數據要素與企業風險承擔水平

[摘要]推動公共數據開放是打破市場“數據壁壘”與“信息斷層”、激發數據要素內在活力、賦能企業行穩致遠的重要力量，對企業的風險偏好與投資決策有著重要影響。探究公共數據開放能否激發企業內在活力、提高企業風險承擔水平，是數字革命背景下的重要議題。利用2010—2023年滬深A股上市公司的面板數據，基于地級市公共數據平臺首次上線這一準自然實驗，探究公共數據開放對企業風險承擔水平的影響。結果表明，公共數據開放能顯著提高企業風險承擔水平。機制分析表明，公共數據開放后，市場各主體之間的信息不對稱程度降低，企業所受的融資約束得到緩解，進而顯著提高企業風險承擔水平。異質性分析結果顯示，公共數據開放對企業風險承擔水平的促進效應在屬于高科技行業、所在地區市場化水平較低以及所在城市行政級別較高的企業中更為明顯。

[關鍵詞]數據要素；公共數據開放；風險承擔水平；新質生產力

一、 引言

在新一輪科技革命和產業變革的大背景下，數據要素不僅是培育新質生產力的重要力量，更是占領大國戰略博弈新高地的關鍵因素。數據要素借助自身乘數效應，引領其他要素合理調配，為優化社會治理模式、實現經濟高質量發展提供了有力支撐。根據《中國數據要素市場發展報告（2021—2022）》1，2021年數據要素對當年GDP增長的貢獻率為14.7%，貢獻度為0.83個百分點，且數據要素對GDP增長的貢獻率呈持續上升態勢。伴隨著數字經濟的快速發展，我國各行各業積累了大量數據，數據行業市場已初具規模，但數據的有效供給依舊不足2。因此，我國亟須進一步發揮數據要素邊際報酬遞增、低成本復用等優勢，催生經濟發展新業態。公共數據作為數據要素的關鍵組成部分，依托自身的權威性、稀缺性、多源性、高價值和敏感性等多維優勢，在保證機密信息和個人隱私不被侵害的前提下，聯通了數據孤島，有助于吸引社會各界對其融合利用，進而激發企業發展內在活力。截至2023年8月，我國已有226個省級和城市地方政府上線了數據開放平臺，其中省級平臺的數量為22個，城市平臺的數量為204個（包括直轄市、副省級與地級行政區），公共數據開放平臺上線率已達60.53%，開放內容涵蓋商貿流通、安全生產、工業農業、財稅金融、信用服務和市場監督等諸多與企業生產經營活動息息相關的領域3。由此可見，在數據要素與實體經濟深度融合的背景下，公共數據開放會對企業生產經營活動產生深遠影響。

鑒于數據要素這一研究主題的重要性，國內外學者對其展開了豐富的研究。有學者以企業為研究主體，探究企業利用數據要素開展生產決策所獲得的效益[1-2]。有文獻以政府為研究主體，考察公共數據開放在強化市場主體與各級政府協同治理方面的效益，及其對抑制腐敗和提升政府治理能力的作用[3]。也有學者研究了公共數據開放對整體經濟增長的影響[4] 。還有一些研究從其他視角探究了公共數據開放的價值創造效應，考察了公共數據開放對區域間協調發展[5]、城市創業活力[6]以及金融市場[7]等方面的影響。此外，有少量文獻從企業全要素生產率視角[8]、企業創新視角[9]和企業數字化轉型視角[10]探討了公共數據開放對企業產生的經濟后果，但尚無文獻從企業風險承擔水平視角研究公共數據開放對企業的影響。風險承擔水平是衡量企業在追求更好業績過程中愿意承擔風險和付出代價的指標之一，該指標數值越高，代表企業對應的風險承擔意愿越強烈，相應的風險投資就越多[11]。公共數據作為一種生產要素，會通過信息渠道與融資約束渠道對企業風險承擔水平產生重要影響。具體而言，一方面公共數據開放拓寬了投資人獲取信息的渠道，提高了市場的透明度與信息的傳遞效率，在一定程度上解決了存在于銀企及市場供需主體間的信息不對稱，最終提高了企業風險承擔水平；另一方面，公共數據開放實現了信息發布的集約化，節約了各主體的信息挖掘成本，提高了各部門數據處理效率，增加了企業的貸款可得性，使得企業風險承擔水平上升，但已有文獻并未對此做出詳細分析，因而有待進一步探討公共數據開放對企業風險承擔水平的影響及其內在機制。

綜上分析，本文基于地級市公共數據平臺首次上線這一準自然實驗，探究公共數據開放對企業風險承擔水平的影響。基于2010—2023年滬深A股上市公司數據研究發現，公共數據開放降低了信息不對稱程度，緩解了企業融資約束，進而提高了企業風險承擔水平，且這一促進效應在屬于高科技行業、所在地市場化水平更低以及城市行政級別更高的企業中更為明顯。

本文主要的邊際貢獻如下：第一，對公共數據開放如何實現價值增值進行補充研究，有助于深化對數據要素乘數效應的理解。現有文獻探究了數據要素對企業生產決策、政府治理水平、區域協調發展等方面的影響[2，5]，然而對公共數據開放如何影響企業風險承擔水平的研究尚不充分。第二，本文擴展了影響企業風險承擔水平的相關研究。目前已有文獻考察了非國有股東治理、社保基金持股和復合型職業經歷等[12-14]影響企業風險承擔水平的因素，但是從數據要素視角對風險承擔水平的影響研究欠缺。

二、 理論分析與研究假設

在數字變革時代，數據要素已然成為培育新質生產力的重要力量，但目前我國數據市場仍存在數據信息零散化、共享機制不完善以及有效供給不足等問題。政府公共數據作為數據要素的重要組成部分，依托自身多維優勢，通過聯通數據孤島、豐富數據有效供給，激發企業積極創造社會生產價值[1]。風險承擔水平作為企業生產經營目標和質量的重要衡量指標，深受數據開放的影響。從內部視角看，公共數據開放有助于提高信息公開程度，增強市場其他主體對企業的監督力度，優化企業對市場機會的識別，從而影響企業的治理機制和經營能力，而這些都是影響企業風險承擔水平的重要因素[15]。從外部視角看，公共數據開放后，一方面社會監督強度的提高和市場評估信息的完善促進企業加強運營和管理能力，增加了其在融資時的談判籌碼，進而緩解了高質量創新項目面臨的資金約束[8]，最終提高了企業風險承擔水平；另一方面，銀行能夠更為全面地了解企業的信用情況，信息挖掘成本的降低和數據處理效率的提高均有助于企業獲得外部融資，從而提高企業風險承擔水平。綜上分析，本文提出如下假設：

假設1：公共數據開放有利于企業風險承擔水平的提高。

公共數據開放最直接的作用在于拓寬了信息獲取的途徑，提高了信息的傳輸效率，從而有效緩解市場各主體之間的信息不對稱[5]。在我國以銀行為主導的金融體系中，信息不對稱導致許多企業深陷融資難的困境[16]。公共數據開放平臺借助大數據和人工智能等數字技術提高了市場透明度，緩解了銀企間的信息不對稱[17]。同時，公共數據開放有助于企業管理者搜尋消費者信息與市場信息，優化了客戶信息的傳遞機制，促進企業對市場機會的識別與利用[18]，從而緩解市場供需雙方的信息不對稱。隨著由行為主體摩擦引起的信息不對稱現象得到改善，企業家對市場需求的評估效率相應提升，企業會增強對高風險項目的失敗容忍度與進行研發活動的意愿[19]，進而提高其風險承擔水平。由此，本文提出以下假設：

假設1a：公共數據開放通過緩解信息不對稱，提高企業風險承擔水平。

公共數據開放的另一大利好在于有效緩解了企業的融資約束。公共數據開放實現了信息發布的集約化[7]。公共數據開放平臺通過公開企業的信用備案數據和行政處罰數據等，幫助銀行更精確地評估企業的信用風險，使潛在投資者能夠全面地掌握企業的信用情況，從而降低信息挖掘難度，提高數據處理效率[20]，改善企業融資環境。而資金約束的放寬有利于企業風險承擔水平的提高。由于企業的風險承擔行為具有強外部資源依賴性[21]，當企業獲得了充足的資金支持后，企業會投資創新項目以持續創造競爭優勢，進而提高了企業風險承擔水平。此外，市場信用環境的改善與企業融資方式的多元化增強了企業的談判能力，使高風險項目獲得持續性資金支持的概率上升，企業風險承擔水平相應提高。由此，本文提出以下假設：

假設1b：公共數據開放通過緩解企業融資約束，提高企業風險承擔水平。

三、 研究設計

1. 模型設定

（1）基準模型

本文首先構建多期雙重差分模型，以探究公共數據開放對企業風險承擔水平的影響，具體模型設定如下：

[Riskit=β0+β1Datait+β2Controlsit+φiR+6BE6xB8NdYTfF2HZp7nQ==+μt+εit] （1）

式（1）中，被解釋變量為Riskit，代表企業i在t年的風險承擔水平；解釋變量為Datait，代表企業i所處城市在t年公共數據平臺的上線情況，上線則取1，否則取0；控制變量Controls包含個體及宏觀層面可能影響企業風險承擔水平的因素；φi為個體固定效應；μt為時間固定效應；εit為殘差項。

（2）機制檢驗

本文從降低信息不對稱程度和緩解融資約束兩個維度，對公共數據開放如何影響企業的風險承擔水平進行機制檢驗。鑒于傳統的兩步法中介模型存在較強的內生性，可能影響結論的穩健性，本文參考劉沖等[22] 、舒泰一等[23]的研究，引入兩階段最小二乘法的思想來構建機制檢驗模型，具體設定如下：

[Mit=β0+β1Datait+β2Controlsit+φi+μt+εit] （2）

[Riskit=β0+β1Mit+β2M_nonit+β3Controlsit+φi+μt+εit] （3）

上式中，M表示機制變量，包括代表信息不對稱和融資約束的相關指標。在第一階段，即式（2）中，本文利用各地級市公共數據平臺上線這一外生事件，通過多期雙重差分方法來識別數據要素對當地企業信息不對稱和融資約束的影響，進而計算得到機制變量的擬合值[M]及其真實值與擬合值的差值[M_non]，前者代表機制變量中可被Data解釋的部分，后者代表機制變量中不可被Data解釋的部分。在第二階段即式（3）中，本文用[M]以及[M_non]來預測企業風險承擔水平，若[M]前的估計系數顯著，則說明公共數據平臺上線通過影響機制變量M進而影響企業的風險承擔水平。

2. 核心指標測度（表1）

（1）企業風險承擔水平

本文參考何瑛等[14]的做法，用ROA的波動率衡量Riskit。其中，ROA為企業當年息稅前利潤與期末總資產之比，對其進行行業均值調整后，以三年（t至t+2年）為一個觀測期測算調整后的ROA標準差Risk1與極差Risk2，該值越大，說明企業風險承擔水平越高。

（2）公共數據開放

本文依據復旦大學DMG數字與移動治理實驗室發布的《中國地方政府數據開放報告（城市）》，獲取各城市公共數據開放平臺上線情況，并在搜索引擎中通過手動檢索關鍵詞對數據進行交叉驗證。本文將Data設定為企業所在城市的公共數據平臺上線情況，首次上線時間及以后取值為1，否則取0。

（3）機制變量

本文信息不對稱的衡量參考Amihud等[24]、于蔚等[25]的研究，首先通過日頻交易數據計算得到股票流動性指標LR以衡量信息不對稱程度，股票流動性越低，LR值越大，信息不對稱程度越高；其次，通過公司個股交易信息評估企業的信息不對稱程度，對三個股票市場的流動性指標進行主成分分析，第一主成分的特征值大于1，表明三個原始指標的共同變異信息被同時囊括，由此將第一主成分作為描述信息不對稱的指標ASY，該值越大，表明信息不對稱程度越高。其次，本文借鑒劉莉亞等[22]的研究，用SA指數的絕對值和WW指數衡量融資約束水平，數值越大，表明企業所受的融資約束越大。

（4）控制變量

參考以往文獻[12-13]，本文對以下可能影響Riskit的變量進行控制：企業規模（Size）、凈資產收益率（ROE）、資產負債率（Lev）、托賓Q值（TobinQ）、銷售增長率（Sales）、固定資產比率（FixRatio）、企業年齡（Age）、持股比例（Top10）、董事會規模（Board）和經濟增長（GDP）。此外，本文還設置了個體和年度虛擬變量。

3. 數據說明

本文以2010—2023年滬深A股非金融類上市公司為樣本，綜合了CSMAR數據庫、Wind數據庫、《中國城市統計年鑒》和《中國地方政府數據開放報告》等的數據，剔除了ST、PT公司以及主要變量缺失的樣本，并對所有連續變量進行1%水平的縮尾處理。篇幅所限，描述性統計結果備索。

四、 實證結果與分析

1. 基準回歸結果

本文基于式（1）進行實證檢驗，基準回歸結果見表2。表中列（1）（3）和列（2）（4）顯示， Data前的估計系數均顯著為正，說明公共數據開放能顯著提高企業風險承擔水平，且該結論在控制了企業及宏觀層面的控制變量后依然穩健，與假設1的預期一致。

2. 穩健性檢驗

（1）平行趨勢檢驗

為驗證基準回歸結果的有效性，本文進行了平行趨勢檢驗。繪制的平行趨勢檢驗圖如圖1所示。為消除政策的預期效應，剔除了平臺首次上線的前一期。可以發現，在平臺首次上線前，估計系數值均不顯著，而在平臺上線后，估計系數發生了明顯的向上跳躍，且每期系數均顯著異于0，通過了平行趨勢檢驗。

（2）替換變量

為確保結果的可靠性，本文以五年（t-2至t+2年）為一個觀測期，重新測算了ROA的標準差Risk1_22與極差Risk2_22；替換原有被解釋變量，重新估計了公共數據開放對企業風險承擔水平的影響。表3的結果顯示，Data的回歸系數仍顯著為正，與基準回歸的結果一致，說明基準回歸的結果是穩健的。

（3）高維固定

除了使用個體和年度雙固定效應模型研究公共數據開放對企業風險承擔水平的影響，本文還額外控制了年份-行業和省份-行業固定效應做進一步探究。表4的結果表明，在控制高維固定效應的情況下，公共數據開放前的系數依然顯著為正，再次驗證了基準回歸結果是穩健的。

（4）安慰劑檢驗

本文還構建了上線時間-企業雙維度隨機實驗來進行安慰劑檢驗。按照表2的第（3）列回歸并重復1000次后繪制出Data的估計系數分布圖（圖2）。觀察后可以發現，Data的估計系數大多分布在0附近，其P值也基本大于0.1，這說明本文的基準回歸結果并非偶然得到，且模型設定正確，再一次證明了前文的結果是穩健的。

（5）Goodman-Bacon分解檢驗

由Goodman-Bacon[26]的研究可知，交錯型DID的估計系數等于樣本中所有可能的兩期DID估計量的加權平均值，因此可能因異質性處理效應生成有偏的估計結果。若較早受處理組和較晚受處理組以及處理組和始終受政策處理組這兩種對照占權重過大，會干擾估計量的無偏性[27]，因此本文采用Goodman-Bacon分解法檢驗后兩種對照的權重和是否過大。表5的結果顯示，這兩種對照的占比和僅為0.001，說明可能帶來偏誤的對照處理組對整體估計結果的干擾很小，說明本文使用的多期DID結果是可靠的。

3. 機制檢驗

（1）信息不對稱

在數據要素時代，可決策信息資源受限與優質數據資源流通受阻均會加劇企業與其他市場主體間的信息不對稱。公共數據開放實現了信息資源的及時共享和高效流通，優化了各市場主體搜尋信息的效率，緩解了由于信息不對稱導致的消極后果。一方面，對于投資者而言，公共數據開放平臺為其提供了更加豐富、真實的企業信息。另一方面，對于企業而言，公共數據的共享拓寬了企業管理者搜尋消費者信息與市場信息的范圍，優化了客戶信息的傳遞機制，促進了企業對市場機會的識別與利用。信息透明度的提高使得投資者更愿意向企業提供資金，企業管理者的創業激情得到調動，促使企業投資更高風險的創新項目以創造持續的競爭優勢，進而風險承擔水平得到提高。

為了驗證以上論述，本文以LR和ASY為機制變量進行估計，回歸結果如表6所示。由列（1）和列（4）可知，無論是以LR還是ASY衡量的信息不對稱水平，Data前的估計系數均顯著為負，說明公共數據開放后，信息不對稱得到了有效緩解。進一步觀察列（2）和列（3）的結果可以發現，擬合值[LR]前的系8QdbwKNngqH3p6BIvup8hA/aMaUogyDuI9Bvch8KsbY=數顯著為負，列（5）和列（6）的估計結果類似，表明信息不對稱水平的下降能提高企業風險承擔水平。表6的六列結果驗證了假設1a。

（2）融資約束

由前文的分析可知，城市公共數據開放平臺的上線意味著大量高價值、高密度的城市數據被投入到社會生活生產中，這些數據包含企業財務信息、過往信用情況、法律訴訟記錄以及市場行情信號等諸多有效信息。投資者可利用這些多維信息，更全面地評估企業的財務狀況和信用風險，從而緩解企業融資難的問題。同時，政府打造公共數據開放平臺，有利于構建更加透明的信息環境，從而提升銀行對企業的信任度，使其對企業提供貸款的意愿增強。此外，公共數據平臺的上線，為企業提供了一個向更多潛在投資者展示自身信息與拓寬融資渠道的機會，從而有機會獲得更加充足的資金支持，促使管理層更愿意承擔較高的風險，以追求更高的回報與長遠的發展。

為了驗證上述分析，本文將SA指數的絕對值與WW指數作為融資約束的機制變量進行回歸。表7列（1）和列（4）報告了估計的一階段結果。Data前的估計系數顯著為負，說明在公共數據開放后，企業的融資約束問題得到明顯緩解。表7的其余四列報告了二階段中用一階段工具變量估計的擬合值對Riskit的回歸結果。估計系數顯著為負，說明融資約束的緩解能提升企業風險承擔水平。綜合六列結果可得，公共數據開放平臺上線能顯著緩解企業的融資約束，提高企業風險承擔水平。假設1b得證。

4. 異質性分析

（1）行業異質性

企業所處行業不同，對公共數據的利用程度會有所差異。尤其是在高科技行業中，公共數據開放對風險承擔水平的影響效應會更為顯著。一方面，高科技行業通常具有高度依賴數據驅動創新的特征，公共數據的開放為高科技企業提供了幫助其開展研發項目的數據資源，從而提高了這些企業的風險承擔水平。另一方面，高風險的創新項目往往面臨更大的融資約束，公共數據開放使投資者能更清楚地了解企業的財務狀況和經營前景，從而增加他們為這些創新項目提供資金的意愿，進一步提高了這些企業的風險承擔水平。本文借鑒彭紅星等[28]的處理方式，將樣本企業劃分為高科技行業樣本和非高科技行業樣本，若企業屬于高科技行業，Gkj取1，否則取0。根據表8列（1）和列（2）可知，對高科技企業而言，Data前的系數顯著為正，而非高科技企業Data前的系數為正且不顯著，說明公共數據開放對高科技企業風險承擔水平的提升效果更為明顯。

（2）市場化水平異質性

不同地區的市場化水平不同，推進公共數據開放的效果可能也會有所差異。與市場化水平較低的地區相比，高市場化水平地區的企業往往具備更豐富的信息獲取渠道與更好的風險管理能力，因此，公共數據開放對這些企業的邊際改善可能相對較小。公共數據開放使得低市場化地區的企業能夠獲得更多的投資機會與資金支持，企業管理層會更愿意承擔高風險以追求高回報，進而提高企業風險承擔水平。本文采用樊綱等[29]構建的市場化指數作為市場化水平的分組依據，若公司所在地的市場化指數大于等于當年所有地級市市場化指數的均值，Mkt取1，否則取0。根據表8列（2）可知，當Mkt=1時，Data前的系數正顯著，而當Mkt=0時，Data前的系數不顯著，說明公共數據開放在市場化水平較低地區的推行效果更強，對企業風險承擔水平有更為明顯的促進作用。

（3）城市行政級別異質性

在中國的地方政府體系中，垂直的“層級化”管理模式使得各城市行政級別不同，所擁有的政治資源就不同，以及所承擔的戰略任務也有所差異。行政級別較高的城市憑借其豐富的政治資源能更有效地推進公共數據開放平臺的建設，對企業風險承擔水平的促進效應也更明顯。本文參考劉文革等[30]的做法，以城市行政級別劃分為依據構建分組指標ADM，若某一城市屬于直轄市、副省級城市或國務院批準的“較大的市”，則ADM賦值為1，否則為0。從表8列（3）可知，在行政級別較高的城市，Data前的估計系數正顯著，但在行政級別較低的城市，Data前的估計系數不顯著，這說明公共數據開放對企業風險承擔水平的正效應在高行政級別的城市中更為明顯。

五、 主要結論與政策建議

數字治理已然成為大國戰略博弈的新高地。當前，我國正在積極推進數據資源的整合與開放共享，加快數字中國的建設進程。各級地方政府在履行行政職責過程中產生、獲取和存儲了大量數據，將這些數據資源還之于民，有利于降低金融摩擦，培育新質生產力，推動經濟高質量發展。在此背景下，本文利用地級市公共數據平臺首次上線這一準自然實驗，探究公共數據開放對當地企業風險承擔水平的影響及作用機制，研究發現：公共數據開放能顯著提高當地企業風險承擔水平，且該結論通過了一系列穩健性檢驗。機制檢驗結果說明公共數據開放通過降低信息不對稱程度與緩解企業融資約束，提高了企業的風險承擔水平。而且，這種促進效應在屬于高科技行業、所在地區市場化水平更低以及所在城市行政級別更高的企業中更為明顯。

依據以上結論，本文提出相關的政策建議如下：

第一，加強并優化開放數據資源體系建設，進一步推動國家大數據戰略的實施。本文的研究表明開放城市政府數據有利于數據要素與實體經濟的深度融合，對企業生產經營活動有著重要作用，尤其是對創新項目的蓬勃發展有著可觀的助推效果。政府部門應繼續履行共享城市信息的職能并引導市場更廣泛地利用這些優質數據資源，同時優化數據資源體系建設，拓寬公共數據的覆蓋面，以數字化手段助力創新活動的開展與經濟高質量發展。

第二，完善數據質量管理和安全保障，提高社會對開放數據的利用率。本文的機制研究發現，公共數據開放后信息的透明度得到明顯提升，企業的融資約束也得到有效緩解。因此，政府應高度重視數據的質量管理和安全保障，以確保開放數據的準確性、完整性和安全性，并繼續引導市場參與者增強對公共數據的利用廣度和深度，鼓勵其借助數字化手段提升數據分析和應用效能，進一步激發公共數據的潛在價值。

第三，發揮數據要素對企業生產活動的助力作用，保持高行政級別城市在推進公共數據開放平臺建設上的帶頭作用，促進各地區之間的數據共享與合作。本文的異質性分析結果顯示，公共數據開放對高科技企業的風險承擔水平有明顯的提升效應，要進一步發揮數據要素在高科技行業的創新驅動作用，激發企業對公共數據的巨大應用潛能。此外，公共數據開放在市場化水平較低的地區推行效率更高，且對于行政級別不同的城市會有不同的推行效果，因此應進一步打通各地公共數據資源壁壘，促進數據賦能的區域協同作用，進而推動整體經濟的協同發展。

參考文獻：

[1] 蔡繼明，劉媛，高宏，等.數據要素參與價值創造的途徑——基于廣義價值論的一般均衡分析[J].管理世界，2022，38（7）：108-121.

[2] 黃勃，李海彤，劉俊岐，等.數字技術創新與中國企業高質量發展——來自企業數字專利的證據[J].經濟研究，2023，58（3）：97-115.

[3] Hyun C P，Koomin K.E-government as an Anti-corruption Tool：Panel Data Analysis across Countries[J].International Review of Administrative Sciences，2020，86（4）：691-707.

[4] 畢青苗，徐現祥，楊海生.商事制度改革與就業增長[J].數量經濟技術經濟研究，2024，41（1）：130-150.

[5] 方錦程，劉穎，高昊宇，等.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[J].管理世界，2023，39（9）：124-142.

[6] 蔡運坤，周京奎，袁旺平.數據要素共享與城市創業活力——來自公共數據開放的經驗證據[J].數量經濟技術經濟研究，2024：1-22.

[7] 歐陽伊玲，王愉靖，李平，等.數據要素與城投債定價：基于公共數據開放的準自然實驗[J].世界經濟，2024（2）：174-203.

[8] 彭遠懷.政府數據開放的價值創造作用：企業全要素生產率視角[J].數量經濟技術經濟研究，2023，40（9）：50-70.

[9] 李澤宇，王雪方，陳新芳.政府數據開放對企業創新的影響效應及機制研究[J].科研管理，2024，45（7）：11-20.

[10] 韓奇，楊秀云.公共數據開放能否促進企業數字化轉型？[J].現代經濟探討，2024（4）：44-59.

[11] 盧闖，孫健，張修平，等.股權激勵與上市公司投資行為——基于傾向得分配對方法的分析[J].中國軟科學，2015（5）：110-118.

[12] 洪金明，劉晗，王寧.非國有股東治理與企業風險承擔水平——來自國有企業混合所有制改革的經驗證據[J].審計與經濟研究，2023，38（2）：87-96.

[13] 韓賀洋，楊興全，周全，等.社保基金持股與企業風險承擔：過度監督還是風險治理[J].會計研究，2024（1）：108-121.

[14] 何瑛，于文蕾，楊棉之.CEO復合型職業經歷、企業風險承擔與企業價值[J].中國工業經濟，2019（9）：155-173.

[15] 卜君，孫光國.董事與經理兼任對企業風險承擔水平的影響：基于高管激勵的視角[J].改革，2020（10）：141-157.

[16] Ahlin C，Townsend M R.Selection into and across Credit Contracts： Theory and Field Research[J].Journal of Econometrics，2005，136（2）：665-698.

[17] 金洪飛，李弘基，劉音露.金融科技、銀行風險與市場擠出效應[J].財經研究，2020，46（5）：52-65.

[18] Farboodi M， Veldkamp L.A Growth Model of the Data Economy[R].Cambridge： National Bureau of Economic Research，2021.

[19] Abhishek N.The Private Impact of Public Data： Landsat Satellite Maps Increased Gold Discoveries and Encouraged Entry[J].Management Science，2022，68（1）：564-582.

[20] 黃銳，賴曉冰，唐松.金融科技如何影響企業融資約束？——動態效應、異質性特征與宏微觀機制檢驗[J].國際金融研究，2020（6）：25-33.

[21] 盧馨，鄭陽飛，李建明.融資約束對企業R&D投資的影響研究——來自中國高新技術上市公司的經驗證據[J].會計研究，2013（5）：51-58.

[22] 劉沖，曾琪，劉莉亞.金融強監管、存貸長期化與企業短債長用[J].經濟研究，2023，58（10）：75-92.

[23] 舒泰一，趙田田，萬諜，等.綠色稅制改革影響企業ESG表現——基于企業成本視角[J].工業技術經濟，2024，43（6）：61-70.

[24] Amihud Y，Mendelson H，Lauterbach B.Market Microstructure and Securities Values：Evidence from the Tel Aviv Stock Exchange[J].Journal of Financial Economics，1997，45（3）：365-390.

[25] 于蔚，汪淼軍，金祥榮.政治關聯和融資約束：信息效應與資源效應[J].經濟研究，2012，47（9）：125-139.

[26] 劉莉亞，何彥林，王照飛，等.融資約束會影響中國企業對外直接投資嗎？——基于微觀視角的理論和實證分析[J].金融研究，2015（8）：124-140.

[27] Goodman-Bacon A.Difference-in-differences with Variation in Treatment Timing[J].Journal of Econometrics，2021，225（2）：254-277.

[28] 彭紅星，毛新述.政府創新補貼、公司高管背景與研發投入——來自我國高科技行業的經驗證據[J].財貿經濟，2017，38（3）：147-161.

[29] 樊綱，王小魯，馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究，2011，46（9）：4-16.

[30] 劉文革，耿景珠，杜明威.數“政”強貿：數字化政府建設與中國出口產品質量升級[J].數量經濟技術經濟研究，2024，41（6）：67-87.

基金項目：國家社會科學基金一般項目“注冊制推行對A股主要定價因子的影響研究”（項目編號：21BJY265）。

作者簡介：孫欣妍，女，浙江工商大學金融學院碩士研究生，研究方向為科技金融與公司金融；舒泰一，通訊作者，男，浙江工商大學金融學院博士研究生，研究方向為產業金融、公司金融與資本市場；吳迪，男，浙江工商大學金融學院博士研究生，研究方向為科技金融與全球價值鏈；關培樺，女，浙江工商大學金融學院碩士研究生，研究方向為科技金融與產業金融。

（收稿日期：2024-06-11 責任編輯：殷 俊）