公共数据开放能提升企业全要素生产率吗？

杨秀云 韩奇

(西安交通大学经济与金融学院，陕西 西安 710061)

一、引言

当前中国经济发展逐渐转入新常态，过去依靠人口红利与投资驱动等方式拉动经济增长的粗放发展模式已不再适用(国务院发展研究中心“宏观调控创新”课题组，2022)，因此，如何转向精细化、高效益的发展模式，促进经济高质量发展，已成为当前经济工作的新重点。党的二十大报告指出，要“加快建设现代化经济体系，着力提高全要素生产率”“推动经济实现质的有效提升和量的合理增长”。经济持续增长与高质量发展的关键是推动全要素生产率的提高(Luo et al.，2023)。数字经济时代，新一代信息技术如人工智能、云计算等的发展能够缓解市场信息不对称(Moravcík et al.，2017)，有效提高企业全要素生产率。而大数据是新型信息技术价值发挥的基础，数据要素开放是企业利用数据，发挥新一代信息技术价值，加强数字经济与实体经济深度融合，提高企业生产效率的关键。数据要素开放对于充分发挥数据要素价值(Hughes-Cromwick and Coronado，2019；Jones and Tonetti，2020)，进一步降本增效，优化资源配置具有至关重要的作用。但由于权属不明、定价困难、隐私保护等诸多问题(荣健欣和王大中，2021；Zuiderwijk and Janssen，2014)，企业数据、个人数据开放难度较大，而公共数据开放阻力相对较小。所以，以公共数据为研究对象，探究数据要素开放是否能优化资源配置，降低企业成本，提升企业全要素生产率，对于提升中国企业可持续生产能力，促进经济高质量发展具有重要意义。

政府主导下的公共数据开放起步较早，地方政府建设数据开放平台积极性较强，当前各地公共数据开放也已蔚然成风。据《中国地方政府数据开放报告(2022)》统计显示，截至2022年下半年我国已有208个省级和城市的地方政府上线政府数据开放平台。《中共中央、国务院关于构建更加完善的要素市场化配置体制机制的意见》也明确提出要“推进政府数据开放共享”“提升社会数据资源价值”，推进公共数据资源开放流动与有效利用。那么，地方政府数据开放平台驱动的公共数据开放能否促进企业全要素生产率提高，在当前数据要素价值日渐凸显的背景下，具有鲜明的时代意义。

与已有文献相比，本文边际贡献是：第一，补充了公共数据开放价值创造作用的研究。现有文献主要从企业和区域的数字化程度入手，通过分析数据与人力、资本等要素的协同效应，探讨数据要素对企业全要素生产率的影响。本文以Hsieh and Klenow(2009)工作为基础，将公共数据开放与企业全要素生产率纳入统一分析框架，通过数学理论模型推导与实证回归，证明了公共数据开放能够提升企业全要素生产率，深化了数据要素开放价值创造方面的相关研究。第二，从多维视角探讨公共数据开放对企业全要素生产率的影响。本文不仅研究了公共数据开放对企业全要素生产率的总体影响，还通过作用机制分析，深入探讨了公共数据开放如何改善区域营商环境，提升企业资源配置效率和降低企业成本，从而推动企业高质量发展。此外，本文还进行了理论推导和实证检验，为研究提供了更可靠的依据。第三，基于企业所有制特征、行业特性和公共数据开放水平进行了异质性分析。本文发现，公共数据开放对民营企业和服务业企业的全要素生产率提升效果最为显著，而对国有企业和第一产业企业的影响较小，且只有当公共数据开放水平达到一定程度时，才能有效提升企业的全要素生产率。以上发现为制定数据开放政策，推动产业体系现代化提供了经验依据。

二、文献综述

企业全要素生产率是企业在各生产要素综合作用下的生产效率，其提高是实现经济高质量发展的根本途径(蔡昉，2013)。当前中国全要素生产率还存在较大提升空间(Hsieh and Klenow，2009；杨汝岱，2015)，现有文献主要从技术创新、资源配置效率、制度环境等方面针对企业全要素生产率提升问题进行了研究。

从技术创新视角出发，部分文献认为技术创新能够提升企业全要素生产率。Pieri et al.(2018)认为技术主要通过投入积累、技术变革、技术效率和溢出效应等渠道影响工业化经济体的生产率绩效。在数字化时代，新型技术的融合应用与更高的创新能力会进一步促进企业全要素生产率的提升(Song et al.，2022；Xiao et al.，2022)。部分学者从资源配置效率角度展开研究，发现区域、行业间资源错配极大制约了中国全要素生产率水平的整体提高(陈诗一和陈登科，2017；Wang et al.，2021)，资源配置扭曲现象在中国地方国有企业与经济发展水平越低的区域尤为明显；如果资源配置效率处于理想状态，地方国企全要素生产率能在现有基础上提升1.28～6.25倍，民企提升0.61～2.31倍；如果中国制造业能够达到美国制造业资源配置水平，中国工业上市公司总体全要素生产率可在现有基础上增加35%～90%(王文和牛泽东，2019)。也有文献从制度环境等方面研究了企业全要素生产率提升问题。政府质量决定着企业的营商环境。Borghi et al.(2016)以16个欧盟国家配电公司全要素生产率为研究对象，发现当政府质量较差时生产率水平较低，在体制环境质量较高的国家，生产率较高。Wu et al.(2017)以中国工业企业数据为研究对象，也得出相似的结论，良好的制度环境有利于中国企业和省级TFP的增长。例如中国深莞惠区域一体化政策能够通过促进区域产业链条完善，增强市场竞争力，提升企业全要素生产率(Huang et al.，2022)。并且制度环境存在门槛效应，不同市场化水平下同一制度对工业全要素生产率的影响作用不同，甚至存在相反的效果(郭南芸和黄典，2021)。例如2009年十大产业振兴规划导致市场融资过于容易，反而加剧了资本配置扭曲程度，最终降低了中国企业全要素生产率(钱雪松等，2018)。

以上研究对影响企业全要素生产率提升的原因进行了解释，数字经济时代企业数字化转型更为该研究增添了重要一笔。数字经济给产业组织与经济秩序带来了重大冲击(张文魁，2022)，对全要素生产率的可持续发展具有创新驱动作用(Pan et al.，2022)。众多研究表明，市场信息不对称严重制约了企业全要素生产率的提高(To et al.，2018)，数字化浪潮使得企业内部结构更加扁平化、网络化，并提升了企业智能化水平，从而极大缓解了企业内部信息不对称，有效降低了企业资源配置扭曲与企业人力资本等成本，最终提升了企业全要素生产率(Liu and Zhang，2023)。刘艳霞(2022)实证研究发现，数字化也会通过促进技术创新、效率变革和提高决策效率提升企业全要素生产率。也有文献论述了脱离实际、忽视适配性的数字化转型会降低全要素生产率，但学者们普遍认为当前阶段数字化主要是提升生产率(王鹏飞等，2023；武常岐等，2022)。数字技术应用和数据管理能力是数字化的内核(王鹏飞等，2023)，数据要素是数字化价值发挥的基础。数据要素通过发挥信息载体的作用缓解了要素扭曲、提高了企业治理能力，进而提升其他要素收益(Cui et al.，2022；Przychodzen et al.，2018)，甚至一定程度上能够对其他生产要素产生替代效应(张文魁，2022)。公共数据开放作为企业获取数据的重要途径，对于企业利用数据要素赋能数字化转型，提升企业的收入效应，发挥要素替代效应，促进企业高质量发展具有关键作用，可见公共数据开放势必会对企业全要素生产率提升产生重要影响。

已有研究表明，数据要素开放使得越来越多的企业采用“数据驱动型决策”以提升企业生产效率成为可能，数据驱动型决策以数据为基础，更具有科学性与准确性。数据驱动型决策有利于企业将经验决策转为依赖数据分析的科学决策，降低了人为失误，并提高了组织内部信息透明度，进而增强了企业协同创新动机(Shi et al.，2023；徐翔和赵墨非，2020)，能够有效提升企业的生产效率。数据要素开放也能帮助企业选择更优的生产技术(Farboodi and Veldkamp，2021)，有效缓解企业内部信息不对称，在企业生产过程中优化劳动、资本等要素的投资组合，提升各生产要素的单位产出。Müller et al.(2018)对美国814家企业生产率的实证研究发现，应用数据分析的企业生产率要比其他企业高4.1%，信息技术密集行业达到6.7%。Farboodi et al.(2019)研究发现，企业数据使用与企业生产率之间存在正向激励关系，构成了一个“数据反馈循环”，使得数据质量与企业生产率皆得到提高。Farboodi and Veldkamp(2021)通过在宏观经济增长模型中加入数据要素，发现数据要素能帮助企业选择更优的生产技术。Jia et al.(2021)的研究也从反面证实了数据要素开放能够提升企业融资水平。数据要素开放也方便了市场中供需双方精准匹配，能够有效减少企业、顾客搜寻成本(Carriere-Swallow and Haksar，2019)，在提高企业经营管理效率的同时也创造出更多市场需求，推动更多商业新模式、新业态不断壮大。彭远怀(2023)利用双重差分模型检验政府数据开放对企业全要素生产率的影响时发现，政府主导的数据开放有助于优化营商环境、增强企业能力，最终提高年轻企业和非国有企业的全要素生产率。

通过以上文献梳理可知，数据要素开放与企业全要素生产率提升之间存在密切关系。然而，当前的文献主要从传统因素、数字经济、数字化等方面研究了企业全要素生产率问题，从公共数据开放方面展开的讨论较为有限，仅见彭远怀(2023)基于政府数据开放平台，采用准自然实验实证检验了政府数据开放与企业全要素生产率关系。因此，本文将聚焦于企业内部微观层面，通过数学理论模型推导，直接验证公共数据开放对企业全要素生产率的提升作用，同时采用衡量公共数据开放的指数对该作用进行定量分析，并进一步基于城市、企业两个层面，从区域政务环境、营商环境，企业资源配置效率和企业成本多个维度探讨其内在作用机理。

三、理论分析与研究假设

在数字经济时代，数据要素已经成为企业生产投入的关键要素，对企业的生产效率具有重要的影响。数据要素开放作为数据要素价值发挥的基础，主要通过以下两个方面对企业产生重要影响。其一，数据开放带来的市场信息流动能减轻市场分割，缓解市场资本、劳动力等资源的配置扭曲(Park and Gil-Garcia，2022)。数据要素的开放也能极大降低市场信息不对称性，使得企业更好地了解市场需求，获取竞争情报，这有助于企业更准确地配置资源，提高生产效率。其二，数据要素开放使得数据要素更易获取，能够加速企业的数据要素投入，进一步增强企业的数据获利能力(Jones and Tonetti，2020)。数据要素开放水平越高，企业获取数据的成本越低，越容易获得更大规模的数据量，越有可能在生产过程中投入更多数据要素。本文基于Hsieh and Klenow(2009)生产率误置模型，引入数据要素，构建了一个公共数据开放影响企业全要素生产率的理论模型。

(一)公共数据开放对企业全要素生产率的影响

1.企业生产函数

沿用Hsieh and Klenow(2009)的设定，垄断竞争市场结构下企业i的生产函数设定为柯布道格拉斯(Cobb-Douglas)生产函数形式，考虑到数字时代数据要素已成为生产活动的重要投入品，因此将数据要素引入生产函数。

其中，Yi表示企业产出，Di表示数据要素投入，Fc表示城市c公共数据开放水平，KLi表示传统要素投入，α和β分别是两者的指数。遵循该模型原始假设，假定企业生产过程规模报酬不变，即α+β=1。Ai代表企业i的全要素生产率，由TFPi表示。公共数据的开放有利于提升市场公共信息传递效率，有可能提升企业数据要素的整体运用能力以及传统要素间协同配置效率，最终促进了企业全要素生产率的提高。

2.企业利润函数

信息不对称导致的资源要素错配在市场中一直存在，政府长期的市场干预作用致使传统要素价格长时间处于低估状态(张杰等，2011)。而数据要素作为一种新型生产要素，尚未受到市场以外力量的强力干预，故数据要素市场的扭曲程度要低于传统要素。参考戴魁早和刘友金(2016)的做法，本文用τYi表示企业i产出产品市场的扭曲程度，其值越大表示由于产品市场高估给企业带来的额外收益率越大；用τKLi表示企业i生产过程中传统要素的扭曲程度，其值越大表示由于传统要素价格低估给企业带来的成本越小，τYi、τKLi取值范围为0至1。Pi、PDi、PKLi为竞争性均衡时产品价格、数据要素价格、传统要素价格，企业的利润函数可以表示为：

3.市场需求

假设市场中有n家厂商生产单一产品，市场出清时，消费者效用U可用如下CES函数形式表示，σ表示产品替代弹性。

假设消费者面临的总支出为E，则消费者效用最大化函数可以表示如下：

构建拉格朗日方程求取消费者效用最大化时对企业i、j的产品需求与对应价格间的关系，可以得到：

依据Dixit and Stiglitz(1993)设定，忽略企业固定成本，设定总成本函数为TC=MC×Y，利润函数最大时表达式为：

式(18)表明企业全要素生产率与公共数据开放有正向关系，公共数据开放水平Fc越高，企业全要素生产率越大。因此，本文提出假设：

H1：公共数据开放能够促进企业全要素生产率提升。

(二)公共数据开放影响企业全要素生产率的机制

公共数据开放有利于信息快速传递，打破企业内外部信息孤岛，降低组织间信息沟通成本，优化组织管理流程(Caputo et al.，2019；张叶青等，2021)，以及为企业管理决策提供更多信息参考，缓解企业决策者自身的认知偏差(刘艳霞，2022)，进而提高企业决策质量，促使企业“人尽其才，物尽其用”，最终缓解企业内部与外部资源配置扭曲(潘毛毛和赵玉林，2020)。更广泛的公共数据开放也有利于企业紧随市场变化快速进行战略调整，加快淘汰落后产能，推动兼并重组，以及促使有限资源集中投入到价值链中附加值较高的环节，进一步提升资源配置效率(盛明泉等，2020)。企业内部资本、劳动力等资源要素配置效率的提升会降低无效支出，提高生产效率，最终提升全要素生产率。例如，固定资产的优化配置带来的周转效率提高有益于企业进行设备技术更新，进而促使企业人力资本优化，最终提升企业创新能力与全要素生产率(Männasoo et al.，2018；李建强和赵西亮，2021)。因此，本文提出假设：

H2：公共数据开放通过提高企业资源配置效率提升企业全要素生产率。

公共数据开放为企业获取当下市场信息与预估未来市场需求提供了便利，有利于企业提高管理质量，实现精确生产、精准销售，缓解供需矛盾，降低管理与运营成本，进而提升企业全要素生产率(Farboodi and Veldkamp，2021；许宪春和王洋，2021)。有限的数据开放纵使只能方便企业了解某一区域状况，无法帮助企业准确获取每个消费者的产品偏好，实现精准营销，但企业通过数字孪生等数据分析技术，也能提高供需匹配质量，降低企业销售成本(Gallego-García et al.，2019)。企业与消费者之间信息不对称的缓解也能减少彼此搜寻、沟通成本，并为企业发现新商机提供契机，有助于企业战略调整。企业间信息交流也为企业增强了解、加强合作提供了可能性，从而缓解了企业间恶性竞争，降低了企业交易、管理、销售费用(黄勃等，2022)。同时，企业内部信息不对称的缓解也有利于减少无效沟通，提高运行效率，节约管理成本。企业管理运营，销售沟通等成本的降低最终能够有效提升企业全要素生产率。因此，本文提出假设：

H3：公共数据开放通过降低企业成本提升企业全要素生产率。

公共数据开放具有明显的正外部性，有助于提升政府对经济、社会的治理能力，改善城市政务环境、营商环境。公共数据开放将促使大量真实的原始数据传向社会，方便公众有效地监督政府决策，有利于增强问责机制与政府透明度，抑制政府对市场的过度干预，继而提高政策效率，保障政策的执行力度和有效性，以及促进政务服务体制创新，最终改善城市政务环境(彭远怀，2023)。公共数据开放也能防止数据资源垄断和不正当竞争，缓解市场信息不对称(张叶青等，2021)，减少市场主体间的摩擦，保障竞争公平，使得资源配置更为市场化与金融市场更加完善，最终优化城市整体营商环境。城市政务环境、营商环境的改善能够降低市场中存在的制度性成本与交易成本，激发企业活力，促进人力资本和技术创新，推动产业间协同发展，最终提升整个区域内企业的生产效率(杜运周等，2022)。因此，本文提出假设：

H4：公共数据开放通过改善城市政务环境、营商环境提升企业全要素生产率。

四、研究设计

(一)变量定义

1.被解释变量

被解释变量为企业全要素生产率。参考以往文献做法，利用ACF法修正过的OP与LP法测算企业的全要素生产率，分别由变量TFPlp、TFPop表示。OP法利用公司的投资水平作为生产率的代理变量，有利于解决企业同时选择资本存量与产量带来的同时性偏差问题。LP法是对OP法进行了改进，舍弃投资额而改用中间品投入指标作为代理变量，可以较为准确地反映生产率变化与避免数据断尾。Ackerberg et al.(2015)认为OP和LP法关于企业能够对投入进行无成本调整以面对生产率冲击这一假设并非总是成立，认为只有在自由变量和代理变量相互独立的情况下自由变量系数才能得到一致估计，因此提出ACF修正下的OP与LP法。

2.解释变量

解释变量为公共数据开放(DaOpen)。当前关于公共数据开放的研究多集中于理论层面，公共数据开放并无统一的定量衡量标准。公共数据主要由政府掌握，近年来地方政府数据开放平台的迅速发展为公共数据开放提供了通道，故而可以从地方政府数据开放平台入手，进行公共数据开放程度定量评估。复旦大学数字与移动治理实验室公布的“中国开放数林指数”是中国首个专注于评估政府数据开放水平的专业指数，该指数自2017年首次发布以来，持续更新，具有极强的科学性、连续性。因此，本文以“中国开放数林指数”中衡量政府数据开放程度的数据层得分作为解释变量。

3.控制变量

参考现有关于企业全要素生产率的研究，从企业与城市两个层面选取有关控制变量。企业控制变量包含：托宾Q值(TobinQ)、所得税费用(Ite)、企业规模(Size)、总资产净利润率(Rrta)、资产负债率(Lev)。城市层面包含：城市产业结构(Indstr)、政府干预(Govint)、人均科教支出(Pesea)、人均GDP(Pegdp)。各控制变量计算方法如下：托宾Q值=市值/总资产，所得税费用=所得税/利润总额，一般而言，企业生产经营情况的改变会对企业规模造成影响，用企业总资产的对数来衡量企业规模，总资产净利润率=净利润/总资产，资产负债率=总负债/总资产。城市产业结构由产业结构升级指数衡量，计算方法为：Indstr=∑Industi×i(1≤i≤3)，其中，Industi表示第i产业产值占总产值比重。政府干预表示该地区经济活动受政府干预程度，用地方一般公共预算支出占地区生产总值比重衡量。人均科教支出能表示地区基本教育水平，一定程度上反映了当地劳动力平均文化素质，由城市科研与教育支出之和除以总人口得到。以上数据主要来源于CSMAR数据库、《中国城市统计年鉴》。

(二)模型设定

为提高模型估计的准确性，并校正或消除可能存在的异方差造成的不利影响，本文使用面板固定效应模型来评估公共数据开放对企业全要素生产率的影响。具体基准实证模型为：

其中，TFPit表示企业i在年份t的全要素生产率，DaOpenit表示企业i所在城市年份t的公共数据开放，Ctrlsit为控制变量集合，并引入企业固定效应(Firmi)和时间固定效应(Yeart)以控制不可观测但影响实证结果的企业特征与时间效应，εit表示随机干扰项，系数α1表示公共数据开放对企业全要素生产率的影响。

(三)描述性统计

本文选择政府数据开放平台使用不短于两年的城市作为城市样本，选择2017—2021年中国A股非金融类上市公司作为样本。样本数据共涉及城市55个，涉及上市公司2508家，时间跨度5年。主要变量的描述性统计结果如表1所示，采用LP和OP的ACF修正法计算的全要素生产率TFPlp、TFPop均值分别为7.47和7.37，标准差分别为0.97和0.96，表明样本企业的全要素生产率不存在明显的右偏或者左偏，计算结果与已有文献一致。公共数据开放指数均值51.37分，标准差12.60，表明不同城市公共数据开放水平存在一定差异，且当前中国城市的公共数据开放主要处于发展阶段。其余控制变量的描述性统计结果与现有文献保持一致。

表1 变量的描述性统计结果

五、实证结果与分析

(一)基准回归

表2是基准回归结果，报告了公共数据开放对企业全要素生产率的影响效应。列(1)未加入控制变量和固定效应，全要素生产率为TFPlp，回归结果中解释变量的估计系数为0.0046，在1%水平下显著，表明公共数据开放每提升1%，当地企业全要素生产率提升0.46%。加入控制变量后的回归结果为列(2)，解释变量的估计系数依旧显著为正。进一步加入年份和企业固定效应后的回归结果见列(3)，解释变量的估计系数依旧在1%水平下显著为正。将全要素生产率更换为TFPop，回归结果为列(4)～(6)，与上文一致。以上结果表明，公共数据开放显著促进了当地企业全要素生产率的提升。

表2 基准回归结果

(二)稳健性检验

为验证结果可靠性，本文利用LP法、OP法、WRDG法重新计算企业全要素生产率，得到Lp、Op、Wrdg，替换基础回归中被解释变量。回归结果见表3列(1)～(3)，解释变量的系数依旧为正，并且在1%水平下显著，表明公共数据开放显著促进了当地企业全要素生产率的提升。

表3 稳健性检验结果

为使回归更加稳健，排除公共数据开放指数得分过低的城市，这些城市中的企业全要素生产率提升很有可能是其他因素造成的，故以2021年公共数据开放为依据，剔除公共数据开放水平不在前50的城市，重新回归结果见表3列(4)(5)，解释变量的系数为正，依旧在1%水平下显著，并且系数大于基准回归中列(3)和列(6)，表明公共数据开放能够提升企业全要素生产率这一结果具有很高的可信性。

考虑到中国直辖市的经济特殊性较大，公共数据开放、企业生产活动等可能存在不同，故而剔除北京、上海、天津、重庆四个直辖市的企业数据重新回归，结果见表3列(6)(7)，解释变量的系数依旧显著为正，与基本回归保存一致。

实际情况中政府公布的公共数据多为历史数据，企业管理人员接收公共数据信息、制定新的经营决策需要一定时间，使得公共数据开放对企业的生产经营以及全要素生产率产生影响可能存在一定时滞，因此，对各类方法计算得到的企业全要素生产率进行一期滞后，重新回归。结果见表3列(8)～(12)，公共数据开放对企业全要素生产率依旧存在显著的正向影响，支持核心假设H1。以上检验证实了核心结论的稳健性。

(三)内生性问题

本文考察的是公共数据开放对微观企业全要素生产率的影响，在逻辑上并无明显的反向因果问题，即个别企业的全要素生产率变动难以影响城市整体的公共数据开放。尽管如此，公共数据开放与微观企业全要素生产率变化有可能受其他不可观测因素的影响，从而使实证结果面临内生性问题。为了缓解潜在的内生性问题，本文拟采用工具变量法与双重差分法分别进行分析。

1.工具变量法

本文首先通过工具变量法缓解内生性问题带来的影响。参考已有文献，以历史百人固定电话数量(Hispte)为工具变量(黄群慧等，2019)。固定电话历史数据与当今企业全要素生产率关联甚微，但固定电话曾经作为城市最主要的通信工具，能够代表历史上城市信息基础设施建设水平与对新型信息技术的接受速度，故采用2002年起5年历史固定电话数据作为工具变量。

表4展示了工具变量检验的结果，工具变量对解释变量的回归结果见列(1)，百人固定电话数与公共数据开放在1%水平下正相关，表明历史上信息基础设施建设水平较高的城市对于公共数据开放的态度更为积极，更倾向于建设新型信息基础设施建设，公共数据开放程度也会更高。Kleibergen-Paap rkLM统计量值在1%水平下拒绝了工具变量不可识别的原假设，说明该工具变量与内生变量有较强相关性；Kleibergen-Paap Wald rkF统计量值大于Stock-Yogo检验在10%水平下的临界值，拒绝了工具变量是弱工具变量的原假设；Anderson-Rubin Wald检验结果拒绝了内生回归系数之和为0的原假设，进一步表明工具变量与内生变量的相关性较强，以上检验表明工具变量选择是合理、有效的。列(2)(3)报告了第二阶段回归结果，公共数据开放程度的回归系数依然显著为正，说明考虑了可能存在的内生性问题之后，公共数据开放对企业全要素生产率的正向影响依然显著。

2.双重差分法

地方政府分批次地推动公共数据开放平台建设是一个极佳的准自然实验。中国情境下公共数据开放主要依托政府的数据开放平台，因而可以构造多期双重差分模型来考察公共数据开放对企业全要素生产率的影响，进一步克服内生性问题。具体如下：第一，若地方政府在2021年前建设并投入使用了公共数据开放平台，则视该城市为处理组，Treat取值为1，否则为0；第二，确定处理组城市公共数据开放平台投入使用的具体年份，投入使用当年及之后年份的Post取值为1，否则为0，对照组Post取值全部为0。为尽量延长公共数据开放平台影响效果估计的时间区间，双重差分模型的时间区间设定为2009—2021年。构建多期双重差分模型如下：

式(20)中其他变量定义同式(19)。本检验主要关注交互项的系数θ1，检验结果如表5所示。列(1)～(4)中系数θ1均显著为正，表明公共数据开放能够显著提升企业全要素生产率，这与基准回归中结论相一致。可见，多种内生性检验的结果依旧支持核心结论。

表5 双重差分模型检验结果

(四)异质性分析

异质性分析主要为了回答以下问题：公共数据开放对企业全要素生产率提升作用是否因企业所有制性质、企业所处行业不同而存在显著差异？公共数据开放是否会呈现量变到质变的效果？

在企业所有制性质的异质性方面，本文研究的企业为中国上市公司，所有制主要为国企与民企，两者在行政审批效率、企业绩效等诸多方面存在不同。民企一般在组织架构、经验管理等方面更为灵活(彭远怀，2023)，能够迅速采取战略调整以从公共数据开放中获取更大收益；国企在社会主义市场经济中起主导作用，与政府关系更为密切，获取公共信息更为方便。公共数据的开放并不一定能为国企带来更新更独特的信息，却能使得信息环境较差的民营企业更快捷、方便的获取数据开放前不容易得到的信息，从而提高公司决策效率与监督有效性，进而提升企业全要素生产率(刘艳霞，2022)。可以推断，公共数据开放对于民营企业的全要素生产率提升作用可能会更大。本文依据股权性质将企业分为国企、民企两类，分别回归。表6列(1)(3)为民企回归结果，解释变量的系数在1%水平下显著为正；国企回归结果为列(2)(4)，解释变量的系数并不显著。该检验结果表明公共数据开放对于民企全要素生产率提升具有显著的正向作用，与理论预期相符。

表6 异质性分析结果

在公共数据开放程度的异质性方面，碎片化的公共信息难以发挥对经济发展的推动作用，只有当公共数据开放达到一定程度时，才能促使碎片化的数据规模整合，传递出来的信息才具有更大的利用价值，从而为企业发展提供有力支持(荣健欣和王大中，2021)。根据解释变量的平均值，本文将公共数据开放分为高和低两个阶段，不低于平均值者为高水平，低于平均值者为低水平。表6中列(5)(7)是高水平的公共数据开放对企业全要素生产率的回归结果，解释变量的系数显著为正，并且明显大于基本回归，列(6)(8)表明低水平的公共数据开放对企业全要素生产率的影响不显著。以上结果表明高水平的公共数据开放能够显著提升企业全要素生产率。

在行业的异质性方面，不同行业在数字化转型方面存在先后差异，因此对于作为生产要素的数据的需求和投入也会有所不同。例如，传统种植业和零售业在数字化转型的速度和程度上存在显著差异，因此它们对于数据的需求也会有很大的差别。公共数据开放能够方便企业获取市场公共信息，但对于数字化转型较慢、程度较低的行业，公共数据开放未必能显著促进企业全要素生产率提升。本文依据企业所处行业，将样本划分为服务业、制造业以及其他行业(包含第一产业、采矿业、建筑业)，表6中列(9)(12)为服务业回归结果，列(10)(13)为制造业回归结果，列(11)(14)为其他行业回归结果。回归结果表明，公共数据开放能够有效促进服务业企业全要素生产率的提高，并且这一影响效应强于其在制造业企业中的作用，但对第一产业与建筑业、采矿业组成的其他行业企业的全要素生产率影响不明显。中国信通院等机构发布的《中国生活服务业数字化发展报告(2020年)》显示，服务业在三次产业中转型速度最快、数字化水平最高，与数字技术的融合程度更高，对于数据要素的利用能力较强，服务业生产也更易于标准化和规模化(谢旭升和严思屏，2023)，因而公共数据开放将会直接影响服务业企业。相较于服务业和制造业而言，建筑业、采矿业、第一产业的数字化程度较低，对于数据要素的利用能力相对较弱，所以其回归结果不显著。据此，公共数据开放在企业全要素生产率提升效用上展现出明显的行业异质性。

六、机制识别

根据前述理论分析，公共数据开放能够提高企业资源配置效率，降低企业成本，改善城市政务环境、营商环境，从而促进企业全要素生产率的提升。本文利用中介效应模型(21)(22)，对作用机制进行检验。Mid为中介变量，主要分为资源配置效率与企业成本两大类，系数β1表示公共数据开放对资源配置效率与企业成本的影响。若模型中系数β1和γ2同时显著，则表明存在中介效应。此时系数γ1如果也显著，且符号与β1×γ2一致，则Mid发挥部分中介效应，其对总效应的贡献率为β1×γ2/(β1×γ2+γ1)；如果γ1不显著，则Mid发挥完全中介效应，γ2体现中介变量效应大小。

(一)企业资源配置效率的作用机制检验

资产配置是企业资源配置的重要组成，企业内部资产配置包括流动资产配置与总资产配置，前者是企业资本配置的关键表现，后者能够间接衡量企业资产投资的效益。资产周转效率的提高能够加速资本等要素的流动，代表企业具有更高的资产管理质量与配置效率。

本文选择流动资产周转率(Liqass)与总资产周转率(Ttocap)作为企业资源配置的中介变量，中介变量对解释变量的回归结果见表7列(1)(4)，解释变量的系数显著为正，表明公共数据开放能够盘活企业资产，提高企业流动资产周转率与总资产周转率。企业全要素生产率TFPlp对中介变量的回归结果见列(2)(5)，中介变量的系数也显著为正，表明企业资产配置效率提升能够提高企业全要素生产率。更换被解释变量为TFPop，得到的回归结果列(3)(6)也支持假设H2，表明公共数据开放能够通过提高企业资源配置效率提升企业全要素生产率。

表7 作用机制检验：提高资源配置效率

(二)企业成本的作用机制检验

公共数据开放能够缓解市场信息不对称问题，提高市场中商品的供需匹配效率与买卖双方的沟通质量，有利于企业提高销售质量，降低销售费用。一方面，公共数据开放也有利于推动企业数字化转型，促使企业内部结构更加网络化、智能化，从而提升企业管理效率；另一方面，公共数据开放也为企业管理决策提供了信息支持，有助于提升企业决策水平，最终降低企业管理成本。

本文借鉴已有文献，以企业销售费用率(Rexpsa)代替企业销售成本，以管理费用率(Admexp)作为企业管理成本的代理变量(郭照蕊和黄俊，2021；黄勃等，2022)，将企业销售费用率与管理费用率作为企业成本的机制变量，具体计算方法为：销售费用率=销售费用/营业收入，管理费用率=管理费用/营业收入。机制变量对解释变量的回归结果见表8列(1)(4)，解释变量的系数显著为负，表明公共数据公开能够降低企业销售费用率、管理费用率。企业全要素生产率对机制变量的回归结果见列(2)(5)与列(3)(6)，其中销售费用率、管理费用率的系数也显著为负，表明两类费用率降低能够提升企业全要素生产率。据此，公共数据开放可以通过减低企业成本费用提升企业全要素生产率的机制得到验证。

表8 作用机制检验：降低企业成本

(三)城市政务环境与营商环境的作用机制检验

公共数据开放释放的大量原始数据增加了政府透明性，为公众更加有效地了解、监督政府提供了契机，能够进一步提升城市政务环境。公共数据开放也有利于抑制政府过度干预，提升政策效率，降低市场不确定性，改善城市营商环境。故而在城市层面从城市政务环境与营商环境两条途径探讨公共数据开放对企业全要素生产率的影响。

城市政务环境(Goven)与营商环境(Maren)测算数据采用北京大学公布的中国城市营商环境评估结果(Zhang et al.，2023)。机制变量对解释变量的回归结果见表9列(1)(4)，解释变量的系数显著为正，表明公共数据公开能够改善城市政务环境与营商环境。被解释变量TFPlp对机制变量的回归结果见列(2)(5)，中介变量的系数显著为正，表明更好的城市政务环境与营商环境提升能够提高企业全要素生产率。更换被解释变量为TFPop后回归结果一致，表明公共数据开放能够通过提高城市政务环境与营商环境提升企业全要素生产率。

表9 作用机制检验：改善城市政务环境与营商环境

七、结论与建议

近年来，随着“加快数字化发展，建设数字中国”的数字化战略迅速推进，数据要素已成为优化资源配置、推动经济发展、促进企业生产效率提高的重要途径。本文利用2017—2021年中国地方政府数据开放报告，考察了公共数据开放对企业全要素生产率的影响、异质性特征和作用机制等。研究发现，公共数据开放能够显著提升企业的全要素生产率。异质性分析表明，公共数据开放对企业全要素生产率的影响存在企业股权性质、所属行业等方面的异质性。具体而言，公共数据开放对于获取信息难度较大的民营企业、数字化程度更高的服务业企业全要素生产率提升的影响效应更为明显；并且只有公共数据开放程度较高时，才能有效提升企业全要素生产率。机制检验表明，公共数据开放可以通过改善区域政务环境与营商环境、优化企业资源要素配置、降低企业成本等途径提高企业全要素生产率。

基于以上结论，本文提出如下政策建议：

第一，地方政府应当进一步加强公共数据开放，为企业高质量发展创造有利的基础环境。部分民营企业由于市场信息的不足和内部资产管理效率低下等问题，生产运营成本偏高，高质量发展受阻。公共数据的开放可以提供关键的市场信息，有助于缓解资源配置的扭曲，对于企业的内部结构优化也起着重要的作用。此外，公共数据的开放对于企业的战略调整、资产配置和成本优化等方面也具有较多好处。政府作为公共数据的主要持有者和公共服务的提供者，在资金和技术方面具有较强的优势。因此，政府应该充分发挥自身作用，扮演良性市场环境的建设者和维护者，进一步加强信息基础设施建设，完善地方政府的数据开放平台，有序推进数据要素的收集、整理、开放和流通，提高整体的数据开放水平。与此同时，要加大对民营企业、制造业及服务业企业的帮扶力度，提升其数字化能力，推动其与数据开放平台的对接。

第二，企业应当积极开展数字化转型，提高数据要素综合利用能力，进一步发挥公共数据开放平台在优化企业资源配置、节约企业成本等方面的作用。数据要素开放水平虽然能够通过促进市场信息流动提升企业生产效率，但作为市场主体的企业只有秉承开放的姿态，才有可能利用数据优化其内部治理，而数字化转型是企业拥抱数字化时代、充分利用数据要素的关键。因此，企业应积极进行数字化、智能化改造升级，加快与数据开放平台的对接，提升对原始数据的信息提取能力，以优化内部管理水平，提高企业的全要素生产率。

第三，在提升数据开放水平的同时加强数据监管，防范可能存在的数据隐私泄露以及数据非法应用等社会风险。数据要素开放是把“双刃剑”，在提升企业全要素生产率、赋能产业结构升级的同时，也蕴含着当下未知的风险。政府应未雨绸缪，做好监管、立法等工作，防范未来可能遇到的问题。另外，如何做好数据要素开放与隐私保护的平衡，如何从技术上规避原始数据开放带来的潜在风险，都是未来需要研究的问题。 ■