EN中文

经济地理 >

2024 , Vol. 44 >Issue 7: 135 - 143

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.07.014

产业经济与创新发展

智慧城市建设对中国市域经济韧性的影响

  • 刘宇轩 , 1 ,
  • 王宇航 1 ,
  • 邓文逸 2
展开
  • 1.湘潭大学商学院，中国湖南湘潭 411105
  • 2.湖南工商大学会计学院，中国湖南长沙 410205

刘宇轩（1992—），男，博士研究生，研究方向为收入分配与区域经济。E-mail：

收稿日期: 2024-01-15

  修回日期: 2024-07-10

  网络出版日期: 2024-09-13

基金资助

国家社会科学基金青年项目(23CJL029)

收起

Impact of Smart City Construction on the Resilience of Urban Economy in China

  • LIU Yuxuan , 1 ,
  • WANG Yuhang 1 ,
  • DENG Wenyi 2
Expand
  • 1. Business School，Xiangtan University，Xiangtan 411105，Hunan，China
  • 2. School of Accounting，Hunan University of Commerce and Industry，Changsha 410205，Hunan China

Received date: 2024-01-15

  Revised date: 2024-07-10

  Online published: 2024-09-13

Fold

摘要

文章基于2008—2021年中国251个地级及以上城市的市域面板数据，在考虑智慧城市试点选择性偏误的条件下，利用渐进双重差分模型检验了智慧城市建设对市域经济韧性的影响及其作用机制。研究发现：①智慧城市建设能够通过提升市场活力，促进科技创新和推动城市数字化转型等路径提升市域经济韧性水平，且该结果在剔除各类干扰样本和更换多种回归方法的条件下依然稳健。②异质性检验表明，智慧城市建设能够显著提升人口规模较小、金融供给水平较低和外贸依赖度适中城市的市域经济韧性水平。该结论为继续推进中国智慧城市建设和提升市域经济韧性提供了经验支持。

关键词： 智慧城市建设; 市域经济韧性; 市场活力; 科技创新; 数字化转型; 金融供给; 外贸依存度

本文引用格式

刘宇轩 , 王宇航 , 邓文逸 . 智慧城市建设对中国市域经济韧性的影响[J]. 经济地理, 2024 , 44(7) : 135 -143 . DOI: 10.15957/j.cnki.jjdl.2024.07.014

Abstract

Based on the panel data of 251 prefecture-level cities in China from 2008 to 2021 and taking into account the selective bias of smart city pilot projects, this article uses the progressive difference-in-differences model to test the impact and mechanism of smart city construction on urban economic resilience. It's found that: 1) The construction of smart cities can enhance the resilience of the urban economy by improving market vitality, promoting technological innovation, and driving urban digital transformation. Moreover,this result remains robust even after removing various interference samples and replacing multiple regression methods. 2) Heterogeneity testing shows that the construction of smart cities can significantly improve the economic resilience of cities with small population size, low financial supply level,and moderate dependence on foreign trade. This conclusion provides empirical support for continuing to promote the construction of smart cities in China and enhancing urban economic resilience.

Key words： smart city construction; urban economic resilience; market vitality; sci-tech innovation; digital transformation; financial supply; foreign trade dependence

经济韧性是经济系统在遭受外部冲击后维持自身稳定并从冲击中恢复到原有状态的能力。随着全球性风险的持续增加，关于如何提升经济韧性的研究越来越受到学者们的广泛关注。总体来看，现有研究主要涉及以下3个领域：①产业结构方面，学者们发现产业结构多样化、专业化和高级化与城市经济韧性存在正相关关系[1]。多样化的产业结构具有自动稳定器的作用，可减轻特定部门遭受冲击的风险，增强经济系统的抗风险能力，促进经济自我修复，而专业化和高级化的产业结构可通过加速要素流动、降低成本等路径提升城市经济韧性[2]。②资源集聚方面，人力资本、金融资源和技术创新等生产要素的集聚能力与城市经济韧性息息相关[3-4]。研究表明，金融资源和科技创新集聚能够通过规模经济、产业和人力资本结构升级使产业链和价值链向高端延伸，增强经济的抗风险能力[4]。③数字经济方面，学者们发现数字化转型在降低市场交易成本、优化资源配置、提升全要素生产率方面的优势有利于提高城市经济韧性[2]。虽然现有文献对如何提升城市经济韧性已给予较多关注，并取得丰硕成果，但对于何种城市发展模式能够提升城市经济韧性的研究仍然不足。
智慧城市是运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式。自2008年美国IBM提出“智慧地区”的新型社会发展模式以来，智慧城市的发展理念便迅速在全球范围内拓展，成为世界大多数国家城市发展的重要方向。为应对城镇化快速发展过程中出现的空气污染、交通拥堵等诸多“城市病”，2009年中国政府也提出智慧城市的新型城镇化发展理念。随后，住建部分别于2012、2013和2014年公布了3批智慧城市试点名单，涉及277个城市（区、县、镇），并对试点城市基础设施建设和管理体系的智慧化转型提出明确要求。研究表明，智慧城市建设在降低城市环境污染[5]，改善城市营商环境[6]，加快各类要素集聚，提高资源配置效率，促进城市技术创新[7]方面具有积极效应，能够显著提高城市生态韧性[8]、社会韧性、基础设施韧性等[9]，但尚未有学者就智慧城市建设与城市经济韧性的关系展开直接研究。鉴于此，本文基于国家智慧城市试点政策的准自然实验，利用2008—2021年中国251个地级及以上城市面板数据，通过渐进双重差分模型实证检验智慧城市建设对市域经济韧性的影响及其作用机制。

1 政策背景与理论机制

1.1 政策背景

随着信息技术和数字技术加速发展，智慧城市建设理念在全球悄然兴起。欧盟于2006年提出实施欧洲智慧城市网络计划，利用开放网络空间为居民提供优质公共服务。新加坡制定了为期10年的“智慧国2015”计划，提出以信息网络建设驱动智慧国际化都市建设。英国、爱尔兰、德国等也相继推出“数字英国”计划、“T-CITY”实验及“智慧湾”项目等。2008年，IBM公司首次提出“智慧地球”战略构想，并与迪比克市合作建立起美国第一个智慧城市，通过物联网技术提升城市公共服务运行效率。
伴随着全球智慧城市的发展热潮，2009年中国政府提出了智慧城市的新型城镇化发展理念。2012年12月，住建部发布的《关于开展国家智慧城市试点工作的通知》指出，建设智慧城市是贯彻党中央、国务院关于创新驱动发展、推动新型城镇化、全面建成小康社会的重要举措，通过积极开展智慧城市建设，提升城市管理能力和服务水平，促进产业转型发展 ① 。同时，通知还印发了《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）》，并据此评选和公布了第一批国家智慧城市试点名单，该名单涉及90个城市（区、县、镇） ② 。2013年8月，住建部开展了基于数字化城管系统的智慧城市评定工作，将北京经济开发区等103个城市（区、县、镇）作为第二批国家智慧城市试点。2014年3月，智慧城市建设被纳入《国家新型城镇化规划（2014—2020年）》（以下简称《规划》）。《规划》提出，要统筹利用城市发展的物质资源、信息资源和智力资源，推动物联网、云计算、大数据等新一代信息技术创新应用，构建与城市经济社会深度融合的发展模式 ③ 。2014年8月，国家发展改革委等八部委印发《关于促进智慧城市健康发展的指导意见》，提出智慧城市要坚持走集约、智能、绿色和低碳的新型城镇化道路，逐步实现“公共服务便捷化、城市管理精细化、生活环境宜居化、基础设施智能化和网络安全长效化”的城市建设总目标 ④ 。随后，住建部和科技部联合发布了2014年度国家智慧城市试点名单，将84个城市（区、县、镇）确定为第三批国家智慧城市试点。

1.2 理论机制

相关研究认为，经济韧性是经济系统在抵抗外部冲击和恢复到原有发展趋势的外在表现。在抵抗外部冲击阶段表现为经济系统不致遭受严重破坏并整体保持稳定的能力，在恢复原有趋势阶段表现为使经济系统逐步恢复到正常经济运行轨道的能力。通过对智慧城市建设目标、具体措施和实施效果的分析，本文认为：智慧城市建设可能通过增强市场活力、促进技术创新、推动数字化转型等路径增强城市的经济韧性。

1.2.1 智慧城市建设通过增强市场活力提升城市经济韧性

市场活力是应对经济冲击的基础，创业活跃度是市场活力的重要表现。在经济系统抵抗外部冲击阶段，活跃的城市创业能够为经济运行提供更多供给主体，提升相应产业链、供应链各环节的可替代性和稳定性[10]。而大量新增企业进入会加剧经济主体间的市场竞争，增强在位企业的环境适应能力和竞争力[11]，在整体上提高城市经济系统应对外部冲击的能力。在经济系统恢复到原有趋势阶段，活跃的城市创业能够创造更多的就业岗位，推动经济在受冲击后逐步走向复苏。研究表明，智慧城市建设在促进城市创业过程中发挥着积极作用[12]。一方面，智慧城市对人工智能、云计算等网络技术的使用将大幅提升人们对各类信息的收集和处理能力，使人们能够从混乱的市场信息中识别出有效的市场供需关系，发现更多创业机会；另一方面，智慧城市建设在人力资本和金融资源等方面的集聚作用能够有效降低居民在创业过程中获取各类要素的搜索成本，在城市营商环境和基础设施建设方面的正向效应也有利于降低企业的经营成本，增强市场活力。

1.2.2 智慧城市建设通过促进技术创新来提升城市经济韧性

技术创新是提升经济韧性的重要方式。在经济系统抵抗外部冲击阶段，技术创新是经济系统抗风险能力的重要来源，较高的科技创新水平能够提升经济各部门在自然灾害和安全事故等突发事件中的应对能力，使经济系统在面对内外冲击时有较高的稳定性。在经济系统恢复到原有趋势阶段，创新是企业应对需求变化的重要方式，创新能力较强的企业能够更快地开发新产品以适应市场需求变化，进而推动区域经济复苏。研究表明，智慧城市建设在技术创新中发挥着重要的牵引和支持作用[7]。一方面，智慧城市建设过程伴随着对新一代信息技术的研发、适用性改造和应用性创新，为创新活动提供了发展方向和应用场景[13]；另一方面，在智慧城市构建的信息网络下，人们能够更好地发现和配置市场资源，使各类要素向创新效率更高的主体集聚，提升城市技术创新水平和效率。

1.2.3 智慧城市建设通过推动城市数字化转型提升城市经济韧性

数字化是降低市场交易成本的有效措施。在经济系统抵抗外部冲击阶段，城市智慧化、数字化、信息化转型提升了各类经济主体和政府部门对内外部风险的感知力和处置能力[14]，一定程度降低了外部冲击造成的风险损失。在经济系统恢复到原有趋势阶段，数字化转型能够增强企业对市场信息的收集和处理能力，在更大范围内实现资源优化配置[15]，促进城市经济平稳复苏。事实上，智慧城市建设目标明确提出要建立覆盖各个领域的社会管理信息体系，统筹数字化城市管理信息系统，实现城市基础设施管理的数字化和精准化，提升各类信息的共享程度。因此，随着信息化和智能化程度提高，智慧城市能够在城市内部和城市间构建起人与人、人与物紧密联系的信息网络，有效提升城市管理部门和市场主体的数字化水平。

2 数据来源、模型设定与变量释义

2.1 数据来源

为考察智慧城市建设对城市经济韧性的影响，本文以2008—2021年《中国城市统计年鉴》公布的中国地级及以上城市（以下简称城市）面板数据为基准样本 ① 。在此基础上，本文对基准数据进行如下处理：①考虑到城市经济韧性测算依赖于平衡面板数据，本文剔除了相关变量缺失的城市样本；②考虑到实证研究对样本的一致性要求，本文借鉴石大千等的方法[5]，剔除了仅将部分区、县、镇设为智慧城市试点的地级市样本和四大直辖市城市样本；③为消除极端值影响，对所有连续变量1%和99%分位数以外的数据进行缩尾处理。

2.2 模型设定

本文将住建部于2012、2013和2014年公布的智慧城市试点政策作为自然实验，利用渐进双重差分模型检验智慧城市建设对市域经济韧性的影响。具体回归模型如下：
R R C i t = α 0 + α 1 S m a r t i t + α 2 C o n t r o l i t + y e r a t + c i t y i + ε i t
式中：被解释变量RRC表示市域经济韧性水平；解释变量Smart表示城市i在t年是否为智慧城市试点；Control为一系列市域特征变量；year和city分别表示年份和城市固定效应；ε为随机误差项；估计系数α1测度了智慧城市建设对市域经济韧性影响的平均水平，α0为模型估计的常数项。考虑市域本身差异带来的潜在异方差问题，本文使用聚类在市域层面的标准误。
但对于上述识别策略的一个潜在干扰是智慧城市试点选取可能并不随机，即政策实施后城市间经济韧性的差异可能不是由智慧城市试点造成的，而是政策实施之前处理组与对照组本身就存在系统差异。为解决这一问题并提升模型识别能力，本文借鉴Niu等的方法[16]，通过控制智慧城市试点选取的决定因素来排除潜在的非随机问题。同时，本文依据2012年住建部印发的《国家智慧城市试点暂行管理办法》 ① ，从城市发展规划、政策资金保障、公共服务、信息技术、信息产业发展等方面选取影响智慧城市试点的主要变量。具体使用城市是否将智慧城市建设列入当地国民经济和社会发展“十二五”规划 ② ，使用地区2011年末金融机构人民币各项贷款余额与GDP之比来衡量城市金融资金支持能力；使用2011年人均财政收入来衡量财政保障水平；使用2011年市域互联网覆盖率衡量地区信息技术发展水平；使用2011年市域信息传输和软件业就业人员与就业人口之比来衡量地区信息产业发展水平。在此基础上，构建上述指标与年份虚拟变量的交互项来排除试点城市选取潜在的非随机问题。具体模型如下：
R R C i t = α 0 + α 1 S m a r t i t + α 2 C o n t r o l i t + y e a r t + c i t y i + y e a r t · S e l 2011 + ε i t
式中：yeart·Sel2011表示决定智慧城市试点选取的一系列市域特征变量与年份固定效应的交互项集合，其他变量与模型（1）一致。

2.3 变量释义

被解释变量。当前，关于经济韧性的测度方法包括以下三类：一是锚定单一目标的经济韧性，如苏任刚等认为，就业是社会的“晴雨表”和“稳定器”，构建就业敏感度指数测度城市经济韧性[17]；赵春燕等则使用城市GDP增速与2008年增速之差来衡量经济韧性水平[18]。二是包含“一篮子”指标体系的综合评价指数法。该方法将经济韧性划分为经济系统各类不同能力[19]。三是用空间计量模型对地区就业和经济增速进行反事实估计。该方法侧重于衡量经济韧性的外在表现。相较于前两类测算方法，反事实估计经济韧性的客观性和可信度更高，且被学者们广泛使用。因此，本文借鉴Doran等的方法，利用复杂空间计量模型对经济韧性进行测度[20]。具体测量方法如下：
首先，基于Dixon-Thirlwal循环因果模型，利用静态凡登定理构建经济增速与就业之间的回归方程，并考虑空间与时间滞后的影响因素，进行GMM-SL-SAR-RE估计 ③ 。在假设2008年金融危机并未发生的条件下，得到真实经济条件和反事实的无外部冲击之间的结果差异。模型设定如下：
l n y t = ϕ + ρ W N l n y t - 1 + γ l n y t - 1 + β l n x t + e t
式中：yt表示t期的就业水平；xt表示产出水平；lnyt-1表示时间滞后项；WNlnyt-1表示空间滞后项；其他未观测到因素均用残差项et表示；γ表示就业本身的惯性；β表示经济产出变化对就业的影响；ρ表示就业在城市间的空间相关系数；φ为模型估计的常数项。通过对相关系数估计推算出反事实的就业水平 l n y ^ t。
其次，定义2008—2009和2020—2021年为经济系统抵抗外部冲击阶段，2010—2019年为经济系统恢复到原有趋势阶段，利用式（4）（5）测度各城市经济韧性水平。
R R C i = Δ y i c - Δ y ^ i c Δ y ^ i c
R R C i = Δ y i r - Δ y ^ i r Δ y ^ i r
式中： Δ y i c和 Δ y i r分别指抵抗时期和恢复时期i城市的就业变化； Δ y ^ i c和 Δ y ^ i r分别指抵抗阶段和恢复阶段的反事实就业变化。当测算结果为正时，表明该城市经济韧性优于整个国民经济；当测算结果为负时，表明该城市经济韧性弱于整个国民经济。
依据测算结果，图1分别展现了2008和2021年我国市域经济韧性的时空分布。空间上看，无论是2008年或是2021年，我国经济韧性较高的城市相对集中。其中东部地区经济韧性较高的城市主要分布在珠江三角洲、长江三角洲、山东半岛、京津冀地区，而中西部地区主要分布在各省省会和经济较发达的城市。时间上看，2008—2021年我国市域经济韧性水平得到普遍提升。其中珠江三角洲、长江三角洲、山东半岛、京津冀地区等经济韧性较高的城市出现明显扩容倾向，城市经济发展水平正由中心城市向外扩散，提升了整个地区的经济韧性；而在东北地区，经济韧性较高的城市则收缩到沈阳、大连、长春和哈尔滨等中心城市，中西部地区经济韧性较高的城市也在向省会及其周边城市集聚。
图1 2008和2021年中国市域经济韧性水平状况

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2024）0650号的标准地图制作，底图无修改；本文图a和b对市域经济韧性的分级标准全部采用同一标准，各图之间具有可比性，具体以-0.7517、-0.7242、-0.6995、-0.6546为各层划分标准，将样本划分为低、中低、中、中高、高五组。我国各城市经济韧性均值从2008年的-0.719上升到2021年的-0.703，整体呈上升趋势。

Fig.1 Spatial distribution of urban economic resilience of China in 2008 and 2021

解释变量。由于智慧城市试点分三批发布，按照渐进双重差分模型变量设置的一般方法，将智慧城市试点i当年及以后年份的Smart变量赋值为1，否则Smart变量赋值为0。
控制变量。为排除其他因素对智慧城市提升经济韧性带来的干扰，参考相关研究，本文在实证模型中加入以下控制变量：产业结构（Industrial structure）使用各城市第三产业产值占GDP的比重衡量；人口密度（Population density）使用市域人口数除以市域行政区划面积（万人/km2）测度；财政支持（Fiscalper）使用市域人均一般公共预算支出水平衡量；对外开放（FDI）通过市域实际使用外资与GDP的比值来计算；市场分割（Markets）使用价格指数法计算的市域层面市场分割指数来衡量；经济发展（GDPr）使用市域实际GDP的增长率衡量。

2.4 描述性统计

上述主要变量的描述性统计结果见表1。从样本结构看，29.77%的城市样本成为智慧城市试点。从市域经济韧性看，无论是否为智慧城市，其经济韧性均值都为负，表明平均来看市域经济发展都未回到潜在经济发展水平。从经济韧性差异看，智慧城市的经济韧性整体上优于非智慧城市。并且，相较于试点政策前，政策后智慧城市经济韧性均值上升幅度比非试点城市上升幅度高0.018个单位，一定程度上表明智慧城市建设能够提高市域经济韧性。
表1 描述性统计

Tab.1 Descriptive statistics

变量 全样本 智慧城市 非智慧城市 Diff.
（T-test）
N Mean S.D. Mean Mean
RRC 2417 -0.7167 0.0530 -0.7056 -0.7209 0.0153***
wRRC 2417 -0.6987 0.0561 -0.6851 -0.7029 0.0178***
Smart 2417 0.2894 0.4535
Industrial structure 2417 40.0619 9.3944 43.4538 38.8063 4.6474***
Population density 2319 0.0526 0.0526 0.0448 0.0491 0.0128***
Fiscalper 2417 0.7666 0.5253 1.0331 0.6680 0.3651***
FDI 2417 0.0169 0.0168 0.0196 0.0159 0.0036***
Markets 2417 0.0021 0.0023 0.0014 0.0024 -0.0010***
GDPr 2417 9.1363 4.3173 7.2984 9.8166 -2.5182***

注：Diff.（T-test）一列中显示了智慧城市和非智慧城市各变量样本均值差异的T统计量，***表示在1%的水平上显著。

3 实证分析

3.1 平行趋势检验

在智慧城市试点政策前，处理组和对照组间的经济韧性水平不存在显著差异是使用双重差分模型的基本条件。对此，本文使用事件分析法检验上述实证方法的适用性。具体方程设计如下：
R R C i t = α 0 + ∑ k - 6 5 δ k D i t k + y e a r t + c i t y i + ε i t
式中： D i t k表示智慧城市试点政策是否发生的虚拟变量。具体而言，本文使用 S i代表城市i成为智慧城市的年份，如果t-Si=k时，则 D i t k = 1，否则 D i t k = 0（k的取值范围为-6~9）。为避免完全共线性问题，本文将k=-1设定为基准年并从回归中剔除。在回归结果中，当k<0时， δ k不显著，则本文平行趋势假设成立。事件分析法的估计结果如图2，横轴表示k的取值，纵轴为对应估计系数。可发现当k<0时，估计系数 δ k都不显著，表明在政策发生前，智慧城市与非智慧城市间的经济韧性水平不存在显著差异，即符合双重差分的平行趋势要求。
图2 平行趋势检验结果

Fig.2 Results of parallel trend test

3.2 基准回归结果分析

智慧城市建设对市域经济韧性影响的基准回归结果见表2。表2中列（1）（2）结果显示，无论是否控制其他变量带来的影响，智慧城市建设对市域经济韧性的影响都显著为正，表明智慧城市建设能够显著提升市域经济韧性。为考察上述影响的长期效应，本文在列（3）回归中加入政策发生后每一期虚拟变量与受政策处理个体虚拟变量的交互项，包括post1~post9。估计结果显示，长期来看，智慧城市建设对市域经济韧性的提升效应会随着时间推移，呈现先上升后下降的变化趋势。
表2 智慧城市建设对市域经济韧性影响的基准回归结果

Tab.2 Benchmark regression results of the impact of smart city construction on urban economic resilience

（1） （2） （3）
Smart 0.0162**（0.0077） 0.0162**（0.0076）
post1 0.0128*（0.0073）
post2 0.0139*（0.0075）
post3 0.0251***（0.0076）
post4 0.0175**（0.0076）
post5 0.0262***（0.0075）
post6 0.0154**（0.0076）
post7 0.0184**（0.0076）
post8 0.0136*（0.0073）
post9 0.0171（0.0114）
Controls NO Yes Yes
Sel2011·year FE NO Yes Yes
year /city FE Yes Yes Yes
R2 0.082 0.098 0.098
N 2417 2319 2319

注：括号内为稳健标准误下的t统计量，*、**、***分别表示在10%、5%、1%的水平上显著。表3~表6同。

3.3 稳健性检验

为排除上述回归结果中潜在的估计偏差，本文进一步考虑其他城市政策的潜在干扰、城市样本的内在差异和实证方法选取的合理性等问题，以提高结论的稳健性。

3.3.1 剔除干扰政策和样本的稳健性检验

①剔除创新型城市试点政策的影响。与智慧城市试点类似，创新型城市在风险投资集聚、技术集聚和政策集聚等方面同样存在积极作用[21]，两者在时间和处理对象上的部分重合，可能使上述结果出现潜在的估计偏差。为排除这一干扰，本文在模型（1）基础上加入是否成为创新型城市试点的虚拟变量（Innovative city），当城市i在t年是创新型城市试点城市，则变量Innovative city赋值为1，否则为0。我们还使用剔除创新型城市试点的城市样本检验智慧城市建设的真实效应，表3列（1）（2）表明，在控制或剔除创新型城市试点政策的影响后，智慧城市建设对市域经济韧性的估计系数依然显著为正。
表3 剔除干扰政策和样本的稳健性检验结果

Tab.3 Results of robustness test after removing interference policies and samples

（1） （2） （3） （4）
剔除创新型城市试点的影响 剔除副省级城市样本 剔除省会城市样本
Smart 0.0152***（0.0054） 0.0178**（0.0081） 0.0143*（0.0076） 0.0166**（0.0077）
Innovative city 0.0088（0.0116）
Controls Yes Yes Yes Yes
Sel2011·year FE Yes Yes Yes Yes
year /city FE Yes Yes Yes Yes
R2 0.0992 0.1865 0.1068 0.1073
N 2319 2090 2277 2221
②剔除城市等级差异的影响。城市间的等级差异可能对实证结果带来潜在干扰。与普通地级市相比，省会城市和副省级城市在政策支持和财政使用上有更大优势，基础设施、公共服务更加完善，有利于人才和其他要素集聚。对此，本文分别使用剔除省会城市和副省级城市样本进行稳健性检验。表3列（3）（4）显示，在剔除副省级城市和省会城市干扰后，上述结果依旧稳健。

3.3.2 替换变量和方法的稳健性检验

①替换被解释变量。为排除市域经济韧性测算误差和样本选取带来的内生性问题，本文在基准回归基础上，一方面使用城市距离倒数的空间矩阵重新测算2008—2021年我国各城市经济韧性水平，另一方面借鉴贺灿飞、钞小静等的方法[22-23]测算市域经济韧性，以最大程度保持城市样本数量。表4列（1）（2）显示，市域经济韧性测算方法和样本数量的选择并不影响本文结果的稳健性。
表4 替换变量和方法的稳健性检验结果

Tab.4 Robustness test results of replacement variables and methods

（1） （2） （3） （4） （5） （6）
替换被解释变量 PSM-DID 熵平衡法匹配 两期倍差法 构建一刀切政策
Smart 0.0198**（0.0010） 0.2543**（0.1141） 0.0121**（0.0047） 0.0166***（0.0052） 0.0199**（0.0100） 0.0164*（0.0092）
Controls Yes Yes Yes Yes Yes Yes
Sel2011·year FE Yes Yes Yes Yes Yes Yes
year /city FE Yes Yes Yes Yes Yes Yes
R2 0.0141 0.0235 0.2473 0.2892 0.1427 0.0709
N 2319 3385 1877 2319 343 1824
②排除样本选择性问题带来的估计偏差。一是PSM-DID模型的稳健性检验。本文参照Böckerman等和白俊红等的方法，利用近邻匹配法对不同年份进行逐期匹配[24,21]。二是熵平衡匹配法的稳健性检验。本文在熵平衡法最优权重估计中，同时考虑协变量、协变量的二次项和交互项带来的影响，形成熵平衡匹配后的数据集。表4列（3）（4）显示，在尽可能控制智慧城市试点样本差异后，本文结论依旧稳健可信。
③剔除潜在的序列相关问题。借鉴Bertrand等的做法，使用两期倍差法模型检验，排除潜在的序列相关问题[25]。本文将样本划分为智慧城市试点前（2008—2011年）和试点后（2015—2021年），在每个阶段对每个城市参与回归的变量取算术平均值得到两期面板数据，进而使用两期倍差法检验政策前后城市经济韧性的差异。相应估计结果见表4列（5），Smart估计系数显著为正，表明上述结论是稳健的。
④构建一刀切的试点政策。由于智慧城市试点政策出台时间不同，其政策效果亦存在差异。为排除试点时间不一致带来的异质性处理效应偏差，本文借鉴石大千等的方法[5]，通过2012年的政策试点构建一刀切的双重差分模型。表4列（6）显示，使用一刀切政策构建双重差分模型检验的结果依旧显著为正。

3.3.3 安慰剂检验

为应对无法观测因素带来的估计偏差，借鉴Lu等的做法，通过同时随机生成智慧城市试点的伪处理组虚拟变量和伪政策冲击时间的虚拟变量[26]，构建智慧城市试点的虚拟变量Smartpseudo，实证检验虚拟的智慧城市试点政策对市域经济韧性的影响。为确保安慰剂检验结果的稳健性，本文对上述检验过程重复500次，相应的估计结果如图3所示。其中，上述估计结果的系数均值为-0.0001，标准差为0.0082，该结果在统计上不显著，且基准回归系数0.017在安慰剂检验系数的95%分位数以外。据此可认为，非观测因素对估计结果没有显著影响。
图3 安慰剂检验结果

Fig.3 Placebo test results

3.3.4 机制检验

①提升市场活力的传导机制检验。提升市场创业活跃度是提高市域经济韧性的重要机制。为识别这一机制的存在性，本文借鉴赵富森等的做法[27]，选取市域当年新增注册企业数（Enterp_all）和每万人新增注册企业数（Enterp_per）作为城市创业水平的代理变量，检验智慧城市建设对市域创业活跃度的影响。表5列（1）（2）显示，智慧城市试点城市每万人中新增注册企业数高于非试点城市8.1485个，新增企业总数较非试点城市多出5294个。可见，智慧城市建设能够通过促进创业、提升市场活力来提高市域经济韧性。
表5 作用机制检验结果

Tab.5 Results of mechanism test

（1）Enterp_per （2）Enterp_all （3）I_Index （4）I_patent （5）U_patent （6）Dig_t （7）Infor_t
Smart 8.6335*** 0.5600*** 3.1196*** 1.7550** 1.3457* 0.0011*** 74.6188**
（2.6463） （0.1459） （0.5793） （0.7311） （0.7014） （0.0004） （34.0948）
Sel2011·year FE Yes Yes Yes Yes Yes Yes Yes
Controls Yes Yes Yes Yes Yes Yes Yes
year /city FE Yes Yes Yes Yes Yes Yes Yes
R2 0.2738 0.2441 0.1237 0.1103 0.1348 0.0324 0.0335
N 2319 2319 2319 2319 2319 1917 2319
②促进科学技术创新的传导机制检验。智慧城市建设的技术创新效应是提升市域经济韧性的重要方式。对此，本文选取2008—2021年城市每万人发明专利申请数（I_patent）、实用新型专利申请数（U_patent）和2008—2016年中国城市创新指数（I_Index）作为市域科学技术创新水平的代理变量 ① ，检验智慧城市建设的技术创新效应。表5列（3）~（5）显示，智慧城市建设显著提升了以城市发明专利、实用新型专利和城市创新指数为代表的技术创新水平。据此推断，智慧城市通过促进城市技术创新提升经济韧性的路径确实存在。
③推动数字化转型的传导机制检验。数字化、信息化变革是提升城市风险识别和处置能力，优化城市资源配置、提升资源利用效率的重要抓手。智慧城市建设在促进城市数字化转型，增强信息能力方面的作用有助于提升市域经济韧性。本文选取城市企业数字化转型水平（Dig_t）和人均信息业务收入（Infor_t）作为城市数字化水平的代理变量 ② ，实证检验上述传导机制。表5列（6）（7）显示，在智慧城市有更高的企业数字化转型水平和城市信息业务收入，表明智慧城市建设能够通过提升城市数字化、信息化水平提高市域经济韧性。

3.3.5 异质性检验

①人口规模的异质性检验。一般而言，不同人口规模城市对要素集聚、交易成本、市场机会的影响并不一致。规模较大的城市更有利于集聚各类要素，有更大市场需求，能够刺激和容纳更多企业创业，促进技术进步等，有助于提升智慧城市对市域经济韧性的积极影响。当城市规模超过一定水平时，过高的人口密度也可能增加城市运行的成本，产生城市污染、交通拥堵、房价过高等负面影响，降低智慧城市在提升市域经济韧性中的积极作用。本文根据2014年国务院发布的《关于调整城市规模划分标准的通知》，将全样本按照人口规模划分为300万人以下城市、300~500万人的城市和500万人口及以上的城市3个分组，分别检验在不同人口规模下智慧城市建设对市域经济韧性的影响。表6列（1）~（3）显示，智慧城市建设提高了500万人以下城市的经济韧性，对500万人及以上城市的经济韧性影响不显著。可能的原因是，与大城市相比，中小城市在区位、资源和市场空间方面的优势不足，智慧城市建设确实能够降低中小城市发展对区位和资源优势的依赖，促进地区资源集聚，提高市域经济韧性。该结果表明，智慧城市发展表现出明显的包容性特征，推动以智慧城市为代表的新型城镇化建设，能够促进欠发达地区发展，实现区域协调与包容性增长。
表6 市域特征异质性检验结果

Tab.6 Heterogeneity test results of urban characteristics

（1） （2） （3） （4） （5） （6） （7） （8） （9）
<300万 300万~500万 ≥500万 金融供给
较低		 金融供给
适中		 金融供给
较高		 外贸依存度
较低		 外贸依存度
适中		 外贸依存度
较高的城市
Smart 0.0229* 0.0335** 0.0053 0.0258** 0.0142* 0.0083 0.0100 0.0238** 0.0120
（0.0128） （0.0134） （0.0134） （0.0100） （0.0083） （0.0087） （0.0091） （0.0094） （0.0092）
Controls Yes Yes Yes Yes Yes Yes Yes Yes Yes
Sel2011·yearFE Yes Yes Yes Yes Yes Yes Yes Yes Yes
year/cityFE Yes Yes Yes Yes Yes Yes Yes Yes Yes
R2 0.1800 0.3987 0.0261 0.2671 0.2161 0.3138 0.3206 0.2384 0.2365
N 849 726 743 725 734 858 744 793 782
②金融资源供给的异质性检验。金融是促进地区发展的重要资源，金融资源的集聚程度、利用效率和普惠水平越高，越有利于地区经济发展。本文使用市域内金融机构存贷款余额占GDP的比重来衡量市域金融资源供给水平，按三分位划分为金融供给较低、适中和较高的分组。表6列（4）~（6）显示，智慧城市对金融资源供给较低和适中城市的经济韧性提升效果显著为正，对金融资源供给较高城市的影响并不显著。可见，智慧城市建设的资源配置优化效应有助于提升城市金融资源利用效率，缓解城市金融资源供给不充分的缺陷，进而提升市域经济韧性水平。
③市场偏向的异质性检验。国内与国际市场在市场风险、竞争环境、资源配置方面的差异，可能使智慧城市建设的政策效果在不同市场偏向的城市存在差异。本文使用城市外贸依存度来衡量城市经济的市场偏向性，并按三分位将样本划分为外贸依存度较低、适中和较高的3个分组，表6列（7）~（9）显示，智慧城市建设仅显著提升了外贸依存度适中城市的经济韧性，对外向型和内向型城市经济韧性的影响并不显著。可能的原因是，国际和国内在资源、市场方面存在不同的比较优势，只有构建以国内大循环为主体、国内国际双循环相互促进的新发展格局，充分利用国内和国际两个市场资源，才能够更好地发挥出智慧城市的积极作用。过度依赖于国内市场或国外市场都可能增加城市经济发展的脆弱性，降低其风险抵抗和经济恢复能力，难以提升市域经济韧性。

4 结论与建议

本文基于2008—2021年中国251个地级及以上城市的市域面板数据，在考虑智慧城市试点选择性偏误的条件下，利用渐进双重差分模型检验了智慧城市建设对市域经济韧性的影响及其作用机制。主要结论如下：①智慧城市建设显著提高了市域经济韧性，且该结果在剔除各类干扰样本和更换多种回归方法的条件下依然稳健。②异质性检验发现，智慧城市建设能够显著提升人口规模较小，金融供给水平较低和外贸依赖度适中城市的经济韧性水平。
基于上述结论，本文提出以下政策建议：①加快以智慧城市为代表的新型城镇化建设。在传统城镇化模式对我国经济增长带动作用下降的背景下，应该坚持智慧城市的新型城镇化道路，强化智慧城市顶层设计，加大对5G、物联网、云计算、大数据、人工智能、区块链等新一代信息通信技术基础设施建设投入，为智慧城市发展提供基础条件。②加快构建人口、信息、技术、资本统一的要素市场。推动城市创新创业、促进城市数字化转型是智慧城市提升市域经济韧性的主要路径。因此，在智慧城市建设过程中，要着重打通城市人口、信息、技术、资本等要素流通渠道，释放城市在资源集聚和经营管理方面的优势，提升智慧城市的经济效率。③因地制宜提推进智慧城市试点。智慧城市对城市经济韧性的提升作用在人口规模较小、金融供给水平较低和外贸依赖度适中城市更加显著，显示出明显的包容性特征。因此，在推进智慧城市建设过程中，应积极支持引导中小城市进行智慧城市建设，提升中小城市自生能力，促进区域经济协调发展。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
徐圆, 张林玲. 中国城市的经济韧性及由来:产业结构多样化视角[J]. 财贸经济, 2019, 40(7):110-126.

[2]
张亚丽, 项本武. 数字经济发展对中国市域经济韧性的影响效应[J]. 经济地理, 2023, 43(1):105-113.

DOI

[3]
陈安平. 集聚与中国城市经济韧性[J]. 世界经济, 2022, 45(1):158-181.

[4]
华桂宏, 陈雨佳. 金融集聚、科技创新与城市经济韧性[J]. 华东经济管理, 2022, 36(5):48-56.

[5]
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.

[6]
刘诚, 夏杰长. 数字经济发展与营商环境重构——基于公平竞争的一般分析框架[J]. 经济学动态, 2023(4):30-41.

[7]
袁航, 朱承亮. 智慧城市是否加速了城市创新?[J]. 中国软科学, 2020(12):75-83.

[8]
楚尔鸣, 孙红果, 李逸飞. 智慧城市建设对生态环境韧性的影响研究[J]. 管理学刊, 2023, 36(6):21-37.

[9]
付媛, 岳由. 智慧城市试点政策对城市韧性的影响:效应及机制[J]. 人文杂志, 2024(3):130-140.

[10]
Glaeser E L, Kerr S P, Kerr W R. Entrepreneurship and urban growth:An empirical assessment with historical mines[J]. Review of Economics and Statistics, 2015, 97(2):498-520.

[11]
张杰, 郑文平, 翟福昕. 竞争如何影响创新:中国情景的新检验[J]. 中国工业经济, 2014(11):56-68.

[12]
周文义, 陶一桃. 智慧城市建设能提升创业水平吗?——基于双重差分模型的检验[J]. 统计研究, 2023, 40(8):122-134.

[13]
何凌云, 马青山. 智慧城市试点能否提升城市创新水平?——基于多期DID的经验证据[J]. 财贸研究, 2021, 32(3):28-40.

[14]
李政, 李鑫. 数字普惠金融与未预期风险应对:理论与实证[J]. 金融研究, 2022(6):94-114.

[15]
韦庄禹. 数字经济发展对制造业企业资源配置效率的影响研究[J]. 数量经济技术经济研究, 2022, 39(3):66-85.

[16]
Niu G, Jin X S, Wang Q, et al. Broadband infrastructure and digital financial inclusion in rural China[J]. China Economic Review, 2022,76:101853.

[17]
苏任刚, 赵湘莲. 制造业发展、创业活力与城市经济韧性[J]. 财经科学, 2020(9):79-92.

[18]
赵春燕, 王世平. 经济集聚对城市经济韧性的影响[J]. 中南财经政法大学学报, 2021(1):102-114.

[19]
朱金鹤, 孙红雪. 数字经济是否提升了城市经济韧性?[J]. 现代经济探讨, 2021(10):1-13.

[20]
Doran J, Fingleton B. US metropolitan area resilience:Insights from dynamic spatial panel estimation[J]. Environment and Planning A:Economy and Space, 2018, 50(1):111-132.

[21]
白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J]. 中国工业经济, 2022(6):61-78.

[22]
贺灿飞, 陈韬. 外部需求冲击、相关多样化与出口韧性[J]. 中国工业经济, 2019(7):61-80.

[23]
钞小静, 薛志欣. 新型信息基础设施对中国经济韧性的影响——来自中国城市的经验证据[J]. 经济学动态, 2023(8):44-62.

[24]
Böckerman P, Ilmakunnas P. Unemployment and self‐assessed health:Evidence from panel data[J]. Health Economics, 2009, 18(2):161-179.

DOI PMID

[25]
Bertrand M, Doflo E, Mullainathan S. How much should we trust differences-in-differences estimates?[J]. The Quarterly Journal of Economics, 2004, 119(1):249-275.

[26]
Lu Y, Tao Z, Zhu L. Identifying FDI spillovers[J]. Journal of International Economics, 2017, 107(6):75-90.

[27]
赵富森, 李璐. 知识产权制度的创业效应研究——基于中国知识产权示范城市建设的经验证据[J]. 产业经济研究, 2021(6):44-57.

Options
文章导航

/

〈 〉