智慧城市建设能提高安全生产治理效果吗？

摘 要： 研究如何统筹经济发展与安全生产，防范化解事故风险，具有重要的理论意义和现实价值。采用1999—2023年中国299个城市的面板数据，运用多期双重差分法探索了智慧城市建设对安全生产治理效果的影响。研究发现，智慧城市建设能够显著提高安全生产治理效果。这一结论在替换被解释变量、控制竞争性政策干扰、剔除特殊样本等多种稳健性检验中依旧成立。机制分析表明，智慧城市建设主要通过提高信息技术水平、加快人力资本积累、推动产业结构优化三条路径改善安全生产治理效果。异质性研究发现，智慧城市建设对安全生产治理效果的提升程度会因城市人口规模大小、政商关系健康程度和距离省会（首府）城市远近的不同而存在一定差异。

关键词：智慧城市；安全生产治理效果；政策效应；双重差分

中图分类号：X915.2 文献标志码：A 文章编号：1009-055X（2024）05-0116-16

doi：10.19366/j.cnki.1009-055X.2024.05.011

收稿日期：2024-03-11

基金项目：国家社会科学基金重大项目“智慧社会安全风险治理体系”（21&ZD166）子课题一“智慧社会的安全风险结构、特征与治理关键要素研究”；中国科学技术大学科技人文提升计划项目（KJRW-202303）；安徽省2022年度新时代育人质量工程项目（研究生教育）“MBA/EMBA/MPA专业学位教学案例库”（2022zyxwjxalk003）；中国科学技术大学2021年研究生课程思政建设项目“企业风险与危机管理”（2021kcsz014）。

作者简介：魏玖长（1979—），男，博士，教授，主要研究方向为风险管理。通信作者：王燕（1999—），女，博士研究生，主要研究方向为应急管理。

① 中华人民共和国住房和城乡建设部于2012年印发了《国家智慧城市试点暂行管理办法》和《国家智慧城市（区、镇）试点指标体系（试行）》两个文件，标志着我国智慧城市试点工作的开始。随后，《住房城乡建设部办公厅关于公布2013年度国家智慧城市试点名单的通知》《住房城乡建设部办公厅 科学技术部办公厅关于公布国家智慧城市2014年度试点名单的通知》发布，启动了第二批和第三批国家智慧城市试点工作。

一、引 言

智慧城市建设以现代信息技术为基础，通过融合城市数据、智能设备和管理系统等资源，实现城市发展模式的转变和升级。大力推进智慧城市建设已经成为国家战略。我国在2009年提出建设智慧城市，并分别于2012年、2013年和2014年设立三批次智慧城市试点①。2023年，在新一轮国务院机构改革中，国家数据局组建成立，专门负责协调促进智慧城市建设。随着智慧城市实践的不断推进，智慧城市也成为学术界研究的重要领域。目前，学者们对于智慧城市的研究大致可以分为定性研究和定量研究两类。定性研究主要围绕智慧城市的概念［1］、特征、组成要素、评价体系以及智慧城市建设所面临的挑战等方面［2］展开。定量研究主要探讨了智慧城市建设所带来的影响，包括推动可持续发展［3］、降低环境污染［4］、驱动绿色创新［5］等。已有研究证实了智慧城市建设在环保领域的积极作用［6］，但是学者们对于智慧城市建设在安全领域的作用尚存在争议。一种观点认为，智慧城市可以通过大数据、工业互联网、监控［7］和传感器以及智能应急响应服务实现对各种安全风险的全面感知［8］、准确预测与科学研判，并制定最优的安全管理策略［9］ ，为公民提供更为安全的生活环境［10］。但是，另一种观点认为由于隐私侵犯、技术异化、数字鸿沟、数据滥用、网络攻击、信息操纵、媒体审判、规制失灵以及人为失误和职业道德风险等问题［11］的存在，智慧城市一旦出现技术失控或系统故障，反而会产生新形式的安全风险。

安全是发展的前提。党的十八大以来，以习近平同志为核心的党中央高度重视城市安全建设，明确“人民至上、生命至上”的价值取向，强调要走出一条有中国特色的安全发展之路。生产安全是城市安全的重要组成部分。2018年，中共中央办公厅、国务院办公厅印发《关于推进城市安全发展的意见》，指出城市安全建设要以防范遏制重特大生产安全事故为重点。鉴于城市安全难以衡量，本文以生产安全为切入点，采用1999—2023年中国299个城市的面板数据，探讨智慧城市建设对安全生产治理效果的影响。研究的边际贡献主要体现在以下三个方面：首先，本文从智慧城市建设这一新视角探究其对安全生产治理效果的影响，丰富了安全生产治理方面的研究。现有研究主要探讨了跨区域合作［12］、安全生产目标考核制度［13］、提级调查［14］等对安全生产治理效果的影响，但智慧城市建设在安全生产治理中的作用这一重要问题被忽视。本文运用多期双重差分法评估了智慧城市建设对安全生产治理效果的政策效应，一定程度上弥补了已有文献的不足。其次，研究采用299个城市25期的面板数据，探讨了智慧城市建设对安全生产治理效果的影响机制，可以观测的大样本和多种稳健性检验确保了结论具有较高的可信度，为改善安全生产治理效果提供了政策借鉴。最后，现有文献的异质性分析具有较高的同质性，大多数研究基于东部、中部、西部的地理划分探讨了智慧城市建设的区域异质性［15］。本文结合中国发展的现实背景，从城市人口规模大小、政商关系健康程度和距离省会（首府）远近三个方面来探讨智慧城市建设对安全生产治理效果影响的异质性，丰富了异质性分析的角度和思路。

二、理论基础与研究假设

智慧城市是城市管理智能化、高效化的发展阶段，其建设主要借助物联网、云计算、大数据等信息技术对城市的基础设施、公共服务、社会管理、产业发展等进行全方位升级和优化［4］。研究表明，智慧城市试点政策的实施，可以有效控制城市日常生产经营活动中各领域的不安全因素，实现城市安全治理的数字化、网络化和智能化［16］。

（一）智慧城市建设对安全生产治理效果的影响

智慧城市建设对安全生产治理效果的影响主要体现在以下五个方面：第一，生产技术水平低是导致安全生产事故发生的重要因素［17］。通过智慧城市建设，可以集聚科技创新资源，建设科技人才队伍，发展新型的维护生产安全的技术和设备，提高安全生产的技术水平，进而降低事故发生率。第二，依托智慧城市建设的契机，打造集风险感知、数据采集、问题反馈、监测预警、智慧决策、分级响应、统筹评估于一体［18］的智慧应急管理平台，可以实现安全生产管理流程的自动化，降低生产过程中的不确定性，提高事故预防和应急响应的能力。第三，智慧城市建设可以加快安全生产领域的信息共享。智慧共享平台是智慧城市建设的重要内容，有利于打破信息孤岛，加强企业、政府和社会行动者内部以及彼此之间实时的数据交换、信息沟通和知识共享［19］。通过对安全生产信息资源的全面感知、全面挖掘、全面整合、全面分析、全面共享以及全面协调，促进企业、政府及社会行动者之间的互联互通，增进彼此信任，开展在安全生产治理领域的联合行动，进而提升安全生产治理效果。第四，智慧城市建设可以提高公民的安全意识和应急能力。Olak等［20］对波兰三家制造公司的工人进行了问卷调查，发现智能技术的使用对工人的安全知识、安全态度和安全行为都有积极影响。智慧城市建设可以推动智能技术的普及，使获得包容和公平的教育以及终身学习机会成为一个更容易实现的目标［21］。公众可以通过智能手机应用、社交媒体和公共信息平台等获取有关安全生产的信息和知识，提高对安全风险的认知和应对能力。第五，智慧城市建设可以推动安全生产领域的协同治理。有研究表明，社交媒体、电子政务等是扩展参与式民主、推动协商社会进程、实现响应式治理的重要手段［22］。随着智慧城市建设的深入推进，以互联网为代表的信息技术的迅速发展使得政府部门和生产企业的安全管理呈现扁平化和开放性趋势，丰富了公众、媒体、社会组织等参与安全生产治理的渠道。根据协同治理理论，多方利益主体的合作参与有助于提高安全生产治理效果［23］。综合上述分析，提出假设H1：

H1：智慧城市建设有利于提升安全生产治理效果。

（二）智慧城市影响安全生产治理效果的作用机制

为深入探究智慧城市建设对安全生产治理效果的影响机制，本文尝试从信息技术水平、人力资本积累和产业结构优化三个维度出发，分析智慧城市建设影响安全生产治理效果的作用机制。

1.信息技术水平

信息化是智慧城市建设的重要指标［24］。政府为推动智慧城市试点政策，会加快全光网络、环境传感器、物联网等信息基础设施建设，加大对人工智能、大数据、云计算、区块链等信息技术的研发投入。有研究表明，智慧城市建设显著促进了全国层面城市的信息技术发展［25］，而信息技术的发展可以提升安全生产治理效果。一方面，信息技术可以优化生产安全监测和预警体系。根据数字治理理论，技术在风险的精准研判、及早预警和紧急处置等方面具有突出优势［26］。传感器网络、视频监控和智能设备的广泛应用，可以全方位监测生产过程，实时收集、处理、分析和报告多源的安全数据，包括设备运行状态、维修保养情况和环境参数等，使我们及时发现异常情况并采取措施规避事故风险［27］。另一方面，信息技术可以辅助安全生产领域的科学决策。Pereira等［28］认为信息技术可以有效优化公共决策过程，推动政府安全生产政策制定过程的自动化、科学化和智能化。借助信息技术进行政策推演、模拟，找出最优选择，可以有效降低制定决策的成本、提高决策的时效性以及尽可能地降低安全生产决策本身的风险。在应急响应过程中，技术驱动型决策往往比人工决策更有优势，这是资源快速部署的重要前提。据此，提出假设H2：

H2：智慧城市建设可以通过提高信息技术水平改善安全生产治理效果。

2.人力资本积累

已有研究不仅关注智慧城市建设中技术的作用，而且关注创造和使用技术的人的作用［29］。智慧城市建设有赖于一批具有较高知识水平、信息素养和创新能力的专业人才［30］。为落实智慧城市试点政策，地方政府往往会推出一系列优惠的落户政策和一揽子扶持措施吸引高学历、高素质人才，如青年人才安居工程等，同时以智慧城市所创设的宜居的生活环境和多元的就业机会留住人才［31］。因此，智慧城市的试点地区往往可以汇聚各领域的专业人才，具有较高的人力资本水平［32］，而人力资本是安全生产治理的关键要素［33］。根据事故致因理论，人的不安全行为是事故发生的重要原因［34］。有研究表明，安全知识正向影响安全绩效［35］，教育干预可以增强工人的安全意识以及提高其对工作场所安全政策和程序的普遍认知［36］，减少人的不安全行为的发生。一般认为，受教育程度较高的个体往往表现出更强的安全意识和更积极的安全行为，他们对安全问题的敏感度、对生命的理性思考、对事故后果的预见能力以及对复杂情境的谨慎处理，都有助于降低由于人为操作失误导致的安全事故发生的概率。此外，高素质公众往往饱含公益热情，具有较高的社会应急意识，有能力也热衷于调动其人力、物力、财力等资源，高效参与安全事故后的救护、整改与反思等工作，最大限度地减少安全生产事故的负面影响。基于此，提出假设H3：

H3：智慧城市建设可以通过加快人力资本积累提升安全生产治理效果。

3.产业结构优化

智慧城市建设可以淘汰风险产业以降低安全生产事故发生的可能性。智慧城市是一项由中央向地方高位推动的试点政策，试点地区的地方政府会加大对产业结构的规制力度［37］，更倾向于集中注意力优先发展新型技术产业。政府资源要素投入的战略导向会进一步激发市场行为，不断催生出互联网金融、新能源、智慧文旅、电子商务、数据咨询与分析等大量新产业、新模式和新业态，而这些新涌现的产业多为安全事故发生率较低的第三产业。因此，智慧城市建设可以通过构建智慧产业集群，淘汰落后高危的传统产业，削弱城市经济发展对安全事故高发的第二产业的依赖性，进而提升安全生产治理效果。同时，智慧城市建设可以促进安全相关产业的发展，形成安全生产治理的完整产业链。随着智慧城市建设的推进，针对科技设备和智慧系统的安全维护、设备保养、安全工具研发、软件更新、运营管理、安全培训以及安全评估和认证等衍生产业会加速崛起，为安全生产治理提供配套服务。这种完整的产业链有助于形成规模效应和协同效应，提高安全生产治理的整体效果。根据上述理论分析，提出假设H4：

H4：智慧城市建设可以通过推动产业结构优化提升安全生产治理效果。

三、研究设计

在理论探讨的基础上，本文将通过实证分析对智慧城市建设与安全生产治理效果之间的关系作进一步检验，以提高研究结论的科学性和可靠性。

（一）样本选择与数据来源

为验证智慧城市建设对安全生产治理效果的影响，本文选取了1999—2023年中国299个城市的面板数据进行实证检验。考虑数据的可获得性，研究样本中不包含我国港澳台地区。安全生产治理效果的数据来源于国泰安金融数据库（China stock market & accounting research database，CSMAR）并结合《中国安全生产年鉴》、百度百科进行补充。智慧城市试点政策实施情况通过百度百科手动收集。中介变量和控制变量的数据来源于《中国城市统计年鉴》和全球统计数据分析平台（economy prediction system，EPS）。所有数据均为官方公开数据，可靠性较高。本文运用Stata 17.0统计软件进行数据分析。

（二）变量选择与说明

本文的被解释变量为安全生产治理效果。安全生产治理效果是指生产安全状况改善和风险控制的实际成效，事故率和事故严重程度的降低是其重要表征。本文从安全生产治理的结果导向出发，以安全生产事故频率（某城市一年内发生的安全事故的次数）逆向测算安全生产治理效果［38］，同时以某城市一年内安全生产事故的死亡人数进行稳健性检验［39］。本文的核心解释变量为智慧城市建设（DID），通过构造分组虚拟变量Treatedi和时间虚拟变量Timet获得，即DIDit=Treatedi×Timet。若某城市实施了智慧城市试点政策，则设定为实验组且Treatedi取值为1；否则设定为控制组且Treatedi取值为0。政策实施当年及之后Timet取值为1；其余取值为0。本文的中介变量有3个：一是信息技术水平，采用信息传输、计算机服务和软件业从业人员数［40］三个指标进行测量。二是人力资本积累，以平均受教育年限为测量指标。平均受教育年限参考陈熠辉等［41］的计算方式，根据第五次全国人口普查、第六次全国人口普查、第七次全国人口普查结果进行整理，并对中间年份数据进行线性插值。三是产业结构优化，选取城市规模以上工业企业数作为逆向代理变量加以测量。考虑到不同城市之间的特征差异较大，本文借鉴胡务等的研究［42］，控制了经济发展水平、产业结构、人均工资、财政支出、财政收入、科学支出、第二产业从业人数等变量，以更加准确地评估智慧城市建设对安全生产治理效果的影响。为了保证正态分布，对上述控制变量进行对数化处理。具体变量的定义和测量如表1所示。

（三）模型构建

近年来，在计量经济学中，双重差分法常被用于定量评价公共政策或项目的实施效果。由于国家智慧城市试点政策分批次推行，每个城市开展智慧城市建设的时间不同，因此本文采用多期双重差分法，构建以下双向固定效应计量模型，以此来识别智慧城市建设对安全生产治理效果的影响。

Yit=α0+α1DIDit+αControlit+ωi+vt+εit（1）

式中，下标i和t分别表示城市与时间；Yit为被解释变量，代表i城市在第t年的安全生产治理效果；α0为常数项；DIDit为核心解释变量，如果i城市在第t年实施智慧城市试点政策，那么DIDit=1，否则为0；Controlit表示一系列会影响安全生产治理效果的控制变量；α为控制变量影响系数；ωi为地区固定效应，用来控制不随时间变化而随个体变化的遗漏变量；vt为时间固定效应，用以控制不随个体变化而随时间变化的遗漏变量；εit为随机扰动项。在该模型中，系数α1是本文关注的核心参数，它衡量的是智慧城市建设对安全生产治理效果的净效应。安全生产治理效果采用安全生产事故频率作为逆向代理变量，如果智慧城市建设确实改善了安全生产治理效果，那么系数α1应该显著为负。

四、实证结L+XWxhiSIkOVOITbwnhm8Q==果分析

本部分通过对描述性统计、基准回归结果、平行趋势检验、稳健性检验、异质性分析、影响机制检验的结果进行全面解读，为后续的结论与启示提供依据。

（一）描述性统计

在回归分析之前，本文首先进行描述性统计分析，结果如表2所示。安全生产治理效果的均值为1.86，最小值为0，最大值为62，表明被解释变量有较高的变异程度，有必要进行进一步的实证检验。智慧城市建设虚拟变量的平均值为0.23，意味着有23%的样本为实验组，77%的样本为控制组。

（二）基准回归结果

表3报告了智慧城市建设影响安全生产治理效果的基准回归结果。模型1为未纳入控制变量的回归结果，模型2是在模型1的基础上加入控制变量的结果。考虑到安全生产事故的震慑效应、地方政府的危机学习效应以及智慧城市试点政策效果发挥的时滞性，上一期的安全生产治理效果在某种程度上会对当期产生影响，所以模型3在模型2的基础上纳入了滞后一期的被解释变量进行分析。可以发现，上述三个模型中，智慧城市建设虚拟变量的估计系数均在1%的置信水平上显著为负，说明智慧城市建设有利于提升安全生产治理效果，假设H1成立。

（三）平行趋势检验

实验组和控制组满足平行趋势假设是双重差分法适用的前提条件。本文借鉴已有研究所采取的事件分析法［43］，构建如下模型进行平行趋势检验：

Yit=β－5DID－5+β－4DID－4+β－3DID－3+…+β0DID0+…+β5DID5+β6DID6+βControlit+ωi+vt+εit（2）

式中，DID0表示智慧城市试点政策开始实施年份的虚拟变量；DID-n表示智慧城市试点政策开始实施前n年的虚拟变量，n= 1，2，3，4，5；DIDm表示智慧城市试点政策实施后m年的虚拟变量，m = 1，2，3，4，5，6；β-5，β-4，…，β5，β6为估计参数。平行趋势检验只保留政策实施前5年和政策实施后6年的数据。由于智慧城市试点政策并非同时在所有城市实施，因此城市不同，DID0所对应的年份也不同。图1报告了以安全生产治理效果作为被解释变量的估计参数｛β-5，β-4，…，β5，β6｝的大小及对应的90%置信区间。可以发现，在实施智慧城市试点政策前的年份，虚拟变量的估计系数均未通过10%的显著性检验，说明原先实验组和控制组样本的安全生产治理效果具有类似的时间趋势。试点政策实施之后实验组与控制组相比安全生产事故频率出现显著下降，这并非事前差异的结果，而是由智慧城市建设引起的，且该政策效应存在一年的滞后。

（四）稳健性检验

为提高研究结论的可信度，本文进行了倾向得分匹配、安慰剂检验、控制竞争性政策干扰、替换被解释变量、剔除特殊样本等多种稳健性检验。

1.倾向得分匹配（propensity score matching，PSM）

为克服样本选择性偏差，本文采用倾向得分匹配法验证智慧城市建设对安全生产治理效果的影响。选取经济发展水平、产业结构、财政收入、财政支出、科学支出和第二产业从业人数作为协变量，运用最近邻匹配的方法为实验组匹配控制组。平衡性检验结果显示，匹配后的标准化偏差的绝对值均小于10%，p值均大于0.1，说明经过匹配的实验组和控制组差异较小。PSM匹配前后的核密度图分别如图2、图3所示。由图2和图3可知，匹配前实验组和控制组的核密度曲线偏差较大，而匹配后两条核密度曲线更为接近，说明匹配效果很好。由此我们可以利用PSM后的样本进行回归。回归分析结果见表4中的模型7和模型8，可以发现无论是否对控制变量加以控制，智慧城市建设虚拟变量的估计系数均在0.01水平上显著为负。换用半径匹配和核匹配的方式重新匹配后，智慧城市试点政策的实施对安全生产治理效果的促进作用依然显著。

2.安慰剂检验

为排除非政策因素的影响，本文随机设置实施智慧城市试点政策的城市，并重复该过程500次，结果如图4所示。可以发现，随机抽样系数以零为均值，呈正态分布，大多集中在-0.3～0.3之间，而真实事件下的DID系数为-0.606，完全处于随机实验回归系数分布之外。这说明安全生产事故频率降低正是由智慧城市建设引起的。

3.控制竞争性政策干扰

在评估智慧城市建设对安全生产治理效果的影响过程中，不可避免地会受到其他政策的干扰，从而高估或低估智慧城市的政策效应，因此有必要排除其他政策因素的影响。经梳理发现，与智慧城市试点政策同时期实施并且可能会对安全生产治理效果产生影响的其他政策如下：一是挂牌督办制度。2010年9月，国务院安全生产委员会出台了《重大事故查处挂牌督办办法》，随后中华人民共和国应急管理部（原国家安全生产监督管理总局）官网开始公布挂牌督办信息。本文通过构建虚拟变量supervise来表示挂牌督办制度对安全生产治理效果的影响：如果i城市在第t年有安全生产事故被挂牌督办，那么变量 superviseit=1；否则取值为0。二是创新型城市试点政策。2008年，中华人民共和国国家发展和改革委员会在深圳启动创新型城市试点工作，随后又分别在2010年、2011年、2012年、2013年、2018年和2022年对试点城市的范围进行了扩充。本文构建innovate作为创新型城市分组虚拟变量和时间虚拟变量的交叉项。三是安全发展示范城市试点政策。2013年，《国务院安委会办公室关于开展安全发展示范城市创建工作的指导意见》发布，开启了安全发展示范城市的创建工作。本文构建虚拟变量safe来表示安全发展示范城市试点政策对安全生产治理效果的影响。四是“海绵城市”试点政策。“海绵城市”于2012年提出，2015年开展第一批城市试点，2016年又将北京、三亚、宁波、西宁等城市纳入试点名单。本文构建虚拟变量sponge来表示“海绵城市”试点的政策冲击。为识别智慧城市建设的净效应，本文分别将上述政策作为控制变量纳入基准回归模型中。控制竞争性政策干扰的回归结果如表5所示。由表5可知，控制其他竞争性政策干扰后，智慧城市建设依然能显著降低安全生产事故频率。

4.其他稳健性检验

为确保结论的可靠性，本文进一步采取了如下稳健性检验：第一，用安全生产事故的死亡人数替换被解释变量，以避免安全生产治理效果的测算方式所引起的结果偏差，结果见表3模型4—模型6。第二，鉴于副省级城市、省会及以上城市与其他城市相比，可能存在行政级别的特殊性、智慧城市建设资源和安全治理资源的差异性，故分别剔除了广州、青岛等15座副省级城市和北京、南京、合肥等省会及以上城市以控制特殊样本导致的结果偏差，表6模型17和模型18分别汇报了回归结果。第三，将所有控制变量滞后一期再次进行检验，结果如表6模型19所示。第四，分别对被解释变量进行1%缩尾和1%截尾处理，以降低安全生产事故频率的极端离群值对基准回归结果产生的影响，结果如表6的模型20和模型21所示。上述稳健性检验结果均表明智慧城市建设对安全生产治理效果的提升作用显著存在。

（五）异质性分析

前面已经证实智慧城市建设能够显著提升安全生产治理效果，但是这种影响是否会因城市特征的不同而存在显著差异？为此，本文从城市人口规模大小、政商关系健康程度和距离省会（首府）城市远近三个方面，进一步探讨了智慧城市建设对安全生产治理效果影响的异质性。异质性检验结果如表7所示。

首先是基于人口规模的异质性。研究划分了三种规模的城市：一是人口规模小于500万人的城市，二是人口规模介于500万人到1000万人之间的城市，三是人口规模大于或等于1000万人的城市。在此基础上，研究进行了分组回归，结果如表7模型22—模型24所示。可以得知，在人口规模小于500万人的城市，智慧城市建设有提高安全生产治理效果的趋势，但影响不显著。原因可能在于，规模小的城市缺乏相应的配套基础设施，即使被纳入智慧城市试点范围，也难以有效推动政策落地并发挥出其应有的效应。对于人口规模在500万人到1000万人之间的城市而言，智慧城市建设可以显著降低安全生产事故频率，提升安全生产治理效果。原因可能在于，规模较大的城市具有集聚效应，能够吸纳各方优势资源，可支配资源配置和利用效率都较高，可以有效支撑智慧城市建设，进而最大限度地发挥出智慧城市试点政策的价值和功效，提升安全生产治理效果。对于人口规模超过1000万的城市而言，开展智慧城市建设对提升其安全生产治理效果的边际影响也不显著。原因可能在于，规模过大的城市容易产生拥挤效应，导致一系列城市病，削弱了智慧城市建设的政策效果；也可能是因为安全生产治理主要关注采掘业、制造业、建筑业等第二产业的安全，而这些领域在倾向发展第三产业的超大规模城市中的占比相对较低。超大规模城市的产业禀赋本身的安全事故风险不高，因而智慧城市政策的边际效益不显著。以上结论说明，智慧城市建设对安全生产治理效果的提升作用会随着城市人口规模的不同而显著不同。

其次是基于政商关系的异质性。安全生产治理有赖于政府和企业的通力合作，政商关系对安全生产治理效果有重要影响。根据中国人民大学国家发展与战略研究院发布的中国城市的政商关系健康指数［44］，研究以中位数为界，将样本分为政商关系健康程度低的城市和健康程度高的城市。两组子样本的回归结果如表7模型25、模型26所示。可以发现，在政商关系健康程度低和健康程度高的城市，智慧城市建设对安全生产治理效果都有显著影响，但系数存在一定差异。究其原因，可能是因为积极健康的政商关系为智慧城市建设提供了良好的基础，使得政企之间在安全生产领域的信息共享更为顺畅，进而能够更有效地开展联合行动，提升安全生产治理效果。

最后是距离省会（首府）城市远近的异质性。研究以各市与其省会（首府）城市的距离的中位数为界，将样本分为靠近省会（首府）城市组和远离省会（首府）城市组。各市与省会（首府）城市距离的计算方法参考Jensen等［45］的做法，公式如（3）所示。

S=R×arccos［sinθ1sinθ2+cosθ1cosθ2cos（φ2－φ1）］×π180（3）

式中，S表示各市与其省会（首府）城市的距离；R是地球的半径；θ1和φ1表示各市的纬度与经度；θ2和φ2表示其所在省（自治区）的省会（首府）城市的纬度与经度。

由表7模型27和模型28可知，在靠近省会（首府）的城市，智慧城市建设能显著提高安全生产治理效果，而在远离省会（首府）的城市，智慧城市建设有提高安全生产治理效果的趋势，但影响不显著。原因可能在于，省会（首府）往往是该地区的政治、经济、文化和技术中心，也是各类资源的汇聚地，有研究表明省会（首府）资源的溢出效应随着距离的增加而递减［46］。远离省会（首府）的城市难以受到省会（首府）的资源辐射，开展智慧城市建设所需的人力、物力、财力以及政府和社会的注意力资源都较为匮乏，智慧城市试点政策的落地和实施面临困难，难以充分发挥其预期效果。

（六）影响机制检验

上述实证结果表明智慧城市建设能够显著提升安全生产治理效果，那么该影响是如何实现的呢？根据研究假设，智慧城市建设可以通过提高信息技术水平、加快人力资本积累、推动产业结构优化这三条路径对安全生产治理效果产生影响。为验证上述作用机制，我们借助Imai等［47］提出的因果中介分析方法进行中介效应检验，设定如下检验模型：

Mit=γ0+γ1DIDit+γControlit+ωi+vt+εit（4）

Yit=δ0+δ1DIDit+δ2Mit+δControlit+ωi+vt+εit（5）

式中，Mit表示中介变量；γ0和δ0为常数项；γ1系数和δ1表示智慧城市建设对安全生产治理效果的影响效应；γ和δ为控制变量影响系数，δ2为中介变量影响系数。

参照检验步骤，本文分别将信息技术水平、人力资本积累和产业结构优化作为中介变量代入上述方程进行回归处理，结果如表8所示。由模型29和模型30可知，智慧城市建设可以通过提高信息技术水平降低安全生产事故频率，进而提高安全生产治理效果，假设H2得到验证。由模型31和模型32可知，智慧城市试点政策对人力资本积累的系数在1%的置信水平下显著为正，而人力资本积累对安全生产事故频率的系数显著为负，说明智慧城市建设对安全生产治理效果的提升作用部分通过人力资本积累传导，假设H3得到验证。由模型33和模型34可知，智慧城市建设可以通过推动产业结构优化改善安全生产治理效果，假设H4得到验证。

五、结论与启示

如何有效防范安全事故风险，提高安全生产治理效果，是各级地方政府面临的现实问题，也是学术界讨论的重要课题。本文采用我国299个城市25期的面板数据，并以2012年以来推行智慧城市建设的三批次试点城市作为准自然实验对象，运用多期双重差分法探索了智慧城市建设对安全生产治理效果的影响。实证研究发现：智慧城市建设可以通过提高信息技术水平、加快人力资本积累、推动产业结构优化这三条路径提升安全生产治理效果，但提升程度会因城市人口规模大小、政商关系健康程度和距离省会（首府）城市远近的不同而存在一定差异。研究通过一系列稳健性检验验证了上述结论的可靠性。

基于上述研究结论，本研究的政策启示有以下几点：

首先，深入推进智慧城市建设。多维度完善智慧城市试点政策体系，逐步扩大试点城市范围，最大限度地发挥智慧城市建设对安全生产治理效果的提升作用。

其次，不断完善智慧城市建设提高安全生产治理效果的传导机制。依托智慧城市建设契机，拓展信息技术应用广度和深度，政学商联动创设人才培育和引进平台，优化战略性新兴产业布局，不断推动安全生产治理体系和治理能力现代化。具体而言，一是提高信息技术水平。加大对高速宽带网络、云计算平台等信息基础设施的投资力度，以大数据建设为中心，以新技术运用为突破口，以“基础平台+创新产品+行业应用”的一体化研发思路为导向，推动信息技术在安全生产治理领域的广泛应用，为安全生产监测、预警和应急响应提供强大的技术支持。二是加快人力资本积累。注重城市软实力建设，联合高校和科研院所等提高教育质量，强化人才培养，促进技能培训，营造终身学习的社会氛围。从发展前景、工作机会、社会保障、生活质量等方面入手，推动城市“引智”“引才”计划的落地实施［25］，持续不断地为安全生产治理提供人才支持。三是推动产业结构优化。打造创新创业生态系统，包括孵化器、科技园区、创投基金等，为新兴产业提供税收优惠、政府补贴等配套措施，吸引和扶持新经济形态和高技术产业的成长与发展。同时，促进传统产业的转型升级，提高其技术含量和附加值，优化产业链条和价值链，促进跨界合作和产业集群发展，全力推动产业结构向高端、安全、可持续发展的方向调整。

再次，良好的政商关系有利于政府与企业形成安全生产治理合力，进而最大化地发挥智慧城市建设的政策效果。地方政府有必要采取措施营造积极健康的政商关系，如关心企业发展，为企业提供优质的公共服务，减轻企业税负，不断提高政府廉洁度和透明度等。

最后，智慧城市的建设效果与城市自身特征有较大关联。地方政府应因地制宜，探索符合城市特色的智慧城市发展和安全生产治理道路。省会（首府）城市附近和人口规模适中的城市要充分把握智慧城市建设的红利所带来的比较优势，依托智慧城市建设，实现城市安全生产治理体系的精细化、信息化与智能化。其他城市要积极探索改善安全生产治理效果的其他方法，如更新安全生产理念、强化安全生产意识、压实安全主体责任，推进安全生产风险专项整治工作，加强重点行业、重点领域的安全监管等，以促进安全生产治理效果的综合提升。

参考文献：

［1］ YIGITCANLAR T，KANKANAMGE N，VELLA K. How are smart city concepts and technologies perceived and utilized？ A systematic geo-twitter analysis of smart cities in Australia［J］.Journal of Urban Technology，2021，28 （1-2）： 135-154.

［2］ SILVA B N，KHAN M，HAN K. Towards sustainable smart cities： a review of trends，architectures，components，and open challenges in smart cities［J］.Sustainable Cities and Society，2018，38： 697-713.

［3］ CAI M，KASSENS-NOOR E，ZHAO Z，et al. Are smart cities more sustainable？ An exploratory study of 103 U.S. cities［J］.Journal of Cleaner Production，2023，416： 1-7.

［4］ 石大千，丁海，卫平，等. 智慧城市建设能否降低环境污染［J］.中国工业经济，2018，363（6）：117-135.

［5］ 吴鸣然，黄卫东. 智慧城市建设对城市绿色创新效率的直接影响与扩散效应——基于173个城市的“准自然实验”［J］.软科学，2024，38（3）：29-36.

［6］ SU Y X，HU M Z，YU X F. Does the development of smart cities help protect the environment？［J］.Journal of Environmental Planning and Management，2023，66 （3）： 572-589.

［7］ PALI B，SCHUILENBURG M. Fear and fantasy in the smart city［J］.Critical Criminology，2019，28 （4）： 775-788.

［8］ 吴俊杰，郑凌方，杜文宇，等.从风险预测到风险溯源：大数据赋能城市安全管理的行动设计研究［J］.管理世界，2020，36（8）：189-202.

［9］ RISTVEJ J，LACINK M，ONDREJKA R. On smart city and safe city concepts［J］.Mobile Networks and Applications，2020，25 （3）： 836-845.

［10］ ZHU H Y，SHEN L Y，REN Y T. How can smart city shape a happier life？ The mechanism for developing a happiness driven smart city［J］.Sustainable Cities and Society，2022，80： 1-15.

［11］ 肖立志，李琼. 智慧城市安全风险表现及其治理效能研究——基于风险社会理论视角的考察［J］.学习论坛，2023，446（2）：74-81.

［12］ 王凡凡，管兵.跨区域合作改善了城市安全生产治理效果？——基于珠三角地区扩容的实证检验［J］.公共管理评论，2022，4（1）：26-49.

［13］ 姜雅婷，柴国荣.目标考核如何影响安全生产治理效果：政府承诺的中介效应［J］.公共行政评论，2018，11（1）：166-186，223.

［14］ 周明星，王子成，刘慧婷.提级调查、官员腐败与地方安全生产治理效果——来自湖南省14个地级市准自然实验的经验证据［J］.公共管理评论，2021，3（4）：162-186.

［15］ WANG S Y，ZHANG R W，WAN L，et al. Has central government environmental protection interview improved air quality in China？［J］.Ecological Economics，2023，206： 1-12.

［16］ 杨苏，王雯婷. 智慧城市试点政策对城市安全水平的影响研究——基于区域异质性的视角［J］.中国安全生产科学技术，2023，19（1）：169-175.

［17］ 史恭龙，张尧轶，李红霞，等. 安全投入、技术创新对采掘业经济效益的影响：门槛效应模型［J］.中国安全科学学报，2022，32（8）：9-15.

［18］ 陶振. 迈向智慧应急：组织愿景、运作过程与发展路径［J］.广西社会科学，2022（6）：120-129.

［19］ KUSUMASTUTI R D，NURMALA N，ROULI J，et al. Analyzing the factors that influence the seeking and sharing of information on the smart city digital platform： empirical evidence from Indonesia［J］.Technology in Society，2022，68：1-13.

［20］ OLAK A J，HEJDUK I，KARWOWSKI W，et al. The relationships between the use of smart mobile technology，safety knowledge and propensity to follow safe practices at work［J］.International Journal of Occupational Safety and Ergonomics，2021，27 （3）： 911-920.

［21］ BURBULES N C，FAN G，REPP P. Five trends of education and technology in a sustainable future［J］.Geography and Sustainability，2020，1 （2）： 93-97.

［22］ SAEBO O，ROSE J，FLAK L S. The shape of eParticipation： characterizing an emerging research area［J］.Government Information Quarterly，2008，25 （3）： 400-428.

［23］ 任慧颖.应急志愿服务的多主体-全过程联动研究——基于公共危机协同治理理论的视角［J］.理论学刊，2022（1）：152-160.

［24］ 辜胜阻，王敏. 智慧城市建设的理论思考与战略选择［J］.中国人口·资源与环境，2012，22（5）：74-80.

［25］ 林小莉，王德起. 智慧城市建设能促进绿色发展吗？——基于“准自然实验”的证据［J］.技术经济，2022，41（11）：104-113.

［26］ 蔡翠红. 数字治理的概念辨析与善治逻辑［N］.中国社会科学报，2022-10-13（05）.

［27］ HUANG L，WU C，WANG B. Challenges，opportunities and paradigm of applying big data to production safety management： from a theoretical perspective［J］.Journal of Cleaner Production，2019，231： 592-599.

［28］ PEREIRA G V，CUNHA M A，LAMPOLTSHAMMER T J，et al. Increasing collaboration and participation in smart city governance： a cross-case analysis of smart city initiatives［J］.Information Technology for Development，2017，23 （3）： 526-553.

［29］ MEIJER A.Governing the smart city： a review of the literature on smart urban governance［J］.International Review of Administrative Sciences，2016，82 （2）： 392-408.

［30］ 张驰，王满仓. 科技金融对城市产业结构升级的影响研究——基于“促进科技和金融结合试点”政策的准自然实验［J］.经济问题探索，2023（1）：73-86.

［31］ 马静，吴利华. 智慧城市试点对城市绿色创新的影响机制研究——基于TOE理论框架的分析［J］.城市问题，2022（12）：66-76.

［32］ 许钊，高煜，霍治方. 智慧城市建设与数字普惠金融发展：作用机制与经验证据［J］.财经论丛，2023（3）：47-56.

［33］ WU Z H，YIN B J，NING P P. The influence of team human capital on safety performance of engineering project team： the mediating role of safety citizenship behavior［J］.IEEE Access，2021，9： 65560-65573.

［34］ 周刚，程卫民，诸葛福民，等.人因失误与人不安全行为相关原理的分析与探讨［J］.中国安全科学学报，2008（3）：10-14，176.

［35］ 马振鹏，俞秀宝，吴宗法，等.安全知识对安全绩效的影响机制研究［J］.中国安全科学学报，2016，26（7）：141-146.

［36］ ZEIDI I M，PAKPOR A H，ZEIDI B M. The effect of an educational intervention based on the theory of planned behavior to improve safety climate［J］.Iran Occupational Health，2013，9 （4）： 30-40.

［37］ 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，2021，14（4）：25-44，196.

［38］ KALTEH H O，MORTAZAVI S B，MOHAMMADI E，et al. The relationship between safety culture and safety climate and safety performance： a systematic review［J］.International Journal of Occupational Safety and Ergonomics，2021，27 （1）： 206-216.

［39］ 王凡凡，文宏. 地方安全生产治理绩效影响了官员晋升吗？——基于中国省级面板数据的实证检验［J］.经济社会体制比较，2021（4）：95-107.

［40］ 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，2022，238（6）：132-149.

［41］ 陈熠辉，蔡庆丰，王斯琪. 人口老龄化、企业债务融资与金融资源错配——基于地级市人口普查数据的实证研究［J］.金融lMEV++YiMlDkifATWyBLQ4AyssmwIxo7GtQ1MhtUJac=研究，2023（2）：40-59.

［42］ 胡务，李天驹. 工伤预防试点政策对安全生产治理效果评估［J］.保险研究，2023（7）：92-102.

［43］ 王凡凡. 挂牌督办改善地方安全生产治理效果了吗？——基于双重差分法的实证检验［J］.公共行政评论，2021，14（1）：191-216，225.

［44］ GAO Y，CAI Y，TENG Z Q，et al. Government-business relations and corporate cash holdings： evidence from China［J］.Asia-Pacific Journal of Financial Studies，2022，51 （6）： 914-944.

［45］ JENSEN K，KIM J M，YI H. The geography of US auditors： information quality and monitoring costs by local versus non-local auditors［J］.Review of Quantitative Finance and Accounting，2015，44 （3）： 513-549.

［46］ 王守坤，王菲. 智慧城市建设能否抑制雾霾污染？——兼论其对经济增长的影响［J］.电子科技大学学报（社科版），2024，26（1）：63-74.

［47］ IMAI K，KEELE L，YAMAMOTO T. Identification，inference and sensitivity analysis for causal mediation effects［J］.Statistical Science，2010，25 （1）：51-71.

Can Smart City Construction Improve the Performance of Production Safety Governance？

—Based on the Panel Data of 299 Cities in China by Time-varying Difference-in-difference Method

WEI Jiuchang WANG Yan

（School of Public Affairs，University of Science and Technology of China，Hefei 230026，Anhui，China）

Abstract：The research has important theoretical significance and practical value to coordinate economic development with safety production and prevent accident risk. Based on the panel data of 299 cities in China from 1999 to 2023，this study explored the impact of smart city pilot policy on the performance of production safety governance by using time-varying difference-in-difference method. It is found that smart city construction can significantly improve the performance of production safety governance. The finding remains valid after various robustness tests such as replacement of dependent variable，exclusion of other policy interference and removal of special samples. Mechanism analysis shows that smart city construction improves the performance of production safety governance mainly through improving the level of information technology，accelerating the accumulation of human capital and promoting the optimization of industrial structure. Heterogeneity research shows that the improvement of the effect of smart city construction on production safety governance will vary due to the urban population size，the healthy degree of the relationship between government and business，and the distance from the provincial capital cities.

Key words： smart city; the performance of production safety governance; policy effect; difference-in-difference