企业数据要素集聚对新质生产力影响的研究

《Sustainability》:Research on the Impact of Data Factor Agglomeration in Enterprises on New Quality Productive Forces

【字体: 大 中 小 】 时间:2026年08月01日 来源:Sustainability 4.1

编辑推荐:

  在数字经济推动经济高质量发展的背景下,数据要素集聚与企业新质生产力的融合已成为转变增长模式与转换发展动力的关键路径。研究人员以国家大数据综合试验区(National Big Data Comprehensive Pilot Zone, NBDCPZ)作为准自然

  
在数字经济推动经济高质量发展的背景下,数据要素集聚与企业新质生产力的融合已成为转变增长模式与转换发展动力的关键路径。研究人员以国家大数据综合试验区(National Big Data Comprehensive Pilot Zone, NBDCPZ)作为准自然实验,利用2010年至2023年中国A股上市公司的面板数据集,采用双重差分(Difference-in-Differences, DID)框架结合中介效应模型,实证考察了数据要素集聚对企业新质生产力的影响、传导机制及异质性,并进行了稳健性检验以验证发现的可靠性。结果表明,数据要素集聚显著提升了企业新质生产力,且该发现通过了多重设定下的稳健性检验。数字化转型、研发创新与人才集聚被识别为数据要素集聚影响新质生产力的三个核心传导路径。异质性分析进一步揭示,该正向效应在非国有企业、成立年限超过20年的企业以及位于中国东部地区的企业中更为显著。这些发现丰富了数据要素与新质生产力的理论基础,并为NBDCPZ政策设计及企业新质生产力推进提供了经验证据。
研究背景方面,在数字经济驱动经济高质量发展的背景下,数据要素已成为促进产业转型与提升生产效率的核心生产要素,培育新质生产力是企业突破增长瓶颈与实现转型升级的关键路径。自2015年发布《促进大数据发展行动纲要》以来,中国持续推进数据要素市场化配置改革,国家大数据综合试验区(NBDCPZ)的建立为数据要素集聚提供了重要政策载体。当前企业在培育新质生产力过程中仍面临数据价值认知不足、要素整合水平低及数字人才供给短缺等现实挑战。现有研究多聚焦宏观区域层面,微观企业层面的系统性实证与异质性分析不足,传导机制探索不够深入,因果识别与稳健性检验尚有提升空间。因此,研究人员以NBDCPZ设立为准自然实验,利用中国A股上市公司2010年至2023年数据,构建双重差分(DID)与中介模型,系统考察数据要素集聚对企业新质生产力的影响、传导机制及异质性,以填补研究缺口并提供经验证据。该研究发表于《Sustainability》,其结论证实了数据要素集聚的政策赋能效应及其微观传导逻辑,为数据要素赋能实体经济与培育新质生产力提供了理论与实证支撑。
研究人员为开展研究用到的主要关键技术方法包括:选取2010年至2023年中国A股上市公司作为研究样本,数据来源于CSMAR数据库;对所有连续财务特征数据进行1%水平的缩尾处理,剔除数据严重缺失、停牌、资产负债率超过1、ST及*ST状态及金融行业观测值,最终获得40930个观测值;构建双重差分(DID)模型,以NBDCPZ政策作为准自然实验,将试点区内企业设为处理组,非试点区企业为对照组,设定2016年为政策实施节点;采用熵权法(entropy weight method)构建企业新质生产力(Npro)四维综合指数;运用中介效应模型检验数字化转型、研发创新与人才集聚的传导作用;通过平行趋势检验、安慰剂检验、年度倾向得分匹配双重差分(PSM-DID)及替换解释变量等方法进行稳健性检验;并依所有权、区域及企业年龄进行异质性分组回归。
研究结果部分保留原文小标题并说明如下。
4.1. 基线回归(Baseline Regression)
研究人员通过DID模型进行基线回归,仅控制企业与年份固定效应时,核心解释变量系数为0.186且在5%水平显著;进一步加入控制变量后系数变为0.125且在1%水平显著为正,表明NBDCPZ设立促进了区域内数据要素集聚与优化配置,从而提升企业新质生产力,验证了假设1。
4.2. 稳健性检验(Robustness Tests)
  • •
    4.2.1. 平行趋势检验(Parallel Trend Test):采用事件研究法检验,政策实施前各期估计系数在10%水平不显著,满足平行趋势假设;政策实施后系数逐渐显著为正,表明政策具有显著正向效应,基线结论稳健,但实施第3至5年边际效应因投资常态化而减弱。
  • •
    4.2.2. 安慰剂检验(Placebo Test):随机分配处理状态与政策时点并模拟回归500次,模拟系数集中于零且绝大多数p值高于0.10临界线,实际基线系数0.125与之显著不同,排除不可观测随机因素干扰,验证因果识别有效性。
  • •
    4.2.3. PSM-DID检验(PSM-DID Test):采用年度1:1最近邻匹配(卡尺0.05)并进行平衡检验后估计PSM-DID,核心交互项系数仍显著为正且与基线无显著差异,进一步验证稳健性。
  • •
    4.2.4. 替换解释变量(Replacing the Explanatory Variable):以年报中大数据相关词频(entdataelements)衡量企业数据要素水平重新回归,系数在1%水平显著为正,证实企业内部数据要素集聚同样显著促进新质生产力增长。
5.1. 机制检验(Mechanism Test)
  • •
    5.1.1. 数字赋能效应(Digital Empowerment Effect):以数字技术相关无形资产占比(Dti)为中介变量,回归显示数据要素集聚显著提升企业数字化水平,且Dti与Npro均显著为正但DID系数较基线下降,表明数字化转型起部分中介作用,验证假设2。
  • •
    5.1.2. 研发创新效应(R&D Innovation Effect):以研发投入占营业收入比例(Re)为中介,结果显示NBDCPZ设立显著提升企业研发投入,研发投入亦显著促进Npro提升,说明研发创新是核心传导路径之一,验证假设3。
  • •
    5.1.3. 人才集聚效应(Talent Agglomeration Effect):以本科及以上学历员工占比(Hepr)衡量人才集聚,结果显示试点区设立显著提升人才集聚水平,人才集聚亦显著促进Npro,源于产业政策吸引与数字化转型引致的人才需求,验证假设4。
5.2. 异质性分析(Heterogeneity Analysis)
  • •
    5.2.1. 所有权异质性(Ownership Heterogeneity):非国有企业did系数为0.472且在1%水平显著,国有企业仅为0.177且不显著,交互项(did × soe)在1%水平显著为负,表明非国企因决策灵活与市场响应快更能转化政策红利,国企受行政层级与路径依赖制约效应较弱。
  • •
    5.2.2. 区域异质性(Regional Heterogeneity):东部地区did系数在1%水平显著,中部在5%水平显著,西部为0.093且不显著;交互项(did × west)在1%水平显著为负,中部与东部差异不显著,表明东部数字基建与生态完善转化效率高,中部依托产业基础稳步提升,西部受基建与人才约束尚未显现驱动效应。
  • •
    5.2.3. 企业年龄异质性(Firm Age Heterogeneity):成立超20年企业did系数0.508且在5%水平显著,小于10年系数为0.509但不显著,10–20年为0.105也不显著;交互项提供统计证据,表明老牌企业凭资源积累稳步转化红利,初创企业因抗险弱难转化,10–20年企业处扩张与稳定平衡阶段政策适配优先级低致效应不显著。
讨论部分总结及研究结论翻译如下。研究人员指出,数据要素集聚能显著促进企业新质生产力发展,NBDCPZ建设驱动区域内数据要素集聚,对企业生产转型、效率提升与技术创新产生稳定正向影响,核心解释变量回归系数在1%水平显著为正且通过平行趋势与安慰剂等一系列检验,表明国家级数据要素集聚政策在微观企业层面产生了实质效应,利于数据赋能实体经济与新质生产力培育。传导机制上,数据要素集聚通过提升企业数字化水平、增加研发创新投入及吸引高质量人才三条路径协调互补地提供支持。异质性结果显示,非国有企业、东部地区企业及成立超20年企业效应更显著,国企因组织与决策制约效应不显著,西部因基建与人才不足尚未显现驱动效应,10–20年企业因发展阶段平衡需求致政策适配不突出。最后研究人员给出结论翻译:数据要素集聚能够促进企业新质生产力发展;NBDCPZ建设驱动区域内数据要素集聚,对企业生产转型、效率提升与技术创新发挥稳定正向作用;数字化转型、研发创新与人才集聚是三大核心传导路径;异质性表现为非国有企业、东部地区企业与成立超20年企业正向效应更显著。政策上应加快复制NBDCPZ成功模式,推进数据产权与交易体系,补贴西部数字基建并实施差异化激励,企业应深化数据治理与研发融合,区域应促进人才流动与技术转移以多尺度提升新质生产力。局限在于Npro测量依赖财务报表、DID无法完全排除动态混杂及未考察非线性关系与微观数据交易流,未来可用更细粒度数据、工具变量或门槛回归拓展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号