智慧城市建设对城市高质量发展的影响研究

张永庆 罗涵

[摘要]在高质量发展背景下，智慧城市作为解决城市问题的全新方案和城市经济新的增长点，近年来在我国得到了迅速的发展。本文分别构建了智慧城市建设水平和城市高质量发展两大指标体系，并运用熵权 TOPSIS 法对我国 80 个样本城市的智慧城市建设和城市高质量发展水平进行了分析。此外，根据样本城市 2012—2019 年的面板数据，运用固定效应回归模型和系统 GMM 模型对智慧城市建设和城市高质量发展的相关关系进行了实证研究，得出以下结论 ：第一，智慧城市建设可以显著促进城市高质量发展。第二，智慧城市建设对城市高质量发展水平的影响具有异质性特点。在区域异质性方面，除东北地区样本外，其他地区智慧城市建设水平均显著促进了城市高质量发展，其影响程度由强到弱依次是中部、西部和东部。在城市规模异质性方面，智慧城市建设水平对城市高质量发展水平的影响程度为大城市大于中小城市。第三，影响机制检验方面，通过分维度检验证明智慧城市建设水平可以通过升级 ICT 等基础设施、增加智慧要素投入以及创造智慧成果进而促进城市高质量发展。

[关键词]智慧城市 ；高质量发展 ；熵权 TOPSIS ；系统 GMM

[中图分类号]F49;F299.2 ［文献标识码］A ［文章编号］1000-4211（2023）01-0029-25

[收稿日期]2022-10-21

[作者简介]张永庆，上海理工大学管理学院副院长，教授，研究方向 ：城市与区域经济学、产业经济及企业战略管理与企业文化 ；罗涵，上海理工大学管理学院硕士研究生，研究方向 ：区域经济。

一、引言

随着我国经济快速发展，城市化水平也迅速提高。根据中华人民共和国住房和城乡建设部（后称“住建部”）所公开的数据：我国2021年常住人口城镇化率已经达到了64.72%，建成区面积超过6.2万平方公里，城市数量达到了691个 1 。但是随着大量的人口涌入城市，城市的发展也遇到了越来越多的问题，面临着来自人口、土地、环境资源、基础设施、交通、城市治安等多方面压力，为城市进一步发展带来诸多挑战。

与此同时，互联网信息技术、物联网技术迅速普及，数字经济、大数据、云计算和人工智能等高新产业的发展日益壮大，其应用场景也逐渐丰富。在这种发展趋势下，互联网信息、物联网等新技术和人工智能、智能制造等新领域与城市治理发展相结合，智慧城市应运而生，为破解城市发展难题提供了新的方案。

自2012年住建部批准首批90个国家智慧城市试点已有十年时间。本文基于首批智慧城市试点，分别构建智慧城市建设水平和城市高质量发展水平两大指标体系，探讨智慧城市建设对城市高质量发展的影响，并据此提出政策建议以及对未来发展的展望。

二、文献综述

智慧城市自提出以来从探讨研究到规划设计再到现在的建设落实已经有了十多年的时间，在该领域国内外也有了非常丰富的研究。

在智慧城市建设与测度评价方面，Giffinger等（2015）认为智慧城市的建设与评估应主要关注交通便利和信息通畅、居民品质和才能、居民生活质量、经济发展水平、社会参与程度和治理水平、自然资源和环境保护等六个维度。曲岩等（2018）构建了一套含有城市信息基础设施、经济发展水平、科技支撑能力、智慧城市产业发展水平、智慧城市治理水平等5个决策层指标共计21个指标层指标的智慧城市发展水平测度体系，并运用主成分分析法对我国15个副省级城市和4个直辖市进行测度。段宗志等（2022）以合肥市为例，构建了经济、基础设施、环境、文化教育以及科技五个维度14个具体指标的智慧城市建设水平评价体系，并运用熵权TOPSIS法测度出合肥市智慧城市建设水平处于非常协调状态。

在城市高质量发展相关内容研究方面，Jabareen（2016）认为城市的发展质量取决于城市的可持续发展能力，城市的生态环境、低碳发展水平将对城市发展质量产生重要影响；丁江辉（2018）认为城市高质量发展水平与城市的各项功能密切相关，城市各项功能的协调性会对城市高质量发展水平产生重要影响。廖海军（2020）等认为推动城市高质量发展，需要统筹生产、生活、生态三大布局；统筹规划、建设、管理三大环节；统筹改革、科技、文化三大动力;统筹政府、社会、市民三个主体。具体在城市高质量发展测度与评价方面，陈小卉等（2017）基于绿色发展的理念构建了涵盖经济可持续、社会文明、生态环境、宜居建设四个方面的城市高质量发展水平指标体系。韩冬（2022）从创新、协调、绿色、开放、共享和城市流等6个维度选取32个具体指标，构建了城市高质量发展水平指标体系，并基于此对京津冀城市群以及城市间的协调发展水平进行了综合评价。此外，孙久文（2022）等通过构建与之类似的指标体系，并运用定基功效系数法和空间自相关分析法分析了我国城市高质量发展的时间和空间演变格局，总体来看我国城市高质量发展水平逐年上升，空间上呈现出由东向西递减的规律，具有显著的空间集聚的特点。不仅如此，作者通过实证研究还发现，城市的海拔高度、地形地势、对外开放水平、市场规模以及公共财政水平等均会显著影响我国城市的高质量发展水平。

具体到智慧城市建设对城市高质量发展的影响研究方面，相关文献相对不足。现有文献多是对智慧城市试点政策进行评价这一角度出发，如赵蔡晶（2020）以绿色全要素生产率代表城市发展质量，运用双重差分法对271个地级市进行研究，证明智慧城市试点政策对城市发展质量有正向影响；张治栋等（2021）等构建了含有经济增长动能、经济增长结构、经济增长成果四个维度的城市高质量发展水平评价体系，同样运用双重差分法，也证明了智慧城市建设促进了城市高质量发展。

此外，还有很多学者從智慧城市试点政策对城市发展的某一方面进行了研究。在改善生态环境这一方面，石大千等（2018）运用双重差分法对2005—2015年197个地级市的面板数据进行回归分析，发现智慧城市建设显著降低了城市污染，降幅达9%～24%。崔立志等（2019）还发现，智慧城市对环境的改善程度随着智慧城市名单的依次公布逐步增强，人力资本水平和信息基础设施水平越高的城市，其污染减排的效应越显著。在经济发展方面，如杨振华（2018）研究发现，相对于未实施智慧城市战略的城市，实施城市的经济效率高出约1个百分点。此外，聂飞（2019）研究发现智慧城市试点作为制度创新的体现，有利于改善城市运行效率、优化城市管理模式和促进服务提升，从而扩大对外资企业的吸引力。李烨（2019）认为智慧城市通过提高城市运行效率，实现城市的可持续发展，切实增强了居民生活质量和获得感。在产业结构优化升级方面，赵建军等（2019）基于中国地级市的实证研究发现，智慧城市建设推动了城市产业结构升级，且在东部、中部地区智慧城市建设促进了产业结构高级化，但在西部地区其效应却不显著。

综上所述，依托数字经济、互联网通信以及物联网等高新技术和相关产业的发展，智慧城市相比于传统城市，具有强大的信息感知系统，各个部门系统间的深度互联与协同发展，大数据的智能处理与应用等多种创新点。凭借这些优势，智慧城市建设可以优化城市的产业结构，促进经济增长；提高城市创新能力，创造经济增长动能；降低城市污染，改善生态环境；提高城市建设能力和治理水平，改善民生福祉。这些都是与城市高质量发展紧密相关的重要因素。

三、影响机制与假设提出

（一）智慧城市建设通过升级ICT等基础设施促进城市高质量发展

智慧城市的建设与发展背景紧紧依托于数字经济的迅速发展。在该背景下，ICT等基础设施即是智慧城市的坚实基础，是智慧城市发挥最大效用的根本保障。推进智慧城市建设必然要求光纤宽带、5G基站等新型基础设施迅速在城市中铺开达到全面覆盖与应用。此外，“城市大脑”在现阶段已经成为建设一座智慧城市的基本配置，是智慧城市的“神经中枢”，也已经成为智慧城市最重要的基础设施之一。这些基础设施的全面建设与高新技术的全面应用，将会通过技术效应为城市释放巨大的发展潜力，促进城市高质量发展。

首先，光纤宽带、5G基站等新一代基础设施的建设大大提高了居民、政府以及企业等城市相关者之间的信息流通速度。居民医疗、教育、就业、养老以及各项政策等信息要素可以通过网络及时传达到需求方。新一代通信基础设施进一步促进了“一网通办，一网统管，一网协同”的全面布局，政府智慧治理能力大幅提高，这使得城市建设与治理中“即时反馈，即时解决”成为现实。政府可以更好地了解并及时解决市民所关注的问题，充分发挥服务市民和帮助企业的职能，进而提高了城市的建设与治理水平，改善社会民生，促进城市高质量发展。

其次，“城市大脑”作为一项新的城市基础设施，是智慧城市建设的中枢神经，凭借其强大的感应感知、监测追踪以及辅助决策等各项能力，提高城管、公安、应急、气象、交通等各个部门之间的协同联系。相比于传统城市，智慧城市建设可以更快更全面地了解到城市的各个角落的实时情况。比如“城市大脑”可以通过遥感监测等技术感知城市道路的交通状况，并及时反馈给司乘使其优化出行时间与路线以缓解道路拥堵；“城市大脑”中的应急管理平台，凭借卫星网络、新一代传感器等一系列新技术，可以在地震、山洪等灾难发生前发布预警传达给政府和市民，为居民自救以及政府采取紧急措施争取时间。“城市大脑”还可以凭借其更全面的污染监测系统，对企业污染物排放进行全方位、分类别监测，对污染超标的企业做出相应的惩治措施，以此改善环境，提高政府对环境治理的能力；不仅如此，智慧城市建设还有利于推进更全面的监控覆盖系统，减少城市公共区域的管治死角；在有效减少治安事件发生的同时，也有利于解决突发的意外事件。综上所述，拥有“城市大脑”的智慧城市不仅可以提高城市的运行效率，还可以提高城市安防、灾难应急水平等各项能力，这些也同样都是在大力推进城市高质量建设与发展的过程中不可忽视的方面。

因此，本文提出第一个假设H1：智慧城市建设可以通过升级ICT基础设施促进城市高质量发展。

（二）智慧城市建设通过增加智慧要素投入促进城市高质量发展

智慧城市作为新一轮的城市革新方案，其建设与发展需要诸多相关要素的支持，包括但不限于政策、资本以及人才等这些对城市发展有着重要影响的生产要素。

首先，在全国智慧城市建设的浪潮中，各地市政府都在加快制定并出臺智慧城市规划建设方案。政府可以充分发挥政策的导向作用，运用税收激励、设立专项资金等政策工具支持与智慧城市建设配套的相关产业发展。这些政策的出台，将会对产业结构的优化起到一定程度的引导支持作用，促进城市的经济发展，进而提高城市高质量发展水平。

其次，推动智慧城市建设会吸引大量资本和人才集聚。具体来看，大力推动智慧城市建设会吸引来自政府和社会相关企业大量的科技研发资金投入，这些资本的注入为高新产业的发展，传统产业升级改造以及产业融合发展等拓宽了融资渠道，提供了充足的资金支持。另外，智慧城市建设与发展离不开高技术高水平人才的支撑，因此，促进智慧城市建设需要政府出台积极的人才引进政策，促进人才集聚。根据内生增长理论，在智慧城市建设过程中会产生干中学效应，可以通过职业技能培训和进一步学习深造提升原有劳动力的素质和技能。进一步由该理论可知，资本和人力是促进经济发展的重要因素。因此，推动智慧城市建设可以促进城市经济增长，进而提高城市高质量发展水平。

最后，资本和人力这两大要素也是推动创新发展的重要动力源，一方面资本为创新发展带来了充足的科技研发投入，为创新活动提供激励作用；另一方面人才是创新发展的根基与源泉，为创新驱动发展提供有力支撑。人才聚集会形成知识溢出效应，减少知识传递所需要的空间与时间距离，降低知识流通成本，促进知识类型多元化，推动知识间的优势互补与融合发展，提高城市的创新氛围，提升城市的创新能力。目前，城市未来的发展越来越依靠创新所发挥的驱动作用，城市创新能力也逐渐成为衡量一座城市高质量发展水平的重要指标。因此，智慧城市建设可以通过增加人力和资本等智慧要素的投入促进城市创新水平，进而提高城市高质量发展水平。

因此，本文提出第二个假设H2：智慧城市建设可以通过增加智慧投入促进城市高质量发展。

（三）智慧城市建设通过创造智慧成果促进城市高质量发展

数字经济的发展与智慧城市建设的推进紧密相关。一方面，智慧城市的诞生与建设得益于数字经济的迅速发展，数字经济是智慧城市建设与发展的最重要的底层技术支撑之一，为智慧城市的建设与推进提供了巨大的支持；另一方面，建设智慧城市也会推动城市的数字化与智慧化转型发展，创造智慧成果，为数字经济带来新的发展机遇与契机，具体可以从推进数字产业化和产业数字化两个视角来研究。

首先来看智慧城市建设推动数字产业化发展。数字产业化是指通过数字技术所带来的相关产品和服务。例如电子信息制造业、信息通信业、软件服务业、互联网业等，这些产业都是有了数字技术后才出现的新兴产业。为了支撑智慧城市的建设与运转，城市需要大力发展大数据、物联网、云计算等相关数字产业，因此建设智慧城市本身需要培育或引进一批这些数字高新产业。其次，建设智慧城市又会推动一批产业数字化。产业数字化是指这些产业原本就存在，但是利用数字技术后，带来了产出的增长和效率的提升。数字产业快速发展服务智慧城市建设的同时，还能够凭借其在其他领域强大的渗透适配能力，可以为传统产业提供数字化升级改造方案和智力支持，为传统产业赋能增效，提高其产业附加值，促进产业融合发展，借机帮助传统产业完成转型升级的任务。比如新冠疫情以来，在线教育和在线办公得到了进一步发展，为在居家的人们提供了学习和工作的条件；得益于5G网络、物联网、人工智能等技术的兴起，智慧医疗也得到了迅速发展。大力建设智慧城市为这些产业的进一步转型发展提供了良好的基础环境，反之这些产业的发展也为智慧城市的后续建设提供了巨大的推动力。由此可见，智慧城市建设可以推动数字产业化和产业数字化的发展，促进高新技术产业的发展，使得产业结构高级化、合理化，释放新的经济增长点，提高城市高质量发展水平。

此外，在智慧城市建设标准的要求下，对传统产业的发展也提出了新的要求，这些要求会倒逼高能耗、高污染、低附加值的产业转型升级，在一定程度上加快淘汰落后产业，进一步使得产业结构优化升级。

促进产业机构优化升级，转变经济发展方式，一直以来是我国推动经济转型发展的重点之一，也是推动我国经济高质量发展以及城市高质量发展的内在要求。

因此，本文提出第三个假设H3：智慧城市建设可以通过创造智慧成果，促进产业机构优化升级，进而促进城市高质量发展。

四、智慧城市建设水平与城市高质量发展水平测度与分析

（一）评价方法和评价对象的选取

本文基于前人研究文献、智慧城市建设水平和城市高质量发展水平两大指标体系的特征，选择熵权TOPSIS法来进行测度。熵权TOPSIS法是将熵权法和TOPSIS两种方法结合起来，充分集成两种方法的思想，得到的一种新的评价方法。熵权TOPSIS法的基本思想是首先用熵权法计算出每个指标的权重，然后利用TOPSIS法进行综合评价并排名。这种方法相比于其中单独的一种方法具有减少人为等因素所导致的误差，提升科学性和合理性的优势。熵权TOPSIS法的计算过程如下：

1.构建原始数据矩阵

设有样本城市数为n，评价体系中有m个指标，将第i个城市的第j个指标记为X ij ，构建如下原始数据[n×m]矩阵X ij ：

2.数据预处理

为了解决数据量纲化、数量级以及指标属性方向的问题，先将数据进行无量纲化处理。

对于正向指标，通过公式3.1进行处理。

对于逆向指标，通过公式3.2进行处理。

3.利用熵权法计算权重

（二）评价对象的选择

本文根据住建部于2012年发布的首批智慧城市建设名单，选择各试点所属地级市作为本文研究对象。由于部分城市数据获取难度大，删除河南省的济源市、海南省的万宁市、新疆维吾尔自治区的巴音郭楞蒙古自治州库尔勒市和伊犁哈萨克自治州奎屯。为使样本数据覆盖我国31个省级行政区（不含港、澳、台地区）以及考虑到一些城市的发展程度以及政治地位，在首批名单基础上又增加了呼和浩特、长春、哈尔滨、合肥、海口、西安、银川、乌鲁木齐、南宁、西宁、兰州等11个省会城市和厦门、青岛等2个副省级城市。所选样本共计80个城市，时间跨度为2012—2019年。具体见下表。

（三）智慧城市建设水平评价指标体系构建及测度分析

智慧城市建设是一个具有综合性、复杂性、系统性等特点的大型城市更新项目。目前，我国智慧城市在实际建设情况中尚无统一的建设与评价标准，每个城市在建设过程中都有各自的特色和侧重点，各个城市公开的相关数据指标有限且不统一。本文在参考前人文獻并总结国内外研究成果和国家制定的新型智慧城市参考标准的基础上，从智慧城市基础设施建设、智慧投入以及智慧成果三方面构建智慧城市建设水平的评价指标体系。

首先，我们要考虑城市中信息通信基础设施的建设是否完善，ICT等基础设施是建设智慧城市的基石，这将直接影响到未来智慧城市的运行效率以及对其他领域的辐射带动程度；其次，各方面生产要素的投入也对智慧城市的建设有着重要的影响，充足的要素投入为建设智慧城市建设提供了有力的支撑；最后，要考虑智慧城市建设取得的成果，这些是智慧城市建设成效的直接体现。

在智慧城市基础设施方面，本文选择互联网宽带接入用户数和移动电话用户数来反映智慧城市信息通信基础设施的建设水平。在各方面生产要素投入方面，选择了各地政府每年发布的智慧城市相关文件数量来反映政策支持程度；选择了科学技术支出占GDP比重来反映建设智慧城市的资本投入力度；选择了信息传输计算机服务和软件业从业人数来反映建设智慧城市的人才投入力度。在智慧城市建设成果方面，选择了电信业务收入来反映ICT基础设施建设取得的成果；选择地铁通车里程和智能交通的百度指数来共同反映城市交通智慧化的发展程度；选择了数字普惠金融指数来反映金融领域智慧化的发展程度；选择了一般工业固体废物综合利用率和在线教育、智慧医疗、智慧产业这三个百度指数来反映教育、医疗等产业智慧化的发展程度。

根据上述智慧城市建设水平指标体系，运用熵权TOPSIS法测算出2012—2019年80座智慧城市的建设水平。首先，利用熵权法计算出各个三级指标的权重，并进一步得出基础设施建设、智慧投入、智慧成果三个二级指标的权重分别为9.25%、28.07和62.68%。最后利用TOPSIS法计算各个城市历年所得评分，并根据均值进行排名。

根据测度结果，2012—2019年期间80个城市智慧城市建设水平都得到了不同幅度的提升，80个城市总体平均分年平均增长率为8.01%。从全国总体来看，平均得分排名前十位的是北京、上海、广州、深圳、重庆、杭州、成都、天津、南京和苏州。从年均增长率来看，有23座城市年均增长率超过了10%，39座城市超过了8%。

分区域来看，我国智慧城市建设水平存在着明显的区域发展差距。建设水平排名前十位的城市中，东部城市占据了8个名额，西部城市占据两个，中部地区和东北地区没有城市进入前十位。其中北京和上海是仅有的两个综合得分超过0.5的城市，2019年，东部地区平均分为0.188高出东北地区74%。此外，在年均增长率超过10%的23座城市里，其中有22座位于中西部地区，1座位于东部地区。可见，我国中西部样本城市的智慧城市建设总体发展水平虽然发展现状距东部地区还有较大差距，但目前正处于快速发展期。同样从上图中也可以看出，东部智慧城市建设水平明显高于其他地区，也只有东部地区平均水平超过全国平均水平；中、西、东北部2012年平均得分差距不大，经过多年发展后，2019年中部西部两大区域间样本城市的发展平均水平依然保持较小差距，但东北地区智慧城市建设水平已经明显低于其他地区。

此外，对指标体系中各个维度分别运用熵权TOPSIS法进行测度并进行进一步的分析。全国80个样本城市2012—2019年智慧城市建设各维度分区域年平均水平如图2所示。由下图可以看出，ICT等基础设施施建设、智慧投入和智慧成果三个维度的评分均呈现上升趋势，其中智慧成果增速最快，智慧投入与ICT基础设施施建设次之。这些变化主要得益于我国近年来不断加大对智慧城市的投入，持续扩大试点数量；提出宽带中国等相关战略，积极采取提速降费，光纤下乡等措施完善ICT等基础设施建设；大力发展数字经济，推动数字产业化和产业数字化发展，巩固智慧发展成果。此外，还可以从图中看出，智慧成果评分与智慧城市建设总体水平的发展趋势基本吻合。因此，一个城市的智慧发展成果水平一定程度上就体现了智慧城市建设水平。分区域来看，东部地区样本城市在各维度都处于领先水平，中部与西部地区样本城市各维度处于迅速发展阶段，而东北地区各维度来看发展速度较为迟缓，各维度发展都有所不足，甚至在智慧投入方面出现了负增长。在ICT等基础设施施维度方面，中部地区仍需要继续推进ICT等基础设施施的建设，加快在城市的覆盖范围。

综上所述，我国80个智慧城市试点城市建设水平总体处于迅速发展阶段，但存在区域发展不协调、不均衡现象。各区域尤其是东北地区和中部地区样本城市要继续大力推进ICT相关基础设施，加大智慧城市建设的政策支持力度，积极和相关优质企业合作建立专项资金，采取积极的人才引进政策，促进人才集聚。此外，要积极推进技术应用和成果转化，提高智慧城市建设水平。

（四）城市高质量发展水平评价指标体系构建及测度分析

城市高质量发展虽然目前尚没有明确的定义，但我国学者已经有了非常丰富的研究。现阶段对城市高质量发展的评价不再仅仅关注城市经济是否增长，更加注重生态环境改善、科技创新、人民安居乐业等多方面的协调发展。城市建设要充分贯彻以人为本的发展理念，致力于避免城市衰退，促进城市可持续发展。本文根据中国共产党第十九次全国代表大会上所提出的高质量发展需要贯彻遵循的创新、协调、绿色、开放、共享等新发展理念，整理总结前人的研究以及结合前文影响机制的基础上，构建如下城市高质量发展水平评价指标体系。

本指标体系包含经济发展、创新驱动、生态改善、城市建设以及社会民生等五个维度。其中经济发展维度选择了人均GDP体现经济综合发展水平、第三产业增加值占比以反映城市的产业结构变化，财政支出水平以反映政府支出对经济发展的影响，选择实际利用外资额和进出口总额来体现城市的外贸依存度以及对外开放水平。在创新驱动维度，选择创新和教育投入强度体现城市对创新发展的支持力度，选择专利获得数反映城市的创新产出水平，在校大学生数一定程度上可以反映城市高校教育资源以及后续高质量人力资本的供给情况，而高质量的人力资本是促进城市创新发展的重要主体。因此，本文参照邵汉华（2019）、李斌（2020）等构建的创新评价指标体系，将在校大学生数纳入创新驱动维度。在生态改善维度，选择了空气质量优良天数、工业废水废气、城市绿化率等6个指标评价。在城市建设维度，选择了人均城市道路面积等3个指标反映城市建设水平。在社会民生维度，选择了公共图书馆总藏量反映城市文娱类设施建设；选择每万人医疗、养老保险参保数和医院床位数反映城市的医疗、养老等社会保障水平；选择城镇登记失业率和在岗职工平均工资反映城市居民就业水平。上述五个维度共计24个具体指标，具体指标见下表。

本文同样采取上文所用到的熵权TOPSIS法对城市高质量发展水平进行测度。首先利用熵权法计算各个指标的权重，并进一步，计算出二级指标在指标体系中所占权重。

最后，利用TOPSIS法计算各个城市高质量发展水平历年所得评分，并根据均值进行排名。

根据测度结果，80个样本城市的高质量发展水平总体呈上升趋势，2012—2019年城市高质量发展水平综合得分涨幅42.87%，年均增长率2.35%。年均综合得分前十位的城市依次是深圳、上海、北京、广州、苏州、杭州、武汉、南京、成都和西安。其中仅深圳、上海和北京三个城市得分超過0.5，0.4到0.5区间仅广州一个城市，超过0.3分的共计有13个城市。

分区域来看，城市高质量发展水平也同样存在着显著的区域差异性。前10位的城市中东部城市超过一半达到7个，2个西部城市，中部城市仅武汉上榜，东北部没有城市进入前10位。值得一提的是，前10位中仅有苏州一个非省会（直辖市）城市入选。由此可见，东部地区有多个龙头城市存在，而其他地区龙头城市较少，甚至没有。在综合得分增长率方面，东部样本城市年平均增长率最快，西部次之快于中部，东北部样本城市年平均增长率最慢。从上图也可以看出，东部城市平均综合得分显著高于其他地区，其他地区发展水平依次为西部地区、中部地区和东北地区，均低于全国平均水平。

从各维度分析各区域的城市高质量发展水平，如下图所示。第一，在经济发展维度方面，各区域中的样本城市经济发展水平总体呈上升趋势，东部地区经济发展显著强于其他地区。中部地区发展速度最快，年均增长率超过了5%达到了5.87%，并于2016年超过东北地区样本城市的经济发展水平。东北地区样本城市增速最慢，期间出现了下降的趋势，于2017年稍有回升。第二，在创新驱动维度方面，总体上看与经济发展维度趋势相同呈上升趋势，且有着显著的区域差异。东部地区创新水平最高且仍保持快速增长，2019年创新驱动力与2012年相比上涨了31.44%，中西部涨幅接近分别为15.71%和15.1%；东北地区创新驱动力不足且增速滞缓，显著落后于其他地区。第三，在生态改善维度方面，全国80个样本城市平均水平呈波动上升趋势。西部区域样本城市的生态环境改善成果显著，2019年生态改善得分在各区域样本城市中平均得分排名首位；中部地区样本城市生态改善评分在各区域中排名最后，生态改善治理力度不足。第四，在城市建设维度方面，全国样本城市总体呈稳步上升趋势，西部与中部地区城市建设得到了快速发展，相比于2012年增幅分别达到21.6%和19.92%；而东北地区样本城市，城市建设水平出现了下降趋势。第五，在社会民生方面，全国样本城市中总体平均值来看，社会民生得到了进一步改善，分区域来看，西部地区增速最快涨幅达到39.54%并且于2014年超过了东北地区；东北地区样本城市社会民生得分于2019年出现了一定幅度的下降。

综上所述，我国80个样本城市的高质量发展水平呈稳步上升趋势，但部分区域中的样本城市在发展中也存在诸多问题。东北地区作为我国老工业基地，传统产业转型升级困难导致经济发展出现瓶颈。此外，近年来，东北地区人口外流严重，人才供给不足，一定程度上导致创新驱动力不足；中部地区经济发展虽然速度较快，但在发展过程中要注意城市生态环境保护，更加注重社会民生，使发展成果惠及更多人民；西部地区样本城市总体发展较为均衡且各方面仍保持较快速度增长，未来要继续坚持创新驱动发展战略引进高端人才和高新技术产业，致力于提高西部区域内协调发展能力，并缩小与东部地区发展差距。

五、智慧城市建设对城市发展质量影响的实证分析

（一）变量选取

1.被解释变量

为更好地体现城市高质量发展水平，本文被解释变量选用第四章第四节利用熵权TOPSIS法测度的城市高质量发展水平的结果（CDQ）来表示。

2.核心解释变量

本文的核心解释变量为智慧城市建设水平，选用第四章第二节利用熵权TOPSIS法测度的智慧城市建设水平的结果（SMART）来表示。

3.机制变量

为进一步研究智慧城市建设对城市高质量发展的影响机制，验证第三章所提出的假设1-3，本文对智慧城市建设水平指标体系各维度分别用熵权TOPSIS法进行测度评价，所得分作为机制变量ICT基础设施施建设（ICT）、智慧投入（SMI）和智慧成果（SMO）。

4.控制变量

本文从影响城市高质量发展的因素出发，并参考现有文献，控制变量选取各样本城市的人均生产总值（PGDP）；城市规模用各城市的城镇化率（UR）来表示；人力资本用在校大学生数（HUM）来表示。

各變量汇总如下表：

（二）数据说明

本文被解释变量、核心解释变量以及机制变量是利用熵权TOPSIS法计算的，其原始数据来源已经在第四章进行了说明。控制变量原始数据来源于EPS数据库、城市统计年鉴以及各地区统计年鉴和国民经济和社会发展公报。由于部分指标在部分年份有空缺，对于各指标的缺失数据用插值法进行补齐。在进行实证分析前，为了解决数据量纲化、数量级等问题，减少数据异方差所带来的影响，控制变量用公式4.1进行数据标准化处理。下表为各变量的描述性统计。

（三）模型构建

1.基准回归模型

面板数据模型由于同时考虑了时间和个体效应，这在一定程度上缓解了由遗漏变量偏差的问题，面板数据模型也因此相比于截面数据模型提供了更多个体动态行为的信息，更能准确地刻画出复杂的经济行为。因此，本文首先利用我国80个城市2012年到2019年的面板数据来构建静态面板回归模型。该模型的一般表达式如下：

2.系统GMM模型

一般来说，城市的高质量发展水平会具有一定的惯性，即当期城市的高质量发展水平不仅受当期相关因素的影响，还有可能受到上一期城市的高质量发展水平影响。因此，在模型中引入上一期城市的高质量发展水平，构建了动态面板数据模型4.9并且采用系统GMM估计法来研究智慧城市建设水平对城市的高质量发展水平的动态影响。选用GMM模型不仅可以利用该模型对上述模型进行改进和修正以减少内生性，还可以对基准回归模型进行稳健性检验。

GMM模型又分为差分GMM和系统GMM。其中差分GMM是对基本模型进行一阶差分以去除固定效应的影响，然后用一组滞后的解释变量作为差分方程中相应变量的工具变量。但在有限样本下差分GMM方法存在严重的弱工具变量问题，从而导致系数估计结果精度较差。后来Arellano和Blundell等人为了解决这一问题，基于新的复合矩条件，提出了系统GMM。系统GMM是在差分GMM的基础上结合了差分方程和水平方程，还增加了一组滞后的差分变量作为水平方程的相应的工具，使得估计结果更稳健。系统GMM又分为一步法和两步法，两步法是在一步法的基础上，把一步法的估计结果所得到的残差项加入新的待估计模型中，从而建立一致的方差—协方差矩阵。与一步法相比，两步法在此基础上放松了对于残差的假设，不再要求同方差和残差独立。综上所述，本文选取了两步系统GMM对动态面板模型进行估计。

（四）实证检验与结果分析

1.相关系数检验

为了进一步观测各变量之间的相关关系，首先来对变量进行相关性检验，得到了相关系数矩阵结果如下表：

由上表可知，被解释变量城市高质量发展水平与核心解释变量智慧城市建设水平以及控制变量均在1%的显著水平上呈正相关。此外，由上表可以看出有个别变量的相关系数超过了0.7，需要做进一步检验，来判断各变量间是否存在多重共线性。

2.多重共线性检验

为了避免多重共线性导致后续回归结果不准确等问题，利用方差膨胀因子（VIF）对变量间进行多重共线性诊断。结果如下表：

由表8可知方差膨胀因子均小于5，更是远小于通常所说的临界值10，所以模型变量间不存在多重共线性。

3.基准回归结果分析

静态面板数据回归模型主要包括混合OLS模型、随机效应模型和固定效应模型。模型5.2的估计结果如下表：

由上表回归结果可知，混合OLS、固定效应模型（FE）和随机效应模型（RE）三种模型除变量的系数大小有所差异外，其核心解释变量和控制变量的系数方向和显著性均保持一致，这在一定程度上说明该模型是稳健的。此外，经过Hausman检验，其P值为0.0000，拒绝了Hausman个体影响与核心解释变量即智慧城市建设水平不相关的原假设，因此选择固定效应模型更为适合，其结果更为准确，因此下文采取了双向固定效应模型进行进一步分析。

上表是控制了城市个体效应和时间效应的回归结果，模型（4）是未加入控制变量时的回归结果，可以看出智慧城市建设水平在1%的显著性水平下可以促进城市高质量发展，智慧城市建设水平得分每上升一分，城市发展质量提高0.209分。模型（5）至模型（7）是依次加入控制变量后的回归结果.可以发现，核心解释变量的系数基本上保持下降趋势，且其系数的符号方向和显著性均未发生变化。这说明了除城镇化率这一控制变量未对城市高质量发展水平造成显著性影响外，城市人均生产总值和人力资本都在一定程度上提高了城市发展质量。

4.影响机制检验

根据上文的实证结果分析，已经证实了智慧城市建设水平会显著促进城市高质量发展。为了进一步研究智慧城市建设对城市高质量发展的影响机制，验证假设1-3，本文将前文利用熵权TOPSIS法单独测算的各城市ICT基础设施建设、智慧投入、智慧成果三个维度的得分作为机制变量替换核心解释变量智慧城市建设水平，并分别运用双向固定效应模型进行回归，回归结果如下表。

由上表可知，城市ICT基础设施建设、智慧投入和智慧成果均促进城市高质量发展水平提高，且均在1%的置信水平上显著。此外，通过上表还可以看出智慧成果对城市高质量发展水平的影响程度要高于ICT基础设施建设和智慧投入。因此，在智慧城市建设中，在推动完善升级ICT基础设施，加大智慧投入的同时，要及时将ICT设施应用到相关产业发展，充分发挥政策、资本以及人才等生产要素所带来积极效应，加快技术成果转化，促进产业结构优化升级，进而提高城市高质量发展水平，假设1-3成立。

5.异质性检验

（1）区域异质性检验

由前文所测度的结果来看，智慧城市建设水平和城市高质量发展水平具有明显的区域异质性差异。此外，湛泳等（2021）大多数学者也都认为我国区域经济发展总体水平、智慧城市建设现状存在着严重的区域发展不平衡，湛泳还进一步指出智慧城市建设对经济高质量发展的影响存在区域差异。我国目前东部沿海地区城市在通信基础设施建设、产业发展水平以及城市创新能力等各方面都普遍优于我国其他地区，综合来看东部地区推进智慧城市建设的各项基础与城市高质量发展水平本身就要高于其他地区。此外，每个地区的文化背景、学习应用能力、开放水平以及领导者能力也有著不同程度的差异，因此智慧城市建设对城市高质量发展的影响程度也有所差异。

由下表可以看出，除东北地区智慧城市建设水平未对其城市高质量发展水平产生显著影响外，其他区域智慧城市建设水平对城市高质量发展水平的影响程度依次是中部、西部和东部。探究其原因，可能因为是东部沿海区域相比于其他区域本身经济发展和产业结构就更为发达，开放水平更高，各项基础设施也更为完善，城市治理效率更高且经验更丰富，其城市高质量发展水平并不是主要依靠智慧城市建设来拉动，因此智慧城市建设水平对其高质量发展的影响较其他区域更低。相反中西部地区由于采取了新的城市发展模式，相较于传统的发展模式，城市释放了更多发展潜力，大大提高了城市的运行效率。此外，通过建设智慧城市，中西部城市还引进培育了一批高新产业，优化了城市产业结构，创造了新的城市经济增长点，使得智慧城市的建设效益要大于东部。至于东北部未出现显著影响的原因可能有以下两点，一是因为在区域划分中，东北区域样本城市相较于东、中和西部较小，智慧城市建设试点数量也较少，在样本上没有其他区域更为充足；二是因为东北区域智慧城市建设水平相比其他区域更低，对城市高质量发展水平产生的影响不足。

（2）城市规模异质性检验

刘成杰等（2021）、胡星辰（2022）等多个学者认为智慧城市建设水平对城市经济发展的影响会因为城市规模的差异而导致影响程度有所不同。其中胡星辰进一步指出，城市规模等级往往和一个城市的创新能力、产业结构高级化水平等呈现正相关的趋势。此外，就我国城市规模大的城市而言，城市等级更高，经济发展基础以及社会资源等方面更具有优势。因此，考虑到不同的城市规模会使智慧城市建设水平对城市高质量发展的影响程度产生差异，本文根据国务院发布的《国务院关于调整城市规模划分标准的通知》对样本城市进行分类。由于部分城市等级样本数量较少，会对回归结果准确性造成影响，因此本文将样本城市分为两类：大型城市和中小型城市。大型城市为城区常住人口数量达到300万以上，即文件中的超大城市、特大城市和Ⅰ型大城市；中小型城市为城区常住人口数量不足300万，即文件中的Ⅱ型大城市、中等城市、Ⅰ型小城市和Ⅱ型小城市。实证检验结果如下表。

如表13所示，大城市中智慧城市建设水平对城市高质量发展的影响在1%的水平上显著；在中小城市样本中，虽然显著性有所降低，但仍然在10%的置信水平上显著。此外，在人口规模大的城市中，智慧城市建设水平对城市高质量发展的影响程度要高于人口规模小的城市。这可能是因为在人口规模大的城市中推行智慧城市建设，所获得福利效益覆盖的人群更多。而且智慧城市的建设紧紧依托于数字经济迅速发展的背景，而数字经济具有边际成本递减，边际报酬递增等特点。因此，在人口规模大的城市中推行智慧城市建设更能够促进城市高质量发展水平提高。

6.动态面板模型分析

为了进一步证明前文所研究的智慧城市建设水平对城市高质量发展的影响具有稳健性，考虑到城市高质量发展水平会受到上一期结果的影响，本文在模型5.2中引入滞后一期的城市高质量发展水平构建了动态面板模型5.3，并采用系统GMM的估计方法以减少模型中所存在的内生性问题，避免回归结果失真。

系统GMM模型必须先通过两个检验，一是扰动项不存在二阶自相关；二是通过过度识别检验，即所有工具变量是外生有效的。由上表可知列（19）到列（22）中，所有的AR（1）均小于0.1且AR（2）大于0.1，因此接受了扰动项不存在二阶自相关的原假设。此外，列（19）到列（22）中所有的Hansen检验的P值大于0.1，可以通过过度识别检验，认为所有的工具变量是外生有效的。综上，该模型确定通过了系统GMM模型所需的两个检验条件，采用系统GMM模型的估计结果是有效的。

具体来看回归结果，上一期的城市高质量发展水平会对本期城市高质量发展水平产生显著影响。核心解释变量智慧城市建设水平可以促进城市城市高质量发展，其系数随着控制变量的加入逐步减小，符号方向显著为正，显著性虽然最后有所降低，但依然在5%的置信水平上显著。在控制变量方面，除城镇化率这一变量，城市人均生产总值和人力资本分别在1%和5%的显著性水平上和城市高质量发展水平呈正相关，此结果与前文静态面板模型的实证研究结果基本保持一致，进一步说明了该实证结果具有稳健性。

六、结论与建议

（一）结论

本文首先构建了智慧城市建设水平和城市高质量发展水平两大指标体系，并运用熵权TOPSIS法对样本城市进行测度，得出以下结论：第一，我国80个样本城市的智慧城市建设水平与城市高质量发展水平在2012—2019年总体呈上升趋势；第二，80个样本城市中，智慧城市建设水平与城市高质量发展水平存在着显著的区域差异，东部地区在各方面都处于领先地位；第三，分维度来看，部分区域在一些维度里存在发展速度慢，甚至出现负增长的情况，但仍存在很大的发展空间与潜力，针对弱势项需要及时调整发展战略，促进智慧城市建设水平提高和城市高质量发展。

在实证研究部分，本文运用基准回归模型、双向固定效应模型和系统GMM模型对智慧城市建设水平与城市高质量发展水平间的相关关系进一步研究，发现智慧城市建设水平显著促进了城市高质量发展。在影响机制检验中，本文将利用熵权TOPSIS法单独测算的城市ICT基础设施建设、智慧投入、智慧成果三个维度的得分作为机制变量替换核心解释变量智慧城市建设水平，发现三个维度均可促进城市高质量发展。此外，又通过分组回归，发现智慧城市建设对城市高质量发展的影响具有区域异质性和城市规模异质性的特点。

（二）建议

我国智慧城市发展从试点建设到在全国推广过程中取得了丰富的实践经验，为解决城市问题提供了切实可行的全新方案。根据本文的影响机制研究以及实证研究结论提出对未来发展建议。

第一，持续扩大智慧城市试点数量，大力推动智慧城市建设，促进城市高质量发展。智慧城市建设经过多年时间的实践发展，已经陆续发布了三批智慧城市试点名单。结合前人相关文献以及本文的研究，可以明确智慧城市作为城市经济新的增长点，其建设对提高城市运行效率，优化城市产业结构，增强城市创新能力，改善城市生态环境进而促进城市高质量发展有着积极显著的作用。针对城市规模较大、但城市高质量发展水平不足的中西部城市，更应该积极推动智慧城市建设，改善城市管理模式，提高城市治理水平与运行效率，释放城市新的发展潜力。

第二，加快推进ICT等新型基础设施建设，为智慧城市建设打下坚实基础。ICT等新型基础设施建设是智慧城市建设的坚实基础，宽带光纤、5G基站、大数据中心等设施的建设与应用是智慧城市有效运行的坚实保障。因此，为了更好地发挥智慧城市的作用，提高城市高质量发展水平，必须要加快完善互联网通信、物联网、大数据等相关基础设施建设。此外，积极构建以“城市大脑”为核心的智慧系统，对接城市治安、交通、政府办事、应急管理以及产业发展等各个系统，实现“1+N”的智慧城市建设布局，提高城市运行效率与治理能力，为人民群众和企业提供更便利的社会服务，促进城市高质量发展。

第三，各地政府加大对智慧城市建设的政策、资本以及人力等各要素的支持，推动智慧城市建设水平稳步提高。在政策制定方面，各地政府加强顶层设计，高质量出台智慧城市建设规划方案。在制定方案时既要借鉴发达地区智慧城市的建设经验，又要统筹考虑当地的发展状况，不能盲目照搬照抄。在资本投入方面，政府牵头并积极和优秀企业合作吸纳社会各方资本，设立智慧城市建设专项资金为各类基础设施顺利保质保量完成建设以及后续相关配套设施建设提供资本保障。在人才引进与培育方面，政府要制定人才引进政策，尤其是通信、计算机技术、网络安全以及人工智能等领域的高技术人才，为智慧城市建设组建一支先进的人才队伍。此外，政府相关部门要疏通与高校和企业的合作沟通渠道，培养智慧城市建设相关人才，支持为劳动者提供专业技能培训，引导社会更多人才参与到智慧城市建设中来。

第四，加快推动技术成果的转化与应用，优化城市产业结构，促进城市高质量发展。由实证检验结果可知，智慧成果维度是推动城市高质量发展的主要推动力，因此要着力推动新一代信息与通信技术、大数据以及云计算等高新技术与传统产业的发展相结合，推动产业数字化和数字产业化的共同发展。凭借高新技术所带来的巨大优势，促进传统产业转型升级，提高生产效率并扩大产能，创造新的城市经济增长点，促进城市高质量发展。

参考文献：

[1]Giffinger R ．Smart City Concepts ：Chances and Risks of Energy Efficient Urban Development[C]．International Conference on Smart City & Green ICT Systems（SMARTGREENS），Lisbon：IEEE，2015，3-16．

[2]Jabareen Y R . Sustainable Urban Forms Their Typologies， Models， and Concepts[J]. Journal of Planning Education & Research， 2016， 26（1）：38-52.

[3]陈小卉，郑文含.基于绿色发展的城市发展质量评价研究——以江苏为例[J].城市规划学刊，2017（03）：70-77.

[4]崔立志，陈秋尧.智慧城市渐进式扩容政策的环境效应研究[J].上海经济研究，2019（04）：62-74.

[5]丁江辉.中日城市化高质量发展比较研究——基于两国1985—2014年的实证分析[J].江西社会科学，2018，38（05）：44-53+254.

[6]段宗志，周葦苇，汪红雨.基于熵权-TOPSIS模型的城市智慧建设水平分析——以合肥市为例[J].昆明理工大学学报（社会科学版），2022，22（02）：73-80.

[7]韩冬.城镇化高质量发展水平测度——基于京津冀城市群的实证[J].统计与决策，2022，38（04）：93-97.

[8]胡星辰.智慧城市建設对城市经济增长的影响[J].宁夏大学学报（人文社会科学版），2022，44（01）：85-92.

[9]李斌，田秀林，张所地，赵华平.城市创新能力评价及时空格局演化研究[J].数理统计与管理，2020，39（01）：139-153.

[10]李烨.智慧城市建设能提高居民获得感吗——基于中国居民的异质性分析[J].吉林大学社会科学学报，2019，59（06）：107-119+221.

[11]廖海军，周耿忭，邓啸林，尤庆建.系统提升省会品质 推进城市高质量发展[J].城市发展研究，2020，27（07）：7-10.

[12]刘成杰，胡钰苓，李虹桥，张娜.中国智慧城市试点政策对城市发展质量的影响——基于韧性发展的视角[J].城市问题，2021，（11）：79-89.

[13]聂飞.国家“智慧城市”试点对FDI的“二元边际”扩展的影响：理论机制与实证[J].国际贸易问题，2019（10）：84-99.

[14]曲岩，王前.智慧城市发展水平测度指标体系的构建[J].统计与决策，2018，34（11）：33-36.

[15]邵汉华，齐荣.长江经济带城市创新驱动发展水平测度[J].城市问题，2019（09）：11-18.

[16]石大千，丁海，卫平，等.智慧城市建设能否降低环境污染[J].中国工业经济，2018（6）：117-135.

[17]孙久文，蒋治，胡俊彦.新时代中国城市高质量发展的时空演进格局与驱动因素[J].地理研究，2022，41（07）：1864-1882.

[18]杨振华.智慧城市能否提高经济效率——基于智慧城市建设的准自然实验[J].科技管理研究，2018，38（10）：263-266.

[19]湛泳，李珊.智慧城市建设、创业活力与经济高质量发展——基于绿色全要素生产率视角的分析[J].财经研究，2022，48（01）：4-18.

[20]张治栋，赵必武.智慧城市建设对城市经济高质量发展的影响——基于双重差分法的实证分析[J/OL].软科学：1-11[2021-10-26].

[21]赵蔡晶，吴柏钧.智慧城市建设促进了城市发展质量提升吗？——基于多期DID方法的政策效应评估[J].经济经纬，2020，37（06）：18-27.

[22]赵建军，贾鑫晶.智慧城市、人力资本与产业结构转型升级[J].价格理论与实践，2019（08）：161-164.

Research on the Impact of Smart City Construction on the High-quality Development of Cities

Zhang Yongqing， Luo Han

（School of Management， University of Shanghai for Science and Technology，Shanghai 200093）

Abstract： In the context of high-quality development， smart cities， as a new solution to urban problems and a new growth point of urban economy， have developed rapidly in China. This paper constructs two index systems of smart city construction and high-quality development of the city respectively， and uses the entropy weight TOPSIS method to analyze the smart city construction and high-quality development level of 80 sample cities in China. In addition， according to the panel data of the sample cities from 2012 to2019， the fixed effect regression model and the system GMM model were used to conduct empirical research on the correlation between the level of smart city construction and the level of high-quality development of the city， and the following conclusions were drawn：First， smart city construction can significantly promote the high-quality development of cities. Second， the impact of smart city construction on the high-quality development of cities is heterogeneous. In terms of regional heterogeneity， except for the samples in the Northeast region， the level of smart city construction in other regions has significantly promoted the high-quality development of the city， and the degree of influence from strong to weak is the central， western and eastern regions. In terms of the heterogeneity of city scale， the degree of influence of the level of smart city construction on the level of high-quality development of cities is that large cities are stronger than small and medium-sized cities. Third， in terms of the impact mechanism test， the sub-dimensional test proves that the level of smart city construction can promote the high-quality development of the city by upgrading ICT and other infrastructure， increasing investment in smart elements， and creating smart achievement.

Key words： Smart City; High-quality Development; Entropy Weight TOPSIS; SYS-GMM