删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于面板数据的我国城市水资源水环境随机前沿面分析

本站小编 Free考研考试/2021-12-31

任玉芬1, 方文颖2, 欧阳志云1, 王效科1
1. 中国科学院生态环境研究中心, 城市与区域生态国家重点实验室, 北京 100085;
2. 北京市南水北调大宁管理处, 北京 102442
收稿日期: 2019-11-08; 修回日期: 2020-03-10; 录用日期: 2020-03-10
基金项目: 国家自然科学基金重点项目(No.71533005);国家重点研发计划项目(No.2016YFC0503004,2017YFF0207303)
作者简介: 任玉芬(1978-), 女, E-mail:yfren@rcees.ac.cn
通讯作者(责任作者): 欧阳志云, E-mail:zyouyang@rcees.ac.cn

摘要:科学客观的评价城市水资源利用差异、明晰造成差异的原因可以为决策部门制定适宜的用水供水政策提供科学依据.收集了全国283个城市15年的市辖区城市建设用地面积、市辖区年末总人口、市辖区供水总量、市辖区年末实有城市道路面积、市辖区地区生产总值、污水排放总量.采用基于面板数据的随机前沿面模型计算主要城市的水资源利用效率和水环境压力,结果显示我国主要地级城市水资源利用效率普遍不高,平均值为0.464,低于平均值的城市有167个,占评估城市的59.01%.城市水环境压力具有普遍性,平均水环境压力为0.347,高于平均值的城市有106个,占评估城市的37.46%.发挥区域地理优势,加强区域间技术合作,因地制宜的开展诸如调整产业结构,引进先进生产技术和设备等相关提高水资源利用效率、减小水环境压力的举措,是实现水资源利用和城市可持续发展的重要途径.
关键词:城市水资源利用效率水环境压力面板数据随机前沿面分析
Stochastic frontiers analysis of urban water resources and water environment in China based on panel data
REN Yufen1, FANG Wenying2, OUYANG Zhiyun1, WANG Xiaoke1
1. Beijing Urban Ecosystem Research Station, State Key Laboratory of Urban and Regional Ecology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085;
2. Daning Management Office of the Beijing South-to-North Water Diversion, Beijing 102442
Received 8 November 2019; received in revised from 10 March 2020; accepted 10 March 2020
Abstract: Scientifically and objectively evaluating the differences in urban water resource utilization and finding clear reasons for the differences can provide a scientific basis for decision-makers to formulate appropriate water usage and water supply policies. Indices of 283 cities in 15 years were collected, including the urban construction land area, the total population at the end of the year, the total water supply, the area of urban roads at the end of the year, per capita GDP and the total sewage discharge, and all indices were in municipal area scale. The random frontier model based on panel data was used to calculate the water resource utilization efficiency and water environmental pressure of major cities in China. The results show that the water resource utilization efficiency of major prefecture-level cities in China is generally not high, with an average efficiency of 0.464. A totoal of 167 cities are below the average level, accounting for 59.01% of the cities assessed. With an average pressure value of 0.347, cities are under great water environmental pressure, among which 106 cities are higher than the average, accounting for 37.46% of the assessed cities. Taking advantage of regional geography, strengthening regional technical cooperation, and carrying out measures to improve water resource usage efficiency and reduce water environmental pressure, such as adjusting industrial structure and introducing advanced technologies and equipments, are important ways to achieve water resource utilization and sustainable urban development in China.
Keywords: urbanwater use efficiencywater environment pressurepanel datastochastic frontier analysis
1 引言(Introduction)水是人类及一切生物赖以生存的必不可少的重要物质, 是工农业生产、社会经济发展和环境改善不可替代的极为宝贵的自然资源(赵晨等, 2013).水资源压力是指水资源无法满足社会、经济和环境发展需求而带来的问题(Liu et al., 2019), 许多国家都面临不同程度的水资源压力(Liu et al., 2017).我国缺水是一个区域性问题, 主要集中在北方地区, 但在中国南方一些地区也出现了缺水现象(Wang et al., 2017).Liu等(2019)研究表明我国大多数北部盆地都存在严重的水压力.过去几十年里(1971—2010年), 我国三分之一的人口遭受严峻的水资源压力, 北部地区水资源压力突出, 南部地区很小, 未来(2021—2050年)我国一半的土地、6亿多人(占总人口的43%)可能会面临严重的水资源压力.随着人口增长、社会经济发展和气候变化, 世界上面临水资源压力的国家和地区也会越来越多(Schewe et al., 2014; Gao et al., 2018; Greve et al., 2018).随着我国城镇化的推进, 社会经济发展与水资源、水环境之间的矛盾也日益突出.
水资源利用效率主要是指在生产、生活过程中, 水资源的投入产出有效性和社会配置属性(宋国君等, 2014).国内外****对水资源利用效率的测度方法主要有参数和非参数两种方法, 非参数方法以数据包络分析(Data Envelopment Analysis, DEA)为代表, 这也是使用最多的水资源利用效率的测度方法, 参数方法以随机前沿分析(Stochastic Frontier Analysis, SFA)为代表.DEA法无需估计生产函数也无需考虑量纲统一及指标权重, 在效率测度时可操作性强, 可得到内涵丰富的效率测度结果, 可用来处理多输入、多输出的多目标决策问题, 可对分析结果进行排序, 提供具体的优化建议.SFA能采用计量方法估计生产函数, 使其具有明确的经济含义, 并能通过统计量检验其可行性;最重要的是该法考虑了无效率项, 在统计误差和干扰项处理方面具有优势, 主要适用于多投入单一产出的效率测度问题, 广泛应用于影响因素的回归分析中(刘聪, 2018).因此, DEA更适于进行多产出生产的技术效率测度, 而SFA更适于进行单产出生产的技术效率测度.其他的研究方法诸如投影寻踪及遗传算法(高媛媛等, 2013; 杨丽英等, 2015), 泰尔指数分解法(邓益斌等, 2015), 扩展的Kaya恒等式(孙才志等, 2011)、比值分析法(李世祥等, 2008)也有报道.研究尺度也从单一城市或省份扩大到某一流域或全国省域, 研究领域涉及农业、工业及综合用水效率分析, 城市水资源利用效率(宋国君等, 2014)及水环境压力方面的研究相对较少, 采用长时间序列面板数据开展随机前沿面分析的研究更是鲜见报道.本研究利用2000—2014年面板数据对我国283个主要城市水资源利用效率和水环境压力做随机前沿面分析, 科学客观的评价我国城市水资源利用和水环境压力差异, 研究结果对保障城市可持续发展具有重要的现实指导意义.
2 材料和方法(Materials and methods)2.1 数据收集与整理收集的指标包括①市辖区地区生产总值, 是市辖区一定时期内生产活动的最终成果, 反映市辖区的经济总体规模和经济结构, 是城市产出的最直接体现;②污水排放总量, 指工业、第三产业和城镇居民生活等用水户排放的水量, 反映城市发展过程中对当地水环境的影响;③市辖区年末总人口, 城市规模, 劳动力多少及产出能力, 生活污水排放压力;④市辖区供水总量;⑤市辖区城市建设用地面积, 城市规模;⑥市辖区年末实有城市道路面积, 间接反映城市规模和城市经济能力, 共6项.
城市包括283个有数据的地级市, 时间跨度为2000—2014年, 共计15年.水资源利用效率采用市辖区地区生产总值为产出指标, 水环境压力采用市辖区污水排放总量为产出指标, 投入指标均为市辖区年末总人口, 市辖区供水总量, 市辖区城市建设用地面积, 市辖区年末实有城市道路面积4项.所有数据来自2000—2014年《中国城市统计年鉴》.
2.2 研究方法在经济学中, 技术效率是指在既定的投入下产出可增加的能力或在既定的产出下投入可减少的能力(康鹏, 2005).常用度量技术效率的方法是生产前沿分析方法.所谓生产前沿是指在一定的技术水平下, 各种比例投入所对应的最大产出集合.而生产前沿通常用生产函数表示.前沿分析方法根据是否已知生产函数的具体的形式分为参数方法和非参数方法, 随机前沿分析(Stochastic Frontier Analysis, 简称SFA)是前沿分析中参数方法的典型代表, 与非参数方法相比, 它的最大优点是考虑了随机因素对于产出的影响.随机前沿分析可以采用截面数据也可以采用面板数据, 在估算随机前沿模型的参数时, 面板数据优于截面数据.一般来说, 用面板数据进行参数估计有更大的自由度.同时, 当技术改变由一个适当的参数模型定义且随机前沿模型中的技术无效效应是随机的, 并有指定的分布时, 面板数据允许同时考察与时间有关的技术改变和技术效率变化.
面板数据随机前沿分析中, 随机前沿生产函数定义为:
(1)
式中, yit为第i个单元于t时刻的产出, xit表示一个(1×k)维的输入向量, β是一个(k×1)维尚待估计的标量参数向量;vit是随机误差, 相互独立且服从N(0, σv2);uit是模型中的技术无效效应, 与vit相互独立.式中, 当s=1时为生成函数, 当s=-1时为成本函数(唐启义, 2016).1988年, Battese等改进了该模型, 使uit服从广义截尾正态分布(Battese et al., 1988), 随后又进行改进允许使用不平衡面板数据.1992年, Battese和Coelli发展了主要用于非平衡面板数据的模型, 这些数据具有稳定的服从截尾正态分布, 数据可以随着时间发生变化(Battese et al., 1992).1995年, Battese和Coelli进一步发展了不仅能够计算出样本及个体的技术效率水平, 还能够就各个有关实际因子对个体之间效率差异的影响进行定量分析的“一步法”估计技术(Battese et al., 1995).
SFA直接采用线性规划方法计算前沿面, 确定性前沿生产函数把影响最优产出和平均产出的全部误差统归入单侧的一个误差项ε中, 并将其称为生产非效率(边文龙等, 2016; 唐启义, 2016).随机前沿生产函数(Stochastic Frontier Production Function)在确定性生产函数的基础上提出了具有复合扰动项的随机边界模型.其主要思想为随机扰动项ε应由vu组成, 其中v是随机误差项, 是企业不能控制的影响因素, 具有随机性, 用以计算系统非效率;u是技术损失误差项, 是企业可以控制的影响因素, 可用来计算技术非效率.参数型随机前沿生产函数体现了样本的统计特性, 也反映了样本计算的真实性.SFA要解决的问题是要度量n个决策单元T期的技术效率(TE), 每个决策单元都是m种投入和一种产出, 本研究正需要解决这个问题, 研究方法采用随机前沿面分析法.
所有数据处理采用DSP数据处理系统软件包(V16.05)和excel软件包完成, 图件采用ArcMap 10.5软件包完成.
3 结果及讨论(Results and discussion)3.1 水资源利用效率评估2000—2014年参与评估的地级市及直辖市水资源利用效率评估如图 1所示.由图 1可知, 我国主要地级城市水资源利用效率普遍不高, 平均值为0.464, 低于平均值的城市有167个, 占评估城市的59.01%.水资源利用效率最低的绥化市仅0.134, 低于0.2的城市有17个, 占到评估城市的6%, 0.2~0.3之间的城市有54个, 占18.9%, 0.3~0.4之间的城市有55个, 占19.4%, 0.4~0.5之间的城市有58个, 占20.5%, 0.5~0.6之间的城市有36个, 占12.7%, 0.6~0.7之间的城市有22个, 占7.7%, 0.7~0.8之间的城市有17个, 占6%, 0.8~0.9之间的城市有12个, 占4.2%, 0.9~1之间的城市有15个, 占5.3%, 分别是厦门市(0.910)、东莞市(0.911)、大连市(0.915)、杭州市(0.915)、北京市(0.919)、上海市(0.934)、玉溪市(0.934)、宁波市(0.941)、克拉玛依市(0.945)、东营市(0.948)、广州市(0.949)、中山市(0.954)、大庆市(0.956)、佛山市(0.956)、深圳市(0.977).
图 1(Fig. 1)
图 1 2000—2014年参加评估的主要地级市水资源利用效率空间分布 Fig. 1Spatial distribution of water use efficiency of major prefecture-level cities from 2000 to 2014

3.2 主要地级市水环境压力评估参加评估的地级市及直辖市水环境压力评估如图 2所示.由图 2可知, 我国主要地级城市水环境压力具有普遍性, 平均水环境压力为0.347, 高于平均值的城市有106个, 占评估城市的37.46%.水环境压力低于0.1的的城市有16个, 占到评估城市的5.7%, 分别是海口市(0.035)、三亚市(0.049)、铜川市(0.058)、安康市(0.062)、巴中市(0.063)、天水市(0.069)、北京市(0.073)、武威市(0.076)、固原市(0.076)、莆田市(0.080)、沈阳市(0.083)、定西市(0.087)、阳泉市(0.089)、长春市(0.093)、太原市(0.097)、庆阳市(0.098).0.1~0.2之间的城市有70个, 占24.7%, 0.2~0.3之间的城市有70个, 占24.7%, 0.3~0.4之间的城市有43个, 占15.2%, 0.4~0.5之间的城市有26个, 占9.2%, 0.5~0.6之间的城市有24个, 占8.5%, 0.6~0.7之间的城市有8个, 占2.8%, 0.7~0.8之间的城市有10个, 占3.5%, 0.8~0.9之间的城市有8个, 占2.8%, 0.9~1之间的城市有11个, 占3.9%, 水环境压力最大的河池市和漳州市均达到了1.
图 2(Fig. 2)
图 2 2000—2014年参加评估的地级市水环境压力空间分布 Fig. 2Spatial distribution of water environment pressure in prefecture-level cities from 2000 to 2014

3.3 讨论水资源利用效率受到区域自然资源禀赋、经济发展水平、技术水平等多种因素影响(钱文婧等, 2011; 高媛媛等, 2013; 陆中伟等, 2018).资源禀赋对资源利用效率存在显著的逆向影响(陆中伟等, 2018), 水资源越丰富, 用水效率反而越低, 资源的“诅咒”效应不仅作用于区域经济发展上, 也同样作用于资源利用效率上(卢曦等, 2017), 水资源越易获得的地区, 水资源利用效率反而越低(胡鞍钢等, 2002), 如水资源利用效率排在后几位的绥化市、固原市、六安市、菏泽市、贵港市、遂宁市、黄冈市等, 其水资源禀赋不错, 但城市水资源利用效率均低于0.2, 水资源匮乏的克拉玛依市水资源利用效率为0.945, 排在参加评估的283个城市的第7位.究其原因可能是缺水地区政府和居民节水意识高, 调整产业结构、淘汰落后的产能意识强, 积极采取节水措施, 在自然因素和人类活动的共同作用下, 水资源的利用效率相对较高(赵良仕等, 2014).Long等(2017)研究也发现水资源利用效率和区域水资源短缺之间存在显著的正相关关系, 但同时指出他们之间不存在因果关系, 本研究发现同样属于水资源匮乏地区的酒泉市(0.284)、中卫市(0.286)、张掖市(0.290)其城市水资源利用效率均不高.陆中伟等(2018)研究也发现区域水资源禀赋越丰富, 其节水意愿和采取节水措施的可能性越低, 导致水资源利用效率变低、水资源浪费现象严重(张兆方等, 2018).
经济发展水平对水资源利用效率具有显著正向作用, 经济越发达的地区, 水资源利用效率越高.城市水资源利用效率大于0.9的15个城市, 如深圳、佛山、中山、广州、上海、杭州、大连、东莞、厦门, 包括排在第16位的苏州市, 其城市经济发展水平都比较高, 较高的经济发展水平伴随较高的管理技术水平, 易于形成较大的供用水规模效益, 产业集聚程度相对越高, 水资源利用规模效应越明显, 同时在资金充足的条件下有能力减少相关资源的浪费(卢曦等, 2017).经济较发达的城市, 对生产设备、节水技术更新、供水水利设施等基础设施投资能力强(陆中伟等, 2018), 能推动供水设施和节水设施的改进, 供水管网的漏损率相对经济欠发达城市低, 从而有利于提升水资源利用效率.经济欠发达城市基础设施建设和水资源保护投入不足, 无法为供水等基础设施建设提供足够的资金和人员保障, 必然会导致在供水和节水设施的投入以及相应的技术改造力度有限, 依赖水资源生存的压力远高于水资源可持续利用的重要性, 因此其水资源利用方式较发达城市更为粗放, 从而影响城市整体水资源利用效率.
另外技术进步也会影响水资源利用效率的提高, 在不发达地区可以成为水资源利用效率的主导因素之一(廖虎昌等, 2011; 马远, 2016), 中西部尤其是西部地区提高水资源利用效率更加依赖技术进步(马远, 2016), 需要加大科技投入, 研发先进的工业节水技术及设备并推广应用, 及时淘汰落后的高耗水工艺及相关设备, 逐步实现节水设备、产品认证以及市场准入制度(董巧珍, 2018), 充分应用现代科学技术提高水资源利用效率.
水环境压力是水环境影响与人口、社会与经济持续发展的阻力.水环境压力受降水、地形、地貌等自然因素影响, 同时也受到人口增长、快速城市化等社会、经济发展过程的影响, 是社会经济发展的“副产品”.城市经济发展水平对水环境压力是一把双刃剑.有的****认为经济发展水平对水环境压力有负向影响(张亚斌等, 2014; 张玉等, 2014; 谢婷婷等, 2016), 也就是说经济发展水平越高, 水环境压力越小, 但也有****认为人均生产总值对水环境压力具有正向影响(曾贤刚, 2011张亚斌等, 2014), 即经济发展较快经济水平较高的地区其水环境压力也相应较大.经济发展水平对水环境压力的影响不能简单地说成正向或负向, 水环境与经济发展水平是呈正U型关系的.这种结果可以用“环境库兹涅茨曲线假说”来解释, 当经济发展水平较低时, 工业发展程度较低, 人口密度小, 人类对资源的消耗相对较小, 水环境污染物排放相对较少, 水环境压力就小.随着经济不断发展, 自然资源不断被消耗, 水污染物产生量和排放量增加, 虽然经济投入和技术革新上也随之增长, 但环境治理效率降低, 水环境压力增大.随着经济向环境友好型发展, 经济能力进一步增强, 人们受教育程度普遍提高, 环保意识增强, 第三产业占比增加, 技术发展水平提高, 有更多的资金用于水环境治理, 污染物排放量进一步削减, 水污染治理效率稳步提高, 水环境压力减小(李潇潇, 2017).但要注意的是在经济水平低的地区, 水污染防治能力相对较弱, 但水环境压力与水污染防治能力的空间线性关系不显著, 反映出在一些经济发达地区, 虽然拥有较强的水污染防治能力, 但并没有改善当地水环境压力(王媛等, 2008).这也是形成我国城市水环境压力空间异质性大的主要原因, 拥有类似的自然资源禀赋、相近的经济发展水平和同等的城市规模不一定面临同样的水环境压力.
城市化水平和城市人口密度也对城市水环境压力有一定影响.较高的城市化水平对应较高的城市规模化程度和聚集效应, 一方面聚集效应加大水资源消耗, 造成水环境压力增大, 另一方面经济活动及人口聚集给污染物集中处理带来便利, 利于提高环境治理的技术水平及环境治理投资额, 提高污染处理效率, 利于资源回收利用.城市化水平对于环境治理效率的影响取决于上述两个因素的互相作用.
水资源利用效率不高, 水环境压力居高不下, 导致我国城市缺水问题更加突出, 水资源压力增大.从我国主要城市水资源利用效率和水环境压力空间分布上看, 加强区域间技术合作, 相互促进共同提高水资源利用效率和减轻水环境压力.在经济水平发展相当, 资源条件相近的城市间, 充分发挥区域合作的地理优势, 辐射带动周边城市, 帮助带动其提高水资源利用效率, 减轻水环境压力, 形成连片的、更大规模的水资源利用高效区域, 促进全社会各城市的水资源利用效率共同提高, 提升水环境质量.因地制宜的开展诸如调整产业结构, 引进先进生产设备、推广节水设备使用等相关提高水资源利用效率、减小水环境压力的举措, 实现水资源利用和城市可持续发展.
4 结论(Conclusions)1) 参与评估的283个地级城市水资源利用效率普遍不高, 平均值为0.464, 低于平均值的城市有167个, 占评估城市的59.01%.
2) 参与评估的283个地级城市水环境压力具有普遍性, 平均水环境压力为0.347, 高于平均值的城市有106个, 占评估城市的37.46%.空间异质性大, 水环境压力边际效应明显.
3) 发挥区域地理优势, 加强区域间技术合作, 因地制宜的开展诸如调整产业结构, 引进先进生产技术和设备等相关提高水资源利用效率、减小水环境压力的举措, 是实现水资源利用和城市可持续发展的重要途径.

参考文献
Battese G E. 1988. Prediction of firm-level technical efficiencies with a generalised frontier production function and panel data[J]. Journal of Econometrics, 38: 387-399. DOI:10.1016/0304-4076(88)90053-X
Battese G E, Coelli T J. 1992. Frontier production functions, technical efficiency and panel data:with application to paddy farmers in india[J]. Journal of Productivity Analysis, 3: 153-169. DOI:10.1007/BF00158774
Battese G E, Coelli T J. 1995. A model for technical inefficiency effects in a stochastic frontier production function for panel data[J]. Empirical Economics, 20: 325-332. DOI:10.1007/BF01205442
边文龙, 王向楠. 2016. 面板数据随机前沿分析的研究综述[J]. 统计研究, 33(6): 13-20.
曾贤刚. 2011. 中国区域环境效率及其影响因素[J]. 经济理论与经济管理, (10): 103-110. DOI:10.3969/j.issn.1000-596X.2011.10.012
邓益斌, 尹庆民. 2015. 中国水资源利用效率区域差异的时空特性和动力因素分析[J]. 水利经济, 33(3): 19-23.
董巧珍. 2018.我国工业水资源利用效率及影响因素分析[D].杭州: 浙江财经大学 http://cdmd.cnki.com.cn/Article/CDMD-11482-1018046703.htm
Greve P, Kahil T, Mochizuki J, et al. 2018. Global assessment of water challenges under uncertainty in water scarcity projections[J]. Nature Sustainability, 1(9): 486-494. DOI:10.1038/s41893-018-0134-9
Gao X, Schlosser C A, Fant C, et al. 2018. The impact of climate change policy on the risk of water stress in southern and eastern Asia[J]. Environmental Research Letters, 13(6). DOI:10.1088/1748-9326/aaca9e
高媛媛, 许新宜, 王红瑞, 等. 2013. 中国水资源利用效率评估模型构建及应用[J]. 系统工程理论与实践, 33(3): 776-784. DOI:10.3969/j.issn.1000-6788.2013.03.029
胡鞍钢, 王亚华, 过勇. 2002. 新的流域治理观:从"控制"到"良治"[J]. 经济研究参考, (20): 34-44.
康鹏. 2005. 经济效率研究的参数法与非参数法比较分析[J]. 经济论坛, (19): 139-140. DOI:10.3969/j.issn.1003-3580.2005.19.063
李世祥, 成金华, 吴巧生. 2008. 中国水资源利用效率区域差异分析[J]. 中国人口·资源与环境, 18(3): 215-220. DOI:10.3969/j.issn.1002-2104.2008.03.041
李潇潇. 2017.安徽省水污染治理效率评价研究[D].合肥: 安徽财经大学 https://www.ixueshu.com/document/79da8b70f0a1bdba07ff6a09812b1926318947a18e7f9386.html
廖虎昌, 董毅明. 2011. 基于DEA和Malmquist指数的西部12省水资源利用效率研究[J]. 资源科学, 33(2): 273-279.
刘聪. 2018. "环境-管理"双重视角下陕西省水资源利用效率测度及提升策略研究[D].西安: 西安建筑科技大学 http://cdmd.cnki.com.cn/Article/CDMD-10703-1018861356.htm
Liu J, Yang H, Goslin S N, et al. 2017. Water scarcity assessments in the past, present, and future[J]. Earth's Future, 5: 545-559. DOI:10.1002/2016EF000518
Long K, Pijanowski B C. 2017. Is there a relationship between water scarcity and water use efficiency in China? A national decadal assessment across spatial scales[J]. Land Use Policy, 69: 502-511. DOI:10.1016/j.landusepol.2017.09.055
Liu X, Tang Q, Liu W, et al. 2019. A spatially explicit assessment of growing water stress in China from the past to the future[J]. Earth's Future, 7(9): 1027-1043. DOI:10.1029/2019EF001181
卢曦, 许长新. 2017. 基于三阶段DEA与Malmquist指数分解的长江经济带水资源利用效率研究[J]. 长江流域资源与环境, 26(1): 7-14. DOI:10.11870/cjlyzyyhj201701002
陆中伟, 张云宁, 王洁雨. 2018. 基于DEA-Malmquist的江苏地区水资源利用效率及空间相关性研究[J]. 中国农村水利水电, (2): 85-90. DOI:10.3969/j.issn.1007-2284.2018.02.019
马远. 2016. 干旱区城镇化进程对水资源利用效率影响的实证研究-基于DEA模型与IPAT模型[J]. 技术经济, 35(4): 85-90. DOI:10.3969/j.issn.1002-980X.2016.04.013
钱文婧, 贺灿飞. 2011. 中国水资源利用效率区域差异及影响因素研究[J]. 中国人口·资源与环境, 21(2): 54-60. DOI:10.3969/j.issn.1002-2104.2011.02.010
Schewe J, Heinke J, Gerten D, et al. 2014. Multimodel assessment of water scarcity under climate change[J]. Proceedings of the National Academy of Sciences of the United States of America, 111(9): 3245-3250. DOI:10.1073/pnas.1222460110
宋国君, 何伟. 2014. 中国城市水资源利用效率标杆研究[J]. 资源科学, 36(12): 2569-2577.
孙才志, 谢巍, 邹玮. 2011. 中国水资源利用效率驱动效应测度及空间驱动类型分析[J]. 地理科学, 31(10): 1214-1220.
唐启义. 2016. DPS数据处理系统[M]. 北京: 科学出版社.
Wang J, Li Y, Huang J, et al. 2017. Growing water scarcity, food security and government responses in China[J]. Global Food Security, 14: 9-17. DOI:10.1016/j.gfs.2017.01.003
王媛, 王伟, 徐锬, 等. 2008. 中国水环境压力与水污染防治能力的区域差异[J]. 环境科学与技术, 31(4): 13-16. DOI:10.3969/j.issn.1003-6504.2008.04.004
谢婷婷, 马洁. 2016. 新疆环境治理投资效率及其影响因素-基于DEA-Tobit模型的实证分析[J]. 石家庄经济学院学报, (5): 51-57.
杨丽英, 李宁博, 刘洋. 2015. 我国水资源利用效率评估及其方法研究[J]. 中国农村水利水电, (1): 63-67. DOI:10.3969/j.issn.1007-2284.2015.01.017
张亚斌, 马晨, 金培振. 2014. 我国环境治理投资绩效评价及其影响因素-基于面板数据的SBM-TOBIT两阶段模型[J]. 经济管理, (4): 170-179. DOI:10.3969/j.issn.1008-8970.2014.04.085
张玉, 李齐云. 2014. 财政分权、公众认知与地方环境治理效率[J]. 经济问题, (3): 65-68.
张兆方, 沈菊琴, 何伟军, 等. 2018. "一带一路"中国区域水资源利用效率评价-基于超效率DEA-Malmquist-Tobit方法[J]. 河海大学学报(哲学社会科学版), 20(4): 60-66.
赵晨, 王远, 谷学明, 等. 2013. 基于数据包络分析的江苏省水资源利用效率[J]. 生态学报, 33(5): 1636-1644.
赵良仕, 孙才志, 郑德凤. 2014. 中国省际水资源利用效率与空间溢出效益测度[J]. 地理学报, 69(1): 121-133.




相关话题/城市 经济 数据 技术 生产