公共數據開放何以提高企業發展質量

摘要：數字經濟時代，公共數據開放已成為充分發揮數據要素作用，促進企業發展質量提升的重要手段。利用2010—2020年上市公司的微觀數據，運用多期雙重差分法系統考察了公共數據開放對企業發展質量的影響機制。實證結果表明，公共數據開放可以顯著提升以全要素生產率為衡量指標的企業發展質量，并且經過一系列穩健性和內生性檢驗后，上述結果依然成立。進一步分析發現，公共數據開放通過企業資本配置效率和企業創新等機制，促進企業發展質量。異質性分析表明，公共數據開放對國有企業、二三產業企業、東部地區企業和高人力資本水平企業的影響更為顯著。研究結果對于加快推進公共數據開放水平和提升數據開放質量，促進企業高質量發展具有重要的政策啟示。

關鍵詞：公共數據開放；企業發展質量；全要素生產率；資本配置效率；企業創新

一、引言

進入新發展階段以來，我國經濟由高速增長轉向高質量發展，經濟高質量發展已成為中國全面建設社會主義現代化國家的首要任務。經濟高質量發展的實現，歸根結底需要激發企業活力、充分調動企業積極性和創造力，提高企業發展質量。企業發展質量的內涵較豐富，通常指企業在發展過程中所展現出來的經濟價值和社會價值的實現效率與水平，主要體現在企業績效、企業競爭力、全要素生產率等方面（黃速建等，2018；程虹和李丹丹，2014）。其中，全要素生產率的提升是經濟持續增長、提高企業高質量發展的源泉（郭濤和孫玉陽，2021）。因此，如何提升以全要素生產率為核心的企業發展質量已成為國內外學者關注的熱點課題。

當前，數字經濟時代已經到來，數據要素對企業發展質量的重要性不斷凸顯，正在成為提高企業發展質量的關鍵因素。2020年4月，中共中央、國務院印發的《關于構建更加完善的要素市場化配置體制機制的意見》將數據要素單獨列出，著力加強數據要素市場建設。數據要素中，地方政府所掌握的公共數據具有重要的價值，如果可以與企業共享，會深刻影響到企業經濟行為，對企業發展質量產生重要影響（Ahmadi 等，2016）。公共數據不僅涵蓋政府內部的政務數據，還涵蓋企業等微觀主體在市場活動中產生與公共利益相關的數據（方錦程等，2023）。公共數據開放不僅向社會公眾提供政府政務知情權，提高政府政務透明度，更關鍵的是向企業提供數據要素的使用權，彌補企業數據不足，更大限度地發揮數據要素的資源配置效應，進而提升企業發展質量。然而，在覆蓋地區、數據范圍、更新速度、高價值數據量方面，政府網站開放的數據距離社會期望還有較大差距，政府公共數據資源利用效率還有待提升。那么，公共數據開放這樣一種重要的公共政策是否真正影響到了企業的經營行為？尤其是，政府通過開放公共數據能否真正幫助企業識別投資機會、優化資源配置和促進企業創新，進而影響到企業發展質量呢？這一系列問題要想得到準確地解答，必須就此展開深入研究。因此，基于公共數據開放視角研究企業發展質量問題，不僅有助于優化地方政府公共數據開放機制，而且對于企業更好地識別和利用地方政府公共數據具有重要的現實意義。

本文采用地方政府公共數據開放平臺上線作為公共數據開放的外生政策沖擊，利用多期DID進行實證分析，從微觀企業層面考察地方政府公共數據開放政策的實施效果，識別地方政府公共數據開放與企業發展質量之間的內在聯系，可能的邊際貢獻主要體現為：①補充了公共數據開放在企業層面的實證研究。公共數據開放作為釋放數據紅利的公共政策，將對數字經濟發展創造巨大價值，但現有研究絕大部分從公共管理角度出發，探究制度建設與開放質量等（楊瑞仙等，2016），而公共數據開放如何影響微觀企業個體的研究較少，本文研究公共數據開放對企業個體的影響，補充了公共數據開放在微觀層面的理論與實證研究。②完善了公共數據開放影響企業發展質量的機制路徑，豐富了企業發展質量的決定因素研究，為地方政府制定公共數據開放政策，推動企業高質量發展提供經驗依據。

二、文獻綜述、制度背景與研究假設

（一）文獻綜述

1.企業發展質量研究

企業發展質量是一個綜合性的概念。目前，企業發展質量主要包括企業競爭力觀、績效觀、企業效率或生產率觀等觀點（朱蘭等，2024；王貞潔等，2022）。在企業發展質量衡量上，部分學者通過構建綜合指標體系考察企業發展質量，從目標狀態和發展范式兩個角度對“企業發展質量”進行了界定，識別出了企業發展質量的核心特質，構建相關復合指標的綜合評價指標體系（黃速建等，2018；張濤，2020）。由于多指標法存在分析多主觀、體系差異大、數據難獲取等問題，越來越多的學者采用TFP衡量企業發展質量。眾多學者指出，提高全要素生產率不僅是經濟高質量發展的實現途徑，也是檢驗高質量發展的核心指標（高培勇等，2020）。當前，學術界廣泛采用OP法、LP法測算企業TFP。企業TFP的影響因素大致分為宏觀和微觀兩類。宏觀層面上，林毅夫等（2018）基于國家級經濟開發區角度，考察區域產業政策的影響。研究發現，國家級經濟開發區具有良好的稅收環境，會有效促進企業TFP提升。區域產業與區域協同發展政策的共同實施顯著促進了要素流動，推動資源高效配置與前沿技術進步，進而提升區域TFP（陳浩，2022）。部分研究還發現市場型環境規制、銀行信用政策、企業管理效率等能夠強化創新能力、促進企業技術創新和改善資源配置，提高企業全要素生產率（王鋒等，2022；任勝鋼等，2019；Huber，2018；程虹等，2018）。微觀層面，Restuccia和Rogerson（2008）創新性地考察了資源配置對企業TFP的影響，發現資源配置扭曲會對TFP產生顯著的負影響。資源配置效率的改善將顯著促進企業TFP的發展（羅德明等，2012；尹恒等，2019）。此外，企業預算約束、企業杠桿率以及企業組織效用等，均會對企業TFP產生一定的影響（孟憲春等，2020；傅晗彧等，2022）。

2.公共數據開放研究

目前，大多數學者從制度建設、數據質量和影響因素等方面進行研究。制度建設方面，學者們主要從政策體系、保障機制和公開系統三個方面，對中國與歐美日等發達國家進行比較，分析政策背景、法律法規與公開系統，借鑒先進制度經驗，彌補開放質量的國內外差距（楊瑞仙等，2016；黃雨婷等，2020）。數據質量方面，國內外學者從諸多角度構建了數據質量評價體系。國外學者關注公共數據開放的數據供應質量和政策內容（Zuiderwijk 等，2014；Donker 等，2017），國內學者更聚焦于平臺的數據開發價值和潛在價值，通過合適的模型構建公共數據開放的評估體系，對公共數據開放政策進行量化評價（趙需要等，2022；孫嘉睿等，2022）。影響因素方面，隨著地方政府數據開放平臺的陸續上線，關于數據開放績效的驅動因素研究逐漸增多。現有的研究認為不同的公眾參與度會影響政府對于數據開放的判斷和態度（陳朝兵等，2021），平臺作為政府數據開放的窗口，不僅受限于當下政府對于數據監管和制度政策，也受制于互聯網技術的研發與普及（Schalkwyk 等，2015）。

當前，國內外學者普遍認為公共數據開放能夠推動數據要素共享，加快數據要素融入生產體系，促進區域協調發展（陳曉紅等，2022）。公共數據開放平臺串聯數據要素的供需雙方，提高數據資源的普惠水平，大幅降低了數據要素的使用門檻，緩解政企之間的信息不對稱，提供了彌合公共數據與企業內部信息差距的開放平臺（方錦程等，2023）。政府通過開通公共數據開放平臺，營造良好的數據要素開放環境，發揮數據要素功能，促進企業全要素生產率的提升，推動經濟高質量發展（楊秀云等，2023；彭遠懷，2023）。但遺憾的是，現有文獻較少從微觀角度充分關注公共數據開放對企業發展質量的實際影響。現有研究更多圍繞數據平臺的制度建設、數據質量和影響因素等角度展開，但對于公共數據開放是否真正為微觀個體賦能助力的研究較少。事實上，政府公共數據政策的出臺對企業的影響是不容忽視的。地方政府通過實施公共數據開放政策，為企業獲取市場信息提供了更高效、便捷的渠道，緩解企業與市場之間的信息不對稱，從而提升企業的發展質量。有鑒于此，本文從微觀層面深入分析公共數據開放對以TFP為核心指標的企業發展質量的作用機制。

（二）制度背景

自2009年起，歐美各國相繼上線國家級數據開放平臺，標志著數據開放與信息共享的浪潮到來。2011年，歐美等8個國家聯合簽署《開放數據聲明》，建立開放政府合作伙伴關系，制定了數據開放的相關政策與計劃（楊瑞仙等，2016）。與國外相比，我國地方政府公共數據開放時間較晚。直到2012年，僅上海、北京和湛江推出了政府數據開放平臺。2015年開始，我國政府高度重視對數據的開放利用，尤其是《促進大數據發展行動綱要》中明確提出“推動政府數據開放共享”。但在2017年之前，也只有17個城市開放了地方政府數據平臺。2018年之后，地方政府大規模推出政府數據開放平臺。據統計，截至 2023 年 8 月，我國城市公共數據開放平臺已達到204 個（含直轄市、副省級與地級行政區），詳見圖1。雖然不同城市公共數據開放的時點不同，其所處的經濟社會發展階段、發展任務和具體目標都存在一定差異，但是，公共數據開放的主要目標基本一致。如果公共數據開放實現了預期的主要目標，那么說明該政策對開放城市的經濟轉型發展、城市競爭優勢塑造、政府治理能力提升等方面可能產生一定的推動作用。在公共數據開放過程中，區域內企業的技術創新水平和企業的資本配置能力可能均會受到影響，進而影響到企業發展質量。

（三）研究假設

在數字經濟時代，世界各國對數據的依賴快速上升，數據已從簡單的處理對象轉化成重要的戰略資源和生產要素，其價值愈發凸顯。其中，政府作為公共數據最大的擁有者，如果將所掌握的數據與公眾共享，則能夠激發創新創業活力，賦能企業發展。政府開放公共數據本質上是對公眾和企業釋放數據紅利，政府開放的公共數據中蘊含著巨大價值，可以促進企業等相關主體進行數據增值開發與再利用（張曉娟等，2022；雷鴻竹和王謙，2023）。一方面，政府開放公共數據可以有效緩解企業與政府在數據信息上的不對稱，降低企業獲取相關重要數據的成本，改變企業傳統的經營模式，使得企業發展質量提升成為可能（方錦程等，2023）。另一方面，企業利用政府開放的公共數據并整合企業自身掌握的數據，通過數據潛在價值挖掘，優化現有資本配置（Nikiforova 等，2021），實現業務、產品、模式等創新，發現市場和商業機遇， 推動企業發展質量提升。據此得出本文的第一個理論假設：

H1：公共數據開放會促進企業發展質量提升。

資本配置效率是影響企業發展質量的核心因素，早有研究證實了資源配置與企業發展質量之間的相關關系和影響路徑（Fuchs，2016；Brandt，2013）。公共數據開放政策的實施，通過構建政府數據平臺，不僅拓展了企業獲取數據的途徑，降低企業獲取數據門檻的同時提高了企業轉化數據、適應市場的效率，政務信息、公共數據與企業內部信息相融合，強化企業對投資機會的敏感性程度和市場適應力（Easley，2004）。而且在微觀層面也有利于資本流動和社會資源的有效配置，緩解信息不對稱（Akerlof，1970），及時將資金投入到更高產出的部門，提升企業的生產效率與組織效用，促進企業發展質量提升。據此得出本文第二個理論假設：

H2：公共數據開放通過優化企業資本配置效率，促進企業發展質量提升。

創新是企業發展的核心競爭力，創新對企業高質量發展的驅動作用早已得到認可（唐未兵，2010，2014）。但創新具有很大的不確定性，只有真正發掘客戶的新需求，創新產品才能形成真正的市場供給。地方政府通過開放公共數據，建立了高效的信息披露機制，為企業提供了更加全面的市場供需、行業發展與前景等宏觀數據信息，有助于加快企業管理層的創新決策（鄧悅，2022），刺激企業進行技術創新，開發新的產品。此外，創新能夠為企業帶來一定的差異化優勢，提升企業收益。之后，企業通過擴大生產規模使生產成本不斷下降，在成本與規模效應的雙重作用下，企業的發展質量自然得到有效提升。據此得出本文第三個理論假設：

H3：公共數據開放通過激發企業創新，促進企業發展質量提升。

三、研究設計

（一）模型構建

在研究設計中，為了使該研究更加嚴謹，本文首先以城市公共數據開放對企業發展質量的推動作用作為其政策的基本目標，檢驗該政策是否顯著提升企業發展質量，然后再進一步檢驗該政策對企業發展質量的影響機制。

在評估政策實施效果的方法中，雙重差分法是近年來被廣泛運用的一種計量經濟學方法。該方法的基本思想是將制度變遷和新政策實施視為一次外生于經濟系統的“自然實驗”或“準實驗”。公共數據開放政策的實施，一方面可能使得同一個試點城市的企業發展質量在政策實施前后產生差異；另一方面在同一時點上的試點城市與非試點城市之間產生顯著差異，基于雙重差分法進行的模型回歸估計，可以有效地控制其他共時性政策的影響及試點城市與非試點城市的事前差異，進而識別出政策沖擊對企業發展質量所帶來的凈影響。因此，公共數據開放平臺設立可以被視為“準自然實驗”，并運用雙重差分法進行政策效應的評估。考慮到城市公共數據開放是多批次啟動，本文采用多期雙重差分法分析政策實施對企業發展質量的影響，模型如下：

tfpict=α0+α1treatedct+α2controlit+μi+λt+εict（1）

式中，tfpict表示城市c的企業i在t年的全要素生產率，用來衡量企業發展質量，在主回歸中采用OP方法測算企業TFP（tfp_op）。treated是城市公共政府數據開放虛擬變量，treated=treat×time，即當i企業所在城市在t年設立公共數據開放平臺后，treated賦值為1，否則為0。系數α1即為公共數據開放政策實施對企業TFP影響的估計結果。controlit為控制變量集合，包括企業和宏觀兩個層面的7個變量。μi為個體固定效應，λt為時間固定效應，εict為隨機誤差項。

（二）變量說明

1.被解釋變量：企業TFP。目前，OP法和LP法在企業TFP測算時運用最為廣泛。因此，本文參考楊汝岱（2016）等人的做法，首先采用OP法測算的企業TFP作為被解釋變量進行基準回歸，然后采用LP法測算的企業TFP進行穩健性檢驗。

2.解釋變量：公共數據開放。由于設立地方政府數據開放平臺是地方政府進行數據開放的重要體現，本文將是否設立政府數據開放平臺作為地方政府數據開放的衡量指標，并將地方政府數據開放平臺設立作為一種準自然實驗，當企業c所處城市i在t年已設立數據開放平臺，則取值為1，否則取值為0。

3.中介變量：資本配置效率和企業創新。由于Wulger（2000）的建模思想，主要從固定資產投資的角度估計資本配置效率，存在一定的幸存性偏差，本文參照覃家琦等（2021）的做法，選擇Farrell（1957）意義上的技術效率度量企業資本配置效率。目前，衡量企業創新的指標主要有研發投入資金、研發人數、專利申請數、新產品銷售收入等。參照肖鵬等（2023）的做法，采用企業研發投入金額的自然對數，作為企業創新的衡量指標。

4.控制變量。為盡可能避免重要變量遺漏導致回歸結果失真，選取以下影響企業TFP的變量作為控制變量。企業層面，選取資產負債率、總資產收益率、企業規模、企業年齡和董事會規模；宏觀層面，選取經濟不確定性和市場化水平。其中，經濟政策不確定性指數參考Baker等（2016）、Yu等（2021）的做法進行構建；市場化指數借鑒樊綱等（2011）的做法構建。變量的具體說明如表1所示。

（三）數據來源

由于城市公共數據開放平臺設立的最早時間為2012年，因此本文的研究區間為2010—2020年，樣本為中國A股上市公司。城市公共數據開放的相關數據和平臺設立時間來自復旦大學數據與移動治理實驗室發布的《中國地方政府數據開放報告》。企業TFP和資本配置效率測算所需數據、企業創新及企業層面控制變量來源于CSMAR數據庫。經濟政策不確定性指數構建所需數據通過各省級日報新聞信息檢索獲得。市場化指數計算所需數據來源于2010—2020年《中國城市統計年鑒》。為保證樣本的穩定性和可觀測性，對初始樣本進行了以下處理：剔除ST和*ST企業；剔除金融及保險行業的上市公司；剔除數據嚴重缺失樣本。

（四）描述性統計和組間均值比較

主要變量的描述性統計結果顯示，OP法測算所得的企業TFP均值為6.645、標準差為0.931、最小值為1.977、最大值為11.430，即不同企業TFP之間差距較大。城市公共數據開放虛擬變量均值為0.756，表明樣本中企業所屬城市76.3%實施了公共數據開放政策。組間均值比較結果顯示，城市公共數據開放樣本的企業TFP均值為6.684，而未開放樣本僅為6.527，高了0.157，且均值差異通過了1%水平的顯著性檢驗。組間均值比較初步驗證了實施公共數據開放對企業TFP具有顯著的正向影響。當然，更為嚴謹的實證檢驗還需進一步完成。

四、實證結果

（一）基準回歸

表3報告了公共數據開放政策對企業TFP影響的回歸結果。其中，列（1）為未加入控制變量的回歸結果；列（2）為加入了控制變量；列（3）為加入控制變量和年份固定效應；列（4）為加入控制變量以及年份和行業固定效應。從回歸結果可以看出，treated的系數一直顯著為正，在加入一系列控制變量和固定效應后，回歸系數盡管有所下降但仍為正值（0.075），并且通過了5%水平的顯著性檢驗。控制變量方面，總資產收益率、企業年齡和市場化水平均對企業TFP具有顯著的正向影響；經濟政策不確定則產生了顯著的負向影響。回歸結果表明，公共數據開放政策的實施，顯著提升了企業TFP；相對于未實施政策地區的企業，受到公共數據開放政策實施影響的企業，其企業TFP會提升7.5%。基于此，理論假設1得證。

（二）動態效果分析

多期雙重差分模型的實施前提是實驗組與控制組在受到政策沖擊之前是具備平行趨勢的。本文參考Beck等（2010）的做法，構建平行趨勢檢驗模型：

tfpit=β0+∑5k≤5βktreatmentk+β controlit+μi+λt+εit

（2）

式中，treatment表示政策實施的相對年份，當城市公共政府數據開放時，該城市賦值為1，反之為0，處于該城市的企業賦值為treatmen0，政策實施一年后，賦值為treatment1；開放的前一年，則賦值為treatment-1，以此類推。其余變量與基本回歸模型（1）相同。

圖2繪制了βk的估計系數和90%置信區間。由圖2可知，在城市公共數據開放實施之前，其交互項系數在0附近波動，而在政策實施當年及其之后，交互項系數顯著為正且出現快速攀升趨勢，證實模型符合平行趨勢檢驗。進一步分析得出，政策動態趨勢也證實了地方政府數據開放的實施顯著地提升了企業TFP，該結果不受遺漏變量和互為因果的影響。

（三）穩健性檢驗

1.安慰劑檢驗

為檢驗本文結果是否受一些不可觀測的因素影響，本文設置了如下安慰劑檢驗：隨機分配公共數據開放的時間和地方，設置虛擬變量treat，在模型（1）的基礎上進行重復回歸500次，實施安慰劑檢驗。

圖3展示了安慰劑的結果，可以發現公共數據開放treated的真實回歸系數（0.075）位于模型的右側，這表明本文假設的虛擬政策效應并不存在，本文的估計結果并不受到不可觀測的因素影響。

2.更換企業TFP的測量方法

在穩健性檢驗部分，本文采用LP法測量企業TFP并替換被解釋變量。表4中列（1）為重新回歸結果。從表中可以看出，treated的系數為0.079，并且通過了1%水平的顯著性檢驗。這表明更換被解釋變量并不會影響模型的基準回歸結果，本文研究結論仍然成立。

3.樣本縮尾處理

為了避免極端樣本數據對回歸結果產生的影響，在穩健性檢驗中我們對樣本進行正負1%的縮尾處理。表4中列（2）展示了正負1%縮尾處理后的回歸結果，該結果顯著為正，表明樣本數據在進行縮尾處理后并不會影響模型的基準回歸，證明本文結果是穩健的。

4.增加控制變量

考慮到現金流對企業發展的重要影響，在本部分穩健性檢驗中，加入了企業層面控制變量——企業現金流（cash）。其中，企業現金流通過經營活動產生的現金流量凈額÷總資產計算得出。表4列（3）展示了增加控制變量后的回歸結果。此時，treated的系數仍顯著為正，且系數與基準回歸系數相差非常小，說明模型在增加控制變量后依舊是穩健且可靠的，進一步驗證了本文結論。

5.PSM—DID

由于DID模型檢驗政策實施效果本質上為一種準自然實驗，其難免存在自選擇的偏差。考慮到這一因素，本文借鑒黃先海（2023）的做法，用傾向得分匹配法（PSM）中的最鄰近匹配法消除該影響。定義某年某城市實施公共數據開放政策的企業i1，其次在樣本中找到一個在企業規模、收益率和市場環境等各方面高度相同的企業i2，在可觀測的其他各方面企業屬性高度相同時，就可以認為企業發展質量的差異歸因于城市實施公共數據開放的差異，從而令準自然實驗近似隨機，消除選擇偏差。故接下來采用傾向得分匹配之后的樣本重新進行DID分析，結果如表4列（4）所示。從表中可以看出，treated的系數為0.065，且通過了5%水平的顯著性檢驗，證明之前的回歸結果仍然穩健。

6.內生性檢驗

為解決回歸中可能存在的內生性問題，借鑒宋敏等（2021）的思想，本文采用二階段工具變量法對模型進行重新檢驗。通常來說，城市進行公共數據開放會受到省內其他城市的影響，宋敏等（2021）認為，從經濟發展的角度，省內地級市都會受到相同省級政策和省內其他城市政策的影響。隨著省內公共數據開放城市的增加，其他城市進行公共數據開放的積極性會極大增強。但省內其他城市的公共數據開放對本城市內企業TFP的影響則較弱。因此，除本城市以外，省內公共數據開放城市數量占比是一個很好的工具變量。故采用其作為工具變量進行兩階段最小二乘法回歸，回歸結果如表5所示。從表5中可以看出，在剔除了影響因素之后，treated的系數為0.168，且通過了1%水平的顯著性檢驗，由此增強了本文結論的可靠性。

7.機制檢驗

根據前文的理論分析，對于公共數據開放與企業發展質量的作用機制，將從資本配置效率和企業創新兩方面進行機制檢驗。

（1）資本配置效率。參考覃家琦等（2021）的做法，選擇超越對數生產函數參數方法，構建技術效率指數的隨機前沿模型作為測度資本配置效率的基本模型，其基本形式如下：

Yit=Af（Xit）exp（vit－uit）

（3）

式中，Yit為i企業在t時期的產出變量；A為TFP；f（X）表示隨機前沿生產函數，Xit為i企業在t時期的要素X投入，意為在技術條件和要素投入下，生產要素Y與最大經濟產出量之間的關系；vit是隨機誤差項，uit表示為技術無效率指數，exp（-u）即為本模型關鍵系數技術效率水平，由于u必然大于等于0，因而技術效率te將位于0～1之間。

在具體的指標構建上，將企業的產出變量Y確定為營業總收入；將勞動投入、固定資產投入和中間投入三個變量確定為投入變量X，勞動投入=“支付給職工以及為職工支付的現金+應付職工薪酬”。固定資產投入=“固定資產凈值+固定資產折舊”，中間投入=“營業成本+管理費用+銷售費用－勞動投入－固定資產折舊”。

由于部分企業變量缺失，本次資本配置效率指標測算共獲得了23693個觀察樣本。在資本配置效率測算的基礎上，參考溫忠麟（2014）的方法，構建中介效應模型，檢驗公共數據開放是否通過資本配置效率對企業發展質量產生影響，其設計如下：

tfpict=α0+α1treatedct+α2controlit+μi+λt+εict（4）

teit=α0+α1treatedct+α2controlit+μi+λt+εict（5）

tfpict=α0+α1teit+α2treatedct+α3controlit+μi+λt+εict

（6）

表6匯報了資本配置效率的中介效應結果，te的系數顯著為正，本文進一步通過Sobel和Bootstrap檢驗判斷中介效應是否顯著，Sobel檢驗的Z值為4.393，在1%的水平上顯著；Bootstrap檢驗修正后的置信區間不包含0，表明中介效應成立。這說明隨著公共數據的開放，企業資本配置效率得到一定的提升，進而影響到企業的發展質量。其主要體現在以下三個方面：一是隨著公共數據平臺的陸續開放，一定程度上緩解了市場間主體的信息不對稱，企業信息成本下降，進而影響企業的發展質量。二是公共數據平臺開放拓展了企業獲取信息的途徑，提升了企業獲取信息的效率和能力。三是公共數據開放釋放數據要素紅利，企業通過使用數據要素分析市場信息，強化企業對投資機會的敏感性程度，資本配置優化使得生產要素由低生產效率企業流向高生產效率企業，優勝劣汰迫使低生產效率企業退出市場，最終實現整體企業的發展質量提升。

（2）企業創新。創新對企業高質量發展的驅動作用早已得到認可（唐未兵，2010，2014），企業創新可以從創新投入和創新產出視角分析：創新投入以企業的人力資本和研發投入為主，創新產出以專利研發成果展現。但專利從申請到授權的時間較長，存在較嚴重的滯后性和很高的不確定性，專利數難以準確衡量企業創新。相對于創新產出，創新投入體現出一個企業對研發和創新的重視程度，可以較好地反映企業現階段的創新水平。為此，本文參照肖鵬等（2023）的做法，采用企業研發投入金額的自然對數，作為企業創新的衡量指標。為檢驗企業創新機制在公共數據開放傳導中是否成立，本文構建以下中介效應模型，具體如下：

tfpict=α0+α1treatedct+α2controlit+μi+λt+εict（7）

RDit=α0+α1treatedct+α2controlit+μi+λt+εict（8）

tfpict=α0+α1RD+α2treatedct+α3controlit+μi+λt+εict（9）

式中，RD為企業當年研發支出的自然對數。表7匯報了企業創新的中介效應結果，RD系數為正值且通過了1%水平的顯著性檢驗，Sobel檢驗的Z值為5.775，在1%的水平上顯著；Bootstrap檢驗修正后的置信區間不包含0，表明中介效應成立。表明公共數據的開放所帶來的信息優勢與數據要素會促進企業創新投入，從而提升企業發展質量。其主要體現在以下兩個方面：在技術創新層面上，公共數據開放賦能企業創新，技術進步推動企業降本增效，企業采用先進工藝或制程可以提升整體產出，降低對原材料、人力資本以及其他生產要素的需求，從而提高企業生產效率；而在流程創新層面，先進的管理經驗可以降低企業的管理成本，優化經營模式與組織效用，加快企業轉型升級并提升企業的發展質量。

五、異質性分析

前文研究表明，公共數據開放通過企業資本配置效率和企業創新顯著提升企業發展質量。但產權性質不同、區域不同、產業不同以及人力資本水平不同，企業對政府公共數據開放的認識、利用和開發可能會存在一定差異，從而導致公共數據開放對企業發展質量的影響可能出現異質性。因此，接下來，分別從以下幾個方面探究公共數據開放效應的異質性問題因篇幅原因，異質性回歸結果未在正文展示，可向作者索取。。

（一）產權異質性

根據企業的產權類型，本文分別對國有企業與非國有企業的樣本數據進行分組回歸。國有企業樣本中，treated系數估計值為0.149，在1%水平上通過顯著性檢驗。而非國有企業樣本中的treated系數估計值為0.040，且未通過顯著性檢驗。回歸結果表明，公共數據開放對國有企業TFP的影響更大且更為顯著。其可能的原因是，國有企業不僅肩負著經濟責任、政治責任和社會責任，而且擁有充足持續的內外資源和核心能力（羅雙成等，2023）。因此，與非國有企業相比，國有企業在利用政府開放數據和整合政企數據，加快資源優化配置和創新方面更具優勢。所以，國有企業TFP受到地方政府數據開放政策的正向影響更加顯著，提升幅度更大。

（二）產業異質性

將企業按照所屬產業進行分組回歸。對于第一產業，treated的系數估計值為0.231，并未通過顯著性檢驗；對于第二產業，treated的系數估計值為0.060，且通過了5%的顯著性檢驗；對于第三產業，treated的系數估計值為0.167，通過了5%的顯著性檢驗。該結果表明地方政府數據開放對企業TFP影響的確存在產業異質性，即地方政府數據開放促進了第二產業和第三產業企業TFP，但對第一產業企業的TFP影響極為有限。其可能的原因在于：一是城市開放的公共數據具有產業差異。目前，地方政府數據開放平臺提供的應用產品大多為民生服務、道路交通和財稅金融等類型，農業農村類應用產品數量極少（劉瑾，2020）；二是不同產業對于政府開放的公共數據的開發能力存在差異。據《中國數字經濟行業市場前瞻與投資規劃分析報告》顯示，2020年數字經濟在第一、二、三產業的滲透率分別為8.9%、21%、40.77%。因此，相對于第一產業，第二、三產業數字化程度更高，其吸收信息、轉化信息和處理信息的能力更強，研發市場需求產品及調整戰略發展方向的行為更加迅速，企業TFP受到的正向影響更大、更顯著。

（三）區域異質性

由于區域不同，城市公共數據的開放時間和數據質量存在較大不同，企業TFP受到的影響可能存在差異。因此，根據企業所屬區域，將樣本劃分為東、中、西三組，進行分區域回歸。東部城市公共數據開放可以顯著提升企業TFP，影響系數為0.066且通過了1%水平的顯著性檢驗，但中西部城市公共數據開放并未對企業TFP產生顯著影響，尤其是中部城市公共數據開放對企業TFP應系數為負值。究其原因，東部城市公共數據開放時間相對較早，并且開放數據的容量、主題覆蓋度、部門覆蓋度和質量較高。根據《2021年中國地方政府數據開放報告》顯示，2021年全國城市開放森林指數前50名中，東部城市有39個，西部城市有10個，中部城市僅有1個。因此，在東部地區，公共數據開放對企業TFP的影響更為顯著。

（四）企業人力資本水平異質性

人力資本是組織中最重要的資源，企業人力資本水平不同，公共數據開放對企業TFP的影響可能存在差異。借鑒唐浩丹等（2022）的做法，以企業內碩士以上學歷員工在總員工中的占比衡量企業人力資本水平，將樣本按照企業人力資本水平均值作為區分點進行分組。經計算，企業人力資本水平均值為0.033，將均值以上的認定為高人力資本水平企業；反之，均值以下的認定為低人力資本水平企業。從中可以看出，在高、低人力資本水平企業樣本中，公共數據開放的影響系數分別為0.071和0.016，但后者并未通過顯著性檢驗。其可能的原因在于，人力資本是信息技術在實際應用中發揮作用的重要條件，企業很好地利用政府開放的公共數據需要高質量的人力資本作為支撐（Bartel，2007）。企業的人力資本水平越高，其對政府開放的公共數據的處理能力和整合能力越強。因此，公共數據開放對高人力資本水平企業TFP的正向影響更顯著。

六、結論與政策啟示

本文以城市是否設立公共數據開放平臺作為一種準自然實驗，深入探討公共數據開放政策對企業發展質量的影響機制，主要結論如下：第一，公共數據開放政策顯著提升了企業發展質量。該結果在經過一系列穩健性檢驗后仍然成立。第二，資本配置效率提升和企業創新是公共數據開放政策發揮作用的兩條重要作用機制。第三，公共數據開放政策的影響具有顯著的異質性，即該政策對國有企業、二三產業企業、東部地區企業以及高人力資本水平企業的TFP影響更為顯著。

本文的研究結論具有重要的政策啟示：第一，持續推進地方政府公共數據開放政策落實，為企業高質量發展實現賦能作用。盡管政府大力推進地方政府數據開放，但目前仍有100多座城市未設立政府數據開放平臺，政府數據開放工作進展緩慢。已實施政府數據開放的城市，不僅存在開放數據的容量、主題覆蓋度以及數據更新上良莠不齊，而且還存在企業關心的核心數據公布程度低，數據質量不高等問題，企業無法將其真正轉化為所需的數據資源。因此，要全面、系統地推進地方政府數據開放工作，尤其要優先開放市場主體迫切需要且與其切身利益相關的數據類型以及高價值、低敏感、數據量大的公共數據，并且在數據開放的方式上，要真正達到完整性、準確性、可機讀性、可訪問性等最低標準，便于企業等對其進行直接利用。第二，加快破解地方政府公共數據開放的區域不平衡問題。目前，實施政府數據開放的城市主要集中在東部地區，中西部城市政府數據開放工作相對滯后，從而使得該區域內企業無法真正享受政府數據開放的 “數據紅利”。因此，各地區，尤其是中西部地區要充分認識到政府公共數據開放的重要性，將公共數據開放作為建設服務型政府的重要環節，通過政府數據開放促進企業發展質量，讓政府數據開放真正成為所有企業提質增效的重要手段。第三，加快提升政府公共數據開放的產業覆蓋度。當前，政府開放數據中，第二、三產業的政府開放數據較多，而與第一產業相關的政府開放數據較少，從而使得政府數據開放無法真正推動農業發展。因此，必須進一步拓展政府開放數據的產業覆蓋度，尤其要全面梳理與第一產業相關的政府開放數據，盡快開放農業企業需求量大的優質數據，從而使政府數據開放政策真正為我國農業現代化建設和鄉村振興助力。第四，優化企業人力資本結構，提高企業對政府公共數據開放的整合處理能力。政府公共數據開放只是為企業提供了較好的數據資源，如果企業不具備識別和整合開放能力，政府公共數據也無法成為推動企業發展質量提升的有效手段。企業必須充分認識到人力資本等要素的重要性，通過職業技能培訓和數字化技能培訓，持續優化人力資本水平，讓政府公共開放數據真正為企業所用，發揮增值效應。

參考文獻：

[1]陳朝兵、簡婷婷，2020：《政府數據開放中的公眾參與模式：理論構建與案例實證》，《圖書情報工作》第22期。

[2]程虹、李丹丹，2014：《一個關于宏觀經濟增長質量的一般理論——基于微觀產品質量的解釋》，《武漢大學學報（哲學社會科學版）》第3期。

[3]程虹、王明明、李唐，2018：《管理效率與全要素生產率——基于“中國企業-勞動力匹配調查”（CEES）的新證據》，《南方經濟》第9期。

[4]陳浩、羅力菲，2023：《區域協同發展政策對要素流動與配置的影響：京津冀例證》，《改革》第5期。

[5]陳曉紅、李楊揚、宋麗潔、汪陽潔，2022：《數字經濟理論體系與研究展望》，《管理世界》第2期。

[6]鄧悅、蔣琬儀，2022：《工業機器人、管理能力與企業技術創新》，《中國軟科學》第11期。

[7]復旦大學數字與移動治理實驗室，2022：《中國地方政府數據開放報告——省域指數》。

[8]傅元海、唐未兵、王展祥，2010：《FDI溢出機制、技術進步路徑與經濟增長績效》，《經濟研究》第6期。

[9]傅晗彧、陳麗姍，2022：《異質性企業杠桿率對制造業全要素生產率結構的影響》，《中國軟科學》第11期。

[10] 方錦程、劉穎、高昊宇、董紀昌、呂本富，2023：《公共數據開放能否促進區域協調發展？——來自政府數據平臺上線的準自然實驗》，《管理世界》第9期。

[11] 高培勇、袁富華、胡懷國、劉霞輝，2020：《高質量發展的動力、機制與治理》，《經濟研究》第4期。

[12] 郭濤、孫玉陽，2021：《環境規制對企業高質量發展作用之謎——基于異質性企業與全要素生產率分解視角》，《暨南學報（哲學社會科學版）》第3期。

[13] 黃速建、肖紅軍、王欣，2018：《論國有企業高質量發展》，《中國工業經濟》第10期。

[14] 黃先海、虞柳明，2023：《政府數據開放能提升城市創新水平嗎——來自中國地級市的證據》，《浙江學刊》第4期。

[15] 黃雨婷、傅文奇，2020：《日本政府數據開放的政策保障及其啟示》，《數字圖書館論壇》第9期。

[16] 羅德明、 李曄、 史晉川， 2012： 《要素市場扭曲、資源錯置與生產率》，《經濟研究》第3期。

[17] 雷鴻竹、王謙，2023：《WSR視角下政府數據開放價值實現路徑研究》，《西南民族大學學報（人文社會科學版）》第1期。

[1TG5gcawgXyiJiMBMKca5gftAruN7VeQPAKG35VeNPDE=8] 劉瑾，2020：《我國政府農業農村數據開放現狀評估及對策分析——以8個地方政府數據開放平臺為例》，《新世紀圖書館》第12期。

[19] 羅雙成、羅光強、蔣銀娟，2023：《服務業數字化轉型、就業增長與人力資本升級》，《軟科學》第11期。

[20] 林毅夫、向為、余淼杰，2018：《區域型產業政策與企業生產率》，《經濟學（季刊）》第2期。

[21] 孟憲春、張屹山、張鶴、馮葉，2020：《預算軟約束、宏觀杠桿率與全要素生產率》，《管理世界》第8期。

[22] 彭遠懷，2023：《政府數據開放的價值創造作用：企業全要素生產率視角》，《數量經濟技術經濟研究》第9期。

[23] 覃家琦、楊玉晨、王力軍、楊雪，2021：《企業家控制權、創業資本與資本配置效率——來自中國民營上市公司的證據》，《經濟研究》第3期。

[24] 任勝鋼、鄭晶晶、劉東華、陳曉紅，2019：《排污權交易機制是否提高了企業全要素生產率——來自中國上市公司的證據》，《中國工業經濟》第5期。

[25] 孫嘉睿、安小米，2023：《開放政府數據質量評估指標體系研究》，《情報理論與實踐》第6期。

[26] 宋敏、周鵬、司海濤，2021：《金融科技與企業全要素生產率——“賦能”和信貸配給的視角》，《中國工業經濟》第4期。

[27] 唐浩丹、方森輝、蔣殿春，2022：《數字化轉型的市場績效：數字并購能提升制造業企業市場勢力嗎？》，《數量經濟技術經濟研究》第12期。

[28] 唐未兵、傅元海、王展祥，2014：《技術創新、技術引進與經濟增長方式轉變》，《經濟研究》第7期。

[29] 王鋒、葛星，2022：《低碳轉型沖擊就業嗎——來自低碳城市試點的經驗證據》，《中國工業經濟》第5期。

[30] 王貞潔、王惠，2022：《低碳城市試點政策與企業高質量發展——基于經濟效率與社會效益雙維視角的檢驗》，《經濟管理》第6期。

[31] 溫忠麟、葉寶娟，2014：《中介效應分析：方法和模型發展》，《心理科學進展》第5期。

[32] 肖鵬、代龍濤，2023：《財政補貼、稅收優惠與創新激勵：效應分析與政策啟示》，《經濟與管理評論》第5期。

[33] 尹恒、李世剛，2019：《資源配置效率改善的空間有多大？——基于中國制造業的結構估計》，《管理世界》第12期。

[34] 楊汝岱，2015：《中國制造業企業全要素生產率研究》，《經濟研究》第2期。

[35] 楊瑞仙、毛春蕾、左澤，2016：《國內外政府數據開放現狀比較研究》，《情報雜志》第5期。

[36] 張濤，2020：《高質量發展的理論闡釋及測度方法研究》，《數量經濟技術經濟研究》第5期。

[37] 朱蘭、吳紫薇、王勇，2024：《經濟高質量發展的“引擎”——高端制造業發展、人力資本配置和經濟增長》，《數量經濟技術經濟研究》第4期。

[38] 張曉娟、莫富傳、馮翠翠，2022：《政府數據開放價值實現的機理：基于系統動力學的分析》，《情報理論與實踐》第5期。

[39] 趙需要、郭義釗、姬祥飛、陳嘉樂，2022：《政府開放數據生態鏈上數據要素價值分析及評估模型構建——基于“數據勢能”的方法》，《情報理論與實踐》第12期。

[40] Ahmadi Zeleti F.， Ojo A. and Curry E.，2016， Exploring the Economic Value of Open Government Data，Government Information Quarterly， 33（3）：535-551.

[41] Akerlof， G.，1970， The Market for “Lemons”：Quality Uncertainty and Market Mechanism，The Quarterly Journal of Economics，84（3）：488-500.

[42] Baker S. R.， Bloom N. and Davis S. J.， 2016， Measuring Economic Policy Uncertainty，The Quarterly Journal of Economics，131（4）：1593-1636.

[43] Bartel A.， Ichniowski C. and Shaw K.，2007， How does Information Technology Affect Productivity？ Plant-level Comparisons of Product Innovation， Process Improvement， and Worker Skills，The Quarterly Journal of Economics，122（4）：1721-1758.

[44] Beck T.， Levine R. and Levkov A.，2010， Big Bad Banks the Winners and Losers from Bank Deregulation in the United States，The Journal of Finance， 65（5）： 1637-1667.

[45] David Easley and Maureen Ohara.，2004， Information and the Cost of Capital，The Journal of Finance， 59（4）： 1553-1583.

[46] Donker F.W. and Loenen B.V.，2017， How to Assess the Success of the Open Data Ecosystem？，International Journal of Digital Earth，10（3）：284-306.

[47] Blankespoor E.， Haan E. and Marinovic I.，2020， Disclosure Processing Costs， Investors Information Choice， and Equity Market Outcomes：A Review，Journal of Accounting and Economics，70（2-3）：1-46.

[48] Farrell M. J.，1957， The Measurement of Productive Efficiency，Journal of the Royal Statistical Society，Series A （General），120（3）：253-290．

[49] Francois van Schalkwyk.， Michelle Willmers， Maurice McNaughton.，2015， Viscous Open Data： The Roles of Intermediaries in an Open Data Ecosystem，Information Technology for Development， 22（1）： 68-83.

[50] Huber K.，2018， Disentangling the Effects of a Banking Crisis： Evidence from German Firms and Counties，American Economic Review， 108（3）： 868-898.

[51] Loren Brandt.，Trevor Tombe. and Xiaodong Zhu，2013， Factor Market Distortions Across Time， Space and Sectors in China，Review of Economic Dynamics， 16（1）： 39-58.

[52] Nikiforova A. and Lnenicka M.，2021，A Multi-Perspective Knowledge-Driven Approach for Analysis of the Demand Side of the Open Government Data Portal，Government Information Quarterly，38（4）：101-122.

[53] OLLEY G S. and PAKES A.，1996， The Dynamics of Productivity in the Telecommunications Equipment Industry， Econometrica， 64（6）：1263-1297.

[54] Restuccia D. and Rogerson R.，2008， Policy Distortions and Aggregate Productivity with Heterogeneous Establishment，Review of Economic Dynamics， 11（4）： 707-720.

[55] William Fuchs.，Brett Green. and Dimitris Papanikolaou，2016， Adverse Selection，Slow-moving Capital，and Misallocation，Journal of Financial Economics， 120（2）： 286-308.

[56] Yu J.， Shi X. and Guo D.，2021， Economic Policy Uncertainty（EPU）and Firm Carbon Emissions： Evidence Using a China Provincial EPU Index，Energy Economics， 94：105071.

[57] Zuiderwijk A. and Janssen M.，2014， Open Data Policies，Their Implementation and Impact：A Framework for Comparison，Government Information Quarterly，31（1）：17-29.

How does Public Data Opening Promote

High-Quality Development of Enterprise

—Evidence from Quasi-natural Experiments

Ma Yongjun and Huang Ruixuan

（College of Economic and Trade，Hunan University of Technology）

Abstract：In the era of digital economy， public data opening is an important means to give full play to data elements and promote high-quality development of enterprises.Based on the micro-data of listed companies from 2010 to 2020， this paper taken the establishment of urban public data open platform as a quasi-natural experiment， and systematically investigates the impact of public data opening on the total factor productivity of enterprises by using the multi-period differential method. It is found that the public data opening can significantly improve the total factor productivity of enterprises， which remains robust after solving the endogeneity and other issues. Furthermore， the impact mechanism test shows that public data opening can promote total factor productivity through firm capital allocation efficiency and firm innovation. In addition， Heterogeneity analysis shows that the impact of public data opening is more significant for state-owned enterprises， enterprises in the secondary and tertiary industries， enterprises in the eastern region， and enterprises with high human capital levels.The research results have important policy implications for accelerating the level of public data opening， improving the quality of data opening， and promoting the high-quality development of enterprises.

Key Words：public data opening; quality of enterprise development; enterprise total factor productivity; efficiency of capital allocation; enterprise innovation

責任編輯鄧悅

馬永軍，湖南工業大學經濟與貿易學院，電子郵箱：517904876@qq.com；黃睿軒，湖南工業大學經濟與貿易學院，電子郵箱：1224652460@qq.com。本文受國家社科基金青年項目（17CGL009）、湖南省自然科學基金面上項目（2021JJ30224）和湖南省教育廳科學研究項目（21B0541）的資助。