長三角城市群環境規制與水資源利用效率

童紀新，趙崔妍

(河海大學商學院，江蘇 南京 211100)

水資源作為重要的自然資源和經濟資源，不僅關乎日常生活，還關乎社會經濟發展與綜合競爭力。黨的十九大報告提出“加快生態文明體制改革，建設美麗中國”，把堅持人與自然和諧共生納入新時代堅持和發展中國特色社會主義的基本方略，把水利擺在九大基礎設施網絡建設之首，提升水資源利用效率、優化水資源配置，推進綠色發展成為一項新的挑戰。長三角地區是我國參與國際競爭的重要平臺，該地區區位條件優越，經濟基礎雄厚，作為“一帶一路”與長江經濟帶的交匯處，長三角城市群是我國經濟社會發展的重要引擎，在促進經濟增長和市場空間由南向北、由東向西拓展、協調區域發展方面起到至關重要的作用。雖然長三角地區河網密布，但就人均水資源而言，依然十分緊缺，水環境承載力整體形勢嚴峻[1]，合理配置水資源成為必然選擇[2]。長江經濟帶作為中國經濟發展的重要戰略區域，而長三角城市群又是長江經濟帶的龍頭，分析長三角城市群的水資源利用效率在當下十分必要。加之，面對環境污染問題關注度的提高以及生態文明建設的需要，環境規制的強度和規模在大多數地區都有了一定程度的擴大。2019年12月，中共中央、國務院印發的《長江三角洲區域一體化發展規劃綱要》對長三角城市群的環境發展提出了更高要求，指出了要扎實推進水污染防治、水生態修復、水資源保護，促進跨界水體水質明顯改善，并提出生態環境質量總體改善，跨界河流斷面水質達標率達到80%的發展目標。在此背景下，環境規制對于水資源利用效率具有怎樣的影響，以及環境規制在不同強度下，對水資源利用效率的影響作用是否相同，也值得探究。

1 文獻綜述

1.1 水資源利用效率

水資源利用效率一直是學術界有關水資源管理的熱點研究問題，并且研究方法多樣。

在數據包絡分析法(DEA)[3]方面，吳瓊等[4]采用傳統B2C模型，基于2003—2015年全國31個省(區、市)數據分析水資源利用效率，并進行Q型聚類將研究區域劃分為3種類型，具體闡述各地區用水效率差異的原因。江麗麗等[5]基于江蘇省2010—2017年生產用水數據，采用三階段DEA法研究江蘇省生產用水效率。該方法在傳統DEA方法中加入了隨機前沿分析，剔除了影響因素對水資源利用效率的影響作用。傳統DEA模型只能計算出評價對象的相對有效性，無法評價已經實現相對有效的評價對象的優劣，而超效率DEA模型可以進一步分析有效決策單元。基于此，任俊霖等[6]等利用超效率DEA模型測度長江經濟帶11個省會城市2011—2013年用水效率，并用Tobit模型檢驗其影響因素。Lombardi等[7]采用數據包絡分析，通過對意大利自來水公司效率的計算來評估國家水行業系統的技術和環境效率。

在其他研究方法方面，陳思源等[8]采用隨機前沿生產函數法構建農業水資源利用效率理論模型，分析廣西農業水資源利用效率的變動狀況以及耦合關系。管新建等[9]采用條件廣義方差極小法從指標基本集中選取6個指標，并用熵權模型計算出綜合指數，對黃河流域水資源利用效率進行評估。鄧益斌等[10]運用泰爾指數分解法研究2004—2013年中國水資源利用效率的區域差異，該方法在空間意義上將泰爾指數分解為組間差異和組內差異，更易挖掘區域差異的內在因素。Li等[11]提出AIC變量選擇法，考慮了投入產出間的所有變量組合，剔除了投入產出內部信息冗余的變量，其結果具有穩定性與有效性。郭利丹等[12]運用萬元GDP水生態足跡衡量出江蘇省水資源利用效率。

從研究區域來看：①研究省際和某一流域的用水效率的較多。武繼堯等[13]、鐘麗雯等[14]、張云寧[15]分別對遼寧省、廣西壯族自治區和江蘇省水資源利用效率進行評價。鞏燦娟等[16]對黃河中下游沿線城市水資源利用效率進行測算，并分析時空演變趨勢。Qi等[17]對長江經濟帶水資源利用效率進行評價并分析影響因素。②研究某一行業用水效率的也較多。孫付華等[18]基于DEA和Malmquist(全要素生產率)構建農業水資源利用效率評價模型，測算我國31個省(區、市)農業用水效率并分析空間和時間異質性。岳書敬等[19]運用投入產出法對長三角地區整體用水、三大產業用水和制造業二分位行業用水進行差異分析。

關于長三角地區的研究，大多將長三角地區作為長江經濟帶一部分研究，或將水資源利用作為生態評估的一部分來研究。張瑋等[20]通過建立EBM模型評價2006—2015年長江經濟帶沿線省市綠色水資源利用效率。萬正芬等[21]通過DPSIR模型對長三角地區生態安全進行評估，指出區域用水難以有效支撐產業發展和人口集聚帶來的水資源消耗，用水效率有待提高。朱智洺等[22]利用灰水足跡測度研究長三角地區水質與經濟發展的關系，發現長三角地區整體水質上升，水資源利用效率有所提高。

1.2 環境規制與水資源利用效率

關于環境規制對水資源效率的影響，現有文獻主要是從農業用水效率、工業用水效率和水資源綜合利用效率3個層面進行評價，此外，較多研究將環境規制納入眾多影響水資源利用效率的因素中，僅分析環境規制對水資源利用效率是正向還是負向影響。楊騫等[23]運用DEA和Bootstrap斷尾回歸模型實證檢驗，研究發現環境規制可以顯著提升農業水資源利用效率。汪克亮等[24]基于EBM-Tobit模型的兩階段分析，發現政府環境規制對長江經濟帶工業綠色水資源效率沒有促進作用，回歸系數為負，但未通過顯著性檢驗。也有較少研究表明環境規制對水資源利用效率存在門檻效應，例如，徐承紅等[25]基于異質性環境規制視角實證研究發現環境規制對綠色水資源效率存在門檻效應，并且不同類型的環境規制對水資源利用效率存在空間異質性。

現有文獻雖然對于水資源利用效率的研究十分豐富，但仍存在一些拓展空間。一是，目前將長三角城市群作為獨立個體利用超效率SBM模型研究水資源利用效率的文獻有待拓展，并且模型以及相關指標選取的不同也會影響結論的差異。二是現有文獻大多局限于運用Tobit回歸模型研究水資源利用效率的多種影響因素，僅大體研究環境規制對水資源利用效率是正向還是負向影響，關于環境規制對水資源利用效率的門檻效應的研究有待補充，環境規制達到何種力度才能有效促進水資源利用效率的提升需要加以驗證。對于具有戰略地位的長三角地區來說，環境規制與水資源利用效率二者之間是否存在非線性關系、表現形式如何需要進一步證實。因此，本文以長江經濟帶的龍頭——長三角城市群為研究對象，利用超效率SBM模型以及Malmquist指數分解法對各城市水資源利用效率及各項指數進行分析，并運用面板門檻回歸模型探究環境規制對水資源利用效率的影響作用。該研究對長三角地區乃至長江經濟帶的水資源管理具有一定的指導作用。

2 水資源利用現狀及研究方法

2.1 水資源利用現狀

2016年5月11日，國務院常務會議通過《長江三角洲城市群發展規劃》，規劃中包含26個城市，長三角城市群以上海市為中心，輻射江蘇省9市：南京、無錫、常州、蘇州、南通、鹽城、揚州、鎮江、泰州；浙江省9市：杭州、寧波、溫州、嘉興、湖州、紹興、金華、舟山、臺州；安徽省8市：合肥、蕪湖、馬鞍山、銅陵、安慶、滁州、池州、宣城。2019年12月1日，《長江三角洲區域一體化發展規劃綱要》中新增浙江省溫州市。

圖1顯示：長三角城市群2012—2018年農業、工業和生活用水總量呈現波動下降的變化趨勢。2013年用水量出現高峰后陡然下降，原因是2013年國務院發布《實行最嚴格水資源管理制度考核辦法》，約束全國用水。2014—2016年緩慢上升，但總體上升幅度不大。隨后2016—2018年出現大幅度下降，原因是《長江三角洲城市群發展規劃2015—2030》和《“十三五”水資源消耗總量和強度雙控行動方案》的提出，以及習近平總書記在重慶召開了推動長江經濟帶發展座談會，指出把修復長江生態環境擺在壓倒性位置，“共抓大保護，不搞大開發”，對長三角的水資源利用以及生態保護提出了更高要求。

圖1 長三角城市群用水量變化

圖2與圖3顯示：農業用水量長期占居用水量首位，基本處于45%左右，近7年呈現波動下降趨勢，但所占總用水量比重變化幅度不明顯，主要是因為絕大多數地區仍以農業占據主導地位，農業用水比重大。工業用水量呈波動下降趨勢，其所占總用水量比重近七年有所下降，但仍處于40%以上，主要是因為長三角地區雖然在節能減排技術的提高和環保措施的加強上有所進步，但其作為長江經濟帶的龍頭，工業發展具有一定的規模，所以工業用水比例無法做到較大幅度的下降。生活用水量所占比重逐年穩定增加，主要是由于人口增長和生活水平的提高相應導致用水需求增加。

圖2 長三角城市群各項用水量變化

圖3 長三角城市群各項用水比重

2.2 研究方法

2.2.1超效率SBM模型

數據包絡分析(DEA)方法是一種評價決策單元投入產出效率的方法，由于不需要事先確定投入和產出之間的函數關系，避免主觀因素影響，被廣泛應用于各領域的績效評價。

DEA的分析模型種類較多，為避免傳統DEA模型對于多個同時有效決策單元無法做出進一步比較的缺陷和徑向、角度選擇帶來的偏差，筆者運用非角度、非徑向超效率SBM模型對長三角城市群的27個城市2012—2018年水資源利用效率進行評價。該模型測出的效率值可以大于1，便于對DEA有效的城市進行對比分析。

2.2.2Malmquist指數

全要素生產率指數(Malmquist)用來衡量生產效率的變化，Malmquist指數(M)可以拆分為技術進步(CT)和技術效率(CE)，而技術效率(CE)又可以拆分為純技術效率(CPE)和規模效率(CSE)，即M=CTCPECSE。當M>1時，表明生產率水平提高，反之即為降低；CT>1時，表示技術進步；CE表示技術效率的變化程度，CE>1，表示技術效率提高；CPE>1，表示管理的改善使得效率得以改進；CSE>1，表示從長遠來看，決策單元向最優規模靠近。

2.2.3面板門檻回歸模型

現有文獻表明，環境規制可能對水資源利用效率存在門檻效應，為具體驗證這一關系，借鑒Hansen[26]的門檻回歸模型構建以下模型：

Wi,t=β0+β1Ei,tI(qi,t≤ri)+

β2Ei,tI(qi,t≤ri)+βiCi,t+εi,t

(1)

式中：Wi,t為水資源利用效率；Ei,t為環境規制強度；q為門檻變量；ri為門檻值；I為示性函數；C為影響水資源利用效率的控制變量。當滿足括號內條件時取1，否則取0。當變量系數β1與β2不相等時，則表示存在門檻。

3 變量選取和數據來源

3.1 超效率SBM模型的投入產出變量

筆者沒有籠統地選取供水總量作為投入指標，而是參照用水結構劃分，選取農業用水量、工業用水量、生活用水量作為水資源的投入指標，選取就業人口作為人力投入指標，全年固定資產總額作為資本投入指標，為全面評價水資源利用效率，采用反映經濟綜合產出的GDP作為產出指標。

全年固定資產投資總額用固定資產投資價格指數進行平減，歷年GDP用GDP平減指數進行平減處理，已統一調整至以2006年為基準的可比價格水平。

3.2 面板門檻模型的變量選擇

由于影響水資源利用效率的因素較多，本文研究環境規制對水資源利用效率的門檻效應，選取環境規制作為核心解釋變量和門檻變量，水資源利用效率作為被解釋變量，經濟發展水平、水資源稟賦、產業結構、人口密度和科技進步作為控制變量。

3.2.1環境規制度量

學術界對于環境規制的度量方法較多，張翼等[27]將度量方式概括為3種，一是政府管理視角，二是成本視角，三是污染物密度視角。以往研究中有些采用單一變量指標衡量環境規制，缺乏綜合考慮。本文研究水環境規制對水資源利用效率的影響，考慮水環境規制的特殊性以及實證數據的可得性，選取廢水中化學需氧量排放總量、氨氮排放總量、工業廢水排放量和用水量作為環境規制的度量指標。作為廢水中主要污染物，化學需氧量與氨氮排放總量能夠較好地衡量環境規制效果；工業廢水排放量與人口相關度較小[28]，減少了人口因素的影響，也能較好衡量經濟高速發展下水環境規制的力度；此外，選取農業、工業和生活用水量總量作為度量指標之一，用水量越大，節水意識越不明顯，環境規制強度越弱。利用熵值法[29]對4個指標進行無量綱化處理和權重確定，最終確定一個綜合評價指標。熵值法主要過程如下：

a.對數據進行無量綱化處理：

(2)

b.確定第i年份第j項指標的比重：

(3)

c.計算指標熵值：

(4)

d.計算各指標權重：

(5)

e.計算綜合指數：

E=∑Xjθj(j=1,2,3,4)

(6)

最終，熵值法計算出的各項指標權重如表1所示。

表1 2012—2018年環境規制指標權重

3.2.2控制變量

經濟發展水平通常用人均GDP表示，有學者認為經濟的快速發展會加劇經濟增長與水資源利用之間的矛盾，也有一些學者認為發達地區對水資源利用更易產生規模效應。控制變量中的人均GDP用GDP平減指數進行平減處理，統一調整至以2006年為基準的可比價格水平。

水資源稟賦用人均水資源擁有量來衡量，有學者認為人均水資源擁有量高會降低水資源利用效率，即“資源詛咒”假說。也有一些學者證明水資源豐富地區能夠吸引投資與相關人才，從而減少資源支出。

產業結構用第三產業增加值占GDP比重來表示，我國三大產業中第一產業耗水量最多，尤其是農業，加之農業用水技術不夠先進，水資源浪費較嚴重，利用效率不高。而第三產業耗水較少，適當增加第三產業比重會提升水資源利用效率。

人口密度反映一個地區的緊湊程度，用各市歷年總人口數與土地面積的比值來確定。人口密度高的城市更緊湊，資源分配更協調，有利于降低資源消耗，增加利用效率。

科技支出以地方一般財政科技支出的數據表示，一般來說，科技支出金額越多，技術更加先進，水資源利用效率更高。

3.3 數據來源

投入產出項中各用水量數據均來源于各市水資源公報，其余數據均來源于各市統計年鑒、國民經濟和社會發展統計公報。化學需氧量、氨氮排放量、工業廢水排放量以及用水量數據來源于各市環境狀況公報。數據縱向覆蓋7年(2012—2018年)，橫向覆蓋長三角城市群27個城市，共計189個決策單元。

4 超效率SBM和Malmquist指數評價結果

4.1 超效率SBM評價結果

運用超效率SBM模型測算長三角城市群27個城市2012—2018年水資源利用效率，所用軟件為MaxDEA pro，計算結果見表2。

表2 2012—2018年長三角城市群各市水資源利用效率

從整體水資源利用水平來看，長三角城市群2012—2018年水資源利用效率均值為0.766，水資源利用率良好，但仍有較大提升空間。7年間總體水資源利用效率呈波動上升狀態，2018年總體水資源利用效率最高，達到0.798，整體態勢偏好。

從各市歷年水資源利用效率來看，始終保持在較前沿面的有無錫市、寧波市、金華市、舟山市、池州市和上海市，這幾個城市在2012—2018年間每年始終保持DEA有效。無錫市7年間人均水資源擁有量平均只有484 m3，上海市7年間人均水資源擁有量在長三角城市群里一直處于末位，如2018年人均水資源擁有量僅有159.67 m3，無錫和上海水資源利用率較高的原因是區位優越，技術水平較高。池州市人均水資源擁有量始終處于長三角城市群中領先地位，2016年人均水資源擁有量達8 638.6 m3，是同年上海的34倍，但開發利用程度低，資本與勞動力配置較好，所以水資源利用率較高。寧波市、金華市和舟山市的歷年人均水資源擁有量在長三角城市群中處于中上水平，加之依靠嚴格的水資源管理制度，實現經濟發展與資源節約同步提升。

蕪湖市、馬鞍山市、安慶市、滁州市和宣城市水資源利用效率一直處于較低水平，2012—2018年間水資源利用效率均在0.5以下，這些城市集中在安徽省，產業結構以農業占據主導地位，并且目前農業用水技術較為落后，粗放式的農業用水方式導致用水效率較低。

4.2 Malmquist指數評價結果

4.2.1分年份的Malmquist指數

由Malmquist指數模型及MaxDEA pro軟件，計算出長三角城市群2012—2018年各市的水資源利用Malmquist指數及各項指數分解值(表3)。

表3顯示：從時間序列來看，長三角城市群2012—2018年Malmquist指數均值(1.100)大于1，總體全要素生產率實現增長，只有2017年M<1，但并不影響整體提升的趨勢。此外，2012—2018年CE均值(1.019)、CT均值(1.079)和CPE均值(1.025)均大于1，而CSE均值(0.998)小于1，說明長三角城市群2012—2018年期間，水資源利用的技術方面的改善起積極作用，而規模效率在一定程度上限制了長三角城市群水資源效率的提高。

表3 不同年份Malmquist指數

從技術進步指數來看，長三角城市群2012—2018年間平均CT為1.079，并且各年CT均大于1，表明長三角地區技術進步優越，應繼續保持對技術的重視，發揮節水技術的優勢，引進節水技術人才。

從技術效率指數來看，2012—2018年的CE均值為1.019，說明整體上管理水平有所提升，從技術效率指數的分解來看，純技術效率均值為1.025，但7年間呈現波動狀態，應警惕出現下降趨勢；規模效率均值為0.998，并且也呈現波動狀態，規模效率有待重視和改善，應合理配置資源，調整水資源投入規模，健全水資源管理制度。

4.2.2分地區的Malmquist指數

表4顯示：從全要素生產率來看，2012年以來，長三角城市群中，只有銅陵市的M<1，呈負增長，增長率達-3.8%。其他城市M均大于1，均呈正向增長。其中，南通市(1.205)和鎮江市(1.280)的M最高，全要素生產率增長最快，分別達20.5%和28%。南京、無錫、蘇州、鹽城、揚州、泰州、杭州、溫州、湖州、紹興、臺州、合肥和安慶的M也較高，均在1.1以上，增長率都在10%以上。長三角城市群絕大部分城市的全要素生產率都在提高。

表4 不同地區Malmquist指數

從技術效率指數來看，寧波、嘉興、金華、舟山、銅陵、滁州、池州和上海的CE<1，表明技術效率下降。寧波、嘉興、金華和銅陵是由于純技術效率出現負增長，這些城市應加大“軟”技術方面的投入與改進。舟山、滁州、池州和上海是由于規模效率呈現負增長，應當提高水資源與其他要素的匹配程度。此外，長三角城市群中只有不足40%的城市達到規模效率有效，說明并未實現規模效應，長三角城市群應當進一步合理規劃各要素投入。

從技術進步指數來看，長三角城市群各城市平均增長7.9%，說明技術引進、產品研發這類“硬”技術發揮重要作用，這與長三角地區資源優勢相關，長三角地區匯集眾多科研院校，人才儲備豐富，并且對人才吸引力大。

5 面板門檻回歸分析

運用stata15.0對面板門檻模型進行檢驗，先后確定門檻效應是否存在以及門檻數量。并依次估算單門檻，雙門檻和三門檻模型，所測出的F值和P值如表5所示。

根據表5結果可知，單一門檻值為0.494，P值為0.007，在1%水平上顯著。而雙重門檻P值和三重門檻P值均不顯著。這說明以環境規制為核心變量和門檻變量時，門檻效應存在，且表現為單門檻效應。環境規制與水資源利用效率之間呈現非線性關系。

表5 門檻效應檢驗

表6的結果顯示，當門檻值小于或等于0.494時，環境規制系數為0.607 4，P值大于0.1，不顯著。當門檻值大于0.494時，環境規制系數為1.983 4，P值小于0.1，并通過顯著性檢驗。即表明，當長三角城市群的環境規制力度小于或等于0.494時，環境規制對水資源利用效率有正向作用，但作用不顯著；當環境規制力度大于0.494時，環境規制可以顯著促進水資源利用效率的提高，每增加1%的環境規制力度，水資源利用效率增加1.983 4%。回歸結果表明，在長三角城市群中，只有當環境規制達到門檻值時，環境規制才能顯著促進水資源利用效率的提高。

表6 環境規制對水資源利用效率的回歸結果

經濟發展水平的系數為0.733 7，并且通過顯著性檢驗，表明經濟發展水平可以顯著促進水資源利用效率的提高；產業結構的系數為0.986 2，并且通過顯著性檢驗，表明第三產業所占比重越大，水資源利用效率越高；水資源稟賦對水資源利用效率有顯著正向作用，這與“資源詛咒”假說相悖，表明水資源豐富的地區，浪費和不合理利用水資源的現象得到了一定控制；人口密度和科技支出對水資源利用效均呈現正向作用，但影響作用不明顯。

6 結論與建議

6.1 結論

本文基于長三角城市群2012—2018年面板數據，運用超效率SBM模型測算長三角城市群水資源利用效率，并分析全要素生產率指數變動情況，最后構建以環境規制為門檻變量的面板門檻模型，實證檢驗環境規制對水資源利用效率的影響作用，主要研究結論如下：①長三角城市群水資源利用效率良好，有較大提升空間，全要素生產率整體呈波動上升趨勢；②長三角城市群各城市之間水資源利用效率有顯著差異；③環境規制對水資源利用效率的影響存在單一門檻效應，不存在雙重門檻和三重門檻效應。當環境規制力度低于門檻值0.494時，環境規制對水資源利用效率有促進作用，但不顯著，環境規制力度高于門檻值0.494時，才能顯著促進水資源利用效率的提升。

6.2 建議

為了推進長三角城市群水資源利用效率的提升，并更好地發揮環境規制對水資源利用效率的促進作用，筆者提出以下幾點政策建議：

a.長三角城市群整體水資源利用效率良好，但各市水資源利用現狀不同，成因也各異。各市應當結合水資源利用水平和全要素生產率各項指數情況，著眼成因，針對性地調整，做到有的放矢，從不同著力點提升水資源利用效率。

b.長三角城市群應當繼續保持技術進步的優勢，推進技術創新，提升技術手段，發揮技術進步對水資源利用效率的積極作用，同時也要積極調整規模效率，合理規劃各要素，改善水資源投入的結構與規模水平。

c.重視環境規制對水資源利用效率的促進作用，繼續加強各城市對水環境問題的重視，把握環境規制力度、完善環境規制政策，貫穿綠色發展理念。長三角各市政府要加以引導，具體評估各地環境規制力度，對于環境規制力度不足的城市，要合理加大環境政策實施力度，提升環境規制的效果，確保環境規制能夠有效顯著促進水資源利用效率的提升；對于環境規制力度過大的城市，應合理調配相關人力、物力資源，不應造成相關資源浪費。