引言

全要素生产率是新质生产力的重要衡量指标，被认为是发展新质生产力的重要抓手。但研究发现，自2000年以来，中国全要素生产率增速进入快速下降通道，并于2010年进入负增长阶段。因此，研究如何提升企业全要素生产率，赋能企业高质量发展，是发展新质生产力的内在要求。区别于资本、劳动等传统要素边际成本递增、边际收益递减的特征，数据要素具有非损耗性，从而可以突破资源约束，使其同时具有边际成本递减和边际收益递增的特征。那么，数据要素能否激发企业高质量发展的活力，扭转企业全要素生产率下降的趋势，实现企业发展“量、质”统一？中国于2016年分两批设立国家级大数据综合试验区，为数据要素集聚和共享提供了载体，可以看作释放数据要素价值的准自然实验，为数据要素生产率效应的发挥提供了绝佳的实验机会。在大力培育新质生产力、塑造发展新动能的背景下，研究数据要素对企业全要素生产率的影响，具有重要的理论价值和现实意义。

有别于已有文献，本文贡献在于：一是丰富了数据要素对企业全要素生产率影响机制的探讨。数据要素在企业全要素生产率改进中究竟扮演何种角色，一直是学术界关注的热点问题。本文认为，创新是企业获取竞争优势的动力，营运是企业产品生产和服务创造的主要环节，投资是企业生产和发展的必要手段。二是深化了数据保护和应用场景在数据要素影响企业全要素生产率中的异质性作用。数据开放程度涉及数据供给数量和质量，数据应用场景关乎数据需求广度和深度，数据法治建设、数据安全保障影响数据要素开放共享的意愿和积极性。分析数据保护和应用场景的异质性影响，是对数据要素价值创造作用的有益补充。

理论分析与研究假说

（一）数据要素对企业全要素生产率的影响

随着算力和算法的发展，以及数据留痕技术的应用，海量数据被收集、存储、加工，逐渐从单一碎片化的低密度、低价值数据转化为多维块状的高密度、高价值数据。多维高密数据与其他生产要素相互融合，可缓解信息不对称引致的市场失灵，产生精准、即时、网络以及预期经济效应，赋能企业全要素生产率提升。具体而言：第一，数据要素满足了企业对信息的精准性需求。在工业经济时代，企业对消费者信息、供应链信息以及其他关键生产资源信息的搜寻主要采用“人找数据”的方式，信息搜寻范围窄、结果模糊、成本高，增加了信息匹配难度。然而，在数字经济时代，数据经过自动收集、有效传输和高质量处理，形成“千人千面”的精准数据，这种方便、快捷的搜寻方式，节约了搜寻成本，提高了信息匹配效率，推动了企业全要素生产率提升。第二，数据要素满足了企业对信息的即时性需求。生产、管理、营销、投资等环节对数据的时效性要求较高。算力是计算能力、运算速度的保障，算法则是模型设定和数据筛选的基础，二者共同为数据驱动决策提供支撑。算力和算法通过剔除掉历史数据和时效性弱的数据，过滤掉冗余度高的数据，对数据进行充分的“优化”和“去噪”，使数据质量和数据价值得到倍增，满足了企业对数据的即时性需求，有助于全面提升企业全要素生产率。第三，数据要素满足了企业对信息的网络化需求。为实现供需的快速响应、高效交互和精准匹配，企业对高质量网络化的海量数据产生较高的需求。来源广泛、信息量大的网络化数据具有更大的使用价值，更能发挥数据驱动创新的价值，促进企业全要素生产率提升。第四，数据要素满足了企业对信息的预期性需求。市场经济充满不确定性，理性决策有助于企业抓住稍纵即逝的机会，提高决策效率。通过数据挖掘和数据分析，形成可诊断、可预期的高质量数据，缓解企业决策者的认知局限，形成理性预期，支持企业开展精准决策和有效决策，提高企业的资源配置效率和全要素生产率。由此，提出假说1:

H1：数据要素正向影响企业全要素生产率。

（二）创新赋能、营运赋能和投资赋能的中介作用

数据要素的创新赋能机制有助于改进企业全要素生产率。一方面，数据要素加速了创新资源的流通和融合。“数据+算力+算法”形成的数据生产力，使数据要素与传统技术要素加速融合，将传统技术要素转化为可编码的技术知识，以数据要素的形式存在、流动，打破企业边界、区域分割、地缘限制，拓宽知识整合的时空约束。创新主体间通过数字平台进行创意交互、研发协同、创新资源共享，降低研发信息搜寻成本，增强研发信息的整合范围。不同领域的技术相互赋能、彼此融合，有利于新技术的产生。企业对新技术的触达，以及多元化技术知识的外延，能够显著增强企业创新的复杂性、新颖性和广泛性，加快企业将新知识新技术应用于新领域的速度。数据要素与资本、劳动等传统生产要素的融合，可以实现要素间优势互补，促进企业创新能力的提升和全要素生产率的改进。另一方面，数据要素提高了研发创新的精准性。数据要素驱动了企业创新全流程、全环节的数字化改造，实现全流程的可视化、可调整、可监控，降低研发不确定性风险，提高市场研判的准确性，缩短技术研发周期，帮助企业抓住稍纵即逝的创新机会，提高研发创新成功的概率。数据要素提高了产业链上下游协同创新的积极性以及上下游企业知识的互补性，有利于聚焦产业链前沿技术领域的“卡脖子”问题，促进对关键核心技术的协同突破，直接推动企业全要素生产率提升。此外，高质量创新还需要巨额投入作为支撑，数据要素能够减少市场摩擦，降低融资成本，提高融资规模，更好地支撑企业开展高质量的研发创新活动。基于此，提出假说2a:

H2a：数据要素通过创新赋能机制，正向影响企业全要素生产率。

数据要素的营运赋能机制有助于改进企业全要素生产率。第一，数据要素缓解了企业内部的营运摩擦。数据要素有效联结创意设计、研发创新、生产制造等企业价值链环节，提高各环节的信息透明度，加强部门间交流，促进部门间信息共享和关键资源调剂，降低系统与系统、生产与库存、组织与员工等之间的“摩擦”与“冲突”。第二，数据要素降低了企业外部的营运摩擦。数据要素有效减少了企业与供应商、企业与客户、企业与投资者间的信息孤岛问题，降低了资源要素的搜寻成本和交易匹配成本，规避了交易对象的机会主义行为和产生的额外交易费用，减少了低效交易对生产资源的挤占，促进了经营目标优化，可支持企业高质量生产。可以说，数据要素能够基于价值链全流程进行资源要素的优化配置，将资源要素配置到最需要的领域，实现全环节的激励相容、和谐共生，这些都是企业营运能力增强和全要素生产率改进的关键。由上述理论分析，提出假说2b:

H2b：数据要素通过营运赋能机制，正向影响企业全要素生产率。

数据要素的投资赋能机制有助于改进企业全要素生产率。一方面，数据要素提升了企业的投资质量。投资是企业生产和发展中最频繁、最关键的经济活动之一。企业投资决策质量直接关系到资源配置质量，对企业全要素生产率产生直接影响。大数据能够拓宽投资信息来源渠道，提升投资信息透明度，增强企业对投资信息的甄别能力。在数据要素赋能下，企业不仅可以及时获取供应商的原材料及中间品种类、质量等信息，还可以准确定位供应链变化及发展趋势，提高采购投资质量；在数据要素驱动下，有效缩短了企业与市场的距离，加强了企业与消费者的交互，提高了企业对市场需求的研判能力，从而根据市场走势挖掘投资机会，驱动投资资金流向高收益、低风险领域，优化投资质量。另一方面，数据要素提升了企业的投资效率。在数据要素驱动下，投资活动更加透明，降低了投资活动中的监督成本和由此引致的效率损失。在数据要素驱动下，代理问题引致的可操控空间大幅减少，监督成本骤然下降，投资效率得到明显提高。此外，在数据要素驱动下的投资具有实时化、透明化等特征，可以实时监控投资完成情况和投资实施效果，优化投资流程，推动投资效率提升。由此，得到假说2c:

H2c：数据要素通过投资赋能机制，正向影响企业全要素生产率。

实证结果与分析

（一）基准回归及稳健性检验

为了揭示数据要素对企业全要素生产率的上述影响机理，利用国家级大数据综合试验区设立的准自然实验，运用2010—2022年中国A股制造业上市公司数据和双重差分模型进行实证检验。本研究分别采用LP法、OP法和FE法测算企业全要素生产率，研究发现，无论采用何种方式测算企业全要素生产率，数据要素对企业全要素生产率均具有显著的提升作用。为进一步考察研究结论的稳健性，本文分别采用动态效应分析、安慰剂检验、工具变量法以及其他稳健性检验方法进行稳健性检验，检验结果均支持假说H1的理论分析。

（二）作用机制识别

创新赋能中介效应检验结果表明，数据要素能够通过创新赋能，提高企业的创新水平和新产品开发能力，助力企业全要素生产率提升，假说H2a得到验证；营运赋能中介效应检验结果表明，数据要素能够通过营运赋能，提高企业对资产的营运能力，助力企业全要素生产率提升，假说H2b得到支持；投资赋能的中介效应检验结果表明，数据要素能够助力企业提高投资质量和投资效率，促进企业全要素生产率提升，假说H2c通过检验。

（三）异质性检验

数据开放程度异质性检验结果表明，数据开放程度越高，数据集聚效应越大，数据要素价值也越高，对企业全要素生产率的赋能作用越大；数据应用场景异质性检验结果表明，数据应用场景越丰富，对数据要素的需求越强，数据要素的潜在作用越大，对企业全要素生产率的提升作用越大；数据法治建设异质性检验结果表明，加强数据法治建设能够营造良好的数据交易环境，促进数据要素的合法获取、正常使用和顺畅流通，加速消除数字鸿沟，更好地增强数据要素对企业全要素生产率的提升效果；数据安全保障异质性检验结果表明，强化数据安全保障，提供安全的数据要素交易环境，有利于防止数据在使用过程中被篡改和损坏，保证数据的真实、有效和完整，能够提高数据要素对企业全要素生产率的促进作用。

研究结论与政策建议

本文基于数字经济理论和微观经济理论，构建了数据要素影响企业全要素生产率的理论模型，利用国家级大数据综合试验区设立这一准自然实验和2010—2022中国A股制造业上市公司样本进行实证检验，得到如下研究结论：首先，数据要素促进了企业全要素生产率提升。本文研究证实，以国家级大数据综合试验区设立为代表的数据要素有效促进了企业全要素生产率提升。其次，数据要素通过创新赋能、营运赋能和投资赋能促进企业全要素生产率提升。本文从创新赋能、营运赋能、投资赋能视角揭示了数据要素影响企业全要素生产率的中介机制。其一，数据要素能够集聚创新资源，提高企业的创新水平，通过创新赋能助力企业全要素生产率提升和高质量发展；其二，数据要素能够优化营运流程，规避营运资产错配，通过营运赋能助力企业全要素生产率提升；其三，数据要素能够甄别投资机会，规避投资风险，提高投资质量，通过投资赋能助力企业全要素生产率提升。最后，数据要素对企业全要素生产率的影响在异质性的数据开放程度、数据应用场景、数据法治建设、数据安全保障下，存在显著差异。实证研究表明，在数据开放程度更高的地区、在数据应用场景更丰富的地区、在数据法治建设水平更高的地区以及在数据安全保障更强的地区，数据要素对企业全要素生产率的促进作用更明显。

根据上述结论，提出如下政策建议：

第一，持续发挥数据要素价值，增强数据要素对企业全要素生产率的提升作用。一方面，数据要素价值的发挥涉及算力、算法等多项数字技术，因而需要加强数字技术研发投入，弥补数字技术人才缺口，促进数据要素价值更好实现；另一方面，数据积累到一定程度，易引发“赢者通吃”“路径锁定”等现象，因而应加强对大型数字平台的反垄断监管，避免对制造业企业产生不利影响。

第二，充分利用创新、营运和投资三方面因素的赋能机制，持续助力企业全要素生产率提升。就创新赋能而言，企业应加强与外部创新主体的合作，开展联合创新和开放式创新，加速信息获取和知识融合，促进企业创新能力提升；就营运赋能而言，企业应加强营运流程的数字化管理，降低信息滞后引致的“牛鞭效应”，优化库存管理，快速响应市场，增强供应链灵活性，降低“断链”风险；就投资赋能而言，企业应增强风险防控意识，加强对投资风险的监测，提高对投资机会的感知能力，利用数据挖掘和分析技术，提高投资效率。

第三，关注数据保护和应用场景的差异，进一步释放数据要素对企业全要素生产率的提升潜能。首先，促进数据要素开放，推进数据资源互联互通，构建全国统一的数据要素市场，有效发挥数据要素生产力效应；其次，构建丰富的应用场景，丰富数据的赋能空间，同时引导数据要素流向战略性新兴产业和未来产业，构建现代化产业体系；最后，加强数据保护和数据治理，建立规范的数据联通规则和完善的数据保护制度，以打破数据孤岛、促进数据要素流通。

[摘自《改革》2024年第11期]