智慧城市建設和環境污染改善*
——微觀證據與影響機制

儲 震 程名望

一、引言

21 世紀以來，互聯網、大數據、人工智能以及云計算等新興數字技術層出不窮，全球正在進入一個嶄新的信息化階段，即以深度挖掘與融合應用海量數據為基本特征的智能階段(梅宏，2018)。全球主要經濟體也相繼制定了數字化發展戰略，比如美國于20世紀90 年代推出“數字信息高速公路” 戰略，日本于2001 年出臺“e-Japan” 戰略，英國在2009 年發布“數字英國” 計劃等。建設智慧城市是中國把握新時期信息化帶來的歷史機遇，以信息化轉型賦能經濟社會高質量發展的重大戰略舉措。十九大報告首次將推進智慧社會建設列為構建現代經濟體系的重要內容?！笆奈濉?規劃和二十大報告進一步指出，“以數字化助推城市發展和治理模式創新，全面提高運行效率和宜居度，分級分類推進新型智慧城市建設，打造宜居、韌性、智慧城市”。此外，隨著中國經濟的快速增長，日益嚴重的環境污染開始危及居民健康并侵蝕經濟效率(Chu 等，2021)。為了滿足人民對美好生活的追求，在努力提高物質性收入的同時，也要不斷創造更加優質的自然環境。繼十八大要求把生態文明建設放在“五位一體” 總體布局突出地位后，十九大報告進一步將“打贏污染防治攻堅戰” 列為全面建成小康社會的關鍵一環。這就引出一個十分具有應用價值與理論意義的議題:智慧城市建設是否以及如何有助于生態環境改善?但是很遺憾，很少有文獻資料對這個命題進行深入探討。

雖然目前還缺少系統直接的經驗與理論考察來探究智慧城市建設對生態環境質量的影響，但關于智慧城市建設后果以及生態環境質量成因的研究給本文提供了許多有益的借鑒和啟示。概括地講，目前關于智慧城市研究聚焦在兩個維度:一是智慧城市的內涵和度量方法(Chu 等，2022；夏昊翔和王眾托，2017)；二是智慧城市建設對經濟社會發展的影響。從微觀視角看，既有文獻著重探討智慧城市建設對居民幸福感(張傳勇等，2023)、企業家精神(孔令池和張智，2020)、企業債務融資成本(陶云清等，2023)和企業全要素生產率(姚圣文等，2022)的作用。從宏觀視角看，既有文獻傾向論證智慧城市建設對技術創新(袁航和朱承亮，2020)、產業結構(趙建軍和賈鑫晶，2019)、外商直接投資(何凌云等，2021)、出口經濟復雜度(張兵兵等，2023)、全球價值鏈(毛艷華和謝宇平，2022)、經濟增長(周小敏和李連友，2020)等方面的影響。此外，關于生態環境的影響因素研究，現存文獻主要側重于大氣污染與二氧化碳排放，涉及能源轉型(徐斌等，2019)、環境規制 (萬攀兵等，2021)、數字技術 (戴翔和楊雙至，2022)、數字金融(魏悅羚和張洪勝，2022)以及貿易開放(陳登科，2020)等對環境污染帶來的潛在作用。在為數不多的文獻中，跟本文緊密相關的是Yigitcanlar 和Kamruzzaman (2018)及石大千等(2018)。前者基于英國城市數據，采用信息通信技術的普及率來度量城市智慧化程度，但該指標內生性較強，不能干凈地識別出智慧城市建設與生態環境質量的因果關系，且缺乏規范的理論分析。后者認為，憑借創新內生驅動的結構效應、配置效應以及技術效應，中國智慧城市建設可以有效提升生態環境質量。然而該文僅關注對城市層面大氣污染的影響，缺乏對企業層面污染排放的考察，且忽視了微觀層面的影響機制檢驗，尤其是在考察智慧城市建設影響生態環境質量技術效應的過程中，并未區分中性技術進步和有偏技術進步。但Lyubich 等(2018)指出，企業間全要素生產率的差異遠低于環境效率的差異，這暗示中性技術進步難以完全解釋智慧城市建設影響環境污染的技術效應，有必要進一步探索有偏技術進步所起到的作用。

有鑒于此，在現有文獻的基礎上，本文著重探討智慧城市建設對生態環境污染的影響，并嘗試做出以下幾個方面的邊際貢獻。第一，在清洗整理中國企業污染數據庫的基礎上，本文將這一獨特微觀數據庫和中國工業企業數據庫以及中國縣域數據進行合并，為研究智慧城市建設與中國環境污染關系提供新的微觀證據。第二，借助中國設立智慧城市試點這一外生政策沖擊來有效緩解評估智慧城市建設環境治理效應過程中的內生性問題，且將試點的識別范圍進一步精確到縣區級。第三，現有文獻普遍利用這一準自然實驗考察城市智慧化轉型的影響，但鮮有研究專注于智慧城市建設對中國企業污染行為的影響，本文對此進行了有益補充。第四，在識別智慧城市建設對企業污染排放強度影響的微觀機制，尤其是在研究城市智慧化轉型作用于企業污染行為的技術進步機制時，本文對有偏技術進步和中性技術進步加以區分，這是對考察智慧城市建設如何影響生態環境質量的文獻的有益補充。本文研究結論能夠對中國新時期推進智慧社會建設以及打贏污染防治攻堅戰帶來豐富的證據支撐與政策啟發。

二、背景與理論邏輯

改革開放以來，無論是從農業人口遷移還是從城市土地擴張來看，中國均創造了舉世矚目的“城市化奇跡”。根據國家統計局的測算，中國的城鎮化率在2022 年達到65.22%，比1978 年提高了47.32 個百分點?？焖俪鞘谢瘶O大地推動了經濟增長，但同時也造成了嚴重的生態環境破壞，并最終會危及城市居民健康與企業生產效率?？梢钥闯?，當前中國城市發展急需轉向以資源利用率提高和生態環境保護為導向的“集約、內涵型” 模式。智慧城市建設，從總體規劃、系統運行到具體智慧實踐，以高效整合、資源節約和創造美好宜居生活為宗旨，可以為新型城鎮化轉型和經濟社會高質量發展提供一條可行路徑。具體而言，智慧城市建設依托在公路、大壩、橋梁、電網以及供水系統等設施中嵌入各種智能感應器和傳感器所構建的物聯網，實時獲取城市中組織(人)、通信、交通和能源等核心系統在運行過程中所產生的海量數據資源，采用云計算與超級計算機技術對其加以整合分析，進而實現對生產活動、政府服務和公共安全等的智慧化治理，最終促進城市的和諧、健康和可持續發展(Chu 等，2021)。

為了搶占先發優勢，各地政府對智慧城市建設工作高度重視，以期從根本上緩解“大城市病”，實現城鎮化、工業化、信息化的深度融合。然而，智慧城市早期發展相對緩慢，這是因為建設過程中存在著理念不清楚、目標不明確以及評判不一致等諸多問題。為了規范各地智慧城市建設工作，中華人民共和國住房和城鄉建設部(以下簡稱“住建部”)在2012 年正式開始啟動國家智慧城市先行試點項目，標志著智慧城市政策在中國正式落地與實施。項目先后開展了三批智慧城市試點，創建期為3—5 年，期間明確指出智慧城市是通過現代科技的融合應用、信息資源的有效整合、業務體系的統籌安排來增強規劃管理能力的城市發展新模式。2012 年，針對智慧城市創建的組織管理工作，住建部發布《國家智慧城市試點暫行管理辦法》。值得一提的是，該管理辦法在試點創建標準中并沒有對基礎技術設施等條件做出硬性約束，沒有將偏遠落后的小城鎮排除在試點名單之外，從而有效保障了智慧城市創建工作的公平公正(陸偉良，2013)。此外，住建部還發布了《國家智慧城市(區、鎮)試點指標體系(試行)》，清晰闡釋了智慧城市試點的建設目標、內容與組成模塊。其中，一級指標涵蓋了智慧產業與經濟、智慧建設與宜居、智慧管理與服務以及保障體系與基礎設施。試點期間，住建部結合智慧城市的工作重點，在建設規劃、政策法規、部門組織協同、投融資渠道、運行管理等方面對試點城市給予保障支持。2014 年，國家發展和改革委員會(以下簡稱“發改委”)發布了正確引導智慧城市建設方向的《國家新型城鎮化規劃(2014—2020)》。隨后，發改委出臺了《關于促進智慧城市健康發展的指導意見》，從發展理念、規劃思路、重點任務、安全防護等方面進一步明確了各地智慧城市建設的具體實施路徑。在十九大報告中，智慧城市首次與網絡強國、科技強國、交通強國、數字中國等一道上升為國家戰略，不斷創新建設新思路。

現有文獻指出，實施智慧城市戰略能夠促進城市生活生產方式的綠色轉型，有助于城市綠色可持續發展(石大千等，2018)。與非試點城市相比，政策試點地區蘊含豐裕的信息要素，不僅可以用于充分挖掘各類社會資源潛能、最優化個人決策和組織行為，還可以在不產生額外成本與環境污染的情況下被無限循環使用與復制，讓創新資源在試點城市得以綜合集成和高效配置。同時，政策試點地區廣泛應用新一代信息技術、低碳以及節能環保等高新技術，能夠加快傳統服務業與制造業的技術迭代，帶動信息、知識、創新密集型產業集聚，有利于城市發展模式向環境友好與資源節約型方向轉變，并最終實現“資源利用高、生產效率高、環境破壞小、產品附加值高”。得益于智慧城市試點工作的有效推進和相關政策法規的不斷完善，截至2020 年，我國已有900 多個智慧城市試點啟動或在建，智慧城市投資規模同比增長12.7%，達到259 億美元，成為繼美國之后的第二大智慧城市投資國。從全國的建設實踐也可以看出，大多數智慧城市都將環境管理工作放在重要位置。比如，深圳從人文、生態、科技三個維度建設新型智慧城市，杭州提出要打造智能、綠色的宜居城市，沈陽則嘗試用智能科技和環保技術打造“生態沈陽”?？梢灶A見，在人、機、物深度融合的大環境下，以智慧城市試點政策為主要標志的智慧城市建設，將在數字技術方面擁有廣闊的市場需求以及潛在的政策紅利，從而能夠助力經濟社會活動的高度智能化，成為賦能企業綠色轉型的重要途徑。

理論上，在生產經營管理中引入城市智慧化轉型戰略，有利于優化資源配置、再造業務流程以及改進生產范式，從而能夠助推企業綠色化轉型發展(劉洪鐸等，2023)。就一般日常生產流程而言，企業的最終污染物排放等于前端生產的污染量減去末端處理的污染量，所以智慧城市建設降低企業污染排放的可能途徑主要來自前端的清潔生產或末端的污染處理(韓超和李鑫平，2023)。具體而言，從前端的清潔生產來看，城市智慧化轉型可以有效破除企業內外部信息與知識的流動障礙，在緩解信息不對稱的基礎上，增強企業創新能力和知識儲備，從而促使企業升級改造傳統的工藝技術和設備、采用更清潔綠色的能源和原材料，以及做出更加科學理性的生產經營決策(劉洪鐸等，2023)。通過賦能企業智慧化轉型，智慧城市建設能夠幫助企業實現資源集約利用以及提質增效等精益化生產目標，從而能夠從制造源頭削減污染物的排放，促成前端的清潔生產(陳媛媛和李坤望，2010)。

就末端的污染處理而言，智慧城市建設可以將企業的日常經營生產活動與物聯網傳感器、互聯網寬帶、人工智能設備以及大數據平臺等數字基礎設施進行深入融合與有機結合，不僅可以幫助企業優化生產條件和升級更新排污處理設備，而且可以精準監測出企業的物耗能耗、污染排放的實時狀況(Ye 等，2020)，實現從運輸、加工、生產到排污治理的一體化(盛丹和卜文超，2022)，從而通過直接處理生產后排出的污染物，達到減少或杜絕末端排放的目的?；谝陨险撌?，本文提出待檢驗的假說1。

假說1:智慧城市的建設能夠減少企業污染物的排放，且來自前端的清潔生產與末端的污染處理共同作用。

為了正確理解智慧城市建設的減污機制，我們還在經典環境經濟學理論框架下，進一步將污染排放量的減少歸結為以下兩種原因:技術效應和結構效應。其中，結構效應捕捉到污染物排放變化來自產業結構與能源結構的沖擊(Cole 等，2005)；技術效應則從創新與技術進步的變化解釋了污染物排放的差異(Levinson，2007)。本文的研究重點是考察智慧城市建設的企業減污機制，在微觀維度很難識別出產業結構變化及相對應的結構效應，因此我們轉向關注企業層面的能源消費結構及相應的結構效應(張平淡和屠西偉，2023)。接下來，本文對智慧城建設的兩種潛在減污作用效果進行深入梳理。

第一，能源結構效應。以煤炭消費為主的中國能源結構是產生二氧化硫(SO2)等污染物的關鍵因素(陳登科，2020)，而城市智慧化轉型有助于開發新能源和推進電氣化進程，從而實現企業能源消費結構的優化。一方面，水電、風能以及光伏等可再生能源均來自大自然的饋贈，其開發、輸送和存儲過程一般具有隨機波動性和不可預測性，而先進的可視化處理、傳感監測和智能控制等新興數字技術可以保障電網安全和穩定。此外，大容量儲能技術的應用也為存儲清潔能源電力提供了技術支撐(Murshed，2020)。另一方面，電氣化是深度治理污染的有效方式(洪博文等，2020)，智慧城市建設可以快速推進企業電氣化的進程。數字基礎設施的投入使得智慧城市建設開始改變企業的傳統生產模式，依托數字技術的諸多生產工序逐漸向智能化與電氣化方向轉變。同時，相較于以往的企業電氣設備，由數字和網絡技術搭建的智慧化電氣系統運行起來要明顯占優勢，可以有效提升企業的生產質量與效率，進而對電氣化進程的推進形成反向激勵(戶華玉和佘群芝，2022)，并最終在企業終端能源消費中逐步實現清潔電力對煤炭等高污染能源的替代?；谝陨险撌?，本文提出待檢驗的假說2。

假說2:智慧城市建設能夠通過優化能源結構減少企業污染物的排放。

第二，技術進步效應。除了可以產生技術外溢效應，城市智慧化轉型還能夠加速外部市場競爭，提升創新效率，驅動企業技術創新(戶華玉和佘群芝，2022)。一方面，新興數字技術兼具可改造性和滲透外溢性等固有特征(丁志帆，2020)，而企業通過智慧城市建設可以實現與新興數字技術的有機融合，既能夠充分利用新興數字技術催生溢出擴散效應，又可以憑借互聯網的平臺、共享經濟等優勢促進創新資源的合理配置與使用，便利其內外部的知識交流與研發合作，在新興數字技術導引下進行一系列應用型創新，形成企業創新的良好循環。對于技術水平較低的中小企業而言，參與數字知識共享平臺可以顯著增強其自身的創新能力(王方，2016)。另一方面，智慧化轉型使得市場競爭更加激烈(徐向龍和侯經川，2022)，進而倒逼企業進行技術創新活動。以數字化推動的新型智慧城市建設破除了市場中買賣雙方的信息壁壘，消費者可以享有更大的產品選擇空間，并對其價格與質量提出更高要求，而那些缺乏新意或嚴重同質化的商品將面臨被市場淘汰的風險。這無疑會加速市場競爭，進一步提升企業技術水平，而技術進步被視為企業攀升高端價值鏈環節、減少低端高污染生產的重要因素(Sun 等，2019)。從這個角度看，智慧城市建設能夠幫助傳統企業建立清潔的生產管理體系以減少污染物排放。值得注意的是，自Acemoglu (2002)發展與完善有偏技術進步理論以來，國內外學者開始意識到技術進步方向能夠更好地解釋現實經濟現象。例如，Lyubich 等(2018)在考察技術效應時強調，單純用技術進步回答企業間污染物排放的差異并不能完全令人信服，需要進一步區分有偏技術進步和中性技術進步(陳登科，2020)。因此，在考察智慧城市建設技術進步效應的過程中，本文也會對此加以區別?；谝陨险撌?，本文提出待檢驗的假說3。

假說3:智慧城市建設能夠通過提高技術水平減少企業污染物的排放，但相較于中性技術進步，有偏技術進步在其中發揮更大作用。

三、數據來源與模型建立

(一)數據來源及說明

本文的核心問題是探討智慧城市建設對企業環境污染的影響，在實證過程中主要涉及三個數據集:中國企業污染數據庫、中國工業企業數據庫以及中國縣域宏觀數據庫。其中，作為被解釋變量的企業SO2排放來自中國企業污染數據庫，智慧城市建設指標則基于住建部2012 年發布的智慧城市試點名單構建，其余的控制變量分別來自中國縣域宏觀數據庫與中國工業企業數據庫。為了更好地進行研究，需要將工業企業數據庫、污染數據庫與縣域宏觀數據庫等進行合并。首先，參照陳登科(2020)的做法，我們構建工企面板數據與污染面板數據，并進一步基于企業唯一身份信息合并形成污染—工企面板數據。然后，根據縣(區、市、旗)級行政區域代碼將縣域宏觀數據匹配到污染—工企面板數據中。最后，由于中國智慧城市試點一部分是以地市為單位實施的，另一部分則是以區縣為單位實施的，因此需要將城市試點名單細分到縣(區、市、旗)級層面，并與污染—工企面板數據進行合并，最終形成滿足本文研究需要的初始數據集。在數據處理過程中，我們剔除污染數據庫與工業企業數據庫中的異常樣本，主要包括:不符合通用會計準則(GAPP)的企業，例如總資產小于固定資產、流動資產或者凈資產的企業；工業增加值大于工業總產值、累計折舊小于當年折舊的樣本；不符合常識規范的企業，例如開業時間的月份大于12、成立時間晚于統計時間的企業；員工人數小于8、污染物排放小于0 等不合常理的數據。

與工業企業數據庫和縣域宏觀數據庫相比，企業污染數據庫還沒有被廣泛使用，可能存在數據真實性問題。為了減輕這一顧慮，本文將相關變量從小到大排列均等分為100組，以組別序號為橫軸，將縱軸設置為組內企業SO2排放量均值，分別考察企業SO2排放量與煤炭消耗量、工業企業數據庫中企業規模(總資產)之間的關系。倘若企業存在隨意報告或者瞞報污染排放量的行為，那么SO2數據與這些本該相關的變量可能不存在系統性關系。圖1 (a)與圖1 (b)的結果均顯示，企業SO2排放量隨著煤炭消耗量、企業規模的增長而增長，這與直觀認識相符。樣本區間設定在2008—2014 年，主要考慮有:首先，中國在這一時期經歷了廣泛的信息技術發展，此外在2012 年住建部公布了智慧城市試點，這為本文識別數字化發展對中國環境污染的作用機制提供了難得的準自然實驗。其次，企業層面污染數據止于2014 年，因此第一批智慧城市試點后的樣本時期跨度為3 年，而雙重差分策略要求政策發生前的樣本區間不宜過長。最終本文數據集共包含了7 年間50 278 家企業的觀測值，這些企業遍布在中國2 581 個縣(區、市、旗)。最后，為了規避異常值引起的偏誤，我們對所有指標進行了左右兩端1%的縮尾處理，并利用價格指數平減了各類金額類指標。

圖1 企業SO2 排放量和其他指標的關系

(二)模型建立與研究方法

為了克服未觀測因素等造成的內生性問題，我們采用智慧城市試點政策作為自然實驗來構建雙重倍差(DID)模型以識別其因果效應參數，即通過計算DID 模型估計量剔除實驗組(實施政策的地區)與控制組(未實施政策的地區)的“實驗前差異”，進而獲得試點與非試點城市在政策執行前后的污染物排放差異。建立計量模型如下:

其中，i代表企業，j代表縣(區、市、旗)級行政區域，k代表地(區、市、州、盟)級行政區域，t代表年份。被解釋變量lnSIi，j，k，t表示企業i在t年SO2排放強度的對數值，通過SO2排放量除以企業總產值得到。Smarti，2012×Post2012為計量回歸模型的核心解釋變量。α1是本文感興趣的系數，用于衡量智慧城市建設試點政策對企業SO2排放強度的凈影響。Smarti，2012表示智慧城市試點地區的虛擬變量，如果該縣(區、市、旗)是首批政策公布的試點地區，取值為1，否則取值為0。Post2012表示中國實施首批智慧城市試點的年份虛擬變量，年份大于等于2012 年則Post2012＝1，反之Post2012＝0。Xi，t為系列控制變量，μi為企業固定效應，γj為縣(區、市、旗)級行政區固定效應，λk，t為地(區、市、州、盟)級行政區與年份虛擬變量交乘項，εi，j，k，t為誤差項。

需要說明的是:第一，由于后兩批智慧城市試點的設立時間處于樣本末期，無法在短時間內體現出試點城市的環境績效，因此本文僅考察首批智慧城市試點政策。第二，有鑒于政策初期執行力度有限，本文在以地市為單位實施的試點中僅保留了市轄區。第三，為了識別參數α1，智慧城市試點的選擇不應與地區特征相關，然而在確定試點名單的過程中，政府可能會參考該地區產業結構、人口密度、經濟發展等的狀況。為了控制這些前定變量以進一步克服內生性問題，我們在方程中加入這些因素在政策實施前一年的取值與試點實施年份虛擬變量Post2012的交乘項。其中，人口密度采用城區人口與土地面積之比表示；產業結構采用第二產業產值在GDP 中的占比表示；經濟發展狀況采用人均國內生產總值表示。第四，為了剔除企業層面因素的影響，我們控制了企業全要素生產率(TFP)、資本勞動比、年齡對數值及其平方項。限于數據獲取的限制，我們借鑒Head 和Ries (2003)的做法，采用公式TFP ＝ln (Y/L)-αln (K/L)來估計TFP。其中，Y指企業的工業總產值，K指固定資產總額，L指年末從業人員數，資本的貢獻度α設定為1/3 (Hall 和Jones，1999)。資本勞動比使用固定資產和從業年末人數之比來度量(張杰等，2013)。企業年齡用觀測年減去企業創辦年然后加1 表示。

四、實證結果及分析

(一)實證結果及分析

在識別變量間因果關系的過程中，計量模型的回歸系數及其標準誤差經常會受到固定效應、控制變量和聚類層級的影響。出于穩健性的考慮，我們首先考察在普通標準誤差的情形下，逐次控制不同固定效應和兩類主要變量對回歸系數的影響，相關結果見表1。第(1)列至第(3)列逐步控制不同的固定效應，第(4)列與第(5)列逐步控制不同種類的變量，尤其是企業層面因素，第(6)列至第(8)列繼續測試不同聚類層級對回歸標準誤差的影響。分析可見，智慧城市建設能夠顯著降低企業SO2排放強度這一結論相當穩健。最終的最優模型如第(8)列所示，相比非試點地區，試點城市的企業SO2排放強度在1%顯著性水平上下降了12.7%。后文所有回歸模型，均以最優模型第(8)列為基準模型，即控制最嚴格的固定效應，并將標準誤差聚類至最嚴格的層級。

表1 設立智慧城市試點對企業SO2 排放強度的影響

(二)假設檢驗

理想自然實驗下的差分估計本身就具有一致且無偏的特性，但其合理性還須建立在樣本選擇偏差、安慰劑、共同趨勢等一系列前提假設基礎之上。為了增強估計結論的可信性，我們針對關鍵識別假設進行逐一檢驗。

(1)平行趨勢假設檢驗。兩期差分或去均值能夠消除不隨時間變化的因素帶來的內生性，但仍然存在一個擔憂，即若存在時變的混雜因素，則即使沒有政策干預，實驗組與控制組兩組結果也不會平行變化，從而無法確保雙重倍差估計量無偏?；诖?，我們參考Jacobson 等(1993)的做法，利用事件分析法來檢驗共同趨勢假定。具體而言，如果實驗組與控制組之間的環境污染差異在智慧城市試點政策實施前的年份趨勢較為平緩，則證明符合平行趨勢假設；反之，如果在政策執行前的年份發展趨勢出現顯著上升或下降，則證明不符合共同趨勢假設。我們采用如下方程驗證:

其中，Dτ是年份虛擬變量，將2008 年(樣本初始年份)設定為事件分析的基準年。此時，參數ατ的具體含義是，與2008 年相比，在τ年實驗組與控制組中企業SO2排放強度有無顯著差異。若在入選智慧城市試點之前ατ不顯著異于0，則滿足共同趨勢假設條件。其他參數含義與式(2)相同。圖2 繪制了參數ατ估計值及90%置信區間?？梢钥闯?，本文雙重差分模型的設定通過了共同趨勢檢驗。

圖2 平行趨勢檢驗

(2)安慰劑檢驗。盡管上述結果通過了平行趨勢檢驗，但理論上仍未完全排除隨機因素與遺漏變量等的干擾。根據Chu 等(2021)的做法，我們虛構了500 次試點時間—城市兩個層面的隨機實驗，對表1 第(8)列的回歸結論實施安慰劑檢驗。圖3 繪出Smart×Post的系數估計值累積概率密度函數?？梢钥吹?，隨機設置下的系數估計值集中分布在0 附近，這意味著企業SO2排放強度并未顯著受到除智慧城市倡議外其他因素的影響，即基準結論依然穩健。

圖3 安慰劑檢驗

(3)其他檢驗。為了加強研究的可靠性，我們對基準結論還做了一些其他識別檢驗。首先，考慮政策預期效應可能會干擾基準結果。自2010 年開始，政府就分別從宏觀政策引導、應用行業指南、扶持資金支持等多個層面陸續出臺了相關制度文件，為建設智慧城市塑造了良好的政策環境。這可能導致企業對實施智慧城市建設形成政策預期，并根據預期調整其生產經營行為。為了控制企業預期對研究結果的影響，我們在回歸方程中添加Smarti，2012與試點實施前的2010 年虛擬變量的交乘項。表2 第(1)列與第(2)列匯報了對應的估計結果?？梢钥闯?，加入預期項后，核心解釋變量的系數基本不變，且預期項回歸系數并不顯著。另外，如果跨地區轉移企業與未跨地區轉移企業在污染排放強度上存在顯著差異的話，那么企業的跨地區轉移行為則有可能導致樣本自選擇問題。計算跨縣域轉移的企業數量后發現，在2012—2014 年間，平均每年跨地區轉移的企業數量只有730 家。進一步地，我們采取如下兩種措施來緩解企業在地區間遷移對基準回歸影響的擔憂:第一，將政策執行前后兩年設定為新的研究區間，估計結果如第(3)列和第(4)列所示；第二，基于地級市層面構建智慧城市試點名單，并將只以某個縣或區作為試點的城市從實驗組中予以剔除，相應結果如第 (5)列和第(6)列所示。不難發現，智慧城市能夠降低中國企業SO2排放強度的結論仍然十分穩健。

表2 進一步識別檢驗

(三)穩健性分析

接下來我們進行更換核心變量及其度量方式、考慮政策沖擊等一系列穩健性檢驗。

(1)更換核心變量。盡管前文進行了數據可靠性檢驗，但企業污染數據庫的數據質量仍然令人擔憂。此外，智慧城市建設周期一般為2—5 年，其環境效應才能夠逐漸顯現?；诖?，本文采用2005—2016 年中國3 145 個區縣年平均PM 2.5 濃度數據實證甄別智慧城市建設對霧霾污染的影響，該面板數據來源于美國哥倫比亞大學(Colvmbia University)網站提供的中國范圍的柵格數據的裁剪匯總。其優勢在于:第一，不同于CO、CO2 以及TSP 等常規污染物，PM 2.5 能夠更加客觀真實地度量霧霾污染程度。第二，幾乎覆蓋中國所有區縣級行政區，且樣本區間長達十年之久，這有助于當前關于空氣污染的政策討論。估計策略與前文基準模型相仿，需要說明的是，由于這里拓寬了政策開始實施后的研究樣本區間，因此有必要從控制組中刪除2013 年批次與2014 年批次的智慧城市試點。同表1 相似，表3 從第(1)列至第(8)列依次考慮不同固定效應、控制變量和聚類層級，其中，區縣控制變量主要包括產業結構與經濟發展水平，并添加風速、濕度、日照、氣溫以及氣壓等變量來控制天氣的影響。結果顯示，無論在何種情形下，建設智慧城市均顯著降低了中國PM 2.5 濃度。

表3 更換環境污染指標與拓寬樣本區間

(2)考慮政策沖擊。大量研究顯示污染排放在很大程度上受到環境規制的影響(Shapiro 和Walker，2018；王兵等，2008)。事實上，在本文研究區間內，我國制定并實施了眾多環境規制政策。比如，2011 年以來開始實施的《中華人民共和國清潔生產促進法》與“十二五” 節能減排綜合性工作方案中均明確了各地區氮氧化物、二氧化硫、氨氮、化學需氧量排放總量控制目標等。由此引發的另一個擔憂是，智慧城市建設能夠降低中國企業SO2排放強度的結論可能受環境規制的干擾。一般而言，環境規制強度可以通過排污費來度量，而2012—2014 年上市公司對其進行了披露。為此，我們首先考察企業排污費特征。圖4 繪制了兩種城市組別企業排污費的箱線圖?？梢园l現，排污費在實驗組與控制組間不存在顯著差異，這說明即使在基準模型中遺漏環境規制因素，也不太可能影響前述結論的可靠性。

圖4 不同組別企業排污費的箱線圖

然而征收排污費并不能完全反映環境規制的全貌，如何準確度量環境規制強度仍然是擺在現有研究面前的一大難題(陳詩一和陳登科，2018)。幸運的是，中國實施環境規制政策基本是以行政區劃為單位，再加上本文使用的是微觀企業數據，因而可以在回歸方程中控制各類環境政策實施層級的固定效應來消除其對基準回歸的潛在干擾。具體做法如下，表4 第(1)列與第(2)列添加不同地區固定效應與年份固定效應的交乘項；考慮到同一地區的環境規制在不同行業間可能存在差異，第(3)列添加行政單位與行業固定效應的交乘項。不難發現，回歸結論和基準結果較為一致。

表4 穩健性分析

(3)其他穩健性分析。我們還以方程(1)為基準做了其他穩健性分析:首先，雖然2013 年與2014 年試點政策很難在短時間內體現出環境績效，但仍有可能對前文雙重差分模型的設定產生一定干擾。為此，我們從控制組中剔除了這兩批試點城市。其次，用時間趨勢三次多項式替換基準回歸中試點年份虛擬變量，與前定變量一起重新構造新的交叉項。再次，基于2014 年污染數據庫得到的最新SO2排放數據的真實性還存在較大爭議，故刪除2014 年的數據再進行穩健性分析。最后，為了避免控制變量內生性對基準結論的潛在干擾，對所有企業控制變量作了滯后一期處理。第(4)列至第(7)列分別報告了相對應的穩健性分析結果，均顯示未影響本研究核心結論。

(四)機制分析

通過一系列識別檢驗與穩健性分析，前文已經就智慧城市建設是否影響中國企業污染的問題進行了回答。我們再進一步回答智慧城市建設如何降低企業污染的問題，即探究智慧城市建設降低企業SO2排放強度的內在機制。

1.清潔生產和末端處理

前述實證結論一致表明，中國企業SO2排放強度顯著受到智慧城市建設的影響。根據定義，企業SO2排放強度等于SO2排放量與工業總產值之比，那么中國智慧城市建設究竟是通過降低企業SO2排放量還是提升企業的產出方式來降低企業SO2排放強度? 為了考察該機制，我們基于方程(1)，分別采用SO2排放量的對數值(lnSO2)和工業總產值的對數值(lnOutput)作為因變量對智慧城市建設進行回歸。表5 第(1)列和第(2)列報告了以企業SO2排放量作為因變量的回歸結果，與將SO2排放強度作為因變量的基準情形非常接近，即在1%的水平下智慧城市建設系數估計值同樣顯著為負。然而，第(3)列和第(4)列以企業產出作為因變量的回歸結果顯示，智慧城市建設系數估計值并未通過顯著性檢驗。由此可見，中國智慧城市建設降低企業SO2排放強度主要得益于SO2排放量的下降而非企業產出的提升。

表5 設立智慧城市試點對企業SO2 排放量和產出的影響

表5 揭示了企業SO2排放量的下降是智慧城市建設降低企業SO2排放強度的主要路徑。企業污染數據庫還報告了企業生產過程中的SO2產生量和末端處理過程中的SO2去除量，這為進一步回答究竟是企業生產端的變化還是處理端的變化引起SO2排放量的下降提供了可能。為了驗證這一機制，我們將被解釋變量由企業SO2排放強度分別替換為SO2產生量對數值(lnSO2_Produce)與SO2去除量對數值(lnSO2_Remove)，表6 報告了對智慧城市建設回歸的相關結果。不難發現，智慧城市建設不僅能夠通過減少SO2產生，還能夠通過增加SO2處理來降低企業SO2的排放量。

表6 污染產生和污染處理

2.能源結構效應

現有研究廣泛表明污染的產生與能源使用密切相關(陳登科，2020)。作為一個以煤炭為主要資源稟賦的國家，中國的煤炭消耗在一次性能源中占比高達60%，企業產生的SO2大都由煤炭使用所引起。因此，在給定智慧城市建設不顯著影響企業產出的條件下，煤炭使用可能是智慧城市建設影響企業SO2產生的一個潛在原因。為了驗證該機制，我們使用煤炭使用強度(lnCoal)作為被解釋變量對智慧城市建設進行回歸，相應結果如表7 第(1)列與第(2)列所示。分析可見，沒有證據顯示中國智慧城市建設能夠顯著影響企業煤炭消耗強度，這說明智慧城市建設并未能夠優化我國能源結構，擺脫煤炭使用的高度依賴?？赡艿慕忉屖?，當前我國正處于智慧城市建設初期，在智慧化轉型摸索階段制造業企業通常較少關注傳統高耗能環節的改造工作，而是優先升級管理、銷售、研發等低耗能環節(戶華玉和佘群芝，2022)，從而導致煤炭在能源消費占比中變化不大，企業的減污效果并未因此而增強。

表7 設立智慧城市試點對企業煤炭使用強度的影響

為了檢驗上述結論的穩健性，我們將被解釋變量由煤炭使用強度的對數值替換為潔凈燃氣消費強度的對數值(lnClean)以及化學需氧量排放強度對數值(lnCOD)。其邏輯是，智慧城市建設如果以減少企業使用煤炭的方式來影響SO2排放強度的話，那么應當發現，與煤炭形成替代關系的潔凈燃氣消費受到智慧城市建設的影響相對較大，而與煤炭使用不太相關的化學需氧量排放強度則受到智慧城市建設的影響較小。事實恰恰相反，表7 第(3)列至第(6)列顯示，智慧城市建設對企業潔凈燃氣消費強度的影響并不顯著，但顯著減少了化學需氧量排放強度。

3.技術進步效應

從本質上可以將企業SO2排放強度(單位產出的SO2排放量)視為一個效率概念，因此可以推測，技術進步可能是智慧城市建設降低企業污染排放的重要渠道。在正式考察該機制前，我們先初步分析企業間SO2排放強度差異與TFP 差異的分布特征。在一定程度上，企業TFP 反映了中性技術進步。如果兩者不存在系統性差異，那么就可以用中性技術進步來解釋企業污染排放差異。為了驗證這一點，我們分別計算縣域企業間SO2排放強度(對數值)與TFP 90%分位數與10%分位數之差，并在圖5 中繪制出各自差異的概率密度分布。與Lyubich 等(2018)的發現類似，企業間SO2排放強度的異質性顯著高于TFP。此外，自Acemoglu (2002)發展與完善偏向型技術進步理論以來，眾多學者開始意識到區分有偏技術進步與中性技術進步能夠對一些經濟現象提供較好的解釋(陳登科，2020)。這說明，本文在考察智慧城市建設的技術效應過程中應當著重關注有偏技術進步。

圖5 企業污染排放與中性技術進步的異質性

由于有偏技術進步無法被直接觀測，根據陳登科(2020)的做法，我們采用投入要素之比作為間接代理。首先構造如下生產函數:

其中，Y代表企業產出，投入要素包含資本投入(K)和污染排放(Z)兩類。需要說明的是:把污染排放視為一種投入要素等同于將其作為副產出的設定(陳登科，2020)；添加勞動投入(L)或者直接用L替換K均不會影響后文的論證。A是中性技術進步，AK與AZ則用來衡量有偏技術進步；ρ和σ分別表示要素間相對重要程度以及要素替代彈性。

假設r和PZ分別表示企業資本投入成本與污染排放成本，企業利潤π可表示為:

式(4)的最大化必要條件包括:

整理式(5)與式(6)，進一步可得:

至此可以發現，在既定投入要素價格下，投入要素之比與有偏技術進步密切相關，即有偏技術進步可以間接利用投入要素之比來表示。

表8 報告了智慧城市建設對中性技術進步(以lnTFP衡量)與有偏技術進步(以lnZK與lnZL衡量)的影響。其中，lnZK與lnZL分別是企業SO2排放量與資本和勞動之比的對數值。為了避免要素價格變動對式(7)中投入要素之比與有偏技術進步之間的穩定關系形成潛在干擾，第(3)列與第(5)列分別添加了利息率的對數值(InRate)和工人工資的對數值(lnWage)。我們無法直接獲取企業污染價格PZ的數據，但同一行業的污染排放價格在不同企業間存在較小差異，因此選擇添加3 位數行業與時間固定效應的交乘項的方式來對其加以控制?；貧w結果表明，智慧城市建設對有偏技術進步的影響顯著，但并未顯著影響中性技術進步。

表8 中性技術進步和有偏技術進步

五、拓展性討論

(一)異質性分析

我們進一步探討智慧城市建設對企業SO2排放強度的異質性影響。理論上，如果智慧城市確實發揮了SO2減排效應，那么對于受智慧城市建設影響較大的企業來講，其SO2排放強度應該具有較高的下降幅度。一般而言，智慧城市試點政策在非國有企業中可能發揮的效應更大?？赡艿慕忉屖?，在面對企業數字化轉型機遇時，國有企業存在較強的路徑依賴，而非國有企業在調整與改革內部體制機制以及促進內部生產要素的自由流動上更具靈活性。此外，給定其他條件相同的情況下，體量越大企業受到智慧城市建設的影響亦往往越大。這是因為企業進行智慧化轉型時需要克服一定的固定成本，而對于規模較大的企業而言，智慧化轉型的單位成本相對較小，即具有所謂的規模報酬遞增效應。鑒于此，基于分樣本回歸，我們實證檢驗了智慧城市建設對不同所有權與不同規模企業SO2排放強度的影響，估計結果如表9 所示。在同時添加兩類控制變量與四種固定效應后，雙重倍差項系數在國有企業子樣本與小企業子樣本中均不顯著；相比之下，對于非國有企業子樣本與大企業子樣本，第(2)列和第(4)列顯示Smarti，2012×Post2012系數均顯著為負。結果表明，對于非國有企業以及規模較大的企業，智慧城市降低SO2排放強度的效應更強。

表9 異質性分析

(二)霧霾污染、智慧城市建設與經濟發展

盡管智慧城市擁有顯著的正面效果，但其建設資金也相當巨大。因此，全面評估智慧城市試點政策的福利狀況很有必要。從政策收益的角度看，智慧城市建設對經濟社會的影響是積極且多維度的，包括提高勞動生產率、減少犯罪率和保障公共健康等。限于數據的獲取，本文無法窮盡所有的福利提升，僅僅估計環境改善帶來的經濟收益。

首先，我們依托我國2008—2016 年285 個地級市相關數據來甄別霧霾污染對經濟增長的影響，建立計量模型如下:

其中，GDPk，t表示城市k在t年實際國內生產總值GDP (億元)，按照2000 年不變價進行平減。PM2.5k，t為計量回歸模型的核心解釋變量(μg/m3)，α1是我們感興趣的系數，以此衡量霧霾污染對經濟發展的影響。Xk，t為控制變量，主要包含金融發展、政府研發、對外開放、城市人口密度以及第二產業比重。此外，為了有效緩解遺漏變量偏誤問題，我們分別控制了城市固定效應(μk)和時間固定效應(λt)。εk，t為誤差項。

一般而言，經濟與霧霾之間存在潛在的內生性問題:第一，經濟增長會利用自身具有的結構效應、技術效應與規模效應來影響霧霾污染。第二，霧霾污染可能會通過損耗人力資本和減緩城市化等其他路徑來阻礙經濟發展。為了規避這些識別上的潛在干擾，我們選擇空氣流動系數(VC)作為PM 2.5 的工具變量。借鑒陳詩一和陳登科(2018)的做法，構建方法為VCk，t＝WSi，t×BLHi，t，其中，BLHi，t和WSi，t分別是大氣邊界層高度與風速。選擇理由如下:一方面，作為大氣類污染，霧霾在很大程度上是由空氣流動性等因素決定，有效工具變量的相關性假設顯然成立。另一方面，大氣邊界層高度和風速均易受到復雜的地理環境和氣象系統影響，從而空氣流動系數也能夠滿足其外生性假定。因此，可以設置以下兩階段最小二乘估計模型:

回歸結果見表10。第(1)列、第(2)列匯報了OLS 回歸的結果；作為穩健性檢驗，第(3)列、第(4)列匯報了工具變量回歸的結果。結果表明，平均而言，PM 2.5上升1 μg/m3可以減少城市GDP 約15.70 億元。研究樣本內城市GDP 平均約為789.28億元，結合表3 中雙重倍差項的估計系數(0.681 μg/m3)，可計算得到智慧城市因減霾而避免了占全國GDP 1.35%左右的經濟損失。這在一定程度上意味著智慧城市建設能夠實現經濟發展與污染治理的“雙贏” 目標。

表10 城市霧霾與經濟增長

六、結論與政策性建議

隨著中國經濟進入“新常態”，為滿足人民對美好生活的追求，黨和政府對智慧社會建設以及環境保護問題高度重視。在此背景下，本文利用2008—2014 年中國2 581 個縣區50 278 家企業的面板數據，采用雙重倍差模型，對中國智慧城市的環境治理效應進行實證分析。結果表明:智慧城市顯著降低了企業SO2的排放強度，位于智慧城市試點的企業SO2排放強度要比非智慧試點城市企業低12.7%，這一研究結論在實施諸多穩健性檢驗后依然成立。對于非國有企業以及規模較大的企業，數字化轉型的污染治理效應更加明顯。機制分析顯示:企業SO2排放強度下降是因為污染物排放的減少而不是企業產出的增加；企業污染排放下降則是企業清潔生產與末端污染去除共同作用的結果；能源結構調整并不是智慧城市導致SO2排放強度下降的潛在原因，智慧城市建設并未優化我國能源結構，擺脫對煤炭使用的高度依賴；智慧城市的技術效應是導致SO2排放強度下降的重要機制，其中有偏技術進步而非中性技術進步占據主導地位。拓展性研究發現，智慧城市建設因減霾而避免了占全國GDP 1.35%左右的經濟損失，智慧化轉型能夠實現污染治理與經濟發展的“雙贏”。

本文結論具有十分重要的政策含義。首先，當前經濟發展模式亟須從要素驅動“換擋” 到創新驅動，中國應堅定不移地加快高水平智慧化轉型，把推進智慧社會建設列為現代化經濟體系的關鍵組成部分。要以城市智慧化轉型賦能企業綠色科技創新，有效發揮新興數字技術設備應用產生的技術滲透效應，加速企業綠色工藝創造進程。其次，要以推進制造業全產業鏈智慧化轉型驅動能源結構優化，既要推進企業的管理、銷售、研發等低耗能環節的智慧化轉型，也要對傳統煤炭能源高消耗環節進行智慧化改造，有效發揮智慧化轉型產生的能源結構優化效應。最后，我國目前環境保護成效大多還表現為臨時性改善，其長效治理機制仍然匱乏。盡管大規模地關停高能耗、高污染企業可以在短時間內改善生態環境，但從長遠看必然會損害經濟增長，最終降低人民福祉。本文結論為解決污染防治問題提供了嶄新思路，即除了采用環境規制等直接方式，政府還可以通過加強城市智慧化建設這一轉變經濟發展模式的途徑來降低環境污染，從而實現污染治理與經濟發展的“雙贏” 目標。