摘要：“双碳”背景下，我国面临巨大的碳排放等环境污染压力。文章基于中国2009—2021年企业的面板数据，以企业碳排放为研究对象，采用多期双重差分法考察了智慧城市建设对企业碳排放水平的影响。研究表明，智慧城市建设能够通过促进企业绿色创新和优化产业结构来降低企业的碳排放水平。进一步研究中，文章针对此影响是否具有溢出效应进行了探究，结果表明，智慧城市建设的碳减排效应对于周边城市存在显著的正向溢出效应，且异质性检验表明这种溢出效应在非国企以及非高科技企业中更显著。

　　关键词：智慧城市；企业碳排放；溢出效应

　　引言

　　近年来，全球变暖问题日益严重，也导致了一系列如冰川消融、海平面升高等环境问题。中国是当今世界上最大的温室气体排放国和发展中国家，始终视环境保护问题为己任。“双碳”目标的提出把我国绿色发展之路提升到新的高度，绿色成为未来数十年内我国社会经济发展的底色。

　　中国近年来的城市化发展进程表明，环境污染问题主要集中发生在城市区域。新型的城市发展模式是否能够改变这个现象？2012年施行的智慧城市建设就是这样一种全新的城市发展模式。

　　一、文献综述

　　（一）智慧城市建设

　　智慧城市通过更先进的信息技术，改善了城市内各环节的交往方式，能够更智能地针对如环保、城市服务、民生等需求作出快速反应，显著改善了城市的运行效率。早期关于智慧城市建设的研究大多停留在理论层面上，比如对其愿景及目标的探索[1]，或是对其建设中出现的问题及对策的讨论[2]。近年来，大部分相关文献集中于“智慧城市”试点的经济后果研究，如经济增长[3]、创业活力[4]、全要素生产率[5]等。

　　（二）企业碳减排

　　关于企业碳减排行为的后果研究，企业碳减排行为如何影响企业价值已成为广大学者的研究重点之一。部分学者认为为了碳减排目标所投资的碳减排项目通常投资金额大、回收周期长，因此会增加企业成本，影响企业盈利能力，降低企业价值[6]；也有部分学者认为企业碳减排行为可以向外界传递企业履行环境责任的信息，减少企业与外界的信息不对称[7]，在市场上建立和形成环境友好型形象，有助于利益相关者对企业可持续发展能力的估值，从而提高企业价值[8]。

　　通过对以上文献的梳理，发现对于智慧城市的影响后果研究主要集中在城市层面和区域层面，而对于微观层面研究不足，同时对于企业碳减排的影响因素研究也较少考虑到国家层面的城市建设，所以探讨智慧城市建设对企业碳减排的影响是非常有必要的。

　　二、理论分析与研究假设

　　智慧城市是将各类智能感应器、传感器等嵌入到建筑物、电网、公路等物体中，通过互联形成物联网，进而运用云计算对城市运行中产生的大数据资源进行分析和整合，实现对城市资源的精细、动态、高效配置。2012年，住房和城乡建设部正式发布“关于开展国家智慧城市试点工作的通知”，并印发《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）》文件。文件中明确指出，智慧城市建设是集约、绿色、低碳、智能新型发展的内涵要求，是带动产业优化升级的重要途径。在智慧城市试点中，对于申报城市自身的基础设施条件等有明确要求。因此，智慧城市本身就拥有更加稳固的基础设施、更加完备的资源储备以及更积极的绿色理念。

　　此外，数字技术有助于企业之间的信息整合、打破企业间原有的时空壁垒[9]，帮助企业更迅速地捕捉到市面上的绿色产品信息和消费者的绿色消费偏好。而绿色技术创新在实现低碳发展过程中发挥了重要作用。已有研究表明，企业的绿色创新可以通过提升企业的资源利用效率从而推动企业碳减排[10]。并且绿色创新具有溢出效应，不仅加快了碳减排等绿色知识的传播[11]，还提升了企业的服务溢价，因而企业会表现出更高的碳减排热情，从而提高企业碳减排绩效水平[12]。因此，本文认为智慧城市建设可以通过促进企业绿色创新来减少企业碳排放水平。

　　智慧城市试点政策文件中明确指出，智慧城市建设是带动产业优化升级的重要途径。产业机构升级本质上是相对高级的产业占比逐渐提升的过程，智慧城市通过对资源充分整合，减少资源浪费、降低污染，使城市治理更加有效。产业结构高级化是实现碳减排的重要动力机制，产业结构高级化是由技术创新和技术突破内生的，其促进城市实现碳减排的主要机理在于：一方面，产业结构升级意味着第三产业部门比重持续提高，而第三产业能耗强度小于工业部门；另一方面，产业结构转型升级意味着资源要素从低效率企业流向高效率企业，而高效率企业的能源使用效率也较高，从而驱使整个产业部门向低碳绿色发展，进而带动城市碳排放的整体下降[13]。

　　基于以上分析，本文提出如下研究假设。

　　假设1：智慧城市建设可以降低企业碳排放水平。

　　假设1a：智慧城市建设可以通过促进企业绿色创新来降低企业碳排放水平。

　　假设1b：智慧城市建设可以通过促进产业结构升级来降低企业碳排放水平。

　　三、研究设计

　　（一）样本选择与数据来源

　　本文以2009—2021年A股上市公司作为研究对象，借鉴以往研究按以下标准进行筛选：删除智慧城市建设试点城市中仅以某个县、区作为智慧城市建设地区的企业样本，对金融类的企业样本也同样进行剔除，同时删除核心变量有缺失的数据，剔除经营不善的ST、ST*和PT公司；剔除相关数据缺失的公司，为减少极端值的影响，对连续型变量进行1%水平的缩尾处理。本文所需要的企业碳排放数据参考王浩（2022）的研究[14]，控制变量数据均来自CSMAR数据库。

　　（二）变量定义与模型设计

　　本文依托“智慧城市建设”这一准自然实验来考察智慧城市建设对企业碳排放的影响。目前，DID模型是政策效应评估最常用的方法之一，因此本文也将采用此方法。本文首先筛选出“从未开展智慧城市建设”的地级市所属企业作为对照组，再将“开展智慧城市建设”的地级市所属企业作为处理组，从而构建起回归样本，并建立如下回归模型。

　　Emissionit=β0+β1postit×treatit+γZit+μi+vt+εit（1）

　　其中，i表示企业，t表示年度，treat为企业分组虚拟变量，如企业注册所在城市进行了智慧城市建设则为1，否则为0，post为智慧城市建设的时间虚拟变量，试点开始前为0，开始后均为1。两者乘积的系数即为智慧城市建设效果。

　　Emission是本文被解释变量。代表企业碳排放量，参照王浩等（2022）的计算方法[14]。控制变量Z为一系列控制变量。模型的其他变量方面，μ代表个体固定效应，ν代表时间固定效应，ε代表随机扰动项。

　　四、实证结果与分析

　　（一）描述性统计

　　表2是主要变量的描述性统计结果。从中能够发现，碳排放量Emission的平均值为11.46，中位数为11.31，标准差为1.461，最小值为8.341，最大值为15.64，表明不同公司的碳排放量存在差异。

　　（二）基准回归

　　表3是智慧城市建设与城市所辖企业碳排放量的基准回归结果。回归结果表明智慧城市建设与企业碳排放呈负相关关系，假设1得到验证。

　　（三）稳健性检验

　　1.平行趋势检验

　　使用双重差分模型需要满足的前提假设是，处理组与控制组在受到处理前必须具有相同的变化趋势，即使用DID前需要进行平行趋势检验。根据图1可知，智慧城市建设在施行之前，处理组与控制组企业碳排放量并无显著差异，满足平行趋势假定。

　　2.倾向得分匹配的双重差分法（PSM+DID）

　　由于城市是否入选智慧城市试点名单很可能不是随机的，跟城市经济状况等因素有关，这就可能会出现样本选择偏差。为了能够缓解这一样本选择偏差的影响，我们对影响智慧城市建设的城市层面变量进行控制，进行PSM-DID检验。这些变量包括产业结构、对外开放水平、人力资本水平。数据采取1对1近邻匹配法，匹配后样本量为7 338。依据配对后样本重新进行回归检验。表4展示了PSM-DID检验结果，研究显示，DID系数依然显著为负，说明在剔除样本偏差因素后，智慧城市建设依然与企业碳排放呈负相关关系。这与本文基准回归结论保持一致。

　　（四）机制分析

　　企业绿色创新。本文参考宋德勇（2022）的方法，采用绿色专利数占总专利数的比重度量企业的绿色创新[15]。从表6的回归结果可以看出，智慧城市建设能够通过促进绿色创新来降低企业碳排放量。假设1a得以验证。

　　产业结构升级。本文参考袁航（2018）的测算方法，以产业结构高级化来衡量产业结构升级[16]。从表7的回归结果可以看出，智慧城市建设能够通过促进产业结构升级来降低企业碳排放量。假设1b得以验证。

　　五、进一步分析

　　（一）溢出效应

　　智慧城市建设会对周边城市产生“虹吸效应”，即吸引周边城市产业的资金、人力资源等，形成资源配置的扭曲[17]，抑制周围城市的能源效率。而当超过了一定的距离，智慧城市建设可能通过生产要素和技术的外溢对周边城市产生正向溢出效应。因此，智慧城市建设对周边城市的能源利用效率的影响可能存在空间异质性。本文要全面了解智慧城市政策对企业碳排放的影响，除了直接考察试点政策对试点企业碳排放的影响，还应该考察此种影响是否存在溢出效应，以及此溢出效应是正向还是负向。

　　具体做法如图2所示，本文将研究样本划分为三个子样本，分别是：智慧城市建设的地级市所辖企业（子样本1）、智慧城市建设周边的地级市所辖企业（子样本2）、未开展智慧城市建设且周边没有智慧城市建设的地级市所辖企业（子样本3）。本文主要关注的是智慧城市建设在周边地级市之间的溢出效应，因此本文将受智慧城市建设影响最小的子样本3作为固定的控制组，智慧城市建设对子样本1和子样本2的影响均以子样本3作为参照对象。为了考察溢出效应，本文建立了如下模型。

　　首先，本文用模型（2）对由子样本1和子样本3组成的联合样本进行回归分析，系数β1将揭示智慧城市建设对试点城市所辖企业碳排放的影响；然后，用模型（3）对由子样本2和子样本3组成的联合样本进行回归分析，系数β2将揭示智慧城市建设对试点周边城市所辖企业碳排放的影响；最后，用模型（4）对由子样本1和子样本2组成的联合样本进行回归分析，系数β3将揭示试点城市所辖企业与试点城市周边城市所辖企业在碳减排方面的差异。当β1与β2同号，且β3不显著时，表示智慧城市建设对企业碳减排具有正向的溢出效应；当β1与β2异号，且β1与β3同号，则存在负向的溢出效应。模型中相关符号的含义与模型（1）相同，这里不再赘述。

　　从表8回归结果看，β1与β2同为负，β3不显著，因此智慧城市建设产生了正向的溢出效应，即智慧城市政策在促进试点城市企业碳减排的同时，还带动了周边城市所辖企业的碳减排行为。

　　（二）溢出效应的异质性分析

　　1.产权性质

　　我国资本市场存在国有和非国有两类产权性质不同的公司，他们在“政企关联”的建立和维护方面存在较大的差异。国有企业与政府联系更紧密，属于政府的“圈内人”，所以联系较稳固[18]。因此本文认为“智慧城市”试点政策将对非国有企业的溢出效应产生更显著的影响。为了检验上述推断，本文将溢出效应的检验模型样本分成国有企业样本和非国有企业样本。从表9检验结果来看，非国有企业碳减排行为的溢出效应更为明显，这与前述推断一致。

　　2.是否高科技企业

　　具有创新属性的高科技企业在本身就拥有天然的技术先发优势，智慧城市建设只能够助益高科技企业实现“锦上添花”式的政策赋能效应，可能客观造成智慧城市建设所产生的边际效用存在递减的可能。为了检验上述推断，本文将溢出效应的检验模型样本分成高科技企业和非高科技企业。从表10检验结果看，非高科技企业碳减排行为的溢出效应更为明显，这与前述推断一致。

　　六、结论与启示

　　本文结论表明，智慧城市建设显著降低了企业碳排放量。机制检验表明智慧城市建设主要通过促进企业绿色创新以及当地产业结构升级来降低企业碳排放。进一步研究表明，智慧城市建设具有显著的溢出效应，不仅降低了当地企业的碳排放水平，而且对周边城市所辖企业的碳减排行为具有促进作用。异质性检验表明，此种溢出效应对于非国企以及非高科技企业更为显著。

　　根据研究结论，本文提出建议如下：除了考虑政策对当地直接影响之外，还应考虑对周边城市的带动作用，妥善发挥城市之间的辐射带动作用，加强城市之间的技术合作和经验交流，形成地区间协调发展的碳减排格局，最终达到控制全局碳排放、共享治理成果的目的。

　　参考文献：

　　［1］许庆瑞，吴志岩，陈力田．智慧城市的愿景与架构［J］．管理工程学报，2012，26（4）：1-7.

　　［2］辜胜阻，杨建武，刘江日．当前我国智慧城市建设中的问题与对策［J］．中国软科学，2013（1）：6-12.

　　［3］张治栋，赵必武．智慧城市建设对城市经济高质量发展的影响——基于双重差分法的实证分析［J］．软科学，2021，35（11）：65-70+129.

　　［4］湛泳，李珊．智慧城市建设、创业活力与经济高质量发展——基于绿色全要素生产率视角的分析［J］．财经研究，2022，48（1）：4-18.

　　［5］石大千，李格，刘建江．信息化冲击、交易成本与企业TFP——基于国家智慧城市建设的自然实验［J］．财贸经济，2020，41（3）：117-130.

　　［6］宋亚植，李银，刘天森，等．控排企业碳市场收益测度与战略选择［J］．管理科学，2021，34（6）：3-14.

　　［7］赵玉珍，乔亚杰，周黎，等.减排措施如何提升高能耗企业财务绩效：碳绩效的中介作用［J］.系统工程，2021，39（6）：14-24.

　　［8］张弛，张兆国，包莉丽.企业环境责任与财务绩效的交互跨期影响及其作用机理研究［J］.管理评论，2020，32（2）：76-89.

　　［9］WEN Huwei，LEE Chien-chiang，ZHOU Fengxiu.Green credit policy，credit allocation efficiency and upgrade of energy—intensive enterprises［J］.Energy Economics，2021，94（1）.

　　［10］OOBA M，HAYASHI K，FUJII M，et al.A long-term assessment of ecological-economic sustainability of woody biomass production in Japan［J］.Journal of Cleaner Production，2015，88：318-325.

　　［11］RENNINGS K，RAMMER C.The impact of regulation-driven environmental innovation on innovation success and firm performance［J］.Industry and Innovation，2011，18（3）：255-283.

　　［12］李婉红，李娜．绿色创新、数字化转型与高耗能企业碳减排绩效［J］．管理工程学报，2023，37（6）：66-76.

　　［13］葛立宇，于井远．智慧城市建设与城市碳排放：基于数字技术赋能路径的检验［J］．科技进步与对策，2022，39（23）：44-54.

　　［14］王浩，刘敬哲，张丽宏．碳排放与资产定价——来自中国上市公司的证据［J］．经济学报，2022，9（2）：28-75.

　　［15］宋德勇，朱文博，丁海．企业数字化能否促进绿色技术创新？——基于重污染行业上市公司的考察［J］．财经研究，2022，48（4）：34-48.

　　［16］袁航，朱承亮.国家高新区推动了中国产业结构转型升级吗［J］.中国工业经济，2018（8）：60-77.

　　［17］杨继东，罗路宝．产业政策、地区竞争与资源空间配置扭曲［J］．中国工业经济，2018（12）：5-22.

　　［18］罗党论，廖俊平，王珏．地方官员变更与企业风险——基于中国上市公司的经验证据［J］．经济研究，2016，51（5）：130-142.