Estructuras de edificación | Detrás del crecimiento del 5,9 %: la influencia de la política de ciudades piloto de construcción inteligente en el desarrollo de las nuevas fuerzas productivas de calidad del sector

Este artículo se ha reproducido de la cuenta pública «Estructura de la Construcción» y se ofrece únicamente con fines de estudio e intercambio; los derechos de autor pertenecen a los autores originales.

Estudio sobre el impacto de la política de ciudades piloto de construcción inteligente en el desarrollo de las nuevas fuerzas productivas de calidad de la industria de la construcción

Por Liu Meixia, Zhang Shibin, Yu Dehu, Yu Xianhui, Liu Hong'e, Shao Di, Zheng Haichao y Lu Zhongde

RESUMEN

Abstract

A partir de los datos de panel de 24 ciudades piloto de construcción inteligente y 24 ciudades no piloto de China entre 2019 y 2023, se emplea un modelo de diferencias en diferencias para verificar el efecto promotor de la política de ciudades piloto de construcción inteligente sobre la mejora de la productividad total de los factores en la industria de la construcción y, con ello, analizar su impacto en el desarrollo de las nuevas fuerzas productivas de calidad del sector. Los resultados muestran que: en comparación con las ciudades no piloto, la productividad total de los factores de la industria de la construcción en las ciudades piloto de construcción inteligente aumentó un 5,9%, lo que refleja que la política de ciudades piloto de construcción inteligente promovió una mejora significativa de dicha productividad e impulsó el desarrollo de las nuevas fuerzas productivas de calidad del sector; esta política eleva la productividad total de los factores principalmente mediante la reducción del consumo energético de la industria de la construcción y el aumento del apoyo gubernamental. Los análisis de heterogeneidad indican que la política de ciudades piloto de construcción inteligente presenta una heterogeneidad significativa según la jerarquía administrativa de la ciudad, es decir, su efecto promotor es más marcado en las ciudades de mayor nivel administrativo.

0 Introducción

El secretario general Xi Jinping propuso acelerar la formación de nuevas fuerzas productivas de calidad y señaló que estas tienen como signo distintivo central un aumento sustancial de la productividad total de los factores; su característica es la innovación, su clave la calidad y su esencia una fuerza productiva avanzada. La productividad total de los factores (total factor productivity, TFP) es el residuo del producto total que no puede explicarse por el crecimiento de los insumos de factores de producción como el capital y el trabajo, y constituye un indicador importante del desarrollo económico de alta calidad [1]. En la actualidad, numerosos académicos estudian la formación y el desarrollo de las nuevas fuerzas productivas de calidad en diversos sectores desde la perspectiva de la productividad total de los factores: Zhang Haipeng y otros [2] sostienen que las nuevas tecnologías, los nuevos modelos y los nuevos formatos de negocio agrícolas son medios importantes para elevar la productividad total de los factores agraria y formar nuevas fuerzas productivas de calidad en la agricultura; Ling Chen y otros [3] consideran que la mejora de la productividad total de los factores en la manufactura se apoya en la transformación digital de las empresas y promueve la formación de nuevas fuerzas productivas de calidad en la industria manufacturera. En julio de 2020, el Ministerio de Vivienda y Desarrollo Urbano-Rural (MOHURD) y otros 13 ministerios publicaron conjuntamente la «Guía de opiniones para promover el desarrollo coordinado de la construcción inteligente y la industrialización de la construcción», que propone explícitamente desarrollar la construcción inteligente. El académico Ding Lieyun [4] señaló que la construcción inteligente es un modelo innovador de construcción de ingeniería surgido de la integración de las nuevas tecnologías de la información con la ingeniería de construcción que, mediante el modelado normalizado, la interacción en red, el reconocimiento visual, la computación de alto rendimiento y el apoyo inteligente a la toma de decisiones, logra la integración y la colaboración eficiente, impulsadas por la cadena digital, de la formulación del proyecto, la planificación y el diseño, la producción en obra y los servicios de O&M. La construcción inteligente es el representante típico de las nuevas fuerzas productivas de calidad de la industria de la construcción y resulta crucial para elevar la productividad total de los factores del sector y para impulsar su desarrollo hacia la digitalización y la inteligencia [5].

La política de ciudades piloto de construcción inteligente constituye uno de los medios importantes con los que China promueve el desarrollo de la construcción inteligente, y evaluar sus resultados de implementación reviste gran significado. En octubre de 2022, para impulsar vigorosamente la construcción inteligente, el MOHURD publicó la lista de 24 ciudades piloto de construcción inteligente y puso en marcha dicha política. El ensayo comenzó el día de su publicación, con una duración de tres años, y exige a cada ciudad piloto aplicar estrictamente su plan de implementación, ateniéndose al principio de «planificación global y adaptación a las condiciones locales». Se establecieron cuatro tareas obligatorias —perfeccionar el sistema de políticas, cultivar la industria de la construcción inteligente, ejecutar proyectos piloto de demostración e innovar los mecanismos de gestión— y otras cuatro tareas opcionales —fábricas inteligentes de componentes y piezas, investigación tecnológica y conversión de resultados, mejora del sistema de normas y formación de profesionales— para que las localidades las eligieran libremente según su realidad; además, las ciudades piloto pueden proponer nuevas líneas de trabajo en función de los objetivos del ensayo. Desde su implementación y hasta diciembre de 2023, el MOHURD había aprobado 7 proyectos piloto de construcción inteligente de 6 empresas, con una inversión total superior a 9.000 millones de yuanes, y había resumido y difundido 130 experiencias replicables. Las 24 ciudades piloto de construcción inteligente trabajaron en torno a las tareas principales, como perfeccionar el sistema de políticas y cultivar la industria de la construcción inteligente, y promulgaron una serie de políticas de apoyo en materia de suelo, planificación, finanzas y ciencia y tecnología; apoyaron a las entidades pertinentes en la creación de 39 plataformas de innovación científico-tecnológica en construcción inteligente, integraron 506 empresas tractoras del sector, publicaron 758 proyectos piloto de demostración de construcción inteligente y promulgaron 47 normas, cuotas y directrices relacionadas con la construcción inteligente, impulsando así su desarrollo. Diversos académicos han investigado ya la relación entre la construcción inteligente y las nuevas fuerzas productivas de calidad de la industria de la construcción: Niu Weirui y otros [6] señalan que la construcción inteligente desempeña un papel importante en todas las fases de la evolución de las nuevas fuerzas productivas de calidad y constituye una palanca eficaz y un soporte tecnológico para forjarlas en el sector; Yu Jing y Zhang Chunwei y otros [7-8] sostienen que la investigación y la aplicación de tecnologías de construcción inteligente son un apoyo esencial para la transformación y modernización de la industria tradicional de la construcción, y que la innovación científico-tecnológica en construcción inteligente potencia las nuevas fuerzas productivas de calidad del sector.

Actualmente existen pocos estudios sobre la relación entre la construcción inteligente y las nuevas fuerzas productivas de calidad, y predominan los análisis cualitativos sobre los cuantitativos. Este artículo, en cambio, se basa en los datos de panel de 24 ciudades piloto de construcción inteligente y 24 ciudades no piloto de China entre 2019 y 2023, y emplea un modelo de diferencias en diferencias para verificar el efecto promotor de la política de ciudades piloto de construcción inteligente sobre la mejora de la productividad total de los factores de la industria de la construcción; explora el impacto de la jerarquía administrativa de las ciudades en los resultados de implementación de la política; analiza el papel de esta en la reducción del consumo energético y en el aumento del apoyo gubernamental, y formula recomendaciones específicas para cada aspecto.

1 Hipótesis de investigación

La productividad total de los factores es la parte del crecimiento económico que no puede explicarse tras descontar las contribuciones de la productividad de factores como la inversión de capital y la mano de obra; refleja la contribución al crecimiento económico de otros factores distintos de los insumos de capital físico y trabajo [9], y su aumento significativo constituye el signo distintivo central de las nuevas fuerzas productivas de calidad. Este artículo establece la productividad total de los factores de la industria de la construcción como variable dependiente [10]. Sobre la base del análisis anterior, se plantea la hipótesis 1: la política de ciudades piloto de construcción inteligente puede elevar la productividad total de los factores de la industria de la construcción y, con ello, impulsar la formación y el desarrollo de las nuevas fuerzas productivas de calidad del sector.

Al mismo tiempo, tomando como referencia los estudios de Wang Guangming, An Min y otros [11-12], este artículo analiza el impacto de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores de la industria de la construcción desde dos perspectivas: la reducción del consumo energético del sector y el aumento del apoyo gubernamental. Por un lado, el consumo energético de la industria de la construcción es un indicador clave de la relación entre su valor bruto de producción y su consumo total de energía [13]. Las ciudades piloto de construcción inteligente pueden reducir significativamente el consumo energético mediante el desarrollo de tecnologías verdes y la conversión de resultados científico-tecnológicos, elevando así la productividad total de los factores del sector e impulsando el desarrollo de sus nuevas fuerzas productivas de calidad. Este artículo mide el consumo energético del sector mediante el consumo por unidad de superficie construida, que se calcula convirtiendo a toneladas de carbón estándar la energía consumida por los edificios y dividiéndola entre la superficie construida, expresado en decenas de miles de t/m2 [12]. Por otro lado, las ciudades piloto de construcción inteligente pueden elevar la productividad total de los factores del sector mediante políticas de apoyo como subvenciones fiscales y beneficios tributarios [14], impulsando así el desarrollo de las nuevas fuerzas productivas de calidad del sector. Este artículo mide el grado de apoyo gubernamental al desarrollo de la construcción inteligente en cada ciudad mediante la frecuencia de aparición del término «construcción inteligente» en los informes de trabajo de los gobiernos municipales entre 2019 y 2023 [15]. Sobre la base del análisis anterior, se plantea la hipótesis 2: la política de ciudades piloto de construcción inteligente eleva la productividad total de los factores de la industria de la construcción mediante la reducción del consumo energético del sector y el aumento del apoyo gubernamental, impulsando la formación y el desarrollo de las nuevas fuerzas productivas de calidad del sector.

2 Construcción del modelo

Mediante la construcción de un modelo de diferencias en diferencias se verifica el impacto de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores de la industria de la construcción. La variable dependiente es la «productividad total de los factores de la industria de la construcción»; la variable explicativa central es la «política de ciudades piloto de construcción inteligente», y las variables de control incluyen la «densidad de población», el «nivel de urbanización», etc.

2.1 Objeto de estudio

Este artículo establece un grupo de tratamiento y un grupo de control para estudiar las diferencias en la evolución de la productividad total de los factores de la industria de la construcción entre ambos grupos de ciudades durante el período 2019—2023. Las 24 ciudades piloto de construcción inteligente constituyen el grupo de tratamiento: 16 ciudades, entre ellas Pekín y Tianjin, pertenecen a la franja económica oriental; 4, entre ellas Changsha y Wuhan, a la franja económica central, y 4, entre ellas Chongqing y Urumqi, a la franja económica occidental. Teniendo en cuenta la similitud entre el grupo de control y el de tratamiento en cuanto a distribución regional, tamaño urbano, nivel de desarrollo económico y nivel de desarrollo de la industria de la construcción, así como la comparabilidad y la disponibilidad de los datos, el grupo de control seleccionado comprende 16 ciudades de la franja económica oriental, entre ellas Jinan y Shijiazhuang; 4 ciudades de la franja central, entre ellas Yueyang y Jingzhou, y 4 ciudades de la franja occidental, entre ellas Zigong y Turpan. Se toman como objeto de estudio los datos de panel de estas 48 ciudades para el período 2019—2023, que incluyen los activos totales del sector de la construcción de cada ciudad, el número de empleados y de empresas del sector, el valor bruto de producción y la superficie completada, la densidad de población y el producto regional bruto de cada ciudad, etc. Los datos proceden del anuario estadístico nacional, de los anuarios estadísticos municipales y de los comunicados estadísticos sobre el desarrollo de la economía nacional y la sociedad.

(1) Variable dependiente. Las nuevas fuerzas productivas de calidad tienen como signo distintivo central un aumento sustancial de la productividad total de los factores; por tanto, la mejora de la productividad total de los factores de la industria de la construcción es una manifestación importante de su formación y desarrollo. Siguiendo estudios previos, este artículo emplea el índice DEA-Malmquist (DEA) para medir la productividad total de los factores del sector [16-17], tomando como indicadores de entrada los activos totales de las empresas constructoras de cada ciudad, el número de empleados y el número de empresas, y como indicadores de salida la superficie completada y el valor bruto de producción del sector. Los datos proceden de los anuarios estadísticos municipales, concretamente del «número de unidades empresariales, empleados a fin de año, valor bruto de producción y superficie completada de la situación básica de las empresas constructoras» y de los «activos totales de los principales indicadores financieros de las empresas constructoras».

(2) Variable explicativa central. Este artículo toma la «política de ciudades piloto de construcción inteligente» como variable de choque político. Si una ciudad fue designada ciudad piloto de construcción inteligente en 2022, el coeficiente de impacto sobre la productividad total de los factores de la industria de la construcción Treat toma el valor 1 en ese año y en los posteriores, y 0 en caso contrario.

(3) Variables de control. Las variables de control se seleccionan con el fin de eliminar o reducir la influencia de otros factores potenciales sobre la variable dependiente, para estimar con mayor precisión el impacto de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores de la industria de la construcción. Siguiendo estudios previos [18-20], este artículo selecciona las siguientes variables de control: densidad de población, nivel de urbanización, escala de construcción, producto interno bruto (PIB) per cápita y valor de producción industrial de cada ciudad. Los datos proceden del anuario estadístico nacional, de los anuarios estadísticos municipales y de los comunicados estadísticos sobre el desarrollo de la economía nacional y la sociedad.

La densidad de población es el número de habitantes por unidad de superficie territorial; su aumento impulsa directamente el crecimiento de la demanda urbana de vivienda, comercio e infraestructuras. Este indicador se evalúa mediante la relación entre la población residente de cada ciudad y su superficie administrativa, en personas/km2, y los datos proceden de la «densidad de población residente» del apartado de población y empleo de los anuarios estadísticos municipales. El aumento del nivel de urbanización implica la concentración de población y actividad económica en las ciudades y el incremento correspondiente del volumen de obras urbanas; este indicador se evalúa mediante la proporción de población urbana sobre la población total, calculada con los datos de «población urbana» y «población total» de los anuarios estadísticos municipales. La escala de construcción se refiere a los materiales, los equipos y la mano de obra necesarios para el desarrollo del sector; el indicador se evalúa mediante la proporción del valor bruto de producción de la construcción sobre el PIB regional, calculada con los datos del «valor bruto de producción de la construcción de la situación básica de las empresas constructoras» y del «producto regional bruto de la contabilidad económica nacional» de los anuarios estadísticos municipales. El PIB per cápita representa el nivel de vida y la capacidad de consumo de los residentes, así como el grado de demanda de mejora del entorno residencial y de las infraestructuras urbanas; se expresa en yuanes y los datos proceden del «producto regional bruto per cápita de la contabilidad económica nacional» de los anuarios estadísticos municipales. El crecimiento de la producción industrial impulsa el desarrollo de sectores conexos como los materiales y los equipos de construcción, y mantiene con el sector de la construcción una estrecha relación de cadena industrial [21]; este indicador se evalúa mediante la proporción del valor bruto de producción industrial sobre el PIB regional de cada ciudad, calculada con los datos del «valor bruto de producción industrial de las empresas de tamaño designado» y del «producto regional bruto de la contabilidad económica nacional» de los anuarios estadísticos municipales.

2.2 Especificación del modelo

El modelo de diferencias en diferencias es un método de análisis estadístico basado en experimentos naturales; el cuasiexperimento natural de este artículo es la «promulgación de la política de ciudades piloto de construcción inteligente». Antes y después del experimento, la muestra se divide en dos grupos: en el momento del cuasiexperimento natural t, el grupo de tratamiento afectado por la política y el grupo de control no afectado por ella. El efecto de la política se evalúa comparando los cambios de ambos grupos antes y después del cuasiexperimento natural [22]. Este artículo, tomando como referencia los estudios de Wei Dongming, Masayuki y otros [15,23], emplea un modelo de diferencias en diferencias para analizar el impacto de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores de la industria de la construcción. La especificación concreta es la siguiente:

donde: β 0 es el término constante; β 1 es el coeficiente de impacto del efecto de la política de ciudades piloto de construcción inteligente; Yit es la productividad total de los factores de la industria de la construcción de la ciudad i en el año t; Treatit es la variable ficticia de la política de «ciudad piloto de construcción inteligente»; Xit son las variables de control; λi y ηt son los efectos fijos individuales y de año, respectivamente (eliminan las diferencias entre ciudades y entre años); εit es el término de error aleatorio (factores de influencia de distribución aleatoria no cubiertos por las variables explicativas del modelo).

Para verificar el mecanismo teórico, y tomando como referencia los estudios de Che Maoran, Mao Qilin y otros [24-25], se construye un modelo de mecanismo de impacto para su contraste. La especificación concreta es la siguiente:

donde: IMit es la variable de mecanismo; en este artículo, las variables de mecanismo son el grado de apoyo gubernamental y el consumo energético de la industria de la construcción; γ 1 es el coeficiente estimado del término de interacción entre el choque de la política de ciudades piloto de construcción inteligente y la variable de mecanismo ( Treat × IM).

γ 1: los pasos de verificación son los siguientes: primero, con base en la ecuación (1), se verifica el efecto promotor de la política de ciudades piloto de construcción inteligente sobre la mejora de la productividad total de los factores de la industria de la construcción. Segundo, se realiza la regresión de la ecuación (2); si el coeficiente estimado del término de interacción entre el choque de la política piloto y la variable de mecanismo ( Treat × IM) γ 1 es significativo, ello indica que dicha variable de mecanismo es un canal a través del cual la política de ciudades piloto de construcción inteligente promueve la mejora de la productividad total de los factores del sector, y γ 1 (positivo o negativo) indica si la mejora de la productividad total de los factores del sector se logra aumentando o reduciendo dicha variable de mecanismo.

3 Análisis empírico

El análisis empírico aplica el modelo de diferencias en diferencias construido a los datos de panel de las 24 ciudades piloto de construcción inteligente y las 24 ciudades no piloto, con el fin de verificar la validez de las hipótesis de la sección 1, e incluye la regresión de referencia, los contrastes de robustez, de heterogeneidad y del mecanismo de impacto. La regresión de referencia busca verificar que la política de ciudades piloto de construcción inteligente promueve la mejora de la productividad total de los factores del sector; los contrastes de robustez verifican la fiabilidad del modelo de este artículo; el contraste de heterogeneidad verifica que la política presenta una heterogeneidad significativa según la jerarquía administrativa de las ciudades, y el contraste del mecanismo verifica que la política eleva la productividad total de los factores del sector aumentando el apoyo gubernamental y reduciendo el consumo energético.

3.1 Regresión de referencia

Los resultados de la regresión de referencia se muestran en la tabla 1. Según los resultados del modelo (1), sin introducir variables de control, el coeficiente de impacto de la política de ciudades piloto de construcción inteligente sobre Treat es de 0,061 y supera el contraste de significatividad al 10%, lo que indica que, en comparación con las ciudades no piloto, la productividad total de los factores de la industria de la construcción en las ciudades piloto aumentó un 6,1%, reflejando el desarrollo de las nuevas fuerzas productivas de calidad del sector en dichas ciudades; según los resultados del modelo (2), tras introducir las variables de control, el coeficiente de impacto de la política de ciudades piloto de construcción inteligente sobre Treat es de 0,059 y supera el contraste de significatividad al 10%, lo que indica que, una vez eliminada la influencia de variables de control como la densidad de población, el nivel de urbanización y la escala de construcción, la productividad total de los factores del sector en las ciudades piloto sigue siendo un 5,9% superior a la de las ciudades no piloto; esto vuelve a demostrar que la política de ciudades piloto de construcción inteligente puede elevar significativamente la productividad total de los factores del sector e impulsar el desarrollo de sus nuevas fuerzas productivas de calidad. Por tanto, la hipótesis 1 se confirma.

Tabla 1 Regresión de referencia

Nota: \*\*\*, \*\* y \* indican los niveles de significatividad del 1%, 5% y 10% respectivamente; entre paréntesis figuran las desviaciones estándar; igual en lo sucesivo.

3.2 Contrastes de robustez

Para verificar la validez del modelo, este artículo utiliza Stata17 para analizar los datos de panel de las 24 ciudades piloto de construcción inteligente y las 24 ciudades no piloto, e incluye un contraste de tendencias paralelas, un contraste de placebo y un contraste de sustitución de la variable dependiente, a fin de reducir los errores existentes y verificar la fiabilidad del modelo.

3.2.1 Contraste de tendencias paralelas

La productividad total de los factores de la industria de la construcción del grupo de tratamiento y del grupo de control debe presentar una tendencia de desarrollo común, condición necesaria para garantizar su comparabilidad. Es decir, suponiendo que la política de ciudades piloto de construcción inteligente no se hubiera implementado, la productividad total de los factores del sector en las ciudades piloto y no piloto debería mostrar una tendencia de variación común; de ahí la necesidad del contraste de tendencias paralelas. Tomando como referencia el estudio de Shi Shaobin y otros [26], este artículo introduce los términos de interacción entre las variables ficticias de cada año previo a la implementación de la política y la variable ficticia de grupo para realizar el contraste, y utiliza los coeficientes de regresión de dichos términos para expresar el grado de diferencia entre ambos grupos, diferencia que aumenta conforme crecen los coeficientes. Los resultados se muestran en la figura 1, donde los puntos rectangulares representan los coeficientes de regresión en cada momento; todos los puntos anteriores al año del choque político, 2022, presentan coeficientes no significativos y dentro del intervalo de confianza del 95%, lo que indica que no existían diferencias significativas en la productividad total de los factores del sector entre las ciudades piloto y no piloto antes de la implementación de la política, cumpliéndose así el supuesto de tendencias paralelas.

Figura 1 Contraste de tendencias paralelas

3.2.2 Contraste de placebo

La omisión de otros factores difíciles de observar puede introducir sesgos en los resultados estimados; por ello se realiza el contraste de placebo: si lo supera, significa que los resultados de la regresión de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores del sector no se ven afectados por otros factores difíciles de observar. Tomando como referencia el estudio de Zhao Peng y otros [27], este artículo realizó 500 simulaciones repetidas de la regresión de la ecuación (1); los resultados se muestran en la figura 2, donde los valores estimados P siguen básicamente una distribución normal y la mayoría supera 0,1, por lo que se supera el contraste de placebo, lo que demuestra la estabilidad de la regresión de referencia de este artículo.

Figura 2 Contraste de placebo

3.2.3 Contraste de sustitución de la variable dependiente

La sustitución de la variable dependiente permite comprobar si el modelo depende en exceso de una variable dependiente concreta y verificar ulteriormente la validez de los resultados empíricos. La proporción del valor añadido de la industria de la construcción en el PIB es también un indicador importante del desarrollo del sector; por ello, este artículo, tomando como referencia los estudios de Li Zhan, Chen Zhihui y otros [28-29], la emplea como variable dependiente alternativa a la productividad total de los factores del sector, y los datos se calculan como la razón entre el «valor bruto de producción y valor añadido de la construcción de la situación básica de las empresas constructoras» y el «producto regional bruto de la contabilidad económica nacional» de los anuarios estadísticos municipales. Los resultados de la regresión, que se muestran en la tabla 2, indican que el coeficiente estimado de la política de ciudades piloto de construcción inteligente es de 0,380 y supera el contraste de significatividad al 1%, lo que demuestra que el efecto positivo de la política sobre la mejora de la productividad total de los factores del sector persiste y confirma ulteriormente la estabilidad de los resultados de la sección 1.

Tabla 2 Contraste de sustitución de la variable dependiente

3.3 Análisis de heterogeneidad

Las competencias administrativas de las ciudades chinas de distinto nivel presentan diferencias notables, y las políticas y medidas adoptadas por las distintas ciudades piloto tampoco son idénticas. Por ello, para comprender más a fondo el impacto de la política de ciudades piloto de construcción inteligente sobre la productividad total de los factores del sector en ciudades de distinto tipo, este artículo, tomando como referencia el estudio de Chen Xinxin [30], divide la muestra en dos categorías según la jerarquía administrativa de la ciudad: municipios directamente administrados y capitales de provincia, por un lado, y ciudades ordinarias, por otro, y analiza las diferencias en el efecto de la política entre unas y otras. Los resultados del contraste se muestran en la tabla 3.

Tabla 3 Análisis de heterogeneidad

Los resultados del modelo (3) muestran que, tras la implementación de la política, la productividad total de los factores de la industria de la construcción de los municipios directamente administrados y las capitales de provincia piloto aumentó un 14,4% en comparación con los de las ciudades no piloto de igual categoría. Los resultados del modelo (4) indican que, tras la implementación de la política, la productividad total de los factores del sector en las ciudades ordinarias piloto aumentó un 1,9% en comparación con las ciudades ordinarias no piloto. Esto refleja que la mejora de la productividad total de los factores del sector es más significativa en los municipios directamente administrados y las capitales de provincia que en las ciudades ordinarias. La razón puede residir en que estas ciudades de mayor nivel poseen ventajas como un mayor tamaño urbano, un nivel más alto de concentración industrial y una mayor acumulación de talento, por lo que obtienen relativamente más dividendos de la política de ciudades piloto de construcción inteligente.

3.4 Análisis del mecanismo de impacto

El análisis del mecanismo de impacto responde a la pregunta de a través de qué variables clave eleva la política de ciudades piloto de construcción inteligente la productividad total de los factores de la industria de la construcción. Los resultados se muestran en la tabla 4. Por un lado, al analizar el mecanismo relativo al grado de apoyo gubernamental, los resultados del modelo (5) indican que el coeficiente estimado de la interacción entre la política de ciudades piloto y el apoyo gubernamental ( Treat × IM) es de 3,422 y supera el contraste de significatividad al 1%, lo que demuestra que el apoyo gubernamental es un canal a través del cual la política de ciudades piloto de construcción inteligente eleva la productividad total de los factores del sector; el signo positivo del coeficiente de interacción indica que la política eleva dicha productividad aumentando el apoyo gubernamental. Por otro lado, al analizar el mecanismo relativo al consumo energético de la industria de la construcción, los resultados del modelo (6) indican que el coeficiente estimado de la interacción entre la política y el consumo energético del sector ( Treat × IM) es de -0,068 y supera el contraste de significatividad al 5%, lo que demuestra que el consumo energético es un canal a través del cual la política de ciudades piloto de construcción inteligente eleva la productividad total de los factores del sector; el signo negativo del coeficiente indica que la política eleva dicha productividad reduciendo el consumo energético.

Tabla 4 Análisis del mecanismo de impacto

En síntesis, se confirman ambos mecanismos —el aumento del apoyo gubernamental y la reducción del consumo energético del sector—, por lo que la hipótesis 2 se verifica.

4 Conclusiones

Este artículo se basa en los datos de panel de 24 ciudades piloto de construcción inteligente y 24 ciudades no piloto de China entre 2019 y 2023, y utiliza un modelo de diferencias en diferencias para verificar el efecto promotor de la política de ciudades piloto sobre la mejora de la productividad total de los factores de la industria de la construcción y, con ello, analizar su impacto en el desarrollo de las nuevas fuerzas productivas de calidad del sector. Las principales conclusiones son las siguientes:

(1) La política de ciudades piloto de construcción inteligente promovió una mejora significativa de la productividad total de los factores de la industria de la construcción e impulsó la formación y el desarrollo de sus nuevas fuerzas productivas de calidad. Las 24 ciudades piloto, en torno al perfeccionamiento del sistema de políticas, el cultivo de la industria de la construcción inteligente, la ejecución de proyectos piloto de demostración y la innovación de los mecanismos de gestión, y partiendo de la realidad de desarrollo de cada ciudad, elaboraron sus respectivos «Planes de implementación de las ciudades piloto de construcción inteligente», promoviendo la mejora de la productividad total de los factores del sector e impulsando el desarrollo de la construcción inteligente. Según las estadísticas, hasta diciembre de 2023 las ciudades piloto habían cultivado activamente la industria y 506 empresas habían sido incluidas en la lista de empresas tractoras de construcción inteligente.

(2) La política de ciudades piloto de construcción inteligente eleva la productividad total de los factores del sector a través de dos vías: la reducción del consumo energético de la industria de la construcción y el aumento del apoyo gubernamental. En cuanto al consumo energético, las empresas pueden optimizar los procesos de diseño y construcción mediante el desarrollo tecnológico y la conversión de resultados, por ejemplo introduciendo equipos de construcción inteligente como robots de construcción, integrando tecnologías de percepción de información múltiple, diagnóstico de fallos y posicionamiento y navegación de alta precisión, y proporcionando a los proyectos interacción en red y apoyo inteligente a la toma de decisiones, lo que eleva eficazmente la eficiencia y la calidad de la construcción, reduce el consumo de energía y ahorra recursos. En cuanto al apoyo gubernamental, hasta junio de 2023 todas las ciudades piloto habían elaborado sus planes de implementación adaptados a sus circunstancias y habían promulgado sucesivamente una serie de políticas de apoyo: por ejemplo, Hefei concede incentivos económicos a las empresas constructoras que invierten en el desarrollo de software relacionado con la construcción inteligente, la adquisición de equipos y los servicios de tecnología de la información; Guangzhou estableció por ley que el BIM puede utilizarse en la tramitación y aprobación de proyectos de construcción, y promulgó normas locales en torno a los procesos de construcción industrializada y digital.

(3) La política de ciudades piloto de construcción inteligente presenta una heterogeneidad significativa según la jerarquía administrativa de la ciudad: su efecto sobre la mejora de la productividad total de los factores del sector es más acusado en las ciudades de mayor nivel administrativo. Estas ciudades suelen contar con una mejor base para el desarrollo de la construcción inteligente, incluida una base industrial sólida, un nivel y una capacidad de construcción elevados y promotores y proyectos de construcción abundantes, lo que les permite aprovechar mejor la política. Por ejemplo, Wuhan ha sabido explotar las ventajas de la concentración de grandes empresas e instituciones de investigación científica, ha desarrollado y aplicado productos tecnológicos emblemáticos de construcción inteligente como las máquinas trepadoras de edificios, las lanzadoras de puentes y las máquinas de construcción de torres, y ha desplegado un sistema de aprobación y gestión de todo el proceso de los proyectos basado en BIM, explorando activamente nuevos modelos de ejecución de obras.

5 Recomendaciones

(1) Aplicar estrategias de promoción adaptadas a las condiciones locales. Conviene resumir las experiencias replicables de las ciudades piloto de construcción inteligente y extenderlas gradualmente a más ciudades que reúnan las condiciones. Al mismo tiempo, teniendo en cuenta el efecto de la jerarquía administrativa de las ciudades, la promoción de la política de ciudades piloto de construcción inteligente debe adaptarse a las condiciones locales y combinar factores como el nivel administrativo, el desarrollo económico y la base tecnológica e industrial de cada ciudad para definir estrategias adecuadas. Para las ciudades de mayor nivel administrativo, el gobierno puede seguir promulgando políticas de incentivo en materia de suelo, planificación, finanzas, crédito e innovación tecnológica, y aprovechar su papel de demostración y liderazgo para impulsar un desarrollo eficiente de la construcción inteligente. Para las ciudades de menor nivel administrativo, el gobierno debe consolidar las bases del desarrollo de la construcción inteligente, apoyar su progreso en la construcción económica y otros ámbitos, definir planes, objetivos y tareas claros para la construcción inteligente y establecer un modelo de desarrollo sostenible que impulse el sector.

(2) Optimizar la estructura energética de la industria de la construcción. Las ciudades piloto de construcción inteligente han elevado eficazmente la productividad total de los factores del sector reduciendo su consumo energético. Por ello, se recomienda al gobierno promulgar con vigor políticas de apoyo, animar a las empresas constructoras a utilizar energías limpias y materiales verdes de ahorro energético, y ampliar la difusión de tecnologías y equipos avanzados de eficiencia energética. Al mismo tiempo, conviene profundizar la aplicación de las energías renovables en el ámbito de la edificación, elevar el nivel de electrificación de los edificios, apoyar el desarrollo de la fotovoltaica integrada en la construcción, promover la reducción de la calefacción con combustibles fósiles y crear edificios verdes y bajos en carbono.

(3) Aumentar el apoyo gubernamental. Tomando como referencia las prácticas innovadoras de las distintas ciudades piloto, deben definirse medidas de apoyo eficaces. Primero, elaborar una planificación general: cada ciudad debería tomar como referencia los planes y las medidas de las ciudades piloto y definir las tareas prioritarias y las vías de implementación adecuadas para su propio desarrollo de la construcción inteligente. Segundo, promulgar normas locales y acelerar el perfeccionamiento del marco normativo y reglamentario del sector adaptado a la construcción inteligente. Tercero, aprovechar plenamente los mecanismos de coordinación interdepartamental, orientar los recursos de las políticas científicas, financieras y de talento hacia el ámbito de la construcción inteligente, reforzar la sinergia entre políticas y promover conjuntamente el desarrollo de la construcción inteligente.

(4) Acelerar la formación de nuevas relaciones de producción adaptadas a las nuevas fuerzas productivas de calidad. Conviene profundizar las reformas del sistema económico y del sistema científico-tecnológico, eliminar los cuellos de botella que frenan el desarrollo de la construcción inteligente, establecer un sistema de mercado de alto nivel, innovar las formas de asignación de los factores de producción de la construcción inteligente y, mediante proyectos piloto y de demostración, acelerar el flujo fluido de todo tipo de factores de producción avanzados y de calidad hacia el desarrollo de las nuevas fuerzas productivas de calidad. Al mismo tiempo, hay que facilitar el ciclo virtuoso entre educación, ciencia y tecnología y talento, y perfeccionar los mecanismos de trabajo para la formación, la captación, el aprovechamiento y la movilidad razonable del talento.

Referencias

END

Las opiniones expresadas son del autor  Copyright © Zhuwei Architectural Technology

Prohibida su reproducción sin autorización

Al reproducir, indique la fuente: Zhuwei Architectural Technology

      Zhuwei Architectural Technology es una empresa de servicios técnicos de nuevo tipo, especializada en optimización integral del diseño, consultoría BIM y consultoría en diseño de construcción prefabricada. Nuestro equipo reúne a ingenieros senior de grandes institutos de diseño, exdirectivos de empresas inmobiliarias, ingenieros BIM e ingenieros de prefabricación, y ofrece optimización integral del diseño, revisión detallada de planos, consultoría BIM con desarrollo de MEP y servicios de diseño prefabricado.

      Consultoría de optimización de diseño: Posicionados como extensión y complemento de la gestión de diseño de los promotores inmobiliarios, centramos nuestra consultoría y optimización en la edificación civil. A lo largo de todo el proceso —o en las fases clave que el cliente requiera— controlamos la economía, la racionalidad y la seguridad del diseño, eliminando costes innecesarios y mejorando de forma medible la calidad de los planos: "menor coste, mayor eficiencia".

      Consultoría BIM: Mediante tecnologías de construcción digital, ayudamos a los diseñadores a reducir errores y mejorar la calidad en la fase de diseño; ayudamos a los contratistas a ahorrar costes y planificar instalaciones MEP de alta calidad en la fase de construcción; y extendemos los modelos BIM a la gestión de instalaciones en la fase de operación, en colaboración con los principales proveedores de software.

      Consultoría de diseño prefabricado: Diseño de todo el proceso sobre plataformas BIM, con Revit y Tekla para el detallado de componentes PC. La geometría y la armadura de los componentes se vinculan paramétricamente: lo que ve es lo que obtiene. Entregamos planos listos para la Industria 4.0, con longitudes de corte de cada barra de armadura, y soporte habilitado para IoT en la producción, almacenamiento, transporte y montaje de componentes PC.

      Nuestro equipo de expertos procede de grandes institutos de diseño, con una sólida base técnica y amplia experiencia en diseño y optimización de doble vía; su capacidad técnica y nivel de control son líderes en el sector.

—— Este artículo se sincroniza automáticamente desde la cuenta oficial de WeChat «Zhuwei Architectural Technology». Leer el original ——