智慧城市试点、城市特质与房价

摘要：智慧城市是“实施国家大数据战略，加快建设数字中国”的重要抓手，对于实现城市管理能力和服务水平提升和高质量发展至关重要。基于164个地级市2004-2016年面板数据，采用DID方法评估了智慧城市政策对房价的影响。实证结果表明，智慧城市试点政策对城市房价上涨起到催化剂的作用，由住建部批准为智慧城市试点建设的城市，房价水平会更高，这一结论在经过一系列稳健性检验后也得到了证实;进一步引入一系列城市特征的调节变量发现，智慧城市对房价影响的刺激作用在中小规模城市、东部地区以及中等程度城市化的城市更加显著。应该坚持对智慧城市试点政策，因地制宜地开展新一轮智慧城市试点，更重要的是要考虑到居民尤其是新增城镇居民的住房保障问题，而不单纯只是新技术在城市住房中的运用，进一步强化对房产购买、持有、流转的监管与调节，预防市场投机炒作行为。

关键词：智慧城市试点;房价;城市特质;双重差分

中图分类号：F290 文献标识码：A

文章编号：1001-9138-（2021）02-0060-71 收稿日期：2021-01-20

作者简介：龚斌，华中科技大学公共管理学院博士研究生。

基金项目：湖北省人民政府智力成果采购项目（HBZD-2018-02）。

1 引言

智慧城市是运用现代信息和通信技术促进城市规划、建设、管理和服务的协调和集成，是“实施国家大数据战略，加快建设数字中国”的重要抓手，对于实现城市管理能力和服务水平提升、产业优化、高质量发展至关重要。实践中，国内外政府都加大智慧城市建设，以此作为可持续发展的重要载体。我国自2012年启动首批智慧城市试点以来，截至目前，已分3批共批准了约500个智慧城市试点项目，覆盖了我国95%的副省级城市、76%的地级城市，实现由点到面的扩散态势。经过多年发展，智慧城市建设在物联网、互联网、大数据中心等公共信息平台建设、社会公共服务供给等方面取得显著成效。这为我们评价智慧城市的试点效果提供了天然的准自然条件。

在社会主要矛盾发生根本转变的大背景下，住房这一关键性民生话题成为社会各界关注的焦点。事实上，智慧城市建设的主要内涵不仅是通过科技因素改变城市，它更重要的是在通过一系列新兴技术的运用来解决交通拥堵、住房、就业、公共服务等一系列问题，让人们的居住生活环境更美好。与此同时，关于智慧城市对城市房价的影响结果还存在一定争议。智慧城市将会给人们带来极大的便利，住宅家居的智能化已成为社会发展的必然趋势，具有广阔的市场空间，人们的生活更加智能化，智慧城市的提出到底对房价有多少影响还有待进一步检验。因此，本研究拟探讨以下问题：智慧城市建设对于城市房价有何影响？如果有，智慧城市建设对房价影响在城市规模、城市区位特征、城市化发展水平等城市特质维度上是否存在异质性？

为了综合全面衡量智慧城市建设效果，国内外相关机构和学者都尝试对智慧城市建设效果进行评价，一类是基于智慧城市本身构建的一套指标体系，一类是将智慧城市建设视为外生政策冲击，探讨智慧城市建设对技术创新、污染减排、能源效率等影响。纵观当前学者对智慧城市建设效果的评估，多数学者肯定了智慧城市政策的积极作用，但在审视这种影响的微观基础时，不同变量间的关系仍然模糊，还没有公认的答案，需要更多的经验研究来识别智慧城市政策的整体效果。就智慧城市建设的产业结构转型升级效应研究而言，刘兰娟和徐鑫以上海市为例，通过CGE模型模拟一个智慧城市研究发现智慧城市建设优化了产业结构，提升了资源利用率;张卫东等将产业升级作为中介变量探讨智慧城市为何提升了城市全要素生产率。最近，张营营和高煜基于城市级别数据库，探究了智慧城市对制造业升级的影响，发现智慧城市能够通过技术创新和资源配置效应促进制造业升级，并且在中西部地区更显著;赵建军和贾鑫晶同样从技术创新探讨了智慧城市对产业结构升级的影响，并且从金融发展和人力资本进一步扩充了其中的作用机理。

与以往研究相比，本文的主要贡献在于：第一，基于城市数据样本实证分析了获批智慧城市试点政策对房价影响，进而可以挖掘智慧城市政策效果评估的城市特征。第二，基于工具变量的方法，采用两阶段估计方法减少内生性问题对实证结果的干扰，借鉴Yigitcanlar & Kamruzzaman、黄群慧等以及李智超等学者的研究启发，本文选择省内智慧城市试点占比作为智慧城市試点的工具变量，以缓解因果推断中内生性问题的干扰。第三，本文从城市特质角度考虑智慧城市对房价影响的不同影响，包括区域位置、城市规模、城市化特征等，以更加精准识别智慧城市政策的房价刺激效应。

2 政策背景与假设提出

自20世纪90年代提出“智慧城市”以来，它逐渐成为全球潮流和趋势。智慧城市政策是实现多维目标的战略。利用新技术，将人、信息、城市要素联系起来，实现数据集成和综合利用，打造一个可持续、更绿色、更有竞争力、创新水平更高、质量更高的经济发展城市。为了实现这些目标，智慧城市的建设战略需要运用技术和超越技术，建立四螺旋的合作模式，政府主导和社会驱动相结合，采用综合干预逻辑。

近年来，智慧城市试点在全国范围内如火如荼的开展。自2012年我国首次实施智慧城市政策以来，截至目前，已分3批审批约500个智慧城市，覆盖全国95%的副省级城市和76%的地级市，呈现点对点扩散趋势。2013年1月29日，住房和城乡建设部公布了第一批全国智慧城市试点名单，并与试点城市及其上级人民政府签订协议，共同推进智慧城市创建。2013年8月5日，住房和城乡建设部发布了2013年第二批全国智慧城市试点名单，2013年再次确定103个城市（区、县、镇）为智慧城市。2015年4月，住房和城乡建设部办公厅、科技部办公厅发布了84个智慧城市政策试点城市。

新型智慧城市是一种新的城市发展模式，通过信息技术的广泛使用，实现信息化和城市化的高度融合，提高城市基础设施和公共服务的智能化和便捷化，促进城市智慧运行，更好地满足城市居民的各方面需要。智慧城市是创新2.0时代的城市形态，也是城市信息化发展到更高阶段的必然产物。智慧城市建设覆盖诸多领域，如交通、医疗、安防、社区、家居等，其中智慧社区、智能家居是与百姓密切相关的部分，是一个城市民生的真实反映，目前智慧城市的发展已经进入规模推广阶段，从市场细分来看，将会影响到房地产业。

高房价本质上是在能源错配和出行错配情况下产生的一种市场扭曲。智慧城市概念的出现，促使许多房地产企业加速向智慧地产转型，通过信息技术的广泛使用，实现信息化和城市化的高度融合，提高城市基础设施和公共服务的智能化和便捷化，促进城市智慧运行，但是却增加了房地产行业的开发运营成本。发展智慧城市需要大量的基础设施建设改造，比如智能大楼系统、环保节能材料等，但是这类基础设施的改造很大程度上增加了房地产开放商的生产成本。

智能家居是住宅智能化的核心，它是以住宅为平台，利用综合布线技术、自动控制技术、音视频技术等将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。如果每个家庭、每个居住区都拥有了智能家居，那么，无疑将会促进房地产业的发展，有可能会拉高房价。

据此，本文提出研究假设;智慧城市试点对城市房价有显著的正向影响，即与试点非智慧城市相比较，试点城市的房价会更高。与此同时，智慧城市对于房价影响并不是完全一致的，在不同城市规模、城市化水平、区域位置的城市，影响程度具有差异性。

3 研究设计

3.1 数据

智慧城市数据来源于住房和城乡建设部发布的全国智慧城市试点名单。为了探索智慧城市在城市层面的净效应，我们对智慧城市政策试点名单进行了如下处理：一是为规避2013与2014年新增试点城市对2012年试点政策净效应干扰，剔除2013年和2014年新增试点样本;其次，由于沧州、三沙、海东、拉萨等城市的数据存在较大范围的零值，因此年度数据涵盖了2004-2016年。控制变量的数据来源于《中国城市统计年鉴》，部分缺失数据通过各城市国民经济和社会发展统计公报补充。

3.2 方法

智慧城市政策的实施，为我们运用差分模型进行政策评价提供了一个“准实验”，因此本文采用双重差分方法討论智慧城市试点后我国房地产价格的变化。具体模型设定如下：

Pricei，t = α0+ β1 policy_tre atedi，t + βXi，t + μi +νt + εi，t

（1）

在式（1）中，Pricei，t为被解释变量，代表我国每个地级市城市房价水平，policy_treatedi，t是实验分组与实验分期两个虚拟变量的交互项。Xi，t为控制变量的集合。μi和νi分别表示城市和时间固定效应，εi，t为随机误差项。β1是我们最关心的回归系数，表示智慧城市试点对房地产价格影响的净效应，如果β1显著为正，说明智慧城市试点显著提升了城市房地产价格，反之则说明智慧城市试点对房地产价格没有影响。

3.3 变量

因变量：城市房价。本文选择城市商品房销售价格来衡量城市房价水平，采用每平方米的住房单价，即住房交易总价格除以住房面积。

核心自变量：智慧城市试点。为了评价智能城市政策在长期内的动态效应，本文以2012-2014年的试点城市为处理组，未实施智能城市政策的城市为对照组。因此，我们可以生成两个虚拟变量的交互项作为本文的自变量。

控制变量。根据既有研究，本文引入了一系列控制变量，主要包括：城市化水平，用城镇人口占城市总人口衡量、人均GDP、固定资产投资水平、对外开放水平，用外商直接投资除以GDP衡量，用年末金融机构存款余衡量金融发展水平，用人均道路面积表示基础设施建设水平，政府干预水平选择政府公共预算支出占GDP比重作为代理变量，人力资本则用普通高等院校师生比计算。

3.4 描述性统计

表1描述了2004-2016年研究样本的描述性统计结果。首先，在城市房价水平方面，不同城市房价水平差异较大，房价最小值水平为696元/平方米，最大值为19514元/平方米。在智慧城市试点层面，表2是根据Pearson相关系数，智慧城市与城市房价呈现显著的正向关系（r=0.352，p<0.01），与非试点城市相比，智慧城市的房价会更高，但是更深层次的关系还需要进行实证检验。与此同时，表2的变量间的相关系数均小于0.8，初步判断并不存在严重的多重共线性问题。

4 实证研究结果与分析

4.1 基准回归结果

表3基准回归结果表明，无论是Model1不加入控制变量，还是Model2加入控制变量，模型估计结果在方向和显著性上都呈现出较为一致的结果，均表明了智慧城市试点对城市房价有显著的正向影响，智慧城市建设能够显著提升该城市的房价，加入控制变量后的回归系数为491.8243，在5%的置信水平上显著。具体来说，在其他变量保持不变的情况下，相对于非智慧城市试点而言，被住建部批准为智慧城市试点的区域，城市房价会增加491.8243元。与此同时考虑到样本中可能存在特殊异常数值对回归结果的干扰性，Model3和Model4是对因变量前后进行10%的缩尾处理后的回归结果，房价的回归系数β为415.4533 （p<0.05）和407.1546 （p<0.05），结果显示，智慧城市建设能够显著提升该城市的房价的结论并没有因为缩尾处理之后而发生显著的变化。因此，智慧城市建设对于城市房价具有显著的正向刺激作用，研究假设1得到验证。

4.2 平行趋势检验

表4是智慧城市对房价影响的平行趋势检验，这是DID模型运用的假设前提，为了检验平行趋势是否满足，本文在模型中加入了表示处理组智慧城市试点前1年-前5年的前3年的虚拟变量。若核心自变量智慧城市试点和年份虚拟变量交互项都不显著，则表示实验组和控制组样本没有显著差异。表1结果表明如果智慧城市试点提前1～5年，估计结果均不满足显著性要求，智慧城市对房价的影响不会提前出现。因此，平行趋势假设得以满足。

4.3 稳健性检验

为了保证回归模型使用的合理性，确保估计结果的准确性，本文在回归基础上还进行了一系列稳健性检验。

第一，剔除副省级城市。Model10和Model11是剔除样本中四个副省级城市样本量的回归结果（β=415.4533，p<0.05;β=407.1546，p<0.05），回归结果显示，智慧城市建设能够显著提升该城市房价的结论并没有因为剔除样本量之后而发生显著的变化。因此，智慧城市建设对于城市房价具有显著正向刺激作用是稳健的。

考虑控制变量的滞后期。考虑到许多影响因素对于城市房价影响具有之后性特征，本文在稳健性检验中将控制变量均做之后一期的处理，表5中Model12和Model13是考虑控制变量滞后期的回归结果，智慧城市试点变量的回归系数符号和显著性水平没有发生根本变化。

考虑内生性问题。在智慧城市与非智慧城市间存在诸多不可观测特征差异，即使采用双重差分模型，也难以将此类非观测因素完全控制。基于此，本文采用工具变量法进一步估计智慧城市对房地产的影响。本文选择智慧城市试点数量除以省内其他城市总数作为另一个工具变量，因为对于地方政府而言，一项政策的采纳需要获取制度合法性，在面临同级政府压力时候，不同组织时间的行为会相互学习，因此，一个省份中智慧城市试点越多，其他城市的地方政府更加有可能选择试点。第一阶段回归中，工具变量对于智慧城市试点与否的影响为2.9037 （p<0.01），第二阶段，智慧城市政策对于房价的影响系数为218.5751 （p<0.01），并没有根本上改变基准回归的结论。

基于倾向得分匹配双重差分检验。样本选择的随机性是双重差分模型设定的一种重要前提，考虑到样本选择对回归结果的影响，本文进一步采用倾向得分匹配方法，对回归样本进行邻近匹配，图1是倾向得分匹配前后的结果，匹配后控制组和处理组样本倾向得分匹配后协变量的标准化%偏差有很大程度的缩小，意味着匹配后的样本没有显著差异，表6中Model16～17是PSM之后的回归结果，同样智慧城市政策对于房价的影響系数在没有控制变量情况下为472.7052（p<0.05），加入控制变量则为426.0097 （p<0.05），并没有根本上改变基准回归的结论。

5 智慧城市对房价影响的城市特征异质性

为了进一步探讨智慧城市对房价影响的城市特征异质性，本部分在基准回归模型的基础上进一步加入了一系列城市特征的交互项。包括城市规模的异质性特征、城市化水平的异质性特征、区域位置的异质性特征。具体的模型设定如下：

Pricei，t = α0+ β1 policy_tre atedi，t *moderatingi，t + moderatingi，t + βXi，t + μi +νt + εi，t                                   （2）

在式（2）中，policy_treatedi，t是实验分组与实验分期两个虚拟变量的交互项，moderating是本研究的3个城市特征变量。其他变量的定义与式（1）中的定义一致。

城市规模的异质性特征。图2是智慧城市对房价影响的城市规模异质性结果。研究发现智慧城市对于城市房价的影响在城市人口规模为600万以下的城市样本中显著为正，并且在300万人口规模城市的显著性最高。智慧城市对于房价的影响程度不在于城市规模过大，而在于创新的城市管理和发展模式。城市高房价是市场资源错配和出行错配的结果。城市规模的大小反映了城市专业化分工能力、公共服务供给能力与城市经济凝聚带动能力的差异。一方面，大城市可以大力发展和采用智能技术，将智能技术应用到城市和企业生产生活的各个方面，提高企业的资源配置和生产效率，缓解和消除不利因素城市困境对城市规模扩张的影响。中小城市可以在保持原有优势的基础上，充分利用智慧城市发展的红利，发挥自身的比较优势，最大限度地提高城市治理和运营效率。

城市化的异质性特征。图3是智慧城市对房价影响的城市化异质性结果。研究发现智慧城市对于中等城市化水平的城市影响更加显著，对于低城市化、高城市化水平的城市没有显著影响，从图3可以看到，只有在城市化为30%～50%的城市，智慧城市建设对于房价的刺激作用更加明显，但是对于60%以上城市化水平的城市没有显著的影响。

城市区位的异质性特征。图4是智慧城市对房价影响的区域位置异质性结果。本文将样本区分为东部城市样本和非东部城市样本，生成east变量，通过绘制调节效应的回归结果图可以发现，智慧城市对房价影响主要集中在东部城市样本中，而对于中西部城市样本的房价没有显著影响。主要是东部城市由于具有地理位置优势、政策资源优势，智慧城市建设的进程更快，城市房地产行业发展进程也更加迅速，而且也更能吸引社会资本和风险投资进入房地产行业。然而中西部地区由于智慧城市建设不论是理念上还是实践上都落后于东部地区，智慧技术在房地产领域的运用也更加缓慢。尤其是在东部城市，东部城市独特的区位条件和资源集聚，智慧城市建设的投入成本本身就比中西部地区的城市更加高昂。智慧城市所带来的交通改善、资源再均衡也会对高房价、高租金产生刺激效果。

6 结论与启示

智慧城市试点是自上而下与自下而上的实践相结合，而房地产行业是其中的关键角色，需要对智慧城市实践的效果和未来方向进行全面审视和反思。本文基于双重差分的估计方法，以及城市特征异质性的角度，文章实证分析了智慧城市对房价的影响及其差异化特征。研究发现，在市场引导和技术驱动的宏观背景下，智慧城市政策为房地产行业带来了多元化的业务方向，回归结果显示，在各城市开展智慧城市建设过程中，智慧城市试点政策对城市房价上涨起到催化剂的作用，由住建部批准为智慧城市试点建设的城市，房价水平会更高，这一结论在经过一系列稳健性检验后也得到了证实。文章进一步引入一系列城市特征的调节变量，智慧城市对房价影响的刺激作用在中小规模城市、东部地区、以及中等程度城市化的城市更加显著。

基于上述研究结论，本文可以总结出完善智慧城市政策与推动房地产行业健康发展的几点启示。

第一，坚持智慧城市试点政策。在市场需求增长放缓的背景下，智慧城市建设有利于改善城市交通、住房、环境以及政务服务等效率问题，优化房屋资源配置和供给质量，提升城市房屋居住质量，而这更加有利于整个房地产市场的活跃与良性发展。因此，继续加大对智慧城市试点的推广力度和广度，通过智慧城市政策促使房地产政策健康发展。

第二，因地制宜地开展新一轮智慧城市试点。智慧城市政策对于房价的影响具有复杂性特征，城市本身所具备的特征属性不同，所带来的资源条件、便利条件也有所不同，故在智慧城市试点的布局中，中央政府可适当向中小规模城市、东部地区以及中等程度城市化的城市倾斜，以实现资源最小投入最大产出的最优效率。

第三，智慧城市建设中需要考虑到居民尤其是新增城镇居民的住房保障问题，而不单纯只是新技术在城市住房中的运用，强化对房产购买、持有、流转的监管与调节，预防市场投机炒作行为，科学规划智慧城市建设，提升城市住房供应质量，为城市人口提供均等化的住房公共服务，从而避免城市发展因房价畸高而失去活力。

然而，本文实证智慧城市建设试点对城市房价的影响效果也存在一定的局限性。首先，对城市房价的考量主要基于数据可获得性的视角出发选取了城市商品房销售价格来衡量。其次，囿于统计年鉴数据难以获得最新两年的数据，故将样本期间定为2006-2015年，可能并未囊括进近年来被纳入智慧城市试点建设的样本。最后，本研究聚焦于智慧城市政策的实施效果评估，并侧重从城市特征角度考量智慧城市政策对于房价影响的异质性，但是未研究智慧城市政策对房价影响的作用机制研究，因此，在构建理论框架的基础上，辅以大量的实证检验智慧城市政策影响房价的内在机理亦是未来研究的突破口。

参考文献：

1.Batty M ， Axhausen K W ， Giannotti F ， et al. Smart cities of the future[J].European Physical Journal Special Topics， 2012， 214（1）：481-518

2.Albino V，Berardi U，Dangelico R M.Smart Cities： Definitions， Dimensions， Performance， and Initiatives[J]. Journal of Urban Technology，2015， 22（1）：3-21

3.Andrea C，Del B C F.Smart innovative cities： The impact of Smart City policies on urban innovation[J].Technological Forecasting and Social Change，2019，142，373-383

4.聶飞.国家“智慧城市”试点对FDI的“二元边际”扩展的影响：理论机制与实证.国际贸易问题.2019.10

5.史璐.智慧城市的原理及其在我国城市发展中的功能和意义.中国科技论坛.2011.05

6.Tuba Bak?c?，Esteve Almirall， Jonathan Wareham. A Smart City Initiative： the Case of Barcelona[J]. Journal of the Knowledge Economy， 2013， 4（2）：135-148

7.王广斌 崔庆宏.智慧城市建设目标绩效的实证研究.软科学.2016.30 （7）

8.MORA L，DEAKIN M，REID A.Strategic principles for smart city development： A multiple case study analysis of European best practices[J]. Technological Forecasting and Social Change， 2019， 142：70-97

9.陈铭 王乾晨 张晓海 等.“智慧城市”价指标体系研究——以“智慧南京”建设为例.城市发展研究.2011.05

10.Patrizia Lombardi ， Silvia Giordano ， Hend Farouh Wael Yousef. Modelling the smart city performance[J].Innovation the European Journal of Social Science Research， 2012， 25（2）：137-149

11.崔璐 杨凯瑞.智慧城市评价指标体系构建.统计与决策.2018.34 （06）

12.Caragliu， Andrea， Del Bo， Chiara，Nijkamp， Peter.Smart Cities in Europe[J].Urban Insight， 18（2）：65-82

13.刘巧 石大千 刘建江.智慧城市建设对城市技术创新的影响.技术经济.2018.37 （5）

14.付平 刘德学.智慧城市技术创新效应研究——基于中国282个地级城市面板数据的实证分析.经济问题探索.2019.09

15.石大千 丁海 卫平 刘建江.智慧城市建设能否降低环境污染.中国工业经济 2018.363 （06）

16.Yigitcanlar T ， Kamruzzaman M.Does smart city policy lead to sustainability of cities？[J]. Land Use Policy， 2018， 73：49-58

17.Yu， Yantuan & Zhang， Ning.Does smart city policy improve energy efficiency？ Evidence from a quasi-natural experiment in China[J].Journal of Cleaner Production. 2019，229（04）：501-512

18.刘兰娟 徐鑫.智慧城市建设财政支出影响经济转型的CGE模拟分析——以上海为例.上海经济研究.2014.01

19.张卫东 丁海 石大千.智慧城市建设对全要素生产率的影响——基于准自然实验.技术经济.

2018.37 （3）

20.张营营 高煜.智慧城市建设对地区制造业升级的影响研究.软科学.2019.33 （09）

21.赵建军 贾鑫晶.智慧城市建设能否推动城市产业结构转型升级？——基于中国285个地级市的“准自然实验”.产经评论.2019.10 （05）

22.黄群慧 余泳泽 张松林.互联网发展与制造业生产率提升：内在机制与中国经验.中国工业经济.2019.08

23.李智超.政策试点推广的多重逻辑——基于我国智慧城市试点的分析.公共管理学报.2019.16（03）

24.王巧 佘硕.“一带一路”倡议实施的产业结构转型升级效应研究——基于中国285个城市PSM+DID的检验.经济问题探索.2020.02

25.張阿城 于业芹.自贸区与城市经济增长：资本、技术与市场化——基于PSM-DID的拟自然实验研究.经济问题探索.2020.10

26.孙文浩.“人才高地”“创新高地”与城市房价.管理现代化.2021.01

27.王优容 王自义 易成栋 王昊 高然.棚户区改造对周边住房价格的溢出效应——基于北京市海淀区的实证分析.城市发展研究.2020.27 （12）

28.JENSEN J L.Policy diffusion through institutional legitimation： state lotteries[J]. Journal of Public Administration Research and Theory，2003， （4）：521-541

29.POWELL D M W.The Iron Cage Revisited： Institutional isomorphism and collective rationality in organizational fields[J].American Sociological Review， 1983， 48（2）：147-160

30.HAN S K.Mimetic isomorphism and its effect on the audit services market[J].Social Forces，1994， 73（2）：637-664