CNDD-0208 “智慧城市试点”DID变量及学术论文应用

▪ 数据名称: 智慧城市试点DID变量

▪ 数据编号：0208

▪ 数据层级：地级市层面

▪ 数据范围：2000-2022年

▪ 样本数量：6,900条

▪ 数据来源：根据政府公告等公开内容整理

▪ 数据说明：CNDD “智慧城市试点”DID变量整理了中国300个重要地级市是否加入“智慧城市试点”以及何时加入“智慧城市试点”。具体变量包括行政区划代码、年份、地区、所属省份、是否试点城市、、最早试点年份、智慧城市试点DID变量。文件提供.xlsx和.dta格式，可使用excel或stata打开。

▪ 数据维度：年度数据

其中，tfp 为企业全要素生产率，X 为一组影响企业全要素生产率的控制变量，a 为企业不可观测的固定效应，η 为随时间变化的固定效应，ε 为随机扰动项。

本文被解释变量为企业全要素生产率，为了避免企业全要素生产率的测度方式不同影响本文实证结果，借鉴相关文献( Levinsohn 和 Petrin，2003; 刘莉亚等，2018) ，采用 LP( Levinsohn 和 Petrin，2003，LP) 方法测度企业全要素生产率。具体而言，使用经制造业出厂价格指数平减后的主营业务收入作为产出变量，用经固定资产价格指数平减后的固定资产净值作为资本投入变量，用员工人数作为劳动投入变量，用经原材料购进价格指数平减后的原材料和在产品总和作为中间品投入变量，然后使用 LP 法计算企业的全要素生产率。由于服务业 TFP 计算和制造业存在较大差异，为和文献保持一致，本文仅用制造业上市公司样本作为本文的实证样本。

在进行回归前，参考前期文献( 鲁晓东、连玉君，2012; 刘莉亚等，2018) ，本文对样本数据进行了常规处理，首先删除金融类、公共事业类以及综合类上市公司，并删除了 ST 和* ST 公司样本以及样本当前进行了 IPO( Initial Public Offering) 的上市公司。为保证样本的连续性，我们将相关财务数据以及交易成本相关数据存在缺失的样本删除。最终本文得到了 6110 个观测值的 2003—2016 年的非平衡面板数据，为避免异常值对估计结果的影响，本文对主要连续变量分别在 1% 和 99% 的水平上进行缩尾处理。 

核心解释变量为 DID 变量，即模型中两个虚拟变量的交乘项( du × dt) 。

借鉴相关文献，本文还控制了一些企业特征变量: 企业规模，用企业员工人数来衡量; 资产负债率，代表企业的资本结构; 资产收益率，代表企业的盈利能力; 资本密集度，即人均固定资产净值; 固定资产占比，反映企业的资产结构; 企业年龄，反映企业的经营时长及经营经验。除此之外，还控制了城市特征变量:金融发展，以金融机构存贷款总额占 GDP 比重衡量; 政府研发投入，以财政科技支出占总财政支出的比重衡量; 基础设施，用人均道路面积表示; 人力资本，用大学生毕业人数衡量; 产业结构，以第三产业就业人数与第二产业就业人数的比值衡量; 人口密度，以单位面积人口数量度量。为了消除异方差的影响，企业员工、企业年龄和所有的城市特征变量均进行了取对数处理。本文所使用数据来自国泰安数据库和 2004—2017 年《中国城市统计年鉴》，与以往研究相比，本文所测算的 TFP 均值②相比于鲁晓东和连玉君( 2012) 略高，主要在于其使用的工业企业数据库，而本文使用的是上市公司数据。工业企业数据库包含各类型企业，平均而言其全要素生产率相比于上市公司要低( 郑宝红、张兆国，2018) 。同时，本文所测算的 TFP 均值与段梅和李志强(2019) 较为接近。

本文的理论逻辑是智慧城市建设是城市信息化水平提高的自然实验，信息化水平提高会影响企业 TFP。因此，本文的实证要首先验证智慧城市建设是否会显著提高城市信息化水平，为检验本文的主要逻辑的存在性，也就是智慧城市是否真的提高了城市信息化水平，本文使用地级市样本数据，利用双重差分模型实证检验智慧城市建设是否会提高城市信息化水平，从而为将智慧城市看作信息化冲击的准自然实验提供证据。由于地级市数据的可得性，本文使用地级市互联网用户数以及每万人互联网用户数作为信息化水平的代理变量( 见表 1) 。表 1 结果表明，智慧城市建设影响城市信息化水平的系数在 1% 的水平下显著，表明智慧城市相比于非智慧城市信息化水平显著较高，智慧城市建设显著提高了城市信息化水平，从而可以将智慧城市建设看作信息化冲击的准自然实验。这为本文使用双重差分法研究信息化冲击对企业全要素生产率的影响提供了坚实的实践基础。