國家級大數據綜合試驗區與新質生產力

摘要：社會形態更替本質上是生產力從低質到高質的發展過程，生產力水平提升是人類社會發展的根本動力。新質生產力以“新”為起點，以“質”為重點，以“生產力”為落腳點，培育新質生產力著力點在新科技、新產業和新要素。數據要素作為數字時代戰略性生產要素，是實現企業數字化、智能化的關鍵。國家級大數據綜合試驗區深耕數據藍海，培育大數據產業，釋放強勁生產力效能。探究大數據試驗區依托數據要素助力現代化經濟體系建設的現實路徑，對加快形成新質生產力，利用科技創新實現經濟高質量增長，推進中國式現代化建設具有重要意義。文章梳理現有新質生產力的概念與內涵，引入數據要素，理清大數據綜合試驗區賦能新質生產力理論機制，基于2011—2021年全國230個地級市面板數據，以科技生產力、綠色生產力和數字生產力三維度構建城市層面新質生產力指標體系，將國家級大數據綜合試驗區試點政策視為準自然實驗，構建多期雙重差分模型實證檢驗試點政策效應，并從多維度刻畫試點政策效應異質性。研究結果發現：國家級大數據綜合試驗區顯著賦能新質生產力提升，且這一結論在多種穩健性檢驗下仍然成立。維度異質性分析表明，試點政策在科技生產力、綠色生產力和數字生產力三個維度均存在顯著賦能；地域異質性分析表明，在東部沿海地區和長江經濟帶地區政策賦能效應更為明顯；經濟特征異質性分析表明，擁有較高水平產業結構、人力資本和數字基礎設施的城市政策賦能作用突出。機制分析表明，試點政策激勵企業加大研發投入進而賦能新質生產力。據此提出政策建議：依據新質生產力子維度優化試點政策驅動數據要素渠道；針對地區產業結構異質性，有的放矢推進大數據綜合試驗區改革；政策實施環節充分發揮地方政府引導和企業模范帶頭作用。

關鍵詞：新質生產力；國家級大數據綜合試驗區；數據要素；科技創新；多期雙重差分

中圖分類號：F49；F1243" 文獻標志碼：A" 文章編號：1008-5831（2024）04-0062-17

引言

2023年9月，習近平總書記在黑龍江考察期間提出，要整合科技創新資源，引領發展戰略性新興產業和未來產業，加快形成新質生產力。新質生產力是傳統生產力的繼承與發展，是以科技創新為主導作用的生產力新形態。從本質上講，社會形態更替是生產力從低質到高質迭代發展的過程。新質生產力以“新”為起點，以“質”為重點，以“生產力”為落腳點，是傳統生產力水平的一次躍遷［1］。新質生產力是戰略性新興產業和創新發展的動力源泉，是推進中國式現代化建設關鍵支撐力量。發展新質生產力是應對當前百年未有之大變局和新一輪科技革命的迫切要求。對國家而言，生產力是綜合國力之根本。西方國家經工業革命至今已在部分關鍵技術領域占據制高點，高筑技術壁壘，采取多種手段對我國關鍵領域進行“卡脖子”阻礙發展，嚴重影響國家安全與發展利益。面對新一輪科技革命，率先布局戰略性新興產業和未來產業，形成內生動力與國際競爭力的生產力新質態，是身處日益激烈的國際競爭中突破制約的關鍵一步，具有重要時代意義。

任何要素變革都會推動生產力發展，數字技術賦予生產資料數字屬性，實現資源要素快捷流動和高效匹配，推動生產力躍遷。數字技術鼓勵高科技產業發展并實現靈活商業運營形態，加快推動產業深度轉型。企業利用數字技術降低對大規模資源依賴程度，減少對高能耗、高污染生產要素使用，并將數據要素作為關鍵要素，以科技創新驅動生產力質的飛躍與提升。2015年，全國首個大數據綜合試驗區在貴州正式啟動。2016年批準第二批試點省份名單，至此全國共設立八大國家級大數據綜合試驗區。試驗區圍繞數據要素，探究數據資源整合、管理、應用、合作與創新等方面，旨在帶動經濟轉型、技術創新與產業升級。2020年，貴州數字經濟增速超15%，連續六年位列全國第一。

數字時代，新質生產力為經濟高質量發展帶來契機，成為實現中國式現代化建設新動能，是不可錯過的戰略機遇。身處新發展階段，需準確把握新質生產力內涵與著力要點，為當前我國經濟動能轉換提供重要路徑支持。新質生產力研究主要集中在理論邏輯、內涵特征與實現路徑三方面。新質生產力本質上仍是一種生產力，其基本要素包含勞動者、勞動對象和勞動資料三方面［2］。較傳統生產力滿足基礎需求而言，新質生產力主要滿足發展型、享受型需要［3］。新質生產力以科技創新為引擎，以戰略性新興產業為主導，以產業結構升級為方向，融合大數據、人工智能等數字技術，強調經濟實現高質量發展路徑［4］。從“新”和“質”兩方面分析新質生產力特征，“新”是指以關鍵性顛覆性技術進行生產的生產力，“質”是指以關鍵性顛覆性技術提供強勁驅動力［5］。從發展模式分析，傳統生產力伴隨大量自然資源消耗與生態環境污染；新質生產力以科技創新為核心驅動力，提倡資源節約、綠色可持續發展［6］。加快推進新質生產力形成需從構建相應制度環境、培養要素市場、強化人才支撐等途徑出發［7］。

培育新質生產力戰略點在新科技、新產業和新要素，網絡化與云計算技術發展為新質生產力崛起提供技術支撐［8］。一方面，互聯網提供企業與政府獲取市場信息的便捷途徑，大數據奠定企業與政府捕捉消費者習慣的基礎保障。另一方面，數字技術應用催生戰略性新興產業交叉融合，加速新質生產力孵化［9］。數字時代數據經收集、整理與挖掘，釋放強勁生產力效能。作為數字時代具有戰略意義的生產要素，充分發揮數據作用是實現數字化、智能化的根本［10］。

有關大數據綜合試驗區試點政策規制研究大致分為經濟賦能效應、驅動創新效應和環境優化效應。在經濟賦能效應方面，激勵性政策對區域數字經濟高質量發展顯著賦能［11］，設立大數據綜合試驗區等系列高水平對外開放措施有助于增加地區對外資持續吸引力［12］，激勵產業結構升級轉型，促進低碳經濟發展模式轉型［13］。在驅動創新效應方面，大數據綜合試驗區充分發揮政策紅利，加速知識技術跨地區流動，培育新增長極［14］，提升企業創新能力［15］。環境優化效應方面，大數據綜合試驗區試點政策通過優化產業結構升級與提高機器人應用率等途徑，促進城市減霾降碳［16］，降低電力消費與碳排放水平［17］。

梳理現有文獻，大數據綜合試驗區試點政策效應機制及實證驗證研究相對豐富，新質生產力內涵特征研究仍在不斷深入探索，且新質生產力定量研究方面仍有深入探討的空間?；诖?，本文可能的邊際貢獻有：第一，梳理試點政策賦能新質生產力理論機制，并實證驗證試點政策效應。第二，構建城市層面新質生產力指標體系，為新質生產力水平測度提供新視角。第三，在異質性分析中，基于不同維度特征對試點政策賦能新質生產力提升效應進行探討，盡可能從多角度刻畫政策效果。

一、理論分析與研究假說

高科技是新質生產力最突出特征［18］，新質生產力以顛覆性技術創新為主導力量，以戰略性新興產業為主要載體，戰略性新興產業以顛覆性技術創新為基礎支撐。具體來講，假設原有生產函數為Yt=AtKαtLβt，當試點政策發布后新時期t+1時生產函數是Yt+1=At+1Kαt+1Lβt+1，其中，Y代表產出，A代表技術進步率，K代表資本，L代表勞動，則Yt+1/Yt即新質生產力的增長效果［19］。從技術進步角度看，大數據綜合試驗區打破數據資源壁壘，加速試點區域內數據要素整合與利用，促進互聯網技術融合互動［20］。在微觀層面，數據要素快速流通緩解信息不對稱狀況，減少技術交易中的沉沒成本和驗證成本；在宏觀層面，數據要素為企業提供市場前沿技術視野，幫助企業接觸新興技術。新技術改造提升傳統產業，促進產業轉型升級，加速地區形成新質生產力。從資本角度看，試驗區數據流通與交易服務平臺有助于制度環境與經濟環境改善。數字技術有機嵌入資本要素，包括工業機器人、數字化產業鏈和機器設備等實體資本，外來企業投資、技術支持等非實體資本，有助于企業優化產品研發流程［21］、提升市場價值［22］和企業升級轉型［23］。從勞動角度看，數據要素與勞動力深度融合提供高質量勞動供給，實現勞動技能升級，新興產業對數字技能型人才需求倒逼勞動者提升知識、技能與智慧供給，深化勞動力分工，優化勞動力供給結構［24］。

生產力持續進步是各國現代化建設的共同特征，科學技術是生產力發展的核心要素。科技生產力強調以科技創新為驅動力，推動產業創新和經濟增長。重大科技突破，如蒸汽機、電力、信息技術等，引領產業革命和經濟變革，引發生產方式根本變化，推動社會生產力質的飛躍?？萍歼M步不僅能提高生產效率，還能創造新產品和新服務，提高產品質量，從而增強企業競爭力和經濟的整體效率。科技生產力的提升為綠色生產力的發展提供技術基礎和創新動力，綠色生產力是實現可持續發展的關鍵。從綠色化產業形態看，新質生產力本身就是綠色生產力［25］。綠色生產力追求可持續的、生態友好的生產力模式，新能源產業、環保產業和生態旅游業等綠色產業成為新經濟增長點。綠色生產力通過內化外部性的方式，將環境成本納入企業生產成本，促使企業主動采取環保措施，從而減少負外部性。作為代表性新興技術，數字技術以數字化、網絡化、智能化為特征，以數據為關鍵生產要素。數據用于優化生產流程、提升決策水平、個性化定制等手段推動生產方式智能化變革。傳統產業受制于特定技術和業務模式，難以跨越行業邊界進行合作創新，數字技術為行業融合提供新空間。以物聯網為例，數據網絡將用戶端和企業端設備連接，將傳感器與系統連接，實現跨行業數據交換和協同操作，帶來智能家居設備服務新市場，為經濟發展開辟新商機。

發展新質生產力實際上也是擺脫傳統增長方式和發展路徑，踐行新發展理念的過程［26］。以數字技術為基礎的算力成為當前各國搶占的數字經濟戰略制高點，強大算力背后需要對各種生產要素和生產過程進行數字化感知，收集整理轉化為可計算、可分析的數據結構［27］，數據作為主要代表的新型勞動對象重要性與日俱增。試驗區大數據中心建設和集約化，提高數據處理和存儲能力，有助于數據處理效率提升。數據要素一方面通過自身經濟增長效應直接驅動經濟增長，催生新興產業，如人工智能、云計算和網絡直播等，擴大社會經濟體量［28］，另一方面促進技術進步間接賦能經濟。試點政策促進創新要素孕育，提高技術創新質量，增強區域內生增長動力［29］。通過實施“百企引領”“千企引進”“萬企融合”等行動，探索大數據與實體經濟深度融合的“貴州模式”?！笆濉逼陂g，貴州軟件和信息技術服務業收入年均增長19.3%，躍升五個位次，排名全國19位。試驗區有效打破數據資源壁壘、強化基礎設施統籌，打造大批大數據支撐的先進產品。創新要素孕育和技術創新質量的提升，有助于能源利用效率和環境保護，促進綠色生產力和加強數字生產力，為經濟可持續發展注入新動力。據此提出假設1。

假設1：大數據綜合實驗區試點政策賦能新質生產力提升。

試驗區內聚焦工業互聯網、智能制造等新興領域，促進互聯網與產業創新融合［30］，加快賦能新型工業化，優化傳統產業“高污染、高能耗”發展路徑，新模式新業態為經濟增長注入新活力?，F代化產業體系中實體經濟具有強技術外溢性和廣產業關聯性特征，是科技創新領域的主戰場［31］。以科技創新引領現代化產業體系建設，是順應新一輪科技革命和產業變革的必然路徑［26］。與此同時，數字人力資源儲備是地區數字經濟高質量發展的基礎，企業終端匯集的大量數據要素依賴人力資源進行管理。優化人力資本結構，培育新型數字人才是深耕科技創新這一新質生產力的關鍵［32］。企業數字人才具有的知識、技能、經驗和潛能等非量化因素，為企業進行持續競爭和獲取超額績效提供支撐，是企業數字化經營的重要資源。另一方面，企業利用數據要素實現的新型生產方式、業態和模式派生出數字化需求崗位，增大了對知識密集型人才的需求［33］。數字人才使用數據要素資源探索企業發展目標，釋放試點政策紅利，賦能新質生產力提升。數字經濟深層發展離不開數字基礎設施支撐，以5G基站、人工智能、云計算和大數據中心為代表的數字基礎設施作為數據要素載體，充分釋放數字技術的經濟紅利［34］。以貴州大數據綜合試驗區為例，貴州省內通信光纜累計達154萬公里，5G基站建成投用5.3萬個，信息基礎設施水平從全國第29位躍居15位。地區依托新型基礎設施，通過規模聚集、信息支撐和資金配置效應驅動技術創新［35］。作為核心技術底座，數字基礎設施建設打通數據流通循環，在降低創新資源搜索成本和摩擦成本的同時，實現創新要素供求匹配，為高技術創新提供有力支撐，服務新質生產力快速發展。綜上提出假設2。

假設2：大數據綜合試驗區試點政策在不同產業結構、人力資本和數字基礎設施水平下賦能效應存在不同表現。

二、研究設計與數據來源

（一）模型設定

以大數據綜合試驗區試點政策為準自然實驗，評估試點政策對新質生產力影響的凈效應。經典雙重差分設計包含兩個組群和兩個時期，其中一個組群在第二期接受處理，即實驗組；另一個組群在兩期內均未受處理，即控制組。鑒于試點政策分別于2015與2016年開始施行，故采用多期雙重差分模型進行量化分析［36］，具體模型設計如式（1）所式。

productivityit=α+β0treati×postt+β1Xi，c，t+μj+φt+εit（1）

其中，productivity代表新質生產力，treat代表試點地區虛擬變量，post代表試點時間虛擬變量，X代表控制變量，μj代表個體固定效應，φt代表時間固定效應，εit代表隨機誤差項。

（二）變量定義

1.被解釋變量

新質生產力（productivity）以科技創新為要義，以高質量發展為目標。新質生產力以科技創新為基礎，引領生產方式變革和經濟結構調整。科技生產力代表科技創新成果，是推動經濟增長和社會進步的重要力量；綠色生產力代表生產方式綠色轉型，是實現可持續發展的重要途徑；數字生產力代表數字經濟發展，是推動經濟結構調整和產業升級的重要動力。從科技生產力、綠色生產力和數字生產力三個角度出發［37］，下設13個二級指標，采用熵值法測度地級市層面新質生產力水平。

科技生產力代表通過科技創新實現關鍵性、顛覆性技術突破而產生的生產力，強調以新技術、新經濟、新業態為主要內涵。其中，科技創新收入以辦公地所屬城市的上市公司營業收入表示，其中上市公司選取國民經濟行業分類中I類信息傳輸、軟件和信息服務業與M類科學研究和技術服務業公司，科技創新支出和科技創新研發指標同理?？萍紕撔滦室浴埃ㄒ幠Ｒ陨瞎I企業利潤總額+年末單位從業人員數×職工平均工資）/年末單位從業人員數”表示［38］。

綠色生產力代表環境友好型、資源節約型生產方式，以環保、資源節約為核心特征，旨在通過綠色生產力實現新質生產力的發展和優勢。其中，能源效率以“總噸標準煤的對數/實際GDP”表示。

數字生產力強調數字技術在生產過程中的應用，包括大數據分析、人工智能、物聯網等。數字技術有助于提高生產效率、優化資源利用和加速創新，引領工業轉型升級，促進經濟發展的數字化轉型。具體指標及含義見表1。

2.核心解釋變量

本文將大數據綜合試驗區試點政策作為核心解釋變量，進行準自然實驗。具體步驟如下：對于組間虛擬變量（treat），將試點政策涵蓋城市賦值為1，否則為0。對于時間虛擬變量（post），將試點政策發布當年及之后年份賦值為1，否則為0。組間虛擬變量（treat）與時間虛擬變量（post）交乘項表示試點政策發布后的地區分組。

3.控制變量

為減少其他混淆變量可能對回歸結果產生影響，選取如下控制變量加入方程：經濟發展水平（gdp），地區經濟水平反映地區經濟狀況，經濟發展水平較高地區往往擁有更多資金、人才和技術等生產要素，為新質生產力發展提供有利條件。產業結構（industry），產業結構與新技術、新產業、新業態的應用和創新有密切關系，使用“第三產業增加值占GDP比重/第二產業增加值占GDP比重”表示。人力資本水平（human），使用職工平均工資衡量城市對新型數字人才吸引力［39］。教育水平（education），以一般預算支出中教育支出的對數形式表示［40］。金融發展水平（finance），以年末金融機構各項貸款余額的對數形式表示。人口規模（people），人口數量的增減直接影響勞動供給、消費市場規模以及創新能力，以城市戶籍人口的對數形式表示。

（三）數據來源和描述性統計

選取2011—2021年230個地級市的面板數據，共計2 530個研究樣本，其中實驗組城市72個，樣本數量792，控制組城市158個，樣本數量1 738。數據來源包括《中國統計年鑒》《中國城市統計年鑒》、各地國民經濟與社會發展統計公報、國泰安CSMAR數據庫和EPS數據庫，部分缺失數據使用Stata 17進行線性插值補齊。變量描述性統計如表2所示。

觀察表2可知，新質生產力均值為0.018，標準差為0.035，說明樣本城市新質生產力水平整體較低，且最小值0.004，最大值0.693，不同城市水平差距較大。試點虛擬變量均值0.172，說明總體樣本中處于實驗組的數據占總體數據比重為17.2%。

三、實證分析

（一）基準回歸結果

實證驗證國家級大數據綜合試驗區試點政策對地區新質生產力賦能效應。進行基準回歸之前，方差膨脹因子檢驗（VIF）統計量6.45，小于10，證明變量選取不存在嚴重多重共線性。隨后Hausman檢驗結果統計量173.06，通過1%顯著性水平檢驗，證明采用固定效應模型能較好修正模型偏誤?；鶞驶貧w結果匯報見表3，列（1）為未加入任何控制變量的回歸結果，可以發現回歸結果系數值0.017，通過1%顯著性檢驗。列（2）為加入控制變量后的回歸結果，回歸系數值相對減少，具體為0.005，在1%顯著性水平下顯著。列（3）和列（4）為依次控制個體和時間固定效應回歸結果，列（4）回歸結果系數值趨于穩定，具體為0.01，通過1%顯著性檢驗，證明本文假設1成立。觀察列（4）控制變量回歸結果，經濟發展水平、產業結構、教育水平、金融發展水平與人口規模均在不同程度下顯著。其中，金融發展水平系數為-0.011，可能的原因是城市金融行業發展雖能為新質生產力要素發展提供資金支持，但金融行業的過度擴張也可能導致資產價格過高，引導資金流向虛擬經濟，擠壓實體經濟發展空間。

（二）穩健性檢驗

1.平行趨勢檢驗

使用雙重差分法探究政策實施效應需通過平行趨勢檢驗［41-42］，即若未施行試點政策，實驗組和控制組結果變量隨時間變化趨勢不會導致系統性偏誤［43］。繪制90%置信區間下試點政策平行趨勢檢驗結果，具體如圖1所示。從圖中可以看出，在試點政策前各地區結果變量未出現較大差異，出現緩慢增加趨勢。自政策實施當年，政策效應出現明顯增加趨勢，初步說明平行趨勢假設成立。政策實施后期效應明顯提升，企業建立數據采集系統，在實踐中不斷優化數據應用模式，培養數字人才支撐力，政策賦能的城市新質生產力水平經“厚積薄發”出現明顯增長態勢。

2.安慰劑檢驗

準自然實驗前提假設其他因素對分組變量影響為隨機分配，為驗證政策沖擊對實驗組城市影響具備隨機性，進行安慰劑檢驗。具體原理為：在總體樣本中依據試點政策城市數量，隨機逐年抽取相同數量城市500次作為“偽實驗組”，檢驗回歸結果系數是否顯著。將安慰劑檢驗回歸結果所得到500個估計系數與對應p值匯報在圖2。從圖中可以發現，回歸系數值落在0值附近且符合正態分布，基準回歸結果系數值0.01位于正態分布右側高尾位置，即基準回歸結果不是隨機產生，證明試點政策有效性。

3.敏感性分析

偏誤系數可解釋為誤差項與解釋變量的相關性，即Corr（vi，xi）與Corr（xi，ciβc）的比值，使得偏誤系數的具體度量值可以衡量遺漏在誤差項中的變量對政策效應的因果關系識別影響程度。具體而言，敏感性分析可以衡量控制變量是否盡可能控制影響政策效應的其他混淆因素，檢驗結果見表4。其中βLx指在誤差項與解釋變量存在相關性的強度范圍內，估計出的自變量對應系數的最小值，同理βHx為最大值［44］?？傻孟禂倒烙嫿Y果對遺漏變量問題不敏感，即證明未遺漏重要影響變量。

4.傾向得分匹配（PSM）

PSM使用平均處理效應（ATT）反映匹配后實驗組和控制組的自變量對因變量影響程度，即國家級大數據綜合試驗區政策效應對城市新質生產力水平的凈影響效應。將實驗組城市與控制組城市分別進行半徑匹配和核函數匹配，結果見表5。

5.排除其他政策沖擊

研究期內存在其他政策可能對新質生產力孕育產生影響，從而高估大數據綜合試驗區試點政策效應。加入寬帶中國和智慧城市試點政策控制變量，以增加實證結果可信度。其中寬帶中國政策旨在推進寬帶網絡的建設和改造，在城市地區利用光纖到戶、光纖到樓等手段，實現寬帶網絡的無縫覆蓋；智慧城市政策旨在利用新一代信息技術推動城市管理和服務的智能化?？紤]到寬帶網絡是大數據傳輸和處理的基礎，智慧城市政策中的信息技術應用可能與大數據應用場景重疊，因此需要控制該政策可能帶來的影響。將寬帶中國和智慧城市政策試點地區虛擬變量在政策發布后賦值為1，否則為0。回歸結果如表5所示。可見在排除其他政策干擾后，大數據綜合試驗區試點政策效應仍在1%顯著性水平下顯著，系數值分別為0.011和0.01。

6.合成控制雙重差分（SDID）

傳統雙重差分法通過設置實驗組與控制組進行模擬準自然實驗，就政策試點時間順序來看，可分為單一時點和多時點雙重差分，其中多時點雙重差分也稱交錯DID或漸近DID。交錯DID中一個重要潛在問題是異質性處理效應識別，即同一處理政策對不同個體產生效果存在差異［45-46］。此時雙向固定效應模型估計量存在潛在偏誤，估計效應不是受處理個體的平均處理效應，而是組別與時間處理效應的加權平均［47-48］。合成控制雙重差分（SDID）通過選擇個體和時間權重，確保加權時期接近估算反事實時期，以平均個體的平均處理效應［49］。圖3分別給出了雙重差分法、合成控制雙重差分法和合成控制法政策效應示意圖，圖（a）和（b）為雙重差分法、圖（c）和（d）為合成控制雙重差分法，圖（e）和（f）為合成控制法?？梢园l現不同試點時間對地區新質生產力均存在正向賦能效果，但存在處理效應差異，且合成控制雙重差分法實驗組和控制組效應差距明顯變小。試點政策效應依賴當地產業結構、基礎設施建設和科技創新水平。2015年貴州省貴陽市首先啟動大數據綜合試驗區試點，尋求將大數據與傳統產業、農業和服務業相融合的路徑，貴州省政策效應趨勢圖雖存在上升趨勢，但較控制組趨勢不明顯。2016年第二批試點地區名單發布，借助貴州省大數據綜合試驗區發展經驗，第二批試點地區政策賦能新質生產力效應顯著高于同時期控制組。

（三）異質性檢驗

1.維度異質性

為分析試點政策對新質生產力不同維度賦能效應，從科技生產力、綠色生產力和數字生產力三種角度進行分維度回歸，表6匯報詳細檢驗結果?？梢园l現，三個維度回歸系數均顯著為正，系數值分別為0.015、0.01和0.01，即試點政策對科技生產力賦能效應最大，對綠色生產力和數字生產力賦能效應大致相同?？赡苁怯捎谠圏c政策引導投資，企業利用數字化技術孕育以共享經濟為代表的新型商業運營模式，通過大數據挖掘紓解信息不對稱帶來的資源配置效率低下，企業間“信息孤島”問題得到有效處理。以大數據與生產領域融合，促進設計與生產部門間智能制造與網絡協同模式發展，實現產品研發從經驗導向轉向數據支撐，提高創新適用度［50］。

2.地域異質性

由于中國現階段地域發展不平衡，不同地區經濟水平和科研創新能力以及企業對大數據技術應用程度和接受程度存在差異，故以我國東部、中部和西部分組進行地域異質性檢驗。同時，長江經濟帶是我國工業分布最密集區域之一，產業門類多、鏈條完整，在電子信息制造業和軟件與信息技術服務業中影響力持續上升，持續促進傳統產業數字化轉型，推進城市管理和服務的智能化，提高城市競爭力，以樣本城市是否屬于長江經濟帶分組進行異質性分析。兩種地域特征異質性視角檢驗結果見表7。

3.經濟特征異質性

大數據技術應用促使傳統產業通過技術革新實現數字化轉型，同時催生出新興產業。以數字化、網絡化、智能化的新技術促進新產業、新業態和新模式涌現，推動產業結構優化轉型。人力資本水平提升，尤其是數字化產業領域的專業人才，對新質生產力發展具有重要作用，優化人力資本結構，提高人力資本水平是激活新質生產力的關鍵手段。數字基礎設施是支撐新質生產力發展的物質基礎，包括數據中心、寬帶網絡、智能傳感器等，為數據采集、存儲、處理和分析提供必要的硬件支持。新質生產力的發展推動產業結構優化，產業結構變革又要求人力資本水平提升，數字基礎設施為產業結構優化和人力資本水平提供支撐。故從產業結構、人力資本和數字基礎設施三種視角出發，進行經濟特征異質性分析，具體檢驗結果見表8。

表8列（1）和列（2）匯報不同產業結構下的政策效應，其中產業結構以第三產業增加值占GDP比重與第二產業增加值占GDP比重的比值表示，以中位數分組進行回歸。列（1）為低產業結構分組，回歸結果未通過顯著性水平檢驗；列（2）為高產業結構分組，回歸系數0.025，通過1%顯著性水平檢驗?？赡苁且驗榈彤a業結構城市尚處在數字化轉型早期階段，尚未充分應用大數據技術，對數字化轉型需求感知不強烈，因此在政策效應方面呈現不夠顯著的特點。

以人力資本指標的中位數進行分組，列（3）和列（4）匯報人力資本異質性分組回歸結果，其中人力資本用每萬人中在校大學生人數代表。高人力資本組回歸結果在1%顯著性水平下為正值，具體系數值為0.025。低人力資本組回歸結果為-0.002，通過5%顯著性檢驗。可能的原因是新質生產力涉及新領域，技術含量高，地區人才儲備影響試點政策落地推行效果，高人力資本組擁有高附加值和高技術含量的產業結構，在電子信息技術、戰略性新興產業和量子信息等前瞻性未來產業中擁有較強適應性與科研創新能力，能夠充分發揮科技創新在新質生產力形成中的主導作用。大數據技術更新迭代速度快，對勞動者技能要求較高，低人力資本地區勞動者缺乏數字技能和信息素養，大數據技術應用和創新模式難以充分發揮賦能作用。

數字基礎設施作為新質生產力重要支撐，為數據收集與應用提供基礎平臺。不同地區、行業和企業在數字基礎設施方面的異質性，導致數據資源積累和技術應用能力存在差異，影響大數據應用和價值釋放，進而影響新質生產力水平提升。將電信業務總量代表城市基礎設施情況，以基礎設施水平中位數進行分組，回歸結果見表8列（5）和列（6）?？梢园l現，高基礎設施組回歸結果顯著為正，系數值0.014，通過1%顯著性水平檢驗。數據是訓練模型和優化算法的關鍵，企業無法獲得足夠數據，影響產品市場定位和產品策略調整。低基礎設施水平組政策賦能效應不足，數據儲存和計算能力不足制約創新速度和質量。

四、機制檢驗

新質生產力孕育與經濟社會數字技術進步緊密聯系，換言之，數字技術即生產力躍遷至新質生產力的關鍵構成要素。前文實證檢驗表明，國家級大數據綜合試驗區試點政策賦能新質生產力。進一步思考，大數據和人工智能技術幫助企業理解市場需求和客戶需求，優化研發流程，提高研發效率，為企業和研究機構提供創新平臺。這種平臺提供大量消費者行為、市場趨勢和競爭對手信息，指導企業進行產品開發和創新，從而促使企業增加Ramp;D經費支出。隨著企業不斷增加研發支出，推出新技術和新產品，整個產業結構隨之優化升級。高新技術產業發展促進經濟模式轉變，基于數字平臺優化商業模式，企業實現可持續韌性創新［51］，增強企業適應外部風險能力，為地區發展高層次新質生產力提供有力支持。

為檢驗國家級大數據試驗區試點政策拉動企業科技研發經費投入增加，進而賦能新質生產力的作用機制，設計三重差分模型進行機制效應檢驗［52-53］，具體公式如式（2）所示。

productivityit=α+β0treati×postt×Mi，t+β1Xi，c，t+μj+φt+εit（2）

其中：Mi，t為調節變量，即科技研發（RD）；其余變量與上文含義相同。

表9匯報機制檢驗回歸結果，其中列（1）為科技研發機制檢驗結果，列（2）為基準回歸結果以供對比?？梢园l現，科技研發機制作用在大數據綜合試驗區試點政策地區調節效應更為明顯，系數值為0.022，通過1%顯著性水平檢驗。未試點地區系數值相對較小，具體為0.013?？赡艿脑蚴窃圏c區域吸引高技能人才、高科技企業和研究機構，形成創新聚集效應，促進知識交流和技術擴散。大數據技術在產業內產生網絡外部性，增強企業間連接和協同。不僅如此，試點政策向市場發送信號，吸引投資者關注，從而增加企業研發資金來源，有效促進科技研發，進而賦能新質生產力發展。

五、結論與政策建議

（一）結論

探究國家級大數據綜合試驗區試點政策是否有效賦能新質生產力提升，以2011—2021年230個地級市面板數據為樣本，采用準自然實驗方法，利用多期雙重差分模型評估大數據綜合試驗區試點政策凈效應。研究結果表明：第一，國家級大數據綜合試驗區試點政策賦能新質生產力提升，且該結論在系列穩健性檢驗下依舊成立；第二，維度異質性表明試點政策有效促進科技生產力、綠色生產力和數字生產力提升，且政策賦能科技生產力維度效果更為明顯；第三，區域特征異質性分析表明經濟發達城市政策賦能效應顯著，高水平產業結構、人力資本和數字基礎設施城市政策效應突出；第四，機制分析結果表明科技研發支出對試點政策賦能新質生產力提升起正向調節作用。

（二）政策建議

根據以上結論，提出如下政策建議。

第一，依據新質生產力子維度優化試點政策驅動數據要素渠道。針對科技生產力，設計科技創新基金，支持企業展開技術研發和轉化，鼓勵跨領域合作，加速科技成果向市場轉化。與此同時，建立技術轉化和成果應用率評估機制，確保科技創新成果落實。針對綠色生產力，推動傳統產業向綠色化方向發展，提供稅收優惠，引導企業增加環保投入。建立綠色技術示范基地，為企業提供綠色技術示范應用和培訓基地，對不符合環保標準的企業進行處罰。針對數字生產力，舉辦數字技術展覽會、研討會和工作會，推動共享數字化轉型經驗和資源。投資數據中心、云計算和人工智能等戰略新興企業，構建穩定可靠的數字設施基礎保障體系。

第二，針對地區產業結構異質性，有的放矢推進大數據綜合試驗區改革。立足現有產業，著眼未來發展，在推動傳統產業升級轉型基礎上，根據技術創新方向布局未來產業，調整產業朝科技突破前沿領域改革。加快對傳統產業進行數字化和智能化升級，加強企業綠色生產和節能減排，推動新技術、新模式應用，鼓勵企業端形成高技術附加值、技術密集型上下游產業鏈。促進教育鏈、人才鏈和產業鏈深度融合，加快形成新質生產力所需人才培養模式，提升基礎學科與前沿學科教育質量，鼓勵支持創新型人才培養。

第三，政策實施環節充分發揮地方政府引導和企業模范帶頭作用。節能環保、綠色可持續發展是新質生產力形成必經之路，以綠色技術驅動產業發展，走資源節約、生態友好的發展之路。做好新質生產力支撐的制度環境保障，進一步發揮大數據綜合試驗區試點政策賦能的制度優勢，加快布局新興智能產業和環保產業。加強大數據綜合試驗區協調聯動，推動跨區域、跨部門、跨行業的數據資源共享和流通，激發數據資源創新價值，促進數據驅動的產業升級轉型。

參考文獻：

［1］ 張林，蒲清平.新質生產力的內涵特征、理論創新與價值意蘊［J］.重慶大學學報（社會科學版），2023（6）：137-148.

［2］ 魏崇輝.新質生產力的基本意涵、歷史演進與實踐路徑［J］.理論與改革，2023（6）：25-38.

［3］ 高帆.“新質生產力” 的提出邏輯、多維內涵及時代意義［J］.政治經濟學評論，2023（6）：127-145

［4］" 胡瑩.新質生產力的內涵、特點及路徑探析［J/OL］.新疆師范大學學報（哲學社會科學版），2024（5）：36-45，2.

［5］ 周文，許凌云.論新質生產力：內涵特征與重要著力點［J］.改革，2023（10）：1-13.

［6］ 蒲清平，向往.新質生產力的內涵特征、內在邏輯和實現途徑：推進中國式現代化的新動能［J］.新疆師范大學學報（哲學社會科學版），2024（1）：77-85.

［7］ 石建勛，徐玲.加快形成新質生產力的重大戰略意義及實現路徑研究［J］.財經問題研究，2024（1）：3-12.

［8］ 令小雄，謝何源，妥亮，等.新質生產力的三重向度：時空向度、結構向度、科技向度［J］.新疆師范大學學報（哲學社會科學版），2024（1）：67-76.

［9］ 任保平，王子月.數字新質生產力推動經濟高質量發展的邏輯與路徑［J］.湘潭大學學報（哲學社會科學版），2023（6）：23-30.

［10］ 蘇錦旗，唐詩瑤，張營營.國家級大數據綜合試驗區能否促進區域經濟高質量發展：基于試點區政策的準自然實驗［J］.現代財經（天津財經大學學報），2023（10）：56-73.

［11］ 劉超，張慶雯，聶心容.激勵性政策規制推動中國數字經濟高質量發展機制研究［J］.亞太經濟，2023（5）：98-113.

［12］ 耿偉，王筱依，王鑫源.國家級大數據綜合試驗區與FDI流入：基于數量和質量的視角［J］.國際經貿探索，2023（1）：19-35.

［13］ 張修凡，范德成.數字經濟發展賦能我國低碳經濟轉型研究：基于國家級大數據綜合試驗區的分析［J］.科技進步與對策，2023（19）：118-128.

［14］ 徐林，侯林岐，程廣斌.國家級大數據綜合試驗區創新效應研究［J］.科技進步與對策，2022（20）：101-111.

［15］ 王曉紅，李娜.數字技術發展、產學研合作與企業創新能力：基于國家級大數據綜合試驗區的分析［J］.科技管理研究，2022（17）：1-8.

［16］ 程云潔，段鑫.數字經濟能促進城市減霾降碳嗎：基于八大國家級大數據試驗區的準自然實證分析［J］.軟科學，2024（1）：8-15.

［17］ 常皓亮，金碚，薛飛.大數據戰略對電力消費碳排放的影響：基于國家級大數據綜合試驗區的準自然實驗［J］.經濟與管理研究，2023（5）：93-109.

［18］ 賈若祥，王繼源，竇紅濤.以新質生產力推動區域高質量發展［J］.改革，2024（3）：38-47.

［19］ 劉志彪，凌永輝，孫瑞東.新質生產力下產業發展方向與戰略：以江蘇為例［J］.南京社會科學，2023（11）：59-66.

［20］ 支宇鵬，盧瀟瀟.國家大數據綜合試驗區設立與城市創業活躍度：基于284個城市的經驗證據［J］.中國流通經濟，2023（3）：84-96.

［21］" JOHNSON J S，FRIEND S B，LEE H S.Big data facilitation， utilization， and monetization：Exploring the 3Vs in a new product development process［J］.Journal of Product Innovation Management，2017，34（5）：640-658.

［22］" CHEN W，SRINIVASAN S.Going digital：Implications for firm value and performance［J］.Review of Accounting Studies，2024，29（2）：1619-1665.

［23］ 吳海軍，郭琎.數據要素賦能制造業轉型升級［J］.宏觀經濟管理，2023（2）：35-41，49.

［24］ 杜傳忠.新質生產力形成發展的強大動力［J］.人民論壇，2023（21）：26-30.

［25］ 胡瑩，方太坤.再論新質生產力的內涵特征與形成路徑：以馬克思生產力理論為視角［J］.浙江工商大學學報，2024（2）：1-13.

［26］ 黃群慧，盛方富.新質生產力系統：要素特質、結構承載與功能取向［J］.改革，2024（2）：15-24.

［27］ 米加寧，李大宇，董昌其.算力驅動的新質生產力：本質特征、基礎邏輯與國家治理現代化［J］.公共管理學報，2024（2）：1-14，170.

［28］ 徐野，田聰，劉滿鳳，等.數據要素對經濟增長的影響效應研究［J］.統計與決策，2024（6）：121-125.

［29］" GLAESER E L，KERR S P，KERR W R.Entrepreneurship and urban growth：An empirical assessment with historical mines［J］.Review of Economics and Statistics，2015，97（2）：498-520.

［30］ 劉明.大數據綜合試驗區對企業創新的影響研究：來自中國上市公司的經驗證據［J］.云南大學學報（社會科學版），2024（1）：79-91.

［31］ 黃群慧，楊虎濤.中國制造業比重“內外差” 現象及其“去工業化” 涵義［J］.中國工業經濟，2022（3）：20-37.

［32］ 于翔，牛彪，苑澤明.數據資產、人力資本升級與企業價值［J］.中南財經政法大學學報，2024（2）：109-122.

［33］" ACEMOGLU D，RESTREPO P.The race between man and machine：Implications of technology for growth， factor shares， and employment［J］.American Economic Review，2018，108（6）：1488-1542.

［34］ 惠寧，薛瑞宏.加快建設數字基礎設施 著力提高全要素生產率［J］.西北大學學報（哲學社會科學版），2023（1）：36-55.

［35］ 仲偉俊.新型基礎設施建設、數字技術創新“增量提質” 與制造業產業鏈自主可控能力［J］.新疆社會科學，2024（2）：55-67.

［36］ 許文立.雙重差分法的最新理論進展與經驗研究新趨勢［J］.廣東社會科學，2023（5）：51-62.

［37］ 盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑［J］.重慶大學學報（社會科學版），2024（3）：1-17. Doi： 10.11835/j.issn.1008-5831.jg.2024.03.002.

［38］ 盧江，郭子昂.技術變遷、平均利潤率與勞動生產率：基于中國2006—2020年290個城市面板數據的實證研究［J］.上海經濟研究，2023（4）：72-83.

［39］ 楊玉琪，王小華.數字化賦能與城市經濟高質量發展：基于國家級大數據綜合試驗區的準自然實驗［J］.經濟問題探索，2023（12）：105-123.

［40］ 劉家旗，薛飛，茹少峰.人工智能技術對城市經濟韌性的影響研究［J/OL］.軟科學，2024：1-12.https：//link.cnki.net/urlid/51.1268.G3.20231214.1612.010.

［41］" 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.

［42］" ROTHBARD S， ETHERIDGE J C， MURRAY E J. A tutorial on applying the difference-in-differences method to health data［J/OL］.Current Epidemiology Reports，2023.https：//doi.org/10.1007/s40471-023-00327-x.

［43］" BERTRAND M，DUFLO E，MULLAINATHAN S.How much should we trust differences-in-differences estimates？［J］.The Quarterly Journal of Economics，2004，119（1）：249-275.

［44］" ROSENBAUM P R，RUBIN D B.Reducing bias in observational studies using subclassification on the propensity score［J］.Journal of the American Statistical Association，1984，79（387）：516-524.

［45］ 劉沖，沙學康，張妍.交錯雙重差分：處理效應異質性與估計方法選擇［J］.數量經濟技術經濟研究，2022（9）：177-204.

［46］ 王鵬超，韓立彬.多時點雙重差分法的潛在問題與解決措施［J］.東北財經大學學報，2023（2）：27-39.

［47］ DE CHAISEMARTIN C，D’HAULTFUILLE X.Two-way fixed effects estimators with heterogeneous treatment effects［J］.American Economic Review，2020，110（9）：2964-2996.

［48］ GOODMAN-BACON A.Difference-in-differences with variation in treatment timing［J］.Journal of Econometrics，2021，225（2）：254-277.

［49］ ARKHANGELSKY D，ATHEY S，HIRSHBERG D A，et al.Synthetic difference-in-differences［J］.American Economic Review，2021，111（12）：4088-4118.

［50］ 丁志帆. 數字經濟驅動經濟高質量發展的機制研究：一個理論分析框架［J］.現代經濟探討，2020（1）：85-92.

［51］ 侯光文，劉青青.數字化情境下如何激活企業創新韌性：穩定性與靈活性二元視角［J/OL］.科技進步與對策，2024：1-9. https：//link.cnki.net/urlid/42.1224.G3.20231227.0945.008.

［52］ 鄧仲良.人口疏解政策和勞動力流動：基于一個自然實驗研究［J］.中國人民大學學報，2023（4）：52-66.

［53］ WOOLDRIDGE J M.Econometric analysis of cross section and panel data［M］.2nd ed. Cambridge， Mass.：MIT Press，2010.

National big data comprehensive experimental zone and new quality

productivity： Based on empirical evidence from 230 cities

ZHAO Peng1，2， ZHU Yenan2， ZHAO Li2

（1. School of International Economics and Trade， Central University of Finance and Economics，

Beijing 100098， P. R. China; 2. School of Economics and Management，

Nanning Normal University， Nanning 530001， P. R. China）

Abstract：

The transformation of social forms is essentially the development process of productivity from low quality to high quality， and the improvement of productivity level is the fundamental driving force for the development of human society. New quality productivity starts with “new”， focuses on “quality”， and takes “productivity” as the foothold. The focus of cultivating new quality productivity is on new technology， new industries， and new elements. As a strategic production factor in the digital age， data elements are the key to achieving digitalization and intelligence in enterprises. The national comprehensive experimental zone for big data is deeply cultivating the blue ocean of data， cultivating the big data industry， and unleashing strong productivity efficiency. Exploring the practical path of big data pilot zone relying on data elements to help the construction of modern economic system is of great significance to accelerate the formation of new quality productivity， realize high-quality economic growth through scientific and technological innovation， and promote the construction of Chinese path to modernization. This paper combs the existing concept and connotation of new quality productivity， introduces data elements， and clarifies the theoretical mechanism of enabling new quality productivity in the big data comprehensive pilot area. Based on the panel data of 230 prefecture level cities in China from 2011 to 2021， this paper constructs a new quality productivity indicator system at the urban level in three dimensions of scientific and technological productivity， green productivity， and digital productivity， treats the pilot policy of the national big data comprehensive pilot area as a quasi natural experiment， builds a multi period double difference model to empirically test the effect of pilot policies， and depicts the heterogeneity of pilot policy effects from multiple dimensions. The research results find that： 1） the national level big data comprehensive experimental zone significantly empowers the improvement of new quality productivity， and this conclusion still holds under various robustness tests. 2） Dimensional heterogeneity analysis shows that pilot policies have significant empowerment in three dimensions： technological productivity， green productivity， and digital productivity. Regional heterogeneity analysis shows that policy empowerment effects are more pronounced in the eastern coastal areas and the Yangtze River Economic Belt region. The analysis of heterogeneity in economic characteristics shows that the urban policy empowerment effect of high-level industrial structure， human capital， and digital infrastructure is prominent. 3） Mechanism analysis shows that pilot policies incentivize enterprises to increase research and development investment， thereby empowering new quality productivity. Based on this， policy recommendations are proposed： optimize pilot policy driven data element channels based on the sub dimension of new quality productivity; target promotion of the reform of big data comprehensive pilot zones in response to the heterogeneity of regional industrial structure; fully leverage the guidance of local governments and the exemplary role of enterprises in policy implementation.

Key words：

new quality productivity; national level big data comprehensive experimental zone; data elements; technological innovation; multi period double difference（責任編輯 傅旭東）