中国地级以上城市智慧城市建设动因探寻——基于268个城市的事件史分析方法

(山东交通学院 国际商学院，山东 威海)

一、引言

国家统计局公布的数据显示，截至2016年年底中国城镇化率为57.35%。联合国报告预测，到2050年全球将有一半以上人口居住在城市[1]。城市高速发展，大量人才涌入城市，他们在为城市创造大量物质财富的同时也给城市带来了包括交通拥堵、就医难、环境污染及韧性不足等系列城市病。随着新一代信息技术的发展，人类开始尝试利用其提升城市管理水平、促进城市可持续发展，于是数字城市和智能城市等城市治理模式应势而生。智慧城市是物联网、云计算、大数据及地理信息系统等新一代信息技术在城市规划、建设和管理中的应用[2]。作为一种新型城市治理模式，智慧城市在解决城市诟病、提升城市韧性和促进城市可持续发展等方面起到了积极作用，但建设中仍然存在市民获得感低、效果不明显以及过度宣传等问题。探寻智慧城市建设动因对规范智慧城市建设行为和认知智慧城市建设规律具有重要作用。鉴于现有研究成果主要从定性角度来研究智慧城市建设动因和意义以及指标选取上未充分体现出智慧城市建设“问题导向”特征等现状。本文选取268个已启动智慧城市建设的地级及以上城市作为研究样本，基于智慧城市建设“问题导向”的原则获取了这些城市2009—2015年相关数据，采用事件史分析法研究这些城市的智慧城市建设动因。

二、国内外智慧城市研究动态

城市的发展在经历了田园城市、生态城市、可持续发展城市和韧性城市等阶段后，已经进入智慧城市时代。智慧城市是城市管理者利用新技术手段解决城市发展过程中所面临问题而提出的一种新型城市治理理念。Meadows等在《增长极限》(Limits to Growth)中首次利用计算机系统研究并提出资源和环境限制将影响人类发展轨迹这一观点，这是全球最早利用计算机手段研究城市发展的成果之一[3]。为系统梳理国内外学者关于智慧城市研究相关文献，本文以EBSCO、Springerlink和CNKI三个文献数据库为基础，在英文数据库中以文献标题包含“smart city”为条件进行检索，共得到文献500余篇，剔除非学术性文献后剩余318篇；在CNKI期刊数据库，以文章篇名包含“智慧城市”为条件进行文献检索，截止2018年6月共有文献6 494篇，其中中文核心和CSSCI期刊共发表学术文献484篇。

本文根据智慧城市工作逻辑，按照研究主题，将所获得文献分为智慧城市基础理论、建设主体、实现手段、服务对象、绩效及评价指标和项目实践七类，具体如图1所示。

图1 中国智慧城市研究代表文献主题分布图

通过分析文献，笔者发现国内外智慧城市研究具有以下特点：

第一，成果丰硕，以概念、意义、模式和建设路径类研究为主。典型观点包括吴标兵等提出的智慧城市建设应重点考虑建设主体、资源、驱动、规范、目标和路径等五大要素和巫细波等提出的智慧城市是各城市寻找金融危机后的新经济增长点，是推进经济发展方式转变、促进产业升级和振兴经济的重大战略等。和国内学者相比较，国外学者更注意从城市治理和可持续发展角度来研究智慧城市，例如Meijer等(2013)指出智慧城市之所以智慧是因为在人力资本及ICT等方面的投资能促进城市经济可持续发展及提升人民生活水平。

第二，关于智慧城市建设动因的研究以定性研究为主。这类研究包括定性研究和定量研究。在定性研究中，有学者基于智慧城市建设的积极作用从智慧城市建设内涵、意义、目的和功能等方面来研究智慧城市建设动因，这类观点总体可以概括为“建设智慧城市的动因主要是解决城市发展过程中所遇到的问题和实现城市可持续发展”。还有学者基于智慧城市建设可能带来的社会问题从理性和实用角度来研究智慧城市建设动因，例如Komninos等(2013)指出智慧城市建设是由供应商推动的一种商业行为；Datta(2015)指出智慧城市建设是企业的一种圈地行为；Harrison和Waston等(2013)指出智慧城市建设是城市的一种营销行为。

国内外学者针对智慧城市建设动因所进行的定量研究并不多。国外学者主要从市民感知方面对智慧城市建设是否实现预期目标进行评估，例如Macke等(2018)以“生活质量提升感知”为因变量采用结构方程对巴西南部Curitiba市智慧城市建设目标实现程度进行了评价。国内学者于文轩等(2016)基于国脉互联公司所发布的2015年中国147个城市智慧城市建设情况报告，从技术理性、政治理性、文化和资源四个维度研究了影响中国智慧城市建设效果的因素，并得出中国智慧城市建设效果与人口密度和政治支持(市委书记任领导小组组长)正相关，与环境污染负相关。这虽然创新了智慧城市领域的研究方法，但是文章在因变量和自变量的选取上值得商榷，并且只分析了一年的数据，结果可信度也值得商榷。王洪涛等(2017)基于国内38个城市2009—2015年的数据，从城市内部资源和外部环境两个方面，利用政策采纳、人均收入、人口、竞争压力和学习动力等9个指标采用事件史分析法研究了这些城市的智慧城市建设动因。结果得出智慧城市决策采纳与城市规模、经济实力、面临竞争压力和学习动力四个变量正相关。这虽然在研究方法上进行了创新，而且避免了因变量取值科学与否等问题，但是截止2016年年底，全国已有287个城市宣布已启动智慧城市建设，仅选择38个城市作为样本，样本容量与可信度值得商榷。此外，该文作者在选取自变量时，除竞争压力、经济实力和上级政策外，其他6个指标与智慧城市建设关联度并不明显。这两篇文献作者所构建的研究模型均未将城市信息化基础列为自变量；所选自变量不能充分体现出智慧城市建设 的“问题导向”特征；未加入时间变量；以处理普通自变量的方式来处理模型中的虚拟变量，未对这些变量进行分类处理，导致统计结果解释能力有限。

基于上述智慧城市建设动因研究现状，本文以2010—2016年中国已启动智慧城市建设的268个地级及以上城市(不包括四个直辖市)为研究样本，根据智慧城市建设 的“问题导向”特征，结合城市资源及外部环境等因素，采用事件史分析法对中国各城市的智慧城市建设动因进行实证研究。

三、中国智慧城市建设现状

(一)国务院各部委智慧城市相关试点城市情况分析

从2013年住建部公布首批90个智慧城市试点城市名单以后，中国政府部门共有国家发改委、工信部、住建部、民政部和地理信息测绘局等部委，在全国范围内进行了智慧城市或与此相关的试点城市评选[4]。共计有756个市或县(区)获得过智慧城市相关的试点城市称号，具体如表1所示。

表1 中国国家政府部门智慧城市相关试点/示范城市认定统计表

经统计，共有229个地级或以上市(州)获得过相关国家部委智慧城市相关的试点城市称号。根据国家发改委、中央网信办牵头和国家工信部等25部门组成的国家新型智慧城市建设部际协调工作组的总体部署，2016年12月已正式启动新一轮新型智慧城市评价工作(具体请见发改办高技[2016]2476号文件)，拟评选100个新型智慧城市试点城市。

(二)各地级以上城市智慧城市建设情况

国务院网站显示，从2014年1月到2016年11月，国务院(国发)和国务院办公厅(国办发)共下发与智慧城市建设相关的文件18份。在国家宏观政策引导和相关ICT企业极力推动下，中国各城市积极踊跃加入到智慧城市建设行列。根据对中国地级及以上城市政府门户网站新闻或信息公开栏目的统计情况，从2009年1月到2017年4月，除四个直辖市外，全国还有287个地级及以上城市启动了智慧城市建设，具体启动年份如图2所示。受住建部首批智慧城市试点城市评选工作影响，2013年全国共有86座城市启动智慧城市建设，这说明国家政策导向对推动智慧城市建设效果明显。根据各城市所公布的建设方案，建设内容包括社会管理、服务应用、基础设施、智慧产业、安全保障、政策法规和标准体系等多方面。

截至目前，全国除黑龙江、辽宁、内蒙古、甘肃、广西、新疆、云南、青海和西藏9个省(自治区)没有全域启动地级及以上城市智慧城市建设外，其他省(自治区)均已全域启动。有研究指出，中国智慧城市建设已是一个名副其实的万亿市场。

图2 2009—2017年启动智慧城市建设的国内城市数量图

四、中国地级以上城市智慧城市建设动因的理论与研究假设

智慧城市属于政府治理模式创新。关于政府创新扩散，国内外学者已进行了大量研究，有学者指出政府创新扩散受政治、经济、文化、领导个人特质和追求等因素影响，政府间的学习与竞争会对政府创新采纳产生显著影响[5]。还有学者指出，在中国现行政治体制下，政治敏感性和政策执行力度可以转变成官员成功晋升的政治资本，因此对政府创新采纳也有显著影响[6]。

作为一种创新型治理模式，政府对智慧城市的采纳属于组织层面技术接受行为，具有组织采纳新技术的相关特点。关于组织层面技术采纳行为的研究，代表模型包括罗吉斯(Rogers)的创新扩散模型(DOI)和托纳特兹凯等(Tornatzky and Fleischer)的技术——组织——环境(TOE)模型。Rogers的创新扩散理论认为组织是否接受一种新型技术主要受领导个人特质、组织内部特征(如集权程度、复杂程度、正式程度等)和外部环境特征影响[7]8-11。TOE理论由Tornatzky和Fleishcer于1990年提出，该模型主要从技术、组织和环境三个维度对组织新技术采纳行为进行了研究，模型中的技术因素主要包括技术的可获得性和特点，组织因素主要包括组织的正式联系结构、规模、交流和惰性等，环境因素主要包括市场环境、产业结构及竞争等[8]100-105。这两种模型主要是针对企业组织而提出，提出后经学者们不断发展，并且得到了实证结果的支持。

根据中国智慧城市建设的指导政策，通过对各市建设智慧城市内容的分析，作者发现中国各地智慧城市建设重点旨在解决公共交通、政府服务、旅游出行、环境污染及就医等公共服务领域所遇到的问题，具有明显的问题导向特征[9]。本文基于智慧城市建设的问题导向特征，结合政府创新扩散影响因素和组织新技术采纳影响因素构建出智慧城市建设动因研究模型，具体如图3所示。

图3 智慧城市建设动因模型图

该模型从城市信息化基础、公共服务领域所面临典型问题、启动年份所面临政治和竞争压力以及城市资源四个方面来研究建设动因，其中公共服务领域所面临问题是智慧城市建设的主要原因，其他三个方面为推动因素。从这四个方面构建模型的主要原因包括：

1.智慧城市是一个“散系统”(system of systems)[10]。尽管有学者提出智慧城市建设不再是单纯的技术问题，但其实质还是新一代信息技术在城市治理和规划中的应用。“智慧”源于数据，数据源于各类传感设备，数据经过传输和处理，被应用在城市管理各子系统后才能产生辅助决策的智慧，因此智慧城市建设需城市具有一定的信息化基础[3]。

2.智慧城市建设以问题为导向。通过分析各地智慧城市建设内容，公共服务平台、智慧交通、智慧城管、智慧医疗、智慧环保、智慧旅游及数据中心建设等项目为各地智慧城市建设主要内容。各市政府均表示通过智慧城市建设要有效解决发展过程中所面临的上述问题。

3.城市所面临的压力主要包括政治压力和竞争压力。城市治理水平是各市政府领导班子的政绩指标之一，同时也是政府领导被重用或升迁的政绩资本。虽然于文轩等提出各市一把手是市委书记，并认为市委书记的政治追求会影响各地智慧城市水平，但根据法定职责，智慧城市建设属于政府职能，故智慧城市建设决策的政治压力主要来自政府市长，因此本研究将政府市长在启动年份的个人有关情况列入影响因素。同时，智慧城市作为一种政府间的创新扩散，城市间的复制、追随和赶超等现象仍然存在，特别是2014年智慧城市被写进《政府工作报告》以后，迫于上级政治压力和城市宣传需要，这种现象更加明显。因此本模型将来自域内同类城市的竞争压力作为影响因素之一。

4.城市资源。根据政府创新扩散理论，政府资源富裕度与政府创新采纳正相关。如前文所述智慧城市建设是一项耗资巨大的系统工程。虽然国家层面鼓励以PPP方式引入社会资本，但是在商业模式成熟之前，仍需耗费城市大量资金和人力，因此城市资源也是影响智慧城市决策的重要因素。

根据上述理论模型，结合前文关于智慧城市建设的理论研究，本文提出以下研究假设，并做进一步数据分析。

(1)城市信息化基础。城市信息化基础采用国家信息中心每年发布的城市信息社会指数(ISI)指标。该指标分值由城市信息经济、网络社会、在线政府和数字生活四个指标计算得出，与智慧城市建设目标关联较大，对城市智慧城市建设决策影响较大[11]。因此提出假设：

H1：城市信息化基础与智慧城市建设决策正相关。

(2)公共服务领域所面临典型问题。公共服务平台、电子政务、智慧交通、智慧医疗、智慧环保、智慧旅游和数据中心建设是各市智慧城市建设方案或规划中出现频率最高的内容，有50%以上的城市已将上述全部或部分内容列入智慧城市建设。由于国家信息中心所发布的ISI指数已经包含公共服务和电子政务等内容，不再单独列入自变量。鉴于旅游领域相关年度数据缺失严重，本研究暂不将其列入自变量。同时由于缺乏各城市环保、交通和医疗领域发展水平的评价数据，所以采取代理变量来反映各市在这几个方面的情况[6，12]。根据迟国泰等(2014)、王磊等(2014)和范玉改等(2017)的研究成果，本文分别采用年工业烟尘排放量、人均道路面积和市辖区每万人拥有医院床位数量作为城市环保、交通和医疗领域的代理变量并提出假设：

H2：人均道路面积与智慧城市建设决策负相关。

H3：市辖区每万人拥有医院床位数量与智慧城市建设决策负相关。

H4：年工业烟尘排放量与智慧城市建设决策正相关。

(3)启动年份所面临政治压力和竞争压力。政治压力主要来自时任市长。智慧城市建设是城市治理模式创新，属于政府职能，具有全局性、前瞻性、系统性、多利益相关者和投资大等特征，是政府“一把手”工程，政府市长的年龄、学历及政治追求对智慧城市决策有重要影响。由于政治追求是一个不可观测的变量，按照中国党政干部任用办法，市长任现职时间越长，被重用或提拔的可能性就越大，故本文采用任现职年限来衡量时任市长政治追求。所面临竞争压力为上一年度已启动智慧城市建设的域内城市占同类城市总数的比例[12]。因此提出假设：

H5：时任市长年龄与智慧城市建设决策负相关。

H6：时任市长学历与智慧城市建设决策正相关。

H7：时任市长任现年限与智慧城市建设决策正相关。

H8：所面临竞争压力与智慧城市建设决策正相关，且其影响作用随时间推移而不断减弱。

(4)城市资源。根据政府创新扩散理论，本文所界定的智慧城市建设定义，智慧城市建设所需城市资源主要包括财政资源和人力资源，并分别采用政府每年财政预算和城市平均每1 000人所拥有的IT相关行业从业人员数分别作为城市这两方面供给能力的反映指标[12]。因此提出假设：

H9：城市每年财政预算与智慧城市建设决策正相关。

H10：城市平均每1 000人中拥有的IT相关行业从业人员数与智慧城市建设决策正相关。

(5)城市人口规模。本文所界定的城市人口规模以《国务院关于调整城市规模划分标准的通知》(国发[2014]51号)所提供的城市规模划分标准为依据，其中市辖区人口小于20万的为1类，20万～50万的为2类，50万～100万的为3类，100万～300万的为4类，300万～500万的为5类，500万～1 000万的为6类，超过1 000万的为7类。根据智慧城市建设的问题导向特征，城市市辖区人口越多、规模越大，城市发展所面临问题越多，因此启动智慧城市可能性越大。因此提出假设：

H11：城市市辖区人口规模与智慧城市建设决策正相关。

五、数据获取与模型构建及拟合

本文所需数据主要来自中国城市统计年鉴、各城市统计年鉴、各地政府门户网站和国家信息中心出版的《中国信息社会发展报告》等。

(一)数据获取与变量测量

1.因变量及数据获取。截止到2017年5月，全国共有287个地级及以上城市已启动智慧城市建设。鉴于数据获取完整度和研究方法需要，所选因变量为从2010年1月到2016年年底已经启动智慧城市建设的268个城市(其中2009年仅有南京和沈阳宣布启动智慧城市建设，所以该年份不单独获取数据)。具体获取方法为在市政府网站以“智慧城市”为标题对新闻栏目或政府规范性文件栏目进行站内搜索，或者在百度网新闻栏目以“XX市智慧城市建设”为标题按时间排序进行搜索，获得该城市智慧城市建设状态。若状态为已启动，启动年份至2016年的因变量值为1，2010年至启动年份前一年的因变量值为0。

2.自变量及数据获取。自变量除前文已明确的信息化基础、城市规模、人均道路面积、市辖区每万人拥有医院床位数、年工业烟尘排放量、时任市长任现职年限、年度财政预算及每千人平均IT相关行业从业人员这八个变量外，还包括时任市长年龄、学历和所面临的域内同类城市竞争压力这三个自变量。关于时任市长年龄，本研究定义为分类虚拟变量，根据国内地厅级及以上市长任用惯例和年龄现状共分为45岁以下、45～54岁和55岁及以上三类，分别取值1、2和3。同样时任市长学历也为分类虚拟变量，专科及以下的变量为1、本科为2，硕士为3，博士为4。关于域内同类城市竞争压力，域内指城市所在省级行政单位，同类城市指该行政区域内其他地级及以上城市均为同类城市(含副省级城市)。根据王洪涛和陈洪侠的测量方法，所面临竞争压力，为某城市启动智慧城市建设当年，域内已启动智慧城市建设的同类城市数量与域内同类城市总数之比[12]。由于因变量以年度为单位，所以本研究所指域内同类城市竞争压力具体计算方法为：

Pij表示第i个同类城市在j年所面临的压力，N表示同类城市的总数，nt在t年启动智慧城市建设的城市数。相比王洪涛等提出的计算方法，本文将竞争压力计算到第j-1年，而他们计算到当年。做出这种调整的原因主要是为了与所有统计指标的数据采集时间一致。所有变量及其数据来源具体情况如表2所示。

(二)方法与模型构建

本研究关注的是从2010到2016年间，中国268个地级及以上城市智慧城市建设动因，并试图提出一个解释各市启动智慧城市建设动因的理论分析框架。以问题导向为出发点，具体考察城市信息化基础、城市规模、公共服务领域所面临问题、所面临政治和竞争压力以及城市资源等因素对城市启动智慧城市建设的影响。为验证上述理论假设，本研究采用事件史分析方法来研究各城市智慧城市建设动因，其分析单位为市—年。由于事件史分析法对事件发生在时间t的概率建立在t-1变量基础上，同时兼顾变量因果关系和事件发生先后关系，因此在通过时间序列和横截面数据相结合的数据来研究事件发生概率的影响因素时，事件分析法具有很强的适用性[13]。

表2 变量及其数据来源表

由于因变量为二分变量，自变量数据间隔大，因此采用事件史分析中用于分析离散时间的logistic回归模型，具体如下：

(1)

其中P(t)为城市启动智慧城市建设的概率。由于变量的时间点数不多，而且启动智慧城市建设的城市数量会随时间变化而变化，所以将时间点作为虚拟变量，允许机会随时间变动而变动，其中t为2009年至城市启动智慧城市建设所经历的年份数。

(三)模型拟合分析

事件史分析法的一个核心概念是风险集(risk set)，它表示在每一个特定时间单位内面临某事件发生风险的个体集合[13]2-10。例如，2010年，所有268个城市都面临启动智慧城市建设的“风险”，它们构成了2010年的风险集；但是无锡等19个城市在2010年启动了智慧城市建设，因此它们自2011年起不再面临“风险”，所以2011年风险集降到249。

表3 四个模型的对比表

注：*表示0.05

进行模型参数估计时，2010年启动智慧城市建设的城市产生1个观测值，2011年启动建设的城市产生2个观测值，依次类推，在第n年(2010≤n≤2016)启动建设的城市共计产生n-2010+1个观测值。按照图2所显示的数据，应有19 +31×2+ 44×3 + 86×4+ 47×5+ 41×6 +16×7=1 168个观测值，但因为拉萨等几个城市年度数据不全，进行了删截，所以只有1 099个观测值用于数据。

进行数据分析之前，本研究先对模型进行了拟合度分析。

模型具体拟合方法为：根据公式(1)剔除所有与时间t有关的变量建立模型1；在模型1中加入时间变量t2建立模型2；在模型2中加入竞争压力与时间变量的交互作用建立模型3；由于加入城市规模变量后，不仅模型拟合度下降且该变量不显著，所以在模型3中剔除变量城市规模建立模型4，具体如表3所示。

本研究所采用的模型拟合度判别方法为：先计算两个模型似然对数差的2倍并取绝对值，然后计算变量个数差别n，然后再查阅自由为n显著水平为0.05的2值[14]，通过计算比较具体情况如表4所示。

表4 模型拟合度对比表

分别对比模型2和模型1，模型3和模型2，虽然前者均多加了一个变量，但在该自由度差异下，LR差的2倍绝对值都大于p=0.05显著水平的2值，所以时间变量和竞争压力与时间变量交互作用这两个变量不能被删除[14]。而模型3比模型4多加了分类变量城市——规模(scale)，自由度增加了5，但LR差的2倍绝对值小于p=0.05显著的2值11.07，所以scale这个分类变量可以删除，模型4拟合度高于模型3。同时模型4的VIF值也由9.71下降到7.17，AIC和BIC值也分别由795.742和900.787下降到788.394和868.428。通过删除scale这一变量分别对模型1、模型2和模型4进行了比较，结果均显示模型4拟合度高于其他两个。故本研究选择模型4进行数据分析。

六、数据分析

对模型4进行共线性后，运用logit回归进行数据分析，结果如表5所示。

表5 数据分析表

注：LR(15) = 392.105，Prob > chi2=0.000 0

Odds ratio是指转化几率，该数值减去1再乘以100就可以得到该变量每增加一单位对该城市智慧城市决策的影响[15]8-10。例如财政预算每增加一单位，该城市启动智慧城市建设的几率就会增加70%。根据表5，政府的财政预算FRV和时间t对城市智慧城市建设决策影响尤为显著。财政预算FRV、信息化基础ISI、市长任职年限MAJORY以及时间t这几个自变量每增加一个单位或一个标准差或边际量对因变量(sc)取值1(事件发生)的概率变化情况如表6所示。数据分析表明：

(一)研究假设验证情况如下

在p=0.10显著水平上，假设H1、H7、H8和H9获得支持；在p=0.05显著水平上，假设H7、H8和H9获得支持；假设H2、H10和H5所提出的自变量与因变量变化方向的假设获得支持，但是概率显著水平不够，检验未通过；假设H2、H4和H6所提出自变量与因变量变化方向的假设与数据分析结果相反，并且概率显著水平也不够，因此检验未通过。由于模型拟合过程中，变量scale已被剔除，所以假设H11检验不通过。

(二)财政预算、市长任现职年限和时间变量对城市启动智慧城市决策的影响十分显著。

现阶段智慧城市建设仍是城市信息化建设领域的重大投资，由于市场化商业模式不清晰，需以政府投资为主，所以城市经济基础是决定智慧城市建设的重要因素之一。据统计，如要实现各市政府在智慧城市建设规划中所提出的目标，每个城市的投资都在亿元以上，有的甚至超过10亿。国家发改委等部门虽然鼓励各市创新智慧城市建设投融资模式，做到政府引导、市场主导，且后来又鼓励各市政府在智慧城市建设中采取PPP模式，但实际效果并不理想，因此财政预算对智慧城市建设决策的影响最为重要。

市长任现职年限与智慧城市建设决策显著相关。智慧城市建设是新一代信息技术在城市规划和管理中的应用，是城市治理模式的创新。它有可能成为政府工作的亮点与创新点，有学者已经证明智慧城市建设与主要领导的政治追求相关[6，17]。出现这种情况的具体包括：1)与中国现行党政干部任用办法相关。按现行办法，干部任同一职务时间越长，其被交流、重用或提拔的可能性就越大，所以任现职时间长的市长为获得外界关于其在城市治理方面的正面报道或引起上级领导认可往往会对智慧城市等城市治理的创新举措比较感兴趣。2)与智慧城市建设所需协调的资源相关。如前文所述，智慧城市建设是一项复杂的系统工程，有“散系统”之称，不仅需要政府投入大量资金，同时还需要政府各部门协同与共享。长期以来，中国政府部门信息化建设各自为政，每个城市都存在大量信息孤岛。此外，公安、人社及卫生等数据量丰富的部门还存在条块结合管理等问题，所以跨部门协调变得十分困难，需要市长有较强的领导力和执行力。一般情况，市长任现职年限越长，其领导力与执行力就会越强，所以市长任现职年限与智慧城市决策正相关。

时间t与智慧城市建设决策显著相关。前文已提出智慧城市建设是一种创新的城市治理手段，它具有政府创新扩散的特征。王洪涛等指出政府间的学习动力是智慧城市建设扩散的重要因素之一。这种学习动力的本质是基于时间推移而产生的一种复制和效仿行为。随着时间的推移，域内越来越多的城市将启动智慧城市建设。

表6 部分自变量变化对因变量影响的预测值表

(三)智慧城市是一个阶段性概念

图4 变量ISI变化对智慧城市建设事件发生概率的影响图

随着城市信息化水平提升，信息化基础对智慧城市决策的影响逐步变大；当信息化基础达到一定水平时，所有城市都将是智慧城市。当城市信息化基础在一定水平以下(例如取值10)的时候，其对智慧城市决策影响不是很明显，当超过一定水平(例如取值15)时，其对智慧城市决策影响越来越明显，当达到一定水平时，智慧城市决策发生概率接近1。这不仅说明智慧城市是信息技术手段在城市治理中的应用，城市是本质，技术只是手段。同时还说明智慧城市是一个阶段性的概念，当技术发展到一定水平时，所有城市都将是智慧城市。现阶段中国城市信息化发展水平对智慧城市建设决策的主动推动作用有限。按照城市信息化发展趋势，城市信息化建设在经历了数字城市、智能城市等阶段后会自然向智慧城市阶段迈进，但样本城市ISI均值为3.528，所以其推动作用有限。

(四)域内城市竞争压力对智慧城市决策的影响作用一般

这与我们对域内城市竞争压力的计算方法有关。鉴于本研究样本数据的单位为市—年，所以仅采用上年度已启动智慧城市建设的城市来计算域内城市竞争压力，具有一定滞后性。时间变量的显著性表明竞争与效仿作用比较显著。此外，竞争压力与时间的交互作用显示从第6年开始，域内竞争压力与智慧城市决策开始出现负相关。

(五)环境污染状况与智慧城市决策呈现负相关的关系

虽然采用不同代理变量来描述环境污染状态，但是本研究与于文轩等得出了一样的结论。于文轩等并未做出合理解释。根据《2016年中国环境统计年鉴》，电力和热力、有色金属冶炼、黑色金属冶炼、化工及石油加工与炼焦等行业工业烟尘排放量排全国工业烟尘排放量前5位。这些都是重资产型工业，因此工业烟尘排放量靠前的行业属于传统工业城市。传统工业型城市在产业、经济和人口年龄结构方面不具备建设智慧城市的优势，所以现阶段环境污染代理变量与智慧城市决策呈现反向变化，其边际变化情况如表7所示。

表7 变量poll的边际变化对因变量影响情况表

(六)模型可决系数反应拟合度良好

模型决定系数Pseudo R2=0.341，这是一个伪可决系数。因为logit回归采用最大似然法进行估计，得到的决定系数和普通线性回归采用OLS方法所得到的不一样，为区别二者，称之为Pseudo R2(伪可决系数)[17]。Stata软件直接给出的是基于McFadden's算法的决定系数。还有不少学者基于不同的判定原则改变算法而得出不同的Pseudo R2，例如McKelvey and Zavoina's R2、Cragg & Uhler's R2和Efron's R2，其判定拟合度的原则都是值越大，说明模型拟合度越好[17]。本研究上述三个可决系数分别为：0.500、0.463和0.351，说明模型整体拟合度良好。

七、研究结论

本文根据中国地级及以上城市智慧城市建设启动情况，基于智慧城市建设问题导向的特征，结合创新扩散和组织信息技术采纳行为理论构建了智慧城市建设的动因模型，采用事件史分析法对所获数据进行了分析，研究表明：

第一，各城市智慧城市建设动因与其对外所公布的“问题导向”动因不一致。根据各市的公开报道、智慧城市建设规划或方案，“惠民、惠企和惠政”是智慧城市建设的三大目标。公共服务平台、智慧交通、智慧城管、智慧医疗、智慧环保、智慧旅游和数据中心建设为出现频率最高的建设内容，但是研究结果显示交通、医疗和环保与各市智慧城市建设决策不显著相关。这说明中国智慧城市建设更多还是停留在概念阶段，政府间的模仿和复制、市政府主要领导的政治追求、以及城市宣传等需要可能是智慧城市决策的主要动因。

第二，中国智慧城市建设仍属于政府城市信息化投资阶段，以政府投资为主，亟需基于市场创新商业模式。数据分析表明政府财政预算是各市智慧城市建设最主要的影响因素，这说明中国智慧城市建设拼的仍是财力，未摆脱传统信息化投资理念。智慧城市建设的根本原则是以人为本，目标是提升城市韧性，如果过分强调其IT基础设施投资属性不仅会影响建设效果，还会造成一种新的技术官僚主义。我们应该从使用者技术行为接受视角，以市场为主导，创新该领域商业模式。

第三，智慧城市是一个阶段性的概念。智慧城市的本质是信息化技术在城市治理中的应用，当信息技术高度发达时，所有城市将都是“智慧城市”。数据分析表明，随着信息化基础(ISI)成熟到一定程度，智慧城市建设决策发生的概率接近1。数据分析表明中国城市平均信息化水平一般，按照Gartner技术成熟度曲线中新技术发展所需经过的五个周期，中国的智慧城市建设正处于爆发期，离应用高峰还有一段距离。各市应根据实际基础和立足实际需求来开展智慧城市建设，警惕陷入IT投资陷阱。

作为全面探寻中国智慧城市建设动因的一项研究，本研究还存在诸多不足，需要我们后续研究中不断深化和改善。首先，几乎所有研究都表示城市主要领导对智慧城市决策的重要影响，但是该结论仅来自于对市领导自然情况的回归分析，缺乏实际调研与访谈数据。其次，对于城市在交通、环保和医疗等公共服务领域所面临的问题代理变量需要进一步优化和细化，以提升其对实际问题的反映能力。