智慧城市建設(shè)對經(jīng)濟(jì)發(fā)展影響的實(shí)證研究

張海鵬 金川 錢慧婷（安徽財經(jīng)大學(xué) 國際經(jīng)濟(jì)貿(mào)易學(xué)院）

■引言1

智慧城市（smart city）是指以新一代信息技術(shù)為核心，以數(shù)字信息基礎(chǔ)設(shè)施為平臺，將城市的系統(tǒng)和服務(wù)打通，實(shí)現(xiàn)信息化、工業(yè)化與城鎮(zhèn)化深度融合，這有助于緩解“大城市病”，優(yōu)化城市管理和服務(wù)，改善人民生活質(zhì)量。2008 年11 月，IBM 提出“智慧地球”這一理念，引發(fā)了智慧城市建設(shè)的熱潮；2012 年，我國發(fā)布首批國家智慧城市試點(diǎn)名單；2014 年，“智慧城市建設(shè)”正式被納入我國國家專項(xiàng)規(guī)劃?，F(xiàn)如今，我國智慧城市在建數(shù)量500 個，初步形成了長三角、珠三角、環(huán)渤海、中西部四大智慧城市群，建設(shè)智慧城市在實(shí)現(xiàn)城市可持續(xù)發(fā)展、引領(lǐng)信息技術(shù)運(yùn)用、提升城市綜合競爭力等方面具有重要意義。通過查閱相關(guān)文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有研究主要集中于分析智慧城市建設(shè)的影響因素，而很少涉及到探究智慧城市建設(shè)對經(jīng)濟(jì)發(fā)展的影響。

■研究方法

（一）智慧城市建設(shè)指標(biāo)體系的建立

通過仔細(xì)研讀宮攀、張立新兩位學(xué)者對寧波智慧城市評價指標(biāo)體系、“智慧南京”指標(biāo)體系、上海的智慧城市評價指標(biāo)體系、新型智慧城市評級體系3.0、智慧中國臺灣績效指標(biāo)體系等八個指標(biāo)體系的對比分析結(jié)果，再結(jié)合近五年的有關(guān)智慧城市的研究文獻(xiàn)，本研究最終建立了長三角智慧城市評價指標(biāo)體系。這套體系有智慧設(shè)施、城市治理、智慧民生、經(jīng)濟(jì)發(fā)展和創(chuàng)新驅(qū)動五個一級指標(biāo)，每個一級指標(biāo)下均有三個二級指標(biāo)，其中智慧設(shè)施下的指標(biāo)為互聯(lián)網(wǎng)寬帶接入用戶、移動電話用戶數(shù)和電信業(yè)務(wù)總量，城市治理下的指標(biāo)為工業(yè)固體廢物綜合利用率、污水處理總量和綠化覆蓋面積，智慧民生下的指標(biāo)為衛(wèi)生機(jī)構(gòu)數(shù)、中學(xué)校數(shù)和社會消費(fèi)品零售總額，經(jīng)濟(jì)發(fā)展下的指標(biāo)為人均生產(chǎn)總值、第三產(chǎn)業(yè)增加值和城鎮(zhèn)人均可支配收入，創(chuàng)新驅(qū)動下的指標(biāo)為R&D 人員數(shù)、專利申請授權(quán)數(shù)和R&D 經(jīng)費(fèi)投入強(qiáng)度。這15 個二級指標(biāo)涉及的內(nèi)容廣泛而全面，符合全面性原則、綜合性原則、科學(xué)性原則、可比性原則和可操作性原則。

表1 長三角26座城市綜合智慧水平

（二）因子分析和逐步回歸分析法

因子分析能夠從眾多變量中提取共性因子。在本研究中，因子分析可在15 個二級指標(biāo)中抽取出隱藏的具有代表性的因子，從而將多個變量歸結(jié)為一個因子，達(dá)到減少變量的目的。本研究共使用6次因子分析，首先對全部的15個二級指標(biāo)進(jìn)行因子分析，從而計算長三角26 座城市的綜合智慧水平排名；然后對五個一級指標(biāo)分別使用因子分析，將每個一級指標(biāo)下的二級指標(biāo)濃縮為一個變量，為使用逐步回歸方法研究智慧設(shè)施、城市治理、智慧民生和創(chuàng)新驅(qū)動對經(jīng)濟(jì)發(fā)展的影響提供了基礎(chǔ)。

■實(shí)證研究—長三角城市群智慧城市圈

（一）因子分析法下長三角智慧城市發(fā)展評價分析

1.KMO 和Bartlett 球形檢驗(yàn)

在進(jìn)行因子分析之前，研究首先對相關(guān)數(shù)據(jù)進(jìn)行KMO 和Bartlett 球形度檢驗(yàn)。KMO 檢驗(yàn)度量值的取值范圍為[0，1]，度量值越接近1，表明所有變量的相關(guān)性越強(qiáng)。根據(jù)Kaiser 給出的KMO 度量標(biāo)準(zhǔn)，KMO 值小于0.5 時不適合做因子分析，大于0.5小于0.6 時不太適合做因子分析，大于0.6 即適合做因子分析。Bartlett 檢驗(yàn)?zāi)軌驒z驗(yàn)各個變量之間的相關(guān)性程度，其p 值小于0.05 即表明各個變量之間存在相關(guān)性，適合做因子分析。本研究將收集的15 個二級指標(biāo)的數(shù)據(jù)輸入SPSS25 進(jìn)行因子分析。結(jié)果發(fā)現(xiàn)，輸出的KMO 度量值為0.815，大于0.6；Bartlett 球形度檢驗(yàn)中的近似卡方值為788.852，自由度為105，其對應(yīng)的p 值為0。這說明，研究所選取的長三角智慧城市群建設(shè)五大一級指標(biāo)下的全部數(shù)據(jù)適合做因子分析。

2.求特征值和累積方差貢獻(xiàn)率

研究然后在SPSS25 的降維方法中選擇主成分方法，旋轉(zhuǎn)方法選擇最大方差法，提取出的主因子數(shù)目選擇特征值大于1。從SPSS25 輸出的公因子方差表中可以看出，此模型分別從二級指標(biāo)綠化覆蓋面積、衛(wèi)生機(jī)構(gòu)數(shù)、城鎮(zhèn)居民人均可支配收入和全社會R&D 經(jīng)費(fèi)投入強(qiáng)度中提取了79.1%、62.7%、83.3%、64.5%的信息，從其余11 個二級指標(biāo)中提取的信息都超過了90%；可見此模型除了對少數(shù)幾個二級指標(biāo)的信息提取效果略弱，對絕大部分二級指標(biāo)的信息提取效果很好。從SPSS25 輸出的總方差解釋表中可以看出，此模型將15 個二級指標(biāo)的數(shù)據(jù)降維成了3 個主成分，它們對應(yīng)的特征值分別為10.983、1.136和1.023；方差貢獻(xiàn)率分別為56.212%、24.451%和8.469%，第一個主成分的方差貢獻(xiàn)率遠(yuǎn)遠(yuǎn)大于其余兩個主成分，因此第一個主成分的重要性遠(yuǎn)大于其他兩個主成分；累積方差貢獻(xiàn)率為89.132%，表明這三個主成分解釋了智慧城市建設(shè)15 個二級指標(biāo)的絕大部分信息。

3.計算因子得分

最后，利用SPSS25 直接輸出3 個主成分的因子得分系數(shù)表，發(fā)現(xiàn)表中有一些數(shù)據(jù)為負(fù)數(shù)，例如無錫第一主成分的因子系數(shù)為-0.453，這表明無錫在第一主成分下的得分在26 座城市的平均水平以下；為了方便之后的研究，可將因子得分系數(shù)表中的所有數(shù)字都加上2.5，以保證所有因子得分系數(shù)均為正數(shù)。因?yàn)檫@三個主成分對應(yīng)的方差貢獻(xiàn)率代表其重要程度，所以可將某個主成分的方差貢獻(xiàn)率占三個主成分累積方差貢獻(xiàn)率的比例作為該主成分的權(quán)重，以此來計算長三角26 座城市在該主成分下的得分。最后將因子得分系數(shù)與其對應(yīng)的權(quán)重相乘再求和即可計算出每座城市的綜合得分即為智慧水平，詳細(xì)情況見表1。

觀察表1 可發(fā)現(xiàn)，在長三角26 座城市中，智慧水平發(fā)展最好的四座城市分別為杭州、上海、蕪湖與合肥；無錫、蘇州、南京、鹽城、紹興、寧波和臺州次之；池州與舟山兩座城市智慧水平最低。

（二）長三角智慧城市群建設(shè)對經(jīng)濟(jì)發(fā)展的影響

1.基于因子分析濃縮各一級指標(biāo)

為研究長三角智慧城市群建設(shè)對區(qū)域經(jīng)濟(jì)發(fā)展的影響，研究首先利用SPSS25 對每個一級指標(biāo)分別進(jìn)行KMO 和Bartlett 檢驗(yàn)；檢驗(yàn)通過后，再使用因子分析對五個一級指標(biāo)進(jìn)行降維（降維時因子的固定數(shù)目選擇1），從而提取了智慧設(shè)施、城市治理、智慧民生、經(jīng)濟(jì)發(fā)展和創(chuàng)新驅(qū)動五個一級指標(biāo)的有效信息。SPSS25輸出的結(jié)果顯示，這五個一級指標(biāo)的KMO 值分別為0.624、0.515、0.746、0.697 和0.652，Bartlett 檢驗(yàn)p 值都為0，即都顯著，因此除了城市治理做因子分析的效果稍差，其余四個一級指標(biāo)都合適利用因子分析進(jìn)行降維；五個一級指標(biāo)的累積方差貢獻(xiàn)率分別 為94.193%、66.961%、85.668%、77.167% 和84.892%，表 明智慧設(shè)施因素的信息提取效果很好，智慧民生、經(jīng)濟(jì)發(fā)展和創(chuàng)新驅(qū)動因素的信息提取效果較為理想，城市治理的信息提取效果只有66.961%，勉強(qiáng)能夠接受。

2.基于回歸分析研究智慧城市建設(shè)影響經(jīng)濟(jì)的因素

在獲得五個一級指標(biāo)濃縮數(shù)據(jù)的基礎(chǔ)上，研究其使用SPSS25進(jìn)行逐步回歸分析，變量進(jìn)出的方法選擇步進(jìn)。SPSS25 輸出的結(jié)果顯示，只有創(chuàng)新驅(qū)動因素被納入了模型；F 值為73.830，對應(yīng)的p 值為0，表示納入模型的解釋變量對經(jīng)濟(jì)發(fā)展的聯(lián)合效應(yīng)是顯著的；線性回歸模型的擬合優(yōu)度為0.755，表示長三角智慧城市中的創(chuàng)新驅(qū)動因素對經(jīng)濟(jì)發(fā)展的解釋能力為75.5%；創(chuàng)新驅(qū)動因素的t 值為8.592，對應(yīng)的p 值為0，表明長三角城市群的創(chuàng)新驅(qū)動因素對經(jīng)濟(jì)發(fā)展的影響是顯著的；創(chuàng)新驅(qū)動的未標(biāo)準(zhǔn)化系數(shù)為0.869，表明長三角城市群的創(chuàng)新驅(qū)動因素對經(jīng)濟(jì)發(fā)展具有促進(jìn)作用。由于進(jìn)行回歸分析時使用的是因子分析處理過的數(shù)據(jù)，因此得到的回歸方程經(jīng)濟(jì)意義不明顯，但仍然能夠得出結(jié)論：長三角智慧城市建設(shè)中的創(chuàng)新驅(qū)動因素對經(jīng)濟(jì)發(fā)展具有顯著的促進(jìn)作用。

■模型改進(jìn)與結(jié)論建議

本模型有一些難以避免的缺陷。第一，由于此模型需要進(jìn)行多次因子分析，很難保證每個一級指標(biāo)的KMO 度量值都理想，例如本文的城市治理KMO 度量值為0.515，不太適合做因子分析；第二，因子分析可能會造成數(shù)據(jù)信息的大量缺失，以至于不能真實(shí)地反映長三角城市的智慧城市建設(shè)水平，例如使用因子分析方法單獨(dú)對城市治理進(jìn)行降維時，其累計貢獻(xiàn)率僅為66.961%，盡管其它幾個一級指標(biāo)的信息提取效果較好，但信息缺失仍然是此模型的一大缺陷；第三，多元線性回歸分析很可能忽略了交互效應(yīng)和非線性的因果關(guān)系，而智慧城市建設(shè)對經(jīng)濟(jì)的影響是復(fù)雜多樣的。

研究得出結(jié)論：長三角智慧城市建設(shè)中的創(chuàng)新驅(qū)動因素對經(jīng)濟(jì)發(fā)展有顯著的促進(jìn)作用。因此，為了提高智慧城市建設(shè)對經(jīng)濟(jì)發(fā)展的促進(jìn)作用，可以打造改革新高地，在政府職能轉(zhuǎn)變、體制機(jī)制創(chuàng)新方面先行先試；可以加大科研經(jīng)費(fèi)投入，優(yōu)化創(chuàng)新政策和制度環(huán)境，促進(jìn)研發(fā)及科教成果的轉(zhuǎn)化。