張惠茹，許航，宋健峰

西北地區(qū)農(nóng)業(yè)灌溉用水反彈的影響因素分析

張惠茹，許航，宋健峰*

（西北農(nóng)林科技大學 經(jīng)濟管理學院，陜西 楊凌 712100）

研究農(nóng)業(yè)灌溉用水反彈的影響因素，優(yōu)化水資源管理，促進區(qū)域農(nóng)業(yè)可持續(xù)發(fā)展。通過構建灌溉用水量與其他要素（包括水資源以外的生產(chǎn)資料，農(nóng)業(yè)生產(chǎn)技術和農(nóng)業(yè)勞動力投入）之間的非替代性的農(nóng)業(yè)生產(chǎn)函數(shù)，推導農(nóng)業(yè)灌溉用水反彈的影響因素，以西北5省為例，利用基準模型和二元選擇模型驗證農(nóng)業(yè)灌溉用水反彈的影響因素。①通過理論模型推導發(fā)現(xiàn)，農(nóng)作物產(chǎn)量和水分生產(chǎn)率是影響農(nóng)業(yè)灌溉用水反彈的2個因素，且農(nóng)作物產(chǎn)量的增加對農(nóng)業(yè)灌溉用水反彈有正向效應，灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈有反向的影響；②西北5省的所有市域中，約65%存在農(nóng)業(yè)灌溉用水反彈，即西北地區(qū)普遍存在著農(nóng)業(yè)灌溉用水反彈；③在基準模型中，農(nóng)作物產(chǎn)量的增加量每增加1%，農(nóng)業(yè)灌溉用水反彈會增加0.094 3%～0.611 3%；其他條件不變的條件下，水分生產(chǎn)率每增加1%，農(nóng)業(yè)灌溉用水反彈會減少0.927 3%～0.990 1%。二元選擇模型的結(jié)果影響方向與基準模型一致。農(nóng)業(yè)生產(chǎn)要素變化所引起的農(nóng)作物產(chǎn)量增加導致了對水資源的新增需求，部分抵消了節(jié)水技術能實現(xiàn)的預期節(jié)水量。

農(nóng)業(yè)灌溉；用水反彈；節(jié)水政策；西北5省

0 引言

【研究意義】根據(jù)《中國水資源公報》顯示，2018年農(nóng)業(yè)用水量占總用水量的61.4%，農(nóng)業(yè)部門的節(jié)水成為緩解中國貧水問題的重要途徑。節(jié)水灌溉面積從1999年的1 505萬hm2發(fā)展到2018年的3 613.5萬hm2[1]，但是1999年3 869億m3農(nóng)業(yè)用水量[2]與2018年3 693.1億m3農(nóng)業(yè)用水量[3]相比，農(nóng)業(yè)用水量的整體節(jié)水效果并不顯著。節(jié)水灌溉技術在普遍實施后，實際節(jié)水量達不到預期節(jié)水量的現(xiàn)象，稱為“農(nóng)業(yè)灌溉用水反彈”，即節(jié)水灌溉政策未能實現(xiàn)預期的節(jié)水目標。考慮到水資源的跨區(qū)域調(diào)水的高成本，本文將農(nóng)業(yè)用水反彈的范圍界定為“區(qū)域”，本文具體指西北各?。▍^(qū)）的各個“地級市”。探究農(nóng)業(yè)灌溉用水反彈的影響因素對于節(jié)水政策的實施具有重要意義。

【研究進展】對“反彈”現(xiàn)象的研究始于“能源反彈”。技術進步提高了機器設備的能源利用效率，相同的產(chǎn)量所需的能源會降低，從而可以起到節(jié)能的效果。但是，能源的價格會隨著技術進步而降低，能源價格降低所引起的替代效應和收入效應會增加對能源的需求，能源效率提高所節(jié)約的能源可能被部分甚至完全抵消，導致實際的節(jié)能效果達不到預期，即出現(xiàn)“能源反彈”[4]。對于“用水反彈”的具體定義存在2種觀點：一種觀點認為節(jié)水效果被新增用水部分抵消即構成反彈[5-7]；另一種觀點認為，節(jié)水灌溉技術的普及增加而不是減少了總用水的現(xiàn)象稱為反彈[8-9]。第二種定義屬于第一種定義的特殊情況，即預期節(jié)水量被全部抵消，所以第一種定義是一般意義上的用水反彈的定義。Contor等[10]研究發(fā)現(xiàn)灌溉技術的改進通過3個途徑增加消耗：①灌溉系統(tǒng)特定的物理特性；②節(jié)約的水將應用于新用途或擴大灌溉面積；③改進技術和管理產(chǎn)生更高的糧食產(chǎn)量，增加耗水量即使沒有增加面積。佟金萍等[11]在研究中國農(nóng)業(yè)水資源利用效率時提到技術進步會引起用水的反彈效應，雖未進行具體的分析，但屬于第一種觀點。鄧光耀等[12]使用DEA方法測算全要素水資源利用效率，并研究技術進步所引起的用水反彈效應，認為中國水資源利用存在反彈現(xiàn)象。

雖然“用水反彈”與“能源反彈”存在相似之處，但是仍存在一定的區(qū)別。“能源反彈”是以價格為中介，效率提高導致的實際價格下降所引起的需求增加，而在水資源市場中，價格通常是政府調(diào)控，不屬于市場化的價格機制，所以直接借鑒“能源反彈”從價格的角度來研究“用水反彈”難以實現(xiàn)[13]。能源市場屬于市場化程度較高的市場，新技術的采用也是市場化形成的結(jié)果，能源效率的提高對能源價格下降具有很大的促進作用。但是，中國的水資源市場由政府調(diào)控，沒有市場化的形成機制，同時中國的農(nóng)業(yè)生產(chǎn)大多屬于小農(nóng)經(jīng)濟，節(jié)水技術的采用也是在政府節(jié)水灌溉政策推廣下得到普及的結(jié)果，水價與灌溉效率之間的傳導機制也更為微弱。所以直接參考能源反彈利用價格彈性來計算反彈的方法[14]在農(nóng)業(yè)灌溉用水反彈中失去了參考價值。基于此，Song等[15]利用宏觀技術進步的貢獻率建立了一種簡化的直接比較方法，評估了中國農(nóng)業(yè)部門用水的反彈程度，發(fā)現(xiàn)中國農(nóng)業(yè)用水存在反彈現(xiàn)象，并且中國北部和西部地區(qū)的農(nóng)業(yè)用水反彈比南部和東部地區(qū)更大。

【切入點】綜上所述，“反彈”現(xiàn)象始于能源反彈，但是農(nóng)業(yè)灌溉技術的改進也會帶來“反彈”現(xiàn)象。現(xiàn)有文獻主要聚焦于用水反彈是否存在或衡量其反彈程度，但農(nóng)業(yè)灌溉用水反彈形成的原因尚不明確。中國西北地區(qū)的水資源相對于東南地區(qū)更為缺乏，農(nóng)業(yè)灌溉用水反彈的存在對西北地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展的影響也將更為嚴重?！緮M解決的關鍵問題】鑒于此，本文在已有文獻的基礎上，利用西北5省的市級面板數(shù)據(jù)，來分析農(nóng)業(yè)灌溉用水反彈的影響因素，明確其形成原因，以期為中國的節(jié)水政策提供可行性建議。

1 理論框架與研究假設

1.1 農(nóng)業(yè)灌溉用水反彈的界定

本文農(nóng)業(yè)灌溉用水反彈使用絕對量，具體定義可以表述為預期節(jié)水量與實際節(jié)水量的差值[15-16]，表達的是預期節(jié)水量被新增的農(nóng)業(yè)灌溉用水所抵消的量，用公式可以表示為：

WR=EWS-AWS， （1）

式中：表示農(nóng)業(yè)灌溉用水反彈（億m3），其含義為新增用水的絕對量；表示灌溉技術提高后的預期節(jié)水量（億m3）；表示灌溉技術提高后的實際節(jié)水量（億m3）。>0表示農(nóng)業(yè)灌溉用水存在反彈現(xiàn)象，否則表示農(nóng)業(yè)灌溉用水不存在反彈現(xiàn)象。

預期節(jié)水量是原始用水量與預期用水量之差，實際節(jié)水量是原始用水量與實際用水量之差，所以預期節(jié)水量和實際節(jié)水量可以表示為：

EWS=WUo-WUe， （2）

AWS=WUo-WUa， （3）

式中：o為原始用水量（億m3），指灌溉技術提高前的實際用水量；e為預期用水量（億m3），指灌溉技術提高后的預期用水量；a為實際用水量（億m3），指灌溉技術提高后的實際用水量。

根據(jù)式（1）—式（3），農(nóng)業(yè)灌溉用水反彈可以表示為實際用水量與預期用水量之差：

WR=EWS-AWS=(WUo-WUe)-

(WUo-WUa)=WUa-WUe。 （4）

根據(jù)式（4），農(nóng)業(yè)灌溉用水反彈的絕對量只取決于灌溉技術提高后的實際用水量與預期用水量的差值。

根據(jù)能源反彈的定義，預期使用量在于保持其他要素不變的條件下，生產(chǎn)原來相同產(chǎn)量所需的能源使用量[4]。借鑒能源反彈的定義，并結(jié)合農(nóng)業(yè)生產(chǎn)的周期性，在節(jié)水灌溉技術持續(xù)提高的情況下，除節(jié)水灌溉技術外，保持上一年其他要素不變的條件下實現(xiàn)最優(yōu)產(chǎn)量所需的用水量定義為預期用水量，可以改變上一年的農(nóng)業(yè)生產(chǎn)要素的條件下實現(xiàn)最優(yōu)產(chǎn)量所需的用水量定義為實際用水量。

1.2 農(nóng)業(yè)灌溉用水反彈的理論構建

在農(nóng)業(yè)生產(chǎn)中，由于水資源是農(nóng)作物生長必不可少的要素，所以將生產(chǎn)要素分為灌溉用水量和其他要素，且假定灌溉用水量與其他要素之間不具有替代性[17]。借鑒Xu等[17]和Holloway等[18]的方法，構建如下農(nóng)業(yè)生產(chǎn)函數(shù)：

Y(W,ΔO)=Min(a0+a1C(W),b0+b1ΔO)，（5）

式中：表示農(nóng)作物的產(chǎn)量（萬t）；表示農(nóng)業(yè)灌溉用水量（億m3）；表示其他要素，既包括水資源以外的生產(chǎn)資料，還包括農(nóng)業(yè)生產(chǎn)技術和農(nóng)業(yè)勞動力投入；Δ表示當年與上年相比其他要素的變化量；0表示有效降水量能實現(xiàn)的產(chǎn)量；（）表示耗水量（億m3），即耗水量是農(nóng)業(yè)灌溉用水量的函數(shù)，這里假定（），表示耗水率；1表示耗水量的邊際產(chǎn)量；0表示保持與上年其他要素相同時能實現(xiàn)的產(chǎn)量；1表示與上年相比改變其他投入要素時能實現(xiàn)的邊際產(chǎn)量。

預期用水量指在保持前期其他要素不變的條件下實現(xiàn)最優(yōu)產(chǎn)量時所需的用水量，即預期用水量必滿足如下條件[17]：

a0+αa1W=b0。 （6）

預期用水量可以表示為：

實際用水量指在可以改變其他要素的條件下實現(xiàn)最優(yōu)產(chǎn)量時所需的用水量，即預期用水量必須滿足如下條件[19]：

a0+αa1W=b0+b1ΔO。 （8）

實際用水量可以表示為：

農(nóng)業(yè)灌溉用水反彈指實際用水量與預期用水量之差，所以根據(jù)式（7）和式（9），農(nóng)業(yè)灌溉用水反彈的絕對量可以表示為：

根據(jù)式（8）可以得到1(0)，所以農(nóng)業(yè)灌溉用水反彈還可以表示為：

對式（11）作對數(shù)處理，可以得到：

式中：表示農(nóng)業(yè)灌溉用水反彈（億m3）；1表示與上年相比改變其他投入要素時能實現(xiàn)的邊際產(chǎn)量；Δ表示當年與上年相比其他要素的變化量；1Δ表示改變其他要素所增加的農(nóng)作物產(chǎn)量；表示農(nóng)作物的產(chǎn)量（萬t）；表示農(nóng)業(yè)灌溉用水量（億m3）；0表示有效降水量能實現(xiàn)的產(chǎn)量；0表示農(nóng)業(yè)灌溉用水能實現(xiàn)的產(chǎn)量；(0)表示單位灌溉用水能實現(xiàn)的生產(chǎn)量，即農(nóng)業(yè)灌溉用水的水分生產(chǎn)率（t/（104m3））[20]，即灌溉水分生產(chǎn)率，該指標體現(xiàn)了節(jié)水技術在農(nóng)業(yè)生產(chǎn)中的作用。

根據(jù)式（12），農(nóng)業(yè)灌溉用水反彈主要受到改變其他要素所增加的農(nóng)作物產(chǎn)量和節(jié)水技術下灌溉水分生產(chǎn)率的作用。具體作用機制表現(xiàn)為：節(jié)水技術下灌溉水分生產(chǎn)率的提高可以降低農(nóng)作物所需的用水量，從而實現(xiàn)節(jié)水，但是其他生產(chǎn)要素變化引致的農(nóng)作物產(chǎn)量增加會部分抵消預期節(jié)水量，導致實際節(jié)水效果達不到預期，即出現(xiàn)農(nóng)業(yè)灌溉用水反彈。所以，根據(jù)以上分析提出如下2個假定：

假設一：在其他因素不變的條件下，農(nóng)作物產(chǎn)量的增加對農(nóng)業(yè)灌溉用水反彈有正向的影響，是引起農(nóng)業(yè)灌溉用水反彈的決定因素。

假設二：在其他因素不變的條件下，灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈有反向的影響，是抑制農(nóng)業(yè)灌溉用水反彈的關鍵因素。

2 模型設定、變量選取與數(shù)據(jù)來源

2.1 模型設定

2.1.1 基準模型

根據(jù)農(nóng)業(yè)灌溉用水反彈的理論構建，基準模型只分析農(nóng)作物產(chǎn)量增加和灌溉水分生產(chǎn)率與農(nóng)業(yè)灌溉用水反彈絕對量的關系，所以只分析農(nóng)作物產(chǎn)量變化為正和存在農(nóng)業(yè)灌溉用水反彈的數(shù)據(jù)，然后，對其作對數(shù)處理。基準模型設定如下：

lnWRit=α+β1lnDPit+β2lnWFit+εit， （13）

式中：lnt表示農(nóng)業(yè)灌溉用水反彈的對數(shù)形式；表示截距項；1和2表示待估系數(shù)；lnt表示農(nóng)作物產(chǎn)量變化的對數(shù)形式；lnt表示灌溉水分生產(chǎn)率的對數(shù)形式；t表示隨機干擾項。

2.1.2 二元選擇模型

為保證基準模型的穩(wěn)健性，將全部數(shù)據(jù)納入分析來考察農(nóng)作物產(chǎn)量變化和灌溉水分生產(chǎn)率與農(nóng)業(yè)灌溉用水是否發(fā)生反彈的關系。首先對因變量農(nóng)業(yè)灌溉用水反彈進行重新定義，將發(fā)生農(nóng)業(yè)灌溉用水反彈定義為1，沒有發(fā)生農(nóng)業(yè)灌溉用水反彈定義為0，再對自變量作對數(shù)處理，在自變量中，農(nóng)作物產(chǎn)量變化的部分數(shù)據(jù)為負數(shù)，此時采取如下計算方法：lnt=-ln(-t)。設定Logit和Probit 2類二元選擇模型。

將農(nóng)業(yè)灌溉用水反彈設定為一個不可觀測的潛變量t,具體為：

yit*=xit'β+εit， （14）

式中：t'為解釋變量的向量形式，包括農(nóng)作物產(chǎn)量變化和灌溉水分生產(chǎn)率；為解釋變量對應的系數(shù)向量；t為干擾項。

如果農(nóng)業(yè)灌溉用水反彈t0,則t1，即存在農(nóng)業(yè)灌溉用水反彈現(xiàn)象，否則t0，即不存在農(nóng)業(yè)灌溉用水反彈現(xiàn)象。

Logit模型的概率分布為：

Probit模型的概率分布為：

2.2 變量選取

因變量為農(nóng)業(yè)灌溉用水反彈，具體為灌溉技術改進后實際用水量與預期用水量之差。由于農(nóng)業(yè)種植存在固定周期，預期用水量為與上年相比在投入要素不變的條件下，當年所需的灌溉用水量。而農(nóng)作物所需的灌溉用水取決于農(nóng)作物的種類、種植面積和氣象條件，所以本文利用氣象數(shù)據(jù)，通過CROPWAT8.0軟件來計算各種作物生長周期所需的耗水量[21]，再利用農(nóng)作物的種類和種植面積獲取預期用水量的方法來得到農(nóng)業(yè)灌溉用水反彈的絕對量，具體借鑒吳普特等[22]的量化方法，可以表示為：

式中：t表示地區(qū)年的農(nóng)業(yè)灌溉用水反彈的絕對量（億m3）；t表示地區(qū)年的實際灌溉用水量（億m3）；,j,t-1表示地區(qū)種作物-1年的種植面積（千hm2）；,j,t表示地區(qū)種作物年的耗水量（億m3/千hm2），此數(shù)據(jù)是通過CROPWAT8.0軟件計算獲得，來表示農(nóng)作物在生長周期內(nèi)在已有氣候條件下需要的耗水量；t表示地區(qū)年的有效灌溉率，是有效灌溉面積占農(nóng)作物總播種面積的比例，來表示實際灌溉的效果；t表示地區(qū)年的耗水率，是農(nóng)業(yè)灌溉耗水量占農(nóng)業(yè)灌溉用水量的比例，以此根據(jù)預期耗水量來獲取預期用水量。

由于“當年的耗水率”可以表達預期的技術進步所帶來的耗水率改變，所以文中的“預期的耗水率”均采用“當年的耗水率”來表示，文中統(tǒng)稱為“耗水率”。另外，灌溉技術的改進有些是跨年度的，但由于具體需采用幾年的標準無法合理確定，所以本文暫時使用一年的標準。自變量包括農(nóng)作物產(chǎn)量變化和灌溉水分生產(chǎn)率。農(nóng)作物產(chǎn)量變化被定義為當年與上年的農(nóng)作物產(chǎn)量之差，即農(nóng)作物產(chǎn)量的差分。灌溉水分生產(chǎn)率被定義為灌溉用水能實現(xiàn)的產(chǎn)量與灌溉用水量之比。考慮無法區(qū)分有效降雨和灌溉用水對農(nóng)作物產(chǎn)量的影響，所以使用農(nóng)作物產(chǎn)量與農(nóng)業(yè)灌溉用水總量之比來代表灌溉水分生產(chǎn)率。因變量與自變量的描述性統(tǒng)計情況具體見表1。

表1 變量描述性統(tǒng)計

2.3 數(shù)據(jù)來源

數(shù)據(jù)主要包括西北5省（甘肅、寧夏、陜西、青海和新疆）的各市級面板數(shù)據(jù)，考慮到數(shù)據(jù)的可獲得性，數(shù)據(jù)屬于非平行面板。其中，甘肅和陜西的市級數(shù)據(jù)包括1999―2018年的面板數(shù)據(jù)，寧夏的市級數(shù)據(jù)包括2006―2018年的面板數(shù)據(jù)，青海的市級數(shù)據(jù)包括1994―2018年的面板數(shù)據(jù)（其中果洛州部分年份缺失），新疆只包括2014―2016年的面板數(shù)據(jù)。所需數(shù)據(jù)主要包括種植數(shù)據(jù)、灌溉數(shù)據(jù)和氣象數(shù)據(jù)。種植數(shù)據(jù)包括農(nóng)作物總播種面積、各類作物播種面積、各類作物產(chǎn)量、農(nóng)作物總產(chǎn)量、糧食產(chǎn)量和經(jīng)濟作物產(chǎn)量，數(shù)據(jù)來源于各省統(tǒng)計年鑒；灌溉數(shù)據(jù)包括有效灌溉面積、有效灌溉率、農(nóng)田灌溉用水量、農(nóng)田灌溉耗水量和農(nóng)田灌溉耗水率，其中有效灌溉面積和有效灌溉率的數(shù)據(jù)來源于各省統(tǒng)計年鑒，其他灌溉數(shù)據(jù)來源于各省水資源公報；氣象數(shù)據(jù)包括最低氣溫、最高氣溫、濕度、風速、日照時間長和降水量，數(shù)據(jù)來源于國家氣象科學數(shù)據(jù)中心（http://data.cma.cn/）。

3 結(jié)果與分析

首先根據(jù)基準模型進行基準回歸分析農(nóng)作物產(chǎn)量增加和灌溉水分生產(chǎn)率與農(nóng)業(yè)灌溉用水反彈絕對量的內(nèi)在關系。然后，再利用二元選擇模型分析農(nóng)作物產(chǎn)量變化和灌溉水分生產(chǎn)率與農(nóng)業(yè)灌溉用水是否發(fā)生反彈的關系，從而保證基準模型的穩(wěn)健性。

3.1 農(nóng)業(yè)灌溉用水反彈的基準模型

根據(jù)西北5省的各個市域各年的農(nóng)業(yè)灌溉用水反彈的計算結(jié)果，在743個樣本中，有483個存在農(nóng)業(yè)灌溉用水反彈的樣本量，占到總數(shù)的65%。這也表明在中國西北地區(qū)，普遍存在著農(nóng)業(yè)灌溉用水反彈。根據(jù)農(nóng)業(yè)灌溉用水反彈的形成機理，農(nóng)作物產(chǎn)量增加導致新增的用水量部分抵消了預期節(jié)水量，所以只保留農(nóng)作物產(chǎn)量變化為正和存在農(nóng)業(yè)灌溉用水反彈的數(shù)據(jù)進行分析，模型回歸結(jié)果具體見表2。

表2 模型回歸結(jié)果

注 模型1和模型2的括號內(nèi)為值，模型3—模型8的括號內(nèi)為值；**、***分別表示5%、1%的水平上顯著。

基準模型回歸包括3個模型，分別為混合OLS模型、固定效應模型和隨機效應模型，以模型1、模型2和模型3來表示。根據(jù)模型1，在其他條件不變的條件下，農(nóng)作物產(chǎn)量的增加量每增加1%，農(nóng)業(yè)灌溉用水反彈會增加0.611 3%；其他條件不變的條件下，灌溉水分生產(chǎn)率每增加1%，農(nóng)業(yè)灌溉用水反彈會減少0.927 3%。根據(jù)模型2，在其他條件不變的條件下，農(nóng)作物產(chǎn)量的增加量每增加1%，農(nóng)業(yè)灌溉用水反彈會增加0.094 3%；其他條件不變的條件下，灌溉水分生產(chǎn)率每增加1%，農(nóng)業(yè)灌溉用水反彈會減少0.956 8%。根據(jù)模型3，在其他條件不變的條件下，農(nóng)作物產(chǎn)量的增加量每增加1%，農(nóng)業(yè)灌溉用水反彈會增加0.221 1%；其他條件不變的條件下，灌溉水分生產(chǎn)率每增加1%，農(nóng)業(yè)灌溉用水反彈會減少0.990 1%。雖然模型1、模型2和模型3的農(nóng)作物產(chǎn)量的增加量對農(nóng)業(yè)灌溉用水反彈的邊際影響存在一定的差異，但都對其在1%的顯著水平上有正向影響。另一方面，模型1、模型2和模型3的灌溉水分生產(chǎn)率不僅對農(nóng)業(yè)灌溉用水反彈的邊際影響比較接近，而且都對其在1%的顯著水平上有反向影響。

綜合以上分析，農(nóng)作物產(chǎn)量的增加對農(nóng)業(yè)灌溉用水反彈有著顯著的正向影響，是引起農(nóng)業(yè)灌溉用水反彈的決定因素，完全符合研究假設一；灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈也有著顯著的反向影響，是抑制農(nóng)業(yè)灌溉用水反彈的關鍵因素，也完全符合研究假設二。這也證實了農(nóng)業(yè)灌溉用水反彈的成因，即其他生產(chǎn)要素變化導致的農(nóng)作物產(chǎn)量增加會部分抵消節(jié)水技術所能實現(xiàn)的預期節(jié)水量，從而導致實際節(jié)水效果達不到預期，出現(xiàn)農(nóng)業(yè)灌溉用水反彈。

3.2 農(nóng)業(yè)灌溉用水反彈的二元選擇模型回歸

二元選擇模型回歸結(jié)果具體見表2。

根據(jù)設定的Logit和Probit模型，分別回歸了混合Logit、面板Logit、條件Logit、混合Probit和面板Probit模型，分別以模型4、模型5、模型6、模型7和模型8來表示。其中，面板Logit表示隨機效應下的面板Logit模型，條件Logit指固定效應下的面板Logit模型，但在估計的過程中會損失部分數(shù)據(jù)量。由于在非線性面板模型中，面板Probit的固定效應估計是非一致的，所以此處的面板Probit模型屬于隨機效應的面板Probit模型。在模型4中，雖然農(nóng)作物產(chǎn)量變化對農(nóng)業(yè)灌溉用水反彈的影響在5%和1%的顯著性水平上不顯著，但能在10%水平上有顯著正向影響，而在模型5—模型8中，農(nóng)作物產(chǎn)量變化對農(nóng)業(yè)灌溉用水反彈都在5%水平上有顯著的正向影響，這表明農(nóng)作物產(chǎn)量增加的越多，越有可能出現(xiàn)農(nóng)業(yè)灌溉用水反彈，也符合研究假設一的設定；在模型6中，灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈都在5%水平上有顯著的反向影響，而在模型4、模型5、模型7和模型8中，灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈都在1%水平上有顯著的反向影響，這表明灌溉水分生產(chǎn)率越高，越不可能出現(xiàn)農(nóng)業(yè)灌溉用水反彈，也符合研究假設二的設定。

根據(jù)二元選擇模型的分析，可以發(fā)現(xiàn)，農(nóng)作物產(chǎn)量增加的越多，越有可能出現(xiàn)農(nóng)業(yè)灌溉用水反彈，而灌溉水分生產(chǎn)率越高，越不可能出現(xiàn)農(nóng)業(yè)灌溉用水反彈。這與基準模型得到的結(jié)論具有一致性，也保證了基準模型結(jié)論的穩(wěn)健性。

4 討論

已有研究表明，我國農(nóng)業(yè)水資源利用存在與能源利用相同的現(xiàn)象[15]，即“反彈效應”。本研究得出相同的規(guī)律：中國西北地區(qū)普遍存在著農(nóng)業(yè)灌溉用水反彈。然而，現(xiàn)有文獻側(cè)重于農(nóng)業(yè)灌溉用水反彈的測算，關于農(nóng)業(yè)灌溉用水反彈的影響因素研究較為缺乏。Song等[15]在研究中國農(nóng)業(yè)灌溉用水反彈時，構建了柯布-道格拉斯生產(chǎn)函數(shù)，即認為水資源與其他生產(chǎn)要素是可替代的。而本文通過構建灌溉用水量與其他要素具有非替代性的農(nóng)業(yè)生產(chǎn)函數(shù)，強調(diào)灌溉用水對農(nóng)業(yè)生產(chǎn)的不可替代性，并從理論層面推導出農(nóng)業(yè)灌溉用水反彈的影響因素。首先，本文發(fā)現(xiàn)，農(nóng)作物產(chǎn)量增加正向影響農(nóng)業(yè)灌溉用水反彈，可能的原因是灌溉面積擴大帶來的新增用水[23]引起的；其次，在其他因素不變時，灌溉水分生產(chǎn)率反向影響農(nóng)業(yè)灌溉用水反彈，可能的原因在于節(jié)水技術的進步提高了水資源利用效率[24-26]，使節(jié)水效果提高；另外，馬海良等[27]在研究我國水資源利用效率時，發(fā)現(xiàn)技術進步由于反彈效應而使影響變小。具體到農(nóng)業(yè)用水，本文得到了相近的規(guī)律，隨著農(nóng)田水利建設及相關技術的進步，降低了農(nóng)業(yè)水資源消耗，減少了農(nóng)業(yè)水資源嚴重浪費現(xiàn)象，但是農(nóng)業(yè)發(fā)展需要和糧食需求等在某種程度上增加了農(nóng)業(yè)水資源需求[11]，即潛在節(jié)水被增加的水需求抵消。綜上分析，節(jié)水灌溉技術的進步及普及仍然十分重要，但是為了應對農(nóng)業(yè)灌溉用水反彈，新增用水需求需要得到重視，農(nóng)業(yè)生產(chǎn)行為（如用水、擴大種植規(guī)模等）需要進行科學引導。一方面，引導農(nóng)戶的用水行為。新推出的《農(nóng)業(yè)灌溉用水定額》在促進農(nóng)戶進行自我節(jié)水方面具有積極意義，同時可以將節(jié)水技術的采用內(nèi)化為農(nóng)戶的自主行為，也能規(guī)范農(nóng)業(yè)生產(chǎn)用水?，F(xiàn)只針對“小麥”設定了“農(nóng)業(yè)灌溉用水定額”，應借鑒“小麥”的政策實施情況，合理制定其他作物的“農(nóng)業(yè)灌溉用水定額”標準，在保證農(nóng)業(yè)生產(chǎn)的同時也能降低農(nóng)業(yè)用水量[28-29]。另一方面，由于灌溉面積擴大引起的農(nóng)業(yè)用水量增加要引起注意，要綜合考慮區(qū)域內(nèi)水資源的供需情況，合理協(xié)調(diào)水資源的供求關系，尋求農(nóng)業(yè)水土資源平衡利用的狀態(tài)。

在實證分析中，本文除運用基準模型驗證西北地區(qū)農(nóng)業(yè)灌溉用水反彈的影響因素外，還考慮了二元選擇模型。這一方面保證基準模型回歸結(jié)果的穩(wěn)健性，另一方面，基準模型沒有運用到灌溉用水反彈為零或負的樣本，因此，運用二元選擇模型可以對樣本進行更全面的分析。此外，本文雖從理論上推出農(nóng)業(yè)灌溉用水反彈的影響因素并運用西北五省數(shù)據(jù)進行驗證，發(fā)現(xiàn)農(nóng)作物產(chǎn)量增加會正向影響農(nóng)業(yè)灌溉用水反彈，但農(nóng)作物產(chǎn)量增加是由什么原因?qū)е碌牟⑽捶治?，如面積擴大或種植結(jié)構調(diào)整等，背后的原因值得進一步探究，因此未來的研究還需要進一步思考農(nóng)業(yè)灌溉用水反彈背后的機理。

5 結(jié)論

西北地區(qū)普遍存在著農(nóng)業(yè)灌溉用水反彈，農(nóng)作物產(chǎn)量的增加對農(nóng)業(yè)灌溉用水反彈有著顯著的正向影響，而灌溉水分生產(chǎn)率對農(nóng)業(yè)灌溉用水反彈有顯著的反向影響。農(nóng)業(yè)灌溉用水反彈表現(xiàn)為，農(nóng)業(yè)生產(chǎn)要素變化所引致的農(nóng)作物產(chǎn)量增加，部分抵消了節(jié)水技術能實現(xiàn)的預期節(jié)水量。因此，提高節(jié)水技術以增加灌溉水分生產(chǎn)率的措施仍是重要的節(jié)水舉措，但是需要引導農(nóng)業(yè)生產(chǎn)行為。

[1] 中華人民共和國水利部. 中國水利統(tǒng)計年鑒 2019[M]. 北京: 中國水利水電出版社, 2019.

Ministry of Water Resources of the People’s Republic of China. China water statistical yearbook 2019[M]. Beijing: China Water & Power Press, 2019.

[2] 中華人民共和國水利部. 中國水資源公報1999[M]. 北京: 中國水利水電出版社, 1999.

Ministry of Water Resources of the People’s Republic of China. China water resources bulletin 1999[M]. Beijing: China Water & Power Press, 1999.

[3] 中華人民共和國水利部. 中國水資源公報2018[M]. 北京: 中國水利水電出版社, 2018.

Ministry of Water Resources of the People’s Republic of China. China water resources bulletin 2018[M]. Beijing: China Water & Power Press, 2018.

[4] BERKHOUT P H G, MUSKENS J C, VELTHUIJSEN J W. Defining the rebound effect[J]. Energy Policy, 2000, 28(6/7): 425-432.

[5] PFEIFFER L, LIN C Y C. Does efficient irrigation technology lead to reduced groundwater extraction Empirical evidence[J]. Journal of Environmental Economics and Management, 2014, 67(2): 189-208.

[6] GóMEZ C M, PéREZ-BLANCO C D. Simple myths and basic maths about greening irrigation[J]. Water Resources Management, 2014, 28(12): 4 035-4 044.

[7] LI H Y, ZHAO J H. Rebound effects of new irrigation technologies: The role of water rights[J]. American Journal of Agricultural Economics, 2018, 100(3): 786-808.

[8] BERBEL J, MATEOS L. Does investment in irrigation technology necessarily generate rebound effects? A simulation analysis based on an agro-economic model[J]. Agricultural Systems, 2014, 128(2): 25-34.

[9] LOCH A, ADAMSON D. Drought and the rebound effect: A Murray–Darling Basin example[J]. Natural Hazards, 2015, 79(3): 1 429-1 449.

[10] CONTOR B A, TAYLOR R G. Why improving irrigation efficiency increases total volume of consumptive use[J]. Irrigation and Drainage, 2013, 62(3): 273-280.

[11] 佟金萍, 馬劍鋒, 王慧敏, 等. 農(nóng)業(yè)用水效率與技術進步:基于中國農(nóng)業(yè)面板數(shù)據(jù)的實證研究[J]. 資源科學, 2014, 36(9): 1 765-1 772.

TONG Jinping, MA Jianfeng, WANG Huimin, et al. Agricultural water use efficiency and technical progress in China based on agricultural panel data[J]. Resources Science, 2014, 36(9): 1 765-1 772.

[12] 鄧光耀, 韓君, 張忠杰. 中國各省水資源利用效率的測算及回彈效應研究[J]. 軟科學, 2017, 31(1): 15-19.

DENG Guangyao, HAN Jun, ZHANG Zhongjie. Study on measure of water use efficiency and rebound effect of Chinese provinces[J]. Soft Science, 2017, 31(1): 15-19.

[13] 宋健峰, 王玉寶, 吳普特. 灌溉用水反彈效應研究綜述[J]. 水科學進展, 2017, 28(3): 452-461.

SONG Jianfeng, WANG Yubao, WU Pute. A reviews on irrigation water rebound effect[J]. Advances in Water Science, 2017, 28(3): 452-461.

[14] SAUNDERS H D. A view from the macro side: Rebound, backfire, and Khazzoom-Brookes[J]. Energy Policy, 2000, 28(6/7): 439-449.

[15] SONG J F, GUO Y N, WU P T, et al. The agricultural water rebound effect in China[J]. Ecological Economics, 2018, 146: 497-506.

[16] SCHETTKAT R. Analyzing rebound effects. In: BLEISCHWITZ R, WELFENS P, ZHANG Z. (eds) International Economics of Resource Efficiency[M]. Heidelberg: Physica-Verlag HD, 2011: 253-278.

[17] XU Q, FOX G, MCKENNEY D, et al. A theoretical economic model of the demand for irrigation water[J]. Agricultural Water Management, 2019, 225: 105 763.

[18] HOLLOWAY G, PARIS Q. Production efficiency in the von Liebig model[J]. American Journal of Agricultural Economics, 2002, 84(5): 1 271-1 278.

[19] GRIMM S S, PARIS Q, WILLIAMS W A. A von Liebig model for water and nitrogen crop response[J]. Western Journal of Agricultural Economics, 1987, 12(2): 182-192.

[20] 崔遠來, 熊佳. 灌溉水利用效率指標研究進展[J]. 水科學進展, 2009, 20(4): 590-598.

CUI Yuanlai, XIONG Jia. Advances in assessment indicators of irrigation water use efficiency[J]. Advances in Water Science, 2009, 20(4): 590-598.

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

[22] 吳普特, 孫世坤, 王玉寶, 等. 作物生產(chǎn)水足跡量化方法與評價研究[J]. 水利學報, 2017, 48(6): 651-660, 669.

WU Pute, SUN Shikun, WANG Yubao, et al. Research on the quantification methods for water footprint of crop production[J]. Journal of Hydraulic Engineering, 2017, 48(6): 651-660, 669.

[23] FISHMAN R, DEVINENI N, RAMAN S. Can improved agricultural water use efficiency save India’s groundwater[J]. Environmental Research Letters, 2015, 10(8): 84 022.

[24] RODRIGUES G C, PAREDES P, GON?ALVES J M, et al. Comparing sprinkler and drip irrigation systems for full and deficit irrigated maize using multicriteria analysis and simulation modelling: Ranking for water saving vs. farm economic returns[J]. Agricultural Water Management, 2013, 126: 85-96.

[25] DAGNINO M, WARD F A. Economics of agricultural water conservation: Empirical analysis and policy implications[J]. International Journal of Water Resources Development, 2012, 28(4): 577-600.

[26] 許怡, 吳永祥, 王高旭, 等. 小區(qū)和田塊尺度下水稻不同灌溉模式的節(jié)水減污效應分析[J]. 灌溉排水學報, 2019, 38(5): 60-66.

XU Yi, WU Yongxiang, WANG Gaoxu, et al. Impact of irrigation methods on saving water and alleviating pollutant at different scales in paddy field[J]. Journal of Irrigation and Drainage, 2019, 38(5): 60-66.

[27] 馬海良, 黃德春, 張繼國, 等. 中國近年來水資源利用效率的省際差異:技術進步還是技術效率[J]. 資源科學, 2012, 34(5): 794-801.

MA Hailiang, HUANG Dechun, ZHANG Jiguo, et al. The provincial differences of China’s water use efficiency in recent years: Technological progress or technical efficiency[J]. Resources Science, 2012, 34(5): 794-801.

[28] 張效星, 樊毅, 崔寧博, 等. 不同灌水量對滴灌獼猴桃光合、產(chǎn)量與水分利用效率的影響[J]. 灌溉排水學報, 2019, 38(1): 1-7.

ZHANG Xiaoxing, FAN Yi, CUI Ningbo, et al. The effects of drip-irrigation amount on photosynthesis, yield and water use efficiency of kiwifruit[J]. Journal of Irrigation and Drainage, 2019, 38(1): 1-7.

[29] 閆澤宇, 史海濱, 楊樹青, 等. 呼倫貝爾地區(qū)噴灌對大豆生長及水分利用效率的影響[J]. 灌溉排水學報, 2019, 38(5): 19-24.

YAN Zeyu, SHI Haibin, YANG Shuqing, et al. The use of sprinkler irrigation water by soybean and its consequence for plant growth in the regions of Hulunbeier[J]. Journal of Irrigation and Drainage, 2019, 38(5): 19-24.

What Caused the Irrigation Water Use Rebound in Northwest China?

ZHANG Huiru, XU Hang, SONG Jianfeng*

（College of Economics and Management, Northwest A&F University, Yangling 712100, China）

【】Agriculture is the largest water-use sector in China and reducing agricultural water use is hence critical to ameliorating the impact induced by water shortage and sustaining its economic development. One problem facing implementation of water-saving irrigation and other agronomic practices is that these technologies might fail to meet the designed targets, resulting in what is called “irrigation water use rebound”.【】This paper aims to examine the factors behind the irrigation water use rebound with a view to providing guidance to help optimize water resource allocation and sustain water utilization in implementing water-saving policies.【】The analysis was based on an agricultural production function by integrating irrigation water use with other factors including agricultural production technologies and labor input. We then build a benchmark platform comprising pooled regression model, determinant effect model, random effect model, and binary choice model to analyze the factors which were most likely to have led to the irrigation water use rebound at metropolitan scale in the five provinces in northwestern China.【】Crop yield and irrigation water productivity affected irrigation water use rebound the most. The increase in crop yield had a positive effect on irrigation water use rebound, while increasing irrigation water productivity dampens this rebound. About 65% of cities in northwestern China have seen irrigation water use rebound, meaning that the increase in irrigation water use is common in this region. The results calculated from the benchmark platform indicated that irrigation water use rebound increased by 0.094 3%～0.611 3% for every 1% increase in crop yield; when other conditions were the same, irrigation water use rebound was reduced by 0.927 3%～0.990 1% for every 1% increase in irrigation water productivity. The results calculated by the binary choice model were consistent with that from the benchmark platform, indicating that the above results were robust.【】Irrigation water use rebound in northwestern China was induced by the increase in crop yield after implementation of other improved agricultural practices. Water-saving policies in the future should focus on disseminating water-saving technologies, improving irrigation water productivity, and helping farmers to appreciate the importance and benefits of reducing agricultural water use.

agricultural irrigation; irrigation water use rebound; water-saving policies; five provinces in northwest of China

F303.4

A

10.13522/j.cnki.ggps.2020416

1672 - 3317（2021）08 - 0129 - 07

張惠茹, 許航, 宋健峰. 西北地區(qū)農(nóng)業(yè)灌溉用水反彈的影響因素分析[J]. 灌溉排水學報, 2021, 40(8): 129-135.

ZHANG Huiru, XU Hang, SONG Jianfeng. What Caused the Irrigation Water Use Rebound in Northwest China?[J]. Journal of Irrigation and Drainage, 2021, 40(8): 129-135.

2020-07-24

教育部人文社會科學研究項目（17YJC790126）

張惠茹（1997-），女，山西晉城人。碩士研究生，研究方向為農(nóng)業(yè)經(jīng)濟管理。E-mail: zhr_@nwafu.edu.cn

宋健峰（1981-），女，山西芮城人。副教授，博士生導師，研究方向為資源經(jīng)濟與環(huán)境管理。E-mail: s_jf@nwafu.edu.cn

責任編輯：陸紅飛