数据要素市场化与企业新质生产力：基于全要素生产率视角

摘 要：新质生产力以数据为关键要素，以全要素生产率大幅提升为核心标志；数据要素市场化配置对释放数据要素价值，进而提升企业全要素生产率和新质生产力具有重要作用。文章基于各地政府陆续设立数据交易平台的政策背景，在理论分析的基础上，采用渐进双重差分模型探究了数据要素市场化对企业全要素生产率的影响。研究发现，地方政府在设立数据交易平台后，企业的全要素生产率实现了显著提升，并且这种提升效应呈现边际递增特征。机制检验结果表明，数据要素市场化主要通过促进企业数字化转型、缓解企业融资约束以及降低企业各项成本等渠道影响企业全要素生产率。进一步研究发现，数据要素市场化更有利于非国有企业、高技术企业以及成长期企业的全要素生产率提升；城市的人才集聚水平、科技财政支出以及产权制度将对数据要素市场化的生产率提升效应产生重要影响。研究结论为企业加快培育新质生产力和政府深入推进数据要素市场化改革提供了经验证据和政策参考。

关键词：数据要素市场化；全要素生产率；新质生产力；交易成本；数字化转型

作者简介：郑国强，吉林大学东北亚研究中心副教授（长春 130012）

基金项目：国家社科基金青年项目“数据要素市场化配置的效应评估与政策优化研究”（23CJL021）；中国博士后科学基金第73批面上资助项目“数据要素市场化配置的成效评估及路径优化研究”（2023M731298）

DOI编码： 10.19667/j.cnki.cn23-1070/c.2024.06.009

引言

作为数字经济时代的核心引擎，数据要素被正式纳入生产要素范畴，逐渐成为中国经济发展动能转换和效率提升的基础性和战略性资源。国家工信安全中心的数据显示，中国数据要素的市场规模已从2016年的62亿元增长至2021年的815亿元，预计“十四五”期间复合增速将超过25%，但数据要素的交易流通和产业价值实现水平相对较低，数据要素市场整体呈现“供给旺盛、流通不足、价值远未实现”的特征。中国政府将数据要素市场作为建设全国统一大市场的重点领域，数据要素市场培育的相关战略布局不断深化和落地。在政策的顶层设计上，2022年，国务院先后出台了《要素市场化配置综合改革试点总体方案》和《关于构建数据基础制度更好发挥数据要素作用的意见》，从数据要素的流通和监管、数据交易场所的开发利用、数据要素的交易服务生态以及数据跨境流通机制构建等角度提出数据要素市场化的具体要求。在政策的实施落地上，2023年，国务院通过深化机构改革组建国家数据局，专门负责协调推进数据基础制度建设和统筹数据资源整合共享和开发利用。由此可见，如何通过数据要素市场化释放数据要素价值，进而促进新质生产力发展已成为全面推进中国式现代化进程中的重要议题。

企业是数据要素的创造者和利用者，也是培育发展新质生产力的实践主体。埃森哲公司发布的《2023中国企业数字化转型指数》显示，中国有46%的受访企业表示未来将在人工智能和自动化等数字化领域追加投资，以提高企业的未来竞争力。数据作为数字时代企业的关键生产要素，在降本提质和全要素生产率提升等方面发挥了重要作用。2024年1月，习近平总书记在中共中央政治局第十一次集体学习时强调，新质生产力以全要素生产率大幅提升为核心标志。2024年7月，中共中央颁布的《关于进一步全面深化改革、推进中国式现代化的决定》进一步提出，要发展以高技术、高效能、高质量为特征的生产力。马克思主义生产力学说认为，发展新质生产力的关键在于“质”的变革，其体现为通过生产力要素禀赋和组合方式的变革以实现全要素生产率提升。①数字经济时代，通过数据要素推动的企业全要素生产率提升与新质生产力的高技术、高效能和高质量特征相契合，是新质生产力发展的具体体现。②企业通过发挥数据这一新型要素的渗透效应和倍增效应，可以实现劳动力和生产资料的数智化以及生产方式和要素配置方式的革新，在提升全要素生产率的同时也推动企业形成新的劳动力、劳动工具与劳动对象，实现了生产力的“量与质”同步提升。③基于此，从生产率角度分析数据要素与企业新质生产力的关系具有合理性。

数据要素的强流动性特征意味着数据要素的市场化配置是其价值释放的关键所在，而数据交易是数据要素市场化配置的重要形式之一，只有通过交易和流通才能释放数据要素的赋能作用。④政府主导型数据交易平台为数据要素的市场化配置奠定了关键性的制度和技术基础，是市场主体进行数据交易的重要方式。⑤既有文献对数据交易平台设立的效果评价进行了初步探索：从宏观区域经济角度，刘满凤等实证考察了数据要素市场化对城市数字经济发展的影响，认为数据交易平台的设立促进了城市数字经济的发展，但也加剧了地区间的数字鸿沟。⑥陈婷等认为，数据要素市场化会通过提升数字金融水平、优化产业结构以及促进人才集聚等渠道促进城市创新能力的提升。⑦任保平等认为数据要素通过市场化配置参与到社会再生产全过程中来，在促进各类资源要素流动配置、畅通国内国际经济循环方面发挥着不可替代的重要作用。⑧从微观消费者福利角度，Bergemann和Bonatti认为，以公司形式呈现的数据交易平台能够帮助企业利用大数据更好地实行价格歧视，进而会造成消费者剩余和社会总福利的损失。①Ichihash构建的数据要素市场化模型同样说明，数据交易平台的设立可能导致数据的集中和垄断，进而使得消费者从数据要素市场中获得的福利不断减少。②从微观企业发展角度，郑国强等的研究发现，数据交易平台的设立会通过风险承担效应、融资约束效应以及环境信息披露效应提升企业的绿色创新水平。③戴魁早等基于制造业企业样本实证考察了数据交易平台对企业全要素生产率的影响，并从内部交易成本、外部创新效率和生产效率角度进行了机制探讨。④上述文献为评估数据要素市场化的政策效果和经济效应提供了重要启发，但相关内容仍有拓展空间，较少有文献从全要素生产率视角探究数据要素市场化对企业新质生产力的影响和内在机制。

本文的边际贡献可能在于以下几个方面：首先，在研究视角上，以各地陆续设立的数据交易平台作为数据要素市场化的准自然实验，基于全要素生产率视角分析了数据要素市场化对企业新质生产力的影响，为准确评估数据要素市场化的建设成效和企业新质生产力的培育提供了新维度；其次，在研究方法上，运用渐进式双重差分模型、分位数模型、PSM-DID模型以及交互项模型等多种稳健性方法，不仅较好地解决了数据要素市场化与企业全要素生产率之间的内生性，还较为全面地分析了二者关系的异质性；最后，在研究内容上，本文不仅从赋能效应、渗透效应以及协同效应角度分析了数据要素市场化对企业全要素生产率的直接影响效应，还从数字化转型、融资约束以及成本节约角度探究了间接影响路径，剖析了数据要素市场化影响企业全要素生产率的内在逻辑，丰富了数据要素市场化和企业全要素生产率的相关研究内容。

一、研究背景与理论假设

（一）研究背景

随着数据要素被正式纳入生产要素范畴，数据要素的市场化配置也上升至国家战略层面。为了有序引导数据的流通和交易，激发数据要素市场的活力，各地政府加速布局数据交易平台建设，并将数据交易平台作为推动数据要素市场化的关键举措。2014年，中国首个数据交易平台——中关村数海大数据交易平台正式启动，随后各地的数据交易平台建设掀起热潮。信息通信研究院发布的《数据要素白皮书（2022年）》显示，截至2022年底，中国各地已先后成立如贵阳大数据交易所、上海数据交易中心、华中大数据交易平台等近50家数据交易机构，范围覆盖北京、上海、广东、陕西、贵阳、吉林等中东西部众多省市。

事实上，除政府主导建立的数据交易平台外，企业主导的各类数据交易平台也纷纷涌现。但相比较于政府主导型数据交易平台，企业主导型数据交易平台往往是为抢抓政策红利而建立的，在资金投入、专业技术以及服务质量等方面良莠不齐，难以为市场提供长期的专业数据服务。⑤政府主导型数据交易平台则具有更强的影响力和公信力，承担着规范数据交易行为、组织数据交易活动、引导数据交易流通等方面的重要职责，在推进数据要素市场化方面发挥了更为重要的作用。从政府主导型数据平台建设效果来看，虽然在建设初期部分地区数据交易平台呈现粗放式交易模式，实质性业务开展较少，但随着建设经验的丰富以及各项政策的不断推进，数据交易平台在扩大交易规模和完善交易制度上的作用日益突显。①例如，上海数据交易所统计数据显示，2022年该数据交易平台的数据产品交易额已超过1亿元，预计2023年场内交易额有望达到10亿元。综上所述，虽然在当前数据交易平台的建设过程中仍面临诸多问题和困难，但作为数据要素市场化配置改革的关键举措，设立数据交易平台这一行为本身反映了政府对推动数据要素市场化的高度重视和前瞻布局。数据交易平台围绕数据要素的交易、流通和开发利用，不断推动数据要素市场规则建设和服务创新，是数据要素市场化的主要载体和实现形式，将数据交易平台设立作为数据要素市场化的准自然实验在理论上具有较强的可行性。②

（二）理论假设

1. 数据要素市场化对企业全要素生产率的直接影响

首先，数据要素市场化可以强化数据要素的赋能效应，推动企业全要素生产率提升。数据要素市场化为信息的加速传播和海量数据的分析处理提供了可能，企业利用数字技术对产品、地点、时间和交易等多维数据进行清洗、分析、整理、加工，进而可得出最优生产方案，引导生产技术向数字化、智能化等前沿领域转变，最终实现全要素生产率的提升。③其次，数据要素市场化可以强化数据要素的渗透效应，改善传统生产要素的质量和效率，促进新质生产力发展。企业通过数据交易平台可以获得相对透明的要素资源信息，利用大数据实时调整和优化要素配置决策，引导传统要素向产品附加值较高的领域集中，有效发挥数据要素对劳动、资本、知识、管理和技术等生产要素的放大、叠加和倍增作用，有助于企业全要素生产率的提升。④最后，数据要素市场化可以强化数据要素的协同效应，提高企业的分工与协作效率。企业借助数据平台和数字技术可以打破传统生产界限，不仅可以在上下游产业链之间，还可以在跨行业企业之间建立数字化协作模式，促进企业间高效的数据共享和创新合作，实现企业间要素资源的精准对接和协同利用，从而为企业的全要素生产率提升创造条件。基于此，本文提出如下假设：

假设1：数据要素市场化可以通过强化数据要素的赋能效应、渗透效应以及协同效应，进而直接提升企业的全要素生产率。

2. 数据要素市场化对企业全要素生产率的间接作用机制

如前文所述，高技术、高效能和高质量是数字经济时代全要素生产率和新质生产力的主要特征。从高技术角度，人工智能、大数据、云计算等数字科技是引领未来的创新驱动力，数据要素市场化可以有效促进企业数字技术应用和数字化转型，进而实现全要素生产率的提升；⑤从高效能角度，信息不对称是影响市场效能和企业生产效率的重要因素，数据要素市场化可以促进信息的溢出，打破要素市场尤其是金融市场的信息不对称，进而缓解企业的融资约束，提升企业全要素生产率；⑥从高质量角度，数据要素的低成本、大规模和易得性特征使得数据要素天然具有高质量属性，数据要素市场化可以进一步提升要素的配置效率并降低企业各项成本，促进企业全要素生产率提升。⑦基于此，本文主要从数字化转型、信息不对称与融资约束、成本降低等维度进行间接机制分析。

第一，数据要素市场化通过驱动企业数字化转型，为企业全要素生产率提升提供高技术支撑。首先，数据要素市场化为企业数字化转型提供了高质量的数据供给。数据交易平台的设立可以打破各地区各层级间的数据分割和数据垄断，促进数据要素在企业间的互通和共享，提升企业可获得数据的规模性和多样性，为企业数字化转型提供基础要素。其次，数据要素市场化推动了企业数字技术的应用与创新。数据被认为是企业革新产品创新方式和运营模式，获取市场竞争优势的关键要素。数据交易平台提供的高容量、高准确性、高多样性的数据能够帮助企业对市场、客户、环境和业务信息产生更清晰的洞察能力和开发能力，使企业具备适应大数据环境的创新能力。①另外，数据要素市场化有助于企业创新性信息获取渠道的多元化，促使企业优化人力资本结构，增加产学研和自主型创新投入，加强数字技术供给端的创新，从而促进企业数字化转型和全要素生产率的提升。②最后，数据要素市场化将通过“学习效应”和“同群效应”，引致企业通过数字化转型提升全要素生产率。数据要素市场化加速了创新知识和信息的传播，有助于企业获取市场中关于数字产品或数字技术创新的最新成果，在对前沿技术的学习吸收过程中实现转型升级和全要素生产率提升。③同时，数据要素市场化为企业间的学习和交流提供了畅通渠道，合作伙伴或竞争对手通过数字化转型战略提升了资源整合能力和生产效率的成功案例会对企业的认知和决策产生冲击，“同群效应”态势下企业会主动学习吸收同群内其他企业的数字化转型实践经验，进而促进自身全要素生产率的提升。④

第二，数据要素市场化可以打破市场多元主体之间因信息不对称而造成的融资壁垒，提高资本要素的配置效率，为企业提升全要素生产率给予高效的资金保障。首先，数据要素市场化能缓解“金融机构—企业”间的信息不对称，降低金融机构的搜寻成本和风险识别成本，进而提升企业的融资可得性。企业向数据交易平台提供数据查询授权后，金融机构通过数据交易平台可以一站式查阅企业财务状况、生产轨迹以及信用等级等多维度数据，提升金融机构信贷决策和信贷匹配的效率，有助于企业融资约束的缓解。其次，数据要素市场化能缓解“金融机构—长尾客户”间的信息不对称，帮助金融机构更广泛吸纳市场中的金融资源并转化为企业全要素生产率提升的资金供给。长尾理论认为数量庞大的长尾客户是金融市场供给侧的重要力量，但由于长尾客户具有“多、小、低、散”特征，传统金融机构需要付出高昂成本才能将其吸纳。⑤数据要素市场化可以为金融机构提升服务覆盖率和触达能力提供数据支撑，有助于金融机构运用大数据下沉客户群体，撬动以小微客群为代表的长尾客户利基市场，进而将长尾客户手中庞大的闲置资金转换为企业信贷需求的有效资金供给。⑥最后，数据要素市场化能缓解“投资机构—企业”间的信息不对称，帮助企业引入天使投资、风险投资及战略投资等社会资金，有效拓展企业融资渠道。数据要素市场化提升了企业的信息透明度，能够有效防范企业管理层的数据操纵行为，倒逼企业提升信息披露质量，准确将自身的经营状况和核心竞争力传递给投资机构，从而提高投资机构的出资意愿，纾解企业的融资压力。⑦

第三，数据要素市场化可以降低企业的生产成本、外部交易成本以及内部管控成本，实现企业的降本增效和高质量发展。首先，数据要素市场化可以实现企业生产成本的优化。从生产投入角度，数据要素市场化可以帮助企业实时掌握生产各环节所需资源的价格和配置情况，进而通过生产要素的结构优化和配置效率提升来规避生产过程中的资源浪费；①从生产模式角度，数据要素市场化为企业提供了更加系统全面的生产数据，有助于企业通过数据分析和信息加工驱动生产模式由单一性、批量化向精细化、柔性化转换，从而实现生产时间缩短、生产质量提升以及生产消耗减少；②从生产决策角度，数据要素市场化可以使企业更精确地了解市场需求变化，帮助企业动态调整生产决策并降低库存成本。其次，数据要素市场化加速了不同企业在产品质量、生产能力、资信水平等方面的信息流动与扩散，进而降低了企业交易的搜寻成本。同时，数据要素市场化带来的信息透明化不仅可以使企业实时掌控交易对象的契约履行情况，还提高了交易对象违约后的声誉损失风险，进而降低了企业的契约监督成本。最后，数据要素市场化降低了企业的内部管控成本。数据要素市场化推动企业管理模式由“工业化”向“数字化”变革，企业通过数据分析、智能排程以及进度监控等方式推动采购管理、库存管理、产品质量管理、生产过程管理、客户关系管理等流程的透明化与可控化，③进而降低了企业的内部管控成本，为企业全要素生产率的提升提供了更多资金空间。基于此，本文提出如下假设：

假设2：数据要素市场化可以通过数字化转型效应、融资约束效应以及成本节约效应等渠道间接影响企业全要素生产率。

二、研究设计

（一）模型设定

考虑到各城市数据交易平台的设立时间存在先后差异，即各地区数据要素市场化是渐进开展的，首先，本文采用渐进双重差分模型进行分析。相比较于一般双重差分模型，渐进双重差分模型允许处理效果在时间上逐渐显现，并且考虑了时间动态特征，可以更好地评估政策的实际效果。具体模式设定如下：

Tfpict = α0 + α1 Dmarkct + βj Xict + γt + μc + τd + εit （1）

其中，Tfpict 表示t年c城市i企业的全要素生产率，核心解释变量Dmarkct 是数据交易平台成立前后的年份虚拟变量和是否成立的城市虚拟变量乘积，Xict 代表可能影响企业全要素生产率的控制变量集，γ、t μc、τd 表示时间、地区和行业固定效应，εit 表示扰动项。

其次，为刻画不同企业生产效率条件下数据要素市场化影响效应的动态轨迹，运用分位数回归模型进行回归：

Quantπ（Tfpict ）=θ0 + θ1 Dmarkct + ρj Xict + γt + μc + τd + εit （2）

Quantπ （Tfpict ）代表π 分位点的企业全要素生产率，θ1 代表数据要素市场化的边际效应。

最后，参考江艇提出的方法，④采用两步法对内在机制进行检验。即先验证机制变量对被解释变量的影响路径（W→Y），再验证核心解释变量对机制变量的影响路径（X→W）。模型设定如下：

Tfpict = φ0 + φ1Wict + ρj Xict + γt + μc + τd + εit （3）

Wict = δ0 + δ1 Dmarkct + ϑj Xict + γt + μc + τd + εit （4）

其中，Wict 为机制变量，其他变量内涵与前文一致。

（二）变量选取与说明

1. 被解释变量。本文被解释变量为企业全要素生产率（Tfp）。采用OP方法对企业的全要素生产率进行测度，同时采用LP方法和GMM方法进行稳健性检验。在OP方法估计中，借鉴张龙鹏等研究，状态变量为企业资本存量和企业年龄，代理变量为企业投资，自由变量为企业员工人数，控制变量为企业所有制属性和出口状况虚拟变量。①

2. 解释变量。根据各城市是否设立数据交易平台的年份变量和城市变量乘积构建数据要素市场化指标（Dmark）。若该企业所在城市设立了数据交易平台，则城市变量为1，否则为0。数据交易平台设立前年份变量为1，设立后为0。

3. 控制变量。本文的控制变量包括如下：（1）企业规模（Size）：企业资产总额取对数得到。企业规模是影响全要素生产率的重要因素，大企业往往具有较强的融资能力、创新能力和组织适应能力，因而可能具有更高的全要素生产率。（2）企业年龄（Age）：当年企业成立时间取对数得到。不同经营时长的企业在管理经验、技术知识以及品牌价值方面可能存在差异，进而对全要素生产率产生影响。（3）企业利润率（Roa）：净利润与资产总额的比重衡量。企业较高的利润率有利于增强市场地位并激励内部劳动力的积极性，进而促进全要素生产率的提升。（4）企业资产负债率（Lev）：以期末负债总额与资产总额的比重衡量。较高的负债会增加财务风险并影响企业稳定性，进而可能对生产率的增长产生不利影响。（5）CEO信息技术背景（Ceot）：企业CEO是否有信息技术背景赋值为1或0。数字经济时代，拥有信息技术的管理者可能会更加关注新型的数字技术，积极进行数字化转型，进而推动企业生产率增长。（6）企业两职合一（Dual）：董事长与总经理是否为同一人赋值为1或0。企业两职合一有利于企业各项决策的贯彻执行，进而可能增强企业的竞争力和生产率。

4. 机制变量。本文的机制变量包括如下：（1）企业成本（Cost），借鉴郑国强的做法，用企业在财务、销售以及管理方面的费用占比衡量；②（2）企业融资约束（Kz），借鉴李建军和韩珣的做法，通过构造KZ指数测度企业的融资约束；③（3）企业数字化转型（Digit），借鉴吴非等的做法，从人工智能、区块链、云计算、大数据等维度构建数字化转型词频库，以企业年报中有关数字化转型的特征词出现次数的对数衡量。④

（三）数据来源与描述性统计

本文样本为2011—2021年中国A股非金融行业和非ST类别的上市公司。企业生产经营数据来源于国泰安数据库，企业年报数据来源于企业上市公司官网，数据交易平台数据来源于《大数据白皮书2021》以及各城市网站。描述性统计结果见下页表1。

三、实证结果及分析

（一）基准回归

表2汇报了基于渐进双重差分模型的估计结果。第（1）列至第（4）列报告的是递进式纳入控制变量后的影响效应。由结果可知，Dmark 的回归系数在1%水平上显著为正，说明数据要素市场化具有显著的生产率促进效应。如前文所述，数据要素市场化可以强化数据要素的赋能效应、渗透效应和协同效应，促进企业生产技术向数智化转型升级，改善企业传统生产要素投入的质量和效率，提升企业的分工与协作效率，进而有助于提升企业全要素生产率。

（二）动态特征分析

基准回归仅检验了数据要素市场化对企业全要素生产率的平均边际影响，为了进一步分析不同企业生产率条件下数据要素市场化边际效应的动态变化特征，本文借助分位数回归模型，通过选取典型分位点进行估计分析。从表3回归结果中可以看出，在不同分位点，数据要素市场化的回归系数始终显著为正，但系数呈不断增加趋势。

为了更全面地刻画数据要素市场化边际效应的动态轨迹，进一步计算所有分位点下数据要素市场化的边际效应。由图1可见，随着企业生产效率的逐步提高，数据要素市场化的提升效果呈边际递增趋势。

（三）平行趋势检验

渐进DID模型需要满足平行趋势假设，本文在动态效应框架下识别数据要素平台设立前4期和后7期的企业全要素生产率变化趋势，具体模型设定如下：

Tfpict = υ0 + ρkΣk = -47DT kct + γt + μc + τd + εit （5）

其中，DT 变量表示数据交易平台设立的相对时间，ρk 的系数值和显著性反映了不同时期，所在城市设立数据交易平台的企业和所在城市未设立数据交易平台的企业在全要素生产率变化上的差异。本文以-4期作为基期，由图2平行趋势检验可见，ρk 系数在数据交易平台设立前均不显著，说明城市设立数据交易平台的企业和所在城市未设立数据交易平台的企业在全要素生产率变化方面不存在差异，模型的平行趋势得以满足。

（四）稳健性检验

1.PSM-DID 检验。为缓解不同企业在全要素生产率水平上可能存在的系统性差异，本文通过PSM-DID方法开展稳健性检验。采用核匹配法通过Logit模型进行倾向得分匹配。由图3和图4结果可知，模型通过了共同支撑检验和平衡性检验。由图5和图6的核密度图可以发现，匹配后的对照组和处理组的变化趋势更加拟合。在此处理基础上，对匹配样本进行渐进DID重新估计。如表4第（1）列结果所示，Dmark 的估计系数依然显著为正，说明在控制样本选择偏误后，数据交易平台的建设依然能有效提升企业全要素生产率。

2.政策预期效应检验。渐进DID模型要求对照组和处理组企业不会因预期效应而提前采取行动，即数据交易平台的设立对企业来说是外生的而不是预知的。本文在模型中进一步纳入预期虚拟变量BDmark 以验证政策的外生性。如果该地区一年后设立数据交易平台，则BDmark 赋值为1，否则赋值为0。由表4第（2）列结果可知，预期虚拟变量的估计系数并不显著，说明企业对所在城市是否设立数据交易平台不存在预期。

3.政策排他性检验。在样本期间内，国家出台的“宽带中国”政策作为推动数字基础设施完善的重要冲击，可能对企业全要素生产率产生影响。本文进一步将该政策的虚拟变量Net 纳入模型，结果如表4第（3）列所示。从中可知，在排除其他政策干扰后，本文研究结论依然稳健。

4.替换被解释变量。本文进一步采用LP法和GMM法对被解释变量进行重新测度。表4第（4）列和第（5）列的回归结果显示，在替换被解释变量的测度指标后，Dmark 的估计系数方向和显著性未发生实质性改变，结论依然稳健。

5.筛选样本。根据平台官网追踪发现，部分数据交易平台长期处于业务停滞状态，数据交易量较小，本文将该类样本删除。同时，参照以往研究，对直辖市样本进行剔除。由表4第（6）列可知，在进行样本筛选后，Dmark 的估计系数仍显著为正，结论的稳健性再次被证明。

6.工具变量法。借鉴史丹和孙光林的研究，选择地区历史人均信函件数作为数据要素市场化的工具变量。①历史邮政发展程度较高的地区，互联网和大数据等现代通讯模式发展也可能较为迅速，进而会对数据要素市场发展产生影响。由表4中第（7）列和第（8）列结果可知，工具变量的选取具有合理性，Dmark 的估计系数仍显著为正，结论与前文一致。

（五）影响机制分析

根据前文理论分析，数据要素市场化可以通过促进企业数字化转型、缓解企业融资约束以及降低企业各项成本等渠道促进全要素生产率的提升。本文接下来对间接机制进行实证考察，通过将机制变量分别对全要素生产率回归，进而将Dmark 变量分别对机制变量进行回归，从而形成作用渠道的完整链条（结果如表5所示）。

1.数字化转型效应。第（1）列结果显示，机制变量数字化转型（Digit）的估计系数显著为正，说明数字化转型是企业实现生产率提升的重要方式。第（2）列结果显示，Dmark 的估计系数显著为正，说明数据要素市场化可以推动企业发展战略向数字化方向发展，利用数字技术实现全要素生产率的提升。如前文所述，数据要素市场化提升了企业可获数据的规模性和多样性，帮助企业获取关于数字产品或数字技术创新的前沿成果，进而为企业全要素生产率的提升奠定技术基础。

2.融资约束效应。第（3）列结果显示，机制变量融资约束（Kz）的估计系数显著为负，说明融资约束是制约企业生产率提升的重要因素。第（4）列结果显示，Dmark 的估计系数显著为负，说明数据要素市场化能够促进数据和信息的共享与交互，缓解“金融机构—企业”之间、“金融机构—长尾客户”之间以及“投资机构—企业”之间的信息不对称，打破市场多元信贷主体之间的融资壁垒，缓解企业的融资约束，为企业提升全要素生产率给予资金保障。

3.成本节约效应。第（5）列结果显示，机制变量成本（Cost）的估计系数显著为负，说明成本的增加会制约企业生产率的提升。第（6）列结果显示，Dmark 的估计系数显著为负，说明数据要素市场化具有明显的成本节约效应，数据要素市场化可以通过降低成本进而提升企业的全要素生产率。如前文所述，数据要素市场化不仅可以从生产投入、生产模式以及生产决策等维度实现企业的生产成本优化，还可以通过赋能信息的透明化和管理的数字化，帮助企业降低外部交易成本以及内部管控成本，为企业提升全要素生产率提供更多资金空间。

（六）企业异质性检验

1.企业产权异质性。本文根据企业是否为国有企业，将产权属性虚拟变量（State）分别取值为1和0，并将产权属性与数据要素市场化的交互项纳入模型。表6第（1）列报告的是纳入数据要素市场化与产权属性交互项后的异质性检验结果。从中可知，Dmark 的估计系数显著为正，而交互项的估计系数则显著为负，说明相比较于国有企业，数据要素市场化对非国有企业的生产率提升具有更大作用。作为市场经济和公共部门的融合体，国有企业在数据资源获取和数字技术应用方面享受更多的专项资金支持政策，数据交易平台的设立对国有企业全要素生产率的提升的边际影响相对较小。非国有企业的数据和资本等要素的获取则更依赖于市场，数据要素的市场化配置为非国有企业提供了发展机遇，激励其利用数据要素实现全要素生产率提升。

2.企业技术类别异质性。本文根据企业是否为高技术企业，将技术类别虚拟变量分别取值为1和0，并将技术类别变量（Enter）与Dmark 的交互项纳入模型。可以看出，Dmark 和交互项的估计系数均显著为正，说明数据要素市场化对高技术企业全要素生产率的提升作用更强。高技术企业作为数字技术的引领者，在数据安全治理、数据资产管理到数据应用等方面积累了丰富的实践经验，从数据要素市场化中的收益也更多。

3.企业生命周期异质性。本文根据企业是否处于成长期，将成长期企业取值为0，非成长期企业（包含成熟期和衰退期）取值为1，并将生命周期变量（Cycle）与Dmark 的交互项纳入模型。可以发现，Dmark 的估计系数显著为负，而交互项的估计系数则显著为正，说明数据要素市场化更能提升成长期企业的全要素生产率。可能的原因在于，处于成长期的企业具有融资性配给不足、资金分配对象受限、技术研发方向模糊等特征。①数据要素市场化通过提供多元化的融资渠道缓解了成长期企业的资金压力，通过提供海量的市场信息帮助成长期企业甄别投资方向和技术研发方向，进而有助于其全要素生产率的提升。相对而言，处于非成长期的企业具有较强的增量资源获取能力，对市场需求和行业前景具有更明晰的经验认知，数据要素市场化对其全要素生产率提升的边际影响可能相对较弱。

（七）区域异质性检验

1.人才集聚异质性。本文用信息传输行业、计算机服务和软件行业的从业人数占比衡量区域人才集聚水平，并将人才集聚变量（Talen）与Dmark 的交互项纳入模型。可以发现，交互项的估计系数显著为正，说明人才集聚水平越高的城市，数据要素市场化的生产率提升作用越明显。数字经济时代，数据要素的管理与分析、数字技术的应用与创新都必须依靠数字化专业人才，各地区通过提供优惠政策、优化人才服务、打造良好创新生态环境等方式吸引和培养数字化人才，进而使得数据要素的作用可以更好发挥。

2.政府支持异质性。本文用科技财政支出占GDP比重衡量政府对科技和数字化发展的支持，并将科技支持变量（Tech）与Dmark 的交互项纳入模型。从中可知，交互项的估计系数显著为正，说明政府在数据要素市场化的生产率增长效应中发挥了重要作用。政府对科技和数字技术的引导与支持可以推动经济发展模式从要素驱动向创新驱动转变。在此背景下，越是能够利用数据要素和数字技术进行创新的企业越有机会获得政府的财政支持，从而更有机会实现全要素生产率的提升。

3.产权保护异质性。本文用各地区机关报纸中涉及产权保护的文章数目衡量区域产权保护水平，并将产权保护变量（Prope）与Dmark 的交互项纳入模型。可以看出，交互项的估计系数显著为正，这意味着产权保护制度的完善有利于数据要素市场化的生产效率促进效应的发挥。产权制度的完善是实现数据要素市场化配置的重要保障，完善的产权制度可以促进数据要素的充分利用，使企业的数字化创新成果得以保护，有效促进创新人才和创新资本的流入，为数据要素价值的释放以及企业全要素生产率提升创造条件。

四、结论及政策建议

数据已成为数字经济时代企业新质生产力发展的关键要素。本文基于中国数据要素市场化改革的制度背景，从全要素生产率视角理论分析并实证考察了数据要素市场化对企业新质生产力的影响，得到主要结论如下：第一，数据交易平台建设显著驱动了地区数据要素的市场化配置，有效推动了企业全要素生产率的提升；第二，随着企业生产率的提升，数据要素市场化对全要素生产率的促进作用呈现边际递增特征；第三，数据要素市场化可以有效驱动企业数字化转型，进而为企业生产率提升提供高技术供给。同时，数据要素市场化还会通过融资约束缓解和成本节约效应促进企业全要素生产率提升；第四，企业异质性检验表明，相比较于国有企业、传统企业以及非成长期企业，数据要素市场化对非国有企业、高新技术企业以及成长期企业全要素生产率的促进效应更为明显；第五，区域异质性检验表明，地区的人才集聚水平、科技支持力度以及产权保护程度越高，数据要素市场化对企业全要素生产率的促进效应越强。

基于上述结论，为实现数字经济时代企业的高质量发展，本文提出如下建议：首先，各级政府应高度重视数据要素对企业全要素生产率的驱动作用，以深化数据要素市场化为抓手助推企业新质生产力发展。通过设立互联互通的数据交易平台，完善数据要素流通和交易制度，打造合理的数据交易生态体系，充分发挥数据要素在企业降本增效、纾困融资以及数字化转型等方面的优势；其次，应构建政府和各类企业多方协同的数据要素市场化配置机制和模式，根据不同行业的特点制定差异化的导向政策。国有企业应该加快推进数字化转型，在数字化竞争中赢得主动，利用数据要素和大数据技术实现提质增效；传统企业和非成长期企业应以数据要素市场化改革为契机，加快培育新质生产力并发展新动能；最后，政府应高效统筹人才政策与科技政策的协同配合，优化布局面向前沿数字技术的人才培育政策，完善科技专项资金支持政策，为充分释放数据要素价值和培育企业新质生产力提供有力支撑；加强数据产权保护制度的顶层设计，明晰各方在数据使用中的权利边界和底线，夯实数据交易平台有序运行的制度基石。

［责任编辑 求实］