數據要素市場建設提升新質生產力研究

Doi：10.11835/j.issn.1008-5831.jg.2024.09.004

歡迎按以下格式引用：李曉龍，魏啟帆.數據要素市場建設提升新質生產力研究——基于城市數據交易平臺設立的準自然實驗［J］.重慶大學學報（社會科學版），2024（6）：72-87.Doi：10.11835/j.issn.1008-5831.jg.2024.09.004.

Citation Format： LI Xiaolong， WEI Qifan.Research on the construction of data element market improving new quality productivity： Quasi-natural experiment based on urban data trading platform［J］.Journal of Chongqing University （Social Science Edition），2024（6）：72-87.Doi：10.11835/j.issn.1008-5831.jg.2024.09.004.

摘要：

隨著“百年未有之大變局”的加速演進，新一輪科技革命和產業變革對人類社會生產方式的影響逐漸凸顯，為順應時代浪潮、把握歷史機遇，各國正竭力尋求新的生產力模式。著眼于此，新質生產力概念的提出恰逢其時，大力發展新質生產力可為中國塑造發展新優勢、應對外部環境沖擊提供重要戰略支點。而數據要素市場建設作為要素市場化配置改革的重點內容和關鍵部署，將為鑄造新質生產力帶來嶄新動力。文章借助數據交易平臺試點這一準自然實驗，選取中國2011年至2021年277個地級城市的樣本數據，以科技生產力、綠色生產力和數字生產力為基礎維度構建新質生產力評價指標體系，并運用多期雙重差分法驗證了數據要素市場建設對新質生產力的影響及作用機制。研究發現：數據要素市場建設顯著促進了新質生產力提升，且該結論在采用平行趨勢檢驗、安慰劑檢驗等一系列穩健性檢驗后仍然成立；數據要素市場建設對新質生產力的提升作用可以通過促進人力資本積累、推動產業結構升級和提高經濟集聚程度這三個機制實現；對于東部城市和市場化程度較高的城市來說，數據要素市場建設的影響更顯著；數據要素市場建設的政策效應具有顯著的空間溢出特點，即試點城市建立數據要素市場可促進鄰近城市新質生產力提升。基于上述研究結論，文章提出了加快推進數據要素市場建設、促進人力資本積累、加速經濟集聚、推動地方產業向高附加值領域升級、制定特色化發展戰略等政策建議。文章的創新主要體現在：將數據交易平臺試點政策視為準自然實驗，把研究視角下沉至地級城市層面，以更加細微的尺度分析數據要素市場建設對新質生產力的影響效應，不僅補充了數據要素市場建設的經濟后果相關研究，亦豐富了孕育新質生產力的政策工具箱；從人力資本積累效應、產業結構升級效應和經濟集聚效應三個視角討論數據要素市場建設影響新質生產力的內在機制，并系統探究數據要素市場建設對新質生產力提升的異質性影響和空間溢出效應，可為深化數據要素市場改革、推動新質生產力發展提供經驗證據和政策啟示。

關鍵詞：數據要素；數據要素市場建設；新質生產力；數據交易平臺；多期雙重差分法

中圖分類號：F124；F49""文獻標志碼：A""文章編號：1008-5831（2024）06-0072-16

引言

2023年9月，習近平總書記在東北全面振興座談會上提出，積極培育戰略性新興產業、未來產業，加快形成新質生產力。作為科技創新的產物，新質生產力具有高科技、高效能、高質量等特征，大力發展新質生產力是塑造經濟新動能和構建新發展格局的強有效推力，對于實現全體人民共同富裕具有重要意義［1］。但是，若要充分釋放新質生產力所承載的經濟功能和社會價值，無疑需要廓清新質生產力形成的內在邏輯，并尋求新質生產力發展的核心推力。作為要素市場化配置改革的關鍵部署，數據要素市場建設可助推實現數據的“可用不可見”并提升數據流動速率，是進一步激發數據潛能的關鍵步驟，并勢必對生產力躍升產生重要影響。而值得特別注意的是，在數字科技的加持下，數據交易平臺已經有了系統的運作體系和業務模式，且已成為銜接數據供需雙方、提升數據要素市場化配置效率的核心載體［2］。同時，自中國首家數據交易平臺——中關村數海大數據交易平臺于2014年正式成立以后，數據交易平臺數量迅速增多。總的來看，數據交易平臺試點這一實踐性探索能夠較好地刻畫數據要素市場的培育狀況，由此為本文探究數據要素市場建設的生產力躍升效應提供了一個絕佳樣本。那么，數據要素市場建設能否提升新質生產力？其內在機制如何？對上述問題的解答有助于推動數據要素市場發展，同時為培育新質生產力提供重要著力點。

為深挖數據價值，學術界對與數據要素、數據要素市場相關問題作出了諸多有益思考。一是對數據要素價值的探討。數據要素的使用價值是由數據權利主體根據自身需求所感知的［3］，而其交換價值體現在被作為商品、服務等進行交易時所產生的貨幣量［4］。數據要素的價值增值是指數據經歷的歸集化、資源化、資產化和資本化過程，這四次轉化使數據由信息信號增值為數據資本［3］。二是關于數據要素市場體系架構設計的思考。數據要素市場是提供數據產品或相關服務的數字平臺［5］，由于多數數據市場仍處于起步階段［6］，學者們為優化數據治理框架提出了建議：Sakr為數據市場的后端管理系統設計了一個基于四叉樹和Z-Order的模型［7］；Mahajan［8］、Klaine等［9］基于區塊鏈技術為完善數據市場架構提供了具體思路。三是討論數據要素市場建設的經濟社會效應。除了能夠顯著提升企業全要素生產率外［10］，學者們還發現，通過觸發資源節約效應［11］、福利效應與分配效應［12］，推動數據要素市場發展可分別作用于經濟綠色復蘇和社會福利提升。

目前涉及新質生產力的相關討論主要集中在三個方面。一是對新質生產力概念內涵的辨析。發展新質生產力從一定意義上看是新舊動能的轉換，在宏觀上可以把新質生產力概括為新科技、新能源、新產業以及數字經濟［13］。而若從系統論的視角出發，新質生產力則是由生產力要素、生產力結構和生產力功能構成的“要素—結構—功能”系統［14］。二是對新質生產力形成路徑的探索。新質生產力的培育可從三個維度展開：在微觀層面，加大稅收優惠以提高企業自主創新能力［15］；在中觀層面，促進生產性服務業轉向高端價值鏈和戰略性新興產業融合發展［16］；從宏觀上，建立統一市場、深化制度改革，加快新型全球治理體系建設［17］。三是關于發展新質生產力的經濟社會價值。加速培育新質生產力可提升中國對全球價值鏈貿易網絡的控制力［18］，同時突破在基礎零部件、基礎材料、基礎工藝等五個領域的“五基制約”，有助于筑牢實體經濟的發展根基［1］。

上述文獻為本文積累了較好的研究基礎，但需要說明的是，與本文研究關聯度最高的實際上是陸岷峰［19］一文。該文系統闡述了數據市場化對新質生產力的作用路徑，并結合人工智能、大數據的發展，分階段對數據要素的賦能作用進行預測。遺憾的是，該文的分析僅限于理論層面，同時缺乏數據市場化對新質生產力的異質性影響、空間溢出效應等的系統分析，從而為本文研究提供了可能的突破空間。本文可能的邊際貢獻體現在：第一，以數據交易平臺的設立作為準自然實驗，從理論和實證兩個維度探究數據要素市場建設對新質生產力的影響，可為數據交易平臺試點政策的有效性提供理論依據。第二，從人力資本積累效應、產業結構升級效應和經濟集聚效應這三個視角刻畫數據要素市場建設影響新質生產力的傳導鏈條，有助于深化對兩者間邏輯關系的理解。第三，基于不同城市的市場化程度和地理區位差異，識別數據要素市場建設對新質生產力的異質性影響，以期為政策的科學制定提供理論指導。第四，考慮到空間因素可能對試點政策的實施效果產生影響，將空間杜賓模型應用于政策效果評估中，系統分析數據要素市場建設的空間溢出效應，進一步拓寬了研究范圍。

一、理論分析與研究假說

（一）數據要素市場建設對新質生產力的直接影響分析

新質生產力意蘊豐富，學界對其的界定雖未達成一致，但可發現較為普遍的理解是，新質生產力是以科技創新驅動的、數字化賦能生產的、綠色低碳的先進生產力［14，17］。鑒于此，本文綜合現有研究，同時借鑒盧江等［1］的思路，認為新質生產力是科技生產力、綠色生產力和數字生產力的耦合體。首先，新質生產力以科技應用與創新為核心驅動力。新質生產力之所以可以作為新發展階段的先進生產力，出發點就在于，其是以顛覆性科技突破而產生的［20］。相較于粗放型增長方式，新質生產力強調以現代化科技應用提高勞動生產率。其次，新質生產力以綠色化為發展底色。在傳統發展范式下，經濟增長通常伴隨著高資源消耗和高碳排放，而這種生產模式是不可持續的。新質生產力要求貫徹綠色低碳理念，通過提升產業集群的綠色化水平帶動經濟社會綠色轉型［14］。最后，新質生產力強調以數字化為發展引擎。數字化賦能生產全過程是新質生產力形成和發展的關鍵，這里包含以下幾層含義：數據成為新型生產要素；數字技術利用成為優化生產過程、突破“卡脖子”領域的核心；算力成為繼熱力、電力、網力之后的新動能［13］。

數據要素市場建設以加速數據增值和數據賦能為出發點，為提升新質生產力提供了多維支撐。一是可助力科技生產力提升。一方面，搭建數據要素市場能夠加快數據傳輸、監控數據流動，有助于完善網絡基礎設施、提升算力供給，拓寬了現代科技的應用場景。另一方面，數據要素市場建設可促進數據資源的開放共享，通過提升數據可得性夯實科技人員的研發基礎，進而有助于實現關鍵性技術突破，促使科技生產力提升。二是可從“研發—制造”兩個維度提升綠色生產力。從產品研發角度，數據要素市場匯集了各類產品的材耗、性能等相關數據，制造企業可根據這些數據優化其產品設計，研發出符合可持續理念的“綠色產品”；從產品制造角度，數據要素市場建設為產商上傳和獲取工藝數據提供了安全保障，可促進生產者間的經驗交流，有利于形成低能耗、低排放的制造模式，進而助推綠色生產力形成。三是能夠有效賦能數字生產力提升。通過促進要素互動和資源互通，數據要素市場建設不僅加深了數據要素與傳統生產要素的融合程度，還可結合互聯網技術為數字科技利用提供載體，從而有助于實現智能化、數字化生產，提升城市的數字生產力。據此，本文提出研究假說1。

假說1：數據要素市場建設有助于新質生產力提升。

（二）數據要素市場建設影響新質生產力的機制分析

1.人力資本積累效應

數據要素市場建設為提高城市人力資本積累帶來了機遇，可充分提升城市創新能力和數智化水平，進而推動新質生產力高速發展。首先，聚焦于科技領域。一方面，搭建數據要素市場擴大了數據資源供給、豐富了信息獲取渠道，使科研人員可通過數字化學習和實時技術交流提高自身專業能力；另一方面，數據要素市場建設產生的“虹吸效應”有助于吸引尖端科技人才流入，而后又可通過引發“同群效應”匯集大量研發人員，由此提高城市科技人力資本積累。進一步地，這有助于優化城市創新生態系統，并在合作、競爭機制的作用下提升創新質量與研發活力，從而可通過科技嵌入實現生產力的能級躍遷。其次，將視角放大至各行業領域。一方面，數據要素市場提供的數據服務有助于培育各領域從業者的數字素養，提高其數字信息獲取、數字科技運用等能力［21］；另一方面，搭建數據要素市場促進了各行各業數據的交叉利用，有利于挖掘隱藏知識和規律［19］，使各領域從業者可從中汲取職業經驗并提高自身知識儲備。至此，城市勞動力素質得到普遍提高，可充分提升城市勞動生產率，并通過促進數字科技應用借以實現數字化賦能生產，加速生產力躍遷。據此，本文提出研究假說2。

假說2：數據要素市場建設可以通過提高人力資本積累促進新質生產力提升。

2.產業結構升級效應

數據要素市場建設可以推動傳統產業轉型升級，同時催生出一系列新產業、新模式，進而加快新質生產力孵化。一是對傳統工業體系的優化。數據要素市場建設有助于加速數據信息傳遞并增強信息透明度，一方面能夠促進生產要素的合理配置，提高生產效率、降低生產成本；另一方面可以通過數據介入驅動生產制造協同，從而有利于實現對傳統生產工序的升級改造，促使產業結構向價值鏈高端攀升。而后，產業結構的高級化能夠發揮“資源轉換器”和“環境控制器”的作用［22］，有效提高能源利用效率并減少污染排放，助力新質生產力迅速發展。二是通過倒逼產業變革和培育新興產業釋放“結構紅利”。搭建數據要素市場可以促進大數據應用融入生產環節，以此緊密數實融合，而這將影響產業市場需求，并導致市場分工體系和產業鏈價值重新分配［23］。由此，不僅可以倒逼企業升級設備、改進工藝，還有助于催生新服務和新產品，加快新興產業興起，進而推動產業結構升級。這樣一來，除了能促使產業提質增效外，也為推動生產方式向高技術化、高集約化邁進提供了可能，從而可加快新質生產力形成。據此，本文提出研究假說3。

假說3：數據要素市場建設可以通過推動產業結構升級促進新質生產力提升。

3.經濟集聚效應

數據要素市場建設能夠推動資源要素從低效率配置地區向高效率配置地區轉移，助推城市構建經濟集聚的發展環境，進而可對新質生產力提升產生強勁推力。一是勞動力要素的集聚。在互聯網技術的支撐下，搭建數據要素市場可以提高勞動力市場就業信息的流量、存量和質量，有助于勞動力獲取匹配的工作機會和薪資收入，由此吸引勞動力在試點城市集聚。而勞動力要素的空間集中可以加快知識溢出和技術擴散，以此避免出現技術鎖定與路徑依賴，有助于淘汰低效能生產方式，為新質生產力發展提供有力支撐。二是資本要素的聚合。由于數據要素可跨時空應用，加之數據要素市場建設強化了數據監管和隱私保護，金融行業的傳統運營模式受到了一定沖擊。具體而言，數字空間對物理空間的替代加快了互聯網金融等新型金融業務模式發展，從而為“金融脫媒”創造了條件，有利于激發投資活力并促使資本集聚。至此，即可通過提升融資可得性為企業打破資金桎梏，破解了科技創新活動的融資僵局，進而可助推科技攻關，充分賦能新質生產力提升。據此，本文提出研究假說4。

假說4：數據要素市場建設可以通過提高經濟集聚程度促進新質生產力提升。

二、計量模型、變量與數據

（一）計量模型設定為驗證數據要素市場建設對新質生產力的影響，參考戴魁早等［10］的研究方法，本文以數據交易平臺的設立作為一項準自然實驗。考慮到各地數據交易平臺設立的時間不盡相同，選擇運用多期雙重差分法構建如下計量模型進行實證檢驗：

NQPit=α0+α1DEMit+α2Xit+μi+τt+εit（1）

上式中：i代表城市；t代表年份；α0為截距項；NQPit為城市i在第t年的新質生產力水平；DEMit為核心解釋變量，代表城市i在第t年是否建立了數據交易平臺；Xit代表城市層面的控制變量；μi、τt分別代表城市固定效應和年份固定效應；εit為隨機誤差項。

（二）變量選擇1.被解釋變量：新質生產力（NQP）

借鑒盧江等［1］的做法，本文選取科技生產力、綠色生產力和數字生產力3個一級指標構建新質生產力評價指標體系。其中，對科技生產力的測度主要從創新生產力和技術生產力兩個層面展開，具體而言，創新生產力以創新專利、創新人才和創新資金3個指標衡量，技術生產力從技術進步和技術效率兩個維度刻畫。綠色生產力的度量基于資源節約型生產力和環境友好型生產力兩個層面，其中，從能源強度、廢物利用和土地利用三個角度反映資源節約型生產力，以污水處理、廢水排放和廢氣排放3個指標衡量環境友好型生產力。數字生產力包括數字產業生產力和產業數字生產力兩個方面，其中，數字產業生產力選用電信業發展、數字產業規模和數字產業從業3個指標進行衡量，產業數字生產力的測度從智能化生產、電子商務和互聯網金融三個角度展開。在此基礎上，本文采用熵值法測算得到新質生產力水平，詳細指標體系如表1所示。

2.解釋變量：數據要素市場建設（DEM）

為了更好地作出因果推斷，本文參考已有的相關研究［10］，將數據交易平臺試點視為外生政策沖擊，借以設定虛擬變量作為衡量數據要素市場建設的代理變量。具體設定如下：若城市i在第t年設立了數據交易平臺，則該城市在第t年及以后年份均取值為1，反之為0。考慮到數據交易平臺試點政策的時間滯后性，對于在當年7月以后設立數據交易平臺的地級城市，本文將其政策實施節點確定為下一年〖ZW（1B;X〗本文樣本涉及試點地級城市包括貴陽、西安、鹽城、武漢、承德、哈爾濱、廣州、杭州、深圳、鄭州、青島、濰坊、新鄉、長春、濟南、太原和南寧。}。

3.控制變量

本文的控制變量包括：（1）經濟發展水平（ECO），以地級城市人均國內生產總值（GDP）度量。（2）教育投入力度（EDU），以地級城市財政教育支出與財政總支出之比表示。（3）創業活躍程度（ENT），以地級城市每萬人中新創企業數衡量。（4）對外開放水平（OPE），以地級城市人均實際使用外資金額的對數值反映。（5）金融發展水平（FIN），以地級城市金融機構貸款余額與GDP的比值表征。（6）人口密度狀況（POP），以地級城市每平方公里人數的對數值衡量。

（三）數據來源

本文研究涉及中國277個地級城市{不含北京、上海、重慶和天津四個直轄市以及香港、澳門和臺灣地區，同時剔除了海南、青海、新疆、西藏等《中國城市統計年鑒》中地級城市數量較少的省或自治區。}2011年至2021年的樣本數據。相關原始數據來源于《中國城市統計年鑒》、各省級《統計年鑒》、各地級城市《國民經濟與社會發展統計公報》以及EPS數據庫。各變量的描述性統計結果如表2所示。結果顯示，新質生產力的最大值為0.705 7，均值為0.271 0，表明各城市的新質生產力水平仍有較大的提升空間。

三、實證檢驗與結果分析

（一）基準回歸檢驗為識別數據要素市場建設與新質生產力發展之間的因果關系，本文選用逐步加入控制變量的雙向固定效應模型對計量模型（1）進行回歸。表3列（1）的結果顯示，在未引入控制變量的情況下，數據要素市場建設（DEM）的回歸系數為0.029 6，且在1%的水平上顯著，說明數據要素市場建設可以顯著提升新質生產力水平。列（2）至列（7）匯報了逐步加入控制變量后的回歸結果，可以發現數據要素市場建設對新質生產力發展仍然具有顯著的正向影響效應。據此，本文的研究假說1得以驗證。如前所述，數據要素市場建設能夠推動科技突破與應用，并有利于促進綠色工藝創新和推廣數字化生產，為鍛造新質生產力提供重要支撐。

（二）穩健性檢驗1.平行趨勢檢驗

在運用雙重差分法考察數據要素市場建設與新質生產力發展之間的因果關聯之前，需要滿足平行趨勢假設。因此，本文將試點的前一年作為基準期，借鑒過往研究［24］，利用事件分析法來檢驗這一假設是否成立。從圖1中可以看出，在試點政策實施之前，數據要素市場建設（DEM）的回歸系數在0值附近波動且均不顯著，表明在政策沖擊以前處理組和對照組之間不存在明顯的趨勢差異，平行趨勢假設成立。政策實施后，各年份的回歸系數均顯著為正，這說明數據要素市場建設對新質生產力提升產生了顯著的正向影響。

2.安慰劑檢驗

為了避免可能存在的不可觀測因素對基準回歸結果產生干擾，本文進一步采用安慰劑檢驗的思路進行驗證。具體而言，隨機生成與原樣本數量相當的城市作為虛擬處理組，其他城市為虛擬對照組，并按照計量模型（1）進行回歸檢驗。上述過程共重復500次，求得500個系數估計值。由圖2可以發現，回歸系數分布在0附近，且大部分的P值都大于0.1，這明顯異于前文的基準回歸結果。因此，可以證實數據要素市場建設對新質生產力水平的提升作用并非源于其他隨機因素，本文的核心結論具有較強的穩健性。

3.PSM-DID回歸

由于試點城市和非試點城市不一定具備相似的初始特征，本文的回歸結果可能存在自選擇偏差問題。因此，本部分以控制變量為依據，采用傾向得分匹配法（PSM）為數據交易平臺試點城市匹配具有近似特征的對照組，并對匹配后的樣本進行回歸。由圖3可知，匹配后處理組和對照組樣本之間控制變量的標準化偏差大多有所減小，表明匹配質量較高。傾向得分匹配后的回歸結果列示于表4列（1）。可以看出，數據要素市場建設（DEM）的回歸系數依然顯著為正，進一步支持了本文的研究結論。

4.調整樣本時間區間

為了保證數據要素市場建設的政策評估效果不受樣本時間窗口的干擾，同時考慮到2020年暴發的新冠疫情可能會對新質生產力產生一定影響，因而本文通過剔除2020年和2021年樣本，生成新的時間窗口［2011—2019］重新進行回歸。檢驗結果列示于表4列（2）。結果顯示，在改變樣本時間區間后，核心解釋變量DEM的系數并無較大變動，且未影響政策效應的作用方向，故而本文核心結論依然是穩健的。

5.控制省份時間趨勢

盡管本文在基準模型中控制了城市固定效應和年份固定效應，但仍然可能存在省份層面隨時間變化的政策因素和其他隨機因素對回歸估計產生干擾。因此，本文在計量模型（1）的基礎上引入“省份—時間”層面的交叉固定效應，以防止模型遺漏省份和時間維度的交互作用。根據表4列（3）顯示的檢驗結果，DEM的回歸系數雖有所降低，但仍然在1%的顯著性水平上為正，再次支持了本文的核心研究結論。

6.內生性問題處理

為解決潛在的內生性問題，參考黃群慧等［25］、楊艷等［26］的做法，選取歷史上各地級城市1984年每百人固定電話數量作為數據要素市場建設的工具變量。由于本文在研究過程中使用的是面板數據，而1984年固定電話數量為截面數據，進一步借鑒韓瑞棟和薄凡［27］的做法，將工具變量與時間趨勢的交叉項作為面板工具變量，并利用兩階段最小二乘法進行估計，結果詳見表4。其中，列（4）是工具變量第一階段的估計結果，結果顯示IV的回歸系數在1%的水平上顯著為正，表明工具變量滿足相關性標準。同時，Kleibergen-Paap rk LM統計量和Kleibergen-Paap rk Wald F統計量均在1%的顯著性水平上通過了可識別性檢驗與弱工具變量檢驗。列（5）是工具變量第二階段的估計結果，從中可以看出，數據要素市場建設（DEM）的回歸系數顯著為正，表明數據要素市場建設顯著提升了新質生產力水平。

（三）影響機制檢驗

上述研究結果表明，數據要素市場建設對新質生產力具有顯著的提升作用。為進一步考察其內在影響機制，本文參考史丹和李少林［28］的做法，將人力資本積累、產業結構升級和經濟集聚三個變量以及其分別與數據要素市場建設的交互項置于計量模型（1）中進行檢驗。具體模型設定如下：

NQPit=β0+β1DEMit+β2DEMit×HCPit+β3HCPit+β4Xit+μi+τt+εit（2）

NQPit=χ0+χ1DEMit+χ2DEMit×ISUit+χ3ISUit+χ4Xit+μi+τt+εit（3）

NQPit=δ0+δ1DEMit+δ2DEMit×AGGit+δ3AGGit+δ4Xit+μi+τt+εit（4）

上式中，HCP表示人力資本積累，ISU表示產業結構升級，AGG表示經濟集聚，本部分主要關注交互項DEM×HCP、DEM×ISU和DEM×AGG的系數顯著性，其余變量含義與計量模型（1）保持一致。

1.人力資本積累機制

理論分析認為，數據要素市場建設可通過加速人力資本積累提升城市的創新能力和數智化水平，為孵化新質生產力提供了強勁推力。為此，本文借鑒高春亮等［29］的做法，以地級城市人均人力資本存量來衡量人力資本積累，并在此基礎上運用計量模型（2）對人力資本積累機制進行驗證。具體的檢驗結果匯報于表5列（1）。可以看出，人力資本積累（HCP）的回歸系數在10%的顯著性水平上為正，說明提高人力資本積累能夠促進新質生產力水平提升。進一步地，數據要素市場建設與人力資本積累的交互項（DEM×HCP）對新質生產力的回歸系數在1%的水平上顯著為正，這表明人力資本積累有助于數據要素市場建設發揮提升新質生產力的作用，由此驗證了研究假說2。

2.產業結構升級機制

根據理論分析，搭建數據要素市場有助于城市產業結構邁向高級化、合理化，為實現數字化、綠色化生產提供可能，可對新質生產力發展產生正向激勵作用。為驗證該機制，本文參考朱奕蒙等［30］的思路，以地級城市新增企業中第三產業企業數量占比來度量產業結構升級這一指標，而后對計量模型（3）進行估計。表5列（2）報告了檢驗結果。產業結構升級（ISU）的回歸系數為0.046 5，且在1%的統計水平上顯著，這意味著產業結構升級能夠顯著提升新質生產力水平。數據要素市場建設和產業結構升級的交互項（DEM×ISU）對新質生產力的回歸系數在1%的統計水平上顯著為正，說明數據要素市場建設能夠通過產業結構升級機制提升新質生產力水平，研究假說3得到證實。

3."經濟集聚機制

前文理論分析指出，數據要素市場建設為勞動力集聚和資本集聚創造了條件，有助于推廣新型工藝和開展科技創新活動，可以有效助推新質生產力涌現。基于此，本文參考黃徐亮等［31］的思路，以地級城市夜間燈光數據均值表示經濟集聚程度，運用計量模型（4）對經濟集聚機制進行檢驗。表5列（3）為實證回歸結果。可以發現，經濟集聚（AGG）的系數為0.005 6，并且在1%的水平上通過了顯著性檢驗，表明經濟集聚可以有效推動新質生產力提升。同時，數據要素市場建設與經濟集聚的交互項（DEM×AGG）對新質生產力的回歸系數在10%的統計水平上顯著為正，說明經濟集聚在數據要素市場建設提升新質生產力的過程中確實起著中介橋梁的作用，前文的研究假說4得到驗證。

四、進一步研究

（一）異質性分析

1.地理區位異質性

不同區位的城市在資源稟賦、治理模式等維度存在的差異可能導致數據要素市場建設對新質生產力的影響存在異質性。就東部城市而言，因其在經濟地位、自然條件等方面存在優越性，這類城市往往具有先發優勢，并較早開始搭建數字底座，從而可為數據要素市場提供較好的建設基礎和應用場景，使城市能夠充分享受政策紅利。而相對于東部城市，中西部城市具有的先天性“數字劣勢”可能增加試點政策在實施中的摩擦。有鑒于此，本文將277個樣本城市分為東部城市和中西部城市{本文樣本涉及的東部地區包括河北、遼寧、江蘇、浙江、福建、山東和廣東，而中西部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南、廣西、四川、貴州、云南、陜西、甘肅和寧夏。}兩類，并據此分類標準進行城市地理區位異質性分析。檢驗結果顯示（表6），數據要素市場建設（DEM）在東部城市樣本中的回歸系數為0.028 9，而在中西部城市樣本中的系數為0.016 6，且組間系數差異顯著，這說明數據要素市場建設對東部城市新質生產力的提升效果強于中西部城市。究其原因，東部城市擁有的“數字優勢”有助于城市更好地銜接試點政策運行，能夠加速產業數字化、數字產業化進程，進而激活新質生產力發展的內在動力。然而，與東部城市相比，中西部城市的數字稟賦相對較低，這可能妨礙數據要素與傳統生產要素融合，導致數據要素市場建設無法充分作用于城市生產力躍遷。

2.市場化程度異質性

市場化程度較高的城市往往擁有相對完善的市場環境，這意味著當地的要素資源能夠得到高效配置，由此有利于數據要素市場建設的價值實現。但若一個城市過度依賴地方政府的行政干預，即在市場化發展中出現了政府“越位”現象時，可能因市場效率不足而使數據要素市場的建設基礎存在“先天性缺陷”。鑒于此，本文借鑒賀光燁和吳曉剛［32］的思路，采用私營部門就業人數與總就業人數的比值來衡量城市層面的市場化程度，按照年份均值將樣本分為市場化程度較高和市場化程度較低兩組，并依據此分類標準進行城市市場化程度異質性分析。檢驗結果顯示（表6），數據要素市場建設（DEM）的回歸系數在市場化程度較高的城市中顯著為正，而在市場化程度較低的城市中雖然也為正，但卻不顯著，且組間系數差異檢驗的P值小于0.01。由此表明，數據要素市場建設對新質生產力的提升作用在市場化程度較高的城市更顯著。究其原因，市場化程度較高的城市原本就擁有較優越的市場條件，而數據要素市場的建設猶如“催化劑”，可通過激發市場潛力助推實現生產力躍升。但對于市場化程度較低的城市來說，政府規制為地方市場機制帶來的硬約束可能對試點建設產生“拖累效應”，進而使得新質生產力受到的作用力不顯著。

（二）空間溢出效應檢驗為驗證數據要素市場建設與新質生產力之間是否存在空間相關性，本文將空間因素置于基準模型中，進一步進行空間溢出效應檢驗。鑒于空間杜賓模型（SDM）考慮了自變量、因變量的空間滯后項，該模型相比于空間滯后模型（SAR）和空間誤差模型（SEM）具有更優的現實擬合程度，本文借鑒林木西和肖宇博［33］的研究，選擇構建空間杜賓－雙重差分模型（SDM-DID）進行實證檢驗。具體模型設定如下：

NQPit=φ0+ρWNQPit+φ1DEMit+φ2Xit+λ1WDEMit+λ2WXit+μi+τt+εit（5）

上式中：W為空間權重矩陣，本文參考肖葉等［34］的做法，選用地理鄰接、地理距離和經濟距離三種形式的空間權重矩陣對數據要素市場建設的溢出效應展開探討；ρ為空間自回歸系數；WDEMit、WXit分別代表數據要素市場建設和控制變量的空間滯后項；λ1、λ2分別為與之對應的滯后項系數；其余變量含義與計量模型（1）相同。借鑒Lee和Yu［35］的做法，本文運用準極大似然估計（QMLE）方法對空間杜賓－雙重差分模型進行估計，該模型采用正交轉換方法來消除模型中的個體和時間固定效應，從而可以得到無偏的估計結果。

表7匯報了具體的回歸結果。從直接效應的檢驗結果來看，在三種不同的空間權重矩陣下，模型中數據要素市場建設的系數均在1%的統計水平上顯著為正，說明數據要素市場建設能夠顯著提升本地區新質生產力水平。間接效應檢驗結果顯示，數據要素市場建設的系數在三類空間權重矩陣下均至少通過了5%的顯著性水平檢驗且符號為正，表明數據要素市場建設對新質生產力的影響具有明顯的空間外溢效應，即一個城市建立數據要素市場可以帶動鄰近城市的新質生產力水平提升。其中可能的原因在于：一方面，城市并非孤立發展的，試點城市與鄰近城市之間往往因地域相接和空間鄰近而具有較高的產業關聯度，因而數據要素市場建設推動的科技進步可通過產業鏈條為鄰近城市提供擴散性服務；另一方面，數據要素市場建設產生的“示范效應”和“競爭效應”可能激勵鄰近城市地方政府加大對數字基礎設施建設的資金扶持和政策傾斜，進而可能得到與數據要素市場建設相近的政策反饋，在一定程度上拉動了新質生產力提升。

五、研究結論與政策建議

本文將數據交易平臺的設立視為一項準自然實驗，首先從理論層面探究數據要素市場建設對新質生產力的影響機理，而后基于2011年至2021年中國277個地級城市的數據樣本，綜合運用多種計量方法對提出的理論假說進行實證檢驗，得出如下主要結論：第一，數據要素市場建設能夠顯著提升新質生產力水平，且該結論經過安慰劑檢驗、PSM-DID等一系列穩健性檢驗后仍然成立。第二，機制檢驗結果表明，數據要素市場建設對新質生產力提升的促進作用主要通過提高人力資本積累、推動產業結構升級和提升經濟集聚程度來實現。第三，相較于中西部城市和市場化程度較低的城市，數據要素市場建設的政策效果在東部城市和市場化程度較高的城市中更顯著。第四，數據要素市場建設對新質生產力發展存在“空間正外部性”，即試點城市建立數據要素市場可以促進鄰近城市的新質生產力水平提升。

根據本文研究結論，提出如下政策建議：（1）穩步推進數據要素市場建設，擴充數據交易平臺試點名單。一方面，統籌數據權益保護，搭建數據歸集體系，著力打造高標準、多層次的數據要素市場體系架構。另一方面，鼓勵具備條件的城市先行先試，有序擴大試點范圍，筑牢孕育新質生產力的現實場景。（2）重點加強政府政策引領，提升人力資本積累并加速經濟集聚。根據實際需求合理制定引才政策、育才政策，為破解關鍵科技問題和推動新質生產力發展提供智力支撐。另外，持續加強市場監管并完善金融服務體系，加快實現“金融脫媒”，促進資本要素聚合，強化經濟集聚對生產力躍遷的支撐作用。（3）制定產業發展規劃，著力推動產業結構升級。立足于當地資源稟賦特征實施“騰籠換鳥”策略，拉動地方產業向高附加值領域升級，突出產業結構升級對新質生產力發展的引領效能。（4）因地制宜精準施策，牽引區域一體化發展。為具有“數字劣勢”的中西部城市和政府“越位”現象相對嚴重的低市場化程度城市制定特色化發展戰略，同時實施“富鄰”政策，充分釋放數據要素市場建設的空間溢出效應，帶動鄰近城市新質生產力提升，打造城市層面的協同發展模式。

參考文獻：

［1］ 盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑［J］.重慶大學學報（社會科學版），2024（3）：1-17.

［2］ 陳舟，鄭強，吳智崧.我國數據交易平臺建設的現實困境與破解之道［J］.改革，2022（2）：76-87.

［3］ 于施洋，黃倩倩，虞洋，等.數據要素市場的價值增值研究：理論構建與實施路徑［J］.電子政務，2024（2）：33-40.

［4］ LEPAK D P，SMITH K G，TAYLOR M S.Value creation and value capture：A multilevel perspective［J］.Academy of Management Review，2007，32（1）：180-194.

［5］ STAHL F，SCHOMM F，VOSSEN G，et al.A classification framework for data marketplaces［J］.Vietnam Journal of Computer Science，2016，3（3）：137-143.

［6］ SPIEKERMANN M.Data marketplaces：Trends and monetisation of data goods［J］.Intereconomics，2019，54（4）：208-216.

［7］ SAKR M.A data model and algorithms for a spatial data marketplace［J］.International Journal of Geographical Information Science，2018，32（11）：2140-2168.

［8］ MAHAJAN S.Data marketplaces：A solution for personal data control and ownership？［J］.Sustainability，2022，14（24）：16884.

［9］ KLAINE P V，XU H，ZHANG L，et al.A privacy-preserving blockchain platform for a data marketplace［J］.Distributed Ledger Technologies：Research and Practice，2023，2（1）：1-16.

［10］ 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.

［11］ WANG D Q，LIAO H W，LIU A G，et al.Natural resource saving effects of data factor marketization：Implications for green recovery［J］.Resources Policy，2023，85：104019.

［12］ 謝丹夏，魏文石，李堯，等.數據要素配置、信貸市場競爭與福利分析［J］.中國工業經濟，2022（8）：25-43.

［13］ 洪銀興.新質生產力及其培育和發展［J］.經濟學動態，2024（1）：3-11.

［14］ 黃群慧，盛方富.新質生產力系統：要素特質、結構承載與功能取向［J］.改革，2024（2）：15-24.

［15］ 曾軍平.稅收該如何助推形成新質生產力？［J］.稅務研究，2023（12）：12-15.

［16］ 王世泰，曹勁松.新質生產力的緣起、生成動力與培育機理：基于馬克思主義政治經濟學視角［J］.南京社會科學，2024（3）：10-22.

［17］ 柳學信，曹成梓，孔曉旭.大國競爭背景下新質生產力形成的理論邏輯與實現路徑［J］.重慶大學學報（社會科學版），2024（1）：145-155.

［18］ 譚志雄，穆思穎，韓經緯，等.新質生產力推動全球價值鏈攀升：理論邏輯與現實路徑［J］.重慶大學學報（社會科學版），2024（4）：49-61.

［19］ 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］.［2024-04-20］.新疆社會科學，2024.http：∥kns.cnki.net/kcms/detail/65.1211.F.20240219.1452.002.html.

［20］ 周文，許凌云.論新質生產力：內涵特征與重要著力點［J］.改革，2023（10）：1-13.

［21］ BEJAKOVIC〖DD（-1〗＇〖HT6〗〖DD）〗P，MRNJAVAC .The importance of digital literacy on the labour market［J］.Employee Relations：The International Journal，2020，42（4）：921-932.

［22］ 于斌斌.產業結構調整如何提高地區能源效率：基于幅度與質量雙維度的實證考察［J］.財經研究，2017（1）：86-97.

［23］ 劉培.數據要素影響綠色生態效率的機制與效應研究［J］.經濟經緯，2023（6）：136-148.

［24］ JACOBSON L S，LALONDE R J，SULLIVAN D G.Earnings losses of displaced workers［J］.The American Economic Review，1993，83（4）：685-709.

［25］ 黃群慧，余泳澤，張松林.互聯網發展與制造業生產率提升：內在機制與中國經驗［J］.中國工業經濟，2019（8）：5-23.

［26］ 楊艷，王理，廖祖君.數據要素市場化配置與區域經濟發展：基于數據交易平臺的視角［J］.社會科學研究，2021（6）：38-52.

［27］ 韓瑞棟，薄凡.區域金融改革能否緩解資本配置扭曲？［J］.國際金融研究，2020（10）：14-23.

［28］ 史丹，李少林.排污權交易制度與能源利用效率：對地級及以上城市的測度與實證［J］.中國工業經濟，2020（9）：5-23.

［29］ 高春亮，王業強，魏后凱.公共服務供給與地區收入差距：基于人力資本視角的分析［J］.中國人口科學，2022（4）：44-59，127.

［30］ 朱奕蒙，畢青苗，徐現祥，等.商事制度改革與產業結構變遷：微觀視角［J］.經濟研究，2022（1）：189-208.

［31］ 黃徐亮，徐海東，倪鵬飛.大數據治理對數字產業發展的影響研究［J］.經濟體制改革，2024（1）：97-104.

［32］ 賀光燁，吳曉剛.市場化、經濟發展與中國城市中的性別收入不平等［J］.社會學研究，2015（1）：140-165，245.

［33］ 林木西，肖宇博.綠色金融對經濟高質量發展的影響：基于綠色金融改革創新試驗區的準自然實驗［J］.改革，2023（12）：78-94.

［34］ 肖葉，邱磊，劉小兵.地方政府競爭、財政支出偏向與區域技術創新［J］.經濟管理，2019（7）：20-35.

［35］ LEE L F，YU J H.Estimation of spatial autoregressive panel data models with fixed effects［J］.Journal of Econometrics，2010，154（2）：165-185.

Research on the construction of data element market improving new quality productivity： Quasi-natural experiment based on urban data trading platform

LI Xiaolong， WEI Qifan

（School of Applied Economics， Guizhou University of Finance and Economics， Guiyang 550025， P. R. China）

Abstract：

With the accelerated evolution of the great changes unseen in a century， the impact of the new round of scientific and technological revolution and industrial changes on the mode of production of human society has gradually come to the forefront. To respond to the wave of the times and grasp the historical opportunities， countries are trying their best to seek a new mode of productivity. With this in mind， the concept of new quality productivity is timely， and vigorously developing new quality productivity can provide an important strategic fulcrum for China to shape new advantages in development and cope with external environmental shocks. The construction of data element market， as a key content and key deployment of element market allocation reform， will bring new impetus to the casting of new quality productivity. With the help of the quasi-natural experiment of data trading platform pilot， this article selects the sample data of 277 prefecture-level cities in mainland China from 2011 to 2021， constructs the evaluation index system of new quality productivity based on the dimensions of scientific and technological productivity， green productivity， and digital productivity， and utilizes the multi-period difference-in-differences method to validate the impact of the construction of data element market on new quality productivity and the mechanism of its action. It is found that the construction of data element market significantly promotes the improvement of new quality productivity， and this conclusion still holds after a series of robustness tests such as parallel trend test and placebo test. The improvement of new quality productivity by the construction of data element market can be realized through three mechanisms， namely， improving the accumulation of human capital， promoting the upgrading of industrial structure， and increasing the degree of economic agglomeration. The impact of data element market construction is more significant for cities in the east and cities with a higher degree of marketization. The policy effect of data element market construction has significant spatial spillover characteristics， that is， the establishment of data element market in the pilot cities can promote the improvement of new quality productivity in the neighboring cities. Based on the above findings， the article puts forward policy suggestions such as accelerating the construction of data element markets， promoting human capital accumulation， accelerating economic agglomeration， promoting the upgrading of local industries to high value-added fields， and formulating a characteristic development strategy. The innovation of the article is mainly reflected as follows. The pilot policy of data trading platform is regarded as a quasi-natural experiment， and the research perspective is sunk to the level of prefecture-level cities， so as to analyze the impact of data element market construction on new quality productivity with a more detailed scale， which not only supplements the relevant research on the economic consequences of data element market construction， but also enriches the policy toolbox for nurturing new quality productivity. The intrinsic mechanism of data element market construction affecting new quality productivity is discussed from the three perspectives of human capital accumulation effect， industrial structure upgrading effect and economic agglomeration effect， and the heterogeneous impact and spatial spillover effect of data element market construction on the enhancement of new quality productivity are systematically explored， which can provide empirical evidence and policy insights for deepening data element market reform and promoting the development of new quality productivity.

Key words：

data element; data element market construction; new quality productivity; data trading platform; multi-period difference-in-differences method（責任編輯"傅旭東）

基金項目：

貴州省高校人文社會科學研究項目“貴州加快發展數字經濟的對策建議研究”（2024RW89）作者簡介：李曉龍，貴州財經大學應用經濟學院副教授，碩士研究生導師，Email：lixiaolong9005@163.com。