Sovereign ESG and the Hydrological Constraint: Rethinking the Determinants of Water Stress

技术摘要：主权 ESG 与水文约束

问题陈述
本文旨在解决水压力文献中的概念与方法论碎片化问题。水文学将水压力（淡水提取量与可用可再生资源之比）视为由气候和土地系统决定的物理结果；而政治学和发展研究则将其视为由治理和分配规则驱动的制度性结果。这两种视角很少在统一的框架下，针对同一国家样本进行联合测试。此外，现有的跨国研究往往未能区分国家内部的时间变动与国家间的结构性差异，并且经常忽略非线性关系及机器学习验证。作者首次将世界银行的主权 ESG（环境、社会与治理）框架应用于水压力，测试这三大支柱是否解释了水文约束，并识别出各支柱内的具体决定因素。

研究方法
本研究分析了 2002 年至 2022 年间观察到的多达 170 个经济体（由于特定指标的数据可用性差异，样本量有所变化）。因变量是淡水提取量与可用量之比的自然对数。作者估计了三个不同的方程，每个方程共享相同的因变量，仅在回归变量块上通过 ESG 支柱进行区分：

1. 环境方程： 170 个经济体，3,501 个观测值（2000–2021）。
2. 社会方程： 99 个经济体，2,113 个观测值（2001–2022）。
3. 治理方程： 170 个经济体，3,421 个观测值（2002–2022）。

每个方程都通过三条平行路径进行分析，以确保稳健性和方法论上的三角验证：

• 路径 1：面板计量经济学： 利用七种估计量，包括混合 OLS、固定效应（FE）、随机效应（RE）、组间估计（Between）、加权最小二乘法（WLS），以及两步差分和系统 GMM。诊断包括截面相关性测试（Pesaran）、自相关测试（Wooldridge）和共线性测试。至关重要的是，治理模块通过采用主成分分析（PCA）来处理世界治理指标（WGI）之间的高共线性（0.81–095），从而创建正交化的变量（制度质量与制度平衡），而不是将相关的维度并列输入。
• 路径 2：无监督聚类： 六种算法（DBSCAN、模糊 C-均值、层次聚类、K-Means、基于模型的 GMM、随机森林邻近度）相互竞争，根据 ESG-水压力剖面对国家进行分类。选择依据包括十一个内部有效性指标（如轮廓系数、Calinski-Harabasz 指数、HHI 等）以及一项要求所有经济体必须被分配到某个组别的容许规则。
• 路径 3：有监督验证： 六个学习器（线性回归、回归树、KNN、线性 SVM、提升法、随机森林）被用于评估计量经济规范的函数形式，而非用于预测。一个关键的设计选择涉及两种验证方案：随机 70/30 留出法，以及分组五折交叉验证，其中整个国家被留出以防止数据泄露（即记忆国家身份）。

核心结果

• 水压力的结构性本质： 最基本的发现是，99.1% 的水压力对数方差存在于国家之间，而 20 年间仅有 0.9% 存在于国家内部。这表明水压力是国家领土的一种结构性属性，而不是一个能随政策或气候冲击而发生显著年度波动的变量。
• 环境支柱：
  • 决定因素： 森林覆盖率和人口密度是主要的预测因子。森林覆盖率呈现强烈的负向横截面关系，而人口密度是唯一在固定效应（国家内）模型中保持显著的变量，表明城市化驱动了动态压力。
  • 非线性： 机器学习揭示了农业用地呈现 U 型偏依赖关系（压力先下降后上升）。干旱指数（SPEI）虽然在变量块中携带最大的横截面系数，但在分组验证下几乎变得无关紧要（掉落损失为 0.71%），这表明它能区分不同国家，但无法解释国家内部的变化。
  • 验证： 在分组交叉验证下，随机森林的表现略优于线性模型（R² 为 0.41 对 0.31），但线性规范捕捉到了大部分结构。
• 社会支柱：
  • 符号反转： 在卫生设施和清洁烹饪燃料等变量上，组间估计量与固定效应估计量之间存在系统性的符号反转。横截面系数反映的是地理上的混淆因素（干旱、高收入经济体拥有较高的服务覆盖率，同时也具有高水压力），而非因果性的社会机制。
  • 国家内驱动因素： 只有生育率和营养不良水平在经过“内变换”后依然存在，两者共同构成了一个发展的轨迹。
  • 聚类： 社会模块在很大程度上是单维度的（发展梯度）。然而，出现了一个独特的“高压力、低参与”类群，其特征是处于中等发展水平，但劳动力参与率受限且水压力较高。
  • 验证： 当国家被留出时，灵活的学习器表现不如线性模型（R² 降至接近零或负值），这表明一旦移除国家身份，社会指标对跨国差异的预测能力极弱。
• 治理支柱：
  • 关于制度质量的无效结论： 制度质量水平（吸收了四个 WGI 指标 91.9% 方差的第一个主成分）在所有估计量中都与水压力无关。
  • 构成中的信号： 第二个主成分（代表“相对于国家能力的问责制”）在横截面模型中携带了强烈的负系数（−1.10）。行政能力高但问责制低的经济体（例如海湾租金国家）表现出最高的水压力。
  • 主导预测因子： 女性与男性劳动力参与率之比是三个支柱中最显著的预测因子。其偏依赖关系揭示了一个集中在 55–59% 区间的阶梯函数（断点函数），这是线性规范无法察觉的特征。
  • 验证： 在分组交叉验证下，线性回归的表现优于所有灵活的学习器（R² 为 0.27 对 0.08），证实了该关系实际上是线性的，且没有遗漏任何非线性结构。

意义与主张
本文声称解决了文献中的三个空白：

1. 概念层面： 这是首个将主权 ESG 分解应用于水压力作为因变量的研究，比较了三大支柱对同一样本的解释力。
2. 估计层面： 通过区分国家内变动与国家间结构，本文证明了案例研究与跨国文献实际上是在回答不同的问题。关于 99.1% 的方差是结构性的这一发现，挑战了水压力是响应年度调整的政策变量这一假设。
3. 方法论层面： 本文将治理指标的共线性视为实质性的测量问题（需要正交化），而非仅仅是估计中的干扰。同时，本文利用机器学习并非为了预测，而是为了验证线性函数形式的充分性，并检测特定的非线性关系（农业用地的 U 型关系、劳动力参与率的阶梯函数）。

作者得出结论，水压力是国家继承的约束，而非其交付的绩效。因此，“制度质量”的水平对于主权水压力评估是缺乏信息的；相反，制度的“构成”（特别是能力与问责制之间的平衡）以及劳动力参与率等结构性因素才是关键决定因素。本文认为，主权 ESG 框架应将水压力视为一种结构性风险因素，而非一项评分绩效指标，因为它具有缓慢移动且由禀赋驱动的特性。