智慧城市建设对生态环境韧性的影响研究

楚尔鸣，孙红果，2，李逸飞

（1.湘潭大学 商学院，湖南 湘潭 411105；2.湖南人文科技学院 数学与金融学院，湖南 娄底 417000；3.管理世界杂志社，北京 100026）

一、引 言

随着中国工业化、城镇化的快速推进，生产要素在空间上向城市快速集聚与集中。 城市的繁荣与发展虽然给人们带来便利，提高了生活水平和生活质量，但也产生了一些新的问题，其中城市生态环境的脆弱性和突发风险就是人们关注的重要问题。 如2021 年“7·20”郑州特大暴雨，最终造成全省死亡失踪398 人，直接经济损失1200.6 亿元。 面对城市生态环境的突发风险，如何预防风险、遭遇风险后如何尽快恢复生态环境系统便成为理论与实践部门亟待研究与解决的重要课题［1］。 在此背景下，“城市生态环境韧性”开始受到人们的广泛关注。 在这里韧性指的是生态环境系统内部在承受自然或人为风险因素冲击时仍保持其主要特征和功能正常运转，并从冲击中恢复，且能逐渐提高其功能的能力［2］。具体到城市生态环境韧性，是指城市对生态环境事件反应、适应以及响应，以减少生态环境灾害并从中快速恢复的能力。 城市生态环境韧性提升有助于增强城市生态环境系统的稳定性和城市的宜居性，进而推动生态文明建设。

诚然，提高城市生态环境韧性的途径多种多样，由此也形成了不同的城市发展模式，如生态环境城市、绿色城市、可持续发展城市、海绵城市、智慧城市等［3］。 但随着大数据、云计算、人工智能的快速发展，物联网等新一代信息技术渗透到城市的基础设施中，使得城市功能更为智能、互联和高效，从而使智慧城市发展模式成为提高城市生态环境韧性的主流模式。 2012 年，为规范和推动智慧城市的健康发展，构筑城市发展新模式，住房和城乡建设部启动国家智慧城市试点。 2014 年，国家发展和改革委员会等八部委明确了智慧城市的概念及基本原则，并将基础设施智慧化、城市管理精细化、生活环境宜居化等作为建设目标①，同时要求建立生态环境信息智能分析系统、预警应急系统和环境质量管理公共服务系统，对重点地区、重点企业和污染源实施智能化远程监测。 显然，根据国家智慧城市建设的顶层设计，地方政府是可以通过智慧城市建设来提高城市生态环境韧性的。

但是，智慧城市建设是否真的可以起到提高城市生态环境韧性的政策效果？ 如果可以，能提高多少？ 其内在运行机理或核心驱动力又是什么？ 针对这些问题，目前国内外还缺乏深入系统的分析研究。 因此，本文以中国智慧城市试点政策作为准自然实验，采用多期双重差分模型分析验证智慧城市建设对城市生态环境韧性的影响机理及作用效果。

二、文献综述

本文关注智慧城市建设与城市生态环境韧性方面的研究文献。从城市生态环境韧性方面的研究来看，虽有大量文献集中在绿色发展［4］、绿色创新［5］、环境污染［6-7］、碳减排［8］以及环境治理［9］等方面，但涉及生态环境韧性的文献相对较少，且已有研究主要围绕两个核心概念展开：一是“城市韧性”②，如Zhou等［10］以及刘成杰等［11］，分别从经济、社会、基础设施及生态环境四个维度构建城市韧性指标体系和测度方法；二是“生态韧性”③，如姚鸣奇等［12］从抵抗力、适应力、恢复力等三个维度构建了海绵城市生态韧性指标体系及测度方法。 一些文献研究了生态韧性的影响因素，包括经济增长［13］、技术创新［13］和环境规制强度［14］等正向影响因素，以及人口增长［15］、人口城镇化［15］、外商投资水平［16］等负向影响因素。但是这些文献并未专门探讨城市生态环境韧性指标构建及具体测度。

从智慧城市建设对生态环境的影响研究文献来看：一方面的文献集中在智慧城市建设对生态环境不同方面影响的研究上，如有学者研究认为智慧城市建设能够有效降低工业生产中废水废气烟粉尘排放［6］、碳排放强度［8］、城市交通拥堵引起的尾气排放［17］和雾霾浓度［18］，能够有效地缓解城市的生态环境压力；另一方面的文献集中在智慧城市建设对生态环境治理效果评估的研究上，学者们主要从智慧城市环境治理方式［19］、模式［20］和规划［21］的视角探讨了其治理成效。 但是鲜有文献深入探讨智慧城市建设对生态环境韧性的影响。 除了Zhou 等［10］以及刘成杰等［11］个别文献研究了智慧城市建设对城市韧性的影响之外，还没有文献专门讨论智慧城市建设对生态环境韧性的作用机制及影响效果。

可见已有研究文献为本文的研究提供了坚实的基础，但还存在以下不足：一是未将生态环境韧性作为明确的、主要的研究对象，仅涉及城市韧性、生态韧性，即生态环境韧性的某些方面或某个子维度。 二是未将生态环境韧性的状态、感知及响应作为一个整体进行系统分析研究，仅从污染物排放、环境治理等单一方面关注智慧城市对生态环境的影响。 三是未考虑智慧城市建设对生态环境韧性系统的作用机理，仅从技术创新、治理方式等单方面分析其影响效果。

鉴此，本文以国家智慧城市试点政策作为准自然实验，深入系统研究智慧城市建设对生态环境韧性的作用机制和影响效果，构建影响机制的整体框架并深入分析其传导路径，同时讨论不同城市的自然或社会禀赋在智慧城市建设对生态环境韧性的影响过程中存在的异质性。 本文的边际贡献主要有：（1）构建城市生态环境韧性指标体系，计算不同于现有“城市韧性”［10-11］“生态韧性”［12-13］等指标的“城市生态环境韧性”指数，为相关研究提供数值参考。 （2）不同于现有研究仅从一般技术创新角度来解释智慧城市建设对生态环境的影响机制［22-23］，本文从技术创新和治理创新两方面的创新驱动效应角度探究智慧城市建设提升城市生态环境韧性的作用机制，丰富了智慧城市建设与城市生态环境韧性方面的理论研究。 （3）在异质性分析和调节效应检验的基础上，进一步讨论智慧城市建设提升生态环境韧性存在的问题和堵点，为地方政府优化城市生态环境治理提供政策参考。

三、制度背景及理论假设

（一）制度背景

为规范和推动智慧城市的健康发展，住房和城乡建设部于2012 年12 月5 日发布《关于开展国家智慧城市试点工作的通知》，并印发《国家智慧城市试点暂行管理办法》和《国家智慧城市（区、镇）试点指标体系（试行）》两个文件，正式开始智慧城市试点工作。2013 年1 月29 日，住房和城乡建设部公布了首批90 个国家智慧城市试点名单，其中地级市37 个，区（县）50 个，镇3 个。 2013 年8 月5日，住房和城乡建设部公布第二批国家智慧城市试点名单，共包括103 个城市（含区、县、镇）。2014 年4 月7 日住房和城乡建设部公布第三批国家智慧城市试点名单，确定北京市门头沟区等84 个城市（含区、县、镇）为国家智慧城市年度新增试点，河北省石家庄市正定县等13 个城市（区、县）为扩大范围试点，航天恒星科技有限公司等单位承建的41 个项目为国家智慧城市年度专项试点。 至此，我国的智慧城市试点已达290 个。 智慧城市建设希望通过推动信息技术应用，提升城市水、电、气、交通、公共服务等资源监控水平，增强政府政务服务能力和公共服务能力，治理“大城市病”问题。 在“双碳”目标背景下，智慧城市建设将围绕扩大城市绿色生态空间，强化城市生态环境的动态监测与智慧治理，对城市生态环境韧性的提升产生深远的影响。

（二）理论假设

智慧城市建设究竟如何影响城市生态环境韧性？ 为回答这一问题，本文首先分析在未开展智慧城市建设的传统城市生态环境治理中所存在的韧性不足，及其导致的生态环境脆弱性的成因。 原因主要包括以下几个方面：其一，生态环境监测和预警能力不足。 传统的人工监测和经验判断难以保障发现问题的及时性和风险预测的准确性，使得城市在面对自然灾害和人为引致的突发事件时防御能力薄弱。其二，城市生态环境管理部门的决策能力不足。传统的“人治”“规治”决策机制可能在信息不完全、信息不完备和信息处理能力有限的条件下，对突发生态环境事件的处理滞后和决策片面，导致城市生态环境管理部门对突发事件的快速处理能力较低。 其三，城市的生态环境灾后恢复能力不足。传统的城市生态环境治理模式可能由于决策滞后、 部门协同无序、 资源错配等导致对突发事件的处理时间长，处理难度大，延缓生态环境恢复时间，降低生态环境的自然恢复能力。

其次，本文进一步分析智慧城市建设影响城市生态环境韧性的具体机制和作用路径，分别从直接效应和间接效应两个方面说明（见图1）。

图1 智慧城市影响生态环境韧性的作用机理

1.智慧城市建设对生态环境韧性的直接效应

智慧城市建设虽然包括电子政务、智慧交通、智慧医疗、智慧社区、智慧教育、智慧生态环境等多个方面，但各方面并不孤立，它们通过信息传输和资源共享形成了智慧城市的整体功能，从而促进城市生态环境韧性的不断提高。 这主要表现在两个方面：第一，智慧城市建设将直接提升生态环境韧性感知层。 如智慧城市建设中的传感器、物联网等智慧化基础设施硬件建设，以及互联网一体化平台（包括智慧城市灾害治理平台、洪水预警绿云平台、智慧城市交通应急平台等）等软件建设，可以直接提高生态环境的监测和预警能力。 智慧城市的监测平台可以随时监测到生态环境的突发冲击事件并提供即时信息感知和反馈，从而提高了城市的生态环境韧性［25］。 第二，智慧城市建设将提升生态环境韧性处理层。 一方面通过智慧化监测设施迅速反馈突发生态环境冲击事件，提升应对突发环境事件的短期响应能力。 智慧化分析管理系统会对突发事件进行分析决策，这种数字化技术在机器学习方面比人类实际学习具有更大的优势，可以提升政府部门即时应对生态环境突发事件的响应能力，从而提升城市生态环境韧性。 另一方面，通过资源优化配置和系统协同治理提升城市生态环境系统恢复的长期处理能力，从而提升城市生态环境韧性。 智慧城市依托大数据和系统集成，通过城市市域或跨区域应对突发生态环境事件信息资源的互联互通，实现城市内部和城市之间的生态环境协同治理，最终促进生态环境系统的迅速恢复。 据此，提出如下假设：

H1：智慧城市建设能够提升城市生态环境韧性。

2.智慧城市建设对生态环境韧性的间接效应

智慧城市建设促进生态环境韧性提升的间接效应或核心驱动力是创新驱动，它包括技术创新和治理创新两个方面。

（1）技术创新的间接效应。 智慧城市建设会通过技术创新能力的提升，促进生态环境韧性的提升。 具体说来，技术创新能力包括以下三个方面：第一，智慧城市建设可以通过物联网、大数据、云计算、区块链、人工智能等基础设施建设，提升新一代信息技术创新能力［26］，并通过各种信息平台融合市域市际生态环境信息和经济社会其他各方面的信息，不仅拓宽了信息的广度，加快了信息处理的速度，而且提高了信息处理的精度，进而通过基础层、感知层和处理层提高城市生态环境韧性。 第二，智慧城市建设可以通过人工智能等科学的信息分析方法，提升城市的决策技术创新能力［27］，并通过各信息处理和综合服务平台，如智慧交通系统、智慧生态系统、电子政务系统、智慧健康系统等，做到生态环境方面的精准决策、精准治理，消除城市在生态环境规划、咨询、决策过程中的不确定性，提高抗干扰性，进而通过短期响应提升生态环境韧性。 第三，智慧城市建设可以通过构建城市生态环境综合解决方案、促进产业结构升级等［28］，提升城市的绿色技术创新能力，直接促进绿色创新，进而通过长期处理而提升生态环境韧性。 据此，提出如下假设：

H2：智慧城市建设通过技术创新的驱动作用提升城市生态环境韧性。

（2）治理创新的间接效应。 智慧城市建设会通过生态环境治理创新能力的提升，促进生态环境韧性的提升。智慧城市建设对市域生态环境治理来说，不仅是治理技术手段的创新与革命［5,12］，而且是治理理念、治理模式、治理体系的创新与革命［25］。 这种创新驱动，不仅会对市域生态环境治理的主客体结构、工作流程、治理方式、操作标准等治理体系层面形成深刻影响，将生态环境由传统的政府自上而下的“人治”和“规治”推进到发挥民主的“多元共治”［29］与“技术治理”［27］，为市域生态环境治理的投入产出和治理效率带来极大的改进，从而通过感知层和处理层提升生态环境韧性。据此，提出如下假设：

H3：智慧城市建设通过治理创新的驱动作用提升城市生态环境韧性。

四、模型、数据与变量测度

（一）模型与数据

如前所述，住房和城乡建设部的智慧城市试点名单分别于2012 年、2013 年和2014 年分三批发布。 基于此，本文以智慧城市试点政策的实施为准自然实验，检验智慧城市建设对城市生态环境韧性的影响。 本文构建如下多期DID 模型：

其中，Yit表示第i 个地区t 年的生态环境韧性及其3 个子维度，did 为试点城市与试点时间两个虚拟变量的交互项，did 的系数α1表示政策实施效应，反映智慧城市建设对生态环境韧性的影响。 Control是一组控制变量，包括收入水平、对外开放、产业结构、人口密度和城镇化率。μi为城市固定效应，ηt为时间固定效应，εit为随机误差项。

本文使用地市级及以上城市的面板数据。 考虑到数据的统一性，在总样本中删除了仅包含某个区（县）而非全市域的试点城市样本。 另外，由于毕节和铜仁在2011 年设立为地级市，不便进行前后比较，一并删除这两个城市。 最终得到245 个地市级及以上样本城市，其中试点城市100 个，非试点城市145 个。 样本数据的统计时间为2005—2020 年，样本数据来自历年《中国城市统计年鉴》、各省市统计年鉴、《中国能源统计年鉴》、Wind 数据库。

（二）变量及测度

1.被解释变量

本文的被解释变量为城市生态环境韧性指数，主要衡量一个城市在面临生态环境系统压力或突发冲击时，约束污染排放、维护生态环境状态和治理能力提升的综合水平。 参考郭海红和刘新民［15］的研究，同时借鉴张吉鹏和彭靖秋［30］环境质量绩效评估方法，并考虑到城市的经济社会特征［31］，将城市生态环境韧性指数分解为状态韧性指数、压力韧性指数、响应韧性指数3 个子维度，共同支撑整体链式的城市生态韧性指标体系，3 个二级指标由14 个三级指标具体测度（见表1）。由于不同指标对总的韧性指数存在正反方向的影响，借鉴Zhou 等［10］和王军等［32］的方法对各指标数值进行无量纲化处理，使用熵值法赋权综合测算各城市的生态环境韧性指数。

表1 城市生态环境韧性测度指标体系

2.核心解释变量

本文的核心解释变量为智慧城市试点政策实施城市虚拟变量和时间虚拟变量的交互项。 将国家智慧城市三批试点城市作为处理组，取值为1；将非试点城市作为对照组，取值为0。 针对试点城市，在试点实施当年及以后取值为1，试点实施之前取值为0。 非试点城市的年份虚拟变量均设置为0。

3.控制变量

本文参考石大千等［6］、Mert 和Caglar［16］、李锴和齐绍洲［33］、史丹和李少林［34］及姚鸣奇等［12］的研究，选择如下5 个影响因素作为控制变量：（1）收入水平，用人均GDP 的对数（lrgdp）来衡量，以2001 年为基期将名义GDP 转化为实际GDP，表示城市的经济发展水平。 （2）产业结构（str），用第二产业增加值与第三产业增加值之比来度量。（3）对外开放（fdi），用地区实际使用外商投资额占GDP 之比即外商投资水平来度量。（4）人口密度（lpd），用地级市常住人口与行政区域面积之比的对数表示。（5）城市化水平（urb），用城镇人口与市域常住人口的比值表示。 主要变量的描述性统计结果见表2（部分缺失数据采用线性插值法添补）。

表2 变量的描述性统计结果

五、实证结果及分析

（一）基准回归分析

基于模型（1），智慧城市建设对生态环境韧性的基准回归结果见表3。表3 第（1）列为加入控制变量后的回归结果，可以看到智慧城市建设对生态环境韧性总指数的回归系数为0.322，在5%的水平下显著，表明智慧城市建设显著提升了城市生态环境韧性指数。由于did 是试点城市与试点时间的乘积，在模型（1）的基础上求对试点政策的偏导可知，试点城市的生态环境韧性指数比非试点城市平均提升了32.2%。 这一结论基本验证了假设1。

表3 基准回归结果

表3 第（2）（3）（4）列分别报告了加入控制变量后对生态环境韧性指数3 个子维度的回归结果。可以看到智慧城市建设对生态环境压力韧性指数（UEPI）和响应韧性指数（UEMI）的回归系数在5%的水平下显著为正，且对响应韧性指数的回归系数值最大，这充分说明智慧城市建设是通过即时感知，特别是快速响应与决策优化来提高城市生态环境韧性的。 智慧城市建设对生态环境状态韧性指数（UESI）的影响不显著，表明智慧城市建设对城市已有生态环境的现实状况不敏感。 从各控制变量来看，表3 第（1）列显示人均GDP（lrgdp）在1%的水平下显著提升了城市生态环境韧性，这充分说明越是经济发达的城市，其生态环境状态韧性越高。 外资实际利用水平（fdi）的系数为负，虽然验证了“污染避难所”假说，即外商直接投资在一定程度上将高污染工业迁移至国内，抑制生态环境韧性提升，但从10%的显著性水平来看，这种现象并不是十分严重。产业结构（str）在5%的水平下显著为负，即第二产业增加值占比越高，越不利于生态环境韧性提升，这是由于第二产业多为高污染的传统制造业，抑制了生态环境韧性的提升，因此应努力推进传统制造业向高端化、服务化、清洁化方向发展。城市人口密度（lpd）的系数不显著，城市化水平（urb）则在5%的显著性水平下为负，表明城市化水平越高对生态环境造成的压力和负担越大，越不利于城市生态环境韧性的提升。

（二）平行趋势检验

采用多期DID 模型的前提条件是实验组与对照组在政策发生前保持一致的变化趋势，即满足平行趋势假设。 由于试点城市受到政策冲击的时间不同，需要为各试点城市设定智慧城市试点政策实施的相对时间虚拟变量。 借鉴王家庭等［35］的做法，本文构造平行趋势检验方程如下：

其中，时间虚拟变量为各城市确立为试点城市前6 年、当年和后7 年的观测值。 非试点城市的虚拟变量为0。 从图2 的检验结果中可以看到，在智慧城市试点政策实施之前，各期虚拟变量交互项的估计系数均不显著，而在智慧城市试点政策实施之后，各期虚拟变量交互项均显著，表明平行趋势假定成立。 即智慧城市试点政策符合平行趋势假设。

图2 城市生态环境韧性的平行趋势检验图

（三）稳健性检验

1.安慰剂检验

为进一步检验本文的结果是否由不可观测的因素导致，采用安慰剂检验。 由于多期DID 试点城市的政策冲击存在时差，需要同时生成伪处理组虚拟变量和伪政策冲击变量。 基于此，本文采取如下安慰剂检验：首先从245 个城市中随机抽取100 个城市作为智慧试点城市，其他145 个作为非试点城市，随机抽取500 次，进行500 次基准回归。 安慰剂检验结果见图3，水平虚线为p 值等于0.1 位置，竖直虚线为基准回归中智慧城市建设对生态环境韧性指数的回归系数0.322。图3 显示，500 次随机生成的政策虚拟变量交互项估计系数大部分集中在0 附近，不同于0.322，且p 值大多大于0.1。 在一定程度上验证了基准回归结论的稳健性。

图3 生态环境韧性的安慰剂检验

2.PSM-DID 检验

由于是否成为试点城市并非随机抽样，而是由各个地级以上城市自主申报，经住房和城乡建设部审查后确定的，这就可能存在样本选择的非随机问题。 采用PSM-DID 方法解决该问题。 表4 为PSMDID 有效性检验。 由表4 的p 值可以看出，不能拒绝原假设（原假设为匹配后处理组的均值和控制组的均值无显著差异），即可认为匹配后处理组的均值和控制组的均值无显著差异。倾向得分匹配后的回归结果见表5 第（1）列，显示智慧城市建设对城市生态环境韧性指数仍然具有显著正向提升作用。

表4 倾向得分匹配后有效性检验

表5 稳健性检验结果

3.样本数据筛选和排除其他政策干扰检验

为防止样本异常值给基准回归带来较大影响，将样本进行缩尾1%和截尾1%处理。 回归结果见表5 第（2）列和第（3）列，与基准回归结果基本保持一致。 在智慧城市试点政策实施期间，与智慧城市政策和生态环境有关的政策还有国家新型城镇化试点政策和国家低碳城市试点政策，在基准回归中加入国家新型城镇化试点政策（didurb）和国家低碳城市试点政策（didco2）虚拟变量，回归结果见表5第（4）列。 结果显示加入两个相关试点政策后，智慧城市建设仍显著提升了生态环境韧性指数。

4.反事实检验

为检验城市生态环境韧性指数的提升是否由智慧城市建设所带来的效果，本文改变智慧城市试点政策时间窗，将样本期设置为2008—2011 年，将智慧城市试点政策实施年份设为2009 年。 回归结果见表5 第（5）列，智慧城市政策对生态环境韧性的估计系数为负且不显著，这从反事实方面验证了试点政策的有效性。

（四）内生性检验

1.工具变量法（IV）。智慧城市建设与互联网大数据的发展程度密切相关，而互联网发展的基础是传统通信技术。借鉴韦施威等［36］的做法，构建工具变量互联网指数（internet）。该指数采用每百人互联网宽带接入用户数、计算机软件和软件业从业人员占城镇单位从业人员比重、人均电信业务总量、每百人移动电话用户数，将这四个指标标准化后运用熵值法计算得到互联网指数。 回归结果见表6 第（1）（2）列，回归结果仍然稳健。

表6 内生性检验结果

2.GMM 系统检验。 考虑到变量的惯性，滞后一期的变量可能对本期产生影响。 因此，采用系统广义矩估计（GMM）来估计面板模型。 回归结果见表6 第（3）列，回归结果仍然稳健。

六、机制检验

以上基准回归及一系列稳健性检验、内生性检验表明，智慧城市建设对城市生态环境韧性指数具有显著提升作用，假设H1 成立。为检验假设H2 和假设H3，即智慧城市建设通过创新驱动（包括技术创新和治理创新）的中介作用对生态环境韧性产生影响，用中介效应模型进行实证检验。 中介效应模型分别设定为：

其中，Mediator 为中介变量，包含技术创新和治理创新。 如果智慧城市建设影响城市生态环境韧性，则公式（3）（4）（5）中的待估参数α1、β1、γ1、γ2在统计上显著。 根据江艇［37］的建议，本文重点关注参数β1。

（一）技术创新（Tecinn）

根据国家知识产权局对于专利的分类，专利被划分为发明、实用新型和外观设计三类，且这三类专利的创新性依次降低。 实用新型和外观设计专利只要求类似的专利申请以前没有被批准过，申请要求和审查标准较为宽松；而发明专利的申请，必须符合“新颖性、创造性和实用性”的要求，具有较高的新颖度和技术创造性。 故采用千人发明专利申请数量作为城市技术创新的代理变量，数据来源于国家知识产权专利局。 回归结果见表7，表7 第（1）列为基准回归结果，第（2）列为智慧城市建设对技术创新的回归结果，第（3）列为基准回归加入技术创新的结果。 表7 第（2）列显示，智慧城市建设对城市技术创新的回归系数β1为0.24，在1%的水平下显著。表明智慧城市建设通过技术创新路径影响生态环境韧性指数，假设H2 得证。

表7 创新驱动的传导机制检验

（二）治理创新（Govinn）

由于地方政府数字治理的关键是地方政府是否具有智慧治理意识和理念，并据此将智慧化技术渗透到政府治理中，因此本文选取历年地方政府工作报告中有关智慧政府的词频④总数作为治理创新的代理变量。 回归结果见表7 第（4）（5）列。 可以看出，智慧城市建设对治理创新的回归系数β1为0.525，在1%的水平下显著，表明智慧城市建设通过治理创新路径影响生态环境韧性指数，假设H3得证。对比技术创新与治理创新的回归系数值，表明治理创新的中介作用更大。为进一步检验是否存在治理创新中介效应，本文进行Bootstrap 中介检验，有放回重复抽样1000 次，结果见表7 最后三行。由表7 的Bootstrap 中介检验结果可知，间接效应和直接效应的估计系数同号且在1%的水平下显著，间接效应置信度为95%的置信区间为［0.500 , 0.767］，直接效应置信度为95%的置信区间为［0.182 ,0.981］，置信区间不包含0，进一步表明智慧城市建设通过治理创新路径影响生态环境韧性。

七、进一步讨论：异质性及调节效应检验

（一）不同区域的异质性分析

智慧城市建设对生态环境韧性的影响效果，可能因城市所处的区域不同而不同，这不仅由于城市所在区域有着不同的经济发展水平，更为重要的是其可能存在不同的生态环境韧性基础——生态环境脆弱性。为检验这种差别的存在性，本文将样本城市按东、中、西部进行分组，回归结果见表8。可以看出，西部地区的智慧城市建设对生态环境韧性的提升效果更显著，中部地区次之，而东部地区则不显著。这可能是因为，西部地区城市生态环境脆弱性相对较高，更容易受到各种来自自然和非自然因素的突发冲击，因此智慧城市建设自然会对提高生态环境韧性起到良好的作用效果。在样本期内，高生态环境影响产业向中西部地区转移，使东部地区生态环境逐渐好转［38］。 由于东部城市生态环境基础好⑤，抗突发冲击的能力强，因而通过智慧城市建设来提高生态环境韧性的效果反而不明显。

表8 城市所处不同区域的异质性检验

（二）不同人口规模的异质性分析

由于城市规模不同，集中的生产要素和保护生态环境的基础设施存在差异，发生生态环境突发冲击的可能性不一样，智慧城市建设对城市生态环境韧性的影响效果也会不同。 为检验这种异质性是否存在，本文参考2014 年国务院印发的《关于调整城市规模划分标准的通知》⑥，借鉴杨友才和牛晓童［39］对城市规模的划分，将城市规模划分为中小型城市和大型城市，回归结果见表9。 从表9 可以看出，智慧城市建设在10%的显著水平下抑制中等城市生态环境韧性的提升，在1%的显著水平下提升了大城市生态环境韧性。 这可能是因为中小城市的规模小，生产要素集聚程度低，产生生态环境突发冲击的可能性较小，而智慧城市建设的资金投入量大，反而其作用效果是负向的。 而大城市，由于人口规模大、生产要素的集聚程度高，使得城市生态环境的承载压力大，很容易出现生态环境的突发事件，而且一旦产生突发事件冲击，对人们生命财产安全的威胁也大，因此智慧城市建设对生态环境韧性的提升具有明显的正向促进作用。

表9 城市规模异质性

（三）地方政府环境规制的调节效应

在智慧城市建设影响生态环境韧性的过程中，可能还受到其他政策或变量的影响，如地方政府的环境规制强度。 通常情况下，地方政府对生态环境越重视，环境规制强度越高，生态环境韧性指数就会越大。 为检验这种调节效应的存在性，本文借鉴陈诗一和陈登科［40］的做法，构建城市环境规制强度指标，对2005—2020 年245 个市的政府工作报告进行分词处理，统计与环保相关词汇的出现频数⑦，并计算每年环保词频总数占地方政府报告全文词频总数的比例，用era 表示。 进一步地，构建地方政府环保规制强度调节效应指标（did×era），用智慧城市建设虚拟变量交互项did 与城市环境规制强度指标era 交乘项表示。回归结果见表10 第（1）列，结果显示，在10%的显著性水平下，地方政府环保规制强度越高，智慧城市建设对生态环境韧性的提升作用就越强。 这充分说明，尽管智慧城市建设可以提高生态环境韧性，但也不能忽视生态环境规制在其中的作用。

表10 调节效应检验结果

（四）社会公众民主参与的调节效应

智慧城市建设使城市在生态环境治理方面不仅摆脱了传统的“人治”“规治”，更多地依赖于“技术治理”，而且使从上到下的传统“管理”模式转变为自下而上、多元参与的民主“共治”模式。 这样一来，社会公众参与生态环境治理的充分程度，会影响智慧城市建设对生态环境韧性的作用效果。 一般而言，社会公众对生态环境的关注度越高，参与度越充分，城市的生态环境治理会越好，从而韧性指数也就越高。 为检验这种调节效应的存在性，借鉴吴力波等［29］的做法，用公众通过互联网搜索环境相关议题的数量，构建社会公众的环境关注度指标（ere）⑧，作为社会公众民主参与的代理变量。 进一步地，将智慧城市建设虚拟变量与公众环境关注度交乘项（did×ere）代入基准模型，验证是否存在公众参与的调节效应。 由于社会公众对雾霾的感知更加敏感，故构建雾霾关注度指标（smog），将智慧城市建设虚拟变量与雾霾关注度指标的交乘项（did×smog）代入基准模型。由于百度搜索指数于2011 年起可查，故样本数据时间范围从2011 年到2020 年，回归结果见表10 第（2）（3）列。 结果显示社会公众的民主参与，特别是对雾霾关注度，在智慧城市建设对生态环境韧性的作用过程中起着显著的调节作用。 这充分说明，在智慧城市强化“技术治理”的同时，决不能忽视社会公众民主参与的重要作用。

（五）产业结构高度化的调节效应

由于城市经济具有第二产业和第三产业集聚的典型特征［41］，特别是传统的第二产业带有高耗能高污染的资源型产业倾向，导致工业废水、废气和烟粉尘的排放量增加，给城市的生态环境造成较大的压力，从而导致智慧城市建设对生态环境韧性的影响效果会因城市产业结构的不同而存在差异。 为检验这种调节效应的存在性，本文借鉴袁航和朱承亮［26］构的做法，构造产业结构高度化指数（aisi）作为产业结构的代理变量，该指数用产业之间的比例关系与各产业劳动生产率的乘积加权值表示，计算公式如下：

其中，yi,m,t表示i 地区第m 产业t 年的增加值，lpi,m,t表示i 地区第m 产业在t 年的劳动生产率，用i地区第m 产业在t 年的增加值与i 地区第m 产业在t 年的就业人员的比值表示。 用智慧城市建设虚拟变量与产业结构代理变量的交乘项did×aisi 代入模型（1）进行回归，结果见表10 第（4）列。 结果显示，在10%显著水平下，随着产业结构高度化的提升，智慧城市建设对生态环境韧性的正向促进作用得到强化。 这充分说明，在通过智慧城市建设提升生态环境韧性的同时，仍然不能忽视产业结构高度化、高端化、服务化的重要作用。

八、研究结论及政策建议

本文基于中国2005—2020 年地市级及以上城市面板数据，以国家智慧城市试点政策作为准自然实验，用熵值法构建城市生态环境韧性指标，利用多期双重差分法研究智慧城市建设对城市生态环境韧性的作用机理及影响效果。 得到结论如下：（1）基准回归结果显示，智慧城市建设显著提高了城市生态环境韧性，该结论经多种稳健性检验和内生性检验后仍然成立，且相对于非试点城市，试点城市生态环境韧性指数平均提升32.2%。从城市生态环境韧性的三个子维度来看，智慧城市建设对响应韧性的影响最大，其次是压力韧性，而对状态韧性的影响则不显著。 但从控制变量的结果来看，越是经济发达的城市，其生态环境的状态韧性越高。 （2）中介效应检验结果显示，智慧城市建设通过创新驱动（包括技术创新和治理创新）的中介作用推动城市生态环境韧性提升，且治理创新的中介作用更大。 （3）异质性检验显示，智慧城市建设对生态环境韧性的影响效果会因城市所在区域不同、规模不同而不同。 由于西部地区城市生态环境脆弱性高，智慧城市建设对其生态环境韧性提高的效果好，而对东部地区城市效果不明显。 智慧城市建设可以提高大城市的生态环境韧性，而对中小城市出现负向影响。 （4）调节效应检验显示，地方政府环保规制强度越高、社会公众的民主参与特别是对雾霾关注度越高、产业结构的高度化越高，智慧城市建设对生态环境韧性的提升作用就越强。

本文的研究结论对于有序推进智慧城市建设、提高生态环境韧性具有重要的政策参考价值。 鉴此，提出以下建议：

第一，优化顶层设计，强化系统协调。 由于城市的生态环境系统是一个复杂性系统，既涉及城市内部的各因素，又涉及城市外部的各节点，因而通过智慧城市建设提高生态环境韧性必须加强智慧城市建设的顶层设计，以全国数据的互联互通为基础，以大量数据为支撑，将智慧生态环境与电子政务、智慧交通、智慧医疗、智慧教育等融为一体，破除信息鸿沟，深化不同城市大数据的集中、融合、开放、挖掘和利用，强化系统协调，形成整体的城市发展目标，进一步保障人民群众的生活和工作需要，使人民的出行更便捷、居住更舒适、环境更美好。

第二，推动技术创新，强化治理创新。 智慧城市建设既是城市创新驱动的重要源泉，也是技术创新和治理创新的重要载体。 因此，地方政府在推动智慧城市建设的过程中，一方面应推动技术创新，加大新一代信息技术创新的支持力度和技术偏向性引导，加快物联网、云平台、人工智能与传统基础设施的融合，创建良好的科研创新平台，另一方面应强化治理创新，在数字政府建设过程中，积极推动“人治”“规治”向“技术治理”转化，广泛吸收企业、社会团体、居民参与到城市生态环境的共治体系中来，促进城市生态环境韧性的不断提升。

第三，注重因城施策，强化产业升级。 由于智慧城市建设对不同城市生态环境韧性的影响效果不同，在制定智慧城市建设总体方案时切忌照搬照抄其他城市方案，要根据各城市的生态环境状况和社会经济状况制定总体方案，因城施策，一城一策。 同时必须注意到，虽然智慧城市建设可以使城市借助于技术手段提升对生态环境突发事件的监测水平和决策能力，从而提高生态环境韧性，但真正决定一个城市生态环境韧性基础的是其自然生态环境和产业结构等经济社会条件。 因此在智慧城市建设过程中，必须强化产业升级，不断促进城市自然、社会和生态的良性循环。

注释：

①2014 年8 月，国家发改委、工信部、科技部、公安部、财政部、国土部、住建部、交通部八部委发布《关于促进智慧城市健康发展的指导意见》（发改高技〔2014〕1770 号）。

②城市韧性包括实现城市功能各方面的韧性，如政治韧性、经济韧性、文化韧性、社会韧性、生态韧性等，经济韧性又可进一步细分为生产韧性、流通韧性、分配韧性、消费韧性等。

③生态韧性是指自然界不同生物维系生存状态的韧性，虽然人类作为生物的一种也包含在内，但概念的重点在自然领域。 环境韧性不同于生态韧性，主要是指人类生产与生活环境的韧性。

④从历年地方政府工作报告中提取的关于地方政府应用智慧化手段管理城市的关键词有：数字政府、智慧城市、政务平台、大数据云平台、数据中心、智能计算中心、数字化服务体系、政务服务平台、政务应用系统。

⑤生态环境部环境与经济政策研究中心2023 年6 月26 日发布《公民生态环境行为调查报告（2022）》，报告指出东部地区公众对所在城市的生态环境质量的满意度最高。

⑥2014 年国务院印发的《关于调整城市规模划分标准的通知》（〔2014〕51 号），对原有城市规模划分标准进行了调整，明确了新的城市规模划分标准以城区常住人口为统计口径，将城市划分为五类：城区常住人口50 万以下的城市为小城市，城区常住人口50 万以上100 万以下的城市为中等城市，城区常住人口100 万以上500 万以下的城市为大城市，城区常住人口500 万以上1000 万以下的城市为特大城市，城区常住人口1000 万以上的城市为超大城市。

⑦与环境相关词汇具体包括：环境保护、环保、污染、能耗、减排、排污、生态环境、绿色、低碳、空气、化学需氧量、二氧化硫、二氧化碳、PM10以及PM2.5等。

⑧百度指数的检索关键词依次为环保、环境保护、污染、环境污染、生态环境、绿色、新能源、碳、二氧化硫、二氧化碳、PM2.5。