山東省智慧城市建設(shè)效率測度及影響因素研究

王家明,張云菲,杜雪怡,丁 浩

(1.中國石油大學(xué)勝利學(xué)院文法與經(jīng)濟管理學(xué)院,山東 東營 257061;2.中國石油大學(xué)(華東)經(jīng)濟管理學(xué)院,山東 青島 266580)

黨的十九大強調(diào)在建設(shè)中國特色智慧城市過程中,要依照我國國情,促進“四化”與智慧城市建設(shè)協(xié)調(diào)發(fā)展。智慧城市這一概念自2010年IBM正式提出后不斷發(fā)展,我國于2012年公布90個首批國家智慧城市試點名單,并于2014年下發(fā)《關(guān)于促進智慧城市健康發(fā)展的指導(dǎo)意見》,梳理了智慧城市建設(shè)應(yīng)注意的問題,提出智慧城市建設(shè)意見,要求各地區(qū)有序推進智慧城市建設(shè)。經(jīng)過近十年的探索,我國已有超過500個城市正式提出建設(shè)智慧城市,旨在提高城市綜合競爭力、增強聚集輻射帶動作用、改善人民生活。我國智慧城市從新型城鎮(zhèn)化的建設(shè)基礎(chǔ)出發(fā),已經(jīng)取得了一定成績,但不可置否的是智慧城市建設(shè)質(zhì)量的區(qū)域差異較大,仍處于上升和完善階段。基于此,以山東省各地市為研究對象,構(gòu)建DEA-Malmquist模型對2003—2018年山東省17地市智慧城市建設(shè)效率進行測度,并在此基礎(chǔ)上運用系統(tǒng)GMM(generalized method of moments)模型對其影響因素進行提取,深層次剖析影響智慧城市建設(shè)效率的因素,明晰山東省17地市智慧城市建設(shè)現(xiàn)狀,為同領(lǐng)域?qū)＜覍W(xué)者的研究提供補充借鑒,為山東省17地市智慧城市建設(shè)的政策制定提供參考。

1 文獻綜述

對山東省智慧城市建設(shè)質(zhì)量測度及影響因素進行研究,主要涉及智慧城市內(nèi)涵、智慧城市建設(shè)質(zhì)量測度、智慧城市建設(shè)三大主體,故文獻綜述也依照此思路展開。

現(xiàn)有國外對智慧城市內(nèi)涵的定義主要基于以技術(shù)為主要驅(qū)動力的智慧城市[1]、以科技人才為主要驅(qū)動力的智慧城市[2]、以城市治理為主要驅(qū)動力的智慧城市[3]等方面展開,Caragliu等[4]從智慧城市內(nèi)涵及投入產(chǎn)出角度提出通過參與治理來實現(xiàn)對現(xiàn)有資源的智慧管理,進而使城市變得更加“智慧”。在國內(nèi),以李博等[5]、郭曉蓓[6]為代表,認為智慧城市由智能電網(wǎng)、信息技術(shù)、物聯(lián)網(wǎng)等關(guān)鍵技術(shù)為主導(dǎo);以張可等[7]、吳標(biāo)兵等[8]、杜明芳[9]為代表,認為智慧城市由智慧治理體系構(gòu)建為主導(dǎo);以李冬雪[10]、田云霞等[11]為代表,認為智慧城市由人才培養(yǎng)為主導(dǎo),除此之外還有部分文獻認為智慧城市是以上主導(dǎo)的混合型。

智慧城市建設(shè)不斷完善發(fā)展,學(xué)者們開始關(guān)注對智慧城市的評價。王思雪等[12]對智慧城市評價指標(biāo)體系進行對比研究,研究了不同類型指標(biāo)體系的差異性;曹陽等[13]從4個層面構(gòu)建了基于智慧城市的可持續(xù)城市空間發(fā)展模型總體架構(gòu);孫斌等[14]基于系統(tǒng)動力學(xué),對包頭市構(gòu)建了智慧城市評價體系,初步為智慧城市建設(shè)奠定了定性和定量分析的基礎(chǔ)。國內(nèi)外學(xué)者對智慧城市的概念不斷完善,研究愈發(fā)深入,基本形成了包括智慧城市內(nèi)涵、外延、評價、應(yīng)用在內(nèi)的一體化理論架構(gòu)。

對現(xiàn)有智慧城市建設(shè)研究進行分析可歸納出6個方面,包括基礎(chǔ)設(shè)施[15]、治理制度[16]、居民生活[17]、智慧產(chǎn)業(yè)[18]、人力資源[19]和區(qū)域環(huán)境[20];從技術(shù)建設(shè)角度可以歸納為4個部分,包括智慧城市基礎(chǔ)設(shè)施建設(shè)[21]、智慧城市應(yīng)用平臺建設(shè)[22]、智慧城市云計算數(shù)據(jù)庫建設(shè)[23]、科技行業(yè)人才建設(shè)[24]。

通過以上對智慧城市內(nèi)涵、評價及建設(shè)三方面的文獻綜述可以看出:現(xiàn)有對智慧城市的研究大多注重于智慧城市技術(shù)攻關(guān)、基礎(chǔ)設(shè)施、平臺建設(shè)等方面,對其建設(shè)的評價也大都從建設(shè)水平及現(xiàn)狀的角度出發(fā),且以時間截面評價為主,鮮有從建設(shè)質(zhì)量、建設(shè)效率的角度開展的研究,因此在前人研究的基礎(chǔ)上,構(gòu)建DEA-Malmquist模型對2003—2018年山東省17地市智慧城市建設(shè)效率進行測度,并在此基礎(chǔ)上運用系統(tǒng)GMM模型對其影響因素進行提取,深層次剖析影響智慧城市建設(shè)效率的因素,旨在提高智慧城市建設(shè)效率,為同領(lǐng)域?qū)＜覍W(xué)者提供參考補充,為相關(guān)部門的政策制定提供借鑒。

2 山東省智慧城市建設(shè)效率的測度與討論

2.1 山東省智慧城市建設(shè)效率的指標(biāo)體系

從投入-產(chǎn)出角度選取測度智慧城市建設(shè)效率的指標(biāo),明晰智慧城市建設(shè)的投入要素與產(chǎn)出成果,結(jié)合山東省17地市現(xiàn)狀,建立山東省17地市智慧城市建設(shè)的評價指標(biāo)體系。

(1) 投入要素 在選取投入要素時,借鑒楊凱瑞[25]的方法,將投入要素分為人力、財力、物力3個基本生產(chǎn)要素,進一步選取相對應(yīng)且代表性大的指標(biāo)。

① 信息技術(shù)基礎(chǔ)設(shè)施建設(shè)。信息技術(shù)的發(fā)展使得智慧城市建設(shè)的信息流更加通暢,提高了城市信息化水平。選取信息傳輸、軟件和信息技術(shù)服務(wù)投資來代表信息技術(shù)基礎(chǔ)設(shè)施建設(shè)。

② 科學(xué)技術(shù)領(lǐng)域財力投入。政府及社會在科學(xué)技術(shù)領(lǐng)域的財力投入是智慧城市創(chuàng)造財富和提高創(chuàng)新的源泉,是智慧城市建設(shè)的重要驅(qū)動力。選取科學(xué)研究和技術(shù)服務(wù)業(yè)投資來代表科學(xué)技術(shù)領(lǐng)域財力投入。

③ 高技能人力資本。雖然信息技術(shù)的發(fā)展程度顯著影響著智慧城市建設(shè)水平,但高技能人力資本作為技術(shù)的主要載體,其重要性同樣不能忽視。選取R&D(research and development)人員折合全時當(dāng)量來代表高技能人力資本。

(2) 產(chǎn)出要素 在智慧城市的建設(shè)中,選取相關(guān)領(lǐng)域產(chǎn)值、業(yè)務(wù)量兩大指標(biāo)來確定產(chǎn)出成果,最終確定將信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)產(chǎn)值、科學(xué)研究和技術(shù)服務(wù)業(yè)產(chǎn)值、電信業(yè)務(wù)總量、郵電業(yè)務(wù)總量作為期望產(chǎn)出指標(biāo)。

數(shù)據(jù)來源于2003—2018年的《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》、山東省17地市的統(tǒng)計年鑒及統(tǒng)計公報。

2.2 實證評價與討論

采用基于DEA- Malmquist的方法來測算山東省17個智慧城市建設(shè)綠色全要素生產(chǎn)率(GTFP,green total factor productivity),運用DEAP軟件得出2003—2018年不同空間范圍、不同時間范圍GTFP的具體數(shù)值。在分析時,分別從山東省17地市不同梯度下的時間維度、空間維度和兩圈四區(qū)多角度對GTFP進行分析。

在進行實證評價之前,首先對效率標(biāo)準進行設(shè)定?，F(xiàn)有對智慧城市建設(shè)水平測算的相關(guān)研究鮮有對GTFP進行標(biāo)準劃分,考慮到對智慧城市建設(shè)GTFP發(fā)展演變實現(xiàn)可視化,以0.1為間隔,運用ARCGIS軟件進行繪制,并劃分為4個梯度,結(jié)合測度結(jié)果,將山東省17個智慧城市建設(shè)2003—2018年間5個主要年份GTFP均值以劃分標(biāo)準進行初步統(tǒng)計,具體標(biāo)準劃分及初步統(tǒng)計結(jié)果見表1。

表1 智慧城市建設(shè)效率梯度劃分及統(tǒng)計

運用DEAP軟件對2003—2018年山東省17個智慧城市建設(shè)相關(guān)指標(biāo)數(shù)據(jù)進行測算,得出了2003—2018年17個智慧城市建設(shè)GTFP均值(見表2),運用ARCGIS繪制5個年份智慧城市建設(shè)效率的時空分異圖(見圖1～圖5),以下將結(jié)合表2、圖1～圖5逐一進行分析。

表2 2003—2018年山東省各地市智慧城市建設(shè)效率的GTFP均值

(1) 空間維度 對山東省智慧城市建設(shè)效率進行時間截面的空間維度分析,結(jié)合表2、圖1～圖5對山東省智慧城市建設(shè)GTFP測度結(jié)果在2005—2006年、2008—2009年、2011—2012年、2014—2015年、2017—2018年5個主要年份進行分析。

圖1 2005—2006年山東省智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.1 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2005 to 2006

圖2 2008—2009年山東省智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.2 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2008 to 2009

圖3 2011—2012年山東省智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.3 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2011 to 2012

圖4 2014—2015年山東省智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.4 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2014 to 2015

圖5 2017—2018年山東省智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.5 The spatial-temporal variation map of the average GTFP of the construction efficiency of smart city in Shandong Province from 2017 to 2018

2005—2006年間,山東省智慧城市建設(shè)GTFP數(shù)值最高的是青島市,為1.121,最低的是德州市,為0.738。從梯度角度來看,在此年間第一梯度和第二梯度地市數(shù)量均為0;第三梯度地市數(shù)量為6;第四梯度地市數(shù)量為11,其中第四梯度城市數(shù)量最多,說明在2005—2006年間山東省17地市智慧城市建設(shè)GTFP水平整體不高,有待發(fā)展。

2008—2009年間,山東省智慧城市建設(shè)GTFP數(shù)值最高的是濟南市,為1.193,最低的是煙臺市,為0.817。從梯度角度來看,在此年間第一梯度和第二梯度地市數(shù)量均為0;第三梯度地市數(shù)量為9;第四梯度地市數(shù)量為8,其中第三梯度地市數(shù)量最多,說明在2008—2009年間山東省17地市智慧城市建設(shè)GTFP正在逐步提升,但其發(fā)展水平依然較低。

2011—2012年間,山東省智慧城市建設(shè)GTFP數(shù)值最高的是青島市,為1.255,最低的是煙臺市,為0.855。從梯度角度來看,在此年間第一梯度地市數(shù)量為0;第二梯度地市數(shù)量為2,分別為青島市和濟南市;第三梯度地市數(shù)量為7;第四梯度地市數(shù)量為8,其中第四梯度地市數(shù)量最多,值得注意的是在此年間青島市和濟南市已經(jīng)步入第二梯度,但第四梯度地市數(shù)量并未減少,說明部分城市已經(jīng)開始注重智慧城市建設(shè),其余地市雖有發(fā)展,但速度較慢。

2014—2015年間,山東省智慧城市建設(shè)GTFP數(shù)值最高的是青島市,為1.398,最低的是煙臺市,為0.956。從梯度角度來看,在此年間第一梯度地市數(shù)量為0;第二梯度地市數(shù)量為9,依次為青島市、濟南市、濱州市、濰坊市、東營市、泰安市、臨沂市、聊城市和淄博市;第三梯度地市數(shù)量為4;第四梯度地市數(shù)量為4,其中第二梯度地市數(shù)量最多,說明山東省智慧城市建設(shè)整體發(fā)展速度提高較快,各個地市開始注重經(jīng)濟轉(zhuǎn)型,開始進行產(chǎn)業(yè)升級。

2017—2018年間,山東省智慧城市建設(shè)GTFP數(shù)值最高的是青島市,為1.528,最低的是德州市,為1.102。從梯度角度來看,在此年間第一梯度地市數(shù)量為6,依次為青島市、濟南市、濰坊市、泰安市、東營市和濱州市;第二梯度地市數(shù)量為6,依次為淄博市、臨沂市、聊城市、威海市、濟寧市和菏澤市;第三梯度地市數(shù)量為5;第四梯度地市數(shù)量為0,其中第一、二梯度地市數(shù)量最多,可以看出山東省智慧城市建設(shè)整體發(fā)展水平較2005—2006年已顯著提高,各地市開始建設(shè)智慧公共服務(wù)和城市管理系統(tǒng),完善公眾服務(wù)平臺建設(shè),完善智慧城市建設(shè)體系。 總體來看,在智慧城市建設(shè)方面青島市和濟南市在橫向?qū)Ρ壬弦恢碧幱陬I(lǐng)先地位,而德州市和煙臺市發(fā)展較為緩慢,仍有很大提升空間。

(2) 時間維度 對山東省智慧城市建設(shè)效率進行時間序列分析,2003—2018年山東省智慧城市建設(shè)GTFP均值見表2,運用MATLAB繪制折線圖,如圖6所示。

圖6 2003—2018年山東省各地市智慧城市建設(shè)效率GTFP值折線圖Fig.6 The line chart of GTFP value of smart city construction efficiency in most cities in Shandong Province from 2003 to 2018

分析山東省智慧城市建設(shè)的GTFP的數(shù)值以及其變化趨勢可以發(fā)現(xiàn):總體來看,2003—2016年GTFP發(fā)展呈現(xiàn)緩慢上升態(tài)勢;除煙臺市在2016—2017年間GTFP均值為0.998,其余16個地市在2016—2017年間GTFP均值為1以上;2017—2018年間山東省17個智慧城市建設(shè)GTFP數(shù)值均已大于1。特別地,濟南市、青島市、東營市、泰安市和濱州市在2003—2004年間GTFP數(shù)值已經(jīng)大于1,此后至2018年不斷提高。值得注意的是這5個城市到了2017—2018年,均屬于第一梯度,即GTFP大于1.4,表明這些地市在早期就顯露出智慧城市建設(shè)的萌芽,隨后不斷發(fā)展,生產(chǎn)技術(shù)不斷改進,受要素投入影響的規(guī)模增長模式正在向創(chuàng)新驅(qū)動經(jīng)濟增長模式轉(zhuǎn)變。

從時間角度分析山東省17地市智慧城市建設(shè)的GTFP增速可以發(fā)現(xiàn),除德州市、淄博市和青島市增速最快的時期分別處于2005—2006年、2008—2009年、2010—2011年,山東省其余地市增速最快的時期處于2011—2018年間,占82.35%,且在2016年前后較為集中。其原因或為2013年1月山東省人民政府印發(fā)了《山東省城鎮(zhèn)化發(fā)展綱要(2012—2020年)》,提出推進智慧社區(qū)、智慧園區(qū)、智慧城區(qū)等智慧城市建設(shè)。2013—2015年,住建部先后公布3批智慧城市試點城市,共290個,其中山東省智慧城市試點30個,居全國首位。

(3) “兩圈四區(qū)”角度 《山東半島城市群發(fā)展規(guī)劃(2016—2030年)》明確了山東省“兩圈四區(qū)”發(fā)展格局,旨在加快要素流動,優(yōu)化山東省區(qū)域發(fā)展格局。以此為基礎(chǔ),從“兩圈四區(qū)”角度進行時間和空間維度的分析,更加全面、深入地對山東省不同層面上智慧城市的建設(shè)效率進行剖析,根據(jù)評價結(jié)果得出表3,繪制圖7～圖12。

圖7 2003—2018年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP值折線圖Fig .7 The line chart of GTFP value of smart city construction efficiency in "Two Circles and Four Districts" from 2003 to 2018

2003—2018年山東省智慧城市建設(shè)“兩圈四區(qū)”范圍下的GTFP均值見表3、圖7,選取2005—2006年、2008—2009年、2011—2012年、2014—2015年、2017—2018年5個主要年份進行分析,并運用ARCGIS軟件進行繪圖,如圖8～圖12所示。

圖8 2005—2006年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.8 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2005 to 2006

圖9 2008—2009年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.9 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2008 to 2009

圖10 2011—2012年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.10 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2011 to 2012

圖11 2014—2015年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.11 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2014 to 2015

圖12 2017—2018年“兩圈四區(qū)”智慧城市建設(shè)效率GTFP均值的時空分異圖Fig.12 The spatial-temporal variation graph of the average GTFP efficiency of smart city construction in the "Two Circles and Four Districts" from 2017 to 20188

表3 2003—2018年“兩圈四區(qū)”格局下智慧城市建設(shè)效率的GTFP均值Table 3 GTFP average value of smart city construction efficiency of "Two Circles and Four Districts" from 2003 to 2018

從空間角度分析山東省“兩圈四區(qū)”智慧城市建設(shè)的GTFP可以發(fā)現(xiàn):在所選取的5個主要年份中,按GTFP數(shù)值大小排序,其結(jié)果均為青島都市圈>東濱都市區(qū)>濟南都市圈>臨日都市區(qū)>濟棗菏都市區(qū)>煙威都市區(qū),進而發(fā)現(xiàn)從2003—2018年整個時間序列上來看,其順序并未受到影響,這說明山東省智慧城市建設(shè)具有明顯的區(qū)域性,在“兩圈四區(qū)”范圍的城市集聚與擴散效應(yīng)影響下,其智慧城市建設(shè)水平均呈現(xiàn)上升趨勢,從投入產(chǎn)出的角度分析其效率排在前三的依次為青島都市圈、東濱都市區(qū)和濟南都市圈。

從時間角度分析山東省“兩圈四區(qū)”智慧城市建設(shè)的GTFP可以發(fā)現(xiàn):從整體來看,山東省“兩圈四區(qū)”智慧城市建設(shè)GTFP呈現(xiàn)上升趨勢,在2012年后上升速度變快。其原因或為2010年3月山東省人民政府印發(fā)了《關(guān)于促進新信息產(chǎn)業(yè)加快發(fā)展的若干政策》,首次提出要加快建設(shè)“智慧城市”。2013年3月,山東省人民政府印發(fā)的《關(guān)于開展“智慧山東”試點工作的意見》提出要積極推進“智慧城市”試點,探索建設(shè)、運營和服務(wù)模式。

從梯度劃分的角度看,在2005—2006年以及2008—2009年間,“兩圈四區(qū)”均不處于第一、二梯度;在2011—2012年間首次出現(xiàn)青島都市圈智慧城市建設(shè)GTFP值大于1.2,進入第二梯度;在2017—2018年間首次出現(xiàn)青島都市圈和東濱都市區(qū)智慧城市建設(shè)GTFP值大于1.4,進入第一梯度,與此同時“兩圈四區(qū)”智慧城市建設(shè)GTFP值均已大于1.1,脫離了第四梯度。

3 山東省智慧城市建設(shè)效率的影響因素

3.1 模型構(gòu)建與變量選取

以山東省17地市為研究對象,采用2003—2018年的面板數(shù)據(jù),從文獻綜述中智慧城市建設(shè)六方面(基礎(chǔ)設(shè)施、治理制度、居民生活、智慧產(chǎn)業(yè)、人力資源、區(qū)域環(huán)境)出發(fā)選取指標(biāo),并運用系統(tǒng)GMM模型探討各指標(biāo)因素對智慧城市建設(shè)效率的影響程度。所有指標(biāo)數(shù)據(jù)來源于山東省各地市統(tǒng)計年鑒、《中國統(tǒng)計年鑒》、《中國城市統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》。模型動態(tài)面板設(shè)定如下:

Yi,t=β0+β1Yi,t-1+β2INFi,t+β3GSi,t+

β4RLi,t+β5SIi,t+β6HRi,t+β7REi,t+εi,t，

其中:Y代表被解釋變量,以測算出的智慧城市建設(shè)效率表示。解釋變量包括Y的1期滯后值、電信業(yè)務(wù)總量(INF)、智慧城市試點(GS)、人均可支配收入(RL)、第三產(chǎn)業(yè)增加值占GDP比重(SI)、R&D全時人員數(shù)(HR)、人口密度(RE)。

3.2 結(jié)果分析與討論

首先采用靜態(tài)面板,以截面數(shù)據(jù)為樣本,運用STATA 15.0對模型進行估計,以GTFP被解釋變量進行回歸?？紤]到靜態(tài)面板具有時點截面數(shù)據(jù)的局限性,引入時間序列數(shù)據(jù)為樣本,進行動態(tài)面板回歸,用以分析所研究智慧城市建設(shè)的動態(tài)關(guān)系,運用系統(tǒng)GMM估計解決其內(nèi)生性問題[26]。

在對模型進行系統(tǒng)GMM模型估計之前,進行了Sargan、Arellano-Bond(2)檢驗,用以驗證是否存在過度識別和擾動項,回歸結(jié)果及檢驗結(jié)果見表4。

通過表4可以看出,無論是靜態(tài)面板還是動態(tài)面板的Sargan檢驗概率P值均在0.1以上,表明工具變量不存在過度識別,整體上是合理有效的。同時,AR(2)的P值均大于0.1,說明系統(tǒng)GMM估計具備一致性,不存在二階自相關(guān),故模型設(shè)定合理,估計結(jié)果有效。在模型的穩(wěn)定性檢驗方面,在回歸結(jié)果分析中采用了Dgmm_2和Sgmm_2的回歸結(jié)果,下面將逐一進行分析。

表4 山東省智慧城市建設(shè)效率影響因素回歸結(jié)果

在靜態(tài)面板下,以電信業(yè)務(wù)總量為代表的基礎(chǔ)設(shè)施建設(shè)對GTFP有著負向推動作用,5%的顯著性水平;以智慧城市試點為代表的治理制度對GTFP有著負向推動作用,5%的顯著性水平;以人均可支配收入為代表的居民生活對GTFP有著正向推動作用,10%的顯著性水平;以第三產(chǎn)業(yè)增加值占GDP比重為代表的智慧產(chǎn)業(yè)對GTFP有著正向推動作用,5%的顯著性水平;以R&D全時人員數(shù)為代表的人力資源對GTFP有著正向推動作用;以人口密度為代表的區(qū)域環(huán)境對GTFP有著負向推動作用,10%的顯著性水平。在動態(tài)面板下,以電信業(yè)務(wù)總量為代表的基礎(chǔ)設(shè)施建設(shè)對GTFP有著負向推動作用,1%的顯著性水平;以智慧城市試點為代表的治理制度對GTFP有著負向推動作用,10%的顯著性水平;以人均可支配收入為代表的居民生活對GTFP有著正向推動作用,10%的顯著性水平;以第三產(chǎn)業(yè)增加值占GDP比重為代表的智慧產(chǎn)業(yè)對GTFP有著正向推動作用,5%的顯著性水平;以R&D全時人員數(shù)為代表的人力資源對GTFP有著正向推動作用;以人口密度為代表的區(qū)域環(huán)境對GTFP有著負向推動作用,10%的顯著性水平。

分析其回歸結(jié)果可以發(fā)現(xiàn)所提出的六方面在靜態(tài)面板或動態(tài)面板下對GTFP的正向或負向作用具有一致性,基礎(chǔ)設(shè)施建設(shè)、治理制度和區(qū)域環(huán)境均產(chǎn)生負向作用,其原因或為當(dāng)其城市成為智慧城市試點后為順應(yīng)政策加大了對智慧城市建設(shè)的投資,進而產(chǎn)生效率值的變動,加大了投入后并未達到預(yù)期或超額的產(chǎn)出而形成的影響;以人口密度為代表的區(qū)域環(huán)境對GTFP產(chǎn)生負向影響,其原因或為人口聚集的地方對規(guī)?；男枨笤酱?對知識型勞動者的培養(yǎng)扶持力度應(yīng)加強,所需的投資越大,而這種投資具有滯后性,故此在短時間內(nèi)產(chǎn)生了負向影響;在居民生活方面,人均可支配收入起到正向推動作用,這與居民生活質(zhì)量不斷提高息息相關(guān),人均可支配收入的提高可以更好地推動居民生活向科技化、智能化發(fā)展,遙控家電等智能家居走入家庭,進而推動城市智能化建設(shè);在智慧產(chǎn)業(yè)方面,第三產(chǎn)業(yè)不斷發(fā)展對GTFP產(chǎn)生了推動作用,其占GDP的比重不斷提高,說明城市正在進行產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型,立足于長效機制,走可持續(xù)發(fā)展道路;以R&D全時人員數(shù)為代表的人力資源對GTFP有著正向推動作用,說明高科技人才對技術(shù)進步、資源配置、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級等方面起著關(guān)鍵性作用,有效助推創(chuàng)新驅(qū)動發(fā)展,從而推進了智慧城市建設(shè)。

4 結(jié)論

研究運用DEA-Malmquist模型對山東省智慧城市建設(shè)效率進行時空雙維實證評價,并運用系統(tǒng)GMM模型對其影響因素進行深入探究,主要得出以下結(jié)論:

(1) 山東省17地市智慧城市建設(shè)效率在2003—2018年均有著跨等級提升,但全省各地市差距仍不斷擴大。

(2) 從截面空間數(shù)據(jù)看來,山東省17地市智慧城市建設(shè)效率大致呈正態(tài)分布,青島市、濟南市智慧城市建設(shè)效率均位于前列;從“兩圈四區(qū)”角度來看,青島都市圈、東濱都市區(qū)的智慧城市建設(shè)效率均位于前列。

(3) 從山東省智慧城市建設(shè)影響因素角度來看,基礎(chǔ)設(shè)施建設(shè)、治理制度及區(qū)域環(huán)境均對其起到負向影響,居民生活、智慧產(chǎn)業(yè)及人力資源等要素起到正向推動作用,故此應(yīng)更加注重各要素的市場化流動與配置,促進智慧城市建設(shè)效率的共同提高。