摘" 要：以是否實(shí)施基礎(chǔ)設(shè)施數(shù)字化轉(zhuǎn)型過程中的關(guān)鍵信息技術(shù)政策建筑信息模型（BIM）為準(zhǔn)自然實(shí)驗(yàn)進(jìn)行實(shí)證研究，基于2008—2021年中國281個城市的面板數(shù)據(jù)，構(gòu)建雙重機(jī)器學(xué)習(xí)模型評估BIM政策頒布對城市綠色全要素生產(chǎn)率的影響。結(jié)果表明，BIM政策所表征的基礎(chǔ)設(shè)施數(shù)字化轉(zhuǎn)型對綠色全要素具有顯著促進(jìn)作用，其通過推動城市創(chuàng)新能力、數(shù)字化發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級，從而帶動城市綠色發(fā)展轉(zhuǎn)型。在非資源型城市和較發(fā)達(dá)城市，BIM政策對綠色全要素生產(chǎn)率的促進(jìn)作用更顯著。

關(guān)鍵詞：基礎(chǔ)設(shè)施數(shù)字化；建筑信息模型；綠色全要素生產(chǎn)率；雙重機(jī)器學(xué)習(xí)；BIM政策

中圖分類號：F124" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2095-2945（2025）04-0010-06

Abstract： An empirical study was conducted on whether to implement Building Information Modeling （BIM）， a key information technology policy in the process of infrastructure digitalization， as a quasi-natural experiment， and a double machine learning model is constructed to assess the impact of the enactment of BIM policy on the green total factor productivity based on the panel data of 281 cities in China from 2008 to 2021. The results show that the digital transformation of infrastructure characterized by the BIM policy has a significant contributing effect on green total factor productivity， which drives the transformation of urban green development by promoting innovation capacity， digital development and industrial structure upgrading. In non-resource-based cities and more developed cities， BIM policies have a more significant effect on promoting green total factor productivity.

Keywords： infrastructure digitalization; building information model; green total factor productivity; double machine learning; BIM policy

基礎(chǔ)設(shè)施建設(shè)的數(shù)字化轉(zhuǎn)型是我國新型基礎(chǔ)設(shè)施體系建設(shè)的重要組成部分，對于優(yōu)化投資結(jié)構(gòu)、推動產(chǎn)業(yè)結(jié)構(gòu)升級和促進(jìn)經(jīng)濟(jì)可持續(xù)發(fā)展具有重要現(xiàn)實(shí)意義。作為引領(lǐng)基礎(chǔ)設(shè)施建設(shè)部門數(shù)字化變革的關(guān)鍵技術(shù)和信息集成載體，建筑信息模型（Building Information Modeling， BIM）及其與物聯(lián)網(wǎng)、人工智能、地理信息系統(tǒng)等信息技術(shù)的集成應(yīng)用，在我國建筑業(yè)和交通運(yùn)輸業(yè)等部門得到國家政策層面的高度重視[1]。BIM是“以三維數(shù)字技術(shù)為基礎(chǔ)，集成工程建設(shè)全生命周期多方多維信息的模型，是對工程項(xiàng)目設(shè)施實(shí)體與功能特性的數(shù)字化表達(dá)”[2]。為推進(jìn)BIM技術(shù)在相關(guān)領(lǐng)域的深化應(yīng)用，中央和地方政府出臺一系列政策文件、標(biāo)準(zhǔn)規(guī)范和配套措施等，使得建筑、交通、橋梁、能源、通信和市政等傳統(tǒng)基礎(chǔ)設(shè)施領(lǐng)域等在融合BIM數(shù)字技術(shù)基礎(chǔ)上逐步向數(shù)字化和綠色化發(fā)展。

基于上述分析，一個自然的想法是，中國政府通過實(shí)施BIM技術(shù)相關(guān)政策，是否切實(shí)提高了城市的綠色發(fā)展水平？然而，已有研究幾乎尚未通過實(shí)證模型檢驗(yàn)以BIM為代表的數(shù)字基礎(chǔ)設(shè)施政策對城市綠色發(fā)展的影響，主要聚焦諸如“寬帶中國”戰(zhàn)略、“國家大數(shù)據(jù)綜合試驗(yàn)區(qū)”、“智慧城市”等數(shù)字化基礎(chǔ)設(shè)施試點(diǎn)政策的效應(yīng)[3-5]。現(xiàn)有關(guān)于BIM的研究主要集中于BIM技術(shù)在工程領(lǐng)域的實(shí)際應(yīng)用，探究其在提高工程建設(shè)效率和減少能源消耗等方面的效能[6-8]，而關(guān)于BIM政策的研究則主要通過文本挖掘和文獻(xiàn)計(jì)量方法，梳理我國BIM相關(guān)政策的發(fā)展歷程，刻畫各時期政策側(cè)重點(diǎn)以及不同地區(qū)BIM政策的效力差異等[9-10]。然而，BIM技術(shù)被視為新基建數(shù)字化的核心技術(shù)，現(xiàn)有研究卻缺乏通過實(shí)證模型揭示BIM技術(shù)實(shí)施對城市綠色發(fā)展的影響，這不利于政策部門從數(shù)據(jù)層面掌握BIM技術(shù)政策產(chǎn)生的切實(shí)效果。

綜上所述，本文以BIM這一典型數(shù)字基礎(chǔ)設(shè)施技術(shù)政策為切入點(diǎn)，實(shí)證檢驗(yàn)我國政府頒布該政策對城市綠色發(fā)展水平的影響。具體而言，以2008—2021年中國281個地級市為研究對象，以地方政府在該年份是否頒布BIM相關(guān)政策文件為核心解釋變量，構(gòu)建前沿的雙重機(jī)器學(xué)習(xí)研究BIM政策對城市綠色全要素生產(chǎn)率的影響。

1" 實(shí)證設(shè)計(jì)

1.1" 雙重機(jī)器學(xué)習(xí)模型

為實(shí)證檢驗(yàn)BIM政策實(shí)施對城市綠色發(fā)展的影響，本文采用Chernozhukov等[11]提出的雙重機(jī)器學(xué)習(xí)模型。該模型具有以下優(yōu)勢：①能夠克服控制變量過多導(dǎo)致的“維度詛咒”。本研究模型構(gòu)建中需加入大量控制變量，然而，傳統(tǒng)回歸模型在處理高維變量時可能存在多重共線性，導(dǎo)致估計(jì)結(jié)果不準(zhǔn)確。雙重機(jī)器學(xué)習(xí)模型則通過引入正則化算法和正交化估計(jì)，在眾多控制變量中自動篩選重要變量的同時保證估計(jì)系數(shù)的無偏性。②能夠刻畫變量間的非線性關(guān)系。由于我國經(jīng)濟(jì)發(fā)展經(jīng)歷不同階段，使得變量對城市綠色發(fā)展的影響可能存在非線性。傳統(tǒng)回歸模型通常將變量間關(guān)系設(shè)定為線性，可能導(dǎo)致模型設(shè)定偏誤。雙重機(jī)器學(xué)習(xí)模型則通過加入二次項(xiàng)和交叉項(xiàng)刻畫變量間的非線性關(guān)系。根據(jù)上述分析，本文首先設(shè)定部分線性模型，如方程（1）和（2）所示

，（1）

， （2）

式中：ＧＴＦＰit+1表示城市i第t+1年的綠色發(fā)展水平； BIMit為處置變量，表示城市i第t年是否實(shí)施BIM技術(shù)政策，若某城市第t年頒布該政策文件，則設(shè)從第t年開始BIMit都為1，此前設(shè)為0；？茁表示BIM技術(shù)政策實(shí)施對該城市綠色發(fā)展水平的影響，為本文重點(diǎn)分析的估計(jì)系數(shù)值；l（Xit）表示控制變量Xit對城市綠色發(fā)展水平影響的函數(shù)形式，考慮到高維控制變量對ＧＴＦPit+1可能存在非線性影響，本文同時納入控制變量的一次項(xiàng)和二次項(xiàng)。方程（2）實(shí)際上是為獲得無偏估計(jì)系數(shù)而構(gòu)建的輔助回歸模型，m（Xit）表示解釋變量ＢＩＭit對高維控制變量的回歸函數(shù)形式。Ｕit和Vit表示均值為0的誤差項(xiàng)。

雙重機(jī)器學(xué)習(xí)模型的具體估計(jì)過程為：首先采用機(jī)器學(xué)習(xí)算法（如Lasso、嶺回歸和隨機(jī)森林等）對方程（2）輔助回歸進(jìn)行估計(jì)，獲得殘差項(xiàng)" " " " " " " "；然后，同樣基于機(jī)器學(xué)習(xí)算法估計(jì)方程（1），其變換形式為" " " " " " " " " " " " ；最后，將" "作為BIMit的工具變量進(jìn)行回歸，從而獲得無偏的系數(shù)估計(jì)量" 。

1.2" 變量設(shè)定和數(shù)據(jù)來源

為衡量被解釋變量城市綠色發(fā)展水平，本文選取綠色全要素生產(chǎn)率指標(biāo)。綠色全要素生產(chǎn)率指標(biāo)構(gòu)建方法參考Wang等[12]，采用前沿的超效率SBM模型與全局Malmquist-Luenberger（GML）指數(shù)相結(jié)合的方法。預(yù)期產(chǎn)出為城市生產(chǎn)總值，非預(yù)期產(chǎn)出包括城市PM2.5、工業(yè)廢水排放量、工業(yè)二氧化硫排放量和工業(yè)二氧化碳排放量。PM2.5數(shù)據(jù)來自圣路易斯華盛頓大學(xué)大氣成分分析小組，其他數(shù)據(jù)來自中國城市統(tǒng)計(jì)年鑒。

本文的處置變量，即主要解釋變量為BIM政策虛擬變量，關(guān)于虛擬變量0和1值的設(shè)定方式參見1.1部分解釋，地方政府頒布的BIM政策來自北大法寶數(shù)據(jù)庫。

為控制其他影響綠色全要素生產(chǎn)率的因素，本文參考相關(guān)文獻(xiàn)[12-13]，選取10個變量構(gòu)建指標(biāo)，包括人均GDP、勞動就業(yè)率、人均道路面積、第二產(chǎn)業(yè)增加值占比、人口密度、科技費(fèi)用支出、地方政府預(yù)算支出占GDP比重、外商投資占GDP比重、金融機(jī)構(gòu)貸款余額占GDP比重與普通高中和高校學(xué)生占總?cè)丝诒戎?。?shù)據(jù)均來自《中國城市統(tǒng)計(jì)年鑒》。

此外，為揭示BIM政策影響綠色全要素生產(chǎn)率的中介渠道，從城市創(chuàng)新能力、數(shù)字化水平和產(chǎn)業(yè)結(jié)構(gòu)升級3方面構(gòu)建中介變量。其中，創(chuàng)新能力用城市創(chuàng)新指數(shù)、申請綠色專利數(shù)和獲得綠色專利數(shù)衡量，數(shù)字化水平用數(shù)字經(jīng)濟(jì)指數(shù)和數(shù)字普惠金融指數(shù)表示，產(chǎn)業(yè)結(jié)構(gòu)升級用產(chǎn)業(yè)結(jié)構(gòu)合理化和產(chǎn)業(yè)結(jié)構(gòu)高級化指標(biāo)衡量。城市創(chuàng)新指數(shù)來源及其構(gòu)建方法參見《中國城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017》[14]。數(shù)字經(jīng)濟(jì)指數(shù)參考趙濤等[15]的研究，從數(shù)字互聯(lián)網(wǎng)發(fā)展和數(shù)字普惠金融發(fā)展2方面指標(biāo)進(jìn)行構(gòu)建。產(chǎn)業(yè)結(jié)構(gòu)升級方面，產(chǎn)業(yè)結(jié)構(gòu)高級化用第三產(chǎn)業(yè)增加值與第二產(chǎn)業(yè)增加值的比值衡量，產(chǎn)業(yè)結(jié)構(gòu)合理化選用由3次產(chǎn)業(yè)間從業(yè)人員數(shù)和產(chǎn)值比例測度的泰爾指數(shù)[15]。

為兼顧數(shù)據(jù)可得性和完整性，本文共選取中國281個地級城市為研究對象，被解釋變量的數(shù)據(jù)區(qū)間限定為2009—2022年。同時，為解釋變量和控制變量與被解釋變量間的雙向因果關(guān)系問題，相應(yīng)變量取滯后一期，故對應(yīng)數(shù)據(jù)區(qū)間為2008—2021年。另外，對比值以外的部分控制變量取自然對數(shù)以統(tǒng)一量綱。

2" 實(shí)證結(jié)果和分析

2.1" 基準(zhǔn)回歸結(jié)果

表1匯報(bào)了不同模型形式下BIM政策對城市綠色全要素生產(chǎn)率的回歸結(jié)果，模型估計(jì)中本文設(shè)置樣本分割比例為1∶4，即進(jìn)行5折交叉驗(yàn)證，同時采用Lasso回歸算法對方程（1）和（2）進(jìn)行預(yù)測。表1中不同模型形式的區(qū)別在于是否加入二次項(xiàng)以考慮非線性影響，以及是否加入省份-時間交互效應(yīng)項(xiàng)以考慮中國治理制度下相同省份的不同城市政策環(huán)境和經(jīng)濟(jì)特征等方面的相似性?？梢园l(fā)現(xiàn)，不同模型形式下BIM政策實(shí)施對城市綠色全要素生產(chǎn)率的回歸系數(shù)均顯著為正，且在1%水平上顯著，說明BIM政策實(shí)施提升了城市綠色發(fā)展水平。

2.2" 穩(wěn)健性檢驗(yàn)

鑒于雙重機(jī)器學(xué)習(xí)模型的設(shè)定主觀性可能造成估計(jì)結(jié)果偏誤，本部分考慮以下4方面驗(yàn)證估計(jì)結(jié)果的穩(wěn)健性：①改變樣本分割比例，即將樣本分割比例改為1∶2和1∶6，驗(yàn)證基于3折和7折交叉驗(yàn)證法下的Lasso算法估計(jì)結(jié)果是否仍然穩(wěn)健；②替換機(jī)器學(xué)習(xí)算法，將基準(zhǔn)回歸中用作預(yù)測的Lasso算法替換為嶺回歸、梯度提升、神經(jīng)網(wǎng)絡(luò)和隨機(jī)森林算法；③更改主回歸中模型設(shè)定形式，將主回歸即方程（1）中的部分線性模型重新設(shè)定為更具一般性的交互模型，即GTFPit+1=l（ＢＩＭit，Ｘit）＋Ｕit，Ｅ（Uit|Ｘit，ＢＩＭit）＝０；④構(gòu)建部分線性工具變量模型，將方程（2）重新設(shè)定為Ｉnstrumentit=m（Ｘit）＋Ｖit，Ｅ（Vit|Ｘit）=0，其中，Ｉnstrumentit為ＢＩＭit的工具變量，參考張勛等[16]的研究，將城市與所在省會的球面距離作為工具變量具有合理性。

由此，穩(wěn)健性檢驗(yàn)結(jié)果匯總在表2中，可以發(fā)現(xiàn)不同情形下BIM政策對綠色全要素生產(chǎn)率的影響始終在1%水平下顯著為正，表明本研究估計(jì)結(jié)果具有穩(wěn)健性。此外，本文還通過構(gòu)建傳統(tǒng)雙重差分模型、替換被解釋變量的測度指標(biāo)、納入并行政策（包括智慧城市試點(diǎn)、“寬帶中國”戰(zhàn)略、國家大數(shù)據(jù)綜合試驗(yàn)區(qū)），進(jìn)一步證實(shí)了估計(jì)結(jié)果的穩(wěn)健性。

2.3" 中介效應(yīng)分析

BIM作為一項(xiàng)能夠廣泛應(yīng)用于基礎(chǔ)設(shè)施建設(shè)的數(shù)字化政策，其通過哪些渠道促進(jìn)城市綠色全要素生產(chǎn)率的提高，值得進(jìn)一步探究。既有研究表明，以“寬帶中國”為代表的網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)能夠提升城市創(chuàng)新水平和促進(jìn)數(shù)字普惠金融發(fā)展，進(jìn)而提升城市包容性綠色增長水平[3]。據(jù)此，本文認(rèn)為地方政府頒布BIM政策表明了其對該數(shù)字化技術(shù)所持的正面態(tài)度，而在交通、建筑等基礎(chǔ)設(shè)施建設(shè)中融入BIM技術(shù)，不僅能夠提升基礎(chǔ)設(shè)施智能化程度，而且能夠促進(jìn)信息技術(shù)進(jìn)步和科技成果的涌現(xiàn)[17-18]。因此，本文認(rèn)為BIM政策通過促進(jìn)城市創(chuàng)新能力和數(shù)字化程度的提高來正面影響綠色全要素生產(chǎn)率。此外，BIM技術(shù)可以從設(shè)計(jì)、建造、運(yùn)營和維護(hù)階段，全生命周期地跟蹤基礎(chǔ)設(shè)施的信息，預(yù)測建筑設(shè)施的能源消耗，提高建筑的能源效率，從而帶動產(chǎn)業(yè)結(jié)構(gòu)升級。因此，本文認(rèn)為BIM政策可以通過帶動產(chǎn)業(yè)結(jié)構(gòu)升級從而對城市綠色全要素生產(chǎn)率產(chǎn)生正向影響。綜上，本文重點(diǎn)考察創(chuàng)新能力、數(shù)字化程度和產(chǎn)業(yè)結(jié)構(gòu)升級的作用機(jī)制，各中介變量相應(yīng)指標(biāo)構(gòu)建參考1.2部分。

根據(jù)江艇[19]的研究，只需檢驗(yàn)處置變量對中介變量的影響是否顯著，中介效應(yīng)結(jié)果匯總在表3?？梢园l(fā)現(xiàn)，BIM對各中介變量的影響均在1%水平下顯著為正，表明BIM政策確實(shí)可以通過促進(jìn)創(chuàng)新能力、數(shù)字化發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級，從而提升城市的綠色發(fā)展水平。

2.4" 異質(zhì)性分析

2.4.1" 資源稟賦

由于我國各地區(qū)資源分布不均，而資源含量豐富的地區(qū)在長期資源開發(fā)中容易形成單一和初級化的產(chǎn)業(yè)結(jié)構(gòu)，且這種發(fā)展模式具有鎖定效應(yīng)和路徑依賴，從而擠占有限的勞動力和資本量，不利于產(chǎn)業(yè)轉(zhuǎn)型升級，即本文研究的基礎(chǔ)設(shè)施建設(shè)數(shù)字化轉(zhuǎn)型。因此，擬考察不同資源稟賦下BIM政策對城市綠色全要素生產(chǎn)率的異質(zhì)性影響。本文參考《全國資源型城市可持續(xù)發(fā)展規(guī)劃（2013—2020年）》，將研究樣本劃分為資源型和非資源型城市，分組回歸估計(jì)結(jié)果見表4的第（1）和（2）列所示。

可以發(fā)現(xiàn)，BIM政策對資源型城市綠色全要素增長率的影響不再顯著，而非資源型城市組內(nèi)BIM回歸系數(shù)仍在1%水平下顯著，為0.059，表明BIM政策提升了非資源型城市的綠色發(fā)展水平。產(chǎn)生這一結(jié)果的原因可能在于資源型城市的經(jīng)濟(jì)發(fā)展模式主要依賴資源開發(fā)和初加工，城市發(fā)展易陷入“資源詛咒”，這就導(dǎo)致BIM技術(shù)這一能夠賦能傳統(tǒng)基礎(chǔ)設(shè)施數(shù)字化轉(zhuǎn)型的政策效應(yīng)不明顯。相對而言，非資源型城市的產(chǎn)業(yè)結(jié)構(gòu)往往更多元化，并且數(shù)字產(chǎn)業(yè)發(fā)展更迅速，因此在政策推動下更易轉(zhuǎn)變產(chǎn)業(yè)發(fā)展模式，從而有利于產(chǎn)生綠色發(fā)展效應(yīng)。

2.4.2" 城市等級

考慮到中國各區(qū)域經(jīng)濟(jì)發(fā)展嚴(yán)重不平衡，特別是不同等級城市的產(chǎn)業(yè)數(shù)字化發(fā)展程度不同?；诖?，本文參照《2023年中國城市商業(yè)魅力排行榜》，將樣本劃分的一線和二線城市歸為經(jīng)濟(jì)發(fā)達(dá)城市組，將三線城市歸為較發(fā)達(dá)城市組，將四線和五線城市歸為欠發(fā)達(dá)城市組，估計(jì)結(jié)果見表4中第（3）—（5）列所示。

可以發(fā)現(xiàn)，BIM政策對發(fā)達(dá)城市和欠發(fā)達(dá)城市的綠色全要素生產(chǎn)率影響均不顯著，而較發(fā)達(dá)城市組的估計(jì)系數(shù)在1%水平下則顯著為正，為0.088，這一結(jié)果表明BIM政策對較發(fā)達(dá)城市綠色發(fā)展水平產(chǎn)生了顯著促進(jìn)作用。究其原因，首先，發(fā)達(dá)城市的經(jīng)濟(jì)發(fā)展已達(dá)到較高水平，同時在國家不斷鼓勵產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型政策激勵下，其容易獲得更多資源和政策傾斜，因此根據(jù)邊際效應(yīng)遞減規(guī)律，BIM政策對發(fā)達(dá)城市的綠色發(fā)展效應(yīng)并沒有那么明顯。其次，對于經(jīng)濟(jì)欠發(fā)達(dá)城市而言，BIM這種前沿?cái)?shù)字化技術(shù)在資金、技術(shù)和人力等層面難以實(shí)施，這就導(dǎo)致欠發(fā)達(dá)城市組的1 760個總樣本僅有161個樣本對應(yīng)頒布了BIM政策，且政策頒布年份主要集中在2017和2018年，從而導(dǎo)致BIM政策對欠發(fā)達(dá)城市的綠色發(fā)展效應(yīng)難以發(fā)揮出來。最后，對于較發(fā)達(dá)城市，其主要為西部省會城市（如蘭州、銀川和烏魯木齊等）和省份內(nèi)經(jīng)濟(jì)體量較高的城市，這類城市經(jīng)濟(jì)發(fā)展后勁大且產(chǎn)業(yè)體系現(xiàn)代化轉(zhuǎn)型需求更加迫切，因此在BIM技術(shù)政策激勵下，較發(fā)達(dá)城市組的基礎(chǔ)設(shè)施數(shù)字化水平能夠較大幅度提升，從而推動城市綠色發(fā)展水平的提高。

3" 結(jié)論與政策啟示

在傳統(tǒng)基礎(chǔ)設(shè)施建設(shè)領(lǐng)域推進(jìn)BIM技術(shù)不僅能夠促進(jìn)這些行業(yè)實(shí)現(xiàn)數(shù)字化發(fā)展，同時能夠促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的清潔化轉(zhuǎn)型。本文以2008—2021年中國281個地級市城市為研究對象，構(gòu)建雙重機(jī)器學(xué)習(xí)模型揭示了BIM政策實(shí)施對綠色全要素發(fā)展的影響效應(yīng)，得出如下重要結(jié)論：基準(zhǔn)回歸和穩(wěn)健性檢驗(yàn)表明BIM政策對提升城市綠色全要素生產(chǎn)率具有顯著影響；中介效應(yīng)分析表明，BIM可通過促進(jìn)創(chuàng)新能力、數(shù)字化發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)升級從而提升城市的綠色發(fā)展水平；異質(zhì)性分析表明，BIM政策對非資源型和較發(fā)達(dá)城市綠色發(fā)展水平的正向影響更顯著，而對資源型城市、發(fā)達(dá)城市和欠發(fā)達(dá)城市的綠色發(fā)展沒有產(chǎn)生顯著影響。

基于上述結(jié)論，本文的政策啟示在于：第一，進(jìn)一步推進(jìn)BIM技術(shù)在建筑、交通等基礎(chǔ)設(shè)施工程建設(shè)領(lǐng)域的應(yīng)用。鑒于BIM技術(shù)研發(fā)屬于知識密集型產(chǎn)業(yè)，針對BIM應(yīng)用的人才壁壘問題，高?？赏ㄟ^校企聯(lián)合等方式，培養(yǎng)具有過硬專業(yè)知識和行業(yè)針對性的技術(shù)人才。第二，強(qiáng)化BIM技術(shù)推動城市綠色發(fā)展的作用路徑，利用BIM技術(shù)提升傳統(tǒng)基建產(chǎn)業(yè)數(shù)字化創(chuàng)新能力，帶動傳統(tǒng)高耗能產(chǎn)業(yè)向數(shù)智化和綠色化發(fā)展。第三，由于BIM技術(shù)政策對不同資源稟賦和等級城市的綠色發(fā)展影響存在差異，可率先在非資源型城市和較發(fā)達(dá)城市基礎(chǔ)設(shè)施建設(shè)中實(shí)施BIM技術(shù)，推動此類城市綠色發(fā)展水平的提升。

參考文獻(xiàn)：

[1] 住房和城鄉(xiāng)建設(shè).2016—2020年建筑業(yè)信息化發(fā)展綱要[Z].2016-08-23.

[2] 張洋.基于BIM的建筑工程信息集成與管理研究[D].北京：清華大學(xué)，2009.

[3] 張濤，李均超.網(wǎng)絡(luò)基礎(chǔ)設(shè)施、包容性綠色增長與地區(qū)差距——基于雙重機(jī)器學(xué)習(xí)的因果推斷[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2023，40（4）：113-135.

[4] 莫靖新，吳玉鳴.新型智慧城市的綠色發(fā)展效應(yīng)研究——基于多時點(diǎn)DID的準(zhǔn)自然實(shí)驗(yàn)[J].生態(tài)經(jīng)濟(jì)，2024，40（3）：92-101.

[5] 李杰，劉清.數(shù)字經(jīng)濟(jì)如何賦能城市綠色全要素生產(chǎn)率——基于國家大數(shù)據(jù)綜合試驗(yàn)區(qū)建設(shè)的經(jīng)驗(yàn)證據(jù)[J].現(xiàn)代管理科學(xué)，2023（5）：133-142.

[6] SHADRAM F， JOHANSSON T D， LU W， et al. An integrated BIM-based framework for minimizing embodied energy during building design[J]. Energy and Buildings， 2016，128：592-604.

[7] 樂云，鄭弦，李永奎，等.基于SVN的BIM技術(shù)應(yīng)用價值流及驅(qū)動路徑研究[J].管理工程學(xué)報(bào)，2018，32（1）：71-78.

[8] 張銳，黃錕，王錦星，等.BIM技術(shù)在綠色建筑工程管理中的實(shí)踐應(yīng)用[J].建筑技術(shù)，2022，53（12）：1734-1737.

[9] 豐景春，李晟，羅豪，等.政策工具視角下我國BIM政策評價研究[J].軟科學(xué)，2020，34（3）：70-74，110.

[10] 徐希，劉嘉豪，姜鳳珍.我國BIM政策主題的時空演變研究[J].工程管理學(xué)報(bào)，2023，37（5）：18-23.

[11] CHERNOZHUKOV V， CHETVERIKOV D， DEMIRER M， et al. Double/debiased machine learning for treatment and structural parameters[J].The Econometrics Journal，2018，21（1）：C1-C68.

[12] WANG J D， GUO D S. Siphon and radiation effects of ICT agglomeration on green total factor productivity： Evidence from a spatial Durbin model[J].Energy Economics，2023，126：106953.

[13] LI C S， QI Y P， LIU S H， et al. Do carbon ETS pilots improve cities' green total factor productivity？ Evidence from a quasi-natural experiment in China[J]. Energy Economics， 2022，108：105931.

[14] 寇宗來，劉學(xué)悅.中國城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017[R].上海：復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心，2017.

[15] 趙濤，張智，梁上坤.數(shù)字經(jīng)濟(jì)、創(chuàng)業(yè)活躍度與高質(zhì)量發(fā)展——來自中國城市的經(jīng)驗(yàn)證據(jù)[J].管理世界，2020，36（10）：65-76.

[16] 張勛，楊桐，汪晨，等.數(shù)字金融發(fā)展與居民消費(fèi)增長：理論與中國實(shí)踐[J].管理世界，2020，36（11）：48-63.

[17] 田秀娟，李睿.數(shù)字技術(shù)賦能實(shí)體經(jīng)濟(jì)轉(zhuǎn)型發(fā)展——基于熊彼特內(nèi)生增長理論的分析框架[J].管理世界，2022，38（5）：56-74.

[18] 黃勃，李海彤，劉俊岐，等.數(shù)字技術(shù)創(chuàng)新與中國企業(yè)高質(zhì)量發(fā)展——來自企業(yè)數(shù)字專利的證據(jù)[J].經(jīng)濟(jì)研究，2023，58（3）：97-115.

[19] 江艇.因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)[J].中國工業(yè)經(jīng)濟(jì)，2022（5）：100-120.