山东省工业用水效率的空间差异性及其影响因素分析

崔 丹,周玉玺(山东农业大学 经济管理学院,山东 泰安 271018)

山东省工业用水效率的空间差异性及其影响因素分析

崔 丹,周玉玺
(山东农业大学 经济管理学院,山东 泰安 271018)

根据山东省2007—2015年的面板数据,运用DEA方法测算了山东省17个地市的工业用水效率,采用多元线性回归模型揭示了山东省及17个地市工业用水效率的关键影响因素。结果表明:①山东省工业用水效率已趋向于DEA有效;不同地市的工业用水效率变化呈现差异性，枣庄市和聊城市的工业用水效率9年一直达到DEA有效,除济宁市、莱芜市、威海市和日照市外,其他地市的工业用水效率朝着DEA有效发展;②工业废水排放量和Ramp;D费用在GDP中所占比重分别对50%以上的地区工业用水效率有影响,第二产业比重、第三产业比重和地区人均GDP分别对30%的地区有影响,各影响变量的作用具有空间差异性。

工业用水效率;影响因素;回归分析;DEA

山东省人均水资源占有量不足全国的1/6,仅为世界的1/24,属于我国极度缺水地区之一。2015年山东省人均水资源量约为171.52m3,仅为全国平均水平的8.41%,同时行业间供用水矛盾突出:产业结构变化、城镇化发展和水资源利用比较收益的变化是我国水资源“农转非”的重要影响因素[1]。在山东省新型工业化的推动下,经济社会的转型发展对工业水资源利用提出了更高的要求:2007—2015年,山东省城镇人口比例增加11.1%,工业生产总值年均增加8.8%,工业用水总量达254.26亿m3。城镇化和工业化的发展使水资源需求持续增长,山东省工业生产必须通过外调水源来满足用水需求,而提高水资源利用效率可减轻外调水的费用支出。因此,厘清山东省的工业用水效率及其影响因素,对该省缓解水资源短缺、促进新型工业化发展具有重要意义。

近年来,国内学者将工业水资源利用问题作为研究重点。学者们采用环境距离函数[2]、随机前沿技术法[3]、SFA方法[4]对中国工业用水效率进行了测算,指出中国工业用水效率呈逐年递增趋势,东部、中部、西部地区之间存在明显差异[4],空间上呈现从东部到西部逐渐下降的格局[3];李静[5]利用SBM-Undesirable、Meta-frontier模型说明了共同前沿和群组前沿下工业用水效率存在较大差异。姜蓓蕾[6]、雷玉桃[4]分别运用主成分分析法和回归分析法对全国工业用水效率的驱动因素进行了分析,指出水资源约束条件和高耗水行业的比重对工业用水效率有负向作用,工业科技投入和技术进步有正向作用[6],人均GDP、第二产业比重、第三产业比重和人均教育经费与全国工业用水效率有正相关关系[4];刘羽中[7]采用LMDI法分析了安徽省工业行业用水变化的影响因素,指出工业用水定额和经济结构能抑制工业用水消耗,而工业经济规模使用水消耗增加。

区域经济结构与水资源禀赋差异较大,工业用水效率及其影响因素具有典型的空间差异性。本文选取2000—2015年山东省工业用水的相关统计数据,运用DEA模型对山东省及其17个地市的工业用水效率进行了测算,并建立多元线性回归方程,揭示各影响因素与不同地区工业用水效率之间的关系。

1 材料与方法

1.1 工业用水效率的测度

变量选取与数据来源:以往学者选取工业用水效率评价指标时一般分为投入和产出两个方向:投入要素包括工业水资源使用量、工业从业人数、工业净产值[5,8];产出要素方面,李静[5]选取了工业增加值、工业废水中COD和氨氮排放量,钱文婧[8]选取了地区生产总值。基于此,考虑到工业生产的期望产出和非期望产出,本文选取工业生产总值(期望产出)和工业废水排放量(环境影响)作为产出指标;在投入指标方面,水资源选用的是工业生产当期的用水量,工业固定资产投入反映水资源利用过程中投入的资金,劳动力是工业行业当年的从业人数。本文选取2000—2015年山东省及17个地市的面板数据作为工业用水效率的评价单元,测算山东省及17个地市的工业用水效率。采用数据均来自2001—2016年的《山东统计年鉴》,选取指标包括工业生产总值、工业废水排放量、工业用水总量、工业固定资产投入和工业行业从业人数。

研究方法:采用DEA的BC2模型,在不考虑规模收益的情况下计算技术效率,即综合效率。本文研究中,DEA的决策单元为各个年份,假设有m种投入x和n种产出y,则投入、产出向量分别为:xz=(x1z,x2z,x3z,…，xmz)和yz=(y1z,y2z,y3z,…，ynz)。式中,t表示决策单元的个数;s-和s+表示松弛变量;θ表示各个决策单元的有效值。模型表示为:

s-≥0，s+≥0

λz≥0，z=1,2,3，…t

(1)

1.2 工业用水效率影响因素分析

指标选取:工业从业人数、工业资本存量、工业水供给量、技术水平、工业规模是影响工业用水效率的主要因素[2],不同区域的经济发达程度、工业产值占GDP比重、科技经费投入、人均水资源使用量对工业用水效率有一定影响[3],自然地理因素、社会因素也是关键原因[4]。本文选取的影响因素为:①环境负效应。最优的资源配置要求水资源利用率达到最高,在实际生产过程中会产生部分污水和废水,给环境和生态带来一定的影响。②科研经费投入。科学技术可优化工业生产程序,提高工业用水效率和废水回收利用率。③产业结构。工业是第二产业的重要组成部分,在工业用水量逐步增加的同时,其他行业的用水量会受到一定限制,因此会影响产出总效益。比较而言,第三产业的耗水量比第二产业少,水资源利用边际收益高,区域产业结构调整对水资源利用结构变化具有显著影响。④地区经济发展水平。随着工业规模的扩大和经济水平的发展,人们意识到资源短缺和环境压力遏制了经济发展,开始采取措施提高资源利用率。⑤工业用水供给量。一个地区的工业用水量在该地区用水总量中所占比重的变化能在一定程度上反映了工业用水量的变化,从而可分析它对工业用水效率的影响。⑥工业用水定额。即生产一万元产值所消耗的用水量,目前该指标已被广泛应用于工业耗水水平的评估中。根据各影响因素选取的变量见表1,各影响变量的数据由2001—2016年的《山东统计年鉴》整理计算得来,工业用水效率值为DEA测算结果。

表1 工业用水效率影响因素定义

分析模型:根据上述变量指标设定的多元线性回归模型为:y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+β6x6+β7x7。式中,y表示工业用水效率;β(1,2,3,4,5,6,7)分别为各影响变量系数,即表示各影响因素对工业用水效率的影响程度;β0为随机干扰项,表示除了7个影响因素之外的其他影响因素,包括工业用水量、教育经费支出等。

2 实证结果分析

2.1 工业用水效率分析

山东省总体工业用水效率:从表2可见,从综合效率而言,2000年、2001年、2003年、2005—2008年、2010年、2012—2015年和2011年的工业用水效率均达到DEA有效(综合效率值为1),也达到了技术效率和规模效率有效。在规模收益不变的情况下,工业用水的投入—产出达到最佳状态,说明工业水资源的配置较合理。其次,山东省工业用水的综合效率平均值为0.993,高于平均值的年份有13个,占样本总数的81%,说明工业用水效率变化起伏不大。从纯技术效率来看,有14个样本的工业用水效率达到了技术有效,表明就科学技术水平而言,工业水资源的配置达到了最优。其中,2002年和2009年工业用水的纯技术效率为1,但综合效率没有达到DEA有效,这是因为这两年的规模配置不够合理,规模效率没有达到最优。从规模效率来看,样本中有4年的规模效率值没有达到DEA有效。总体来看,2000—2015年山东省工业用水效率不断变化,朝着DEA有效的方向发展。

表2 2000—2015年山东省工业用水效率值

注:综合效率=纯技术效率×规模效率。

山东省工业用水效率空间差异性:由表3可见,山东省17个地市的工业用水效率及其变化趋势都存在差异性。从时间维度看,每年达到DEA有效的地市数量是不一样的,其中2013年的样本为12个,是统计样本中最多的一年;2007年和2011年达到DEA有效的地市分别为5个和8个,是样本最少的两年,这两年的工业水资源配置离预期有一定的差距;2012年之后,山东省每年达到DEA有效的城市都在10个以上,说明山东省各地市的工业用水效率向最优化方向发展,工业生产的资源配置取得了较大进步。从空间维度看,枣庄市和聊城市2007—2015年的工业用水效率均达到DEA最优,说明在工业生产过程中各种资源配置已达到最优且比较稳定性,在全省范围内属于前列。近年来济南、青岛、烟台、临沂、滨州和菏泽的工业用水效率已达到DEA最优,说明这些城市在生产过程中已开始重视水资源的配置,且资源配置已逐步得到优化,符合当前工业转型升级的要求;淄博和潍坊的工业用水效率在2014年及以前出现DEA有效,但在2015年出现滑落,说明这些地区在生产中忽视了资源的有效配置,资源优化需要随着动态变化不断调整;泰安的工业用水效率一直处于中等水平,总体上朝着DEA有效的方向发展;济宁、莱芜、威海、日照的综合效率值偏低,虽然有部分年份达到了DEA有效,但总体来看这些地区的工业用水效率比较低,离新型工业化的要求仍存在一定的差距。

表3 2007—2015年山东省17个地市工业用水综合效率

从以上分析可见,山东省工业用水效率年际间变化明显,17个地市的工业用水效率差异较大,且多数地区年际间变化较大。因此,本文采用多元线性回归模型分析山东省工业用水效率的关键影响因素,揭示不同因素在不同地区的作用程度差异。

2.2 工业用水效率影响因素分析

影响山东省工业用水效率的关键因素:本文运用SPSS17.0软件对数据进行分析,回归结果见表4。多元线性回归结果的F显著性检验表明，方程在0.01的水平上通过了显著性检验。分析结果显示,只有3个变量对工业用水效率存在显著影响:Ramp;D经费占GDP的比重、人均GDP和工业万元产值用水量。其中,Ramp;D经费占GDP比重与工业用水效率在1%的显著水平上呈负相关,表明Ramp;D经费占GDP比重每增加一个单位,相应的工业用水效率就会下降6.9个单位。由前文可知,山东省工业用水效率的变化不大(表2)。比较而言,工业生产过程中的研究与试验发展经费投入占GDP的比重呈现明显增加趋势,与工业用水效率的变化趋势具有不一致性;人均GDP对工业用水效率的影响为正,且影响程度较显著(sig.=0.000),人均GDP反映了一个地区的发展水平和发展程度,社会发展和经济进步提高了人们对节约资源的重视,促进了工业用水效率的改善;工业万元产值用水量与工业用水效率间存在负相关关系,但影响显著性不高,万元产值用水量是工业耗水水平评估中的重要指标,在工业生产总值一定的条件下,工业用水的投入量越少,表示工业用水效率越高。

表4 山东省工业用水效率影响因素的回归结果

影响山东省17个地市工业用水效率的关键因素:回归方程检验结果见表5。莱芜、德州、东营、枣庄和聊城等市并没有得出线性回归结果,原因是莱芜、德州和东营的工业用水效率变化不具有明显的变化趋势(表3),即无法推断因变量与自变量之间存在的线性关系。枣庄和聊城的工业用水效率未发生变化(工业用水综合效率=1),因此无法判断自变量的变化对工业用水效率的影响。青岛、烟台、潍坊、临沂、济宁和威海的多元线性回归结果的拟合优度值和F值的检验性结果表明,线性回归结果在1%的显著水平上通过F检验,自变量对因变量的解释具有说服力。济南、滨州、泰安和菏泽的多元线性回归方程在5%的显著水平上通过F检验,方程能够反映变量之间的相互关系;日照和淄博市的线性回归方程在10%的显著水平上通过F检验,虽然各影响变量与工业用水效率之间存在一定的关系,但方程对变量之间关系的解释水平不高。

表5 山东省17个地市工业用水效率影响因素的回归方程检验值

注:莱芜、德州、东营、枣庄和聊城无运行结果。

在回归方程检验性分析的基础上,本文将继续分析各个影响因素对17个地市工业用水效率影响的差异性(选取样本中只有12个地市得出多元线性回归方程,本文将在此结果上继续进行分析)。在选取的样本中,工业废水排放量和Ramp;D经费占GDP比重两个因素是对各地市工业用水效率影响较显著的因素,它们分别对7/12和1/2的样本产生影响;其次是第二产业比重、第三产业比重和人均GDP,它们与4/12的样本存在相关性。虽然同一个变量与不同地区的工业用水效率都存在关系,但由于各地市经济发展水平和结构的差异,同一个变量对工业用水效率的影响存在区域差异性特征。回归结果见表6。

表6 山东17个地市工业用水效率影响因素回归结果

注:*、**、***分别表示在10%、5%、1%的显著性水平下通过检验;莱芜、德州、东营、枣庄和聊城无运行结果。

表6显示,工业废水排放量与烟台市的工业用水效率之间存在负相关关系,表明烟台市在工业生产过程中没有对投入的水资源进行充分利用,废水排放量大于预期水平,而且同一指标与青岛、潍坊、临沂、淄博和菏泽的工业用水效率之间存在正相关关系,说明这些地区对工业废水的排放和处理工作已取得了较大的进步,工业废水量排放能反映该地区工业生产的规模和效益。Ramp;D经费占GDP比重对临沂市工业用水效率的影响为正向,但对济南、日照等城市工业用水效率的影响为负向,Ramp;D经费占GDP比重逐渐增大,但工业用水效率已趋向于DEA有效。相较于自变量的变动而言,工业用水效率的增长幅度较小甚至出现下降的现象,这样就导致两者之间出现负向关系。第二产业比重对烟台、临沂和淄博的工业用水效率为正向影响,第二产业比重增加并没有对工业用水效率带来反向影响,说明工业用水结构较合理,工业生产符合新型工业化生产的要求;对青岛的负向影响说明,工业中耗水量高的产业比例较高,工业结构需要进一步完善,且应向节水型产业转移。第三产业比重除了对临沂和威海的影响为负外,对青岛、烟台和淄博工业用水效率的影响都为正向,第三产业相较于第二产业而言是耗水量少的产业,随着第三产业比重的增大,第二产业的比重会相应减少,这样就会间接地提高工业用水效率。地区人均GDP与淄博、泰安和菏泽的工业用水效率呈正相关关系。一般而言,地区经济发展水平可带动该地区产业的发展和技术水平的提高,对工业用水效率的提高具有正向促进作用，但这一变量对济南和威海工业用水效率的提高具有反向影响。其原因主要是相较于该地区人均GDP的快速增长,工业用水效率的变化不明显。工业用水比重只对青岛、烟台和济宁的工业用水有显著性影响,且都为正向,在工业生产过程中对水资源的使用量符合资源的合理配置;潍坊和菏泽在工业生产中的用水规模不合理,导致工业用水比重与工业用水效率之间存在负相关关系。

3 结论与政策建议

本文对山东省及17个地市的工业用水效率进行了测算,并对各地市的工业用水效率及变化趋势进行了差异分析,提出了可能引起工业用水效率变化和差异的影响因素，对其与工业用水效率之间的关系进行了分析。研究结论为:①山东省工业用水效率总体上已经达到DEA有效,说明山东省总体工业生产资源配置得到优化。山东省不同地区工业用水效率的发展趋势存在差异,大多数地区的工业用水效率向DEA有效发展,只有济宁、日照、莱芜等地的工业用水效率值仍低于0.7,有待进一步提高。②对工业用水效率的影响因素为废水排放量、Ramp;D经费占GDP比重、第二产业和第三产业在地区生产总值中的比重、人均GDP、工业用水比重、工业万元产值用水量。就山东省总体而言,Ramp;D经费占GDP比重、与工业用水效率之间存在负相关关系,人均GDP对工业用水效率有正向的显著性影响;对17个地市而言,除了无法对莱芜、德州、东营、枣庄和聊城进行回归分析外,各个影响因素对不同地市工业用水效率的影响程度具有差异性,每个影响变量作用的样本数也不同。工业废水排放量和Ramp;D经费占GDP比重两个因素分别对50%及以上的地区工业用水效率产生影响;其次是第二产业比重、第三产业比重和人均GDP,它们与30%的地区工业用水效率存在相关性。

建议:①加强区域之间的产业转移和工业节水技术研发合作。提高工业用水效率应考虑到不同地区的差异,各个地市所处的经济发展阶段不同,工业用水效率也存在一定差异。因此,可通过区域间工业产业转移和技术合作,提升效率较低地区的工业用水利用水平。②严格执行用水总量控制制度,抑制工业用水量过快增长。根据各地区工业经济增长目标和水资源承载力,核定各行业用水定额,控制工业用水总量;加大工业污水处理的投入,提高工业废水的处理率和工业用水重复利用率。③调整优化区域工业经济内部结构,通过财政、信贷或补贴等政策加大节水型工业产业的支持力度,降低工业耗水量。按照以水定产的原则,协调工业经济增长、工业结构调整与水资源供给能力间的关系,逐渐由耗水多的资源密集型产业向知识密集型的高新产业转移,提高工业用水的边际效益。④改革工业用水水价形成机制,利用水价杠杆调节用水需求。根据水资源供求关系的变化,实行阶梯水价和累进水价制度,抑制工业企业生产用水的浪费,促进企业进行节水技术改造投资,降低用水需求。

[1]周玉玺,葛颜祥,周霞.我国水资源“农转非”驱动因素的时空尺度效应[J].自然资源学报,2015,30(1)∶65-77.

[2]岳立,赵海涛.环境约束下中国工业用水效率研究——基于中国13个典型工业省区2003—2009年数据[J].资源科学,2011,33(11)∶2071-2079.

[3]陈关聚,白永秀.基于随机前沿的区域工业全要素水资源效率研究[J].资源科学,2013,35(8)∶1593-1600.

[4]雷玉桃,黄丽萍.中国工业用水效率及其影响因素的区域差异研究——基于SFA的省际面板数据[J].中国软科学,2015,(4)∶155-164.

[5]李静,马潇璨.资源与环境双重约束下的工业用水效率[J].自然资源学报,2014,29(6)∶920-932.

[6]姜蓓蕾,耿雷华.中国工业用水效率水平驱动因素分析及区划研究[J].资源科学,2014,36(11)∶2231-2239.

[7]刘羽中,柏明国.安徽省工业行业用水消耗变化分析——基于LMDI分解法[J].资源科学,2012,34(12)∶2299-2305.

[8]钱文婧,贺灿飞.中国水资源利用效率区域差异及影响因素研究[J].中国人口·资源与环境,2011,21(2)∶54-60.

[9]雷玉桃,黎锐锋.中国工业用水影响因素的长期动态作用机理[J].中国人口·资源与环境,2015,25(2)∶1-8.

[10]胡彪,侯绍波.京津冀地区城市工业用水效率的时空差异性研究[J].干旱区资源与环境,2016,30(7)∶01-07.

[11]买亚宗,孙福丽.基于DEA的中国工业水资源利用效率评价研究[J].干旱区资源与环境,2014,28(11)∶42-47.

[12]雷玉桃,黄丽萍.中国工业用水效率的动态演进及驱动因素研究[J].长江流域资源与环境,2017,26(2)∶159-170.

[13]张陈俊,张恒全,张丽娜.基于多层次LMDI方法的中国水资源消耗变化分析[J].统计与决策,2016,(3)∶98-103.

SpatialDifferencesinIndustrialWaterConsumptionEfficiencyandItsInfluencingFactorsinShandongProvince

CUI Dan,ZHOU Yu-xi
(College of Economics amp; Management,Shandong Agricultural University,Tai′an 271018,China)

Based on the panel data of Shandong Province in 2007-2015,this paper used DEA method to measure the industrial efficiency of 17 cities in Shandong Province,and used the multiple linear regression model to reveal the key factors of industrial water consumption efficiency in Shandong Province and its 17 cities.The results showed that the industrial water consumption efficiency in Shandong Province became more effective in DEA.Differences in industrial water consumption efficiency varied from city to city:The industrial water consumption efficiency of Zaozhuang and Liaocheng reached DEA in nine years.Besides Jining,Laiwu,Weihai and Rizhao,the other cities of industrial water consumption efficiency were towards the effective development of DEA.Industrial wastewater discharge and Ramp;D in the proportion of GDP had an impact on more than 50% of the regional industrial water consumption efficiency respectively.The proportion of secondary industry,the proportion of the tertiary industry and the per capita GDP had an impact on 30% region in Shandong Province,and the effect of each variable had spatial variability.

industrial water consumption efficiency;influencing factors;regression analysis;DEA

10.3969/j.issn.1005-8141.2017.10.011

TV213.4

A

1005-8141(2017)10-1209-05

2017-08-10；

2017-09-22

国家社会科学基金项目(编号:16BJY053);教育部人文社科基金项目(编号:16YJA790071);山东农业大学现代农业发展研究院项目(编号:14xsk2-02)。

崔丹(1993-),女,山东省日照人,硕士研究生,研究方向为资源与环境经济。

周玉玺(1970-)，男，山东省潍坊人，教授，博士生导师，研究方向为资源与环境经济、组织行为与人力资源管理。