數據要素市場化能否改善地區金融資源配置

摘要：數據要素市場化促進數據高效流通，已成為改善地區金融資源配置、實現經濟高質量發展的重要方式。本文選取我國284個地級市2010—2021年樣本數據，基于數據要素交易場所或交易平臺建立的外生沖擊，采用多時點DID模型實證檢驗數據要素市場化對地區金融資源配置的影響效應和作用機制。研究發現，數據要素市場化顯著提升了地區金融資源配置效率；機制檢驗發現，數據要素市場化通過改變地區金融科技水平、產業結構與金融開放環境影響金融資源配置。據此，應進一步完善數據要素市場化配置，加強金融資源供給側改革，促進傳統要素市場與數據要素市場融合發展。

關鍵詞：數據要素市場化；數據要素交易平臺；金融資源配置；多時點雙重差分

中圖分類號：F207；F208文獻標識碼：A文章編號：1001-148X（2024）05-0038-11

收稿日期：2024-05-20

作者簡介：景杰（1964—），男，江蘇海安人，教授，研究方向：數據要素與高質量發展；劉玲雁（2001—），女，四川成都人，碩士研究生，研究方向：數據要素與高質量發展。

基金項目：國家社科基金后期資助重點項目“數據資本及其對中國經濟高質量發展的驅動效應研究”，項目編號：21FJYA003。

一、引言

改革開放以來，金融業成為發展速度最快的行業之一。金融業的本質可以看作是從數據到要素的流通與匯聚，一方面，金融產品有效、精確的定價能夠通過多維數據挖掘實現；另一方面，數據要素在各金融創新領域的運用能夠拓寬金融服務業邊界并提升資源配置效率。理論上，數據要素市場化對城市金融資源配置具有多重積極影響。首先，數據要素市場化能夠有效推動數據要素在市場上的自由流動，進而實現數據資源的高效利用。這種高效利用不僅催生了新興產業、新業態和新模式，還極大地促進了金融結構的優化升級，為城市金融資源配置帶來了顯著的改善。其次，數據要素的市場化還有助于促進數據要素與資本、勞動力等傳統要素的深度融合。通過精準對接供需、創新價值鏈流轉方式等手段，充分釋放城市金融需求，進一步提高城市金融資源的配置效率。由此可見，金融行業與數據要素存在天然的耦合性，借助“推進數據要素市場化建設”的契機，有機會解決地區間金融資源流動約束問題，對實現經濟高質量發展具有一定現實意義。

為了深入討論數據要素市場化對地區金融資源配置的影響，厘清其作用機制，本文擬通過理論分析與實證研究對以下問題進行系統分析：數據要素市場化是否會影響城市金融資源配置，這種影響是促進還是抑制？數據要素市場化通過何種機制對城市金融資源配置產生影響？在不同城市特征下數據要素市場化對城市金融資源配置的影響是否存在差異？

二、文獻綜述

（一）數據要素市場化過程

在數據要素被廣泛提及之前，國內外現有研究已從多個角度對數據這一概念進行定義。從信息科學的視角來看，數據是描述事物的符號記錄，通過數字化后存入計算機進行處理［1-2］。從經濟活動的角度，數據的存在形式不局限于產品和服務，也可以被看成是生產知識的投入［3-4］。黨的十九屆四中全會正式將“數據”作為生產要素，大數據作為新型生產要素與國家基礎型戰略資源，已成為日益重要的生產資料［5］。從私人品和公共品的角度來看，數據要素參與經濟活動與傳統生產要素不同，相對而言，傳統生產要素具有較強競爭性和排他性［6］，而數據要素產權界定導致數據要素的私人品和公共品的性質比較復雜［7］。數據要素市場化則是指參與各項生產環節的數據要素通過供需關系進行定價，并以等價交換原則完成數據交易的流程［8］。數據要素市場化過程需要完善相關運行機制以保證要素市場的健康運行，同時關注數據差異化所導致的市場競爭［9］。作為數據交易服務提供與安全保障的重要場所，數據交易所與數據交易平臺的建立是數據要素市場化配置的重要方式之一。數據交易的建設主體主要有規模最大的政府參與型平臺以及數據服務商和大型互聯網企業［10］。數據交易場所穩定運營的前提是數據資產化［11］，即合理的數字確權、定價和收益分配機制，這也是數據參與生產、流通、分配和消費全過程的基礎［12］，通過建立數據定價模型與分紅機制，能夠最大程度保障數據要素公平交易［13］。數據要素市場化主要體現在知識產權運營，具體表現為數據交易平臺建設、相關金融數據產品供給和應用等方面，在此過程中，數據應用是創造價值的關鍵，大數據能夠幫助各行業提高效率和實現創新服務［14］，基于大數據的管理決策也為政府治理提升提供思路，數據價值化過程也同時需要政府對數據資產管理進行優化，為了避免政府數據壟斷的發生，應保障共享數據的公共開放［7］。于企業而言，數字技術發展與躍進、企業轉型升級都需要借助數據要素市場化激勵其開放和交易數據，進而提升整個社會的數據要素配置效率［13］。隨著大數據的共享性愈發顯現，消費者剩余和消費者效用提升［9］，但如何在消費者提供數據的同時保證他們的隱私安全也成為需要解決的問題［15］，由此生成了與數據要素交易相關的安全系統及用戶隱私監管體系，并推動了相關法律與制度的不斷完善。

（二）金融資源配置影響因素及測度

根據福利經濟學與資源配置效率理論定義，金融資源作為稀缺資源，能否合理配置對經濟發展至關重要，金融資源配置的不合理甚至可能導致金融危機的發生，進而阻礙經濟發展。引入經濟學領域的帕累托最優進行分析，金融資源配置有效能夠使得全社會可利用金融資源均達到帕累托最優狀態。在此基礎上對金融資源配置的影響因素進行分析，結論一致認為其受到多種因素不同程度的影響。金融環境是造成地區金融資源配置差異化的直接原因，金融發展水平決定了地區金融資源稟賦，擴大地區金融規模和加速地區金融資源流動均能提高地區金融資源配置水平［16］；而金融結構則決定了地區融資渠道，合理的金融結構能夠擴寬金融資源配置渠道，反之則會加大金融風險，進而抑制金融資源配置效率［17］。從金融開放視角來看，外來資本的引入會產生貿易結構與金融組織結構不匹配的問題，需要在金融開放的同時提升專業化管理，才能在一定程度上減弱其對金融資源配置效率產生的抑制作用［18］。經濟發展水平是金融資源配置效率提升保障，一方面為營造良好金融環境提供充足資金，激發金融資源配置潛在能力，另一方面與政府競爭力產生協同作用，幫助金融資源合理優化配置［19］。產業結構也能對地區金融資源配置效率進行時空調配，隨著產業結構高級化，進而吸引金融資源流入，但也會造成金融資源配置區域異質性。金融資源配置效率是反映地區金融資源配置情況的重要指標，已有研究主要通過非參數與參數兩類方法測度金融資源配置效率。早期研究構建資本配置效率模型用來分析國家資本配置效率差異，將最優化思想和運籌學理論引入模型，模擬生產函數，并求解最優金融資源配置狀態［20］。隨著金融市場的不斷發展，相關研究開始采用投資彈性系數、金融相關率和市場相關率、金融錯配等單一指標來測度金融資源配置效率，但這些指標難以全面反映金融資源配置效率［21］。借助數學軟件的使用，更多研究開始采用有效前沿最小距離、隨機前沿（SFA）或其擴展方法PP-SFA等參數方法，來對金融資源配置效率進行測度，并檢驗其與其他經濟指標的關系。也有較多研究提出使用投入-產出模型，以DEA法構建體系測度金融資源配置效率；或對該模型進行改進，使用超效率SBM-DEA模型測度省級金融高質量發展水平［22］；還有將資本總額、存款總量和不良貸款率相關指標作為銀行投入指標，將各類收入作為產出要素，采用分階段DEA的方法測算上市銀行的發展水平［23］；此外，還有學者提出廣義DEA、基于規模報酬可變的Bootstrap-DEA和DEA-Malmquist等模型，測算金融資源配置效率［24］。

綜上所述，已有對金融資源配置的研究較為豐富，然而，較少研究以數據要素市場化視角對金融資源配置優化進行分析。鑒于此，本文研究數據要素市場化對地區金融資源配置的影響及作用機制，并采用多時點雙重差分法進行實證檢驗。可能的邊際貢獻：一是以數據交易所或數據交易平臺建立設定準自然實驗時點，一定程度上解釋了地區數據要素市場的發展動態與規律，從數據要素視角豐富了金融資源配置優化的有關研究。二是數據要素具有與金融行業天然的耦合性，對數據要素市場化影響金融資源配置的作用機制進行分析，能夠發揮數據要素在金融行業改革過程中的重要作用。三是對地區金融發展定位、資源稟賦在數據要素市場影響金融資源配置過程中發揮的作用進行分析，為完善數據要素市場化配置、加強金融資供給側結構性改革提供理論支持。

三、理論分析與研究假設

（一）影響效應分析

對人類社會而言，資源的稀缺性使得資源配置變得尤為重要。完全競爭市場下，資源按照需求主體的生產稟賦以均衡價格在各主體之間進行合理分配，使其接近帕累托狀態，但當金融發展水平、市場摩擦、政府干預和信息不對稱等因素導致企業面臨要素和產品價格存在差異時，就會導致資源配置扭曲。隨著數字技術在金融行業的應用不斷深化，金融機構不僅能通過利用數字技術等先進手段簡化傳統投資、融資和支付等金融業務，還能開展其他新型金融業務，擴大金融服務范圍。金融行業的本質可以看作是數據到要素的流通與匯聚，在數據要素市場參與的背景下，地區金融資源配置將發生變化。

第一，數據要素市場化能夠降低信息成本，進而提升地區金融資源配置效率。一方面，數據要素市場通過建立數據平臺管理大規模數據與信息流，利用平臺保證交易數據的完整性與可靠性。另一方面，依托數據交易平臺能夠使資金供給雙方實現準確對接，降低中小企業融資費用，并加快資源流動速度。此外，資本錯配源于直接融資市場受到限制，通過數據交易平臺建設企業信用體系，能夠從源頭解決資源流動問題，拓展融資渠道。

第二，在數字化時代，數據要素交易平臺整合信息流與現金流等核心數據，顯著降低了信息不對稱，從而有效提升了金融資源的配置效率。通過深度應用數字技術對企業數據進行處理與分析，能夠精確地劃分和歸納企業的信用狀況和經營細節，高效協調各類生產要素，優化資源配置。這有助于金融機構對企業風險進行更為精確的評估。同時，借助數據要素平臺，能夠高效識別并滿足“長尾”企業的特定需求，有效緩解其資金壓力，進一步推動金融市場資源的精準配置。此外，數字金融憑借多樣化的金融產品，靈活適應不同的金融需求與消費偏好，降低交易成本，優化金融資源的配置結構，最終提升金融服務的整體質量和資源配置的效率。

第三，數據要素市場化配置能夠克服金融體制缺陷，增加民營企業貸款可得性，進而提升金融資源配置效率。在我國金融體系中，國有大型銀行占據主導地位，其貸款發放往往傾向于風險較低的國有企業。然而，由于民營企業的財務信息透明度不足以及抵押物缺乏等因素，它們往往面臨著嚴重的融資困境，這一狀況顯著影響了金融資源配置的效率。這一現狀揭示了當前金融體系中資源配置的不均衡，需要進一步優化金融政策和服務，以促進民營企業融資環境的改善和整體金融資源配置效率的提升。數據要素市場的建立，則能夠在一定程度上提高金融機構信息搜尋能力，幫助民營企業增加貸款所得。基于上述分析，提出以下研究假設：

H1：數據要素市場化有助于提升地區金融資源配置效率。

（二）影響機制分析

金融科技水平。傳統經濟學理論中，資源配置很大程度上依賴于地理空間進行，數字技術和金融科技的快速發展，資源配置的方式、形態發生了巨大的改變。信息技術與金融行業的深度融合，促使金融行業從傳統金融階段向金融科技階段發展，依賴金融科技對金融市場的各類數據進行處理、獲得、加工與應用，使金融市場的交易活動從最早的交易所，擴展到覆蓋全球的網絡空間，通過數據的處理實現資源的優化配置。除此之外，數據要素的市場化配置以數據資產流通為目的，能夠幫助緩解信息不對稱問題，在提供更大范圍金融支持的基礎上，改善金融資源配置現狀。通過建立數據要素交易平臺，減輕因信息不對稱造成的道德風險和逆向選擇，同時加強監管能力。金融科技的介入，使得過去被認為是隨機過程的生產服務形態變成了確定的過程。數據處理技術通過提高算法、算力，很大程度上降低了搜索與交易成本，提高買賣雙方交易效率，同時在其間建立更可靠的信任機制，進一步促進資源流動。

產業結構高級化。數據要素市場化通過建立數據要素交易所或數據要素交易平臺實現，這些平臺不僅有效打破了傳統產業間的壁壘，為不同產業間的跨界協作與交流提供了便利，同時，它們還通過提升數據資源配置的精準性和產業間的融合效率，進一步推動了產業結構的優化升級。這種升級不僅體現在產業內部，更在于整體經濟結構的調整與完善，而產業結構升級的本質則是生產要素和經濟資源的優化再配置。數據要素市場的建立縮短了企業與金融機構之間的信息距離，一定程度上彌補了市場的外部性缺陷。從微觀層面看來，產業結構升級表現為企業的優勝劣汰，通過市場引導資源流向具有發展潛力的產業，減少對衰退產業、低附加值產業的資本配置，進一步優化金融資源配置效率。

金融開放環境。隨著數據要素市場化的不斷推進，數據要素跨境流通可以為金融開放提供便利條件，進一步對金融資源配置產生影響。在開放的市場環境下，國內外數據資源得以更高效地整合與利用，不僅豐富了金融市場的信息基礎，也提升了金融資源配置的國際化水平。通過跨境數據合作與共享，金融機構能夠提高資源配置的精準度和效率。在全球金融開放的大背景下，金融資源的流動速度顯著加快，內外資本投入也呈現增長態勢。這種態勢間接促進了金融環境的優化，進而引發了金融資源配置的變革。然而，值得特別關注的是，隨著國內資本市場開放程度的不斷提高，外來資本的涌入在帶來新機遇的同時，也帶來了貿易結構與金融組織結構之間潛在的失衡問題。這些問題在一定程度上對金融資源配置的效率產生了制約效應。基于上述分析，提出以下研究假設：

H2a：數據要素市場化通過提升金融科技水平優化地區金融資源配置。

H2b：數據要素市場化通過升級產業結構改善地區金融資源配置。

H2c：數據要素市場化通過優化金融開放環境抑制地區金融資源配置。

四、研究設計

（一）模型設定

當前，學術界尚未形成衡量數據要素市場化的統一標準，為了驗證數據要素市場化對金融資源配置的影響，基于地區首次建立數據交易所或數據交易平臺的外生沖擊，構建如下多時點雙重差分模型：

frait=λ0+λ1mdfit+γZit+ui+ηt+εit（1）

其中，被解釋變量frait為地區i在第t年的金融資源配置效率；mdfit為核心解釋變量，當地區i在第t年開始運營數據交易所或數據交易平臺，則mdfit=1，否則mdfit=0；Zit為一系列控制變量；ui為個體固定效應；ηt為時間固定效應；εit為隨機誤差。為了進一步考察數據要素市場化的動態效果并進行平行趨勢檢驗，參考黃煒等（2022）［25］和胡潔等（2023）等［26］的做法，構建如下的動態雙重差分模型：

frait=α+βprecuts［Di×I（t-TD<-3）］+∑-2s=-3βpres［Di×I（t-TD=s）］+∑2s=0βposts［Di×I（t-TD=s）］+βpostcuts［Di×I（t-TD>2）］+γZit+ui+ηt+εit（2）

其中，Di=1表示處理組地區i，Di=0表示控制組地區i；I（·）為指示函數，TD為數據交易所建立當期，以相對數據交易所建立時點的時間為參照系（t-TD=s），其中s=-1為基期，其余變量與基準模型相同。式（2）中估計系數β的變化反映了數據交易所建立對地區金融資源配置的動態變化，若估計系數βprecuts與βpres不顯著異于零，且估計系數βpostcuts與βposts顯著不為零，則上述多時點雙重差分模型的構建滿足平行趨勢檢驗［25-26］。

（二）變量設定

1核心解釋變量

數據要素市場化（mdf）。數據要素市場化虛擬變量，當城市i在第t年首次開始運營數據交易市場或數據交易平臺，那么該城市在第t年及之后的數據要素市場化mdfit=1，其他年份為0。

2被解釋變量

金融資源配置（fra）。金融資源配置是指金融資源通過何種方式從資金供給者配置給資金需求者，其關鍵是在一定的技術條件下，通過有限的金融資源支持使經濟效果達到最佳。金融作為一種特殊的資源，既是資源配置的對象，也是其他資源配置的方式。目前，學術界多數研究以測算金融資源配置效率來衡量地區金融資源配置情況，通過梳理相關文獻發現，金融資源投入指標主要包括金融從業人員、金融機構網點數、固定資產投資，而金融業增加值、金融機構存款及社會消費品零售總額則作為金融資源產出指標。鑒于此，設定金融資源配置效率投入產出指標如表1所示。

在進行地區金融資源配置效率的量化評估時，往往選擇數據包絡分析（DEA）法，該方法核心在于通過識別在給定的投入產出條件下所能達到的最大產出或最小投入的生產前沿邊界，進而計算出資源配置效率。DEA法作為一種非參數估計技術，其優勢在于能夠有效應對包含多個投入產出指標的復雜場景，但經典DEA模型測算的效率取值在［0，1］之間，且在規劃過程中難以對決策單元（DMU）效率值進行比較，由此在經典DEA模型的基礎上進行演化，借鑒Andersen和Petersen（1993）的做法，刪除決策單元產出投入比小于1的約束，選取數據包絡分析-超效率（SE-DEA）模型對地區金融資源配置效率進行計算［27］。具體模型公式如下：

maxθ

st∑λixiθx0，i=1，2，3，…，n

∑λiyiy0，i=1，2，3，…，n

∑λi=1λi0，θ0（3）

其中，xi和yi表示第i個決策單元的輸入和輸出變量，λi是權重系數，θ為超效率分數，x0和y0分別表示最優實際生產前沿的輸入和輸出變量。根據上述方式測算出我國2010—2021年284個地級市的金融資源配置效率，作為金融資源配置的衡量指標。

3控制變量

為提高模型估計的準確性，梳理相關文獻，加入可能影響城市金融資源配置的控制變量，具體包括：經濟發展水平（pgdp），以地區人均生產總值進行衡量；基礎設施水平（infra），以地區人均道路面積進行衡量；信息基礎設施（infor），采用每百人互聯網用戶數進行衡量；財政自主度分權（dfa），用地方政府一般公共預算收入與支出比值進行衡量；人力資源水平（hr），選取普通本專科在校學生比例。所有變量定義如表2所示。

（三）數據來源與描述性統計分析

涉及變量研究數據主要來源于各地級市統計年鑒、各數據交易所與數據開放平臺、Wind數據庫、《中國統計年鑒》《中國金融年鑒》，由于部分城市存在嚴重對缺失數據較多的地區進行剔除，個別數據缺失值采用線性插值法和回歸插補法進行補齊。模型主要變量的描述性統計結果如表3所示。

五、實證結果分析

（一）基準回歸

使用雙重差分模型評估數據要素市場化對地區金融資源配置的影響，根據式（1）建立模型進行回歸估計，表4匯報了數據要素市場化對地區金融資源配置效率的回歸結果，模型（1）—模型（6）為依次加入控制變量的回歸結果，所有模型均固定時間變量并控制地區的個體變量進行基準回歸。

表4模型（1）—模型（6）回歸結果顯示，數據要素市場化（mdf）的回歸系數均顯著為正，表明數據要素市場化能夠提高地區金融資源配置效率。模型（6）進一步表明，在加入一系列控制變量后，數據要素市場化的回歸系數為0461，且在99%水平上顯著，即數據交易所或數據交易平臺的首次建立使得地區下一年金融資源配置效率提升461%。由此驗證了研究假設H1，數據要素市場化有助于提升地區金融資源配置效率。

在控制變量中，地區經濟發展水平（pgdp）和基礎設施建設（infra）回歸系數均在99%的水平下顯著為正，說明地區經濟發展水平和基礎設施建設對提升金融資源配置具有積極作用，這是由于金融發展以地區經濟實力為基礎，同時依靠各類基礎設施發揮金融市場作用。此外，信息基礎建設（infor）的回歸系數在95%的水平下顯著為負，說明較高的信息發展水平反而會對地區金融資源配置起到抑制作用，原因在于信息化可能加深城市信息鴻溝與數字鴻溝等問題，由于金融資本的逐利性，導致金融資源配置愈發不平衡，進而降低了地區金融資源配置的效率。

（二）穩健性檢驗

1平行趨勢檢驗

在使用多時點雙重差分方法時，需要確保數據要素在市場化之前具有平行趨勢，并且要考慮數據要素市場化后的影響［28］，結果如圖1所示。可以發現，數據要素市場化前，金融資源配置效率在隨時間推移并未出現明顯變化，這一事實驗證了平行趨勢假設的有效性。在數據要素交易所或交易平臺建立后，發現回歸系數逐漸增加，這表明數據要素市場化對地區金融資源配置效率有積極作用。

進一步考察數據要素市場化的動態特征，利用公式（2）動態雙重差分模型再次驗證數據要素市場化對地區金融資源配置效率的動態影響，如圖2所示，表明在建立數據要素交易所或數據要素交易平臺前，回歸系數不顯著為零，即地區金融資源配置在兩個組別中的差異不顯著，符合平行趨勢假設。但在數據要素市場化之后，回歸系數呈顯著正向趨勢，且存在上升趨勢，即處理組區域金融資源配置相較控制組有明顯提高，表明數據要素市場化對金融資源配正向影響。

2安慰劑檢驗

為了消除偶然因素的影響，使用安慰劑試驗來識別數據要素市場化的隨機性。進行了500次基于基準回歸中數據要素分布情況的隨機抽樣，以構建“偽虛擬變量”，然后利用模型（1）重新進行回歸估計，估計系數和P值的分布如圖3所示。以上研究結果顯示，金融資源配置效率與“偽虛擬變量”的回歸系數均值趨近于零，并且明顯低于0461這一回歸系數數值，基本排除數據要素市場化對地區金融資源配置影響的其他隨機性因素，上述結論穩健。

3PSM-DID

考慮到數據要素交易市場的建立可能傾向選擇數據資源較為豐富的城市，上述模型可能存在樣本選擇偏差，因此我們決定采用傾向匹配得分法（PSM）來重新匹配控制組，以解決這一問題。用核匹配方法，以城市經濟發展水平、基礎設施水平、信息基礎設施等作為協變量，來控制處理組和對照組之間的系統性差異；然后使用Logit模型來生成傾向匹配得分，再剔除少量未被匹配的樣本；最后進行多時點雙重差分回歸。圖4繪制的控制變量標準化偏差圖顯示，在進行匹配處理后，各變量的標準化偏差明顯減小，并且均穩定在10%的范圍內，這表明匹配效果非常良好。根據表5模型（1）進行傾向匹配后得到的檢驗結果顯示，數據要素市場化（mdf）的回歸系數呈顯著正向，與基準回歸結果一致，進一步驗證了數據要素市場化對地區金融資源配置的積極影響。同時，這也證實了上述結論的穩健性。

4改變樣本區間

考慮到直轄市和省會城市不僅有經濟基礎、金融資源稟賦等優勢，而且更容易受到政策支持，為了進一步驗證上述結論的穩健性，在27個剔除直轄市和省會城市的基礎上，利用多時點雙重差分模型重新進行估計。表5模型（2）結果顯示，數據要素市場化估計系數顯著為正，與上述結論一致。

與此同時，2015年國務院印發了《促進大數據發展行動綱要》，該綱要旨在全面推動我國大數據的發展與應用。自此之后，我國開始了“三位一體”系統部署大數據發展工作，該綱要被視為我國發展大數據產業的戰略性指導文件，也是指導大數據發展的國家頂層設計和總體部署。由此，為排除時間窗口對數據要素場所政策效果的影響，改變樣本時間為2015—2021年，并利用多時點雙重差分模型重新進行估計。表5模型（3）的回歸結果顯示，數據要素市場化對地區金融資源配置效率仍然具有顯著正面影響，證明上述結論穩健。

5替換變量

除了直接考慮金融資源配置效率，金融資源配置結構是否科學合理也是金融資源能否實現高效配置的重要影響因素。無論是為了防范系統性金融風險，還是推動經濟高質量發展，都需要通過優化金融資源配置結構來實現。由此，對被解釋變量進行替換，采用金融資源配置結構代替金融資源配置效率，選取金融相關比率（fir）衡量金融資源配置結構并進行回歸。表5模型（4）回歸結果表明，數據要素市場化對金融相關比率影響顯著為正，說明數據要素市場化不僅提升金融資源配置效率，還能優化資源配置結構，上述結論穩健。

6異質性處理效應檢驗

Chaisemartin和Haultfoeuille（2020）［29］的研究指出，當對多個時間點進行雙重差分處理以估計個體處理效應時，異質性處理效應可能導致一些處理效應的權重為負數，如果這種情況占比較大，就會使估計結果變得不夠穩健。要測試雙向固定效應回歸結果在異質性處理效應下的穩健性，需用Stata軟件里的Twowayfeweights命令來驗證。根據數據呈現的結果，在所涉及的10006個權重中，有8312個為正權重，而1694個為負權重。這些負權重的總和為-000075147，非常接近于零。這一結果表明，異質性處理效應對回歸結果的影響可以被忽略，上述基準回歸雙向固定效應的回歸結果穩健。

（三）機制檢驗

前文驗證了數據要素市場化能夠提升地區金融資源配置效率的研究假設，本節將從金融科技、產業結構和金融環境三個方面描述其作用機制，對研究假設H2進行驗證。根據江艇（2022）提出的機制檢驗方法［30］，制定了以下模型：

Mit=θ0+θ1mdfit+γZit+ui+ηt+εit（4）

其中，Mit代表著三個機制變量，分別用于評估金融科技、產業結構和金融環境的影響。與基準模型相比，其他變量保持不變。

1數據要素市場化與金融科技水平

數據要素市場化依賴于數據交易場所的建立，在此過程中借助科技影響金融資源配置，使金融服務覆蓋范圍大大增加。因此，參考李春濤等（2020）［31］采用關鍵詞百度搜索指數構建的金融科技指數（fintech）來衡量城市金融科技水平，并進行回歸分析。根據表6模型（1）的結果顯示，當引入金融科技變量后，可以明顯觀察到數據要素市場化對地區金融資源配置效率產生了顯著正面影響，可以認為金融科技水平在其間起正向中介效應，即數據要素市場化下，更高的金融科技水平會提高金融資源配置效率。

2數據要素市場化與產業結構

產業結構通過時空異質性對金融資源配置進行外在調控，隨著經濟進入高質量發展階段，調整產業結構不僅會創造新的資源需求，還會使金融資源的流動發生改變。在以制造業為主的發展時期，金融體系的不斷進步促進了社會經濟的發展，隨著產業結構向著合理化高級化轉變，高新產業和第三產業占比的提升帶來了更多金融資源需求，最終使得產業結構化高級化帶來的“結構正效應”或“結構負效應”對金融資源配置產生影響。因此，參考于斌斌（2015）的做法，計算第三產業與第二產業的產值之比（ES）來反映產業結構高級化水平［32］，并進行中介效應分析。結果如表6模型（2）所示，可以發現產業結構高級化回歸系數顯著為正，認為產業結構高級化在數據要素市場化影響地區金融資源配置效率的過程中起到正向中介效應。

3數據要素市場化與金融開放環境

除了金融科技與產業結構兩個影響機制，金融開放環境也能影響金融資源配置情況。全球金融系統的合作和金融開放需要通過建立全球數據跨境流動的制度體系，開放的金融環境能夠提升金融資源的流動速度，通過改變金融環境影響資源配置效率。因此，采用外商直接投資占地區生產總值比重（open）來衡量地區金融環境的開放程度，并進行中介效應分析。結果如表6模型（3）所示，可以發現回歸系數顯著為負。經濟發展的不同階段需要與實體經濟需求相匹配的最佳金融結構，以有效地履行金融體系的基本職能，推動實體經濟的發展，數據要素市場化使得金融開放環境發生變化，但外資過多進入也會導致金融結構失去平衡，進而抑制了地區金融資源配置效率。

（四）拓展分析

前文驗證了數據要素市場化能夠通過金融科技、產業結構與金融環境三個機制提升地區金融資源配置效率。然而，城市資源稟賦、發展定位、政府干預等，與城市特征相關的外部因素也可能對數據要素市場化提升地區金融資源配置效率產生影響，為了對這一問題展開分析，建立以下模型進行研究：

frait=α0+α1mdfit+α2mdfit×Rit+α3Rit+γZit+ui+ηt+εit（5）

其中，Rit為調節變量，其余變量與基準模型相同。

1區域金融中心

區域金融中心的存在可以更方便地聚集大量的金融資源和其他生產要素，從而有效地推動該城市以及周邊地區的金融經濟發展。截至2022年12月，共有33個城市明確提出建設區域金融中心，包括4個直轄市、21個省會城市、7個核心城市以及1個省內強市，因此建立區域金融中心虛擬變量（fc），將建設區域金融中心的城市設定為1，其余城市設定為0，進行回歸分析。表7模型（1）結果顯示，數據要素市場化（mdf）和區域金融中心（fc）的交乘項：mdf*fc回歸系數顯著為負，區域金融中心的建設在數據要素市場化促進地區金融資源配置的過程中起到負向調節作用。

2人力資源稟賦

新古典經濟增長理論認為，人力資本在經濟增長的過程中發揮了重要的作用，不僅如此，人力資源還關系著其他生產要素與資源的分配。為了區分不同城市人口分布的差異，選擇以胡煥庸線作為劃分地區人力資源稟賦差異的依據，設定胡煥庸線以東城市的人力資源稟賦為1，其余城市為0。結果如表7模型（2）所示，數據要素市場化（mdf）和人力資源稟賦（hre）的交乘項：mdf*hre回歸系數顯著為正，說明人力資源稟賦在數據要素市場化提升地區金融資源配置效率的過程中發揮正向作用。

3金融資源稟賦

當地區金融資源稟賦較低時，政府往往會通過撥款等財政措施進行金融資源配置，但這一舉措通常只能滿足金融市場小部分資金需求，無法達到金融資源配置的最佳狀態。而隨著金融市場的不斷完善，地區金融資源稟賦呈現上升趨勢，金融資源配置渠道得以拓寬，但過度的金融資源稟賦可能造成“脫實向虛”的問題。因此，選擇城市資本存量來衡量地區金融資源稟賦（fre），并進行分析。表7模型（3）結果顯示，數據要素市場化（mdf）和金融資源稟賦（fre）的交乘項：mdf*fre回歸系數顯著為負，說明金融資源稟賦在數據要素市場化提升地區金融資源配置效率的過程中發揮負向影響。根據金融稟賦結構理論，高效的金融結構必然反映實體經濟的需求，過高的金融資源稟賦并不一定能使金融資源配置達到最優，反而可能會降低金融資源配置效率。

4政府干預

政府介入可以有效地解決一些市場失靈問題，但如果干預過多，就會影響資源的合理配置和市場的發展。所以，可以用私營部門就業人數占總就業人數的比例，也就是市場化程度（gov），來評估政府對經濟的干預程度，市場化程度越高說明政府干預程度越低，同時進行回歸分析。表7模型（4）表明，數據要素市場化（mdf）和政府干預程度（gov）的交乘項：mdf*gov回歸系數顯著為正，說明市場化程度越高，即政府干預越小，有助于增強數據要素市場化對金融資源配置效率的積極影響。

六、結論與啟示

本文基于2010—2021年我國284個地級市面板數據，利用多時點DID模型就數據要素市場化對地區金融資源配置的影響效果及作用機制進行分析。主要結論如下：（1）數據要素市場化顯著提升了地區金融資源配置效率，經過一系列穩健性檢驗，該結論依然可靠。（2）機制研究結果表明，數據要素市場有助于提升地區金融科技水平與促進地區產業高級化，進而對金融資源配置效率產生正向影響，但數據要素市場改變金融開放環境，可能導致地區金融結構失調，進而對地區金融資源配置產生抑制作用。（3）拓展研究結論表明，區域金融中心建設和人力資源稟賦能夠強化數據要素市場對金融資源配置的積極作用；而過高的金融資源稟賦與過多的政府干預則會減弱數據要素市場化的積極作用。

基于以上研究結論，得到以下啟示：

第一，完善數據要素市場化配置。數據交易平臺應建立明確的數據交易標準以保證數據交易的順利進行，通過數據交易平臺與地方金融服務平臺的對接，實現數據要素在不同地區的流通，以達到數據優化金融資源合理配置的效果。在這一過程中，需要根據城市發展差異，構建層次分明的城市金融資源配置網絡，發揮城市群金融中心城市的帶動作用，為周邊城市金融服務提升帶來積極影響。同時，政府應在保證經濟持續穩健運行的前提下，謹慎實施干預政策，防范由于資源配置不合理或市場效率低下可能引發的經濟風險。第二，加強金融資源供給側改革。優化金融資源配置效率要重點加強金融數字化進程，進一步推動區域間金融信息的聯通，逐步形成層次鮮明、功能互補的現代金融體系，充分利用市場機制，為促進實體經濟發展提升金融服務深度。積極完善金融體系，培育多樣化融資渠道，引導金融資源合理配置，通過提升金融普惠程度改善金融資源配置。第三，促進傳統要素市場與數據要素市場融合發展，需要政府發揮主導作用，推動制造業與服務業融合發展，同時加強數字技術在各行業應用不斷深化，實現傳統要素與數據要素市場協同聯動。進一步利用數據要素市場不斷拓展傳統金融與數字金融業務邊界，優化金融服務結構，以此改善地區金融資源配置，最終實現金融高質量發展。

參考文獻：

［1］DeepaN，PhamQV，NguyenDC，etal.ASurveyonBlockchainforBigData：Approaches，Opportunities，andFutureDirections［J］．FutureGenerationsComputerSystems：FGCS，2022，38（3）：131-141.

［2］WilsonB，CongC.BeyondtheSupplySide：UseandImpactofMunicipalOpenDataintheUS［J］．TelematicsandInformatics，2021，5（8）：15-26.

［3］CappaF，OrianiR，PeruffoE，etal.BigDataforCreatingandCapturingValueintheDigitalizedEnvironment：UnpackingtheEffectsofVolume，Variety，andVeracityonFirmPerformance［J］．JournalofProductInnovationManagement，2021，38（1）：49-67.

［4］GoldfarbA，TuckerC.DigitalEconomics［J］．JournalofEconomicLiterature，2019，57（1）：3-43.

［5］徐翔，厲克奧博，田曉軒.數據生產要素研究進展［J］．經濟學動態，2021，722（4）：142-158.

［6］柏培文，喻理.數字經濟發展與企業價格加成：理論機制與經驗事實［J］．中國工業經濟，2021，11（11）：59-77.

［7］陳國青，張瑾，王聰，等.“大數據-小數據”問題：以小見大的洞察［J］．管理世界，2021，37（2）：203-213+14.

［8］何玉長，王偉.數據要素市場化的理論闡釋［J］．當代經濟研究，2021，32（4）：33-44.

［9］王曉丹，石玉堂，劉達.數據要素市場化配置對數實融合的影響研究——基于數據交易平臺設立的準自然實驗［J］．廣東財經大學學報，2024，39（2）：44-58.

［10］劉滿鳳，楊杰，陳梁.數據要素市場建設與城市數字經濟發展［J］．當代財經，2022，43（1）：102-112.

［11］YangJ，ZhaoC，XingC.BigDataMarketOptimizationPricingModelBasedonDataQuality［J］．Complexity，2019.

［12］梁繼，苑春薈.數據生產要素市場化配置研究［J］．情報雜志，2022，41（4）：173-180.

［13］GrossmanR.TheIndustriesThatAreBeingDisruptedtheMostbyDigital［J］．HarvardBusinessReview，2016，94（3）：2-5.

［14］趙云輝，張哲，馮泰文，等.大數據發展、制度環境與政府治理效率［J］．管理世界，2019，35（11）：119-132.

［15］李三希，武玙璠，鮑仁杰.大數據、個人信息保護和價格歧視——基于垂直差異化雙寡頭模型的分析［J］．經濟研究，2021，56（1）：43-57.

［16］崔澤園，楊有振，胡中立.城鄉居民家庭金融行為對收入差距的影響機制研究：基于CHFS的估計［J］．經濟問題，2021（7）：62-69.

［17］王昱，夏君諾，劉思鈺.產融結合對企業研發投入的影響研究［J］．管理評論，2022，34（5）：56-68.

［18］馬斌，張琦.資本賬戶開放對外匯儲備的非線性效應：基于金融發展視角［J］．國際金融研究，2022（6）：21-31.

［19］郭慶賓，駱康，黎玨銘，等.武漢城市圈資源集聚能力的空間關聯研究［J］．長江流域資源與環境，2019，28（2）：306-312.

［20］WurglerJ.FinancialMarketsandtheAllocationofCapital［J］．JournalofFinancialEconomics，2000（1）：187-214.

［21］LiaoGK，YaoDQ，HuZH.TheSpatialEffectoftheEfficiencyofRegionalFinancialResourceAllocationfromthePerspectiveofInternetFinance：EvidencefromChineseProvinces［J］．EmergingMarketsFinanceandTrade，2020，56（10）：1211-1223.

［22］高一銘，徐映梅，季傳鳳，等.我國金融業高質量發展水平測度及時空分布特征研究［J］．數量經濟技術經濟研究，2020，37（10）：63-82.

［23］隋順天，孔艷杰，隋舵.中國上市銀行高質量發展：效率測度與影響因素［J］．國際金融研究，2020（10）：66-74.

［24］李俊霞，溫小霓.中國科技金融資源配置效率與影響因素關系研究［J］．中國軟科學，2019（1）：164-174.

［25］黃煒，張子堯，劉安然.從雙重差分法到事件研究法［J］．產業經濟評論，2022（2）：17-36.

［26］胡潔，于憲榮，韓一鳴.ESG評級能否促進企業綠色轉型？——基于多時點雙重差分法的驗證［J］．數量經濟技術經濟研究，2023，40（7）：90-111.

［27］AndersenP，PetersenNC.AProcedureforRankingEfficientUnitsinDataEnvelopmentAnalysis.ManagementScience，1993，39（10）：1261-1264.

［28］LuoY，TangZ，FanP.CouldGovernmentDataOpenedEnhanceUrbanInnovationCapability？AnEvaluationBasedonMultistageDidMethod［J］．Sustainability，2021，13（23）：13495.

［29］ChaisemartinDC，D’HaultfoeuilleX.Two-WayFixedEffectsEstimatorswithHeterogeneousTreatmentEffects［J］．AmericanEconomicReview，2020，110（9）：2964-2996.

［30］江艇.因果推斷經驗研究中的中介效應與調節效應［J］．中國工業經濟，2022（5）：100-120.

［31］李春濤，閆續文，宋敏，等.金融科技與企業創新——新三板上市公司的證據［J］．中國工業經濟，2020（1）：81-98.

［32］于斌斌.產業結構調整與生產率提升的經濟增長效應——基于中國城市動態空間面板模型的分析［J］．中國工業經濟，2015（12）：83-98.

CanDataFactorMarketizationImproveRegionalFinancialResourceAllocation

——ValidationBasedonMulti-periodDifference-in-Difference

JINGJie，LIULingyan

（SchoolofEconomics，NanjingUniversityofPostsandTelecommunications，Nanjing210023，China）

Abstract：Themarketizationofdatafactorstopromotetheefficientcirculationofdatahasbecomeanimportantwaytoimprovetheallocationofregionalfinancialresourcesandachievehigh-qualityeconomicdevelopment.Thispaperselectsthesampledataof284prefecture-levelcitiesinChinafrom2010to2021，andempiricallyexaminestheeffectandmechanismofdatafactormarketizationontheallocationofregionalfinancialresourcesbasedontheexogenousshocksoftheestablishmentofdatafactortradingvenuesortradingplatformsbyusingamulti-temporalDIDmodel.Itisfoundthatdatafactormarketizationsignificantlyimprovestheefficiencyofregionalfinancialresourceallocation;themechanismtestconfirmsthatdatafactormarketizationaffectstheallocationoffinancialresourcesbychangingthelevelofregionalfinancialscienceandtechnology，industrialstructureandfinancialopenenvironment.Theaboveconclusionsindicatethatthemarketizedallocationofdatafactorsshouldbefurtherimproved，thesupply-sidereformoffinancialresourcesshouldbestrengthened，andtheintegrationoftraditionalfactormarketanddatafactormarketshouldbepromoted.

Keywords：datafactormarketization;datafactortradingplatform;financialresourceallocation;multi-periodDifference-in-Difference

（責任編輯：周正）