李明，潘子純，李崇光

（1. 中國農(nóng)業(yè)大學經(jīng)濟管理學院，北京 100083；2. 西北農(nóng)林科技大學經(jīng)濟管理學院，陜西 楊凌 712100；3. 華中農(nóng)業(yè)大學經(jīng)濟管理學院，湖北 武漢 430070）

糧食安全與水安全一直是資源科學和農(nóng)業(yè)經(jīng)濟學的研究焦點，其重要性關乎國計民生。《水資源公報》數(shù)據(jù)顯示：2019年，全國用水總量6 021.2億m3，農(nóng)業(yè)用水3 682.3億m3，占用水總量的61.2%，可見農(nóng)業(yè)用水需求一直保持較高態(tài)勢。盡管中國糧食基本可以實現(xiàn)自給自足，但中國糧食安全仍存在隱患，如糧食生產(chǎn)的水土資源約束趨緊，極端災害等突發(fā)事件阻滯了糧食生產(chǎn)與貿易；糧食對外依存度持續(xù)提高、進口集中度非常大；國際糧價波動、貿易摩擦等都影響著中國糧食進口的穩(wěn)定性[1]。僅僅依靠中國本土的農(nóng)業(yè)生產(chǎn)資源已難以維持全面小康水平下的本地農(nóng)產(chǎn)品需求，發(fā)展到富裕水平這種短缺將會更甚，依賴國際市場是必然需求[2]?；诩Z食安全和水安全的雙重視角，探討中國糧食作物虛擬水進口的時空格局與影響因素，對于實現(xiàn)國家糧食進口和虛擬水進口效益最大化、促進虛擬水戰(zhàn)略實施和深化國際糧食貿易合作具有重要的指引作用。

目前有關糧食作物虛擬水進出口貿易的研究成果逐年增加，主要圍繞糧食作物虛擬水含量測度[3-6]，糧食作物虛擬水貿易特征與影響因素[7-9]、虛擬水貿易與糧食生產(chǎn)和水資源的關系研究[10-11]等角度展開。如Mekonnen和Hoekstra[12]利用1996—2005年的作物生產(chǎn)數(shù)據(jù)和CROPWAT8.0計算了全球不同國家126種農(nóng)產(chǎn)品的虛擬水含量，并將虛擬水細分為綠水、藍水和灰水，為后續(xù)研究提供了虛擬水含量的計算標準。學界在糧食作物虛擬水貿易特征的研究成果豐富，主要包含虛擬水的時空分異和貿易網(wǎng)絡。早期的研究分別從時間和空間上簡單分析虛擬水貿易的變化[13-15]，后續(xù)研究中刻畫時空分異特征的方法日益成熟[16-18]，包括Penman-Monteith模型、GIS技術、標準差橢圓和變異系數(shù)等。社會網(wǎng)絡和復雜網(wǎng)絡分析在農(nóng)產(chǎn)品虛擬水貿易中的應用日益盛行[19-20]。如Zhang等[21]發(fā)現(xiàn)，中國虛擬水貿易網(wǎng)絡高度集中，并非所有出口產(chǎn)品在虛擬含水量方面都具有比較優(yōu)勢，進口產(chǎn)品過度集中在大豆、棉花等水密集型農(nóng)產(chǎn)品上，且進口的虛擬水主要來自美國、巴西和阿根廷。糧食虛擬水貿易的影響因素主要包括要素稟賦、貿易成本、人口、經(jīng)濟規(guī)模、國家間的地理距離以及技術水平、環(huán)境政策等方面[22-25]。水安全是糧食生產(chǎn)的基礎，實現(xiàn)農(nóng)業(yè)水資源的高效利用是保障水安全和糧食安全的根本途徑[26-27]。多數(shù)學者認為虛擬水貿易是實現(xiàn)糧食安全和水安全的新路徑[28-30]。

已有研究為本文提供了堅實的研究基礎，但是仍存在以下不足：相關文獻研究集中于全球和中國區(qū)際糧食虛擬水貿易，對中國糧食虛擬水國際進出口關注不夠；氣候環(huán)境和制度環(huán)境對虛擬水進出口的影響研究相對較少，非傳統(tǒng)經(jīng)濟因素對于虛擬水貿易的研究有待深化；時空格局分析主要集中于資源科學和地理學方法，影響因素分析側重于地理探測器、層次回歸法、LMDI模型等，可能存在一定的局限性。因此，本文著眼于此，探討中國糧食作物虛擬水進口貿易，結合資源科學、地理學和國際貿易相關的指數(shù)和模型刻畫中國糧食作物虛擬水進口的時空格局，納入氣候環(huán)境和制度環(huán)境相關變量，并采用雙向固定效應模型和PPML方法實證分析中國糧食作物虛擬水進口的影響因素，以期為維護國家糧食安全和水安全、推動國際糧食貿易合作提供理論依據(jù)和有利參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

1.1.1 糧食作物虛擬水進口測算方法 單一糧食作物的虛擬水進口量計算公式為：

式中：Sijt表示t時期中國對j區(qū)域i種糧食作物的虛擬水進口量（m3），Vijt表示t時期j區(qū)域i種糧食作物單位質量的虛擬水含量（m3/t），而Uijt表示t時期中國對j區(qū)域i種糧食作物的進口量（t）。這里的j區(qū)域代表中國糧食作物不同的進口來源市場，即不同的國家。

通過加總單一糧食作物的虛擬水進口量能夠得到中國主要糧食作物總的虛擬水進口量，計算公式為：

式中：St表示t時期中國主要糧食作物的虛擬水總進口量（m3），Sijt表示t時期中國對j區(qū)域i種糧食作物的虛擬水進口量（m3）。

1.1.2 時空格局刻畫分析方法 1）多元化指數(shù)。借鑒生物學中評價物種多樣性的香濃-威納指數(shù)建立中國糧食作物進口多元化指數(shù)（H指數(shù)）來評價中國糧食作物進口貿易的多元化程度[31-32]。多元化指數(shù)是借用信息論中不定性的研究方法，度量系統(tǒng)結構組成復雜程度的指數(shù)，又叫做香濃-威納多樣性指數(shù)，其和下文的均衡度指數(shù)是景觀生態(tài)學中景觀指數(shù)最具代表性的兩種指數(shù)。已有學者借用該指數(shù)分別探討了中國出口商品的國際地區(qū)結構和中非農(nóng)產(chǎn)品貿易的區(qū)域差異及演化[33-34]。計算公式為：

式中：H表示中國糧食作物虛擬水進口多元化指數(shù)，其取值范圍為H≥0，Pj表示中國對j區(qū)域糧食作物的虛擬水進口量占糧食作物虛擬水進口總量的比重；J表示所考察的區(qū)域總數(shù)，這里指國家總數(shù)。當H指數(shù)越大時，表明中國對研究區(qū)國家的糧食作物虛擬水進口愈加多元化，進口結構越趨于合理；反之，當H指數(shù)越小時，表明中國糧食作物虛擬水進口僅在個別地區(qū)或國家集中，進口結構不平衡性加劇，進口貿易潛在風險增加。

2）均衡度指數(shù)。均衡度指數(shù)可以測度研究區(qū)國家進出口貿易的相對均衡程度。本文在中國糧食作物進口多元化指數(shù)（H指數(shù)）的基礎上構建中國糧食作物進口均衡度指數(shù)（E指數(shù)）。計算公式為：

式中：E表示中國糧食作物虛擬水進口均衡度指數(shù)，即中國糧食作物虛擬水進口多元化指數(shù)與其最大值的比例，其取值范圍介于0和1之間。當E指數(shù)越大時，表明中國對研究區(qū)國家的糧食作物虛擬水進口愈加均衡，進口結構趨于優(yōu)化；而當E指數(shù)越小時，表明中國糧食作物虛擬水進口在不同國家存在較大的差異性，存在進口結構不合理現(xiàn)象。

3）探索性空間數(shù)據(jù)分析（ESDA）。全局空間自相關指數(shù)（Global Moran’sI），又稱作全局莫蘭指數(shù)，該指標能夠度量一組要素及其空間分布的相關屬性。計算公式為：

式中：Wij表示i國家與j國家之間的空間權重，Xi表示中國對i國家的糧食作物虛擬水進口量，Zi表示其在國家i的取值與所有平均值的差，N表示國家總數(shù)目，S0表示全部國家之間空間權重的聚合。其在[-1，1]之間取值，數(shù)值為正表示正相關，數(shù)值為負表示負相關，數(shù)值越大代表著空間自相關性越強。

盡管全局空間自相關指數(shù)能夠從整體上分析某一要素屬性在全區(qū)域內的空間自相關性，但是無法揭示某一要素屬性在局部區(qū)域（子區(qū)域）內的空間分布狀態(tài)。為了解決該問題，Anselin[35]于1994年提出了局部空間自相關指數(shù)（Local Moran’sI），計算公式為：

式中：Zi、Zj、Wij和N所表示的含義與前文一致。Ii數(shù)值為正表示高-高集聚或者低-低集聚，Ii數(shù)值為負表示高-低集聚或者低-高集聚。局部莫蘭指數(shù)的測度結果通常采用LISA集聚圖實現(xiàn)可視化，能夠直觀地揭示出某一要素屬性的空間集聚特征。

1.1.3 變量選取與引力模型設定 1）變量選取。傳統(tǒng)

引力模型在國際貿易中的分析已被學者廣泛應用。經(jīng)典的引力模型變量僅包括經(jīng)濟規(guī)模和地理距離，兩個變量的經(jīng)濟學含義分別是國家的經(jīng)濟發(fā)展水平和貿易運輸成本[35]。此后，拓展的貿易引力模型日益盛行，如人口、貿易政策等因素的影響。本研究在傳統(tǒng)引力模型的基礎上，從規(guī)模經(jīng)濟、地理距離、要素稟賦、氣候環(huán)境、制度環(huán)境和政策效應六個維度來探討中國糧食作物虛擬水進口的影響因素。2）引力模型設定。根據(jù)傳統(tǒng)貿易引力模型，本文構建了拓展的中國糧食作物虛擬水進口的貿易引力模型。具體形式如下：

式中：i代表中國，j代表糧食作物虛擬水進口來源國；被解釋變量Yijt表示中國在t時期對j國的糧食作物虛擬水進口水平，以虛擬水進口數(shù)量來表征；αi表示待估參數(shù)；解釋變量主要是中國、糧食作物虛擬水進口來源國和雙邊國家特征的因素構成。各變量的描述性統(tǒng)計如表1所示。

表1 各變量的描述性統(tǒng)計Table 1 Descriptive statistics of variables

1.2 數(shù)據(jù)來源

本文的糧食作物是廣義上的，分別包括小麥、玉米、大米和大豆。由于不同糧食作物進口來源市場具有較大的差異性，本文并沒有將研究區(qū)域局部在某一個大洲或者某一個自貿區(qū)，而是在全球范圍內選取4種主要糧食作物進口量位居前列的39個國家，分別是美洲8國，亞洲14國，歐洲14國，非洲2國和澳大利亞。這些國家集中了中國糧食作物進口的主要市場來源，且在中國糧食作物進口量中占有較大的份額，故具備較強的樣本代表性。

各國糧食作物虛擬水含量數(shù)據(jù)來源于Mekonnen和Hoekstra[12]的水研究系列報告，中國糧食作物進口量數(shù)據(jù)來源于聯(lián)合國商品貿易統(tǒng)計數(shù)據(jù)庫，產(chǎn)品分類標準選擇HS1996。雙邊國家的人均GDP和人口數(shù)量來源于世界銀行WDI數(shù)據(jù)庫，地理距離來源于法國前景研究與國際中心（CEPII）數(shù)據(jù)庫，該數(shù)據(jù)采用兩國首都之間的直線距離。人均可再生內陸淡水資源、農(nóng)業(yè)用地面積、森林面積和匯率水平來源于世界銀行WDI數(shù)據(jù)庫，貿易自由度指數(shù)和政府支出水平來源于美國智庫傳統(tǒng)基金會發(fā)布的經(jīng)濟自由度數(shù)據(jù)庫，WTO數(shù)據(jù)來源于世界貿易組織官網(wǎng)。

2 結果與分析

2.1 中國糧食作物虛擬水進口時序動態(tài)特征

2.1.1 中國糧食作物虛擬水進口多元化 2006—2020年間，中國糧食作物虛擬水進口多元化指數(shù)在總體和子區(qū)域亞洲和歐洲上呈現(xiàn)波動增長的發(fā)展態(tài)勢，而在子區(qū)域美洲上則出現(xiàn)平緩下降的特征?？傮w來看，中國糧食作物虛擬水進口多元化指數(shù)雖有波動起伏，但仍保持在一個相對平穩(wěn)的高位狀態(tài)，其中有5年多元化指數(shù)超過了2.0，這表明中國糧食作物虛擬水進口結構相對合理，進口格局有所優(yōu)化。在2009年和2018年，該指數(shù)均出現(xiàn)下降，之后保持平穩(wěn)中略有回升之勢，說明全球金融危機和中美貿易摩擦降低了中國糧食作物虛擬水進口的多元化程度，但是影響深度有限。因此，中國糧食作物虛擬水進口多元化指數(shù)在總體上仍有較大的提升空間，削弱進口渠道集中化所帶來的潛在風險仍是一大重要任務。

分區(qū)域來看，中國糧食作物虛擬水進口多元化指數(shù)表現(xiàn)為一定的區(qū)域異質性。對美洲來講，自2010年始，中國對其糧食作物虛擬水進口多元化指數(shù)基本上保持平緩下降的趨勢，從2010年的1.76降低到2020年的1.38，這表明中國可能適當降低了從美洲進口糧食作物轉而增加了對亞洲和歐洲國家的糧食作物進口，進而帶動了從亞洲和歐洲國家進口的糧食虛擬水量。其中，大豆的進口渠道趨于多元化發(fā)揮著關鍵作用。比較亞洲和歐洲來看，中國對亞洲的糧食作物虛擬水進口多元化指數(shù)增長速度要高于歐洲，可能的原因是亞洲國家具有地理距離鄰近的優(yōu)勢，與中國具有更加濃厚的糧食貿易往來，而歐洲國家近些年才逐漸成為中國糧食作物的進口來源市場，如烏克蘭近幾年逐漸成為中國玉米進口的最大來源國，而亞洲尤其是東南亞國家一直是中國大米進口來源的主要市場（表2）。

表2 中國糧食作物虛擬水進口多元化指數(shù)Table 2 Diversification index of virtual water import of grain crops in China

2.1.2 中國糧食作物虛擬水進口均衡度 2006—2020年間，中國糧食作物虛擬水進口均衡度指數(shù)在總體和子區(qū)域上皆保持著波動變化的特點，在總體和歐洲上則處于一個相對較低的狀態(tài)，而在美洲和亞洲上呈現(xiàn)較高的水平?？傮w來看，中國糧食作物虛擬水進口均衡度指數(shù)變化不大，2016年達到最高水平0.42，2020年則再次回落到0.38，2018年受中美貿易摩擦的影響也出現(xiàn)了一個低谷，這表明中國糧食作物虛擬水進口均衡度總體水平較弱，進口結構存在部分失衡的特征。分區(qū)域來看，中國對亞洲國家的糧食作物虛擬水進口均衡度指數(shù)最高，其中有8年大于0.5，有5年大于0.6，整體上是一個平緩增長的態(tài)勢，這表明中國對亞洲國家的糧食作物虛擬水進口趨于均衡，對不同國家的虛擬水進口差異逐漸縮小。對美洲而言，均衡度指數(shù)接近于0.5，但近幾年呈現(xiàn)下降走勢，表明中國對其糧食作物虛擬水進口均衡度保持高位但具有削弱的風險。對于歐洲來講，均衡度指數(shù)一直是波動的狀態(tài)，但自2016年始有增加的趨勢，表明中國對歐洲的糧食作物虛擬水進口日趨合理，進口市場過于集中的現(xiàn)象并不突出，未來該進口均衡度有可能會超越美洲（表3）。

表3 中國糧食作物虛擬水進口均衡度指數(shù)Table 3 Equilibrium index of virtual water import of grain crops in China

2.2 中國糧食作物虛擬水進口空間格局演變

2.2.1 中國糧食作物虛擬水進口全局空間自相關 本文測度了2006—2020年間中國糧食作物虛擬水進口的全局Moran’sI指數(shù)。結果顯示：Moran’sI指數(shù)的值均為正，表明中國糧食作物虛擬水進口呈現(xiàn)出正向的全局空間自相關性，即空間上的低-低集聚或高-高集聚的馬太效應，但這種正相關性有減弱的趨向。首先，全局Moran’sI指數(shù)在15年間有12年均通過了Z統(tǒng)計量的顯著性檢驗，表明中國糧食作物虛擬水進口在空間上具有正向集聚的現(xiàn)象；而2009年、2018年該指數(shù)均出現(xiàn)下降且尚未通過顯著性檢驗，表明全球金融危機和中美貿易摩擦可能對中國糧食作物虛擬水進口的空間集聚程度形成了一定的沖擊。其次，全局Moran’sI指數(shù)僅在2006年、2007年、2008年和2010年達到了0.1及以上，且自2015年以來，該指數(shù)下降趨勢明顯，這預示著中國糧食作物虛擬水進口存在分散化風險，空間集聚性有所減弱（表4）。

表4 中國糧食作物虛擬水進口全局空間自相關指數(shù)Table 4 Global spatial autocorrelation index of virtual water import of grain crops in China

2.2.2 中國糧食作物虛擬水進口局部空間自相關 中國糧食作物虛擬水進口總體差異僅能反映其空間分異特征，不能展示其空間相互作用，也不能揭示局部或者區(qū)域的空間集聚程度。全局Moran’sI指數(shù)的分析表明，中國糧食作物虛擬水進口具有總體上的正向空間自相關關系，因此，本文擬選取2007、2011、2015和2019年的數(shù)據(jù)進行局部Moran’sI指數(shù)分析，結合局部LISA集聚關系研究中國糧食作物虛擬水進口的局部空間格局及其關聯(lián)模式（表5）。局部LISA集聚關系按照空間集聚程度可以劃分為四個類型：高高集聚區(qū)（H-H）、高低集聚區(qū)（H-L）、低高集聚區(qū)（L-H）、低低集聚區(qū)（L-L）。

表5 中國糧食作物虛擬水進口的局部Moran’s I指數(shù)與LISA集聚關系Table 5 Relationship between local Moran’s I index and Lisa agglomeration of virtual water import from grain crops

總體來看，中國糧食作物虛擬水進口局部空間分異特征顯著，但高高聚集區(qū)的國家個數(shù)明顯少于低低聚集區(qū)和低高聚集區(qū)的國家個數(shù)，且多集中在南美洲少數(shù)幾個國家，這說明中國糧食作物虛擬水進口局部空間集聚程度仍處于發(fā)展狀態(tài)。具體而言，中國糧食作物虛擬水進口不存在高低集聚區(qū)，其他三種類型的空間集聚范圍隨著時間推移有不同程度的變遷。

1）高高集聚區(qū)（H-H）主要集中在南美洲一帶，如巴西、阿根廷和烏拉圭。整體集聚范圍相對穩(wěn)定，其中阿根廷始終是該集聚區(qū)軸心的國家，與中國糧食作物虛擬水進口具有較為緊密的貿易聯(lián)系，是中國大豆虛擬水進口的增長極。后三個階段烏拉圭與中國糧食作物虛擬水進口的貿易聯(lián)系日趨緊密。中國與這幾個國家具有較為頻繁的大豆進口貿易，存在要素流動、技術溢出等優(yōu)勢。

2）低高集聚區(qū)（L-H）主要集中在拉丁美洲一帶，如智利、秘魯、墨西哥，還包括歐洲的丹麥。烏拉圭2007年屬于低高集聚區(qū)，而后三個階段一躍屬于高高集聚區(qū)；智利和秘魯一直屬于該集聚區(qū)的軸心國家；2019年集聚區(qū)的軸心國家基本上與2007年（丹麥除外）保持一致，表明中國糧食作物虛擬水進口在該區(qū)域內存在極化現(xiàn)象。

3）低低集聚區(qū)（L-L）主要集中在歐洲一帶，2019年澳大利亞進入低低集聚區(qū)的范圍，原因可能是中澳貿易摩擦對中國自澳進口的小麥虛擬水量造成不利影響，且與周圍國家糧食作物虛擬水的進口貿易聯(lián)系偏弱。表明中國與大部分歐洲國家的糧食作物虛擬水進口貿易聯(lián)系有待深化，烏克蘭近些年逐漸成為中國玉米虛擬水進口的最大市場來源。

2.3 中國糧食作物虛擬水進口的影響因素

2.3.1 多重共線性檢驗 多重共線性是指線性回歸模型中的各個解釋變量間可能存在某種相關關系而導致模型不能準確地被估計的現(xiàn)象。鑒于此，本文在開展實證分析前，計算各個解釋變量的方差膨脹因子（VIF），以判斷涉及的各變量間是否存在多重共線性問題（表6）。通常情況下，方差膨脹因子小于10，當其大于等于10且數(shù)值越大時，變量之間的多重共線性問題越嚴重。如表6所示，可以發(fā)現(xiàn)：引力模型中每一個解釋變量的方差膨脹因子及其倒數(shù)都小于10，說明各個自變量間不存在嚴重的多重共線性問題。

表6 引力模型中各變量的多重共線性檢驗結果Table 6 Multicollinearity test results of each variable in the gravity model

2.3.2 基準回歸 基于拓展的貿易引力模型，本文采用stata16.0對中國糧食作物虛擬水的33個進口來源國2006—2018年共13年的跨國面板數(shù)據(jù)開展實證分析。LM檢驗結果顯示：隨機效應模型要優(yōu)于混合OLS回歸，即存在個體隨機效應；而Hausman檢驗結果顯示：固定效應模型優(yōu)于隨機效應模型，即存在個體固定效應；F檢驗結果顯示：存在時間固定效應。因此本文最終選取雙向固定效應模型開展實證分析。研究發(fā)現(xiàn)雙邊人均GDP、進口來源國的人均可再生內陸淡水資源和農(nóng)業(yè)用地面積、進口來源國的森林面積、進口來源國的貿易自由化指數(shù)和政府支出指數(shù)、雙邊加入世界貿易組織和匯率水平對中國糧食作物虛擬水進口具有顯著的影響。具體分析如下（表7）：

表7 基準回歸結果Table 7 Benchmark regression results

1）雙邊人均GDP通過了5%的顯著性水平檢驗且系數(shù)為正值，表明雙邊經(jīng)濟發(fā)展水平的提高拉動了中國糧食作物虛擬水進口。伴隨雙邊規(guī)模經(jīng)濟的發(fā)展，中國國內對糧食作物的需求會增加，進口來源國國內需求的增長會拉動其糧食作物產(chǎn)量的提升，進而有利于將過剩的糧食作物出口到中國，從而提高了中國糧食作物虛擬水的進口量。

2）人均可再生內陸淡水量和農(nóng)業(yè)用地面積的系數(shù)分別為2.855和2.892，且均通過了1%的顯著性水平檢驗，表明進口來源國的要素稟賦優(yōu)勢有利于中國糧食作物虛擬水進口。具體來講，當進口來源國的人均可更新內陸淡水資源量越多且農(nóng)業(yè)用地面積越廣闊時，該國的水資源和土地資源稟賦越充裕，要素稟賦優(yōu)勢越明顯，越有利于本國的農(nóng)業(yè)生產(chǎn)和貿易活動，從而間接帶動中國糧食作物虛擬水進口。另一方面，2.892大于2.855，表明進口來源國土地資源稟賦優(yōu)勢對中國糧食作物虛擬水進口的影響要強于水資源稟賦優(yōu)勢。

3）森林面積通過了5%的顯著性水平檢驗，但系數(shù)符號為負，與預期不符，可以推斷當進口來源國森林面積越廣闊時，那么該國的農(nóng)業(yè)耕地面積可能會受到擠占，進而削弱了其糧食生產(chǎn)能力，降低了出口到中國糧食作物的供給水平，從而抑制了中國糧食作物虛擬水進口數(shù)量的增加。

4）貿易自由化指數(shù)通過了1%的顯著性水平檢驗，但系數(shù)符號為負，與預期不符，說明進口來源國的貿易自由化水平一定程度上阻礙了中國糧食作物虛擬水進口?？赡艿脑蚴且粐Q易自由度越高，經(jīng)濟制度環(huán)境越好，越有可能吸引外來投資而非出口貿易，這主要是投資和貿易的替代性所導致的[36-37]。政府支出指數(shù)在10%的水平上顯著為正，表明進口來源國的政府支出水平顯著促進了中國糧食作物虛擬水進口。政府對本國農(nóng)業(yè)經(jīng)濟發(fā)展的硬件和軟件環(huán)境改善投入的增加能夠為進出口貿易提供便利，有助于降低貿易成本，間接拉動中國糧食作物虛擬水進口。

5）雙邊加入世貿組織通過了1%的顯著性水平檢驗且表現(xiàn)為正值，表明雙邊加入世界貿易組織對中國糧食作物虛擬水進口具有顯著的正向影響。這有利于積極參與經(jīng)濟全球化，妥善處理貿易摩擦或解決貿易爭端問題，從而建立多邊貿易體制，增進多邊的農(nóng)產(chǎn)品貿易聯(lián)系，進而推動中國糧食作物虛擬水進口。

6）匯率水平通過了10%的顯著性水平檢驗，且系數(shù)符號為正值，表明雙邊匯率水平與中國對其糧食作物虛擬水進口呈現(xiàn)正相關關系，貨幣升值有利于糧食虛擬水進口的增加。中國應該積極參與全球經(jīng)濟一體化活動，保持人民幣的國際競爭力，為國內糧食作物虛擬水進口營造便捷有利的國際環(huán)境。

7）雙邊人口數(shù)量的系數(shù)為正值但不顯著，表明雙邊人口規(guī)模的擴大一定程度上拉動了中國糧食作物虛擬水進口但作用不明顯。可能的原因是其他國家人口規(guī)模的增長刺激了本國的食物消費需求，某種程度上增加了國內的糧食供給，減小了國際市場的供應規(guī)模。雙邊首都間距離的系數(shù)為負值但不顯著，說明地理距離對中國糧食作物虛擬水進口具有抑制作用但影響效果有限。這與王如玉和肖海峰[38]的研究結論相一致，國際道路客貨運輸線路的開通與國際航線的增加等導致距離因素及運輸方式因素在貿易中的影響不再明顯。

2.3.3 穩(wěn)健性檢驗 貿易零值問題在學界具有廣泛的討論。如果簡單刪去或忽視這些零值數(shù)據(jù)，不僅樣本量會變小，而且回歸估計的結果往往是有偏的。對此學界為修正零值因變量可能導致的有偏估計問題，誕生了一些方法，如在零值因變量上加上一個較小的數(shù)字來替代原來的因變量進行處理，如y+1；還有PPML（泊松偽極大似然估計法）、NLS（非線性最小二乘法）等。本文相關數(shù)據(jù)在早些年存在零值現(xiàn)象，且部分國家數(shù)據(jù)可能不連續(xù)，因此下文將應用混合OLS（y+1）回歸和PPML回歸兩種估計方法來替換混合OLS回歸和雙向固定效應模型以進行穩(wěn)健性檢驗。

從表8中可以看到，混合OLS（y+1）回歸的估計結果和混合OLS回歸的結果基本一致，主要變量的顯著性水平基本不變，因此在中國糧食作物虛擬水進口的引力模型中，貿易零值問題對模型擬合結果的影響不大。對比雙向固定效應模型和PPML方法的回歸結果，發(fā)現(xiàn)主要解釋變量的顯著性水平和符號保持基本一致，地理距離變量在PPML回歸中變顯著了，因此原有模型中解釋變量對被解釋變量的擬合程度較好，解釋程度較強，回歸結果和研究結論具有一定的穩(wěn)健性。

表8 替換估計方法的穩(wěn)健性檢驗結果Table 8 Robustness test results of alternative estimation methods

3 結論

1）中國糧食作物虛擬水進口趨于多元化，但均衡度水平較弱，兩者皆表現(xiàn)出一定的區(qū)域異質性特征。具體來講，中國糧食作物虛擬水進口多元化指數(shù)在總體和子區(qū)域亞洲和歐洲上呈現(xiàn)波動增長的發(fā)展態(tài)勢，而在子區(qū)域美洲上則出現(xiàn)平緩下降的特征，整體上多元化特征明顯。中國糧食作物虛擬水進口均衡度指數(shù)保持波動變化，在總體和歐洲上則處于一個相對較低的狀態(tài)，而在美洲和亞洲上呈現(xiàn)較高的水平，整體上均衡度水平較弱。

2）中國糧食作物虛擬水進口呈現(xiàn)出正向的全局空間自相關性，具有減弱的風險，且局部空間集聚程度仍處于發(fā)展狀態(tài)。具體而言，中國糧食作物虛擬水進口呈現(xiàn)出一定程度的正向全局空間自相關性，全球金融危機、中美貿易摩擦可能對其空間集聚程度形成了一定的沖擊。中國糧食作物虛擬水進口局部空間分異特征顯著，但高高聚集區(qū)的國家個數(shù)明顯較少且多集中在南美洲個別國家，這說明中國糧食作物虛擬水進口局部空間集聚程度仍處于發(fā)展狀態(tài)。

3）雙邊經(jīng)濟發(fā)展水平、進口來源國的水資源和土地資源稟賦優(yōu)勢、進口來源國的森林面積、貿易自由化水平和政府支出水平、雙邊加入世界貿易組織和匯率水平對中國糧食作物虛擬水進口具有顯著的影響，其中雙邊經(jīng)濟發(fā)展水平、進口來源國的水土資源稟賦優(yōu)勢、進口來源國的政府支出水平、雙邊加入世界貿易組織和匯率水平表現(xiàn)為正向影響，而進口來源國的森林面積和貿易自由化水平表現(xiàn)為負向影響。

4 政策建議

4.1 結合國情實施虛擬水戰(zhàn)略，構建農(nóng)業(yè)水資源可持續(xù)利用新模式

第一，在保證國家糧食基本自給的前提下，積極利用國際糧食市場，實施虛擬水戰(zhàn)略，通過提倡進口單位虛擬水含量高的產(chǎn)品和出口單位虛擬水含量低的產(chǎn)品以節(jié)約國內水資源，從而達到緩解國內水資源短缺和維護國家糧食安全的雙重目的。

第二，依托于虛擬水戰(zhàn)略，構筑農(nóng)業(yè)水資源可持續(xù)利用新模式。如缺水區(qū)適度增加節(jié)水型產(chǎn)品的種植面積，富水區(qū)適度保持水資源密集型產(chǎn)品的種植規(guī)模，這樣可以優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)布局的同時節(jié)約水資源；再如采用先進的灌溉技術和手段，推進耕地集約化、基礎設施現(xiàn)代化等，以科技和政策手段共同推進農(nóng)業(yè)水資源可持續(xù)利用和管理。

4.2 立足國家糧食安全新戰(zhàn)略，調整和優(yōu)化中國糧食進口策略

第一，實施糧食進口政策調整，推進糧食進口規(guī)模適度。中國一方面應該實施糧食進口政策精準化，對口糧和飼料糧采取不同的政策，同時堅持糧食進口規(guī)模適度的原則，將糧食適度進口與緩解水土資源壓力相結合。

第二，助推中國糧食進口渠道多元化，鞏固與糧食來源市場的貿易伙伴關系。拓展糧食進口來源，挖掘更廣闊的糧食貿易市場，推動糧源的安全、穩(wěn)定和可持續(xù)供應；構建相關預警機制以緩解重大經(jīng)濟危機和自然災害對糧食作物虛擬水進口穩(wěn)定性的沖擊。

第三，雙邊國家可以就擴大糧食規(guī)模經(jīng)濟效應、發(fā)揮彼此的農(nóng)業(yè)比較優(yōu)勢水平展開合作和協(xié)商，構建先進的國際交通基礎設施網(wǎng)絡以削弱地理距離對糧食虛擬水進口的不利影響，共同推動國際糧食貿易一體化；而對于進口來源國來講，能夠通過拓展新的糧食貿易合作形式及實施政府支出多樣化和透明化以優(yōu)化其制度環(huán)境水平。

4.3 構筑雙循環(huán)新發(fā)展格局下的糧食安全保障體系和水安全維護體系

第一，筑牢糧食安全保障體系需要從糧食綜合生產(chǎn)體系、糧食儲備調控體系及全球農(nóng)產(chǎn)品供應鏈視角展開。首先，在國家大食物觀的理念下，以農(nóng)業(yè)科技創(chuàng)新確保糧食生產(chǎn)和優(yōu)質品種供給；其次，構建糧食儲備和應急保障體系以應對突發(fā)事件和維護市場穩(wěn)定為重點，以充分利用國際糧食資源和市場來穩(wěn)定國際糧食供應鏈建設。

第二，構建水安全維護體系需要從穩(wěn)定的水資源供給體系、虛擬水戰(zhàn)略的福利效應和實體水-虛擬水耦合角度著手。立足區(qū)域水資源承載力，完善國家水資源配置體制機制，創(chuàng)新水資源管理決策，激發(fā)原生性節(jié)水動力；通過農(nóng)產(chǎn)品虛擬水進口來補充國內過高的水資源需求，發(fā)揮虛擬水貿易的節(jié)水效應，倒逼國內提高水資源使用效率；將虛擬水的概念融入實體水的治理中，實現(xiàn)調水工程和虛擬水進口并駕齊驅，發(fā)揮其互補和雙贏作用，從而充分展現(xiàn)虛擬水戰(zhàn)略的貿易福利效應。