智慧城市試點能否提升城市創新水平？
——基于多期DID的經驗證據

何凌云 馬青山

(中南財經政法大學 經濟學院，湖北 武漢 430073)

一、引言與相關文獻綜述

當前，中國正處于轉換增長動力、追求經濟高質量發展的攻堅期。與經濟長期向好的基本態勢形成對比的是短期內結構性、體制性、周期性問題持續深化，而創新驅動成為解決短期問題和引領經濟長期向好發展的重要一環。作為各類創新要素和創新資源集聚地的城市，其創新水平的提升對于經濟的高質量發展具有重要意義。然而據《2018年全球城市創新性排名》顯示，中國僅有北京、上海、香港和深圳等四城創新能力排名進入世界百強，排名最高的香港也僅位列第27位，因而，城市創新能力仍有很大的提升空間。創新活動具有復雜度高、風險大、周期長等特點，離不開政府的支持。相關研究表明，政府的相關政策，如補貼、產業政策和金融支持政策等都對創新有重要影響(Buera et al.,2011；Guerzoni et al.,2015；萬道俠 等,2018)。因而，中國政府近年來積極探索促進城市創新水平提升的新路徑，而作為貫徹創新驅動發展戰略重要舉措的“智慧城市”建設更是引人矚目。智慧城市是指，將智能化等新一代信息技術實踐于基礎設施、公共服務、產業發展和社會治理等領域之中的城市模式。“智慧城市”全面革新了城市的建設、管理和發展的模式。

中國于2012年正式啟動智慧城市試點，首批試點涉及90個地級、縣級城市，隨后又分別批復了第二、三批城市進行試點。截至2018年底，中國超過500個城市正在規劃和建設智慧城市，市場規模達到近8萬億元。在啟動智慧城市試點建設的同時，國家相關部門印發了《國家智慧城市試點暫行管理辦法》和《國家智慧城市(區、鎮)試點指標體系(試行)》，后又陸續出臺文件完善智慧城市標準體系和評價指標體系。為滿足智慧城市建設要求，各試點城市優化公共信息平臺和網絡基礎設施，以推動云計算、物聯網、大數據等現代信息技術與城市發展的深度融合，促進智能交通、智慧物流、智慧社區和智慧金融等一系列專項應用。與非試點城市相比，試點城市在智慧保障體系、基礎設施建設、智慧管理與服務等方面都取得了較快發展，從而對城市創新水平提高產生了深遠影響。

相關研究發現，智慧城市有效提升了信息化和科技化水平，對經濟社會發展具有重要影響。Vanolo(2014)、楊振華(2018)關注了智慧城市建設的經濟帶動作用，發現其能顯著提升經濟效率；趙建軍等(2019)則發現，智慧城市能推進產業結構的合理化和高級化；張營營等(2019)對制造業的研究也得到了同樣的結論。除此以外，還有研究關注到智慧城市建設對降低環境污染和引入外商直接投資的積極影響(石大千 等,2018;聶飛,2019)。然而，鮮有文獻就智慧城市建設的創新效應及影響機制展開系統性的理論研究和實證分析。在經濟高質量發展的背景下，把研究焦點放在智慧城市的創新效應上，這充分考慮樣本的選擇性偏差等問題，準確評估了智慧城市試點對城市創新水平的影響。

智慧城市是城市信息化的高級形態，本質上是城市化和信息化深度融合的產物。作為本文的研究基礎，有不少文獻探討了城市化和信息化對創新的影響。信息化對創新的積極作用已經得到證實，Varian(2010)發現，信息化通過加快知識編碼和傳輸，從而促進了創新；Ke et al.(2017)同樣發現，信息化有利于促進創新水平的提升。一方面，信息化對企業研發投入、產品創新和流程創新等具有促進作用(王莉娜 等,2018)；另一方面，信息化通過降低交易成本方式提高區域的總體創新水平(李政 等,2019;韓先鋒 等,2019)。關于城市化如何影響創新還沒有形成統一結論。一種觀點認為，城市化促進了創新，比如Jacobs(1969)、高翔(2015)認為，城市化提升了企業的專利申請數量；另一種觀點卻認為，城市化不利于創新，如蔣伏心等(2013)發現，城市化帶來一系列“城市病”，迫使企業將發展重點轉移到治理污染上，對創新活動產生“擠占”；劉俊等(2017)發現城市化抑制了技術開發效率。此外，還有學者認為，城市化對創新的影響是非線性的(王志高,2016)。

綜合上述研究可見，信息化對城市創新的積極作用已經得到證實，而城市化對創新的影響結果莫衷一是。那么，作為信息化與城市化深度融合的產物，智慧城市建設對城市創新水平有何影響呢？智慧城市試點又會通過哪些機制影響城市創新水平？智慧城市的創新效應是否存在異質性？為回答以上問題，本文借助“智慧城市”試點的準自然實驗，利用多期DID、PSM-DID等方法評估其對城市創新的影響。本文主要貢獻在于：(1)從理論上探討智慧城市試點對城市創新的影響效應和影響機制，并對智慧城市試點的直接影響、動態效應進行了準確評估，這不僅是對政府創新政策效果的再認識，還豐富了城市化、信息化以及城市發展模式如何影響創新的研究文獻;(2)本文不僅利用多期DID方法進行研究，還使用PSM-DID等方法有效地緩解了選擇性偏差問題，且為確保研究結論穩健進行了一系列穩健性檢驗，使得研究結論的可信度較高；(3)細致地考察了智慧城市試點政策對不同規模、區位和科教水平城市的差異化影響，深入分析了智慧城市影響城市創新的機制，這為進一步推進智慧城市建設提供了經驗證據。

二、政策背景與機制分析

(一)智慧城市建設的政策背景

智慧城市是貫徹創新驅動發展以及新型城鎮化建設的重要舉措，主要是將現代信息技術運用于城市規劃、運行、建設和管理等多個方面，并通過對城市中人、資源、政務、交通、通訊的連接和融合，從而達到提升資源配置效率、完善城市管理能力以及實現城市高質量發展的目標。IBM公司于2008年提出“智慧地球”的設想，可以將此看作是“智慧城市”的雛形。發達經濟體率先進行智慧化實踐，2009年美國在迪比克市建立第一個智慧城市后，日本政府提出“I-Japan智慧日本戰略2015”，歐盟推出了“智慧城市和社區開拓計劃”，智慧城市已逐漸成為當今世界城市發展的新模式。2012年，中國正式啟動智慧城市建設的試點工作，目前已形成“頂層設計→地方申報→上層批復→地方實施→績效評估→經驗總結”的完整智慧城市制度框架。智慧城市的發展歷程如表1所示。

(二)智慧城市影響城市創新水平的機制分析

智慧城市試點促成了城市信息化水平的顯著提升，這是因為：智慧城市試點的指標體系中明確指出，要進一步完善信息基礎設施并建設公共數據平臺；同時，智能城市管理、智能交通、智慧物流、智慧社區和智慧金融等項目也都依賴現代信息技術。而信息化水平的提升有助于提高城市創新水平(Ke et al.,2017)。智慧城市建設推動物聯網、云計算、大數據等尖端信息技術的發展和應用，加快了智慧城市內部企業的信息傳遞和處理速度，有利于提升研發效率。此外，智慧城市所推動的信息化，優化了創新環境、信息集成和數據共享等，使得創新主體能以較低成本及時獲取和吸收相關知識，而信息傳遞壁壘的打破還有利于各主體的協同創新發展，實現城市創新水平的提高。基于上述分析，本文提出：

假說1:智慧城市試點通過提升城市信息化水平方式提高城市創新水平。

智慧城市將先進的信息技術應用于城市發展，運用金融科技手段的智能支付和智慧金融等有效提升了金融發展水平。比如，金融業的業務流程、業務開拓和客戶服務等方面的智慧化，促進了金融業的便捷性、靈活性、即時性和高效性。創新活動的開展離不開大量的資金支持，智慧金融行業的發展能夠為創新活動提供必要的資金支持，進而對智慧城市創新效應的發揮產生積極影響。其次，金融產品、風控、服務的智慧化有效減少了融資成本并平滑融資風險，激勵科技創新主體投身于創新實踐，進而推動城市整體創新能力的提升(Czarnitzki et al.,2004)。基于上述分析，本文提出：

假說2:智慧城市建設促進金融發展的智慧化，有利于提升城市創新水平。

《國家智慧城市試點暫行管理辦法》明確提出，促進產業轉型升級是試點建設的主要目標之一。鄧雅君等(2013)研究發現，智慧城市建設使得高新技術產業、現代服務業等新興產業的發展獲得了比較優勢；趙建軍等(2019)從產業結構的高級化和合理化出發，證實了智慧城市試點政策對產業結構優化的積極影響。智慧城市建設中，物聯網、大數據、5G技術、云計算等高科技新興業務的發展，加速了產業結構的升級，有利于創新水平的提升。智慧城市還通過運用新興信息技術促進了企業管理的科學化和信息化，變革了傳統產業，促成了高創新產業對低創新產業的取代，實現創新要素的帕累托改進。智慧產業和智慧業務的發展還能提供“示范作用”，產生“倒逼效果”，使得城市整體創新水平有所提升。基于上述分析， 本文提出：

假說3:智慧城市建設加速了產業結構升級，進而有利于提升城市創新水平。

三、研究設計和數據說明

(一)模型設定

本文采用多期DID方法對智慧城市試點的創新效應進行評估。住建部和科技部于2012年正式設立第一批智慧城市進行試點，第二批和第三批試點城市在2013年和2015年相繼被批復，本文基于此構建準自然實驗。在設立試點城市時，某些地級市只將其轄區內的區、縣作為試點城市，為了評估的準確性，本文對該類城市予以剔除，最終以94個智慧城市試點城市構成實驗組，其他133個城市為對照組。

智慧城市試點采取分年度逐步推進的方式，而傳統DID方法僅僅適用于評估單一時點的政策效果。為此，本文借鑒Autor(2003)、袁航等(2018)等的做法，構建多期DID模型，設置組別虛擬變量(treated)，將實驗組(試點城市)賦值為1，控制組(非試點城市)賦值為0；設置政策實施時間虛擬變量(dt)，試點城市的政策實施當年及其以后年份設定為1，其余為0。多期DID的模型構建如下：

ln innoit=α0+α1dtit+∑?kyeark+∑γjXit+μcity+λit

(1)

其中，ln innoit為被解釋變量城市創新水平的對數值；dt表示智慧城市試點政策，其系數反映智慧城市試點的政策效果；X表示控制變量集合；yeark代表時間虛擬變量；μcity表示城市個體固定效應；λ表示隨機誤差項。該模型使得試點城市和非試點城市間的特征差異、時間變化趨勢等均得到有效控制。

(二)變量設定和數據說明

(1)被解釋變量。目前對城市創新水平的測度大多使用城市科技投入或者專利授權量等指標，然而城市財政科技投入并不一定能完全轉化為創新能力，以此衡量城市創新水平太過間接。而以專利授權數量衡量創新能力雖然比較直接，但只考慮專利數量而不考慮專利的質量，也不能準確反映創新水平。本文選取《中國城市和產業創新報告2017》提供的城市創新指數來衡量城市創新水平。該報告主要基于專利數據構建城市創新指數，并且充分考慮了不同年齡專利的價值，能夠較為準確地衡量城市創新水平。

(2)核心解釋變量。智慧城市試點政策為虛擬變量形式，即對于試點城市，政策實施當年及其以后年份設定為1，其余年份則設定為0。

(3)控制變量。根據已有理論和實證研究成果，本文還控制了其他影響城市創新水平的因素，具體包括：一是經濟發展水平，以各城市經濟增長率衡量，取對數處理；二是對外開放水平，衡量方式為各地區外商直接投資額/地區生產總值，取對數處理；三是文化水平，采用各地每百人公共圖書館藏書量衡量，取對數處理；四是人力資本水平，用各地區普通高等學校在校生人數衡量，取對數處理；五是財政科技支出，用各地級市政府財政科技支出額來衡量，取對數處理；六是財政分權水平，采用城市人均財政收入/全國人均預算內財政支出進行衡量，取對數處理，數據來源于《中國城市統計年鑒》。

(三)變量的描述性統計

本文包括中國227個地級市2003—2016年的面板數據，其中試點城市共94個，非試點城市共133個，數據的描述性統計如表2所示。

圖1繪制了實驗組和控制組城市創新指數發展趨勢圖。其中，treated=1表示實驗組，相反為控制組。從中可以看到，在首次設立試點的2012年之后，實驗組城市創新水平的增速明顯高于控制組的城市，而在此之前兩者的趨勢基本相同，表明智慧城市試點促進了城市創新水平的提升。

為了較為直觀地反映實驗組城市在政策實施前后創新水平的變動狀況，本文將樣本期間所有實驗組城市試點實施年份設定為原點，以此計算試點實施前后若干年的城市創新水平，從而繪制如圖2所示的趨勢圖(其中，t表示試點實施當年，t-1、t-2表示試點實施前一年和前二年，t+1、t+2等表示試點實施后一年和后二年，以此類推)。圖2表明，試點政策實施后，城市創新水平發展明顯快于政策實施之前。當然，基于均值的統計結果無法剔除時間趨勢和其他因素的干擾，需要進行回歸分析方能準確揭示智慧城市與城市創新之間的因果關系。

表2 描述性統計

圖1 實驗組和控制組創新水平發展趨勢

圖2 實驗組試點實施前后創新指數比較

四、實證結果分析

(一)基準回歸

為了檢驗前文所提假設，進而進行基準回歸，回歸結果如表3所示。其中，模型1僅將智慧城市試點虛擬變量作為解釋變量以進行回歸，回歸系數顯著為正。其原因可能包括三個方面：第一，時間趨勢效應，正如本文圖1所示，無論是實驗組城市還是對照組城市，其創新水平均具有逐年提升的變化趨勢；第二，選擇性偏差，即所選擇的智慧城市本身就具有較高的創新水平；第三，智慧城市建設提升了城市創新水平。模型2在模型1的基礎上加入了時間虛擬變量，回歸系數依舊顯著為正，并且從時間虛擬變量的回歸結果來看，城市創新水平存在著逐年提升的變化趨勢(限于篇幅，未在表3中給出年份虛擬變量回歸結果)，因而排除了第一個方面原因。模型3還進一步控制了組別虛擬變量，其回歸系數在1%的置信水平下顯著為正，說明智慧城市在一定程度上存在著選擇性偏差的問題，即智慧城市試點本身具有較高的創新水平。而控制實驗組與對照組的差異后，智慧城市試點變量的回歸系數依舊在1%的置信水平下顯著為正，進一步排除了第二個方面原因，說明智慧城市試點政策顯著提升了城市創新水平。模型4在基準模型的基礎上控制了個體固定效應，模型5和模型6則相對于模型3和模型4分別加入了控制變量，結果都未發生實質性變化。

表3 基準回歸結果

(二)平行趨勢及動態效應檢驗

DID方法的使用前提是滿足平行趨勢，即未受到試點政策的沖擊時，實驗組和對照組城市創新水平具有相同的變化趨勢。同時，由于智慧城市試點受到政策實施強度、政策實施基礎、生產要素調整等因素的影響，智慧城市試點的政策效果可能具有緩沖期和消化期，從而導致政策實施效果可能具有一定的滯后性。基于這兩方面因素的考慮，本文參照Beck et al.(2010)的做法，利用事件分析法，構建如下動態模型：

(2)

圖3 平行趨勢檢驗：圖示法

首先，通過圖示法比較試點實施前后創新水平的變動趨勢。如圖3所示，在試點實施之前，實驗組和控制組的城市創新水平并不存在顯著的差異，滿足平行趨勢。從圖3中還可以看到，智慧城市實施后，政策效應顯現，隨著試點實施時間的推移，政策效果持續增強，因此，智慧城市試點對城市創新的影響并不具有滯后性，政策效果的展現具有持續性。

其次，為進一步驗證平行趨勢并對試點的動態政策效果進行評估，將回歸分析結果展示于表4中。表4表明，在2012年(Current)之后，政策系數是顯著異于0，而在2012年之前，政策系數均不再顯著異于0，這進一步表明政策實施之前實驗組城市和對照組城市滿足平行趨勢假設。同時，政策實施后，回歸系數逐年增大，因此，智慧城市試點政策的效果具有長期性和穩定性。

表4 平行趨勢檢驗：回歸法

(三)基于PSM-DID方法的回歸分析

為了充分展現智慧城市的政策效果，國家可能選擇一批城市進行試點，如產業基礎較好、金融發展水平較高及信息化水平較高的城市更可能被優先設立為試點城市。由此可見，智慧城市的設立并非完全是隨機選擇的。為準確評估智慧城市的創新效應，本文借鑒Heckman et al.(1998)的做法，使用PSM-DID方法緩解選擇性偏差(Selection bias)問題，選擇城市經濟發展水平、金融發展水平、對外開放水平、產業結構水平、人力資本水平、基礎設施水平以及財政分權等各城市的特征條件作為匹配變量，通過logit模型計算一個城市被設立為智慧城市的概率。具體模型如下：

P(treated=1)=f(ln econ、ln open、ln ins、ln inf、ln fina、ln fisc)

(3)

其中，P為傾向得分值。本文采用一對一近鄰匹配法進行匹配，匹配后樣本容量為2889個。在得到配對的實驗組和控制組后，還需要進一步檢驗是否滿足共同支撐假設。若檢驗結果表明實驗組和控制組不存在顯著的差異，則PSM-DID方法具有合理性。表5顯示，大多數變量在匹配后的標準化偏差明顯縮小，且T檢驗的結果不拒絕處理組和控制組無顯著的差異。此外，我們還進行共同支撐檢驗，大多數觀測值均落在了共同取值范圍內，表明使用PSM-DID方法具有合理性。

表5 PSM-DID方法適用性檢驗

在驗證了PSM-DID方法的合理性后，進一步進行回歸分析，結果見表6。與基準回歸結果類似，模型1到模型6的智慧城市試點虛擬變量的回歸系數均在1%的置信水平下為正，說明智慧城市建設顯著提升了城市創新水平，基準回歸的估計結果具有較強的有效性。

表6 PSM-DID估計結果

五、進一步分析

(一)穩健性檢驗

1.安慰劑檢驗

安慰劑檢驗通常有構造虛擬的處理組和虛擬的政策時間兩種思路。本文參考黃溶冰等(2019)的做法，采用兩種方法進行安慰劑檢驗。首先，構造虛擬的處理組，本文將原樣本的處理組和對照組互換，對隨機匹配處理組和試點政策實施時間進行DID估計，回歸結果如表7的模型1和模型2所示，模型1為未加入控制變量的回歸結果，模型2在模型1的基礎上加入了控制變量。兩個模型中，試點政策的回歸系數均不顯著，說明虛擬智慧城市試點對城市創新水平并沒有產生顯著影響。其次，構造虛擬的政策時間，本文保留全部對照組樣本和2015年開展試點的城市作為處理組，將試點的設立時間虛擬為2013年和2012年，以進行DID估計。回歸結果如表7的模型3和模型4所示，關鍵解釋變量dt的回歸系數仍不顯著，說明虛擬政策時間對城市創新沒有影響，證明本文的研究結論具有穩健性。

表7 安慰劑檢驗

2.控制其他相似政策的沖擊

準確評估智慧城市創新效應的另一個要求在于，城市創新水平的提升只能是智慧城市政策“沖擊”，而非其他政策影響的結果。在本文研究的時間段內，還有一些其他政策，如創新型城市、文明城市、低碳城市建設以及高鐵開通等都可能影響城市創新水平。要想準確識別出智慧城市試點的凈效應，就要控制這些政策的沖擊。借鑒Abadie et al.(2010)和聶飛(2019)的方法，先保持實驗組城市不變，即變量treated不變。假設智慧城市試點實施后的三年間(2013—2015年)，實驗組城市還會面臨類似于智慧城市試點政策的影響，分別定義為變量：ye13=period13×treated、ye14=period14×treated和ye15=period15×treated(其中，period13、period14和period15為二元時間虛擬變量，有其他類似政策發生取1，否則取0)。將變量ye13、ye14和ye15納入模型中，回歸分析的結果如表8所示，從中可以看出智慧城市建設顯著提升了城市創新水平，并且變量ye13、ye14和ye15的回歸系數均不顯著。該結果說明，2013—2015年間實驗組城市基本不存在其他政策對城市創新水平的沖擊，進一步證明了本文基本結論的穩健性。

表8 排除其他政策干擾

3.其他穩健性檢驗

為確保研究結論的穩健性，本文還考慮預期因素對結果的影響。在“強帶動、強壓力、強競爭”的申報體制下，地方政府可能為申報智慧城市做一些準備工作，而這可能會造成估計結果偏差。借鑒宋弘等(2019)的做法，在回歸方程中加入了智慧城市試點之前一年的虛擬項。回歸結果如表9的模型1和模型2所示，從中可以看到，無論是否加入控制變量，核心解釋變量的系數仍然顯著為正，而提前一年預期的估計系數很小且不顯著，數據表明“智慧城市”試點的準備工作沒有對估計結果造成影響。

此外，本文還通過改變被解釋變量的測度方式，以進行穩健性檢驗。專利是研發與創新活動最為直接的產出，以往研究多用專利授權量作為城市創新水平的測度指標。因此，本文以城市專利申請授權數作為城市創新水平的測度指標進行穩健性檢驗，數據來源于專利云數據庫。回歸結果如表9的模型3和模型4所示，數據表明無論加入控制變量與否，智慧城市試點對城市創新水平的影響均顯著為正，證實了前述結論的穩健性。

表9 其他穩健性檢驗結果

(二)異質性檢驗

1.城市科教水平的異質性

科教水平較高城市的人才培養水平更高，科研活動更為豐富，因而有必要檢驗由科教水平差異帶來的異質性。高校是否入選“211工程”是衡量其科教發展質量的重要標準，因而本文根據城市是否有“211工程”大學(1)具有“211”工程學校的城市有：北京、上海、天津、重慶、保定、太原、呼和浩特、大連、沈陽、長春、哈爾濱、南京、蘇州、無錫、杭州、合肥、廈門、福州、南昌、濟南、青島、鄭州、武漢、長沙、廣州、南寧、成都、綿陽、貴陽、昆明、西安、蘭州、烏魯木齊、石河子、銀川、西寧、拉薩。將城市劃分為科教發展水平較高的城市和科教發展水平較低的城市，并由此進行分樣本回歸，回歸結果如表10的模型1和模型2所示。在科教水平較高的城市，智慧城市建設對城市創新水平的影響并不顯著，在科教水平較低的城市試點政策的創新效應才得以顯現。之所以如此，可能是因為：在科教水平較高的城市，創新經濟處于較成熟階段，人力資本和科研資源比較豐富，創新潛能得到較為充分的挖掘(李政 等，2019)，因此，智慧城市建設對城市創新水平提升的邊際作用較小；而在科教水平較低的城市，智慧城市建設正好為創新要素的集聚提供合適的平臺與契機，加之此類城市本就處于創新發展的初期階段，具有強勁的“后發優勢”，因此智慧城市試點顯著提升了城市創新水平。為了證實這一判斷，本文還根據城市創新水平進行異質性分析，實證結果表明，智慧城市試點政策對創新水平較高城市(創新水平位于中位數以上)的影響效應較小，對創新水平較低城市(創新水平位于中位數以下)的影響效應較大，證實在科技發展較為成熟的城市，智慧城市試點政策對城市創新的邊際作用較弱(2)感謝匿名審稿專家的寶貴建議。限于篇幅，未在正文中列示回歸結果，如需要可向作者索取。。

表10 異質性檢驗

2.城市規模的異質性

一般而言，與小城市相比，大城市往往具有創新要素和資源的集聚優勢，其產業基礎、金融化水平、交通水平等也較高。這些差異可能導致智慧城市的創新效應存在異質性。本文將樣本劃分為大城市和中小城市(3)根據國發(2014)51號文件《關于調整城市規模劃分標準的通知》，將城市規模分為五類：超大城市劃分標準為城區常住人口 1000 萬人以上；特大城市劃分標準為城區常住人口500萬以上1000萬人以下；大城市劃分標準為城區常住人口100萬以上500萬人以下，其中，100萬以上300萬人以下的城市為II型大城市，300萬以上500萬人以下的城市為I型大城市；中等城市劃分標準為50萬以上100萬人以下；小城市劃分標準為城區常住人口50萬人以下，其中，20萬以上50萬人以下的城市為I型小城市，20萬人以下的城市為II型小城市。本文將城區常住人口100萬以上城市均視為大城市，100萬以下城市則視為中小城市。兩組進行研究。回歸結果如表10的模型3和模型4所示。中小城市的試點建設顯著促進了創新水平的提升，而該效應在大城市中卻并不明顯。究其原因可能在于，中小城市的創新水平比較低，往往處于全力追趕大城市的階段，智慧城市建設可以充分挖掘其創新潛能，進而展現出規模經濟特征；而在大城市，創新發展已經趨于成熟，試點建設的邊際作用較小，因此智慧城市建設對創新水平的影響作用并不顯著。

3.城市區位的異質性

中國東部地區位于沿海，交通便利，該地區還是諸多試點政策的“先行者”。因而相比于中西部地區，東部地區在創新要素集聚方面擁有獨特的優勢，這種區位優勢的差別可能造成智慧城市創新效應存在異質性。為檢驗此異質性，本文按樣本所處地理區位分為東部地區城市和中西部地區城市，以分別進行回歸，結果如表10的模型5和模型6所示。回歸結果表明，無論是在東部地區還是在中西部地區，智慧城市建設均能顯著提升城市創新水平。智慧城市建設的創新效應在中西部地區十分顯著的原因可能在于，近年來，“一帶一路”和長江經濟帶等戰略的深入實施初見成效，再加之成渝城市群、中原城市群、武漢都市圈在創新資源集聚方面發揮了強有力的作用，使得智慧城市試點的區位異質性得以減小甚至消除。

(三)影響機制檢驗

基于前文的分析，本部分將對智慧城市建設對城市創新水平的影響機制進行實證檢驗。首先，在基準回歸的基礎上，本文加入智慧城市試點變量(dt)和城市信息化水平變量(inf)的交乘項。參考現有研究的做法，采用城市人均互聯網用戶數衡量城市信息化水平(inf)。表11中模型1和模型2的回歸結果表明，無論是否加入控制變量，交乘項的系數皆顯著為正。這表明，由于先進的互聯網等信息通信技術是智慧項目的依托，智慧城市作為外生沖擊有效提升了城市信息化水平，便捷了城市內部的信息交流并提升了信息處理速度，進而有利于促進城市創新水平提升。其次，我們在基準模型中加入智慧城市試點變量(dt)和城市金融發展水平(fin)(4)參考現有研究的普遍做法，采用“城市(貸款余額+存款余額)/GDP”衡量金融發展水平。的交乘項。無論加入控制變量與否，交乘項的系數同樣顯著為正，表明智慧城市建設促進金融發展的智慧化，有利于提升城市創新水平。最后，我們還在基準模型中加入智慧城市試點變量(dt)和產業結構(ins)的交乘項，交乘項的回歸系數在1%的統計意義上正顯著，表明智慧城市建設加速了產業結構升級，進而有利于提升城市創新水平。

表11 機制分析結果

六、研究結論與政策建議

提升創新水平是經濟高質量發展的內在要求，為此中央政府出臺了多項政策措施。本文基于智慧城市試點的準自然實驗，在理論分析的基礎上，利用227個城市2003—2016年的面板數據，采用多期DID、PSM-DID等方法，實證檢驗了智慧城市試點對城市創新的影響，得到主要結論如下：智慧城市建設顯著提升了城市創新水平；智慧城市創新效應的發揮不存在滯后性，并且隨著時間的推移，試點創新效應顯著增強，導致政策效果具有長期性；在科教水平較高的城市和大城市，智慧城市建設并未促進城市創新水平的提升，反而在科教水平較低的城市和中小城市，智慧城市建設的創新效應顯著為正，并且智慧城市創新效應不存在區位異質性；信息化發展、金融智慧化以及產業結構提升是智慧城市建設影響城市創新的機制。

根據本文的研究結論，具有如下政策啟示：

第一， 智慧城市作為一項復雜的系統工程，為更好地發揮其對城市創新的促進作用，一方面，應進一步推進信息基礎設施建設，對城市電氣、燃氣、能源、資源等方面進行智慧化改造；另一方面，要積極創建智慧服務平臺，為創新活動的開展提供數據服務。此外，要進一步優化智慧政務和數字化城市管理模式，推進制度創新，營造良好的創新環境；同時，中央政府和地方政府在政策制定與實施方面要加強互動，總結試點經驗，加快試點科技成果的轉化。在試點發展質量得以保證的前提下，可有序擴大試點實施范圍，推動城市創新水平的快速提升。

第二，智慧城市試點建設應堅持因地制宜，加強政策執行的靈活度和包容性。在科教水平較高的城市和大城市，應繼續優化城市創新環境，積極引導試點智慧城市科技成果的轉化步伐，借力試點政策構建特色城市創新生態系統，從而促進城市高質量發展。而對中小城市和科教水平較低的城市，要充分利用其“后發優勢”，發揮智慧城市試點政策對其創新潛能的挖掘作用和城市創新要素集聚的帶動作用，以提高此類城市的創新活力。

第三，要重點探索試點政策促進城市創新水平的多維路徑，優化試點政策實施效果。首先，在智慧城市建設的過程中，要積極引導智慧產業的發展，培育和發展生產性服務業，提升產業的科技含量和技術復雜度。其次，在智慧城市建設過程中，要積極引導智慧金融的發展，推動傳統金融模式的革新，借此助力科技型中小企業發展；同時，要進一步推動信息化建設，大力引導物聯網、大數據、5G技術、云計算等信息技術應用，帶動知識、技術和人才在更大范圍內流動，促進城市創新水平的提升。

智慧城市試點政策實行過程可能存在“重申報，輕落實”的現象。當前還應重視試點的監督和評價，加強退出機制建設，對于試點效果實施不佳的城市不再納入試點范圍。同時，應積極明確責任主體的責任，加強對智慧城市的考核。此外，由于智慧城市建設匯聚中央政府和地方政府的戰略合力，在實施過程中，各級政府要明確自身的角色和定位，重點在于營造和諧有序的市場環境。對于智慧城市中各種智慧項目的開展，應該充分發揮市場以及企業的主導作用，最終促進智慧城市高質量發展。