數據要素對企業新質生產力的影響

摘" "要：新質生產力以高科技、高效能、高質量為鮮明特征。在數字經濟背景下，關于數據要素能否提升企業新質生產力的研究具有較強的理論與實踐價值。基于2011—2022年中國A股上市企業數據，結合機器學習的文本分析法，研究數據要素對企業新質生產力的影響。研究結果表明：數據要素能夠顯著提升企業新質生產力，經過一系列穩健性檢驗后，該結論依舊成立；機制檢驗結果表明，數據要素能夠通過降低信息不對稱、優化資源配置來推動企業新質生產力發展；異質性檢驗結果表明，數據要素對企業新質生產力的促進作用在大型企業、技術密集型企業及高ICT強度行業企業中表現得更為明顯；進一步分析表明，數據要素與傳統生產要素的協同效應能夠助力企業新質生產力發展。

關鍵詞：數據要素；新質生產力；信息不對稱；資源配置

中圖分類號：F830" "文獻標識碼：A" "文章編號：1674-2265（2025）06-0022-10

DOI：10.19647/j.cnki.37-1462/f.2025.06.003

一、引言

2023年，習近平總書記在黑龍江考察時首次提出“新質生產力”的概念，并在2024年中共中央政治局第十一次集體學習時強調，要“培育發展新質生產力的新動能”。新質生產力是將云計算、人工智能和物聯網等新技術與新型生產要素緊密結合的新形態，具有高科技、高效能、高質量特征。企業作為社會運行的微觀基礎，培育和發展新質生產力不僅能夠增加自身經濟效益，還能夠產生“頭雁效應”，輻射上下游企業，加快產業轉型升級，成為驅動經濟增長的有效突破口（李建軍和吳周易，2024）[1]。在全球化深入發展、科技創新日新月異的時代背景下，促進企業從傳統生產力到新質生產力的轉變，是增強我國產業核心競爭力、實現高質量發展的關鍵所在。

數據要素作為新型生產要素，是數字化、網絡化、智能化的基礎，更是經濟增長的新引擎與國際競爭的新抓手。2023年12月，國家數據局等印發《“數據要素×”三年行動計劃（2024—2026年）》，旨在發揮數據生產要素的放大、疊加、倍增作用，實現全要素生產率和經濟效率的提升。數據要素不僅可以獨立作為生產要素產生價值，還可以作用于其他生產要素，從而提高勞動、資本、技術的配置效率，找到企業、行業、產業在要素資源約束下的“最優解”。隨著數據要素深度嵌入企業內部，勞動者、勞動資料及勞動對象的組合得以優化，生產力得以實現技術變革、效率變革、質量變革，企業新質生產力也得以提升。基于此，本文試圖探討：數據要素能否有效推動企業新質生產力提升？背后的作用機制是什么？數據要素與傳統生產要素能否協同助力企業新質生產力發展？回答以上問題，將為企業釋放數據要素紅利以及加快發展新質生產力提供重要的理論與實踐啟示。

新質生產力是由技術革命性突破、生產要素創新性配置、產業深度轉型升級而催生的先進生產力，以勞動者、勞動資料、勞動對象及其優化組合的質變為基本內涵，符合新發展理念和高質量發展要求，是生產力的高級形態。新質生產力理論一經提出便受到學術界的廣泛關注，學者們對新質生產力的理論探索主要聚焦于形成邏輯、實現路徑、時代意義（高帆，2023；胡瑩和方太坤，2024）[2，3]等內容上。新質生產力影響因素的研究則集中在人工智能、數字化轉型和政府數字化治理（張夏恒和馬妍，2024；郭強華和郭斐斐，2025；趙斌等，2024）[4-6]等方面。

數據要素作為數字時代經濟社會發展的基礎性生產要素，在促進經濟高質量發展方面發揮著重要作用。現有文獻主要對數據要素的影響效應做了深入分析。從宏觀層面來看，數據要素能夠提升社會整體創新水平（范德成和肖文雪，2023）[7]，促進區域協調發展（何偉等，2024）[8]，是推動經濟增長以及高質量發展的關鍵動力（徐野等，2024）[9]；從中觀層面來看，數據要素可以賦能制造業發展（鈔小靜和王宸威，2022）[10]，是服務業發展的新動能（于柳箐和高煜，2023）[11]；從微觀層面來看，數據要素不僅能推動企業在產品技術上的創新，增強創新過程中的創造力（李曉梅和張子薇，2024）[12]，還能夠顯著增強企業供應鏈的韌性（李曉梅和劉姍姍，2025）[13]，為企業的長期可持續發展提供堅實支撐。

關于數據要素對新質生產力的影響研究，學者們多是從理論的角度進行探討。部分學者認為數據要素有助于推動新質生產力的發展。微觀層面，企業能夠發揮場景嵌入優勢，驅動數據要素作用于生產經營等各個環節，推動生產技術發展和商業模式融合創新（尹西明等，2024）[14]。宏觀層面，數據要素作為科學技術上的又一次革命性突破，能夠滲透入生產、流通、消費、分配等社會再生產環節，催生新產業、新模式、新動能，從而推動新質生產力發展（許中緣和鄭煌杰，2024）[15]。但也有部分學者認為數據要素在賦能新質生產力作用的發揮上面臨著一定挑戰。當數據要素與應用場景中價值活動不匹配時，數據要素難以在企業、產業、制度等層面發揮提高生產效率的乘數作用和倍增作用（歐陽日輝和劉昱宏，2024）[16]，從而導致新質生產力發展疲軟、后勁不足。

綜上，現有文獻已經關注到數據要素在推動新質生產力發展中的積極作用與重要價值，但鮮有學者從實證的角度探究數據要素與企業新質生產力之間的關系，兩者的作用機制研究有待完善，且未就數據要素與傳統要素的協同效應對企業新質生產力的影響進行有效分析。基于此，本文可能存在的邊際貢獻為：第一，豐富了數據要素對企業新質生產力的影響研究。現有研究多側重于數據要素對宏觀經濟增長或微觀技術創新影響的探討，數據要素對新質生產力的影響研究還比較少，且相關研究主要集中于理論推演和定性分析，缺少基于定量分析的實證檢驗。本文在理論和實證上深入探討了數據要素如何影響企業新質生產力。第二，拓寬了綜合指標法在企業新質生產力測度領域的實際應用。現有研究對新質生產力的衡量比較單一，主要從生產力三要素或內涵角度出發構建新質生產力指標體系。本文聚焦于新質生產力的基礎特征和時代特征，即高科技、高效能、高質量，構建企業層面的新質生產力指標體系。第三，厘清了數據要素影響企業新質生產力的內在機制。本文不僅從信息不對稱、資源配置的視角分析了數據要素提升企業新質生產力的路徑，還根據企業特征、要素特征和數字技術特征考察了數據要素對企業新質生產力的異質性作用，為數據要素助力企業新質生產力提升提供了有力的經驗證據。

二、理論分析與研究假設

（一）數據要素對新質生產力的直接效應

首先，數據要素催生出企業新質勞動者，從而提升企業新質生產力。勞動者作為生產力的主體，為企業新質生產力的發展注入了活力。從勞動需求來看，數據要素與企業各環節的深度融合對勞動者提出了更高水平的技能要求，將催生出勞動者更強的求知欲和探索精神，使其在生產過程中扮演更加主動和更具創造性的角色（單純等，2024）[17]，從簡單的執行者轉變為生產過程中的創新者。從勞動供給來看，產業信息化與生產數字化水平的提高大大降低了勞動者學習新技術、掌握新工具的成本，賦予了勞動者更多數字技能。勞動者能夠充分發揮人力資本優勢，運用精密儀器與智能設備，對工作流程、產品開發等進行更為精準的分析和預測，從而提高勞動的邊際產出和再生產水平（Baldwin和Forslid，2020）[18]。

其次，數據要素催生出企業新質勞動資料，從而提升企業新質生產力。新質勞動資料體現著數字技術與生產過程的有機結合，其創新與應用直接推動新質生產力的提升。一是數據要素推動了勞動資料的顛覆性創新。數據要素與數字技術的結合使傳統設備實現智能化改造，并具備更先進的技術能力，為生產連續性和穩定性提供有力保障（何小鋼等，2024）[19]。二是新質勞動資料的應用賦予了企業生產更高的靈活性。數字化和網絡化打破了傳統勞動工具使用過程中時間與空間的限制，新型勞動工具得以利用數據實現信息共享與互聯互通，并形成高效協同的生產網絡，增強對復雜生產流程的信息處理能力及掌控能力。

最后，數據要素催生出企業新質勞動對象，從而提升企業新質生產力。數據要素的運用引起勞動對象的深刻變革和巨大進步，驅動新質生產力產生質的躍遷。一方面，數據要素的廣泛應用極大地拓展了傳統勞動對象的范圍，勞動對象不再局限于簡單的自然物，而是包括手機應用程序、人工智能模型等數字產品與服務。而企業借助新型勞動對象不僅能夠生產出傳統方法難以加工的新產品，而且能夠產出多種類、多樣化的產品，改變了企業的產品結構和生產模式（黃靜秋，2023）[20]。另一方面，數據要素通過實體數字化、知識顯性化以及虛擬仿真等方式實現了勞動對象的虛擬化，即信息、知識和數字模型等非實體化產物成為勞動對象。非物質形態的新勞動對象突破了時空的限制，將對產品優化、產業升級發揮出傳統勞動對象所無法比擬的價值功能（胡瑩和方太坤，2024）[3]。基于以上分析，本文提出如下假設：

H1：數據要素有利于提升企業新質生產力。

（二）信息不對稱的中介作用

數據要素可以緩解企業與外部利益相關者之間的信息不對稱，從而推動企業新質生產力發展。信息不對稱理論指出，信息不對稱所產生的信息鴻溝、信息壁壘會干擾市場主體的選擇和判斷。當外部利益相關者無法及時、準確地了解企業內部信息時，監督者將難以充分踐行監督職能，投資者將無法作出合理研判與理性決策。而企業可運用數據要素改變這一信息困境。一方面，數據要素可以幫助企業改善信息質量。數據要素的流動有效降低了以往多環節、多層次傳播回路導致的信息質量衰退和內部隱匿問題，政府、媒體等信息中介能夠更高效地監督和識別企業的不端行為，有效削弱管理層隱藏壞消息的動機及能力（李健等，2024）[21]，從而鼓勵企業真實反映其創新水平與實際需求。另一方面，數據要素可以幫助企業提升信息傳遞效率。企業可以利用數據驗證系統對經營數據與財務信息進行標準化、編碼化，并準確地將生產、經營和管理信息推送到外部市場（呂靜，2024）[22]。銀行等利益相關者可以更及時地了解企業內部情況，更精準地評估企業價值和風險，提高企業融資的可行性（陳曄婷等，2025）[23]。由此可見，企業可以利用數據要素改善信息質量、提升信息傳遞效率，有效緩解與政府、媒體、投資者等外部利益相關者之間的信息不對稱，從而為新質生產力發展提供更多的信息和資金支持。基于以上分析，本文提出如下假設：

H2：數據要素可以降低企業與外部利益相關者之間的信息不對稱，進而提升企業新質生產力。

（三）資源配置的中介作用

數據要素可以優化企業內部資源配置，從而推動企業新質生產力發展。資源基礎理論說明，企業的生產經營是一項資源消耗性活動，具有很強的資源依賴性，而高效地運用和配置內部資源是企業塑造競爭優勢的關鍵（Holzmayer和Schmidt，2020）[24]。在資源有限的情況下，企業內部普遍存在資源配置效率低下的問題。而企業可利用數據要素改變這一資源困境。一方面，數據要素可以幫助企業促進管理創新。數據要素將現有的數字技術引入企業管理框架、管理方式、運營機制和生產過程，能夠揭示內部資源供需狀況的深層次模式和規律（郭強華和郭斐斐，2025）[5]。企業可依據資源供需狀況，優化內部資源的分配及管理，克服傳統管理模式下的資源路徑依賴，推動資源管理模式發生系統性重塑（傅元海和熊豪，2024）[25]。另一方面，數據要素可以幫助企業促進技術創新。數據要素可引導勞動、知識、資本等要素突破時空壁壘，向根本性技術創新項目集聚（史本葉等，2024）[26]，從而為創新活動提供更加豐富的資源支持。同時，要素間的協同性、聯動性和互補性將顯著增強，確保技術能與現有資源有機融合，推動技術革命性突破。由此可見，企業可利用數據要素促進管理創新、技術創新，推動企業資源的優化配置，從而有助于企業將有限的資源投入更具回報潛力的領域，提高資源的邊際效用，實現企業生產力的技術變革、效率變革、質量變革。基于以上分析，本文提出如下假設：

H3：數據要素可以優化企業內部資源配置，進而提升企業新質生產力。

三、實證設計

（一）模型設定

為研究數據要素對企業新質生產力的影響，構建如下計量模型：

[Nproit=α0+α1DEit+αcControlsit+φi+φt+εit]（1）

為驗證信息不對稱與資源配置在數據要素與企業新質生產力關系中的中介作用，利用兩步法構建如下的中介效應檢驗模型：

[Interit=β0+β1DEit+βcControlsit+φi+φt+εit]（2）

其中，被解釋變量[Nproit]代表第[i]家企業在第[t]年的企業新質生產力，核心解釋變量[DEit]代表第[i]家企業在第[t]年的數據要素水平，中介變量[Interit]為信息不對稱與資源配置的代理變量，[Controlsit]表示控制變量。模型還加入了企業固定效應[φi]、時間固定效應[φt]，[εit]代表隨機擾動項。

（二）變量定義

1. 解釋變量：數據要素（DE）。數據要素作為新型生產要素，無法從上市企業披露的數據獲取。因此，本文參考李曉梅和張子薇（2024）[12]的研究思路，利用Python軟件從2011—2022年的上市企業年報中抓取關鍵詞，并將關鍵詞的詞頻作為數據要素的一個直觀反映，數值越大表明企業數據要素水平越高。其中，數據要素關鍵詞以《數據要素白皮書（2023年）》《中國數據要素市場發展報告（2021—2022）》為藍本，并借鑒李曉梅和劉姍姍（2025）[13]的研究，劃分出數據生產階段與數據應用階段兩個維度。具體如表1所示。

2. 被解釋變量：企業新質生產力（Npro）。新質生產力是一種擺脫了傳統生產力發展路徑的先進生產力，以高科技、高效能、高質量為特征，與傳統生產力存在鮮明區別。因此，本文基于新質生產力的基本特征，同時借鑒胡佳霖和徐俊（2024）[27]的研究思路，從高科技、高效能、高質量三個維度構建企業新質生產力指標體系，并運用熵值法確定各指標的權重，測算出企業新質生產力水平。其中，高科技方面參考韓文龍等（2024）[28]的研究，聚焦企業的技術研發和創新產出；高效能方面包括了企業投入與企業產出；高質量方面則是以新發展理念為指導，包含了創新發展、綠色發展、開放發展與共享發展四個層面。具體如表2所示。

3. 控制變量。企業層面的控制變量分為以下兩個方面：企業一般層面包括產權性質（SOE，虛擬變量，國企取值為1，非國企取值為0）、股權集中度（Top1，第一大股東持股比例）、獨立董事占比（BI，獨立董事人數/董事人數）、兩職合一（Dual，虛擬變量，董事長兼任總經理時取1，否則取0）；企業財務層面包括營業收入增長率（Growth，本年營業收入增量/上年營業收入）、總資產周轉率（Tat，營業收入/總資產）、現金流水平（Cash，經營活動產生的現金流量凈額/總資產）。此外，本文還引入了企業所在城市層面的控制變量，包括經濟發展水平（Lngdp，地區生產總值取對數）和產業結構（Stru，第三產業增加值/地區生產總值）。

（三）數據來源

本文選取我國2011—2022年A股上市企業的數據，并對所有連續變量進行上下1%的縮尾處理。參考通用的做法，對數據進行了以下處理：第一，剔除非正常上市的企業樣本；第二，剔除ST、*ST等經營異常的企業樣本；第三，剔除銀行、保險等金融類的企業樣本；第四，剔除帶缺失值的企業樣本。最終得到14791個企業樣本的觀測值。上市企業年報信息通過python從巨潮資訊網爬取而來，企業層面數據來源于國泰安數據庫、銳思數據庫等，城市層面數據來源于《中國城市統計年鑒》。各變量的描述性統計如表3所示。

四、實證結果分析

（一）基準回歸結果分析

1.基于數據要素水平總體的回歸分析。表4報告了數據要素對企業新質生產力影響的檢驗結果。其中，列（1）顯示在不考慮任何控制變量的情況下，回歸系數為0.0719，在5%的水平上顯著為正。列（2）—（4）分別顯示依次加入企業一般層面控制變量、企業財務層面控制變量和城市層面控制變量后，回歸系數均為正且至少在5%的水平上顯著為正。可見，基準回歸結果均表現出較強的顯著性，這證實了數據要素可以推動企業新質生產力的發展，H1得到驗證。

2.基于數據要素水平分項的回歸分析。數據要素兩個維度中關于數據生產（DE1）與數據應用（DE2）側重點的不同決定了其對企業新質生產力的貢獻可能有所差異。為此，進一步探討數據要素的細分維度對企業新質生產力的差異化影響，具體結果如表5所示。數據生產的估計系數為0.0643，數據應用的估計系數為0.0694，均在5%的水平上顯著為正，這表明數據生產與數據應用均可以有效提升企業新質生產力。

（二）穩健性檢驗

1. 排除企業策略性行為。本文利用機器學習的文本分析法構建數據要素詞典，可能會受到企業策略性信息披露行為的影響。為排除企業可能夸大信息披露的行為，本文參考馬慧和陳勝藍（2022）[29]的研究，做了以下嘗試：一是剔除數據要素水平為0的企業樣本；二是剔除樣本期內因信息披露等問題受到中國證券監督管理委員會或證券交易所處罰的企業樣本；三是僅保留信息披露考評結果為優秀或良好的企業樣本。結果見表6列（1）—（3），數據要素的回歸系數均顯著為正，與基準回歸結果一致。

2. 其他穩健性檢驗。為進一步確保研究結論的可信度，本文做了以下幾種嘗試：一是剔除直轄市樣本。鑒于直轄市的數字經濟發展水平顯著高于普通地級市，為排除其中可能存在的差異性影響，將北京、天津、上海、重慶四個直轄市的企業樣本剔除后重新回歸。二是調整樣本范圍。在本文2011—2022年的實證樣本期間，2015年的股災與2020年的新冠疫情對國內經濟發展造成巨大的沖擊，因此，將重大宏觀事件影響的年份樣本剔除后進行回歸檢驗。三是替換核心解釋變量。參考陳麗莉等（2024）[30]的做法，從數據要素價值實現的角度出發，將數據要素劃分為數據要素存量、數據開發能力、數據驅動商業應用、數據價值變現四個維度，使用文本分析法衡量企業數據要素水平（DE_）。結果見表6列（4）—（6），數據要素的回歸系數仍顯著為正，說明研究結論穩健。

3. 內生性檢驗。為緩解逆向因果可能帶來的內生性問題，一方面，考慮到數據要素對企業新質生產力的影響在傳導過程中可能存在一定程度上的時滯，因此，將滯后一期的數據要素（DEnew）作為核心解釋變量重新進行回歸。另一方面，采取工具變量法進行兩階段最小二乘法回歸。一是直接構建有效的內部工具變量，即采用同省同期其他企業數據要素水平的平均值（IV1）作為工具變量。二是參考賀梅和王燕梅（2023）[31]的做法，利用地理因素與經濟發展的聯系構建工具變量，即采用滯后一期的企業數據要素水平與城市地形起伏度的交叉項（IV2）作為工具變量。結果如表7所示，列（1）展示了滯后一期的數據要素回歸結果，在5%的水平上正相關。列（2）和列（3）報告了基于工具變量的兩階段最小二乘法回歸結果，核心解釋變量的估計系數在1%的顯著性水平上為正。Kleibergen-Paap rk LM與Cragg-Donald Wald F統計量在1%和5%水平上顯著，說明所選取的工具變量通過了弱工具變量檢驗和不可識別檢驗，進一步驗證了基準結果的穩健性。

（三）影響機制檢驗

1. 信息不對稱。借鑒于蔚等（2012）[32]的做法，利用主成分分析法選取流動性比率、非流動性比率和收益率反轉三個指標，從股票流動性的視角構建信息不對稱指標體系。該指標值越大，說明股票流動性越差，信息不對稱程度越高。表8列（1）報告了數據要素對信息不對稱影響的估計結果，其估計系數在1%的水平下具有統計顯著性，這說明數據要素能夠降低企業與外部利益相關者之間的信息不對稱，而信息不對稱的緩解能夠提升企業新質生產力。一方面，信息不對稱程度越低，企業受到的外部監督越大，媒體與政府的關注將促使企業主動約束自身行為，積極提高信息披露質量，更好地發揮信息共享效應，從而提高新質生產力水平（田冠軍等，2024）[33]。另一方面，信息不對稱的緩解意味著銀行等金融機構可以更及時地掌握企業的經營情況并進行風險評估，從而簡化融資流程，提高融資效率，為企業新質生產力水平的提升提供了堅實的資金保障（朱寶和翟世婷，2025）[34]。由此，H2成立。

2. 資源配置。參考倪婷婷和王躍堂（2022）[35]的做法，用投資效率衡量企業資源配置水平，并用Richardson模型估計的殘差絕對值來計算過度投資（Richardson，2006）[36]。過度投資說明企業將過多的資金和資源投入回報率低的項目，造成資源浪費。這種資源浪費降低了企業內部的資源配置效率，迫使企業在其他領域采取更保守的策略。殘差絕對值越大，說明企業投資效率越低，資源配置效率越差。表8列（2）報告了數據要素對資源配置影響的估計結果，其估計系數在5%的水平下具有統計顯著性，可知資源配置的中介效應顯著。這說明了數據要素能夠優化企業內部的資源配置，而資源配置的優化能夠提升企業新質生產力。一方面，資源配置高效的企業往往具備更好的組織基礎，管理者能夠在戰略、資源投入及溝通等環節實現高度協同與共振（柳儀等，2025）[37]，為新質生產力的發展提供了良好的基礎。另一方面，企業資源的優化配置意味著各類要素可流向高科技、高生產效率、高邊際產出的領域，從而支撐企業的科技創新，推動技術革命性突破，實現生產力質的飛躍（歐陽日輝，2024）[38]。由此，H3成立。

（四）異質性檢驗

1. 企業規模異質性。考慮到數據要素水平會受到企業規模的影響，本文根據企業總資產的中位數，將樣本劃分為大型企業與中小型企業進行異質性分析，并進行了組間系數差異檢驗。結果如表9列（1）和列（2）所示，大型企業與中小型企業數據要素的估計系數均顯著為正，但前者的估計系數絕對值大于后者，且組間系數差異顯著，這說明數據要素對大型企業新質生產力的提升效果更明顯。可能的原因是，與中小型企業相比，規模較大的企業往往在資源獲取、市場占有等方面有著天然的優勢。數據要素能夠為大型企業提供重要的資源，大型企業也有能力充分發揮數據要素的價值，推進數據要素的高效率交互、交易和使用，推動數據要素運用到企業的各種實際場景中解決問題，從而實現新質生產力的數字化發展。

2. 生產要素異質性。本文借鑒《上市公司行業分類指引》（2012年修訂），將所有樣本按生產要素密集度的差異分為技術密集型、資本密集型和勞動密集型三種類型進行異質性分析，并進行了組間系數差異檢驗。回歸結果如表9列（3）—（5）所示，技術密集型企業的估計系數顯著為正，而勞動密集型企業、資本密集型企業的系數并不顯著，這說明數據要素僅對技術密集型企業的新質生產力存在顯著的積極作用。可能的原因是，技術密集型企業本身以創新為發展重點，而數據要素的利用需要較強的創新基礎支撐，技術密集型企業的創新力量促進了新質生產力的涌現與發展。

3.數字技術異質性。數字技術應用越頻繁、受數字技術影響越深的行業，數據要素對企業新質生產力的影響可能越大。本文借鑒黨琳等（2021）[39]的做法，從ICT（信息與通信技術）的角度出發，依據2018年全國投入產出表對各行業的ICT投入強度進行計算，利用均值將樣本劃分為高ICT強度行業與低ICT強度行業進行異質性分析，并進行了組間系數差異檢驗。結果如表9列（6）和列（7）所示，高ICT強度行業和低ICT強度行業的估計系數均顯著為正，但前者的估計系數絕對值大于后者，且組間系數差異顯著，這說明數據要素對高ICT強度行業新質生產力的提升作用更明顯。可能的原因在于高ICT強度行業具備良好的數字化基礎，數據要素更易于轉化為現實的生產要素，企業間的要素協同效應也更易于實現，進而提高生產效率和生產質量，實現生產力的質態飛躍。

五、進一步分析

數據要素不同于傳統的勞動要素、資本要素和技術要素，其正外部性和規模報酬遞增性等特征有利于形成聚集、積累和乘數效應。而數據要素與傳統生產要素的協同可以打破傳統資源限制，提高單一要素的使用效率和生產效率（Jones和Tonetti，2020）[40]，并通過明確人才、資金、技術等應用方向，實現生產力從低科技領域向高科技領域、低效率領域向高效率領域、低質量領域向高質量領域的轉移。因此，本文認為，數據要素可以與傳統生產要素形成協同效應，并通過發揮數據要素的放大、疊加、倍增作用，帶動企業新質生產力的能級躍遷。

為驗證數據要素與傳統生產要素的協同效應對企業新質生產力的影響，本文借鑒韓永彩等（2025）[41]的做法，構建如下計量模型：

[Nproit=γ0+γ1DEit+γ2DEit×TPFit+γ3TPFit+γcControlsit+φi+φt+εit]" （3）

其中，[DEit×TPFit]為數據要素與傳統生產要素的交乘項；[TPFit]為傳統生產要素，包括[Tit]、[Kit]和[Lit]，分別代表技術要素、資本要素、勞動要素。技術要素用研發費用衡量，資本要素用固定資產賬面價值衡量，勞動要素用本科學歷以上員工人數所占比例來衡量。

結果如表10所示，列（1）—（3）分別報告了數據要素與技術要素協同、數據要素與資本要素協同、數據要素與勞動要素協同對企業新質生產力的影響。數據要素與各傳統生產要素的交互項系數均為正值且在1%水平上顯著，這說明數據要素聯動傳統的技術要素、資本要素、勞動要素，可以促進企業新質生產力的發展。

六、結論及建議

本文以2011—2022年A股上市企業為樣本，實證研究了數據要素對企業新質生產力的影響。研究表明：數據要素顯著促進企業新質生產力的發展，且該作用經過一系列穩健性檢驗以及內生性檢驗后仍然顯著。影響機制檢驗表明，數據要素可以通過降低信息不對稱和優化資源配置來提升企業新質生產力。異質性分析表明，在大型企業、技術密集型企業及高ICT強度行業企業中，數據要素對新質生產力的提升效應更為顯著。進一步分析表明，數據要素能夠與技術要素、資本要素、勞動要素協同促進企業新質生產力的發展。

根據以上研究結果，提出以下建議：

第一，釋放數據要素紅利以提升企業新質生產力。企業應充分認識到數據要素的重要性，積極推動數據要素與傳統生產要素的深度融合，以實現勞動者、勞動資料、勞動對象的三位一體躍升。企業一方面需加大對勞動者的培訓和教育力度，提升其數字技能和創新能力，加強勞動者的數據應用能力，讓勞動者成為企業轉型和發展的核心力量；另一方面要重視對勞動資料和勞動對象的數字化、智能化改造，將數據要素融入企業的生產、管理和決策過程中，以提高生產效率和產品質量，促進企業新質生產力的發展。

第二，降低信息不對稱和優化資源配置以提升企業新質生產力。企業一方面應建立數據共享機制和開放平臺，加強與外部市場的信息交流，提高信息質量和信息傳遞效率，減少與外部利益相關者間的信息不對稱，為新質生產力發展奠定基礎；另一方面應積極將數據要素引入現有的管理架構與生產體系，促進企業的管理創新及技術創新，實現管理、研發、生產等各環節資源配置的最優化，加速企業新質生產力的形成和發展。

第三，采取差異化的數據要素發展策略以提升企業新質生產力。企業一方面應從自身需求和痛點出發，通過合理規劃數據要素應用方式，將數據要素嵌入企業生產的全流程，構建數據驅動的生產模式；另一方面應采取分類發展、因業施策的數字要素發展策略，這需要通過市場與政策的充分協同，積極培育新興產業和未來產業，推動數字產業發展，為企業新質生產力的發展營造良好的外部環境。

參考文獻：

[1]李建軍，吳周易.機器人使用的稅收紅利：基于新質生產力視角 [J].管理世界，2024，40（06）.

[2]高帆.“新質生產力”的提出邏輯、多維內涵及時代意義 [J].政治經濟學評論，2023，14（06）.

[3]胡瑩，方太坤.再論新質生產力的內涵特征與形成路徑——以馬克思生產力理論為視角 [J].浙江工商大學學報，2024（02）.

[4]張夏恒，馬妍.生成式人工智能技術賦能新質生產力涌現：價值意蘊、運行機理與實踐路徑 [J].電子政務，2024，（04）.

[5]郭強華，郭斐斐.數字化轉型與企業新質生產力：理論機制與實證檢驗 [J].統計與決策，2025，41（01）.

[6]趙斌，汪克亮，劉家民.政府數字化治理與企業新質生產力——基于信息惠民國家試點政策的證據 [J].電子政務，2024，（09）.

[7]范德成，肖文雪.數據要素配置與區域創新：賦能效果及作用路徑 [J].科技進步與對策，2023，40（20）.

[8]何偉，董影，孫中原.數據要素對區域協調發展的影響研究——基于中國279個地級市面板數據的實證分析 [J].城市問題，2024，（06）.

[9]徐野，田聰，劉滿鳳，楊杰.數據要素對經濟增長的影響效應研究 [J].統計與決策，2024，40（06）.

[10]鈔小靜，王宸威.數據要素對制造業高質量發展的影響——來自制造業上市公司微觀視角的經驗證據 [J].浙江工商大學學報，2022，（04）.

[11]于柳箐，高煜.數據要素是推動中國服務業增長的新動能嗎——來自機器學習的估計 [J].現代經濟探討，2023，（09）.

[12]李曉梅，張子薇.數據要素對專精特新企業創新能力的影響 [J].科技管理研究，2024，44（10）.

[13]李曉梅，劉姍姍.數據要素賦能企業供應鏈韌性：理論機制與實證檢驗 [J].科技進步與對策，2025，42（05）.

[14]尹西明，錢雅婷，武沛琦，陳勁.平臺企業加速數據要素向新質生產力轉化的邏輯與進路 [J].技術經濟，2024，43（03）.

[15]許中緣，鄭煌杰.數據要素賦能新質生產力：內在機理、現實障礙與法治進路 [J].上海經濟研究，2024，（05）.

[16]歐陽日輝，劉昱宏.數據要素倍增效應的理論機制、制約因素與政策建議 [J].財經問題研究，" 2024，（03）.

[17]單純，李艷鑫，張潤霖.協同創新下高校“一環三措”新質科技人才培養模式研究 [J].科技管理研究，2024，44（24）.

[18]Baldwin R，Forslid R. 2020. Globotics and Development：When Manufacturing is Jobless and Services are Tradable [J].CEPR Discussion Papers.

[19]何小鋼，郭曉斌，況雅琴.機器人應用能否促進企業出口？——基于效率和質量雙贏的視角 [J].財經問題研究，2024，（04）.

[20]黃靜秋.人工智能算法賦能勞動的新樣態——基于馬克思勞動價值論視域的研究 [J].經濟學家，2023，（10）.

[21]李健，趙樂欣，姚能志，白俊紅.數字經濟與企業創新迎合行為：信息緩解政策扭曲效應的實證研究 [J].數量經濟技術經濟研究，2024，41（07）.

[22]呂靜.企業數字化轉型與財務風險緩釋——來自中國上市公司的經驗證據 [J].金融發展研究，2024，（07）.

[23]陳曄婷，柴藝，黃曾媛，劉金濤.數據要素市場化能抑制企業投資“羊群行為”嗎？——基于數據交易平臺設立的準自然實驗 [J].金融發展研究，2025，（03）.

[24]Holzmayer F，Schmidt S L. 2020. Dynamic Managerial Capabilities，Firm Resources，and Related Business Diversification-Evidence from the English Premier League[J].Journal of Business Research，117（1）.

[25]傅元海，熊豪.數字化轉型改善資源配置的理論邏輯與路徑選擇 [J].經濟學家，2024，（09）.

[26]史本葉，楊馥嘉，王曉娟.國內價值鏈與企業技術創新 [J].當代財經，2024，（01）.

[27]胡佳霖，徐俊.中國新質生產力：區域差距、動態演進與躍遷趨勢 [J].統計與決策，2024，40（21）.

[28]韓文龍，張瑞生，趙峰.新質生產力水平測算與中國經濟增長新動能 [J].數量經濟技術經濟研究，2024，41（06）.

[29]馬慧，陳勝藍.企業數字化轉型、壞消息隱藏與股價崩盤風險 [J].會計研究，2022，（10）.

[30]陳麗莉，張若琪，戎珂.數據要素賦能企業創新：基于內外部資源視角 [J].管理評論，2024，36（12）.

[31]賀梅，王燕梅.制造業企業數字化轉型如何影響員工工資 [J].財貿經濟，2023，44（04）.

[32]于蔚，汪淼軍，金祥榮.政治關聯和融資約束：信息效應與資源效應 [J].經濟研究，2012，47（09）.

[33]田冠軍，李尚明，陳余，等.共同機構所有權與企業新質生產力 [J].證券市場導報，2024，（11）.

[34]朱寶，翟世婷.數字金融發展能否提升企業新質生產力？——理論邏輯與經驗證據 [J].會計之友，2025，（12）.

[35]倪婷婷，王躍堂.區域行政整合、要素市場化與企業資源配置效率 [J].數量經濟技術經濟研究，2022，39（11）.

[36]Richardson S. 2006. Over-Investment of Free Cash Flow [J].Review of Accounting Studies，11（2-3）.

[37]柳儀，馮海燕，簡兆權.大中小企業融通創新賦能新質生產力的內在邏輯與實現路徑 [J].企業經濟，2025，44（02）.

[38]歐陽日輝.激活數據要素價值發展新質生產力 [J].人民論壇，2024，（11）.

[39]黨琳，李雪松，申爍.數字經濟、創新環境與合作創新績效 [J].山西財經大學學報，2021，43（11）.

[40]Jones C I，Tonetti C. 2020. Nonrivalry and the Economics of Data [J].American Economic Review，110.

[41]韓永彩，程麗雯，鐘昌標.數據要素和傳統要素協同配置與企業新質生產力 [J].工業技術經濟，2025，44（04）.