數(shù)據(jù)要素的賦能機制與企業(yè)全要素生產(chǎn)率提升

摘 要：將數(shù)據(jù)要素引入生產(chǎn)函數(shù)，可產(chǎn)生巨大的生產(chǎn)力效應(yīng)，但數(shù)據(jù)要素能否以及如何影響企業(yè)全要素生產(chǎn)率仍有待深入研究。利用國家級大數(shù)據(jù)綜合試驗區(qū)設(shè)立的準自然實驗，運用2010—2022年中國A股制造業(yè)上市公司數(shù)據(jù)和雙重差分模型，揭示數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響機理。研究發(fā)現(xiàn)：數(shù)據(jù)要素能夠顯著提升企業(yè)全要素生產(chǎn)率;在作用機制上，數(shù)據(jù)要素主要通過創(chuàng)新賦能、營運賦能和投資賦能促進企業(yè)全要素生產(chǎn)率提升;異質(zhì)性分析發(fā)現(xiàn)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升效應(yīng)在數(shù)據(jù)開放程度高、數(shù)據(jù)應(yīng)用場景豐富、數(shù)據(jù)法治建設(shè)完善、數(shù)據(jù)安全保障強的地區(qū)更顯著。

關(guān)鍵詞：數(shù)據(jù)要素;賦能機制;企業(yè)全要素生產(chǎn)率;國家級大數(shù)據(jù)綜合試驗區(qū)

中圖分類號：F124 文獻標識碼：A 文章編號：1003-7543（2024）11-0001-16

全要素生產(chǎn)率是新質(zhì)生產(chǎn)力的重要衡量指標[1]，被認為是發(fā)展新質(zhì)生產(chǎn)力的重要抓手。但研究發(fā)現(xiàn)，自2000年以來，中國全要素生產(chǎn)率增速進入快速下降通道，并于2010年進入負增長階段[2]。因此，研究如何提升企業(yè)全要素生產(chǎn)率，賦能企業(yè)高質(zhì)量發(fā)展，是發(fā)展新質(zhì)生產(chǎn)力的內(nèi)在要求。區(qū)別于資本、勞動等傳統(tǒng)要素邊際成本遞增、邊際收益遞減的特征，數(shù)據(jù)要素具有非損耗性，從而可以突破資源約束，使其同時具有邊際成本遞減和邊際收益遞增的特征[3-4]。那么，數(shù)據(jù)要素能否激發(fā)企業(yè)高質(zhì)量發(fā)展的活力，扭轉(zhuǎn)企業(yè)全要素生產(chǎn)率下降的趨勢，實現(xiàn)企業(yè)發(fā)展“量、質(zhì)”統(tǒng)一？中國于2016年分兩批設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)，為數(shù)據(jù)要素集聚和共享提供了載體，可以看作釋放數(shù)據(jù)要素價值的準自然實驗，為數(shù)據(jù)要素生產(chǎn)率效應(yīng)的發(fā)揮提供了絕佳的實驗機會。在大力培育新質(zhì)生產(chǎn)力、塑造發(fā)展新動能的背景下，研究數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響，具有重要的理論價值和現(xiàn)實意義。

現(xiàn)有研究從理論和實證兩個層面關(guān)注數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響：一是從理論層面分析數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率的機理。數(shù)據(jù)要素通過降低不確定性[5]、優(yōu)化資源配置[6]、賦能業(yè)務(wù)流程[7]、推動商業(yè)模式和決策范式變革[8]，改進企業(yè)全要素生產(chǎn)率。二是從實證層面檢驗數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響。鄭玉[9]認為，數(shù)據(jù)要素通過緩解要素市場發(fā)展滯后引致的市場扭曲來促進企業(yè)全要素生產(chǎn)率提升。史丹和孫光林[1]研究發(fā)現(xiàn)，數(shù)據(jù)要素通過數(shù)字化變革和創(chuàng)新改進企業(yè)全要素生產(chǎn)率。Bajari等[10]證實，數(shù)據(jù)要素能夠精準識別消費需求，助力企業(yè)生產(chǎn)計劃的柔性調(diào)整。上述研究為本文提供了豐富的理論素材，有別于已有文獻，本文的貢獻在于：一是豐富了數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率影響機制的探討。數(shù)據(jù)要素在企業(yè)全要素生產(chǎn)率改進中究竟扮演何種角色，一直是學術(shù)界關(guān)注的熱點問題。本文認為，創(chuàng)新是企業(yè)獲取競爭優(yōu)勢的動力，營運是企業(yè)產(chǎn)品生產(chǎn)和服務(wù)創(chuàng)造的主要環(huán)節(jié)，投資是企業(yè)生產(chǎn)和發(fā)展的必要手段。已有研究從創(chuàng)新視角考察數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率的內(nèi)在邏輯[1]，本文進一步從營運賦能、投資賦能等方面拓展了數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率的內(nèi)在機理，豐富了相關(guān)的實證檢驗。二是深化了數(shù)據(jù)保護和應(yīng)用場景在數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率中的異質(zhì)性作用。數(shù)據(jù)開放程度涉及數(shù)據(jù)供給數(shù)量和質(zhì)量，數(shù)據(jù)應(yīng)用場景關(guān)乎數(shù)據(jù)需求廣度和深度，數(shù)據(jù)法治建設(shè)、數(shù)據(jù)安全保障影響數(shù)據(jù)要素開放共享的意愿和積極性。分析數(shù)據(jù)保護和應(yīng)用場景的異質(zhì)性影響，是對數(shù)據(jù)要素價值創(chuàng)造作用的有益補充。

一、理論分析與研究假說的提出

（一）數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響

隨著算力和算法的發(fā)展，以及數(shù)據(jù)留痕技術(shù)的應(yīng)用，海量數(shù)據(jù)被收集、存儲、加工，逐漸從單一碎片化的低密度低價值數(shù)據(jù)轉(zhuǎn)化為多維塊狀的高密度高價值數(shù)據(jù)[5，7]。多維高密數(shù)據(jù)與其他生產(chǎn)要素相互融合，可緩解信息不對稱引致的市場失靈[11]，產(chǎn)生精準、即時、網(wǎng)絡(luò)以及預(yù)期經(jīng)濟效應(yīng)[12]，賦能企業(yè)全要素生產(chǎn)率提升。具體而言：第一，數(shù)據(jù)要素滿足了企業(yè)對信息的精準性需求。在工業(yè)經(jīng)濟時代，企業(yè)對消費者信息、供應(yīng)鏈信息以及其他關(guān)鍵生產(chǎn)資源信息的搜尋主要采用“人找數(shù)據(jù)”的方式，信息搜尋范圍窄、結(jié)果模糊、成本高，增加了信息匹配難度。然而，在數(shù)字經(jīng)濟時代，數(shù)據(jù)經(jīng)過自動收集、有效傳輸和高質(zhì)量處理，形成“千人千面”的精準數(shù)據(jù)，這種方便、快捷的搜尋方式，節(jié)約了搜尋成本，提高了信息匹配效率，推動了企業(yè)全要素生產(chǎn)率提升。第二，數(shù)據(jù)要素滿足了企業(yè)對信息的即時性需求。生產(chǎn)、管理、營銷、投資等環(huán)節(jié)對數(shù)據(jù)的時效性要求較高。算力是計算能力、運算速度的保障，算法則是模型設(shè)定和數(shù)據(jù)篩選的基礎(chǔ)，二者共同為數(shù)據(jù)驅(qū)動決策提供支撐。算力和算法通過剔除掉歷史數(shù)據(jù)和時效性弱的數(shù)據(jù)，過濾掉冗余度高的數(shù)據(jù)，對數(shù)據(jù)進行充分的“優(yōu)化”和“去噪”，使數(shù)據(jù)質(zhì)量和數(shù)據(jù)價值得到倍增，滿足了企業(yè)對數(shù)據(jù)的即時性需求[5]，有助于全面提升企業(yè)全要素生產(chǎn)率。第三，數(shù)據(jù)要素滿足了企業(yè)對信息的網(wǎng)絡(luò)化需求。為實現(xiàn)供需的快速響應(yīng)、高效交互和精準匹配，企業(yè)對高質(zhì)量網(wǎng)絡(luò)化的海量數(shù)據(jù)產(chǎn)生較高的需求[12]。來源廣泛、信息量大的網(wǎng)絡(luò)化數(shù)據(jù)具有更大的使用價值，更能發(fā)揮數(shù)據(jù)驅(qū)動創(chuàng)新的價值，促進企業(yè)全要素生產(chǎn)率提升。第四，數(shù)據(jù)要素滿足了企業(yè)對信息的預(yù)期性需求。市場經(jīng)濟充滿不確定性，理性決策有助于企業(yè)抓住稍縱即逝的機會，提高決策效率。通過數(shù)據(jù)挖掘和數(shù)據(jù)分析，形成可診斷、可預(yù)期的高質(zhì)量數(shù)據(jù)[13]，緩解企業(yè)決策者的認知局限，形成理性預(yù)期，支持企業(yè)開展精準決策和有效決策，提高企業(yè)的資源配置效率和全要素生產(chǎn)率。由此，提出假說1：

H1：數(shù)據(jù)要素正向影響企業(yè)全要素生產(chǎn)率。

（二）創(chuàng)新賦能、營運賦能和投資賦能的中介作用

數(shù)據(jù)要素的創(chuàng)新賦能機制有助于改進企業(yè)全要素生產(chǎn)率。一方面，數(shù)據(jù)要素加速了創(chuàng)新資源的流通和融合。“數(shù)據(jù)+算力+算法”形成的數(shù)據(jù)生產(chǎn)力，使數(shù)據(jù)要素與傳統(tǒng)技術(shù)要素加速融合[5]，將傳統(tǒng)技術(shù)要素轉(zhuǎn)化為可編碼的技術(shù)知識，以數(shù)據(jù)要素的形式存在、流動，打破企業(yè)邊界、區(qū)域分割、地緣限制，拓寬知識整合的時空約束。創(chuàng)新主體間通過數(shù)字平臺進行創(chuàng)意交互、研發(fā)協(xié)同、創(chuàng)新資源共享，降低研發(fā)信息搜尋成本，增強研發(fā)信息的整合范圍。不同領(lǐng)域的技術(shù)相互賦能、彼此融合，有利于新技術(shù)的產(chǎn)生。企業(yè)對新技術(shù)的觸達，以及多元化技術(shù)知識的外延，能夠顯著增強企業(yè)創(chuàng)新的復雜性、新穎性和廣泛性，加快企業(yè)將新知識新技術(shù)應(yīng)用于新領(lǐng)域的速度。數(shù)據(jù)要素與資本、勞動等傳統(tǒng)生產(chǎn)要素的融合，可以實現(xiàn)要素間優(yōu)勢互補，促進企業(yè)創(chuàng)新能力的提升和全要素生產(chǎn)率的改進[5]。另一方面，數(shù)據(jù)要素提高了研發(fā)創(chuàng)新的精準性。數(shù)據(jù)要素驅(qū)動了企業(yè)創(chuàng)新全流程、全環(huán)節(jié)的數(shù)字化改造，實現(xiàn)全流程的可視化、可調(diào)整、可監(jiān)控，降低研發(fā)不確定性風險，提高市場研判的準確性，縮短技術(shù)研發(fā)周期，幫助企業(yè)抓住稍縱即逝的創(chuàng)新機會，提高研發(fā)創(chuàng)新成功的概率[14]。數(shù)據(jù)要素提高了產(chǎn)業(yè)鏈上下游協(xié)同創(chuàng)新的積極性以及上下游企業(yè)知識的互補性，有利于聚焦產(chǎn)業(yè)鏈前沿技術(shù)領(lǐng)域的“卡脖子”問題，促進對關(guān)鍵核心技術(shù)的協(xié)同突破，直接推動企業(yè)全要素生產(chǎn)率提升。此外，高質(zhì)量創(chuàng)新還需要巨額投入作為支撐[15]，數(shù)據(jù)要素能夠減少市場摩擦，降低融資成本，提高融資規(guī)模，更好地支撐企業(yè)開展高質(zhì)量的研發(fā)創(chuàng)新活動?；诖耍岢黾僬f2a：

H2a：數(shù)據(jù)要素通過創(chuàng)新賦能機制，正向影響企業(yè)全要素生產(chǎn)率。

數(shù)據(jù)要素的營運賦能機制有助于改進企業(yè)全要素生產(chǎn)率。第一，數(shù)據(jù)要素緩解了企業(yè)內(nèi)部的營運摩擦。數(shù)據(jù)要素有效聯(lián)結(jié)創(chuàng)意設(shè)計、研發(fā)創(chuàng)新、生產(chǎn)制造等企業(yè)價值鏈環(huán)節(jié)，提高各環(huán)節(jié)的信息透明度，加強部門間交流，促進部門間信息共享和關(guān)鍵資源調(diào)劑[16-17]，降低系統(tǒng)與系統(tǒng)、生產(chǎn)與庫存、組織與員工等之間的“摩擦”與“沖突”[12]。第二，數(shù)據(jù)要素降低了企業(yè)外部的營運摩擦。數(shù)據(jù)要素有效減少了企業(yè)與供應(yīng)商、企業(yè)與客戶、企業(yè)與投資者間的信息孤島問題[16，18]，降低了資源要素的搜尋成本和交易匹配成本[19]，規(guī)避了交易對象的機會主義行為[20]和產(chǎn)生的額外交易費用[21]，減少了低效交易對生產(chǎn)資源的擠占[22]，促進了經(jīng)營目標優(yōu)化[23]，可支持企業(yè)高質(zhì)量生產(chǎn)[24]?？梢哉f，數(shù)據(jù)要素能夠基于價值鏈全流程進行資源要素的優(yōu)化配置，將資源要素配置到最需要的領(lǐng)域，實現(xiàn)全環(huán)節(jié)的激勵相容、和諧共生[12]，這些都是企業(yè)營運能力增強和全要素生產(chǎn)率改進的關(guān)鍵[24]。由上述理論分析，提出假說2b：

H2b：數(shù)據(jù)要素通過營運賦能機制，正向影響企業(yè)全要素生產(chǎn)率。

數(shù)據(jù)要素的投資賦能機制有助于改進企業(yè)全要素生產(chǎn)率。一方面，數(shù)據(jù)要素提升了企業(yè)的投資質(zhì)量。投資是企業(yè)生產(chǎn)和發(fā)展中最頻繁、最關(guān)鍵的經(jīng)濟活動之一。企業(yè)投資決策質(zhì)量直接關(guān)系到資源配置質(zhì)量，對企業(yè)全要素生產(chǎn)率產(chǎn)生直接影響。大數(shù)據(jù)能夠拓寬投資信息來源渠道，提升投資信息透明度，增強企業(yè)對投資信息的甄別能力[25-26]。在數(shù)據(jù)要素賦能下，企業(yè)不僅可以及時獲取供應(yīng)商的原材料及中間品種類、質(zhì)量等信息，還可以準確定位供應(yīng)鏈變化及發(fā)展趨勢[11]，提高采購投資質(zhì)量;在數(shù)據(jù)要素驅(qū)動下，有效縮短了企業(yè)與市場的距離，加強了企業(yè)與消費者的交互，提高了企業(yè)對市場需求的研判能力，從而根據(jù)市場走勢挖掘投資機會，驅(qū)動投資資金流向高收益、低風險領(lǐng)域[5]，優(yōu)化投資質(zhì)量。另一方面，數(shù)據(jù)要素提升了企業(yè)的投資效率。在數(shù)據(jù)要素驅(qū)動下，投資活動更加透明，降低了投資活動中的監(jiān)督成本和由此引致的效率損失[27]。在數(shù)據(jù)要素驅(qū)動下，代理問題引致的可操控空間大幅減少，監(jiān)督成本驟然下降，投資效率得到明顯提高[26]。此外，在數(shù)據(jù)要素驅(qū)動下的投資具有實時化、透明化等特征，可以實時監(jiān)控投資完成情況和投資實施效果，優(yōu)化投資流程，推動投資效率提升。由此，得到假說2c：

H2c：數(shù)據(jù)要素通過投資賦能機制，正向影響企業(yè)全要素生產(chǎn)率。

（三）數(shù)據(jù)開放程度、數(shù)據(jù)應(yīng)用場景、數(shù)據(jù)法治建設(shè)和數(shù)據(jù)安全保障的異質(zhì)性作用

為深入探究數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響機理，本文進一步分析數(shù)據(jù)保護和應(yīng)用場景在數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率中的異質(zhì)性作用。

數(shù)據(jù)應(yīng)用場景涉及獲取數(shù)據(jù)資源的廣度和深度，以及下游的應(yīng)用需求激勵等方面，在數(shù)據(jù)應(yīng)用場景更豐富的情景下，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響將更顯著。具體而言：第一，數(shù)據(jù)開放程度越高，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響越大。在數(shù)據(jù)開放程度高的地區(qū)，企業(yè)能夠獲取種類更豐富、使用價值更大的數(shù)據(jù)資源，高質(zhì)量的數(shù)據(jù)資源在企業(yè)間非排他性地流通、共享和使用[28]，不僅能夠顯著促進前沿技術(shù)的溢出和擴散[29]，發(fā)揮技術(shù)優(yōu)勢，促進產(chǎn)品創(chuàng)新、工藝創(chuàng)新和流程優(yōu)化，提高產(chǎn)品質(zhì)量和企業(yè)全要素生產(chǎn)率[5]。與此同時，企業(yè)之間高效共享使用數(shù)據(jù)資源，提高了企業(yè)對市場需求、供應(yīng)商能力以及投資風險等的評估效率[18]，從而增強了數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用。第二，數(shù)據(jù)應(yīng)用場景越豐富，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響越大。數(shù)據(jù)應(yīng)用場景是下游的應(yīng)用環(huán)節(jié)，為數(shù)據(jù)要素提供了需求激勵[29]。數(shù)據(jù)應(yīng)用場景能夠賦予數(shù)據(jù)要素不同的價值和用途。廣泛、豐富的數(shù)據(jù)應(yīng)用場景和數(shù)據(jù)應(yīng)用需求能夠使數(shù)據(jù)要素的價值得到更大程度的釋放。比如，高新技術(shù)企業(yè)在缺乏抵押品的情況下申請銀行信用貸款，銀行通過大數(shù)據(jù)對企業(yè)的信譽和還款能力進行評估和推斷，可以使企業(yè)較快地獲得這筆資金，從而促進企業(yè)高質(zhì)量發(fā)展。這便是數(shù)據(jù)應(yīng)用場景助力高新技術(shù)企業(yè)增強融資能力、促進其改進企業(yè)全要素生產(chǎn)率的例子。據(jù)此，提出假說3a：

H3a：在數(shù)據(jù)應(yīng)用場景更豐富的地區(qū)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用更顯著。具體而言，數(shù)據(jù)開放程度越高、數(shù)據(jù)應(yīng)用場景越豐富，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用越顯著。

數(shù)據(jù)保護涉及數(shù)據(jù)的隱私保護、數(shù)據(jù)的安全完整等方面，在數(shù)據(jù)保護程度更高的地區(qū)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響更顯著。具體而言：第一，數(shù)據(jù)法治建設(shè)越完善，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響越大。數(shù)據(jù)要素具有資產(chǎn)屬性，需要完善的法律制度加以保護;同時，數(shù)據(jù)要素的收集、加工以及交換等各個環(huán)節(jié)也離不開法律制度的支撐作用[29]。完善的數(shù)據(jù)法律保護體系緩解了數(shù)據(jù)要素市場的條塊分割、違規(guī)交易以及不完全契約等問題[30]，推動高質(zhì)量數(shù)據(jù)資源的開放和共享，促進企業(yè)以更低的交易成本獲取更高質(zhì)量的數(shù)據(jù)要素[31]，不斷增強數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用。第二，數(shù)據(jù)安全保障越強，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響越大。在數(shù)據(jù)要素的交易和共享過程中，存在數(shù)據(jù)泄露、數(shù)據(jù)濫用和攻擊等風險。在數(shù)據(jù)安全得不到保障的情況下，高質(zhì)量數(shù)據(jù)要素的供給不足，獲取高價值數(shù)據(jù)要素的難度增大、成本增高，不利于充分激發(fā)數(shù)據(jù)要素的應(yīng)用價值[29]，不利于發(fā)揮數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用?；谏鲜龇治觯岢黾僬f3b：

H3b：在數(shù)據(jù)保護程度更高的地區(qū)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用更顯著。具體而言，數(shù)據(jù)法治建設(shè)越完善、數(shù)據(jù)安全保障越強，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用越顯著。

二、研究設(shè)計

（一）模型設(shè)定

為考察數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率是否具有激勵效應(yīng)，設(shè)定如下基準回歸模型：

TFPit=β0+β1TreatPostit+φControlsit+ηj+μi+γt+εit（1）

模型（1）中的變量下標i、t分別代表企業(yè)、年份。企業(yè)全要素生產(chǎn)率（TFP）分別采用LP法、OP法、FE法測度。數(shù)據(jù)要素（TreatPost）借鑒史丹和孫光林[1]的研究，如果公司所在地設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)，在設(shè)立當年及以后年份取值為1，否則取值為0。β1衡量了數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的激勵效應(yīng)，如果β1顯著為正，則表明數(shù)據(jù)要素在激勵企業(yè)全要素生產(chǎn)率提升方面是有效的?？刂谱兞浚–ontrols）主要包括：銷售增長率（Sale_gr）、資本結(jié)構(gòu)（Lev）、公司規(guī)模（Size）、資產(chǎn)利潤率（Roa）、現(xiàn)金流（Cflow）、股權(quán)性質(zhì)（Soe）、人力資本（Humcap）、公司年齡（Age）、第一大股東持股比例（Top1）、董事會規(guī)模（Board）。此外，借鑒史丹和孫光林[1]的研究，本文還控制了省份層面的城鎮(zhèn)化（Urban）、經(jīng)濟發(fā)展水平（Rgdp）以及政府干預(yù)（Gov）。ηj、μi、γt以及εit分別代表行業(yè)、城市、時間固定效應(yīng)以及隨機誤差項。

（二）數(shù)據(jù)來源與變量定義

1.數(shù)據(jù)來源

國家級大數(shù)據(jù)綜合試驗區(qū)名單來自國家發(fā)展和改革委員會官網(wǎng)。其他數(shù)據(jù)來自國泰安（CSMAR）數(shù)據(jù)庫、CNRDS數(shù)據(jù)庫。由于制造業(yè)與非制造業(yè)在技術(shù)創(chuàng)新、生產(chǎn)過程、投資管理等方面具有顯著的行業(yè)結(jié)構(gòu)差異，同時創(chuàng)新、營運、投資賦能機制均與制造業(yè)具有密切的關(guān)系，因而本文選取更具標準化和可比性的制造業(yè)上市公司作為研究對象。考慮到2016年2月設(shè)立貴州試驗區(qū)，2016年10月分別設(shè)立京津冀、珠江三角洲、上海、河南、內(nèi)蒙古、重慶以及沈陽試驗區(qū)，因而本文選取2010—2022年中國A股制造業(yè)上市公司為樣本。此外，本文對連續(xù)變量在1%水平上進行Winsor（縮尾）處理。

2.變量定義

全要素生產(chǎn)率（TFP）。借鑒魯曉東和連玉君[32]以及鄭玉[9]的研究，分別采用LP法、OP法、FE法測算企業(yè)全要素生產(chǎn)率。

數(shù)據(jù)要素（TreatPost）。借鑒劉傳明等[33]、史丹和孫光林[1]的研究，若企業(yè)所在城市設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)，在設(shè)立當年及以后年份取1，否則取0。

機制變量。一是創(chuàng)新賦能。借鑒張杰和鄭文平[34]、黃先海和高亞興[35]的研究，分別采用專利知識寬度、專利被引量測度企業(yè)創(chuàng)新情況。其一，專利知識寬度采用發(fā)明專利IPC分類號大組層面的赫芬達爾-赫希曼指數(shù)（HHI指數(shù)）衡量，公式為KnowWidthit=1-ratio，ratioijt表示大組分類號為j的專利占企業(yè)當年全部專利的比重，KnowWidthit的值越高，代表專利知識寬度越大;其二，專利被引情況采用每個公司每年所有發(fā)明專利的平均被引次數(shù)的自然對數(shù)衡量。二是營運賦能。借鑒李萬利等[36]的研究，分別采用固定資產(chǎn)周轉(zhuǎn)率、存貨周轉(zhuǎn)率衡量企業(yè)的營運能力。三是投資賦能。借鑒張耀偉等[37]的研究，采用Richardson[38]投資期望模型的殘差衡量企業(yè)的投資情況。殘差絕對值越大，代表投資質(zhì)量越差，投資效率越低。

異質(zhì)性變量。一是數(shù)據(jù)開放程度。借鑒戴魁早等[29]、彭遠懷[24]的研究，采用復旦大學數(shù)字與移動治理實驗室構(gòu)建的中國省級開放數(shù)林指數(shù)衡量，按照是否高于樣本中位數(shù)將樣本分為數(shù)據(jù)開放程度高、低兩組。二是數(shù)據(jù)應(yīng)用場景、數(shù)據(jù)法治建設(shè)和數(shù)據(jù)安全保障。借鑒戴魁早等[29]的研究，分別采用《中國大數(shù)據(jù)發(fā)展報告No.5》中2020年的場景應(yīng)用指數(shù)、《中國大數(shù)據(jù)發(fā)展報告No.6》中2020年的數(shù)字法治指數(shù)和《中國大數(shù)據(jù)發(fā)展報告No.5》中2020年的大數(shù)據(jù)安全指數(shù)衡量，并按照是否高于樣本中位數(shù)將相應(yīng)樣本分為高、低兩組。

控制變量?？紤]到公司的財務(wù)狀況、治理結(jié)構(gòu)以及地區(qū)經(jīng)濟特征均可能對企業(yè)全要素生產(chǎn)率產(chǎn)生影響，借鑒彭遠懷[24]、鄭玉[9]以及史丹和孫光林[1]的做法，主要控制如下變量：公司層面包括銷售增長率（Sale_gr）、資本結(jié)構(gòu)（Lev）、資產(chǎn)利潤率（Roa）、現(xiàn)金流（Cflow）、公司規(guī)模（Size）、股權(quán)性質(zhì)（Soe）、人力資本（Humcap）、公司年齡（Age）、第一大股東持股比例（Top1）、董事會規(guī)模（Board）;地區(qū)層面包括城鎮(zhèn)化（Urban）、經(jīng)濟發(fā)展水平（Rgdp）、政府干預(yù)（Gov）。

變量定義及描述性統(tǒng)計如表1所示。

三、實證結(jié)果與分析

（一）基準回歸結(jié)果

表2（下頁）是本文的基準回歸結(jié)果。其中，列（2）為采用LP法測算企業(yè)全要素生產(chǎn)率的回歸結(jié)果，數(shù)據(jù)要素的回歸系數(shù)為0.045（t=3.53），表明設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)后，試驗區(qū)內(nèi)的企業(yè)全要素生產(chǎn)率將顯著提高4.5%，數(shù)據(jù)要素賦能企業(yè)全要素生產(chǎn)率提升的效果明顯;列（4）為采用OP法測算企業(yè)全要素生產(chǎn)率的回歸結(jié)果，數(shù)據(jù)要素的回歸系數(shù)為0.074（t=3.82）;列（6）為采用FE法測算企業(yè)全要素生產(chǎn)率的回歸結(jié)果，數(shù)據(jù)要素的回歸系數(shù)為0.081（t=5.88）。無論被解釋變量企業(yè)全要素生產(chǎn)率采用哪種測算方式，關(guān)鍵解釋變量數(shù)據(jù)要素的回歸系數(shù)均在1%水平上顯著為正，表明數(shù)據(jù)要素在提升企業(yè)全要素生產(chǎn)率方面具有重要作用。由此可見，國家級大數(shù)據(jù)綜合試驗區(qū)建設(shè)通過數(shù)據(jù)要素集聚效應(yīng)，提高了上下游企業(yè)之間的信息透明度，增強了企業(yè)的營運效率和管理效率，進而為企業(yè)全要素生產(chǎn)率的提升提供了強勁動力，假說H1得到驗證。

（二）穩(wěn)健性檢驗

1.動態(tài)效應(yīng)分析

為檢驗試驗區(qū)設(shè)立之前實驗組和對照組企業(yè)在企業(yè)全要素生產(chǎn)率發(fā)展方面是否具有相同趨勢，借鑒Beck等[39]、于亞卓等[40]以及鄭玉[14]的研究，采用回歸法來驗證共同趨勢假設(shè)，構(gòu)建如下檢驗?zāi)Ｐ停?/p>

TFPit=β0+∑T∈{-2，-1，0，1，2，3} βTTreatPostiT+φControlsit+ηj+μi+γt+εit（2）

表3（下頁）為共同趨勢檢驗結(jié)果，其中TreatPost-2、TreatPost-1的回歸系數(shù)均不顯著，表明設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)之前，實驗組和控制組的企業(yè)全要素生產(chǎn)率具有共同發(fā)展趨勢。而在設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)后二者的發(fā)展趨勢開始呈現(xiàn)顯著差異：數(shù)據(jù)要素的回歸系數(shù)均在1%水平上具有顯著性。由此可見，共同趨勢成立，動態(tài)效應(yīng)分析也在一定程度上驗證了本文研究結(jié)論的穩(wěn)健性。

2.安慰劑檢驗

為排除未被觀測到的因素可能產(chǎn)生的潛在影響，采用LP法測算企業(yè)全要素生產(chǎn)率，并基于實際的試點時間和虛擬的試點城市進行安慰劑檢驗[14，41-42]。圖1呈現(xiàn)了500次自抽樣的回歸系數(shù)及相應(yīng)的P值。橫、縱坐標虛線分別表示10%的顯著性水平和基準回歸中數(shù)據(jù)要素對應(yīng)的回歸系數(shù)值。由圖1可知，安慰劑檢驗的系數(shù)值在零點附近近似服從正態(tài)分布，且較大比例的系數(shù)值落在10%的置信區(qū)間外，表明假說H1中的核心結(jié)論穩(wěn)健可靠。

3.工具變量法

理論上，如果存在其他與國家級大數(shù)據(jù)綜合試驗區(qū)空間選址類似的其他區(qū)位導向性政策，仍然可能會影響實證結(jié)果，從而無法體現(xiàn)國家級大數(shù)據(jù)綜合試驗區(qū)對企業(yè)全要素生產(chǎn)率的凈影響。對此，本文借鑒孫偉增等[43]的研究，采用工具變量法以排除其他不可觀測因素的干擾，以解決國家級大數(shù)據(jù)綜合試驗區(qū)選址的內(nèi)生性問題。具體而言，穩(wěn)定的地質(zhì)條件與國家級大數(shù)據(jù)綜合試驗區(qū)選址具有緊密的關(guān)系，而地質(zhì)條件與企業(yè)全要素生產(chǎn)率沒有直接關(guān)系，因而滿足工具變量使用條件。為此，本文從國家統(tǒng)計局網(wǎng)站整理了2004—2015年各省份7級以上地震次數(shù)（Earthquake），并與表征政策實施年份的Post變量相乘，得到EarthquakePost，作為模型（1）中內(nèi)生解釋變量TreatPost的工具變量。

表4為工具變量兩階段最小二乘法（2SLS）的回歸結(jié)果，其中，在列（1）第一階段回歸中，工具變量的系數(shù)顯著為負。該實證結(jié)果表明，越易發(fā)生地震的地區(qū)，該地區(qū)的地質(zhì)穩(wěn)定性越差，越不可能設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)。在列（2）第二階段回歸中，數(shù)據(jù)要素的回歸系數(shù)為0.062（t=3.14），表明核心結(jié)論具有穩(wěn)健性。列（3）進一步將工具變量加入模型（1），發(fā)現(xiàn)控制國家級大數(shù)據(jù)綜合試驗區(qū)表征的數(shù)據(jù)要素后，工具變量對企業(yè)全要素生產(chǎn)率的影響不再顯著，滿足排他性要求。

4.其他穩(wěn)健性檢驗

首先，采用PSM-DID方法估計。設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)來自政府前瞻性布局，因而設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)作為外部性政策沖擊能夠有效避免反向因果引致的內(nèi)生性問題。然而，國家級大數(shù)據(jù)綜合試驗區(qū)的設(shè)立可能存在樣本自選擇問題。為此，本文采用PSM-DID方法進行穩(wěn)健性檢驗。具體而言，首先采用PSM法為實驗組企業(yè)配對特征相近的控制組企業(yè)，然后采用DID方法對傾向得分匹配（PSM）后的樣本進行回歸。表5（下頁）列（1）顯示，在PSM-DID回歸中數(shù)據(jù)要素的系數(shù)為0.037（t=3.12）;回歸結(jié)果表明，相較于所在地未設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)的企業(yè)，試驗區(qū)內(nèi)企業(yè)全要素生產(chǎn)率大致高出3.7個百分點。由此可知，控制樣本自選擇性偏誤后，設(shè)立國家級大數(shù)據(jù)綜合試驗區(qū)對企業(yè)全要素生產(chǎn)率提升具有顯著的激勵作用。

其次，控制其他政策。鄭玉[14]認為，入選“寬帶中國”試點城市，會使數(shù)字基礎(chǔ)設(shè)施建設(shè)水平得到顯著提升，在一定程度上發(fā)揮了數(shù)據(jù)要素集聚功能，因而本文控制“寬帶中國”戰(zhàn)略試點政策對回歸結(jié)果的影響;2019年10月20日，福建省、四川省、廣東省、浙江省、重慶市以及河北?。ㄐ郯残聟^(qū)）等6個國家數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)啟動創(chuàng)建工作，因而亦需控制該政策對回歸結(jié)果可能產(chǎn)生的潛在影響。列（2）呈現(xiàn)了排除這兩項政策干擾后的回歸結(jié)果，數(shù)據(jù)要素的回歸系數(shù)為0.041（t=3.92），表明排除其他政策干擾后，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的正向影響依然未發(fā)生改變。

再次，縮短數(shù)據(jù)區(qū)間。長數(shù)據(jù)區(qū)間易受其他干擾因素影響[14，40]，鑒于國家級大數(shù)據(jù)綜合試驗區(qū)分兩批分別于2016年2月和10月批復設(shè)立，本文將數(shù)據(jù)區(qū)間縮短為2014—2019年，列（3）呈現(xiàn)了縮短數(shù)據(jù)區(qū)間后的回歸結(jié)果，數(shù)據(jù)要素TreatPost的回歸系數(shù)為0.048（t=2.76），研究結(jié)論與前文無差別。

最后，加入多維固定效應(yīng)。為增強實證結(jié)果的穩(wěn)健性和準確性，本文借鑒彭遠懷[24]、侯曉輝和王騰宇[44]、Giroud等[45]的研究，在基準回歸的基礎(chǔ)上，加入多維固定效應(yīng)緩解估計偏誤。具體而言，列（4）在原來控制行業(yè)、城市、時間固定效應(yīng)的基礎(chǔ)上，進一步控制企業(yè)固定效應(yīng);列（5）則將列（4）中的行業(yè)、城市、企業(yè)、時間固定效應(yīng)替換為“行業(yè)×時間”固定效應(yīng)、“城市×時間”固定效應(yīng)、“企業(yè)×時間”固定效應(yīng)?？梢钥闯?，列（4）使用多維固定效應(yīng)后，研究結(jié)論保持穩(wěn)健;列（5）使用高維固定效應(yīng)后，數(shù)據(jù)要素的影響效應(yīng)依然顯著。上述系列穩(wěn)健性檢驗表明假說H1中的核心研究結(jié)論具有穩(wěn)健性。

（三）作用機制的識別

理論分析表明，數(shù)據(jù)要素通過創(chuàng)新賦能、營運賦能和投資賦能推動企業(yè)全要素生產(chǎn)率提升。為此，本文借鑒Baron和Kenny[46]、鄭玉[47]的研究，在模型（1）的基礎(chǔ)上，構(gòu)建模型（3）和模型（4）檢驗創(chuàng)新賦能、營運賦能和投資賦能的中介效應(yīng)：

Mediatorit=β0+β1TreatPostit+φControlsit+ηj+μi+γt+εit（3）

TFPit=β0+β1TreatPostit+β2Mediatorit+φControlsit+ηj+μi+γt+εit（4）

其中，Mediatorit為中介變量，模型（3）用于考察數(shù)據(jù)要素對中介變量的影響，模型（4）用于考察中介變量在數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率中的中介作用。

1.創(chuàng)新賦能機制分析

表6（下頁）報告了創(chuàng)新賦能中介效應(yīng)的檢驗結(jié)果。通過模型（1）的檢驗，在列（1）的回歸結(jié)果中，數(shù)據(jù)要素（TreatPost）對被解釋變量企業(yè)全要素生產(chǎn)率（TFP）的回歸系數(shù)顯著為正，表明數(shù)據(jù)要素有助于提升企業(yè)全要素生產(chǎn)率。根據(jù)模型（3），在列（2）和列（4）的結(jié)果中，數(shù)據(jù)要素（TreatPost）對中介變量專利知識寬度（KnowWidth）和專利被引情況（Citation）的回歸系數(shù)均顯著為正，表明數(shù)據(jù)要素對企業(yè)創(chuàng)新具有顯著的激勵作用。由模型（4），得到列（3）和列（5）的檢驗結(jié)果中，中介變量專利知識寬度（KnowWidth）、專利被引情況（Citation）對企業(yè)全要素生產(chǎn)率（TFP）的回歸系數(shù)均顯著為正，且數(shù)據(jù)要素（TreatPost）對企業(yè)全要素生產(chǎn)率（TFP）依然具有顯著的正向影響，但回歸系數(shù)較列（1）的基準回歸結(jié)果有所降低。由此可見，數(shù)據(jù)要素通過創(chuàng)新賦能，提高企業(yè)的創(chuàng)新水平和新產(chǎn)品開發(fā)能力，助力企業(yè)全要素生產(chǎn)率提升。至此，假說H2a中數(shù)據(jù)要素通過創(chuàng)新賦能而提升企業(yè)全要素生產(chǎn)率的理論假說得到驗證。

2.營運賦能機制分析

表7（下頁）報告了營運賦能中介效應(yīng)的檢驗結(jié)果。模型（1）的回歸結(jié)果如列（1）所示，數(shù)據(jù)要素（TreatPost）的回歸系數(shù)顯著為正。根據(jù)模型（3），在列（2）和列（4）的結(jié)果中，數(shù)據(jù)要素（TreatPost）對中介變量固定資產(chǎn)周轉(zhuǎn)率（AssetTurn）和存貨周轉(zhuǎn)率（StockTurn）的回歸系數(shù)均顯著為正，說明數(shù)據(jù)要素能夠優(yōu)化資產(chǎn)配置，提高以固定資產(chǎn)、存貨為代表的資產(chǎn)周轉(zhuǎn)率和資產(chǎn)營運效率。由模型（4）的實證結(jié)果列（3）、列（5）可知，中介變量固定資產(chǎn)周轉(zhuǎn)率（AssetTurn）、存貨周轉(zhuǎn)率（StockTurn）對企業(yè)全要素生產(chǎn)率（TFP）的回歸系數(shù)均顯著為正，且數(shù)據(jù)要素（TreatPost）對企業(yè)全要素生產(chǎn)率依然具有顯著的提升作用，但回歸系數(shù)較列（1）的基準回歸結(jié)果有所降低。綜上可見，數(shù)據(jù)要素通過營運賦能，提高企業(yè)對資產(chǎn)的營運能力，助力企業(yè)全要素生產(chǎn)率提升。至此，假說H2b中數(shù)據(jù)要素通過營運賦能而提升企業(yè)全要素生產(chǎn)率的理論假說得到實證支持。

3.投資賦能機制分析

表8（下頁）為投資賦能的中介效應(yīng)檢驗結(jié)果。模型（1）的實證檢驗結(jié)果如列（1）所示，數(shù)據(jù)要素（TreatPost）對被解釋變量企業(yè)全要素生產(chǎn)率（TFP）的回歸系數(shù)顯著為正。模型（3）的回歸結(jié)果呈現(xiàn)在列（2）中，數(shù)據(jù)要素（TreatPost）對中介變量投資效率（InvEff）的回歸系數(shù)顯著為負，說明數(shù)據(jù)要素能夠提高企業(yè)投資效率，抑制低效率和低質(zhì)量投資問題。根據(jù)模型（4），列（3）的中介變量投資效率（InvEff）對企業(yè)全要素生產(chǎn)率（TFP）的回歸系數(shù)顯著為負，且數(shù)據(jù)要素（TreatPost）依然在1%水平上對企業(yè)全要素生產(chǎn)率具有積極的正向影響，但回歸系數(shù)較列（1）的基準回歸結(jié)果有所降低。這表明數(shù)據(jù)要素的投資賦能機制有助于企業(yè)全要素生產(chǎn)率提升。假說H2c通過實證檢驗。

（四）異質(zhì)性檢驗

為深入理解數(shù)據(jù)要素與企業(yè)全要素生產(chǎn)率提升之間的因果關(guān)系，本文分別分析數(shù)據(jù)開放程度、數(shù)據(jù)應(yīng)用場景、數(shù)據(jù)法治建設(shè)和數(shù)據(jù)安全保障在數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率中的異質(zhì)性作用。

1.數(shù)據(jù)開放程度

數(shù)據(jù)開放程度越高，數(shù)據(jù)集聚效應(yīng)越大，數(shù)據(jù)要素價值也越高，因而能夠更好地發(fā)揮數(shù)據(jù)的生產(chǎn)要素作用，增強數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升效應(yīng)。由此可見，數(shù)據(jù)開放程度越高，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的賦能作用越大。為此，本文根據(jù)數(shù)據(jù)開放程度進行異質(zhì)性檢驗，表9列（1）、列（2）呈現(xiàn)了相關(guān)異質(zhì)性檢驗結(jié)果。對比列（1）和列（2）可知，在數(shù)據(jù)開放程度更高的地區(qū)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用更大，假說H3a通過實證檢驗。

2.數(shù)據(jù)應(yīng)用場景

數(shù)據(jù)應(yīng)用場景越豐富，對數(shù)據(jù)要素的需求越強，數(shù)據(jù)要素的潛在作用越大。數(shù)據(jù)應(yīng)用場景通過拓寬數(shù)據(jù)要素的作用渠道、提升數(shù)據(jù)要素的作用空間來促進企業(yè)全要素生產(chǎn)率提升。為此，根據(jù)數(shù)據(jù)應(yīng)用場景進行異質(zhì)性檢驗，檢驗結(jié)果如表9列（3）、列（4）所示。對比列（4）范圍較窄的數(shù)據(jù)應(yīng)用場景，列（3）中豐富的數(shù)據(jù)應(yīng)用場景更有利于發(fā)揮數(shù)據(jù)要素的作用。因此，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用在高數(shù)據(jù)應(yīng)用場景中更易發(fā)揮和體現(xiàn)，假說H3a得到驗證。

3.數(shù)據(jù)法治建設(shè)

加強數(shù)據(jù)法治建設(shè)能夠營造良好的數(shù)據(jù)交易環(huán)境，促進數(shù)據(jù)要素的合法獲取、正常使用和順暢流通，加速消除數(shù)字鴻溝，更好地增強數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升效果。為此，根據(jù)數(shù)據(jù)法治建設(shè)進行異質(zhì)性檢驗，檢驗結(jié)果如表9列（5）、列（6）所示。對比列（6）中較低的數(shù)據(jù)法治建設(shè)水平，列（5）中較優(yōu)的數(shù)據(jù)法治建設(shè)環(huán)境更有利于增強數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用。這說明，數(shù)據(jù)法治建設(shè)水平越高，越有利于發(fā)揮數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用，實證檢驗結(jié)果與假說H3b的理論預(yù)期相符。

4.數(shù)據(jù)安全保障

防止數(shù)據(jù)在使用過程中被篡改和損壞，保證數(shù)據(jù)的真實、有效和完整，是有效發(fā)揮數(shù)據(jù)要素作用的關(guān)鍵。為此，本文根據(jù)數(shù)據(jù)安全保障水平進行異質(zhì)性檢驗，檢驗結(jié)果如表9列（7）、列（8）所示。對比列（7）和列（8）可以看出，在較好的數(shù)據(jù)安全保障環(huán)境中，更有利于發(fā)揮數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用。該結(jié)論表明，強化數(shù)據(jù)安全保障，提供安全的數(shù)據(jù)要素交易環(huán)境，有助于強化數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用，這為假說H3b通過檢驗提供了經(jīng)驗證據(jù)。

四、研究結(jié)論與政策建議

本文基于數(shù)字經(jīng)濟理論和微觀經(jīng)濟理論，構(gòu)建了數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率的理論模型，利用國家級大數(shù)據(jù)綜合試驗區(qū)設(shè)立這一準自然實驗和2010—2022中國A股制造業(yè)上市公司樣本進行實證檢驗，得到如下研究結(jié)論：第一，數(shù)據(jù)要素促進了企業(yè)全要素生產(chǎn)率提升。本文研究證實，以國家級大數(shù)據(jù)綜合試驗區(qū)設(shè)立為代表的數(shù)據(jù)要素有效促進了企業(yè)全要素生產(chǎn)率提升。第二，數(shù)據(jù)要素通過創(chuàng)新賦能、營運賦能和投資賦能促進企業(yè)全要素生產(chǎn)率提升。本文從創(chuàng)新賦能、營運賦能、投資賦能視角揭示了數(shù)據(jù)要素影響企業(yè)全要素生產(chǎn)率的中介機制。其一，數(shù)據(jù)要素能夠集聚創(chuàng)新資源，提高企業(yè)的創(chuàng)新水平，通過創(chuàng)新賦能助力企業(yè)全要素生產(chǎn)率提升和高質(zhì)量發(fā)展;其二，數(shù)據(jù)要素能夠優(yōu)化營運流程，規(guī)避營運資產(chǎn)錯配，通過營運賦能助力企業(yè)全要素生產(chǎn)率提升;其三，數(shù)據(jù)要素能夠甄別投資機會，規(guī)避投資風險，提高投資質(zhì)量，通過投資賦能助力企業(yè)全要素生產(chǎn)率提升。第三，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的影響在異質(zhì)性的數(shù)據(jù)開放程度、數(shù)據(jù)應(yīng)用場景、數(shù)據(jù)法治建設(shè)、數(shù)據(jù)安全保障下，存在顯著差異。實證研究表明，在數(shù)據(jù)開放程度更高的地區(qū)、在數(shù)據(jù)應(yīng)用場景更豐富的地區(qū)、在數(shù)據(jù)法治建設(shè)水平更高的地區(qū)以及在數(shù)據(jù)安全保障更強的地區(qū)，數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的促進作用更明顯。

根據(jù)上述結(jié)論，提出如下政策建議：

第一，持續(xù)發(fā)揮數(shù)據(jù)要素價值，增強數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升作用。一方面，數(shù)據(jù)要素價值的發(fā)揮涉及算力、算法等多項數(shù)字技術(shù)，因而需要加強數(shù)字技術(shù)研發(fā)投入，彌補數(shù)字技術(shù)人才缺口，促進數(shù)據(jù)要素價值更好實現(xiàn);另一方面，數(shù)據(jù)積累到一定程度，易引發(fā)“贏者通吃”“路徑鎖定”等現(xiàn)象，因而應(yīng)加強對大型數(shù)字平臺的反壟斷監(jiān)管，避免對制造業(yè)企業(yè)產(chǎn)生不利影響。

第二，充分利用創(chuàng)新、營運和投資三方面因素的賦能機制，持續(xù)助力企業(yè)全要素生產(chǎn)率提升。就創(chuàng)新賦能而言，企業(yè)應(yīng)加強與外部創(chuàng)新主體的合作，開展聯(lián)合創(chuàng)新和開放式創(chuàng)新，加速信息獲取和知識融合，促進企業(yè)創(chuàng)新能力提升;就營運賦能而言，企業(yè)應(yīng)加強營運流程的數(shù)字化管理，降低信息滯后引致的“牛鞭效應(yīng)”，優(yōu)化庫存管理，快速響應(yīng)市場，增強供應(yīng)鏈靈活性，降低“斷鏈”風險;就投資賦能而言，企業(yè)應(yīng)增強風險防控意識，加強對投資風險的監(jiān)測，提高對投資機會的感知能力，利用數(shù)據(jù)挖掘和分析技術(shù)，提高投資效率。

第三，關(guān)注數(shù)據(jù)保護和應(yīng)用場景的差異，進一步釋放數(shù)據(jù)要素對企業(yè)全要素生產(chǎn)率的提升潛能。首先，促進數(shù)據(jù)要素開放，推進數(shù)據(jù)資源互聯(lián)互通，構(gòu)建全國統(tǒng)一的數(shù)據(jù)要素市場，有效發(fā)揮數(shù)據(jù)要素生產(chǎn)力效應(yīng);其次，構(gòu)建豐富的應(yīng)用場景，豐富數(shù)據(jù)的賦能空間，同時引導數(shù)據(jù)要素流向戰(zhàn)略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)，構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系;最后，加強數(shù)據(jù)保護和數(shù)據(jù)治理，建立規(guī)范的數(shù)據(jù)聯(lián)通規(guī)則和完善的數(shù)據(jù)保護制度，以打破數(shù)據(jù)孤島、促進數(shù)據(jù)要素流通。 [Reform]

參考文獻

[1]史丹，孫光林.數(shù)據(jù)要素與新質(zhì)生產(chǎn)力：基于企業(yè)全要素生產(chǎn)率視角[J].經(jīng)濟理論與經(jīng)濟管理，2024（4）：12-30.

[2]陳彥斌，陳偉澤.潛在增速缺口與宏觀政策目標重構(gòu)——兼以中國實踐評西方主流宏觀理論的缺陷[J].經(jīng)濟研究，2021（3）：14-31.

[3]王靜田，付曉東.數(shù)字經(jīng)濟的獨特機制、理論挑戰(zhàn)與發(fā)展啟示——基于生產(chǎn)要素秩序演進和生產(chǎn)力進步的探討[J].西部論壇，2020（6）：1-12.

[4]史丹.數(shù)字經(jīng)濟條件下產(chǎn)業(yè)發(fā)展趨勢的演變[J].中國工業(yè)經(jīng)濟，2022（11）：26-42.

[5]李海艦，趙麗.數(shù)據(jù)成為生產(chǎn)要素：特征、機制與價值形態(tài)演進[J].上海經(jīng)濟研究，2021（8）：48-59.

[6]戚聿東，劉歡歡.數(shù)字經(jīng)濟下數(shù)據(jù)的生產(chǎn)要素屬性及其市場化配置機制研究[J].經(jīng)濟縱橫，2020（11）：63-76.

[7]白永秀，李嘉雯，王澤潤.數(shù)據(jù)要素：特征、作用機理與高質(zhì)量發(fā)展[J].電子政務(wù)，2022（6）：23-36.

[8]陳國青，任明，衛(wèi)強，等.數(shù)智賦能：信息系統(tǒng)研究的新躍遷[J].管理世界，2022（1）：180-196.

[9]鄭玉.數(shù)字經(jīng)濟、要素市場扭曲緩解與企業(yè)全要素生產(chǎn)率[J].經(jīng)濟體制改革，2024（1）：88-96.

[10] BAJARI P， CHERNOZHUKOV V， HORTACSU A， et al. The impact of big data on firm performance： An empirical investigation[J]. AEA Papers and Proceedings， 2019， 109（5）： 33-37.

[11] ACEMOGLU D， RESTREPO P. Automation and new tasks： How technology displaces and reinstates labor[J]. Journal of Economic Perspectives， 2019， 33（2）： 3-30.

[12] 李海艦，趙麗.數(shù)據(jù)價值理論研究[J].財貿(mào)經(jīng)濟，2023（6）：5-20.

[13] 謝康，夏正豪，肖靜華.大數(shù)據(jù)成為現(xiàn)實生產(chǎn)要素的企業(yè)實現(xiàn)機制：產(chǎn)品創(chuàng)新視角[J].中國工業(yè)經(jīng)濟，2020（5）：42-60.

[14] 鄭玉.數(shù)字基礎(chǔ)設(shè)施建設(shè)對企業(yè)創(chuàng)新影響機理探究——基于“寬帶中國”戰(zhàn)略試點準自然實驗的實證檢驗[J].中央財經(jīng)大學學報，2023（4）：90-104.

[15] BHATTACHARYA U， HSU P H， TIAN X， et al. What affects innovation more： Policy or policy uncertainty？[J]. Journal of Financial and Quantitative Analysis， 2017， 52（5）： 1869-1901.

[16] 沈國兵，袁征宇.企業(yè)互聯(lián)網(wǎng)化對中國企業(yè)創(chuàng)新及出口的影響[J].經(jīng)濟研究，2020（1）：33-48.

[17] 田秀娟，李睿.數(shù)字技術(shù)賦能實體經(jīng)濟轉(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（5）：56-73.

[18] MAGALHAES G， ROSEIRA C. Open government data and the private sector： An empirical view on business models and value creation[J]. Government Information Quarterly， 2020， 37（3）： 101248.

[19] 許憲春，任雪，常子豪.大數(shù)據(jù)與綠色發(fā)展[J].中國工業(yè)經(jīng)濟，2019（4）：5-22.

[20] 李唐，李青，陳楚霞.數(shù)據(jù)管理能力對企業(yè)生產(chǎn)率的影響效應(yīng)——來自中國企業(yè)—勞動力匹配調(diào)查的新發(fā)現(xiàn)[J].中國工業(yè)經(jīng)濟，2020（6）：174-192.

[21] 夏杰長，劉誠.行政審批改革、交易費用與中國經(jīng)濟增長[J].管理世界，2017（4）：47-59.

[22] 錢雪松，康瑾，唐英倫，等.產(chǎn)業(yè)政策、資本配置效率與企業(yè)全要素生產(chǎn)率——基于中國2009年十大產(chǎn)業(yè)振興規(guī)劃自然實驗的經(jīng)驗研究[J].中國工業(yè)經(jīng)濟，2018（8）：42-59.

[23] GHASEMAGHAEI M， CALIC G. Assessing the impact of big data on firm innovation performance： Big data is not always better data[J]. Journal of Business Research， 2020， 108： 147-162.

[24] 彭遠懷.政府數(shù)據(jù)開放的價值創(chuàng)造作用：企業(yè)全要素生產(chǎn)率視角[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2023（9）：50-70.

[25] VIAL G. Understanding digital transformation： A review and a research agenda[J]. The Journal of Strategic Information Systems， 2019， 28（2）： 118-144.

[26] 陳德球，胡晴.數(shù)字經(jīng)濟時代下的公司治理研究：范式創(chuàng)新與實踐前沿[J].管理世界，2022（6）：213-240.

[27] 袁淳，肖土盛，耿春曉，等.數(shù)字化轉(zhuǎn)型與企業(yè)分工：專業(yè)化還是縱向一體化[J].中國工業(yè)經(jīng)濟，2021（9）：137-155.

[28] JONES C I， TONETTI C. Nonrivalry and the economics of data[J]. American Economic Review， 2020， 110（9）： 2819-2858.

[29] 戴魁早，王思曼，黃姿.數(shù)據(jù)交易平臺建設(shè)如何影響企業(yè)全要素生產(chǎn)率[J].經(jīng)濟學動態(tài)，2023（12）：58-75.

[30] 趙云輝，張哲，馮泰文，等.大數(shù)據(jù)發(fā)展、制度環(huán)境與政府治理效率[J].管理世界，2019（11）：119-132.

[31] 尹華容，王惠民.隱私計算的行政法規(guī)制[J].湖南科技大學學報（社會科學版），2022（6）：93-101.

[32] 魯曉東，連玉君.中國工業(yè)企業(yè)全要素生產(chǎn)率估計：1999—2007[J].經(jīng)濟學（季刊），2012 （2）：541-558.

[33] 劉傳明，陳梁，魏曉敏.數(shù)據(jù)要素集聚對科技創(chuàng)新的影響研究——基于大數(shù)據(jù)綜合試驗區(qū)的準自然實驗[J].上海財經(jīng)大學學報，2023（5）：107-121.

[34] 張杰，鄭文平.創(chuàng)新追趕戰(zhàn)略抑制了中國專利質(zhì)量么？[J].經(jīng)濟研究，2018（5）：28-41.

[35] 黃先海，高亞興.數(shù)實產(chǎn)業(yè)技術(shù)融合與企業(yè)全要素生產(chǎn)率——基于中國企業(yè)專利信息的研究[J].中國工業(yè)經(jīng)濟，2023（11）：118-136.

[36] 李萬利，潘文東，袁凱彬.企業(yè)數(shù)字化轉(zhuǎn)型與中國實體經(jīng)濟發(fā)展[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2022（9）：5-25.

[37] 張耀偉，陳世山，曹甜甜.董事會斷層與差異整合機制對投資決策質(zhì)量的聯(lián)合效應(yīng)研究[J].南開管理評論，2021（2）：94-107.

[38] RICHARDSON S. Over-investment of free cash flow[J]. Review of Accounting Studies，2006，11（2-3）： 159-189.

[39] BECK T， LEVINE R， LEVKOV A. Big bad banks？ The winners and losers from bank deregulation in the United States[J]. The Journal of Finance， 2010， 65（5）： 1637-1667.

[40] 于亞卓，張惠琳，張平淡.非對稱性環(huán)境規(guī)制的標尺現(xiàn)象及其機制研究[J].管理世界，2021（9）：134-147.

[41] LI P， LU Y， WANG J. Does flattening government improve economic performance？ Evidence from China[J]. Journal of Development Economics， 2016， 123： 18-37.

[42] 朱乾隆，石曉平，馬賢磊，等.數(shù)字經(jīng)濟發(fā)展對工業(yè)用地利用效率的影響——基于國家級大數(shù)據(jù)綜合試驗區(qū)的準自然實驗[J].中國土地科學，2023（11）：41-51.

[43] 孫偉增，毛寧，蘭峰，等.政策賦能、數(shù)字生態(tài)與企業(yè)數(shù)字化轉(zhuǎn)型——基于國家大數(shù)據(jù)綜合試驗區(qū)的準自然實驗[J].中國工業(yè)經(jīng)濟，2023（9）：117-135.

[44] 侯曉輝，王騰宇.“用腳投票”還是“用手投票”：機構(gòu)投資者持股與公司欺詐[J].經(jīng)濟管理，2024（7）：168-189.

[45] GIROUD X， LIU E， MUELLER H. Innovation spillovers across U.S. tech clusters[Z].NBER Working Paper， No.32677， 2024.

[46] BARON R， KENNY D. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations[J]. Journal of Personality and Social Psychology， 1986， 51（6）：1173-1182.

[47] 鄭玉.政府補貼的創(chuàng)新效應(yīng)——兼論不同類型創(chuàng)新的最適補貼區(qū)間[J].經(jīng)濟經(jīng)緯，2020（4）：142-149.

Empowerment Mechanism of Data Elements and Improvement of Total Factor Productivity of Enterprises： Evidence from the National Big Data Comprehensive Pilot Zone

SHI Dan ZHENG Yu

Abstract： The introduction of data elements into the production function will generate significant productivity effects， but whether and how data elements can affect enterprise total factor productivity still requires further research. Using a quasi natural experiment established in the national big data comprehensive pilot zone， this study uses data from Chinese A-share manufacturing listed companies from 2010 to 2022 and a difference in differences model to reveal the impact mechanism of data elements on enterprise total factor productivity. Research has found that data elements can significantly improve enterprise total factor productivity. In terms of mechanism， data elements mainly promote the improvement of enterprise total factor productivity through innovation empowerment， operational empowerment， and investment empowerment. Heterogeneity analysis found that the effect of data elements on improving enterprise total factor productivity is more significant in regions with high data openness， rich data application scenarios， sound data rule of law construction， and strong data security guarantees.

Key words： data elements; empowerment mechanism; enterprise total factor productivity; national big data comprehensive pilot zone

基金項目：國家社會科學基金項目“‘卡脖子’技術(shù)對產(chǎn)業(yè)鏈現(xiàn)代化的阻滯機理及治理模式研究”（21BJY061）;中國社會科學院重大項目“中華民族工業(yè)文明的形成演進及驅(qū)動力研究”（2023YZD054）;中國社會科學院工業(yè)大數(shù)據(jù)聯(lián)合實驗室項目（2024SYZH007）;中國社會科學院學科建設(shè)“登峰戰(zhàn)略”資助項目（DF2023YS24）。

作者簡介：史丹，中國社會科學院學部委員，中國社會科學院工業(yè)經(jīng)濟研究所研究員;鄭玉（通信作者），鄭州輕工業(yè)大學經(jīng)濟與管理學院副教授，中國社會科學院工業(yè)經(jīng)濟研究所進修教師。