〔摘 要〕以我国30个省份1998～2016年的时间序列数据和面板数据为研究对象，利用VAR模型和面板数据模型分析人口、经济、产业城镇化因素对水资源消耗影响的动态效应与区域差异。研究结果表明：水资源消耗受到自身的冲击作用最大，省份的人口、经济城镇化程度高，则对水资源消耗有负向冲击作用，反之有正向冲击作用，大部分省份的产业城镇化对水资源消耗均有正向冲击作用，只有少数省份有负向冲击作用；我国大部分地区的人口城镇化对水资源消耗都有负向影响，东北地区影响最大；而大部分地区的经济、产业城镇化均对水资源消耗产生正向影响，其中东北地区的经济城镇化影响最大，中部地区产业城镇化影响最大。
〔关键词〕 城镇化 水资源消耗 VAR模型 面板数据模型 区域差异 人口流动
引 言
水不仅是生命之源，更是经济发展中不可或缺的重要资源之一。随着我国经济 “新常态”的到来，城镇化建设成为拉动经济稳定增长的新战略［1］。 2016 年末我国城镇化率为 57.35%［2］， 根据世界城市化发展规律，我国正处在城镇化 （30%～70%）快速发展的时期［3］。目前我国正在大力推动城镇化建设，城镇化发展过程中的人口迁移和聚集、产业结构调整、社会消费规模扩大等将加速水资源的消耗，水资源出现了区域性的供需问题［4］。我国水资源短缺与城镇化水资源消耗日益增多的矛盾越来越突出。
目前已经有众多学者针对城镇化与水资源开展了研究，可分为以下几类：（1）城镇化对水资源利用效率影响的研究。城镇化与用水效率的空间库兹涅茨曲线呈倒N型曲线［5］，用水效率受到本省城镇化进程中的社会、经济、环境等因素和临近省份用水效率的影响［6］，人口城镇化对水资源利用效率影响最大［7］，而且城镇化会提高水资源利用效率［8］，每提高1%的城镇化率，将提高7.68%的水资源综合利用效率［9］； （2） 城镇化对水资源消耗量影响的研究。一些学者认为城镇化对水资源消耗量有双重影响，城镇化虽然有助于减少全国大部分地区的用水总量，但是也会导致城镇建成区的缺水危机［10］；而另一些学者认为城镇化进程中水资源消耗量的变化呈阶段性特征，并且城镇化对用水量有正向影响［11］， 而居民消费［12］、人口规模扩大［13］都会推动水资源消耗量的增长，而城镇化对工业和生活用水的压力大于对农业用水下降的缓解［14］；（3）城镇化系统与水资源系统相互关系的研究。城镇化系统与水资源系统之间存在一定的响应关系［15］，并且这两个系统内部要素间的交互耦合关系是复杂且互相影响的［16］。
综上所述，众多学者针对城镇化与水资源之间进行了较为深入的研究，但是现有研究还存在以下不足：（1）针对人口城镇化率对水资源影响的研究较多，缺乏同时考虑经济、产业城镇化即居民人均可支配收入与二、三产业占比对水资源消耗影响的研究；（2）现有研究基本都是处于全国层面或者某一地区层面，缺少对省域和区域差异的研究；（3）现有研究或者只针对时间序列数据进行分析，难以反映我国不同区域的城镇化因素对水资源消耗产生的差异性影响；或者只针对面板数据进行分析，难以解释不同省份的城镇化因素对水资源消耗影响在时间维度上的动态效应。基于此，本文在我国30个省份的时序数据和面板数据基础上，运用VAR模型研究各省份人口、经济、产业城镇化三要素对水资源消耗影响的动态效应，并进一步对省份进行分类，利用面板数据模型探讨各城镇化因素对水资源消耗影响的区域差异，以期为加强水资源的科学可持续利用以及城镇化与水资源的区域协调发展提供理论支持。
1 模型设定与数据说明
1.1 数据说明
本文选取全国30个省份的时序数据和面板数据进行研究 （考虑数据的可获得性，西藏及港、澳、台地区未纳入内），其中城镇化指标、水资源消耗指标的数据是通过综合整理 《中国统计年鉴》［2］ （1999～2017）、 各省市的统计年鉴以及中国水利部网站公布的《中国水资源公报》［17］（1998～2016） 得到的。 在借鉴其他学者［7，15］对城镇化指标定义的基础上，本文选取人口城镇化率 （POP）代表人口城镇化指标、城镇居民人均可支配收入（INC）代表经济城镇化指标、二、三产业占生产总值比例 （IND）代表产业城镇化指标，选择总用水量 （TW）代表水资源消耗指标，各指标说明如表1所示。由于研究数据单位的不同导致数据波动性较大，为了降低数据波动性、消除异方差，本文将人口城镇化、经济城镇化、产业城镇化、水资源消耗4个变量都进行对数化处理，并分别记为LNPOP、LNINC、LNIND、LNTW。同时，为了消除价格指数的影响，以1998年为基期，利用各省份每年的居民消费价格指数将城镇居民可支配收入折算成实际值。
表1 各指标说明
指标 表示符号 单位 指标计算方法人口城镇化 POP % 各省份的城镇人口数占各地区年末常住人口数的百分比经济城镇化 INC 元 各省份城镇居民人均可支配收入产业城镇化 IND % 各省份的二、三产业增加值占各省份生产总值的百分比水资源消耗 TW 亿m3各省份的各类用水户取用的包括输水损失在内的毛水量之和
1.2 模型设定
VAR模型可以用于预测变量系统的动态变化以及各种冲击对变量产生的影响［18］。本文对各省份的时序数据分别建立VAR模型，通过分析各变量对水资源消耗的脉冲响应函数来研究各省份人口、经济、产业城镇化对水资源消耗影响的动态效应。本文建立的VAR模型主要包含4个变量，其VAR模型见式 （1）。各个VAR模型的滞后阶数根据AIC和SC检验值最小的原则进行选择。
式 （1） 中i为省份； t代表年份； Yi，t=（LNPOPit，LNINCit，LNINDit，LNTWit）， 各变量含义同上； Yi，t-j代表 Yi，t的 j阶滞后变量； p 代表滞后阶数； aj为回归系数； εi，t是随机扰动项。
面板固定效应模型可用于研究包含在固定类别中各截面成员自变量受到其他变量的影响，而不会推及到不同的类别中去［19］，适合用于研究有区域差异的面板数据。为了研究各城镇化因素对水资源消耗影响的区域差异，本文建立面板固定效应模型。且为了消除异方差和序列自相关性，本文采用似不相关回归法 （SUR）构建如式 （2）所示的固定效应变系数模型：
式 （2） 中，LNTWit为自变量，LNPOPit、LNINCit、LNINDit为因变量，各变量含义同式 （1）；αi为常数项； β1i、 β2i、 β3i分别为对应 3 个因变量的待估计回归系数；uit为误差项；N为截面成员数；T为样本时间数。
2 实证分析
2.1 单位根检验与协整检验
从回归结果来看，各个地区的β2i系数值都为正值，说明整体上经济城镇化会推动水资源消耗的增长。4个地区中，只有东北、中部地区的β2i通过了显著性检验，东部和西部地区的β2i并不显著。东北地区经济城镇化的影响最大，其次是中部地区，东北地区经济城镇化每提高1%，水资源消耗就增长0.723%。出现该现象的原因如下：（1）东北、中部地区经济城镇化程度较低，此时城镇化发展带动的是城镇居民在高耗水量的基本生活需求方面消费的增加［12］，这将极大地推动水资源消耗的增长；（2）经济城镇化程度高的东部地区，居民消费已由基本生活需求转向耗水量较低的其他需求，如精神、娱乐消费等，从而对水资源消耗的影响不显著；（3）西部地区的水资源较为丰富，生产基本生活需求产品对水资源消耗的影响并不明显。
独立学院师资队伍建设探析——以广西师范大学漓江学院为例……………………………………………………………………………熊志灵（2.77）
从根本而言，规范药品交易账期，缩短公立医疗机构回款期限是缓解药品批发企业资金压力的最有效途径。但是，由于药品批发企业相比医疗机构较为弱势，仅靠企业自身努力很难达成目标，还需要卫生、医保等管理部门出台相关政策及监督措施，进一步规范公立医疗机构结算行为。现阶段，药品批发企业可以通过银行信贷、资本引入等途径，增加自身现金流。同时，在与药品生产企业建立长期合作关系后，凭借自身信用度，药品批发企业可要求适当放宽付账期，以缓解自身压力。
表2 面板数据单位根检验结果
注：∗、∗∗、∗∗∗分别表示在10%、5%、1%显著性水平下拒绝 “存在面板单位根”的原假设；括号内为各统计量的P值。
变量 相同单位根假设 不同单位根假设LLC IPS ADF-Fisher检验结果LNPOP -23.495∗∗∗ （0.000） -9.337∗∗∗ （0.000） 116.394∗∗∗ （0.000） 平稳LNINC -6.1355∗∗∗ （0.000） -3.968∗∗∗ （0.000） 99.527∗∗∗ （0.001） 平稳LNIND -16.033∗∗∗ （0.000） -9.455∗∗∗ （0.000） 213.177∗∗∗ （0.000） 平稳LNTW -1.901∗∗ （0.029） -0.865∗ （0.090） 79.431∗∗ （0.047） 平稳
面板数据通过平稳性检验后才能进行协整检验，以确保建立面板数据模型的变量间存在长期的均衡关系。由单位根检验结果可知，4个变量都为0阶单整，因此可以进行协整性检验。本文采用 Kao 检验［20］、 Pedroni检验［21］、 Fish 检验 3种方法进行协整检验，若3种方法中有2种及以上通过检验，则认为变量间存在长期协整关系。检验结果如表3、4所示。检验结果显示，除了Kao检验统计值的P值大于0.1之外，Pedroni检验、Fish检验的各项检验统计量的P值都小于0.05，综合3种检验结果，认为4个变量之间存在长期的协整关系，可以进一步进行回归分析。
表3 Kao检验和Pedroni检验结果
检验方法 检验假设 统计量名称 统计量值 统计量P值Kao检验 H0：不存在协整关系ρ=1 ADF 0.009 0.496 Pedroni检验H0： ρ=1 Panel-PP -6.443 0.000 H1： ρ＜1 Panel-ADF -8.371 0.000 H0： ρ=1 Group-PP -9.615 0.000 H1： ρ＜1 Group-ADF -9.461 0.000
表4 Fish检验结果
检验假设 Fish Trace统计量 （P值） Fish max-eigen统计量 （P值）0个协整关系 777.6（0.000） 596.2（0.000）至少存在1个协整关系 294.0（0.000） 195.4（0.000）至少存在2个协整关系 162.8（0.000） 110.4（0.005）
2.2 各城镇化因素对水资源消耗影响的动态效应
本文利用全国30个省份的时间序列数据分别建立VAR模型，并利用脉冲响应分析各变量对水资源消耗影响的动态效应。为了保证VAR模型的稳定性，对建立的每个VAR模型都进行AR根检验。在Eviews8.0的辅助下，发现全国30个省份中除了辽宁、上海和福建3个省份之外，其余省份的VAR模型的特征根都在单位圆内，说明其余27个省份的VAR模型都是稳定的，都通过了AR根检验，可以进行脉冲响应分析，分析结果如图1所示。由于篇幅有限，图1所示是部分省份的水资源消耗对各变量冲击的脉冲响应结果。
图1结果显示，当期给各个省份的水资源消耗一个标准差的正向冲击后，水资源消耗的下一期都会立刻表现出强烈的正向响应，这意味着本期水资源消耗的增长对于下一期水资源消耗的增长起到强烈的正向作用。但是这种响应会逐渐减退，并且每个省份减退的速度不同。北京、江苏、广东等省份，水资源消耗对自身的冲击响应会逐渐由正响应变成负响应，这是因为这些省份的居民节水意识不断提高，政府对水资源管理越加重视，水资源利用效率不断提高，水资源消耗就会逐渐降低。黑龙江、山西、湖南、内蒙等省份的水资源消耗受到自身影响的波动很大，说明这些省份的城镇化发展还不稳定，水资源消耗出现波动性增长。而贵州、云南、甘肃、新疆等西部省份，水资源消耗对自身有着较为稳定的冲击作用，意味着较长一段时间水资源消耗都会持续增长。
水资源消耗对于各个城镇化因素的冲击响应则表现出较大的差异。人口城镇化率高的省份如北京、天津、江苏、浙江、广东等，人口城镇化变动对水资源消耗的冲击作用很小，且一般都表现为负向的冲击。导致这种现象的原因可能有以下两点：（1）这些省份的城镇人口结构逐渐趋于稳定，所以对水资源消耗的冲击作用较小； （2）由于从事用水效率低的农业人口减少，而从事用水效率高的二、三产业的城镇人口增多，二者之间的聚集效应［8］提高了用水效率，对水资源消耗就表现为负向的冲击作用。而黑龙江、吉林、山西、四川、新疆等省份人口城镇化率较低，其对水资源消耗最终都表现为较大的正向冲击作用。湖南、内蒙、甘肃等省份，人口城镇化对水资源消耗的冲击作用波动较大，这是由于这些省份城镇人口结构还不稳定，大量人口在城镇的涌进涌出会对水资源消耗产生较大的波动影响。
糖尿病是全球范围内的严重公共卫生问题，具有发病率高、并发症多等特点，不仅给患者造成巨大的身心痛苦，也给社会医疗资源造成沉重的负担［6］。糖尿病性心肌病是糖尿病患者特有的心肌功能损害，属于糖尿病的慢性微血管并发症。糖尿病心肌病患者的心肌细胞发生损伤，引起心脏结构异常、左心室肥厚、舒缩功能障碍等病理改变［7］。临床表现为心绞痛、进行性心功能不全，由此引起的心力衰竭、心源性猝死等是引起糖尿病患者死亡的原因之一［8］。
产业城镇化对水资源消耗的冲击作用也存在省域差异。河北、浙江、山东、海南、重庆、贵州的产业城镇化对水资源消耗存在累积的负向冲击作用，其余的省份虽然均存在不同程度的波动，但是基本表现为正向冲击作用。表现为负向冲击作用的省份，其中产业城镇化程度低的海南、重庆、贵州等省份，其产业城镇化高速发展使得用水效率较低的第一产业比重大幅减少，用水效率较高的二、三产业比重增加，反而降低了水资源消耗；而产业城镇化程度较高的河北、浙江、山东等省份，则可能由于产业结构优化而降低了水资源消耗。其余大部分省份都表现为正向冲击作用，表明大部分地区在推进产业城镇化进程的过程中，会推动水资源消耗增长，而产业结构的调整则会引起产业城镇化对水资源消耗的冲击作用，出现不同程度的波动。
考察了贵铅中共存杂质元素对测定的影响。按照以上贵铅样品中共存杂质元素的最大含量(487mg铅，240mg锑、120mg铋、77mg铁、40mg铜、26mg砷、12mg碲)，分别与0.0734g、0.2858g银粒混合，按照实验方法对银的含量进行测定。结果表明，银的测定值分别为0.0729g、0.2850g，与其理论值相符，这说明贵铅样品中的共存杂质元素对银测定的干扰可以忽略。
图1 部分省份水资源消耗对各个变量的脉冲响应结果
2.3 各城镇化因素对水资源消耗影响的区域差异
由上文分析可知，各变量对于水资源消耗影响的动态效应存在着省域差异，为了进一步探讨城镇化各因素对水资源消耗影响的区域差异，本文将我国30个省份按照国家统计局地区划分［22］的方法分为东北、东部、中部、西部4个区域，研究区域的划分及所包含省份见表5。
以水资源消耗 （LNTW）为自变量，人口城镇化 （LNPOP）、经济城镇化 （LNINC）、产业城镇化 （LNIND）为因变量，利用式 （2）设立的模型对4个区域的面板数据进行固定效应面板模型的估计，得到的估计结果如表6所示。根据面板固定效应估计结果，四大区域的面板回归模型的R2与F值都很高，说明各方程的拟合效果很好。
表5 研究区域划分及所含省份
划分区域 所含省份东北地区 黑龙江省、吉林省、辽宁省东部地区北京市、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省中部地区 山西省、安徽省、江西省、河南省、湖北省、湖南省西部地区内蒙古自治区、广西壮族自治区、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区
表6 四大区域的面板固定效应估计结果
注：∗、∗∗、∗∗∗分别表示在10%、5%、1%显著性水平下显著；β1i、β2i、β3i分别为对应人口、经济、产业城镇化3个因变量的面板估计回归系数。
区域 αi估计值 β1i的估计值 β2i的估计值 β3i的估计值 F值 R2 省份个数东北地区 1.353 -0.323∗∗∗0.723∗∗∗ -0.210 1007.286 0.990 3东部地区 -6.766∗∗∗-0.025∗∗ 0.017 0.315∗∗∗ 25451.520 0.999 10中部地区 1.880∗∗∗-0.173∗0.521∗∗∗0.845∗∗∗ 892.104 0.986 6西部地区 3.533∗∗∗ 0.002 0.007 0.636∗∗∗ 9803.100 0.999 11
（2）当发电机定子绕组匝路短路，绕组每相中出现并联支路时，应该装设横联差动保护。其保护配置主要原理是将两个并联支路电流之差作用于发电机绕组匝间短路保护，在一定程度上可以对定子绕组上出现的分支开焊故障进行确定。
3.D 提示:根据2Al+6HCl==2AlCl3+3H2↑,2Al+2NaOH+2H2O==2NaAlO2+3H2↑可知,Al无论是与盐酸反应还是与NaOH溶液反应,相同质量的铝屑完全反应生成的H2的物质的量相同。若产生H2的体积比为1∶3,说明两份铝的质量比为1∶3。故选D项。
为了避免伪回归，建立VAR和面板数据模型前，需用单位根检验方法对数据进行平稳性检验［17］。本文采用相同单位根假设的LLC方法和不同单位根假设下的IPS、ADF-Fisher方法对面板数据进行单位根检验，如果3种检验都通过，则认为数据是平稳的。在Eviews8.0的辅助下对面板数据进行单位根检验，各个变量的检验结果与平稳性判定如表2所示。表2的结果显示，4个变量的检验结果的P值都小于0.1，都通过了3种单位根检验，故4个变量序列都为平稳序列，且均为 I（0）序列。
脉冲响应分析的结果显示，黑龙江、吉林、山西、湖北、四川、陕西等省份的经济城镇化对水资源消耗产生明显的正向冲击作用。其余省份的冲击作用虽然存在不同程度的波动，但是水资源消耗对冲击的累积响应值整体上都表现为负值。并且可以发现城镇化程度较高的北京、江苏、浙江、广东、海南等省份，经济城镇化对水资源消耗有着较强的负向冲击作用。究其原因：（1）黑龙江、吉林、山西等省份经济城镇化程度相对较低，在居民收入较低情况下，居民消费集中在高耗水的基本需求产品上，对水资源消耗的增长有促进作用；（2）经济城镇化程度较高的省份，城镇居民收入的提高使得居民消费由高耗水的基本需求产品转向低耗水的产品或者节水型的产品［10］，整体上对水资源消耗表现为负向的冲击作用。
表6的结果显示，只有东北地区的常数项不显著，全国4个地区除了东北地区外，均呈现绝对值 β3i＞β2i＞β1i的特点， 说明大部分地区的产业城镇化对水资源消耗的影响最大，其次是经济城镇化，人口城镇化的影响最小。东北、东部、中部3个地区的人口城镇化对于水资源消耗都有负向影响，即人口城镇化进程会减少我国大部分地区的水资源消耗［10］。3个地区中，东北地区人口城镇化对水资源消耗的影响最大，其人口城镇化每提高1%，水资源消耗则减少0.323%。西部地区的人口城镇化对水资源消耗的影响不显著，可能是由于该地区大部分省份的水资源较为充足，城镇人口的增长暂时不会对水资源消耗产生明显的影响。
本文通过对全国各个省份的时间序列数据和面板数据分别运用VAR模型的脉冲响应分析以及面板固定效应回归分析的方法，研究了人口、经济、产业城镇化因素对水资源消耗影响的动态效应与区域差异。主要结论如下：
3 结论与建议
3.1 结 论
四大区域中，除了东北地区的β3i系数值为负值且不显著之外，其余的东部、中部、西部地区的β3i系数均呈正值且很显著，说明我国大部分地区产业城镇化会促进水资源消耗的增长。3个地区中，中部地区的影响最大，东部地区的影响最小。中部地区的产业城镇化每提升1%，水资源消耗就增长0.845%。这是由于中部和西部地区的产业城镇化程度整体上较东部地区低，在推进产业城镇化进程中，二、三产业的发展对水资源有着极大的正向需求，从而导致水资源消耗的上升。而东部地区的产业结构已经趋于稳定，且水资源利用效率较高，东部地区的产业城镇化对水资源消耗的影响要比另两个地区的影响小。
（1）根据动态效应分析得到的结论：水资源消耗对自身的动态冲击作用最大，城镇化程度越高的省份，水资源消耗对自身的冲击越小；人口城镇化程度较高的省份，对水资源消耗影响的动态效应表现为负向冲击作用，反之则表现为正向冲击作用，且人口城镇化程度越高，其作用就越小；经济城镇化较低的省份会对水资源消耗产生正向冲击作用，反之会产生负向冲击作用，且经济城镇化程度越高的省份，负向冲击作用就越大；全国大部省份的产业城镇化对水资源消耗都有正向冲击作用，只有少部分省份的产业城镇化会对水资源消耗起到负向冲击作用。
（2）区域差异分析得出的结论：全国大部分地区的产业城镇化对水资源消耗的影响最大，其次是经济城镇化，人口城镇化的影响最小；东北地区的人口城镇化对水资源消耗的影响最大，然后依次是中部地区、东部地区，且都表现为负向的影响，西部地区影响不显著；东北地区和中部地区的经济城镇化对水资源消耗均表现为正向的影响，且东北地区的影响最大，其余两个地区影响不显著；东部、中部、西部3个地区的产业城镇化对水资源消耗的都有正向影响，其中中部地区影响最大，其次是西部地区，东部地区最小，东北地区影响不显著。
3.2 建 议
基于以上研究，本文提出以下政策建议：
（1）水资源消耗对自身的冲击作用最大，所以我国各地区应加强对公众节水方面的宣传和教育，特别是针对水资源较少的地区，应当提倡居民和企业节约用水，提高水资源利用效率，而针对水资源较为丰富的地区，应该加大对用水总量“红线”的控制力度，杜绝浪费水资源，从根本上减少水资源消耗。
（2）各地区的政府应合理控制人口城镇化进程，特别是人口城镇化程度较低、人口结构还不稳定的中、西部地区的省份，政府可制定一定的人口政策保证人口向城镇地区的合理流动，防止因为城镇人口的爆炸式增长而导致水资源消耗的急剧增长。
综上所述，根据前面提出的假设，中小企业进行技术创新过程中有两个非常重要的影响因素，即战略柔性和智力资本，将三者纳入到一个框架中进行研究具有一定的意义。本研究建立概念模型，如图1所示：
术后1年随访未出现不融合的情况，腰背痛VAS评分、腰痛JOA评分及ODI功能评分显著低于术前，获得较好的融合和临床疗效。术中采用1枚拉力螺钉固定对侧，降低了耗材费用。因此，该术式具有切口小、创伤小、半坚强固定、并发症少、融合率高、临床效果好、费用少等优点。
（3）提倡经济城镇化程度较低的东北、中部、西部地区的省份在加大经济城镇化建设的同时，鼓励城镇居民多消费低耗水量产品，减少高耗水量产品的消费，提倡城镇居民使用节水产品，经济城镇化程度高的东部地区的省份则应注重引导居民合理消费，为节约水资源形成良好的消费观。
（4）产业城镇化程度较低的中部、西部地区的省份，在加大产业城镇化建设的同时，通过适当降低用水效率低的农业产业的比例，提高用水效率较高的二、三产业的比例来降低水资源消耗。而产业城镇化程度较高的东北以及东部地区的省份，应该进一步优化产业结构，在二、三产业比例上升的同时，适当提高低耗水量的第三产业比例，减少高耗水量第二产业的比例，从而整体上减少水资源消耗量。
参考文献
［1］范兆媛，周少甫.新型城镇化对经济增长影响的研究——基于空间动态误差面板模型.［J／OL］.数理统计与管理，1～12.http：／／kns.cnki.net／kcms／detail／11.2242.O1.20170714.1737.010.html，2017-07-14.
［2］中华人民共和国国家统计局.中国统计年鉴 （1999～2017）［M］.北京：中国统计出版社，1999～2017.
［3］俞海，王勇，张永亮.我国城镇化、环境污染及其风险识别［J］.环境与可持续发展， 2017， 42 （6）： 7～13.
［4］杨亮.论水资源可持续利用与水资源管理的重要性 ［J］.低碳世界， 2017， （33）： 212～213.
［5］曹飞.我国城镇化与用水效率的研究——基于空间库兹涅茨曲线拟合与研判 ［J］.价格理论与实践，2017， （3）：163～166.
［6］ Bao chao， Chen Xiaojie.Spatial Econometric Analysis on Influencing Factors of Water Consumption Efficiency in Urbanizing China［J］.Journal of Geographical Sciences， 2017， （12）： 1450 ～1462.
［7］张凤泽，宋敏，邓益斌.新型城镇化视角下的江苏省水资源利用效率研究 ［J］.水利经济， 2016， 34 （5）： 14～17， 79～80.
［8］马远.干旱区城镇化进程对水资源利用效率影响的实证研究——基于DEA模型与IPAT模型 ［J］.技术经济，2016，35（4）：85～90.
［9］马海良，徐佳，王普查.中国城镇化进程中的水资源利用研究 ［J］.资源科学， 2014， 36 （2）： 334～341.
［10］鲍超.中国城镇化与经济增长及用水变化的时空耦合关系［J］. 地理学报， 2014， 69 （12）： 1799～1809.
［11］秦腾，章恒全，佟金萍，等.城镇化进程中用水量增长的门槛效应与动态作用机制分析 ［J］.中国人口·资源与环境，2017， 27 （5）： 45～53.
［12］秦腾，章恒全，佟金萍，等.城镇化进程中居民消费对水资源消耗的影响效应研究 ［J］.软科学，2016，30（12）：29～33.
［13］杨亮，丁金宏.城镇化进程中人口因素对水资源消耗的驱动作用分析——以太湖流域为例 ［J］.南方人口，2014，29（2）： 72～80.
［14］曹飞.中国省域城镇化与用水结构的空间库兹涅茨曲线拟合与研判 ［J］.干旱区资源与环境，2017，31（3）：8～13.
［15］刘洁，谢丽芳，杨国英，等.丰水区城镇化进程与水资源利用的关系——以江苏省为例 ［J］.水土保持通报，2016，36 （3）： 193～199.
［16］张胜武，石培基，王祖静.干旱区内陆河流域城镇化与水资源环境系统耦合分析——以石羊河流域为例 ［J］.经济地理， 2012， 32 （8）： 142～148.
［17］ 中华人民共和国水利部. 水资源公报 ［EB／OL］.http：／／www.mwr.gov.cn／sj／tjgb／szygb／.
［18］贾丽丽，王佳，胡梦泽.基于VAR模型的工业经济发展与环境污染关系研究 ［J］.工业技术经济，2017，36（2）：43～49.
［19］李娅，李志鹏.计量经济分析与Eviews详解 ［M］.北京：科学出版社，2017：170～185.
［20］ Kao C.Spurious Rebression and Residual-based Tests for Cointebration in Panel Data ［J］.Journal of Econometrics， 1999， 90（1）： 1～44.
［21］ Pedroni P.Critical Values for Cointebration Tests in Heterobeneous Panels with Multiple Rebressors ［J］.Oxford Bulletin of E-conomics and Statistic， 1999， 61 （s1）： 653～678.
［22］中华人民共和国国家统计局.东西中部和东北地区划分方法. ［EB／OL］.http：／／www.stats.gov.cn／ztjc／zthd／sjtjr／dejtjkfr／tjkp／201106／t20110613_71947.htm.
Dynamic Effects and Regional Disparity of Population，Economy and Industrial Urbanization on the Water Consumption
Zhang Hengquan1 Li Yiming1 Zhang Chenjun2
（1.School of Business， Hohai University， Nanjing 211100， China；2.School of Business Administration， Hohai University， Changzhou 213022， China）
〔Abstract〕 Based on the time series data and panel data of 30 provinces in China from 1998 to 2016， the paper uses VAR model and panel data model to analyze the influences of different urbanization factors on water resources consumption.Research results show：water consumption has the greatest effect on itself.The high degree of population and economic urbanization in provinces have a negative impact on water consumption and a positive impact on the contrary.Most provinces'industrial urbanization have a positive impact on water consumption，while only a few provinces have a negative impact.Population urbanization in most regions of China has a negative impact on water consumption， and the northeast region has the biggest impact.However， most areas'economic and industrial urbanization have the positive impact on water consumption.And the economic uebanization in northeast region and industrial urbanization in central region have the strongest effects.
〔Key words〕 urbanization； water consumption； VAR model； panel data model； regional difference； population movements
DOI：10．3969 ／j．issn．1004-910X．2019．01．011
〔中图分类号〕F299.22；F224
〔文献标识码〕A
收稿日期：2018-06-26
基金项目：国家自然科学基金青年项目 “双控行动下流域初始水权与产业结构高级化适配研究”（项目编号：41701610）；教育部人文社会科学研究青年基金项目 “双控行动下用水量库兹涅茨曲线预测及空间差异趋动效应研究”（项目编号：17YJC790194）；人文社会科学类科研创新计划 “江苏省研究生培养创新工程项目”（项目编号：KYCX17_0512）。
作者简介：章恒全，河海大学商学院教授，博士生导师。研究方向：水资源经济学，管理科学理论与应用，项目管理。李一明，通讯作者，河海大学商学院硕士研究生。研究方向：管理科学理论与应用。张陈俊，河海大学企业管理学院讲师，博士。研究方向：水资源经济学，管理科学理论与应用。
（责任编辑：史 琳）
标签：水资源论文; 城镇化论文; 消耗论文; 省份论文; 人口论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《工业技术经济》2019年第1期论文; 国家自然科学基金青年项目 "; 双控行动下流域初始水权与产业结构高级化适配研究"; (41701610) 教育部人文社会科学研究青年基金项目 "; 双控行动下用水量库兹涅茨曲线预测及空间差异趋动效应研究"; (17YJC790194) 人文社会科学类科研创新计划 "; 江苏省研究生培养创新工程项目"; (KYCX17_0512)论文; 河海大学商学院论文; 河海大学企业管理学院论文;