數據要素市場化、超大規模市場與企業高質量創新

摘要：數據要素市場化是數字經濟發展的基礎，是強化科技創新的重要支撐。文章利用2009—2022年上市企業數據研究了數據要素市場化對企業高質量創新的影響及機制，并探討了超大規模市場的數據飛輪效應。研究結果表明：數據要素市場化顯著提升了企業創新質量，在一系列穩健性檢驗中均成立。機制檢驗顯示，數據要素市場化主要通過增強企業間知識溢出、降低創新風險水平、緩解創新資源約束，促進企業創新質量的提升。進一步研究發現，超大規模市場能夠通過需求引致創新效應和促進企業充分利用數據要素，強化數據要素市場化對企業高質量創新的正向作用；該作用在民營企業、強競爭性行業、強數字經濟政策供給地區、高知識產權保護水平地區中更為顯著。此外，數據要素市場化還能夠促進創新成果轉化、提高企業市場競爭力和全要素生產率，從而促進市場主體高質量發展。研究結論為持續推進數據要素市場化，釋放數據要素價值，賦能企業高質量創新提供了有益參考。

關鍵詞：數據要素市場化；超大規模市場；高質量創新；知識溢出；創新風險

作者簡介：龐瑞芝，南開大學企業研究中心教授、博士生導師（天津30071）；王洪巖，南開大學經濟學院博士研究生，通訊作者（天津30071）

DOI編碼：10.19667/j.cnki.cn23-1070/c.2025.04.005

引言

隨著數字經濟的深入發展，特別是大數據、人工智能、云計算等數字技術的涌現與應用，數據作為關鍵生產要素的作用不斷增強，參與到社會生產和經營活動中的各個環節中。事實上，數據要素被譽為數字時代的“新石油”，不僅是創新活動所必須的新型生產要素，還能夠賦能土地、勞動、資本等傳統生產要素，重塑創新要素結構和科研范式，實現經濟發展的倍增效應。①自2014年“大數據”被首次寫入政府工作報告以來，中共中央、國務院相繼印發了《關于構建更加完善的要素市場化配置體制機制的意見》《要素市場化配置綜合改革試點總體方案》《關于加快建設全國統一大市場的意見》以及《關于構建數據基礎制度更好發揮數據要素作用的意見》等重要文件，對如何加快培育數據要素市場作出系統部署。值得關注的是，在數字經濟快速發展背景下，中國超大規模市場優勢與數字經濟相結合，形成有利于企業創新發展的獨特“數據飛輪效應”。當前，中國已成為引領全球數字經濟創新的重要策源地，具有數據規模龐大和豐富場景應用的明顯優勢。國家互聯網信息辦公室公布的統計數據顯示，2017—2021年，中國數據量從2.3ZB增加到6.6ZB，占全球數據總產出的十分之一，已成為僅次于美國的第二大數據產出國。①海量的數據儲備只有在流動中才能創造更大價值。然而，現實中“數據壟斷”和“數據孤島”極大地制約了數據要素的互通互聯，數據資源有效供給難以滿足數字經濟快速發展對數據的需求，只有通過深化數據要素市場化改革，有效暢通數據要素的供給、流通、共享，才能充分釋放我國超大規模數字經濟體中海量數據要素的潛能和價值。

創新質量是提高綜合國力和企業可持續競爭力的核心動能，對構建現代化經濟體系，加快形成新質生產力具有根本性和基礎性支撐作用。然而，現階段我國創新體系面臨著“規模-質量”的結構性失衡，專利申請數量繁榮的背后隱藏著技術低端鎖定、“專利泡沫”的創新困境，②導致我國企業長期處于創新價值鏈的低端環節，產品國際競爭力較弱。黨的二十大報告指出，“堅持創新在我國現代化建設全局中的核心地位”，“加快實現高水平科技自立自強”③。習近平總書記也強調，“科技創新能夠催生新產業、新模式、新動能，是發展新質生產力的核心要素。”④這對我國的創新水平提出了更高的要求，必須從“要素投入型”向“質量躍遷型”轉換。

為此，本文擬對下述問題進行探討：數據要素市場化能否激發企業創新活力，提升創新質量？其背后的影響機制是什么？超大規模市場在數據要素市場化與企業創新質量之間發揮何種作用？與上述研究問題有關的文獻主要包括兩方面。一是有關數據要素市場化的相關文獻。數據要素市場化相關研究主要聚焦于數據交易制度建設及其經濟后果。在制度建設層面，研究主要集中于數據確權⑤和數據交易機制。⑥就經濟后果而言，研究表明數據要素市場化能夠有效促進數字化轉型，⑦提升企業效率。⑧二是有關企業創新質量的相關研究。相關研究大多探究了知識產權保護⑨、研發補貼⑩、專利信息公開對企業創新質量的影響。??????總體而言，雖然有部分研究從不同角度探討了數據要素市場化的經濟效應和企業創新質量的影響動因，但并未充分揭示數據要素市場改革對企業創新質量的影響及作用機理。本文通過引入地方數據交易平臺設立這一外生沖擊，探究數據要素市場化如何影響企業創新質量。本文使用2009—2022年上市企業數據、專利信息數據，構造多期雙重差分模型，系統考察數據要素市場化對企業創新質量的影響效應及作用機制。主要研究發現：數據要素市場化對企業創新質量提升具有顯著的正向影響，且結論穩健。從作用機制來看，數據要素市場化主要通過三個路徑促進創新質量提升：強化知識溢出效應、降低創新風險水平、緩解創新資源約束。超大規模市場對數據要素市場化與企業創新質量之間的關系具有顯著的正向調節作用，能夠通過需求引致創新和提升企業數據要素利用水平，發揮數據飛輪效應，進一步放大數據要素市場化對創新質量的促進效應。異質性分析進一步揭示了數據要素市場化對企業創新質量的影響具有情境依賴性，其正向效應在民營企業、強競爭性行業、強數字經濟政策供給地區以及高知識產權保護水平地區中更為顯著。進一步地，本文還發現數據要素市場化能有效加速創新成果轉化，增強企業市場競爭力和全要素生產率，為市場主體高質量發展提供持續動能。

本文的邊際貢獻主要體現在以下三個方面：第一，既有研究多聚焦數據要素市場化對資源配置效率的宏觀影響，例如探討其如何優化產業結構、促進經濟增長，但對微觀企業創新決策的影響機制缺乏系統性探討。本文從創新質量視角揭示數據要素市場化對企業創新行為的影響路徑，彌補了現有文獻在數據要素市場化微觀經濟后果研究中的空白，為理解數字經濟時代企業創新驅動機制提供了新的理論依據。第二，傳統研究對企業創新質量的分析主要集中于研發投入、人力資本、制度環境等傳統要素層面，而對數據要素這一新型生產要素的關注相對不足。本文突破傳統研究框架，將數據要素市場化納入企業創新質量的分析框架，系統考察其對企業創新決策的影響機理。研究不僅豐富了企業創新質量影響因素的理論研究，更為技術創新理論在數字經濟時代的發展提供了新的內涵與視角。第三，現有文獻對超大規模市場與數據要素市場化的研究多聚焦于二者單獨作用，缺乏對二者協同效應的深入探討。本文創新性地將超大規模市場納入分析框架，對構建數字經濟時代新比較優勢理論具有重要的理論意義，也為政策制定者推動數據要素市場化改革、發揮超大規模市場優勢提供了重要的決策參考。

一、理論分析

數據要素市場化通過數據資源化、資產化、資本化，推動數據要素的生產、流通和共享，促進知識溢出、降低創新風險、緩解資源約束，進而提高企業創新質量。數據作為信息的數字化載體，是知識生產的基礎要素，而知識則是數據經過系統化加工與整合后的高階產物。創新的本質在于對既有知識的探索、重組與再創造，進而形成具有經濟價值的新技術或新產品。數據要素在交換、共享和應用中，往往伴隨著與之相關的經驗、技術等隱性知識流動。①數據要素市場化通過統一的制度安排和交易機制，拓寬各類數據要素的時空范圍，打破信息繭房和破除行業信息壁壘，促進高價值數據要素的流通和集聚，有助于企業獲取創新知識和技術經驗，從而產生知識溢出。②另外，信息的本質是消除不確定性。數據要素市場化通過數據交互、共享能夠降低研發創新風險。創新決策是企業權衡風險與收益后的策略性選擇。高質量創新的高風險特征通常會使得企業作出風險規避的創新選擇。風險管理理論指出，通過多樣化信息資源獲取和動態調整，企業能夠分散和規避創新過程中面臨的不確定性。數據要素市場化能夠使創新主體獲取高質量、及時性強的數據信息：一方面，通過數據要素的精準分析和預測功能能夠為技術研發提供決策支持，降低技術不確定風險；另一方面，通過動態追蹤用戶需求和市場變化，幫助企業識別潛在機會和風險，減少新產品或新技術推廣時的市場適配性風險。最后，數據要素市場化還會賦予數據要素資本化的屬性，為企業提供新的融資方式和資本支持，能夠有效緩解企業在創新、生產和運營中的流動性約束問題，①從而增加研發投入，提升創新質量。基于上述分析，本文提出以下假設：降低了高價值數據要素獲取的邊際成本。

假設1：數據要素市場化能夠有效提升企業創新質量。

數據要素市場化通過數據要素交互、共享，產生信息外溢效應，促進創新主體間知識溢出，從而提高企業創新質量。企業創新是一種知識創造，信息的流動能夠增加、重組和改變隱性知識和顯性知識之間的相互轉化，從而產生新知識。數據作為信息和知識流動的載體，合作創新和知識要素集聚是獲取外部知識溢出的重要途徑。一方面，數據要素市場化通過提高信息的可獲取性與共享程度，減少了合作中的信息不對稱，從而促進企業與不同創新主體間的創新合作。企業間合作創新往往伴隨著技術轉移和知識擴散，通過共享技術專長、市場信息及研發成果，形成緊密的知識互動網絡，產生知識溢出效應，從而驅動企業創新質量的提升。②另一方面，數據要素市場化通過建立統一的交易平臺、標準化的數據交易規則以及完備的數字基礎設施，有效聚集了來自不同行業和領域的豐富數據要素資源和擁有關鍵數字技術的數字企業，從而促進數字技術與數據要素的融合。③借助數字技術能夠將數據要素所內含的隱性知識（如制造工藝參數等）顯性化為有價值的結構化信息，同時實現跨域顯性知識的模塊化重組，顯著提升知識重組的邊際效率，強化知識溢出。

數據要素市場化能夠通過降低創新風險，提高企業的創新質量。與一般創新相比，高質量創新面臨著更大的不確定性、更高的風險。在傳統創新環境下，企業面臨信息約束問題，缺乏準確的市場需求和技術趨勢信息，創新決策往往陷入“信息盲區”，導致創新資源配置效率低下，加劇創新風險。根據預期理論，企業在面對風險決策時，通常表現出風險厭惡的行為，尤其是在利益損失的情境下，企業往往對可能的損失過于敏感，而忽視高質量創新的潛在收益。這種行為偏向使得企業在面對創新風險時，更加謹慎，不愿意投入大量資源進行高質量創新，誘發企業進行策略性創新。④知識本質上是對信息的結構化處理而形成的認知體系，信息豐裕度的提升能夠有效拓展企業的認知邊界，通過增加知識儲備的多樣性和深度來降低創新過程中的不確定性。數據要素市場化通過數據交易平臺等市場化手段實現數據要素的優化配置，降低了數據的流通壁壘，構建高效的信息傳遞機制，為企業創新決策提供了關鍵的風險緩釋渠道。這使得企業在研發過程中，可以利用歷史數據、市場數據以及消費者反饋數據，分析產品的潛在市場表現，進行場景應用創新，將創新資源配置到關鍵核心技術的創新上，降低創新試錯成本，以規避潛在的創新風險，從而提升創新質量。⑤此外，數據要素市場中海量的多源數據要素與機器學習、人工智能等數據分析技術的結合，通過構建創新畫像，引導技術、勞動、市場等創新要素有機協同整合，幫助企業更加精準地預測研發結果，進行有效的創新風險管理，進而提升企業創新質量。

數據要素市場化能夠有效緩解企業的創新資源約束，從而提升創新質量。企業創新活動易受到融資約束和交易成本的資源限制，不愿輕易改變現有的生產技術、業務流程和產品，更傾向于進行模仿型技術創新，而非原創性、新穎性的高質量創新，從而擠出創新資源。①數據要素市場化不僅可以拓寬企業的融資渠道，還可以幫助企業降低信息搜索、談判和監督等交易成本，緩解企業的創新資源約束，促使企業選擇高質量創新。從拓寬融資渠道來看，數據要素市場化通過數據確權、數據資產入表，為企業提供了數據資產質押融資和數據資產證券化等新的融資渠道，有助于企業利用自身的數據資產獲得資金支持，增加企業的現金流，緩解研發創新活動的資金約束。②例如，神州數碼將旗下金服云數據產品作為數據資產，納入企業財務報表并獲得建設銀行深圳分行授信融資3000萬元。從降低企業交易成本來看，企業獲取外部數據資源通常需要面臨較高的搜尋和議價成本，而數據要素市場化通過構建統一的數據交易平臺和透明的交易規則，提供數據登記結算、資產評估、交易撮合、爭議仲裁等配套服務，實現數據要素的有序流通和高效交易，使得數據供需雙方能夠精確匹配，從而降低數據要素獲取的交易成本。③此外，海量數據要素的獲取還有助于企業預測需求調整庫存和優化供應鏈管理，并基于可視化信息對供應商進行比較和篩選，減少采購和議價成本。因此，數據要素市場化通過拓寬企業融資渠道、降低交易成本，能夠緩解企業面臨的創新資源約束，從而提升創新質量。基于上述分析，本文提出以下假設：

假設2：數據要素市場化能夠通過促進知識溢出、降低創新風險、緩解創新資源約束來提升企業創新質量。

超大規模市場是我國的突出優勢、寶貴的戰略資源，是推動數字經濟發展、培育新質生產力的關鍵載體。超大規模市場優勢具有“總量規模性、結構異質性、系統協同性”等典型特征，能夠影響數據要素市場的規模和效率，強化數據要素的飛輪效應，促進企業創新質量的提升。這種飛輪效應表現為數據要素的生成、流通與應用在供需雙側與企業創新活動的相互促進和動態強化。一方面，超大規模市場憑借其龐大的用戶基數和多樣化的市場需求，為企業提供了更多的要素選擇和組合空間，促進了數據要素的有序流動和價值實現，通過需求引致效應賦能企業創新升級；④另一方面，超大規模市場以其海量數據要素，豐富場景應用提供了海量的消費者畫像、行為模式、產品反饋等多維數據要素，通過疊加效應和數據驅動，賦能企業精準創新，提升創新質量。超大規模市場通過推動供需雙側的多樣化數據要素生成，而這些數據又反過來推動企業優化技術迭代和生產流程，從而形成數據驅動的創新反饋循環。基于數據的精益化創新管理顯著提升了創新成功率和質量。創新活動所產生的新增數據進一步充實了數據要素市場的資源池，同時借助多樣化的應用場景擴展數據要素的實踐空間，形成了“應用場景—數據生成—市場反饋—技術迭代—場景優化”的創新循環路徑，驅動企業創新質量的提升。基于上述分析，本文提出以下假設：

假設3：超大規模市場能夠發揮數據要素的飛輪效應，通過需求引導創新、提高企業數據要素利用水平，從而強化數據要素市場化對創新質量的促進作用。

三、研究設計

（一）識別策略

本文借鑒準自然實驗的研究思路，將城市設立數據交易平臺視為數據要素市場化的外生性沖擊事件，通過構建多期雙重差分（DID）方法，實證分析其對企業創新質量的影響。具體模型設定如下：

Qualityit=α0+α1DIDijt+γ1Controlit+λi+ηt+uj+εit（1）

其中，Qualityijt表示i企業在t年的創新質量；DIDit表示數據要素市場化的政策沖擊變量；Controlit為控制變量；λi為企業固定效應，以控制企業層面的異質性特征；uj為城市固定效應，以控制不隨時間變化的城市層面的差異；ηt為年份固定效應，以控制不隨個體變化的時間層面的差異。在回歸模型（1）中，DIDit的估計系數是本文的關注重點，刻畫了數據要素市場化對企業創新質量的影響效應。若α1顯著為正，這說明在數據要素市場化能夠顯著提升企業創新質量。

（二）數據來源

本文選取2009—2022年中國A股上市公司數據，對樣本進行以下篩選和處理：①剔除金融類和ST類企業；②剔除主要數據缺失的研究樣本；③對所有連續變量進行上下水平1%縮尾處理。企業層面數據都來自國泰安數據庫（CSMAR），專利信息數據來自incoPat專利數據庫，城市層面數據來自《中國城市統計年鑒》。

（三）變量定義

1.被解釋變量：創新質量

創新質量。現有研究主要基于專利前向和后向引用、權利要求數量、專利家族規模、知識寬度，以及構建多維度指標來度量創新質量。其中，專利引用、知識寬度和權利要求數量被廣泛使用，但專利引用存在選擇性引用以及樣本觀測期的限制帶來的截斷效應，導致創新質量測度存在偏差。因此，本文以知識寬度作為企業創新質量的代理變量，并在穩健性檢驗中使用權利要求數量、合享價值度替換創新質量的衡量。本文參考張杰和鄭文平的研究來度量知識寬度。①一般而言，專利所涉及的知識領域越廣，專利的復雜程度越高，模仿和改進該專利產品的難度越大，也就意味著專利的質量和市場價值越高。基于專利IPC分類號“部-大類-小類-大組-小組”的逐級分類格式（如“A01B01/00”），使用赫芬達爾—赫希曼指數（HHI）對專利分類號中各大組分類所占比重進行加權，其公式為：Width=1-∑α2。

其中，α表示專利分類號中各大組分類所占比重，該變量取值越大，則表明大組層面IPC專利分類號的差異越大，企業在該項專利運用的知識也越廣泛和復雜。最后，將企業申請的專利層面的知識寬度加總到企業層面，采用均值法根據企業年份進行加總。

2.核心解釋變量：數據要素市場化

數據要素市場化（DID）。本文將數據交易平臺設立視為數據要素市場化的準自然實驗，設立數據交易平臺城市的企業劃分為處理組，并在該年及隨后的年份賦值為1；未設立數據交易平臺城市的企業則被歸類為控制組，賦值為0。

3.調節變量：超大規模市場

對于超大規模市場而言，市場潛力指標度量了不同城市間市場的空間關聯性或城市中各企業所面臨的市場需求方面的空間外部性。該指標的值越大，意味著城市在發展過程中越具有明顯的超大規模市場優勢。因此，本文參考韓峰和袁香鈺的研究，②使用市場潛力指數（Market）來表征超大規模市場。

4.控制變量

為緩解遺漏變量偏誤，本文也考慮了其他可能影響企業創新質量的變量：企業規模（Size）、杠桿率（Lev）、企業年齡（FirmAge）、董事會規模（Bord）、股權集中度（TOP1）、員工數量（Employ）、公司成長性（TobinQ）、現金持有（Cash）、盈利能力（ROA）。此外，本文還參考劉栩君等的研究設計，①加入城市層面的控制變量：經濟發展水平（Pgdp）、產業結構（Ind）、對外開放水平（Open）、人力資本水平（HC）。主要變量定義見表1。

四、實證分析

（一）基準回歸結果

表2（見下頁）報告了數據要素市場化對企業創新質量的回歸結果。其中，表2列（1）為核心解釋變量和被解釋變量企業創新質量的單變量回歸，并控制了企業固定效應、年份固定效應和城市固定效應。列（2）在列（1）的基礎上加入了企業層面控制變量，列（3）在列（2）的基礎上增加城市層面的控制變量。所有結果均顯示DID的系數在1%的水平上顯著為正，表明數據要素市場化能夠顯著提升企業創新質量。結果表明，數據要素市場化能夠顯著提升企業創新質量，有效避免了創新過程中的低端鎖定現象，幫助市場主體成功跨越“創新質量困境”。

（二）識別條件檢驗

1.平行趨勢檢驗

使用DID進行因果識別需要處理組和控制組滿足共同趨勢假設，即在事件沖擊發生之前，處理組與控制組企業的創新質量具有相同的變化趨勢。為此，本文使用事件研究法進行平行趨勢檢驗，模型如下：

其中，DIDkijt表示數據交易平臺設立的相對年份，k為0時為政策當期，k為1時則為設立后1年。時間窗口設置為（-6，6），以-1年為基期進行平行趨勢檢驗。檢驗結果如圖1（見下頁）所示，在數據交易平臺設立前，回歸系數均不顯著，表明處理組與對照組企業創新質量在政策實施前不具有顯著差異，通過平行趨勢檢驗。在數據交易平臺設立后，回歸系數呈明顯的向上趨勢，從政策實施第二年之后開始顯著為正，表明數據要素市場化提升了企業創新質量，且這一效應具有持續性。

2.處理效應異質性檢驗

本文還參考現有文獻，采用交互權重估計量①和堆疊DID估計量來解決組別和時間維度上的處理效應異質性。②處理效應異質性檢驗結果如圖2所示。通過對比發現，各類穩健估計量在事前均不顯著且估計系數在0值附近波動，事件發生后三種估計量出現顯著為正的估計系數且具有大致相同的動態效應。這表明，本文構建的多期雙重差分法估計數據要素市場化對企業創新質量的影響效應不存在嚴重的處理效應異質性問題，估計方法可信度高，結果具有穩健性。

（三）穩健性檢驗

本文通過安慰劑檢驗、替換被解釋變量、調整樣本區間、更換聚類層級、剔除其他政策干擾、雙重機器學習估計等穩健性檢驗，進一步增強結論的可靠性。

1.安慰劑檢驗

為了排除其他政策和非觀測隨機因素對結果的干擾，本文通過觀察基準回歸中核心解釋變量的分布情況，隨機抽樣500次生成“偽政策虛擬變量”來代替其真實變量。如果數據要素市場化對企業創新質量的影響來自某些不可觀測的隨機性因素，那么應該在安慰劑實驗中觀測到相同水平的處理效應。回歸的估計點在核密度曲線之外，表明隨機因素不太可能影響估計結果，基準結果穩健。

2.替換被解釋變量

由于企業創新質量的不同衡量方式可能對結果產生差異影響。為此，本文采用不同的創新質量測算方式和指標體系進行穩健性檢驗。首先，本文以企業申請專利的平均權利要求數量重新度量創新質量。①專利權利保護數量能夠反映專利內含的科學技術成果涉及范圍和復雜程度，②權利要求數越多表明專利的限制權利越多，越不容易模仿，專利價值越高。其次，本文使用企業申請專利的平均合享價值度替換被解釋變量。合享價值度由incoPat專利檢索平臺提供，用于評估專利質量和價值，主要依據技術穩定性、技術先進性和保護范圍三項指標及20多個參數綜合計算得出，分數越高表明專利的價值和質量越高。③最后，本文參考沈坤榮和林劍威的研究，④采用反雙曲正弦（Arcsinh）變換對企業創新質量進行處理，以應對創新質量數據的非正態分布、偏態特性及尾部極值問題，確保回歸分析的穩健性與準確性。更換創新質量度量后的回歸結果如表3（見下頁）列（1）—（3）顯示，核心解釋變量均在1%的水平上顯著為正，說明數據要素市場化顯著促進了創新質量，與基準結論一致。

3.調整樣本區間

為進一步確定研究結果的穩健性，避免因過長研究區間導致的估計偏誤，本文將樣本區間縮短為2014—2020年重新進行回歸檢驗，回歸結果如表3列（4）所示。檢驗結果顯示，DID的回歸系數依然顯著為正，回歸結果依然穩健。

4.更換聚類層級

企業創新質量的提升可能與其所屬行業特征有關。為此，本文分別把聚類標準誤調整為行業-年份層面、行業-城市層面，以控制不同行業在不同年份、不同城市的創新質量特征。表3列（5）和（6）報告了更換聚類層級后的結果，DID的回歸系數顯著為正，與基準結果基本一致，表明數據要素市場化促進企業創新質量的結果依然穩健。

5.剔除其他政策干擾

在本文樣本期間，國家還陸續出臺了寬帶中國、智慧城市等影響地區數字經濟發展和企業創新質量的政策，可能造成本文估計結果的偏誤。為此，本文進一步在基準回歸模型中分別加入寬帶中國試點和智慧城市試點的政策虛擬變量，以控制這些政策對估計結果的影響。結果如表4（見下頁）列（1）和（2）所示，DID的估計系數仍顯著為正，基準結果依然穩健。

6.雙重機器學習估計

鑒于多期DID模型在處理變量間非線性關系時存在局限性，且易受多重共線性問題干擾，本研究引入雙重機器學習（DoubleMachineLearning，DML）進行檢驗。本文分別使用隨機森林、套索回歸、彈性網絡和嶺回歸等機器學習算法重新進行估計。估計結果見表4列（3）—（6）所示，回歸系數依舊顯著為正，本文的基本結論穩健。

五、進一步分析

（一）機制檢驗

根據前文的理論分析，本文認為數據要素市場化可能通過促進知識溢出、降低創新風險以及緩解創新資源約束等機制，進而提升創新質量。在此基礎上，本文進一步檢驗數據要素市場化影響創新質量的機制，借鑒江艇提出的機制檢驗方法，①本文通過觀測核心解釋變量對機制變量的影響進行機制檢驗。

1.促進知識溢出

本文借鑒呂越等人的研究，②以技術鄰近度（Tech_prox）和引用多樣性（Cite_div）兩項指標作為知識溢出的代理變量。技術鄰近度是計算同一行業內企業間的專利相似程度，并根據同一行業內其他企業的專利授權存量進行加權平均；引用多樣性通過測量單個專利引用的跨IPC分類號離散度，并在企業層面取均值。促進知識溢出機制的回歸結果見表5列（1）和（2），數據要素市場化顯著提高了企業技術鄰近度和引用多樣性，說明數據要素市場化能夠發揮知識溢出效應，促進企業通過獲取和利用多元化的知識資源來提升創新質量。

2.降低創新風險

一般而言，創新風險是指在創新過程中可能遇到的各種不確定性和潛在損失，具體表現為研發投入波動、創新效率低、回報周期長，這些風險可能影響創新項目的成功和創新成果的價值實現。為驗證這一機制，本文借鑒王玉澤等人和虞義華等人的研究，①分別選取創新收益風險和創新效率作為創新風險的代理變量。對于創新收益風險（Risk）的度量，若企業研發支出增長率大于后一期凈利潤增長率，則認為存在一定的創新風險，取值為1，否則取值為0。對于創新效率（Inef）的度量，即下一年發明專利授權數量/當年研發投入+0.8×上一年研發投入。表5列（3）和（4）分別是以Risk、Inef作為被解釋變量的回歸結果，結果顯示數據要素市場化顯著降低了企業的創新收益風險并提高了創新效率，從而證實其能夠通過緩解創新風險來提升企業創新質量。

3.緩解創新資源約束

為檢驗數據要素市場化通過緩解創新資源約束促進企業創新質量這一機制，本文從融資約束和交易成本兩個方面來度量。從融資約束看，本文采用SA指數來測度公司所面臨的融資約束（SA），利用如下公式計算SA指數：SA=-0.737×Size+0.043×Size2-0.04×Age。在交易成本測度方面，本文參考夏杰長和劉誠的做法，②采用企業銷售費用、管理費用、財務費用之和與總資產的比例衡量企業面臨的交易成本（Cost）。回歸結果如表5列（5）和（6）所示，估計系數均顯著為負，說明數據要素市場化能夠緩解企業的融資約束，降低交易成本，從而改善企業的創新資源約束，激勵其創新投入，實現創新質量的提升。

（二）超大規模市場的調節效應

前文的理論分析表明，超大規模市場通過數據要素的飛輪效應，不僅能夠激發需求引致的創新效應，還能促進企業提升數據要素利用水平，從而強化數據要素市場化對企業創新質量的提升作用。基于這一理論框架，本文首先對超大規模市場在數據要素市場化與企業創新質量之間的調節作用進行了實證檢驗。回歸結果見表6（見下頁）列（1）。這一結果表明，交互項DID×Market的估計系數顯著為正，驗證了超大規模市場在強化數據要素市場化對企業創新質量的促進效應方面的正向調節作用。為進一步探討超大規模市場發揮調節作用的背后機制，本文從創新需求引致效應和促進企業數據要素利用兩個方面進行了檢驗。創新需求引致效應通過企業的營業收入增長率（Growth）進行衡量。關于促進數據要素利用水平的機制，本文參考史青春等人的研究，①對企業的數據要素利用水平（Dig）進行測算。回歸結果見表6列（2）和（3），交互項的估計系數均顯著為正，表明超大規模市場通過需求引致創新效應和提高企業數據要素利用水平，顯著增強了數據要素市場化對企業創新質量的正向促進作用。

（三）異質性分析

1.企業產權性質

不同產權性質的企業在資源獲取、治理結構及決策過程、技術吸收與轉化能力等方面存在差異，二者在數據要素市場化過程中的表現有所不同。相比于追求社會效益最大化，且更容易獲得政策扶持的國有企業，面臨激烈市場競爭的非國有企業更加重視創新的預期回報，數據要素市場化更能緩解非國有企業的資源約束和創新風險，促使其提高創新質量。為此，本文根據企業實際控制人是否為國有進行分組回歸。表7（見下頁）列（1）和（2）匯報了回歸結果。從中可以看出，在非國有企業樣本組別中，數據要素市場化對創新質量的正向促進作用顯著。結果表明，民營企業更能從數據要素市場化中獲取創新紅利，提升創新質量。

2.行業競爭程度

創新能夠幫助企業在產品市場競爭中獲得顯著的優勢。考慮到在競爭激烈的行業中，企業面臨的創新競爭壓力更大，由此可以推測，相對于競爭度較低的行業，數據要素市場化在競爭度較高的行業中對企業創新質量的促進作用會更加顯著。為了驗證這一理論推斷，本文計算了兩位碼行業大類的赫芬達爾—赫希曼指數（HHI），②并根據該指數的年度中位數將樣本劃分為低競爭組別與高競爭組別，隨后進行分組回歸估計。表7列（3）和（4）展示了回歸結果。從結果中可以看出，在競爭度高的行業中，估計系數顯著為正。由此可見，行業競爭程度越高，數據要素市場化對企業創新質量的促進作用更為明顯。

3.地區數字經濟政策供給

由于地區間對于促進數字經濟發展的政策不盡相同，而政策差異性會影響數據要素市場化的效應，故本研究基于數字經濟政策供給強度進行異質性檢驗。本文參考陶長琪和丁煜的研究，①采用地級市政府工作報告中與數字經濟相關的關鍵詞詞頻的對數值作為數字經濟政策供給強度的代理指標（Policy），并按照樣本中位數將其分組回歸。回歸結果如表7列（5）和（6）所示，從中可以看出，相較于政策供給強度較低的地區分組，數據要素市場化對數字經濟政策供給強度較高地區的企業創新質量的促進效應更為顯著。可能的原因在于，在數字經濟政策供給強度較高的地區，政策的引導和激勵作用能夠促使企業更加重視數據要素在創新中的戰略價值，通過政策支持打破數據要素流通的制度壁壘，更好發揮有效市場、有為政府對企業創新質量的提升作用。

4.地區知識產權保護水平

知識產權保護做得好可以有效保護創新，降低技術的不確定性，激勵企業提升創新質量。事實上，不同地區的知識產權制度設計和執法力度存在顯著差異，在知識產權保護薄弱的地區，創新成果面臨更高的被模仿和侵權風險，導致低質量創新增加。由此，數據要素市場化的創新質量促進效應也取決于知識產權保護的有效性。在知識產權保護較為嚴格的地區，企業的創新成果和創新權益能夠得到更為可靠的保護，從而強化數據要素市場化的創新激勵效應，加速高質量創新的產出。為此，本文參考沈國兵和黃鑠珺的研究，②測算城市層面知識產權保護水平指標。根據地區知識產權保護的中位數，本文將全樣本分成了知識產權保護水平較高組與知識產權保護水平較低組，進行分組估計。表7列（7）和（8）匯報了回歸結果。不難看出，DID的估計系數在知識產權保護水平較高地區的企業樣本中顯著為正，而在知識產權保護水平較低地區的企業樣本中并不顯著。上述結果證明，數據要素市場化對企業創新質量的積極效應在知識產權保護水平更高的地區更為凸顯。

（四）拓展性分析

高質量創新是推動科學技術轉化為現實生產力的重要途徑，其根本目的在于通過高質量創新，促進創新成果轉化，提升企業核心競爭力，從而助力企業突破低質量創新所引發的“內卷式競爭”困境，實現長期可持續的高質量發展。為此，本文在拓展性分析中進一步探究數據要素市場化在促進企業高質量創新的同時，能否促進企業創新成果轉化，提升企業全要素生產率從而提升企業市場競爭力。首先，本文采用企業年度專利轉讓和許可數量的對數值來度量企業的創新成果轉化（Tranfer）。其次，本文借鑒DeLoecker和Warzynski的研究，①采用企業產品加成率（Markup）來表征企業的市場競爭力，通過測量產品價格與邊際成本的差異，能夠有效捕捉企業在市場中的定價能力與競爭優勢。最后，本文采用OP法度量企業的全要素生產率（TFP）。表8列（1）—（3）匯報了回歸結果，從中可以看出，DID的估計系數均顯著為正。研究結果表明，數據要素市場化能夠顯著促進企業創新成果轉化，提升市場競爭力，從而實現高質量發展。

六、結論與政策啟示

長期以來，自主創新能力不強、創新低端鎖定和專利泡沫等問題在制約著我國現代化產業體系建設，高質量創新不足已成為我國實現科技強國戰略目標的掣肘。本研究基于2009—2022年我國上市企業數據，深入探討了數據要素市場化對企業高質量創新的影響及其作用機制。研究結果表明，數據要素市場化顯著促進了企業創新質量的提升，主要通過增強知識溢出、降低創新風險以及緩解創新資源約束等途徑發揮作用。此外，超大規模市場的飛輪效應在這一過程中發揮了強化作用，尤其是通過需求引致創新和促進企業數據要素的高效利用，超大規模市場進一步增強了數據要素市場化對創新質量的正向效應。研究還發現，數據要素市場化對不同企業、不同地區的影響存在異質性：在民營企業、行業競爭較為激烈、地區數字經濟政策供給較強以及知識產權保護水平較高的地區，數據要素市場化對創新質量的提升作用更加顯著。進一步的實證分析揭示了數據要素市場化能夠通過加速創新成果轉化、增強市場競爭力、提升全要素生產率，成為驅動高質量發展的核心動能。上述結論對我國相關政策制定具有啟示意義。

第一，完善數據要素市場化機制，優化創新資源配置。構建創新型政策框架并完善數據要素市場化的法律法規體系已成為迫切需求。政府應制定明確的數據產權界定、數據交易規范以及數據安全保護的法規，為數據要素市場的健康發展提供堅實的法律保障。在此基礎上，應出臺一系列激勵措施，鼓勵企業積極參與數據的收集、加工與應用環節，降低其在創新過程中面臨的數據資源獲取成本和制度性約束，激發企業的創新動力。此外，政府還應通過政策引導和支持，通過設立專項扶持基金、提供稅收優惠等政策工具，推動企業利用數據實現技術突破，優化創新流程，提升整體創新質量。

第二，強化超大規模市場的引導作用，激發創新活力。政策層面應積極推動超大規模市場的高速穩健發展，充分發揮龐大市場需求規模所形成的拉動力，精準引導創新方向并實現創新資源的優化配置。對于在數字化轉型過程中已取得顯著成果并處于成熟階段的企業，政府應發揮積極支持作用。首先，政府應組織專業技術團隊，為企業提供技術指導，幫助企業解決在數據要素應用過程中遇到的技術瓶頸，提升其技術應用的深度與廣度。其次，應設立專項研發補貼資金，依據企業在數據創新應用方面的投入和成效，為其提供相應的資金支持，降低企業創新成本，增強其技術創新的內生動力，推動技術進步。最后，市場應成為推動技術進步的核心驅動力，激勵企業不斷加大研發投入，推動技術迭代升級，形成市場需求與技術創新之間的良性互動。

第三，完善知識產權法治保障，強化知識產權全鏈條保護，優化激勵創新的基礎性制度供給。知識產權制度既是創新成果的產權制度安排，也是創新的激勵機制，更是實現創新價值的市場化機制。首先，應當系統完善知識產權制度建設，完善知識產權的法律保障，統籌和優化知識產權綜合管理體制。其次，應當提升知識產權保護的整體效能，實現知識產權的全鏈條保護。政府應加強建設知識產權信息化平臺，提供全面、準確、及時的專利信息查詢和分析服務，并推動保護與信息技術的深度融合，利用大數據和人工智能等技術手段提升保護效率，為創新主體提供知識產權數據信息、專利運營及許可備案、專家人才對接等從知識產權成果輸出到成果轉化落地的全鏈條服務。最后，可進一步推動區域合作，建立跨區域的知識產權保護聯盟，共享信息和資源，提高知識產權保護的整體水平，從而為企業創新營造良好的法治環境。

［責任編輯求實］