没有水源，就没有收益：大规模水资源调配对城市土地市场的影响

《Land Use Policy》：No water, no gain: The impact of large-scale water transfers on urban land markets

　　摘要：本研究通过关注中国的一个大规模跨流域调水项目，探讨了水资源可用性对城市土地市场的影响。利用差分差异（DID）框架和独特的地块级数据集，我们发现该项目使受水地区的平均土地价格上涨了8.47%，同时刺激了城市土地市场活动，最终促进了城市经济增长和扩张。这些效应主要通过两个渠道实现：人口增长和流动性以及加速的工业扩张——所有这些都是由大规模调水项目引发的。进一步分析表明，该项目对土地价格的影响几乎完全集中在住宅和商业用地上，而对工业用地的影响微乎其微。此外，积极影响在项目的中线段和干旱地区更为明显。值得注意的是，我们没有发现该项目对供水地区土地市场产生负面影响的实证证据。粗略计算表明，土地价值的提升可以回收项目总投资的三分之一以上，这突显了其巨大的经济效益。

1. 引言
水是所有经济活动的基本投入。然而，全球仍有数十亿人面临水资源匮乏的问题，水资源在国家和地区之间的分布存在显著的空间和时间差异。《2023年联合国世界水资源开发报告》指出，估计有20-30亿人面临水资源短缺。随着气候变化的加剧和人口激增，这些问题将更加严重，可能阻碍许多国家的经济发展（Mekonnen和Hoekstra, 2016; Scanlon等, 2023）。为缓解这一危机，各国政府实施了各种干预措施，如大坝、水库和灌溉系统。虽然这些项目在时间和空间上重新分配水资源方面发挥了关键作用，但它们通常局限于特定的河流流域或局部区域，从而限制了其范围和整体影响（Duflo和Pande, 2007; Strobl和Strobl, 2011; Dillon和Fishman, 2019）。为应对这些挑战，世界各国政府越来越多地考虑大规模、长距离的调水项目作为潜在解决方案。一些国家已经提出并实施了长距离调水计划，例如美国的加州州水资源项目、印度的国家河流连接项目和中国的南水北调项目（SNWT）。这些计划旨在将大量水资源从水资源丰富的流域转移到水资源严重短缺的地区，从而可能显著改善水资源分布（Misra等, 2007; Macfarlane, 2023）。尽管这些项目具有巨大的潜在效益，但由于需要巨额资金、建设周期长以及潜在的环境影响，它们通常被视为高风险项目（Shumilova等, 2018; Huang等, 2025）。

多项近期研究探讨了这些项目的工程、水文和经济效应，其中重点关注了世界上最大的SNWT项目。Xie等（2023）发现，SNWT项目的中心线路显著提高了接收县的经济发展水平6.1%，并使这些县的建成区占比增加了0.671个百分点。Huang等（2025）发现该项目使接收县的粮食总产量增加了8.2%，农业生产力增加了4.7%。Cui等（2025）进一步发现，该项目改善了接收地区的供水和农业生产，但导致源地区的农业衰退，进而对劳动力市场和农村福利产生了不同的影响，从而对附近城市的增长和扩张产生了不同的影响。本文通过关注城市土地市场来探讨中国SNWT项目的影响，这是现有文献中较少涉及的部分。该项目由中国政府启动，旨在缓解中国南北部之间的严重水资源差距，第一阶段的工程包括两条省际调水线路，即中线和东线，总长度接近3000公里。东线于2014年开始运行，中线随后于2015年投入使用。该项目主要为满足住宅、工业和环境用水需求而设计，主要受益者为城市地区。虽然已有研究考察了SNWT项目对环境和农业的影响（Cui等, 2025; Huang等, 2025），但关于其对城市经济活动（如土地市场）的广泛影响的实证证据仍然较为有限。

我们关注土地市场有三个原因：首先，土地价格反映了未来收入和便利设施的现值折扣，是评估大规模基础设施长期影响的重要指标（Naidoo和Ricketts, 2006; Strange等, 2006）；其次，土地交易是中国地方政府的重要财政收入来源（Wang等, 2025）；第三，土地价值是家庭和企业财富的核心，支撑着房地产市场并作为关键的抵押品（Davis和Heathcote, 2007; Davis和Palumbo, 2008; Nichols等, 2013）。因此，研究SNWT项目对土地价值的影响有助于评估这一大规模基础设施投资带来的福利分配。

一个核心的实证挑战是项目线路选择与现有社会经济条件之间的潜在相关性（Cui等, 2025）。由于线路选择主要是基于工程成本最小化，我们采用了差分差异（DID）设计方法。具体来说，我们比较了项目实施前后的受水县与相邻未受影响县的土地交易和土地价格。我们还采用事件研究方法进行评估，并进行了一系列稳健性检验。我们的分析依赖于一个新颖的地块级数据集，该数据集整合了2010至2022年的土地交易记录、卫星影像、县级社会经济统计数据和企业注册信息，并与数字化的项目地理信息相匹配。

我们的结果显示，SNWT项目显著提升了受水地区的土地价值和市场活动。在水资源供应开始后，需求量大的县的土地价格上涨了8.47%，这一效应在经济和统计上都具有显著性。从广度上看，市场活动扩大：土地交易数量增加了16.8%，交易面积增加了11.3%，总交易价值增加了17.1%。这些效应随着时间的推移而增强，并在不同设定、额外控制变量和对照组定义中保持稳健。通过整合广泛的县级经济调查、企业注册数据和人口普查数据，我们发现SNWT项目对土地市场的影响本质上是需求在供应有限条件下的扩张。核心机制是该项目促进了人口增长和工业发展，从而推动了土地需求的增加。在受水地区，人口密度增加了4%，主要得益于年轻人口和移民的流入。企业层面的数据显示，企业数量、非农业产出和就业都有显著增长，这与集聚经济效应一致。

异质性分析表明，土地价格的增长主要集中在住宅和商业用地上，而工业用地的反应不明显。大部分收益集中在中线段，这一模式反映了地理、工程设计和水资源调运能力的差异。在干旱地区，效应最为显著，这凸显了水资源稀缺条件下的高边际价值。我们进一步发现，该项目最终促进了城市经济增长和空间扩张：人均GDP、夜间照明水平和建成区面积分别增长了5.56%、2.21%和6.70%。我们还研究了供水地区受到的影响：尽管这些地区承担了环境和资源成本，但没有发现其土地市场出现显著变化，表明对城市土地价值的负面影响有限。粗略计算表明，仅土地价值提升就产生了约933.8亿元人民币的收益，这可以回收项目总投资的三分之一以上。

本研究扩展了关于基础设施经济效应的文献，记录了大规模调水项目作为气候适应投资的作用。以往的研究主要集中在水利基础设施（如大坝、运河和跨流域调水）上，重点是灌溉效益（Duflo和Pande, 2007）、农业生产力（Blakeslee等, 2023）及相关的发展和健康结果。最近的研究探讨了印度运河系统的农业收益以及SNWT项目的农村经济影响（Cui等, 2025; Huang等, 2025）。然而，这些项目对城市经济的影响尚未得到充分探索。本文提供了新的证据，说明了大规模水资源再分配如何影响城市土地价格和交易活动。

本研究为城市土地市场文献做出了贡献，这一领域涉及经济增长、人口迁移和城市形态的交叉点。大量研究表明，城市扩张和劳动力流入会促进土地需求和价格上涨（Henderson, 2003），其中人口增长通过住房需求产生了特别显著的影响（Chen等, 2025）。基础设施投资还通过降低交易成本和增强经济联系来塑造土地市场（Debrezion等, 2007; Chandra和Vadali, 2014）。此外，包括土地使用监管和税收在内的政策工具也会影响价格和分配（Kong等, 2024; Tian等, 2024）。我们通过展示水资源可用性的改善（这一常被忽视的基础设施方面）如何显著提升城市土地价值和市场活动，进一步丰富了这一文献。

本研究还指出了水资源分配的后果。水资源有限会限制农业生产力（Duflo和Pande, 2007），阻碍城市增长（Hornbeck和Keskin, 2014），并降低社会福祉（Gleick, 2003）。例如，美国的地下水枯竭导致农田价值下降（Hornbeck和Keskin, 2014），而城市中的水资源短缺则限制了增长潜力（Gleick, 2003）。我们的发现突显了大规模调水的不对称空间效应：收益主要惠及接收地区，而供应地区承担的成本在市场结果中不太明显。这些结果强调了水资源基础设施在塑造区域不平等方面的重要作用，并为资源管理和补偿政策的设计提供了见解。

本文的结构如下：第2节介绍了SNWT项目的背景和概念框架；第3节详细阐述了实证策略，包括模型、变量和数据集；第4节报告了实证发现及其背后的机制；第5节分析了项目在不同土地利用类型、中线与东线之间以及与水资源可用性相关的差异性影响；第6节进行了进一步分析，包括分配效应和成本效益评估；第7节得出了结论。该渠道从位于汉江（长江的主要支流）上的丹江口水库引水，利用重力将水输送到河南和河北两省，最终到达北京和天津。建设过程中涉及提高大坝水位和扩大水库容量，大部分渠道都是新建的开放式水道。东线的建设始于2002年12月27日，并于2013年12月8日开始供水。与中线不同，东线直接从长江下游取水，并依靠现有的河流和湖泊（包括京杭大运河）将水向北输送。共有13个泵站将水提升到更高的地势，从而可以将其分配到江苏和山东两省，以及天津和河北（从2019年开始）。然而，由于成本高昂和技术复杂，西线的建设尚未启动。西线设计的目的是将长江上游的水引到黄河，以缓解中国西北地区的缺水问题。图1展示了东线和中间线第一阶段的地理布局，附录图A1进一步说明了该项目与河流网络之间的关系。

**SNWT项目的三个特点：**
1. **完全由中央政府规划、资助和实施**：该项目的主要目标是缓解北京-天津-河北（BTH）地区的水资源短缺问题，同时根据需要向沿线其他缺水地区供水。
2. **供水具有特定路线且受到严格监管**：如附录表A2所示，大多数接收水资源的城市只通过一条路线获得供水。
3. **优先满足城市需求**：该项目主要满足城市居民、工业和生态用水需求，农业、航运等用途的用水量占总供水量的较小部分，因此主要惠及城市而非农村地区。

自2014年东线和中间线投入运行以来，该项目已稳定运行了十多年，覆盖范围和供水量逐步扩大。截至2024年12月，这两条渠道累计输送了765亿立方米的水，其中731亿立方米被输送到接收地区。目前，该项目为45多个城市供水，惠及约1.85亿人。除了满足用水需求外，该项目还通过补充生态水流来遏制过度抽取地下水并改善环境质量。

**概念框架：**
在本节中，我们使用简单的供需框架来说明SNWT项目如何影响土地市场中的价格和数量。与其他商品一样，土地的价格由供需平衡决定，供需的变化会导致价格调整。图2直观展示了SNWT项目对接收地区土地市场供需的影响以及价格变化机制。纵轴代表土地价格（P），横轴代表土地数量（Q）。图中还包括供给曲线、需求曲线以及均衡点的变化。

**供给方面：**中国的所有城市土地都归国家所有，地方政府通过土地使用权出租制度作为唯一的供给方。中央政府实行严格的自上而下的土地配额制度，限制每年新开发的土地总量，以保护耕地和控制城市扩张。因此，总土地面积是固定的，中国实施了严格的土地使用规定。

**需求方面：**在接受水资源的地区，短期内土地供给具有刚性，长期弹性较弱。由于规划审批和生态限制等制约因素，供给调整速度慢于需求变化。在水资源稀缺的地区（如中国北方），过度抽取地下水导致井的成本上升、土地沉降和含水层枯竭。SNWT项目通过用地表水替代地下水，缓解了含水层压力，可能减缓土地沉降并减轻长期土地退化。然而，这种效果并非立竿见影：恢复含水层和逆转沉降需要数十年的生态恢复时间。

**基于上述分析，我们提出以下假设：**
- **H1**：SNWT项目对接收地区的土地市场价值和交易活动有积极影响。
- **H2**：SNWT项目通过促进人口流入提高了接收地区的土地价值。
- **H3**：SNWT项目通过促进工业发展提高了接收地区的土地价值。
- **H4**：SNWT项目可以通过促进经济增长和城市扩张进一步推动土地价值上升。

**实证设计：**本研究采用差异-in-differences（DID）方法来估计SNWT项目对接收地区土地市场的因果影响。具体而言，通过比较项目实施前后处理组（接收地区）和对照组的结果变量变化来确定项目的处理效应。这一方法的核心假设是“平行趋势条件”，即在没有SNWT项目干预的情况下，处理组和对照组的成果变量会呈现相似的时间趋势。由于SNWT项目是中央政府统一规划并实施的，其路线选择主要受到地理和水文条件的限制。在本研究中，处理组被定义为项目线路上的高用水需求县，对照组包括半径300公里内未直接涉及项目的邻近县。根据这些特点，可以假设在没有SNWT项目的情况下，处理组和对照组的土地价格、经济发展和用水情况会呈现相似的趋势。如果地块i属于处理组，则指标Treatic等于1；在治疗后年份，Postt也等于1（SNWT项目的东线和中线分别于2014年和2015年开始运营）。λc捕捉县级固定效应，μt表示年份固定效应，Xict代表一组控制变量，εict是误差项。α是截距项，β和γ分别是交互项和控制变量的系数，这些都是需要估计的参数。尽管处理组和对照组在地理位置上接近，但附录表A4中的平衡测试显示，在几个治疗前特征上存在系统性差异，包括地理和社会经济因素。为了减轻这些不平衡可能带来的偏差，我们在地块和县级两个层面上控制了一组协变量Xict。地块层面的控制变量包括土地类型、来源和交易方式。县级控制变量包括地理属性（海拔、坡度、崎岖度和面积）以及社会经济指标（人均GDP、人口密度和GDP中的工业占比）。为了避免控制治疗后的结果（即“不良控制”），我们将这些县级协变量的基线值（即2010年的值）与年度趋势进行交互。为了考察SNWT项目对土地市场活动的更广泛影响——而不仅仅是价格效应——我们还在县级层面估计了一个平行模型：(2)????????????????=??+???????????????????×?????????????+??????????+????+????+???????其中Landct代表第t年c县的土地交易数量、总交易面积或土地交易总价值，所有这些都以对数形式表示。该模型包含了县级固定效应λc和年份固定效应μt，标准误差在县级层面进行聚类，以考虑县内随时间的任意相关性。系数β捕捉了SNWT项目对土地价格或市场活动的平均处理效应（ATE）。这一ATE是在平行趋势假设下确定的：在控制变量和固定效应的条件下，如果没有该项目，处理组和对照组将表现出相似的趋势。这个假设确保了在SNWT项目之后，对照组能够充分模拟未受该项目影响的情况。如果这个条件成立，估计的系数反映了项目的因果效应。任何违反这个假设的情况都会引入估计误差。尽管关于反事实结果的平行趋势假设是不可检验的，但我们使用以下事件研究模型来评估其合理性：(3)???????????????????=8∑??=?5,≠?1????????????????????????×????????????????+?????????????+????+????+???????(4)????????????????=8∑??=?5,≠?1?????????????????????×????????????????+??????????+????+????+???????其中Yeartj代表相对于SNWT项目运营的第j年。负的j值表示项目运营前的时期；正的j值表示项目运营后的时期。其他变量的解释与模型(1)相同。项目运营前的那一年，j?=?-1，作为基准年。系数βj捕捉了项目的动态效应，反映了每年处理组和对照组之间的结果差异。如果治疗前的系数很小且在统计上不显著，这强烈表明平行趋势假设得到满足。相反，显著的治疗后系数表明SNWT项目对土地价格和市场结果产生了动态且不断变化的影响。

3.2. 变量
主要结果变量是单个地块的交易价格，以单位土地价格的对数形式衡量。单位土地价格计算为总交易价值除以地块面积（单位为每公顷10,000元）。在总体层面，我们还考虑了县级结果，包括交易数量的对数、总交易面积和土地交易总价值。为了探索潜在的机制和更广泛的社会影响，我们补充了额外的县级变量，包括人均GDP、平均夜间照明强度、不透水面面积占比、城区面积、企业数量、人口密度和按年龄划分的人口统计数据。
主要处理变量是一个交互项Treat×Post，如果c县在SNWT项目开始运营后位于受水区，则该变量取值为1。总共403个县被归类为处理组。对照组包括SNWT项目300公里半径范围内的570个县，但这些县并不直接连接到输水系统。图3显示了处理组和对照组的地理分布。在稳健性检测中，我们还使用了200公里的半径来定义替代的对照组。SNWT项目的东线于2013年12月8日开始运营，中线于2014年12月12日开始运营。相应地，我们将受东线影响的县的处理时间定为2014年，受中线影响的县的处理时间定为2015年。对于同时连接两条线路的县，我们根据较早的时间点来确定处理开始时间。

3.3. 数据
土地交易数据。我们从自然资源部的官方网站（http://www.landchina.com）收集了2010年至2022年中国所有土地交易的详细交易数据。每个观测值包括地块的位置、项目名称、地址、土地面积、交易价值和合同签订日期。我们实施了以下数据清洗步骤：删除缺少或不明确的县标识符的地块；排除土地面积或价格为零或负数的记录；将价格和面积单位标准化为10,000元每公顷和公顷；通过对价格和面积进行Winsorization处理（去掉最顶端和最底端的1%极端值）。预处理后，保留了1854,417个有效的地块级观测值。图4显示了2019年的土地交易分布，附录图A2进一步展示了2019年每个县的土地交易数量总结。

4.1. 基线结果
表1展示了本研究主要变量的描述性分析。详细说明这些变量见第3节。治疗指标的估计系数为0.1313，在1%的水平上显著，表明SNWT项目使得受治疗县的土地价格上涨了大约13.13%。在第(2)到(4)列中，我们依次加入了地块级别、县级和社会经济控制变量。估计系数仍然在统计上显著且为正，尽管其幅度略有减小。在完全控制的情况下，治疗效果为0.0847，意味着在实施SNWT项目后，接受水的县的土地价格上涨了大约8.47%。表2显示了SNWT项目对接受水区域的土地价格的影响。

为了进一步验证平行趋势假设并探索动态治疗效果，我们采用了事件研究方法。图6的A面板绘制了相对于基年的方程(3)的估计值及其95%置信区间。附录表A5中报告的治前估计值接近零且在统计上不显著，这支持了在DID框架中进行因果识别所必需的平行趋势假设。治后系数为正，在统计上显著，并且呈现出随时间上升的趋势，表明SNWT项目对受治疗县的土地价格产生了持久且递增的影响。考虑到最近关于具有双向固定效应的交错治疗设计中潜在偏见的担忧（例如Goodman-Bacon 2021年和Roth等人2023年的研究），我们还应用了Borusyak等人(2024年)提出的另一种稳健估计方法。附录图A4中的结果与我们的基线估计高度一致。

为了进一步验证平行趋势假设并探索动态治疗效果，我们采用了事件研究方法。图6的A面板绘制了相对于基年的方程(3)的估计值及其95%置信区间。附录表A5中报告的治前估计值接近零且在统计上不显著，这支持了在DID框架中进行因果识别所必需的平行趋势假设。治后系数为正，在统计上显著，并且呈现出随时间上升的趋势，表明SNWT项目对受治疗县的土地价格产生了持久且递增的影响。考虑到最近关于具有双向固定效应的交错治疗设计中潜在偏见的担忧（例如Goodman-Bacon 2021年和Roth等人2023年的研究），我们还应用了Borusyak等人（2024年）提出的另一种稳健估计方法。附录图A4中的结果与我们的基线估计高度一致。

我们进一步使用方程(2)检验SNWT项目对土地市场活动的影响，重点关注三个县级结果变量：土地交易总数、总交易面积和总交易价值。表3展示了估计结果。第(1)、(3)和(5)列报告了仅包含县级和年度固定效应的基线设定，而第(2)、(4)和(6)列在基线设置中增加了县级控制变量。在所有设定中，治疗指标的系数在统计上仍然显著为正。估计结果显示，与对照组相比，SNWT项目使受治疗县的土地交易数量增加了16.8%，总交易面积扩大了11.3%，总交易价值增加了17.1%。这些发现表明该项目显著刺激了接受水区域的土地市场活动，上述结果基本验证了假设H1。

为了评估SNWT项目的动态效果并验证平行趋势假设，图6的B、C和D面板展示了方程(4)的事件研究结果。治前系数接近零且在统计上不显著，这与平行趋势假设一致——这是DID框架有效性的一个必要条件。治后估计值在符号和幅度上都与基线DID结果相匹配，证实了受治疗县的土地市场活动在项目实施后经历了显著增长。此外，为了解决交错治疗时间可能导致嘅潜在偏见，我们使用了Borusyak等人（2024年）提出的稳健估计方法重新估计了事件研究模型。如图A4所示，这些重新估计的结果与基线发现一致，进一步证实了我们的结论关于该项目对土地市场影响的可靠性。

我们的发现与现有文献关于大规模基础设施项目对土地市场影响的研究结果一致。具体来说，Cui等人（2025年）和Huang等人（2025年）记录了接受水区域的水资源可用性显著改善——包括地表水和地下水。在此基础上，Cui等人（2025年）进一步证明该项目使城市规模扩大了7%，建成区夜间灯光强度增加了4%，人口密度增加了3%，这种扩张在城乡交界处尤为明显。虽然我们的结果与这些先前的研究大致一致，但它们揭示了更显著的经济效应，这可能源于土地市场对该项目供水改善的更高响应度，相较于早期研究中考察的其他社会经济指标而言。此外，我们的结果也与探索土地市场决定因素的研究相吻合，特别是那些关注交通基础设施的研究。Zhou等人（2018年）发现，连接到高速铁路（HSR）网络的中国城市的土地价格比未连接城市的土地价格高出7%；此外，高速铁路的推出使土地交易数量增加了17%，总交易面积增加了19%，总交易价值增加了21%。主要机制是高速铁路带来了人口和产业的聚集，从而产生了对商业和住宅用地及相关收入的额外需求。类似地，Chang等人（2022年）报告称高速铁路的发展推高了土地价格。这些证据共同表明，像SNWT项目这样的水资源基础设施对土地市场的影响在方向和幅度上都与交通基础设施的影响相当。

为了确保我们核心实证结果的可信度和可靠性，我们进行了一系列包含多个维度的稳健性检验，包括替代对照组、交错DID估计器、更丰富的固定效应、各种定制的控制组、工具变量方法和空间溢出效应。这种多方面的验证方法旨在排除混杂因素的影响，并测试我们的主要发现是否在不同分析设置下仍然成立，从而进一步巩固了关于SNWT项目对土地市场影响的结论的可靠性。

在我们的基线设定中，对照组被定义为治疗区域周围300公里缓冲区内的县。这种设置确保了足够的样本量，同时保持了治疗组和对照组之间的地理邻近性。为了测试这一半径选择的稳健性，我们将缓冲区缩小到200公里——这种修改增强了两组之间的可比性，但减少了总体样本量。如表4的A面板所示，估计结果在符号和统计显著性上保持一致，且效应大小与基线估计非常接近。这一结果证实，我们关于SNWT项目对土地市场影响的基线发现不受用于定义对照组的特定缓冲半径的影响。

为了评估SNWT项目的动态效果并验证平行趋势假设，图6的B、C和D面板展示了方程(4)的事件研究结果。治前系数接近零且在统计上不显著，这与平行趋势假设一致——这是DID框架有效性的一个必要条件。治后估计值在符号和幅度上都与基线DID结果相匹配，证实了受治疗县的土地市场活动在项目实施后经历了显著增长。此外，为了解决交错治疗时间可能导致的潜在偏见，我们使用Borusyak等人（2024年）提出的稳健估计方法重新估计了事件研究模型。正如附录图A4所示，这些重新估计的结果与基线发现一致，进一步证实了我们关于该项目对土地市场影响的结论的可靠性。

我们的发现与现有文献关于大型基础设施项目对土地市场影响的研究结果一致。具体来说，Cui等人（2025年）和Huang等人（2025年）记录了接受水区域水资源可用性的显著改善。在此基础上，Cui等人（2025年）进一步证明该项目使城市规模扩大了7%，建成区夜间灯光强度增加了4%，人口密度增加了3%，特别是在城乡交界处这种扩张尤为明显。虽然我们的结果与这些先前的研究大致一致，但它们揭示了更显著的经济效应，这可能源于土地市场对项目供水改善的更高响应度，相比早期研究中考察的其他社会经济指标。如表4的G面板所示，重新估计的结果与基准模型的结果高度一致，进一步验证了我们的发现关于南水北调项目对土地市场影响的稳健性。尽管南水北调的路线设计主要是基于成本最小化考虑，而非经济因素（Cui等人，2025年），并且我们的基准模型已经控制了可能与处理选择相关的关键地理和社会经济变量的时间趋势，我们还是使用工具变量（IV）方法来进一步解决潜在的内生性问题。遵循Faber（2014年）和Huang等人（2025年）的逻辑，即调水路线遵循受地形限制的最低成本路径，我们根据直线距离构建了一个工具变量。对于中间路线，我们从丹江口水库出发，画两条直线分别到终点北京和天津。对于主要沿用历史京杭大运河的东路线，我们使用运河的北段，并画一条直线到最东端的威海。然后我们定义一个虚拟变量，如果一个县的中心点距离这两条直线中的任何一条在30公里以内，则该变量等于1，并与该变量的处理后指标进行交互，以此作为实际处理状态的工具变量。这个工具变量的有效性取决于两个条件：相关性和外生性。相关性条件得到了满足，因为直线距离捕捉到了南水北调路线设计的最低成本通道，而且下面报告的第一阶段F统计量证实了其强大的预测能力。排除限制要求距离仅通过其对调水状态的影响来影响土地市场结果。这是合理的，因为距离测量是一个纯粹基于最低成本路径的地理构造；它不反映任何可能独立影响土地价格的经济政策、投资偏好或市场预期。此外，我们的模型还控制了海拔、坡度和面积的时间趋势，吸收了直接的地理效应。在这些控制条件下，从距离到土地价格的唯一经济上有意义的途径是通过南水北调项目的水供应。

附录表A6的A面板展示了IV的结果。第（1）列报告了第一阶段：距离工具变量强烈预测了实际的处理情况，其F统计量远高于常规的10阈值，排除了工具变量弱效的担忧。第（2）至（5）列的第二阶段估计显示，南水北调项目对土地价格、交易量、交易面积和交易价值均有持续的正影响。虽然IV系数略高于基准DID估计值，但它们的置信区间重叠，且差异在统计上不显著。作为另一种识别策略，我们采用了先前基础设施研究中的预测概率方法（Lipscomb等人，2013年；Dreher等人，2021年；Huang等人，2025年）。我们根据合理的地理特征（距离直线路线的距离、纬度、经度、海拔和坡度）估计每个县接受调水的前景概率。这个替代工具变量遵循与基于距离的工具变量相同的识别逻辑：它依赖于合理的地理特征来预测处理状态，其影响土地市场结果的途径仅通过南水北调项目的水供应。

关于我们对照组定义（距离处理区300公里内的县）的一个有效担忧是，接收水的县可能会吸引来自邻近未处理区的资本和人口，从而压低对照组的土地价格，并使我们的处理效果向上偏差。为了评估这种溢出的严重性，我们进行了两个补充测试。首先，我们直接测试南水北调项目是否影响了处理区相邻县的土地市场。我们仅限制样本为未处理区，并估计了一个修改后的DID模型，将该模型中的县分为0-50公里范围内（近距离邻居）和0-100公里范围内（远距离邻居）与位于100-200公里外的对照组县进行比较。如果存在负面溢出，我们预计邻近县的土地价格会相对于100-200公里组下降。如附录表A7的A面板和B面板所示，两个距离段的系数幅度都很小，在所有土地结果上均不具有统计学意义，没有证据表明存在可检测的溢出效应。其次，我们在依次排除可能受到溢出影响的邻近县后重新估计了我们的基准模型。具体来说，我们首先排除了0-50公里范围内的所有县，然后是0-100公里范围内的县，使用剩余的对照县进行识别。如果溢出确实影响了我们的估计，排除受影响的邻居将导致处理系数的显著变化。如附录表A7的C面板和D面板所示，排除0-50公里范围内的邻居或0-100公里范围内的邻居后，估计结果仍然非常稳定。这种轻微的下降与预期的溢出偏差方向一致，但幅度很小，表明任何偏差都是适度的。

4.3. 机制分析
本节探讨了南水北调项目可能对接收水地区的土地市场产生影响的潜在渠道。如第2节所分析和假设的，水资源可获得性的提高可以重塑人口动态，并促进工业发展，这些都是南水北调项目的直接效应。这些因素每一个都有潜力增加土地价值并提振土地交易活动。为了验证这些渠道，我们使用县级数据进行了实证测试，采用了与我们的基准模型一致的实证规范。

人口变化
水资源可用性可以通过缓解居住限制、提高生活水平以及吸引移民来塑造人口动态。水资源短缺会导致人口外流并抑制劳动力参与（Gray和Mueller，2012年；Blakeslee等人，2020年），而灌溉和调水项目已被发现可以增加人口密度（Blakeslee等人，2023年）。通过改善水资源安全，南水北调项目可能增强了接收城市吸引和维持人口流入的能力（Cui等人，2025年）。表5报告了南水北调项目的人口效应。第（1）列显示，处理县的人口密度增加了4.4%。第（2）至（4）列展示了年龄结构的变化：0-14岁儿童和15-64岁劳动年龄人口的比例分别增加了1.04和1.95个百分点，而65岁及以上老年人口的比例减少了2.99个百分点。这些发现表明该项目吸引了更年轻、更具经济活力的人口。最后，在考察人口流动性时，第（5）和（6）列显示，来自省内其他省份的移民分别增加了18.12%和7.52%。这些结果支持了H2假设，并与Cui等人（2025年）和Xie等人（2023年）揭示的南水北调项目的劳动力再分配效应一致，这些模式表明接收水地区不仅对当地居民更有吸引力，也对来自其他地区的移民更有吸引力。

表5. 南水北调项目对人口结构的影响。

4.3. 机制分析
本节探讨了南水北调项目可能通过哪些渠道对接收水地区的土地市场产生影响。如第2节所分析和假设的，水资源可获得性的提高可以重塑人口动态，并推动工业发展，这些都是南水北调项目的直接效应。这些因素每一个都有潜力增加土地价值并促进土地交易活动。为了验证这些渠道，我们使用县级数据进行了实证测试，采用了与我们的基准模型一致的实证规范。

人口变化
水资源可用性可以通过缓解居住限制、提高生活水平以及吸引移民来影响人口动态。水资源短缺会导致人口外流并抑制劳动力参与（Gray和Mueller，2012年；Blakeslee等人，2020年），而灌溉和调水项目已被发现可以增加人口密度（Blakeslee等人，2023年）。通过提高水资源安全，南水北调项目可能增强了接收城市吸引和维持人口流入的能力（Cui等人，2025年）。表5报告了南水北调项目的人口效应。第（1）列显示，处理县的人口密度增加了4.4%。第（2）至（4）列展示了年龄结构的变化：0-14岁儿童和15-64岁劳动年龄人口的比例分别增加了1.04和1.95个百分点，而65岁及以上老年人口的比例减少了2.99个百分点。这些发现表明该项目吸引了更年轻、更具经济活力的人口。最后，在考察人口流动性时，第（5）和（6）列显示，来自省内的移民和其他省份的移民分别增加了18.12%和7.52%。这些结果支持了H2假设，并与Cui等人（2025年）和Xie等人（2023年）所展示的南水北调项目的劳动力再分配效应一致，这些模式表明接收水地区不仅对当地居民更有吸引力，也对来自区域外的移民更有吸引力。

表5. 南水北调项目对人口结构的影响。

5. 异质性分析
本节探讨了南水北调项目在三个维度上的异质性影响：土地利用类型、项目路线和基准干旱条件。每种分析都基于基准DID模型，并在差异-差异-差异（DDD）框架中引入了额外的交互项。

5.1. 土地利用类型
在中国，地方政府经常根据土地利用类型采取不同的土地定价策略。工业用地通常以相对较低的价格出售以吸引投资，而住宅和商业用地则定价较高以最大化财政收入（Zhou等人，2018年；Zhang等人，2025年）。部分原因是工业用地市场往往是需求驱动的（买方市场），而住宅和商业用地市场则是供给受限的（卖方市场）。南水北调项目可能对这些土地利用类型产生不同的影响：尽管水资源供应的改善可以促进工业发展和提高住宅吸引力，但政府的定价策略可能导致不同土地利用类型的效应不对称。为了评估这种定价策略的差异，我们定义了一个虚拟变量 Resident，如果地块i被指定为住宅或商业用途，则该变量的值为1，否则为0。然后，我们估计了一个DDD模型，该模型将 Resident 与处理指标进行交互。表7的第（1）列展示了结果。三重交互项的估计系数为0.1312，并且在统计上显著，表明项目实施后住宅和商业用地的价格大幅上涨。相比之下，基准DID项的系数接近零且不显著，表明对工业用地价格的影响很小。

表7. 不同土地利用类型下的土地交易异质性效应。

为了进一步评估南水北调项目在不同价格条件下对土地交易规模的影响，我们按土地利用类型进行了县级分析。表7中的第（2）-（7）列显示，对于住宅和商业地块而言，该项目对交易结果的影响——包括交易数量、交易面积和交易总额——比工业地块更为显著。这些发现证实了该项目对土地市场的影响主要集中在非工业领域。这一模式与许多研究中的观察结果一致，例如Zhang等人（2025年）的研究。这是因为工业领域总是优先获得供水，以产生财政收入，即使是在SNWT供水计划之前也是如此。

5.2. 东线和中线之间的差异
SNWT项目由两个具有不同工程设计的主要组成部分构成。中线通过抬高丹江口水库的水位并利用重力驱动水流来取水。相比之下，东线从长江下游取水，并依赖于河流、渠道和泵站网络。因此，这两条线路之间的水量输送量存在显著差异。截至2024年，中线的累计输水量为625.93亿立方米，而东线的累计输水量仅为67.77亿立方米，仅为前者的10%。为了捕捉这两条线路之间潜在的效果差异，我们定义了一个虚拟变量Middle，如果一个县位于中线上，则该变量的值为1。然后，我们构建了一个DDD模型，表8展示了结果。第（1）列中的三重交互项系数为0.1217，具有统计学意义，表明该项目对土地价格的积极影响主要来自中线沿线的县。较小的且不显著的双差分（DID）系数表明SNWT项目对东线接收水的地区没有显著影响。

22 交易层面的分析进一步支持了这一发现。表8的第（2）-（4）列显示，中线沿线的县在土地交易量、面积和价值方面显著增加，相比之下，东线沿线的县则没有这些变化。Cui等人（2025年）也发现，中线项目对城市夜间照明和人口密度的影响比东线项目大2%至4%。

表8. 两条线路对土地交易的异质性影响。
空白单元格 价格 数量 面积 价值
空白单元格
(1) (2) (3) (4)
处理×后期 0.0175 0.0959 **0.0486 0.0640
空白单元格
(0.0347) (0.0426) (0.0427) (0.0537)
处理×后期×Middle 0.1217 ***0.1137 **0.1034 **0.1699 ***
空白单元格
(0.0442) (0.0522) (0.0507) (0.0618)
观测值 643,489 12,498 12,498 12,498
调整后的R平方 0.6592 0.7014 0.7196 0.7657
控制变量 是 是 是 是 是
县固定效应 是 是 是 是
年份固定效应 是 是 是 是
注释：价格表示土地交易价格。数量表示交易次数。面积表示交易面积。价值表示总交易额。所有因变量均取对数。县级控制变量包括海拔、坡度、 ruggedness、面积、人口密度以及2010年的GDP中的工业份额等年份趋势。括号中的标准误差在县级上聚集。显著性：*p<0.1，**p<0.05，***p<0.01。

一个担忧是，中线更强的效果可能反映了京津冀（BTH）地区的经济优势，而非工程差异。我们的基线模型已经控制了初始人均GDP、人口密度和工业份额的时间趋势，吸收了现有的省份间差异。为进一步解决这一问题，我们依次排除了BTH地区的县并重新估计了异质性。如附录表A10所示，即使排除了所有BTH地区的县后，三重交互项的估计值仍然为正且显著。这表明中线效果不能完全归因于BTH地区的经济主导地位，可能部分反映了工程特征——中线的重力供水专用渠道与东线的泵送依赖共享水道。

5.3. 基线水资源短缺
如果SNWT项目影响土地市场的主要机制是缓解水资源短缺，我们预期在水资源短缺地区应该会有更明显的效果。为此，我们构建了一个干旱指数，定义为潜在蒸散量与降水量的比率。然后，我们生成了一个虚拟变量Drought，如果一个县的干旱指数超过1.5（根据Meng等人（2004年）和Huang等人（2025年）的定义），则表示干旱程度较高。接着，我们将Drought指标与基线DID处理交互，以估计DDD模型，表9展示了结果。第（1）列的估计显示，在干旱易发地区，项目实施后土地价格比非干旱地区高出9.03%。相比之下，在非干旱地区的效果在统计上不显著，这与Huang等人（2025年）的农业影响研究结果一致。我们进一步探讨了交易结果的这种异质性。表9的第（2）-（4）列表明，SNWT项目对干旱受影响地区的土地交易量、面积和价值有更显著的影响。这些发现强调了水资源可用性在塑造土地市场动态中的重要性，并确认了该项目的好处主要集中在基线水资源短缺较为严重的地区。

表9. 不同干旱程度对土地交易的异质性影响。
空白单元格 价格 数量 面积 价值
空白单元格
(1) (2) (3) (4)
处理×后期 0.0328 0.1053 **0.0601 0.1097 **
空白单元格
(0.0545) (0.0420) (0.0414) (0.0530)
处理×后期×Drought 0.0903 *0.1052 **0.1603 ***0.1040 *
空白单元格
(0.0536) (0.0491) (0.0487) (0.0589)
观测值 643,489 12,498 12,498 12,498
调整后的R平方 0.4516 0.7014 0.7192 0.7655
控制变量 是 是 是 是
县固定效应 是 是 是 是
年份固定效应 是 是 是 是
注释：价格表示土地交易价格。数量表示交易次数。面积表示交易面积。价值表示总交易额。所有因变量均取对数。县级控制变量包括海拔、坡度、 ruggedness、面积、人口密度以及2010年的GDP中的工业份额等年份趋势。括号中的标准误差在县级上聚集。显著性：*p<0.1，**p<0.05，***p<0.01。

6. 进一步分析：分布效应和成本效益分析
该项目对经济增长和城市扩张的影响。长期以来，水资源短缺一直被认为是城市化的限制因素（Meinzen-Dick和Appasamy，2001年），也是城市经济增长的主要障碍（Desbureaux和Rodella，2019年），而水基础设施被认为能够缓解这些限制（Cui等人，2025年）。SNWT项目通过向以前面临严重水资源短缺的地区提供充足的水资源，从而缓解了限制其发展的主要瓶颈。上述分析表明，SNWT项目通过推动当地就业、吸引年轻人口流入、促进工业发展和便利资本流入，促进了土地市场的繁荣。表10展示了SNWT项目对当地城市经济结果的估计影响。第（1）列显示，该项目使处理过的县的人均GDP增长了5.56%。为了验证这一结果并解决GDP数据中的潜在测量误差，我们使用夜间光照强度作为当地经济活动的替代指标；第（2）列显示这一指标显著增长了2.21%，证实了经济活动的上升趋势。该项目对城市扩张的影响也很明显：第（3）列表示不透水面积（建成区的代理指标）增长了0.0842个百分点，而第（4）列使用高质量的多边形数据，显示城市建成区总面积增长了6.7%。总体而言，这些结果表明SNWT项目促进了当地经济增长和城市扩张，这与Cui等人（2025年）的发现一致。然而，鉴于水资源接收地区较高的经济发展水平，这种增长可能会加剧区域不平等，这是未来研究的一个关键方向。

表10. SNWT项目对城市经济结果的影响。
空白单元格 人均GDP 夜间光照强度 不透水土地比例 城市面积
处理×后期 0.0556 ***0.0221 ***0.0842 ***0.0670 ***
空白单元格
(0.0115) (0.0082) (0.0315) (0.0195)
观测值 12,649 12,649 12,649
调整后的R平方 0.9309 0.9868 0.9996 0.9622
控制变量 是 是 是 是
县固定效应 是 是 是 是
年份固定效应 是 是 是 是
注释：控制变量包括海拔、坡度、 ruggedness、面积、人口密度以及2010年的GDP中的工业份额等年份趋势。括号中的标准误差在县级上聚集。显著性：*p<0.1，**p<0.05，***p<0.01。

6. 对供水地区的影响
虽然基线分析表明SNWT项目在接收水的地区显著提高了土地价值和市场活动——通过缓解水资源短缺限制并促进人口和产业的集聚——但考虑该项目的分配后果至关重要。具体来说，我们研究了提供水的地区是否遇到了任何不利影响。供水地区可能会承担相当大的成本，包括当地水资源减少、由于项目基础设施导致的土地占用、居民搬迁，以及被迫关闭耗水密集型或污染型产业。原则上，这些成本可能会压低供水地区的土地价值或土地市场活动。为了评估这些潜在影响，我们进行了单独的DID分析。我们将被识别为供水地区的县（处理组）与其周围300公里半径内未直接受到项目影响的县（对照组）进行了比较。附录图A7绘制了处理组和对照组的地图。表11展示了估计结果。第（1）列报告了土地价格的影响。DID交互项的系数很小且在统计上不显著，表明SNWT项目对供水地区的土地价值没有明显影响。第（2）-（4）列评估了对土地交易活动的影响，包括交易数量、交易面积和交易总额。对于所有这三个结果，我们都没有发现统计学上的显著效果。

表11. SNWT项目对供水地区土地市场的影响。
空白单元格 价格 数量 面积 价值
空白单元格
(1) (2) (3) (4)
处理×后期 0.0317 -0.0020 0.0755 -0.0059
空白单元格
(0.0480) (0.0533) (0.0554) (0.0667)
观测值 608,130 10,058 10,058
调整后的R平方 0.3422 0.7418 0.7406 0.7870
控制变量 是 是 是 是
县固定效应 是 是 是 是
年份固定效应 是 是 是 是
注释：价格表示土地交易价格。数量表示交易次数。面积表示交易面积。价值表示总交易额。所有因变量均取对数。控制变量包括土地类型、土地来源、交易方式以及海拔、坡度、 ruggedness、面积、人口密度以及2010年的GDP中的工业份额等年份趋势。括号中的标准误差在县级上聚集。显著性：*p<0.1，**p<0.05，***p<0.01。

其中一个可能的解释是，供水地区内的相反力量相互抵消了。一方面，水源地区的生态保护政策可能限制了工业土地的发展，从而压低了工业土地价格。另一方面，来自水库保护和流域管理的环境改善可能会提高住宅和商业土地的价值。为了探索这种可能性，我们分别重新估计了供水地区工业用地和住宅用地的基线模型。如附录表A11所示，工业用地的处理系数很小且在统计上不显著，住宅用地和商业用地的处理系数也是如此。两个子样本都未显示出统计学上的显著效果，这几乎没有支持“抵消的特定行业效应导致了总体零结果”的假设。缺乏负面效果可能归因于该项目在供水地区的相对有限的空间影响。具体来说，项目的基础设施在大多数供水地区的总面积中所占比例不到1%，而被迫搬迁的人口主要是农村人口，并由政府重新安置，对城市土地市场的影响很小。图7报告了事件研究估计结果，同样与Cui等人（2025年）和Huang等人（2025年）的发现一致，他们都没有发现SNWT对这些地区的经济增长、城市扩张或土地市场产生不利影响。然而，即使总体效果不显著，也不能排除空间上的异质性调整。特别是，Cui等人（2025年）记录了城市发展的重新分配，建成区在城市核心区域扩大，而在城乡边缘地区缩小。

下载：下载高分辨率图像（485KB）
下载：下载全尺寸图像

图7. 供水地区土地市场的动态影响。
注释：这些图表显示了（3）、（4）中的估计事件时间系数以及95%置信区间。所有估计均相对于项目开始前的那一年。所有控制变量均已包括，标准误差在县级上聚集。

成本效益分析。为了明确项目的效益规模，我们进行了一个粗略的成本效益分析，重点关注接收水地区土地价值的增加。我们的估计显示，SNWT项目使处理过的县的总交易土地价值比对照县增加了17.16%。通过将这一效果应用到项目运营前一年的土地价格，并汇总处理过的县的数据，我们得到的估计效益为933.9亿元。考虑到官方记录显示SNWT的总投资超过2668.7亿元，仅城市土地价值的增长就足以弥补超过三分之一的项目成本。这是一个保守的下限，因为我们没有包括非土地市场的收益。

需要澄清几个注意事项。首先，我们的收益估计仅代表地方政府通过土地租赁获得的财政收入，并不涵盖总体社会福利。从中央政府评估南水北调工程（SNWT）成本效益的角度来看，这一财政回报具有直接相关性。其次，土地价格上涨不应等同于净社会收益。土地价值的上升可能反映了购买者向政府转移财富，或者居民和企业的生活成本增加，而不是纯粹的生产力提升或消费者和生产者剩余的变化。在我们的框架内，我们无法区分这些收益与SNWT项目直接导致的租金提取。第三，未来的研究可以利用家庭或企业面板数据来探讨这些分配后果。目前，我们将这一估计视为一种财政效益，它是对全面社会福利分析的补充，但不能替代后者。

我们的估计结果超过了相关研究中的数值。Huang等人（2025年）基于人均收入计算出的年内部收益率为6.4%，高于中国高速公路和其他大型基础设施项目的典型回报率4-6%。以2.5%的折现率估算，他们预测SNWT将在2034年实现收支平衡，即工程启动后的约二十年。相比之下，Cui等人（2025年）估计接收地区的年农业收益为32亿元人民币，但供给地区的年损失约为5亿元人民币。即使不考虑折现和收益衰减，这也意味着项目的回收期超过90年。如果将供给地区的非农业部门诱导增长（估值约为每年39亿元人民币，几乎是当地农业损失的八倍）纳入考虑，收支平衡的时间可以缩短至约40年。

综合这些比较，可以得出两个关键结论：首先，我们关于土地市场的估计显示的回报远高于仅考虑农业收益的计算结果；其次，将土地价值上升纳入分析显著改变了项目的成本效益前景，凸显了在评估大型基础设施投资时考虑土地市场的重要意义。

7. 结论

本研究通过DID框架探讨了中国南水北调项目对城市土地市场的影响。利用微观层面的土地交易数据、县级社会经济统计数据和遥感数据，我们观察到项目对受水地区土地相关成果产生了显著影响：平均土地价格上涨了8.47%，并促进了土地市场活动，表现为交易量增加、交易面积扩大和交易价值提升。这种效应主要集中在商业和住宅用地，并且在中间路线及干旱程度较大的地区更为明显。证据表明，人口流入和工业扩张可能是推动土地价值上升的潜在渠道。相反，在供水地区未发现土地市场出现统计学上的显著变化。

这些发现为大规模水资源转移项目对土地市场的影响提供了新的实证依据，并带来若干政策启示：首先，重要的水利基础设施可以通过缓解资源制约推动城市化和经济发展，进而导致土地价值上升，这强调了将水资源配置融入城市规划和土地利用政策中的重要性；其次，虽然土地价值上升提供了财政空间，但应将其视为维护成本的过渡性融资机制，而非长期增长模式，因为土地融资存在诸多已知风险；第三，尽管供水地区未出现显著影响从分配角度来看令人宽慰，政策制定者仍需通过补偿措施和生态保护措施来预见和减轻潜在的不利后果（如资源枯竭和生态压力）。

这项研究也存在一些局限性，同时也指出了未来研究的方向。首先，本文基于供需的理论框架可能过于简化和抽象，对土地市场刚性的假设可能过于严格。未来的研究需要发展更精确的一般均衡框架来探讨水资源、基础设施与土地市场之间的关系；其次，尽管基础设施带来的土地增值为地方政府创造了财政收益，但其在不同土地权属类型及处理组与对照组之间的分配差异表明，这种投资可能加剧分配和地区不平等，其净公平效应仍是一个未解的实证问题；最后，我们的分析仅关注土地市场结果，未考虑环境质量、家庭福祉和社会公平等更广泛的福利相关方面。未来的研究应采用多维框架来更全面地把握这些权衡因素。

作者贡献

所有作者都对本研究做出了重要贡献。材料准备、数据收集与分析工作由Tao Lin、Minhao Qi、Sijie Wei和Xiaoqing Ming完成。初稿由Tao Lin、Minhao Qi、Sijie Wei和Xiaoqing Ming共同撰写，所有作者都对草稿版本进行了评论。

CRediT 作者贡献声明

Sijie Wei：撰写——初稿撰写、验证、项目管理和方法论制定、数据整理、概念化；
Minhao Qi：撰写——审阅与编辑、初稿撰写、验证、监督、数据分析、概念化；
Xiaoqing Ming：撰写——初稿撰写、可视化展示、数据整理、概念化；
Tao Lin：撰写——审阅与编辑、初稿撰写、可视化展示、验证、监督、软件开发、数据分析、概念化。

参与同意：不适用。

出版同意：所有作者已阅读并同意发表该论文。

伦理审批：不适用。

资金支持：本研究得到了江西省青年科学家和技术人员早期职业发展项目（20252BEJ730112）和中国国家自然科学基金（72503083）的支持。

Tao Lin | Xiaoqing Ming | Minhao Qi | Sijie Wei
江西财经大学经济学院，南昌市，江西330013，中国