智慧城市建设能否改善城市资源错配——基于政府干预和区域技术创新的视角

doi:10.16716/j.cnki.65-1030/f.2025.02.005

摘要/Abstract

摘要：

文章基于我国2009—2021年282个地级及以上城市面板数据测度了各城市资源错配指数，并采用双重差分法实证分析了智慧城市建设对城市资源错配的影响。研究结果表明：智慧城市建设能够改善城市资源错配，其通过降低政府干预水平和提高区域技术创新水平改善资源错配。异质性分析发现：中部地区智慧城市建设对资源错配的缓解效应显著，东部地区和西部地区智慧城市建设对资源错配的缓解效应不显著；智慧城市建设对资源型城市资源错配的缓解效应显著强于非资源型城市。在新发展格局下，应因地制宜建设智慧城市，积极发挥政府的引导作用，提高企业科技创新能力，实现资源优化配置。

关键词: 智慧城市, 资源错配, 政府干预, 区域技术创新

Abstract:

This paper empirically examines the impact of smart city construction on urban resource mismatch based on the panel data of 282 cities at prefecture level and above in China from 2009 to 2021, and on the basis of measuring the resource mismatch index of each city, using double-difference method, heterogeneity analysis and mediation effect analysis. It is found that, firstly, China's smart city construction can improve urban resource mismatch, and the results remain robust through the test. Secondly, mechanism analysis finds that China's smart city construction improves resource mismatch by reducing the level of government intervention and increasing the level of regional technological innovation. Thirdly, heterogeneity analysis finds that the mitigation effect of smart city construction on resource mismatch is most significant in the central region, and the improvement effect of smart city construction is not significant in the eastern and western regions. The mitigation effect of smart cities on resource-based cities is significantly better than that on non-resource-based cities. Therefore, under the new development paradigm, it is essential to build smart cities in a location-specific manner, innovate in the development of smart cities, intervene in the market in a rational way, promote the flow of factors, and enhance the efficiency of resource allocation.

Key words: smart city, resource mismatch, government intervention, regional technological innovation

中图分类号:

F49
F299.27

居来提·色依提, 曹培展. 智慧城市建设能否改善城市资源错配——基于政府干预和区域技术创新的视角[J]. 新疆财经, 2025, 0(2): 48-57.

Julaiti· Seyiti, CAO Peizhan. Can Smart City Construction Improve Urban Resource Mismatch?—Based on the Perspectives of Government Intervention and Regional Technological Innovation[J]. Finance & Economics of Xinjiang, 2025, 0(2): 48-57.

图/表 4

参考文献 47

[1]	曹玉书, 楼东玮. 资源错配、结构变迁与中国经济转型[J]. 中国工业经济, 2012(10):5-18.
[2]	姚圣文, 赵兰香, 张耀坤. 智慧城市建设提高企业全要素生产率了吗?[J]. 科学学研究, 2022(11):1957-1967.
[3]	许晔, 孟弘, 程家瑜, 等. IBM“智慧地球”战略与我国的对策[J]. 中国科技论坛, 2010(4):20-23.
[4]	许庆瑞, 吴志岩, 陈力田. 智慧城市的愿景与架构[J]. 管理工程学报, 2012(4):1-7.
[5]	李德仁, 姚远, 邵振峰. 智慧城市的概念、支撑技术及应用[J]. 工程研究:跨学科视野中的工程, 2012(4):313-323.
[6]	蒋选, 王林杉. 智慧城市政策的产业结构升级效应研究:基于多期DID的经验考察[J]. 中国科技论坛, 2021(12):31-40.
[7]	熊云飚, 李斌. 数字经济对科技产业高质量发展的影响研究[J]. 兰州财经大学学报, 2023(2):36-47.
[8]	郑景丽, 王喜虹, 李忆. 智慧城市建设能否提升人才资本水平?[J]. 系统科学与数学, 2022(5):1261-1281. DOI
[9]	武永超. 智慧城市建设能够提升城市韧性吗?:一项准自然实验[J]. 公共行政评论, 2021(4):25-44+196.
[10]	马震. 智慧城市建设对经济高质量发展的影响研究:基于城市韧性视角的分析[J]. 华东经济管理, 2024(3):47-57.
[11]	张万里, 张澄, 宣旸. 智慧城市减缓还是加剧城乡收入差距:来自数字普惠金融和城镇化的视角[J]. 经济问题探索, 2022(5):123-144.
[12]	兰雨潇, 杨巨声, 闫茹. 智慧城市与区县经济不平等:来自卫星反演的经验证据[J]. 科学学研究, 2024(5):1-18.
[13]	金祥义. 智慧城市建设与城市宜居度:基于智慧城市试点的准自然实验[J]. 经济经纬, 2024(1):42-56.
[14]	张兵兵, 陈思琪, 曹历娟. 城市因“智慧”而低碳吗?:来自智慧城市试点政策的探索[J]. 经济评论, 2022(6):132-149.
[15]	袁航, 朱承亮. 智慧城市是否加速了城市创新?[J]. 中国软科学, 2020(12):75-83.
[16]	楚尔鸣, 唐茜雅, 唐欢. 智慧城市建设如何提升城市创新能力?[J]. 湘潭大学学报(哲学社会科学版), 2022(2):59-65.
[17]	徐晓书, 吴小东, 姚清宇. 智慧城市建设与区域创新:时空效应与机制检验[J]. 工业技术经济, 2023(5):10-19. DOI
[18]	张德钢, 唐瑜梳. 智慧城市建设促进了城市可持续发展吗[J]. 宏观经济研究, 2024(2):74-91.
[19]	HSIEH C T, KLENOW P J. Misallocation and manufacturing TFP in China and India[J]. The quarterly journal of economics, 2009(4):1403-1448.
[20]	RESTUCCIA D, ROGERSON R. Misallocation and productivity[J]. Review of economic dynamics, 2013(1):1-10.
[21]	王文, 孙早, 牛泽东. 产业政策、市场竞争与资源错配[J]. 经济学家, 2014(9):22-32.
[22]	王宋涛, 温思美, 朱腾腾. 市场分割、资源错配与劳动收入份额[J]. 经济评论, 2016(1):13-25+79.
[23]	冯英杰, 钟水映, 赵家羚, 等. 市场化程度、资源错配与企业全要素生产率[J]. 西南民族大学学报(人文社科版), 2020(5):100-112.
[24]	张建华, 杨小豪. 政府干预、金融错配与企业创新:基于制造业上市公司的研究[J]. 工业技术经济, 2018(9):11-20. DOI
[25]	韩剑, 郑秋玲. 政府干预如何导致地区资源错配:基于行业内和行业间错配的分解[J]. 中国工业经济, 2014(11):69-81.
[26]	史璐. 智慧城市的原理及其在我国城市发展中的功能和意义[J]. 中国科技论坛, 2011(5):97-102.
[27]	张永恒, 王家庭. 数字经济发展是否降低了中国要素错配水平?[J]. 统计与信息论坛, 2020(9):62-71.
[28]	孔令池, 张智. 基础设施升级能够促进企业家精神成长吗?:来自高铁开通和智慧城市建设的证据[J]. 外国经济与管理, 2020(10):139-152.
[29]	居来提·色依提, 葛力铭, 张传兵. 企业数字化、融资困境与持续经营能力[J]. 西南民族大学学报(人文社会科学版), 2024(3):98-108.
[30]	谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?:来自中国的证据[J]. 经济学(季刊), 2018(4):1557-1580.
[31]	郑威. 智慧城市建设对高质量就业的促进效应研究:基于多期DID的经验证据[J]. 贵州社会科学, 2023(7):128-136.
[32]	冯继康. 西方经济自由主义的政府干预理论[J]. 桂海论丛, 1994(1):61-64.
[33]	袁航, 朱承亮. 智慧城市是否加速了城市创新?[J]. 中国软科学, 2020(12):75-83.
[34]	王颖, 周健军. 智慧城市试点能否促进经济增长?:基于双重差分模型的实证检验[J]. 华东经济管理, 2021(12):80-91.
[35]	温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014(5):731-745. DOI
[36]	陈永伟, 胡伟民. 价格扭曲、要素错配和效率损失:理论和应用[J]. 经济学(季刊), 2011(4):1401-1422.
[37]	AOKI S. A simple accounting framework for the effect of resource misallocation on aggregate productivity[J]. Journal of the Japanese and international economies, 2012(4):473-494.
[38]	林伯强, 杜克锐. 要素市场扭曲对能源效率的影响[J]. 经济研究, 2013(9):125-136.
[39]	季书涵, 朱英明, 张鑫. 产业集聚对资源错配的改善效果研究[J]. 中国工业经济, 2016(6):73-90.
[40]	白俊红, 刘宇英. 对外直接投资能否改善中国的资源错配[J]. 中国工业经济, 2018(1):60-78.
[41]	廖常文, 张治栋. 地方政府干预与全要素生产率:基于资源错配视角[J]. 经济经纬, 2023(2):3-12.
[42]	杨剑, 程华东. 政府干预视角下长三角城市群科技创新资源配置效率及影响因素分析[J]. 科技管理研究, 2024(4):153-158.
[43]	邵帅, 杨莉莉. 自然资源丰裕、资源产业依赖与中国区域经济增长[J]. 管理世界, 2010(9):26-44.
[44]	刘志东, 高洪玮. 中国制造业出口对美国企业创新的影响[J]. 中国工业经济, 2019(8):174-192.
[45]	CHETTY R, LOONEY A, KROFT K. Salience and taxation:theory and evidence[J]. The American economic review, 2009(4):1145-1177.
[46]	白俊红, 张艺璇, 卞元超. 创新驱动政策是否提升城市创业活跃度:来自国家创新型城市试点政策的经验证据[J]. 中国工业经济, 2022(6):61-78.
[47]	倪志良, 高正斌, 张开志. 政策性负担与国有企业杠杆率:预算软约束的中介效应[J]. 产经评论, 2019(3):102-114.

变量名称	变量符号	样本量	平均值	标准差	最小值	最大值
资源错配	mis	3666	0.7535	0.6133	0.0045	6.3252
智慧城市建设	did	3666	0.2327	0.4226	0.0000	1.0000
政府干预	lngov	3666	-1.9530	0.4174	-2.6384	-1.1243
区域技术创新	inno	3666	10.1861	1.4546	6.4952	15.5292
外商直接投资	fdi	3666	0.0160	0.0159	0.0000	0.0685
经济集聚水平	eno	3666	0.2823	0.4349	0.0077	2.4528
信息基础设施	int	3666	2374.8900	1959.3200	245.1400	10038.6700
产业结构合理化水平	ind	3666	0.2814	0.2031	0.0052	0.8248
市场化水平	mar	3666	11.3600	2.4053	4.5000	19.694
金融发展水平	fin	3666	24536.4000	12190.5670	5878.7930	213017.5000
人口密度	lnpop	3666	1.7347	0.1698	1.1332	1.9655

变量名称	变量符号	样本量	平均值	标准差	最小值	最大值
资源错配	mis	3666	0.7535	0.6133	0.0045	6.3252
智慧城市建设	did	3666	0.2327	0.4226	0.0000	1.0000
政府干预	lngov	3666	-1.9530	0.4174	-2.6384	-1.1243
区域技术创新	inno	3666	10.1861	1.4546	6.4952	15.5292
外商直接投资	fdi	3666	0.0160	0.0159	0.0000	0.0685
经济集聚水平	eno	3666	0.2823	0.4349	0.0077	2.4528
信息基础设施	int	3666	2374.8900	1959.3200	245.1400	10038.6700
产业结构合理化水平	ind	3666	0.2814	0.2031	0.0052	0.8248
市场化水平	mar	3666	11.3600	2.4053	4.5000	19.694
金融发展水平	fin	3666	24536.4000	12190.5670	5878.7930	213017.5000
人口密度	lnpop	3666	1.7347	0.1698	1.1332	1.9655

变量	mis
变量	（a）	（b）	（c）	（d）
did	-0.0605^** （-2.5271）	-0.0800^*** （-4.1295）	-0.0847^*** （-3.6415）	-0.0815^*** （-4.2672）
fdi			-1.8687^*** （-2.8298）	0.2902 （0.5337）
eno			0.5208^*** （15.0649）	-0.2655^*** （-6.0911）
int			0.0000 （0.5632）	-0.0000^*** （-6.4864）
ind			0.0373 （0.6943）	-0.0800 （-1.5639）
mar			0.0000 （0.4686）	0.0000^*** （3.5304）
fin			-0.0000^*** （-2.7123）	0.0000^*** （3.9028）
lnpop			-0.9515^*** （-13.5444）	-0.9574^*** （-4.9178）
Constant	0.7676^*** （66.4285）	0.6992^*** （43.7987）	2.3392^*** （19.9772）	2.3709^*** （6.9705）
观测值	3666	3666	3666	3666
R-squared	0.0017	0.0633	0.1115	0.1046
个体、时间固定效应	no	yes	no	yes
样本城市数量	282	282	282	282

变量	mis
变量	（a）	（b）	（c）	（d）
did	-0.0605^** （-2.5271）	-0.0800^*** （-4.1295）	-0.0847^*** （-3.6415）	-0.0815^*** （-4.2672）
fdi			-1.8687^*** （-2.8298）	0.2902 （0.5337）
eno			0.5208^*** （15.0649）	-0.2655^*** （-6.0911）
int			0.0000 （0.5632）	-0.0000^*** （-6.4864）
ind			0.0373 （0.6943）	-0.0800 （-1.5639）
mar			0.0000 （0.4686）	0.0000^*** （3.5304）
fin			-0.0000^*** （-2.7123）	0.0000^*** （3.9028）
lnpop			-0.9515^*** （-13.5444）	-0.9574^*** （-4.9178）
Constant	0.7676^*** （66.4285）	0.6992^*** （43.7987）	2.3392^*** （19.9772）	2.3709^*** （6.9705）
观测值	3666	3666	3666	3666
R-squared	0.0017	0.0633	0.1115	0.1046
个体、时间固定效应	no	yes	no	yes
样本城市数量	282	282	282	282

变量	lngov	inno	mis
变量	（a）	（b）	（c）	（d）
did	-0.0349^*** （-3.6040）	0.1045^*** （3.1531）	-0.0770^*** （-4.0308）	-0.0759^*** （-3.9851）
lngov			0.1293^*** （3.8162）
inno				-0.0535^*** （-5.4094）
Constant	-2.4665^*** （-14.2802）	7.5898^*** （12.8583）	2.6898^*** （7.6944）	2.7771^*** （8.0046）
观测值	3666	3666	3666	3666
R-squared	0.4812	0.6046	0.1084	0.1123
样本城市数量	282	282	282	282
个体、时间固定效应	yes	yes	yes	yes