黄河流域九省（区）水资源利用效率测度及演化分析

王 敏，谢雨涵，邓梦华，范佳缘

（1.河海大学 商学院，江苏 南京 211100；2.江苏省“世界水谷”与水生态文明协同创新中心，江苏 南京 211100）

水作为人类不可或缺的生产生活资料，对国民经济和社会发展至关重要。 党的十九届五中全会明确指出以高质量发展为主题，“推动绿色发展，促进人与自然和谐共生”，这对我国水资源利用效率的提升和水环境的改善提出了更高要求。 黄河流域作为我国重要的人口聚集区、农业生产区和生态屏障区［1］，近年来受气候变化和生态环境恶化等因素影响，水资源呈持续减少趋势。 2001—2017 年年均天然径流量比1956—2000 年年均值减少了14%，而2007—2017 年用水总量年均增长率为0.72%，远超全国水平（0.38%）［2］。 尖锐的水资源供需矛盾和严峻的荒漠化形势已成为黄河流域可持续发展的关键瓶颈，同时，黄河流域各地区资源禀赋和经济状况不同，水资源利用效率差异显著。 黄河流域生态保护和高质量发展重大国家战略的提出为黄河流域发展带来了新的机遇和挑战［3］，科学评估黄河流域水资源利用效率并探讨其时空格局及动态驱动因素，对于缓解流域水资源供需矛盾、推动黄河流域生态保护和高质量发展具有重要意义。

随着对水资源利用重视程度的进一步提高，国内外学者对水资源利用效率的研究成果越来越丰富。 在水资源利用效率测度方法方面，早期主要从单要素视角出发，计算人均供水量等消耗系数，采用比值分析法测算水资源利用效率［4］，但通常会忽视其他经济社会要素投入的贡献［5］，而同时考虑多个投入与产出要素的数据包络分析方法（DEA）则可以很好地解决这一问题［6］。 钱文婧等［7］、戚国强等［8］、屈晓娟等［9］、张炜等［10］分别利用DEA 方法对我国不同行业、不同区域的水资源利用效率进行测度与评价，但单一的DEA 方法不能反映效率的动态变化情况。 为进一步开展动态效率评价，学者们引入Malmquist 指数评价效率变化及其驱动因素。 卢曦等［11］通过三阶段DEA 模型测算我国长江经济带11 个省市的水资源利用效率，并通过Malmquist 指数发现纯技术效率和综合技术效率均值被低估，技术成为制约水资源利用效率提升的主要因素。 张兆方等［12］利用超效率DEA 模型测算我国“一带一路”地区的水资源利用效率，并通过Malmquist 指数发现水资源全要素生产率呈上升趋势，且效率变化大部分由技术进步决定。 在水资源利用效率的研究对象方面，学界多从全国及省际层面展开研究［13－14］，而近年来得益于长江经济带“生态优先、绿色发展”、黄河流域生态保护和高质量发展等重大国家战略的实施，以区域为对象的水资源效率研究逐渐增多［15－16］。由于黄河流域水资源短缺且生态环境脆弱，因此研究主要围绕植被覆盖变化、气候水文和水环境承载能力等展开［17－18］，对黄河流域水资源利用效率的探讨较少，且侧重于农业水资源及静态效率，考察流域整体水资源利用效率及其动态演进趋势的研究较为缺乏。

综上所述，基于流域视角研究水资源利用效率及其动态变化的文献较少，多数研究以行政单元为基础分析国家及省市的用水效率，但由于水资源的自然资源属性多依附于流域单元，且水资源利用一体化管理政策多在流域尺度实施，因此以地理特点和经济发展需求划分流域基本单元，开展对水资源利用效率的测度研究，更有助于反映区域真实的水资源利用状况。鉴于此，在已有研究基础上，笔者基于黄河流域2007—2019 年省（区）面板数据，采用DEA 方法测度黄河流域九省（区） 的水资源利用效率，并通过Malmquist 指数分析其用水效率的动态演变趋势，以期为黄河流域水资源可持续利用和水环境综合治理提供参考。

1 研究方法与数据来源

1.1 研究方法

1.1.1 DEA 模型

DEA 模型是一种效率衡量工具，适用于多种投入、多种产出的效率评价，且无须处理随机误差的影响。 运用DEA 模型研究水资源利用效率时，不需要对数据进行无量纲化处理，实证分析操作更加便捷。 其研究思路：先将每个决策单元（DMU）的实际投入与产出反映在空间上，再确定投入最小化或产出最大化生产前沿面，最后计算样本点所代表的生产能力到最优生产前沿面的距离，并以此为依据评价样本点的综合效率。 本文采用Banker 等［19］提出的以投入为导向、规模收益可变的BCC（Banker⁃Charnes⁃Cooper）模型测度水资源利用效率：

式中：θ为效率评价指数，θ＜1 时称DMU 为非DEA 有效，θ＝1 时称DMU 为DEA 有效；Xik为第k个决策单元的第i个投入变量；Yrk为第k个决策单元的第r个产出变量；λj为系数；Xij为第j个决策单元的第i个投入变量；Yrj第j个决策单元的第r个产出变量；m、q、n分别为投入变量、产出变量、决策单元的个数。

1.1.2 Malmquist 指数模型

Malmquist 指数是一种评价DMU 全要素生产率动态变化情况的非参数指标［20］。t时期技术水平下的生产效率指数计算公式为

t＋1 时期技术水平下的生产效率指数计算公式为

式中：Xt、Yt分别为t时期决策单元的投入数据和产出数据；Dt0（Xt，Yt） 、（Xt＋1，Yt＋1） 分别为t、t＋1 时期投入产出到有效前沿面的距离。

Fare 等［21］应用DEA 模型对Malmquist 指数进行测算，在静态DEA 模型基础上构建了从t到t＋1 时期的动态Malmquist 指数，并将其分解为技术效率变化指数和技术进步变化指数。 从t到t＋1 时期的Malmquist 指数表达式为

分解为

其中，

式中：Tfpch为全要素生产率指数，反映水资源利用效率的动态变化情况；Effch为技术效率变化指数，表示水资源利用效率与当期效率前沿面的距离发生改变，其可分解为纯技术效率变化指数（Pech）与规模效率变化指数（Sech），反映水资源利用管理体制与用水规模情况；Techch为技术进步变化指数，指研究期内效率前沿面的外拓，反映技术进步程度；CRS、VRS 分别表示规模报酬不变、可变。

1.2 指标选取及数据来源

选取2007—2019 年黄河流域的青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东九省（区）作为水资源利用效率评价单元。 结合DEA 模型特点以及指标选取的合理性，选取资本存量、水资源使用量、年末人口数量作为投入指标，以黄河流域九省（区）的实际生产总值作为产出指标。

为保证产出指标数据的一致性，各省（区）按照对应的GDP 平减指数，将每年的实际生产总值换算成以2000 年为基准年计算的可比实际生产总值。 投入指标中，资本存量采用永续盘存法计算［22］，公式为：当年资本存量＝（1－折旧率）×上年资本存量＋当年新增投资（采用张军等［23］提出的9.6%经济折旧率）。 水资源使用量、年末人口数量数据来源于2007—2019 年《中国统计年鉴》以及各省（区）统计年鉴和统计公报。

2 黄河流域水资源利用效率的时空演化与驱动因素

2.1 基于DEA 模型的时间序列与空间格局特征

采用BCC⁃DEA 模型，测算得到2007—2019 年黄河流域水资源利用效率的整体变化趋势，结果见表1。效率值等于1 是DEA 有效的表征，效率值越接近1 则效率越高，效率值越小则效率越低。 总体来看，2007—2019 年黄河流域水资源利用效率出现了先降后升的趋势，研究期内总体下降了9.3%。 2007—2016 年黄河流域平均水资源利用效率距离DEA 完全有效前沿面出现了一定程度的偏离，各省（区）效率均值由2007年的0.882 降至2016 年的0.769。 山东、四川两省效率值始终保持DEA 有效，其余大部分省（区）均呈现小幅下降趋势，且2008—2010 年降幅较为明显。 原因在于部分地区节水技术推广受限以及经济快速发展导致人们在生产过程中过多追求经济收益，忽视了对水资源投入的控制。 2016 年后大部分省（区）水资源利用效率呈缓慢上升趋势，说明“十三五”期间实施的最严格水资源管理制度、用水总量和强度控制目标责任制等考核办法对减少地方水资源的粗放使用和无效供给、提升水资源利用效率发挥了积极作用。

表1 2007—2019 年黄河流域九省（区）水资源利用效率

从区域差异上看，黄河流域水资源利用效率整体呈现上中游地区低、下游地区高的格局，且各省（区）之间两极分化现象显著。 位于黄河流域上游的青海、宁夏在研究期内水资源利用效率均值分别为0.577、0.501，距离最优前沿面存在较大程度的偏离；而位于流域下游的山东效率均值在0.8 以上。 究其原因，宁夏由于地处西北内陆干旱地区，地表水资源匮乏且分布不均，水利基础设施薄弱，整体技术水平不高，因此其水资源利用效率最低；山东经济较为发达，水利现代化发展程度较高，高效节水技术较为普及，因而其水资源利用效率最高。

2.2 基于Malmquist 指数的水资源利用效率动态演进趋势及驱动因素分析

利用式（6）对2007—2019 年黄河流域水资源利用效率进行Malmquist 指数测算与分解，结果见表2。可以看出，研究期内水资源利用效率Malmquist 指数在0.986～1.031 之间波动，黄河流域水资源利用效率年均增长0.5%，且仅有4 a 的效率变化率小于0，即出现负增长。 从驱动因素看，效率变化率的小幅提升源于技术进步变化指数足以弥补规模效率变化指数以及纯技术效率变化指数的下降，说明技术进步是提升黄河流域水资源利用效率的主要驱动因素。

表2 2007—2019 年黄河流域水资源利用效率动态Malmquist 指数及其分解

由表3 可知：内蒙古水资源利用效率上升幅度最大，山东次之。 相比之下，河南、山西、甘肃、陕西水资源利用效率则出现一定程度的下降。 从技术效率变化指数及其分解来看，研究期内黄河流域整体技术效率变化指数均值为0.988，除内蒙古、山东、四川三省（区）外，其余省（区）均呈下滑趋势；纯技术效率变化指数除河南、山西两省外均保持不变，因此技术效率变化指数的下降主要源于各地区规模效率变化指数的下降。 进一步分析可知，随着生产规模的不断扩大，生产中各个环节的水资源难以得到有效协调，导致规模效率变化指数有所降低。

3 结论与建议

3.1 结 论

采用基于投入导向的DEA 方法，以黄河流域九省（区）为基本单元，分析了水资源利用效率的时间序列与空间格局特征，运用Malmquist 指数探究效率的动态演进趋势及其驱动因素，结论如下。

（1）2007—2019 年，黄河流域水资源利用效率整体下降了9.3%，经历了2007—2016 年的持续下降、2017—2019 年的缓慢上升两个阶段，各省（区）效率均值由2007 年的0.882 降至2019 年的0.789，效率总体处于较高水平。 研究期内山东、四川两省效率值始终位于前沿面上，2019 年除了内蒙古出现小幅上升外，其余省（区）效率值均呈现小幅下降趋势，其中河南、山西效率下滑幅度较大。

（2）研究期内黄河流域上游的青海、宁夏水资源利用效率较低，而流域下游的山东效率均值在0.8 以上，流域内部两极分化现象显著。 水资源利用效率总体表现为下游地区高、上中游地区低，流域内部呈现“东高西低”的空间格局。

（3）黄河流域水资源利用效率Malmquist 指数年均增长0.5%，变化率在0.986 ～1.031 之间。 技术进步是导致水资源利用效率变化的主要驱动因素，技术效率变动对用水效率变化的影响较小，技术效率的下降主要源于各省（区）规模效率的下滑。

3.2 建 议

（1）统筹推进流域内部区域合作，发挥水资源利用集聚效应。 目前黄河流域的水资源利用效率整体较高，但较研究期初仍有小幅下降，因此要加快下游高效率省份的技术外溢，同时严格控制上游地区的用水方式，避免水环境污染等现象的出现，进而提升流域内部的水资源配置效率。

（2）准确把握黄河流域内部社会经济关联和资源禀赋的共性特征，以流域为单元推进区域水资源利用的一体化管理。 利用流域下游地区优势辐射带动中上游弱势省（区）发展，补齐水资源开发利用短板。 对于水资源利用效率不高的青海、宁夏等省（区）实施技术指导和重点督察，缩小其与效率前沿面的距离。

（3）同步增强技术进步和技术效率对提升黄河流域水资源利用效率的正向驱动作用。 一方面要增加节水技术和基础设施研发方面的投入，同时充分发挥信息网络在提高污水处理能力、加快推动耗水产业转型升级中的正向影响，从而推动整体效率前沿面的外拓；另一方面，继续加大对水资源“三条红线”的监管和考核力度、完善水资源管理体系，对于水资源利用状况不佳的地区进行专项研究和重点管控。