趙良仕，孫才志， 鄭德鳳

(遼寧師范大學(xué)城市與環(huán)境學(xué)院，大連 116029)

中國(guó)省際水足跡強(qiáng)度收斂的空間計(jì)量分析

趙良仕，孫才志*， 鄭德鳳

(遼寧師范大學(xué)城市與環(huán)境學(xué)院，大連 116029)

計(jì)算了1997—2010年中國(guó)31個(gè)省市的水足跡強(qiáng)度，整體呈現(xiàn)明顯下降趨勢(shì)；運(yùn)用全局Moran′sI指數(shù)探討中國(guó)各省市水足跡強(qiáng)度空間自相關(guān)模式，發(fā)現(xiàn)1997—2010年水足跡強(qiáng)度顯示出全局正的自相關(guān)，自相關(guān)程度逐年增大?；谑‰H水足跡強(qiáng)度的面板數(shù)據(jù)，空間計(jì)量收斂分析結(jié)果表明中國(guó)各省市水足跡強(qiáng)度存在絕對(duì)β收斂，空間因素在水足跡強(qiáng)度收斂過(guò)程中起到重要作用。在考慮了空間效應(yīng)情況下，收斂時(shí)間明顯延長(zhǎng)。通過(guò)條件β收斂檢驗(yàn)，人均GDP、人均水足跡、工業(yè)水足跡強(qiáng)度、教育經(jīng)費(fèi)比重、外商直接投資、市場(chǎng)化程度均在不同程度上影響著水足跡強(qiáng)度收斂。在標(biāo)準(zhǔn)條件β收斂模型中人均GDP和工業(yè)水足跡強(qiáng)度分別正向和負(fù)向顯著影響水足跡強(qiáng)度的收斂，而在空間滯后模型和空間誤差模型中的條件β收斂中只有人均水足跡負(fù)向顯著影響水足跡強(qiáng)度的收斂。最后對(duì)中國(guó)水資源利用效率健康發(fā)展提出了相應(yīng)的政策建議。

水足跡；水足跡強(qiáng)度；空間自相關(guān)；β收斂；空間計(jì)量收斂模型

水資源短缺和水生態(tài)環(huán)境惡化是目前中國(guó)水資源存在的兩大主要問(wèn)題。中國(guó)人均水資源量約為2200 m3，僅為世界平均水平的1/4，且水資源時(shí)空分布極其不均，部分省市嚴(yán)重缺水；據(jù)《中國(guó)水資源公報(bào)》數(shù)據(jù)，2010年中國(guó)廢污水排放量為792 億t，比1997年增長(zhǎng)了36%，進(jìn)一步加劇了水資源短缺的矛盾。隨著中國(guó)各省市經(jīng)濟(jì)快速發(fā)展，水資源危機(jī)已成為制約中國(guó)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展的重要因素，提高水資源利用效率是解決中國(guó)水資源可持續(xù)利用問(wèn)題的關(guān)鍵。傳統(tǒng)水資源利用效率評(píng)價(jià)僅涉及直接利用的農(nóng)業(yè)、工業(yè)、居民生活等方面的用水量，不能反映出人類真實(shí)的水資源消費(fèi)量[1]。因此準(zhǔn)確衡量人類對(duì)水資源的占用狀況、測(cè)度水資源利用效率及研究各地區(qū)水資源利用效率的差異趨勢(shì)是解決水資源問(wèn)題的重要工作。

1 研究現(xiàn)狀

水足跡是指在一定的物質(zhì)生產(chǎn)標(biāo)準(zhǔn)下，生產(chǎn)一定人群消費(fèi)的產(chǎn)品和服務(wù)所需要的水資源的數(shù)量，是維持人類產(chǎn)品和服務(wù)消費(fèi)所需要的真實(shí)的水資源量[2]；水足跡總量比國(guó)內(nèi)生產(chǎn)總值(GDP)得到的水足跡強(qiáng)度是一個(gè)反映水資源利用效率的指標(biāo)。Chapagain等[3]對(duì)世界范圍內(nèi)棉花消費(fèi)的水足跡進(jìn)行了研究；Gerbens-Leenes[4]計(jì)算了甜味劑和生物乙醇中的水足跡；Ertug Ercin等[5]研究一種含糖碳酸飲料中的水足跡；Feng等[6]從消費(fèi)角度評(píng)價(jià)了中國(guó)黃河流域水資源流動(dòng)和水足跡；Bocchiola等[7]對(duì)氣候變化影響到作物產(chǎn)量和玉米水足跡進(jìn)行了研究；Jenerette等[8]對(duì)比了中國(guó)和美國(guó)的城市水足跡；Hubacek等[9]通過(guò)結(jié)合生態(tài)足跡和水足跡的輸入輸出模型研究了在環(huán)境的影響下中國(guó)城市化和生活方式的改變；謝鴻宇等[10]、賈佳等[11]、譚秀娟[12]、焦雯珺等[13]、王紅瑞等[14- 15]分別計(jì)算了中國(guó)農(nóng)畜產(chǎn)品水足跡、工業(yè)水足跡、生態(tài)水足跡和水污染足跡、中國(guó)虛擬水和畜產(chǎn)品虛擬水含量；黃晶等[16]和蔡振華等[17]分別對(duì)北京市和甘肅省進(jìn)行測(cè)算；龍愛(ài)華等[18]計(jì)算了中國(guó)2000年各省市水足跡強(qiáng)度，并分析了水足跡強(qiáng)度的影響因素，但是對(duì)水足跡的計(jì)算不包含水污染足跡；孫才志等[19]研究了1997—2007年中國(guó)各省市水足跡強(qiáng)度區(qū)域差異及成因，然而沒(méi)有揭示水足跡強(qiáng)度的空間演變特征；孫才志等[1,20]計(jì)算了中國(guó)各省市水足跡，并分別探討了水足跡強(qiáng)度的空間演變態(tài)勢(shì)和測(cè)度水資源技術(shù)效率，但是該計(jì)算水污染足跡都忽略了生活用水污染足跡。

基于Barro和Sala-i-Martin提出的新古典增長(zhǎng)模型[21- 22](記為標(biāo)準(zhǔn)β收斂模型)，已有學(xué)者對(duì)中國(guó)各省市經(jīng)濟(jì)增長(zhǎng)和能源強(qiáng)度差異的收斂性進(jìn)行研究。經(jīng)濟(jì)增長(zhǎng)是落后地區(qū)縮小與發(fā)達(dá)地區(qū)差距的必由之路，是實(shí)現(xiàn)和諧發(fā)展的必要手段。然而經(jīng)濟(jì)增長(zhǎng)收斂是經(jīng)濟(jì)學(xué)核心問(wèn)題之一，是指將各地區(qū)的經(jīng)濟(jì)差異隨時(shí)間推移而縮小的現(xiàn)象，因此可以通過(guò)確定各地區(qū)經(jīng)濟(jì)增長(zhǎng)差異的原因找到落后經(jīng)濟(jì)向發(fā)達(dá)經(jīng)濟(jì)收斂的途徑。能源強(qiáng)度收斂與經(jīng)濟(jì)增長(zhǎng)收斂類似，是指各地區(qū)能源強(qiáng)度的差異隨時(shí)間推移在縮小，通過(guò)對(duì)此研究可以找到提高能源效率的方法。

潘文卿[23]將地區(qū)間的相互作用關(guān)系引入到中國(guó)大陸31個(gè)省市的經(jīng)濟(jì)增長(zhǎng)和收斂性的研究中，并對(duì)是否存在絕對(duì)β收斂和俱樂(lè)部收斂趨勢(shì)進(jìn)行深入分析；洪國(guó)志等[24]對(duì)中國(guó)240個(gè)地級(jí)及以上城市的經(jīng)濟(jì)增長(zhǎng)收斂性通過(guò)空間計(jì)量經(jīng)濟(jì)收斂分析方法進(jìn)行展開(kāi)討論；基于中國(guó)省際能源強(qiáng)度及影響因素的面板數(shù)據(jù)，余華義[25]對(duì)能源強(qiáng)度的空間溢出和β收斂性進(jìn)行了檢驗(yàn)；齊紹洲等[26]通過(guò)分析1995—2002年中國(guó)西部15個(gè)省份的能源強(qiáng)度和東部15個(gè)省份的能源強(qiáng)度差異與人均GDP差異之間的關(guān)系，使用空間面板數(shù)據(jù)滯后模型進(jìn)行實(shí)證估計(jì)。以上研究只對(duì)中國(guó)經(jīng)濟(jì)增長(zhǎng)和能源強(qiáng)度進(jìn)行了分析，然而關(guān)于中國(guó)各省市水足跡強(qiáng)度收斂性研究卻為鮮見(jiàn)。

中國(guó)各省市水足跡強(qiáng)度差異反映了各地區(qū)水資源利用效率的差異，通過(guò)對(duì)水足跡強(qiáng)度收斂研究可以找到提高各地區(qū)水資源利用效率的途徑。中國(guó)各省市水足跡強(qiáng)度是在上升還是下降？各地區(qū)水足跡強(qiáng)度之間的差異是在擴(kuò)大還是縮?。侩S著時(shí)間推移地理空間效應(yīng)對(duì)各地區(qū)水足跡強(qiáng)度的差異產(chǎn)生何種影響？對(duì)這些問(wèn)題的研究，為中國(guó)制定合理區(qū)域水資源利用政策，促使各地區(qū)充分利用自身的水資源稟賦條件和水足跡強(qiáng)度差異進(jìn)行合作，從而提高生活和生產(chǎn)用水效率，走水資源可持續(xù)利用道路至關(guān)重要。

基于以上認(rèn)識(shí)，本文在水足跡計(jì)算的基礎(chǔ)上，借助于標(biāo)準(zhǔn)收斂模型和空間計(jì)量收斂模型，研究中國(guó)1997—2009年31個(gè)省市區(qū)的水足跡強(qiáng)度的收斂情況。該研究基于中國(guó)各省市水足跡強(qiáng)度計(jì)算，從空間效應(yīng)角度研究中國(guó)水資源利用效率的收斂情況，為評(píng)價(jià)中國(guó)水資源利用狀況和經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展提供理論借鑒。

2 研究方法及數(shù)據(jù)來(lái)源

本文借助于收斂模型中的σ收斂、標(biāo)準(zhǔn)絕對(duì)β收斂、標(biāo)準(zhǔn)條件β收斂模型，以及加入空間效應(yīng)的絕對(duì)β收斂、條件β收斂模型，對(duì)中國(guó)水足跡強(qiáng)度的收斂性展開(kāi)討論。本文的研究是在Eviews6.0軟件和James P. LeSage提供的Matlab空間計(jì)量工具箱下完成的。

2.1 標(biāo)準(zhǔn)收斂模型設(shè)定

在新古典增長(zhǎng)收斂的研究中，標(biāo)準(zhǔn)絕對(duì)β收斂和條件β收斂模型已在文獻(xiàn)[21- 22]中建立和使用。在本文中，絕對(duì)β收斂是指高水足跡強(qiáng)度地區(qū)的下降速度快于低水足跡強(qiáng)度地區(qū)；條件β收斂是指不同地區(qū)水足跡強(qiáng)度有著不同的穩(wěn)態(tài)。在此基礎(chǔ)上本文確定的中國(guó)水足跡強(qiáng)度絕對(duì)β收斂和條件β收斂的面板數(shù)據(jù)模型如下：

(1)

(2)

式中,Ei,t為中國(guó)第i個(gè)省市在時(shí)期t的水足跡強(qiáng)度，hi是各地區(qū)的固定效應(yīng)，反映各省市持續(xù)存在的差異，kt為各時(shí)期的固定效應(yīng)，主要控制水足跡強(qiáng)度隨時(shí)期變化的因素，Xi,t是中國(guó)第i個(gè)省市在時(shí)期t的穩(wěn)態(tài)控制常量，具體為人均GDP、人均水足跡、工業(yè)水足跡強(qiáng)度、教育經(jīng)費(fèi)比重、外商投資比重(外商投資總額比GDP)和市場(chǎng)化程度(第三產(chǎn)業(yè)產(chǎn)值比GDP)，εi,t是與地區(qū)和時(shí)期均無(wú)關(guān)的隨機(jī)擾動(dòng)項(xiàng)。根據(jù)文獻(xiàn)[5]中的設(shè)定，若式(1)中的b>0，水足跡強(qiáng)度存在絕對(duì)β收斂，否則發(fā)散；若式(2)中的b>0，水足跡強(qiáng)度存在條件β收斂，否則發(fā)散，X即為控制條件常量矩陣，收斂速度由系數(shù)b確定，β=-ln(1-b)，收斂到一半所用時(shí)間為t=(ln1/2)/ln(1-β)。

2.2 空間計(jì)量收斂模型設(shè)定

面板數(shù)據(jù)模型綜合考慮了時(shí)間相關(guān)性和空間相關(guān)性，然而由于假定所有時(shí)刻和所有個(gè)體均相等，面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)模型有很大的改進(jìn)余地?？臻g計(jì)量經(jīng)濟(jì)學(xué)理論[27]認(rèn)為一個(gè)地區(qū)空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象或某一屬性值與鄰近地區(qū)空間單元上同一現(xiàn)象或?qū)傩灾凳窍嚓P(guān)的?？臻g面板計(jì)量經(jīng)濟(jì)模型綜合考慮了變量信息的時(shí)空二維特征，可以定量分析水足跡強(qiáng)度收斂的溢出效應(yīng)及影響因素。將水足跡強(qiáng)度的空間依賴性和空間誤差性考慮到標(biāo)準(zhǔn)收斂的面板數(shù)據(jù)模型中，空間計(jì)量收斂模型可以分為空間滯后模型和空間誤差模型。對(duì)于具體空間相關(guān)類型需要通過(guò)兩個(gè)拉格朗日乘數(shù)(LagrangeMultiplier)形式LM-Lag、LM-Err及其穩(wěn)健-LM-Lag、穩(wěn)健-LM-Err檢驗(yàn)來(lái)實(shí)現(xiàn)[28]。本文的空間權(quán)重矩陣是基于距離函數(shù)關(guān)系，該矩陣中的元素定義如下：

(3)

式中,dij是省(自治區(qū))i和省(自治區(qū))j重心點(diǎn)之間的距離。以下使用的空間權(quán)重矩陣W是把上面基于距離定義的空間權(quán)重矩陣行標(biāo)準(zhǔn)化處理，即每一行的元素和為1。

2.2.1 空間滯后模型

空間滯后模型(SpatialLagModel)主要在某地區(qū)是否有擴(kuò)散現(xiàn)象，其模型表達(dá)式為：

(4)

(5)

式中,Ei,t，Xi,t同式(2)定義，ρ為空間滯后系數(shù)，wi,j為空間權(quán)重矩陣W中元素，εi,t是與地區(qū)和時(shí)期均無(wú)關(guān)的隨機(jī)擾動(dòng)項(xiàng)。本文在式(1)和(2)的基礎(chǔ)上分別對(duì)式(4)和(5)加入了空間滯后效應(yīng)，空間滯后模型表明中國(guó)水足跡強(qiáng)度下降不但受各省市初始水足跡強(qiáng)度水平影響，同時(shí)受到空間上相鄰近地區(qū)的下降和初始水足跡強(qiáng)度的影響。

2.2.2 空間誤差模型

水足跡強(qiáng)度下降是一個(gè)復(fù)雜過(guò)程，當(dāng)誤差項(xiàng)在空間上相關(guān)時(shí)的空間誤差模型表達(dá)為：

lnEi,t+1/Ei,t=α-blnEi,t+u,

(6)

lnEi,t+1/Ei,t=α-blnEi,t+ΨXi,t+u,

(7)

式中,Ei,t，Xi,t同式(2)定義，λ為空間誤差系數(shù)，wi,j為空間權(quán)重矩陣W中元素，εi,t是與地區(qū)和時(shí)期均無(wú)關(guān)的隨機(jī)擾動(dòng)項(xiàng)。本文在式(1)和(2)的基礎(chǔ)上分別對(duì)式(6)和(7)加入了空間誤差效應(yīng)，空間誤差模型意味著特定地區(qū)水足跡強(qiáng)度下降產(chǎn)生的隨即沖擊不但受各地區(qū)下降，由于誤差空間相關(guān)的存在，該沖擊效應(yīng)擴(kuò)散到整個(gè)系統(tǒng)，所有空間相鄰地區(qū)均受不同程度影響。

2.3 數(shù)據(jù)來(lái)源

本文使用1997—2010年中國(guó)31個(gè)省市區(qū)(不包括臺(tái)灣、香港、澳門)的數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》(1998—2011年)，《中國(guó)水資源公報(bào)》(1997—2010年)，《中國(guó)環(huán)境年鑒》(1998—2011年)和各省統(tǒng)計(jì)年鑒等資料。部分地區(qū)缺失時(shí)期數(shù)據(jù)由相鄰地區(qū)近似值或擬合預(yù)測(cè)值進(jìn)行替代。

3 水足跡測(cè)算及水足跡強(qiáng)度的空間相關(guān)模式

3.1 水足跡的測(cè)算

本文對(duì)文獻(xiàn)[1,20]中的水足跡數(shù)據(jù)進(jìn)行補(bǔ)充和修正，補(bǔ)充水污染足跡中生活污水中的化學(xué)需氧量(COD)和氨氮的污染足跡，修正缺失的1997—2002年生態(tài)用水量數(shù)據(jù)，增加2010年水足跡數(shù)據(jù)。在水足跡中農(nóng)畜產(chǎn)品水足跡的比重最大，生態(tài)水足跡所占比重最小，污染水足跡、工業(yè)水足跡和生活水足跡在不同的省份所占比重不同。

3.2 中國(guó)省際水足跡強(qiáng)度的統(tǒng)計(jì)結(jié)果

根據(jù)水足跡總量除以國(guó)內(nèi)生產(chǎn)總值(GDP)得到的水足跡強(qiáng)度是一個(gè)全新的反映水資源利用效率的指標(biāo)，水足跡的強(qiáng)度越大，就表明單位GDP所消耗的水足跡的數(shù)量越多[1]。參照文獻(xiàn)[1]中做法，本文的GDP是以1990年為基期計(jì)算轉(zhuǎn)化的。中國(guó)各省市的水足跡強(qiáng)度在1997—2010年整體呈現(xiàn)出下降的趨勢(shì)，且下降趨勢(shì)很明顯，說(shuō)明中國(guó)水資源的利用效率在明顯提高(圖1)。下面運(yùn)用計(jì)量收斂模型對(duì)中國(guó)各省市水足跡強(qiáng)度是否存在收斂現(xiàn)象研究成為必然。

表1 中國(guó)各地區(qū)1997—2010年平均水足跡

圖1 中國(guó)各省市1997—2010年水足跡強(qiáng)度變化Fig.1 Water footprint intensity change of all provinces in China from 1997 to 2010

3.3 中國(guó)省際水足跡強(qiáng)度的空間自相關(guān)檢驗(yàn)

為了正確設(shè)定模型，對(duì)中國(guó)省際水足跡強(qiáng)度分布模式檢驗(yàn)是收斂分析的前提。 全局Moran′sI指數(shù)用來(lái)判斷要素的屬性分布是否有統(tǒng)計(jì)上顯著的集聚或分散現(xiàn)象，是常用的空間自相關(guān)指數(shù)。根據(jù)文獻(xiàn)[1]中的公式(1)—(6)，本文計(jì)算了水足跡強(qiáng)度的全局Moran′sI指數(shù)。中國(guó)各省市水足跡強(qiáng)度明顯具有正的空間集聚現(xiàn)象，且非常顯著，這說(shuō)明中國(guó)各省市的水足跡強(qiáng)度在空間分布上具有顯著正的自相關(guān)關(guān)系，中國(guó)各省市的水足跡強(qiáng)度的空間分布表現(xiàn)出相似值之間的空間集聚，即具有較高的水足跡強(qiáng)度地區(qū)相對(duì)地趨于和較高的水足跡強(qiáng)度地區(qū)靠近, 較低的水足跡強(qiáng)度地區(qū)相對(duì)地趨于和較低的水足跡強(qiáng)度地區(qū)相鄰。整體上全局Moran′sI指數(shù)呈現(xiàn)波動(dòng)上升趨勢(shì)，從1997年的0.0977上升到2010年的0.1585，說(shuō)明發(fā)展過(guò)程中各省市水足跡強(qiáng)度集聚的強(qiáng)弱程度交替進(jìn)行，并逐步加強(qiáng)(表2)。因此在進(jìn)行中國(guó)水足跡強(qiáng)度的研究中不能忽略客觀存在的地理空間分布因素，應(yīng)用空間計(jì)量分析方法在進(jìn)行中國(guó)水足跡強(qiáng)度的收斂研究時(shí)可以考慮到空間效應(yīng)，即空間依賴性和異質(zhì)性，運(yùn)用空間計(jì)量收斂模型對(duì)中國(guó)水足跡強(qiáng)度的收斂性研究成為必然。

表2 中國(guó)各省水足跡強(qiáng)度全局Moran′s I指數(shù)

4 水足跡強(qiáng)度計(jì)量收斂分析

4.1σ收斂分析

圖2 中國(guó)各省市1997—2010年水足跡強(qiáng)度基尼系數(shù)和變異系數(shù)變化Fig.2 The Gini coefficient and variable coefficient of water footprint intensity change of all provinces in China from 1997 to 2010

中國(guó)水足跡強(qiáng)度的σ收斂是指隨著時(shí)間的推移，各省市水足跡強(qiáng)度的標(biāo)準(zhǔn)差逐漸縮小，即各地區(qū)的水足跡強(qiáng)度差異越來(lái)越小。本文使用基尼系數(shù)和變異系數(shù)統(tǒng)計(jì)方法描述和刻畫(huà)中國(guó)各省市水足跡強(qiáng)度σ收斂。中國(guó)各省市水足跡強(qiáng)度1997—2006年基尼系數(shù)和變異系數(shù)在波動(dòng)上升，2006年以后逐漸下降，表現(xiàn)出一定程度的收斂趨勢(shì)(圖2)。

4.2 計(jì)量收斂分析

通過(guò)Moran′sI指數(shù)對(duì)中國(guó)水足跡強(qiáng)度的空間自相關(guān)檢驗(yàn)，由表2可知存在正的空間自相關(guān)，進(jìn)一步根據(jù)LM檢驗(yàn)、穩(wěn)健LM檢驗(yàn)可以確定空間計(jì)量收斂模型的類型，即對(duì)空間滯后模型和空間誤差模型的選擇，本文得到兩個(gè)檢驗(yàn)都高度顯著，空間滯后和空間誤差效應(yīng)同時(shí)存在，需要對(duì)兩類模型進(jìn)行分析；在Eviews6.0軟件下，對(duì)式(1)和式(2)采用Hausman檢驗(yàn)，結(jié)果表明固定效應(yīng)模型優(yōu)于隨機(jī)效應(yīng)模型，又通過(guò)F值檢驗(yàn)固定效應(yīng)模型的適用性，使用個(gè)體時(shí)點(diǎn)固定效應(yīng)模型更有效；在Matlab空間計(jì)量工具箱下，通過(guò)Hausman檢驗(yàn)可以確定本文空間計(jì)量收斂模型式(4)—(7)對(duì)固定效應(yīng)和隨機(jī)效應(yīng)的選擇，在絕對(duì)β收斂空間滯后效應(yīng)和條件β收斂空間誤差效應(yīng)拒絕了原假設(shè)采用隨機(jī)效應(yīng)，而絕對(duì)β收斂空間誤差效應(yīng)和條件β收斂空間滯后效應(yīng)沒(méi)有拒絕了原假設(shè)采用隨機(jī)效應(yīng)，因此本文空間計(jì)量收斂模型分別對(duì)其采用固定效應(yīng)和隨機(jī)效應(yīng)進(jìn)行估計(jì)，如表3。

表3 檢驗(yàn)結(jié)果

通過(guò)使用Eviews6.0軟件和Matlab空間計(jì)量工具箱，本文得到模型(1)、(2)、(4)—(7)的主要參數(shù)估計(jì)及檢驗(yàn)的p值，如表4。標(biāo)準(zhǔn)絕對(duì)β收斂和條件β收斂模型回歸分析得到收斂速度為0.4145和0.4472，表明在沒(méi)有考慮空間效應(yīng)情況下1997—2010年中國(guó)各省市水足跡強(qiáng)度存在絕對(duì)β收斂和條件β收斂，人均GDP在5%顯著水平上正向影響水足跡強(qiáng)度下降，工業(yè)水足跡強(qiáng)度在5%顯著水平上負(fù)向影響水足跡強(qiáng)度下降。水足跡強(qiáng)度較高的地區(qū)下降趨勢(shì)快于水足跡強(qiáng)度較低的地區(qū)，水足跡強(qiáng)度達(dá)到1/2收斂程度的時(shí)間約為1.3a和1.2a，這個(gè)收斂速度極快，明顯超越中國(guó)各省市水足跡強(qiáng)度σ收斂速度。從圖2 可知，各地區(qū)水足跡強(qiáng)度的地區(qū)差異2006年以后逐漸縮小，而不是地區(qū)差異急劇減小，這隱含著地理空間效應(yīng)影響著水足跡強(qiáng)度的收斂模式。

表4 模型回歸結(jié)果

括號(hào)內(nèi)為回歸系數(shù)檢驗(yàn)顯著性水平值

通過(guò)空間自相關(guān)檢驗(yàn)，可知中國(guó)各省市水足跡強(qiáng)度存在正的空間自相關(guān)，忽略空間效應(yīng)的標(biāo)準(zhǔn)β收斂模型對(duì)中國(guó)各省市水足跡強(qiáng)度的收斂速度估計(jì)有所偏離。在加入了空間滯后效應(yīng)下，從表2可知，存在顯著的絕對(duì)β收斂，絕對(duì)β收斂達(dá)到1/2收斂程度的時(shí)間約為165.7年；而條件β收斂模型得到卻是不顯著發(fā)散的，這說(shuō)明在空間滯后效應(yīng)和6個(gè)條件(即為人均GDP、人均水足跡、工業(yè)水足跡強(qiáng)度、教育經(jīng)費(fèi)比重、外商直接投資、市場(chǎng)化程度)共同作用下，中國(guó)各省市區(qū)水足跡強(qiáng)度是不顯著發(fā)散的。在加入了空間誤差效應(yīng)下，從表2可知，存在顯著的條件β收斂，達(dá)到1/2收斂程度的時(shí)間約為55a；而絕對(duì)β收斂模型得到卻是不顯著發(fā)散的，單純加入空間誤差效應(yīng)導(dǎo)致水足跡強(qiáng)度不顯著發(fā)散。

總體來(lái)說(shuō)，在考慮了空間效應(yīng)情況下，收斂時(shí)間明顯延長(zhǎng)。潘文卿[23]對(duì)1978—2007年中國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)空間滯后絕對(duì)β收斂半生命周期分別為87.1a，而洪國(guó)志等[24]對(duì)1990—2007年中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展的空間滯后絕對(duì)β收斂半生命周期分別為56.5a，而本文為165.7a，相比經(jīng)濟(jì)增長(zhǎng)中國(guó)各省市水足跡強(qiáng)度收斂需要更長(zhǎng)的時(shí)間。

在標(biāo)準(zhǔn)條件β收斂模型中人均GDP和工業(yè)水足跡強(qiáng)度分別正向和負(fù)向顯著影響水足跡強(qiáng)度的收斂，而在空間滯后模型和空間誤差模型中的條件β收斂中只有人均水足跡負(fù)向顯著影響水足跡強(qiáng)度的收斂，其它因素均不顯著，這說(shuō)明加入空間效應(yīng)后人均水足跡因素直接影響中國(guó)水足跡強(qiáng)度的收斂，人均水足跡多的地區(qū)，水足跡強(qiáng)度下降的慢，從節(jié)約用水角度可以加快水足跡強(qiáng)度的收斂。

由以上分析可知水足跡強(qiáng)度的影響因素和地理因素是造成中國(guó)各省市水足跡強(qiáng)度收斂的關(guān)鍵因素。人均GDP、人均水足跡和工業(yè)水足跡強(qiáng)度影響因素不同程度影響著中國(guó)各省市水足跡強(qiáng)度收斂；空間滯后效應(yīng)和空間誤差效應(yīng)抑制了各地區(qū)水足跡強(qiáng)度的收斂速度，這也說(shuō)明縮小地區(qū)之間差異會(huì)加快水足跡強(qiáng)度收斂，綜合提高水資源利用效率。

5 結(jié)論

通過(guò)本文研究，可以得到以下主要結(jié)論：

(1)本文從消費(fèi)角度計(jì)算了中國(guó)1997—2010年31個(gè)省市的水足跡，衡量各省市對(duì)水資源系統(tǒng)的真實(shí)占用狀況。本文在文獻(xiàn)[1，20]的基礎(chǔ)上把生活污水所造成水污染的水足跡計(jì)算考慮在內(nèi)，更全面的測(cè)算了各省市水污染足跡。

(2)中國(guó)1997—2010年各省市水足跡強(qiáng)度逐年下降，水資源利用效率逐年提高；水足跡強(qiáng)度存在正的空間自相關(guān)模式，并且相關(guān)程度在逐年加強(qiáng)，水足跡強(qiáng)度高的地區(qū)相鄰近，低的地區(qū)相鄰近，并且這種集聚程度在增強(qiáng)；中國(guó)各省市水足跡強(qiáng)度表現(xiàn)出一定程度的σ收斂趨勢(shì)，1997—2006年基尼系數(shù)和變異系數(shù)波動(dòng)上升，而2006—2010年在逐步下降，各地區(qū)的水足跡強(qiáng)度差異在縮小。

(3)通過(guò)對(duì)標(biāo)準(zhǔn)β收斂和加入空間效應(yīng)的空間計(jì)量β收斂分析，可知水足跡強(qiáng)度較高的地區(qū)下降速度快于水足跡較低的地區(qū)，忽略空間效應(yīng)的水足跡強(qiáng)度收斂速度極快，明顯與中國(guó)各省市水足跡強(qiáng)度的σ收斂速度不符，不可能在短短兩年不到的時(shí)間水足跡強(qiáng)度達(dá)到半生命周期水平；本文在標(biāo)準(zhǔn)β收斂模型中加入了空間滯后和空間誤差效應(yīng)，測(cè)度出的中國(guó)水足跡強(qiáng)度收斂速度要小于文獻(xiàn)[23- 24]中關(guān)于中國(guó)區(qū)域經(jīng)濟(jì)收斂的速度，因此水足跡強(qiáng)度收斂時(shí)間比經(jīng)濟(jì)增長(zhǎng)收斂時(shí)間漫長(zhǎng)，也就是說(shuō)中國(guó)經(jīng)濟(jì)落后地區(qū)追趕經(jīng)濟(jì)發(fā)達(dá)地區(qū)的速度快于水足跡強(qiáng)度高的地區(qū)下降到低的地區(qū)的速度。

(4)人均GDP、人均水足跡和工業(yè)水足跡強(qiáng)度不同程度上影響到中國(guó)各省市水足跡強(qiáng)度的收斂速度，通過(guò)大力發(fā)展經(jīng)濟(jì)、節(jié)約用水和開(kāi)發(fā)節(jié)水技術(shù)能加快中國(guó)水足跡強(qiáng)度收斂速度，使中國(guó)各省市水資源利用效率均衡可持續(xù)發(fā)展。因而，控制水足跡強(qiáng)度的地區(qū)差異可以具體實(shí)現(xiàn)方法如：第一，增強(qiáng)節(jié)水意識(shí)，如制定合理的用水量階梯價(jià)格標(biāo)準(zhǔn)；第二，發(fā)展經(jīng)濟(jì)同時(shí)加大科研投入，并鼓勵(lì)工業(yè)生產(chǎn)中使用節(jié)水減排設(shè)備；第三，各地區(qū)充分利用自身的水資源稟賦條件和水足跡強(qiáng)度差異進(jìn)行合作，提高生活和生產(chǎn)用水效率，從而能保持中國(guó)水資源利用效率的提高和經(jīng)濟(jì)社會(huì)的可持續(xù)發(fā)展。

[1] Sun C Z, Chen S, Zhao L S. Spatial correlation pattern analysis of water footprint intensity based on ESDA model at provincial scale in China. Journal of Natural Resources, 2013, 28(4): 571- 582.

[2] Hoekstra A Y. The concept of ‘virtual water’ and its applicability in Lebanon // Proceedings of the International Expert Meeting on Virtual Water Trade. The Netherlands: IHE DELFT, 2003: 171- 182.

[3] Chapagain A K, Hoekstra A Y, Savenije H H G, Gautam R. The water footprint of cotton consumption: An assessment of the impact of worldwide consumption of cotton products on the water resources in the cotton producing countries. Ecological Economics, 2006, 60(1): 186- 203.

[4] Gerbens-Leenes W, Hoekstra A Y. The water footprint of sweeteners and bio-ethanol. Environment International, 2011, 70: 749- 758.

[5] Ercin A E, Aldaya M M, Hoekstra A Y. Corporate water footprint accounting and impact assessment: the case of the water footprint of a sugar-containing carbonated beverage. Water Resources Management, 2011, 25(2): 721- 741.

[6] Feng K S, Siu L Y, Guan D B, Hubacek K. Assessing regional virtual water flows and water footprints in the Yellow River Basin, China: A consumption based approach. Applied Geography, 2012, 32(2): 691- 701.

[7] Bocchiola D, Nana E, Soncini A. Impact of climate change scenarios on crop yield and water footprint of maize in the Po valley of Italy. Agricultural Water Management, 2013, 116: 50- 61.

[8] Jenerette G D, Wu W L, Goldsmith S, Marussich W A, Roach W J. Contrasting water footprints of cities in China and the United States. Ecological Economics, 2006, 57(3): 346- 358.

[9] Hubacek K, Guan D B, Barrett J, Wiedmann T. Environmental implications of urbanization and lifestyle change in China: Ecological and Water Footprints. Journal of Cleaner Production, 2009, 17(14): 1241- 1248.

[10] Xie H Y, Chen X S, Yang M Z, Zhao H Q, Zhao M C. The ecological footprint analysis of 1kg livestock product of China. Acta Ecologica Sinica, 2009, 29(6): 3264- 3270.

[11] Jia J, Yan Y, Wang C X, Liang Y J, Zhang Y J, Wu G, Liu Q L, Wang L H, Du C. The estimation and application of the water footprint in industrial processes. Acta Ecologica Sinica, 2012, 32(20): 6558- 6565.

[12] Tan X J, Zheng Q Y. Dynamic analysis and forecast of water resources ecological footprint in China. Acta Ecologica Sinica, 2009, 29(7): 3559- 3568.

[13] Jiao W J, Min Q W, Cheng S K, Yuan Z, Li J, Dai C. Pollution footprint and its application in regional water pollution pressure assessment: a case study of Huzhou City in the upstream of Taihu Lake Watershed. Acta Ecologica Sinica, 2011, 31(19): 5599- 5606.

[14] Wang H R, Liu X H, Dong Y Y, Wang J H. Analysis of China′s water security and virtual water trade. Chinese Journal of Population, Resources and Environment, 2006, 14(4): 18- 23.

[15] Wang H R, Wang J H. Virtual water content of livestock products in China. Chinese Journal of Environmental Science, 2006, 27(4): 609- 615.

[16] Huang J, Song Z W, Chen F. Characteristics of water footprint and agricultural water structure in Beijing. Acta Ecologica Sinica, 2010, 30(23): 6546- 6554.

[17] Cai Z H, Shen L X, Liu J G, Zhao X. Applying input-output analysis method for calculation of water footprint and virtual water trade in Gansu Province. Acta Ecologica Sinica, 2012, 32(20): 6481- 6488.

[18] Long A H, Xu Z M, Wang X H, Shang H Y. Impacts of population, affluence and technology on water footprint in China. Acta Ecologica Sinica, 2006, 26(10): 3358- 3365.

[19] Sun C Z, Liu Y Y, Chen L X, Zhang L. The spatial-temporal disparities of water footprints intensity based on Gini coefficient and Theil index in China. Acta Ecologica Sinica, 2010, 30(5): 1312- 1321.

[20] Sun C Z, Zhao L S. Water resources utilization environmental efficiency measurement and its spatial correlation characteristics analysis under the environmental regulation background. Economic Geography, 2013, 33(2): 26- 32.

[21] Barro R J, Sala-i-Martin X. Convergence. Journal of Political Economy, 1992, 100(2): 223- 250.

[22] Sala-i-Martin X. The classical approach to convergence analysis. The Economy Journal, 1996, 106(437): 1019- 1036.

[23] Pan W Q. The economic disparity between different regions of China and its reduction-An analysis from the geographical perspective. Social Sciences in China, 2010, (1): 72- 84.

[24] Hong G Z, Hu H Y, Li X. Analysis of regional growth convergence with spatial econometrics in China. Acta Geographica Sinica, 2010, 65(12): 1548- 1558.

[25] Yu H Y. Impact factors and spatial correlation of China′s provincial energy intensity. Resources Science, 2011, 33(7): 1353- 1365.

[26] Qi S Z, Luo W. Regional economic growth and differences of energy intensity in China. Economic Research Journal, 2007, (7): 74- 81.

[27] Anselin L. Spatial Econometrics: Methods and Models. Dordrecht: Kluwer Academic Publishers, 1988.

[28] Baltagi B H. Econometric Analysis of Panel Data. 3rd ed. New York: Wiley, 2005.

參考文獻(xiàn):

[1] 孫才志, 陳栓, 趙良仕. 基于ESDA的中國(guó)省際水足跡強(qiáng)度的空間關(guān)聯(lián)格局分析. 自然資源學(xué)報(bào), 2013, 28(4): 571- 582.

[10] 謝鴻宇, 陳賢生, 楊木壯, 招華慶, 趙美嬋. 中國(guó)單位畜牧產(chǎn)品生態(tài)足跡分析. 生態(tài)學(xué)報(bào), 2009, 29(6): 3264- 3270.

[11] 賈佳, 嚴(yán)巖, 王辰星, 梁玉靜, 張亞君, 吳鋼, 劉馨磊, 王麗華, 杜沖. 工業(yè)水足跡評(píng)價(jià)與應(yīng)用. 生態(tài)學(xué)報(bào), 2012, 32(20): 6558- 6565.

[12] 譚秀娟, 鄭欽玉. 我國(guó)水資源生態(tài)足跡分析與預(yù)測(cè). 生態(tài)學(xué)報(bào), 2009, 29(7): 3559- 3568.

[13] 焦雯珺, 閔慶文, 成升魁, 袁正, 李靜, 戴忱. 污染足跡及其在區(qū)域水污染壓力評(píng)估中的應(yīng)用——以太湖流域上游湖州市為例. 生態(tài)學(xué)報(bào), 2011, 31(19): 5599- 5606.

[15] 王紅瑞, 王軍紅. 中國(guó)畜產(chǎn)品的虛擬水含量. 環(huán)境科學(xué), 2006, 27(4): 609- 615.

[16] 黃晶, 宋振偉, 陳阜. 北京市水足跡及農(nóng)業(yè)用水結(jié)構(gòu)變化特征. 生態(tài)學(xué)報(bào), 2010, 30(23): 6546- 6554.

[17] 蔡振華, 沈來(lái)新, 劉俊國(guó), 趙旭. 基于投入產(chǎn)出方法的甘肅省水足跡及虛擬水貿(mào)易研究. 生態(tài)學(xué)報(bào), 2012, 32(20): 6481- 6488.

[18] 龍愛(ài)華, 徐中民, 王新華, 尚海洋. 人口、富裕及技術(shù)對(duì)2000 年中國(guó)水足跡的影響. 生態(tài)學(xué)報(bào), 2006, 26(10): 3358- 3365.

[19] 孫才志, 劉玉玉, 陳麗新, 張蕾. 基于基尼系數(shù)和錫爾指數(shù)的中國(guó)水足跡強(qiáng)度時(shí)空差異變化格局. 生態(tài)學(xué)報(bào), 2010, 30(5): 1312- 1321.

[20] 孫才志, 趙良仕. 環(huán)境規(guī)制下的中國(guó)水資源利用環(huán)境技術(shù)效率測(cè)度及空間關(guān)聯(lián)特征分析. 經(jīng)濟(jì)地理, 2013, 33(2): 26- 32.

[23] 潘文卿. 中國(guó)區(qū)域經(jīng)濟(jì)差異與收斂. 中國(guó)社會(huì)科學(xué), 2010, (1): 72- 84.

[24] 洪國(guó)志, 胡華穎, 李郇. 中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展收斂的空間計(jì)量分析. 地理學(xué)報(bào), 2010, 65(12): 1548- 1558.

[25] 余華義. 中國(guó)省際能耗強(qiáng)度的影響因素及其空間關(guān)聯(lián)性研究. 資源科學(xué), 2011, 33(7): 1353- 1365.

[26] 齊紹洲, 羅威. 中國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)與能源消費(fèi)強(qiáng)度差異分析. 經(jīng)濟(jì)研究, 2007, (7): 74- 81.

A spatial econometric analysis of water footprint intensity convergence on a provincial scale in China

ZHAO Liangshi, SUN Caizhi*, ZHENG Defeng

SchoolofUrbanandEnvironmentalSciences,LiaoningNormalUniversity,Dalian116029,China

China′s water resource management is currently facing two main problems: a shortage of water resources and a deterioration of the water ecological environment. The rapid economic growth of China′s provinces has led to the water crisis becoming an important factor restricting China′s sustainable social and economic development. To solve the problem of the sustainability of Chinese water resource use it is necessary to improve the utilization efficiency of water resources. A traditional evaluation of water resource use efficiency measures agricultural, industrial, and domestic water consumption. However, this measure cannot reflect the actual water resource consumption of society as a whole. Therefore, developing a more accurate measurement of water resource consumption is an important part of solving the problem of water resource sustainability. Water footprint intensity is an index that is able to reflect the efficiency of water resource utilization. Meanwhile, some previous researchers have investigated the convergence of the water footprint intensity of China′s provinces and economic growth. In this paper, we calculate the water footprint intensity of China′s 31 provinces from 1997 to 2010. Our results show that there is a general decreasing tendency, which means that water use efficiency is increasing. The Global Moran index was then applied to explore the spatial autocorrelation pattern of the water footprint intensity of China′s provinces. These results show that water footprint intensity has positive autocorrelation characteristics and that the autocorrelation degree increases year by year. Based on the panel data of provincial water footprint intensity, the space measuring convergence analysis results show that the water footprint intensity in China exhibits absoluteβconvergence and conditionalβconvergence. Furthermore, space effect factors are shown to play an important role in the convergence process of the intensity of water footprint. Considering the spatial effect, the convergent speed slows down greatly. the convergence rate of water footprint intensity is much slower. The rapid rate of China′s economic development means that underdeveloped areas are catching up with developed areas faster than the convergence rate of water footprint intensity. The conditional convergence test shows that per capita GDP, per capita water footprint, industrial water footprint intensity, the proportion of education funds, foreign direct investment, and degree of marketization have different effects on the intensity of water footprint convergence. Per capita GDP has a significant positive effect on the standard conditionalβconvergence model. Meanwhile, industrial water footprint intensity has a significant negative affect on the convergence rate of water footprint intensity. The conditionalβconvergence model contains spatial lag and spatial error effects, while per capita water footprint exhibits a significant negative impact on the convergence rate of water footprint intensity. Finally, the space effect factors show that the per capita water footprint affects the convergence of water footprint intensity. China′s rapidly developing economy has led to the need to introduce a water saving policy. Our results show that the convergence rate of water footprint intensity can speed up water resource use efficiency in China′s provinces, which can help to maintain sustainable development. Controlling the regional differences of water footprint intensity can improve China′s water use efficiency and so ensure sustainable economic and social development. On that basis, this paper puts forward relevant policy suggestions for the healthy development of China′s water resources use efficiency. Importantly, a cooperative relationship needs to be established by making full use of the conditions of water resource endowment conditions and by exploiting the differences of water footprint intensity between different regions. In addition, it is recommended that relevant departments should formulate a ladder price standard of rational consumption of water. Finally, more attention should be given to China′s water use efficiency and sustainable social development.

water footprint; water footprint intensity; spatial autocorrelation;βconvergence; spatial panel data econometrics model

國(guó)家社會(huì)科學(xué)基金項(xiàng)目(11BJY063)；教育部新世紀(jì)優(yōu)秀人才項(xiàng)目(NCET- 13- 0844)

2013- 05- 25;

2013- 09- 17

10.5846/stxb201305251180

*通訊作者Corresponding author.E-mail: suncaizhi@lnnu.edu.cn

趙良仕，孫才志, 鄭德鳳.中國(guó)省際水足跡強(qiáng)度收斂的空間計(jì)量分析.生態(tài)學(xué)報(bào),2014,34(5):1085- 1093.

Zhao L S, Sun C Z, Zeng D F.A Spatial econometric analysis of water footprint intensity convergence on a provincial scale in China.Acta Ecologica Sinica,2014,34(5):1085- 1093.