治理模式差异视角下的城市水资源系统全要素生产率

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

王兵¹, 祝葶¹, 杜敏哲^,²

1. 暨南大学经济学院,广州 510632

2. 华南师范大学经济与管理学院,广州 510631

Total factor productivity of urban water resources system from the perspective of governance mode differences

WANG Bing¹, ZHU Ting¹, DU Minzhe^,²

1. School of Economics, Jinan University, Guangzhou 510632, China

2. School of Economics and Management, South China Normal University, Guangzhou 510631, China

通讯作者: 杜敏哲,男,广东肇庆人,特聘副研究员,研究方向为资源与环境经济学。E-mail: minzhe_du@126.com

收稿日期:2020-06-22修回日期:2020-10-18网络出版日期:2021-04-25

基金资助:

教育部哲学社会科学研究重大课题攻关项目.17JZD013
广东省普通高校青年创新人才项目.2020WQNCX012
广州市哲学社科规划2020年度课题.2020GZGJ57

Received:2020-06-22Revised:2020-10-18Online:2021-04-25
作者简介 About authors
王兵,男,河南孟州人,教授,研究方向为资源与环境经济学。E-mail: twangb@jnu.edu.cn

摘要
科学测算水资源系统全要素生产率,对保障城市水资源系统的可持续运行意义重大。本文构建了由“供水-用水-净水”3个子系统组成的城市水资源系统,基于网络RAM模型和两期Luenberger生产率指数,测算了2004—2016年中国95个城市分别在独立、综合和合作治理模式下的水资源系统生产率,对比分析了不同治理模式下其驱动因素和耦合效应的差异。研究发现：①从全样本层面来看,中国城市水资源系统生产率的年均增速较低,并按综合型模式（0.488%）、合作型模式（0.463%）、独立型模式（0.292%）的顺序依次递减,但其增长都来源于技术进步,并且主要来源于用水子系统的贡献。②通过治理模式识别后,发现大多数城市适合综合型治理模式,且水资源系统生产率指数也有显著提高。因此,科学测算不同治理模式下的城市水资源系统生产率,实施差异化的水资源系统管理政策,对推动城市水资源系统的可持续发展具有重要的现实意义。
关键词： 城市水资源系统;网络RAM模型;两期Luenberger生产率指数;治理模式;耦合效应;水资源系统管理

Abstract

Measuring the total factor productivity (TFP) of water resources system scientifically can facilitate the sustainable operation of urban water resources system. Based on the water supply-water use-water purification subsystems and using the network range adjusted measure (RAM) model and biennial Luenberger productivity index, this study calculated the TFP of water resources system in 95 cities of China from 2004 to 2016 under independent, comprehensive, and cooperative governance modes, and comparatively analyzed its driving factors and coupling effects under the three governance modes. At the full sample level, the annual TFP of urban water resources system in China is low, and it decreases successively in the order of comprehensive mode (0.488%), cooperative mode (0.463%), and independent mode (0.292%). However, its growth is derived from technological progress and mainly from the contribution of the water use subsystem. After the identification of governance mode, we found that most cities are suitable for the comprehensive governance pattern, and under such governance mode, the TFP of water resources system is also significantly improved. Therefore, scientifically measuring the TFP of urban water resources system under different governance modes and implementing differentiated management policies have important practical significance for promoting sustainable development of urban water resources system.

Keywords：urban water resources system;network RAM model;biennial Luenberger productivity index;governance mode;coupling effect;water resources system management

PDF (1280KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
王兵, 祝葶, 杜敏哲. 治理模式差异视角下的城市水资源系统全要素生产率. 资源科学[J], 2021, 43(4): 813-822 doi:10.18402/resci.2021.04.15
WANG Bing, ZHU Ting, DU Minzhe. Total factor productivity of urban water resources system from the perspective of governance mode differences. RESOURCES SCIENCE[J], 2021, 43(4): 813-822 doi:10.18402/resci.2021.04.15

1 引言

水资源是城市兴起和赖以生存的生命线,城市水资源危机表面上是供需矛盾,实质上却是由于水资源的配置不合理和治理制度不当造成的^[1]。2012年,中国出台了《关于实行最严格水资源管理制度的意见》,要求严格落实“三条红线”规定,2015年出台的《水污染防治行动计划》提出合理推进“三水协同治理模式”,这一系列政策标志着中国水资源管理进入了以质量改善为核心的阶段。城市是水资源管理的基本单元,城市水资源系统应该是一个由“供水-用水-净水”构成的网络系统,承担着“节水-减排-去污”的重任。因此,科学地测算不同治理模式下的城市水资源系统生产率,提出差异化的水资源系统管理建议,对推动城市水资源系统的供需平衡与可持续发展具有重要的现实意义。

国内外****关于水资源效率和全要素生产率的研究可以主要概括为以下两类：①只单独考虑水资源系统的各阶段,使用随机边界分析法（SFA）或传统数据包络分析法（DEA）,分别测算水资源利用效率^[2,3,4,5]、供水效率^[6,7,8,9]、污水处理效率^{[10,11,12,13,14]},部分****也进行了相关的收敛性分析^[15,16],或是进一步采用Malmquist等指数法分析水资源全要素生产率的时空特征^[17,18,19];②在考虑水资源系统内部污染物产生与处理的过程后,使用网络DEA模型来测算用水和污水处理两阶段的效率^{[20,21,22,23]}。但是上述研究仍存在不足：第一,水资源系统应该由“供水-用水-净水”3个子系统组成,但目前文献仅局限于用水-净水的两阶段研究。第二,即使考虑到两阶段,也并没有对子系统之间的耦合效应进行详细分析。第三,目前水资源研究仍主要集中在工业、农业等方面,较少关注城市水资源问题,也较少从动态角度考察整个系统生产率变化及分解问题,因此难以探究整个水资源系统全要素生产率增长的源泉。

鉴于此,本文构建了由“供水-用水-净水”3个子系统组成的城市水资源系统,借鉴Kao^[24]提出的多种模式的网络DEA模型和尹向飞等^[25]的生产率研究,假设城市水资源系统内部存在独立、综合和合作治理模式,使用网络RAM模型和两期Luenberger生产率指数测算了2004—2016年中国95个( 独立治理模式型城市（15个）：无锡、青岛、珠海、本溪、潍坊、安阳、杭州、厦门、常州、昆明、岳阳、临汾、柳州、温州、南昌。综合治理模式型城市（52个）：广州、上海、深圳、天津、重庆、南京、大连、济南、苏州、沈阳、石家庄、宁波、吉林、烟台、泉州、保定、牡丹江、唐山、合肥、包头、连云港、抚顺、汕头、桂林、开封、南通、福州、枣庄、平顶山、遵义、贵阳、咸阳、北海、泰安、湛江、延安、焦作、绍兴、海口、西宁、九江、锦州、张家界、马鞍山、呼和浩特、秦皇岛、长治、大同、韶关、扬州、西安、芜湖。合作治理模式型城市（28个）：北京、武汉、成都、鞍山、济宁、郑州、长沙、洛阳、齐齐哈尔、徐州、哈尔滨、邯郸、攀枝花、石嘴山、长春、日照、南宁、宝鸡、株洲、铜川、太原、阳泉、淄博、荆州、绵阳、湖州、银川、泸州。)城市的水资源系统生产率,并通过对比分析这3种治理模式下其驱动因素和耦合效应的差异。

2 研究方法

2.1 网络RAM（Range Adjusted Measure）模型

不同的治理模式下,各子系统之间的耦合效应不同,水资源系统生产率和子系统生产率也不同。本文借鉴Kao^[24]关于网络DEA模型的假想,假设存在独立、综合和合作治理模式,并将其与网络RAM模型相结合,运用到城市水资源系统绩效研究。

（1）

\begin{array}{l} Max \overset{3}{\sum_{k = 1}} w^{k} [\frac{1}{I^{k} + M^{k} + L^{k}} (\overset{I^{k}}{\sum_{i = 1}} \frac{s_{iA}^{k -}}{R_{i}^{k -}} + \overset{M^{k}}{\sum_{m = 1}} \frac{s_{mA}^{k +}}{R_{m}^{k +}} + \overset{L^{k}}{\sum_{l = 1}} \frac{s_{lA}^{k -}}{R_{l}^{k -}})] \\ \overset{95}{\sum_{j = 1}} λ_{j}^{k} x_{ij}^{k} + s_{iA}^{k -} = x_{iA}^{k}, \overset{95}{\sum_{j = 1}} λ_{j}^{k} y_{mj}^{k} - s_{mA}^{k +} = y_{mA}^{k}, \overset{95}{\sum_{j = 1}} λ_{j}^{k} b_{lj}^{k} + s_{lA}^{k -} = b_{lA}^{k}; \\ R_{i}^{k -} = Max (x_{ij}) - Min (x_{ij}), R_{m}^{k +} = Max (y_{mj}) - Min (y_{mj}), \\ R_{l}^{k -} = Max (b_{lj}) - Min (b_{lj}); \overset{3}{\sum_{k = 1}} w^{k} = 1, \overset{95}{\sum_{j = 1}} λ_{j}^{k} = 1; \\ w^{k} > 0; λ_{j}^{k}, s_{i j^{'}}^{k -}, s_{r j^{'}}^{k +}, s_{l j^{'}}^{k -} \geq 0 \end{array}

本文将中国95个城市作为全部决策单元,并假设每个决策单元

j (j = 1, 2, \dots, 95)

,均有3个子系统,对于第k个子系统

(k = 1, 2, 3)

,均使用I^k种从整个系统外部可看见的外生投入

x_{i}^{k} (i = 1, 2, \dots, I^{k})

,生产M^k种外生好产出

y_{m}^{k} (m = 1, 2, \dots, M^{k})

和L^k种外生坏产出

b_{l}^{k} (l = 1, 2, \dots, L^{k})

;

s_{i}^{k -}

s_{m}^{k +}

s_{l}^{k -}

分别是外生投入、外生好产出、外生坏产出的的松弛变量,代表投入产出的实际值与目标值之间的差距,并且每个松弛变量都用其投入产出的最大值与最小值的极差来进行调整;w^k是第k个子系统的权重,代表第k个子系统的相对重要性,且权重之和等于1;

\overset{95}{\sum_{j = 1}} λ_{j}^{k} = 1

表示规模报酬可变。以第A个决策单元

DM U_{A}

为例,其在独立、综合和合作3种治理模式下的目标函数、外生投入和外生产出的约束条件都相同,均可由式（1）表示,仅中间产品的约束条件不同。因此后文为突出治理模式的差异,将列出3种模式下中间产品的整体约束条件。

（2）

\{\begin{array}{l} \begin{array}{l} \overset{95}{\sum_{j = 1}} λ_{j}^{1} z_{fj}^{(1, 2)} \geq z_{fA}^{(1, 2)} \geq \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{fj}^{(1, 2)} \\ \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{gj}^{(2, 3)} \leq z_{gA}^{(2, 3)} \leq \overset{95}{\sum_{j = 1}} λ_{j}^{3} z_{gj}^{(2, 3)} \end{array}\} 独立治理模式 \\ \begin{array}{l} \overset{95}{\sum_{j = 1}} λ_{j}^{1} z_{fj}^{(1, 2)} \geq \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{fj}^{(1, 2)} \\ \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{gj}^{(2, 3)} \leq \overset{95}{\sum_{j = 1}} λ_{j}^{3} z_{gj}^{(2, 3)} \end{array}\} 综合治理模式 \\ \begin{array}{l} \overset{95}{\sum_{j = 1}} λ_{j}^{1} z_{fj}^{(1, 2)} = \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{fj}^{(1, 2)} \\ \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{gj}^{(2, 3)} = \overset{95}{\sum_{j = 1}} λ_{j}^{3} z_{gj}^{(2, 3)} \end{array}\} 合作治理模式 \end{array}

式中：变量右上标1,2,3依次表示供水、用水、净水子系统;f、g分别表示供水和用水子系统之间、用水和净水子系统之间的中间产品;

z_{fA}^{(1, 2)}

表示有效供水量,既是供水子系统的中间好产出,也是用水子系统的中间投入;同理

z_{gA}^{(2, 3)}

表示可继续被净化处理的污水量,既是用水子系统的中间坏产出,也是净水子系统的中间投入。首先,式（2）的第1、2个约束条件为独立治理模式下的约束条件,其中各子系统相互独立,追求自身效率最大化,即完全忽略中间产品的耦合效应,各子系统都直接等同于传统DEA模型中的决策单元,都愿使用最少投入获得最大产出。其次,式（2）的第3、4个约束条件为综合治理模式下的约束条件,其中各子系统之间必须保持连续性,前一子系统生成的中间产品必须足够供后一子系统使用。在综合治理模式下,中间产品的目标值与实际值的大小关系并不确定,因此可能会出现超效率情况。最后,式（2）的第5、6个约束条件为合作治理模式下的约束条件。虽然综合治理模式下的连续性要求看似合理且必要,实则不是最优。因为从整个水资源系统内部来看,各子系统本质上仍独立运行,例如,供水子系统多生产的中间好产出可能被浪费,用水子系统多排放的中间坏产出可能不被处理,所以更合理的情景是子系统之间互相合作,就一个目前（未知的）产出和投入的数量达成一致,减少系统内部的浪费或剩余。

（3）

\{\begin{array}{l} \overset{95}{\sum_{j = 1}} λ_{j}^{1} z_{fj}^{(1, 2)} - e_{fA}^{1 +} = \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{fA}^{(1, 2)} + e_{fA}^{2 -} = z_{fA}^{(1, 2)} \\ \overset{95}{\sum_{j = 1}} λ_{j}^{2} z_{gj}^{(2, 3)} + e_{gA}^{2 -} = \overset{95}{\sum_{j = 1}} λ_{j}^{3} z_{gj}^{(2, 3)} - e_{gA}^{3 +} = z_{gA}^{(2, 3)} \end{array}

式中：

e_{fA}^{1 +} 、 e_{fA}^{2 -}

就分别表示第1种中间产品处于不同状态的松弛改进量;相应地

e_{gA}^{2 -} 、 e_{gA}^{3 +}

就分别表示第2种中间产品处于不同状态的松弛改进量。式（3）的两个约束条件表示,在3种治理模式下,两种中间产品的实际值通过松弛变量改进后等于目标值,随后,依次将式（1）、式（3）分别与式（2）中3种治理模式的中间产品约束条件联立,令求出的最优解均由

s_{iA}^{(k -) *} 、 s_{mA}^{(k +) *} 、 s_{lA}^{(k -) *} 、 {e_{fA}^{(1 +)}}^{*} 、 {e_{fA}^{(2 -)}}^{*} 、 {e_{gA}^{(2 -)}}^{*} 、 {e_{gA}^{(3 +)}}^{*}

表示,则整个水资源系统的效率计算如下：

（4）

\begin{array}{l} E_{A} = 1 - \\ \overset{3}{\sum_{k = 1}} w^{k} [\frac{1}{I^{k} + M^{k} + L^{k}} (\overset{I^{k}}{\sum_{i = 1}} \frac{{s_{iA}^{(k -)}}^{*}}{R_{i}^{k -}} + \overset{M^{k}}{\sum_{m = 1}} \frac{{s_{mA}^{(k +)}}^{*}}{R_{m}^{k +}} + \overset{L^{k}}{\sum_{l = 1}} \frac{{s_{lA}^{(k -)}}^{*}}{R_{l}^{k -}})] \end{array}

本文测算水资源系统效率时并没有考虑中间产品,但测算各子系统效率时,为比较不同治理模式对各子系统绩效的影响,即耦合效应,考虑了中间产品的影响。其中,供水子系统和净水子系统都只有一种中间产品,而用水子系统有两种中间产品,则以用水子系统为例,用

R_{f}^{2 -} 、 R_{g}^{2 -}

表示这两种中间产品的最大值和最小值的极差,则该子系统的效率计算如下：

（5）

\begin{array}{l} E_{A}^{2} = 1 - \frac{1}{I^{2} + M^{2} + L^{2} + 2} \\ (\overset{I^{2}}{\sum_{i = 1}} \frac{{s_{iA}^{(2 -}}^{) *}}{R_{i}^{2 -}} + \overset{M^{2}}{\sum_{m = 1}} \frac{{s_{mA}^{(2 +)}}^{*}}{R_{m}^{2 +}} + \overset{L^{2}}{\sum_{l = 1}} \frac{{s_{lA}^{(2 -)}}^{*}}{R_{l}^{2 -}} + \frac{{e_{fA}^{(2 -)}}^{*}}{R_{f}^{2 -}} + \frac{{e_{gA}^{(2 -)}}^{*}}{R_{g}^{2 -}}) \end{array}

2.2 水资源系统生产率的构建

在以往大多数文献中,基于网络DEA模型进行全要素生产率测算与分解的方法都将整个系统视为“黑箱”,无法深入探究其全要素生产率增长的源泉。因此本文参照尹向飞等^[25]的做法,在基于网络RAM模型计算效率的前提下,选择具有相加结构优势的两期Luenberger生产率指数模型来测算生产率。为解决线性规划中的不可行解问题,将pastor等构造生产边界的两期技术^[26]引入Luenberger生产率指数,构建两期Luenberger生产率指数,即水资源系统生产率指数WBL。在式（6）中,首先,按照传统二分法,将其分解为技术进步

TC

和效率改进

EC

;其次,将其进一步分解为供水、用水、净水生产率,深入探究水资源系统生产率增长的源泉,借鉴以往的网络DEA文献,本文认为各子系统都同等重要,其权重应相等,

w^{1} = w^{2} = w^{3} = \frac{1}{3}

。则水资源系统生产率指数WBL,具体计算如下：

（6）

WBL = EC + TC = \overset{3}{\sum_{k = 1}} w^{k} WB L^{k}

2.3 变量选取与数据说明

本文将城市水资源系统分为供水、用水、净水3个子系统,其具体结构如图1所示。

图1

新窗口打开|下载原图ZIP|生成PPT
图1城市水资源系统

Figure 1Urban water resources system

2.3.1 供水子系统

在供水子系统中,供水行业利用年耗电总量（E₁）、从事供水活动的劳动力（L₁）、供水管网长度（D）进行生产,得到有效供水量（W）,同时,还因为供水管网破损等原因产生漏损水量（LW）。以上数据整理自历年的《城市供水统计年鉴》。

2.3.2 用水子系统

在用水子系统中,将供水子系统生产的水资源作为中间投入。劳动投入则采用历年从业人员数（L₂）作为代理变量,资本投入采用城市固定资本存量（K）。本文参照王兵等^[27]的做法,将城市固定资产投资总额作为当年投资额,并用各城市所在省份的固定资产投资价格指数对其进行平减,再采用各城市所在省份的折旧率,计算出当期资本存量。通过生产得到的地区生产总值（GRP）,用CEIC数据库的各城市GRP指数对其进行平减,转换为以2003年为基期的不变价。同时该子系统也会排放出污水,一部分污水（TW）会被转移到净水子系统,另一部分污水（BW）则未经净化处理直接排入环境,后者由城市污水排放总量减去城市污水处理量得到。以上数据整理自历年的《中国城市统计年鉴》《中国统计年鉴》《中国城市建设统计年鉴》。

2.3.3 净水子系统

在净水子系统中,城市污水处理厂承担“去污”角色,将用水子系统排放的部分污水作为中间投入,污水处理厂运行费用（C）、排水管道长度（P）作为外生投入,同时选择更能代表城市污水处理能力的COD和NH₄削减量（分别以COD和NH表示）作为产出。以上数据整理自历年的《中国城市建设统计年鉴》《中国环境年鉴》《城镇排水统计年鉴》^②(② 《中国环境年鉴》的COD和NH₄削减量数据只统计到2015年,2016年数据则是根据李晓莉等^[13]的做法,通过整理2017年《城镇排水统计年鉴》得到。)。

3 结果与分析

在实际生活中,水资源的供应、利用与污水净化,直接关系到整个国民经济的发展,而本文仅从模型假设出发,合理地构建一个假想的“城市水资源系统”,根据上述的研究方法及所得到的全部数据,运用GAMS.24.8软件测算了2004—2016年每个城市在3种治理模式下的水资源系统生产率指数,为分析不同治理模式下提升中国城市水资源系统的可持续性提供生产率视角的解释。

3.1 水资源系统生产率增长及其驱动因素

城市水资源系统生产率变化可分别沿着横向和纵向两个维度进行解构,纵向分解为效率变化和技术变化,横向分解可沿子系统生产率推进。若将横向维度和纵向维度相结合,来识别影响技术效率变化和技术水平变化的关键子系统,将有利于理清不同治理模式下,中国城市水资源系统生产率增长的形成路径。表1是2004—2016年中国城市水资源系统和各个子系统在3种模式下的效率变化、技术变化和生产率变化（变量右下标D、H、C分别表示独立、综合、合作治理模式）。

Table 1
表1
表12004—2016年中国城市水资源系统生产率及其分解项的平均值
Table 1Average unit of productivity of urban water resources system and its decomposition in China, 2004-2016

子系统	独立型			综合型			合作型
子系统	EC_D	TC_D	WBL_D	EC_H	TC_H	WBL_H	EC_C	TC_C	WBL_C
供水子系统	-0.065	0.052	-0.013	-0.030	0.382	0.352	-0.032	0.358	0.326
用水子系统	-0.050	0.653	0.603	-0.004	0.617	0.613	-0.006	0.614	0.608
净水子系统	-0.107	-0.014	-0.121	-0.000	0.501	0.500	0.008	0.446	0.454
水资源系统	-0.074	0.366	0.292	-0.012	0.500	0.488	-0.010	0.473	0.463

新窗口打开|下载CSV

在全样本水平下,3种模式下的测算结果有较大差异。从总体来看,2004—2016年中国城市水资源系统生产率的年均增速较低,并按综合模式（0.488%）、合作模式（0.463%）、独立模式（0.292%）的顺序依次递减。从纵向维度来看,3种治理模式下的技术变化均为正值,效率变化均为负值,说明技术进步推动了水资源系统全要素生产率的增长,而效率恶化则发挥了阻碍作用,即在中国水资源系统的生产边界不断向外扩张的过程中,大部分环保重点城市却逐渐远离生产边界。从横向维度来看,仅独立型治理模式下的供水生产率和净水生产率出现负增长,其他两种治理模式的3个子系统生产率均呈现增长趋势。其中,3种治理模式下,用水生产率显著高于供水和净水生产率,是促进整个系统生产率增长的主要驱动因素。若将横向维度和纵向维度相结合,可以识别出不同治理模式下,影响效率恶化和技术进步的关键子系统。在独立治理模式下,效率恶化主要是因为净水效率持续降低,而在综合和合作治理模式下,则都是因为供水效率偏低。但不论在哪种模式下,技术进步都主要来源于用水子系统的贡献。同时,按综合型治理模式运行的城市水资源系统的可持续性发展趋势更突出,这可能是因为该模式理论上要求各子系统在满足连续性的前提下,通过保持适度的合作使整个水资源系统可持续平衡运行。

3.2 水资源系统生产率增长的治理模式识别与耦合效应分析

前文通过测算发现综合治理模式下的水资源系统生产率增长最大,但这只是全样本的平均水平,并不意味着每一个城市在该模式下都能达到最大绩效,因此还需要根据测算结果对每个城市的治理模式进行识别。本文将按照以下思路进行：首先,比较每个城市在不同治理模式下的水资源系统生产率增长率的大小,在哪种治理模式下最大,就确定该城市水资源系统运行更适用于这种模式,从而将所有城市划分为独立型治理、综合型治理、合作型治理城市;其次,通过分析不同治理模式对子系统绩效的影响,即耦合效应,找到各子系统之间协调运行的根本原因。

3.2.1 治理模式识别

本文根据测算结果进行分类,共划分出15个独立型城市、52个综合型城市、28个合作型城市,但由于篇幅限制,只列出各类型中水资源系统生产率增长排名前5名的城市,具体见表2。相较于全样本,三大治理城市的整个系统的生产率增长率都显著提高,说明治理模式识别是很有必要的。

Table 2
表2
表22004—2016年不同治理模式类型的城市水资源系统生产率及其分解项的年均变化率
Table 2Annual rate of change of water resources system productivity and its decomposition in cities of different governance types, 2004-2016

城市	水资源系统	供水子系统			用水子系统			净水子系统			排名
城市	WBL	WBL¹	EC¹	TC¹	WBL²	EC²	TC²	WBL³	EC³	TC³	排名
独立型城市
无锡市	2.509	-0.075	-0.387	0.312	1.033	0.000	1.033	6.568	1.565	5.002	1
青岛市	1.287	0.276	0.170	0.105	1.290	0.000	1.290	2.296	-0.406	2.702	2
珠海市	0.630	-0.075	-0.235	0.159	0.143	-0.206	0.348	1.820	0.320	1.501	3
本溪市	0.626	0.890	0.899	-0.008	0.959	0.000	0.959	0.028	0.098	-0.070	4
潍坊市	0.462	-0.147	-0.133	-0.014	0.776	0.000	0.776	0.757	-0.450	1.205	5
均值	0.458	-0.077	-0.163	0.086	0.472	-0.113	0.585	0.979	0.014	0.964	-
综合型城市
广州市	6.790	13.014	0.000	13.014	5.745	0.000	5.745	1.612	-0.002	1.614	1
上海市	5.634	6.642	0.000	6.642	6.884	0.000	6.884	3.377	-0.486	3.863	2
深圳市	3.858	2.429	-0.305	2.733	4.857	0.000	4.857	4.288	1.160	3.129	3
天津市	2.332	0.818	0.073	0.745	3.171	1.008	2.163	3.006	0.037	2.970	4
重庆市	1.816	0.269	0.267	0.001	1.017	0.586	0.429	4.161	-0.307	4.468	5
均值	0.627	0.593	0.047	0.546	0.715	0.010	0.705	0.572	0.050	0.522	-
合作型城市
北京市	3.752	0.910	-2.571	3.481	5.142	-0.627	5.770	5.202	-0.395	5.597	1
武汉市	1.410	-0.168	-0.267	0.099	1.037	0.397	0.640	3.360	0.498	2.862	2
成都市	1.258	0.057	0.105	-0.049	-0.077	-0.395	0.319	3.794	0.094	3.701	3
鞍山市	1.002	0.639	0.462	0.176	2.157	0.000	2.157	0.209	-0.140	0.351	4
济宁市	0.660	0.106	0.177	-0.072	0.399	0.112	0.287	1.475	0.880	0.595	5
均值	0.521	0.510	-0.061	0.571	0.575	0.030	0.545	0.476	0.035	0.442	-

注：每个类型只列了前5名的城市,但均值为全体城市的均值。

新窗口打开|下载CSV

独立型城市的水资源系统生产率增长的主要动力变成了净水子系统,这主要归因于城市污水处理厂的减排技术优化升级;但供水生产率显著拉低了水资源系统生产率指数,这可能是因为大部分独立型城市都位于东部,其经济发展速度快、公共基础设施多、供水管网更新速度快,从而导致漏损水量过多、有效供水量不足。

综合型城市的水资源系统生产率仍高于另外两类治理城市,与前文结论接近,这也说明了综合治理模式下的耦合效应最大,即各子系统之间既相互制约也相互合作,从而提高整个水资源系统和子系统的绩效。

合作型城市的水资源系统生产率仍然介于独立型城市和综合型城市之间。理论上,合作治理模式认为整个系统的最佳运行状态是供需平衡,所以供过于求或是供不应求都不是最优的^[28],然而实际测算结果表明并非如此。因为合作模式的约束条件尽管比综合模式更加严格,避免了整个系统内部产生浪费或剩余的情况,但同时也忽略了水资源系统自身的脆弱性。假设子系统之间实现完全供需平衡,一旦突发严重的自然灾害或人为污染,水资源供求之间就会出现缺口,就会直接影响到城市水资源系统的可持续运行,所以合作型城市的水资源系统全要素生产率增长会低于综合型城市。

3.2.2 耦合效应分析

针对具有网络结构的决策单元,测算子系统效率时需要考虑到中间产品可能处于超效率状态。而作为连接两个子系统的中间产品,其超效率状态也分为两种情形：第一种,作为前一子系统的中间产出时,其实际产出高于预期产出,松弛改进值小于0,效率大于1;另一种,作为后一子系统的中间投入时,其实际投入低于预期投入,松弛改进值小于0,效率大于1。当然对于同一种中间产品,两种情形不可能同时发生,例如当中间产品作为中间产出时,处于超效率状态,那么作为中间投入必然是低效率的,反之亦然。

因此本文通过借用中间产品的松弛改进值表示其效率,来分析不同治理模式对各子系统绩效的影响,即耦合效应。前文也提到,独立模式中的每个子系统都等同于传统DEA模型中的决策单元,故没有必要分析独立模式下的耦合效应,本文重点讨论另外两种治理模式。由于篇幅限制,本文只列出综合型和合作型城市中水资源系统生产率增长排名前15名的城市,具体如表3所示。

Table 3
表3
表32003—2016年部分综合型城市的中间产品的年均松弛值
Table 3Average annual slack of intermediate products in selected cities of comprehensive type, 2003-2016

城市	供水子系统的中间产出	用水子系统的中间投入	用水子系统的中间产出	净水子系统的中间投入	排名
城市	$e_{f}^{1 +}$	$e_{f}^{2 -}$	$e_{g}^{2 -}$	$e_{g}^{3 +}$
广州市	0.000	0.000	0.000	-384.286	1
上海市	0.000	0.000	0.000	-514.286	2
深圳市	0.000	0.000	0.000	-405.000	3
天津市	-2.065	2.078	45.179	-157.400	4
重庆市	-4.795	4.784	175.700	-276.269	5
南京市	-3.721	3.723	256.929	-275.714	6
大连市	0.000	0.000	0.000	-53.071	7
济南市	-0.951	0.946	27.460	-52.621	8
苏州市	0.000	0.000	0.000	-65.214	9
沈阳市	-1.206	1.207	180.650	-201.429	10
石家庄	-0.252	0.251	9.857	-18.109	11
宁波市	-2.307	2.304	0.118	-13.535	12
吉林市	-0.197	0.196	347.329	-348.929	13
烟台市	0.042	-0.041	-5.786	0.721	14
泉州市	0.000	0.000	0.000	-1.071	15

新窗口打开|下载CSV

就第一种中间产品而言,综合型城市中,广州、上海、深圳、大连、苏州和泉州的有效供水量的投入和产出的松弛值都等于0,这表明供水子系统和用水子系统的协同效应较高,现有的有效供水量恰好达到了两者之间的供需平衡,有助于水资源系统生产率的增长。而烟台市有效供水量的投入松弛值小于0,说明用水子系统的中间投入处于超效率状态,水资源投入不足,供水部门还需要增加有效供水量,来满该城市旺盛的用水需求。这可能由于烟台是典型的资源型缺水城市,水资源短缺已成为制约其经济发展的主要瓶颈。同时,吉林、石家庄、济南、沈阳、天津、宁波、南京和重庆,有效供水量的产出松弛值都小于0,且绝对值依次增大,说明正是因为供水子系统存在过度供给,导致用水子系统继续增加水资源消费量。显然,这违背了目前中国水资源管理的“总量控制和质量改善”的双约束目标。现阶段,地下水是中国城市用水的主要来源,水资源过度供给就意味着地下水开采量已严重超标,而随之大幅度增加的漏损水量会加速地下水污染和水资源短缺,直接破坏城市水资源质与量的平衡。因此,这几个综合型城市首先需要严控地下水超采,从源头调整水资源供给量,再提高供水子系统对用水子系统的需求变化的适应性和灵活性,最后提高整个水资源系统生产率,实现城市水资源的可持续发展。

对于第二种中间产品,测算结果差异也较大。天津、重庆、南京等城市,待处理污水的投入松弛值小于0,说明实际污水处理量超过了最优污水处理量。这一现象比较容易理解,可能是因为经济高速发展,城市污水排放总量超过理想阈值,同时政府也忽视了城市水资源系统管理,进而迫使城市污水处理厂处于满负荷甚至超负荷运行状态,只能注重污水处理的“量”。而在广州、上海、深圳、大连、苏州和泉州,虽然不存在污水过度排放现象,但其净化子系统绩效也偏低。

从表4可以看出,就第一种中间产品而言,鞍山的有效供水量的投入和产出的松弛值也都等于0,表示供水子系统和用水子系统之间实现供需平衡,济宁、齐齐哈尔与上文所述的烟台类似,还需进一步扩大水资源供给,其余城市则需要减少供水量。就第二种中间产品而言,鞍山的用水效率和净水效率也是最优,济宁、齐齐哈尔和攀枝花的城市污水处理需求不足,需避免城市污水处理设施闲置和减排投资浪费,其余城市则应该加强环境管制,提高清洁减排生产技术,全面控制水污染排放,避免加大净水子系统的去污压力。

Table 4
表4
表42003—2016年部分合作型城市的中间产品的年均松弛值
Table 4Average annual slack of intermediate products in selected cities of cooperative type, 2003-2016

城市	供水子系统的中间产出	用水子系统的中间投入	用水子系统的中间产出	净水子系统的中间投入	排名
城市	$e_{f}^{1 +}$	$e_{f}^{2 -}$	$e_{g}^{2 -}$	$e_{g}^{3 +}$	排名
北京市	-3.129	3.130	76.143	-76.429	1
武汉市	-5.379	5.375	309.429	-307.857	2
成都市	-3.049	3.062	191.714	-191.429	3
鞍山市	0.000	0.000	0.000	0.000	4
济宁市	0.059	-0.059	-8.229	8.326	5
郑州市	-1.086	1.099	55.129	-51.462	6
长沙市	-3.529	3.529	140.821	-140.286	7
洛阳市	-0.306	0.306	8.934	-8.935	8
齐齐哈尔市	0.024	-0.024	-2.286	2.290	9
徐州市	-0.206	0.207	-0.703	0.915	10
哈尔滨市	-1.392	1.378	61.191	-62.119	11
邯郸市	-0.106	0.106	5.631	-5.661	12
攀枝花市	-0.381	0.381	-7.475	7.344	13
石嘴山市	-0.054	0.054	3.586	-3.571	14
长春市	-1.174	1.179	28.929	-28.129	15

新窗口打开|下载CSV

4 结论与政策建议

4.1 结论

本文基于网络RAM模型和两期Luenberger生产率指数,构建了由“供水-用水-净水”3个子系统组成的城市水资源系统,通过假设理论上存在独立、综合和合作治理模式,来测度2004—2016年我国95个重点环保城市分别在3种治理模式下的水资源系统及其各子系统的生产率指数,不仅分析了全样本下水资源系统生产率增长的动力源泉和时空差异,而且按测算结果对每个城市的治理模式进行识别后划分出3种治理类型的城市,深入探讨了子系统之间的耦合效应。本文通过研究得到以下结论：

（1）从全样本层面来看,2004—2016年中国城市水资源系统生产率的年均增速较低,并按综合型模式（0.488%）、合作型模式（0.463%）、独立型模式（0.292%）的顺序依次递减,但其增长都来源于技术进步,并且主要来源于用水子系统的贡献,而效率恶化发挥了阻碍作用。

（2）通过治理模式识别后,划分出52个综合型城市,占全样本的比例最大,远高于合作型城市（28个）和独立型城市（15个）。相较于全样本,三大治理城市的水资源系统生产率的增长率都显著提高,这说明模式识别是很有必要的。

（3）从耦合效应来看,综合型城市中广州、上海、深圳、大连、苏州和泉州的供水-用水子系统的耦合效应较高,而合作型城市中鞍山的耦合效应最大,并且水资源系统内部达到了理论上的供需平衡。综合上述分析,大多数城市都适合综合治理模式,各子系统之间通过相互制约和相互合作,不仅实现了城市水资源供需的统筹安排和节水减排的环保目标,也促进了整个水资源系统和子系统生产率的增长。

4.2 政策建议

（1）强化城市水资源管理能力,推动水资源系统管理创新,提高技术效率“软”实力。技术效率恶化阻碍了中国城市水资源系统TFP的增长,并且主要是源于供水效率和净水效率明显恶化。因此,对于供水子系统而言,政府部门应该鼓励供水行业提高管理水平,合理高效地开发城市水资源,尽可能降低漏损水率,维持城市水资源质与量的平衡。对于净水子系统而言,进一步提高城市污水处理厂的运营管理水平,通过保持合理的运行负荷率,来提高污染物减排效率,以及尽快适应中国经济社会快速发展的高标准污水处理需求。

（2）结合不同的城市水资源系统的特点,贯彻系统治理理念,选择适当的水资源系统治理模式,并有针对性地实施促进水资源有效配置和高效利用的系统管理制度,避免以往盲目追求单一子系统的绩效,真正做到“以水定城”。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

王东, 秦昌波, 马乐宽, 等. 新时期国家水环境质量管理体系重构研究
[J]. 环境保护, 2017,45(8):49-56.