數據要素集聚、科技創新與數字新質生產力

摘要：基于中國2013—2022年30個省份面板數據，借助雙向固定效應模型、中介效應模型，實證考察數據要素集聚對數字新質生產力的影響效應，以及科技創新在二者間發揮的作用機制。研究結果表明：數據要素集聚能夠有效促進數字新質生產力提升；中介效應檢驗結果表明，科技創新在數據要素集聚驅動數字新質生產力過程中發揮中介效應；異質性檢驗發現，相較于數字經濟發展水平低組和市場化程度低組，數據要素集聚對數字新質生產力的促進作用在數字經濟發展水平高組和市場化程度高組更顯著。據此，應健全數據要素發展體系、完善科技創新體制機制、因地制宜制定數據要素配置方案，提升數字新質生產力發展水平。

關鍵詞：數據要素集聚；數字新質生產力；科技創新；中介效應模型

中圖分類號：F83251文獻標識碼：A文章編號：1001-148X（2024）05-0001-09

收稿日期：2024-05-15

作者簡介：褚希偉（1989—），男，河南南陽人，講師，博士，研究方向：數字經濟、數字貿易；王婧卜（1991—），女，陜西咸陽人，講師，博士，研究方向：全球價值鏈與國際貿易。

基金項目：國家社會科學基金青年項目“新質生產力賦能全球價值鏈升級的機制及路徑研究”，項目編號：24CGJ055；陜西省教育廳青年創新團隊項目“全球價值鏈重構下綠色全要素生產率提升及實現路徑研究”，項目編號：23JP049。

一、引言與文獻綜述

2024年3月，國家網信辦出臺《促進和規范數據跨境流動規定》，旨在對現有數據跨境標準、程序等進行優化完善，更好地釋放數據要素發展潛能，為經濟社會價值提供關鍵動能。數據作為新型生產要素，已快速融入生產、分配、流通和消費等環節，深刻改變生產、生活方式，成為數字新質生產力的關鍵驅動因素。尤其在各類經濟政策日趨開放背景下，大數據綜合試驗區集聚大量數據產業和數字化人才，可促進數據要素集聚，以此推動人才、資金等多重要素高效流動，充分釋放數據要素的乘數效應，推進數字新質生產力發展。詳細而言，數據要素集聚能夠打通數據流通因合規要求受阻等問題束縛新質生產力發展的堵點和卡點，有利于增強對國內外數據要素資源吸引力，實現高質量數據資源等優質生產要素的順暢流動和高效配置，有效賦能數字新質生產力發展。同時，數據要素集聚有利于促進傳統業務模式升級再造，突破原創性、引領性科技攻關，提高科技投入效能，深化財政科技經費分配使用機制改革，促進科技成果轉化，賦能科技創新。2023年12月，國家數據局等17部門聯合印發的《“數據要素×”三年行動計劃（2024—2026年）》，明確開展“數據要素×科技創新”行動，從推動科學數據有序開放共享、強化高質量科學數據資源建設和場景應用等方面闡述了數據要素與科技創新相結合的著力點。而科技創新能夠以前沿技術與顛覆性技術催生新產業、新模式，持續推動數字新質生產力發展。那么，數據要素集聚對數字新質生產力產生怎樣的影響作用？科技創新在數據要素集聚與數字新質生產力之間發揮怎樣的作用機制？

（一）數據要素集聚的相關研究

數據要素是數字經濟發展的核心驅動要素，也是推動經濟高質量發展的關鍵動能，受到學界廣泛關注。當前，學者針對數據要素集聚的區域縮減效應、科技創新效應以及企業就業效應展開廣泛討論。蘇婧等（2022）［1］實證考察發現，數據要素集聚對區域發展差距的影響作用呈倒“U”型特點，即數據要素集聚的品牌創新效應和技術進步效應在短期內拉大了區域間發展差距，而在長期內卻呈現縮小區域差距的趨勢。劉傳明等（2023）［2］研究結果顯示，數據要素集聚能夠顯著促進大數據綜合試驗區科技創新水平提升，且緩解勞動資源錯配、提高研發投入水平和人力資本水平是主要作用路徑。劉達等（2024）［3］研究表明，數據要素集聚可通過加快勞動力要素流動、促進企業數字化轉型等策略，優化企業就業結構。

（二）科技創新的相關研究

科技創新在人類社會發展過程中發揮重要引擎作用，是學界研究的重點內容。學者主要針對科技創新的影響因素和影響效應相關內容展開深入考察。在影響因素層面，已有研究探討了空氣污染［4］、金融發展［5］、人口老齡化［6］、中國城市群空間結構［7］對科技創新的影響作用；在影響效應層面，學界文獻研究結果表明，科技創新能夠驅動鄉村產業發展［8］，為促進城市群高質量發展、推動區域高質量發展［9］和引領現代化產業體系建設［10］提供重要支撐；同時，在科技革命背景下，科技創新在推進新質生產力形成和發展過程中發揮重要作用。由此，部分學者針對科技創新與新質生產力二者的關系展開探討，并認為科技創新是新質生產力的核心要素，且通過發揮產業變革功能、資源整合功能等多重優勢，不斷催生新產業、新模式和新動能，從而驅動新質生產力發展［11］。

（三）數字新質生產力的相關研究

當前，關于數字新質生產力的研究較少，多數學者重點針對數字生產力和新質生產力進行考察。數字生產力方面，有學者認為數字生產力是指相關主體依托互聯網、大數據等數字技術，在打造數字產業過程中所形成創造社會財富的能力［12］。還有研究將數字生產力界定為生產力的主體要素和客體要素“三位一體”的數字化［13］。新質生產力方面，部分文獻探討了新質生產力的影響因素，且主要集中于考察數字化轉型［14］、人力資源、高技術產業水平以及數字信息基礎設施［15］、數據要素市場化［16］對新質生產力的驅動作用。在上述相關研究成果基礎上，少數學者對數字新質生產力進行了內涵界定，指出數字新質生產力是指個體在適應自然、改造自然過程中，憑借云計算、大數據等數字技術對自身能力進行重塑和發展所形成的生產力［17］。隨著數字新技術革命的推進，大數據、云計算和人工智能等數字技術在更高層次上改變了生產力性質，推進生產力向數字化和智能化方向發展，形成數字新質生產力［18］。

綜上，已有文獻分別針對數據要素集聚、科技創新和新質生產力分別展開深入探討，且有較少學者考察兩兩間關系，更鮮有學者檢驗數據要素集聚、科技創新和數字新質生產力三者的內在聯系。由此，本文嘗試對數據要素集聚影響數字新質生產力的作用路徑展開理論探討和實證分析。相較于以往研究，本文的邊際貢獻在于：（1）探討了數據要素集聚對數字新質生產力的影響作用，拓展了數字新質生產力相關研究邊界。（2）從科技創新視角出發，實證考察其在數據要素集聚促進數字新質生產力過程中的具體作用，以揭示影響二者關系的“機制黑箱”。（3）立足于數字經濟發展水平和市場化程度兩個層面，考察數據要素集聚對數字新質生產力的異質性影響，為政府制定數字新質生產力差異化發展方案提供有益參照。

二、理論分析與研究假設

（一）數據要素集聚對數字新質生產力的直接影響效應

在傳統產業模式中，產業鏈上下游和企業間存在大量信息壁壘，導致產業內部運行效率低下和上下游企業間信息傳遞受阻，不利于先進數字技術與傳統生產過程融合，阻礙生產模式和生產結構升級，從而抑制數字新質生產力形成。而數據要素集聚夠促進各類要素資源由開發利用階段，過渡到公共數據開放和共享階段，實現要素重組與資源再配置，充分發揮數據要素的“乘數效應”，有效破除信息壁壘，暢通要素流通渠道［19］。這有利于推進信息、數據、人才管理等多維要素的深度融合，充分釋放數據潛能，以數據要素規模效應賦能數字新質生產力發展。同時，數據要素集聚能夠推動地方不斷健全數據資源供給體系，推動社會投資結構、知識共享結構、勞動力結構優化升級，實現技術資金、創新知識、大數據人才等創新要素緊密結合，加快技術迭代速度，推動包括物聯網、云計算在內的全新產業模式和新業態不斷涌現［20］，從而賦能數字新質生產力發展。在數據要素集聚的驅動作用下，政府部門能夠通過加大數據要素投入、優化要素配置結構，引導和鼓勵數據要素資源由低生產效率部門向高生產效率部門流動，推進經濟由低質量擴張向高質量數字化方向轉型［21］，為培育更具活力的數字新質生產力提供基礎保障。此外，數據要素集聚通過發揮強擴散性和強滲透性特征優勢，可推動不同產業間固有邊界模糊化，形成新型產業組織形式，促進產業生產模式向智能化方向升級，推動新型技術產業發展，從而提升數字新質生產力水平。綜上，提出如下假設：

H1：數據要素集聚對數字新質生產力具有顯著正向影響。

（二）數據要素集聚對數字新質生產力的間接影響效應

數據要素集聚能夠通過促進科技創新，賦能數字新質生產力發展。一方面，數據要素集聚能夠促進科技創新。第一，研發創新能力的提升效應。數據要素集聚能夠促進數據要素供需端研發創新能力提升。在供給端，數據要素集聚帶來的高質量數據要素與人工智能、深度學習相結合，可提高新技術性能和新產品的實驗預測結果的精準性，為供給端提升科技成果產出效率［22］和科技創新水平提供有力支撐；在需求端，數據要素集聚有利于充分釋放“數據+算力+算法”的強大組合功能，輔助創新主體從海量數據中深度發掘有效信息，準確掌握消費者消費趨向，針對性開展研發創新活動，提高科技創新能力。此外，數據要素集聚可促進創新知識溢出，并在不同創新主體間流動。在此情形下，創新主體通過吸收、模仿和再創新等方式實現創新模式變革，并及時鏈接國內外前沿技術，為提高自身科技創新能力提供多維支撐。第二，創新資源配置優化效應。數據要素集聚推進大數據中心加速構建數據分析平臺，該平臺可輔助創新主體準確、全面地掌握區域創新發展需求，為企業技術創新提供科學決策依據，促進創新資源配置優化，提高資源利用率，從而賦能區域科技創新［23］。數據要素集聚意味著數據資源管理能力與應用水平的強化，這可降低數字網絡中的信息不對稱程度，使得各類創新要素在市場化機制作用下實現優化配置，形成參與主體多元化的開放式創新模式，賦能科技創新水平提升。

另一方面，科技創新可賦能數字新質生產力發展。科技創新能夠通過促進數字新型勞動者發展、提供數字新型勞動對象和推動數字新型勞動資料積累，賦能數字新質生產力發展。就數字新型勞動者發展層面而言，科技創新憑借其智能化、數字化等特征優勢，使傳統勞動者向擁有數字技術應用能力、數字產品研發能力的新型人才方向轉變，形成更多能夠替代人的體力和腦力勞動的數字新質勞動者，創造具有更高附加值的勞動價值和數字化勞動成果，促進數字新質生產力發展；就數字新型勞動對象層面而言，科技創新帶來的5G技術、區塊鏈技術，能夠為新興產業主體提供高效的智能化裝備、工業機器人等數字新型勞動對象［24］，促使更高質態的數字新質生產力加速形成；就數字新型勞動資料積累層面而言，在科技創新驅動作用下，各領域創新主體可采用大數據、云計算、人工智能等新一代信息技術，創造出人工智能輔助工具、虛擬和增強現實技術等數字新型勞動資料，推進數字新質生產力發展。據此，提出如下假設：

H2：數據要素集聚能夠促進科技創新，從而賦能數字新質生產力發展。

三、研究設計

（一）變量選擇

1.解釋變量：數據要素集聚（Date）

數據是數字經濟時代的新型生產要素，其產生的前提條件是移動電話和互聯網的共同支持。故此處參照郭檬楠等（2022）［25］的做法，利用地區移動電話用戶數和互聯網寬帶接入數之和占人口總數的比值衡量數據要素集聚程度，該數值越大，說明地區數據要素集聚程度越高。

2.被解釋變量：數字新質生產力（Digi）

基于馬克思關于“生產力是人類征服自然、改造自然的能力”的經典論述，并結合前文數字新質生產力的相關研究成果，本文認為數字新質生產力是指在數字經濟時代下，生產主體將數字技術與傳統生產力相融合，推動勞動者、勞動對象和勞動資料三要素實現數字化發展的高質態生產力。據此，參考既有研究［26-29］，從數字新質勞動者、數字新質勞動資料和數字新質勞動對象三個維度著手構建數字新質生產力評價指標體系，見表1。進一步采用熵值法測算數字新質生產力發展指數。

3.中介變量：科技創新（Tec）

科技創新是由諸多投入產出環節組成的復雜系統工程，關鍵是如何基于科技創新環境，將創新投入轉化為創新產出，最終形成經濟社會效益［30］。據此，參照學界已有研究［31-32］，從科技創新環境、科技創新投入和科技創新產出等三個方面著手構建科技創新水平綜合評價指標體系，見表2。其中，科技創新環境利用創新基礎和創新政策兩個指標綜合衡量；科技創新投入包括人才投入、科研經費投入以及教育經費投入；科技創新產出包含專利產出和成果轉化兩個指標。最終采用熵值法測算獲得科技創新指數。

4.控制變量

借鑒學術界研究成果［33-35］，對如下變量進行控制：（1）工業化水平（IND）：以工業增加值占GDP比重衡量；（2）政府干預程度（GOV）：利用財政支出占GDP比重表示；（3）城鎮化水平（URB）采用城市人口占人口總數比重衡量；（4）外商直接投資（FDI）：利用省份外商直接投資金額占GDP比重表示；（5）金融發展水平（FIN）：利用年末金融業增加值與GDP比值衡量。

（二）數據來源

選取2013—2022年中國30個省份（限于數據可獲得性，剔除西藏、香港、澳門和臺灣地區）面板數據作為研究樣本展開實證檢驗。數字新質生產力數據源自《中國能源統計年鑒》《中國環境統計年鑒》、國泰安數據庫，其中企業數據來源于CNRDS數據庫和CSMAR數據庫；科技創新相關數據主要來源于《中國科技統計年鑒》，基于世界知識產權局（WIPO）發布的國際專利分類表（IPC）編碼，根據國家知識產權局提供的專利申請信息整理獲得。其他數據主要來源于歷年《中國統計年鑒》《中國電子信息產業年鑒》《中國工業統計年鑒》、各省份統計年鑒、國家統計局以及CEIC中國統計數據庫。針對個別缺失數據利用線性差值法和回歸法補齊。

（三）模型構建

1.雙向固定模型

基于前文理論假設，通過構建雙向固定模型實證考察數據要素集聚能夠促進數字新質生產力發展，具體模型如下：

Digiit=α0+α1Datait+α2Conit+λi+μt+εit（1）

式（1）中，被解釋變量Digiit為i省份t年數字新質生產力，解釋變量Datait表示數據要素集聚水平，Conit表示控制變量集，λi、μt分別為省份固定效應和時間固定效應，εit表示隨機干擾項。

2.中介效應模型

為檢驗科技創新能否在數據要素集聚促進數字新質生產力過程中發揮中介效應，構建如下所示中介效應模型：

Tecit=β0+β1Datait+β2Conit+λi+μt+εit（2）

Digiit=χ0+χ1Datait+χ2Tecit+χ3Conit+λi+μt+εit（3）

式（2）、式（3）中，Tecit為中介變量科技創新，其余變量含義與式（1）一致。

四、實證結果分析

（一）基準回歸

本文利用雙向固定效應模型檢驗進行回歸檢驗，具體結果見表3。由表3列（1）結果可知，未加入控制變量時，核心解釋變量Data的估計系數在1%水平下顯著為正，說明數據要素集聚能夠顯著促進數字新質生產力發展。表3列（2）—列（6）為依次加入不同控制變量后的回歸檢驗結果，Data的估計系數均在1%水平下顯著為正，這再次驗證數據要素集聚對數字新質生產力具有顯著促進作用，假設H1得證。進一步分析表3列（6）結果可知，數據要素集聚的估計系數為0547，且在1%水平下顯著，表明數據要素集聚能夠促進數字新質生產力發展，假設H1得到再次證實。由表3列（6）的控制變量估計系數可知，工業化水平、政府干預程度、城鎮化水平、對外直接投資以及金融發展水平的估計系數至少通過10%顯著性水平檢驗，說明上述變量均是數字新質生產力發展的重要驅動因素。原因可能在于，工業化進程的深入推進促使社會發展結構由農業社會向工業社會結構轉變，這可帶動信息技術、新能源等領域的技術進步和產業結構升級，加速助力戰略性新興產業和未來產業發展，為數字新質生產力發展提供助力。隨著數字經濟的快速發展，政府干預程度的提升意味著政府部門在數字基礎設施、數字化服務等方面加大財政投入力度，能夠為數字新質生產力發展提供良好發展環境和政策支撐。城鎮化水平提升一定程度上會增強城市公共服務基礎設施對數字技術的依賴性，促使城市對新型數字技術服務和數字產品需求量不斷攀升，這倒逼生產力發展趨向于數字化和高質態，進而推動數字新質生產力形成。外商直接投資水平的提升吸引更多外資流入，促進數字產業價值鏈的智能化與數字化發展，提高數字服務業效率和推進數字服務產業集聚，有效賦能數字新質生產力發展。金融發展水平的提升能夠有效緩解創新主體的信貸約束，提高創新產品產出效率，為數字新質生產力可持續發展注入新動能。

（二）穩健性檢驗

為考察前文研究結果的穩健性，本文采用剔除部分樣本、更換變量衡量方式、樣本縮尾處理的方式展開穩健性檢驗，具體檢驗結果見表4。第一，剔除部分樣本。鑒于城市行政等級的區別會對數據資源集聚程度和數字新質生產力產生邊際效應，從而對研究結果產生干擾，故剔除4個直轄市樣本進行二次回歸，結果見表4列（1）。第二，更換被解釋變量衡量方式。分別利用主成分分析法、均等權重法代替熵值法重新測算數字新質生產力發展指數，并重新展開回歸分析，結果見表4列（2）和列（3）。第三，樣本縮尾處理。由于異常值會對本文研究結論的準確性和可靠性產生影響，故對研究樣本進行上下1%的縮尾處理，并展開重新回歸，結果如表4列（4）所示。分析上述檢驗結果發現，數據要素集聚的估計系數在1%水平下顯著為正，表明研究結論可靠。

（三）內生性問題處理

本文的回歸模型可能存在由雙向因果關系和遺漏變量導致的內生性問題。第一，雙向因果關系。數據要素集聚影響數字新質生產力的同時，也可能受數字基礎設施條件改變引起的反向作用，從而產生內生性問題。第二，遺漏變量。盡管本文對多個變量、省份和時間進行控制，但依舊存在部分影響數字新質生產力的遺漏變量。故為克服模型可能存在的內生性問題，通過引入工具變量和增加控制變量的方式進行檢驗。

一方面，參照張慧等（2023）［23］的做法，采用省份用電總量的對數（Elc）與全國數字經濟企業存量對數（Qy）的交互項（Elc×Qy）作為數據要素集聚的工具變量，規避由雙向因果關系引起的內生性問題。原因在于，數據要素集聚需要充足的電力資源支撐，故地區電力供給能力一定程度上決定數字新質生產力的發展前景，這滿足相關性條件。同時，用電總量與當前創新活動不存在直接關系，故也滿足外生性要求，說明工具變量有效。分析表5列（1）、列（2）結果可知，工具變量及解釋變量的估計系數均在1%水平下顯著為正，表明數據要素集聚對數字新質生產力發揮顯著促進作用顯著，說明前文結論穩健。此外，AndersonLM檢驗結果在1%水平下拒絕識別不足原假設，Cragg-DonaldWaldF檢驗結果大于Stock-Yogo在10%水平下顯著的臨界值，說明上述工具變量通過了弱工具變量檢驗。另一方面，利用增加控制變量的方式，解決可能由遺漏變量導致的內生性問題。由此，本文將人力資本水平（Hum）、高新企業基礎（Fpr）作為控制變量納入回歸方程進行檢驗，分別利用人均受教育年限、高新技術企業數量的對數值衡量。由表5列（3）、列（4）檢驗結果可知，納入人力資本水平和高新企業基礎兩個控制變量后，數據要素集聚的回歸估計結果尚未發生顯著變化，說明檢驗結果穩健。

（四）中介效應檢驗

為檢驗科技創新在數據要素集聚對數字新質生產力影響過程中發揮的作用機制，本文采用中介效應模型進行分析，檢驗結果如表6所示。表6列（1）結果表明，數據要素集聚的估計系數在1%水平下顯著為正，說明數據要素集聚對數字新質生產力發揮正向促進效應。表6列（2）結果顯示，數據要素集聚也能夠顯著促進科技創新發展。分析表6列（3）估計結果可知，數據要素集聚能夠通過推進科技創新，賦能數字新質生產力發展。為進一步驗證科技創新的中介效應是否存在，本文采用Sobel檢驗進行進一步分析，結果發現Sobel檢驗中的z值為3071，大于5%顯著性水平下的臨界值097。這說明科技創新發揮顯著的中介效應，假設H2得證。詳細而言，數據要素集聚促使各地區大數據人才由分散化、靜態化分布狀態向集聚化、流動化狀態轉變，這可促進大數據人才配置結構優化，提升高素質人才資源利用率，為創新主體持續注入新動能，促進科技創新。而科技創新能夠驅動產業運營模式智能化、數字化轉型，助力未來產業和戰略性新興產業發展，為數字新質生產力發展提供動能。

五、異質性檢驗

（一）數字經濟發展水平異質性

數字經濟發展水平差異會直接影響數據要素集聚水平，進而對數字新質生產力產生異質性影響。為檢驗不同數字經濟發展水平下數據要素集聚對數字新質生產力影響差異，利用數字經濟發展指數均值將總樣本劃分為數字經濟發展水平高組和低組進行重新回歸，結果見表7列（1）和列（2）。分析可知，在數字經濟發展水平高組和低組，數據要素集聚的估計系數為0526、0454，且分別在1%、5%水平下顯著，表明在數字經濟發展水平高組，數據要素集聚對數字新質生產力的促進效應更大。深究其因可能在于，數字經濟發展水平低組缺乏系統化數字經濟發展機制和深厚的數字要素基礎，難以吸引數據要素涌入并形成集聚，不利于數字新質生產力發展。而數字經濟發展水平高組擁有健全的數字基礎設施以及相關保障制度，有利于盤活存量資源，促進數據要素利用率，充分強化數據要素集聚對數字新質生產力的賦能作用。

（二）市場化程度異質性

參照《中國分省份市場化指數報告》對市場化程度綜合指數進行度量，繼而以中位數為標準，將總樣本劃分為高市場化程度組和低市場化程度組后進行重新回歸，結果見表7列（3）和列（4）。分析可知，在市場化程度高組和低組，數據要素集聚的估計系數分別為0445、0332，且通過1%和5%的顯著性水平檢驗。這說明數據要素集聚對市場化程度高組數字新質生產力的促進作用更顯著。原因可能是，市場化程度高組的數據交易監管制度較為完善，能夠壓縮創新主體科技研發成本，提升創新產品研發效率，并不斷衍生出新型生產工具和生產資料，促進數字新質生產力發展。而市場化程度低組尚未形成完善的數據交易機制，這會導致數據資源配置受到諸多非市場因素干預，不利于數據要素集聚優勢的顯著發揮，阻礙其對數字新質生產力賦能作用的有效發揮。

六、結論與政策建議

本文基于2013—2022年中國30個省份面板數據，采用雙向固定效應模型、中介效應模型實證考察數據要素集聚對數字新質生產力的影響和作用機制。主要結論如下：（1）數據要素集聚對數字新質生產力發揮顯著促進作用，且該結論經過一系列穩健性和內生性檢驗后依舊成立；（2）數據要素集聚能夠促進科技創新水平提升，進而驅動數字新質生產力發展；（3）數據要素集聚對數字新質生產力的影響作用存在異質性，即數據要素集聚對數字經濟發展水平高組和市場化程度高組具有更明顯的促進作用，而對數字經濟發展水平低組和市場化程度低組的影響較小。

根據研究結論，提出如下政策建議：

第一，健全數據要素發展體系。研究表明，數據要素集聚對數字新質生產力發揮顯著促進作用。由此，我國應通過構建區域數據共享平臺、建立數據交易機制等方式健全數據要素發展體系。一是構建區域數據共享平臺。我國應構建政府主導、企業參與的公共數據共享平臺，整合與共享各領域非核心公開數據，促進跨行業數據創新應用，不斷完善數據要素配置體系，為創新主體提供有償數據增值服務，有效賦能數字新質生產力發展。二是建立數據交易機制。一方面，提高數據產權管理能力。我國應加速構建統一化數據產權登記機構和數據公開查詢平臺，對數據交易主體的數據名稱、產權人、數據特征等內容進行統一管理，以此減少權屬爭議，促進數據高效流通和數據要素集聚，推動數字新質生產力發展。另一方面，完善數據交易標準和定價機制。我國應加大力度制定統一化大數據分類標準和產品標準，規范數據產品的包裝和描述，探索采用數據應用量、價格動態等方法進行數據定價，為數據產品交易提供參考價格，有效規避數據交易風險，充分釋放數據要素集聚對數字新質生產力的賦能作用。

第二，完善科技創新體制機制。上述實證檢驗發現，科技創新在數據要素集聚賦能數字新質生產力發展過程中發揮重要中介效應。由此，我國應不斷完善科技創新體制機制，提高科技創新水平，促進數字新質生產力發展。一是搭建科技成果轉化平臺。我國應大力推進科研機構、高等院校和產業部門間的合作力度，形成以新型企業為核心、科研機構為支撐的創新創業聯盟，建立科技成果轉化平臺，推廣應用轉讓、并購、合作研發等發展策略，以此提高創新成果轉化效率和科技創新能力，賦能數字新質生產力發展。二是健全科技成果評價機制。科研院所應明確技術創新性、實用性、市場潛能等方面的科技成果評價標準，保證評價結果的準確性和客觀性，并在市場中開展科技成果專業化評價活動，提高科技創新水平，賦能數字新質生產力發展。三是規范技術交易市場。市場監管部門應依托科技中介服務機構規范技術交易市場運營流程，優化技術交易信息發布機制，建立信息暢通、服務體系健全和交易規范明確的技術交易市場，促進技術交易、科技成果等信息數據開放共享，提高科技創新能力，促進數字新質生產力發展。

第三，因地制宜制定數據要素配置方案。研究結論表明，數據要素集聚對高數字經濟發展水平和高市場化程度地區數字新質生產力的賦能作用更明顯。由此，我國應針對不同數字經濟發展水平和市場化程度地區制定差異化數據要素配置方案，因地制宜驅動數字新質生產力發展。其一，數字經濟發展水平和市場化程度較高地區應成立國家級別的數據共享平臺，要求各個企業或科研機構提交研發、生產、產品使用過程中產生的數據，并匯總作用互補的數據，進一步將其提供給企業研發部門和數據共享平臺，有效提高各領域數據要素配置效率，賦能數字新質生產力發展。其二，數字經濟發展水平和市場化程度偏低地區應引導第三方專業服務機構主動參與數據要素市場建設過程，進一步結合數據交易的全生命周期健全數據服務體系，為創新主體提供涵蓋數據集成、數據公正、數據保險等內容在內的數據化管理服務，促進數據要素合理配置，充分釋放數據要素集聚對數字新質生產力的賦能作用。

參考文獻：

［1］蘇婧，趙城，王必達.數據要素集聚能實現區域協調發展嗎——論大國區域發展的“集聚”與“協調”［J］.財經科學，2022（6）：62-77.

［2］劉傳明，陳梁，魏曉敏.數據要素集聚對科技創新的影響研究——基于大數據綜合試驗區的準自然實驗［J］.上海財經大學學報，2023，25（5）：107-121.

［3］劉達，王曉丹，石玉堂.數據要素集聚對企業就業的影響——基于就業規模與就業結構的雙重視角［J］.山西財經大學學報，2024，46（4）：54-67.

［4］丁晨輝，王威，宋曉明.空氣污染對區域科技創新的雙邊影響效應分析［J］.統計與決策，2024（6）：84-88.

［5］郭蔚，潘紅玉.金融發展促進了區域科技創新嗎？——基于教育人力資本調節效應的分析［J］.財經理論與實踐，2024，45（2）：33-39.

［6］沈可，孫慧琳.人口老齡化對科技創新的空間效應與異質性影響——基于中國地級市面板數據的分析［J］.人口研究，2024，48（2）：90-103.

［7］戴宏偉，楊宏昌.中國城市群空間結構對科技創新的影響［J］.經濟地理，2023，43（12）：36-47.

［8］王興國，吳梵.科技創新驅動鄉村產業振興的機理及實踐路徑［J］.廣東社會科學，2024（2）：54-61.

［9］孫久文，胡俊彥.科技創新賦能京津冀協同發展：理論、成效與政策方向［J］.科學學與科學技術管理，2024，45（2）：22-34.

［10］劉冬梅.以科技創新引領現代化產業體系建設［J］.中國科技論壇，2024（2）：3.

［11］張新寧.科技創新是發展新質生產力的核心要素論析［J］.思想理論教育，2024（4）：20-26.

［12］韓文龍.數字經濟賦能經濟高質量發展的政治經濟學分析［J］.中國社會科學院研究生院學報，2021（2）：98-108.

［13］何玉，長王偉.數字生產力的性質與應用［J］.學術月刊，2021，53（7）：55-66.

［14］陳秀英，劉勝，沈鴻.以數字化轉型賦能提升新質生產力［J］.新疆社會科學，2024（2）：41-45.

［15］李松霞，吳福象.我國新質生產力發展潛力及驅動因素［J］.技術經濟與管理研究，2024（3）：7-12.

［16］陸岷峰.數據市場化賦能新質生產力：理論邏輯、實施模式與發展趨勢［J/OL］.新疆社會科學，1-15［2024-04-09］.

［17］王靜，孫晉海，蔡捷，等.數字技術賦能農村公共體育服務更高水平發展：理論闡釋與實踐進路［J］.體育科學，2023，43（1）：15-25+33.

［18］杜傳忠，疏爽，李澤浩.新質生產力促進經濟高質量發展的機制分析與實現路徑［J］.經濟縱橫，2023（12）：20-28.

［19］張斌，李亮.“數據要素×”驅動新質生產力：內在邏輯與實現路徑［J］.當代經濟管理，2024（8）：1-10.

［20］陳秀英，劉勝，沈鴻.以數字化轉型賦能提升新質生產力［J］.新疆社會科學，2024（2）：41-45.

［21］張夏恒，劉彩霞.數據要素推進新質生產力實現的內在機制與路徑研究［J］.產業經濟評論，2024（3）：171-184.

［22］張吉昌，龍靜.政府數據開放何以賦能企業創新？［J］.現代經濟探討，2024（4）：29-43+59.

［23］張慧，易金彪，徐建新.數字化變革如何影響城市創新——基于國家大數據綜合試驗區建設的經驗證據［J］.科學學研究，2023（8）：1484-1494.

［24］杜傳忠，李鈺葳.強化科技創新能力加快形成新質生產力的機理研究［J］.湖南科技大學學報（社會科學版），2024（1）：100-109.

［25］郭檬楠，杜亞光，郭金花，等.國家審計治理與城市創新要素集聚——基于創新環境優化的視角［J］.上海財經大學學報，2022（2）：3-17.

［26］朱富顯，李瑞雪，徐曉莉，等.中國新質生產力指標構建與時空演進［J］.工業技術經濟，2024（3）：44-53.

［27］王玨，王榮基.新質生產力：指標構建與時空演進［J］.西安財經大學學報，2024（1）：31-47.

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

［29］張彰.數字新質生產力、農業產業鏈延伸與共同富裕［J］.統計與決策，2024（9）：37-42.

［30］ChenK，GuanJ.MeasuringtheEfficiencyofChina’sRegionalInnovationSystems：ApplicationofNetworkDataEnvelopmentAnalysis（DEA）［J］.RegionalStudies，2010，46（3）：355-377.

［31］王雅麗，黃永春.長江經濟帶科技創新效率測度及影響因素分析［J］.統計與決策，2021（15）：104-108.

［32］劉建明，顏學明.廣東科技創新能力監測指標體系設計與實證研究［J］.科技管理研究，2021（24）：60-66.

［33］吳文生，榮義，吳華清.數字經濟賦能新質生產力發展——基于長三角城市群的研究［J］.金融與經濟，2024（4）：15-27.

［34］任宇新，吳艷，伍喆.金融集聚、產學研合作與新質生產力［J］.財經理論與實踐，2024（3）：27-34.

［35］劉明慧，李秋.財稅政策何以驅動新質生產力發展？［J］.上海經濟研究，2024（3）：31-41.

AggregationofDataElements，TechnologicalInnovationandDigitalNew

QualityProductivity

CHUXiwei，WANGJingbu

（CollegeofEconomics，Xi’anUniversityofFinanceandEconomics，Xi’an710613，China）

Abstract：Basedonpaneldatafrom30provincesinChinafrom2013to2022，thisstudyempiricallyexaminestheimpactofdatafactoragglomerationondigitalnewqualityproductivity，aswellasthemechanismoftechnologicalinnovationintherelationshipbetweenthetwowiththehelpofbidirectionalfixedeffectsmodelandanintermediaryeffectsmodel.Theresearchresultsindicatethatdataelementaggregationcaneffectivelypromotetheimprovementofdigitalnewqualityproductivity.Theresultsofthemediationeffecttestindicatethattechnologicalinnovationplaysamediatingroleintheprocessofdrivingdigitalnewqualityproductivitythroughdataelementaggregation.Heterogeneitytestingfoundthatcomparedtothegroupwithlowlevelofdigitaleconomydevelopmentandlowdegreeofmarketization，thepromotioneffectofdatafactoragglomerationondigitalnewqualityproductivityismoresignificantinthegroupwithhighlevelofdigitaleconomydevelopmentandhighdegreeofmarketization.Therefore，policyrecommendationsareproposedtoimprovethedevelopmentsystemofdataelements，improvethemechanismofscientificandtechnologicalinnovation，andformulatedataelementallocationplanstailoredtolocalconditions，inordertoprovidethedevelopmentlevelofdigitalnewqualityproductivity.

Keywords：aggregationofdataelements;digitalnewqualityproductivity;technologicalinnovation;mediationeffectmodel

（責任編輯：周正）