互利共赢,还是独善其身?“双碳”目标下绿色智慧城市建设的组态分析

李友东,闫晨丽,赵云辉,支华炜

(1.内蒙古财经大学 工商管理学院,呼和浩特 010070;2.天津工业大学 经济与管理学院,天津 300387)

21世纪全球经济进入零碳转型时期,努力实现“双碳”目标已经成为社会共识[1]。随着大数据、云计算等新兴技术的迅速发展,以科学技术为支撑,将智能化与生态化有机结合,能够更好地服务于新型城市的低碳转型和高速运转[2]。2015 年中央城市工作会议明确了“绿色”与“智慧”的发展关系,并在党的十九大报告中进一步指出要构建绿色技术创新体系,推进绿色低碳循环发展[3]。但是,现阶段仍然存在着经济发展与环境保护无法兼顾、绿色智慧城市认识不全面、生态环境改善效果较差等一系列问题[3-4],使得绿色智慧城市建设变得复杂。鉴于其复杂的治理环境,各个城市应积极探寻适合自身发展的多种策略,以应对有限时间与复杂的城市建设问题之间的矛盾。

绿色智慧城市是以智慧为特征、以生态文明为理念,充分利用信息化,推动城市绿色生态建设的复杂社会[2-3]。目前,研究主要集中于对城市“绿色”或“智慧”或两者之间的关系上。其中,“绿色”层面主要探讨低碳试点政策与城市低碳建设之间的关系,发现低碳试点政策有助于提升当地空气质量、减少当地碳排放[5]。并且,随着大数据、区块链等新兴技术的发展,技术进步效应也成为影响碳强度下降的主要驱动力[6]。数字建设能够在一定程度上提升环境信息的披露程度,进而促进城市绿色减排效率的提升[7]。同时,城市的低碳化进程也受到制度环境的影响,政府制定低碳政策时,制度环境影响和支配着内部要素的相互作用以及整个系统的运行方式[8]。“智慧”层面主要集中于探讨智慧城市与单一变量的关系。马亮等[9]研究发现,智慧城市建设可以通过信息化建设和大数据技术发展来优化创新环境。何凌云等[10]不仅得出智慧城市建设显著提升了城市创新水平,而且发现试点政策效果随时间的推移会显著增强。袁航等[11]进一步分析了智慧城市建设可以通过集聚高端人才、优化营商环境来推动城市创新,且科技创新基础越好的城市,试点政策效应越突出[12]。在绿色与智慧的关系研究中,主要集中于探讨“智慧”对“绿色”的影响,认为通过智慧建设能够显著改善生态环境,促进绿色低碳发展。杜建国等[13]以智慧城市为研究对象,得出智慧城市试点政策能够显著提升城市绿色发展效率;王玥等[14]进一步从非线性的视角考察了两者的关系,发现城市智慧建设水平对绿色发展效率具有显著的正U 型影响,且存在明显的区域异质性;Yigitcanlar等[15]从二氧化碳排放量入手,得出智慧城市建设与二氧化碳排放水平是非线性关系,且该影响不会随时间推移而改变;还有学者发现,智慧城市建设能够降低环境污染[16]、提升绿色全要素生产率[17],并能显著通过技术创新实现城市绿色经济转型[18]等。

通过上述分析可知,现有研究多集中于单一的绿色层面或智慧层面对绿色智慧城市进行探讨,鲜有文献从绿色和智慧的整体视角出发,并且在较少的关于绿色与智慧关系的研究中,也多基于权变视角探讨自变量与因变量之间的关系强度[19]。但是由城市建设的复杂性和动态性可知,这些因素并不是简单的线性关系,而是以复杂且有时矛盾的方式进行结合,因此,从一种非对称的组态视角出发,探讨绿色智慧城市建设的因果复杂性,能够有效解释多个因素之间的相互依赖关系[3]。同时,现有研究多从政府政策、技术创新、制度环境等单一视角对绿色、智慧或两者关系进行探讨,但是各个维度不同要素的独立作用会限制管理者对城市绿色智慧建设背后的多重因素间协同匹配效应的理解[20]。

鉴于此,本文从组态视角出发,并引入TOE 框架,从技术、组织和环境3个方面探讨这一问题。以中国234 个地级市为研究样本,运用NCA 与fsQCA 方法,对绿色智慧城市建设路径进行因果复杂性分析和组态机制探讨。主要解决以下问题:是否存在高(低)绿色智慧建设水平的必要条件,以及条件对结果影响的必要程度? 影响高绿色智慧建设水平的条件组态有哪些? 哪些条件发挥着主要作用? 哪些条件发挥着次要作用? 各组态之间是否存在替代效应以及各组态内部存在何种联系? 中国东、中、西部路径存在哪些差异?

本文研究有如下贡献:

(1) 从组态视角出发,在技术、组织与环境3个方面确定了产生高绿色智慧建设水平的7个前因条件,是对从单一角度探讨城市绿色智慧转型的进一步拓展和深化。

(2) 通过强调因果不对称性[20],运用NCA 与fsQCA 相结合的方法,探讨了达到高绿色智慧建设水平的必要条件及其必要程度,并分析出“殊途同归”的多条驱动路径,这一做法将基于传统计量方法探讨单一变量的“净效应”研究扩展至基于组态视角的多变量综合效应与绿色智慧城市的关系研究。

(3) 通过揭示高绿色智慧建设水平的不同前因组态,证明了其建设进程并不是采用“一刀切”的做法,而是存在多种战略组态[21],相对于现有研究,更接近于城市在复杂条件下的绿色智慧转型方式。同时,多元化的战略组态为城市绿色智慧建设提供了重要理论依据和实践指导,使管理者可根据组织自身条件和地区资源禀赋,选择合适的建设路径。

1 研究框架与模型构建

1.1 研究框架

本文引入TOE 框架来探究绿色城市建设路径。该框架最初主要用来分析企业创新技术的影响因素,随着框架的不断演进,已被广泛应用在组织管理、政府治理和绿色技术等领域[22]。该框架不仅在技术层面进行了考察,还将组织、环境层面的因素考虑在内[23]。近年来,TOE 框架在解决中国区域问题[24]、城市问题[25]等复杂治理问题的研究中也有涉及,可根据城市问题的复杂情境做出相应调整。

绿色智慧城市建设水平不仅在组织自身方面与政府的建设力度和资金投入强度有关,而且也受到现阶段技术水平的制约[26]。通过技术变迁能够深层次影响政府组织的治理效率和城市运行效率[6],能够有效利用信息技术在极大程度上提升城市的绿色智慧转型效率。此外,现阶段的资源禀赋和外部环境等因素均会影响城市的绿色智慧建设水平[27-28]。这些影响因素之间并不是简单的线性关系,而是通过相互影响,共同塑造出高水平的绿色智慧城市。

本文将TOE框架与城市绿色智慧转型问题相结合,从技术、组织和环境3个维度深入分析驱动绿色智慧建设水平提升的前因条件,有利于探寻与城市建设这一复杂环境相匹配的多元路径,以应对在不同环境因素下组态模式的因果复杂性。

1.2 模型构建

技术层面。技术层面的影响因素主要包括现有技术的使用状态和将采纳技术的特征。技术是组织建设和完善的根本推动力量,是组织扩张的基础,会直接影响到政府的决策效率和运行效率等一系列问题[22]。赵云辉等[24]提出数字技术的发展是提升组织治理效率的重要力量之一,数字技术能驱动智能网络的构成并赋能政府治理流程变革。依据交易成本理论,数字技术的发展能够有效提升信息透明度和可获得性,解决城市治理过程中的信息不对称问题,进而降低政府政策制定的交易成本,推进绿色智慧城市建设[29]。例如,在电力生产和运输过程中,利用大数据技术可以测量和管理发电数据,进而有效解决政府和企业之间的信息不对称问题,使政府能够及时调整应对政策和管理措施[30]。技术基础设施是数据开放和应用的重要基础,在此基础上,政府能够更好地应用数字技术对信息资源进行收集处理,并将分析结果应用于交通、生产、医疗等亟须解决的城市问题,减少政策制定的失败风险,实现城市自动化管理[29-30]。因此,在技术层面设立了技术基础设施和数字化水平两个条件。

组织层面。组织因素主要聚焦于组织内部属性,能够与技术因素产生相互作用[22]。绿色智慧城市建设离不开政府的推动和政策的指引,其中数字技术能够有效降低政府政策制定的交易成本,而组织因素同样为技术的发展提供了制度保障和资金支持,两者相辅相成,密不可分[30]。从有限理性理论来看,注意力是一种稀缺资源,注意力分配的不同会导致决策差异[31]。在具体实践中,政府的关注程度和支持力度是一项政策或项目成功执行的重要影响因素[24],而财政资源则为绿色智慧城市建设提供了发展环境和内生动能[32]。根据资源配置理论可知,当政府的财政资源能力较弱时,资源将被使用于必要性的公共支出以满足最基本的需求;而对于涉及绿色智慧城市建设这种技术方面的公共服务,将会适当减少财政供给[24]。因此,在组织层面设立了注意力分配和财政资源支持两个条件。

环境层面。环境影响和支配着内部要素的相互作用以及整个系统的运行方式,主要包括组织所处的市场结构、外部政府管制政策、压力或动力等方面[30]。在中国,“压力型”激励政策是解析外部环境规律的重要视角[33]。其中,上级压力是指来自上级政府的强制压力,通常中央或上级政府会以地方官员的政绩表现作为考核标准,以此决定是否录用[30]。因此,当上级政府推动某项创新政策时,受到晋升激励的影响,下级官员会为贯彻执行绿色智慧城市建设分配更多注意力。近年来,以煤炭等化石能源为主的大量生产与消耗,导致了资源紧缺、环境污染等一系列问题[34]。有学者实证检验出能源结构是碳排放的主要影响因素,煤炭等不可再生能源的大量消耗会导致碳强度增加,致使城市面临巨大的减排压力[35]。而新能源作为国家重点扶持行业,对实现碳达峰碳中和起着至关重要的作用[36]。加强新技术的吸收和应用能力,能够有效提高能源效率,推动能源系统转型[37]。城市化是以人为载体的人力资本流动。加快地方城市化进程,对提高资源配置效率至关重要[38]。在城市化发展初期,人口聚集和粗放式经济发展带来的严重负外部性,导致城市资源短缺、环境污染现象严重[39]。但是,随着城市化进程的推进,集聚效应扩大了人力资本的正外部性,尤其是高水平人才的集聚,可以通过人口迁移不断积累宏观层面的城市资本存量,此时人力资源存量越高,地区创新效率越强,越能有效推动绿色智慧转型[40]。因此,在环境层面设立了上级压力、能源利用效率和城市化水平3个条件。

理论模型如图1所示。面对复杂的社会环境,积极有效地探寻绿色智慧城市的多种策略成为现阶段的重要挑战[3]。本文在技术、组织和环境3个维度共设立了7个二级条件,各个条件之间存在动态联动关系(见图1)。整个模型的构建主要应用到组态理论和交易成本理论。具体而言,技术维度的技术基础设施和数字化水平能够有效解决在绿色智慧城市建设上的信息不对称问题,降低信息收集、处理上的交易成本[24]。同时,政府自身的注意力和相关政策的制定也能够提升城市的技术创新水平,推动数字技术的发展[41]。技术和组织因素的联合,是以一种复杂的方式解释了高水平的绿色智慧城市建设。与此同时,这些因素还受到外部环境的影响[22]。例如,城市化水平带来的人才集聚现象较为明显,其中,研发人员可以有效推动数字技术的发展水平,管理人员可以提升政府环境监管效率,进而降低政策制定的交易成本。

图1 理论模型Fig.1 Theoretical model

2 研究方法与数据构建

2.1 研究方法

定性比较分析(QCA)是用集合关系来解释实体之间关系的分析方法[22,42]。该方法基于整体论思想,认为研究案例是多个前因条件组成的整体,主要解决条件组态与结果之间的复杂因果关系[24]。QCA 方法早期主要应用于社会学、政治学等学科,近年在管理学领域也有广泛应用,成为解决管理学领域因果复杂性问题的重要工具[19,22]。该方法结合了定性和定量分析的优势,既适用于处理2～10个案例,开展小样本的跨案例定性比较分析,也适用于10～50个中小样本案例以及大于100个的大样本案例研究,为管理学科的研究开辟了新的道路[20]。

在绿色智慧城市研究中引入模糊集定性比较分析法(fsQCA),主要基于以下原因:①城市绿色智慧发展的前因条件间多是相互依赖而非独立的,需要采用整体的、组合的方式解释产生高绿色智慧建设水平的原因[3]。相较于探讨单一变量净效应的传统回归分析,QCA 方法能够更好地解释绿色智慧城市建设众多因素之间的动态互补性,有效识别出各因素之间的相互作用[19]。②QCA 方法既适合中小样本案例研究,也适合开展大样本案例分析,从大样本中发现可推广的战略模式,符合本文对234个地级市展开的大样本案例研究,通过大量样本数据分析,探讨条件组态组内关系和组间关系,从而发现多要素之间的“复杂性”问题和“殊途同归”现象。③相较于其他QCA 方法(csQCA,mv QCA),使用fsQCA 能够更充分地捕捉到绿色智慧城市的各个前因条件在不同水平上的细微变化[22,24],而本文的数据均属于连续变量,故选择fsQCA 方法能够有效解决本文的研究问题。

在进行组态分析前,需要检验单个条件是否构成结果的必要条件[19,43]。其中,由Dul[44]开发的必要性分析方法(NCA)能够灵活、简单地适用于各种性质的前因条件对结果的必要性分析,是对使用fsQCA 进行必要性分析的一种有效补充。相比于fsQCA 方法,NCA 方法不仅可以识别出绿色智慧城市建设的必要条件,还可以分析出条件对结果影响的必要程度,即分析各前因要素水平与绿色智慧建设水平之间的关系[42]。因此,在解决绿色智慧城市建设问题上,使NCA 与fsQCA 结合能够发挥出更大价值。

具体分析时,首先用NCA 和fsQCA 方法进行必要性检验,分析是否存在影响绿色智慧城市建设水平的必要条件以及前因条件对结果的必要程度;然后,借助fsQCA 方法从组态视角出发,进行跨案例比较分析,探索7个前因条件产生的前因组态对于高绿色智慧建设水平的影响。

2.2 样本选择与数据来源

本文将案例样本定位到中国234个地级市(其中,绿色智慧建设水平作为结果变量,共存在285个对应地级市,剔除7个条件中缺失较多数据的51个地级市)。样本城市选取主要有两点依据:首先,绿色智慧城市建设研究以地级市数据衡量更为精确;其次,各个城市的地理位置和资源禀赋不同,可形成差异性比较[25]。在数据来源选择方面,考虑到本文是基于“双碳”目标背景下的绿色智慧城市建设路径研究,且在2018年5月,习近平总书记在全国生态环境保护大会上全面概括了生态文明思想,为绿色智慧城市建设提供了依据。因此,本文选取2019～2020年234个地级市数据进行衡量。

本文以《中国城市统计年鉴》作为基础数据源,该统计年鉴主要统计了各个城市的地区一般公共预算支出、互联网宽带接入户数、生产总值、年末总人口等数据;同时结合了《中国能源统计年鉴》、各个省份统计年鉴、各地级市统计局、国民经济和社会发展统计公报等,对能源消费指标、数字经济相关指标以及地区城市化指数等进行统计。注意力分配的数据来自各地级市人民政府官网。低碳试点城市数据来自国家发展和改革委员会官网,智慧试点城市数据来自中华人民共和国住房和城乡建设部官网。

2.3 数据构建

2.3.1结果测量 绿色智慧城市发展水平。依据《中国绿色智慧城市发展智库报告(2021)》中的绿色智慧建设水平总指标进行衡量[3]。该报告在对国内外相关指标体系进行系统考察的基础上,采用相关性分析、规模-位序分析等方法进行指标测算,计算了2019～2020年中国地级市的总指标,并将其分为绿色城市、智慧城市和人文城市3个分指标,同时对城市绿色智慧发展水平的时空特征进行了分析。

2.3.2条件测量 技术基础设施。依据谭海波等[22]的测量方法,以每万人口平均互联网宽带接入端口个数作为测量指标。数字化水平。参考赵涛[45]关于地级市数字化指数的测量方法,整理了234个地级市的数字普惠金融、互联网普及率、相关从业人员情况、相关产出情况和移动电话普及率5个方面指标的原始数据,通过主成分分析法得出数字经济综合指数。

注意力分配。参考谭海波等[22]的测量方法,采用中央或上级政府出台政策与各地方政府出台本地落实意见的政策方针的时间间隔来计算。具体将2021年3月15日正式把碳达峰碳中和纳入生态文明建设整体布局的时间作为起始时间,以各地级市人民政府官网中回应国家“双碳”目标建设的文件作为终止时间,以此时间间隔(天)进行测量。财政资源支持。财政资源是城市发展的重要基础和物质保障,一般认为,财政资源支持水平越高,政府投入的城市建设资金越多。借鉴赵云辉等[24]的测量方法,采用城市每万人口的一般公共预算支出作为测量指标。

上级压力。以样本城市被纳入国家智慧试点城市或低碳试点城市的公布总次数为依据[46]。具体统计3次正式公布的智慧试点城市和低碳试点城市中,各地级市所占的总次数。考虑到所占总次数为0的地级市也并非完全没有上级压力,因此将其赋值为0.1。能源利用效率。采用在国际上认可度较高、用来衡量城市经济发展中资源利用效率的指标——单位GDP综合能耗(即一单位GDP产值所需要消耗的能源总量)[3]。城市化水平。借鉴董梅等[38]的测量方法,采用各地级市的城市化指数进行测量,具体计算年末城镇人口数占年末常住人口总数的比率。描述性统计结果如表1所示。

表1 描述性统计Tab.1 Descriptive statistics

2.3.3数据校准 数据校准是模糊集定性比较分析(fsQCA)的前提[43]。在具体分析中,需要给案例设定3个临界值作为隶属分数,分别为完全隶属(赋值为1)、完全不隶属(赋值为0.5)和交叉点(赋值为0)[47]。参照已有研究,将除注意力分配外的其他条件及结果的完全隶属、交叉点与完全不隶属分别设置为95%、50%和5%分位数[22]。考虑到注意力分配用地方政府回应中央政策的时间间隔进行衡量,时间间隔越短,政府注意力越强,因此将注意力分配的完全隶属、交叉点与完全不隶属设置为5%、50%和95%分位数。具体校准数据如表2所示。

表2 条件与结果的校准Tab.2 Calibration of conditions and results

3 数据分析与实证结果

3.1 单个条件的必要性分析

在进行组态分析前,需要检验单个条件是否构成高(低)水平绿色智慧城市建设的必要条件[43]。NCA 除了可以识别特定条件是否为某一结果的必要条件外,还可以分析其效应量(effect size),效应量代表产生特定结果需要必要条件的最低水平[42]。在分析其效应量时,使用上限回归(CR)和上限包络(CE)两种分析方法以生成对应函数,得到其效应量。效应量取值在0～1之间,取值越小代表效应越小[44]。在NCA 方法中,当前因条件的效应量不小于0.1,且蒙特卡洛仿真置换检验显示效应量显著时,产生必要条件[47]。

表3给出了NCA 方法对前因条件必要性的分析结果。本文对各变量分别用CR 和CE 两种方法计算其效应量,根据NCA 的分析结果判断其是否为必要条件。由表3可以看出,数字化水平中由CR方法计算的效应量大于0.1且P值显著,说明数字化水平是某一水平上绿色智慧建设的必要条件;城市化水平中由CR 和CE 两种方法计算的效应量均大于0.1且P值显著,说明城市化水平是某一水平上绿色智慧的必要条件。用同样的方法计算后,其他5个前因条件均不构成绿色智慧建设水平的必要条件。

表3 NCA方法必要条件分析结果Tab.3 Necessary condition analysis results of NCA method

表4给出了前因条件的瓶颈水平分析结果。例如:要达到50%的绿色智慧建设水平,需要达到1.4%的数字化水平、1.7% 的财政资源支持和10.2%的城市化水平,其他条件不存在该水平上的瓶颈效应;要达到60%的绿色智慧建设水平,需要达到9.4%的数字化水平、8.3%的财政资源支持、0.8%的能源利用效率和20.7%的城市化水平,其他条件不存在该水平上的瓶颈效应。

表4 NCA方法瓶颈水平分析结果Tab.4 Analysis results of bottleneck level of NCA method %

在QCA 分析中,必要条件检验的标准是观测其一致性水平高低[43]。通过fsQCA3.0 软件对各条件进行了“必要性”检验,具体分析结果如表5所示。其中,7个条件的一致性水平均小于0.9,因此,单一条件不能构成高(低)绿色智慧城市水平的必要条件。但是,“数字化水平+城市化水平”和“注意力分配+上级压力”两个集合的一致性水平均大于0.9,构成了高绿色智慧建设水平的必要条件,说明要达到高水平的绿色智慧城市建设,需要同时在两个集合中分别有至少一个条件存在[21]。

表5 QCA方法单个条件的必要性检验Tab.5 Necessary condition analysis results of QCA method

NCA 中的必要条件是指前因条件在较低水平上,该条件对绿色智慧建设水平是必要的[44],即较低水平的数字化和城市化水平对绿色智慧建设水平是必要的;QCA 分析中必要条件是指满足某种隶属度的必要条件,这里分析的是产生高绿色智慧水平的必要条件。因此,某一程度的数字化和城市化水平是绿色智慧建设水平的必要条件,而高数字化和高城市化水平并不是产生高绿色智慧建设水平的必要条件。综上所述,本文认为7个前因条件中不单独存在产生高绿色智慧建设水平的必要条件,体现了绿色智慧城市建设的复杂性,进一步说明了应重点探讨技术、组织和环境3个方面条件联动对结果的协同效应。

3.2 条件组态的充分性分析

条件组态的充分性分析是指前因条件组合充分地产生结果[43]。Ragin[20]认为一致性阈值不应低于0.75,频数阈值的设定则需要根据样本规模进行调整,中小样本可以为1,而大样本应大于1[47]。基于现有研究成果并结合案例数据分布,本文将一致性阈值设为0.85,频数阈值设为2,PRI 值设为0.75[42]。运用fsQCA3.0 软件对7 个前因条件进行充分性分析,在输出的条件组态中,本文同已有研究一致,主要汇报建设总体解和分路径解的覆盖度和一致性,并分析对应路径的条件组态。

表6共呈现出5种组态,单个解和总体解的一致性水平均高于0.94,大于可接受的最低标准0.75,因此,可以将5种组态视为绿色智慧城市建设的充分条件组合。可以看出,系统内各要素不是简单堆积或叠加,而是相互作用、相互制约、互为存在条件。表6中一致性水平代表前因组态能够达到特定结果的一致性程度,原始覆盖度代表能够解释该组态的案例占比,唯一覆盖度代表仅能被该组态解释的案例占比[29]。

表6 高绿色智慧建设水平的组态分析Tab.6 Configuration analysis of high green smart construction level

3.2.1“数字化和城市化双元驱动型”路径 组态1a与1b。组态1a的高数字化水平和高城市化水平为核心条件,互补高财政资源支持、高上级压力和高技术基础设施为边缘条件,可以产生高绿色智慧建设水平。其一致性水平为0.961,原始覆盖度为0.365,唯一覆盖度为0.038。组态1b的高数字化水平和高城市化水平为核心条件,互补高财政资源支持、高注意力分配和非高技术基础设施为边缘条件,可以产生高绿色智慧建设水平。其一致性水平为0.967,原始覆盖度为0.335,唯一覆盖度为0.030。由于组态1a和1b的核心条件相同,均为高数字化水平和高城市化水平,故将其归类为“数字化和城市化双元驱动型”路径。

组态1a与1b的具体代表城市如图2所示。由图2可以看出,代表城市的经济发展水平和科技水平相对较高,由此产生的人才集聚现象较为明显。以杭州市为例,杭州因地制宜提出了建设绿色智慧城市,把“绿色”和“智慧”作为城市发展的突破路径,着力发展信息、环保、新材料等智慧产业;2014年杭州正式成立的智慧城市研究院是集“政、产、学、研、用”五位一体的智慧城市建设资源整合平台。根据最新发布的《中国城市数字治理报告(2020)》可以看出,杭州的数字治理指数(超越北京、上海、广州和深圳)居全国第一。

图2 组态1a和1b的代表城市Fig.2 Representative cities of configuration 1a and 1b

组态1a与1b的替代关系。组态1a与1b存在明显的替代关系,即在数字化水平、财政资源支持、能源利用效率和城市化水平4个条件状态相同的情况下,组态1a中的高上级压力和高技术基础设施与组态1b中的高注意力分配和非高技术基础设施可以作为边缘条件进行相互替代,达到“殊途同归”的效果。可以发现,上级压力和注意力分配两个条件均属于政府层面对绿色智慧城市建设的影响,但是前者为外部压力,后者则为内部关注度。当出现高数字化和高城市化双元逻辑作为核心条件时,对于上级压力缺乏的城市可选择增强政府自身注意力分配作为辅助。这种选择替代资源进行配置的方法,可以快速高效地实现城市绿色智慧转型升级。具体替代效应如图3所示。

图3 组态1a和1b的替代关系Fig.3 The substitution relationship between configuration 1a and 1b

3.2.2“上级压力和政府注意力双元驱动型”路径组态2a与2b。组态2a的高上级压力和高注意力分配为核心条件,互补高财政资源支持、高能源利用效率、高城市化水平和非高技术基础设施为边缘条件,可以产生高绿色智慧建设水平。其一致性水平为0.964,原始覆盖度为0.334,唯一覆盖度为0.030。组态2b的高上级压力和高注意力分配为核心条件,互补高数字化水平、高财政资源支持、高能源利用效率和高城市化水平为边缘条件,可以产生高绿色智慧建设水平。其一致性水平为0.967,原始覆盖度为0.355,唯一覆盖度为0.022。由于组态2a与2b的核心条件相同,均为高上级压力和高注意力分配,故将其归类为“上级压力和政府注意力双元驱动型”路径。

组态2a与2b的代表城市如图4所示。以北京市为例,在国家正式把“双碳"目标纳入生态文明建设整体布局后,北京市人民政府在“绿色智慧”城市建设上出台多项政策并举办“中欧绿色智慧城市创新实践”交流会。北京2022年冬奥会建设时,在国家财务部和税务局的激励和推动下,北京市人民政府积极响应,投入了大量的人力、物力和财力,奥运会场馆采用风能和水力发电,并采用高新技术实现了冰立方和水立方的相互转换;整个过程实现了碳排放全部中和,在低碳场馆、低碳能源和低碳交通等方面开展了完整的碳中和实践。

图4 组态2a和2b的代表城市Fig.4 Representative cities of configuration 2a and 2b

3.2.3“数字化和城市化双元逻辑下上级压力和政府注意力驱动型”路径 组态3的高数字化水平、高城市化水平、高上级压力和高注意力分配为核心条件,互补高技术基础设施、非高财政资源支持和非高能源利用效率为边缘条件,可以产生高绿色智慧建设水平。其一致性水平为0.948,原始覆盖度为0.280,唯一覆盖度为0.049。与组态1、2 相比,组态3的能源利用效率条件和财政资源支持条件均呈现出边缘缺乏状态。面对这种情况,需要在依托技术基础设施的同时,发挥技术(数字化水平)、组织(注意力分配)和环境(上级压力、城市化水平)3个方面要素的共同核心作用,以达到高水平的绿色智慧建设。同时,可以发现,组态3的核心条件为组态1、2核心条件的并集,因此将组态3命名为“数字化和城市化双元逻辑下上级压力和政府注意力驱动型”路径。

组态3的代表城市为徐州市和济宁市。以济宁市为例,济宁市是山东省的滨水生态旅游城市和淮海经济区中心城市,但是其城市化水平与山东省整体水平相比,仍有较大差距,济宁市在2022年2月的《政府工作报告》中也指出,要加大力度发展“数字济宁”,同时,其也是国家智慧试点城市,因此,推动数字化和城市化的协同发展对济宁市绿色智慧城市建设至关重要。在此基础上,通过上级政府压力和政府本身注意力的倾斜,能够达到高水平的绿色智慧城市建设。

3.2.4整体分析 组态1a和1b呈现出完全互利共栖(或共生)型关系的特征,即数字化水平和城市化水平两个条件会同时出现或同时消失(同时出现在组态1a、1b和组态3,又同时消失于组态2a、2b),彼此的结合会使两方获益,产生的协同效应有效推进了绿色智慧转型进程。在城市化水平较高的城市,其产生的人才集聚现象较为明显,大量人才集聚能够有效推动城市高新技术发展,进而提升整个城市数字化水平。同样,数字化水平较高的城市会吸引大量人才集聚,提升整个城市的城市化水平。两者在同为核心存在条件的情况下,结合技术、组织、环境的其他因素的辅助,能够有效推动整个城市的绿色智慧建设。

组态2a和2b呈现出另一组完全互利共栖(或共生)型关系的特征,即上级压力和注意力分配两个条件也会同时出现或同时消失(同时出现在组态2a、2b和组态3,又同时消失于组态1a、1b),两者存在明显相互增强的效应。上级政府的帮助和推动会对下级政府产生激励效用,促使下级政府的注意力向绿色智慧城市建设方向倾斜,此时,再结合财政、技术和环境等因素的辅助,产生了高绿色智慧建设水平。

3.3 稳健性检验

本文借鉴已有校准方法,通过改变一致性阈值对结果进行稳健性检验[24]。具体将一致性阈值从0.85上调至0.90。通过检验发现结果组态完全一致,因此认为研究结论具有良好的稳健性。

4 中国东、中、西部绿色智慧城市建设路径

绿色智慧城市是与世界生态文明和智能化社会相适应的重要发展方向。目前,中国正面临着实现双碳目标的压力,这种压力对于经济基础、技术水平欠发达的地区而言更为艰难。另外,不同制度环境的差异也可能导致大数据发展水平、政府注意力分配以及财政资源等因素对绿色智慧城市建设水平产生不同的作用效果。因此,本文进一步从东部、中部和西部进行分区域探讨,通过对7个条件进行组态分析,探索在技术、组织、环境三者共同作用下,不同区域的绿色智慧建设路径。具体结果如表7所示。

表7 中国东、中、西部高绿色智慧建设水平的组态分析Tab.7 Configuration analysis of high green wisdom construction level in eastern,central and western China

由表7可以看出,中国东、中、西部的绿色智慧城市建设路径存在明显差异。整体来看,共存在8种组态,单个解和总体解的一致性水平均高于0.95,大于可接受的最低标准0.75。其中,东部地区为组态1～2,高数字化水平、高财政资源支持和高城市化水平为核心条件。可以看出,东部地区的核心条件涉及技术、组织和环境3个方面,由于东部地区自身经济发达,城市建设的财政投入和科技投入水平也相对较高;同时大量人口涌入城市产生明显的人才集聚现象,能够有效提升绿色创新水平。因此,数字化水平、财政资源支持和城市化在东部城市发挥着至关重要的作用。同时,可以发现,组态1的注意力分配与组态2的能源利用效率存在替代关系。

中部地区为组态3～4,高上级压力为核心条件。中部地区经济发展水平、技术水平相对东部较低,自身重污染企业较多,且地理位置位于东西部之间,容易产生污染溢出现象,因此国家高度重视。在上级的主导作用下,结合政府的财政支持、数字化发展和城市化推进等条件的辅助作用,能够有效推动中部地区的绿色智慧建设。同时,可以发现,组态3的财政资源支持和能源利用效率与组态4的注意力分配存在替代关系。

西部地区为组态5～8,可以发现,西部地区的能源利用效率为核心缺乏条件。在这种情况下,需要在城市化水平、数字化水平和注意力分配的联合核心作用下,结合其他因素的辅助,共同推动城市绿色智慧建设。同时,可以发现,组态6的上级压力与组态7的技术基础设施存在替代关系。

综上所述,中国东、中、西部地区受技术水平、组织能力、外部环境等因素的影响,导致不同地区的绿色智慧城市建设路径存在显著差异。

5 结论

本文从组态视角出发,基于TOE 框架,运用NCA 与fsQCA 相结合的方法,以中国234个地级市为观测样本,对绿色智慧城市建设进行组态分析,探讨达到高绿色智慧建设水平的路径。研究结论如下:

(1) 从单一变量观察,技术、组织和环境3个方面的7个因素均不能单独成为绿色智慧城市建设的必要条件,但是“数字化水平+城市化水平”和“注意力分配+上级压力”两个集合构成高绿色智慧建设水平的必要条件。并且由NCA 补充分析可知,较低的数字化水平和城市化水平是产生某种程度绿色智慧城市建设的必要条件。

(2) 从整体路径分析,共存在5条驱动路径,具体可以归纳为3类:数字化和城市化双元驱动型、上级压力和政府注意力双元驱动型以及数字化和城市化双元逻辑下上级压力和政府注意力驱动型。体现了不同城市进行绿色智慧建设的多重实现路径,具有“殊途同归”之效。

(3) 从组间分析,其中,组态1a与1b之间存在替代效应,在其他条件相同的情况下,组态1a中的高上级压力和高技术基础设施与组态1b中的高注意力分配和非高技术基础设施可以作为边缘条件进行相互替代。在这种情况下,可灵活高效地匹配对应战略措施。从组内分析发现,“数字化水平和城市化水平”“注意力分配和上级压力”两组条件出现互利共栖(或共生)的关系,每组中的两个条件同时出现、同时消失,相互作用下产生高绿色智慧建设水平的结果。

(4) 从区域路径来看,东部地区的核心条件涉及技术、组织和环境3个方面;中部地区的上级压力发挥着主导作用;西部地区尽管能源利用效率呈现出核心缺乏状态,但结合其他条件的联合作用,仍能达到高绿色智慧建设水平。组态间也存在明显的差异性(不同地区)和替代关系(相同地区),这也阐释了造成绿色智慧城市发展的前因组态是多样的和有关联的。

本文的理论贡献体现在:

(1) 基于组态理论化视角研究绿色智慧城市建设问题。从组态视角出发,将城市的绿色智慧建设问题与TOE 的3 个维度(技术、组织、环境)相关联,对绿色智慧城市建设进行了更加系统和具体的理论分析,弥补了只基于单一角度(如财政支持、技术支持等)对城市绿色智慧建设进行传统实证分析的不足[43]。探讨了7个影响因素对绿色智慧城市建设的“联合效应”,表明各个条件与绿色智慧建设水平之间关系并不是进行简单的相互替代或互补,而是呈现出两个条件之间的互利共栖(或共生)关系,这也体现了绿色智慧建设的复杂性[23],深层次地解释了影响绿色智慧城市的核心条件及其互动本质。

(2) 分析了“绿色”与“智慧”的协同效应。已有研究多集中于“绿色”层面探讨基础设施、能源消耗和城市化水平等单一因素与城市碳排放之间的相关关系[37,51],或从“智慧”层面分析智慧建设对区域科技创新、经济增长和区域产业结构升级等因素的影响[50,52]。并且,目前对绿色智慧城市的研究也刚刚起步,主要以理论分析为主,指出多因素之间耦合关系研究的重要性[2,3]。本文则关注了“绿色”与“智慧”的协同效应,从整体视角出发,整合了TOE 框架3个维度的相关要素,对绿色智慧城市的建设路径进行深入探讨,揭示了“绿色”与“智慧”两者融合的路径规律,为制度复杂性下的绿色智慧城市建设提供了更为丰富细致的证据和启示。

(3) 以地级市为研究对象。本研究选择全国地级市作为观测样本,更加细粒度地解释了绿色智慧城市建设的因果复杂性,使得研究结果更具普适性,有利于在全国范围内进行政策推广。同时,考虑受地理位置、自然资源等固有属性的影响,城市的绿色智慧建设会呈现出差异化的特征,因此,进一步分析出中国东、中、西部分地区的差异化路径,使得研究结果更具有针对性,为探索高绿色智慧建设水平的建设路径提供了更为细粒度的理论指导。

(4) 基于NCA 与QCA 相结合的方法。以往研究多利用双重差分法或合成控制法等多元化的实证分析方法,对低碳城市建设[41]或智慧城市建设[52]进行探讨。这些研究主要针对单一变量与城市绿色智慧建设的传统实证分析。本文应用NCA与fsQCA 相结合的方法更加细粒度地解释了条件之间必要性关系,揭示了产生高绿色智慧建设水平的多元驱动路径,以及不同组态之间的相互替代关系和组态内部的元素关系。弥补了传统回归方法中只能分析单个变量净效应[43]的局限,有助于缩小该领域在方法论上的差距。

本文基于组态视角对绿色智慧城市建设路径进行研究,得到如下启示:

(1) 不同城市可以根据当地的经济发展水平和资源禀赋,对各要素进行合理配置,调整技术、组织和环境3个方面的因素,优化绿色智慧城市建设影响因素之间的关系。

(2) 重点把握1a与1b组态中的“数字化和城市化”、2a与2b组态中的“注意力分配和上级压力”这两组条件之间的协同效应。当两个条件均为核心存在条件时,应处理好两者的共栖(或共生)关系,优化建设环境,使两者在相互作用时实现利益最大化,进而推动绿色智慧城市建设。

(3)1a与1b存在替代关系,因此,在“数字化和城市化双元驱动型”路径下,可以灵活把握前因条件的适配程度,当上级压力和技术基础设施较弱时,应适当地增加政府注意力进行补充,进而快速高效地实现高绿色智慧建设水平,反之亦然。

(4) 分区域来看,相较于东、中部地区的组态而言,西部地区两组组态呈现出能源利用效率核心缺乏的情况,应加快发展新兴技术和新能源产业发展,通过打造光伏发电、风力发电等新能源产业的方式重点提升能源的利用效率。同时,在维持核心驱动因素的前提下,可以根据实际情况灵活调整战略。其中:东中部地区重点把握注意力分配与能源利用效率的替代关系,当其中一种因素缺少时,及时选择替代资源进行配置;西部地区则应把握上级压力与技术基础设施的替代关系,根据所在城市的环境现状,因地制宜地采取相应战略。

本文从组态视角探讨了绿色智慧城市的动因模型和建设路径,提出了下一步政策建议,但是仍有以下不足:首先,在因素选择上,本文基于TOE 框架研究了绿色智慧城市建设在技术、组织和环境3个方面的影响因素。虽然该框架能够保证研究的科学性,但是仍难以涵盖城市绿色智慧转型中所有影响因素,限制了框架外其他重要影响因素的纳入,后续可以基于其他理论框架进行进一步拓展研究。其次,在数据测量上,注意力分配条件受限于数据的可获得性,采取了间接测量方式,但其本身是一个相对概念,既可以采用政府内部的绩效考核权重进行直接测量,也可以依据政府响应政策的时间间隔进行间接测量,未来可以结合两种测量方式进行进一步细化研究。最后,在研究视角上,本文只对绿色智慧城市建设总指数进行研究,未来可以结合分指数(智慧城市、绿色城市、人文城市)进行深入的对比研究,分析绿色智慧城市建设的分区域路径和整体路径之间的差异性。