水资源利用与经济增长的动态关联研究---基于VAR模型的实证分析

邓路白萍李会芳陈晓福

(1.新疆维吾尔自治区发展与改革委员会经济研究院，新疆 乌鲁木齐 830001；2.新疆农业大学，新疆 乌鲁木齐 830001)

引言

中国是干旱缺水的国家，2018年全国水资源总量为27462.5亿m3，约占全球水资源的6%，位居世界第4，但人均水资源拥有量仅为2300m3，是世界平均的1/4，属于全球最缺水的国家之一。缺水不仅会制约经济发展，同时会威胁生命安全。国内外学者围绕水资源开展了一系列的研究，主要涵盖水资源供需均衡[1,2]、水资源承载力[3]、水资源配置[4-8]、水资源持续利用[9,10]、生态需水[11-13]等方面。美国学者Charles定性分析了水资源利用对经济增长的促进作用和静态关系[14]。路宁等通过建立计量模型对中国经济增长与水资源利用压力之间的关系进行了实证检验[15]，但是目前的研究大多从承载力的内涵及外延[16]、衡量标准[14]等方面开展，这些研究都没有很好地回答水资源利用和经济增长之间的动态联系这一问题。

在实证研究中经常使用矢量自回归模型VAR(Vector AutoRegressive)来描述不同变量之间的动态关联，VAR模型和单方程模型相比，能够通过脉冲分析发现不同变量之间的相互作用，以便于研究不同变量之间的动态联系。因此，本研究通过构建VAR模型，分别就用水总量、农业用水量、工业用水量和国内生产总值(GDP)增长、第一产业增长、第二产业增长之间的动态关系进行研究，以期揭示水资源利用与经济增长之间的动态联系，为中国的产业结构优化、产业可持续发展、水资源持续利用以及经济可持续发展提供支撑。

1 研究方法和数据选取

1.1 研究方法

VAR模型是向量自回归模型的简称，其利用当期变量对其若干滞后期变量进行回归，通常用来估计相互联系的时间序列系统以及分析随机扰动对变量系统的动态关系[17]。VAR(p)模型的数学形式[18]:

yt=A1yt-1+…+Apyt-p+Bxt+εt

式中，yt是内生变量;yt-1，…，yt-p表示yt的滞后期;xt是外生变量;A1，…，Ap表示yt的待估系数;B是xt待估系数;εt是随机扰动项。VAR模型转化为矩阵:

式中，y1t，…，ykt作为内生变量，可以同期相关，而y1t-1，…，ykt-p作为滞后变量均在等号右边，因此不会出现同期相关问题，OLS仍然是有效的。

1.2 指标选取与数据来源

本研究的主要目的是探明产业用水与经济增长之间的关系。在现有的统计指标中，一般统计了用水总量、农业用水、工业用水、生活用水和生态用水等几个指标。在经济增长的指标选取中，GDP是最常用的反映地区经济总量的指标，将其与用水总量匹配，分析产业用水与经济增长的总体关系；第一产业产值一般用来衡量农业经济发展情况，将其与农业用水总量匹配，分析第一产业增长和农业用水之间的关系；第二产业产值一般用来衡量工业经济发展情况，将其与工业用水总量匹配，分析第二产业增长和工业用水之间的关系。为了简化表达，下文将使用y1表示GDP总量，y2表示第一产业产值，y3表示第二产业产值；x1表示用水总量，x2表示农业用水总量，x3表示工业用水总量。

综合考虑数据的可获得性和时效性，本研究将样本年限确定为2000—2018年。模型所需要的数据均来自于《中国统计年鉴》、《中国水资源公报》。为了使数据具有较好的平稳性、消除数据可能存在的异方差性、能更好地分析其经济学上的意义，本研究对各个变量进行了对数化处理。

本研究的数据采用Excel进行整理，采用Stata14.0进行计算。

2 模型建立与结果分析

2.1 数据前置检验与模型建立

2.1.1 数据的平稳性检验

在使用VAR模型时，必须使所有的数据序列满足平稳条件，如果数据是非平稳的，会使回归分析中出现伪回归现象，本研究将采用单位根ADF(Augmented Dickey-Fuller test)检验，来验证数据的平稳性，见表1。

表1 变量的ADF检验结果

对各个变量做常用对数(底数为10)处理，全国的GDP(lgy1)和用水总量(lgx1)，其检验结果均不显著，接受原假设，说明这2个数据序列都不平稳；将2个变量进行一阶差分得到dlgy1和dlgy2，再进行ADF检验(如不平稳则继续差分)，其检验结果在95%的置信水平下拒绝原假设，说明这2个变量为平稳序列。全国GDP总量和全国用水总量为一阶单整序列。

利用上述方法对第一产业产值、农业用水量和第二产业产值、工业用水量数据进行处理，发现第一产业产值和农业用水量为一阶单整序列，第二产业产值和工业用水量为二阶单整序列。

2.1.2 选择合适的滞后期

本研究采用似然对数LogL检验(LL)、似然比LikelihoodRatio检验(LR)、最终预测误差Final Prediction Error准则(FPE)、赤池信息Akaike Information Criterion准则(AIC)、汉南-奎因Hannan-Quinn Information Criterion准则(HQIC)、施瓦茨Schwarz Information Criterion准则(SBIC)5种指标来综合判断滞后期的期数，见表2。

表2 VAR模型最佳滞后阶数检验结果

因为全国GDP总量与用水总量中有4项指标显示最佳滞后期为3，所以选择3期滞后；因为第一产业产值与农业用水总量中有5项指标显示最佳滞后期为2，所以选择2期滞后；虽然第二产业产值与工业用水总量中有3项指标显示最佳滞后期为4，但未通过后期的模型稳定性检验，因此选择了有2项指标显示的2期滞后。

2.1.3 建立VAR模型

根据前面选择的最佳滞后期，将差分过后的平稳数据代入模型，利用最小二乘法估计模型相应参数，得到拟合方程分别如下。

A：dlgy1=-0.024dlgy1(t-1)-0.17dlgy1(t-2)-0.50dlgy1(t-3)+0.277dlgx(t-1)+0.67dlgx(t-2)-0.43dlgx(t-3)+0.37

B：dlgy2=0.34dlgy2(t-1)-0.11dlgy2(t-2)-0.83dlgx2(t-1)+0.50dlgx2(t-2)+0.29

C:ddlgy3=-0.47dddlgy3(t-1)-0.31ddlgy3(t-2)+0.71ddlgx3(t-1)+0.17ddlgx3(t-2)

A方程反映了经济增长与用水总量之间的关系；B方程反映了第一产业增长和农业用水量之间的关系；C方程反映了第三产业增长和工业用水量之间的关系。

2.1.4 模型稳定性检验

当VAR模型所有根的倒数都在单位圆内，认为VAR模型是稳定的。

图1 经济增长和用水总量VAR根的倒数

2.2 模型结果分析

2.2.1 格兰杰因果检验

格兰杰因果检验用来判断2个变量之间的时间先后顺序，但是并不能代表2个变量之间存在真正的因果关系，本研究中VAR模型的3组变量的格兰杰因果检验结果具体如表3所示。

图2 第一产业增长和农业用水总量VAR根的倒数

图3 第二产业增长和工业用水总量VAR根的倒数

表3 格兰杰因果关系检验结果

从格兰杰检验结果来看，在95%的置信水平下，dlgx1不是dlgy1的格兰杰原因，dlgy1是dlgx1的格兰杰原因；dlgx2不是dlgy2的格兰杰原因，dlgy2是dlgx2的格兰杰原因；ddlgx3不是ddlgy3的格兰杰原因，ddlgy3不是ddlgx3的格兰杰原因。

以上数据说明，经济总量的增长带动了用水量的不断增加，但用水量的增长并不能很好地推动经济增长；第一产业增长会带来用水量的增加，但农业用水量增加不能很好的带动第一产业增长；第二产业增长和工业用水量之间双向不相关。

2.2.2 脉冲响应分析

利用GDP总量和用水总量2个指标构建脉冲响应分析图，分析之间的动态关联，见图4。

图4 dlgy1和dlgx1的脉冲响应函数图

dlgy1对dlgx1前2期的冲击为正，第3期、第4期为负，第5期为正，随后趋于平稳，后期正负交替出现，但幅度明显变小，并最终收敛。说明经济增长前期对水资源依赖较大，但有时也会呈现出抑制作用，随着时间推移，经济增长对水资源的依赖会逐渐减弱。

dlgx1对dlgy1的影响也呈现出正负交替出现的规律，幅度也逐渐减小，并最终收敛。说明前期水资源的使用对经济增长有较好的作用，但随着时间的推移，这种作用越来越小。

利用第一产业产值和农业用水量2个指标构建脉冲响应分析图，分析之间的动态关联，见图5。

图5 dlgy2和dlgx2的脉冲响应函数图

dlgy2对dlgx2的影响呈现正负交替出现的规律，幅度逐渐减小。说明第一产业产值前期对水资源依赖较大，后期需求趋于平稳。

dlgx2对dlgy2的影响首先是负面的，随后正负交替出现，并逐渐收敛，说明单纯增加水资源的投入并不能有效提升农业产值，甚至会产生负面影响，随着农业节水措施的升级，第二产业增长对水资源的依赖日趋减小。

利用第二产业产值和工业用水量2个指标构建脉冲响应分析图，分析之间的动态关联，见图6。

图6 ddlgy3和ddlgx3的脉冲响应函数图

ddlgy3对ddlgx3的影响首先是负面的，说明随着工业技术进步，第二产业对水资源的依赖是有可能减小的，并且影响期数相对于第一产业要短；ddlgx3对ddlgy3的影响正负交替出现，但初期较强，后期较弱，并最终收敛。说明工业用水对第二产业的影响在前期较强，但后期逐渐减弱，这可能是由于较高节水水平的企业能创造更大的产值。

2.2.3 方差分解分析

方差分解能较好地描述系统的动态变化过程，通过分析未来每一期的冲击对变量的贡献度，评价不同变量之间相互的影响力。

经济增长和总用水量之间的方差分解关系见表4。

从表4中可以看出，经济增长的主要动力还是依赖于自身，水资源的利用对其贡献度较小，到第20期，水资源的利用对经济增长的贡献度也仅有1.5%，说明增加水资源的用量并不能很好地提高经济总量，全国的经济增长条件多样。同时，经济增长对水资源利用的贡献度一直很高，说明经济增长的过程中伴随着水资源的利用，其中可能存在过度利用的情况。

表4 经济增长和用水总量物产的方差分解

第一产业增长和农业用水量之间的方差分解关系见表5。

从表5可以看出，第一产业的增长对农业用水呈现出一定程度的依赖，但一直不强，到第20期，农业用水对第一产业增长的贡献度达到了14.8%；而第一产业增长对农业用水的需求一直保持较高的水平，说明随着农业产值的提升，对于农业用水的需求一直较大。

表5 第一产业增长和农业用水的方差分解

第二产业增长和工业用水量之间的方差分解关系见表6。

从表6可以看出，工业用水对第二产业产值增长的作用一直保持在一个较为稳定的状态，一直在14%左右；而工业产值的增加对于工业用水的需求很大，一直在50%左右。

表6 第二产业增长和工业用水的方差分解

3 结论和建议

本研究选取了2000—2018年全国的经济增长数据和水资源消耗数据，构建VAR模型，验证了大尺度经济环境中经济增长和用水量的单整关系，随后利用格兰杰因果检验、脉冲响应分析、方差分解分析等手段，探究全国范围内水资源利用和经济增长之间的关系，得到以下结论。

经济增长和用水总量之间存在稳定的一阶单整关系，最佳滞后期数为3。格兰杰因果检验显示，用水量增加不能有效带动经济发展，但经济发展过程中需要一定量的水资源。脉冲响应分析显示，总体上经济增长对水资源需求较大，但有时也存在抑制效应；用水量对经济增长有一定影响，但其影响小于经济增长对用水量的影响。方差分析显示，用水量对经济增长的影响较小，而经济增长对用水量的影响较大。

第一产业增长和农业用水总量之间存在稳定的一阶单整关系，最佳滞后期数为2。格兰杰因果检验显示，农业用水量增加不能有效带动第一产业发展，但第一产业发展需要一定量的水资源。脉冲响应分析显示，第一产业前期对用农业水量需求较大，但是后期有可能抑制用水量；单纯增加农业用水量可能对第一产业产生负面影响，但总体来看影响是正面的。方差分析显示，农业用水量对第一产业增长的影响较小，而第一产业发展对农业用水量影响较大。

第二产业增加值和工业用水之间存在二阶单整关系，最佳滞后期数为2。格兰杰因果检验显示，二者之间双向不相关，说明水资源和工业之间的依赖程度不强。脉冲响应分析显示，第二产业产值和工业用水量之间相互影响，但其影响力小于农业用水和第一产业产值之间的影响。方差分析显示，单纯增加工业用水对第二产业产值影响较小，而第二产业产值增加对工业用水的需求较大。

综上所述，经济增长和用水之量间存在稳定的动态关联。整体来看，单纯增加用水总量、农业用水量、工业用水量无法带来经济总量、第一产业产值、第二产业产值的增加，但是经济增长、第一产业、第二产业产值的增加对于用水量的需求较强，未来中国经济进一步发展，对水资源的需求将会持续增长。

为保障水资源的供给，促进经济稳定增长可以从以下方面入手：进一步强化用水总量控制和定额管理，提高用水效率；加强不同区域之间的水资源协调利用，通过大型的调水工程，平衡协调不同区域之间的水资源；节约高效利用水资源，通过水权配置、水价改革、节水技术等经济、行政、技术手段的综合应用，不断提高水资源的综合利用效率。