创新型城市建设对绿色全要素生产率的影响
聂长飞 卢建新 冯苑 胡兆廉
摘要：在DEA框架下，基于考虑非期望产出的方向性距离函数，文章运用Global-Malmquist-Luenberger生产率指数测度了2003—2017年中国283个城市的绿色全要素生产率，并借助创新型城市建设这一准自然实验，采用渐进性的双重差分模型检验了创新型城市建设对绿色全要素生产率的影响。研究发现，创新型城市建设有利于促进中国经济发展的绿色转型，相较于非创新型城市，政策试点使得绿色全要素生产率平均提高4.9%。具体地，创新型城市建设可以通过技术效应、集聚效应和倒逼效应三条途径驱动绿色全要素生产率的提升。异质性分析表明，创新型城市建设对东部地区城市、规模较大城市以及高等级城市绿色全要素生产率的促进效应更强。分位数估计结果显示，创新型城市建设对城市绿色全要素生产率的效应呈边际递增趋势。文章研究结论稳健，经过平行趋势检验、PSM-DID方法估计、反事实检验、安慰剂检验、其他稳健性检验以及工具变量估计之后，依然成立。由此得出，在创新型城市建设过程中，要坚持因地制宜、因城施策、一地一策的原则，充分发挥地方政府的主体地位，同时要探索创新型城市建设政策促进城市绿色全要素生产率提升的多维途径。
关键词：创新型城市;绿色全要素生产率;双重差分
中图分类号F061.3
文献标识码A文章编号1002-2104（2021）03-0117-11DOI：10.12062/cpre.20200911
多年来的“唯GDP”考核模式以及粗放型经济增长方式，在推动中国经济持续多年高速增长的同时，也引发了日益严峻的生态环境问题。耶鲁大学环境法律与政策中心、哥伦比亚大学国际地球科学信息网络中心联合发布的《环境绩效指数报告》显示，2018年中国环境绩效指数在180个国家中位列第120位;其中，在空气质量排名中，中国更是位列倒数第4位。为有效提升中国绿色发展水平，推动高质量发展，党的十八大将生态文明建设同经济建设、政治建设、文化建设和社会建设统一起来，形成新时代“五位一体”战略总体布局;党的十八届五中全会将绿色与创新、协调、开放和共享结合在一起，构成指导中国经济发展的新发展理念;党的十九大进一步指出要“实行最严格的生态环境保护制度”，建设美丽中国。可见，党和政府已经将绿色发展的重要性提到了前所未有的高度[1]。
依靠创新驱动绿色发展，是习近平生态文明思想的重要组成部分[2]，也是经济学研究中的热点问题。从理论上讲，创新对绿色发展的影响既有正向的成本效应，又有负向的反弹效应[3]。成本效应是指，创新可以减少单位产出的要素投入，降低单位产出的成本，从而导致污染物排放减少和绿色发展水平提高;反弹效应是指，创新在刺激经济增长的同时，会增加对能源相关产品和服务的需求，从而导致污染物增加和环境质量下降。因此，创新对绿色发展的作用方向最终取决于两种效应的大小。但从经验研究结果看，现有文献大多证明了创新对绿色发展的影响是正向的，如Yi等[4]发现创新有利于减少雾霾污染，Ibrahiem[5]实证发现创新有利于改善环境质量，Pan等[6]则证实创新有利于提高能源利用效率。然而，绿色发展是一个综合概念，雾霾污染减少、环境质量改善、能源利用效率提高等均体现了绿色发展的某一个方面，而非绿色发展本身。由于绿色全要素生产率（GreenTotalFactorProductivity，GTFP）是在全面考虑经济增长、资源节约和环境保护后的一个综合指标[7]，是体现一个国家或地区绿色发展水平的核心指标，因此，在当前发展阶段，促进GTFP的提升是中国经济实现绿色转型的关键。一些研究考察了创新与GTFP之间的关系，并得出了统一的研究结论：例如，Wang等[8]研究发现，科技创新能显著提高GTFP;葛鹏飞等[9]分别考察了基础创新和运用创新对GTFP的影响，结果显示两类创新均能够显著提高GTFP。
以上文献对于理解创新驱动GTFP问题是重要的，但这些研究主要是从创新水平而非创新政策的视角展开的。实际上，同创新水平一样，创新政策也是国家创新体系建设的重要内容[10]。因此，要准确、深入、全面地理解创新对GTFP的影响，不仅要从创新水平的角度进行研究，而且要从创新政策的角度进行考察。中国设立创新型试点城市的政策试验为研究创新政策对GTFP的影响及其内在作用机制提供了宝贵机会。2008年，深圳成为中国第一个国家创新型试点城市，标志着创新型城市建设政策正式启动。经过10余年的探索和实践，创新型城市试点已经在全国范围内全面开展，全国创新型试点城市已经多达78个。从既有文献看，中国创新型城市建设相关研究主要致力于考察创新型城市的指标体系构建和绩效评价等内容，仅有少数研究评估了创新型城市建设的政策效应[11-13]，且主要关注创新型城市建设的创新效应、生产率效应、对外开放效应等经济效应，缺乏从宏观视角上全面研究政策的绿色发展效应。事实上，创新型城市建设过程不仅包含了与创新紧密相关的产业政策、人才政策等，也伴随着一系列环境政策和能源政策。随着创新型城市建设进程的不断推进，其对技术、经济、社会的影响日益重要，并进一步影响到GTFP。因此，深入探讨创新型城市建设对GTFP的驱动效应及其内在作用机制，对创新型城市试点进一步实施和城市GTFP的提升具有重要意义。
鉴于此，作者采用渐进性的双重差分（difference-in-differences，DID）模型研究创新型城市建设对GTFP的影响，试图回答以下问题：创新型城市建设能否提升城市的GTFP？如果答案是肯定的，那么创新型城市建设是通过哪些途径影响GTFP的？创新型城市建设对GTFP的影响效应是否存在异質性？文章可能的边际贡献主要体现在三个方面。第一，研究议题上，较早关注创新型城市建设绿色发展效应，丰富和拓展了创新驱动绿色发展以及创新型城市建设政策评估研究。第二，识别策略上，借助于双重差分的估计框架，通过比较创新型先试点城市与后试点城市、未试点城市之间GTFP的差异，较为准确地估计了创新型城市建设的绿色发展效应，并从技术效应、集聚效应和倒逼效应三个方面分析了创新型城市影响GTFP的机制。第三，估计方法上，综合使用了平行趋势检验、PSM-DID方法估计、反事实检验、安慰剂检验、工具变量估计以及其他稳健性检验等，保证了研究结论的可靠性;特别是提出以城市中华老字号认定数量这一历史变量作为创新型城市建设的工具变量，使研究结论更加稳健可靠。
1政策背景与研究假说
改革开放以来，中国科技投入力度不断增加，科技进步贡献率逐年提高，科技创新能力显著增强。但是，同西方发达国家相比，中国在科技创新方面依旧存在短板，主要表现在自主创新能力不足，诸多领域核心技术、关键技术受制于人[14]。为此，国务院于2006年2月发布《国家中长期科学和技术发展规划纲要》（以下简称《纲要》），明确提出建设创新型国家战略。《纲要》从科技投入、税收激励、金融支持等十个方面制定了一系列配套政策，成为指导中国科技改革发展和创新型国家建设的纲领性文件。
随着创新型国家发展战略的提出，地方政府积极响应，许多城市相继提出建设创新型城市发展规划和设想。2008年，由国家发改委批准，深圳成为中国第一个国家创新型试点城市。为进一步推进创新型城市试点工作，科技部、国家发改委2010年分别发布《关于进一步推进创新型城市试点工作的指导意见》《创新型城市建设监测评价指标（试行）》《关于推进国家创新型城市试点工作的通知》等文件，连续批复36个城市作为创新型试点，标志着中国创新型城市进入大规模试点阶段。在此后的3年里，先后有二十多个城市被批复为创新型试点城市。2016年12月，科技部、国家发改委发布《建设创新型城市工作指引》，从总体原则、重点要求、建设程序、组织实施和政策保障四个方面对建设创新型城市提出了更加具体的工作要求。同时公布的《建设创新型城市指标体系》中，包含了22个定量指标、3个定性指标和1个特色指标，进一步明确了创新型城市建设的建设方向和目标任务。2018年4月，科技部、国家发改委发布《关于支持新一批城市开展创新型城市建设的函》，进一步认定吉林市等17个城市为新一批创新型试点城市。可以预见，创新型城市建设政策的实施，将会对中国经济发展产生日益显著的影响。
那么，创新型城市建设是否会影响GTFP呢？基于已有研究的理论基础和创新型城市建设的政策背景梳理，文章认为创新型城市建设将通过技术创新、经济集聚、政府财政科技支出等渠道影响GTFP。相应地，将分别从技术效应、集聚效应和倒逼效应三个方面来分析创新型城市建设影响GTFP的途径。
第一，技术效应。创新型城市建设的技术效应主要体现在创新水平和人力资本两个方面。一方面，创新型城市建设的核心目标是建设若干具有强大带动力的创新型城市和区域创新中心，试点城市也是中央经过反复考察和筛选最终确定的。为了建设创新型城市，试点城市会加大创新投入，强化企业主体地位，优化创新创业环境，鼓励企业创新，促进创新成果转化，从而提升试点城市和当地企业的创新水平。李政和杨思莹[11]、武倩和冯涛[12]的研究为创新型城市建设的创新驱动效应提供了实证证据。另一方面，科技创新的主体是人，人力资本水平的提高是创新型城市建设的重要保障。2017年初以来，武汉、西安、长沙、成都、郑州、济南等创新型试点城市先后通过零门槛落户、家属随迁、人才公寓、租房购房补贴、创业补贴和优惠贷款等政策掀起“抢人大战”，本质上也是因为创新驱动的根基在于人才。相较于非试点城市，创新型试点城市在人才激励和引进等方面处于领先位置，有利于试点城市人力资本水平的提高。进一步地，创新水平和人力资本水平的提高有助于改善资源配置效率、促進绿色生产技术和污染治理技术的改进和推广，从而能够提升城市GTFP的水平。现有研究的实证结果均支持了这一观点[8-9]。
第二，集聚效应。在创新型城市建设过程中，会广泛开展高校、企业、科研院所等创新主体之间的交流与合作，促进城市创新主体与创新要素间的深度融合，提高创新要素集聚能力。创新要素集聚度的提高会加速创新成果溢出，形成新的经济增长极，从而有利于提高城市经济密度和增加城市市场潜能，经济集聚水平提高。与此同时，创新要素集聚会增加企业间的技术交流合作，提高创新要素的流动性和创新资源的配置效率，从而加快要素的空间集聚[15]。此外，在政策实施过程中，试点城市会突出地方特色和优势，加快科学技术与本地优势产业之间的融合，发展壮大优势产业，提升优势产业的综合竞争力，从而提高城市的产业集聚度和经济集聚度。经济集聚度的提升将进一步影响GTFP。从现有的研究看，经济集聚与绿色发展之间的关系较为复杂，大致存在经济集聚不利于绿色发展[16]、经济集聚有利于绿色发展[17]、经济集聚与绿色发展之间为非线性关系[7]三种观点。之所以对二者的关系存在不同的认识，主要是因为经济集聚对绿色发展存在正负两种效应：一方面，经济集聚有利于形成规模效应，降低单位产出的生产成本和污染排放;另一方面，经济集聚可能存在拥堵效应[18]。经济集聚度的不断提高可能引起竞争加剧，导致企业间的恶性竞争、资源浪费和环境污染。
第三，倒逼效应。要建成创新型城市，离不开地方政府的主观努力和战略引领。在创新型城市建设过程中，包含了一系列对试点城市绩效评价监测和考核的指标，目标约束将倒逼地方政府更加努力。具体而言，创新型城市建设的倒逼效应主要体现在三个方面。第一，倒逼地方政府加大创新投入力度。《建设创新型城市工作指引》明确了对试点城市的具体考核指标，包括全社会R&D经费支出占地方GDP比重、科技公共财政支出占公共财政支出的比重等定量指标，为了完成这些目标，地方政府会加大创新投入力度，增加科技财政支出。第二，倒逼地方政府优先发展技术水平更高的产业。创新型城市建设政策明确了高技术企业在城市创新体系形成过程中的关键地位，并将高新技术企业数量、高新技术企业主营业务收入占规模以上工业企业主营业务收入比重等指标纳入考核体系，这将促使地方政府在建设创新型城市的过程中，优先发展高技术产业。第三，倒逼地方政府更加注重环境保护。《建设创新型城市工作指引》将“绿色低碳”与“创新驱动”“突出特色”“地方主体”并列，共同作为创新型城市建设的四大原则。《建设创新型城市指标体系》明确将空气质量、万元GDP能耗等绿色发展指标作为创新型城市综合绩效水平的评价指标，这些考核指标和要求同样会对试点城市产生约束和倒逼作用，使得地方政府在加大创新投入的同时，提高环境治理力度。从以上分析可以看出，创新型城市建设能够倒逼地方政府加大创新投入力度、优先发展技术水平更高的产业以及更加注重环境保护，进而促进中国经济发展绿色转型。
综上，从技术效应和倒逼效应看，创新型城市建设能显著提高GTFP;但从集聚效应看，创新型城市建设对GTFP的影响存在不确定性，进而导致创新型城市建设对GTFP的总效应方向存在不确定性。由此，本文首先提出以下两个竞争性的假说：
假说1a：创新型城市建设会促进GTFP的提升。
假说1b：创新型城市建设会抑制GTFP的提升。
同时，针对创新型城市建设对GTFP的影响机制，本文提出以下假说：
假说2：创新型城市建设会通过技术效应、集聚效应和倒逼效应三条途径影响GTFP。
2模型、数据与变量说明
2.1模型设定
将创新型城市建设视为一次准自然实验，利用创新型城市试点在不同城市和试点年份上的变异，使用渐进性的双重差分法估计创新型城市建设对GTFP的影响。借鉴Beck等[19]的研究，设定渐进DID模型：
lnGTFPit=β0+β1Policyit+β2Controlit+μi+ηt+εit（1）
其中，i和t分别表示城市和年份。lnGTFP为被解释变量，表示城市GTFP水平;Policy为创新型城市建设的政策变量，Control为一系列控制变量，μi和ηt分别表示城市和年份固定效应，εit为随机误差项。
2.2数据与变量说明
使用2003—2017年中国283个城市的面板数据进行实证分析。研究数据主要来自《中国城市统计年鉴》，部分缺失值通过CEIC数据库、EPS数据库、Wind数据库以及各省市统计年鉴等资料进行搜集补充。对于依然存在的个别缺失值，统一采用插值法补齐。
（1）被解释变量（lnGTFP）。本文的被解释变量为GTFP，使用城市累积GTFP的自然对数表示。具体而言，在DEA框架下基于考虑非期望产出的方向性距离函数，运用Global-Malmquist-Luenberger（GML）生产率指数测度GTFP。
GTFP的计算过程主要涉及投入和产出两类指标。投入指标主要包括劳动投入、资本投入和能源投入。其中，以单位从业人员期末人数与私营和个体从业人数之和表示劳动投入，以实际资本存量表示资本投入。由于缺乏城市层面的能源投入数据，故以全社会用电量表示能源投入。资本存量的估计采用永续盘存法，借鉴张军等[20]的研究，假设期初资本存量为初始固定资产投资额的10%，同时将固定资产折旧率统一设定为9.6%，进而计算出各城市2003年为基期的资本存量。产出指标主要包括期望产出与非期望产出。期望产出指标用城市2003年不变价的GDP表示。非期望产出指标借鉴Xin和Qu[21]的研究，用工业废水排放量、工业二氧化硫排放量和工业烟尘粉尘排放量三个指标合成的综合污染指数表示，其计算采用熵值法。值得说明的是，由于GML指数反映的是GTFP的增长率而非绝对大小，故遵循Zhong和Li[22]的做法，以2003年为基年，将各城市基年的GTFP统一设置为1，进行累乘得到各城市历年累积GTFP。
（2）核心解释变量（Policy）。本文以虛拟变量来表示创新型城市建设政策变量。若一个城市在t年被认定为创新型试点城市，则该城市t年及之后年份的Policy取值为1，否则取值为0。历年创新型城市试点名单主要来源于科技部官方网站。对于少数未明确公布试点时间的城市，主要通过手工搜索创新型城市试点实施方案等方式予以确认。样本期内，先后有61个城市成为创新型试点城市。由于吉昌、石河子两市数据严重缺失，故本文的实验组样本最终包含59个试点城市，对照组样本包含224个非试点城市。
（3）控制变量。借鉴已有研究[7，23]，主要对以下变量进行控制：①经济发展水平，用城市人均GDP的自然对数（pgdp）衡量。为了检验是否存在“环境库兹涅茨曲线”，同时纳入了人均GDP对数的平方项（pgdp2）作为控制变量。②产业结构（Industry），用城市第三产业增加值与第二产业增加值之比衡量。③政府规模（Government），用政府财政支出与GDP之比衡量。④金融发展（Finance），用城市存贷款余额之和与GDP之比衡量。⑤对外开放（Open），用外商直接投资（FDI）与GDP之比衡量。⑥基础设施（Road），用城市人均道路面积的自然对数衡量。
3实证分析
3.1基准回归
采用逐步回归法对基准模型进行估计，结果见表1。第（1）列显示，在不加入任何控制变量的情况下，Policy的估计系数显著为正，表明创新型城市建设能显著提高GTFP。当逐步加入经济发展水平等控制变量后，Policy的估计系数大小和显著性并未发生明显改变，进一步说明创新型城市建设能促进中国经济发展的绿色转型。第（7）列的估计结果表明，当其他条件不变时，相较于非试点城市，创新型试点城市GTFP平均提高4.9%。由于创新型城市建设开始于2008年，因此，本文样本期内共捕捉了10年的平均处理效应，相当于创新型城市建设每年促使试点城市的GTFP平均提高0.49%（4.9%/10）。
从控制变量的估计结果看，经济发展水平对GTFP的影响呈“U型”变动，支持“环境库兹涅茨曲线”假说，这与王兵等[23]的研究结论一致。金融发展的估计系数显著为负，说明金融规模的扩张会抑制GTFP的提升。对外开放水平的估计系数也显著为负，其原因可能在于，中国总体上引进的外资质量偏低，其中包含了一些技术水平较低且污染较为严重的行业，从而抑制了绿色发展水平的提高，这一估计结果支持了“污染天堂”假说[24]。此外，产业结构、政府规模和基础设施的估计系数均不显著。
3.2机制分析
为了检验创新型城市建设对绿色发展的作用机制，在模型（1）的基础上增加两个递归模型，构建中介效应模型：
Mediationit=λ0+λ1Policyit+λ2Controlit+μi+ηt+εit（2）
lnGTFPit=γ0+γ1Policyit+γ2Mediationit+γ3Controlit+μi+ηt+εit（3）
其中，Mediation表示一系列中介变量，其余变量的含义同模型（1）一致。中介效应模型的估计过程如下：首先，估计模型（1），得到Policy的估计系数β1。其次，估计模型（2）和模型（3），得到估计系数λ1和γ2。其中，λ1反映的是创新型城市建设政策对中介变量的影响效应，γ2反映的是中介变量对GTFP的影响效应。若二者均显著，则表明中介效应存在，即创新型城市建设能够通过中介变量影响GTFP（在此情形下，γ1不显著表明中介变量发挥了完全中介的作用;γ1显著为正且小于β1表明中介变量发挥了部分中介的作用）。最后，若λ1和λ2至少有一个不显著，则需要通过Sobel检验来确定中介效应的存在性。
3.2.1技术效应机制分析
分别从创新水平和人力资本两个方面对技术效应进行检验。按照通常的衡量方式，采用每万人发明专利授权数（Patent）作为地区创新水平的代理变量。出于稳健性考虑，进一步使用复旦大学产业发展研究中心[25]编制的创新指数（Innovation）来衡量创新水平。人力资本借鉴林伯强和谭睿鹏[7]的做法，使用高等学校在校生人数占劳动人数的比例衡量（HC）。上述中介变量的数据分别来自中国研究数据服务平台（CNRDS）、《中国城市和产业创新力报告2017》《中国城市统计年鉴》。
表2的（1）、（3）和（5）列估计结果表明，创新型城市建设能显著提高城市创新水平，促进人力资本升级。同时，（2）、（4）和（6）列显示，每万人发明专利授权数、创新指数和人力资本对GTFP的估计系数均在1%的水平上显著为正，且均小于基准回归系数，说明城市创新水平和人力资本水平发挥了部分中介的作用，技术效应机制得以验证。
3.2.2集聚效应机制分析
分别构建不同的经济集聚指标检验集聚效应。经济集聚的衡量方式主要有经济密度[15]、市场潜能[26]等，为了保证估计结果的稳健性，分别采用以上两种方式构建经济集聚的代理变量。经济密度（Agg）用单位面积的非农生产总值表示[15]。市场潜能（MP）的计算公式为MPit=GDPit/dit+∑i≠j（GDPjt/dij），其中，GDPit和GDPjt分别为城市i和城市j在t年的国内生产总值。dij为城市i和j城市之间的距离;dit为城市i的内部距离，计算公式为dit=（2/3）×（areai/π）1/2;areai为城市i的土地面积。计算经济密度和市场潜能所使用的原始数据主要来自《中国城市统计年鉴》和CEIC数据库，计算城市间距离所使用的经纬度数据来自中国研究数据服务平台（CNRDS）。
表3的（1）列和（3）列估计结果表明，无论以何种方式衡量经济集聚，创新型城市建设均能显著提高城市经济集聚度。（2）列和（4）列显示，城市经济密度和市场潜能对GTFP的估计系数在1%的水平上显著为正，且均小于基准回归系数，说明经济集聚发挥了部分中介的作用，即创新型城市建设能够通过集聚效应途径提升城市GTFP，集聚效应机制得以验证。
3.2.3倒逼效应机制分析
关于倒逼效应，分别从创新型城市建设是否能够倒逼地方政府加大创新投入力度、优先发展技术水平更高的产业以及更加注重环境保护三个方面进行检验。关于创新投入力度，借鉴陈诗一和陈登科[1]的研究，本文以人均科学技术财政支出（Science）衡量;关于优先发展技术水平更高的产业，使用高技术企业数量、比重或营业收入等指标衡量显然更加合适，但受限于城市层面数据的可得性，最终选择科学研究、技术服务和地质勘查业从业人员占劳动人数的比重（High_tech）作为替代指标;关于地方政府更加注重环境质量的提升，选择水利、环境和公共设施管理业从业人员占劳动人数的比例（Environment）来衡量。因为环境管理业就业人员数量从侧面体现了地方政府对环境保护的重视程度，这一指标也被广泛地运用于地方环境治理效率的测度[27]。上述指标数据均来自《中国城市统计年鉴》。
表4的（1）、（3）和（5）列估计结果表明，创新型城市建设能显著提高人均科学技术财政支出、高技术人员比重及环境管理业就业人员比重。（2）、（4）和（6）列显示，以上三个变量对GTFP的估计系数均显著为正，且均小于基准回归系数，说明人均科学技术财政支出、高技术人员比重及环境管理业就业人员比重的提高能显著提升城市GTFP水平，倒逼效應得以验证。
3.3异质性分析
3.3.1城市区位、城市规模和城市等级异质性分析
为避免基于样本总体的分析可能掩盖了创新型城市建设的绿色发展效应在不同城市的潜在差异，考察不同城市区位、不同城市规模以及不同城市等级创新型城市建设对GTFP的异质性影响。其中，城市区位按照通常的东部地区和中西部地区划分标准进行分组。城市规模划分主要依据《国务院关于调整城市规模划分标准的通知》。考虑到不同组别之间样本数量的均衡性，本文以300万人口为界限，将研究样本划分成Ⅰ型大城市及以上（300万人口及以上）和Ⅱ型大城市及以下（300万人口以下）两组。城市等级划分借鉴新一线城市研究所最新发布的《2019中国城市商业魅力排行榜》，同时考虑到不同组别之间样本数量的均衡性，本文将一线、新一线、二线和三线四类城市划定为高等级城市，共包含118个;将四线和五线两类城市划定为低等级城市，共包含165个。表5报告了城市区位、城市规模和城市等级异质性的估计结果。
从城市区位看，东部地区和中西部地区的估计系数均显著为正，且东部地区的估计系数更大，表明东部地区创新型城市建设对GTFP的促进效应大于中西部地区。从城市规模看，Ⅰ型大城市及以上城市Policy的估计系数则显著为正，Ⅱ型大城市及以下城市Policy的估计系数虽然为正，但不显著，表明创新型城市建设对GTFP的驱动效应主要体现在规模较大的城市中。从城市等级看，高等级城市Policy的估计系数在5%的水平上显著为正，低等级城市Policy的估计系数虽然为正，但不显著，表明创新型城市建设对高等级城市GTFP的促进作用更大。创新型城市建设对GTFP的影响之所以在不同城市之间存在差异，可能是因为相较于中西部地区城市、规模较小城市和低等级城市而言，东部地区城市、规模较大城市和高等级城市拥有更加先进的绿色生产技术和污染治理技术等，在创新型城市建设的政策冲击下，有利于这些城市加快形成绿色发展相关的技术积累和创新要素积累，从而GTFP提高更快。
3.3.2GTFP水平异质性分析
为了研究不同GTFP水平下创新型城市建设绿色发展效应可能存在的异质性，采用面板分位数回归对基准模型进行估计。表6给出了10%、25%、50%、75%和90%五个代表性分位点的估计系数。可以发现，在不同的分位点上，Policy的估计系数均显著为正，且随着分位点的逐渐提高，Policy的估计系数逐渐增大，表明随着城市GTFP的提高，创新型城市建设对城市GTFP水平的促进效应呈现边际递增趋势。也就是说，对原本GTFP较高的城市而言，创新型城市建设政策的绿色发展效应更加显著。因此，在建设创新型城市过程中，原本GTFP相对较低的城市应更加注重绿色发展，努力缩小与其他城市GTFP的差距，以充分释放创新型城市建设带来的绿色发展红利。
4稳健性检验与内生性讨论
4.1稳健性检验
为确保上述估计结果的稳健性，分别从平行趋势检验、基于PSM-DID方法的检验、反事实检验、安慰剂检验和其他稳健性检验五个方面进行稳健性检验。
4.1.1平行趋势检验
运用渐进DID模型进行估计的前提条件是必须满足平行趋势假设，即在政策实施之前实验组和对照组之间具有相同的变动趋势。本文借鉴Beck等[19]的研究，采用事件研究法对研究样本是否具有平行趋势进行验证，具体模型设定如下：
lnGTFPit=β0+β1Policy-5it+β2Policy-4it+…+β10Policy5it+β11Controlit+μi+ηt+εit（4）
其中，Policy±jit为一系列虚拟变量，当实验组在成为试点城市之前（之后）第j年时，Policy-jit（Policyjit）取值为1;特别地，Policy-5it（Policy-5it）代表实验组在成为试点城市之前（之后）5年及以上;其他情形均取值为0。为避免多重共线性的影响，本文将创新型城市试点之前第2年作为参照组进行估计，图1描绘了Policy±jit的估计系数及其相应90%的置信区间。可以看出，当j=-5，-4，-3，-1时，Policy的估计系数均不显著，表明在政策实施之前，实验组和对照组GTFP的变化无显著差异，即满足平行趋势假设。此外，当j=0时，Policy的估计系数虽然为正但不显著，当j=1，2，3，4，5时，Policy的估计系数均为正且都至少通过了10%的显著性水平检验，表明创新型城市建设对城市GTFP的影响具有大约一年的滞后期，同时这种正向效应具有持续性。
4.1.2基于PSM-DID方法的检验
由于创新型城市建设过程中，国家可能会优先考虑将自主创新能力强、科技支撑引领作用突出、经济社会可持续发展水平高、区域辐射带动作用显著的城市作为试点城市，从而产生选择性偏差问题，最终导致基准回归结果产生偏误。为克服这种偏误，本文采用PSM-DID方法进行稳健性检验。具体地，以GTFP的自然对数为结果变量，以经济发展水平（Pgdp）、产业结构（Industry）、政府规模（Goverment）、金融发展（Finance）、对外开放（Open）和基础设施（Road）作为匹配变量，按照一对一近邻匹配法进行匹配。PSM平衡性检验结果显示，在匹配后的变量中，除金融发展的标准化偏差绝对值达到10.8%之外，其他所有匹配变量的标准化偏差绝对值均不超过10%，且所有匹配变量匹配前后的均值差异均由显著变得不显著，说明实验组和对照组之间非常接近。基于匹配后的样本，本文对基准模型重新估计。结果显示，无论是否加入控制变量，Policy的估计系数均在1%水平上显著为正，进一步表明创新型城市建设能够提高城市绿色发展水平。从政策效应的作用强度来看，PSM-DID方法的估计系数为0.037，略小于基准回归系数的0.049，但并不影响本文的核心研究结论（限于篇幅稳健性检验结果未汇报）。
4.1.3反事实检验
以创新型城市建设之前的2003—2007年为研究样本，分别假设创新型城市试点的时间统一为2004年、2005年和2006年，构造反事实实验对基准模型进行估计。结果显示，无论以2004年、2005年还是2006年作为政策实施时间，Policy的估计系数均不显著，表明试点城市GTFP水平的提升的确由创新型城市建设这一政策所引起的，进一步支持了本文的核心结论（表7）。
4.1.4安慰剂检验
借鉴Cantoni等[28]的研究構造安慰剂检验，来判断创新型城市建设对GTFP的促进作用是否是由其他随机因素引起的。根据283个城市中创新型试点城市情况，随机生成处理组并重复进行了1000次回归，进而得到1000次回归中创新型城市建设政策变量的估计系数，绘制出估计系数分布的核密度图（图2）。结果显示，1000次回归Policy的估计系数均值为-0.0003，相较于基准回归系数0.049非常接近于0，说明创新型城市建设对GTFP的作用比较稳健，的确促进了城市绿色发展水平的提升。
4.1.5其他稳健性检验
在上述检验的基础上，文章进行了一系列其他稳健性检验。具体包括以下七个方面：①由于2018年新确立的17个创新型试点城市不在本文的样本期内，因此在进行估计时，将这些城市作为对照组处理。为了消除新确立城市的影响，剔除2018年新增的创新型试点城市进行检验。②剔除直辖市样本，因为直辖市作为试点城市时，仅将直辖市的某一个区列为试点城市（北京市海淀区、天津滨海新区、上海杨浦区、重庆沙坪坝区），从而可能对估计结果产生影响。③改变估计方法，使用单期DID模型进行估计。由于2010年是创新型试点城市新增最多的年份，2010年及之前年份的试点城市作为实验组，并假设所有实验组城市的政策实施时间均为2010年，同时对2011—2013年间新增的试点城市予以剔除，并重新进行估计。④控制时间趋势项，因为不同城市GTFP随时间变动的趋势可能存在较大差异。⑤对所有连续变量进行1%水平的Winsorize处理，以排除异常值的影响。⑥考虑到创新型城市建设对GTFP的影响可能存在滞后性，将所有解释变量滞后一期进行估计。⑦控制省份×年份联合固定效应，用以捕捉各个省份随时间变化的政策效应。估计结果显示，所有模型的估计系数介于0.039～0.070之间，与基准回归结果较为接近，且均通过了1%的显著性水平检验，再次表明基准回归的估计结果具有稳健性，支持了创新型城市建设能够提升GTFP的研究结论（限于篇幅稳健性检验结果未汇报）。
4.2内生性讨论
以上估计结果可能面临试点城市内生选择的威胁。具体而言，内生性主要来自两个方面：一是遗漏变量。虽然估计过程中控制了城市固定效应和年份固定效应，同时控制了一系列城市特征变量，但可能仍然存在一些未观测因素。二是反向因果。虽然平行趋势检测结果表明实验组和对照组在创新型城市试点政策实施之前GTFP的变化趋势基本一致，但是否入选试点城市依然可能受到GTFP的影响。因为GTFP更高的城市通常拥有更好的创新环境、更高的创新水平等，从而入选试点城市的概率可能就越大。对此，文章将运用工具变量法进行估计。
借鉴通常的工具变量构建思路，选择城市中华老字号数量这一历史变量作为创新型城市建设的工具变量。这是因为，一方面，城市经济发展具有传承性和延续性，中华老字号数量能够较好地体现城市创新水平的高低。马忠新和陶一桃[29]曾使用人均中华老字号数量作为企业家传承精神的代理变量，实证发现人均中华老字号数量越多，地区创新水平越高，因此可以推断中华老字号数量与该城市是否入选创新型试点城市有关，满足工具变量相关性的前提。另一方面，中华老字号数量是一个历史值，从而不会直接影响城市GTFP水平，符合工具变量外生性的要求。值得说明的是，中华老字号数量不能直接作为创新型城市建设的工具变量，因为前者是横截面数据，而后者是面板数据。为了解决这个问题，本文借鉴Nunn和Qian的做法[30]，再寻找一个与时间有关的变量，将其与横截面变量做交互项。最终，本文构建了城市中华老字号数量（横截面数据）与上一年全国R&D经费支出（时间序列数据）的交互项（China_brand）作为创新型城市建设的工具变量。城市中华老字号数量来源于商务部公布的《中华老字号名录》，具体通过将中华老字号的发源地对应到相应的城市整理获得。
表8报告了工具变量的估计结果。DWH检验结果表明基准模型可能存在内生性问题。第一阶段估计结果显示，研究构造的工具变量与高度相关，同时，Kleibergen-PaapWaldrkF（RKF檢验）统计量明显大于16.38的临界值，说明不存在弱工具变量问题。第二阶段估计结果表明，当考虑了潜在的内生性后，估计系数依然显著为正，并且明显大于基准估计系数的0.049，表明试点城市的内生选择问题倾向于低估创新型城市建设对GTFP的促进效应。
5结论与启示
自2008年深圳成为中国第一个创新型试点城市以来，创新型城市建设已逾10年，在技术、经济、社会等方面发挥着日益重要的作用，并进一步影响到城市GTFP水平。然而，现有文献对创新型城市建设的政策效应研究还相对较少，尚未见到有文献对创新型城市建设的绿色发展效应进行专门研究。鉴于此，本文将创新型城市试点在不同城市、不同年份的实施作为一次准自然实验，基于2003—2017年中国283个城市的面板数据，运用渐进性的双重差分模型估计了创新型城市建设对GTFP的影响，并考察了其内在作用机制。主要研究结论有：①相较于非试点城市，政策试点使得城市GTFP平均提高4.9%，意味着创新型城市建设有利于促进中国经济发展的绿色转型。②机制分析表明，创新型城市建设可以通过技术效应、集聚效应和倒逼效应三条途径提升GTFP。③创新型城市建设对GTFP的影响具有异质性。总体而言，创新型城市建设的绿色发展效应在东部地区城市、城市规模较大城市以及高等级城市中影响更加显著;同时，随着城市GTFP的提高，创新型城市建设对GTFP的效应呈边际递增趋势。
本文从绿色发展视角提供了创新型城市建设带来正外部性的经验证据。结合核心研究结论，提出以下政策建议：①“环境库兹涅茨曲线”的存在表明，当经济发展达到一定水平后，经济增长与绿色发展之间是可以实现双赢的，因而在高质量发展阶段依然有必要保持合理的经济增长速度。同时，本文发现金融规模与外商直接投资占GDP比重都会显著降低城市绿色发展水平，因此，在推动金融发展和对外开放的同时，要更加注重金融发展质量和对外开放质量的提升，而非单纯的数量扩张，否则可能会顾此失彼，不利于城市经济绿色发展转型和高质量发展。②由于创新型城市建设对不同城市的影响具有异质性，因此，在创新型城市建设过程中，要坚持因地制宜、因城施策、一地一策的原则，充分发挥地方政府的主体地位，加强政策实施过程中的包容性，不能搞“一刀切”。从本文的研究结果来看，创新型城市建设对GTFP的促进作用在中西部地区城市、规模较小城市和低等级城市较低甚至不显著，因此，在持续深入开展创新型城市建设进程中，要注意试点工作的经验总结、分享和推广，将东部地区城市、规模较大城市和高等级城市的成功经验引入到政策效应尚未充分发挥的城市，以扩大创新型城市建设的绿色发展效应。③探索创新型城市建设政策促进城市GTFP水平提升的多维途径。具体而言，要大力推动城市创新水平和人力资本水平的提高，加快推进城市创新要素、经济要素的集聚度，完善创新型城市建设的考核体系，充分发挥创新型城市建设的技术效应、集聚效应和倒逼效应的绿色发展驱动效应。
参考文献
[1]陈诗一，陈登科.雾霾污染、政府治理与经济高质量发展[J].经济研究，2018，53（2）：20-34.
[2]洪银兴，刘伟，高培勇，等.“习近平新时代中国特色社会主义经济思想”笔谈[J].中国社会科学，2018（9）：4-73.
[3]SOHAGK，BEGUMRA，ABDULLAHSMS，etal.Dynamicsofenergyuse，technologicalinnovation，economicgrowthandtradeopennessinMalaysia[J].Energy，2015，90：1497-1507.
[4]YIM，WANGY，SHENGM，etal.Effectsofheterogeneoustechnologicalprogressonhazepollution：evidencefromChina[J].Ecologicaleconomics，DOI：10.1016/j.ecolecon.2019.106533.
[5]IBRAHIEMDM.DotechnologicalinnovationsandfinancialdevelopmentimproveenvironmentalqualityinEgypt？[J].Environmentalscienceandpollutionresearch，2020，27（10）：10869-10881.
[6]PANX，AIB，LIC，etal.Dynamicrelationshipamongenvironmentalregulation，technologicalinnovationandenergyefficiencybasedonlargescaleprovincialpaneldatainChina[J].Technologicalforecastingandsocialchange，2019，144：428-435.
[7]林伯强，谭睿鹏.中国经济集聚与绿色经济效率[J].经济研究，2019（2）：119-132.
[8]WANGKL，MIAOZ，ZHAOMS，etal.Chinasprovincialtotal-factorairpollutionemissionefficiencyevaluation，dynamicevolutionandinfluencingfactors[J].Ecologicalindicators，2019，107：105578.
[9]葛鹏飞，黄秀路，韩先锋.创新驱动与“一带一路”绿色全要素生产率提升：基于新经济增长模型的异质性创新分析[J].经济科学，2018（1）：37-51.
[10]刘思明，张世瑾，朱惠东.国家创新驱动力测度及其经济高质量发展效应研究[J].数量经济技术经济研究，2019，36（4）：3-23.
[11]李政，杨思莹.创新型城市试點提升城市创新水平了吗？[J].经济学动态，2019（8）：70-85.
[12]武倩，冯涛.国家创新型城市建设的生产率效应[J].现代经济探讨，2020（1）：79-84.
[13]聂飞，刘海云.国家创新型城市建设对我国FDI质量的影响[J].经济评论，2019（6）：67-79.
[14]辜胜阻，吴华君，吴沁沁，等.创新驱动与核心技术突破是高质量发展的基石[J].中国软科学，2018（10）：9-18.
[15]张可.经济集聚与区域创新的交互影响及空间溢出[J].金融研究，2019（5）：96-114.
[16]张可，汪东芳.经济集聚与环境污染的交互影响及空间溢出[J].中国工业经济，2014（6）：70-82.
[17]李伟娜，杨永福，王珍珍.制造业集聚、大气污染与节能减排[J].经济管理，2010（9）：36-44.
[18]BRAKMANS，GARRETSENH，GIGENGACKR，etal.Negativefeedbacksintheeconomyandindustriallocation[J].Journalofregionalscience，1996，36（4）：631-651.
[19]BECKT，LEVINER，LEVKOVA.Bigbadbanks：thewinnersandlosersfrombankderegulationintheUnitedStates[J].Thejournaloffinance，2010，65（5）：1637-1667.
[20]张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004（10）：35-44.
[21]XINB，QUY.Effectsofsmartcitypoliciesongreentotalfactorproductivity：evidencefromaquasi-naturalexperimentinChina[J].Internationaljournalofenvironmentalresearchandpublichealth，2019，16（13）：2396.
[22]ZHONGJ，LIT.Impactoffinancialdevelopmentanditsspatialspillovereffectongreentotalfactorproductivity：evidencefrom30provincesinChina[J].Mathematicalproblemsinengineering，2020，DOI：10.1155/2020/5741387.
[23]王兵，吴延瑞，颜鹏飞.中国区域环境效率与环境全要素生产率增长[J].经济研究，2010（5）：95-109.
[24]COPELANDBR，TAYLORMS.North-southtradeandtheenvironment[J].Thequarterlyjournalofeconomics，1994，109（3）：755-787.
[25]寇宗来，刘学悦.中国城市和产业创新力报告2017[R].上海：复旦大学产业发展研究中心，2017.
[26]吴晓怡，邵军.经济集聚与制造业工资不平等：基于历史工具变量的研究[J].世界经济，2016，39（4）：120-144.
[27]包国宪，关斌.财政压力会降低地方政府环境治理效率吗：一个被调节的中介模型[J].中国人口·资源与环境，2019，29（4）：38-48.
[28]CANTONID，CHENY，YANGDY，etal.Curriculumandideology[J].Journalofpoliticaleconomy，2017，125（2）：338-392.
[29]马忠新，陶一桃.企业家精神对经济增长的影响[J].经济学动态，2019（8）：86-98.
[30]NUNNN，QIANN.USfoodaidandcivilconflict[J].Americaneconomicreview，2014，104（6）：1630-1666.
Impactofinnovativecityconstructionongreentotalfactorproductivity
NIEChangfei1LUJianxin2FENGYuan2HUZhaolian3
（1.EconomicsandManagementSchool，WuhanUniversity，WuhanHubei430072，China;2.SchoolofFinance，ZhongnanUniversityofEconomicsandLaw，WuhanHubei430073，China;3.BusinessSchool，JiangsuNormalUniversity，XuzhouJiangsu221116，China）
AbstractIntheframeworkofDEA，basedonthedirectionaldistancefunctionconsideringtheunexpectedoutput，thispaperusedtheGlobal-Malmquist-Luenbergerproductivityindextomeasurethegreentotalfactorproductivityof283citiesinChinafrom2003to2017.Then，wetookinnovativecityconstructionasaquasi-naturalexperiment，andusedthegradualDID（difference-in-differences）modeltoestimatetheimpactofinnovativecityconstructionongreentotalfactorproductivity（GTFP）.ThestudyfoundthattheconstructionofinnovativecitieswasconducivetothegreentransformationofChinaseconomicdevelopment.Comparedwithnon-pilotcities，theGTFPofinnovativepilotcitiesincreasedby4.9%onaverage.Specifically，theconstructionofinnovativecitiescouldachieveinnovation-drivenurbangreendevelopmentinthreeways：innovationeffect，agglomerationeffectandreverseforceeffect.HeterogeneityanalysisfoundthattheconstructionofinnovativecitieshadagreaterpromotingeffectonGTFPofcitiesintheeasternregion，largercitiesandcitieswithhigherlevels.QuantileestimationresultsshowedthattheeffectoftheconstructionofinnovativecitiesonurbanGTFPwasincreasingmarginally.Theconclusionofthisstudywasrobust，whichstillheldafterparalleltrendtest，PSM-DIDmethodestimation，counterfactualtest，placebotest，otherrobustnesstestsandinstrumentalvariableestimation.Thisstudyhasthefollowingimplications：Intheprocessofbuildinginnovativecities，weshouldadheretotheprincipleofadjustingmeasurestolocalconditions，implementthe‘onepolicyforoneplaceprinciple，givefullplaytothedominantpositionoflocalgovernments，andexploremulti-dimensionalwaystopromotethelevelofGTFPofthecity.
Keywordsinnovativecity;greentotalfactorproductivity;difference-in-differences（責任编辑：刘照胜）
