崔永正，劉 濤

（1.河南理工大學應急管理學院，河南焦作454003；2.河南理工大學財經(jīng)學院，河南焦作454003）

0 引 言

作為我國重要的經(jīng)濟地帶，近年來黃河流域過度利用水資源的現(xiàn)象得到了緩解。然而，黃河流域用水保障形勢依舊嚴峻，人均水資源量僅為全國平均水平的27%，用水方式比較粗放。作為流域第一用水大戶的農(nóng)業(yè)部門，其用水效率不高，而且工業(yè)化、城市化的推進不斷搶占農(nóng)業(yè)用水，導致農(nóng)業(yè)部門水資源進一步短缺。在這一嚴峻形勢下，黃河流域生態(tài)保護和高質(zhì)量發(fā)展成為重大國家發(fā)展戰(zhàn)略，該戰(zhàn)略強調(diào)大力推進農(nóng)業(yè)節(jié)水，推進水資源節(jié)約集約利用。農(nóng)業(yè)水資源全要素生產(chǎn)率是評價農(nóng)業(yè)用水發(fā)展質(zhì)量的重要指標。在此背景下，科學測度黃河流域農(nóng)業(yè)水資源的全要素生產(chǎn)率，研究其在全國處于何種水平？具體受何種效應的推動？影響因素有哪些？有利于為推進黃河流域農(nóng)業(yè)用水節(jié)約集約化發(fā)展提供決策依據(jù)。

以研究尺度為分類標準，現(xiàn)有農(nóng)業(yè)水資源全要素生產(chǎn)率的研究可以分為以下三類：一是基于全國層面，分析中國的農(nóng)業(yè)水資源全要素生產(chǎn)率［1，2］。二是基于省域、區(qū)域?qū)用?，研究某一省份或者東中西部三大地區(qū)的農(nóng)業(yè)水資源全要素生產(chǎn)率［3，4］。三是基于市域?qū)用?，研究某一地級市的農(nóng)業(yè)水資源全要素生產(chǎn)率［5］。目前，有關黃河流域農(nóng)業(yè)用水的研究，主要集中在水資源空間分布［6］和水價改革［7］上，關于農(nóng)業(yè)水資源全要素生產(chǎn)率的研究比較罕見。因此，本文結(jié)合EBM 模型和GML 指數(shù)，在全國視角下測算和對比了2008-2018年黃河流域的農(nóng)業(yè)水資源全要素生產(chǎn)率，并對其進行了分解和影響因素分析，以期為黃河流域高效利用農(nóng)業(yè)水資源、推進農(nóng)業(yè)高質(zhì)量發(fā)展提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

目前學界多結(jié)合數(shù)據(jù)包絡分析方法（DEA）和Malmquist 指數(shù)測度農(nóng)業(yè)水資源全要素生產(chǎn)率指數(shù)。在選擇DEA 模型時，主要采用傳統(tǒng)徑向DEA 模型（如CCR 模型）或非徑向的SBM 模型［7］，但這兩類模型都有其不足之處。徑向模型不能識別非徑向松弛變量，非徑向模型則不能考慮投入、產(chǎn)出的目標值與實際值之間的比例信息。而由Tone 提出的EBM 模型［10］，同時兼顧了徑向和非徑向DEA 模型的優(yōu)勢，彌補了兩類模型的不足。在選擇Malmquist 指數(shù)時，以往文獻大多基于相鄰參比展開測算［11］，測算結(jié)果不具有傳遞性和可比性，而全局參比的GML 指數(shù)能夠彌補這一缺陷。因此，本文將EBM 模型與GML 指數(shù)相結(jié)合，用以測度農(nóng)業(yè)水資源全要素生產(chǎn)率。

本文首先構建投入導向、規(guī)?？勺兊腅BM 模型，其目標函數(shù)和規(guī)劃式如下所示：

式中：γ*為EBM 模型測算的最佳效率值；θ為徑向效率值；為投入變量的非徑向松弛向量；λ 為權重向量；為第i項投入的權重；(i=1，…，m)滿足和w-為EBM 模型的核心參數(shù)；X和Y分別為投入矩陣和產(chǎn)出矩陣，都大于0。

在EBM 模型的基礎上，結(jié)合Pastor 和Lovell 發(fā)展的Global-Malmquist分解法［12］，構建如下GML指數(shù)：

式中：GEC為相鄰兩個階段的效率變動體現(xiàn)；GTCG，t+1(xt+1，yt+1)為前沿t+1與全局前沿的接近程度；GTCG，t(xt，yt)為前沿t與全局前沿的接近程度；GTC為前沿t+1相比前沿t的變動。生產(chǎn)率指數(shù)GML可以分解為技術進步指數(shù)GTC和技術效率指數(shù)GEC，三者關系為GML=GTC×GEC。技術進步反映農(nóng)業(yè)用水技術創(chuàng)新使得生產(chǎn)前沿向前移，體現(xiàn)技術進步效應；技術效率反映農(nóng)業(yè)用水實際產(chǎn)出和有效生產(chǎn)前沿的距離，體現(xiàn)效率追趕效應。

1.2 評價指標及數(shù)據(jù)來源

借鑒已有的相關文獻［13-15］，本文構建如下評估指標體系。其中，以水資源、勞動力、土地、農(nóng)業(yè)機械、化肥五方面的投入作為農(nóng)業(yè)投入變量，分別選用農(nóng)業(yè)用水量、第一產(chǎn)業(yè)就業(yè)人數(shù)、農(nóng)作物播種面積、農(nóng)業(yè)機械總動力、農(nóng)業(yè)化肥使用量這5個變量表征；產(chǎn)出方面，以農(nóng)業(yè)總產(chǎn)值作為農(nóng)業(yè)產(chǎn)出變量，并基于2008年的不變價格進行縮減處理。

本文的評價對象為黃河流域，包括青海、四川、甘肅、寧夏、內(nèi)蒙古、山西、陜西、河南、山東9 省。上述數(shù)據(jù)來源于《中國統(tǒng)計年鑒》（2009-2019）、《中國農(nóng)村統(tǒng)計年鑒》（2009-2019）以及各省市相關年份的統(tǒng)計年鑒（2009-2019）。

2 結(jié)果與分析

2.1 全國視角下黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率

為了解黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率在全國的定位，本文利用全國31 個省份（不包括港澳臺）的投入產(chǎn)出數(shù)據(jù)構建生產(chǎn)可能性集，在全國視野下分析其空間格局。此外，黃河流域與長江經(jīng)濟帶都是重大國家戰(zhàn)略發(fā)展區(qū)域，都強調(diào)水資源高效節(jié)約利用，較為相似，因此本文也對兩區(qū)域進行了對比。長江經(jīng)濟帶包括11 省市，分別為重慶、四川、貴州、云南、江西、湖北、湖南、上海、江蘇、浙江、安徽。利用MaxDEA Urtra8軟件，測算農(nóng)業(yè)水資源全要素生產(chǎn)率。

如圖1所示，在效率水平上，2008-2018年全國、長江經(jīng)濟帶、黃河流域的平均農(nóng)業(yè)水資源全要素生產(chǎn)率分別為1.037、1.041、1.036，多數(shù)年份3 個區(qū)域的農(nóng)業(yè)水資源全要素生產(chǎn)率排名為長江經(jīng)濟帶＞全國平均水平＞黃河流域；由此可見，3個區(qū)域的農(nóng)業(yè)水資源全要素生產(chǎn)率都在增長，但黃河流域低于全國平均水平，距離長江經(jīng)濟帶差距更遠。在變動情況上，研究期內(nèi)全國、長江經(jīng)濟帶、黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率分別年均增加0.38%、0.68%、0.03%，黃河流域＜全國平均水平＜長江經(jīng)濟帶；此外，2008-2012、2013-2015、2016-2017年黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率都呈下降趨勢?？梢钥闯觯谵r(nóng)業(yè)水資源全要素生產(chǎn)率的效率水平和年均增速上，黃河流域較低，沒有達到全國平均水準，與同為重大國家戰(zhàn)略發(fā)展區(qū)域的長江經(jīng)濟帶相比差距更大。

2.2 黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的分解

上文分析的農(nóng)業(yè)水資源全要素生產(chǎn)率，可以分解成技術效率指數(shù)和技術進步指數(shù)。對黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率進行分解，觀察其主要受何種變化指數(shù)的影響。

如圖2所示，2008-2018年黃河流域各時期的農(nóng)業(yè)水資源全要素生產(chǎn)率都大于1，年均增長0.03%，表明該流域的農(nóng)業(yè)用水效率處于上升階段。分解來看，在效率水平上，研究期內(nèi)黃河流域的技術進步指數(shù)處于1.009～1.095之間，技術效率指數(shù)位于0.964～1.023 之間，2015-2016年兩者的水平差異最大為0.131；技術進步指數(shù)與全要素生產(chǎn)率在各時期都大于1，明顯高于技術效率指數(shù)。在變化情況上，技術進步指數(shù)與全要素生產(chǎn)率的變化情況基本趨同，技術進步指數(shù)年均增長0.22%，而技術效率指數(shù)年均下滑-0.19%?？傮w來看，較高的技術進步指數(shù)是黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率提升的主要因素，而較低的技術效率指數(shù)在一定程度上阻礙了其提升。

此外，本文還在空間層面上，測算并分解了黃河流域9省的農(nóng)業(yè)水資源全要素生產(chǎn)率平均值，揭示各省的農(nóng)業(yè)水資源全要素生產(chǎn)率水平，以及主要受何種變化指數(shù)的影響，結(jié)果如圖3所示。由圖3可知，黃河流域各省的農(nóng)業(yè)水資源全要素生產(chǎn)率都大于1，省際差異并不顯著，均值最高的陜西（1.062）僅比最低的四川（1.016）高出0.046。分解來看，黃河流域9 省的技術進步指數(shù)均值都高于技術效率指數(shù)均值，各省技術進步指數(shù)均值都大于1，在變動幅度上與全要素生產(chǎn)率基本一致；而技術效率指數(shù)均值除陜西、青海、寧夏外，都小于1。由此可見，黃河流域各省農(nóng)業(yè)水資源全要素生產(chǎn)率的提升主要依靠技術進步，同時急需提升較低的技術效率。

2.3 黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的影響因素分析

為了解黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率變化的形成機制，本文對其影響因素進行了檢驗。根據(jù)已有研究［13，16］和數(shù)據(jù)的可獲得性，本文從水資源稟賦、水利設施、農(nóng)業(yè)種植結(jié)構、農(nóng)村勞動力受教育水平等4 個方面選取影響因素指標。其中，選取人均水資源量PW和地下水占供水總量的比例GW體現(xiàn)水資源稟賦；選取水庫總?cè)萘縍E表征水利設施；選取糧食種植面積與蔬菜種植面積的比值FV反映農(nóng)業(yè)種植結(jié)構；選取農(nóng)村15 歲及其以上人口中文盲占比IR反映農(nóng)村勞動力受教育水平。由于PW和RE的統(tǒng)計標準與其他影響因素不一致，為保證回歸結(jié)果的有效性，對這2 個變量進行對數(shù)化處理。上述影響因素的數(shù)據(jù)來自《中國統(tǒng)計年鑒》（2009-2019）和《中國農(nóng)村統(tǒng)計年鑒》（2009-2019）。

本文測算的農(nóng)業(yè)水資源全要素生產(chǎn)率及其分解都是以上一年為1 的環(huán)比指數(shù)，不符合傳統(tǒng)回歸習慣。參考李谷成的做法［17］，將其轉(zhuǎn)換為2008年為1 的累積增長指數(shù)，接著進行對數(shù)轉(zhuǎn)換，然后作為被解釋變量。轉(zhuǎn)換的公式為ln(1+TFP)。由于轉(zhuǎn)換后的值處于0～1之間，為截斷數(shù)據(jù)，因此利用Bootstrap截斷回歸模型檢驗農(nóng)業(yè)水資源全要素生產(chǎn)率的影響因素，構建如下回歸模型：

式中：GTFP為被解釋變量，表示轉(zhuǎn)換后的累積增長指數(shù)；i為省份；t為年份；εit為隨機誤差；βs(s=1，2…，5)為解釋變量的系數(shù)；PW、GW、RE、FV、IR分別為各解釋變量。利用stata16.0 軟件計算Bootstrap 回歸模型，抽樣次數(shù)為1 000 次，回歸結(jié)果見表1。

表1 黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的影響因素回歸結(jié)果Tab.1 Regression results of factors affecting total factor productivity of agricultural water resources in the Yellow River Basin

（1）在水資源稟賦上，人均水資源量對農(nóng)業(yè)水資源全要素生產(chǎn)率的提升起到促進作用，回歸系數(shù)為0.025 且在5%的水平下顯著。人均水資源擁有量越多，代表可用于農(nóng)業(yè)灌溉的水資源越多，有利于擴大農(nóng)業(yè)用水生產(chǎn)規(guī)模。地下水占比與黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率有著顯著正向關系，回歸系數(shù)為0.209 且在1%的水平下顯著。這與許朗等的研究結(jié)論相一致［18］，利用地下水灌溉可以減少輸水損失，有助于提高灌溉效益。

（2）在水利設施上，水庫總?cè)萘颗c農(nóng)業(yè)水資源全要素生產(chǎn)率顯著負相關，回歸系數(shù)為-0.063，通過了1%的顯著性檢驗。這與王學淵等［19］的研究結(jié)果相一致，水資源儲存量的提升可能會降低農(nóng)戶節(jié)約灌溉的積極性。

（3）在農(nóng)業(yè)種植結(jié)構上，糧食蔬菜面積比與農(nóng)業(yè)水資源全要素生產(chǎn)率顯著負相關，回歸系數(shù)為-0.004，通過了5%的顯著性檢驗。這一結(jié)果印證了趙姜等［20］的研究發(fā)現(xiàn)，農(nóng)業(yè)種植結(jié)構的變化會顯著影響到農(nóng)業(yè)用水量，糧食蔬菜面積比越高，高耗水作物的種植面積越大，從而進一步惡化農(nóng)業(yè)水資源短缺和水資源浪費狀況。

（4）在農(nóng)村勞動力受教育水平上，文盲比與農(nóng)業(yè)水資源全要素生產(chǎn)率顯著負相關，回歸系數(shù)為-0.011，且在1%的水平下顯著。文盲比例越高，表明農(nóng)村勞動力的總體受教育水平越低，農(nóng)戶節(jié)水意識越差，這可能會加劇農(nóng)業(yè)水資源浪費，導致高效的農(nóng)業(yè)節(jié)水技術和灌溉方式難以推廣。

3 結(jié) 論

本文結(jié)合EBM 模型和全局Malmquist 指數(shù)，在全國視野下測算和對比了2008-2018年黃河流域的農(nóng)業(yè)水資源全要素生產(chǎn)率，并對其進行了分解和影響因素分析。結(jié)果發(fā)現(xiàn)：

（1）2008-2018年黃河流域的農(nóng)業(yè)水資源全要素生產(chǎn)率雖然增加，但多數(shù)年份小于長江經(jīng)濟帶和全國平均水準。黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率年均增長0.03%，低于全國的0.38%和長江經(jīng)濟帶的0.68%。

（2）分解來看，2008-2018年黃河流域技術進步指數(shù)大于1，明顯高于技術效率指數(shù)；技術進步指數(shù)年均增長0.22%，而技術效率指數(shù)年均下降-0.19%。黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的提高主要依靠技術進步，而較低的技術效率一定程度上對其產(chǎn)生阻礙作用。

（3）黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的省際差異并不明顯；各省的技術進步指數(shù)均值都高于技術效率指數(shù)均值，前者皆高于1，而后者普遍低于1。提升黃河流域各省農(nóng)業(yè)水資源全要素生產(chǎn)率主要依靠技術進步，同時急需提升較低的技術效率。

（4）水資源稟賦和農(nóng)村勞動力受教育水平對黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率產(chǎn)生正向影響，水利設施和農(nóng)業(yè)種植結(jié)構對其產(chǎn)生負向影響。

基于上述結(jié)論，本文提出以下建議：

（1）推行高效節(jié)水灌溉方式，進一步提升節(jié)水灌溉技術的同時，更加重視水資源管理水平的增強。黃河流域各省需要持續(xù)引進、推廣和應用高效的農(nóng)業(yè)節(jié)水灌溉方式，培養(yǎng)農(nóng)戶節(jié)水意識，建立健全農(nóng)業(yè)節(jié)水機制，切實減少農(nóng)業(yè)水資源浪費。

（2）清晰認識影響黃河流域農(nóng)業(yè)水資源全要素生產(chǎn)率的各種內(nèi)外因素，針對性地采取措施。首先，完善跨區(qū)域調(diào)水機制，統(tǒng)籌協(xié)調(diào)缺水省份和多水省份的水資源，實現(xiàn)農(nóng)業(yè)用水的優(yōu)化配置；同時避免過度超采地下水。其次，合理開展水利基礎設施建設，增強應對農(nóng)業(yè)缺水的抵抗能力。再次，適度優(yōu)化農(nóng)業(yè)種植結(jié)構，鼓勵農(nóng)戶種植低耗水農(nóng)作物。最后，加大農(nóng)村教育投入，提升農(nóng)村勞動力受教育水平，增強其節(jié)水意識。