山东省智慧城市建设效率测度及影响因素研究

王家明,张云菲,杜雪怡,丁 浩

(1.中国石油大学胜利学院文法与经济管理学院,山东 东营 257061;2.中国石油大学(华东)经济管理学院,山东 青岛 266580)

党的十九大强调在建设中国特色智慧城市过程中,要依照我国国情,促进“四化”与智慧城市建设协调发展。智慧城市这一概念自2010年IBM正式提出后不断发展,我国于2012年公布90个首批国家智慧城市试点名单,并于2014年下发《关于促进智慧城市健康发展的指导意见》,梳理了智慧城市建设应注意的问题,提出智慧城市建设意见,要求各地区有序推进智慧城市建设。经过近十年的探索,我国已有超过500个城市正式提出建设智慧城市,旨在提高城市综合竞争力、增强聚集辐射带动作用、改善人民生活。我国智慧城市从新型城镇化的建设基础出发,已经取得了一定成绩,但不可置否的是智慧城市建设质量的区域差异较大,仍处于上升和完善阶段。基于此,以山东省各地市为研究对象,构建DEA-Malmquist模型对2003—2018年山东省17地市智慧城市建设效率进行测度,并在此基础上运用系统GMM(generalized method of moments)模型对其影响因素进行提取,深层次剖析影响智慧城市建设效率的因素,明晰山东省17地市智慧城市建设现状,为同领域专家学者的研究提供补充借鉴,为山东省17地市智慧城市建设的政策制定提供参考。

1 文献综述

对山东省智慧城市建设质量测度及影响因素进行研究,主要涉及智慧城市内涵、智慧城市建设质量测度、智慧城市建设三大主体,故文献综述也依照此思路展开。

现有国外对智慧城市内涵的定义主要基于以技术为主要驱动力的智慧城市[1]、以科技人才为主要驱动力的智慧城市[2]、以城市治理为主要驱动力的智慧城市[3]等方面展开,Caragliu等[4]从智慧城市内涵及投入产出角度提出通过参与治理来实现对现有资源的智慧管理,进而使城市变得更加“智慧”。在国内,以李博等[5]、郭晓蓓[6]为代表,认为智慧城市由智能电网、信息技术、物联网等关键技术为主导;以张可等[7]、吴标兵等[8]、杜明芳[9]为代表,认为智慧城市由智慧治理体系构建为主导;以李冬雪[10]、田云霞等[11]为代表,认为智慧城市由人才培养为主导,除此之外还有部分文献认为智慧城市是以上主导的混合型。

智慧城市建设不断完善发展,学者们开始关注对智慧城市的评价。王思雪等[12]对智慧城市评价指标体系进行对比研究,研究了不同类型指标体系的差异性;曹阳等[13]从4个层面构建了基于智慧城市的可持续城市空间发展模型总体架构;孙斌等[14]基于系统动力学,对包头市构建了智慧城市评价体系,初步为智慧城市建设奠定了定性和定量分析的基础。国内外学者对智慧城市的概念不断完善,研究愈发深入,基本形成了包括智慧城市内涵、外延、评价、应用在内的一体化理论架构。

对现有智慧城市建设研究进行分析可归纳出6个方面,包括基础设施[15]、治理制度[16]、居民生活[17]、智慧产业[18]、人力资源[19]和区域环境[20];从技术建设角度可以归纳为4个部分,包括智慧城市基础设施建设[21]、智慧城市应用平台建设[22]、智慧城市云计算数据库建设[23]、科技行业人才建设[24]。

通过以上对智慧城市内涵、评价及建设三方面的文献综述可以看出:现有对智慧城市的研究大多注重于智慧城市技术攻关、基础设施、平台建设等方面,对其建设的评价也大都从建设水平及现状的角度出发,且以时间截面评价为主,鲜有从建设质量、建设效率的角度开展的研究,因此在前人研究的基础上,构建DEA-Malmquist模型对2003—2018年山东省17地市智慧城市建设效率进行测度,并在此基础上运用系统GMM模型对其影响因素进行提取,深层次剖析影响智慧城市建设效率的因素,旨在提高智慧城市建设效率,为同领域专家学者提供参考补充,为相关部门的政策制定提供借鉴。

2 山东省智慧城市建设效率的测度与讨论

2.1 山东省智慧城市建设效率的指标体系

从投入-产出角度选取测度智慧城市建设效率的指标,明晰智慧城市建设的投入要素与产出成果,结合山东省17地市现状,建立山东省17地市智慧城市建设的评价指标体系。

(1) 投入要素 在选取投入要素时,借鉴杨凯瑞[25]的方法,将投入要素分为人力、财力、物力3个基本生产要素,进一步选取相对应且代表性大的指标。

① 信息技术基础设施建设。信息技术的发展使得智慧城市建设的信息流更加通畅,提高了城市信息化水平。选取信息传输、软件和信息技术服务投资来代表信息技术基础设施建设。

② 科学技术领域财力投入。政府及社会在科学技术领域的财力投入是智慧城市创造财富和提高创新的源泉,是智慧城市建设的重要驱动力。选取科学研究和技术服务业投资来代表科学技术领域财力投入。

③ 高技能人力资本。虽然信息技术的发展程度显著影响着智慧城市建设水平,但高技能人力资本作为技术的主要载体,其重要性同样不能忽视。选取R&D(research and development)人员折合全时当量来代表高技能人力资本。

(2) 产出要素 在智慧城市的建设中,选取相关领域产值、业务量两大指标来确定产出成果,最终确定将信息传输、软件和信息技术服务业产值、科学研究和技术服务业产值、电信业务总量、邮电业务总量作为期望产出指标。

数据来源于2003—2018年的《中国统计年鉴》、《中国城市统计年鉴》、《中国科技统计年鉴》、山东省17地市的统计年鉴及统计公报。

2.2 实证评价与讨论

采用基于DEA- Malmquist的方法来测算山东省17个智慧城市建设绿色全要素生产率(GTFP,green total factor productivity),运用DEAP软件得出2003—2018年不同空间范围、不同时间范围GTFP的具体数值。在分析时,分别从山东省17地市不同梯度下的时间维度、空间维度和两圈四区多角度对GTFP进行分析。

在进行实证评价之前,首先对效率标准进行设定。现有对智慧城市建设水平测算的相关研究鲜有对GTFP进行标准划分,考虑到对智慧城市建设GTFP发展演变实现可视化,以0.1为间隔,运用ARCGIS软件进行绘制,并划分为4个梯度,结合测度结果,将山东省17个智慧城市建设2003—2018年间5个主要年份GTFP均值以划分标准进行初步统计,具体标准划分及初步统计结果见表1。

表1 智慧城市建设效率梯度划分及统计

运用DEAP软件对2003—2018年山东省17个智慧城市建设相关指标数据进行测算,得出了2003—2018年17个智慧城市建设GTFP均值(见表2),运用ARCGIS绘制5个年份智慧城市建设效率的时空分异图(见图1～图5),以下将结合表2、图1～图5逐一进行分析。

表2 2003—2018年山东省各地市智慧城市建设效率的GTFP均值

(1) 空间维度 对山东省智慧城市建设效率进行时间截面的空间维度分析,结合表2、图1～图5对山东省智慧城市建设GTFP测度结果在2005—2006年、2008—2009年、2011—2012年、2014—2015年、2017—2018年5个主要年份进行分析。

图1 2005—2006年山东省智慧城市建设效率GTFP均值的时空分异图Fig.1 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2005 to 2006

图2 2008—2009年山东省智慧城市建设效率GTFP均值的时空分异图Fig.2 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2008 to 2009

图3 2011—2012年山东省智慧城市建设效率GTFP均值的时空分异图Fig.3 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2011 to 2012

图4 2014—2015年山东省智慧城市建设效率GTFP均值的时空分异图Fig.4 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2014 to 2015

图5 2017—2018年山东省智慧城市建设效率GTFP均值的时空分异图Fig.5 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2017 to 2018

2005—2006年间,山东省智慧城市建设GTFP数值最高的是青岛市,为1.121,最低的是德州市,为0.738。从梯度角度来看,在此年间第一梯度和第二梯度地市数量均为0;第三梯度地市数量为6;第四梯度地市数量为11,其中第四梯度城市数量最多,说明在2005—2006年间山东省17地市智慧城市建设GTFP水平整体不高,有待发展。

2008—2009年间,山东省智慧城市建设GTFP数值最高的是济南市,为1.193,最低的是烟台市,为0.817。从梯度角度来看,在此年间第一梯度和第二梯度地市数量均为0;第三梯度地市数量为9;第四梯度地市数量为8,其中第三梯度地市数量最多,说明在2008—2009年间山东省17地市智慧城市建设GTFP正在逐步提升,但其发展水平依然较低。

2011—2012年间,山东省智慧城市建设GTFP数值最高的是青岛市,为1.255,最低的是烟台市,为0.855。从梯度角度来看,在此年间第一梯度地市数量为0;第二梯度地市数量为2,分别为青岛市和济南市;第三梯度地市数量为7;第四梯度地市数量为8,其中第四梯度地市数量最多,值得注意的是在此年间青岛市和济南市已经步入第二梯度,但第四梯度地市数量并未减少,说明部分城市已经开始注重智慧城市建设,其余地市虽有发展,但速度较慢。

2014—2015年间,山东省智慧城市建设GTFP数值最高的是青岛市,为1.398,最低的是烟台市,为0.956。从梯度角度来看,在此年间第一梯度地市数量为0;第二梯度地市数量为9,依次为青岛市、济南市、滨州市、潍坊市、东营市、泰安市、临沂市、聊城市和淄博市;第三梯度地市数量为4;第四梯度地市数量为4,其中第二梯度地市数量最多,说明山东省智慧城市建设整体发展速度提高较快,各个地市开始注重经济转型,开始进行产业升级。

2017—2018年间,山东省智慧城市建设GTFP数值最高的是青岛市,为1.528,最低的是德州市,为1.102。从梯度角度来看,在此年间第一梯度地市数量为6,依次为青岛市、济南市、潍坊市、泰安市、东营市和滨州市;第二梯度地市数量为6,依次为淄博市、临沂市、聊城市、威海市、济宁市和菏泽市;第三梯度地市数量为5;第四梯度地市数量为0,其中第一、二梯度地市数量最多,可以看出山东省智慧城市建设整体发展水平较2005—2006年已显著提高,各地市开始建设智慧公共服务和城市管理系统,完善公众服务平台建设,完善智慧城市建设体系。 总体来看,在智慧城市建设方面青岛市和济南市在横向对比上一直处于领先地位,而德州市和烟台市发展较为缓慢,仍有很大提升空间。

(2) 时间维度 对山东省智慧城市建设效率进行时间序列分析,2003—2018年山东省智慧城市建设GTFP均值见表2,运用MATLAB绘制折线图,如图6所示。

图6 2003—2018年山东省各地市智慧城市建设效率GTFP值折线图Fig.6 The line chart of GTFP value of smart city construction efficiency in most cities in Shandong Province from 2003 to 2018

分析山东省智慧城市建设的GTFP的数值以及其变化趋势可以发现:总体来看,2003—2016年GTFP发展呈现缓慢上升态势;除烟台市在2016—2017年间GTFP均值为0.998,其余16个地市在2016—2017年间GTFP均值为1以上;2017—2018年间山东省17个智慧城市建设GTFP数值均已大于1。特别地,济南市、青岛市、东营市、泰安市和滨州市在2003—2004年间GTFP数值已经大于1,此后至2018年不断提高。值得注意的是这5个城市到了2017—2018年,均属于第一梯度,即GTFP大于1.4,表明这些地市在早期就显露出智慧城市建设的萌芽,随后不断发展,生产技术不断改进,受要素投入影响的规模增长模式正在向创新驱动经济增长模式转变。

从时间角度分析山东省17地市智慧城市建设的GTFP增速可以发现,除德州市、淄博市和青岛市增速最快的时期分别处于2005—2006年、2008—2009年、2010—2011年,山东省其余地市增速最快的时期处于2011—2018年间,占82.35%,且在2016年前后较为集中。其原因或为2013年1月山东省人民政府印发了《山东省城镇化发展纲要(2012—2020年)》,提出推进智慧社区、智慧园区、智慧城区等智慧城市建设。2013—2015年,住建部先后公布3批智慧城市试点城市,共290个,其中山东省智慧城市试点30个,居全国首位。

(3) “两圈四区”角度 《山东半岛城市群发展规划(2016—2030年)》明确了山东省“两圈四区”发展格局,旨在加快要素流动,优化山东省区域发展格局。以此为基础,从“两圈四区”角度进行时间和空间维度的分析,更加全面、深入地对山东省不同层面上智慧城市的建设效率进行剖析,根据评价结果得出表3,绘制图7～图12。

图7 2003—2018年“两圈四区”智慧城市建设效率GTFP值折线图Fig .7 The line chart of GTFP value of smart city construction efficiency in "Two Circles and Four Districts" from 2003 to 2018

2003—2018年山东省智慧城市建设“两圈四区”范围下的GTFP均值见表3、图7,选取2005—2006年、2008—2009年、2011—2012年、2014—2015年、2017—2018年5个主要年份进行分析,并运用ARCGIS软件进行绘图,如图8～图12所示。

图8 2005—2006年“两圈四区”智慧城市建设效率GTFP均值的时空分异图Fig.8 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2005 to 2006

图9 2008—2009年“两圈四区”智慧城市建设效率GTFP均值的时空分异图Fig.9 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2008 to 2009

图10 2011—2012年“两圈四区”智慧城市建设效率GTFP均值的时空分异图Fig.10 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2011 to 2012

图11 2014—2015年“两圈四区”智慧城市建设效率GTFP均值的时空分异图Fig.11 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2014 to 2015

图12 2017—2018年“两圈四区”智慧城市建设效率GTFP均值的时空分异图Fig.12 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2017 to 20188

表3 2003—2018年“两圈四区”格局下智慧城市建设效率的GTFP均值Table 3 GTFP average value of smart city construction efficiency of "Two Circles and Four Districts" from 2003 to 2018

从空间角度分析山东省“两圈四区”智慧城市建设的GTFP可以发现:在所选取的5个主要年份中,按GTFP数值大小排序,其结果均为青岛都市圈>东滨都市区>济南都市圈>临日都市区>济枣菏都市区>烟威都市区,进而发现从2003—2018年整个时间序列上来看,其顺序并未受到影响,这说明山东省智慧城市建设具有明显的区域性,在“两圈四区”范围的城市集聚与扩散效应影响下,其智慧城市建设水平均呈现上升趋势,从投入产出的角度分析其效率排在前三的依次为青岛都市圈、东滨都市区和济南都市圈。

从时间角度分析山东省“两圈四区”智慧城市建设的GTFP可以发现:从整体来看,山东省“两圈四区”智慧城市建设GTFP呈现上升趋势,在2012年后上升速度变快。其原因或为2010年3月山东省人民政府印发了《关于促进新信息产业加快发展的若干政策》,首次提出要加快建设“智慧城市”。2013年3月,山东省人民政府印发的《关于开展“智慧山东”试点工作的意见》提出要积极推进“智慧城市”试点,探索建设、运营和服务模式。

从梯度划分的角度看,在2005—2006年以及2008—2009年间,“两圈四区”均不处于第一、二梯度;在2011—2012年间首次出现青岛都市圈智慧城市建设GTFP值大于1.2,进入第二梯度;在2017—2018年间首次出现青岛都市圈和东滨都市区智慧城市建设GTFP值大于1.4,进入第一梯度,与此同时“两圈四区”智慧城市建设GTFP值均已大于1.1,脱离了第四梯度。

3 山东省智慧城市建设效率的影响因素

3.1 模型构建与变量选取

以山东省17地市为研究对象,采用2003—2018年的面板数据,从文献综述中智慧城市建设六方面(基础设施、治理制度、居民生活、智慧产业、人力资源、区域环境)出发选取指标,并运用系统GMM模型探讨各指标因素对智慧城市建设效率的影响程度。所有指标数据来源于山东省各地市统计年鉴、《中国统计年鉴》、《中国城市统计年鉴》、《中国科技统计年鉴》。模型动态面板设定如下:

Yi,t=β0+β1Yi,t-1+β2INFi,t+β3GSi,t+

β4RLi,t+β5SIi,t+β6HRi,t+β7REi,t+εi,t，

其中:Y代表被解释变量,以测算出的智慧城市建设效率表示。解释变量包括Y的1期滞后值、电信业务总量(INF)、智慧城市试点(GS)、人均可支配收入(RL)、第三产业增加值占GDP比重(SI)、R&D全时人员数(HR)、人口密度(RE)。

3.2 结果分析与讨论

首先采用静态面板,以截面数据为样本,运用STATA 15.0对模型进行估计,以GTFP被解释变量进行回归。考虑到静态面板具有时点截面数据的局限性,引入时间序列数据为样本,进行动态面板回归,用以分析所研究智慧城市建设的动态关系,运用系统GMM估计解决其内生性问题[26]。

在对模型进行系统GMM模型估计之前,进行了Sargan、Arellano-Bond(2)检验,用以验证是否存在过度识别和扰动项,回归结果及检验结果见表4。

通过表4可以看出,无论是静态面板还是动态面板的Sargan检验概率P值均在0.1以上,表明工具变量不存在过度识别,整体上是合理有效的。同时,AR(2)的P值均大于0.1,说明系统GMM估计具备一致性,不存在二阶自相关,故模型设定合理,估计结果有效。在模型的稳定性检验方面,在回归结果分析中采用了Dgmm_2和Sgmm_2的回归结果,下面将逐一进行分析。

表4 山东省智慧城市建设效率影响因素回归结果

在静态面板下,以电信业务总量为代表的基础设施建设对GTFP有着负向推动作用,5%的显著性水平;以智慧城市试点为代表的治理制度对GTFP有着负向推动作用,5%的显著性水平;以人均可支配收入为代表的居民生活对GTFP有着正向推动作用,10%的显著性水平;以第三产业增加值占GDP比重为代表的智慧产业对GTFP有着正向推动作用,5%的显著性水平;以R&D全时人员数为代表的人力资源对GTFP有着正向推动作用;以人口密度为代表的区域环境对GTFP有着负向推动作用,10%的显著性水平。在动态面板下,以电信业务总量为代表的基础设施建设对GTFP有着负向推动作用,1%的显著性水平;以智慧城市试点为代表的治理制度对GTFP有着负向推动作用,10%的显著性水平;以人均可支配收入为代表的居民生活对GTFP有着正向推动作用,10%的显著性水平;以第三产业增加值占GDP比重为代表的智慧产业对GTFP有着正向推动作用,5%的显著性水平;以R&D全时人员数为代表的人力资源对GTFP有着正向推动作用;以人口密度为代表的区域环境对GTFP有着负向推动作用,10%的显著性水平。

分析其回归结果可以发现所提出的六方面在静态面板或动态面板下对GTFP的正向或负向作用具有一致性,基础设施建设、治理制度和区域环境均产生负向作用,其原因或为当其城市成为智慧城市试点后为顺应政策加大了对智慧城市建设的投资,进而产生效率值的变动,加大了投入后并未达到预期或超额的产出而形成的影响;以人口密度为代表的区域环境对GTFP产生负向影响,其原因或为人口聚集的地方对规模化的需求越大,对知识型劳动者的培养扶持力度应加强,所需的投资越大,而这种投资具有滞后性,故此在短时间内产生了负向影响;在居民生活方面,人均可支配收入起到正向推动作用,这与居民生活质量不断提高息息相关,人均可支配收入的提高可以更好地推动居民生活向科技化、智能化发展,遥控家电等智能家居走入家庭,进而推动城市智能化建设;在智慧产业方面,第三产业不断发展对GTFP产生了推动作用,其占GDP的比重不断提高,说明城市正在进行产业结构转型,立足于长效机制,走可持续发展道路;以R&D全时人员数为代表的人力资源对GTFP有着正向推动作用,说明高科技人才对技术进步、资源配置、产业结构优化升级等方面起着关键性作用,有效助推创新驱动发展,从而推进了智慧城市建设。

4 结论

研究运用DEA-Malmquist模型对山东省智慧城市建设效率进行时空双维实证评价,并运用系统GMM模型对其影响因素进行深入探究,主要得出以下结论:

(1) 山东省17地市智慧城市建设效率在2003—2018年均有着跨等级提升,但全省各地市差距仍不断扩大。

(2) 从截面空间数据看来,山东省17地市智慧城市建设效率大致呈正态分布,青岛市、济南市智慧城市建设效率均位于前列;从“两圈四区”角度来看,青岛都市圈、东滨都市区的智慧城市建设效率均位于前列。

(3) 从山东省智慧城市建设影响因素角度来看,基础设施建设、治理制度及区域环境均对其起到负向影响,居民生活、智慧产业及人力资源等要素起到正向推动作用,故此应更加注重各要素的市场化流动与配置,促进智慧城市建设效率的共同提高。