近年来，随着全国人口数量不断增加，经济发展速度和生活质量不断提升，生活用水、用能的需求量不断增加^[1]。近10年来，我国生活用水量、用能量均呈上升趋势，生活用能占终端能源消费的比重也在不断提高^[1]。2017年我国生活能源消费量为5.7亿t标准煤，相比于2007年增长了87%，生活用水量为838亿m³，增长了21%。在空间分布上，人均生活用水、用能地区分布不均匀，呈现出地区集聚现象。

生活用水量、用能量以家庭消费为主。国内外关于家庭能源消费影响因素的研究主要分为2种：一种是针对家庭户多种能源类型选择和使用以及影响能源消费因素的研究；另一种是针对一定时间和区域的某一特定现状与影响因素的研究。在关于家庭户能源类型选择的研究中，Zou等^[2]基于1 472个农村家庭的入户调查，选用回归模型探究了家庭规模、家庭经济、户主年龄等因素对能源份额的影响。李宗泰等^[3]研究了北京农村生活能源的消费结构与影响因素，发现商品能源消费占比最高可达77%，家庭收入、居住地地形、兼营农业情况与人口等因素均对家庭户能源消费选择有影响。在社会经济因素方面，家庭规模、家庭结构、家庭收入、住房特征等对电力消费有重要影响。王月菊等^[4]研究发现，随着家庭规模的扩大，家庭用能量增加，人均用能量降低。根据米红等^[5]的研究，家庭人均用电量随着年龄的增加先增大后减小，并且女性用电量大于男性。Zhou等^[6]基于四川省2007—2009年的入户调查数据，研究了电力需求的家庭收入弹性与价格弹性，结果表明：家庭收入对用电量有显著的正向影响。在家庭住房因素方面，住房面积、住房类型与住房年限等因素对用电量有重要影响^[7-8]。

与家庭能源消费影响因素的相关研究相比，关于家庭水消费影响因素的研究较少。Li等^[9]采用主成分分析法研究了新加坡家庭用水类型的影响因素。自来水用量通常受水价、社会经济因素、家庭住房因素与居民用水行为、用水设施等影响^[10]。根据胡振等^[11]的研究，随着家庭规模的扩大，家庭用水量增加，其中1~3人家庭与4~5人家庭用水量的边际变化呈现递减趋势。沈恬等^[12]通过典型样本监测和问卷调查方法，定量分析了全国9个家庭的用水能耗强度以及影响用水能耗的环境因素、家庭因素和设备技术因素。章恒全等^[13]基于因素分解法(logarithmic mean divisia index，LMDI)分析水资源消耗的影响因素，结果表明：人口规模、人口城镇化和居民消费水平为正向促进作用；居民消费结构优化、居民消费率上升和产业技术进步为负向作用。Grafton等^[14]基于10个国家的家庭调查数据，量化和检验了价格因素和非价格因素对居民用水需求的重要性，并探讨家庭节水行为与水价之间的互补性。

在以往的研究中，通常是针对用水、用能单一因素的研究，而忽视了水、能之间的相关性和差异性。而根据国家统计局的数据计算发现，生活用水量与生活用电量之间的相关系数为0.90。近几年一些文献研究结果也表明了家庭用水、用能之间具有交互作用^{[12, 15-16]}。同时随着城市化的不断发展，居民用水以及能源需求持续不断增长，逐渐凸显了水-能耦合研究的必要性^[17-18]。2014年，联合国将世界水日主题定为了“能源与水”，充分证明了水-能耦合关系是当今社会的关注重点^[19-20]。Yu等^[17]通过对北京市家庭用水相关的电力消费量分析，发现55%的用电量与用水行为密切相关，家庭用水、用能之间存在很强的相关性。Jiang等^[21]通过问卷调查的方法，研究了天津市家庭用水、用能行为与消费量，结果表明：洗衣用水与洗浴用能分别是家庭用水最多的行为和家庭水-能耦合强度最大的行为，同时发现节水可以协同节能。Abdallah等^[22]收集了美国11个城市的家庭用水数据，通过非参数检验探究了家庭用水、用能的分布，运用Monte Carlo模拟方法计算了家庭用水、用能之间的定量相关关系，结果表明：热水器温度设定、加热器效率、浴用热水比例、家庭规模等因素对与水相关的家庭用能量有显著影响。Binks等^[23]研究了澳大利亚7个家庭用水、用能行为对与用水相关的能源消费的影响，结果表明：洗浴用水、热水系统效率损失和洗衣用水对用水相关的能源消费贡献较大。

本文基于以上研究，深入探究家庭水-能消费与家庭特征的关系，从时间、空间2个维度分析不同家庭特征变化对水-能消费的影响，从而为家庭节水节能提出建议。本研究基于北京大学中国家庭追踪调查(China family panel studies, CFPS) 2014—2018年的数据，运用计量经济学中面板数据回归分析的方法从家庭社会经济特征、居住特征以及水价、电价3个方面对水-能消费的影响因素深入分析。

1 数据来源与研究方法 1.1 数据来源

本文采用的数据集是中国家庭追踪调查数据集，由北京大学通过中国家庭追踪调查整理得出。CFPS是一项全国性、综合性的追踪调查项目，通过追踪收集个体、家庭、社区3个层面的数据，反映中国经济、社会、人口、教育和健康等因素的变迁。追踪调查的采样地区覆盖中国25个省市自治区，这25个省市自治区的人口总计约占全国总人口的95%。研究时间段为2010、2012、2014、2016、2018共5年的调查数据，每年调查的家庭样本数为16 000户，有效数据约14 000户。年均气温和水资源用量数据来自各省统计年鉴。

1.1.1 被解释变量选择

中国家庭追踪调查数据集中与家庭用水、用能相关的变量有用电量、用水量、水费、电费4种。本研究根据水费、电费和各省物价局、发展改革委员会中公布的水价电价将数据集中的水费、电费换算为用水量和用电量。鉴于本文探究水-能耦合性分析，2010和2012年的水电费数据无法进一步拆分为水费和电费，因此本研究仅对2014、2016和2018年3期样本数据进行分析。

1.1.2 解释变量选择

根据相关文章调研结果，用水和用电量的影响因素分析中主要关注3个方面，分别是社会经济因素、住房因素与器具使用因素^[24]。综合现有数据集，本研究选取的自变量主要分为3类，分别是家庭社会经济变量、家庭居住变量以及价格因素。在家庭社会经济变量中，选择家庭规模、家庭收入、户主年龄、户主教育水平、户主性别、户主婚姻状况和工作状况作为自变量^[25-26]。在家庭居住变量中，选择家庭所在地的城乡类型、住房市价、家庭做饭能源类型以及用水类型作为自变量^[17]。在价格因素中，选择家庭所在省份的水价/电价作为自变量。另外，考虑到环境影响，用水、用能受各地区天气和水资源禀赋影响较大，因此将各地区的年平均气温以及水资源压力指数作为自变量。

1.2 数据处理 1.2.1 数据清洗

由于样本家庭可能在追踪调查过程中分裂成为2个新家庭，原样本家庭在下一年调查未成功追踪，因此每年的家庭并非完全重合。为了保证每年样本家庭的一致性，本研究筛选出2014、2016、2018成功追踪未分裂的家庭共8 588户，构建平衡面板数据集。

原始数据集中，用水量、用电量数据存在部分零值。由于用水量、用电量的零值不能公允反映家庭用水、用电情况，故将用水量、用电量为0的家庭从原数据集中剔除，剔除后家庭数量为4 269户。

数据集的自变量中，家庭收入与住房市价存在部分缺失值，这部分缺失值占总数据量的比例小于5%，以当年该变量的平均值补全。户主婚姻状况、工作状况以及家庭的城乡类型变量存在部分缺失值，占总数据量的比例小于1%，这部分数据以零值代替。用水量、用电量、家庭收入与住房市价存在部分离群值，离群值判定的标准是大于或小于99.9%分位数的数据，这部分数据以99.9%分位数或0.1%分位数代替。

1.2.2 数据预处理

对于部分变量，本研究进行了对数化处理、虚拟变量处理等。所在地区变量换算为7个地理分区。变量处理方法见表 1。

具体而言，家庭户用水量、用电量、水费、电费属于定比变量，为了减少回归中可能出现的异方差性，对这4个变量取自然对数以反映变量的相对值。同时取对数后，可以比较影响因素对用水量、用电量影响程度的差异性。家庭收入、住房市价作为解释变量与用水量、用电量类似，属于变化范围较大的变量，对其取对数以减弱异方差的影响。在原始数据集中，户主的教育水平分为小学以下、小学、初中、高中/中职/中专、大学/大专、硕士、博士共7类，教育水平属于定序变量，可以认为大学教育水平高于高中，因此在将教育水平转换为定量变量时，采用0~5数值变量，分别对应小学以下至硕士/博士。户主性别、户主婚姻状况、户主工作状况、城乡类型、能源类型以及用水类型属于分类变量，将其转换为0~1虚拟变量。原始数据集提供了每户家庭所在的省份，根据其所在省份对应的地理区域进行重新划分，分为东北、华北、华东、华中、西北、西南、华南共7类地区。所有地区的年均气温的均值为15 ℃，因此分为年均温度小于15 ℃和年均温度大于15 ℃共2类，属于定类变量，采用0~1的数值变量分别对应。地区水资源压力指数(water stress index，WSI)取值范围为0~1，因此将WSI分为小于0.5和大于0.5共2类，用0~1表示，属于定类变量，分别表示水资源较丰富地区和水资源匮乏地区。

1.3 回归模型 1.3.1 模型概述

回归分析是确定两种或两种以上变量间依赖关系的一种统计分析方法。通过统计学回归的方法可以探究自变量对因变量的影响程度。在统计学与计量经济学中，针对面板数据的回归分析模型有3类，分别是混合估计模型、固定效应模型和随机效应模型^[27-28]。针对横截面数据的回归采用普通最小二乘法(ordinary least square, OLS)回归模型。

混合估计模型采用最小二乘估计模型参数，假设随机误差项期望值为零、方差为常数；随机误差与解释变量相互独立；不同个体的随机误差之间相互独立，满足正态分布；解释变量之间不存在多重共线性。混合估计模型表示如下：

$ Y_{i}=\alpha+X_{i} \beta+U_{i} \quad(i=1, 2, \cdots, N). $

(1)

其中：Y_i为被解释变量在截面i上的观测值，α为截距项，X_i为解释变量在截面i上的观测值，U_i为随机误差项，β为斜率。

固定效应模型采用最小二乘估计模型参数，固定效应模型假设不同个体截距项不同，而解释变量的系数相同，模型假设个体会影响被解释变量，在回归方程中加入了与个体有关的变量。随机效应模型假设同一个体，不同时期的随机干扰项之间存在一定的相关性，方程的截距项服从某种分布。模型设定表示如下：

$ \begin{gathered} Y_{i t}=\alpha_{i}+X_{i t} \beta+U_{i t} \\ (i=1, 2, \cdots, N ; t=1, 2, \cdots, T). \end{gathered} $

(2)

其中：α_i为变截距项，固定效应模型的截距项变化与解释变量有关，随机效应模型的截距项变化与解释变量无关。

截面数据中的OLS模型表示如下：

$ \begin{gathered} Y_{i t}=\alpha+X_{i t} \beta+U_{i t} \\ (i=1, 2, \cdots, N ; t=1, 2, \cdots, T) . \end{gathered} $

(3)

其中：Y_it指的是被解释变量在截面i上和时间t上的观测值，X_it为解释变量在截面i上和时间t上的观测值，U_it为随机误差项。

$ \mathrm{WSI}=\frac{1}{1+\mathrm{e}^{-6.4 \mathrm{WTA}}\left(\frac{1}{0.01}-1\right)}, $

(4)

$ \mathrm{WTA}=\frac{\mathrm{WU}_{i}}{\mathrm{WA}_{i}}. $

(5)

其中：WSI表示水资源压力指数，反映不同省份的水资源稀缺程度，WSI越大，水资源越匮乏；WTA (withdrawal to available ratio)表示取水量与可用水资源的比值^[29]；WU_i指的是i省份的用水量；WA_i指的是i省份的水资源量。

1.3.2 模型选择

在面板数据回归中，模型的选择影响回归分析的结果，回归模型选择不合适将造成参数估计较大的误差。在研究中通常采用假设检验的方式选择混合估计模型、固定效应模型和随机效应模型。针对混合估计模型与固定效应模型的选择，通常采用F检验。针对固定效应模型与随机效应模型选择，在统计学方面，通过Hausman检验的方式确定变截距模型形式，选择随机效应模型或者固定效应模型；在经济学方面，随机效应模型通常认为效应是随机，误差项与解释变量不相关，而固定效应模型通常认为误差项与解释变量相关。

2 结果与讨论 2.1 描述性分析

根据家庭户用电量、用水量分布直方图可看出(图 1)，大部分家庭月用电量在500 kW·h以下，分布不均匀。家庭用水量分布与用电量类似，月用水量多集中在40 t以下。根据描述性统计分析结果，我国居民家庭月平均用电量为204.5 kW·h，标准差为162.1 kW·h，不同家庭之间用电量差异较大。家庭月用水量为11.0 t，标准差为8.1 t，不同家庭之间月用水量差异较大。

如图 2所示，2014—2018年，我国家庭用电量、用水量逐渐增大，2018年家庭平均月用电量为226 kW·h，平均月用水量为12 t。我国居民家庭用水量、用电量在不同地区存在差异，分布不均。华南地区用电量、用水量最高，用电量为299 kW·h，用水量为17 t；西北地区家庭用电量最低为130 kW·h；华北地区家庭用水量最低，为7 t。

2.2 相关性分析 2.2.1 用电量、用水量相关性分析

图 3展示了我国不同时间、不同地区家庭用电量、用水量的相关性。

经过显著性检验后，用水量、用电量的相关性显著(显著性水平为0.01)。2014—2018年，家庭用电量、用水量的相关性约为0.5，无明显变化趋势。而各地区家庭用电量、用水量的相关系数差异较大，其中华南地区相关性最强，相关系数为0.54，华中地区相关性最弱，相关系数为0.32。该研究结果表明: 我国家庭用水量、用电量之间存在相关性，即家庭用水、用电之间存在耦合关系，且不同地区耦合程度不同。

2.2.2 解释变量相关性分析

表 2展示了各变量之间的相关性，从表中可以看出，自变量之间的相关性均在0.8以下，在后续的回归分析过程中，不存在较强的多重共线性。在因变量与自变量的相关性中，家庭规模、家庭收入、户主教育水平、城乡类型、房屋市价、电价、水价与因变量相关性较强，相关系数绝对值均在0.1以上。

2.3 回归分析 2.3.1 面板数据固定效应回归分析

通过假设检验中的F检验，判断面板模型是否存在个体效应。本研究中F检验原假设不存在个体效应，计算结果P值为0.000，表明拒绝原假设，因此选用固定效应模型。进一步进行Hausman检验，原假设误差项与解释变量不相关，结果表明，在0.05的显著水平下，P值为0.000，拒绝原假设，因此选择固定效应模型。

2014、2016和2018年面板数据固定效应回归模型结果显示，家庭规模、户主教育水平、户主年龄、城乡类型和住房市价对用电量、用水量有显著正向影响(见表 3)。其中用电量回归模型R²为0.013，用水量回归模型R²为0.123。

家庭规模、户主教育水平、城乡类型以及住房市价对家庭用电量、用水量存在显著正向影响，王月菊等^[4]也提出家庭规模对水、能消费起到刺激增长的作用。家庭规模每增加1人，家庭用电量相应上升7.5%，用水量提高7.1%；户主教育水平每提高1个单位，用电量相应上升5.8%，用水量提高4.1%；城市家庭比农村家庭用电量高6.7%、用水量高11.9%；住房市价每提高1倍，家庭用电量提高1.3%，家庭用水量提高1.2%。家庭收入对用电量、用水量存在显著负向影响，说明家庭收入每提高1倍，用电量降低1.7%，用水量降低1.7%。户主性别、户主婚姻对用电量、用水量无显著影响。户主工作状态对用水量存在显著负向影响，其中有工作的家庭相比户主无工作的家庭用水量低4.2%；用水类型和水价均对用水量存在显著负向影响，水价每提高1元，用水量降低18.7%，阶梯式的水价制度往往能促使人们节水^[30]。而能源类型和电价则对用电量存在显著正向影响。其中，虚拟变量年均气温对用电量有显著影响，且为显著负向影响，可能是温度低的地区取暖用能较多，造成用电量增长；WSI对用电量有显著负向影响，说明水资源越稀缺地区，用电量越低，在一定程度上反映了水-能耦合关系。气温对用水量无显著影响，但WSI对用水量有显著负向影响，表明水资源越匮乏地区用水量越少。

2.3.2 用电量/用水量耦合变量的固定效应回归分析

用电量除以用水量作为因变量的固定效应回归模型结果如表 4所示。

家庭收入对用电量/用水量的显著影响为正，说明家庭收入对用电量的影响显著高于用水量；户主年龄、户主教育和户主性别和户主婚姻对用电量/用水量的影响不显著，但户主工作对用电量/用水量的显著影响为正，说明户主有工作对用电量的影响显著高于用水量。能源类型对用电量/用水量的影响显著为正，主要是因为能源类型主要是影响电能的使用，因此对用电量的影响显著高于用水量。一级电价对用电量/用水量无显著影响，而一级水价对用电量/用水量的显著影响为正，主要是因为水价是水资源使用的影响因素，而水价对用水是负向影响。虚拟变量年均气温对用电量/用水量无显著影响，WSI对用电量/用水量存在显著正向影响。研究结果表明: 影响因素对用水量与用电量的影响程度存在差异。

2.3.3 用电量、用水量固定效应回归分析比较

图 4显示了用电量、用水量回归模型关于家庭规模、户主年龄、户主教育以及住房市价在0.01的显著水平下的回归系数。

对比用水量、用电量影响因素的系数可知，家庭规模对用电量的影响显著高于用水量，说明用电量的规模效应小于用水量的规模效应；户主年龄对用电量的正向影响高于用电量，说明户主年龄增大使得用电量的提高高于用水量；对比用电量、用水量系数，户主教育对用电量的正向影响显著高于用水量，户主教育每提高一个单位，用电量相应上升5.8%，而用水量提高4.1%。住房市价对用电量的显著正向影响也略高于用水量。总体看来，各类影响因素对用电量的影响更大。

2.4 用电、用水量时空特征分析 2.4.1 用电量、用水量时间特征分析

采用OLS模型对不同年份的用电量、用水量分别进行回归，各显著变量在95%置信区间的系数结果见表 5。从表中可以看出，2016年家庭收入对用电量的正向影响显著高于2014和2018年。2014—2018年，城乡类型对用电量的影响逐年下降，说明随着时间发展，城市与乡村之间用电量差异逐渐缩小。2018年住房市价对用电量的影响显著高于2014和2016年。2016年家庭收入对用水量、用电量的正向影响均显著高于2014和2018年。OLS模型中家庭收入对用电量、用水量存在正向效应。2018年住房市价对用电量、用水量的影响显著高于2014和2016年。2016与2018年的回归结果表明水价对用水量的负向影响显著高于2014年，可能是因为2014年部分地区未执行阶梯水价，自2016年起，所有地区均执行阶梯水价，水价有所上升，因而导致对用水量的负向影响变大。这一结果表明，阶梯水价起到了一定程度的节水效果。

2.4.2 用电量、用水量空间特征分析

表 6和7反映了不同地区家庭用电量、用水量的固定效应模型回归结果。

从表中可以看出，除西北地区外，各地区家庭规模和家庭收入对用电量均有显著正向影响，表明随着家庭规模扩大，用电量增多。家庭收入在华南、华北和西北3个地区存在显著负向影响，北方地区的能源消费量大于南方，因此造成的影响可能会更大^[31]。城乡类型在华东、华南和西北地区存在显著正向影响。除了华东和华南地区外，其他地区的户主年龄对家庭用电量都是显著正向影响。除了华南和华北地区，其他地区的户主教育对用电量存在显著正向影响。除了华中地区在户主婚姻中存在显著正向影响外，其他地区无显著影响，户主性别和户主工作在不同地区也均为显著影响。住房市价在华东、东北、华南、华北和西南地区存在显著正向影响。电价在华北地区存在显著正向影响，其他地区不显著。

除西北地区外，各地区家庭规模和家庭收入对用水量均有显著正向影响，表明随着家庭规模扩大，用水量增多。家庭收入对华东、华南和华北地区存在显著负向影响，但是对华中地区则表现出显著正向影响，其他地区不显著，说明了家庭收入在不同地区的影响不同。户主教育对华东、西南地区的用水量有显著正向影响。住房市价对华东、华中、东北和华南地区的用水量存在显著正向影响。除了华北地区，水价对用水量存在不同方向的影响。需注意的是，水价对华南、西南地区是显著正向影响，这可能是因为各省份的水价不同，经济、气象、水资源等因素影响了用水量，而这些因素反映在了水价中，造成华南和西南地区水价对用水量的影响显著为正。

2.4.3 用电量/用水量耦合变量的时空特征分析

表 8为不同年份用电量/用水量耦合变量的回归模型结果。2014—2018年家庭规模对用电量/用水量的影响都显著为正，说明了家庭规模增大带来的用电量的提高显著高于用水量的提高。2014—2018年，城乡类型对用电量/用水量的负向影响逐年递增，说明城乡类型对用水量的影响显著高于用电量的影响，城市用水量影响的增加幅度更大。这可能是因为农村用水类型较多(如井水等)，同时随着经济发展，城乡差距逐渐减小，城乡用电量的增幅差距减小，因此城乡类型对用电量的影响减弱，从而导致城乡类型对用电量/用水量耦合变量的影响逐年递减。户主年龄、户主教育、户主性别和户主婚姻对用电量/用水量的影响不显著。能源类型对用电量/用水量的影响显著为正，表明了能源类型对用电量的影响显著高于用水量。

表 9反映了不同地区用电量/用水量的固定效应回归结果模型。西北、华中地区的家庭收入对用电量/用水量的影响为显著负向影响，表明家庭收入对用水量的影响高于用电量；华东地区的家庭收入对用电量/用水量的影响为显著正向影响。这可能是因为不同地区水资源不一样，收入因素对用水量的影响不一样，如西北地区水资源较稀缺，对用水的影响程度也相对较高。用水类型中，东北地区和西北地区对用电量/用水量存在显著正向影响，而华东地区存在显著负向影响。

3 结论与建议 3.1 研究结论

本研究以中国家庭追踪调查的数据为样本，采用计量经济学固定效应回归模型，对家庭用水量、用电量的特征与影响因素进行了分层分析。研究结果表明，在时间上，2014—2018年家庭户用水量、用电量随时间逐渐增大，其中2018年相比于2014年分别提高了21%和12%。在空间上，用电量、用水量在城乡之间、地区之间分布不均匀，其中城市用水用电量较高；在不同地区之间，华南地区户均用水量、用电量最高，西北地区户均用电量最低、华北地区户均用水量最低。家庭收入和户主工作、能源类型和一级水价对用电量/用水量有显著正向影响，说明对用电量的影响显著大于用水量；而户主年龄、户主教育单独对用水量、用电量有显著影响，但是对用电量/用水量的影响不显著，说明了用电量与用水量在该因素下差异不显著。

家庭用水量、用电量之间存在正相关性，相关系数为0.49。东部地区、南部地区相关性较强，西部地区、北部地区相关性较弱，用水量、用电量的相关系数在时间层面上没有明显变化趋势。

进一步的影响因素回归模型分析结果表明，家庭社会经济特征、住房特征与价格因素对用水量、用电量存在显著影响。其中对用水量、用电量有显著正向影响的有家庭规模、户主年龄、户主教育水平、户主婚姻状况、城乡类型、住房市价。对用水量、用电量有显著负向影响的有家庭收入。不同时点、不同地区影响因素具有差异性，其中值得注意的是水价对用水量的影响。2014年起，我国各省市陆续开始实行阶梯水价制度，基础水价和分级水价有所提升，随着阶梯水价制度的实行，2016和2018年水价对用水量的影响显著高于2014年，说明水价对用水的负向效应增大，价格提升在一定程度上起到了节水效果。

3.2 政策建议

根据回归结果，用水量、用电量属于生活必需品，需求价格弹性较低，而合理地制定阶梯水价可以在保证基础用水的同时，以价格因素促进节水、减少部分家庭对资源的浪费。

目前水、能消费在不同地区、城乡间差异较大，可加快平衡各地区之间，以及城市与乡村之间的用水、用电供给，减小地区间的资源差异，使城乡居民能够获得清洁的自来水与电力能源。不同地区的水-能耦合关系存在一定程度的差异，在耦合关系较弱的地区，可以通过改进用水、用能器具、宣传教育等方式提高用水、用能之间的协同效应，节约用水同时能够节约用电，达到双赢的效果。同时继续提高居民生活水平，普及用水、用电知识，政府可通过行政命令、价格手段、宣传教育等方式促进节水节能，加强节水节能教育，实现节约能源与保护环境同步发展。