工業用水庫茲涅茨曲線及其形成機制

許瑩瑩

(中南財經政法大學 經濟學院，武漢 430073)

1 研究背景

隨著《中華人民共和國水法》《國務院關于實行最嚴格水資源管理制度的意見》《國家節水行動方案》等政策法規的頒布與修正，節水的重要性已不言而喻。多年來，由于水資源銳減、水源地與用水地空間差距引發的高成本調水建設等問題，我國應對水資源短缺的主要手段集中于需求管理[1]。經濟擴張、技術進步、結構調整等均為影響用水需求的主要因素?，F有研究認為，資源利用與經濟增長的關系并不總是單調正相關的，有可能出現倒“U”型、“N”型、倒“N”型等多種形態[2]，這顛覆了人們原本對經濟發展與資源節約相矛盾的認知。中國用水總量由農業用水(60%以上)、工業用水(20%以上)、生活用水(15%以內)和生態用水(5%以內)4部分組成，其中，工業用水量對經濟因素的變化最為敏感且存在嚴重的浪費問題[3]。研究工業用水庫茲涅茨曲線可以直觀地反映出工業用水與工業經濟增長之間的關系，解釋庫茲涅茨曲線的形成機制將更有利于我國探尋經濟與資源環境共贏之路，推進可持續發展并建立資源友好型社會。

研究工業用水庫茲涅茨曲線應首先明確我國水資源形勢。水資源是工業生產最基本的物質條件，是工業的血液。我國人多水少，水資源分布不均的客觀條件已造成了部分地區用水緊張的情形，再加上水污染日益嚴重、水環境每況愈下，水資源短缺已成為制約工業經濟發展速度不可忽視的重要因素之一。Munasinghe[4]認為在經濟發展初期，節約用水的邊際收益太小，遠遠比不上擴張經濟帶來的可觀收益，理性經濟人毋庸置疑將會選擇以資源浪費為代價地發展經濟。隨著水危機出現，水資源的稀缺性致使用水成本不斷提高，節水將會受到市場主體的廣泛關注。此時，高質量的經濟發展也將激勵技術創新、提升資源管理水平、產生“創新補償效應”[5]，倒逼水資源狀況轉好。

當前研究中，庫茲涅茨曲線是解釋資源環境與經濟發展關系的重要假說。1955年，Kuznets[6]首次提出經濟增長與收入分配不均等之間的倒“U”型曲線關系，后由美國環境經濟學家Grossman和Krueger[7]等人引入資源環境領域。他們認為環境污染前期會隨著經濟發展而加劇，當經濟體量達到一定程度后，環境污染就會隨著經濟發展而有所減緩。在前人研究的基礎上，國內外學者針對EKC是否存在、EKC的形狀判別、EKC的拐點位置以及EKC的形成機制等問題進行了豐富的研究[8-10]。但當前研究多集中于能源消耗和污染物排放兩方面，鮮有學者關注資源領域，聚焦于水資源領域的研究更是少之又少。Rock[11]最早研究了水資源的庫茲涅茨曲線，認為美國經濟增長與取用水之間呈倒“U”型發展曲線；賈紹鳳等[12]驗證了OECD國家工業用水與人均GDP的EKC；李強等[13]不僅證明了中國人均工業用水EKC的存在，同時表明中國人均農業用水和人均生活用水與經濟發展不存在倒“U”型關系。然而，中國區域間經濟差距較大，若是以同質性假設去檢驗工業用水EKC，可能會導致偏誤的估計結果和局限的適用性。張陳俊等[14]將中國劃分為東、中、西3個區域進行驗證，結果表明工業用水的庫茲涅茨曲線還可能呈現“N”型、倒“N”型等多種形態；張兵兵等[15]的研究基于2000—2013年的數據進一步表明全國和中部地區的曲線均為“N”型，其中，全國的“N”型曲線近似滿足單調遞增趨勢。多位學者的研究已充分證實了中國工業用水與經濟增長之間的非線性關系，但他們的研究也存在明顯的不足之處：①對中國的區域劃分過于籠統，多劃分為簡單的東、中、西部地區，不能很好地為中國不同地區的工業發展提供參考；②當前研究在探討用水庫茲涅茨曲線具體形態的同時，缺乏對曲線背后形成機制的關注，少數研究雖然對形成機制進行了分析，但均是定性概括，并未對各個因素進行定量比對。

鑒于此，本文基于1999—2018年中國內地31個省(市)的省級面板數據，將對中國不同發展特征地區的工業用水與經濟增長之間的關系進行多層次分組探討。另外，本文還將利用對數平均迪式指數法(LMDI)測算全國工業用水驅動因子貢獻值，定量比較分析庫茲涅茨曲線背后的形成機理。

2 模型設定與數據來源

2.1 模型設定

2.1.1 工業用水庫茲涅茨曲線測算

數據和模型選擇的不同均會對EKC的檢驗結果造成很大差異，當前的分析方法主要包括平滑轉換回歸模型[16]、約化模型[17]、面板平滑轉換模型[18]等。其中，受數據可得性的制約，約化模型最具可行性也最為常見。該模型將資源環境指標簡單回歸到收入、收入的平方或立方上，可以反映出兩者之間的關聯關系，本文同樣采用該種模型。設定模型為

Wi,t=α+β1GDPi,t+β2GDPi,t2+β3GDPi,t3+εi,t。

(1)

式中：Wi,t和GDPi,t分別為i省t年的工業用水量(億m3)和人均工業增加值(萬元/人)；α為常數項；β1、β2和β3為待估參數，取值不同時，庫茲涅茨曲線分別呈現不同的形狀；εi,t為隨機擾動項。

一般來說，工業用水EKC一共可能呈現出7種形狀[19]，如表1所示。

表1 工業用水EKC形狀Table 1 Shapes of EKCs of industrial water use

2.1.2 基于LMDI工業用水驅動因子貢獻值測算

以往研究多將工業用水變化的影響因素歸納為技術進步、產業結構和經濟規模[20-21]，其中，技術進步往往體現為用水效率的提高。因此，本文按照式(2)將工業用水分解為3個驅動因子。

(2)

式中：i為截面成員，即31個省份；t為觀測期；Wt和Wi,t分別為全國t年和i省t年的工業用水量(億m3)；Yi,t為i省t年的工業增加值(億元)；Gi,t為i省t年的地區生產總值(億元)；ei,t為i省t年的工業用水效率，用工業用水量和工業增加值的比值表征(m3/元)；si,t為i省t年的產業結構，用第二產業占GDP的比重表征；gi,t為i省t年的經濟規模，用各個省份當年的地區生產總值表征。

LMDI方法由于無殘差、分解形式唯一且計算簡便，被廣泛應用于多個研究領域。具體分為乘法和加法2種模式，前者更適合用于強度指標，而后者更適合用于數量指標[22]。本文利用加法模式將工業用水變化量(ΔW)分解為用水效率(ΔE)、產業結構(ΔS)和經濟規模(ΔG)。

ΔW=Wt-Wt-1=ΔE+ΔS+ΔG。

(3)

分別測算3個驅動因子的貢獻值為：

(4)

(5)

(6)

式中：L(Wi,t,Wi,t-1)=(Wi,t-Wi,t-1)/ln(Wi,t/Wi,t-1)；驅動因子的貢獻值為正時增加用水，為負時則減少用水。

2.2 數據來源

文章選用1999—2018年中國內地31個省(市)的省級面板數據分析中國工業用水環境庫茲涅茨曲線(EKC)的形狀，并運用LMDI方法度量用水效率、產業結構和經濟規模3個因子對工業用水量變化的貢獻，以解釋工業用水EKC的形成原因。研究中涉及各省(市)的工業用水量(億m3)、工業增加值(億元)、地區生產總值(億元)和年末常住人口(萬人)4個變量，數據來源于《中國統計年鑒》、各省(市)的統計年鑒和《中國水資源公報》。其中，為消除通脹因素，各省(市)各年份的工業增加值和GDP分別通過工業生產者出廠價格指數和居民消費價格指數進行了調整[23]，數據均為1990年不變價的工業增加值和地區生產總值。

3 結果分析

3.1 工業用水庫茲涅茨曲線

中國各地區工業用水量及其變化趨勢差異極大。如：年均工業用水量最大的是江蘇省，為199.74億m3/a；而年均工業用水量最小的是西藏自治區，僅為1.17億m3/a，兩者相差百倍以上。通過進一步觀察31個省(市)1999—2018年的用水量隨經濟增長的趨勢圖可知，江蘇、寧夏等地呈明顯的“N”型曲線；重慶、福建等地呈倒“U”型曲線；山東、天津等地呈“U”型曲線；北京、河北等地呈遞減趨勢；安徽則呈遞增趨勢。圖1列出了幾個典型地區的趨勢圖。

圖1 典型地區工業用水EKC示意圖Fig.1 EKCs of industrial water use in typical provinces

考慮到不同地域經濟發展程度不同會對工業用水量造成一定的影響，本文在測算全國整體EKC的同時，對東、中、西部地區的情況分別進行測算，以得到更為詳細且更具參考價值的工業用水EKC。對于東、中、西部地區的劃分參照《全國城鎮體系規劃綱要》，東部地區包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南11個省(市)；中部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9個省(市)；西部地區則包括廣西、四川、重慶、貴州、云南、陜西、甘肅、寧夏、青海、新疆、西藏11個省(市)。

為消除各省“省情”不同、隨機的個體效應所帶來的估計誤差，本文分別采用固定效應和隨機效應模型進行估計，并通過Hausman檢驗認為隨機效應模型更優。表2列出了全國以及東、中、西部地區的EKC檢驗結果，圖2報告了曲線的擬合結果?？梢钥闯鋈珖约爸胁康貐^的庫茲涅茨曲線呈“N”型；東部地區工業用水與人均工業增加值之間滿足單調遞增的關系；而西部地區的EKC呈現倒“U”型。

圖2 中國工業用水EKC示意圖Fig.2 Fitted EKCs of industrial water use in China

表2 中國工業用水EKC檢驗結果Table 2 Parameters of EKCs of industrial water use in China

從全國情況來看，工業用水與經濟增長之間的“N”型關系存在2個拐點，分別位于人均工業增加值為7 803.90元/人和12 544.43元/人。這表明當人均工業增加值處于2個拐點之間時，工業用水量會逐漸下降；而當人均工業增加值<7 803.90元/人或>12 544.43元/人時，工業用水量會持續上升。多年來，我國經濟持續增長，中國“N”型EKC則提示政府，當全國人均工業增加值>12 544.43元/人時，應采取一定的節水激勵政策以節約工業用水量。

中部地區庫茲涅茨曲線仍然呈現“N”型并具有2個拐點。但相較于全國整體情況，2個拐點均有前移，分別為4 212.99元/人和10 647.70元/人，且2個拐點之間的用水量呈現更為明顯的下降趨勢。從中部地區各省份的具體情況來看，所有省份均已跨越第1個拐點，但多數省份仍處于2個拐點之間，即用水量隨經濟增長呈下降趨勢。吉林、河南、黑龍江已接近第2個拐點，內蒙古則已跨越第2個拐點并出現用水量回升的狀況。

西部地區EKC呈倒“U”型且拐點位于人均工業增加值5 166.47元/人處，這意味著只有當人均工業增加值>5 166.47元/人時，工業用水量才會隨經濟增長逐漸降低。西部地區中西藏、新疆等仍未跨越拐點，而重慶、廣西、寧夏等地區已跨越拐點并呈現出工業用水量連續下降的趨勢。這一定程度上證明了倒“U”型庫茲涅茨曲線在中國的存在性，但也同時啟示政府應給予一定的政策激勵，加速部分省份跨越拐點的速度。同時，結合全國和中部地區的情況，西部地區仍需防范庫茲涅茨曲線由倒“U”型向“N”型轉變的可能性，防止第2個拐點的出現。

東部地區的擬合結果為單調遞增的曲線。但本文發現，如將江蘇省剔除，東部地區的擬合曲線將呈現倒“U”型。這樣的結果提示應多加考慮不同地區的異質性條件，更細致的分組條件得到的EKC將帶來更合理的解釋。

基于上述分類分析，本文通過工業用水量大小和工業經濟增長快慢2個維度將中國31個省(市)劃分為4組[23]：低用水低增長、低用水高增長、高用水高增長和高用水低增長，如表3所示。分別對4組進行EKC檢驗(表4)并繪制各個組別EKC示意圖(圖3)。

表3 省(市)分組列表Table 3 List of provinces grouping

表4 各組工業用水EKC檢驗結果Table 4 EKC test results of various groups of industrial water use

圖3 4組工業用水EKC示意圖Fig.3 EKCs of industrial water use of four groups

由表4可知，不同區域間的EKC差異極大。低用水低增長組地區的工業用水與人均工業增加值之間整體呈單調遞減的直線，從各省面板數據來看，北京、河北極具代表性，與該組擬合曲線趨勢基本一致。低用水高增長組地區的EKC總體呈倒“U”型，拐點位于人均工業增加值11 784.98元/人處。該組別省(市)中重慶、天津和內蒙古已跨越拐點，吉林、貴州雖未跨越拐點，但其工業用水量已持續下降多年。高用水的2組EKC均呈“N”型，2組均有2個拐點且拐點位置相近，但低增長組的2個拐點所對應的人均工業增加值均小于高增長組。具體到個體來看，高用水高增長組的所有省份均已跨越第1拐點，但僅有福建跨越了第2拐點。高用水低增長組的江蘇省已跨過第2個拐點，工業用水量開始了第2階段的攀升；黑龍江處于2拐點之間的階段，用水量隨工業增長逐年下降；其他幾省雖然已跨越第2拐點，但仍未開始第2階段的上升，需要多加防范。

3.2 工業用水EKC形成原因分析

根據式(4)—式(6)對中國各省(市)工業用水變化量進行因子分解，結果見圖4。測算結果證實了用水效率、產業結構和經濟規模對工業用水變化均有影響，但用水效率和經濟規模的驅動力遠遠大于產業結構。通過觀察驅動因子的正負可以進一步得知，ΔE均為負值，ΔG均為正值?？梢?，技術進步總會促進節水，而經濟擴張卻多會驅動用水，用水量具體是增加還是減少還要看3個驅動因子的大小。當技術進步和產業結構帶來的節水量小于(大于)經濟擴張增加的用水量時，用水量升高(降低)；當技術進步帶來的節水量小于(大于)經濟擴張和產業結構增加的用水量時，用水量同樣會升高(降低)[24]。

圖4 1999—2018年工業用水量變化及其驅動因子貢獻值Fig.4 Change in industrial water consumption and the contribution value of driving factors from 1999 to 2018

上述分析中，產業結構對工業用水變化的影響并不明朗。因此，通過31個省(市)1999—2018年的數據進一步繪制了工業用水變化率與產業結構的關系擬合圖，見圖5。由結果可知，在省份樣本數據中，第二產業占地區生產總值的比重在17%～59%之間。隨著第二產業GDP占比的提高，工業用水量變化率由負變正，這意味著隨著第二產業GDP占比的提高，工業用水量先降低后增加，近似地呈“U”型曲線。通過觀察圖5曲線的變化趨勢進一步可知，隨著第二產業比重的增加，工業用水量前期降低的幅度是遠遠大于后期增長的幅度的。

圖5 產業結構對工業用水變化率的影響Fig.5 Impact of industrial structure on the change rate of industrial water use

結合圖4和圖5的結論也許可以更具普適性地解釋工業用水各種形態的EKC的形成：工業經濟擴張雖然總會促進工業用水量的上升，但同時也會帶來技術進步和第二產業比重的提升。技術進步總會大幅度地節約用水，而產業結構多數情況會小幅度地促進節水。當經濟擴張觸發的增水量小于技術進步和產業結構帶來的節水量時，會形成EKC中的下降趨勢；反之，當經濟擴張觸發的增水量大于技術進步和產業結構帶來的節水量時，則會形成EKC中的上升趨勢。這3個驅動因子的相互作用、相互關聯、相互制約促使工業用水與工業經濟增長之間的關系由非均衡發展為均衡，形成了“N”型、倒“U”型、單調型等多種不同形態的工業用水庫茲涅茨曲線。

4 結論與啟示

4.1 結 論

本文基于1999—2018年中國內地31個省(市)的面板數據，對我國工業水資源利用與工業經濟發展的關系進行了分組實證研究，并分別繪制了EKC示意圖。另外，本文還定量測算了用水效率、產業結構和經濟規模這3個因子對中國工業用水變化量的驅動作用。結果表明：

(1)全國整體情況和中部地區情況均呈“N”型曲線。其中，全國的拐點分別位于人均工業增加值為7 803.90元/人和12 544.43元/人時；中部地區拐點均有前移，分別位于人均工業增加值為4 212.99元/人和10 647.70元/人時。西部地區EKC呈倒“U”型且拐點位于人均工業增加值5 166.47元/人處，已有地區跨越拐點進入工業用水量連續下降的狀態。東部地區為單調遞增的直線。

(2)由于東、中、西部地區的劃分方式未能全面反映地區間差異，本文通過工業用水量大小和工業經濟增長快慢2個維度將31個省(市)劃分為低用水低增長組、低用水高增長組、高用水高增長組和高用水低增長組4組，并測算出4組的曲線分別為單調遞減的直線、倒“U”型曲線、“N”型曲線和“N”型曲線。

(3)通過對3個驅動因子的貢獻值測算，證實了用水效率和經濟規模的顯著驅動力，兩者的作用也是相反的，技術進步促進節水，而經濟擴張驅動用水。產業結構的作用雖不明顯，但它對工業用水變化率的影響呈倒“U”型曲線關系，并且前期用水量降低的幅度是遠遠大于后期用水量增加的幅度的。

4.2 啟 示

(1)工業用水與經濟增長之間的倒“U”型、“N”型等關系給我們了一個積極信號：節水與經濟發展并不永遠是沖突的，跨越轉折點后，水資源消耗會不再增長甚至有所降低。這也提示政府應采取激勵政策保持用水總處于倒“U”型曲線或“N”型曲線的下降趨勢階段。

(2)工業用水與經濟增長之間呈現的EKC形狀并不唯一，而是多樣的，并且與區域范圍有著密切聯系，這證明了進行多層次分組研究的必要性。

(3)旨在提高用水效率的節水政策，其節水效果并不能達到預期，中國不能將水生產率技術的提高視為實現節水目標和解決缺水問題的唯一途徑。政府在制定節水方略時，應多加考慮經濟發展、結構調整等多方因素，并依據“省情”不同因地制策，以達到精準施策的目的。