智慧城市建設、產業集聚與企業全要素生產率
——基于上市公司的分析

秦曉麗,侯 躍

(山西財經大學 經濟學院,山西 太原 030006)

一、 引言與文獻綜述

隨著經濟的發展,資本與勞動要素的邊際收益不斷降低,依靠傳統生產要素投入帶動經濟發展的模式難以持續,實施創新發展戰略、變革城市發展模式、實現高質量發展是現階段我國社會發展的主要目標。企業作為經濟發展與城市建設的核心力量,其全要素生產率(TFP)的提升是實現高質量發展的基礎,因此探索企業TFP的影響因素及其機制,對實現發展轉型具有重要意義。

作為實現高質量發展的關鍵,企業TFP受到廣泛關注,在宏觀層面,研究發現產業集聚[1]、政府補貼[2]、地區政府合作與市場分割[3]及低碳政策[4]等對企業TFP具有顯著影響。也有學者從微觀企業行為及市場運行視角探索企業TFP的影響因素,如涂心語等[5]證實了企業TFP的空間溢出效應。薛迎迎[6]、黃勃等[7]以及李禮連等[8]分別從研發外包行為、戰略合作行為及行業工會行為進行研究。近年來,隨著數字經濟的迅猛發展,大數據、云計算等新興技術的運用有效地完善了交易機制,緩解數據壟斷對企業TFP的不利影響[9]?？梢?數字技術作為新的生產要素,已滲透至企業生產與轉型的各個方面,對其TFP的提升產生巨大影響,且引起學術界廣泛關注與研究[10]。智慧城市作為數字經濟發展到一定階段的產物,本質是將云計算、物聯網等一系列數字技術應用于城市建設,在資源配置、城市管理等方面實現智能化,是數字經濟的實際應用,也是信息城市與數字城市的高級形態[11]。故智慧城市建設對企業TFP的促進應當更為有效,但遺憾的是,現有文獻較少深入考察智慧城市建設對企業TFP的影響及機制。

智慧城市是新時代城市頂層設計和企業轉型升級的主要選擇,也是數字經濟發揮作用的重要載體。目前關于智慧城市的研究可分為理論與實證兩類。在理論層面,主要研究其內涵框架[12]、戰略意義[13]及政府行為邏輯[14]。Nicolasetal.[15]指出,智慧城市發展中會出現潛在社會對立、紳士化等問題,解決這些問題的重點在于地方政府如何讓人民理解并配合政策。在實證層面,相關研究主要集中于其對社會治理能力[16]、綠色發展[17-19]及城鎮高質量發展的影響[20]。

已有研究存在一定的局限性:第一,雖然上述文獻對企業TFP的影響因素及智慧城市建設的政策效果進行了研究,但少有學者將二者結合,探索智慧城市建設對微觀層面企業TFP的影響及其機制,僅有少數學者[21]以信息化沖擊為切入視角,發現智慧城市建設會產生信息化沖擊,降低交易成本,提高企業TFP。本文以上市公司企業TFP為研究對象,以智慧城市建設帶來的技術及政策沖擊為準自然實驗,探索數字經濟的實際應用對企業TFP的影響及其機制,豐富了相關研究。第二,智慧城市的建設會促進產業集聚,適度集聚會促進企業TFP的提升,但過度集聚反而會產生抑制作用。那么,產業集聚在智慧城市建設對企業TFP的影響中是否存在調節機制?目前少有文獻進行相關探索。本文以產業集聚度為轉化變量,構建面板平滑轉換模型(PSTR),探究產業集聚的調節效應。

本文可能的邊際貢獻在于:(1)研究視角的創新。將智慧城市建設與上市公司TFP納入同一分析框架,探究數字技術在城市中的實際運用對企業TFP的影響及其機制,豐富了相關文獻。(2)研究內容的創新?？紤]到不同程度產業集聚對企業TFP影響的異質性,將產業集聚作為調節變量,探究在考慮產業集聚后,智慧城市對企業TFP的動態非線性影響。(3)研究方法的改進。在引入產業集聚時,采用面板平滑轉換模型,相較于面板門檻模型,可更為精準地估計系數的動態趨勢,提升研究結果的準確性。

二、 理論機制與研究假設

(一) 智慧城市建設、產業集聚與企業全要素生產率

智慧城市建設的基本內涵是綜合運用云計算、大數據等數字信息技術,使城市變得像人一樣智慧。我國于2012年首次推行智慧城市試點建設工作,截至2014年,已有94個城市列入試點名單。與寬帶中國等數字經濟基礎建設政策不同,智慧城市是數字經濟充分發展的產物,更側重于運用數字技術解決實際問題,帶動城市治理模式躍升。故智慧城市屬于數字經濟的運用階段,是信息城市與數字城市的高級化。根據經濟發展長波理論,Wilenius[22]認為,第六波技術浪潮可能已經開始,主要驅動技術為智能化與資源節約型技術,而企業通過數字化轉型以及綠色創新實現TFP提升的主戰場便是智慧城市。

我國的智慧城市建設與西方國家有明顯區別,西方國家多聚焦城市的整體性,旨在提高城市的運行效率,屬于典型的“物感城市”,而我國在吸收其發展經驗的同時,實踐出更符合我國特色的“人感城市”[23]。人感城市更重視個人及企業在城市治理中的主體性和目的性,是一種以感知和回應個體訴求為核心的城市模式。故我國的智慧城市更易察覺企業對數據共享、信息安全和政府治理與服務等方面的需求,以實現地區產業集聚及企業TFP的提升。

智慧城市試點政策作為綜合性政策,在實踐中可分為智慧政務、智慧產業與智慧民生三類。智慧產業是指智慧城市利用信息技術吸引和集聚各類生產要素,將城市打造為集人才、資本及信息等為一身的“要素集聚地”[24],從而提升地區企業TFP。具體來說,智慧城市首先通過網絡信息平臺、數據交換平臺等實現信息共享,促成產業虛擬集聚。虛擬集聚可提升相關產業的知名度和社會認可度,強化優勢產業集聚,進一步派生出對相關產業的需求,促進相關產業發展與集聚,最終實現地區產業的協同集聚。

僅依靠智慧產業搭建信息共享平臺尚無法有效實現上述集聚,因為政府在建設智慧城市時,由于自身精力及技術有限,不得不外包部分技術項目給專業機構,而負責智慧城市建設的企業一旦成為技術巨頭便可能將相關數據掌握在自己手中,對智慧城市的數據共享及數據安全性造成不利影響[25]。此時便需要智慧政務與智慧產業的搭配使用,智慧政務是指政府利用大數據、云計算等技術提高行政效率、監管能力、辦公透明度和公眾參與度,降低各主體間的信息不對稱。智慧政務也可加強對壟斷企業的監管,滿足中小企業對數據共享的需求,其與智慧產業的搭配使用可有效促進數據共享,從而提升企業TFP。

但傳統經濟理論認為,產業集聚對地方企業的發展具有兩方面的影響:一方面,產業集聚可通過勞動力蓄水池、中間投入共享和知識溢出提升企業TFP[26];另一方面,過度產業集聚會引發擁擠效應,不利于企業TFP的提升[27]。因此,智慧城市建設通過產業集聚對企業TFP的影響可能并不總是積極的,當產業集聚度超過某一臨界值時,可能會減弱其政策效果,即產業集聚的調節是非線性的?；诖?本文提出研究假說1和研究假說2。

假說1:智慧城市建設可以促進企業TFP提高。

假說2:產業集聚在智慧城市建設對企業TFP的影響效果中起著非線性調節作用。

(二) 作用機制假設

1. 節約成本

由上文分析可知,智慧城市建設完善了信息共享機制,弱化了信息不對稱,抑制大企業的信息壟斷行為。信息共享可降低企業尋找合適客源、原材料供應商的成本以及信息偏差帶來的無謂損失。智慧政務對信息壟斷企業及機會主義行為的監督也可節省企業監督成本,從而提升企業TFP。此外,智慧民生類政策通過信息技術,為公民提供更好的服務與基礎設施,提高居民的生活質量。雖然其主旨在于提升居民生活水平,但在基礎設施建設過程中也會對企業TFP產生一定的積極影響。例如,智慧交通建設在方便居民的同時會降低企業運輸成本。

2. 降低資源錯配程度

智慧城市可通過提高智能化生產水平、降低管理者非理性行為等方式降低資源錯配程度,從而實現TFP的提升。一方面,智慧城市能夠依托信息技術搭建信息平臺,使企業管理者可以充分掌握各類信息,降低由于認知受限帶來非理性決策,實現資源的高效配置;另一方面,智慧城市建設可推動人工智能和工業互聯網發展,智能化生產引發資本對勞動力的替代,而為了實現數字化轉型,企業對中高端勞動力的需求增加,使得高技術勞動者就業比重增加[28],進而實現對資本勞動要素配置結構的優化,降低資源錯配程度,實現企業TFP提升。

3. 緩解融資約束

圖1 影響機制

由于信息不對稱,金融機構普遍存在“惜貸”的情況,致使企業面臨嚴重的資金約束[29]。智慧城市建設可有效緩解企業與金融機構間的信息不對稱,金融機構能夠有效了解企業經營狀況與償債能力,合理分配信貸資源,既提高了信貸使用效率,又緩解了企業的融資約束。根據Schumpeter[30]的觀點,在均衡的經濟系統中,一次生產所得的收益會剛好完全分配給資本與勞動要素,具有創新精神的企業家由于不像已經建立起來的企業那樣,可從前期的生產中獲益,因此企業家在初期是沒有任何資金支持的,信貸的作用便是將前期創造的購買力轉移至企業家手中,使新的組合成為可能?？梢?信貸與創新是密不可分的,信貸的多少將直接影響創新機會與創新效益。在過去,由于融資約束,企業會喪失大量的創新機會,智慧城市可以有效打破這一困境,融資約束的緩解使企業有充足的資金進行創新,提升TFP,而這又會進一步提升融資機構對企業經營狀況及償債能力的預估,愿意提供更多的資金支持,進一步提升企業TFP,實現良性循環。圖1為智慧城市試點政策對企業全要素生產率影響的作用機制圖?；诖?本文提出研究假說3、假說4和假說5。

假說3:智慧城市建設降低了企業的各項費用,從而實現企業TFP提升。

假說4:智慧城市建設降低了資本及勞動力要素的錯配,從而提升企業TFP。

假說5:智慧城市建設緩解了企業面臨的融資約束,從而提升企業TFP。

三、 模型設定與數據說明

(一) 模型設定

在理論分析的基礎上,本文以2009—2019年中國上市公司數據為初始樣本,以三批智慧城市試點政策為準自然實驗,運用雙重差分法,探究智慧城市建設對企業TFP的影響,基準模型如下:

LPijt=α0+α1DIDijt+ρXit+μZjt+δ+εijt

(1)

其中,LPijt表示第t年i城市j企業的TFP;DIDijt為核心解釋變量,其值為1,表示該企業于第t年位于實施智慧城市政策的城市之內;Xit為微觀企業層面的控制變量,Zjt為城市層面的控制變量;δ為行業和城市固定效應,由于控制變量中已包含了具有時間特征的企業年齡,為保證模型估計準確,便不再控制時間固定效應;εijt為隨機擾動項。

(二) 變量定義

1. 被解釋變量

企業TFP為被解釋變量,該指標是企業生產要素投入轉換成產出的效率,是反映運行效率的重要指標。本文以LP法測算企業TFP。具體而言,選用主營業務收入作為產出變量,以固定資產凈值作為資本投入變量,以員工人數作為勞動投入變量,以原材料、產品和存貨作為中間品投入變量,所有變量均使用相關的價格指數進行平減,并對計算所得的企業TFP進行對數化處理。

2. 核心解釋變量

自2012年起,我國住房和城鄉建設部先后公布了三批智慧城市試點名單,若企業所在城市于第t年入選試點城市建設,則其作為處理組在第t年及之后的年份取值為1,否則為控制組,取值為0,最終確定988個處理組,1190個控制組。

3. 控制變量

二是迅速啟動水利部抗震救災應急預案。國家防辦等有關部門要全力做好水庫、水電站、堤防等除險保安工作，受損嚴重的水庫要盡快騰空庫容，對可能出現的堰塞湖險情要及時落實排險避險措施。要迅速搶修震損供水工程，編制實施好臨時供水方案，確保災區群眾飲水安全。要做好水利抗震救災專家技術人員和搶險隊伍的組建準備工作，根據災區需要隨時趕赴一線幫助開展水利抗震救災工作。要做好搶險物資的調撥工作，確保搶險救災關鍵時刻的物資設備供應。

借鑒相關文獻,本文選取可能對企業TFP產生影響的因素作為控制變量,包括企業年齡、公司規模、資產負債率、第一大股東持股占比與前十大股東持股占比、資本密集度、固定資產占比、凈資產收益率。此外,本文還控制了部分城市層面的變量,包括人力資本指數、財政壓力、城市基礎設施和人口密度。

(三) 樣本說明與描述性統計

為排除2008年金融危機及2019年末新冠疫情的影響,本文以2009—2019年中國上市公司為初始樣本,并進行以下處理:(1)剔除金融行業;(2)剔除ST、*ST以及在這十年間退市的企業;(3)剔除數據缺失嚴重的企業,并對剩余數據采用線性插值法補全缺失數據。最終得到22691個觀測值。相關數據來源于國泰安數據庫以及《中國城市統計年鑒》。變量的描述性統計結果如表1所示。

表1 描述性統計結果

表2 基準回歸結果

四、 實證分析

圖2 平行趨勢檢驗

(一) 基準回歸

本文采用多期DID考察智慧城市建設對企業TFP的影響,基準回歸結果如表2所示。其中,第(1)列至第(4)列分別為僅考慮核心解釋變量、加入固定效應、加入控制變量以及同時加入固定效應與控制變量的結果?？梢娭腔鄢鞘性圏c政策的回歸系數均顯著為正,表明地區智慧城市政策的實行確實可以提升當地企業TFP,假說1得到初步驗證。

(二) 平行趨勢檢驗

DID使用的前提條件是滿足平行趨勢,即在沖擊發生前,實驗組與控制組內企業TFP在時間上需保持相對穩定的趨勢。本文以2008年為基期,進行平行趨勢檢驗,結果如圖2所示?？梢?在沖擊發生前,估計系數圍繞0波動,且不顯著;在沖擊發生之后,估計系數大于0且逐漸上升,但在前四期仍不顯著,從第五期開始顯著為正。說明在智慧城市試點政策施行前,實驗組與控制組內企業的TFP沒有顯著性差異,滿足平行趨勢。在政策實施后,估計系數逐年上升,說明智慧城市建設可以提升企業TFP,但政策效應具有一定的時滯性。

(三) 穩健性檢驗

1. 傾向得分匹配

由于智慧城市的選取是綜合考察地區經濟發展水平、基礎設施建設及人民生活質量等方面的結果,因此智慧城市與非智慧城市間可能存在系統性偏差,為了緩解選擇性偏差,本文選用PSM-DID模型進行穩健性檢驗。該方法是以智慧城市虛擬變量為被解釋變量,對企業年齡、公司規模、資產負債率等控制變量進行Logit回歸,得到傾向得分匹配值,并將得分最接近的樣本進行配對,最大程度減小系統性偏差。本文分別以k近鄰匹配、核匹配兩種方法進行傾向得分匹配,并進行PSM-DID估計,估計結果如表3中第(1)至第(2)列所示,智慧城市對企業TFP的影響仍顯著為正。

圖3 安慰劑檢驗

2. 安慰劑檢驗

此外,為防止地區企業TFP在智慧城市試點政策實施前已出現分異趨勢,導致實驗組與控制組失去可比性,設立虛假政策實施時間進行反事實檢驗。將智慧城市試點政策時間分別提前1～2年,再次進行穩健性檢驗,結果如表3中第(3)至(4)列所示。智慧城市政策虛擬變量的估計系數不顯著,表明虛擬的智慧城市試點政策對企業TFP的影響不顯著,通過了安慰劑檢驗。

3. 內生性檢驗

DID雖然可以有效緩解內生性問題,但智慧城市的選取仍可能受到一些隨機因素的影響,故需進行內生性分析。本文借鑒黃群慧等[31]的研究,以1984年城市每百人固定電話機數量作為工具變量進行穩健性檢驗。一方面,智慧城市作為數字經濟發展的產物,其發展與當地的數字信息基礎建設密不可分,而歷史固定電話機數量則為互聯網、大數據技術的廣泛應用奠定了基礎,因此歷史固定電話機數量越多的地區,其入選智慧城市的概率越大,滿足相關性;另一方面,固定電話機無法直接影響當前地區的企業TFP,滿足外生性。本文將1984年每百人固定電話機數量作為工具變量引入,并與企業年齡相乘轉化為面板數據,由于工具變量已包含企業年齡信息,故將企業年齡剔除。估計結果如表4所示?？梢?在第一階段回歸中,工具變量的系數顯著為正,且F統計量大于10,不存在弱工具變量問題,工具變量選取合理;在第二階段回歸中,智慧城市試點政策的系數仍顯著為正,表明在緩解內生性問題后,智慧城市建設仍可促進企業TFP提升。

表4 穩健性檢驗II

表5 不同樣本下的穩健性檢驗

4. 更換估計方法

為避免由于測算偏誤造成的估計誤差,分別采用OLS法、固定效應法及OP法重新測算企業TFP并進行回歸估計,估計結果如表4所示?？梢?在不同的測算方法下,智慧城市建設對企業TFP的影響均顯著為正。

5. 不同樣本穩健性檢驗

為剔除樣本中異常值的影響,選取不同樣本進行穩健性檢驗,估計結果如表5所示。第(1)列為剔除僵尸企業的回歸結果,僵尸企業是指本身缺乏生存能力,依靠銀行貸款和政府補貼維持生存的生產率低下的企業。本文參考Fukuda and Nakamura[32]的方法構建僵尸企業測度指標,共篩選出僵尸企業193家并剔除其數據,回歸結果仍顯著為正且相較于基準回歸有所增大,說明模型是穩健的,僵尸企業的存在確實在一定程度上抑制了企業TFP提升。第(2)至第(4)列分別為剔除省會城市以及在1%和99%水平下截尾和縮尾的回歸結果。

(四) 異質性檢驗

1. 城市層面異質性

不同規模城市的經濟條件與數字技術基礎設施水平不同,智慧城市建設的政策效果也不盡相同。本文以2014年印發的《國務院關于調整城市規模劃分標準的通知》為依據,將城市劃分為I型大城市、II型大城市、中等城市及小城市四類,估計結果如表6所示?？梢?智慧城市試點政策對I型大城市內企業TFP存在顯著正向影響,但會抑制中等城市及小城市企業TFP提升。

除規模外,自然資源稟賦的差異也會造成政策效果的異質性。自然資源豐富的城市更易形成依賴于能源開采、高投入、低產出的低效型產業體系,城市內的企業不易轉型。本文以《全國資源型城市可持續發展規劃(2013—2020年)》為依據,將樣本分為資源型城市與非資源型城市,回歸結果如表6所示?？梢?智慧城市試點政策對非資源型城市企業TFP有顯著的促進作用,而對資源型城市企業TFP的作用效果為負且不顯著。

表6 城市層面異質性分析

2. 企業層面異質性

企業自身特征也會導致智慧城市的政策效果產生差異。國有企業相對于民營企業,資金規模更大,更易獲得政府支持且融資約束更小,而民營企業由于面臨更大的生存壓力,對市場及政策變化更敏感,更易把握住智慧城市政策帶來的機遇,因此有必要加以探討。本文將企業分為國有和民營兩類,分別進行回歸估計,結果如表7所示?？梢?民營企業的估計系數顯著為正,而國有企業的系數不顯著,說明智慧城市試點政策可顯著提升民營企業TFP,而對國有企業影響較小。

表7 企業層面異質性分析

企業面臨的外部關注度也會對政策效果產生影響。一般來說,外部關注度較高時,企業迫于壓力,會選擇提升TFP以留下較好的印象,關注度較低的企業則更可能采取短視行為。本文將企業的外部研報關注度及分析師關注度分別同智慧城市政策虛擬變量的交乘項引入模型,結果如表7所示?？梢?無論是被外部研報關注還是被分析師關注,均可顯著提升智慧城市政策對企業TFP的促進作用。

企業管理層作為“企業家精神”的代表,決定著企業的投資決策和戰略部署。從能力角度分析,能力越強的管理者,越能及時調整發展戰略和把握發展機遇,從而提升企業TFP;從聲譽角度分析,能力越強的管理者,越看重自己的聲譽,從而有積極提升TFP的動機。因此,管理層能力越強,智慧城市政策對其影響效果越明顯。本文借鑒吳育輝等[33]的方法,對管理層能力進行測算,并將企業分為管理層能力較強與較弱兩類進行回歸估計,估計結果如表7所示?？梢?智慧城市政策對管理層能力較強企業TFP的影響顯著為正,而對管理層能力較弱企業的影響不顯著。

表8 中介作用檢驗

(五) 機制檢驗

基準模型分析了智慧城市建設對企業TFP的提升作用。但是,智慧城市是通過何種途徑實現這一目標的呢?本部分使用Bootstrap法,有放回地抽樣1000次,估計其中介效應值。其中,營業成本以銷售費用、管理費用和財務費用之和的對數值衡量,融資約束以SA指數衡量,資源錯配程度以企業TFP和行業平均水平的差距與行業資源錯配程度之比衡量,中介作用檢驗結果如表8所示?？梢?三類中介變量的間接效應均顯著,而在資源錯配做中介變量時,直接效應不顯著,說明節約成本與降低融資約束具有部分中介作用,而緩解資源錯配具有完全中介作用,驗證了假說3、假說4和假說5。此外,由于加入中介變量后直接效應為負,說明智慧城市試點政策的實施具有一定的“遮掩”效應。

五、 進一步分析

智慧城市建設可促進傳統產業的數字化轉型,為實施地區形成良好的數字基礎設施、投資環境與生活環境,從而吸引人才及資本集聚,促進相關產業集聚。而過度集聚會產生擁擠效應,從而對企業TFP提升產生抑制作用,因此,本文以產業集聚為調節機制,探討其非線性調節作用。

本文以產業協同集聚度、制造業集聚度及生產性服務業集聚度作為轉換變量,采用PSTR模型探討其非線性調節作用。該模型由Gonzalezetal.[34]在Hansen[35]門檻模型基礎上拓展得到,可有效克服內生性導致的參數估計偏誤,且能較好地解決門檻回歸模型中門檻值前后的跳躍性變化問題,允許模型估計參數隨著轉化變量的變化做平滑的非線性轉換。產業集聚度借鑒楊仁發[36]的研究,以區位熵進行衡量。構造單變量雙機制的PSTR模型[37],如式(2)和式(3)所示。

LPijt=δ+α0DIDijt+β0Xijt+[α1DIDijt+β1Xijt]h(qijt;γ,c)+εijt

(2)

h(qijt;γ,c)=(1+exp(-γ∏(qijt-c)))-1

(3)

其中,h(qijt;γ,c)是關于轉換變量qijt的轉換函數,為取值在0～1的logistic函數。γ為平滑參數,決定模型轉化的速度,c為位置參數向量。通過分析轉換函數可知,當qijt趨近負無窮時,轉換函數h=0,此時模型處于低機制;當qijt趨近正無窮時,h=1此時模型處于高機制;當0

表9 模型非線性檢驗

在進行面板平滑估計前需進行非線性檢驗以驗證是否存在非線性轉換效應,檢驗結果如表9所示?？梢?無論是協同集聚、制造業集聚還是生產性服務業集聚,均在1%的水平下拒絕不存在非線性轉換的原假設,因此智慧城市建設對企業TFP存在以產業集聚為轉換變量的非線性效應,可使用PSTR模型進行估計。估計結果如表10所示?？梢?協同集聚為轉換變量時,智慧城市建設的線性部分估計系數為0.164,非線性估計系數為-0.221,均在1%的置信水平下顯著,說明協同集聚度較低時,智慧城市建設對企業TFP的影響為正向,而當其達到一定水平后,智慧城市建設反而會對企業TFP產生抑制作用。結合轉換函數看,當轉換函數h=0時,智慧城市對企業TFP的影響系數為0.164,模型處于低機制;當協同集聚度與位置參數c值相等時,智慧城市對企業TFP的影響系數為0.0535,模型處于中間狀態;當h=1時,智慧城市對企業TFP的影響系數為-0.057,模型處于高機制。智慧城市的影響效果在低機制與高機制之間,以位置參數c=0.504為中心,以平滑參數γ=6.582的速度在[-0.057,0.164]間平滑轉換。而以制造業集聚為轉換變量時,無論處于高機制還是低機制,智慧城市的系數均不顯著,說明制造業集聚在智慧城市建設與企業TFP間的調節機制不顯著。當以生產性服務業為轉換變量時,線性部分的估計系數顯著為負,非線性部分的估計系數顯著為正,說明生產性服務業集聚不會產生擁擠效應,且只有形成一定規模時,才會產生正向的調節作用。

表10 PSTR模型估計結果

六、 結論與建議

本文以三批智慧城市試點政策為準自然實驗,在理論分析的基礎上,基于2009—2019年中國上市公司及地級市匹配的面板數據,運用多期DID及PSTR模型,實證分析了智慧城市試點政策對企業TFP的影響及其機制,以及產業集聚在其中發揮的調節作用。得出結論如下:(1)智慧城市建設可顯著提升企業TFP,且在剔除僵尸企業后影響效果更加顯著。(2)異質性分析顯示,在城市層面,在規模較大的城市及非資源型城市中,智慧城市政策對企業TFP的提升作用更顯著;在企業層面,智慧城市建設可以顯著提升民營企業的TFP;此外,智慧城市建設對外部媒體關注度以及內部管理層能力更強企業的作用效果更顯著。(3)中介機制研究表明,節約成本、降低融資約束及優化資源配置在智慧城市建設與企業TFP間起到中介作用。(4)面板平滑轉化回歸顯示,產業協同集聚在智慧城市建設與企業TFP間起到非線性調節作用,當協同集聚超過一定的臨界值后,會抑制智慧城市政策對企業TFP的提升作用,而生產性服務業集聚在超過一定臨界值后,反而會促進智慧城市政策對企業TFP的提升作用。

基于以上研究,本文提出如下建議:(1)依托智慧城市建設的優勢,以數字技術與信息技術為抓手,不斷完善地區信息平臺,加強地區企業間交流,暢通信息交流渠道,提升信息交流質量,從而降低企業獲取信息的成本以及經營成本,緩解中小型企業的融資約束問題。(2)智慧城市建設應因地制宜,大型城市由于經濟發展水平高,數字基礎設施完善,可不斷豐富和深化智慧城市的內涵,為企業生存以及TFP提升提供良好的信息平臺和生存環境。中小型城市不可片面追求智慧城市的快速建設,應以自身實際條件為基礎,完善各方面基礎設施建設,以防過度追求信息化導致出現“數字空心化”問題。(3)在智慧城市建設的過程中,也應加大對市場的監管,加速僵尸企業的退出,同時也應完善對企業信息的披露,增加媒體關注度,通過外部壓力促進企業TFP的提升。(4)企業內部應通過相關培訓等方式,提高管理層的管理能力及社會責任心,以增強企業內部提升TFP的決心。(5)在智慧城市建設過程中要關注產業集聚的調節作用,地區應加強對生產性服務業的支持,促進其集聚的同時也應防止過度的協同集聚。