趙良仕

(遼寧師范大學(xué) 海洋經(jīng)濟(jì)與可持續(xù)發(fā)展研究中心，遼寧 大連 116029)

中國省際灰水足跡強(qiáng)度的空間收斂性研究

趙良仕

(遼寧師范大學(xué) 海洋經(jīng)濟(jì)與可持續(xù)發(fā)展研究中心，遼寧 大連 116029)

水環(huán)境質(zhì)量差和水生態(tài)受損嚴(yán)重問題備受各界關(guān)注，分析各地區(qū)水污染排放強(qiáng)度是構(gòu)建中國特色水安全保障體系、實(shí)施最嚴(yán)格水資源管理制度的前提.根據(jù)Hoekstra和Chapagain提出的污染物吸納理論，測算了2001—2014年中國31個(gè)省級(jí)行政區(qū)的灰水足跡，借助于探索性空間數(shù)據(jù)分析(Exploratory Spatial Data Analysis，ESDA)方法探討了各地區(qū)灰水足跡強(qiáng)度的空間自相關(guān)特征強(qiáng)度，建立空間計(jì)量收斂模型，在空間效應(yīng)視角下驗(yàn)證灰水足跡強(qiáng)度存在絕對和條件β收斂.結(jié)果顯示：①2001—2014年中國灰水足跡強(qiáng)度存在較強(qiáng)的空間正自相關(guān)性和空間分布不均衡性；②灰水足跡強(qiáng)度存在絕對β收斂，基于空間效應(yīng)設(shè)定，存在一定的空間絕對β收斂、條件β收斂；③在空間滯后和誤差模型下，人均用水量每下降1%，灰水足跡強(qiáng)度增長速度將分別下降0.002 5%和0.002 7%，水資源總量和對外開放程度均不顯著負(fù)向影響灰水足跡強(qiáng)度的增長速度.

灰水足跡強(qiáng)度；空間自相關(guān)；β收斂分析；中國

作為一種全面核算人類活動(dòng)對水資源真實(shí)占用的綜合指標(biāo)，水足跡將消費(fèi)終端與水資源利用緊密關(guān)聯(lián)，是衡量地區(qū)水資源環(huán)境壓力的常用指標(biāo)[1-2].一般的水足跡指標(biāo)是從資源消耗數(shù)量上考慮水資源壓力，然而未考慮到水質(zhì)污染所帶來的危害，有可能低估水資源污染問題的嚴(yán)重性[3].由于各地區(qū)工業(yè)化水平和城鎮(zhèn)化水平進(jìn)程的加快，各地區(qū)水質(zhì)性缺水問題日益顯著，Hoekstra 等學(xué)者提出的以污染物吸納理論為基礎(chǔ)的灰水足跡理論為定量評(píng)價(jià)水量水質(zhì)關(guān)系提供了新的思路[4-5].灰水足跡強(qiáng)度表示為灰水足跡總量除以國內(nèi)生產(chǎn)總值(GDP)，是一個(gè)從經(jīng)濟(jì)上反映水資源污染強(qiáng)度的指標(biāo)，該值越小，意味著單位經(jīng)濟(jì)產(chǎn)出造成水污染越小.通過1997—2007 年中國31個(gè)省市區(qū)水足跡測算數(shù)據(jù)，孫才志等采用錫爾指數(shù)、基尼系數(shù)分析中國區(qū)域水足跡強(qiáng)度的空間關(guān)聯(lián)格局及其動(dòng)態(tài)變化情況，得到中國中東西三大地帶水足跡強(qiáng)度的空間發(fā)展變化呈先極化后趨同的態(tài)勢，而且各地區(qū)灰水足跡強(qiáng)度地域差異十分顯著[6].譚秀娟等[7]、焦雯珺等[8]、王紅瑞等[9-10]分別計(jì)算了生態(tài)水足跡和水污染足跡、中國虛擬水和畜產(chǎn)品虛擬水含量.目前，學(xué)者們采用Barro和Sala-i-Martin[11-12]提出的新古典增長模型(本文記為標(biāo)準(zhǔn)β收斂模型)，研究了中國區(qū)域的能源強(qiáng)度或污染排放強(qiáng)度的空間差異的收斂性，并提出了相應(yīng)政策建議.孫慶剛等[13]采用空間計(jì)量模型對中國30 個(gè)省份的能源強(qiáng)度截面數(shù)據(jù)進(jìn)行分析，結(jié)果表明中國各地區(qū)能源強(qiáng)度具有全域性空間自相關(guān)關(guān)系；劉亦文等[14]通過計(jì)算基尼系數(shù)、Theil指數(shù)和對數(shù)離差均值對中國31個(gè)地區(qū)污染物排放強(qiáng)度的地區(qū)差異進(jìn)行研究，并基于污染物排放強(qiáng)度的空間收斂模型實(shí)證分析污染物排放強(qiáng)度具有收斂性.采用中國各地區(qū)的能源強(qiáng)度及影響因素的空間面板數(shù)據(jù)，余華義[15]檢驗(yàn)了各地區(qū)能源強(qiáng)度的空間溢出和空間β收斂問題；在分析中國西部從1999—2002年的15個(gè)省份能源強(qiáng)度和東部15個(gè)省份的能源強(qiáng)度空間差異與人均GDP差異之間的關(guān)系的基礎(chǔ)上，齊紹洲等[16]借助于空間面板數(shù)據(jù)滯后模型，對能耗強(qiáng)度的空間收斂性進(jìn)行實(shí)證分析.現(xiàn)有研究主要集中在對中國各地區(qū)能源強(qiáng)度或污染排放強(qiáng)度的分析，然而關(guān)于中國各地區(qū)灰水足跡強(qiáng)度的空間收斂性研究較少.

中國各地區(qū)灰水足跡強(qiáng)度的空間差異反映了區(qū)域間水資源污染排放強(qiáng)度的差異，研究中國區(qū)域的灰水足跡強(qiáng)度收斂性可以得出控制區(qū)域水污染排放政策.中國各區(qū)域灰水足跡強(qiáng)度在上升還是下降？隨著時(shí)間變化，灰水足跡強(qiáng)度的地理空間效應(yīng)和相關(guān)控制變量因素對其區(qū)域間的空間差異產(chǎn)生何種影響？研究此問題，可以為中國各區(qū)域制定合理水資源保護(hù)利用政策，走水資源可持續(xù)利用道路至關(guān)重要.基于此，本研究根據(jù)Hoekstra提出的污染物吸納理論[4]，測算2001—2014年中國31個(gè)地區(qū)的灰水足跡；利用空間自相關(guān)檢驗(yàn)和空間計(jì)量β收斂模型，研究中國2001—2014年各地區(qū)的灰水足跡強(qiáng)度的收斂情況，分析中國區(qū)域水資源污染排放強(qiáng)度的收斂問題.

1 中國省際灰水足跡強(qiáng)度測算與分析

2002年，Hoekstra等[17]基于生態(tài)足跡提出了水足跡概念，該指標(biāo)反映了人類對水資源的真實(shí)占用情況.水足跡主要包括農(nóng)畜產(chǎn)品水足跡、工業(yè)產(chǎn)品水足跡、灰水足跡和生活生態(tài)水足跡[18].排放廢污水中污染物主要來源于工業(yè)、生活和農(nóng)業(yè)，本研究選用2001—2014年中國31個(gè)省市區(qū)的工業(yè)和生活廢污水中污染物排放為研究對象.受到統(tǒng)計(jì)年鑒現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)限制，并且廢污水中主要污染物來源于化學(xué)需氧量、氨氮，本研究的灰水足跡指標(biāo)主要考慮工業(yè)廢水和生活污水中的化學(xué)需氧量(COD)排放量和氨氮(AN)排放量.

在實(shí)際計(jì)算中，由于水體中的化學(xué)需氧量(COD)和氨氮(AN)可同時(shí)由同一水體進(jìn)行稀釋，本研究選擇由COD和AN物質(zhì)量引發(fā)的灰水足跡中的較大者作為研究區(qū)域的總灰水足跡[18-19].利用公式如下：

(1)

其中，Pc和Pn分別指的是COD和氨氮的排放量，NYc和NYn分別指水體對COD和氨氮的平均承載力.COD和AN的平均承載力采用污水排放標(biāo)準(zhǔn)(GB8978—1996)中的二級(jí)排放標(biāo)準(zhǔn)，它們的達(dá)標(biāo)濃度分別為120和25 mg/L.

灰水足跡指標(biāo)比國內(nèi)生產(chǎn)總值(GDP)等于灰水足跡強(qiáng)度，這是一個(gè)反映真實(shí)水污染排放強(qiáng)度的指標(biāo)，該指標(biāo)值越大，表明單位GDP所排放的水污染物越多[18，20].根據(jù)計(jì)算結(jié)果，2001—2014年中國各區(qū)域的灰水足跡強(qiáng)度整體呈現(xiàn)下降趨勢，下降趨勢隨著時(shí)間變化很明顯.

2 灰水足跡強(qiáng)度的空間相關(guān)性檢驗(yàn)

在空間計(jì)量模型的基礎(chǔ)上，本研究構(gòu)建了灰水足跡強(qiáng)度的空間收斂性模型，根據(jù)中國31個(gè)省級(jí)行政區(qū)2001—2014年的灰水足跡強(qiáng)度測算數(shù)據(jù)，利用探索性空間數(shù)據(jù)分析方法，得到中國在2001—2014年的全局Moran’sI指數(shù)，該指數(shù)描繪了中國各地區(qū)灰水足跡強(qiáng)度在2001—2014年的空間關(guān)聯(lián)程度以及局域地區(qū)的空間自相關(guān)特征，能夠衡量中國各地區(qū)灰水足跡強(qiáng)度的空間自相關(guān)強(qiáng)度.

全局Moran’sI指數(shù)是常用的空間自相關(guān)指數(shù)[20]，本文計(jì)算了2001—2014年灰水足跡強(qiáng)度的全局Moran’sI指數(shù)，中國各地區(qū)灰水足跡強(qiáng)度的顯著性逐漸加強(qiáng)，且中國各省市的灰水足跡強(qiáng)度在空間分布上具有顯著正的自相關(guān)關(guān)系，中國各地區(qū)的灰水足跡強(qiáng)度的空間分布表現(xiàn)出相似值之間的空間集聚.整體上看，全局Moran’sI指數(shù)呈現(xiàn)出波動(dòng)上升趨勢，并且顯著性逐漸加強(qiáng)，從2001年的0.075上升到2014年的0.274(表1).在對中國區(qū)域灰水足跡強(qiáng)度的研究中不能忽略客觀存在的地理空間鄰接關(guān)系因素，應(yīng)該采用考慮空間效應(yīng)因素的空間計(jì)量分析方法對中國各區(qū)域灰水足跡強(qiáng)度的空間收斂進(jìn)行研究.

表1 灰水足跡強(qiáng)度全局Moran’s I指數(shù)

3 中國省際灰水足跡強(qiáng)度的空間收斂性分析

本研究采用σ收斂模型、絕對β收斂計(jì)量模型和條件β收斂計(jì)量模型對中國區(qū)域灰水足跡強(qiáng)度的空間收斂性進(jìn)行研究.

3.1 收斂模型設(shè)定

1986年，Baumol首次提出β收斂概念，是指不同經(jīng)濟(jì)變量的增長率與初始水平表現(xiàn)出負(fù)相關(guān)關(guān)系[21].而后在新古典增長收斂的研究中，Barro和Sala-i-Martin建立了β收斂計(jì)量模型，給出了絕對β收斂和條件β收斂概念.在本研究中，絕對β收斂表示高灰水足跡強(qiáng)度地區(qū)的下降速度快于低灰水足跡強(qiáng)度地區(qū)的下降速度；條件β收斂表示不同地區(qū)灰水足跡強(qiáng)度的下降速度在某些控制變量下存在著不同的收斂速度.本研究建立的標(biāo)準(zhǔn)的灰水足跡強(qiáng)度的空間絕對和條件β收斂的面板數(shù)據(jù)計(jì)量模型如下：

lnGWi,t+1/GWi,t=α-blnGWi,t+hi+kt+εi,t,

(2)

lnGWi,t+1/GWi,t=α-blnGWi,t+ΨXi,t+hi+ki+εi,t.

(3)

其中，GWi,t為中國第i個(gè)區(qū)域在時(shí)期t的灰水足跡強(qiáng)度，Xi,t是中國第i個(gè)省市在時(shí)期t的穩(wěn)態(tài)控制常量，具體為人均用水量、水資源總量、人均GDP、對外開放程度、產(chǎn)業(yè)結(jié)構(gòu)，εi,t是與地區(qū)和時(shí)期均無關(guān)的隨機(jī)擾動(dòng)項(xiàng).若式(2)中的b>0，各地區(qū)灰水足跡強(qiáng)度存在空間絕對β收斂，否則發(fā)散；若式(3)中的b>0，各地區(qū)灰水足跡強(qiáng)度存在空間條件β收斂，否則發(fā)散，X即為控制條件常量矩陣，收斂速度由系數(shù)b確定，β=-ln (1-b)，收斂到一半所用時(shí)間為t=(ln 1/2)ln (1-β)[22].

如果各地區(qū)灰水足跡強(qiáng)度存在空間自相關(guān)特征，就需要采用空間計(jì)量模型進(jìn)行建模[23].對于具體空間滯后模型和誤差模型的選擇，需要采用2個(gè)拉格朗日乘數(shù)(Lagrange Multiplier)形式LM-Lag、LM-Err及其穩(wěn)健-LM-Lag、穩(wěn)健-LM-Err檢驗(yàn)[24]進(jìn)行判別.在空間權(quán)重矩陣的引入下，空間計(jì)量模型考慮了所研究對象存在的空間關(guān)系，本研究的空間權(quán)重矩陣假設(shè)基于空間鄰接關(guān)系，如果2個(gè)地區(qū)相鄰，該矩陣中的元素等于1，否則等于0，在實(shí)際輸入模型中，把該鄰接關(guān)系空間權(quán)重矩陣進(jìn)行標(biāo)準(zhǔn)化處理，即每一行的元素求和為1.

空間滯后模型(Spatial Lag Model)主要用來探討區(qū)域間是否存在溢出效應(yīng)，本文研究的灰水足跡強(qiáng)度的空間滯后絕對β和條件β收斂計(jì)量模型具體表達(dá)式如下：

(4)

(5)

其中，GWi,t，Xi,t同式(3)定義，ρ為空間滯后系數(shù)，wi,j為空間權(quán)重矩陣W中元素.

空間誤差模型(Spatial Error Model)主要把所考慮的空間因素歸結(jié)在誤差項(xiàng)上，當(dāng)誤差項(xiàng)在空間上相關(guān)時(shí)應(yīng)建立空間誤差模型，本文研究的灰水足跡強(qiáng)度的空間誤差絕對β和條件β收斂計(jì)量模型具體表達(dá)式如下：

(6)

(7)

其中，GWi,t，Xi,t定義同上，λ為空間誤差系數(shù).

3.2 結(jié)果分析和討論

圖1 中國各省市2001—2014年灰水足跡強(qiáng)度的標(biāo)準(zhǔn)差變化Fig.1 The standard deviation of grey water footprint intensity change in China from 2001 to 2014

σ收斂是指中國各地區(qū)灰水足跡強(qiáng)度的分布分散程度隨時(shí)間的推移而降低，本文利用標(biāo)準(zhǔn)差來分析灰水足跡強(qiáng)度的σ收斂性，如圖1.從整體上看，中國各省市灰水足跡強(qiáng)度標(biāo)準(zhǔn)差呈現(xiàn)下降趨勢，2001—2004年下降明顯，只有2004—2005年出現(xiàn)短暫小幅上升，之后呈現(xiàn)逐步平穩(wěn)下降，這表明中國各地區(qū)灰水足跡強(qiáng)度存在σ收斂.

絕對β收斂是指隨著時(shí)間推移,中國各地區(qū)在嚴(yán)格假定各地區(qū)的水資源消耗結(jié)構(gòu)、水資源稟賦、經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)等條件完全相同時(shí)，灰水足跡強(qiáng)度逐漸收斂到相同水平.而條件β收斂是指不同地區(qū)灰水足跡強(qiáng)度存在著不同的收斂穩(wěn)態(tài)，即在假定各地區(qū)的水資源消耗結(jié)構(gòu)、水資源稟賦、經(jīng)濟(jì)發(fā)展水平和產(chǎn)業(yè)結(jié)構(gòu)等條件存在差異時(shí)，灰水足跡強(qiáng)度逐漸收斂到不同水平.本文在具體研究灰水足跡強(qiáng)度條件β收斂時(shí)，設(shè)置的控制變量如下：人均用水量、水資源總量、人均GDP、對外開放程度和產(chǎn)業(yè)結(jié)構(gòu).

通過全局Moran’sI指數(shù)對中國各地區(qū)灰水足跡強(qiáng)度的空間自相關(guān)效應(yīng)進(jìn)行檢驗(yàn)表明存在正的空間自相關(guān)效應(yīng)，通過LM檢驗(yàn)，得到的顯著性水平都很高，空間滯后和空間誤差效應(yīng)都存在，因此需要建立兩類空間β收斂模型；通過Hausman檢驗(yàn)，結(jié)果表明絕對β收斂模型應(yīng)采用固定效應(yīng)估計(jì)，而條件β收斂模型應(yīng)采用隨機(jī)效應(yīng)，結(jié)果如表2.

表2 檢驗(yàn)結(jié)果

本研究采用Matlab空間計(jì)量工具箱，得到的主要參數(shù)估計(jì)和假設(shè)檢驗(yàn)的P值，結(jié)果如表3.在此結(jié)果下，空間絕對β收斂模型和條件β收斂模型設(shè)定下的收斂系數(shù)均為正，即中國各地區(qū)灰水足跡強(qiáng)度存在β收斂，較高灰水足跡強(qiáng)度地區(qū)的下降速度快于較低灰水足跡強(qiáng)度的地區(qū).標(biāo)準(zhǔn)計(jì)量和空間計(jì)量絕對β收斂模型估計(jì)出的收斂速度小于條件β收斂設(shè)定下收斂速度，在加入各地區(qū)的控制變量后，收斂速度加快，即考慮這些控制變量后，較高灰水足跡強(qiáng)度的地區(qū)下降速度明顯快于較低灰水足跡強(qiáng)度的地區(qū).標(biāo)準(zhǔn)絕對β收斂和條件β收斂模型估計(jì)得到收斂速度為0.238和0.301，均高于空間計(jì)量β收斂模型估計(jì)的收斂速度，說明在沒有考慮空間自相關(guān)效應(yīng)因素下，中國各省市2001—2014年灰水足跡強(qiáng)度收斂更快.

在加入了空間滯后效應(yīng)和空間誤差效應(yīng)假定下，從表3可知，存在顯著的絕對β收斂，收斂速度分別為0.020和0.026，略小于條件β收斂模型估計(jì)出的收斂速度0.053和0.051，說明在空間效應(yīng)和5個(gè)控制條件變量(人均用水量、水資源總量、人均GDP、對外開放程度和產(chǎn)業(yè)結(jié)構(gòu))共同作用下，中國各省市區(qū)灰水足跡強(qiáng)度收斂速度更快.

從表3可以看到，絕對β收斂模型、條件β收斂模型、空間滯后模型和空間誤差模型中的空間滯后系數(shù)ρ和空間誤差系數(shù)λ均大于0且都顯著.在兩類模型中的條件β收斂計(jì)量模型中估計(jì)出的空間系數(shù)大于絕對β收斂計(jì)量模型，在控制影響各地區(qū)灰水足跡強(qiáng)度收斂的因素后，灰水足跡強(qiáng)度的收斂速度變慢了.這說明由于各地區(qū)區(qū)域差異的存在，各地區(qū)的水污染排放標(biāo)準(zhǔn)很難達(dá)成一致，在水污染防治政策的選擇方面很難達(dá)成共識(shí)，全國范圍內(nèi)的灰水足跡強(qiáng)度差異不會(huì)自動(dòng)消除.因此，可以進(jìn)一步考慮灰水足跡強(qiáng)度是否存在條件β收斂.

表3 模型回歸結(jié)果

注：***、**、*分別表示通過1%、5%、10%顯著性檢驗(yàn)，括號(hào)內(nèi)值為t統(tǒng)計(jì)量值或z統(tǒng)計(jì)量值

從全國角度看，人均用水量、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)通過了顯著性檢驗(yàn)，這說明從全國來說，人均用水量、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)的降低對污染物排放強(qiáng)度收斂有著重要的影響.由具體控制變量估計(jì)結(jié)果來看，在空間計(jì)量條件β收斂模型估計(jì)出的人均用水量系數(shù)顯著為正，而標(biāo)準(zhǔn)條件β收斂模型得到的系數(shù)顯著為負(fù)，即在空間滯后和誤差模型下人均用水量分別每下降1%，灰水足跡強(qiáng)度增長速度將會(huì)下降0.002 5%、0.002 7%；3種情況下的條件β收斂模型估計(jì)出的人均GDP系數(shù)均顯著為負(fù)，人均GDP每增長1%，灰水足跡強(qiáng)度增長速度分別將會(huì)下降0.000 8%、0.000 4%、0.000 4%；在空間計(jì)量條件β收斂模型估計(jì)出的產(chǎn)業(yè)結(jié)構(gòu)系數(shù)顯著為負(fù)，而標(biāo)準(zhǔn)條件β收斂模型計(jì)算得到的系數(shù)為正，但不顯著，即在空間滯后和空間誤差模型下的系數(shù)分別為-0.103、-0.106，產(chǎn)業(yè)結(jié)構(gòu)每增長1%，灰水足跡強(qiáng)度增長速度將會(huì)下降10.301%、10.598%；然而水資源總量和對外開放程度均不顯著負(fù)向影響灰水足跡強(qiáng)度的增長速度.

4 結(jié) 論

本文綜合考慮各地區(qū)真實(shí)的廢污水排放，根據(jù)Hoekstra 等提出的污染物吸納理論，從工業(yè)和生活廢污水排放角度計(jì)算了中國各地區(qū)2001—2014年的灰水足跡強(qiáng)度，借助于空間自相關(guān)檢驗(yàn)方法和空間計(jì)量收斂模型對各地區(qū)的灰水足跡強(qiáng)度的空間自相關(guān)特征及空間收斂性進(jìn)行分析，主要得到下面結(jié)論：

(1)2001—2014年，各地區(qū)灰水足跡強(qiáng)度存在正的空間自相關(guān)特征，隨著時(shí)間推移，空間自相關(guān)程度逐漸變強(qiáng)；各地區(qū)灰水足跡強(qiáng)度表現(xiàn)出一定程度的σ收斂趨勢，標(biāo)準(zhǔn)差在整體上呈現(xiàn)下降趨勢.對各地區(qū)灰水足跡強(qiáng)度的計(jì)量β收斂分析時(shí)應(yīng)采用空間計(jì)量模型技術(shù)手段，否則估計(jì)出的收斂速度不能全面體現(xiàn)中國各地區(qū)灰水足跡強(qiáng)度的收斂狀態(tài).

(2)計(jì)量β收斂模型設(shè)定分為絕對β收斂和條件β收斂，本文設(shè)定模型估計(jì)出的絕對β收斂模型和條件β收斂模型設(shè)定下的收斂系數(shù)均為正，說明中國各地區(qū)灰水足跡強(qiáng)度存在絕對和條件β收斂.標(biāo)準(zhǔn)計(jì)量和空間計(jì)量絕對β收斂模型估計(jì)出的收斂速度小于條件β收斂設(shè)定下收斂速度，在加入各地區(qū)的控制變量后，收斂速度加快.空間滯后模型和空間誤差模型中的條件β收斂模型中估計(jì)出的空間系數(shù)大于絕對β收斂模型，在加入控制各地區(qū)灰水足跡強(qiáng)度收斂的因素變量后，減慢了灰水足跡強(qiáng)度的收斂速度.由于各地區(qū)區(qū)域差異的存在，各地區(qū)的水污染排放標(biāo)準(zhǔn)很難達(dá)成一致，在水污染防治政策的選擇方面很難達(dá)成共識(shí)，全國范圍內(nèi)的灰水足跡強(qiáng)度差異不會(huì)自動(dòng)消除.

[1] 孫克，徐中民.環(huán)境影響評(píng)價(jià)中人文因素作用的空間計(jì)量[J].生態(tài)學(xué)報(bào)，2009，29(3):1563-1570.

[2] 龍愛華，徐中民，王新華，等.人口、富裕及技術(shù)對2000 年中國水足跡的影響[J].生態(tài)學(xué)報(bào)，2006，26(10):3358-3365.

[3] 曾昭，劉俊國.北京市灰水足跡評(píng)價(jià)[J].自然資源學(xué)報(bào)，2013，28(7):1169-1178.

[4] HOEKSTRA A Y.Human appropriation of natural capital:A comparison of ecological footprint and water footprint analysis[J].Ecological Economics，2009，68(7):1963-1974.

[5] VAN OEL P R，MEKONNEN M M，HOEKSTRA A Y.The external water footprint of the Netherlands:Geographically-explicit quantification and impact assessment[J].Ecological Economics，2009，69(1):82-92.

[6] 孫才志,劉玉玉,陳麗新,等.基于基尼系數(shù)和錫爾指數(shù)的中國水足跡強(qiáng)度時(shí)空差異變化格局[J].生態(tài)學(xué)報(bào),2010,30(5):1312-1321.

[7] 譚秀娟，鄭欽玉.我國水資源生態(tài)足跡分析與預(yù)測[J].生態(tài)學(xué)報(bào)，2009，29(7):3559-3568.

[8] 焦雯珺，閔慶文，成升魁,等.污染足跡及其在區(qū)域水污染壓力評(píng)估中的應(yīng)用——以太湖流域上游湖州市為例[J].生態(tài)學(xué)報(bào)，2011，31(19):5599-5606.

[9] WANG H R，LIU X H，DONG Y Y，et al.Analysis of China’s water security and virtual water trade[J].Chinese Journal of Population，Resources and Environment，2006，14(4):18-23.

[10] 王紅瑞，王軍紅.中國畜產(chǎn)品的虛擬水含量[J].環(huán)境科學(xué)，2006，27(4):609-615.

[11] BARRO R J，SALA-I-MARTIN X.Convergence[J].Journal of Political Economy,1992，100(2):223-250.

[12] SALA-I-MARTIN X.The classical approach to convergence analysis[J].The Economy Journal，1996，106(437):1019-1036.

[13] 孫慶剛,郭菊娥,師博.中國省域間能源強(qiáng)度空間溢出效應(yīng)分析[J].中國人口·資源與環(huán)境,2013(11):137-143.

[14] 劉亦文,文曉茜,胡宗義.中國污染物排放的地區(qū)差異及收斂性研究[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究,2016(4):78-94.

[15] 余華義.中國省際能耗強(qiáng)度的影響因素及其空間關(guān)聯(lián)性研究[J].資源科學(xué)，2011，33(7):1353-1365.

[16] 齊紹洲，羅威.中國地區(qū)經(jīng)濟(jì)增長與能源消費(fèi)強(qiáng)度差異分析[J].經(jīng)濟(jì)研究，2007(7):74-81.

[17] HOEKSTRA A Y，HUNG P Q.Virtual water trade:a quantification of virtual water flows between nations in relation to international crop trade，value of water research series No11[M].Delft，The Netherlands:IHE,2002:15-17.

[18] 孫才志,陳栓,趙良仕.基于ESDA的中國省際水足跡強(qiáng)度的空間關(guān)聯(lián)格局分析[J].自然資源學(xué)報(bào)，2013，28(4):571-582.

[19] 曾昭，劉俊國.北京市灰水足跡評(píng)價(jià)[J].自然資源學(xué)報(bào)，2013，28(7):1169-1178.

[20] ANSELIN L.Local indicators of spatial association-LISA[J].Geographical Analysis，1995，27(2):93-116.

[21] BAUMOL W J.Productivity growth，convergence and welfare:what the long-run data show[J].American Economic Review,1986,78(5)：1072-1085.

[22] 趙良仕,孫才志,鄭德鳳.中國省際水足跡強(qiáng)度收斂的空間計(jì)量分析[J].生態(tài)學(xué)報(bào),2014,34(5):1085-1093.

[23] ANSELIN L.Spatial econometrics:methods and models[M].Dordrecht:Kluwer Academic Publishers，1988:55-76.

[24] BALTAGI B H.Econometric analysis of panel data[M].3rd ed.New York:Wiley，2005:66-75.

StudyonspatialconvergenceofgreywaterfootprintintensityonprovincialscaleinChina

ZHAOLiangshi

(Center for Studies of Marine Economy and Sustainable Development， Liaoning Normal University， Dalian 116029， China)

The poor water environment quality and water ecology damage problems have aroused great attention.The analysis of regional water pollution emissions intensity is the premise to implement the most stringent water management system and build water security system with Chinese characteristics.According to the theory of absorbing pollutants proposed by Hoekstra and Chapagain，the national 31 provinces grey water footprint from 2001 to 2014 is estimated，the spatial correlation of grey water footprint intensity is explored by using spatial autocorrelation analysis method，and by building the space measurement model of convergence，the existence of absolute and conditionalβconvergence of grey water footprint intensity is verified under the perspective of spatial effect.The results are as follows:①Different regions’ grey water footprint intensity in China have strong spatial correlation and spatial imbalance distribution from 2001 to 2014.②Water footprint intensity exists absolute convergence，and in the spatial effect assumption that exists absolute convergence and conditional convergence.③Under spatial lag and error model，different regions’ per capita water consumption reduced by 1%，the growth rate of grey water footprint intensity reduced by 0.002 5% and 0.002 7%，respectively.However，total water resources and the degree of economically opening are not significant and negative influence the growth rate of grey water footprint intensity.

grey water footprint intensity；spatial autocorrelation；βconvergence analysis；China

TV213.9

A

2017-05-02

國家自然科學(xué)基金資助青年基金項(xiàng)目(41701616)

趙良仕(1985- )，男，遼寧遼陽人，遼寧師范大學(xué)講師，博士.E-mail:liangshizhao85@163.com

1000-1735(2017)04-0541-07

10.11679/lsxblk2017040541