中国农业用水效率区域差异与空间交互机理研究

董洁芳　李德山　张亮林

摘要：测度农业水资源效率并对其空间交互机理进行深入解析，为提升农业用水效率提供参考。基于2005-2019年中国31省（市、区）面板数据，采用超效率SBM模型和全要素用水效率指标，测度中国农业用水效率，并利用向量自回归模型（VAR），探究中国省（市、区）域间农业用水效率的交互作用和溢出效应。结果表明：中国农业用水效率总体偏低，2019年为0.690，存在31%的提升空间。农业用水综合效率与纯技术效率、规模效率呈正相关，但省（市、区）之间相关程度存在差异。西藏自治区纯技术效率最高，为1.022，山西省规模效率最高，为0.995。研究期内，中国农业用水效率均值集聚特征不显著，浙江、西藏和海南等三省（区）处于孤岛状态。中国农业用水效率呈西高东低，北高南低总体分布态势。VAR脉冲分析显示中国农业用水效率存在正向空间交互作用，其中以东部地区对中西部影响最为显著。提高中国农业用水效率，一方面要重视农业科技创新，提高农业用水纯技术效率；另一方面要加强区域协作，充分发挥高效率用水区域的溢出效应。

关键词：农业用水效率；区域差异；空间交互；超效率SBM模型；向量自回归模型

中图分类号：F323.22        文献标志码：A        文章编号：1674-3075（2023）03-0026-09

水是生命之源、生产之要、生态之基。水资源是人类文明的源泉，与人类的生存、发展密切相关，水资源可持续利用关乎国家民族未来发展长远大计。伴随着中国城镇化的快速推进，第二三产业和生活用水需求增大，农业用水份额被大量挤占。长期以来，我国水资源利用方式粗放，农业用水效率偏低，进一步加剧了农业水资源短缺的矛盾，对农业生产和粮食安全产生严重影响（杨骞等，2017）。提高农业用水效率已成为当前中国水利工作和农村工作中亟待解决的问题（佟金萍等，2014）。

科学测度农业用水效率对合理利用和有效保护水资源、保障经济社会可持续发展具有重要意义。目前，农业水资源效率测量方法主要有2种。第一种是单要素用水效率，通常以产出与水资源投入之比表征，如单位产值用水量、农业灌溉亩均用水量等，其中单位产值用水量是国际通用的水资源利用效率的比较指标。单要素用水效率测度简单易懂，但忽略了其他投入要素在农业生产过程中作用。第二种是全要素用水效率，相较于单要素用水效率，其考虑了其他要素投入，更加符合实际生产过程（Hu et al，2006）。目前，评价全要素用水效率主要采用随机前沿分析法（SFA）和数据包络分析法（DEA）。DEA方法无需设定生产函数形式，在刻画非参问题上更具有优势，在研究中被广泛运用（赵良仕和冷明祥，2020；韩增林等，2019）。已有研究多采用传统径向DEA模型测评与分析农业用水效率（刘渝和王岌，2012；岳立和赵海涛，2011）。由于传统DEA模型存在无法考虑松弛变量的明显缺陷，当出现多个决策单元同时有效时，无法进一步比较有效决策单元的优劣。同时，传统DEA模型由于存在构造前沿面不全的问题，导致决策单元不能进行跨期比较。随着基于全局基准技术构造前沿方法的出现，已有研究选择非径向模型测量效率。如吉雪强和尚杰（2021）运用三阶段SBM 模型对中国农业生态效率进行研究。陈洪斌（2017）运用三阶段DEA模型和空间计量模型对各省农业用水效率进行分析。佟金萍等（2014）运用超效率DEA方法和Tobit模型展开农业全要素用水效率的测度。由于农业用水效率在空间上关联较小，在对农业用水效率的区域差异分析时多采用基于空间显著相关的假设（王晓辰等，2020；苏喜军等，2021；杜辉和黄杰，2019），无法准确地刻画空间溢出和交互作用。文献梳理发现，现有成果在效率的径向和非径向选择问题、空间交互作用机理问题等方面缺乏统筹考虑，而这两个问题是有效制定农业用水政策的关键。

鉴于此，本研究基于全局基准技术构造前沿面，采用超效率SBM模型，测度2005-2019年中国31省（市、区）份农业用水效率并对其进行分解；利用全局趋势分析法对农业用水效率区域差异及变动进行研究；采用VAR模型探究中国农业用水效率的空间交互和溢出效应。研究更新了数据，准确测度农业水资源效率并对其空间交互机理进行深入解析，为切实提升农业用水效率提供参考。

1   材料与方法

1.1   研究方法

1.1.1   SBM超效率模型   Tone & Tsutsui（2010）提出了超效率SBM模型，在解决了松弛变量的问题的同时实现跨期比较，能更加客观地分析效率变动情况。选取基于非径向非角度的产出导向超效率SBM模型（成刚，2014；龙亮军等，2017），对中国各省（市、区）农业水资源绿色效率进行测度，其具体公式如下：

式中：[θ]为测量值，即水资源绿色效率；N、M、I分别为投入、期望产出和非期望产出指标；x、y、b分别为3个指标的向量；S[xn]、S[ym]、S[bi]分别为3个指标的松弛变量；x[tkn]、y[tkm]、b[tki]表示k'生产单元t'时期的投入产出值；[λtk]为决策单元的权重系数。当[θ][≥]1时，代表决策单元处于较高的效率水平；当[θ]<1时，则表示有一定的效率损失，投入产出比有可改善的空间。

1.1.2   VAR脉冲响应方法   空间计量方法或向量自回归（VAR）的脉冲响应方法都可进行空间交互作用研究，空间计量方法需通过显著性检验，根据已有研究，农业用水效率在空间上关联性较小（杨骞等，2017），空间计量方法并不适用，而VAR脉冲响应方法则不受此限制（Deng & Dong，2016）。利用VAR脉冲响应方法刻画任一区域对来源于自身及其他区域农业用水效率（AWE）的信息冲击的动态响应过程，主要基于两变量模型展开（Xu & Lin，2016），具体如下：

1.2   指标选取

选取中国31个省（市、区）作为研究区域。为从不同尺度对农业水资源效率进行研究，采用3大区域和6大区域2种地域划分方法（杨骞等，2017），研究期为2005-2019年。在农业生产过程中，资本、土地、劳动力、化肥是农业生产的主要要素。参照研究文献（Kaneko et al，2004），同时考虑数据的可得性，投入指标选择耕地灌溉面积（103 hm2）、农业机械总动力、农业化肥施用量（万t）、农业用水量（亿m3）；选择乡村人口数量近似替代劳动投入量（万人）；产出指标选择农业产值（亿元）。

1.3   数据处理

数据主要来源于2005-2019年《中国统计年鉴》，部分年份用水量数据来源于历年《中国水资源公报》和各省（市、区）水资源公报。为增强可比性，农业产值以2012年为基期，进行平减处理。

2   结果与分析

2.1   中国农业用水效率

2.1.1   各省（市、区）农业用水效率   研究期内，中国31个省（市、区）农业用水效率计算结果如表1。首先，从农业用水效率均值来看，全国31个省（市、区）农业用水效率普遍偏低，均有较大提升空间，同时，省（市、区）之间效率差异明显。其中，排在前5名的是河南、海南、西藏、北京和山东，均值分别为0.875、0.867、0.865、0.863、0.853。上海、新疆、宁夏、湖北及广西农业用水效率排在后5位，均值依次为0.306、0.479、0.518、0.539、0.586。最高的河南省与最低的上海市相差高达0.569。其次，从农业用水效率年均增长率来看，除山西外，其余30个省（市、区）均存在不同程度的增长。其中，农业用水效率年均增长率超过4.5%的省（市、区）依次是江苏（5.61%）、吉林（5.52%）、内蒙古（5.16%）、黑龙江（4.96%）、青海（4.90%）、广西（4.67%）、贵州（4.57%）。上海（0.57%）、广东（1.53%）、北京（1.53%）等省（市、区）增幅较小。山西农业用水效率呈下降趋势，平均下降幅度为-0.53%。最后，结合纵向时间对比，31个省（市、区）农业用水效率变动趋势分化严重，呈现“持续上升”“波动上升”“先升后降”以及“先降后升”等4种变动态势。山西、上海农业用水效率时序特征为“先升后降”。其中，山西在2015-2017年间农业用水效率降幅高达16.6%。广东、北京农业用水效率时序特征为“先降后升”，在2007-2009年两者农业用水效率均明显下降。

2.1.2   各省（市、区）农业用水效率的分解   为了更加清晰地刻画各省（市、区）农业用水效率的驱动机理，对农业用水效率进一步分解为纯技术效率（PTE）和规模效率（SE）（见表2）。从农业用水纯技术效率来看，西藏、天津、北京、海南和河南最高，分别为1.022、1.008、0.982、0.900以及0.887。说明这些省（市、区）农业节水技术、管理效率、资源配置水平很高。其中，西藏及北京农业用水效率在全国领先完全是纯技术效率高的贡献，海南用水效率高主要由纯技术效率高而引起。相反，新疆、上海、湖北、山西及福建等省（市、区）农业用水纯技术效率极低，依次存在50.8%、48.5%、39.7%、38.7%、和34.5%的提升空间。从农业用水规模效率来看，山西、贵州、重庆、河南和黑龙江5省（市）最高，依次为0.995、0.993、0.986、0.986和0.985。表明以上省（市）农业用水规模效率接近前沿面。其中，河南、重庆和黑龙江规模效率较高是促使其农业用水综合效率高的主要因素。相反，上海、天津、宁夏、广西和广东规模效率最低，分别存在40.6%、28.5%、24.0%、23.8%和20.0%的提升空间。综合对比各省（市、区）农业用水纯技术效率与规模效率，可以发现，中国31省（市、区）农业用水效率提升要重点从提高纯技术效率入手。一方面，中国各省（市、区）农业用水规模效率均接近前沿面，或已出现规模效益递减，其提高潜力受限。另一方面，农业用水纯技术效率的区域差异较规模效率更大，最高的西藏比最低的新疆要高出53.0%。这表明，减少纯技术效率的区域差异可以有效提高中国农业整体用水效率。

2.1.3   区域农业用水效率   在测算各省（市、区）农业用水综合效率的基础上，进一步测算全国、3大区域和6大区域的农业用水综合效率，结果如表3。第一，从全国层面来看，农业用水综合效率由2005年的0.544增长至2019年的0.879，年均增长率为3.48%。表明随着生态文明建设的推进，农业用水效率提升效果明显，但同时也需注意到，中国农业用水效率总体偏低，仍存在31%的提升空间。第二，从3大区域来分析，研究时段内，东部、西部以及中部地区用水效率均呈波动上升态势。其中，东部地区增长幅度最大，从2005年的0.685增长到2019年的0.832，年均增长率为3.26%，其次是中部地区和西部地区，增长率分别为2.47%、0.59%。第三，从6大区域来看，2005-2019年，6大区域农业用水效率呈现不同程度的增长。黄河流域增长幅度最大，南部沿海增长最缓慢。均值排名从高到低依次为：南部沿海（0.860）>东北地区（0.844）>西南地区（0.814）>黄河流域（0.789）>长江流域（0.686）>西北地区（0.605）。年均增长率依次为黄河流域（3.3%）>东北地区（2.89%）>西南地区（2.67%）>长江流域（2.43%）>西北地区（2.19%）>南部沿海（1.59%）。

2.2   中国农业用水效率的空间分布格局及趋势

2.2.1   空间分布格局   为了更加直观地呈现2005-2019年中国农业用水效率的空间分布，使用ArcGIS10.8软件，按照自然断点法将农业用水效率均值分为高水平（0.802～0.875）、较高水平（0.712～0.802）、中等水平（0.617～0.712）、较低水平（0.306～0.617）、低水平（0～0.306）5类，同时，对5类水平的分布区域进行了空间可视化（图1），以刻画中国农业用水效率的空间分布格局。

由图1可知，中国农业用水效率整体上呈现一定程度的空间集聚特征，但个别省（市、区）处于孤岛状态。农业用水效率处于高水平的有北京、天津、河北、山东、河南、浙江、西藏和海南等8个省（市、区），其中北京、天津、河北、山东、河南在空间上集聚特征明显，但是浙江、西藏和海南空间上并无直接关联，处于孤岛状态。农业用水效率处于较高水平的省份是黑龙江、吉林和辽宁，3个省份的农业用水效率在空间上呈现明显的集聚特征。农业用水效率处于中等水平的省（市、区），可分为2个空间单元，由西向东依次为青海、甘肃、内蒙、山西，彼此呈现空间集聚特征，从北到南依次为江苏、安徽、湖南、广东，其中江苏、安徽空间相邻。农业用水效率处于较低水平的省（市、区），可分为3个空间单元。其中四川、云南、广西空间上相邻，湖北、江西、福建空间上相邻，湖南、广东空间上相邻。农业用水效率处于低水平的，只有上海市，其农业用水综合效率、纯技术效率和规模效率都是全国最低水平。

上述研究表明，中国31省（市、区）农业用水效率的空间分布特征，呈现一定程度的空间集聚特征，但个别省（市、区）处于孤岛状态。根据Tobler（1970）提出“空间相关性定律”，相邻省（市、区）之间的农业用水的管理和技术，应该存在空间相互作用。对于用水效率孤岛问题，归于每个区域的资源禀赋和农业产业结构不同，导致农业用水效率的差异。以西藏为例，西藏农业用水效率排名第三，这与该区域的农业产业结构关系密切，因为畜牧业是该区域的主要产业，而畜牧业的发展依赖于生态环境的水，对供水使用需求较少，故其农业用水效率很高；与此相邻的新疆地区，灌溉农业发达，对供水使用需求极度依赖。由表2可知，其纯技术效率水平低下，也就意味着节水技术、管理配置能力落后。进一步，新疆地处内陆干旱区，降雨少、蒸散发量大，导致了农业用水效率严重低下。

2.2.2   空间分布趋势   探究中国农业用水效率分布的变化情况，可以有效预测其未来发展方向。采用地统计分析工具趋势分析法，以正东和正北方向为Ｘ轴和Ｙ轴，以各省（市、区）农业用水效率为Ｚ轴，然后运用多项式曲线对每个投影进行了拟合，生成了2005-2019年中国各省农业用水效率均值的趋势线图（图2）以及2005年、2019年中国各省（市、区）农业用水效率趋势线图（图3）。

由图2可知，中国农业用水效率的均值趋势呈现2个倒置的U形态势。其中，从西到东的倒U形，形象地刻画了由新疆、甘肃到陕西、山东再到上海的用水效率变化趋势；从南到北的倒U形更加明显，刻画出湖北、江西、福建到天津、北京、河北，再到辽宁、吉林、黑龙江的用水效率均值变化态势。总体来说，中国农业用水效率均值呈现北部及中部区域高，西南低的态势。根据图3，2019年中国农业用水效率较2005年明显提升。2005年及2019年中国农业用水效率均呈现出由西向东，由北向南的倒Ｕ形态势，但趋势线北部及西部起点均明显提高。对比可知，2005-2019年间，中国西部及北部省（市、区）农业用水效率提升速度明显快于东部及南部地区。这是由于在黄河流域及西北内陆河流域，国家实行了全流域统一调度制度，启动了大型灌区节水改造工程，使得西部及北部区域的水资源管理水平和技术水平大幅提升，从而促进农业用水效率大幅提升。

2.3   中国农业用水效率空间交互作用

农业用水效率在空间上关联性较小，空间计量方法并不适用。借鉴杨骞等（2017）研究思路，采用VAR模型探析中国农业用水空间交互作用。依据VAR建模原则，对数据进行差分并通过平稳性检验。根据AIC、SBIC、LR准则，确定最优滞后阶数为二阶，建立3大区域VAR模型并对模型进行稳定性检验，在此基础上构建组图。利用脉冲效应图刻画3大区域的每一个决策单元（decision making unit，DMU）受到其他DMU冲击时的响应，响应期设为10期（年）。3大区域脉冲响应结果见图4。从整体脉冲响应结果来看，来自决策单元自身的响应最为明显，其次是东部地区对其他区域的冲击影响较为显著，来自中部的冲击影响最弱。

由图4a可知，东部地区分别受到其自身、中部地区和西北地区的一个单位标准差的冲击对VAR系统造成的影响。第一，以东部地区对其自身影响最大，在1期冲击时，会瞬间吸收绝大多数冲击，随后该影响慢慢衰退；第二，中部地区一个单位标准差的冲击对东部地区影响，在第4期达到最大值，随后该影响慢慢衰退；第三，西部地区一个单位标准差的冲击对东部地区影响在第2期达到最大值，随后该影响慢慢衰退。

图4b刻画了中部地区分别受到东部地区、中部地区和西部地区的一个单位标准差的冲击对VAR系统造成的影响。可以看出，以其自身和西部地区对其影响最为显著，东部地区最小。具体来说：东部地区对其影响在1期冲击时，响应最为明显，在2期冲击，下降明显，之后逐渐衰退；中部地区对其影响在2期冲击时，响应最为明显，随后该影响慢慢衰退；西部地区对其影响在1期冲击时，响应最为明显，随后该影响慢慢衰退。

图4c反映了西部地区分别受到东部地区、中部地区和其自身的一个单位标准差的冲击对VAR系统造成的影响，以东部地区和西部地区对其影响最为显著，中部地区最小。具体来说：东部地区和西部地区对其影响均在1期冲击时，响应最为明显，之后逐渐衰退；中部地区对其影响最微弱，1期时响应最为明显，随后该影响慢慢衰退。

上述分析结果表明，东部地区与中部地区、西部地区的农业用水效率彼此具有正向影响，其中以东部地区对其他区域影响最大。究其原因，东部地区属于中国经济、科技发展最快地区，其科技创新能力和对外交流机会均优于中西部地区，因此，协同提升3大区域农业用水效率的关键着力点在东部地区，国家应强化东部地区农业节水效率的示范作用，以对中西部地区产生更加显著的空间溢出效应。

3   结论

基于全局基准技术构造，设定窗口期为14期构造前沿面，采用超效率SBM模型，测度2005-2019年中国31省份农业用水效率，在揭示其空间分布格局与趋势的基础上，采用向量自回归模型（VAR）模型，探究中国3大区域农业用水效率的空间交互和溢出效应，得出如下结论：

（1）从全国农业用水效率测度结果看，2005-2019年，中国农业用水效率呈现不断上升趋势，农业用水综合效率由2005年的0.544增长至2019年的0.690，年均增长率为3.48%。但在现有水资源禀赋的前提下，农业用水效率仍存在31%的较大提升空间。在31个省（市、区）中，排在前5名的是河南、海南、西藏、北京和山东，均值分别为0.875、0.867、0.865、0.863、0.853；上海、新疆、宁夏、湖北、广西的用水综合效率最低，其值分别是0.306、0.479、0.518、0.539、0.586。3大区域中，农业用水效率最高为东部地区，其次为西部地区，最低为中部地区。6大区域中，农业用水效率呈现不同程度的增长，黄河流域增长幅度最大，南部沿海变化最缓慢。

（2）从内在驱动机制看，全国农业用水综合效率与纯技术效率和规模效率呈正相关，但省份之间驱动因素存在一定差异。其中，河南、山东综合用水效率是纯技术效率和规模效率共同作用；海南、北京和西藏综合用水效率主要由纯技术效率高而引起，这些省份提升水资源利用效率的途径需要从改变农业产业结构入手，提升农业产出的规模效应。

（3）从农业用水效率空间分布来看，中国31省（市、区）农业用水效率的空间分布呈一定程度的空间集聚特征。其中形成集聚态势的有高水平省（市）的北京、天津、河北、山东、河南；较高水平的省份是黑龙江、吉林和辽宁；中等水平的青海、甘肃、内蒙、山西；较低水平的四川、云南、广西；处于孤岛状态有浙江、西藏和海南等。中国农业用水效率总体呈现北部及中部地区高，西南地区低的态势。2005-2019年，中国西部及北部地区农业用水效率提升速度明显快于东部及南部地区。

（4）根据脉冲响应函数分析结果看，3大区域用水效率之间存在较强的空间交互影响。其中，东部地区与中部地区、西部地区的农业用水效率彼此具有正向影响，且以东部地区对其他区域影响最大。因此，东部地区是协同提升农业用水效率的重要区域，由于空间交互影响的存在，提升东部地区农业用水效率是带动其他区域农业用水效率的提升的重要举措。

参考文献

陈洪斌，2017.我国省际农业用水效率测评与空间溢出效应研究[J].干旱区资源与环境，31（2）：85-90.

成刚，2014.数据包络分析力法与MaxDEA软件[M].北京：知识产权出版社.

杜辉，黄杰，2019.中国农业能源效率的区域差异及动态演进[J].中国农业资源与区划，40（8）：45-54.

高铁梅，2009.计量经济分析方法与建模[M].北京：清华大学出版社.

韩增林，王晓辰，彭飞，2019.中国海洋经济全要素生产率动态分析及预测[J].地理与地理信息科学，35（1）：95-101.

吉雪强，尚杰，2021.基于三阶段SBM模型的中国农业生态效率研究[J].中国农业资源与区划，42（7）：210-217.

刘渝，王岌，2012.农业水资源利用效率分析——全要素水资源调整目标比率的应用[J].华中农业大学学报（社会科学版），（6）：26-30.

龙亮军，王霞，郭兵，2017.基于改进DEA模型的城市生态福利绩效评价研究——以我国35个大中城市为例[J].自然资源学报，32（4）：595-605.

苏喜军，纪德红，何慧爽，2021.黄淮海平原农业水资源绿色效率时空差异与影响因素研究[J].生态经济，37（3）：106-111.

佟金萍，马剑锋，王慧敏，等，2014.中国农业全要素用水效率及其影响因素分析[J].经济问题，（6）：101-106.

王晓辰，韩增林，彭飞，等，2020.中国海洋科技创新效率发展格局演变与类型划分[J].地理科学，40（6）：890-899.

杨骞，武荣伟，王弘儒，2017.中国农业用水效率的分布格局与空间交互影响：1998-2013年[J].数量经济技术经济研究，34（2）：72-88.

岳立，赵海涛，2011.环境约束下的中国工业用水效率研究——基于中国13个典型工业省区2003年―2009年数据[J].资源科学，33（11）：2071-2079.

赵良仕，冷明祥，2020.辽宁省全要素水资源绿色效率测算与提升路径分析——基于DEA-Tobit模型[J].资源开发与市场，36（5）：456-461.

Deng C， Dong J F， 2016.Coal consumption reduction in shandong province： A dynamic vector autoregression model[J]. sustainability，8（9）：871.

Hu J L， Wang S C， Yeh F Y， 2006. Total-factor water efficiency of regions  in China[J]. Resources Policy，31（4）：217-230.

Kaneko S， Tanaka K， Toyota T， et al， 2004.Water efficiency of agricultural production in China： regional comparison from 1999 to 2002[J]. International Journal of Agricultural Resources， Governance and Ecology， 3（3/4）： 231.

Tone K， Tsutsui M， 2010.Dynamic DEA： A slacks-based measure approach[J]. Omega，38（3/4）：145-156.

Tobler W R，1970. A computer movie simulating urban growth in the Detroit  Region[J]. Economic Geography，46（2）：234-240.

Xu B， Lin B， 2016.Assessing CO2 emissions in Chinas iron and steel industry： A dynamic vector autoregression model[J]. Applied Energy，161： 375-386.

（责任编辑   郑金秀）

Regional Disparities and Spatial Interactions of Agricultural

Water Use Efficiency in China

DONG Jie‐fang1， LI De‐shan2， ZHANG Liang‐lin3

（1. Department of Culture and Tourism， Yuncheng University， Yuncheng   044000，P.R. China;

2. Faculty of Economics，Shanxi University of Finance and Economics， Taiyuan   030006，P.R. China;

3. Central natural resources engineering technology （Hubei） Co.， Ltd.， Wuhan   430070，P.R. China）

Abstract：Based on panel data from 31 provinces， municipalities and antonomous regions in China from 2005 to 2019， the super efficiency Slacks-Based Measure （SBM） model and total factor water use efficiency indicators were used to measure the agricultural water use efficiency of China. The Vector Autoregressive Model （VAR） was then used to explore the interaction and spillover effect of agricultural water use efficiency across provinces in China， aiming to provide a reference for improving agricultural water use efficiency. Agricultural water use efficiency in China increased from 0.544 to 0.690 during the investigation period， but efficiency was generally low and had the improvement space of 31%. The comprehensive efficiency of agricultural water use was positively correlated with pure technical efficiency and scale efficiency， but the correlation degree varied among provinces. The pure technical efficiency was highest in Tibet Autonomous Region， with a value of 1.022， and the scale efficiency was highest in Shanxi Province， with the value of 0.995. During the study period， the agglomeration characteristics of the average agricultural water use efficiency in China were not significant. Zhejiang Province， Hainan Province and Tibet Autonomous Region were islands of high efficiency within regions of lower efficiency. Overall， agricultural water use efficiency in China was higher in the west and north and lower in the east and south， reflecting water resource availability. There was a positive spatial interaction in water use efficiency between regions， with the eastern region having the most significant impact on the central and western regions. To improve the efficiency of agricultural water use in China， it will be necessary to attach more importance on technological innovation in agriculture and continue to improve the pure technical efficiency of agricultural water use. However， it will also be necessary to strengthen regional cooperation and give fuller play to the excess spillover of high-efficiency water use areas.

Key words：agricultural water use efficiency; regional disparities; spatial interaction; super efficiency SBM model; Vector Autoregressive Model

收稿日期：2022-03-15      修回日期：2023-05-05

基金项目：教育部人文社会科学研究项目（20YJCZH068）；山西省社科联重点项目（SSKLZDKT2022147）；山西省黄河文化生态研究院项目（HH202101）。

作者简介：董洁芳，1984年生，女，博士，副教授，研究方向为资源经济与低碳发展。E-mail：dongjiefang-2005@163.com

通信作者：李德山，1984年生，男，博士，副教授，研究方向为绿色经济。E-mail： 20171074@sxufe.edu.cn