中國工業用水影響因素的長期動態作用機理

雷玉桃+黎銳鋒

摘要

我國正逐步邁向工業大國，工業用水占據總用水量的很大比例，水資源是工業的血脈，但我國的水資源并不豐富，因此工業節水就成為我國的燃眉之急。工業節水政策的制定必須基于對我國工業用水影響因素的動態作用機理的把握之上，因此，本研究正是對此進行深入探究。本文以VAR模型為基礎，對中國工業1993-2012年的用水量、總產值以及出口額三個變量的數據進行不影響時序的對數標準化處理，檢驗出變量間具有相關性系數0.95以上的高度相關性，單位根檢驗中，變量數據經過了一階差分之后都是同階平穩、并且通過了5%水平的協整檢驗，確定了變量間存在長期穩定的關系。然后，根據變量數據對VAR模型的回歸方程進行參數估計以及特征值的檢驗，確定了VAR模型的參數值和穩定性，繼而通過格蘭杰因果關系分析確定了變量間的相互作用關系，通過脈沖響應分析圖表形象具體地展現了中國工業用水影響因素間的長期動態作用過程，最后通過預測方差分析將各個影響因素對中國工業用水的整體作用進行量化分解分析。通過多層次的綜合分析，總結出我國工業用水量及其影響因素（工業總產值和工業制成品出口額）的長期動態作用機理：工業用水量和總產值呈現正相關關系，并且用水量限制了工業經濟的進一步增長，因此必須提高工業用水效率；工業出口對用水量的直接影響相對較弱，但是用水量已經制約了我國工業出口的增長，我國面臨出口轉型的壓力；我國的工業用水量對各項影響的反應都有一定的滯后性，因此工業節水需要長期穩定的策略，不能急于求成。

關鍵詞VAR模型；工業用水；脈沖響應分析；作用機理

中圖分類號F423 文獻標識碼A文章編號1002-2104（2015）02-0001-08doi：103969/jissn1002-2104201502001

水資源不僅是維持生命的必需品，更制約著經濟的發展。在工業革命之后，工業技術的進步日新月異，不僅推動了全球經濟的發展，也促使能源成為了經濟發展的原動力。然而20世紀60年代以來，世界各國經濟發展迅猛，工業生產用水量、生活用水量、市政用水量、農業生產用水量以及生態用水量的不斷增加，水資源短缺的問題日益嚴重，人們發現水資源成為了經濟發展的瓶頸。我國是工業大國，水資源是工業的血脈，我國人均占有水資源量還不到 2 200 m3，居世界第121位，是全球嚴重缺水的13個國家之一。然而我國的工業用水量卻在迅速地逐年攀升：1949年，工業用水量僅為24億m3，占全國用水量的2.3%，而到1980年，全國工業用水量達到457億m3，占總用水量的10.3%，到2012年，工業用水量達到1 379.5億m3，占總用水量的比例上升到22.5%。從1949年到2012年，工業用水量增加了56.5倍，占全國用水量的比例增加了8.78倍。21世紀正是我國經濟快速發展的重要時期，水資源作為不可或缺的基礎性資源受到了前所未有的重視，如何控制工業用水量也成為了我國發展的首要難題。

1文獻綜述

為了解決水資源日益短缺的嚴重問題，國外學者在用水方面做了許多研究：Hoffmann Ierne[1]詳細論述水資源作為一種公共物品，研究了適合非洲西海岸地區的水資源管理方法和節水措施。Krause Kate[2]從經濟、社會和政策等各個角度進行探討研究，研究怎樣采用措施和策略才能既要實現節水目標，又要經濟成本和社會福利成本最低。Dirkzoebl[3]通過對美國水資源用水效率的研究，認為要使水資源可持續利用，必須提高水資源利用效率。這些研究都是根據國外特定的研究對象進行研究，取得了一定的進展。

近年來，中國學者也進行了適應于中國國情的工業用水的研究：祁魯梁和高紅[4]在文章中從可持續發展的角度指出我國工業節水的意義所在，認為工業節水是我國戰略發展的必然選擇；岳立等[5]利用malmquist指數對我國13個典型的工業省區的工業用水效率進行了研究；楊大楷等[6]對我國的113個重點城市進行了工業循環用水及其影響因素的研究；孫愛軍等[7]利用隨機前沿模型對我國的工業用水效率和未來耗水量進行了預測研究；賈紹鳳等[8]利用庫茲涅茨曲線、鄧朝暉等[9]利用VAR模型分別對我國的工業用水量與經濟發展的關系進行分析。

但是這些研究都缺乏對我國工業用水量的影響因素的分析，也沒有指出工業用水量與其影響因素的動態作用機制機理，對實際控制工業用水量的指導意義不足。針對目前我國工業用水量影響因素和動態作用分析相關文獻較為缺乏的情況下，本文針對我國的實際情況，以1993-2012年工業用水量以及影響因素的數據為基礎，并對數據進行相關性、平穩性檢驗，然后建立VAR模型進行格蘭杰因果關系檢驗，旨在確立這些影響因素與工業用水量的長期因果關系。通過廣義脈沖響應的分析，探究我國工業用水量與其影響因素的動態作用機制機理，并以此來提出一些政策建議來供我國政府部門等決策機構參考。

本文擬采用的VAR模型現已經廣泛應用于各項研究之中：楊萬平等[10]在對外貿易和FDI對環境污染的影響研究、江濤[11]在證券市場風險的分析研究以及吳振信等[12]在油價波動對我國經濟影響的研究中都采用了VAR模型。經過眾多學者證明，VAR模型是優秀的計量經濟學分析方法，可信度高且具有科學性。

2工業用水量影響因素分析

2.1工業用水量影響因素選擇

對于我國的工業用水量的影響因素，本研究選取各類經典經濟學中可能的各項生產要素進行相關性和因果關系的檢驗，其中包括了工業總產值、工業從業人數、工業固定資產投資額、工業企業資產、工業企業個數、工業企業科研經費和人員數、工業企業專利量、工業制成品出口額以及能源消耗總量等。這些可能因素中同時通過了相關性和因果關系檢驗的是工業總產值和工業制成品出口額這兩大極具代表性的影響因素。這也就說明了對我國這一階段的工業用水量影響最大的就是工業產值和出口，在工業發展的不同階段用水量會呈現出明顯不同的變化趨勢，工業總產值最為直觀地反映了工業經濟的規模情況，而自從改革開放以來，出口是造就我國工業發展的源動力之一，因此，這兩項影響因素的選取也是具有充分理論依據的。

2.2數據來源以及標準化處理

本文中工業總產值數據來源于《中國統計年鑒》，并在本文中將工業總產值命名為IGDP（單位：億元）；工業制成品出口額數據來源于《新中國60年統計資料匯編》和《中國統計年鑒》，在本文中命名為EXP（單位：億美元）。

中華人民共和國水利部官方網站上公布的《中國水資源公報》，是從1997年的數據開始的，并且1997年的數值對比基期是1993年。為了保證數據來源的可信度和權威性，本研究的樣本區間確定為1993-2012年。1997-2012年工業用水量數據來源于中華人民共和國水利部網站的《中國水資源公報》，1993-1996年的工業用水量數據是在根據相關統計數據，采用灰度預測的方法進行數據估算得出的。在本文中，工業用水量命名為WAT（單位：億m3）。

由于各項數據的單位不盡相同，可能存在著較大程度上的波動。因此本文采用對原始的時間序列數據對數化的方式來進行標準化，這樣不僅消除了可能存在的異方差，而且不會改變時間序列數據的時序特征。本文將工業總產值、工業制成品出口量以及工業用水量數據標準化處理后的數據分別命名為LNIGDP、LNEXP和LNWAT。

3變量數據的相關性分析和平穩性檢驗

3.1相關性檢驗

相關性系數是各項工業用水影響因素對工業用水影響關聯程度的體現，相關系數越接近于1，表明影響關聯越大。其表達式為：

rxy=∑ni=1（xi-）（yi-）∑ni=1（xi-）2∑ni=1（yi-）2

（1）

式1中，rxy表示x，y兩個變量的相關系數，和分別表示xi和yi的均值。為防止樣本數量小、數據的特殊性等方面對結果造成的誤差，本文采用雙尾檢驗法驗證相關系數檢驗結果的可靠性并做出決策。當相關系數0.8

3.2數據平穩性檢驗

在建立VAR模型之前，首先需要檢驗各項時間序列數據是否平穩，也就是單位根檢驗。由于傳統的單位根檢驗方法DF檢驗不夠完善，不能保證方程中的殘差是白噪聲（分布均勻的噪聲），因此目前普遍應用的是ADF的單位根檢驗方法。本文擬選ADF方法對工業用水量及其影響因素變量的時間序列數據進行平穩性檢驗，檢驗結果如表1所示：

4工業用水量與其影響因素的長期動態作用機理分析

4.1研究方法

向量自回歸模型（Vector Auto Regressive model）是在1980年由美國諾貝爾經濟學獎獲得者Christopher A.Sims首先提出的，它不以經濟理論為基礎，而是基于數據的統計性質建立的模型。VAR模型實際上是把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型。由于VAR模型是處理多個相關經濟指標的分析與預測最容易操作的模型之一，并且在一定的條件下，多元MA和ARMA模型也可轉化成VAR模型，因此VAR模型在科學界的應用相當廣泛，也取得了較高的聲譽。本文采用工業用水量與其影響因素（工業總產值、工業制成品出口額）雙變量的VAR模型，然后通過協整分析以及脈沖響應分析，對我國的工業用水量與工業總產值、工業制成品出口額之間的關系進行實證研究。VAR模型的數學表達式為：

Yt=∑ni=1AiYt-i+εt+c（2）

式2中，Yt為時間序列構成的向量；c為常數項；n為自回歸滯后階數；Ai為實際序列系數矩陣；εt為白噪聲序列向量。在式2中，任意一個VAR模型都可以表示成為一個無限階的向量MA（∞）過程。具體方法是對于任何一個VAR（k）模型都可以通過友矩陣變換改寫成一個VAR（1）模型：

在其他誤差項不變的條件下，當第j個變量對應的誤差項ujt在t期受到一個單位的沖擊后，對第i個內生變量在t+s期造成的影響用ψs中第i行第j列元素

表示。將ψs中第i行第j列元素

看作是滯后期s的函數：

yi，t+sujt，S=1，2，3，…（9）

式9被稱作脈沖響應函數（impulseresponse function），該函數描述了其他變量在t期及以前各期保持不變的前提下，yi， t+s對 yj， t一次沖擊的響應過程。

4.2回歸方程參數估計

VAR模型中一個重要的問題就是滯后階數的確定。在選擇滯后階數 p 時，一方面想使滯后階數足夠大，以便能完整反映所構造模型的動態特征。但是另一方面，滯后階數越大，需要估計的參數也就越多，模型的自由度將減少。所以通常進行選擇時，需要綜合考慮，既要有足夠數目的滯后項，又要有足夠數目的自由度。本文在綜合考慮了LR（似然比）檢驗、AIC信息準則和SC準則之后，將本研究中各變量最大滯后階數取為2。表2為各變量自回歸方程的參數估計。

4.3VAR模型穩定性檢驗

通過檢驗，其特征值均小于1，詳見表3和圖1。

由于本文需要對我國工業經濟、出口和用水量的長期動態作用機理機制進行分析，所以簡單的關聯性分析是不足以證明各變量間是否有長期穩定的動態關系的，還需進行協整關系以及格蘭杰因果關系的分析。

4.4協整關系檢驗和格蘭杰因果關系檢驗

4.4.1協整關系檢驗

在某種線性組合（協整向量）使得組合時間序列的單整階數降低時，變量間具有顯著的協整關系。協整關系表明了變量間具有長期穩定的均衡關系。本文采用的協整關系檢驗方法是Johansen協整檢驗，是一種目前在進行雙

變量協整檢驗中比較普遍的方法，檢驗結果如表4所示。

通過以上分析，可以得出如下結論：工業用水量、工業總產值以及工業制成品出口總額相互均通過了5%水平的協整檢驗，存在長期穩定的關系。

4.4.2格蘭杰因果關系檢驗

格蘭杰因果分析方法是識別判斷兩組變量之間是否有因果關系的一般方法，根據格蘭杰因果分析的條件，由于三個變量是同階單整序列，因此可以對其直接進行因果關系檢驗。檢驗結果如表5所示。

由表5中可以得出結論：在5%的檢驗水平下，工業用水量與工業產值、工業制成品出口額都有一定的格蘭杰因果關系。這就說明了我國工業用水量跟工業總產值、工業

接受原假設制成品出口額是相互作用、緊密相關的，如果想要評估工業節水措施，這就需要深入探究工業經濟、出口與用水量之間的長期動態作用機理，也正是本文的研究意義所在。

4.5脈沖響應分析

脈沖響應函數描述一個內生變量對誤差沖擊的反應。具體地說，它描述的是在隨機誤差項上施加一個標準差大小的沖擊后對內生變量的當期值和未來值所帶來的影響。本文運用脈沖響應函數分析二者之間的沖擊響應，這里將沖擊響應期設定為10期，分析結果見表6。

4.5.1工業用水量與工業總產值的動態關系分析

工業用水量與工業總產值的脈沖響應分析結果如表6和圖2中所示，就工業用水量對工業總產值一個單位沖擊的響應來看，LNWAT當期的反應為0，然后在第2期波動后逐步上升，表現出一定的滯后性。在第7期達到了最

接受原假設

大值0.020 396之后，開始平穩下降，在整個分析期內LNWAT對LNIGDP的累計響應值達到了0.119 853，工業總產值對工業用水量的影響為正值，說明了這兩者之間的正相關關系，即隨著工業經濟的增長，工業用水量也會增加，這是符合現實的。而且，從第7期之后就開始呈現下降的趨勢，表明在水資源限制的情況下，我國工業經濟持續增長是有可能實現的。而就工業總產值對工業用水量一個單位的沖擊響應來看，LNIGDP當期的反應就為0.028 782，響應非常迅速，之后快速上升，在第2期就達到了最大值0.046 058，然后迅速下降，然后持續到負值后逐步平穩。在整個分析期內LNIGDP對LNWAT的累計響應值達到了0.038 423，說明了工業總產值雖然對工業用水量的總體影響為正值，但是從第2期之后就一直呈現下降的趨勢，最后平穩在負值。意味著我國工業用水效率有很大的提升空間，而且目前工業用水資源制約了工業經濟的進一步增長。在目前我國工業用水量難以開源的情況下，工業經濟增長的來源顯然就必須依靠用水效率的提高了。

4.5.2工業用水量與出口的動態關系分析

工業用水量與工業制成品出口額的脈沖響應分析結果如表6和圖3中所示，就工業用水量對工業制成品出口額一個單位沖擊的響應來看，LNWAT當期的反應為0，同樣表現出一定的滯后性。然后保持上升到第4期時達到最高點0.005 948，之后逐步下降到負值并趨向于平穩。在整個分析期內LNWAT對LNEXP的累計響應值為0.015 288，LNEXP對LNWAT的影響是正值，說明了出口對工業用水量總體上有著正向的影響，而且相較與工業總產值，出口對用水量的影響較為微弱，應該是通過工業總產值間接影響用水量而產生作用。而就工業制成品出口額對工業用水量一個單位的沖擊響應來看，LNEXP當期的反應就為0.017 796，響應同樣迅速，在第2期就達到了最高值0.075 354，之后就迅速下降，在第6期時達到最低點-0.042 055，之后趨向于穩定。在整個分析期內LNEXP對LNWAT的累計響應值為-0.075 548，為負值，說明了工業用水量的變動對出口產生負面效應，由于工業用水量的制約，使得出口難以為繼。

4.6預測方差分解分析

VAR的方差分解能夠給出隨機擾動項（新息的）相對

重要性信息，它的基本思想是把系統中每個內生變量的變動按其成因分解為與各方程隨機新息相關聯的各組成部分，以了解各新息對模型內生變量的相對重要性。EViews對于每一個內生變量都計算一個獨立的方差分解，計算各變量所引起的方差占內生變量總方差的百分比。3個變量的VAR跨時為10的方差分解見表7。

由表7中可以看出：工業經濟增長對工業用水量的貢獻較大，末期達到了70%以上，平均值也有36.4%。而且呈現出一直增加的趨勢，這一方面反映了工業經濟增長與用水量的關系非常緊密，同時也說明了其他影響因素也會通過工業總產值的變化來對用水量進行間接的影響和作用。出口對用水量的貢獻率的平均值為5.25%，而且在末期趨向于穩定，說明出口對用水量的影響有限，但是受水資源制約的情況下，工業出口只得自行調整出口模式以控制用水量。而對于用水量對工業經濟和出口的貢獻率

則是呈現先變大，到達臨界值之后逐步降低的趨勢。我國工業在剛剛起步的時候處于粗放型經濟增長，資源能源在工業經濟增長的比重逐年增大，隨著我國工業的發展、技

術的進步，工業經濟增長的模式和理念也在轉變，技術和管理的貢獻比重漸漸增大，資源能源在工業增長的貢獻也在逐步降低。這與我國工業的發展歷程是完全相符的。工業用水量對于工業經濟和出口的貢獻率平均值也達到了19.13%和11.48%，起到了至關重要的作用，同時也容易看到，用水量的貢獻率正在降低，表明通過技術進步和管理改善等方式，確實可以保持工業經濟增長的出口同時，減少用水量。

5結論與建議

本文利用中國1993-2012年的時間序列數據，通過相關性分析、VAR模型的格蘭杰因果關系、脈沖響應分析等一系列方法，研究了工業總產值以及工業制成品出口額對我國工業用水量的影響和長期動態作用機理機制，得出如下結論和建議：

（1）研究期間內的各項變量標準化后時間序列數據

都具有非常顯著的相關性、都是非平穩序列但是它們的一階差分都為平穩序列，即都是同階平穩序列。同時通過

VAR模型的分析，它們還具有顯著的格蘭杰因果關系和協整關系，也就說明這三項變量直接存在著長期穩定的關系，這是本文研究的前提。由于工業經濟、工業出口和工業用水量存在長期的關系，探究它們之間的相互影響關系和長期動態作用機理，可以為我國今后在工業節水措施的選擇上提供理論依據。

（2）工業用水量對于工業經濟和出口的沖擊響應都有一定的滯后性，相較于工業經濟，出口對于工業用水量的總體直接影響稍顯微弱，而且呈現下降至負值然后趨于穩定的趨勢。這反映了我國工業出口模式的轉變：從一開始的資源能源密集出口型為主開始逐步過渡到了資源能源貢獻率很低的出口模式，出口逐漸減少了對用水量的需求。這不僅符合我國的現實情況，也是目前政府正在極力促進的工業產業結構轉型的必然結果。既然產業結構轉型的成果已然出現，那政府要做的就是堅持到底，要避免因為局部出現的陣痛就畏首畏尾的現象。

（3）從LNIGDP對于LNEXP沖擊的反應中可以看出，累計值達到了0.045 614，為正值，也說明了出口對于工業用水量的作用機理不僅僅局限于直接作用，還會通過影響工業總產值來間接影響到工業用水量。因此，對于工業產品出口和用水量之間的相互作用關系是分為直接和間接兩個層面的，所以，如果政府能夠引導出口的工業產品結構，堅持倡導資源能源貢獻率很低的出口模式，可能表面上看直接效果不是非常明顯，但是將會通過間接作用影響工業用水量。

（4）由LNEXP對LNWAT的累計響應值為-0.075 548可以看出，工業用水量已經成為工業出口增長的制約條件。所以，我國政府在針對工業產業轉型的進程中，不能忽視了出口結構的轉型，應該利用一些出口退稅等經濟手段，有針對性的扶持一些生產過程水耗低、清潔環保的工業產業，限制那些高水耗高污染的工業產業。例如采用政策性補貼的方式來鼓勵鋼鐵、石化、火電和紡織等高耗水行業進行產品和新技術設備的進口，同時利用提高這類產品出口的稅費等方法來減少水資源消耗量。

（5）本文通過脈沖響應分析，發現工業用水量的反應有一定的滯后性。所以，這樣的政策可能對工業用水量的作用可能不會立竿見影，還會暫時性的影響工業經濟增長，有可能導致政府短期內的信心不足，但是從長期的作用的結果來看，這對于工業節水有著深遠的影響，并且會反作用與工業經濟，促進我國工業的健康發展。

（編輯：田紅）

參考文獻（References）

[1]Lerne H. A Case Study for the Management of Common Property Resources in Pastoral Areas of West Africa[J].Human Ecology，2004，32（1）：77-105.

[2]Kate K. The Demand for Water：Consumer Response to Scarcity[J].Journal of Regulatory Economics，2003，23（2）：167-191.

[3]Zoebl D. Is Water Productivity a Useful Concept in Agricultural Water Management [J].Agricultural Water Management，2006， 84（3）： 265-273.

[4]祁魯梁，高紅. 淺談發展工業節水技術提高用水效率[J].中國水利，2005，（7）：125-127.[Qi Luliang，Gao Hong.Discuss on Develop Industry Watersaving Technologies for Enhancing Water Efficiency[J]. China Water Kesources，2005，（7）：125-127.]

[5]岳立，趙海濤. 環境約束下的中國工業用水效率研究：基于中國13個典型工業省區2003年-2009年數據[J]. 資源科學，2011，33（11）：2071-2079.[Yue Li，Zhao Haitao. Chinas Water Use Efficiency of Industry under Environmental Constraints： Based on Data of 13 Industrial Regions During the Period 2003 to 2009[J].Resources Science，2011，33（11）：2071-2079.]

[6]楊大楷，汪若君. 工業用水循環利用影響因素差異分析[J].經濟問題，2011，（7）：82-85.[Yang Dakai，Wang Ruojun. Analysis on Differences of Factors Affecting Water Recycling[J].On Economic Problems， 2011，（7）：82-85.]

[7]孫愛軍，董增川，王德智. 基于時序的工業用水效率測算與耗水量預測[J].中國礦業大學學報.2007，36（4）：547-553.[Sun Aijun，Dong Zengchuan，Wang Dezhi. Prediction of Technical Efficiency and Water Consumption of Industrial Water in China Based on Time Series[J].Journal of China University of Mining & Technology， 2007，36（4）：547-553.]

[8]賈紹鳳，張士鋒，夏軍. 工業用水與經濟發展的關系：用水庫茲涅茨曲線[J].自然資源學報.2004，19（3）：279-284.[Jia Shaofeng，Zhang Shifeng，Xia Jun. Relation of Industrial Water Use and Economic DeveloPment：Water Use Kuznets Curve[J]. Journal of Nature Resources， 2004，19（3）：279-284.]

[9]鄧朝暉，劉洋，薛惠鋒. 基于VAR模型的水資源利用與經濟增長動態關系研究[J].中國人口·資源與環境.2012，22，（6）：128-135.[Deng Zhaohui，Liu yang，Xue Huifeng. Study on the Dynamic Relationship Between Economic Growth and Water Resourcesuse Based on the VAR Model[J].China Population， Resources and Environment， 2012，22，（6）：128-135.]

[10]楊萬平，袁曉玲. 對外貿易、FDI對環境污染的影響分析：基于中國時間序列的脈沖響應函數分析：1982-2006[J].世界經濟研究，2008，（12）：62-68.[Yang Wanping，Yuan Xiaoling. The Effect of Foreign Trade and FDI on Environm EntalPollution： An Analysis Based on the Impulse Response Function of Time Series in China：1982-2006[J]. World Economy Study，2008，（12）：62-68.]

[11]江濤. 基于GARCH與半參數法VAR模型的證券市場風險的度量和分析：來自中國上海股票市場的經驗證據[J].金融研究，2010，（6）：103-111.[Jiang Tao. Measurement and Analysis of the Risks in the Stock Market Based on GARCH and Semi Parametric Method VAR Model[J].Finance Study，2010，（6）：103-111.]

[12]吳振信，薛冰，王書平. 基于VAR模型的油價波動對我國經濟影響分析[J].中國管理科學，2011，19（1）：21-28.