我国水利投资效率演进的时空特征及影响因素——基于空间计量的视角

李 超

(天津大学管理与经济学部,天津 300072)

农业是国家经济赖以生存和发展的重要基础,农业不仅为工业发展提供粮食、原料、劳动力、资金和市场,支撑工业发展,而且为社会稳定与国家自立奠定坚实基础。在多年的中央工作会议中都指出,全面建设小康社会,必须统筹城乡经济社会发展,更多地关注农村,关心农民,支持农业,把解决好农业、农村和农民问题作为全党工作的重中之重,放在更加突出的位置,努力开创农业和农村工作的新局面。因此,在全面推动农业发展的宏观背景下,水利建设成为夯实农业基础、提高水资源利用效率、改善生态环境,稳固经济发展根基的重要抓手。当前,我国推进新“四化”和生态文明建设,对水利建设的支撑保障能力提出了更高的要求。因此,分析当前我国水利建设投资效率及其影响因素,对于有效增加水利投资强度,促进生态、经济、社会进步具有重要意义。

近年来,水利投资效率问题引起了各界学者越来越多的关注。郭唐兵等[1]利用 2001—2010 年中国省际面板数据,分析了我国农田水利发展与农业增长之间的关系,指出了未来我国东、中、西部三大地区农田水利的主要发展方向。吴平等[2]运用数据包络分析方法对我国24个粮食主产区2009 年的农田水利设施配置效率进行分析和评价,并结合 Malmquist 指数方法对我国 2003—2009 年 24个粮食主产区的数据进行分析。朱云章[3]分析了河南省四大区域农田水利投资绩效。任静等[4]基于拥挤效益对陕西省的水利投资最优规模进行研究。叶文辉等[5]基于2003—2010年省际面板数据的DEA-TOBIT两阶段法,实证分析我国东部、西部、中部地区农田水利运营效率及其影响因素,并指出任何投资过度或者投资不足都会影响投资效率。

之前的研究多从静态的视角看待水利投资效率,忽视其动态演进特征。而且由于理论不同,方法模型各异,样本选择有别,以及各个地区地理环境的特殊性和不平衡性,研究结论对效率成因及差异形成机制解释不尽人意,与现实也有诸多不符之处。究其原因,主要是传统的理论研究基于一些理想假设,以时间维度和单要素分析为主,而现实是在地理空间承载之上运行的。因此,以忽略空间维度的单要素模型进行分析,无法满足实际需要,进而难以对水利投资效率成因及差异进行有效分析。为探讨我国水利投资效率空间分布特征、演化以及差异成因,笔者考虑地理空间因素,在全要素生产率视角下,运用DEA对各省的水利投资进行评价,通过空间自相关分析,描述我国水利建设的时空特征,在此基础上,构建空间计量模型,探寻影响我国水利投资效率因素,并剖析水利投资效率空间差异的成因。依据分析结论,为政府宏观管理部门提出政策建议,推动水利投资效率的全面提升。

1 研究方法

1.1 DEA

Farrell[6]首先提出了通过效率边界估计企业效率的方法。随后,基于前沿效率分析的方法逐渐成为效率研究方面的主流。DEA模型的实质是运用线性规划评价决策单元的效率[7],其基本思想是通过构建一条非参数的包络前沿线,有效点位于生产前沿上,无效点处于前沿的下方,从而实现对效率的测算。目前,关于效率测算方法主要分为单要素效率和全要素效率,由于单要素效率只是衡量投入与产出之间的比例关系,没有考虑生产过程中其他投入要素的影响,其测算结果存在很大的局限性,基于全要素生产率的方法则弥补了这一缺陷[8]。本文运用全要素生产理念,在生产函数框架下,运用投入导向的规模报酬可变的BCC模型,对我国水利建设效率进行测算。

假定有N个决策单元,每一个决策单元有k种投入,M种产出,则第i个决策单元的效率,可以通过求解线性规划问题得出。

(1)

式中：θ为决策单元的效率值；λ为N×1的常向量。

1.2 空间自相关分析

1.2.1 全局空间自相关

全局空间自相关描述的是区域与周边地区空间差异的平均程度。一般用Moran’s Ⅰ空间自相关统计量测算空间差异程度。

(2)

式中:Q为Moran’s Ⅰ 指数;Yi为i地区的观测值；n为地区的总数；wij为空间权重矩阵。

本文在研究我国各省水利投资效率差异时,基于具有共同边界的一阶Queen矩阵,定义空间权重,当i地区与j地区相邻时,wij=1;当i地区与j地区不相邻时,wij=0。

构建Moran’s Ⅰ指数检验的Z统计量:

(3)

式中：wi和wj分别为空间矩阵i行与j列之和。

Moran’s Ⅰ指数取值范围是[-1,1],当Moran’s Ⅰ接近于+1(-1)时,说明变量具有很强的正(负)空间自相关性；当Moran’s Ⅰ接近于0,说明变量的空间自相关性很弱。

1.2.2 局部空间自相关

局部空间自相关反映区域空间差异的变化趋势,揭示局部直至每个空间单元的空间自相关性质。对于某个空间单元i表示为

(4)

Moran散点图可用来描述局域空间的异质性,横轴对应变量x的所有观测值,纵轴对应空间滞后向量(wx)的所有取值,每个地区观测值的空间滞后就是该区域邻近观测值的加权平均,具体通过标准化的空间权重矩阵加以定义。

1.3 空间计量模型

传统计量模型假设样本匀质化和相互独立,当样本在空间分布上呈现出依赖特征和非均匀性特征时,再运用传统计量模型将违背高斯-马尔可夫经典假设[9],导致传统计量方法估计结果不具有无偏性和一致性。因此,需要考虑空间计量模型。空间计量通过极大似然估计,实现估计结果的无偏性和一致性。本文构建空间计量模型,分析影响水利投资效率分布的因素,解释水利投资效率差异扩大或缩小的内在原因。空间计量模型包括空间自回归模型、空间误差模型。

1.3.1 空间自回归模型

y=ρWy+βX+ε

ε～N(0,σ2In)

(5)

式中：y为因变量；X为自变量；ρ为空间自相关系数；W为空间权重矩阵；ε为随机误差项;β为回归系数；σ2为误差方差；In为单位矩阵。

邻接矩阵的定义为基于具有共同边界的一阶Queen矩阵。空间自回归模型表示因变量。

1.3.2 空间误差模型

y=βX+μ

μ=λWμ+ε

ε～N(0,σ2In)

(6)

式中：λ为空间依赖系数；μ为正态分布的随机误差项。

邻接矩阵的定义为基于具有共同边界的一阶Queen矩阵。

1.3.3 模型选择判别依据

由于空间效应可能表现在因变量或误差项上,所以要对模型形式进行判断。判别依据是:依据LM检验方法,构建LM-lag与LM-error统计量。若空间滞后模型LM-lag统计量比空间误差模型LM-error统计量更显著,则选择空间滞后模型,反之则选择空间误差模型。如果2个都不显著,保留OLS回归结果[10]。

2 数据与变量

本文以我国30个省为研究对象,由于上海数据不全,在分析中予以剔除。原始数据均来源于2008—2013年的《中国统计年鉴》和《中国水利统计年鉴》。

2.1 投入产出变量

从本质上来看,水利投资效率投入指标是设备与资金,借鉴任静等[4]的研究,选取水利固定投资表示资金投入,选取乡村办水电站(装机总量)表示资产的投入。水利投资效率产出指标表现为经济效益、社会效益和生态效益,选取体现水利对于农业发展以及整个经济社会的贡献作用,借鉴郭唐兵等[1]的研究,本文选取水产品产量表示经济效益,以发电量表示社会效益,以有效灌溉面积和水土流失治理面积表示生态效益,从而对水利投资效率进行测算。

表1 水利投资效率投入产出指标体系

2.2 地区划分

本文的东部地区包括北京、天津、河北、辽宁、江苏、浙江、福建、山东、广东;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖南、湖北、海南;西部地区包括内蒙古、四川、重庆、广西、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

3 实证分析

3.1 水利投资效率全要素生产率测算

根据DEAP 2.1软件,计算我国30个省2008—2012年的水利投资效率的全要素生产率,如表2所示。

表2 2008—2012年我国水利投资效率全要素生产率分解数据

由表2可知,只有东部地区的浙江,全要素生产率大于1,说明浙江省的水利投资效率逐年递增,年平均变化率为0.3%,呈现出正的进步性变化。全要素生产率可进一步分解为技术效率和技术进步的乘积,技术效率可分解为纯技术效率和规模效率的乘积。只有4个省份的技术效率小于1,并趋向于1,说明我国水利投资的纯技术效率(即水利工程建设的管理等方面的投入)和规模效率(投资规模)对水利投资效率有正向影响,整体形势良好。

全要素生产率过低的原因是技术进步的变化,技术进步包括施工企业在施工工艺和生产过程等方面的优化改造以及生产要素和原材料质量等。技术进步的平均变化值为0.751,由此可见,我国水利建设的技术水平和利用效率都不高。表3为2008—2012年我国水利投资效率全要素生产率。

图1 2008—2012我国水利投资效率的空间格局演变

表3 2008—2012年我国水利投资效率全要素生产率

由表3可以看出,我国的水利投资效率整体不高,但是东部地区优于中部和西部地区。我国水利投资效率的空间分布差异显著。

3.2 水利投资效率空间差异分析

3.2.1 全局空间自相关分析

运用GeoDa软件,计算我国2008—2012年水利效率全局Moran’s Ⅰ指数,如表4 所示。结果表明,Moran’s Ⅰ都为正值,且Z值都达到1.96以上,都通过10%的显著性检验,表明我国水利投资效率存在着空间集聚性,即具有较高(低)效率的地区一般与周围较高(低)效率的地区相邻,表现出“相近相似”的特征。

表4 我国水利投资效率的Moran’s Ⅰ指数

注：P表示伴随概率，当P<0.05时，Q显著;Z表示Moran’s Ⅰ指数显著性检验的结果。

3.2.2 局部空间自相关分析

图1为2008年、2010年、2012年我国水利投资效率分布图,反映了我国2008—2012 年间我国水利投资效率的空间演变格局。从总体上揭示了我国区域创新产出在空间分布上“东高西低”的非均衡性。

3.3 空间计量模型

本文通过对现有文献回顾,第一产业产值、地方财政收入,农村人口比重、水土流失治理面积对水利投资具有重要影响。根据以上影响因素,构建空间计量模型。

空间自回归模型:

ln(Iit)=β0+ρWln(Iit)+β1ln(Cit)+

β2ln(Fit)+β3ln(Pit)+β4ln(Sit)+ε

(7)

空间误差模型:

ln(Iit)=β0+β1ln(Cit)+β2ln(Fit)+

β3ln(Pit)+β4ln(Sit)+μ

(8)

μ=λWμ+ε

式中：Iit为i地区t时期水利投资；Cit为i地区t时期的第一产业产值；Fit为i地区t时期的财政收入；Pit为i地区t时期的农业人口；Wit为i地区t时期的水土流失治理面积；β0,β1,β2,β3,β4为回归系数；W为空间权重矩阵。

空间计量模型回归结果如表5所示。

表5 我国水利投资空间计量模型结果

注:*为在10%的水平下显著; **为在5%的水平下显著；***为在1%的水平下显著；括号内的数字为对应的t值。

通过对空间自回归模型LM-LAG检验和空间误差模型LM-error检验,发现空间自回归模型LM-LAG统计量为1.177,小于6.635临界值,统计量不显著,而空间误差模型LM-error统计量为32.131,大于临界值6.635,统计量显著。因此,本文将SEM模型回归结果进行分析。通过SEM模型与OLS模型的比较可以发现,SEM模型的R2为0.096,大于OLS模型的0.860,同时大于空间自回归模型的0.910。SEM模型的模拟效果较好。通过引入空间效应对经典回归模型进行了有效的修正,得到更加真实客观的估计结果。

SEM模型的λ为0.059,且在1%的水平下显著,表明我国水利投资存在显著的空间相关性和依赖性。SEM模型中,ln(Cit)的系数为0.546,且在1%的水平下显著,表明第一产业产值是水利投资的影响因素;ln(Fit)的系数为0.681,且在1%的水平下显著,表明财政收入对水利投资有影响。农业人口比重与水土治理面积与水利投资没有影响。

4 结论及政策建议

本文以全要素生产率视角,测算了我国2008—2012年30个省的水利投资效率,在此基础上,运用全局空间自相关与局部空间自相关分析方法对我国水利投资效率演进的时空特征以及水利投资影响因素进行实证分析,得出以下结论。

a.从全局空间自相关来看,我国水利投资效率具有空间依赖性,近邻效应显著,即具有相近水利投资效率状态的地区在地理空间上集聚。

b.从局部空间自相关来看,我国水利投资效率在空间分布上呈现“东高西低”的不均衡性,即水利投资效率较高的省区集聚于东部地区,而水利投资效率较低的省区则集中于西部地区。

c.影响我国水利投资的主要因素是第一产业产值和财政收入。农业是国家稳定的基础,一个地区第一产业产值比重较大,倾向于多投资水利建设,财政收入则是实现投资完成的保障。

根据研究结论,本文提出3点政策建议,以提高水利投资效率,加快我国水利建设。

a.深化市场机制,对水利投资实施负面清单管理,提高资金使用效率。水利投资规模大、周期长,需要政府引导,但仅靠政府单独投资是不现实的,深化市场机制、优化投资结构,采取多种方式拓宽水利投资渠道,可发动全社会的力量参与水利投资,实现水利建设的公益性和基础性。对于外资投入的准入机制,可实行负面清单管理模式,全球资金处于高度流通之中,在水利投资领域可创造一种政策宽松、环境开放、有投资前景的发展空间,使外资投资在负面清单管理机制的监督下,提高水利投资效率,促进经济活跃发展。

b.完善保障机制,对水利投资实施绩效管理,促进水利投资便利化。水利投资和建设涉及水利、国土、建设、环保等部门的水务职能,分散的职能部门,难以发挥有效的资源整合能力,建立集水资源规划、设计、开发、配置、污水处理等职能于一体的水务管理机制[11],整合分散的各个职能部门。建立有效的绩效管理机制,通过绩效计划、绩效辅导、绩效考核与绩效反馈,对各个职能部门进行有效的管理。

b.区域政策协调,对水利投资回收补偿协同管理,促进水利建设健康发展。按照补偿成本、合理收益、公平负担的原则,各个区域和部门要共同承担水利投资的风险和回报。水利是区域发展的重要基础支撑,通过水利保障能力与统筹区域协调发展的步调一致,来解决东中西部之间、大江大河与中小河流之间、城市与农村之间的水利建设差距;通过区域的协同协作,统筹流域区域水利协调发展,实现水资源的优化配置与水利基础设施的良性运行。

参考文献：

[1] 郭唐兵,叶文辉.我国农田水利与农业增长关系的实证研究[J].华东经济管理,2012(12):84-88.

[2] 吴平,谭琼.我国粮食主产区农田水利设施配置效率及区域差异分析:基于DEA和动态Malmquist指数的实证分析[J].农业现代化研究,2012(3):331-335.

[3] 朱云章.中部粮食主产区农田水利投资绩效分析:以河南省为例[J].科学经济社会,2011(2):58-62.

[4] 任静,陆迁.基于拥挤效应的陕西省水利投资最优规模研究[J].中国人口·资源与环境,2014(4):169-176.

[5] 叶文辉,郭唐兵.我国农田水利运营效率的实证研究：基于2003—2010年省际面板数据的DEA-TOBIT两阶段法[J].山西财经大学学报,2014(2):63-71.

[6] FARRELL J.The measurement of productive efficiency[J].Journal of the Royal Statistical Society,1957,120(3): 253-290.

[7] COELLI T,RAO P,BATTASE E.An introduction to efficiency and productivity analysis[M].Boston: Kluwer Academic Publishers,1998.

[8] JIN LIHU,WANGA S C.Total-factor energy efficiency of regions in China[J].Energy Policy,2006,34(17):3206-3217.

[9] LE SAGE P,PACE K.Introduction to spatial econometrics[M].Boca Raton:CRC Press,2009.

[10] ANSELIN L,FLORAX M,REY J.Advances in spatial econometrics: methodology,tools and applications[M].Heidelberg:Springer Press,2004.

[11] 刘海英.广东农田水利基础设施现状、问题和对策[J].广东农业科学,2010(1):255-257,262.