數據要素市場化何以釋放資源紅利

摘要：數據要素市場化是數字經濟高質量發展的核心驅動力，能夠重塑資本配置格局，助力經濟轉型升級。以2007—2023年中國滬深A股上市公司為研究樣本，借助數據交易平臺設立準自然試驗，考察數據要素市場化對企業商業信用融資的影響及作用機理。研究發現，數據要素市場化能夠有效增加企業商業信用融資；信息賦能與創新驅動是數據要素市場化影響企業商業信用融資的核心邏輯；外部信息環境、經濟發展水平以及企業生命周期均會對數據要素市場化和企業商業信用融資之間的關系產生顯著影響。據此提出應加快制定和完善相關法律法規，推動數據要素市場基礎設施建設，加大對數據相關技術創新的支持力度，采用智能化工具實現數據收集自動化，探索數據權益融資等政策建議。

關鍵詞：商業信用融資；數據要素市場化；信息披露質量；金融科技；數字技術創新；企業主業績效

文獻標識碼：A""""" 文章編號：1002-2848-2025（04）-0051-14

一、問題提出

在數智時代，數據要素的重要價值日益凸顯，成為推動經濟社會發展的新引擎。它不僅是企業競爭的核心資源，也是國家發展戰略的重要組成部分。2020年4月，《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》提出，要“加快培育數據要素市場”和“健全要素市場運行機制”^[①]，為數據要素市場化指明了方向。《“數據要素×”三年行動計劃（2024—2026年）》明確指出，“聚焦重點行業和領域，結合場景需求，研究數據資源持有權、數據加工使用權、數據產品經營權等分置的落地舉措，探索數據流通交易模式”^[②]。數據不再是單純的信息記錄載體，而轉化為洞察市場趨勢、優化決策過程、創新商業模式的寶貴資產，成為企業破局成長、突破傳統資源束縛的關鍵要素。

根據中國人民銀行2023年第一季度《中國貨幣政策執行報告》^[③]，盡管金融支持實體經濟的政策持續發力，但在全球經濟波動及國內經濟結構調整的背景下，銀行信貸資源向優質企業和項目集中，中小企業及部分新興行業在獲取銀行貸款方面仍面臨一定挑戰。商業信用融資作為一種基于交易信用的融資模式，憑借其靈活性和高效性，成為企業突破銀行貸款限制、拓寬融資路徑的關鍵選項。在數智化時代潮流中，數據要素作為一種關鍵性資源，正以前所未有的深度和廣度重塑企業的運營模式與市場競爭格局。在數據要素市場蓬勃興起的背景下，企業商業信用融資面臨新的機遇與挑戰。傳統的融資模式逐漸顯現出局限性，而新興的數據要素市場蘊含著巨大潛力。那么，數據要素市場究竟能在多大程度上改變企業商業信用融資的現狀，又該如何科學合理地利用這一新興市場，充分發揮其獨特優勢，增強企業商業信用融資能力呢？這已成為當前學術界與實務界亟待探討的重要研究問題。

本文邊際貢獻有三個方面。第一，以商業信用融資為切入點，深入探討數據要素市場化所釋放的資源紅利。區別于學者們有關數據要素對創新能力、綠色發展、產業集聚等影響的研究^[1-3]，本文聚焦數據要素在企業層面發揮的資源效應。通過這一獨特的研究視角，揭示數據在現代經濟體系中的關鍵作用。第二，深刻解析數據要素市場化影響企業商業信用融資的機理。基于信息賦能、創新驅動兩大核心邏輯，論證數據要素在拓寬融資渠道、優化資源配置中的作用機制。從外部信息環境、經濟發展水平、企業生命階段3個維度，全面剖析數據要素市場化發揮作用的具體條件，為實證分析提供豐富的場景和證據。第三，本文為解決企業融資難題提供有效策略，促進數字技術與實體經濟深度融合，有助于推動經濟結構優化升級，對指導企業融資實踐、優化融資生態、促進經濟高質量發展具有重要的實踐價值和深遠意義。

二、政策背景與文獻回顧

（一）政策背景

隨著信息技術的飛速發展，數據作為一種新型生產要素的價值日益受到重視。2015年，《促進大數據發展行動綱要》的出臺標志著國家層面對大數據發展的高度重視，為數據交易市場的培育奠定了政策基礎。伴隨《中華人民共和國網絡安全法》（2017年）、《中華人民共和國數據安全法》（2021年）及《中華人民共和國個人信息保護法》（2021年）等一系列法律法規的頒布實施，中國逐步構建起數據安全與合規使用的法律框架，為數據交易市場的規范化發展提供了法律依據。這些法規強調數據交易的合法性、安全性與有序性，為數據交易平臺的建設指明了方向。2022年，《關于構建數據基礎制度更好發揮數據要素作用的意見》審議通過，明確了數據確權、流通和交易的制度設計，為數據要素市場的健康發展提供了更加詳盡的制度支撐。2014年2月20日，中關村數海大數據交易平臺的啟動成為數據要素市場健康發展的重要里程碑。作為全國首個大數據交易平臺，它不僅為數據供需雙方提供了公平、透明的交易場所，還為后續的數據交易平臺建設提供了寶貴經驗。此后，數據交易市場進入探索與快速增長階段，2015—2020年全國范圍內陸續成立了近30家數據交易所。2021年以后，數據交易所建設迎來新高峰，多家交易機構如北方大數據交易所、上海數據交易所等密集啟動建設并投入運營^[④]。從區域分布來看，華東地區、華南地區和華中地區的數據平臺建設較為活躍，廣東、北京、上海、浙江、江蘇、福建、山東、四川、湖北和河南等地的數據交易規模位列前十^[⑤]。根據《2023年中國數據交易市場研究分析報告》，2022年中國數據交易行業市場規模達到876.8億元，占全球數據市場交易規模的13.4%，占亞洲市場的66.5%。

（二）文獻回顧

企業商業信用融資作為一種在商業活動中廣泛存在的融資方式，其核心在于企業利用商品交易或服務提供過程中形成的延期付款、預收賬款等信用關系來籌集資金，這一融資途徑對企業的資金運作至關重要。現有研究對企業商業信用融資的影響因素進行了深入探討，主要聚焦外部環境與企業行為兩大維度。在外部環境方面，非正式制度環境和正式制度環境均扮演著舉足輕重的角色，它們共同影響著企業商業信用融資的可獲得性及成本。非正式制度環境，如地區社會信用環境和儒家文化，對商業信用的獲取具有顯著的正向推動作用^[4-5]。而正式制度環境，特別是政策環境，如智慧法院建設等，亦對企業商業信用融資的增加起到了關鍵作用^[6]。徐小晶等^[7]發現，新能源汽車財政補貼政策實施后，新能源汽車上下游企業間商業信用融資水平明顯調整，商業信用供給期限縮短、資金周轉加快。與此同時，相關研究考察了企業行為對商業信用融資的深遠影響。方紅星等^[8]從需求與供給的雙重角度出發，檢驗了公司戰略對商業信用融資的影響，結果顯示，相較于采取防御型戰略的企業，采取進攻型戰略的企業通常擁有更高的商業信用水平。

然而，隨著新興技術的迅猛發展和數字化轉型的加速推進，企業所面臨的融資環境正在發生深刻變化。在此背景下，推進數據要素市場化改革顯得尤為重要。一方面，各行各業產生的數據量正以驚人的速度增長，這些數據不僅是信息的集合，更是洞察市場趨勢、優化決策和創新商業模式的寶貴資源^[9-11]。金騁路等^[12]詳細分析了數據要素的價值化進程及其衍生的金融屬性，并建議建立多層次的數據交易市場，以平衡數據的商品屬性和金融屬性。另一方面，隨著數據要素市場化改革的深入推進，其對經濟的影響也日益顯著。學者們從供需結構調整、審計質量、綠色發展、產業集聚和創新等多個維度，對數據要素市場化的經濟后果進行了廣泛的研究。徐朝陽等^[13]強調了要素市場化改革在解決供需結構矛盾中的關鍵作用。數據要素市場化能夠通過信息優化、數智賦能兩大機制有效提高審計質量^[14]。陳曉佳等^[15]采用量化空間經濟學理論，分析了數據要素在交通基礎設施支持下如何促進產業結構升級，提高勞動生產率和全要素生產率。徐翔等^[1]通過區分突破性創新與迭代式創新，深入探討了數據要素對企業創新活動選擇與市場份額的影響，并提出了優化產品市場等建議，以促進突破性創新。

綜上所述，盡管學者們對企業商業信用融資的影響因素進行了一系列研究，但面對新興的數據要素市場化趨勢，其對企業行為的影響仍值得深入探討。因此，本文從企業融資行為的視角出發，旨在詳細分析數據要素市場化如何釋放金融資源紅利，進而對企業商業信用融資產生深遠影響。

三、理論分析與研究假設

數據要素市場化是指將數據轉化為交易品或資產，借助市場機制實現其價值的最大化，并促使數據在市場中自由流動和交換的過程^[16]。隨著新興技術的飛速發展，數據已成為企業運營與決策中不可或缺的重要資源^[17]。數據要素流通能夠為企業提供市場趨勢、消費者偏好、競爭對手動態等多方面的關鍵信息與資源，幫助企業做出更精準有效的決策。具體而言，數據要素市場化能夠借助信息賦能和創新驅動兩大機制，為企業帶來顯著的商業信用融資優勢，進而為企業發展提供堅實的金融支撐。

從信息賦能機制來看，數據要素市場化通過深度挖掘和高效利用信息資源，在降低交易成本、增加市場機會方面顯著增強了商業信用融資的可獲取性。信息不對稱理論指出，在市場交易中，買賣雙方所掌握的信息存在差異，這種信息不對稱會降低市場效率，增加交易成本。從降低交易成本角度來看，數據要素市場化讓市場中的信息流動更加順暢和高效。傳統商業環境中，企業間的信息不對稱問題較為突出，尋求商業信用融資時，合作伙伴為全面了解企業的經營狀況、信用水平等信息，需投入大量的人力、物力和時間成本進行調查和評估^[18]。而數據要素市場化能夠整合各類數據資源，通過大數據分析、人工智能等技術手段，將企業的相關信息進行深度挖掘和精準呈現。金融機構能夠更便捷快速地獲取經整理分析的數據，準確評估企業信用風險，減少重復的調查環節和成本。在增加市場機會方面，數據要素市場化打破了傳統市場的信息壁壘，拓寬了企業的商業視野，與資源基礎理論中企業依靠獨特資源獲取競爭優勢的觀點相契合。借助豐富的數據資源和先進的數據分析技術，企業能夠更精準地把握市場需求，了解競爭對手動態，并發現潛在的商業合作伙伴。依據市場競爭理論，深入分析市場數據能使企業發現新的市場需求，及時調整產品或服務策略，開發出符合市場需求的新產品或服務，吸引更多的客戶和合作伙伴，提升企業競爭力。這能夠增強企業在融資市場的吸引力，使合作伙伴更愿意為其提供信用支持。良好的市場表現和發展潛力有助于企業在商業信用融資市場中獲得更多的機會，提高商業信用融資的可獲取性。據此，本文提出以下研究假設：

H1：當其他條件一定時，數據要素市場化能夠有效增加企業商業信用融資。

H1a：當其他條件一定時，數據要素市場化通過降低交易成本增加企業商業信用融資。

H1b：當其他條件一定時，數據要素市場化通過增加市場機會增加企業商業信用融資。

就創新驅動機制而言，熊彼特創新理論強調創新是經濟發展的核心動力，數據要素市場化促進了金融科技發展與數字技術應用，為企業獲取融資奠定了良好的基礎。首先，數據要素市場化促進了金融科技發展，為企業獲取商業信用融資提供了便利^[19]。隨著大數據、人工智能等技術的應用，創新性金融產品和服務不斷涌現。基于數據分析的信用評分模型能更精準地評估企業信用狀況，提供更個性化的融資方案；區塊鏈技術的應用提升了金融交易的透明度和安全性；大數據風控等基于數據的創新融資工具，不僅提高了融資決策的精準度，還降低了融資門檻，使更多企業能享受到便捷高效的金融服務。通過將不同類型的數據資產打包成可交易的金融產品，企業能夠將其轉化為流動資金，拓寬融資渠道^[20]。其次，數據要素市場化能夠提升企業的數字技術創新能力，幫助企業獲取更多商業信用融資。數據要素市場化通過優化數據資源的獲取、處理和利用等流程，有效增強了企業的數字技術創新能力，使企業能開發出更符合市場需求的產品和服務，并實現運營效率的大幅提升^[21]。通過收集和分析用戶瀏覽、購買及反饋的數據，企業能更準確地預測市場趨勢和消費者需求。同時，利用大數據技術優化庫存管理和物流配送，可大幅提高運營效率。這不僅提升了用戶體驗，還可以降低運營成本，增加企業盈利能力，同時還提高了企業市場競爭力，使其財務狀況更加穩健透明，更容易贏得上下游企業的信任。因此，數據要素市場化不僅直接推動了企業技術的進步，也為它們贏得了更多商業信用融資機會，支持其持續發展與擴張。據此，本文提出以下研究假設：

H1c：當其他條件一定時，數據要素市場化通過促進金融科技發展增加企業商業信用融資。

H1d：當其他條件一定時，數據要素市場化通過推動企業數字技術創新增加企業商業信用融資。

四、研究設計

（一）樣本選取與數據來源

鑒于新《企業會計準則》自2007年起實施，因此，本文選取2007—2023年中國滬深A股上市企業作為研究樣本，并進行如下篩選：剔除金融行業的樣本；剔除ST、*ST的樣本；剔除數據缺失的樣本。為降低極端值的影響，對所有連續變量進行上下1%的縮尾處理。數據要素市場化相關數據通過手工搜集獲取，商業信用融資及控制變量的基礎數據來源于中國經濟金融研究數據庫（CSMAR）和Wind數據庫。

（二）變量定義

1.商業信用融資

借鑒潘越等^[6]的研究，本文采用企業的預收賬款、應付賬款和應付票據之和占期末總資產的比例（Cr）衡量企業的商業信用融資水平。

2.數據要素市場化

數據要素市場化包含“生產要素化”與“配置市場化”雙重內涵^[22]。一方面，數據交易平臺的設立為數據交易提供了必要基礎設施，促進了數據供需匹配，反映了“配置市場化”^[23]。另一方面，本文引入城市層面的數據要素配置水平（All）這一核心變量，精確描述了不同城市在數據要素整合與運用上的差異，體現了“生產要素化”。參考李治國等^[24]的研究，本文從數據要素管理、開發應用、傳播共享及應用環境等方面對城市層面的數據要素配置水平進行綜合測度。Treat作為處理組標識，用于區分受數據交易平臺影響的企業與未受影響的企業；Post則作為時間標識，界定平臺設立前后的時間段。在樣本企業所在城市設立數據交易平臺的當年及后續年份，Treat×Post取值為1，否則為0。All×Treat×Post即為本文的核心解釋變量，簡記為Data。

3.控制變量

參考方紅星等^[8]的相關研究，本文選取企業規模（Size）、財務杠桿（Lev）、盈利能力（Roa）、企業成長性（Grow）、經營活動現金流（Flow）、董事會規模（Boa）、董事獨立性（Ind）、股權集中度（Con）、銀行信貸（Bank）、抵押能力（Mort）作為控制變量。具體而言，企業規模（Size）為企業總資產的自然對數；財務杠桿（Lev）為總負債與總資產的比值；盈利能力（Roa）為凈利潤與總資產的比值；企業成長性（Grow）使用營業收入增長率衡量；經營活動現金流（Flow）為經營活動產生的現金流量凈額與總資產的比值；董事會規模（Boa）為董事總人數的自然對數；董事獨立性（Ind）為獨立董事人數占董事總人數的比重；股權集中度（Con）為第一大股東持股比例；銀行信貸（Bank）為長期借款與短期借款之和與總資產的比值；抵押能力（Mort）為固定資產凈額與總資產的比值。變量定義如表1所示。

（三）模型構建

為了深入剖析數據要素市場化對企業商業信用融資的影響，本文構建強度雙重差分模型進行檢驗，如式（1）所示：

其中，Cr表示商業信用融資；Data表征數據要素市場化，可細化為All×Treat×Post；X代表控制變量；F和Y分別為企業和年份固定效應；ε為殘差；i 用于區分不同企業，t 用于標識不同年份。考慮到不同企業間的差異，本文在企業層面進行聚類調整。若系數α₁為正，則表明研究假設成立，即數據要素市場化能夠有效增加企業商業信用融資。

五、實證結果

（一）描述性統計

描述性統計結果如表2所示。商業信用融資的均值為0.171，表明樣本企業的商業信用融資能力總體偏低。從控制變量來看，企業成長性的最大值達到8.445，而最小值僅為-0.757，表明不同樣本企業的成長能力差異顯著；董事獨立性的均值為0.372，表明獨立董事在樣本企業中的占比約為40%；銀行信貸的最大值和最小值分別為0.594和0，反映出樣本企業在獲取銀行信貸能力上存在明顯差異。

（二）基礎回歸結果

基礎回歸結果見表3。結果顯示，數據要素市場化（Data）的回歸系數均在1%的水平下顯著為正，初步驗證了前文的研究假設，即數據要素市場化能夠有效增加企業商業信用融資。

（三）穩健性檢驗^[⑥]

1.平行趨勢檢驗

雙重差分法依賴平行趨勢假設，即在不存在政策干擾的自然狀態下，處理組和對照組的結果變量應呈現相似變化軌跡。本文基于錯層準自然實驗對平行趨勢假設進行檢驗，B₅、B₄、B₃、B₂、B₁分別表示政策發生的前1～5年產生的影響，Cur表示政策發生當年產生的影響，A₁、A₂、A₃、A₄分別表示政策發生的后1～4年產生的影響。為避免出現多重共線性，本文將政策發生的前1年（B₁）作為基期并予以剔除。實證結果顯示，在數據要素市場化政策實施前，處理組與控制組的估計系數在0附近波動且不顯著，表明政策介入前兩組企業在商業信用融資能力上具有同質性，滿足平行趨勢假設。隨著數據要素市場化政策的實施，估計系數顯著為正，表明數據要素市場化政策有效提升了企業商業信用融資能力。

2.安慰劑檢驗

為排除其他因素對實證結果的干擾，本文采用假設政策提前兩年發生和隨機化樣本兩種方式進行安慰劑檢驗。一方面，假設政策提前兩年發生并重新計算政策處理效應（Datap）。結果顯示，Datap的回歸系數不顯著，表明安慰劑檢驗通過。另一方面，對樣本進行500次隨機化處理，每次隨機抽取交互項。基于抽樣結果繪制的系數分布如圖1所示，隨機抽樣產生的系數均值為0且呈正態分布，表明隨機抽樣未對實證結果產生顯著影響，驗證了研究結論的穩健性。綜上，安慰劑檢驗已通過，進一步增強了實證結果的可信度。

3.熵平衡后再回歸

本文運用熵平衡法以增強回歸結果的可信度，將全部控制變量作為協變量，并施加三階矩約束，旨在實現處理組與控制組在協變量層面的平衡。經熵平衡處理后，處理組與控制組在協變量的均值和方差上高度一致，表明熵平衡法有效消除了兩組間的系統性差異。隨后，本文對平衡處理后的樣本進行再次回歸分析，結果顯示，數據要素市場化的回歸系數顯著為正，表明在排除潛在干擾因素后，數據要素市場化對企業商業信用融資的促進作用依然顯著。

4.考慮同時期其他政策及事件的影響

鑒于其他同期政策和事件可能影響實證結果，本文分別對其進行檢驗。一方面，考慮同期智慧城市建設政策對實證結果的影響，將政策虛擬變量（Sma）納入實證模型予以檢驗，若企業受智慧城市建設政策影響，Sma取值為1，否則為0。另一方面，鑒于新冠病毒感染疫情的潛在影響，將樣本時間區間調整至2007—2019年。實證結果顯示，數據要素市場化的回歸系數仍顯著為正，表明本文的研究結論穩健。

5.穩定單位處理效應假設檢驗

穩定單位處理效應假設（SUTVA）是雙重差分法的重要前提，要求個體潛在結果不受其他個體處理狀態影響^[25]。本文從回歸樣本中剔除試點地區周邊城市的樣本企業后重新進行雙重差分估計。實證結果顯示，數據要素市場化的回歸系數仍顯著為正，與本文的研究結論相一致。

6.替換變量衡量方式

本文通過替換被解釋變量和解釋變量的衡量方式進行檢驗。其中，被解釋變量按企業所處的供應鏈位置將商業信用融資進行細分：從上游供應商獲得的商業信用融資（Cr_up）=（應付賬款+應付票據）/總資產；從下游客戶獲得的商業信用融資（Cr_down）=預收賬款與總資產的比值。解釋變量則參考李原等^[26]研究，將軟件業務銷售收入（Mark）作為數據要素市場化的替代變量，其數值越大，地區數據要市場化程度越高。替換變量后的實證結果與主回歸一致，再次驗證了前文的研究假設。

（四）作用機制分析

1.信息賦能機制

本文從信息可得性視角出發，考察信息賦能機制。依據Kong等^[27]的相關研究，從交易成本和市場機會維度構建機制變量。從交易成本來看，使用銷售費用率作為代理變量（Fee）。當銷售費用率較高時，企業交易成本較高，信息可得性較差；從市場機會來看，當企業面臨的市場競爭程度較低時，其市場運作更自由，市場機會更多，也更容易獲取和利用信息資源。因此，選用勒納指數作為市場機會的代理變量（Cha）^[⑦]。該指標越大，表明企業面臨的市場競爭程度較低，市場機會更多。本文通過構建式（2）（3）進行檢驗。信息賦能機制實證結果如表4第（1）（2）列所示，當被解釋變量為Fee時，數據要素市場化的回歸系數顯著為負；當被解釋變量為Cha時，數據要素市場化的回歸系數顯著為正。這表明數據要素市場化政策能夠增強企業獲取信息的能力，為企業獲取商業信用融資創造條件。

2.創新驅動機制

本文從金融科技的應用和企業數字技術創新兩方面反映創新驅動機制。具體來看，參考趙忠濤等^[28]的研究，選取企業所在城市累計注冊金融科技企業數量加1的自然對數、上市企業當年數字專利申請的數量加1的自然對數兩項指標作為代理變量，分別記為Fin和Dig，并構建式（4）（5）進行檢驗。實證結果如表4第（3）（4）列所示，數據要素市場化的回歸系數均顯著為正，表明數據要素市場化政策有效推動了地區金融科技和企業數字技術的發展，從而幫助企業獲得更多商業信用融資。

六、進一步分析

（一）異質性分析

1.基于外部信息環境的異質性分析

對于企業而言，外部信息環境的重要性不容忽視。健康、透明且有效的外部信息環境對企業的運營、發展以及獲取商業信用融資至關重要。然而，從實際情況來看，企業面臨的外部信息環境仍存在一些不足。本文將從媒體報道和分析師關注維度進行分析。

一是媒體報道。媒體報道可以傳遞關于企業的信息，影響投資者和市場對企業的認知和評價，是連接企業與公眾、投資者的重要橋梁。媒體報道內容及角度直接影響投資者認知。投資者借此獲取企業的最新動態，評估投資價值和風險。高質量的報道有助于投資者作出全面、客觀的判斷，促進理性投資；片面或誤導性報道可能扭曲市場認知，引發非理性情緒，進而影響股票價格和融資能力。當媒體報道較少時，企業的知名度和曝光率降低，可能導致投資者和金融機構對企業了解不足，減少企業融資機會。本文基于企業當年媒體報道總數反映媒體報道水平，并按該指標中位數將樣本企業劃分為媒體報道低組和媒體報道高組。分組回歸結果如表5第（1）（2）列所示，在媒體報道低組中，數據要素市場化的回歸系數顯著為正；在媒體報道高組中，數據要素市場化的回歸系數不顯著。這表明，當企業的媒體報道水平較低時，數據要素市場化能夠彌補外部信息環境不足，更有效地增加企業商業信用融資。

二是分析師關注。分析師在金融市場中扮演著重要角色，其研究和觀點為投資者提供參考。分析師通過對大量數據的收集、整理和分析，能夠揭示市場動態和企業狀況，為投資者提供深度研究報告，助力其作出更理性的投資決策。通過持續的市場監測和公開分享研究成果，分析師能夠促進信息的快速傳播和廣泛共享，減少市場參與者間的信息不對稱，提升市場的整體透明度。如果分析師關注較少，投資者可能因信息不充分而難以做出準確決策，進而增加企業融資的不確定性，降低債權人對企業的信任度，使企業更難獲得商業信用融資。本文使用關注該企業的分析師數量加1的自然對數反映分析師關注，并按中位數將樣本劃分為分析師關注低組和分析師關注高組。分組回歸結果如表5第（3）（4）列所示，在分析師關注低組中，數據要素市場化的回歸系數顯著為正，而在分析師關注高組中，數據要素市場化的回歸系數并未達到顯著水平。以上數據顯示，數據要素市場化能夠緩解跟蹤分析師偏少產生的消極影響，從而增加企業獲取商業信用融資的機會。

2.基于經濟發展水平的異質性分析

經濟發展水平對企業健康發展至關重要，穩定的金融環境和市場需求可為企業提供更多發展機會與資源。本文將從數字普惠金融和信任環境兩方面進行詳細考察。

一是數字普惠金融。作為金融科技領域的創新實踐，數字普惠金融正重塑金融服務格局，在解決企業融資難、融資貴等問題上展現出巨大潛力。借助大數據、云計算、人工智能等技術，數字普惠金融可更精準、全面地評估企業信用狀況和經營能力，顯著降低傳統金融體系的信息不對稱性，為企業提供更便捷、低成本的融資服務。在數字普惠金融水平較低時，企業難以通過數字化手段降低融資成本。傳統融資方式往往需要較高的交易成本和時間成本，增加了企業的負擔。本文基于北京大學數字普惠金融指數衡量地區數字普惠金融水平，并依據該指標的中位數將樣本劃分為數字普惠金融低組和數字普惠金融高組。實證結果如表6第（1）（2）列所示，在數字普惠金融低組中，數據要素市場化的回歸系數顯著為正，但在高組中不顯著。這表明在數字普惠金融水平較低時，數據要素市場化能夠幫助企業獲取更多的商業信用融資。

二是信任環境。信任與誠信構成信任環境的核心。良好的信任環境是企業間建立穩定合作關系的基石，能顯著降低交易風險，促進商業生態健康發展。在這樣的環境中，企業憑借誠信行為、準時支付和嚴格履行合同，建立起彼此信任，減少對交易伙伴的疑慮，降低對額外擔保或法律保護的依賴，降低交易成本和風險。倘若信任環境處于較低水平，意味著市場上存在較高的信用風險和不確定性。在這種環境下，企業間信任關系變得脆弱，難以獲得其他企業或金融機構的信任與支持。本文使用中國管理科學研究院編制的《中國城市商業信用環境指數藍皮書》中的“中國城市商業信用環境指數”作為信任環境的代理變量，并按該指標的中位數水平將樣本劃分為信任環境低組和信任環境高組。表6第（3）（4）列結果顯示，在信任環境低組中，數據要素市場化的回歸系數顯著為正，而在信任環境高組中，數據要素市場化的回歸系數不顯著。因此，當企業所在地區的信任環境較差時，數據要素市場化能夠在一定程度上彌補信任不足，有助于增強企業的商業信用融資能力。

3.基于企業生命周期的異質性分析

為了快速擴張，成長期企業需持續投入資金用于擴大規模、拓展業務及創新研發，因此融資訴求較大。此階段企業通常需要增加生產線、購置新設備、租賃或購買更大空間的辦公場所以及增加原材料采購，以滿足市場需求，這些活動均需要大量的初期投資。此外，為擴大市場份額，企業需加強市場營銷，包括廣告宣傳、品牌建設、市場調研以及銷售網絡的構建與維護，這些活動均依賴資金支持。本文采用現金流分類法衡量企業生命周期，將樣本劃分為成長期企業組和非成長期企業組。表6第（5）（6）列的實證結果顯示，在成長期企業組中，數據要素市場化的回歸系數顯著為正，而在非成長期企業組中，該系數不顯著。由此可見，對于成長期企業而言，數據要素市場化帶來的融資紅利更為明顯。

（二）數據要素市場化、商業信用融資與企業主業績效

數據要素市場化政策為企業帶來新機遇，企業可以更便捷地獲取市場趨勢、消費者行為、供應鏈動態等數據，為企業決策提供了堅實的信息基礎。數據分析和人工智能等技術使得企業能夠深度挖掘數據價值，優化運營流程，提高決策效率，增強市場競爭力。商業信用融資的增長拓寬了企業融資渠道，降低了資金獲取門檻。在傳統的銀行貸款之外，企業可以通過商業票據、應收賬款融資、供應鏈金融等方式獲得資金支持，用于擴大生產、設備升級、技術研發，提升產品質量和市場競爭力。商業信用融資的靈活性和多樣性，也為企業在面對市場波動時提供了更強的財務彈性。由此可見，數據要素市場化政策的開展為企業提供了更加豐富的數據資源和更加高效的數據利用手段，商業信用融資的增加則為企業提供了更多的資金支持，有助于企業擴大規模、技術升級、質量改進，為優化企業主業績效創造了條件。本文用剔除金融收益的資產收益率衡量企業主業績效（Main）。構建式（6）進行檢驗的實證結果^[⑧]表明，交乘項Cr×Data在1%的水平下顯著為正，說明數據要素市場化和商業信用融資的協同作用明顯提升了企業主業績效。

七、研究結論與政策啟示

本文以2007—2023年中國滬深 A 股上市企業作為研究樣本，基于數據交易平臺設立的準自然試驗，深入考察了數據要素市場化對企業商業信用融資的影響效應。研究發現，數據要素市場化有助于增加企業商業信用融資，且結論穩健。機制檢驗表明，數據要素市場化通過信息賦能和創新驅動兩大機制影響企業商業信用融資。異質性分析表明，在企業媒體曝光較低且分析師關注度不足時，數據要素市場化對商業信用融資的促進作用更為顯著。從經濟發展水平來看，當數字普惠金融處于發展階段、信任環境亟待加強時，數據要素市場化對企業商業信用融資的推動作用更為有效，對于處于快速成長期的企業，數據要素市場化的介入對其商業信用融資的促進作用尤為關鍵。隨著數據要素市場化推進及商業信用融資規模持續擴大，企業核心業務表現和綜合競爭力顯著提升。根據以上結論，本文提出如下政策建議：

第一，政府應著手制定和完善相關法律法規，明確數據權屬、流通規則、隱私保護和安全標準，為數據要素市場的健康發展提供法律保障。政府在構筑數據要素市場的法律基石方面，扮演著至關重要的角色。其首要任務是全面審視并更新現有法律法規體系，確保其適應數字經濟快速發展的需求。這不僅意味著要清晰界定數據的所有權、使用權和交易權，解決數據權屬模糊問題，還要細化數據流通的具體規則，確保數據在流動過程中遵循合法、有序的原則。政府還應建立數據交易監管體系，確保數據交易的公平性、透明性與安全性。強化個人數據隱私保護和數據安全標準的制定至關重要，政府應通過法律手段為個人信息穿上“防護服”，防止數據泄露和濫用，維護公眾對數據市場的信任。

第二，政府在推動數據要素市場基礎設施建設中，不僅要扮演規劃者的角色，還需成為積極的投資者和促進者。政府應積極投資建設國家級或區域性的數據交易平臺和數據中心，營造標準化、規范化的數據交易環境，降低交易成本，提高數據流動性。通過構建統一的數據標準體系和交易流程，政府能夠顯著降低數據交易的復雜性和成本，提升數據交互的效率，從而加速數據資源的流通與價值轉化。

第三，政府應立足長遠，加大對數據相關技術創新的支持力度。鼓勵并資助科研機構、高校及企業在數據清洗、數據分析、數據定價算法等關鍵技術領域的研發工作，推動這些技術從實驗室走向市場應用。通過建立創新孵化器、提供研發補助、組織技術交流會等形式，激發創新活力，突破數據處理的技術瓶頸，將復雜、海量的數據高效轉化為有價值的信息和洞察，為企業決策、市場預測、社會治理等多方面提供有力支撐。

第四，企業必須深刻認識到，在當今數據驅動的時代，數據不僅是信息的載體，更是核心競爭力的關鍵來源。因此，將數據視為企業的戰略性資產，構建一個全方位、高效能的數據管理體系至關重要。這要求企業從數據的生命周期管理入手，涵蓋數據的精準收集、安全存儲、高效處理、深度分析到嚴格保護的每一個環節。企業應采用智能化工具實現數據收集的自動化，確保數據來源廣泛且準確，同時減少人工干預帶來的誤差。隨后，在存儲環節，實施分層存儲策略，平衡成本與效率，確保數據的可訪問性和持久性。在處理階段，利用先進的數據清洗技術剔除冗余和錯誤信息，提升數據質量。數據分析則需結合機器學習和人工智能，深挖數據背后的價值，為企業決策提供科學依據。尤為關鍵的是，數據保護不容忽視。企業應實施嚴格的訪問控制、加密傳輸、定期備份以及應急響應機制，確保數據安全符合法律法規要求，保護客戶隱私和企業機密。通過這樣一套閉環管理，企業不僅能夠有效提升數據資產的整體價值，還能在參與數據要素市場交易時，憑借高質量、高可信度的數據贏得市場青睞，開拓數據變現的新路徑，為企業的可持續發展注入強大動能。

第五，企業應積極把握數據要素市場的蓬勃發展與商業信用體系日益完善所帶來的機遇，勇于創新，開拓更多元化、高效能的融資渠道。這要求企業深入挖掘數據這一核心生產要素的巨大價值，通過將企業所擁有的高質量、高價值的數據資產進行評估和抵押，申請專項數據資產抵押貸款。這種模式能夠將企業的數據財富轉化為流動資金，為企業的擴張和發展注入新動力。同時，企業可以充分利用商業信用評價系統，憑借自身良好的信用記錄和市場口碑，申請基于信用評分的無抵押貸款。這種方式大大減輕了企業因缺乏實物資產抵押而面臨的融資難題，使信用成為企業寶貴的無形資產，進一步降低了融資門檻，加速了資金周轉周期。此外，探索數據權益融資也是新時代企業融資的一個重要方向。企業可以通過數據權益證明的形式，吸引投資者參與其數據項目的開發與應用，實現數據資源的市場化配置與價值共享。這種模式不僅為企業開辟了新的資本來源，還促進了數據要素的有效流通與價值最大化。

參考文獻：

［1］""""""" 徐翔，趙墨非，李濤，等.數據要素與企業創新：基于研發競爭的視角［J］.經濟研究，2023，58（2）：39-56.

XU X， ZHAO M F， LI T， et al.Data factor and enterprise innovation： the perspective of RD competition［J］.Economic Research Journal，2023，58（2）：39-56.

［2］""""""" 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，2023，40（6）：136-148.

LIU P.Research on the mechanism and effects of data elements influencing green ecological efficiency［J］.Economic Survey，2023，40（6）：136-148.

［3］""""""" 趙放，李文婷，馬婉瑩.數據要素市場化能否促進數字產業集聚：來自準自然實驗的證據［J］.浙江學刊，2024，62（3）：143-152.

ZHAO F， LI W T， MA W Y.Can marketization of data elements promote the agglomeration of digital industries：evidence from quasi-natural experiments［J］.Zhejiang Academic Journal，2024，62（3）：143-152.

［4］""""""" 陳德球，梁媛，胡晴.社會信任、家族控制權異質性與商業信用資本配置效率［J］.當代經濟科學，2014，36（5）：18-28.

CHEN D Q， LIANG Y， HU Q. Social trust， heterogeneity of family control rights and the efficiency of commercial credit capital allocation［J］.Modern Economic Science，2014，36（5）：18-28.

［5］""""""" 林洲鈺，陳超紅.儒家文化對企業數字化轉型的影響研究［J］.當代經濟科學，2024，46（5）：105-117.

LIN Z Y，CHEN C H.Research on the impact of confucian culture on enterprise digital transformation［J］.Modern Economic Science，2024，46（5）：105-117.

［6］""" 潘越，謝玉湘，寧博，等.數智賦能、法治化營商環境建設與商業信用融資：來自“智慧法院”視角的經驗證據［J］.管理世界，2022，38（9）：194-208.

PAN Y，XIE Y X，NING B，et al.Data-intelligence empowerment，law-based business environment and trade credit financing： evidence from “smart courts”［J］.Journal of Management World，2022，38（9）：194-208.

［7］""""""" 徐小晶，徐小林.財政補貼對企業商業信用融資的影響研究：基于新能源汽車補貼退坡政策的實證分析［J］.南開管理評論，2021，24（3）：213-226.

XU X J， XU X L.Research on the impact of fiscal subsidies on commercial credit financing of enterprises： an empirical analysis based on the subsidy reduction policy for new energy vehicles［J］.Nankai Business Review，2021，24（3）：213-226.

［8］""""""" 方紅星，楚有為.公司戰略與商業信用融資［J］.南開管理評論，2019，22（5）：142-154.

FANG H X， CHU Y W.Corporate strategy and trade credit financing［J］.Nankai Business Review，2019，22（5）：142-154.

［9］""""""" WU L， HITT L， LOU B.Data analytics， innovation， and firm productivity［J］.Management Science，2020，66（5）：2017-2039.

［10］""""" 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.

CAI Y Z， MA W J.The impact of data elements on high-quality development and the constraints of data flow［J］.Journal of Quantitative" Technical Economics，2021，38（3）：64-83.

［11］""""" 楊俊，李小明，黃守軍.大數據、技術進步與經濟增長：大數據作為生產要素的一個內生增長理論［J］.經濟研究，2022，57（4）：103-119.

YANG J， LI X M， HUANG S J.Big data， technological progress and economic growth： an endogenous growth theory of big data as a production factor［J］Economic Research Journal，2022，57（4）：103-119.

［12］""""" 金騁路，陳榮達.數據要素價值化及其衍生的金融屬性：形成邏輯與未來挑戰［J］.數量經濟技術經濟研究，2022，39（7）：69-89.

JIN C L， CHEN R D.Data valuations and its derived financial attributes： formation logic and future challenges［J］.Journal of Quantitative" Technological Economics，2022，39（7）：69-89.

［13］""""" 徐朝陽，白艷，王韡.要素市場化改革與供需結構錯配［J］.經濟研究，2020，55（2）：20-35.

XU Z Y，BAI Y，WANG W.Factor marketization reform and mismatch of supply-demand structure［J］.Economic Research Journal，2020，55（2）：20-35.

［14］""""" 徐懷寧，田亞男.戶樞不蠹：數據要素市場化與審計質量［J］.審計與經濟研究，2025，40（3）：29-38.

XU H N， TIAN Y N.The door hinge never gets worms： data factor marketization and audit quality［J］.Journal of Audit" Economics，2025，40（3）：29-38.

［15］""""" 陳曉佳，徐瑋.數據要素、交通基礎設施與產業結構升級：基于量化空間一般均衡模型分析［J］.管理世界，2024，40（4）：78-98.

CHEN X J，XU W.Data factor， transportation infrastructure and industrial structure upgrade：an analysis based on quantitative spatial general equilibrium model［J］.Journal of Management World，2024，40（4）：78-98.

［16］""""" NGUYEN L， LEYVA-MAYORGA I， LEWIS A， et al.Modeling and analysis of data trading on blockchain-based market in IoT networks［J］.IEEE Internet of Things Journal，2021，8（8）：6487-6497.

［17］""""" GROVER V， CHIANG R， LIANG T， et al.Creating strategic business value from big data analytics： a research framework［J］.Journal of Management Information Systems，2018，35（2）：388-423.

［18］""""" 楊志強，張雨婷.訴訟事件披露、企業風險與商業信用融資：基于信號傳遞理論的分析［J］.財貿研究，2024，35（7）：80-97.

YANG Z Q， ZHANG Y T.Litigation event disclosure， enterprise risk and commercial credit financing： an analysis based on signal transmission theory［J］.Finance and Trade Research，2024，35（7）：80-97.

［19］""""" 王仁祥，謝文君.數據要素如何影響金融與科技耦合結構？［J］.研究與發展管理，2024，36（5）：26-38.

WANG R X， XIE W J.How do data elements affect the coupling structure of finance and technology？［J］.Research and Development Management，2024，36（5）：26-38.

［20］""""" 唐松，伍旭川，祝佳.數字金融與企業技術創新：結構特征、機制識別與金融監管下的效應差異［J］.管理世界，2020，36（5）：52-66.

TANG S，WU X C，ZHU J.Digital finance and enterprise technology innovation：structural feature，mechanism identification and effect difference under financial supervision［J］.Journal of Management World，2020，36（5）：52-66.

［21］" 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.

HUANG B， LI H T， LIU J Q， et al. Digital technology innovation and the high-quality development of Chinese enterprises：evidence from enterprise’s digital patents［J］.Economic Research Journal，2023，58（3）：97-115.

［22］""""" 孔艷芳，劉建旭，趙忠秀.數據要素市場化配置研究：內涵解構、運行機理與實踐路徑［J］.經濟學家，2021，33（11）：24-32.

KONG Y F， LIU J X， ZHAO Z X.Research on market-oriented allocation of data elements： connotation deconstruction， operation mechanism and practice path［J］.Economist，2021，33（11）：24-32.

［23］""""" 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，2023，64（12）：58-75.

DAI K Z， WANG S M， HUANG Z.How the construction of data trading platform affects firms’ TFP？［J］.Economic Perspectives，2023，64（12）：58-75.

［24］""""" 李治國，王杰.數字經濟發展、數據要素配置與制造業生產率提升［J］.經濟學家，2021，33（10）：41-50.

LI Z G， WANG J.Digital economy development， allocation of data elements and productivity growth in manufacturing industry［J］.Economist，2021，33（10）：41-50.

［25］""""" 佘楷文，申宇，趙紹陽.大數據對銀行信貸行為的影響：來自數字社會信用平臺的證據［J］.經濟研究，2024，59（3）：147-165.

SHE K W， SHEN Y， ZHAO S Y.Effect of big data on bank lending： evidence from digital social credit platform［J］.Economic Research Journal，2024，59（3）：147-165.

［26］""""" 李原，劉洋，李寶瑜.數據資產核算若干理論問題辨析［J］.統計研究，2022，39（9）：19-28.

LI Y， LIU Y， LI B Y.Analysis of some theoretical problems on national data assets accounting［J］.Statistical Research，2022，39（9）：19-28.

［27］""""" KONG D， LIN C， WEI L， et al.Information accessibility and corporate innovation［J］.Management Science，2022，68（11）：7837-7860.

［28］"nbsp;""" 趙忠濤，李長英.專利質量如何影響了企業價值？［J］.經濟管理，2020，42（12）：59-75.

ZHAO Z T， LI C Y.How does patent quality affect firm values？［J］.Business and Management Journal，2020，42（12）：59-75.

［本刊相關文獻鏈接］

[1] 袁航，夏杰長.國家低碳政策協同與中國產業低碳轉型[J].當代經濟科學，2025，47（2）：82-96.

[2] 李治國，孔維嘉，李兆哲.制造業企業數字化轉型的碳績效：內在機制與經驗證據[J].當代經濟科學，2024，46（4）：100-111.

[3] 胡浩然，宋顏群.市場激勵型環境規制與企業風險承擔：以碳排放權交易試點政策為例[J].當代經濟科學，2024，46（4）：73-87.

[4] 劉華軍，張一辰.減污降碳協同效應的生成邏輯、內涵闡釋與實現方略[J].當代經濟科學，2024，46（3）：32-44.

[5] 王遙，張廣逍.轉型金融：內涵、框架與未來展望[J].當代經濟科學，2024，46（3）：1-17.

[6] 劉泓汛，陳佳琪，彭千蕓，等.中國家庭能源轉型的環境—健康—低碳效益及經濟成本[J].當代經濟科學，2024，46（1）：88-103.

[7] 車樹林，石奇.“雙碳”目標下的金融摩擦與宏觀審慎政策效應[J].當代經濟科學，2023，45（6）：14-28.

[8] 馮素玲，許德慧，張榕.數字金融發展如何賦能二氧化碳減排：來自地級市的經驗證據[J].當代經濟科學，2023，45（4）：15-28.

編輯：張靜，高原

How does Marketization of Data Elements Unleash Resource Dividends？ An Examination from the Perspective of Trade Credit Financing

XU Huaining¹， LIU Shasha¹， TIAN Yanan²

1.School of Management， Jinan University， Guangzhou 510632， China

2.School of Business Administration， South China University of Technology， Guangzhou 510641， China

Summary In the current era of flourishing digital economy， the marketization of data elements has become a core driver for promoting high-quality economic development. Traditional capital allocation focuses on tangible assets， with inherent limitations， while data element marketization has disrupted this model， reshaping capital allocation structures and profoundly impacting corporate financing and development pathways.

This study uses Chinese A-share listed companies from 2007 to 2023 as samples， covering multiple industries with broad representativeness. Using the establishment of data trading platforms as a quasi-natural experiment， this paper thoroughly examines the impact and mechanisms of data element marketization on corporate trade credit financing. In the research process， multiple rounds of data cleaning were conducted to ensure data quality. A difference-in-differences （DID） model was employed for regression analysis， and robustness tests were performed through methods such as variable substitution and placebo tests. The results indicate that data element marketization significantly increases corporate trade credit financing， with the conclusion remaining robust across various tests.

Further analysis reveals that information empowerment and innovation-driven development constitute the core mechanisms. Information empowerment enables enterprises to acquire and utilize information more efficiently， thereby enhancing their transparency and credibility in the trade credit financing market. Innovation-driven development encourages enterprises to explore new business models， products， and services， which in turn strengthens their market competitiveness and attractiveness for credit financing. Additionally， the quality of external information environment， level of economic development， and enterprise life cycle stage all significantly influence the relationship between data element marketization and trade credit financing. As data element marketization accelerates， enterprises show notable improvement in their core business performance.

This research makes significant contributions to the existing literature. First， unlike previous studies focusing on the impact of data element marketization on innovation capacity， green development， and industrial agglomeration， this paper approaches through trade credit financing. It explores resource dividends released at the enterprise level， revealing the critical role of data in the modern economic system. Second， it provides in-depth analysis of internal mechanisms through which data element marketization affects corporate trade credit financing. The study elaborates how data elements expand financing channels and optimize resource allocation. By examining the relationship between data element marketization and trade credit financing from three dimensions—external information environment， economic development level， and enterprise life cycle—it comprehensively analyzes the specific conditions under which these mechanisms operate， providing rich empirical scenarios and robust evidence for future research. Third， the findings offer actionable strategies for addressing corporate financing difficulties， promoting integration of digital technology with the real economy， and optimizing economic structure. These insights hold significant practical value and far-reaching implications for guiding corporate financing practices， improving the financing ecosystem， and fostering high-quality economic development. From the perspective of trade credit financing， this study extends the application scenarios where data elements empower enterprise growth and capital acquisition， contributing to deeper understanding of the role of data in modern business strategy and economic policy.

In conclusion， this study aims to reveal the critical role of data in the modern economic system by examining its impact on trade credit financing. Through rigorous empirical analysis and theoretical exploration， we have identified the key mechanisms and conditions through which data element marketization enhances corporate financing opportunities. This study underscores the importance of effectively utilizing data resources to promote sustainable growth and resilience in the digital economy.

Keywords trade credit financing； data element marketization； information disclosure quality； financial technology； digital technology innovation； enterprise core business performance

收稿日期：2024-09-29。nbsp;" 修回日期：2025-05-08。

基金項目：國家自然科學基金面上項目“基于文本分析與機器學習的分析師行為決策研究”（71972088）；暨南大學博士研究生拔尖創新人才培養項目“供應鏈數字化對‘專精特新’中小企業高質量發展的影響研究”（2023CXB030）。

作者簡介：徐懷寧，男，暨南大學管理學院博士研究生，研究方向為數字經濟；劉莎莎，女，暨南大學管理學院教授，博士生導師，研究方向為公司金融；田亞男，女，通信作者，華南理工大學工商管理學院副研究員，研究方向為債券市場與綠色金融，電子郵箱為yananjun@foxmail.com。

^[①]參見https：//www.gov.cn/gongbao/content/2020/content_5503537.htm。

^[②]參見https：//www.cac.gov.cn/2024-01/05/c_1706119078060945.htm。

^[③]參見https：//www.gov.cn/lianbo/bumen/202305/content_6874050.htm。

^[④]參見https：//www.01caijing.com/article/336270.htm。

^[⑤]參見https：//bg.qianzhan.com/report/detail/300/240507-a30a1bd8.html。

^[⑥]限于篇幅，結果留存備索。

^[⑦]勒納指數=（營業收入-營業成本-銷售費用-管理費用）/營業收入。

^[⑧]篇幅限制，結果留存備索。