摘 要：智慧城市是推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的重要應(yīng)用場景，興業(yè)、善政、利民是其建設(shè)的核心目標(biāo)。文章從理論層面梳理了智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量影響的內(nèi)在機(jī)理，并基于2004-2019年中國城市面板數(shù)據(jù)，采用多時(shí)點(diǎn)雙重差分模型進(jìn)行了實(shí)證檢驗(yàn)。研究發(fā)現(xiàn)，智慧城市建設(shè)在1%水平上顯著提升了宏觀就業(yè)質(zhì)量，該結(jié)論通過了一系列穩(wěn)健性檢驗(yàn)。異質(zhì)性分析表明，智慧城市建設(shè)的宏觀就業(yè)質(zhì)量提升效應(yīng)在高經(jīng)濟(jì)發(fā)展水平、高互聯(lián)網(wǎng)發(fā)展水平以及東部地區(qū)城市更顯著。宏觀就業(yè)質(zhì)量分維度檢驗(yàn)結(jié)果顯示，智慧城市建設(shè)顯著提升了就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬與勞動(dòng)保護(hù)，其中對(duì)就業(yè)能力和就業(yè)環(huán)境的影響較大，對(duì)勞動(dòng)保護(hù)和勞動(dòng)報(bào)酬的影響次之。機(jī)制分析表明，智慧城市建設(shè)主要通過提升科學(xué)技術(shù)創(chuàng)新、深化社會(huì)分工、增加人均科技投入、改善城市就業(yè)結(jié)構(gòu)，進(jìn)而助力城市實(shí)現(xiàn)更高質(zhì)量就業(yè)?？臻g溢出效應(yīng)檢驗(yàn)顯示，智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量具有顯著的正向空間溢出效應(yīng)，發(fā)揮了“中心和外圍”共同發(fā)展的示范作用，形成“涓滴效應(yīng)”，推動(dòng)區(qū)域城市整體就業(yè)質(zhì)量的協(xié)同提升。文章為數(shù)字經(jīng)濟(jì)時(shí)代推動(dòng)智慧城市建設(shè)，努力實(shí)現(xiàn)城市高質(zhì)量就業(yè)提供了經(jīng)驗(yàn)證據(jù)和政策啟示。

關(guān)鍵詞：數(shù)字經(jīng)濟(jì)；智慧城市；就業(yè)質(zhì)量；多時(shí)點(diǎn)雙重差分法；溢出效應(yīng)

一、引言

伴隨新一輪科技革命和產(chǎn)業(yè)變革的浪潮，以人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等為代表的數(shù)字技術(shù)成為推動(dòng)智慧城市創(chuàng)新發(fā)展的重要支柱。數(shù)字經(jīng)濟(jì)時(shí)代，智慧城市作為現(xiàn)代城市發(fā)展的高端形態(tài)，是具有高度復(fù)雜性且不斷迭代升級(jí)的數(shù)字生態(tài)系統(tǒng)，加快智慧城市建設(shè)是實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型和改善民生的重要舉措?！丁笆奈濉比珖鞘谢A(chǔ)設(shè)施建設(shè)規(guī)劃》提出，加快新型城市基礎(chǔ)設(shè)施建設(shè)，推進(jìn)城市智慧化轉(zhuǎn)型發(fā)展。黨的二十大報(bào)告進(jìn)一步強(qiáng)調(diào)，加強(qiáng)城市基礎(chǔ)設(shè)施建設(shè)，打造宜居、韌性、智慧城市。智慧城市在中國已經(jīng)發(fā)展十余年，自2012年首批國家智慧城市試點(diǎn)名單公布以來，中國開展的智慧城市、信息惠民、信息消費(fèi)等相關(guān)試點(diǎn)城市超過500個(gè)，有超過89%的地級(jí)市、47%的縣級(jí)及以上的城市提出建設(shè)智慧城市人民網(wǎng)，《2022智慧城市白皮書》，2022年5月24日，http：//download.people.com.cn/jiankang/nineteen16533217151.pdf。。在智慧城市建設(shè)過程中，海量數(shù)據(jù)和豐富應(yīng)用場景得到深度挖掘，數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)融合程度不斷深化，傳統(tǒng)產(chǎn)業(yè)被數(shù)字化賦能升級(jí)，新產(chǎn)業(yè)、新業(yè)態(tài)和新商業(yè)模式蓬勃涌現(xiàn)。實(shí)體零售、文旅運(yùn)營、品牌互動(dòng)、數(shù)字政府、商業(yè)綜合體、城市和產(chǎn)業(yè)園建設(shè)等均加速數(shù)字化升級(jí)?？梢?，智慧城市對(duì)中國加快構(gòu)建現(xiàn)代化基礎(chǔ)設(shè)施體系，推進(jìn)以人為核心的城鎮(zhèn)化，實(shí)現(xiàn)城市高質(zhì)量發(fā)展發(fā)揮了重要作用。

智慧城市作為推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的重要應(yīng)用場景，加快推進(jìn)了數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合發(fā)展。鑒于此，本文就智慧城市建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量的影響進(jìn)行了深入研究。本文的邊際貢獻(xiàn)主要在于：一是從科學(xué)技術(shù)創(chuàng)新、社會(huì)分工深化、人均科技投入、就業(yè)結(jié)構(gòu)層面分析了智慧城市建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量影響的理論邏輯。二是從城市就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬和勞動(dòng)保護(hù)維度構(gòu)建了中國城市宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系，全面測評(píng)中國城市宏觀就業(yè)質(zhì)量發(fā)展水平，豐富拓展了中國城市宏觀就業(yè)質(zhì)量相關(guān)研究。三是利用城市面板數(shù)據(jù)，實(shí)證檢驗(yàn)智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量的影響、異質(zhì)性并充分評(píng)估智慧城市試點(diǎn)政策對(duì)本地區(qū)產(chǎn)生的直接影響及對(duì)周邊地區(qū)產(chǎn)生的溢出效應(yīng)，為不同地區(qū)推進(jìn)數(shù)實(shí)融合與高質(zhì)量就業(yè)協(xié)同穩(wěn)健發(fā)展提供了合理化建議和有益參考。

二、文獻(xiàn)綜述

智慧城市試點(diǎn)政策實(shí)行對(duì)經(jīng)濟(jì)增長、綠色發(fā)展、創(chuàng)新水平、就業(yè)創(chuàng)業(yè)等多方面產(chǎn)生影響。從經(jīng)濟(jì)增長來看，智慧城市建設(shè)能有效增加創(chuàng)新供給和擴(kuò)張需求，并通過重塑城市經(jīng)濟(jì)發(fā)展的動(dòng)能、結(jié)構(gòu)和效益來促進(jìn)城市經(jīng)濟(jì)更高質(zhì)量增長。智慧城市試點(diǎn)政策實(shí)施之后，相應(yīng)的項(xiàng)目建設(shè)和基礎(chǔ)設(shè)施建設(shè)會(huì)得到一定的資金支持，通過強(qiáng)大的信息通訊技術(shù)可以實(shí)現(xiàn)城市間的互聯(lián)互通，從而不斷拉動(dòng)城市經(jīng)濟(jì)增長（Ahvenniemi等，2017）。從綠色發(fā)展來看，智慧城市建設(shè)會(huì)吸引大量產(chǎn)業(yè)，促進(jìn)產(chǎn)業(yè)集聚現(xiàn)象和規(guī)模經(jīng)濟(jì)效應(yīng)，提高污染處理技術(shù)和降低環(huán)境污染程度（Witkowski，2017）。從創(chuàng)新水平來看，智慧城市建設(shè)推動(dòng)了物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等新興數(shù)字技術(shù)應(yīng)用，在城市管理、交通、物流、社區(qū)和金融等方面實(shí)現(xiàn)了智能化，優(yōu)化了創(chuàng)新環(huán)境、信息集成和數(shù)據(jù)共享，不斷提高了城市創(chuàng)新水平（Ke等，2017）。同時(shí)，智慧城市建設(shè)可以增強(qiáng)政府補(bǔ)助支出，減輕企業(yè)技術(shù)開發(fā)不足的問題，有效補(bǔ)償創(chuàng)新外部性帶來的績效不佳風(fēng)險(xiǎn)，增加企業(yè)創(chuàng)新意愿（王貴東，2017）。

智慧城市還會(huì)對(duì)就業(yè)創(chuàng)業(yè)產(chǎn)生影響，從就業(yè)層面來看，在智慧城市快速發(fā)展背景下，數(shù)字技術(shù)在勞動(dòng)力市場中廣泛應(yīng)用，引起就業(yè)載體、就業(yè)形態(tài)及勞動(dòng)要求發(fā)生變化，對(duì)就業(yè)數(shù)量產(chǎn)生創(chuàng)造效應(yīng)和替代效應(yīng)（胡擁軍和關(guān)樂寧，2022）。與之不同的是，也有研究認(rèn)為數(shù)字技術(shù)應(yīng)用和電子商務(wù)發(fā)展加速取代傳統(tǒng)商業(yè)方式，減少了零售和百貨等領(lǐng)域的就業(yè)機(jī)會(huì)，從而提高了地區(qū)結(jié)構(gòu)性失業(yè)風(fēng)險(xiǎn)（Terzi，2011）。從創(chuàng)業(yè)層面來看，智慧城市極大地提高了信息通訊程度，能夠有效緩解信息不對(duì)稱和降低事前成本，遏制機(jī)會(huì)主義行為和充分提升企業(yè)運(yùn)營效率及經(jīng)營管理水平，從而提高了創(chuàng)業(yè)成功率（Kandt和Batty，2021）。智慧城市試點(diǎn)建設(shè)不僅提供新興數(shù)字技術(shù)支持，還會(huì)提供大量的創(chuàng)業(yè)補(bǔ)貼和稅收減免等政策支持，從而在極大程度上降低創(chuàng)業(yè)門檻、激發(fā)群眾的創(chuàng)業(yè)意愿和創(chuàng)業(yè)行為（Xue等，2019）。從某種意義上講，創(chuàng)業(yè)是解決就業(yè)問題的重要途徑，創(chuàng)業(yè)活動(dòng)的增加會(huì)提高對(duì)勞動(dòng)力的需求，從而為社會(huì)提供更多的就業(yè)崗位，促進(jìn)地區(qū)就業(yè)水平的提升（謝文棟，2023）。

就業(yè)質(zhì)量是衡量勞動(dòng)者就業(yè)福祉的重要指標(biāo)。已有文獻(xiàn)關(guān)于測評(píng)就業(yè)質(zhì)量的研究有主客觀和宏微觀之分。從主觀角度來看，就業(yè)質(zhì)量是勞動(dòng)者從工作中獲得的效用感受，側(cè)重對(duì)工作的主觀評(píng)價(jià)，通過勞動(dòng)者的情感和工作滿意度等進(jìn)行測量（Henley，2021；郭露和王峰，2024）。從客觀角度來看，就業(yè)質(zhì)量關(guān)注勞動(dòng)者的收入、合同類型、發(fā)展機(jī)會(huì)、工作穩(wěn)定性、工作環(huán)境和社會(huì)保障等方面（秦廣強(qiáng)和林蕓媛，2024）。從微觀角度來看，就業(yè)質(zhì)量主要側(cè)重于勞動(dòng)者的工作狀況，包括就業(yè)環(huán)境、主觀感受及工作條件等維度（楊超和張征宇，2022），已有研究微觀層面主要聚焦農(nóng)民工、大學(xué)生、女性、流動(dòng)人口等群體（崔巖和黃永亮，2023）。

宏觀就業(yè)質(zhì)量是指整體就業(yè)市場運(yùn)行和資源配置效率的情況，主要包括勞動(dòng)生產(chǎn)環(huán)境、失業(yè)率和結(jié)構(gòu)偏差程度、就業(yè)者的生產(chǎn)效率等宏觀指標(biāo)（賴德勝等，2011）。蘇麗鋒（2013）從就業(yè)環(huán)境、就業(yè)能力、就業(yè)狀況、勞動(dòng)者報(bào)酬、社會(huì)保護(hù)、勞動(dòng)關(guān)系維度對(duì)2000-2010年各省份宏觀就業(yè)質(zhì)量進(jìn)行了測算，發(fā)現(xiàn)除了東部少數(shù)經(jīng)濟(jì)發(fā)達(dá)省份，全國宏觀就業(yè)質(zhì)量總體水平不高，且地區(qū)間就業(yè)質(zhì)量差異明顯。戚聿東等（2020）從就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)維度對(duì)2008-2018年各省份宏觀就業(yè)質(zhì)量進(jìn)行了測算，發(fā)現(xiàn)各省份宏觀就業(yè)質(zhì)量平均得分不高，但整體呈現(xiàn)穩(wěn)步上升趨勢。韓晶和陳曦（2020）從勞動(dòng)報(bào)酬、就業(yè)能力和就業(yè)環(huán)境維度對(duì)2011-2018年各省份宏觀就業(yè)質(zhì)量進(jìn)行了測算，發(fā)現(xiàn)各省份宏觀就業(yè)質(zhì)量得分大部分呈逐年穩(wěn)步上升趨勢，但不同區(qū)域間就業(yè)質(zhì)量差異較為明顯。張抗私和韓佳樂（2022）對(duì)2014-2019年各省份宏觀就業(yè)質(zhì)量進(jìn)行了測算，發(fā)現(xiàn)各省份宏觀就業(yè)質(zhì)量整體偏低，且各地區(qū)就業(yè)質(zhì)量分維度指標(biāo)存在一定程度的不協(xié)調(diào)性。張順和郭娟娟（2022）從就業(yè)環(huán)境、勞動(dòng)者報(bào)酬、社會(huì)保障、勞動(dòng)關(guān)系維度對(duì)2008-2019年各省份宏觀就業(yè)質(zhì)量進(jìn)行了測算，發(fā)現(xiàn)各省份宏觀就業(yè)質(zhì)量呈緩慢上升趨勢。

就業(yè)質(zhì)量的影響因素包含內(nèi)因、外因等多重因素。關(guān)于內(nèi)因方面，如學(xué)歷水平、人際交往能力、專業(yè)技能、積極的就業(yè)觀念是決定勞動(dòng)者就業(yè)質(zhì)量的重要因素（Stier，2015）。關(guān)于外因方面，Stecy-Hildebrandt等（2018）將就業(yè)保障、獲取福利和收入水平作為就業(yè)質(zhì)量的衡量指標(biāo)，與非公共部門、短期雇員相比，在公共部門就業(yè)、長期雇員的就業(yè)質(zhì)量相對(duì)更高。Shu等（2023）的研究發(fā)現(xiàn)，自營職業(yè)有助于提高勞動(dòng)者的工作滿意度和就業(yè)質(zhì)量，而受雇就業(yè)者的工作滿意度相對(duì)較低。此外，數(shù)字普惠金融、地區(qū)創(chuàng)新能力、制度體制、人情及信息資源、公共就業(yè)服務(wù)也會(huì)對(duì)勞動(dòng)者就業(yè)質(zhì)量產(chǎn)生影響差異（李禮連等，2022；孫繼國和柴子涵，2023）。

綜上所述，現(xiàn)有文獻(xiàn)關(guān)于智慧城市對(duì)就業(yè)創(chuàng)業(yè)的影響有所探討，但是仍然存在以下幾點(diǎn)局限：一是，無論就業(yè)還是創(chuàng)業(yè)，現(xiàn)有研究大多是分析了智慧城市對(duì)就業(yè)數(shù)量層面的影響，對(duì)于就業(yè)質(zhì)量的研究不足。二是，已有文獻(xiàn)大多是從微觀視角出發(fā)，分析內(nèi)因、外因等因素對(duì)個(gè)體就業(yè)質(zhì)量的影響，宏觀層面就業(yè)質(zhì)量主要側(cè)重各省份宏觀就業(yè)質(zhì)量的測評(píng)，而關(guān)于城市宏觀就業(yè)質(zhì)量的測評(píng)以及政策沖擊等外在因素的研究較少，尤其是鮮有文獻(xiàn)分析智慧城市試點(diǎn)對(duì)城市宏觀就業(yè)質(zhì)量的影響。鑒于此，本文基于智慧城市試點(diǎn)政策這一準(zhǔn)自然實(shí)驗(yàn)，利用2004-2019年中國城市面板數(shù)據(jù)和多時(shí)點(diǎn)雙重差分模型，從理論及實(shí)證層面研究了智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量的影響，并分析了智慧城市對(duì)宏觀就業(yè)質(zhì)量影響的分維度檢驗(yàn)及宏觀就業(yè)質(zhì)量的空間溢出效應(yīng)。

三、理論基礎(chǔ)與研究假設(shè)

宏觀就業(yè)質(zhì)量是勞動(dòng)力市場運(yùn)行狀況及資源配置效率的反映，受就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)等多方因素影響，諸如經(jīng)濟(jì)增長率、勞動(dòng)力市場靈活性、教育水平、技能培訓(xùn)機(jī)會(huì)、勞動(dòng)生產(chǎn)率和報(bào)酬水平、產(chǎn)業(yè)結(jié)構(gòu)、就業(yè)服務(wù)等宏觀因素。一般而言，高經(jīng)濟(jì)增長率、靈活的勞動(dòng)力市場、提供良好的教育和技能培訓(xùn)、較高的勞動(dòng)生產(chǎn)率和報(bào)酬水平、合理的產(chǎn)業(yè)結(jié)構(gòu)、高效的就業(yè)服務(wù)機(jī)構(gòu)和政策通?？梢蕴岣邉趧?dòng)力市場運(yùn)行效率，優(yōu)化勞動(dòng)力資源供需匹配，促進(jìn)宏觀就業(yè)質(zhì)量提升。

數(shù)字經(jīng)濟(jì)時(shí)代，智慧城市建設(shè)作為一種新型城市發(fā)展模式，涵蓋信息技術(shù)、數(shù)據(jù)分析、人工智能等高新技術(shù)應(yīng)用，對(duì)優(yōu)化城市就業(yè)環(huán)境、提升就業(yè)能力、增加勞動(dòng)報(bào)酬、改善勞動(dòng)保護(hù)具有積極促進(jìn)作用。從優(yōu)化就業(yè)環(huán)境層面，智慧城市建設(shè)可以有效推動(dòng)新型就業(yè)模式發(fā)展，如線上辦公、移動(dòng)辦公等形式，不斷提高勞動(dòng)力市場就業(yè)的靈活性和配置效率，促進(jìn)就業(yè)數(shù)字化、彈性化轉(zhuǎn)型，從而為人們提供更多的就業(yè)機(jī)會(huì)，整體就業(yè)環(huán)境持續(xù)優(yōu)化。從提升就業(yè)能力層面，智慧城市建設(shè)對(duì)數(shù)字技能人才和相關(guān)產(chǎn)業(yè)從業(yè)人員需求的激增推動(dòng)了教育和技能培訓(xùn)發(fā)展，提升了勞動(dòng)力數(shù)字素養(yǎng)和技能水平，有助于推動(dòng)宏觀就業(yè)質(zhì)量提升。人力資源管理的智能化程度不斷提升，用工單位和個(gè)人之間的匹配程度日益加深，對(duì)推動(dòng)勞動(dòng)者職業(yè)技能和整體就業(yè)能力具有積極影響（Evangelista等，2014）。從增加勞動(dòng)報(bào)酬層面，智慧城市建設(shè)利用先進(jìn)技術(shù)提高城市運(yùn)行效率和管理水平，增加了勞動(dòng)生產(chǎn)率和報(bào)酬水平。在智能交通、數(shù)字產(chǎn)業(yè)和物聯(lián)網(wǎng)等智慧城市的關(guān)鍵領(lǐng)域，不僅需要高度技術(shù)化的管理和服務(wù)，也需要更多的高技能和高學(xué)歷人才，可以為城市創(chuàng)造較多的高薪就業(yè)機(jī)會(huì)，從而提高職工的工資水平，縮小收入差距。從改善勞動(dòng)保護(hù)層面X8Gxrs4MkgwGDH4GfQVawjPMsBku304sQ0U5SQabW/4=，智慧城市可以利用數(shù)字技術(shù)和數(shù)據(jù)分析來改善醫(yī)療服務(wù)和健康管理，如數(shù)字化電子病歷和健康檔案可以幫助醫(yī)務(wù)人員更好地了解病人的健康狀況，便于提供個(gè)性化的醫(yī)療服務(wù)和醫(yī)療救助，從而為勞動(dòng)者提供就業(yè)保障和風(fēng)險(xiǎn)保護(hù)（Caselli，2018）。智慧城市可以利用智能家居和健康監(jiān)測技術(shù)來幫助老年人享受更加安全、舒適的居住環(huán)境，還可以通過數(shù)字化的養(yǎng)老服務(wù)和社區(qū)參與機(jī)制，豐富老年人的社交和文化生活，促進(jìn)老年人參與社區(qū)建設(shè)和服務(wù)（李磊等，2021）。

總的來看，無論是提高就業(yè)環(huán)境和就業(yè)能力，還是增加勞動(dòng)報(bào)酬和勞動(dòng)保護(hù)，都是提高宏觀就業(yè)質(zhì)量的重要維度，智慧城市通過改善以上維度進(jìn)而有效提高就業(yè)質(zhì)量。此外，智慧城市建設(shè)與經(jīng)濟(jì)發(fā)展水平、互聯(lián)網(wǎng)發(fā)展水平、地理位置也息息相關(guān)。一般而言，互聯(lián)網(wǎng)發(fā)展程度越高、經(jīng)濟(jì)發(fā)展水平越發(fā)達(dá)、東南沿海地理位置優(yōu)越的地區(qū)智慧城市建設(shè)程度往往越快，從而有利于營造出更有利的就業(yè)環(huán)境和更高水平的就業(yè)質(zhì)量。據(jù)此，本文提出研究假設(shè)1：智慧城市建設(shè)能夠有效提高宏觀就業(yè)質(zhì)量，且不同的經(jīng)濟(jì)發(fā)展水平、互聯(lián)網(wǎng)發(fā)展水平以及地理位置可能存在異質(zhì)性效應(yīng)。

智慧城市建設(shè)強(qiáng)調(diào)與數(shù)字技術(shù)深度融合，通過高速信息網(wǎng)絡(luò)和公共信息平臺(tái)的有效建立，不斷促使科技人才、知識(shí)和資本等要素聚集，從而實(shí)現(xiàn)更加快速、高效和泛在的實(shí)時(shí)傳遞，逐漸形成開放共享的創(chuàng)新空間（姚圣文等，2021）。熊彼特創(chuàng)新理論表明各種創(chuàng)新主體在一定范圍內(nèi)重新組合生產(chǎn)要素、不斷促使收益最大化的生產(chǎn)過程就是創(chuàng)新。智慧城市重視信息科技基礎(chǔ)設(shè)施建設(shè)，依托數(shù)字平臺(tái)有利于建立智慧產(chǎn)業(yè)孵化器，不斷孵化、扶持高新技術(shù)企業(yè)，提升高校、科研院所和企業(yè)的技術(shù)研發(fā)能力，從而有效提高科學(xué)技術(shù)創(chuàng)新水平。智慧城市作為城市化和信息化深度融合的產(chǎn)物，能夠優(yōu)化科技創(chuàng)新投入和成果轉(zhuǎn)化機(jī)制來有效提高技術(shù)創(chuàng)新能力，從而有利于激發(fā)社會(huì)創(chuàng)新創(chuàng)業(yè)活力、提高整體就業(yè)率和優(yōu)化就業(yè)環(huán)境。此外，科學(xué)技術(shù)創(chuàng)新是推進(jìn)經(jīng)濟(jì)增長和提高經(jīng)濟(jì)效率的技術(shù)支撐，智慧城市建設(shè)在促進(jìn)不同產(chǎn)業(yè)、人才之間相互交流、增加人均科技投入及強(qiáng)化科學(xué)技術(shù)創(chuàng)新的同時(shí)，也能夠有效推進(jìn)經(jīng)濟(jì)增長和提高經(jīng)濟(jì)效率，進(jìn)而提高勞動(dòng)力市場的整體工資水平和改善就業(yè)質(zhì)量。據(jù)此，本文提出研究假設(shè)2：智慧城市能夠通過促進(jìn)科學(xué)技術(shù)創(chuàng)新和人均科技投入進(jìn)而提高宏觀就業(yè)質(zhì)量。

智慧城市作為一種城市智能化的發(fā)展模式，具有很強(qiáng)的推動(dòng)作用和引領(lǐng)力，可以通過技術(shù)手段的優(yōu)化和城市基礎(chǔ)設(shè)施的改造，不斷促進(jìn)城市社會(huì)分工的深化和發(fā)展。根據(jù)社會(huì)分工理論，科學(xué)技術(shù)進(jìn)步是推動(dòng)社會(huì)分工精細(xì)、深化的源動(dòng)力，智慧城市可以通過數(shù)字技術(shù)應(yīng)用、信息平臺(tái)的建設(shè)、城市物流等方面的優(yōu)化，帶動(dòng)工業(yè)企業(yè)之間的互動(dòng)和合作，從而促進(jìn)社會(huì)分工深化（Srinivasan和Venkatraman，2018）。同時(shí)，智慧城市通過智能化服務(wù)模式的建設(shè)和服務(wù)供給側(cè)的優(yōu)化，促進(jìn)城市服務(wù)業(yè)社會(huì)分工的再構(gòu)建和提升，城市服務(wù)業(yè)社會(huì)分工因智慧城市的發(fā)展而逐漸得到優(yōu)化和升級(jí)（Batty，2018）。智慧城市通過智能和協(xié)調(diào)的方式利用現(xiàn)有的技術(shù)和資源，推動(dòng)平臺(tái)企業(yè)間的分工及協(xié)作日益深化，加速打通去中心化、去樞紐化的流通環(huán)節(jié)，逐漸降低交易成本和供應(yīng)鏈運(yùn)輸成本，助力企業(yè)更好地實(shí)現(xiàn)信息資源的多元、流通與共享，從而降低企業(yè)的創(chuàng)業(yè)成本，提升私營企業(yè)的創(chuàng)業(yè)活躍度。社會(huì)分工深化能夠在一定程度上推進(jìn)行業(yè)轉(zhuǎn)型升級(jí)和就業(yè)結(jié)構(gòu)優(yōu)化，從而可以提高工資水平，同時(shí)對(duì)于促進(jìn)就業(yè)環(huán)境改善，提高就業(yè)競爭力起到積極作用（戚聿東等，2021）。綜上所述，智慧城市建設(shè)有利于深化社會(huì)分工，而社會(huì)分工深化則在一定程度上提高了工資水平、優(yōu)化了就業(yè)環(huán)境，進(jìn)而提高了就業(yè)質(zhì)量。據(jù)此，本文提出研究假設(shè)3：智慧城市能夠通過促進(jìn)社會(huì)分工深化進(jìn)一步提高宏觀就業(yè)質(zhì)量。

技術(shù)變革是促進(jìn)生產(chǎn)方式轉(zhuǎn)型和勞動(dòng)力結(jié)構(gòu)升級(jí)的主要?jiǎng)恿?，不?samp style="position:absolute;left:-100000px;">PfI2MK+O9Qzz6Vlu1sORww==的技術(shù)要素和技術(shù)工藝的變革對(duì)就業(yè)結(jié)構(gòu)產(chǎn)生了重大影響。智慧城市運(yùn)用新興智能化技術(shù)并通過高效、精準(zhǔn)的智能化管理，提高城市服務(wù)、交通、環(huán)境等公共領(lǐng)域的效率水平，不僅為企業(yè)、城市居民分別提供了更好的經(jīng)營環(huán)境和生活環(huán)境，也有效提高了城市經(jīng)濟(jì)活力和增加了就業(yè)崗位，進(jìn)一步優(yōu)化了城市就業(yè)結(jié)構(gòu)（Joshi等， 2016）。在智慧城市發(fā)展的推動(dòng)下，就業(yè)結(jié)構(gòu)優(yōu)化可以促進(jìn)高素質(zhì)勞動(dòng)力的供給和匹配，使人力資本積累得到充分發(fā)揮，提高人們的就業(yè)競爭力從而擁有更多的職業(yè)發(fā)展機(jī)會(huì)，對(duì)勞動(dòng)力的吸納能力顯著增強(qiáng)。此外，就業(yè)結(jié)構(gòu)優(yōu)化可以吸收和培養(yǎng)一系列的人才，不斷提高勞動(dòng)力市場的透明度和降低失業(yè)率，增加就業(yè)機(jī)會(huì)和提升就業(yè)者的薪酬福利，進(jìn)而改善整體就業(yè)質(zhì)量。據(jù)此，本文提出研究假設(shè)4：智慧城市能夠通過優(yōu)化就業(yè)結(jié)構(gòu)進(jìn)一步提高宏觀就業(yè)質(zhì)量。

四、研究設(shè)計(jì)

（一）模型設(shè)定

為了推進(jìn)智慧城市建設(shè)，中國住房和城鄉(xiāng)建設(shè)部分別于2012年、2013年、2014年連續(xù)發(fā)布了三批智慧城市試點(diǎn)名單。為了考察智慧城市試點(diǎn)建設(shè)如何影響城市宏觀就業(yè)質(zhì)量，本文將智慧城市試點(diǎn)建設(shè)看成一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，依據(jù)三批智慧城市試點(diǎn)名單的批復(fù)時(shí)間，利用多時(shí)點(diǎn)雙重差分模型研究政策沖擊前后智慧城市試點(diǎn)和非試點(diǎn)城市間的就業(yè)質(zhì)量變化差異，從而評(píng)估智慧城市試點(diǎn)建設(shè)對(duì)城市就業(yè)質(zhì)量的影響效應(yīng)。具體多時(shí)點(diǎn)DID模型設(shè)定如下：

Scoreit=α0+α1Policyit+γXit+λi+μt+εit（1）

式（1）中，Scoreit表示i城市在第t年的宏觀就業(yè)質(zhì)量綜合得分，Policyit表示i城市在第t年是否被批復(fù)為智慧城市試點(diǎn)建設(shè)，Xit是一系列影響城市宏觀就業(yè)質(zhì)量的控制變量，例如經(jīng)濟(jì)發(fā)展水平、城鎮(zhèn)化率等，λi和μt分別為城市和年份固定效應(yīng)，εit為隨機(jī)擾動(dòng)項(xiàng)。估計(jì)系數(shù)α1反映了城市宏觀就業(yè)質(zhì)量綜合得分在智慧城市試點(diǎn)政策沖擊前后的平均差異。

（二）變量選取

1.被解釋變量。本文的被解釋變量為城市宏觀就業(yè)質(zhì)量綜合得分。為全面測評(píng)中國城市宏觀就業(yè)質(zhì)量發(fā)展水平，本文構(gòu)建了中國城市宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系（見表1），包含四個(gè)一級(jí)指標(biāo)，分別是就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬和勞動(dòng)保護(hù)。其中，就業(yè)環(huán)境的二級(jí)指標(biāo)主要關(guān)注各地級(jí)市經(jīng)濟(jì)發(fā)展、環(huán)境污染程度、失業(yè)率和交通通達(dá)度；就業(yè)能力的二級(jí)指標(biāo)主要關(guān)注各地級(jí)市人均教育支出和人力資本水平；勞動(dòng)報(bào)酬的二級(jí)指標(biāo)主要關(guān)注各地級(jí)市的收入水平和社會(huì)保障；勞動(dòng)保護(hù)的二級(jí)指標(biāo)主要關(guān)注各地級(jí)市的工會(huì)參與率、失業(yè)保險(xiǎn)參保率和勞動(dòng)爭議程度。需要說明的是，該評(píng)價(jià)指標(biāo)體系的二級(jí)指標(biāo)中包括四個(gè)負(fù)向指標(biāo)，分別是就業(yè)環(huán)境中的環(huán)境規(guī)制和城鎮(zhèn)登記失業(yè)率，勞動(dòng)保護(hù)中的勞動(dòng)關(guān)系糾紛案件數(shù)和工傷保險(xiǎn)待遇糾紛案件數(shù)。其中，環(huán)境規(guī)制變量以各地級(jí)市工業(yè)廢水、工業(yè)二氧化硫、工業(yè)煙粉塵排放量計(jì)算的熵值法得分作為代理指標(biāo)，該變量是衡量城市就業(yè)環(huán)境的重要指標(biāo)，該指標(biāo)數(shù)值越大，表明城市就業(yè)環(huán)境較差，對(duì)勞動(dòng)者身體健康產(chǎn)生負(fù)向影響，不利于就業(yè)質(zhì)量提升。城鎮(zhèn)登記失業(yè)率反映了城鎮(zhèn)勞動(dòng)市場的供求關(guān)系和失業(yè)狀況，高失業(yè)率可能意味著市場就業(yè)崗位不足，勞動(dòng)力市場供需矛盾加劇，以及經(jīng)濟(jì)不景氣或者存在結(jié)構(gòu)性問題，不利于宏觀就業(yè)質(zhì)量提升。城市層面的勞動(dòng)關(guān)系糾紛案件數(shù)和工傷保險(xiǎn)待遇糾紛案件數(shù)，是根據(jù)北大法寶數(shù)據(jù)庫手工整理而得，計(jì)算公式為每萬勞動(dòng)力的結(jié)案件數(shù)。這兩個(gè)指標(biāo)反映了勞動(dòng)力市場健康程度和勞動(dòng)者權(quán)益保障情況，一般而言，較高的勞動(dòng)關(guān)系糾紛案件數(shù)和工傷保險(xiǎn)待遇糾紛案件數(shù)，可能暗示著勞資糾紛頻發(fā)，工傷認(rèn)定、賠償?shù)确矫娲嬖跔幾h，從而對(duì)勞動(dòng)者保護(hù)產(chǎn)生不利影響，進(jìn)而不利于城市宏觀就業(yè)質(zhì)量提升。為方便不同年份數(shù)據(jù)的可比性，本文以2004年為基期，利用GDP 指數(shù)和 CPI指數(shù)分別對(duì)實(shí)際GDP 、人均教育支出、職工平均工資進(jìn)行平減?；跇?gòu)建的中國城市宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系，本文以熵權(quán)法對(duì)2004-2019年間中國城市宏觀就業(yè)質(zhì)量進(jìn)行測算，從而得到城市宏觀就業(yè)質(zhì)量綜合得分。

2.核心解釋變量。本文的核心解釋變量為智慧城市試點(diǎn)建設(shè)。根據(jù)公布的三批智慧城市名單，本文將核心解釋變量設(shè)定為虛擬變量形式，即將智慧城市樣本設(shè)置為1，包含智慧城市設(shè)立當(dāng)年及以后年份的樣本，將其他城市設(shè)置為0。

3.控制變量。對(duì)于影響城市宏觀就業(yè)質(zhì)量的控制變量，本文選取經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、外商直接投資、貿(mào)易開放程度、人力資本水平、人口密度、公共服務(wù)水平和城鎮(zhèn)化水平。其中，對(duì)于經(jīng)濟(jì)發(fā)展水平，本文采用對(duì)數(shù)人均地區(qū)生產(chǎn)總值作為代理變量，并以2004年為基期的GDP指數(shù)對(duì)其進(jìn)行去價(jià)格化處理。對(duì)于產(chǎn)業(yè)結(jié)構(gòu)，本文采用第二產(chǎn)業(yè)增加值占地區(qū)GDP比重作為代理變量。對(duì)于外商直接投資，本文采用當(dāng)年實(shí)際使用外資占地區(qū)GDP比重作為代理變量，各地區(qū)實(shí)際利用外資金額使用當(dāng)年的人民幣兌美元實(shí)際匯率將其核算為人民幣單位表示。對(duì)于貿(mào)易開放程度，本文采用進(jìn)出口貿(mào)易總額占地區(qū)GDP比重作為代理指標(biāo)，各地區(qū)進(jìn)出口貿(mào)易總額使用當(dāng)年的人民幣兌美元實(shí)際匯率將其核算為人民幣單位表示。對(duì)于人力資本水平，本文采用對(duì)數(shù)普通高等學(xué)校在校學(xué)生人數(shù)（人）占地區(qū)總?cè)丝冢ㄈf人）比重

作為代理指標(biāo)。對(duì)于人口密度，本文采用對(duì)數(shù)地區(qū)每平方千米人口數(shù)作為代理指標(biāo)。對(duì)于公共服務(wù)水平，本文采用對(duì)數(shù)地區(qū)醫(yī)院床位數(shù)占地區(qū)總?cè)丝诒戎刈鳛榇碇笜?biāo)。對(duì)于城鎮(zhèn)化水平，本文采用對(duì)數(shù)人均城市道路面積作為代理指標(biāo)。

（三）數(shù)據(jù)來源與變量描述

本文數(shù)據(jù)來自2004-2019年的中國279個(gè)地級(jí)市面板數(shù)據(jù)。其中，智慧城市試點(diǎn)名單來源于中國住房和城鄉(xiāng)建設(shè)部，城市宏觀就業(yè)質(zhì)量綜合得分是基于前文構(gòu)建的城市宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系，并利用熵權(quán)法測算得出，該指標(biāo)體系中的二級(jí)指標(biāo)以及控制變量數(shù)據(jù)均來自歷年《中國城市統(tǒng)計(jì)年鑒》、《中國勞動(dòng)統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》、EPS數(shù)據(jù)庫、北大法寶數(shù)據(jù)庫和中國研究數(shù)據(jù)服務(wù)平臺(tái)（CNRDS）。基于數(shù)據(jù)的可得性，城市層面的工會(huì)參與率由省級(jí)層面數(shù)據(jù)近似得到，城市層面的勞動(dòng)關(guān)系糾紛案件數(shù)和工傷保險(xiǎn)待遇糾紛案件數(shù)，是根據(jù)北大法寶數(shù)據(jù)庫手工整理而得。由于部分地級(jí)市在樣本期間內(nèi)發(fā)生過行政級(jí)別更換或面臨較為嚴(yán)重的數(shù)據(jù)缺失，本文剔除了以下地區(qū)的樣本：山東?。ㄈR蕪市）、浙江?。ê菔校?、廣東省（東莞市、中山市）、海南省（三沙市、儋州市）、山西省（臨汾市）、安徽省（巢湖市）、貴州?。ㄣ~仁市、畢節(jié)市）、云南省（普洱市）、青海?。ê|市、海南藏族自治州）、新疆維吾爾自治區(qū)（吐魯番市、哈密市）、西藏自治區(qū)（拉薩市、山南市、日喀則市、林芝市、昌都市、那曲市）。此外，對(duì)于樣本城市中少量缺失值，本文采用三年移動(dòng)平均差值法進(jìn)行填補(bǔ)。具體描述性統(tǒng)計(jì)結(jié)果如表2所示。

通過對(duì)各城市宏觀就業(yè)質(zhì)量進(jìn)行測算發(fā)現(xiàn)，2004-2019年間，中國各城市宏觀就業(yè)質(zhì)量平均得分不高，各城市之間差距仍然較大。從變動(dòng)趨勢來看，2004年以來，各城市宏觀就業(yè)質(zhì)量平均得分呈現(xiàn)穩(wěn)步上升的趨勢，表明中國城市宏觀就業(yè)質(zhì)量呈逐年向好趨勢。從代表性城市來看，歷年宏觀就業(yè)質(zhì)量綜合得分前5名的城市基本保持穩(wěn)定，分別為北京、上海、廣州AhIDUoUWPmUKFSK1LYTZ9pcXuzwfaRVHV0vE2NDBV04=、重慶、武漢。值得注意的是，由于被納入了智慧城市試點(diǎn)建設(shè)，重慶和鄭州宏觀就業(yè)質(zhì)量綜合得分顯著上升。此外，除4個(gè)直轄市外，其余2019年排名前10的城市則分別來自廣東省、湖北省、四川省、江蘇省、陜西省和河南省。

五、實(shí)證分析

（一）基準(zhǔn)回歸

表3報(bào)告了智慧城市試點(diǎn)政策對(duì)城市宏觀就業(yè)質(zhì)量影響的基準(zhǔn)回歸結(jié)果。從回歸結(jié)果來看，模型1～模型4的估計(jì)系數(shù)在 1% 水平上均顯著為正，表明智慧城市試點(diǎn)政策的實(shí)施顯著提升了城市宏觀就業(yè)質(zhì)量綜合得分。根據(jù)模型（4）的回歸系數(shù)可知，相對(duì)于非試點(diǎn)城市，智慧城市試點(diǎn)的實(shí)施對(duì)城市宏觀就業(yè)質(zhì)量綜合得分平均提高了58%。可見，智慧城市作為新基建的集大成之作，不僅是各城市推動(dòng)新型城鎮(zhèn)化建設(shè)、發(fā)展數(shù)字經(jīng)濟(jì)的重要抓手，也是實(shí)現(xiàn)城市高質(zhì)量就業(yè)的重要舉措。就控制變量而言，經(jīng)濟(jì)發(fā)展、人力資本、公共服務(wù)和城鎮(zhèn)化水平可以顯著提升城市宏觀就業(yè)質(zhì)量，第二產(chǎn)業(yè)占比、外商直接投資、貿(mào)易開放程度、人口密度對(duì)城市宏觀就業(yè)質(zhì)量的影響為負(fù)，其中外商直接投資的回歸系數(shù)不顯著。

（二）穩(wěn)健性檢驗(yàn)

1.平行趨勢檢驗(yàn)。使用雙重差分模型評(píng)估智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量的影響效應(yīng)需要滿足平行趨勢假設(shè)，即在智慧城市試點(diǎn)政策實(shí)施前處理組城市和控制組城市的宏觀就業(yè)質(zhì)量發(fā)展趨勢無顯著性差異。為驗(yàn)證平行趨勢假設(shè)、厘清智慧城市試點(diǎn)建設(shè)的政策效果，本文進(jìn)一步采用事件分析法進(jìn)行檢驗(yàn)，具體模型設(shè)定如下：

Scoreit=α0+∑7j=-7，j≠-1αjPolicyjit+γXit+λi+μt+εit

（2）

式（2）中，變量Policyjit是一系列虛擬變量，當(dāng)年份t城市i處于智慧城市試點(diǎn)建設(shè)前后的第j年時(shí)，Policyjit取值為1，否則為0，其余變量與前文式（1）相同。為了避免多重共線性，本文設(shè)定智慧城市試點(diǎn)政策實(shí)施前一年為事件分析法的基期。平行趨勢檢驗(yàn)圖如圖1所示，從中可以發(fā)現(xiàn)，在智慧城市試點(diǎn)政策實(shí)施前，各年份回歸系數(shù)均不顯著，表明處理組和控制組城市在政策實(shí)施前的宏觀就業(yè)質(zhì)量發(fā)展趨勢沒有顯著性差異，因此滿足平行趨勢假設(shè)。進(jìn)一步來看，在試點(diǎn)政策實(shí)施后，智慧城市試點(diǎn)建設(shè)對(duì)宏觀就業(yè)質(zhì)量具有明顯的提升作用，并且在政策實(shí)施后的年份一直維持著顯著的政策影響效果。

2.安慰劑檢驗(yàn)。為了進(jìn)一步驗(yàn)證宏觀就業(yè)質(zhì)量提升是受智慧城市試點(diǎn)政策的影響，而非遺漏變量或不可觀測因素引起的，本文進(jìn)行安慰劑檢驗(yàn)。具體而言，通過隨機(jī)選取與真實(shí)成為智慧城市數(shù)量相同的城市作為處理組，并構(gòu)建虛假政策虛擬變量納入基準(zhǔn)模型進(jìn)行重新估計(jì)，檢驗(yàn)其估計(jì)系數(shù)和P值。從理論上看，如果基準(zhǔn)回歸沒有受遺漏變量或不可觀測因素的影響，虛假政策虛擬變量的估計(jì)系數(shù)應(yīng)與0無顯著差異。本文對(duì)上述過程重復(fù)進(jìn)行了500次，發(fā)現(xiàn)估計(jì)系數(shù)的均值接近0，且該分布服從正態(tài)分布，而基準(zhǔn)回歸的估計(jì)系數(shù)明顯落于該系數(shù)分布之外，P值大部分大于0.1。以上結(jié)果表明，智慧城市試點(diǎn)建設(shè)能夠顯著提升城市宏觀就業(yè)質(zhì)量的政策效應(yīng)是穩(wěn)健的。

3.異質(zhì)性處理效應(yīng)檢驗(yàn)： Goodman-Bacon分解。由于不同智慧城市實(shí)施試點(diǎn)政策的時(shí)間不同，已有文獻(xiàn)發(fā)現(xiàn)多時(shí)點(diǎn)DID在雙向固定效應(yīng)下存在估計(jì)偏誤問題（Baker等，2022）。其主要原因在于，政策處理效應(yīng)在不同時(shí)間接受處理的組間可能會(huì)存在異質(zhì)性，傳統(tǒng)的雙向固定效應(yīng)模型在對(duì)多個(gè)不同時(shí)間受到政策處理組進(jìn)行加權(quán)平均時(shí)可能存在負(fù)權(quán)重導(dǎo)致估計(jì)偏誤。為此，本文參考Goodman-Bacon（2021）的做法進(jìn)行了DID估計(jì)量分解，以考察雙向固定效應(yīng)下多時(shí)點(diǎn)DID估計(jì)的偏誤程度。Goodman-Bacon分解將基準(zhǔn)回歸的系數(shù)分解為三個(gè)部分：一是早接受智慧城市試點(diǎn)作為處理組與晚接受智慧城市試點(diǎn)作為控制組；二是，晚接受智慧城市試點(diǎn)作為處理組與早接受智慧城市試點(diǎn)作為控制組；三是，從未接受試點(diǎn)的城市作為控制組。具體Goodman-Bacon分解結(jié)果如表4所示。

從表4中的分解結(jié)果可知，晚接受智慧城市試點(diǎn)作為處理組與早接受智慧城市試點(diǎn)作為控制組之間的DID估計(jì)系數(shù)為0.798，權(quán)重為0.023。由于該組估計(jì)系數(shù)為正且權(quán)重較小，可以認(rèn)為對(duì)本文估計(jì)量不會(huì)造成嚴(yán)重偏誤。同時(shí)Goodman-Bacon分解得到的估計(jì)系數(shù)為43.5%，在10%水平上顯著可以認(rèn)為本文核心結(jié)論較為穩(wěn)健。

4. PSM-DID檢驗(yàn)。國家在智慧城市試點(diǎn)的選擇上可能并不是隨機(jī)的，這會(huì)導(dǎo)致本文估計(jì)結(jié)果有偏。因此，本文進(jìn)一步采用傾向得分匹配雙重差分法（PSM-DID）來克服選擇性偏誤問題。本文選擇經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、外商直接投資、貿(mào)易開放程度、人力資本水平、公共服務(wù)水平、人口密度和城鎮(zhèn)化作為協(xié)變量，采用Logit模型估計(jì)出各城市成為智慧城市的概率，即傾向得分值，并根據(jù)傾向得分值采用卡尺最近鄰匹配法1∶1逐年進(jìn)行匹配，以便處理組和控制組城市之間具有相似特征，從而達(dá)到類似隨機(jī)實(shí)驗(yàn)的效果。匹配后，本文進(jìn)行了平衡性檢驗(yàn)。檢驗(yàn)結(jié)果發(fā)現(xiàn)限于篇幅，文中未展示該檢驗(yàn)結(jié)果，如有需要可聯(lián)系作者獲取。，匹配后各年份絕大多數(shù)匹配變量的系數(shù)值減小，并且大多數(shù)變量未達(dá)到顯著性水平，所有回歸的偽R2明顯減小。這表明，不同年份處理組和控制組的匹配變量不存在系統(tǒng)性偏差，滿足平衡性檢驗(yàn)要求?；谏鲜銎ヅ浣Y(jié)果，PSM-DID估計(jì)結(jié)果如表5所示。表5中PSM-DID的估計(jì)系數(shù)為0.6292與本文基準(zhǔn)回歸系數(shù)0.58的結(jié)果相差不大，說明樣本選擇性偏誤并不會(huì)嚴(yán)重影響本文的核心研究結(jié)論。

5.排除直轄市和省會(huì)城市樣本。考慮到直轄市和省會(huì)城市經(jīng)濟(jì)發(fā)展、就業(yè)環(huán)境、就業(yè)能力等較為優(yōu)越，并可能享有一系列就業(yè)促進(jìn)政策，本文將其剔除基準(zhǔn)回歸樣本，以排除就業(yè)環(huán)境和政治因素所導(dǎo)致的政策效果評(píng)估偏差，非重點(diǎn)城市（Non-focused_cities）的回歸結(jié)果如表5所示。表5非重點(diǎn)城市結(jié)果顯示，相較于基準(zhǔn)回歸，在排除重點(diǎn)城市后，智慧城市試點(diǎn)建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量的提升作用依然顯著，但回歸系數(shù)有所降低，說明智慧城市試點(diǎn)政策對(duì)直轄市和省會(huì)城市這類大型城市的作用更加明顯，呈現(xiàn)出馬太效應(yīng)。

（三）異質(zhì)性分析

1.經(jīng)濟(jì)和互聯(lián)網(wǎng)發(fā)展水平異質(zhì)性。為考察智慧城市建設(shè)對(duì)不同經(jīng)濟(jì)和互聯(lián)網(wǎng)發(fā)展水平地區(qū)宏觀就業(yè)質(zhì)量的影響效應(yīng)，本文以2004年為基期，利用各城市人均GDP指標(biāo)和國際互聯(lián)網(wǎng)用戶數(shù)的中位數(shù)將樣本分為經(jīng)濟(jì)發(fā)展水平較高（EDH）和較低（EDL）的樣本以及互聯(lián)網(wǎng)發(fā)展較高（IDH）和較低（IDL）的樣本，分組回歸結(jié)果如表6所示。由表6可知，智慧城市建設(shè)對(duì)高經(jīng)濟(jì)發(fā)展水平和高互聯(lián)網(wǎng)發(fā)展水平城市的宏觀就業(yè)質(zhì)量提升程度更大?？梢?，經(jīng)濟(jì)和互聯(lián)網(wǎng)發(fā)展水平作為影響城市宏觀就業(yè)質(zhì)量的重要因素，提升城市經(jīng)濟(jì)和互聯(lián)網(wǎng)發(fā)展水平，可以增強(qiáng)智慧城市建設(shè)的宏觀就業(yè)質(zhì)量提升效應(yīng)。

2.城市區(qū)位異質(zhì)性。為進(jìn)一步考察城市區(qū)位異質(zhì)性如何影響智慧城市建設(shè)的宏觀就業(yè)質(zhì)量提升效應(yīng)，本文按照各城市地理位置將全樣本劃分為東部（east）、中部（central）和西部（west）地區(qū)，進(jìn)行區(qū)位分組回歸，具體結(jié)果如表7所示。表7顯示，智慧城市建設(shè)對(duì)東部、中部和西部地區(qū)城市的宏觀就業(yè)質(zhì)量均有正向促進(jìn)作用，但對(duì)東部地區(qū)城市的影響效應(yīng)更為顯著。如今，中國區(qū)域發(fā)展空間布局逐步優(yōu)化，為建設(shè)現(xiàn)代化經(jīng)濟(jì)體系，應(yīng)繼續(xù)深入貫徹落實(shí)區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，統(tǒng)籌推進(jìn)東部、中部和西部地區(qū)協(xié)調(diào)均衡發(fā)展，謹(jǐn)防區(qū)域發(fā)展失調(diào)而擴(kuò)大異質(zhì)性區(qū)位智慧城市建設(shè)的宏觀就業(yè)質(zhì)量提升效應(yīng)，促進(jìn)各地區(qū)城市協(xié)同實(shí)現(xiàn)更高質(zhì)量就業(yè)。

六、進(jìn)一步分析

（一）就業(yè)質(zhì)量分維度檢驗(yàn)

就業(yè)質(zhì)量作為一個(gè)綜合性概念，前文構(gòu)建的城市宏觀就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系包括就業(yè)環(huán)境（environment）、就業(yè)能力（abilities）、勞動(dòng)報(bào)酬（rewards）、勞動(dòng)保護(hù)（safeguard）四個(gè)一級(jí)指標(biāo)，本文進(jìn)一步檢驗(yàn)了智慧城市建設(shè)對(duì)宏觀就業(yè)質(zhì)量分維度的影響，具體回歸結(jié)果如表8所示。由表8可知，智慧城市建設(shè)對(duì)就業(yè)環(huán)境的影響在1%水平上顯著為正，對(duì)就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)的影響均在5%水平上顯著為正，從影響效應(yīng)角度來看，智慧城市建設(shè)對(duì)就業(yè)能力和就業(yè)環(huán)境的影響較大，對(duì)勞動(dòng)保護(hù)和勞動(dòng)報(bào)酬的影響次之?？梢?，就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)作為反映城市宏觀就業(yè)質(zhì)量的重要維度，智慧城市建設(shè)通過提高或改善以上各維度從而助力城市實(shí)現(xiàn)高質(zhì)量就業(yè)。其內(nèi)在原因在于，智慧城市以人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)等為代表的數(shù)字技術(shù)驅(qū)動(dòng)形成，涉及城市數(shù)字基礎(chǔ)設(shè)施、多領(lǐng)域數(shù)字化平臺(tái)、海量數(shù)據(jù)資源的融合應(yīng)用，要求勞動(dòng)者所需掌握的數(shù)字技能水平要求更高，從而有助于激發(fā)勞動(dòng)者不斷提升自身數(shù)字人力資本和數(shù)字素養(yǎng)水平，促使勞動(dòng)能力不斷增加。同時(shí)，智慧城市建設(shè)可以高效提升城市管理的科學(xué)化、精細(xì)化和智能化水平，降低環(huán)境污染，緩解城市交通擁堵，進(jìn)而有利于就業(yè)環(huán)境和勞動(dòng)保護(hù)的改善提升。此外，智慧城市建設(shè)推動(dòng)企業(yè)生產(chǎn)條件和生產(chǎn)要素重新組合，有利于提升企業(yè)全要素生產(chǎn)率（姚圣文等，2021），進(jìn)而可以促進(jìn)勞動(dòng)報(bào)酬的增加。

（二）機(jī)制檢驗(yàn)

結(jié)合前文機(jī)理分析，本文進(jìn)一步從科學(xué)技術(shù)創(chuàng)新（inventions）、社會(huì)分工深化（social_division）、人均科技投入（technological_input）、就業(yè)結(jié)構(gòu)（employment_structure）角度實(shí)證檢驗(yàn)智慧城市試點(diǎn)建設(shè)對(duì)宏觀就業(yè)質(zhì)量的影響機(jī)制。本文直接考察智慧城市試點(diǎn)建設(shè)對(duì)機(jī)制變量的影響效應(yīng)。其中，科學(xué)技術(shù)創(chuàng)新利用對(duì)數(shù)城市申請(qǐng)發(fā)明專利數(shù)量衡量；社會(huì)分工參考易鳴等（2019）的做法，利用對(duì)數(shù)城市社會(huì)消費(fèi)品零售總額衡量，并使用居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減；人均科技投入利用對(duì)數(shù)城市人均科技支出衡量，并使用居民消費(fèi)價(jià)格指數(shù)進(jìn)行平減；就業(yè)結(jié)構(gòu)利用第三產(chǎn)業(yè)從業(yè)人員比重衡量。對(duì)于控制變量，本文分別引入了經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、外商直接投資、貿(mào)易開放程度、人力資本水平、人口密度、公共服務(wù)水平一級(jí)城鎮(zhèn)化水平。具體影響機(jī)制回歸結(jié)果如表9所示。

由表9可知，智慧城市試點(diǎn)建設(shè)對(duì)城市科學(xué)技術(shù)創(chuàng)新、社會(huì)分工深化、人均科技投入、就業(yè)結(jié)構(gòu)的影響均在1%水平上顯著為正，這表明相對(duì)于非試點(diǎn)城市，智慧城市試點(diǎn)的實(shí)施能夠有效提高城市科技創(chuàng)新水平、深化社會(huì)分工、增加人均科技投入、改善城市就業(yè)結(jié)構(gòu)，進(jìn)而助力城市實(shí)現(xiàn)更高質(zhì)量就業(yè)。具體來看，智慧城市試點(diǎn)建設(shè)對(duì)科學(xué)技術(shù)創(chuàng)新的提升效應(yīng)約為9.2%，對(duì)推動(dòng)社會(huì)分工深化的效應(yīng)約為0.2%，對(duì)增加人均科技投入的效應(yīng)約為15.1%，對(duì)改善就業(yè)結(jié)構(gòu)的效應(yīng)約為91.2%。當(dāng)下，隨著數(shù)字經(jīng)濟(jì)發(fā)展，智慧城市建設(shè)擁有廣闊的應(yīng)用場景和創(chuàng)新空間，借助數(shù)字技術(shù)迭代升級(jí)以及不斷增加人均科技投入可以打造城市數(shù)字化科創(chuàng)生態(tài)體系。在該體系內(nèi)，智慧城市通過培育新產(chǎn)業(yè)、新業(yè)態(tài)和新商業(yè)模式，推動(dòng)社會(huì)分工不斷深化，消費(fèi)結(jié)構(gòu)及消費(fèi)質(zhì)量不斷提升，從而刺激社會(huì)消費(fèi)品零售總額進(jìn)一步增加。智慧城市建設(shè)和居民消費(fèi)品質(zhì)升級(jí)為服務(wù)業(yè)快速發(fā)展提供了有力支撐，促使傳統(tǒng)產(chǎn)業(yè)向高技術(shù)、高集約化方向發(fā)展，第三次產(chǎn)業(yè)結(jié)構(gòu)不斷升級(jí)加速了第三產(chǎn)業(yè)就業(yè)比重快速提升?？梢姡腔鄢鞘薪ㄔO(shè)在通過提高城市科技創(chuàng)新水平、深化社會(huì)分工、增加人均科技投入、改善城市就業(yè)結(jié)構(gòu)，進(jìn)而提升城市宏觀就業(yè)質(zhì)量的同時(shí)，也必將為中國經(jīng)濟(jì)實(shí)現(xiàn)高質(zhì)量發(fā)展增添持久動(dòng)力。

（三）空間溢出效應(yīng)檢驗(yàn)

城市就業(yè)質(zhì)量具有外溢性，智慧城市試點(diǎn)建設(shè)在提升本地區(qū)就業(yè)質(zhì)量的同時(shí)也可能帶動(dòng)周邊城市就業(yè)質(zhì)量的提升?？紤]到傳統(tǒng)雙重差分模型隱含個(gè)體處理效應(yīng)穩(wěn)定性假設(shè)，即政策干預(yù)一般不具有外溢效應(yīng)，但是現(xiàn)實(shí)經(jīng)濟(jì)社會(huì)中往往難以滿足該假設(shè)，通常需要放寬對(duì)個(gè)體處理效應(yīng)穩(wěn)定性假設(shè)的限制（Rubin，1980）。為此，本文進(jìn)一步構(gòu)建空間杜賓雙重差分模型（SDM-DID）對(duì)智慧城市試點(diǎn)建設(shè)的政策溢出效應(yīng)進(jìn)行估計(jì)。與傳統(tǒng)雙重差分模型相比，空間雙重差分模型放寬了個(gè)體處理效應(yīng)穩(wěn)定性假設(shè)，不僅考慮了政策對(duì)本地區(qū)產(chǎn)生的直接影響，也可以估計(jì)政策對(duì)周邊地區(qū)產(chǎn)生的空間溢出效應(yīng)，能夠評(píng)估變量間存在空間依賴性的政策沖擊效果，從而可以綜合考察智慧城市試點(diǎn)建設(shè)的宏觀就業(yè)質(zhì)量溢出效應(yīng)。本文構(gòu)建的SDM-DID模型如下：

Scoreit=α0+ρWijScoreit+α1Policyit+α2WijPolicyit+γ1Xit+γ2WijXit+λi+μt+εit （3）

式（3）中，Wij為空間權(quán)重矩陣，本文同時(shí)采用兩種空間權(quán)重矩陣進(jìn)行估計(jì)：一是地理距離矩陣W1，本文采用兩城市之間地理距離的倒數(shù)表示，即W1ij=1/dij，i≠j0，i=j；二是空間鄰接矩陣W2，即W2ij=1，城市i與城市j相鄰0，城市i與城市j不相鄰；ρ為因變量（城市宏觀就業(yè)質(zhì)量得分）空間滯后項(xiàng)系數(shù)，其余變量與本文基準(zhǔn)回歸式（1）設(shè)定一致。

1.空間自相關(guān)與SDM適用性檢驗(yàn) ?？臻g計(jì)量模型的使用前提是變量存在空間自相關(guān)。因此，本文通過莫蘭指數(shù)（Moran’s I）來檢驗(yàn)城市就業(yè)質(zhì)量的空間相關(guān)性，圖2繪制了歷年莫蘭指數(shù)分布。從圖3中可以發(fā)現(xiàn)，兩種矩陣的莫蘭指數(shù)均為正值，且對(duì)應(yīng)的P值均小于0.001，這表明城市宏觀就業(yè)質(zhì)量存在空間自相關(guān)，可以適用于空間計(jì)量分析。本文對(duì)空間杜賓模型（SDM）能否退化為空間滯后模型（SLM）或空間誤差模型（SEM）進(jìn)行了檢驗(yàn)，發(fā)現(xiàn)Wald檢驗(yàn)和LR檢驗(yàn)結(jié)果均顯著拒絕了SDM可以退化為SLM或SEM的原假設(shè)

限于篇幅，本文未匯報(bào)Wald檢驗(yàn)和LR檢驗(yàn)結(jié)果，如有需要可聯(lián)系作者獲取?？梢姡疚倪x擇SDM進(jìn)行估計(jì)是合適的。

2.空間溢出效應(yīng)檢驗(yàn)結(jié)果。表10報(bào)告了在兩種空間權(quán)重矩陣情況下，智慧城市試點(diǎn)建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量影響的空間溢出效應(yīng)。從中可以發(fā)現(xiàn)，無論是采用地理距離矩陣（W1）還是空間鄰接矩陣（W2），智慧城市試點(diǎn)和其空間滯后項(xiàng)系數(shù)均顯著為正，而且城市宏觀就業(yè)質(zhì)量的空間滯后項(xiàng)系數(shù)（ρ）也均正向顯著，這表明智慧城市試點(diǎn)建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量具有顯著的正向空間溢出效應(yīng)?？紤]到SDM 模型的估計(jì)系數(shù)并不能直接反映智慧城市試點(diǎn)建設(shè)對(duì)宏觀就業(yè)質(zhì)量的邊際影響，因此本文進(jìn)一步將空間效應(yīng)分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)。其中，直接效應(yīng)為智慧城市試點(diǎn)建設(shè)對(duì)本地區(qū)城市宏觀就業(yè)質(zhì)量的影響，間接效應(yīng)為智慧城市試點(diǎn)建設(shè)對(duì)其他地區(qū)就業(yè)質(zhì)量的影響，總效應(yīng)為智慧城市試點(diǎn)建設(shè)對(duì)區(qū)域整體就業(yè)質(zhì)量的平均影響。表10中的結(jié)果顯示，基于兩種空間權(quán)重矩陣的三種影響效應(yīng)均在1%的顯著性水平下正向顯著，表明在考慮到空間溢出效應(yīng)的情況下，智慧城市試點(diǎn)建設(shè)在顯著提升示范地區(qū)宏觀就業(yè)質(zhì)量的同時(shí)，也帶動(dòng)了周邊地區(qū)和鄰近地區(qū)就業(yè)質(zhì)量的提升，發(fā)揮了“中心和外圍”共同發(fā)展的示范作用，產(chǎn)生了空間溢出下的城市宏觀就業(yè)質(zhì)量提升效應(yīng)，形成了所謂的“涓滴效應(yīng)”，推動(dòng)了區(qū)域城市整體宏觀就業(yè)質(zhì)量的協(xié)同提升。

七、結(jié)論與政策建議

智慧城市是推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的重要應(yīng)用場景，興業(yè)、善政、利民是其建設(shè)的核心目標(biāo)。本文將智慧城市試點(diǎn)建設(shè)項(xiàng)目作為一項(xiàng)準(zhǔn)自然實(shí)驗(yàn)，從理論層面梳理了智慧城市建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量影響的內(nèi)在機(jī)理，并基于2004-2019年中國城市面板數(shù)據(jù)，采用多時(shí)點(diǎn)雙重差分模型實(shí)證檢驗(yàn)了智慧城市建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量的影響。研究發(fā)現(xiàn)：（1）智慧城市試點(diǎn)政策的實(shí)施在1%水平上顯著提升了城市宏觀就業(yè)質(zhì)量水平，相對(duì)于非試點(diǎn)城市，智慧城市試點(diǎn)的實(shí)施對(duì)城市宏觀就業(yè)質(zhì)量綜合得分平均提高了58%，該結(jié)論通過了平行趨勢檢驗(yàn)、安慰劑檢驗(yàn)、異質(zhì)性處理效應(yīng)檢驗(yàn)、PSM-DID以及排除直轄市和省會(huì)城市樣本檢驗(yàn)。（2）異質(zhì)性分析表明，智慧城市建設(shè)的宏觀就業(yè)質(zhì)量提升效應(yīng)在高經(jīng)濟(jì)發(fā)展水平和高互聯(lián)網(wǎng)發(fā)展水平城市更顯著，在區(qū)域異質(zhì)性上，與中、西部相比，智慧城市建設(shè)對(duì)東部城市宏觀就業(yè)質(zhì)量的提升作用更大。宏觀就業(yè)質(zhì)量分維度檢驗(yàn)結(jié)果顯示，智慧城市建設(shè)對(duì)就業(yè)環(huán)境的影響在1%水平上顯著為正，對(duì)就業(yè)能力、勞動(dòng)報(bào)酬、勞動(dòng)保護(hù)的影響均在5%水平上顯著為正，從影響效應(yīng)角度來看，智慧城市建設(shè)對(duì)就業(yè)能力和就業(yè)環(huán)境的影響較大，對(duì)勞動(dòng)保護(hù)和勞動(dòng)報(bào)酬的影響次之。（3）機(jī)制檢驗(yàn)表明，智慧城市建設(shè)主要通過提升城市科學(xué)技術(shù)創(chuàng)新、深化社會(huì)分工、增加人均科技投入、改善城市就業(yè)結(jié)構(gòu)，助力城市實(shí)現(xiàn)更高質(zhì)量就業(yè)。（4）空間溢出效應(yīng)檢驗(yàn)顯示，智慧城市試點(diǎn)建設(shè)對(duì)城市宏觀就業(yè)質(zhì)量具有顯著的正向空間溢出效應(yīng)，智慧城市試點(diǎn)建設(shè)發(fā)揮了“中心和外圍”共同發(fā)展的示范作用，形成了“涓滴效應(yīng)”，推動(dòng)了區(qū)域城市整體宏觀就業(yè)質(zhì)量的協(xié)同提升。針對(duì)上述結(jié)論，本文提出以下政策建議：

第一，加速布局智慧城市建設(shè)，促進(jìn)城市數(shù)字化水平提檔升級(jí)。進(jìn)一步加快城市新型基礎(chǔ)設(shè)施建設(shè)，全面推進(jìn)城市信息模型基礎(chǔ)平臺(tái)建設(shè)，搭建城市統(tǒng)一的感知管理服務(wù)平臺(tái)，大幅度提高城市數(shù)字化、精細(xì)化和智能化管理水平。打造智慧城市創(chuàng)新應(yīng)用新高地，促進(jìn)城市數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)深度融合發(fā)展，推動(dòng)建設(shè)完善智慧城市相關(guān)產(chǎn)業(yè)聯(lián)盟，為新產(chǎn)業(yè)、新業(yè)態(tài)和新商業(yè)模式創(chuàng)新融合發(fā)展提供成長沃土。

第二，努力縮小不同區(qū)域經(jīng)濟(jì)和互聯(lián)網(wǎng)數(shù)字鴻溝，助力智慧城市不斷改善就業(yè)環(huán)境、就業(yè)能力、勞動(dòng)報(bào)酬和勞動(dòng)保護(hù)。深入實(shí)施區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略，全面強(qiáng)化中、西部地區(qū)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)，加速縮小區(qū)域經(jīng)濟(jì)和互聯(lián)網(wǎng)數(shù)字鴻溝。加快創(chuàng)新驅(qū)動(dòng)型和就業(yè)導(dǎo)向型的教育改革，不斷優(yōu)化智慧城市就業(yè)環(huán)境，提升就業(yè)能力，增加勞動(dòng)報(bào)酬，促進(jìn)智慧城市人力資源服務(wù)業(yè)高質(zhì)量發(fā)展，擴(kuò)大就業(yè)服務(wù)供給，強(qiáng)化智慧城市就業(yè)者的勞動(dòng)保護(hù)力度。

第三，進(jìn)一步推動(dòng)城市科學(xué)技術(shù)創(chuàng)新、深化城市社會(huì)分工、增加人均科技投入、改善城市就業(yè)結(jié)構(gòu)。加大城市科技創(chuàng)新投入力度，加強(qiáng)關(guān)鍵核心技術(shù)攻關(guān)，聯(lián)通產(chǎn)學(xué)研用，構(gòu)建完善且自主可控的智慧城市創(chuàng)新鏈、產(chǎn)業(yè)鏈和供應(yīng)鏈。加強(qiáng)智慧城市跨界融合發(fā)展，全面創(chuàng)新消費(fèi)業(yè)態(tài)和模式，深化城市社會(huì)分工水平。促進(jìn)城市產(chǎn)業(yè)結(jié)構(gòu)和就業(yè)結(jié)構(gòu)協(xié)調(diào)發(fā)展，推動(dòng)現(xiàn)代服務(wù)業(yè)同先進(jìn)制造業(yè)、現(xiàn)代農(nóng)業(yè)深度融合，同時(shí)大規(guī)模、多層次開展職業(yè)技能培訓(xùn)，努力提升城市勞動(dòng)者數(shù)字人力資本。

第四，全面提高要素協(xié)同配置效率，促進(jìn)智慧城市與相鄰城市資源的高效流動(dòng)與合理配置。健全區(qū)域協(xié)調(diào)發(fā)展體制機(jī)制，促進(jìn)智慧城市與相鄰城市之間的各類要素流通、開放、共享以及業(yè)務(wù)協(xié)同，合理規(guī)劃不同區(qū)域產(chǎn)業(yè)布局，深化區(qū)域合作機(jī)制，打破區(qū)域間分割壁壘，健全區(qū)域協(xié)調(diào)發(fā)展的法律法規(guī)體系。發(fā)揮智慧城市的輻射帶動(dòng)作用，創(chuàng)新城市建設(shè)與治理方式，提供新型城市體驗(yàn)，促進(jìn)智慧城市與相鄰城市聯(lián)動(dòng)發(fā)展。

參考文獻(xiàn)：

[1] 崔巖、黃永亮，2023：《就業(yè)技能與職業(yè)分化——農(nóng)民工就業(yè)質(zhì)量的差異及其社會(huì)后果》，《社會(huì)學(xué)研究》第5期。

[2] 韓晶、陳曦，2020：《就業(yè)質(zhì)量差異視角下區(qū)域創(chuàng)新效率研究》，《工業(yè)技術(shù)經(jīng)濟(jì)》第6期。

[3] 胡擁軍、關(guān)樂寧，2022：《數(shù)字經(jīng)濟(jì)的就業(yè)創(chuàng)造效應(yīng)與就業(yè)替代效應(yīng)探究》，《改革》第4期。

[4] 賴德勝等，2011：《中國各地區(qū)就業(yè)質(zhì)量測算與評(píng)價(jià)》，《經(jīng)濟(jì)理論與經(jīng)濟(jì)管理》第11期。

[5] 李磊等，2021：《機(jī)器人的就業(yè)效應(yīng)：機(jī)制與中國經(jīng)驗(yàn)》，《管理世界》第9期。

[6] 李禮連等，2022：《公共就業(yè)服務(wù)提高了農(nóng)民工就業(yè)質(zhì)量嗎？》，《中國農(nóng)村觀察》第4期。

[7] 郭露、王峰，2024：《“增量”是否“提質(zhì)”：數(shù)字經(jīng)濟(jì)對(duì)靈活就業(yè)質(zhì)量的影響》，《財(cái)經(jīng)科學(xué)》第3期。

[8] 戚聿東等，2020：《數(shù)字經(jīng)濟(jì)發(fā)展、就業(yè)結(jié)構(gòu)優(yōu)化與就業(yè)質(zhì)量提升》，《經(jīng)濟(jì)學(xué)動(dòng)態(tài)》第11期。

[9] 戚聿東等，2021：《數(shù)字經(jīng)濟(jì)時(shí)代新職業(yè)促進(jìn)專業(yè)化發(fā)展和經(jīng)濟(jì)增長的機(jī)理研究——基于社會(huì)分工視角》，《北京師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》第3期。

[10] 秦廣強(qiáng)、林蕓媛，2024：《新興青年群體的就業(yè)質(zhì)量及其影響因素分析》，《中國青年研究》第1期。

[11] 蘇麗鋒，2013：《我國轉(zhuǎn)型期各地就業(yè)質(zhì)量的測算與決定機(jī)制研究》，《經(jīng)濟(jì)科學(xué)》第4期。

[12] 孫繼國、柴子涵，2023：《數(shù)字普惠金融對(duì)地區(qū)就業(yè)質(zhì)量的影響》，《宏觀質(zhì)量研究》第4期。

[13] 王貴東，2017：《中國制造業(yè)企業(yè)的壟斷行為：尋租型還是創(chuàng)新型》，《中國工業(yè)經(jīng)濟(jì)》第3期。

[14] 謝文棟，2023：《城市電商化發(fā)展能否實(shí)現(xiàn)穩(wěn)就業(yè)？》，《財(cái)經(jīng)研究》第1期。

[15] 楊超、張征宇，2022：《流動(dòng)人口與本地人口就業(yè)質(zhì)量差異研究：現(xiàn)狀、來源與成因》，《財(cái)經(jīng)研究》第4期。

[16] 姚圣文等，2021：《智慧城市建設(shè)提高企業(yè)全要素生產(chǎn)率了嗎？》，《科學(xué)學(xué)研究》第11期。

[17] 易鳴等，2019：《金融摩擦、創(chuàng)新創(chuàng)業(yè)與經(jīng)濟(jì)增長——基于勞動(dòng)分工的視角》，《世界經(jīng)濟(jì)文匯》第4期。

[18] 張抗私、韓佳樂，2022：《就業(yè)質(zhì)量協(xié)調(diào)發(fā)展：評(píng)價(jià)指數(shù)與實(shí)證分析》，《宏觀質(zhì)量研究》第5期。

[19] 張順、郭娟娟，2022：《就業(yè)質(zhì)量對(duì)城鎮(zhèn)居民失業(yè)率的影響》，《中國人口科學(xué)》第1期。

[20] Ahvenniemi， H.， Huovila， A.， Pinto-Sepp， I. and Airaksinen， M.， 2017， What are the Differences between Sustainable and Smart Cities？ Cities. 60： 234-245.

[21] Baker， A. C.， Larcker， D. F. and Wang， C. C. Y.， 2022， How Much Should We Trust Staggered Difference-in-Differences Estimates？ Journal of Financial Economics， 144（2）： 370-395.

[22] Batty， M.， 2018， Artificial Intelligence and Smart Cities， Environment and Planning B： Urban Analytics and City Science， 45（1）： 3-6.

[23] Caselli， M.， 2018， Do All Imports Matter for Productivity？Intermediate Inputs vs Capital Goods， Economia Politica， 35（2）： 285-311.

[24] Evangelista， R.， Guerrieri， P. and Meliciani， V.， 2014， The Economic Impact of Digital Technologies in Europe， Economics of Innovation and New Technology， 23（8）： 802-824.

[25] Goodman-Bacon， A.， 2021， Difference-in-Differences with Variation in Treatment Timing， Journal of Econometrics， 225（2）： 254-277.

[26] Henley， A.， 2021， The Rise of Self-employment in the UK： Entrepreneurial Transmission or Declining Job Quality？ Cambridge Journal of Economics， 45（3）： 457-486.

[27] Joshi， S.， Saxena， S.， Godbole， T. and Shreya.， 2016， Developing Smart Cities： An Integrated Framework， Procedia Computer Science， 93： 902-909.

[28] Kandt， J. and Batty， M.， 2021， Smart Cities， Big Data and Urban Policy： Towards Urban Analytics for the Long Run， Cities， 109： 102992.

[29] Ke， X.， Chen， H.， Hong， Y. and Hsiao， C.， 2017， Do China’s High-speed-rail Projects Promote Local Economy？—New Evidence from a Panel Data Approach， China Economic Review， 44： 203-226.

[30] Rubin， D. B.， 1980， Randomization Analysis of Experimental Data in the Fisher Randomization Test， Journal of the American Statistical Association， 75（371）：575-582.

[31] Shu， S.， Wang， Y.， Kang， H.， Wu， C. H. and Arenius， P.， 2023， Understanding The Role of Job Quality in the Association of Employees’ Career Change to Self-employment and Job Satisfaction， Personnel Review， 52（1）： 288-303.

[32] Srinivasan， A. and Venkatraman， N.， 2018， Entrepreneurship in Digital Platform： A Network-centric View， Strategic Entrepreneurship Journal， 12（1）： 54-71.

[33] Stecy-Hildebrandt， N.， Fuller， S. and Burns， A.， 2018， “Bad” Jobs in a “Good” Sector： Examining the Employment Outcomes of Temporary Work in the Canadian Public Sector， Work， Employment and Society， 33（4）： 560-579.

[34] Stier， H.， 2015， The Skill-divide in Job Quality： A Cross-national Analysis of 28 Countries， Social Science Research， 49： 70-80.

[35] Terzi， N.， 2011， The Impact of E-commerce on International Trade and Employment， Procedia-Social and Behavioral Sciences， 24： 745-753.

[36] Witkowski， K.， 2017， Internet of Things， Big Data， Industry 4.0-innovative Solutions in Logistics and Supply Chains Management， Procedia Engineering， 182：763-769.

[37] Xue， X.， Wang， X. and Li， L.， 2019， Employment Absorption Capacity of E-commerce Service Industry， Journal of Coastal Research，93： 879-882.

The Impact of Smart Cities on Macro Employment Quality

in the Digital Economy Era

Ding Shulei1 ， Liu Cuihua2 and Bao Wen3

（1.School of Labor Economics， Capital University of Economics and Business;

2.School of Economics， Capital University of Economics and Business;

3.Institutes of Science and Development， Chinese Academy of Sciences）

Abstract：Smart city is an important application scenario to promote the development of digital economy， and the core objectives of its construction are to promote employment， good governance and benefit the people. The article sorts out the intrinsic mechanism of the impact of smart city construction on macro employment quality at the theoretical level， and empirically tests it using a multi-temporal double difference model based on Chinese urban panel data from 2004-2019. The study finds that smart city construction significantly improves macro employment quality at the 1% level， a finding that passes a series of robustness tests. Heterogeneity analysis shows that the macro employment quality improvement effect of smart city construction is more significant in cities with high economic development level， high Internet development level， and in the eastern region. The results of the macro employment quality sub-dimension test show that smart city construction significantly improves employment environment， employability， labor compensation and labor protection， among which the impact on employability and employment environment is greater， and the impact on labor protection and labor compensation is the second. The mechanism test analysis shows that smart city construction mainly helps cities achieve higher quality employment by enhancing scientific and technological innovation， deepening the social division of labor， increasing per capita investment in science and technology， and improving urban employment structure. The spatial spillover effect test shows that the construction of smart cities has a significant positive spatial spillover effect on macro employment quality， playing a demonstration role of “center and periphery” co-development， forming a “trickle-down effect” and promoting the synergistic improvement of the overall employment quality of regional cities. The findings of the article provide empirical evidence and policy implications for promoting smart cities in the digital economy and striving to achieve high-quality urban employment.

Key Words：digital economy;smart cities;employment quality;time-Varying DID;spillover effects

■責(zé)任編輯 鄧 悅