数据要素与制造企业创新

《Journal of Innovation & Knowledge》：Data elements and innovation in manufacturing corporates

　　

由于其可复制性、非竞争性（non-rival）和高增值属性，数据要素（data elements）已成为数字经济时代最重要的生产要素。因此，本研究主要探讨数据要素对企业创新（corporate innovation）的影响及其作用机制。研究人员以2014年至2022年的A股上市公司为样本，采用多种方法计算中国省级数据要素指数，并对数据要素对企业创新的影响进行实证分析。研究发现，数据要素提升了企业的创新水平。值得注意的是，数据要素通过两个渠道对企业创新产生促进作用：提升企业创新能力（innovation capability）和缓解融资约束（financing constraints）。然而，机制分析发现，区域公共数据开放未能显著促进数据要素的创新驱动效应。异质性研究显示，非制造企业和大规模企业能更好地利用数据要素提升企业创新水平。此外，本研究揭示，当前阶段制造企业的数字化转型（digital transformation）阻碍了数据要素的创新效应。本研究为加速释放数据要素力量、促进中国上市公司创新提供了有价值的证据。

**论文解读：数据要素与制造企业创新**

**研究背景**
以生成式人工智能和大数据技术为代表的信息技术革命正在重塑全球经济格局。数据要素（data elements，指以电子形式存在、通过计算参与生产经营活动并发挥价值的数据资源）凭借其可复制性、非竞争性和高增值属性，已成为数字经济时代最重要的生产要素。然而，中国企业在关键科技领域仍缺乏原始创新能力，高度依赖国外进口部件。如何将数据要素的规模优势转化为经济发展动力，成为亟待解决的难题。现有文献多聚焦于数字经济或企业数字化转型对创新的影响，但直接探讨数据要素如何促进企业创新的研究较少。此外，数据产权模糊导致数据孤岛、数据垄断等问题，阻碍了数据要素的价值释放路径。因此，研究数据要素对企业创新的影响及机制，对于加速释放数据要素力量、促进中国上市公司创新具有重要意义。

**研究内容与结论**
本研究基于2014—2022年中国A股上市公司样本，采用多种方法计算省级数据要素指数，实证分析数据要素对企业创新的影响。研究发现，数据要素显著提升企业创新水平。机制分析表明，数据要素通过两条渠道发挥作用：提升企业创新能力和缓解融资约束。然而，区域公共数据开放未能显著促进数据要素的创新驱动效应。异质性分析显示，非制造企业和大规模企业更能有效利用数据要素促进创新；当前阶段制造企业的数字化转型反而阻碍了数据要素的创新效应。该论文发表在《Journal of Innovation》。

**主要关键技术与方法**
研究人员采用成本法和增加值法，将数据价值链划分为数据采集、数据清洗与存储、数据处理三个阶段，估算各阶段劳动与非劳动成本，并考虑数据分析技术发展带来的数据增值，从而计算中国各省份年度数据资本存量（data1、data2、data3）。基准回归模型控制企业和年份固定效应，通过机制检验（以专利被引次数衡量创新能力，以FC指数衡量融资约束）、内生性检验（使用滞后一期的数据要素作为工具变量）以及一系列稳健性检验（替换因变量为发明专利数、替换自变量为企业层面数据要素指数、加入行业-时间交互固定效应、剔除直辖市样本、加入省级控制变量）验证结论可靠性。样本队列来源包括CSMAR、WIND、CNRDS数据库以及中国统计年鉴和CEIC数据库。

**研究结果**

- **描述性统计分析**：R&D支出（LnRD）标准差为5.334，表明上市公司间R&D投入差异显著；数据要素指数（lndata）最小值4.420、最大值10.220，显示中国各地区数据要素投入存在明显差异。
- **基准回归**：无论是否加入控制变量，三种方法计算的数据要素指数（lndata1、lndata2、lndata3）均与企业创新水平（LnRD）呈显著正相关，验证假设H1。
- **稳健性检验**：替换自变量为企业层面数据要素指数、替换因变量为企业发明专利数（Patent3）、加入行业-时间交互固定效应、剔除直辖市样本、加入省级控制变量后，数据要素对创新的正向效应依然显著，结论稳健。
- **内生性检验**：使用滞后一期数据要素作为工具变量，第一阶段Cragg-Donald Wald F统计量远超临界值，LM统计量p值小于0.1，排除弱工具变量和过度识别问题；第二阶段回归结果仍显示数据要素提升企业创新绩效。
- **机制检验**：以专利被引次数衡量创新能力，数据要素显著提升创新能力（系数在1%水平显著）；以FC指数衡量融资约束，数据要素显著缓解融资约束（系数为负，1%水平显著），验证假设H2和H3。
- **数据开放机制**：引入公共数据开放平台（PDOP）虚拟变量与数据要素的交互项，回归显示交互项不显著，表明当前公共数据开放未能充分发挥数据要素的创新驱动作用。
- **异质性分析**：行业异质性方面，非制造企业样本中数据要素系数显著为正（2.807***、2.152***、1.903***），而制造企业样本系数不显著，说明非制造企业更能利用数据要素促进创新；规模异质性方面，大规模企业样本系数显著（1.940***、1.535***、1.694***），且组间系数差异检验p值均为0.0000，表明大规模企业凭借规模经济和资金优势更能释放数据要素价值；数字化异质性分析显示，制造企业数字化转型指数（digi）与数据要素的交互项（advance）系数显著为负（-0.005***、-0.004***、-0.003**），表明当前阶段制造企业数字化转型抑制了数据要素的创新效应。

**讨论与结论**
**讨论部分总结**：机制分析表明，数据要素通过提升创新能力和缓解融资约束促进企业创新，但区域公共数据开放未能发挥相应机制作用，可能因为现有公共数据开放平台仍聚焦于政府行政信息公开，尚未建立全面的数据交换服务机制。异质性分析揭示非制造企业和大规模企业能更好利用数据要素，而制造企业数字化转型占用了创新资源，削弱了数据要素的创新赋能效果。

**研究结论翻译**：数据要素已成为企业研发创新的重要推动力。本研究选择2014—2022年中国A股上市公司样本，分析数据要素对企业创新的影响。结果表明，数据要素能够提升企业创新绩效。机制检验显示，数据要素可以增强企业创新能力并缓解研发过程中的融资约束，进而促进企业创新水平提升。然而，区域数据开放水平在该过程中未能发挥相应的机制作用。异质性研究表明，非制造企业能更好利用数据要素促进创新；大规模企业可充分利用自身资金优势和规模经济，从而更好释放数据要素价值。但公共数据开放平台的发展尚未完全释放数据资源的创新潜力。进一步分析发现，当前阶段制造企业的数字化转型阻碍了数据要素的创新效应。