工业用水效率分析
2009-12
中国社会科学出版社
孙爱军
276
我和孙爱军博士是同事，他的研究方向是经济增长、资源经济，重在工业用水效率分析方向。我的研究方向是资源经济，重在水资源经济与管理学方向。由于研究方向的侧重点多有联系，我们时常就共性问題做一些探讨、讨论，特别是他具有工学博士学位背景，具有利用数学模型做数量分析的基础，我也常常在与其讨论、请教中获益、启发。今其著作《工业用水预测与效率分析》即将付梓，嘱我写几句话作为序，我深感自己学术水平、资历等方面是不足，也感于自己研究方向较窄的诸多不适宜，几次谢免而未能，又感于其诚恳、辛劳和成果的价值，欣然起笔，就文略精髓说几点个人见解，与作者、读者及学界同人共勉。 水资源是经济、社会、生态的基础资源，水因而就成为工业的血脉。在水资源日益稀缺并演变成利益之争，进而产生用水危机的背景下，分析工业用水效率，提高工业水效，实现工业用水的经济循环，成为工业节水导向的利益目标之一。基于此，该著作的造题、立意及分析方法才显得重要而地位凸显，是其一。其二，由于其立意立足于工业用水的效率分析，所使用的分析方法必须以科学选择模型为前提，这样才能提高成果的可靠性。值得肯定的是，该著作以创新的逻辑结构，运用似然比检验，建立随机前沿生产函数模型，运用耦合协调度函数，建立面板数据模型，配以格兰杰因果检验、协调检验等。
本书是作者在博士论文基础上修改而成的，针对水资源短缺的世界性发展趋势，从节约用水的角度出发，系统研究了发达国家和我国工业用水的效率问题，并有针对性的提出了改进对策，对我国经济管理部门和有关研究者具有参考价值。
孙爱军，男，1970年11月生，江苏省淮阴师范学院副教授，淮阴师范学院第六期院优秀青年骨干教师，第五期院中青年学术带头人，淮安市“十百千”人才第三层次。2007年毕业于河海大学，获得工学博士学位，自2008年3月起，在南京大学经济学院做经济学博士后，主要研究方向为：经济增长、资源经济学、计量经济学等。近几年来先后主持的项目有：中国第46批博士后科学基金二等资助项目“个人消费与公共消费视野下的保增长策略研究（编号：20090461102）”、江苏省社会科学基金项目 “扩大城乡居民消费需求对策研究”（09EYC015）；2007年江苏省社科联研究课题：“新型工业化进程中苏北县域经济发展研究”（B-07-8）；江苏省第二次经济普查课题“江苏居民消费与经济增长研究（2009LY31）”、2006年淮安市科技支撑社会发展项目：《淮安农民消费现状与对策研究》（HAS06006）；2008年江苏省高校哲学社会科学基金重点资助项目：经济欠发达地区农民增收和扩大消费研究（08SJB7900003）。分别在《资源科学》、《中国矿业大学学报》(自然科学版)、《河海大学学报》(自然科学版)、《中国人口•资源与环境》、《西南师范大学学报》、《农村经济》等刊物发表论文二十余篇，其中有一篇EI检索。曾获得淮安市哲学社会科学优秀成果三等奖（2002）一项。现主要从事统计学、计量经济和资源经济等方面的教学和研究工作，承担《统计学》、《计量经济学》校级重点课程建设。
绪论 第一节 水资源的内涵、特性、分类 第二节 工业用水问题的提出 第三节 国内外研究进展 第四节 研究目标、内容及方法第一章 生产视角下的工业用水技术效率测算与耗水量预测 第一节 基于SFAP的工业用水技术效率 第二节 工业用水技术效率测算 第三节 工业耗水量预测 第四节 小结第二章 工业用水技术效率与产值对废水排放量的脉冲响应 第一节 技术效率与产值、废水排放量的相关性分析 第二节 数据的平稳性检验与因果关系检验 第三节 技术效率与产值对废水排放量的脉冲响应分析 第四节 小结第三章 成本视角下的用水技术效率测算与工业需水量预测 第一节 工业需水预测的基本理论 第二节 基于SFAC的工业用水技术效率的测算 第三节 工业用水量预测 第四节 考虑到效率的工业用水量预测 第五节 与灰色预测的工业用水量结果的对照 第六节 与线形预测结果的比较 第七节 小结第四章 城市经济与用水技术效率协调度分析 第一节 城市用水技术效率的测算 第二节 城市经济与技术效率的协调度 第三节 典型城市的协调度分析 第四节 协调度提高途径分析- 第五节 小结第五章 中国省域用水效率的空问分析 第一节 模型与方法 第二节 变量与数据说明 第三节 实证分析 第四节 小结第六章 工业经济增长中的能源消费与污染问题的面板数据分析 第一节 模型与方法 第二节 变量和数据说明 第三节 实证分析 第四节 小结第七章 结论与展望参考文献后记
一 计算方法 与使用截面数据相比，使用面板数据（paneldata）不仅信息量更丰富，能够更好地反映城市用水与经济的动态变化特征，而且可以解决截面数据技术效率估计的不一致性。基于随机前沿生产函数，使用面板数据模型来计算技术效率，有利于做横向和纵向比较，刻画出不同单元、不同时点的效率水平，更具有可比较性。 面板数据是时间序列数据与截面数据的综合，既包括单个样本变化的动态信息，又包括个体间差异的信息。因此，面板数据从横向观察可以得到反映对象差异的信息，纵向可以考察对象随时间变化的动态特征。面板数据的回归技术正是基于其数据所包含的信息特征。因为通常的多元回归模型并不能捕捉面板数据所包含的独特信息。如果面板数据中反映个体间差异或随时间变化信息的变量在模型中被忽略，而这些被忽略变量确实对应变量有影响，那么，线性回归方法所得到的系数估计可能产生不一致或者非有效等问题。 采用面板数据回归技术，即使不去观察这些遗漏变量，仅仅通过观察应变量随时间的变化或个体间差异的特征，就可能控制这类遗漏变量的问题。面板数据的特点赋予了被遗漏变量可能具有两种特性：一种可能是，该变量在观察对象间有差异，但并不随时间变化；另一种可能是，该变量在观察对象间没有差异，但都有共同的时间变化特征。前者遗漏变量不随时间变化，在面板数据回归技术中称为固定效应（fixed-effect）模型，后者具有共同的时间变化特征。
