智慧城市試點政策對城市安全水平的影響研究*
——基于區域異質性的視角

楊 蘇，王雯婷

（1.安徽建筑大學經濟與管理學院，安徽 合肥 230601；2.阜陽師范大學安徽省農民工研究中心，安徽 阜陽 236000；3.安徽省建筑經濟與房地產管理研究中心，安徽 合肥 230601）

0 引言

中國城市化建設在取得一定成就后，城市發生事故的數量、強度也在提升，不可避免地給人們生命和財產安全帶來挑戰[1]。另外，極端天氣頻發、新冠疫情多次、多點暴發給全國城市敲響安全警鐘。面對該現狀，打造可以從安全事件中迅速恢復的城市比以往都更為緊迫。

“十四五”規劃提出實施新型城鎮化建設，積極助力城市安全高效運行。以統籌城市安全與發展作為戰略目標，需要借助恰當的政策作為治理工具，智慧城市作為1 種新型治理模式，擁有優越的數字治理化優勢，同時具備促進城市建設、安全管理和公共服務等智慧化特點[2]。基于此，本文對城市安全水平進行綜合評估，并深入探討智慧城市政策對城市安全水平的影響，就區域異質性展開討論，有助于調整相關政策實施的關鍵點，提高城市安全水平。

1 文獻回顧

我國國內于2012年起出臺智慧城市相關政策[3]。智慧城市政策區別于傳統政策，以物聯網、云計算等新興技術為基礎，以信息技術、智能技術和多網融合為依托來推進實施[4]。智慧城市政策的實施，實現了城市安全管理數字化、網絡化和智能化，為城市安全提供了創新驅動，有效控制城市日常生產經營活動中各領域的不安全因素，將風險降至并保持在可接受的范圍內[5]。

總體來看，智慧城市政策對城市安全水平有以下影響：一方面，劉洪波等[6]提出智慧城市政策不僅帶動城市經濟增長，也提升了城市安全水平，而城市安全水平的不斷提高正是從可以治理到智慧治理的轉變，也是智慧城市政策為公共安全管理提供技術支持[7]；另一方面，高凱等[8]指出智慧城市建設過程中潛藏著眾多風險，威脅著城市各類信息安全，相關管理者最需要關注環境風險，但當下因相關技術壁壘限制，城市中傳感感知、智能分析處理等多方面蘊藏著一定安全風險，使智慧城市安全保障體系的建立一定程度上受阻[9]。與此同時，受到城市間異質性影響，胡廣偉等[10]發現江蘇智慧城市群中城市安全防護體系建設存在問題，提出該智慧城市群需要健全綜合安全預警系統，打造聯合安全防護體系，以超大城市成都市為例，謝小芹等[11]結合智慧城市建設的經驗證據，提出部分安全治理規律及變革路徑。

綜上，基于區域異質性視角下，本文討論智慧城市政策對城市安全水平的影響研究，將2012年納入智慧城市政策的部分地級市作為對象，采用2007—2019年間156 個地級市作為樣本；運用雙重差分法得出智慧城市政策實施的凈效應，結合多重檢驗法降低偏差；同時考慮到國內城市間的差異性，就區域異質性展開拓展性探討；從城市發展和治理模式角度提出建議，促進城市安全水平。

2 模型設定與數據說明

2.1 模型說明

我國住建部于2012年起分批次批復智慧城市試點政策與試點城市名單，所設立的智慧城市共涉及90 個地、縣級城市，名單中包含大中小型城市，保證首批試點城市的隨機性[12]。本文將智慧城市試點政策看為準自然實驗，利用雙重差分法，評估智慧城市試點政策對城市安全水平的影響，參照石大千等[13]的相關研究，基本模型設定如式（1）所示：

式中：aqit為被解釋變量，即代表城市安全水平，其下標分別表示時間及城市，即第i年與第t個城市；α0為常數項；α1表示智慧城市建設對城市安全水平提升的平均影響效應指數；treat×time為組別虛擬變量和時間虛擬變量的交互項，其中時間虛擬變量將政策實施前后分別賦值為0，1，組別虛擬變量將實施政策的組別分別賦值為1，0；εit代表著各干擾項；bj為常數項，x代表模型的控制變量。

2.2 數據說明

被解釋變量：城市安全水平，采用城市安全水平指數衡量。目前評價方法多為多指標體系，即利用多層指標進行全面測度。參考郭羽羽等[14]在城市安全水平指標體系構建中加入韌性理念，即在指標體系新加入3 項準則層，其中擾動力為干擾城市安全的因素，適應力為城市吸收干擾因素的能力，恢復力為城市安全受到破壞時恢復的能力。在具體指標選取上，借鑒Alexander[15]及黃典劍[16]、陳國華等[17]構建的指標體系進行討論，確定20 個子準則層。其中，準則層分別對應適應、恢復及干擾城市安全水平能力，在指標層上對應表現為正向及負向指標。同時，以李根等[18]在安全評價中使用熵值法為依據，對各指標賦權重以合成指數作為城市安全水平的衡量指標，具體評價體系如表1所示。

表1 城市安全水平綜合評價指標體系Table 1 Compr ehensive evaluation index system of urban safety level

關鍵解釋變量：本文以智慧城市試點政策作為實驗點，關鍵解釋變量為組別與時間虛擬變量的交叉項，并據此為標準判斷智慧城市試點政策提升城市安全水平的政策效應。

控制變量：鑒于部分變量可能產生干擾，本文引入以下變量：1）市場開放程度，即該地區外商直接投資占生產總值的比值；2）科技投資水平，用科技支出占地方政府財政支出比重衡量。科技支出包含當地智慧城市建設的科技投入，也與城市安全水平密切相關；3）人口規模，用年末總人口表示，人口規模大小影響基礎設施供給數量和供給質量；4）政府支出規模，為地方財政支出占生產總值的比值；5）投資規模，為經濟生產總值與固定資產投資比值；6）城鎮化水平，為年末總人口與非農業人口之間的比值。

2.3 數據來源

本文選取156 個地級市2007—2019年間的面板數據，對該數據進行處理：1）刪除個別非完全試點城市，因為這些試點城市只有部分地區（如區、縣、鎮）被設為試點，無法作為該試點城市代表；2）刪除2007—2019年間經歷過行政區調整的城市，如貴州銅仁市；3）刪除2013年和2015年入選試點的城市，以此排除后2 批政策試點的影響；4）刪除數據缺失嚴重的個別城市，如西藏自治區全區城市等。本文數據來源于中華人民共和國住房和城鄉建設部出版的《中國城市建設統計年鑒》和國家統計局出版的《中國城市統計年鑒》，空缺數據采用插值法完善，各個研究變量的數據統計情況如表2所示。

表2 變量描述性統計Table 2 Descriptive statistics of variables

3 實證結果分析

3.1 基準回歸結果

根據上文模型設定，如表3所示為智慧城市試點政策與城市安全水平的雙重差分模型估計結果。在回歸過程中，模型1 去除各控制變量及固定效應影響，did 系數在1%的置信水平下顯著為正，表明試點政策對于城市安全水平具有正向促進作用。考慮到以下2 點：1）時間累計效應，隨著時間推移導致2 組城市安全水平均有提升；2）相關解釋變量缺失會出現內生性問題。本文為排除干擾因素，分別加入控制變量（模型2）、控制個體固定效應及時間固定效應（模型3），2 組模型結果均顯示：did 系數與顯著性相較模型1 僅有小幅度變化，即排除干擾因素。上述結果表明：在控制變量、時間、個體固定效應的影響下，智慧城市試點政策對城市安全水平依舊有顯著的正向促進作用。

表3 智慧城市試點政策對城市安全水平的影響Table 3 Influence of smart city pilot policy on urban safety level

3.2 穩健性檢驗

1）平行趨勢檢驗

使用雙重差分的重要前提是通過平行趨勢檢驗，圖1為政策實施前后（2012年前后4年），城市虛擬變量交叉項在實驗組和對照組城市的演化趨勢，在政策實施前交叉項系數不顯著，在2012年試點年后變為顯著，說明前后變化是政策的實施效果，并不是純粹時間效應，即通過雙重差分法平行檢驗。

圖1 平行趨勢檢驗Fig.1 Parallel trend test

2）基于psm（傾向得分匹配）的雙重差分法估計結果檢驗

通過平行趨勢檢驗后，考慮到智慧城市名單是由城市自主申報并審核，在城市選取方面隨機性受到干擾，為減少干擾因素對評估結果的影響，去除樣本選擇偏差，采用PSM-DID法估計驗證結果的平穩性，設定的模型如式（2）：

式中：P為傾向得分值。

基于上文基礎，傾向得分匹配（PSM）中控制變量不變，利用最近相鄰匹配法進行匹配，通過logit模型進行回歸，以最近相鄰匹配法一一匹配，最終所得匹配后樣本容量為1 945 個，落在共同支撐區域外有85 個，說明本文剔除的樣本數量較少。

在篩選過后，對實驗組、控制組需要進一步進行檢驗，檢驗其是否滿足共同支撐假設。匹配前后偏差可見表4，在匹配前組別間均值相差較大，而在匹配后差別明顯縮小，且在1%顯著性水平下由顯著變為不再顯著，表明滿足樣本匹配平衡性條件，使用PSM-DID方法可行合理。根據匹配結果，重新對智慧城市試點政策的影響效果進行評估，結果如表3中模型4 所示，通過顯著性檢驗，政策效應與表3中模型3 評估結果一致，驗證了本文實證結果的平穩性。

表4 傾向性得分匹配前后各變量的平衡性檢驗結果Table 4 Balance test results of each variable before and after propensity scor e matching

3）反事實檢驗

參照王桂新和李剛[19]做法，本文將智慧城市政策試點年（2012年）人為前移或后移2年，若雙重差分模型的結果會發生顯著性變化，則證明滿足反事實檢驗。反事實檢驗-穩健性檢驗結果如表5所示，將2012年作為政策實施的基準年，假定以2008年、2010年、2014年為實驗年，從表5中did 估計系數來看，試點時間向前移動幾期，解釋變量的基準回歸和顯著性效果發生較大差異，顯示基準年的智慧城市政策實施對城市安全水平有較大的正向影響，證明上文基準回歸的結果是準確的；對比試點時間后移幾期的結果可以看出，政策實施后的回歸結果的顯著性與基準年基本一致，表示伴隨著時間的推進，智慧城市試點政策的實施對城市安全水平影響顯著加強。

表5 反事實檢驗-穩健性檢驗結果Table 5 Counterfactual test-r obustness test r esults

4 異質性檢驗

上文通過基準回歸及一系列穩健性檢驗，可以得出智慧城市政策對城市安全水平具有正向促進作用，受到龐大樣本異質性影響，智慧城市試點政策對城市安全水平的影響可能會因城市所處人口規模以及行政級別、經濟水平而具有顯著差異，本文從以下3 個方面進行分析。

4.1 人口規模的異質性

以《關于調整城市規模劃分標準的通知》[20]作為依據，在劃分的過程中，由于篩選后小規模人口城市數量較少，容易出現誤差。因此，分為特大型、大型、中等型城市。基準回歸結果如表6所示，政策實施對特大型、大型城市的安全水平均有較為顯著的正向影響。但是，中等城市的估計系數不顯著，說明智慧城市政策對于中等城市的安全水平影響不明顯。考慮到特大型城市、大型城市相較于中等城市配套的基礎設施更為齊全，政策落實可能會更為全面、穩扎；另一方面，特大型城市、大型城市對人才、基礎設施建設的吸引力更大，利用技術和大數據分析能力更強，便于推進城市安全水平提高。

表6 異質性檢驗Table 6 Heterogeneity test

4.2 行政區域的異質性

為更清楚地看到智慧城市試點政策對于不同城市的影響，參照城市行政級別分為省會與非省會城市2類，回歸結果如表6所示。從表6可以看出智慧城市政策的實施對于2 類城市均有正向影響，但是非省會城市相較于省會城市系數更為顯著，說明試點政策對非省會城市的安全水平影響更為明顯，在非省會城市實施該項政策意義更大，從側面印證智慧城市建設對非省會城市的安全水平提高更有意義。該差異可能是由于政策實施的基礎條件及長期性的特征，使政策實施后不同類城市安全水平有所差距。

4.3 經濟規模的異質性

以《東西中部和東北地區劃分方法》[21]為依據，分為中西部、東部、東北部地區。表6分別展示3 個地區基準回歸結果，由表6回歸結果來看，對東部地區城市安全水平影響最為顯著，提升效果最為明顯。各地區回歸結果不同，原因可能如下：一方面受到經濟水平的牽制，東部地區經濟基礎相較雄厚，對于相關技術和大數據投資落實更到位，政策實施后對安全水平的促進效果更為顯著；另一方面，中西部地區、東北部地區經濟相較薄弱，地方政策在基層落實不到位、作為較慢，政策實施效果較差。

5 結論

1）智慧城市試點政策正向促進城市安全水平，在多重穩健性檢驗后依舊成立；在控制地區層面因素及各固定效應后，智慧城市試點政策對城市安全水平促進作用沒有滯后效應，并隨時間推移效果顯著加強；從異質性檢驗結果來看，東部地區、大型城市受到智慧城市政策影響的紅利較其他地區更大，智慧城市政策對東北部地區、中型城市安全水平影響并不顯著。

2）智慧城市政策對城市安全水平有顯著促進作用。政策實施是1 項長久性工作，政府要發揮引導作用，建議頂層部署從以下3 點規劃：健全相關法律體系以保護各類城市數據信息安全；創新管理模式應做到因地制宜實施政策；制定標準規范以統一處理安全數據。完成智慧城市安全頂層規劃，實現城市安全信息獲取、安全信息共享、安全技術應用、安全系統運作4 個方面協同發展，開辟城市安全治理新思路。

3）倚靠智慧城市政策，精細化城市安全管理。異質性分析表明，智慧城市政策對特大型城市及東部地區影響最為顯著且與其他地區城市有顯著差異。該類城市政策實施需更精細化，充分發揮城市智慧安全平臺所擁有大數據、新興信息技術優勢，建議從2 個層面進行優化：基于政府層面，利用大數據全面收集、實時共享、收集城市信息，優化城市安全資源配置；基于市民層面，利用城市大數據實時挖掘城市居民在互聯網平臺上表達的各方意見，實現全面覆蓋的精細化安全管理。

4）智慧社區安全管理，提升市民安全感。異質性分析表明，智慧城市試點政策對中型城市及東北部地區城市沒有顯著影響。智慧城市政策落實受阻，而社區安全作為城市安全基石，為規避“馬太效應”影響，后發城市應從智慧社區安全治理做起，總結為2 條路徑：提升數字治理能力，統一規劃智慧化建設、數據建設等，增加社區參與度，融入多主體合作機制；各類組織積極協同、群眾廣泛參與，加強居民對智慧社區服務的認知和理解。由此提升智慧安全社區的效能和需求，提升智慧城市建設給市民帶來的安全感。