數據要素對經濟增長的影響效應研究

徐 野，田 聰，劉滿鳳，楊 杰

（江西財經大學a.現代經濟管理學院；b.產業經濟研究院，南昌 330013）

0 引言

數據要素是數字經濟時代重要的生產要素，在依靠要素投入增加促進經濟增長乏力的今天，數字經濟是經濟增長的新引擎。據2022 年中國信息通信研究院的測算，2021 年我國數字經濟總規模達到了45.5 萬億元，占國內生產總值的約39.8%，增速位列全球第一，預計到2025 年數字經濟占GDP 的比重將超過50%，到2035 年將超過80%。2020 年發達國家數字經濟占GDP的比重就已經超過了60%，因此，數據要素是未來拉動經濟增長的核心生產要素。數據要素與傳統生產要素不同，它既可以像傳統生產要素一樣投入經濟生產活動來產生價值，發揮生產要素的加法效應，又能與其他生產要素融合，激發傳統生產要素潛能，發揮乘數效應[1]。2023年12月，國家發布“數據要素×”三年行動計劃（2024—2026年），標志著要從國家高度推動數據要素在經濟發展中乘數效應的發揮。

數據是流動性最強的生產要素，它更容易集聚、累積，發揮乘數效應，并進一步重構流動性弱的生產要素配置[2]；數據要素不僅具有明顯的經濟增長效應，還對其他生產要素具有外溢性的影響，是將現有生產要素進一步聯系起來的橋梁型生產要素[3]。數據是一種全新的、具有網絡效應的生產要素，具有無限復制、非稀缺、規模經濟遞增的新特征，同時在價值創造中并非按照傳統要素的邏輯發揮作用[4]。數據要素發揮作用，更多是基于應用場景通過優化資源配置、影響經營決策、倍增要素價值等方式間接創造價值[5]。數據要素是一種融合性要素，打破了傳統要素市場的束縛，通過加劇市場競爭和優化產業分工，減少資源錯配和市場扭曲，進而促進經濟發展[6]。

數據要素對經濟增長的加法效應和乘數效應已得到普遍認可，但由于對數據要素的界定、確認、計量存在較大困難，目前關于數據要素的定量研究較少。本文在前人研究的基礎上，嘗試框定數據要素的計量范圍，并通過構建改進的生產函數模型，驗證數據要素對經濟增長的加法效應和乘數效應并揭示其作用機理。

1 理論分析與研究假設

數據要素通過信息增值和融合驅動模式促進經濟增長。信息增值模式通過數據的采集、整理、挖掘、分析形成數字產品或提供數字服務，通過使數據信息增值來推動經濟增長，信息增值模式表現為數字產業化，即數據要素本身的產業化。數字產業化的核心在于使有用的數據轉化為有價值的信息，再從信息轉化為知識和技術，通過推動技術創新和產業結構升級，使傳統產業轉型為以數字科技為核心的新興產業，從而推動經濟增長。在這種情況下直接形成了許多新興產業，如人工智能、虛擬現實、云計算、大數據、快遞業、網絡直播等，擴大了整個社會的經濟體量，此時數據要素通常產生的是加法效應。融合驅動模式是通過數字技術與產業技術融合、數據要素與傳統要素融合，融入產品生產過程，縮短產品生產時間、加快產品流通，降低物料流轉成本、降低物料消耗等方式促進經濟增長。融合驅動模式表現為產業數字化，即數據要素融入傳統產業生產中所帶來的產出增加和效率提升。產業數字化的核心是通過數字科技革命，改進傳統產業的生產工具、生產流程、產品結構和市場配置，提高傳統生產要素的效率。無論是數字產業化還是產業數字化，都是通過數據要素形成新質生產力，推動經濟快速增長。

數據要素通過數字產業化推動經濟增長，具有加法效應。第一，數據可以創造更多價值。數據能夠通過兩種途徑創造更多的價值，一種是數據本身可以創造價值，另一種是數據為業務“賦能”所創造的價值。前者是指經過采集、清洗、加工處理后的數據形成數據產品（即數據包）直接對外交易，進而產生價值。后者是指數據不直接用于交易，而是將其作用于生產經營活動，在連接買賣雙方、減少信息不對稱、改善經營決策等方面所產生的價值。第二，數據能夠降低經濟成本。數據要素可以減少資本、物料在生產過程中的周轉時間，使生產環節緊密銜接，縮短生產過程中各環節的時間，降低生產資料的時間占用成本，縮短原材料和產品在流通過程中的時間，從而降低生產成本、周轉成本和流通成本。隨著數據規模的不斷擴大，大數據的優勢對經濟成本的降低作用顯著。大數據具有容量大、速度快、瞬時互動等優點，可以大幅提升多個部門之間的信息溝通效率。數據交易平臺是數字交易的重要載體，能夠提高數據集成效率，促進數據高速流動，規范數據交易行為，降低數據交易成本[7]。數據在互聯網金融和貿易方面也能有效降低成本。例如，在大數據技術的推動下，互聯網金融實現了產品和服務創新，有效降低了交易成本。數字貿易利用數據優勢有效降低交易成本，精準捕捉消費者需求，增加貿易產品類別和數量，進一步提升消費者福利[8]。由此，本文提出：

假設1：數據要素通過數字產業化推動經濟增長，具有加法效應。

數據要素通過產業數字化推動經濟增長，具有乘數效應。第一，數據可以提高生產效率。數據要素能夠有效提高生產效率，數據信息及其傳送效率與生產率密切相關。數據作為新的生產要素，雖然不能生產新的實物產品，但能有效提高生產率。數字經濟利用數字技術將信息以數據的形式進行實時傳遞與處理，從而大幅提升經濟運行效率[9]。企業能夠利用大數據從繁雜的數據中獲取重要信息，幫助企業做出科學決策[10]。第二，數據能夠推動產業轉型升級。數據加快產業的數字化與智能化轉型，推動新模式新業態走向成熟，為經濟增長注入新的活力。通過數據建模、數字仿真、ERP與MES、智能物流無縫集成，實現高度柔性生產和智能生產。傳統工業技術和新型數字技術的區別在于后者強化和延伸的是人的智能，而不是強化人和組織的技能，這是數字革命與歷次產業革命的最大區別[11]。因此，在數據與其他生產要素聯動的共同作用下，產業可以逐步實現從數字產業化到產業數字化，最終向全要素數字化發展[12]。從實踐的角度來看，強化價值創造、數據集成和平臺賦能已經成為傳統產業數字化轉型的重要發展趨勢。第三，數據可以提高政府治理效能。大數據已經成為一種新的治理工具，它提高了政府治理的效率，加速政府職能轉變。借助大數據技術，政府決策水平不斷提高，決策過程更加現代化、智能化；政府公共服務水平和效率提升有助于政府治理體系中多中心協同治理局面的實現，從而提高政府治理效能。政府通過大數據能夠準確識別各類差異化需求，不僅提高了行政審批效率，還提升了公共服務的質量。大數據監管能夠有效整合各類信息，讓管理者可以更加全面地把控市場，將資源配置在監管的重點環節上，實現市場監管效率和質量的雙提升。由此，本文提出：

假設2：數據要素通過產業數字化推動經濟增長，具有乘數效應。

假設3：數據要素推動經濟增長的乘數效應大于加法效應。

2 研究設計

2.1 模型構建

生產要素對經濟增長的貢獻測算一般是建立在柯布-道格拉斯生產函數基礎之上，C-D生產函數的一般形式為Y=AKαLβ。其中，Y為總產值，K為資本，L為勞動力，A表示技術進步水平。當α+β=1 時，表示生產要素規模報酬不變；當α+β＞1時，表示生產要素規模報酬遞增。

在柯布-道格拉斯生產函數的基礎上，增加數據生產要素對其進行擴展。將數據要素分解為數字產業化（DD）與產業數字化（DI）并納入生產函數模型，并且數字產業化的作用主要是加法效應，產業數字化的作用是乘數效應，擴展后的生產函數模型如下所示：

對式（1）取對數得到：

加法效應和乘數效應檢驗回歸模型設定如下：

其中：lnA表示常數項①柯布-道格拉斯生產函數模型中，取對數前“ A”是乘數效應，但是取對數后就不是乘數效應。科學技術就是生產力，更多的時候技術與勞動、資本一樣可直接產生價值，因而本文在此處不做技術乘數效應分析。；α1、α2、α3為各解釋變量回歸系數，分別表示數據要素疊加在資本要素上的乘數效應、數據要素疊加在勞動要素上的乘數效應、數據要素作為要素投入作用的加法效應；γi為地區i的固定效應；δt為時間t的固定效應；εit為隨機擾動項。

2.2 變量選擇

（1）被解釋變量

以人均GDP 為被解釋變量，數據選取各省份的實際年人均GDP值，以表征各地區的經濟增長，記為lnGDP。

（2）核心解釋變量

將數據要素分解為數字產業化和產業數字化兩個部分。數字產業化（DD）表現為數據的信息增值模式，是通過為經濟發展提供數字技術、數字產品、基礎設施、解決方案，或直接提供數字信息服務而產生價值，包括信息技術服務、數字技術服務和軟件技術服務。基于數據的可得性，以電信業務總量、軟件產品收入、信息技術服務收入、嵌入式軟件收入表征數字產業化水平。產業數字化（DI）表現為融合驅動模式，是指數據貫穿產業的投入、生產和產出的全過程，通過改進生產工具、革新生產工藝、重組產品結構、優化市場配置來促進產業的數字化和智能化轉型，是以數據賦能為主線，對產業鏈上下游的全要素數字化升級、轉型和再造的過程。基于數據的可得性，以電子商務銷售額、電商企業占比、每百家企業擁有網站數、企業百名員工擁有計算機數、數字普惠金融指數來表征產業數字化水平。

數據要素統計指標解釋如表1所示。

表1 數據要素統計指標解釋

（3）機制檢驗變量

機制檢驗變量包括產業融合（Merg）和要素配置效率（fak、fal）。數據要素的廣泛應用可以促進第一、二、三產業融合，傳統產業與新興產業融合，制造業與服務業融合。而產業融合水平的提升可以促進產業的協同發展，因此，數據要素對于經濟增長的促進作用可通過提升產業融合水平達到促進經濟增長的目的。借鑒已有研究的做法，產業融合（Merg）采用生產性服務業從業人員占城鎮單位從業人員的比重來表示，具體包括信息傳輸、計算機服務和軟件業，交通、倉儲與郵電業，金融業，租賃和商業服務業，技術服務和居民服務，科研，修理和其他服務業等生產性服務業。數據要素的廣泛應用可最大限度地消除信息不對稱，銜接生產、消費與市場需求；線上市場的成熟與發展可極大程度提高要素的配置效率。因此，數據要素對經濟增長的促進作用可通過提高要素配置效率來實現。借鑒已有研究的測算方式，選取勞動要素配置效率（fal）和資本要素配置效率（fak）來代替要素配置效率。

2.3 數據來源

本文選取2013—2021年我國30個省份（不含西藏和港澳臺）的數據進行研究，數據來源于《中國統計年鑒》、中經網數據庫、北京大學數字金融研究中心，缺失值采用移動平均法補齊。為了消除量綱的影響，將數字經濟發展水平與數字基礎設施建設水平進行標準化處理，標準化公式如下：

其中，Xir與分別表示第r個指標的第i個對象的初始值與標準化后的值。

3 實證分析

3.1 基準回歸分析

運用模型（3）進行回歸分析，首先應用豪斯曼檢驗進行固定效應模型和隨機效應模型的選擇，Hausman檢驗對應的伴隨概率為P=0.00（＜0.05），因此，選擇固定效應模型。固定效應模型回歸結果如表2所示。

表2 基準回歸結果

由表2 可知，數據要素作為單獨要素投入，對經濟增長具有加法效應。數據要素投入增長1%，拉動經濟增長0.115%，且在1%的水平上顯著，假設1得到驗證。數據要素與傳統生產要素資金資本、人力資本融合，帶來了乘數效應。與資金資本疊加產生的乘數效應系數是0.122，與人力資本疊加產生的乘數效應系數是0.156，分別在10%和1%的水平上顯著，假設2得到驗證。從模型（3）的回歸系數來看，無論是資金資本的乘數效應（系數為0.096），還是人力資本的乘數效應（系數為0.137），均大于數據要素對經濟增長的加法效應（系數為0.081），假設3 得到驗證。這說明數據要素推動經濟增長主要發揮的是乘數效應，即數據要素要與其他生產要素（資本、勞動、設備、土地）進行融合，才能更好地發揮價值創造性，激發傳統要素潛能。傳統生產要素有了數據的催化作用，產生了更大的經濟價值。

無論是從模型（2）還是從模型（3）的系數來看，數據要素與人力資本疊加產生的乘數效應都要遠大于數據要素與資金資本疊加產生的乘數效應，即數據要素通過提高人力資本素質，大幅提高勞動生產率。數據要素賦能人力資本能激發更大的創新，因為創新中最關鍵的因素就是人的因素，通過學習和培訓使人力資本技能提高；通過數據分析與建模幫助勞動者做出更科學的決策；有大數據作為基礎，科學創新的成功率大幅提高，所有這些都是在質的層面推動經濟增長，其效應遠大于在量的層面推動經濟增長的效應。

3.2 穩健性檢驗

采用更換被解釋變量和解釋變量的方法檢驗模型的穩健性。更換被解釋變量，將衡量經濟增長的變量區域人均GDP更改為區域總量GDP；更換核心解釋變量，參考已有研究使用的算術平均法將各指標分別合成綜合的數字產業化指數和產業數字化指數，用數字產業化指數和產業數字化指數表征數字產業化水平和產業數字化水平。檢驗結果如表3所示，所有回歸系數均在1%的水平上顯著，因而基準回歸結果是穩健的。

表3 穩健性檢驗結果

3.3 機制檢驗

數據要素促進經濟增長的機制檢驗結果如表4 所示。由表4可知，數據要素通過產業融合和要素配置效率提升顯著地促進了地區經濟增長。數據要素促進了產業融合，其回歸系數為0.041，產業融合促進了經濟增長，回歸系數為0.144；數據要素促進了資本要素和勞動要素配置效率提升，回歸系數分別為0.545 和0.307，資本要素配置效率提升促進了經濟增長，回歸系數為0.138，勞動要素配置效率提升促進了經濟增長，回歸系數為0.321。由此可知，數據要素促進勞動要素配置效率提升對經濟增長的貢獻最大。

表4 數據要素促進經濟增長的機制檢驗結果

3.4 異質性檢驗

為了檢驗數據要素在推動經濟增長的過程中，對于地理位置不同、資源稟賦不同地區的影響是否存在異質性，分東部、中部和西部地區進行異質性檢驗。區域異質性檢驗結果如表5所示。由表5可知，數據要素促進經濟增長的加法效應在東、中、西三大地區都是顯著的，這表明數據要素的加法效應在我國各地區普遍存在。從乘數效應來看，僅有東部地區回歸系數全部顯著，而中西部地區中僅有西部地區的數據要素對勞動力的影響在10%的水平上顯著，其余均不顯著。這表明數據要素推動經濟增長的乘數效應在中西部地區表現較弱，在東部地區表現較強。此外，東部地區在資金資本和人力資本的乘數效應上表現更為突出，這與該地區數字化人才資源豐富、創新活動的活躍程度以及數字技術的廣泛應用緊密相關。相比之下，中西部地區在這些方面相對落后，導致其數字技術應用水平較低和創新能力不足，進而影響了數據要素在推動經濟增長方面的作用。

表5 區域地理位置異質性檢驗結果

數據要素推動地區經濟增長主要依賴于數字基礎設施，因此，以數字基礎設施建設水平的高低作為區域資源稟賦的異質性進行分析。將移動互聯網用戶數、域名數和寬帶接入用戶數指標數據，用熵權法合成表征數字基礎設施建設水平的指標。根據數字基礎設施建設水平中位數將地區分為高數字基礎設施建設水平與低數字基礎設施建設水平兩大類別區域。回歸結果如表6所示。

表6 區域資源稟賦異質性檢驗結果

由表6可知，高數字基礎設施建設水平地區的回歸系數普遍高于低基礎設施建設水平地區，這表明數據要素在數字基礎設施建設水平較高的區域表現出更強的加法效應與乘數效應。在高數字基礎設施建設水平地區，數據要素對勞動力的乘數效應回歸系數是最大的，說明在數字基礎設施建設水平較高地區，數據要素主要通過提升勞動者的技能水平、促進知識創新和技術創新來實現經濟的快速發展。

4 結論與建議

數據要素對經濟增長的貢獻可區分為加法效應和乘數效應，加法效應是數據作為要素投入的效應，乘數效應是數據疊加在傳統生產要素的基礎上，通過大幅提高傳統生產要素的生產率而帶來的影響效應。通過研究發現，加法效應主要是由數字產業化來體現，即通過信息增值模式促進經濟增長；乘數效應主要是由產業數字化來體現，即通過融合驅動模式促進經濟增長。實證檢驗結果顯示，數據要素對經濟增長的乘數效應大于加法效應，說明數據要素主要通過與傳統生產要素（勞動、資本、土地、設備等）進行融合，激發傳統要素潛能，提高單位傳統要素的價值，從而對經濟增長做出巨大的貢獻。另外，數據要素對勞動的乘數效應大于對資本的乘數效應，因而更能激發勞動要素的潛在價值，即更多地通過創新來實現經濟增長。異質性檢驗結果顯示，在數字基礎設施建設水平較低的中西部地區，數據要素發揮的主要是加法效應，而在數字基礎設施建設水平較高的東部地區，數據要素發揮的主要是乘數效應，因而數據要素在東部地區對經濟增長的貢獻更大。

基于以上研究結論，本文提出如下建議：

（1）各地區應該大力推動企業的數字化轉型，加快數字化轉型步伐。每個行業或地區可選擇一些企業或園區做示范性引導，建立企業數字化轉型的通用平臺，提供企業數字化轉型的典型方案，強化企業示范效應，強化數字化轉型典型方案的供給。鼓勵大型企業或數字化程度較高的企業開放數字化資源，使研發能力較弱的中小企業也能夠快速地以較低成本進行數字化轉型。推行普惠性“上云用數賦智”服務，推動企業上云、上平臺，降低技術和資金壁壘。

（2）盡快提高中西部地區數字化基礎設施建設水平。應加大在西部地區的數字化建設項目投資規模和力度，包括提升骨干網服務能力、加快高質量5G網絡建設、推動千兆光網規模部署、推進物聯網和IPv6規模應用、統籌布局算力基礎設施等。西部地區各省份應該把數字經濟發展作為經濟工作的一號工程來抓，“十四五”時期重點推進，配合國家“東數西算”工程，推進西部地區的算力網絡國家樞紐節點布局和建設，完善數據中心布局和建設。

（3）各地區應關注數字化人才的培養。在高等學校和職業技術學校設立相應的數字經濟專業，培養數字經濟的專業人才和高級人才。特別是要注重與高校合作建立實驗基地和培訓基地，為相關企業培養更多的數據工程師和算力工程師。