摘要：基于“双碳”背景，寻求刺激新能源汽车产业发展的增长点，客观分析新能源汽车产业的发展现状和发展瓶颈。近年来国家相继出台不同城市的智能道路试点政策，研究智能道路政策对新能源汽车产业发展的影响具有重要意义。采用双重差分倾向匹配法分析智能化道路政策对新能源汽车产业集聚水平的影响。通过实证研究分析，发现智能化道路政策试点对新能源汽车产业集聚水平有显著的促进作用，其中对一二线城市的新能源汽车产业集聚水平更为明显，对三四五线城市影响并不显著。最后基于实证结果从政府、政策城市和新能源汽车企业三个角度出发，就如何解决新能源汽车产业发展困境，促进新能源汽车产业健康发展提出建议。

关键词：“双碳”背景 智能化道路 新能源汽车 产业集群

一、引言

二十一世纪以来，全球变暖和控制温室气体排放已经成为世界各国不得不面对的议题，节能减排和实现“零排放”成为国际社会的一致诉求，世界各国为了实现这一目标相继加快了减排和控碳的步伐。我国提出了2030年实现“碳达峰”与2060年实现“碳中和”的目标。作为实现碳中和目标的重要一环，逐步将新能源汽车替代传统燃油车已然是不可逆的历史趋势[1]。在这一背景下，我国在“十四五”规划中，将新能源汽车产业列为战略性新兴产业，并出台一系列政策予以支持。2020年11月国务院办公厅印发《新能源汽车产业发展规划（2021~2035）》，明确指出新能源汽车已经成为世界经济发展的新动能，是全球汽车产业转型发展的主要方向。

随着新一阶段的汽车产业升级衍生出的智能配套产业例如自动驾驶、车路协同，未来交通网、信息网、能源网三网融合得以在新能源汽车这一移动智能终端上实现，为新能源汽车产业提供新的发展方向。智能道路是在特定场景、区域及道路的示范应用，通过以数据为纽带的“人—车—路—云”高效协同[2]，基于汽车感知、交通管控、城市管理等信息，需要5G信息、车载精密仪器、高精度地图测绘、智能终端系统服务、无人驾驶技术等产业的共同作用。智能道路作为智能网联汽车试点示范区的核心，很好地将这些产业整合到一起，形成产业集群[3]。2017年以来我国陆续在北京、上海广州等城市开设了智能网联汽车试点示范区，研究智能道路试点政策与新能源汽车产业集聚问题，对新能源汽车产业持续健康发展具有重要的理论和现实意义。

1.1 我国新能源汽车产业发展现状与问题

在国家“双碳”目标的推动下，自2014年以来中国新能源汽车的产销量呈快速上升趋势，年均增长率在35%以上，2017年我国新能源汽车市场份额占全球电动车市场的1/2[4]，居世界第一。但随着产业的发展，问题也逐渐暴露。诸如政策补贴退坡、缺乏核心技术、关键部件成本高、安全事故频发等问题的出现。如何保证新能源汽车产业的可持续发展是亟待解决的问题。

1.2 智能化道路与新能源汽车产业发展关联分析

智能道路利用5G网络将各种道路信息形成车联网，对交通道路进行全方位的态势感知，并为无人驾驶汽车的普及提供了理想的运行场景。智能道路将有效提高道路行驶效率，优化堵车现象，降低交通事故发生率[5]。智能化道路在新能源汽车产业建设项目作用下，将相关产业相整合，形成产业集群，刺激高端技术研发，降低整车生产成本，加速完善新能源汽车基础配套设施，促进新能源汽车产业向智能化、无人化的方向发展。

二、模型构建与变量选择

2.1 智能道路政策与新能源汽车产业集聚

为研究智能化道路建设和试点对新能源汽车产业集聚的影响，文章使用自然评估方法，将各个城市智能化道路试点实行的时间作为政策时点，处理组为智能化道路试点政策城市，没有智能化道路试点政策的城市作为对照组，测度两组政策实施前后因“政策效应”而导致的差异。但城市之间存在异质性，不同城市发展趋势与特征差异较大，本文采用倾向匹配得分与双重差分相结合的方法[6]，将没有智能化道路试点的城市与处理组的城市特征进行匹配，缓解样本选择偏差。

根据倾向得分匹配法找出处理组和对照组后，对两组样本进行DID估计，构建计量模型如下：

（1）

式（1）中i表示城市，t表示时间，γ和β为估计系数；Dit为政策虚拟变量，当Dit=1时表示在t年有智能化道路试点的城市，Dit=0表示在t年没有智能化道路的城市；Tit为时间虚拟变量，Tit=1表示在智能化道路试点之后，Tit=0 表示在智能化道路试点之前；交互项Dit×Tit为处置效应，反映智能化道路试点对处理组与对照组的影响差异。交叉项的估计系数γ1是此实验的研究重点; Xjit为控制变量，δt代表时间效应，μi为城市个体效应，εit为随机误差项。

被解释变量 ：本文采用新能源汽车产业集聚水平（aggl）作为被解释变量，用于衡量智能化道路试点对政策城市新能源汽车产业虹吸效应的作用效果。目前学界许多指标用来衡量产业集聚水平，例如Space Gini系数、Herfindahl-Hirschman指数、Hoover指数，这些指数各有优缺点。目前国内外不少学者使用区位熵来衡量产业集聚水平，例如Gleave等（2004）、刘军等（2010）、杨仁发（2013）。区位熵可以消除区域的规模差异[7]，真实反映地理要素的空间分布，加上考虑数据的可获得性，本文选取区位熵来衡量产业集聚水平。新能源汽车产业i地区t年的区位熵aggl计算方法如下：

（2）

式（2）中，eit表示i城市t年r产业的产值，∑ieit代表i城市所在高层次区域的t年产业产值，aggl_it数值越大，代表产业的集聚水平越高。

解释变量：本文以智能化道路试点作为核心解释变量，包括智能化道路试点的政策时间（Tit）、智能化道路试点城市（Dit）以及二者的交互项（Dit×Tit）。从市场化程度、政府干预、科技投入水平、人力资本、土地资源方面选取5个指标作为控制变量：以城镇私营和个体从业人员与城镇单位从业人员之比来反映市场化程度（market）；地区财政一般预算内支出占GDP的比例来衡量地方政府干预力度（gov）；将科学技术支出与政府财政一般预算内支出的比表示科技投入水平（technology）；土地资源（area）为行政区域土地面积；地区年末户籍人口数反映人力资本（people）。控制变量：用于倾向得分匹配的控制变量包括经济发展水平、人口数量、地区信息化水平、科技技术支出和政府支出规模，分别用地区生产总值 (gdp)、城市年末户籍人口数（people）、地区每万人互联网用户数（inf）、政府财政一般预算内支出（expenditure）和科技研发一般预算支出（R&D）的数据表示。

2.2 数据说明

考虑到数据的连续性和数据可得性，本文搜集中国280个地级及以上城市的面板数据作为研究样本，通过《中国城市统计年鉴》、《中国区域经济统计年鉴》、各省份统计年鉴、中国汽车工业协会、中国汽车统计年鉴，部分缺失数据通过从各地级市统计年鉴、国民经济与社会发展公报中补齐。为研究智能化道路试点对地级市整个区域新能源汽车产业聚集水平的影响，本文选用的数据均为全市而非市辖区数据，对个别在地级市层面发生过行政区域调整和数据残缺严重的城市给予剔除。为了消除可能存在的异方差，在回归过程中对绝对值变量做了对数化处理。各变量数据的描述性统计如表1所示。

表1 数据描述性统计

三、实证结果分析

3.1 政策城市匹配效果分析

为避免处理组与对照组城市的经济变量存在显著差异，首先使用stata17软件对处理组和对照组进行1：3的比例进行近邻匹配，可以看出多数观测值在共同取值范围内，同时匹配后损失的样本量在可接受范围内。倾向匹配有效性结果如表2所示，匹配后处理组与对照组的样本均值差异大大缩小，变量标准化误差相较于匹配前明显缩小，且大多数小于10。t检测结果显示匹配后的P值均不显著，匹配结果有效。

表2 倾向得分匹配平衡性检验结果

3.2 智能道路政策对新能源汽车产业集聚水平的作用效果分析

匹配后的样本结果对式（1）进行多时点DID估计，由于城市间存在不同的区域异质性，在我国不同地区之间经济发展水平存在一定差异，高经济发展水平地区更可能成为政策的实施点，为了增强回归结果的可靠性，充分体现发展程度相似城市间的政策效应，本文根据《第一财经周刊》于2019年发布的“中国城市新分级名单”，按照城市等级对样本进行分类。由于“分级名单”中政策城市没有覆盖到四线城市，为了体现不同城市区域间的政策效应，将样本分为一二线城市和三四五线城市两组进行估计，新一线城市归类到一二线城市类别。同时，考虑到东部沿海城市与西部内陆城市由于经济发展水平和工业基础的不同，在新能源汽车产业发展程度同样存在差距，因此将样本分为东部城市和中西部城市两组进行估计。如表3所示，模型（1）为全样本智能化道路试点对新能源汽车产业集聚水平影响效应的回归结果，模型（2）- 模型（3）为按照城市等级分类的回归结果，模型（4）- 模型（5）为按照城市地理区域划分的回归结果。

表3 基于PSM-DID的基准回归结果

注：括号内为聚类稳健性标准误，*、**、***分别表示在10%、5%、1%水平上显著

由表3中模型（1）可知，基于全国范围层面的地级市及以上城市样本，在考察期内，核心解释变量交互项D×T系数在0.01的水平下显著为正，说明从综合影响效应来看，智能化道路的建设和试点将显著提升新能源汽车产业的集聚水平。进一步分析控制变量的估计结果，人口和科技投入水平对新能源汽车产业的集聚水平同样有显著的正向影响，说明人口规模较大和更多科技投入的城市新能源汽车产业集聚水平更高。而土地面积与政府支出对新能源汽车产业集聚水平有负向影响，结合模型（2）- 模型（5）来看，一方面可能是因为土地面积较小的城市更有助于产业的集聚，另一方面相对于中西部城市，东部城市土地面积较小的同时产业集中度更高，因此土地面积对新能源汽车产业集聚水平的影响为负；政府干预程度对新能源汽车产业集聚水平产生负面影响，这可能说明过度的政府干预不利于新能源汽车产业发挥市场资源配置的作用，阻碍了新能源汽车的产业集聚。由模型（2）- 模型（3）可知，对于东部城市和中西部城市交互项的回归结果同样显著为正，说明从综合影响效应来看，智能化道路的建设和试点对全区域的新能源汽车产业集聚水平具有显著的促进作用。由模型（4）- 模型（5）可知，智能化道路的建设和试点对三四五线城市新能源汽车产业集聚水平的影响并不显著，但对一二线城市有较为显著的促进作用，原因可能在于，一方面一二线城市生产要素禀赋更加齐全，产业布局更加合理，政策扶持更加具有针对性；另一方面相对于三四线城市，一二线城市拥有更大的新能源汽车消费市场，智能化道路的建设和试点将引发虹吸效应，吸引新能源汽车产业的集聚和整合并形成规模效应，促进相关配套产业不断完善，对新能源汽车产业发展产生更为显著的影响。原假设得到验证。

3.3 稳健性检验

3.3.1 补充控制变量

基准回归中虽然加入了市场化程度、政府干预、科技投入水平、人力资本、土地资源5个指标作为控制变量，但未对地级市区域层面的发展水平因素进行控制。城市发展水平不仅与新能源汽车产业发展水平相关，而且可能会影响智能化道路试点政策的选址，遗漏区域层面的发展水平因素可能会产生严重的内生性问题。因此，为了避免遗漏控制变量而对核心解释变量造成影响，借鉴张龙鹏等（2016）的方法，在基准回归的基础上加入三个重要的城市发展水平控制变量：地区生产总值、信息化水平、政府支出规模。

回归结果见表4。（1）-（3）列汇报了分别加入地区生产总值、信息化水平、政府支出规模后智能化道路试点对新能源汽车产业集聚水平的影响，回归结果表明，控制变量：地区生产总值和信息化水平的增加后，交互项D×T分别在5%、1%、1%的显著水平上导致新能源汽车产业集聚水平的上升。（5）列进一步同时加入地区生产总值、信息化水平、政府支出规模后，回归系数低于控制变量增加前，促进作用降低，但交互项D×T在5%的水平上显著为正，说明智能化道路试点对新能源汽车产业的集聚水平仍然存在显著的促进效应。

表4 稳健性检验：补充控制变量

注：括号内为聚类稳健性标准误，*、**、***分别表示在10%、5%、1%水平上显著

3.3.2安慰剂检验

在双重差分模型下，对于某些会随着时间而不断变化的不可观测因素，例如地级市城市特征对估计结果的影响，固定效应虽然可以控制不随时间改变的不可观测因素，但仍然存在可能影响估计结果的遗漏变量，因此本文通过安慰剂检验来排除其他因素对估计结果造成影响。参考张小可等（2021）和刘瑞明等（2020）随机生成实验组的方法，由于多期DID中每个样本的政策时间不同，因此为每个样本对象随机抽取样本期作为其政策时间，在匹配后的247个地级市中每个地级市随机抽取2015~2019中的某一年份作为它的政策时间，进行重新估计模型，如果交互项的估计系数不显著，则间接即使存在不可观测因素，基准回归结果依然有效。本文进行500次随机抽样，回归估计结果的系数分布及对应P值见图1，由图可见回归系数集中在0值附近并服从正态分布，绝大多数估计值所对应的p值大于0.1，右侧虚线对应前文基准回归中的真实估计值，可以看出真实估计值显著不同于安慰剂测试中的估计值。以上检验排除了智能化道路试点政策效应源于其他不可观测因素的可能性，进一步说明了前文估计结果的稳健性[8]。

图1 安慰剂检验

四、结论与启示

本文基于碳中和背景，分析了目前我国新能源汽车产业的发展现状和所面临的问题，对比了中外解决新能源汽车发展困境的方法，从智能化道路政策着手，以产业虹吸效应理论为基础，通过对智能化道路的建设和试点对新能源汽车产业集聚水平的影响进行实证研究。研究发现：智能化道路建设和试点对新能源汽车产业集聚水平有显著的促进作用，具体表现为政策试点实施后，试点政策地区的新能源汽车产业产值相比非试点政策地区显著增加，说明智能化道路试点对于新能源汽车产业集聚水平具有积极的推动意义。

基于本文的研究结果得出以下启示。首先，对于市场投资者，智能化道路的建设和试点为新能源汽车产业创造了良好的投资环境，市场投资方向应该更倾向于智能化道路项目和有智能化道路政策试点的城市。投资者可以根据投资项目的需要，积极在智能化道路试点城市开展投资活动；其次，对于智能化道路试点政策城市，应该积极探索新能源汽车产业创新融合的发展途径，优化新能源汽车产业布局，形成新能源汽车相关配套产业一体化，开拓面向未来的出行方式；再次，对于智能化道路试点政策城市周边地区，可以借鉴新能源汽车智能化道路试点的经验，推出符合城市新能源汽车发展需求的智能化道路试点政策，推动智能化道路的大面积推广。最后，对于新能源汽车企业，应该利用智能化道路的试点的虹吸效应，在动力电池、无人驾驶、5G信息、车载精密仪器、高精度地图测绘、智能终端系统服务等方面进行产业一体化优势整合，在解决当前新能源汽车产业存在的售价高、续航短、充电难、安全担忧、体验差等问题的同时，促进新能源汽车产业向智能化、无人化的未来方向发展。

参考文献

[1] 陈宇欣 . 补贴退坡政策下中国新能源车企创新效率的研究 [D]. 山东大学, 2022.

[2] 王维 , 李昊展 , 乔朋华 , 桂嘉伟 . 政府补助方式对新能源汽车企 业绩效影响研究——基于企业成长性的深入分析 [J]. 科技进步与对策, 2017,34(23):114-120.

[3] 吴文建 , 黎藜 , 邹莉娜 . 碳中和背景下我国新能源汽车发展竞争力的空间差异评价 [J]. 企业经济 , 2022,41(03):24-35.

[4] 修苗苗 , 戴玉才 . 政府补贴、研发投入与企业经济绩效——以新能源上市公司为例 [J]. 青岛大学学报 ( 自然科学版 ), 2020,33(03):102- 109.

[5] 章秀琴 , 孔亮 , 吴琼 , 郭俊晖 . 新能源汽车创新型产业集群路径升级研究——以芜湖市为例 [J]. 科学管理研究 , 2020,38(01):78-82.

[6] 任晓红 , 郭晓彤 , 王炜 , 许茂增 . 高铁开通对物流业发展的影响——来自全国280个地级市的证据 [J]. 产经评论 , 2020,11(05):104- 121.

[7] 杨仁发 . 产业集聚与地区工资差距——基于我国269个城市的实证研究[J]. 管理世界 , 2013(08):41-52.

[8] 张小可 , 葛晶 . 绿色金融政策的双重资源配置优化效应研究[J]. 产业经济研究 , 2021(06):15-28.