智慧城市建设是否促进了企业创新绩效？

胡艳君 王如意 党西凤

[摘要]党的二十大报告指出，要“打造宜居、韧性、智慧城市”“强化企业科技创新主体地位”1。为研究智慧城市建设对企业创新的影响，使用2003—2020年A股上市企业数据，基于智慧城市试点的准自然实验，构建多期双重差分（DID）模型探究智慧城市建设对企业创新绩效的影响。研究表明：智慧城市建设对于企业创新绩效具有积极影响。智慧城市建设通过提升区域创新能力、缓解融资约束可有效提升企业创新绩效。基于异质性分析发现，智慧城市建设对东部地区、成熟期、非国有以及非高技术产业的企业创新绩效的影响更为显著，对制造业及非制造业企业创新绩效则均有显著的正向影响。由此提出建立健全反馈机制、因地制宜循序渐进推动智慧城市建设、加大政策支持的建议。

[关键词]智慧城市建设；
多期DID；
企业创新绩效

一、 引言

20世纪90年代，美国、新加坡、欧盟、韩国、日本等相继提出了“智慧社区”等相关规划，“智慧城市”这一概念初具雏形。“智慧城市”的提出旨在破解城市病，促进城市健康发展。随着我国城市规模的急剧扩张以及“马太效应”的加剧，一系列“大城市病”也快速显露。在此背景下，中央及地方政府不断推出多项相关政策用以进一步指导推进和鼓励支持开展智慧城市建设。2012年我国住房和城乡建设部发布《国家智慧城市试点暂行管理办法》2，第一批全国智慧城市的试点名单也随之公布。截至2020年4月，我国累计共有近全球总量一半的智慧城市在建试点3。2020年4月，习近平总书记在浙江视察时表示，要科学运用世界前沿科技，推进城市管理逐步进入新模式、新手段、新理念，推动城市内部治理结构体系化和整体治理服务能力现代化4。2022年党的二十大报告中指出，要“坚持人民城市人民建，人民城市为人民”，建设“宜居、韧性、智慧城市”，推动以人为核心的新型城镇化进程。

智慧城市建设不仅需要大型跨国公司和地方公共部门的参与，也需要当地企业的参与[1]，党的十八大以来，我国深入实施推进创新驱动发展战略。2022年习近平总书记在党的二十大报告中指出，要做到“加快实施创新驱动发展战略”“强化企业科技创新主体地位”。创新决定了企业或组织的进步和竞争力[2]，智慧城市的建设可以为企业的发展提供必要的信息、技术资源，解决信息不对称等问题，从而为企业创新提供有利的条件。同时在知识、技术快速更新迭代的时代背景下，通过创新开发新产品、优化生产方式等可以帮助企业扩大或维持自身竞争力。智慧城市建设为企业创新提供了动力也增加了外部压力，因此研究智慧城市建设对企业创新的影响一方面可以探究智慧城市建设的微观效应，另一方面也可以检验智慧城市建设的成效。

为探究智慧城市建设对企业创新的影响，本文在分析智慧城市建设对企业创新绩效作用机理的基础上，基于A股上市公司数据，使用多期DID模型对智慧城市建设与企业创新绩效之间的关系进行研究，结合中介效应分析和异质性分析，较为全面地分析智慧城市建设对企业创新绩效的影响。本文主要贡献在于使用微观数据，将智慧城市建设与企业创新绩效相结合，在一定程度上丰富智慧城市建设的微观效应方面的研究，为智慧城市建设对企业发展的积极作用提供微观证据。

二、 文献综述

现有文献主要聚焦于智慧城市建设的宏观和微观经济效应。宏观经济效应主要研究智慧城市建设对城市创新、绿色发展、产业结构等方面的影响，研究表明，智慧城市建设可以迅速提升城市信息化水平，推动优秀人才和企业聚集，优化城市产业结构，提高城市创新能力和水平[3-4]。Qian等[5]指出智慧城市建设可以降低能源消耗和废弃物排放，促进经济增长，城市经济绿色发展。张阿城等[6]研究发现，智慧城市建设可以推动技术进步进而对城市产业结构高级化发展产生积极影响。此外，智慧城市建设还可以促进地方经济高质量发展，提高能源利用率、提升环境质量，促进城市产业结构优化升级[7-10]。微观经济效应则主要研究智慧城市建设对企业全要素生产率以及企业创新的影响，研究表明，智慧城市建设有助于提升企业全要素生产率，推动企业创新，尤其是对原始性创新的推动作用更为显著，通过推动创新促進企业高质量发展[11-12]。

通过对现有文献进行梳理发现，智慧城市建设有利于促进产业结构优化升级，推动城市经济可持续化、绿色化、高质量发展，同时有利于提升企业全要素生产率。技术进步与创新是推动经济发展的决定性因素，然而目前关于智慧城市建设对企业创新的相关研究较少。在研究方法上，双重差分模型可以解决样本数据的内生性问题并得出政策处理效应[9]，因此目前学术界多采用双重差分模型研究智慧城市建设效应。基于此，本文采用双重差分模型分析智慧城市建设对企业创新绩效的影响。

本研究主要有两方面的创新：研究内容方面，从微观角度出发研究智慧城市建设对企业创新绩效的影响。由于企业外部环境和内部因素均会对企业创新绩效产生影响，因此选取区域创新能力以及融资约束水平作为中介变量进行研究，并从企业所属区域、年龄、股权性质和行业4个方面进行异质性分析，在一定程度上丰富了智慧城市建设的微观效应和企业创新绩效方面的研究。研究方法方面，本研究借鉴北京大学企业大数据研究中心、龙信数据研究院等联合编制的创新创业质量评价指标体系，通过测算区域创新指数，将其与融资约束指数、中介效应模型以及多期双重差分模型相结合，研究智慧城市建设对企业创新绩效的影响。

三、 理论机制与研究假设

新经济增长理论认为，内生的技术进步与创新是推动经济发展的决定性因素[13]。对于小型企业而言通过技术进步和创新可以帮助企业快速抢占市场份额，提升其综合竞争力，对于大中型企业而言，多年的发展早已形成稳定的盈利模式，创新和技术进步可以帮助其拓展新的市场，推动企业开发新的产品，开拓新的营销模式。一方面，基于资源基础理论，信息已经成为企业创新的核心资源。智慧城市建设可以为企业创新带来大量的新技术、新知识，鉴于知识、技术的外溢性，企业可以在智慧城市建设带来的信息化冲击下接触新知识、发展新技术，促进企业创新。另一方面，智慧城市的发展也会对传统行业、知识、生产方式等产生冲击，在产业迭代升级、知识更新高速发展的情境下，企业想要保持盈利能力、维持企业竞争力就必须进行创新活动。基于以上研究本文提出假设1。

假设1：智慧城市建设带来的新技术、新知识可以提升企业创新动力，提高企业创新绩效。

社会环境的反作用是影响企业创新绩效的重要因素，智慧城市建设依托大数据、云计算等新一代信息通信技术的发展，在新兴技术的发展过程中产生大量数据[14]，这些数据可以快速应用于城市运营的各个领域，产生了一系列诸如智慧交通、智慧医疗、智慧社区等新概念。智慧城市建设可推动数字经济、信息化高速发展，促进产业结构优化升级等，有利于提升城市创新能力[1，4]。区域创新能力的提升可以为企业创新提供足量的信息、人才、技术等各方面资源，提升企业对新知识、技术的吸收能力、应用能力，同时区域创新能力高的地区知识保护水平也较高[15]，区域创新能力的提升为企业的创新活动提供了内部动力和外部压力。基于以上分析本文提出假设2。

假设2：智慧城市建设可以提升区域创新能力，区域创新能力的提升为企业进行创新活动提供了动力也带来了压力，有利于促进企业绩效提升。

根据熊彼特创新理论，信息不对称是阻碍现实社会中企业创新的关键因素，同时企业创新也需要稳定的资金支持，而信息不对称程度越高企业的融资约束也越大，融资约束会影响企业的创新投入和创新产出水平[16-19]。新一代信息通信技术的发展可以有效缓解企业与投资方之间的信息不对称，拓宽融资渠道，减轻融资约束，有利于提升企业研发资金，进而提升企业创新投入，提高企业创新绩效。基于上述分析本文提出假设3。

假设3：智慧城市建设可以通过缓解企业融资约束，有助于提高企业创新投入，进而对企业创新绩效产生促进作用。

图1为智慧城市建设对企业创新绩效的影响机制图。

图1 智慧城市建设对企业创新绩效的影响机制

四、 研究设计

1. 模型设定

2009年我国提出建设智慧城市的构想，并于2012年后陆续公布了三批国家智慧城市试点城市名单，本文将此看作准自然实验，研究智慧城市建设对企业创新绩效的影响，由于智慧城市试点并不是同一时间设定的，因此本文采用时点不一致的多期DID模型。同时由于使用DID方法的前提是实验组与控制组企业各方面特征尽可能相似[9]，因此本文采用倾向得分匹配（PSM）与DID相结合的方法来解决这一样本选择偏差问题，分析智慧城市建设对企业创新绩效的影响。模型如下：

[Innovationit=α0+α1didit+α2Xit+Ai+Bt+εit]  （1）

进一步地，本文将多期DID简化为一期，基于PSM-DID方法进行稳健性检验，构建如下模型：

[Innovationit=β0+β1didit+β2treati+β3periodt+β4Xit+εit] （2）

其中did为解释变量。根据DID方法的基本思想，构建两项虚拟变量treat、post。其中treat为企业分组虚拟变量，所在地级市为国家智慧城市试点城市的企业赋值为1，否则赋值为0；
post为时间虚拟变量，企业所在地级市设为智慧城市试点城市前为0，设为试点城市后为1。根据treat和post的交互项did系数评估智慧城市建设效果。Innovation为被解释变量，X为一系列控制变量，A和B分别表示个体固定效应和时间固定效应，[ε]为随机扰动项。

2. 变量选择

（1）被解释变量

目前对企业创新绩效（Innovation）的衡量多采用专利申请量和专利授权量两种方式，而专利授权数量可以更有效地衡量企业的创新产出，因此本文借鉴罗锋等[20]的做法，以专利授权数量衡量企业创新绩效。同时为了保证数据的可参考性[21]，在对企业创新绩效进行衡量时，对每个数据加1后进行对数化处理，再进行数据分析。

（2）解释变量

根据住房和城乡建设部公布的试点名单设立虚拟变量，本文参考石大千等[9]、姚圣文等[12]的做法，将2012年视为智慧城市建设政策的起始年份，当企业所在地级市为智慧城市试点后赋值为1，企业所在地级市设为智慧城市试点前及所在地级市为非智慧城市试点则赋值为0。由于部分城市仅某个区或县为智慧城市试点，为了防止政策效应被高估，在确定实验组时，剔除了此类城市中的企业。

（3）中介变量

本文选取影响企业创新绩效的外部因素区域创新能力、内部因素融资约束作为中介变量。区域创新能力参考毛文峰等[22]以及龙建辉[23]的做法，采用北京大学企业大数据研究中心、龙信数据研究院等机构联合编制的“朗润龙信创新创业指数”，衡量各区域的创新能力。指标体系及权重见表1。

学术界多采用KZ指数、FC指数、WW指数衡量企业融资约束，本文参考刘伟丽等[11]的做法，采用可以同时考虑企业财务特征以及所属行业特征的WW指数来衡量企业融资约束。

表1  区域创新能力评价指标体系

[核心要素 一级指标 二级指标 权重 企业家 新建企业数量 新增企业注册数量 20% 资本 吸引外来投资 新增外来法人投资的笔数 15% 吸引风险投资 新增风险投资的企业数量 25% 技术 专利授权数量 新增发明专利授权数量 12.5% 新增实用新型专利公开数量 7.5% 新增外观设计专利公开数量 5% 商标注册数量 新增商标注册数量 15% ]

资料来源：北京大学企业大数据研究中心《中国区域创新创业指数构建与空间格局》

（4）控制变量

本文选取企业规模（Size）、股权集中度（Stock）、资产负债率（Lev）、成长能力（Growth）、盈利能力（ROA）、以及地区经济发展水平（GDP）为控制变量。

3. 数据说明与描述性统计

本文使用A股上市企业2003—2020年的数据，其中企业数据主要来自国泰安，专利数据来自CNRDS，以及来自北大法宝数据库的区域创新能力相关数据。为了便于对比，对上市企业数据进行了如下处理：（1）剔除了金融类企业、ST类企业以及近三年上市的企业；
（2）剔除关键指标数据或资料缺失严重的样本；
（3）剔除企业归属城市仅以某个区或县为智慧城市试点的样本，最终选取1394家企业为研究样本。同时对所有连续型变量进行1%和99%水平的缩尾处理，以消除极端值的影响。表2为主要变量的描述性统计结果。

表2  主要变量描述性统计结果

[变量名称 变量符号 样本量 均值 标准差 最小值 最大值 企业创新绩效 Innovation 25092 0.762 1.237 0 5.265 区域创新能力 Ric 25092 79.419 21.135 5.517 99.666 融资约束 WW-index 25092 -0.988 0.062 -1.272 -0.788 企业规模 Size 25092 21.694 1.018 18.76 25.539 股权集中度 Stock 25092 35.677 12.224 7.652 79.57 资产负债率 Lev 25092 0.456 0.178 0.038 1.487 成长能力 Growth 25092 0.223 0.523 -0.702 6.328 盈利能力 ROA 25092 0.051 0.069 -0.372 0.367 地区生产总值 GDP 25092 7.573 1.032 4.463 9.694 ]

五、 实证分析与稳健性检验

1. 智慧城市建设与企业创新

基于式（1）进行回归分析，分别在不加入控制变量和加入控制变量的情况下，通过双向固定效应模型对被解释变量Innovation和自变量did进行回归分析。未添加控制变量和添加控制变量后的回归结果分别如表3中列（1）、列（2）所示，无论是否加入控制变量，政策变量did的相关系数均在1%的水平上显著为正，其回归系数分别为0.112和0.109，说明智慧城市建设可以显著提升试点城市企业的创新绩效。假设1得到验证。

此外，企业规模（Size）、资产负债率（Lev）、盈利能力（ROA）的系数均在1%的水平上呈显著的负相关关系，说明企业规模越大、资产负债率越高、盈利能力越强的企业，企创新绩效越低。

表3  基准回归结果

[变量 （1） （2） did 0.112***

（3.069） 0.109***

（3.041） Size -0.149***

（-11.648） Stock 0.000

（0.233） Lev -0.539***

（-7.566） Growth 0.034**

（2.056） ROA -1.859***

（-12.924） GDP 0.026

（0.504） 个体固定效应 控制 控制 时间固定效应 控制 控制 N 11057 11057 R2 0.039 0.062 ]

注：*、**、***分别代表在10%、5%和1%的水平上显著，下同

2. 稳健性检验

（1）平行趋势检验

双重差分模型结果是否具有可参考性，其前提是满足平行趋势假设，对于多期DID的平行趋势假设，即政策实施前处理组与控制组增长趋势相似。本文选择政策前5年和后5年数据进行平行趋势检验。如图2所示，智慧城市试点城市执行后对企业创新绩效呈显著的正向影响，满足平行趋势假设检验。

（2）替换被解释变量

为了进一步验证智慧城市建设对企业创新绩效的影响，本文仍采用公式（1）进行回归分析，将被解释变量替代为专利申请数量加1后取自然对数的值（Innovation 2）进行稳健性检验。列（1）和列（2）分别为未添加控制变量和添加控制变量后的回归结果。如表4所示。无论是否加入控制变量，政策虚拟变量（did）在1%的水平上显著，进一步证明了智慧城市建设可以显著提升企业创新绩效，本文结论具有稳健性。

（3）基于PSM-DID方法的检验

2012年后，住房和城乡建设部先后三次发布了国家智慧城市试点名单，为进一步检验智慧城市建设对企业创新绩效的影响，本文参考石大千等[9]的做法，将所在地级市为第二批试点及第三批试点城市的样本数据剔除，将多期DID简化为一期，通过公式（2），采用PSM-DID方法进行稳健性检验。结果如表4列（3）、列（4）所示，无论是否加入控制变量，智慧城市建设（did）对企业创新绩效的系数均在1%的水平上显著为正，进一步证明智慧城市建设可以显著提升企业创新绩效。

图2 平行趋势检验结果

表4  替换被解释变量、PSM-DID检验结果

[变量 替换被解释变量回归结果 PSM-DID检验结果 （1） （2） （3） （4） did 0.139***

（3.545） 0.134***

（3.485） 0.313***

（5.087） 0.301***

（4.920） 控制变量 控制 控制 个体固定效应 控制 控制 控制 控制 时间固定效应 控制 控制 控制 控制 N 11057 11057 5747 5747 R2 0.044 0.067 0.099 0.103 ]

3. 中介效應检验

根据前文的影响机理分析，智慧城市建设对企业创新绩效的影响中可能存在中介效应，因此本文构建中介效应模型，探究区域创新能力、融资约束在智慧城市建设影响企业创新绩效中的中介作用。具体模型如下：

[Mit=μ0+μ1didit+μ3Xit+εit]  （3）

[Innovationit=θ0+θ1didit+θ2Mit+α3Xit+εit]  （4）

其中M为中介变量，包括区域创新能力（Ric）和融资约束（WW-index），其余变量与前文一致。公式（3）为智慧城市建设对中介变量的回归，公式（4）为智慧城市建设和中介变量对企业创新绩效的回归。回归结果如表5所示，列（1）中智慧城市建设对区域创新能力的系数在1%的水平上显著为正，列（3）中did與Ric的系数均在1%的水平上显著为正，说明存在部分中介效应，智慧城市建设可以提升区域创新能力，进而促进企业创新绩效提升，假设2得到验证。

如列（2）及列（4）所示，did对WW-index的系数及WW-index对企业创新绩效的系数均在1%的水平上显著为负，即智慧城市建设与企业融资约束间存在显著负相关，企业融资约束与创新绩效之间同为负向关系。而智慧城市建设对企业创新绩效的系数则在1%的水平上显著为正，表明智慧城市建设有助于缓解企业融资约束，进而促进企业创新绩效提升。假设3得到验证。

表5 中介效应检验结果

[变量 区域创新能力

（Ric） 融资约束

（WW-index） 企业创新绩效

（Innovation） （1） （2） （3） （4） did 5.915***

（18.107） -0.015***

（-23.999） 0.384***

（21.462） 0.384***

（21.462） Ric 0.002***

（4.811） WW-index -2.270***

（-12.648） 控制变量 控制 控制 控制 控制 样本量 14047 14047 14047 14047 R2 0.017 0.692 0.137 0.137 中介效应 部分中介 部分中介 效应占比 2.557% 8.912% ]

4. 异质性检验

为进一步分析智慧城市建设的异质性效果，本文从企业所属区域、年龄、股权性质和所在行业4个方面进行异质性分析。

（1）区域异质性

我国不同地区经济、技术以及人口素质等方面都存在差异，智慧城市建设依托新一代信息通讯技术的发展，受经济、基础设施、人口受教育程度等方面的影响，智慧城市建设效应也必然存在差异。因此本文根据样本企业所在城市，分东、中、西部地区进行异质性分析，探究智慧城市建设对不同区域企业创新绩效的影响。如表6中列（1）、列（2）、列（3）所示，在东部地区，did的系数在5%的水平上显著为正，而在中部和西部地区，did系数均不显著，说明智慧城市建设对于东部地区的企业创新绩效影响更大。究其原因可能是东部地区经济、基础设施等基础较好，同时我国高技术企业多分布于东部地区，创新能力较高的企业也更倾向于选址在东部地区[24]。产业聚集效应下，智慧城市建设对于东部地区创新能力的提升作用更为明显，这与楚尔鸣等[3]的研究结论相同，区域创新能力的差异造成东部地区智慧城市建设对企业创新绩效的影响更为显著。

表6  区域异质性分析结果

[变量 区域异质性 （1）

东部 （2）

中部 （3）

西部 did 0.143**

（2.137） -0.005

（-0.076） -0.114

（-1.432） 控制变量 控制 控制 控制 个体固定效应 控制 控制 控制 年份固定效应 控制 控制 控制 年份固定效应 控制 控制 控制 N 3216 2979 1630 R2 -0.072 0.155 -0.009 ]

（2）企业年龄异质性

黄宏斌等[25]以及夏清华等[26]研究发现，处于不同生命周期的企业在创新投入以及融资约束方面存在着差异，在创新策略的选择上也不尽相同，因此本文参考罗锋等[20]的做法，将整体样本企业成立年龄的平均数作为划分依据，超出平均年龄的企业定义为成熟期企业，未超出平均年龄的公司界定为成长期企业。表7中列（1）和列（2）结果显示，对于成长期企业did系数在5%的水平上显著为负，而对于成熟期企业，did系数在1%的水平上显著为正。究其原因可能有以下两点：首先企业创新投入具有延续性[26]，无法马上提升企业创新绩效，随着企业逐渐成熟，前期的创新投入才能转化为创新产出。而成长期企业年龄尚短，创新投入无法短时间内提升企业创新绩效。其次，本文中介效应检验中已经证明，融资约束对企业创新绩效具有显著的负向影响，企业在成长阶段时内部现金流较少，盈利不稳定[24]、抗风险能力低[20]，投资风险较高，因此企业的融资约束较大。成长期企业面临的首要任务是抢占市场份额，提升企业竞争力，而企业创新具有滞后性，还需要大量资金、技术等支持，巨大的资金缺口和融资约束不利于成长期企业创新。

（3）股权性质异质性

本文将样本企业按其股权性质分为国有企业和非国有企业进行分组回归。表7列（3）和列（4）的回归结果显示，非国有企业did系数在1%的水平上显著为正，表明智慧城市建设对非国有企业创新绩效具有积极影响，但国有企业did系数则不显著。这是由于我国的不同股权性质的企业在管理体制、政治属性以及肩负的责任等方面均有不同，国有企业行为决策兼具政治和经济双重意义，而非国有企业需要依靠创新获得企业竞争优势。同时国有企业长期以来就拥有更多的融资渠道或信贷优惠等[27]，因此智慧城市建设对非国有企业的融资约束冲击力较大，对非国有企业创新绩效的影响更为明显。

表7 企业年龄、股权性质的异质性分析结果

[变量 企业年龄异质性 股权性质异质性 （1）

成长期企业 （2）

成熟期企业 （3）

国有企业 （4）

非国有企业 did -0.120**

（-2.399） 0.130***

（2.781） 0.094

（0.742） 0.102***

（2.590） 控制变量 控制 控制 控制 控制 个体固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 N 6448 4628 3665 8134 ]

（4）行业异质性

本文主要从高技术产业、非高技术产业以及制造业、非制造业两方面对行业异质性进行分析。

第一，高技术产业与非高技术产业。根据国家统计局对高技术产业的界定1，高技术产业即为技术密集型产业。参考2016年科技部、财政部、国家税务总局公布的《国家重点支持的高新技术领域》2，将电子信息、生物与新医药、航空航天、新材料、高技术服务、新能源与节能、资源与环境、先进制造与自动化八大类产业划分为高技术产业，其余产业为非高技术产业。根据表8中列（1）和列（2）的回归结果可以发现，did系数对于非高技术产业显著为正，究其原因可能是因为高技术产业本身研发投入高，依靠高新技术与高端装备而具有智力性、创新性、战略性、低资源消耗等特点，因此智慧城市建设带来的新兴技术的快速发展对于高技术产业的企业绩效影响不显著。

第二，制造业与非制造业。制造业是国民经济的重要组成部分，是兴国、强国之本。我国制造业的生产规模稳居全球第一，在党的二十大报告中，明确指出要坚持以实体经济为着力点发展我国经济。智慧城市建设可以为我国建设制造业强国提供必要的技术、人才等方面的支撑。从表8中列（3）和列（4）回归结果可以看出，无论是否为制造业，did系数均显著为正，表明智慧城市建设对制造业企业和非制造业企业创新绩效均具有显著的正向影响。

表8  行业异质性分析结果

[变量 行业异质性 （1）

高技术产业 （2）

非高技术产业 （3）

制造业 （4）

非制造業 did 0.019

（0.37） 0.054*

（1.67） 0.101*

（1.843） 0.111*

（1.737） 控制变量 控制 控制 控制 控制 个体固定效应 控制 控制 控制 控制 年份固定效应 控制 控制 控制 控制 N 5436 9998 5056 2123 R2 0.116 0.094 0.090 0.080 ]

六、 研究结论与启示

本文通过构建多期DID模型探究智慧城市建设对企业创新绩效的影响，主要结论如下：第一，智慧城市建设对于企业创新绩效具有积极影响，智慧城市政策执行后，试点城市企业创新绩效显著提升，基于稳健性检验证明了这一结论。第二，融资约束与区域创新能力均在智慧城市建设对企业创新绩效的影响中起到部分中介作用。智慧城市建设可以缓解企业的融资约束，同时可以提升区域创新能力，进而有利于提升企业创新绩效。第三，基于异质性分析可以发现，智慧城市建设对在东部地区、处于成熟期、非国有以及非高技术产业的企业创新绩效的影响更为显著。

根据研究结果，本文提出以下对策建议：第一，建立健全反馈机制，进一步发挥智慧城市建设对企业创新的积极推动作用。智慧城市建设有促进企业创新的微观经济作用，创新决定了企业竞争力，智慧城市建设为企业创新提供了良好的社会环境，同时也应建立健全问题反馈机制，促进智慧城市建设在各区域、各行业、各年龄企业中全面协调发展。第二，智慧城市建设工作应坚持因地制宜，循序渐进地发展。智慧城市建设可以缓解融资约束、提升区域创新能力，为企业进行创新活动提供动力也带来了压力，但智慧城市建设对不同区域企业创新绩效的影响存在显著差异。基于此，对于区域创新能力高的城市群应继续发挥其产业、环境等优势，优化创新环境，对于创新能力较低的城市要发掘其创新潜能，推动其创新能力提升。第三，加大对中西部地区、成长期企业的政策支持。智慧城市建设通过发展新一代信息通信技术有助于提升区域创新能力，降低信息不确定性，缓解企业融资限制，提高创新绩效。然而，囿于中西部地区创新能力相对不足，成长期企业融资约束大、抗风险能力小，企业创新动力不足，因此更需要政策的支持。

参考文献：

[1] Andrea C，Del Bo C F.Smart Innovative Cities：The Impact of Smart City Policies on Urban Innovation[J].Technological Forecasting and Social Change，2019，142（5）：373-383.

[2] Daxhammer K，Luckert M，Doerr M，et al.Development of a Strategic Business Model Framework for Multi-Sided Platforms to Ensure Sustainable Innovation in Small and Medium-Sized Enterprises[J].Procedia Manufacturing，2019，39（1）：1354-1362.

[3] 楚尔鸣，唐茜雅，唐欢.智慧城市建设如何提升城市创新能力？[J].湘潭大学学报（哲学社会科学版），2022，46（2）：59-65.

[4] 何凌云，马青山.智慧城市试点能否提升城市创新水平？——基于多期DID的经验证据[J].财贸研究，2021，32（3）：28-40.

[5] Qian Y，Liu J，Cheng Z，et al. Does the Smart City Policy Promote the Green Growth of the Urban Economy？ Evidence from China[J].Environmental Science and Pollution Research，2021，28（8）：1-15.

[6] 张阿城，王巧，温永林.智慧城市试点、技术进步与产业结构转型升级[J].经济问题探索，2022（3）：158-175.

[7] Abutabenjeh S，Nukpezah J，Azhar A.Do Smart Cities Technologies Contribute to Local Economic Development？[J].Economic Development Quarterly，2022，36（1）：3-16.

[8] Tu Z，Kong J，Shen R.Smart City Projects Boost Urban Energy Efficiency in China[J].Sustainability，2022，14（3）：1814.

[9] 石大千，丁海，卫平，等.智慧城市建设能否降低环境污染[J].中国工业经济，2018（6）：117-135.

[10] 王敏，李亚非，马树才.智慧城市建设是否促进了产业结构升级[J].财经科学，2020（12）：56-71.

[11] 刘伟丽，刘宏楠.智慧城市建设推进企业高质量发展的机制与路径[J].深圳大学学报（人文社会科学版），2022，39（1）：95-106.

[12] 姚圣文，赵兰香，张耀坤.智慧城市建设提高企业全要素生产率了吗？[J].科学学研究，2022，40（11）：1957-1967.

[13] 郭雁冰.熊彼特的经济发展理论及启示[D].大连：东北财经大学，2010.

[14] Li C M，Liu X L，Dai Z X，et al.Understanding Smart City：
A Shareable Framework.The Case of China[J].Sustainability，2019，11（16）：71-78.

[15] 曾萍，俞芹，任鸽，等.组织忘记、外部知识搜索与企业转型升级速度——区域创新环境建设的调节作用[J].研究与发展管理，2022，34（1）：95-106.

[16] 朱红恒.熊彼特的创新理论及启示[J].社会科学家，2005（1）：59-61.

[17] 周开国，卢允之，杨海生.融资约束、创新能力与企业协同创新[J].经济研究，2017，52（7）：94-108.

[18] 張敏.供应链融资、信息不对称与融资约束[J].财会通讯，2018（9）：121-124.

[19] 赵丹丹.环境信息披露、融资约束与公司创新[J].会计之友，2021（21）：91-98.

[20] 罗锋，杨丹丹，梁新怡.区域创新政策如何影响企业创新绩效？——基于珠三角地区的实证分析[J].科学学与科学技术管理，2022，43（2）：68-86.

[21] 张劲松，鲁珊珊.绿色信贷政策对企业创新绩效的影响[J].统计与决策，2022，38（7）：179-183.

[22] 毛文峰，陆军.土地要素错配如何影响中国的城市创新创业质量——来自地级市城市层面的经验证据[J].产业经济研究，2020（3）：17-29.

[23] 龙建辉.中国区域创新能力增长路径及其共生机理实证研究[J].软科学，2018，32（3）：67-71.

[24] 张可.产业集聚与区域创新的双向影响机制及检验——基于行业异质性视角的考察[J].审计与经济研究，2019，34（4）：94-105.

[25] 黄宏斌，翟淑萍，陈静楠.企业生命周期、融资方式与融资约束——基于投资者情绪调节效应的研究[J].金融研究，2016（7）：96-112.

[26] 夏清华，王瑜.不同年龄阶段下中国企业绩效对创新投入的影响——来自制造业上市公司的动态面板数据[J].工业技术经济，2015，34（12）：88-95.

[27] 万佳彧，周勤，肖义.数字金融、融资约束与企业创新[J].经济评论，2020（1）：71-83.

基金项目：民盟北京市委2022年度参政议政调研课题“智慧城市建设对北京产业承载力的影响研究”；
北京联合大学科研项目“智慧城市背景下北京现代服务业高质量发展研究”（项目编号：SK40202101）。

作者简介：胡艳君（1976-），女，博士，北京联合大学管理学院副教授，硕士生导师，研究方向为区域经济；
王如意（1995-），女，北京联合大学硕士研究生，研究方向为区域经济、企业创新；
党西凤（1994-），女，北京联合大学硕士研究生，研究方向为区域经济、企业创新。

（收稿日期：2022-12-16  责任编辑：殷 俊）