智慧城市建設試點對區域生態效率的溢出效應

魏向杰 張子略

關鍵詞：智慧城市；空間效應；生態效率；區域經濟

摘 要：本文在分析智慧城市試點對城市生態效率影響機制的基礎上，利用15年面板地級市數據，構建異時性雙重差分模型，證實智慧城市試點顯著提高了城市生態效率。在平行趨勢檢驗、安慰劑檢驗等方法驗證上述結果的穩健性之后，利用事件研究法發現智慧城市試點對城市生態效率促進作用具有持續性。同時，本文構建空間計量模型證實智慧城市不僅顯著改善當地生態效率，還通過實用性創新溢出和產業結構升級對鄰近城市生態效率有“虹吸”作用。進一步構建三重差分模型進行異質性分析發現，智慧城市試點對經濟條件良好與地理位置優越城市的生態效率改善效果更好，本文的研究發現有助于理解智慧城市試點對區域生態效率改善的內在機制，為后續新一代城市建設、區域生態環境改善、污染聯防聯治、經濟發展政策提供了強有力的證據支撐。

中圖分類號：F062.9文獻標識碼：A文章編號：1001-2435（2024）02-0122-14

The Spillover Effect of Smart City Policy on Regional Ecological Efficiency

Wei Xiangjie， Zhang Zilue（Business school，Nanjing University of Information Science＆Technology，Nanjing，Jiangsu，210004，China）

Key words：smart city； spatial effect； ecological efficiency； regional economy

Abstract：Based on the analysis of the impact mechanism of Smart city policies on urban eco-efficiency， this article uses 15 years panel data and a staggered DID model to investigate that smart city has significantly improved urban ecological efficiency. After parallel trend test， placebo test， and robustness test， the results are still significant. This study uses event study method to prove the sustainability of smart city in promoting urban eco-efficiency. Spatial econometric models have also been constructed in this article to confirm that smart city not only significantly improves the local ecological efficiency， but also has a "siphon" effect on the ecological efficiency of neighboring cities through practical innovation and industrial sophistication spillovers. This study is helpful to understand the internal mechanism of the smart city improving the regional ecological efficiency， and provide strong evidence support for the city construction； regional ecological environment improvement； follow-up joint prevention and control of regional pollution and economic development policies.

一、引 言

世界環境與發展委員會將可持續發展定義為：“既能滿足當代人的需要，又不對后代人滿足其需要的能力構成危害的發展”。伴隨著經濟的高速發展，我國的城市化進程在不斷推進當中，但隨之而來的環境污染問題不容小覷，在《2022年度全球環境績效指數報告》中，1中國在180個國家和地區中僅排在第160位。環境污染的日益加劇帶來的問題不僅嚴重危害了居民生活，2更阻礙了經濟發展，傳統的城市發展模式難以為繼。作為經濟社會發展的重要載體，城市與城市群的綠色高質量發展至關重要，2012年施行的智慧城市試點，旨在通過新一代信息技術以及全媒體融合通信終端等工具的應用，實現知識社會環境下信息化城市的高級發展。智慧城市通過信息技術革新城市治理模式，優化城市及城市間資源配置效率，為城市乃至區域經濟發展帶來了全新的方式。智慧城市能否在促進城市、區域經濟發展的同時改善環境污染問題？智慧城市通過哪些機制促進經濟綠色發展？智慧城市對區域綠色發展是否具有空間效應？厘清這一系列問題，對深化智慧城市建設具有重要意義。

現有文獻對于智慧城市的研究多停留在環境改善、發展模式、資源利用效率的方面。石大千等的研究表明，智慧城市建設能夠顯著降低城市環境污染水平；3Chu et.al的研究表明，發現智慧城市試點大幅減少了工業廢氣和廢水的排放。4此外，部分研究人員評估了智慧城市發展的缺點，包括財政和預算限制、組織和官僚主義困難，以及數字服務的發展。現有研究主要探究了智慧城市建設對于經濟、環境等單一社會發展指標的影響。可持續發展作為經濟增長，社會發展與環境可持續性的綜合概念，單一指標度量的作用有限。因此，有必要考察智慧城市建設對試點城市及其周邊區域的綜合影響。

現有研究為本文研究提供了極有價值的線索，但仍有需要進一步思考的空間。首先，以往的實證研究停留在利用智慧城市試點作為外生政策沖擊研究對經濟或環境指標的單一影響，缺乏對經濟環境發展效率綜合指標的分析。因此本文引入生態效率（Ecological Efficiency），對經濟與環境進行綜合指標的衡量。其次，與傳統城市的發展方式不同，智慧城市是信息化、工業化和城鎮化的深度融合，能夠促進城市間的要素流動。最后，智慧城市通過新一代信息技術，對城市產業結構產生極大沖擊，進而對區域生態效率產生影響。

基于此，本文擬以智慧城市試點為準自然實驗對象，使用地級市面板數據，采用異時性雙重差分（Difference—In—Differences）模型，在通過事件研究法的基礎上，使用一系列穩健性檢驗，緩解模型中的內生性問題，并識別智慧城市試點對于城市生態效率的影響。考慮到雙重差分模型須滿足SUTVA（穩定單元處理值假設），本文擬建立空間雙重差分模型以控制智慧城市試點的空間效應。最終，本文探究了智慧城市對于區域生態效率空間影響機制。本文的邊際貢獻：第一，本文使用三階段DEA模型來剔除DEA模型中管理低效項的影響，提高估計的準確性，更精確地評價智慧城市建設對生態效率的影響。第二，通過產業結構、技術創新與污染企業擠出的機制來構建智慧城市建設與生態效率之間的內在影響機制，豐富了可持續發展領域的文獻。第三，采用基于空間杜賓模型（SDM）的空間雙重差分模型，在滿足SUTVA的前提下，為理論假設提供了可靠的實證支持。

二、政策背景和研究假設

（一）政策背景

智慧城市旨在通過新一代信息技術以及全媒體融合通信終端等工具和方法的應用以實現知識社會環境下信息化城市的高級發展。具體來說，“智慧城市”的理念是通過新一代信息技術使得人們更有效獲取信息，進而以更加精細的手段管理生產與生活狀態。同時，智慧城市也被認為有助于促進經濟發展、城市治理與資源協調可持續發展，提高城鎮化質量。

21世紀以來，我國城鎮化建設的步伐不斷加快，1城市人口也隨之膨脹，以住房擁擠、交通擁堵、環境污染與資源短缺為代表的“城市病”成為困擾著各個城市建設與管理的首要問題。2各級政府為推進城市管理方式的變革，解決“城市病”帶來的一系列問題，“智慧城市”政策應運而生。32012年11月，我國住房和城鄉建設部辦公廳正式印發《國家智慧城市試點暫行管理辦法》與和《國家智慧城市（區、鎮）試點指標體系（試行）》；我國智慧城市建設共分三個批次：2012年，率先施行首批國家智慧城市試點，共涉及90個縣（區）、地級市，而后又擴充9個行政區。2013年，再度施行國家“智慧城市”技術和標準試點城市試點政策，也稱為“智慧城市”雙試點，共計103個城市；2014年，發改委、工信部等八部委印發《關于促進智慧城市健康發展的指導意見》；2015年，住建部再度公布第三批試點城市（縣、區）共84個，擴大試點范圍13個，另有專項試點41個，并將智慧城市標準化制定工作正式提上國家日程。截至2017年底，中國超過500個城市均已明確提出或正在建設智慧城市，這將對我國社會發展的眾多層面產生重大且深遠的影響。

（二）研究假設

1.直接效應

智慧城市建設基于通信技術來改造城市基礎設施和公共服務，包括經濟和環境。4因此，它被認為是實現城市可持續發展的工具和信息化發展的高級形式。5事實上，智慧城市利用最新的信息技術、合作并且資源整合，提高城市管理效率，提供新的就業機會，優化城市資源分配，促進了城市經濟發展。智慧城市引入了新的知識管理和創新方法，廣泛應用于技術、產品、市場、資源配置方面，使城市各個服務系統通過新一代信息技術相互溝通，提高了城市化的質量并減少環境污染，促進當地的生態效率。基于此，本文提出假設1。

假設1：智慧城市建設有利于提高城市生態效率。

2.空間效應

智慧城市建設形成優良的基礎設施具有規模效應，有助于形成良好的綠色發展環境，吸引周邊城市的各種資本向該地區聚集，6并倒逼不符合本地環保標準的產業轉移，形成“污染轉移粘性”現象。7此外，為了尋求舒適的生活環境，城市人力資本更傾向于遷移到基礎設施優良、經濟增長迅速的城市。8然而，智慧城市試點雖然有利于當地城市的發展，但其發展建立在犧牲周邊城市的發展之上，會對區域發展造成消極影響。基于此，本文提出假設2。

假設2：智慧城市建設對周邊地區和整個區域生態效率產生負面影響。

3.中介效應

技術創新。技術創新是推動智慧城市發展的重要支撐。企業需要適應這種新發展模式，主動進行數字技術和綠色技術的開發和應用，推動城市生態環境的改善。試點城市享受的優惠政策和優先發展政策，強化了創新要素的集聚，并可能在一定程度上虹吸周邊地區的創新要素，其結果是在提升試點城市創新產生率的同時，降低周邊地區的生態效率水平。

污染企業的擠出。在智慧城市的建設過程中，不斷完善的環境質量監測與評估的技術手段一定程度限制了企業的污染排放。不僅如此，通過技術優勢與綠色發展平臺的建設，智慧城市通過技術手段對污染企業形成高壓，倒逼企業進行綠色生產，改善試點城市的生態效率。與此同時，由于智慧城市對于企業污染排放的限制，不符合智慧城市綠色發展的高污染企業也會而轉移至其他地區，對其他地區的生態效率評估產生影響，由此產生空間效應。

產業結構。智慧城市建設導致了試點城市產業結構的不斷優化，1改善城市發展環境。隨著清潔工業產業在區域GDP中所占比重的增加，環境污染將減少。試點城市產業結構優化升級，實際上是一個不斷吐故納新的過程，也即從周邊乃至更遠地區吸引優質清潔產業，轉移低端產業，由此造成智慧城市建設過程中的空間置換效應。基于上述分析，本文提出假設3。

假設3：智慧城市建設通過技術創新、污染企業擠出和產業結構變革影響區域生態效率。

三、模型設定與研究設計

（一）模型設定

考慮到各地級市開展智慧城市試點時間存在先后差異，本文設定異時性雙重差分模型，其實質是將政策沖擊的不同時間點放置在同一模型當中，產生實驗組和對照組以及“處理前”和“處理后”的雙重差異，緩解模型中可能存在內生性問題，基準回歸模型1如下：

其中，下標i與t分別代表個體與時間，[DEAit]代表各地級市每年度的生態效率。[DIDit]是判斷城市是否為試點城市（Treat）與政策實施之后（Post）的交乘項（Treat×Post）。本文重點關注系數[β]，若[β]顯著為正，說明智慧城市試點提升城市生態效率。[Xit]代表控制變量，[γ]為控制變量的向量，[δi]與[μt]分別為個體與時間固定效應，[εit]為隨機擾動項。

為進一步揭示智慧城市試點對城市生態效率影響的持續性，本文參考何文劍等的研究，2采用事件研究法（Event study）對（1）式進行擴展。事件研究法不僅可以觀察智慧城市試點對城市生態效率的持續性影響，還可檢驗平行趨勢假定。動態DID模型設定如下：

（2）式中，[DIDi，t-p]表示智慧城市試點第p（p=1，2，….，P）年的前置項，其設定的目的是檢驗實驗組與對照組在實施試點政策前是否有相同的趨勢，若系數[Fk]均不顯著則說明，政策實施之前實驗組與對照組之間沒有顯著差異，平行趨勢假定成立。[DIDi，t+n]為實施智慧城市試點第n（n=1，2，...，N）年的后置項，目的是識別政策實施的持續性影響。其他變量設定與（1）一致。

此外，本文還加入地理位置與政策的交叉項探尋智慧城市試點對城市生態效率的地理差異影響，回歸模型3如下：

其中，[Si]表示地理位置，與城市所處位置相關，若某城市所處位置為i地區（東部、中部、西部）則設置為1，否則為0。[φ]表示地理位置與政策交互項系數。

本文還使用空間計量模型來探究智慧城市試點對城市生態效率的空間效應：

其中，[σ]為空間項系數，[W]為空間權重矩陣，[τit]為空間誤差項矩陣，[ξWXit]為控制變量的空間滯后項，[ξ]為控制變量的空間滯后項系數。

借鑒Jia et.al的研究，1本文將技術創新、產業結構與污染企業擠出作為空間中介變量，探究二者對于城市生態效率的空間效應影響，建立空間杜賓模型如下：

[Mit]為中介變量，包括地級市綠色發明性專利與地級市產業結構，[λWMit]為中介變量的空間滯后項，[λ]為其空間滯后項系數，其余部分在前面部分均以說明。

（二）研究設計

1.生態效率的測算

現有生態效率的測算方法多數是數據包絡分析（DEA）法，DEA法不僅能夠對區域生態效率進行評價和比較，還能判斷影響地區生態效率的主要因素并為效率的改善提供明確方向。本文使用三階段DEA模型測度我國城市生態效率：首先，對所有決策單元（DMU）使用傳統DEA模型進行計算生態效率。第二步，通過構建類似隨機前沿模型（SFA）的方法，根據模型的計算結果，進一步調整投入項，對外部環境或決策單元增加投入，剔除隨機因素對效率估計的影響。第三步，利用經第二步調整后的投入與產出重新使用DEA模型進行效率估計，得到剔除外部環境或隨機干擾影響的估計效率，將所得結果做為模型（1）至（4）項的因變量使用。參考韓永輝等的研究以及數據的可獲得性，2選取產出指標如表1所示。

2.解釋變量的選取

國家住房城鄉建設部于2012年末正式發布“關于開展國家智慧城市試點工作的通知”，開展試點城市申報工作。經過地方城市申報、省級部門初審、專家綜合評審等程序，確定首批智慧城市試點共90個城市（縣、鎮）。2013年8月，住建部再度確定103個城市（區、縣、鎮）為2013年試點城市。本文將試點城市及區、縣、鎮試點的所屬城市作為準自然實驗對象，為降低實驗結果偏誤，將2013年8月所確定的智慧城市試點樣本劃分至2014年。

3.前定變量、控制變量與中介的選取

基于相關文獻與數據的可得性，本文選取如下前定變量與控制變量：

前定變量：城市綜合發展水平（LDEA）。由于智慧城市試點是由各地級市（區、縣）提出申請，智慧城市的建設前提條件包含一系列城市的條件稟賦，這表明開展智慧城市試點工作的城市需要有一定發展基礎。本文選擇城市綜合發展水平作為前定變量加入模型（1）作為控制變量進行回歸，并使用生態效率的滯后項作為城市綜合發展水平的代理變量。

控制變量：（1）基礎設施建設水平。1完善的基礎設施建設能夠促進經濟發展。本文用城市道路面積（lnroad）與綠地面積（lngreen）的對數衡量城市基礎設施建設水平。（2）外商直接投資（FDI）。外商直接投資是中國經濟發展至關重要的部分，本文采用利用當年匯率換算后的地級市年度外商直接投資作為該市當年的外商直接投資額進行平減。（3）人口密度（lnden）。本文使用每平方公里人口數衡量人口密度。（4）研發投入。本文選用平減后的地級市研發投入金額并取對數（lnrd）與平均研發人員研發資金的對數值（rdp）作為研發投入的代理變量。

中介變量：（1）綠色創新（pat）。2綠色創新的帶來的技術效應能提高資源使用率并減少污染排放。智慧城市的構建需要通過大量的創新型技術與設備進行支撐。因而本文以城市綠色發明專利創新作為綠色創新能力的代理變量作為中介變量進行回歸。

（2）重污染企業（nongreen）。重污染企業帶來環境污染對城市生態效率有著極大的負面影響。本文通過收集上市公司行業、企業信息，對重污染企業進行篩選并確定地理位置，得到各個城市擁有的重污染企業數量信息，并使用各地級市重污染企業個數的對數作為重污染企業的代理變量。

（3）產業結構（iui）。3產業結構對我國的經濟發展與環境協調有重要影響。本文參考付凌暉的做法，4用產業結構高級化指數衡量產業結構。

4.識別假設與檢查

DID估計的確定假設是，如果沒有采取智慧城市試點，那么試點城市與非試點城市將具有相同的時間趨勢。然而，對這一確定假設的主要威脅是試點城市不是隨機選擇的，反而可能是由于試點之前存在的一些差異造成的。為此，本文遵照Li et.al的做法，5對這個問題進行識別與解決。具體而言，即確定選擇試點城市的關鍵因素，并控制這些決定因素所造成的政策施行后的結果差異趨勢。本文選擇政策施行前一年各城市的教育支出的對數（Edu）、海拔高度（Altitude）、污染治理投資額（千萬元）（Waste）、公共財政支出的對數（Pub）、是否是生態文明城市（E&C，若是則為1，不是則為0）作為關鍵評選標準。

表2為進行了平衡性檢查之后的結果。以驗證控制生態文明城市選擇的關鍵決定因素是否能導致實驗組與對照組之間更好地平衡。Panel A展示了選擇試點城市的關鍵標準。數據表明，這些標準中的大多數在確定實驗組狀態方面發揮著重要作用。

表2的Panel B為對實驗組和對照組關于政策施行前一年各種經濟社會發展變量。列（3）顯示，在諸多維度上，試點城市的經濟與社會發展水平都顯著高于非試點城市。然而，如表2列（4）所示，在控制了試點城市選擇的幾個關鍵因素后，這些特征在實驗組和對照組之間沒有顯著差異，即實驗組和對照組之間是平衡的，這對后續的實證檢驗至關重要。

5.數據來源與描述性統計

考慮到由于申報智慧城市試點的城市需要良好的經濟基礎，為減弱未識別這一條件所帶來的估計偏誤，本文選取2003—2018年地級市年度數據進行分析，并剔除了年度數據缺失嚴重的城市。選取2003年作為樣本選取起始年份的原因是：智慧城市由2012年開始申報，選取2003年作為樣本起始年份能夠有效觀測在政策發生前各城市生態效率的變化趨勢。此外，由于新冠疫情的影響，2019年的經濟數據可能會受到新冠疫情的沖擊的影響，導致回歸結果出現較大偏誤，因而本文將樣本數據截止年份選取為2018年。本文數據來自CNRDS數據庫、CSMAR數據庫、Harvard Dataverse、《中國能源統計年鑒》《中國環境統計年鑒》《中國城市統計年鑒》；缺失數據通過各省、地級市相應年份所對應的統計年鑒與年鑒進行補充，若還存在缺失則使用插值法補齊。1描述性統計結果如表3所示。

四、實證分析

（一）基準回歸

根據模型1，首先評估智慧城市政策對地級市生態效率的影響，結果如表4所示。在列（1）中，本文僅控制了個體與時間固定效應，回歸結果的經濟意義是，相比非試點城市，智慧城市試點使得城市生態效率顯著提升了2.5%。列（2）至（4）為加入了經濟發展水平變量、包含前定變量的控制變量和將被解釋變量滯后一期的回歸結果。結果表明，智慧城市試點顯著提升了城市生態效率約2%。究其原因，智慧城市試點加強了先進科學技術在城市中的綜合應用，能夠推動企業數字化轉型，2提升城市管理能力和服務水平，提高了城市生態效率。

（二）事件研究法

使用雙重差分法需要滿足平行趨勢假定，即在智慧城市試點開始之前，試點城市與對照城市的生態效率變化需保持一致。事件研究法在驗證雙重差分模型是否滿足平行趨勢假定的同時還可以觀測政策對城市生態效率的持續性影響，檢驗結果如圖1所示。結果表明，智慧城市試點實施前，試點城市與對照城市的生態效率并無明顯差異，在實施試點政策之后，其對城市生態效率的影響才有逐漸增強的趨勢，滿足了平行趨勢假定。然而，在政策執行第三年時，智慧城市政策對于生態效率有負向影響。這是由于首批智慧城市試點是2012年開始的，而又一批城市在2014年剛剛開展智慧城市試點，因此，在2015年，這些城市的生態效率可能并未由于政策的施行而改善，降低了生態效率的評價。

（三）穩健性檢驗

1.排除其他政策影響

盡管上述檢驗對于實驗結果的可靠性做出了進一步保障，但在智慧城市試點施行的同時，仍有多項相關政策并行或交叉進行。基于此，本文先后控制了生態工業園區、低碳城市與創新型城市試點政策。1

在基準回歸中分別設置上述三個政策的虛擬變量，方法與本文自變量設置方法相同。表5列（1）為控制了生態工業園區數量的回歸結果，列（2）為控制了低碳城市試點政策的回歸結果，列（3）為控制了創新型城市試點政策的回歸結果，列（4）為同時控制了三項政策沖擊的回歸結果，可以看出，智慧城市試點對于城市生態效率的改善仍然顯著。

2.安慰劑檢驗

前文的基準回歸控制了前定變量與控制變量，且排除了其他政策的干擾影響，但不能排除智慧城市試點對于城市生態效率的改善效應是否還有其他不可觀測因素的干擾。鑒于此，本文構建反事實框架，對基準回歸結果進行安慰劑檢驗。如圖2所示，安慰劑檢驗結果可證實，智慧城市試點對城市生態效率的改善并非源于其他隨機因素，基準模型的回歸結果具有較強穩健性，假說1得到證實。

（四）空間相關性分析

雙重差分法必須滿足SUTVA，即外源性沖擊影響特定個體，而對其他個體沒有影響，若沒能滿足此前提，則會嚴重削弱模型估計結果的可信度與穩健性。生態效率的測算指標中包含人力資本、廢水排放、二氧化硫排放等與空間溢出高度相關的變量，智慧城市試點也存在空間溢出效應。1本文使用基于空間杜賓模型的空間雙重差分模型進行回歸分析，旨在滿足DID模型的SUTVA設定，同時探究智慧城市試點對于城市生態效率的空間溢出效應。

1.空間權重的設定

為估計空間溢出效應，本文參考Jia et.al的研究，2首先構建最常見的地理權重矩陣：

其中Dij表示城市i與城市j之間的地理距離，通過各個城市的經緯度計算得出，W2表示城市i與城市j之間的邊界是否相鄰，若相鄰則賦值為1，不相鄰則為0。

2.空間相關性

為檢驗被解釋變量的空間相關性，本文使用全局莫蘭指數進行檢驗。表6匯報了2003、2012、2014和2018幾個政策關鍵年份的全局Moran指數。由表6可知，Moran指數顯著為正，這代表城市生態效率在地理距離上存在高—高、低—低集聚的較強空間正相關性。綜上所述，本文使用空間計量模型是合理的。

3.空間計量模型回歸結果

表7給出了模型（4）至（6）的回歸結果，其中（1）至（3）列為地理距離矩陣Dij的空間回歸結果，（4）至（6）列為共同邊界矩陣Wij的空間回歸結果。

LR檢驗結果表明，基準模型中的空間相關性源于因變量、自變量和誤差項，因此 SDM 不能退化為 SAR 和 SEM。因此，本文轉而關注模型（6），即列（1）和（4）的估計結果。根據表7列（1）與列（4）的回歸結果，空間DID項的系數分別在5%與1%的水平上顯著為負，表明智慧城市試點對于試點城市的生態效率有顯著提升，對周邊城市生態效率有抑制作用。

4.空間相關性的分解

表8匯報了模型（6）的直接、間接以及總效應回歸結果，列（7）的權重矩陣分別為距離矩陣和共同邊界矩陣。列（1）結果的經濟意義是智慧城市試點對于當地的生態效率有正向顯著影響，使當地生態效率提高2.4%左右。但間接效應與總效應的回歸結果顯著為負，其經濟意義為智慧城市試點使試點地區周邊城市的生態效率下降4%左右。其原因可能是：當地政策的施行可能會對鄰近地區資源產生“虹吸”效應，吸引周邊城市資源向本地區集聚，并通過技術創新等手段降低非期望產出，進而使產出效率提升；而周邊地區由于資本流出，由于資本外流，投入水平下滑從而導致區域生態效率下降。假說2得到證據支持。

（五）機制分析

城市綠色創新水平與產業結構的空間中介效應回歸結果如表9所示。其中列（1）和（2）、列（3）和（4）、列（5）和（6）分別對應了產業結構、技術創新和城市重污染企業數作為因變量的估計結果。表9的結果表明，智慧城市試點對改善當地技術創新和產業結構具有正向直接影響。回歸結果的經濟意義是，智慧城市試點提高了城市綠色發明專利產出約0.096%，提升了城市產業結構高級化指數約0.027。智慧城市試點在提高當地技術創新與產業結構的同時，降低了周邊地區的綠色創新水平，惡化了產業結構，分別降低了周邊城市綠色發明專利的對數與產業結構0.929%與0.031%。此外，智慧城市建設擠出了當地重污染企業的對數約0.032，將這些重污染企業向周邊地區轉移。智慧城市的建設不僅有當地政府的參與，也有當地企業與其他大型跨區域企業的參與，其目的是將通用技術解決方案轉化為當地需求。此外，技術創新產出的增加創造了優越的生產條件，吸引了周邊地區資本進入該地區，產生了虹吸效應。

智慧城市建設促進了產業鏈的整合和產業結構的升級，提高了當地的生態效率。智慧城市試點在減少企業污染排放的同時，擠出那些重污染企業到其他地區。而周邊城市由于缺乏相應的資金支持，導致要素外流，產業結構惡化，進而降低生態效率。假說3得到證實。

（六）地區異質性分析

經濟地區的劃分不僅刻畫了地理位置所帶來的經濟影響，也見證了我國梯度型經濟政策的發展過程。表10中列（1）至（3）的結果顯示，東部地區生態效率改善有著顯著的正向影響。對于中部地區，智慧城市試點明顯降低了生態效率。第（3）列使用經度（Lon）與政策的交互項代替經濟地區與政策交互項回歸。回歸結果的經濟意義是，經度越大，越靠近東部地區，政策所導致的生態效率改善越明顯，經度每往東0.01，生態效率改善0.1%。可能的原因是：東部地區經濟發展、科學技術水平、對外開放程度更高，生態效率的提升更為明顯。

五、結論與啟示

在分析智慧城市試點對城市生態效率溢出效應的基礎上，利用2003—2018年地級市的樣本數據，構建異時性雙重差分模型識別智慧城市試點對城市生態效率的影響，并進一步使用空間模型揭示了智慧城市試點對城市生態效率的空間溢出效應、異質性與機制。本文得出以下結論：首先，智慧城市試點顯著提升了城市生態效率，經過一系列穩健性檢驗后均成立。此外，本文通過事件研究法證實了智慧城市政策對城市生態效率有持續性正向影響，但對周邊城市的生態效率具有“虹吸”作用。此外，在經濟發展水平高的地區，該政策的執行效果較好。最后，通過機制檢驗發現，智慧城市通過綠色發明性創新、重污染企業擠出與產業結構升級的中介對鄰近地區的生態效率具有“虹吸”作用。

基于上述結論，本文得出如下啟示。首先，智慧城市試點顯著提升了試點城市生態效率。從現實狀況來看，目前我國智慧城市試點區域較多，且對城市生態效率有顯著提升。因此，可通過創新激勵、優惠政策等行動引導各城市打通城市服務系統以提升資源利用效率，并鼓勵其進行智慧城市試點申報。其次，異質性分析表明，東部智慧城市建設帶來的生態效率提升更為明顯，這說明智慧城市建設更適合基礎設施本身較為完善的城市，對于中小城市則需要在保持自身原有資源、發展優勢上提升城市生態效率。最后，通過識別智慧城市政策空間效應的機制，綠色創新產出的提升有利于改善城市生態效率，雖然由于科學技術的外部性使得知識溢出的范圍增大，激勵了城市綠色創新動力，推動了產業結構升級，但仍然會對鄰近地區的生態效率產生“虹吸”作用。因此，政府應改善相關政策，做到推動智慧城市建設的同時，為周邊城市營造和諧的發展環境，也通過政策促進其鄰近城市的經濟良性發展。

責任編輯：孔慶洋