智慧城市建設與城市碳排放：基于數字技術賦能路徑的檢驗

葛立宇，于井遠

(廣東財經大學 財政稅務學院，廣東 廣州 510320)

0 引言

伴隨中國城市化的快速推進以及中國經濟發展對化石能源消費的高度依賴，中國目前已經成為世界上碳排放體量最大的國家。2021年10月24日，中共中央、國務院正式印發了《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》(以下簡稱“意見”)，《意見》對我國碳達峰碳中和工作作出了重要的戰略部署，明確了總體要求、工作原則和主要目標。這既是我國著力構建人類命運共同體的莊嚴承諾，也表明在推進工業化、城鎮化的過程中我國將同時完成低碳綠色轉型任務。

在工業化時代，城市化發展無疑會導致碳排放持續增加。那么，在數字經濟時代，城市化與碳排放關系是否仍然呈現上述發展規律？當前，數字技術創新與重大技術突破賦予了城市化過程中不同的發展路徑和發展內涵。其中，智慧城市是數字化時代城市發展的典型模式，在我國智慧城市試點建設中，大數據、物聯網、云計算、下一代互聯網、人工智能等數字化新技術得到了廣泛應用，其核心是實現大數據跨部門、跨層級、跨地域、跨系統、跨業務的網絡協同，體現了數字經濟時代我國城市發展新趨勢。那么，在數字技術賦能或加持下的智慧城市建設是否也會對我國碳排放產生不同的影響效應？這種影響效應是通過哪些路徑實現的？不同的城市發展稟賦或特征又會導致哪些差異性影響？本文將對以上問題進行深入探究。

1 文獻綜述

近年來，碳排放驅動因素一直是環境能源領域的研究熱點，隨著碳達峰碳中和行動上升為國家戰略，關于這個問題的探討持續保持著高度的學術熱情。相關學者從經濟增長、經濟復雜性、產業結構、城市化、能源政策、技術進步、經濟集聚、產業規劃、研發投入、交通建設等多重角度探討碳排放的各類影響因素。相關文獻主要集中于兩類，一類是城市化發展對城市碳排放的影響，另一類是智慧城市建設對城市碳排放的作用，兩類研究呈現出一定學術淵源與遞進關系。

城市化是我國經濟發展的主要表現形式之一，關于第一類研究的理論成果較豐富。其中，一部分學者主張城市化發展促進了碳排放增長。如孫昌龍等[1]利用全球主要國家的歷史數據研究發現，城市化對碳排放的影響表現為驅動與制動的雙重作用，當城市化發展處于中期階段時，其對碳排放的驅動作用逐漸占主導，會推動碳排放量迅速增加；林美順等[2]運用聯立方程的廣義矩系統估計方法，考察了1985—2013年中國城市化、碳排放與經濟增長之間的相互影響機制，評估了不同時段的減排收益與成本，結果表明，城市化率每提高1%，GDP 可增加0.671%，同時導致碳強度上升0.274%。另一部分學者進一步發現，城市化發展與碳排放具有較復雜的因果關系。如Martínez-Zarzoso &Maruotti[3]利用1975—2003年發展中國家數據，在考慮國家樣本的動態性和異質性基礎上，發現城市化與二氧化碳排放呈倒U型關系;陸銘和馮皓[4]也發現，在城市化過程中，人口與經濟活動的集聚度提高有利于降低單位工業增加值以及污染物排放強度；邵帥等[5]發現經濟集聚與碳排放強度、人均碳排放之間存在典型的“倒N”型曲線關系，而能源強度與碳排放強度、人均碳排放之間存在典型的“倒U”型曲線關系。綜上發現，學者們得出的結論各不相同甚至相悖，其主要原因是考察時期、空間范圍、靜態動態視角、實證分析方法不同。

第二類關于智慧城市建設與城市碳排放邏輯關系的研究還處于探索階段。相關學者認為，數字經濟以信息技術為核心，可以為環境智能化管理提供新動力[6]；數字技術在能源消費與環境保護領域的普遍滲透及應用有助于解決環境承載力下降和稀缺性等問題[7]，其在改善生態環境方面具有巨大潛力[8]。石大千等[9]發現，智慧城市建設運用現代信息技術促進了城市發展模式創新，通過創新驅動產生技術效應、配置效應和結構效應，進而通過上述三大效應降低工業二氧化硫(廢氣)、工業廢水和工業固體廢棄物的排放量；Wang等[10]進一步將數字經濟發展作為技術進步引入索洛增長模型，基于2005—2016年190個國家的全球面板數據進行固定效應回歸，實證發現，二氧化碳排放量與數字經濟呈非線性的倒U型關系，支持了環境庫茲涅茨曲線(EKC)假說。在機制分析方面，范洪敏和米曉清[11]認為，智慧城市建設主要通過資源配置優化實現綠色經濟轉型。

我國自2013年開始設立智慧城市建設試點，從學術研究角度，其可以看作是數字經濟時代城市發展模式轉變的一次準自然實驗，也為探索智慧城市建設與城市碳排放的邏輯關系提供了極好的研究視角和機會。通過梳理文獻發現，目前在中國情境下具體考察和分析智慧城市建設與城市碳排放之間因果關系的實證研究較稀少，如Guo等[12]以中國智慧城市試點政策為切入點，采用漸進式雙重差分法，系統評價智慧城市建設對節能減排的影響效果。研究結果表明:智慧城市建設顯著降低了人均二氧化碳排放，減排效果約為18.42個對數百分點，但忽略了智慧城市建設最為典型的特征，即數字技術創新因素在智慧城市促進城市碳減排中的功能或作用，這也為本文研究提供了較大的學術探討空間。

本文基于2006—2019年中國內地223 個地級以上城市數據，以我國2013年開始的智慧城市建設為準自然實驗，探討數字技術發展影響城市碳排放以及賦能我國城市實現碳達峰碳中和行動的內在作用機制。研究旨在發掘城市數字化、智能化發展對節能減排的影響機制，并為我國低碳綠色經濟轉型提供政策建議。本文可能的邊際貢獻主要體現在以下三點：①在研究理論上細致剖析了智慧城市建設影響城市碳排放的內在機理，發現數字技術創新是智慧城市建設影響城市碳排放的重要因素，考慮到數字技術創新可能產生多重經濟效應，將數字技術創新的賦能路徑進一步分解為直接路徑和間接路徑兩類，并分析兩類作用機制的發生機理；②在研究方法上，綜合運用多期DID方法、PSM-DID方法、空間DID方法，多維度考察智慧城市建設對城市碳排放的穩健性影響，運用機制分析方法，分步識別和檢驗數字技術創新的直接和間接作用機制，并通過設置試點政策交互項，分類研究數字技術創新賦能的異質性特征，由于方法科學和合理，具有一定借鑒價值；③在研究數據上，選擇數字技術授權專利數量和質量作為刻畫數字技術創新水平的代理變量。目前在涉及智慧城市與技術創新關系的研究中，往往以授權專利作為分析工具，此種方式不能精確反映智慧城市數字化轉型的根本特征，本文將授權專利進一步細分至數字技術領域，衡量方式更為科學。

2 政策背景與理論機制

2.1 政策背景

進入21 世紀，伴隨新一代信息通信技術的快速發展，世界各國相繼掀起了智慧城市建設熱潮。2008年11月，IBM首次提出“智慧地球” 的理念，進而引發全球智慧城市建設熱潮。IBM認為智慧城市是利用物聯網、云計算、人工智能、地理空間基礎設施等新型信息技術，推動城市化與信息技術深度融合，從而實現城市管理的精準化、數字化和動態化[12]。

為了緊跟世界發展潮流，探索智慧城市建設、運行、管理、服務和發展的科學方式，我國住房城鄉建設部于2012年12月5日正式發布了“關于開展國家智慧城市試點工作的通知”，并印發《國家智慧城市試點暫行管理辦法》和《國家智慧城市(區、鎮)試點指標體系(試行)》兩個文件。2013年1月29日，由國家住建部組織的國家智慧城市試點創建工作會議在北京召開，會議公布了第一批90個國家智慧城市試點名單。其中，地級市37個，區(縣)50個，鎮3個。2013年8月，又新增103個城市(區、縣、鎮)為第二批國家智慧城市試點；2014年，公布了第三批城市試點。之后，智慧城市建設相繼列入2015年政府工作報告和十九大報告，表明智慧城市建設正式上升為國家戰略。2018年和2019年賽迪網連續兩年評選出我國“智慧城市十大樣板工程”；2020年，上海市在全球智慧城市大會上獲得“世界智慧城市大獎”；2021年住建部公布了我國智慧城市基礎設施與智能網聯汽車(“雙智”)協同發展的首批示范城市。這些動態和舉措都表明我國智慧城市已經發展到一個新階段，進入到探索建設深水區。

2.2 理論框架

李德仁院士等[13]將智慧城市定義為在城市全面數字化基礎之上建立的可視、可量測、可感知、可分析、可控制的智能化城市管理與運營機制，包括城市網絡、傳感器、計算資源等基礎設施，以及在此基礎上通過實時信息或數據分析而建立的城市信息管理與綜合決策支撐等平臺。作為城市發展的劃時代新模式，智慧城市對碳排放的影響可能是多路徑、多維度、多效應的，目前學界對該問題的闡釋還未形成統一的理論框架，但以物聯網、大數據、云計算、人工智能等為代表的數字技術很可能是人類未來解決能源以及礦產資源利用與生產生活需求矛盾的關鍵所在[14]。具體來說，智慧城市可以利用物聯網等數字技術，實時控制組織(人)、企業(政府)、交通、通信、水、能源六大核心組成部分的運行和連接，然后利用云計算技術對城市數據進行分析和整合，在連接物理系統和提供公共服務過程中提高資源利用效率，緩解大城市病如能源浪費、環境污染、人口擁堵、碳排放等，創新城市治理模式，實現城市可持續發展[12]。其中，數字技術創新及應用是智慧城市建設和發展的基礎性支撐。

基于此，本文試圖從數字技術創新視角構建理論框架，研討智慧城市建設對碳排放的作用機制和影響效果。具體來說，從數字賦能的直接和間接路徑展開論證分析，具體見圖1。

圖1 數字技術賦能路徑框架Fig.1 Framework of digital technology empowerment path

首先，從數字技術賦能的直接路徑來看：第一，智慧城市運營首先表現為時空信息整合和計算，因此數字技術創新是其運營和建設的關鍵與前提。總體上，智慧城市主要由數字城市和物聯網、云計算三大支撐組成，目前三大類技術都沒有成熟經驗可供學習借鑒，各國都基本處于原始創新階段。在智慧城市建設過程中，一方面，政府和社會資本有動力加大數字城市、物聯網和云計算技術研發投入，促進三大數字技術實現重大突破。智慧管理、智慧服務、智慧運行等管理需求也推動數字技術研發與成果轉化，有助于企業效益改善、研發收益提高，進一步激勵企業加大數字核心技術研發，實現研發投入的持續增長。另一方面，智慧城市建設有助于實現城市運轉更加精準化、高效化和智能化，有助于吸引創新要素在城市高度集聚，智慧電網、智慧樓宇、智慧交通等基礎設施的建成也可以為企業和科研實體提供更多便捷服務，同時，極大降低研發成本、縮短研發周期、提高研發效率。尤其值得注意的是，平臺教育、在線課程、網絡課堂等智慧教育方式豐富了“互聯網+教育”類型和方式，有助于促進優質教育資源在城市間流動和共享。人力資本是最稀缺的社會創新資源，他們的創新成果往往能突破既定技術約束，為城市發展提供基礎支撐與技術支持。縮小城市教育差距，有助于提高教育、培訓的課堂效率與社會成本，提升社會人力資本。第二，數字技術創新為城市碳減排提供了最具潛力的解決方案。隨著通信技術發展，以智能傳感、云計算、大數據和物聯網等為代表的數字技術有望重塑城市生產、生活系統。具體為：①數字技術在碳足跡、碳匯等領域的深度融合有助于促進能源行業的數字化監測、排放精準計量與預測、規劃與實施效率提升，從而大幅提升能源使用效率，直接或間接地減少能源行業的碳排放[15]。此外，數字技術還可以通過對自然和地理條件的精確三維建模，縮短清潔能源研發周期，提高研發效率；②數字化技術發展對傳統產業的影響，如工業制造、農業和土地利用、建筑、交通和其它領域的數字化技術解決方案有助于大幅降低能源消耗，減少碳足跡(Carbon Footprint)。此外，由數字技術引領的新業態、新模式變革還有助于轉變消費理念，重構商業模式，促進消費綠色轉型。通過數字化、自動化的綠色消費信息平臺，推動產供銷全鏈條暢通，加快發展綠色物流配送，推廣綠色用品消費、綠色衣著消費和綠色居住消費，助力智慧城市碳達峰、碳中和目標實現。

基于以上分析，本文提出研究假設：

H1:我國智慧城市建設有助于降低試點城市的碳排放。

H2:我國智慧城市建設試點可以通過數字技術創新的直接路徑降低城市碳排放。

其次，從數字技術賦能的間接路徑來看：第一，數字技術創新是城市產業結構向中高端邁進的重要驅動力。數字技術創新不需要進行庫存管理，也沒有運輸延誤，其基本創新要素是數字字節、編程語言、協議、標準、軟件庫、生產力工具等，全球的數字創新者都可以聯合起來創建新的web應用程序，這種平行式發展是目前數字技術創新爆發的主要原因，而創新效率提高的典型特征是產業結構高級化，即創新效率通過產業生產是否達到生產可能性邊界影響產業結構高級化，這是通過技術效率與規模效率提高實現的[6]。另外，人工智能等新一代數字技術會對勞動力或資本產生替代，在不同產業具有差異化應用前景，并通過加速生產要素在產業部門間的流動促進產業轉型升級[16]。數字技術在農業領域的滲透則相對滯后，基礎設施的城鄉異質性導致數字經濟對第一產業的滲透率低于第二、三產業，在利潤最大化的驅使下，數字化資本會逐步由第一產業向第三產業轉移[17]。而從第二產業內部來看，以“互聯網+”為核心的數字技術有助于顛覆企業盈利模式、改變市場結構、擴展資源配置邊界[18]，從而推動以勞動密集型、重工業為主的產業結構轉向以技術含量高、環境友好型為主的產業結構[19]。總體來看，數字化技術會驅使產業結構加速向以服務業和高端制造業為主的結構轉型。第二，產業結構高級化是城市實現碳減排的重要動力機制。產業結構轉型升級對碳排放的重要意義在于其既是各類經濟投入與產出的資源轉換器，又是各種污染物種類和數量的環境控制器[20]。Li等[21]基于OECD數據、KPWW方法和多元面板回歸，通過脈沖響應分析和方差分解發現，提高非化石能源使用比例、優化產業結構是數字技術創新降低碳排放強度的有效機制。本文認為，總體上看，產業結構高級化是由技術創新和技術突破內生的，其促進城市實現碳減排的主要機理在于：一方面，產業結構升級意味著第三產業部門比重持續提高，而第三產業能耗強度小于工業部門；另一方面，產業結構轉型升級意味著資源要素從低效率企業流向高效率企業，而高效率企業的能源使用效率也較高，從而驅使整個產業部門向低碳綠色發展，即傳統農業、工業和服務業積極向生態農業、低碳工業和現代化服務業轉型升級，進而帶動城市碳排放的整體下降。

基于以上分析，本文提出研究假設：

H3：我國智慧城市建設試點可以通過“數字技術創新→產業結構升級”的間接路徑，降低城市碳排放。

3 研究設計

3.1 模型設定

為檢驗以上研究假設，本文采用多期DID方法評價智慧城市試點工作的推進對城市二氧化碳的減排效應。基本回歸模型設定如下：

CO2it=α+βDIDit+γControlit+λi+ηt+εit

(1)

式(1)中，CO2it為城市i在t年的城市碳排放水平；DIDit為虛擬變量，如果城市i在第t年開始智慧城市試點，取值為1，否則取值為0；Controlit代表一系列控制變量；λi為城市固定效應，ηt為時間固定效應，εi,t表示隨機擾動項。

3.2 變量設定與數據說明

3.2.1 被解釋變量

本文的被解釋變量為城市碳排放水平。參考相關方法，用城市人均碳排放(P-CO2)(噸/萬人)和每萬元GDP的碳排放總量(I-CO2)(噸/萬元)兩個變量表示城市碳排放水平，每萬元GDP的碳排放總量又稱為碳排放強度，上述兩個變量均取對數。碳排放的原始數據來源于《城市統計年鑒》和《城市建設統計年鑒》，并根據吳建新和郭智勇[22]的方法匯總，計算出城市層面的碳排放數據。由于《城市建設統計年鑒》目前僅更新至2020年版，因此本文的數據范圍設定為2006—2019年。

3.2.2 核心解釋變量

本文的核心解釋變量為智慧城市試點政策。考慮到我國第一批智慧城市試點始于2012 年末，正式公布于2013年1月29日。因此，將第一批實驗組城市的實驗期設為2013年，非試點城市定義為控制組。由于國家在設立智慧城市試點時，將一些地級市的某個縣或區也作為試點，為了防止這類情況帶來的估計偏誤，借鑒石大千等[9]的作法，剔除這類地級市樣本。另外需要說明的是，第二批政策試點新增了一些地市范圍的區或縣，經過匹配，本文發現第二批試點中新增的9個區在第一批剔除的地市樣本范圍內。因此，最終確定的實驗組樣本實際上只包含第一和第三批的智慧建設試點城市，政策起點分別是2013年和2014年。

3.2.3 控制變量

本文選取的控制變量包括：①經濟發展水平(P-GDP)，用人均GDP對數表示，已有研究表明，城市碳排放水平與經濟發展水平密切相關，經濟發展水平會直接影響城市碳排放水平；②經濟發展水平的平方項(P-GDP2)，用人均GDP對數的平方表征，環境庫茲涅茨曲線(EKC，Environmental Kuznets Curve)表明，環境污染水平與經濟發展水平呈倒U型關系，因此加入經濟發展水平的平方項；③經濟發展速度(Speed)，用GDP增長率表示，經濟發展速度越快，資源消耗的增速也越快，相應地帶來碳排放量的快速增長；④財政壓力(Press)，用“(公共財政收入/公共財政支出)-1”的方法衡量，財政壓力直接關系到政府部門治理環境的資金投入，財政壓力越大，表明碳排放治理將面臨預算約束，從而不利于城市碳減排；⑤科技投入(Science)，采用財政科技投入占GDP的比重表征，財政科技投入能夠有效促進城市碳達峰碳中和技術研發，完善各產業碳排放管理和監控體系，從而有利于降低城市碳排放；⑥人口規模(Population)，用年均人口的對數表示，一般而言，人口規模越大，城市碳排放的總量也會越大；⑦行政區域土地面積(Area)，以當地城市區劃的土地面積(平方公里)表示，城市區劃的土地面積越大，表示城市碳排放的總量也會增大。以上控制變量數據來源于2007—2020年的《中國城市統計年鑒》。

4 計量檢驗與分析

4.1 基準回歸結果

表2匯報了利用雙重差分方法估計智慧城市建設試點影響城市碳排放的基本結果。模型(1)—(4)為將人均碳排放作為被解釋變量的回歸結果，模型(5)—(8)為碳排放強度作為被解釋變量的回歸結果。可以看出，無論是否控制個體效應或時間效應，相比不是智慧城市試點的城市，試點智慧城市的人均碳排放量和碳排放強度都出現明顯下降，且估計系數都通過了1%水平下的顯著性檢驗。另外，在方程回歸的基礎上計算各模型的VIF值，結果都遠小于10，說明不存在多重共線性問題。表2的基準回歸結果初步證明了本文提出的研究假設H1。

表1 變量描述性統計Tab.1 Descriptive statistics of variables

表2 基準回歸結果Tab.2 Benchmark regression results

4.2 平行趨勢及安慰劑檢驗

4.2.1 平行趨勢及動態效果識別

使用雙重差分的前提是政策實施前實驗組與控制組并不存在顯著差異，如果政策實施前實驗組與控制組樣本中的碳排放不存在平行趨勢，回歸結果就不能充分表明城市碳排放下降完全是由智慧城市建設帶來的。本文使用事件分析法檢驗平行趨勢假說是否成立，具體是將基準回歸中的智慧城市試點的虛擬變量替換成利用政策試點前后生成的試點虛擬變量，模型設定如下：

(2)

式(2)中，DIDkit為政策實施前后各4年的虛擬變量，其它變量定義與基準回歸方程式一致。DIDkit的賦值規則如下：posti為智慧城市試點年份，如果t-posti=k，則DIDkit=1，反之DIDkit=0(k∈(-4,4))。當k≥4或者k≤-4時，賦值DIDkit=1，反之為0。作為參照物，選取政策實施前一年為基期，在方程中去掉D-1it的虛擬變量。然后，以此觀察式(2)中βk系數的大小及顯著性，其反映了試點前后城市人均碳排放和碳排放強度變化。如果樣本滿足平行趨勢假設檢驗，則β-4、β-3、β-2不顯著。

如圖2(2a,2b)所示，β-4、β-3、β-2不能拒絕為0的原假設，表明實驗組與控制組城市的碳排放在政策實施前不存在顯著差異，滿足平行趨勢假設。就政策的動態效應看，人均碳排放除政策實施后的第3年不顯著外，其它年份均在1%的水平下通過顯著性檢驗，而碳排放強度則在第二年和第三年表現為顯著下降。

4.2.2 安慰劑檢驗

為排除政策沖擊不隨機和城市異質性對研究結論的影響，本文以隨機生成處理組的方式進行安慰劑檢驗，即隨機挑選出與試點城市數量相同的城市組作為處理組，其它城市為控制組，然后重復1 000次檢驗。若經此反事實構造的政策效應均值在0附近并滿足正態分布，則說明本文結論不會受到其它因素影響，反之則說明存在其它混雜因素。由圖3的估計系數分布可知，基于隨機樣本估計得到的系數均值在0 附近，并且500 次安慰劑檢驗估計系數小于基準回歸系數的概率小于5%，表明智慧城市的碳減排效應并不是由常規性的隨機因素和不可觀測因素導致的。

圖2 平行趨勢假說檢驗Fig.2 Hypothesis test of parallel trend

圖3 安慰劑檢驗Fig. 3 Placebo test

4.3 穩健性檢驗

4.3.1 PSM-DID方法

在運用DID 方法前需要實驗組與控制組各方面特征盡可能相似，也就是說選擇與實驗組特征盡可能相似的非智慧城市作為控制組[24]。為了解決樣本選擇的偏差問題，確保基本結論穩健，進一步使用傾向得分匹配—雙重差分方法(PSM-DID)分析智慧型城市建設的碳減排效果。具體步驟是：第一，對基本回歸分析中的控制變量進行平衡性檢驗，篩選出滿足平衡性檢驗要求的協變量；第二，基于Logit模型使用這些協變量預測出每個城市被選為智慧城市試點的概率，再依次使用半徑匹配、核匹配和一階近鄰匹配，生成智慧城市匹配控制組，使得匹配組和處理組在接受智慧城市試點前沒有顯著差異；第三，在上述基礎上，根據基準回歸中使用的DID模型再次識別智慧城市建設對碳減排的凈效應。由于傾向得分匹配法旨在處理可觀測特征產生的自選擇偏差問題，將其與雙重差分結合，可以有效解決因可觀測和不可觀測特征產生的偏差問題，政策識別效應也更有效。匹配回歸結果如表3所示，可以看出，無論是使用哪種匹配方法，其系數符號、大小均與基本結論一致，因此可以證明回歸結論穩健可靠。

4.3.2 空間DID方法

為了避免智慧城市建設空間效應可能帶來的估計偏誤，基于空間杜賓模型構建多時點空間DID，進一步展開穩健性檢驗。構建模型如下：

(3)

利用樣本城市匹配3種類型的空間權重矩陣，分別為空間鄰接權重矩陣、地理反距離空間權重矩陣和經濟距離空間權重矩陣。空間鄰接權重矩陣使用0和1來標記城市間空間相鄰情況，屬于定性界定。地理反距離空間權重矩陣以距離的倒數作為矩陣權重，城市間距離越大，權重就越小；反之就越大。經濟距離空間權重矩陣則以兩座城市人均GDP差值的倒數為測度依據，構建矩陣空間。在此基礎上，運用Moran'I指數檢驗3種空間矩陣下人均碳排放和碳排放強度的空間自相關性。結果顯示，2008—2019年城市碳排放兩個指標的Moran'I指數均達到1%的顯著性水平，說明我國各城市的碳排放具有顯著的空間自相關性，碳排放在空間分布上具有集聚特征。從表4的回歸結果可以看出，在不同的空間權重矩陣下，無論是人均碳排放還是碳排放強度作為被解釋變量，政策虛擬變量(W*DID)系數均在1%的水平上顯著為負，表明在充分考慮主回歸模型誤差項的空間相關性后，智慧城市建設政策試點依然會顯著降低城市的碳排放。

表3 PSM-DID穩健性檢驗Tab.3 PSM-DID robustness test

表4 空間DID穩健性檢驗Tab.4 Robustness test of spatial DID

除以上檢驗外，依次采用刪除省會和副省級以上城市樣本、排除低碳城市試點和碳排放交易權試點政策干擾、控制“省份—年份”聯合固定效應等方式進行穩健性檢驗，結果顯示，結論依然穩健。

5 機制檢驗

上文從數字技術創新賦能視角分析了智慧城市建設影響城市碳排放的理論機制，為了驗證由此提出的研究假設H2和H3，探尋智慧城市發展過程中數字技術創新對城市碳足跡的影響效應，判斷數字技術創新是不是智慧城市賦能城市碳減排的直接或間接動力機制，進行實證檢驗。

5.1 直接賦能路徑檢驗

首先，以數量與質量兩類指標具體衡量城市數字技術創新水平。其中，數字技術創新數量指標采用與數字經濟相關的每萬人授權專利數(Patent)表示；考慮到發明專利授權數量實際上更能反映城市技術創新的真實水平，因此數字技術創新質量指標采用與數字經濟相關的每萬人發明授權專利數(Invention)表征。與數字經濟相關的專利以及發明專利授權數據來源于中國研究數據服務平臺(Chinese Research Data Services,CNRDS) 開發的數字經濟研究數據庫(Digital Economy Research Database，DERD)。

其次，在模型(1)的基礎上檢驗數字技術賦能直接路徑的有效性。從表5的模型(1) —(2)可以看出，智慧城市建設政策變量(DID) 對人均數字專利數(Patent)和人均數字發明專利數(Invention)的影響都在1%水平下顯著為正，表明智慧城市建設無論是對城市數字技術創新數量還是質量都具有促進作用。從表5的模型(3)—(4)可以發現，將人均數字專利數(Patent)和人均數字發明專利數(Invention)分別與政策變量(DID)同時納入回歸方程后，其與政策變量(DID)的系數都在1%水平下顯著為負，結合方程(1)中政策變量(DID)對城市碳排放的直接回歸結果，表明智慧城市建設有助于提高城市數字技術創新數量和質量，而城市數字技術創新質和量的提升可以推動城市實現碳減排。表5的模型(5)—(6)為以碳排放強度為被解釋變量的回歸結果，其亦呈現出相同的顯著性特征，證明數字技術創新在智慧城市建設與城市碳減排之間確實起到顯著的中介作用，換而言之，數字技術創新是智慧城市賦能碳減排的直接路徑，從而證明了本文提出的基本假設H2。

5.2 間接賦能路徑檢驗

參考石大千等[9]的機制檢驗方法，分兩步檢驗數字技術賦能間接路徑的有效性。產業結構高級化(Industry)采用第三產業占第二產業比重表示。第一步，檢驗數字技術創新路徑在政策變量(DID)與產業結構高級化之間的作用。從表6的模型(1)可以看出，智慧城市政策變量(DID)對城市產業結構高級化(Industry)的影響系數顯著為正，從模型(2)—(3)可以發現，衡量數字技術創新的兩個指標(Patent和Invention)和政策變量(DID)在同一方程內都對產業結構高級化呈現1%水平下的顯著正向影響，結合表5的模型(1)—(2)，即政策變量(DID)對城市數字技術創新兩個指標的影響在1%水平下顯著為正，由此說明，智慧城市建設促進了數字技術創新，而數字技術創新顯著提高了城市產業結構高級化(Industry)。第二步，繼續檢驗產業結構高級化在政策變量(DID)與城市碳排放之間的作用。從表6的模型(4)—(5)可以發現，產業結構高級化(Industry)與政策變量(DID)對城市碳排放(人均碳排放P-CO2和碳排放強度I-CO2)的影響都在1%的水平下顯著為負，結合表2中政策變量(DID)對碳排放的基本回歸結果以及表6的模型(1)，即政策變量(DID)對產業結構高級化(Industry)的影響效應，可以判斷，產業結構高級化(Industry)在智慧城市建設和碳排放之間也發揮了內在機制作用。綜合第一步和第二步的實證結果，可以發現，存在一條“智慧城市建設→數字技術創新→產業結構高級化→城市碳減排”的因果鏈式關系，證明了本文提出的研究假設H3，即智慧城市建設能夠通過“數字技術創新→產業結構升級”的間接路徑促進城市實現碳減排。可見，作為技術賦能的城市發展新模式，智慧城市有望通過物聯網、大數據、云計算、人工智能等數字技術創新，為我國逐步降低碳排放提供新途徑和新選擇。

表5 數字技術賦能直接路徑檢驗Tab.5 Direct path test of digital technology empowerment

表6 數字技術賦能間接路徑檢驗Tab.6 Indirect path test of digital technology empowerment

6 異質性分析

分析智慧城市建設對城市碳排放的異質性影響，需要確定哪些城市發展特征對智慧城市建設有所裨益。總體來看，智慧城市建設需要人(人力資本)、財(金融發展)、物(信息基礎設施)等的支持[9]。基于此，本文從人、財、物3個方面具體分析不同類型智慧城市賦能城市碳減排的異質性影響。

6.1 調節作用

人、財、物的具體衡量方法為：①城市人力資本水平(Human)：以每萬人大學生數表示；②金融發展(Finance)：以金融機構存貸款余額占GDP 比重衡量；③信息基礎設施(Material)：以互聯網寬帶接入用戶數衡量，表示智慧城市物力方面的支持。數據來源于2007—2020年的《中國城市統計年鑒》。

分別將人力資本(Human)、金融發展(Finance)和信息基礎設施指標變量(Material)和智慧城市試點政策變量(DID)進行交互，并以人均碳排放(P-CO2)作為被解釋變量，納入主方程(1)進行回歸，表7的模型(1)—(3)展示了各回歸方程交互項系數的顯著性結果。可以發現，人力資本(Human)、金融發展(Finance)和信息基礎設施(Material)三類異質性指標與政策變量(DID)的交互項系數都在1%水平下顯著為負，表明人力、財力和物力支持越集中的智慧試點城市，其碳減排的賦能作用也越顯著，原因可能在于人力資本、金融支持和物質支持越充分的城市，其對城市數字技術創新的促進作用越顯著，而上文分析表明，數字技術創新實際上能夠通過直接路徑或間接路徑促進城市實現碳減排。

6.2 傳導機制

為了驗證以上提出的人力、財力和物力3個政策調節變量對數字技術創新的可能性影響，需要考察3個政策調節變量通過數字技術創新影響城市碳排放的傳導機制。將人均數字技術發明專利(Invention)作為被解釋變量，將智慧城市政策變量(DID)與人力資本(Human)、金融發展(Finance)與基礎設施(Material)的交互項納入主方程(1)進行回歸。表 8模型(1)—(3)的結果表明，3個交互項系數都在1%的水平下顯著為正，表明人力、財力和物力集聚對智慧城市的數字技術創新起正向調節作用；進一步，將人均數字技術發明專利(Invention)與3個交互項統一納入以人均碳排放(P-CO2)為被解釋變量的方程進行回歸。模型(4)—(6)顯示，人均數字技術發明專利(Invention)與3個交互項的系數都在1%水平下顯著為負，表明城市人力、財力和物力水平集聚確實是通過數字技術創新對城市碳減排帶來實質性影響的。在以上異質性檢驗方法和步驟中，本文將被解釋變量替換為碳排放強度指標(I-CO2)并進行驗證，結果顯示，各系列方程的顯著性沒有發生質的變化。以上異質性研究結果表明，智慧城市作為技術賦能型城市發展模式，資金、人才、基礎設施等創新要素的空間集聚對數字技術突破與創新仍然起到基礎性作用，而且在“雙碳”戰略背景下創新要素集聚還有利于實現城市碳減排和綠色可持續發展。

表7 異質性檢驗(1)Tab.7 Heterogeneity test (1)

表8 異質性檢驗(2)Tab.8 Heterogeneity test (2)

7 結論與建議

7.1 研究結論

本文基于中國情境下智慧城市試點賦能城市碳減排要求，利用2006—2019年城市面板數據，從數字技術創新視角，綜合采取多期DID模型、PSM-DID模型、中介效應模型、調節效應模型，多角度實證考察了智慧城市試點影響城市碳排放的內在機制和因果效應。主要結論如下：①智慧城市試點能夠有效促進我國城市實現碳減排，有力支撐我國碳達峰碳中和行動，在引入PSM-DID模型、空間DID模型克服樣本選擇偏差和空間效應影響并重新進行估計后，結論依然穩健；②智慧城市試點主要通過數字技術創新的直接路徑，以及“數字技術創新→產業結構升級”的間接路徑促進城市碳減排，數字技術創新和產業結構升級可以形成鏈式因果關聯共同助力智慧城市達成碳達峰碳中和；③異質性分析表明，人力、資金、信息基礎設施支持越充分的城市，其促進城市碳減排的效應也越顯著，主要原因在于人力資本、財政資金、金融資本以及物質資本集聚對城市數字技術創新具有顯著的正向調節功能。

7.2 政策建議

在智慧城市建設成為當前我國城市發展的主流模式背景下，應采取以下政策措施：①進一步強化數字技術在碳減排領域的研發和應用，發揮大數據、云計算和物聯網等前沿技術在碳排放源頭鎖定、數據分析、監測監管、預測預警等領域的關鍵作用，實現城市碳排放管理的精細化、在線化和智能化；②進一步發揮產業結構高級化在城市碳減排中的潛在賦能作用，既要加快產業結構向以第三產業為主的現代產業結構升級過渡，也要促進產業內部低碳化、綠色化發展，逐步采用清潔能源以替代傳統的化石能源；③綜合采取人力資本提升、財政科技支出增加、金融投資擴大等多種公共政策手段，持續提升智慧城市數字技術創新稟賦與能力，推動“數字新基建”跨越式發展，夯實數字經濟促進創新的基礎設施；④擴大智慧城市試點，在前三批智慧城市試點基礎上總結經驗，逐步將智慧城市建設覆蓋我國所有城市，提高各類城市建設、管理、服務的智能化水平，讓我國城市運轉更敏捷、更高效、更低碳。