更全的杂志信息网

智慧城市建设对全要素生产率的影响——基于准自然实验

更新时间:2009-03-28

1 研究背景

改革开放以来,中国经济维持了近30年的持续高速增长。但是,从2012年开始,随着人口红利的消失、资本积累速度的降低以及成本优势的减弱,经济下行压力不断增大,人口、资源与环境的矛盾日益凸显,中国正式步入经济增速放缓、结构升级、经济增长从要素和投资驱动转向创新驱动的经济发展新常态。在这样的经济发展背景下,如何使中国经济从高速增长平稳过渡到高质量发展,转变中国的经济发展方式、优化经济结构、转换增长动力,成为越来越多的学者关心的问题。根据Solow经济增长模型,经济保持持续增长的主要动力是全要素生产率的提升。因此,在当前经济背景下,研究如何提高全要素生产率,进而推动中国经济持续增长,具有重要的现实意义。自Solow[1]最早提出利用Solow余值法测度全要素生产率以来,国内外涌现出大量研究全要素生产率对经济可持续发展影响的文献。研究表明,全要素生产率的提高能够改善投入产出关系、提升经济增长质量,使经济增长更具有可持续性[2-3]。另外,根据亚洲生产率组织(Asian Productivity Organization,APO)发布的数据,1970—2012年中国全要素生产率对经济增长的年均贡献度为36%,全要素生产率的提升有效促进了中国经济的增长。因此,研究全要素生产率的影响因素,对于寻找新常态下中国经济增长的新动能具有重要意义。

大量文献对全要素生产率提升的影响因素进行了研究。研究发现,城市规模[4-5]、技术创新和技术效率[6-7]、产业集聚[8-10]、外商直接投资[11-12]、进出口[13-14]、金融发展水平[15-16]、环境规制[17-19]等都会对一个地区的全要素生产率产生重要影响。但是,已有研究较少关注中国城市发展模式及新型城市建设对全要素生产率的影响。

自“十八大”以来的五年间,中国的城镇化率从2012年的52.57%提高到2017年的58.52%,年均提高1.2%,8000多万农业转移人口成为城镇居民。加快推进城镇化建设作为中国未来发展的一项重要任务被写入“十九大报告”,城市对中国经济发展的作用在不断增大。但是,过去中国的城市化主要依靠城市区域面积扩张和人口等要素空间集聚。这种模式存在人口膨胀、交通拥堵、资源短缺、环境恶化和就业困难等问题,是一种粗放型、不可持续的城市发展模式。因此,探索一种新型的城市发展模式具有很强的现实意义。2012年中国开始探索智慧城市这一新型城市发展模式,并在全国90个地县级城市设立了首批智慧城市试点。作为新时代下的一种城市发展模式,智慧城市依托物联网、云计算、互联网和大数据等新兴信息科学技术,实现城市中组织(人)、业务(政务)、交通、通讯、水和能源6个关系城市主要功能的核心系统的相互联结和高度融合,进而形成高度集成、智慧协同的城市管理网络化、感知化系统。这一新型城市模式是以提高经济效率、优化生态环境、改善生活方式、推进精神文明、促进社会稳定和谐为目标的城市信息化、现代化的较高阶段。基于此,智慧城市这一新型城市发展模式是否会对城市的全要素生产率产生影响?它会通过哪些渠道影响城市的全要素生产率?2012年设立涵盖90个地县级城市的首批智慧城市试点,可看作智慧城市建设的一次准自然实验,为解答上述问题提供了机会。在城市化深入发展的背景下,研究新型城市化发展模式的影响,具有十分重要的理论价值和实践指导意义。

目前关于智慧城市的研究多处于定性分析阶段,鲜有研究智慧城市建设对地区全要素生产率影响的实证文献。鉴于此,本文利用2005—2015年中国171个地级市的面板数据,基于国家建设智慧城市试点这一准自然实验,利用双重差分方法评估智慧城市建设对试点城市全要素生产率的影响。本文的贡献主要在于:第一,基于智慧城市试点这一政策,评估智慧城市建设对试点城市全要素生产率的影响,丰富了关于城市全要素生产率影响因素方面的研究;第二,研究了新型城市发展模式与城市全要素生产率的关系,丰富了关于城市化与全要素生产率的相关研究。

2 理论分析

本文主要从技术创新、产业结构升级和经济集聚三个角度分析智慧城市建设影响城市全要素生产率的作用机制。

智慧城市的四大特征之一是以人为本的可持续创新。智慧城市建设中信息通信技术的融合与发展推动了信息共享和知识扩散,加快了创新民主化进程并促进了知识社会的形成,变革了政府、企业、个人和各种组织与城市系统的关系,重新定义了创新中用户的角色、应用价值、协同内涵和大众的力量,有助于构建以人为本、公众参与、社会协同的开放式创新空间,并通过维基、微博、Fab Lab、Living Lab等工具和方法强化用户参与,汇聚公众智慧,不断推动用户创新、开放创新、大众创新和协同创新。此外,智慧城市依托信息通信技术变革城市的创新形态,促使城市创新形态由面向生产、以生产者为中心、以技术为出发点的相对封闭的形态,向面向服务、以用户为中心、以人为本的开放创新形态转变,推动地区技术创新能力的提高,进而推动城市全要素生产率的提升。

上海建设科创中心,必须汇聚各方面智慧,充分体现中心城市的集聚辐射功能。上化院就具备了上海长期形成的综合优势和开放优势。

鉴于此,本文提出如下假设:

智慧城市建设可以通过推动地区的技术创新来提高城市的全要素生产率(H1)。

(4)研制通用性自动铺地机器人。研发可从电脑中载入作业区域面积、瓷砖尺寸等数据的铺地机器人,内含智能控制芯片可自动计算、规划、调整工作程序,可在作业区域预先自动涂抹砂浆或粘合剂,机械臂可实现吸附、搬运瓷砖功能,可利用设定参数或扫描设备捕获瓷砖间隙宽度,自动调整瓷砖位置。可自动扫描和切割瓷砖大小、形状等功能。

女孩将毛羽整理齐整,转回身,走到了青辰的跟前。她满面通红,不知道是气的,还是羞的。她抬起手,在青辰受伤的肩膀处狠狠按了一把。

智慧城市通过改造传统产业、发展新兴产业促进地区产业结构的升级与换代,进而为地区的经济发展提供新的增长点,并带动城市全要素生产率的提升。

一方面,在智慧城市建设中,信息技术、智能技术等的研发及应用速度不断加快,从而促进新兴信息技术向传统产业渗透并扩散的深度和广度不断提升,传统产业的产品更新周期加快,产品结构和质量得到优化,传统行业的运行效率不断提升,最终驱使传统产业更快速、高效地实现改造升级。新兴信息技术对传统行业的改造途径主要有以下三种:一是利用新兴信息技术对传统产业设备进行技术改造,提高设备的生产效率;二是将信息技术应用于传统产品,增加产品的技术含量并改善其功能和质量,实现传统产品的升级换代;三是运用新兴信息技术变革传统产业中的组织管理形式,促使其向科学管理、信息管理方向转变[20]。智能家居、智慧农业、智能教育和智能物流等都是智慧城市建设过程中智能系统与传统产业渗透、融合催生的一些智能化产业。

智慧城市建设可以通过提高地区的经济集聚水平提高城市的全要素生产率(H3)。

The Mountain Resort and the Historical Origins of “Harmony Chengde”________________________SUN Jixin 109

产业结构优化升级可为当地经济发展带来“结构红利”[21],加快经济资源从生产率较低的部门向生产率较高的部门流动,进而促进整个城市全要素生产率水平的提升[22-23]

鉴于此,本文提出如下假设:

模型(2)用于检验智慧城市建设通过推动技术创新影响城市全要素生产率提升的机制。本文从技术创新活动产出的角度,用各地级市单位从业人员的专利授权量(地级市专利授权数除以城市单位从业人员数)衡量技术创新。模型(3)用于检验智慧城市建设通过加快产业结构升级影响城市全要素生产率的机制。本文用第三产业增加值与第二产业增加值之比(struc)衡量地区的产业结构变化[28]。模型(4)用于检验智慧城市建设通过促进经济集聚影响城市全要素生产率的机制。本文用第二、三产业的区位熵(agg)衡量经济集聚程度。地级市第二、三产业的区位熵由地级市第二、三产业从业人数占地级市从业总人数的比重与地级市所在省份第二、三产业从业人数占省从业总人数比重的比值计算得出。

不同的时间样本数据对估计结果会有不同的影响且存在较大差异。为了观察不同时间段内智慧城市建设对城市全要素生产率的影响,本文通过改变时间窗宽验证结果的稳健性。借鉴董艳梅和朱英明[30]的方法,本文以智慧城市试点年份即2012年为中间节点,将样本时间区间分别改为2011—2013年、2010—2014年和2009—2015年,进行稳健性检验。若估计结果无明显变化,则表明研究结果是相对稳健的。改变时间窗宽后的检验结果见表7。由表7可知,不同时间窗宽下的估计系数均显著为正且较为稳定,表明各年份区间内智慧城市建设均显著促进了试点城市全要素生产率的提高,说明本文的研究结果具有稳健性。

信息化背景下,手机和电脑等电子设备的使用已经成为常态。电子书的设计越来越趋近于纸质媒介书籍的设计思维,其体验效果也越来越接近于纸质书籍。当下,书籍设计教学实践中,学生对于书籍设计的学习往往是从电脑开始的,在日常的书籍设计学习过程中,学生过度依赖电脑软件进行书籍的编辑和排版等工作,这一方面导致了学生动手能力的丧失,另一方面也使得书籍在设计之初就忽视了使用者的体验效果。

式(1)中:TFP为全要素生产率,基于C-D生产函数利用随机前沿方法得到;X为一系列控制变量,包括人力资本水平、政府规模、基础设施水平、对外开放程度、城市化水平和金融发展水平;ε为随机扰动项;dudt的含义如前所述,是需要重点关注的系数,反映的是智慧城市建设对城市全要素生产率的净影响。根据前文的理论分析,智慧城市建设通过推动技术创新、加快产业结构升级和促进经济集聚三种渠道促进城市全要素生产率的提高,因此假设为正值,即智慧城市建设促进了城市全要素生产率的提高。为了验证智慧城市建设影响城市全要素生产率的三个渠道,本文进一步建立如下实证模型:

从微观方面(细胞结构层面)呈现酸雨对生物的影响,运用所学知识——生物体结构和功能的基本单位是细胞,推断出:酸雨对生物的影响归根结底是对生物细胞的影响;运用所学生物技术——制作植物细胞临时装片,用细胞染色技术模拟酸雨侵袭细胞,用数码显微镜观察记录细胞的变化。

此外,智慧城市中发达的智能系统和信息系统可以提高城市的基础设施(如交通系统)和社会管理的智能化水平,提升基础设施的运行效率和政府管理水平,并可以降低能源资源消耗、改善生态环境质量,进而降低同等经济集聚水平下的拥堵成本和污染成本,使得集聚的净边际收益提高,最终提高城市的空间承载力。集聚效益与集聚密度水平之间存在倒U形关系,而城市空间承载力的提高使得集聚效益最大值点向右上方移动、最优集聚密度水平向右移动,进而促进智慧城市中的生产要素以及不同产业等进一步集聚。

同时,在智慧城市建设中,信息技术、智能技术等技术密集型、人才密集型产业发展迅速,进而带动了人才要素和技术要素的集聚。在智慧城市建设中,除了对城市内部传统实体空间的建设以外,还需要对网络空间等虚拟空间进行建设。而双重空间建设需要大量资本投入,进而驱动了资本要素的集聚[24]

根据空间经济学理论,经济集聚通过降低企业生产成本、促进知识溢出、产生专业化劳动力池效应以及中间投入品规模效应4种不同的外部经济效应促进区域全要素生产率的提升[25-27]

鉴于此,本文提出如下假设:

另一方面,智慧城市的技术架构需要依托以物联网、大数据、移动互联和云计算等为主的新一代信息技术产业以及以新能源材料、信息材料等为主的新材料产业。这些产业的兴起又会带动信息服务、研发、设计、软件和商务服务等生产性服务业的发展,而这些具有高附加值、高技术含量、低能耗等特点的产业必然会加快当地产业结构的优化升级。

智慧城市建设通过推动技术创新、加快产业结构升级以及提高地区经济集聚水平,最终提升城市的全要素生产率。

3 研究设计

3.1 模型设定

中国于2009年提出智慧城市建设的构想,2012年开始设立智慧城市试点,首批智慧城市涉及90个地、县级城市。这为利用倍差法(difference-in-differences)评估智慧城市的绩效提供了机会,可将试点城市定义为实验组,非将试点城市定义为控制组。同时,2012年为政策发生年份,根据政策发生时间前后定义一个政策时间虚拟变量,通过将2012年前后智慧城市的全要素生产率变化值与非智慧城市的全要素生产率变化值作差,评估试点政策的双差分效果。2013年获批的试点城市可用来检验本节结果的稳健性。本节的目的在于评估智慧城市建设对城市全要素生产率的促进作用,主要借用智慧城市试点政策评估智慧城市建设对城市全要素生产率的影响。由于政策发生时间较晚,从2012年智慧城市开始试点到2015年的时间区间较短,因此本节研究的智慧城市效应是短期影响,更长期的影响需进一步补充数据实现。本节使用的实证分析方法为倍差法。如果单纯从计量经济学的角度看,该方法其实就是在回归方程中加入两个虚拟变量及它们的交乘项。其最大优势在于:通过双重差分消除智慧城市与非智慧城市的全要素生产率共同变化的趋势,进而有效避免解释变量可能存在的内生性问题。

[2]Myers-Scotton,C.Code Switching as Indexical of Social Negotiations.In Heller,M.(ed.).Code-switching.Berlin:Mouton de Gruyter,1988:151-186.

基于此,本节设立如下两个虚拟变量——dudtdu=1,代表智慧城市,为实验组;du=0,代表非智慧城市,为控制组。以2012年为试点政策发生时间点,dt=0表示智慧城市试点前;dt=1表示智慧城市试点后。同时,建立两者的交叉项du×dt,其系数反映了智慧城市建设对城市全要素生产率的影响。

本节使用地级市层面的数据。考虑到地级市数据的可得性,同时为了满足倍差法对共同趋势假设的要求——若不存在智慧城市试点,则智慧城市与其他城市的全要素生产率趋势随时间的变化不存在系统性差异,本文剔除西部地区的地级市,同时只选取设立智慧城市的省的其他地级市作为控制组。考虑到地级市整体的一致性,若只是地级市中的某个县或区设立智慧城市试点,而非整个地级市,则将该地级市从智慧城市样本中剔除。因此,本节设立如下回归模型:

临床药师参与儿童泌尿系统感染的药学会诊实践与分析…………………………………………………… 何翠瑶等(6):852

 

(1)

智慧城市有助于加快要素集聚和产业集聚,进而促进城市全要素生产率的提升。智慧城市的技术基础是大数据——它如同原材料、能源等一样是一种基础资源,获取、整合以及分析大数据可以帮助企业推断市场对产品、服务甚至政策等各方面的反应,进而做出相应调整,这将直接为企业创造价值。而大数据利用效率取决于智慧城市信息化和智能化的水平,包括从最底层的各类传感器等感知层建设到最高层的应用层建设,而智慧城市中完善的信息基础设施吸引企业不断向智慧城市集聚,进而提高地区的产业集聚水平。

 

(2)

 

(3)

 

(4)

在几何画板的帮助下,分别绘制函数f(x)=x2-2x-1,g(x)=x3-2x-1,h(x)=lnx+2x-6的图象,引导学生考察函数图象与x轴交点与相应方程根之间的联系,由此引入函数零点的概念.

3.2 样本与数据说明

被解释变量为全要素生产率。核心解释变量为dudt的交互项。控制变量包括:①城市化水平(urb),用非农业人口占总人口的比重表示;②对外开放程度(open),用进出口总额占GDP的比重度量;③金融发展水平包括金融发展规模(fs)和金融发展效率(fe)指标,其中金融发展规模用存贷款余额总和占GDP比重衡量,金融发展效率用贷款总额与存款总额的比值衡量;④政府规模(gov),用财政支出占GDP的比重衡量;⑤人力资本水平(hk),用每万人在校大学生数衡量;⑥基础设施水平(inf),用每万人公路里程数衡量。

相关指标的数据来自2006—2016年的《中国城市统计年鉴》。对于缺失的部分年份部分地级市的数据,本文利用平均增长率方法补齐,最终得到2005—2015年171个地级市的平衡面板数据。表1列示了智慧城市实验组和控制组的地域分布情况,表2列示了主要变量的描述性统计结果。从表2来看,实验组的全要素生产率均值大于控制组。该统计结果在一定程度上表明了智慧城市建设对全要素生产率的作用,但具体效应和可信性还需采用更系统的实证方法检验。

 

表1 智慧城市实验组与控制组的地域分布情况

  

年份实验组控制组2012年河北(4)、山西(2)、吉林(1)、江苏(4)、浙江(2)、安徽(4)、福建(1)、江西(1)、山东(3)、河南(3)、湖北(1)、湖南(1)、广东(1)河北(6)、山西(8)、辽宁(12)、吉林(6)、黑龙江(9)、江苏(6)、浙江(6)、安徽(12)、福建(7)、江西(9)、山东(11)、河南(13)、湖北(11)、湖南(10)、广东(17)2013年山西(2)、辽宁(1)、吉林(1)、黑龙江(2)、江苏(2)、安徽(3)、福建(1)、江西(1)、山东(3)、河南(1)、湖北(4)、广东(1)河北(5)、山西(5)、辽宁(11)、吉林(4)、黑龙江(7)、江苏(3)、浙江(6)、安徽(8)、福建(5)、江西(6)、山东(6)、河南(10)、湖北(7)、湖南(7)、广东(13)

注:括号里的数值为实验组和控制组的地级市个数。

 

表2 主要变量的描述性统计结果

  

变量实验组控制组样本量均值t值样本量均值t值lnTFP30825260210747270157321002970624025lnurb30836473480485304157334791980483749lnopen30819483062920186157314027952913950lnfs30844084472627321157342624332607807lnfe30842122630247423157340773720305438lngov30809373382430131157308739992342951lninf30830476810455390157332514150492310lnhk30852112590968532157342199630936014

4 实证结果分析

4.1 基准回归结果智慧城市对全要素生产率的影响

在进行双重差分估计前,为判断选取固定效应模型还是随机效应模型进行面板模型的估计,本文首先进行Hausman检验。结果显示,估计结果显著拒绝了原假设,因此本文采用固定效应模型进行回归。本文通过全样本估计检验以智慧城市为标志的新型城市发展模式对城市全要素生产率的整体效应,估计结果见表3。表3中M1~M5为逐步加入控制变量的回归结果,其中du×dt的系数反映的是智慧城市建设对城市全要素生产率的影响效应。结果显示,du×dt的系数在所有5个模型中均显著为正,且稳定在0.02~0.04之间,表明建设智慧城市可以促进城市的全要素生产率提高2~4个百分点。至此,智慧城市建设对城市全要素生产率的促进作用在理论上和实证上均得到证实。

 

表3 智慧城市建设影响城市全要素生产率的估计结果——基于全样本

  

变量M1M2M3M4M5du×dt00425∗∗∗(1198)00324∗∗∗(1081)00255∗∗∗(916)00242∗∗∗(901)00242∗∗∗(919)lnhk00254∗∗∗(1203)00217∗∗∗(1109)00196∗∗∗(1039)00222∗∗∗(1165)lninf00346∗∗∗(1503)00332∗∗∗(1565)00290∗∗∗(1393)00340∗∗∗(1602)lngov-00042∗∗∗(-1757)00126∗∗∗(735)00138∗∗∗(802)lnfs-00150∗∗∗(-976)-00144∗∗∗(-877)lnfe00196∗∗∗(660)00213∗∗∗(728)lnurb-00232∗∗∗(-833)lnopen-00017∗(-174)_cons21675∗∗∗(300059)19457∗∗∗(22770)19706∗∗∗(24657)19624∗∗∗(12422)20078∗∗∗(12247)样本量18811881188118811881截面数171171171171171

注:括号内的数值为t值;“*”和“***”分别表示p<0.1和p<0.01。

4.2 机制检验技术创新产业升级和经济集聚

正如前文理论分析所述,智慧城市建设通过推动技术创新、加快地区产业结构升级以及促进经济集聚,对城市的全要素生产率产生影响。为此,本文进一步检验三个机制的作用。具体方法如下:将三个机制变量分别与du×dt进行交乘,得到交乘项的系数反映的是智慧城市建设通过该机制对城市全要素生产率的影响。三个机制验证的估计结果如表4所示。由表4可知:技术创新交乘项的系数显著为正,表明智慧城市建设通过推动地区的技术创新促进了城市的全要素生产率提升了0.33%,从而H1得到验证;产业结构升级交乘项的系数显著为正,表明智慧城市建设通过促进第二、三产业的发展,加快产业结构升级,进而促进了城市的全要素生产率提升了2.32%,从而H2得到验证;第二、三产业集聚交乘项的系数显著为正,智慧城市建设通过促进第二、三产业集聚使得城市的全要素生产率提升了0.81%,从而H3得到验证。综上,三个机制同时得到理论和实证结果的验证,技术创新、产业结构升级和经济聚集是智慧城市促进城市全要素生产率提升的三个渠道。

 

表4 智慧城市建设影响城市全要素生产率的机制检验

  

变量技术创新产业升级经济集聚N1N2N3du×dt×技术创新00033∗∗∗(527)du×dt×产业升级00232∗∗∗(706)du×dt×经济集聚00081∗∗∗(625)控制变量①控制控制控制样本量188118811881截面数171171171

注:括号内的数值为t值;“***”表示p<0.01。

① 为节省篇幅,这里及后文控制变量的回归结果均未报告,可向作者索取。

4.3 稳健性检验

4.3.1 共同趋势假设检验

为验证估计结果的稳健性,本文首先对双重差分方法的假设前提进行检验。能够运用双重差分方法进行估计的前提是样本实验组和控制组满足“共同趋势”,具体到本研究,就是在2012年建立智慧城市试点前,实验组和控制组的全要素生产率具有相同的变化趋势。本文参考Lu[29]的方法,将实验组虚拟变量du与智慧城市试点年份即2012年之前的时间虚拟变量的交互项引入模型(1)。若du与试点前时间虚拟变量(year2006~year2011)的交互项的系数均不显著,则表明实验组与控制组的全要素生产率具有共同趋势,反之则不满足两者具有共同趋势的假设。共同趋势假设检验的估计结果见表5。由表5可知,du与试点前时间虚拟变量的交互项的系数均不再显著,说明在智慧城市试点年份即2012年前智慧城市与非智慧城市的全要素生产率没有显著差异,从而共同趋势假设得到验证。

反思环节是翻转课堂必不可少的一个内容.通过该环节,引导学生对本节课的知识进行总结,对解题方法进行提炼.

 

表5 共同趋势检验结果

  

变量被解释变量:lnTFPdu×year2006-00095(-160)du×year2007-00090(-150)du×year2008-00028(-047)du×year200900051(085)du×year2010-00343(-060)du×year201100593(103)du×year201200222∗∗∗(370)控制变量控制样本量1881截面数171

注:括号内的数值为t值;“***”表示p<0.01。

4.3.2 稳健性检验——改变实验组

本文通过改变实验组中的样本检验估计结果的稳健性,即将2013年成为智慧城市试点的城市作为实验组样本,估计结果见表6。由表6可知:在全样本回归中,智慧城市建设显著促进了城市全要素生产率的提升;同时,三大机制的检验结果及其显著性与前文并没有显著差异,表明本文的研究结果是相对稳健的。

 

表6 稳健性检验——改变实验组样本

  

变量K1K2K3K4du×dt00251∗∗∗(1131)du×dt×技术创新00035∗∗∗(615)du×dt×产业升级00253∗∗∗(918)du×dt×经济集聚00053∗∗∗(612)控制变量控制控制控制控制样本量1375137513751375截面数125125125125

注:括号内的数值为t值;“***”表示p<0.01。

4.3.3 稳健性检验——改变时间窗宽

智慧城市建设可以通过加快地区的产业结构升级提高城市的全要素生产率(H2)。

 

表7 稳健性检验结果——改变时间窗宽

  

变量T1T2T3前后一年前后两年前后三年du×dt00095∗∗∗00142∗∗∗00194∗∗∗(675)(855)(1158)控制变量控制控制控制

注:括号内的数值为t值;“***”表示p<0.01。

5 智慧城市建设影响城市全要素生产率的异质性分析

如前文的理论分析所述,智慧城市建设主要依靠运用物联网、大数据、云计算和移动互联等新兴信息技术,增强对市场信息的感知、整合、分析和应用能力,使得信息传导渠道更为畅通。但是,智慧城市在运用新兴信息技术提升城市全要素生产率的过程中需要人力、资本、基础设施等不同要素的投入和支持,以提升智慧城市建设的经济影响,这在一定程度上体现了信息技术强大的整合能力。因此,智慧城市建设下城市全要素生产率的提升,并不是依靠单一要素投入就能实现的,而是多方综合作用的结果。由此,本文认为,智慧城市建设需要人、财、物等的支持才能发挥作用,而这些支持能够保障智慧城市中的信息技术与城市各要素实现更加广泛和深入的融合,进而有利于智慧城市建设带动全要素生产率的提升。因此,可以说人(人力资本)、财(财政支出、金融发展水平)、物(信息基础设施)的支持对智慧城市提升全要素生产率至关重要。

鉴于此,本文进一步提出如下假设:

人力资本水平、政府财政支出、金融发展水平以及信息基础设施水平越高的智慧城市,对全要素生产率提升的促进作用越强(H4)。

洛必达法则是求函数不定式极限最常用、最基本的方法。它主要解决型的极限问题,即有(f′(x)表示函数 f(x)的导数,g′(x)表示函数 g(x)的导数)。 例1 运用洛必达法则计算极限方法如下:

基于此,本文从上述三个方面验证具有不同的人、财、物水平的城市,智慧城市建设对城市全要素生产率的作用是否存在差异。若城市的人、财、物支持水平较高,智慧城市建设对全要素生产率的促进作用更大,则表明人、财、物的支持具有溢出效应,能为智慧城市建设提供相应保障。这为增加相应的要素投入支持智慧城市建设提供了政策依据。在具体的实证过程中,本文用城市人力资本水平表示智慧城市建设中人力资本方面的投入,用每万人大学生数表示城市人力资本水平,将该指标二等分,一等分组为低人力资本水平城市,二等分组为高人力资本水平城市。此外,本文用政府财政支出比重和金融发展规模表示财力方面的支持,用地级市财政支出占GDP的比重和金融机构存贷款余额占GDP比重分别衡量,分别将两个指标二等分以区分低财力支持水平城市和高财力支持水平城市。最后,用信息基础设施水平表示物力方面的支持。用互联网宽带接入用户数衡量,同样将该指标二等分区分低组和高组,估计结果如表8。

表8结果表明,人力资本水平较低的城市,智慧城市建设对全要素生产率呈现抑制作用,而人力资本水平较高的城市,智慧城市建设对全要素生产率的促进作用显著为正。这表明人力资本水平对智慧城市建设具有较强的支持作用,能够极大提升智慧城市建设的溢出效应。这一结果并不难理解,智慧城市赖以存在的基础是现代信息技术,而这些信息技术具有一定的门槛,受教育水平较低的劳动力难以在短时间内掌握这些技术并熟练运用于实际,而受教育水平较高的劳动力在学习这些技术方面相对容易。在一个人力资本水平较高的城市中,智慧城市建设的相应工作也较容易展开,智慧城市的溢出效应也相应较大。因而,智慧城市建设对劳动力的人力资本水平也就提出了较高要求,这也是信息时代对人提出的高要求。财力支持方面,财政支出水平和金融发展水平更高的地区,智慧城市对全要素生产率的促进作用更大,这表明,财力方面的支持对智慧城市建设也十分重要,且金融系统的发展程度在财力支持方面作用相对更大。物力支持方面,信息基础设施水平较低的城市,智慧城市对全要素生产率的促进作用为正但不显著,而高组城市对全要素生产率的促进作用显著为正且系数相对更大,同样证明了物力支持可以强化智慧城市对全要素生产率的促进作用。基于以上分析,本文证明了智慧城市建设不仅需要信息技术发展,还需要多方支持保障才能有效运行,从而为建设智慧城市提供了有益的政策依据。

 

表8 城市特征对智慧城市提升全要素生产率的影响

  

变量财政支出金融规模人力资本网络基础设施M11M12M21M22M31M32M41M42du×dt00240∗∗∗(760)00260∗∗∗(858)-00050∗∗∗(-459)00230∗∗∗(874)-00040∗∗∗(-309)00210∗∗(909)00015(164)00160∗∗∗(765)控制变量控制控制控制控制控制控制控制控制

注:括号内的数值为t值,“*”表示显著性水平:“*”p<0.1,“**”p<0.05, “***”p<0.01。

6 结论与建议

有关智慧城市的现有文献主要侧重于定性研究,阐述智慧城市这一战略的内涵、建设方案等,很少研究智慧城市与某一结果变量的关系,其中关于智慧城市对全要素生产率影响的文献更不多见。本文将国家建立智慧城市试点看作一次政策实验,选取2005—2015年作为研究区间,将中国智慧城市试点城市作为实验组,将非试点城市作为控制组,使用倍差法研究了智慧城市建设对城市全要素生产率的影响。该方法在政策项目效果评估中被广泛应用。相对于简单地对智慧城市与非智慧城市的全要素生产率进行横向比较,倍差法既考虑了个体随时间的推移而发生的自身变化,又考虑了不同个体间的差异,还可减少智慧城市建设与全要素生产率相互影响产生的内生性问题,因此可更准确地测度智慧城市建设对城市全要素生产率的净影响。本文的实证结果表明:第一,智慧城市建设能显著促进城市全要素生产率的提高,即建设智慧城市可促使城市的全要素生产率提升2~4个百分点;第二,智慧城市建设通过推动地区技术创新、加快产业结构升级以及提升经济集聚水平三个途径促进城市的全要素生产率分别提升0.33%、2.32%和0.81%,而基于DID方法的检验结果均证实了上述三个路径的存在性,且通过了一系列稳健性检验;第三,人力资本水平、财政支出、金融发展和信息基础设施水平较高可以显著强化智慧城市建设对城市全要素生产率的促进作用。

基于以上实证结果,本文提出如下政策建议:

第一,政府应加快智慧城市建设,促进传统的城市发展模式向智慧型模式转型,持续推进智慧城市模式与城市内部各子系统的深度融合,实现智慧城市中经济、文化、社会、人口、环境、政府以及基础设施等各子系统的相互联结和高度融合。

因此一方面对新建、改建110kV及以上的线路参数,要求按照有关基建工程验收规程的规定,在设备投入运行前进行实际参数测试;二方面进一步加强全网主变中性点接地方式的管理;三方面根据双侧电源复杂电网的线路零序电流保护中,零序电流I段作为速动段保护,对于超短线路(2km以下)及短线路(10km以下)宜退出运行的规定,建议将110千伏乃嘎I线、夺城线、柳西双线等长度15km以内共计12条线路的零序电流I段保护功能退出运行。

第二,智慧城市经济效应的释放需要依靠物联网、互联网、大技术和云计算等新一代信息技术的支持,因此加大对新一代信息通讯技术的投入力度是政府建设智慧城市的首要任务。政府要做好公共服务提供者的角色,重点做好创新研发平台搭建以提供优良的科研创新研发环境,并着重加强对专业人才的培养,为智慧技术的研发与创新寻找人力资本支撑。

第三,中央政府要做好智慧城市建设的顶层设计,避免用“一刀切”式的强制性政策对各地加以要求,要结合各地的资源禀赋和比较优势,分阶段、有侧重地推进各地的智慧城市建设。同时,中央应做好政策配套,从数据开放、信息安全、大数据技术和产业等多个方面入手,制定完善的法律法规,树立正确的智慧城市建设理念,明确中国建设智慧城市的发展目标和路径规划。

试验组30例全部按医嘱完成治疗;对照组1例采用鼻腔喷雾完成治疗,15例中断3 d后完成治疗,12例中断1周后完成治疗,2例中断2周后完成治疗。

参考文献

[1] SOLOW R M.Technical change and the aggregate production function[J].Review of Economics and Statistics,1957,39(3):312-320.

[2] 蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学,2013(1):56-71.

[3] 蔡跃洲,张钧南.信息通信技术对中国经济增长的替代效应与渗透效应——基于乔根森增长核算框架的测算与分析[J].经济研究,2015(12):100-114.

[4] 袁晓玲,张宝山,张小妮.基于超效率DEA的城市效率演变特征[J].城市发展研究,2008,15(6):102-107.

[5] 刘秉镰,李清彬.中国城市全要素生产率的动态实证分析:1990-2006:基于DEA模型的Malmquist指数方法[J].南开经济研究,2009(3):139-152.

[6] 张豪,张建华.地区全要素生产率的增长动力与溢出效应——基于中国地市级面板数据的实证研究[J].技术经济,2016(9):84-91.

[7] 李平.提升全要素生产率的路径及影响因素—增长核算与前沿面分解视角的梳理分析[J].管理世界,2016(9):1-11.

[8] 李子彪,刘爽,李喆.产业聚集对技术创新能力的阈值效应及区域比较——以生物制造业为例[J].技术经济,2016(8):67-73.

[9] 杨守德,赵德海.城市群要素集聚对区域经济效率的增益效应——以哈长城市群为例[J].技术经济,2017(4):100-109.

[10] 陶爱萍,查发强,陈宝兰.产业集聚对技术创新的非线性影响[J].技术经济,2017(5):82-89.

[11] 张公嵬,陈翔,李赞.FDI、产业集聚与全要素生产率增长——基于制造业行业的实证分析[J].科研管理,2013(9):114-122.

[12] 冯婷婷,杨湘玉,沈晨.中国长三角地区FDI技术溢出的空间局限性[J].技术经济,2016(6):71-77.

[13] 钱学锋,王胜,黄云湖,王菊蓉.进口种类与中国制造业全要素生产率[J].世界经济,2011(5):3-25.

[14] 叶明确,方莹.出口与我国全要素生产率增长的关系——基于空间杜宾模型[J].国际贸易问题,2013(5):19-31.

[15] 陈启清,贵斌威.金融发展与全要素生产率:水平效应与增长效应[J].经济理论与经济管理,2013(7):58-69.

[16] 李健,卫平.金融发展与全要素生产率增长——基于中国省际面板数据的实证分析[J].经济理论与经济管理,2015(8):47-64.

[17] 王杰,刘斌.环境规制与企业全要素生产率——基于中国工业企业数据的经验分析[J].中国工业经济,2014(3):44-56.

[18] 刘和旺,郑世林,左文婷.环境规制对企业全要素生产率的影响机制研究[J].科研管理,2016(5):33-41.

[19] 钱爱民,郁智.政府环境规制、官员晋升压力与企业技术创新[J].技术经济,2017(12):11-22.

[20] 刘虹涛,靖继鹏.信息技术对传统产业结构影响分析[J].情报科学,2002(3):333-336.

[21] PENEDER M.Structural change and aggregate growth[J].Structural Change and Economic Dynamics,2002(14):427-448.

[22] 干春晖,郑若谷,余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究,2011(5):4-16+31.

[23] 李慧,平芳芳.产业结构变迁与经济增长关系的实证研究[J].工业技术经济,2014(10):33-40.

[24] 王治东.智慧城市建设中的资本要素[N].中国社会科学报,2016-11-15(6).

[25] FRENKEN K,VAN OORT F,VERBURG T.Related variety,unrelated variety and regional economic growth[J].Regional studies,2007,41(5):685-697.

[26] MCCANN P,VAN OORT F.Theories of agglomeration and regional economic growth:a historical review[J].Handbook of regional growth and development theories,2009:19-32.

[27] HSIEH C T,KLENOW P J.Misallocation and manufacturing TFP in China and India[J].The Quarterly journal of economics,2009,124(4):1403-1448.

[28] 吴丰华,刘瑞明.产业升级与自主创新能力构建——基于中国省际面板数据的实证研究[J].中国工业经济,2013(5):57-69.

[29] LU Y,TAO Z,ZHANG Y.How do exporters respond to antidumping investigations?[J].Journal of International Economics,2013,91(2):290-300.

[30] 董艳梅,朱英明.高铁建设能否重塑中国的经济空间布局——基于就业、工资和经济增长的区域异质性视角[J].中国工业经济,2016(10):92-108.

 
张卫东,丁海,石大千
《技术经济》 2018年第03期
《技术经济》2018年第03期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号