智慧城市建設對經濟綠色轉型的影響效應

[摘 要：文章基于2007—2021年中國280個地級及以上城市的面板數據，利用國家智慧城市試點政策作為準自然實驗，運用雙重機器學習模型識別智慧城市建設對城市經濟綠色轉型的影響及傳導路徑。研究發現：智慧城市建設顯著促進城市經濟綠色轉型，且智慧城市建設自試點以來對城市經濟綠色轉型的影響效應大致呈現逐漸增強的趨勢；提高信息化發展水平、緩解資源錯配以及促進產業結構轉型升級是智慧城市建設促進城市經濟綠色轉型的重要傳導機制；智慧城市建設對城市經濟綠色轉型的促進效應在東中部地區、大中規模城市以及傳統基礎設施水平較高的地區更為明顯。

關鍵詞：智慧城市；經濟綠色轉型；雙重機器學習模型；動態影響；信息化發展

中圖分類號：F49；F299.2；F124.5 文獻標識碼：A 文章編號：1007-5097（2024）12-0065-11 ]

The Impact of Smart City Construction on the Green Transformation of the Economy：

Causal Inference Based on Double Machine Learning

ZHOU Ruibo1， WU Yunfeng1， WANG Zhifan2

（1. School of Economics and Finance， South China University of Technology， Guangzhou 510006， China;

2. School of Economics， Management and Law， University of South China， Hengyang 421001， China）

Abstract： This article， based on the panel data from 280 cities at and above the prefecture level in China from 2007 to 2021， uses the pilot national smart city policy as a quasi-natural experiment， and employs a double machine learning model to identify the impact of smart city construction on the green transformation of urban economies and its transmission pathways. According to the research findings， the construction of smart cities significantly promotes the green transformation of urban economies， and the impact of smart city construction on the green transformation of urban economies has shown a gradually increasing trend since its pilot implementation. Enhancing the level of information technology development， alleviating resource mis-allocation， and facilitating the transformation and upgrading of industrial structures are key transmission mechanisms through which smart city construction promotes the green transformation of urban economies. The positive effects of smart city construction on green transformation of urban economies are more pronounced in the eastern and central regions， medium and large cities， and areas with higher levels of traditional infrastructure.

Key words：smart city; green transformation of economy; double machine learning model; dynamic impact; information technology development

一、引言及文獻綜述

改革開放以來，中國城鎮化水平不斷提高，城鎮化建設取得長足進步，經濟也實現了持續快速增長。然而，這一系列舉世矚目成就背后隱藏的粗放型發展問題不容忽視，表現為高能耗、高排放和高污染，制約著中國經濟向高質量發展邁進。因此，黨的二十大報告強調，要協同推進降碳、減污、擴綠、增長，加快發展方式綠色轉型。目前，中國粗放型經濟增長模式亟須實現根本轉變，那么，如何在經濟增長進程中既能提升經濟發展質量又能踐行“綠水青山就是金山銀山”的理念，從而轉變傳統發展模式，推動經濟發展綠色轉型，成為中國貫徹新發展理念、推進高質量發展以及構建人類命運共同體過程中亟須解決的關鍵問題。

作為全球可持續發展的重要掣肘，經濟增長與環境保護兩者的關系歷來備受政策制定者和學者們關注。經濟綠色轉型概念最早可以追溯到1989年Pearce等人提出的綠色經濟一詞，他們主張建立一種社會與自然環境能夠承受的經濟發展模式，避免因盲目追求經濟增長而導致資源枯竭。其后經聯合國環境規劃署的系統研究，綠色經濟被賦予可持續發展內涵，發展綠色經濟逐漸成為各國經濟轉型的新方向，引起了國際國內學者們廣泛討論。雖然學術界對經濟綠色轉型的內涵和外延從不同角度進行了詮釋，但對綠色經濟核心要義達成了共識，即認為綠色經濟本質上是通過綠色技術創新對生產運作模式進行變革，使得能夠在降低資源消耗、降低環境污染的情況下，盡可能得到更多的經濟產出，從而實現經濟效益與環境效益雙贏［1-2］。

盡管經濟綠色轉型理念十分契合當前我國發展所需，但它仍面臨著綠色市場體系不完善、綠色技術水平有限導致高能耗企業陷入“不敢轉”“不愿轉”的困境。造成這一現象的主要原因是既往的城市化進程往往與工業緊密交織，這種交織使得政府放松對工業企業的監管，從而導致城市建設過度依賴能源消耗，呈現出粗放型外延式發展模式，短時間內難以匯集創新要素引導釋放綠色市場活力［3-4］。為了解決這一“城市病”難題，“智慧城市”理念應時而生，旨在通過智能計算技術創造城市空間新連接，助力城市系統和服務形成“數字互聯”，以筑建城市產業生態圈，提升城市治理效率，從而提升居民生活質量，推動城市向數字化、綠色化方向轉型，最終實現可持續發展。

為探索推進智慧城市建設，住房城鄉建設部于2012年發布《關于開展國家智慧城市試點工作的通知》，旨在探索優化城市創新環境、促進城市綠色發展的新型城鎮化發展模式，并分別于2013年1月、2013年8月和2015年4月開展了三批次智慧城市試點建設。作為城市發展新方向，我國智慧城市建設是以數字技術、智慧基礎設施融合推動城市高效運轉的深度城市化進程，是新型城鎮化發展的高級形態，也是實現經濟社會綠色轉型的重要推動力。智慧城市實踐的開展同時也引發了學術界對中國智慧城市建設問題的積極探索，大量研究從社會治理［5-6］、經濟發展［7-8］、科技創新［9-10］和環境保護［11-12］等視角對智慧城市建設的政策效應進行了理論與實證分析。對于智慧城市建設是否以及怎樣影響城市經濟綠色轉型，學者們進行了深入的探討。數字時代下，摩爾定律的存在使得技術產品價格相對下降，進而發生對其他投資的大規模擠壓［13］。以數字技術為核心的智慧城市建設能優化民生服務、提升企業生產和城市治理能力，重塑經濟結構，從而對經濟發展路徑產生深遠的影響［14］。智慧城市建設體系不斷完善，有效促進了智慧技術與實體經濟的深度融合，作為基礎設施與技術的結合體，智慧城市將各類傳感器嵌入全球生產生活系統（供電、供水、供氣、建筑、交通等），并將它們連接形成物聯網，再通過互聯網與其整合，從而使得人類能夠對生產生活進行精細化、動態化管理，最終實現智慧治理［15］。對于政府而言，作為智慧城市建設方案的實施主體，在建設過程中必會加大資金投入進行相關技術補貼和支持，激發企業創新意愿，從而能夠促進相關技術的更新升級，破除技術壁壘，最終推動企業向數字化、綠色化轉型。同時在政府推動下，智慧城市建設能夠營造良好的創新環境，從而實現創新驅動發展。對于企業而言，地方更傾向將資金投入以數字技術為代表的智能化設備和新興產業中，為獲得政府更多的財政支持，企業間的激烈競爭倒逼其加大綠色創新投入，驅動企業通過技術創新和提高資源配置效率提升綠色全要素生產率，進而推動企業綠色轉型發展［16］。無論是由政府主導推動，還是企業自發轉型，智慧城市建設都勢必會朝著以創新驅動發展的方向邁進，在這一過程中，城市內部和跨城之間知識、技術的交流頻率提升，可以有效緩解科技市場存在的信息不對稱現象，加快技術、人才和信息關鍵要素的轉移集聚，賦予要素更多創新的可能性，對促進城市綠色技術水平提升、推進城市經濟綠色轉型形成有效支撐［17］。此外，以數字基礎設施為依托的智慧城市建設能夠推動城市數字化發展，有效促進數字技術與傳統產業的融合發展，引導資源要素生產和配置走向集約化、綠色化，從而有利于城市經濟綠色轉型。

上述研究為本文提供了有益的參考，但仍有進一步拓展的空間：第一，在研究視角上，現有研究對“智慧城市—經濟綠色轉型”這一基礎邏輯進行了解讀，但大多或基于單一渠道的機制展開理論與實證研究［3］，或缺少機制探究［18］，對中間環節的系統性研究不足。因此，仍需在此基礎上向中間環節縱深方向挖掘，即智慧城市建設賦能城市經濟綠色轉型發展這一命題“何以可能”與“何以可為”。第二，在研究內容上，相關研究大多關注智慧城市建設的綠色效應整體評估，并未對其中存在的作用路徑、動態效應進行深入的分析與探討。第三，在研究方法上，現有研究主要通過雙重差分模型對智慧城市建設的政策效應進行評估，然而雙重差分模型需要對變量間的函數關系提前設定，會存在函數誤設的風險。同時，其對樣本的要求較為嚴苛，需要滿足實驗組和對照組在政策發生前趨勢保持相同的假定，且傳統線性回歸在控制其他多因素時，可能會出現“維度詛咒”、多重共線性等問題，這些限制可能會使得估計結果產生偏誤。

基于上述原因，本文基于2007—2021年中國280個城市面板數據，通過對智慧城市建設賦能城市經濟綠色轉型的效應展開理論與實證分析，以回應“何以可能”這一邏輯之問，進而挖掘智慧城市建設推動城市經濟綠色轉型的機制回應“何以可為”這一現實問題，從“何以可能”與“何以可為”兩個方面對智慧城市建設賦能城市經濟綠色轉型展開系統性分析，為充分發揮智慧城市建設在推動中國經濟綠色轉型中的作用提供實證依據和政策啟示。本文可能存在的邊際貢獻包括：①基于“何以可能”（整體效應、動態效應、異質性）—“何以可為”（機制分析、政策啟示）的邏輯框架，針對智慧城市建設賦能城市經濟綠色轉型的邏輯展開系統性探討，豐富智慧城市建設與經濟綠色轉型的研究，為美麗中國建設進程中基于智慧城市視角探尋城市經濟綠色轉型路徑提供理論與經驗證據。②基于動態效應模型驗證了智慧城市建設對經濟綠色轉型的動態影響，區別于以往研究僅關注智慧城市建設的整體效應，本文較為全面地測度了智慧城市建設對經濟綠色轉型的影響效應。③結合前沿方法——雙重機器學習模型進行政策效應評估，有效彌補傳統因果推斷模型預設以及“維度詛咒”等問題產生偏誤的缺陷，較為科學地提煉出智慧城市建設的經濟綠色轉型效應，使得研究結果更具信服力。

二、機制分析與研究假設

住房城鄉建設部于2012年發布的《關于開展國家智慧城市試點工作的通知》中明確指出，智慧城市是“通過綜合運用現代科學技術、整合信息資源、統籌業務應用系統，加強城市規劃、建設和管理的新模式”。從傳導鏈條來看，智慧城市建設通過綜合運用現代科學技術建設城市智慧基礎設施，首先是提升城市基礎設施的數字化水平，促進基礎設施的共享并實現多樣化收益；其次是有利于整合信息資源，促進行業間、主體間和要素間的互動關聯和融合發展，緩解城市擁堵和資源錯配，提高資源配置效率；再次是智慧城市本身既是數字技術應用的重要場景，也是數字經濟發展的主要載體，智慧城市建設一方面從供給側推動廠商提供智慧基礎設施和數字技術服務，促進產業數字化，另一方面從需求側推動市場提供數字技術產品和服務，促進數字產業化。產業供給和市場需求在智慧城市建設過程中良性互動、交融發展，不斷催生新技術、新產業和新模式，倒逼廠商進行學習和模仿，促進產業結構轉型升級。因此，本文認為智慧城市建設主要通過提高信息化發展水平、緩解資源錯配以及促進產業結構轉型升級三種渠道促進城市經濟綠色轉型（如圖1所示）。

首先，智慧城市建設通過提高信息化發展水平促進城市經濟綠色轉型。一方面，得益于信息技術與城市管理的融合，諸如智慧交通、智慧生態、智慧醫療等一系列智慧城市平臺建設項目相繼建成，城市智慧化管理實現了城市管理全過程信息的實時傳遞與處理，以信息技術運用帶動和支撐城市管理流程的再造，有利于城市在能源、交通等高耗能領域的監管與治理，城市運轉效率得以提高，從而為經濟綠色轉型營造良好的制度環境，對城市經濟綠色轉型效率的提高形成有效的制度支撐［19-20］。另一方面，前沿信息技術的應用不僅能夠促進企業內部信息的多向流通，從而降低生產運作過程中的搜索成本和交易成本，還能通過提高創新資源匹配效率與機會增強企業技術研發水平［21］，在市場中建立并完善企業環保信用評價模型，規范企業自身排污行為，引導企業將更多的資源要素投入綠色技術創新中，同時，促進信息在市場以及創新主體之間的快速傳遞和有效共享，重構綠色技術資源的獲取與利用過程，實現綠色技術資源的共享與互補［22］，為城市經濟綠色轉型提供強大的技術支撐。

其次，智慧城市建設通過緩解資源錯配促進城市經濟綠色轉型。從生產資源錯配的角度而言，智慧城市的快速發展豐富了生產要素的種類，數據作為一種新型生產要素，依托互聯網、物聯網、云計算等數字技術與傳統生產要素進行融合，賦予傳統生產要素更多的配置方式，有助于解決要素供需矛盾問題，從而提高資源配置效率［23］。此外，隨著勞動力、資本等要素配置得到優化，產品市場供需雙方能夠實現更精準的匹配，減少因要素錯配而產生的摩擦性成本，有助于解決因投入冗余造成的產能過剩問題，并在科技要素合理配置需求的驅動下激發經濟綠色轉型的動力［24］。從金融資源錯配的角度而言，金融是綠色轉型的核心，資金是綠色轉型的血液和加速引擎，伴隨著智慧城市建設進程中社會化網絡、物聯網、云計算等技術在金融領域的深入應用，金融體系和商業模式形成融合性變革，傳統金融服務演化到更高級階段，能夠優化金融資源配置，促進優勝劣汰，驅動資金在整個社會經濟體中順暢、高效地流動，有助于提高金融服務的可得性，為更多擁有開展綠色活動意愿的主體提供金融服務，從而為促進城市經濟綠色轉型奠定良好的基礎［25］。

最后，智慧城市建設通過促進產業結構轉型升級促進城市經濟綠色轉型。智慧城市建設的產業結構效應對經濟綠色轉型的影響主要體現在傳統產業轉型和新興產業發展兩方面。一方面，與依托傳統生產要素投入生產的模式不同，借助互聯網、物聯網等信息技術為載體的新型智慧城市生產模式以投入知識、技術等要素為主，具有邊際成本遞減和邊際收益遞增的特點。新要素的投入賦予企業更強大的學習、協作、創造能力，為企業綠色發展注入新活力。另一方面，智慧城市建設帶動了信息產業的發展，而信息產業的發展又會帶動研發設計等一系列生產性服務業的發展，催生更多以技術、知識為導向的新產業、新業態和新模式，這些新興產業本身就具備較高的環保特性，其發展不僅會推動產業結構升級，而且還能帶來一系列如綠色生產方式等外部性活動［26］，通過“示范效應”，產生“倒逼效果”，推動傳統行業和企業綠色化發展，進而促進城市經濟綠色轉型。因此，本文提出假設1和假設2。

H1：智慧城市建設有助于促進城市經濟綠色轉型。

H2：智慧城市建設主要通過提高信息化發展水平、緩解資源錯配以及促進產業結構轉型升級三種渠道促進城市經濟綠色轉型。

三、模型設定和數據來源

（一）模型設定

本文利用智慧城市試點政策探究其對城市經濟綠色轉型的作用，以往研究主要通過雙重差分模型對智慧城市建設的政策效應進行評估，然而雙重差分模型需要對變量間的函數關系提前設定，會存在函數誤設的風險。同時，其對樣本的要求較為嚴苛，需要滿足實驗組和對照組在政策發生前趨勢保持相同的假定，且傳統線性回歸在控制其他多因素時，可能會出現“維度詛咒”、多重共線性等問題，這些限制可能會使得估計結果產生偏誤。而雙重機器學習模型是一種非參數回歸模型，不需要預先設定函數，同時，雙重機器學習模型能夠自動篩選預選的控制變量，得到較高預測精度的控制變量組合，從而能夠避免模型誤設以及控制變量冗余等問題，有效彌補傳統因果推斷研究的不足［27］。因此，國內外學者開始關注雙重機器學習模型在因果推斷中的實證應用，為本文研究提供了新的思路。

本文利用雙重機器學習模型對智慧城市建設的政策效應進行評估。借鑒張濤和李均超（2023）［28］的研究，構建部分線性模型如下：

[Y=θ0Event+gX+U，EUX，Event=0] （1）

其中：[Y]為被解釋變量，表示經濟綠色轉型效應；[Event]為智慧城市建設的政策變量（試點城市設立后為1，否則為0）；[θ0]為重點關注的回歸系數；[X]為多維控制變量集合，需通過機器學習方法估計[g（X）]；[U]為誤差項，條件均值為0。對式（1）直接進行估計，可得回歸系數[θ0=1n∑i∈IEvent2i-1]×[1n∑i∈IEventi［Yi-g（Xi）］]。其中，[i]為城市，[n]為樣本量。但由于[θ0]難收斂于[θ0]，因此估計存在偏誤，需進一步考察偏誤并修正。具體做法如下：

[n（θ0-θ0） =1n∑i ∈ IEvent2-11n∑i ∈ IEventiUi+1n∑i ∈ IEvent2-11n∑i ∈ IEventi[g（Xi） -g（Xi）]]（2）

式（2）中，令[a=1n∑i∈IEvent2-11n∑i∈IEventiUi]，并服從均值為0的正態分布，令[b=1n∑i∈IEvent2-1]×

[1n∑i∈IEventi［g（Xi）-g（Xi）］]。雙重機器學習模型利用機器學習和正則化算法估計[g（Xi）]，雖能避開估計量方差過大的問題，但正則項的引入會帶來估計偏誤問題，[g（Xi）]向[g（Xi）]收斂速度較慢，[n-φg>n-1/2]，當[n→∞，b→∞]，[θ0]難收斂于[θ0]。因此，本文采用正交法修正此偏誤。

[Event=m（X）+V，E（VX）=0] （3）

先對式（3）進行回歸估計，得到殘差項V的估計[V=Event-m（X）]，將[V]視為[Event]的工具變量進行回歸，得到[θ0]的無偏估計量為：

[θ0=（1n∑i∈IViEventi）-11n∑i∈IVi［Yi-g（Xi）］] （4）

本文進一步考察其估計偏誤：

[n（θ0-θ0）=∑i∈IE（V2i）-11n∑i∈IViUi+∑i∈IE（V2i）-1×1n∑i∈I[m（Xi）-m（Xi）][g（Xi）-g（Xi）]] （5）

式（5）中，[∑i∈IE（V2i）-1][1n∑i∈IViUi]服從均值為0的正態分布，由于回歸估計引入了兩個誤差交乘項，[［m（Xi）-m（Xi）］［g（Xi）-g（Xi）］]的收斂速度為[n-（φm+φg）]，[φm]與[φg]分別是[m（Xi）]向[m（Xi）]，[g（Xi）]向[g（Xi）]的收斂速度。相較于式（2），[n（θ0-θ0）]向0收斂的速度更快，進而證明能夠通過雙重機器學習算法測得無偏的效應估計。

（二）變量定義與數據來源

1. 被解釋變量

本文被解釋變量為城市經濟綠色轉型（[GI]）。通過構建包含非期望產出的DDF-GML模型來衡量城市經濟綠色轉型效應。在投入指標上，資本投入采用R&D資本存量衡量；勞動投入采用R&D人員全時當量表示；能源投入用折算成標準煤后的能源消耗總量表示。其中，R&D資本存量通過永續盤存法計算得出，折舊率參考吳延兵（2006）［29］的研究設定為15%，R&D價格指數參考朱平芳和徐偉民（2003）［30］的方法，賦予消費者價格指數0.55權重和固定資產投資價格指數0.45權重，通過加權計算得出R&D價格指數并進行平減，將2006年各市實際R&D支出作為基期，核算R&D基期資本存量。在產出指標上，期望產出采用地區實際生產總值、綠色專利申請量以及建成區綠化覆蓋率衡量，其中地區實際生產總值以2006年為基期進行平減；非期望產出衡量創新產出的環境效應，參考任耀等（2014）［31］的研究，選取工業三廢（工業廢水、工業二氧化硫以及工業煙塵）排放量來表示。

2. 核心解釋變量

本文核心解釋變量為智慧城市建設（Event）。將智慧城市試點政策視為一項準自然實驗，依照城市是否入選試點城市，并結合試點城市設立時間設置虛擬變量（試點城市設立后為1，否則為0）。

3. 控制變量

雙重機器學習能夠自動篩選預選的控制變量，得到較高預測精度的控制變量組合，從而能夠避免控制變量冗余等問題。因此，為確保政策評估的科學性，本文參考李豫新等（2023）［32］、羅勇根等（2019）［33］的研究，控制了以下可能影響城市經濟綠色轉型的變量：①對外開放水平（[IFdi]），采用城市實際外商直接投資額占GDP的比重衡量。②金融發展水平（[Loan]），用年末金融機構各項存貸款余額之和占GDP的比重衡量。③人口密度（[Pop]），采用年末總人口數與轄區面積的比值衡量。④教育投入力度（[Edu]），用地方教育支出占財政支出的比重衡量。⑤科技支持水平（[Tech]），用地方科技支出占財政支出的比重衡量。⑥城鎮化水平（[Urb]），用城鎮常住人口占地區總人口的比重衡量。⑦環保支持（[Env]），采用城市環境污染治理投資占GDP的比重衡量。⑧財政水平（[Fis]），用城市財政支出占GDP的比重衡量。鑒于上述控制變量可能會對城市經濟綠色轉型產生非線性影響，本文借鑒張濤和李均超（2023）［28］、陳鳴和王志帆（2024）［34］的做法，在回歸分析中加入各變量的二次項。

為保證樣本數據的連續性和可得性，結合行政區劃調整和數據缺失的情況，最終本文的實證樣本包含中國280個地級及以上城市，樣本時間為2007—2021年，所用經濟社會數據均來自各年份《中國城市統計年鑒》、各省份統計年鑒以及各市國民經濟和社會發展統計公報。

各變量的描述性統計見表1所列。

四、實證結果

（一）基準回歸

本文采用了雙重機器學習模型估計智慧城市建設對經濟綠色轉型的影響效應，在模型中采用隨機森林算法對主回歸和輔助回歸進行預測求解。此外，為了避免機器學習進行模型預測的過擬合問題，雙重機器學習模型采用了樣本內外交叉驗證的方法，其中樣本分割比例為1∶4，回歸結果見表2所列。模型（1）—模型（3）分別在全樣本區間內控制了變量一次項、時間固定效應、城市固定效應以及變量二次項。回歸結果顯示，相較于非試點城市，試點政策顯著促進了試點城市經濟綠色轉型，H1得以驗證。

（二）動態效應分析

上述基準回歸反映的是智慧城市建設對城市經濟綠色轉型的年份平均影響，并沒有反映智慧城市建設的時間異質性，即政策動態性影響，但經濟綠色轉型效應的提升是一項需要長期投入與建設的系統工程，進一步的研究需要觀察政策效果的長期動態特征，為經濟綠色轉型發展的長期決策行為提供數據支撐，因此，本文在式（1）的基礎上構建如下部分線性動態模型：

[Y=θjEvent×Afterj+gX+ U，EUX，Event=0] （6）

[Event×Afterj=f（X）+V，E［VX］=0] （7）

式（6）中，[Afterj]為智慧城市建設后每一年的虛擬變量，[θj]表示每一年的政策效應，其他變量定義同式（1）。表3報告了智慧城市建設的動態效應分析結果，可以看出，試點以來智慧城市建設對城市經濟綠色轉型的影響大致呈現增強的態勢，智慧城市經濟綠色轉型效應于2018年達到峰值，2019—2021年效應有所減弱。其原因可能是，在智慧城市試點初級階段，隨著現代科學技術在城市規劃、建設、管理和運行中的綜合應用，以及資金、人力資本等要素投入的顯著增加，區域創新動力明顯增強，傳統的創新制度引致的資源制約得到有效緩解，使得城市經濟綠色轉型效應顯著增強，但隨著經濟綠色轉型效應的不斷提升，創新投入的邊際效應有所下降，故智慧城市建設的經濟綠色轉型效應有所減弱。上述結果表明，相較于微觀層面技術創新效率提升的長周期性，智慧城市建設這一外在的積極政策能在短期內克服區域創新的阻礙因素，驅動城市經濟綠色轉型能力的提升。此外，智慧城市試點產生的經濟綠色轉型效應并非短期、間斷性的，而是具有持續性，相關城市的試點經驗能通過“示范效應”應用于其他城市并取得成效。

（三）穩健性檢驗

1. 更換被解釋變量

為增強智慧城市建設經濟綠色轉型效應評估的穩健性，本文參考宋德勇等（2021）［35］的研究，采用每萬人綠色發明專利申請數作為衡量智慧城市建設的經濟綠色轉型效應的代理變量，回歸結果見表4列（1）。在更換被解釋變量后Event系數值有所增大，并在1%的水平上顯著為正，表明智慧城市建設的經濟綠色轉型效應較為穩健。

2. 剔除其他政策影響

考慮在評估智慧城市建設的經濟綠色轉型效應過程中，不可避免會受到其他相關政策的影響，從而對本文政策評估效果產生一定的偏誤。與智慧城市建設相關的政策包括“寬帶中國”戰略以及“國家大數據綜合試驗區”建設，分別于2013年和2015年開始實施，這兩項政策的實施對城市經濟增長、綠色發展均產生一定的影響。為剔除政策效果干擾，本文設定虛擬變量寬帶中國政策（[Timeit×BBC]）、國家大數據綜合試驗區（[Timeit×Bigdata]），并分別進行回歸估計，結果見表4列（2）、列（3），在控制相關政策干擾后，智慧城市建設仍顯著促進城市經濟綠色轉型，證明基準回歸結果穩健。

3. 安慰劑檢驗

除了相關政策擾動外，其他政策或不可觀測的隨機性因素也會對城市經濟綠色轉型造成影響，從而影響基準回歸結果的穩健性。為評估此類因素的影響，本文將智慧城市建設的試點時間提前2～3年，若此時核心解釋變量Event的系數顯著性仍與前文基準回歸結果保持一致，即表明城市經濟綠色轉型可能受其他政策或不可觀測因素的影響，反之，若此時核心解釋變量[Event]的系數顯著性出現不一致，則表明城市經濟綠色轉型受智慧城市建設的影響。表4列（4）、列（5）分別為政策實施提前2年、提前3年的回歸估計，結果表明，政策實施時間改變后，核心解釋變量Event的系數均不顯著，與基準回歸系數的顯著性不一致，證實了基準回歸結果的穩健性。

4. 更改樣本分割比例與更換機器學習算法

為避免因設定雙重機器學習模型參數引起的偏誤，本文從以下兩個方面對結果的穩健性進行再檢驗：首先，將樣本分割比例由1∶4分別改為1∶2和1∶6來排除樣本分割比例對結果產生的可能誤差；其次，更換模型中的機器學習算法，將模型中用來預測的隨機森林算法分別更換為套索回歸算法和梯度提升算法來排除算法對結果產生的干擾。更改樣本分割比例的回歸結果見表5列（1）、列（2），更換機器學習算法的結果見表5列（3）、列（4）。結果顯示，改變樣本分割比例和機器學習算法后，Event的系數仍顯著為正，證明基準回歸結果穩健。

5. 內生性處理

為克服模型因雙向因果、遺漏變量等而導致的內生性問題，本文參考楊剛強等（2023）［36］的做法，以城市開通微博公司總數作為本文工具變量（[Web]）。一方面，城市開通微博公司數量一定程度上反映了城市信息化水平，數量與成為國家智慧城市試點的概率是正相關關系，滿足內生變量與工具變量之間的相關性；另一方面，城市開通微博公司總數是由公司需求決定的，沒有相關證據表明城市開通微博公司總數與城市綠色經濟發展水平具有相關關系，符合外生性假設。本文借鑒張濤和李均超（2023）［28］的做法，在Chernozhukov等（2018）［37］研究的基礎上構建雙重機器學習部分線性工具變量模型，來進行內生性檢驗，其模型設置如下：

[Y=θjEvent×Afterj+gX+ U，EUX，Event=0] （8）

[Web=f（X）+V，E［VX］=0] （9）

上述工具變量檢驗后的結果見表6所列，模型中繼續保持上述基準回歸的做法，采用隨機森林算法對主回歸和輔助回歸進行預測求解，樣本內外交叉驗證中樣本分割比例為1∶4。在采用工具變量后，其回歸結果在1%的水平上顯著為正，基準回歸結論依然成立。

（四）異質性分析

為檢驗智慧城市建設對城市經濟綠色轉型的影響效應是否存在樣本特征的異質性，本文從區域、規模以及基礎設施建設出發，探討智慧城市建設在促進城市經濟綠色轉型上的差異性表現。

1. 區域異質性

我國幅員遼闊，不同區域的經濟發展水平、人口結構、技術存量、產業特征等均存在明顯的不同，可能會使得政策的實施效果具有差異性。本文依據樣本城市所處地理位置將樣本劃分為東部、中部和西部地區三組分別進行回歸估計，結果見表7列（1）—列（3）。可以看出，東部和中部地區的智慧城市試點政策帶來了顯著的經濟綠色轉型效應，但這一效應在西部地區并不明顯。可能的原因在于，相較于西部地區，東部和中部地區往往擁有更充裕的資源稟賦，市場需求旺盛，產業發展、城市建設更易與數字技術相融合，進而形成以技術密集型和資本密集型為特征的城市智能化生產和管理模式，從而為智慧城市試點政策驅動城市經濟綠色轉型提供強大引擎。而西部地區受限于經濟發展水平、技術和人才儲備、資本要素稟賦等因素的制約，智慧城市試點政策引致的新興產業集聚等內生動力不足，智慧城市建設的經濟綠色轉型效應難以得到有效發揮。

2. 規模異質性

隨著社會和經濟建設的迅速發展，中國城市化水平不斷提高，城市規模等級差異很大，使得不同規模城市之間生產投入、科技水平等存在不同，從而使得政策的實施效果有所差異。因此，本文按照新一線城市研究所公布的《中國城市新分級名單》（1）將樣本城市劃分為大中規模城市和小規模城市兩組，分別進行回歸估計，結果見表7列（4）、列（5）。可以看出，智慧城市試點政策顯著促進了大中規模城市經濟綠色轉型，而對小規模城市并沒有體現顯著的促進效應。這可能是因為，大中規模城市具有更加完善的科學技術體系和更加高效的政府管理模式，完善的科學技術體系有利于推動城市產業結構升級，同時政府高效的執行力能夠吸引更多創新主體（個人、企業）以及風投資金涌入，從而促進城市經濟綠色轉型；而小規模城市由于科技水平較低、地方政府執行力較弱，新一代科學技術往往難以與當地傳統產業充分融合，從而無法充分發揮智慧城市建設的經濟綠色轉型效應。

3. 傳統基礎設施水平異質性

以大數據、5G、人工智能和工業互聯網為代表的智慧城市建設對地區經濟綠色轉型產生影響一定程度上取決于地區傳統基礎設施的發展。作為準公共物品，傳統基礎設施是城市公共服務水平的體現，是為社會生產和居民生活提供公共服務、保證地區社會創新活動正常進行的物質工程設施。本文將樣本城市按照城市道路面積的均值劃分為傳統基礎設施水平高的地區與傳統基礎設施水平低的地區兩組［38］，分別進行回歸估計，結果見表7列（6）、列（7）。在傳統基礎設施水平較高的地區，智慧城市建設對城市經濟綠色轉型存在顯著的促進效應，而在傳統基礎設施水平較低的地區，智慧城市建設對城市經濟綠色轉型的促進效應不顯著。這可能是因為，傳統基礎設施水平較高的地區往往擁有較為成熟的政策框架和市場機制，更易將人工智能、物聯網等新一代信息技術整合到城市各個系統中，從而為智慧城市建設提供良好環境；而在傳統基礎設施水平較低的地區，先進的技術難以與落后的基礎設施相匹配。這一結論進一步表明，智慧城市建設并非能完全替代傳統基礎設施，兩者之間存在互補關系，一定程度的傳統基礎設施是智慧城市建設驅動城市經濟綠色轉型的基礎。

（五）機制識別

因學術界對中介效應模型存在的內生性問題存在爭議（江艇，2022）［39］，為進一步探究智慧城市建設通過何種傳導機制對城市經濟綠色轉型產生作用，本文參考劉斌和甄洋（2022）［40］的研究，通過識別核心解釋變量對機制變量的影響進行機制檢驗。基于上述討論，本文從城市信息化發展水平、資源錯配以及產業結構三個維度（詳見前文的機制分析）出發，探究智慧城市建設促進城市經濟綠色轉型的作用路徑。其中，信息化發展水平（[DLI]）借鑒黃群慧等（2019）［41］的方法，從應用和產出兩個角度衡量，選取城市每百人互聯網接入用戶數、計算機服務和軟件從業人員占單位從業人員比重、每百人移動電話用戶數以及人均電信業務總量四個指標，標準化處理后采用主成分分析法求得綜合指數進行測度；資源錯配（[RS]）參考白俊紅和卞元超（2016）［42］測度要素扭曲程度的方法，利用生產函數分別計算勞動力、資本要素的邊際產出，再將其與價格之比表示兩者的扭曲程度；產業結構（ISpro）參考袁航和朱承亮（2018）［43］的做法，采用三大產業占比與各產業勞動生產率的乘積加總后算出。

表8報告了機制分析結果。由列（1）可以看出，[Event]的系數為0.249，且在1%的水平上顯著為正，說明智慧城市建設有效提升城市信息化發展水平，降低信息傳輸成本，加速創新要素流動，營造良好綠色創新環境，進而促進城市經濟綠色轉型。列（2）、列（3）反映了以資源錯配作為因變量的實證分析結果，無論是勞動力還是資本要素配置，[Event]的系數均顯著為負，說明智慧城市建設有效促進勞動力和金融資本流動，優化人力和資本的市場配置，激發城市綠色創新活力，進而促進城市經濟綠色轉型。列（4）結果顯示，[Event]的系數為0.263，且在1%的水平上顯著為正，說明智慧城市建設帶動傳統產業改造與新興產業發展，加快了產業更新迭代和轉型升級，促進城市經濟綠色轉型。因此，H2得以驗證。

五、結論與啟示

（一）結論

本文以2007—2021年中國280個地級及以上城市為研究樣本，將智慧城市試點政策作為準自然實驗，采用雙重機器學習模型識別智慧城市建設對城市經濟綠色轉型的影響效應，得出主要結論如下：①智慧城市建設顯著促進了城市經濟綠色轉型，且該結論在經過更換被解釋變量、剔除其他政策影響、進行安慰劑檢驗以及更改樣本分割比例和更換機器學習算法后依然成立。②智慧城市建設通過提高信息化發展水平、緩解資源錯配以及促進產業結構轉型升級等三種渠道推動城市經濟綠色轉型。③在東中部地區、大中規模城市以及傳統基礎設施水平較高的城市，智慧城市建設帶來的經濟綠色轉型水平提升作用更為明顯。④智慧城市建設的經濟綠色轉型效應具有動態性。

（二）啟示

基于上述研究結論，本文得出以下啟示：

首先，加快數字技術深度研發與應用，增強產業競爭優勢。智慧城市建設本質上是數字技術應用融合推動的深度城市化進程，符合城市的發展規律和發展方向，是我國城市現代化和高質量發展的重要內容，也是貫徹落實創新驅動發展戰略、推動新型城鎮化的重要舉措。我國城市要抓住新一輪科技革命和產業變革帶來的機遇，大力推進智慧城市建設，全面推動數字技術與社會治理、產業經濟和綠色創新等各領域的深度融合發展，增強科學技術綜合應用、加快創新要素流通融合、促進產業轉型升級，更好地發揮智慧城市技術效應、配置效應以及結構效應，激發城市綠色創新活力，推動城市綠色可持續發展。

其次，地方政府應著眼于智慧城市建設的長遠效益，避免短視行為。智慧城市建設是一項基礎而綜合的系統工程，需要長期投入、不斷更新并持續創新。智慧城市具有公共物品的某些特性，其建設既要使市場在資源配置中起決定性作用，也要更好發揮政府在基礎設施建設、創新平臺搭建、政策環境優化等方面的積極作用，推動有效市場和有為政府更好結合。智慧城市建設既要以建帶用，也要以用帶建，要鼓勵企業和社會各界參與，形成政府、企業、科研機構等多方合作的局面，重視市場主體培育，唯有真正激發市場力量，才能形成動態累積效應和良性長效機制，從而更好地促進經濟綠色轉型發展。

最后，因地制宜構建智慧城市發展方案，促進區域協調發展。打造“智慧城市”既要堅持市場效率，也要兼顧社會公平。每個城市都要結合自身發展水平，因地制宜進行智慧城市建設的頂層設計和規劃實施，提高智慧城市建設的匹配度和靈活度。國家應以協同發展為目的，實施動態化、差異化和精細化的智慧城市發展戰略，通過建立區域間信息融合共享、協同機制等路徑，實現“要素共享”“協同創新”的良性循環，為實現城市經濟綠色轉型營造良好的發展環境。

注 釋：

（1）《中國城市新分級名單》將中國城市劃分為一線、新一線、二線、三線、四線、五線6個等級，本文將一線城市、新一線城市和二線城市定義為大規模城市，三線城市和四線城市定義為中等規模城市，五線城市定義為小規模城市。

參考文獻：

［1］張建鵬，陳詩一.金融發展、環境規制與經濟綠色轉型［J］.財經研究，2021，47（11）：78-93.

［2］李金昌，連港慧，徐藹婷.“雙碳”愿景下企業綠色轉型的破局之道——數字化驅動綠色化的實證研究［J］.數量經濟技術經濟研究，2023，40（9）：27-49.

［3］郭慶賓，汪涌.城市發展因智慧而綠色嗎？［J］.中國軟科學，2022（9）：172-183.

［4］YU Y T，ZHANG N，KIM J D. Impact of Urbanization on Energy Demand：An Empirical Study of the Yangtze River Economic Belt in China［J］. Energy Policy，2020，139：111354.

［5］劉銀喜，董楊.公共價值創造視角下智慧城市的協同治理探索［J］.同濟大學學報（社會科學版），2023，34（1）：68-76.

［6］孟天廣，嚴宇.人感城市：智慧城市治理的中國模式［J］.江蘇社會科學，2023（3）：104-112，243.

［7］武永超.智慧城市建設能夠提升城市韌性嗎？——一項準自然實驗［J］.公共行政評論，2021，14（4）：25-44，196.

［8］張兵兵，陳思琪，閆志俊.智慧城市建設如何驅動區域出口經濟復雜度提升？［J］.世界經濟研究，2023（3）：31-45，134.

［9］何凌云，馬青山.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［J］.財貿研究，2021，32（3）：28-40.

［10］姚璐，王書華，范瑞.智慧城市U83QCk3qy2iDfwRg68oBSp7kH1vHPdbKqEmewsW9HU8=試點政策的創新效應研究［J］.經濟與管理研究，2023，44（2）：94-111.

［11］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.

［12］龐瑞芝，王宏鳴.數字經濟與城市綠色發展：賦能還是負能？［J］.科學學研究，2024，42（7）：1397-1408.

［13］蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業［J］.數量經濟技術經濟研究，2019，36（5）：3-22.

［14］YIGITCANLAR T，KAMRUZZAMAN M，BUYS L，et al. Understanding 'Smart Cities'：Intertwining Development Drivers with Desired Outcomes in a Multidimensional Framework［J］. Cities，2018，81：145-160.

［15］KUMMITHA R K R. Smart Cities and Entrepreneurship：An Agenda for Future Research［J］. Technological Forecasting and Social Change，2019，149：119763.

［16］姚圣文，趙蘭香，張耀坤.智慧城市建設提高企業全要素生產率了嗎？［J］.科學學研究，2022，40（11）：1957-1967.

［17］張節，李千惠.智慧城市建設對城市科技創新能力的影響［J］.科技進步與對策，2020，37（22）：38-44.

［18］王玥，杜建國.城市智慧建設水平對綠色發展效率的影響［J］.統計與決策，2021，37（16）：175-179.

［19］張杰，付奎.信息網絡基礎設施建設能驅動城市創新水平提升嗎？——基于“寬帶中國”戰略試點的準自然試驗［J］.產業經濟研究，2021（5）：1-14，127.

［20］曾皓.國家生態治理與企業綠色升級——基于企業年報文本挖掘的經驗證據［J］.安徽大學學報（哲社版），2024，48（4）：153-164.

［21］趙星.新型數字基礎設施的技術創新效應研究［J］.統計研究，2022，39（4）：80-92.

［22］ELLIOTT W B，GRANT S M，HOBSON J L，et al. Trader Participation in Disclosure：Implications of Interactions with Management［J］. Contemporary Accounting Research，2020，37（1）：68-100.

［23］姚圣文，張耀坤，趙蘭香.智慧城市試點政策能否助推城市創新水平提升？——基于多時點DID的實證研究［J］.科學學與科學技術管理，2022，43（5）：85-99.

［24］凌華，李新偉，董必榮，等.互聯網、創新要素流動與區域創新能力差異［J］.審計與經濟研究，2020，35（6）：115-126.

［25］朱悅，張軍濤.數字金融發展對城市經濟綠色低碳轉型的影響研究［J］.城市問題，2022（10）：64-71，81.

［26］周銳波，吳云峰，宋佳晞.共生共榮：工業智能化發展與包容性綠色增長［J］.中國人口·資源與環境，2024，34（5）：162-174.

［27］王茹婷，彭方平，李維，等.打破剛性兌付能降低企業融資成本嗎？［J］.管理世界，2022，38（4）：42-64.

［28］張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距——基于雙重機器學習的因果推斷［J］.數量經濟技術經濟研究，2023，40（4）：113-135.

［29］吳延兵.R&D存量、知識函數與生產效率［J］.經濟學（季刊），2006（3）：1129-1156.

［30］朱平芳，徐偉民.政府的科技激勵政策對大中型工業企業R&D投入及其專利產出的影響——上海市的實證研究［J］.經濟研究，2003（6）：45-53，94.

［31］任耀，牛沖槐，牛彤，等.綠色創新效率的理論模型與實證研究［J］.管理世界，2014（7）：176-177.

［32］李豫新，程洪飛，倪超軍.能源轉型政策與城市綠色創新活力——基于新能源示范城市政策的準自然實驗［J］.中國人口·資源與環境，2023，33（1）：137-149.

［33］羅勇根，楊金玉，陳世強.空氣污染、人力資本流動與創新活力——基于個體專利發明的經驗證據［J］.中國工業經濟，2019（10）：99-117.

［34］陳鳴，王志帆.智慧城市建設對共同富裕的影響：基于雙重機器學習的實證評估［J］.現代財經（天津財經大學學報），2024（9）：20-36.

［35］宋德勇，李超，李項佑.新型基礎設施建設是否促進了綠色技術創新的“量質齊升”——來自國家智慧城市試點的證據［J］.中國人口·資源與環境，2021，31（11）：155-164.

［36］楊剛強，王海森，范恒山，等.數字經濟的碳減排效應：理論分析與經驗證據［J］.中國工業經濟，2023（5）：80-98.

［37］CHERNOZHUKOV V，CHETVERIKOV D，DEMIRER M，et al. Double/Debiased Machine Learning for Treatment and Structural Parameters［J］. The Econometrics Journal，2018，21（1）：1-68.

［38］劉傳明，馬青山.網絡基礎設施建設對全要素生產率增長的影響研究——基于“寬帶中國”試點政策的準自然實驗［J］. 中國人口科學，2020（3）：75-88，127-128.

［39］江艇.因果推斷經驗研究中的中介效應與調節效應［J］.中國工業經濟，2022（5）：100-120.

［40］劉斌，甄洋.數字貿易規則與研發要素跨境流動［J］.中國工業經濟，2022（7）：65-83.

［41］黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗［J］.中國工業經濟，2019（8）：5-23.

［42］白俊紅，卞元超.要素市場扭曲與中國創新生產的效率損失［J］.中國工業經濟，2016（11）：39-55.

［43］袁航，朱承亮.國家高新區推動了中國產業結構轉型升級嗎［J］.中國工業經濟，2018（8）：60-77.

［責任編輯：余 芳］