智慧城市试点能否促进经济增长？——基于双重差分模型的实证检验

王 颖，周健军

（华东政法大学 商学院，上海 201620）

一、引 言

随着人口老龄化问题日益严重，中国经济增长动能已发生本质转变。依赖投资拉动经济增长的作用模式不可持续，迫切需要寻找新的经济增长点推动经济高质量发展。城镇化促进经济增长受到普遍关注［1］，但城镇化所带来的各种城市问题逐渐制约城市可持续发展，智慧城市将成为未来城市发展的主要方向。然而何为智慧城市建设？智慧城市试点能否促进经济增长？其作用机制如何？智慧城市建设的经济效应是否具备异质性？为回答以上问题，本文将厘清两者作用机制并采用双重差分模型进行实证研究。作为新型城市治理模式，智慧城市近年来受到中央和地方政府的高度关注，具体政策如表1所示。概言之，从相关政策和实践经验可知，智慧城市已经成为当前城镇化改革的重要方向。

表1 主要政策

二、文献综述

随着工业信息化和城镇化不断融合发展，智慧城市概念应运而生。智慧城市建设主要依靠云计算、大数据等信息技术，全面感知、整合城市运行数据，从而实现城市高效、绿色和低碳运行［2］，并构建环境友好和高效便捷的新型现代化城市体系。对智慧城市的理解，有不同角度的阐述：一方面，从技术发展角度分析，张少彤等［3］（2013）认为信息技术不断发展促进城镇化，依次按电子城市、数字城市、智能城市和智慧城市方向发展；巫细波等［4］（2010）认为智慧城市建设是采取现代信息技术更新政企等交互模式，而这些信息技术包括感知、网络和应用三个阶段的技术体系，是依据物联网和互联网共同构建的城市体系；李德仁等［5］（2014）认为智慧城市建设主要在数字城市基础上应用传感器、物联网等技术，构建能够具有感知判断能力并提供智能化服务的城市体系，即认为智慧城市是数字城市、物联网以及云计算整合的组成体系；VARIAN［6］（2010）认为信息化可提高知识生产和运行速度，从而推动地区创新；CARAGLIU 等［7］（2019）在此基础上展开研究，认为智慧城市建设不但能促进经济增长，而且能通过技术溢出效应提高城市创新能力。另一方面，从信息技术与其他因素融合角度分析。SHIN［8］（2009）以韩国为例，将智慧城市定义为“无处不有的城市”，其具备的先进技术要素也需要社会基础设施等非技术要素提供支持；傅荣校［9］（2019）通过对近10 年智慧城市的文献研究发现，提及频次最多的是创新和管理，而高效利用资源、生态宜居和可持续发展等也成为高频词；王广斌等［10］（2013）认为智慧城市建设的条件是依靠信息技术构建城市基础设施，但不能仅停留在技术层面，应适当关注民生和环境等领域，从而推动城市转型发展。总之，目前有关智慧城市建设概念的界定有不同理解，但总体而言，其属于城市发展演进过程的一个阶段，通过信息技术提升城市运行效率，按照以人为本的宗旨构建可持续性社会形态。

面对传统“城市病”问题日益突出，智慧城市建设以问题为导向从四个方面开展实践，即提高城市信息化基础设施水平、优化城市经济发展动力机制、提升公共服务领域治理能力、优化城市资源利用和环境保护［11］。对智慧城市建设的政策效果研究集中于环境、产业、创新等领域，多数学者采用双重差分模型进行政策效应评估。付平等［12］（2019）采用中国282个地级市数据，并运用DID模型研究发现，智慧城市建设能够推动地区创新发展，而这种效应与地区人力资本、行政等级和区位差异性均具备较高关联性；张龙鹏等［13］（2020）分析发现，智慧城市建设能促进信息基础设施和数据赋能，进而推动地区创新；赵蔡晶等［14］（2020）则采用多期DID模型检验发现，智慧城市试点能提高城市发展质量，且这一作用存在城市区位、行政级别等异质性问题；张卫东等［15］（2018）研究发现，智慧城市建设通过技术创新、产业转型和产业集聚三方面提升地区全要素生产率；石大千等［16］（2018）认为，智慧城市建设通过技术、配置和结构效应改善环境质量，且影响作用会因城市规模、人力资本水平和金融发展存在地区异质性；张营营等［17］（2019）研究发现，智慧城市建设能通过技术创新和资源配置效应，推动城市制造业转型升级，且这一效应存在地区异质性现象；张节等［18］（2020）以212个地级市样本并运用DID模型研究发现，智慧城市建设能提升地区绿色效率，而这种绿色效率存在地区异质性；杜建国等［19］（2020）则进一步通过GML 指数和DID 模型研究智慧城市试点对绿色发展的作用机制，发现其通过政府规模和人力资本效应相对抑制了绿色发展；而VANOLO［20］（2014）研究认为，智慧城市能提升经济效率。概言之，已有研究多从环境保护、区域创新、产业集聚和产业转型等角度分析智慧城市试点的政策效应，但少有智慧城市试点对经济增长作用的定量研究。为弥补该领域研究不足，本文将智慧城市建设视为一项准自然试验分析其对经济增长的贡献，并探讨其对经济增长的作用机制和异质性问题。本文边际贡献如下：①在研究视角方面，从经济增长动能角度检验智慧城市建设对经济增长的作用机制，拓宽了智慧城市建设的政策效应研究视角，也为城市经济增长探索新路径；②在研究方法方面，不同于以往定性分析智慧城市的经济效应研究，在系统梳理理论机制基础上采用双重差分模型进行实证检验，丰富了双重差分模型的实际应用；③在研究内容方面，提出智慧城市试点能通过技术创新和人口集聚促进经济增长，并分别从城市科教水平、政府规模、地理区位、行政级别四个角度进行异质性研究。

三、理论分析

本文针对智慧城市试点对经济增长的影响机理，从制度经济学角度采用技术创新效应和人口集聚效应两个层面开展研究。具体而言，智慧城市建设伴随信息化不断加强，能整合城市技术、人才和制度要素，而生产要素对经济增长贡献可分为“硬件”要素（包括劳动、资本）和“软件”要素（包括技术、人才、制度），“软件”要素能协调“硬件”要素发挥更高效率，以促进经济绩效提升。从制度经济学角度分析制度因素对经济增长的贡献，其中产业政策发挥作用以市场不完善为前提［21］，政府干预能补偿市场缺失导致市场效率过低的问题，从而整体上促进生产效率提高和经济增长。制度经济学理论认为，政府干预往往是市场机制缺乏的替代性力量，体现在政府产业政策等外在形式，而智慧城市试点则涉及多领域产业政策，其能通过发挥政府干预效应促进经济增长。故本文将智慧城市试点政策作为外生制度因素，分析其对经济增长的影响，并将劳动和技术纳入内生增长模型，分析制度因素是否能通过劳动和技术影响经济增长，并充分考虑城市科教水平、政府规模、地理区位和行政等级的区别，具体分析异质性问题。因此，本文提出研究假设1。

H1：智慧城市建设能促进经济增长。

智慧城市建设能够促进政府和企业技术创新研发投入，进而发挥技术创新效应，实现生产效率提升并促进经济增长。技术创新能使劳动要素投入获得更大产出效率，但技术创新受制于富有冒险精神的创造者数量和制度因素的影响，此类制度因素包括政策、法律和社会环境等方面。这些制度因素大多以激励机制方式鼓励发明者进行研发创新，如政府通过设立专利保护制度来保护发明者享受专利权优势。但这种专利权制度并非完全有促进技术创新的作用，当发明者享有专利权时，其间接提高了技术创新转移壁垒，进而抑制技术溢出效应。因此，仅凭单一制度因素并不能充分促进技术进步，同时为避免出现在制度激励结构设计中的“李约瑟之谜”问题，政府需通过多角度政策制度促进技术创新。同时，地方政府拥有土地和国有资本等要素，政府为扩大本地经济规模、财政收入、缓解就业压力、增加产出并促进资本积累，其通过财政政策、产业规划等多种政策调节所拥有的要素流动，即政策驱动要素流动。要素流动规模和质量决定经济增长，故政策通过要素流动影响企业创造新价值进而影响经济增长。产业政策、金融政策等政府政策能影响地区创新［22-23］，而智慧城市试点作为包含产业政策和金融政策的综合性政策，会通过影响要素流动促进技术创新。从企业角度来看，此项试点主要通过两种途径促进技术创新：其一，智慧城市建设降低企业信息传递成本，从而促进生产性服务业企业集聚发展，而生产性服务企业大多集中于高新技术行业，在知识溢出效应作用下，此类企业会加大力度进行研发投入；其二，智慧城市建设利用大数据等技术分析整合供需双方变化，从而优化产品与要素市场配置，提高资源配置效率，企业在高效资源配置生产条件下，能实现规模经济发展并在行业内扩大再生产，企业为保持高生产效益会注重研发创新投入，从而不断促进技术创新。从政府角度来看，智慧城市建设中的智能化信息将提高政府部门之间协调配置效率，从而避免出现政府部门制定产业政策、金融政策和汇率政策等方面信息不对称问题。在智能政务条件下有利于打破阻碍创新要素流动的政策壁垒，促进政府更加重视研发创新支出。同时，智慧城市建设通过大数据和云计算等技术，提高政府在政务管理和组织协调等领域的公开化水平，避免出现权力寻租等阻碍创新要素资源自由流动的问题，有利于促进学校、科研单位和企业协调人才和技术等要素流动，促进技术进步。而索洛模型认为，技术进步是经济增长的重要动力。因此，本文提出研究假设2。

H2：智慧城市建设通过技术创新效应促进经济增长。

智慧城市建设通过扩大人口规模和促进人才集聚进而发挥人口集聚效应，促进经济增长。从劳动要素角度看，较高劳动力数量和质量是维持高水平劳动生产率的保证，而企业激励、政府补贴和社会福利机制作为政策因素多由制度所决定。较为公正的竞争环境能提高劳动者生产积极性，为生产率提高和经济增长提供动力。在自由分配劳动力市场上，劳动者依据价格信号在地区间自由流动寻求最大投入回报，对社会而言将是劳动力分配效率最大化体现，但不合理的制度设计往往会阻碍劳动力分配效率最大化，从而影响社会劳动生产率。一方面，智慧城市建设一般会提升地区生活质量，从而能够吸引更多人口集聚于城市就业生活。从人口规模来看，提升城市人口集聚会间接提高城市劳动力规模。人口规模提升将为城市带来二次人口红利效应，进而提升地区生产率，企业能在行业内扩大再生产、促进就业和创造产品新价值。故智慧城市建设会吸引更多人口向城市集聚发展从而扩大劳动力规模、提升地区劳动生产要素，进而促进经济增长［24］。另一方面，智慧城市建设会提高地区研发水平，促进高新技术产业集聚发展，吸引更多人才聚焦，同时智能化技术应用会激发以大数据和云计算为基础平台的相关新型高附加值行业发展。概言之，智慧城市建设会通过产业集聚效应和行业创新效应促进人才集聚发展，从而提升地区人力资本水平，进而促进经济增长。因此，本文提出研究假设3。

H3：智慧城市建设通过人口集聚效应促进经济增长。

增长极理论认为，地区创新在地理空间分布表现为中心—边缘构型［25］，即不同区位城市因所属行政等级和地理区位不同，其城市内部创新能力、资源整合能力和优化配置效率存在区别，故智慧城市建设对经济增长的作用会存在异质性。具体而言：①城市科教水平存在差异，而差异化的科教水平决定智慧城市建设的经济效应会有区别。高科教水平地区人力资本对经济增长拉动作用的边际效应相对较低，尽管开展智慧城市建设，也未必能发挥人力资本带动经济增长的作用。而低科教水平城市人力资本对经济增长拉动作用的边际效应较高，故开展智慧城市建设将显著促进人才集聚，进而推动经济增长。②城市政府规模存在差异，而差异化的政府干预能力决定智慧城市建设的经济效应会有区别。一方面，城市政府规模越高则政府管制力度越大，其能通过财政行为加强地方保护主义。智慧城市建设过程中政府采用高税率和高国有化政策，提高行业进入壁垒并增加贸易费用，降低地区经济活力和营商环境质量，导致科技型、创新型民营企业比重不断锐减，最终会降低城市企业生产率并阻碍经济增长。另一方面，城市政府规模越低则政府干预能力越小，在低政府干预水平下，市场要素资源配置效率会在市场化作用下不断提高。在此条件下，智慧城市建设过程中政府通过招商引资、设立自贸区等形式吸引企业入驻，并通过简化审批流程和减税降费等形式为企业生产提供系统性保障。而企业为降低生产成本并发挥规模经济效应，会在高要素配置效率和低生产成本区域不断聚集，从而发挥溢出效应以提高城市生产率，并促进经济增长。概言之，差异化的政府规模决定了智慧城市建设对经济增长的作用方向，政府规模较高的条件下智慧城市建设会受到地方保护主义影响而发展缓慢，从而影响科技型、创新型企业发展，并抑制经济增长。而政府规模较低的条件下智慧城市建设会吸引高附加值企业和人才集聚，从而发挥溢出效应以促进城市经济增长。③不同区位和行政等级的城市进行智慧城市建设，其对经济增长的影响存在差异。中国地缘广袤，不同区位城市发展存在显著差异，开展智慧城市建设，因建设目标和效果会存在差异，故各地区进行智慧城市建设，其经济效应会有所区别。因此，本文将样本分为东部、中部、西部地区进行研究。同时，因城市行政等级不同，智慧城市建设所得到的人才和资金支持存在差别，即省会和非省会城市在同等条件下开展智慧城市建设存在不同的政策效应。因此，本文提出研究假设4a。

H4a：智慧城市建设的经济效应存在科教水平、政府规模、地理区位和行政等级的异质性。

新经济地理学认为，产业集聚趋势体现为“分散、集聚和分散”样式并形成“中心—外围”构型，而此种构型会对不同区域劳动生产率产生差异化影响，进而产生地区收入差距。“中心—外围”构型中，核心区不断吸收外围知识密集型劳动力，并因生活成本增加而将低技能劳动力排斥到外围区域，从而导致两地人均收入差距呈现增加趋势，而资本跨城市波动所产生的本地市场效应并不会使收入差距扩大［26］。上述产业集聚与收入差距分析的前提是没有行政干预，但现实中政府干预行为较为普遍，地方政府会通过行政方式影响微观经济主体，具体采用税收优惠和信贷优惠等方式对产业集聚等产生作用［27］。产业集聚包括制造业集聚和服务业集聚，其中制造业集聚对劳动和土地等要素成本反应弹性较大，而服务业集聚主要对信息传递成本和知识溢出等要素反应弹性较大［28］。因此，政府行为通过调控要素流动影响制造业和服务业区位选择，当财政支出能补偿企业迁出机会成本时，则制造业和服务业企业会选择停留在城市中心地区；而当财政支出不能补偿企业迁出机会成本时，则制造业和服务业企业会选择迁出城市中心地区。由于不同城市产业发展定位不同，经济较为发达地区服务业占主要比重，受政策影响较为显著；经济欠发达地区制造业占主要比重，受政策影响较为显著。不同城市产业集聚受政策影响机理不同，从而导致地区间收入差距。智慧城市试点作为一项综合性政策，本身属于财政行为一部分，基于上述分析认为，智慧城市试点会对地区收入差距产生不同作用。因此，本文提出研究假设4b。

H4b：不同地区、行政级别的城市进行智慧城市建设，对城乡收入差距的作用方向不同。

四、研究设计

基于前述理论构建相应模型，并在此基础上纳入相关研究变量，为后续进行实证研究提供依据。

（一）变量与数据

（1）被解释变量。借鉴李梦云等［29］（2021）采用“实际gdp”表示经济增长；为了后续稳健性检验，借鉴马勇等［30］（2016）采用“人均gdp 增长率”表示经济增长（rpgdp）。

（2）解释变量。智慧城市试点（did），即试点政策的虚拟变量。

（3）控制变量。借鉴周小敏等［31］（2020）采用“互联网宽带接入用户数”表示信息化（lninf）；借鉴吉黎［32］（2015）、吴亚菲［33］（2017）和王弓［34］（2016）采用“市辖区人口/总人口”表示城镇化（lnurb）；借鉴李一花等［35］、FRIE等［36］（2003）依次采用“第二产业/gdp”和“第三产业/gdp”表示二产业占比（lnsecond）和三产业占比（lnthird）；借鉴袁航等［37］（2020）采用“人均拥有道路面积”表示交通基础设施（lnpas）；借鉴孙丽［38］（2019）采用“财政支出/gdp”表示政府规模（lngov）；借鉴黎文勇等［39］（2019）采用“实际利用外资额/gdp”表示对外开放（lnopen）；借鉴赵建军等［40］（2019）采用“金融机构存贷余额/gdp”表示金融发展（lnfe）。

（4）中介变量。借鉴缪洋［41］（2016）采用“专利授权量”表示技术创新（lntc）；借鉴王晓洁等［42］（2015）采用“每平方公里人数”表示人口集聚（ln⁃dens）。

数据来源于《中国城市统计年鉴》、国家统计局、中国专利全文数据库等，对部分缺失值借鉴杨继生等［43］（2015）采用插值法予以补齐，而对个别无法采用插值法补齐的数据，则借鉴杨文等［44］（2015）采用相邻年份数据予以补齐。考虑通胀价格因素对实际研究结果的影响，采用gdp指数对名义gdp 予以处理，以得到实际gdp。同时为避免异方差对实证结果的影响，对所有变量进行取对数处理。选取2012年智慧城市试点城市作为一项准自然实验样本，时间跨度为2006—2018 年。对样本进行相应处理：①为确保得到研究的净政策效应，剔除2013 年和2014 年新增试点样本；②剔除部分只是某一区或县进行试点的地级市；③剔除数据缺失较为严重的地区。将2012 年第一批试点城市作为实验组，而非试点城市作为对照组，共有140 个地级市样本。其中实验组为31 个试点城市，对照组样本为109 个城市，具体样本统计见表2所列。

表2 研究样本

（二）模型设定

我国在2012 年正式设立第一批智慧城市，本文将智慧城市试点视为一项准自然实验，采用双重差分模型（DID）检验其经济效应。依据DID 模型对变量进行处理：①构建实验组和对照组虚拟变量（Treatit），其中实验组作为试点城市将其设定为1，对照组作为非试点城市将其设定为0；②设定年份虚拟变量（Postit），将2012 年之后将其设定为1，之前将其设定为0。具体如下：

用didit替代交叉项Treatit ×Postit，则方程为：

其中：i和t表示地区和年份；lngdpit作为被解释变量；didit作为政策交互变量是模型的解释变量，其值可为0或1；μi和λt表示个体和时间固定效应；εit为随机干扰项；Xit作为控制变量具体指信息化（lninf）、城镇化（lnurb）、二产占比（lnsecond）、三产占比（lnthird）、交通基础设施（lnpas）、政府规模（lngov）、对外开放（lnopen）、金融发展（lnfe）。考虑中国区域发展差距相对较大，各样本之间可能难以实现一致性，为确保研究的科学性，采用DID 模型分析并尽可能匹配与实验组相似的对照组样本。借鉴刘瑞明等［45］（2015）采用PSM 匹配法降低样本选择偏差，在匹配样本基础上进行DID 分析，即构建PSM-DID 方法进行分析，以确保研究结果的准确性。具体如下：

该项试点政策对经济增长的作用属于政策效应评估，而具体通过哪种机制作用于经济增长则需要检验，为此借鉴温忠麟等［46］（2014）采用中介效应模型进行分析。具体如下：

上述方程（4）、（5）和（6）依次表示中介效应检验三个步骤，其中方程（4）是指智慧城市试点对经济增长的总影响；方程（5）表示智慧城市试点对中介变量（Mit）的作用，Mit包括技术创新（lntc）和人口集聚（lndens）；方程（6）表示将Mit纳入模型中分析智慧城市试点是否通过Mit影响经济增长。分析流程主要包括：①分析方程（4）中a1是否显著，若显著则可以继续进行后续中介效应分析，否则其属于遮掩效应；②分析方程（5）中的b1和方程（6）中的c2，若两者均显著则表明具备中介间接效应，若至少有一个不显著则采用Bootstrap方法估计，以此确定其是否存在中介效应；③分析方程（6）中的中介直接效应c1是否显著，若显著则具体判断b1c2/c1是否同号，若同号则属于部分中介效应，否则属于遮掩效应。

五、实证分析

在上述机制分析和模型构建的基础上，将通过双重差分模型进行基准回归，随后进行平行趋势检验和安慰剂检验，并采用中介效应模型进行中介机理检验，最后依据科教水平、政府规模、地理区位和行政等级4个维度进行异质性分析。

（一）基准回归

为检验智慧城市试点对经济增长的作用，采用DID 模型进行回归。模型（1）和（2）为普通面板回归，模型（3）和（4）为固定效应分析，模型（1）和（3）为未加入控制变量，而模型（2）和（4）为加入控制变量，具体见表3 所列。通过普通面板分析发现，此项试点回归系数均在1%水平上通过检验，则表明智慧城市建设能推动经济增长。而通过模型（4）分析发现，在控制时间、地区和纳入所有控制变量后，此项试点的回归系数在5%水平上为正，即表明智慧城市建设能推动地区经济增长，H1的合理性得到验证。正如前述理论分析认为，智慧城市建设伴随信息化不断加强，其通过整合城市技术、人才和制度要素提高地区生产率，并促进经济增长。

表3 基准回归

（二）平行趋势检验

双重差分模型检验的前提是在政策实施之前，所有样本经济增长具有相同变化趋势，而试点政策的经济增长效应可能会受到多种因素干扰，因此对模型进行平行趋势检验。具体而言，考虑各城市本身发展存在差距，政府在推行智慧城市试点时会优先考虑城市基础设施和产业发展较好的地区优先进行试点。为避免样本选择偏差对模型估计的影响，充分考虑城市信息化（lninf）、城镇化（lnurb）、二产占比（lnsecond）、三产占比（lnthird）、交通基础设施（lnpas）、政府规模（lngov）、对外开放（lnopen）、金融发展（lnfe）差距，将上述城市之间差异化特点作为匹配变量，对对照组样本进行匹配处理并通过logit 模型计算匹配得分，从而选择与实验组较为相似的对照组样本重新进行DID 分析。若所有变量在匹配后标准化偏差均明显变小，表明匹配后两组样本无显著差别，即证明两者在匹配后不存在显著差异且可进行DID 分析。如图1 所示，通过核密度匹配法对上述变量进行匹配处理并计算匹配得分，共得到1 528 个研究样本，两组数据匹配后样本均呈现高度一致性且标准化偏差显著变小，即符合共同趋势假定，可在此基础上进行DID分析。

图1 匹配变量

在上述系列检验基础上，本文采用PSM-DID方法进行回归分析，结果见表4 所列。在控制时间、地区效应，同时纳入所有控制变量后，此项试点的回归系数依旧在1%水平上显著为正，则排除样本选择偏差对模型回归结果的影响，进而验证前述基准回归结果的准确性，即智慧城市建设能拉动地区经济增长。

表4 匹配后估计

（三）安慰剂检验

影响经济增长的因素众多，为避免内生性等相关因素对回归结果准确性的影响，通过反事实法和变量处理法进行安慰剂检验。

1.反事实检验

为得到净政策效应，借鉴黎绍凯等［47］（2020）将试点政策提前3~5 年进行假设检验，结果见表5 所列。研究发现，当试点政策提前为2009年、2008年和2007年时，此项试点政策的经济效应不再显著，即验证原有试点政策对经济增长的拉动作用未受非试点政策因素影响，排除非试点因素对研究结果的干扰，从而验证智慧城市试点能推动地区经济增长。

表5 反事实检验

2.变量稳健性检验

考虑非试点政策因素可能会影响经济增长，模型内生性问题也可能会对经济增长产生影响，故将所有控制变量滞后一期处理，再纳入模型回归检验，结果见表6所列。模型（1）回归表明，原有试点政策的经济效应依旧显著，即排除了相应内生性问题的偏误影响，进而验证基准回归结果的可靠性。为排除变量选择偏误对回归结果的影响，采用人均gdp 增长率（rpgdp）作为经济增长的替代变量纳入模型进行分析，具体见模型（2）所列。研究发现，智慧城市试点的经济效应依旧显著为正，即排除变量选择偏误对实证结果影响。同时考虑城市和省份的非观测因素对实证结果的影响，分别构建城市虚拟变量与时间虚拟变量的交互项、省份虚拟变量与时间虚拟变量的交互项，并将两者依次纳入模型进行检验，具体见模型（3）和模型（4）所列。研究发现，回归结果均与前述基准回归结果一致，即进一步验证了模型的稳健性。概言之，通过滞后控制变量、替换被解释变量和纳入交互变量进行稳健性检验，均与基准回归结果一致，表明智慧城市建设能推动经济增长。

表6 变量稳健性检验

（四）中介效应检验

前述研究发现，智慧城市建设能促进经济增长，而本部分结合前述理论，研究智慧城市促进经济增长的作用机制。具体构建技术创新和人口集聚中介变量，并分别将两者纳入中介效应模型进行分析。依据前述检验步骤依次进行分析，表7中模型（1）（2）（3）是纳入技术创新的中介效应实证分析；模型（4）（5）（6）则是纳入人口集聚的中介效应实证检验。一方面，从技术创新视角进行机制检验，在模型（1）中，试点政策的回归系数在5%水平上显著为正，则可以进行后续分析。而在模型（2）中，试点政策对技术创新回归系数不显著，则需要进行bootstrap 分析以确保可以进行后续分析，而bootstrap 分析表明其在1%水平上通过检验，即验证存在中介效应，则可以进行第三步分析。模型（3）回归表明，智慧城市试点对经济增长的回归系数在5%水平上通过显著性检验，技术创新对经济增长的回归系数在1%水平上通过显著性检验。依据前述中介效应理论发现，此部分b1c2/c1为同号，即智慧城市试点能通过技术创新推动经济增长，故H2的合理性得到了验证。另一方面，从人口集聚角度进行机制检验，其中模型（4）中，此项试点的回归系数在5%水平上显著为正，表明可进行后续分析。而在模型（5）中，此项试点的回归系数在1%水平上显著，即表明智慧城市建设能促进人口集聚。模型（6）中人口集聚对经济增长的回归系数在1%水平上显著，而此项试点对经济增长的回归系数不显著，表明该模型存在完全中介效应，即智慧城市建设能通过人口集聚效应推动经济增长，故H3 的合理性得到验证。

表7 中介效应分析

（五）异质性检验

城市科教水平、政府规模、地理区位和行政等级存在差别，导致智慧城市建设对经济增长的作用方向不同，故将样本按上述特点依次分类，分别进行回归分析，从而得到更具有实践性的研究结论。

1.科教水平异质性分析

科教程度越高的地区，其人才培养力度越大、人力资本积累量越高，而人力资本对经济增长有促进作用［48］，故需要分析不同城市科教水平的异质性。借鉴何凌云等［49］（2021）以城市是否有“211”工程学校将样本分为科教水平高和科教水平低两组（1）。由表8可见，科教水平较高的城市其试点对经济增长有阻碍作用，而科教水平较低的城市其试点对经济增长具有拉动作用，故H4a的合理性得到验证。这是由于科教水平较高时，其城市本身有较高的人力资本饱和度，此时试点对经济增长具有负向作用；而科教水平较低的城市，其试点能充分发挥城市人力资本边际效应优势，从而促进经济增长。

表8 科教水平异质性回归

2.政府规模异质性分析

政府规模不同会影响智慧城市建设对经济增长的作用方向，故通过面板门槛模型对政府规模进行检验，依据差异化政府规模将样本分组，具体如下：

其中：lngovit为门槛变量；π1和π2为待估计单门槛值和双门槛值。模型（8）和（9）分别表示单门槛模型和双门槛模型，模型（8）中β1和β2是试点政策影响系数，βj是控制变量影响系数；模型（9）中β1、β2和β3是试点政策影响系数，βj是控制变量影响系数，μi、λt和εit分别表示个体效应、时间效应和扰动项。

依据政府规模采用面板门槛模型进行分析，发现共有两个门槛值，见表9所列。其中第一个门槛值为-1.806 7，第二个门槛值为-0.983 4，故将总样本依据双门槛值分为三组，即较低水平的政府规模（lngov<-1.806 7）、中等水平的政府规模（-1.806 7-0.983 4）。通过分组可有效区分不同政府行为能力条件下，智慧城市试点的经济效应差异。

表9 门槛效应检验

为直观地体现前述样本分组情况，采用面板门槛检验图的形式予以呈现，如图2所示。

图2 门槛效应检验

两个门槛值依次将样本分成三组，即有三组不同政府规模的样本，这为后续研究智慧城市试点对经济增长的异质性问题提供依据。表10为政府规模异质性回归结果，在控制时间和地区效应并纳入所有控制变量后，模型（1）（2）（3）依次表示较低水平的政府规模、中等水平的政府规模和较高水平的政府规模回归。模型（1）中，此项试点政策的回归系数在1%水平上显著为正，表明智慧城市试点能推动经济增长。中等水平的政府规模中，智慧城市试点的回归系数尽管不显著，但接近于10%，表明智慧城市试点有微弱的拉动经济增长作用。较高水平的政府规模中，此项试点的回归系数不显著，表明较高水平的政府规模条件下智慧城市试点未能推动经济增长。与前述理论分析一致，差异化政府规模决定了智慧城市建设对经济增长的作用方向不同，故H4a的合理性得到验证。较高水平的政府规模条件下智慧城市建设会受到地方保护主义影响，从而阻碍创新型企业发展并抑制经济增长，而较低水平的政府规模条件下智慧城市建设会吸引高附加值企业集聚，促进经济增长。

表10 政府规模异质性回归

3.地区异质性分析

中国地缘广袤且各地区发展有较大差距，考虑区位异质性，借鉴宋马林等［50］（2013）将城市样本分为东部、中部和西部地区。同时，智慧城市试点的政策经济效应不仅包括宏观地区经济增长，还包括居民日常生活水平改善，为此借鉴王建康等［51］（2015）采用“城市居民人均可支配收入/农村居民人均纯收入”作为城乡收入差距（ln⁃gap）变量，具体见表11 所列。在控制时间和地区效应后，发现东部和中部地区试点对经济增长有拉动作用，而西部地区试点对经济增长作用不明显，但会扩大城乡收入差距，故H4b的合理性得到验证。这是由于东中部地区具备较好的发展基础，智慧城市试点能够带动城市整体向高质量方向发展，从而更有利于发挥经济增长优势。而西部地区经济较为落后，智慧城市试点会挤占政府财政支出，从而对原有城市发展产生负向冲击。同时，西部地区第三产业发展较为落后，而智慧城市试点大多集中于发展第三产业，其并不能充分发挥对经济增长的拉动作用。研究表明，智慧城市试点会扩大西部城乡收入差距，即相比较而言，西部地区城镇化速度较慢，此项试点会促进西部城镇化进程，而城镇化往往会扩大城乡收入差距。概言之，要充分发挥智慧城市建设对东中部城市经济增长的促进作用，避免智慧城市建设扩大西部地区城乡收入差距。

表11 地区异质性回归

4.行政级别异质性分析

考虑不同城市具有不同的行政等级，而行政等级不同，其资源禀赋和政策、资金支持程度也会有所差异，为此将研究样本分为省会城市和非省会城市继续进行检验，结果见表12所列。研究发现，省会城市样本中智慧城市试点对经济增长有阻碍作用，同时通过逐步控制时间和地区效应发现，此项试点能够缩小省会城市的城乡收入差距；对非省会城市样本回归发现，此项试点对经济增长具备促进作用，但对城乡收入差距无明显影响。因此，H4a的合理性得到验证。概言之，省会城市进行智慧城市建设能缩小城乡收入差距缩小，但会抑制经济增长，而非省会城市进行智慧城市建设能促进经济增长。

表12 行政级别异质性回归

六、结论与建议

本文聚焦于智慧城市试点的经济效应研究，采用DID模型和中介效应模型，实证研究智慧城市建设对经济增长的作用机制和多角度异质性问题。研究发现，智慧城市建设能促进经济增长。机制检验表明，智慧城市建设主要通过技术创新和人口集聚效应拉动经济增长。异质性研究表明，科教水平和政府规模较低的地区，其智慧城市建设能促进经济增长；而科教水平和政府规模较高的地区，其智慧城市建设不能促进经济增长；智慧城市建设能促进东部、中部和非省会城市经济增长并促进省会城市城乡收入差距缩小，但会抑制省会城市经济增长并扩大西部地区城乡收入差距。

随着中国经济增长速度放缓，需要探寻城市经济高质量发展路径。对此提出以下建议：①智慧城市建设需侧重增加研发投入，提高城市技术创新水平。智慧城市建设主要通过技术创新效应拉动经济增长，故政府需构建产学研一体化模式，完善知识产权保护制度，降低创新型企业进入壁垒和交易成本，为城市科技创新提供全方位保障；②完善居民社会保障体系，着力解决城乡二元结构问题，提高城市人口集聚水平。智慧城市建设主要通过人口集聚效应促进经济增长，在当前人口老龄化背景下政府需完善社会保障机制，合理限制城市高房价和高消费并注重人才引进，从而提高城市人口数量和质量，为城市经济增长注入新活力。③制定差异化智慧城市建设规划，重点发挥科教水平和政府规模较低的地区智慧城市建设对经济增长的拉动作用。一方面，科教水平较低的城市，智慧城市建设对经济增长的提升空间更大，故此类地区应转变传统依赖投资拉动经济增长的发展思路，加强智慧城市建设。另一方面，政府规模较低的地区其智慧城市建设能促进经济增长，故智慧城市建设应减少政府干预，降低地方保护主义，通过市场化机制发挥智慧城市建设对经济增长的边际贡献。④完善智慧城市建设评价标准，因地制宜开展智慧城市建设。智慧城市的经济效应存在地区异质性现象，应优化智慧城市建设标准和评价体系，结合地区要素禀赋建设特色化智慧城市。具体而言，东部、中部和非省会城市要着重发挥智慧城市建设对经济增长和缩小城乡收入差距的积极作用，而省会城市相较于非省会城市要避免智慧城市建设对经济增长的弱化作用，保证省会城市经济增长的可持续性。西部地区智慧城市建设需通过税收和就业保障等政策，解决城乡收入差距逐渐扩大的问题。总之，智慧城市建设对经济增长有促进作用，需因地制宜制定政策，进而有序推进智慧城市建设并促进经济高质量发展。

注 释：

（1）“211”工程学校所在城市有北京、上海、天津、重庆、保定、太原、呼和浩特、大连、沈阳、长春、哈尔滨、南京、苏州、无锡、杭州、合肥、厦门、福州、南昌、济南、青岛、郑州、武汉、长沙、广州、南宁、成都、绵阳、贵阳、昆明、西安、兰州、乌鲁木齐、石河子、银川、西宁、拉萨。