黃河流域九?。▍^）水資源利用效率測度及演化分析

王 敏，謝雨涵，鄧夢華，范佳緣

（1.河海大學 商學院，江蘇 南京 211100；2.江蘇省“世界水谷”與水生態文明協同創新中心，江蘇 南京 211100）

水作為人類不可或缺的生產生活資料，對國民經濟和社會發展至關重要。 黨的十九屆五中全會明確指出以高質量發展為主題，“推動綠色發展，促進人與自然和諧共生”，這對我國水資源利用效率的提升和水環境的改善提出了更高要求。 黃河流域作為我國重要的人口聚集區、農業生產區和生態屏障區［1］，近年來受氣候變化和生態環境惡化等因素影響，水資源呈持續減少趨勢。 2001—2017 年年均天然徑流量比1956—2000 年年均值減少了14%，而2007—2017 年用水總量年均增長率為0.72%，遠超全國水平（0.38%）［2］。 尖銳的水資源供需矛盾和嚴峻的荒漠化形勢已成為黃河流域可持續發展的關鍵瓶頸，同時，黃河流域各地區資源稟賦和經濟狀況不同，水資源利用效率差異顯著。 黃河流域生態保護和高質量發展重大國家戰略的提出為黃河流域發展帶來了新的機遇和挑戰［3］，科學評估黃河流域水資源利用效率并探討其時空格局及動態驅動因素，對于緩解流域水資源供需矛盾、推動黃河流域生態保護和高質量發展具有重要意義。

隨著對水資源利用重視程度的進一步提高，國內外學者對水資源利用效率的研究成果越來越豐富。 在水資源利用效率測度方法方面，早期主要從單要素視角出發，計算人均供水量等消耗系數，采用比值分析法測算水資源利用效率［4］，但通常會忽視其他經濟社會要素投入的貢獻［5］，而同時考慮多個投入與產出要素的數據包絡分析方法（DEA）則可以很好地解決這一問題［6］。 錢文婧等［7］、戚國強等［8］、屈曉娟等［9］、張煒等［10］分別利用DEA 方法對我國不同行業、不同區域的水資源利用效率進行測度與評價，但單一的DEA 方法不能反映效率的動態變化情況。 為進一步開展動態效率評價，學者們引入Malmquist 指數評價效率變化及其驅動因素。 盧曦等［11］通過三階段DEA 模型測算我國長江經濟帶11 個省市的水資源利用效率，并通過Malmquist 指數發現純技術效率和綜合技術效率均值被低估，技術成為制約水資源利用效率提升的主要因素。 張兆方等［12］利用超效率DEA 模型測算我國“一帶一路”地區的水資源利用效率，并通過Malmquist 指數發現水資源全要素生產率呈上升趨勢，且效率變化大部分由技術進步決定。 在水資源利用效率的研究對象方面，學界多從全國及省際層面展開研究［13－14］，而近年來得益于長江經濟帶“生態優先、綠色發展”、黃河流域生態保護和高質量發展等重大國家戰略的實施，以區域為對象的水資源效率研究逐漸增多［15－16］。由于黃河流域水資源短缺且生態環境脆弱，因此研究主要圍繞植被覆蓋變化、氣候水文和水環境承載能力等展開［17－18］，對黃河流域水資源利用效率的探討較少，且側重于農業水資源及靜態效率，考察流域整體水資源利用效率及其動態演進趨勢的研究較為缺乏。

綜上所述，基于流域視角研究水資源利用效率及其動態變化的文獻較少，多數研究以行政單元為基礎分析國家及省市的用水效率，但由于水資源的自然資源屬性多依附于流域單元，且水資源利用一體化管理政策多在流域尺度實施，因此以地理特點和經濟發展需求劃分流域基本單元，開展對水資源利用效率的測度研究，更有助于反映區域真實的水資源利用狀況。鑒于此，在已有研究基礎上，筆者基于黃河流域2007—2019 年?。▍^）面板數據，采用DEA 方法測度黃河流域九?。▍^） 的水資源利用效率，并通過Malmquist 指數分析其用水效率的動態演變趨勢，以期為黃河流域水資源可持續利用和水環境綜合治理提供參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1 DEA 模型

DEA 模型是一種效率衡量工具，適用于多種投入、多種產出的效率評價，且無須處理隨機誤差的影響。 運用DEA 模型研究水資源利用效率時，不需要對數據進行無量綱化處理，實證分析操作更加便捷。 其研究思路：先將每個決策單元（DMU）的實際投入與產出反映在空間上，再確定投入最小化或產出最大化生產前沿面，最后計算樣本點所代表的生產能力到最優生產前沿面的距離，并以此為依據評價樣本點的綜合效率。 本文采用Banker 等［19］提出的以投入為導向、規模收益可變的BCC（Banker?Charnes?Cooper）模型測度水資源利用效率：

式中：θ為效率評價指數，θ＜1 時稱DMU 為非DEA 有效，θ＝1 時稱DMU 為DEA 有效；Xik為第k個決策單元的第i個投入變量；Yrk為第k個決策單元的第r個產出變量；λj為系數；Xij為第j個決策單元的第i個投入變量；Yrj第j個決策單元的第r個產出變量；m、q、n分別為投入變量、產出變量、決策單元的個數。

1.1.2 Malmquist 指數模型

Malmquist 指數是一種評價DMU 全要素生產率動態變化情況的非參數指標［20］。t時期技術水平下的生產效率指數計算公式為

t＋1 時期技術水平下的生產效率指數計算公式為

式中：Xt、Yt分別為t時期決策單元的投入數據和產出數據；Dt0（Xt，Yt） 、（Xt＋1，Yt＋1） 分別為t、t＋1 時期投入產出到有效前沿面的距離。

Fare 等［21］應用DEA 模型對Malmquist 指數進行測算，在靜態DEA 模型基礎上構建了從t到t＋1 時期的動態Malmquist 指數，并將其分解為技術效率變化指數和技術進步變化指數。 從t到t＋1 時期的Malmquist 指數表達式為

分解為

其中，

式中：Tfpch為全要素生產率指數，反映水資源利用效率的動態變化情況；Effch為技術效率變化指數，表示水資源利用效率與當期效率前沿面的距離發生改變，其可分解為純技術效率變化指數（Pech）與規模效率變化指數（Sech），反映水資源利用管理體制與用水規模情況；Techch為技術進步變化指數，指研究期內效率前沿面的外拓，反映技術進步程度；CRS、VRS 分別表示規模報酬不變、可變。

1.2 指標選取及數據來源

選取2007—2019 年黃河流域的青海、四川、甘肅、寧夏、內蒙古、山西、陜西、河南、山東九?。▍^）作為水資源利用效率評價單元。 結合DEA 模型特點以及指標選取的合理性，選取資本存量、水資源使用量、年末人口數量作為投入指標，以黃河流域九?。▍^）的實際生產總值作為產出指標。

為保證產出指標數據的一致性，各省（區）按照對應的GDP 平減指數，將每年的實際生產總值換算成以2000 年為基準年計算的可比實際生產總值。 投入指標中，資本存量采用永續盤存法計算［22］，公式為：當年資本存量＝（1－折舊率）×上年資本存量＋當年新增投資（采用張軍等［23］提出的9.6%經濟折舊率）。 水資源使用量、年末人口數量數據來源于2007—2019 年《中國統計年鑒》以及各?。▍^）統計年鑒和統計公報。

2 黃河流域水資源利用效率的時空演化與驅動因素

2.1 基于DEA 模型的時間序列與空間格局特征

采用BCC?DEA 模型，測算得到2007—2019 年黃河流域水資源利用效率的整體變化趨勢，結果見表1。效率值等于1 是DEA 有效的表征，效率值越接近1 則效率越高，效率值越小則效率越低。 總體來看，2007—2019 年黃河流域水資源利用效率出現了先降后升的趨勢，研究期內總體下降了9.3%。 2007—2016 年黃河流域平均水資源利用效率距離DEA 完全有效前沿面出現了一定程度的偏離，各省（區）效率均值由2007年的0.882 降至2016 年的0.769。 山東、四川兩省效率值始終保持DEA 有效，其余大部分?。▍^）均呈現小幅下降趨勢，且2008—2010 年降幅較為明顯。 原因在于部分地區節水技術推廣受限以及經濟快速發展導致人們在生產過程中過多追求經濟收益，忽視了對水資源投入的控制。 2016 年后大部分?。▍^）水資源利用效率呈緩慢上升趨勢，說明“十三五”期間實施的最嚴格水資源管理制度、用水總量和強度控制目標責任制等考核辦法對減少地方水資源的粗放使用和無效供給、提升水資源利用效率發揮了積極作用。

表1 2007—2019 年黃河流域九?。▍^）水資源利用效率

從區域差異上看，黃河流域水資源利用效率整體呈現上中游地區低、下游地區高的格局，且各?。▍^）之間兩極分化現象顯著。 位于黃河流域上游的青海、寧夏在研究期內水資源利用效率均值分別為0.577、0.501，距離最優前沿面存在較大程度的偏離；而位于流域下游的山東效率均值在0.8 以上。 究其原因，寧夏由于地處西北內陸干旱地區，地表水資源匱乏且分布不均，水利基礎設施薄弱，整體技術水平不高，因此其水資源利用效率最低；山東經濟較為發達，水利現代化發展程度較高，高效節水技術較為普及，因而其水資源利用效率最高。

2.2 基于Malmquist 指數的水資源利用效率動態演進趨勢及驅動因素分析

利用式（6）對2007—2019 年黃河流域水資源利用效率進行Malmquist 指數測算與分解，結果見表2。可以看出，研究期內水資源利用效率Malmquist 指數在0.986～1.031 之間波動，黃河流域水資源利用效率年均增長0.5%，且僅有4 a 的效率變化率小于0，即出現負增長。 從驅動因素看，效率變化率的小幅提升源于技術進步變化指數足以彌補規模效率變化指數以及純技術效率變化指數的下降，說明技術進步是提升黃河流域水資源利用效率的主要驅動因素。

表2 2007—2019 年黃河流域水資源利用效率動態Malmquist 指數及其分解

由表3 可知：內蒙古水資源利用效率上升幅度最大，山東次之。 相比之下，河南、山西、甘肅、陜西水資源利用效率則出現一定程度的下降。 從技術效率變化指數及其分解來看，研究期內黃河流域整體技術效率變化指數均值為0.988，除內蒙古、山東、四川三省（區）外，其余省（區）均呈下滑趨勢；純技術效率變化指數除河南、山西兩省外均保持不變，因此技術效率變化指數的下降主要源于各地區規模效率變化指數的下降。 進一步分析可知，隨著生產規模的不斷擴大，生產中各個環節的水資源難以得到有效協調，導致規模效率變化指數有所降低。

3 結論與建議

3.1 結 論

采用基于投入導向的DEA 方法，以黃河流域九?。▍^）為基本單元，分析了水資源利用效率的時間序列與空間格局特征，運用Malmquist 指數探究效率的動態演進趨勢及其驅動因素，結論如下。

（1）2007—2019 年，黃河流域水資源利用效率整體下降了9.3%，經歷了2007—2016 年的持續下降、2017—2019 年的緩慢上升兩個階段，各?。▍^）效率均值由2007 年的0.882 降至2019 年的0.789，效率總體處于較高水平。 研究期內山東、四川兩省效率值始終位于前沿面上，2019 年除了內蒙古出現小幅上升外，其余?。▍^）效率值均呈現小幅下降趨勢，其中河南、山西效率下滑幅度較大。

（2）研究期內黃河流域上游的青海、寧夏水資源利用效率較低，而流域下游的山東效率均值在0.8 以上，流域內部兩極分化現象顯著。 水資源利用效率總體表現為下游地區高、上中游地區低，流域內部呈現“東高西低”的空間格局。

（3）黃河流域水資源利用效率Malmquist 指數年均增長0.5%，變化率在0.986 ～1.031 之間。 技術進步是導致水資源利用效率變化的主要驅動因素，技術效率變動對用水效率變化的影響較小，技術效率的下降主要源于各?。▍^）規模效率的下滑。

3.2 建 議

（1）統籌推進流域內部區域合作，發揮水資源利用集聚效應。 目前黃河流域的水資源利用效率整體較高，但較研究期初仍有小幅下降，因此要加快下游高效率省份的技術外溢，同時嚴格控制上游地區的用水方式，避免水環境污染等現象的出現，進而提升流域內部的水資源配置效率。

（2）準確把握黃河流域內部社會經濟關聯和資源稟賦的共性特征，以流域為單元推進區域水資源利用的一體化管理。 利用流域下游地區優勢輻射帶動中上游弱勢?。▍^）發展，補齊水資源開發利用短板。 對于水資源利用效率不高的青海、寧夏等?。▍^）實施技術指導和重點督察，縮小其與效率前沿面的距離。

（3）同步增強技術進步和技術效率對提升黃河流域水資源利用效率的正向驅動作用。 一方面要增加節水技術和基礎設施研發方面的投入，同時充分發揮信息網絡在提高污水處理能力、加快推動耗水產業轉型升級中的正向影響，從而推動整體效率前沿面的外拓；另一方面，繼續加大對水資源“三條紅線”的監管和考核力度、完善水資源管理體系，對于水資源利用狀況不佳的地區進行專項研究和重點管控。