中國農業(yè)用水效率區(qū)域差異與空間交互機理研究

董潔芳　李德山　張亮林

摘要：測度農業(yè)水資源效率并對其空間交互機理進行深入解析，為提升農業(yè)用水效率提供參考?；?005-2019年中國31?。ㄊ?、區(qū)）面板數(shù)據(jù)，采用超效率SBM模型和全要素用水效率指標，測度中國農業(yè)用水效率，并利用向量自回歸模型（VAR），探究中國?。ㄊ小^(qū)）域間農業(yè)用水效率的交互作用和溢出效應。結果表明：中國農業(yè)用水效率總體偏低，2019年為0.690，存在31%的提升空間。農業(yè)用水綜合效率與純技術效率、規(guī)模效率呈正相關，但?。ㄊ小^(qū)）之間相關程度存在差異。西藏自治區(qū)純技術效率最高，為1.022，山西省規(guī)模效率最高，為0.995。研究期內，中國農業(yè)用水效率均值集聚特征不顯著，浙江、西藏和海南等三?。▍^(qū)）處于孤島狀態(tài)。中國農業(yè)用水效率呈西高東低，北高南低總體分布態(tài)勢。VAR脈沖分析顯示中國農業(yè)用水效率存在正向空間交互作用，其中以東部地區(qū)對中西部影響最為顯著。提高中國農業(yè)用水效率，一方面要重視農業(yè)科技創(chuàng)新，提高農業(yè)用水純技術效率；另一方面要加強區(qū)域協(xié)作，充分發(fā)揮高效率用水區(qū)域的溢出效應。

關鍵詞：農業(yè)用水效率；區(qū)域差異；空間交互；超效率SBM模型；向量自回歸模型

中圖分類號：F323.22? ? ? ? 文獻標志碼：A? ? ? ? 文章編號：1674-3075（2023）03-0026-09

水是生命之源、生產之要、生態(tài)之基。水資源是人類文明的源泉，與人類的生存、發(fā)展密切相關，水資源可持續(xù)利用關乎國家民族未來發(fā)展長遠大計。伴隨著中國城鎮(zhèn)化的快速推進，第二三產業(yè)和生活用水需求增大，農業(yè)用水份額被大量擠占。長期以來，我國水資源利用方式粗放，農業(yè)用水效率偏低，進一步加劇了農業(yè)水資源短缺的矛盾，對農業(yè)生產和糧食安全產生嚴重影響（楊騫等，2017）。提高農業(yè)用水效率已成為當前中國水利工作和農村工作中亟待解決的問題（佟金萍等，2014）。

科學測度農業(yè)用水效率對合理利用和有效保護水資源、保障經濟社會可持續(xù)發(fā)展具有重要意義。目前，農業(yè)水資源效率測量方法主要有2種。第一種是單要素用水效率，通常以產出與水資源投入之比表征，如單位產值用水量、農業(yè)灌溉畝均用水量等，其中單位產值用水量是國際通用的水資源利用效率的比較指標。單要素用水效率測度簡單易懂，但忽略了其他投入要素在農業(yè)生產過程中作用。第二種是全要素用水效率，相較于單要素用水效率，其考慮了其他要素投入，更加符合實際生產過程（Hu et al，2006）。目前，評價全要素用水效率主要采用隨機前沿分析法（SFA）和數(shù)據(jù)包絡分析法（DEA）。DEA方法無需設定生產函數(shù)形式，在刻畫非參問題上更具有優(yōu)勢，在研究中被廣泛運用（趙良仕和冷明祥，2020；韓增林等，2019）。已有研究多采用傳統(tǒng)徑向DEA模型測評與分析農業(yè)用水效率（劉渝和王岌，2012；岳立和趙海濤，2011）。由于傳統(tǒng)DEA模型存在無法考慮松弛變量的明顯缺陷，當出現(xiàn)多個決策單元同時有效時，無法進一步比較有效決策單元的優(yōu)劣。同時，傳統(tǒng)DEA模型由于存在構造前沿面不全的問題，導致決策單元不能進行跨期比較。隨著基于全局基準技術構造前沿方法的出現(xiàn)，已有研究選擇非徑向模型測量效率。如吉雪強和尚杰（2021）運用三階段SBM 模型對中國農業(yè)生態(tài)效率進行研究。陳洪斌（2017）運用三階段DEA模型和空間計量模型對各省農業(yè)用水效率進行分析。佟金萍等（2014）運用超效率DEA方法和Tobit模型展開農業(yè)全要素用水效率的測度。由于農業(yè)用水效率在空間上關聯(lián)較小，在對農業(yè)用水效率的區(qū)域差異分析時多采用基于空間顯著相關的假設（王曉辰等，2020；蘇喜軍等，2021；杜輝和黃杰，2019），無法準確地刻畫空間溢出和交互作用。文獻梳理發(fā)現(xiàn)，現(xiàn)有成果在效率的徑向和非徑向選擇問題、空間交互作用機理問題等方面缺乏統(tǒng)籌考慮，而這兩個問題是有效制定農業(yè)用水政策的關鍵。

鑒于此，本研究基于全局基準技術構造前沿面，采用超效率SBM模型，測度2005-2019年中國31?。ㄊ?、區(qū)）份農業(yè)用水效率并對其進行分解；利用全局趨勢分析法對農業(yè)用水效率區(qū)域差異及變動進行研究；采用VAR模型探究中國農業(yè)用水效率的空間交互和溢出效應。研究更新了數(shù)據(jù)，準確測度農業(yè)水資源效率并對其空間交互機理進行深入解析，為切實提升農業(yè)用水效率提供參考。

1? ?材料與方法

1.1? ?研究方法

1.1.1? ?SBM超效率模型? ?Tone & Tsutsui（2010）提出了超效率SBM模型，在解決了松弛變量的問題的同時實現(xiàn)跨期比較，能更加客觀地分析效率變動情況。選取基于非徑向非角度的產出導向超效率SBM模型（成剛，2014；龍亮軍等，2017），對中國各省（市、區(qū)）農業(yè)水資源綠色效率進行測度，其具體公式如下：

式中：[θ]為測量值，即水資源綠色效率；N、M、I分別為投入、期望產出和非期望產出指標；x、y、b分別為3個指標的向量；S[xn]、S[ym]、S[bi]分別為3個指標的松弛變量；x[tkn]、y[tkm]、b[tki]表示k'生產單元t'時期的投入產出值；[λtk]為決策單元的權重系數(shù)。當[θ][≥]1時，代表決策單元處于較高的效率水平；當[θ]<1時，則表示有一定的效率損失，投入產出比有可改善的空間。

1.1.2? ?VAR脈沖響應方法? ?空間計量方法或向量自回歸（VAR）的脈沖響應方法都可進行空間交互作用研究，空間計量方法需通過顯著性檢驗，根據(jù)已有研究，農業(yè)用水效率在空間上關聯(lián)性較小（楊騫等，2017），空間計量方法并不適用，而VAR脈沖響應方法則不受此限制（Deng & Dong，2016）。利用VAR脈沖響應方法刻畫任一區(qū)域對來源于自身及其他區(qū)域農業(yè)用水效率（AWE）的信息沖擊的動態(tài)響應過程，主要基于兩變量模型展開（Xu & Lin，2016），具體如下：

1.2? ?指標選取

選取中國31個省（市、區(qū)）作為研究區(qū)域。為從不同尺度對農業(yè)水資源效率進行研究，采用3大區(qū)域和6大區(qū)域2種地域劃分方法（楊騫等，2017），研究期為2005-2019年。在農業(yè)生產過程中，資本、土地、勞動力、化肥是農業(yè)生產的主要要素。參照研究文獻（Kaneko et al，2004），同時考慮數(shù)據(jù)的可得性，投入指標選擇耕地灌溉面積（103 hm2）、農業(yè)機械總動力、農業(yè)化肥施用量（萬t）、農業(yè)用水量（億m3）；選擇鄉(xiāng)村人口數(shù)量近似替代勞動投入量（萬人）；產出指標選擇農業(yè)產值（億元）。

1.3? ?數(shù)據(jù)處理

數(shù)據(jù)主要來源于2005-2019年《中國統(tǒng)計年鑒》，部分年份用水量數(shù)據(jù)來源于歷年《中國水資源公報》和各?。ㄊ?、區(qū)）水資源公報。為增強可比性，農業(yè)產值以2012年為基期，進行平減處理。

2? ?結果與分析

2.1? ?中國農業(yè)用水效率

2.1.1? ?各?。ㄊ?、區(qū)）農業(yè)用水效率? ?研究期內，中國31個?。ㄊ?、區(qū)）農業(yè)用水效率計算結果如表1。首先，從農業(yè)用水效率均值來看，全國31個省（市、區(qū)）農業(yè)用水效率普遍偏低，均有較大提升空間，同時，?。ㄊ小^(qū)）之間效率差異明顯。其中，排在前5名的是河南、海南、西藏、北京和山東，均值分別為0.875、0.867、0.865、0.863、0.853。上海、新疆、寧夏、湖北及廣西農業(yè)用水效率排在后5位，均值依次為0.306、0.479、0.518、0.539、0.586。最高的河南省與最低的上海市相差高達0.569。其次，從農業(yè)用水效率年均增長率來看，除山西外，其余30個省（市、區(qū)）均存在不同程度的增長。其中，農業(yè)用水效率年均增長率超過4.5%的?。ㄊ?、區(qū)）依次是江蘇（5.61%）、吉林（5.52%）、內蒙古（5.16%）、黑龍江（4.96%）、青海（4.90%）、廣西（4.67%）、貴州（4.57%）。上海（0.57%）、廣東（1.53%）、北京（1.53%）等?。ㄊ?、區(qū)）增幅較小。山西農業(yè)用水效率呈下降趨勢，平均下降幅度為-0.53%。最后，結合縱向時間對比，31個省（市、區(qū)）農業(yè)用水效率變動趨勢分化嚴重，呈現(xiàn)“持續(xù)上升”“波動上升”“先升后降”以及“先降后升”等4種變動態(tài)勢。山西、上海農業(yè)用水效率時序特征為“先升后降”。其中，山西在2015-2017年間農業(yè)用水效率降幅高達16.6%。廣東、北京農業(yè)用水效率時序特征為“先降后升”，在2007-2009年兩者農業(yè)用水效率均明顯下降。

2.1.2? ?各省（市、區(qū)）農業(yè)用水效率的分解? ?為了更加清晰地刻畫各?。ㄊ?、區(qū)）農業(yè)用水效率的驅動機理，對農業(yè)用水效率進一步分解為純技術效率（PTE）和規(guī)模效率（SE）（見表2）。從農業(yè)用水純技術效率來看，西藏、天津、北京、海南和河南最高，分別為1.022、1.008、0.982、0.900以及0.887。說明這些省（市、區(qū)）農業(yè)節(jié)水技術、管理效率、資源配置水平很高。其中，西藏及北京農業(yè)用水效率在全國領先完全是純技術效率高的貢獻，海南用水效率高主要由純技術效率高而引起。相反，新疆、上海、湖北、山西及福建等?。ㄊ小^(qū)）農業(yè)用水純技術效率極低，依次存在50.8%、48.5%、39.7%、38.7%、和34.5%的提升空間。從農業(yè)用水規(guī)模效率來看，山西、貴州、重慶、河南和黑龍江5省（市）最高，依次為0.995、0.993、0.986、0.986和0.985。表明以上?。ㄊ校┺r業(yè)用水規(guī)模效率接近前沿面。其中，河南、重慶和黑龍江規(guī)模效率較高是促使其農業(yè)用水綜合效率高的主要因素。相反，上海、天津、寧夏、廣西和廣東規(guī)模效率最低，分別存在40.6%、28.5%、24.0%、23.8%和20.0%的提升空間。綜合對比各?。ㄊ小^(qū)）農業(yè)用水純技術效率與規(guī)模效率，可以發(fā)現(xiàn)，中國31?。ㄊ?、區(qū)）農業(yè)用水效率提升要重點從提高純技術效率入手。一方面，中國各省（市、區(qū)）農業(yè)用水規(guī)模效率均接近前沿面，或已出現(xiàn)規(guī)模效益遞減，其提高潛力受限。另一方面，農業(yè)用水純技術效率的區(qū)域差異較規(guī)模效率更大，最高的西藏比最低的新疆要高出53.0%。這表明，減少純技術效率的區(qū)域差異可以有效提高中國農業(yè)整體用水效率。

2.1.3? ?區(qū)域農業(yè)用水效率? ?在測算各?。ㄊ?、區(qū)）農業(yè)用水綜合效率的基礎上，進一步測算全國、3大區(qū)域和6大區(qū)域的農業(yè)用水綜合效率，結果如表3。第一，從全國層面來看，農業(yè)用水綜合效率由2005年的0.544增長至2019年的0.879，年均增長率為3.48%。表明隨著生態(tài)文明建設的推進，農業(yè)用水效率提升效果明顯，但同時也需注意到，中國農業(yè)用水效率總體偏低，仍存在31%的提升空間。第二，從3大區(qū)域來分析，研究時段內，東部、西部以及中部地區(qū)用水效率均呈波動上升態(tài)勢。其中，東部地區(qū)增長幅度最大，從2005年的0.685增長到2019年的0.832，年均增長率為3.26%，其次是中部地區(qū)和西部地區(qū)，增長率分別為2.47%、0.59%。第三，從6大區(qū)域來看，2005-2019年，6大區(qū)域農業(yè)用水效率呈現(xiàn)不同程度的增長。黃河流域增長幅度最大，南部沿海增長最緩慢。均值排名從高到低依次為：南部沿海（0.860）>東北地區(qū)（0.844）>西南地區(qū)（0.814）>黃河流域（0.789）>長江流域（0.686）>西北地區(qū)（0.605）。年均增長率依次為黃河流域（3.3%）>東北地區(qū)（2.89%）>西南地區(qū)（2.67%）>長江流域（2.43%）>西北地區(qū)（2.19%）>南部沿海（1.59%）。

2.2? ?中國農業(yè)用水效率的空間分布格局及趨勢

2.2.1? ?空間分布格局? ?為了更加直觀地呈現(xiàn)2005-2019年中國農業(yè)用水效率的空間分布，使用ArcGIS10.8軟件，按照自然斷點法將農業(yè)用水效率均值分為高水平（0.802～0.875）、較高水平（0.712～0.802）、中等水平（0.617～0.712）、較低水平（0.306～0.617）、低水平（0～0.306）5類，同時，對5類水平的分布區(qū)域進行了空間可視化（圖1），以刻畫中國農業(yè)用水效率的空間分布格局。

由圖1可知，中國農業(yè)用水效率整體上呈現(xiàn)一定程度的空間集聚特征，但個別省（市、區(qū)）處于孤島狀態(tài)。農業(yè)用水效率處于高水平的有北京、天津、河北、山東、河南、浙江、西藏和海南等8個省（市、區(qū)），其中北京、天津、河北、山東、河南在空間上集聚特征明顯，但是浙江、西藏和海南空間上并無直接關聯(lián)，處于孤島狀態(tài)。農業(yè)用水效率處于較高水平的省份是黑龍江、吉林和遼寧，3個省份的農業(yè)用水效率在空間上呈現(xiàn)明顯的集聚特征。農業(yè)用水效率處于中等水平的?。ㄊ小^(qū)），可分為2個空間單元，由西向東依次為青海、甘肅、內蒙、山西，彼此呈現(xiàn)空間集聚特征，從北到南依次為江蘇、安徽、湖南、廣東，其中江蘇、安徽空間相鄰。農業(yè)用水效率處于較低水平的省（市、區(qū)），可分為3個空間單元。其中四川、云南、廣西空間上相鄰，湖北、江西、福建空間上相鄰，湖南、廣東空間上相鄰。農業(yè)用水效率處于低水平的，只有上海市，其農業(yè)用水綜合效率、純技術效率和規(guī)模效率都是全國最低水平。

上述研究表明，中國31省（市、區(qū)）農業(yè)用水效率的空間分布特征，呈現(xiàn)一定程度的空間集聚特征，但個別省（市、區(qū)）處于孤島狀態(tài)。根據(jù)Tobler（1970）提出“空間相關性定律”，相鄰省（市、區(qū)）之間的農業(yè)用水的管理和技術，應該存在空間相互作用。對于用水效率孤島問題，歸于每個區(qū)域的資源稟賦和農業(yè)產業(yè)結構不同，導致農業(yè)用水效率的差異。以西藏為例，西藏農業(yè)用水效率排名第三，這與該區(qū)域的農業(yè)產業(yè)結構關系密切，因為畜牧業(yè)是該區(qū)域的主要產業(yè)，而畜牧業(yè)的發(fā)展依賴于生態(tài)環(huán)境的水，對供水使用需求較少，故其農業(yè)用水效率很高；與此相鄰的新疆地區(qū)，灌溉農業(yè)發(fā)達，對供水使用需求極度依賴。由表2可知，其純技術效率水平低下，也就意味著節(jié)水技術、管理配置能力落后。進一步，新疆地處內陸干旱區(qū)，降雨少、蒸散發(fā)量大，導致了農業(yè)用水效率嚴重低下。

2.2.2? ?空間分布趨勢? ?探究中國農業(yè)用水效率分布的變化情況，可以有效預測其未來發(fā)展方向。采用地統(tǒng)計分析工具趨勢分析法，以正東和正北方向為Ｘ軸和Ｙ軸，以各?。ㄊ?、區(qū)）農業(yè)用水效率為Ｚ軸，然后運用多項式曲線對每個投影進行了擬合，生成了2005-2019年中國各省農業(yè)用水效率均值的趨勢線圖（圖2）以及2005年、2019年中國各省（市、區(qū)）農業(yè)用水效率趨勢線圖（圖3）。

由圖2可知，中國農業(yè)用水效率的均值趨勢呈現(xiàn)2個倒置的U形態(tài)勢。其中，從西到東的倒U形，形象地刻畫了由新疆、甘肅到陜西、山東再到上海的用水效率變化趨勢；從南到北的倒U形更加明顯，刻畫出湖北、江西、福建到天津、北京、河北，再到遼寧、吉林、黑龍江的用水效率均值變化態(tài)勢?？傮w來說，中國農業(yè)用水效率均值呈現(xiàn)北部及中部區(qū)域高，西南低的態(tài)勢。根據(jù)圖3，2019年中國農業(yè)用水效率較2005年明顯提升。2005年及2019年中國農業(yè)用水效率均呈現(xiàn)出由西向東，由北向南的倒Ｕ形態(tài)勢，但趨勢線北部及西部起點均明顯提高。對比可知，2005-2019年間，中國西部及北部?。ㄊ小^(qū)）農業(yè)用水效率提升速度明顯快于東部及南部地區(qū)。這是由于在黃河流域及西北內陸河流域，國家實行了全流域統(tǒng)一調度制度，啟動了大型灌區(qū)節(jié)水改造工程，使得西部及北部區(qū)域的水資源管理水平和技術水平大幅提升，從而促進農業(yè)用水效率大幅提升。

2.3? ?中國農業(yè)用水效率空間交互作用

農業(yè)用水效率在空間上關聯(lián)性較小，空間計量方法并不適用。借鑒楊騫等（2017）研究思路，采用VAR模型探析中國農業(yè)用水空間交互作用。依據(jù)VAR建模原則，對數(shù)據(jù)進行差分并通過平穩(wěn)性檢驗。根據(jù)AIC、SBIC、LR準則，確定最優(yōu)滯后階數(shù)為二階，建立3大區(qū)域VAR模型并對模型進行穩(wěn)定性檢驗，在此基礎上構建組圖。利用脈沖效應圖刻畫3大區(qū)域的每一個決策單元（decision making unit，DMU）受到其他DMU沖擊時的響應，響應期設為10期（年）。3大區(qū)域脈沖響應結果見圖4。從整體脈沖響應結果來看，來自決策單元自身的響應最為明顯，其次是東部地區(qū)對其他區(qū)域的沖擊影響較為顯著，來自中部的沖擊影響最弱。

由圖4a可知，東部地區(qū)分別受到其自身、中部地區(qū)和西北地區(qū)的一個單位標準差的沖擊對VAR系統(tǒng)造成的影響。第一，以東部地區(qū)對其自身影響最大，在1期沖擊時，會瞬間吸收絕大多數(shù)沖擊，隨后該影響慢慢衰退；第二，中部地區(qū)一個單位標準差的沖擊對東部地區(qū)影響，在第4期達到最大值，隨后該影響慢慢衰退；第三，西部地區(qū)一個單位標準差的沖擊對東部地區(qū)影響在第2期達到最大值，隨后該影響慢慢衰退。

圖4b刻畫了中部地區(qū)分別受到東部地區(qū)、中部地區(qū)和西部地區(qū)的一個單位標準差的沖擊對VAR系統(tǒng)造成的影響?？梢钥闯?，以其自身和西部地區(qū)對其影響最為顯著，東部地區(qū)最小。具體來說：東部地區(qū)對其影響在1期沖擊時，響應最為明顯，在2期沖擊，下降明顯，之后逐漸衰退；中部地區(qū)對其影響在2期沖擊時，響應最為明顯，隨后該影響慢慢衰退；西部地區(qū)對其影響在1期沖擊時，響應最為明顯，隨后該影響慢慢衰退。

圖4c反映了西部地區(qū)分別受到東部地區(qū)、中部地區(qū)和其自身的一個單位標準差的沖擊對VAR系統(tǒng)造成的影響，以東部地區(qū)和西部地區(qū)對其影響最為顯著，中部地區(qū)最小。具體來說：東部地區(qū)和西部地區(qū)對其影響均在1期沖擊時，響應最為明顯，之后逐漸衰退；中部地區(qū)對其影響最微弱，1期時響應最為明顯，隨后該影響慢慢衰退。

上述分析結果表明，東部地區(qū)與中部地區(qū)、西部地區(qū)的農業(yè)用水效率彼此具有正向影響，其中以東部地區(qū)對其他區(qū)域影響最大。究其原因，東部地區(qū)屬于中國經濟、科技發(fā)展最快地區(qū)，其科技創(chuàng)新能力和對外交流機會均優(yōu)于中西部地區(qū)，因此，協(xié)同提升3大區(qū)域農業(yè)用水效率的關鍵著力點在東部地區(qū)，國家應強化東部地區(qū)農業(yè)節(jié)水效率的示范作用，以對中西部地區(qū)產生更加顯著的空間溢出效應。

3? ?結論

基于全局基準技術構造，設定窗口期為14期構造前沿面，采用超效率SBM模型，測度2005-2019年中國31省份農業(yè)用水效率，在揭示其空間分布格局與趨勢的基礎上，采用向量自回歸模型（VAR）模型，探究中國3大區(qū)域農業(yè)用水效率的空間交互和溢出效應，得出如下結論：

（1）從全國農業(yè)用水效率測度結果看，2005-2019年，中國農業(yè)用水效率呈現(xiàn)不斷上升趨勢，農業(yè)用水綜合效率由2005年的0.544增長至2019年的0.690，年均增長率為3.48%。但在現(xiàn)有水資源稟賦的前提下，農業(yè)用水效率仍存在31%的較大提升空間。在31個?。ㄊ?、區(qū)）中，排在前5名的是河南、海南、西藏、北京和山東，均值分別為0.875、0.867、0.865、0.863、0.853；上海、新疆、寧夏、湖北、廣西的用水綜合效率最低，其值分別是0.306、0.479、0.518、0.539、0.586。3大區(qū)域中，農業(yè)用水效率最高為東部地區(qū)，其次為西部地區(qū)，最低為中部地區(qū)。6大區(qū)域中，農業(yè)用水效率呈現(xiàn)不同程度的增長，黃河流域增長幅度最大，南部沿海變化最緩慢。

（2）從內在驅動機制看，全國農業(yè)用水綜合效率與純技術效率和規(guī)模效率呈正相關，但省份之間驅動因素存在一定差異。其中，河南、山東綜合用水效率是純技術效率和規(guī)模效率共同作用；海南、北京和西藏綜合用水效率主要由純技術效率高而引起，這些省份提升水資源利用效率的途徑需要從改變農業(yè)產業(yè)結構入手，提升農業(yè)產出的規(guī)模效應。

（3）從農業(yè)用水效率空間分布來看，中國31?。ㄊ小^(qū)）農業(yè)用水效率的空間分布呈一定程度的空間集聚特征。其中形成集聚態(tài)勢的有高水平省（市）的北京、天津、河北、山東、河南；較高水平的省份是黑龍江、吉林和遼寧；中等水平的青海、甘肅、內蒙、山西；較低水平的四川、云南、廣西；處于孤島狀態(tài)有浙江、西藏和海南等。中國農業(yè)用水效率總體呈現(xiàn)北部及中部地區(qū)高，西南地區(qū)低的態(tài)勢。2005-2019年，中國西部及北部地區(qū)農業(yè)用水效率提升速度明顯快于東部及南部地區(qū)。

（4）根據(jù)脈沖響應函數(shù)分析結果看，3大區(qū)域用水效率之間存在較強的空間交互影響。其中，東部地區(qū)與中部地區(qū)、西部地區(qū)的農業(yè)用水效率彼此具有正向影響，且以東部地區(qū)對其他區(qū)域影響最大。因此，東部地區(qū)是協(xié)同提升農業(yè)用水效率的重要區(qū)域，由于空間交互影響的存在，提升東部地區(qū)農業(yè)用水效率是帶動其他區(qū)域農業(yè)用水效率的提升的重要舉措。

參考文獻

陳洪斌，2017.我國省際農業(yè)用水效率測評與空間溢出效應研究[J].干旱區(qū)資源與環(huán)境，31（2）：85-90.

成剛，2014.數(shù)據(jù)包絡分析力法與MaxDEA軟件[M].北京：知識產權出版社.

杜輝，黃杰，2019.中國農業(yè)能源效率的區(qū)域差異及動態(tài)演進[J].中國農業(yè)資源與區(qū)劃，40（8）：45-54.

高鐵梅，2009.計量經濟分析方法與建模[M].北京：清華大學出版社.

韓增林，王曉辰，彭飛，2019.中國海洋經濟全要素生產率動態(tài)分析及預測[J].地理與地理信息科學，35（1）：95-101.

吉雪強，尚杰，2021.基于三階段SBM模型的中國農業(yè)生態(tài)效率研究[J].中國農業(yè)資源與區(qū)劃，42（7）：210-217.

劉渝，王岌，2012.農業(yè)水資源利用效率分析——全要素水資源調整目標比率的應用[J].華中農業(yè)大學學報（社會科學版），（6）：26-30.

龍亮軍，王霞，郭兵，2017.基于改進DEA模型的城市生態(tài)福利績效評價研究——以我國35個大中城市為例[J].自然資源學報，32（4）：595-605.

蘇喜軍，紀德紅，何慧爽，2021.黃淮海平原農業(yè)水資源綠色效率時空差異與影響因素研究[J].生態(tài)經濟，37（3）：106-111.

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

王曉辰，韓增林，彭飛，等，2020.中國海洋科技創(chuàng)新效率發(fā)展格局演變與類型劃分[J].地理科學，40（6）：890-899.

楊騫，武榮偉，王弘儒，2017.中國農業(yè)用水效率的分布格局與空間交互影響：1998-2013年[J].數(shù)量經濟技術經濟研究，34（2）：72-88.

岳立，趙海濤，2011.環(huán)境約束下的中國工業(yè)用水效率研究——基于中國13個典型工業(yè)省區(qū)2003年―2009年數(shù)據(jù)[J].資源科學，33（11）：2071-2079.

趙良仕，冷明祥，2020.遼寧省全要素水資源綠色效率測算與提升路徑分析——基于DEA-Tobit模型[J].資源開發(fā)與市場，36（5）：456-461.

Deng C， Dong J F， 2016.Coal consumption reduction in shandong province： A dynamic vector autoregression model[J]. sustainability，8（9）：871.

Hu J L， Wang S C， Yeh F Y， 2006. Total-factor water efficiency of regions? in China[J]. Resources Policy，31（4）：217-230.

Kaneko S， Tanaka K， Toyota T， et al， 2004.Water efficiency of agricultural production in China： regional comparison from 1999 to 2002[J]. International Journal of Agricultural Resources， Governance and Ecology， 3（3/4）： 231.

Tone K， Tsutsui M， 2010.Dynamic DEA： A slacks-based measure approach[J]. Omega，38（3/4）：145-156.

Tobler W R，1970. A computer movie simulating urban growth in the Detroit? Region[J]. Economic Geography，46（2）：234-240.

Xu B， Lin B， 2016.Assessing CO2 emissions in Chinas iron and steel industry： A dynamic vector autoregression model[J]. Applied Energy，161： 375-386.

（責任編輯? ?鄭金秀）

Regional Disparities and Spatial Interactions of Agricultural

Water Use Efficiency in China

DONG Jie‐fang1， LI De‐shan2， ZHANG Liang‐lin3

（1. Department of Culture and Tourism， Yuncheng University， Yuncheng? ?044000，P.R. China;

2. Faculty of Economics，Shanxi University of Finance and Economics， Taiyuan? ?030006，P.R. China;

3. Central natural resources engineering technology （Hubei） Co.， Ltd.， Wuhan? ?430070，P.R. China）

Abstract：Based on panel data from 31 provinces， municipalities and antonomous regions in China from 2005 to 2019， the super efficiency Slacks-Based Measure （SBM） model and total factor water use efficiency indicators were used to measure the agricultural water use efficiency of China. The Vector Autoregressive Model （VAR） was then used to explore the interaction and spillover effect of agricultural water use efficiency across provinces in China， aiming to provide a reference for improving agricultural water use efficiency. Agricultural water use efficiency in China increased from 0.544 to 0.690 during the investigation period， but efficiency was generally low and had the improvement space of 31%. The comprehensive efficiency of agricultural water use was positively correlated with pure technical efficiency and scale efficiency， but the correlation degree varied among provinces. The pure technical efficiency was highest in Tibet Autonomous Region， with a value of 1.022， and the scale efficiency was highest in Shanxi Province， with the value of 0.995. During the study period， the agglomeration characteristics of the average agricultural water use efficiency in China were not significant. Zhejiang Province， Hainan Province and Tibet Autonomous Region were islands of high efficiency within regions of lower efficiency. Overall， agricultural water use efficiency in China was higher in the west and north and lower in the east and south， reflecting water resource availability. There was a positive spatial interaction in water use efficiency between regions， with the eastern region having the most significant impact on the central and western regions. To improve the efficiency of agricultural water use in China， it will be necessary to attach more importance on technological innovation in agriculture and continue to improve the pure technical efficiency of agricultural water use. However， it will also be necessary to strengthen regional cooperation and give fuller play to the excess spillover of high-efficiency water use areas.

Key words：agricultural water use efficiency; regional disparities; spatial interaction; super efficiency SBM model; Vector Autoregressive Model

收稿日期：2022-03-15? ? ? 修回日期：2023-05-05

基金項目：教育部人文社會科學研究項目（20YJCZH068）；山西省社科聯(lián)重點項目（SSKLZDKT2022147）；山西省黃河文化生態(tài)研究院項目（HH202101）。

作者簡介：董潔芳，1984年生，女，博士，副教授，研究方向為資源經濟與低碳發(fā)展。E-mail：dongjiefang-2005@163.com

通信作者：李德山，1984年生，男，博士，副教授，研究方向為綠色經濟。E-mail： 20171074@sxufe.edu.cn