智慧城市建设如何影响城市运行效率——来自中国智慧城市试点的准自然试验

韩朝亮，孙旭

（哈尔滨商业大学经济学院，黑龙江 哈尔滨，150028）

引言

城市作为各类生产要素聚集的场所，其运行效率深刻影响着人们的生产、生活。城镇化进程的加快伴随着持续增加的城市规模和人口压力，进而导致城市资源和市民需求的失衡，以及由之所引起的交通拥挤、住房紧张、环境污染、政府服务、管理效率低下等问题加剧，对城市运行和管理造成了严峻挑战。

自2010 年IBM 提出“智慧的城市”愿景以来，建设智慧城市已经成为国际公认的改善市民生活品质、改善城市治理与服务和推动经济增长的重要途径[1]。各国各地区也为探索智慧城市建设落实了许多创新之举，2011 年6 月,韩国首尔发布“智慧首尔2015”计划，计划提出，发放证明书、缴纳税金等由政府机关和网站负责的行政服务，从2012年开始按阶段向移动端扩展。到2014年,市民可在智能手机、平板电脑上完成81 项首尔市行政服务。多伦多作为加拿大国家金融中心和重要港口城市，是全球多元化都市之一。多伦多政府建设Wellbeing Toronto 网站，方便市民对多伦多140 个社区的就业率、犯罪率、安全性、经济、健康、教育、住房、环境、人口、托儿服务以及交通情况等信息进行查询和比较。“WellbeingToronto”项目旨在帮助居民能够更好地了解所住社区，进一步加强市民对市政府的了解，加强公众与政府之间的连接和沟通，也给市政府提供相关议决参考，以便提供更符合市民需求的公共服务。波尔得打造美国第一个智慧城市，通过信息通信技术，连接包括电、气、交通、公共服务等各类城市资源，为居民提供精细、便捷的服务。我国“十四五”规划中提出要“分级分类推进新型智慧城市建设”，党的二十大报告中也提到要“提高城市规划、建设、治理水平，加强城市基础设施建设，打造宜居、韧性、智慧城市”。建设智慧城市是为贯彻落实中共中央、国务院关于实施创新驱动发展战略，积极推进新型城镇化、加快建设数字中国的重要举措。从国内智慧城市建设案例来看，上海在智慧城市建设的11 年时间里，完善了数字基础设施和城市运营管理体系，打造政务服务“一网通办”，城市治理“一网统管”，极大地提升了城市运行效率。杭州市在2016年创建“城市大脑”，推进智慧城市建设步伐，在政务服务、交通出行、医疗健康、公共安全等方面取得显著成就和进展。2020 年3 月31 日，习近平总书记在杭州城市大脑运营指挥中心调研时指出：“运用大数据、云计算、区块链、人工智能等前沿技术推动城市管理手段、管理模式、管理理念创新，从数字化到智能化再到智慧化，让城市更聪明一些、更智慧一些，是推动城市治理体系和治理能力现代化的必由之路。”在此背景下，探索智慧城市建设对城市运行效率的影响机制对于推动新型城镇化、高质量发展和加快建造数字中国具有重要意义。

一、文献综述

关于智慧城市建设与城市运行效率关系的研究，目前大多数文献都肯定了智慧城市建设对城市运行效率的积极影响，早期研究主要关注数字技术在提升城市运行效率发挥的作用，认为技术是城市治理的重要支撑。早在1998 年就有国外学者提出建设数字城市，利用新技术改变政府工作流程，为居民提供新的服务界面[2]，或共享城市地理数据库，将地理编码信息纳入城市在线服务，提升城市服务效率[3]。我国学者也在2001年提出信息化提升了上海市城市运行效率[4]，把计算机网络、通信技术应用在城市交通、排水和燃气中，提升了城市运行效率和服务水平。大数据和物联网的兴起，使城市多任务、多数据实时处理成为可能，智慧城市成为改善城市治理的手段[5]。大数据技术不仅为政府智能管理、服务提供了技术支持，变革了城市的治理模式，提升了城市治理能力[6]，而且通过大数据、人工智能技术还能为政府、居民提供精细、科学的智能决策，以提高城市运行效率[7]。随着城市化的不断发展，城市面临的赤贫、犯罪、全球变暖、公共资源浪费等问题进一步加剧，为了更好地支持不断发展的城市化、信息化世界，可以通过垂直市场共享城市决策、流程、管理和服务[8]，依托智慧城市思维、技术、方法和手段，更好地促进现有城市效率和科学性提升[9]。但也有学者提出智慧城市建设不利于区域协调[10]，并且智慧城市建设对中等城市[11]、资源型城市的运行效率提升影响不显著[12]，且智慧城市加深代内和代际鸿沟，使城市碎片化和社会两极化，使边缘人失去话语权[13]。

关于智慧城市建设与城市运行效率的实证研究，张治栋和赵必武（2021）[14]运用双重差分的方法，基于中国2006—2017 年161 个城市的面板数据，评估了智慧城市建设对城市经济高质量发展的政策效应，并且基于空间双重差分模型探究智慧城市的政策溢出效应；楚尔鸣和唐茜雅（2022）[15]选取了208个地级市2005—2020年的面板数据，构建多期DID模型，研究智慧城市建设对市域社会治理能力的政策效果，但是文章缺少动态效应检验，智慧城市对城市治理能力的长期影响效果有待考察；张永庆和罗涵（2023）[16]考察了智慧城市对城市高质量发展的影响，选取了80 个样本城市2012—2019 年的面板数据，利用熵值法测算智慧城市建设和城市高质量发展水平，并利用系统GMM 对二者关系进行分析，但是由于文章缺乏智慧城市建设前的数据，因此无法判断城市高质量发展的促进是否来自智慧城市建设的政策净效应。

在智慧城市建设中，学者们提出要积极推进城市信息开放共享，推进城市运行效率和经济发展水平提升[17]，以新一代信息通信技术为基础，推进人工智能与城市治理实践融合，促进信息资源分析挖掘，提高城市数字化能力来提升城市治理水平[18]，并通过对海量数据的分析与处理，来进行资源配置，以提高城市运行效率，降低城市的运行成本[19]，或通过提升信息通信技术水平完善城市运行管理组织框架，进一步提高城市运行效率。

综上所述，学界关于智慧城市建设、城市运行效率和智慧城市建设对城市运行效率影响的研究，都已经具备了一定的基础，这为本文研究带来了重要的参考。但目前的研究从信息完全、成本节约、资源配置角度来探讨智慧城市建设与城市运行效率关系相对较少，且大多数是定性研究，定量研究比较少且存在一定不足。智慧城市建设为提高城市运行效率提供了新方案，通过建设智慧城市，能够提高政府治理效率、政府服务效率和公共服务效率，以此提高城市运行效率。鉴于此，为了具体探究智慧城市建设对城市运行效率的影响，本文运用双重差分的方法，基于2007—2020 年99 个地级市的面板数据，构建双重差分模型，实证评估智慧城市建设对城市运行效率的政策效应。

本文的边际贡献主要体现在以下两个方面。首先，本文丰富了城市运行效率影响因素与作用机制文献，现有的文献大多从高质量发展的视角下研究城市效率或从产业聚集、城市规模、要素聚集等方面来研究城市效率的影响因素。并且现有文献大多从技术创新、信息处理、资源配置、产业结构优化等方面研究智慧城市对城市效率的作用机制，忽略了智慧城市的成本节约效应和信息完全效应。本文从智慧城市建设角度对城市运行效率影响进行研究，并从政府治理效率、政府服务效率和公共服务效率等三个方面，尝试探索智慧城市建设促进城市运行效率的机制。其次，在综合测度城市运行效率水平的基础上，构建双重差分模型，并基于PSMDID进行稳健性检验，并对动态效应和城市规模异质性进行拓展分析，证明智慧城市建设对城市运行效率的促进作用。本文系统研究智慧城市建设对城市运行效率的影响效果，将丰富智慧城市建设和城市运行效率关系的研究内容。

二、理论分析与研究假设

智慧城市在建设过程中，运用新一代信息通信技术，以大数据为核心，通过信息完全效应、成本节约效应和资源配置效应作用于整个城市运行体系，进而使城市运行体系的各个部分相互协调，从而提高城市运行效率（图1）。

图1 智慧城市建设提升城市运行效率的理论机制

（一）智慧城市建设的信息完全效应

智慧城市建设使人们认识到信息通信技术在提升城市运行效率中的作用，智慧城市建设以物联网、云计算、5G 技术、AI 技术、区块链等新一代信息技术为基础，以大数据为核心，城市运行体系的各个主体利用这些信息技术，通过对城市运行体系各部门大量的、具有潜在价值的结构化与非结构化数据信息的搜集、治理、处理与分析应用，进而创造出一个与物理世界一一映射的数字世界，再通过数字世界对物理世界的反馈，解决城市各个方面信息不对称的问题。在交通方面，智慧城市基于各种数字技术的支撑，能够实时掌握车辆的数量、方向、车型等信息，实现了动态掌握交通信息，避免交通拥堵和交通事故的发生，提升交通运行效率。滴滴出行就是一个典型案例，通过平台能够了解到司机和乘客的位置信息，为司机和乘客做出最佳匹配方案，彻底解决了巡游出租车时代信息不对称问题。交通信息系统通过部署智能灯杆，能够识别到骑车不戴安全帽、农用车载人这类现象，把事件及时反馈给管理部门，实现提前预警，解决了管理部门效率低下、信息滞后和不完全的问题。在政务服务方面，智慧城市建设通过新一代信息通信技术变革了政府治理模式，打通了各部门间的资源屏障，实现一站式政务服务，避免了市民在部门之间来回奔波，并且居民可以在线上看到办理事项的各项要求、办事流程与解决方案，提升了政府服务透明度水平。由此可见，智慧城市建设能够通过信息完全效应提高城市运行效率。据此，本文提出假设1和假设2。

假设1：智慧城市建设能够显著提高城市运行效率。

假设2：智慧城市建设能够显著提高政府治理能力。

（二）智慧城市建设的成本节约效应

智慧城市建设初期，信息基础设施建设、基础信息资源共建共享以及后期的运营维护，这些都需要投入大量资金。但是随着基础信息资源建设逐渐完善，城市信息化、智能化水平提升，智慧城市的成本节约效应也逐渐显现。由于城市信息化、智能化的提升，很多工厂的全部生产活动由计算机进行控制，生产线均由机器人自主操作、可以实现在关灯状态下的自动化生产，极大地节省了人力资源和经营成本。并且现在企业可以做到足不出户就获取客户信息，利用搜集到的数据对消费者进行用户画像，为管理者进一步决策提供依据，降低了企业的交易成本。智慧城市对信息通信技术的投入促进了城市技术创新，新技术下沉到各行各业中，链接了人与服务。在医疗方面，依托遥感、遥测、遥控等技术，通过远程医疗，发挥大城市大医院的资源优势，对医疗条件较差的边疆地区、海岛等进行远程咨询与诊断，极大地节约了医生和病人的资金和时间成本。在政务服务与管理方面，“一网通办”依托互联网平台，推动政务线上办理，解决了办事难的痛点问题，避免居民、法人办理业务时在各部门来回奔波，极大地节省了时间成本，不仅如此，这种线上办理业务模式节省了居民、法人办理业务前对各种资料的搜寻成本，节省了管理部门的人力资源，提高了政府的服务效率。“一网统管”覆盖公共管理、公共安全等城市治理体系，为管理部门提供预警、决策支持，集监督、管理、指挥于一体，降低了管理成本。由此可见智慧城市建设能够通过成本节约效应提高城市运行效率。鉴于此，本文提出假设3。

假设3：智慧城市建设能够显著提高政府服务效率。

（三）智慧城市的资源配置效应

智慧城市建设不仅能够解决信息不对称问题、降低管理成本和服务成本，提高政府治理能力和政府服务效率，还可以完善公共服务体系。在生活领域方面，智慧城市建设通过大数据精准了解市民的问题和需求，将治理手段与资源进行有效融合，对生产生活进行辅助决策；在市场监管方面，智慧城市能够对市场各方面信息进行监控，达到前后方指挥调度全过程可视、可听、可讲，实现智能巡查，全时监管；在政务服务方面，智慧城市打通各部门数据资源壁垒，实现跨部门协同治理；在城市基础设施方面，智慧城市建设能够推进水电气、消防安全、轨道交通等进一步完善。由此可见，智慧城市建设能够合理利用城市各类资源，辅助城市各运行主体进行决策，提高城市资源配置和利用效率，并且通过数字技术创新改善城市病，解决城市痛点，缓解由于信息不完全所导致的公共资源浪费、外部性等问题，有益于提高城市公共服务效率。智慧城市建设通过数字技术与其他要素资源优化配置并共同发生作用，实现资源高度融合与共享，极大地提升了城市公共服务效率。鉴于此，本文提出假设4。

假设4：智慧城市建设能够显著提高公共服务效率。

三、研究设计

（一）变量选取及描述性统计

1.核心解释变量

智慧城市建设（did）。当交互项对城市运行效率的回归系数显著为正时，表明智慧城市建设能够显著提升城市运行效率。

2.被解释变量

城市运行效率。构建了包含政府治理效率、政府服务效率、公共服务效率在内的评价指标体系，共计11个基础指标，如表1所示。城市运行效率是根据基础指标进行测算，首先对各基础指标进行无量纲化处理，其次求得各指标的信息熵，利用信息熵确定各指标权重，最后求得城市运行效率的综合数值。

表1 城市运行效率评价指标体系

3.控制变量

考虑到城市化水平，经济发展水平对城市运行效率的影响，因此选择城市化水平、经济发展水平作为控制变量。选择城镇化率作为城市发展水平的代理变量，代理指标为城市人口/常住人口。考虑到不同城市的主导产业不同，因此选择第一产业发展水平、第二产业发展水平、第三产业发展水平作为经济发展水平的代理变量，代理指标为第一产业增加值/GDP、第二产业增加值/GDP、第三产业增加值/GDP。

表1中各指标的数据来自2007—2020年《中国区域经济统计年鉴》《中国城市统计年鉴》以及各省市的统计年鉴和统计公报等。其中，营商环境指数根据营商环境=（0.15 政务环境+0.15 公共服务+0.15 人力资源）/0.45 进行计算，交通拥挤指数=民用汽车拥有量/公路里程。缺失数据在通过网络检索后仍无法获得的情况下，将缺失值采用插值法补齐。各变量的描述性统计结果见表2。

表2 各变量描述性统计结果

（二）模型构建

1.双重差分模型

智慧城市是建设现代化城市的重要内容，智慧城市建设能够挖掘到城市真需求、真问题、真痛点，为了检验智慧城市对城市运行效率的政策效应，本文将2012 年智慧城市试点看作一次准自然实验，运用双重差分方法，分析智慧城市建设对城市运行效率的影响。考虑到数据可获得性，本文把县、区的数据从市实验组中删除，参考已有文献研究，采取了双重固定效应的双重差分模型。

在式（1）中，Yij表示城市i在j年的城市运行效率；policy 为政策虚拟变量，如果某城市在2012年智慧城市试点政策名单内，则policy=1，相反，如果某城市在2012 年智慧城市试点政策名单之外，则policy=0；time 为时间虚拟变量，以2012 年为界限，某城市在成为智慧城市试点城市之前，即2012 年之前，time=0，在成为智慧城市试点之后，即2012年及以后，time=1；用表示政策虚拟变量和时间虚拟变量的交互项；controls 表示控制变量；ηi表示个体固定效应，ui表示时间固定效应，εit表示随机误差项。

2.PSM-DID模型

为了进行稳健性检验，本文基于倾向匹配得分的方法，构建PSM-DID模型，如式（2）所示，式中符号的含义与式（1）相同。

3.动态效应模型

为了检验智慧城市建设对城市运行效率影响的持续效应，探究政策当期及政策前三年及政策后八年对城市运行效率的影响，本文构建动态效应模型，如式（3）所示，式中符号代表含义与式（1）相同。

四、实证结果分析

（一）基准回归及结果分析

由于平行趋势检验是进行双重差分的前提，因此本文在进行基准回归前进行了平行趋势检验，结果如图2 所示，结果表明数据通过了平行趋势检验，说明在智慧城市建设试点政策之前，试点城市与非试点城市有相同的发展趋势，且智慧城市建设政策没有时滞性，双重差分的结果是智慧城市建设政策的净效应。

图2 平行趋势检验

表3 报告了基准回归结果，模型（1）和模型（2）报告了智慧城市建设对城市运行效率的影响效应。模型（1）表示核心解释变量在双重固定效应下的回归结果，解释变量的系数显著为正，由此可知智慧城市建设对城市运行效率有显著的正效应。模型（2）表示在加入其他控制变量之后，解释变量的系数依旧显著为正。根据回归结果，可以看出智慧城市建设能够显著提升城市运行效率，具有显著的政策效应。与非试点城市相比，智慧城市建设试点城市的城市运行效率有所提高，假设1 成立。从控制变量来看，城镇化率的系数不显著，即城市化水平对城市运行效率影响不显著，这可能是由于随着城市化水平的提高，城市拥挤程度日益增强，城市供给无法满足居民日益增长的需求，交通拥挤、环境污染、公共资源浪费等一系列城市问题加剧，导致城市运行效率低下。第一产业发展水平、第二产业发展水平、第三产业发展水平的系数都显著为正，说明城市经济发展水平的提高能显著提高城市的运行效率。模型（3）和模型（4）表示智慧城市建设对政府治理效率的影响效应，模型（3）交互项的系数显著为正，模型（4）表示在加入控制变量之后，核心解释变量的系数依旧显著为正，说明智慧城市建设显著促进政府治理效率提高，假设2成立。模型（5）和模型（6）表示智慧城市建设对政府服务效率的影响效应，模型（5）核心解释变量系数显著为正，模型（6）表示加入控制变量之后，核心解释变量的系数依旧显著为正，说明智慧城市建设能够显著提高政府服务效率，假设3成立。模型（7）和模型（8）表示智慧城市建设对公共服务效率的影响效应，模型（7）解释变量系数显著为正，模型（8）表示在加入控制变量之后，核心解释变量系数依旧显著为正，回归结果表示智慧城市建设显著提升政府公共服务效率，假设4成立。从分指标的回归结果可以看到，智慧城市建设对政府服务效率的促进效果最大。

表3 基准回归结果

（二）稳健性检验及结果分析

1.安慰剂检验

为确保本文研究结论是智慧城市建设政策的净效应，排除在政策干预点之后处理组和对照组趋势变化受其他政策或随机未知因素的影响，本文进行了安慰剂检验。以虚构政策实行时间和随机选取个体作为处理组，重复500 次，绘制500 个“伪政策虚拟变量”的系数分布图（核密度分布图）。结果如图3所示，解释变量的核密度分布图显示随机抽样系数以0为均值，呈正态分布，通过了安慰剂检验。由此可知智慧城市试点政策对城市运行效率的促进效应与其他政策或随机未知因素无关。

图3 核密度分布图

2.基于PSM-DID的稳健性检验

因为智慧城市建设试点政策本身不是随机性实验，所以探究智慧城市建设对城市运行效率的政策效应所采用的双重差分法在政策评估上可能存在偏差，使用倾向匹配得分方法能给处理组样本找到与之特征相同的控制组样本，增加准自然实验的随机性，减少政策效应的估计偏误。因此构建PSMDID 模型，对基准模型的回归结果进行稳健性检验，PSM-DID模型如式（2） 所示。

首先，选择控制变量作为协变量，通过Logit模型回归得到各样本的倾向得分值；其次，根据倾向得分值进行卡尺临近匹配，找到控制组；最后，再通过双重差分法对PSM-DID 模型进行回归。PSM-DID回归结果见表4。

表4 PSM-DID回归结果

从表4可以看出，交互项对城市运行效率的正向效应仍然显著，回归系数的显著性有所增加，进一步验证了基准模型回归结果的稳健性。

3.内生性检验及其结果

虽然面板数据和DID方法可以消除一定遗漏变量，在一定程度上解决内生性问题，但是由于样本选择的非随机性，因此还是可能存在由于选择偏差导致的内生性问题。本文将滞后的控制变量作为工具变量，并对滞后一期和二期的控制变量进行回归。回归结果见表5，由结果可知智慧城市的建设对城市运行效率有显著的提升作用，进一步验证了回归结果的稳健性。

表5 滞后控制变量回归结果

4.动态效应检验及其结果

本文通过构建动态效应模型，检验智慧城市试点建设政策当期、政策前三年及政策后八年对城市运行效率的影响，动态效应模型见式（3）。根据表6的回归结果可见，在政策前三期倍差项系数都不显著，政策当期倍差项系数显著，说明城市运行效率的提升是智慧城市建设的净效应，且智慧城市建设没有时滞性，智慧城市建设当年就对城市运行效率产生积极的影响，并且从总体来看，智慧城市建设能够持续地提升城市运行效率，且随着智慧城市建设时间的推移，对城市运行效率的正向效应逐年增强。

表6 动态效应回归结果

5.异质性检验及其结果

从前文的实证结果可见，智慧城市建设能够显著提高城市运行效率，但是由于不同的城市在要素聚集、信息基础设施、经济发展水平等方面可能存在差异，因此智慧城市建设对于不同规模城市之间的促进效应可能存在差异，为检验这种异质性，本文根据城市等级划分将城市分为三组样本，第一组样本为新一线城市和二线城市，第二组样本是三线城市和四线城市，第三组样本为五线城市，并分别对这三组样本城市进行回归，结果如表7所示。

表7 城市规模异质性

表7结果表明，智慧城市建设虽然对不同规模的城市运行效率都是有正向促进作用，但是对于不同规模的城市促进作用有明显差异。规模越大的城市，智慧城市建设对于城市运行效率的促进作用越明显。一方面，城市是一个复杂的系统，大城市具备的要素比中小城市更加丰富，要素聚集程度要比中小城市更高，而且智慧城市建设需要投入大量的资金，大城市的经济发展水平、信息基础设施、要素集聚程度都要更好。对于小城市来说，智慧城市建设可能不仅不会提升城市运行效率，还可能会挤出原有要投资其他项目的资金，带来负效应。另一方面，智慧城市建设的目的是要解决大城市的城市病，大城市具有“治病”的场景和环境，可以实际检验解决方案的成效。随着大城市的智慧治理，产业、功能和公共服务的重新梳理势必影响到周边中小城市的协同和布局，形成以大城市为中心、中小城市为补充的智慧城市群，可以进一步发挥大城市的领军作用和小城市的配套作用。

五、结论与政策建议

本文运用双重差分的方法，基于中国99 个城市在2007—2020 年的面板数据，评估了智慧城市建设对城市运行效率的政策影响，对基准回归结果进行了稳健性检验，并对动态效应和城市规模异质性进行拓展分析。得出如下结论：第一，无论是基准结果还是内生性检验的回归结果都表明，智慧城市建设可以显著提高城市运行效率，且PSM-DID的回归结果进一步证实了智慧城市建设提升城市运行效率的显著性。第二，动态效应检验结果表明，智慧城市建设没有时滞性，能够持续地促进城市运行效率提升。第三，异质性检验结果表明智慧城市建设的政策影响效果受城市规模影响呈现异质性，城市的规模越大，智慧城市建设对提升城市运行效率的影响效果越强。

基于本文的结论，从智慧城市建设方面提出以下建议：首先，应充分利用智慧城市建设这一政策工具，高度重视智慧城市建设成果在政府治理、政府服务中的应用。支持城市通过政策推进智慧城市建设进程是提高城市运行效率的有效途径，但是也要关注智慧城市建设导致城市之间出现“数字鸿沟”的风险。其次，因为智慧城市建设对于不同规模城市的城市运行效率的提升具有异质性，因此各城市要结合自身实际情况，选择与之相匹配的智慧城市建设目标、规模、项目和技术路线，因地制宜地推进智慧城市建设。最后，在充分运行智慧城市建设这一政策工具的时候，更要关注智慧城市建设带来的实际效益，因为智慧城市建设需要在软件、硬件上投入大量资金，如果智慧城市建设没有达到预期目标，那么用于建设智慧城市的资金可能会挤占用于民生建设、生态建设、经济建设等的资金，导致投入产出效益低下。