智慧城市政策对城市绿色发展影响的实证研究_杨佳郑.pdf

2023年 第7期NORTHERN ECONOMY AND TRADEemissions,and green environment,while it has little effect ongreen living;third,in terms of city heterogeneity,the effect ofsmart city policy is more significant for large and medium-sizedcities than for small cities,and cities with high government sizeand low greening The cities with high government size and lowgreening level have more significant improvement in greendevelopment level before and after the implementation of thepolicy.The results of a series of robustness tests also show that ourconclusions are reliable.On this basis,this paper proposestargeted countermeasures to promote urban green development.Key words:smart city;green development;entropy method;double difference method;propensity score matching收稿日期：2022-10-25基金项目：国家社会科学基金西部项目(19XJY019)作者简介：杨佳郑(2002-)，男，贵州铜仁人，本科学生，研究方向：城市经济学；徐思佳(2002-)，女，辽宁大连人，本科学生，研究方向：城市经济学；王俊霞(通讯作者)(1962-)，女，陕西宝鸡人，教授，博士生导师，研究方向：财政学公共投融资。摘要：智慧城市政策是中国转变城市发展方式的重要举措。为了深入研究智慧城市政策的效应，将智慧城市试点看作准自然实验。基于 2007-2017 年 179 个城市的平衡面板数据，利用熵值法测算城市的绿色发展水平，使用双重差分法估计智慧城市政策对城市绿色发展水平的影响，在此基础上使用 PSM-DID（倾向得分匹配与双重差分法）进行验证和检验。结果表明：第一，智慧城市政策对城市绿色发展水平具有显著的提升作用；第二，智慧城市政策对绿色经济、绿色排放、绿色环境三个维度具有显著的促进作用，而对绿色生活方面影响不大；第三，城市异质性方面，智慧城市政策对于大中型城市的效果要比小型城市显著，高政府规模、低绿化水平的城市在实施政策前后，绿色发展水平的提升更加显著。一系列稳健性检验的结果也表明结论是可靠的。在此基础上，提出了具有针对性的促进城市绿色发展的对策建议。关键词：智慧城市；绿色发展；熵值法；双重差分法；倾向得分匹配中图分类号：F120文献标识码：文章编号：1005-913X（2023）07-0104-10An empirical study on the impact of smart city policies onthe urban green developmentYang Jiazheng，Xu Sijia，Wang Junxia（School of Economics and Finance,Xian Jiaotong University,Xian 710061）Abstract:Smart city policy is an important initiative totransform urban development in China.In this paper,smart citypilots are viewed as quasi-natural experiments,and based onbalanced panel data of 179 cities from 2007-2017,the entropyvalue method is used to measure the green development level ofcities,and the impact of smart city policies on the greendevelopment level of cities is estimated using the doubledifference method,based on which the PSM-DID（propensityscore matching with double difference method）is used to verifyand test.The results show that:first,smart city policy has asignificant enhancement effect on the green development levelof cities;second,smart city policy has a significant promotioneffect on the three dimensions of green economy,green智慧城市政策对城市绿色发展影响的实证研究杨佳郑，徐思佳，王俊霞（西安交通大学 经济与金融学院，西安 710061）一、引言与相关文献综述（一）引言“智慧城市”这一理念，最早起源于 2008 年由IBM 公司提出的“智慧地球”，即运用物联网技术与信息科技，实现公共服务、民生、安全、环保等领域的互联互通，从而在金融危机的背景下进一步拉动就业，为经济领域赋能。2012 年 12 月，中国正式启动智慧城市试点，分别在 2013 年 1 月、2013 年 8月、2014 年 4 月发布了第一、二、三批智慧城市试点名单。在未来的城市发展中，我国对于全社会的信息共通、资源共享更为重视，智慧城市乃至智慧社区建设亦将成为我国未来健全应急体系与社会保障体系的重要举措（罗彦等，2019）。4改革开放以来，中国以四十余年的时间历经城镇化、工业化大变革的浪潮，社会建设呈现出持续高速增长的态势。而与之相伴的，是长期粗放发展与发展初期不合理规划带来的“高消耗、高污染”、发展资源调配失衡等一系列问题。城镇地区是我国改革开放以来发展速度最迅猛、产业结构调整最剧经贸纵横1042023年 第7期北方BEIFANGJINGMAO经贸烈，同时也是未来大部分人口与要素的集聚区域。截至 2009 年，全球总经济产值的 75%是由城市贡献的（SuzukiH.，2010），1预计本世纪中叶全球 70%的人口在城市居住（UN-Habitat，2010）；22020 年的第七次人口普查数据显示，中国目前城镇人口约为90199 万人，占 63.89%；根据 2021 年底由中国社科院人口与劳动经济研究所及社会科学文献出版社发布的 人口与劳动绿皮书：中国人口与劳动问题报告 No.223预测，中国城镇化率的峰值大约在 75%至 80%，基本与发达经济体的同一指标接近。因而，在亟须由高速向高质量发展转型的当下，逐步降低城市污染，并不断优化资源配置系统与管理体系，以在发展当中探索新兴可持续发展之路，是一个值得研究的议题。（二）文献综述1.关于智慧城市政策对城市发展的影响研究相关研究发现，智慧城市政策的推行将影响包括环境改善、人才吸引、产业结构调整和居民生活满意度等多个要素，也受到该政策落地城市自身条件的影响。政策推行初期，李健和郝珍珍（2014）5以天津市为例，将该城市产业划为四个维度，理论分析借助“智慧城市”向“低碳城市”目标转型的可行性；在环境治理方面，石大千等（2018）6初步构建智慧城市对现有环境污染影响的理论框架，在证实减污效应同时，提出城市治污的关键不在于城市规模大小，而在于治理模式与技术进步。此外，通过对城市年末汇报数据的测算，目前的观点总体认为：智慧城市提高经济效率（Vanolo，2014），7改善营商环境，8推进产业结构的高级化与配置合理化（赵建军，贾鑫晶，2019），9在人力资本、经济集聚、基础设施等方面对绿色发展起促进作用（杜建国等，2020）；10智慧城市对环境绿色效率具有显著提升（王玥，杜建国，2021）；11也可增添政策落地城市的创新动力（何凌云，马青山，2021）。12而对于作用原理部分，存在一定的争议：赵蔡晶和吴柏钧（2020）13的研究认为，智慧城市建设对于西部地区、发展程度相对较低城市的弥补作用较明显；袁航和朱承亮（2020）13得出结论与前文相反，认为东部地区城市和行政等级较低的城市能够享受到更多智慧城市政策的红利；也存在智慧城市政策的效果不存在区位异质性的观点（何凌云，马青山，2021）；14GIffinger 等（2010）15认为，智慧城市使居民生活的舒适度和幸福感得到极大提升；Veselitskaya 等（2019）16认为，智慧城市存在不利于城市创新的要素，如隐私信息安全问题和政、商、民的利益纠纷。2.关于城市智慧化与绿色发展水平评估的研究方法作为本文的研究基础，现已有一些研究提出了智慧城市与绿色发展相关指标的设立方法。对于城市智慧化的评估和分类排序，国家没有给出一个统一的、严格的、明确的评测体系，故目前研究中的指标大多由研究机构或学者围绕技术效应、配置效应、结构效应等方面构建，进而确定二级、三级指标。2009 年，欧阳志云等收集了当时国内数据最完整的若干个指标数据，构建一套绿色发展体系的评价指标；李琦等（2014）17提出面向智慧城市碳管理的碳计量模型，把城市区域能源排放划分成终端能源消费量（第一二三产业和生活消费）和加工转换投入产出量；另有多种类似指标，通过层次分析法（李新等，2011）18、熵权法（朱海玲，2017）19、灰色关联度法、基于专家咨询法双轨并行的权重体系（黄云凤等，2020）20等，以求得到灵活的评估方案。受以上文献启发，本文提出这样一个问题：能否综合评价出智慧城市政策的引入对于城市绿色发展水平的影响？总体影响是如何由不同维度构成的？我国的首次智慧城市试点（2012 年提出，以下简称“2012 年试点”）可视作一次准自然实验，这为问题的探究提供了机会。本文基于 20072017 年 179个城市 11 年的面板数据，采用 DID 和 PSM-DID 方法就智慧城市政策对城市绿色发展水平的促进效果进行了实证研究。本文的选题价值在于：第一，在研究内容上，综合考虑了智慧城市政策对城市绿色发展水平的影响，利用熵值法构建绿色发展评分更加全面客观；第二，在研究方法上，通过对不同指标做双重差分法研究智慧城市政策对不同绿色发展维1052023年 第7期NORTHERN ECONOMY AND TRADE度的影响。二、研究假设智慧城市相较于传统城市特点是高度信息化和创新，将大数据引入城市运行与发展中，极大地提升了资源利用效率。同时，诸多研究还表明智慧城市拥有配置效应、技术效应、结构效应，都对城市绿色发展有促进作用。首先，配置效应改善资源配置，在引入大数据后，城市交通、物流的成本都极大降低，从而也降低了 GDP 能耗，减少污染物排放；其次，技术效应促进技术创新，智慧城市拥有更强的创新能力，将技术创新运用于产业升级及产品改进则可以有效促进绿色发展；第三，结构效应改变产业结构，工业化对城市绿色发展具有显著抑制作用，而智慧城市带动高新技术产业的发展，减少重污染第二产业比重，有利于促进绿色发展。基于以上分析，本文提出：假设 1：智慧城市政策能有效提升城市的绿色发展水平。城市的绿色发展衡量包含多个维度，如绿色生活、绿色经济、绿色排放等。智慧城市政策将促进城市的高质量发展，高质量发展使得城市经济效率提高，拥有更高的单位产出和更少的单位能耗，从而有利于经济绿色发展。通过资源的合理配置，引导资源流向高新技术产业，城市的产业结构能得到有效的升级，进而减少污染排放，同时技术的进步可以减少单位排放量，因此智慧城市建设能促进绿色排放。而对于居民绿色生活方面，智慧城市建设虽然能依托大数据提升政府行政效率，但有关绿色市政工程的建设需要政府有足够的激励，即官员的考核等，智慧城市政策并不涉及这一方面，因而对绿色生活可能不存在明显促进作用。基于以上分析，本文提出：假设 2：智慧城市政策能有效促进绿色经济和绿色排放，而对绿色生活作用不大。智慧城市建设需要大量的财力和人力资本，否则无法打造信息化城市，也难以支撑产业升级。而规模大的城市往往经济更发达，同时高等教育水平高，能够提供充足的财力和人力资源。同时大城市具有明显的规模效益，产业链更加完整，政策实施带来的效果相对更明显。政府在智慧城市建设中具有无可替代的作用。政府的宏观调控有利于引导资源流动，促进政策的实施，同时政府的环境规制对推动绿色发展效率具有显著的正向作用。政府措施太少时，对市场的作用小，智慧城市政策的效果也就不明显。基于以上分析，本文提出：假设 3：城市规模大、政府规模高的智慧城市政策对绿色发展水平的促进效果更加显著。三、研究设计（一）样本选择中国曾于 2012 年、2013 年、2014 年三次设立智慧城市，本文以 2012 年出台的政策为依据研究其对城市绿色发展的影响效应。为保证研究结果的客观真实可靠，我们对研究样本作了如下处理：第一，为避免 2013、2014 年政策的影响，我们将这两年选取的智慧试点城市剔除；第二，由于城市行政级别的改变会影响数据核算，因此剔除掉在20072017 年城市行政级别发生变化的城市，如铜仁、儋州等；第三，剔除掉数据严重缺失的城市；第四，剔除掉仅在部分区、县实行智慧城市试点的城市。最终得到 179 个城市样本，我们将 2012 年实行智慧城市试点的城市作为实验组（共 31 个），没有实行智慧城市试点政策的作为控制组（共 148 个）。（二）模型设定1.熵值法模型本文通过发展相应指标，利用熵值法对城市的绿色发展水平进行综合评价。首先利用熵值法求各指标权重，具体步骤如下所示：（1）归一化处理。对于极小型指标（即指标数据越小越好的指标）首先用公式：maxx1j，x2j，xnj-xij将其正向化。利用如下公式对数据进行归一化处理：zij=xij-minx1j，x2j，xnjmaxx1j，x2j，xnj-minx1j，x2j，xnj（1）（2）计算第 i个评价对象在第 j个指标上的比值：pij=zijni=1zij（2）经贸纵横1062023年 第7期北方BEIFANGJINGMAO经贸（3）计算熵值：ej=-1lnnni=1pijln(pij)（3）（4）计算指标 j 的差异性系数及权重：gj=1-ej（4）Wj=gjmj=1gj（j=1，2，m）（5）由于各指标的单位不同，其经济意义与数据的量纲均不同，直接用原始数据计算评分会有较大偏差，先利用如下公式对数据进行标准化：21yij=xij-ujj（6）其中 uj为第 j 个指标的均值，j为第 j 个指标的标准差。则可得到第 i 个评价对象绿色评分计算公式：greenscorei=mj=1Wjyij由于该方式计算出的部分得分为负数，考虑到评分的实际意义，将评分减去所有评价对象评分的最小值后得到最终评分。2.DID 模型中国于 2012 年实行智慧城市试点政策，可以将该政策看作一次准自然实验。本文通过 DID 模型来验证智慧城市政策对城市绿色发展水平的影响。将 2012 年实行智慧城市试点的城市作为实验组，未实行的作为对照组。首先构建政策虚拟变量，实验组为 1，控制组为 0；其次构建时间虚拟变量，在2012 年及之后为 1，之前为 0。基于以上分析，同时参考石大千等（2018）的研究，本文的基准 DID 回归模型如下：lnscoreit=0+1（TreatiTimet）+Xit+i+vt+it（7）其中 lnscoreit为第 i 个城市在第年的绿色评分，Treat 为政策虚拟变量，Tim 为时间虚拟变量，Xit为控制变量，为随机误差，同时为了控制不随时间变化的城市变量和不随城市变化的时间变量，在模型中加入城市固定效应和年份固定效应。3.PSM-DID 模型由于不同城市具有较大的差异性，为了选取与实验组差异最小的对照组，本文使用倾向得分匹配法对城市样本进行匹配，以尽可能地减少实验组与对照组差异。所以本文最终使用 PSM-DID 方法进行实证研究，具体而言，首先使用 PSM 进行匹配，寻找差异最小实验组与对照组，其次利用匹配后的样本进行 DID 回归分析，模型如下所示：lnscoreitPSM=0+1（TreatiTimet）+Xit+i+vt+it（8）（三）变量说明与数据来源1.熵值法指标利用熵值法计算城市的绿色发展综合评分时需要选取适当的指标，本文依照科学性、客观性、综合性的原则，参考已有的研究，20，22按照绿色生活、绿色经济、绿色排放、绿色环境四个维度构建出城市绿色发展水平的综合评价体系，共计 9 个指标（具体如表 1 所示）。表 1绿色评价指标维度指标（极大型与极小型）单位城市绿色发展水平综合评价体系绿色生活污水集中处理率()%生活垃圾无害化处理率()%绿色经济单位 GDP 水耗（）m3/万元单位面积建设用地经济产出()亿元/km2工业固体废物综合利用率()%绿色排放人均工业废水排放量（）吨/人单位 GDP 二氧化硫排放量()Kg/万元绿色环境建成区绿化覆盖率()%人均公共绿地面积（）m2/人2.控制变量为了控制其他因素的影响，本文选择了其他会影响城市绿色发展水平的控制变量：城市化水平（lncity），用第二产业与第三产业就业人口比重之和表示；产业结构（lnindusty），用第二产业增加值占GDP 的比重衡量；人力资本（lnpeoplemoney，简称lnpm），用每万人在校大学生人数表示；对外开放（lnglobal），用当年汇率转换计算后的实际利用外资总额与 GDP 的比值衡量；经济发展水平（lngdp），用实际人均 GDP 表示。3.数据来源与描述性统计1072023年 第7期NORTHERN ECONOMY AND TRADE四、实证结果及分析（一）DID 回归分析本文通过 DID 模型研究智慧城市政策对城市绿色发展水平的影响，其中 did 即为核心解释变量，它的系数即为智慧城市政策对城市绿色发展水平的影响效果。模型（1）未加入任何控制变量，模型（2）（6）逐个加入控制变量，并且每个模型都控制了时间固定效应和城市固定效应。从表 3 可以看出模型（1）（6）中，did 的系数都显著为正，这表明无论是否加入控制变量，智慧城市政策对城市绿色发展水平都具有显著的促进作用，且结果具有稳健性。从 did 的系数大小上来看，智慧城市政策实施后，对城市的绿色发展水平具有 6%的提升作用，在10%的水平上显著，这与石大千（2018）6、杜建国（2020）9等人的研究结果相一致。（二）稳健性检验1.安慰剂检验由于可能存在一些没有观测到的变量对结果有影响，本文通过在样本城市中随机抽取 31 个城市作为智慧城市来进行安慰剂检验。随机抽取 31个城市进行 DID 回归，将此过程重复 1000 次（结果如图 1 所示）。从图中可以看出绝大多数系数集中分布在 0附近，近似于正态分布，均值与真实值的距离较远，且绝大多数估计系数并不显著，这意味着随机生成的智慧城市政策对城市的绿色发展水平没有显著影响，进一步说明了智慧城市政策对城市绿色发展水平的提升作用是可靠的，稳健性效果较好。2.提前时间变量本文在进行稳健性检验时，将政策实行时间改为 2010、2009（即提前两、三期），重新产生时间虚拟变量，进行 DID 回归（所得结果见表 4）。可以看出，2010 和 2009 的结果都不显著，验证了本文结论的稳定性。表 2描述性统计变量说明观测值平均值标准差最小值最大值lnscore城市绿色得分1968-0.5490.422-2.8633.306did智慧城市变量19690.0940.29301lnfugai污水集中处理率19693.6130.344-1.0224.557lnguti生活垃圾无害化处理率19694.3170.483-1.4274.903lnwushui单位 GDP 水耗19694.2920.3760.2624.605lnlaji单位面积建设用地经济产出19694.4380.357-0.8215.892lnfeishui工业固体废物综合利用率19692.4690.993-2.1157.226lnso2人均工业废水排放量19691.6621.258-7.6075.454lnlvdi单位 GDP 二氧化硫排放量19692.6531.035-0.4048.024lngdp2建成区绿化覆盖率196911.7850.6687.33514.643lnshuihao人均公共绿地面积19691.9290.771-0.5974.876lncity城市化水平19694.5690.1013.2594.605lnindusty产业结构19693.8650.2452.6284.444lnglobal人力资本19690.1591.267-8.3336.403lnpm对外开放19693.8921.738-1.9227.137lngdp经济发展水平196910.3850.6954.59515.675本文采用 20072017 年中国 179 个地级市 11年的平衡面板数据，数据来自 20082018 年 中国城市统计年鉴，部分缺失数据来自于各省统计年鉴和各地区统计公报。对于仍然缺失的数据根据它的线性趋势将它补齐（小于 5%）。数据的描述性统计如表 2 所示。经贸纵横1082023年 第7期北方BEIFANGJINGMAO经贸3.PSM-DID为了减少不同城市的异质性对 DID 回归结果的影响，本文通过倾向得分匹配为实验组寻找差异较少的对照组，以减少 DID 回归的误差。本文首先对样本进行平衡性检验（结果如表 5所示）。结果显示，匹配后各个控制变量实验组与对照组的标准偏差均大幅度下降，且标准偏差的绝对值基本小于 5%，所有控制变量的 P 值均不显著。这表明匹配后样本的平衡性较强，PSM 效果很好，此时利用 PSM-DID 模型是非常有效的。对于 PSM-DID 模型，本文通过是否实行智慧城市政策的政策虚拟变量对控制变量进行 Logit 回归，得到倾向得分值，倾向得分值最接近的城市即为智慧城市的配对城市。通过上述配对找到与实验组最为相似的对照组，可以极大减少异质性的影响。利用匹配后的样本进行 DID 回归分析（结果如表 4 所示）。表 4 显示核心解释变量 did 的系数为 0.061，在10%的水平上显著，这表明智慧城市政策对城市绿色发展水平依然具有显著的促进作用，与 DID 回归图 1稳健性检验表 3DID 回归结果（1）lnscore（2）lnscore（3）lnscore（4）lnscore（5）lnscore（6）lnscoredidlncitylnindustylngloballnpmlngdp年份固定效应城市固定效应_cons0.075*(0.032)控制控制-0.672*(0.020)0.066*(0.032)-0.441*(0.160)控制控制1.336*(0.728)0.067*(0.032)-0.447*(0.159)0.146*(0.058)控制控制0.798(0.758)0.066*(0.032)-0.445*(0.160)0.145*(0.058)0.006(0.007)控制控制0.795(0.758)0.063*(0.032)-0.463*(0.159)0.158*(0.058)0.007(0.007)0.033*(0.010)控制控制0.688(0.756)0.060*(0.032)-0.456*(0.159)0.197*(0.062)0.007(0.007)0.034*(0.010)-0.054*(0.030)控制控制1.028(0.779)样本量截面数1968.0001791968.0001791968.0001791968.0001791968.0001791968.000179注：*，*，*分别表示在 1%，5%，10%的水平下显著，括号内的数字为标准差，下同。另由于存在一个城市一年的得分为 0，所以取对数后将其忽略，样本量为 1968，下同。1092023年 第7期NORTHERN ECONOMY AND TRADE表 5平衡性检验结果变量匹配均值标准偏差（%）标准偏差减少幅度（%）t 统计量P 值实验组对照组lncitylnindustylngloballnpmlngdp匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后匹配前匹配后4.59084.59083.96793.96790.622860.622864.46394.463910.7210.724.5644.59073.84383.97880.063280.591753.77294.441410.31610.68532.50.156.5-4.947.52.639.81.362.45.399.891.394.496.791.54.450.028.64-0.767.510.406.740.189.980.720.0000.9850.0000.4450.0000.6930.0000.8570.0000.475结果相一致，再次验证了结果的稳健性。本文同时还做了平行趋势检验。采用事件研究法，我们首先生成年份虚拟变量与处理组虚拟变量的交互项，将这些交互项作为解释变量进行回归。交互项的系数反映的就是特定年份处理组和控制组之间的差异。去掉-1 期以避免完全共线性问题。结果表明在政策实施前回归结果均不显著，这说明试点城市和非试点城市在政策实施前没有显著差异，符合平行趋势假设。（三）进一步分析大部分研究均针对智慧城市对绿色发展产生影响的机制进行研究，如石大千（2018）、7杜建国（2020）10等。本文则研究智慧城市政策对城市绿色发展不同维度的影响。将上述熵值法所使用的 9 个指标分别进行 DID 回归（结果如表 6 所示）。结果显示智慧城市政策对绿色经济、绿色排放、绿色环境三个维度具有显著的促进作用，而对表 4提前时间变量与 PSM-DID 回归结果变量2012lnscore2010lnscore2009lnscorePSM-DIDlnscoredidlncitylnindustylngloballnpmlngdp年份固定效应城市固定效应_cons0.060*(0.032)-0.456*(0.159)0.197*(0.062)0.007(0.007)0.034*(0.010)-0.054*(0.030)控制控制1.028(0.779)0.052(0.036)-0.463*(0.159)0.200*(0.062)0.007(0.007)0.034*(0.010)-0.055*(0.030)控制控制1.055(0.779)0.019(0.042)-0.478*(0.159)0.199*(0.062)0.007(0.007)0.034*(0.010)-0.057*(0.030)控制控制1.145(0.777)0.061*(0.034)-3.193*(0.517)0.013(0.119)0.023(0.014)0.121*(0.021)-0.025(0.031)控制控制13.704*(2.448)样本量截面数1968.0001791968.0001791968.000179952.000179绿色生活方面影响不大。由于智慧城市政策对城市基础设施建设并无显著影响，同时还会显著抑制政府规模（杜建国等，2020），9这间接导致智慧城市政策难以提升污水集中处理率和生活垃圾无害化处理率，因为在我国市政工程基本由政府承担。模型（3）、（4）则表明智慧城市政策对绿色经济具有显著的促进作用，能够显著降低单位 GDP 水耗和提升单位面积建设用地经济产出，这与赵蔡晶（2020）13等人的研究具有一致性。赵蔡晶的研究表明智慧城市政策能够显著地增强城市经济发展质量，提高绿色全要素生产率，而城市发展质量的提升说明经济效率的提高，也代表更少的资源消耗和更多的经济产出。模型（6）则表明智慧城市政策能够显著降低人均工业废水排放量，这与石大千（2018）7等人的研究结果相同，而对二氧化硫的减排效果不显著，这可能是量纲选取不同导致的。在绿色环境方面，模型（8）、（9）都表明智慧城市政策能显著提升城市的绿化水平。因为智慧城市政策会显著提升城市的经济发展水平，也会在一定程度上改变政府的发展观念，而经济发展水平经贸纵横1102023年 第7期北方BEIFANGJINGMAO经贸表 6单个指标 DID 回归结果变量绿色生活绿色经济绿色排放绿色环境lnwushuilnlajilnshuihaolngdp2lngutilnfeishuilnso2lnfugailnlvdididlncitylnindustylngloballnpmlngdp年份固定效应城市固定效应_cons-0.048(0.035)-0.059(0.173)0.253*(0.068)0.005(0.008)0.012(0.011)0.014(0.032)控制控制3.110*(0.849)-0.053(0.037)0.164(0.185)0.142*(0.072)0.003(0.009)0.009(0.012)0.044(0.034)控制控制2.524*(0.903)-0.154*(0.042)0.097(0.207)-0.470*(0.081)0.037*(0.010)-0.098*(0.014)0.072*(0.039)控制控制3.598*(1.013)0.077*(0.046)0.098(0.226)0.370*(0.088)-0.040*(0.011)0.054*(0.015)0.027(0.042)控制控制9.064*(1.108)-0.059(0.039)-0.375*(0.194)-0.113(0.076)-0.001(0.009)0.010(0.013)-0.012(0.036)控制控制6.494*(0.950)-0.185*(0.060)1.254*(0.295)-0.040(0.115)0.001(0.014)-0.012(0.019)0.041(0.055)控制控制-3.315*(1.442)-0.057(0.092)-0.003(0.453)-0.280(0.176)-0.008(0.021)-0.027(0.030)-0.053(0.085)控制控制2.401(2.215)0.058*(0.034)0.147(0.168)-0.182*(0.065)0.010(0.008)-0.034*(0.011)0.083*(0.031)控制控制2.868*(0.821)0.228*(0.059)-0.887*(0.289)-0.152(0.112)-0.001(0.014)-0.028(0.019)-0.138*(0.054)控制控制9.253*(1.413)样本量截面数1969.0001791969.0001791969.0001791969.0001791969.0001791969.0001791969.0001791969.0001791969.000179会促进城市的绿化建设水平提升（叶骏骅，2013），23观念的转变也会使政府加大绿化建设的投入，从而提升城市的绿化水平。（四）异质性分析1.城市规模异质性前文已经验证了智慧城市政策能够显著地提升城市的绿色发展水平，更进一步地提出疑问：是否对所有城市智慧城市政策均有类似的效果？王小鲁（1999）24发表在 经济研究 上的一篇论文表明不同城市规模具有不同的规模收益与外部成本，而集聚效应的不同很大程度上会影响城市对政策的反应不同，因此有理由相信智慧城市政策对不同规模的城市在绿色发展水平上的影响不同。为了研究智慧城市政策对不同城市规模的城市绿色发展水平的影响，本文依据国务院发布的关于调整城市规模划分标准的通知 的相关规定，以城市人口为划分标准，按照 2014 年的数据将城市分为 5 类（V：大于 1000 万，IV：大于 500 万小于1000 万，III：大于 300 万小于 500 万，II：大于 100 万小于 300 万，I：小于 100 万），分别进行 DID 回归分析（结果如表 7 所示）。结果表明智慧城市政策对大中型城市的效果更为显著，这与石大千（2018）7等人的研究相一致。大型城市信息技术基础设施更为健全，同时人才充足，能够有效发挥智慧城市政策的作用，而小型城市由于缺乏相应配套设施与人才保障无法有效发挥智慧城市的作用。2.政府规模异质性我国政府在社会治理和政策实施过程中发挥着至关重要的作用，因此有必要对政府规模进行异质性分析。本文通过公共财政支出占 GDP 的比重来衡量政府规模，为避免政策影响，依照 2007 年的数据将所有城市均分为高政府规模和低政府规模两类（实证结果如表 8 所示）。结果表明政府规模高的城市政策效应明显高于政府规模低的城市，且显著性非常高。这是由于高政府规模意味着政府干预较多，环境规制较强，而环境规制有利于提升地方的绿色发展效率（何爱平等，2019）。25同时政府规模高的城市政策实施效率高，落实速度快。3.绿化水平异质性城市的绿化水平可以从一定程度上反映城市1112023年 第7期NORTHERN ECONOMY AND TRADE表 8政府规模与绿化水平异质性结果变量高政府规模lnscore低政府规模lnscore高绿化lnscore低绿化lnscoredidlncitylnindustylngloballnpmlngdp年份固定效应城市固定效应_cons0.305*(0.074)-0.460*(0.202)0.098(0.090)0.021*(0.011)0.011(0.015)-0.068*(0.041)控制控制1.472(1.024)-0.009(0.028)0.018(0.458)0.317*(0.086)-0.043*(0.010)0.077*(0.013)-0.015(0.046)控制控制-2.022(2.023)0.077*(0.035)-0.232(0.232)0.202*(0.083)-0.029*(0.009)0.088*(0.015)-0.085*(0.035)控制控制0.304(1.113)0.157*(0.055)-0.476*(0.209)0.087(0.085)0.023*(0.011)0.005(0.014)-0.083*(0.046)控制控制1.683(1.040)样本量截面数967.000881001.00091979.00089989.00090表 7城市规模异质性结果变量VlnscoreIVlnscoreIIIlnscoreIIlnscoreIlnscoredidlncitylnindustylngloballnpmlngdp年份固定效应城市固定效应_cons0.132*(0.078)-2.026(2.680)-0.138(0.302)-0.071*(0.040)0.001(0.040)0.146(0.163)控制控制8.037(12.137)0.034(0.054)-1.400(0.912)0.096(0.101)-0.019(0.014)0.084*(0.015)-0.000(0.034)控制控制5.129(4.143)0.115*(0.057)0.148(0.250)0.422*(0.110)0.005(0.014)0.004(0.022)-0.009(0.050)控制控制-2.937*(1.260)0.043(0.054)-0.579*(0.230)0.096(0.103)-0.