數據要素市場建設賦能數字新質生產力

摘"要：數字新質生產力是以數字技術創新為驅動引擎的生產力。打造高標準數據要素市場體系，推動數據要素市場化配置，能夠為數字技術創新活動提供豐富的應用場景和創新思路，以推動數字新質生產力的形成。基于2008—2022"年滬深A股上市公司面板數據，利用數據要素交易平臺設立這一準實驗場景，實證檢驗數據要素市場建設如何影響企業數字技術創新“數量”和“質量”。研究發現，數據要素市場建設能夠促進企業數字專利申請量和數字專利被引用量提升。機制檢驗表明，數據要素市場建設通過推動企業數據要素應用、降低企業交易成本和糾正傳統要素配置扭曲的機制促進企業數字技術創新。異質性分析發現，政策效果在公共數據開放水平更高、知識產權保護力度更強和社會信用環境更完善的地區以及技術更迭速度更快、頭部企業帶動引領作用更強的行業中更為明顯。經濟后果分析還發現，數據要素市場建設在促進數字技術創新活動的基礎上，還能夠顯著改善企業經營績效，從而幫助企業塑造未來競爭優勢。

關鍵詞：數據要素市場建設；數字技術創新；數字新質生產力

中圖分類號：F124""文獻標識碼：A""文章編號：1001-148X（2024）06-0100-13

一、引"言

隨著以大數據、人工智能、云計算為代表的新興數字技術不斷涌現和現有技術迭代升級，數字技術創新活動引領生產力飛速躍遷并賦予生產力以新的內涵，已成為數字新質生產力的關鍵內核和重要引擎［1］。數據要素為數字新質生產力的形成提供了新的生產力基礎，已成為支撐數字技術發展與應用的核心要素。從理論角度出發，作為新質生產要素和數字技術發展的核心要素，數據生產要素能夠推動生產力的質變躍遷以重塑經濟增長新動能。具體來說，一方面，通過對數據要素所包含的有價值信息的有效提取及應用，能夠直接起到改善微觀運行效率和企業創新績效的作用［2-3］；另一方面，數據要素還能夠與資本、勞動、土地等傳統生產要素發揮協同效應，克服傳統生產要素的“報酬遞減”趨勢，推動整體經濟運行的“質量變革、效率變革和動力變革”［4］。從中國經濟增長的具體實踐來看，數據要素的貢獻日益突出。根據相關研究估算，近年來數據要素對我國經濟增長的貢獻率呈現持續上升態勢，數據要素對GDP貢獻率從2016年的119%上升到2022年的1473%，數據要素已經成為拉動我國經濟增長的重要引擎（見圖1）。隨著我國經濟增長模式逐漸轉向數據驅動型增長，市場主體對數據要素的交易需求也隨之擴張，據國家工業信息安全發展研究中心提供的數據顯示，2022年我國數據要素市場規模達到815億元，預計2025年可望超過1749億元（見圖1），數據要素市場的發展前景十分廣闊。

總體來看，我國數據資源雖然總量豐富，但對數據資源的挖掘不足，特別是優質數據要素供給不足、數據流通環節缺位、數據交易所存續能力差等問題較為突出［5］。究其原因，主要在于當前我國數據要素市場尚處于建設初期，數據基礎制度體系尚未建立，數據要素的區域壁壘和市場分割仍然存在，這都會制約數據要素市場配置效率的提升和數據要素價值的進一步釋放。基于此，以高標準市場體系建設為抓手，加快推動數據要素市場化體制機制改革，完善數據要素市場制度，破除數據要素交易的供給側和需求側障礙因素，促進數據要素高效流通，有助于為數字技術創新活動提供更為豐富的應用場景和更為開放的創新思路，對培育壯大數字新質生產力和賦能數字經濟發展提質增效具有十分重要的現實意義。

圖1"我國數據要素市場規模（及估算）與數據要素對GDP貢獻率趨勢

［資料來源：國家工業信息安全發展研究中心發布的《中國數據要素市場發展報告（2021—2022）》］

鑒于數字技術創新在推動數字新質生產力形成上的關鍵性作用，數據要素市場建設能否有效賦能企業數字技術創新活動？其中的作用傳導機制如何？數據要素市場建設對企業數字技術創新的影響是否會受到其他內外部邊界條件的制約？尚未有研究對上述問題在實證層面上給予正式檢驗。為直觀體現數據要素市場化配置效率與數字創新活動在地區層面的相關性，本文首先繪制出2020年中國各省份數據要素市場化配置效率與地區數字技術創新“數量”“質量”（分別采用地區數字專利申請量及被引用量衡量）之間的散點關系圖及回歸線［見圖2（a）和圖2（b）］，可以發現，地區數據要素市場化配置效率與地區數字創新“數量”“質量”之間存在顯著的正相關關系。盡管如此，散點關系圖并不能證明數據要素市場化配置與數字技術創新活動間存在特定的因果含義。因此，如果要準確揭示出數據要素市場化配置與數字技術創新活動之間的因果關系，還需要借助更為外生的研究情景方能加以識別。

為加快推動我國數據要素市場發展，我國從2014年起就陸續在地區層面開展數據交易平臺建設的有益探索和實踐，截至2022年底，我國共建立起58家數據交易平臺（或交易機構）。鑒于2014年以來數據交易平臺在地區層面的分批次設立對于微觀企業而言可以被近似視為隨機發生，因此有理由認為處理組和對照組在政策沖擊發生前后的潛在變化趨勢是相同的，這為我們考察數據要素市場建設的經濟后果提供了難得的“準實驗”環境，有助于我們更為準確地識別出數據要素市場建設影響企業數字技術創新活動的因果效應及其內在作用機理。與此同時，借鑒已有研究的做法［6］，對企業專利申請的詳細文本信息加以識別后所提取出的數字專利申請數量能夠刻畫企業數字技術創新活動的基本狀況，從而被相關研究所廣泛采用。在此基礎上，我們還利用企業數字專利的被引用次數作為企業數字創新質量的衡量指標。綜上所述，本文利用2008—2022年滬深A股上市公司共計3921家的數據，借助2014年以來的各地區分批設立數據交易平臺這一外生沖擊作為自然實驗，通過構建交錯雙重差分模型識別出數據要素市場建設對于企業數字創新“數量”“質量”的影響效應及其內在作用機理。

本文的邊際貢獻主要體現在以下三個方面：第一，本文從促進企業數字技術創新的維度，豐富了數據要素市場建設經濟后果的相關文獻。已有研究證實數據要素市場建設對城市創業活力［7］、企業全要素生產率［8］、產業數字化［9］等的影響，但缺乏企業數字技術創新方面的經濟效應評估。第二，本文從數據要素市場建設角度為激勵企業數字技術創新活動拓寬了政策的可行空間。近年來，如何激勵企業開展數字技術創新受到學術界的廣泛關注。已有研究從稅收政策［10］、產權保護［11］、企業家精神培育［12］等維度提供了多種政策選擇方案，但均在一定程度上忽視了數據要素市場建設的關鍵性作用。本研究從推動數據要素市場建設的視角出發，為進一步釋放數據要素價值以推動企業數字技術創新、促進數字新質生產力形成提供了政策參考。第三，厘清了數據要素市場化配置對企業數字技術創新的影響機理和內外部邊界條件，從推動企業數據要素應用、降低企業交易成本和糾正傳統要素配置扭曲的角度評估了數據要素市場建設促進企業數字技術創新的作用機制，并分析了上述影響的異質性，從而深化了對數據要素市場建設政策效應實現條件的認識。

圖2"數據要素市場化配置效率與地區數字技術創新活動間的散點關系圖

［資料來源：地區數據要素市場化配置效率來自喬晗和李卓倫（2022）對我國30個省（自治區、直轄市）數據要素市場化

配置效率的測算結果；各地區數字專利申請量及被引用量來自CNRDS數據庫，并經作者手工整理得到。］

二、理論分析

（一）推動企業數據要素應用

數據要素既是數字時代的新產物，也是支撐數字經濟發展的重要驅動力。特別地，在企業數字創新生態系統的構建中，數據要素更是發揮著不可替代的作用。首先，數據要素應用能夠引導企業數字創新方向，通過利用數據要素，企業能夠精準描繪消費者深層次、個性化需求，從而降低企業所面臨外部需求的不確定性［13］，引導企業優化技術創新模式、調整企業數字技術創新方向；其次，數據要素應用能夠助力企業識別數字創新機會，創新機會是創新活動的起點，數據要素中所蘊含的消費、生產等市場信息有助于企業更迅速地捕捉到潛在供、需缺口，從而識別出產品更新迭代和商業模式變革中的數字創新機會；最后，數據要素應用有助于豐富企業數字創新資源，與傳統創新模式不同，數字技術創新更加依賴于對不同領域專有知識的集成式開發［14］，數據要素市場廣泛匯聚起行業知識經驗、技術特征、市場信息等專有知識并加以有效融合，從而幫助企業跨越傳統組織邊界的限制，拓寬其知識范圍、降低互補性知識的獲取成本，從而推動企業數字技術創新質量的持續提升。

作為保障數據要素優化配置的制度基礎，統一開放、競爭有序的數據要素市場能夠促成數據要素的共建、共享及其交易機制的實現，從而推動企業數據要素獲取成本降低和使用效率提升。具體如下：其一，數據要素市場建設能夠降低企業數據要素的獲取成本。作為一種生產要素，數據要素所擁有的價值不僅在于量的累積，還在于其開放利用價值，只有通過一定的市場交易，才能完成其潛在價值的實現。數據要素市場建設通過制定統一的數據標準和交易規則，突破“數據壁壘”和“信息鴻溝”，降低了企業間以及企業與其他市場主體間的數據交易成本，為企業提供了更多的數據獲取渠道，提升了企業的外部數據資源獲取能力，從而極大促進了數據要素的流通和共享。其二，數據要素市場建設能夠提升企業數據要素的利用效率。不同于資本、勞動等生產要素，數據要素的應用需要依賴于特定的應用場景，數據要素與場景需求間的融合不足已成為制約企業數據要素利用效率提升的關鍵因素［15］。作為數據要素市場化配置的重要制度性基礎設施，數據交易平臺能夠發揮重要的生態建構者作用，已成為世界各國探索數據場景匹配（Context-Data-Match，CDM）機制和生態建設的重要實踐載體。CDM機制匯聚起政府、企業、用戶等在內的多元數據要素市場主體、打造數據要素資源聚集高地，使得企業能夠瞄準特定交易場景下的個性化需求，更加靈活地選擇適合自身需求的數據產品和服務，提高數據要素使用的靈活性和效率［15］。

（二）降低企業交易成本

不同于傳統技術創新活動，數字技術創新具有更為明顯的研發投入高、迭代速度快、不確定性程度高等特征，這使得企業在開展數字技術創新活動中需要面臨更為高昂的“創新失敗成本”，甚至使企業陷入“不敢創新”“不愿創新”的困境之中。更為重要的是，數字創新過程所涉及的技術信息具有較低的復制成本，極易被反向工程和功能重建［16］，特別是在信息不對稱的市場環境下，開展數字技術創新的企業極容易受到一系列潛在機會主義行為的威脅，如非法模仿或竊取創新企業的核心技術、侵犯商業秘密、信息泄露、惡意隱瞞關鍵數據、不履行約定義務等［17］，這都會降低企業開展數字創新活動的潛在收益，制約其數字創新意愿的提升。

在此背景下，數據要素市場建設能夠有效緩解企業所面臨的“創新失敗風險”和潛在機會主義行為威脅，降低數字技術創新活動中的內外部交易成本。其一，數據要素市場建設能夠有效分攤企業研發成本，數據要素市場建設能夠推動不同市場主體以數據要素為載體，實現知識、技術上的交流與合作，幫助創新企業更加全面準確地掌握數字技術創新活動的信息，如技術更迭變化、市場應用前景、前沿發展趨勢等，從而有效分攤企業獨立開展數字技術研發的成本，緩解企業所面臨的創新失敗風險。其二，數據要素市場建設能夠降低企業外部交易成本。近年來，我國數據要素市場逐漸建立數據隱私保護制度和數據安全審查制度，極大地強化了對數據要素擁有者的權益保護，這有助于確保數據交易安全性，降低創新企業遭受機會主義行為侵害，從而帶來數字創新溢出損失的可能性。隨著創新企業的數字知識產權和數字技術信息得到保護，企業將重新形成對數字創新潛在收益的積極預期，從而更有動力在數字創新項目上開展投資［17］。其三，數據要素市場建設能夠降低企業內部交易成本。通過推動企業內部流程再造，數據要素資源的整合能夠解決企業數字技術研發過程中信息部門化、碎片化和信息不對稱的問題［3］，使得業務流程（包括生產、銷售、財務、人事和決策等）趨于簡潔化、緊湊化［18］，這有助于提高企業管理效率，進而實現企業數字技術創新效率提升。

（三）糾正傳統要素配置扭曲

已有研究指出，生產要素配置扭曲不僅會抑制生產率提升［19］，還會進一步導致創新資源的非效率配置，從而阻礙創新活動的開展［20］。作為一種“橋梁型”生產要素，數據要素只有與其他傳統生產要素實現協同配合，才能釋放其經濟價值。不僅如此，在數字經濟時代下，數據要素通過與勞動和資本等傳統要素間實現迭代組合，從而對傳統要素投入比例以及資源配置方式產生深刻影響。基于此，本文認為，數據要素的市場化配置能夠有效糾正傳統生產要素的配置扭轉狀況，從而提升企業創新資源的配置效率，促進企業數字技術創新活動的開展。

一方面，數據要素市場建設能夠糾正資本要素配置扭曲。其一，數據要素市場建設能夠提升市場透明度，優化市場競爭環境。數據要素市場建設有助于規范政府部門的信息公開行為［21］，這有助于約束政府對資本配置的直接干預和對低效率企業的行政保護，從而加速低效率企業的市場出清，從而釋放出被低效率企業所占據的資本要素。其二，數據要素市場建設還能夠優化企業的資本配置決策。具體來說，通過數據要素的開放和共享，企業可以更便捷地獲取有關信貸資源供給狀況、市場需求變化等方面的信息，隨著上述數據信息得到更為充分的挖掘和利用，企業將傾向于采用數據驅動的決策模式，這有助于幫助企業制定更加科學合理的資本配置策略，從而優化企業資本配置效率，緩解資本要素配置扭曲狀況。

另一方面，數據要素市場建設能夠糾正勞動要素配置扭曲。具體而言，數據要素市場建設能夠改善勞動力市場的信息條件和搜尋、匹配效率，提升個人就業信息獲取能力，減少勞動力信息摩擦所帶來的就業職位時空錯位［22］。事實上，勞動力市場信息摩擦作為一種“扭曲稅”不僅會限制勞動力供給規模，還會成為企業招工過程所付出的額外成本，這將使企業面臨更高的勞動要素使用價格［23］，從而降低均衡的就業水平。因此，數據要素市場建設通過提供靈活多樣的崗位和就業信息，克服勞動力市場信息摩擦，有助于降低由勞動力錯配所帶來的額外效率損失。

三、數據來源、變量定義與模型設定

（一）數據來源

本文實證研究所用樣本主要涵蓋2008—2022年滬深A股共計3921家上市公司，以各地區建立數據交易平臺為自然實驗，識別數據要素市場建設對企業數字技術創新數量和質量的因果影響。根據中國信息通信研究院發布的《大數據白皮書（2021）》中披露的各城市數據交易平臺的詳細信息，手工整理得到各城市數據交易平臺的具體設立時間。企業數字專利申請相關數據來自CNRDS數據庫、上市公司財務數據主要來自國泰安數據庫（CSMAR）。城市層面的失信被執行人數據主要來自“全國法院被執行人信息查詢”平臺，我們通過網絡爬蟲方式從該平臺獲得了失信人被執行人的全量信息，并依據執行法院信息判斷失信被執行人所在地區。城市層面知識產權保護強度數據主要來自北大法寶司法案例庫中的各地知識產權審判案件信息。此外，本文還利用自然語言處理技術對上市公司年報進行文本分析，并提取相應信息作為企業數據要素使用程度的度量指標。

為增強數據的可靠性和代表性，我們對初始樣本進行如下預處理：第一，刪除了樣本期間內財務狀況異常的企業，例如ST類企業；第二，剔除關鍵變量數據缺失較多的樣本。經過上述處理后，我們一共得到36891個“企業-年份”層面的觀測值。

（二）變量定義

1被解釋變量：數字創新數量（DigitPat_Num）和數字創新質量（DigitPat_Qua）

數字創新數量：現有文獻大多采用企業專利申請來刻畫企業的技術創新活動，與一般性的技術創新活動不同，企業數字技術創新涉及更為具體的數字經濟領域的技術開發與應用，因此需要對企業專利申請的詳細文本信息進行細致識別方能加以度量。本文借鑒黃勃等（2023）［6］的做法，使用經文本信息提取后的上市公司各年度內的數字專利申請數量（取對數）作為企業數字技術創新數量的衡量指標。

數字創新質量：專利的被引用量是反映某項專利經濟價值和影響力的重要依據，企業所擁有專利的被引用量越多，則企業自身的整體創新質量也相對更高。事實上，已有研究也廣泛采用專利被引次數來度量創業質量［24］。據此，本文利用企業所申請的每項數字專利自申請日起3年內的被引用次數來刻畫數字專利質量水平，在此基礎上，根據每項數字專利的申請年份在“企業-年份”層面進行分類匯總，從而得到企業當年申請數字專利的總被引用次數（取對數），并以此作為企業數字技術創新質量的衡量指標。

2核心解釋變量：數據要素市場建設（DTM）

對于數據要素市場建設（DTM），本文基于數據交易平臺建設這一近年來我國數據要素市場建設的關鍵政策舉措的事實，參考戴魁早等（2023）［8］的做法，將各地區數據交易平臺的設立作為一項數據要素市場建設水平提升的外生政策沖擊。據此，構建政策處理變量（DTM）若企業所在地當年設立或已經設立數據要素交易平臺，則DTM取值為１，反之則為0。

3控制變量：

參考以往研究的做法，引入如下控制變量：（1）企業規模（LnSizei，t），采用企業當年總資產的對數值來衡量；（2）企業年齡的對數（LnAgei，t）；（3）杠桿率（Levi，t），以企業總資產比總負債予以衡量；（4）企業資本密集度（Capitali，t）以固定資產凈值占總資產的比重度量；（5）企業成長能力（Growthi，t）以企業營業收入增長率進行刻畫；（6）股權集中度（Top1it），通過企業當年第一大股東持股占比作為代理變量。主要變量的描述性統計如表1所示。

（三）模型設定

本文將2014年以來各地區數據交易平臺的分批設立視為數據要素市場建設水平變化的一場“自然實驗”，采用交錯雙重差分方法研究了數據要素市場建設對企業數字創新“數量”和“質量”的影響。構建如下基準計量模型以識別數據要素市場建設影響企業數字創新活動的因果效應，具體如式（1）所示：

DigitPat_Numi，t（DigitPat_Quai，t）=α0+α1·DTMi，t+γXi，t+μi+λt+εit"（1）

其中，下標i表示企業，下標t表示年份；被解釋變量DigitPat_Numi，t和DigitPat_Quai，t分別表示企業數字創新“數量”和數字創新“質量”，本文分別使用企業當年數字專利申請量和被引用量對其進行衡量；DTMi，t為政策處理變量，若企業i所在地區于年度t設立了數據交易平臺，則DTMi，t=1，否則DTMi，t=0；Xi，t表示由控制變量組成的向量集合，具體包括如下公司特征變量：企業規模（LnSizei，t）、企業年齡（LnAgei，t）、企業杠桿率（Levi，t）、企業資本密集度（Capitali，t）和企業成長能力（Growthi，t）；μi和λt表示企業固定效應和年份固定效應，分別控制不隨時間而變的企業個體不可觀測因素以及不隨企業個體變化的宏觀趨勢性因素對本文檢驗系數可能造成的偏差；εi，t為隨機擾動項；α1是本文關心的模型核心參數，反映了數據要素市場建設對企業數字創新“數量”和“質量”影響的因果效應。此外，本文對系數的標準誤在城市層面進行了聚類穩健處理。

四、實證結果分析

（一）基準回歸

表2展示了以數據交易平臺設立來度量的數據要素市場建設對企業數字創新數量和質量的影響。表2列（1）和列（2）的被解釋變量為企業數字創新數量，以企業數字專利申請量（取對數）作為度量指標，表2列（3）和列（4）的被解釋變量為企業數字創新質量，以企業數字專利被引用量（取對數）作為度量指標。其中，表2列（1）和列（3）列示了不加入控制變量，只保留企業效應、年份以及行業-年份聯合固定效應的結果，列（2）和列（4）則同時包含了控制變量和固定效應。回歸結果顯示，在列（1）—列（4）中，DTM的系數估計值均在5%的水平下顯著為正，這表明，數據要素市場建設不僅能夠促進企業數字創新數量提升，還能帶動企業改進數字創新質量，推動數字技術創新“量”“質”齊升。對于估計系數的經濟意義，以表2列（2）和列（4）的結果為例，在列（2）和列（4）中，DTM的系數估計值分別為00261和00222，這表明數據要素市場建設能夠促進企業數字專利申請量和數字專利被引用量分別提升261%和222%，考慮到因變量DigitPat_Num和DigitPat_Qua的樣本均值分別為05188和03719，這說明由數據交易平臺設立來度量的數據要素市場建設水平提升能夠分別解釋企業數字創新數量和數字創新質量均值水平的503%（=00261/0519）和601%（=00222/0372），經濟意義顯著性較為明顯。

（二）穩健性檢驗

1事前平行趨勢檢驗

為了驗證設立數據交易平臺地區內的企業與未設立數據交易平臺地區內的企業在政策實施前后的潛在結果具有相同的變化趨勢。本文進行了事前平行趨勢檢驗，這也是雙重差分方法所依賴的識別假設得以成立的重要前提。具體來說，本文采用事件研究法進行平行趨勢檢驗，以考察隨時間而變的政策影響，回歸模型設定如下：

DigitPat_Numi，t（DigitPat_Quai，t）=+∑4k=-4τk·Dkit+γXi，t+μi+λt+εit"（2）

結合樣本數量和時間跨度，本文將研究的窗口期取為政策沖擊發生前4年至政策沖擊發生后4年。Dki，t（k=-4，-3，…，4）是一系列用來指示政策發生前后的虛擬變量，下標i和t表示城市和年份，而上標k則代表單個虛擬變量標記，具體定義為：假設企業i開始受政策影響的年份為T，如果k=t-T，Dki，t取1，對于k≠t-T，Dki，t取0。其余變量含義及固定效應設定方式與基準回歸模型保持一致。本文對公式（2）進行回歸，在此基礎上繪制了Dki，t（k=-4，-3，…，4）的系數估計值及其95%水平的上、下置信區間，具體如圖3所示。

圖3"事件研究法結果

圖3展示了事件研究法（公式（2））的結果。其中，圖3左圖被解釋變量為企業數字創新數量、圖3右圖被解釋變量為企業數字創新質量。如圖3所示，在數據交易平臺設立前1年之前（基準線左邊），系數均不顯著，表明處理組和對照組的企業在數據交易平臺設立之前，在數字創新數量和數字創新質量上沒有呈現顯著差異。事前變量的系數顯著性也驗證了雙重差分法的事前平行趨勢假設的成立性。此外，在數據交易平臺設立當年及之后（即基準線右邊），系數均為正，并從第一期開始系數顯著異于0，說明數據交易平臺設立后處理組企業的數字創新數量和數字創新質量有了明顯的提升，且政策效應呈現一定的持續性。

2安慰劑檢驗

上文使用事件研究法對沖擊發生前平行趨勢的存在性進行了評估，但依然可能存在著其他未被觀測到且隨時間而變化的變量對本文的因果關系識別造成干擾。對此，本文采用安慰劑檢驗的方法對這一遺漏變量問題進行探討。

（1）隨機化政策實施時間的安慰劑檢驗。該做法的思路是采用虛構政策時間進行回歸，本文將地區設立數據交易平臺的年份統一提前1年、2年和3年，并將樣本限制在各地區設立數據交易平臺之前的時間段。結果顯示在假定政策時點提前1期、2期和3期后，處理組企業數字創新數量和質量表現均未出現顯著的上升"限于篇幅，檢驗結果未作報告，如有需要可向作者索取。。

（2）隨機化處理組樣本的安慰劑檢驗。該做法的思路是將處理組中所在地區設立了數據交易平臺的原處理組企業視為新的控制組；并在原控制組中選取與原處理組樣本數相同的企業作為新的處理組，并且保持新處理組樣本中企業的接受處理時間、批次與原處理組一致。在此基礎上，本文重新估計基準回歸模型（公式（1）），并重復運行300次，系數估計值的核密度圖如圖4所示。結果顯示，隨機化后的DID項系數集中分布于0附近，且隨機系數大多位于真實估計值的左側，表明數據要素市場建設對企業數字創新數量和質量的影響不是由于常規性的隨機因素導致的。（3）排除同期其他混淆因素的干擾。考慮到2014年以來數據交易平臺設立的政策效應極易受到同時間段發生的其他政策沖擊的干擾，這可能混淆本文想要著重識別的政策效應。據此，本文還引入了數字基礎設施建設、數字經濟政策和大數據綜合試驗區這三類可能影響企業數字技術創新行為且又易與數據交易平臺設立相混淆的代表性政策沖擊。結果顯示，在控制住上述三類政策的影響后，核心自變量系數大小和顯著性并未發生劇烈變化，這強化了本文核心結論的穩健性"限于篇幅，檢驗結果未作報告，如有需要可向作者索取。。

（4）其他穩健性檢驗。我們還進行了其他穩健性檢驗，其一，更換被解釋變量測度：對因變量進行反雙曲正弦變換；其二，改變樣本容量：將樣本中的直轄市城市剔除后重新進行回歸；其三，變更聚類方式：將估計系數的標準誤在省份層面進行聚類；其四，更換固定效應設定：進一步添加省份與時間趨勢的交互項后重新進行回歸。采用上述方式檢驗后，基準回歸結論依然成立"限于篇幅，檢驗結果未作報告，如有需要可向作者索取。。

（三）作用機制檢驗

1"推動企業數據要素應用機制

本部分主要檢驗數據要素市場建設是否會通過提升企業數據要素應用水平進而影響企業數字創新“數量”和企業數字創新“質量”。本文借鑒馬淑琴等（2024）［13］的做法，利用文本分析方法來刻畫企業的數據要素應用程度。具體而言，我們首先根據中國信息通信研究院對數據要素的定義，從數據資源、數據應用過程、數字技術、數字業務支撐系統等四個維度出發，篩選出20個與企業數據要素應用相關的關鍵詞；其次，抓取企業年報中出現的上述數據要素關鍵詞，最終構建企業數據要素應用總頻數（DTM_Apl）以及四個維度各自的分項詞頻數。

圖4"隨機生成處理組樣本的安慰劑檢驗圖

表3列（1）—列（5）分別匯報了以企業數據要素應用的總頻數（DTM_Apl）、數據資源維度詞頻數（DTM_Apl1）、數據應用過程維度詞頻數（DTM_Apl2）、數字技術維度詞頻數（DTM_Apl3）和數字業務支撐系統維度詞頻數（DTM_Apl4）作為因變量的回歸結果，結果顯示，核心變量（DTM）的系數均顯著為正，這表明數據要素市場建設水平提升能夠促進企業提升數據要素應用水平。基于此，本文理論分析部分所探討的“數據要素市場建設-企業數據要素應用水平提升-企業數字創新數量和質量提升”這一機制，能夠在經驗層面獲得實證支持。

2降低企業交易成本機制

本部分主要檢驗數據要素市場建設是否會通過降低交易成本來影響企業數字技術創新行為，并促進企業數字創新“數量”和“質量”的同步提升。考慮到數據交易平臺建設所帶來的數據要素市場化配置水平提升能夠促進各類信息的有效傳遞，這有助于企業更準確地評估交易對象的價值和潛在風險，減少因信息不對稱導致的交易成本。因此，數據要素市場化配置所引致的交易成本的下降能夠降低企業的各類非生產性支出，減少各類非生產性支出對企業數字創新資源的擠占，從而促進企業提升數字創新“數量”并改進數字創新“質量”。"本文使用企業管理費用、銷售費用和財務費用（均取自然對數）來度量企業所面臨的各類交易成本。表4列（1）—列（3）分別匯報了以企業管理費用（LnGLFY）、銷售費用（LnYSFY）和財務費用（LnCWFY）作為企業交易成本代理變量的回歸結果，結果顯示，核心變量（DTM）的系數均顯著為負，這表明數據要素市場建設水平提升能夠顯著降低企業所面臨的交易成本。因而本文理論分析部分所探討的“數據要素市場建設-企業交易成本降低-企業數字創新數量和質量提升”這一機制能夠在經驗層面獲得實證支持。

3糾正傳統要素配置扭曲機制

在數字經濟背景下，數據要素作為一種新興生產要素，不僅能夠發揮與資本、勞動等要素間的協同效應，還能夠對傳統要素投入比例及配置方式產生深刻影響。數據要素市場建設能夠推動數據要素資源整合，激發數據要素的組合功能，改善傳統要素配置結構和使用效率，緩解企業所面臨的生產要素市場扭曲狀況，從而為企業數字技術創新意愿的提升注入動力。為了檢驗上述機制，本文遵循Bau和Matray（2023）［25］所采用的框架，實證檢驗數據要素市場建設是否對事前面臨不同要素扭曲程度（具有不同的要素邊際收益產品）企業的生產要素配置產生差異化的影響。

首先，估計出企業資本和勞動投入的邊際收益產品（MRPK、MRPL），具體如下：

MRPK=RevenueitKit=αKjRevenueitKit（3）

MRPL=RevenueitLit=αLjRevenueitLit"（4）

其中，Revenueit、Kit和Lit分別為企業i在第t年的營業收入、固定資產投入和勞動力投入，因此，當每個行業中企業的資本產出彈性αKj與勞動產出彈性αLj均相等時，RevenueitKit和RevenueitLit提供了企業資本和勞動邊際收益產品（MRPK、MRPL）的近似度量。

其次，我們測算出政策實施前（2008—2013年）企業的事前平均MRPK和事前平均MRPL水平，并定義指示變量IHighMRPKi（IHighMRPLi），若某企業的事前平均MRPK（MRPL）高于所在兩位數行業的中位數水平則賦值為1，否則賦值為0。

最后，構建下列計量模型：

Outcomei，t=β0DTMi，t+β1DTMi，t×IHighMRPKi（IHighMRPLi）+γXi，t+μi+λt+εit（5）

其中i表示企業，t表示年份，因變量Outcomeijt由企業當年的資本投入（lnK）、勞動力投入（lnL）和企業當年的要素邊際收益產品（lnMRPK、lnMRPL）所組成。核心變量DTM與基準回歸保持一致，IHighMRPKi和IHighMRPLi為分組變量。Xit為企業層面控制變量。系數β1衡量了數據要素市場建設對面臨不同要素扭曲程度（企業要素邊際收益產品事前平均水平不同）企業的生產要素配置所產生的差異化影響。

表5列（1）—列（4）匯報了數據要素市場建設對企業傳統要素配置效率影響的估計結果。列（1）和列（3）結果顯示，政策變量與指示變量的交互項（DTM×IHighMRPK和DTM×High_MRPL）系數顯著為正，這表明數據要素市場建設，使得那些事前高MRPK（MRPL）的企業相較于事前低MRPK（MRPL）的企業，物質資本投入提高了819%，勞動投入提高了1164%。在列（2）和列（4）中，我們將因變量更換為企業當年資本和勞動邊際收益產品的對數值（lnMRPK"、lnMRPL），結果顯示，相較于事前低MRPK（MRPL）企業，數據要素市場建設使得那些事前高MRPK（MRPL）的企業的資本與勞動邊際收益產品在政策實施后分別下降了1227%和2236%，這一結果也與高MRPK（MRPL）企業在政策實施后要素投入擴張的事實相吻合。

上述結果表明，數據要素市場建設能夠使事前具有更高生產效率的企業物質資本投資更多，勞動投入更多，從而生產規模擴張也更快，這間接證明了數據要素市場建設能夠改善企業傳統要素配置效率，糾正生產要素在低效率企業的過度配置，從而為企業數字技術創新效率的提升創造先決條件。

（四）異質性分析

1基于地區特征的異質性分析

（1）公共數據開放程度的異質性。相對而言，政府部門所擁有的公共數據資源數量龐大、種類豐富，能夠在商業決策過程中釋放出極大的潛在價值。隨著數據要素市場化配置程度的提升，地方政府所開放的公共數據資源能夠通過數據交易平臺被更多企業所非競爭性地共享使用［26］，從而促進數字技術的傳播與擴散，這將為企業數字技術創新活動提供高質量的數據要素支持。本文根據《中國地方政府數據開放報告（2022）》中各城市政府公共數據開放水平綜合指數的得分，構建地方公共數據開放水平變量（Gj），并通過交互項DTM×Gj檢驗數據要素市場建設在不同公共數據開放程度下的政策效應。表6列（1）和列（4）顯示，交互項DTM×Gj系數均顯著為正，這表明較高的公共數據開放程度能夠強化數據要素市場建設在促進企業數字技術創新活動的開展。

（2）知識產權保護水平的異質性。數據要素資源的高效流通不僅依賴于規范的數據交易平臺，還必須建立在一定的數據知識產權保護制度的基礎之上。只有運轉有效的知識產權保護機制下，各類市場主體參與數據要素交易的積極性才能得以激發，數據要素的潛在創新價值才能得到更為充分的發揮。本文從北大法寶司法案例庫收集了全部知識產權審判案件信息，利用各城市人民法院對知識產權審判案件結案數來度量城市層面知識產權保護強度IPPct，并通過交互項DTM×IPP以檢驗數據要素市場建設在不同知識產權保護強度下的政策效應。表6列（2）和列（5）結果顯示，交互項DTM×IPP系數均顯著為正，這意味著，隨著地區知識產權保護程度的提升，數據要素市場建設在促進企業數字技術創新活動上的作用變得更為明顯。

（3）社會信用環境的異質性。數據市場涉及數據要素的流通和交易過程，而良好的社會信用環境則是數據要素市場得以良好運行的關鍵保障。特別地，如果出現交易方的失信行為，數據主體的權益將可能受到極大侵害，從而制約數據要素交易范圍的進一步擴大和延伸，最終不利于數字技術創新活動。本文利用城市失信被執行人（自然人）數量占城市年末總人口比重的倒數構建社會信用環境建設水平指標Honest，并通過交互項DTM×Honest檢驗數據要素市場建設在不同社會信用環境建設水平下的政策效應。表6列（3）和列（6）結果顯示，交互項DTM×Honest系數均顯著為正，這表明在具有較高地區社會信用環境建設水平的地區，數據要素市場建設能夠發揮出更強的數字技術創新促進效應。

2基于行業與企業特征的異質性分析

（1）行業頭部企業示范帶動作用的異質性。在現實中，企業的數字技術創新活動呈現較為明顯的行業同群效應或縱向傳導效應。特別地，在數字經濟時代，頭部企業作為行業技術的引領者以及行業格局的主導者，能夠通過“技術溢出”效應影響行業內其他追隨企業的技術創新行為。借鑒Adhikari和Agrawal（2018）［27］的做法，將行業頭部企業定義為二位數行業內主營業務收入排名前30%的企業，并構造行業頭部企業數字創新水平變量（Driv），具體通過二位數行業中每年主營業務收入排名前30%的企業數字專利申請量的均值計算得到。本文通過納入交互項DTM×Driv以檢驗數據要素市場建設在具有不同頭部企業帶動能力的行業中所具有的差異性影響。表7列（1）和列（4）結果顯示，交互項DTM×Driv系數均顯著為正，這說明，當行業頭部企業的數字創新示范帶動作用更強時，數據要素市場建設對企業數字技術創新活動的激勵作用也相對更強。

（2）不同行業技術更迭速度下數據要素市場建設的政策效應。行業技術的快速更迭能夠促使企業依據市場信號變化和同行業競爭對手的技術進展主動調整自身技術進步方向，搶占前沿數字技術創新高地。借鑒Agrawal等（2019）［28］的做法，將電氣機械及器材制造業、計算機、通信和其他電子設備制造業和儀器儀表制造業歸類為具有較快技術更迭速度的行業，在此基礎上構建行業技術更迭速度指標（Tech），若企業屬于上述行業，則該指標賦值為1，否則為0。本文通過交互項DTM×Tech以檢驗數據要素市場建設對具有不同技術更迭速度行業內企業的差異性影響。表7列（2）和列（5）的結果顯示，交互項DTM×Tech系數均顯著為正，這說明，在技術更迭速度更快的行業中，數據要素市場建設對企業數字技術創新的促進效應相對更為明顯。

（3）不同企業規模下數據要素市場建設的政策效應。考慮到不同規模企業對數據要素的獲取和利用能力可能存在較大差異，因而數據要素市場建設的數字創新驅動效應也可能呈現一定差異。參考國家統計局《統計上大中小微型企業劃分辦法（2017）》中對大型企業的界定，構建大型企業分組變量（Scale），若企業當年營業收入大于4億元，則將分組變量（Scale）設為1，否則設為0。本文通過交互項DTM×Scale以檢驗數據要素市場建設對不同規模企業的差異性影響。表7列（3）和列（6）的結果顯示，交互項DTM×Scale系數均顯著為正，這說明，數據要素市場建設對企業數字創新“數量”和“質量”的促進效應在大型企業中相對更強。原因可能在于，大型企業的潛在用戶數量相對較多，且對于市場需求和消費者偏好的識別更為精準，對潛在數據要素的使用能力也更加充分，因此數據要素市場建設的政策激勵也更強。

（五）經濟后果分析

前文研究發現，數據要素市場建設能夠促進企業數字技術創新“數量”“質量”同步提升，助力數字新質生產力的加快培育。那么，隨之而來的一個重要問題亟須回答，那就是數據要素市場建設在提高企業數字技術創新能力的基礎上，是否能夠真正幫助企業實現經營績效的提升？對這一問題的回答將有助于我們更加全面深入地認識和理解，推動數據要素市場建設以培育數字新質生產力的現實意義。因此，本部分將從企業經營績效的角度出發，嘗試考察數據要素市場建設所帶來的進一步經濟后果。本文使用總資產凈利率（ROA）和凈資產收益率（ROE）作為企業經營績效的度量指標，表8列（1）—列（4）顯示，核心變量DTM系數均顯著為正，這說明，數據要素市場化配置在促進企業數字技術創新“數量”“質量”同步提升的基礎上，能夠進一步改善企業經營業績，從而塑造企業未來競爭優勢。

五、結論與政策建議

基于2008—2022"年滬深A股上市公司面板數據，利用數據要素交易平臺設立這一準實驗場景，實證檢驗了數據要素市場建設如何影響企業數字技術創新“數量”和“質量”，助力數字新質生產力形成。主要結論如下：（1）數據要素市場建設能夠顯著促進企業數字技術創新“數量”和“質量”同步提升，從經濟意義上看，本文發現，數據要素市場建設能夠促進企業數字專利申請量和數字專利被引用量提升；（2）理論分析和機制檢驗均表明，數據要素市場建設能夠通過推動企業數據要素應用、降低企業交易成本和糾正傳統要素配置扭曲的機制，從而促進企業數字技術創新“數量”“質量”同步提升；（3）異質性分析發現，政策效果在具有公共數據開放水平更高、知識產權保護力度更強和社會信用環境更完善的地區以及技術更迭速度更快、頭部企業帶動引領作用更強的行業中表現得更為明顯；（4）經濟后果分析還發現，數據要素市場建設在促進數字技術創新活動的基礎上，還顯著改善了企業經營績效，從而幫助企業塑造未來競爭優勢。

根據研究結論，本文提出如下政策建議：

第一，對標高標準市場體系建設要求，以數據交易平臺建設為抓手，加快推進數據要素市場化改革，引導數據要素資源實現高效流通、規范交易。一方面，要優化數據流通交易模式，完善數據要素價格發現和價格形成機制，以市場價格為信號，激勵市場主體主動進行數據共享、深入挖掘數據要素內在價值，為數字技術創新活動提供豐富的應用場景和創新思路；另一方面，還應當培育專業性的數據要素市場參與主體，通過引入第三方專業機構探索數據信托模式，激活數據主體參與數據流通的活力，拓展數據要素的價值空間，使之能夠與具體應用場景深度融合，更好發揮數據要素在支撐企業數字技術創新活動上的獨特作用。

第二，因地制宜分類施策，積極探索差異化的數據要素市場政策保障機制。就不同區域而言，各地區應當結合自身特色資源和稟賦優勢，從公共數據開放、知識產權保護、社會信用環境建設等不同角度入手，持續優化數據要素市場發展的外部環境，不斷降低企業數據要素應用過程中的各類交易成本；就不同企業和特定行業而言，應當結合不同行業的數據要素特性和行業所處的技術更迭階段，制定有針對性的政策標準和政策體系，貫通不同行業領域內的數據要素交易市場，同時要發揮好行業頭部企業在推動數據要素流通和促進數字技術發展中的關鍵引領作用。

第三，注重保障數據要素市場公平競爭，治理潛在的數據要素市場失靈問題。其一，要繼續推進數據立法和數據確權工作，構建多元化的數據產權體系，通過產權在個人、企業等相關主體間的協調分配，實現數據要素充分使用、數據主體權益保障和數據安全維護這三大目標間的平衡與統一；其二，審慎處理和科學評估數據壟斷等市場失靈問題，既要著力制止和預防壟斷所帶來的經濟效率和社會福利損失，又要避免挫傷企業數字技術創新動力；其三，要強化數據要素交易監管機制，不斷完善數據要素交易規則制定，加強數據要素監管執法，堅決打擊非法模仿或竊取創新企業的核心技術、泄露或惡意隱瞞關鍵數據的數據交易違法行為，切實維護數據要素的交易安全和使用安全。

參考文獻：

［1］"任保平.生產力現代化轉型形成新質生產力的邏輯［J］．"經濟研究，2024，59（3）：12-19.

［2］"謝康，夏正豪，肖靜華.大數據成為現實生產要素的企業實現機制：產品創新視角［J］．"中國工業經濟，2020（5）：42-60.

［3］"戴魁早，王思曼，黃姿.數據要素市場發展與生產率提升［J］．"經濟管理，2023，45（6）：22-43.

［4］"蔡躍洲，馬文君.數據要素對高質量發展影響與數據流動制約［J］．"數量經濟技術經濟研究，2021，38（3）：64-83.

［5］"李三希，李嘉琦，劉小魯.數據要素市場高質量發展的內涵特征與推進路徑［J］．"改革，2023（5）：29-40.

［6］"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.

［7］"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，2024，41（8）：5-25.

［8］"戴魁早，王思曼，黃姿.數據交易平臺建設如何影響企業全要素生產率［J］．"經濟學動態，2023（12）：58-75.

［9］"陳寒鈺，趙紫鳳，劉超.數據要素市場建設促進了產業數字化發展嗎——基于數據交易平臺的準自然實驗［J］．"宏觀經濟研究，2024（1）：61-74.

［10］楊鵬，劉航，張柳欽，等.稅收激勵與企業數字技術創新——來自固定資產加速折舊政策的經驗證據［J］．"財政研究，2023（9）：86-102.

［11］韓先鋒，肖堅，董明放.創新驅動、產權保護與數字技術創新“量質齊升”——基于多重政策組合新視角［J］．"產業經濟研究，2024（1）：29-41+128.

［12］金環，蔣鵬程.企業家精神的數字創新激勵效應——基于數字專利視角［J］．"經濟管理，2024，46（3）：22-39.

［13］馬淑琴，徐苗，張陳宇.數據要素應用與企業創新效應——來自中國A股上市公司的經驗證據［J］．"商業經濟與管理，2024（2）：50-67.

［14］Tumbas，"S.，"Berente，"N.，"Brocke，"J.V."Digital"Innovation"and"Institutional"Entrepreneurship：Chief"Digital"Officer"Perspectives"of"Their"Emerging"Role［J］．"Journal"ofnbsp;Information"Technology，"2018，33（3）："188-202.

［15］尹西明，陳勁，王冠.場景驅動：面向新質生產力的數據要素市場化配置新機制［J］．"社會科學輯刊，2024（3）：178-188."

［16］Boudreau"K"J，"Jeppesen"L"B，"Miric"M."Profiting"from"Digital"Innovation："Patents，Copyright"and"Performance［J］．"Research"Policy，"2022，51（5）："104477.

［17］鄭攀攀，莊子銀.知識產權司法保護專門化與企業數字創新［J］．"系統工程理論與實踐，2024，44（5）：1501-1521.

［18］Baesens，"B.，"Bapna，"R.，"Marsden，"J."R.，"et"al."Transformational"Issues"of"Big"Data"and"Analytics"in"Networked"Business［J］．"MIS"quarterly，"2016，40（4）："807-818.

［19］Hsieh"C"T，"Klenow"P"J."Misallocation"and"Manufacturing"TFP"in"China"and"India［J］．"The"Quarterly"Journal"of"Economics，"2009，124（4）："1403-1448.

［20］戴魁早，劉友金.要素市場扭曲與創新效率——對中國高技術產業發展的經驗分析［J］．"經濟研究，2016，51（7）：72-86.

［21］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.

［22］Yu，"L.，"Ma，"T.，"Wu，"S.，"et"al."How"Does"Broadband"Internet"Affect"Firm-level"Labor"Misallocation："The"Role"of"Information"Frictions［J］．"China"Economic"Review，"2023，"82："102067.

［23］喻理，柏培文，王海蘊，等.從窄帶到寬帶：信息摩擦與初次分配［J］．"世界經濟，2023，46（9）：82-107.

［24］寇宗來，劉學悅.中國企業的專利行為：特征事實以及來自創新政策的影響［J］．"經濟研究，2020，55（3）：83-99.

［25］Bau"N，"Matray"A."Misallocation"and"Capital"Market"Integration："Evidence"from"India［J］．"Econometrica，"2023，91（1）："67-106.

［26］Jones"C"I，"Tonetti"C."Nonrivalry"and"The"Economics"of"Data［J］．"American"Economic"Review，2020，110（9）："2819-2858.

［27］Adhikari"B"K，"Agrawal"A."Peer"Influence"on"Payout"Policies［J］．"Journal"of"Corporate"Finance，2018，48："615-637.

［28］Agrawal"A，"Gans"J"S，"Goldfarb"A."Exploring"the"Impact"of"Artificial"Intelligence："Prediction"versus"Judgment［J］．"Information"Economics"and"Policy，"2019，47："1-6.

The"Construction"of"Data"Element"Market"Enables"Digital"New"Quality"Productivity

——"Based"on"the"Perspective"of""“Quantity”"and"“Quality”Improvement"of"Enterprise"

Digital"Technology"Innovation

JIANG"Chengtao1，"YING"Jiangbin2，"MA"Ruiguang3

（1"School"of"Economics，"Renmin"University"of"China，"Beijing"100872，"China;"

2"Northwest"Land"and"Resource"Research"Center，"Shannxi"Normal"University，"Xi’an"710119，"China;

3"Western"China"Economic"Development"Research"Center，"Northwest"University，"Xi’an"710069，"China）

Abstract："Digital"new"quality"productivity"is"productivity"driven"by"digital"technology"innovation."Creating"a"high-standard"data"factor"market"system"and"promoting"the"market-oriented"allocation"of"data"factors"can"provide"rich"application"scenarios"and"innovative"ideas"for"digital"technology"innovation"activities，"so"as"to"promote"the"formation"of"digital"new"quality"productivity."Based"on"the"panel"data"of"A-share"listed"companies"in"Shanghai"and"Shenzhen"from"2008"to"2022，"we"utilize"the"quasi-experimental"scenario"of"setting"up"a"data"factor"trading"platform"to"empirically"test"how"the"construction"of"the"data"factor"market"affects"the"“quantity”"and"“quality”"of"enterprises’"digital"technological"innovation."The"study"finds"that"the"construction"of"data"factor"market"can"promote"the"number"of"digital"patent"applications"and"the"number"of"citations"of"digital"patents"by"enterprises."The"mechanism"test"proves"that"the"construction"of"data"factor"market"promotes"enterprises’"digital"technology"innovation"through"the"mechanism"of"promoting"enterprises’"data"factor"application，"reducing"enterprises’"transaction"costs"and"correcting"the"distortion"of"traditional"factor"allocation."Heterogeneity"analysis"finds"that"the"policy"effect"is"more"obvious"in"regions"with"higher"levels"of"public"data"openness，"stronger"intellectual"property"protection"and"better"social"credit"environment，"as"well"as"in"industries"with"faster"technological"iteration"and"stronger"leading"role"of"head"enterprises."The"analysis"of"economic"consequences"also"found"that"the"construction"of"data"factor"markets"can"significantly"improve"the"business"performance"of"enterprises"on"the"basis"of"promoting"digital"technology"innovation"activities，"thus"helping"enterprises"to"shape"their"competitive"advantages"in"the"future.

Key"words：data"factor"market"construction；digital"technology"innovation；digital"new"quality"productivity"

（責任編輯：趙春江）