数据要素驱动与居民消费倾向提升：机理研究和路径分析

缪 言 曾 晶 白仲林

一、引言

自我国经济进入“新常态”时期以来，资本形成总额和净出口对经济增长的边际贡献逐渐下降，消费拉动成为中国经济增长模式转变的必然选择(张川川等，2021[1])。2019年，我国最终消费占GDP比重为57.8%，连续6年成为经济增长的主引擎(1)数据来源：国家统计局发布的《2019 年统计公报》。。2020年党中央提出以国内大循环为主的“双循环”新发展格局(2)由党的十九届五中全会通过的《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》提出。https://www.12371.cn/2020/11/25/ARTI1606265351625926.shtml。，而促进国内大循环的首要任务是扩大内需，扩大内需又以扩大居民消费需求为重点(刘金山和杜林，2021[2])。然而，国内应对2008年金融危机的政策减缓了内需调整速度，居民消费占GDP比重仍未改变长期偏低的状态，特别地，2020年以来，中国宏观经济面临有效需求不足的问题在疫情冲击之下更为凸显。可见，释放被束缚的居民消费潜力是现阶段提振经济的务实可行之路。

同时，数据作为生产要素深入产业链各环节使得数字化技术得以普及，并延伸至居民生活，进而对居民的消费行为和投资决策产生影响。数据要素催生互联网平台消费，截至2020年12月，我国网民规模达9.89亿，其中，自2013年起，我国已连续八年成为全球最大的网络零售市场，我国网络购物用户规模达7.82亿，占网民整体的79.1%(3)数据来源：中国互联网络信息中心( CNNIC)第 47次公报，http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/202102/t20210203_71361.htm。。然而，如图1所示，与网络消费规模急速扩张相反，自2014年进入数字经济时代以来，社会消费品零售总额增速呈下降趋势，由12%下降至2019年的8.1%。由此，引发了学界对于数据要素驱动下居民消费变化趋势的争议。一部分学者认为数据要素驱动赋予实体经济新动能、开拓消费体验新业态，从而释放居民消费潜力、优化消费结构(黄群慧，2021[3]；祝仲坤，2020[4])；也有学者提出反驳，认为数据要素驱动的新消费模式通过低价商品销售额的增长以及挤出实体零售业等途径缩减了消费规模，并且导致消费降级(石明明等，2019[5])。

图1 社会消费品零售总额增长率与网络零售消费总额变化趋势

事实上，数据要素催生消费新模式、培育消费新业态和释放消费潜力的作用渠道与机制存在差异，重点应当关注数据要素成本降低、数据要素驱动的技术创新及数据质量改进对居民消费倾向的影响。首先，降低数据要素生产环节所需的成本，可降低厂商使用数据要素的准入门槛(王微和刘涛，2020[6]；任保平和苗新宇，2021[7])，提升消费品供给的多样化和定制化，促使消费者“潜在需求”转变为“现实需求”。其次，数据要素驱动的数字化技术创新通过要素重组升级引致的效率变革提升全要素生产率(龙少波等，2021[8])，提高资本、劳动和数据要素产出效率，经济增长带来的财富效应促进消费增长。最后，改进数据质量可将消费大数据中的精准信息提供给厂商，有效缓解供给侧厂商与需求侧消费者的信息不对称(樊轶侠和徐昊，2020[9]；王茜，2016[10])，促进居民消费倾向提升。可见，数据要素可通过价格效应、财富效应以及缓解信息不对称等机制影响居民消费决策，但作用效果与长短期效应不尽相同，难以依靠简化型模型的因果分析直接体现“正负”影响。因此，有必要将数据要素作用于居民消费的多种机制纳入统一的结构分析框架，在理论层面深化数据要素驱动下数字化发展提升居民消费倾向的机理分析，并通过数据成本降低、数字化技术创新和数据质量改进对居民消费倾向的动态效应对比分析，为需求侧管理视域下数字经济发展提供决策参考。

二、文献综述

近年来，学者们对于数据要素驱动下居民消费决策研究的关注与日俱增。一方面，数据要素驱动生产率提升、促使交易模式与消费方式转型是该领域热点所在；另一方面，数据要素通过成本降低、技术创新与质量改进等路径影响居民消费倾向的研究不断涌现。

首先，数据是将现有生产要素进一步联系起来的桥梁型生产要素，并且，伴随经济活动的数字化转型，数据对提高生产效率呈现乘数作用(谢康等，2020[11])。同时，互联网普及化与搜索引擎智能化等数字技术催生新型消费方式——互联网平台消费(黄群慧，2021[3])，基于互联网平台进行交易以及资源配置是其最本质特征(张鹏，2019[12])，并且可降低交易双方的成本(江小涓和孟丽君，2021[13])，因此数字技术催生了消费者新的消费理念和消费行为，为新消费模式的演化提供了有利条件(许宪春和王洋，2021[14])。

其次，降低数据要素成本、提高数字化技术创新与改进数据要素质量能够降低数据要素使用门槛、重组升级资源配置并且缓解供需双方信息不对称，从而刺激新兴消费市场发展、重塑消费结构的基本形态，进而影响居民消费倾向。降低数据要素使用成本可使消费品价格下降，打破消费的时空阻碍，从而增加居民消费选择，提升消费意愿(方福前和邢炜，2015[15]；陈冬梅等，2020[16])；提高数字化技术创新通过要素重组升级提高全要素生产率，进而推动生产可能性曲线外移，从数量角度拓展消费空间，激发潜在消费需求(谢伏瞻等，2020[17])；改进数据要素质量通过细分市场需求，提供定制服务，提高零售品质，丰富平台内容，扩展消费边界，从而释放居民消费潜力(肖旭和戚聿东，2019[18])。

综上可见，学者对数据要素驱动与居民消费倾向的理论体系已进行了深入的探索，取得了重要的成果。特别地，数据要素成本、数字化技术创新与数据要素质量对居民消费倾向的影响尤为重要。因此，厘清数据要素催生的互联网平台经济特征、揭示新主体与经典经济主体(家庭、厂商)的经济互动机理以及探究数据要素驱动与居民消费倾向提升的机制和路径，不仅是数字化研究的重要理论内容，也是经济实践中亟待探明的现实问题。鉴于此，本文基于我国经济实际，构建纳入互联网平台新主体的新凯恩斯动态随机一般均衡模型，引入数据要素成本、数字化技术创新和数据要素质量冲击，研究数据要素驱动下数字化经济发展对居民消费倾向的动态效应，以期为促进数字经济发展的政策制定和优化提供实践参考。

三、理论模型与机理分析

学者们关于数字经济发展对居民消费决策影响的实证研究获得了丰富的中国经验，为了进一步厘清数据要素成本、数字化技术创新与数据要素质量对居民消费倾向的作用机制，本节引入实现数据要素的获取、加工、存储与交易功能新型主体——互联网平台，改进了新凯恩斯DSGE模型，充分考虑了数据要素加工和交易主体的动态最优规划以及数据要素的供需均衡，深入分析数据要素成本、数字化技术创新与数据要素质量对厂商部门决策、居民收入变化与消费决策的影响。进一步地，本文参考Blanchard和 Giavazzi(2006)[19]的做法，采用居民平均消费率作为代理指标，即消费者将可支配收入用于消费的比例，分析数据要素积累和价值的三方面随机干扰因素变化下居民消费倾向的演化路径。

(一)厂商部门

为了刻画数据要素在生产过程中的“桥梁型”特征，并直观分析数据要素成本变化、数字化技术进步与数据质量提升的经济机理，本文遵循马歇尔“四位一体”公式的生产要素理论拓展生产函数。具体而言，设定厂商部门包含了完全竞争的最终消费品厂商和中间品厂商以及垄断竞争的零售品厂商，其中，中间产品厂商投入资本、劳动和数据要素生产中间品yj,t，零售商再包装中间品生产差异化的零售品yf,t(Lawrence,2005[20])(4)本文设定的零售商用于实现价格粘性，仅对中间品进行打包，并未投入要素进行生产。受篇幅所限，零售商设定未在文中列出，感兴趣的读者可联系作者索取。，最终品厂商再将连续统多的零售品以CES方式加总为同质最终消费品。为了体现价格黏性，参考Gertler和Karadi(2011)[21]的设定，零售品厂商在每一期以一定的概率调整零售品定价。

1.最终消费品厂商。

最终产品厂商从零售商处购买零售产品yf,t，通过技术加总生产最终消费品，其中的零售品由零售商打包中间品获得，即：

(1)

其中，ε>1代表各中间产品间的替代弹性。

设Pf,t和Pt分别表示零售品和最终消费品的价格，则最大化最终消费品厂商的利润：

(2)

可得到最终消费品厂商对零售品的需求函数：

(3)

以及价格加总公式，即最终消费品的价格：

(4)

2.中间品厂商。

数字经济的发展使得数据与资本、劳动力和技术并列成为新型生产要素，数据要素以现代信息网络为载体、借助信息技术的有效使用成为提升效率和优化经济结构的重要推动力。于是，为了揭示生产部门运用数据要素驱动生产经营活动，借鉴Jones和Tonetti(2020)[22]、白仲林等(2022)[23]处理数据要素的思路，扩展传统的Cobb-Douglas型中间品生产函数为：

(5)

此外，本文也假设中间品厂商的生产关于传统要素是规模报酬不变的，即α1+α2=1。并且，α3代表数据要素的产出弹性，可见，数据要素质量与数据要素产出弹性提升对传统要素配置均产生影响，根据本文设置，亦可视为“技术内生”影响机制。即，本文模型既包含了经典DSGE模型中外生的技术进步冲击At(本文视为数字化技术创新)，又考虑了数据要素特征变化引致的效率变革。另外，考虑我国经济实践，假定数据要素的使用成本为产量的一定比率，于是，中间品厂商j的利润为：

Πj,t=(1-αt)mctAt(Kj,t)α1(Lj,t)α2(ξtDt)α3

(6)

其中，mct表示市场价格相较于最终价格的相对价格；αt表示中间品厂商使用数据要素的单位产出成本，即单位产出所承担的数据服务费用。于是，中间品厂商j最大化利润的一阶最优条件如下：

(7)

(8)

(9)

显然，式(7)表明中间品厂商单位劳动的资本装备率取决于劳动工资率和资本收益率之比；式(8)表明中间品厂商单位资本的数据装备率取决于资本收益率和数据服务费用之比；式(9)表示中间产品厂商的边际成本不仅随着工资率、资本回报率和数据服务费用的增加而上升，并且，促进数字化技术创新以及改进数据要素质量有助于降低中间产品的边际成本。

(二)互联网平台

基于中国互联网平台的发展实践，本文考虑一种新型业态经济主体——互联网平台。首先，假设互联网平台通过家庭的系统注册和线上消费等行为免费获得原始数据资源(包括但不限于消费者注册的个人信息、消费品特征信息、消费交易记录以及网络评价信息等)，建立数据仓库；并且，考虑到数据要素积累Dt+1来源于家庭新增消费Ct和折旧后的历史数据要素Dt之和，因此，数据要素积累过程可设定为：

EtDt+1=Ct+(1-δd)Dt

(10)

其中，δd为数据的折旧率。

其次，假设拥有双边市场的互联网平台将处理的数据要素用于为消费家庭提供免费的定向数据服务，以影响家庭的消费偏好。并且，在提供过程中，互联网平台需要花费运营成本，包括数据存储、网络带宽租赁、数据处理与系统维护等费用。鉴于难以逐一刻画各项数据服务活动的价值转化过程，为了简化分析，不妨遵循成本习性原理将互联网平台运营成本设定为：

Cnt=Cnf+γntDt

(11)

其中，固定成本Cnf在短期内保持不变，可变成本γntDt随数据仓库储存量变化而改变。

实际上，互联网平台的数据服务功能随着数据仓库储存量增加而丰富。于是，所产生的云计算服务费、基础电信服务费和第三方技术服务费因网络平台的数据服务量而增加。并且，本文假设互联网平台是数据要素的所有者，其为消费者直接免费定向提供数据服务相当于间接地为数据要素需求者(中间品厂商)开放(出售)数据使用权，如图2所示，即提供数据服务通过影响消费者的消费预期、改变消费者的消费偏好等刺激需求的途径而拉动厂商供给。可见，本文设定的互联网平台主体实现了数据要素的获取、加工、存储与交易功能，数据要素使用权的交易额即为互联网平台的数据服务收入，假设它是中间品厂商销售收入的αt倍，即租用数据要素的佣金率。

图2 纳入互联网平台主体的DSGE模型基本框架

Πnt=[αtmctAt(Kj,t)α1(Lj,t)α2(ξtDt)α3+Gt]-Cnt

(12)

于是，求解最优化得到一阶条件：

(13)

由(13)式可知，λ2t表示中间品厂商(即，数据要素需求方)的支付意愿。本文设定的互联网平台主体是具有寡头垄断特征的数据要素供给方，数据服务费用αt应当依赖特定的拍卖规则(Easley 和 Kleinberg，2010[24])确定，它本质上代表互联网平台与中间品厂商的博弈均衡。为了简化分析，本文假设投入数据要素成本与互联网平台成本有关，具体形式如下：

αt=α0γnt

(14)

(三)家庭部门

假设代表性家庭追求效用最大化，表达如下：

(15)

其中，β∈(0，1)为家庭的贴现因子，φc为消费习惯形成，Ct和Lt分别表示家庭在t期的消费和劳动供给；σ和φ分别表示家庭的风险规避系数和劳动供给弹性的倒数。

在互联网平台交易量急剧增长、互联网消费不断普及的时代，基于消费者和厂商注册信息、消费品特征信息、消费交易记录等数据要素积累必然影响家庭的消费偏好，于是，本文假设家庭的消费偏好为：

(16)

根据式(16)可知，互联网平台向消费者提供免费的数据服务，但可通过平台的数据要素积累影响家庭的消费偏好。另外，设定家庭的预算约束条件为：

(17)

Kt=(1-δp)Kt-1+It

(18)

其中，δp为物质资本折旧率。

于是，在约束条件式(16)、式(17)和式(18)下，求解代表性消费者的最优化问题式(15)，即可得到如下一阶条件(5)受篇幅所限，详细的推导过程未在文中列出，感兴趣的读者可联系作者索取。：

(19)

可见，式(19)表明劳动的单位成本等于劳动和消费的边际替代率。

(20)

可见，式(20)表明消费的边际替代率等于投资的边际收益率。

(21)

显然，式(21)表明消费的边际替代率等于债券的边际收益率。

(四)货币与财政部门

参照刘金全和张龙(2018)[25]的做法，将中央银行货币政策规则设定为“价主量辅”的混合型规则，即：

(22)

其中，Rt为央行的基准利率，R、π、Y和M分别表示稳态基准利率、通胀、产出水平和名义货币数量，ρr、κπ、κY和kM分别表示政策连续性、通胀缺口、产出缺口和名义货币缺口的系数。并且，借鉴Aiyagari和Gertler(1985)[26]的做法，设定广义的政府预算约束：

(23)

式(23)表明政府收取的税收以及发行的债券一部分用于债券的还本付息，一部分用于对网络平台的补贴。

(五)居民消费倾向指数

消费倾向一般是指消费者将可支配收入用于消费的比例，通常会采用消费率或者居民平均消费倾向作为代理指标(Blanchard 和 Giavazzi，2006[19])。

故本文构建居民消费倾向指数CQt：

(24)

根据本文理论模型的设定，数据要素驱动下居民消费倾向演变的经济机理体现在：首先，数据要素成本冲击改变互联网平台数据服务成本，影响供给厂商的进入门槛，更新厂商的资源配置，进而影响劳动、数据要素以及物质资本要素的投入，变更劳动报酬以及物质资本回报，在价格效应和收入效应双重作用下，居民消费决策及其消费倾向发生变化。其次，数字化技术创新提高全要素生产率，增进资本、劳动以及数据要素投入产出效率，因此，产出规模扩张引致的财富效应可提升居民消费倾向。最后，改进数据质量影响厂商的边际成本，对企业选择当下的最优要素配置起作用，更进一步，劳动生产要素的需求改变劳动力市场均衡状态时的供给水平，劳动收入影响家庭跨期消费决策，最终改变居民消费倾向。可见，本文构建的居民消费倾向指数CQt能够反映整体经济中消费、就业和相对收入水平变化，充分体现了居民消费倾向测度的特征。

四、模型求解

(一)参数校准

鉴于DSGE模型的参数较多，下面按照经济主体分类介绍参数校准过程。

1.家庭部门参数校准。

参考王国静和田国强(2014)[27]的研究，将居民外生消费习惯φc校准为0.7，跨期消费弹性倒数σ设定为2；对于稳态时季度口径的资本折旧率，借鉴朱军(2017)[28]的研究，将私人资本季度折旧率δp校准0.025；参照江春等(2018)[29]的取值，将贴现因子β设为0.99。

2.厂商部门参数校准。

借鉴文献罗娜和程方楠(2017)[30]的研究，将中间产品间的替代弹性ε校准为6；参照蒲火元和曹宗平(2018)[31]的做法，将价格粘性参数ψ设为0.75；借鉴张少辉等(2021)[32]的做法，将α2设为0.45，借鉴陈梦根和张鑫(2022)[33]的做法；将α3设为0.11；根据传统要素规模报酬不变原则，校准α1为0.55。

3.互联网平台参数校准。

在基准模型中，考虑到数据经济的基础设施以ICT资产为主，参考陈彦斌等(2019)[34]的做法，将数据要素的折旧率也设为0.025。具体如表1所示。

表1 参数校准值

(二)贝叶斯估计

为了考察数据要素成本、数字化技术创新以及数据要素质量冲击对消费、投资、可支配收入和居民消费倾向等宏观经济变量的效应，本文以2007年第一季度至2019年第四季度我国消费、CPI、名义利率为可观测样本进行贝叶斯估计，原始数据来源于Wind数据库。首先，对原始数据进行了X12季节性调整、取对数以及HP滤波处理。然后，采用MCMC方法得到对应参数估计结果(6)受篇幅所限，贝叶斯估计结果未在文中列出，感兴趣的读者可联系作者索取。。

五、模拟结果分析

(一)脉冲响应分析

在建立并求解模型的基础之上，结合我国“全面推进‘互联网+’”，打造数据要素驱动居民消费倾向的政策动向，本文重点考虑了数据要素成本、数字化技术创新以及数据要素质量冲击对消费、投资、可支配收入和居民消费倾向等宏观经济变量的动态效应。

1.数据要素成本冲击的脉冲响应。

负向的数据要素成本冲击对主要经济变量的动态影响如图3所示。数据要素不同于传统的物质资本要素，其效能并不因使用而损耗，关键在于对其的挖掘与应用。实质上，数据要素折旧率反映了数据处理能力，即当数字化水平较高时，数据处理能力较强，数据要素折旧率较小，反之则较大。并且，参考徐翔和赵墨非(2020)[35]、许宪春和王洋(2021)[14]的研究，假设数据要素季度折旧率在0.025～0.25之间，故本文将数据要素折旧率分别校准为上界和下界，图中实线代表数据要素折旧率为0.025时的政策效应，虚线代表数据要素折旧率为0.25时的政策效应(下同)。数据要素折旧率不同不改变各变量的脉冲响应方向和变动趋势，仅存在幅度差异，间接说明本文研究结果的稳健性。针对数据要素折旧率在0.025时的政策效应分析其作用机制(下同)。初期，负向的数据成本冲击下，互联网平台投入成本降低，互联网平台规模较小且厂商增加数据要素替代劳动投入，消费者劳动收入和可支配收入下降，增加消费者面临的收入不确定性，降低居民消费倾向，增加预防性储蓄防止流动性约束。中后期，数据要素资本的佣金率不断减少，降低供给厂商的进入门槛，可使消费品价格下降，打破消费的时空阻碍，从而增加居民消费选择，能够使消费者更多的“潜在需求”转变成“现实需求”，提升居民消费倾向。

2.数字化技术创新冲击的脉冲响应。

图3 数据要素成本冲击的脉冲响应函数

正向的数字化技术创新冲击对主要经济变量的动态影响如图4所示。可以发现，对于给定的资本、劳动以及数据生产要素投入，数字化技术创新通过要素重组升级提高全要素生产率，数字化创新与工艺革新使产业结构升级进而推动生产可能性曲线外移，扩容最终社会产出，为消费者带来更多可选择的产品与服务，从供给数量角度拓展了消费空间，改变家庭消费决策，提高消费者的效用水平，进而扩大消费规模。并且，消费需求改变了企业最优的产出目标，促使企业增加劳动生产要素投入，提高劳动市场的供给水平，增加消费者的相对收入，消费者在追求效用最大化的同时将实现消费者剩余的最大化(臧旭恒和邢宏建，2008[36])，即通过财富效应提升居民消费倾向。当然，这种带动作用会随着时间推移而递减，故促进数字化技术创新可缓解我国高经济增长的“阿喀琉斯之踵”，对我国实施扩大内需战略和经济高质量发展战略都具有重要意义。

图4 数字化技术创新冲击的脉冲响应函数

3.数据要素质量冲击的脉冲响应。

正向的数据要素质量冲击对主要经济变量的动态影响如图5所示。改进数据质量可提高数据要素的产出效率，企业从“业务驱动”转变成“数据驱动”，生产更加精准高效，必然使当期总产出增加，然而由于替代效应导致短期物质资本以及劳动需求量下降，消费者可支配收入下降，降低消费者效用水平(陈昌盛等，2021[37])，导致居民消费倾向下降。但是中长期，改进数据要素质量通过制定针对性的服务，有利于缓解供给侧厂商生产信息与需求侧消费者的消费需求信息不对称问题(马香品，2020[38])，降低居民选择的不确定性，可提高零售品质、丰富平台内容，扩张其消费边界，产品需求上升促使企业重新决策的最优投资规模，增加了对劳动生产要素的需求，进而增加了劳动市场均衡状态时的供给水平，可支配收入增加，促进消费。并且，消费增加的速度大于可支配收入上升的速度，提升居民消费倾向，表明数据要素质量使居民消费倾向变动转变是必然的，当然这种促进作用并不会立竿见影，而是呈现出一定的滞后性。

图5 数据要素质量冲击的脉冲响应函数

(二)社会福利分析

我们坚持以人民为中心，切实解决好人民最关心、最直接、最现实的利益问题，更好满足人民对美好生活的向往，才能不断提高人民群众的获得感、幸福感、安全感。[39]基于此，本文参考Gali和Monacelli(2005)[40]对福利损失函数的推导方法，构建一个适合本文DSGE模型的福利损失函数，在代表性家庭效用函数稳态值处进行泰勒二阶展开计算，通过对数线性化方程的转化，最终得到整个社会的福利损失函数，并以此来分析数据要素驱动下的数据要素成本、数字化技术创新以及数据要素质量冲击带来的福利损失情况(7)由受篇幅所限，详细的推导过程未在文中列出，感兴趣的读者可联系作者索取。。

在稳态处求解条件期望可得如下形式的平均福利损失函数：

(25)

其中，不加时间下标的字母C以及L代表对应的稳态值，φc、σ以及φ分别是家庭部门的消费习惯、家庭的风险规避系数以及劳动供给弹性的倒数参数。计算出数据要素驱动下的数据要素成本、数字化技术创新以及数据要素质量冲击在不同数据要素折旧率下平均福利损失函数见表2。

表2 数据要素驱动下三种冲击的福利分析

对比数据要素驱动下的数据要素成本、数字化技术创新以及数据要素质量冲击在不同数据要素折旧率下的平均福利损失，可以发现：首先，对比同一数据要素折旧率下，数据要素成本、数字化技术创新以及数据要素质量冲击带来的福利损失情况可知，数字化技术创新冲击带来的福利损失最小，数据成本冲击对社会福利损失最大，该研究结果与金碚(2014)[41]、任保平(2013)[42]和谢康等(2021)[43]类似，进一步证实数字化技术进步催生了新型的经济模式，提高了生产要素以及社会闲置资源使用效率的特点，增进了消费者福利，并且给整个经济体带来更小的福利损失。其次，对比不同数据要素折旧率下，数据要素成本、数字化技术创新以及数据要素质量所导致的福利损失情况的差异得知，在数据成本冲击中，数据要素折旧率增大会降低福利损失，同时，在数字化技术创新和数据质量冲击中，其福利损失与数据要素折旧率呈现正相关关系。因此，根据福利损失分析结果，我国不能一味地依靠对平台经济的产业政策倾斜、直接资金支持等方式推动数字化发展，应当按照习近平(8)china.cnr.cn/news/20211020/t20211020_525638122.shtml。提出的要求，大力发展数字化技术创新，提高全要素生产率，发挥数字技术对经济发展的放大、叠加、倍增作用，缓解我国高经济增长的“阿喀琉斯之踵”。

六、结论与政策启示

本文以具有中国特色的经济主体为研究背景和研究对象，厘清数据要素催生的互联网平台经济特征；分析了数据要素驱动下数据要素成本降低、数字化技术创新和数据质量改进对居民消费倾向的作用机制和动态效应。基于结构模型的经济机理和动态路径分析，本文得出结论：第一，数据要素成本降低使得完全竞争条件下的产品价格走低，价格效应短期降低居民消费倾向，但长期可拉动内需增长效率。第二，数字化技术创新提高全要素生产率，并通过要素重组升级引致的效率变革增加消费者相对收入，通过财富效应提升居民消费倾向。第三，数据质量改进短期促进投资、挤占消费，降低居民消费倾向，但长期可缓解厂商与消费者的信息不对称，提升居民消费倾向。第四，数字化技术创新在促内需长短期效应俱佳的同时，引致的消费者福利损失最小。

根据上述研究结论，可通过施加政策影响数据要素积累及其价值进而提升居民消费倾向，结合现阶段政策目标及改革动向，本文获得如下政策启示：第一，谨慎地降低数据要素成本。例如，进一步加强以5G、千兆光网、工业互联网为代表的新一代信息基础设施建设，并且，实施鼓励制造业数字化、智能化升级的产业政策，但不可一味地依靠政府专项基金支持和引导社会资本投向致使平台企业无序扩张、形成垄断。第二，大力促进数字化技术创新发展。数字化技术创新提高全要素生产率，具有明确的扩内需、促增长效应，因此，可通过大力发展科技金融、精准扶持成长性强的创新项目和优质科创企业激励数字化技术创新，缓解我国高经济增长的“阿喀琉斯之踵”。第三，在监管与制度约束下改进数据质量。充分意识到数据质量改进有效缓解信息不对称、提升居民消费倾向的同时，也带来了个人、企业乃至国家信息安全问题，不可忽视对于数字经济发展的监管与治理。应当考虑从数据计划、获取、清洗、存储、应用的各个阶段进行监控，并相应地建立数据标准化制度。