EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 12: 3282 - 3296

DOI: https://doi.org/10.31497/zrzyxb.20221217

其他研究论文

水权交易机制对农业用水效率的影响及效应分析

  • 秦腾 , 1 ,
  • 佟金萍 1 ,
  • 支彦玲 2
展开
  • 1．常州大学商学院，常州 213164
  • 2．河海大学商学院，南京 211100

秦腾（1989- ），男，江苏宿迁人，博士，讲师，研究方向为资源经济评估与资源政策分析。E-mail:

收稿日期: 2021-11-22

  修回日期: 2022-04-23

  网络出版日期: 2022-12-28

基金资助

国家社会科学基金项目(20BGL191)

国家自然科学基金项目(41801194)

收起

Influence and effect of water rights trading mechanism on agricultural water use efficiency

  • QIN Teng , 1 ,
  • TONG Jin-ping 1 ,
  • ZHI Yan-ling 2
Expand
  • 1. School of Business, Changzhou University, Changzhou 213164, Jiangsu, China
  • 2. School of Business, Hohai University, Nanjing 211100, China

Received date: 2021-11-22

  Revised date: 2022-04-23

  Online published: 2022-12-28

Fold

摘要

中国水权交易市场尚处于发展初期，其农业节水的实际效果有待检验。在测算2011—2020年中国30个省（市、自治区）农业用水效率的基础上，基于准自然实验的思路，运用空间双重差分法实证评估了水权交易机制对农业用水效率的定量影响，并进一步从理论和实证角度探究了水权交易机制对农业节水的影响机制与具体作用路径。研究发现：水权交易机制对农业用水效率具有显著的提升作用，这一结论在经过一系列稳健性检验后依然成立，且水权交易机制的政策效应具有明显的地区异质性，中部地区的政策效应最大，东部地区次之，西部地区最小；水权交易机制不仅有助于试点省份农业节水目标的实现，而且能够通过政策溢出效应同时提升周边地区的农业用水效率；技术创新和要素流动是水权交易机制发挥农业节水效应的主要路径，且一三产业之间的水要素流动对农业用水效率的促进作用更大。

关键词： 水权交易机制; 农业用水效率; 空间双重差分法; 中介效应模型

本文引用格式

秦腾 , 佟金萍 , 支彦玲 . 水权交易机制对农业用水效率的影响及效应分析[J]. 自然资源学报, 2022 , 37(12) : 3282 -3296 . DOI: 10.31497/zrzyxb.20221217

Abstract

As China's water rights trading market is still in the early stages of development, the actual effect needs to be tested. Based on the data of agricultural water use efficiency from 2011 to 2020 in China and the method of quasi-natural experiments the spatial difference-in-difference method was adopted to evaluate the quantitative impact of water rights trading mechanism on agricultural water use efficiency. Moreover, the theoretic mechanism and specific action path of agricultural water saving effect of water rights trading mechanism can be clarified. The results show that the water rights trading mechanism has a significant effect on improvement of the agricultural water use efficiency of the pilot provinces, and this conclusion is still valid after a series of robustness tests. The water rights trading mechanism shows obvious regional heterogeneity, with the largest effect in the central region, followed by the eastern and the western region. The water rights trading mechanism not only contributes to agricultural water saving goals in the pilot provinces, but also improves agricultural water use efficiency in surrounding areas through policy spillover effects. Technological innovation and factor flow are the main paths in which the water rights trading mechanism exerts the agricultural water saving effect, and the flow of water elements between the primary and tertiary industries has a greater role in promoting agricultural water use efficiency.

Key words： water rights trading mechanism; agricultural water use efficiency; spatial difference-in-difference method; mediating effect model

水资源的稳定供给是维持农业可持续发展和确保国家粮食安全的关键所在[1]，随着农业经济的发展以及工业化、城镇化进程的不断推进，水资源短缺成为制约农业发展的重大瓶颈。在耕地面积有限及水资源总量基本恒定的背景下，提高水资源利用效率是解决这一问题的核心举措。为此，国家采取了多项政策及措施积极推进水资源节约集约及可持续利用。相比于行政管理手段，水权交易机制通过市场经济手段推动水资源配置优化及节水技术升级，具有灵活性、节省成本和有效性等优点[2]，被认为是促进水资源可持续利用和应对水资源短缺的有效手段[3]。2014年水利部正式启动宁夏、湖北、江西、内蒙古、广东、甘肃、河南等7个省（自治区）试点的水权交易工作，并于2016年设立国家级水权交易平台，标志着水权交易工作全面展开。理论上，水权交易机制能够通过市场激励和技术创新改善农业水资源配置的无效率状态，从而有效释放节水潜能以提高农业用水效率[4]。然而受制于市场机制薄弱、政策体系不健全和试点范围偏小等因素，水权交易试点项目的社会反响远低于碳排放交易试点和低碳城市试点项目，其节水效应也备受质疑，这无疑会降低其他省（市、自治区）开展水权交易的积极性，不利于水权交易机制的完善及农业用水效率的提升。因此，有必要实证检验水权交易机制对农业用水效率的定量影响，并进一步深入挖掘其影响机制与作用路径，为推进农业节水及可持续发展提供可靠依据。
农业水资源高效利用一直是学术研究热点之一，而从研究视角来看，目前关于农业用水效率的研究主要集中以下两个方面：其一是农业用水效率的测度，学者们大多采用全要素生产率框架下的DEA（data envelopment analysis）方法对国家[5,6]、流域[7,8]和省市层面[9,10]的农业用水效率进行测度和评价，并根据研究需要，开发出了多种变式的DEA模型，如超效率DEA模型[11]、非径向距离函数DEA模型[12]、全局DEA模型[5]、三阶段DEA模型[6]、EBM（epsilon-based measure）模型[13]MinDW（minimum distance to weak efficiency frontier）模型[14]、MinDS（minimum distance to strong efficiency frontier）模型[15]、非期望产出SBM（lacks-based measure）模型[16]以及超效率SBM（super lacks-based measure，SE-SBM）模型[17]、DEA-Malmquist指数模型[18]，为特定阶段农业用水效率的分析提供了科学的测算框架和方法论基础。其二是农业用水效率影响因素的分析，早期的研究多集中在探讨经济发展[19]、技术进步[20]、水资源禀赋[21]和受教育水平[22,23]等具体因素对农业用水效率的驱动作用，随着市场机制的引入和水资源管理制度的不断完善，上述因素更多地被认为是农业用水效率变动的直接作用路径而非根本原因，因此关于农业用水效率和制度之间关系的探讨成为新的研究热点。其中，水权交易机制在优化配置和促进水资源可持续利用方面由于已有成功的国际经验，因而受到广泛的社会关注。众多学者也认为水权交易机制是中国当前水资源管理改革的重要方向之一[24]，每年按照协议价格进行的水权转换，不但能够激励农民自发节水[25]，而且当水资源价值提高时，工业对农业的反哺也有助于农业节水技术的进步[26]，从而形成农业节水自我强化的正反馈过程[27]。
可以看出，现有文献为本文的研究奠定了良好基础，然而受研究视角及方法的限制，尚存在一些不足之处：一是虽然已有部分研究开始关注水权交易机制对农业用水效率的影响，但是大多数研究仍然停留在理论探讨阶段，现有研究中仅有田贵良等[28]通过对比水权交易市场运行后的各地区水资源利用效率变化情况，来初步判断水权交易市场的政策影响，但是其采用的单差法容易存在系统性误差，致使其实证结论无法有效区分水权交易机制对试点地区和非试点地区的异质影响，从而导致水权交易机制的政策效应无法得到科学评估；二是现有研究过多地关注水权交易机制的节水效应，缺乏对其影响机制及具体作用路径的深入分析。有鉴于此，本文基于测算的2011—2020年中国30个省（市、自治区）（不含中国香港、澳门、台湾、西藏地区）农业用水效率数值，采用空间双重差分法对水权交易机制的农业节水效应进行实证检验，并进一步详细分析水权交易机制的具体作用路径，以期为推广水权交易机制及提升农业用水效率提供决策参考。

1 理论分析与研究假设

水权交易机制实施主要是通过建立合法的水权交易市场，鼓励各省市在公开透明的原则下，部分或全部转让国家所赋予的水资源使用权，以期用市场化机制弥补行政命令式政策的局限性，避免出现政府失灵现象，实现资源环境的优化配置。这意味着水权交易机制有助于改善农业生产投入要素配置状况，从而不断提高农业水资源的利用效益。而通过对相关文献和理论的梳理，水权交易机制亦能够通过发挥技术创新效应、空间溢出效应和促进区际及产业之间要素流动来影响农业用水效率的变化。

1.1 水权交易机制的农业节水效应分析

通过不断重组或再配置生产过程中各要素之间的投入关系，促进生产要素配置效益改善和优化，是提升资源利用效率的根本途径。一般而言，农业是用水占比最大的行业，但是由于各地区水资源禀赋和农业生产状况存在明显差异，各地区农业用水的分配情况也不尽相同，这为开展水权交易提供了现实可能。通过确立水权交易机制来促进水权流转，一方面有利于改善富水地区农业水资源投入冗余和缺水地区农业水资源投入不足的状况，使农业生产各要素之间的综合配置更加合理，从而产生良性的“要素配置效应”，持续优化农业水资源的配置效益和利用效率；另一方面通过将闲置水权转让给用水边际效益大的用水主体，使新增或潜在用水主体有机会获取所需水资源，也有利于全社会用水效率和经济效益的提升，为农业水资源的可持续利用提供一定的经济及技术支持。因此基于上述分析，提出以下理论假设：
H1：水权交易机制的实施有助于农业用水效率的持续提升。

1.2 水权交易机制的空间溢出效应分析

水权交易机制的建立明确了以公开透明为原则的市场导向，产业及地区之间的交易潜力得以充分释放，在满足自身用水量的前提下，各行业和地区为获取额外的经济利益，会纷纷转让和交易额外的水权，由此导致以往小规模的水量转让逐渐演化为跨行业、跨区域的大规模水权交易。这种逐步突破地域限制的要素交换行为必然会增进地区之间的空间联系，由此产生明显的“空间溢出效应”，水权交易主要类型之一的“地方之间的水权交易”就是其显著代表。而当一个地区率先通过开展水权交易实现用水效率和经济效益的双重提升之后，其他地区会纷纷学习和模仿，例如当前除江西、内蒙古和广东等试点外，河北、山东、陕西和浙江等越来越多的地区也自行开展水权改革探索，这种强烈的示范及模仿效应必然会不断扩大水权交易机制的空间溢出范围，进一步增强其对农业用水效率的空间溢出效应。因此基于上述分析，提出以下理论假设：
H2：水权交易机制的实施会产生明显的空间溢出效应。

1.3 水权交易机制对农业用水效率的技术创新中介效应分析

一般来说，初始水权通常是先由国家分配给各省市，再由各省市细分到基层，因此水权交易机制实施下各用水主体不再是在定额下任意使用水资源，而是可以将富余的水量指标贮存下来以备后用或有偿出售以获取经济收益。这一方面明确了国家“节水减排”的宏观政策导向，减少了技术创新的不确定性；另一方面也为各用水主体进行技术创新提供更多的经济激励，而农业作为用水量最大的主体，自然会成为节水技术创新的重点对象。同时对于各缺水主体来说，购买水权所带来的生产成本增加，会迫使其提高技术创新的积极性，一旦其在水权交易市场上购买的水权成本超过节水技术的研发投入，那么这些缺水主体将更加注重节水技术的开发与应用。例如当某农业缺水省份购买水权的成本在农业生产中的比例过高时，其会逐渐转向渠道防渗和农田灌溉等节水技术的优化而非继续在水权交易市场上置换或购买其他省份的可用水量，而且当通过交易水权所获得的收益高于技术创新成本时，将进一步激发各用水主体持续进行节水技术创新，由此形成良性的“循环积累效应”，进而促进农业用水效率的不断增长。因此基于上述分析，提出以下理论假设：
H3：水权交易机制通过推进技术创新来提高农业用水效率。

1.4 水权交易机制对农业用水效率的要素流动中介效应分析

水权交易机制确立的宗旨是使水权成为一种具备市场价值的资源，进而通过市场调节机制来引致水要素在区域及产业之间的合理流动，实现水资源利用效率的有效提升。虽然水权交易存在多种形式，但是大多是以农业水资源为基础进行的，在此过程中，农业用水主体通过出让部分水权能够获取可观的经济补偿，这不但有利于提高农业用水主体节水的积极性，而且有助于拓宽水利工程建设和农田改造融资渠道，从而为保障农作物灌溉基础设施建设和农业用水效率提升提供必要的资金支持，而随着水要素在区域及产业之间流动体量增大，这种节水效应必然得到进一步增强。例如惠州通过将与广东水权交易获取的工程资金用于农业灌区节水改造和节水设施维护，使农业灌区渠系水利用综合系数由原来的0.45左右提高到0.553；而内蒙古鄂尔多斯的水权转换也有效改善了黄河南岸灌区渠道过水断面，使得渠系水利用系数由0.348提高到0.636，灌溉水利用系数也由0.24提高到0.54。然而需要注意的是，中国目前的水权交易体量相对较小，对农业用水效率的正向促进作用可能还未显现。因此基于上述分析，提出以下理论假设：
H4：水权交易机制通过促进区际及产业之间要素流动来提高农业用水效率，但是中介效应可能不显著。
综上所述，水权交易机制主要通过循环累积效应和要素配置效应来促进农业用水效率的提升，具体如图1所示。其中，循环累积效应的发挥主要基于节水技术和手段的持续改进与创新，并通过地区间相互示范和模仿所带来的空间溢出效应而得到不断增强；而要素配置效应的发挥则有赖于区际及产业间要素的合理流动，而且也会在一定程度上借助空间溢出效应来提升其农业节水效应。
图1 水权交易机制引致农业用水效率变化的作用路径

Fig. 1 Action path of water rights trading mechanism on agricultural water use efficiency

2 研究方法与数据来源

2.1 研究方法

2.1.1 超效率SBM模型

Tone[29]于2002年提出的超效率SBM模型既能解决传统非参数DEA在评价技术效率时无法同时纳入投入与产出要素的松弛问题，又可以避免多个有效决策单元（即综合效率值为1）无法横向比较的问题，因此被广泛用于多投入多产出效率评价。本文拟采用此模型对农业用水效率进行测算，具体模型如下：
ρ = m i n 1 + 1 m ∑ q = 1 m s q - / x q k 1 - 1 s 1 + s 2 ∑ r = 1 s 1 s r g / y r k g + ∑ t = 1 s 2 s h b / y h k b s .       t .         x q k ≥ ∑ j = 1 , j ≠ k n x q j λ j - s i - y r k g ≤ ∑ j = 1 , j ≠ k n y r j g λ j - s r g y h k b ≤ ∑ j = 1 , j ≠ k n y t j g λ j - s h b s q - ,   s r g ,   s h b ,   λ j ≥ 0
式中： ρ为目标效率值，即农业用水效率值； n为决策单元数量（个）； m、 s 1和 s 2分别为投入、期望产出和非期望产出的指标个数（个）； s q -、 s r g和 s h b分别为第 q个投入要素、第 r个期望产出和第 h个非期望产出的松弛变量； x q k、 y r k g和 y h k b分别为通过松弛变量改进的第 k个决策单元中最优的 q要素投入量、最优的 r要素期望产出量和最优的 t要素非期望产出量； x q j、 y r j g和 y h j b分别为第 j个决策单元的 i要素投入量、 r要素期望产出量和 h要素非期望产出量； λ j为权重向量。

2.1.2 空间双重差分模型

通过比较实验组与控制组在事件发生前后的差异是政策实证分析的有效手段，而基于准自然实验的双重差分法能够在一定程度上减少内生性问题，剔除由选择偏差及时间变化带来的非政策因素干扰，从而达到对政策实施效果进行科学评估的目的。因此本文拟采用双重差分法来构建水权交易机制对农业用水效率的影响模型[30]：
a g r i e f f i t = α 0 + α 1 t r e a t e d i × t i m e t + α 2 X i t + μ i + η t + ε i t
式中： i和 t分别表示省（市、自治区）和时间； a g r i e f f i t为被解释变量农业用水效率； t r e a t e d i为省（市、自治区）虚拟变量； t i m e t为时间虚拟变量； X i t为控制变量； μ i和 η t分别表示省份固定效应和年份固定效应； ε i t为随机误差项； α 0为固定截距项； α 1反映了水权交易机制对农业用水效率的政策效应，也是研究的重点； α 2为控制变量的系数。
进一步考虑地区间的空间溢出效应，式（2）可变换为：
a g r i e f f i t = φ 0 + λ ∑ j = 1 N w i j a g r i e f f i t + φ 1 t r e a t e d i × t i m e t + φ 2 X i t + μ i + η t + ε i t ε i t = ρ ∑ j = 1 N w i j ε j t + ν i t
式中： λ和 ρ分别为空间自回归系数和空间误差系数，若 λ显著为0，式（3）简化为空间误差模型（spatial error model，SEM），若 ρ显著为0，式（3）简化为空间滞后模型（spatial autoregressive model，SAR）；此外，为了全面反映水权交易机制与农业用水效率之间的复杂空间关系，本文进一步构建了同时包含误差项和自回归项的空间计量模型，即空间自相关误差自相关模型（spatial autoregressive model with spatial autoregressive disturbances，SARAR）[31]； φ 0、 φ 1和 φ 2与 α 0、 α 1和 α 2意义相同； ν i t为服从正态分布的随机误差项； w i j为空间权重矩阵第i行第j列的元素，本文拟采用0~1邻接矩阵。

2.1.3 中介效应模型

基于上文的理论分析，参考李江一等[32]和屈小娥等[33]的做法，设定式（4）~式（6）依次验证水权交易机制对农业用水效率的影响机理：
a g r i e f f i t = α 0 + α 1 t r e a t e d i × t i m e t + α 2 X i t + μ i + η t + ε i t
M i t = β 0 + β 1 t r e a t e d i × t i m e t + β 2 X i t + μ i + η t + ε i t
a g r i e f f i t = γ 0 + γ 1 t r e a t e d i × t i m e t + γ 2 X i t + γ 3 M i t + μ i + η t + ε i t
式中： M i t为中介变量，本文中为技术创新、区际及产业之间要素流动变量； β 0和 γ 0与 α 0意义相同， β 1~ β 3、 γ 1~ γ 3均表示回归系数。

2.2 变量选取

2.2.1 被解释变量

本文主要考察水权交易机制对农业用水效率的影响，因此农业用水效率的准确获取是关键，基于上文的分析，拟采用超效率SBM模型对农业用水效率进行测度，其中涉及的投入要素包括农业用水量、农业就业人数、农作物播种面积、化肥施用量和农业机械动力；期望产出为农业总产值；非期望产出为农业废水中的化学需氧量和氨氮排放量。

2.2.2 解释变量

本文采用虚拟变量来表示该省（市、自治区）是否建立了水权交易机制，即式（2）中的双重差分项（ t r e a t e d i × t i m e t）。具体而言，时间虚拟变量 t i m e t表示水权交易试点正式启动即2014年及其之后年份取值为1，否则取值为0；地区虚拟变量 t r e a t e d i表示某省（市、自治区）如果是水权交易试点省份，则取值为1，否则取值为0。需要说明的是，由于国家级水权试点和省级水权试点在政策制定及实施中存在一定的差异，因此本文选取的实验组主体为7个国家级水权交易试点即宁夏、江西、湖北、内蒙古、河南、甘肃和广东，此外，考虑到部分省级试点对全国整体水权交易市场的发展和运行也具有重要影响，还增设浙江、新疆和山西三个省级试点为实验组省份。选取浙江的原因在于东阳—义乌水权交易开创了中国水权交易的先河，深刻地影响了全国及其他地区水权交易的走向及发展趋势；选取新疆的原因一方面在于作为全国首批农业水价综合改革的试点地区，新疆大规模的水权交易对于促进水权交易市场合理运行和完善水权交易制度均具有重要影响[34]，另一方面在于新疆用水结构中农业用水比例较大，水权交易产生的农业节水效应较其他地区更为显著且不容忽视；选取山西的原因在于近五年来山西水权交易成交单数及成交量位于全国前列，是全国水权交易市场不可或缺的一部分。而将河北、陕西和吉林等对整体水权市场运行及水权交易制度建设影响较小的其他省级试点地区和非试点地区划分为控制组。

2.2.3 中介变量

本文选取的中介变量主要涉及技术创新、区际及产业之间要素流动指标，其中，技术创新（tech）以专利授权量来表示；要素流动指标在参考产业结构调整及转移思想的基础上[35]，以本地区农业用水量占全国比例的增减幅度来表示区际要素流动（fac1）；以一二产业用水量比值及一三产业用水量比值来分别表示一二产业之间要素流动（fac2）和一三产业之间要素流动（fac3）。需要说明的是，本文重点研究的是农业用水效率问题，因此要素流动特指水要素流动而非其他要素的流动；此外，由于国家统计局对于用水量的统计是按照农业、工业、生活和生态划分的，因此以农业用水量指代第一产业用水量，工业用水量指代第二产业用水量，生态和生活用水量之和指代第三产业用水量。

2.2.4 控制变量

为了更为稳健地评估水权交易机制对农业用水效率的影响，在参考以往研究的基础上[11,12,21,22]，同时为了避免变量过多而导致多重共线性，本文引入了一些主要控制变量。具体为：水资源丰裕程度，以人均供水量（wabu）和年均降水量（rfal）双指标来表示；农作物种植结构（pstr），以粮食作物种植面积占农作物种植面积比例来表示；经济发展水平（pergdp），以地区人均GDP来表示；财政支农力度（fsup），以农林水支出占地方财政支出比例来表示；农田水利建设（ircon），以有效灌溉面积占农作物播种面积比例来表示。

2.3 数据来源

基于数据的可获得性及时效性，本文选取中国30个省（市、自治区，不含中国香港、澳门、台湾、西藏地区）为样本，时间跨度为2011—2020年，各变量数据主要来源于《中国水资源公报》（2011—2020年）、《新中国60年统计资料汇编》《中国统计年鉴》（2012—2021年）、《中国环境统计年鉴》（2012—2021年）以及《中国农村统计年鉴》（2012—2021年），对于部分缺失的数据参照各省（市、自治区）的统计年鉴补齐。需要说明的是，由于目前农业就业人数缺乏详细统计数据，故以农林牧渔就业人数作为替代指标，另外，为了避免通货膨胀对测算结果的影响，以上涉及到的经济数据均按照价格指数转换为2011年不变价格。

3 结果分析

3.1 模型选择与平行趋势检验

双重差分模型的运用有赖于研究问题的具体特征及平行趋势假定，因此在进行结果分析之前必须进行相关检验。首先采用普通面板OLS对式（1）进行回归，如表1所示，模型（1）控制了省份固定效应，模型（2）控制了省份固定效应和年份固定效应，而模型（3）和模型（4）则是在模型（1）和模型（2）的基础上加入了控制变量。可以看出，模型（1）~（4）中 t r e a t e d i × t i m e t的系数均为负，且除模型（1）外的其他模型 t r e a t e d i × t i m e t系数不显著，说明水权交易机制阻碍了农业用水效率的提升，这显然有悖于实际情况，此外模型（3）和模型（4）中控制变量的系数显著性较差，说明可能遗漏了空间溢出效应而导致估计结果出现较大的偏误，因此必须采用空间相关性检验方法对农业用水效率的空间特征进行检验。
表1 普通面板双重差分回归结果

Table 1 Ordinary panel difference-in-difference regression results

变量 （1） （2） （3） （4）
t r e a t e d i × t i m e t -0.089**
(-2.33)		 -0.032
(-0.9)		 -0.045
(-1.26)		 -0.029
(-0.78)
rfal -0.003*
(-1.72)		 0.005
(1.33)
wabu -0.009
(-1.57)		 0.027
(1.16)
pstr -0.025
(-1.05)		 -0.06*
(-1.77)
pergdp 0.008
(0.59)		 0.06
(1.09)
fsup -0.006
(-0.92)		 -0.016
(-1.56)
ircon 0.002*
(1.78)		 -0.002
(-1.19)
_cons 0.41***
(29.4)		 0.396***
(40.04)		 0.63***
(4.86)		 0.622**
(2.2)
时间固定效应 NO YES NO YES
省份固定效应 YES YES YES YES
N/个 270 270 270 270

注：***、**、*分别表示在1%、5%、10%的水平下显著，括号外的数值为回归系数，括号内数值为t值，下同。

从表2可以看出，Moran's I、LM-lag、Robust LM-lag和LM-error、Robust LM-error均通过了1%的显著性水平，表明农业用水效率相关问题存在显著的空间溢出特征，有必要引入空间计量模型进行研究，以消除空间相关性可能导致的测算偏差，下文的平行趋势检验亦是在空间计量模型框架下进行的。
表2 空间自相关检验

Table 2 Spatial autocorrelation test

检验 Moran's I LM-lag Robust LM-Lag LM-error Robust LM-error
统计量 1.00*** 43.46*** 37.63*** 39.43*** 35.36***
概率值 0.000 0.000 0.000 0.000 0.000
参考以往研究[36,37]，基于事件分析法的思想，以空间计量方程替代传统面板回归方程来进行平行趋势检验，具体结果如图2所示，图中的数值表示水权交易机制实施前后年份虚拟变量与地区虚拟变量交互项的回归系数。可以看出，水权交易机制实施前即2014年之前的系数变化不显著，满足平行趋势假定，而在水权交易机制实施后即2014年之后的系数显著升高，表明2014年水权交易机制实施有利于农业用水效率的提升且其正向效应不断增强。
图2 空间双重差分平行趋势检验

Fig. 2 Spatial difference-in-difference parallel trend test

3.2 基准回归结果分析

考虑到表2中LM-lag和 LM-error统计量均较为显著，因此分别采用空间滞后模型（SAR）、空间误差模型（SEM）及空间自相关误差自相关模型（SARAR）对水权交易机制的农业节水效应进行综合回归分析，结果如表3所示，模型（5）、模型（7）和模型（9）中的解释变量仅为 t r e a t e d i × t i m e t虚拟变量，而模型（6）、模型（8）和模型（10）为加入控制变量后的回归结果。可以看出，模型（5）~模型（10）中的空间自相关系数 λ和 ρ均较为显著，且各控制变量的系数显著性相对于表1也明显提升，表明采用空间计量方法对双重差分模型的估计结果是一致且可靠的。
表3 空间双重差分回归结果

Table 3 Spatial difference-in-difference regression results

变量 SAR SEM SARAR
（5） （6） （7） （8） （9） （10）
t r e a t e d i × t i m e t 0.084***
(4.15)		 0.077***
(3.85)		 0.068***
(3.39)		 0.062***
(3.07)		 0.054***
(2.79)		 0.036**
(2.53)
rfal 0.002*
(1.91)		 0.003*
(1.95)		 0.001*
(1.92)
wabu -0.02**
(-2.46)		 -0.002**
(-2.32)		 -0.03**
(-2.45)
pstr -0.097***
（-2.98）		 -0.106***
(-3.08)		 -0.008
(-1.32)
pergdp 0.147***
(9.38)		 0.158***
(9.26)		 0.122***
(5.28)
fsup 0.002**
(2.02)		 -0.011**
(-2.13)		 0.008*
(1.95)
ircon 0.007***
(3.69)		 003***
(3.13)		 0.01***
(4.05)
λ 0.508***
(9.47)		 0.422***
(6.61)		 0.791***
(9.87)		 0.788***
(11.21)
ρ 0.516***
(9.45)		 0.537***
(7.26)		 0.488**
(2.45)		 0.783***
(6.13)
R2 0.493 0.612 0.488 0.58 0.214 0.349
LogL 124.148 133.418 123.614 128.373 90.018 102.343
LR test 39.82*** 41.11*** 42.29*** 47.92***
N/个 270 270 270 270 270 270
从表3中的回归结果来看，水权交易对农业用水效率具有明显的促进作用。而从列（5）~（10）中 t r e a t e d i × t i m e t的系数可以发现，相对于尚未进行试点的省份，水权交易试点省份农业用水效率的提升幅度大致位于0.036~0.084之间，表明国家推行水权交易政策的成效是十分显著的，水权交易机制的引入在赋予水权更多市场价值的同时加快了水要素在地区和行业间的自由流动，有效改善和优化了农业水资源利用效益，H1得到验证。此外，空间自相关系数 λ和 ρ均显著为正，表明水权交易机制改善农业用水效率的同时也对其他地区产生了正向的空间溢出效应，水权交易试点地区农业用水效率显著改善的成功经验会产生强烈的示范效应，促使周边地区不断学习和效仿，从而推动周边地区农业用水效率的提升，H2得到验证。因此未来应重视各地区之间的协同联动，以此来有效发挥和扩大水权交易机制的农业节水效应及辐射范围。
其他控制变量中，年均降水量、经济发展水平、财政支农力度及农田水利建设对农业用水效率具有显著的提升作用。很显然，经济发达地区农业及水利发展的融资渠道更为广泛，加大农田水利建设投资，改善农田水利基础设施水平，有利于优化农作物灌溉条件，促进农业用水效率的不断提升。而天然降雨是农作物生长的重要保障，充足的降雨量能够缓解作物生长所受的水资源约束，优化农业生产中水资源的配置效率，对农业用水效率也有一定的促进作用。人均供水量和农作物种植结构对农业用水效率表现出了负向的抑制效应，可能的原因在于水资源丰裕地区农业生产中水资源投入存在较大的冗余量，降低了其农业用水效率，而粮食作物比例较大的地区则由于需水量较多，导致其无法显著改善自身的农业用水效率。

3.3 稳健性检验

考虑到现实中可能存在一些其他因素，如样本数据结构和其他政策因素，会干扰水权交易机制农业节水效应的评估及判断，因此本文将采用一系列稳健性检验方法对构建的空间双重差分模型进行检验，以确保研究结果的稳健性，具体如表4所示。
表4 稳健性检验结果

Table 4 Robustness test results

变量 2012—2018年
（11）		 被解释变量取对数
（12）		 提前1年
（13）		 提前2年
（14）		 PSM-DID
（15）
t r e a t e d i × t i m e t 0.045**
（2.57）		 0.172**
(2.46)		 0.069
(1.42)		 0.04
(0.66)		 0.071***
(3.29)
控制变量 YES YES YES YES YES
λ 0.344***
(4.28)		 0.574***
(10.8)		 0.426***
(6.68)		 0.432***
(6.81)		 0.451***
(7.36)
R2 0.737 0.786 0.417 0.412 0.658
LogL 180.253 194.52 118.145 117.354 142.738
N/个 270 270 270 270 270
鉴于文章篇幅及表3中SAR模型的拟合优度高于其他两个模型，因此首先以SAR模型为基础更改窗口期及替换被解释变量进行常规稳健性检验，新的窗口期为2012—2018年，而新的被解释变量为农业用水效率的对数值。表4中列（11）和（12）的回归结果显示 t r e a t e d i × t i m e t的系数依旧在5%的水平上显著为正，且空间自相关系数 λ也显著为正，有力地验证了空间双重差分回归结果的稳健性，即水权交易机制确实提升了农业用水效率。
其次，为检验表3中的实证结果是否由某些偶然因素引起，进一步通过虚构政策实施的开始时间来进行安慰剂检验，如果虚构情况下“伪政策虚拟变量”的系数不显著，则说明原来的估计结果稳健。具体地，分别将水权交易试点政策实施年份提前1年和2年，再次运用SAR模型检验其对农业用水效率的影响。表4中列（13）和（14）的回归结果显示，提前1年和2年的 t r e a t e d i × t i m e t系数并不显著，表明农业用水效率的提升并非来自于其他偶然因素，而是水权交易机制作用的结果。
最后，为降低水权交易试点省份与非水权交易试点省份选取存在的系统性偏差对表3中实证结果的影响，进一步采用PSM-SDID方法对实验组和控制组的省份进行核匹配，然后根据匹配数据再次进行回归分析。表4中列（15）的回归结果显示 t r e a t e d i × t i m e t的系数在1%的水平上显著为正，与表3中的回归结果一致，表明系统性选择偏差对实证结果的影响并不大，也再一次验证了表3中回归结果的稳健性，即水权交易机制确实有助于提升农业用水效率。

3.4 异质性分析

考虑到不同地区政策实施的效果存在差异性，进一步将全国分成东、中、西三个地区①(① 根据国家统计局《第四次全国经济普查公报（第七号）》分类标准，将中国划分东、中、西部三大地区，其中东部包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个地区；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个地区；西部包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个地区。)，分别估算水权交易机制对各地区农业用水效率的影响，具体结果如表5所示。
表5 地区异质性下的回归结果

Table 5 Regression results under spatial heterogeneity

变量 东部 中部 西部
（16） （17） （18） （19） （20） （21）
t r e a t e d i × t i m e t 0.085**
（2.29）		 0.068**
(2.01)		 0.108***
(3.14)		 0.094***
(2.79)		 0.034**
(2.24)		 0.022**
(2.06)
控制变量 NO YES NO YES NO YES
λ 0.487***
(6.33)		 0.272**
(2.54)		 0.212**
(2.52)		 0.153**
(2.05)		 0.386***
(6.1)		 0.309***
(3.21)
R2 0.408 0.598 0.389 0.436 0.459 0.612
LogL 26.6159 40.0292 42.1683 47.2419 46.4284 51.3095
N/个 110 110 80 80 110 110
可以看出，水权交易机制对农业用水效率的影响存在显著的地区异质性，水权交易机制对中部地区农业用水效率的提升效用最大，东部地区次之，而西部地区最小。可能的原因在于：中部8个地区大部分为中国粮食主产区，农业发展及相关政策落实的有效性相对较高，而且8个地区中有半数左右为水权交易试点，地区及行业间水权流转及成交量较高，有力保障和提升了水权交易机制的政策效应；东部虽然只有浙江和广东两个试点，但是得益于良好的经济及技术条件，其先进的技术手段及完善的配套设施会在很大程度上提升水要素在地区及行业间的流动速度，从而增强水权交易机制对农业用水效率的影响；而西部大部分地区的经济技术水平较为落后且工业和服务业发展较为缓慢，致使地区及行业间水权交易受限，如宁夏和甘肃两省（自治区）水权交易主要发生于农业灌溉用水户之间，很难对农业用水效率造成较大影响。

3.5 作用路径分析

根据上文的理论分析，水权交易机制不仅可以直接作用于农业用水效率，而且能够通过促进技术创新、区际及产业之间要素流动来改善农业水资源配置状况从而提升农业用水效率，因此进一步以SAR模型为基础来检验水权交易机制对农业用水效率的作用路径，结果如表6所示。其中，列（22）展示了水权交易机制影响农业用水效率的基准回归结果；列（23）、（24）、（25）和（26）分别展示了水权交易机制对技术创新、区际要素流动和产业之间水要素流动的回归结果；列（27）、（28）、（29）和（30）展示了以列（22）模型为基础分别加入技术创新、区际要素流动和产业之间水要素流动的回归结果。
表6 水权交易机制影响农业用水效率的作用路径

Table 6 The pathway of water rights trading affecting agricultural water use efficiency

变量 agrieff
（22）		 tech
（23）		 fac1
（24）		 fac2
（25）		 fac3
（26）		 agrieff
（27）		 agrieff
（28）		 agrieff
（29）		 agrieff
（30）
t r e a t e d i × t i m e t 0.079***
(3.85)		 3.44**
(3.73)		 0.064**
(2.44)		 0.014**
(2.52)		 0.016**
(2.27)		 0.053**
(2.29)		 0.068**
(2.48)		 0.067**
(2.43)		 0.064**
(2.37)
tech 0.016*
(1.93)
fac1 0.016
(1.35)
fac2 0.124**
(2.03)
fac3 0.298***
(3.66)
控制变量 YES YES YES YES YES YES YES YES YES
λ 0.422***
(6.61)		 0.476**
(7.96)		 0.07*
(0.82)		 0.095
(0.99)		 0.213***
(2.88)		 0.325***
(4.97)		 0.418***
(6.45)		 0.424***
(6.64)		 0.42***
(6.59)
R2 0.617 0.605 0.356 0.887 0.872 0.643 0.622 0.64 0.684
LogL 137.418 132.439 103.382 265.634 258.742 141.568 138.794 141.012 146.437
N/个 270 270 270 270 270 270 270 270 270
可以看出，列（23）~（26）中水权交易虚拟变量的系数显著为正，表明水权交易机制对技术创新水平、区际产业之间要素流动具有显著的正向促进效应；相应地，列（27）、（29）和（30）中技术创新水平和产业之间水要素流动变量的系数也显著为正，表明技术创新和产业之间水要素流动的中介效应显著存在，水权交易机制主要是通过提高技术创新水平和推动产业之间水要素的合理流动来促进农业用水效率的提升，H3得到验证。而且从表6中列（25）、（26）、（29）和（30）中的系数来看，一三产业之间的水要素流动所产生的农业节水效应更大，可能的原因在于产业结构转型和升级抑制了工业用水需求的进一步增长，高附加值的第三产业如住宿、餐饮和环保行业成为新的用水增长主体，通过促进一三产业之间的水权交易能够获得更多的经济补偿和工程融资，从而显著改善农田建设和水利工程设施水平，因此未来应该注重引导和规范一三产业之间的水权转让和交易，为农业用水效率的持续提升提供有效助力。此外，从列（28）的回归结果来看，区际要素流动变量的系数并不显著，表明区际要素流动的中介效应微乎其微，水权交易机制很难通过促进区际要素流动来提高农业用水效率。这一方面在于目前中国水权交易尚处于试点阶段，水权交易规则及监管制度不足导致水权交易更多地发生在地区内部的产业之间；另一方面在于即使两个地区之间进行了水权交易，但是产生的水权交易量仍然会大量流入其他非农行业之中，使得区际要素流动的农业节水中介效应并不明显，H4得到验证。

4 结论与政策建议

水权交易机制是国家为弥补行政指令局限性而提出的重要节水手段，准确评估其政策效应有助于完善水资源治理工具和提升水资源治理能力。本文在阐述水权交易机制影响农业用水效率理论机理的基础上，选取中国2011—2020年30个省（市、自治区）的面板数据，基于准自然实验的思路，利用空间双重差分模型评估了水权交易机制的农业节水效应，并进一步运用中介效应模型检验了水权交易机制对农业用水效率的作用路径，主要结论如下：
（1）水权交易机制对提升农业用水效率具有显著的正向作用。研究期内试点省份相比非试点省份的农业用水效率提升幅度大致位于0.036~0.084之间，这一结论在经过多种情景下的检验后依然稳健，而且水权交易机制表现出明显的地区异质性，其对中部地区农业用水效率的提升幅度最大，东部地区次之，西部地区最小。
（2）水权交易机制表现出了明显的正向溢出效应。其不但能够改善本地区的农业用水效率，而且有助于提升周边地区的农业用水效率，因此在评估水权交易机制的政策效应时不能遗漏空间效应，以免出现判断错误的情况。
（3）水权交易机制主要通过促进技术创新和引导产业之间要素流动来实现农业用水效率的提升。区际要素流动的中介效应并不显著，而且由于工业用水需求有所减弱，一三产业之间的水要素流动对农业用水效率的提升作用更大。
上述研究结论对完善水权交易机制，进一步提升其农业节水效应具有重要的政策启示：首先，基于水权交易机制有助于农业节水的现实成效，应持续推进水权交易制度建设，针对水权交易中存在的困难和问题，研究提出具有可操作性的方案及配套策略，如建立有偿出让水权制度、健全水权交易价格调整机制和构建保障水权交易的法律框架等，巩固水权交易机制的政策效应。其次，考虑到水权交易机制的空间溢出效应，一方面要凝练水权交易试点省份的政策经验，由“点”向“面”逐步扩大政策覆盖范围，另一方面要推进各地区之间的跨区域合作，构建常态化的区域共享反馈机制和长效协同治理机制，最大程度地发挥政策效果的正向溢出效应。最后，由于水权交易机制主要通过技术创新和产业之间要素流动两条路径来提升农业用水效率，因此应通过财政补贴和环境规制等手段来推进农业节水方面的技术创新，同时要建立健全要素流动机制，引导水要素在产业之间的合理流动，强化水权交易机制的政策成效。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
丁超, 胡永江, 王振华, 等. 虚拟水社会循环视域下的水资源承载力评价. 自然资源学报, 2021, 36(2): 356-371.

[ DING C, HU Y J, WANG Z H, et al. Assessment of water resources carrying capacity from the perspective of virtual water social cycle. Journal of Natural Resources, 2021, 36(2): 356-371.]

DOI

[2]
JIANG J J, XIE D J, YE B, et al. Research on China's cap-and-trade carbon emission trading scheme: Overview and outlook. Applied Energy, 2016, 178: 902-917.

DOI

[3]
徐豪, 刘钢. 考虑随机降雨预测的区域水期权交易动态定价机制: 以广东省为例. 自然资源学报, 2020, 35(3): 713-727.

[ XU H, LIU G. Dynamic pricing mechanism of regional water option trading considering random rainfall forecast: A case study of Guangdong province. Journal of Natural Resources, 2020, 35(3): 713-727.]

DOI

[4]
李治国, 王杰. 中国碳排放权交易的空间减排效应:准自然实验与政策溢出. 中国人口·资源与环境, 2021, 31(1): 26-36.

[ LI Z G, WANG J. Spatial emission reduction effects of China's carbon emissions trading: Quasi-natural experiments and policy spillovers. China Population, Resources and Environment, 2021, 31(1): 26-36.]

[5]
杨骞, 武荣伟, 王弘儒. 中国农业用水效率的分布格局与空间交互影响: 1998—2013年. 数量经济技术经济研究, 2017, 34(2): 72-88.

[ YANG Q, WU R W, WANG H R. Regional disparities and spatial interaction of agricultural water use efficiency: 1998-2013. The Journal of Quantitative & Technical Economics, 2017, 34(2): 72-88.]

[6]
陈洪斌. 我国省际农业用水效率测评与空间溢出效应研究. 干旱区资源与环境, 2017, 31(2): 85-90.

[ CHEN H B. Provincial agricultural water use efficiency evaluation and spatial spillover effect in China. Journal of Arid Land Resources and Environment, 2017, 31(2): 85-90.]

[7]
苏喜军, 纪德红, 何慧爽. 黄淮海平原农业水资源绿色效率时空差异与影响因素研究. 生态经济, 2021, 37(3): 106-111.

[ SU X J, JI D H, HE H S. Study on spatial and temporal differences and affecting factors of agricultural water resources green efficiency in Huang-Huai-Hai Plain. Ecological Economy, 2021, 37(3): 106-111.]

[8]
崔永正, 刘涛. 黄河流域农业水资源全要素生产率测度及其影响因素研究. 中国农村水利水电, 2021, (6): 126-129, 136.

[ CUI Y Z, LIU T. Research on the measurement and influencing factors of agricultural water total factor productivity in the Yellow River Basin. China Rural Water and Hydropower, 2021, (6): 126-129, 136.]

[9]
鲍超, 陈小杰, 梁广林. 基于空间计量模型的河南省用水效率影响因素分析. 自然资源学报, 2016, 31(7): 1138-1148.

[ BAO C, CHEN X J, LIANG G L. Analysis on the influencing factors of water use efficiency in Henan province based on spatial econometric models. Journal of Natural Resources, 2016, 31(7): 1138-1148.]

[10]
杜书, 梁彦庆, 张梦, 等. 河北省农业水资源利用效率时空分异特征及影响因素研究. 节水灌溉, 2021, (6): 74-80.

[ DU S, LIANG Y Q, ZHANG M, et al. A study on spatio-temporal differentiation characteristic and influencing factors of agricultural water resource utilization efficiency in Hebei province. Water Saving Irrigation, 2021, (6): 74-80.]

[11]
佟金萍, 马剑锋, 王圣, 等. 长江流域农业用水效率研究: 基于超效率DEA和Tobit模型. 长江流域资源与环境, 2015, 24(4): 603-608.

[ TONG J P, MA J F, WANG S, et al. Research on agricultural water use efficiency in Yangtze River Basin on super-efficiency DEA and Tobit model. Resources and Environment in the Yangtze Basin, 2015, 24(4): 603-608.]

[12]
赵丽平, 李登娟, 侯德林, 等. 2003—2016年湖北省农业用水效率测算及时空差异. 水资源与水工程学报, 2020, 31(5): 240-247.

[ ZHAO L P, LI D J, HOU D L, et al. Tempo-spatial variations of agricultural water use efficiency measurements in Hubei province from 2003 to 2016. Journal of Water Resources and Water Engineering, 2020, 31(5): 240-247.]

[13]
李青松, 张凤太, 苏维词, 等. 长江经济带农业用水绿色效率测度及影响因素分析: 基于超效率EBM-Geodetector模型. 中国农业资源与区划, 2021, 42(8): 1-15.

[ LI Q S, ZHANG F T, SU W C, et al. Measurement of green efficiency of agricultural water in the Yangtze River Economic Belt and analysis of influencing factors-based on the super-efficiency EBM-Geodetector model. Chinese Journal of Agricultural Resources and Regional Planning, 2021, 42(8): 1-15.]

[14]
李静, 徐德钰. 中国农业的用水效率及其影响因素: 基于MinDW模型的分析. 环境经济研究, 2018, 3(3): 56-74.

[ LI J, XU D Y. Agricultural water utilization efficiency and its influencing factors in China: Based on MinDW model. Journal of Environment Economics, 2018, 3(3): 56-74.]

[15]
LIU P, FANG Z, LYU C, et al. China's agricultural water-use efficiency and its influencing factors under the constraint of pollution emission. International Journal of Design & Nature and Eco-dynamics, 2020, 15(4): 579-585.

[16]
方琳, 吴凤平, 王新华, 等. 基于共同前沿SBM模型的农业用水效率测度及改善潜力. 长江流域资源与环境, 2018, 27(10): 2293-2304.

[ FANG L, WU F P, WANG X H, et al. Analysis of agricultural water efficiency measurement and improvement potential based on meta frontier SBM model. Resources and Environment in the Yangtze Basin, 2018, 27(10): 2293-2304.]

[17]
刘渝, 宋阳. 基于超效率SBM的中国农业水资源环境效率评价及影响因素分析. 中国农村水利水电, 2019, (1): 102-107.

[ LIU Y, SONG Y. Evaluation and influencing factor analysis of agricultural water resource efficiency in China based on super-efficiency SBM model. China Rural Water and Hydropower, 2019, (1): 102-107.]

[18]
WANG G F, CHEN J, WU F, et al. An integrated analysis of agricultural water-use efficiency: A case study in the Heihe River Basin in Northwest China. Physics and Chemistry of the Earth, Parts A/B/C, 2015, 89-90: 3-9.

[19]
LIU Y, HU X H, ZHANG Q, et al. Improving agricultural water use efficiency: A quantitative study of Zhangye city using the static CGE model with a CES water-land resources account. Sustainability, 2017, 9(308): 1-15.

DOI

[20]
任志安, 刘柏阳. 淮河生态经济带农业水资源绿色效率的时空差异与影响因素. 资源开发与市场, 2019, 35(7): 929-934, 941.

[ REN Z A, LIU B Y. Study on spatial and temporal differences and influencing factors of agricultural green water resources efficiency in Huaihe Ecological Economic Belt. Resource Development & Market, 2019, 35(7): 929-934, 941.]

[21]
WEI J, LEI Y, YAO H, et al. Estimation and influencing factors of agricultural water efficiency in the Yellow River Basin, China. Journal of Cleaner Production, 2021, 308(10): 127249, Doi: 10.1016/j.jclepro.2021.127249.

DOI

[22]
刘涛, 崔永正, 李继霞. 基于水污染视角的中国农业生态用水效率及其影响因素. 水土保持研究, 2021, 28(5): 301-307.

[ LIU T, CUI Y Z, LI J X. Ecological use efficiency of agricultural water and its influencing factors in China based on the perspective of water pollution. Research of Soil and Water Conservation, 2021, 28(5): 301-307.]

[23]
许朗, 黄莺. 农业灌溉用水效率及其影响因素分析: 基于安徽省蒙城县的实地调查. 资源科学, 2012, 34(1): 105-113.

[ XU L, HUANG Y. Measurement of irrigation water efficiency and analysis of influential factors: An empirical study on Mengcheng county in Anhui province. Resources Science, 2012, 34(1): 105-113.]

[24]
刘悦忆, 郑航, 赵建世, 等. 中国水权交易研究进展综述. 水利水电技术(中英文), 2021, 52(8): 76-90.

[ LIU Y Y, ZHENG H, ZHAO J S, et al. An overview of the study on water rights trading in China. Water Resources and Hydropower Engineering, 2021, 52(8): 76-90.]

[25]
严予若, 万晓莉, 伍骏骞, 等. 美国的水权体系: 原则、调适及中国借鉴. 中国人口·资源与环境, 2017, 27(6): 101-109.

[ YAN Y R, WAN X L, WU J Q, et al. Water rights systems in the United States: Principles, evolution and their implications for China. China Population, Resources and Environment, 2017, 27(6): 101-109.]

[26]
WANG Y B, LIU D, CAO X C, et al. Agricultural water rights trading and virtual water export compensation coupling model: A case study of an irrigation district in China. Agricultural Water Management, 2017, 180: 99-106.

DOI

[27]
刘敏. “准市场”与区域水资源问题治理: 内蒙古清水区水权转换的社会学分析. 农业经济问题, 2016, 37(10): 41-50, 110-111.

[ LIU M. "Quasi-market" and regional governance of water resources problem: A sociological analysis of transfer of water rights in Qingshui district, Inner Mongolia. Issues in Agricultural Economy, 2016, 37(10): 41-50, 110-111.]

[28]
田贵良, 盛雨, 卢曦. 水权交易市场运行对试点地区水资源利用效率影响研究. 中国人口·资源与环境, 2020, 30(6): 146-155.

[ TIAN G L, SHENG Y, LU X. On the influence of water rights trading market operation on water resource use efficiency in pilot areas. China Population, Resources and Environment, 2020, 30(6): 146-155.]

[29]
TONE K. A slacks-based measure of super-efficiency in data envelopment analysis. European Journal of Operational Research, 2002, 143(1): 32-41.

DOI

[30]
YU S, KAREN X Y. Inference on difference-in-differences average treatment effects: A fixed-b approach. Journal of Econometrics, 2019, 211(2): 560-588.

DOI

[31]
ANSELIN L. Spatial Econometrics:Methods and Models. Boston: Kluwer Academic Publisher, 1988.

[32]
李江一, 仇童伟. 农地确权与农业生产结构调整: 来自中国家庭金融调查的证据. 财贸研究, 2021, 32(9): 57-69.

[ LI J Y, QIU T W. Land entitlement and adjustment of agricultural production structure in China: Evidence from household finance survey. Finance and Trade Research, 2021, 32(9): 57-69.]

[33]
屈小娥, 骆海燕. 中国对外直接投资对碳排放的影响及传导机制: 基于多重中介模型的实证. 中国人口·资源与环境, 2021, 31(7): 1-14.

[ QU X E, LUO H Y. Impact of China's OFDI on carbon emissions and its transmission mechanism: An empirical analysis based on multiple mediation effect model. China Population, Resources and Environment, 2021, 31(7): 1-14.]

[34]
董小菁, 纪月清, 钟甫宁. 农业水价政策对农户种植结构的影响: 以新疆地区为例. 中国农村观察, 2020, (3): 130-144.

[ DONG X J, JI Y Q, ZHONG F N. The Impact of agricultural water pricing reform on farmers' planting structure: A case study from Xinjiang, China. China Rural Survey, 2020, (3): 130-144.]

[35]
孙晓华, 郭旭, 王昀. 产业转移、要素集聚与地区经济发展. 管理世界, 2018, 34(5): 47-62.

[ SUN X H, GUO X, WANG Y. Industrial relocation, elements agglomeration and regional economic development. Journal of Management World, 2018, 34(5): 47-62.]

[36]
JACOBSON L S, LALONDE R J, SULLIVAN D G. Earnings losses of displaced workers. W. E. Upjohn Institute, 1992.

[37]
周茂, 陆毅, 杜艳, 等. 开发区设立与地区制造业升级. 中国工业经济, 2018, (3): 62-79.

[ ZHOU M, LU Y, DU Y, et al. Special economic zones and region manufacturing upgrading. China Industrial Economics, 2018, (3): 62-79.]

Options
文章导航

/

〈 〉