宋 敏，邹声瑞，韩 翔

（1.河海大学商学院，江苏 南京 211100；2.泰州职业技术学院经济与管理学院，江苏 泰州 210000）

一、引言

习近平总书记提出“节水优先、空间均衡、系统治理、两手发力”的治水思路，赋予了新时期治水的新内涵、新要求和新任务，其中“空间均衡”从生态文明的高度，明确了人与自然和谐相处的科学路径。城镇化是经济社会发展的必然结果，《2019 年新型城镇化建设重点任务》指出“城镇化是乡村振兴和区域协调发展的有力支撑”，标志着城镇化已成为我国经济高质量发展的新支撑和新引擎（陈强远、梁琦，2014；国家行政学院经济学教研部，2017）。经济集聚和节能减排作为经济绿色转型发展过程中的两大“主旋律”，新型城镇化战略发挥着集聚经济的溢出效应，促进区域经济发展的效率和质量不断提升（邵帅等，2019），但与此同时，城镇资源供给和生态环境承载面临饱和，城镇的快速扩张影响了水资源利用现状（YAN et al.，2015；雷玉桃、黄丽萍，2015），导致水资源在生产、生活和生态方面体现出愈益显著的主控局面（曹祺文等，2019）。这种矛盾在长江经济带地区表现得尤为集中，一方面作为新型城镇化的战略着力点，长江经济带在2018 年贡献国内超过44%的经济总量，但另一方面人均水资源量仅为世界人均的1/4，且受城镇排污量大幅提高、面源污染未被控制等影响，面临严重的水质性缺水，城镇化与水资源消耗的问题成为很多学者的关注焦点（马海良等，2018；张陈俊等，2018）。

从城镇化影响水资源利用的一般规律来看，城镇化从人口、经济、产业等多因素影响水资源消耗（章恒全等，2019），同时受到水资源的约束（秦腾等，2018），对居民用水强度的历史驱动贡献率较小、驱动力很大（杨亮、丁金宏，2014）。在发展的不同阶段对水资源利用效率影响不一，开始可能阻碍和限制水资源效率提升，随着人口集聚和产业集中，有助于拉动经济增长，促进用水规模扩大和用水效率的有效提升（鲍超，2014）。水资源利用效率作为经济发展、技术进步和水资源消耗等因素共同作用的结果（佟金萍等，2014），为城镇化进程对水资源的影响机制提供了另一种解释，即城镇化为技术创新创造有利条件，进而对水资源利用和水生态环境产生积极作用。城镇化进程有利于减少技术创新成本，技术创新推动城市集聚和产业发展，通过节水工程和管理技术等手段，覆盖工业、农业等多个行业，实现技术外溢和扩散以达成节水和水污染控制的目标，降低生产单位产品的水资源利用强度，最终提高水资源的利用效率（阚大学、吕连菊，2017a）。可以推断，技术因素对水资源利用的影响是持续的、相对无限的，可以通过技术进行综合调整，实现经济发展和资源利用的一致性（易明等，2018）。然而，由于技术创新存在水资源回弹效应与经济增长效应，可能会导致城镇化进程中水资源利用总量降低的效果减弱（阚大学、吕连菊，2017b），因此技术创新在城镇化影响水资源利用的过程中发挥的作用尚不明确，需要进一步实证检验。

城镇化进程中往往强调经济效益与社会效益，水资源作为生态要素或环境要素，其效率突出表现为生态效应和技术效应，两者的可持续发展要求达到发展的效益性、持续性和协调性（BAO&FANG，2012）。为使长江经济带的发展限制在水资源承载力之内，实现与高质量发展形势的统一，文章从中介效应的角度出发，探索城镇化影响水资源效率的内在逻辑，量化技术创新在此过程中对水资源效率的影响程度，以期为长江经济带水资源利用提高和均衡发展提供新思路。

二、全要素水资源效率的评估

1. 效率评估方法

全要素水资源效率 （Total-Factor Water Efficiency，TFWE） 最早由Hu 等(2006)提出，在单要素能源效率发展的基础上，研究能源投入以外的资本、劳动等多种综合投入与经济产出的相互关系。近年来绿色指标被逐步纳入生产函数，将污染物为代表的环境因素设为非期望产出成为一种趋势。

常用的评价效率的方法是以随机前沿分析法(Stochastic Frontier Analysis，SFA)为主的参数法和以数据包络分析法(Data Envelope Analysis，DEA)为主的非参数法，Tone 建立的DEA-SBM模型由于考虑到非期望产出并解决非径向与非角度问题被广泛使用，文章经过比较后选择该方法作为测算模型：

公式(1)中每个决策单元包含m 个投入、S1个期望产出和S2个非期望产出，S-、Sg、Sb对应代表各自的松弛量，λ为权重向量，目标函数取值为0≤ρ≤1 并严格递减。只有当ρ*=1 时，该决策单元才是有效的。

2. 变量选取与数据来源

以2000-2018 年作为样本时间，选取长江经济带11 个省市作为研究对象，投入指标为资本、劳动力和水资源，期望产出指标为地区生产总值，非期望产出指标为废水排放量。资本投入使用“永续盘存法”确定固定资产，基期折算为2000 年；劳动力投入为当期和上期从业人员数的算术平均值；水资源投入为各省市历年的用水总量；地区生产总值利用GDP 平减指数对之进行平减。其中，固定资产、就业人员、地区生产总值和污水排放量出自《中国统计年鉴》 （2001-2019 年） 和各省市统计年鉴（2001-2019 年），用水总量出自《中国水资源公报》（2000-2018 年），部分缺失数据采用趋势外推法处理。

3. 全要素水资源效率结果分析

运用MAXDEA Pro5.0 测算出长江经济带各地区2000-2018年的全要素水资源效率，表1 的结果具体分析见下。

（1） 效率基本呈波动上升趋势

全要素水资源效率在样本期间均值为0.71，其中最高为2018 年0.9138，最低为2006 年0.5616。2009 年作为一个重要转折点，此前围绕0.58 左右小范围波动，变化不明显；此后出现较大幅度提高，均值达到0.83，呈现稳定的上涨趋势。水资源效率的变动趋势与国家政策制度紧密相关，2008 年国家应对全球金融危机提出了四万亿计划，提出加强水污染防控与治理，改善生态环境的建设。2009 年全国水利工作会议提出实行最严格水资源管理制度，同年全国水资源工作会议对落实该制度做出进一步部署。这些制度的提出克服了水资源配置扭曲的现实状况，有效改善了水资源地区分配的不平衡和低效，很多省市坚守水资源管理“三条红线”，不约而同选择节水为先的要求和目标，加快淘汰高耗水产业，一定程度上促使效率出现一个质的飞跃。

表1 2000- 2018 年长江经济带全要素水资源效率

不同省份的效率变动与总体趋势一致但不尽相同。按照效率增长的幅度排名，安徽、江西和湖南排名领先，分别为0.65、0.62 和0.54，云南、四川、湖北、贵州也有不同程度的增长，江浙沪地区总体变化甚微，值得注意的是，上海在样本期间水资源效率全部达到1。效率增长排名靠前的省份初始效率都在0.3～0.4 区间内，经济水平也相对落后，受经济扶持和行政干预影响，正在积极地产业重构，同时可能受周边地区的辐射作用，获得跨地区的溢出效应。

（2） 空间差异显著

从省域角度出发，全要素水资源效率排名由高到低依次为上海、浙江、江苏、重庆、湖南、四川、湖北、云南、安徽、江西和贵州，效率总体偏低且省级差异显著。其中，上海和浙江位居第一梯队，效率都在0.9 以上；第二梯队的江苏和重庆平均效率为0.79，与第一梯队相差甚远但总体排名靠前；湖南、四川和湖北在内的第三梯队均值为0.66；第四梯队的云南、安徽、江西和贵州平均效率只有0.58 左右。上海作为东部地区发展水平最高的中心城市，产业集聚效应显著，水生态治理程度较高，全要素水资源效率为1 且排名第一，即投入与产出达到了最优匹配，说明其具备较高的技术水平和水资源配置能力。第四梯队的四个地区效率只有0.58，存在严重投入产出不匹配，主要受经济环境和地理位置等条件约束，产业转移程度较低，在技术引进和人才培养等“软实力”方面的管理和经营有限。

根据国家统计局的划分标准，将长江经济带分为东部、中部和西部三个部分，水资源效率总体呈现“东部＞西部＞中部”的现象，其中东部地区效率远高于中西部地区，而中西部效率差异不明显。由于不同区域水资源利用效率的差距与当地的地理位置、经济实力、科技水平以及政策支持不可分割（孙才志等，2017），东部地区是人均GDP 大省，工业化程度高，大力推进节水技术改造，经济、社会、环境协调发展的局面基本形成，综合实力在全国领先。相对西部地区，中部地区聚焦资源型产业，是国内传统的工业基地，正处于“资源诅咒”的不利局面，尽管中西部地区的水资源储备相对丰富，但气候条件和地理环境不适宜，加上水资源开发程度较低，用水技术手段落后，导致全要素水资源效率总体偏低。

三、城镇化影响水资源效率的逻辑关系分析

1. 内在逻辑关系模型构建

构建城镇化发展影响全要素水资源效率的面板回归模型，具体模型如下：

考虑当期水资源利用往往受上一期影响，在模型中引入滞后一期的全要素水资源效率，构建影响全要素水资源效率的动态面板模型：

在考察水资源利用效率问题时，既要明确影响要素对其产生的直接作用，也要将间接推动作用纳入考虑。参考温忠麟(2004)提出的逐步回归分析法，在一般回归模型基础上，运用中介效应来深入研究变量内部间接的逻辑关系和作用过程。

第一步：全要素水资源效率与城镇化。

第二步：中介变量与城镇化。

第三步：全要素水资源效率、城镇化与中介变量。

2. 变量选取与数据来源

选取2000-2018 年作为样本区间，长江经济带11 个省市作为研究对象，建立以全要素水资源效率为被解释变量，城镇化水平为解释变量，技术创新为中介变量，经济规模等六个指标为控制变量的指标体系。其中，数据主要出自《中国统计年鉴》 （2001-2019 年） 和各省市统计年鉴 （2001-2019 年）。

被解释变量：全要素水资源效率Ti，t，前文计算所得。

解释变量：城镇化水平Ui，t，城镇人口与总人口之比表示。

中介变量：技术创新Mi，t，R&D 投入与GDP 之比表示。

控制变量：

（1） 经济规模 Ei，t，人均 GDP 表示。

（2） 人口规模 Pi，t，地区总人口数表示。

（3） 对外贸易与外资Oi，t，进出口总额与实际利用外资金额之和与GDP 之比表示。

（4） 要素集聚程度 Fi，t，借鉴陶长琪、周璇(2015)，取劳动要素集聚和资本要素集聚的平均值。其中，劳动要素集聚=（某市工业就业人数/全省工业总就业人数）/（该市全部就业人数/全省总就业人数），同理得到资本要素集聚。

（5） 人力资本 Hi，t，平均受教育年限表示。

（6） 产业结构 Ii，t，第三产业产值与 GDP 之比表示。

3. 城镇化影响全要素水资源效率的检验

考虑到效率变动存在一定持续性，引入滞后一期的全要素水资源效率，利用系统GMM 方法从动态视角研究城镇化进程影响水资源效率的过程，同时运用固定效应模型进行回归，从表2 中回归结果来看，两种方法得到的变量符号和显著性保持一致，说明研究结果相对稳定。

通过对系统GMM 方法测算的结果分析，可以发现全要素水资源效率上一期变化正向作用当期效率变动，影响系数为1.239，且通过1%的显著性检验，具有一定的惯性特征。只考虑城镇化发展对水资源的影响时，系数为0.288，表明长江经济带城镇化的发展有助于全要素水资源效率的提升。随着长江经济带新型城镇化进程的持续推进，生产效率和生活效益不断提高，要素集聚带来经济增长的同时，更是多渠道地加快了水资源利用效率的提升。纳入技术创新变量后，城镇化变量的系数减少至0.209，在1%水平下通过显著性检验，说明技术创新变量在城镇化影响水资源效率的过程中发挥一定作用。而研究技术创新对水资源的作用时，加入城镇化变量后系数由0.612上升至0.980，说明城镇化变量增强了技术创新对全要素水资源效率的促进作用。

表2 面板模型回归结果

控制变量方面，所有变量对水资源效率都有正向促进作用，基本上都通过了5%的显著性检验：

经济规模方面，经济增长有助于提升水资源效率，系数为0.074。不同地区经济规模存在异质性，但经济运行效率的提升势必会形成人口、空间和产业的集聚，生产中要求单位水耗不断降低的情况下产值提升，生活中鼓励节水环保用水习惯养成，这些都对全要素水资源效率有不同程度的积极作用。人口规模方面，与全要素水资源效率呈显著正相关关系，系数为0.258。扩张的城市人口规模直接造成水资源需求量持续增加，客观上刺激了节水技术的创新和推广，有利于改变人们传统的用水习惯甚至形成节水意识，从而影响全要素水资源效率。对外贸易与外资方面，对外贸易扩张有利于提升水资源效率，系数为0.033。规模效应、技术效应和结构效应是对外贸易和外资影响水资源利用效率的三种主要途径（阚大学、吕连菊，2017b），规模效应明显有助于水资源利用效率改善，而另外两种效应并未在长江经济带地区得到具体验证，因而只在10%显著性下通过检验。要素集聚程度方面，要素集聚程度越高越有助于提升水资源效率水平，系数为0.080。要素集聚主要通过两点影响水资源效率，一方面是有利于规模经济扩大、减少水资源消耗强度，另一方面是促进城市基础设施的完备和资源的合理配置，包括供水和节水设备。人力资本方面，对水资源效率提高具有促进作用，系数为0.295。人力资本的水平越高，通过创新研发和经济转化两阶段对节水技术成果的利用和扩散程度越高，而城市文明与人力资本也密切相关，城市文明是城市居民素质的培养皿，节水意识的提升对水资源的节约和保护也大有裨益。产业结构方面，第三产业占比变量对水资源效率有正向促进作用，系数为0.307。相较于传统工业，第三产业往往是创新驱动的绿色产业，产业结构调整有利于促进以创新科技为主导的低耗水产业的进步，进而改变水资源利用的效率。

4. 基于技术创新中介变量的分析

运用温忠麟的分步检验流程，采用以技术创新为中介变量的中介效应来分解城镇化发展对全要素水资源效率的影响过程，并通过Stata15.0 对过程进行检验。

根据表3 结果发现，城镇化对全要素水资源效率起正向促进作用，系数为0.158，通过5%显著检验。城镇化发展正向推动技术创新，系数为0.132，通过1%显著检验。同时，在纳入中介变量后，城镇化仍对水资源正向促进，但城镇化影响系数减小为0.066，直接效应减弱9.2%，这表明技术创新在城镇化影响全要素水资源效率过程中起到不完全的中介效应，城镇化发展通过技术创新部分作用于水资源效率，即城镇化发展对全要素水资源效率存在显著中介效应。通过对各个回归系数整理分析得表4，计算出中介效应在总效应中占59.3%，由此说明技术创新59.3%间接促进了城镇化对水资源效率的影响。

表4 技术创新中介效应结果

四、结论与建议

1. 主要结论

基于非期望产出的SBM模型，测算了长江经济带11 省市2000-2018 年全要素水资源效率。运用固定效应模型和GMM模型实证分析了城镇化影响全要素水资源效率的动态过程，并研究以“技术创新”作为中介变量的影响路径。得到结论如下：长江经济带全要素水资源效率在样本期间均值为0.71，总体上升趋势明显，地区之间时空差异显著，根据效率对地区由大到小排序依次为上海、浙江、江苏、重庆、湖南、四川、湖北、云南、安徽、江西和贵州，效率均值呈现“东部地区＞西部地区＞中部地区”的局面；城镇化提高了长江经济带的全要素水资源效率，经济规模、人口规模、对外贸易与外资、要素集聚、人力资本和产业结构变量对效率提升也有不同程度的正面影响；技术创新在城镇化影响水资源效率过程中起到不完全的中介效应且在总效应中占59.3%。

2. 政策建议

结合长江经济带水资源利用现状及以上结论，为促进全要素水资源效率逐步提高，提出三点建议：

（1） 注重城镇化的质量提升，降低要素集聚成本，发挥长江经济带集聚效应。加快推动新型城镇化的建设，充分发挥各类要素集聚的优势，立足于不同地区资源环境的实际承载力，建立长江经济带各部门协调机制，鼓励区域内部交流合作，扩大人口规模效应，不断积累人力资本，加大对外开放力度，促进长江经济带联动发展，实现长江经济带经济、社会和环境一体化发展。积极推动长江经济带产业的有序转移，形成合理而高效的产业和水资源利用空间分配格局，避免内部产业同构，实现东中西部地区协调发展。东部城市经济发展优势显著，应引导劳动和技术密集型产业转移中西部省市，向低耗水的高端制造业转型，实现制造业绿色发展。中部地区是传统老工业基地，应提高产业升级力度，扩大环保治理等方面的投资，形成创新驱动的绿色产业。西部地区承载着水源涵养等生态任务，注重水源地保护，积极推进生态补偿机制的形成，推动新兴产业的发展。

（2） 加快企业技术创新，发挥城镇化内生的示范效应，实现跨区域的溢出效应。地方政府实行创新驱动的战略机制，扩大技术研发的投入，为相关企业提供税收减免等金融政策，降低创新成本，提升技术效率，形成全社会的技术进步效应。积极推进节水技术的提升，搭建高效利用平台和对应的实验基地，对生产、生活、生态用水器具和工艺进行不同程度地改进，保障长江经济带水资源的可持续利用，实现水资源的综合利用效率的提升。在推进城镇化的进程中，不同地区之间应加强全方面的协调合作，由于水资源利用效率高的城市会对效率低的城市形成跨区域的溢出效应，江浙沪在内的高水平用水效率地区应保持示范效应，不断发挥辐射作用，带动周边地区水资源效率提升，而效率进步相对较慢的地区应形成追赶效应，实现长江经济带内部的协调统一。

（3） 落实水资源的严格管理，倡导节约环保的用水理念和用水模式，实现长江经济带绿色发展。地方政府应充分认识到当前新型城镇化背景下水生态文明建设的重要性，强调并重视环境规制问题，贯彻落实国家的“水污染防治行动计划”（水十条） 等政策制度，坚定水资源税在地区范围内的推广，在推动城镇化进程的同时加强水资源利用的宏微观监管，强化地区政府经济杠杆和行政手段的双重作用。农业用水方面，改良农村的灌溉用水基础设施，降低设施耗水系数，推广机械化产品的应用；工业用水方面，积极倡导降低水污染的举措，尤其针对高耗水和高污染企业，增加污水处理的维护资金等；生活用水方面，不断强化人们的节水习惯，推广节水器皿的使用，采用阶梯水价和限量供应相结合的办法，完善水资源价格体制改革；生态用水方面，围绕“河长制”全面开展河湖水污染治理和水生态修复，保持再生水的重复利用，发挥水资源利用的规模效应。