中國產業(yè)用水量變化驅動效應分解與差異分析

章恒全，覃穎聰，張陳俊

(1.河海大學商學院，江蘇 南京 211100； 2.河海大學工程管理仿真實驗室，江蘇 南京 211100；3.河海大學企業(yè)管理學院，江蘇 常州 213022；)

水是生命之源、生產之要、生態(tài)之基。中國是嚴重缺水的國家，水資源量占世界水資源量的6%，人均水資源量僅為世界人均水平的28%，排名第121位。中國正處于經(jīng)濟中高速增長階段，資源被大量開發(fā)與利用。為了防止資源的枯竭和過度開發(fā)，實施可持續(xù)的經(jīng)濟發(fā)展模式顯得尤為重要。2016年10月，中華人民共和國水利部發(fā)布《“十三五”水資源消耗總量和強度雙控行動方案》，提出要落實最嚴格水資源管理制度，實施水資源消耗總量和強度雙控行動，全面推進節(jié)水型社會建設，因此，用水量變化的驅動效應研究對雙控行動的貫徹落實具有指導意義。

指數(shù)分解法(index decomposition analysis，簡稱IDA)被廣泛運用于水資源消耗變化影響因素分解分析。張強等[1]運用LMDI(logarithmic mean divisia index)乘法模型將大連市1980—2009年水資源利用變動分解為定額效應、產業(yè)結構變動效應、經(jīng)濟規(guī)模效應和人口效應。劉翀等[2]將安徽省工業(yè)用水量變化分解為規(guī)模效應、結構效應和用水定額效應，其中，規(guī)模效應是驅動工業(yè)用水量增加的主要因素，而其他兩個效應都促進了工業(yè)用水量減少。張禮兵等[3]還考察了節(jié)水效應對抑制安徽省工業(yè)用水量增加的貢獻。秦昌波等[4]將陜西省生產用水量變化分解為經(jīng)濟規(guī)模效應、產業(yè)結構效應和用水技術效應。孫才志等[5]將中國產業(yè)用水量變化分解為經(jīng)濟水平效應、產業(yè)結構效應、用水強度效應和人口規(guī)模效應。佟金萍等[6]運用完全分解模型，研究得到中國萬元GDP用水量下降的主要原因是技術進步和產業(yè)結構調整。Xu等[7]將北京市1978—2012年農作物水足跡變化分解為節(jié)水技術效應、種植結構效應、產出規(guī)模效應、城市化效應和人口效應。韓琴等[8]將中國31個省市自治區(qū)(不包括臺灣省、香港和澳門特別行政區(qū))1998—2012年灰水足跡效率變化分解為效率效應、結構效應、經(jīng)濟效應、稟賦效應、開發(fā)效應和技術效應。張陳俊等[9-10]考察了區(qū)域經(jīng)濟份額、區(qū)域人口分布對中國用水量變化的影響。上述文獻都是從時間角度分解用水量變化的驅動效應，張陳俊等[11-13]還從空間角度分解區(qū)域用水量空間差異的驅動因素。

從現(xiàn)有研究可以看出：①無論從時間或空間角度分解用水量變化(差異)的驅動效應，均可歸結為經(jīng)濟增長效應、產業(yè)結構效應、技術進步效應和人口規(guī)模效應4個方面，尚未發(fā)現(xiàn)投資相關因素對用水量變化影響的文獻。改革開放以來，大規(guī)模的固定資產投資成為中國經(jīng)濟快速增長的首要推動力，從而帶來用水量的增加[14]。因此，在用水量變化的驅動效應中納入投資指標，可以更深入地挖掘用水量變化的作用機制和影響機理。②眾多學者按照東中西部三分法進行分組研究[10，15]，忽略了地區(qū)內部各省市自治區(qū)經(jīng)濟發(fā)展水平、水資源利用等差異化特征，同時，分組研究有利于各省市自治區(qū)在選擇用水量控制政策時相互借鑒學習。

鑒于此，本文首先以中國2000—2016年國內生產總值和用水量年均增長率為參考，依據(jù)各省市自治區(qū)生產總值和用水量年均增長率，將31個省市自治區(qū)劃分為4個組別，將經(jīng)濟發(fā)展水平和用水量水平相似的省市自治區(qū)歸類分析，便于水資源政策的提出，優(yōu)于簡單地根據(jù)三分法進行分類分析；其次，采用LMDI乘法模型，分解分析4個組別以及各省市自治區(qū)用水量變化的驅動效應；最后，針對各組分解結果，提出針對性的適應性對策建議。

1 模型設置與數(shù)據(jù)說明

指數(shù)分解法是把一個目標變量分解成若干影響因素組合的形式，以此計算各影響因素的貢獻，廣泛應用于能源、環(huán)境、水資源領域。指數(shù)分解法主要有拉式(Laspeyres)指數(shù)分解法和迪氏(Divsia)指數(shù)分解法，后者與前者相比，分解更加完全，不存在殘差項，應用更加廣泛。Zhang等[16-17]研究得出的LMDI乘法模型是迪氏指數(shù)分解法中最優(yōu)的方法，被廣泛應用于用水量或用水強度時空差異驅動因素分解分析[5，9，11]。

1.1 模型設置

迪氏指數(shù)分解法有加法模型和乘法模型兩種形式[18]，雖然加法模型計算和解釋更加簡單和容易，但是乘法模型可以更好地解釋各省市自治區(qū)用水量變化及其驅動因素的對比，因此，本文采用LMDI乘法模型分析中國用水量變化的驅動因素。詳細的推導過程可以參考文獻[19]，該文獻主要研究碳排放變化，非水資源領域。

用水量W可表示為

(1)

式中：Wi、Ii、Gi和Pi分別為第i個省市自治區(qū)的用水量、固定資產投資、地區(qū)生產總值和人口。

將式(1)進一步改寫為

(2)

其中Si=Wi/IiOi=Ii/GiEi=Gi/Pi

式中：Si為第i個省市自治區(qū)用水量與固定資產投資的比例，反映單位投資所消耗的用水量；Qi為第i個省市自治區(qū)固定資產投資與地區(qū)生產總值的比例，反映單位地區(qū)生產總值所需要的固定資產投資；Ei表示第i個省市自治區(qū)地區(qū)生產總值與人口的比例，反映經(jīng)濟規(guī)模。

假定時間從0變化到t，則用水量變化D=Wt/W0可以表示為

(3)

其中：

(4)

(5)

(6)

(7)

式中：D定義為總效應，表示用水量變化；DS、DO、DE和DP分別定義為投資強度效應、投資效率效應、經(jīng)濟規(guī)模效應和人口規(guī)模效應，反映單位固定資產投資耗水量變化、單位地區(qū)生產總值所需投資變化、人均地區(qū)生產總值變化和地區(qū)人口規(guī)模變化對用水量變化的影響；DRes為分解余量，在LMDI中，其值為1，即用水量變化被完全分解。

1.2 數(shù)據(jù)說明

本文所用數(shù)據(jù)為2000—2016年，所涉指標為用水量、固定資產投資、地區(qū)生產總值和人口數(shù)，數(shù)據(jù)來源于歷年《中國統(tǒng)計年鑒》[20]、《中國水資源公報(紙質版)》[21]。

a. 用水量(億m3)。由于國家統(tǒng)計局和水利部將用水量指標劃分為農業(yè)用水量、工業(yè)用水量、生活用水量和生態(tài)用水量4個類別，并不是按照3次產業(yè)用水量進行劃分，因此需要對4類用水量進行重新調整：農業(yè)用水量作為第一產業(yè)用水量；由于建筑業(yè)用水量非常少，將工業(yè)用水量作為第二產業(yè)用水量；參考孫才志等[5]的處理方法，將生活用水量作為第三產業(yè)用水量；三次產業(yè)用水量加總便為產業(yè)用水量。

b. 固定資產投資(億元)。為了消除價格因素對地區(qū)固定資產投資的影響，地區(qū)固定資產投資按照2000年不變價格進行調整。

c. 地區(qū)生產總值(億元)。為了消除價格因素對地區(qū)生產總值的影響，地區(qū)生產總值按照2000年不變價格進行調整。

d. 人口數(shù)。人口指標常使用常住人口和戶籍人口兩種口徑。隨著我國社會經(jīng)濟的快速發(fā)展，人口流動的規(guī)模逐漸擴大，但很多流動人口的戶籍并未發(fā)生改變，因此，常住人口更能真實反映一個地區(qū)的人口狀況。

2 用水量變化驅動效應分析

2.1 分組標準

為了更好地研究用水量變化而非用水規(guī)模帶來的影響，以用水量和GDP的年均增長率作為標準進行分組，減少各省市自治區(qū)由于地域面積、人口基數(shù)、經(jīng)濟基礎等規(guī)模性因素帶來的影響。①計算中國2000—2016年用水量和GDP的年均增長率，分別為0.439 4%和11.250 9%；②計算2000—2016年31個省市自治區(qū)用水量和地區(qū)生產總值的年均增長率；③以中國整體用水量和GDP增長率為比較對象，將31個省市自治區(qū)劃分為4個組別。為了更加直觀地了解分組情況，以中國用水量和GDP的年均增長率為依據(jù)，將散點劃分為4個象限，如圖1所示。

圖1 中國31個省市自治區(qū)分組情況

2.2 用水量變化驅動效應分解分析

2.2.1全國

根據(jù)式(3)～(7)，計算得到2000—2016年中國用水量變化驅動效應分解結果，如圖2所示。總效應為1.072 7，表示在2000—2016年期間，用水量累計增加了7.27%，其中，經(jīng)濟規(guī)模效應和人口規(guī)模效應分別為4.924 1和1.109 4，表明經(jīng)濟增長和人口規(guī)模擴大分別促進了用水量增加492.41%和110.94%，可見兩者對用水量增加起到促進作用，尤其是經(jīng)濟增長，即經(jīng)濟增長需要投入水資源等生產要素，將增加對水資源的需求。投資強度效應和投資效率效應分別為0.761 4和0.257 9，表明投資強度下降和投資效率提高分別促進用水量下降23.86%和74.21%，可見兩者對用水量增加起到抑制作用，尤其是投資效率提高，即單位地區(qū)生產總值所需固定資產投資額的減少，有助于促進投資下降，從而帶來用水量下降。由于經(jīng)濟增長和人口規(guī)模擴大對用水量增加的促進作用大于投資強度和投資效率對用水量增加的抑制作用，最終導致用水量增加。

為了更加清楚地反映各驅動效應在2000—2016年對用水量演變的動態(tài)影響，將2000年設為基年，計算得到各驅動效應對用水量變化影響的累計效應值，如表1、圖3所示?？傂?003年呈下降趨勢，表明2003年用水量下降，這與當年供水量不足導致需求不足，以及節(jié)水型社會建設開展密切相關。2004—2013年用水量呈遞增趨勢，年均增長率為1.19%，2014—2016年用水量呈遞減趨勢，主要與最嚴格水資源管理制度的貫徹落實密切相關。

年份投資強度效應投資效率效應經(jīng)濟規(guī)模效應人口規(guī)模效應總效應20011.00460.92191.08661.00641.012720020.98840.83761.19161.01360.999920030.91670.77001.32221.02160.953420040.90080.72211.48441.02960.994220050.89510.65251.67741.02871.007820060.90420.58531.88871.03761.037220070.86950.53312.14121.04701.039220080.80710.51922.38031.05591.053220090.83540.45432.64021.06411.066320100.80910.41712.97081.07081.073620110.77110.39563.32111.07631.090520120.76970.36033.65641.08231.097420130.77210.32973.99001.08861.105620140.75630.30564.30681.09471.089920150.76900.27784.62011.10201.087820160.76140.25794.92411.10941.0727

圖3 2000—2016年中國用水量變化驅動效應累計貢獻

經(jīng)濟規(guī)模效應和人口規(guī)模效應一直保持對用水量增加的促進作用，其中，經(jīng)濟增長是促進用水量增加的首要因素，效應值由2001年的1.086 6增加到2016年的4.924 1，年均增長率達到10.60%。人口規(guī)模效應是促進用水量增加的次要因素，從2001年的1.006 4增加到2016年的1.109 4，年均增長率達到0.65%。

投資強度效應和投資效率效應一直保持著對用水量增加的抑制作用(除2001年的投資強度效應)。其中，投資效率提高是抑制用水量增加的首要因素，效應值由2001年的0.921 9下降到2016年的0.257 9，表明對用水量增加的抑制作用從2001年的0.078 1增加到2016年的0.742 1，年均增長率達到16.19%，可見，單位地區(qū)生產總值所需投資額的下降有力促進了用水量的下降。投資強度效應的提高是抑制用水量增加的次要因素，2001年投資強度效應值為1.004 6，投資強度相比較于2000年有所增加，從2002年開始下降，由2002年的0.988 4下降到2016年的0.761 4，表明對用水量增加的抑制作用從2002年的0.011 6增加到2016年的 0.238 6，年均增長率為24.11%?？梢姡瑔挝还潭ㄙY產投資所需水量的下降促進了用水量的下降。

2.2.2組1

從組內3個省市自治區(qū)用水量變化及其驅動效應來看，經(jīng)濟規(guī)模效應的提高是促進用水量增加的首要因素，其中，新疆的促增作用較弱，主要因為經(jīng)濟發(fā)展水平較低。山西和新疆的人口規(guī)模效應都是促進用水量增加的次要因素，新疆略高于山西，主要因為新疆人口在考察期內增長率較高。由于豐富的土地資源、棉花生產及其與中亞國家繁榮的邊境貿易，吸引了中西部一些貧困地區(qū)人口的遷入。而黑龍江的人口規(guī)模效應卻促進用水量下降，主要因為人口規(guī)模由2000年的3 807萬人下降到2016年的3 799萬人。

投資效率效應和投資強度效應分別是抑制用水量增加的首要和次要因素，其中，山西投資效率變化對用水量下降的促進作用最強，而黑龍江最弱，因為黑龍江位于東北老工業(yè)基地，投資效率較低，從而抑制用水量下降的作用較弱。新疆的投資強度變化對用水量下降的促進作用最強，見圖4(a)。

2.2.3組2

組2的所有省市自治區(qū)經(jīng)濟增長都促進了用水量的增加，是用水量增加的主要因素。除四川和貴州外，其他省市自治區(qū)人口規(guī)模擴大都促進了用水量增加，主要是由于四川和貴州的人口分別由2000年的8 329萬、3 756萬人下降到2016年的8 262萬、3 555萬人。

圖4 2000—2016年用水量變化驅動效應累計貢獻

組2所有省市自治區(qū)的投資效率提高均抑制了用水量的增加，是抑制用水量增加的首要因素，表明該組省市自治區(qū)產業(yè)投資較小，回報較大，產業(yè)結構比較合理。組2的整體投資強度低于全國水平，是4個組中投資強度最低的。安徽和西藏這兩個省、自治區(qū)的投資強度大于1，表示這兩個省、自治區(qū)單位投資額的用水量在上升。在這兩個省、自治區(qū)中，投資強度成為促進用水量增長的因素，犧牲水資源用以發(fā)展產業(yè)投資。組2其他省市自治區(qū)投資強度的增加都抑制了用水量的增長，見圖4(b)。

2.2.4組3

組3所有省市自治區(qū)經(jīng)濟增長都促進了用水量的增加，表明該組的生產力發(fā)展迅猛。結合投資效率來看，該組省市自治區(qū)的生產技術十分先進，能夠在經(jīng)濟發(fā)展的基礎上減少用水量的增加。其中內蒙古的經(jīng)濟效應為8.172 8，是31個省市自治區(qū)中最高的，原因是近年來內蒙古自治區(qū)工業(yè)增長迅速，特別是能源產業(yè)、軍工業(yè)和畜產品加工業(yè)的發(fā)展強勁。組3所有省市自治區(qū)人口增長也均促進了用水量的增加，但變化不大，其中，天津的人口規(guī)模效應是組內最高的，在31個省市自治區(qū)中排名第二，原因是天津的人口規(guī)模從2000年的1 007萬人增加到了2016年的1 562萬人。

組3所有省市自治區(qū)投資效率的提高和投資強度的增加均抑制了用水量的增加。該組投資效率效應對用水量的增長有很好的抑制作用，說明該組省市自治區(qū)的產業(yè)投資較少，回報較大，產業(yè)結構優(yōu)秀。天津是31個省市自治區(qū)中投資效率效應對用水量抑制最高的，這是因為天津產業(yè)園區(qū)近年來經(jīng)濟轉型升級，服務業(yè)高位增長，工業(yè)負增長顯現(xiàn)。該組所有省市自治區(qū)的投資強度對用水量的增長均呈現(xiàn)抑制作用，見圖4(c)。

2.2.5組4

組4各省市自治區(qū)的經(jīng)濟增長均促進了用水量的增加，經(jīng)濟規(guī)模效應的提高促進了用水量的增長。其中北京的經(jīng)濟效應是31個省市自治區(qū)中最低的，說明該組省市自治區(qū)生產力增長緩慢，也是由于北京、上海人均GDP基數(shù)較大，所以在增長過程中出現(xiàn)疲軟期。組4各省人口的增加也均促進了用水量的增長，且北京和上海增長突出，主要是因為這兩個市是中國人口流入大市，生產力的發(fā)展速度趕不上人口的大量增長，所以北京、上海的人均GDP增長是31個省市自治區(qū)中最低的。

組4所有省市自治區(qū)投資效率的提高均抑制了用水量的增長，其中，廣東的投資效率對用水量抑制作用最好，原因是廣東第三產業(yè)發(fā)展迅速，占比位列國內領先水平，廣東的工業(yè)行業(yè)主要以電子制造業(yè)為主體核心，利潤高于傳統(tǒng)工業(yè)。組4所有省市自治區(qū)投資強度的增加均抑制了用水量的增長，說明該組省市自治區(qū)更注重發(fā)展節(jié)水產業(yè)。其中，寧夏投資強度的抑制作用是最好的，原因是寧夏為我國最缺水的省區(qū)之一，更注重發(fā)展節(jié)水產業(yè)，見圖4(d)。

2.2.6全國及各組用水量變化驅動效應差異分析

各組與全國的用水量變化驅動效應如表2所示，用水量增長最多的是組2，用水量增長最少的是組4，其中，用水量增長最多的是安徽省，用水量增長最少的是北京市。投資強度效應最大的是組2，最小的是組4，其中最大的是安徽省，最小的是寧夏回族自治區(qū)。投資效率效應最大的是組1，最小的是組3，其中最大的是黑龍江省，最小的是天津市。經(jīng)濟規(guī)模效應最大的是組2，最小的是組1，其中最大的是內蒙古自治區(qū)，最小的是北京市；人口規(guī)模效應最大的是組4，最小的是貴州省，最大的是北京市。

表2 2001—2016全國及各組用水量驅動效應累計貢獻

各組驅動效應水平與全國水平相比，組1整體及組內所有省市自治區(qū)的經(jīng)濟增長對用水量的促進作用均低于全國水平；投資強度和投資效率對用水量的抑制作用低于全國水平，且組1所有省市自治區(qū)均低于全國水平。

組2經(jīng)濟規(guī)模效應除西藏外，都高于全國水平。投資強度除了湖北，其余8個省市自治區(qū)的投資強度均高于全國水平。

組3中8個省市自治區(qū)經(jīng)濟規(guī)模效應均高于全國水平，投資強度對用水量增長的抑制作用整組高于全國水平，但天津市、福建省和江西省的投資強度效應低于全國水平，抑制作用偏小。

組4經(jīng)濟規(guī)模低于全國水平，各省市自治區(qū)人口的增加也均促進了用水量的增長，高于全國水平。投資效率對用水量增長的抑制作用平均低于全國水平，除了廣東省高于全國水平，其余10個省市自治區(qū)均低于全國水平，說明該組的投資效率不高，產業(yè)結構還需調整。

3 結論與建議

3.1 結論

本文基于LMDI乘法模型，分組研究2000—2016年中國用水量變化的驅動效應，將其分解為投資強度效應、投資效率效應、經(jīng)濟規(guī)模效應和人口規(guī)模效應。

a. 經(jīng)濟增長和人口規(guī)模擴大是促進中國用水量增加的首要和次要因素，投資效率提高和投資強度下降是抑制用水量增加的首要和次要因素，由于經(jīng)濟增長和人口規(guī)模擴大對用水量增加的促增作用大于投資效率和投資強度對用水量增加的促減作用，最終導致用水量的增加。

b. 從組1和組2用水量變化分解結果來看，經(jīng)濟增長是促進該組及各省市自治區(qū)用水量增加的首要因素，而人口規(guī)模擴大的促增作用較弱，其中，組1的黑龍江和組2的四川、貴州人口出現(xiàn)下降，引致用水量下降。投資效率提高對用水量增加的抑制作用遠遠大于投資強度下降，其中，組2的安徽和西藏投資強度反而上升，促進了用水量的增加。

c. 從組3和組4用水量變化驅動效應分解結果來看，經(jīng)濟增長和人口規(guī)模擴大是促進該組及各省市自治區(qū)用水量增加的首要和次要因素，投資效率提高和投資強度下降是抑制用水量增加的首要和次要因素。由于經(jīng)濟增長和人口規(guī)模擴大對用水量的促增作用弱于投資效率提高和投資強度下降的促減作用，帶來了組1、組2整體，組3內蒙古、山東、廣西、青海等4個省市自治區(qū)，以及組4北京、河北、遼寧、上海、浙江、廣東、甘肅、寧夏等8個省市自治區(qū)用水量的下降。

3.2 建議

a. 各組、各省市自治區(qū)用水量變化及驅動效應存在較大差異，因此，節(jié)水政策制定需要具有針對性、可操作性，同時，各省市自治區(qū)之間應該相互借鑒學習，提高水資源利用效率，減少用水量。

b. 經(jīng)濟增長是用水量增加的首要因素，也是社會進步與發(fā)展的原動力，因此，以減緩經(jīng)濟增長速度為代價的用水量減少策略并不符合以發(fā)展為第一要務的發(fā)展中國家可持續(xù)發(fā)展訴求，從這一方面減少用水量難度很大。當前，中國正處于中高速增長階段，應堅持高質量發(fā)展，控制水資源消耗。

c. 人口規(guī)模擴大對用水量的促增作用比較微弱，二孩政策全面放開，因此，應大力普及節(jié)水教育宣傳，努力提高廣大人民群眾的節(jié)水意識。

d. 投資效率提高是抑制用水量增加的主要因素，一方面，投資能擴大生產規(guī)模(擴建廠房和購買生產設備)，帶來用水量的增加，另一方面，投資更多地被用來更新、改進節(jié)水設備，有助于減少用水量的增加。因此，各省市自治區(qū)應加大對節(jié)水設備的更新和節(jié)水技術的創(chuàng)新，提高水資源利用效率和投資的綠色化。

e. 投資強度下降是抑制用水量下降的次要因素，各產業(yè)行業(yè)的用水強度存在較大差異，因此，需要優(yōu)化升級產業(yè)結構，大力發(fā)展低耗水產業(yè)行業(yè)，對其進行補貼，鼓勵其發(fā)展，嚴格限制、審批高耗水產業(yè)行業(yè)，如鋼鐵、煤炭、火力發(fā)電、石油和化工、紡織、紙漿造紙、食品等。