武永超 | 智慧城市建设能够提升城市韧性吗？

智慧城市建设能够提升城市韧性吗？

——一项准自然实验

武永超

【摘要】作为一种新型的城市治理模式，智慧城市建设的初衷是解决由于快速城市化而导致的各种城市问题，以此提升城市韧性能力。然而，城市系统能否通过智慧城市建设而变得更具韧性呢？论文基于中国2012年启动的智慧城市建设试点这一准自然实验，运用2001—2016年253个地级市的面板数据和双重差分方法首次评估了智慧城市建设对城市韧性的影响，并对其作用机制和异质性进行深入探讨。研究发现：(1)智慧城市建设能够显著提升城市韧性水平，这一结果在经过了反事实检验和多项稳健性检验后依然成立；(2)机制验证表明，智慧城市建设主要借助创新驱动产生的技术效应和结构效应对城市韧性发挥作用；(3)异质性研究表明，人口规模和经济规模越大的城市，其智慧城市建设对城市韧性的改善效应越显著；(4)智慧城市试点政策会与创新型城市等其他政策一道对城市韧性产生叠加效应。研究对指导现实智慧城市建设以及城市韧性治理实践具有重要启示意义。

【关键词】智慧城市　城市韧性　准自然实验　韧性治理

【引用格式】

武永超(2021).智慧城市建设能够提升城市韧性吗？——一项准自然实验.公共行政评论,14(4):25-44.

Wu, Y. C. (2021). Can Smart City Construction Improve Urban Resilience? A Quasi­Natural Experiment. Journal of Public Administration,14(4): 25-44.

【作者信息】武永超，华南理工大学公共管理学院博士研究生。感谢匿名评审专家和编辑部对文章的修改意见。

【文章来源】《公共行政评论》2021年第4期，原文阅读与下载请点击文末左下角“阅读原文”。

《公共行政评论》唯一投稿系统：https://ggxz.cbpt.cnki.net/ 

官网：http://jpa.sysu.edu.cn

编辑部邮箱：[e-mail]

编辑部电话：[phone]

一、问题提出

随着城镇化进程的加快，城市这个开放复杂的系统已然步入了高风险时代(朱正威，2021)。在各种突发灾害和新兴风险面前，城市表现出越来越多的脆弱性和无力感，而这正逐渐成为制约城市生存和可持续发展的瓶颈问题，受到越来越多决策者与研究人员的重视(周利敏，2016)。面对这一治理困境，将韧性理念嵌入到城市建设当中成为一个普遍共识(Fragkias et al.，2017)。韧性城市倡导城市以主动姿态有效适应和应对各种变化或冲击，降低发展过程的不确定性和脆弱性(陈玉梅、李康晨，2017)。作为一种全新的城市可持续发展模式，韧性城市被主流观点定义为未来城市的发展方向，获得了国内外城市治理家们的广泛青睐(朱正威、刘莹莹，2020)。2010年，联合国启动“韧性城市运动”，并在2016年第三次联合国住房和可持续发展大会通过的New Urban Agenda中将“韧性城市”确立为今后20年世界城市发展的目标。2017年，中国国家地震局于“国家地震科技创新工程”规划方案中首次从国家层面提出韧性城市计划。2020年11月，党的十九届五中全会审议通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》正式将韧性城市建设升格为国家战略，明确了韧性城市在城市发展中的重要地位。

顶层目标的更新落脚到城市治理实践当中，一个必然的改变就是治理工具的调整。而在一系列方案设计中，2012年启动的智慧城市建设凭借鲜明的数治优势展露出强劲的发展势头。从定位上来看，智慧城市致力于通过新一代信息技术改善城市社会、生态、工程以及组织等单一子系统对复杂和不确定环境的适应能力，来实现城市系统整体性能运行的最优化和可持续性(唐斯斯等，2020)。然而，若以治理绩效来论，在自然灾害、社会事件等各种不确定性因素的影响下，智慧城市到底能否从真正意义上改善城市韧性呢？

回顾已有研究，虽然作为城市韧性治理领域的工具创新，智慧城市建设目前已在全国范围内试点实践，但相关主题的理论研究仍较为欠缺。既有的关联文献多集中于两条叙事主线：一是从学理和规范主义的视角出发，探讨其运行机制和优化路径。如分析智慧城市的数治机制(季珏等，2021)、运行过程中的政府行为(李智超，2019)以及基于全过程全周期治理导向的路径改进(刘淑妍、李斯睿，2019)。这一主线的研究大多缺乏现实证据支撑，在解释力上略显苍白。二是从小样本切入，对智慧城市建设中的地方政府大数据治理经验进行归纳总结。如典型地区的数据平台和载体建设经验(胡广伟等，2021)、配套体制机制创新(李春佳，2015)。而该主线的研究始终面临样本代表性和结果推广效度的质疑。相比而言，对智慧城市与城市韧性之间的直接实证研究则更为有限，仅有的一些碎片化研究也仅是论证智慧城市对某一技术活动的作用。如对技术创新(Caragliu  &  Bo，2019)、产业结构升级(陈云浩，2021)以及节能减排(石大千等，2018)的影响等。

总体而言，现有研究缺乏从大样本角度来对智慧城市与城市韧性之间的关系进行实证性解释。而从学理上来讲，探讨智慧城市建设及其对城市韧性的提升效果无疑具有多维度的理论意义。首先，从城市风险治理的视角来看，城市韧性治理过程具有复杂性和动态性，治理过程存在目标冲突和执行模糊问题，而智慧城市依赖的大数据处理方式能够通过流程优化，切实降低城市韧性治理的过程风险，为城市韧性治理赋能增效(白玮，2020)。因此，对其实施效果进行检验，有助于深化我们对大数据治理和城市韧性治理流程的认知。其次，从政策创新的视角来看，智慧城市作为一项极具实用主义色彩的政策试验，有效促进了组织和制度的变革创新(汤旖璆，2020)。因此，研究智慧城市这项实验所产生的效果，能够为理解中国式政策试验活动和改进政策设计提供一定的经验启示。最后，从运动式治理视角来看，中国的智慧城市建设浪潮可在某种程度上视为由高层在常规化治理之外发动的一场技术治理运动(张小娟等，2017)，而既有文献对运动式治理的有效性尚存争议，分析智慧城市建设的有效性，或可为验证运动式治理相关理论提供一些现实证据。

本文旨在借助双重差分法(Differences­in­Differences，DID)，将2012年首批启动的国家智慧城市试点作为一项“准自然实验”，运用地级市平衡面板数据来检验智慧城市建设对城市韧性的影响效应，从而为中国相关的城市治理者提供一些建设性的建议。研究可能作出的贡献在于：第一，首次利用253个城市16期的大样本，对智慧城市建设与城市韧性之间的关系进行验证。可观的样本规模确保了结论具有较高的可信性；第二，使用准自然实验方法估计了智慧城市政策实施的净效应，并进行了多角度的稳健性检验，能够克服传统研究的估计偏误，提高研究的可靠性；第三，结合智慧城市试点特征，分析了其对城市韧性的影响机制，并就异质性进行了拓展性探讨，有助于打开智慧城市政策作用“黑箱”；第四，关注智慧城市建设这一深入推进的政策创新活动，能够拓展政策试验和运动式治理的研究场域，并为现实城市韧性治理实践提供经验借鉴。

二、政策背景和研究假设

(一)政策背景

所谓智慧城市，就是一种运用物联网、云计算、大数据等新一代信息技术，以全面感应、深度融合、智能协同等方式推动城市规划、建设和服务方面的智慧化水平，并借此促进城市可持续发展的城市治理模式。智慧城市理念源于20世纪90年代西方社会对城市化发展的一系列反思运动。伴随着新一代信息通信技术的飞速发展，世界各地区陆续掀起建设智慧城市的浪潮。2004年，韩国政府推出“U­Korea”智慧型城市发展战略。2005年，欧盟正式实施“i2010”战略，并于次年启动欧洲智慧城市网络建设计划。2006年，新加坡制定为期十年的“智慧2015”计划，以期实现信息驱动下的智能国家蓝图。2008年，IBM公司提出“智慧地球”战略，并进一步将智慧城市作为这一战略的突破口和关键点。2008年，爱尔兰提出“智慧港”计划，着重推动海洋经济和环保领域实现智能化。2009年，日本推出“i­Japan战略2015”生态型智慧城市战略，重点实现电子政务等公共领域的智慧化治理。同期，英国发布“数字英国”计划，致力于将英国打造成“世界数字之都”。目前，全球已启动或在建的智慧城市已达1000多个，未来还将以 20%的速度增长。

近年来，中国也加入了这场建设浪潮之中，希望借此能够更好地解决快速城市化带来的城市脆弱性问题。从2010年，中央和地方就开始进行先期探索。2012年12月，国务院印发《关于开展国家智慧城市试点工作的通知》，并在同期制定了管理办法和评价标准，标志着智慧城市建设试点工作正式启动。2014年3月，中共中央、国务院颁布《国家新型城镇化规划(2014—2020)》，明确要求全力推进智慧城市建设。同年8月，国家发展改革委等八部委联合印发《关于促进智慧城市健康发展的指导意见》，进一步明确了智慧城市的具体实施路径。2015年，国家发展改革委联合发布《关于开展智慧城市标准体系和评价指标体系建设及应用实施的指导意见》，智慧城市标准化建设被正式提上国家议程。同期，智慧城市建设首次被写入当年政府工作报告。2016年4月，习近平总书记在全国网络安全和信息化工作会议上提出新型智慧城市概念，为中国智慧城市未来发展提供了方向指引。截至2020年年底，我国超过700个城市正在规划和建设智慧城市，建设规模超过欧洲、印度和美国三国之和。可以预见，智慧城市建设将会在中国未来城市治理过程中扮演越来越重要的角色。

(二)理论分析与研究假设

智慧城市建设是一项依托数字技术的整合协同功能，以创新驱动城市整体结构发生变革的综合性系统工程。通过与各类型信息基础设施密切连接，智慧城市能够精准挖掘和掌握城市各子系统间的内在关联，推动城市不同系统间的信息共享和协同作业，进而打破资源流动壁垒，提升城市系统的环境适应能力，并借此吸收和抵御自然和人文灾害的影响和风险，推动城市韧性水平全面提升(张卫东等，2018)。

从影响路径上来讲，作为一种以创新驱动为重要标志的智能发展模式，智慧城市建设可以借助创新驱动产生的技术效应和结构效应来促进城市韧性的显著改善。具体来看：

一是技术效应。相比于传统城市的治理模式而言，智慧城市更能实现创新要素的整合与配置，并借此大幅度地促进技术创新。在这一效应下，智慧城市建设对城市韧性的影响主要表现为以新技术进步为依托的城市基础设施防御风险灾害能力的提高(付平、刘德学，2019)。一方面，技术效应推动了环保技术和应急防灾技术的普遍进步，降低了技术脆弱性。在环境保护和公共安全双重需求的牵引下，智慧城市建设过程中的技术创新会加快环保技术、应急防灾技术的研发和运用。随着将环保技术、应急防灾等技术创新形成的产品应用于城市生产生活系统以及城市生态系统当中，工程韧性得以有效提升，并形成前端预防，进一步增强城市工程设施的抵御风险和承受损失的能力(Nazarnia et al.，2020)。同时，以人工智能为基础的智能算法是智慧城市实现改善城市韧性目标的核心力量。借助智能算法分析，城市管理者能够进行智能预警和动态监测，这能够有效提高城市系统对外部冲击的预测能力，为开展事前韧性治理打下了坚实基础。此外，依托技术创新优势，智慧城市能够实现经济、交通、生活、医疗、政务服务等领域的智能化，这有助于提高政府风险治理能力，为治理主体开展韧性治理活动提供较为完备的条件保障。另一方面，智慧城市技术创新有利于推动新型可持续能源的开发和应用，提高能源利用率和改善使用结构，以替代高污染和高消耗能源对城市生态系统的破坏，提高城市生态韧性能力(赵建军、贾鑫晶，2019)。

二是结构效应。智慧城市能够通过调整资源配置，加大新兴要素的投入以及提高新兴产业的占比来提升城市系统的内在韧性。一方面，相比传统产业，基于智慧城市技术要素投入的产业，天然具有低成本扩散、规模报酬递增的优势。新兴要素的注入能够有效加快与传统产业的融合，改善产品质量和结构，提高行业和能源运行和使用效率，继而推动传统产业实现升级(王敏等，2020)。此外，智慧城市建设需要依托新一代信息技术、新能源、新材料产业，这些产业的发展会带动数据服务、软件开发、商务服务等一系列生产性服务业的兴起，催生出新的经济增长点，提升城市经济竞争力，为城市经济韧性能力的提高提供物质基础。另一方面，从降低城市韧性建设风险和推动城市可持续发展的角度来看，智慧城市建设中大量运用具有高附加值、高技术含量和低能耗低污染的资源要素，这将在很大程度上降低相关行业和企业对传统高耗能和高污染要素的依赖(石大千等，2018)。与此同时，地方政府受“政治锦标赛”和“逐项竞争”的影响，在智慧城市建设过程中，会加强对产业结构的规制力度，借助倒逼机制和激励机制，促使市场主体优化要素投入组合，调整生产结构和经营模式，降低生产活动对生态环境的负担，增强城市系统的稳定性。综合上述分析，本文提出如下假设：

H1：智慧城市建设可以显著提升城市韧性，且其可以通过技术效应和结构效应两条传导路径产生影响。

以往文献研究认为，智慧城市对城市韧性的影响会受到城市自身一些特征的调节。一般而言，城市之间的异质性会表现在诸多领域。在这当中最重要的显性特征体现在人口规模异质性和经济规模异质性两个方面(Holdren & Ehrlich，1974)：

第一，城市人口规模的异质性。智慧城市建设对城市韧性的改善效应可能会因城市自身人口规模的不同而产生差异性，这一点可以从供需理论视角进行检视。一方面，相较于规模小的城市，人口规模较大的城市，自身行政级别普遍较高，本身能够拥有较为充沛的发展资源，这为智慧城市的软件和硬件建设提供了雄厚的基础条件。与此同时，较高的人口规模会形成城市极化效应，持续吸引和集聚人力、科技、生产资料等各种优质建设要素和资源，为智慧城市建设提供源源不断的动力支持。这能够在最大程度上保证智慧城市政策效能释放的稳定性和持久性。而人口规模较小城市，则处在发展资源相对稀缺的位置，这使得智慧城市建设这项具有耗损性的工程在这类城市运行初始阶段过程就面临发展条件的制约。建设要素资源供给不足，使得智慧城市对城市韧性的驱动作用难以有效发挥出来。另一方面，城市人口规模越大，一定程度上意味着人口对城市韧性的需求也越多。面对规模化的治理需求，当地政府和官员可能会在政绩偏好和治理压力双重动机的驱动下(刘张立、吴建南，2019)，借助加大专项财政经费投入力度，优化过程管理等手段来保证智慧城市建设对城市韧性的持续作用。而规模较小的城市，其较低的需求号召力，使得城市管理者缺乏主动作为的动机。缺少了政府的实质性支持，智慧城市建设也就无法从真正意义上促使城市韧性有所提高。

第二，城市经济规模的异质性。除了人口规模，经济规模也是造成智慧城市政策效果差异性的主要影响因素。比较优势理论指出，经济发展水平较高的城市具有较大的经济韧性，经济体系完整，产业优化合理，能够更好地为社会、生态和工程等方面的建设创造提供更为高质量的物质基础。智慧城市建设作为一项专业性强、初期投入大、回报周期慢的项目，需要持续而雄厚的经济实力予以保障(何凌云、马青山，2021)。而东部地区作为中国“先富”地区，在经济规模方面整体领先于中西部地区。这决定了相较于后两者，东部地区具有经济集聚和比较优势，能够较好地借助市场机制实现各类资源的有效配置和利用，为智慧城市项目提供优良的运营环境。同时，受马太效应的作用，东部与中西部地区在智慧城市治理效能方面的差异性也会随着建设推进表现得越来越明显。此外，从横向竞争的角度，已有研究表明，经济发展水平越高的城市，其政府官员在晋升方面越有比较优势。在强晋升的激励作用下，经济水平较为发达的东部地区，其政府和主政官员在进行治理时投入力度就比较大(杨其静、郑楠，2013)。所以，在智慧城市建设和运营过程中，东部地区可能更具有竞争优势，智慧城市建设效果也会更好。基于上述分析，我们提出如下假设：

H2：人口规模大、东部经济发达地区的城市，智慧城市建设对城市韧性的提升效应更强。

三、研究设计

(一)模型设定

考虑到传统政策评估方法可能存在的内生性问题，本文将智慧城市建设视为一项准自然实验，通过构建双重差分模型来检验智慧城市建设对城市韧性的政策效应。按照模型的基本思想，本文需构建两个虚拟变量：(1)分组虚拟变量。实验组为政策试点城市，设置为1；对照组为非试点城市，设置为0。(2)时间虚拟变量。2012年之前设置为0，2012年及以后设置为1。在此基础上，基于Ashenfelter和Card(1985)的设计思路，对基准模型做如下设定：

式 (1)中，i和t分别表示城市和时间，Urit表示被解释变量，Treatit和Postit分别表示分组虚拟变量和时间虚拟变量，DIDit为核心解释变量，表示i城市在t年是否被设立为智慧城市试点。Xit表示控制变量集合，ηit为城市固定效应，νit为时间固定效应，εit为随机误差项。在该模型中，我们最为关注的是系数β1，它表示智慧城市建设对于城市韧性提升的平均效应。若该系数显著为正，则表示智慧城市建设提升了城市韧性；反之，则表明没有达到应有的政策效果。

(二)变量说明

1．被解释变量

本文采取城市韧性指数来衡量城市韧性水平。所谓城市韧性水平，指的是由城市生态、经济、社会、基础设施等人文和环境系统组成的高度复杂耦合系统在应对各类自然灾害、人为灾害等干扰时所表现出的城市系统的适应、恢复和学习能力高低(赵瑞东等，2020；Vale，2014)。目前学界关于城市韧性水平的测算尚未形成统一标准。已有的衡量方法主要包括两种：一种是借助空间计量方法，采用一个或多个核心变量进行测度(Liu et al.，2019)。但这类方法在指标选取上标准较为随意且衡量维度单一，可能导致研究结论有失偏颇；第二种是建立多指标体系，利用一揽子指标进行全面测度。相比之下，这类方法在衡量时较为系统，能够较好克服空间计量方法带来的效度不足的问题，因此应用较为广泛。本研究就采取这种方法。在具体指标的选取上，本文借鉴张明斗和冯晓青(2018)构建的指标体系。这一指标体系基于Bruneau等(2003)的评估思路，能够较好地反映出城市韧性的核心内涵，加之指标选取完备性强和可操作性高等优点，被后续许多学者认可和采纳(路兰等，2020；王光辉和王雅琦，2021)。在具体指标组成上，该指标体系包含4个维度、20个指标：(1)经济韧性，选取规模以上工业总产值等5个指标；(2)社会韧性，选取社会消费品总额等5个指标；(3)生态韧性，选取工业废水排放量等5个指标；(4)基础设施韧性，选取城市供气总量等5个指标。在此基础上，为了避免因主观因素干扰而产生计算误差，我们通过AHP法对各指标赋权重，最终合成城市韧性指数来作为城市韧性水平的衡量指标。

2．关键解释变量

本文将智慧城市建设试点作为政策冲击，把分组和时间虚拟变量的交叉项作为关键解释变量，用以衡量智慧城市建设提升城市韧性的政策效应。

3．控制变量

考虑到一些城市特征变量可能对城市韧性产生干扰，本文引入一些控制变量：(1)政府支出规模。采取财政支出占地区生产总值的比值测度。(2)人力资本水平。采用普通高等学校在校学生数与地区年末人口总数的比值测度。(3)市场开放程度。采用外商直接投资占地区生产总值的比重测度。(4)城镇化水平。采用非农业人口占地区年末总人口的比重测度。(5)信息基础设施。采用互联网用户占地区年末总人口比重测度。(6)经济发展水平。采用城市人均GDP对数衡量。(7)生态环境水平。采取城市建成区绿化率来测度。

4．中介变量

本文将技术创新和产业结构升级作为中介变量。其中，技术创新水平采用寇宗来等(2017)构建的城市创新指数进行衡量。这一指标是基于国家知识产权局和工商局的专利数据和企业资本数据计算得出，不仅考虑到专利价值，还将创业维度纳入指标体系当中，能够有效弥补使用单一专利数量衡量标准的弊端，更加准确地反映城市的创新能力。产业结构升级程度参照李逢春(2012)的观点，采取产业结构升级指数来测度。

(三)数据来源与处理

本文依据2012年国家公布的第一批智慧城市试点名单来确定实验组和对照组，并在选取过程中做了相应处理：(1)为确保本研究的估计结果为2012年政策试点的净效应，剔除2013年和2014年新增的试点城市；(2)将撤县设市后新设立的地级市剔除；(3)为避免低估智慧城市建设对城市韧性的影响，剔除仅将市内某个区或县作为试点的地级市；(4)剔除西藏、青海、新疆等地数据缺失较为严重的地级市。经过上述处理，最终从中国279个地级市(含4个直辖市)中筛取了253个地级市(其中33个为实验组)作为初始样本。本文变量的数据均来自于2002—2017年的《中国城市统计年鉴》以及相关地市年度统计公报，对于少量缺失的数据采用插值法进行补齐。表1报告了主要研究变量的描述性统计结果。

四、实证检验

(一)基准回归结果

依据式(1)的估计模型，本文报告了智慧城市建设与城市韧性的DID的估计结果。在这个过程中，通过先后引入控制变量的方式来检验智慧城市政策的净效应，结果见表2。模型1为不加任何控制变量与固定效应的估计结果。DID的估计系数在0.01的置信水平上显著为正(β1＝0.1266，p<0.01)，表明智慧城市建设能够显著提升城市韧性水平。然而，上述结论可能会受到因相关解释变量遗漏而产生的内生性问题的干扰。因此，我们需要进一步进行验证。在模型2中加入了控制变量，对固定效应则不进行控制。估计的结果证实，DID的估计系数仍然显著为正(β1＝0.1288，p<0.01)。进一步地，研究又依次固定了城市效应和时间效应。回归结果显示，模型3(β1＝0.1287，p<0.01)和模型4(β1＝0.1166，p<0.01)中的估计系数进一步下降，但与模型2的估计系数正负和显著性相比，均没有出现根本性变动，这意味着无论是否加入控制变量、城市与时间效应，智慧城市建设对城市韧性提升均具有显著的正向影响，且估计结果较为稳健。从估计系数值具体来看，智慧城市政策实施之后，试点城市的城市韧性提升了11.66%，更进一步验证了研究假设。

(二)稳健性检验

1．平行趋势检验

使用双重差分法识别政策效应的前提是满足平行趋势假设。这意味着若不存在智慧城市这一外部政策冲击，未进行试点城市和试点城市的城市韧性发展应当具有相同的时间趋势，否则可能会使得样本组存在系统性差异，引发内生性问题。为此，本文将智慧城市建设试点前后的虚拟变量交叉项作为解释变量进行回归。智慧城市建设试点之前的交互项回归系数不显著，表明试点前实验组和对照组的城市韧性效果变动趋势相似(如图1所示)。而试点之后的交互项系数均显著为正，表明实验组在智慧城市建设试点前后的城市韧性水平的变化不是纯粹的时间效应，而是由试点引起的。

2．PSM­DID检验

在满足平行趋势假设的基础上，本文采用PSM­DID方法，从控制组中找出与实验组在城市建设环境上相匹配的样本，以降低非随机选择造成的误差问题。按照检验流程，在进行PSM­DID处理之前，需要先验证匹配平衡性假设。检验结果显示(见表3)，匹配后的协变量均不显著，匹配前后的标准偏差的绝对值小于20%，表示实验组和对照组在匹配之后并未产生系统差异，匹配处理结果有效。在通过匹配平衡性假设之后，研究进一步进行了PSM­DID分析。PSM­DID的估计结果与前文基准回归结果不存在显著差异，进一步证明了智慧城市建设对城市韧性的正向影响是显著且稳健的(见表2模型5)。

3．反事实检验

参照何凌云和马青山(2021)的做法，本文将政策实施时间人为地向前移动3年，设立一个虚拟的政策时点并对其进行回归，以观察政策效果是否显著。具体而言，我国设立首批智慧城市试点的时间是2012年，我们在实施反事实检验时将实施时点推移至2011年、2010年和2009年，然后分别进行估计，结果见表4模型6－模型8。从估计结果来看，改变政策发生时间之后的解释变量的显著性与基准回归相差甚远，表明智慧城市试点的设立对城市韧性水平的提升有较大影响，基准回归结果可靠。与此同时，考虑到智慧城市建设对地区城市韧性的影响可能随着时间的推移而逐渐显现，研究将时间虚拟变量滞后三期，替换原时间变量进行估计。基于政策实施滞后期的检验结果与基准估计结果显著性大体一致，表明研究结果是可信的(见表4模型9－模型11)。

4．排除其他政策和法规的干扰

为验证智慧城市政策效应是否为净影响，研究需要排除其他政策因素的影响。通过政策梳理发现，与智慧城市试点建设同时期实施的一些类似政策可能会对城市韧性产生影响，其中，最具代表的是海绵城市、创新型城市试点政策以及新环保法。

第一，海绵城市试点政策对城市韧性的影响。2015年住建部公布16个城市作为首批海绵城市试点。已有研究表明，以促进人与自然和谐发展为目的的海绵城市建设能够提升城市系统的风险抵御力(郑艳等，2018)。因此，我们把海绵城市试点纳入基准回归之中，将2015—2017年同是海绵城市智慧城市试点的样本赋值为1，分别作为分组虚拟变量和时间虚拟变量。第二，创新型城市政策对城市韧性的影响。2010年国家开始探索创新型城市试点工作，2013年科技部正式发文公布了12个国家创新型试点城市。我们也将其纳入到基准回归模型中，变量处理方式如前文。第三，新环境保护法对城市韧性的影响。与智慧城市试点实施最近的一次环保法修订是在2014年，鉴于新环保法的作用对象为全国所有城市，因此分组虚拟变量与智慧城市建设的设定相同。在上述基础上，我们将双重差分模型作出如下设定：

式(2)中，L1、L2、L3分别表示海绵城市、创新型城市以及新环保法分组虚拟变量和时间虚拟变量的交叉项，表示对应政策法规对城市韧性的影响，表4模型12汇报了回归结果。由估计结果可知，智慧城市在0.01的置信水平上显著为正，表明智慧城市建设确实对提升城市韧性起到了促进作用，基准回归结果得到验证。此外，L2在0.05的置信水平上也显著为正，说明创新型城市政策也能够改善城市韧性水平。值得注意的是，当我们将上述结果与基准回归结果(见表2模型4)进行对比后发现，在引入政策法规之后，DID的估计系数大于基准回归，表明城市韧性水平的提升会因智慧城市和创新型城市等政策的联合实施得到进一步强化。

五、影响机制分析

上述验证结果表明，智慧城市建设能够显著提升城市韧性。然而，智慧城市影响城市韧性的具体机制究竟是什么呢？这需要我们进一步分析。正如上述研究假设所阐述的那样，智慧城市建设主要借助技术效应和结构效应对城市韧性形成影响。为验证这两种作用机制，我们借助温忠麟等(2004)提出的中介效应检验程序，设定如下检验模型：

式(3)和(4)中，Mit表示中介变量，其他与上述模型一致。参照检验步骤，我们分别对上述方程进行回归处理，得到表5的回归结果。模型13中DID的估计系数显著为正(ω1＝2.5485，p<0.05)，模型14中Inn的估计系数在0.1水平上显著为正(α1＝0.0006，p<0.1)，表明智慧城市建设带来的技术创新是城市韧性提升的影响机制，研究假设得到验证。同理，在模型15中DID的系数显著为正(ω1＝0.0139，p<0.05)，模型16中Indus的系数在0.1水平上显著为正(α1＝0.1271，p<0.1)，表明智慧城市建设也可以借助产业结构升级的途径提升城市韧性水平，研究假设得到进一步验证。

六、进一步拓展：异质性分析

(一)人口规模

前文的分析证实了智慧城市能够显著提升城市韧性水平，但是这种影响是否会因城市人口规模不同而存在差异？为了分析这一问题，我们进一步对不同人口规模的智慧城市建设对城市韧性水平的提升效应进行验证。对于城市人口规模的划分，我们依据2014年国务院印发的《关于调整城市规模划分标准的通知》中的设定标准。同时考虑到人口规模较小的城市较少，可能会导致估计结果出现较大偏误，故只选取中等及以上规模城市。在此基础上研究进行了分组回归，估计结果见表6模型17－模型19。

由回归结果可知，特大型城市和大型城市的估计系数均显著为正，且前者系数要略大于后者。而中等城市估计系数不显著，表明相较于特大型城市和大型城市，中等城市开展智慧城市建设对其提升城市韧性的边际影响不够明显。原因可能在于规模小的城市缺乏相应配套基础，即使进行智慧城市建设也并不能有效推动并发挥出其应有的效应。而规模较大的城市具有集聚效应，能够吸纳各方优势资源，包括财政支出在内的可支配资源配置和利用效率都较高，能够有效支撑智慧城市建设，能够最大程度发挥出价值和功效，并通过技术创新和结构升级提升城市系统应对外在风险冲击的能力，推动城市韧性水平的提高。上述结论支持了本文的研究假设，即智慧城市建设对城市韧性提升程度的高低会因城市人口规模不同而存在显著差异。

(二)经济规模

考虑到我国地区间经济发展不均衡这一实际情形，尤其是东部地区凭借区位优势集聚了大量的资源，因此其经济发展水平总体远超于中西部地区。为进一步检验这种经济规模的异质性，我们按照城市样本所处的地理区位，参照中国国家统计局关于东中西部的最新划分标准，将研究样本划分为东部、中部、西部地区城市，并依次进行回归，结果见表6模型20－模型22。

从回归结果来看，智慧城市建设对东部和中部城市的影响显著为正，且对东部城市的影响要高于中部城市。而对于西部城市而言，其在统计意义的表现为不显著。可以发现，智慧城市建设对城市韧性的影响可能会随经济发展程度高低而呈现出较为明显的边际递减效应。原因可能在于，一方面，东部地区凭借其雄厚的经济实力和活跃的市场环境，能够为智慧城市建设注入源源不断的动力，因此试点政策的建设效果相较于中西部地区会更好(崔立志、陈秋尧，2019)。另一方面，中西部城市整体经济规模较小，受马太效应影响，经济发展基础存在固有短板，在智慧城市试点建设中激励不足，政府重视程度和建设力度不大，其效用发挥也就不够明显。总而言之，以上研究结论使得本文上述假设得到进一步印证，即智慧城市的政策效应会因经济规模差异而存在异质性。

七、结论与建议

本研究基于2001—2016年我国153个地市级城市面板数据，借助双重差分模型和PSM­DID方法，对智慧城市建设对城市韧性的净效应进行了实证检验，并对其作用机制和异质性进行了深入探讨。研究发现：智慧城市建设能够显著提升城市韧性能力，这一结果在经过了反事实检验和多项稳健性检验后依然成立。机制检验结果表明，智慧城市建设能够通过技术效应和结构效应提升城市韧性水平。异质性检验结果表明，城市间的人口规模和经济规模差异能够对智慧城市政策实施效果的发挥产生影响。在中东部地区、城市人口规模大的城市，智慧城市建设更能推动城市韧性能力的提高。值得关注的是，尽管智慧城市建设对城市韧性能力的提高效果显著，但同时城市韧性提升效果也会被创新型城市等相关政策法规因素所影响。

本文的政策含义既非常直接又极其重要。首先，智慧城市建设是一项持久的技术性工程，需要雄厚的技术力量予以支撑保障。因此，加大对新兴技术的投入力度应当成为政府建设智慧城市的关键任务。一方面，政府应当本着适宜性和针对性的原则，做好公共服务提供者的角色，加强对科技企业、科研院校和机构在环境保护和灾害防治等领域技术研发的支持力度，同时灵活运用专项税收优惠等市场化工具鼓励技术创新活动。除此之外，注重技术研发平台建设，营造良好的科研创新氛围，在人才引进、项目支持、创新奖励等方面出台更具竞争力的激励政策，培育和引进一批高素质的专业人才队伍，为智慧城市建设中的技术创新提供强大的人力资源保障。另一方面，从智慧城市提升城市韧性能力的角度而言，在全力提升智慧技术水平的基础上，不断促进智慧城市与可持续发展相融合，注重发挥好国家战略规划的引导作用，进一步完善技术创新市场导向机制，借助产业结构升级和新兴产业的重点扶持，提高资源配置效率，充分释放人、财、物等辅助要素资源的效能。其次，异质性分析表明，智慧城市的建设效果与城市自身特征有较大关联。因此，政府应当做好顶层设计，结合城市发展特征，因地制宜，分步骤、分阶段、有层次地推进智慧城市建设。对于东部发达地区和人口规模较大的城市而言，在建设过程当中，应努力克服“城市病”等一系列问题，大力发展智慧技术，拓展智慧技术的应用领域，发挥规模效应和集聚效应，增强资源配置效率和循环能力。对于中西部偏远地区和规模较小的城市来说，在保持原有优势基础上，充分利用好智慧城市建设的历史机遇，借鉴先进地区经验，实施一些适应于本地区发展特点的智慧项目，积极引导社会和市场力量广泛参与，最大程度提升城市治理效能。最后，探索建立智慧城市试点与海绵城市、创新型城市等其他城市建设试点的对接机制。制定相应工作方案和配套措施，对对接的重点内容和过程进行界定和规范，加大统筹协调力度，以确保关联政策协同有序，激励与约束配合得当，以政策试点体系化为建设导向，持续增强城市韧性治理的系统性。

参考文献

白玮 (2020)．韧性城市建设的实践与启示．宏观经济管理，12: 77－84.

Bai, W. (2020). Practice and Inspiration of Resilient City Construction. Macroeconomic Management, 12: 77－84.(in Chinese)

陈玉梅、李康晨 (2017)．国外公共管理视角下韧性城市研究进展与实践探析．中国行政管理，1: 137－143.

Chen, Y. M. & Li, K. C. (2017). Overseas Studies Progress and Practice Exploration on Resilient City：Based on the Perspective of Public Administration. Chinese Public Administration, 1: 137－143. (in Chinese)

陈云浩 (2021)．智慧城市与流通业高质量发展——基于空间DID模型的检验．商业经济研究，6: 33－36.

Chen, Y. H. (2021). Smart City and High­quality Development of Circuitry Industry：Based on Spatial DID Model Test. Journal of Commercial Economics, 6: 33－36.

崔立志、陈秋尧 (2019)．智慧城市渐进式扩容政策的环境效应研究．上海经济研究，4: 62－74.

Cui, L. Z. & Chen, Q. Y. (2019). Study on the Environmental Effects of Smart City with Progressive Expansion Policy. Shanghai Journal of Economics, 4: 62－74. (in Chinese)

付平、刘德学 (2019)．智慧城市技术创新效应研究——基于中国282个地级城市面板数据的实证分析．经济问题探索，9: 72－81.

Fu, P. & Liu, D. X. (2019). Research on Effect of Technological Innovation in Smart Cities: An Empirical Analysis Based on Panel Data of 282 Prefecture­level Cities in China. Inquiry into Economic Issues, 9: 72－81.(in Chinese)

何凌云、马青山 (2021)．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．财贸研究，32(3): 28－40.

He, L. Y. & Ma, Q. S. (2021). Can Smart City Pilots Promote Level of Urban Innovation？：Empirical Evidence Based on Multi－period DID. Finance and Trade Research, 32(3): 28－40.(in Chinese)

胡广伟、赵思雨、姚敏、刘建霞 (2021)．论我国智慧城市群建设：形态、架构与路径——以江苏智慧城市群为例．电子政务，4: 2－15.

Hu, G. W．， Zhao, S. Y．， Yao, M. & Liu, J. X. (2021). On the Construction of Smart Urban Agglomeration in China: Form, Structure and Path: A Case Study of Smart Urban Agglomeration in Jiangsu.E­Government, 4: 2－15. (in Chinese)

季珏、汪科、王梓豪、张宁 (2021)．赋能智慧城市建设的城市信息模型(CIM)的内涵及关键技术探究．城市发展研究，28(3): 65－69.

Ji, J．， Wang, K．， Wang, Z. H. & Zhang, N. (2021). Research on the Connotation of City Information Modeling (CIM) Enabling Smart City Construction.Urban Development Studies, 28(3): 65－69.(in Chinese)

寇宗来、杨燕青主编 (2017)．中国城市和产业创新力报告2017. 上海：复旦大学产业发展研究中心．

Kou, Z. L. & Yang, Y. Q. (2017). China's Urban and Industrial Innovation Report 2017. Shanghai: Industrial Development Research Center of Fudan University.(in Chinese)

李春佳 (2015)．智慧城市内涵、特征与发展途径研究——以北京智慧城市建设为例．现代城市研究，5: 79－83.

Li, C. J. (2015). Research on the Connotation, Characteristic and Development of Smart City: A Case Study of Smart City Construction in Beijing.Modern Urban Research, 5: 79－83.(in Chinese)

李逢春 (2012)．对外直接投资的母国产业升级效应——来自中国省际面板的实证研究．国际贸易问题，6: 124－134.　

Li, F. C. (2012). The Industrial Upgrading Effect of Home Countries' Outward Foreign DirectInvestment: An Empirical Study from Provincial Panel of China.Journal of International Trade, 6: 124－134.(in Chinese)

李智超 (2019)．政策试点推广的多重逻辑——基于我国智慧城市试点的分析．公共管理学报，16(3): 45－56＋175.　

Li, Z. C. (2019). The Multiple Logics in the Promotion of Policy Pilot: Evidence from Smart Cities Pilot in China.Journal of Public Management, 16(3): 145－156＋175.(in Chinese)

刘淑妍、李斯睿 (2019)．智慧城市治理：重塑政府公共服务供给模式．社会科学，1: 26－34.

Liu, S. Y. & Li, S. R. (2019). Smart City Governance: Remaking the Supply Mode of Government Public Services. Journal of Social Sciences, 1: 26－34.(in Chinese)

刘张立、吴建南 (2019)．中央环保督察改善空气质量了吗？——基于双重差分模型的实证研究．公共行政评论，12(2): 23－42＋193－194.

Liu, Z. L. & Wu, J. N. (2019). Does Central Environmental Protection Inspection Improve Air Quality？：An Empirical Study of Differences­in­Differences Model.Journal of Public Administration, 12(2): 23－42＋193－194.(in Chinese)

路兰、周宏伟、许清清 (2020)．多维关联网络视角下城市韧性的综合评价应用研究．城市问题，8: 42－55.

Lu, L．， Zhou, H. W. & Xu, Q. Q. (2020). A Study on the Comprehensive Evaluation of Urban Resilience from the Perspective of Multidimensional Relational Network. Urban Problems, 8: 42－55. (in Chinese)

石大千、丁海、卫平、刘建江 (2018)．智慧城市建设能否降低环境污染？中国工业经济，6: 117－135.

Shi, D. Q．， Ding, H．， Wei, P. & Liu, J. J. (2018). Can Smart City Construction Reduce Environmental Pollution? China Industrial Economics. 6: 117－135.(in Chinese)

汤旖璆 (2020)．数字经济赋能城市高质量发展——基于智慧城市建设的准自然实验分析．价格理论与实践，9: 156－159＋180.　

Tang, Y. F. (2020). Digital Economy Empowers High­quality Development of Cities: Analysis of Quasi­natural Experiments Based on Smart City Construction. Price, Theory & Practice, 9: 156－159＋180.(in Chinese)

唐斯斯、张延强、单志广、王威、张雅琪 (2020)．我国新型智慧城市发展现状、形势与政策建议．电子政务，4: 70－80.

Tang, S. S．， Zhang, Y. Q．， Shan, Z. G．， Wang, W. & Zhang, Y. Q. (2020). Development Status, Situation and Policy Suggestions of New Smart Cities in China. E­Government, 4: 70－80.(in Chinese)

王光辉、王雅琦 (2021)．基于风险矩阵的中国城市韧性评价——以284个城市为例．贵州社会科学，1: 126－134.　

Wang, G. H. & Wang, Y. Q (2021). Evaluation of Urban Resilience in China Based on Risk Matrix: A Case Study of 284 Cities. Guizhou Social Sciences, 1: 126－134. (in Chinese)

王敏、李亚非、马树才 (2020)．智慧城市建设是否促进了产业结构升级．财经科学，12: 56－71.

Wang, M．， Li, Y. F. & Ma, S. C. (2020). Whether the Construction of Smart City Promotes the Upgrading ofIndustrial Structure.Finance & Economics, 12: 56－71.(in Chinese)

温忠麟、张雷、侯杰泰、刘红云 (2004)．中介效应检验程序及其应用．心理学报，5: 614－620.

Wen, Z. L．， Zhang, L．， Hou, J. T. & Liu, H. Y. (2004). Testing and Application of Mediating Effect. Acta Psychologica Sinica, 5: 614－620.

杨其静、郑楠 (2013)．地方领导晋升竞争是标尺赛、锦标赛还是资格赛．世界经济，12: 130－156.

Yang, Q. J. & Zheng, N. (2013). Local Leadership Promotion Competition: Ruler Competition, Championship Competition or Qualification Competition. The Journal of World Economy, 12: 130－156. (in Chinese)

张明斗、冯晓青 (2018)．中国城市韧性度综合评价．城市问题，10: 27－36.

Zhang, M. D. & Feng, X. Q. (2018). Comprehensive Evaluation of Urban Resilience in China. Urban Problems, 10: 27－36. (in Chinese)

张卫东、丁海、石大千 (2018)．智慧城市建设对全要素生产率的影响——基于准自然实验．技术经济，37(3): 107－114.

Zhang, W. D．， Ding, H. & Shi, D. Q (2018). The Influence of Construction of Smart City on Urban TFP: Based on A Quasi­natural Experiments. Journal of Technology Economics, 37(3): 107－114.(in Chinese)

张小娟、贾海薇、张振刚 (2017)．智慧城市背景下城市治理的创新发展模式研究．中国科技论坛，10: 105－111.

Zhang, X. J．， Jia, H. W. & Zhang, Z. G. (2017). The Innovative Model of Smart City Governance.Forum on Science and Te­chnology in China，10: 105－111.(in Chinese)

赵建军、贾鑫晶 (2019)．智慧城市建设能否推动城市产业结构转型升级？——基于中国285个地级市的“准自然实验”．产经评论，10(5): 46－60.

Zhao, J. J. & Jia, X. J. (2019)．Can Smart Cities Promote Industrial Restructuring and Upgrading? : “Quasi­natural Experiment”Based on 285 Prefecture­level Cities.Industrial Economic Review, 10(5): 46－60.(in Chinese)

赵瑞东、方创琳、刘海猛 (2020)．城市韧性研究进展与展望．地理科学进展，39(10): 1717－1731.

Zhao, R. D．， Fang, C. L. & Liu, H. M. (2020). Progress and Prospect of Urban Resilience Research.Progress in Geography, 39(10): 1717－1731.(in Chinese)

郑艳、翟建青、武占云、李莹、史巍娜 (2018)．基于适应性周期的韧性城市分类评价——以我国海绵城市与气候适应型城市试点为例．中国人口·资源与环境，28(3): 31－38.

Zheng, Y．， Zhai, J. Q．， Wu, Z. Y．， Li, Y. & Shi, W. N. (2018). A Typology Analysis on Resilient Cities Based on Adaptive Cycle: Taking Cases of Chinese Sponge Cities and Climate Resilient Cites Pilot Projects. China Population, Resources and Environment, 28(3): 31－38. (in Chinese)

周利敏 (2016)．韧性城市：风险治理及指标建构——兼论国际案例．北京行政学院学报，2: 13－20.

Zhou, L. M. (2016). Resilient Cities: Risk Management and Indicator Construction: A Review of International Cases. Journal of Beijing Administration Institute, 2: 13－20. (in Chinese)

朱正威、刘莹莹 (2020)．韧性治理：风险与应急管理的新路径．行政论坛，27(5): 81－87.

Zhu, Z. W. & Liu, Y. Y. (2020). Resilient Governance: A New Approach for Risk and Emergency Management, Administrative Tribune, 27(5): 81－87.(in Chinese)

朱正威、刘莹莹、杨洋 (2021)．韧性治理：中国韧性城市建设的实践与探索．公共管理与政策评论，10(3): 22－31.

Zhu, Z. W．， Liu, Y. Y. & Yang, Y. (2021). Resilient Governance: Practice and Exploration of Urban Resilience Building in China. Public Administration and Policy Review, 10(3): 22－31.(in Chinese)

Ashenfelter, O. & Card, D. (1985). Using the Longitudinal Structure of Earnings to Estimate the Effect of Training Programs. The Review of Economics and Statistics, 67: 648－660.

Bruneau, M．， Chang, S. E．， Eguchi, R．， Lee, G. C．， O'Rourke, T．， Reinhorn, A．， Shinozuka, M．， Tierney, K．， Wallace, W. & Winterfeldt, D. V. (2003). A Framework to Quantitatively Assess and Enhance the Seismic Resilience of Communities. Earthquake Spectra, 19: 733－752.

Caragliu, A. & Bo, C. D. (2019). Smart Innovative Cities: The Impact of Smart City Policies on Urban Innovation. Technological Forecasting and Social Change, 142: 373－383.

Fragkias, M．， Islam, S. & Sprague, C. (2017). Modeling Tele­connected Urban Social­Ecological Systems: Opportunities and Challenges for Resilience Research. International Journal of Urban Sustainable Development, 9: 207－225.

Holdren, J. P. & Ehrlich, P. R. (1974). Human Population and the Global Environment. American Scientist, 62(3): 282－292.

Liu, Z．， Xiu, C. & Song, W. (2019). Landscape­based Assessment of Urban Resilience and Its Evolution: A Case Study of the Central City of Shenyang. Sustainability, 11: 1－20.

Nazarnia, H．， Sarmasti, H. & Wills, W. (2020). Application of Household Disruption Data to Delineate Critical Infrastructure Resilience Characteristics in the Aftermath of Disaster: A Case Study of Bhaktapur, Nepal. Safety Science, 121: 573－579.

Vale, L. J. (2014). The Politics of Resilient Cities: Whose Resilience and Whose City? Building Research & Information, 42: 191－201.

初审：侯文炼

审核：林川

审核发布：朱亚鹏