张兵兵^1,, 沈满洪^2,3,
1. 浙江大学经济学院,杭州 310027
2. 宁波大学商学院,宁波 315211
3. 浙江省哲学社会科学重点研究基地-浙江省生态文明研究中心,杭州 310018

Analysis of the industrial water Kuznets curve

ZHANGBingbing^1,, SHENManhong^2,3,
1. School of Economics Zhejiang University,Hangzhou 310027,China
2. Business School of Ningbo University,Ningbo 315211,China
3. Key Research Institute of Philosophy and Social Science of Zhejiang Province-Center for Ecological Civilization of Zhejiang Province,Hangzhou 310018,China
通讯作者:沈满洪,E-mail：smh@nbu.edu.cn
收稿日期:2014-10-12
修回日期:2015-10-20
网络出版日期:2016-01-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:基金项目：国家社科基金重点项目：“我国工业节水战略研究”（ 12AJY003）
作者简介:
-->作者简介：张兵兵,女,黑龙江哈尔滨人,博士生,主要研究方向为资源经济学。E-mail：zhangbingbing0226@126.com



展开

摘要
水资源稀缺是21世纪社会经济增长乃至人类生存所面临的重大挑战之一,探索工业水资源利用情况是进一步研究工业水资源节约利用的基础。基于2000-2013年中国31个省份的面板数据,在单位根检验以及协整检验的基础上,对全国以及东、中、西部地区工业水资源利用与工业经济增长之间的关系进行实证检验,结果显示：东部地区二者关系曲线呈现为倒“U”型,且拐点出现在人均工业增加值28 612.150元/人时;中部地区二者关系曲线呈现为“N”型,且拐点分别出现在人均工业增加值15 546.048元/人和35 733.952元/人时;而全国和西部地区二者近似地满足单调递增的关系。经分析,技术创新、结构调整是使工业用水倒“U”型库兹涅茨曲线拐点出现的技术层面的原因,水价提升、水权交易则是其经济激励措施。最后提出应积极进行技术创新、推进产业结构调整以及工业内部行业结构调整,同时适当提升工业用水价格、完善水权交易制度以最终实现工业水资源节约等政策建议。

关键词：工业用水;库兹涅茨曲线;面板单位根;面板协整
Abstract
Water scarcity is a major challenge during economic development and even for human survival in the 21st century. Under pressure to implement total water consumption controls in China,we should pay attention to industrial water saving because of its great water saving potential. Based on panel data for 31 provinces in China from 2000 to 2013,qualified through the unit root test and co-integration test,we tested the relationship between industrial water usage and industrial economic growth for China overall and eastern,central and western China. We found that the relationship curve between industrial water usage and industrial economic growth of eastern China is an inverted U type Kuznets curve,with a turning point at 28 612.15 CNY per capita in industrial output. The relationship between industrial water usage and the industrial economic growth curve of central China is an N type Kuznets curve,with a turning point at 15 546.048 and 35 733.952 CNY per capita in industrial output. However,the curves for industrial water usage and industrial economic growth for China overall and western China are monotone increasing curves. Through further analysis,we found that technological innovation and structural upgrades are reasons for the turning point of the inverted U type Kuznets curve; while water price increases and water rights trading systems are economic incentive reasons. In order to save water resources,China should be positive about technological innovation,promote industrial upgrades,increase industrial water prices and implement a water rights trading system.

Keywords：industrial water usage;Kuznets curve;panel unit root test;co-integration test

-->0
PDF (589KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
张兵兵, 沈满洪. 工业用水库兹涅茨曲线分析[J]. , 2016, 38(1): 102-109 https://doi.org/10.18402/resci.2016.01.11
ZHANG Bingbing, SHEN Manhong. Analysis of the industrial water Kuznets curve[J]. 资源科学, 2016, 38(1): 102-109 https://doi.org/10.18402/resci.2016.01.11

1 引言

水是工业的血液,工业经济的发展离不开水资源的支撑。但人多水少、水资源时空分布不均已成为中国的基本国情和水情,同时水资源短缺、水污染严重、水生态环境恶化等问题日益突出,已成为制约经济社会可持续发展的主要瓶颈。改革开放以来,随着工业经济的迅猛发展,工业用水量也迅速增加,同时由于未来工业经济仍将进一步发展,工业用水需求也会进一步增长,但由于工业水资源利用效率低下、浪费严重等问题的存在,工业节约用水潜力巨大,为保障经济的可持续发展,建立资源友好型社会,研究工业用水相关问题具有重要的理论和实践意义。
库兹涅茨曲线是1955年库兹涅茨提出的经济增长与收入分配不平等间呈倒U型关系的假说,他认为在收入水平较低的阶段经济增长与收入分配差距扩大相伴随,然而当收入水平达到一定程度后,经济增长有助于缓解收入分配不平等^[1]。20世纪90年代初美国环境经济学家Grossman等根据经验数据发现污染物排放与经济增长之间也存在库兹涅茨倒“U”型曲线关系,进而提出环境库兹涅茨曲线的概念^[2]。也就是经济增长初期环境污染物的排放随经济的增长而增加,当经济发展到一定程度之后,环境污染物的排放随经济的增长而有所下降。后来有的****甚至把人均收人与环境污染程度之间的几何曲线统称为环境库兹涅茨曲线。按这种理论,环境库兹涅茨曲线的形状就不一定是倒“U”型的,在某一个阶段,曲线可能是倒“U”型的,也可能是水平的,甚至还可能是向后弯曲的^[3]。
工业用水与工业经济增长之间是否存在库兹涅茨倒“U”型曲线关系?如果存在,拐点位置如何?如果不存在,它们之间关系曲线的形状如何?本文将试图探讨这个问题。已有研究中,贾绍凤发现发达国家工业用水随经济发展的变化存在着一个由上升转而下降的转折点,工业用水随收入增长的演变模式可以用库兹涅茨曲线表示,并指出工业用水下降对应的人均GDP阈值是3 700~170 00美元,另外还指出了工业用水下降的两个原因即部门用水效率的提高和经济结构调整^[4]。但这些结论并不是由模型模拟得到,而仅由经验数据得到,误差可能较大。张陈俊等基于2002-2010年省际面板数据,对工业用水与经济增长关系的库兹涅兹曲线进行实证研究,指出全国、东部、中部以及西部地区的工业用水绝对指标与经济增长之间分别呈现“N”型、倒“U”型、“N”型和单调递增形态,而工业用水相对指标与经济增长之间分别呈现倒“N”型、倒“U”型、“U”型和倒“N”型形态^[5],但实证研究中很可能出现伪回归,而作者并没有对其进行检验,另外研究并未指出使工业用水随经济增长而下降的原因。本文在对中国面板数据进行单位根及协整检验的基础上得出工业用水与工业经济增长的关系,并试图总结概括可能使工业用水随经济增长而下降的原因。

2 模型设定与数据来源

2.1 模型设定

中国各地工业用水量及其变化趋势差距较大,为将此因素考虑进来,本文在研究中选取中国31个省（市）的面板数据,但考虑到经济发展程度不同对工业用水量多少的影响,本文不但对中国整体情况进行实证分析,还会对东、中、西部地区的情况分别进行实证研究,试图得到更具有参考价值的工业用水与经济增长之间的关系。本文设定模型如下：
iwit=α1+β1×+β2×igdppit2+×igdppit3+（1）
式中i为截面成员;t为观测期; iwit、 igdppit分别为i成员t时期的工业用水量（万m³）和人均工业增加值（元/人）; α1、为待估参数; uit为模型的随机扰动项。
在模型（1）中,当解释变量系数（ β1、 β2、 β3）取值不同时,工业用水与人均工业增加值之间的关系曲线会呈现出不同的形状：
（1）当===0时,二者关系曲线是一条水平线;
（2）当<0,且==0时,二者关系曲线是一条单调递减的直线;
（3）当>0,且==0时,二者关系曲线是一条单调递增的直线;
（4）当<0,>0且=0时,二者关系曲线是一条“U”型曲线;
（5）当>0,<0且=0时,二者关系曲线是一条倒“U”型曲线;
（6）当>0,<0且>0时,二者关系曲线是一条“N”型曲线;
（7）当>0,<0且<0时,二者关系曲线是一条倒“N”型曲线。

2.2 数据来源

研究中涉及各省级行政区的工业用水量及人均工业增加值两个变量,考虑到数据的稳定性,为确保所研究的变量具有同一数据来源,选用《中国统计年鉴》^[6]2000-2013年的数据作为实证对象。由于《中国统计年鉴》中工业增加值均以当年价格计算,为消除价格因素的影响,通过工业生产者出厂价格指数将各省各年份工业增加值调整为以2000年价格计算,而人均工业增加值则通过调整后的工业增加值与常住人口之比得到。另外,东、中、西部地区的划分参考《中国统计年鉴》^[6],东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南,中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南,西部地区则包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

3 结果分析

3.1 数据平稳性检验

由于传统的面板模型会受到数据的非平稳性影响而产生伪回归,所以在面板协整检验及模型建立之前需要首先对变量进行单位根检验以确定所研究变量是否为同阶单整,即是否是平稳的。检验面板数据单位根的方法有两类：一类是同质面板单位根检验法,包括LLC检验^[7]、Breitung检验^[8]等,另一类是异质面板单位根检验法,包括IPS检验^[9]以及ADF-Fisher类型检验^[10,11]。本文从同质面板单位根检验法与异质面板单位根检验法中各选取一种检验法,即采用LLC检验与ADF-Fisher检验方法,对工业用水量、人均工业增加值及其平方项、立方项（iw、igdpp、igdpp²、igdpp³）进行面板单位根检验,结果如表1。由表1结果可知,当对变量水平值进行检验时,绝大部分区域相关变量的检验结果均不能完全拒绝“存在单位根”的原假设,即数据是非平稳的,但当对变量的一阶差分进行检验时,两种检验方法下的相关变量都能够显著地拒绝“存在单位根”的原假设（99%显著性水平下）,所以可以认为iw、igdpp能够通过面板单位根检验,即都是一阶单整的序列。

3.2 数据协整检验

若所研究变量通过面板数据单位根检验,则可进一步检验变量间是否存在协整关系。 Pedroni提出的基于残差的面板数据协整检验方法允许最大程度的个体差异^[12,13],不仅每个个体的协整系数可以不同,还允许有不同的短期动态学,从而被广泛地使用,本文亦选择采用此方法对变量iw、igdpp进行协整检验。Pedroni一共提出了Panel v-Statistic、Panel rho-Statistic、Panel PP-Statistic、Panel ADF-Statistic、Group rho-Statistic、Group PP-Statistic、Group ADF-Statistic 7个统计量,并证明在一般性的假定条件下,7个统计量在经过均值和标准差调整后都渐进服从标准正态分布,可以用于进行统计检验^[12,13],本文所得检验结果如表2。
Pedroni通过Monte Carlo模拟实验结果得到：对于大于100的样本来说,所有的7个统计量的检验效力都很好并且很稳定,但是对于小样本（T<20）来说,Group ADF统计量和Panel ADF统计量是最有效力的,其次是Panel PP统计量。由于本文所研究样本的时间T<20,所以可运用以上Monte Carlo模拟实验结果,而表2结果显示虽然并不是所研究变量的所有Pedroni协整检验统计量均通过检验,但它们的Group ADF、Panel ADF、Panel PP统计量均在95%显著性水平上通过检验,所以本文认为所研究变量通过面板数据协整检验,即中国工业水资源利用与人均工业增加值之间存在长期均衡关系。
Table 1
表1
表1面板单位根检验结果
Table 1Results of the panel unit root test

		全国		东部地区		中部地区		西部地区
变量		LLC 检验	ADF-Fisher 检验	LLC 检验	ADF-Fisher 检验	LLC 检验	ADF-Fisher 检验	LLC 检验	ADF-Fisher 检验
iw	水平值	-4.093 8 （0.000 0）	80.858 0 （0.054 2）	-1.840 5 （0.032 8）	16.820 4 （0.773 2）	-1.670 1 （0.047 4）	28.476 4 （0.027 7）	-3.467 4 （0.000 3）	35.561 3 （0.060 5）
	一阶差分	-12.571 1 （0.000 0）	168.088 0 （0.000 0）	-8.889 5 （0.000 0）	58.065 3 （0.000 0）	-4.217 3 （0.000 0）	38.012 8 （0.001 5）	-8.567 7 （0.000 0）	72.009 5 （0.000 0）
igdpp	水平值	-1.573 6 （0.057 8）	40.652 8 （0.983 6）	-4.470 7 （0.000 0）	27.676 9 （0.186 6）	1.671 9 （0.952 7）	7.524 4 （0.961 8）	-0.300 3 （0.382 0）	5.451 6 （1.000 0）
	一阶差分	-16.576 8 （0.000 0）	218.145 0 （0.000 0）	-8.922 9 （0.000 0）	73.076 6 （0.000 0）	-8.652 6 （0.000 0）	58.920 5 （0.000 0）	-11.178 2 （0.000 0）	86.148 2 （0.000 0）
igdpp2	水平值	11.936 5 （1.000 0）	16.684 0 （1.000 0）	1.082 9 （0.860 6）	14.584 6 （0.879 4）	6.457 6 （1.000 0）	1.996 0 （1.000 0）	13.452 3 （1.000 0）	0.103 4 （1.000 0）
	一阶差分	-14.258 2 （0.000 0）	214.039 0 （0.000 0）	-11.706 8 （0.000 0）	97.012 5 （0.000 0）	-6.399 3 （0.000 0）	47.229 8 （0.000 1）	-7.623 6 （0.000 0）	69.796 8 （0.000 0）
igdpp3	水平值	25.216 7 （1.000 0）	10.391 5 （1.000 0）	7.606 5 （1.000 0）	10.375 4 （0.982 6）	23.333 8 （1.000 0）	0.007 5 （1.000 0）	19.220 3 （1.000 0）	0.008 6 （1.000 0）
	一阶差分	-9.837 8 （0.000 0）	175.558 0 （0.000 0）	-9.099 1 （0.000 0）	78.598 6 （0.000 0）	-5.766 1 （0.000 0）	43.259 5 （0.000 3）	-4.047 3 （0.000 0）	53.700 1 （0.000 5）

注：括号中的数值为相应检验值的p值。
新窗口打开
Table 2
表2
表2面板协整检验结果
Table 2Results of the panel cointegration test

	统计量	统计值	统计量	统计值
全国	Panel v	-0.536 256 （0.345 5）	Group rho	2.722 696 （0.009 8）
	Panel rho	0.415 676 （0.365 9）	Group PP	-3.219 354 （0.002 2）
	Panel PP	-4.264 540 （0.000 0）	Group ADF	-6.518 458 （0.000 0）
	Panel ADF	-6.592 633 （0.000 0）
东部地区	Panel v	0.327 031 （0.378 2）	Group rho	0.917 051 （0.262 0）
	Panel rho	-1.049 043 （0.230 1）	Group PP	-1.295 130 （0.172 5）
	Panel PP	-2.642 350 （0.012 2）	Group ADF	-2.566 617 （0.014 8）
	Panel ADF	-3.680 212 （0.000 5）
中部地区	Panel v	0.290 004 （0.382 5）	Group rho	0.941 247 （0.256 2）
	Panel rho	-0.362 983 （0.373 5）	Group PP	-2.831 614 （0.007 2）
	Panel PP	-3.770 383 （0.000 3）	Group ADF	-5.602 074 （0.000 0）
	Panel ADF	-5.383 411 （0.000 0）
西部地区	Panel v	0.640 172 （0.325 0）	Group rho	1.254 623 （0.181 6）
	Panel rho	0.046 725 （0.398 5）	Group PP	-3.605 645 （0.000 6）
	Panel PP	-2.693 238 （0.010 6）	Group ADF	-5.125 024 （0.000 0）
	Panel ADF	-4.135 303 （0.000 1）

注：括号中的数值为相应参数估计值的p值。
新窗口打开

3.3 模型估计结果及其分析

运用Eviews6.0软件,对全国、东部地区、中部地区以及西部地区的模型进行估计,由于中国31个省份的社会经济发展状况差距较大,区域特征较为明显,因此采用变截距模型,而通过Hausman检验可知模型应选择随机效应。为避免面板数据存在异方差性而使OLS估计失效,所以采用截面加权最小二乘估计法对模型进行估计,最终对模型进行估计的结果见表3。
Table 3
表3
表3模型估计结果
Table 3Estimation results of the model

	全国	东部地区	中部地区	西部地区
β1	19.620 970 （0.000 0）	11.444 860 （0.000 8）	41.664 130 （0.000 0）	12.114 010 （0.000 0）
β2	-0.000 775 （0.000 0）	-0.000 200 （0.014 1）	-0.001 923 （0.002 6）	-0.000 557 （0.000 0）
β3	0.000 095 ×E-04 （0.000 0）	-	0.000 250 ×E-04 （0.044 9）	0.000 785 ×E-04 （0.000 0）
曲线形状	“N”型	倒“U”型	“N”型	“N”型
拐点	无	28 612.150	15 546.048 35 733.952	无

注：括号中的数值为相应统计值的p值。
新窗口打开
（1）模型估计结果表明,全国、中部地区以及西部地区的工业用水与工业经济增长之间的关系曲线呈现“N”型。值得注意的是,虽然全国以及西部地区模型的系数全部通过显著性检验,但模型并没有实数解,即其关系曲线并不存在拐点,所以可以近似地认为全国以及西部地区的工业用水与工业经济增长之间满足单调递增的关系。这与实际中全国整体工业用水一直处于上升状态,西部地区全部区域工业用水仍处于上升状态的情况相符。考虑全国的情况,自建国以来中国工业用水量伴随着工业经济增长几乎一直处于上升状态,从1949年的24亿m³上升至2011年的1 461.8亿m³,增长了59倍,但增长速度却经历了先上升后下降的过程,目前中国工业用水量处于低速增长,甚至有些年份出现下降趋势的阶段,如2012年工业用水量1 423.88亿m³,比2011年下降了37.92亿m³,但2013年工业用水量较2012年仍有上升,而西部地区工业用水伴随着其工业经济的发展也一直处于上升状态。
（2）中部地区工业用水与工业经济增长之间关系的“N”型曲线具有两个拐点,分别出现在人均工业增加值15 546.048元/人和35 733.952元/人时,该曲线表明虽然当人均工业增加值处于（15 546.048~ 35 733.952）元/人之间时,工业用水会下降,但当人均工业增加值超过35 733.952元/人时,在没有其他措施的情况下,工业用水量会持续增长,所以为节约水资源,抑制当人均工业增加值超过35 733.952元/人时工业用水量再次上升的出现,需要实施必要的激励措施。
（3）东部地区工业用水与工业经济增长之间的关系曲线呈现倒“U”型,拐点出现在28 612.150元/人,即当人均工业增加值低于28 612.150元/人时,工业用水量随工业经济的增长而增加,当人均工业增加值高于28 612.150元/人时,工业用水量随工业经济的增长而减少。按照模型计算出的拐点,部分省份（市）如天津、上海、浙江等应该处于拐点右侧的工业用水量随工业经济增长而减少的阶段,但实际上只有北京、河北已处于该阶段,尤其是北京,自1992年起,除个别年份有所上升,北京市的工业用水量总体上已处于持续下降状态。而东部地区许多其他省份（市）如广东、上海等工业用水已处于零增长状态,即其工业用水量随工业经济增长呈现小幅度的上下波动,随着工业经济的进一步增长与适当节水措施的实施,工业用水负增长相信很快就会出现。结合东部地区模型估计结果以及现实情况,可以得到两点推论：①这种工业用水与工业经济增长之间出现的倒“U”型曲线关系证明了倒“U”型工业用水库兹涅茨曲线在中国的存在性,为中国工业节水提供了动力;②虽然工业经济达到模型估计的拐点出现的水平,但实际上拐点并未自然而然地出现,说明为促使拐点出现,必要的政府调控或激励措施是需要的,而为了提出有效的工业节水措施,分析致使工业用水下降的原因并将其转变为措施用于工业节水实践便十分有意义。

4 倒“U”型曲线形成原因分析

基于已有对影响工业水资源利用原因的研究以及对中国东部、中部与西部地区工业经济发展的特点及用水状况的对比分析,可以总结出使倒“U”型工业用水库兹涅茨曲线形成的原因包括技术创新、结构调整、水价提升以及水权交易等。其中,技术创新和结构调整通过提高整体水资源利用效率促使工业水资源利用量随工业经济增长而下降,是技术实施层面的具体原因,而水价变动与水权交易自身并不能改变水资源利用量,它们通过调整经济结构和用水技术最终改变水资源利用量,是经济激励层面的动机原因。

4.1 技术创新

许多研究表明技术创新是促使工业用水量下降的重要原因之一^[4,14-19]。同时对中国各区域现状的对比分析,东部地区较中西部地区经济发展水平高、技术创新多,工业水资源呈现出明显下降趋势的省份（市）大多集中在东部地区,说明技术创新对水资源节约利用的作用不可小觑。技术创新是通过在工业生产的各环节减少水资源的投入,最终达到使工业用水节约的目的。经济发展到一定程度,对技术研发的投入力度加大,科技创新得以不断涌现,使工业生产中的水资源得以节约。在工业生产过程中有许多环节要用到水资源,比如原料、产品处理、锅炉、冷却等,虽然工业用水量较大,但实际消耗量并不多,所以在关注降低工业耗水率的同时,更应该关注提高工业生产过程中水资源的重复利用率,整体上降低工业水资源的利用量。

4.2 结构调整

不同产业或工业行业用水效率是有所差异的,通过调整不同行业所占比重,可以提高整体的水资源利用效率,进而节约水资源^[4,14-19] 。工业用水已处于下降状态的北京市自新中国成立以来大力发展工业,且以高耗水、高耗能、污染严重的行业为主,但20世纪80年代以来高耗水企业逐步被淘汰,其他企业也进行了节水改造,新上工业项目也采用最先进的节水工艺设备,到80年代后期北京市工业占GDP比重一直保持下降趋势,目前北京市工业占GDP的比重（不到20%）相比于中国其他省（市）除比较特殊的西藏、海南以外是最低的。而许多中西部省（市）如河南、陕西、内蒙古等工业比重持续上升,已达到40%~50%。
对比发达国家发展情况,其在20世纪70、80年代产业构成中第一产业比重降到10%以下,第二产业比重达到40%~50%的高峰后转而下降,第三产业比重普遍上升,在第二产业内部,劳动-资本密集型的纺织、冶金、石油化工、造船等行业逐步让位给技术-知识密集型的电子、新材料等新兴行业,在传统行业内部,也出现了高级化趋势,工业用水也随之下降^[16]。可见积极进行产业结构调整及工业内部结构调整对工业水资源节约意义重大。

4.3 水价提升

适当提高工业用水价格,增加高耗水行业成本,迫使企业采用节水设备甚至迫使高耗水行业退出以使工业水资源得到节约。工业用水价格弹性的存在能够说明工业水价提升对工业节水的促进作用。从理论上说,用水的价格弹性即用水价格变动时对水资源需求量相应变动的灵敏度
?lnP=?lnW?lnVw=1/(1-c)^[20]（其中W、P、 Vw分别表示对水资源的需求量、用水价格、水的边际收益,水价等于水的边际收益;C为水的产值弹性）,只要水资源对产值有贡献,即≠0,那么用水价格弹性C≠0,用水价格变动就会带来对水资源需求量的相应变动。从事实上说,研究计算得出1996年北京市水资源价格弹性为-1.11^[19],1990-2000年北京市平均万元工业产值用水量的价格弹性为-0.395~ -0.593^[21],所以水价上升确实可以在一定程度上带来工业用水量的下降。

4.4 水权交易

水权交易是水资源使用权的部分转让或全部转让,先由国家将水权分配给省级单位,再细分到基层,各地用不完的指标可以相互交易。如果分配到可使用的水资源不能够满足工业企业对水资源的需求,企业需要购买水权从而增加了企业用水成本,而如果分配到可使用的水资源有剩余,企业就可以将剩余的水权转卖出去从而增加了企业的整体利润。这样就可以激励工业企业节约用水,同时促进节水技术创新的产生和结构调整的实现,促进工业用水倒“U”型曲线的产生。
目前并没有工业水权交易的案例,但已经发生的张掖市农民水票交易有效提高了农民节水意识,促进了农民节水,宁夏、内蒙古农业水权转向工业企业以及新疆吐鲁番政府与企业之间进行的水权转换,在减少农业用水的同时有效解决了工业企业的用水瓶颈。若工业企业间建立起有效的水权交易机制,同样可以增强企业的节水意识,促进节水的发生。

5 结论及启示

5.1 结论

基于2000-2013年中国31个省的面板数据,在单位根以及协整检验的基础上,本文对工业水资源利用与工业经济增长的关系进行了实证检验,结果显示：
（1）东部地区工业用水与工业经济增长之间的关系曲线呈现为倒“U”型曲线,东部地区的拐点出现在人均工业增加值28 612.150元/人时。
（2）全国与西部地区工业用水与工业经济增长之间的关系曲线呈现“N”型,虽然模型的系数通过显著性检验,但模型并没有实数解,不存在拐点,可以近似地认为全国以及西部地区工业用水与工业经济增长之间满足单调递增的关系。
（3）中部地区工业用水与工业经济增长间的关系曲线拐点分别出现在人均工业增加值15 546.048元/人和35 733.952元/人时。
（4）有东部地区倒“U”型曲线的先例,以及中部地区倒“N”型曲线工业用水量下降段的存在,相信全国、西部地区工业用水随工业经济增长而下降指日可待,但现实情况中东部地区绝大多数省份的人均工业增加值在达到拐点所在水平时,其工业用水量的下降并未自然而然的实现,以及中部地区工业用水与工业经济增长关系曲线第二个拐点的存在,都说明了合理采取刺激工业节水的相关政策及措施的必要性。

5.2 启示

（1）经分析,技术创新、结构调整、水价上升以及水权交易制度的实施都是使工业用水下降的原因。技术创新从微观层面在生产环节控制水资源的利用量,而产业调整以及工业内部行业调整则从宏观层面上节约了水资源利用。水价上升以及水权交易通过微观层面上的企业追求低成本高收益的本质从而推动技术创新以及结构调整的实现,最终达到使工业用水得以节约的目的。
（2）基于以上研究及结论,为使工业用水随工业经济增长而下降尽早实现,企业要坚持技术创新,坚持节水设备改革,降低工业耗水率的同时提高工业用水重复利用率。政府要积极引导产业结构调整以及工业内部行业调整,适当减少工业比重,同时降低高耗水、高耗能、高污染行业比重,早日实现资源节约型和环境友好型社会。各省（市、自治区）根据各自实际情况,适当提升工业用水价格,增加工业企业用水成本,减少水资源浪费,还要积极配合水权交易制度的实施,利用好市场机制,提高水资源使用效率。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Kuznets S S.Economic growth and income inequality [J]. The American Economic Review,1955,45(1):1-28. [本文引用: 1]
[2]	Grossman G E,Krueger A B.Environment Impacts of a North American Free Trade Agreement[R]. NBER Working Paper No.3914,1991. [本文引用: 1]
[3]	沈满洪,许云华. 一种新型的环境库兹涅茨曲线-浙江省工业化进程中经济增长与环境变迁的关系研究 [J]. 浙江社会科学,2000,(4):53-57. [本文引用: 1] [SHEN Manhong,XU Yunhua.A new type of environmental Kuznets:Analysis of the relationship between economic growth and environment change through the process of industrialization of Zhejiang Province [J]. Zhejiang Social Science,2000,(4):53-57.] [本文引用: 1]
[4]	贾绍凤,张士峰,杨红,等. 工业用水与经济发展的关系-用水库兹涅茨曲线 [J]. 自然资源学报,2004,19(3):279-284. [本文引用: 3] [JIA Shaofeng,ZHANG Shifeng,YANG Hong,et al.Relation of industrial water use and economic development:Water use Kuznets Curve [J]. Journal of Natural Resources,2004,19(3):279-284.] [本文引用: 3]
[5]	张陈俊,章恒全. 新环境库兹涅茨曲线:工业用水与经济增长的关系 [J]. 中国人口·资源与环境,2014,24(5):116-123. [本文引用: 1] [ZHANG Chenjun,ZHANG Hengquan.A new environmental Kuznets Curve:Relationship between industrial water use and economic growth [J]. China Population,Resources and Environ-ment,2014,24(5):116-123.] [本文引用: 1]
[6]	中华人民共和国国家统计局. 中国统计年鉴[M]. 北京:中国统计出版社,2001-2014. [本文引用: 2] [National Bureau of Statistics of the People’s Republic of China. China Statistical Yearbook[M]. Beijing:China Statistic Press,2001-2014.] [本文引用: 2]
[7]	Levin A,Lin C F,Chu C.Unit root tests in panel data:Asymptotic and finite-sample properties [J]. Journal of Econometrics,2002,108(1):1-24. [本文引用: 1]
[8]	Breitung J.The local power of some unit root tests for panel data [J]. Advances in Econometrics,2000,15:161-178. [本文引用: 1]
[9]	Im K S,Pesaran M H,Shin Y.Testing for unit roots in heterogeneous panels [J]. Journal of Econometrics,2003,115(1):53-74. [本文引用: 1]
[10]	Maddala G S,Wu S.A comparative study of unit root tests with panel data and a new simple test [J]. Oxford Bulletin of Economics and Statistics,1999,61(S1):631-652. [本文引用: 1]
[11]	Choi I.Unit root tests for panel data [J]. Journal of International Money and Finance,2001,20(2):249-272. [本文引用: 1]
[12]	Pedroni P.Critical value for cointegration tests in heterogeneous panels with multiple regressors [J]. Oxford Bulletin of Economics and Statistics,1999,61(S1):653-670. [本文引用: 2]
[13]	Pedroni P.Panel cointegration:Asymptotic and finite sample properties of pooled time series tests with application to the PPP hypothesis [J]. Econometric Theory,2004,20(3):597-625. [本文引用: 2]
[14]	陈东景. 中国工业水资源消耗强度变化的结构份额和效率份额研究 [J]. 中国人口·资源与环境,2008,18(3):211-214. [本文引用: 2] [CHEN Dongjing.Structural share and efficiency share of industrial water consumption intensity change in China [J]. China Population,Resources and Environment,2008,18(3):211-214.] [本文引用: 2]
[15]	陈雯,王湘萍. 我国工业行业的技术进步、结构变迁与水资源消耗-基于LMDI方法的实证分析 [J]. 湖南大学学报(社会科学版),2011,25(2):68-72. [CHEN Wen,WANG Xiangping.Technology progress,structure shift and water intensity in Chinese industry:An analysis based on LMDI method [J]. Journal of Hunan University (Social Science),2011,25(2):68-72.]
[16]	姜蓓蕾,耿雷华,卞锦宇,等. 中国工业用水效率水平驱动因素分析及区划研究 [J]. 资源科学,2014,36(11):2231-2239. [本文引用: 1] [JIANG Beilei,GENG Leihua,BIAN Jinyu,et al.Driving factor analysis and the spatial regionalization on the industrial water use efficiency in China [J]. Resources Science,2014,36(11):2231-2239.] [本文引用: 1]
[17]	鲁欣,秦大庸,胡晓寒. 国内外工业用水状况比较分析 [J]. 水利水电技术,2009,40(1):102-105. [LU Xin,QIN Dayong,HU Xiaohan.A comparative analysis on present status of industrial water use at home and abroad [J]. Water Resources and Hydropower Engineering,2009,40(1):102-105.]
[18]	贾绍凤,张士峰,夏军,等. 经济结构调整的节水效应 [J]. 水利学报,2004,(3):111-116. [JIA Shaofeng,ZHANG Shifeng,XIA Jun,et al.Effect of economic structure adjustment on water saving [J]. Journal of Hydraulic Engineering,2004,(3):111-116.]
[19]	贾绍凤. 工业用水零增长的条件分析-发达国家的经验 [J]. 地理科学进展,2001,20(1):51-59. [本文引用: 3] [JIA Shaofeng.The linkage between industrial water use decrease and industrial structural upgrade-experience of developed countries [J]. Progress in Geography,2001,20(1):51-59.] [本文引用: 3]
[20]	沈大军,王浩,杨小柳,等. 工业用水的数量经济分析 [J]. 水利学报,2000,(8):27-31. [本文引用: 1] [SHEN Dajun,WANG Hao,YANG Xiaoliu,et al.The econometric analysis of industrial water use [J]. Journal of Hydraulic Engineering,2000,(8):27-31.] [本文引用: 1]
[21]	贾绍凤,张士峰. 北京市水价上升的工业用水效应分析 [J]. 水利学报,2003,(4):108-113. [本文引用: 1] [JIA Shaofeng,ZHANG Shifeng.Response of industrial water use to water price rising in Beijing [J]. Journal of Hydraulic Engineering,2003,(4):108-113.] [本文引用: 1]