智慧城市的技术创新效应：基于杭州数据

　　（二）数据来源及描述性统计 
　　为了剔除价格因素的影响，用高技术产业产品出厂价格指数对新产品产值、高技术产业总产值进行平减。同时参照《中国统计年鉴》各年份价格指数对科技经费内部支出、基础网络设施建设投资额用CPI指数进行平减。对于外资溢出，先用年平均汇率换算成人民币，然后再用CPI指数进行平减。通过表2可以看到，各变量的最大值与最小值之间存在着非常大的差异，同时大多数变量的标准差也很大。虽然对各变量进行了平减，但是各变量的平稳性很差。因此，按照常规的方法对各变量进行平减后进一步取自然对数。 
　　（三）模型构建 
　　智慧城市创新水平模型构建借鉴广义的柯布—道格拉斯生产函数表示： 
　　IBt=At.Kat.Lbt 
　　IB（Innovative Benefits）代表智慧城市的技术创新水平度量指标，K、L分别表示智慧城市的资本投入和人力投入。其中，K资本投入选取了基础网络设施建设投资额（NI）作为代表性指标。L人力投入代表性指标选取高技术产业科技活动人员中的科学家和工程师数来（HUM）表示。因此，模型进一步细化为： 
　　IBt=At.NIta1.HUMtb1 
　　A为综合技术水平，表示影响智慧城市创新水平的其他因素。通过张倩肖等（2007）的研究成果发现，在开放式的经济体系中，创新水平不仅受到资本投入和人力投入的影响，而且还与整个行业的研发溢出效应等外部环境有关，例如高技术产业通过引入外资、购买技术、良性竞争等方式提高创新水平。为此，对于智慧城市的创新水平而言，也可以通过引入上述要素和机制得到进一步提升。为此，可以将影响智慧城市的创新水平的其他因素A进一步表示为：
    At=λef（ITt，BNt，FDIt，SIZEt，MCRt）+εt 
　　IT是网络信息技术及互联网企业数；BN是宽带网络接入户数；FDI代表的是外商直接投资实际利用外资金额，衡量外资溢出效应；SIZE代表高技术产业的平均企业规模，衡量行业规模效应；MCR代表高技术产业的市场结构，衡量竞争效应。λ为常数项，εt为随机误差性。进一步将上述模型整理为： 
　　IBt=λef（ITt，BNt，FDIt，SIZEt，MCRt）+εt.（NIta1）.HUMtb1 
　　根据吴延兵（2008）以及Hu（2005）等研究成果，可以进一步将At函数展开为： 
　　At=σ1InFDIt+σ2InSIZEt+σ3InMCRt+a2ITt+a3BNt 
　　通过取对数得到智慧城市对技术创新水平的基本假定模型： 
　　InIBt=a0+（a1InNIt+a2InITt+a3InBNt）+b1InHUMt+σ1InFDIt+σ2InSIZEt+σ3InMCRt+μt 
　　（四）实证检验与分析 
　　以2001—2013年时间序列数据为基础，运用Eview6.0对上述模型进行估计分析。用TIE、PAT、NEPV代表技术创新，分别作为子模型一、子模型二、子模型三的被解释变量。针对时间序列数据而言，需要进行解释变量、被解释变量以及控制变量的平稳性检验（见表3）。 
　　以TIE、PAT、NEPV代表技术创新，分别以InInTIE、InPAT以及InNEPV作为被解释变量，InBN、InNI以及InIT作为解释变量，InFDI、InHUM、InSIZE以及InMCR作为控制变量，运用OLS方法进行回归分析子模型一、子模型二、子模型三。另外，为了探讨控制变量对被解释变量及模型的影响，采取逐次加入（见表4）。 
　　从OLS回归估计结果来看，子模型一、二、三随着控制变量的逐次加入，整体拟合优度很好，且在不断提高（R-squared数值的提升）。智慧城市的核心解释变量（宽带网络接入户数、基础网络设施建设投资额、网络信息技术及互联网企业数）和控制变量（外商直接投资、科技人力资本、企业规模以及市场竞争）都有很好的解释力，基本上通过了显著性检验（T值及F检验值）。可以看出技术创新效应受到众多因素的影响，是一个较为复杂的过程。所选取的指标及技术创新多元要素驱动模型是合适的。 
　　1. 智慧城市核心解释变量对技术创新效应的作用。宽带网络接入户数（BN）对技术创新效应的影响。在分别以TIE、PAT以及NEPV作为解释变量的三个子模型中，T值、F检验值以及DW值分别为（3.331 1、151.789、2.704 8）（2.708 2、122.00 8、1.785 7）（3.814 2、350.51 9、2.007 4），均通过了显著性检验及自相关检验。宽带网络接入户数（BN）的弹性系数分别为0.029 7、0.036 7、0.008 3，即保持其他变量不变的情况下，BN每增长1%，TIE、PAT、NEPV将相应地提高0.029 7%、0.036 7%、0.008 3%。因此，宽带网络接入户数（BN）对PAT的贡献程度最大，其次是TIE，对NEPV的贡献程度最小，回归估计的结果也符合前期BN对技术创新正向促进作用的预期。 
　　基础网络设施建设投资额（NI）对技术创新效应的影响。在分别以TIE、PAT以及NEPV作为解释变量的三个子模型中，T值、F检验值以及DW值分别为（-1.972 2、151.78 9、2.704 8）（7.041 5、122.00 8、1.785 7）（2.009 1、350.51 9、2.007 4），也均通过了显著性检验及自相关检验。基础网络设施建设投资额（NI）弹性系数分别为0.045 3、0.168 9、0.129 1，即在保持其他变量不变的情况下，NI每增长1%，TIE、PAT、NEPV将相应地提高0.045 3%、0.168 9%、0.129 1%。因此，基础网络设施建设投资额（NI）对PAT的贡献程度最大，其次是NEPV，对TIE的贡献程度最小，回归估计的结果也符合前期NI对技术创新正向促进作用的预期。 
　　网络信息技术及互联网企业数（IT）对技术创新的影响。在分别以TIE、PAT以及NEPV作为解释变量的三个子模型中，T值、F检验值以及DW值分别为（2.112 1、151.78 9、2.704 8）（2.421 6、122.00 8、1.785 7）（4.098 1、350.51 9、2.007 3），均通过了显著性检验及自相关检验。网络信息技术及互联网企业数（IT）弹性系数分别为0.001 1、0.192 7、0.025 2，即保持其他变量不变的情况下，NI每增长1%，TIE、PAT、NEPV将相应地提高0.001 1%、0.192 7%、0.025 2%。因此，网络信息技术及互联网企业数（IT）对PAT的贡献程度最大，其次是NEPV，对TIE的贡献程度最小，回归估计的结果也符合前期IT对技术创新正向促进作用的预期。 
　　总体来看，基础网络设施建设投资额对TIE的正向促进作用最大，其次是宽带网络接入户数；网络信息技术及互联网企业数对PAT的正向促进作用最大，其次是基础网络设施建设投资额；基础网络设施建设投资额对NEPV的正向促进作用最大，其次是智网络信息技术及互联网企业数。 
　　2. 控制变量对技术创新效应的作用。在选取的以FDI、HUM、SIZE以及MCR作为控制变量的回归中，FDI在子模型三中出现了系数为正负的情况，这与前文预期的不确定性吻合，需要进一步分析。其他控制变量在三个模型中的系数均为正，符合预期，并且显著性检验也均通过。总体来看，科技人力资本（HUM）对TIE的正向促进作用最大，其次是市场竞争（MCR）；市场竞争（MCR）对PAT的正向促进作用最大，其次是科技人力资本（HUM）；企业规模（SIZE）对NEPV的正向促进作用最大，其次是市场竞争（MCR）。
     四、结论及建议 
　　（一）主要结论 
　　以宽带网络接入户数、基础网络设施建设投资额、网络信息技术及互联网企业数作为杭州市智慧城市的代表性指标，科技经费内部支出、专利申请授权量、新产品产值作为技术创新效应的代表性指标以及外资溢出、科技人力资本、企业规模以及市场竞争作为控制变量，分析杭州市智慧城市对技术创新效应的影响。实证结果表明，宽带网络接入户数、基础网络设施建设投资额以及网络信息技术及互联网企业数的增加对技术创新效应的代表性指标都具有正向的促进作用。另外，除了外资溢出，其他控制变量对技术创新效应的代表性指标也具有正向的促进作用。而外资溢出在一定程度上对技术创新具有一定的抑制作用，表现为负的弹性系数。 
　　总体而言，在智慧城市相关解释变量中，基础网络设施建设投资额对科技经费内部支出的正向推动作用最大，网络信息技术及互联网企业数对专利申请授权量的正向推动作用最大，而基础网络设施建设投资额对新产品产值的正向推动作用最大。在控制变量中，科技人力资本对科技经费内部支出的正向推动作用最大，市场竞争对专利申请授权量的正向推动作用最大，企业规模对新产品产值的正向推动作用最大。 
　　（二）政策建议 
　　通过研究发现，杭州市智慧城市对技术创新效应具有积极的促进作用。为了更大程度地发挥出技术创新效应，还需要进一步加大杭州智慧城市建设方面的工作。一方面需要加大对智慧城市建设科学规划的力度。规划是对未来发展的一个初步预判，所以需要杭州市充分借鉴国内外智慧城市建设的先进经验，减少智慧城市建设中走弯路的情况发生。由于智慧城市是在新一代信息技术的突破中孕育而生的，考虑到新一代信息技术在许多方面还不够成熟，例如在云计算方面还处于大数据时代，真正实现云计算还需要很大的突破。因此，需要规划好智慧城市建设的侧重点，促进新一代信息技术的不断发展，为技术创新活动奠定一个技术保障。另一方面需要搭建智慧城市技术创新信息交流平台。新一代信息技术虽然实现了公共信息的快速传播，但是对于许多非公开的信息也不能够实现其有效传播。为此，可以鼓励企业与本市企业及外地甚至跨国企业建立智慧城市信息共享中心，实现信息在平台内部共享。政府在这个平台之中需要充当起代理人的角色，保障双方或多样的共同利益不受侵害，同时运用新一代信息技术发挥出智慧城市信息共享平台的作用，实现加强技术创新活力与提升技术创新效应的目的。此外，还需要优化智慧城市建设各要素投入比重，在有限的投入下如何实现技术创新效应最大化，结合特定的实际情况加以考虑，充分协调好各要素之间的投入比重，保障技术创新效应的持续性与合理性。 
　　参考文献 
　　[1]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[J].上海经济研究，2014，（1）：104-110. 
　　[2]朱庆.三维GIS及其在智慧城市中的应用[J].地球信息科学学报，2014，（2）：151-157. 
　　[3]李德仁，姚远，邵振峰.智慧城市中的大数据[J].武汉大学学报（信息科学版），2014，（6）：631-640. 
　　[4]屠启宇.全球智慧城市发展动态及对中国的启示[J].南京社会科学，2013，（1）：47-53. 
　　[5]陈博，高光耀.智慧城市的建设路径、核心和推进策略研究[J].管理现代化，2013，（1）：67-69. 
　　[6]蓝荣钦，王家耀.智慧城市空间信息基础设施支撑力评价体系研究[J].测绘科学技术学报，2015，（1）：78-81. 
　　[7]刘刚，张再生，梁谋.智慧城市建设面临的问题及其解决途径——以海口市为例[J].城市问题，2013，（6）：42-45. 
　　[8]徐静，陈秀万.基于信息空间理论的智慧城市模型构建[J].科技导报，2013，（22）：56-59. 
　　[9]李健.新城发展中的智慧城市建设战略与框架[J].南京社会科学，2013，（11）：66-71. 
　　[10]刘勇，张韶月，柳林，王先伟，黄华兵.智慧城市视角下城市洪涝模拟研究综述[J].地理科学进展，2015，（4）：494-504. 
　　[11]戴强，黄庆德.智慧城市关键技术投资分析[J].山西财经大学学报，2012，（S1）：36. 
　　[12]胡军燕，纪超逸.智慧城市建设背景下经济增长的多因素分析[J].统计与决策，2015，（5）：119-123. 
　　[13]孙涛，董永凯.物联网产业发展对智慧城市建设影响研究[J].理论探讨，2015，（2）：86-90. 
　　[14]王艳军，李朝奎，路立娟.地理空间信息技术在智慧城市中的应用思考[J].湖南科技大学学报（自然科学版），2014，（4）：69-73. 
　　[15]郑承良，梁勇，刁海亭，井月欣，刘洪岩.云计算下的蔬菜安全追溯与预警系统[J].测绘科学，2015，（4）：74-77，125.