数据要素与企业风险承担水平

[摘要]推动公共数据开放是打破市场“数据壁垒”与“信息断层”、激发数据要素内在活力、赋能企业行稳致远的重要力量，对企业的风险偏好与投资决策有着重要影响。探究公共数据开放能否激发企业内在活力、提高企业风险承担水平，是数字革命背景下的重要议题。利用2010—2023年沪深A股上市公司的面板数据，基于地级市公共数据平台首次上线这一准自然实验，探究公共数据开放对企业风险承担水平的影响。结果表明，公共数据开放能显著提高企业风险承担水平。机制分析表明，公共数据开放后，市场各主体之间的信息不对称程度降低，企业所受的融资约束得到缓解，进而显著提高企业风险承担水平。异质性分析结果显示，公共数据开放对企业风险承担水平的促进效应在属于高科技行业、所在地区市场化水平较低以及所在城市行政级别较高的企业中更为明显。

[关键词]数据要素；公共数据开放；风险承担水平；新质生产力

一、 引言

在新一轮科技革命和产业变革的大背景下，数据要素不仅是培育新质生产力的重要力量，更是占领大国战略博弈新高地的关键因素。数据要素借助自身乘数效应，引领其他要素合理调配，为优化社会治理模式、实现经济高质量发展提供了有力支撑。根据《中国数据要素市场发展报告（2021—2022）》1，2021年数据要素对当年GDP增长的贡献率为14.7%，贡献度为0.83个百分点，且数据要素对GDP增长的贡献率呈持续上升态势。伴随着数字经济的快速发展，我国各行各业积累了大量数据，数据行业市场已初具规模，但数据的有效供给依旧不足2。因此，我国亟须进一步发挥数据要素边际报酬递增、低成本复用等优势，催生经济发展新业态。公共数据作为数据要素的关键组成部分，依托自身的权威性、稀缺性、多源性、高价值和敏感性等多维优势，在保证机密信息和个人隐私不被侵害的前提下，联通了数据孤岛，有助于吸引社会各界对其融合利用，进而激发企业发展内在活力。截至2023年8月，我国已有226个省级和城市地方政府上线了数据开放平台，其中省级平台的数量为22个，城市平台的数量为204个（包括直辖市、副省级与地级行政区），公共数据开放平台上线率已达60.53%，开放内容涵盖商贸流通、安全生产、工业农业、财税金融、信用服务和市场监督等诸多与企业生产经营活动息息相关的领域3。由此可见，在数据要素与实体经济深度融合的背景下，公共数据开放会对企业生产经营活动产生深远影响。

鉴于数据要素这一研究主题的重要性，国内外学者对其展开了丰富的研究。有学者以企业为研究主体，探究企业利用数据要素开展生产决策所获得的效益[1-2]。有文献以政府为研究主体，考察公共数据开放在强化市场主体与各级政府协同治理方面的效益，及其对抑制腐败和提升政府治理能力的作用[3]。也有学者研究了公共数据开放对整体经济增长的影响[4] 。还有一些研究从其他视角探究了公共数据开放的价值创造效应，考察了公共数据开放对区域间协调发展[5]、城市创业活力[6]以及金融市场[7]等方面的影响。此外，有少量文献从企业全要素生产率视角[8]、企业创新视角[9]和企业数字化转型视角[10]探讨了公共数据开放对企业产生的经济后果，但尚无文献从企业风险承担水平视角研究公共数据开放对企业的影响。风险承担水平是衡量企业在追求更好业绩过程中愿意承担风险和付出代价的指标之一，该指标数值越高，代表企业对应的风险承担意愿越强烈，相应的风险投资就越多[11]。公共数据作为一种生产要素，会通过信息渠道与融资约束渠道对企业风险承担水平产生重要影响。具体而言，一方面公共数据开放拓宽了投资人获取信息的渠道，提高了市场的透明度与信息的传递效率，在一定程度上解决了存在于银企及市场供需主体间的信息不对称，最终提高了企业风险承担水平；另一方面，公共数据开放实现了信息发布的集约化，节约了各主体的信息挖掘成本，提高了各部门数据处理效率，增加了企业的贷款可得性，使得企业风险承担水平上升，但已有文献并未对此做出详细分析，因而有待进一步探讨公共数据开放对企业风险承担水平的影响及其内在机制。

综上分析，本文基于地级市公共数据平台首次上线这一准自然实验，探究公共数据开放对企业风险承担水平的影响。基于2010—2023年沪深A股上市公司数据研究发现，公共数据开放降低了信息不对称程度，缓解了企业融资约束，进而提高了企业风险承担水平，且这一促进效应在属于高科技行业、所在地市场化水平更低以及城市行政级别更高的企业中更为明显。

本文主要的边际贡献如下：第一，对公共数据开放如何实现价值增值进行补充研究，有助于深化对数据要素乘数效应的理解。现有文献探究了数据要素对企业生产决策、政府治理水平、区域协调发展等方面的影响[2，5]，然而对公共数据开放如何影响企业风险承担水平的研究尚不充分。第二，本文扩展了影响企业风险承担水平的相关研究。目前已有文献考察了非国有股东治理、社保基金持股和复合型职业经历等[12-14]影响企业风险承担水平的因素，但是从数据要素视角对风险承担水平的影响研究欠缺。

二、 理论分析与研究假设

在数字变革时代，数据要素已然成为培育新质生产力的重要力量，但目前我国数据市场仍存在数据信息零散化、共享机制不完善以及有效供给不足等问题。政府公共数据作为数据要素的重要组成部分，依托自身多维优势，通过联通数据孤岛、丰富数据有效供给，激发企业积极创造社会生产价值[1]。风险承担水平作为企业生产经营目标和质量的重要衡量指标，深受数据开放的影响。从内部视角看，公共数据开放有助于提高信息公开程度，增强市场其他主体对企业的监督力度，优化企业对市场机会的识别，从而影响企业的治理机制和经营能力，而这些都是影响企业风险承担水平的重要因素[15]。从外部视角看，公共数据开放后，一方面社会监督强度的提高和市场评估信息的完善促进企业加强运营和管理能力，增加了其在融资时的谈判筹码，进而缓解了高质量创新项目面临的资金约束[8]，最终提高了企业风险承担水平；另一方面，银行能够更为全面地了解企业的信用情况，信息挖掘成本的降低和数据处理效率的提高均有助于企业获得外部融资，从而提高企业风险承担水平。综上分析，本文提出如下假设：

假设1：公共数据开放有利于企业风险承担水平的提高。

公共数据开放最直接的作用在于拓宽了信息获取的途径，提高了信息的传输效率，从而有效缓解市场各主体之间的信息不对称[5]。在我国以银行为主导的金融体系中，信息不对称导致许多企业深陷融资难的困境[16]。公共数据开放平台借助大数据和人工智能等数字技术提高了市场透明度，缓解了银企间的信息不对称[17]。同时，公共数据开放有助于企业管理者搜寻消费者信息与市场信息，优化了客户信息的传递机制，促进企业对市场机会的识别与利用[18]，从而缓解市场供需双方的信息不对称。随着由行为主体摩擦引起的信息不对称现象得到改善，企业家对市场需求的评估效率相应提升，企业会增强对高风险项目的失败容忍度与进行研发活动的意愿[19]，进而提高其风险承担水平。由此，本文提出以下假设：

假设1a：公共数据开放通过缓解信息不对称，提高企业风险承担水平。

公共数据开放的另一大利好在于有效缓解了企业的融资约束。公共数据开放实现了信息发布的集约化[7]。公共数据开放平台通过公开企业的信用备案数据和行政处罚数据等，帮助银行更精确地评估企业的信用风险，使潜在投资者能够全面地掌握企业的信用情况，从而降低信息挖掘难度，提高数据处理效率[20]，改善企业融资环境。而资金约束的放宽有利于企业风险承担水平的提高。由于企业的风险承担行为具有强外部资源依赖性[21]，当企业获得了充足的资金支持后，企业会投资创新项目以持续创造竞争优势，进而提高了企业风险承担水平。此外，市场信用环境的改善与企业融资方式的多元化增强了企业的谈判能力，使高风险项目获得持续性资金支持的概率上升，企业风险承担水平相应提高。由此，本文提出以下假设：

假设1b：公共数据开放通过缓解企业融资约束，提高企业风险承担水平。

三、 研究设计

1. 模型设定

（1）基准模型

本文首先构建多期双重差分模型，以探究公共数据开放对企业风险承担水平的影响，具体模型设定如下：

[Riskit=β0+β1Datait+β2Controlsit+φiR+6BE6xB8NdYTfF2HZp7nQ==+μt+εit] （1）

式（1）中，被解释变量为Riskit，代表企业i在t年的风险承担水平；解释变量为Datait，代表企业i所处城市在t年公共数据平台的上线情况，上线则取1，否则取0；控制变量Controls包含个体及宏观层面可能影响企业风险承担水平的因素；φi为个体固定效应；μt为时间固定效应；εit为残差项。

（2）机制检验

本文从降低信息不对称程度和缓解融资约束两个维度，对公共数据开放如何影响企业的风险承担水平进行机制检验。鉴于传统的两步法中介模型存在较强的内生性，可能影响结论的稳健性，本文参考刘冲等[22] 、舒泰一等[23]的研究，引入两阶段最小二乘法的思想来构建机制检验模型，具体设定如下：

[Mit=β0+β1Datait+β2Controlsit+φi+μt+εit] （2）

[Riskit=β0+β1Mit+β2M_nonit+β3Controlsit+φi+μt+εit] （3）

上式中，M表示机制变量，包括代表信息不对称和融资约束的相关指标。在第一阶段，即式（2）中，本文利用各地级市公共数据平台上线这一外生事件，通过多期双重差分方法来识别数据要素对当地企业信息不对称和融资约束的影响，进而计算得到机制变量的拟合值[M]及其真实值与拟合值的差值[M_non]，前者代表机制变量中可被Data解释的部分，后者代表机制变量中不可被Data解释的部分。在第二阶段即式（3）中，本文用[M]以及[M_non]来预测企业风险承担水平，若[M]前的估计系数显著，则说明公共数据平台上线通过影响机制变量M进而影响企业的风险承担水平。

2. 核心指标测度（表1）

（1）企业风险承担水平

本文参考何瑛等[14]的做法，用ROA的波动率衡量Riskit。其中，ROA为企业当年息税前利润与期末总资产之比，对其进行行业均值调整后，以三年（t至t+2年）为一个观测期测算调整后的ROA标准差Risk1与极差Risk2，该值越大，说明企业风险承担水平越高。

（2）公共数据开放

本文依据复旦大学DMG数字与移动治理实验室发布的《中国地方政府数据开放报告（城市）》，获取各城市公共数据开放平台上线情况，并在搜索引擎中通过手动检索关键词对数据进行交叉验证。本文将Data设定为企业所在城市的公共数据平台上线情况，首次上线时间及以后取值为1，否则取0。

（3）机制变量

本文信息不对称的衡量参考Amihud等[24]、于蔚等[25]的研究，首先通过日频交易数据计算得到股票流动性指标LR以衡量信息不对称程度，股票流动性越低，LR值越大，信息不对称程度越高；其次，通过公司个股交易信息评估企业的信息不对称程度，对三个股票市场的流动性指标进行主成分分析，第一主成分的特征值大于1，表明三个原始指标的共同变异信息被同时囊括，由此将第一主成分作为描述信息不对称的指标ASY，该值越大，表明信息不对称程度越高。其次，本文借鉴刘莉亚等[22]的研究，用SA指数的绝对值和WW指数衡量融资约束水平，数值越大，表明企业所受的融资约束越大。

（4）控制变量

参考以往文献[12-13]，本文对以下可能影响Riskit的变量进行控制：企业规模（Size）、净资产收益率（ROE）、资产负债率（Lev）、托宾Q值（TobinQ）、销售增长率（Sales）、固定资产比率（FixRatio）、企业年龄（Age）、持股比例（Top10）、董事会规模（Board）和经济增长（GDP）。此外，本文还设置了个体和年度虚拟变量。

3. 数据说明

本文以2010—2023年沪深A股非金融类上市公司为样本，综合了CSMAR数据库、Wind数据库、《中国城市统计年鉴》和《中国地方政府数据开放报告》等的数据，剔除了ST、PT公司以及主要变量缺失的样本，并对所有连续变量进行1%水平的缩尾处理。篇幅所限，描述性统计结果备索。

四、 实证结果与分析

1. 基准回归结果

本文基于式（1）进行实证检验，基准回归结果见表2。表中列（1）（3）和列（2）（4）显示， Data前的估计系数均显著为正，说明公共数据开放能显著提高企业风险承担水平，且该结论在控制了企业及宏观层面的控制变量后依然稳健，与假设1的预期一致。

2. 稳健性检验

（1）平行趋势检验

为验证基准回归结果的有效性，本文进行了平行趋势检验。绘制的平行趋势检验图如图1所示。为消除政策的预期效应，剔除了平台首次上线的前一期。可以发现，在平台首次上线前，估计系数值均不显著，而在平台上线后，估计系数发生了明显的向上跳跃，且每期系数均显著异于0，通过了平行趋势检验。

（2）替换变量

为确保结果的可靠性，本文以五年（t-2至t+2年）为一个观测期，重新测算了ROA的标准差Risk1_22与极差Risk2_22；替换原有被解释变量，重新估计了公共数据开放对企业风险承担水平的影响。表3的结果显示，Data的回归系数仍显著为正，与基准回归的结果一致，说明基准回归的结果是稳健的。

（3）高维固定

除了使用个体和年度双固定效应模型研究公共数据开放对企业风险承担水平的影响，本文还额外控制了年份-行业和省份-行业固定效应做进一步探究。表4的结果表明，在控制高维固定效应的情况下，公共数据开放前的系数依然显著为正，再次验证了基准回归结果是稳健的。

（4）安慰剂检验

本文还构建了上线时间-企业双维度随机实验来进行安慰剂检验。按照表2的第（3）列回归并重复1000次后绘制出Data的估计系数分布图（图2）。观察后可以发现，Data的估计系数大多分布在0附近，其P值也基本大于0.1，这说明本文的基准回归结果并非偶然得到，且模型设定正确，再一次证明了前文的结果是稳健的。

（5）Goodman-Bacon分解检验

由Goodman-Bacon[26]的研究可知，交错型DID的估计系数等于样本中所有可能的两期DID估计量的加权平均值，因此可能因异质性处理效应生成有偏的估计结果。若较早受处理组和较晚受处理组以及处理组和始终受政策处理组这两种对照占权重过大，会干扰估计量的无偏性[27]，因此本文采用Goodman-Bacon分解法检验后两种对照的权重和是否过大。表5的结果显示，这两种对照的占比和仅为0.001，说明可能带来偏误的对照处理组对整体估计结果的干扰很小，说明本文使用的多期DID结果是可靠的。

3. 机制检验

（1）信息不对称

在数据要素时代，可决策信息资源受限与优质数据资源流通受阻均会加剧企业与其他市场主体间的信息不对称。公共数据开放实现了信息资源的及时共享和高效流通，优化了各市场主体搜寻信息的效率，缓解了由于信息不对称导致的消极后果。一方面，对于投资者而言，公共数据开放平台为其提供了更加丰富、真实的企业信息。另一方面，对于企业而言，公共数据的共享拓宽了企业管理者搜寻消费者信息与市场信息的范围，优化了客户信息的传递机制，促进了企业对市场机会的识别与利用。信息透明度的提高使得投资者更愿意向企业提供资金，企业管理者的创业激情得到调动，促使企业投资更高风险的创新项目以创造持续的竞争优势，进而风险承担水平得到提高。

为了验证以上论述，本文以LR和ASY为机制变量进行估计，回归结果如表6所示。由列（1）和列（4）可知，无论是以LR还是ASY衡量的信息不对称水平，Data前的估计系数均显著为负，说明公共数据开放后，信息不对称得到了有效缓解。进一步观察列（2）和列（3）的结果可以发现，拟合值[LR]前的系8QdbwKNngqH3p6BIvup8hA/aMaUogyDuI9Bvch8KsbY=数显著为负，列（5）和列（6）的估计结果类似，表明信息不对称水平的下降能提高企业风险承担水平。表6的六列结果验证了假设1a。

（2）融资约束

由前文的分析可知，城市公共数据开放平台的上线意味着大量高价值、高密度的城市数据被投入到社会生活生产中，这些数据包含企业财务信息、过往信用情况、法律诉讼记录以及市场行情信号等诸多有效信息。投资者可利用这些多维信息，更全面地评估企业的财务状况和信用风险，从而缓解企业融资难的问题。同时，政府打造公共数据开放平台，有利于构建更加透明的信息环境，从而提升银行对企业的信任度，使其对企业提供贷款的意愿增强。此外，公共数据平台的上线，为企业提供了一个向更多潜在投资者展示自身信息与拓宽融资渠道的机会，从而有机会获得更加充足的资金支持，促使管理层更愿意承担较高的风险，以追求更高的回报与长远的发展。

为了验证上述分析，本文将SA指数的绝对值与WW指数作为融资约束的机制变量进行回归。表7列（1）和列（4）报告了估计的一阶段结果。Data前的估计系数显著为负，说明在公共数据开放后，企业的融资约束问题得到明显缓解。表7的其余四列报告了二阶段中用一阶段工具变量估计的拟合值对Riskit的回归结果。估计系数显著为负，说明融资约束的缓解能提升企业风险承担水平。综合六列结果可得，公共数据开放平台上线能显著缓解企业的融资约束，提高企业风险承担水平。假设1b得证。

4. 异质性分析

（1）行业异质性

企业所处行业不同，对公共数据的利用程度会有所差异。尤其是在高科技行业中，公共数据开放对风险承担水平的影响效应会更为显著。一方面，高科技行业通常具有高度依赖数据驱动创新的特征，公共数据的开放为高科技企业提供了帮助其开展研发项目的数据资源，从而提高了这些企业的风险承担水平。另一方面，高风险的创新项目往往面临更大的融资约束，公共数据开放使投资者能更清楚地了解企业的财务状况和经营前景，从而增加他们为这些创新项目提供资金的意愿，进一步提高了这些企业的风险承担水平。本文借鉴彭红星等[28]的处理方式，将样本企业划分为高科技行业样本和非高科技行业样本，若企业属于高科技行业，Gkj取1，否则取0。根据表8列（1）和列（2）可知，对高科技企业而言，Data前的系数显著为正，而非高科技企业Data前的系数为正且不显著，说明公共数据开放对高科技企业风险承担水平的提升效果更为明显。

（2）市场化水平异质性

不同地区的市场化水平不同，推进公共数据开放的效果可能也会有所差异。与市场化水平较低的地区相比，高市场化水平地区的企业往往具备更丰富的信息获取渠道与更好的风险管理能力，因此，公共数据开放对这些企业的边际改善可能相对较小。公共数据开放使得低市场化地区的企业能够获得更多的投资机会与资金支持，企业管理层会更愿意承担高风险以追求高回报，进而提高企业风险承担水平。本文采用樊纲等[29]构建的市场化指数作为市场化水平的分组依据，若公司所在地的市场化指数大于等于当年所有地级市市场化指数的均值，Mkt取1，否则取0。根据表8列（2）可知，当Mkt=1时，Data前的系数正显著，而当Mkt=0时，Data前的系数不显著，说明公共数据开放在市场化水平较低地区的推行效果更强，对企业风险承担水平有更为明显的促进作用。

（3）城市行政级别异质性

在中国的地方政府体系中，垂直的“层级化”管理模式使得各城市行政级别不同，所拥有的政治资源就不同，以及所承担的战略任务也有所差异。行政级别较高的城市凭借其丰富的政治资源能更有效地推进公共数据开放平台的建设，对企业风险承担水平的促进效应也更明显。本文参考刘文革等[30]的做法，以城市行政级别划分为依据构建分组指标ADM，若某一城市属于直辖市、副省级城市或国务院批准的“较大的市”，则ADM赋值为1，否则为0。从表8列（3）可知，在行政级别较高的城市，Data前的估计系数正显著，但在行政级别较低的城市，Data前的估计系数不显著，这说明公共数据开放对企业风险承担水平的正效应在高行政级别的城市中更为明显。

五、 主要结论与政策建议

数字治理已然成为大国战略博弈的新高地。当前，我国正在积极推进数据资源的整合与开放共享，加快数字中国的建设进程。各级地方政府在履行行政职责过程中产生、获取和存储了大量数据，将这些数据资源还之于民，有利于降低金融摩擦，培育新质生产力，推动经济高质量发展。在此背景下，本文利用地级市公共数据平台首次上线这一准自然实验，探究公共数据开放对当地企业风险承担水平的影响及作用机制，研究发现：公共数据开放能显著提高当地企业风险承担水平，且该结论通过了一系列稳健性检验。机制检验结果说明公共数据开放通过降低信息不对称程度与缓解企业融资约束，提高了企业的风险承担水平。而且，这种促进效应在属于高科技行业、所在地区市场化水平更低以及所在城市行政级别更高的企业中更为明显。

依据以上结论，本文提出相关的政策建议如下：

第一，加强并优化开放数据资源体系建设，进一步推动国家大数据战略的实施。本文的研究表明开放城市政府数据有利于数据要素与实体经济的深度融合，对企业生产经营活动有着重要作用，尤其是对创新项目的蓬勃发展有着可观的助推效果。政府部门应继续履行共享城市信息的职能并引导市场更广泛地利用这些优质数据资源，同时优化数据资源体系建设，拓宽公共数据的覆盖面，以数字化手段助力创新活动的开展与经济高质量发展。

第二，完善数据质量管理和安全保障，提高社会对开放数据的利用率。本文的机制研究发现，公共数据开放后信息的透明度得到明显提升，企业的融资约束也得到有效缓解。因此，政府应高度重视数据的质量管理和安全保障，以确保开放数据的准确性、完整性和安全性，并继续引导市场参与者增强对公共数据的利用广度和深度，鼓励其借助数字化手段提升数据分析和应用效能，进一步激发公共数据的潜在价值。

第三，发挥数据要素对企业生产活动的助力作用，保持高行政级别城市在推进公共数据开放平台建设上的带头作用，促进各地区之间的数据共享与合作。本文的异质性分析结果显示，公共数据开放对高科技企业的风险承担水平有明显的提升效应，要进一步发挥数据要素在高科技行业的创新驱动作用，激发企业对公共数据的巨大应用潜能。此外，公共数据开放在市场化水平较低的地区推行效率更高，且对于行政级别不同的城市会有不同的推行效果，因此应进一步打通各地公共数据资源壁垒，促进数据赋能的区域协同作用，进而推动整体经济的协同发展。

参考文献：

[1] 蔡继明，刘媛，高宏，等.数据要素参与价值创造的途径——基于广义价值论的一般均衡分析[J].管理世界，2022，38（7）：108-121.

[2] 黄勃，李海彤，刘俊岐，等.数字技术创新与中国企业高质量发展——来自企业数字专利的证据[J].经济研究，2023，58（3）：97-115.

[3] Hyun C P，Koomin K.E-government as an Anti-corruption Tool：Panel Data Analysis across Countries[J].International Review of Administrative Sciences，2020，86（4）：691-707.

[4] 毕青苗，徐现祥，杨海生.商事制度改革与就业增长[J].数量经济技术经济研究，2024，41（1）：130-150.

[5] 方锦程，刘颖，高昊宇，等.公共数据开放能否促进区域协调发展？——来自政府数据平台上线的准自然实验[J].管理世界，2023，39（9）：124-142.

[6] 蔡运坤，周京奎，袁旺平.数据要素共享与城市创业活力——来自公共数据开放的经验证据[J].数量经济技术经济研究，2024：1-22.

[7] 欧阳伊玲，王愉靖，李平，等.数据要素与城投债定价：基于公共数据开放的准自然实验[J].世界经济，2024（2）：174-203.

[8] 彭远怀.政府数据开放的价值创造作用：企业全要素生产率视角[J].数量经济技术经济研究，2023，40（9）：50-70.

[9] 李泽宇，王雪方，陈新芳.政府数据开放对企业创新的影响效应及机制研究[J].科研管理，2024，45（7）：11-20.

[10] 韩奇，杨秀云.公共数据开放能否促进企业数字化转型？[J].现代经济探讨，2024（4）：44-59.

[11] 卢闯，孙健，张修平，等.股权激励与上市公司投资行为——基于倾向得分配对方法的分析[J].中国软科学，2015（5）：110-118.

[12] 洪金明，刘晗，王宁.非国有股东治理与企业风险承担水平——来自国有企业混合所有制改革的经验证据[J].审计与经济研究，2023，38（2）：87-96.

[13] 韩贺洋，杨兴全，周全，等.社保基金持股与企业风险承担：过度监督还是风险治理[J].会计研究，2024（1）：108-121.

[14] 何瑛，于文蕾，杨棉之.CEO复合型职业经历、企业风险承担与企业价值[J].中国工业经济，2019（9）：155-173.

[15] 卜君，孙光国.董事与经理兼任对企业风险承担水平的影响：基于高管激励的视角[J].改革，2020（10）：141-157.

[16] Ahlin C，Townsend M R.Selection into and across Credit Contracts： Theory and Field Research[J].Journal of Econometrics，2005，136（2）：665-698.

[17] 金洪飞，李弘基，刘音露.金融科技、银行风险与市场挤出效应[J].财经研究，2020，46（5）：52-65.

[18] Farboodi M， Veldkamp L.A Growth Model of the Data Economy[R].Cambridge： National Bureau of Economic Research，2021.

[19] Abhishek N.The Private Impact of Public Data： Landsat Satellite Maps Increased Gold Discoveries and Encouraged Entry[J].Management Science，2022，68（1）：564-582.

[20] 黄锐，赖晓冰，唐松.金融科技如何影响企业融资约束？——动态效应、异质性特征与宏微观机制检验[J].国际金融研究，2020（6）：25-33.

[21] 卢馨，郑阳飞，李建明.融资约束对企业R&D投资的影响研究——来自中国高新技术上市公司的经验证据[J].会计研究，2013（5）：51-58.

[22] 刘冲，曾琪，刘莉亚.金融强监管、存贷长期化与企业短债长用[J].经济研究，2023，58（10）：75-92.

[23] 舒泰一，赵田田，万谍，等.绿色税制改革影响企业ESG表现——基于企业成本视角[J].工业技术经济，2024，43（6）：61-70.

[24] Amihud Y，Mendelson H，Lauterbach B.Market Microstructure and Securities Values：Evidence from the Tel Aviv Stock Exchange[J].Journal of Financial Economics，1997，45（3）：365-390.

[25] 于蔚，汪淼军，金祥荣.政治关联和融资约束：信息效应与资源效应[J].经济研究，2012，47（9）：125-139.

[26] 刘莉亚，何彦林，王照飞，等.融资约束会影响中国企业对外直接投资吗？——基于微观视角的理论和实证分析[J].金融研究，2015（8）：124-140.

[27] Goodman-Bacon A.Difference-in-differences with Variation in Treatment Timing[J].Journal of Econometrics，2021，225（2）：254-277.

[28] 彭红星，毛新述.政府创新补贴、公司高管背景与研发投入——来自我国高科技行业的经验证据[J].财贸经济，2017，38（3）：147-161.

[29] 樊纲，王小鲁，马光荣.中国市场化进程对经济增长的贡献[J].经济研究，2011，46（9）：4-16.

[30] 刘文革，耿景珠，杜明威.数“政”强贸：数字化政府建设与中国出口产品质量升级[J].数量经济技术经济研究，2024，41（6）：67-87.

基金项目：国家社会科学基金一般项目“注册制推行对A股主要定价因子的影响研究”（项目编号：21BJY265）。

作者简介：孙欣妍，女，浙江工商大学金融学院硕士研究生，研究方向为科技金融与公司金融；舒泰一，通讯作者，男，浙江工商大学金融学院博士研究生，研究方向为产业金融、公司金融与资本市场；吴迪，男，浙江工商大学金融学院博士研究生，研究方向为科技金融与全球价值链；关培桦，女，浙江工商大学金融学院硕士研究生，研究方向为科技金融与产业金融。

（收稿日期：2024-06-11 责任编辑：殷 俊）