智慧城市建設對高新區企業發展影響評估

楊浩東，王高峰

（中國科學技術大學人文與社會科學學院，安徽合肥 230026）

1 研究背景

作為中國創新戰略的重要組成部分，國家高新技術產業開發區承擔著促進經濟發展和推動技術創新的重要使命。自1988 年中關村科技園在北京建立以來，中國的高新區創新經濟表現出顯著的增長態勢與良好發展質量，于2020 年貢獻了全國（未含港澳臺地區）13.3%的生產總值和近一半的國際專利申請量。從形成上看，早期高新區可以理解為在政府“圈地運動”下形成的具有較好區位條件的特定地理空間，主要以吸引生產要素集聚推動地區經濟發展，然而，這一模式存在生產效率低下、創新要素不足等弊病［1］。隨著中國經濟戰略轉型，強調通過自主創新更變傳統粗獷式發展的高新區“二次創業”被提上議程［2］。同時，作為產業聚集地和現代化的新城區，高新區也被視為當下推進產城融合的突破點。在國內新型數字技術逐漸成熟、智慧運動興起的大的背景下，智慧城市建設促進了區域內新技術和新知識的產生、流通和轉化，并為創新網絡的形成搭建了新型平臺。因此，智慧城市成為許多國家高新區戰略轉向的重要布局，以滿足區域產業空間與社會空間協調發展的內在要求。

自2008 年IBM 公司提出“智慧城市”理念后［3］，智慧城市逐漸成為一個家喻戶曉的名字。雖然目前學界就智慧城市的定義尚未達成共識［4］，但已有研究，如Caragliu 等［5］，對智慧城市政策績效展開了評估。關于智慧城市政策績效的評估，可大體分為兩類：一類在闡明智慧城市定義的基礎上建立指標體系，如張中青揚等［6］的研究，并對智慧城市的績效、效率進行測度，如Wang 等［7］的研究；另一類則是探究智慧城市政策實施所產生的一系列社會經濟影響。在后一類研究中，不乏智慧城市建設與創新、企業發展間關系的檢驗，例如，Caragliu 等［8］利用政策強度差異對歐盟309 個城市的分析發現，智慧城市建設確實刺激了創新；宋德勇等［9］采用中國148 個城市數據，研究表明智慧城市建設能夠促進綠色技術創新量質齊升；姚圣文等［10］、劉偉麗等等［11］的研究也識別到智慧城市建設對企業全要素生產率提升的促進作用。相關文獻大多于城市或企業層面對智慧城市政策進行考察，揭示了智慧城市建設所帶來的積極影響，但鮮有聚焦于高新區這一特定空間范圍檢驗智慧城市建設何以影響區域內企業發展，而這不僅對高新區產城融合戰略的發展轉向與推進至關重要，同時也是進一步豐富智慧城市試點政策評估研究的潛在契機。

據德勤《超級智能城市2.0》公布的信息，中國在建智慧城市數量近500 個［12］。就其空間范圍看，各地區的智慧城市試點方式存在差異，一些城市僅于創新要素聚集度更高的高新區進行試點（以下簡稱“模式1”），而部分城市則在全市范圍內展開試點建設（以下簡稱“模式2”）。學界雖對數字通信技術及智慧城市建設的非對稱性影響進行了相當程度上的探討，并以城市、企業原有的基礎稟賦和技術自有特征作為潛在的原因，但就試點模式的異質性比對少有涉及。而于更小的空間范圍進行試點，往往可以將有限的資源進行有針對性地投入，集中力量重點突破；并且，相比其他城區，國家高新區有著得天獨厚的區位優勢與政策傾斜，本身具有的高技術集約化特征也為智慧城市試點提供了更優異的建設基礎。因此，理論上而言，對于肩負增強區域創新能力、提高科技成果轉化效率、促進產業結構升級使命的國家高新區，在其空間范圍內進行的智慧城市建設的效果也應更為顯著。

2 理論分析與研究假設

2.1 智慧城市建設何以促進高新區企業發展

高新區企業在推動區域乃至城市數字經濟和創新發展中扮演著重要的角色，隨著宏觀環境和城市格局的變化，智慧型知識城區成為當下居民和企業對城市形態的需求指向。智慧城市建設為企業的高質量發展提供了更為優越技術、平臺和環境生態的同時，也改善了城市行政與基礎設施建設。

就前者而言，智慧城市建設本身將帶動以新興數字技術為主營業務的企業入駐園區，這些企業數量的增加將提升高新區企業平均生產水平；并且，在政策的推動下，傳統高新技術企業亦會對原有的生產系統底層架構進行更新，運用新興智能技術提升包括采購、研發、生產、營銷在內多個環節的效率。由于創新集聚與擴散是高新區促進區域經濟高質量發展的重要機制，而智慧城市搭建的數字平臺不僅促進了企業內部信息流通，亦可提升企業間協同交互頻次與質量，智慧產業孵化器、企業云生態系統等正是具體的表現形式，故智慧城市試點將強化高新區建設本身存在的集聚效應與溢出效應。考慮到高新區企業創新活動的頻率較高，離不開大量的資金支持，作為智慧城市建設的重要組成，以云計算、大數據等技術加持的數字金融既可通過平滑融資風險、提高金融資源供給緩解信息不對稱引致的企業融資約束，又可減輕股權質押給企業融資帶來的負向影響。

對于后者（改善城市行政與基礎設施建設），大數據的應用促進了政府與企業、個人數據間的共聯共享，不僅能夠通過提升行政審批效率為服務主體生產生活提供便利（例如浙江省的“最多跑一次”和“一次不用跑”），亦可建立部門間聯合監督模式，強化政府行政監管能力。智慧城市發軔于現代數字技術的新型基礎設施建設，通過新增包括5G 網絡基站、數據中心，改善包括交通運輸、醫療衛生、基礎教育在內的公共服務部門的運營，從而降低高新區企業成本。此外，這一影響所帶來的正外部性將吸引包括人才、資本在內的一系列生產、創新要素，提升區域內企業競爭力。

基于以上分析回顧，有理由提出以下假設1a：高新區智慧城市試點能顯著夠促進區域內企業發展。

2.2 問題及風險

雖然大量的理論及政策評估文獻識別出智慧城市產生的積極作用，但同樣有研究指出了智慧城市建設過程中存在的問題［13］；并且，由于智慧城市與高新區在建設方式、體制環境等方面具有相似性，故存在老問題與新問題疊加而加劇智慧城市建設中一些負面影響的風險。

一方面，信息不對稱所產生的認知偏差引致現有智慧城市實踐與理論內涵間存在不一致。部分城市仍采用傳統發展理念與建設模式，將智慧城市簡單理解為城市信息化或數字技術的堆砌。同樣，高新區在 “二次創業”過程中在認識上的轉變較為滯緩，對以往“以地養區”的外延式發展抱有依賴。由于早期僅注重資金和企業數量上的投入與引進，忽略了區域創新生態系統的營造，這導致高新區創新要素集聚程度并不理想，削弱了智慧城市建設潛在的積極影響。無論是高新區還是智慧城市，地方政府間的政績競爭進一步加劇了低水平重復和無序擴張，缺乏有針對性的方針以解決城市問題和滿足民眾需求。區域創新資源稟賦與數字化程度存在差異表明各地應因地制宜地探尋發展道路，但政府投資的軍備競賽致使智慧城市和高新區建設皆存在高度同質化問題，模糊了地區比較優勢并降低競爭力。

另一方面，管理體制的不成熟也是智慧城市建設和高新區發展所共同存在的問題。在智慧城市建設投資渠道單一（投融資機制不健全）這一前提下，頂層設計與實際脫離增加了建設成本估計的難度，可能造成建設規模與當地財政支持能力間的不匹配，也即部分地區缺少資金的可持續投入。相較于智慧城市建設，高新區發展雖然不存在直接的投資壓力，但由于政府過度干預創新要素配置，財政補貼、稅收優惠等舉措的激勵效果呈邊際效應遞減甚至轉為負的態勢。大量的尋租行為也導致園區內企業缺乏自力更生的能力和自主創新的動力，無法為地方經濟發展和財政穩定提供支撐。最后，城市管理與園區建設上，由于缺乏長效運營管理機制，部門與部門間存在利益牽扯與管理沖突，職能與權責劃分不清等弊病也會影響到項目的推進與調整。

因此，考慮到上述智慧城市建設和高新區發展中存在的問題，亦可提出以下假設1b：高新區智慧城市試點對區域內企業發展的促進作用較為有限。

2.3 智慧城市對高新區企業影響的異質性考察——基于試點范圍不同

智慧城市建設的非對稱影響表現為作用的區域異質性和城市、企業特征異質性［10］。就具體結果而言，可大體劃分為兩類。一類認為智慧城市建設對后發主體影響更為顯著［14］。其主要的解釋是，西部地區的初始經濟水平較東中部地區落后，故存在更大的提升空間。然而，另一類研究結果表明，具備發展基礎的主體在智慧城市建設中受益更多［15］。在經濟相對落后的區域，因為每個客戶需要數量更多的基礎設施，所以向這些地區提供網絡服務的成本往往更高，這也進一步導致新技術應用所形成的投資回報率較低；同樣意味著后發地區在普及數字技術方面可能存在難以克服的劣勢，欠發達地區即使有在發展數字技術，但由于較差的吸收能力，智慧城市建設對區域發展的刺激作用可能十分有限。形成對照，經濟發達程度較高的地區一方面擁有雄厚的經濟實力，也更容易吸引發展新技術所需的人才。數字技術發展形成的數字經濟具有自我膨脹的特點，也會促使區域的優勢地位進一步強化。

作為政府通過規劃開辟出來的增量區域，高新區往往具有更多的發展空間，且具有更為優越的高技術產業基礎與創新要素稟賦。2021 年，杭州高新區（濱江）的數字經濟核心產業增加值達1 596.2億元，同比增長16.0%，占園區生產總值比重為78.9%，連續位居全省第一；南昌高新區的數字經濟核心產業（包括軟件信息服務業和電子信息制造業）規上企業營收達587.6 億元，同比增長67.6%，產業規模達全市第一。由此可見，高新區為數字技術應用發展提供了廣闊的空間與創新支持，而后者則成為前者發展的重要動能支撐。故對高新區企業發展而言，模式1 在理論上應具有更為顯著的積極影響。圖1 顯示，無論是企業總收入還是凈利潤，相對于未試點高新區和模式2，采用模式1 的高新區企業具有更好的發展績效。

圖1 不同發展模式下我國高新區企業發展績效比對

基于此，提出以下假設2：就對高新區企業發展而言，試點模式1 有著比模式2 更為顯著的積極影響。

3 研究設計

3.1 研究方法

3.1.1 雙重差分法

中國智慧城市實踐可以追溯到 2000 年開始的數字城市建設。受全球智慧城市浪潮影響，中國政府在 2009 年提出智慧城市建設構想，并于2012 年開始大規模試點，至今為止，先后共公布3 批國家智慧城市試點名單。本研究將智慧城市試點政策視為一次準自然實驗，采用時變雙重差分法評估智慧城市對高新區企業產生的影響。參照袁航等［15］、姚圣文等［10］的研究，構建計量模型具體如下：

式（1）中：i和t分別表示具體城市和具體年份；SCP（即smart city policy，具體表現為Treatment×Time）代指政策的處理效應，如果城市i屬于處理組，Treatment 取值為1，反之則為0，Time是智慧城市政策實施前后時間的虛擬變量，政策實施前取0，實施后為1；Y為企業發展績效；為可能對高新區企業發展產生影響的其他控制變量；μi和分別代表不隨時間變化的個體特征和不隨個體變換的時間特征；隨機擾動項以εit代指。

在選取實驗組和控制組過程中，進行了以下處理：（1）某些地級市在設立智慧城市時，只將地級市內的某個縣或區（高新區未在空間范圍內）作為試點城市，因為如果將隸屬于該類地級市的高新區作為試點區域會低估智慧城市的作用，因此，將這類高新區的Treatment 值取為0；反之，即使試點范圍不是覆蓋全市，但高新區位于其空間范圍內部，Treatment 值仍取為1。

3.1.2 合成控制法

由于需探究智慧城市對高新區企業的作用效果是否因試點范圍不同存在異質性，而本研究的核心實驗組數量較少（合肥、長春和青島3 個地級市僅在高新區進行智慧城市試點），考慮到樣本數量不足對估計精度的影響，因此進一步采用Abadie 等［16］提出的合成控制法評估政策效果。盡管其他高新區與核心實驗組可能并不相似，但該方法根據不同對照組與實驗組在預測變量上的相似程度，對控制組加權擬合一個與實驗組特征最相近的合成組（以下簡稱“合成高新區”）。合成高新區可視為真實高新區的反事實結果，通過比較合肥、長春和青島高新新區與合成高新區在企業發展績效上的差異，評估試點范圍不同存在的政策效果差異。

假設收集到（K+1）個高新區在t∈［1,T］期內的企業發展績效，第i個高新區在T0（1 ≤T0≤T）實施了智慧城市試點（實驗組），其他K個高新區均未開展智慧城市建設（控制組）。表示高新區i在時間t受到的智慧城市政策影響的企業績效，為高新區i在時間t未受到智慧城市政策影響的企業績效。可得出政策效應為已知的智慧城市政策影響后的高新區企業績效。對于，可通過Abadie 等［17］提出的因子模型來估計，模型形式如下：

Abadie 等［17］的研究證明，如果政策實施前時間段比實施后長，則可以用作為的無偏估計，最終得到智慧城市作用的估計值：

3.2 指標選取、數據來源與研究框架

2020 年，國務院出臺《關于促進國家高新技術產業開發區高質量發展的若干意見》，為避免研究對象受這一政策影響，將考察期置于2020 年以前，并基于數據的完整性考慮（2003 年前數據缺失值較多），最終選取2003—2019 年中國88 個國家高新區作為研究樣本。

解釋變量為政策處理效應（SCP）的虛擬變量；被解釋變量為企業發展績效。基于數據的可得性并借鑒林劍鉻等［18］的研究，選用企業總收入（total revenue）、技術收入（technical revenue）和凈利潤（net profit）作為企業發展績效的代理變量。為控制區域隨時間而變化的特征因素，選擇高新區企業數、期末從業人員數、實交稅費和出口額作為高新區層面的控制變量；將經濟發展、產業結構、人口自然增長率、公共財政支出、財政科技投入和金融支撐作為城市層面的控制變量。其中，以人均地區生產總值作為經濟發展的代理變量；產業結構則以第二產業占比來表征；金融支撐選用年末金融機構人民幣各項貸款余額進行衡量。

所使用的城市層面數據來自歷年《中國城市統計年鑒》，被解釋變量和高新區層面控制變量取自《中國科技統計年鑒》和《中國火炬統計年鑒》。內生性處理過程所需的城市平均坡度根據全球數字高程模型（ASTER global digital elevation model）數據計算得到。部分年份存在數據缺失，以查詢省份統計年鑒和插值法互補的方式進行填充。

最后，總結以上有關智慧城市建設對高新區發展影響機制分析與研究設計，構建分析框架，如圖2 所示。

圖2 智慧城市建設對高新區發展影響機制與研究框架

4 實證檢驗

4.1 基于雙重差分法的高新區智慧城市試點建設評估

4.1.1 基準檢驗

表1 為智慧城市建設對城市高新區企業發展影響的檢驗結果。可以發現，在分別以總收入、技術收入和凈利潤作為被解釋變量的回歸模型中，政策的處理效應皆不顯著，這也表明智慧城市建設對地級市高新區企業發展并沒有產生統計意義上的顯著影響。

表1 樣本智慧城市試點政策對企業的影響效應與試點模式比對檢驗結果

為了考察試點模式1 是否比模式2 對高新區內部企業影響更大，構建處理效應和試點模式虛擬變量（模式1 則取值為1；反之則為0）的交乘項（SCP×HZ_dummy）納入回歸方程中，結果顯示交乘項在10%水平下顯著為正，這意味著模式1 僅在促進高新區企業技術收入方面存在微弱的優勢。

為了進一步評估模式1 的政策凈效應，將隸屬于模式2 的高新區從總樣本中刪去，再次進行回歸，結果表明企業發展績效并沒有比那些尚未進行智慧城市試點的高新區的企業表現更好。

4.1.2 內生性處理

作為城市經濟發展的重要主體，高新區企業績效水平反映了當地創新生態環境的優劣，因此，企業發展較好的城市更有可能被納入智慧城市試點名單，也即，以上檢驗結果可能受到雙向因果關系所引致的內生性干擾。對此，采用兩階段最小二乘法（2SLS）進行內生性處理。工具變量選取的核心思想是尋找一個外生的、影響內生變量（政策試點）的變量，而城市坡度相關的地理變量一般不隨時間變化，也就與高新區企業發展不存在直接的因果關系；并且，城市坡度過大在一定程度上會提升智慧城市建設工程開展的難度，阻礙智慧城市基礎設施建設，即城市坡度會潛在影響智慧城市試點區域的選擇。因此，選擇城市平均坡度（Slope_r）作為工具變量。對工具變量選用合理性進行檢驗，結果如表2 所示，皆拒絕了“識別不足”的原假設，且不存在弱工具變量問題（Cragg-Donald Wald和Kleibergen-Paap rk Wald 的F統計值皆大于15%maximal Ⅳ size）。其中，第一階段的回歸結果顯示，Slope_r 與SCP 間呈負向關聯（系數在1%水平下顯著為負），意味著智慧城市建設往往傾向于在坡度較低的區域展開，與實際相符；第二階段的回歸結果顯示，試點政策與企業總收入和凈利潤間的系數皆在1%水平下顯著為負，而與技術收入的系數在1%水平下顯著為正（4.201）。這一方面反映潛在的內生性問題對基本回歸檢驗產生了影響，另一方面意味著智慧城市試點建設僅促進了高新區企業技術收入的提升，對總收入和凈利潤皆產生了負向影響。至此，假設1a和1b在一定程度上得到驗證。

表2 樣本智慧城市試點政策對企業影響的內生性回歸分析結果

表2（續）

4.2 高新區智慧城市異質性試點模式效果評估：以合肥為例

首先，考慮到所采用的方法對數據結構的要求，僅將2003 年為國家級高新區作為控制組。其次，以高新區企業數、期末從業人員數、實交稅費和出口額以及2004、2007 和2011 年的結果變量作為預測變量。擬合數值如表3 所示（因篇幅限制，僅列出真實高新區與合成高新區的協變量比對結果），合成高新區和真實高新區間的誤差大多控制在6%以內，僅在以凈利潤作為結果變量的比對中出現3 組顯著大于6%的情況。參照孟溦等［19］的研究并考慮到后續擬合結果（見圖1 至圖3），這種誤差是可以接受的。

表3 合肥智慧城市試點異質性對高新區企業發展影響分析結果

表3（續）

當以企業總收入作為結果變量時，合成高新區由鄭州高新區（0.643）和淄博高新區（0.207）、南昌高新區（0.098）和上海張江高科技園（0.051）4個高新區加權構成。如圖3（a）所示，實線表示高新區企業總收入的真實值，虛線表示合成高新區的總收入，垂直虛線代表合肥于2013 年在高新區實施智慧城市試點建設，虛線左側代表未受政策沖擊時的收入走勢。可以看出，在此之前，合成高新區與真實高新區的企業總收入變動較為吻合；而在進行智慧城市建設的2 年后，相比合成高新區出現下滑的趨勢，真實高新區的總收入呈現出較強韌性；這一作用在圖3（b）中得到進一步呈現，真實高新區與合成高新區企業總收入在2015 年開始分岔，且政策效應越來越大。然而，當以企業凈利潤作為結果變量時，合成高新區分別由武漢東湖新技術開發區（0.417）、貴陽高新區（0.351）、廣州高新區（0.231）三者加權構成，揭示了高新區智慧城市建設的負面影響。具體而言，政策實施前真實高新區與合成高新區企業凈利潤變化如影隨形；在實施智慧城市試點政策的第二年，真實高新區與合成高新區出現分岔，且前者上升幅度顯著小于后者，如圖3（c）（d）所示，2013 年及之前兩者保持了相對重合的路徑，但在2013 之后，真實高新區企業利潤相對出現驟然下降。進一步檢驗高新區智慧城市試點對企業技術收入的影響，如圖3（e）（f）所示，早期的擬合效果并不理想，但仍可以看出在受到智慧城市建設的政策沖擊后，相比合成高新區，真實高新區的技術收入亦存在一定的提升。

圖3 智慧城市試點政策對真實與合成的合肥高新區企業發展績效比對

4.3 進一步分析與穩健性檢驗

4.3.1 更換研究對象

以合肥高新區作為檢驗對象的結果表明，雖然智慧城市試點政策刺激了高新區企業收入的增長，但會對企業的凈利潤產生負向影響。這也意味著僅就智慧城市試點而言，更小空間范圍的試點模式并不一定能于短期促進企業利潤的提升。為保證這一結論的穩健性，對同樣隸屬于該試點模式的長春和青島高新區進行考察。

一方面，就長春高新區而言，以總收入作為結果變量，通過合成控制法計算而來的合成高新區主要由上海張江高科技園（0.560）、襄陽高新區（0.381）、太原高新區（0.044）、烏魯木齊高新區（0.014）和淄博高新區（0.002）構成。從圖4（a）（b）可以看出，真實高新區與合成高新區于政策實施前變化趨勢基本吻合，而在智慧城市建設后相較于合成高新區，真實高新區的上升有所乏力。同樣的特征表現在以凈利潤作為結果變量的檢驗，合成組由廣州高新區（0.740）、上海張江高科技園（0.234）和武漢東湖新技術開發區（0.027）加權構成。如圖4（c）（d）所示，可以看出，在2013 年之后，高新區企業凈利潤呈波動變化趨勢，2019 年凈利潤數值僅為40（與政策實施初期持平），而合成高新區的這一數值則已超過100。最后，與合肥高新區類似，以技術收入作為結果變量的擬合效果并不理想（雖然呈現出模糊的政策促進作用），如圖4（e）（f）所示。

圖4 智慧城市試點政策對真實與合成的長春高新區企業發展績效比對

另一方面，對于青島高新區，遵循上述操作過程，檢驗結果如圖5 所示，基本可以看出，對于以總收入和凈利潤作為結果變量的評估，合成高新區的擬合效果較優，且未皆表現出智慧城市建設政策對高新區企業的促進作用。雖然與長春高新區的分析結果相像，但可以對本研究結論的穩健性作很好地補充，因為在合成長春高新區的構成中，上海、廣州等一線城市高新區是其主要構成，考慮到一線城市在經濟環境、政策傾向上的優勢，可能會低估長春高新區智慧城市建設的作用。而對于青島，以其中將凈利潤作為結果變量的檢驗為例，其合成高新區則主要由襄陽高新區（0.623）和綿陽高新區（0.196）構成，而結果同樣表現出真實高新區企業利潤增幅小于合成高新區的現象，如圖5（c）所示。這佐證了智慧城市建設并沒有對高新區企業發展產生實質性的促進作用。

圖5 智慧城市試點政策對真實與合成的青島高新區企業發展績效比對

至此，以上研究結果表明假設2 中的猜想沒有被完全證實，即使僅在技術要素更為富集的高新區進行政策試點，智慧城市建設亦可能產生與預期截然相反的影響。

4.3.2 安慰劑檢驗

為進一步排查上述研究結果是否由偶然因素所致，參照Abadie等［17］的研究，使排序檢驗（permutation test）的方式來判斷是否還有其他城市高新區出現與合肥、長春及青島同樣的情況。具體思路是：依次將控制組高新區（donor pool）作為假想的處理組，分別進行多次合成控制，并就其結果與合肥等先驗高新區檢驗結果進行比對。考慮到實施前擬合效果對結論推斷的重要性，基于已有研究經驗，刪除政策實施前RMSPE 值1.5 倍于合肥、長春、青島的城市高新區樣本；并且，由于以技術收入作為結果變量的合成效果并不理想，因此，僅對總收入和凈利潤作進一步的安慰劑檢驗。結果如圖6 所示，粗實線代表了合肥、長春和青島的智慧城市建設政策效應，虛線代表了其他高新區智慧城市建設政策效應。可以看出，除合肥高新區的總收入和青島高新區的凈利潤的安慰劑比對，先驗處理組的企業發展指標顯著低于其他高新區，也即表明控制組要得到與實驗組相同的效果是小概率事件。就此可以推斷，“智慧城市建設試點模式1 并不比模式2 更有效”的結論是相對穩健的。

圖6 智慧城市試點政策對各高新區企業發展績效差值分布

4.3.3 更換控制組

為進一步明晰合肥、長春和青島在高新區進行智慧城市試點相對于未試點高新區的凈效應，將控制組更換為尚未進行智慧城市試點的地級市高新區，再次進行合成控制法檢驗。同理，結果表明雖然智慧城市試點促進了合肥高新區企業總收入上升，但反而降低了企業凈利潤；并且，政策的負向效應在長春和青島的高新區表現更為顯著（總收入和凈利潤皆表現出相對下降的趨勢）。這與本研究基于2SLS 的檢驗結果“政策對企業總收入和凈利潤的回歸系數皆在1%水平下顯著為負”相契合。

4.3.4 既有事實與具體例證

事實上，中國高新區發展與智慧城市建設過程存在項目落地發展難以為繼的問題。以青島為例，作為青島高新區的第一個產業園項目，中國智谷旨在圍繞智慧交通、政務等智慧城市主題板塊，建設智慧城市企業總部、展示與體驗中心、數據與應用產業區，以實現高端智慧城市產業生態圈的營造，然而如今發展停滯，該建設項目在2019 年流拍的前提下于2020 年降價六成上市拍賣；同樣，青島高新區與中興通訊股份有限公司共建的青島科技產業園項目，目標打造青島高新區智慧園區技術中心和開放式服務平臺，也于近年最終以拍賣落幕；此外，其他城區中的項目建設（諸如有中國“數都”之稱的惠普大數據中心、中昌數創智慧谷產業園等）亦存在相似的發展過程。分析具體原因，智慧城市建設往往存在重硬件、輕應用和重項目、輕規劃運營等問題。武漢智慧生態科技投資有限公司與微軟合作投入達1.75 億的智慧城市建設項目爛尾，既被歸因于在信息技術（IT）軟件（智慧城云平臺微軟軟件，

6 921 萬元；微軟技術實踐中心/ITA 軟件，1 059 萬元）、云服務（WindowsAzure 公有云，5 496 萬元；云管理平臺，1 449 萬元）上投入過多，而在業務規劃運營方面的側重明顯不足（CityNext 規劃咨詢占比不到5%，838 萬元）。

5 研究結論與政策啟示

隨著國家高新區將智慧城市建設作為“以產興城、以城促產、產城融合”過程中的重要目標。智慧城市項目在中國“遍地開花”；但與此同時，部分地方盲目追求智慧城市建設規模和速度而忽略了利益相關者的訴求，隨之帶來一系列負面影響。基于這一現實背景，本研究探討并檢驗了中國智慧城市建設試點對高新區企業發展產生的影響，得到如下結論：（1）智慧城市建設僅在一定程度上促進了高新區企業技術收入的提升，但對企業凈利潤則產生了顯著的負面影響；（2）就對高新區企業發展而言，智慧城市建設僅在高新區進行試點并不能比在更大空間范圍內試點（例如全市）效果更好；（3）從具體效果上看，智慧城市建設雖然促進了合肥高新區企業總收入的增加，但反而降低了企業凈利潤，為對于長春、青島是高新區，無論是總收入還是凈利潤，智慧城市建設所帶來的影響皆為負向。

雖然諸多研究揭示了智慧城市發展對經濟、創新、產業、自然及社會環境產生的積極作用，但本研究結果表明智慧城市建設對高新區企業發展的刺激作用較為有限。本研究的經驗證據并不是對高新區智慧城市建設這一政策組合的否定，而是認為需考慮對現行政策體系中的缺陷進行挖掘與調整。基于以上分析和研究結論，在今后智慧城市建設項目體系的構建中，可考慮對以下方面有所側重：（1）針對重干預、輕市場問題，改善現有制度環境，以市場需求引導項目建設。考慮到政府過度干預所引致的創新要素低效配置，一方面應逐步消除高新區政策體系中違背市場競爭機制的環節；另一方面，智慧城市建設同樣需依托市場的“無形之手”，實現規劃建設與應用需求的有效對接，通過市場化方式來創造居民受惠、企業受益的智慧應用。（2）針對重硬件建設、輕應用問題，改變認為智慧城市是城市信息或數字化的傳統認知，避免因沿襲以往的城市建設思路而強化了路徑依賴性，制約有關建設項目的深入推進。配套設施和創新生態的缺位不僅無法促進創新要素的聚集，亦會導致已有設施效用的降低，造成資源浪費。故應把“以人為本”價值目標貫穿于智慧城市的建設始終。（3）針對重項目、輕規劃和重當下、輕長遠問題，從全局出發，做好頂層設計。首先，明確各部門的業務范疇，實現責任分配到位；其次，打造不同部門間、主體間協同合作機制，在提高政務效率的同時，引導企業和金融機構等主體的參與，構建穩定且充滿活力的智慧城市建設治理模式；最后，加速構建智慧城市建設的標準（技術）體系和評價體系，完善地方黨政領導干部政績追加考核機制，以緩解“人走政息”問題。