智慧城市建设对经济高质量发展的影响
——基于双重机器学习的实证分析
隋虹洋
（北京工业大学数学统计学与力学学院，北京 100020）

      摘要：为规范和推动城市健康发展，构筑创新2.0时代的城市新形态，智慧城市建设作为新型城市被众多地方政府认定为规划新方向。本文基于五维度构建的经济高质量发展理念，选取2009—2021年我国204个地级市的数据样本，采用熵权法测算经济高质量发展的综合数据，通过双重机器学习对智慧城市和经济高质量发展的关系进行实证分析。结果表明，智慧城市建设对经济高质量发展有显著正向效应，可通过增强市场创业活跃度、改善就业、推动产业结构升级3条路径进行智慧城市建设以推动经济高质量发展。本研究为加强智慧城市建设、推动经济高质量发展提供了相关研究依据，有一定的指导价值。
      关键词：智慧城市；经济高质量发展；双重机器学习
引言
      目前，我国经济发展进入新时代，由高速增长阶段转向高质量发展阶段[1]，传统依赖资源投入和规模扩张促使经济增长的模式已不适用于当前发展，建设现代化经济体系来应对发展中不平衡所呈现的问题具有深远的现实意义。推进经济高质量发展是学术界研究的一项重点工作，研究大多选取某一层面进行研究，诸如李光辉等[2]研究边疆经济高质量发展内涵，阳杨等[3]研究新质生产力赋能经济高质量发展。由研究文献可看出推动经济高质量发展的机制与智慧城市建设有较高的关联度。但是，目前研究大多集中在证实该政策对经济高质量发展有正向效应方面，如湛泳等[4]证明二者的正向效应，少数学者研究作用机制，如张铎等[5]得出二者的中介路径为城市的全要素生产率(TFP)、产业升级和科技投入的结论，赵华平等[6]得出二者的中介路径为技术创新和产业结构升级。本文从增强市场创业活跃度、改善就业、推动产业结构升级 3 方面研究，对中介路径加以补充，提出发展建议
一、政策背景及研究假设
      为规范和推动城市健康发展，国家八部委于2014年8月27日印发《关于促进智慧城市健康发展的指导意见》，明确建设智慧城市的主要目标和基本方向，积极推进智慧城市的建设。住房城乡建设部分3批先后确立90个试点城市、103个试点城市、84个试点城市(区、县、镇)。
      智慧城市建立智慧农业、工业互联网、智慧医疗等产业，利于提高科技的实用性和创造性。智慧城市建设能通过增强市场创业活跃度、改善就业、促进产业升级，有效推动经济高质量发展[7]；还能改善就业情况，带动新兴产业，扩大就业规模，高效分配资源，提升人民幸福感，促进生产效率；推动产业结构升级，推动技术创新，发展高新技术产业，优化产业结构，加速技术成果转化，创造经济增长点。因此，本文提出如下假设。
      H1:智慧城市建设可促进经济高质量发展。
      H2:智慧城市建设可通过激发市场创业活跃度对经济高质量发展产生积极推动作用。
      H3:智慧城市建设可通过改善大众就业情况对经济高质量发展产生积极推动作用。
      H4:智慧城市建设可通过促进产业结构升级对经济高质量发展产生积极推动作用。
二、研究设计
（一）模型构建
      双重机器学习由Chernozhukov等[8]提出，模型放宽了变量之间的线性假设条件，允许变量间非线性和交互影响存在，在面对较多控制变量时也可精确推出因果关系[9]。
      本文选择双重机器学习估计智慧城市政策对城市经济高质量发展的影响效应，各区域经济高质量发展水平用Q表示,智慧城市政策虚拟变量用 Smartcity 表示。Smartcity的系数为θ0，反映智慧城市政策对城市经济高质量发展的促进水平；X为控制变量的集合；U和V为扰动项；g(Xit )为被解释变量的条件期望函数；f (Xit )为处理变量的条件期望函数；i为某城市；t为时间[10]。具体的双重机器学习模型如式（1）~式（4）所示：

      对公式进行估计，得处置系数估计量为:

式中，E为对随机变量的期望值；V̂为拟合残差；Yit为个体i在时间t的结果变量；ĝ(Xit )为协变量Xit对结果变量Yit的非线性影响；I为所有研究城市的集合；T为所有研究时期的集合。
（二）变量设置与选择
      1. 被解释变量:经济高质量发展水平
      根据经济高质量发展的内涵构建指标体系，基于新发展理念五大维度[11]，运用熵权法进行合成。得出指标体系见表1。   
      2. 核心解释变量:“智慧城市”政策虚拟变量（Smartcity）
      处理组和控制组由中华人民共和国住房和城乡建设部办公厅公布的3批智慧城市的建设试点名单确定，入选智慧城市政策的试点设置为1，反之设置为0。再结合城市的入选时间，政策实施后设置为1，反之设置为0。
      3. 控制变量
      为保证政策效应估计的准确性，本文通过参考已有文献选择以下控制变量加入回归模型。控制变量设置如下。人口密度 （Pop）：使用地方户籍人口与行政区域土地面积的比值进行衡量[10]；政府干预程度 （Op）：地方财政一般预算内支出与地方生产总值之比[12]；城镇化水平（Urban）：用非农业人口与户籍人口之比衡量；财政压力（Fp）：以政府财政一般支出与政府财政一般收入之差与地区生产总值的比值衡量；政府自给率 （Gov）：以政府财政一般收入与政府财政一般支出的比值衡量；人力资本水平（HCM）：以普通高等学校在校学生数与年末总人口的比值衡量[13]。

      4. 机制变量
      本文拟从增强市场创业活跃度、改善大众就业、推动产业结构升级3条路径揭示智慧城市影响经济高质量发展的机制效应。其中用每百人新创企业数 （Enterp） 衡量市场创业活跃度程度；用年末单位从业人员数取自然对数（people） 衡量居民就业情况衡量大众就业水平；用第一产业增加值占GDP比重×1+第二产业增加值占GDP比重×2+第三产业增加值占GDP比重×3（Structure）衡量产业结构整体升级程度[14]。
      5. 数据处理
      本文选用 2009—2021 年中国 204 个地级市(不包括港澳台地区)进行研究，数据来源于《中国统计年鉴》、各省统计年鉴、各地级市统计公报等。本文剔除部分数据缺失过多的地区，对部分缺失数据使用线性插值进行插补，对部分控制变量和机制变量取自然对数以统一量纲[15]。
三、实证分析
（一）智慧城市建设对城市经济高质量发展的影响效应
      本文双重机器学习样本分割比例设置为 1∶4，模型主回归和辅助回归主要采用随机森林算法预测求解。结果如表2所示，模型依次控制一次项、二次项、时间固定效应和城市固定效应，4种控制方式的系数均在1%水平下显著。说明智慧城市建设能显著提高试点城市的经济高质量发展水平，H1得到验证。

      注：*表示显著性水平p < 0. 1，**表示显著性水平p < 0. 05，***表示显著性水平p < 0. 01；No表示未进行该项固定，Yes表示进行该项固定；无特别说明外，下表同。
（二）内生性问题
      为确保研究结果的准确性，本文对模型进行内生性检验。内生性存在可能由以下3点导致：第一，智慧城市建设和经济高质量发展间可能存在双向因果关系，这是因为智慧城市政策的试点城市大多不属于低经济发展水平的城市，说明高经济发展水平会促进城市成为智慧城市政策试点城市；第二，遗漏变量，本研究虽已在尽量避免该问题的产生，但仍可能无法根除该问题；第三，测量误差，文中存在变量不能直接被测量，故采用代理变量来衡量变量，这一方式可能会导致测量误差。
      本文利用1984年固定电话数与上一年信息传输计算机服务和软件业从业人员数构成交互项作为工具变量。一方面，互联网的发展始于固定电话，历史上固定电话普及率较高的地区极可能是互联网普及率较高的地区。信息传输计算机服务和软件业从业人员数可在一定程度上反映城市科技创新水平。满足相关性的要求。另一方面，历史上固定电话数量对于经济高质量发展的影响逐渐消失，信息传输计算机服务和软件业从业人员数是由人为决定和公司需求决定。满足了外生性假设。模型设置如下:

式中，M为1984年固定电话数与上一年信息传输计算机服务和软件业从业人员数构成的交互项。
      模型保持上述基础回归做法。结果见表 3，结果在5%的水平上呈正显著，表明结论未变。

（三）稳健性检验
      估计结构可能受回归样本中的异常值影响，本文为此进行连续变量 1% 双侧缩尾，剔除可能影响结果的极端值，再进行回归分析。结果见表4，剔除异常值之后本文结论仍成立。同一省份下的城市常在各个维度存在相似性，本文为此在基准回归的基础上增加省份—年份交互效应，用以控制不同省份随时间变动的影响。回归结果见表4，结果在 1% 水平下呈正向显著，本文结论仍成立。为控制样本分割比例对研究结论可能产生的影响，本文将双重机器学习样本分割比例调整为1∶6，结果见表4。其回归结果仍然在1%水平下呈正向显著，回归结果稳健。结论可能受机器学习模型算法设定偏误影响，本文为此更换机器学习算法，用套索算法和梯度提升算法取代模型中用来预测的随机森林算法。结果见表4，结果在1%水平下呈正显著，回归结果稳健。此外，为避免人为设定模型时的误差，本文用交互式模型替换部分线性模型，从而排除人为设定模型导致的影响，其结果见表4，回归结果仍在1%水平下呈正显著，结果依然稳健。
（四）异质性分析
      本文将样本分为东、中、西3个地区，结果如表5所示，结果显示对于东部和中部地区，智慧城市建设对经济高质量发展有显著促进。本文认为这是东、中部地区的平均城市智能化水平、经济发展水平、科技水平、人才数量均比西部地区高导致的。

四、结论及政策建议
      本文利用双重机器学习研究智慧城市政策对经济高质量发展的影响。实验结果表明：（1）智慧城市建设对经济高质量发展水平具有显著正向效应；（2）中介路径为市场创业活跃度、就业情况、产业结构升级。
      基于智慧城市建设，本文针对如何有效推动经济高质量发展水平提出如下建议。
      第一，加强数字基础设施建设。推进城市智能化转型，以此推动智慧城市建设快速发展。
      第二，引入科技型人才。加快突破关键数字技术，同时也可提高就业率，推进经济高质量发展。
      第三，深化数字技术产业融合。推动数字技术在第一、二、三产业中的广泛应用，鼓励平台构建多层次产业互联网服务架构。
      第四，加强网络安全防护。建立强大的网络安全体系，保护城市数据和隐私，维护信息安全，确保智慧城市系统稳定运行。
参考文献
[1] 李伟航.中国智慧城市建设对城市经济高质量发展影响研究[D].武汉:武汉大学,2021.
[2] 李光辉,石福才,刘佳豪.新形势下边疆经济高质量发展的内涵、意义及实践路径[J].广西经济,2024,42(3):5-16.[
3] 阳杨,郭佳钦,高媛.新质生产力赋能经济高质量发展的机制与效应研究[J].统计与决策,2025,41(4):109-113.
[4] 湛泳,李珊 . 智慧城市建设、创业活力与经济高质量发展:基于绿色全要素生产率视角的分析[J]. 财经研究,2022,48(1):4-18.
[5] 张铎,张沁,李富强.智慧城市建设对城市经济高质量发展的影响研究:基于城市面板数据的实证检验[J].价格理论与实践,2024(1):158-162.
[6] 赵华平,田秀林,张所地.智慧城市建设对经济高质量发展影响的作用机理与实证检验[J].统计与决策,2022,38(12):102-105.[7] 陈鸣,王志帆.智慧城市建设对共同富裕的影响:基于双重机器学习的实证评估[J].现代财经,2024,44(9):20-36
[8] CHERNOZHUKOV V, CHETVERIKOV D, DE] CHERNOZHUKOV V, CHETVERIKOV D, DENIRER M, et al. Double/debiased machine learningfor treatmentstructural parameters [J]. The Econometrics Journal, 2018, 21(1): 1-68.
[9] 孙焱林,马绍雄,汪小愉.数字经济发展不平衡抑制了经济周期协同性吗?[J].经济问题探索,2022(8):14-36.
[10]戴丽娜,杨爽.电子商务与县域经济增长:基于电子商务进农村综合示范政策的准自然实验[J].商学研究,2023(4):49-59.
[11]刘佳,黄晓凤,陈俊.高铁与城市经济高质量发展:基于地级市数据的实证研究[J].当代财经,2021(1):14-26.
[12]武英涛,张云,倪道涵.绿色金融能够实现城市生态效益与经济效益的双赢吗？:基于环境规制与资本配置的双重视角[J].上海财经大学学报,2024,26(5):46-59.
[13]黄晓雯.国家创新型城市政策是否提高了城市韧性水平[D].广州:广东财经大学,2023.
[14]徐毅,杜凤龙,徐政.地方政府新质生产力注意力对产业结构高级化的影响:基于我国七大城市群经验证据的分析[J].城市问题,2024(7):46-57.
[15]张涛,李均超.网络基础设施、包容性绿色增长与地区差距:基于双重机器学习的因果推断[J].数量经济技术经济研究,2023,40(4):113-135.