基于VAR模型的贵州省林业产业结构与水资源承载力关系研究*

张广奇

(1.贵州大学 林学院，贵州 贵阳550025；2.贵州大学 森林生态研究中心，贵州 贵阳 550025)

水资源作为一种基础性自然资源，对人类生存发展与经济社会运行具有不可替代性的支撑作用[1]。随着人口爆发性增长以及工业化进程不断推进，水资源供需矛盾和水污染问题业已成为一场全球性危机[2]。贵州省是一个喀斯特广泛分布的省份，主要表现为生境严酷、具有地表地下二元水文地质结构，地表土层薄、肥力低、环境容纳量小，地形多陡坡深谷，渗漏严重，水资源开发利用较难，水资源季节性亏缺和局部性干旱严重，属于典型的工程性缺水地区，这在一定程度上限制了贵州省经济社会发展[3-4]。但另一方面，贵州省是我国生态文明建设与乡村振兴的重点地区，经济需要可持续发展。贵州的地区生产总值在2020年为17 826.56×108元，较2010年地区生产总值4 602.16×108元增加287.35%，这也使得贵州省水资源需求压力陡增，贵州省2019年用水总量108.06×108m3，较近10年用水量最低点92.00×108m3增加17.46%，水资源承载力面临考验[5]。在水资源受限地区，水资源承载力是产业发展规模与发展水平的重要影响因素，是决定当地生态、社会、经济稳定和发展的关键因子，即“以水定田、以水定工农业发展规模、以水定城市规模”[6]。因此，如何在促进经济平稳高效运行的同时，又能协调好与当地水资源承载力的关系，是亟待全社会研讨的重要课题。

森林是陆地生态系统的主体，具有涵养水源、保持水土等一系列生态功能，以森林为依托的林业是我国重要的基础部门和支柱产业，在生态建设中居于首要地位，在增加森林资源，保障生态安全、促进经济建设等方面起着积极作用。林业产业结构合理优化程度决定了森林质量的好坏和生态功能的强弱，进而影响当地生态安全。近年来关于我国林业产业结构与生态环境关系问题已得到学者们的关注，如应用灰度模型方式分析林业产业结构与生态安全的相关性[7]，将ECM模型与VAR模型相结合分析林业产业结构与森林生态安全之间的动态关系[8]，从时空维度运用耦合协调度模型计算分析森林生态安全综合指数与林业产业结构综合指数的耦合协调[9]，基于森林生态安全进行林业产业结构优化战略仿真分析[10]等。但林业产业结构与水资源和水环境问题的相关研究未见报道。

有研究表明，以森林资源作为中间变量，林业产业与森林生态功能相互影响，林业产业对森林生态功能是负向影响，森林生态功能对于林业产业是正向影响，这说明中国林业产业与森林生态功能尚未进入良性循环状态，尚未达到林业生态安全和生态文明水平[11]。基于此，提出两个假设：(1)森林水土保持与水源涵养功能增加，水资源增加，从而促进林业产业优化升级；(2)林业产业优化升级，水土保持与水源涵养功能降低，水资源量下降，从而导致水资源承载力减弱。因此，本研究以贵州省为例，应用向量自回归模型(VAR模型)对林业产业结构与水资源承载力关系进行研究，其结果可以为促进贵州省水资源可持续利用提供科学依据，为林业产业结构合理有效调整，推动地区生态-经济-社会系统平稳协调发展提供新的思路。

1 研究方法与数据来源

1.1 研究方法

1.1.1 向量自回归模型构建

对于林业产业经济问题时间序列分析会面临变量的随机趋势并导致内生性问题的发生，进而造成模型参数估计出现偏差[12]。本研究采用的向量自回归(vector auto-regression，VAR)模型主要用于预测相互联系的时间序列和分析随机扰动对变量系统的动态影响，相关研究表明，VAR模型能够克服随机趋势导致的内生性问题[13]。具体模型表达式如下。

式中：Yt为内生向量变量，Xt为外生向量变量，n和r分别为内生变量与外生变量的滞后阶数，At和Bj为带估计参数矩阵，εt为误差向量。

本研究对水资源承载力与林业产业结构关系进行研究，故选择水资源承载力相关指标及林业产业结构相关指标作为参数代入模型，通过ADF平稳性检验，Johansen协整检验确定具有回归关系；通过最优滞后阶数检验模型平稳性，建立VAR模型，进行参数估计；应用Granger因果检验进行因果分析；对有因果关系的参数做脉冲响应分析，并通过方差分解进一步分析内生变量对预测变量方差的相对贡献程度。

1.1.2 水资源承载力相关指标获取

本研究采用水资源生态足迹模型计算水资源生态足迹、水资源承载力以及水资源生态压力指数。具体计算公式如下[4]。

EFm=N×efm=N×γ×(W/pm)式中：EFm是水资源生态足迹(hm2)；N是人口数；efm是人均水资资源生态足迹(hm2/人)；γ是水资源的全球均衡因子，取5.19[14]；W是人均消耗水资源量(m3)；pm是水资源全球平均生产能力(m3/hm2)，取3 140 m3/hm2[13]。

ECn=N×ecn=0.4×γ×Q/pm

式中：ECn是水资源承载力(hm2)；N是人口数；ecn是人均水资资源承载力(hm2/人)；γ是水资源的全球均衡因子，取5.19[14]；Q是研究区水资源总量(m3)；pm是水资源全球平均生产能力(m3/hm2)，取3 140 m3/hm2[15]。

EPI=EFm/ECn

式中：EPI是水资源生态压力指数；ECn是水资源承载力(hm2)；EFm是水资源生态足迹(hm2)。

水资源生态足迹用于表征研究区经济发展造成的水资源生态负荷，水资源生态足迹越大，表明该地区对水资源需求越大。水资源承载力用于表征研究区能提供的水资源供给能力，水资源承载力越大，表明该地区水资源供给能力越强。水资源生态压力指数(EPI)，用水资源生态足迹与水资源承载力的比值来表征，如果EPI>1,说明研究区水资源供给量不能满足需求量，水资源利用处于不安全状态；如果EPI=1，水资源处于临界安全状态；如果EPI<1,说明研究区水资源供给量能够满足需求量，水资源利用处于安全状态[16]。

1.1.3 林业产业结构相关指标获取

本研究采用产业结构层次系数表征林业产业结构发展变化情况，产业结构层次系数越高，产业结构优化度越高，具体公式如下[17]。

式中：S是林业产业结构层次系数；qi是林业第一产业、第二产业、第三产业的赋值，分别为1、2、3；yi为林业第i产业产值占总产业产值的比重。

1.2 数据来源与处理软件

基于贵州省水资源与林业产业结构相关数据，其中贵州省水资源相关基础数据来源于《贵州省水资源公报(2000—2018)》，贵州省林业三次产业产值及林业总产值数据来源于《中国林业和草原统计年鉴(2000—2018)》，贵州省人口数据来源于《中国统计年鉴(2000—2018)》。为了在不改变变量关系的情况下，消除异方差对时间序列数据的影响，对各数据取自然对数后再运用Eview 9.0进行分析。

2 结果与分析

2.1 指标建立

根据所取19 a林业产业总产值V，林业第一产业产值v1，第二产业产值v2，第三产业产值v3数据计算得到贵州省林业产业结构层次系数S(表1)，取自然对数后得到lnS。

根据所取19 a人均水资源消耗量W，水资源总量Q，计算水资源承载力ECn，水资源生态足迹EFm，水资源生态压力指数EPI，结果见表2，取自然对数后得到lnECn,lnEFm，lnEPI。

2.2 模型构建

2.2.1 ADF平稳性检验

对林业产业结构层次系数、水资源承载力、水资源生态足迹以及水资源生态压力指数进行ADF检验数据平稳性，结果(表3)表明，lnS、lnECn、lnEFm、lnEPI的ADF检验值均大于10%水平临界值，说明各数列均为非平稳序列，对lnS、lnECn、lnEFm、lnEPI进行一阶差分后得到ΔlnS、ΔlnECn、ΔlnEFm、ΔlnEPI数列，经检验，各数列ADF检验值小于10%水平临界值，说明一阶差分数列平稳，即一阶单整。

表3 林业产业结构层次系数、水资源承载力、水资源生态足迹以及水资源生态压力指数的ADF检验结果

2.2.2 Johansen协整检验

为了验证产业结构层次系数与水资源承载力、水资源生态足迹以及水资源生态压力指数间回归不是伪回归，应用Johansen协整检验判断其是否具有协整关系(表4)，结果表明，ΔlnS、ΔlnECn、ΔlnEFm、ΔlnEPI存在协整关系。因此，可以应用VAR回归模型对其关系进行分析且不是伪回归。

表4 Johansen协整检验

2.2.3 最优滞后阶数确定与模型平稳性检验

为了解林业产业结构层次系数与水资源承载力、水资源生态足迹以及水资源生态压力指数的关系采用平稳后的序列ΔlnS分别与ΔlnECn、ΔlnEFm、ΔlnEPI建立无约束VAR模型，由于VAR模型对滞后阶数敏感，因此通过似然比(LR)准则、AIC准则、SC准则、FPE准则和HQ准则等方法分别对ΔlnS与ΔlnECn，ΔlnS与ΔlnEFm，ΔlnS与ΔlnEPI三组平稳序列进行最优滞后阶数检验。结果(表5)表明，综合LR、FPE、AIC、SC和HQ值后认为ΔlnS与ΔlnECn，ΔlnS与ΔlnEFm，ΔlnS与ΔlnEPI三组数据建立的VAR模型最优滞后阶数为1。

表5 VAR模型最优滞后阶数检验

用AR根图做平稳性检验，单位圆中的点表征AR特征根倒数的模，若各点均处于单位圆范围内，则表示VAR模型平稳，反之则不平稳。结果(图1)表明，各模型单位根均处于单位圆内，说明各模型均具有稳定性。

2.2.4 VAR模型建立与参数估计

根据以上信息ΔlnS与ΔlnECn建立VAR模型Y1、ΔlnS与ΔlnEFm建立VAR模型Y2和ΔlnS与ΔlnEPI建立VAR模型Y3表达式。

模型整体统计量检验参数(表6)表明，3个模型AIC、SC和确定性协方差均较小，极大似然函数值较大，说明建立的3个VAR模型有较强说服力，模型结果可信[15]。

表6 VAR模型整体统计量检验

2.2.5 Granger因果检验

为了检验模型中变量间的动态先后效应，应用Granger因果检验进行分析。结果表明(表7)，只有“林业产业结构层次系数S不是水资源承载力ECn的Granger原因”和“水资源生态压力指数EPI不是林业产业结构层次系数S的Granger原因”2个原假设，相伴概率均小于0.10，即在10%的显著性水平拒绝原假设，即林业产业结构层次系数S是水资源承载力ECn的Granger原因，水资源生态压力指数EPI是林业产业结构层次系数S的Granger原因。

表7 Granger因果关系检验

2.2.6 脉冲响应分析

为了进一步研究一个变量变化后对另一变量的全部影响过程，基于已建立的VAR模型，对有因果关系的林业产业结构层次系数和水资源承载力以及水资源生态压力指数和林业产业结构层次系数做脉冲响应分析(图2)。

从图2 a可以看出，林业产业结构层次系数在2～6期给水资源承载力带来正负交替的冲击，第2、4、6期正向冲击，第3、5期负向冲击，但波动幅度逐渐变小，此后反应值趋向于0，整体上累计反应值为0.05，即林业产业结构层次系数对水资源承载力具有正向影响，说明林业产业结构升级会促进水资源承载力增强。

从图2 b可以看出，水资源生态压力指数在前6期给林业产业结构层次系数带来正负交替的冲击，第1、3、5期负向冲击，在第2、4、6期正向冲击，但波动幅度逐渐变小，此后反应值趋向于0，整体上累计反应值为0.02，即水资源生态压力指数对林业产业结构层次系数具有正向影响，说明水资源生态压力指数升高会倒逼林业产业结构升级。

2.2.7 方差分解

方差分解用于进一步分析内生变量对预测变量方差的相对贡献程度，以期定量测度变量间的影响程度。基于此，对ΔlnECn与ΔlnS以及ΔlnS与ΔlnEPI两个具有Granger因果关系的VAR模型进行方差分解。结果表明(表8)，水资源承载力在前期主要受到自身冲击影响，第一期达到100%，但是随着滞后期增加解释程度逐渐降低，林业产业结构层次系数的解释度不断增加并稳定至15.36%；而林业产业结构层次系数受自身冲击影响的解释度也随着滞后期增加逐渐降低，水资源生态压力指数的解释度不断增加并稳定至18.82%。

表8 VAR模型方差分解

3 讨论

3.1 水资源承载力分析

2000—2018年贵州省水资源生态压力呈波动上升趋势。这是由于随着贵州省连续多年社会经济的迅猛发展发展与人民需求的快速增加，水资源开发利用程度不断升高造成的，这与周子琴等[4]和魏媛等[19]研究结论相一致。为此，应改变传统经济发展方式、居民消费习惯及用水方式，调整和优化产业结构，提高水资源集约节约利用水平，全面提升全社会用水效率[20]。从水资源承载力来看总体上贵州水资源供给充足，但贵州省特别是喀斯特地区属于典型的工程性缺水区，水资源承载力水平波动较大，干旱年份水资源承载力较低，因此应努力加强水源优化配置，提升蓄水能力进而增强水资源供给保障能力[21]。

3.2 林业产业结构分析

2000—2018年贵州省林业产业产值增速迅猛，从2000年的25×108元增加至2018年的3 010×108元，增加了120倍，发展速度快于全国平均林业发展速度[22]。产业结构逐年优化，2000年贵州省林业第一产业占绝对优势，第二产业较弱，第三产业最弱，表明贵州省林业还是以种植业为主的经济结构；2018年贵州省则成为了全国唯一一个林业产业结构为第三产业比重最高、第一产业次之、第二产业最低的省份[23]。贵州省前期大力发展林业第一产业，栽种了大量诸如杉木(Cunninghamialanceolata)、马尾松(Pinusmassoniana)、油茶(Camelliaoleifera)、皂角(Gleditsiasinensis)、花椒(Zanthoxylumbungeanum)等林木，目前贵州省森林覆盖率已达60%。贵州省建成丰富的森林资源后大力发展不破坏森林资源的第三产业，这是由于第三产业以服务为主，相较于第一、第二产业能够带动和吸纳更多人员就业，是脱贫攻坚、乡村振兴战略的现实途径[24]。同时促进林业产业结构层次优化，也实现了林业经济的绿色、高效发展，逐步迈向生态、经济、社会协同发展[25]。

3.3 林业产业结构与水资源承载力关系

Johansen协整检验表明林业产业结构层次系数与水资源承载力、水资源生态足迹和水资源生态压力指数变量之间存在长期均衡的协整关系，即贵州省林业产业结构优化程度可以稳定的反映在水资源承载力相关指数上。其次，Granger因果检验证明林业产业结构层次系数对水资源承载力具有单向Granger因果关系，即水资源承载力的增强会促进林业产业结构优化升级；同时水资源生态压力指数对林业产业结构层次系数具有单向Granger因果关系，即水资源生态压力增大会倒逼林业产业结构进一步优化调整。再次，从脉冲分析中可以看到，林业产业结构优化调整虽然不能在全时段始终带给水资源承载力正向影响，但整体上的影响是正向的；水资源生态压力对林业产业结构优化调整方向也是整体上呈现正向趋势。最后，方差分解结果表明，林业产业结构优化升级对水资源承载力不断增强有着不可忽视的作用；同时水资源生态压力的加大也在一定程度上影响林业产业结构的调整。研究结果符合假设(1)水资源承载力增强，森林资源得以发展，林业产业不断增强，该结果与其他研究结果一致，即水资源承载力增强，配置有效，可以促进产业结构的调整与升级[26-27]；同时研究结果与假设(2)相反，表明林业产业结构升级会增强森林水土保持水源涵养等生态功能，进而增强水资源承载力，该结果与蔡秀亭等[10]模拟研究结果一致，这是由于黑龙江与贵州均为国内森林本底资源较好的省份，现有森林资源具有较高的生态安全边际，但与廖冰等[11]在全国范围进行的实证研究结果相反，这表明全国总体上林业发展还有很大拓展空间，目前尚未实现产业经济效益与生态效益的双赢，而贵州林业产业与森林水资源相关生态功能已进入良性循环，达到较高林业生态安全和生态文明水平。

4 结论与展望

4.1 结论

选用2000—2018年贵州省林业产业结构层次系数与水资源承载力、水资源生态足迹和水资源生态压力指数建立VAR模型，并运用相关计量经济学方法对林业产业结构与水资源承载力关系进行实证分析，得到以下结论。首先，Johansen协整检验表明林业产业结构层次系数与水资源承载力、水资源生态足迹和水资源生态压力指数变量之间存在长期均衡的协整关系，即贵州省林业产业结构优化程度可以稳定的反映在水资源承载力相关指数上。其次，Granger因果检验证明林业产业结构层次系数对水资源承载力具有单向Granger因果关系，即水资源承载力的增强会得益于林业产业结构优化升级；同时水资源生态压力指数对林业产业结构层次系数具有单向Granger因果关系，即水资源生态压力增大会倒逼林业产业结构进一步优化调整。再次，从脉冲分析中可以看到，林业产业结构优化调整虽然不能在全时段始终带给水资源承载力正向影响，但整体上的影响是正向的；水资源生态压力对林业产业结构优化调整方向也是整体上呈现正向趋势。最后，方差分解结果表明，林业产业结构优化升级是水资源承载力不断增强有着不可忽视的作用；同时，水资源生态压力的加大也在一定程度上影响林业产业结构的调整。

4.2 不足与展望

本研究首次运用向量自回归模型分析林业产业结构与区域水资源承载力关系，表明了林业产业结构优化升级对水资源承载力增强、水资源生态压力对林业产业结构的调整均具有一定作用。但林业产业结构与水资源承载力的相互作用的机理并不清楚，廖冰等[11]引入森林资源作为中介变量对林业产业与森林生态作用做了相关研究，得出林业产业与森林生态功能的作用机理，但林业产业与区域水资源承载力关系机理研究还未见报道。因此，未来可以从以下方面进行研究：(1)筛选相关影响因素作为指标建立模型，继续挖掘林业产业结构与水资源承载力关系的影响机理；(2)在本研究基础上，规划林业产业发展，进一步优化产业结构，以期在提升林业质量效益和竞争力的同时也可以为当地经济社会发展提供水资源保障。