张长征 ， 芮晦敏
(1.河海大学商学院，江苏 南京 211100；
2.河海大学产业经济研究所，江苏 南京 211100)
水资源、能源、粮食是人类生产和生活中必不可少的战略性基础资源。随着我国人口数量不断上升以及经济社会的迅猛发展，三大资源消耗量呈现指数级增长，加之我国资源禀赋先天不足，水资源、能源、粮食时空上的供需失衡已成为制约我国经济可持续发展的重要问题。虽然对于水资源、能源和粮食的研究早已起步，但大量研究仍局限于对单个资源系统，或是仅将两种资源作为系统进行研究：如能源-粮食系统[1]、水资源-能源系统[2]及水资源-粮食系统[3]等。实际上，水资源、能源、粮食这3种资源之间联系紧密，关系复杂，对单一资源孤立的治理手段可能会产生“次最优”问题[4]，甚至对其他资源系统造成负面冲击。因此只有从水资源-能源-粮食(water-energy-food，WEF)纽带关系系统(WEF系统)视角衡量三者间的关联，探究其系统的驱动因素，才可能实现3种资源的可持续发展。
2011年德国波恩召开的WEF安全会议首次将三者间关系界定为“纽带关系”[5]，揭开了以整体视角研究WEF系统的序幕。此后，国内外学者开始从不同学科视角对WEF系统的协同关系、投入产出效率及影响因素等问题进行深入探究，WEF关系逐步成为可持续发展领域的研究热点。尽管WEF系统的概念发展已日趋成熟，但对WEF系统的定量研究仍处于探索阶段，关于我国WEF系统效率测度研究则更为有限。李桂君等[6]运用DEA方法对我国WEF系统效率进行了测度，但未能在效率测度体系中体现各子系统间的相互作用关系。孙才志等[7]运用网络DEA方法解决了未将子系统间关联性纳入考虑的问题，但其指标体系仍存在优化空间。对于WEF系统的影响因素，主要有两种较为代表性的研究视角，一种是基于区域视角，探究区域自身经济、社会、环境对于WEF系统的影响。2011年，斯德哥尔摩国际环境研究院指出，应从社会、经济、环境领域进行激励，以实现WEF系统可持续发展，并将城市化、人口增长率、气候变化列为关键影响因素[8]。2013年，联合国发布的《亚太地区WEF纽带关系报告》中指出，气候变化、金融危机、城市化的快速推进等因素会对WEF系统造成冲击[9]。2014年，FAO提出了11个对WEF系统带来潜在风险的因素，分别为人口增长、城市化、饮食多样化、文化和社会信仰、气候变化、治理、部门决策、国际贸易、工业发展、农业升级和技术革新[10]。白景锋等[11]将FAO提出的因素具化为可获取的指标，从社会、经济、生产环境3个层面探究人口密度、人均受教育水平、城市化率、人均GDP、人均耕地面积、有效灌溉面积、人均肉类及水产品产量8个因素对WEF系统的影响力。另一种是基于全球视角，讨论国际社会、决策者、民间社会组织和私营部门如何缓解全球性WEF系统风险。2011年的世界风险报告中，将经济发展、人口增长、环境压力、政府治理失灵、经济差异列为影响WEF系统发展的重要因素[12]；
Amorim 等[13]对其进行细化，提出极端天气、区域治理失败、区域冲突、恐怖袭击、城市规划失败、技术进步的负向影响等因素会放大WEF系统的风险。
黄河流域上游水能资源充足，中下游煤炭、石油、天然气资源丰富，在全国能源工业中占有重要地位；
富足的光热资源和土地资源为粮食种植提供了良好条件，是我国粮食核心产区。但由于受到生态系统脆弱、水资源紧缺、能源分布不均等问题限制，黄河流域沿线省区的WEF系统发展仍面临诸多困境。在黄河流域生态保护和高质量发展被列为重大国家战略这一重要契机下，科学测度黄河流域WEF系统投入产出效率，探究其驱动因素并提出优化路径，对于促进全流域水资源、能源和粮食的高质量发展，保障国家粮食安全和能源安全具有重大意义。本文以黄河流域沿线省区作为研究对象，在现有研究基础上，对指标体系进行优化，运用网络DEA方法，将子系统间关联纳入考虑，测度黄河流域省区WEF系统投入产出效率，并借助Tobit模型考察WEF系统效率的驱动因素，以期为黄河流域沿线省区提升水资源、能源、粮食投入产出效率提供科学依据。
黄河流域流经青海省、四川省、甘肃省、宁夏回族自治区、内蒙古自治区、山西省、陕西省、河南省、山东省的66个地级市，由于市级数据不完整且各市间统计口径存在较大差异，为保证指标评价体系的完整性和严谨性，本文仅从省级行政区尺度对黄河流域WEF系统的投入产出效率进行评价。
1.1 SBM模型
相较于传统的DEA模型，Tone[14]提出的至前沿最远距离函数模型(SBM模型)是非径向非角度的，这一模型解决了径向DEA模型中对无效率的测量未包含松弛变量的问题，并且在SBM模型中，效率值是依照投入产出的松弛程度变化严格单调递减的[15]。此外，SBM模型对数据要求较低，不用考虑指标间量纲问题，计算更为简便。因此本文选用SBM模型对黄河流域WEF各子系统的投入产出效率值进行计算，公式如下：
(1)
(2)
式中：E为SBM模型的效率值，将评价决策单元记作a；
m、n分别为投入指标和产出指标个数；
sIk、sPr分别为第k个投入指标和第r个产出指标的松弛变量；
xIka、yPra分别为a第k个投入值和第r个产出值；
λ为强度向量，即λ=(λ1,λ2,…,λk)；
xI、yP为对应投入、产出构成的矩阵；
E关于sI、sP严格递减，0≤E≤1，E值越高表明系统效率水平越高。
1.2 网络DEA模型
传统DEA模型在计算效率时只能得出各阶段的效率值，且在计算中将各决策单元看作独立的“黑箱”，忽视了所投入资源间的相互作用关系。而对于WEF系统而言，3种资源子系统间关系极为复杂，仅简单从总投入和总产出视角测度单元的效率，一方面模型过于理想化，对系统整体效率评估结果不准确，另一方面，模型无法有效体现各子系统之前的关系，很难为管理者的决策提供有效参考[16]。Fare等[17]在传统DEA模型中引入了中间变量，构建了网络DEA模型，从而将系统内部运作过程纳入考虑：把整个系统的投入产出分为数个子阶段，测算子阶段效率，并观测子系统间的相互关系对于整个系统的影响。因此，本文选用网络DEA模型对WEF系统过程进行刻画。
在网络DEA模型中，以ED表示模型的整体效率值，El表示第l个子系统的效率值，βl表示子系统权重，用子系统投入占总投入比值作为权重，公式如下：
(3)
(4)
以xlj、ylj表示第j个决策单元第l个子系统的外部输入和外部输出；
zjkl、zjlk分别表示第j个决策单元第l个子系统的所有内部输入及上一阶段的内部输出，并定义k=l，计算公式如下：
(5)
(6)
1.3 Tobit模型
本文所测算的WEF系统效率值均大于0，为典型的“受限数据”，当数据左侧受限点为0，无右侧受限点时，不适用OLS回归方法，应选用Tobit模型对其进行回归分析。其模型设定如下：
(7)
式中：i为黄河流域九省区序列；
Yit为黄河流域省区WEF系统投入产出效率；
xit为系统可能的驱动因素指标；
β0为常数值；
βt为驱动因素回归系数；
εit为随机扰动项。
2.1 基于网络DEA模型的WEF系统协同匹配关系分析
对于水资源、能源、粮食这3个独立子系统而言，均有其对应的资本、劳动力、资源投入以及相应的经济产出。将3个子系统其置于WEF系统中时，水资源子系统是WEF系统的核心，水资源子系统的产出中除了经济产出，还有生产用水，而生产用水又是能源生产和粮食生产中的重要资源投入；
同样在能源子系统的产出中，不仅有经济产出，还有更为直接的能源产出，而能源子系统中所产出的能源又是粮食系统中的重要资源投入。本文在孙才志等[7]的研究基础上，将水资源投入作为与能源系统和粮食系统的中间变量，将能源投入作为其与粮食系统间的中间投入，构建出图1所示的WEF系统网络结构，从而体现子系统间的协同匹配关系。
图1 WEF系统的网络结构
2.2 基于WEF系统网络结构的评价指标体系构建
FAO[10]提出的WEF系统解决方案中，将水、土地、能源、资本、劳动力作为纽带系统的五大资源基础，本文以此为参照，在上文所构建的WEF系统网络结构基础上，分别从3个子系统的资本投入、劳动力投入、资源投入(水、土地、能源)和经济产出角度，建立了表1所示的WEF系统及其子系统效率评价指标体系，并将能源子系统水资源投入、粮食子系统水资源投入、粮食子系统能源投入作为网络DEA模型中的中间变量，其中，能源子系统水资源投入是水资源子系统的产出以及能源子系统的投入，粮食子系统水资源投入是水资源子系统的产出以及粮食子系统的投入，粮食子系统能源投入是能源子系统的产出以及粮食子系统的投入。
表1 WEF系统效率评价指标体系
供水总量、用水量、生产总值、粮食播种面积、农业机械总动力数据均来源于《中国统计年鉴》，能源消费量数据来源于《中国能源统计年鉴》以及黄河流域九省区的统计年鉴，从业人数数据来源于《中国劳动统计年鉴》，投资数据来源于《中国固定资产统计年鉴》。能源生产耗水量通过计算获得：选取黄河流域最为主要的四大能源：原煤、原油、天然气和电力，以及近年来产量快速增长且耗水量较大的焦炭，其中，电力工业中选用占比最大且耗水量最多的火力发电。以各省区能源生产用水定额标准以及现有研究成果[18-19]作为单位能源耗水量支撑，计算得到各省区能源生产耗水总量。由于2018年后各行业固定资产投资总量数据不再公布，故研究区间设定为2005—2017年。
2.3 测度结果
2.3.1时间演变分析
根据上述指标体系获取相应数据，并借助MaxDEA 8 Ultra软件实现SBM-网络DEA模型的运算，得到2005—2017年黄河流域沿线九省区WEF系统及其子系统的投入产出效率值。参考WEF系统投效率测度相关研究的做法，本文将测算出的效率值分为5档：低效率(0<ρ≤0.4)、较低效率(0.4<ρ≤0.6)、中等效率(0.6<ρ≤0.8)、较高效率(0.8<ρ<1)及高效率(ρ=1)。
对每年的黄河流域九省区WEF系统及其子系统投入产出效率求全流域均值，结果见图2。从图2可见，2005—2006年黄河流域WEF系统效率出现骤降，2007—2017年黄河流域WEF系统的效率整体呈现波动上升趋势，但流域均值始终低于0.8，即黄河流域WEF系统整体效率仍未达到较高水平。从更短的时间维度来看，2009—2011年以及2015—2017年这两个时期中，黄河流域WEF系统效率实现大幅提升，而2006—2008年、2012—2015年这两个阶段中，WEF系统效率则相对较为平稳，其中，2012—2015年间，黄河流域WEF系统的效率出现了连续3年的下滑。
图2 黄河流域九省区WEF系统及子系统投入产出效率变化
三大子系统效率呈现出与系统整体效率相似的趋势。其中，能源子系统波动幅度最大，最低效率均值为0.313 1(2006年)，最高效率均值为0.640 9(2013年)，2012年、2013年和2017年效率均值均突破了0.6，2009—2014年一直位于三大子系统投入产出效率值的首位；
水资源子系统相对较为稳定，效率最小值仍大于0.4，但最大值也未能突破0.6。经历了2012—2014年的下滑后，水资源子系统效率回升缓慢，且2009年以来效率值一直处于三大子系统中的末位。粮食子系统自2009年起效率值基本呈现稳步上升趋势，相较于其他两个子系统，粮食子系统在2013年和2014年的下滑幅度极小，2017年，粮食子系统效率均值突破0.6。三大子系统效率趋势表明，2009年来，在科技加持、政策扶持下，黄河流域粮食系统正逐步向着资源的高效利用稳步发展；
近年以来，对于绿色发展的不断强调切实推动了流域能源系统效率大幅提升，水资源子系统效率也有了攀升的势头。但在气候变化和人类活动的影响下，黄河流域水资源系统效率已逐渐成为三大子系统中的短板。
2.3.2空间差异分析
表2和表3分别给出了黄河流域九省区WEF系统整体及子系统的投入产出效率。由于2005年和2006年黄河流域WEF系统及子系统效率出现了明显拐点，2005年的数据不能更好地代表2005—2010年黄河流域WEF系统效率的趋势，因此选用2006年、2011年和2017年作为代表年份，展示黄河流域各省市WEF系统效率的变化趋势。
就WEF系统整体投入产出效率而言，至2017年，九省区系统整体效率较2006年均有显著提升，且黄河流域下游省区整体系统效率较高。2006年，黄河流域九省区WEF系统整体效率均值为0.3577，有7个省区处于低效率水平(0<ρ≤0.4)，排名第一位的山东(0.736 5)也仅处于中等效率水平(0.6<ρ≤0.8)，位列第二的河南(0.566 4)处于较低效率水平(0.4<ρ≤0.6)，排名末位的宁夏系统整体效率值仅为0.142 1。至2011年，黄河流域省区WEF系统整体效率值实现大幅增长，提升至0.522 9，处于低效率水平的省区数量也下降至4个，当年最低效率省区宁夏的整体效率也达到了0.279 7，排名第一位的山东(0.987 9)实现了较高效率(0.8<ρ≤1)。2006—2011年，四川省在WEF系统投入增速稳定的情况下，GDP实现连年高速增长，WEF效率大幅提升，2011年跃居黄河流域WEF系统效率值第二位，并实现了中等效率水平(0.6<ρ≤0.8)。2011—2017年，由于黄河流域省区整体GDP增速均开始放缓，各省区WEF系统整体效率增幅也随之变缓，甚至出现下滑现象。2017年，黄河流域省区WEF系统均值小幅增长至0.554 0，仍有4个省区系统整体效率处于低效率水平，当年最低效率省区宁夏(0.256 1)的系统效率较2011年有所下降，但最高效率地区已实现了系统的高效率(ρ=1)，四川(0.963 3)和河南(0.831 6)均实现了较高效率(0.8<ρ<1)。总体来看，2005—2017年，黄河流域沿线九省区中，山东、河南的WEF系统效率整体上稳定在较高水平，四川的WEF系统整体效率经过高速增长后稳定在较高水平，而青海、甘肃、内蒙古及宁夏的系统整体效率始终处于较低水平。
表2 基于网络DEA模型的2005—2017年黄河流域九省区WEF系统效率及排名
表3 基于网络DEA模型的2005—2017年黄河流域九省区WEF子系统效率及排名
三大子系统的投入产出效率与系统整体效率的空间分布情况较为相近，但各子系统间也存在一定差异。就水资源子系统而言，2006年，仅山东水资源子系统达到较高效率水平，河南、山西处于较低效率水平，其余6个省区均处于低效率水平；
2011年，水资源系统空间差距开始缩小，山东和四川达到了中高效率，同时也仅有甘肃和宁夏处于低效率水平；
2017年，山东、四川和河南的水资源子系统均达到了高效率水平，山西也处于中等效率水平，但有4个省区处于低效率水平。整体而言，山东、四川、河南依旧是水资源子系统效率排名的前三位，末四位依旧是内蒙古、青海、甘肃和宁夏。能源子系统方面，2006年，黄河流域各省区能源子系统平均效率值远低于水资源子系统和粮食子系统，除山东处于中等效率水平，河南处于较低效率水平外，其余7省区均处于低效率水平；
2011年能源子系统平均效率水平跃居三大子系统首位，山东达到了高效率水平，河南和四川也达到了中高效率水平，仅2个省区仍处于低效率水平；
2017年，山东和河南的能源子系统达到了高效率水平，四川和陕西处于中高效率水平，但低效率水平省区增长至4个。整体而言，能源子系统效率排名的前三位仍是山东、河南和四川，但末四位为山西、内蒙古、青海和宁夏。粮食子系统方面，2006年，山东、河南达到了中等效率水平，5个省区处于低效率水平；
2011年，山东粮食子系统达到了高效率水平，四川也达到了较高效率水平，低效率水平省区下降为4个；
2017年山东、四川粮食子系统均达到了高效率水平，河南、陕西、陕西处于中高效率水平，低效率水平省区下降为3个。整体而言，粮食子系统效率排名前三的省区分别是四川、山东和陕西。此外需要注意的是，宁夏的水资源、能源、粮食子系统效率均较为落后；
山西和河南虽然分别是“能源”大省和“粮食”大省，但其相应的能源子系统以及粮食子系统效率却是其较为明显的“短板”。
本文在FAO[10]提出11个驱动因素(人口增长、城市化、饮食多样化、文化和社会信仰、气候变化、治理、部门决策、国际贸易、工业发展、农业升级和技术革新)基础上，去除了难以用模型衡量的饮食多样化、文化和社会信仰因素，合并了治理和部门决策因素，同时增加了水资源丰度和经济发展水平因素，共提出了10个可能对WEF系统产生影响的驱动因素，并选取人口增长率、城镇化率、人均水资源拥有量、农作物受灾面积、污水日处理能力、水土流失治理面积、人均GDP、进出口总额、工业产值占比、单位播种面积粮食产量、技术市场成交额作为代理变量进行分析，所有代理变量的数据均来源于2006—2018年《中国统计年鉴》，Tobit回归结果如表4所示。
表4 黄河流域九省区WEF系统效率驱动因素回归结果
回归结果表明，从流域整体层面来看，除城市化、农业升级和技术革新因素外，其余7个驱动因素均对地区WEF系统投入产出效率有显著影响：人口增长对WEF系统效率有显著负向影响，主要因为人口增长会显著提升地区各项资源的消耗量，在地区资源生产及管理水平一定的情况下，很容易产生资源生产和供给间的失衡，从而造成系统效率的下降；
人均水资源拥有量对系统效率有正向影响，水资源的匮乏仍是限制黄河流域WEF系统效率进一步提升的重要因素；
代表气候变量的农作物受灾面积对系统效率有负向影响，表明黄河流域省区WEF系统对于灾害的应急处理能力仍有待提升；
代表治理效能的污水日处理能力和水土流失治理面积对WEF系统效率均有正向影响，表明以污水治理、水土流失治理为代表的一系列资源治理手段能够有效提升黄河流域WEF系统的整体效率；
代表经济发展水平的人均GDP、进出口总额和工业产值占比均对系统效率有显著正向影响，表明黄河流域沿线省区仍应致力于经济发展水平的提升和产业结构的优化。
根据2005—2017年黄河流域九省区WEF系统投入产出效率均值，将其划分为中高效率地区(山东、四川、河南、陕西、山西)和低效率地区(内蒙古、甘肃、宁夏、青海)。在可能对WEF系统效率产生影响的10个驱动因素中，部分驱动因素对中高效率地区和低效率地区均产生了显著影响：代表治理效能的水土流失治理面积，以及代表工业发展水平的工业产值占比对两组地区均有显著正向影响，表明提升自然资源治理能力对于整个黄河流域而言都是有重要意义的，同时，黄河流域九省区的产业发展均存在一定的结构性问题，不仅在工业体量上需要进一步提升，还需要加快实现流域内以重工业为主的资源型城市的转型升级。城镇化率对中高效率地区和低效率地区同样均产生了显著影响，其对中高效率地区影响是正向的，结合人口增长率因素并未对中高效率地区WEF系统效率产生显著影响，可以认为中高效率地区的资源规划和管理能力能够支持其进一步提升城镇化水平，从加快WEF系统产出的层面实现系统效率的提升；
而城镇化率对低效率地区影响是负向的，结合人口增长率同样对低效率地区产生显著负向影响的结果，可以认为受资源管理能力限制，黄河流域WEF系统处于低效率的4个省区不宜过快推进人口增长和城镇化率。此外，部分因素仅对中高效率地区产生显著影响：水资源丰度仅对中高效率地区有显著影响，表明水资源不足是目前中高效率地区WEF系统发展出现瓶颈的重要制约因素；
国际贸易水平以及农业升级因素同样仅对中高效率地区产生显著影响，表明中高效率地区已经进入了需要依靠推动国际贸易发展以及推进精细化粮食生产来提升系统效率的阶段；
同样，除人口增长率外，还有部分因素仅对低效率地区产生显著影响：农作物受灾面积仅对低效率地区产生负向显著影响，表明中高效率地区WEF系统已具备了一定防范自然风险的能力，而低效率地区仍需进一步加强；
人均GDP也仅对低效率地区产生显著正向影响，表明经济水平的落后是限制低效率地区WEF系统快速发展的重要因素；
技术市场成交额的提升反而对低效率地区WEF系统效率产生了负向影响，表明低效率地区对于技术革新方面的经济投入并未有效地转化为经济产出。
本文构建了黄河流域WEF系统效率指标体系，运用SBM-网络DEA方法对黄河流域九省区WEF投入产出效率进行测度，并通过Tobit模型对WEF系统效率驱动因素进行检验，得出以下两点结论：
a.从时间维度来看，2006年以来，黄河流域沿线省区WEF系统整体投入产出效率及子系统效率均呈现波动上升趋势，但近年来WEF系统效率提升速度趋缓，且水资源子系统逐步成为整个WEF系统中的“短板”；
从空间维度看，黄河流域WEF系统效率地区间差异显著，山东、四川、河南在WEF系统整体效率和子系统效率上均表现较好，而甘肃、内蒙古、宁夏和青海的WEF系统效率始终处于较低水平。
b.在对黄河流域省区WEF系统效率产生影响的十大驱动因素中，人口增长以及气候变化会对系统效率产生负向影响，而水资源丰度、治理效能、经济发展水平、国际贸易水平、工业化程度的提升均能驱动WEF系统效率的提升；
对于低效率地区而言，人口增长及城市化水平、气候变化、治理效能、经济发展水平、工业化程度以及技术革新投入对其WEF系统效率影响较大；
而对于中高效率地区而言，城市化水平、水资源丰度、治理效能、对外开放水平、工业化程度以及农业技术水平是制约其进一步发展的关键因素。
基于以上研究结论以及当前黄河流域生态保护和高质量发展被列为重大国家战略的背景，应进一步强化水资源的刚性约束，优化流域水资源配置，积极探索黄河流域WEF协同模式，从而实现黄河流域的可持续发展。
a.黄河流域九省区WEF系统整体效率水平与各自的水资源系统、能源系统、粮食系统效率水平排名基本一致。因此在解决黄河流域的水资源、能源及粮食问题的政策制定方面，要综合考虑WEF系统的纽带关系，以WEF系统的投入产出效率作为政策导向，而不是仅从提升单一资源利用效率的角度制定政策。
b.实现黄河流域WEF系统效率的提升，必须优先解决水资源系统的问题。水资源系统不仅是WEF系统中的核心，也是近年来黄河流域WEF系统中的“短板”。为此，一方面，考虑到水资源丰度对黄河流域沿线省份的重要影响，建议进一步优化跨流域调水的均衡性，并通过建设干流水库来调节水量；
另一方面，黄河流域须加大政策支持力度，建立全流域、全方位、全过程节水机制，推广农业节水灌溉技术；
此外，对于气候条件先天不足的黄河流域，蓝水和绿水的转化也应予以重视，应进一步推进退耕还林还草工程，同时加大创新科研投入，提升非常规用水的开发利用能力。
c.黄河流域WEF系统效率的提升需要因地制宜。黄河流域内资源禀赋以及经济发展基础极不均衡，在水资源、能源及粮食的发展方面也应贯彻功能区战略的思路，依据各省区的资源承载能力、国土空间、产业基础等制定相对应的政策：对于长期处于低效率水平的省区(内蒙古、甘肃、宁夏、青海)，须通过发展先进制造业和先进服务业加速实现产业升级，提升区域GDP水平及工业化水平，从而驱动地区WEF系统的健康发展，此外，低效率地区还需强化灾害应对体系和能力建设。对于处于中高效率水平的省区(山东、四川、河南、陕西、山西)，则应加大农业技术开发投入，深入贯彻藏粮于地、藏粮于技方针，加快高标准农田建设，推动农业生产导向实现由增产向提质的转型；
同时应深化对外开放水平，加强与丝绸之路经济带沿线国家以及东北亚国家的开放合作。