基于EKC改進下的農(nóng)業(yè)用水與糧食產(chǎn)量的關(guān)系論證

葉友皓，袁永生

(河海大學 理學院，江蘇 南京 211100)

基于EKC改進下的農(nóng)業(yè)用水與糧食產(chǎn)量的關(guān)系論證

葉友皓，袁永生

(河海大學 理學院，江蘇 南京 211100)

利用2009～2014年中國省際面板數(shù)據(jù)，結(jié)合EKC理論，按照南、北方不同省份研究了農(nóng)業(yè)用水量與糧食產(chǎn)量之間的關(guān)系。通過分析發(fā)現(xiàn)，農(nóng)業(yè)用水與糧食的產(chǎn)量之間關(guān)系復雜，存在動態(tài)關(guān)系，南方各省與北方各省之間的關(guān)系不同。北方省份農(nóng)業(yè)用水量與糧食的產(chǎn)量之間呈“N”型關(guān)系，南方省份農(nóng)業(yè)用水量與糧食的產(chǎn)量之間呈倒“U”型關(guān)系，且南、北方省份農(nóng)業(yè)用水量差異較大，需要警惕的是出現(xiàn)農(nóng)業(yè)用水量下降后出現(xiàn)上升的“反彈效應”，同時研究發(fā)現(xiàn)南方省份的拐點要早于北方省份，因此，對于南、北方不同省份需要區(qū)別對待，有效降低農(nóng)業(yè)用水量。

EKC理論；農(nóng)作物產(chǎn)量；農(nóng)業(yè)用水；拐點

0 引言

水資源是人類賴以生存的基本條件，而中國的人均水資源遠低于全國的平均水平，作為農(nóng)業(yè)大國，農(nóng)業(yè)用水對我國建設發(fā)展起著至關(guān)重要的作用。目前，國內(nèi)外學者針對農(nóng)業(yè)用水進行了相關(guān)研究，如Doorenbos等采用水分利用效率函數(shù)測算了作物產(chǎn)量(Y)與水分消耗量(ET)之間的關(guān)系，研究認為兩者呈線性相關(guān)[1-2]。Coleman等運用作物生長模擬模型量化了農(nóng)業(yè)用水對作物產(chǎn)量的影響，并對灌溉策略進行了評估[3-4]。Rock最早將EKC運用到水資源領(lǐng)域，驗證了美國經(jīng)濟增長與水資源利用之間是否存在倒“U”型特征[5]。謝彥明等[6]采用多元線性回歸方法分析認為，1979～2003年間灌溉對糧食單產(chǎn)的貢獻程度隨著時間的推移而提高，但其利用效率在1996年后呈下降走勢。張營周[7]運用協(xié)整分析方法對我國糧食生產(chǎn)投入產(chǎn)出關(guān)系進行了研究，結(jié)果表明：有效灌溉率是影響糧食單產(chǎn)的主要因素。

環(huán)境庫茲涅茨曲線(EKC曲線)是通過人均收入與環(huán)境污染指標之間的演變模擬，說明經(jīng)濟發(fā)展對環(huán)境污染程度的影響，也就是說，在經(jīng)濟發(fā)展過程中，環(huán)境狀況先是惡化而后得到逐步改善。對這種關(guān)系的理論解釋主要是圍繞3個方面展開的：經(jīng)濟規(guī)模效應與結(jié)構(gòu)效應、環(huán)境服務的需求與收入的關(guān)系和政府對環(huán)境污染的政策與規(guī)制。

本文利用EKC理論檢驗農(nóng)業(yè)用水與糧食產(chǎn)量的關(guān)系?，F(xiàn)有相關(guān)研究僅從定性角度對農(nóng)業(yè)用水進行了分析，而把農(nóng)業(yè)用水與農(nóng)作物產(chǎn)量聯(lián)系在一起的研究較少，且都沒有考慮到南、北方水資源的差異。鑒于此，本文對現(xiàn)有模型進行了改進，按照南方、北方分為兩組進行研究，同時對中國16個省份的面板數(shù)據(jù)進行了定量分析，根據(jù)不同的EKC類型建立不同的面板數(shù)據(jù)模型，進而得出農(nóng)業(yè)用水與糧食產(chǎn)量的動態(tài)關(guān)系，結(jié)合南、北方農(nóng)業(yè)技術(shù)差異對農(nóng)業(yè)用水提出可供參考的建議。

1 數(shù)據(jù)的單位根檢驗

本文數(shù)據(jù)均來自《中國統(tǒng)計年鑒》和《中國水資源公報》，選取了2009～2014年的農(nóng)業(yè)用水量和農(nóng)作物產(chǎn)量為基本數(shù)據(jù)，由于中國不同地區(qū)經(jīng)濟發(fā)展和水資源的不均衡，所以將16個省按照南、北方劃分進行研究。

由于宏觀經(jīng)濟學數(shù)據(jù)不全是平穩(wěn)的，所以在建立模型之前要對數(shù)據(jù)進行單位根檢驗。首先對北方城市進行單位根檢驗，一般回歸前要檢驗面板數(shù)據(jù)是否存在單位根，以檢驗數(shù)據(jù)的平穩(wěn)性，避免偽回歸或虛假回歸，確保估計的有效性。單位根檢驗時要分變量檢驗。單位根檢驗的方法較多，具有代表性的有5種：LLC、IPS、Breintung、ADF-Fisher和PP-Fisher。

一般為了方便起見，只采用相同單位根檢驗，本文采用IPS單位根檢驗，原假設H0：該序列是非平穩(wěn)的，備擇假設H1：該序列是平穩(wěn)的。如果它們都拒絕存在單位根的原假設，則可以認為此序列是平穩(wěn)的，反之就是非平穩(wěn)的,檢驗結(jié)果如表1所示。

由表1可以看出：南方各省和北方各省相對應的概率P均小于0.05，所以序列是平穩(wěn)的。

2 模型的建立與估計

2.1 模型的Hausman檢驗

面板數(shù)據(jù)包括截面和時序2個特性，所以對模型設定進行檢驗是十分必要的，模型的設定決定被估參數(shù)的準確性。面板數(shù)據(jù)的估計主要有齊性參數(shù)模型、變截距模型以及變系數(shù)模型，而變截距模型估計又可分為固定效應模型和隨機效應模型，本文選用Hausman檢驗來確定建立的模型是固定效應模型或隨機效應模型[8]。Hausman檢驗統(tǒng)計量為：

(1)

其中，b是固定效應模型的估計系數(shù)向量，β是隨機效應模型的估計系數(shù)向量；∑=Var[b]-Var[β]是系數(shù)向量[b-β]的協(xié)方差矩陣；原假設HO:隨機效應與解釋變量相關(guān)；備擇假設H1：隨機效應與解釋變量不相關(guān)。在原假設下,H檢驗量服從χ2[k]分布,其中k為回歸方程的解釋變量個數(shù)。內(nèi)部估計量(對虛擬變量模型)和GLS得出的估計量均是一致的,但是內(nèi)部估計量不是有效的；在備擇假設下,GLS不再是一致的,而內(nèi)部估計量仍是一致的。Hausman檢驗統(tǒng)計值H大于臨界值,則采用隨機效應模型；Hausman檢驗統(tǒng)計值H小于臨界值,則拒絕原假設,采用固定效應模型。本文在假設檢驗和模型參數(shù)估計中使用的是Eviews軟件，檢驗結(jié)果如表2所示。

表1 南方和北方省份的單位根檢驗

表2 模型的Hausman檢驗

模型類型北方省份統(tǒng)計值對應的P值結(jié)論模型類型南方省份統(tǒng)計值對應的P值結(jié)論一次模型3．00590．3907隨機效應模型一次模型3．95860．2660隨機效應模型平方模型6．49470．3701隨機效應模型平方模型5．06790．5351隨機效應模型立方模型0．89670．0362固定效應模型立方模型1．06820．0468固定效應模型

由表2可以看出：對于北方各省，一次模型和平方模型所對應的P值分別為0.3907和0.3701，均大于0.05，選擇隨機效應模型；而立方模型所對應的P值為0.0362，小于0.05，則選擇固定效應模型。對于南方各省，一次模型和平方模型所對應的P值分別為0.2660和0.5351，均大于0.05，選擇隨機效應模型；而立方模型所對應的P值為0.0468，小于0.05，則選用固定效應模型。

2.2 模型的建立

由于農(nóng)業(yè)用水量會隨著技術(shù)的發(fā)展和政策的不同，可能會出現(xiàn)先下降后上升的“反彈效應”，即農(nóng)業(yè)用水量與糧食產(chǎn)量增長之間呈“U”型或“N”型關(guān)系，所以結(jié)合EKC理論，考慮加入平方項和立方項，因此把初始模型設為如下模型[9]：

(2)

其中，AWit為第i個省份第t年的農(nóng)業(yè)用水量，CYit、CYit2、CYit3分別為農(nóng)作物產(chǎn)量(包括糧食、油料、水果)的一次項、平方項和立方項，β1、β2、β3為待估參數(shù)，εit為隨機誤差項。待估參數(shù)取值不同會導致不同的曲線形態(tài)，根據(jù)不同的待估參數(shù)可分為以下7種情況[10]：

(1)β1=β2=β3=0時，農(nóng)業(yè)用水量不隨農(nóng)作物產(chǎn)量的增加而增加，呈現(xiàn)一條水平線的特征。

(2)β1>0，且β2=β3=0時，農(nóng)業(yè)用水量隨農(nóng)作物產(chǎn)量的增加而單調(diào)增加，不存在拐點。

(3)β1<0，且β2=β3=0時，農(nóng)業(yè)用水量隨農(nóng)作物產(chǎn)量的增加而單調(diào)遞減，不存在拐點。

(4)β1>0，β2<0，且β3=0時，農(nóng)業(yè)用水量與農(nóng)作物產(chǎn)量之間呈現(xiàn)倒“U”型關(guān)系。

(5)β1<0，β2>0，且β3=0時，農(nóng)業(yè)用水量與農(nóng)作物產(chǎn)量之間呈現(xiàn)“U”型關(guān)系。

(6)β1<0，β2>0，且β3<0時，農(nóng)業(yè)用水量與農(nóng)作物產(chǎn)量之間呈現(xiàn)倒“N”型關(guān)系。

(7)β1>0，β2<0，且β3>0時，農(nóng)業(yè)用水量與農(nóng)作物產(chǎn)量之間呈現(xiàn)“N”型關(guān)系。

根據(jù)以上模型形式分別建立以下一次模型、平方模型、立方模型，如下所示：

lnAWit=α0+α1lnGit+εit

(3)

lnAWit=β0+β1lnGit+β2(lnGit)2+εit

(4)

lnAWit=γ0+γ1lnGit+γ2(lnGit)2+γ3(lnGit)3+εit

(5)

其中，AW表示農(nóng)業(yè)用水，G表示糧食產(chǎn)量，i和t分別表示省份和時間的下標，ln表示自然對數(shù)。

2.3 模型的估計

模型估計結(jié)果如表3所示。由表3可以看出，對于南、北方各省，農(nóng)業(yè)用水量隨著糧食產(chǎn)量的增加而增加。

表3 一次模型的估計結(jié)果

由表4可以看出，對于北方省份，糧食產(chǎn)量與農(nóng)業(yè)用水量之間呈“U”型關(guān)系，這表明農(nóng)業(yè)用水會隨著糧食產(chǎn)量的增加先下降后上升。對于南方省份，糧食產(chǎn)量與農(nóng)業(yè)用水量之間呈倒“U”型關(guān)系，這表明農(nóng)業(yè)用水會隨著糧食產(chǎn)量的增加先上升后下降。

表4 平方模型的估計結(jié)果

由表5可以看出，對于北方省份，糧食產(chǎn)量與農(nóng)業(yè)用水量之間呈“N”型關(guān)系，這表明農(nóng)業(yè)用水隨著糧食產(chǎn)量的增加先是上升，接著又下降最后又上升。對于南方省份，糧食產(chǎn)量與農(nóng)業(yè)用水量之間呈倒“N”型關(guān)系，這表明農(nóng)業(yè)用水隨著糧食產(chǎn)量的增加先是下降，接著又上升最后又下降。

表5 立方模型的估計結(jié)果

3 模型對比與評估

R2(決定系數(shù))是通過數(shù)據(jù)的變化來表征一個擬合的好壞。它的正常取值范圍為[0,1]，越接近1，表明方程的變量對Y的解釋能力越強，這個模型對數(shù)據(jù)擬合的也較好。adjR2(調(diào)整決定系數(shù))是對R2的調(diào)整，能更好地看出模型擬合效果的好壞。

(6)

(7)

其中，SSR為預測數(shù)據(jù)與原始數(shù)據(jù)之差的平方和，SST為原始數(shù)據(jù)和均值之差的平方和。

由表6可知，對于北方省份，一次模型adjR2的值為0.9612，最接近1，擬合效果最好；對于南方城市，平方模型adjR2的值為0.9738，最接近1，擬合效果最好。所以對于北方省份，應選擇立方模型擬合；對于南方省份應選擇平方模型擬合。

表6 模型的adjR2的值

4 結(jié)論及建議

本文利用2009～2014年的省級面板數(shù)據(jù)，結(jié)合EKC理論，按照南、北方不同省份分別研究了農(nóng)業(yè)用水量與不同農(nóng)作物產(chǎn)量之間的關(guān)系，驗證是否滿足一次模型、平方模型和立方模型，最后對這幾種模型選出擬合效果最好的模型，并得到如下結(jié)論：對于北方省份，選取立方模型，糧食的產(chǎn)量與農(nóng)業(yè)用水量的系數(shù)分別為2.5452、-3.3863、0.1759，糧食產(chǎn)量與農(nóng)業(yè)用水量之間呈“N”型關(guān)系，農(nóng)業(yè)用水隨著糧食產(chǎn)量先是上升，接著又下降最后又上升，這一結(jié)果表明，北方各省份的農(nóng)業(yè)灌溉效率較低，灌溉技術(shù)有待發(fā)展。對于南方省份，糧食的產(chǎn)量與農(nóng)業(yè)用水量的二次項系數(shù)分別為4.3354、-0.9993、0.0680，農(nóng)業(yè)用水量與糧食的產(chǎn)量之間呈倒“U”型關(guān)系，開始時農(nóng)業(yè)用水隨著農(nóng)作物產(chǎn)量的增加而增加，然后出現(xiàn)拐點，接著隨著農(nóng)作物的產(chǎn)量的增加而減少。這一結(jié)果表明，南方省份的灌溉效率不斷提升，灌溉技術(shù)在經(jīng)過拐點后得到很大提升。

基于上述分析，提出以下建議[11-12]。

(1)農(nóng)業(yè)用水量與糧食產(chǎn)量的關(guān)系是復雜的，所以在模型的設計上需要有所創(chuàng)新，本文結(jié)合EKC理論，利用一次模型、平方模型和立方模型對上述問題進行了估計，同時進行了模型評估，但模型還有不足之處，如可以考慮拐點的具體數(shù)值，從而得到更精確的結(jié)論。

(2)對于南、北方不同省份有不同的模型，所以對于不同地區(qū)要采取不同措施，北方各省屬于已經(jīng)跨過拐點又再次反彈，并處于用水量上升階段，要通過努力，再次進入曲線的下降段，南方各省已經(jīng)跨過拐點處于用水量下降段的地區(qū)，要采取各種措施繼續(xù)減少用水量，無論當前拐點所處位置，都需要避免出現(xiàn)用水量再次上升的“反彈效應”。

(3)由于南方各省份的經(jīng)濟發(fā)展程度總體好于北方各省，所以北方地區(qū)農(nóng)業(yè)用水量下降的拐點要小于南方各省。因此，國家需要對北方欠發(fā)達的省份加大農(nóng)業(yè)投入，努力推進灌溉技術(shù)的創(chuàng)興，促進農(nóng)業(yè)用水以跨過拐點進入倒“U”型曲線的下降段。

(4)除了在灌溉技術(shù)上需要提升，同時還要加強農(nóng)業(yè)用水管理，推進關(guān)于農(nóng)業(yè)用水的法律法規(guī)建設，提高農(nóng)民的節(jié)水意識，多引進一些農(nóng)用機械設備，提高灌溉效率，合理開發(fā)水資源。

[1] Doorenbos J, Kassam A H. Yield response to water[J]. Irrigation and Agricultural Development, 1980, 14(6): 257-280.

[2] Jr H J V, Pruitt W O. Crop-water production functions[J]. Advances in Irrigation, 1983, 2(17): 61-97.

[3] Hood C P, Mcclendon R W, Hook J E. Computer analysisof soybean irrigation management strategies[J]. Transactions of the ASAE. American Society of Agricultural Engineers, 1987, 30(2): 417-423.

[4] Jones, J W , Ritchie J T .Crop growth models[M]//Hoffman G J, Howell T A, Soloman K E. Management of Farm Irrigation Systems. ASAE, St. Joseph, MI, 1990.

[5] Rock M T. Freshwater use, freshwater scarcity, and socioeconomic development[J]. The Journal of Environment & Development, 1998, 7(3): 278-301.

[6] 謝彥明,高淑桃.糧食單產(chǎn)影響因素的計量分析[J].新疆農(nóng)墾經(jīng)濟,2005(12):5-8.

[7] 張營周.我國糧食單產(chǎn)及其影響因素的協(xié)整分析[J].生態(tài)經(jīng)濟：中文版,2010(8):129-132.

[8] 高鐵梅.計量經(jīng)濟分析方法與建模[M].北京:清華大學出版社,2006.

[9] 盧寧,李國平.基于EKC框架的社會資本水平對環(huán)境質(zhì)量的影響研究：來自中國1995～2007年面板數(shù)據(jù)[J].統(tǒng)計研究,2009，26(5):68-76.

[10] 佟金萍,馬劍鋒,王慧敏,等.中國農(nóng)業(yè)全要素用水效率及其影響因素分析[J].經(jīng)濟問題,2014(6):101-106.

[11] 王學淵,趙連閣.中國農(nóng)業(yè)用水效率及影響因素：基于1997～2006年省區(qū)面板數(shù)據(jù)的SFA分析[J].農(nóng)業(yè)經(jīng)濟問題,2008，29(3):10-18.

[12] 黃鶯.農(nóng)業(yè)灌溉用水效率及其影響因素研究[D].南京：南京農(nóng)業(yè)大學,2011.

(責任編輯：管珊紅)

Argument of Relationship between Agricultural Water and Grain Yield Based on EKC

YE You-hao, YUAN Yong-sheng

(School of Science, Hohai University, Nanjing 211100, China)

By using the panel data of Chinese provinces during 2009～2014 and EKC theory, the relationships between agricultural water and grain yield in different provinces of China were studied. The results indicated that: in northern provinces, there was a “N”-shape relationship between agricultural water consumption and grain yield; in southern provinces, there was a inverted-“U”-shape relationship between agricultural water consumption and grain yield; there was a great difference in agricultural water consumption between northern provinces and southern provinces. The rising “rebound effect” of agricultural water consumption after its reduction should be noticed. It was also found that the inflection point of agricultural water consumption in southern provinces was earlier than that in northern provinces. Therefore, different measures should be taken respectively for northern provinces and southern provinces, in order to effectively reduce the agricultural water consumption.

EKC theory; Crop yield; Agricultural water; Inflection point

2017-04-25

國家自然科學基金資助項目(11201116)。

葉友皓(1992—)，男，碩士研究生，研究方向：統(tǒng)計學。

S279

A

1001-8581(2017)09-0147-04