技术创新视角下黄河流域工业用水效率研究

岳 立，曹雨暄

（兰州大学 经济学院，甘肃 兰州 730060）

1 引 言

在“以国内大循环为主体，国内国际双循环相互促进”的发展战略下，黄河流域成为中国产业转移的重要承接地。但是，随着工业化和城镇化的快速发展，黄河流域水问题日益突出，尤其作为我国能源、化工、原材料和基础工业基地，其工业水资源需求不断增长［1］。因此，如何提升工业用水效率成为一个非常重要和紧迫的现实问题。

已有关于工业用水效率的研究主要集中在两方面：一是关于工业用水效率的测度，学者多采用SFA［2-4］和DEA方法［5-7］进行测算；二是关于工业用水效率的驱动因素研究，学者从不同区域、不同视角得出差异性结论。例如：朱启荣［8］认为中国各省（区）工业用水效率具有地区差异，是多种因素共同作用的结果；汪克亮等［9］测算长江经济带工业绿色用水效率并探究其影响因素，但各因素影响大小存在差异；李俊等［10］采用LMDI模型研究发现，产出效应对区域工业用水量的增加具有促进作用，但结构和技术效应相反；雷存伟等［11］基于河南工业行业数据，从行业投入、规模和运营3个层面探究对工业用水效率的影响，并进行分组研究，得出不同组别的差异性结论。

技术进步是推动经济社会发展的第一动力，技术创新是促进资源集约利用的重要保障［12-15］，新发展阶段黄河流域生态保护和高质量发展被纳入重大国家战略，要求流域“量水而行、节水为重，大力发展节水产业和技术，坚决抑制不合理用水需求，推动用水方式由粗放向节约集约转变”［16］。在此战略背景下，笔者从技术创新的视角，综合测度黄河流域工业用水效率并利用门槛回归法和GML指数法，分析技术创新水平与工业用水效率的关系，以期为促进黄河流域生态保护和高质量发展提供参考。

2 研究区概况

黄河发源于巴颜喀拉山脉，流经青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9个省（区）。黄河流域煤炭、石油、天然气和有色金属资源丰富，是我国重要的能源化工生产基地［17］，2020年地区生产总值达25.4万亿元，占全国的25.1%。2020年，黄河流域水资源总量为917.4亿m3，不到长江的8%，约占全国水资源总量的2.9%，但流域水资源利用方式较为粗放，开发利用率高达80%，水资源短缺成为制约黄河流域生态保护和高质量发展的重要因素。

3 研究方法及数据来源

3.1 DEA-SBM模型

采用Tone［18］提出的方向性SBM模型对研究区的工业用水效率进行测度。设研究区共有n个决策单元、m种投入、q1种期望产出和q2种非期望产出，则第k个决策单元的工业用水效率模型为

3.2 GML（Global Malmquist-Luenberger）指数法

利用Oh［19］创建的GML指数法测算黄河流域工业用水效率的跨年度变化值，并将GML指数分解为表征技术效率变化的EC指数和技术进步的TC指数：

式中：xt、yt、xt＋1、yt＋1分别为第t期投入、第t期产出、第t＋1期投入、第t＋1期产出变量；DG为依赖于全局生产可能性集合的方向性距离函数；Dt、Dt＋1分别为第t期、第t＋1期方向性距离函数。

3.3 投入产出指标选取

投入要素包括资本、劳动和水资源，其中：资本投入以工业企业固定资产净值年平均余额（亿元）表示，劳动投入以工业从业人员年平均人数（万人）表示，水资源投入以工业用水量（亿m3）表示。产出要素包括期望产出与非期望产出，其中：期望产出用工业总产值（亿元）表示；非期望产出用工业废水排放量（万t）表示［20］。

3.4 面板门槛模型构造与指标选取

借鉴Hansen［21］的面板门槛模型，考察技术创新水平对工业用水效率的影响。

式中：Effit为工业用水效率；th为门槛变量，本文的门槛依赖变量和门槛变量均为技术创新水平（Tech）；r为待估计的门槛值（r1、r2为双门槛模型的两个门槛值）；I为指示函数；Zit为影响工业用水效率的控制变量；eit为固定效应差异项，且通过Huasman检验；εit为随机扰动项；下标it表示i地区t年的值；β0、β1、β2、β3、βi为不同门槛值的影响系数。

被解释变量为工业用水效率（Eff），用上文DEASBM模型测度出的效率值表示；核心解释变量为技术创新水平（Tech），用取对数后的技术市场成交额表示；控制变量：城镇化率（Urban）用城镇人口占总人口比例表示，外资利用水平（F DI）用实际利用外资额占省（区）生产总值的比例表示，工业发展水平（Indus）用工业增加值占GDP的比例表示，环境规制（Eg）用工业治理污染投资额占GDP的比例表示，水资源丰裕程度（Water）用取对数后的人均水资源占有量表示，经济发展水平（GDP）用人均GDP以2006年为基期进行平减换算的可比价并取对数表示，政府研发支持度（R＆D）用研发投入的对数值表示，人口总量（Pop）用取对数后的地区年末总人口数表示。

3.5 数据来源

本研究经济数据来源于2008—2018年《中国统计年鉴》，水资源相关数据来源于各省（区）的水资源公报以及水利部、各省（区）水利厅网站等。

4 黄河流域工业用水效率测算

4.1 黄河流域各省（区）工业用水效率时间趋势分析

利用DEA-SBM模型计算出的黄河流域工业用水效率的时间演化趋势见图1。2007—2017年，黄河流域工业用水效率呈现波动上升趋势，全流域的工业用水效率均值为0.55，说明黄河流域各省（区）的工业用水效率提升潜力较大。分省（区）来看，山东和青海的工业用水效率整体高于流域平均水平且大多数年份达到有效前沿；宁夏的工业用水效率呈现大幅下降趋势，从2007年的1.00下降至2017年的0.64；内蒙古、陕西和河南的工业用水效率变化与流域均值的基本一致，呈现波动上升趋势，其中内蒙古的变幅最大，在2009年和2012年均达到1.00，然而从整个研究时段来看，这3个省（区）工业用水效率仅有小幅提升；甘肃省水资源禀赋欠佳，工业用水效率呈现波动下降趋势，从0.51下降至0.43；山西省和四川省在研究时段大多数年份内排名靠后，但是整体变幅不大，效率值集中在0.35左右。

图1 2007—2017年黄河流域各省（区）工业用水效率

4.2 黄河流域各省（区）工业用水效率空间差异分析

用ArcGIS 10.2软件依据自然断裂点法刻画黄河流域各年度平均工业用水效率的时空分异特征，发现区域用水效率存在显著的空间非均衡性（见图2）。四川和山西位于低效率水平区，原因是四川研究期间工业用水投入最大，但工业总产值却仅占山东（流域工业总产值排名第一）的27%；山西的支柱产业是煤炭，开采用水量和废水排放量均较大。河南、陕西和甘肃位于中低效率水平区，与生产前沿面的偏离程度较大，原因在于其水资源短缺和投入要素配置欠佳。内蒙古和宁夏位于中高效率水平区，原因是内蒙古以较小的投入获得较大的工业产出，且非期望产出也相对较小；宁夏的投入和产出规模都相对较小，投入和产出较为协调。青海和山东位于高效率水平区，原因是青海实现了工业用水的科学有效匹配［6］，而山东主要得益于巨大的工业产出收益，研究期其工业产值占全流域的44.8%。

图2 黄河流域各省（区）平均工业用水效率空间分异

4.3 GML指数分解分析

表1为黄河流域各省（区）各年度平均GML指数及其分解。研究期间除宁夏和甘肃的GML指数小于1外，其他各省（区）的GML指数都达到1及以上，表明绝大多数省（区）的工业用水效率向好发展。青海和山东的工业用水效率较为稳定，在研究期内变化不大。四川、河南、内蒙古、山西和陕西5个省（区）的工业用水效率有显著提升，归因于对资源环境保护力度的加大和工业生产技术水平的提升。通过分析分解项发现，甘肃工业用水效率未提升的主要原因是技术效率有所降低，而宁夏则是技术倒退所致，河南、山西、陕西和四川效率显著提升的主要驱动因素是技术进步，而内蒙古的主要驱动因素是技术效率的提升，山东和青海的技术进步和技术效率保持稳定发展态势。

表1 黄河流域各省（区）各年度平均GML指数及其分解

5 黄河流域工业用水效率影响因素分析

5.1 变量平稳性与协整性分析

分别采用LLC统计量、IPS统计量、ADF统计量和PP统计量对各变量进行单位根检验，当至少3种方法的P值通过显著性水平检验时，才可判定为平稳变量，检验结果表明本文所有变量均为平稳变量（见表2）。

表2 单位根检验

进一步采用Kao检验和Pedroni检验对变量之间的协整关系进行检验，结果显示Kao检验在5%显著性水平上拒绝原假设，而Pedroni检验时除了Panel-ADF不显著外，其余6个变量中有5个在1%水平上显著、1个在10%水平上显著，综上可以判定，各变量之间存在稳定的长期协整关系（见表3）。

表3 协整性检验

5.2 门槛检验及回归分析

将技术创新水平作为门槛变量，其门槛估计值个数检验和回归结果分别见表4和表5。检验结果表明：核心解释变量Tech通过单门槛检验，门槛值为11.640。模型回归结果显示：当技术创新水平处于门槛值以下时，对区域工业用水效率影响为0.060；当技术创新水平越过门槛值后，对区域工业用水效率影响显著增大，影响系数为0.074，即工业用水效率随着技术创新水平的提升而升高，当技术创新水平迈过门槛值之后，工业用水效率的提升速度进一步加快。

表4 门槛检验

表5 回归结果

城镇化水平对工业用水效率存在正向影响，随着城镇化的不断推进，先进技术、人才等高质量生产要素的集聚可以显著提升区域工业用水效率。工业发展水平对用水效率有积极影响，工业发展程度高的地区会吸引更多技术与资金投入，引进先进节水技术和设备。水资源丰裕度对工业用水效率有显著提升作用，水资源禀赋越好，意味着区域水资源可利用量越大，会有更多的能源投入转化为产出，从而使用水效率提高。随着政府研发支持度增大，工业企业可以研发出先进的清洁生产技术，有效控制生产活动中的资源浪费和环境污染，有助于提高工业用水效率。经济发展水平对工业用水效率有抑制作用，与李珊等［22］的研究结论一致，经济发展初期追求总量增长会对环境、资源带来一定的负面影响，只有随着经济步入高质量发展后，经济与环境才可能正相关。环境规制对用水效率存在抑制作用，依据遵循成本假说，企业治污成本增加会挤压创新成本，同时造成污染企业向周边地区转移。人口数量对工业用水效率影响显著为负，人口规模扩大必定加大水资源耗用量，当人们节水意识不强时会降低用水效率。外资利用对工业用水效率的作用为负但不显著，黄河流域9个省（区）货物进出口总额仅占全国的12.3%，对外开放程度低可能是主要原因。

5.3 技术视角下工业用水效率的影响因素

技术作为环境改善和经济发展的重要内生动力因素，必然对工业用水效率产生影响。因此，进一步用Tech作为门槛变量对可能影响工业用水效率的控制变量逐次回归，探究这些因素在技术创新水平作用下对工业用水效率的影响。门槛检验和回归结果见表6，可知在技术创新水平的作用下，经济发展水平、人口规模、环境规制、城镇化水平和政府研发支持度对工业用水效率的影响存在显著的门槛效应，其中经济发展水平、人口规模和城镇化水平通过双门槛检验，环境规制和政府研发支持度只通过了单门槛检验。

表6 技术视角下工业用水效率影响因素的门槛回归结果

在技术创新水平低于11.644、高于11.644且低于13.400和高于13.400三个区间内，经济发展水平和人口总量每提高1，工业用水效率分别下降0.666、0.648、0.636和1.741、1.714、1.701。经济发展水平对工业用水效率抑制作用主要原因是经济结构不合理和发展不充分，而技术水平的提升会逐步改变当前粗放型经济发展模式。在人口总量保持不变的情况下，技术创新水平的提升可以带动工业生产技术和企业自主创新能力的提高，从而提高企业生产效率，从优化投入结构和加大产出规模两方面提升工业用水效率。

环境规制在技术创新水平低于9.208时，对工业用水效率的促进作用显著，而当跨过门槛值后，环境规制与工业用水效率为不显著的负向关系。表5的回归结果中环境规制对工业用水效率影响显著为负，但随着技术创新水平不断提高可以变负为正，说明技术创新水平提高可以减少企业环境治理成本，进一步提升工业用水效率。

城镇化水平低于11.644、高于11.644且低于13.400和高于13.400三个区间内，城镇化水平每升高1，工业用水效率分别提升0.025、0.029和0.032。城镇化水平对工业用水效率的正向驱动作用随着技术创新水平的提高而增大。在推进城镇化的过程中，各种生产要素向城市聚集，促使技术进步速度加快，推动工业企业转型升级的同时减少了劳动力的投入和污染物的排放，并增加了工业产出，从而提高了工业用水效率。

政府研发支持度在技术创新水平低于11.644时对工业用水效率的影响系数为0.133，高于11.644后影响系数变为0.213，正向作用增大了0.08。政府研发支持度为驱动创新的投入指标，而技术创新水平为创新带来的结果指标，说明创新带来的效益增大会引导政府加大研发支持度，研发出更多先进工业生产技术和设备，进一步促进工业用水效率的提高。

水资源禀赋和工业发展程度不随技术创新水平的提升对工业用水效率产生影响，原因在于资源禀赋是由自然条件决定的，而工业增加值占GDP的比重较小，因此与技术创新水平的相关性不大。

6 结论及建议

（1）黄河流域工业用水效率存在较大的提升空间，省（区）间工业用水效率差异显著。要因地制宜，提升用水效率：四川应大力发展经济、努力提高期望产出，山西应注意节能降耗，河南、陕西和甘肃应优化投入要素结构，内蒙古应继续减少废水排放，宁夏和青海应发挥投入产出的要素协调优势，山东在维持工业产出大的同时要注意减少投入。

（2）技术创新水平对工业用水效率影响显著为正，且存在正向门槛效应。提高黄河流域工业用水效率首先要依靠技术创新，应加大资金投入，引进先进的工业清洁生产技术和废水处理技术，同时提高自主研发能力，提升技术创新水平。

（3）城镇化水平、工业发展水平、水资源丰裕度和政府研发支持度对工业用水效率有显著促进作用。技术创新水平可以扩大正向因素对工业用水效率的积极影响。应加强城镇化建设，提升工业绿色发展水平，改变水资源利用方式并加大技术和资金支持力度，依托技术创新发挥投入产出关联和要素集聚效应，进一步提升工业用水效率。

（4）环境规制、经济发展水平和人口总量对工业用水效率有显著抑制作用。可以发挥技术创新的趋同效应，减小负向因素对工业用水效率的不利影响。应在实施环境规制、促进经济发展和扩大人口规模的过程中，配合技术创新协同给力，依托科技环保项目、技术工程项目、高技术人才项目等促进生态环境保护，驱动经济高质量发展，提升人力资本水平，以减小环境规制、经济发展和人口总量对用水效率的负面影响。