中国城镇居民用水需求研究

张巍　韩军　周绍杰

摘要 中国超过60%的城市不同程度上存在水资源短缺问题，其中约一半的缺水城市严重缺水。城市水资源供给将成为制约部分城市人口承载力的重要因素。本文基于11万户中国城镇家庭调查（UHS）的微观数据对城镇居民家庭的用水需求进行实证分析。主要的研究发现如下：①城镇居民家庭用水的价格弹性在-0.4～-0.5之间，收入弹性大约为0.2～0.3之间，为缺乏价格弹性和收入弹性，意味着按照“拉姆齐”原理，开征水资源税是具有效率的。价格弹性的绝对值在总体上高于收入弹性，也意味着只要城镇用水价格的平均上调幅度不低于城镇居民家庭实际收入增长幅度，城市居民的平均直接用水量将不会提高。②城镇居民生活方式的转变也是家庭水消费的重要影响因素，外出就餐和服务类支出比重显著降低家庭的直接用水量，家庭外出就餐每增加1%，会减少直接用水0.3%左右，而家庭购买服务会减少直接用水0.2～0.3个百分点，意味着存在“虚拟水”转移现象。③异质性分析方面，价格弹性和收入弹性在不同的收入阶层之间并无统计上的显著差异，这意味着不同收入家庭用水的不平等性不受收入弹性值的差异影响，因此旨在促进家庭用水节约的政策设计上，可以不把家庭收入作为政策设定的参考变量。④对上述结果进行了稳定性检验，通过逐步缩小样本范围，尽量确保进入回归的样本都是单一水价以及在当年未经历水价调整。其结果表明本文主要实证结果稳健可靠。本文的实证研究对未来城市居民家庭用水模式进行了定量评估，为未来城市水资源管理方面的政策制定提供了微观层面的理论依据。

关键词 城镇居民;用水需求;价格弹性;收入弹性;生活方式

中图分类号 TV213.4

文献标识码 A文章编号 1002-2104（2019）03-0099-11DOI：10.12062/cpre.20180912

中国是一个水资源严重短缺的国家，人均水资源仅为世界平均水平的28%。根据《中国水资源公报》数据，中国在2010—2016年期间的居民用水增长了7.3%，明显高于用水总量的增幅（0.3%）。随着中国的城镇化发展和产业结构的持续调整，城镇居民用水比重有望继续提高。从城市水资源供给与需求状况来看，全国655个城市中有近400个存在不同程度的水资源短缺问题，其中约200个城市处于严重缺水状态。随着中国城镇化水平的不断提高，城市水资源供应紧张局面势必进一步加剧，并在一定程度上制约着部分城市的可持续发展。

现行按照用途实施价格分类的水资源管理模式存在一定的问题。各地城市的用水价格由当地主管部门负责制定，按不同类别对生活用水、工业用水、行政事业用水、经营服务用水和特种行业用水等实施差异化定价。这种价格分类管理模式通过准计划价格手段激励用水密集型行业节约水，同时维持城市家庭用水的低定价以保障城市家庭基本生活用水需求。然而，该定价体系往往对家庭用水定价偏低（有些地方甚至低于成本），并且价格调整周期往往过长（有些地方甚至长达十年都未进行过调整），使得财政补贴负担沉重。为缓解城市用水紧张以及降低财政补贴压力，基于价格手段调节城市居民家庭用水需求成为重要的政策工具，例如推广阶梯水价（Block Rates）和征收水资源税。

我国自1998年提出要实施阶梯水价政策，虽然前期推广从总体上看并不理想，但在近年来得到大力的推进。而水资源税政策改革，也于2016年7月开始在河北省试点，并在2017年12月1日起扩围至北京等9个省（自治区、直辖市）。这些基于价格工具的改革政策的有效性在很大程度上取决于城镇居民用水的价格弹性和收入弹性，但是已有研究对关键参数的估计尚存争议。此外，随着中国城镇居民家庭收入水平的提高，居民生活方式的改变也将成为影响家庭用水需求的重要因素，而对此进行实证分析的相关研究也非常缺乏。

本文利用9个省161个县市2002—2009年间共11万户微观家庭的調查数据对城镇居民家庭的用水需求函数进行估计，除了估计我们所关注的价格弹性和收入弹性外，还考虑生活方式对于城镇居民用水的影响。本文的实证结果发现，中国城镇家庭用水需求的价格弹性在-0.4～-0.5之间，收入弹性大约为0.2～0.3之间，均显示了低弹性的特征，且两个弹性值均不存在收入组间的差异。城镇居民家庭的人口特征、住房特征、生活方式对家庭用水需求具有明显的影响。特别是家庭服务性消费和在外就餐支出占总消费的比重会降低家庭直接用水，即存在“虚拟水”转移的现象。本文的实证研究结果深化了对城市居民家庭用水行为的理解，对具体的城镇居民用水定价政策安排提供了实证支撑。

1 文献综述

现有对居民水需求的实证文献按照被研究对象可以分为发达国家和发展中国家两类，但是主要集中于前者。其中，Arbués et al.[1]和Worthington and Hoffmann[2]对发达国家的居民用水需求进行了研究综述，Nauges and Whittington[3]对发展中国家进行了研究综述。然而中国城镇住户用水需求研究不能直接套用这些研究：中国城镇家庭的生活用水主要是室内用水，与家庭私人泳池和花园用水占比较高的发达国家模式有着显著区别;而与发展中国家相比，我国城镇又具有极高的自来水普及率（据《中国统计年鉴》，2002年中国城市自来水普及率为77.9%，2003年为86.2%，2005年为91.1%，2009年已经达到96.1%），城镇住户很少会面临在多种水源（如河水、地下水）的选择问题，而很多发展中国家则存在多水源情况[4-6]。同时，我国不同地区生活方式和经济发展水平有较大差异，用水需求也因此存在显著的区域差异。本文结合中国国情和当前水资源公共管理改革关注的重点，将已有文献研究重点梳理如下。

1.1 价格设定

大多数发达国家已经实施阶梯水价制度，对这些国家居民用水需求的实证分析中，采用哪种价格设定更好始终是争论焦点。已有文献对于水价变量的设定包括边际价格、平均价格以及其他模式（比如Nordin模式或Shin模式）。一般来说，理性消费者会对边际价格作出反应，因此很多研究建议采用边际价格[7-10]。然而，Nieswiadomy and Molina[11]基于价格感知模型的研究发现，用户在面临递增价格阶梯时对边际价格做出反应，而面临递减价格阶梯时对平均价格敏感。Frondel and Messner[12]也发现用户对于价格反应取决于对价格的认知，设计复杂的阶梯水价则会降低用户对边际价格的敏感性。由此，许多研究认为平均价格更适合作为解释家庭用水需求的价格变量[3，13-15]。此外，价格变量选择直接影响参数估计。例如，Olmstead et al.[16]与Baerenklau et al.[17]发现使用平均价格估计的弹性往往比使用边际价格的结果要大，这意味着选择合适的价格设定模式是保证参数估计精准的重要前提;最后，在不同的阶梯结构下，居民用水需求对价格反应程度也有所不同[18-20]，也意味着在阶梯水价下，可能还需要探讨诸如阶梯长度、高度、阶数、各自比率等阶梯结构的设定问题。

1.2 估计偏误的处理

内生性问题也是用水需求估计时常面临的问题。例如，由于价格与用水量可视为被消费者同时决定，从而存在“同时性问题”（simultaneity problem），这将导致OLS估计存在估计偏差[21]。现有文献采用多种方法处理内生性问题。一是使用工具变量估计[9，21-24]。二是借鉴Billings[25]的方法，构造一个线性近似的总水费支出，利用它计算出恒定的边际价格以及与每种费率结构的恒定差异来克服“同时性问题”[26-28]。三是借鉴Taylor[29]采用多个价格变量设定的思路。例如，引入Nordin[30]的D变量作为价格修正项或作为工具变量[9，13，31-33]。四是通过联立方程组来克服宏观层面数据双向因果的内生性问题[34]。

1.3 价格弹性与收入弹性

在家庭资源类产品（例如，水、电等）的消费需求研究中，一个主要的研究视角是估计家庭消费的需求弹性，主要包括价格弹性和收入弹性。关于用水需求，大多数以国外为研究对象的实证研究的结论基本一致，即价格弹性为负且缺乏弹性，大多处于-0.25～-0.75区间中。然而，针对中国城镇住户用水需求的价格弹性存在较大差异。例如，Zhang and Brown[35]基于357个北京家庭和363个天津家庭的调查数据的实证研究表明，价格、收入和一些家庭特征变量对家庭用水需求并无显著影响;郑新业等[34]采用中国2008年222个地级市数据基于联立方程组模型估计出的价格弹性为-2.43，表明价格弹性非常高;而大多数研究发现用水需求缺乏价格弹性[24，36-41]。毫无疑问，研究结论的差异往往源于使用的数据和计量模型的差异性。收入弹性是与价格弹性同等重要的需求变量，绝大多数文献发现收入弹性为正的，但同样缺乏价格弹性[23，28，42-46]。

1.4 家庭特征

基于微观数据的实证研究，往往还会考察住户家庭特征对于家庭用水需求的影响。例如，家庭用水量通常与家庭人口规模呈正向关系，但幅度并不随家庭人口增长等比例增长，表明家庭用水需求存在规模经济[23-24，47]。此外，教育水平对于家庭用水需求也存在影响。例如，Lam[48]发现正规教育对于节水行为和意图没有任何影响;Martínez-Espi〖AKn～D〗eira and García-Vali〖AKn～D〗as[49]则发现较低的正规教育水平与采用节水技术呈负相关。总体而言，反映家庭生活方式的特征在现有家庭水需求的研究中并不充分，这也是本文所重点关注的一个方面。

1.5 现有研究问题

综上，对于我国城镇住户用水需求情况的实证研究，尤其是基于微观数据的实证研究仍然缺乏。而且就价格弹性等关键参数的结论尚存有争议。同时，鲜有实证论文就中国城镇住户家庭特征和生活方式对用水需求的影响方面展开详细分析。考虑到我国水资源区域分布的不平衡性和居民生活方式的显著区域差异性，对这些影响因素的研究是非常必要的。尽管Zhang et al.[24]基于微观家庭数据重点分析了阶梯水价制度及其价格结构（如阶梯的数量、长度和幅度）的影响，但并未分析非价格因素（尤其是家庭生活方式）的影响。

基于对已有文献的分析和梳理，本文可能的贡献有以下几点：

（1）本文对中国城镇居民的用水需求的基本事实进行了更好的探索。第一，本文使用9个省161个县市2002—2009年间共11万户微观家庭的调查数据，样本的地区分布具有代表性。第二，使用家庭层面的微观数据降低了内生性导致估计偏误的风险。如前文所述，宏观层面数据很可能存在双向因果的内生性问题，但对微观家庭而言，他们是价格的接受者。利用城市层面数据解释微观家庭用水量，从逻辑上避免了双向因果影響。第三，我们使用样本中的绝大多数家庭面临的都是单一水价（uniform pricing）——水价固定，与用量无关——这意味着在该模式下边际价格与平均价格一致，也避免了价格变量设定方面的争议。

（2）本文在城镇住户的消费和生活习惯对其用水需求影响方面做了有益的补充。我们发现了一些关于“虚拟水”转移的证据，比如家庭购买服务性消费和在外就餐均会显著降低家庭的用水量。现有文献在这一领域的研究并不多，据我们所知，仅有Hajispyrou[50]等少数学者在这领域进行了研究。

2 数据与模型

本文使用国家统计局2002—2009年中国城镇住户调查数据（UHS），数据范围包括北京市、辽宁省、浙江省、安徽省、湖北省、广东省、四川省、陕西省和甘肃省9个省（直辖市）161个县市。分布在中国的华北、东北、华东、华中、华南、西南和西北地区，从地理位置上具有比较广泛的代表性。该数据由国家统计局城调队执行调查，使用分层随机抽样的方法从城镇家庭中获得代表性样本。被调查住户通过记账方式，详细记录了家庭特征、家庭收支明细情况，其中包括本文计量分析所使用的与家庭用水相关的变量。此外，我们还从中国水网获取了样本地区的居民生活用水和工业用水价格数据，以及从中国气象局国家级气象站历史数据库获取了样本所在县市2002—2009年的降雨和温度等气象数据。

考虑到家庭用水的不可分割性，我们更倾向于将家庭视为一个整体，将家庭用水总量作为被解释变量，并基于家庭自来水实际消费额除以家庭总用水量计算出该家庭的全年平均用水价格。考虑到家庭记录用水量和用水支出金额可能存在测量误差，以及一个地区的居民用水价格是统一的，我们将所计算出的该地区所有家庭的平均价格作为该地区居民的用水价格。此外，我们使用中国水网提供的水价数据和所采用的地区平均水价进行T检验，发现两者并不存在统计上的差异，进一步佐证我们使用地区家庭平均水价的合理性。

虽然政府没有公布执行阶梯水价的全部城市名单，但基于以下理由，我们认为大多数样本所在城市在2002—2009年间都始终在实施单一水价：①据发改委统计，到2008年，全国661个城市中只有不到80个城市在部分居民中实施了阶梯水价，该数值可能存在一定程度的高估。比如《中国物价年鉴（2009）》和《中国物价年鉴（2013）》在统计上一年36个大中城市供水价格时，均把沈阳包括在已实施阶梯水价的城市内。但事实上沈阳的阶梯水价只在若干小区试行，且只抄表计水量，并未真正按照阶梯水价实施收费[51]。②郑新业等[34]指出，到2008年全国实际执行阶梯水价的城市有15个。③在2008年8月29日通过的《循环经济促进法》甚至删除了存在较大争议的“对城市居民生活用水、电、气等资源性产品实施累进加价收费制度”内容。因此，可以认为在2009年之前，单一水价模式在全国占据绝对主流的地位。在本文的稳健性检验部分，我们还将进一步剔除执行阶梯水价的样本。因为在单一水价模式下，居民用水价格既是平均水价也是边际水价，避免了价格设定的争议。

本文借鉴文献[8][16][24][43]的做法，采用（1）式的模型设定：

lnQs，i，t=β0+β1lnPs，t+β2lnYs，i，t+γXs，i，t+θZs，t+∑δsRs+∑ηtTt+μs，i，t（1）

其中，s代表地区;t代表年度;i代表家庭。lnQs，i，t是家庭年用水量的对数。lnPs，t是地区用水平均价格的对数。lnYs，i，t是家庭可支配收入的对数。Xs，i，t是s地区i家庭第t年的一些特征变量，包括家庭人口结构、居住条件、生活和消费习惯等。Zs，t是s地区第t年的地区降雨和温度有关的气候特征。Rs和Tt分别是区域和年度虚拟变量，μs，i，t是随机误差项。

所有变量的定义以及描述性统计如表1所示。除了水价和收入外，本文的解释变量还包括家庭人口学变量〖CM（81.5mm〗（户主年龄、户主性别、户主教育程度、家庭人口规模、老年人口占比和幼年人口占比）、家庭住房（房屋面积、房屋年龄、房屋类型、是否有独立卫浴）和家庭耐用品拥有情况（淋浴热水器数量、洗衣机数量、汽车数量和摩托车数量）、家庭生活方式变量（购买服务性支出占总消费支出比重、外出就餐支出占总消费支出的比重）和当地的气候变量（降雨天数和夏季平均气温）等可能对家庭用水产生影响的变量。

除了价格弹性和收入弹性外，我们还非常关注家庭生活方式对于家庭用水需求的影响。具体而言，本文所指家庭生活方式包括家庭耐用品（淋浴器、洗衣机、汽车、摩托车）拥有情况、家庭的服务性支出占总消费的比重和在外就餐支出占总消费之比等变量。其中，服务性支出在中国城镇住户调查中有明确定义，由一系列消费子项构成。在外就餐支出则是指在家庭以外地点的自费用餐支出，包括在单位食堂、餐饮业、亲友家的用餐支出。随着中国逐步进入后工业化时代，家庭生活方式中购买服务和外出就餐等与服务业密切相关的变量更是我们观察的重点。

3 实证结果及分析

3.1 基准估计

基准回归结果汇报在表2。被解释变量为家庭年用水量（ln_family_water），关键解释变量水价方面：奇数列使用当地水价的均值（ln_meanprice），偶数列使用当地水价的中位数（ln_medianprice），由于家庭用水量和水价都做了取对数处理，因此其估计系数就是价格弹性。第（1）列和第（2）列除水价外还控制了一系列家庭人口特征（家庭可支配收入、户主年龄和年龄的平方、老年人口占比、幼儿人口占比、男性人口占比、家庭人口规模、户主教育程度）、当地降雨天数、当地夏季平均温度、省级哑变量和年份哑变量。第（3）列和第（4）列则增加了一系列刻画家庭居住条件变量：家庭的住房类型（以中国城镇居民最普遍的单元房dummy_housetype2作为基准组）、住房面积、房屋年龄和房龄的平方项、是否有独立卫浴、淋浴热水器数量、洗衣机数量、汽车和摩托车数量。第（5）列和第（6）列进一步增加刻画家庭生活方式和消费习惯变量：家庭购买的服务性支出占总消费支出的比重（service）、家庭外出就餐占总消费的比重（eat_out）。第（7）列和第（8）列则是将省级层面固定效应替换为城市层面的固定效应，以进一步控制地区层面不随时间变化的异质性。需要说明的是，本研究的数据样本所包括的161个县市中只有155个有国家级气象站，因此少数地区存在气象数据缺失。具体而言，广东省肇庆、惠州、梅州，四川省的泸州、内江和甘肃的嘉峪关因當年没有设立国家级气象站，所以气象数据完全缺失。此外，辽宁北票和陕西三原、西安（泾河）气象站的部分年度气象数据缺漏。我们也在不控制气候变量的全样本数据下做了回归，结论依旧稳健。

分析表2的回归结果可知，城镇居民用水的价格弹性都显著为负且缺乏弹性，范围在-0.4～-0.5之间;收入弹性显著为正，同样缺乏弹性，范围在-0.2～-0.3之间。这与大多数文献的结论一致。水价变量无论采用地区平均价格还是采用中位数价格，估计系数的差异性很小，因此可认为价格弹性的估计结果比较稳健。与其他采用微观数据进行实证分析文献的估计结果相比（见表3），中国城镇住户的价格弹性居于中间位置，尚未落入-0.1～-0.2等价格极度不敏感区间，因此阶梯水价政策仍有较大的效力空间。

反映家庭人口的特征变量显著地影响家庭用水需求。从户主年龄（headage）和户主年龄平方（headage_square）的系数及其符号可知，家庭用水与户主年龄呈现出倒“U”字结构。同时，家庭人口规模的回归系数显著小于1，说明规模经济的效应显著存在。这与Martins and Fortunato[23]、Zhang et al.[24]等的结论一致。此外，家庭年龄结构，例如老年人口比重和幼年人口比重均对家庭用水需求产生负面影响，但在控制家庭生活方式变量后，户主受教育水平对家庭用水需求并无显著影响。家庭住房特征显著影响家庭用水需求：房屋类型对家庭用水产生显著的影响，居住在独栋住宅和普通楼房的家庭用水量均显著高于作为参照组的单元房家庭。房屋面积和拥有独立卫浴均显著提高家庭用水量，房龄则对用水需求没有影响。还需强调的是，2009年以后中国在城市用水管理方面出台了一系列政策，以上实证结论在2009年之后是否发生改变以及发生多大程度的改变，因受数据制约是本文目前暂时无法回答的问题，也是未来可进一步改进和探索的方向。

3.2 “虚拟水”转移现象

在反映家庭生活方式的变量上，我们主要选取了与用水相关的耐用品拥有情况（淋浴器、洗衣机、汽车、摩托车）和家庭服务支出和在外就餐支出占消费比重进行衡量，用以反映家庭消费结构的变化。总体来看，家庭耐用品拥有情况显著提高家庭用水消费，而家庭外出就餐和服务性消费支出占总消费支出的比重对于家庭用水需求的影响显著为负。受Chenoweth J.[52]认为进口粮食等价于进口虚拟水（virtual water）的观点启发，我们认为导致用水显著变化的家庭生活和消费行为亦属于虚拟水转移，即中国城市家庭生活和消费活动存在着“虚拟水”转移现象。这是因为，无论是服务性支出活动还是在外就餐，这些消费活动也伴随水资源的消耗，只不过未体现在家庭直接用水上。事实上，家庭购买服务性支出中所涉及的部分行业还属于用水密集型行业，例如洗浴、洗车等。

3.3 地区差异

基于方程（5）列的回归结果，我们用省级虚拟变量的回归系数来衡量家庭用水的地区间差异（回归系数并未在表2汇报）。由于地区虚拟变量以北京作为参照组，回归系数的数值就是各地区家庭的平均用水规模高于或低于北京家庭平均用水规模的百分比。由图1可知，不同地区的家庭用水存在显著的地区差异，南方地区（包括样本地区的浙江、湖北、广东、四川）的家庭用水量显著高于北方地区。样本省份中用水最多的广东家庭用水量平均而言比北京家庭用水量多出65.37%，而用水最少的甘肃家庭平均而言比北京家庭用水少了28.75%。此外，辽宁和安徽家庭的用水量与作为参照组的北京在统计上无显著差异，故未在图中汇报数值。

3.4 异质性分析

考虑到家庭收入的异质性可能导致收入弹性和价格弹性的差异，本研究将按照不同收入组分别进行家庭用水需求估计，以检验家庭用水需求是否存在价格弹性和收入弹性的差异。受制于微观数据的可得性，目前仅有少数文献对此进行检验[50，53-55]。这些研究的结论比较一致，即越富裕的收入组自来水的价格弹性（绝对值）越低。根据经济学原理，对某种商品需求的价格弹性和收入弹性受到诸多因素影响，例如消费者偏好、可替代程度、消费预算等多个因素的影响。由于家庭用水需求属于家庭最基本的消费需求，精准识别不同收入组家庭用水需求的价格弹性和收入弹性对于制定城市居民水价政策设定具有重要意义，即一方面要满足低收入家庭人群的基本用水需求，保障公平性;另一方面要激励高收入家庭有动力采取节水型消费，保障水资源的集约使用。

本文在同时考虑城市家庭收入随时间增长，以及地区间的收入差异的情况下，把所有样本分为高收入、中收入、低收入三组家庭。我们先分别对各收入组进行用水需求估计，然后在解释变量中加入收入变量与收入分组虚拟变量的交叉项，并使用全样本估计以检验价格弹性和收入弹性的组间差异。从表4的结果来看，三个收入组的价格弹性和收入弹性比较接近，而且从第（4）列和第（5）列交叉项的回归系数均不显著，表明三组的价格弹性和收入弹性无显著差异。这说明家庭水需求的价格弹性和收入弹性在不同收入阶层之间基本一致，这也意味着不同收入家庭用水的不平等性不受收入弹性值的差异影响。从政策含义角度讲，旨在促进家庭用水节约的政策设计上，可以不把家庭收入作为政策设定的参考变量。

3.5 稳健性检验

本文基于变量替换和子样本回归的思路进行稳健性检验，但把子样本回归作为侧重点。在变量替换中，我们对部分控制变量的设定进行了替换，例如，我们将户主年龄替换为家庭平均年龄;将户主性别替换为家庭性别比率;增加0到3岁婴幼儿占家庭人口比重的变量;将淋浴热水器、洗衣机、汽车和摩托车的数量变量替换为是否有淋浴热水器、洗衣机、汽车和摩托车的虚拟变量;将年降雨天数替换为年降雨量;将夏季平均温度替换为一年中平均温度超过22℃的天数占比，以及这些变化的若干组合，实证估计的结果依旧稳健。为节约篇幅，表4中只汇报了基于子样本回归思路的结果。这是由于部分地区在样本的时间跨度内引入阶梯水价或在某年进行价格调整，若不剔除这些样本会可能对价格设定的精准性产生干扰。为此，我们将采用逐步缩小样本范围的方式进行稳健性检验（见表5），目标是尽可能确保样本家庭面对单一水价且在当年未进行水价调整，以确保估计结果的精确性。表5第（1）列和第（2）列使用了全样本，但是增加了是否执行阶梯水价的虚拟变量D。第（3）列到第（8）列均为逐步删除样本后的结果，具体而言：第（3）列和第（4）列删除是大连、宁波、武汉、深圳、湛江和德阳这6座已知执行了阶梯水价或进行阶梯水价试点的城市样本，以及2008和2009年的全部样本后的结果。因为2008年实施阶梯水价的太原称自己是中国最早实施阶梯水价的城市之一。第（5）列和第（6）列是在之前基础上再进一步删除2007年所有样本后的估计，因为大多数城市从2007年开始逐步调整居民生活用水价格，价格调整会导致当年均价并不是用户面临的真实价格。最后两列是在第（5）列和第（6）列的基础上再删除了2006年所有样本后的结果，理由是宁波、武汉、湛江和德阳都从2006年执行阶梯水价。

由结果可知，在尽可能剔除阶梯水价的影响和单一水价价格调整的影响后，价格弹性和收入弹性仍然显著，且缺乏弹性。正如前文所述，单一水价下边际价格等于平均价格，能回避掉学术界关于价格设定的争议，因此样本调整的稳健性检验进一步佐证了前文实证结果的可信度。同时家庭购买服务性消费和外出就餐依旧与家庭人均用水显著负相关。这表明表2基准回归的主要结论均稳健。

4 结论与政策建议

本文基于大样本的微观家庭数据，对中国城镇住户用水需求的价格弹性和收入弹性进行估计，结果显示价格弹性值大约为-0.4～-0.5之间，收入弹性值大约为0.2～0.3之间。本文还发现，城镇居民家庭水需求存在“虚拟水”转移现象，家庭在外就餐和购买服务的支出显著降低了家庭的直接用水量，相当于把直接用水向间接用水转移。基于上述研究结论，本文从如下三个方面提出政策建议。

（1）由于城镇居民用水需求的价格弹性的绝对值高于收入弹性，也就意味着只要城镇用水价格的平均上调幅度不低于（或略低于）城镇居民家庭实际收入增长幅度，城市居民家庭的平均直接用水量将不会提高。如果能够满足该条件，则给定城市的居民用水总量的增长将主要受该城市人口规模增长的影响。在我国仍处于城镇化快速发展的大趨势下，城市管理者必须充分重视水资源的稀缺性，充分利用价格手段实现居民用水的节约化。

（2）价格缺乏弹性不仅意味着我国开征的水资源税具备高效率前提，也意味着阶梯水价制度在设计方面应扩大各级价格阶梯的差异，进一步增强阶梯水价机制的调控有效性。此外，异质性分析也表明，不同收入组的价格弹性和收入弹性不具有统计性质上的差异，因此在设计水资源税和阶梯水价等以价格为传导的政策工具时，可实行无差别的统一政策，而不必分人群制定不同的水价政策。

（3）未來中国水资源公共管理政策和规划应当充分重视虚拟水转嫁和由此产生的间接用水，并对用水密集型服务业做好节水政策设计，各级政府应积极探索将“万元第三产业增加值用水量”作为约束性指标，纳入五年规划和中长期规划指标体系中，并完善相应的政府绩效考核机制，更加全面地推进节水型社会建设。

参考文献

[1]ARBUS F， GARCIA-VALI〖AKN～〗AS M ， MARTINEZ-ESPI〖AKN～〗EIRA R. Estimation of residential water demand： a state-of-the-art review[J]. The journal of socio-economics， 2003， 32（1）： 81-102.

[2]WORTHINGTON A C， HOFFMAN M. An empirical survey of residential water demand modelling[J]. Journal of economic surveys， 2008， 22（5）： 842-871.

[3]NAUGES C， WHITTINGTON D. Estimation of water demand in developing countries： an overview[J]. The World Bank research observer， 2010， 25（2）： 263-294.

[4]ACHARYA G， BARBIER E. Using domestic water analysis to value groundwater recharge in the Hadejia‘Jamaare Floodplain， Northern Nigeria[J]. American journal of agricultural economics， 2002， 84（2）： 415-426.

[5]CHEESMAN J， BENNETT J， SON T V H. Estimating household water demand using revealed and contingent behaviors： evidence from Vietnam[J]. Water resources research， 2008， 44（11）： W11428.

[6]COULIBALY L， JAKUS P M， KEITH J E. Modeling water demand when households have multiple sources of water[J]. Water resources research， 2014， 50（7）： 6002-6014.

[7]NIESWIADOMY M L. Estimating urban residential water demand： effects of price structure， conservation， and education[J]. Water resources research， 1992， 28（3）： 609-615.

[8]GARCIA S， REYNAUD A. Estimating the benefits of efficient water pricing in France[J]. Resource and energy economics， 2004， 26（1）： 1-25.

[9]RUIJS A， ZIMMERMANN A， VAN DEN BERG M. Demand and distributional effects of water pricing policies[J]. Ecological economics， 2008， 66（2）： 506-516.

[10]NATARAJS， HANEMANN W M. Does marginal price matter？ a regression discontinuity approach to estimating water demand[J]. Journal of environmental economics and management， 2011， 61（2）： 198-212.

[11]NIESWIADOMY M L， MOLINA D J. A note on price perception in water demand models[J]. Land economics， 1991， 67（3）： 352-359.

[12]FRONDEL M， MESSNER M. Price perception and residential water demand： evidence from a German household panel[C]//16th Annual Conference of the European Association of Environmental and Resource Economists in Gothenburg. 2008： 25-28.

[13]STRAND J， WALKER I. Water markets and demand in Central American cities[J]. Environment and development economics， 2005， 10（3）： 313-335.

[14]BINET M E， CARLEVARO F， Paul M. Estimation of residential water demand with imperfect price perception[J]. Environmental and resource economics， 2014， 59（4）： 561-581.

[15]WICHMAN C J. Perceived price in residential water demand： Evidence from a natural experiment[J]. Journal of economic behavior & organization， 2014， 107： 308-323.

[16]OLMSTEAD S M， HANEMANN W M， STAVINS R N. Water demand under alternative price structures[J]. Journal of environmental economics and management， 2007， 54（2）： 181-198.

[17]BAERENKLAU K A， SCHWABE K A， DINAR A. The residential water demand effect of increasing block rate water budgets[J]. Land economics， 2014， 90（4）： 683-699.

[18]ESPEY M， ESPEY J， SHAW W D. Price elasticity of residential demand for water： a meta-analysis[J]. Water resources research， 1997， 33（6）： 1369-1374.

[19]DALHUISEN J M， FLORAX R J G M， DE GROOT H L F， et al. Price and income elasticities of residential water demand： a meta-analysis[J]. Land economics， 2003， 79（2）： 292-308.

[20]REYNAUD A， RENZETTI S， VILLENEUVE M. Residential water demand with endogenous pricing： the Canadian case[J]. Water resources research， 2005， 41（11）： W11409.

[21]NIESWIADOMY M L， MOLINA D J. Comparing residential water demand estimates under decreasing and increasing block rates using household data[J]. Land economics， 1989， 65（3）： 280-289.

[22]RENWICK M E， GREEN R D. Do residential water demand side management policies measure up？ an analysis of eight California water agencies[J]. Journal of environmental economics and management， 2000， 40（1）： 37-55.

[23]MARTINS R， FORTUNATO A. Residential water demand under block rates： a Portuguese case study[J]. Water policy， 2007， 9（2）： 217-230.

[24]ZHANG B， FANG K H， BAERENKLAU K A. Have Chinese water pricing reforms reduced urban residential water demand？[J]. Water resources research， 2017， 53（6）： 5057-5069.

[25]BILLINGS R B. Specification of block rate price variables in demand models[J]. Land economics， 1982， 58（3）： 386-394.

[26]AGTHE D E， BILLINGS R B. Water-price effect on residential and apartment low-flow fixtures[J]. Journal of water resources planning and management， 1996， 122（1）： 20-23.

[27]MARTNEZ-ESPIEIRA R. Estimating water demand under increasing-block tariffs using aggregate data and proportions of users per block[J]. Environmental and resource economics， 2003， 26（1）： 5-23.

[28]MARTNEZ-ESPIEIRA R， NAUGES C. Is all domestic water consumption sensitive to price control？[J]. Applied economics， 2004， 36（15）： 1697-1703.

[29]TAYLOR L D. The demand for electricity： a survey[J]. Bell journal of economics， 1975， 6（1）： 74-110.

[30]NORDIN J A. A proposed modification of Taylors demand analysis： comment[J]. Bell journal of economics， 1976， 7（2）： 719-721.

[31]AGTHE D E， BILLINGS R B. Dynamic models of residential water demand[J]. Water resources research， 1980， 16（3）： 476-480.

[32]FOSTER H S， BEATTIE B R. On the specification of price in studies of consumer demand under block price scheduling[J]. Land economics， 1981， 57（4）： 624-629.

[33]CHICOINE D L， DELLER S C， RAMAMURTHY G. Water demand estimation under block rate pricing： a simultaneous equation approach[J]. Water resources research， 1986， 22（6）： 859-863.

[34]郑新业， 李芳华， 李夕璐， 等. 水价提升是有效的政策工具吗？[J]. 管理世界， 2012（4）： 47-59.

[35]ZHANG H H， BROWN D F. Understanding urban residential water use in Beijing and Tianjin， China[J]. Habitat international， 2005， 29（3）： 469-491.

[36]胡峰. 城市居民生活用水需求影響因素研究——以南通市为例[D]. 杭州： 浙江大学， 2006.

[37]陈晓光， 徐晋涛， 季永杰. 华北地区城市居民用水需求影响因素分析[J]. 自然资源学报， 2007（2）：275-280.

[38]李眺. 我国城市供水需求侧管理与水价体系研究[J]. 中国工业经济， 2007 （2）： 43-51.

[39]马训舟， 张世秋， 穆泉. 二次近似完美需求体系的应用研究——以北京市城市居民用水需求弹性分析为例[J]. 北京大学学报： 自然科学版， 2012，（3）： 483-490.

[40]马训舟， 张世秋. 成都城市居民累进阶梯式水价结构与政策效果分析[J]. 中国人口·资源与环境，  2014 （11）： 168-175.

[41]廖显春， 夏恩龙， 王自锋. 阶梯水价对城市居民用水量及低收入家庭福利的影响[J]. 资源科学，2016（10）： 1935-1947.

[42]BARTCZAK A， KOPANSKA A， RACZKA J. Residential water demand in a transition economy： evidence from Poland[J]. Water science and technology： water supply， 2009， 9（5）： 509-516.

[43]SCHLEICH J， HILLENBRAND T. Determinants of residential water demand in Germany[J]. Ecological economics， 2009， 68（6）： 1756-1769.

[44]MARCH H， SAUR D. The suburbanization of water scarcity in the Barcelona metropolitan region： sociodemographic and urban changes influencing domestic water consumption[J]. The professional geographer， 2010， 62（1）： 32-45.

[45]MARCH H， PERARNAU J， SAUR D. Exploring the links between immigration， ageing and domestic water consumption： the case of the Metropolitan Area of Barcelona[J]. Regional studies， 2012， 46（2）： 229-244.

[46]ROMANO G， SALVATI N， GUERRINI A. An empirical analysis of the determinants of water demand in Italy[J]. Journal of cleaner production， 2016， 130： 74-81.

[47]HGLUND L. Household demand for water in Sweden with implications of a potential tax on water use[J]. Water resources research， 1999， 35（12）： 3853-3863.

[48]LAM S P. Predicting intention to save water： theory of planned behavior， response efficacy， vulnerability， and perceived efficiency of alternative solutions[J]. Journal of applied social psychology， 2006， 36（11）： 2803-2824.

[49]MARTNEZ-ESPIEIRA R， GARCA-VALIAS M . Adopting versus adapting： adoption of water-saving technology versus water conservation habits in Spain[J]. International journal of water resources development， 2013， 29（3）： 400-414.

[50]HAJISPYROU S， KOUNDOURI P， Pashardes P. Household demand and welfare： implications of water pricing in Cyprus[J]. Environment and development economics， 2002， 7（4）： 659-685.

[51]沈阳市物价局解疑阶梯水价方案拟将水價分三档[EB/OL].（2012-08-07）[2018-02-06]. http：//finance.sina.com.cn/china/dfjj/20120807/160512782294.shtml.

[52]CHENOWETH J. Minimum water requirement for social and economic development[J]. Desalination， 2008， 229（1-3）： 245-256.

[53]AGTHE D E， BILLINGS R B. Equity， price elasticity， and household income under increasing block rates for water[J]. American journal of economics and sociology， 1987， 46（3）： 273-286.

[54]THOMAS J F， SYME G J. Estimating residential price elasticity of demand for water： a contingent valuation approach[J]. Water resources research， 1988， 24（11）： 1847-1857.

[55]RENWICK M E， ARCHIBALD S O. Demand side management policies for residential water use： who bears the conservation burden？[J]. Land economics， 1997， 73（3）： 343-359.

Water consumption of Chinese urban residents： from perspectives of micro data

ZHANG Wei1 HAN Jun2 ZHOU Shao-jie1

（1.School of Public Policy & Management/ Institute of Contemporary China Studies，

Tsinghua University， Beijing 100084， China; 2.School of Labor and Human Resources，

Renmin University of China， Beijing 100872， China）

Abstract

More than 60% of cities in China face water shortages to varying degrees， and around half of these cities are hit by severe water shortage. Water resource supply has become one important restriction factor of population carrying capacity in parts of Chinese cities. Based on extensive data of 110，000 households collected by the Chinese Urban Household Surveys （UHS）， this research empirically analyzes the demand of water for urban households. The main findings are as follows： First， the price elasticity of urban household water consumption （between -0.4 and -0.5） and the income elasticity （between 0.2 and 0.3） are both at a relatively low level， which means that， according to the principle of Ramsey， levying water tax will be efficient. The absolute value of price elasticity is higher than that of income elasticity， and this implies that as long as the average increase in urban water price is higher than the actual income growth of urban households， the average direct water consumption of urban residents will not increase. Second， the lifestyle transformation for urban residents is also a significant factor in affecting the household water consumption. The amount of eating out and the proportion of expenditures on services influence the water consumption of households. For instance， every 1% increase in the amount of eating out will reduce 0.3% in water consumption directly， and that of household service expenditure will reduce 0.2%～0.3% in water consumption directly. This reveals the presence of ‘virtual water transfer effect. Third， in the analysis of heterogeneity， there is no statistically significant difference between price elasticity and income elasticity for different income classes. This demonstrates that the inequality of water consumption for different income households is not affected by the income elasticity， and， therefore， household income may not be considered as a reference variable for designing the policy of promoting water conservation. Lastly， by gradually reducing the sample size and thus largely ensuring that the regressed samples are all under uniform pricing and have not experienced water price adjustment in that year， the robustness of these empirical results are tested and verified. More broadly， this research provides a quantitative evaluation of water consumption for urban households in the future， and also builds a micro-level theoretical basis for future policies of urban water management.

Key words urban household; water demand; price elasticity; income elasticity; lifestyle