鄭春梅

摘要：通過構(gòu)建水足跡變化的STIPAT模型，定量分析2002—2014年人口、人均GDP及萬元產(chǎn)值水足跡對水足跡變化的影響，并通過地理加權(quán)回歸分析2014年這3類驅(qū)動因素的空間溢出效應(yīng)。結(jié)果表明，從時(shí)間上看，水足跡與水足跡強(qiáng)度呈現(xiàn)出反比例關(guān)系，即水足跡強(qiáng)度隨著水足跡的遞增而降低;人口、人均GDP水足跡變化的影響程度最大，起到正向驅(qū)動作用，而萬元產(chǎn)值水足跡的影響力最小，但其卻對水足跡起到抑制作用。從空間上看，各省水足跡總量受人口、人均GDP、萬元產(chǎn)值水足跡的影響，其空間分布呈現(xiàn)出明顯的不同。

關(guān)鍵詞：水足跡;驅(qū)動因素;STIPAT模型;地理加權(quán)回歸

中圖分類號：TV213;O212? ? ? ? ?文獻(xiàn)標(biāo)識碼：A

文章編號：0439-8114（2019）06-0034-05

DOI：10.14088/j.cnki.issn0439-8114.2019.06.009? ? ? ? ? ?開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

Abstract： Through establishing the STIRPAT model of water footprint changes， the impact of population， GDP per capita， and ten thousand yuan of water footprint changes from 2002 to 2014 was quantitatively analyzed， and the spatial spillover effects of these three types of drivers in 2014 were analyzed by geographically weighted regression. The results showed that from a time point of view， the water footprint and the water footprint intensity showed? inversely proportional relationship， that was， the water footprint intensity decreased with increasing water footprint; Population， GDP per capita had the greatest impact on the water footprint changes， which played a positive effect while the ten thousand yuan of water footprint had least impact， but it had an inhibitory effect on the water footprint. From the spatial point of view， each administrative district was affected by the population， GDP per capita and ten thousand yuan of water footprint effects， and the spatial distribution of water footprints showed significant differences.

Key words： water footprint; driving factors; STIRPAT model; geographic weighted regression

中國是世界上干旱缺水的國家，人均水資源擁有量極其匱乏，東西跨度大導(dǎo)致的水資源分配不均加劇了水資源短缺的現(xiàn)狀。面對嚴(yán)峻的水資源形勢，政府已經(jīng)將能源、糧食、水資源定為三大戰(zhàn)略資源?？梢姡Y源已成為制約可持續(xù)發(fā)展的“命門”。水足跡作為表征人類活動對水資源消耗的有效工具，已引起了全球?qū)W者的廣泛關(guān)注，其中基于STIRPAT模型的水足跡影響因素分析是進(jìn)行水足跡分析的主流研究手段之一。Zhao等[1]通過測算1990—2009年中國農(nóng)業(yè)水足跡的相關(guān)數(shù)據(jù)，運(yùn)用STIRPAT模型探索人口、富裕、城鎮(zhèn)化水平以及農(nóng)產(chǎn)品飲食結(jié)構(gòu)對農(nóng)業(yè)水足跡的影響。龍愛華等[2]應(yīng)用STIRPAT模型，從人口、經(jīng)濟(jì)和技術(shù)3個(gè)方面探索影響2000年中國水足跡的因素，發(fā)現(xiàn)人口對水足跡消耗的影響程度最大。奚旭等[3]基于經(jīng)典的IPAT模型，將驅(qū)動水足跡變化的因素分為人口、富裕度和技術(shù)，借助指數(shù)分解法測算驅(qū)動因素的貢獻(xiàn)率，發(fā)現(xiàn)1997—2011年富裕度對水足跡消耗的影響程度最大。任毅等[4]基于改進(jìn)的STIRPAT模型，收集1990—2011年定西市人口、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)等人文因素的相關(guān)數(shù)據(jù)，定量分析了這些因素對該市生態(tài)足跡的影響。王亮[5]基于STIRPAT模型，并利用SPSS19.0定量分析了影響鹽城市可持續(xù)發(fā)展的人口、經(jīng)濟(jì)和技術(shù)因素。吳玉鳴[6]利用地理加權(quán)回歸（GWR）模型，首次對中國省域旅游業(yè)的產(chǎn)出行為進(jìn)行空間差異分析。肖宏偉等[7]借助時(shí)空加權(quán)回歸模型（GTWR）、擴(kuò)展后的STIRPAT模型實(shí)證考察了2006—2011年城鎮(zhèn)化率、人均GDP、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等對碳排放時(shí)空分布的影響，結(jié)果顯示，考慮各驅(qū)動因素間的空間異質(zhì)性和外溢性對于降低碳排放量至關(guān)重要。孫克等[8]基于2012年中國31個(gè)省市的灰水足跡數(shù)據(jù)，通過構(gòu)建地理加權(quán)回歸的STIRPAT模型，探究人口、技術(shù)等人文因素對灰水足跡影響的空間異質(zhì)性。

在上述研究的基礎(chǔ)上，依據(jù)水足跡相關(guān)理論，計(jì)算2002—2014年中國31?。ㄊ小⒆灾螀^(qū)）水足跡，基于STIRPAT模型，利用SPSS 22.0定量分析引起水足跡變化的人口數(shù)量、人均GDP以及萬元產(chǎn)值水足跡（水足跡強(qiáng)度）因素，檢驗(yàn)水足跡總量與經(jīng)濟(jì)增長之間是否存在EKC（Environmental Kuznets Curve）關(guān)系;同時(shí)依據(jù)檢驗(yàn)結(jié)果，運(yùn)用空間計(jì)量經(jīng)濟(jì)學(xué)方法——地理加權(quán)回歸，分析中國省際水足跡驅(qū)動因素的空間溢出效應(yīng)，因地制宜地提出適合各省市的水資源策略。

1? 研究方法

1.1? STIRPAT模型

采用STIRPAT模型，分析人口、人均GDP以及萬元產(chǎn)值水足跡（水足跡強(qiáng)度）對水足跡產(chǎn)生的影響。STIRPAT模型是由經(jīng)典的IPAT等式（即有關(guān)人口、富裕和技術(shù)的回歸）改造而成的隨機(jī)形式，IPAT模型形式[9]如下：

式中，a為常數(shù)項(xiàng)，b、c、d為各驅(qū)動因素指數(shù)，e是誤差項(xiàng)，I、P、A、T分別代表環(huán)境、人口、富裕度以及技術(shù)。當(dāng)a=b=c=d=e=1時(shí)，STIRPAT模型就還原成IPAT等式。為測試P、A、T對I的影響，通常對上式取對數(shù)，即：

為研究中國水足跡的驅(qū)動因素，構(gòu)建模型（3）。

式中，lnI為因變量，代表水足跡總量;lnP、lnA、lnT為自變量，分別代表人口、人均GDP、萬元產(chǎn)值水足跡（水足跡強(qiáng)度）這3項(xiàng)指標(biāo);lna為常數(shù)項(xiàng)，lne為誤差項(xiàng);a1、a2、a3分別為相關(guān)系數(shù)。對經(jīng)過調(diào)整后的模型進(jìn)行多元線性回歸，根據(jù)彈性系數(shù)概念，人口、人均GDP、萬元產(chǎn)值水足跡每變化1%時(shí)，將分別引起水足跡發(fā)生a1%、a2%、a3%的變化。

為了檢驗(yàn)經(jīng)濟(jì)增長與水足跡消耗之間是否存在EKC（倒“U”型）關(guān)系，將模型（3）中的lnA分解成lnA和（lnA）2兩項(xiàng)，則模型調(diào)整為：

式中，a21和a22分別為人均GDP對數(shù)的系數(shù)及人均GDP對數(shù)二次項(xiàng)的系數(shù)。

由式（4）得出人均GDP驅(qū)動水足跡消耗的彈性系數(shù)為β。

如果a22<0，則說明水足跡會隨著人民生活水平的提高呈現(xiàn)先增長后遞減的趨勢，即存在EKC關(guān)系。

1.2? 地理加權(quán)回歸模型

地理加權(quán)回歸模型[10]，簡稱GWR模型，是對一般線性回歸模型的擴(kuò)展。該模型將數(shù)據(jù)的空間位置嵌入到回歸中，是變量空間位置的函數(shù)，即：

式中，（ak，bk）為第k點(diǎn)的空間位置，即地理坐標(biāo)，αi（ak，bk）為第k點(diǎn)上第i個(gè)變量X的回歸系數(shù)，是有關(guān)變量空間位置的函數(shù)。

2? 數(shù)據(jù)來源與分析

2.1? 數(shù)據(jù)來源

本研究需要的水足跡以及人口總量、人均GDP、萬元產(chǎn)值水足跡等相關(guān)數(shù)據(jù)均來自《中國統(tǒng)計(jì)年鑒》（2002—2014年）。2002—2014年中國STIRPAT模型主要指標(biāo)見表1。

2.2? 水足跡的測算與分析

目前，通用的水足跡測算方法主要有兩種，一種是自上而下的方法，是一種差額計(jì)算方法，即水足跡等于本區(qū)域進(jìn)口產(chǎn)品所含的虛擬水和水資源消耗之和再減去出口產(chǎn)品所需的虛擬水。由于缺乏詳盡的區(qū)域間產(chǎn)品貿(mào)易記錄，這種方法不能夠測算出完整的水足跡總量。因此大多采用第二種方法，即自下而上的方法，水足跡等于區(qū)域內(nèi)單位產(chǎn)品虛擬水含量與消費(fèi)的產(chǎn)品數(shù)量乘積之和。本研究正是基于水足跡自下而上的算法，從消費(fèi)者角度出發(fā)，建立了水資源賬戶，具體包括以下5個(gè)方面。

1）農(nóng)業(yè)水足跡。中國居民消費(fèi)的農(nóng)畜產(chǎn)品種類多樣，各地區(qū)統(tǒng)計(jì)分類標(biāo)準(zhǔn)和消耗數(shù)量各異，根據(jù)研究需要和數(shù)據(jù)的可得性原則，本研究借鑒2004年Chapagain等[11]得出的單位質(zhì)量農(nóng)畜產(chǎn)品的虛擬水含量，選取了全國范圍內(nèi)具有普遍性的11種農(nóng)畜產(chǎn)品作為研究對象[12]，如表2所示。計(jì)算公式為：

式中，WFa表示農(nóng)業(yè)水足跡，Qk表示第k種農(nóng)畜品消耗數(shù)量，UWk表示第k種農(nóng)畜品單位虛擬水含量。

2）工業(yè)水足跡。對工業(yè)水足跡采用估計(jì)方法，首先計(jì)算各地區(qū)農(nóng)業(yè)水足跡，結(jié)合地區(qū)經(jīng)濟(jì)發(fā)展水平差異和工業(yè)產(chǎn)品的耐用屬性引起的消費(fèi)需求的差異，將中國東部、中部和西部地區(qū)的工業(yè)產(chǎn)品虛擬水消費(fèi)量分別設(shè)定為該地區(qū)農(nóng)業(yè)水足跡消費(fèi)量的12%、9%和7%。

3）生活水足跡。生活水足跡等于城市和農(nóng)村日常生活用水之和。

4）生態(tài)水足跡。生態(tài)水足跡指的是從水資源供給和需求角度出發(fā)，維持生態(tài)系統(tǒng)正常運(yùn)轉(zhuǎn)和相對穩(wěn)定所必需的水資源。

5）灰水足跡?；宜阚E是以自然本底濃度和現(xiàn)有環(huán)境水質(zhì)為基準(zhǔn)，將一定的污染物稀釋后達(dá)到排放、再利用標(biāo)準(zhǔn)所需要的淡水體積[12]。在本研究中，灰水足跡總量等于農(nóng)業(yè)、工業(yè)和生活灰水足跡之和。

2.3? 水足跡總量與水足跡強(qiáng)度

水足跡強(qiáng)度是水足跡與生產(chǎn)總值的比值。2002—2014年水足跡總量與水足跡強(qiáng)度的關(guān)系如圖1所示。近13年來水足跡總量呈現(xiàn)波動上升的趨勢，2003和2007年略有降低，但總體來看，其總量大致呈現(xiàn)上升趨勢，尤其是2012年水足跡總量的增長率達(dá)到最高值并且有持續(xù)增高的趨勢;2002—2014年水足跡強(qiáng)度與水足跡總量呈現(xiàn)出明顯的反比關(guān)系，理論上可以說水足跡強(qiáng)度對水足跡起到抑制作用，但是其抑制作用并沒有很明顯，因此需考慮其他因素對水足跡的驅(qū)動作用。

3? 結(jié)果與分析

3.1? 回歸分析

運(yùn)用SPSS 22.0對水足跡及其驅(qū)動因素進(jìn)行多元線性回歸，結(jié)果見表3，F(xiàn)=104.678，P為0.000，表現(xiàn)為高度顯著，且R2=0.972，調(diào)整后的R2=0.963，表明水足跡與各驅(qū)動因素?cái)M合效果顯著。由表3可知，人口、人均GDP及水足跡強(qiáng)度這幾項(xiàng)指標(biāo)的VIF值都大于10，其中人均GDP和水足跡強(qiáng)度的VIF值分別為20 858.056和494.083，說明其存在著嚴(yán)重的多重共線性。

為了消除多重共線性，本研究借助嶺回歸對相關(guān)數(shù)據(jù)進(jìn)行重新回歸，結(jié)果見表4。

由表4可知，F(xiàn)=6.602，P為0.012，且R2=0.767，表現(xiàn)為高度顯著，lnT通過了5%的顯著性水平檢驗(yàn)，lnP、lnA、（lnA）2均通過了1%的顯著性水平檢驗(yàn)。因此，模型（4）可以較好地解釋水足跡總量與各自變量之間的關(guān)系，其具體表達(dá)式為：

從各驅(qū)動因素的系數(shù)來看，人口數(shù)量、人均GDP的增加都會促進(jìn)水足跡總量的增加，其中，人口對水足跡的影響最大，人口每增加1%，水足跡總量將增加0.289%;而水足跡強(qiáng)度則對水足跡總量起到抑制作用，與人口規(guī)模的驅(qū)動作用呈現(xiàn)對立狀態(tài)，但是其抑制作用明顯低于人口的促進(jìn)作用，因此應(yīng)加大對水資源利用方面的技術(shù)支持，努力降低水足跡強(qiáng)度，從而抑制水足跡總量的增長。

參照模型（6），（lnA）2的系數(shù)為0.227，大于0，說明在觀測期內(nèi)，人均GDP與水足跡消耗并沒有呈現(xiàn)EKC關(guān)系。

4? 中國省域水足跡驅(qū)動因素的空間異質(zhì)性分析

運(yùn)用空間自相關(guān)模型，借助Geoda軟件計(jì)算2002、2008和2014年中國31省市水足跡的莫蘭指數(shù)，分析水足跡的空間自相關(guān);借助GWR等模型軟件實(shí)現(xiàn)數(shù)據(jù)的空間分析、模型運(yùn)行、空間結(jié)果展示，從31個(gè)?。ㄗ灾螀^(qū)）的角度分析水足跡驅(qū)動因素的空間異質(zhì)性，探究驅(qū)動因素變化的內(nèi)在規(guī)律，可根據(jù)實(shí)證研究得出的結(jié)論提出具有針對性的政策建議，優(yōu)化水資源利用政策，因地制宜地提出適合各地區(qū)的水資源策略。

4.1? 水足跡空間自相關(guān)

本研究計(jì)算了2002、2008和2014年中國31省市水足跡全局自相關(guān)的莫蘭指數(shù)（Morans I），分別為0.23、0.20、0.18，如圖2所示。Morans I>0，表明區(qū)域間水足跡具有相同的變化趨勢，即具有高水足跡的區(qū)域其周邊相鄰地區(qū)的水足跡也偏高，反之亦然。因此正確理解水足跡的空間集聚現(xiàn)象，并發(fā)揮空間效應(yīng)的作用，有利于從整體上降低中國水足跡消耗，達(dá)到節(jié)約用水的目的。

4.2? 省域水足跡驅(qū)動因素的空間異質(zhì)性分析

基于Stirpat模型分析結(jié)果，在GWR模型中，分別選取人口總量、人均GDP及水足跡強(qiáng)度作為人口規(guī)模效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)及技術(shù)效應(yīng)。本研究就是在此基礎(chǔ)上選取2014年為研究對象，借助GWR 4.0實(shí)現(xiàn)數(shù)據(jù)的空間分析。結(jié)果顯示，調(diào)整后R2=0.935 3，擬合優(yōu)度高于嶺回歸檢驗(yàn)的結(jié)果，因此可以應(yīng)用該模型分析人口規(guī)模效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)與技術(shù)效應(yīng)對水足跡總量驅(qū)動的空間分布特征。

1）人口規(guī)模效應(yīng)對水足跡驅(qū)動的回歸系數(shù)的空間分布特征。系數(shù)為正表示人口數(shù)量對水足跡的消耗起促進(jìn)作用，在空間分布上呈現(xiàn)南北走向，即水足跡由南向北逐漸遞增，說明中國人口規(guī)模對水足跡的相對壓力由南向北逐漸加大。

2）經(jīng)濟(jì)規(guī)模效應(yīng)，即人均GDP對水足跡驅(qū)動的回歸系數(shù)的空間分布特征。系數(shù)為正表示經(jīng)濟(jì)規(guī)模對水足跡的消耗起促進(jìn)作用，其在空間分布上自東向西逐漸遞減。新疆、西藏、甘肅等西部地區(qū)受制于其經(jīng)濟(jì)發(fā)展水平，其水足跡消耗明顯低于東部發(fā)達(dá)地區(qū)。

3）技術(shù)效應(yīng)，即萬元產(chǎn)值水足跡對水足跡回歸系數(shù)的空間分布特征。系數(shù)為負(fù)表示技術(shù)效應(yīng)對水足跡消耗起到抑制作用，其在空間分布上自西向東依次遞減。系數(shù)越小，表示水足跡強(qiáng)度越低，即萬元產(chǎn)值用水量越少。因此應(yīng)加大技術(shù)投入，激勵相關(guān)企業(yè)改進(jìn)生產(chǎn)工藝，提高用水效率，以此來抑制水足跡總量的消耗。

5? 小結(jié)與討論

本研究采用STIRPAT模型，分析了全國人口、人均GDP、水足跡強(qiáng)度對水足跡消耗的影響，并通過選取2014年作為研究對象，利用31省市的各驅(qū)動因素的GWR回歸系數(shù)佐證了各驅(qū)動因素對水足跡的影響，同時(shí)得出各驅(qū)動因素對水足跡影響的空間分布特征，其結(jié)果如下。

1）從全國來看，人口數(shù)量、人均GDP、水足跡強(qiáng)度每增加1%，水足跡將發(fā)生0.289%、（0.188+0.454lnA）%和-0.129%的變化。隨著經(jīng)濟(jì)發(fā)展水平的提高，人均GDP也不斷提高，與此同時(shí)，水足跡逐漸增多，這也從另一個(gè)側(cè)面反映了保證水資源供給是經(jīng)濟(jì)發(fā)展的必要條件。（lnA）2的系數(shù)為0.227，大于0，說明在觀測期內(nèi)，人均GDP與水足跡之間不存在EKC關(guān)系。

2）不同的驅(qū)動因素對水足跡的影響存在空間差異。人口規(guī)模效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)和技術(shù)效應(yīng)對水足跡的影響所呈現(xiàn)出的空間分布特征，應(yīng)該可以結(jié)合中國具體國情來解釋，一是在人口規(guī)模效應(yīng)上，人口規(guī)模對水足跡起到促進(jìn)作用，其由南向北逐漸遞增的趨勢與中國人口分布有著密切關(guān)系;二是在經(jīng)濟(jì)發(fā)展水平上，東部地區(qū)相較西部地區(qū)經(jīng)濟(jì)發(fā)展更快，這客觀上導(dǎo)致了經(jīng)濟(jì)規(guī)模對水足跡的影響呈現(xiàn)由東向西遞減的趨勢;三是由經(jīng)濟(jì)發(fā)展所帶來地區(qū)科技投入的不同而引發(fā)的水足跡強(qiáng)度對水足跡總量的影響呈現(xiàn)由西向東遞減的趨勢，即表現(xiàn)為東部地區(qū)用水效率比較高，西部地區(qū)較低，因此，通過提高用水效率來達(dá)到節(jié)水的目的就顯得尤為重要。

3）水足跡驅(qū)動因素時(shí)空差異分析對于制定適合各地區(qū)的水資源策略具有十分重要的作用。在現(xiàn)行體制下，中西部地區(qū)應(yīng)轉(zhuǎn)變傳統(tǒng)的經(jīng)濟(jì)發(fā)展模式，在招商引資的同時(shí)，注重環(huán)境保護(hù)，減少灰水足跡，即需要各級政府在經(jīng)濟(jì)發(fā)展上由重?cái)?shù)量向重質(zhì)量轉(zhuǎn)變;同時(shí)加大技術(shù)投入，激勵當(dāng)?shù)仄髽I(yè)改進(jìn)生產(chǎn)工藝，提高水資源利用效率，降低水足跡。東部地區(qū)要注意協(xié)調(diào)人口數(shù)量、經(jīng)濟(jì)發(fā)展與水資源消耗之間的關(guān)系，制定合理的人口政策，在原有水資源利用效率的基礎(chǔ)上通過技術(shù)投入進(jìn)一步提高水資源利用效率，降低水足跡。

參考文獻(xiàn)：

[1] ZHAO C F，CHEN B，HAYAT T，et al. Driving force analysis of water footprint change based on extended STIRPAT model： Evidence from the Chinese agricultural sector[J].Ecological indicators，2014，47：43-49.

[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] 奚? 旭，孫才志，趙良仕.基于IPAT-LMDI的中國水足跡變化驅(qū)動力分析[J].水利經(jīng)濟(jì)，2014，32（5）：1-5.

[4] 任? 毅，李? 宇，鄭? 吉.基于改進(jìn)STIRPAT模型的定西市生態(tài)足跡影響因素研究[J].生態(tài)經(jīng)濟(jì)，2016，32（1）：89-93.

[5] 王? 亮.基于生態(tài)足跡的鹽城市生態(tài)安全評價(jià)[J].國土與自然資源研究，2012（1）：59-61.

[6] 吳玉鳴.中國省域旅游業(yè)彈性系數(shù)的空間異質(zhì)性估計(jì)——基于地理加權(quán)回歸模型的實(shí)證[J].旅游學(xué)刊，2013，28（2）：35-43.

[7] 肖宏偉，易丹輝.基于時(shí)空地理加權(quán)回歸模型的中國碳排放驅(qū)動因素實(shí)證研究[J].統(tǒng)計(jì)與信息論壇，2014，29（2）：83-89.

[8] 孫? 克，徐中民.基于地理加權(quán)回歸的中國灰水足跡人文驅(qū)動因素分析[J].地理研究，2016，35（1）：37-48.

[9] 焦文獻(xiàn)，陳興鵬.基于STIRPAT模型的甘肅省環(huán)境影響分析——以1991-2009年能源消費(fèi)為例[J].長江流域資源與環(huán)境，2012， 21（1）：105-110.

[10] BRUNSDON C，F(xiàn)OTHERINGHAM A S，CHARLTON M E. Geographically weighted regression：A method for exploring spatial nonstationarity[J].Geographical analysis，1996，28（4）：281-298.

[11] CHAPAGAIN A K，HOEKSTRA A Y. Virtual water trade： Water footprint of nations（No.16）（Volume1：Main report）[R].IHE Delft，2004.1-76.

[12] HOEKSTRA A Y，CHAPAGAIN A K，MARTINEZ-ALDAYA M M，et al. The water footprint assessment manual：Setting the global standard[M].London：Earthscan，2011.