數(shù)據(jù)要素對經(jīng)濟(jì)增長的影響

［摘要］在數(shù)字經(jīng)濟(jì)時代，數(shù)據(jù)要素作為數(shù)字化與智能化的基礎(chǔ)，是促進(jìn)經(jīng)濟(jì)增長的關(guān)鍵生產(chǎn)要素。數(shù)據(jù)要素通過輔助市場主體進(jìn)行科學(xué)決策對經(jīng)濟(jì)增長產(chǎn)生重要影響。為論證數(shù)據(jù)要素對經(jīng)濟(jì)增長產(chǎn)生的作用，文章將數(shù)據(jù)要素引入經(jīng)濟(jì)增長理論模型，并進(jìn)行數(shù)值模擬，從理論層面論證數(shù)據(jù)要素對經(jīng)濟(jì)增長產(chǎn)生的影響。同時，利用2013—2020年的中國284個地級市為面板數(shù)據(jù)，對數(shù)據(jù)要素對經(jīng)濟(jì)增長的影響及科學(xué)決策機(jī)制進(jìn)行驗證。結(jié)果表明隨著數(shù)據(jù)要素投量的增加，公司利潤、社會總利潤隨之增加，并收斂于某一上限，數(shù)據(jù)共享可以有效促進(jìn)經(jīng)濟(jì)增長。數(shù)據(jù)要素發(fā)展水平顯著提升了經(jīng)濟(jì)增長，但存在區(qū)域異質(zhì)性，科學(xué)決策對經(jīng)濟(jì)增長起到中介作用。

［關(guān)鍵詞］數(shù)據(jù)要素；決策；經(jīng)濟(jì)增長

［中圖分類號］F49；F1241［文獻(xiàn)標(biāo)識碼］A［文章編號］1673-0461（2024）09-0009-11

一、研究背景

數(shù)字經(jīng)濟(jì)時代是數(shù)字化與智能化的時代，隨著互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等現(xiàn)代化信息技術(shù)的不斷發(fā)展，數(shù)據(jù)不斷聯(lián)通、積聚，成為繼土地、資本、勞動、技術(shù)之后的又一關(guān)鍵的生產(chǎn)要素［1-2］，在經(jīng)濟(jì)運行中起到提高經(jīng)濟(jì)效率、改善資源配置、實現(xiàn)價值增值等重要作用。2022年1月12日國務(wù)院發(fā)布的《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》中明確提出，數(shù)據(jù)要素是數(shù)字經(jīng)濟(jì)深化發(fā)展的核心引擎。數(shù)據(jù)對于提高生產(chǎn)效率具有顯著的乘數(shù)作用，是具有時代特征的生產(chǎn)要素。2022年12月9日公布的《中共中央國務(wù)院關(guān)于構(gòu)建數(shù)據(jù)基礎(chǔ)制度更好發(fā)揮數(shù)據(jù)要素作用的意見》中強(qiáng)調(diào)，數(shù)據(jù)是數(shù)字化、網(wǎng)絡(luò)化、智能化的微觀基礎(chǔ)，已滲透到生產(chǎn)、分配、流通、消費和社會服務(wù)管理等各環(huán)節(jié)，改變著我們的生產(chǎn)、生活方式和社會治理方式。

數(shù)據(jù)成為新時期推動社會經(jīng)濟(jì)發(fā)展的新動力。大數(shù)據(jù)發(fā)展為數(shù)據(jù)生產(chǎn)要素，最本質(zhì)的原因是在于數(shù)據(jù)在生產(chǎn)過程中發(fā)揮重要作用，在價值創(chuàng)造中擔(dān)當(dāng)重要角色［3-4］。JONES和TONETTI［5］認(rèn)為數(shù)據(jù)可以看成是信息的重要組成部分，是排除了創(chuàng)意和知識內(nèi)容的其他部分。王勝利和樊悅［6］則認(rèn)為數(shù)據(jù)要素的價值伴隨商品生產(chǎn)過程被轉(zhuǎn)移到新產(chǎn)品中，“抽象勞動在創(chuàng)造價值的同時，具體勞動和數(shù)據(jù)等其他生產(chǎn)要素共同生產(chǎn)使用價值，同時轉(zhuǎn)移數(shù)據(jù)等生產(chǎn)要素的價值”。田杰棠和劉露瑤［7］則提出，數(shù)據(jù)并不能直接參與生產(chǎn)，必須要轉(zhuǎn)化成有生產(chǎn)價值的信息。數(shù)據(jù)要素具有虛擬性［8-10］、非競爭性［11-12］、非排他性［13-15］、增值性、外部性［16］等基本特征［17］。

數(shù)據(jù)要素通過輔助決策影響經(jīng)濟(jì)增長。在大數(shù)據(jù)技術(shù)應(yīng)用范圍不斷擴(kuò)展的背景下，市場主體傾向于更加理性的預(yù)期經(jīng)濟(jì)現(xiàn)象。企業(yè)管理者決策的制定也發(fā)生了改變，以往主要以經(jīng)驗為依據(jù)來做出決策，現(xiàn)階段更加地依賴數(shù)據(jù)分析做出決策，這一決策制定模式成為數(shù)據(jù)驅(qū)動決策模式。ERIK等［18］分析了數(shù)據(jù)驅(qū)動決策模型的實際應(yīng)用情況，分析了這一模型作出的貢獻(xiàn)，具體地構(gòu)建了相應(yīng)的分析框架。PROVOST和FAWCETT［19］具體探討了數(shù)據(jù)科學(xué)以及數(shù)據(jù)驅(qū)動決策模型之間的區(qū)別，指出企業(yè)經(jīng)驗管理過程中，需要重視數(shù)據(jù)科學(xué)。MCAFEE等［20］認(rèn)為，傳統(tǒng)的企業(yè)決策制定，主要依賴于管理者的經(jīng)驗，而數(shù)據(jù)驅(qū)動決策模型的運用則具備更加明顯的優(yōu)勢，同時這一模型的運用，能夠制定出更加科學(xué)的決策。企業(yè)對數(shù)據(jù)驅(qū)動決策重要性的認(rèn)識是循序漸進(jìn)的，JANSSEN等［21］認(rèn)為，數(shù)據(jù)驅(qū)動決策模型能夠發(fā)揮怎樣的作用受到很多因素的影響，大數(shù)據(jù)的規(guī)模巨大，大數(shù)據(jù)技術(shù)的廣泛應(yīng)用使得企業(yè)能夠更快地發(fā)現(xiàn)各種不良行為，避免出現(xiàn)錯誤決策。而要想發(fā)揮好數(shù)據(jù)驅(qū)動決策模型的作用，需要處理好各種管理挑戰(zhàn)［20］，具體來說，需要對企業(yè)的管理體制進(jìn)行改善，企業(yè)管理中的各種因素都需要為了數(shù)據(jù)驅(qū)動決策模型的應(yīng)用而調(diào)整。

在實踐中，數(shù)據(jù)輔助在政府決策制定過程中發(fā)揮了越來越重要的作用。在大數(shù)據(jù)技術(shù)支撐下，政府相關(guān)決策制定和實施模式發(fā)生了轉(zhuǎn)變，不再是傳統(tǒng)的分階段連續(xù)執(zhí)行模式，而是在每一個階段對政策決策效果進(jìn)行評估，然后實時地提出替代性方案。學(xué)者HCHTL等［22］構(gòu)建了政府政策制定周期模型。通過這一模型論證了數(shù)據(jù)要素在政府決策制定中發(fā)揮的作用。另外，由于運用大數(shù)據(jù)技術(shù)能夠快速地搜集到大量的信息，在每一個政府決策制定過程中群眾的參與程度都很高，這樣就能夠充分地采納群眾的意見。通過數(shù)據(jù)技術(shù)的運用，能夠為決策的制定提供很好的指導(dǎo)，政府部門能夠更好地分配社會支出，更好地為群眾提供服務(wù)［23］。

數(shù)據(jù)要素對生產(chǎn)過程發(fā)揮作用主要是以提高企業(yè)預(yù)測精度與決策科學(xué)度為媒介的。企業(yè)借助協(xié)同網(wǎng)絡(luò)、智能分析技術(shù)與海量數(shù)據(jù)，可以建立有效的信息系統(tǒng)，掌握企業(yè)外部信息渠道和企業(yè)內(nèi)部信息流，及時準(zhǔn)確地獲取、收集、加工、傳遞決策過程所需要的各種信息，這是企業(yè)進(jìn)行最優(yōu)決策的基礎(chǔ)。

數(shù)據(jù)要素通過輔助市場主體進(jìn)行科學(xué)決策對經(jīng)濟(jì)增長產(chǎn)生重要影響，為論證數(shù)據(jù)要素對經(jīng)濟(jì)增長產(chǎn)生的作用，本文以柯布-道格拉斯為基礎(chǔ)，構(gòu)建了一個數(shù)據(jù)要素參與的經(jīng)濟(jì)增長模型，發(fā)現(xiàn)數(shù)據(jù)要素參與生產(chǎn)過程，并通過影響企業(yè)技術(shù)決策影響經(jīng)濟(jì)增長，社會總利潤會隨數(shù)據(jù)要素投入量的增加迅速上升，到達(dá)拐點后增長趨勢放緩，最終趨于某個確定的上界。

本文的創(chuàng)新與貢獻(xiàn)有以下兩個方面：第一，將數(shù)據(jù)要素納入傳統(tǒng)的經(jīng)濟(jì)增長分析框架，在傳統(tǒng)生產(chǎn)要素研究基礎(chǔ)之上，探索數(shù)據(jù)新要素影響經(jīng)濟(jì)增長的特殊機(jī)制——輔助決策機(jī)制；第二，在數(shù)據(jù)要素統(tǒng)計數(shù)據(jù)受限的情況下，進(jìn)行數(shù)據(jù)要素發(fā)展水平評價，嘗試進(jìn)行數(shù)據(jù)要素影響經(jīng)濟(jì)增長的計量分析。

二、理論模型與模擬

（一）基本假設(shè)

數(shù)據(jù)作為經(jīng)濟(jì)增長模型的要素之一，應(yīng)符合以下三個假設(shè)：

第一，數(shù)據(jù)是經(jīng)濟(jì)活動的副產(chǎn)品，建模中需要考慮數(shù)據(jù)的反饋循環(huán)過程，更多的數(shù)據(jù)能夠使公司的生產(chǎn)力提高，從而帶來更多的生產(chǎn)和更多的交易，并進(jìn)一步促進(jìn)更多數(shù)據(jù)的產(chǎn)生。

第二，邊際產(chǎn)出遞減。本研究所考慮的數(shù)據(jù)是公司技術(shù)和生產(chǎn)決策中減少不確定性的一種手段，顯然即使公司利用充分多的數(shù)據(jù)作出了完美的決策，產(chǎn)出也不可能是無限大的。因而最終公司擁有的數(shù)據(jù)越多，它從額外數(shù)據(jù)中獲得的收益就越少，最終收斂至0，亦即滿足稻田條件。

第三，規(guī)模報酬遞增。與傳統(tǒng)的生產(chǎn)要素不同，數(shù)據(jù)具有高度的可復(fù)制性、可共享性，數(shù)據(jù)規(guī)模的擴(kuò)大對于產(chǎn)出的增加是有利的。已有的研究也都認(rèn)為，數(shù)據(jù)要素的引入使得生產(chǎn)活動呈現(xiàn)出規(guī)模報酬遞增的特征。

（二）理論模型基本框架

本研究以柯布-道格拉斯生產(chǎn)函數(shù)為基礎(chǔ)，考慮引入數(shù)據(jù)要素的生產(chǎn)過程，對原始模型進(jìn)行改造。將時間拆分為離散的1，2，3，…，t，…期，并假設(shè)市場上存在i個相互競爭的公司，則每個公司在第t期的產(chǎn)出可表示為：

yit=AitKitαL1itβL2itγ（1）

式中，Ait為該公司產(chǎn)品的質(zhì)量，KitαL1itβL2itγ為該公司t期的商品產(chǎn)量，Kit為公司投入的資本，Lit代表公司投入的勞動，L1it為投入到數(shù)據(jù)的收集、管理、使用、分析等活動的勞動，L2it為除數(shù)據(jù)相關(guān)內(nèi)容之外的其它勞動。規(guī)模報酬遞增假設(shè)為：

α+β+γ>1（2）

（三）數(shù)據(jù)要素與技術(shù)決策

每一期生產(chǎn)過程中，公司都需要對生產(chǎn)技術(shù)做出選擇，記作ait，這一選擇能夠直接影響其產(chǎn)品的質(zhì)量Ait。其最佳的生產(chǎn)技術(shù)假設(shè)為θt+εait，其中θt為長期趨勢項，僅與時間有關(guān)，隨著時間推移緩慢變化；εait為瞬時波動項，與具體的時期和公司有關(guān)。假設(shè)長期趨勢項θt隨時間的變化符合一階自回歸模型，即：

θt=θ-+ρθt-1-θ-+ηt（3）

式中，θ-和ρ為以遞歸形式表達(dá)的一階自回歸模型的參數(shù)，θ-反映θt的整體影響，ρ反映θt-1對θt的影響程度；

隨機(jī)干擾項ηt遵從均值為μ、標(biāo)準(zhǔn)差為δθ2的正態(tài)分布。瞬時波動項εait遵從均值為0、標(biāo)準(zhǔn)差為δa2的正態(tài)分布，在不同時期、不同公司之間為獨立同分布，并且無法觀測獲得。

依據(jù)前文的假設(shè)，當(dāng)公司所選擇的生產(chǎn)技術(shù)達(dá)到最優(yōu)時，產(chǎn)品的質(zhì)量達(dá)到最大；選擇的生產(chǎn)技術(shù)與最優(yōu)技術(shù)相差越遠(yuǎn)，其產(chǎn)品質(zhì)量就越差。因此可以用如下的公式來表征這一假設(shè)：

Ait=A--［ait-（θt+εait）］2（4）

式中，A-代表當(dāng)選擇的生產(chǎn)技術(shù)完全達(dá)到最優(yōu)時產(chǎn)品的質(zhì)量；所選擇技術(shù)ait與最優(yōu)技術(shù)（θt+εait）之間的距離的平方代表由于所選技術(shù)不夠優(yōu)化所帶來的質(zhì)量損耗。

數(shù)據(jù)的作用在于能夠幫助公司選出更優(yōu)的生產(chǎn)技術(shù)。舉例而言，公司通過分析歷史市場交易的數(shù)據(jù)，更好地把握消費者的偏好，從而調(diào)整自己不同種類商品的產(chǎn)量，進(jìn)而獲得更高的效益。當(dāng)然，數(shù)據(jù)雖然能夠揭示出消費者的偏好，但偏好本身隨著時間會不斷發(fā)生變化，公司必須不斷積累更多數(shù)據(jù)，以不斷逼近最新、最真實的結(jié)果。顯然，在該假設(shè)下，數(shù)據(jù)能夠提供關(guān)于長期趨勢項θt的信息，而瞬時波動項εait則為公司基于數(shù)據(jù)推測θt的過程帶來阻礙。

由于數(shù)據(jù)來自以往的每一次交易活動，因此可以認(rèn)為，第i個公司在第t期生產(chǎn)后能夠獲得的數(shù)據(jù)量為：

nit=ziKitαL1itβL2itγ（5）

式中，系數(shù)zi表征了該公司從生產(chǎn)活動中挖掘數(shù)據(jù)的能力，專業(yè)的大數(shù)據(jù)挖掘公司在該項上顯著優(yōu)于普通公司。對于總數(shù)為nit的數(shù)據(jù)量，每一條數(shù)據(jù)都對下一期的最優(yōu)技術(shù)選擇具有一定的表征能力：

sitm=θt+1+εitm（6）

式中，sitm為第m條數(shù)據(jù)所揭示的t+1期最優(yōu)技術(shù)選擇。為方便后續(xù)模型簡化處理，認(rèn)為噪音項εitm也符合正態(tài)分布，均值為0、標(biāo)準(zhǔn)差為δ2。

數(shù)據(jù)作為一種新型的生產(chǎn)要素，具有很強(qiáng)的流動性和可交易性。因此，對于第i個公司而言，其第t期可利用的數(shù)據(jù)量并不等于自身歷史累積的數(shù)據(jù)量。它還可以通過數(shù)據(jù)交易從其它公司獲得更多的數(shù)據(jù)。用δit代表第i個公司在第t期內(nèi)交易的數(shù)據(jù)量。如果δit＞0，表示該公司購入了更多的數(shù)據(jù)，如果δit＜0，表示該公司將自身產(chǎn)生的一部分?jǐn)?shù)據(jù)賣出。顯然公司不可能售出超過自身數(shù)據(jù)生產(chǎn)量的數(shù)據(jù)，即δit≥-nit。每一條數(shù)據(jù)的價格假設(shè)只與時間相關(guān)，記作πt。

雖然數(shù)據(jù)具有可復(fù)制性，公司可以一方面使用數(shù)據(jù)，另一方面也將這些數(shù)據(jù)出售給其它公司，但這一活動必定是有成本的，否則全社會所有公司都會選擇共享全部的數(shù)據(jù)。不妨用數(shù)據(jù)交易過程中的損耗代表這一成本，當(dāng)一家公司向另一家公司出售δit單位的數(shù)據(jù)后，其數(shù)據(jù)儲量由nit變?yōu)閚it-ιδit，ι為損耗比例系數(shù)。在實際生產(chǎn)活動中，這種數(shù)據(jù)可以解釋為公司由于共享自身數(shù)據(jù)而受到削弱的相對信息優(yōu)勢。相應(yīng)地，當(dāng)一家公司購入δit單位的數(shù)據(jù)后，其數(shù)據(jù)儲量由nit變?yōu)閍it+δit。

接下來分析公司利用其擁有的數(shù)據(jù)進(jìn)行生產(chǎn)技術(shù)決策的過程。對于第i家公司而言，其選擇第t期的生產(chǎn)技術(shù)ait時所擁有的全部信息來源包括自身從τ=0期到τ=t-1期的產(chǎn)品質(zhì)量Ait，以及從τ=0期到τ=t-1期所積累的每一條數(shù)據(jù)所揭示的最優(yōu)技術(shù)選擇sitm。這些信息以集合來表示為Γit=［｛Ait｝;{sitm}］。公司基于對Γit的分析，能夠得到對于θt的最佳估計E（Γit）。當(dāng)然這一最佳估計與理想狀態(tài)下的最優(yōu)生產(chǎn)技術(shù)θt之間還會存在一定差異，二者之差的平方記為對最優(yōu)生產(chǎn)技術(shù)預(yù)測的方差，再取倒數(shù)即為預(yù)測的精度：

Ωit=［E（Γit）-θt］-2（7）

通過以上的分析可以說明，公司對于最優(yōu)生產(chǎn)技術(shù)的預(yù)測精度與其數(shù)據(jù)儲備成正比。數(shù)據(jù)儲量越大，其對于未來最優(yōu)生產(chǎn)技術(shù)的預(yù)測也越準(zhǔn)確，進(jìn)而產(chǎn)品質(zhì)量越高。因此在后續(xù)分析中，Ωit可以理解為預(yù)測的精度，它代表了公司由數(shù)據(jù)分析所得到的知識量。

當(dāng)然，對于數(shù)據(jù)的存儲和分析也是需要成本的，既包括新的計算機(jī)設(shè)備、數(shù)據(jù)分析領(lǐng)域的專業(yè)員工，也包括團(tuán)隊管理方法的改進(jìn)。如果數(shù)據(jù)在可交易的情況下還沒有調(diào)整成本，那么所有公司都會立刻買入最佳數(shù)量的數(shù)據(jù)，這顯然是不現(xiàn)實的。不妨假設(shè)第i家公司的知識量由Ωit增加到Ωi，t+1后，其用于數(shù)據(jù)存儲分析的成本增加量為：

Φit=φΩi，t+1-ΩitΩit（8）

（四）公司利潤與社會總利潤

綜合以上分析可以得到，第i個公司在t期的總利潤為：

Rit=PtAitKitαL1itβL2itγ-Φit-πtδit-rKit

-p1L1it-p2L2it（9）

式中，Pt為單位質(zhì)量的產(chǎn)品賣出的價格。式子右邊第一項代表公司產(chǎn)品出售所獲得的利潤，第二項代表用于數(shù)據(jù)存儲分析的成本支出，第三項代表交易數(shù)據(jù)的成本支出，第四、五、六項分別代表用于投資、數(shù)據(jù)分析人員、非數(shù)據(jù)分析人員的成本，r、p1、p2為相應(yīng)的價格系數(shù)。

對于第i個公司而言，其目標(biāo)為基于第0到第t-1期的數(shù)據(jù)信息Γit估計最優(yōu)技術(shù)θt，進(jìn)而決定其在第t期的技術(shù)選擇ait、數(shù)據(jù)交易量δit、資本投入量Kit、數(shù)據(jù)分析人力L1it、非數(shù)據(jù)分析人力L2it，使得公司的長期總利潤最大化：

RMAX=max∑∞t=011+rt（PtAitKitαL1itβL2itγ

-Φit-πtδit-rKit-p1L1it-p2L2it）（10）

可見公司的長期總利潤目標(biāo)RMAX取決于其對每一期的技術(shù)選擇ait、數(shù)據(jù)交易量δit等的決策。由于本研究重點關(guān)注數(shù)據(jù)要素與經(jīng)濟(jì)增長之間的關(guān)系，因此還需要將式（10）轉(zhuǎn)換為知識量（即Ωit）的函數(shù)。

在前文關(guān)于式（7）的分析已經(jīng)說明，第i個公司在t期對于生產(chǎn)技術(shù)的最佳估計為E（Γit）。將其代入式（4）可以得出，第i個公司第t期產(chǎn)品的質(zhì)量的期望為：

E（Ait）=A--E{［E（Γit）-θt-εait］2}（11）

式中，E{［E（Γit）-θt-εait］2}反映了預(yù)報誤差平方的期望，也等于（θt+εait）的條件方差。由式（7）和εait的分布假設(shè)可知，這一期望值等于Ωit-1+δa2。因此，式（11）可以轉(zhuǎn)換為：

E（Ait）=A--Ωit-1-δa2（12）

結(jié)合式（3）、式（8）及前文關(guān)于數(shù)據(jù)交易過程中損耗的假設(shè)，可以得到公司第t+1期間的知識量Ωi，t+1與第t期知識量Ωit的關(guān)系：

Ωi，t+1=［ρ2（Ωit+δa-2）-1+δθ2］-1+［nit

+δit（1δit>0+ι1δit<0）］δε-2（13）

式中，1δit>0項和1δit<0項的含義為：當(dāng)下標(biāo)條件滿足時，該項存在且取值為1；否則該項不存在，即取值為0。

接下來考慮數(shù)據(jù)要素對勞動產(chǎn)出效率和勞動投入成本的影響。已有的研究均表明，數(shù)據(jù)要素進(jìn)入經(jīng)濟(jì)活動使得公司對于數(shù)據(jù)分析人才的需求顯著提高，專業(yè)人力資源的投入既會帶來更高的勞動生產(chǎn)效率，同時也會提升公司的人力資源成本。

依據(jù)式（1），第i個公司第t期的商品產(chǎn)量為KitαL1itβL2itγ。其中L1it為公司為數(shù)據(jù)的收集、管理、分析所投入的勞動力。當(dāng)數(shù)據(jù)量Ωit為0時，L1it顯然也為0。隨著數(shù)據(jù)量Ωit的不斷增加，相應(yīng)的勞動投入L1it也應(yīng)隨之增加。然而當(dāng)數(shù)據(jù)量Ωit趨于無窮大時，勞動投入L1it不可能為無窮大，由于數(shù)據(jù)分析處理本身的規(guī)模效應(yīng)，所需要的邊際勞動投入逐漸縮小，最終的勞動投入L1it也趨于一定上限，記為L1i，max。因此，可以用如下的函數(shù)形式描述公司所需的勞動投入L1it與當(dāng)前數(shù)據(jù)量Ωit的關(guān)系：

L1it（Ωit）=Ωit1+ΩitL1i，max（14）

同時，基于前文假設(shè)，數(shù)據(jù)在生產(chǎn)活動中重要性的增加能夠提升復(fù)雜勞動L1it的生產(chǎn)效率，并使得簡單勞動L2it的產(chǎn)出彈性降低；即隨著積累的數(shù)據(jù)量不斷增大，β隨之增大，γ隨之減小。設(shè)初始數(shù)據(jù)量為0時，β=β0，γ=γ0；當(dāng)數(shù)據(jù)量趨于無窮大時，β=β1，γ=γ1。構(gòu)造β、γ與Ωit的依賴方程β（Ωit）和γ（Ωit），使得β（Ωit=0）=β0，β（Ωit=∞）=β1；γ（Ωit=0）=γ0，γ（Ωit=∞）=γ1：

β（Ωit）=（β1-β0）Ωit1+Ωit+β0（15）

γ（Ωit）=（γ1-γ0）Ωit1+Ωit+γ0（16）

將式（8）、（12）、（14）、（15）、（16）代入式（9），得到第i個公司在t期的總利潤：

Rit（Ωit）=Pt×A--Ωit-1-δa2×Kitα

×Ωit1+ΩitL1max（β1-β0）Ωit1+Ωit+β0×L2it（γ1-γ0）Ωit1+Ωit+γ0-φ

×Ωi，t+1-ΩitΩit-πtδit-rKit-p1Ωit1+ΩitL1i，max

-p2L2it（17）

由此構(gòu)建了總利潤Rit與來自數(shù)據(jù)的知識儲備Ωit之間的關(guān)系模型。同時，結(jié)合式（13）給出的Ωi，t+1與Ωit之間的關(guān)系，能夠?qū)崿F(xiàn)該模型隨時間的遞歸推演。

以上是對于第i個公司的利潤分析，對于N個公司所組成的社會總體而言，社會總利潤也將同步發(fā)生變化。顯然，對于t期的社會總體的資本量KTt、最大數(shù)據(jù)分析勞動力L1Tt，max、總的其它勞動力L2Tt、總數(shù)據(jù)量ΩTt，有：

KTt=∑Ni=1Kit（18）

L1Tt，max=∑Ni=1L1it，max（19）

L2Tt=∑Ni=1L2it（20）

ΩTt=∑Ni=1Ωit（21）

在社會總體層面，不妨假設(shè)社會上全部N個公司的資本量Ki符合帕累托分布（Paretodistribution），即：

P（Ki>x）=xxmin-m（22）

則由式（17）可得，t期的社會總利潤RTt為：

RTt（ΩTt）=∑Ni=1Pt×A--Ωit-1-δa2×Kitα

×Ωit1+ΩitL1max（β1-β0）Ωit1+Ωit+β0×L2it（γ1-γ0）Ωit1+Ωit+γ0-φ

×ΩTt+1-ΩTtΩTt-∑Ni=1πtδit-rKTt-p1ΩTt1+ΩTtL1Tt，max

-p2L2Tit（23）

（五）數(shù)據(jù)要素促進(jìn)經(jīng)濟(jì)增長數(shù)值模擬

1數(shù)據(jù)儲備對公司利潤的效用

在理論建模中，式（17）得到了公司在t期的總利潤Rit與來自數(shù)據(jù)的知識儲備Ωit（同時是代表預(yù)測精度的指標(biāo)）之間的關(guān)系模型，下面基于該模型對二者的關(guān)系進(jìn)行數(shù)值模擬分析。當(dāng)固定除了Ωit之外的所有參量，僅考察Rit（Ωit）時，結(jié)果如圖1。

參數(shù)設(shè)置：P=1，A-=2，δa=005，K=1，α=05，L1i，max=10，β0=05，β1=08，γ0=05，γ1=02，L2=50，φ=5，πtδit=04，r=01，p1=01，p2=001。

圖1公司利潤與數(shù)據(jù)儲備（預(yù)測精度）之間的關(guān)系

由圖1可見，隨著數(shù)據(jù)儲備Ωit的增加，公司的總利潤Rit也隨之增加，數(shù)據(jù)要素的邊際產(chǎn)出恒大于0。但是隨著Ωit的不斷增大，Rit（Ωit）曲線的斜率逐漸減小，說明數(shù)據(jù)要素的邊際回報效率遞減。當(dāng)Ωit逐漸趨于無窮大時，曲線斜率趨于0，Rit也收斂于某個確定的上界。因此，數(shù)據(jù)雖然對經(jīng)濟(jì)增長具有促進(jìn)作用，但其效用并不是無限大的，即使在充分利用所有數(shù)據(jù)的前提下做出最優(yōu)的技術(shù)選擇，總的商品產(chǎn)出和收益也是固定的最大值，而不能無限增長。

2總數(shù)據(jù)量對社會總利潤的效用

由式（23）可以得到社會總利潤RTt與社會總數(shù)據(jù)量ΩTt之間的數(shù)值模擬關(guān)系，如圖2。

由圖2可見，社會總利潤隨著總數(shù)據(jù)量的增加迅速上升，到達(dá)拐點后增長趨勢顯著放緩，最終趨于某個上界。說明數(shù)據(jù)要素作為重要生產(chǎn)要素進(jìn)入經(jīng)濟(jì)活動中后，能夠極大地促進(jìn)經(jīng)濟(jì)水平的增長。但這一促進(jìn)作用并不是無限的，當(dāng)數(shù)據(jù)量積累到一定體量后，其對于經(jīng)濟(jì)總量的促進(jìn)作用變得較不明顯。同時，數(shù)據(jù)要素對于經(jīng)濟(jì)總量的促進(jìn)是有上界的，僅靠數(shù)據(jù)量的積累不可能無限制地提升社會總利潤。

參數(shù)設(shè)置：N=100，KT=10，P=1，A-=2，δa=005，α=05，L1Tmax=100，β0=05，β1=08，γ0=05，γ1=02，L2T=500，φ=5，πtδit=04，r=01，p1=01，p2=001。

圖2社會總利潤與總數(shù)據(jù)量之間的關(guān)系

3數(shù)據(jù)要素聯(lián)通共享對經(jīng)濟(jì)增長的影響模擬

生產(chǎn)資料成為生產(chǎn)要素的前提是該資源可以實現(xiàn)大規(guī)模的應(yīng)用，且?guī)順O大的經(jīng)濟(jì)價值。數(shù)據(jù)自古以來就是存在的，它之所以成為生產(chǎn)要素，一個關(guān)鍵的原因在于數(shù)字條件下數(shù)據(jù)急劇增長以及多源數(shù)據(jù)的聯(lián)通共享，為數(shù)據(jù)成為關(guān)鍵生產(chǎn)要素創(chuàng)造了條件。在理論模型中，每個公司在進(jìn)行生產(chǎn)技術(shù)選擇時，判斷的基礎(chǔ)為其掌握的數(shù)據(jù)。這些數(shù)據(jù)既包括公司本身在歷史經(jīng)濟(jì)活動中積累的，也包括公司與其它公司進(jìn)行數(shù)據(jù)交易活動所獲得的。在本文中，將數(shù)據(jù)交易量看作數(shù)據(jù)要素互聯(lián)共享的替代量，分析數(shù)據(jù)交易活動對于公司利潤的影響，即分析數(shù)據(jù)要素聯(lián)通共享對于經(jīng)濟(jì)增長的影響。

首先分析數(shù)據(jù)交易活動對于公司在不同時期所獲取的信息量Ωit的影響。式（13）給出了公司t+1期的信息量Ωi，t+1和t期信息量Ωit之間的遞歸關(guān)系。該式中的nit即為公司i在t期生產(chǎn)活動中所獲取的數(shù)據(jù)量，如式（5）所示。δit即為t期與其它公司交易的數(shù)據(jù)量，ι為公司賣出數(shù)據(jù)后的損耗系數(shù)（0<ι<1）。由于一家公司對數(shù)據(jù)的買入必然對應(yīng)著另一家公司對數(shù)據(jù)的賣出，而賣出的損耗系數(shù)ι<1，因此只要存在數(shù)據(jù)交易活動，必然有E［δit（1δit>0+ι1δit<0）］>0。這也意味著，公司之間的數(shù)據(jù)交易活動會使兩家公司可以利用的總數(shù)據(jù)量增大。這也是數(shù)據(jù)作為新型的生產(chǎn)要素，與資本和勞動等傳統(tǒng)要素所不同的地方。

而當(dāng)公司之間不進(jìn)行任何數(shù)據(jù)交易時，δit=0。通過對式（13）的數(shù)值模擬，可以比較公司i的信息量Ωit隨時間的變化情況，如圖3所示。可見，如果公司之間不存在數(shù)據(jù)交易活動，那么相同時間下，公司i積累的信息量更少，而且其長期平衡態(tài)下的信息保有量也會更少。這說明，公司之間的數(shù)據(jù)交易活動，使每個公司在進(jìn)行生產(chǎn)技術(shù)決策時擁有的信息更加豐富，其產(chǎn)品質(zhì)量必然也更好。

參數(shù)設(shè)置：ρ=1，δa=1，δθ=001，z=1，K=1，α=05，L1i，max=10，β0=05，β1=08，γ0=05，γ1=02，L2=50，δε=1，有數(shù)據(jù)交易情況下E［δit（1δit>0+ι1δit<0）］=100，無數(shù)據(jù)交易情況下δit=0。

圖3有/無數(shù)據(jù)交易情況下，公司i積累的信息量隨著時間的變化

進(jìn)而，基于式（17），可以比較有/無數(shù)據(jù)交易情況下，公司i的利潤變化情況。結(jié)果如圖3。由圖3可見，在公司之間無數(shù)據(jù)交易的情況下，公司前期的利潤顯著小于有數(shù)據(jù)交易的情況；然而隨著時間的積累，公司的利潤也將趨于有數(shù)據(jù)交易情況下的利潤。這是由于后期公司的數(shù)據(jù)積累量已經(jīng)足夠大，使得公司的技術(shù)決策已經(jīng)非常接近最優(yōu)，因而數(shù)據(jù)對利潤的影響已經(jīng)不再占主要地位。

三、現(xiàn)實證據(jù)

由于數(shù)據(jù)要素作為新興要素，具有產(chǎn)權(quán)不明晰、價格機(jī)制不健全等問題，數(shù)據(jù)要素的投入、產(chǎn)出缺乏科學(xué)嚴(yán)謹(jǐn)?shù)慕y(tǒng)計。本研究基于全國284個地級市數(shù)據(jù)要素發(fā)展水平展開評價，采用數(shù)據(jù)要素發(fā)展水平指數(shù)作為數(shù)據(jù)要素投入量的替代變量，采用固定效應(yīng)模型、中介效應(yīng)模型檢驗數(shù)據(jù)要素促進(jìn)經(jīng)濟(jì)增長的作用與科學(xué)決策機(jī)制。

（一）指標(biāo)構(gòu)造與變量選取

1解釋變量

模型的作用為檢驗數(shù)據(jù)要素發(fā)展水平對經(jīng)濟(jì)增長的影響，解釋變量為數(shù)據(jù)要素的發(fā)展水平Datai，t。本研究選用了2種指標(biāo)作為其表征，分別是各城市數(shù)據(jù)要素發(fā)展水平得分與數(shù)據(jù)要素發(fā)展程度灰色面積關(guān)聯(lián)度指數(shù)。

本文從數(shù)據(jù)進(jìn)入生產(chǎn)過程的應(yīng)用價值出發(fā)，采用指數(shù)化的思維，聚焦政用價值、商用價值、民用價值3個評價緯度，采用數(shù)據(jù)要素發(fā)展水平得分、灰色面積關(guān)聯(lián)度等評價方法、對地區(qū)數(shù)據(jù)要素的發(fā)展水平進(jìn)行評估，以此作為數(shù)據(jù)要素的投入依據(jù)（見表1）。該評價以284個地級市為研究對象，指標(biāo)變量數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》、各省統(tǒng)計年鑒、各地級市統(tǒng)計年鑒、《中國人口和就業(yè)統(tǒng)計年鑒》、中國284個地級市政府官方網(wǎng)站、桔子IT數(shù)據(jù)庫、高德地圖、北京大學(xué)企業(yè)大數(shù)據(jù)研究中心等，數(shù)據(jù)要素發(fā)展水平指數(shù)計算年份截至2020年。

2被解釋變量

基準(zhǔn)回歸模型中的被解釋變量為經(jīng)濟(jì)增長水平y(tǒng)i，t。本研究采用2013—2020年284個地級市的國內(nèi)生產(chǎn)總值GDPi，t作為其指標(biāo)，數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》。

3控制變量

本模型還考慮了4類控制變量Xj，i，t，分別為社會零售品銷售總額（Retail）、全社會固定資產(chǎn)投資（Invest）、人口密度（Populationdensity）、進(jìn)出口貿(mào)易額（Imexports）。數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》、各省市統(tǒng)計年鑒、CEIC數(shù)據(jù)庫等。2018年、2019年、2020年全社會固定資產(chǎn)投資根據(jù)增長率計算得出。

4中介變量

本模型的中介變量為科學(xué)決策?？茖W(xué)決策是基于獨立信息的分析與應(yīng)用，在多目標(biāo)導(dǎo)向與比較原則下得出的最優(yōu)解和等效最優(yōu)解［24］?？茖W(xué)決策的標(biāo)準(zhǔn)在于以相對小的代價與副作用實現(xiàn)決策目標(biāo)?；诳茖W(xué)決策的原則與判定標(biāo)準(zhǔn)，本研究以地級市層面為研究單位，擬選取數(shù)據(jù)要素帶來的綠色全要素生產(chǎn)率變化（以最小的環(huán)境代價實現(xiàn)最大化的經(jīng)濟(jì)收益）為科學(xué)決策SDMi，t的替代變量。

SDMi，t=ki，t×GTFPi，t（24）

ki，t=DIZLi，t/ZLi，t（25）

式中，SDMi，t表征科學(xué)決策，ki，t為數(shù)據(jù)要素對GTFP的貢獻(xiàn)系數(shù)，為數(shù)字經(jīng)濟(jì)專利占所有專利申請量的比重，GTFPi，t為綠色全要素生產(chǎn)率。GTFPi，t采用數(shù)據(jù)包絡(luò)分析法（DEA）、非徑向、非角度的基于松弛變量的SBM（SlackbasedMeasure）方向性距離函數(shù)測算獲得，專利數(shù)據(jù)來源于國家知識產(chǎn)權(quán)局。

（二）實證模型與回歸結(jié)果

在數(shù)據(jù)要素影響經(jīng)濟(jì)增長的基準(zhǔn)回歸中，雙向固定效應(yīng)模型（TwowayFixedEffectsModel）既考慮到時間效應(yīng)又考慮到個體固定效應(yīng)，考慮到不同時期、不同地區(qū)殘差的相關(guān)性，和傳統(tǒng)的固定效應(yīng)模型相比，該模型得到的估計結(jié)果更好，偏誤更小。因此，為了消除傳統(tǒng)固定效應(yīng)模型估計所帶來的偏誤，選取2013—2020年284個城市的數(shù)據(jù)要素發(fā)展水平得分作為解釋變量Datai，t，各省國內(nèi)生產(chǎn)總值GDPi，t作為被解釋變量yi，t建立固定效應(yīng)回歸模型：

yi，t=β0+β1Datai，t+∑jγj×Xj，i，t+μi+λt+εi，t（26）

式中，下標(biāo)i代表城市，下標(biāo)t代表年份；yi，t為第i個城市第t年的經(jīng)濟(jì)增長水平；Datai，t為模型的核心解釋變量，代表數(shù)據(jù)要素的發(fā)展水平；Xj，i，t為第j個控制變量，包括社會零售品銷售總額（Retail）、全社會固定資產(chǎn)投資（Invest）、人口密度（Populationdensity）、進(jìn)出口貿(mào)易額（Imexports）。μi代表不可觀測的地區(qū)固定效應(yīng)，λt代表時間固定效應(yīng)，εi，t是隨機(jī)干擾項。

1基準(zhǔn)回歸結(jié)果分析

為提高結(jié)果的穩(wěn)健性，在回歸過程中逐步增加控制變量的數(shù)量，觀察不同控制變量數(shù)量的情況下數(shù)據(jù)要素發(fā)展水平對經(jīng)濟(jì)增長水平的回歸系數(shù)，檢驗結(jié)果如表2。

其中，第（1）列在控制了年份固定效應(yīng)與地區(qū)固定效應(yīng)的基礎(chǔ)上，僅納入核心解釋變量，回歸系數(shù)為正，且通過了1%的顯著性水平檢驗，說明數(shù)據(jù)要素對經(jīng)濟(jì)增長具有顯著的促進(jìn)作用。且每提高一單位數(shù)據(jù)要素發(fā)展水平，GDP增長0288。第（2）列在此基礎(chǔ)上加入了社會零售品銷售總額作為控制變量，核心解釋變量的系數(shù)依然在1%的顯著性水平下為正，再次表明了數(shù)據(jù)要素對于經(jīng)濟(jì)增長的促進(jìn)作用。以此類推，第（3）、（4）、（5）列分別加入固定資產(chǎn)投資、人口密度、進(jìn)出口貿(mào)易額作為控制變量，數(shù)據(jù)要素核心解釋變量系數(shù)依然顯著為正，每提高一單位數(shù)據(jù)要素發(fā)展水平，GDP增長0071，結(jié)果表明，數(shù)據(jù)要素促進(jìn)了經(jīng)濟(jì)增長。

控制變量方面，選取社會零售品銷售總額、固定資產(chǎn)投資、人口密度、進(jìn)出口貿(mào)易額指標(biāo)，原因在于“消費、投資、出口”是拉動經(jīng)濟(jì)增長的“三駕馬車”，勞動作為生產(chǎn)資料投入是實現(xiàn)經(jīng)濟(jì)增長的直接原因，實證結(jié)果表明，控制變量指標(biāo)的選取均在1%的顯著性水平下拉動了經(jīng)濟(jì)增長。

2穩(wěn)健型檢驗

進(jìn)一步利用數(shù)據(jù)要素發(fā)展水平的灰色面積關(guān)聯(lián)度指數(shù)作為數(shù)據(jù)要素發(fā)展水平的替代變量，進(jìn)行穩(wěn)健性檢驗。由于灰色面積關(guān)聯(lián)度指數(shù)為2013—2020年綜合評價結(jié)果，所以此檢驗采用2020年截面數(shù)據(jù)進(jìn)行回歸分析。對該數(shù)據(jù)進(jìn)行多重共線性檢驗結(jié)果表明所有變量VIF值均小于10，MeanVIF值為457，并以1%的顯著性水平通過White檢驗，不存在異方差性。檢驗結(jié)果如表3所示，結(jié)果表明，數(shù)據(jù)要素對經(jīng)濟(jì)增長有顯著的促進(jìn)作用，與基準(zhǔn)回歸結(jié)果相一致。

3異質(zhì)性分析

鑒于數(shù)據(jù)要素發(fā)展水平存在較為明顯的區(qū)域差異，本論文按照地理位置將樣本劃分為東部地區(qū)、中部地區(qū)、西部地區(qū)與東北地區(qū)四大區(qū)域①，深入分析數(shù)據(jù)要素發(fā)展水平與經(jīng)濟(jì)增長之間的關(guān)系，結(jié)果如表4。

東部地區(qū)和西部地區(qū)數(shù)據(jù)要素發(fā)展水平的系數(shù)分別為0064和0027，且t值分別為2910和3260，在1%的水平上顯著，說明東西部地區(qū)的數(shù)據(jù)要素發(fā)展能有效促進(jìn)經(jīng)濟(jì)增長。對于東部地區(qū)來說，數(shù)字產(chǎn)業(yè)基礎(chǔ)雄厚、基礎(chǔ)設(shè)施完善、人才聚集、數(shù)字需求旺盛且居民數(shù)字化素質(zhì)總體較高，數(shù)字經(jīng)濟(jì)帶來的新的發(fā)展模式已經(jīng)滲透到生產(chǎn)生活的方方面面，數(shù)據(jù)要素作用于經(jīng)濟(jì)增長有優(yōu)越的基礎(chǔ)條件、環(huán)境支持，也就更容易實現(xiàn)數(shù)據(jù)要素價值的挖掘。對于西部地區(qū)來說，數(shù)據(jù)要素參與經(jīng)濟(jì)活動為其提供了“彎道超車”、甚至是“換道超車”的可能性，數(shù)據(jù)要素的出現(xiàn)可以幫助西部地區(qū)在某種程度上克服本身存在的自然缺陷，盡管產(chǎn)業(yè)基礎(chǔ)相對薄弱、需求不夠旺盛，但西部地區(qū)的某些自然地理特征（比如氣候涼爽）有助于其布局大數(shù)據(jù)產(chǎn)業(yè)，加之政策扶持，數(shù)據(jù)要素對于促進(jìn)經(jīng)濟(jì)增長效應(yīng)顯著。

以數(shù)據(jù)要素發(fā)展水平評價得分作為數(shù)據(jù)要素發(fā)展水平替代變量的回歸中，中部地區(qū)與東北地區(qū)系數(shù)不顯著，說明中部地區(qū)與東北地區(qū)數(shù)據(jù)要素并未體現(xiàn)出對經(jīng)濟(jì)增長的顯著影響。中部地區(qū)和東北地區(qū)在信息化基礎(chǔ)與配套方面較為薄弱，相比較東部地區(qū)，人才缺乏、數(shù)據(jù)要素發(fā)揮作用的支持體系不夠完善，相比較西部地區(qū)，又缺乏政策優(yōu)勢。產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程緩慢、需求不夠旺等原因?qū)е聰?shù)據(jù)要素對經(jīng)濟(jì)增長的促進(jìn)作用并不顯著。綜上，數(shù)據(jù)要素對于經(jīng)濟(jì)增長的影響存在顯著的區(qū)域異質(zhì)性。

4機(jī)制分析

上文研究表明，數(shù)據(jù)要素可以有效促進(jìn)科學(xué)決策，為進(jìn)一步明確數(shù)據(jù)要素檢驗促進(jìn)經(jīng)濟(jì)增長的作用機(jī)制，選用中介效應(yīng)模型進(jìn)行分析，實證結(jié)果如表5所示。從檢驗結(jié)果來看，數(shù)據(jù)要素對科學(xué)決策呈1%水平下正向顯著，將數(shù)據(jù)要素與科學(xué)決策同時放入模型中，如列（2），科學(xué)決策對經(jīng)濟(jì)增長呈正向顯著性作用，且科學(xué)決策在數(shù)據(jù)要素對經(jīng)濟(jì)增長的影響中發(fā)揮中介效應(yīng)作用。

四、結(jié)論與政策啟示

數(shù)據(jù)要素通過科學(xué)決策機(jī)制影響經(jīng)濟(jì)增長，將數(shù)據(jù)要素納入經(jīng)濟(jì)增長模型，通過數(shù)值模擬與實證檢驗，得出如下結(jié)論：

（1）數(shù)據(jù)要素可有效促進(jìn)公司利潤與社會總利潤的增長，但收斂于某一上界，不能無限增長。隨著數(shù)據(jù)儲備的增加，公司的總利潤隨之增加，數(shù)據(jù)要素的邊際產(chǎn)出恒大于0。但是隨著數(shù)據(jù)儲備量的不斷增大，數(shù)據(jù)要素的邊際回報效率遞降。即使在充分利用所有數(shù)據(jù)的前提下做出最優(yōu)的技術(shù)選擇，總的商品產(chǎn)出和收益也是固定的最大值，而不能無限增長。

（2）長期來看，數(shù)據(jù)要素進(jìn)入生產(chǎn)過程前期，公司會快速積累大量的數(shù)據(jù)，利潤也得到顯著的提升。但是當(dāng)數(shù)據(jù)量達(dá)到一定程度之后，利潤增長的趨勢顯著放緩，提升數(shù)據(jù)儲備對于提升利潤的作用逐漸變得不明顯。

（3）數(shù)據(jù)聯(lián)通共享可以使公司前期的利潤顯著小于有數(shù)據(jù)交易的情況，在公司發(fā)展與上升期具有重要的提升作用。

（4）數(shù)據(jù)要素發(fā)展水平影響經(jīng)濟(jì)增長存在顯著的區(qū)域異質(zhì)性，東西部地區(qū)的數(shù)據(jù)要素發(fā)展能有效促進(jìn)經(jīng)濟(jì)增長，中部地區(qū)與東北地區(qū)在數(shù)據(jù)要素促進(jìn)經(jīng)濟(jì)增長作用發(fā)揮上不顯著；科學(xué)決策對經(jīng)濟(jì)增長起到部分中介作用。

數(shù)據(jù)真實準(zhǔn)確、充分聯(lián)通與算力算法支持是數(shù)據(jù)要素發(fā)揮作用的前提條件。當(dāng)前數(shù)據(jù)孤島、產(chǎn)權(quán)與數(shù)據(jù)安全問題突出，嚴(yán)重限制與阻礙了數(shù)據(jù)要素在經(jīng)濟(jì)運行中發(fā)揮新動能作用，基于本文研究與當(dāng)前存在的現(xiàn)實問題，提出以下政策思路與建議：

（1）確保數(shù)據(jù)真實準(zhǔn)確。對于企業(yè)由自己業(yè)務(wù)生成并儲存在自有或租賃服務(wù)器中的數(shù)據(jù)，需要在審計環(huán)節(jié)加強(qiáng)核查，核查內(nèi)容涉及企業(yè)數(shù)據(jù)生成和數(shù)據(jù)保管，以及數(shù)據(jù)轉(zhuǎn)移與數(shù)據(jù)修改等，此外還需要核查企業(yè)所采取的內(nèi)部控制措施等，保證數(shù)據(jù)從生成到最終審計的整個過程中不存在可能導(dǎo)致數(shù)據(jù)被修改的因素或者隱患。對于儲存在統(tǒng)一平臺上的無數(shù)家企業(yè)集合的數(shù)據(jù)，則需要對統(tǒng)一平臺的數(shù)據(jù)生成與管理措施嚴(yán)格監(jiān)管，在確保企業(yè)從統(tǒng)一平臺獲取數(shù)據(jù)方式合理合規(guī)合法、發(fā)行人數(shù)據(jù)值得信賴的前提下，再進(jìn)一步分析數(shù)據(jù)是否具有虛假成分。

（2）促進(jìn)數(shù)據(jù)聯(lián)通共享，打破數(shù)據(jù)孤島、數(shù)據(jù)壁壘，治理數(shù)據(jù)壟斷。實現(xiàn)數(shù)據(jù)體系建設(shè)及數(shù)據(jù)資源歸集，進(jìn)行數(shù)據(jù)共享資源池管理；推進(jìn)數(shù)據(jù)要素的市場化，以實現(xiàn)社會福利最大化為原則進(jìn)行數(shù)據(jù)產(chǎn)權(quán)的界定、明確數(shù)據(jù)資產(chǎn)交易規(guī)則；采取多種措施促進(jìn)數(shù)據(jù)要素的流通，推動跨區(qū)域、跨部門、跨業(yè)務(wù)的數(shù)據(jù)共享，建設(shè)數(shù)據(jù)開放平臺；打造公正、自由的市場環(huán)境，堅持市場在數(shù)據(jù)資產(chǎn)定價中的基礎(chǔ)性作用，規(guī)范數(shù)據(jù)要素市場監(jiān)管體系，保障市場秩序。

（3）以軟硬件協(xié)同為手段，保障算力供給、提高算力水平。隨著數(shù)據(jù)復(fù)雜性與多樣性程度的不斷加深，對于算力的要求也不斷增強(qiáng)。推動建立完善多層次的算力設(shè)施體系是基礎(chǔ)，硬件支持下的更高性能的計算資源、存算融合、跨域計算能力共享是核心環(huán)節(jié)。與此同時，重視相關(guān)領(lǐng)域科研人才的培養(yǎng)，比如數(shù)據(jù)分析人才、數(shù)據(jù)應(yīng)用人才等，創(chuàng)新大數(shù)據(jù)技術(shù)，全面挖掘數(shù)字經(jīng)濟(jì)的潛在價值。

［注釋］

①

四大區(qū)域的劃分按照國家統(tǒng)計局的經(jīng)濟(jì)地帶劃分標(biāo)準(zhǔn)：東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東和海南；中部地區(qū)包括山西、安徽、江西、河南、湖北和湖南；西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆；東北地區(qū)包括遼寧、吉林和黑龍江。

［參考文獻(xiàn)］

［1］威廉·配第.?Ttik8EhHxAkbOqgE47wwh/K+kPxxBUVMTKkFyhSzwSk=;配第經(jīng)濟(jì)著作選集［M］.北京：商務(wù)印書館，2001.

［2］大衛(wèi)·李嘉圖.政治經(jīng)濟(jì)學(xué)及賦稅原理［M］.北京：商務(wù)印書館，1962.

［3］王謙，付曉東.數(shù)據(jù)要素賦能經(jīng)濟(jì)增長機(jī)制探究［J］.上海經(jīng)濟(jì)研究，2021（4）：55-66.

［4］張昕蔚，蔣長流.數(shù)據(jù)的要素化過程及其與傳統(tǒng)產(chǎn)業(yè)數(shù)字化的融合機(jī)制研究［J］.上海經(jīng)濟(jì)研究，2021（3）：60-69.

［5］JONESCI，TONETTIC.Nonrivalryandtheeconomicsofdata［Z］.NBERWorkingPaper，NO.26260，2020.

［6］王勝利，樊悅.論數(shù)據(jù)生產(chǎn)要素對經(jīng)濟(jì)增長的貢獻(xiàn)［J］.上海經(jīng)濟(jì)研究，2020（7）：32-39.

［7］田杰棠，劉露瑤.交易模式、權(quán)利界定與數(shù)據(jù)要素市場培育［J］.改革，2020（7）：17-26.

［8］徐翔，厲克奧博，田曉軒.數(shù)據(jù)生產(chǎn)要素研究進(jìn)展［J］.經(jīng)濟(jì)學(xué)動態(tài)，2021（4）：142-158.

［9］DALEW，JORGENSON，KHUONGM.TheITrevolution，worldeconomicgrowth，andpalicyissues［J］.Telecommunicationspolicy，2016，40（5）：383-397.

［10］MUELLERM，GRINDALK.Dataflowsandthedigitaleconomy：informationasamobilefactorofproduction［J］.Digitalpolicy，regulationandgovernance，2019，21（1）：71-87.

［11］ACQUISTIA，TAYLORC，WAGMANL.Theeconomicsofprivacy［J］.Journalofeconomicliterature，2016，54（2）：442-492.

［12］VELDKAMPL，CHUNGC.Dataandtheaggregateeconomy［C］.Washington：SocietyforEconomicDynamics，2019.

［13］王江容.數(shù)據(jù)生產(chǎn)要素的統(tǒng)計核算研究［J］.河北企業(yè)，2022（2）：32-34.

［14］戴雙興.數(shù)據(jù)要素：主要特征、推動效應(yīng)及發(fā)展路徑［J］.馬克思主義與現(xiàn)實，2020（6）：171-177.

［15］丁文聯(lián).數(shù)據(jù)競爭的法律制度基礎(chǔ)［J］.上海法學(xué)研究，2020，3（1）：352-361.

［16］CARRIERESWALLOWY，HAKSARV.Theeconomicsandimplicationsofdata：anintegratedperspective［R］.lMFdepartmentalpapers/policypapers，2019.

［17］EDDD.Whatisbigdata？［EB/OL］.［2023-01-24］.http：//strataoreillycom/2012/01/whatisbigdatahtml.

［18］ERIKB，LMHITT，HELLENKH.Strengthinnumbers：howdoesdatadrivendecisionmakingaffectfirmperformance［Z］.SSRNworkingpaper，NO.1819486，2011.

［19］PROVOSTF，F(xiàn)AWCETTT.Datascienceanditsrelationshiptobigdataanddatadrivendecisionmaking［J］.Bigdata，2013，1（1）：51-59.

［20］MCAFEE，ANDREW，ERIKB.Bigdata：themanagementrevolution［J］.Harvardbusinessreview，2012，90（10）：60-68.

［21］JANSSENM，VOORTH，WAHYUDIA.Factorsinfluencingbigdatadecisionmakingquality［J］.Journalofbusinessresearch，2017，7（1）：338-345.

［22］HCHTLJ，PARYCEKP，SCHOELLHAMMERR.Bigdatainthepolicycycle：policydecisionmakinginthedigitalera［J］.Journaloforganizationalcomputingandelectroniccommerce，2016，26（1/2）：147-169.

［23］COULTONCJ，GOERGER，PUTNAMHORNSTEINE.Harnessingbigdataforsocial&nbsp;good：agrandchallengeforsocialwork［R］.Grandchallengesforsocialworkinitiativeworkingpaper，NO.11，2015.

［24］龔代華.科學(xué)決策學(xué)派：基于獨立信息的經(jīng)濟(jì)管理模式［M］.南昌：江西高校出版社，2021.

TheImpactofDataElementsonEconomicGrowth

—AnalysisofMediationEffectBasedonScientificDecisionMaking

LiuZhiyan，WangQian

（ResearchInstituteforEcocivilization，ChineseAcademyofSocialSciences，Beijing100710，China）

Abstract：Intheeraofdigitaleconomy，dataelementswhichplaytheroleofthebasisofdigitizationandintelligencearekeyproductionfactorstopromoteeconomicgrowth.Dataelementsaffecteconomicgrowththroughassistingmarketplayersinscientificdecisionmaking.Toillustratetheimpactofdataelementsoneconomicgrowththeoretically，thispaperintroducesdataelementsintothetheoreticalmodelofeconomicgrowthandmakesnumericalsimulation.Inaddition，itappliesthepaneldataof284nationalprefecturelevelcitiesandabovefrom2013to2020toverifytheimpactofdataelementsoneconomicgrowthandscientificdecisionmakingmechanisms.Theresultsshowthattheincreaseofdataelementinvestmenthaswitnessedthespurtofthecompany’sprofitandsocialtotalprofitwhichwillstopatacertainlimit.Datasharingcaneffectivelypromotetheeconomicgrowth.Thedevelopmentlevelofdataelementshassignificantlyimprovedeconomicgrowth.However，thereexistsregionalheterogeneity.Atthesametime，scientificdecisionmakingplaysanintermediaryroleineconomicgrowth.

Keywords：dataelements；decisionmaking；economicgrowth

（責(zé)任編輯：張積慧）