水平通过降低成本和提升技术创新降低了中国制造业资源误置程度，提升了资源配置效率。在环境方面，缪陆军等 （2022）［11］发现经济发展对碳排放的影响具有非线性特征，二者间呈现倒U型关系；邓荣荣和张翱祥 （2022）［12］发现数字经济发展对不同污染物的降低程度不同。

1.3 数字经济对水资源利用效率的影响方面

该类文献主要集中于数字经济通过管理服务方面对水资源利用效率产生影响。如苏心玥（2015）［13］认为将互联网深度融合于黄河流域水质量调度管理系统中，增加公众服务平台模块，组建水权交易平台，能够实现水资源的高效配置；刘鑫和韩宇平 （2021）［14］认为用大数据对传统水资源配置系统进行改进，有利于水资源利用效率的提高。

数字经济可以通过提高管理水平、促进数字产业发展、与其他产业融合来提高水资源利用效率。鉴于此，本文将数字经济、资源禀赋及制造业纳入统一框架中，研究在资源禀赋和制造业发展的调节下，数字经济对黄河流域水资源利用效率的影响。

2 理论机制与研究假设

2.1 数字经济与水资源利用效率

数字经济对水资源利用效率的影响主要有以下几个方面：（1）对于水务管理系统来说，以互联网、大数据等为主的数字化信息技术能够突破时空限制，为水资源管理者与社会公众、不同行业用水户以及流域发展需求方建立高效便捷的信息服务平台，这将实现水量精确派送、减少灌溉弃水，提高水资源利用效率；（2）数字经济通过赋能效应，应用新技术为传统产业提高赋能，从而对产业结构数字化和智能化的升级产生促进作用，缓解要素配置的扭曲程度，提升要素配置效率 （周晓辉等，2021）［15］，降低对有形资源和能源的消耗，提高资源利用效率；（3）数字产业化背景下，数字化信息技术逐渐渗透于传统产业中，从消费端向生产端、从线下向线上对传统产业进行多角度、全方位改造，促进产业结构优化升级［16］，从而使要素配置合理化，提高地区经济增长效率，加大了环境污染治理力度，从而降低了工业废水等污染物的排放。据此，提出假设1。

假设1：数字经济能够促进黄河流域水资源利用效率的提升。

2.2 数字经济、制造业发展与水资源利用效率

数字经济通过 “产业数字化”，对制造业进行数字化整改，带动制造业生产效率上升、产量增加；也能通过 “数字产业化”，把数字化带来的知识、技术和信息转化为生产要素，形成最终产品，发展新兴产业，使资本、技术等生产要素发挥更大作用，促使产业数字化和数字产业化相互促进，共同推动数字经济与制造业在更深更广层面融合。此外，制造业的快速发展以及制造业与数字经济协调发展会对数字经济中的产业数字化部分起到强化作用，进而壮大了数字经济的实力［17］。在此过程中数字产业化和产业数字化会逐渐摆脱传统要素依赖路径，推动各区域实现集约型和高效型的经济发展模式，提高要素资源利用效率［18］。据此，提出假设2。

假设2：制造业高质量发展对数字经济与水资源利用效率两者的关系存在正向调节作用。

2.3 数字经济、资源禀赋与水资源利用效率

在资源丰裕地区，数字经济发展会产生明显的资源依赖倾向，存在 “资源诅咒”现象。根据发展经济学家刘易斯的观点，一个地区在其他条件相同的情况下，自然资源越丰富，其劳动生产率越高，生产成本越低，对经济发展更有利。经济的快速发展，增加数字经济发展的需求，从而倒逼当前社会加大数字经济发展的力度［19］，产生资源依赖现象；另外，资源丰裕的企业不重视与资源有关的产业数字化和数字产业化的技术开发。据此，提出假设3。

假设3：资源禀赋对数字经济与水资源利用效率两者的关系存在负向调节作用。

3 研究方法与指标选取

3.1 研究方法

（1） 非径向、非导向性距离函数（Super－DDF）

测算水资源利用效率时，需要将期望产出和非期望产出同时考虑在投入－产出指标体系中。Super－DDF模型可以同时将其考虑在内，而且能够考虑要素的 “松弛”效应，从而有效地计算约束条件下的水资源利用效率值。因此，本文采用Super－DDF模型，以黄河流域56个城市作为决策单元构成技术前沿面。x表示每个DMU的N种投入，x＝（x1，x2，…，xN）∈R∗N；y表示M种期望产出，y＝（y1，y2，…，yM）∈R∗M；b代表K种非期望产出，表示第i个地区在t时期投入产出， （gx，gy，gb）为方向向量，为投入和产出的松弛向量。具体模型如下所示：

（2） Tobit模型

采用Super－DDF模型测算的水资源利用效率值以0为下限，若使用OLS回归可能会使估计结果出现偏差。所以本文采用Tobit模型来解决该问题。Ykt为第k个市在t期的水资源利用；Xit为解释变量；βT表示回归参数向量；εkt为残差项。Tobit面板回归模型如下：

3.2 指标选取与数据来源

3.2.1 投入产出指标

本文将地区生产总值作为期望产出指标，工业废水排放量作为非期望产出指标，资本存量、用水总量和劳动力作为投入指标，来测算2011～2020年黄河流域56个城市的水资源利用效率，各种投入产出指标体系见表1。其中产出指标用地区生产总值，以2011年为基期，进行平减。计算公式如下：

表1 黄河流域水资源利用效率投入产出指标体系及描述性统计

其中，Ki，t和Ki，t－1为各城市在t和t－1 年的资本存量；Ii，t表示第i个城市在第t年的固定资产投资；δi，t代表t年的资本折旧率，本文参照复旦大学张军老师的做法［20］，将其取值为10.96%。

3.2.2 影响因素指标

（1）核心解释变量：数字经济发展水平（DE）

目前对数字经济发展水平的测度还未有统一的标准，已有研究主要从两个方面对其进行了测度：①从数字产业化和产业数字化视角进行测度［21］；②依据数字经济发展基础和应用视角进行测度［22］。从已用文献来看，前者包含了后者。因此，借鉴王军等 （2021）［23］做法对两者进行了融合，各类指标设定如表2所示。为了消除三级指标量纲与性质的影响，本文借鉴胡燕等 （2022）［24］的做法对正向指标进行标准化处理，并采用熵值法进行TOPSIS权重测算。

表2 数字经济发展水平测量指标

（2） 机制变量

制造业发展水平（MI）：采用规模以上工业企业增加值占GDP比重衡量；资源禀赋（RE）：采用各地区人均水资源占有量对资源禀赋衡量。

（3） 控制变量

为了防止由于变量缺失产生的误差，本文还在回归中控制了一组特征变量，主要有经济发展水平（EDL），采用人均GDP衡量；环境规制（ER），采用一般工业固体废物综合利用率衡量；科技水平（TEC），采用黄河流域沿线城市的科技支出额衡量；财政集中度（FC），采用GDP中地区财政支出所占比重衡量；土地城市化（LU），采用城市建设用地占市区面积比重衡量。

3.3 数据说明

本文数据来自于 《中国城市统计年鉴》、《中国环境统计年鉴》、各省（区、市）的统计年鉴、各市水资源公报及各省（区、市）软件和信息技术服务业统计公报。为了消除异方差影响，本文对人均水资源占有量、人均GDP及科技支出额为绝对额指标进行了取对数化处理，少数缺失值根据已有数据进行了线性插补。此外，新冠肺炎疫情对本文2020年的样本数据影响不明显，所以实证结果依然可靠。

4 实证结果及讨论

4.1 黄河流域水资源利用效率测算结果分析

（1）水资源利用效率时序演变特征

本文利用Maxdea软件计算2011～2020年黄河流域水资源利用效率值，并绘制了流域整体、黄河上、中、下游的效率均值变化趋势图。如图1所示，2011～2020年间，黄河流域水资源利用效率变动趋势在前期呈波动变化趋势（2011～2016年），在2016年达到顶峰，中后期平稳下降（2016～2020年），研究末期变化基本保持不变。从三大区域来看，其发展趋势同整体大致相同。在整个变化过程中，上游水资源利用上升幅度最大，研究后期有所下降，下、中游地区变化趋势与流域整体变化趋势最为接近，而中游水资源利用效率大部分年份低于其他地区。

图1 2011～2020年黄河流域整体及三大区域水资源利用效率图

（2）水资源利用效率的空间分布特征

本文使用ArcGIS软件绘制了黄河流域2011年、2015年及2019年的水资源利用效率空间分布图（图略）。研究发现，2011年流域内大部分地区水资源利用效率处于中等水平，56个城市中只有7个达到完全有效，中、上游的平凉、定西等地区的效率水平较低；2015年，流域56个城市中鄂尔多斯、庆阳等地水资源利用效率达到完全有效，其余城市均处于中等水平，且2015年较2011年整体颜色变浅，效率有所下降。2019年流域水资源利用效率较2011年和2015年有所下降，大部分地区处于中等水平，上、中游地区水资源利用效率水平相较于下游地区普遍较低。

4.2 基准回归结果分析

本文基于Tobit模型对黄河流域56个城市2011～2020年面板数据进行回归，分析数字经济对黄河流域水资源利用效率的影响，回归结果如表3所示。由于不同时期各城市数字经济发展水平不同，因而对水资源利用效率会产生不同影响，所以本文将研究样本进行了调整，表3同时报告了2011～2015年和2016～2020年的Tobit回归结果。从全时段的回归结果来看，数字经济对水资源利用效率的提升具有显著促进作用。从分时段来看，第一时段内数字经济对水资源利用效率的影响同全时段回归结果一致，但第二时段的回归结果却相反，这可能是因为2015年我国提出的“国家大数据战略”，使得数字经济发展和数字化转型的政策在不断落实和推进，从而促进了数字经济的快速发展，但其在发展过程中对能源需求量也在逐渐增加，一些地区也会忽视环境的保护，从而对水资源利用效率的提升产生抑制作用。据此，假设1成立。

表3 基准回归

从全时段控制变量估计结果来看，经济发展水平的提高促进了水资源利用效率的上升，这与预期结果一致；财政支出增加并未伴随着水资源利用效率的提高，这可能是因为政府支出规模越大，会对市场的干预度程度越高，导致其利用效率越低；土地城市化带来水资源利用效率的下降，这符合预期。

4.3 稳健性检验

为了检验回归结果是否稳定，本文使用以下两个方法对回归结果进行了检验，并使用相同实证方法重新进行回归：（1）更改效率测算方法。在上文回归中使用Super－DDF模型对黄河流域水资源利用效率进行了测度，在稳健性检验时，使用Super－SBM模型来计算水资源利用效率，其他变量保持不变，重新进行Tobit回归； （2）替换数字经济发展指数的测算方法。本文借鉴赵涛等（2020）［21］的做法，采用主成分分析来测算数字经济水平。上述检验结果同前文回归结果一致，所以回归结果具有良好的稳健性。

4.4 调节机制分析

基于前文回归结果，本文进一步进行调节效应分析，以验证能否在调节效应的驱动下，使得数字经济对黄河流域水资源利用效率的作用产生有调节的影响，回归结果见表4。在模型 （1）和（2）中依次加入数字经济与制造业发展水平、资源禀赋的交互项。结果显示，前者交互项对水资源利用效率的提升具有显著促进作用，后者交互项具有显著抑制作用，这说明数字经济在制造业发展水平提高的调节下有益于水资源利用效率的提高，在资源禀赋的调节下不利于水资源效率的提高，即存在调节效应，假设2和3成立。

表4 机制分析估计结果

4.5 区域异质性检验

在进行区域异质性分析时，本文从以下两个方面进行回归。（1）根据黄河流域流经区的自然环境和水文情况，分为黄河上、中、下游3个区域； （2） 借鉴岳立等 （2021）［8］的做法， 根据黄河流域流经城市所在水文、生态区的实际状况及降水情况，分为东北部湿润半湿润生态区（简称生态区Ⅰ）、北部干旱半干旱生态区（简称生态区Ⅱ）、南部湿润生态区和青藏高原高寒生态区（简称生态区Ⅲ），回归结果见表5。

表5 区域异质性分析

分区域来看，在黄河上游和下游、生态区域Ⅱ和Ⅲ，数字经济对水资源利用效率存在显著促进作用；黄河中游，数字经济对水资源利用效率的作用效果不显著，原因可能在于相较于黄河上、下游城市，中游城市的数字经济处于进一步上升期，面临突破瓶颈，对水资源利用效率的影响较小；在生态区域Ⅰ，数字经济对水资源利用效率的提升具有抑制作用，但效果不显著，这可能是因为该区域大多地区经济相对落后，数据中心尚处于早期发展阶段，技术水平不高，资源使用效率比较低下。

黄河上游、下游及生态区域Ⅰ的数字经济与资源禀赋、制造业发展水平交互项对水资源利用效率的影响同整体一致；黄河中游数字经济与制造业发展水平交互项对水资源利用效率提升具有显著抑制作用，这可能是因为随着高新技术在制造业领域的渗透，使现代制造业成为发展速度快、技术创新能力强的部门，但在此过程中却忽视了资源和环境方面的问题；生态区域Ⅲ，数字经济与资源禀赋交互项对水资源利用效率的提升具有显著促进作用。

综上所述，数字经济对黄河流域水资源利用效率的影响存在区域异质性，这是因为黄河流域发展存在不协调、不平衡现状，从而造成了在经济发展过程中数字经济发展水平有所差异以及水资源利用效率不同。

5 结论及政策建议

本文研究采用Super－DDF模型对黄河流域56个城市水资源利用效率进行了测算，并使用Tobit模型对其影响因素进行了识别。研究发现：黄河流域大部分地区水资源利用效率处于中等水平，未达到完全有效。全流域来看，数字经济有利于水资源利用效率的提升。分区域来看，数字经济在黄河上、中游对水资源利用效率存在显著促进作用，在黄河下游存在抑制作用，但结果不显著。数字经济在制造业发展水平的调节下，有利于黄河流域水资源利用效率的提升，在资源禀赋的调节下，不利于其利用效率的提升。据此，提出以下建议：

（1）基于黄河流域水资源利用效率及其影响因素存在区域异质性，在制定相关政策时，各地区应根据自身发展状况，制定适合的发展战略；（2）黄河下游应该加强数字经济的发展力度，使其突破瓶颈，践行绿色发展理念，坚持绿色发展模式，减轻数字经济发展过程中的环境负效应；（3）东北部湿润半湿润生态区（生态区Ⅰ）应加强相关科研人员的培养，加大人才培养力度，重视技术基础的创新和突破，建立全新的数字经济发展格局；（4）黄河上中游和生态区Ⅱ、Ⅲ区域应继续加大创新研发投入，推动数字经济发展，提高基础性和公共适用性技术的转化，提高水资源利用效率；（5）实现制造业和信息产业融合发展，构建网络化、信息化、智能化的水务交流平台、服务平台以及交易平台；（6）筑牢数字经济发展基础，补足区域资源禀赋存在的差异。在此过程中，既要充分发挥市场在资源配置中的决定性地位，还要积极发挥政府的宏观调控功能。

注释：

①在本文中，黄河流域共有56个城市，黄河上游地区包括20个城市：分别为西宁、银川、石嘴山、吴忠、中卫、固原、兰州、白银、天水、武威、平凉、庆阳、定西、陇南、呼和浩特、包头、乌海、鄂尔多斯、巴彦淖尔、乌兰察布；黄河中游地区包括21个城市：分别为西安、铜川、宝鸡、咸阳、渭南、延安、榆林、太原、阳泉、长治、晋城、朔州、晋中、运城、临沂、临汾、吕梁、郑州、洛阳、焦作、三门峡；黄河下游包括15个城市：分别为开封、安阳、鹤壁、新乡、濮阳、济南、淄博、东营、济宁、泰安、莱芜、德州、聊城、滨州、菏泽。

②生态区Ⅰ包括18个城市，分别为：济南、淄博、东营、济宁、泰安、临沂、德州、聊城、滨州、菏泽、郑州、开封、安阳、鹤壁、新乡、濮阳、焦作、阳泉；生态区Ⅱ包括30个城市，分别为兰州、白银、定西、平凉、庆阳、天水、武威、太原、长治、晋城、朔州、晋中、运城、忻州、临汾、吕梁、铜川、延安、榆林、呼和浩特、包头、乌海、鄂尔多斯、乌兰察布、巴彦淖尔、银川、石嘴山、吴忠、中卫、固原；生态区Ⅲ包括8个城市，分别为陇南、洛阳、三门峡、西安、宝鸡、咸阳、渭南、西宁。

③稳健性检验回归结果留存备索。