中國省際灰水足跡強度的空間收斂性研究

趙良仕

(遼寧師范大學 海洋經濟與可持續發展研究中心，遼寧 大連 116029)

中國省際灰水足跡強度的空間收斂性研究

趙良仕

(遼寧師范大學 海洋經濟與可持續發展研究中心，遼寧 大連 116029)

水環境質量差和水生態受損嚴重問題備受各界關注，分析各地區水污染排放強度是構建中國特色水安全保障體系、實施最嚴格水資源管理制度的前提.根據Hoekstra和Chapagain提出的污染物吸納理論，測算了2001—2014年中國31個省級行政區的灰水足跡，借助于探索性空間數據分析(Exploratory Spatial Data Analysis，ESDA)方法探討了各地區灰水足跡強度的空間自相關特征強度，建立空間計量收斂模型，在空間效應視角下驗證灰水足跡強度存在絕對和條件β收斂.結果顯示：①2001—2014年中國灰水足跡強度存在較強的空間正自相關性和空間分布不均衡性；②灰水足跡強度存在絕對β收斂，基于空間效應設定，存在一定的空間絕對β收斂、條件β收斂；③在空間滯后和誤差模型下，人均用水量每下降1%，灰水足跡強度增長速度將分別下降0.002 5%和0.002 7%，水資源總量和對外開放程度均不顯著負向影響灰水足跡強度的增長速度.

灰水足跡強度；空間自相關；β收斂分析；中國

作為一種全面核算人類活動對水資源真實占用的綜合指標，水足跡將消費終端與水資源利用緊密關聯，是衡量地區水資源環境壓力的常用指標[1-2].一般的水足跡指標是從資源消耗數量上考慮水資源壓力，然而未考慮到水質污染所帶來的危害，有可能低估水資源污染問題的嚴重性[3].由于各地區工業化水平和城鎮化水平進程的加快，各地區水質性缺水問題日益顯著，Hoekstra 等學者提出的以污染物吸納理論為基礎的灰水足跡理論為定量評價水量水質關系提供了新的思路[4-5].灰水足跡強度表示為灰水足跡總量除以國內生產總值(GDP)，是一個從經濟上反映水資源污染強度的指標，該值越小，意味著單位經濟產出造成水污染越小.通過1997—2007 年中國31個省市區水足跡測算數據，孫才志等采用錫爾指數、基尼系數分析中國區域水足跡強度的空間關聯格局及其動態變化情況，得到中國中東西三大地帶水足跡強度的空間發展變化呈先極化后趨同的態勢，而且各地區灰水足跡強度地域差異十分顯著[6].譚秀娟等[7]、焦雯珺等[8]、王紅瑞等[9-10]分別計算了生態水足跡和水污染足跡、中國虛擬水和畜產品虛擬水含量.目前，學者們采用Barro和Sala-i-Martin[11-12]提出的新古典增長模型(本文記為標準β收斂模型)，研究了中國區域的能源強度或污染排放強度的空間差異的收斂性，并提出了相應政策建議.孫慶剛等[13]采用空間計量模型對中國30 個省份的能源強度截面數據進行分析，結果表明中國各地區能源強度具有全域性空間自相關關系；劉亦文等[14]通過計算基尼系數、Theil指數和對數離差均值對中國31個地區污染物排放強度的地區差異進行研究，并基于污染物排放強度的空間收斂模型實證分析污染物排放強度具有收斂性.采用中國各地區的能源強度及影響因素的空間面板數據，余華義[15]檢驗了各地區能源強度的空間溢出和空間β收斂問題；在分析中國西部從1999—2002年的15個省份能源強度和東部15個省份的能源強度空間差異與人均GDP差異之間的關系的基礎上，齊紹洲等[16]借助于空間面板數據滯后模型，對能耗強度的空間收斂性進行實證分析.現有研究主要集中在對中國各地區能源強度或污染排放強度的分析，然而關于中國各地區灰水足跡強度的空間收斂性研究較少.

中國各地區灰水足跡強度的空間差異反映了區域間水資源污染排放強度的差異，研究中國區域的灰水足跡強度收斂性可以得出控制區域水污染排放政策.中國各區域灰水足跡強度在上升還是下降？隨著時間變化，灰水足跡強度的地理空間效應和相關控制變量因素對其區域間的空間差異產生何種影響？研究此問題，可以為中國各區域制定合理水資源保護利用政策，走水資源可持續利用道路至關重要.基于此，本研究根據Hoekstra提出的污染物吸納理論[4]，測算2001—2014年中國31個地區的灰水足跡；利用空間自相關檢驗和空間計量β收斂模型，研究中國2001—2014年各地區的灰水足跡強度的收斂情況，分析中國區域水資源污染排放強度的收斂問題.

1 中國省際灰水足跡強度測算與分析

2002年，Hoekstra等[17]基于生態足跡提出了水足跡概念，該指標反映了人類對水資源的真實占用情況.水足跡主要包括農畜產品水足跡、工業產品水足跡、灰水足跡和生活生態水足跡[18].排放廢污水中污染物主要來源于工業、生活和農業，本研究選用2001—2014年中國31個省市區的工業和生活廢污水中污染物排放為研究對象.受到統計年鑒現有統計數據限制，并且廢污水中主要污染物來源于化學需氧量、氨氮，本研究的灰水足跡指標主要考慮工業廢水和生活污水中的化學需氧量(COD)排放量和氨氮(AN)排放量.

在實際計算中，由于水體中的化學需氧量(COD)和氨氮(AN)可同時由同一水體進行稀釋，本研究選擇由COD和AN物質量引發的灰水足跡中的較大者作為研究區域的總灰水足跡[18-19].利用公式如下：

(1)

其中，Pc和Pn分別指的是COD和氨氮的排放量，NYc和NYn分別指水體對COD和氨氮的平均承載力.COD和AN的平均承載力采用污水排放標準(GB8978—1996)中的二級排放標準，它們的達標濃度分別為120和25 mg/L.

灰水足跡指標比國內生產總值(GDP)等于灰水足跡強度，這是一個反映真實水污染排放強度的指標，該指標值越大，表明單位GDP所排放的水污染物越多[18，20].根據計算結果，2001—2014年中國各區域的灰水足跡強度整體呈現下降趨勢，下降趨勢隨著時間變化很明顯.

2 灰水足跡強度的空間相關性檢驗

在空間計量模型的基礎上，本研究構建了灰水足跡強度的空間收斂性模型，根據中國31個省級行政區2001—2014年的灰水足跡強度測算數據，利用探索性空間數據分析方法，得到中國在2001—2014年的全局Moran’sI指數，該指數描繪了中國各地區灰水足跡強度在2001—2014年的空間關聯程度以及局域地區的空間自相關特征，能夠衡量中國各地區灰水足跡強度的空間自相關強度.

全局Moran’sI指數是常用的空間自相關指數[20]，本文計算了2001—2014年灰水足跡強度的全局Moran’sI指數，中國各地區灰水足跡強度的顯著性逐漸加強，且中國各省市的灰水足跡強度在空間分布上具有顯著正的自相關關系，中國各地區的灰水足跡強度的空間分布表現出相似值之間的空間集聚.整體上看，全局Moran’sI指數呈現出波動上升趨勢，并且顯著性逐漸加強，從2001年的0.075上升到2014年的0.274(表1).在對中國區域灰水足跡強度的研究中不能忽略客觀存在的地理空間鄰接關系因素，應該采用考慮空間效應因素的空間計量分析方法對中國各區域灰水足跡強度的空間收斂進行研究.

表1 灰水足跡強度全局Moran’s I指數

3 中國省際灰水足跡強度的空間收斂性分析

本研究采用σ收斂模型、絕對β收斂計量模型和條件β收斂計量模型對中國區域灰水足跡強度的空間收斂性進行研究.

3.1 收斂模型設定

1986年，Baumol首次提出β收斂概念，是指不同經濟變量的增長率與初始水平表現出負相關關系[21].而后在新古典增長收斂的研究中，Barro和Sala-i-Martin建立了β收斂計量模型，給出了絕對β收斂和條件β收斂概念.在本研究中，絕對β收斂表示高灰水足跡強度地區的下降速度快于低灰水足跡強度地區的下降速度；條件β收斂表示不同地區灰水足跡強度的下降速度在某些控制變量下存在著不同的收斂速度.本研究建立的標準的灰水足跡強度的空間絕對和條件β收斂的面板數據計量模型如下：

lnGWi,t+1/GWi,t=α-blnGWi,t+hi+kt+εi,t,

(2)

lnGWi,t+1/GWi,t=α-blnGWi,t+ΨXi,t+hi+ki+εi,t.

(3)

其中，GWi,t為中國第i個區域在時期t的灰水足跡強度，Xi,t是中國第i個省市在時期t的穩態控制常量，具體為人均用水量、水資源總量、人均GDP、對外開放程度、產業結構，εi,t是與地區和時期均無關的隨機擾動項.若式(2)中的b>0，各地區灰水足跡強度存在空間絕對β收斂，否則發散；若式(3)中的b>0，各地區灰水足跡強度存在空間條件β收斂，否則發散，X即為控制條件常量矩陣，收斂速度由系數b確定，β=-ln (1-b)，收斂到一半所用時間為t=(ln 1/2)ln (1-β)[22].

如果各地區灰水足跡強度存在空間自相關特征，就需要采用空間計量模型進行建模[23].對于具體空間滯后模型和誤差模型的選擇，需要采用2個拉格朗日乘數(Lagrange Multiplier)形式LM-Lag、LM-Err及其穩健-LM-Lag、穩健-LM-Err檢驗[24]進行判別.在空間權重矩陣的引入下，空間計量模型考慮了所研究對象存在的空間關系，本研究的空間權重矩陣假設基于空間鄰接關系，如果2個地區相鄰，該矩陣中的元素等于1，否則等于0，在實際輸入模型中，把該鄰接關系空間權重矩陣進行標準化處理，即每一行的元素求和為1.

空間滯后模型(Spatial Lag Model)主要用來探討區域間是否存在溢出效應，本文研究的灰水足跡強度的空間滯后絕對β和條件β收斂計量模型具體表達式如下：

(4)

(5)

其中，GWi,t，Xi,t同式(3)定義，ρ為空間滯后系數，wi,j為空間權重矩陣W中元素.

空間誤差模型(Spatial Error Model)主要把所考慮的空間因素歸結在誤差項上，當誤差項在空間上相關時應建立空間誤差模型，本文研究的灰水足跡強度的空間誤差絕對β和條件β收斂計量模型具體表達式如下：

(6)

(7)

其中，GWi,t，Xi,t定義同上，λ為空間誤差系數.

3.2 結果分析和討論

圖1 中國各省市2001—2014年灰水足跡強度的標準差變化Fig.1 The standard deviation of grey water footprint intensity change in China from 2001 to 2014

σ收斂是指中國各地區灰水足跡強度的分布分散程度隨時間的推移而降低，本文利用標準差來分析灰水足跡強度的σ收斂性，如圖1.從整體上看，中國各省市灰水足跡強度標準差呈現下降趨勢，2001—2004年下降明顯，只有2004—2005年出現短暫小幅上升，之后呈現逐步平穩下降，這表明中國各地區灰水足跡強度存在σ收斂.

絕對β收斂是指隨著時間推移,中國各地區在嚴格假定各地區的水資源消耗結構、水資源稟賦、經濟發展水平和產業結構等條件完全相同時，灰水足跡強度逐漸收斂到相同水平.而條件β收斂是指不同地區灰水足跡強度存在著不同的收斂穩態，即在假定各地區的水資源消耗結構、水資源稟賦、經濟發展水平和產業結構等條件存在差異時，灰水足跡強度逐漸收斂到不同水平.本文在具體研究灰水足跡強度條件β收斂時，設置的控制變量如下：人均用水量、水資源總量、人均GDP、對外開放程度和產業結構.

通過全局Moran’sI指數對中國各地區灰水足跡強度的空間自相關效應進行檢驗表明存在正的空間自相關效應，通過LM檢驗，得到的顯著性水平都很高，空間滯后和空間誤差效應都存在，因此需要建立兩類空間β收斂模型；通過Hausman檢驗，結果表明絕對β收斂模型應采用固定效應估計，而條件β收斂模型應采用隨機效應，結果如表2.

表2 檢驗結果

本研究采用Matlab空間計量工具箱，得到的主要參數估計和假設檢驗的P值，結果如表3.在此結果下，空間絕對β收斂模型和條件β收斂模型設定下的收斂系數均為正，即中國各地區灰水足跡強度存在β收斂，較高灰水足跡強度地區的下降速度快于較低灰水足跡強度的地區.標準計量和空間計量絕對β收斂模型估計出的收斂速度小于條件β收斂設定下收斂速度，在加入各地區的控制變量后，收斂速度加快，即考慮這些控制變量后，較高灰水足跡強度的地區下降速度明顯快于較低灰水足跡強度的地區.標準絕對β收斂和條件β收斂模型估計得到收斂速度為0.238和0.301，均高于空間計量β收斂模型估計的收斂速度，說明在沒有考慮空間自相關效應因素下，中國各省市2001—2014年灰水足跡強度收斂更快.

在加入了空間滯后效應和空間誤差效應假定下，從表3可知，存在顯著的絕對β收斂，收斂速度分別為0.020和0.026，略小于條件β收斂模型估計出的收斂速度0.053和0.051，說明在空間效應和5個控制條件變量(人均用水量、水資源總量、人均GDP、對外開放程度和產業結構)共同作用下，中國各省市區灰水足跡強度收斂速度更快.

從表3可以看到，絕對β收斂模型、條件β收斂模型、空間滯后模型和空間誤差模型中的空間滯后系數ρ和空間誤差系數λ均大于0且都顯著.在兩類模型中的條件β收斂計量模型中估計出的空間系數大于絕對β收斂計量模型，在控制影響各地區灰水足跡強度收斂的因素后，灰水足跡強度的收斂速度變慢了.這說明由于各地區區域差異的存在，各地區的水污染排放標準很難達成一致，在水污染防治政策的選擇方面很難達成共識，全國范圍內的灰水足跡強度差異不會自動消除.因此，可以進一步考慮灰水足跡強度是否存在條件β收斂.

表3 模型回歸結果

注：***、**、*分別表示通過1%、5%、10%顯著性檢驗，括號內值為t統計量值或z統計量值

從全國角度看，人均用水量、人均GDP、產業結構通過了顯著性檢驗，這說明從全國來說，人均用水量、人均GDP、產業結構的降低對污染物排放強度收斂有著重要的影響.由具體控制變量估計結果來看，在空間計量條件β收斂模型估計出的人均用水量系數顯著為正，而標準條件β收斂模型得到的系數顯著為負，即在空間滯后和誤差模型下人均用水量分別每下降1%，灰水足跡強度增長速度將會下降0.002 5%、0.002 7%；3種情況下的條件β收斂模型估計出的人均GDP系數均顯著為負，人均GDP每增長1%，灰水足跡強度增長速度分別將會下降0.000 8%、0.000 4%、0.000 4%；在空間計量條件β收斂模型估計出的產業結構系數顯著為負，而標準條件β收斂模型計算得到的系數為正，但不顯著，即在空間滯后和空間誤差模型下的系數分別為-0.103、-0.106，產業結構每增長1%，灰水足跡強度增長速度將會下降10.301%、10.598%；然而水資源總量和對外開放程度均不顯著負向影響灰水足跡強度的增長速度.

4 結 論

本文綜合考慮各地區真實的廢污水排放，根據Hoekstra 等提出的污染物吸納理論，從工業和生活廢污水排放角度計算了中國各地區2001—2014年的灰水足跡強度，借助于空間自相關檢驗方法和空間計量收斂模型對各地區的灰水足跡強度的空間自相關特征及空間收斂性進行分析，主要得到下面結論：

(1)2001—2014年，各地區灰水足跡強度存在正的空間自相關特征，隨著時間推移，空間自相關程度逐漸變強；各地區灰水足跡強度表現出一定程度的σ收斂趨勢，標準差在整體上呈現下降趨勢.對各地區灰水足跡強度的計量β收斂分析時應采用空間計量模型技術手段，否則估計出的收斂速度不能全面體現中國各地區灰水足跡強度的收斂狀態.

(2)計量β收斂模型設定分為絕對β收斂和條件β收斂，本文設定模型估計出的絕對β收斂模型和條件β收斂模型設定下的收斂系數均為正，說明中國各地區灰水足跡強度存在絕對和條件β收斂.標準計量和空間計量絕對β收斂模型估計出的收斂速度小于條件β收斂設定下收斂速度，在加入各地區的控制變量后，收斂速度加快.空間滯后模型和空間誤差模型中的條件β收斂模型中估計出的空間系數大于絕對β收斂模型，在加入控制各地區灰水足跡強度收斂的因素變量后，減慢了灰水足跡強度的收斂速度.由于各地區區域差異的存在，各地區的水污染排放標準很難達成一致，在水污染防治政策的選擇方面很難達成共識，全國范圍內的灰水足跡強度差異不會自動消除.

[1] 孫克，徐中民.環境影響評價中人文因素作用的空間計量[J].生態學報，2009，29(3):1563-1570.

[2] 龍愛華，徐中民，王新華，等.人口、富裕及技術對2000 年中國水足跡的影響[J].生態學報，2006，26(10):3358-3365.

[3] 曾昭，劉俊國.北京市灰水足跡評價[J].自然資源學報，2013，28(7):1169-1178.

[4] HOEKSTRA A Y.Human appropriation of natural capital:A comparison of ecological footprint and water footprint analysis[J].Ecological Economics，2009，68(7):1963-1974.

[5] VAN OEL P R，MEKONNEN M M，HOEKSTRA A Y.The external water footprint of the Netherlands:Geographically-explicit quantification and impact assessment[J].Ecological Economics，2009，69(1):82-92.

[6] 孫才志,劉玉玉,陳麗新,等.基于基尼系數和錫爾指數的中國水足跡強度時空差異變化格局[J].生態學報,2010,30(5):1312-1321.

[7] 譚秀娟，鄭欽玉.我國水資源生態足跡分析與預測[J].生態學報，2009，29(7):3559-3568.

[8] 焦雯珺，閔慶文，成升魁,等.污染足跡及其在區域水污染壓力評估中的應用——以太湖流域上游湖州市為例[J].生態學報，2011，31(19):5599-5606.

[9] WANG H R，LIU X H，DONG Y Y，et al.Analysis of China’s water security and virtual water trade[J].Chinese Journal of Population，Resources and Environment，2006，14(4):18-23.

[10] 王紅瑞，王軍紅.中國畜產品的虛擬水含量[J].環境科學，2006，27(4):609-615.

[11] BARRO R J，SALA-I-MARTIN X.Convergence[J].Journal of Political Economy,1992，100(2):223-250.

[12] SALA-I-MARTIN X.The classical approach to convergence analysis[J].The Economy Journal，1996，106(437):1019-1036.

[13] 孫慶剛,郭菊娥,師博.中國省域間能源強度空間溢出效應分析[J].中國人口·資源與環境,2013(11):137-143.

[14] 劉亦文,文曉茜,胡宗義.中國污染物排放的地區差異及收斂性研究[J].數量經濟技術經濟研究,2016(4):78-94.

[15] 余華義.中國省際能耗強度的影響因素及其空間關聯性研究[J].資源科學，2011，33(7):1353-1365.

[16] 齊紹洲，羅威.中國地區經濟增長與能源消費強度差異分析[J].經濟研究，2007(7):74-81.

[17] HOEKSTRA A Y，HUNG P Q.Virtual water trade:a quantification of virtual water flows between nations in relation to international crop trade，value of water research series No11[M].Delft，The Netherlands:IHE,2002:15-17.

[18] 孫才志,陳栓,趙良仕.基于ESDA的中國省際水足跡強度的空間關聯格局分析[J].自然資源學報，2013，28(4):571-582.

[19] 曾昭，劉俊國.北京市灰水足跡評價[J].自然資源學報，2013，28(7):1169-1178.

[20] ANSELIN L.Local indicators of spatial association-LISA[J].Geographical Analysis，1995，27(2):93-116.

[21] BAUMOL W J.Productivity growth，convergence and welfare:what the long-run data show[J].American Economic Review,1986,78(5)：1072-1085.

[22] 趙良仕,孫才志,鄭德鳳.中國省際水足跡強度收斂的空間計量分析[J].生態學報,2014,34(5):1085-1093.

[23] ANSELIN L.Spatial econometrics:methods and models[M].Dordrecht:Kluwer Academic Publishers，1988:55-76.

[24] BALTAGI B H.Econometric analysis of panel data[M].3rd ed.New York:Wiley，2005:66-75.

StudyonspatialconvergenceofgreywaterfootprintintensityonprovincialscaleinChina

ZHAOLiangshi

(Center for Studies of Marine Economy and Sustainable Development， Liaoning Normal University， Dalian 116029， China)

The poor water environment quality and water ecology damage problems have aroused great attention.The analysis of regional water pollution emissions intensity is the premise to implement the most stringent water management system and build water security system with Chinese characteristics.According to the theory of absorbing pollutants proposed by Hoekstra and Chapagain，the national 31 provinces grey water footprint from 2001 to 2014 is estimated，the spatial correlation of grey water footprint intensity is explored by using spatial autocorrelation analysis method，and by building the space measurement model of convergence，the existence of absolute and conditionalβconvergence of grey water footprint intensity is verified under the perspective of spatial effect.The results are as follows:①Different regions’ grey water footprint intensity in China have strong spatial correlation and spatial imbalance distribution from 2001 to 2014.②Water footprint intensity exists absolute convergence，and in the spatial effect assumption that exists absolute convergence and conditional convergence.③Under spatial lag and error model，different regions’ per capita water consumption reduced by 1%，the growth rate of grey water footprint intensity reduced by 0.002 5% and 0.002 7%，respectively.However，total water resources and the degree of economically opening are not significant and negative influence the growth rate of grey water footprint intensity.

grey water footprint intensity；spatial autocorrelation；βconvergence analysis；China

TV213.9

A

2017-05-02

國家自然科學基金資助青年基金項目(41701616)

趙良仕(1985- )，男，遼寧遼陽人，遼寧師范大學講師，博士.E-mail:liangshizhao85@163.com

1000-1735(2017)04-0541-07

10.11679/lsxblk2017040541