新基建投资对城市吸引力的影响研究

王晨WANG Chen

（北京信息科技大学经济管理学院，北京 100192）

0 引言

当前，我国经济已由高速增长阶段转向高质量发展阶段，伴随着供给侧结构深入改革和数字经济的发展，客观上需要基础设施建设重心与方向进行转变，因此新型基础设施建设（以下简称“新基建”）开始出现在大众视野里。[1]2018 年年末，中央经济工作会议首次提出新基建，主要包括5G、人工智能、工业互联网、物联网等。随着中央层面对新基建概念的不断丰富，2020 年，国家发改委首次对新基建范围进行界定，新基建的具体内容主要包含三大方面：信息基础设施、创新基础设施与融合基础设施。在对新基建范围做出官方解读后，各界学者、媒体以及资本市场对新基建概念的认识与理解呈现出多元化的趋向，根据行业领域细致划分形成了“七大领域说”。认为新基建主要包括5G 基站建设、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能与工业互联网这七大领域，有学者认为该七大领域只是狭义上对新基建领域的阐释，刘艳红[2]等人认为，新基建从广义的范围上来讲，是指除狭义新基建以外，利用现代数字技术对传统基础设施进行升级改造，说明新型基础设施建设与传统基础设施建设之间并不存在对立关系。新基建是支撑新型数字化技术应用于社会、经济、生活的基础设施，通过新型的信息技术可以弥补基础传统基础设施的不足，因而新基建通过加速内需循环，提高社会资源配置率，促进城市全面发展。

城市吸引力可被认为是一座城市本身的进步，我国早期学者只是将城市吸引力进行非定量的描述，如孙施文[3]认为城市吸引力不光是指城市的对外作用，更是重视城市内部居民生活服务质量的提升，归其本质城市吸引力就是城市实力的不断提升进而吸引更多资金流、人流、物流、信息流等。在后来的研究文献中，学者们将城市吸引力进行定量分析，如许金泉[4]等人通过采用构建城市流动人口的数学模型，间接从人口角度分析城市吸引力；李嘉靖[5]等根据《社会和人口统计体系》与我国的实际情况对城市吸引力进行解读，选择相应的指标同城市人口变动的数量进行相关性分析；周叶芹[6]等人通过熵值法构建城市吸引力综合评价指标体系，判断高铁的开通对周围区县城市吸引力所带来的影响；李明睿[7]等采用主成分分析和场强模型。分析城市吸引力范围。

虽然对新基建领域研究的学者众多，但鲜有文献从新基建投资角度出发，分析新基建投资对城市吸引力产生的影响，以及新基建差异化的空间分布对不同类型城市吸引力发展的影响。基于上述不足，为定量分析新基建投资对我国各类型城市吸引力的影响，本文运用面板固定效应回归模型实证检验，我国37 个城市新基建投资同重要的控制变量与城市吸引力之间的关系，并分析新基建投资对城市吸引力的促进作用是否具有城市异质性。本文不仅丰富了关于城市吸引力方面的研究内容，也为新基建项目的投资布局与城市经济的平衡协调发展提供了一定的发展方向。

1 研究假设

新基建作为基础设施建设，不仅保留了传统基建的公共性与服务性，同时运用数字化和信息化的科学技术，使其呈现出不同于传统基建渗透性与扩散性的新特点。城市的发展早已迈入数字化建设的新赛道，而城市的数字化建设与新基建是相融一体，共生共存的，随着新基建项目不断推进，必将为城市数字化的发展打下坚实的根基。城市发展将直接影响国家财富的积累与未来国家经济状况，新基建作为新时代我国经济发展的重要引擎，短期角度来看有助于稳定城市经济增长、增加城市就业率、提升社会服务质量提升，从长远角度来看有助于促进城市产业结构的转型升级，增加有效供给，提升城市竞争力，增强城市吸引力。

由此本文提出：

假设1：新基建投资对城市吸引力的发展具有显著正向促进作用。

考虑到城市发展战略、经济实力等方面存在差异，新基建投资对于不同类型城市吸引力发展也有差异。新基建不仅是对传统基础设施的升级，也是社会在数字经济背景下，向数字化和智能化发展的产物。新基建的应用不但可以进一步缩小发达地区与欠发达地区之间的差距，还能帮助欠发达区域实现基础设施提速，加速传统产业结构转型与升级，使得城市吸引力得到提升。

由此本文提出：

假设2：新基建对不同类型城市的城市吸引力促进作用存在异质性。

2 指标构建

2.1 新基建投资指标构建

本文研究新基建投资与城市吸引力之间的关系，因此构建新基建投资指数用以反映新基建的投资水平的增长。按照狭义的新基建定义，新基建可划分为七大领域，即5G基站建设、特高压、城际高速铁路、城际轨道交通、新能源汽车充电桩、大数据中心、人工智能与工业互联网。参照中国人民银行石家庄中心支行调查统计处课题组[8]所提出的分类方法，认为信息数字化网络基础包括大数据中心、5G基建、人工智能与工业互联网，在新基建投资指数中用Z1表示上述各项基建投资金额总和，交通基建数字化和网络升级基础设施包括城际高速铁路和城市轨道交通，Z2 表示城际高速铁路与城市轨道交通投资金额总和，Z3 和Z4分别表示新能源领域与特高压领域投资金额。新基建投资指数的构建可以更为综合地考量各领域不同程度的财政支出情况，保证结果更具客观性与准确性。本文根据2022年全国各省对于上述新基建七大领域的投资金额进行权重赋值，构造的新基建投资指数计算公式如下：

本文所获得的交通新基建数投资数据来源于中国汽车工业协会与中国铁路总公司，其余新基建投资数据来源于国家统计局、中国信息通信研究院、中国电力企业联合会、中国互联网信息中心、国家发展和改革委员会。

2.2 城市吸引力指标体系构建

近年来各界学者对城市吸引力都进行了广泛的研究，但目前对于城市吸引力学者们并未给出官方的定义。同时，由于各城市所处的地理位置不同、城市经济水平不同等相关因素，使得城市吸引力之间存在较大的差异，本文的研究目的在于探究新基建投资水平是否影响城市吸引力的提升，因此应先明确影响城市吸引力的因素有哪些。通过查阅相关文献，发现影响城市吸引力的因素众多，本文将从资本、劳动力、产业、生态环境、公共服务和对外开放这六方面分析城市吸引力的主要因素，并结合每个城市新基建发展的实际情况，从中选择具有代表性的指标，构建更加全面、准确的城市吸引力评价指标体系，详情见表1。

表1 城市吸引力评价指标体系

本文采用熵值法构建城市吸引力指标，熵值法的优势在于其不受人为因素的影响，使得实验结果更具有客观准确性，并且计算方法简单。

3 研究设计

3.1 变量选取

①被解释变量：上文通过熵值法求得的城市吸引力（UA）作为被解释变量。

②核心解释变量：上文所构建的新基建投资指数（NI）作为解释变量，以此来衡量新基建投资水平。

③控制变量：城市吸引力不仅是城市经济的体现，更反映城市发展综合实力，是多方面因素综合作用的结果，考虑到计量模型存在一定的局限性，不能涉及所有因素，为了更好地反映新基建的投资对城市吸引力所产生的带动性影响，本文根据新基建发展的实际情况选取了三个控制变量，分别是城镇化率（UR）、居民消费水平（CL）和科技投入强度（TI）。

城镇化率（UR）：城市化是一个城市走向现代化的必然过程，城市化水平的不断提高，会为城市带来更多的人才聚集与投资吸引，这些改变使得城市吸引力的发展依赖于基建水平的不断提高，即基础设施建设的投资水平不断提升为城市带来的正外部性作用更加显著，所以城镇化水平的不断提升更有力地促进基础设施对城市吸引力发挥更多的支持性作用。本文的城镇化率用各城市非农业人数占年末总人数的比重表示。

消费水平（CL）：消费水平的变动是居民收入增长的重要标志，更是人民美好生活的直接反映，消费的不断上升使得城市消费市场更具活力，同时城市创造出更大投资的动力，吸引外来投资者对城市进行投资，消费水平的提升能够推动城市吸引力的发展。本文的城镇化水平用社会消费品零售总额占各地区国民生产的比重表示。

科技投入强度（TI）：城市的发展与科技创新之间紧密相连，科技创新作为城市发展的重要驱动力，加大科技投入无异于使得城市获得向前发展的动力。正是由于国家重视科技产业发展并不断对科技产业的投入力度加强，使得新型基础设施建设日趋完善。科技投入作为衡量城市科技发展水平与竞争能力的重要指标，增强科技投入强度对吸引创新人才和外商投资具有重要意义。本文的科技投入强度用科技支出占政府财政支出的比重表示。

3.2 数据来源与变量的描述性统计

本文以全国37 个城市作为研究对象，选取2016-2021 年作为研究期间。数据来源于全国各省以及各城市统计年鉴和各类型统计公报，个别数据缺失值已通过线性插值法补齐。为使NI 与其他数据量级较为一致，本文将计算得到的新基建投资指数缩小1000 倍，应用Stata17.0 软件，相关变量的描述性统计见表2。

表2 变量描述性统计

由表2 可以看出，37 个城市的城市吸引力指标的最大值0.402，最小值为0.084，两者差值为0.318；新基建投资指数的最大值9.391，最小值为0.653，两者差值为8.738；城镇化率的最大值0.865，最小值为0.486，两者差值为0.379；消费水平的最大值0.407，最小值为0.236，两者差值为0.171；科技投入强度的最大值0.045，最小值为0.003，两者差值为0.042。近年来全国各城市对于新基建的投资力度不断加强，从而促进了城市吸引力的提升，但根据统计数据也可发现，各城市对于新基建的投资存在着较大的差异，城市之间发展极不平衡，不但核心解释变量呈现出如此特点，控制变量也反映如此。

3.3 模型构建

根据解释变量与被解释变量之间内在的逻辑关系与面板数据自身所呈现的特点，查阅相关资料，构建固定效应模型。模型如下：

其中，UA 代表城市吸引力；NIit为各城市不同时期新基建投资指数，用以衡量新基建的投资水平；URit、CLit、TIit为一系列与城市吸引力发展相关的重要控制变量，分别表示城镇化率、消费水平、科技投入强度。i 是不同城市的代码，t 表示不同的时期，α0为常数项，αi为待估系数，εit是随机误差项。

4 实证检验

4.1 平稳性检验

数据平稳是进行实证分析的基础，对面板数据进行单位根的检验，目的是为了防止伪回归现象的发生，以保证估计结果的准确性与有效性，通常用LLC、IPS、Fisher-PP、Fisher-ADF 这四种方式进行检验。本文对变量进行单位根检验后，发现原序列不平稳，因此对原序列进行一阶差分后再次进行检验，实验结果显示，序列在1%的置信水平下显著，说明序列平稳，可以进行模型构建。

4.2 基准回归结果分析

本文以我国37 个城市作为研究对象，选取2016 年至2021 年地级面板数据，为验证该面板数据应当选择固定效应模型还是随机效应模型，利用Hausman 方法进行检验，检验统计量的结果为19.49，在1%的置信水平下显著，则应该选择构建固定效应模型。

运用Stata 17 软件进行固定效应模型回归，具体回归结果如表3 所示。为避免多重共线性的问题，本文选择逐步引入控制变量。表3 中第（1）列结果是未加入控制变量后的回归结果，核心解释变量NI 的系数为正，且在1%的置信水平下显著，说明新基建投资对城市吸引力的发展具有显著的促进作用。第（2）列至第（4）列是依次引入各控制变量后的回归结果，结果表明，NI 的系数依旧在1%的水平下显著且为正，说明各城市加大新基建投资力度对城市吸引力具有显著的促进作用，且模型的整体F 值在1%的水平下显著，模型的分析结果较为可靠。验证了假设1。

表3 基准回归结果

4.3 内生性检验

新基建投资与城市吸引力之间存在一定的双向因果关系，并且影响城市吸引力发展的因素众多，本文所涉及的一系列控制变量难以避免遗漏变量的问题，因此需对模型进行系统内生性检验，以排除上述问题对实验结果所造成的干扰。本文采用工具变量法对模型进行内生性检验，因此工具变量的选择在内生性检验中十分重要，其应满足相关性与外生性两个特点。参照苏京春[9]等的做法，以城市地形起伏度作为衡量新基建投资水平的工具变量。首先，地形起伏度作为工具变量应满足相关性特点，地形起伏度不但会使信息网络基础设施建设成本与难度增大，而且还会影响网络信号的传输效率，因此地形起伏度过大将对信息网络基础设施的建设与使用带来负向作用；其次地形起伏度作为自然因素，通常情况下与社会经济、人口的发展不相关，并不会影响城市吸引力的发展，满足外生性。

由于选取的工具变量的原始数据为截面数据，无法直接用于对面板数据进行内生性检验，参照Nunn 与Qian[10]的研究思路，以变化的年份与城市地形起伏度构造交互项，作为该年新基建投资水平的工具变量，具体实验结果参照表4，根据表4 列（1）显示第一阶段回归的F 值为42.95，远大于10，排除了弱工具变量的问题，即年份与城市地形起伏度的交互项作为工具变量同新基建投资之间存在负相关关系。表4 列（2）第二阶段的回归结果说明，在缓解内生性问题后，基准回归结果仍然稳健，即新基建投资带动了城市吸引力的发展，并同基准回归结果相比较回归系数有了较大程度的增长，新基建投资对城市吸引力的影响更显著。

表4 内生性检验结果

4.4 稳健性检验

基准回归模型检验结果显示，新基建投资增加带动了城市吸引力的增长。本文根据新基建投资水平的提升对城市吸引力产生带动效应进行了系统的稳健性检验，采用滞后一期解释变量与剔除特殊城市两种方法进行稳健性检验，结果如表5 所示。

表5 稳健性检验结果

①滞后一期解释变量。参照贺唯唯[11]的方法，本文选取新基建投资滞后一期用以代替原来当期的指标作为新的解释变量进行检验，列（1）为滞后一期的新基建投资与城市吸引力的单变量回归结果，列（2）为引入控制变量后滞后一期的新基建投资对于城市吸引力的回归结果，结果显示新基建投资的系数在1%的置信水平下显著为正，与基准回归结果一致，说明新基建投资对城市吸引力依旧存在带动作用。

②剔除特殊城市。参照胡艳[12]的方法，由于北京、上海、广州及深圳四个超一线城市其新基建的投资水平可能会远高于其他城市。为了验证回归结果的稳健性，本文在剔除上述四个城市后再次进行回归。列（3）为新基建投资与城市吸引力的单变量回归结果，列（4）为加入控制变量后的回归结果，回归结果显示在剔除超一线城市后的样本回归结果仍与前文一致，说明研究结论是稳健的。

4.5 异质性分析

我国幅员辽阔，不同城市之间资源禀赋、经济发展等方面存在差距，城市规模越大，所拥有的资源就更多，城市内部的集聚效应也会随之加强，因城市规模而带来的资源差异也可能受到影响。根据第一财经所发布的《城市商业魅力排行榜》，将样本城市划分为一线城市、新一线城市、二线城市与三线城市，通过分组回归检验新基建投资水平因城市规模异质性而对城市吸引力发展所产生的差异化影响，回归结果如表6 所示。对于一线城市、新一线城市与二线城市，新基建投资的回归系数显著为正，而对于三线城市，回归系数并不显著。产生差异的原因可能在于规模较大的城市多重资源禀赋并夯牢了经济发展基础等发展条件，整体的新基建设施建设较为完善，带动了城市吸引力的发展，相较于规模较小的城市，新基建投资的促进作用并非凭空产生，而需要在基础设施建设所完善的条件下，规模较小的城市自身基础设施建设尚处于起步阶段，新基建对其城市吸引力的带动作用尚未体现。验证了假设2。

表6 异质性分析结果

5 研究结论与政策建议

在数字中国与网络强国建设思想的指引下，分析新基建投资与城市吸引力发展之间的内在联系，对于加快新型基础设施布局，优化城市基础设施建设的结构与功能，助推城市经济高质量发展具有重要的现实意义。本文在理论分析的基础上，基于2016-2021 年地级市及以上城市的面板数据分析新型基础设施建设投资对城市吸引力的发展的影响效应，于此基础上进一步探究异质性的影响。

研究发现：

①新基建投资能够显著促进城市吸引力水平提升。

②异质性研究结果表明，新基建投资对不同类型城市吸引力水平的影响具有一定的异质性，对于一线城市、新一线城市以及二线城市的城市吸引力水平提升具有显著的促进作用，而对于三线城市的城市吸引力水平还未表现出带动作用。

针对上述研究结论，本文提出以下政策建议：

①加大新基建投资力度，并保持投资的适度超前性。新基建的投资对城市吸引力的发展具有显著的带动作用。因此，应积极发挥政府的引导作用，深化“放管服”改革，对于新基建项目的审批流程进行简政放权，加快推进新基建项目的落地执行，同时政府应在一定程度上逐步扩大新基建投资，推动传统企业的转型与升级，促进企业生产效率的提升，从而更好的增强城市吸引力；由于新基建设施的投资建设及运用涉及周期较长，对城市整体发展的带动作用具有相对滞缓性，因此政府需提前做好顶层设计，统筹规划布局。

②制定差异化投资策略，因地制宜规划新基建布局。由于自然资源、人口资源等因素影响，我国不同类型城市的城市吸引力存在差距，新基建投资对于城市吸引力发展的促进效果具有一定的异质性，只有当城市自身发展到达一定水平时，新基建投资才会促进城市吸引力的发展。因此，新基建投资需与当前城市发展的实际情况相适应，对于经济发达、人才聚集度高的地区，应适当加大新基建投资力度，使得更多产业、投资向优势地区聚拢。

③支持多渠道资本加入，充分激发市场活力。由于政府财政收入有限，对于新型基础设施建设的投资，除政府财政支出作为主要来源外，还应吸纳更多的民营资本，使得新基建投资逐步趋向市场化，政府应加大民营资本参与到新基建投资的政策扶持力度并及时出台各项指导性意见。