智慧城市建設對地區綠色全要素生產率影響研究

申洋，郭俊華，朱彥

智慧城市建設對地區綠色全要素生產率影響研究

申洋1，郭俊華1，朱彥2

(1. 西北大學經濟管理學院，陜西西安，710127；2. 西北政法大學經濟法學院，陜西西安，710122)

將智慧城市試點的設立視為一項準自然實驗，使用2005—2018年地級市經濟數據，利用雙重差分方法實證分析了智慧城市建設對地區綠色全要素生產率的影響。研究發現：第一，智慧城市建設對地區綠色全要素生產率提高有顯著的促進作用；第二，智慧城市建設對環境效率與能源效率均存在正向影響；第三，智慧城市建設提高綠色全要素生產率的效應在東部城市比在其他地區城市更強，在大城市比在小城市更強；第四，智慧城市建設可以通過提高地區科技創新能力、環境規制程度與產業結構服務化水平促進綠色全要素生產率提升。

智慧城市；綠色全要素生產率；雙重差分法

一、引言

改革開放以來，我國城市發展取得了舉世矚目的成就，2019年我國城市數量達到672個，城鎮化率達到了60.6%，比1949年增加了49.96個百分點，城市發展正不斷為我國經濟增長注入新動能[1]。然而城市的快速擴張也引發了交通擁堵、資源短缺、空氣污染、廢物處理不當等各種經濟與社會問題，其中，資源環境問題因與人們生命健康與生活質量息息相關而備受關注[2]，實現綠色發展以適應人們對美好生活的向往已成為城市管理者的當務之急。已有研究認為，以高投入、高消耗、高排放的重工業為主導的城市化是造成城市資源與環境問題不斷惡化的重要原因[3]，這種粗放的城市經濟增長方式始終制約著我國經濟高質量發展[4]。因此，傳統的城市管理與運營模式在新時代下已經難以為繼，城市迫切需要通過更具智慧的科技與制度去改善它的核心系統，從而最大限度地提高資源使用效率，降低污染物排放，提升綠色全要素生產率。全球化浪潮下，新興技術、數字化、虛擬化與網絡化催生的集體智慧成為了解決城市問題的新范式，智慧城市在這一背景下應運而生，其運用現代化監測、通訊、感測、控制等技術，成為實現城市管理和運行智能化、科學化的新觀念和新方式，為解決城市資源環境問題、提高城市綠色全要素生產率提供了全新的思路。黨的十九大報告提出未來我國要推動互聯網、大數據、人工智能和實體經濟深度融合，推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率。可見，現代化信息技術將成為推動我國經濟高質量發展的主要動力，而以信息技術為核心的智慧城市也將成為未來城市可持續發展的方向。

現有研究主要從全要素生產率[5]、產業結構升級[6]、科技創新[7]等角度分析了智慧城市建設對于城市發展的重要意義。部分學者重點關注了智慧城市建設對城市資源環境問題的影響，并主要從技術與非技術兩個方面對智慧城市建設解決城市資源環境問題的理論機制進行了闡釋。從技術層面看，有學者認為智慧城市建設可以通過提高城市科技水平而提升城市解決資源環境問題的能力。如Hilty等認為信息與通信技術(ICT)可以使經濟體擺脫通過要素投入促進經濟增長的單一發展模式，促進資源使用效率提升[8]；Renata認為智慧城市建設可以通過降低二氧化碳排放、使用高效能源等方式提高城市綠色全要素生產率[9]；Liu等認為智慧城市將資源開發、清潔生產和廢物處理整合在一起，自然資源的使用從一條線或一條鏈變成網狀結構，生產和生活的消耗與排放不會使自然生態系統負擔過多，實現了節約自然資源并不斷提高效率的目的[10]。從非技術層面看，有學者認為智慧城市建設完善了城市制度體系與運作模式，進而提升了城市綠色全要素生產率，如Khansari等認為智慧城市有助于政府制訂可持續發展的行為和規劃，使城市各類主體的社會行為轉向更有效和可持續地利用城市資源，促進了城市水和土地利用系統、能源和運輸系統等基礎設施的建設完善，并鼓勵使用可再生能源作為可持續發展的途徑[11]。Ramaswami等認為智慧城市建設加強了多產業同地協作活動，有助于提高多部門協同效應，充分發揮先進的區域能源系統對能源使用與污染物排放的監管能力[12]。也有學者從多角度綜合分析了智慧城市對環境的影響，如石大千等認為智慧城市建設融合了熊彼特創新理論的五個方面，這五個方面又內生地從技術效應、配置效應和結構效應降低城市環境污染[13]；崔立志等認為人力資本與信息基礎設施會影響智慧城市的減排效應[14]。

也有學者對智慧城市促進綠色全要素生產率的作用提出了質疑，如Albino等認為智慧城市建設帶來的信息技術發展對城市資源環境的影響仍是不確定的[15]；Tannaz等認為在經濟與環境兩個目標上，智慧城市建設越接近一個目標就會越遠離另一個目標[16]。

盡管已有研究從不同角度分析了智慧城市建設對城市發展的意義，但仍存在兩方面的不足：第一，多數關于智慧城市與城市經濟效應的研究忽略了資源與環境損耗，沒有將生產活動對城市環境造成的負面外部性影響考慮在內，混淆了“好的產出”與“壞的產出”，導致對社會福利變化的評估出現扭曲，政策建議出現偏 差[17-18]。新時代下城市發展政策更需要在經濟與環境兩極之間作權衡[19]，如果智慧城市促進全要素生產率提升與經濟增長是以犧牲環境為代價的，這種智慧城市建設模式顯然是不可取的。第二，目前多數有關智慧城市與綠色全要素生產率的研究還處于定性分析階段且結論存在一定爭議，相關的實證研究不夠充分。基于以上原因，本文認為有必要將資源與環境投入引入城市全要素生產率分析框架，進一步考察智慧城市這一現代化的城市運營模式能否提高地區綠色全要素生產率，促進城市高質量發展。

鑒于此，本文使用2005—2018年我國大陸地區地級市層面數據，運用雙重差分法研究智慧城市建設能否促進地區綠色全要素生產率提升。本文的邊際貢獻在于：將資源與環境因素納入經濟效率分析框架，從科技創新、環境規制與產業結構服務化三個角度闡釋了智慧城市建設提升綠色全要素生產率的理論機理，豐富了關于智慧城市與綠色全要素生產率的理論研究。同時，在考慮異質性與穩健性的情況下通過構建雙重差分模型對理論進行了實證檢驗，為以智慧城市建設促進綠色全要素生產率提高提供了經驗證據。

二、理論分析

(一) 政策背景

智慧城市是將用于數據采集、環境監測等功能的各種感應裝置或人工智能設備嵌入交通、管網、河流等基礎設施或自然環境中，對城市運行狀況進行實時動態監測，通過大數據與云計算等數字技術對城市運行信息進行分析與整合，并向城市管理部門提供問題反饋與決策建議的一種城市運行方式。這是信息革命時代通過整合與統籌現代科學技術、數字信息資源與應用操作系統對城市運行方式與管理模式進行優化的一次探索和嘗試[20]。智慧城市理念的誕生最早可以追溯到20世紀80年代的美國新城市主義運動提出的智慧增長概念[21]，它是基于城市可持續發展理論所提出的術語，其誕生之初就與解決城市資源環境問題密切相關。2008年11月6日，時任IBM公司CEO的Sam Palmisano提出世界及其城市只有變得更加有智慧，才能更具可持續發展。這一觀點使智慧城市的理念得到了極大的推廣。其后，歐盟將“智慧歐洲”與可持續發展作為其十年增長戰略“歐洲2020”主要目標之一，提出要通過科技創新應對氣候變化與提高資源效率。我國多個城市于2009年開始自發制定智慧城市發展規劃。2012年住房城鄉建設部開始實施國家智慧城市試點，并發布了《國家智慧城市(區、鎮)試點指標體系》，明確指出智慧城市建設是推動集約、智能、綠色、低碳的新型城鎮化發展的重要途徑。2014年八部委聯合發布了《關于促進智慧城市健康發展的指導意見》，提出建立水、大氣、噪聲、土壤和自然植被環境智能監測體系和污染物排放、能源消耗在線防控體系的要求。2016年智慧城市被正式寫入《政府工作報告》，明確提出“打造智慧城市,改善人居環境”。2019年《中國—東盟智慧城市合作倡議領導人聲明》中再次提出要通過智慧城市促進環境可持續發展、解決節能和環保面臨的問題。可見，解決城市資源環境問題貫穿于智慧城市建設的全過程中，是智慧城市建設目標的重要一環，資源與環境是在分析智慧城市建設提升城市效率中不可忽略的關鍵因素。

(二) 理論機制

如果傳統產業構成了城市的骨架，那么“智慧城市”建設就是通過信息技術、人工智能、大數據等現代化科學技術形成城市的大腦和神經系統，這個神經系統延伸到包括工業生產、能源供給、廢物處理等城市經濟生活的每個環節，調節著城市的綠色健康運行。智慧城市是城市發展到信息時代與數字時代所演變出來的新形態，是城市在創新推動下由低級形態向高級形態的躍遷[13]。智慧城市的高級性主要表現在智慧運行、智慧管理與智慧發展三個方面：智慧運行是通過科學技術升級改變城市運營組織框架，提高城市運行效率；智慧管理是通過現代監測手段與管理方式，提高政府監管效率；智慧發展是以產業結構升級為核心，轉變傳統的城市發展模式[22]。當智慧城市的上述三個特征作用在城市綠色發展上，便可以通過科技創新、環境規制與產業結構服務化有效提升城市綠色全要素生產率。

第一，智慧城市通過提高科技創新能力提升綠色全要素生產率。智慧城市是新一代信息技術與數字技術的載體，其主要任務是利用電子設備、信息系統等現代技術將現實世界數字化，經大數據等數字技術統一處理、分析，為城市管理者制定發展政策、發布災害預警等提供參考。智慧城市是知識社會與數字社會的統一體，知識與創新能力這兩種無形資產形成了維持智慧城市運轉的核心動力，創新驅動也已成為世界各國智慧城市建設的主要路徑[22]。由此可見，智慧城市需要以現代科學技術作為物質基礎與城市架構，并依賴大量科技產品的投入，這會對城市的科研與創新部門產生極大的需求。因此，智慧城市可以重塑一系列與科技創新、技術轉讓及高技術產品營銷直接相關的城市新功能，激發私人部門、政府部門、學校及科研部門等各種社會組織的自主創新積極性，極大地提高城市產、學、研的協同創新能力。與此同時，人力資本是知識與創新能力的承載者，高層次人才需要通過相對接近的物理空間距離形成集聚效應以捕捉更多的外溢效應[23]，從而最大程度地發揮其創新性。智慧城市建設會產生對創新型人力資本的剛性需求，并形成支撐創新型人力資本集聚的制度環境與市場環境，加速創新型人力資本集聚，這些人力資本與勞動力所蘊含的創造力與生產能力能有效匹配智慧城市建設帶來的對城市創新能力的高要求與城市技術組織架構的變革[24]，成為推動智慧城市不斷發展的動力。智慧城市為科技創新創造了適宜的土壤，而科技創新為提高城市綠色全要素生產率創造了條件。一方面，科技創新通過變革社會生產方式提高綠色全要素生產率。智慧城市帶來的城市創新能力的提高，加快了城市工業部門生產設備與生產工藝的更新速率，使工業部門不斷催生出低消耗、低排放、高附加值的生產技術，逐步替代傳統的高消耗、高排放的生產模式，削減了城市在污染領域的不合理產出，也使得城市在面對各類污染源時能夠提出更有針對性的治理措施，從而加快城市由粗放型生產方式向綠色集約型生產方式的轉變。另一方面，科技創新通過優化要素使用結構提高綠色全要素生產率。科技創新使城市在面對投入—產出問題時可以提出更智慧的解決方案，進而優化城市要素投入結構，糾正區域資源錯配，改善地區產能過剩狀況，提高城市資源利用率，減少資源浪費與廢物排放，最終實現地區綠色全要素生產率提高。與此同時，生產技術的提升，也極大推進了清潔能源的研發與應用，減少了對高污染化石燃料等傳統能源的依賴，優化了能源消費結構，降低了城市單位能源消耗和污染排放水平。

第二，智慧城市通過提高環境規制水平提升綠色全要素生產率。智慧城市建設將從技術層面與制度層面提升地方政府環境規制水平。從技術層面看，智慧城市通過在城市重點地區與重點企業配置的傳感系統、監視系統與數據采集系統實時記錄城市環境數據與企業排放數據，并利用大數據平臺對海量數據進行分析、模擬和預測，從而保證環境監管部門可以及時掌握企業的污染排放量與能源消耗量，并在第一時間對排放超標的企業制定整改與懲罰措施，也有助于監管部門對企業排污設備與治污技術升級提出具有針對性的指導意見，客觀上提高了城市環境規制水平。從制度層面看，中國式財政分權與政治晉升模式下，以要素投入主導經濟增長的傳統城市運營模式導致長期以來各地市都在不同程度上忽略了資源使用效率與自然環境保護，地方政府治理污染的主動性仍然較低，環境監管仍不到位，環境治理乏力[25]。而中央政府對智慧城市試點城市的環境質量有著更高的要求，《國家智慧城市(區、鎮)試點指標體系》明確提出智慧城市建設要完善城市環境、生態智慧化管理與服務的建設，這就促使地方政府提高對本地環境質量的管制水平。環境規制是經濟活動外在的制度性約束，將對經濟主體綠色全要素生產率產生重要影響。環境規制水平的提升意味著地方政府將加強對污染密集型項目的審查，采取更嚴格的懲罰措施處理污染企業的超標排污行為，迫使污染企業承擔必要的社會成本，對轄區內企業產生“震懾效應”，使企業主動完善污染處理流程，降低污染排放。同時，根據“波特假說”，社會成本的私人化將倒逼企業不斷進行技術創新，激勵企業開發清潔技術和工藝、改變傳統的生產方式以降低污染排放量、改善能源消費結構、提高資源投入效率，從而彌補環境規制造成的生產成本提升，進而促進綠色全要素生產率提高[26]。

第三，智慧城市建設可以通過產業結構服務化提高綠色全要素生產率。智慧城市建設為服務業提供了更廣闊的發展空間，智慧城市需要知識創造與社會聯系為技術創新提供支持，這必然會促進教育、信息技術、風險資本融資、專利服務和其他提供科技服務的行業發展。服務業發展可通過兩條路徑促進綠色全要素生產率提升，一方面，服務業本身就具有低資源投入、低污染物排放、高產出的特征，服務業產值比重增加，必然會提高城市綠色全要素生產率。資本密集型重工業長期以來一直是我國經濟的主導力量，高投入、高排放、低效率的粗放式發展方式導致我國資源環境問題始終難以得到根治。智慧城市建設帶來的服務業發展有助于減少對粗放式發展模式的路徑依賴，促使城市對能源的剛性需求下降，降低城市能源消費增長率，降低單位產出的資源消耗水平與污染排放量。另一方面，服務業發展尤其是為制造業提供支撐的現代服務業發展會提高工業部門綠色全要素生產率，進而提高社會整體綠色全要素生產率。具體來看，現代服務業作為技術中介部門可以幫助工業部門引入更先進的綠色技術與清潔能源，加快綠色技術創新在企業間的共享與傳播[27]，引發企業生產條件與生產方式改善的連鎖反應，提高城市綠色全要素生產率。同時，生產性服務業本身也可以作為專業的污染處理部門，為解決工業部門的污染排放提供技術、法律、資金等方面的支持，有助于解決城市環境污染問題。

三、研究設計

(一) 模型設定

住房城鄉建設部分別于2013年1月、2013年8月與2015年4月公布了三批國家智慧城市試點，可以將智慧城市試點的設立當作一項“準自然實驗”，通過雙重差分法考察智慧城市建設能否促進城市綠色全要素生產率提升。考慮到單純的雙重差分模型可能存在自選擇問題，即本身綠色全要素生產率較高的城市更有可能被選擇為智慧城市，使用傾向得分匹配法(PSM)對樣本處理組與控制組進行匹配后再進行雙重差分(DID)可以緩解這一問題，因此，考慮到結果的穩健性，本文在DID方法的基礎上進一步使用PSM-DID法進行實證分析，具體方法是采用1?1抽樣放回最近距離的配對來構建控制組，使用logit法估計處理組與控制組的“傾向值”。

具體的模型形式如下：

其中，為被解釋變量綠色全要素生產率；下標和分別表示城市和年份；0是常數項；為智慧城市政策虛擬變量，是本文的核心解釋變量，其構建方法將在下文進行詳細闡述；1是智慧城市建設對綠色全要素生產率的影響系數，是本文重點關注的估計系數；X是一系列控制變量；是控制變量的估計系數；是時間固定效應；是地區固定效應；是隨機誤差項。

(二) 變量說明

1. 被解釋變量

本文認為綠色全要素生產率是在傳統TFP的計算方法上納入環境效率與能源效率，因此參考匡遠鳳的方法在隨機前沿分析(SFA)框架下通過將工業生產的污染物排放與能源投入作為要素投入引入生產函數對綠色全要素生產率進行評價[28]。具體來看，產出變量為各市實際GDP對數，投入變量包括：(1)資本投入，使用資本存量的對數表示，資本存量使用永續盤存法計算得到；(2)勞動力投入，使用各市從業人員總量的對數表示；(3)環境污染物排放，使用工業二氧化硫排放量的對數表示；(4)能源投入，使用工業用電量的對數表示。此外，本文使用Frontier4.1軟件計算綠色全要素生產率，生產函數選擇柯布—道格拉斯生產函數形式。

2. 核心解釋變量

將成為國家智慧城市試點的城市作為處理組，其他沒有獲得智慧城市試點的城市成為控制組，這樣就得到了處理組的102個城市樣本，其中，第一批34個，第二批43個，第三批25個。考慮到結果的穩健性，在將所有批次的智慧城市作為處理組的基礎上，本文也分別將處理組設置為僅第一批智慧城市試點、僅第二批智慧城市試點以及僅第三批智慧城市試點，當處理組為僅第一批智慧城市試點時，剔除第二批與第三批智慧城市試點，當處理組為僅第二批與僅第三批智慧城市試點時也作類似的處理，這里不再贅述。設定虛擬變量treat表示城市所屬的組別，如果城市屬于處理組則取1，如果城市屬于控制組則取0。用虛擬變量post表示智慧城市試點沖擊期間，由于全部樣本下不同城市獲批智慧城市試點的時間不同，為避免智慧城市釋放效應的偏估，我們根據智慧城市獲批的時間設定post，獲批當年及之后年份取1，否則取0。核心解釋變量did=treat×post。

3. 控制變量

借鑒既有研究，本文主要選擇以下控制變量：(1)人力資本()，使用高校在校生占總人口的比重表示；(2)基礎設施()，使用實際人均郵政與電信業務收入的對數表示；(3)對外開放()，使用實際利用外資占GDP的比重表示，并使用當年平均匯率將實際利用外資額換算為人民幣；(4)市場化程度()，使用私人與個體從業人數占總從業人數的比重表示；(5)政府干預強度()，使用財政支出占GDP的比重表示；(6)消費需求()，使用社會消費品零售總額占GDP的比重表示；(7)金融發展()，使用年末存貸款余額總量占GDP的比重表示。

本文使用2005—2018年230個地級市的面板數據進行實證檢驗，所有數據均來自《中國城市統計年鑒》以及各省統計年鑒。

四、結果分析

(一) 基準回歸

使用雙向固定效應模型估計智慧城市建設對綠色全要素生產率的直接影響，結果見表1。表1中模型一至模型四是使用DID方法的回歸結果，模型五至模型八是使用PSM-DID方法的回歸結果。模型一和模型五是所有批次的智慧城市試點均納入處理組的實證結果，模型二和模型六是僅第一批成立的智慧城市試點被納入處理組的實證結果，模型三和模型七是僅第二批成立的智慧城市試點被納入處理組的實證結果，模型四和模型八是僅第三批成立的智慧城市試點被納入處理組的實證結果。結果顯示無論使用何種方法和采用何種處理組，核心解釋變量的系數均為正，并在1%水平下顯著，且相同處理組在不同方法下核心解釋變量的變動幅度較小，表明在實施智慧城市建設試點之后，處理組城市的綠色全要素生產率相對于控制組城市出現了顯著的上升，因此，我國智慧城市建設對城市綠色全要素生產率的提高產生了積極作用。模型五的系數為0.0331，說明智慧城市建設可以使城市GTFP平均提高0.033 1個百分點。這種積極作用一方面來自于信息技術為污染排放提供了更好的監測與管理手段，另一方面表現在智慧城市建設改變了城市落后的生產方式，促進了城市的有效運行。

表1 基準回歸結果

注：***、**、*分別表示1%、5%、10%的顯著性，( )內的數據為標準誤。下同

采用雙重差分法評估智慧城市建設影響綠色全要素生產率的一個重要前提是如果不存在智慧城市試點這項政策沖擊，處理組和控制組之間的綠色全要素生產率變化趨勢是必須一致的，不能隨時間產生系統性差異。因此，本文使用事件研究法進一步考察平行趨勢假設是否成立。如果平行趨勢假設成立，那么綠色全要素生產率的變化將會出現在智慧城市試點設立之后，而在設立之前，智慧城市與非智慧城市的綠色全要素生產率變動趨勢應該不存在顯著差異。在基準回歸模型的基礎上構建如下回歸模型：

表2報告了不同處理組情況下平行趨勢假設檢驗的結果。模型一與模型三的結果顯示?1~?3的系數并不顯著異于0，模型二?2~?3的系數并不顯著異于0，但模型四?1~?3的系數均顯著不為0，說明除了處理組僅包括第三批設立的智慧城市的模型外，其他模型的平行趨勢假設整體上是成立的。另外，模型一至模型三除了0顯著為正外，1~3的系數也基本上顯著為正，說明智慧城市對綠色全要素生產率存在長期的正向影響。

表2 平行趨勢檢驗

注：***、**、*分別表示1%、5%、10%的顯著性，( )內的數據為標準誤。下同

針對PSM-DID模型，本文檢測了傾向得分匹配前后各協變量的統計量，發現各模型中的協變量統計量均由在1%水平下顯著變為不顯著，也就是說處理組與控制組協變量的均值在匹配后不再具有顯著性差異，PSM-DID方法有效。本文也檢測了協變量的偏差，見圖1。可以看到匹配后協變量偏差均在0附近，再次說明PSM-DID方法是有效的。

(二) 異質性檢驗

1. 基于綠色全要素生產率類型的異質性檢驗

本文認為綠色全要素生產率提高指在一定的產出下污染物排放減少與能源要素投入減少，因此綠色全要素生產率應包括環境效率與能源效率兩個方面。基準回歸中的綠色全要素生產率為同時引入能源投入與污染排放的綜合效率，下面將在上文綠色全要素生產率計算方法基礎上分別單獨引入污染排放與能源投入得到環境效率與能源效率，進一步考察智慧城市對環境效率與能源效率的影響差異。

圖1 協變量偏差

表3中模型一與模型二報告了智慧城市建設對環境效率與能源效率影響的回歸結果。可以看到對環境效率與能源效率的系數均顯著為正，說明智慧城市建設對環境效率與能源效率均存在積極作用。回歸結果還顯示，對環境效率的系數從數值與顯著性上均明顯小于對能源效率的系數，說明智慧城市建設對環境效率的促進作用小于對能源效率的促進作用。可能的原因是智慧城市建設對當地的產業結構影響較大，但對技術結構影響較小，城市成為智慧城市試點后會加快產業結構由工業化向服務化的轉型，這會導致城市能源投入量降低但城市產值增加，能源效率提高。而由于我國科技創新能力還比較弱，對于大多數中小城市而言，污染排放較少的高新技術產業難以形成對傳統重工業的替代力量，傳統重工業也很難從技術創新中實現升級，高排放的重工業仍然是很多城市的經濟支柱，重工業粗放式生產情況依然存在，智慧城市的設立對改善城市技術結構的作用在短期內效果較弱，因此對城市環境效率的影響較小。

2. 基于城市區位的異質性檢驗

由于區位因素以及改革開放初期的非均衡發展政策，我國東部地區經濟基礎雄厚，而其他地區經濟發展相對滯后，并可能由此造成東部城市與其他地區城市智慧城市建設對綠色全要素生產率的影響存在差異。本文將全部城市樣本分為東部城市與其他地區城市，并使用基準模型分別進行回歸，以考察智慧城市建設影響綠色全要素生產率的區域異質性，這里將東北三省的城市劃分到其他地區城市之中，結果見表3。

表3中模型三與模型四報告了城市區位的異質性檢驗結果，可以看到東部城市的系數值在1%水平下顯著為正，而其他地區城市的系數盡管為正，但不顯著，且數值明顯低于東部城市，這說明東部地區的智慧城市建設更能促進當地綠色全要素生產率提高。可能的原因在于東部地區人力資本集中，各種基礎設施相對完善，產業體系完整，科技水平較高，能夠立即響應智慧城市建設的各項政策，更快地實現產業結構升級與技術轉型，提高綠色全要素生產率，且各城市間、各產業間存在良好的互動與輻射效應，進一步加快了智慧城市建設目標的實現。而其他地區城市軟硬件基礎設施建設仍存在短板，產業結構不均衡，為實現智慧城市建設需要大量的前期準備，另外人力資本與物質資本的短缺使產業升級與技術結構轉型不順暢，削弱了智慧城市建設對綠色全要素生產率的促進作用。

表3 異質性檢驗結果

3. 基于城市規模的異質性檢驗

除了城市區位，城市規模也可以影響智慧城市建設對綠色全要素生產率的作用效果。另外，規模較大的城市更有可能獲得智慧城市建設試點的資格，將大城市樣本與小城市樣本整體回歸可能存在一定的自選擇問題，導致樣本違反共同趨勢假設，因此有必要剔除“大城市”對回歸結果的影響。鑒于此，本文將所有城市樣本分為“大城市”樣本與“小城市”樣本，并使用基準模型對兩類樣本分別回歸。參考劉瑞明的方法對全部城市進行分類[29]，“大城市”包括省會城市、副省級城市以及一些“較大的市”，其他城市則歸為“小城市”。

表3中模型五與模型六報告了城市規模異質性回歸結果，模型五的系數顯著為正，說明“大城市”中智慧城市建設可以促進綠色全要素生產率提升，去除“大城市”的自選擇效應后，模型六的系數仍顯著為正，說明“小城市”中智慧城市建設也可以促進綠色全要素生產率提升，同時也在一定程度上驗證了基準回歸的結果是穩健的。另外，模型五的系數大于模型六的系數，再次表明經濟基礎較好的城市其智慧城市建設對綠色全要素生產率的促進作用更強。

(三) 穩健性檢驗

本文在基準回歸中通過使用DID與PSM-DID兩種回歸方法與不同處理組的模型已在一定程度上驗證了結果的穩健性，為了進一步驗證智慧城市建設對綠色全要素生產率的影響，我們參考景守武等改變時間窗寬的方法[30]，使用2009—2016年、2010—2015年和2011—2014年的面板數據再次對基準模型進行回歸，結果見表4。表4中模型一至模型三在不同時間窗寬下核心解釋變量的系數均顯著為正，說明本文的研究結論是穩健的。

表4 改變窗寬的檢驗結果

(四) 中介機制檢驗

理論上看，智慧城市建設可以通過科技創新、環境規制以及產業結構服務化，促進綠色全要素生產率提升，本文將使用中介效應方法對上述機制進行逐一檢驗。以基準回歸方程為總效應方程，引入中介效應方程與凈效應方程，具體形式為：

其中，M為中介變量，其他變量含義與(1)式相同。

上式中，如果1與2均顯著為正，則說明中介效應成立；而1與2至少有一個不顯著，則需要進一步檢驗中介效應的顯著性，本文使用綜合中介效應檢驗方法考察中介效應的顯著性，其能夠在較高統計功效的基礎上控制第一類和第二類錯誤的概率，構建的統計量為：

選取如下變量為中介變量：(1)科技創新能力()，選擇每萬人專利申請受理數量表示，數據來自CNRDS數據庫；(2)參考沈坤榮等的方法構建環境規制指標()[31]，該指標的基本原理是二氧化硫去除率與工業煙(粉)塵去除率的加權平均值；(3)使用第三產業產值與第二產業產值衡量產業結構服務化水平()。中介效應檢驗結果 見表5。

表5中模型一顯示的系數顯著為正，說明智慧城市建設可以提高城市科技創新能力，模型二中與中介變量的系數均顯著為正，且Sobel檢驗值大于臨界值，說明智慧城市建設可以通過提高科技創新能力提升地區綠色全要素生產率，其主要原因是智慧城市建設為科技創新提供了良好環境，科技創新則促進了粗放型生產方式向集約型生產方式的轉型。模型三中的系數顯著為正，說明智慧城市建設可以提高區域環境規制水平，模型四中與中介變量的系數均顯著為正，且Sobel檢驗值大于臨界值，說明智慧城市建設可以通過提高環境規制水平提升綠色全要素生產率，智慧城市建設從技術層面加強了對城市污染企業的監測力度，從制度層面對城市污染排放進行了約束，倒逼城市通過投入更少的物質資本、產生更少的污染物排放而提高產出。模型五中顯示的系數顯著為正，說明智慧城市建設可以促進城市產業結構服務化，模型六顯示與中介變量的系數均顯著為正，且Sobel檢驗值大于臨界值，說明智慧城市建設可以通過產業結構服務化提升地區綠色全要素生產率，其主要原因在于智慧城市對服務業產生了大量需求，促進了服務業發展，服務業本身就是清潔產業，服務業中的生產性服務業又可以促進傳統制造業轉型，為實現綠色生產創造條件。

五、結論與啟示

將智慧城市試點的設立視為一項準自然實驗，使用2005—2018年地級市經濟數據，利用雙重差分方法實證分析了智慧城市建設對綠色全要素生產率的影響。研究發現：第一，智慧城市建設可以提高城市綠色全要素生產率；第二，智慧城市建設可以促進環境效率與能源效率提升；第三，智慧城市建設促進綠色全要素生產率提升的效應在東部城市比在其他地區城市更強，在大城市比在小城市更強；第四，智慧城市建設可以通過提高城市科技創新能力、環境規制程度與產業結構服務化水平提升綠色全要素生產率。

表5 中介效應檢驗結果

本文的研究對于我國深入推進智慧城市建設、提高城市可持續發展能力、實現經濟高質量發展具有一定意義。本文的政策啟示在于通過智慧城市建設中產生的科技創新的發展紅利、環境規制的制度紅利與產業服務化的結構紅利提高綠色全要素生產率，具體體現在以下幾個方面：第一，要抓住智慧城市建設促進現代科技發展的歷史機遇，營造良好的自主創新環境，以供給側結構性改革為指導，通過科技創新變革傳統產業的生產模式，借力物聯網、大數據、云計算等現代信息技術加快制造業轉型升級，逐步淘汰高消耗、高污染的落后企業，促進制造業提高能源使用效率，降低污染排放。第二，要不斷加強智慧城市對高層次人力資本的吸引力，以人才為支撐促進城市產業由資本密集型向知識與技術密集型轉變，使城市經濟增長逐漸擺脫對高投入、高排放的重工業企業的依賴。此外，要加強教育投入。高校及科研院所應以智慧城市建設所需的特定人才為導向培養更加專業化的人才，以人力資本為抓手提升社會創新能力，進而提高綠色全要素生產率。第三，在智慧城市的建設過程中需不斷完善對于污染排放與環境質量監測與評估的技術手段，著力推動綠色發展大數據平臺的建設，依托智慧城市的技術優勢實現對污染企業與城市環境質量的實時監控，通過技術手段對污染企業形成高壓，倒逼企業綠色生產。同時，不斷完善智慧城市的評價體系，提高環境因子在智慧城市評價體系中的比重，激勵地方官員加大環境治理力度，實現綠色發展。第四，智慧城市建設為二、三產業結構向合理化與高級化調整提供了條件，因此，應充分利用產業結構優化過程中釋放的結構紅利，大力促進服務業尤其是現代生產性服務業發展，使城市減少由于重工業比重過大而對物質資源的過分依賴。要重視生產性服務業對提高制造業綠色全要素生產率的積極作用，重點培育有利于科技創新、清潔能源開發的現代生產性服務業，加快生產性服務業與制造業的相互融合。第五，本文研究發現，在經濟基礎較好、產業體系完善的東部地區與大城市，智慧城市建設促進綠色全要素生產率的效應相比其他地區更顯著，因此未來我國發展政策應向東部地區以外的其他地區適當傾斜，縮小地區間經濟差距，不斷完善中小城市的產業體系，優化地區間與地區內部的產業結構，充分發揮智慧城市建設過程中的產業聯動效應，以點帶面促進城市整體綠色全要素生產率提升。

[1] 李虹, 鄒慶. 環境規制、資源稟賦與城市產業轉型研究——基于資源型城市與非資源型城市的對比分析[J]. 經濟研究, 2018(11): 182?198. LI Hong, ZOU Qing. Environmental regulations, resource endowments and urban industry transformation: Comparative analysis of resource-based and non- resource-based cities[J]. Economic Research Journal, 2018(11): 182?198.

[2] 徐盈之, 蔡海亞, 吳昊. “新常態”下環境保護稅對我國霧霾污染防治的影響研究[J]. 中南大學學報(社會科學版), 2019(2): 70?77. XU Yingzhi, CAI Haiya, WU Hao. On the impact of environmental protection tax on the control of haze in China under new normal of Chinese economy[J]. Journal of Central South University(Social Sciences), 2019(2): 70?77.

[3] 張琦, 鄭瑤, 孔東民. 地區環境治理壓力、高管經歷與企業環保投資——一項基于《環境空氣質量標準(2012)》的準自然實驗[J]. 經濟研究, 2019(6): 183?198. ZHANG Qi, ZHENG Yao, KONG Dongmin. Local environmental governance pressure, executive's working experience and enterprise investment in environmental protection: A quasi-natural experiment based on China's “ambient air quality standards 2012”[J]. Economic Research Journal, 2019(6): 183?198.

[4] 邵帥, 李欣, 曹建華. 中國的城市化推進與霧霾治理[J]. 經濟研究, 2019(2): 148?165. SHAO Shuai, LI Xin, CAO Jianhua. Urbanization promotion and haze pollution governance in China[J]. Economic Research Journal, 2019(2): 148?165.

[5] 張衛東, 丁海, 石大千.智慧城市建設對全要素生產率的影響——基于準自然實驗[J]. 技術經濟, 2018, 37(3): 107?114. ZHANG Weidong, DING Hai, SHI Daqian. Influence of construction of smart city on urban TFP: Based on a quasi-natural experiment[J]. Technology Economics, 2018, 37(3): 107?114.

[6] 張營營, 高煜. 智慧城市建設對地區制造業升級的影響研究[J]. 軟科學, 2019(9): 46?52. ZHANG Yingying, GAO Yu. The effects of smart city construction on regional manufacturing upgrading[J]. Soft Science, 2019(9): 46?52.

[7] 付平, 劉德學. 智慧城市技術創新效應研究——基于中國282個地級城市面板數據的實證分析[J]. 經濟問題探索, 2019(9): 72?81. FU Ping, LIU Dexue. Research on the effect of technological innovation in smart cities: An empirical analysis based on the panel data of 282 prefecture-level cities in China[J]. 2019(9): 72?81.

[8] HILTY L, LOHMANN W, HUANG E. Sustainability and ICT—An overview of the field[J]. Notizie Di Politeia, 2011, 27(104): 13?28.

[9] RENATA P D. Searching for smart city definition: A comprehensive proposal[J]. International Journal of Computers & Technology, 2013, 11(5): 2544?2551.

[10] LIU P, PENG Z. China's smart city pilots: A progress report[J]. Computer, 2014, 47(10): 72?81.

[11] KHANSARI N, MOSTASHARI A, MANSOURI M. Impacting sustainable behavior and planning in smart city[J]. International Journal of Sustainable Land Use and Urban Planning, 2013, 1(2): 46?61.

[12] RAMASWAMI A, RUSSELL A G, CULLIGAN P J, et al. Meta-principles for developing smart, sustainable, and healthy cities[J]. Science, 2016, 352(6228): 940?943.

[13] 石大千, 丁海, 衛平, 等. 智慧城市建設能否降低環境污染[J]. 中國工業經濟, 2018(6): 117?135. SHI Daqian, DING Hai, WEI Ping, et al. Can smart city construction reduce environmental pollution[J]. China Industrial Economics, 2018(6): 117?135.

[14] 崔立志, 陳秋堯. 智慧城市漸進式擴容政策的環境效應研究[J]. 上海經濟研究, 2019(4): 62?74. CUI Lizhi, CHEN Qiuyao. Study on the environmental effect of smart city with progressive expansion policy[J]. Shanghai Journal of Economics, 2019(4): 62?74.

[15] ALBINO V, BERARDI U, DANGELICO R M. Smart cities: Definitions, dimensions, performance, and initiatives[J]. Journal of Urban Technology, 2015, 22(1): 3 ?21.

[16] TANNAZ MONFAREDZADEH, UMBERTO BERARDI. Beneath the smart city: Dichotomy between sustainability and competitiveness[J]. International Journal of Sustainable Building Technology and Urban Development, 2015, 6(3): 140?156.

[17] HAILU A, T S VEEMAN. Environmentally sensitive productivity analysis of the canadian pulp and paper industry, 1959—1994: An input distance function approach[J]. Journal of Environmental Economics and Management, 2000, 40(3): 251?274.

[18] 黃秀路, 韓先鋒, 葛鵬飛. “一帶一路”國家綠色全要素生產率的時空演變及影響機制[J]. 經濟管理, 2017(9): 6?19. HUANG Xiulu, HAN Xianfeng, GE Pengfei. Green total factor productivity shifts and influential mechanisms for “the belt and road” countries[J]. Business Management Journal, 2017, (9): 6?19.

[19] T YIGITCANLAR. Knowledge-based urban development processes of an emerging knowledge city: Brisbane, Australia[J]. ITU Journal of Faculty of Architecture, 2011, 8(1): 53?67.

[20] 石大千, 李格, 劉建江. 信息化沖擊、交易成本與企業TFP——基于國家智慧城市建設的自然實驗[J]. 財貿經濟, 2020, 41(3): 117?130. SHI Daqian, LI Ge, LIU Jianjiang. Informatization impact, transaction cost and TFP of enterprise——Natural experiments based on chinese smart city construction[J]. Finance & Trade Economics, 2020, 41(3): 117?130.

[21] VANOLO A. Smartmentality: The smart city as disciplinary strategy[J]. Urban Studies, 2014, 51(5): 883?898.

[22] 湛泳, 李珊. 金融發展、科技創新與智慧城市建設——基于信息化發展視角的分析[J]. 財經研究, 2016, 42(2): 4?15. ZHAN Yong, LI Shan. Financial development,technical innovation and the construction of smart cities: An informatization development perspective[J]. Journal of Finance and Economics, 2016, 42(2): 4?15.

[23] 李平華, 宋燦. 人力資本集聚、空間溢出與城市生產率[J]. 現代經濟探討, 2020(11): 47?55. LI Pinghua, SONG Can. Concentration of human capital, spatial spillover and urban productivity[J]. Modern Economic Research, 2020(11): 47?55.

[24] 袁航, 朱承亮. 智慧城市是否加速了城市創新?[J]. 中國軟科學, 2020(12): 75?83. YUAN Hang, ZHU Chengliang. Do smart cities accelerate urban innovation?[J]. China Soft Science, 2020(12): 75?83.

[25] 游達明, 張楊, 袁寶龍. 官員晉升錦標賽體制下環境規制、央地分權對環境污染的影響研究[J]. 中南大學學報(社會科學版), 2018(3): 66?77. YOU Daming, ZHANG Yang, YUAN Baolong. Research about influence of environmental regulation and central- local decentralization policy on environmental pollution in the championship mechanism of official promotion[J]. Journal of Central South University(Social Sciences), 2018(3): 66?77.

[26] 蔡烏趕, 周小亮. 中國環境規制對綠色全要素生產率的雙重效應[J]. 經濟學家, 2017(9): 27?35. CAI Wugan, ZHOU Xiaoliang, Dual effect of chinese environmental regulation on green total factor productivity[J]. Economist, 2017(9): 27?35.

[27] 王燕, 孫超. 產業協同集聚對綠色全要素生產率的影響研究——基于高新技術產業與生產性服務業協同的視角[J]. 經濟縱橫, 2020(3): 67?77. WANG Yan, SUN Chao. Research on the impact of industrial coagglomeration on green total factor productivity——From the perspective of the coagglomeration between high-tech industry and producer services[J]. Economic Review Journal, 2020(3): 67?77.

[28] 匡遠鳳, 彭代彥. 中國環境生產效率與環境全要素生產率分析[J]. 經濟研究, 2012(7): 62?74. KUANG Yuanfeng, PENG Daiyan. Analysis of environmental production efficiency and environmental total factor productivity in China[J]. Economic Research Journal, 2012(7): 62?74.

[29] 劉瑞明, 趙仁杰. 國家高新區推動了地區經濟發展嗎? ——基于雙重差分方法的驗證[J]. 管理世界, 2015(8): 30?38. LIU Ruiming, ZHAO Renjie. Does the national high-tech zone promote regional economic development?[J]. Management World, 2015(8): 30?38.

[30] 景守武, 張捷. 新安江流域橫向生態補償降低水污染強度了嗎?[J]. 中國人口·資源與環境, 2018(10): 152?159. JING Shouwu, ZHANG Jie. Can Xin'anjiang river basin horizontal ecological compensation reduce the intensity of water pollution?[J]. China Population, Resources and Environment, 2018(10): 152?159.

[31] 沈坤榮, 金剛, 方嫻. 環境規制引起了污染就近轉移嗎?[J]. 經濟研究, 2017, 52(5): 44?59. SHEN Kunrong, JIN Gang, FANG Xian. Does environmental regulation cause pollution to transfer nearby?[J]. Economic Research Journal, 2017, 52(5): 44?59.

Research on the impact of smart city construction on urban green total factor productivity

SHEN Yang1, GUO Junhua1, ZHU Yan2

(1. School of Economics and Management, Northwest University, Xi'an 710127, China;2. School of Economic Law, Northwest University of Political Science and Law, Xi'an 710122, China)

By considering the establishment of the smart city pilot as a quasi-natural experiment, and by using prefecture-level city economic data of the years 2005-2018, and using DID method, the present study analyzes the impact of smart city construction on urban green total factor productivity. The study finds that, firstly, the construction of smart cities has significantly improved the green total factor productivity of cities; secondly, the construction of smart cities can improve environmental efficiency and energy efficiency; thirdly, the effect of smart city construction on improving green total factor productivity is stronger in eastern cities than in other regions, and stronger in large cities than in small cities; and fourthly, the construction of smart cities can promote the green total factor productivity by improving the city's scientific and technological innovation capabilities, increasing degree of environmental regulation, and improving the service-oriented industrial structure.

smart city; green total factor productivity; DID

2020?12?20；

2021?01?28

國家社會科學基金重點項目“‘一帶一路’沿線價值鏈變革與區域產業轉型”(16ZAD010)；教育部人文社會科學研究青年基金項目“資本錯配對中國制造業企業行為的扭曲效應、作用機理與解決對策研究”(20YJC790029)

申洋，河南安陽人，西北大學經濟管理學院博士研究生，主要研究方向：消費結構升級、產業結構轉型升級，聯系郵箱：q20136713@126.com；郭俊華，陜西武功人，西北大學經濟管理學院教授、博士生導師，主要研究方向：經濟體制改革、工業經濟；朱彥，江西南昌人，博士，西北政法大學經濟法學院教授，主要研究方向：會展經濟、經濟法

10.11817/j.issn. 1672-3104. 2021.02.013

F063.2

A

1672-3104(2021)02?0140?13

[編輯: 譚曉萍]