政府数据开放与企业全要素生产率提升

邹丰华，安子伟，张 晨

（1.吉林警察学院，吉林 长春 130117；2.河北经贸大学，河北 石家庄 050035；3.山东财经大学，山东 济南，250001）

一、引 言

改革开放以来，要素驱动模式下的中国经济保持了近四十年的高速增长，但维持经济增长的动力逐渐枯竭，要素驱动型增长模式难以为继，亟需转变生产方式，向追求高质量和高效益增长的模式转变。作为跨越发展阶段和转变增长方式的关键，提升全要素生产率的重要性日益凸显。［1-2］企业是经济活动的基本单元，是推动经济高质量发展的微观基础。因此，信息化时代如何提升企业全要素生产率成为学界和政策制定者关注的重点。

全要素生产率本质上是一种资源配置效率，提高全要素生产率的关键在于如何处理好政府和市场之间的关系。［3］在完善资源配置机制的过程中，改善营商环境、优化政务服务是政府不能缺位也无法替代的职能。近年来，政府数据开放浪潮席卷全球，美国、英国、加拿大等国家积极出台相关政策措施推动政府数据开放实践。为了提高政府透明度，进一步提升政府治理能力与公共服务水平，我国从中央到地方都在积极推进开放政府数据资源。2015 年，国务院印发《促进大数据发展行动纲要》，提出要加快政府数据开放共享，推进数据资源向社会开放，增强政府公信力。2019 年，政府数据资源共享开放被列入我国大数据发展的“十大关键工程”。在此背景下，北京、上海、海南等多个省市陆续建设了政府数据开放平台。根据《中国地方政府数据开放报告》，截至2020 年10 月，我国已有142 个省市地区上线了数据开放平台。那么，作为公共信息应用模式转型升级、提高政府治理能力的重要举措［4］，地方政府数据开放能提升企业全要素生产率吗？如果效果明显，其作用机制是什么？对该问题的回答既是对公共数据经济价值的评估，也对制定和完善提高企业全要素生产率政策具有重要的启示意义。

随着政府数据开放浪潮的兴起，学者们围绕政府数据开放展开了大量研究。研究涉及政府数据开放的内涵、价值和意义、如何进行规范化管理以及相关平台建设和技术支撑等内容。例如，郑磊明晰了开放政府数据的涵义、影响因素、收益与风险。［5］夏义堃结合国内外政府数据开放实践，系统阐释了政府数据开放风险的涵义、类型、形成原因以及监管措施。［6］Teresa M. Harrison 等从经济型、政治型、社会型、战略型、生活质量型、精神文化型、管理型7 个维度描绘了开放政府数据的价值。［7］黄如花和吴子晗分别从政治、社会、经济、技术、战略等维度概括了政府开放数据的价值。［8］在研究方法上，利用案例分析某一特定地区的政府数据开放实践、总结平台建设经验与教训的研究居多，少数文献通过信息计量和调查问卷评估了政府数据开放共享质量和政府数据治理能力。［8-9］总而言之，目前学界对政府数据开放的微观效应研究较少且多停留在定性分析层面，对企业全要素生产率的影响分析鲜有涉及。

鉴于此，本文利用中国地方政府数据开放有关数据和中国上市公司数据，实证检验了政府数据开放对企业全要素生产率的影响及其作用机制。本文的边际贡献主要体现在三个方面：首先，通过匹配宏观和微观数据，系统估计了地方政府数据开放对企业全要素生产率的影响，为全要素生产率的研究提供了微观经验证据。其次，实证检验了地方政府数据开放的微观效应，丰富了公共数据经济价值的研究，拓宽了该领域的研究边界。最后，政府数据开放运动方兴未艾，如何释放数据能量，增强企业对市场需求变化的反应能力和调整能力，是政府面临的重要问题。

二、理论分析

（一）政府开放数据及其经济效应评估

各国政府积极投身于开放数据平台建设，其主要目的在于推动资源的高效利用，释放公共数据价值。为了测量和评估政府数据开放水平及其影响，学者们从多个视角出发，通过建立价值评估模型或构建指标体系进行了有益探索。在政府数据开放水平的测量和评估方面，由万维网基金会和开放数据研究所联合开发的开放数据晴雨表是比较有国际影响力的评估之一。该项目从准备度、执行度和影响力三个方面衡量了全球主要国家和地区的数据开放水平。联合国电子政务调查评估是全球电子政务领域最权威的报告，衡量了成员国和一些代表城市的电子政务水平。复旦大学和国家信息中心数字中国研究院联合发布的《中国地方政府数据开放报告》和“中国开放数林指数”，从准备度、平台层和数据层三个方面详细评估了我国各省市数据开放平台的建设情况，是我国第一个专注于评估政府数据开放水平的专业报告和指数。郑磊和关文雯比较了不同的政府开放数据评估项目，发现这些评估侧重于“数据”和“基础”两大层面，对“平台”“使用”“效果”维度的评估较少。［10］黄如花等使用文献调查分析和文本分析相结合的方法，从政治价值、社会价值、经济价值和技术价值四个方面构建了我国开放政府数据的价值体系。［11］

在知识经济时代，数据是重要的生产要素。政府数据开放有利于提高政府服务的效率和效能，对经济社会发展具有深远影响。从宏观层面来看，数据开放有利于透明政府的建设，在政府和公众之间搭建桥梁，提高公共服务水平。从微观层面来看，数据开放平台建设可以为企业营造良好的竞争环境，促进生产要素有序流动和新商业模式开发，为商贸发展注入能量。［12］麦肯锡全球研究所在《开放数据：流动信息释放创新能力》报告中，提出开放数据将为教育、交通、消费品、电力、石油和天然气、医疗和消费金融等七个部门每年增加3 ～5 万亿美元的价值。世界银行在《开放数据助力经济增长》报告中，利用案例分析了受益于开放数据的企业特征和商业模式。Hughes Cromwick和Coronado以汽车、能源和金融服务三个行业为例，剖析了开放数据如何影响企业决策，进而为企业创造价值。［13］

整体来看，政府数据开放的价值测量在理论和操作层面都取得了丰富的成果，为本文的研究提供了有益借鉴。但是，既有文献关于地方政府数据开放如何影响企业行为的讨论较少，且以案例分析为主，对企业全要素生产率的定量分析鲜有涉及。为了弥补这一研究缺口，本文将系统分析地方政府数据开放对企业全要素生产率的影响及其作用机制，并运用《中国地方政府数据开放报告》、“中国开放数林指数”、中国上市公司的有关数据进行实证检验。

（二）地方政府数据开放与企业全要素生产率

在我国，各级政府是管理政策的制定者，掌握了大量资源，政府支持是企业技术进步和技术效率提升的重要保证。政府补贴、税收优惠、产业政策以及基础设施等因素对企业全要素生产率的促进作用已被大量文献证实。但是，由于制度的不完善和政府信息披露机制的不健全，政府对资源的分配和监管也存在诸多漏洞，［14］由此产生的寻租和腐败使人才、企业缺乏足够动力去进行技术创新和技术升级，成为企业全要素生产率提升的阻碍。［15］戴小勇刻画了转型时期中国企业全要素生产率的决定机制，发现企业间严重的要素错配阻碍了制造业全要素生产率提高。［16］

在加快培育数据要素市场的时代背景下，地方政府数据开放共享已成为提升政府公共服务水平、优化营商环境、实现国家治理体系和治理能力现代化的重要手段。政府数据是政府部门在履行职责过程中产生或收集的海量数据。［5，17］政府数据开放不仅有助于提高政府的透明度，提升政务服务效率，优化营商环境，还可以供社会化再利用，为企业和其他市场参与者决策提供参考，与企业生产经营和技术进步息息相关。具体而言，首先，地方政府数据开放有助于完善政府信息披露机制，规范补贴流程，提高政府支持政策透明度，让政府补贴、税收优惠流入高效率领域，激发企业活力，淘汰效率低下的企业，通过市场竞争倒逼企业转型升级，提升全要素生产率。其次，地方政府数据开放能够加强不同市场主体之间的联系，整合各方资源，推动企业技术进步。政府数据涵盖宏观、中观及微观三个层面，涉及经济、就业、教育等诸多领域，覆盖金融业、制造业、科学研究和技术服务业等多个行业，政府数据开放可以降低各市场主体信息获取和传递成本，加快企业与外部的信息流通，打破信息孤岛，促进区域、行业间的知识溢出和技术扩散，在一定程度上能破除技术壁垒。同时，银行等金融机构可以通过数据开放平台获取更多的真实企业信息，优化金融供给结构，从而让企业获得更多外部支持，进行技术升级。最后，企业生产经营和各类投资决策依赖于对外部经济活动的洞察和预测，包括GDP、利率、汇率、政府规划等，借助开放的政府数据，企业可以获取、开发和利用更多信息，优化决策，从而创造更多价值。综上，本文提出假设1：

H1：地方政府数据开放有助于提高企业全要素生产率。

技术创新是企业提升全要素生产率的重要手段，也是企业获取超额利润的直接动力。地方政府数据开放有助于企业了解市场信息和技术前沿，为企业进行“干中学”提供更多的可能性和激励，在一定程度上降低了企业自主研发的风险。同时，随着政策环境的优化，资源会更多地流入高效率领域，面对竞争压力，企业在追逐利润最大化的过程中，会对技术创新、转型升级产生强烈诉求，从而不断加快研发脚步，提升企业全要素生产率。市场竞争越激烈，倒逼企业创新效应越强。基于此，本文提出假设2：

H2：地方政府数据开放会通过推动企业研发提高企业全要素生产率。

当市场制度不完善，政府过度干预或监管不到位造成资源错配时，企业寻租可以获得更多资源。［18-19］一方面，良好的“政企关系”可以帮助企业获得更多的经济资源，如政府补贴、经营资质、信贷等。另一方面，寻租可以让企业受到保护，免受一些掠夺，降低经营风险。［20］鉴于这些“益处”，一些企业热衷于通过寻租培养竞争优势，而不是通过技术创新谋求企业长期可持续发展。在政府数据开放的背景下，企业寻租空间势必会被压缩，这将激励企业注重技术创新并提升全要素生产率。基于此，本文提出假设3：

H3：地方政府数据开放会通过减少企业寻租提高企业全要素生产率。

三、研究设计

（一）样本选取与数据来源

本文以2007 ～2019 年中国A股上市公司为初始样本。根据以下原则进行筛选：（1）剔除金融行业公司样本；（2）剔除ST和*ST公司样本；（3）剔除数据缺失严重的样本。最终得到14 521个观测值。为了避免异常值的影响，本文对所有连续变量进行了上下1%的缩尾处理。本文使用的企业数据来自CSMAR数据库和CCER数据库。

地方政府数据开放水平数据来自《中国地方政府数据开放报告（2020）》和“中国开放数林指数”。中国地方政府数据开放报告和“中国开放数林指数”由复旦大学数字与移动治理实验室制作出品、复旦大学和国家信息中心数字中国研究院联合发布，定期对我国地方政府数据开放水平进行综合评价，从2017 年开始发布，半年一期，截至2020 年10 月共包括8 期面板数据。①资料来源于http：／ ／ifopendata.fudan.edu.cn／static／report／中国地方政府数据开放报告（2020 下半年）。该数据有两个优势：一是从准备度、平台层和数据层三个维度对中国地方政府数据开放水平进行了多维度评价，涉及地方政府数据开放的基础、枢纽、核心和成效四个方面，克服了单一维度评价的弊端，保证了评价的科学性；二是该数据立足中国地方实践，发布了中国各地级市的数据开放水平，比较有代表性。

（二）模型设定

本文使用双向固定效应模型检验地方政府数据开放对企业全要素生产率的影响，模型如下所示：

式（1）中，被解释变量TFPit表示企业i在第t年的全要素生产率水平；Governict表示企业i所在城市c第t年的政府数据开放水平；Controls是一组影响企业全要素生产率的控制变量；μi表示企业固定效应，λt表示时间固定效应，εit为随机干扰项。

（三）主要变量定义

1.企业全要素生产率（TFP）。测算微观企业全要素生产率的方法主要有两种，即OP 法［21］和LP法。［22］其中，LP法能够克服OP法在实践过程中投资额大量为零值的样本选择问题，并且放松了投资与总产出单调关系的假设，成为生产率估计最为广泛使用的计量模型。因此，本文使用LP法估算企业全要素生产率，模型设定如下：

其中，Yit为企业营业收入，Lit为劳动力雇佣数量，Kit为资本存量，采用固定资产净值度量，Mit为中间品投入，采用营业收入减去增加值度量，后者为折旧、工资、生产税净值与营业利润之和。［23］此外，营业收入以工业品出厂价格指数进行调整，资本使用固定资产投资价值指数调整，均以2000 年为基期。

2.地方政府数据开放水平（Govern）。本文使用两种方式度量地方政府数据开放水平，一是构建虚拟变量（Dum＿gov），如果该省份建立了政府数据开放平台①在实践中，如果一省建立了省级政府数据开放平台，那么该省所辖地级市通常也会设立市级政府数据开放平台，因此，依据企业所在地区是否建立了省级政府数据开放平台更能体现地区的政府数据开放水平。本文也以城市是否建立数据开放平台构建虚拟变量进行了分析，回归结果未发生显著变化。，Dum＿gov 取值为1，否则Dum＿gov 等于0；二是使用“城市开放数林指数”（Index＿gov），由于本文使用的企业数据为年度数据，因此，在回归中使用“城市开放数林指数”上半年和下半年的两期均值衡量。

3.控制变量。参考李春霞等［24］、戴鹏毅等［25］的研究，本文在式（1）中加入了一组控制变量，包括企业规模（Size），用企业期末资产取自然对数衡量；股权集中度（Top10），用前十大股东持股比例表示；国有股比例（SS），用国有股股数除以总股数度量；资产负债率（Lev），用企业期末负债除以企业期末资产衡量；研发投入（RD），用企业研发支出除以企业营业收入衡量。为了控制地区经济发展水平的影响，模型中加入了地区人均GDP（GDP）。

表1 报告了主要变量的描述性统计。样本期间内，共有16 个省份142 个城市上线了数据开放平台，呈现爆发增长态势。城市数林指数（Index＿gov）平均值为5.211，标准差为15.448，说明城市之间的数据开放水平存在较大差异。企业全要素生产率（TFP）的均值为3.835，标准差为0.331，企业全要素生产率的提升任重而道远。

表1 描述性统计结果

四、地方政府数据开放对企业全要素生产率的实证结果分析

（一）基准回归

表2 列（1）报告了企业全要素生产率（TFP）对地区是否建设了数据开放平台（Dum＿gov）的回归结果，Dum＿gov的估计系数在1%的水平上显著为正，说明地方政府数据开放有助于提升企业全要素生产率。用城市开放数林指数（Index＿gov）度量地方政府数据开放水平，重新估计式（1），得到了类似的结果，如表2 列（2）所示，Index＿gov的估计系数仍然在1%的水平上显著为正。上述结果证明假设H1 是成立的。

表2 是否开放数据平台的回归结果

（二）稳健性检验

为了保证研究结论的稳健性，本文进行了如下分析：首先，考虑到城市开放数林指数2017 年才开始发布，本文将样本期间设定为2017 ～2019 年，重新进行回归，结果如表3 列（1）和列（2）所示。其次，由于地区之间、行业之间、同地区企业之间可能存在样本溢出问题，如果不加以控制可能会影响参数估计。为了控制截面相关并缓解内生性问题，本文采用Bai 发展的交互固定效应模型重新估计地方政府数据开放对企业生产率的影响，［26］估计结果如表3 列（3）和列（4）所示。最后，传统回归方法通常面临两大问题：遗漏变量与线性假设。前者可能造成内生性和混淆因素所产生的辛普森悖论，后者不仅可能造成内生性，而且模型误设直接会对参数估计产生不利影响。基于上述原因，本文采用Chernozhukov 等发展的去偏差机器学习方法，［27］放松线性假设进行估计，在估计过程中加入了式（1）中的控制变量、地区虚拟变量、行业虚拟变量（基于两位行业代码）以及时间虚拟变量，估计结果如表4 所示。综合所有稳健性检验可知，政府数据开放促进企业技术进步的实证结果非常稳健。

表3 稳健性检验

表4 控制非线性和混淆因素

五、进一步讨论

（一）地方政府数据开放对企业全要素生产率的异质性影响分析

上文对地方政府数据开放和企业全要素生产率的关系进行了基准分析，与此同时，企业特质和行业特征都具有差异，企业利用政府数据信息的能力和动机也可能不同，需要进一步区别讨论。本文将基于企业所有权性质和企业所属行业进行分组，捕捉地方政府数据开放对企业全要素生产率的异质性影响。

1.按照企业所有权性质进行分组。本文按照企业的所有权性质将样本分为国有企业和非国有企业，分样本回归结果如表5 所示。在不同的子样本中，Dum＿gov和Index＿gov的估计系数都至少在5%的水平上显著，且相较于非国有企业，地方政府数据开放对国有企业全要素生产率的促进作用更大。究其原因，国有企业和政府具有天然的关联，在政府大力推进数据开放的背景下，国有企业出于迎合政府需要或迫于政治压力，利用开放数据平台进行价值创造的动机和能力或高于非国有企业，因此，地方政府数据开放对国有企业生产经营、全要素生产率的影响相对更大。同时，国有企业全要素生产率要低于民营企业和外资企业［28-29］，从边际效应的角度考虑，政府数据开放对国有企业全要素生产率的提升作用也会更明显。

表5 区分国有企业和非国有企业的回归结果

2.按照行业特征进行分组。首先，本文把样本分为制造业和非制造业两组，回归结果如表6 所示。地方政府数据开放对制造业企业全要素生产率具有显著的正向影响，而对非制造业企业则无显著影响。对于制造业企业而言，技术进步和规模效益是企业获取超额利润的源泉，也是企业持续发展的不竭动力，因此，地方政府数据开放会对企业全要素生产率产生显著影响。而非制造业企业，其并不以直接的技术创新作为自身发展的主要动力，故地方政府数据开放和企业全要素生产率的关系并不显著。

表6 区分制造业企业和非制造业企业的回归结果

其次，依照国家统计局高技术企业分类标准，本文把样本分为高技术企业和非高技术企业，回归结果如表7 所示。相较于高技术企业，非高技术企业属于技术追随者。借助政府数据开放，非高技术企业可以获得行业技术前沿信息，进而提高企业全要素生产率，而对于高技术企业而言，地方政府数据开放对企业全要素生产率提升的作用并不明显。［30］

表7 区分高技术企业和非高技术企业的回归结果

（二）地方政府数据开放对企业全要素生产率的影响机制检验

上文已经验证了地方政府数据开放会提高企业全要素生产率。为了检验地方政府数据开放对企业全要素生产率的作用机制，即假设H2 和假设H3，本文建立了如下模型：

式（3）中，被解释变量RDit表示企业i在第t年的研发支出；Controls是一组影响企业研发支出的控制变量，包括企业规模、企业杠杆率、企业年龄、政府补贴等。式（4）中，被解释变量ADit表示企业i在第t年的寻租费用，用企业超额管理费用除以主营业务收入表示；Controls是一组影响企业管理费用的控制变量，包括企业规模、企业杠杆率、企业年龄、股权集中度以及企业的国有股比例。μi表示企业固定效应，λt表示时间固定效应，εit为随机干扰项。

表8 报告了式（3）和式（4）的估计结果。根据表8 列（1）和列（2）可以看出，地方政府数据开放显著促进了企业研发投入，表现为Dum＿gov 和Index＿gov 的估计系数均在1%的水平上显著为正。同时，表8列（3）和列（4）显示，Dum＿gov和Index＿gov的估计系数均在1%的水平上显著为负，说明地方政府数据开放显著降低了企业管理费用。综合而言，地方政府数据开放会通过促进企业创新，减少企业寻租，进而提升企业全要素生产率，假设H2 和假设H3 得证。

表8 地方政府数据开放对企业全要素生产率的影响机制检验结果

六、结论与政策建议

伴随数据时代的到来，政府数据逐渐从信息公开走向数据开放。在此背景下，对政府开放数据的经济社会效应的评估成为摆在学界和政府部门面前的重要问题。本文利用2007 ～2019 年中国地方政府数据开放水平和中国上市公司数据考察了地方政府数据开放对企业全要素生产率的影响，得出以下三点结论，并相应提出了政策建议。

一是地方政府数据开放显著提升了企业全要素生产率。通过改变样本期间、考虑截面相关与交互固定效应、引入非线性与控制混淆因素三种方式进行稳健性检验，发现基准回归结论依然不变。政府数据成为经济活动所必须的数据要素，为制造业、金融业、科学研究等领域提供数据资源，提升企业研发创新所需要素，加速知识溢出与技术扩散，进而实现技术升级与高质量发展。面向未来，政府部门应加大统一的数据开放平台建设力度，进一步推动数据开放，发挥“有形之手”的调控作用，为企业生产经营和技术进步创造良好的政策环境。明确数据管理办法，建立和完善数据质量保障机制，确定基础数据的采集、核准和提供部门以提升政府数据质量，通过规范的数据管理以推动政府数据的合法使用和开发利用。［31］

二是地方政府数据开放影响企业全要素生产率的机制检验表明，地方政府数据开放通过调动企业创新积极性，降低企业腐败行为，最终实现对企业全要素生产率的积极影响。因此，一方面，政府部门应借助数据开放平台继续优化政策环境，通过完善政府信息披露机制，提高政府治理透明度，规范政府补贴、税收优惠等惠企政策的实施，提高执行效率与政策效果，帮助企业提高全要素生产率，实现转型升级。另一方面，企业可借助政府数据开放平台获取更多技术信息和市场信息，将其融入企业的经营和决策，制定更科学、更完善的战略计划，从而推动自身转型升级，实现高质量发展。［32］

三是根据企业所有权性质和行业特征将样本细分后发现，地方政府数据开放对企业全要素生产率的促进作用在国有企业、制造业企业和非高技术企业中更强。这一结果表明当前公共数据的价值还未充分释放，地方政府数据开放对非国有企业、非制造业企业和高技术企业全要素生产率的积极作用还存在提升空间。因此，一方面，政府部门制定政策应充分考虑行业特征和企业特质，加强对企业培训，提升其数据利用能力，推动有为政府和有效市场的更好结合；另一方面，企业也应根据自身特征和外部环境变化，把握住政府数据开放机会，提升企业管理的科学水平，开拓数字经济发展新模式。