基礎設施數字化轉型對城市綠色發展的影響研究

摘" 要：以是否實施基礎設施數字化轉型過程中的關鍵信息技術政策建筑信息模型（BIM）為準自然實驗進行實證研究，基于2008—2021年中國281個城市的面板數據，構建雙重機器學習模型評估BIM政策頒布對城市綠色全要素生產率的影響。結果表明，BIM政策所表征的基礎設施數字化轉型對綠色全要素具有顯著促進作用，其通過推動城市創新能力、數字化發展和產業結構升級，從而帶動城市綠色發展轉型。在非資源型城市和較發達城市，BIM政策對綠色全要素生產率的促進作用更顯著。

關鍵詞：基礎設施數字化；建筑信息模型；綠色全要素生產率；雙重機器學習；BIM政策

中圖分類號：F124" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2025）04-0010-06

Abstract： An empirical study was conducted on whether to implement Building Information Modeling （BIM）， a key information technology policy in the process of infrastructure digitalization， as a quasi-natural experiment， and a double machine learning model is constructed to assess the impact of the enactment of BIM policy on the green total factor productivity based on the panel data of 281 cities in China from 2008 to 2021. The results show that the digital transformation of infrastructure characterized by the BIM policy has a significant contributing effect on green total factor productivity， which drives the transformation of urban green development by promoting innovation capacity， digital development and industrial structure upgrading. In non-resource-based cities and more developed cities， BIM policies have a more significant effect on promoting green total factor productivity.

Keywords： infrastructure digitalization; building information model; green total factor productivity; double machine learning; BIM policy

基礎設施建設的數字化轉型是我國新型基礎設施體系建設的重要組成部分，對于優化投資結構、推動產業結構升級和促進經濟可持續發展具有重要現實意義。作為引領基礎設施建設部門數字化變革的關鍵技術和信息集成載體，建筑信息模型（Building Information Modeling， BIM）及其與物聯網、人工智能、地理信息系統等信息技術的集成應用，在我國建筑業和交通運輸業等部門得到國家政策層面的高度重視[1]。BIM是“以三維數字技術為基礎，集成工程建設全生命周期多方多維信息的模型，是對工程項目設施實體與功能特性的數字化表達”[2]。為推進BIM技術在相關領域的深化應用，中央和地方政府出臺一系列政策文件、標準規范和配套措施等，使得建筑、交通、橋梁、能源、通信和市政等傳統基礎設施領域等在融合BIM數字技術基礎上逐步向數字化和綠色化發展。

基于上述分析，一個自然的想法是，中國政府通過實施BIM技術相關政策，是否切實提高了城市的綠色發展水平？然而，已有研究幾乎尚未通過實證模型檢驗以BIM為代表的數字基礎設施政策對城市綠色發展的影響，主要聚焦諸如“寬帶中國”戰略、“國家大數據綜合試驗區”、“智慧城市”等數字化基礎設施試點政策的效應[3-5]。現有關于BIM的研究主要集中于BIM技術在工程領域的實際應用，探究其在提高工程建設效率和減少能源消耗等方面的效能[6-8]，而關于BIM政策的研究則主要通過文本挖掘和文獻計量方法，梳理我國BIM相關政策的發展歷程，刻畫各時期政策側重點以及不同地區BIM政策的效力差異等[9-10]。然而，BIM技術被視為新基建數字化的核心技術，現有研究卻缺乏通過實證模型揭示BIM技術實施對城市綠色發展的影響，這不利于政策部門從數據層面掌握BIM技術政策產生的切實效果。

綜上所述，本文以BIM這一典型數字基礎設施技術政策為切入點，實證檢驗我國政府頒布該政策對城市綠色發展水平的影響。具體而言，以2008—2021年中國281個地級市為研究對象，以地方政府在該年份是否頒布BIM相關政策文件為核心解釋變量，構建前沿的雙重機器學習研究BIM政策對城市綠色全要素生產率的影響。

1" 實證設計

1.1" 雙重機器學習模型

為實證檢驗BIM政策實施對城市綠色發展的影響，本文采用Chernozhukov等[11]提出的雙重機器學習模型。該模型具有以下優勢：①能夠克服控制變量過多導致的“維度詛咒”。本研究模型構建中需加入大量控制變量，然而，傳統回歸模型在處理高維變量時可能存在多重共線性，導致估計結果不準確。雙重機器學習模型則通過引入正則化算法和正交化估計，在眾多控制變量中自動篩選重要變量的同時保證估計系數的無偏性。②能夠刻畫變量間的非線性關系。由于我國經濟發展經歷不同階段，使得變量對城市綠色發展的影響可能存在非線性。傳統回歸模型通常將變量間關系設定為線性，可能導致模型設定偏誤。雙重機器學習模型則通過加入二次項和交叉項刻畫變量間的非線性關系。根據上述分析，本文首先設定部分線性模型，如方程（1）和（2）所示

，（1）

， （2）

式中：ＧＴＦＰit+1表示城市i第t+1年的綠色發展水平； BIMit為處置變量，表示城市i第t年是否實施BIM技術政策，若某城市第t年頒布該政策文件，則設從第t年開始BIMit都為1，此前設為0；？茁表示BIM技術政策實施對該城市綠色發展水平的影響，為本文重點分析的估計系數值；l（Xit）表示控制變量Xit對城市綠色發展水平影響的函數形式，考慮到高維控制變量對ＧＴＦPit+1可能存在非線性影響，本文同時納入控制變量的一次項和二次項。方程（2）實際上是為獲得無偏估計系數而構建的輔助回歸模型，m（Xit）表示解釋變量ＢＩＭit對高維控制變量的回歸函數形式。Ｕit和Vit表示均值為0的誤差項。

雙重機器學習模型的具體估計過程為：首先采用機器學習算法（如Lasso、嶺回歸和隨機森林等）對方程（2）輔助回歸進行估計，獲得殘差項" " " " " " " "；然后，同樣基于機器學習算法估計方程（1），其變換形式為" " " " " " " " " " " " ；最后，將" "作為BIMit的工具變量進行回歸，從而獲得無偏的系數估計量" 。

1.2" 變量設定和數據來源

為衡量被解釋變量城市綠色發展水平，本文選取綠色全要素生產率指標。綠色全要素生產率指標構建方法參考Wang等[12]，采用前沿的超效率SBM模型與全局Malmquist-Luenberger（GML）指數相結合的方法。預期產出為城市生產總值，非預期產出包括城市PM2.5、工業廢水排放量、工業二氧化硫排放量和工業二氧化碳排放量。PM2.5數據來自圣路易斯華盛頓大學大氣成分分析小組，其他數據來自中國城市統計年鑒。

本文的處置變量，即主要解釋變量為BIM政策虛擬變量，關于虛擬變量0和1值的設定方式參見1.1部分解釋，地方政府頒布的BIM政策來自北大法寶數據庫。

為控制其他影響綠色全要素生產率的因素，本文參考相關文獻[12-13]，選取10個變量構建指標，包括人均GDP、勞動就業率、人均道路面積、第二產業增加值占比、人口密度、科技費用支出、地方政府預算支出占GDP比重、外商投資占GDP比重、金融機構貸款余額占GDP比重與普通高中和高校學生占總人口比重。數據均來自《中國城市統計年鑒》。

此外，為揭示BIM政策影響綠色全要素生產率的中介渠道，從城市創新能力、數字化水平和產業結構升級3方面構建中介變量。其中，創新能力用城市創新指數、申請綠色專利數和獲得綠色專利數衡量，數字化水平用數字經濟指數和數字普惠金融指數表示，產業結構升級用產業結構合理化和產業結構高級化指標衡量。城市創新指數來源及其構建方法參見《中國城市和產業創新力報告2017》[14]。數字經濟指數參考趙濤等[15]的研究，從數字互聯網發展和數字普惠金融發展2方面指標進行構建。產業結構升級方面，產業結構高級化用第三產業增加值與第二產業增加值的比值衡量，產業結構合理化選用由3次產業間從業人員數和產值比例測度的泰爾指數[15]。

為兼顧數據可得性和完整性，本文共選取中國281個地級城市為研究對象，被解釋變量的數據區間限定為2009—2022年。同時，為解釋變量和控制變量與被解釋變量間的雙向因果關系問題，相應變量取滯后一期，故對應數據區間為2008—2021年。另外，對比值以外的部分控制變量取自然對數以統一量綱。

2" 實證結果和分析

2.1" 基準回歸結果

表1匯報了不同模型形式下BIM政策對城市綠色全要素生產率的回歸結果，模型估計中本文設置樣本分割比例為1∶4，即進行5折交叉驗證，同時采用Lasso回歸算法對方程（1）和（2）進行預測。表1中不同模型形式的區別在于是否加入二次項以考慮非線性影響，以及是否加入省份-時間交互效應項以考慮中國治理制度下相同省份的不同城市政策環境和經濟特征等方面的相似性?？梢园l現，不同模型形式下BIM政策實施對城市綠色全要素生產率的回歸系數均顯著為正，且在1%水平上顯著，說明BIM政策實施提升了城市綠色發展水平。

2.2" 穩健性檢驗

鑒于雙重機器學習模型的設定主觀性可能造成估計結果偏誤，本部分考慮以下4方面驗證估計結果的穩健性：①改變樣本分割比例，即將樣本分割比例改為1∶2和1∶6，驗證基于3折和7折交叉驗證法下的Lasso算法估計結果是否仍然穩?。虎谔鎿Q機器學習算法，將基準回歸中用作預測的Lasso算法替換為嶺回歸、梯度提升、神經網絡和隨機森林算法；③更改主回歸中模型設定形式，將主回歸即方程（1）中的部分線性模型重新設定為更具一般性的交互模型，即GTFPit+1=l（ＢＩＭit，Ｘit）＋Ｕit，Ｅ（Uit|Ｘit，ＢＩＭit）＝０；④構建部分線性工具變量模型，將方程（2）重新設定為Ｉnstrumentit=m（Ｘit）＋Ｖit，Ｅ（Vit|Ｘit）=0，其中，Ｉnstrumentit為ＢＩＭit的工具變量，參考張勛等[16]的研究，將城市與所在省會的球面距離作為工具變量具有合理性。

由此，穩健性檢驗結果匯總在表2中，可以發現不同情形下BIM政策對綠色全要素生產率的影響始終在1%水平下顯著為正，表明本研究估計結果具有穩健性。此外，本文還通過構建傳統雙重差分模型、替換被解釋變量的測度指標、納入并行政策（包括智慧城市試點、“寬帶中國”戰略、國家大數據綜合試驗區），進一步證實了估計結果的穩健性。

2.3" 中介效應分析

BIM作為一項能夠廣泛應用于基礎設施建設的數字化政策，其通過哪些渠道促進城市綠色全要素生產率的提高，值得進一步探究。既有研究表明，以“寬帶中國”為代表的網絡基礎設施建設能夠提升城市創新水平和促進數字普惠金融發展，進而提升城市包容性綠色增長水平[3]。據此，本文認為地方政府頒布BIM政策表明了其對該數字化技術所持的正面態度，而在交通、建筑等基礎設施建設中融入BIM技術，不僅能夠提升基礎設施智能化程度，而且能夠促進信息技術進步和科技成果的涌現[17-18]。因此，本文認為BIM政策通過促進城市創新能力和數字化程度的提高來正面影響綠色全要素生產率。此外，BIM技術可以從設計、建造、運營和維護階段，全生命周期地跟蹤基礎設施的信息，預測建筑設施的能源消耗，提高建筑的能源效率，從而帶動產業結構升級。因此，本文認為BIM政策可以通過帶動產業結構升級從而對城市綠色全要素生產率產生正向影響。綜上，本文重點考察創新能力、數字化程度和產業結構升級的作用機制，各中介變量相應指標構建參考1.2部分。

根據江艇[19]的研究，只需檢驗處置變量對中介變量的影響是否顯著，中介效應結果匯總在表3?？梢园l現，BIM對各中介變量的影響均在1%水平下顯著為正，表明BIM政策確實可以通過促進創新能力、數字化發展和產業結構升級，從而提升城市的綠色發展水平。

2.4" 異質性分析

2.4.1" 資源稟賦

由于我國各地區資源分布不均，而資源含量豐富的地區在長期資源開發中容易形成單一和初級化的產業結構，且這種發展模式具有鎖定效應和路徑依賴，從而擠占有限的勞動力和資本量，不利于產業轉型升級，即本文研究的基礎設施建設數字化轉型。因此，擬考察不同資源稟賦下BIM政策對城市綠色全要素生產率的異質性影響。本文參考《全國資源型城市可持續發展規劃（2013—2020年）》，將研究樣本劃分為資源型和非資源型城市，分組回歸估計結果見表4的第（1）和（2）列所示。

可以發現，BIM政策對資源型城市綠色全要素增長率的影響不再顯著，而非資源型城市組內BIM回歸系數仍在1%水平下顯著，為0.059，表明BIM政策提升了非資源型城市的綠色發展水平。產生這一結果的原因可能在于資源型城市的經濟發展模式主要依賴資源開發和初加工，城市發展易陷入“資源詛咒”，這就導致BIM技術這一能夠賦能傳統基礎設施數字化轉型的政策效應不明顯。相對而言，非資源型城市的產業結構往往更多元化，并且數字產業發展更迅速，因此在政策推動下更易轉變產業發展模式，從而有利于產生綠色發展效應。

2.4.2" 城市等級

考慮到中國各區域經濟發展嚴重不平衡，特別是不同等級城市的產業數字化發展程度不同?；诖?，本文參照《2023年中國城市商業魅力排行榜》，將樣本劃分的一線和二線城市歸為經濟發達城市組，將三線城市歸為較發達城市組，將四線和五線城市歸為欠發達城市組，估計結果見表4中第（3）—（5）列所示。

可以發現，BIM政策對發達城市和欠發達城市的綠色全要素生產率影響均不顯著，而較發達城市組的估計系數在1%水平下則顯著為正，為0.088，這一結果表明BIM政策對較發達城市綠色發展水平產生了顯著促進作用。究其原因，首先，發達城市的經濟發展已達到較高水平，同時在國家不斷鼓勵產業數字化轉型政策激勵下，其容易獲得更多資源和政策傾斜，因此根據邊際效應遞減規律，BIM政策對發達城市的綠色發展效應并沒有那么明顯。其次，對于經濟欠發達城市而言，BIM這種前沿數字化技術在資金、技術和人力等層面難以實施，這就導致欠發達城市組的1 760個總樣本僅有161個樣本對應頒布了BIM政策，且政策頒布年份主要集中在2017和2018年，從而導致BIM政策對欠發達城市的綠色發展效應難以發揮出來。最后，對于較發達城市，其主要為西部省會城市（如蘭州、銀川和烏魯木齊等）和省份內經濟體量較高的城市，這類城市經濟發展后勁大且產業體系現代化轉型需求更加迫切，因此在BIM技術政策激勵下，較發達城市組的基礎設施數字化水平能夠較大幅度提升，從而推動城市綠色發展水平的提高。

3" 結論與政策啟示

在傳統基礎設施建設領域推進BIM技術不僅能夠促進這些行業實現數字化發展，同時能夠促進產業結構的清潔化轉型。本文以2008—2021年中國281個地級市城市為研究對象，構建雙重機器學習模型揭示了BIM政策實施對綠色全要素發展的影響效應，得出如下重要結論：基準回歸和穩健性檢驗表明BIM政策對提升城市綠色全要素生產率具有顯著影響；中介效應分析表明，BIM可通過促進創新能力、數字化發展和產業結構升級從而提升城市的綠色發展水平；異質性分析表明，BIM政策對非資源型和較發達城市綠色發展水平的正向影響更顯著，而對資源型城市、發達城市和欠發達城市的綠色發展沒有產生顯著影響。

基于上述結論，本文的政策啟示在于：第一，進一步推進BIM技術在建筑、交通等基礎設施工程建設領域的應用。鑒于BIM技術研發屬于知識密集型產業，針對BIM應用的人才壁壘問題，高校可通過校企聯合等方式，培養具有過硬專業知識和行業針對性的技術人才。第二，強化BIM技術推動城市綠色發展的作用路徑，利用BIM技術提升傳統基建產業數字化創新能力，帶動傳統高耗能產業向數智化和綠色化發展。第三，由于BIM技術政策對不同資源稟賦和等級城市的綠色發展影響存在差異，可率先在非資源型城市和較發達城市基礎設施建設中實施BIM技術，推動此類城市綠色發展水平的提升。

參考文獻：

[1] 住房和城鄉建設.2016—2020年建筑業信息化發展綱要[Z].2016-08-23.

[2] 張洋.基于BIM的建筑工程信息集成與管理研究[D].北京：清華大學，2009.

[3] 張濤，李均超.網絡基礎設施、包容性綠色增長與地區差距——基于雙重機器學習的因果推斷[J].數量經濟技術經濟研究，2023，40（4）：113-135.

[4] 莫靖新，吳玉鳴.新型智慧城市的綠色發展效應研究——基于多時點DID的準自然實驗[J].生態經濟，2024，40（3）：92-101.

[5] 李杰，劉清.數字經濟如何賦能城市綠色全要素生產率——基于國家大數據綜合試驗區建設的經驗證據[J].現代管理科學，2023（5）：133-142.

[6] SHADRAM F， JOHANSSON T D， LU W， et al. An integrated BIM-based framework for minimizing embodied energy during building design[J]. Energy and Buildings， 2016，128：592-604.

[7] 樂云，鄭弦，李永奎，等.基于SVN的BIM技術應用價值流及驅動路徑研究[J].管理工程學報，2018，32（1）：71-78.

[8] 張銳，黃錕，王錦星，等.BIM技術在綠色建筑工程管理中的實踐應用[J].建筑技術，2022，53（12）：1734-1737.

[9] 豐景春，李晟，羅豪，等.政策工具視角下我國BIM政策評價研究[J].軟科學，2020，34（3）：70-74，110.

[10] 徐希，劉嘉豪，姜鳳珍.我國BIM政策主題的時空演變研究[J].工程管理學報，2023，37（5）：18-23.

[11] CHERNOZHUKOV V， CHETVERIKOV D， DEMIRER M， et al. Double/debiased machine learning for treatment and structural parameters[J].The Econometrics Journal，2018，21（1）：C1-C68.

[12] WANG J D， GUO D S. Siphon and radiation effects of ICT agglomeration on green total factor productivity： Evidence from a spatial Durbin model[J].Energy Economics，2023，126：106953.

[13] LI C S， QI Y P， LIU S H， et al. Do carbon ETS pilots improve cities' green total factor productivity？ Evidence from a quasi-natural experiment in China[J]. Energy Economics， 2022，108：105931.

[14] 寇宗來，劉學悅.中國城市和產業創新力報告2017[R].上海：復旦大學產業發展研究中心，2017.

[15] 趙濤，張智，梁上坤.數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據[J].管理世界，2020，36（10）：65-76.

[16] 張勛，楊桐，汪晨，等.數字金融發展與居民消費增長：理論與中國實踐[J].管理世界，2020，36（11）：48-63.

[17] 田秀娟，李睿.數字技術賦能實體經濟轉型發展——基于熊彼特內生增長理論的分析框架[J].管理世界，2022，38（5）：56-74.

[18] 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據[J].經濟研究，2023，58（3）：97-115.

[19] 江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.