智慧城市建设与城市宜居度——基于智慧城市试点的准自然实验.docx

第41卷第1期2024年1月Vol. 41 No. 1Jan.2024经济经纬ECOnOmiCSlliVey智慧城市建设与城市宜居度一基于智慧城市试点的准自然实验金祥义(兰州大学经济学院,甘肃兰州730000)88888888888888888888888888888888888888888888888888摘要:基于2005-2019年全国地级市面板数据利用多时点DID方法对智慧城市建设提升城市宜居度的因果关系进行识别.研究发现:智慧城市建设可以显著提升城市宜居度，在经过安慰剂检验和PSM匹配的稳健性检脸后，核心结论依然成立；机制检验表明，智慧城市建设可以通过资源配置效应、创新驱动效应和创业促进效应来促进城市宜居度的溟升；异质性检验显示，城市区位、地理特征、人口规模和发展模式对政策反应有显著区别，东部城市、沿海城市、人口规模更大城市和非资源型城市受政策影响的效果更为显著。研究结论证实了智慧城市建设能够改善城市居民生活质量，提高城市宜居度.因此，加大创业创新人才的培养力度、推进新型基础设施建设、促进区域平衡发展，是提高人民生活品质、推动现代化城市建设和完善数字中国体系的现实有效路径.关键词：智慧城市；城市宜居度；多时点DID;数字经济基金项目：国家自然科学基金青年项目(72203083)；甘肃省哲学社会科学规划项目(2022YB022);甘肃省基础研究计划-软科学专项(23JRZA373)，教育部人文社会科学研究青年基金项目(23XJC790008)作者简介：金祥义(1992-),男，浙江温州人，博士，副教授，主要从事数字经济、数字金融与企业数字化转型研究.中图分类号:F290;F293文献标识码:A文章编号:1006-1096(2024)01-0042-15收稿日期:2023-06-1588888888888888888888888888888888888888888888888888引言城市作为人口的聚集区，其繁荣发展可为居民创造良好的工作和生活环境，并提供高质量的公共服务和高效的社会管理，从而提升城市居民的生活质量，促进人的全面发展。近代工业化进程中，城市取得了重要的发展成就，但随着城市的不断扩张，城市的过快和过度膨胀也带来了许多负面效应，环境污染、人口膨胀、交通拥堵、能源短缺、社会治安混乱、城市贫困等问题逐渐显现，并对城市发展产生了严重阻碍。这一系列的"城市病”问题,也是城市经济、生态、社会等发展失调的反映(石忆邵,2014).在我国经济社会发展的转型期，这种失调和失衡表现得尤为明显。在粗放发展阶段，我国城市曾单方面追求经济的增长，忽视居民生活质量提升、民生改善和生态环境保护°进入新发展阶段以后，传统的城市发展模式已不适合时代的发展要求。党的二十大报告强调，要不断"增进民生福祉，提高人民生活品质"，并提出"加快发展数字经济，构建现代化基础设施体系”的重要奋进目标。那么，如何实现更高质量的经济社会发展，同时兼顾数字经济体系建设水平和民生福祉的进一步提升，便成为新时代中国式现代化城市建设面临的一个重大问题o伴随着互联网和数字技术的广泛应用，城市发展进入新阶段，作为与时俱进的城市发展模式，智慧城市应运而生。在城市问题不断凸显的当下，智慧城市这一新的城市发展模式为解决城市发展难题、明确未来发展方向提供了新的思路，这意味着合理评价智慧城市建设的实践成果对提高城市居民生活质量、促进中国式现代化城市建设乃至实现数字中国战略目标均具有重要意义。因此，探究智慧城市发展对宜居度的影响成为当下理论和政策层面均不可回避的一个关键研究课题。一、文献综述本文将从智慧城市的概念和发展、智慧城市建设的经济效应和对城市职能的影响三个方面来梳理与本文研究相关的文献脉络。学者们对智慧城市内涵的理解大体上经历了一个从技术主义到人本主义的发展过程（郭杰等，2022）传统技术中心主义视角强调信息通信技术（ICT）、数据计算等硬件基础设施网络和数字技术在智慧城市建设中的关键作用（孟凡坤等,2022）,有学者基于此将智慧城市概括为物联网与互联网的集合体（巫细波等，2010）但近年来，学界多从结合技术、制度、文化等更全面丰富的视角看待智慧城市，把智慧城市建设视为综合的、跨部门、跨系统的整体工程（王思雪等,2013）,涵盖经济、产业、社会、文化、法律等方面,智慧城市越发成为一个跨学科和学科交叉的概念；相应地，其侧重点也从单一的智慧技术发展和运用，转向智慧城市建设中技术、人、制度三者的结合。智慧城市的核心是服务于人，"以人民为中心”是智慧城市的“元价值"（方卫华等,2022）.智慧城市的前身，是由IBM在2008年提出的智慧地球概念，最初旨在寻找2008年金融危机以后的新的经济增长点。但随着理论的不断发展，以人为本和可持续发展已成为智慧城市建设的重要目标。在具体环节上，智慧城市就城市居民生活所面临的问题，如交通拥堵、环境污染等，提出智能化的解决方案，以实现公共服务便捷化、城市管理精细化、生活环境宜居化、基础设施智能化、网络安全长效化五大目标（傅荣校，2019）。智慧城市即基于新型信息技术解决城市问题，实现上述目标。智慧城市依托广惹盖、细精度的数字基础设施网将城市的各个职能部门联系起来，实现信息的快速共享和交换，并借助云端平台对海量数据进行智能化的存储、计算、分析,提供决策依据，由此实现城市设施的自动化控制（李德仁等,2014）,从而降低大量人财物成本的投入,在城市治理、政府监督、社会服务等方面促进城市的高效运转,这是智慧城市解决城市问题的基本路径。具体而言，从不同的应用角度出发，智慧城市对城市发展有其具体作用方式。例如，在环保领域,智慧城市以动态智能环境监管、智能移动执法和监控、智能环境应急管理等方式提高城市绿色发展绩效（杨学军等，2014）；在民生服务领域，基于物联网终端和信息平台的智慧养老、智慧医疗等智能化的服务手段，为居民提供及时迅速的专业帮助，提升居民生活满意度和舒适度（向运华等,2016;倪明选等,2013）。从不同应用视角出发的智慧城市建设，仍落脚于促进城市发展、保护城市环境、提高居民福祉等城市发展目标。总体上，智慧城市以新型信息技术作为技术支撑，在经济、社会、生态等领域帮助各项城市功能更好发挥，以最终实现城市居民生活质量提升和城市可持续发展的目标。近年来，基于对智慧城市内涵和评价体系的研究成果，学界对智慧城市建设也开展了相关定量研究，采用双重差分法、系统GMM回归等方法研究了智慧城市建设对经济社会的影响。智慧城市建设可以促进城市创新，其作用在不同城市等级水平、不同人力资本水平和不同区域存在异质性,并具体体现在技术、产品、市场运行方式、企业组织形式等方面（石大千等,2018）。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，从而更有利于城市吸引外资（何凌云等,2021）同时,智慧城市建设能够促进企业数字化转型,提高微观企业经营效率,优化资源配置，并通过人力资本聚集效应推动行业改善企业人才困境，促进企业生产率提升（赖晓冰等,2022）,提高资源利用效率。智慧城市建设还可以通过吸引外资、优化资源配置等途径促进产业结构高级化和合理化（赵建军等,2019）,由此通过技术创新效应和产业升级效应推动地区经济增长，提高经济效率,提升区域绿色全要素生产率（申洋等,2021;宣扬等，2021）,进而促进区域经济高质量发展（赵华平等,2022）。此外,智慧城市还能够通过提高数字普惠金融和城镇化水平，缩小城乡收入差距，促进共同富裕（张万里等，2022）;通过完善基础设施建设促进地区对外出口（周记顺等，2022）;通过产业升级和提高信息化水平促进地区金融发展（石以涛等，2019）.总体上,学界认为智慧城市建设对提升城市各方面经济职能均有正向促进作用，但大多研究注重对于政策效应的识别，较少关注智慧城市试点的政策效果随时间的动态变化效应°城市职能指城市在一定地域内的经济、社会发展中所发挥的作用和承担的分工。除经济功能外,现代城市的职能还体现在生态、社会治理、公共服务、居住等多个方面。在生态功能方面,智慧城市建设可以减少工业废水、二氧化硫、PM2.5等污染物的排放（石大千等,2018;Ga。etal,2018）,减少能源消耗和二氧化碳排放（黄和平等，2022;Gu。etal,2022）,最终促进城市可持续发展（Aaketal,2018）在社会治理方面,智慧城市建设对城市教育和医疗水平的提高有促进作用（董宴廷等,2021）,并在运用5G、物联网、人工智能等技术解决城市交通拥堵等问题上应用前景广阔（Ilietalr2022）此外，信息通信技术的普及提升了智慧城市的治理成效，智慧城市建设能通过提升公共政策执行效率来促进政府向服务型政府转型，促进城市社会治理现代化（张蔚文等,2020）在公共服务方面，智慧城市建设可以通过智慧的服务主体和服务内容提高公共服务质量和公共服务供给的精准度、促进基本公共服务均等化等方式推动城市公共服务供给创新（张毅等，2012）.城市的另一重要职能在于容纳人口，智慧城市可以提升居民的获得感和幸福感（Wangetal,2022;Zhuetal,2022;CaPra,2016）总体而言，智慧城市建设对城市职能影响的定量研究更多集中在智慧城市建设对城市经济发展、生态保护、社会治理等的促进方面,对于城市公共服务方面的定量研究较少,且有关研究也更侧重公共服务理念在智慧城市发展中的地位、作用、促进机理等定性研究方面。本文可能的边际贡献在于：（D结合已有的城市发展理论，从智慧城市这一崭新视角出发，通过智慧城市试点政策对提升城市宜居度的影响，评估智慧城市对建设以人为本宜居城市最终目标的积极作用，丰富了对智慧城市试点政策效果评价的有关研究；（2）从经济环境、自然环境和人文社会环境三大方面,结合数据可得性，构建城市宜居度的新型评价指标体系，对我国城市宜居度进行评价；（3）尝试基于以数据信息、数字技术为代表的新要素驱动理论对原有的城市发展理论进行拓展，以有别于以劳动、资本、土地等传统要素来解释城市发展的路径，以期剖析城市现代化发展的内在规律。同时，本文提出智慧城市建设通过优化资源配置、驱动创新和促进创业,从而有效利用城市各类生产要素，实现城市总体绩效提升，最终实现城市宜居度提升的作用机制。二、政策背景和理论分析（一）政策背景我国自20世纪80年代起JDIk技术和产业之间的融合加快，城镇化水平不断提高，各种“城市病"加剧，传统的城市发展模式越来越不适应经济发展0在这一背景下,我国政府也注意到智慧城市这一发展理念对促进我国城市高质量发展的意义,并采取了一系列政策举措。2012年,住宅与城乡建设部印发关于开展国家智慧城市建设试点工作的通知，正式开始全国智慧城市试点工作，三批城市陆续进入国家智慧城市试点名单。2014年，国家发改委、工信部等八部委联合印发促进智慧城市健康发展的指导意见，提出加强智慧城市建设的顶层设计,智慧城市建设得以推广。到2015年，中央政府首次将智慧城市建设写入政府工作报告，将国家层面对智慧城市建设的重视提到一个新的高度。2016年，国家发改委等三部门联合发布关于组织开展新型智慧城市评价工作、务实推动新型智慧城市健康快速发展的通知，正式开始了对我国智慧城市建设成果的评价。我国的智慧城市建设主要从加强城市智慧基础设施（如智能给排水管道、云计算中心）建设，开展电子政务、智能物流等创新应用方式以及发展物联网产业、大数据产业等相关产业三个方面进行。经过几年的实践探索，智慧城市建设取得了许多成就。到2020年,住建部公布的我国智慧城市试点数量已经达到290个，再加上相关部门所确定的智慧城市试点，智慧城市试点数量累计近800个,我国正式成为全球最大的智慧城市建设实施国。2022年,党的二十大报告指出，要"以中国式现代化全面推进中华民族的伟大复兴"。中国式现代化与城市建设息息相关，而在城市发展进入新阶段、城市问题不断凸显的当下，智慧城市这一新的城市发展模式为解决城市发展难题、明确未来发展方向提供了新的思路，因而合理评价智慧城市建设的实践成果对提高城市居民生活质量、促进新型城镇化建设乃至促进实现中国式现代化都具有重要意义。（二）理论分析城市宜居度的提高依赖于城市经济、生态、文化等方面的总体提升,最终落脚于产业结构、能源、交通、生活环境、安全、治理等具体环节。城市宜居度的提升需要经济高质量发展作为主导动力（陈呈奕等,2017）,从而在总量上扩大智慧城市建设对实在物质生产的满足，促进生产力的更新和进步，在结构上优化资源配置，促进节能高效的可持续发展；同时，城市宜居度的提升也需要各方面市场环境的整体改善，以促进居民获得感、幸福感的提高（ViSViZetal,2019）0一方面,智慧城市运用物联网、云计算、大数据等新兴信息通信技术进行城市建设，提高城市运营能力，以高效节约的物质生产保证城市居民的消费，促进结构转型升级，在实现可持续发展目标的基础上满足城市居民更多更高的物质需求；另一方面，智慧城市通过营造更开放、和谐的环境氛围，推动公民更广泛的经济、社会参与。以上两方面的共同作用最终体现为城市宜居度的整体提升。基于此分析,本文提出：假设1：智慧城市建设可以促进城市宜居度的提升。下面对智慧城市建设提升城市宜居度的作用逻辑进行具体分析：智慧城市建设通过资源配置效应、创新驱动效应和创业促进效应来促进城市宜居度的提升01 .资源配置效应智慧城市的资源配置效应在企业内部体现为产品生产效率提高，在社会层面则体现为促进生产要素向高效率的行业和企业转移。从企业层面来讲，基于智慧城市建设搭建的工业互联网平台，借助大数据技术提供的数据资料、云计算技术提供的算力保障、人工智能深度学习形成的算法和物联网技术的连接整合,可以使企业的全流程生产经验活动都提高运作效率（ZhoUetal,2020）:在生产环节利用智能传感器和控制器，运用智能控制终端实时监控，对生产过程中的设备运行状态、环境情况和产品参数等进行自动调控，降低人为操作的失误率，提高产品质量；在销售环节利用大数据和人工智能挖掘市场需求，开辟新市场，精准定位目标客户人群，降低单位营销成本，提高企业营销效率0一系列便捷高效的智能技术可以促进企业引进新技术，更新生产经验模式,从而在行业内倒逼落后的企业运用新技术、新材料、新能源进行竞争,加速淘汰高能耗、低效率企业，进而使地方产业结构得到优化,带动资本、劳动等生产要素向高效行业和企业流动，并在社会层面提高资源配置效率,创造更高经济价值的同时，降低环境污染和资源消耗,最终在经济、生态方面提高城市表现,推动可持续发展目标的实现，进而提升城市总体宜居度。基于以上分析,本文提出：假设2:智慧城市建设通过资源配置效应,促进城市宜居度的提高。2 .创新驱动效应智慧城市建设通过完善5G基站、云计算中心等城市信息基础实施，提升城市信息化水平，由此促进信息通过互联网平台等手段实现及时迅速的共享，打破信息壁垒，实现信息的有效传递和利用，从而为企业创新提供信息支撑（宋德勇等，2021）。同时,从企业微观角度来看，智慧城市建设不仅能够通过降低信息不对称为企业提供更好的融资环境、缓解企业的融资约束，还可以通过平台化的软硬件设施，更迅速地为企业提供改善生产经营环节的信息，提升内部整体治理水平，从而提高创新的决策效率，同时借助智慧城市建设下外部监管强度的提升，进一步倒逼企业进行创新，由此在城市层面提高创新绩效（韦琳等,2022）0创新驱动能够促进城市在生态环境方面的绩效提升，降低工业废水、废气的排放,实现更清洁环保的工业生产，从而在促进城市经济发展的同时保持城市居民良好的生活环境，实现可持续发展，提升居民的城市生活质量，最终实现城市宜居度的提升O基于以上分析,本文提出：假设3:智慧城市建设通过创新驱动效应,促进城市宜居度的提高。3 .创业促进效应营商环境可以视为企业在其中进行融资、生产、投资等各项活动时所面临的外部环境的总和（李志军等，2019）当营商环境或者其内部群落（政府与市场）之间的关系发生变化时，就有可能影响新企业的创建率（杜运周等，2020）。基于这个视角，一方面，智慧城市建设能够通过大数据、云计算等互联互通的网络智能化平台提供高效、快捷的数据收集和处理服务（Camer。etal,2019）,为初创企业提供良好的数据资源支撑，提高其海量信息的处理能力；同时,智慧城市可以带动交通、制造等领域的基础设施建设,为其提供充足、可靠的硬件条件，从而提高营商环境的最大承载力，使更多创业活动成为可能。另一方面，智慧城市能够通过基于新技术的智慧政务平台的搭建，促进地方政府政务处理公开透明、缩短程序办理时间，向着更加便民化的方向发展，降低政府对创业企业无效干预带来的成本；同时,智慧城市还能通过物联网、互联网等技术帮助政府建成高效灵敏、覆盖全面的社会管理网络,实现全面监管、及时反应、快速处理,进而提高其公共服务质量和水平，促进政府向服务型转变，为企业发展提供更广阔的空间o智慧城市提供的平台和技术，能够促进城市居民更广泛地参与经济活动，良好的营商环境不断吸引创业者的集聚，从而通过这些创新性人才的集聚发挥对城市生态财富的正向影响（鲍鹏程等，2023）。创业创新人才通过发挥创造性，在创业活动中实现技术、劳动、资本等要素的新组合，尤其是对传统自然资源的开发与利用进行改进，能够在提升经济运行效率、增进社会财富的同时，创建新型绿色发展方式，并通过创业创新人才的聚集，向外辐射影响普通城市居民,从而推广环保理念,推动大众形成绿色生活习惯（徐军海等，2021）,促进城市绿色环保领域的发展，提升城市整体宜居度。基于以上分析，本文提出：假设4:智慧城市建设通过创业促进效应,促进城市宜居度的提高。三、研计（一）模型设定我国于2009年提出智慧城市建设构想,于2012年正式设立智慧城市试点,第一批试点城市包含全国90个地、县级市，随后于2013年、2014年相继设立第二批、第三批试点城市。本文将智慧城市试点政策看作一次准自然实验，利用双重差分法评估其对城市宜居度提高的促进作用。本文参考王锋等（2022）的做法，采用多期DID方法进行回归分析,评估政策净效应,并建立如下回归模型：Iivabilityit=0+1did+bit+i+t+it（1）其中，被解释变量Iivability是城市宜居度指数.核心解释变量did是表示智慧城市试点的虚拟变量，即是否处于试点城市（treated）和政策是否已开始实施（PoSt）的交互项；若城市i在t年实施智慧城市试点政策则取值为1,反之为0；此变量的系数即本文关注的重点。若回归结果中0,则表明实验组在智慧城市试点之后的宜居度提高更显著，即证明了本文的预期结论。X为本文回归中的一系列控制变量，控制一些对城市宜居度存在影响的变量。,为城市固定效应,Yt为时间控制效应为随机扰动项。（二）数据和变量1.城市宜居度指数构建城市宜居度的评价往往需要综合主观和客观两个方面（陈呈奕等,2017）。一般的评价指标即从这两个方面入手，以城市居民满意度抽样调查的结果反映居民对城市宜居度的主观意见，以硬件统计指标反映城市客观宜居条件。本文重点关注的是智慧城市建设对城市硬件设施等方面的提升作用，因而从客观物质的角度对城市的宜居度进行评价o目前，在全国层面没有对城市宜居度进行评价的统一标准，许多研究仅限于某一省市或者区域（张凌洁,2021;贾占华等,2017）。参考ReiS等（2019）的做法,本文从经济、生态、社会三个角度,综合数据可得性等因素,选取34个具体指标,构建宜居城市指标体系,涉及居住、资源、环境、生态、基础设施、经济发展、社会保障等具体环节。城市宜居度评价指标构成如表1所示。其中，对城市自然条件气温的衡量,参考宋华盛等（2022）的做法,编制气温指数，其具体计算公式为：气温指数=1/（年极高温度-年平均温度）2+（年极低温度-年平均温度）2。考虑极端气温对于城市宜居度的不利影响，本文将其确定为正向指标，即当城市极低温度和极高温度与其年平均温度的差距较小，则其受一年中极端温度影响较小，城市宜居程度较高。不同指标赋权方面，本文参考现有文献的做法（魏敏等，2018）,以精权法合成城市宜居度综合得分，并进行标准化处理。相关数据来源于WIND数据库、加拿大达尔豪斯大学大气成分分析组及历年中国城市统计年鉴。2.数据说明（1）被解释变量本文被解释变量是各地级市根据表1所列示指标通过嫡权法得出的标准化后的城市宜居度得分指数（livability）,用以体现城市客观的宜居程度。（2）核心解释变量本文核心解释变量为政策虚拟变量did对于在三批试点城市名单中的城市,其在实施试点政策之前该变量记为。,政策实施当年及之后年份记为1；对于从未实施过智慧城市试点政策的城市，该变量记为Oe（3）控制变量本文控制变量如下：经济发展水平（InagdP）,用实际人均地区生产总值的对数表示；信息化程度（Inint-er）,用移动互联网用户占总人口比重的对数表示；住宅投资完成额占比（IninVre）,用住宅投资完成额占GDP比重的对数表示；人力资本存量（Inhigh）,用高等学校在校生人数占总人口比重的对数表示;城市化程度（Inurban）,用市辖区人口数与总人口数之比的对数表示；金融发展规模（Infin）,用年末金融机构存贷款余额占GDP比重的对数表示；对外开放（IntradegdP）,用进出口总额占当年GDP比重的对数表示。相关数据来自各省市统计年鉴。表1城市宜居度指标构建指标类型变量选择类别嫡权法权重经济产业结构第三产业占总产值比重正向指标0.00996经济发展人均GDP正向指标0.05333经济增长率正向指标0.01362物价水平负向指标0.03514职工平均工资正向指标0.03072生态自然环境气温指数正向指标0.03705建成区绿化覆盖率正向指标0.00402人均公园绿地面积正向指标0.07512污染工业固体废物综合利用率正向指标0.00358城镇生活污水处理率正向指标0.00114生活垃圾无告化处理率正向指标0.00197单位GDP电耗负向指标0.115工业废气排放景负向指标0.6工业废水排放量负向指标0.060PM2.5负向指标0.00663社会交通城市道路密度正向指标0.01941人均城市道路面积正向指标0.03297人均机动车拥有数正向指标0.02714人均公共交通客运量正向指标0.11332人均公共交通车辆正向指标0.04431人均出租汽车数正向指标0.07960医疗每万人拥有床位数正向指标0.02351每万人拥有医师数正向指标0.02684教育人均教育支出正向指标0.04837普通高等学校在校生占比正向指标0.06212中小学师生比正向指标0.01288居住房地产投资占比正向指标0.04736房价收入比负向指标0.174文化人均剧院、品乡院数正向指标0.00119每百人公共图书馆藏书正向指标0.794社会保障城镇登记失业率负向指标0.187数字化移动电话年末用户占比正向指标0.03692人均电信业务景正向指标0.07338互联网接入用户比重正向指标0.06504在数据处理上，部分数据存在缺失值，我们通过插值法补齐，并对构成城市宜居度指标的部分变量进行了上下5%缩尾处理，以减少异常离群值对结果的影响O最终,本文得到2005-2019年全国250个地级市的面板数据,并就智慧城市试点政策对城市宜居度影响展开经验分析。相关变量描述性统计结果如表2所示。表2变量的描述性统计结果变量变量符号观测数均值标准差最小值最大值宜居度得分Iivability375020.1910.840100经济发展水平Inagdp375010.310.750812.46城市化程度Inurban3747-1.2800.670-3.2601.110住宅投资占比Ininvre3749-2.8200.750-5.5400.0800对外开放Intradegdp3750-2.6401.500-7.3201.750人力资本Inhigh37304.4101210-4.4308.860信息化程度Ininter37486.93013.9709.720金融发展Infin37500.7600.540-1.4603.290四、验结果(一)平行趋势及动态效应检验要使用双重差分法对政策效果进行评估，需要满足平行趋势假定，即在政策冲击发生之前，实验组和对照组的结果变量(本文中即城市宜居度)有相同的时间变化趋势。为此，本文用样本数据中各个年份的虚拟变量YearT(T=2005,2006,2007,2018,2019)与政策组别虚拟变量(treated)相乘后进行回归；同时考虑到-47.政策实施开始7年之前的数据较少，本文将政策实施7年之前的数据汇总到政策实施开始前的第7期,并将政策开始实施前的最后一年2011年作为基期在结果中省去，最终的结果如表3所示。由表3可知,在智慧城市试点政策开始实施之前的部分年份,其交互项系数（treatedXYearT）的符号为负且整体不显著，而在政策实施之后，交互项系数均显著为正，说明实验组城市宜居度提升开始优于对照组，也表明本文智慧城市试点政策冲击的结果满足平行趋势条件。表3平行趋势及动态效应检验结果(1)treated×Year2OO5-0.655(0.471)treated×Year2006-0.555(0.337)treated×Year2OO7-0.350(0.301)treated×Year2008-0.355(0.250)treated×Year2009-0.396(0.305)treated×Year2010-0.156(0.135)treated×Year20120.464-(0.147)treated×Year20130959(0.262)treated×Year20141.021w(0.293)treated×Year20151.568(0.383)treated×Year20162.314(0.637)treated×Year20171.329,(0.612)treated×Year20181.753°(0.710)treated×Year20193.770(1.192)othersYescityYesyearYesN3727R20.920注*、*、*分别表示在1九5%和10%水平显著.括号内为修正了异方差后的稳健标准误；OtherS表示本文的其他控制变量和常数项.city、year分别表示城市固定效应和年份固定效应。以下各表同。为了更直观地反映检验结果，根据加入了控制变量的回归结果，本文绘制了动态效应检验图，其结果如图1所示。其中，垂直于横轴的带盖短直线是各期数与处理组虚拟变量的交互项回归系数的95$置信区间。可以看到，在期数为0（2012年）以前，期数系数为负且整体不显著，即在智慧城市试点政策实施之前，实验组与对照组之间的城市宜居度没有明显差异；在政策冲击之后，交互项的系数均显著为正.说明实验组的城市宜居度提升情况优于对照组。同时，结果表明该政策的影响具有一定的持续性，边际效应线向右上方倾斜，说明智慧城市建设对于城市宜居度提升的促进作用在随时间增加。（二）基准回归本文按照多时点双重差分法设定的计量模型，对智慧城市建设与城市宜居度之间的因果关系进行识别.其基准回归结果如表4所示。在表4中，模型（1）为不加控制变量的模型，模型（2）至模型（5）为逐渐加入控制变量的模型。在所有估计结果中，交互项系数均在1%的显著性水平下显著且符号为正，说明智慧城市建设能够有效提高城市宜居度，假设1得证。-48图1动态效应检验图示表4基准回归结果(1)(2)(3)(4)(5)did1.493o1.475147815151.667(0.367)(0.376)(0.374)(0.374)(0.387)InagdpI.1801.0791.418-1.161(1.859)(1.855)(1.8(2.319)Inurban1.360,1.374,0.412(0.804)(0.802)(0.662)Ininvre0.463,0.600”“0.495,(0.219)(0.206)(0.214)Intradeg*-0.479*-0.490”(0.198)(0.228)Inhigh1.742(0.229)Ininter2.164(0.349)Infin0.238(0.376)constant9.594-1.4643.001-0.9452.106(0.261)(17.35)(17.39)(17.04)(21.43)cityYesYesYesYesYesyearYesYesYesYesYesN37503750374637463728R20.7350.7350.7380.7390.772（三）稳健性检验1 .安慰剂检验由于本文的结果可能受其他不可观测因素的影响，因而借鉴李青原等（2021）的方法，通过安慰剂检验判断城市宜居度提高是否有其他因素作用。如果模型设置存在系统性偏差和重要因素的遗漏，那么通过随机抽样也可以得到与本文基准回归类似的结果。为此，本文随机化智慧城市试点政策的时间点，在此基础上进行500次回归，这样可以得到虚假的交互项估计量，将其分布绘制出来，其结果如图2所示。由图2可知.与本文基准回归得到的交互项系数为1.7的估计值相比，随机抽取样本进行回归得到的交互项系数核密度估计值分布在0附近，远小于基准回归结果。同时，随机抽样估计出的系数大多回归结果系数的P值高于01（即高于图中平行于横轴的虚线标识），即在10%的显著性水平下结果仍不显著，由此我们可以认为城市宜居度的提高是由于智慧城市试点政策而不是由其他不可观测的因素推动的，本文基准回归的估计结果有效。placeboTest.|/卜，/87)5小_32_1I.-35.11%coefficientskdesityofestimatesopvalue图2安慰剂检验结果2 .PSi-DID检验双重差分估计要求实验组和对照组在政策冲击以外的其他各方面特征上相近，而我国城市发展情况各不相同.城市特征各异，这就可能存在样本自选择问题，从而给政策净效应的估计带来偏差。在本文的研究背景下，要降低样本自选择带来的影响，就要尽量减少智慧城市试点城市其本身更先进的城市发展理念、更好的城市发展模式或更高的政府治理水平等因素对其宜居度的影响，因而本文逐年将样本期间的数据,通过核密度倾向得分匹配法（PSM）,把入选试点城市的个体特征与未入选城市进行比较，减少样本选择的偏差。在控制了可能引起样本自选择的因素（即PSM所用的协变量）之后，把实验组与对照组城市宜居度的差异视为由智慧城市试点政策所致。本文绘制了匹配前后的核密度图如图3和图4所示。相比于匹配前，匹配后实验组与对照组的倾向得分值概率分布明显相近，说明匹配效果较好，进一步说明了本文采用PSM-DID方法的合理性。最终采用满足共同支撑假设的样本进行回归的结果如表5所示，核心解释变量的系数在1$的显著性水平下显著且符号为正，说明智慧城市建设能够有效提高城市宜居度，进一步支持了本文假设1o表5逐年PSM后回归结果(did2-1363£(0.366)Inagdp,-2.895(2.315)Inurban11.2570(0.496)Ininvre0,555*(0.219)A-续表(1)lntradeg-0.372,(0.195)Inhigh1787(0.222)Ininter2.452(0.355)Infin0.351(0.359)nstant18.91(21.19)N3589R20.789(四)机制检验本文将从资源配置效应、创新驱动效应和创业促进效应上来分析智慧城市发挥作用的具体机制。同时，参考金祥义等(2022)的检验方式，我们将采用机制变量直接回归的方式对前述机制假设进行检验。1 .资源配置效应参考干春晖等(2011)的研究，采用泰尔指数进行产业结构合理化的度量以衡量城市资源配置效率，其表达式如下：二>>,>T=Wl不ln(；/)I®1L,L式中Y1表示第i产业的总产值(i=1.2.3)；Y表示地区生产总值L表示第i产业的从业人数;L表示社会从业人员总数。根据古典经济学理论，当经济处于均衡时.各个产业有相同的生产效率，故泰尔指数应当等于零；如果实际测得的泰尔指数不为零则说明产业结构存在不合理之处，其偏离零越远说明产业结构越不合理。为避免回归系数过小，将泰尔指数放大10倍后作为衡量资源配置效率的机制变量进行回归，得到的结果如表6第(1)列所示。其交互项系数在1%的显著性水平下显著，符号为负，说明在政策实施后样本城市泰尔指数的绝对值减小，更多的资源被分配到了效率更高的产业之中，产业结构得到优化，资源配置趋于合理.资源配置效率有所提高,从而验证了假设3o2 .创新驱动效应借鉴肖叶(2019)的研究，采用城市层面的专利授权量(单位：百件)作为衡量创新的机制变量进行回归，结果如表6第(2)列所示。其交互项系数在1$的显著性水平下显著，符号为正.说明在政策实施后样本城市的专利授权量相对增加,城市的创新绩效提升,进而城市宜居度也有所提升，从而验证了假设303 .创业促进效应参考白俊红等(2022)的研究，采用每万人城市新建企业数作为衡量创业促进效应的机制变量进行回归，结果如表6第(3)列所示。其交互项系数在5%的显著性水平下显著，符号为正.说明在政策实施前后样本城市的新建企业相对增加，创业活动得到促进，从而验证了假设4o表6机制检验结果(1)资源配置效应