智慧城市试点政策的人力资本集聚效应研究

吕鑫科 刘程军

(1.浙江工业大学 经济学院,浙江 杭州 310023;2.浙江工业大学之江学院 商学院,浙江 杭州 310023)

0 引言

当前,我国城市已进入高质量发展阶段,以土地、资本为核心的传统城市发展模式和以投资驱动的传统要素集聚方式不再适应于新发展阶段。智慧城市政策于2012年在中国正式实行,在近十年的实践探索中,智慧城市建设指明了城市技术发展方向,并成为实现城市经济效益和资源效率双提升的重要引擎。此外,研究显示中国城市人口集聚速度仍慢于经济集聚速度,大城市相继出台人才引进政策,“抢人大战”在各城市上演,人才集聚伴随人口集聚改变城市资本存量从而提升城市创新竞争力已成为共识。

智慧城市政策实施以来,诸多学者围绕其内涵、实施路径以及社会影响等进行了一系列研究。Yigitcanlar等认为智慧城市是科技与城市的融合,也是建设宜居型城市和可持续城市的重要促成因素,也有学者将智慧城市比喻为一个从多维角度探索复杂人机关系的实验室。关于智慧城市的实践,谢小芹等提出智慧城市不仅需要借用新型数字技术融合技术与城市场景,还需要新信息时代的治理新模式。相关研究更多地侧重于智慧城市的政策影响,石大千等通过实证研究发现智慧城市政策具有显著的降污作用,一些学者进一步验证了该研究成果。此外,关于智慧城市建设对城市创新能力提升、产业结构升级、城市发展质量提升以及收入差距缩小等的作用研究亦较为成熟。

近年来,随着学术界对于人力资本与城市转型升级之间关系的深入研究,人力资本集聚现象也逐渐引起学者的重视。Manduca研究发现在过去的40年中,美国受过高等教育的工人越来越集中在相对较少的城市。这种情况同样发生在中国,经济等级较高的城市对受教育程度较高的个体尤其具有吸引力。多数学者对人力资本集聚在城市发展中的作用持积极态度,Thisse认为人力资本集聚能进一步加速城市扩张,李平华等发现人力资本集聚可以促进社会交互学习和专业化分工。Azari等却提出劳动力的集中对经济增长起消极作用,人力资本过度集聚反而阻碍劳动生产率的增长。

综上所述,学术界对于智慧城市政策和人力资本集聚的单方面研究已有了充分的基础,但鲜有关于智慧城市建设和人力资本集聚的综合研判。鉴于此,本文整合2005—2019年中国224个城市面板数据,通过多期双重差分法对智慧城市政策的人力资本集聚效应进行实证检验。

1 机制分析

智慧城市的最终目标是提升人类福祉和促进社会繁荣,智慧城市建设在注重现代化信息技术运用的同时,也强调人本主义以探索符合地方现实与社会需求的城市智慧化转型之路。具体而言,一方面,“互联网+”作为智慧城市建设的核心要素有助于形成创新驱动的生态环境,对于高素质人才具有较大吸引力。同时智慧城市建设伴随的社会服务和管理智能化、基础设施全面化亦提升了城市的宜居性。另一方面,智慧城市建设整合各方面资源优势,通过产学研深度融合,实现应用型人才培养的本土化。因此,本文提出如下假设:

H1:智慧城市建设可以显著促进城市人力资本集聚。

智慧城市建设是新一代信息技术创新与应用的实践。智慧城市建设依托于信息技术,整合利用各种信息资源,提升城市治理现代化水平,从而全面提升城市居民的生活品质。此外,智慧城市建设推动信息化水平的提升,优化了信息集成和数据共享,打破了信息传递壁垒,有利于个体间的协同发展。信息化同时进一步增强了智慧城市建设的资源配置效应,不仅能够解决物质资源错配问题,而且有助于实现企业与劳动者的精准对接。鉴于此,本文提出如下假设:

H2:智慧城市建设可以通过提升城市信息化水平促进人力资本集聚。

中国智慧城市试点虽在各省市内都有设立,但受各地区发展差异影响,智慧城市建设进展难免分化。发达地区的城市凭借外商投资、金融服务、科教环境、新基建等方面的原有基础,为人力资本集聚提供优良条件,并对人力资本转化为创新成果予以支持,与智慧城市政策形成有效对接,因此能够在更大规模上进行人力资本积累,同时也能在更大程度上防止积累阶段的人力资本外流,而偏向落后地区的积累过程却很难存在。有研究表明,中国人力资本流动长期呈现出单向流动的特征。基于此,本文提出以下假设:

H3:智慧城市建设对人力资本集聚的影响具有区域和城市异质性。

2 模型设定及数据说明

2.1 模型设定

本文参考Beek等的做法,建立多期DID模型。具体公式为:

hait=α0+α1scit+α2Xit+μi+ηt+εit

(1)

式中,i表示城市,t表示时间,ha表示人力资本集聚度,sc表示智慧城市试点的虚拟变量,试点城市在政策实施前为0,政策开始实施及后续年份为1,其余城市一直为0,Xit为一系列控制变量,μi是个体固定效应,ηt是时间固定效应,εit是随机扰动项。

2.2 变量说明

被解释变量:人力资本集聚度(ha)。关于城市人力资本测算,借鉴已有研究,考虑到数据的可得性以及统计口径的一致性,从三个维度测算人力资本。教育:通过小学在校生人数、中学在校生人数、职业中学在校生人数和普通高校在校生人数四个指标来反映城市人力资本储备水平。创新:采用专利申请授权数衡量城市人力资本的创新能力。健康:以城市卫生技术人员数评估城市卫生人力资本,并用存活率反映地区人力资本健康水平,计算公式为存活率=1-死亡率。在测算城市人力资本的基础上,采用区位熵指数测算人力资本集聚程度ha。计算公式如下:

(2)

式中,hait为i城市t年的人力资本集聚程度,hum为人力资本水平,sumhum为全国人力资本总水平,pop为常住人口数,sumpop为全国人口数。

核心解释变量:智慧城市建设(sc)。

控制变量:参考以往相关文献的做法,本文选取以下六个控制变量:经济发展水平(rgdp)以取对数的人均GDP表征。固定资产投资(fai)以固定资产投资额(不含农户)占GDP比重表征。城市化水平(urban)以城市非农人口占比表征。引进外资水平(fdi)以取对数的实际利用外资额表征。产业结构(ind)以第三产业增加值占GDP比重表征。金融环境(fin)以取对数的金融机构年末贷款余额表征。

机制变量:根据相关理论,本文选取了信息化水平(net)作为机制变量。信息化水平(net)以取对数的互联网用户数表征。

2.3 数据说明

本文选取2005—2019年224个地级市作为研究样本,其中实验组包含102个地级市、控制组包含122个地级市。所涉及的原始数据均来自《中国城市统计年鉴》及各省市统计年鉴和统计公报。部分缺失值采用线性插值法补全。

3 实证结果分析

3.1 基准回归

表2中展示了基准模型逐步引入控制变量的回归结果。由表2可知,无论是否加入控制变量,估计系数sc均在0.030左右小幅波动,且均通过显著性检验,即智慧城市政策显著提升了试点城市的人力资本集聚水平。由此,假设H1得到验证。

表2 基准回归结果

3.2 稳健性检验

3.2.1试点城市的平行趋势假设与动态效应检验

参考张治栋等的做法,建立动态效应模型以验证智慧城市试点之前是否存在平行趋势,同时考察该政策对人力资本集聚的动态影响。具体公式如下:

(3)

式中,Di,t+k表示智慧城市试点批准的虚拟变量,k表示当前年份与试点批准年份之差。在具体的回归中,本文以k=-1即智慧城市建设批准前一年作为基准期,因此回归结果中不包含这个虚拟变量。

从图1中可以看出,在智慧城市政策实施前,各虚拟变量回归系数皆在0轴上方波动,且波动幅度较小,这说明在试点批准前,试点城市与非试点城市人力资本集聚的变化并无明显差异, 满足平行趋势假设。此外,根据表3的回归结果,智慧城市试点批准当年的回归系数为0.019,说明智慧城市建设不存在滞后性。同时,回归系数在试点建立后逐年增加,显现出智慧城市建设对于人力资本集聚持续性的正向效应。

图1 平行趋势假设检验

表3 动态效应模型估计结果

3.2.2PSM-DID

智慧城市的设立采取申报审核制,最终试点的确定会受到经济水平、基础设施、金融环境等条件的影响,使得样本存在选择性偏差问题。为此,本文采用倾向得分匹配法减轻存在的系统性差异问题。通过PSM方法匹配后,新样本的回归结果见表4,与基准回归结果相比,解释变量的估计系数并无明显变化,智慧城市建设对人力资本集聚的估计系数仍在5%水平上显著为正。

3.2.3安慰剂检验

为进一步确定智慧城市建设对人力资本集聚的促进效应是否受到其他非观测因素的干扰,本文借鉴现有研究的做法,对处理组样本和试点设立时间进行安慰剂检验。首先从所有样本中随机选取102个城市作为处理组,每一个“伪处理组”的政策生效时间从样本期内随机选取,重复500次,最终得到500个核心解释变量的估计系数和p值的核密度估计(图2)。不难发现实际估计参数与安慰剂检验中得到的系数估计值差异显著,由此证实智慧城市建设对人力资本集聚的影响并非来自其他非观测因素。

图2 安慰剂检验结果

3.3 影响机制检验

本文参照何凌云等的研究,在基准回归的基础上,加入智慧城市试点变量(sc)和城市信息化水平变量(net)的交互项,结果如表5所示。由表5可知,无论控制变量加入与否,交叉项的系数皆显著为正。假设2得到证实。

表5 机制分析结果

表6 地区异质性分析

3.4 异质性分析

3.4.1地区异质性

考虑到我国突出的地区发展不平衡问题,使得智慧城市建设的政策效应可能存在区域异质性,本文进一步将样本城市按地区分为东、中、西三组,利用多期双重差分法分别进行回归。从倍差项的估计系数看,中部地区智慧城市建设的政策效应最强,东部次之,西部尚不明显。这在一定程度表明了智慧城市试点在不同地区存在边际递减效应。中部地区受益于智慧城市政策,容纳人力资本的潜力得到释放,边际作用最为明显,而东部地区一直是人才高地,政策进一步加强人力资本集聚的边际作用较小。

3.4.2城市发展程度异质性

为了检验智慧城市政策对不同发展程度城市人力资本集聚的差异性,本文根据《2021年城市商业魅力排行榜》的城市分级,将样本城市划分为新一线城市、二线城市、三线城市、四线城市及五线城市,并再次利用多期双重差分法进行回归。从表7中可以看出,智慧城市政策对除五线城市外的试点城市人力资本集聚均具有较为显著的作用。其中,新一线及二线城市凭借着雄厚的人力资本基础和优越的外部发展环境,在建设智慧城市的过程中更容易吸引不同层次人才。而五线城市受落后的基础设施、偏远的地理区位、贫瘠的教育资源等条件限制,一直是人口的净流出地,智慧城市政策对于人力资本集聚的效应难以体现。综上,智慧城市建设对城市人力资本集聚的政策效应存在城市异质性。由此,假设H3得到验证。

表7 城市发展程度异质性分析

4 结论与政策建议

本文基于2005—2019年中国224个地级市面板数据,利用多期双重差分法实证检验智慧城市建设对人力资本集聚的影响、机制和异质性。得出结论如下:智慧城市建设能显著促进试点城市人力资本集聚,且该结论稳健可靠;智慧城市建设能够提升城市信息化水平,进而在人才培养和吸引两方面加速城市人力资本集聚;智慧城市建设在不同地区和规模的城市发挥作用并不相同,其对中部地区试点城市人力资本集聚影响最为显著。

基于本文的研究结论和智慧城市试点建设的实际情况,本文提出如下政策启示:

第一,在智慧城市建设中贯彻以人为本的宗旨,将人本思想和智慧城市建设的技术相结合,重点关注城市功能对于最广泛大众利益诉求的满足,建设具有人文特色的智慧城市。第二,完善城市物联网、云计算等信息基础设施的建设,在信息技术进步的基础上,搭建创新研发平台和创新服务平台,加强对专业人才的培养工作,为高技能人才提供优越的成长环境。第三,对于不同地区、规模的试点城市,要通过制定及实施差异化战略,使得智慧城市的建设能够因地制宜,同时弱化城市规模对人力资本占有的影响,避免“马太效应”。