智慧城市、要素流动与城市高质量发展

范 丹 赵 昕

1（东北财经大学经济学院，大连 116025）2（东北财经大学经济计量分析与预测研究中心，大连 116025）

引 言

随着数字时代的到来，物联网、5G、大数据、云计算以及人工智能等新一代信息技术不断地发展革新，与现代化城市建设深入融合。“十四五”规划和2035年远景目标纲要明确提出，强化国家战略科技力量，建设智慧城市和数字乡村，分级分类推进新型智慧城市建设。我国住房和城乡建设部办公厅早在2012年12月5日正式颁布了 《关于开展国家智慧城市试点工作的通知》，并分批公布了智慧城市试点名单，总共涉及300多个市县（区）。当前，我国智慧城市建设覆盖所有副省级及以上城市和89%的地级及以上城市。作为运用新一代信息技术推动城市转型升级的新型城市形态，智慧城市建设带动数字经济发展，在建立智能化城市管理运行系统方面具有重要作用［1］，也为防控新冠肺炎疫情、支持复工复产和经济复苏提供了关键支持。智慧城市试点的持续快速推进，催生了一系列新业态、新技术和新经济发展模式，打破传统发展限制，为资本、劳动等关键生产要素流动提供契机［2］。与此同时，我国经济正处于转换增长动力、加速结构变革的关键时期，生产要素的流动积累成为推动经济高质量发展的重要驱动力。因而充分探究智慧城市建设能否成为助推城市经济高质量发展的新引擎，以及科学识别要素流动作为国家智慧城市试点政策对经济高质量发展的动力作用机制，对我国 “十四五”时期的经济转型具有重要实践意义。

1 文献综述与研究假设

1.1 文献综述

根据国内外关于经济增长的经典理论研究，新古典经济增长理论［3］和内生增长理论［4］均以单一增长过程作为经典经济分析，难以包含经济发展的综合情况。随着研究的深入，经济学者们关于经济增长质量的阐释逐步清晰，开始转向含义更为宽泛的经济发展质量的研究。从经济学含义上讲，高质量发展是一种经济发展方式，能够更好地满足人民日益增长的真实需要［5］。高质量发展不仅包含经济因素，而且包含社会治理、生态环境、民生福祉等诸多方面的因素［6］。城市是国家的基本单元，城市发展水平决定了国家的发展水平。在全球科技革命的大背景下，以高新科技推动城市发展，智慧城市的概念应运而生，关于智慧城市的研究由此兴起。智慧城市概念源于IBM提出的智慧地球构想，而我国的智慧城市设想最早提出于2009年，但是当前对于智慧城市的概念尚未形成统一的答案［7］。根据国内外学者的研究，智慧城市是新时代下的城市发展战略，其本质是信息化推动的城市高级形态［8］。

当前，中国智慧城市发展涉及经济社会的各个领域，是新兴科技应用的最大场景之一，是新基建发展的重要途径。这一信息化冲击能够显著降低企业交易成本，从而提高企业全要素生产率［9］。要实现智慧城市的深化和发展必须协调政府 “有形之手”与市场 “无形之手”的关系，推进技术和金融的双轮创新驱动［10］，进而促进智慧城市的信息化发展。目前关于智慧城市的研究大多聚焦于智慧城市建设对城市发展的影响。城市智慧化进程能够显著提升城市创新水平［11］，推进产业结构升级，提高全要素生产率，其中人力资本、制度环境等效应也发挥着重要作用［12］。此外，伴随着绿色低碳的概念深入人心，越来越多的国内外学者开始研究智慧城市建设对可持续发展的影响。智慧城市建设不仅能够显著地促进城市的绿色发展效率［13］，同时通过综合创新水平的提升降低环境污染［14］，提高经济集聚水平、优化升级产业结构来促进城市工业生态效率提高。

综上，当前关于智慧城市建设对城市高质量发展推动作用的研究，主要集中于政策的正向提升作用［15］和空间溢出效应［16］，尚未形成较为全面的城市高质量发展水平的全方位综合评价体系，缺乏多角度政策作用机制的深入挖掘。鉴于此，本文以国家智慧城市试点政策作为准自然实验，基于2003～2020年地级市样本，从城市发展建设的视角建立较为新颖的城市高质量发展指数测算指标体系，采用多期双重差分模型，深入探究智慧城市建设对城市高质量发展的作用，着重考察政策实施对于要素流动带来的政策效应问题，并且对于多期双重差分模型带来的估计偏误问题进行有效检验，为进一步补充和推广智慧城市实践提供了经验依据和政策启示。

1.2 研究假设

现今城市发展面临着环境、能源、经济和公共安全等诸多挑战，这些问题制约着城市的可持续发展，因此未来城市发展需实现智能化和包容性发展，智慧城市概念由此提出。智慧城市能够提升城镇化质量，有利于缓解日益严重的 “城市病”。智慧城市建设涉及城市经济发展、生活方式、科技创新等诸多领域，不仅可以实现发展方式转型，还推动了产业结构优化，贯彻落实绿色发展，综合提升公共服务，使城市治理更加高效［17］，有利于推动城市高质量发展。

续 表

假说H1：智慧城市试点政策能够提升城市高质量发展水平。

智慧城市试点政策能够显著地增进要素流动，（1）促进了城市的资本要素流入，智慧交通等实际应用均依赖于资金投入建设，资本要素积累带来的投资行为，从医疗、教育、环境等多方面推动城市建设，提升优化了城市发展环境，为其提供了智能高效的数字化发展，从而带动城市的高质量发展；（2）劳动要素是实现城市中长期发展的必要内容。劳动要素流入满足了智慧城市新型产业发展的劳动力需要，增加生产产出与居民消费，高技能人力资本的流入更是带动了城市创新水平升级，推动新业态新模式新格局，实现城市高质量发展。此外，要素流动带来的规模经济效应与要素利用集约化发展，使得智慧城市建设效果随着要素流入的增加而显示出差异化影响。

假说H2：智慧城市试点政策通过资本要素、劳动要素以及要素流动的调节效应来提升城市高质量发展水平。

我国幅员辽阔，自然环境差异使得不同城市的资源禀赋情况不同，资源型城市拥有各类丰富的自然资源，城市发展长期依赖自然资源的消耗，难以摆脱 “资源诅咒”。而非资源型城市发展则对自然资源依赖程度较低，产业结构更为合理，更利于智慧城市政策的实施。此外，不同规模的城市使其产生不同的集聚效应，较大型城市信息化发展和要素利用效率较高，政策对城市高质量发展的提升作用更为明显。超大型城市则易产生“拥挤效应”，而中等城市和小城市的人口密度与城市结构条件不利于新型基础设施的建设，智慧城市政策难以取得预期效果。

假说H3：智慧城市试点政策对城市高质量发展水平的提升效应因城市资源禀赋和城市规模而异。

2 城市高质量发展水平测度与计量模型设定

2.1 高质量发展指数测度

在分析智慧城市建设对城市高质量发展水平的政策效应之前，需要对城市高质量发展水平进行测度。当前对于高质量发展指标体系的研究，主要通过经济增长质量、新发展理念与高质量发展内涵和外延界定3个角度进行构建。因此，本文在参考以往研究的基础上，结合地市级数据的可获性，构建了以绿色生态文明、创新驱动发展、社会民生福祉、经济增长质量为一级指标的城市高质量发展水平评价体系。该指标体系包含4个一级指标、8个二级指标和19个基础指标，通过对2003～2020年全国221个地级市的高质量发展水平进行测度，得到城市高质量发展指数，记为Score。

表1 城市高质量发展水平测度指标体系

熵值法作为客观评价法来计算各个指标的权重，能够根据各个评价指标离散程度的不同赋予其不同的权重，避免人为选取指标的干扰，可以较为客观地反映各个指标对于整个评价体系的重要性。因此，本文选择熵值法作为测算城市高质量发展指数的方法，来表征城市的高质量发展水平。熵值法的具体计算方法如下：

（1）为了消除数据不同量纲造成的误差，需对数据进行标准化处理，计算公式为：

上式中，i为城市，j为测算指标，yij为第i个城市第j项指标的数值，xij为标准化数值。

（2）计算第j个指标的熵值ej，具体计算公式为：

其中，ej为信息熵，n为城市的数量，pij为第j项指标中第i个城市所占指标的比重。

然后，计算第j个指标的权重wj为：

因此，城市的高质量发展指数Score为：

2.2 计量模型

2.2.1 模型构建

中国自2012年住房和城乡建设部公布了首批智慧城市试点城市，并分别于2013年和2014年公布了第2批和第3批试点城市。由于每一批试点城市的政策发生时点不同，本文运用多期双重差分模型，分析智慧城市政策对城市高质量发展的影响。为保证政策估计结果的净效应，剔除以部分区县为试点、设立时间较晚以及被撤市设区的城市，最终选取了100个地级市作为实验组，121个地级市作为对照组，共计221个地级市。本文的多期双重差分模型设定如下：

其中，被解释变量Yit表示城市i第t年的高质量发展指数；解释变量DIDit表示城市i第t年智慧城市试点政策实施；Xjit表示一系列控制变量；μi表示城市固定效应；vi表示时间固定效应；εit表示扰动项。

2.2.2 变量设定

被解释变量（Score）。本文构建城市高质量发展水平测度指标体系，共包含4个一级指标、8个二级指标与19个基础指标，运用熵值法确定各个指标权重，从而计算得到城市高质量发展指数。其中，较大的城市高质量发展指数代表了该城市高质量发展处于较高水平，反之亦然。

核心解释变量（DID）。本文以城市是否实施智慧城市政策为核心解释变量，其估计系数表示该政策对实验组与对照组影响的差异，因此智慧城市政策实施当年及以后DID＝1，实施之前DID＝0。考虑到某些城市的部分区域先行被获批为政策试点，进而整个城市再获批成为试点城市，本文以该城市整体成为政策试点的时间为政策实施时点。

控制变量。为更加详细地分析城市高质量发展过程中的政策效用，本文选取的控制变量主要包括：经济发展水平，用人均GDP来表示，取对数处理；人口密度，用城市单位面积人口数量来表示，取对数处理；对外开放程度，用当年外商实际使用外资金额占GDP的百分比来表示；财政分权度，用财政一般预算收入与财政一般预算支出的比值来表示；金融发展水平，用人均金融机构贷款余额来表示，取对数处理；人力资本水平，用每万人高等学校在校生人数来表示，取对数处理；工业化水平，用规模以上工业企业数来表示，取对数处理；产业结构，用第二产业产出值与第三产业产出值的比值来表示。

2.2.3 数据来源与描述性统计

本文以2003～2020年中国221个地级及以上城市为研究对象，所用数据主要来源于 《中国城市统计年鉴》、部分地级市统计年报、加拿大达尔豪斯大学大气成分分析组、北京大学企业大数据研究中心、国家知识产权局、国泰安（CSMAR）数据库以及Wind数据库。其中，2020年经济数据尽管受到新冠肺炎疫情的巨大冲击，但是各类经济指标基本保持平稳，个别年份缺失的数据通过查阅各城市统计年鉴和统计公报或者运用线性插值法进行填补。表2为本文主要变量定义及描述性统计结果。

表2 主要变量的描述性统计

3 实证结果及分析

3.1 基准回归

表3报告了多期双重差分模型的基准回归结果。根据列 （1）～（2）报告结果显示，无论是否加入控制变量，模型核心解释变量DID的系数均在显著性为1%的水平下为正，表明成为智慧城市试点的城市比未成为试点的城市高质量发展水平更高，智慧城市试点政策可以有效提升城市的高质量发展水平。上述模型估计结果验证了智慧城市政策对城市高质量发展的正向政策效用，证明了假设H1的成立。

表3 基准回归模型估计结果

3.2 稳健性检验

3.2.1 平行趋势检验

双重差分模型的前提假设是实施政策前实验组与对照组具有相同的变化趋势，因此需验证政策前后试点城市与非试点城市是否满足平行趋势假设。由于中国智慧城市概念最早提出于2009年，因此选择智慧城市构想提出的第1年（2009年）作为基准期。图1为估计系数在不同政策时点下的变化图形，比较了政策前后城市高质量发展水平的变动趋势。如图1所示，自智慧城市政策实施后，政策效应开始显映，且随着政策实施时间的增长，政策效应大致呈现为平缓增强趋势，说明了智慧城市的政策效果具有持续性。

图1 平行趋势检验

3.2.2 更换政策时点

由于年度试点城市与试点公布文件的时间不同，本文为验证政策效应与政策实施时间无关，以文件发布时间2013年、2014年、2015年为政策时点进行回归分析，其中发布时间为下半年则按第2年处理。由表4列 （1）可知，在考虑政策时点选择产生的偏误后，智慧城市政策可以显著提升城市的高质量发展水平，政策效应具有稳健性。

3.2.3 更换实验组界定标准

考虑到一些试点区域为部分区县对所在城市的带动性与城市整体协调发展，为验证回归结果的稳健性，本文更换实验组界定标准，即城市部分区县成为试点则视为该地级市是政策试点城市。由表4中列 （2）的回归结果可知，在考虑实验组界定标准不同带来的样本选择偏误后，智慧城市政策对城市的高质量发展水平依然具有显著的提升作用。

3.2.4 剔除省会城市

由于省会城市相较于其他城市规模更大，基础设施建设完善，在区域发展中政策倾斜力度大，具有更高质量的城市发展水平。因此，考虑到省会城市作为特异性样本对回归结果产生的干扰，本文对其进行剔除处理。表4列 （3）的结果表明，在考虑到省会城市特殊性产生的偏误后，智慧城市政策效果得到进一步验证。

表4 稳健性检验分析

3.2.5Bacon分解

本文运用多时点政策评估方法，根据Chaisemartin 和 D'Haultfoeuille （2020）［18］的研究发现，通过多期DID模型估计会产生随组别和时间维度不同而变动的异质性处理效应，从而使得估计结果出现偏误。为了检验估计结果的准确性，本文借鉴 Goodman-Bacon （2021）［19］提出的Bacon分解作为稳健性检验方法。Bacon分解将面板数据根据处理时间不同划分为3组：先处理组（Early）、后处理组（Late）以及未处理组（Never）。

根据表5的分析结果可知，Bacon分解将所有区域分为4个不同时点的处理组，包含1个未处理组。根据结果可知，93.28%的智慧城市政策对城市高质量发展净效应影响来源于未处理组与处理组，6.72%的政策效用影响来源于3个不同时点的先处理组和后处理组。因此，绝大部分政策效应影响来自未处理组作为对照组的反事实分析结果，表明本文的回归结果没有受到异质性处理效应严重影响造成偏误，验证了结果的稳健性。

表5 Bacon分解结果

3.2.6 工具变量

智慧城市政策的推行与城市高质量发展水平提升可能存在反向因果关系，对于可能存在的内生性问题，本文选取工具变量对其进行检验。首先，本文参考黄群慧等 （2019）［20］和李兰冰等 （2019）［21］的研究，分别选取各城市1984年每百人固定电话数量和城市平均坡度作为工具变量。智慧城市建设与城市互联网等信息技术方面发展密不可分，各城市历史上的通信基础设施会影响到现今互联网技术的发展，因而具有相关性，随着移动通信技术的普及，传统通信技术对于城市发展不再具有重要推动作用，满足排他性；另外，地形特征是与经济系统无关的外生变量，同时智慧城市的建设受地理环境影响，地理坡度越高，智慧城市的建设难度越大，因此满足排他性和相关性。为了使工具变量满足随时间与城市双维度变动的特征，本文参考 Nunn和 Qian （2014）［22］的研究中工具变量的构造方法，以上一年全国互联网用户数来体现工具变量的时序变化。所以，本文分别以1984年每百人固定电话数量、城市平均坡度与上一年全国互联网用户数的交乘项，作为工具变量对基准模型进行检验。

根据表6报告的结果可知，在考虑了模型内生性的情况下回归结果显著为正，智慧城市建设对城市高质量发展的推动作用依然成立。此外，两个工具变量回归结果的Cragg-Donald Wald F值均远远大于10，说明不存在弱工具变量的问题，工具变量选取合理。

表6 工具变量估计结果

4 机制与异质性分析

4.1 机制分析

由前文的实证结果分析可知，智慧城市建设可以显著推动城市的高质量发展。为探究智慧城市政策推动城市高质量发展的作用机制，本文以要素流动视角出发，分别从资本要素和劳动要素两方面验证政策影响，并进一步分析要素流动的调节效应。

4.1.1 资本要素

要素是日常生产生活的必要投入，要素流动与城市发展密不可分，而资本要素很大程度影响着城市的高质量发展。当前智慧城市试点建设作为新型基础设施建设的重要举措，多方面吸引政府支出与企业投入，促进资本要素流动，使得经济结构转型升级进程加快，资金良性投资循环，资本市场资源配置效率提升，从而推动城市高质量发展。为验证智慧城市政策对资本要素流动的促进作用，本文借鉴了张军等 （2004）［23］的研究，选取了以永续盘存法按不变价格计算得到的历年资本存量作为衡量城市资本要素的指标。根据表7列 （1）的报告结果可知，解释变量的系数在1%的显著性水平上显著为负，表明智慧城市政策实施能够显著促进城市资本要素流入。近年来随着传统基础设施建设投资的边际效益递减，高新技术产业的全球发展使得资本要素流动加快，智慧城市建设更是推动各类资金向经济循环的资本要素高效转化，为市场引入更多长期资本，促进新旧动能转换，赋能城市高质量发展。

4.1.2 劳动要素

劳动要素投入是产出和增长的源动力之一，也是城市创新和发展的必然要求，劳动要素的流动积累为城市经济发展带来全新活力。智慧城市以新一代信息技术为依托，大力发展新型产业，综合提升城市公共服务，营造良好的就业与居住环境，不仅有利于城市内人口增加形成的自身劳动要素增加，而且吸引周边城市劳动要素流入，从而形成劳动要素积累。智慧城市建设过程中逐步形成信息技术进步主导的新型分工体系，促进人力资本发挥经济效应，增强城市发展活力，推动城市高质量发展。本文选取各城市城镇单位从业人员数作为衡量劳动要素的指标进行机制分析，由表7列 （2）的报告结果可知，智慧城市的政策变量系数在1%的显著性水平上显著为正，表明政策实施明显地增加了城市劳动要素流入水平。因此，提升城市劳动要素流入是智慧城市建设的目标任务，也是政策实施成效的重要评估标准，劳动要素集聚为城市高质量发展注入新动能。

4.1.3 进一步分析：要素流动的调节效应

根据上述机制分析可知智慧城市建设通过资本要素和劳动要素流动推动城市高质量发展，本文在探究要素流动的直接效应基础上，为考察智慧城市试点政策对要素流入的差异化政策效应影响，进一步探究智慧城市政策是否存在随着要素流动程度不同从而影响城市高质量发展的调节效应。为验证要素流动的调节效用存在，本文借鉴马述忠和郭继文 （2022）［24］的研究采用三重差分模型（Difference-in-Difference-in-Difference，简称DDD），将基准回归中的DID项与要素Factor项交乘，回归模型如下：

其中，要素变量Factorkit表示城市i第t年的生产要素k。三重差分项DIDit×Factorkit的系数表示对于要素k流入水平越高的城市，智慧城市试点的政策效应越强。

由表7列 （3）～（4） 的回归结果可知，DID×Cap和DID×Lab的系数均在1%的显著性水平上显著为正，表明随着资本要素和劳动要素的流动积累，智慧城市试点建设的政策效应越强，且劳动要素的流入对城市的调节效应更加明显。智慧城市政策的实施，促进要素流入带动城市发展的同时，要素积累带来了规模经济效应，且要素利用由低层次粗放型到高效率集约型转变，使其随着要素流入量的增加，政策效果逐步增强，对城市高质量发展产生差异化影响。综合以上研究，可以验证假说H2成立。

表7 要素流动的机制分析

4.2 异质性分析

4.2.1 资源禀赋

资源禀赋对于城市发展有着重要作用，既可以推动城市经济发展，也可能成为城市发展的阻碍。相对于非资源型城市而言，资源禀赋丰富的城市通过资源消耗推动经济增长的同时，带来了产业失衡、生态污染、能源枯竭等问题，严重制约了未来的可持续发展。为了探究不同资源禀赋城市的异质性政策影响，本文依据国务院印发的 《全国资源型城市可持续发展规划（2013～2020年）》，将样本城市划分成资源型城市和非资源型城市，分别估计其政策实施效果。由表8中列 （1）～（2）的结果可知，非资源型城市的智慧城市政策推行显著提升了城市的高质量发展水平，而资源型城市的政策影响微乎其微且不显著。因此，智慧城市建设对非资源型城市的政策效果明显强于资源型城市。资源型城市的资源禀赋水平较高，其经济发展对资源的依赖程度也处于较高水平，使得各项产业发展不平衡不充分，产业结构调整困难重重，因而制约了政策对城市的高质量发展的提升效应。相反，非资源型城市发展对资源依赖程度较低，通过高新技术进步不断促进产业升级，使得政策顺利推行并取得显著成效。

4.2.2 城市规模

改革开放以来，中国城镇化发展加快使得城市规模日渐扩大，而其带来的规模经济与拥挤效应也影响着城市发展进程。为探究不同城市规模下智慧城市政策对城市高质量发展的差异化影响，本文依据国务院2014年印发的 《国务院关于调整城市规模划分标准的通知》，考虑样本城市情况将其共分为四类。根据表8列 （3）～（6）报告的结果可知，不同规模城市的政策效应存在明显差异。Ⅱ型大城市实施智慧城市试点政策，可以有效提升城市的高质量发展水平，而Ⅰ型及以上大城市、中等城市和小城市的政策效应均不显著。对于人口达到一定规模的大型城市，集聚效应使得人才、资金等生产要素与高新技术向城市流入，城市的规模经济效应得到充分发挥，但是人口规模过大也会产生拥挤效应使效率降低，导致Ⅱ型大城市政策效果显著，Ⅰ型及以上大城市政策效果微弱且不显著。然而中、小城市因自身基础受限，短期内智慧城市建设难以追赶大城市，因而政策推行对城市的发展效应难以快速显现。因此，上述研究证明了智慧城市政策对城市高质量发展的影响因资源禀赋和城市规模的差异而存在异质性，从而研究假设H3得以验证。

表8 资源禀赋与城市规模异质性分析

5 结论与政策建议

智慧城市试点政策立足于我国城市实际发展，顺应经济转型与信息化发展趋势，贯彻落实新发展理念，已成为新时代下推动城市高质量发展的必然举措。因此，本文利用2003～2020年城市层面数据，运用多期双重差分模型验证了国家智慧城市试点政策对城市高质量发展的影响及其作用机制。本文主要结论如下：（1）智慧城市试点政策显著提升了城市的高质量发展水平，且政策效果具有持续性，通过一系列稳健性检验后研究结论依然成立；（2）机制分析表明，智慧城市试点政策通过吸引资本要素和劳动要素流入的直接效应推动城市高质量发展，并且存在要素流动的调节效应对政策实施效果产生差异化影响；（3）智慧城市政策对城市高质量发展的提升效应存在明显的城市差异，更加显著作用于非资源型和较大型城市的高质量发展。

根据上述研究，可以得出以下政策启示：（1）切实推进智慧城市政策落地落实，加大对信息技术的研发力度，推进新型基础设施建设，特别是巩固大数据、人工智能、物联网等新一代信息通信对高质量发展的支撑作用，使创新成果与城市发展深入融合，稳步拓展智慧城市试点政策覆盖地区及行业；（2）把握新发展阶段，顺应科技革命与产业变革潮流，加强智慧城市建设，充分释放政策施行对要素流动的贡献能力，促进资金转化与劳动力集聚，发挥要素流动带来的规模经济效应，提升城市经济高质量发展水平，加快构建以国内大循环为主、国内外双循环相互促进的新发展格局；（3）智慧城市建设需因地制宜差异化施行，以信息化技术引领产业升级，减少对自然资源的过度依赖，迎头追赶新兴产业发展，同时避免智慧城市规模化复制建设，采取精细化发展模式，跳出城市规模带来的发展桎梏，缩小城市间发展不平衡问题，提升欠发达区域的发展水平。