制度松綁、數(shù)字治理生態(tài)與新質(zhì)生產(chǎn)力

摘要：數(shù)據(jù)具有邊際報酬遞增乘數(shù)效應(yīng)，是打造新質(zhì)生產(chǎn)力的新增長極。通過數(shù)據(jù)制度松綁將賦能新質(zhì)生產(chǎn)力，助力高質(zhì)量發(fā)展與中國式現(xiàn)代化。借助雙重機器學(xué)習(xí)模型，選取2010—2022年省級面板數(shù)據(jù)，探討大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響，考察制度松綁、數(shù)字治理生態(tài)與新質(zhì)生產(chǎn)力的內(nèi)在聯(lián)系與建鏈路徑。研究發(fā)現(xiàn)：①以大數(shù)據(jù)管理機構(gòu)設(shè)立為代表的制度松綁能有效促進新質(zhì)生產(chǎn)力發(fā)展。大數(shù)據(jù)管理機構(gòu)的設(shè)立推動數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境與數(shù)字社會環(huán)境優(yōu)化，從而作用于新質(zhì)生產(chǎn)力發(fā)展；②進一步分析發(fā)現(xiàn)，制度松綁帶來的驅(qū)動效應(yīng)受到異質(zhì)性因素干擾，其中在高政府效率、高人力資本、高信息化水平地區(qū)的作用效果更強。研究結(jié)論為新質(zhì)生產(chǎn)力嵌入制度變遷視角提供理論解讀，為通過制度路徑和治理體系推動新質(zhì)生產(chǎn)力發(fā)展提供現(xiàn)實依據(jù)。

關(guān)鍵詞：制度松綁；數(shù)字治理生態(tài)；新質(zhì)生產(chǎn)力；大數(shù)據(jù)管理機構(gòu)；雙重機器學(xué)習(xí)

中圖分類號：F014.1"""文獻標(biāo)識碼：A"""文章編號：1001-7348（2025）01-0010-11

0 引言

新質(zhì)生產(chǎn)力是以數(shù)據(jù)要素為重要引擎的生產(chǎn)力新質(zhì)態(tài)，是推動高質(zhì)量發(fā)展的重要著力點。然而，現(xiàn)階段中國新質(zhì)生產(chǎn)力發(fā)展面臨產(chǎn)權(quán)制度尚未形成、分配機制滯后、激勵機制不足等制度掣肘^[1-2]，尤其是數(shù)據(jù)基礎(chǔ)制度不健全和數(shù)據(jù)治理體系不完善^[3]，導(dǎo)致經(jīng)濟、教育、科技、人才等要素發(fā)展不足是阻礙新質(zhì)生產(chǎn)力發(fā)展的主要因素^[4]。既有研究倡導(dǎo)通過構(gòu)建現(xiàn)代化產(chǎn)業(yè)體系、加強科技創(chuàng)新與人才培育等路徑增強新質(zhì)生產(chǎn)力發(fā)展活力^[4-5]，但其局限性在于未觸及限制新質(zhì)生產(chǎn)力躍遷的制度阻滯，尤其缺乏數(shù)據(jù)制度賦能新質(zhì)生產(chǎn)力發(fā)展的經(jīng)驗證據(jù)。中國近幾十年制度變遷的顯著特征是通過制度改革放松管制并實現(xiàn)制度松綁，進而激發(fā)社會活力和創(chuàng)新力。那么，一個潛在的問題是制度松綁能否帶來新質(zhì)生產(chǎn)力提升？

近年來，中國政府致力于夯實數(shù)據(jù)制度基礎(chǔ)，以促進數(shù)據(jù)高效流通及價值釋放。2014年“大數(shù)據(jù)”首次被寫入政府工作報告；2019年中共十九屆四中全會將“數(shù)據(jù)”列為新生產(chǎn)要素；2022年中共中央、國務(wù)院印發(fā)《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》（“數(shù)據(jù)二十條”）；2024年中共二十屆三中全會提出加快建立數(shù)據(jù)制度、健全因地制宜發(fā)展新質(zhì)生產(chǎn)力體制機制的新要求。然而，當(dāng)前數(shù)據(jù)要素供需面臨數(shù)據(jù)壁壘、數(shù)據(jù)泄漏、數(shù)據(jù)“沉睡”等多重困境，限制數(shù)據(jù)價值的充分釋放^[6]。有學(xué)者提出數(shù)據(jù)基礎(chǔ)制度是應(yīng)對當(dāng)前數(shù)據(jù)困局、充分釋放數(shù)據(jù)潛力的有效制度安排^[3]。多重證據(jù)表明，完善數(shù)據(jù)基礎(chǔ)制度建設(shè)，實現(xiàn)數(shù)據(jù)制度松綁，是賦能新質(zhì)生產(chǎn)力的重要制度進路^[7-8]。

當(dāng)前，數(shù)據(jù)基礎(chǔ)制度建設(shè)對新質(zhì)生產(chǎn)力躍遷的貢獻愈發(fā)明顯^[8]。新制度主義學(xué)派代表人物North^[9]指出，制度是影響經(jīng)濟社會發(fā)展的關(guān)鍵因素，制度受內(nèi)外因素影響而發(fā)生變遷，并激發(fā)社會活力和創(chuàng)造力；Acemoglu等^[10]認(rèn)為，制度影響國家長期績效，好的制度能提升國家治理體系效能。第四次工業(yè)革命雖帶來數(shù)字技術(shù)的蓬勃發(fā)展，但也對國家治理體系造成“創(chuàng)造性破壞”，觸發(fā)以大數(shù)據(jù)管理機構(gòu)設(shè)立為代表的制度變遷^[11]。大數(shù)據(jù)管理機構(gòu)通過有效的制度安排，發(fā)揮通壁壘、強聚合、促流通的作用，并由此形塑良好的數(shù)字治理生態(tài)，能夠充分釋放數(shù)據(jù)效能。新質(zhì)生產(chǎn)力依賴數(shù)據(jù)要素疊加迭代，大數(shù)據(jù)管理機構(gòu)設(shè)立帶來的數(shù)據(jù)松綁或?qū)⒊蔀樾沦|(zhì)生產(chǎn)力躍遷的關(guān)鍵動因。然而，目前學(xué)界較少關(guān)注這一作用鏈路，對其缺乏足夠的學(xué)術(shù)探討和經(jīng)驗證據(jù)。

因此，本文以省級大數(shù)據(jù)管理機構(gòu)設(shè)立作為數(shù)據(jù)制度松綁的典型代表，基于制度變遷視角，采用雙重機器學(xué)習(xí)模型，選取2010—2022年省級面板數(shù)據(jù)，考察制度松綁、數(shù)字治理生態(tài)與新質(zhì)生產(chǎn)力的內(nèi)在聯(lián)系與建鏈路徑。本文的邊際貢獻主要體現(xiàn)在以下幾個方面：第一，基于制度變遷視角，借助大數(shù)據(jù)管理機構(gòu)設(shè)立這一制度松綁實驗，發(fā)現(xiàn)制度松綁對新質(zhì)生產(chǎn)力發(fā)展具有提升作用，可為深化數(shù)智時代的制度理論提供經(jīng)驗證據(jù)。第二，良好的制度優(yōu)勢能轉(zhuǎn)化為治理效能。數(shù)字基礎(chǔ)制度迭代會衍生出數(shù)字政府、數(shù)字經(jīng)濟、數(shù)字社會協(xié)同演進的數(shù)字治理生態(tài)^[11]，從而驅(qū)動新質(zhì)生產(chǎn)力快速發(fā)展。本文構(gòu)建“制度松綁—數(shù)字治理生態(tài)—新質(zhì)生產(chǎn)力”建鏈路徑，有助于揭開制度松綁與新質(zhì)生產(chǎn)力發(fā)展的機制“黑箱”。第三，采用具有非參估計特征和處理高維協(xié)變量優(yōu)勢的雙重機器學(xué)習(xí)模型，能避免傳統(tǒng)模型在復(fù)雜級聯(lián)新質(zhì)生產(chǎn)力議題中可能面臨的模型誤設(shè)、維度詛咒等問題，進而提高研究結(jié)論精確度。

1 制度背景與理論推演

1.1 制度背景

新制度主義學(xué)派認(rèn)為，制度不是靜態(tài)的、給定的，而是社會行動者通過互動和博弈構(gòu)建起來的動態(tài)平衡狀態(tài)^[9]。其中，機構(gòu)改革是政府與社會在互動過程中形成的制度變遷過程，國家戰(zhàn)略、社會需求是驅(qū)動機構(gòu)改革的重要因素^[12]。第四次工業(yè)革命促進數(shù)字技術(shù)蓬勃興起，使數(shù)據(jù)要素成為數(shù)智時代的關(guān)鍵生產(chǎn)要素和基礎(chǔ)性戰(zhàn)略資源。然而，當(dāng)前數(shù)據(jù)制度面臨的多重困境束縛了數(shù)據(jù)價值的充分釋放。因此，亟需進行數(shù)據(jù)治理體系變革，放松數(shù)據(jù)管制并激發(fā)數(shù)據(jù)潛能，大數(shù)據(jù)管理機構(gòu)應(yīng)運而生。

設(shè)立省級大數(shù)據(jù)管理機構(gòu)是許多省份的“自選動作”。省級大數(shù)據(jù)管理機構(gòu)特指負(fù)責(zé)統(tǒng)籌大數(shù)據(jù)相關(guān)政策法規(guī)、基礎(chǔ)設(shè)施與運營管理工作的省級行政單位、政府部門或事業(yè)單位，具體冠以大數(shù)據(jù)管理局、大數(shù)據(jù)發(fā)展管理局、大數(shù)據(jù)中心、大數(shù)據(jù)發(fā)展管理中心等名稱（張克，2019）。從歷時性看，大數(shù)據(jù)管理機構(gòu)發(fā)展大致經(jīng)歷了3個階段：第一，興起階段（2010—2017年）。2015年貴州設(shè)立大數(shù)據(jù)發(fā)展管理局，隨后大數(shù)據(jù)管理機構(gòu)開始在全國鋪開。第二，盛行階段（2018—2022年）。2018年第八次機構(gòu)改革啟動后，大數(shù)據(jù)管理機構(gòu)的設(shè)立進入加速期，北京、上海、福建等省（市）紛紛設(shè)立大數(shù)據(jù)管理機構(gòu)。截至2022年年底，全國已有28個省（市）設(shè)立了大數(shù)據(jù)管理機構(gòu)。第三，轉(zhuǎn)型重構(gòu)階段（2023年至今）。2023年10月國家數(shù)據(jù)局成立，自此分散管理開始向統(tǒng)合治理轉(zhuǎn)型，各省市紛紛在原有大數(shù)據(jù)管理機構(gòu)的基礎(chǔ)上掛牌或新設(shè)省級數(shù)據(jù)局。截至2024年2月，全國已相繼設(shè)立21家省級數(shù)據(jù)局。有學(xué)者指出，在學(xué)理上省級大數(shù)據(jù)管理機構(gòu)與省級數(shù)據(jù)局的實質(zhì)指向一致（文禹衡等，2024）。對此，結(jié)合本文研究區(qū)間，本文重點研究國家數(shù)據(jù)局組建前的大數(shù)據(jù)管理機構(gòu)，具體設(shè)立時間如表1所示。

從職能看，大數(shù)據(jù)管理機構(gòu)主要履行與數(shù)據(jù)有關(guān)的頂層設(shè)計、資源整合、技術(shù)保障等職能^[13]，極大放松了對數(shù)據(jù)的管制。從成效看，設(shè)立大數(shù)據(jù)管理機構(gòu)加速了數(shù)據(jù)的供、流、用?！?023年中國地方公共數(shù)據(jù)開放利用報告（城市）》顯示，全國城市公共數(shù)據(jù)開放平臺從2015年的10個增加到2022年的208個，表明制度松綁促進了公共數(shù)據(jù)開放。中國信通院報告顯示，2017—2022年中國數(shù)據(jù)年產(chǎn)量從2.3ZB快速提升至8.1ZB。截至2022年年底，中國數(shù)據(jù)存儲量達到724.5EB，占全球14.4%。上述證據(jù)表明，設(shè)立大數(shù)據(jù)管理機構(gòu)實現(xiàn)了對數(shù)據(jù)的“松綁解縛”。數(shù)據(jù)作為促進新質(zhì)生產(chǎn)力發(fā)展的新引擎，數(shù)據(jù)制度松綁或?qū)⒊浞轴尫艛?shù)據(jù)要素的乘數(shù)效應(yīng)，打造新質(zhì)生產(chǎn)力的新增長極。

1.2 理論推演

1.2.1 制度松綁：新質(zhì)生產(chǎn)力發(fā)展框架形塑

博弈規(guī)則觀將制度視為解決沖突、達至合作的規(guī)則體系。North^[9]認(rèn)為，制度是動態(tài)演化的。在外生與內(nèi)生動因作用下會觸發(fā)制度變遷，由此釋放制度紅利，形成柔性激勵或剛性約束^[14-15]。其中，制度松綁、制度漂移、制度創(chuàng)新是制度變遷的主要形式。大數(shù)據(jù)管理機構(gòu)設(shè)立與新質(zhì)生產(chǎn)力之間的理論基礎(chǔ)可歸位于制度松綁邏輯。從外部動因看，Perez^[16]指出，每次技術(shù)革命都會深刻動搖和重塑社會制度形態(tài)。第四次工業(yè)革命引致外部技術(shù)環(huán)境的深刻變化，使得舊制度失衡并催生出對新制度的需求，尤其是以放松數(shù)據(jù)管制和激發(fā)數(shù)據(jù)潛能為靶向的制度亟需被重構(gòu)。從內(nèi)部動因看，康芒斯^[17]認(rèn)為，若現(xiàn)有制度規(guī)則存在不適應(yīng)與滯后性等內(nèi)部問題，就要進行制度變革以破除既有制度障礙。在2014年“大數(shù)據(jù)”首次被寫入政府工作報告以前，各級政府尚未構(gòu)建完整的大數(shù)據(jù)治理體系，原有科層結(jié)構(gòu)束縛了數(shù)據(jù)潛能的釋放，亟需進行數(shù)據(jù)治理體系變革。至此，內(nèi)外雙重動因推動大數(shù)據(jù)管理機構(gòu)的設(shè)立，并逐步構(gòu)建起數(shù)字治理生態(tài)。

順延上述邏輯，大數(shù)據(jù)管理機構(gòu)能完善數(shù)據(jù)制度治理體系，破除數(shù)據(jù)要素發(fā)展障礙，推動以數(shù)據(jù)要素為核心的新質(zhì)生產(chǎn)力躍遷。首先，設(shè)立大數(shù)據(jù)管理機構(gòu)有助于充分釋放數(shù)據(jù)要素潛能，筑牢新質(zhì)生產(chǎn)力發(fā)展的數(shù)字底座。大數(shù)據(jù)管理機構(gòu)設(shè)立能構(gòu)建數(shù)據(jù)制度、完善數(shù)據(jù)設(shè)施、擴大數(shù)據(jù)開放，實現(xiàn)數(shù)據(jù)要素的解縛松綁^[6]，激活數(shù)據(jù)資源、融通應(yīng)用場景、賦能數(shù)字產(chǎn)業(yè)，為新質(zhì)生產(chǎn)力創(chuàng)造新動能。其次，大數(shù)據(jù)管理機構(gòu)能加快數(shù)據(jù)要素市場化，提升數(shù)據(jù)配置效率。數(shù)據(jù)作為新型生產(chǎn)要素，既能直接創(chuàng)造價值，又能與其它生產(chǎn)要素融合產(chǎn)生效能^[18]。大數(shù)據(jù)管理機構(gòu)能加快數(shù)據(jù)基礎(chǔ)制度構(gòu)建和數(shù)據(jù)平臺建設(shè)，完善數(shù)據(jù)要素市場化配置，實現(xiàn)以數(shù)據(jù)為紐帶的生產(chǎn)要素聯(lián)動，加快形成新質(zhì)生產(chǎn)力。最后，設(shè)立大數(shù)據(jù)管理機構(gòu)有助于統(tǒng)籌數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，強化數(shù)據(jù)安全保障，加速數(shù)據(jù)創(chuàng)新應(yīng)用和成果轉(zhuǎn)化，為新質(zhì)生產(chǎn)力發(fā)展持續(xù)供能。據(jù)此，本文提出如下假設(shè)：

H1：以大數(shù)據(jù)管理機構(gòu)設(shè)立為代表的制度松綁能有效促進新質(zhì)生產(chǎn)力發(fā)展。

1.2.2 數(shù)字治理生態(tài)：制度松綁與新質(zhì)生產(chǎn)力建鏈路徑

治理是在既定制度框架下開展的協(xié)調(diào)活動，基于數(shù)據(jù)要素的數(shù)字治理生態(tài)也建基于數(shù)據(jù)制度框架。數(shù)字治理生態(tài)基于數(shù)智治理框架下多元主體通過多種機制與各類資源進行互動，共同締造的有機整體^[19]，其融合政府、經(jīng)濟和社會三大領(lǐng)域，包含政府、企業(yè)、政策、數(shù)據(jù)等主體和資源，本質(zhì)上是數(shù)字時代制度變遷產(chǎn)生的數(shù)字化、生態(tài)化治理形態(tài)^[11]。大數(shù)據(jù)管理機構(gòu)的設(shè)立可實現(xiàn)數(shù)據(jù)制度松綁，為數(shù)字治理生態(tài)的形成提供制度基礎(chǔ)，并為新質(zhì)生產(chǎn)力發(fā)展創(chuàng)造適宜的環(huán)境。大數(shù)據(jù)管理機構(gòu)的設(shè)立能優(yōu)化以數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境、數(shù)字社會環(huán)境為核心的數(shù)字治理生態(tài)，重構(gòu)數(shù)字生產(chǎn)關(guān)系，推動新質(zhì)生產(chǎn)力躍遷。

（1）大數(shù)據(jù)管理機構(gòu)能優(yōu)化數(shù)字政策環(huán)境，賦能新質(zhì)生產(chǎn)力發(fā)展。在政策構(gòu)建層面，大數(shù)據(jù)管理機構(gòu)以數(shù)據(jù)政策體系建設(shè)為重點，不斷完善數(shù)據(jù)產(chǎn)權(quán)、交易等政策環(huán)境，通過暢通數(shù)據(jù)確權(quán)和數(shù)據(jù)分配，促進數(shù)據(jù)資源流通共享，加快形成新質(zhì)生產(chǎn)力^[20-21]。在政策執(zhí)行層面，大數(shù)據(jù)管理機構(gòu)能推動數(shù)字政府建設(shè)，提高政策變現(xiàn)速率^[22]，為新質(zhì)生產(chǎn)力發(fā)展提供政策紅利。

（2）大數(shù)據(jù)管理機構(gòu)設(shè)立能優(yōu)化數(shù)字經(jīng)濟環(huán)境，促進新質(zhì)生產(chǎn)力發(fā)展。在產(chǎn)業(yè)布局層面，大數(shù)據(jù)管理機構(gòu)的核心職能之一是發(fā)展數(shù)字經(jīng)濟，推動數(shù)字產(chǎn)業(yè)發(fā)展。如通過降稅增補、園區(qū)集群治理方式引導(dǎo)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，以數(shù)字化變革賦能新質(zhì)生產(chǎn)力發(fā)展^[23]。在市場秩序?qū)用?，大?shù)據(jù)管理機構(gòu)通過構(gòu)建數(shù)據(jù)管理體系，有助于營造開放包容、公平競爭的數(shù)字經(jīng)濟環(huán)境^[24]，推動新質(zhì)生產(chǎn)力躍遷。

（3）大數(shù)據(jù)管理機構(gòu)設(shè)立能改善數(shù)字社會環(huán)境，推動新質(zhì)生產(chǎn)力發(fā)展。在數(shù)字場景融通維度，大數(shù)據(jù)管理機構(gòu)負(fù)責(zé)擴大數(shù)據(jù)應(yīng)用場景和增加智慧服務(wù)，能加速數(shù)據(jù)要素在生產(chǎn)生活中的融合應(yīng)用^[22]，推動傳統(tǒng)生產(chǎn)力轉(zhuǎn)化為新質(zhì)生產(chǎn)力。在數(shù)字素養(yǎng)和技能維度，大數(shù)據(jù)管理機構(gòu)負(fù)責(zé)部署未來數(shù)據(jù)基礎(chǔ)設(shè)施，有利于推進數(shù)據(jù)、知識和信息共享，提高全民數(shù)字素養(yǎng)和技能，為新質(zhì)生產(chǎn)力發(fā)展儲備數(shù)字化人才^[25]。

據(jù)此，本文提出如下假設(shè)：

H2：制度松綁能營造良好的數(shù)字治理生態(tài)，加速新質(zhì)生產(chǎn)力發(fā)展。

H2a：制度松綁通過改進數(shù)字政策環(huán)境，賦能新質(zhì)生產(chǎn)力發(fā)展；

H2b：制度松綁通過優(yōu)化數(shù)字經(jīng)濟環(huán)境，促進新質(zhì)生產(chǎn)力發(fā)展；

H2c：制度松綁通過改善數(shù)字社會環(huán)境，推動新質(zhì)生產(chǎn)力發(fā)展。

2 研究設(shè)計

2.1 模型設(shè)計

本文將大數(shù)據(jù)管理機構(gòu)設(shè)立視為準(zhǔn)自然實驗，使用雙重機器學(xué)習(xí)模型識別大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響。其合理性在于：首先，影響新質(zhì)生產(chǎn)力的變量存在非線性關(guān)系，傳統(tǒng)線性回歸模型有可能導(dǎo)致模型誤設(shè)，而雙重機器學(xué)習(xí)模型具有非參估計優(yōu)勢，既可處理線性回歸也可進行非線性檢驗，能有效避免模型誤設(shè)。其次，傳統(tǒng)回歸模型僅能控制少量變量，容易因遺漏變量引發(fā)內(nèi)生性問題，若控制變量過多則會產(chǎn)生維度詛咒；而雙重機器學(xué)習(xí)能加入高維控制變量，自動篩選、擬合抽取精度較高的控制變量，有效規(guī)避維度詛咒，并通過引入部分線性工具變量模型、交叉擬合得到無偏估計^[26]。最后，雙重差分法要求大量數(shù)據(jù)集；合成控制法無法直接生成虛擬控制組，且需事先排除極端值；傾向得分法在匹配變量選取上具有較強主觀性，且容易丟失樣本。而雙重機器學(xué)習(xí)能有效規(guī)避模型誤設(shè)且納入高維控制變量，在小樣本中也能實現(xiàn)無偏估計，相較于傳統(tǒng)政策評估方法更具有穩(wěn)健性^[26-27]。

為此，本文構(gòu)建如下模型：

NQPit=θ0BDMit+g（Xit）+Uit（1）

E（Uit|BDMit，Xit）=0（2）

其中，下標(biāo)i為省份，t為年份。NQPit為被解釋變量，表示新質(zhì)生產(chǎn)力。BDMit為解釋變量，表示大數(shù)據(jù)管理機構(gòu)的設(shè)立。處置系數(shù)θ0為設(shè)立大數(shù)據(jù)管理機構(gòu)影響新質(zhì)生產(chǎn)力的政策效果。Xit為高維控制變量集合，通過函數(shù)g（X）的形式影響新質(zhì)生產(chǎn)力。本文采用機器學(xué)習(xí)方法得到其估計量g^（X）。Uit為誤差項，滿足零均值假設(shè)。為解決正則化偏誤及其收斂問題，本文構(gòu)建輔助回歸模型進行第二次機器學(xué)習(xí)，見式（3）.

BDMit=mXit+Vit，EVit|Xit=0（3）

其中，mXit為BDMit對Xit的回歸函數(shù)，采用機器學(xué)習(xí)算法估計其具體形式m^Xit。Vit為誤差項，滿足零均值假設(shè)?；谑剑?）～（3），獲得θ0的無偏估計量θ^0。

2.2 變量說明

2.2.1 被解釋變量

本文中被解釋變量為新質(zhì)生產(chǎn)力（NQP）。新質(zhì)生產(chǎn)力不同于傳統(tǒng)生產(chǎn)力，是以科技創(chuàng)新為主導(dǎo)，以勞動者、勞動資料、勞動對象及其優(yōu)化組合為基本內(nèi)涵，以實現(xiàn)全要素提升為核心標(biāo)志的先進生產(chǎn)力新質(zhì)態(tài)^[28]。目前，對新質(zhì)生產(chǎn)力發(fā)展水平的測度主要基于其概念內(nèi)涵。王玨和王榮基^[29]基于馬克思主義生產(chǎn)力理論提出，新質(zhì)生產(chǎn)力是由傳統(tǒng)生產(chǎn)力和生產(chǎn)關(guān)系全新配置形成的新質(zhì)勞動者、新質(zhì)勞動資料、新質(zhì)勞動對象；孫麗偉和郭俊華（2024）認(rèn)為新質(zhì)生產(chǎn)力是“新”與“質(zhì)”的雙重升級，指出應(yīng)從科技創(chuàng)新和產(chǎn)業(yè)升級等維度衡量；盧江等^[30]指出，新質(zhì)生產(chǎn)力體現(xiàn)了數(shù)字、科技、綠色等創(chuàng)新要素，可從數(shù)字生產(chǎn)力、科技生產(chǎn)力、綠色生產(chǎn)力等維度測量。眾多學(xué)者從不同層面測度新質(zhì)生產(chǎn)力，其中從新質(zhì)勞動者、新質(zhì)勞動對象、新質(zhì)勞動資料3個方面測度最廣泛，因此本文從這3個維度構(gòu)建新質(zhì)生產(chǎn)力評價指標(biāo)體系。

首先，人力資本理論認(rèn)為，人力資本投入與產(chǎn)出是激發(fā)資源潛能和生產(chǎn)潛力的重要途徑。因此，從新質(zhì)人力資本投入與產(chǎn)出兩個維度測度新質(zhì)勞動者。其次，與傳統(tǒng)勞動資料相比，新質(zhì)勞動資料具有更強的節(jié)能環(huán)保、科技創(chuàng)新、數(shù)字化屬性，能為生產(chǎn)活動提供更高效、智能、綠色、安全的生產(chǎn)條件。為此，從基礎(chǔ)設(shè)施、能源利用、科技創(chuàng)新、機器人應(yīng)用、數(shù)字化應(yīng)用維度衡量新質(zhì)勞動資料。最后，新質(zhì)勞動對象是以新物質(zhì)、新材料、新能源、大數(shù)據(jù)為代表的勞動對象。因此，從產(chǎn)業(yè)發(fā)展、創(chuàng)新發(fā)展、綠色發(fā)展、協(xié)調(diào)發(fā)展角度測度新質(zhì)勞動對象。由此，構(gòu)建新質(zhì)生產(chǎn)力綜合評價指標(biāo)體系（見表2），并對相關(guān)指標(biāo)進行標(biāo)準(zhǔn)化處理，采用熵權(quán)法計算新質(zhì)生產(chǎn)力綜合發(fā)展指數(shù)。

2.2.2 解釋變量

本文將設(shè)立省級大數(shù)據(jù)管理機構(gòu)作為制度松綁的代理變量，將設(shè)立當(dāng)年及后續(xù)年份記為1，否則為0；將構(gòu)建大數(shù)據(jù)管理機構(gòu)設(shè)立的虛擬變量（BDM）作為解釋變量。

2.2.3 機制變量

良好的數(shù)字治理生態(tài)主要通過數(shù)字治理手段營造良好的數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境、數(shù)字社會環(huán)境。因此，本文將數(shù)字治理生態(tài)劃分為數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境、數(shù)字社會環(huán)境3個維度。

（1）數(shù)字政策環(huán)境。參考曾凡軍和陳永洲^[19]的做法，用數(shù)字政策扶持與政府?dāng)?shù)字注意力測量。一方面，大數(shù)據(jù)政策法規(guī)能有效規(guī)范數(shù)據(jù)要素市場，因此用各省份頒布的大數(shù)據(jù)政策法規(guī)數(shù)量衡量數(shù)字政策扶持程度。具體數(shù)據(jù)在北大法寶平臺以“大數(shù)據(jù)”專題為檢索依據(jù)得到。另一方面，政府工作報告反映政府注意力，因此用各省份政府工作報告中與數(shù)字化有關(guān)的詞頻測度政府?dāng)?shù)字注意力。

（2）數(shù)字經(jīng)濟環(huán)境。良好的數(shù)字經(jīng)濟環(huán)境說明數(shù)字創(chuàng)新基礎(chǔ)較好、信息技術(shù)行業(yè)發(fā)展較快、數(shù)字產(chǎn)業(yè)化程度較高，數(shù)字技術(shù)創(chuàng)新、信息技術(shù)行業(yè)發(fā)展水平、數(shù)字產(chǎn)業(yè)化程度反映數(shù)字經(jīng)濟環(huán)境^[25]，具體用數(shù)字經(jīng)濟專利授權(quán)數(shù)、信息技術(shù)行業(yè)總收入與地區(qū)生產(chǎn)總值的比值、信息技術(shù)行業(yè)法人單位數(shù)占比測度。

（3）數(shù)字社會環(huán)境。良好的數(shù)字社會環(huán)境說明數(shù)字基礎(chǔ)設(shè)施建設(shè)良好、互聯(lián)網(wǎng)發(fā)展程度較高、互聯(lián)網(wǎng)普及率高、網(wǎng)民活躍繁榮，因此用互聯(lián)網(wǎng)建設(shè)水平、互聯(lián)網(wǎng)普及率、互聯(lián)網(wǎng)使用率、互聯(lián)網(wǎng)活躍度反映數(shù)字社會環(huán)境，具體采用互聯(lián)網(wǎng)網(wǎng)站數(shù)量、互聯(lián)網(wǎng)上網(wǎng)人數(shù)、互聯(lián)網(wǎng)寬帶接入用戶數(shù)量、CN域名數(shù)量測度。對各維度指標(biāo)進行無量綱化處理，以等權(quán)法計算各指標(biāo)得分。

2.2.4 控制變量

本文借鑒羅爽和肖韻（2024）的研究，設(shè)置如下控制變量：①經(jīng)濟發(fā)展水平（lnpgdp）：經(jīng)濟基礎(chǔ)較好地區(qū)能將更多資源投入到生產(chǎn)活動中，促進新質(zhì)生產(chǎn)力發(fā)展，用人均地區(qū)生產(chǎn)總值的對數(shù)衡量；②區(qū)域創(chuàng)新水平（lninnov）：擁有較高創(chuàng)新水平有助于實現(xiàn)顛覆式創(chuàng)新，加快新質(zhì)生產(chǎn)力躍遷，用北京大學(xué)公共開放平臺區(qū)域創(chuàng)新指數(shù)的對數(shù)衡量；③產(chǎn)業(yè)結(jié)構(gòu)（ind）：產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型會帶動生產(chǎn)力和生產(chǎn)關(guān)系變革，加速形成新質(zhì)生產(chǎn)力，用第三產(chǎn)業(yè)增加值與地區(qū)生產(chǎn)總值的比值衡量；④政府干預(yù)度（gov）：政府通常通過財稅政策激勵技術(shù)創(chuàng)新，推動新質(zhì)生產(chǎn)力發(fā)展，用地方政府財政支出與地區(qū)生產(chǎn)總值的比值衡量；⑤市場化程度（market）：較強的市場調(diào)節(jié)能力可引導(dǎo)資源流向技術(shù)創(chuàng)新領(lǐng)域，推動生產(chǎn)力躍遷，用樊綱等編制的《中國分省份市場化指數(shù)報告》中的市場化指數(shù)衡量；⑥勞動生產(chǎn)率（labp）：技術(shù)進步和新型生產(chǎn)工具能顯著提高勞動生產(chǎn)率，加速形成新質(zhì)生產(chǎn)力，用地區(qū)生產(chǎn)總值與就業(yè)總?cè)藬?shù)的比值衡量；⑦資本生產(chǎn)率（capp）：增加資本投入能提高勞動生產(chǎn)率，加快新質(zhì)生產(chǎn)力轉(zhuǎn)化，用地區(qū)生產(chǎn)總值與固定資產(chǎn)投資額的比值衡量；⑧外貿(mào)程度（forin）：進出口貿(mào)易增加有助于推動產(chǎn)業(yè)集聚和升級，助力新質(zhì)生產(chǎn)力發(fā)展，用進出口總額與地區(qū)生產(chǎn)總值的比值衡量；⑨外資水平（ftrade）：外商投資可引進全球高端技術(shù)和資本，支持新質(zhì)生產(chǎn)力發(fā)展，用外商直接投資與地區(qū)生產(chǎn)總值的比值衡量。此外，在回歸分析中加入省份固定效應(yīng)和年份固定效應(yīng)、控制變量一次項和二次項。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計結(jié)果

本文以2010—2022年中國內(nèi)地30個省份（西藏數(shù)據(jù)不全，故未納入統(tǒng)計）為研究對象，被解釋變量、機制變量、控制變量數(shù)據(jù)來源于《中國統(tǒng)計年鑒》《省級統(tǒng)計年鑒》《中國宏觀經(jīng)濟數(shù)據(jù)庫》、CNRDS數(shù)據(jù)庫，解釋變量通過各省份政府網(wǎng)站、新聞報道、相關(guān)文獻手工整理，采用插值法補齊少量缺失數(shù)據(jù)。描述性統(tǒng)計結(jié)果如表3所示。

3 實證結(jié)果分析

3.1 模型估計結(jié)果

由于支持向量機算法（SVM）具有較強的非線性擬合能力且適用于小樣本^[31]，因此采用雙重機器學(xué)習(xí)模型支持向量機算法，按照1∶5的樣本分割比例進行回歸，結(jié)果如表4所示。第（1）—（4）列為逐步加入省份固定效應(yīng)、年度固定效應(yīng)、控制變量一次項、控制變量二次項的回歸結(jié)果。結(jié)果顯示，設(shè)立大數(shù)據(jù)管理機構(gòu)對新質(zhì)生產(chǎn)力的影響在1%水平下顯著正相關(guān)。這表明，大數(shù)據(jù)管理機構(gòu)設(shè)立能有效激發(fā)數(shù)據(jù)潛能，推動新質(zhì)生產(chǎn)力發(fā)展，假設(shè)H1初步得到驗證。

3.2 模型有效性檢驗

3.2.1 平行趨勢檢驗

滿足平行趨勢假設(shè)是政策評估的前提，Wen等^[32]認(rèn)為使用雙重機器學(xué)習(xí)模型進行政策評估可基于雙重差分模型的事件研究法檢驗平行趨勢。因此，本文以大數(shù)據(jù)管理機構(gòu)設(shè)立前一期為基期進行平行趨勢檢驗，結(jié)果如圖1所示。可見，大數(shù)據(jù)管理機構(gòu)設(shè)立前無顯著政策效應(yīng)，滿足平行趨勢。

3.2.2 安慰劑檢驗

為避免基準(zhǔn)回歸結(jié)果由隨機因素導(dǎo)致，借鑒梁畢明等^[33]的做法，基于雙重差分模型采取500次隨機重復(fù)抽樣法進行安慰劑檢驗。由圖2安慰劑檢驗結(jié)果可知，回歸系數(shù)落在0附近且服從正態(tài)分布，與基準(zhǔn)回歸系數(shù)差距較大，說明結(jié)果并非由隨機因素所致，研究結(jié)論穩(wěn)健。

3.3 內(nèi)生性問題處理

3.3.1 滯后被解釋變量

考慮到大數(shù)據(jù)管理機構(gòu)具有一定建設(shè)期，對新質(zhì)生產(chǎn)力的影響具有滯后效應(yīng)。因此，本文將被解釋變量滯后一期、兩期重新進行回歸，結(jié)果如表5第（1）—（2）列所示。結(jié)果表明，設(shè)立大數(shù)據(jù)管理機構(gòu)對新質(zhì)生產(chǎn)力的影響依然顯著為正，說明研究結(jié)論穩(wěn)健。

3.3.2 工具變量法

雖然本文盡可能控制相關(guān)干擾變量，但受數(shù)據(jù)所限，難免存在遺漏變量或互為因果等因素導(dǎo)致的內(nèi)生性問題。因此，借鑒Chernozhukov等^[34]的研究，構(gòu)建雙重機器學(xué)習(xí)的部分線性工具變量模型（PLIV）解決可能存在的內(nèi)生性問題。基于Nunn amp; Qian^[35]的做法，使用1984年各省份每百人固定電話數(shù)與時間虛擬變量交互項作為大數(shù)據(jù)管理機構(gòu)設(shè)立的工具變量。其合理性在于：基礎(chǔ)電信設(shè)施發(fā)展既會帶來便利，也有可能存在信息泄漏等安全風(fēng)險，有助于推動數(shù)據(jù)基礎(chǔ)管理制度完善和大數(shù)據(jù)管理機構(gòu)的設(shè)立，滿足相關(guān)性要求。同時，互聯(lián)網(wǎng)和智能手機普及使固定電話用戶數(shù)大幅下降，且1984年固定電話數(shù)屬于歷史條件，與當(dāng)前新質(zhì)生產(chǎn)力無直接關(guān)聯(lián)，滿足外生性。表5第（3）列匯報了工具變量估計結(jié)果，估計系數(shù)顯著為正，說明即使考慮內(nèi)生性問題，研究結(jié)論依然成立。

3.4 穩(wěn)健性檢驗

3.4.1 排除同期其它政策干擾

其它數(shù)字化政策或創(chuàng)新試點政策也會影響大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響效應(yīng)，需消除這些“污染”。本文梳理國家大數(shù)據(jù)綜合試驗區(qū)、數(shù)字經(jīng)濟創(chuàng)新發(fā)展試驗區(qū)、數(shù)據(jù)交易平臺建設(shè)、自主創(chuàng)新示范區(qū)建設(shè)4種可能產(chǎn)生干擾的政策，上述政策從數(shù)字經(jīng)濟、數(shù)據(jù)要素市場和自主創(chuàng)新方面驅(qū)動新質(zhì)生產(chǎn)力發(fā)展（張志新等，2024；王曉丹等，2024）。這些政策虛擬變量設(shè)定方式與解釋變量相同，因此在基準(zhǔn)回歸分析中加入這些政策虛擬變量。表6中第（1）—（4）列為分別控制上述4種政策的回歸結(jié)果，第（5）列為同時控制4種混淆政策的結(jié)果，估計系數(shù)均顯著為正。這說明，排除同期其它政策干擾后，大數(shù)據(jù)管理機構(gòu)設(shè)立依然能顯著促進新質(zhì)生產(chǎn)力提升。

3.4.2 其它穩(wěn)健性檢驗

（1）調(diào)整研究樣本。鑒于不同省份在經(jīng)濟基礎(chǔ)、數(shù)字化發(fā)展水平等方面存在較大差異，可能會影響大數(shù)據(jù)管理機構(gòu)作用于新質(zhì)生產(chǎn)力的效能。為減少這種潛在干擾，本文剔除北京、上海、天津、重慶4個直轄市樣本后重新進行回歸。表7第（1）列為調(diào)整樣本后的回歸結(jié)果，估計系數(shù)在1%水平下顯著為正，說明設(shè)立大數(shù)據(jù)管理機構(gòu)能顯著提升新質(zhì)生產(chǎn)力的結(jié)果穩(wěn)健。

（2）調(diào)整研究區(qū)間。考慮到2012年以前信息技術(shù)行業(yè)數(shù)據(jù)缺失較多，本文雖采用插值法進行補缺，但可能導(dǎo)致估計結(jié)果有偏。因此，本文將研究區(qū)間調(diào)整至2012—2022年。表7第（2）列匯報了調(diào)整研究區(qū)間后的回歸結(jié)果，該結(jié)果依然顯著正相關(guān)，說明基準(zhǔn)回歸結(jié)果穩(wěn)健。

（3）排除極端值影響。極端值可能會導(dǎo)致估計結(jié)果發(fā)生偏差，進而影響回歸結(jié)果的準(zhǔn)確性。因此，本文對被解釋變量和控制變量等連續(xù)變量進行上下1%、5%的縮尾處理，表7第（3）—（4）列為排除極端值影響后的結(jié)果。結(jié)果表明，排除極端值影響后，估計系數(shù)依然顯著為正，再次驗證基準(zhǔn)回歸結(jié)果穩(wěn)健。

（4）控制區(qū)域與時間交互固定效應(yīng)?？紤]到同一經(jīng)濟區(qū)域在資源優(yōu)勢、產(chǎn)業(yè)基礎(chǔ)、發(fā)展?jié)摿Φ确矫婢哂幸欢ㄏ嗨菩?，而不同?jīng)濟區(qū)域又存在一定差異。因此，根據(jù)國務(wù)院發(fā)展研究中心的八大綜合經(jīng)濟區(qū)劃分標(biāo)準(zhǔn)，在基準(zhǔn)回歸中加入?yún)^(qū)域—時間交互固定效應(yīng)。表7第（5）列為重新回歸結(jié)果，該結(jié)果依然顯著正相關(guān)，再次佐證設(shè)立大數(shù)據(jù)管理機構(gòu)能顯著提升新質(zhì)生產(chǎn)力。

（5）改變雙重機器學(xué)習(xí)模型。為避免模型設(shè)定偏誤，本文通過改變雙重機器學(xué)習(xí)模型重新進行回歸檢驗。一方面，通過改變樣本分割比例（由1∶5調(diào)整為1∶4和1∶6）方式重設(shè)雙重機器學(xué)習(xí)模型，表7第（6）—（7）列為重新回歸結(jié)果?？梢?，即使改變樣本分割比例，大數(shù)據(jù)管理機構(gòu)作用于新質(zhì)生產(chǎn)力的回歸結(jié)果依然顯著為正。另一方面，通過更換機器學(xué)習(xí)算法（由支持向量機算法更換為線性支持向量機）重設(shè)雙重機器學(xué)習(xí)模型，結(jié)果如表7第（8）列所示?？梢?，回歸結(jié)果依然顯著正相關(guān)，再次證明基準(zhǔn)回歸結(jié)果穩(wěn)健。

4 機制檢驗與異質(zhì)性分析

4.1 機制檢驗

本文從數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境和數(shù)字社會環(huán)境層面檢驗“制度松綁—數(shù)字治理生態(tài)優(yōu)化—新質(zhì)生產(chǎn)力”的作用機制，借鑒Dell等^[35]、Chernozhukov等^[29]的研究思路，使用部分線性工具變量模型對中介效應(yīng)進行內(nèi)生性處理，結(jié)果如表8所示。

4.1.1 數(shù)字政策環(huán)境中介機制檢驗

大數(shù)據(jù)管理機構(gòu)設(shè)立對數(shù)字政策環(huán)境的回歸結(jié)果如表8第（1）列所示，結(jié)果顯示兩者顯著正相關(guān)。這說明，大數(shù)據(jù)管理機構(gòu)設(shè)立能營造良好的數(shù)字政策環(huán)境，為發(fā)展新質(zhì)生產(chǎn)力提供更多數(shù)字政策扶持和政府注意力投入，通過政策引導(dǎo)和制度規(guī)范破解數(shù)據(jù)要素歸集、共享、交易、安全等問題，推動數(shù)據(jù)要素高效配置并轉(zhuǎn)化為生產(chǎn)動能，加快形成新質(zhì)生產(chǎn)力，假設(shè)H2a得到驗證。

4.1.2 數(shù)字經(jīng)濟環(huán)境中介機制檢驗

表8第（2）列為大數(shù)據(jù)管理機構(gòu)設(shè)立對數(shù)字經(jīng)濟環(huán)境的回歸結(jié)果，可見系數(shù)顯著為正。這說明，大數(shù)據(jù)管理機構(gòu)設(shè)立有助于優(yōu)化數(shù)字經(jīng)濟環(huán)境，切實推動數(shù)字技術(shù)創(chuàng)新、信息技術(shù)行業(yè)發(fā)展和數(shù)字產(chǎn)業(yè)化建設(shè)，為新質(zhì)生產(chǎn)力發(fā)展奠定良好的數(shù)字基礎(chǔ)，助力新質(zhì)生產(chǎn)力躍遷，假設(shè)H2b得到驗證。

4.1.3 數(shù)字社會環(huán)境中介機制檢驗

表8第（3）列為大數(shù)據(jù)管理機構(gòu)設(shè)立對數(shù)字社會環(huán)境的影響結(jié)果，結(jié)果顯示顯著為正。這說明，大數(shù)據(jù)管理機構(gòu)通過數(shù)字基礎(chǔ)設(shè)施完善和數(shù)據(jù)信息開放共享切實推動互聯(lián)網(wǎng)建設(shè)與普及，有效提高全民數(shù)字素養(yǎng)和技能，為新質(zhì)生產(chǎn)力發(fā)展儲備數(shù)字人才。同時，大數(shù)據(jù)管理機構(gòu)設(shè)立有助于增加各類智慧服務(wù)，不斷拓寬新質(zhì)生產(chǎn)力的應(yīng)用場景和發(fā)展空間，假設(shè)H2c得到驗證。

表8第（4）～（6）列分別為3個中介效應(yīng)的工具變量檢驗結(jié)果，回歸系數(shù)均顯著正相關(guān)。這說明，排除內(nèi)生性問題后，中介效應(yīng)依然成立，假設(shè)H2得到驗證。

4.2 異質(zhì)性分析

4.2.1 政府效率異質(zhì)性

政府財政是影響數(shù)字政策制定與執(zhí)行、支撐數(shù)字技術(shù)創(chuàng)新發(fā)展的關(guān)鍵資源。不同財政壓力會形成不同政府效率，并對大數(shù)據(jù)管理機構(gòu)運營效果產(chǎn)生影響。本文借鑒祁懷錦等（2019）的做法，用地區(qū)生產(chǎn)總值與政府財政支出的比值衡量政府效率，設(shè)置中位數(shù)，將其劃分為高低兩組，異質(zhì)性檢驗結(jié)果如表9第（1）—（2）列所示?？梢?，在高政府效率地區(qū)，設(shè)立大數(shù)據(jù)管理機構(gòu)對新質(zhì)生產(chǎn)力的影響在1%水平下顯著為正，且影響系數(shù)高于低政府效率地區(qū)。這說明，不同政府效率對大數(shù)據(jù)管理機構(gòu)運營效能有不同影響。政府效率越高，對政策響應(yīng)速度越快，越有利于推進數(shù)據(jù)管理，為新質(zhì)生產(chǎn)力發(fā)展提供良好的經(jīng)濟基礎(chǔ)和制度保障。

4.2.2 人力資本水平異質(zhì)性

數(shù)據(jù)要素具有規(guī)模大、種類多、迭代快等特點，大數(shù)據(jù)管理機構(gòu)需統(tǒng)籌協(xié)調(diào)數(shù)據(jù)資源開發(fā)與利用，對相關(guān)人員技能要求較高。同時，新質(zhì)生產(chǎn)力涉及各類新興業(yè)態(tài)，需要更多高技能型人才。因此，各地區(qū)人力資本水平可能會影響大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力發(fā)展的效果。本文借鑒趙鵬等（2024）的思路，采用職工平均工資衡量各省份人力資本水平，以中位數(shù)進行分組。表9第（3）—（4）列為不同人力資本組的回歸結(jié)果，數(shù)據(jù)顯示，高人力資本組回歸系數(shù)高于低人力資本組，且在1%水平下顯著為正。這可能是由于高人力資本地區(qū)勞動者具有較高的數(shù)字素養(yǎng)和技能，能夠充分發(fā)揮數(shù)字創(chuàng)新對新質(zhì)生產(chǎn)力的驅(qū)動作用。而低人力資本組的數(shù)字素養(yǎng)和技能有限，導(dǎo)致數(shù)據(jù)要素難以充分賦能新質(zhì)生產(chǎn)力水平發(fā)展。

4.2.3 信息化水平異質(zhì)性

大數(shù)據(jù)管理機構(gòu)的重要職能是加快部署數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，充分釋放數(shù)據(jù)潛能，進而推動新質(zhì)生產(chǎn)力發(fā)展，這有賴于良好的信息技術(shù)基礎(chǔ)作為支撐。本文采用每萬人互聯(lián)網(wǎng)寬帶接入用戶數(shù)衡量各省份信息化水平，以中位數(shù)進行分組，異質(zhì)性檢驗結(jié)果如表9第（5）—（6）列所示?？梢姡诟咝畔⒒降貐^(qū)，大數(shù)據(jù)管理機構(gòu)設(shè)立能顯著提升新質(zhì)生產(chǎn)力，而在低信息化水平地區(qū)則沒有通過顯著性檢驗。這可能是因為信息化基礎(chǔ)較弱地區(qū)無論是從硬件設(shè)施還是技術(shù)創(chuàng)新支持上都處于薄弱狀態(tài)，無法為新質(zhì)生產(chǎn)力提供較好的軟硬件支持。而信息化基礎(chǔ)較好地區(qū)擁有先進的信息技術(shù)基礎(chǔ)設(shè)施，能更好地統(tǒng)籌數(shù)據(jù)資源，推動數(shù)據(jù)潛能釋放，助力新質(zhì)生產(chǎn)力發(fā)展。

5 結(jié)語

5.1 研究結(jié)論

本文基于“制度松綁—數(shù)字治理生態(tài)—新質(zhì)生產(chǎn)力”作用邏輯，檢驗大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響，得出如下結(jié)論：首先，以大數(shù)據(jù)管理機構(gòu)設(shè)立為代表的制度松綁能有效促進新質(zhì)生產(chǎn)力發(fā)展。其次，機制分析結(jié)果表明，大數(shù)據(jù)管理機構(gòu)設(shè)立通過制度優(yōu)勢營造良好的數(shù)字治理生態(tài)環(huán)境，加速新質(zhì)生產(chǎn)力發(fā)展。具體表現(xiàn)為，大數(shù)據(jù)管理機構(gòu)的設(shè)立能優(yōu)化數(shù)字政策環(huán)境、數(shù)字經(jīng)濟環(huán)境與數(shù)字社會環(huán)境，從而作用于新質(zhì)生產(chǎn)力。最后，在不同情境下，制度松綁對新質(zhì)生產(chǎn)力具有異質(zhì)性影響，在高政府效率、高人力資本、高信息化水平地區(qū)其作用效應(yīng)更強。

5.2 政策建議

基于上述研究結(jié)論，本文提出如下政策建議：

（1）落實數(shù)據(jù)制度松綁，充分釋放助推新質(zhì)生產(chǎn)力發(fā)展的數(shù)據(jù)潛能。一是要加快布局新型基礎(chǔ)設(shè)施，打造綜合性信息技術(shù)設(shè)施，建設(shè)全國一體化算力網(wǎng)等數(shù)字基礎(chǔ)設(shè)施，筑牢新質(zhì)生產(chǎn)力發(fā)展的數(shù)字基座。二是堅持政府與市場協(xié)同發(fā)力，通過完善數(shù)據(jù)基礎(chǔ)制度加快數(shù)據(jù)要素市場化進程，優(yōu)化數(shù)據(jù)資源配置，充分發(fā)揮數(shù)據(jù)要素的多重效應(yīng)，加速形成新質(zhì)生產(chǎn)力。三是通過吸納多元主體參與數(shù)據(jù)共治，破除數(shù)據(jù)治理障礙，提升數(shù)據(jù)質(zhì)量管理，釋放數(shù)據(jù)價值。

（2）持續(xù)優(yōu)化數(shù)字治理生態(tài)，為新質(zhì)生產(chǎn)力提供良好的發(fā)展環(huán)境。一是加大有利于數(shù)字創(chuàng)新和產(chǎn)業(yè)發(fā)展的財政補貼、稅收優(yōu)惠、人才引進、營商環(huán)境優(yōu)化等政策支持，為發(fā)展新質(zhì)生產(chǎn)力提供良好的數(shù)字政策環(huán)境。二是充分發(fā)揮市場在新質(zhì)生產(chǎn)力發(fā)展中的作用，通過數(shù)實融合，形成以數(shù)字企業(yè)帶動、數(shù)字產(chǎn)業(yè)推動、國民經(jīng)濟聯(lián)動的點線面全方位結(jié)合的數(shù)字經(jīng)濟發(fā)展體系，以數(shù)字經(jīng)濟全面發(fā)展加速形成新質(zhì)生產(chǎn)力。三是積極推進高校人才培育、職業(yè)機構(gòu)培訓(xùn)，提升全民數(shù)字素養(yǎng)和技能，穩(wěn)步擴大數(shù)字技能人才供給，構(gòu)建全民暢享的數(shù)字社會。

（3）立足資源稟賦，因地制宜發(fā)展新質(zhì)生產(chǎn)力。一是根據(jù)地方實際情況確定適合當(dāng)?shù)氐男沦|(zhì)生產(chǎn)力發(fā)展方式，并兼顧新舊平衡、效率與效能統(tǒng)一。二是對于人力資本、創(chuàng)新能力等軟性基礎(chǔ)設(shè)施較為落后地區(qū)，應(yīng)加大政策扶持力度，培育數(shù)字化人才，不斷強化軟性基礎(chǔ)設(shè)施，為新質(zhì)生產(chǎn)力蓄勢賦能。三是對于信息化發(fā)展水平等硬件基礎(chǔ)設(shè)施薄弱地區(qū)，應(yīng)加大數(shù)字基礎(chǔ)設(shè)施建設(shè)力度，完善相關(guān)制度保障，夯實新質(zhì)生產(chǎn)力發(fā)展的數(shù)字底座。

5.3 不足與展望

本文存在如下不足：首先，囿于數(shù)據(jù)可得性和篇幅有限性，僅使用省級層面數(shù)據(jù)探討大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響，未來應(yīng)從城市層面、企業(yè)層面進一步開展實證研究，從更多維度識別大數(shù)據(jù)管理機構(gòu)設(shè)立對新質(zhì)生產(chǎn)力的影響效應(yīng)。其次，僅對“制度松綁—數(shù)字治理生態(tài)—新質(zhì)生產(chǎn)力”作用鏈路展開理論分析和實證檢驗，未來應(yīng)從營商環(huán)境生態(tài)、創(chuàng)新生態(tài)、創(chuàng)業(yè)生態(tài)等視角繼續(xù)探索制度松綁作用于新質(zhì)生產(chǎn)力發(fā)展的其它中介機制，為促進新質(zhì)生產(chǎn)力躍遷提供多元化發(fā)展路徑。最后，僅探討以大數(shù)據(jù)管理機構(gòu)設(shè)立為代表的制度松綁對新質(zhì)生產(chǎn)力的影響，未來應(yīng)進一步探討政府績效體系改革、金融體制改革、財政體制改革等制度松綁對新質(zhì)生產(chǎn)力的影響，并提供更多的理論依據(jù)和實證證據(jù)。

參考文獻：

[1] 劉志彪.新質(zhì)生產(chǎn)力驅(qū)動下的新型生產(chǎn)關(guān)系：趨勢、挑戰(zhàn)與對策[J/OL].財貿(mào)經(jīng)濟，[2024-11-07].https：//doi.org/10.19795/j.cnki.cn11-1166/f.20240805.007.

[2] 徐銘辰.中央企業(yè)培育新質(zhì)生產(chǎn)力：責(zé)任使命、現(xiàn)實挑戰(zhàn)和優(yōu)化路徑[J/OL].當(dāng)代經(jīng)濟管理，[2024-11-07].http：//kns.cnki.net/kcms/detail/13.1356.F.20240801.1013.002.html.

[3] 沈坤榮， 周鈴鈴. 數(shù)據(jù)基礎(chǔ)制度建設(shè)：現(xiàn)實挑戰(zhàn)與路徑選擇[J]. 學(xué)術(shù)月刊， 2024， 56（1）： 60-69.

[4] 陳書潔. 教育、科技、人才一體化賦能新質(zhì)生產(chǎn)力：趨勢、挑戰(zhàn)與應(yīng)對[J]. 人口與經(jīng)濟， 2024，45（4）： 9-14，18.

[5] 劉偉. 科學(xué)認(rèn)識與切實發(fā)展新質(zhì)生產(chǎn)力[J]. 經(jīng)濟研究， 2024， 59（3）： 4-11.

[6] 李軍林， 陸樹檀， 路嘉明. 推動數(shù)據(jù)流通交易：要素市場細(xì)分和基礎(chǔ)制度建設(shè)[J]. 學(xué)術(shù)研究， 2023，66（11）： 81-89，177.

[7] 許中緣， 鄭煌杰. 數(shù)據(jù)要素賦能新質(zhì)生產(chǎn)力：內(nèi)在機理、現(xiàn)實障礙與法治進路[J]. 上海經(jīng)濟研究， 2024，43（5）： 37-52.

[8] 魏巍， 歐陽慧， 王磊， 等. 推動數(shù)據(jù)要素市場化配置改革試點激活重點城市新質(zhì)生產(chǎn)力[J]. 宏觀經(jīng)濟管理， 2024，40（6）： 43-51.

[9] NORTH D C. Institutions， institutional change and economic performance[M]. Cambridge：Cambridge University Press， 1990.

[10] ACEMOGLU D， ROBINSON J A. Why nations fail： the origins of power， prosperity， and poverty[M]. New York：Crown Currency， 2013.

[11] 孟天廣. 數(shù)字治理生態(tài)：數(shù)字政府的理論迭代與模型演化[J]. 政治學(xué)研究， 2022，38（5）： 13-26，151-152.

[12] 張明， 余麗梅， 范從來. 國家戰(zhàn)略、社會需求與機構(gòu)改革——基于1982—2018年八次機構(gòu)改革數(shù)據(jù)的實證分析[J]. 公共管理與政策評論， 2024， 13（1）： 135-153.

[13] 黃璜， 孫學(xué)智. 中國地方政府?dāng)?shù)據(jù)治理機構(gòu)的初步研究：現(xiàn)狀與模式[J]. 中國行政管理， 2018，34（12）： 31-36.

[14] LIBECAP G D. Contracting for property rights[R]. Contracting For Property Rights， 2000.

[15] LEITERITZ R J. Mark blyth： great transformations. economic ideas and institutional change in the twentieth century[J]. Politische Vierteljahresschrift， 2004， 45（1）： 126-129.

[16] PEREZ C. Finance and technical change： a long-term view[J]. African Journal of Science， Technology， Innovation and Development， 2011， 3（1）： 10-35.

[17] 康芒斯. 制度經(jīng)濟學(xué)[M]. 北京：商務(wù)印書館， 1962.

[18] 徐翔， 厲克奧博， 田曉軒. 數(shù)據(jù)生產(chǎn)要素研究進展[J]. 經(jīng)濟學(xué)動態(tài)， 2021，42（4）： 142-158.

[19] 曾凡軍， 陳永洲. 什么樣的數(shù)字治理生態(tài)能提高數(shù)字政府發(fā)展水平——基于生態(tài)視角的動態(tài)QCA分析[J]. 電子政務(wù)， 2024，25（4）： 27-41.

[20] 張會平， 葉晴琳. 組建數(shù)據(jù)管理機構(gòu)何以提升政府治理績效——基于結(jié)構(gòu)賦權(quán)與資源賦能的視角[J]. 公共管理評論， 2022， 4（3）： 99-122.

[21] ZHAO F， WALLIS J， SINGH M. E-government development and the digital economy： a reciprocal relationship[J]. Internet Research Electronic Networking Applications amp; Policy， 2015， 25（5）： 734-766.

[22] 段永彪， 董新宇. 數(shù)字治理與城市高質(zhì)量發(fā)展：推動機制與創(chuàng)新路徑——基于數(shù)字治理理論的解釋[J]. 地方治理研究， 2023，25（4）： 55-66，79.

[23] 任保平， 王子月. 數(shù)字新質(zhì)生產(chǎn)力推動經(jīng)濟高質(zhì)量發(fā)展的邏輯與路徑[J]. 湘潭大學(xué)學(xué)報（哲學(xué)社會科學(xué)版）， 2023， 47（6）： 23-30.

[24] 倫曉波， 劉顏. 數(shù)字政府、數(shù)字經(jīng)濟與綠色技術(shù)創(chuàng)新[J]. 山西財經(jīng)大學(xué)學(xué)報， 2022， 44（4）： 1-13.

[25] DUNLEAVY P， MARGETTS H. Data science， artificial intelligence and the third wave of digital era governance[J]. Public Policy and Administration， 2023：1-30.

[26] YANG J C， CHUANG H C， KUAN C M. Double machine learning with gradient boosting and its application to the Big N audit quality effect[J]. Journal of Econometrics， 2020， 216（1）：268-283.

[27] 王茹婷， 彭方平， 李維， 等. 打破剛性兌付能降低企業(yè)融資成本嗎[J]. 管理世界， 2022， 38（4）： 42-64.

[28] 周文， 許凌云. 論新質(zhì)生產(chǎn)力：內(nèi)涵特征與重要著力點[J]. 改革， 2023，36（10）： 1-13.

[29] 王玨， 王榮基. 新質(zhì)生產(chǎn)力：指標(biāo)構(gòu)建與時空演進[J]. 西安財經(jīng)大學(xué)學(xué)報， 2024， 37（1）： 31-47.

[30] 盧江， 郭子昂， 王煜萍. 新質(zhì)生產(chǎn)力發(fā)展水平、區(qū)域差異與提升路徑[J]. 重慶大學(xué)學(xué)報（社會科學(xué)版）， 2024， 30（3）： 1-17.

[31] 蔡毅， 唐振鵬， 吳俊傳， 等. 基于灰狼優(yōu)化的混頻支持向量機在股指預(yù)測與投資決策中的應(yīng)用研究[J]. 中國管理科學(xué)， 2024， 32（5）： 73-80.

[32] WEN H W， HU K Y， NGHIEM X H， et al. Urban climate adaptability and green total-factor productivity： evidence from double dual machine learning and differences-in-differences techniques[J]. Journal of Environmental Management， 2024， 350： 14.

[33] 梁畢明， 郭振雄. 領(lǐng)導(dǎo)干部自然資源資產(chǎn)離任審計、環(huán)境規(guī)制與經(jīng)濟高質(zhì)量發(fā)展[J]. 審計研究， 2024，40（2）： 23-34.

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

[35] NUNN N， QIAN N. US Food aid and civil conflict[J]. American Economic Review， 2014， 104（6）： 1630-1666.

責(zé)任編輯（責(zé)任編輯：王敬敏）

英文標(biāo)題Institutional Deregulation， Digital Governance Ecosystem and New Quality Productive Forces： A Quasi-Natural Experiment for the Establishment of Big Data Management Organizations under the Double Machine Learning Model

英文作者Wei Wanqing^{1，2，3}， Ye Qiuzhi1， Chen Yongzhou1

英文作者單位（1.School of Public Administration， Guangxi University，Nanning 530004， China;2.School of Social Development， East China Normal University， Shanghai 200241， China;3.Regional Social Governance Innovation Research Center， Guangxi University， Nanning" 530004， China）

英文摘要Abstract：The new quality productive forces are defined by the reliance on the superposition and iteration of data elements. This represents the original driving force behind the maintenance of high-quality economic and social development. Nevertheless， at this juncture， the advancement of novel， new quality productive forces in China is still constrained by institutional impediments， including the absence of a well-defined property rights system， a suboptimal distribution apparatus， and inadequate incentives， particularly a deficient database system and an imperfect data governance apparatus. The insufficient development of economic， educational， scientific and technological， and human resources is regarded as the primary factor contributing to the stagnation in the advancement of new quality productive forces. Some studies have proposed that the development of new quality productive forces should be reinforced through the establishment of a modernized industrial system， the advancement of scientific and educational endeavors， the advancement of scientific and technological innovation and the cultivation of scientific talent. However， a limitation of these studies is that they do not address the institutional constraints that impede the leapfrogging of new quality productive forces， particularly the lack of empirical evidence on whether effective institutional arrangements for data can facilitate the development of new quality productive forces.

By establishing effective institutional frameworks， big data management organizations have been instrumental in removing obstacles， enhancing aggregation， and facilitating circulation. As a result， they have contributed to the development of a robust digital governance ecosystem， enabling the realization of data's full potential. This may prove to be a pivotal factor in facilitating new quality productive forces gains centered on data-driven. Accordingly， this paper considers the establishment of provincial big data management agencies as a prototypical instance of data institutional deregulation. It examines the intrinsic links and pathways of action of institutional deregulation， the digital governance ecosystem， and new quality productive forces from the perspective of institutional change， utilizing provincial panel data from 2010 to 2022 and a double machine learning model.

The findings indicate that the establishment of the big data management organizations， which represents institutional deregulation， has been effective in promoting the development of new quality productive forces. A mechanism analysis indicates that the establishment of big data management organizations can facilitate the creation of a favorable digital governance ecosystem and accelerate the development of new quality productive forces through the exploitation of institutional advantages. Specifically， the establishment of management organizations optimizes the digital policy environment， the digital economic environment， and the digital social environment， thereby contributing to the development of new quality productive forces. Further analysis indicates that the impact of institutional deregulation on new quality productive forces varies across contexts. In regions exhibiting high government efficiency， high human capital， and high levels of information technology， the effect is particularly pronounced.

This paper contributes threefold to the literature. Firstly， it introduces a novel research perspective. From the vantage point of institutional change， the institutional deregulation experiment of establishing a big data management organization reveals that institutional deregulation exerts an upgrading influence on the advancement of new quality productive forces. This not only serves to embed the theoretical interpretation of the institutional change perspective for new quality productive forces， but also provides empirical evidence from China to deepen the institutional theory in the era of digital intelligence. Secondly， this paper presents a novel chain-building path of \"institutional deregulation-digital governance ecosystem-new quality productive forces，\" which can further elucidate the mechanism that is currently opaque between institutional deregulation and the development of new quality productive forces. Thirdly， it methodologically employs double machine learning to address model issues in complex analyses. It can effectively circumvent the issues of model misspecification and the curse of dimensionality that may be encountered by traditional models in the intricate cascade of the topics of new quality productive forces ， enhancing conclusion accuracy. The study's findings offer a theoretical interpretation of the institutional change perspective for new quality productive forces and provide a practical basis for policy formulation to promote the development of new quality productive forces through institutional paths and governance systems.

英文關(guān)鍵詞Key Words：Institutional Deregulation; Digital Governance Ecosystem; New Quality Productive Forces; Big Data Management Organizations; Double Machine Learning

基金項目：國家社會科學(xué)基金后期資助重點項目（22FSHA003）；廣西教育廳高校人文社科重點研究基地重大項目（JDZD202203）；廣西研究生教育創(chuàng)新計劃項目（YCBZ2024030）

作者簡介：魏萬青（1977—），男，湖南邵陽人，博士，廣西大學(xué)公共管理學(xué)院、區(qū)域社會治理創(chuàng)新研究中心教授、博士生導(dǎo)師，華東師范大學(xué)社會發(fā)展學(xué)院教授、博士生導(dǎo)師，研究方向為公共政策與區(qū)域發(fā)展；葉秋志（1995—），女，廣西玉林人，廣西大學(xué)公共管理學(xué)院博士研究生，研究方向為數(shù)字治理與區(qū)域發(fā)展；陳永洲（1998—），男，湖南永州人，廣西大學(xué)公共管理學(xué)院博士研究生，研究方向為數(shù)字政府與數(shù)字治理。本文通訊作者：陳永洲。