长江经济带水资源生态补偿效率测度及其影响因素研究

时润哲，李长健

（1.华中农业大学经济管理学院，湖北 武汉 430070；2.中南财经政法大学法学院，湖北 武汉 430074）

水资源是人类赖以生存和发展的物质基础，长江流域水资源是事关国家水资源安全的重要战略资源，它既是绿水青山就是金山银山发展理念下的重要一环，又是实现长江流域长期可持续发展的基本保障。长江经济带在发展经济的同时，流域自身的生态资源也遭到了一定的破坏，不仅如此，长江经济带水资源状况及水生态环境的多样性、流域上中下游经济社会发展状况的差异性，导致了长江经济带内不同地区的生态利益冲突和经济发展矛盾[1]。水资源生态补偿是协调当前长江经济带内空间社会发展进程中经济发展同水资源生态利益之间矛盾的一种有效机制。但国内目前的生态补偿机制面临着资金渠道单一、补偿效率低下、缺乏与其他政策的协调性、管理体系尚未完善等挑战[2]，实施合理的水资源生态补偿机制，无论是对促进生态环境保护还是协调区域经济、社会发展均具有重要作用。不合理的水资源生态补偿效率差异不仅不利于长江经济带协同发展的可持续推进，也加剧了长江经济带各省市经济—社会—生态环境发展利益的不均衡性。因此，在充分了解长江经济带水资源生态补偿效率的基础上，如何更好地实现水资源生态补偿提质增效，是未来长江经济带发展规划中面临的重要而迫切的现实问题。

根据现有文献对水资源生态补偿效率的研究，国内学者主要集中在流域水资源生态补偿效率的评价方法与测度[3]和海洋生态补偿效率评价[4]，对生态补偿效率的研究则集中在生态足迹与生态补偿之间损益的分析[5]、建立生态补偿标准后模拟补偿措施[6]和生态补偿环境效率评价[7]等方面，并且提出了具有借鉴意义的对策与建议。从研究方法上看，曲超等[7]认为区域经济活动与生态活动的投入与产出关系能够衡量生态补偿效率，相应的，可以认为区域经济活动与水资源生态活动的投入与产出关系也反映了水资源生态补偿效率。李谷成[8]运用DEA-Malmquist指数分析方法，将转型期中国农业全要素生产率增长分解为技术进步、纯技术效率变化和规模效率变化3个部分，对于长江经济带水资源生态补偿效率的贡献构成研究可以借鉴农业全要素生产率分解方法。生态补偿效率影响因素研究方面多集中于生态系统服务功能价值的研究上，有研究提出依据效率差异选择最优的生态系统服务功能提供者[9]，科学确定不同区域生态系统服务功能价值量以及不同区域生态补偿的供给成本和生态环境破坏与退化的风险，还要注意不正当激励、效率和公平等问题[10]。

已有研究从内容与方法上均为本文提供了较为全面的研究基础，国内外相关研究展现了对生态补偿效率的重视，从不同视角提出了相关评价方法，国内对于生态补偿效率影响因素的研究较少，尤其是对水资源生态补偿效率影响因素的研究鲜见。国外学者对于生态补偿效率的研究多聚焦于生态系统服务功能价值，关注空间的异质性，并从激励方式、公平与效率等因素开展。长江经济带水资源生态补偿效率的探究集水资源开发、利用和保护于一体，任何单一维度的认识都不能准确地涵盖其作用方式与表现内涵。规范长江经济带水资源生态补偿制度机制，有利于长江经济带水资源利用与保护的统筹安排，并能够在经济发展与生态环境保护之间找到新旧动能转换的平衡点，能够兼顾经济效率、社会公平和生态环境保护，实现长江经济带各省市的平衡与协调发展。基于此，为了充分了解不同地区水资源生态补偿投入与所取得产出之间的关系，本文基于长江经济带经济发展与生态环境保护的双重要求，将长江经济带11个省市的资本、劳动力和水足迹作为投入指标，将各省市实际GDP、灰水足迹和生态补偿综合绩效作为产出指标，采用包含非期望产出的序列DEA-SBM方法测算长江经济带水资源生态补偿效率，从资本、环境、公平和绿色化协同水平等方面检视长江经济带水资源生态补偿效率的影响因素及其作用关系，为构建合理的长江经济带水资源生态补偿机制提供参考依据。

1 理论与机理分析

1.1 水资源生态补偿效率测度的理论依据

生态补偿效率是衡量生态补偿可行性的重要基础，能够体现生态服务买卖双方的利益[6]。在本文中，水资源生态补偿效率的实质就是利用全要素生产率思想考查经济要素与生态环境要素投入约束下的生态补偿主体之间的利益变动关系，水资源生态补偿机制带来的增量利益的核心在于水资源生态补偿效率的提升，而这又依赖于社会经济与生态环境资源、水资源的配置效率的提升。从水资源生态补偿效率的投入产出效率来看，衡量实际生产过程中某一单位总投入所创造的总产出的生产率指标为全要素生产率（Total factor productivity，TFP），全要素生产率核算有两类方法，第一种参数方法，是基于索洛余值思想，将除了由资本和劳动力要素投入对经济增长的贡献以外的部分都归入全要素生产率对经济增长的贡献，水资源生态补偿效率的测算除资本和劳动力之外，还有影响全要素生产率的其他因素，例如水资源的投入等。第二种非参数方法，DEA-Malmquist方法是将DEA方法与Malmquist指数相结合用以测度全要素生产率，本文基于非参数方法全要素生产率理论的应用拓展，将资本投入、劳动投入和水资源投入作为投入角度，将社会经济效益、生态补偿绩效变化和灰水足迹作为产出角度来分析。

1.2 水资源生态补偿效率影响机理

从影响关系上看，在水资源生态补偿效率影响因素研究的理论模型设计方面，水资源生态补偿效率变动过程有别于其他投入产出过程，与水资源相关的投入种类通常更多，不仅仅包括了资金、人力资源和技术投入，还包括了与水资源生态环境保护、利用相关的中间投入。这一过程不仅涵盖了不同要素结构的资本与劳动投入，也从生态环境利益、社会福利与公平等回应了水资源生态补偿议题的纵深价值，因此以这一综合视角构建模型具有一定的理论含义与实践价值，其内核就是改善长江经济带不同地区水资源生态补偿效率差异、促进经济与生态环境效益再平衡。此外，水资源生态补偿效率还受到水资源禀赋、产业布局、能源消耗等因素影响[3]。从影响长江经济带水资源生态补偿效率的机制路径来看，长江经济带各省市经济—社会—生态环境发展要求决定了水资源生态补偿投入的必要性，水资源生态环境保护投入则直接影响了水资源环境质量状况，水资源环境状况也对经济—社会—生态环境综合效益产生了反馈调节作用，3个子系统之间存在相互影响的耦合协调关系，其耦合协调水平可以充分地体现长江经济带自然系统与社会系统间的绿色化协同发展关系，因此还需要进一步检验水资源生态补偿绿色化协同水平在不同地理空间与时间发展阶段内对改善与调节水资源生态补偿效率是否存在促动关系，从而全面地审视长江经济带水资源生态补偿效率，逻辑机理如图1所示。

2 研究方法

2.1 水资源生态补偿综合绩效评价指标

水资源生态补偿综合绩效评价，参考李秋萍和李长健[3]、邓远建等[11]和周睿[12]的研究，着眼于2004—2018年长江经济带的11个省市，选取由生态环境保护投入能力、经济—社会—生态环境综合效益、水资源环境质量状况3个二级指标和21个三级指标（表1），构建长江经济带水资源生态补偿绩效综合指标评价体系。为消除指标之间量纲差异，使用极差法对各指标数据进行标准化处理。

表1 长江经济带水资源生态补偿综合绩效指标评价体系Table 1 Performance index evaluation system of water resource ecological compensation in the Yangtze River Economic Belt

1）水资源生态环境保护投入能力。地方对生态环境保护的投资客观反映了对水资源生态补偿问题的重视程度。考虑到不同地区地方财政对生态环境保护的投入差异，本文选取人均环境污染治理总投资，城市污水日处理能力，每万人市容环卫专用车辆设备数，水利、环境和公共设施管理业城镇单位就业人员比例，供水综合生产能力，人均林业投资，人均水利、环境和公共设施管理业全社会固定资产投资，人均造林总面积等指标代表水资源生态环境保护投入能力。

2）经济—社会—生态环境综合效益。长江经济带是经济—社会—生态环境系统的集合，社会经济活动必然会对水生态产生不同程度的影响。水资源生态补偿带来的经济、社会和生态环境的综合效益可以综合反映经济带水资源生态补偿的经济社会系统福利水平，本文选取人均国内生产总值、城镇居民人均可支配收入、农村居民人均可支配收入、农业用水效率、工业用水效率、第三产业用水效率、建成区绿化覆盖率、人均公园绿地面积等指标代表经济—社会—生态环境综合效益。

3）水资源环境质量状况。水资源环境质量状况对水资源生态补偿绩效的直接影响，综合前人研究与数据可得性，参考陈晓和车治辂[13]的研究，考虑到大气污染与水污染存在交叉影响，本文在水资源生态补偿综合评价的测算中纳入水资源环境质量状况指标，选取化学需氧量排放强度、氨氮排放强度、农药投入强度、化肥投入强度、二氧化硫排放强度代表水资源环境质量状况。

水资源生态补偿绩效属于综合评价，参考刘明辉和卢飞[14]的研究，采用全局主成分分析法进行综合评价，通过对多地区、长时间相关数据的整合，以达到时间与空间调控相统一的研究目标。研究对各指标无量纲化处理后的样本进行全局主成分分析，经检验，3个子系统标准化后的数据结果均通过了KMO（Kaiser-Meyer-Olkin）检验与Bartlett’s球形检验。通过各指标在其子系统内的载荷系数和对应特征根计算线性组合系数矩阵，线性组合系数分别与方差解释率相乘后累加，并且除以累积方差解释率，得到综合得分系数，将综合得分系数进行归一化处理得到各指标权重值，再将3个子系统所占权重加权平均，最终得到各个指标在整个系统内的权重，在评价过程中视3个子系统同等重要。本文中，将水资源生态补偿绩效评价中3个子系统间的耦合协调水平作为水资源生态补偿绿色化协同水平的评价依据。

2.2 水足迹与灰水足迹测算方法

1）水足迹测算方法。水足迹是指一个国家（地区）或一个人在一定物质条件生活下某一时间内消耗的产品和提供服务所必需的水资源数量。本文借鉴潘忠文和徐承红[15]的研究，采用自下而上的核算 方法，计算长江经济带11个省市的水足迹，分别建立农业产品、工业产品、生活、生态和进出口虚拟水5个水足迹账户。其中，农业产品水足迹包括农作物和动物产品的水足迹，将15种主要动植物产品纳入核算；工业产品水足迹、生活水足迹和生态水足迹数据源自长江经济带11个省市水资源公报中的用水量数据；进出口虚拟水量中农产品虚拟水用各省市万元GDP与进出口总额的乘积核算；工业产品虚拟水用万元工业增加值（当年价）用水量与进出口总额的乘积核算。水足迹计算方法为：

式中：WF为总水足迹，WFcs为农业产品水足迹， WFip为工业产品水足迹，WFlif为生活水足迹，WFeco为生态水足迹，WFtr为进出口虚拟水。

2）灰水足迹测算方法。根据曾昭和刘俊[16]、孙才志等[17]对灰水足迹的测算研究，灰水足迹的计算和评价主要以Hoekstra等[18]提出的国际水足迹网络出版的《水足迹评价手册》为指导标准，灰水足迹的测度采用将污染物稀释至达到环境水质标准所需水量进行衡量，分别计算农业、工业和生活3个部门的灰水足迹，共同构成总灰水足迹。计算方法为：

式中：GWF为总灰水足迹（m3/a），L为污染物排放负荷（kg/a），Cmax为达到环境水质标准情况下的污染物最高浓度（kg/m3），Cnat为受纳水体的初始浓度（kg/m3），受纳水体的初始浓度指自然条件下某种污染物的浓度。

工业部门和生活部门的灰水足迹均以化学需氧量（COD）为指标进行计算，农业部门的灰水足迹以氮元素为指标进行计算。计算方法为：

式中：GWF为总灰水足迹，GWFagri为农业部门的灰水足迹，GWFind为工业部门灰水足迹，GWFdom为生活部门灰水足迹。

2.3 长江经济带水资源生态补偿效率测度方法

1）双目标决策的DEA-SBM模型。长江经济带水资源生态补偿效率的测算需要充分考虑各地区水资源生态补偿相关投入与取得的成效之间的变化关系，从测算方法上看，全要素生产率的测度通常采用的数据包络分析方法（DEA）符合本文对水资源生态补偿效率的研究。当被评价的DMU为面板数据时，可以得到生产率的变动情况、技术效率和技术进步各自对生产率变动所引起的作用，即Malmquist全要素生产率指数。Chung等[19]将包含非期望产出的方向距离函数应用于Malmquist模型，并将其称为Malmquist-Luenberger生产率指数，在此基础上，Cooper等[20]定义了包含非期望产出的SBM模型。本文兼顾期望产出与非期望产出的异质性，构建了双目标决策的DEA-SBM模型。

传统的Malmquist指数会面临潜在的线性规划无可行性解的问题，出现“技术退步”的不合理问题。本研究借鉴闵锐和李谷成[21]、尹朝静[22]的研究，采用Shestalove[23]提出的Sequential（序列）Malmquist指数测算方法解决该问题，不同于相邻参比、固定参比、全局参比相邻两期各自的前沿均由本期的DMU构成，序列参比的前沿则是由本期及所有以前各期的DMU构成，构建t+1期前沿的DMU中包括了t期的DMU，所以t+1期的前沿与t期相比不会后退，保证了技术变化值不会小于1，即呈现出技术进步。由于序列Malmquist模型的特征，在计算序列参比Malmquist指数时同时存在两个前沿，本文使用将两个Malmquist指数的几何平均值作为被评价DMU的Malmquist指数方法，即序列前沿交叉参比方法[24]。

2）Malmquist指数分解方法。对于Malmquist指数分解方法的选择，Fre等[25]采用CRS径向DEA计算Malmquist指数（MI），并将Malmquist指数分解为技术效率变化（EC）与技术变化（TC），即MI=EC×TC；Fre等[26]进一步将EC分解为纯技术效率变化（PEC）和规模效率变化（SEC），即MI=PEC×SEC×TC；Zofio[27]在Fre等分解方法的基础上将TC进一步分解为纯技术变化（PTC）和规模技术变化（STC），即MI=PEC×SEC×PTC×STC。

本文使用Max DEA 8 Ultra软件测算长江经济带水资源生态补偿效率，结合长江经济带经济—社会—生态环境发展现实及统计数据资料，对长江经济带水资源生态补偿效率的计算进行重塑，分析含非期望产出的长江经济带水资源生态补偿效率，选取2004—2018年长江经济带各省市的GDP实际增加值作为期望产出指标一，选取经测算后各省市的生态补偿综合绩效评价作为期望产出指标二，结合各省市水资源环境污染现状，选取灰水足迹的测度指标作为非期望产出指标，3种产出指标的权重各占1/3；采用永续盘存法核算的固定资产投资作为资本投入，以年末从业人员数量作为劳动投入，以水足迹测度指标作为水资源投入，基于序列前沿交叉参比的DEA-SBM方法测算长江经济带水资源生态补偿效率变化（Malmquist-luenberger指数）并对其构成源泉进行分解。

2.4 模型选择

模型的构建借鉴刘生龙和胡鞍钢[28]、尹朝静 等[29]的研究，选用面板数据回归模型为：

式中：ECE代表被解释变量，即长江经济带水资源生态补偿效率，X分别为人均生产性投入、城乡分配公平、城乡消费公平和水资源污染水平4个主要关注的解释变量；控制变量包括水资源禀赋、技术投入、能源投入、第三产业依存度和工业依存度，μ为非观测地区不随时间改变的个体固定效应，ε为随机误差项，i与t分别是地区和时间变量。

根据本文提出的假设与机理分析，诸多影响因素在水资源生态绿色化协同优势的调节作用下能够提升水资源生态补偿效率，即可能存在“绿色化协同机制下能够促进水资源生态补偿效率提升”的作用路径。因此，在其他指标与式（4）保持不变的条件下，本文加入了绿色化协同指标变量的交互效应分析，构建回归模型为：

式中：GCL表示绿色化协同耦合水平虚拟变量。该结果通过耦合度模型计算出水资源生态环境保护投入能力、经济—社会—生态环境综合效益、水资源环境质量状况三个子系统之间的耦合协调度[30]，CTRL代表控制变量。

在运用面板数据进行回归分析前，需要对遗漏变量问题与模型可能存在的内生性问题进行讨论。

1）遗漏变量。针对遗漏变量的问题，水资源生态补偿效率的影响因素众多，在研究中存在一些难以捕捉量化的信息，比如气候因素、政策因素和当地政府重视程度等，导致研究无法全面分析覆盖，加之诸多因素的数据无法观测或难以获取，故研究使用面板数据通过调整控制变量和核心解释变量的个数进行多次估计，以减少遗漏变量问题带来的估计误差。

2）解释变量的内生性。针对解释变量可能存在的内生性问题，本文采用Driscoll和Kraay[31]提出的方法获得异方差—序列相关—截面相关稳健性标准误的估计方法，对误差项的自相关、异方差和截面相关的问题一并加以处理，对于模型可能存在的内生性问题，考虑主要源于技术进步效应，可能与水资源生态补偿效率之间产生互为因果关系，即技术进步与扩散能够提高水资源生态补偿效率的增长，水资源生态补偿效率的提升也会影响与水资源生态补偿相关领域的技术进步与技术扩散的积极性，因此采用解释变量的一阶滞后项作为工具变量对模型进行IV估计，经检验，通过“杜宾—吴—豪斯曼检验”（Durbin-Wu-Hausman检验），得出表示技术进步与技术扩散指标的代理变量技术成交额指标不存在明显的内生性问题。

2.5 变量选取

为更完善地考察水资源生态补偿效率影响机理与影响效果，参照虞慧怡等[32]、时润哲和李长健[1]对水资源生态补偿影响因素的相关理论研究，找到对应解释变量并进行测度，结合研究需要，加入了资本投入、社会分配与消费公平、生态环境保护等因素的解释变量，同时为了增强模型的拟合度和显著程度，根据已有研究成果，加入了水资源禀赋、技术要素、能源工业投入、第二与第三产业发展程度等控制变量，还加入了绿色化协同耦合水平作为交互项对模型进一步检验。

1）被解释变量。长江经济带水资源生态补偿效率，本文通过序列DEA-SBM方法得到的Malmquist生产率指数，实际上是以上年为100的环比指数，参考尹朝静[22]的方法，测算出以2004年为基期的水资源生态补偿效率值，从而2005年效率值等于2004年效率值乘以2005年Malmquist指数，依此类推得到2004—2018年的水资源生态补偿效率值，并取对数表示。

2）核心解释变量。包括人均生产性投入、城乡分配公平、城乡消费公平和水资源污染水平等指标。其中，生产性投入指标用永续盘存法计算全社会固定资产投资净值，取人均值表示生产投入水平，取对数表示资本投入弹性；城乡分配公平性指标用长江经济带各省农村居民人均可支配收入与城市居民人均可支配收入比表示，比值越大则表示城乡分配越公平，此指标在区域横向比较的基础上，兼顾了城乡之间的比较关系；城乡消费公平性指标参考刘丽娜[33]相关研究，用长江经济带各省农村居民人均消费支出与城市居民人均消费支出比表示，比值越大表示城乡消费越公平，此指标在区域横向比较的基础上，也兼顾了城乡之间的比较关系；水资源污染水平指标用人均灰水足迹表示长江经济带各省市对于水资源生态环境保护情况，取对数表示水资源污染水平弹性。

3）控制变量。包括水资源承载力、技术市场成交额、人均能源工业投资、第三产业发展程度、工业依存度等变量。其中，水资源承载力用水资源承载人口数表示，采用付云鹏[34]使用的测算方法，用地区的供水总量作为水资源供给指标，对区域水资源所能承载的人口进行测算，测算的具体公式为：Cw=Iw×Qw，其中：Cw表示的是区域水资源可承载的人口规模，Iw表示水资源承载指数，Qw表示研究区的供水总量；区域水资源承载指数的计算公式为：Iw=QRP/QRW，其中：QRP和QRW分别表示参照区人口规模和参照区的供水总量。Cw数值越大则表示水资源承载力越高，作为客观评价某地区水资源承载力指标，测算的是该地区水资源供给能够承载的人数，取对数表示水资源禀赋弹性。技术市场成交额是登记合同成交总额中技术部分的成交金额，反映了当地技术市场的发展情况，数值越大则反映该地区的技术市场越发达，技术规模的扩大可以带来技术的扩散效应，由于技术发展指标是资本与技术的集聚带来的影响，不适用于劳动密集产业与交易区域面积大小带来的指标变化，不适宜对其进行人口均值化处理，取对数表示技术投入弹性。能源工业投资表示的是能源工业投入情况，能源工业投资越多，与之相应的能源消耗总量越多，由于每个地区的人口规模不同，能源投资企业布局不一，故本指标使用人均指标，取对数表示能源消耗弹性。第三产业发展程度用长江经济带各省市第三产业生产总值与地区生产总值的比值来表示，比值越大则说明第三产业发展越发达。工业依存度用长江经济带各省市第二产业生产总值与地区生产总值的比值来表示，比值越大则说明工业依存程度越高。

4）交互项。绿色化协同耦合水平，是取值为(0, 1)的虚拟变量，设置耦合协调度区间分界点值0.5为失调与协调类型的划分依据[30]，取值为0（失调）或1（协调）的虚拟变量。

对模型使用的变量进行共线性检验，并使用面板LLC单位根检验方法和IPS检验方法对各个变量进行单位根检验，各变量均通过了显著性检验，表明本面板数据是平稳的，综上，分别对各个变量进行数据检验，模型中所有变量均通过了单位根平稳性检验与VIF共线性检验的要求，变量的统计结果见表2。

表2 变量描述性统计Table 2 Descriptive statistics

2.6 数据来源

本文采用长江经济带11个省市2004—2018年面板数据检验长江经济带水资源生态补偿效率的影响因素，数据来源于《中国统计年鉴》《中国环境年鉴》《长江年鉴》。研究数据的时间跨度考虑主要因为近年随着国家经济发展政策的不断完善，对长江经济带水资源生态环境保护与补偿有了一定的探索经验。个别指标的缺失数据处理方面，参考邓建新等[35]研究，分别使用了平均增长率和热卡插补的方法。

3 结果与分析

3.1 长江经济带水资源生态补偿效率及其分解分析

长江经济带水资源生态补偿效率（Malmquist- Luenberger指数）变化的测度由于要参比t期的前沿，故测算数据得到的测算区间为2005—2018年。从2005—2018年长江经济带水资源生态补偿效率变化情况看，反映生态补偿效率变化的Malmquist-Luenberger指数（MI）变动较为剧烈，呈“W”型波动特征（图2），这种偏周期性的变化与当时的政策发展形势息息相关。从效率变化的分解情况看，2005—2018年长江经济带水资源生态补偿效率变化（MI）受技术效率变化指数（PEC）、规模效率变化（SEC）指数的波动影响较大。

从长江经济带各省水资源生态补偿效率变化（MI）均值情况看，由高到低依次为江苏、湖南、浙 江、四川、上海、贵州、湖北、重庆、安徽、江西和云南（表3），且各省市的水资源生态补偿效率变动情况均为正增长。从增长源泉来看，长江经济带水资源生态补偿效率的增长主要来自纯技术变化（PTC），规模效率变化（SEC）对整体效率的提升也起到了一定的推动作用。从整体上看，能够同时实现“双驱动”甚至“多驱动”模式的省市其水资源生态补偿效率的增长值较高。

表3 长江经济带各省水资源生态补偿效率变化及其分解Table 3 Change and decomposition of ecological compensation efficiency of water resources in provinces along the Yangtze River Economic Belt

3.2 长江经济带水资源生态补偿效率的影响因素分析

根据回归模型分析结果（表4），模型1、模型2和模型3中城乡消费公平指标（CF）与水资源污染指标（WP）均得到了显著水平，从模型估计的稳健性检验来看，由于表示技术进步与技术扩散指标的代理变量技术市场成交额指标通过了Durbin-Wu-Hausman检验，得出技术投入指标（TECH）不存在明显的内生性。通过模型2与模型1、模型3相比，除了城乡分配公平指标（DF）在模型3中的系数不显著，其他解释变量的显著性水平与系数大小、符号均保持相对一致，说明模型2的估计结果是比较稳健的。同样采用增减控制变量的方法对模型4和模型5的稳健性进行检验，通过比较，删减变量后的回归方程中主要解释变量的显著性水平、系数大小、符号方向无明显差异，说明模型4和模型5的估计也是稳健的。由于技术市场成交额指标并不存在明显的内生性问题，故本研究选取模型2、模型4和模型5作为最终采纳的模型估计结果展开分析。

人均生产性投入指标（PI）和城乡分配公平指标（DF）对长江经济带水资源生态补偿效率有显著的负向影响（表4），而城乡消费公平指标（CF）对长江经济带水资源生态补偿效率有显著的正向影响，表示水资源生态环境污染水平指标（WP）对长江经济带水资源生态补偿效率之间存在显著的负向影响，即加强水资源生态环境保护（减少人均灰水足迹）能够显著提升长江经济带水资源生态补偿效率。从控制变量来看，第三产业发展程度（SER）和工业依存度（IND）对长江经济带水资源生态补偿效率的提升具有显著的正向影响；水资源承载力（WRE）、技术市场成交额（TECH）和能源工业投资（ENER）对长江经济带水资源生态补偿效率没有显著的影响关系。根据研究机理提出的假设，重点考察与假设不一致的人均生产性投入与城乡分配公平指标，能否在绿色化协同耦合指标（GCL）的调节作用下得到与假设相近的结论。

表4 模型回归结果Table 4 Regression results of the model

对于生产性投入（PI）对长江经济带水资源生态补偿效率有显著的负向影响应作何解释？研究认为，由于在测算长江经济带水资源生态补偿效率时，将资本投入变量设置为地区的固定资产投资余额，而过高的人均固定资产投资会导致在计算长江经济带水资源生态补偿效率时存在投入冗余，故影响了效率的最终结果。需要进一步验证是否存在投入冗余或如何改善投入冗余的问题，本文在模型4估计结果的分析中给予了回应。模型4的实证结果可知，生产性投入指标与绿色化协同耦合水平的交互项的符号为正，且在1%的显著性水平上显著，表明在绿色化协同耦合水平程度较高的时空间内，生产性投入的提升优化了长江经济带水资源生态补偿效率，原因在于一方面长江经济带各地区的生态环境与各地区的生产生活方式息息相关，各地政府存在生态环境优先的绩效考核压力；另一方面生产性投入的提升使财政分配趋于合理，促使地方政府更加注重财政在生态环境保护与水利建设投资，并能够获得更多的生态环境与经济利益。

同样对于在模型2中城乡分配公平指标（DF）对长江经济带水资源生态补偿效率影响为显著负相关的问题，模型加入城乡分配公平指标与绿色化协同耦合水平指标交互项后再次进行估计，得到的估计结果见模型5，进行对比后发现，造成城乡分配公平指标与水资源生态补偿效率呈负相关的原因很可能在于乡村对高能耗、高污染和高排放的传统企业存在依赖性。由于城市环境排放标准较为严格，很多高能耗、高污染和高排放企业被迫转移到农村，而这些污染较为严重的企业往往却能够给农村居民带来相对较高的收入，政府虽然限制了高污染企业对城市与生态环境保护区的进一步破坏，但没有完全落实这些企业在乡村和偏远地区按要求实行严格的排污标准，尽管政府在收取排污费用，但污染企业造成的负外部性，导致这些企业对生态环境造成的水体污染与生态环境破坏无人问津或仍由政府买单，因此，模型2中城乡分配不公平并不是说就能够提升水资源生态补偿效率，其原因是多层次的，主要归结为：其一，城乡新旧产能转换存在时滞，供给侧结构性改革过程中，新旧产能转换期间存在较长的调整周期，而在农村从事高污染的工业生产活动能够带来比从事单纯农业生产更多的收入；其二，长江经济带城市经济发展增速快，尽管农村经济发展也有所改善，但相比于第三产业发达的城市经济发展的速度却相差较大，城乡生产产品的价格呈现“剪刀差”，也影响了城乡收入结构，因此产生了城乡收入差距进一步拉大的现象。当加入城乡分配公平与绿色化协同耦合水平交互项指标后，交互估计结果在5%的显著性水平下系数为正，表明在绿色化协同耦合水平程度较高的时空间内，城乡分配公平的提升优化了长江经济带水资源生态补偿效率。

4 结论与政策建议

4.1 结论

研究表明，2005—2018年长江经济带水资源生态补偿效率变化Malmquist-luenberger指数变动较为剧烈，呈“W”型波动特征。从增长源泉来看，长江经济带水资源生态补偿效率的增长主要来自纯技术变化，规模效率变化对生态补偿效率的提升也起到了一定的推动作用。假定资本投入、劳动力投入和经济收益不变，可在实际生产生活中减少用水浪费，提升水资源生态补偿综合绩效、减少灰水足迹，以提高水资源生态补偿效率。

城乡消费公平的提升与水资源生态环境保护的提升对长江经济带水资源生态补偿效率的提升具有积极作用。通过生产性投入指标与绿色化协同耦合水平的交互可得，在绿色化协同耦合水平程度较高的时空间内，生产性投入的提升优化了长江经济带水资源生态补偿效率；城乡分配公平指标对长江经济带水资源生态补偿效率影响显著呈负相关，但在绿色化协同耦合水平的交互作用下，城乡分配公平能够对水资源生态补偿效率产生正向影响。遵循统筹好“一盘棋”的水资源生态补偿机制构建思路，有利于形成长江经济带水资源利用与保护的统筹安排，兼顾经济效率、社会公平与生态环境保护，能够更好地提升长江经济带各省市水资源生态补偿 效率。

4.2 政策建议

1）改善资本投入结构。发展实践中，相对落后地区的经济振兴与发展不能以破坏生态环境为代价，政府部门应当遏止高能耗、高污染等相对落后产能企业向农村转移的趋势，向经济投入要绿色GDP，兼顾经济发展投入与水资源生态环境保护的协调，尽可能减少不合理生产性投入带来的效率冗余，积极引导传统高污染企业向绿色化、集约化和信息化生产转型赋能，以提升长江经济带水资源生态补偿效率。

2）重视城乡协调发展，在兼顾城乡收入与消费公平的同时，应持续推动绿色产业下沉。农村作为生态系统保护的薄弱环节，极易被忽视周边生态环境与资源的合理利用和保护，往往导致经济发展与生态环境建设不能合理匹配。未来，应充分将社会资本和农村劳动力资源引入绿色产业的发展中来，以长江大保护、经济绿色化发展为新发展标准，保护生态环境与资源的同时以促成城乡分配与消费公平的实现，从长江经济带发展的时空间结构上寻求公平正义，从而更好地提升长江经济带水资源生态补偿效率。

3）加强生态文明建设，重视用水浪费与水污染问题，大力推广清洁能源的利用与研发。鼓励新动能产业与绿色化产业发展，有侧重地向生态环境功能区引入绿色化工艺与技术，广泛开展清洁生产，从减少用水浪费与提升水质要求方面改善相对粗放的生产结构，以水为纽带引导长江经济带实现全域绿色可持续发展，进而提升水资源生态补偿效率。