數據要素市場化與企業新質生產力：基于全要素生產率視角

摘 要：新質生產力以數據為關鍵要素，以全要素生產率大幅提升為核心標志；數據要素市場化配置對釋放數據要素價值，進而提升企業全要素生產率和新質生產力具有重要作用。文章基于各地政府陸續設立數據交易平臺的政策背景，在理論分析的基礎上，采用漸進雙重差分模型探究了數據要素市場化對企業全要素生產率的影響。研究發現，地方政府在設立數據交易平臺后，企業的全要素生產率實現了顯著提升，并且這種提升效應呈現邊際遞增特征。機制檢驗結果表明，數據要素市場化主要通過促進企業數字化轉型、緩解企業融資約束以及降低企業各項成本等渠道影響企業全要素生產率。進一步研究發現，數據要素市場化更有利于非國有企業、高技術企業以及成長期企業的全要素生產率提升；城市的人才集聚水平、科技財政支出以及產權制度將對數據要素市場化的生產率提升效應產生重要影響。研究結論為企業加快培育新質生產力和政府深入推進數據要素市場化改革提供了經驗證據和政策參考。

關鍵詞：數據要素市場化；全要素生產率；新質生產力；交易成本；數字化轉型

作者簡介：鄭國強，吉林大學東北亞研究中心副教授（長春 130012）

基金項目：國家社科基金青年項目“數據要素市場化配置的效應評估與政策優化研究”（23CJL021）；中國博士后科學基金第73批面上資助項目“數據要素市場化配置的成效評估及路徑優化研究”（2023M731298）

DOI編碼： 10.19667/j.cnki.cn23-1070/c.2024.06.009

引言

作為數字經濟時代的核心引擎，數據要素被正式納入生產要素范疇，逐漸成為中國經濟發展動能轉換和效率提升的基礎性和戰略性資源。國家工信安全中心的數據顯示，中國數據要素的市場規模已從2016年的62億元增長至2021年的815億元，預計“十四五”期間復合增速將超過25%，但數據要素的交易流通和產業價值實現水平相對較低，數據要素市場整體呈現“供給旺盛、流通不足、價值遠未實現”的特征。中國政府將數據要素市場作為建設全國統一大市場的重點領域，數據要素市場培育的相關戰略布局不斷深化和落地。在政策的頂層設計上，2022年，國務院先后出臺了《要素市場化配置綜合改革試點總體方案》和《關于構建數據基礎制度更好發揮數據要素作用的意見》，從數據要素的流通和監管、數據交易場所的開發利用、數據要素的交易服務生態以及數據跨境流通機制構建等角度提出數據要素市場化的具體要求。在政策的實施落地上，2023年，國務院通過深化機構改革組建國家數據局，專門負責協調推進數據基礎制度建設和統籌數據資源整合共享和開發利用。由此可見，如何通過數據要素市場化釋放數據要素價值，進而促進新質生產力發展已成為全面推進中國式現代化進程中的重要議題。

企業是數據要素的創造者和利用者，也是培育發展新質生產力的實踐主體。埃森哲公司發布的《2023中國企業數字化轉型指數》顯示，中國有46%的受訪企業表示未來將在人工智能和自動化等數字化領域追加投資，以提高企業的未來競爭力。數據作為數字時代企業的關鍵生產要素，在降本提質和全要素生產率提升等方面發揮了重要作用。2024年1月，習近平總書記在中共中央政治局第十一次集體學習時強調，新質生產力以全要素生產率大幅提升為核心標志。2024年7月，中共中央頒布的《關于進一步全面深化改革、推進中國式現代化的決定》進一步提出，要發展以高技術、高效能、高質量為特征的生產力。馬克思主義生產力學說認為，發展新質生產力的關鍵在于“質”的變革，其體現為通過生產力要素稟賦和組合方式的變革以實現全要素生產率提升。①數字經濟時代，通過數據要素推動的企業全要素生產率提升與新質生產力的高技術、高效能和高質量特征相契合，是新質生產力發展的具體體現。②企業通過發揮數據這一新型要素的滲透效應和倍增效應，可以實現勞動力和生產資料的數智化以及生產方式和要素配置方式的革新，在提升全要素生產率的同時也推動企業形成新的勞動力、勞動工具與勞動對象，實現了生產力的“量與質”同步提升。③基于此，從生產率角度分析數據要素與企業新質生產力的關系具有合理性。

數據要素的強流動性特征意味著數據要素的市場化配置是其價值釋放的關鍵所在，而數據交易是數據要素市場化配置的重要形式之一，只有通過交易和流通才能釋放數據要素的賦能作用。④政府主導型數據交易平臺為數據要素的市場化配置奠定了關鍵性的制度和技術基礎，是市場主體進行數據交易的重要方式。⑤既有文獻對數據交易平臺設立的效果評價進行了初步探索：從宏觀區域經濟角度，劉滿鳳等實證考察了數據要素市場化對城市數字經濟發展的影響，認為數據交易平臺的設立促進了城市數字經濟的發展，但也加劇了地區間的數字鴻溝。⑥陳婷等認為，數據要素市場化會通過提升數字金融水平、優化產業結構以及促進人才集聚等渠道促進城市創新能力的提升。⑦任保平等認為數據要素通過市場化配置參與到社會再生產全過程中來，在促進各類資源要素流動配置、暢通國內國際經濟循環方面發揮著不可替代的重要作用。⑧從微觀消費者福利角度，Bergemann和Bonatti認為，以公司形式呈現的數據交易平臺能夠幫助企業利用大數據更好地實行價格歧視，進而會造成消費者剩余和社會總福利的損失。①Ichihash構建的數據要素市場化模型同樣說明，數據交易平臺的設立可能導致數據的集中和壟斷，進而使得消費者從數據要素市場中獲得的福利不斷減少。②從微觀企業發展角度，鄭國強等的研究發現，數據交易平臺的設立會通過風險承擔效應、融資約束效應以及環境信息披露效應提升企業的綠色創新水平。③戴魁早等基于制造業企業樣本實證考察了數據交易平臺對企業全要素生產率的影響，并從內部交易成本、外部創新效率和生產效率角度進行了機制探討。④上述文獻為評估數據要素市場化的政策效果和經濟效應提供了重要啟發，但相關內容仍有拓展空間，較少有文獻從全要素生產率視角探究數據要素市場化對企業新質生產力的影響和內在機制。

本文的邊際貢獻可能在于以下幾個方面：首先，在研究視角上，以各地陸續設立的數據交易平臺作為數據要素市場化的準自然實驗，基于全要素生產率視角分析了數據要素市場化對企業新質生產力的影響，為準確評估數據要素市場化的建設成效和企業新質生產力的培育提供了新維度；其次，在研究方法上，運用漸進式雙重差分模型、分位數模型、PSM-DID模型以及交互項模型等多種穩健性方法，不僅較好地解決了數據要素市場化與企業全要素生產率之間的內生性，還較為全面地分析了二者關系的異質性；最后，在研究內容上，本文不僅從賦能效應、滲透效應以及協同效應角度分析了數據要素市場化對企業全要素生產率的直接影響效應，還從數字化轉型、融資約束以及成本節約角度探究了間接影響路徑，剖析了數據要素市場化影響企業全要素生產率的內在邏輯，豐富了數據要素市場化和企業全要素生產率的相關研究內容。

一、研究背景與理論假設

（一）研究背景

隨著數據要素被正式納入生產要素范疇，數據要素的市場化配置也上升至國家戰略層面。為了有序引導數據的流通和交易，激發數據要素市場的活力，各地政府加速布局數據交易平臺建設，并將數據交易平臺作為推動數據要素市場化的關鍵舉措。2014年，中國首個數據交易平臺——中關村數海大數據交易平臺正式啟動，隨后各地的數據交易平臺建設掀起熱潮。信息通信研究院發布的《數據要素白皮書（2022年）》顯示，截至2022年底，中國各地已先后成立如貴陽大數據交易所、上海數據交易中心、華中大數據交易平臺等近50家數據交易機構，范圍覆蓋北京、上海、廣東、陜西、貴陽、吉林等中東西部眾多省市。

事實上，除政府主導建立的數據交易平臺外，企業主導的各類數據交易平臺也紛紛涌現。但相比較于政府主導型數據交易平臺，企業主導型數據交易平臺往往是為搶抓政策紅利而建立的，在資金投入、專業技術以及服務質量等方面良莠不齊，難以為市場提供長期的專業數據服務。⑤政府主導型數據交易平臺則具有更強的影響力和公信力，承擔著規范數據交易行為、組織數據交易活動、引導數據交易流通等方面的重要職責，在推進數據要素市場化方面發揮了更為重要的作用。從政府主導型數據平臺建設效果來看，雖然在建設初期部分地區數據交易平臺呈現粗放式交易模式，實質性業務開展較少，但隨著建設經驗的豐富以及各項政策的不斷推進，數據交易平臺在擴大交易規模和完善交易制度上的作用日益突顯。①例如，上海數據交易所統計數據顯示，2022年該數據交易平臺的數據產品交易額已超過1億元，預計2023年場內交易額有望達到10億元。綜上所述，雖然在當前數據交易平臺的建設過程中仍面臨諸多問題和困難，但作為數據要素市場化配置改革的關鍵舉措，設立數據交易平臺這一行為本身反映了政府對推動數據要素市場化的高度重視和前瞻布局。數據交易平臺圍繞數據要素的交易、流通和開發利用，不斷推動數據要素市場規則建設和服務創新，是數據要素市場化的主要載體和實現形式，將數據交易平臺設立作為數據要素市場化的準自然實驗在理論上具有較強的可行性。②

（二）理論假設

1. 數據要素市場化對企業全要素生產率的直接影響

首先，數據要素市場化可以強化數據要素的賦能效應，推動企業全要素生產率提升。數據要素市場化為信息的加速傳播和海量數據的分析處理提供了可能，企業利用數字技術對產品、地點、時間和交易等多維數據進行清洗、分析、整理、加工，進而可得出最優生產方案，引導生產技術向數字化、智能化等前沿領域轉變，最終實現全要素生產率的提升。③其次，數據要素市場化可以強化數據要素的滲透效應，改善傳統生產要素的質量和效率，促進新質生產力發展。企業通過數據交易平臺可以獲得相對透明的要素資源信息，利用大數據實時調整和優化要素配置決策，引導傳統要素向產品附加值較高的領域集中，有效發揮數據要素對勞動、資本、知識、管理和技術等生產要素的放大、疊加和倍增作用，有助于企業全要素生產率的提升。④最后，數據要素市場化可以強化數據要素的協同效應，提高企業的分工與協作效率。企業借助數據平臺和數字技術可以打破傳統生產界限，不僅可以在上下游產業鏈之間，還可以在跨行業企業之間建立數字化協作模式，促進企業間高效的數據共享和創新合作，實現企業間要素資源的精準對接和協同利用，從而為企業的全要素生產率提升創造條件。基于此，本文提出如下假設：

假設1：數據要素市場化可以通過強化數據要素的賦能效應、滲透效應以及協同效應，進而直接提升企業的全要素生產率。

2. 數據要素市場化對企業全要素生產率的間接作用機制

如前文所述，高技術、高效能和高質量是數字經濟時代全要素生產率和新質生產力的主要特征。從高技術角度，人工智能、大數據、云計算等數字科技是引領未來的創新驅動力，數據要素市場化可以有效促進企業數字技術應用和數字化轉型，進而實現全要素生產率的提升；⑤從高效能角度，信息不對稱是影響市場效能和企業生產效率的重要因素，數據要素市場化可以促進信息的溢出，打破要素市場尤其是金融市場的信息不對稱，進而緩解企業的融資約束，提升企業全要素生產率；⑥從高質量角度，數據要素的低成本、大規模和易得性特征使得數據要素天然具有高質量屬性，數據要素市場化可以進一步提升要素的配置效率并降低企業各項成本，促進企業全要素生產率提升。⑦基于此，本文主要從數字化轉型、信息不對稱與融資約束、成本降低等維度進行間接機制分析。

第一，數據要素市場化通過驅動企業數字化轉型，為企業全要素生產率提升提供高技術支撐。首先，數據要素市場化為企業數字化轉型提供了高質量的數據供給。數據交易平臺的設立可以打破各地區各層級間的數據分割和數據壟斷，促進數據要素在企業間的互通和共享，提升企業可獲得數據的規模性和多樣性，為企業數字化轉型提供基礎要素。其次，數據要素市場化推動了企業數字技術的應用與創新。數據被認為是企業革新產品創新方式和運營模式，獲取市場競爭優勢的關鍵要素。數據交易平臺提供的高容量、高準確性、高多樣性的數據能夠幫助企業對市場、客戶、環境和業務信息產生更清晰的洞察能力和開發能力，使企業具備適應大數據環境的創新能力。①另外，數據要素市場化有助于企業創新性信息獲取渠道的多元化，促使企業優化人力資本結構，增加產學研和自主型創新投入，加強數字技術供給端的創新，從而促進企業數字化轉型和全要素生產率的提升。②最后，數據要素市場化將通過“學習效應”和“同群效應”，引致企業通過數字化轉型提升全要素生產率。數據要素市場化加速了創新知識和信息的傳播，有助于企業獲取市場中關于數字產品或數字技術創新的最新成果，在對前沿技術的學習吸收過程中實現轉型升級和全要素生產率提升。③同時，數據要素市場化為企業間的學習和交流提供了暢通渠道，合作伙伴或競爭對手通過數字化轉型戰略提升了資源整合能力和生產效率的成功案例會對企業的認知和決策產生沖擊，“同群效應”態勢下企業會主動學習吸收同群內其他企業的數字化轉型實踐經驗，進而促進自身全要素生產率的提升。④

第二，數據要素市場化可以打破市場多元主體之間因信息不對稱而造成的融資壁壘，提高資本要素的配置效率，為企業提升全要素生產率給予高效的資金保障。首先，數據要素市場化能緩解“金融機構—企業”間的信息不對稱，降低金融機構的搜尋成本和風險識別成本，進而提升企業的融資可得性。企業向數據交易平臺提供數據查詢授權后，金融機構通過數據交易平臺可以一站式查閱企業財務狀況、生產軌跡以及信用等級等多維度數據，提升金融機構信貸決策和信貸匹配的效率，有助于企業融資約束的緩解。其次，數據要素市場化能緩解“金融機構—長尾客戶”間的信息不對稱，幫助金融機構更廣泛吸納市場中的金融資源并轉化為企業全要素生產率提升的資金供給。長尾理論認為數量龐大的長尾客戶是金融市場供給側的重要力量，但由于長尾客戶具有“多、小、低、散”特征，傳統金融機構需要付出高昂成本才能將其吸納。⑤數據要素市場化可以為金融機構提升服務覆蓋率和觸達能力提供數據支撐，有助于金融機構運用大數據下沉客戶群體，撬動以小微客群為代表的長尾客戶利基市場，進而將長尾客戶手中龐大的閑置資金轉換為企業信貸需求的有效資金供給。⑥最后，數據要素市場化能緩解“投資機構—企業”間的信息不對稱，幫助企業引入天使投資、風險投資及戰略投資等社會資金，有效拓展企業融資渠道。數據要素市場化提升了企業的信息透明度，能夠有效防范企業管理層的數據操縱行為，倒逼企業提升信息披露質量，準確將自身的經營狀況和核心競爭力傳遞給投資機構，從而提高投資機構的出資意愿，紓解企業的融資壓力。⑦

第三，數據要素市場化可以降低企業的生產成本、外部交易成本以及內部管控成本，實現企業的降本增效和高質量發展。首先，數據要素市場化可以實現企業生產成本的優化。從生產投入角度，數據要素市場化可以幫助企業實時掌握生產各環節所需資源的價格和配置情況，進而通過生產要素的結構優化和配置效率提升來規避生產過程中的資源浪費；①從生產模式角度，數據要素市場化為企業提供了更加系統全面的生產數據，有助于企業通過數據分析和信息加工驅動生產模式由單一性、批量化向精細化、柔性化轉換，從而實現生產時間縮短、生產質量提升以及生產消耗減少；②從生產決策角度，數據要素市場化可以使企業更精確地了解市場需求變化，幫助企業動態調整生產決策并降低庫存成本。其次，數據要素市場化加速了不同企業在產品質量、生產能力、資信水平等方面的信息流動與擴散，進而降低了企業交易的搜尋成本。同時，數據要素市場化帶來的信息透明化不僅可以使企業實時掌控交易對象的契約履行情況，還提高了交易對象違約后的聲譽損失風險，進而降低了企業的契約監督成本。最后，數據要素市場化降低了企業的內部管控成本。數據要素市場化推動企業管理模式由“工業化”向“數字化”變革，企業通過數據分析、智能排程以及進度監控等方式推動采購管理、庫存管理、產品質量管理、生產過程管理、客戶關系管理等流程的透明化與可控化，③進而降低了企業的內部管控成本，為企業全要素生產率的提升提供了更多資金空間?；诖?，本文提出如下假設：

假設2：數據要素市場化可以通過數字化轉型效應、融資約束效應以及成本節約效應等渠道間接影響企業全要素生產率。

二、研究設計

（一）模型設定

考慮到各城市數據交易平臺的設立時間存在先后差異，即各地區數據要素市場化是漸進開展的，首先，本文采用漸進雙重差分模型進行分析。相比較于一般雙重差分模型，漸進雙重差分模型允許處理效果在時間上逐漸顯現，并且考慮了時間動態特征，可以更好地評估政策的實際效果。具體模式設定如下：

Tfpict = α0 + α1 Dmarkct + βj Xict + γt + μc + τd + εit （1）

其中，Tfpict 表示t年c城市i企業的全要素生產率，核心解釋變量Dmarkct 是數據交易平臺成立前后的年份虛擬變量和是否成立的城市虛擬變量乘積，Xict 代表可能影響企業全要素生產率的控制變量集，γ、t μc、τd 表示時間、地區和行業固定效應，εit 表示擾動項。

其次，為刻畫不同企業生產效率條件下數據要素市場化影響效應的動態軌跡，運用分位數回歸模型進行回歸：

Quantπ（Tfpict ）=θ0 + θ1 Dmarkct + ρj Xict + γt + μc + τd + εit （2）

Quantπ （Tfpict ）代表π 分位點的企業全要素生產率，θ1 代表數據要素市場化的邊際效應。

最后，參考江艇提出的方法，④采用兩步法對內在機制進行檢驗。即先驗證機制變量對被解釋變量的影響路徑（W→Y），再驗證核心解釋變量對機制變量的影響路徑（X→W）。模型設定如下：

Tfpict = φ0 + φ1Wict + ρj Xict + γt + μc + τd + εit （3）

Wict = δ0 + δ1 Dmarkct + ?j Xict + γt + μc + τd + εit （4）

其中，Wict 為機制變量，其他變量內涵與前文一致。

（二）變量選取與說明

1. 被解釋變量。本文被解釋變量為企業全要素生產率（Tfp）。采用OP方法對企業的全要素生產率進行測度，同時采用LP方法和GMM方法進行穩健性檢驗。在OP方法估計中，借鑒張龍鵬等研究，狀態變量為企業資本存量和企業年齡，代理變量為企業投資，自由變量為企業員工人數，控制變量為企業所有制屬性和出口狀況虛擬變量。①

2. 解釋變量。根據各城市是否設立數據交易平臺的年份變量和城市變量乘積構建數據要素市場化指標（Dmark）。若該企業所在城市設立了數據交易平臺，則城市變量為1，否則為0。數據交易平臺設立前年份變量為1，設立后為0。

3. 控制變量。本文的控制變量包括如下：（1）企業規模（Size）：企業資產總額取對數得到。企業規模是影響全要素生產率的重要因素，大企業往往具有較強的融資能力、創新能力和組織適應能力，因而可能具有更高的全要素生產率。（2）企業年齡（Age）：當年企業成立時間取對數得到。不同經營時長的企業在管理經驗、技術知識以及品牌價值方面可能存在差異，進而對全要素生產率產生影響。（3）企業利潤率（Roa）：凈利潤與資產總額的比重衡量。企業較高的利潤率有利于增強市場地位并激勵內部勞動力的積極性，進而促進全要素生產率的提升。（4）企業資產負債率（Lev）：以期末負債總額與資產總額的比重衡量。較高的負債會增加財務風險并影響企業穩定性，進而可能對生產率的增長產生不利影響。（5）CEO信息技術背景（Ceot）：企業CEO是否有信息技術背景賦值為1或0。數字經濟時代，擁有信息技術的管理者可能會更加關注新型的數字技術，積極進行數字化轉型，進而推動企業生產率增長。（6）企業兩職合一（Dual）：董事長與總經理是否為同一人賦值為1或0。企業兩職合一有利于企業各項決策的貫徹執行，進而可能增強企業的競爭力和生產率。

4. 機制變量。本文的機制變量包括如下：（1）企業成本（Cost），借鑒鄭國強的做法，用企業在財務、銷售以及管理方面的費用占比衡量；②（2）企業融資約束（Kz），借鑒李建軍和韓珣的做法，通過構造KZ指數測度企業的融資約束；③（3）企業數字化轉型（Digit），借鑒吳非等的做法，從人工智能、區塊鏈、云計算、大數據等維度構建數字化轉型詞頻庫，以企業年報中有關數字化轉型的特征詞出現次數的對數衡量。④

（三）數據來源與描述性統計

本文樣本為2011—2021年中國A股非金融行業和非ST類別的上市公司。企業生產經營數據來源于國泰安數據庫，企業年報數據來源于企業上市公司官網，數據交易平臺數據來源于《大數據白皮書2021》以及各城市網站。描述性統計結果見下頁表1。

三、實證結果及分析

（一）基準回歸

表2匯報了基于漸進雙重差分模型的估計結果。第（1）列至第（4）列報告的是遞進式納入控制變量后的影響效應。由結果可知，Dmark 的回歸系數在1%水平上顯著為正，說明數據要素市場化具有顯著的生產率促進效應。如前文所述，數據要素市場化可以強化數據要素的賦能效應、滲透效應和協同效應，促進企業生產技術向數智化轉型升級，改善企業傳統生產要素投入的質量和效率，提升企業的分工與協作效率，進而有助于提升企業全要素生產率。

（二）動態特征分析

基準回歸僅檢驗了數據要素市場化對企業全要素生產率的平均邊際影響，為了進一步分析不同企業生產率條件下數據要素市場化邊際效應的動態變化特征，本文借助分位數回歸模型，通過選取典型分位點進行估計分析。從表3回歸結果中可以看出，在不同分位點，數據要素市場化的回歸系數始終顯著為正，但系數呈不斷增加趨勢。

為了更全面地刻畫數據要素市場化邊際效應的動態軌跡，進一步計算所有分位點下數據要素市場化的邊際效應。由圖1可見，隨著企業生產效率的逐步提高，數據要素市場化的提升效果呈邊際遞增趨勢。

（三）平行趨勢檢驗

漸進DID模型需要滿足平行趨勢假設，本文在動態效應框架下識別數據要素平臺設立前4期和后7期的企業全要素生產率變化趨勢，具體模型設定如下：

Tfpict = υ0 + ρkΣk = -47DT kct + γt + μc + τd + εit （5）

其中，DT 變量表示數據交易平臺設立的相對時間，ρk 的系數值和顯著性反映了不同時期，所在城市設立數據交易平臺的企業和所在城市未設立數據交易平臺的企業在全要素生產率變化上的差異。本文以-4期作為基期，由圖2平行趨勢檢驗可見，ρk 系數在數據交易平臺設立前均不顯著，說明城市設立數據交易平臺的企業和所在城市未設立數據交易平臺的企業在全要素生產率變化方面不存在差異，模型的平行趨勢得以滿足。

（四）穩健性檢驗

1.PSM-DID 檢驗。為緩解不同企業在全要素生產率水平上可能存在的系統性差異，本文通過PSM-DID方法開展穩健性檢驗。采用核匹配法通過Logit模型進行傾向得分匹配。由圖3和圖4結果可知，模型通過了共同支撐檢驗和平衡性檢驗。由圖5和圖6的核密度圖可以發現，匹配后的對照組和處理組的變化趨勢更加擬合。在此處理基礎上，對匹配樣本進行漸進DID重新估計。如表4第（1）列結果所示，Dmark 的估計系數依然顯著為正，說明在控制樣本選擇偏誤后，數據交易平臺的建設依然能有效提升企業全要素生產率。

2.政策預期效應檢驗。漸進DID模型要求對照組和處理組企業不會因預期效應而提前采取行動，即數據交易平臺的設立對企業來說是外生的而不是預知的。本文在模型中進一步納入預期虛擬變量BDmark 以驗證政策的外生性。如果該地區一年后設立數據交易平臺，則BDmark 賦值為1，否則賦值為0。由表4第（2）列結果可知，預期虛擬變量的估計系數并不顯著，說明企業對所在城市是否設立數據交易平臺不存在預期。

3.政策排他性檢驗。在樣本期間內，國家出臺的“寬帶中國”政策作為推動數字基礎設施完善的重要沖擊，可能對企業全要素生產率產生影響。本文進一步將該政策的虛擬變量Net 納入模型，結果如表4第（3）列所示。從中可知，在排除其他政策干擾后，本文研究結論依然穩健。

4.替換被解釋變量。本文進一步采用LP法和GMM法對被解釋變量進行重新測度。表4第（4）列和第（5）列的回歸結果顯示，在替換被解釋變量的測度指標后，Dmark 的估計系數方向和顯著性未發生實質性改變，結論依然穩健。

5.篩選樣本。根據平臺官網追蹤發現，部分數據交易平臺長期處于業務停滯狀態，數據交易量較小，本文將該類樣本刪除。同時，參照以往研究，對直轄市樣本進行剔除。由表4第（6）列可知，在進行樣本篩選后，Dmark 的估計系數仍顯著為正，結論的穩健性再次被證明。

6.工具變量法。借鑒史丹和孫光林的研究，選擇地區歷史人均信函件數作為數據要素市場化的工具變量。①歷史郵政發展程度較高的地區，互聯網和大數據等現代通訊模式發展也可能較為迅速，進而會對數據要素市場發展產生影響。由表4中第（7）列和第（8）列結果可知，工具變量的選取具有合理性，Dmark 的估計系數仍顯著為正，結論與前文一致。

（五）影響機制分析

根據前文理論分析，數據要素市場化可以通過促進企業數字化轉型、緩解企業融資約束以及降低企業各項成本等渠道促進全要素生產率的提升。本文接下來對間接機制進行實證考察，通過將機制變量分別對全要素生產率回歸，進而將Dmark 變量分別對機制變量進行回歸，從而形成作用渠道的完整鏈條（結果如表5所示）。

1.數字化轉型效應。第（1）列結果顯示，機制變量數字化轉型（Digit）的估計系數顯著為正，說明數字化轉型是企業實現生產率提升的重要方式。第（2）列結果顯示，Dmark 的估計系數顯著為正，說明數據要素市場化可以推動企業發展戰略向數字化方向發展，利用數字技術實現全要素生產率的提升。如前文所述，數據要素市場化提升了企業可獲數據的規模性和多樣性，幫助企業獲取關于數字產品或數字技術創新的前沿成果，進而為企業全要素生產率的提升奠定技術基礎。

2.融資約束效應。第（3）列結果顯示，機制變量融資約束（Kz）的估計系數顯著為負，說明融資約束是制約企業生產率提升的重要因素。第（4）列結果顯示，Dmark 的估計系數顯著為負，說明數據要素市場化能夠促進數據和信息的共享與交互，緩解“金融機構—企業”之間、“金融機構—長尾客戶”之間以及“投資機構—企業”之間的信息不對稱，打破市場多元信貸主體之間的融資壁壘，緩解企業的融資約束，為企業提升全要素生產率給予資金保障。

3.成本節約效應。第（5）列結果顯示，機制變量成本（Cost）的估計系數顯著為負，說明成本的增加會制約企業生產率的提升。第（6）列結果顯示，Dmark 的估計系數顯著為負，說明數據要素市場化具有明顯的成本節約效應，數據要素市場化可以通過降低成本進而提升企業的全要素生產率。如前文所述，數據要素市場化不僅可以從生產投入、生產模式以及生產決策等維度實現企業的生產成本優化，還可以通過賦能信息的透明化和管理的數字化，幫助企業降低外部交易成本以及內部管控成本，為企業提升全要素生產率提供更多資金空間。

（六）企業異質性檢驗

1.企業產權異質性。本文根據企業是否為國有企業，將產權屬性虛擬變量（State）分別取值為1和0，并將產權屬性與數據要素市場化的交互項納入模型。表6第（1）列報告的是納入數據要素市場化與產權屬性交互項后的異質性檢驗結果。從中可知，Dmark 的估計系數顯著為正，而交互項的估計系數則顯著為負，說明相比較于國有企業，數據要素市場化對非國有企業的生產率提升具有更大作用。作為市場經濟和公共部門的融合體，國有企業在數據資源獲取和數字技術應用方面享受更多的專項資金支持政策，數據交易平臺的設立對國有企業全要素生產率的提升的邊際影響相對較小。非國有企業的數據和資本等要素的獲取則更依賴于市場，數據要素的市場化配置為非國有企業提供了發展機遇，激勵其利用數據要素實現全要素生產率提升。

2.企業技術類別異質性。本文根據企業是否為高技術企業，將技術類別虛擬變量分別取值為1和0，并將技術類別變量（Enter）與Dmark 的交互項納入模型?？梢钥闯?，Dmark 和交互項的估計系數均顯著為正，說明數據要素市場化對高技術企業全要素生產率的提升作用更強。高技術企業作為數字技術的引領者，在數據安全治理、數據資產管理到數據應用等方面積累了豐富的實踐經驗，從數據要素市場化中的收益也更多。

3.企業生命周期異質性。本文根據企業是否處于成長期，將成長期企業取值為0，非成長期企業（包含成熟期和衰退期）取值為1，并將生命周期變量（Cycle）與Dmark 的交互項納入模型?？梢园l現，Dmark 的估計系數顯著為負，而交互項的估計系數則顯著為正，說明數據要素市場化更能提升成長期企業的全要素生產率?？赡艿脑蛟谟冢幱诔砷L期的企業具有融資性配給不足、資金分配對象受限、技術研發方向模糊等特征。①數據要素市場化通過提供多元化的融資渠道緩解了成長期企業的資金壓力，通過提供海量的市場信息幫助成長期企業甄別投資方向和技術研發方向，進而有助于其全要素生產率的提升。相對而言，處于非成長期的企業具有較強的增量資源獲取能力，對市場需求和行業前景具有更明晰的經驗認知，數據要素市場化對其全要素生產率提升的邊際影響可能相對較弱。

（七）區域異質性檢驗

1.人才集聚異質性。本文用信息傳輸行業、計算機服務和軟件行業的從業人數占比衡量區域人才集聚水平，并將人才集聚變量（Talen）與Dmark 的交互項納入模型?？梢园l現，交互項的估計系數顯著為正，說明人才集聚水平越高的城市，數據要素市場化的生產率提升作用越明顯。數字經濟時代，數據要素的管理與分析、數字技術的應用與創新都必須依靠數字化專業人才，各地區通過提供優惠政策、優化人才服務、打造良好創新生態環境等方式吸引和培養數字化人才，進而使得數據要素的作用可以更好發揮。

2.政府支持異質性。本文用科技財政支出占GDP比重衡量政府對科技和數字化發展的支持，并將科技支持變量（Tech）與Dmark 的交互項納入模型。從中可知，交互項的估計系數顯著為正，說明政府在數據要素市場化的生產率增長效應中發揮了重要作用。政府對科技和數字技術的引導與支持可以推動經濟發展模式從要素驅動向創新驅動轉變。在此背景下，越是能夠利用數據要素和數字技術進行創新的企業越有機會獲得政府的財政支持，從而更有機會實現全要素生產率的提升。

3.產權保護異質性。本文用各地區機關報紙中涉及產權保護的文章數目衡量區域產權保護水平，并將產權保護變量（Prope）與Dmark 的交互項納入模型?？梢钥闯?，交互項的估計系數顯著為正，這意味著產權保護制度的完善有利于數據要素市場化的生產效率促進效應的發揮。產權制度的完善是實現數據要素市場化配置的重要保障，完善的產權制度可以促進數據要素的充分利用，使企業的數字化創新成果得以保護，有效促進創新人才和創新資本的流入，為數據要素價值的釋放以及企業全要素生產率提升創造條件。

四、結論及政策建議

數據已成為數字經濟時代企業新質生產力發展的關鍵要素。本文基于中國數據要素市場化改革的制度背景，從全要素生產率視角理論分析并實證考察了數據要素市場化對企業新質生產力的影響，得到主要結論如下：第一，數據交易平臺建設顯著驅動了地區數據要素的市場化配置，有效推動了企業全要素生產率的提升；第二，隨著企業生產率的提升，數據要素市場化對全要素生產率的促進作用呈現邊際遞增特征；第三，數據要素市場化可以有效驅動企業數字化轉型，進而為企業生產率提升提供高技術供給。同時，數據要素市場化還會通過融資約束緩解和成本節約效應促進企業全要素生產率提升；第四，企業異質性檢驗表明，相比較于國有企業、傳統企業以及非成長期企業，數據要素市場化對非國有企業、高新技術企業以及成長期企業全要素生產率的促進效應更為明顯；第五，區域異質性檢驗表明，地區的人才集聚水平、科技支持力度以及產權保護程度越高，數據要素市場化對企業全要素生產率的促進效應越強。

基于上述結論，為實現數字經濟時代企業的高質量發展，本文提出如下建議：首先，各級政府應高度重視數據要素對企業全要素生產率的驅動作用，以深化數據要素市場化為抓手助推企業新質生產力發展。通過設立互聯互通的數據交易平臺，完善數據要素流通和交易制度，打造合理的數據交易生態體系，充分發揮數據要素在企業降本增效、紓困融資以及數字化轉型等方面的優勢；其次，應構建政府和各類企業多方協同的數據要素市場化配置機制和模式，根據不同行業的特點制定差異化的導向政策。國有企業應該加快推進數字化轉型，在數字化競爭中贏得主動，利用數據要素和大數據技術實現提質增效；傳統企業和非成長期企業應以數據要素市場化改革為契機，加快培育新質生產力并發展新動能；最后，政府應高效統籌人才政策與科技政策的協同配合，優化布局面向前沿數字技術的人才培育政策，完善科技專項資金支持政策，為充分釋放數據要素價值和培育企業新質生產力提供有力支撐；加強數據產權保護制度的頂層設計，明晰各方在數據使用中的權利邊界和底線，夯實數據交易平臺有序運行的制度基石。

［責任編輯 求實］