我國水利投資效率演進的時空特征及影響因素
——基于空間計量的視角

李 超

(天津大學管理與經濟學部,天津 300072)

農業是國家經濟賴以生存和發展的重要基礎,農業不僅為工業發展提供糧食、原料、勞動力、資金和市場,支撐工業發展,而且為社會穩定與國家自立奠定堅實基礎。在多年的中央工作會議中都指出,全面建設小康社會,必須統籌城鄉經濟社會發展,更多地關注農村,關心農民,支持農業,把解決好農業、農村和農民問題作為全黨工作的重中之重,放在更加突出的位置,努力開創農業和農村工作的新局面。因此,在全面推動農業發展的宏觀背景下,水利建設成為夯實農業基礎、提高水資源利用效率、改善生態環境,穩固經濟發展根基的重要抓手。當前,我國推進新“四化”和生態文明建設,對水利建設的支撐保障能力提出了更高的要求。因此,分析當前我國水利建設投資效率及其影響因素,對于有效增加水利投資強度,促進生態、經濟、社會進步具有重要意義。

近年來,水利投資效率問題引起了各界學者越來越多的關注。郭唐兵等[1]利用 2001—2010 年中國省際面板數據,分析了我國農田水利發展與農業增長之間的關系,指出了未來我國東、中、西部三大地區農田水利的主要發展方向。吳平等[2]運用數據包絡分析方法對我國24個糧食主產區2009 年的農田水利設施配置效率進行分析和評價,并結合 Malmquist 指數方法對我國 2003—2009 年 24個糧食主產區的數據進行分析。朱云章[3]分析了河南省四大區域農田水利投資績效。任靜等[4]基于擁擠效益對陜西省的水利投資最優規模進行研究。葉文輝等[5]基于2003—2010年省際面板數據的DEA-TOBIT兩階段法,實證分析我國東部、西部、中部地區農田水利運營效率及其影響因素,并指出任何投資過度或者投資不足都會影響投資效率。

之前的研究多從靜態的視角看待水利投資效率,忽視其動態演進特征。而且由于理論不同,方法模型各異,樣本選擇有別,以及各個地區地理環境的特殊性和不平衡性,研究結論對效率成因及差異形成機制解釋不盡人意,與現實也有諸多不符之處。究其原因,主要是傳統的理論研究基于一些理想假設,以時間維度和單要素分析為主,而現實是在地理空間承載之上運行的。因此,以忽略空間維度的單要素模型進行分析,無法滿足實際需要,進而難以對水利投資效率成因及差異進行有效分析。為探討我國水利投資效率空間分布特征、演化以及差異成因,筆者考慮地理空間因素,在全要素生產率視角下,運用DEA對各省的水利投資進行評價,通過空間自相關分析,描述我國水利建設的時空特征,在此基礎上,構建空間計量模型,探尋影響我國水利投資效率因素,并剖析水利投資效率空間差異的成因。依據分析結論,為政府宏觀管理部門提出政策建議,推動水利投資效率的全面提升。

1 研究方法

1.1 DEA

Farrell[6]首先提出了通過效率邊界估計企業效率的方法。隨后,基于前沿效率分析的方法逐漸成為效率研究方面的主流。DEA模型的實質是運用線性規劃評價決策單元的效率[7],其基本思想是通過構建一條非參數的包絡前沿線,有效點位于生產前沿上,無效點處于前沿的下方,從而實現對效率的測算。目前,關于效率測算方法主要分為單要素效率和全要素效率,由于單要素效率只是衡量投入與產出之間的比例關系,沒有考慮生產過程中其他投入要素的影響,其測算結果存在很大的局限性,基于全要素生產率的方法則彌補了這一缺陷[8]。本文運用全要素生產理念,在生產函數框架下,運用投入導向的規模報酬可變的BCC模型,對我國水利建設效率進行測算。

假定有N個決策單元,每一個決策單元有k種投入,M種產出,則第i個決策單元的效率,可以通過求解線性規劃問題得出。

(1)

式中：θ為決策單元的效率值；λ為N×1的常向量。

1.2 空間自相關分析

1.2.1 全局空間自相關

全局空間自相關描述的是區域與周邊地區空間差異的平均程度。一般用Moran’s Ⅰ空間自相關統計量測算空間差異程度。

(2)

式中:Q為Moran’s Ⅰ 指數;Yi為i地區的觀測值；n為地區的總數；wij為空間權重矩陣。

本文在研究我國各省水利投資效率差異時,基于具有共同邊界的一階Queen矩陣,定義空間權重,當i地區與j地區相鄰時,wij=1;當i地區與j地區不相鄰時,wij=0。

構建Moran’s Ⅰ指數檢驗的Z統計量:

(3)

式中：wi和wj分別為空間矩陣i行與j列之和。

Moran’s Ⅰ指數取值范圍是[-1,1],當Moran’s Ⅰ接近于+1(-1)時,說明變量具有很強的正(負)空間自相關性；當Moran’s Ⅰ接近于0,說明變量的空間自相關性很弱。

1.2.2 局部空間自相關

局部空間自相關反映區域空間差異的變化趨勢,揭示局部直至每個空間單元的空間自相關性質。對于某個空間單元i表示為

(4)

Moran散點圖可用來描述局域空間的異質性,橫軸對應變量x的所有觀測值,縱軸對應空間滯后向量(wx)的所有取值,每個地區觀測值的空間滯后就是該區域鄰近觀測值的加權平均,具體通過標準化的空間權重矩陣加以定義。

1.3 空間計量模型

傳統計量模型假設樣本勻質化和相互獨立,當樣本在空間分布上呈現出依賴特征和非均勻性特征時,再運用傳統計量模型將違背高斯-馬爾可夫經典假設[9],導致傳統計量方法估計結果不具有無偏性和一致性。因此,需要考慮空間計量模型。空間計量通過極大似然估計,實現估計結果的無偏性和一致性。本文構建空間計量模型,分析影響水利投資效率分布的因素,解釋水利投資效率差異擴大或縮小的內在原因。空間計量模型包括空間自回歸模型、空間誤差模型。

1.3.1 空間自回歸模型

y=ρWy+βX+ε

ε～N(0,σ2In)

(5)

式中：y為因變量；X為自變量；ρ為空間自相關系數；W為空間權重矩陣；ε為隨機誤差項;β為回歸系數；σ2為誤差方差；In為單位矩陣。

鄰接矩陣的定義為基于具有共同邊界的一階Queen矩陣。空間自回歸模型表示因變量。

1.3.2 空間誤差模型

y=βX+μ

μ=λWμ+ε

ε～N(0,σ2In)

(6)

式中：λ為空間依賴系數；μ為正態分布的隨機誤差項。

鄰接矩陣的定義為基于具有共同邊界的一階Queen矩陣。

1.3.3 模型選擇判別依據

由于空間效應可能表現在因變量或誤差項上,所以要對模型形式進行判斷。判別依據是:依據LM檢驗方法,構建LM-lag與LM-error統計量。若空間滯后模型LM-lag統計量比空間誤差模型LM-error統計量更顯著,則選擇空間滯后模型,反之則選擇空間誤差模型。如果2個都不顯著,保留OLS回歸結果[10]。

2 數據與變量

本文以我國30個省為研究對象,由于上海數據不全,在分析中予以剔除。原始數據均來源于2008—2013年的《中國統計年鑒》和《中國水利統計年鑒》。

2.1 投入產出變量

從本質上來看,水利投資效率投入指標是設備與資金,借鑒任靜等[4]的研究,選取水利固定投資表示資金投入,選取鄉村辦水電站(裝機總量)表示資產的投入。水利投資效率產出指標表現為經濟效益、社會效益和生態效益,選取體現水利對于農業發展以及整個經濟社會的貢獻作用,借鑒郭唐兵等[1]的研究,本文選取水產品產量表示經濟效益,以發電量表示社會效益,以有效灌溉面積和水土流失治理面積表示生態效益,從而對水利投資效率進行測算。

表1 水利投資效率投入產出指標體系

2.2 地區劃分

本文的東部地區包括北京、天津、河北、遼寧、江蘇、浙江、福建、山東、廣東;中部地區包括山西、吉林、黑龍江、安徽、江西、河南、湖南、湖北、海南;西部地區包括內蒙古、四川、重慶、廣西、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

3 實證分析

3.1 水利投資效率全要素生產率測算

根據DEAP 2.1軟件,計算我國30個省2008—2012年的水利投資效率的全要素生產率,如表2所示。

表2 2008—2012年我國水利投資效率全要素生產率分解數據

由表2可知,只有東部地區的浙江,全要素生產率大于1,說明浙江省的水利投資效率逐年遞增,年平均變化率為0.3%,呈現出正的進步性變化。全要素生產率可進一步分解為技術效率和技術進步的乘積,技術效率可分解為純技術效率和規模效率的乘積。只有4個省份的技術效率小于1,并趨向于1,說明我國水利投資的純技術效率(即水利工程建設的管理等方面的投入)和規模效率(投資規模)對水利投資效率有正向影響,整體形勢良好。

全要素生產率過低的原因是技術進步的變化,技術進步包括施工企業在施工工藝和生產過程等方面的優化改造以及生產要素和原材料質量等。技術進步的平均變化值為0.751,由此可見,我國水利建設的技術水平和利用效率都不高。表3為2008—2012年我國水利投資效率全要素生產率。

圖1 2008—2012我國水利投資效率的空間格局演變

表3 2008—2012年我國水利投資效率全要素生產率

由表3可以看出,我國的水利投資效率整體不高,但是東部地區優于中部和西部地區。我國水利投資效率的空間分布差異顯著。

3.2 水利投資效率空間差異分析

3.2.1 全局空間自相關分析

運用GeoDa軟件,計算我國2008—2012年水利效率全局Moran’s Ⅰ指數,如表4 所示。結果表明,Moran’s Ⅰ都為正值,且Z值都達到1.96以上,都通過10%的顯著性檢驗,表明我國水利投資效率存在著空間集聚性,即具有較高(低)效率的地區一般與周圍較高(低)效率的地區相鄰,表現出“相近相似”的特征。

表4 我國水利投資效率的Moran’s Ⅰ指數

注：P表示伴隨概率，當P<0.05時，Q顯著;Z表示Moran’s Ⅰ指數顯著性檢驗的結果。

3.2.2 局部空間自相關分析

圖1為2008年、2010年、2012年我國水利投資效率分布圖,反映了我國2008—2012 年間我國水利投資效率的空間演變格局。從總體上揭示了我國區域創新產出在空間分布上“東高西低”的非均衡性。

3.3 空間計量模型

本文通過對現有文獻回顧,第一產業產值、地方財政收入,農村人口比重、水土流失治理面積對水利投資具有重要影響。根據以上影響因素,構建空間計量模型。

空間自回歸模型:

ln(Iit)=β0+ρWln(Iit)+β1ln(Cit)+

β2ln(Fit)+β3ln(Pit)+β4ln(Sit)+ε

(7)

空間誤差模型:

ln(Iit)=β0+β1ln(Cit)+β2ln(Fit)+

β3ln(Pit)+β4ln(Sit)+μ

(8)

μ=λWμ+ε

式中：Iit為i地區t時期水利投資；Cit為i地區t時期的第一產業產值；Fit為i地區t時期的財政收入；Pit為i地區t時期的農業人口；Wit為i地區t時期的水土流失治理面積；β0,β1,β2,β3,β4為回歸系數；W為空間權重矩陣。

空間計量模型回歸結果如表5所示。

表5 我國水利投資空間計量模型結果

注:*為在10%的水平下顯著; **為在5%的水平下顯著；***為在1%的水平下顯著；括號內的數字為對應的t值。

通過對空間自回歸模型LM-LAG檢驗和空間誤差模型LM-error檢驗,發現空間自回歸模型LM-LAG統計量為1.177,小于6.635臨界值,統計量不顯著,而空間誤差模型LM-error統計量為32.131,大于臨界值6.635,統計量顯著。因此,本文將SEM模型回歸結果進行分析。通過SEM模型與OLS模型的比較可以發現,SEM模型的R2為0.096,大于OLS模型的0.860,同時大于空間自回歸模型的0.910。SEM模型的模擬效果較好。通過引入空間效應對經典回歸模型進行了有效的修正,得到更加真實客觀的估計結果。

SEM模型的λ為0.059,且在1%的水平下顯著,表明我國水利投資存在顯著的空間相關性和依賴性。SEM模型中,ln(Cit)的系數為0.546,且在1%的水平下顯著,表明第一產業產值是水利投資的影響因素;ln(Fit)的系數為0.681,且在1%的水平下顯著,表明財政收入對水利投資有影響。農業人口比重與水土治理面積與水利投資沒有影響。

4 結論及政策建議

本文以全要素生產率視角,測算了我國2008—2012年30個省的水利投資效率,在此基礎上,運用全局空間自相關與局部空間自相關分析方法對我國水利投資效率演進的時空特征以及水利投資影響因素進行實證分析,得出以下結論。

a.從全局空間自相關來看,我國水利投資效率具有空間依賴性,近鄰效應顯著,即具有相近水利投資效率狀態的地區在地理空間上集聚。

b.從局部空間自相關來看,我國水利投資效率在空間分布上呈現“東高西低”的不均衡性,即水利投資效率較高的省區集聚于東部地區,而水利投資效率較低的省區則集中于西部地區。

c.影響我國水利投資的主要因素是第一產業產值和財政收入。農業是國家穩定的基礎,一個地區第一產業產值比重較大,傾向于多投資水利建設,財政收入則是實現投資完成的保障。

根據研究結論,本文提出3點政策建議,以提高水利投資效率,加快我國水利建設。

a.深化市場機制,對水利投資實施負面清單管理,提高資金使用效率。水利投資規模大、周期長,需要政府引導,但僅靠政府單獨投資是不現實的,深化市場機制、優化投資結構,采取多種方式拓寬水利投資渠道,可發動全社會的力量參與水利投資,實現水利建設的公益性和基礎性。對于外資投入的準入機制,可實行負面清單管理模式,全球資金處于高度流通之中,在水利投資領域可創造一種政策寬松、環境開放、有投資前景的發展空間,使外資投資在負面清單管理機制的監督下,提高水利投資效率,促進經濟活躍發展。

b.完善保障機制,對水利投資實施績效管理,促進水利投資便利化。水利投資和建設涉及水利、國土、建設、環保等部門的水務職能,分散的職能部門,難以發揮有效的資源整合能力,建立集水資源規劃、設計、開發、配置、污水處理等職能于一體的水務管理機制[11],整合分散的各個職能部門。建立有效的績效管理機制,通過績效計劃、績效輔導、績效考核與績效反饋,對各個職能部門進行有效的管理。

b.區域政策協調,對水利投資回收補償協同管理,促進水利建設健康發展。按照補償成本、合理收益、公平負擔的原則,各個區域和部門要共同承擔水利投資的風險和回報。水利是區域發展的重要基礎支撐,通過水利保障能力與統籌區域協調發展的步調一致,來解決東中西部之間、大江大河與中小河流之間、城市與農村之間的水利建設差距;通過區域的協同協作,統籌流域區域水利協調發展,實現水資源的優化配置與水利基礎設施的良性運行。

參考文獻：

[1] 郭唐兵,葉文輝.我國農田水利與農業增長關系的實證研究[J].華東經濟管理,2012(12):84-88.

[2] 吳平,譚瓊.我國糧食主產區農田水利設施配置效率及區域差異分析:基于DEA和動態Malmquist指數的實證分析[J].農業現代化研究,2012(3):331-335.

[3] 朱云章.中部糧食主產區農田水利投資績效分析:以河南省為例[J].科學經濟社會,2011(2):58-62.

[4] 任靜,陸遷.基于擁擠效應的陜西省水利投資最優規模研究[J].中國人口·資源與環境,2014(4):169-176.

[5] 葉文輝,郭唐兵.我國農田水利運營效率的實證研究：基于2003—2010年省際面板數據的DEA-TOBIT兩階段法[J].山西財經大學學報,2014(2):63-71.

[6] FARRELL J.The measurement of productive efficiency[J].Journal of the Royal Statistical Society,1957,120(3): 253-290.

[7] COELLI T,RAO P,BATTASE E.An introduction to efficiency and productivity analysis[M].Boston: Kluwer Academic Publishers,1998.

[8] JIN LIHU,WANGA S C.Total-factor energy efficiency of regions in China[J].Energy Policy,2006,34(17):3206-3217.

[9] LE SAGE P,PACE K.Introduction to spatial econometrics[M].Boca Raton:CRC Press,2009.

[10] ANSELIN L,FLORAX M,REY J.Advances in spatial econometrics: methodology,tools and applications[M].Heidelberg:Springer Press,2004.

[11] 劉海英.廣東農田水利基礎設施現狀、問題和對策[J].廣東農業科學,2010(1):255-257,262.