中國水足跡驅動因素空間異質性分析

鄭春梅

摘要：通過構建水足跡變化的STIPAT模型，定量分析2002—2014年人口、人均GDP及萬元產值水足跡對水足跡變化的影響，并通過地理加權回歸分析2014年這3類驅動因素的空間溢出效應。結果表明，從時間上看，水足跡與水足跡強度呈現出反比例關系，即水足跡強度隨著水足跡的遞增而降低;人口、人均GDP水足跡變化的影響程度最大，起到正向驅動作用，而萬元產值水足跡的影響力最小，但其卻對水足跡起到抑制作用。從空間上看，各省水足跡總量受人口、人均GDP、萬元產值水足跡的影響，其空間分布呈現出明顯的不同。

關鍵詞：水足跡;驅動因素;STIPAT模型;地理加權回歸

中圖分類號：TV213;O212? ? ? ? ?文獻標識碼：A

文章編號：0439-8114（2019）06-0034-05

DOI：10.14088/j.cnki.issn0439-8114.2019.06.009? ? ? ? ? ?開放科學（資源服務）標識碼（OSID）：

Abstract： Through establishing the STIRPAT model of water footprint changes， the impact of population， GDP per capita， and ten thousand yuan of water footprint changes from 2002 to 2014 was quantitatively analyzed， and the spatial spillover effects of these three types of drivers in 2014 were analyzed by geographically weighted regression. The results showed that from a time point of view， the water footprint and the water footprint intensity showed? inversely proportional relationship， that was， the water footprint intensity decreased with increasing water footprint; Population， GDP per capita had the greatest impact on the water footprint changes， which played a positive effect while the ten thousand yuan of water footprint had least impact， but it had an inhibitory effect on the water footprint. From the spatial point of view， each administrative district was affected by the population， GDP per capita and ten thousand yuan of water footprint effects， and the spatial distribution of water footprints showed significant differences.

Key words： water footprint; driving factors; STIRPAT model; geographic weighted regression

中國是世界上干旱缺水的國家，人均水資源擁有量極其匱乏，東西跨度大導致的水資源分配不均加劇了水資源短缺的現狀。面對嚴峻的水資源形勢，政府已經將能源、糧食、水資源定為三大戰略資源。可見，水資源已成為制約可持續發展的“命門”。水足跡作為表征人類活動對水資源消耗的有效工具，已引起了全球學者的廣泛關注，其中基于STIRPAT模型的水足跡影響因素分析是進行水足跡分析的主流研究手段之一。Zhao等[1]通過測算1990—2009年中國農業水足跡的相關數據，運用STIRPAT模型探索人口、富裕、城鎮化水平以及農產品飲食結構對農業水足跡的影響。龍愛華等[2]應用STIRPAT模型，從人口、經濟和技術3個方面探索影響2000年中國水足跡的因素，發現人口對水足跡消耗的影響程度最大。奚旭等[3]基于經典的IPAT模型，將驅動水足跡變化的因素分為人口、富裕度和技術，借助指數分解法測算驅動因素的貢獻率，發現1997—2011年富裕度對水足跡消耗的影響程度最大。任毅等[4]基于改進的STIRPAT模型，收集1990—2011年定西市人口、人均GDP、產業結構等人文因素的相關數據，定量分析了這些因素對該市生態足跡的影響。王亮[5]基于STIRPAT模型，并利用SPSS19.0定量分析了影響鹽城市可持續發展的人口、經濟和技術因素。吳玉鳴[6]利用地理加權回歸（GWR）模型，首次對中國省域旅游業的產出行為進行空間差異分析。肖宏偉等[7]借助時空加權回歸模型（GTWR）、擴展后的STIRPAT模型實證考察了2006—2011年城鎮化率、人均GDP、能源結構、產業結構等對碳排放時空分布的影響，結果顯示，考慮各驅動因素間的空間異質性和外溢性對于降低碳排放量至關重要。孫克等[8]基于2012年中國31個省市的灰水足跡數據，通過構建地理加權回歸的STIRPAT模型，探究人口、技術等人文因素對灰水足跡影響的空間異質性。

在上述研究的基礎上，依據水足跡相關理論，計算2002—2014年中國31省（市、自治區）水足跡，基于STIRPAT模型，利用SPSS 22.0定量分析引起水足跡變化的人口數量、人均GDP以及萬元產值水足跡（水足跡強度）因素，檢驗水足跡總量與經濟增長之間是否存在EKC（Environmental Kuznets Curve）關系;同時依據檢驗結果，運用空間計量經濟學方法——地理加權回歸，分析中國省際水足跡驅動因素的空間溢出效應，因地制宜地提出適合各省市的水資源策略。

1? 研究方法

1.1? STIRPAT模型

采用STIRPAT模型，分析人口、人均GDP以及萬元產值水足跡（水足跡強度）對水足跡產生的影響。STIRPAT模型是由經典的IPAT等式（即有關人口、富裕和技術的回歸）改造而成的隨機形式，IPAT模型形式[9]如下：

式中，a為常數項，b、c、d為各驅動因素指數，e是誤差項，I、P、A、T分別代表環境、人口、富裕度以及技術。當a=b=c=d=e=1時，STIRPAT模型就還原成IPAT等式。為測試P、A、T對I的影響，通常對上式取對數，即：

為研究中國水足跡的驅動因素，構建模型（3）。

式中，lnI為因變量，代表水足跡總量;lnP、lnA、lnT為自變量，分別代表人口、人均GDP、萬元產值水足跡（水足跡強度）這3項指標;lna為常數項，lne為誤差項;a1、a2、a3分別為相關系數。對經過調整后的模型進行多元線性回歸，根據彈性系數概念，人口、人均GDP、萬元產值水足跡每變化1%時，將分別引起水足跡發生a1%、a2%、a3%的變化。

為了檢驗經濟增長與水足跡消耗之間是否存在EKC（倒“U”型）關系，將模型（3）中的lnA分解成lnA和（lnA）2兩項，則模型調整為：

式中，a21和a22分別為人均GDP對數的系數及人均GDP對數二次項的系數。

由式（4）得出人均GDP驅動水足跡消耗的彈性系數為β。

如果a22<0，則說明水足跡會隨著人民生活水平的提高呈現先增長后遞減的趨勢，即存在EKC關系。

1.2? 地理加權回歸模型

地理加權回歸模型[10]，簡稱GWR模型，是對一般線性回歸模型的擴展。該模型將數據的空間位置嵌入到回歸中，是變量空間位置的函數，即：

式中，（ak，bk）為第k點的空間位置，即地理坐標，αi（ak，bk）為第k點上第i個變量X的回歸系數，是有關變量空間位置的函數。

2? 數據來源與分析

2.1? 數據來源

本研究需要的水足跡以及人口總量、人均GDP、萬元產值水足跡等相關數據均來自《中國統計年鑒》（2002—2014年）。2002—2014年中國STIRPAT模型主要指標見表1。

2.2? 水足跡的測算與分析

目前，通用的水足跡測算方法主要有兩種，一種是自上而下的方法，是一種差額計算方法，即水足跡等于本區域進口產品所含的虛擬水和水資源消耗之和再減去出口產品所需的虛擬水。由于缺乏詳盡的區域間產品貿易記錄，這種方法不能夠測算出完整的水足跡總量。因此大多采用第二種方法，即自下而上的方法，水足跡等于區域內單位產品虛擬水含量與消費的產品數量乘積之和。本研究正是基于水足跡自下而上的算法，從消費者角度出發，建立了水資源賬戶，具體包括以下5個方面。

1）農業水足跡。中國居民消費的農畜產品種類多樣，各地區統計分類標準和消耗數量各異，根據研究需要和數據的可得性原則，本研究借鑒2004年Chapagain等[11]得出的單位質量農畜產品的虛擬水含量，選取了全國范圍內具有普遍性的11種農畜產品作為研究對象[12]，如表2所示。計算公式為：

式中，WFa表示農業水足跡，Qk表示第k種農畜品消耗數量，UWk表示第k種農畜品單位虛擬水含量。

2）工業水足跡。對工業水足跡采用估計方法，首先計算各地區農業水足跡，結合地區經濟發展水平差異和工業產品的耐用屬性引起的消費需求的差異，將中國東部、中部和西部地區的工業產品虛擬水消費量分別設定為該地區農業水足跡消費量的12%、9%和7%。

3）生活水足跡。生活水足跡等于城市和農村日常生活用水之和。

4）生態水足跡。生態水足跡指的是從水資源供給和需求角度出發，維持生態系統正常運轉和相對穩定所必需的水資源。

5）灰水足跡。灰水足跡是以自然本底濃度和現有環境水質為基準，將一定的污染物稀釋后達到排放、再利用標準所需要的淡水體積[12]。在本研究中，灰水足跡總量等于農業、工業和生活灰水足跡之和。

2.3? 水足跡總量與水足跡強度

水足跡強度是水足跡與生產總值的比值。2002—2014年水足跡總量與水足跡強度的關系如圖1所示。近13年來水足跡總量呈現波動上升的趨勢，2003和2007年略有降低，但總體來看，其總量大致呈現上升趨勢，尤其是2012年水足跡總量的增長率達到最高值并且有持續增高的趨勢;2002—2014年水足跡強度與水足跡總量呈現出明顯的反比關系，理論上可以說水足跡強度對水足跡起到抑制作用，但是其抑制作用并沒有很明顯，因此需考慮其他因素對水足跡的驅動作用。

3? 結果與分析

3.1? 回歸分析

運用SPSS 22.0對水足跡及其驅動因素進行多元線性回歸，結果見表3，F=104.678，P為0.000，表現為高度顯著，且R2=0.972，調整后的R2=0.963，表明水足跡與各驅動因素擬合效果顯著。由表3可知，人口、人均GDP及水足跡強度這幾項指標的VIF值都大于10，其中人均GDP和水足跡強度的VIF值分別為20 858.056和494.083，說明其存在著嚴重的多重共線性。

為了消除多重共線性，本研究借助嶺回歸對相關數據進行重新回歸，結果見表4。

由表4可知，F=6.602，P為0.012，且R2=0.767，表現為高度顯著，lnT通過了5%的顯著性水平檢驗，lnP、lnA、（lnA）2均通過了1%的顯著性水平檢驗。因此，模型（4）可以較好地解釋水足跡總量與各自變量之間的關系，其具體表達式為：

從各驅動因素的系數來看，人口數量、人均GDP的增加都會促進水足跡總量的增加，其中，人口對水足跡的影響最大，人口每增加1%，水足跡總量將增加0.289%;而水足跡強度則對水足跡總量起到抑制作用，與人口規模的驅動作用呈現對立狀態，但是其抑制作用明顯低于人口的促進作用，因此應加大對水資源利用方面的技術支持，努力降低水足跡強度，從而抑制水足跡總量的增長。

參照模型（6），（lnA）2的系數為0.227，大于0，說明在觀測期內，人均GDP與水足跡消耗并沒有呈現EKC關系。

4? 中國省域水足跡驅動因素的空間異質性分析

運用空間自相關模型，借助Geoda軟件計算2002、2008和2014年中國31省市水足跡的莫蘭指數，分析水足跡的空間自相關;借助GWR等模型軟件實現數據的空間分析、模型運行、空間結果展示，從31個省（自治區）的角度分析水足跡驅動因素的空間異質性，探究驅動因素變化的內在規律，可根據實證研究得出的結論提出具有針對性的政策建議，優化水資源利用政策，因地制宜地提出適合各地區的水資源策略。

4.1? 水足跡空間自相關

本研究計算了2002、2008和2014年中國31省市水足跡全局自相關的莫蘭指數（Morans I），分別為0.23、0.20、0.18，如圖2所示。Morans I>0，表明區域間水足跡具有相同的變化趨勢，即具有高水足跡的區域其周邊相鄰地區的水足跡也偏高，反之亦然。因此正確理解水足跡的空間集聚現象，并發揮空間效應的作用，有利于從整體上降低中國水足跡消耗，達到節約用水的目的。

4.2? 省域水足跡驅動因素的空間異質性分析

基于Stirpat模型分析結果，在GWR模型中，分別選取人口總量、人均GDP及水足跡強度作為人口規模效應、經濟規模效應及技術效應。本研究就是在此基礎上選取2014年為研究對象，借助GWR 4.0實現數據的空間分析。結果顯示，調整后R2=0.935 3，擬合優度高于嶺回歸檢驗的結果，因此可以應用該模型分析人口規模效應、經濟規模效應與技術效應對水足跡總量驅動的空間分布特征。

1）人口規模效應對水足跡驅動的回歸系數的空間分布特征。系數為正表示人口數量對水足跡的消耗起促進作用，在空間分布上呈現南北走向，即水足跡由南向北逐漸遞增，說明中國人口規模對水足跡的相對壓力由南向北逐漸加大。

2）經濟規模效應，即人均GDP對水足跡驅動的回歸系數的空間分布特征。系數為正表示經濟規模對水足跡的消耗起促進作用，其在空間分布上自東向西逐漸遞減。新疆、西藏、甘肅等西部地區受制于其經濟發展水平，其水足跡消耗明顯低于東部發達地區。

3）技術效應，即萬元產值水足跡對水足跡回歸系數的空間分布特征。系數為負表示技術效應對水足跡消耗起到抑制作用，其在空間分布上自西向東依次遞減。系數越小，表示水足跡強度越低，即萬元產值用水量越少。因此應加大技術投入，激勵相關企業改進生產工藝，提高用水效率，以此來抑制水足跡總量的消耗。

5? 小結與討論

本研究采用STIRPAT模型，分析了全國人口、人均GDP、水足跡強度對水足跡消耗的影響，并通過選取2014年作為研究對象，利用31省市的各驅動因素的GWR回歸系數佐證了各驅動因素對水足跡的影響，同時得出各驅動因素對水足跡影響的空間分布特征，其結果如下。

1）從全國來看，人口數量、人均GDP、水足跡強度每增加1%，水足跡將發生0.289%、（0.188+0.454lnA）%和-0.129%的變化。隨著經濟發展水平的提高，人均GDP也不斷提高，與此同時，水足跡逐漸增多，這也從另一個側面反映了保證水資源供給是經濟發展的必要條件。（lnA）2的系數為0.227，大于0，說明在觀測期內，人均GDP與水足跡之間不存在EKC關系。

2）不同的驅動因素對水足跡的影響存在空間差異。人口規模效應、經濟規模效應和技術效應對水足跡的影響所呈現出的空間分布特征，應該可以結合中國具體國情來解釋，一是在人口規模效應上，人口規模對水足跡起到促進作用，其由南向北逐漸遞增的趨勢與中國人口分布有著密切關系;二是在經濟發展水平上，東部地區相較西部地區經濟發展更快，這客觀上導致了經濟規模對水足跡的影響呈現由東向西遞減的趨勢;三是由經濟發展所帶來地區科技投入的不同而引發的水足跡強度對水足跡總量的影響呈現由西向東遞減的趨勢，即表現為東部地區用水效率比較高，西部地區較低，因此，通過提高用水效率來達到節水的目的就顯得尤為重要。

3）水足跡驅動因素時空差異分析對于制定適合各地區的水資源策略具有十分重要的作用。在現行體制下，中西部地區應轉變傳統的經濟發展模式，在招商引資的同時，注重環境保護，減少灰水足跡，即需要各級政府在經濟發展上由重數量向重質量轉變;同時加大技術投入，激勵當地企業改進生產工藝，提高水資源利用效率，降低水足跡。東部地區要注意協調人口數量、經濟發展與水資源消耗之間的關系，制定合理的人口政策，在原有水資源利用效率的基礎上通過技術投入進一步提高水資源利用效率，降低水足跡。

參考文獻：

[1] ZHAO C F，CHEN B，HAYAT T，et al. Driving force analysis of water footprint change based on extended STIRPAT model： Evidence from the Chinese agricultural sector[J].Ecological indicators，2014，47：43-49.

[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] 奚? 旭，孫才志，趙良仕.基于IPAT-LMDI的中國水足跡變化驅動力分析[J].水利經濟，2014，32（5）：1-5.

[4] 任? 毅，李? 宇，鄭? 吉.基于改進STIRPAT模型的定西市生態足跡影響因素研究[J].生態經濟，2016，32（1）：89-93.

[5] 王? 亮.基于生態足跡的鹽城市生態安全評價[J].國土與自然資源研究，2012（1）：59-61.

[6] 吳玉鳴.中國省域旅游業彈性系數的空間異質性估計——基于地理加權回歸模型的實證[J].旅游學刊，2013，28（2）：35-43.

[7] 肖宏偉，易丹輝.基于時空地理加權回歸模型的中國碳排放驅動因素實證研究[J].統計與信息論壇，2014，29（2）：83-89.

[8] 孫? 克，徐中民.基于地理加權回歸的中國灰水足跡人文驅動因素分析[J].地理研究，2016，35（1）：37-48.

[9] 焦文獻，陳興鵬.基于STIRPAT模型的甘肅省環境影響分析——以1991-2009年能源消費為例[J].長江流域資源與環境，2012， 21（1）：105-110.

[10] BRUNSDON C，FOTHERINGHAM A S，CHARLTON M E. Geographically weighted regression：A method for exploring spatial nonstationarity[J].Geographical analysis，1996，28（4）：281-298.

[11] CHAPAGAIN A K，HOEKSTRA A Y. Virtual water trade： Water footprint of nations（No.16）（Volume1：Main report）[R].IHE Delft，2004.1-76.

[12] HOEKSTRA A Y，CHAPAGAIN A K，MARTINEZ-ALDAYA M M，et al. The water footprint assessment manual：Setting the global standard[M].London：Earthscan，2011.