数据要素驱动企业ESG绩效提升的机制研究——基于中国国家大数据综合试验区的准自然实验

本研究聚焦数据要素如何通过绿色创新、薪酬优化和治理能力提升等机制改善企业ESG表现，利用中国国家大数据综合试验区政策作为准自然实验，采用双重差分法(DID)分析2009-2022年A股上市公司数据。研究发现数据要素显著提升ESG评分，尤其在治理维度效果最突出，为全球ESG数据治理框架设计提供了中国方案。

　　

在全球气候变化加剧和可持续发展理念深化的背景下，企业环境、社会和治理(ESG)表现已成为衡量长期价值的重要指标。然而传统财务指标难以全面评估企业可持续发展能力，而现有研究多关注数字技术对ESG的影响，却忽视了数据作为新型生产要素的基础作用。中国作为全球最大的数字经济体之一，其数据要素市场化配置的实践为破解这一理论难题提供了独特样本。

中山大学粤港澳发展研究院的研究人员以中国2015年启动的国家大数据综合试验区政策为自然实验，创新性地构建了数据要素影响企业ESG绩效的理论框架。通过收集2009-2022年沪深A股上市公司面板数据，运用双重差分法(DID)进行实证分析，发现数据要素可通过促进绿色创新、缩小薪酬差距、优化劳动配置、增强信息披露和提升管理能力五条路径显著提升企业ESG表现，该成果发表在《Sustainable Futures》期刊。

研究采用的关键技术方法包括：1)利用国家大数据试验区政策构建准自然实验设计；2)基于沪深A股上市公司13年面板数据构建双重差分模型；3)采用华证ESG评级体系作为主要评价指标；4)通过PSM-DID、工具变量法等多种方法验证结果稳健性；5)从企业、行业和区域三个层面进行异质性分析。

研究结果显示，在环境维度，数据要素通过促进绿色技术创新(G_pat)提升ESG表现，系数达0.055；在社会维度，通过缩小高管与员工薪酬差距(Pay_gap)和优化劳动力配置(L_all)发挥作用，系数分别为0.061；在治理维度，通过提高信息披露质量(Co_inform)和增强管理能力(Mana_myo/Mana_over)产生最大影响，系数达0.110。异质性分析发现，数据要素对大规模企业(系数0.165)、高数字化基础企业(0.132)、高管有海外经历企业(0.100)和政企关联企业(0.190)的促进作用更显著；在高竞争、高利润、高科技和低污染行业效果更突出；在发达地区(0.202)、要素流动自由区域(0.197)及资本/劳动密集区(0.216/0.207)表现更好。

结论部分指出，该研究首次系统论证了数据要素作为独立生产要素对ESG绩效的提升作用，突破了传统研究将数据与技术混同的局限。实践层面，为中国完善数据要素市场建设和企业ESG实践提供了政策启示；理论层面，通过整合资源基础观(RBV)、三重底线理论和创新扩散理论，构建了数据驱动ESG的多层次机制框架。国际层面，研究建议通过建立包容性数据治理框架、差异化政策设计和跨国数据协作机制，推动全球ESG治理体系优化。未来研究可进一步探索不同制度环境下数据治理模式对ESG影响的差异性，以及数据要素在特定行业的应用路径。