長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率研究——基于DEA-Malmquist模型的實證分析

曾心韻，謝雨涵，陳雯雯

（河海大學商學院，南京211100）

水資源是生產(chǎn)的基礎(chǔ)性資源，提升用水效率對保障經(jīng)濟社會可持續(xù)發(fā)展具有重要作用。為提高農(nóng)業(yè)用水效率，促進長江經(jīng)濟帶的協(xié)調(diào)與可持續(xù)發(fā)展，2016年《長江經(jīng)濟帶發(fā)展規(guī)劃綱要》明確規(guī)定長江經(jīng)濟帶應(yīng)在充分發(fā)揮區(qū)位優(yōu)勢的基礎(chǔ)上，堅持最嚴格的水資源管理制度，實現(xiàn)生態(tài)優(yōu)先、綠色發(fā)展。據(jù)《水資源公報》顯示，2018年中國農(nóng)業(yè)用水總量為3 693.1億m3，占全國用水總量的61.4%，部分地區(qū)超過90.0%，農(nóng)業(yè)作為中國用水大戶，面臨著日益嚴峻的水資源短缺危機。近年來，中央一號文件多次聚焦實施農(nóng)業(yè)節(jié)水工程，發(fā)展高效節(jié)水灌溉，將水生態(tài)文明建設(shè)上升為國家發(fā)展戰(zhàn)略［1］。作為中國經(jīng)濟密度最大、最重要的經(jīng)濟區(qū)域之一，長江經(jīng)濟帶橫跨東、中、西三大地區(qū)，人口及生產(chǎn)總值占據(jù)全國總量的40%，是建設(shè)生態(tài)文明的先行示范帶。2019年十九屆四中全會進一步提出要在“共抓大保護，不搞大開發(fā)”的指導下加強大江大河生態(tài)保護和系統(tǒng)治理，健全水資源高效利用制度以推動長江上、中、下游地區(qū)高質(zhì)量協(xié)調(diào)發(fā)展。

國內(nèi)外學者從農(nóng)業(yè)用水、工業(yè)用水、城市生活用水等方面對水資源利用效率進行了廣泛研究。關(guān)于用水效率的評價方法，主要由單要素評估發(fā)展為全要素評估［2］，全要素評估考慮到除水資源外的其他要素投入，更貼合生產(chǎn)實際。關(guān)于用水效率的測度方法，主要為隨機前沿分析法（SFA）及數(shù)據(jù)包絡(luò)分析法（DEA）。王學淵等［3］、雷玉桃等［4］運用SFA法分別測算了中國農(nóng)業(yè)灌溉用水效率及工業(yè)用水效率；佟金萍等［5］基于超效率DEA和Tobit模型對農(nóng)業(yè)全要素用水效率及其影響因素展開分析；陳洪斌［6］運用三階段DEA和空間計量模型對中國省際農(nóng)業(yè)用水效率及其溢出效應(yīng)進行了測評；方琳等［7］在共同前沿框架下，基于考慮非合意產(chǎn)出的SBM模型研究中國農(nóng)業(yè)水資源利用效率及其改善潛力。上述研究表明，中國水資源利用效率仍具有較大的提升空間且DEA是測度相對效率的有效方法，但單一的DEA法缺乏動態(tài)性，為進一步展開動態(tài)分析與評價，引入Malmquist指數(shù)以揭示引起全要素生產(chǎn)率變動的因素。馬海良等［8］運用Malmquist指數(shù)探討引起中國水資源利用效率省際差異的來源；韓雅清等［9］基于DEA-Malmquist兩步法，分析了福建省水資源利用效率的靜態(tài)與動態(tài)變化特征；屈曉娟等［10］運用DEA-BC2模型和Malmquist生產(chǎn)率指數(shù)建立農(nóng)業(yè)水資源利用效率和全要素生產(chǎn)率評價模型，對西部地區(qū)11個省市農(nóng)業(yè)水資源利用效率展開實證分析；張兆方等［11］綜合運用超效率DEA-Malmquist-Tobit方法對“一帶一路”18個省市的水資源利用效率展開研究；陳威等［12］基于DEA-Malmquist模型研究武漢城市群水資源利用效率、投入冗余率和全要素生產(chǎn)率；李玲等［13］利用DEA-Malmquist模型揭示了中國糧食生產(chǎn)用水效率的時間演變規(guī)律和空間分異特點。

綜上所述，DEA-Malmquist方法是測算水資源利用效率值并能進一步開展動態(tài)分析的有效方法，但目前多數(shù)研究集中于中國31個?。ㄊ?、自治區(qū)），基于DEA-Malmquist模型對長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率進行測度與評價的分析較為少見。故本研究在已有研究的基礎(chǔ)上，依據(jù)全要素生產(chǎn)框架，選取基于投入導向的DEA模型對2009—2018年長江經(jīng)濟帶11個省市的農(nóng)業(yè)水資源利用效率進行測算。為實現(xiàn)對時間序列更深入的動態(tài)分析，在此基礎(chǔ)上引入Malmquist模型，得出全要素生產(chǎn)效率指數(shù)及其分解結(jié)果，判斷各分解指標對長江經(jīng)濟帶農(nóng)業(yè)用水效率的影響，以期為提升長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率和因地制宜解決農(nóng)業(yè)用水危機提供對策建議及理論參考。

1 數(shù)據(jù)來源與研究方法

1.1 指標選取及數(shù)據(jù)來源

選取2009—2018年長江經(jīng)濟帶貴州、云南、四川、重慶、湖南、江西、湖北、上海、安徽、江蘇、浙江11個省市的數(shù)據(jù)作為農(nóng)業(yè)水資源利用效率的評價單元，基于以投入為導向的DEA模型測算長江經(jīng)濟帶農(nóng)業(yè)用水效率。根據(jù)DEA模型特點以及農(nóng)業(yè)用水效率的影響因素，選取農(nóng)業(yè)用水量、農(nóng)業(yè)勞動人口、耕地灌溉面積、農(nóng)業(yè)機械總動力、農(nóng)用化肥施用量作為投入指標，以長江經(jīng)濟帶11個省市的農(nóng)業(yè)總產(chǎn)值作為產(chǎn)出指標。

投入指標中，農(nóng)業(yè)勞動人口以各省市第一產(chǎn)業(yè)就業(yè)人員數(shù)代替。為保證數(shù)據(jù)的一致性，產(chǎn)出指標中，各省市每年的農(nóng)業(yè)總產(chǎn)值為以2009年不變價格計算的實際GDP。

上述指標所用原始數(shù)據(jù)均來源于2009—2018年《中國統(tǒng)計年鑒》《中國環(huán)境統(tǒng)計年鑒》及11個省市的地方統(tǒng)計年鑒。

1.2 研究方法

1.2.1 DEA模型數(shù)據(jù)包絡(luò)分析（Data envelopment analysis，DEA）可用于測評同一類型決策單元間的相對有效性。作為非參數(shù)方法，DEA在多投入產(chǎn)出的分析中具有優(yōu)越性，無需人為設(shè)定投入-產(chǎn)出間的函數(shù)關(guān)系及指標權(quán)重，避免主觀因素的干擾。故本研究采用DEA方法分析，設(shè)定決策單元DMU的數(shù) 量 為n，DMUj=（DMU1，DMU2，…，DMUk，…，DMUn），指長江經(jīng)濟帶各省市的農(nóng)業(yè)用水效率。假定有m種投入和r種產(chǎn)出，DMUj的投入向量xj=（x1j，x2j，x3j，…，xmj）T；產(chǎn)出向量yj=（y1j，y2j，y3j，…，yrj）T；設(shè)DMUjo的投入產(chǎn)出為（xjo，yjo），記為（xo，yo）。

根據(jù)規(guī)模報酬是否可變，DEA經(jīng)典模型可分為規(guī)模報酬不變的C2R模型和規(guī)模報酬可變的BC2模型。由于本研究更多關(guān)注的是投入要素，故選擇基于投入導向的BC2模型，決策單位的效率可由以下公式得出：

式中，λj為相對于DMUi構(gòu)造的1個有效DMU組合中第j個決策單元DMU的組合比例；s-、s＋為松弛變量，分別表示投入冗余與產(chǎn)出不足；θ為該決策單元（即長江經(jīng)濟帶農(nóng)業(yè)用水效率）的有效值。一般情況下，若θ=1，則決策單元DEA有效；若θ＜1，則決策單元非DEA有效。

1.2.2 Malmquist指數(shù)模型Malmquist指數(shù)起初由經(jīng)濟學家Malmquist在1953年提出，后經(jīng)過Caves等的完善與改進，主要用于生產(chǎn)效率的研究之中［14］。結(jié)合非參數(shù)線性規(guī)劃法與DEA模型構(gòu)造出的全要素生產(chǎn)率增長的Malmquist指數(shù)不僅可以度量TFP生產(chǎn)率的動態(tài)變化趨勢，還可以進行生產(chǎn)率的效率再分解，進一步剖析影響效率的因素。該方法的優(yōu)勢在于可以忽略投入產(chǎn)出的價格信息，從而避免由于價格信息不對稱所導致的問題。另外，Malmquist生產(chǎn)力指數(shù)屬于非參數(shù)方法，不需要限制生產(chǎn)函數(shù)，可避免主觀因素對實證分析的影響。

設(shè)Dt和Dt+1分別為基于t和t+1時期技術(shù)水平的距離函數(shù)，則Malmquist生產(chǎn)力指數(shù)如下所示：

根據(jù)理想指數(shù)思想，綜合生產(chǎn)率指數(shù)為公式（2）、公式（3）的幾何平均數(shù)。

式中，Effch表示技術(shù)效率變化，Techch表示技術(shù)變化，Pech表示純技術(shù)效率變化，Sech表示規(guī)模效率變化。由公式（4）得到Malmquist生產(chǎn)率指數(shù)，即TFP增長率。TFP＞1，代表t時期至t+1時期生產(chǎn)效率增長；TFP＜1，代表生產(chǎn)效率下降。

進一步將Malmquist生產(chǎn)率指數(shù)分解為技術(shù)變化（Technical change，簡稱TC）和技 術(shù)效率變化（Technical efficiency change，簡稱EC）。技術(shù)效率變化又可以分解為純技術(shù)效率變化（Pure efficiency change，簡稱PEC）和規(guī)模效率變化（Scale efficiency change，簡稱SEC）。技術(shù)變化反映t時期到t+1時期技術(shù)邊界的移動對生產(chǎn)率變化的貢獻度。TC＞1，表示技術(shù)進步；TC＜1，表示技術(shù)退步。技術(shù)效率變化反映t時期到t+1時期相對效率的改變情況。EC＞1，表明相對效率提高，反之相對效率下降。PEC反映相鄰期間純技術(shù)對效率提高的促進或阻礙作用，PEC＞1，表示純技術(shù)促進效率的提高，反之則阻礙效率的提高。SEC反映相鄰期間規(guī)模效率的變化情況。SEC＞1，表明決策單元向最優(yōu)決策靠近，反之則遠離。

2 實證分析

2.1 DEA模型結(jié)果分析

運用以投入為導向的DEAP 2.1軟件對2009—2018年長江經(jīng)濟帶11個省市的農(nóng)業(yè)水資源利用效率進行分析，結(jié)果如表1所示。

從時間演變來看，2009—2018年長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率總體呈先上升后下降的倒U型變化趨勢，2013年長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率均值達到最大，為0.803。這可能得益于2012—2013年國務(wù)院頒發(fā)的《關(guān)于實行最嚴格水資源管理制度的意見》及《實行最嚴格水資源管理制度考核辦法》，其制定了水資源管理“三條紅線”的主要目標，針對“十三五”期間中國嚴峻的用水形勢，國家明確提出控制水資源開發(fā)利用、全面建設(shè)節(jié)水型社會的要求。作為中國經(jīng)濟社會發(fā)展的重要支柱，長江經(jīng)濟帶積極響應(yīng)國家的號召，貫徹落實關(guān)于農(nóng)業(yè)水資源消耗強度與總量的雙重控制，優(yōu)化水資源的配置格局，加強對長江水生態(tài)的保護，這也體現(xiàn)了農(nóng)業(yè)用水效率受政策因素驅(qū)動。

從空間分布上來看，長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率較高的省市為上海、重慶、四川、貴州、云南，其2009—2018年農(nóng)業(yè)水資源利用效率均為1.000，始終位于生產(chǎn)前沿面上，保持DEA有效。表明這5個省市在農(nóng)業(yè)發(fā)展中，用水量、勞動人口、土地、機械、化肥等資源配置較優(yōu)。上海市作為長江經(jīng)濟帶的龍頭，雖人均水資源匱乏，但經(jīng)濟發(fā)展水平與技術(shù)創(chuàng)新水平相對較高，因而保持了較高的農(nóng)業(yè)用水效率。而位于長江經(jīng)濟帶上游的云南省、四川省水資源總量相對豐富，由于開發(fā)程度不高，農(nóng)業(yè)用水與勞動人口、耕地、機械等配置較好，故農(nóng)業(yè)用水效率相對較高。湖南、湖北、江西、安徽4省2009—2018年農(nóng)業(yè)水資源利用效率均值在0.600～0.800，在長江經(jīng)濟帶中排名居中，但未達到DEA完全有效的前沿面，表明這4省農(nóng)業(yè)水資源利用效率仍可以進一步提升。江蘇省、浙江省2009—2018年農(nóng)業(yè)用水效率均值分別為0.369、0.516，在長江經(jīng)濟帶中排名靠后，表明這2省的農(nóng)業(yè)水資源配置距離最優(yōu)前沿仍存在較大幅度的偏離，即可能出現(xiàn)農(nóng)業(yè)生產(chǎn)的投入冗余或者產(chǎn)出不足等問題。

2.2 基于Malmquist指數(shù)的農(nóng)業(yè)水資源利用效率分析

為了進一步反映長江經(jīng)濟帶不同地區(qū)、不同時期農(nóng)業(yè)用水效率的動態(tài)演變趨勢，本研究運用DEAP 2.1軟件對2009—2018年長江經(jīng)濟帶11個省市的數(shù)據(jù)進行Malmquist生產(chǎn)力指數(shù)分析，得到各年份、各省市的全要素生產(chǎn)率指數(shù)、技術(shù)變化、技術(shù)效率變化、純技術(shù)效率變化、規(guī)模效率變化，結(jié)果如表2、表3所示。

從時間演進來看，2017—2018年長江經(jīng)濟帶農(nóng)業(yè)水資源全要素生產(chǎn)率指數(shù)大于1.000，表明生產(chǎn)效率得到提高，而其余各時期的農(nóng)業(yè)水資源全要素生產(chǎn)率指數(shù)均小于1.000，表明農(nóng)業(yè)水資源利用效率處于衰退狀態(tài)。研究期間，全要素生產(chǎn)率指數(shù)均值為0.957，TFP年均增長率為-4.30%，表明2009—2018年長江經(jīng)濟帶農(nóng)業(yè)水資源總體利用效率不高，仍有提升空間。進一步分解全要素生產(chǎn)率可得到技術(shù)效率變化及技術(shù)變化。從技術(shù)變化來看，2015—2016年技術(shù)變化呈正增長，而其余年份均呈負增長，10年間技術(shù)變化均值下降4.70%，且從圖1可看出技術(shù)變化趨勢與全要素生產(chǎn)率變化趨勢大體一致。從技術(shù)效率變化來看，2014—2015年、2015—2016年、2016—2017年3個階段的技術(shù)效率變化呈負增長，其余階段均呈正增長，10年間技術(shù)效率變化均值上升0.50%。由此可知，技術(shù)進步與否對全要素生產(chǎn)率產(chǎn)生的影響程度更大，提高創(chuàng)新能力、改進農(nóng)業(yè)節(jié)水技術(shù)將有利于長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率的提高。

對技術(shù)效率變化再分解得到規(guī)模效率變化及純技術(shù)效率變化。2009—2018年整體上純技術(shù)效率變化不顯著，而規(guī)模效率變化均值上升0.50%。表明加強農(nóng)業(yè)用水管理、調(diào)整生產(chǎn)規(guī)模、實現(xiàn)農(nóng)業(yè)生產(chǎn)過程的最優(yōu)資源配置將有助于提升長江經(jīng)濟帶的整體農(nóng)業(yè)水資源利用效率。

表1 長江經(jīng)濟帶11個省市2009—2018年農(nóng)業(yè)水資源利用效率

表2 長江經(jīng)濟帶歷年農(nóng)業(yè)水資源Malmquist生產(chǎn)力指數(shù)及其分解

圖1 2009—2018年長江經(jīng)濟帶農(nóng)業(yè)用水TFP指數(shù)及分解結(jié)果

分析長江經(jīng)濟帶11個省市的Malmquist生產(chǎn)力指數(shù)及其分解結(jié)果（表3）可知，長江經(jīng)濟帶各省市農(nóng)業(yè)水資源全要素生產(chǎn)率指數(shù)均值為0.956，說明長江經(jīng)濟帶整體農(nóng)業(yè)水資源利用效率處于下降態(tài)勢。其中，湖北省農(nóng)業(yè)水資源利用效率下降幅度最大，為7.60%，江蘇省次之，為6.90%。相較之下，江西省TFP下降幅度最小，僅為0.70%。11個省市的技術(shù)變化均小于1.000，與全要素生產(chǎn)率保持基本相同的變化趨勢，表明長江經(jīng)濟帶整體上并未呈現(xiàn)技術(shù)進步的狀態(tài)，而改進農(nóng)業(yè)灌溉技術(shù)與促進創(chuàng)新型技術(shù)的使用仍然是提高長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率的驅(qū)動因素。11個省市的技術(shù)效率變化均值為1.004，表明長江經(jīng)濟帶技術(shù)效率總體有所提高，但不同省市間仍存在一定差異。其中，上海、安徽、江西、湖南、云南5個省市的技術(shù)效率變化大于1.000，表明其相對效率提高對TFP增長起促進作用。而江蘇、湖北、四川3省的技術(shù)效率變化呈負增長趨勢，對農(nóng)業(yè)水資源全要素生產(chǎn)率的增長起阻礙作用。進一步剖析影響技術(shù)效率變化的因素可知，技術(shù)效率的增長主要來源于各地區(qū)規(guī)模效率的增長。11個省市的純技術(shù)效率基本保持不變，而規(guī)模效率變化的均值為1.004，其中，除湖南省、四川省的規(guī)模效率變化呈下降趨勢外，長江經(jīng)濟帶其余省市的規(guī)模效率變化均呈上升趨勢，表明湖南、四川2省需進一步加大農(nóng)業(yè)用水的管理力度，完善農(nóng)業(yè)灌溉與生產(chǎn)過程中的水資源利用方式，優(yōu)化各投入要素間的配置。

表3 2009—2018年長江經(jīng)濟帶11個省市Malmquist生產(chǎn)力指數(shù)及其分解

3 結(jié)論與建議

本研究基于以投入為導向的DEA模型測算出2009—2018年長江經(jīng)濟帶11個省市的農(nóng)業(yè)水資源利用效率，并運用Malmquist模型分析全要素生產(chǎn)率的動態(tài)變化趨勢及分解結(jié)果，得出如下結(jié)論。

1）從時間演進來看，2009—2018年長江經(jīng)濟帶農(nóng)業(yè)水資源利用效率隨時間呈先上升后下降的倒U型變化趨勢。長江經(jīng)濟帶歷年農(nóng)業(yè)水資源利用效率均值未達到DEA完全有效的前沿面，說明長江經(jīng)濟帶整體農(nóng)業(yè)水資源利用效率有待提升。從不同省市來看，以重慶、四川等省市為主的長江經(jīng)濟帶上游地區(qū)歷年農(nóng)業(yè)用水效率值為1.000，其農(nóng)業(yè)水資源利用效率相對較高，而江蘇省等下游地區(qū)的農(nóng)業(yè)水資源利用效率在長江經(jīng)濟帶中排名靠后，其農(nóng)業(yè)水資源利用效率距離最優(yōu)前沿面仍有較大差距。

2）由Malmquist生產(chǎn)力指數(shù)模型計算結(jié)果可知，2009—2018年長江經(jīng)濟帶農(nóng)業(yè)水資源全要素生產(chǎn)率均值為0.957，即農(nóng)業(yè)用水效率以4.30%的速度在衰退。進一步分解全要素生產(chǎn)率指數(shù)可知，技術(shù)變化與全要素生產(chǎn)率變化趨勢基本一致，技術(shù)變化是影響全要素生產(chǎn)率的主要因素。對技術(shù)效率進行再分解得到純技術(shù)效率變化與規(guī)模效率變化，其中規(guī)模效率變化呈正增長趨勢，對全要素生產(chǎn)率的提高起促進作用。從不同地區(qū)來看，11個省市農(nóng)業(yè)水資源利用效率整體處于下降態(tài)勢，其中湖北、江蘇2省下降幅度最大，技術(shù)變化仍是主要的制約因素。

針對長江經(jīng)濟帶農(nóng)業(yè)用水中存在的問題，本研究提出如下建議。

1）加大R&D投入，不斷改進與創(chuàng)新農(nóng)業(yè)節(jié)水技術(shù)，普及與推廣農(nóng)業(yè)節(jié)水技術(shù)的使用。在水資源供給日益短缺的形勢下，進一步提高農(nóng)業(yè)水資源的利用效率，使有限的水量發(fā)揮最大的生產(chǎn)與經(jīng)濟效益，從而有利于農(nóng)業(yè)的現(xiàn)代化發(fā)展。

2）優(yōu)化資源配置，加強水資源管理。各地政府應(yīng)進一步完善水資源管理體系，在河長制下嚴格執(zhí)行農(nóng)業(yè)水資源管理條例，加大對農(nóng)業(yè)基礎(chǔ)設(shè)施的維護、使用與監(jiān)管，提高農(nóng)民節(jié)水意識，優(yōu)化農(nóng)業(yè)生產(chǎn)中各投入要素的配置，充分發(fā)揮好規(guī)模效益［15］。

3）加強區(qū)域間交流與合作，促進長江經(jīng)濟帶的高質(zhì)量發(fā)展。具體應(yīng)針對長江經(jīng)濟帶上、中、下游不同地區(qū)的經(jīng)濟發(fā)展水平、資源稟賦條件，選擇適宜的農(nóng)業(yè)發(fā)展模式。各地區(qū)之間相互借鑒與學習先進的農(nóng)業(yè)節(jié)水技術(shù)及生產(chǎn)經(jīng)驗，發(fā)揮核心城市的輻射帶動作用。