中国农业用水绿色效率的区域差异及收敛性

吴学兵，龚 芳，叶 云

（1. 长江大学湖北农村发展研究中心，湖北 荆州 434023； 2. 长江大学经济与管理学院，湖北 荆州 434023）

0 引 言

中国水资源总量虽丰富，但时空分布不均，人均占有量少，水资源短缺和水污染问题已成为当前制约中国经济高质量发展的主要瓶颈［1，2］，给生态文明建设带来巨大挑战［3］。农业是我国第一用水大户［4］，根据《中国水资源公报》，2021 年，农业用水总量为3 664.3 亿m3，占用水总量的61.5%。而化肥、农药和薄膜的大量使用加剧了农业水资源污染［5］，使得粮食生产存在较严重的安全隐患［6］。在此背景下，2022 年中央一号文件继续强调“推进农业农村绿色发展”，这对我国水资源环境形势的改善提出更高要求。鉴如此，在环境约束下提升农业用水绿色效率对于缓解水资源供需矛盾和实现农业高质量发展具有重要意义［7］。

已有研究主要聚焦全国或不同流域水资源绿色利用效率的测算和影响因素分析。一方面，在水资源绿色利用效率测算方面，沈晓梅对我国31个省份的农业绿色水资源利用效率进行评价［5］，鲍淑君基于共同前沿的数据包络分析（Data Envelopment Analyis，DEA）模型探究了黄河流域58 个地级市水资源绿色效率［8］，赵俊威运用超效率SBM 模型研究了沱江流域水资源绿色效率影响因素的时空异质性［9］。邓淇中测算了长江经济带水资源绿色效率［10］，杨骞将长江经济带与黄河流域水资源绿色效率进行了比较研究［11］。另一方面，关于水资源绿色效率的影响因素，学者们认为水资源供给压力和需求水平［5］、水价政策［12］、政府精准补贴［13］、用水定额管理［14］、产业结构、环保投入、污染物排放和科技转化率、政府管制力度、以及对外贸易程度［15］对农业节水及绿色效率具有显著影响。此外，吕岩威利用双重差分法检验得出水资源税改革显著提升了水资源绿色效率［1］。

已有研究侧重对水资源绿色利用效率进行测度并分析其影响因素，为本文的研究提供了有益参考，但少有文献对农业水资源绿色利用效率区域差异的来源进行分解，对区域效率的时空演变特征缺乏描述，对区域差异演化是否收敛缺乏检验，而该方面的研究有助于为政府部门从宏观层面上协调水资源利用提供参考。鉴如此，本文基于全局参比的非期望产出SBM模型测算出农业用水的松弛量，在此基础上测算农业用水绿色效率，并在对比分析区域差异的基础上，重点探究差异的来源，并分析区域差异未来的收敛性。以期为政府部门提升农业用水绿色效率提供决策依据。

1 研究方法与数据来源

1.1 研究方法

1.1.1 全局参比的非期望产出SBM模型

本文首先通过（删除该）SBM 模型测算出农业用水投入的松弛量，并借鉴HU 等［16］和查建平［17］的测算方法测度农业用水绿色利用效率。全局参比依据不同时期所有决策单元的投入和产出构建统一的最佳生产前沿，每个决策单元与之进行比较得到效率值。借鉴杨骞［11］文献，首先构建基于全局参比的包含非期望产出的环境生产可行性集（Environmental Production Possibility Set， EPPS），如式（1）所示:

其中，假设有k(k= 1，2，…，K) 个决策单元（Decision Making Units，DMU），K= 30，代表我国30 个省份（受数据所限，不包括西藏自治区、中国香港、中国澳门和中国台湾省）。t(t=1，2，…，T)个时期，其中T= 10，代表2011-2020 年10 个年份。决策单元K投入i种要素xi(i= 1，2，…，I)，其中I= 4，表示水资源投入、劳动力投入、农业土地投入、农业机械投入等四种投入，生产M种期望产出ym(m= 1，2，…，M)，其中M= 1，代表农业增加值。Q种非期望产出bq(q= 1，2，…，Q)，其中Q= 1，代表综合排污量。本文假设规模报酬可变。全局参比的非期望产出SBM 模型分式规划模型如式（2）所示，可转换为线性规划模型求解［7］。

在全要素框架下，农业用水绿色效率（GEAW）可以定义为目标值用水量与实际用水量的比值:

式（3）中，松弛量是根据模型（2）解得的农业用水松弛量。其中:GEAW位于取值范围为［0，1］，GEAW越大，绿色用水效率越高，反之则越低。若GEAW= 1，即水资源松弛量为0，则意味着该省份水资源没有过度投入，利用效率达到最优水平。

1.1.2 Dagum基尼系数

为探索中国农业用水绿色效率的地区差异及其来源，本文采用Dagum 基尼系数方法。根据Dagum（1997）［18］的研究，基尼系数G可以分解为地区内差异Ga、地区间差异Gb和超变密度Gc。其中，超变密度贡献Gc是样本数据的交叉重叠产生的影响。公式如下:

1.1.3 Markov链分析

Markov 链通过构建概率矩阵，对离散后的不同水资源利用效率等级进行动态模拟。传统Markov 链是通过构造Markov 转移矩阵，描述中国农用水绿色效率的动态演进特征。其基本原理为:

假定Markov 链是动态随机过程，H={X(t)，t∈T}为状态空间元素，且Markov链满足:

如果将农业用水绿色效率分为N类，那么利用Markov 链可以构建出N×N维的GEAW转移概率矩阵，其分布特征可通过该矩阵识别。

空间Markov链引入了“空间滞后”概念，克服了空间性不足和参数设定误差等问题［19］，能有效刻画空间因素作用下各省份GEAW的动态演进。本文通过不同滞后类型的Markov 转移矩阵，判定本省份GEAW是否会依赖周边省份。

1.1.4 收敛性分析

（1）σ收敛检验。σ收敛检验随着时间的推移，农业用水绿色效率是否持续下降，在实证模型中，σ收敛性表现为GEAW的标准差下降。计算公式为:

φ2显著为负说明存在收敛，显著为正说明存在发散，不显著说明既不存在收敛，也不存在发散。

（2）β收敛检验。β收敛认为，农业用水效率较低的地区具有后发优势，将拥有更快的增长率，逐渐缩小与效率较高地区的差距。根据是否存在约束条件，β收敛可分为绝对β收敛和条件β收敛。

绝对β收敛的计量模型为:

式中:i表示第i个地区；t表示时间；ln (GEAWi，t+1GEAWit)表示第i个地区的农业用水绿色效率的年增长率。若β显著＜0，表明β收敛现象存在，其收敛速度为v= ln (1 +β)/T。

为了精确预测农业用水效率区域差异演变趋势，在绝对β收敛模型中加入一些对区域差异有较大影响的控制变量，包括区域的人均水资源、有效灌溉面积、受灾面积、水利行业从业人员数量、水利项目投资额度、节水灌溉面积、水土保治面积等，该模型可表示为:

式中:λ为X的待估参数；X为控制变量；μi为地区效应；εit为随机干扰项。

1.2 指标选取与数据来源

根据柯布道格拉斯生产函数，本文选取农业用水量、第一产业就业人数、农作物播种面积和农业机械动力作为投入指标，将农业增加值作为期望产出，参考纪成君［20］文献，将化肥、农药、地膜使用量通过碳源排放系数折算的综合排污量作为非期望产出，折算系数见表1。上述投入产出指标数据来源于《中国统计年鉴》（2012-2021）《中国农村统计年鉴》（2012-2021）《中国环境统计年鉴》（2012-2021）（EPS DATA 删除）以及各省的统计年鉴。

表1 农业用水绿色效率评价指标体系Tab.1 Evaluation index system of green efficiency of agricultural water use

2 实证分析

2.1 中国农业用水绿色效率的地区差异

表2显示了中国农业用水绿色效率及地区差异。①从演变趋势来看，中国及各大区域呈现波动上升趋势。2017 年前，中国农业用水绿色效率整体上表现为波动上升，但效率提升幅度有限，2017 年后，效率增长速度有了较大提升，具体而言，全国农业用水绿色效率从2011 年的0.677 1 上升到2017 年的0.686 7，增幅仅为1.40%，但到2020 年，农业用水绿色效率已达0.8491，相比2011 年，效率上升了25.40%，平均每年上升2.55%。②从区域层面来看，东中西及东北四大区域均处于波动上升趋势，中部和东部地区效率提升幅度相对较大，分别为33.37%和33.30%，东北地区为29.30%，西部地区效率增幅最低，为12.10%。按农业用水绿色效率平均值大小排序，东部＞全国平均＞中部＞东北＞西部，效率最高的是东部地区，最低的是西部地区。2019-2020年东北地区农业用水绿色效率增幅较快，超越了中部地区和西部地区，原因可能是:东北地区前期已形成农业规模化经营，农业机械投入和土地投入增幅呈边际递减之势，因此农业用水绿色效率后期提高较快。③从省域层面来看，通过比较每个省份平均效率发现，效率最高的前10个省份中，有5个是东部省份，效率最低的10个省份中，有6个是西部省份。

表2 中国农业用水绿色效率的地区差异Tab.2 Regional differences in green efficiency of agricultural water use in China

2.2 中国农业用水绿色效率的地区差距及其来源

表3显示了中国农业用水绿色效率的地区差距及其来源。

表3 中国农业用水绿色效率区域差异来源Tab.3 Sources of regional differences in green efficiency of agricultural water use in China

（1）中国农业用水绿色效率总体地区差异呈现不断下降趋势。表3 显示，中国农业用水绿色效率总体基尼系数介于0.130～0.231 之间，2018 年前一直在0.221 左右波动，2014 年达到最高值0.231，2008 年开始较大幅度下降，从2017 年的0.220下降至2020年的0.132，下降幅度达40%。

（2）农业用水绿色效率的地区内差异均呈波动下降趋势。具体而言，2011-2020期间，东部地区内农业用水绿色效率差异最小，基尼系数为0.121，但下降幅度却最大，降幅为78.57%，而西部地区内农业用水绿色效率差异最大，基尼系数为0.263，但下降幅度却最小，降幅为17.60%。东北和中部地区居于中间位置，东北地区基尼系数为0.191，降幅为66.20%，中部地区基尼系数为0.169，降幅为42.71%。

（3）农业用水绿色效率地区间差异在考察期内呈下降趋势。具体而言，东部和中部地区间在2017 年达到最大差异后，开始较大幅度下降，东部和西部地区、中西部地区以及西部和东北地区间在2014年达到最大差异后开始波动下降，东部地区和东北地区间在2018年达到最大差异后开始显著下降，中部和东北地区间在2013年达到最大差异后开始显著下降。

（4）区域内差异和超变密度下降，地区间差异上升。组内基尼系数从2011 年的0.064 下降到2020 年的0.035，下降幅度为45.31%，贡献率也从28.79%下降到2020 年的26.83%。地区间基尼系数从2011 年的0.030 上升到2020 年的0.061，上升幅度为50.82%，贡献率从13.34%上升到2020 年的46.25%。超变密度基尼系数从2011 年的0.129 下降到2020 年的0.036，下降幅度为72.09%，贡献率也从57.87%下降到2020年的26.93%。

2.3 中国农业用水绿色效率转移的时空规律

首先将农业用水绿色效率分为四个类型:第一，低水平（Ⅰ）:效率≤0.5；第二，中低水平（Ⅱ）:0.50＜效率＜0.75；第三，较高水平（Ⅲ）:0.75≤效率＜0.90；第四，高水平（Ⅳ）:效率≥0.90。

2.3.1 传统马尔科夫链分析

首先，农业用水绿色效率存在“俱乐部趋同”现象。表4 显示，矩阵对角线元素均大于非对角线元素，效率等级从低到高，不同等级的省份保持稳定的概率分别为71.62%、59.72%、30.30%和73.63%。第二，农业用水绿色效率的“马太效应”明显。对角线两端的元素大于对角线中间的元素，处于低效率、高效率的省份发生转移的概率较小，高水平区域的效率难以降低，而低效率的区域则会陷入“低水平陷阱”。第三，许多对角线外的元素不为0，说明农业用水绿色效率容易发生上下转移。第四，中低水平、中高水平和高水平向下转移一级的概率分别为12.50%、21.21%和12.09%，说明农业用水绿色效率存在一定的等级下降风险。

表4 传统马尔科夫转移概率矩阵分析结果Tab.4 Results of traditional Markov transfer probability matrix analysis

2.3.2 空间马尔科夫链分析

表5显示，农业用水绿色效率受空间因素影响较大。首先，当邻居为高效率省份时，低水平的稳定概率从71.62%降至50.00%，可见高效率省份对低效率省份具有“溢出效应”。其次，矩阵对角线外存在较多不为0的元素，这既增加了低效率向高效率等级转移的希望，也增加了高效率向低效率转移的风险。最后，当邻省效率水平相同时，自身效率水平受影响程度不一致，例如，当“邻居”为低效率时，Ⅰ、Ⅱ和Ⅲ类型省份向上一级转移的概率分别为0、14.29%和33.33%，呈依次递增之势。

表5 空间马尔科夫转移概率矩阵分析结果Tab.5 Results of spatial Markov transfer probability matrix analysis

2.4 中国农业用水绿色效率的收敛性分析

根据上文Dagum 基尼系数法分析可知，中国农业用水绿色效率地域差异较为明显，本文进一步通过σ收敛性和β收敛性检验，探究中国农业用水绿色效率区域差异的演变趋势。

2.4.1 农业用水绿色效率σ收敛检验与结果分析

表6 显示，全国以及东、西和东北部的σ系数显著为负，这表明全国整体以及东、西和东北部三大区域农业用水绿色效率均存在σ收敛现象。中部地区σ系数小于0，但未通过了显著性水平检验，说明中部地区也存在收敛的倾向，但还难以判断其是否具有收敛性。从收敛速度来看，东北＞东部＞西部，均高于平均收敛速度，中部地区收敛不显著，原因可能是中部省份既包括水资源丰富的湖北、湖南和江西等省，也包括受水资源约束较大的山西省。

表6 中国农业用水绿色效率的σ收敛检验Tab.6 Convergence test for green efficiency of agricultural water use in China

2.4.2 农业用水绿色效率的β收敛检验与结果分析

表7显示了农业用水绿色效率β收敛的检验结果。

表7 农业用水绿色效率的β绝对收敛和条件收敛Tab.7 β absolute and conditional convergence of green efficiency of agricultural water use

（1）绝对β收敛分析。全国以及东中西部三大区域的β系数均显著小于0，这表明全国整体以及东中西部三大区域农业用水绿色效率均存在绝对β收敛现象，即在其他条件相似情形下，随着时间推移，各省份农业绿色用水效率最终会收敛至稳态水平。农业用水效率较低的省（市）具有相对较快的增长速度，对效率较高省（市）呈现赶超效应。东中西部收敛速度分别为0.159 5、0.446 4 和0.174 5，中部区域的收敛速度最快，其次是东部区域，最后是西部区域。东北地区没有通过显著性检验，不存在绝对β收敛。

（2）条件β收敛分析。表7 显示，除东北地区外，全国及其他地区β均显著为负，表明无论是否其他控制变量，全国及东中西部区域农业用水绿色效率均存在条件收敛。东中西部收敛速度中部＞东部＞西部，分别为0.214 6，0.237 5，0.189 9。东北地区系数小于0，但没有通过显著性检验，这表明东北地区也不存在条件β收敛。控制变量的系数及显著性表现各异。

3 结论与建议

本文首先基于全局参比的非期望产出SBM 模型测算出农业用水的松弛量，在此基础上测算农业用水绿色效率，并在对比分析区域差异的基础上，重点探究差异的来源，并分析区域差异未来的收敛性。结果表明:①中国农业用水绿色效率整体上表现为波动上升，从区域比较来看，东部＞全国＞中部＞西部，四大区域农业用水绿色效率均处于波动上升趋势，但中部地区效率提升幅度最大，西部地区效率提升幅度最小。②中国农业用水绿色效率总体、地区内和区域间差异均呈波动下降趋势。主要贡献由超变密度决定变为由地区间差异贡献决定。③农业用水绿色效率存在“俱乐部趋同”和“马太效应”，受“邻居”用水效率和自身效率等级的影响。④除中部外，全国以及东、西和东北部三大区域农业用水绿色效率均存在σ收敛现象。除东北地区外，全国及东中西部三大区域农业用水绿色效率均存在绝对β收敛和条件β收敛。

基于上述分析，本文特提出如下建议:①对于水资源禀赋相对较差且农业用水绿色效率较低的西部地区，一方面应加大农田水利基础设施建设，推广农业节水技术和环保技术，另一方面实施科学的农业用水指导和环境监管治理，为农业用水绿色效率的提升提供物质、技术和管理支撑。②加大地区间协作提升整体农业用水绿色效率。推进省份间农用水绿色利用技术交流和相互协作，发挥农用水绿色效率高的省份的引领和示范效应，加快先进技术的外溢，为落后省份补齐短板。③发挥市场机制提升农用水绿色利用效率。通过水资源确权、水权交易、水资源税以及跨区域生态补偿等市场机制建设，激励节水减排行为。