蔣惠鳳

(常州工學院，江蘇常州 213002)

江蘇省廢污水排放驅動因素及脫鉤效應*
——基于STIRPAT模型和OECD脫鉤指數(shù)的研究

蔣惠鳳

(常州工學院，江蘇常州 213002)

科學研究表明人類活動影響著水環(huán)境，但具體有哪些因素，這些因素又如何影響著水環(huán)境，卻很難精確地量化，原因就在于缺乏一個合適的分析工具。STIRPAT隨機模型可用于分解人口、富裕度、技術發(fā)展對資源環(huán)境壓力的影響程度。各影響因素間難免存在多重共線性，偏最小二乘回歸方法估計參數(shù)可解決STIRPAT模型中多重共線性的問題。研究結果表明：人類活動對水資源環(huán)境的壓力主要體現(xiàn)在人口和產業(yè)結構方面。人口增長、非服務業(yè)產值比重增加是帶來廢污水排放更大程度增長的主要因素，使得水資源環(huán)境遭受巨大壓力。減少經濟發(fā)展對水資源的依賴，能從源頭上減少水資源污染壓力，借助OECD脫鉤指數(shù)分析江蘇省經濟發(fā)展與水資源耗費之間的“脫鉤”關系。研究結果表明單位產出水資源耗費逐年下降，經濟發(fā)展與用水量之間“相對脫鉤”關系占大多數(shù)，“絕對脫鉤”關系次之，其他類型關系很少，且趨向“脫鉤”，但并未達到最理想的狀態(tài)，經濟增長與水資源污染之間并未出現(xiàn)環(huán)境庫茲涅茨曲線。水資源短缺壓力依然存在，應從生活污水處理、節(jié)約用水、進一步調整產業(yè)結構角度去制定對策。

廢污水 STIRPAT模型 偏最小二乘回歸 脫鉤

0 引言

人口增加、經濟發(fā)展和城市化進程的加快，導致資源短缺、環(huán)境污染、生態(tài)多樣性不斷遭受破壞，迫使人們對環(huán)境的關注度不斷提高。水資源約束與環(huán)境惡化的代價迫使人們重新審視經濟增長對水資源環(huán)境的依賴程度，正確認識江蘇省所面臨的資源環(huán)境壓力及影響水資源消耗的因素，并采取應對措施，是未來可持續(xù)發(fā)展的必要保障。目前有很多用于定量評估資源消耗、污染排放與經濟增長關系的模型、方法和指標，其中脫鉤是被廣泛應用于評估資源消耗與經濟增長關系的方法，OECD的脫鉤指數(shù)法是眾多判斷或測量方法中的一種，常用于測量經濟發(fā)展或能源耗費與碳排放之間的關系[1-3]，而STIRPAT模型則常被用于評估資源消耗、污染排放的驅動因素。Ehrlich 和 Holden首次提出并嘗試通過建立IPAT模型分析人類活動對環(huán)境的影響[4-5]，該模型將所有影響環(huán)境的驅動因素分為3類，人口數(shù)量P、以人均產值或消費代表的富裕度A以及包含其他所有影響因素的廣義的技術水平T，每個因素被認為是以一定比例的方式影響環(huán)境。此后IPAT模型被廣泛用于評估人類活動對環(huán)境的影響[6-7]，然而IPAT模型中驅動因素對環(huán)境影響的線性假設限制了其擴展應用。Dietz和Rosa修正了IPAT模型，構建了STIRPAT(stochastic impacts by regression on population，affluence and technology)模型[8-9]，此后，STIRPAT模型被用于分析生態(tài)足跡、碳排放、能源足跡等的驅動因素[10-11]。

對于STIRPAT模型中存在的多重共線性問題，學者們也提出了不同的解決辦法，York R，Rosa E A，Dietz T采用除以樣本均值實現(xiàn)中心化的方法盡量避免多重共線性[11]，趙選民和段曉琛利用嶺回歸分析法消除其所構建的在假設經濟增長與碳排放量存在EKC曲線的基礎上的STIRPAT隨機模型中的多重共線性[12]，Zhao C F，Chen B，Hayat T等在對中國農業(yè)部門水足跡影響因素的研究中同樣使用嶺回歸方法解決多重共線性的問題[13]，Jia J，Deng H，Duan J等在研究生態(tài)足跡驅動因素時，使用偏最小二乘回歸方法解決多重共線性問題[14]。然而中心化不能完全解決多重共線性問題，嶺回歸是有偏估計，偏最小二乘方法(PLS)[15]最早由wold提出，現(xiàn)已被廣大學者所接受和應用，成為經典的處理多重共線性問題，進行回歸估計的方法。

綜上所述，現(xiàn)有文獻中STIRPAT模型主要用于研究碳排放與資源消耗或經濟增長的關系，文章將STIRPAT模型引入分析水污染排放的驅動因素，拓展了研究思路，有利于從不同角度確定造成水污染的經濟、人口因素。在所掌握的文獻資料中并未有使用PLS方法求解關于水污染的STIRPAT模型參數(shù)的資料，該文使用PLS方法消除變量間多重共線性的影響，然后從水資源利用的角度補充分析，引入脫鉤指數(shù)衡量江蘇經濟發(fā)展對水資源的依賴程度。

1 研究方法

1.1 驅動因素分析方法

1.1.1 STIRPAT模型

該文引入Dietz等提出的 STIRPAT 模型來分析人類活動對水資源的影響，具體形式如式(1)所示：

(1)

式(1)中：I代表環(huán)境壓力，a是常數(shù)項，P、A、T分別代表人口、財富和技術，b、c、d分別代表需要估計的人口、財富和技術的指數(shù)，e是誤差項。當a=b=c=d=e=1，即為IPAT模型。i代表不同地區(qū)(橫截面數(shù)據(jù))或不同時間(時間序列數(shù)據(jù))。為了估計參數(shù)，在實際應用中通過取對數(shù)的方式將式(1)中多元非線性模型轉化為式(2)所示的線性方程。

(2)

式(2)為雙對數(shù)方程，參數(shù)b的經濟意義為當A、T不變時，P每變動1%個單位，I平均變動b%個單位。參數(shù)c、d的經濟意義以此類推，即彈性系數(shù)的概念。

該文將STIRPAT模型引入用于分析人類活動對水環(huán)境的壓力，分析數(shù)據(jù)來源于各年江蘇統(tǒng)計年鑒及江蘇水資源公報，考慮到模型本身并非用于研究水環(huán)境壓力，而水資源除了有一般資源的共性特征之外，又有其特殊性，該文對STIRPAT模型進行擴展并選取反映對水環(huán)境壓力影響較大的人類活動指標，擴展模型如式(3)所示。

(3)

式(3)中I代表資源壓力，用江蘇省廢污水排放量來表示人類活動對水環(huán)境的污染情況；P指人口因素，用更能體現(xiàn)實際水消耗的江蘇省常住人口來衡量；A為富裕度，用江蘇省人均GDP(可比價格計算)來衡量；T指包含其他所有影響因素的廣義的技術水平，該文用2個指標來衡量，T1為廢水中COD含量，COD含量是表示水質污染度的重要指標，COD含量的降低意味著技術水平的提高，T2為非服務業(yè)產值占GDP比重，由于廢污水主要產生于工業(yè)廢水和生活污水，而非服務業(yè)，因此非服務業(yè)產值占比降低可用于表明水污染的來源減少，從而分析產業(yè)結構的變化對水污染的影響，而產業(yè)結構的變化是技術進步和社會發(fā)展的結果。

1.1.2 偏最小二乘方法

(1)為了消除量綱的影響，首先對數(shù)據(jù)標準化處理。E0為自變量標準化矩陣，F(xiàn)0為因變量標準化向量；

(4)

(5)

(6)

(4)根據(jù)所提取的m個成分t1，t2，……，tm，實施F0在t1，t2，……，tm上的回歸，得到一個計算模型：

F0=r1t1+……+rmtm+Fm

(7)

表1 經濟發(fā)展與水資源變化特征及脫鉤類型判斷

1.2 脫鉤效應分析方法

脫鉤理論近年來被廣泛用于研究經濟增長與物質消耗之間關系。所謂脫鉤，即打破經濟增長與環(huán)境負荷之間的聯(lián)系，經濟發(fā)展不再以大量耗費資源和自然環(huán)境的惡化為代價，擺脫經濟增長對資源消耗的拉動，使資源消耗與經濟增長“脫鉤”，能從源頭上防止環(huán)境惡化。OECD將脫鉤分為兩類：相對脫鉤和絕對脫鉤。相對脫鉤指經濟增長時，對資源的利用或者對環(huán)境的壓力以一種相對較低的比率增加，也就是說，經濟增長得多，資源利用和環(huán)境壓力增長得相對較少，因為經濟增長和資源利用(環(huán)境壓力)之間的距離越來越大，故稱為相對脫鉤。絕對脫鉤指在經濟持續(xù)增長的同時，資源利用和環(huán)境壓力在減少[17]。上述脫鉤模型僅考慮了經濟正向增長的情況，忽略了經濟衰退的情形，而經濟衰退是可能發(fā)生在某個經濟階段的。因此需將脫鉤模型進一步細化，根據(jù)經濟增長率與水資源利用率(環(huán)境壓力變化率)的正負及大小，對經濟發(fā)展與水資源利用(環(huán)境壓力)之間關系進行判斷(表1)。

在研究經濟發(fā)展與水資源消耗關系時，繪制時間序列折線圖可以直觀地看出其發(fā)展規(guī)律，也可以利用脫鉤指數(shù)DI來描述，OECD構建的脫鉤指數(shù)為[17]：

DI=EI/GI

(8)

式(8)中DI表示脫鉤指數(shù)，EI表示環(huán)境壓力指數(shù)，反映對資源的耗費，該文用江蘇省用水量的增長率來衡量，GI表示經濟增長指數(shù)，該文用地區(qū)GDP增長率來衡量。

2 結果與分析

2.1 廢污水排放驅動因素分解

表2為各變量間的皮爾遜相關系數(shù)。表2表明從兩兩相關的角度來看，與廢污水排放量lnI最相關的是代表人口因素的lnP以及代表富裕度的lnA及其平方項，相關系數(shù)分別為0.844、0.831和0.822，說明人類活動對水資源環(huán)境影響很大。同時自變量間相關性也非常強，所有變量間的相關系數(shù)在顯著性水平α=0.01上顯著相關，可見，自變量間存在著嚴重的多重共線性，lnA和(lnA)2之間的相關系數(shù)為1，主要是因為人均GDP取對數(shù)之后，波動不大，lnA接近于常數(shù)，所以出現(xiàn)相關系數(shù)為1的情況，實際為以一定概率接近于1。該文以PLS方法求解回歸方程的未知參數(shù)，消除變量多重共線性的影響，分析軟件為Simca-P11.0。

表2 相關系數(shù)

變量lnIlnPlnA(lnA)2lnT1lnT2lnI10.844**0.831**0.822**0.685**-0.550*lnP10.997**0.995**0.758**-0.842**lnA11**0.771**-0.872**(lnA)210.773**-0.884**lnT11-0.704**lnT21 **.在0.01水平(雙側)上顯著相關。*.在0.05水平(雙側)上顯著相關

表3 基于STIRPAT模型的廢污水排放分析結果

變量模型1模型2模型3模型4模型5lnP-江蘇省常住人口2.4025.9001.7614.3853.983lnA-人均GDP0.1360.2720.1000.1910.169(lnA)2-人均GDP的平方——0.0040.0070.006lnT1-COD含量0.320—0.235—0.297lnT2-非服務業(yè)產值比重—2.315—2.4692.578常數(shù)項-19.061-58.608-13.303-46.325-44.388樣本數(shù)1515151515R2x0.8940.9990.9140.9990.931Q20.670.7760.6730.7790.724RMSEE0.1330.1100.1330.1090.105

表3為基于STIRPAT模型的廢污水排放分析結果，表明影響水資源環(huán)境質量的驅動因素。總體上看，人口因素的彈性介于1.8～5.9之間，意味著當人口增加1%時，廢污水排放將平均增加1.8～5.9個百分點，在不同模型中，即驅動因素不同時，由于其他因素間接影響了人口對水資源環(huán)境質量的影響，使得人口因素的彈性波動較大。另一個主要驅動因素為非服務業(yè)產值比重，其彈性介于2.3～2.6之間，比較穩(wěn)定，表明非服務業(yè)產值比重每增加1個百分點，廢污水排放將平均增加2.3～2.6個百分點。其他影響水資源環(huán)境質量的驅動因素幾乎可以忽略不計，因為他們的彈性在1以下。

符號R2x表示成分th對X的解釋能力，Q2表示交叉有效性，用于判斷是否需要繼續(xù)提取成分，它的臨界值0.097 5，如果某成分的Q2大于0.097 5，繼續(xù)提取下一個成分，直到Q2小于0.097 5，停止提取成分，RMSEE用于衡量誤差的大小。模型1和模型2是基礎模型，包含驅動因素人口、富裕度和技術。模型1只提取了1個成分，對自變量的解釋能力為89.4%，誤差為0.133，而模型2提取了2個成分，所提取成分對自變量的解釋能力為99.9%，誤差也小于模型1，2個模型中，人口和富裕度對水資源環(huán)境質量的影響方向是一致的，都為正相關，但是模型2的影響效果更明顯，當人口因素增加1%時，廢污水排放將平均增加5.9%，當富裕度提高1%時，廢污水排放將平均增加0.272%。綜上所述，非服務業(yè)產值比重比COD含量這個指標更能體現(xiàn)出技術因素對水資源環(huán)境質量的影響。

模型3和4分別在模型1和2的基礎上增加富裕度的平方項，從所提取成分對自變量的解釋能力和誤差項來看，模型4的效果更好。增加富裕度的平方項后，富裕度對水資源環(huán)境質量的影響減弱，分別從0.136%降到0.1%和0.272%降到0.191%，原因是富裕度和富裕度的平方項之間是完全相關關系，富裕度對水資源環(huán)境質量的影響轉移到了富裕度的平方項上了。模型5綜合了所有因素，但是與模型4相比，模型效果并未有多大的改善，所提取的成分對自變量的解釋能力反而變弱了，誤差也只降低了0.004。因此以模型4為基礎，進一步分析模型效果及影響水資源環(huán)境質量的各驅動因素。

為了檢驗PLS回歸方法的可行性，繪制T2橢圓形圖，如圖1所示，t1是經標準化處理后的自變量數(shù)據(jù)矩陣的第一個成分，t2是第二個成分。模型4中第一個成分對自變量的解釋能力為94.9%，對自變量集合中的信息提取程度已經很大了； 第二個成分對自變量的解釋能力為4.99%，解釋能力很弱，兩個成分對自變量的信息利用率為99.99%，既包含了幾乎全部的信息，又解決了多重共線性的問題。從圖1可以看到所有樣本均在橢圓形中，說明數(shù)據(jù)分布是均勻的，適用于PLS方法。

圖1 T2橢圓形圖

表4 富裕度對水污染程度的彈性系數(shù)

年份20002001200220032004200520062007富裕度對環(huán)境影響的彈性系數(shù)0.320.320.330.330.330.330.330.34年份2008200920102011201220132014富裕度對環(huán)境影響的彈性系數(shù)0.340.340.340.350.350.350.35

圖2 變量投影重要性指標

第2類用于檢驗PLS回歸效果的是變量投影重要性指標VIP(VariableImportancefortheProjection)，VIP直方圖是用于描述解釋自變量重要程度，平均值為1，大于1表示變量非常重要。從圖2可以看出，lnT2和lnP的VIP值大于1，進一步說明了人口和非服務業(yè)產值比重是影響水資源環(huán)境質量最重要的因素。

圖3 觀測值/預測值對比

圖4 2000～2014年萬元GDP用水量趨勢

第3類用于檢驗PLS回歸效果的是觀測值/預測值對比圖，從圖3可以看出，觀測值和預測值擬合的直線回歸系數(shù)為0.999 4，接近于1，判決系數(shù)為0.765 2，說明自變量能解釋因變量76.52%的信息，樣本點分散在擬合直線附近，擬合效果較好。

2.2 水資源消耗與經濟發(fā)展脫鉤效應

萬元GDP用水量是一萬元產值的產出需用的水量，被廣泛應用于工業(yè)耗水水平的評估中。以年份為橫坐標，以萬元GDP用水量為縱坐標繪制折線圖，得到了2000～2014年共15年萬元GDP用水量趨勢圖(圖4)。從圖4中可以明顯地看出單位產出水資源耗費逐年降低。究其原因，“十一五”規(guī)劃提出每萬元能耗下降20%的硬約束，所以從2006年起經濟發(fā)展的能耗不再震蕩，單位水資源消耗呈現(xiàn)穩(wěn)定下降特征。

計算脫鉤指數(shù)，結果如表5所示。從表5可以看出近年來GDP與用水量之間基本是“脫鉤”關系，其中有超過一半的年份處于“相對脫鉤”的狀態(tài)，有1/3的年份處于“絕對脫鉤”狀態(tài)，只有1年為“耦合”關系，且越靠近現(xiàn)在，大多是絕對脫鉤關系。一方面原因是因為2008年開始，我國受到了世界金融危機的影響，經濟增速出現(xiàn)了大幅下滑，進出口貿易嚴重受挫，降低了能耗的增速。另一方面，江蘇省不斷加快調整產業(yè)結構，第三產業(yè)比重已超過第二產業(yè)，并且從2007年開始開展了行業(yè)專項節(jié)水行動，積極推進節(jié)水型社會建設，對環(huán)保節(jié)能節(jié)水實施稅收優(yōu)惠政策,2016年5月1日起實施《江蘇省節(jié)約用水條例》，這些政策及措施保障了水資源消耗和經濟發(fā)展的“脫鉤”態(tài)勢。但是超過一半年份的“相對脫鉤”關系表明江蘇省還未達到可持續(xù)發(fā)展的最理想狀態(tài)，距離有效節(jié)水，較高的水資源利用效率還有一定的差距，隨著江蘇省內常住人口的不斷增加和經濟規(guī)模的進一步擴大，對水資源的需求會進一步增加，水資源短缺的壓力依然存在。

表5 GDP與用水量脫鉤關系

3 結論

該文以江蘇省為研究對象，利用2000～2014年水資源利用及相關社會經濟統(tǒng)計數(shù)據(jù)，借助脫鉤指數(shù)分析江蘇省經濟發(fā)展與水資源耗費之間的“脫鉤”關系； 通過擴展的STIRPAT隨機模型，采用偏最小二乘回歸方法對人口、富裕度、技術發(fā)展與水資源環(huán)境壓力的關系進行了模擬，并探討了經濟發(fā)展與水資源環(huán)境壓力之間是否存在環(huán)境庫茲涅茨曲線，主要結論如下。

(1)STIRPAT隨機模型可用于人類活動對水資源環(huán)境壓力的研究，擴展了其應用范圍，也為水資源耗費的驅動因素分析提供了新的思路。由于模型中的經濟變量不可避免地存在極強的多重共線性，偏最小二乘回歸方法能取得穩(wěn)定的估計參數(shù)，獲得良好的模型效果。

(2)人類活動對水資源環(huán)境的壓力主要體現(xiàn)在人口和產業(yè)結構方面。若人口增長，非服務業(yè)，主要是第二產業(yè)比重增加依然會繼續(xù)增加污水排放，使得水資源環(huán)境遭受巨大壓力。經濟增長與水資源污染之間并未呈現(xiàn)環(huán)境庫茲涅茨曲線現(xiàn)象。

(3)單位產出水資源耗費逐年下降，GDP與用水量之間基本是“脫鉤”關系，“相對脫鉤”狀態(tài)占絕大多數(shù)，“絕對脫鉤”狀態(tài)次之，只有1年為“耦合”關系，且“脫鉤”趨勢比較明顯。

盡管江蘇省在水資源管理方面取得了不少進展，但從分析來看，目前還沒有達到理想狀態(tài)，經濟發(fā)展還未與水資源耗費完全脫鉤，依然依賴于水資源耗用。農業(yè)用水在水資源耗費中占極大比重，應注重節(jié)水技術的研發(fā)和轉化應用，提高農業(yè)用水效率。水環(huán)境污染的主要驅動因素是人口和非服務業(yè)產值比重，因此，應加快技術研發(fā)，提高生活污水處理能力，積極推進節(jié)水型社區(qū)、節(jié)水型學校、節(jié)水型社會建設，倡導節(jié)約用水； 同時，大力發(fā)展服務業(yè)，加快產業(yè)轉型升級，提高行業(yè)用水效率[18-19]。

[1] 苑清敏，張文龍，寧寧寧.京津冀物流業(yè)碳排放驅動因素及脫鉤效應研究.科技管理研究,2016, 36(5): 222～226

[2] 陸鐘武，王鶴鳴，岳強，等.脫鉤指數(shù)：資源消耗、廢物排放與經濟增長的定量表達.資源科學,2011, 33(1): 2～9

[3] 張旺,謝世雄.中國服務業(yè)能源消費與碳排放的關聯(lián)分析.湖南工業(yè)大學學報：社會科學版,2014，(4)： 1～9

[4] EHRLICH P R，HOLDEN J P.Impact of population growth.Science, 1971，(171)： 1212～1217

[5] EHRLICH P R，HOLDEN J P.One dimensional economy.Bulletin of Atomic Scientists, 1972，(16)： 18～27

[6] Stern，P.C.，Young，O.R.，Druckman，D.(Eds.).Global Environmental Change：Understanding the Human Dimensions.Washington，D.C.National Academy Press,1992

[7] Harrison，P.，Pearce，F(xiàn)..AAAS Atlas of Population and Environment.Los Angeles：University of California Press,2000

[8] Dietz，T.，Rosa，E..Rethinking the environmental impacts of population，affluence and technology.Human Ecology Review, 1994，(1)： 277～300

[9] Dietz，T.，Rosa，E.A..Effects of population and affluence on CO2 emissions.Proceedings of the National Academy of Sciences of the United States of America, 1997，(94)： 175～179

[10]Jia，J.，Deng，H.，Duan，J.，et al.Analysis of the major drivers of the ecological footprint using the STIRPAT model and the PLS method-a case study in Henan Province，China.Ecological Economics,2009, 68(68): 2818～2824

[11]York R，Rosa E A，Dietz T.STIRPAT，IPAt and ImPACT：analytic tools for unpacking the driving forces of environmental impacts.Ecological Economics,2003, 46(3): 351～365

[12]趙選民,段曉琛.基于STIRPAT模型的陜西省碳排放影響因素分析.財會月刊,2016,(12)： 31～34

[13]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.Ecological Indicators,2014,47： 43～49

[14]Jia J，Deng H，Duan J，et al.Analysis of the major drivers of the ecological footprint using the STIRPAT model and the PLS method—A case study in Henan Province，China.Ecological Economics,2009, 68(11): 2818～2824

[15]Wold，H..Nonlinear estimation by iterative least squares procedures.In：David，F(xiàn).N.(Ed.)，Research Papers in Statistics.Festschrift for J.Neyman.Wiley，New York,1966,411～444

[16]王惠文,吳載斌，孟潔.偏最小二乘回歸的線性與非線性方法.北京：國防工業(yè)出版社,2006

[17]OECD.Indicators to measure decoupling of environmental pressure from economic growth.Paris：OECD,2002

[18]周洪,谷樹忠，姚予龍.區(qū)域資源承載力的測算與規(guī)制——以貴州省畢節(jié)市為例.中國農業(yè)資源與區(qū)劃,2013, 34(1): 58～64

[19]戶艷領,陳志國，劉振國.基于熵值法的河北省農業(yè)用水利用效率研究.中國農業(yè)資源與區(qū)劃,2015, 36(3): 136～142

DRIVERS OF EFFLUENT SEWAGE AND DECOUPLING EFFECT IN JIANGSU PROVINCE：BASED ON STIRPAT MODEl AND OECD DECOUPLING INDEX*

Jiang Huifeng

(Changzhou Institute of Technology，Changzhou，Jiangsu 213002, China)

Despite the scientific consensus that humans have dramatically altered the water environment, we know little about the specific forces driving those impacts and how they affected because of the absence of a refined analytic tools. As a stochastic model, STIRPAT can be used to compute the ecological elasticity of population, affluence and other factors, however,it is inevitable that there will be multiple co linearity among the various influencing factors, and partial least squares can be adopted to reduce problems with co-linearity of the model. Results showed that the pressure of anthropogenic activities on water resources mainly reflected in the aspects of the population and industrial structure. Quantity of waste water effluent was growing faster than population growth and percent of GDP, which made great pressure to water resources. Suitable reduction of water use could reduce discharge of waste water from the source. Through the analysis of the decoupling relationship between economic development and water resources consumption in Jiangsu province by OECD decoupling index, it showed that water consumption per unit of output decreased year by year. "Relative decoupling" relationship predominated, followed by "absolute decoupling" relationship, other types of relationships rarely tended to be "decoupled", but it did not reach the ideal state, and environmental Kuznets curve did not appear. It should make efforts to develop countermeasures from the perspective of domestic sewage treatment, water conservation, and further adjustment of industrial structure.

effluent sewage; STIRPAT model; Partial Least Square Regression; decoupling

10.7621/cjarrp.1005-9121.20161207

2016-05-18

蔣惠鳳(1980—)，女，江蘇常熟人，講師。研究方向：水資源管理。Email： 943134210@qq.com

*資助項目：江蘇高校哲學社會科學研究基金項目“生態(tài)文明視角下蘇南水資源優(yōu)化配置研究”(2013SJD630065)； 江蘇省社科應用研究精品工程課題“經濟發(fā)展與水資源協(xié)調發(fā)展的制度創(chuàng)新與機制研究”(15SYB-112)

X703

A

1005-9121[2016]12-0043-08