建筑结构丨5.9%的增长背后：智能建造试点城市政策对建筑业新质生产力发展的影响

本文转载自公众号「建筑结构」，仅供学习交流，版权归原作者所有。

智能建造试点城市政策对建筑业新质生产力发展的影响研究

文/刘美霞，张士彬，于德湖，于显蕙， 刘洪娥，邵笛，郑海超，路忠德

摘 要

Abstract

基于2019—2023年我国24个智能建造试点城市和24个非试点城市的面板数据,运用双重差分模型验证智能建造试点城市政策对提升建筑业全要素生产率的促进作用,进而分析其对建筑业新质生产力发展的影响。研究结果表明:相比非试点城市,智能建造试点城市的建筑业全要素生产率提升了5.9%,反映出智能建造试点城市政策促进了建筑业全要素生产率的显著提升,推动了建筑业新质生产力的发展;智能建造试点城市政策主要通过降低建筑业能源消耗和提高政府支持力度等来提升建筑业全要素生产率。异质性检验表明,智能建造试点城市政策存在显著的城市行政等级异质性,即智能建造试点城市政策对行政等级较高的城市具有更显著的促进效果。

0 引言

习近平总书记提出要加快形成新质生产力,并指出新质生产力是以全要素生产率大幅提升为核心标志,特点是创新,关键在质优,本质是先进生产力。全要素生产率(total factor productivity,TFP),是指总产出中不能被资本、劳动等生产要素投入增长解释的剩余,是经济高质量发展的一项重要指标[1]。当前,很多学者从全要素生产率视角研究各行业新质生产力的形成与发展问题,张海鹏等[2]认为,农业新科技、新模式和新业态是提升农业全要素生产率,形成农业新质生产力的重要手段;凌晨等[3]认为,制造业全要素生产率的提升以企业数字化转型为手段,促进制造业新质生产力的形成。2020年7月,住房和城乡建设部等13部门联合印发《关于推动智能建造与建筑工业化协同发展的指导意见》,明确提出要发展智能建造。丁烈云院士[4]指出,智能建造是新信息技术与工程建造融合形成的工程建造创新模式,通过规范化建模、网络化交互、可视化认知、高性能计算以及智能化决策支持,实现数字链驱动下的工程立项策划、规划设计、施工生产、运维服务一体化集成与高效率协同。智能建造是建筑业新质生产力的典型代表,对提升建筑业全要素生产率,推动建筑业向数智化发展至关重要[5]。

智能建造试点城市政策作为我国推动智能建造发展的重要手段之一,评估其实施效果具有重要意义。2022年10月,为大力发展智能建造,住房和城乡建设部公布24个智能建造试点城市名单,推行智能建造试点城市政策,试点自公布之日开始,为期3年,要求各试点城市严格落实试点实施方案,坚持“统筹谋划、因地制宜”的工作原则,既安排了完善政策体系、培育智能建造产业、建设试点示范工程和创新管理机制四项必选任务,也提供了打造部品部件智能工厂、推动技术研发和成果转化、完善标准体系和培育专业人才四项任务供地方结合实际自主选择,同时试点城市还可根据试点目标提出新的任务方向。政策实施以来,截至2023年12月,住房和城乡建设部已批复6家企业7个智能建造试点项目,总投资超过90亿元,总结推广了130条可复制的经验做法;24个智能建造试点城市则围绕完善政策体系、培育智能建造产业等主要任务开展工作,出台土地、规划、财政、科技等一系列支持政策,支持有关单位建设39个智能建造科技创新平台,纳入智能建造骨干企业506家,公布758个智能建造试点示范工程项目,颁布实施47项智能建造相关标准、定额和导则等,推动了智能建造的发展。现有学者已对智能建造与建筑业新质生产力的关系展开研究,牛伟蕊等[6]指出智能建造在新质生产力演进的各环节都发挥着重要作用,是打造建筑业新质生产力的有力抓手和技术支撑;于静和张春巍等[7-8]提出智能建造技术的研究与应用是推动传统建筑业转型升级的重要支撑,智能建造科技创新赋能建筑业新质生产力。

现有关于智能建造与新质生产力相关研究较少,且多以定性分析为主、定量研究较少。而本文基于2019—2023年我国24个智能建造试点城市和24个非试点城市的面板数据,运用双重差分模型验证智能建造试点城市政策对提升建筑业全要素生产率的促进作用,探讨城市行政等级对智能建造试点城市政策实施效果的影响,分析智能建造试点城市政策在降低能源消耗和提高政府支持力度两方面的作用,并分别提出有针对性的对策建议。

1 研究假设

全要素生产率是指经济增长中扣除资本投入、劳动力等要素生产率贡献后不能被解释的部分,它显示了扣除实物资本、劳动力等投入要素以外的其他因素对经济增长的贡献[9],其显著提升是新质生产力的核心标志。本文设定建筑业全要素生产率为被解释变量[10]。基于上述分析,提出假设1:智能建造试点城市政策可以提升建筑业全要素生产率,从而推动建筑业新质生产力的形成与发展。

同时,借鉴王广明、安敏等[11-12]的研究,本文从降低建筑业能源消耗和提高政府支持力度两方面,研究智能建造试点城市政策对建筑业全要素生产率的影响。一方面,建筑业能源消耗是衡量建筑业总产值与其能源消耗总量比例的关键指标[13]。智能建造试点城市可以通过绿色技术研发、科技成果转化等手段显著降低能源消耗,从而提升建筑业全要素生产率,推动建筑业新质生产力的发展。本文以单位建筑面积能耗来衡量建筑业能源消耗,通过将建筑消耗的能源折成标准煤总数,然后除以建筑面积来计算,单位为万t/m2[12]。另一方面,智能建造试点城市可以通过财政补贴、税收优惠等支持政策来提升建筑业全要素生产率[14],进而推动建筑业新质生产力的发展。本文以2019—2023年各市政府工作报告中“智能建造”的词频来衡量各市推动智能建造发展的政府支持力度[15]。基于上述分析,提出假设2:智能建造试点城市政策通过降低建筑业能源消耗和提高政府支持力度来提升建筑业全要素生产率,推动建筑业新质生产力的形成与发展。

2 模型构建

通过构建双重差分模型,验证智能建造试点城市政策对建筑业全要素生产率的影响。其中,被解释变量为“建筑业全要素生产率”、核心解释变量为“智能建造试点城市政策”、控制变量为“人口密度”“城市化水平”等。

2.1 研究对象

本文设试验组和对照组,研究2019—2023年两组城市之间建筑业全要素生产率的变化差异。把24个智能建造试点城市作为试验组,其中北京市、天津市等16个城市属于东部经济带,长沙市、武汉市等4个城市属于中部经济带,重庆市、乌鲁木齐市等4个城市属于西部经济带。考虑对照组与试验组的区域分布、城市规模、经济发展水平与建筑业发展水平的相似性及数据的可对比性、可得性等因素,选取的对照组为济南市、石家庄市等16个东部经济带城市,岳阳市、荆州市等4个中部经济带城市,自贡市、吐鲁番市等4个西部经济带城市。采用上述48个城市2019—2023年的面板数据为研究对象,包括各市建筑业资产合计、建筑业从业人员和企业数量、建筑业总产值和竣工面积、人口密度、各市地区生产总值等,数据来源于国家统计年鉴、各市统计年鉴及国民经济和社会发展统计公报等。

(1)被解释变量。新质生产力以全要素生产率大幅提升为核心标志,因而,建筑业全要素生产率提升是新质生产力形成与发展的重要体现。本文参考已有研究,采用DEA-Malmquist(DEA)指数测量建筑业全要素生产率[16-17],以城市建筑业企业资产合计、从业人员和企业数量为投入指标,以竣工面积和建筑业总产值为产出指标。数据来源于各市统计年鉴中“建筑业企业基本情况里的企业单位数、年末从业人员、建筑业总产值、竣工面积”和“建筑业企业主要财务指标里的资产总计”。

(2)核心解释变量。本文以“智能建造试点城市政策”作为政策冲击变量。若该城市在2022年被确立为智能建造试点城市,则建筑业全要素生产率的影响系数 Treat 在当年及之后赋值为1,否则为0。

(3)控制变量。控制变量的选取意在剔除或降低其他潜在因素对因变量的影响,以更准确地估计智能建造试点城市政策对建筑业全要素生产率的影响。本文参考已有研究[18-20],选取控制变量如下:各市人口密度、城市化水平、建筑规模、人均国内生产总值(GDP)、工业产值。数据来源于国家统计年鉴、各市统计年鉴及国民经济和社会发展统计公报等。

人口密度为单位土地面积的人口数量,其增长会直接引起城市对住房、商业和基础设施等需求的增长,该指标以各市常住人口与辖地面积的比例来评估,单位为人/km2,数据来源于各市统计年鉴中人口与就业的“常住人口密度”;城市化水平提升意味着人口和经济活动向城镇集聚,城市建设工程量等会相应增加,该指标以城镇人口占总人口的比例来评估,数据以各市统计年鉴中“城镇人口”与“总人口”的比例计算;建筑规模涉及到建筑业发展所需的建筑材料、设备和劳动力数量等,该指标以建筑业总产值占地区GDP的比例来评估,数据以各市统计年鉴中“建筑业企业基本情况里的建筑业总产值”与“国民经济核算里的地区生产总值”的比例计算;人均GDP代表居民生活水平、消费能力以及对居住环境改善和城市基础设施建设的需求程度,单位为元,数据来源于各市统计年鉴中“国民经济核算里的人均地区生产总值”;工业产值的增长将带动建筑材料、设备等相关产业的发展,与建筑业之间存在着紧密的产业链关系[21],该指标以各市工业总产值占地区GDP的比例来评估,数据以各市统计年鉴中“规模以上工业总产值”与“国民经济核算里的地区生产总值”的比例计算。

2.2 模型设定

双重差分模型是基于自然试验的一种统计分析方法,本文的准自然试验是指“智能建造试点城市政策的出台”。在试验发生前后,将样本分成两组:在准自然试验时间点 t 时受到政策影响的试验组和不受政策影响的对照组。通过比较试验组和对照组在准自然试验前后的变化来评估政策的影响效果[22]。本文参考韦东明和Masayuki等[15,23]的研究,运用双重差分模型来分析智能建造试点城市政策对建筑业全要素生产率的影响。具体设定为:

式中: β 0为常数项; β 1为智能建造试点城市政策效应的影响系数; Yit 为 i 城市在 t 年的建筑业全要素生产率; Treatit 为“智能建造试点城市”的政策虚拟变量; Xit 为控制变量; λi 和 ηt 分别为个体和年份固定效应(排除各城市间的个体和不同年份间的差异); εit 为随机误差项(未被模型解释变量所覆盖的、随机分布的影响因素)。

为验证理论机制,参考车茂然和毛其淋等[24-25]的研究,构建影响机制模型进行检验。具体设定为:

式中: IMit 为机制变量,本文机制变量为政府支持力度和建筑业能源消耗; γ 1为智能建造试点城市政策冲击与机制变量交互项( Treat × IM)的估计系数。

γ 1检验步骤为:首先,基于式(1)验证智能建造试点城市政策对建筑业全要素生产率提升的促进作用。其次,对式(2)进行回归,若智能建造试点政策冲击与机制变量交互项( Treat × IM)的估计系数 γ 1显著,说明该机制变量是智能建造试点城市政策促进建筑业全要素生产率提升的影响渠道,且 γ 1的正负表明通过提升或降低该机制变量促进建筑业全要素生产率的提升。

3 实证分析

实证分析是运用构建的双重差分模型,对24个智能建造试点城市和24个非试点城市的面板数据进行分析,以此验证第1节假设的有效性,包括基准回归、稳健性检验、异质性检验和影响机制检验。基准回归是为了验证智能建造试点城市政策可以通过促进建筑业全要素生产率的提升,稳健性检验是为了验证本文模型的可靠性,异质性检验是为了验证智能建造试点城市政策存在显著的城市行政等级异质性,影响机制检验是为了验证智能建造试点城市政策可以通过提高政府支持力度和降低建筑业能源消耗来提升建筑业全要素生产率。

3.1 基准回归

基准回归结果如表1所示。根据模型(1)的回归结果,在未引入控制变量时,智能建造试点城市政策对 Treat 的影响系数为0.061且通过10%的显著性检验,表明相比非试点城市,智能建造试点城市建筑业全要素生产率提升了6.1%,反映出智能建造试点城市建筑业新质生产力的发展;根据模型(2)的回归结果,引入控制变量后,智能建造试点城市政策对 Treat 的影响系数为0.059且通过10%的显著性检验,表明在剔除了人口密度、城市化水平、建筑规模等控制变量的影响后,相比非试点城市,智能建造试点城市建筑业全要素生产率依然提升了5.9%,再次表明智能建造试点城市政策能显著提升建筑业全要素生产率,进而推动建筑业新质生产力的发展。因此,假设1成立。

表1 基准回归

注:\*\*\*、\*\*、\*分别表示1%、5%、10%的显著性水平,小括号内为标准差,余同。

3.2 稳健性检验

为验证模型的有效性,本文利用Stata17对24个智能建造试点城市和24个非试点城市的面板数据进行分析,包括对模型进行平行趋势检验、安慰剂检验以及替换被解释变量检验,以减小存在的误差,验证模型的可靠性。

3.2.1 平行趋势检验

试验组和对照组的建筑业全要素生产率要有共同的发展趋势,这样才能保证两者具有可比性。即假设在没有实施智能建造试点城市政策时,试点城市和非试点城市的建筑业全要素生产率要具有共同的变化趋势,因此要进行平行趋势检验。本文借鉴石绍宾等[26]的研究,引入政策实施前各年份虚拟变量与分组虚拟变量的交互项进行检验,用交互项回归系数表示两组间的差异程度,且差异性随回归系数的增加而增大。检验结果如图1所示,图中矩形点表示各时间点的回归系数,政策冲击年份2022年前的所有时间节点回归系数均不显著且处于95%的置信区间内,说明试点城市与非试点城市建筑业全要素生产率在试点政策实施前不存在显著差异,满足平行趋势假设。

图1 平行趋势检验

3.2.2 安慰剂检验

遗漏其他难以观测因素可能会导致估计结果存在偏误,因此,要进行安慰剂检验,如能通过检验,则表明智能建造试点城市政策对建筑业全要素生产率的回归结果不受其他难以观测因素的影响。本文借鉴赵鹏等[27]的研究,对式(1)进行了500次重复回归模拟,检验结果如图2所示,回归估计值 P 值基本服从正态分布且大多数大于0.1,通过了安慰剂检验,说明本文的基准回归具有稳定性。

图2 安慰剂检验

3.2.3 替换被解释变量检验

替换被解释变量是检验模型是否过度依赖于特定的被解释变量,进一步检验实证结果的有效性。建筑业增加值占GDP的比重也是衡量建筑业发展的一个重要指标,因此,本文借鉴李展和陈志辉等[28-29]的研究,将其作为替代建筑业全要素生产率的被解释变量,数据以各市统计年鉴中“建筑业企业基本情况里的建筑业总产值增加值”和“国民经济核算里的地区生产总值”的比例计算。回归结果如表2所示,智能建造试点城市政策的估计系数为0.380且通过1%的显著性检验,表明智能建造试点城市政策对建筑业全要素生产率提升的正向效应仍然存在,进一步验证了本文第1节结果的稳定性。

表2 替换被解释变量检验

3.3 异质性检验

我国不同等级城市的行政权限存在明显差异,不同试点城市所采取的政策和措施也不尽相同。因此,为更深入地理解智能建造试点城市政策对不同城市建筑业全要素生产率的影响,本文借鉴陈新欣[30]的研究,将研究样本基于城市行政等级划分为两类:一是直辖市和省会城市,二是一般城市,分析智能建造试点城市政策的效果在不同城市间的差异。检验结果如表3所示。

表3 异质性检验

模型(3)结果表明,试点城市政策实施后,相比非试点城市中的直辖市和省会城市,试点城市中的直辖市和省会城市建筑业全要素生产率提升了14.4%。模型(4)结果表明,试点城市政策实施后,相比非试点城市中的一般城市,试点城市中的一般城市建筑业全要素生产率提升了1.9%。反映出相比一般城市,直辖市和省会城市建筑业全要素生产率提升效果更显著。原因可能在于,直辖市和省会城市拥有更大的城市规模、更高的产业集聚水平和更多的人才汇聚等优势,在智能建造试点城市政策中所获红利相对较多。

3.4 影响机制检验

影响机制检验回答的是,智能建造试点城市政策是通过影响哪些关键变量来提升建筑业全要素生产率的。检验结果如表4所示。一方面,对政府支持力度进行机制分析,根据模型(5)的检验结果,智能建造试点城市政策与政府支持力度的估计系数( Treat × IM)为3.422且通过了1%的显著性检验,表明政府支持力度是智能建造试点城市政策提升建筑业全要素生产率的影响渠道,交互估计系数为正表明智能建造试点城市政策通过提高政府支持力度来提升建筑业全要素生产率。另一方面,对建筑业能源消耗进行机制分析,根据模型(6)的检验结果,智能建造试点城市政策与建筑业能源消耗的估计系数( Treat × IM)为-0.068且通过了5%的显著性检验,表明能源消耗是智能建造试点城市政策提升建筑业全要素生产率的影响渠道,估计系数为负表明智能建造试点城市政策通过降低能源消耗来提升建筑业全要素生产率。

表4 影响机制检验

综上所述,提高政府支持力度和降低建筑业能源消耗两方面作用机制均得以验证,假设2成立。

4 结论

本文基于2019—2023年我国24个智能建造试点城市和24个非试点城市的面板数据,运用双重差分模型验证智能建造试点城市政策对提升建筑业全要素生产率的促进作用,进而分析其对建筑业新质生产力发展的影响。得出以下主要结论:

(1)智能建造试点城市政策促进了建筑业全要素生产率的显著提升,推动了建筑业新质生产力的形成与发展。24个智能建造试点城市围绕完善政策体系、培育智能建造产业、建设试点示范工程和创新管理机制等方面,结合各市发展实际,分别制定各市《智能建造试点城市实施方案》,促进了建筑业全要素生产率的提升,推动了智能建造发展。据统计,截至2023年12月,试点城市积极培育产业,已有506家企业被纳入智能建造骨干企业培育名单。

(2)智能建造试点城市政策通过降低建筑业能源消耗和提高政府支持力度两个方面,来提升建筑业全要素生产率。能源消耗方面,企业可以通过技术研发和成果转化优化设计和施工流程,如引入建筑机器人等智能建造装备,融合多信息感知、故障诊断、高精度定位导航等技术,为工程项目提供网络化交互与智能化决策支持等,有效提升施工效率和质量,降低能源消耗和节省资源;政府支持方面,截至2023年6月,各试点城市结合自身情况已全部制定实施方案,并陆续出台一系列支持政策,如合肥市对建筑企业投资智能建造相关软件研发、设备采购、信息技术服务给予资金奖励;广州市立法明确BIM可用于工程建设项目报建审批,围绕工业化、数字化建造流程出台地方标准规范。

(3)智能建造试点城市政策存在显著的城市行政等级异质性,即智能建造试点城市政策对行政等级较高城市的建筑业全要素生产率提升效果更为显著。行政等级较高的城市通常具备更好的智能建造发展基础,包括较强的产业基础、建设水平和能力、充足的建设单位和建设项目等,能够更好地发挥智能建造试点城市政策的作用。如武汉市发挥大型企业、科研院所集聚优势,研发应用造楼机、架桥机、筑塔机等一批标志性智能建造技术产品,部署构建基于BIM的工程项目全流程审批管理体系,努力探索工程建设新模式。

5 对策建议

(1)因地制宜实施推广策略。总结智能建造试点城市的可复制经验,选择更多具备条件的城市逐步推广。同时,考虑到城市行政等级的影响,在智能建造试点城市政策的推广过程中要因地制宜,结合不同城市行政等级、经济发展水平、技术及产业基础等因素,制定适宜的推广策略。对于行政等级较高的城市,政府可以继续出台土地、规划、财政、金融、科技创新等方面的鼓励政策,发挥行政等级较高城市的示范引领作用,推动智能建造高效发展;对于行政等级较低的城市,政府应夯实智能建造发展基础,扶持其在经济建设等方面不断发展,制定明确的智能建造发展规划、目标和任务,建立可持续的智能建造发展模式,进而推动智能建造发展。

(2)优化建筑业能源结构。智能建造试点城市通过降低建筑业能源消耗,有效提升了建筑业全要素生产率。因此,建议政府大力出台相关支持政策,鼓励建筑企业采用清洁能源和绿色节能材料,加大推广先进的节能技术和设备等。同时,深化可再生能源在建筑领域的应用,提高建筑电气化水平,支持建筑光伏发展,推动建筑减少化石能源供热,打造绿色低碳建筑。

(3)提高政府支持力度。借鉴不同试点城市的创新做法,制定行之有效的支持措施。一是制定总体的规划,各市应借鉴试点城市的实施方案与措施,制定适合各市智能建造发展的重点任务及实施路径。二是出台地方标准规范,加快完善与智能建造相适应的建筑业法规制度体系。三是充分发挥跨部门协调机制作用,引导科研、金融、人才等政策资源投向智能建造领域,加强政策协同,共同推动智能建造发展。

(4)加快形成与新质生产力相适应的新型生产关系。深化经济体制、科技体制等改革,着力打通束缚智能建造发展的堵点卡点,建立高标准市场体系,创新智能建造生产要素配置方式,通过试点示范,加快各类先进优质生产要素向发展新质生产力顺畅流动。同时,畅通教育、科技、人才的良性循环,完善人才培养、引进、使用、合理流动的工作机制。

参考文献

—— 本文同步自微信公众号「筑纬建筑科技」，查看原文 ——