公共數據開放與企業投資效率

【摘要】公共數據開放是國家數字經濟建設的重要環節， 也是提升政府服務能力， 營造良好營商環境進而服務企業高質量發展的重要抓手。本文利用地級市政府公共數據開放平臺的開通作為準自然實驗， 基于2012 ～ 2022年滬深A股上市公司數據， 采用多期DID模型考察公共數據開放對企業投資效率的影響及內在作用機制。研究結果表明， 公共數據開放能夠顯著提高企業的投資效率； 機制分析表明， 公共數據開放通過降低微觀企業的制度性交易成本從而對企業投資效率起到提升作用； 作用渠道分析表明， 公共數據開放對企業投資效率的提升作用主要通過抑制企業過度投資得以實現； 異質性檢驗發現， 上述積極作用在非國有企業、 規模較大企業以及制造業企業中更為顯著。本文從投資效率的視角揭示了公共數據開放在微觀企業層面的積極作用， 為完善數字公共服務賦能經濟高質量發展提供了經驗證據支持。

【關鍵詞】公共數據開放；投資效率；制度性交易成本；政策效應

【中圖分類號】F272 【文獻標識碼】A 【文章編號】1004-0994（2024）19-0037-8

一、 引言和文獻綜述

在數字經濟時代， 數據已成為驅動經濟增長和創新發展的關鍵推動力。習近平總書記指出： “大數據是信息化發展的新階段， 要加快建設數字中國， 構建以數據為關鍵要素的數字經濟”。公共數據包括經濟生產、 社會民生、 文化教育、 資源能源等各個領域的信息， 其作為一種重要的數據資源， 在促進經濟發展和提升社會福祉方面具有廣泛的應用潛力。然而， 這些數據只有在自由流動中被充分利用才能創造最大價值（陳尚龍，2016）。為促進數據流通和共享， 提高政府信息透明度和公民參與度， 并為企業提供豐富的市場信息、 行業數據和經濟指標等支持， 以激發創新活力、 推動產業升級， 我國一直以來都在積極推動公共數據開放的政策規范和實踐探索。《國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要》明確提出“開展政府數據授權運營試點， 鼓勵第三方深化對公共數據的挖掘利用”。隨后， 《“十四五”數字經濟發展規劃》《數字中國建設整體布局規劃》等文件也相繼出臺， 公共數據開放對促進大數據發展、 數字經濟建設和提供優質公共服務具有重要作用。與此同時， 2023年黨的二十屆二中全會提出組建國家數據局， 并由其負責協調推進數據基礎制度建設。由此可見， 公共數據開放已成為中央頂層設計的重要內容， 它不僅是政府數字化轉型的公共基礎設施， 更是政府引導我國數字經濟發展的重要抓手。

關于公共數據開放的經濟后果， 學術界從宏觀和微觀兩個層面展開了探討。在宏觀層面， 部分學者發現公共數據開放能夠彌合區域資源稟賦差異、 破除區域信息壁壘， 從而縮小城市內區域發展水平的差距（方錦程等，2023）。公共數據開放還能發揮經濟增長效應（張晨等，2023）和抑制腐敗的發生（Elbahnasawy，2014；Park和Kim，2020）。在微觀層面， 學者們主要探討公共數據開放對企業全要素生產率（彭遠懷，2023；吳武清等，2024）、 創新能力（陳艷利和蔣琪，2024）的促進作用， 以及通過積極的信號效應降低城投債定價（歐陽伊玲等，2024）和審計師定價（潘俊等，2023）。以上研究均表明， 公共數據開放對社會經濟發展具有積極影響。然而， 公共數據開放的價值創造效應遠不止于此， 對于公共數據的主要使用者企業來講， 公共數據開放如何影響其基本投資活動， 鮮有文獻對此展開細致討論。

投資活動是企業最重要的經濟活動之一， 投資效率的高低反映了企業資本是否得到有效配置和利用。然而， 在現實中， 企業非效率投資普遍存在（王克敏等，2017；王化成等，2023）， 提升企業投資效率已成為提高企業競爭力、 促進經濟高質量發展的關鍵。從現有文獻來看， 企業投資效率的影響因素研究主要從兩個方面展開： 一是從企業外部因素角度展開研究， 現有學者主要從經濟政策不確定性（饒品貴等，2017）、 環境不確定性（羅斌元和楊春紅，2020）、 產融合作（李海彤等，2023）、 綠色信貸政策（梁畢明和徐曉東，2023）、 資本市場監管（葉建華等，2023）等方面對企業投資效率的影響因素進行了探討； 二是從企業內部因素角度展開研究， 主要從企業集團特征（辛清泉等，2007）、 網絡位置（陳運森和謝德仁，2011）、 連鎖股東（潘越等，2020）、 高管團隊特性（史元和董婧雯，2023）、 異地商會（劉達禹和周燃，2024）等方面對企業投資效率的影響因素進行了探討。上述一系列研究從多個角度為提升企業投資效率提供了豐富的理論基礎和經驗證據， 卻尚未關注公共數據開放對企業經營環境和投資行為的影響。

企業投資行為會受到其所處特定經濟環境和制度環境的巨大影響， 企業的投資活動與制度環境以及地方政府行為息息相關。作為數智經濟時代國家重要的宏觀經濟政策之一， 公共數據開放不僅是充分利用數字資源、 發展數智新經濟優勢的重要舉措， 更是破除信息壁壘、 營造良好營商環境和提升企業發展質量的重要抓手。因此， 開展對公共數據開放與企業投資效率關系的研究具有重要的理論和現實意義。基于此， 本文以2012 ～ 2022年滬深A股上市公司為研究對象， 以我國地級市政府公共數據開放平臺的開通這一事件作為準自然實驗， 考察公共數據開放對企業投資效率的影響及內在機制， 以期為優化數字公共服務賦能經濟高質量發展提供經驗證據支持。

本文的邊際貢獻主要體現在以下幾個方面： 第一， 從企業投資效率的角度， 進一步拓展了公共數據開放政策在微觀層面的價值創造效應的研究視角。現有文獻主要從企業創新、 全要素生產率等角度探討了公共數據開放在微觀層面的積極效應（彭遠懷，2023；陳艷利和蔣琪，2024；吳武清等，2024）。投資是企業最基礎的財務行為， 是企業盈利和創新發展的前提， 但目前鮮有研究對此展開細致討論。現有研究多從省級層面展開對公共數據開放經濟后果的討論（彭遠懷，2023；陳艷利和蔣琪，2024）， 本文從地級市層面對這一政策的經濟后果展開更加細化的討論。第二， 本文依據信息不對稱理論和交易費用理論剖析了公共數據開放影響企業投資效率的內在機理， 為數字政府建設推動經濟發展提供了有力的理論和實踐證據支持。第三， 進一步豐富了宏觀政策與微觀企業行為關系的研究。現有文獻探討了宏觀產業政策、 貨幣政策、 財稅政策等對微觀企業行為的影響（王克敏等，2017；于文超等，2018；杜立和錢雪松，2021；范子英和周小昶，2022）， 本文則以開通地級市政府公共數據開放平臺事件為切入點， 檢驗了公共數據開放政策對企業投資效率的影響， 由此拓展了宏觀政策與微觀企業行為關系的相關研究。

二、 制度背景與研究假設

（一） 制度背景

為實現公共數據的普惠共享， 推動數據資源的有效整合， 我國實施了公共數據開放政策。自上海市在2012年6月率先上線試運行“上海市政府數據服務網”以來， 北京、 武漢、 無錫等地區也陸續開通了公共數據開放平臺。截止到2022年， 我國已有187個城市開通了公共數據開放平臺， 平臺上線數量迅速增長。2023年5月， 國家網信辦發布的《數字中國發展報告（2022年）》（簡稱《報告》）顯示， 我國數字基礎設施規模能級大幅提升， 數字經濟規模達50.2萬億元， 浙江、 北京、 上海等多個地區在加快數字化發展中取得顯著成效。《報告》指出要暢通數據資源大循環， 發展高效協同的數字政務， 筑牢可靠可信的數字安全保障以及建設公平規范的數字治理生態。公共數據開放為響應上述政策號召提供了一條切實可行的道路。公共數據開放使得全社會所有成員無償、 平等獲取公共數據成為可能， 真正實現了數據資源的大循環。同時， 公共數據開放也鼓勵了社會第三方開放非政府數據資源、 提供數據分析工具、 開展公共數據開放實效評估等， 促進了數字政務的高效協同發展。由此可見， 公共數據開放平臺的開通是數智時代推進數字中國建設進程、 驅動中國式現代化發展的重要引擎。

（二） 研究假設

1. 公共數據開放與企業投資效率。投資是企業實現生存發展、 提升市場核心競爭力的重要基礎， 也是促進地方經濟和社會發展的永恒主題， 高效的投資是企業實現高質量發展的重要前提。然而， 大量研究結果表明， 由于投資者所能獲取的信息是有限的， 企業與外部投資者之間的信息不對稱性以及由此衍生的逆向選擇和道德風險問題是導致企業非效率投資的重要原因（Jensen和Meckling， 1976；Myers和Majluf，1984）。因此， 緩解企業與外部投資者之間的信息不對稱是提升企業投資效率的關鍵路徑之一。公共數據包含著企業投資所需的經濟生產、 商業貿易、 社會民生、 資源能源和文化教育等各個領域的重要信息， 這些信息的開放共享為企業做出投資決策提供了極其重要的數據和信息資源， 從而對企業投資效率的提升產生積極影響。

公共數據開放有助于緩解企業與外部投資者之間的信息不對稱， 為企業投資決策提供有力的信息支撐， 提高企業投資效率。根據信息不對稱理論， 企業與外部投資者之間存在信息不對稱及其引發的逆向選擇問題會造成企業資金不足或過度融資（Myers和Majluf，1984）， 進而降低企業資源配置效率和企業投資效率（王克敏等，2017）。而企業在獲取外部信息時， 也會存在較高的信息壁壘， 此時企業為獲取投資所需要的信息， 往往會花費高昂的信息搜尋和信息驗證成本， 這勢必會提升企業的非效率投資水平。公共數據的開放可以緩解上述問題。

首先， 公共數據的開放大大增強了外部信息的可獲取性（彭遠懷，2023；陳艷利和蔣琪，2024）， 降低了企業投資決策中的信息不確定性。公共數據開放改變了傳統公共基礎資源的不可復制性、 低共享性和稀缺性的特點， 對所有社會主體平等、 無償地提供政府部門獲得的原始數據（Wang和Lo，2020）。企業通過公共數據平臺， 可以獲取和使用公共數據開放生態系統中的數據， 然后將這些數據運用于新產品開發、 投資地域選擇、 投資方式決策等方面， 由此為企業投資提供有價值的數據和信息支撐， 減少因決策失誤所導致的非效率投資。

其次， 公共數據開放可以降低企業投資決策過程中的信息搜集、 甄別和檢驗成本（歐陽伊玲等，2024）， 降低投資決策的成本支出， 從而提高投資回報率。企業在投資決策過程中往往會搜集各地商事主體的基本信息、 土地數據、 地產價格、 公路車流信息、 建筑物數據等， 這些信息都可在公共數據平臺中找到， 企業由此可以節約大量的搜尋和檢驗成本， 大大提高項目籌備、 建設和運營過程中的凈現值。

最后， 公共數據的開放鼓勵社會第三方開放非政府數據資源、 提供數據分析工具、 開展公共數據開放實效評估等（宋華琳，2018）， 這有利于企業之間、 企業與政府之間以及企業內部的數據傳遞和信息共享， 不但能增強企業對市場需求的判斷能力， 有效把控企業投資方向， 提升投資決策的有效性， 還能促進企業內部部門間的要素流動， 提高管理層對投資項目的監督效率， 從而促進資源協同配置和充分利用， 助力投資決策的有效落實。

綜上， 公共數據的開放可以幫助企業管理層更好地獲取和分析投資決策的相關信息， 幫助企業破除信息壁壘， 更好地了解市場需求、 競爭格局和行業趨勢， 更準確地評估投資機會和投資風險， 制定更科學和精準的投資決策， 有效降低企業投資決策成本， 促進企業資源配置的有效性和投資決策的精確性提升， 從而提高企業投資效率。

基于上述分析， 本文提出如下研究假設：

H1： 公共數據開放平臺的開通能夠顯著提高企業的投資效率。

2. 公共數據開放、 制度性交易成本與企業投資效率。公共數據的開放有助于優化營商環境， 減少政府干預、 非公平競爭等帶來的制度性交易成本， 從而提高企業投資效率。根據交易費用理論， 現實中企業的交易行為必然面臨著各種制度性摩擦， 如非市場化的資源配置、 地區市場保護、 繁冗的行政審批等， 企業為了保障生產經營需要為此付出額外的交易費用。眾多研究表明， 交易費用的提高會嚴重影響企業的資源配置效率， 從而降低企業的投資和運營效率（Chen等，2011；吳一平和尹華，2016；徐霞和蔡熙乾，2021）。相反， 交易費用的降低可能提高企業的經營自由度， 并提升企業投資效率（王紅建等，2020；王雄元和徐晶，2022）。

公共數據開放政策可以從以下方面降低制度性交易成本進而提升企業投資效率：

一方面， 從市場環境視角來看， 公共數據開放的初衷之一便是向社會主體免費、 無差別地提供數據資源（彭遠懷，2023；歐陽伊玲等，2024）， 以有效緩解各經濟主體信息不對稱的情況。企業依據由政府背書的數據信息進行投資決策， 降低投資決策的不確定性和投資風險， 在很大程度上也能避免通過某些非正式渠道獲取特定投資信息而產生的制度性交易成本， 從而優化投資決策， 提升投資效率。與此同時， 公共數據開放能夠優化營商環境和投資生態， 破除不合理限制和隱性壁壘（方錦程等，2023）。市場化水平的提升有助于降低市場準入門檻與制度性成本， 為市場主體創造公平的發展機會（彭遠懷，2023）， 促進企業之間的良性競爭， 而良性競爭有利于降低企業的代理成本， 擠出無效率投資行為， 進而提升企業的投資效率（Stigler，1958；王雄元和徐晶，2022）。

另一方面， 從尋租視角來看， 公共數據開放有助于緩解企業投資中因尋租引發的政府干預問題， 從而提升企業投資效率。已有研究指出， 在信息不透明甚至信息閉塞的環境中， 政府官員的自由裁量權和尋租空間更大， 對轄區內企業的干預行動和利益攫取也明顯增加（譚瑾等，2018）。面對官員權力尋租與不確定性風險， 企業也會被迫采取對政府部門公關、 依賴關系網絡甚至政企合謀等各種手段進行自我保護， 從而克服制度障礙（吳一平和尹華，2016）。這些非市場化因素導致的制度摩擦會扭曲和異化企業的投資行為， 使其做出并非最優的投資選擇， 最終導致投資效率低下（Chen等，2011；徐霞和蔡熙乾，2021）。公共數據開放有利于提高政府運行的透明度（Conradie和Choenni，2014；Park和Gil-Garcia，2022）， 抑制企業以獲取投資信息為目的的尋租行為以及由此引起的政府干預行為（彭遠懷，2023）， 有效降低尋租問題給企業帶來的額外交易成本（萬華林和陳信元，2010）。同時， 公共數據開放還能強化政府的問責機制， 減少企業尋租、 游說政府部門或賄賂政府官員的機會主義行為（Zuiderwijk和Janssen，2014）， 從而降低企業投資過程中非市場化的制度性交易成本， 提高投資效率。

基于上述分析， 本文提出如下研究假設：

H2： 公共數據開放平臺的開通能夠降低企業制度性交易成本進而提高企業投資效率。

三、 研究設計

（一） 樣本選擇與數據來源

考慮到2008年全球金融危機對企業投資造成了重大影響， 本文選取 2012 ～ 2022 年滬深A股上市公司作為初始樣本， 并對樣本進行如下處理： ①剔除金融行業的樣本； ②剔除ST、 ?ST公司樣本； ③刪除資不抵債以及主要變量數據缺失的樣本。最終得到3924家公司共28458個公司—年度觀測值。本文公司層面的數據來源于CSMAR和CNRDS數據庫， 各地級市公共數據平臺首次上線時間數據來源于復旦大學數字與移動治理實驗室和國家信息中心數字中國研究院聯合發布的《2022中國地方政府數據開放報告（城市）》。同時， 為避免極端值的影響， 本文對所有連續型變量進行上下1%的Winsorize縮尾處理。

（二） 模型構建

考慮到我國各級地方政府是分批次開通公共數據開放平臺的， 本文參考潘俊等（2023）和彭遠懷（2023）的研究， 構建多期雙重差分模型：

AbsINVi，t=β0+β1Treati，t+Controlsi，t+Firm_F.E+

Year_F.E+City_F.E+εi，t （1）

其中： AbsINVi，t表示企業非效率投資； Treat為政策虛擬變量； Controlsi，t表示一系列控制變量； Firm_F.E為企業固定效應； Year_F.E為年份固定效應； City_F.E為城市固定效應。β1是本文主要關注的系數， 代表公共數據開放平臺的開通對所在地公司投資效率的影響， 本文預期該系數顯著為負。

（三） 變量設定

1. 被解釋變量： 非效率投資。參考 Richardson（2006）、 王化成等（2023）的研究， 構建估計企業投資效率的模型。以數據回歸估計得到的殘差絕對值作為企業非效率投資（AbsINV）的代理變量， 該值越大， 表示企業當年實際投資額偏離預期最優投資額程度越高， 即企業投資效率越低。具體回歸模型如下：

Invitei，t=α+β1Growthi，t-1+β2Levi，t-1+β3Cashi，t-1+

β4Agei，t-1+β5Sizei，t-1+β6StockReti，t-1+β7Investi，t-1+

YearDum+IndustryDum+εi，t （2）

其中： Invitei，t為企業當年實際新增投資支出， 用［（購建固定資產、無形資產和其他長期資產支付的現金+取得子公司及其他營業單位支付的現金凈額-處置固定資產、無形資產和其他長期資產收回的現金凈額-處置子公司及其他營業單位收到的現金凈額）-（固定資產折舊、油氣資產折耗、生產性生物資產折舊+無形資產攤銷+長期待攤費用攤銷）］/年初總資產表示； Growthi，t-1為企業成長性， 用上一年營業收入增長率表示； Levi，t-1為資產負債率， 用上一年企業總負債除以總資產表示； Cashi，t-1為上一年現金資產， 用（貨幣資金+短期投資凈額）/年初總資產表示； Agei，t-1為企業年齡， 用上一年企業的上市年限取自然對數表示； Sizei，t-1表示企業規模， 用上一年總資產的自然對數表示； StockReti，t-1為上一年的股票年回報率， 用考慮現金紅利再投資的年個股回報率表示； Investi，t-1為企業上一年的新增投資額； YearDum和IndustryDum分別表示年度虛擬變量和行業虛擬變量； εi，t為殘差項， 其絕對值即為企業非效率投資（AbsINV）。

2. 解釋變量： 政策效應觀測項。Treat是政策效應觀測啞變量， 當公司i所在地級市在第t年開通了公共數據開放平臺則Treat取值為1， 否則取值為0。2012 ～ 2022年， 共有187個城市開通了公共數據開放平臺。

3. 控制變量。參考辛清泉等（2007）、 潘越等（2020）、 姚立杰等（2020）的研究， 本文選取企業規模（Size）、 資產負債率（Lev）、 企業年齡（Age）、 總資產收益率（Roa）、 股權集中度（Top1）、 企業成長性（Growth）、 托賓 Q 值（TQ）、 獨董比例（Indboard）、 現金流比率（CashFlow）、 產權性質（Soe）作為控制變量， 主要變量定義如表1所示。

四、 實證分析

（一） 描述性統計

本文對主要變量進行了描述性統計， 結果如表2所示。非效率投資的均值為0.050， 標準差為0.121， 上四分位數和下四分位數分別為0.015和0.056， 表明不同企業的投資效率差異較大。非效率投資的中位數為0.032， 小于均值， 說明樣本企業的非效率投資存在右偏， 這與以往的研究統計結果基本一致。Treat的均值為0.523， 表明約52.3%的樣本受到公共數據開放的影響， 故此樣本具有比較強的代表性。控制變量相關統計數據與以往研究基本一致， 不再贅述。

（二） 基準回歸檢驗

表3報告了公共數據開放與企業投資效率的回歸結果。第（1）列未加入任何控制變量， Treat的系數為-0.0104， 且在1%的水平上顯著； 第（2）列加入了控制變量， Treat的系數為-0.0097， 且在1%的水平上顯著； 第（3）列在前述基礎之上考慮了企業固定效應和年份固定效應， Treat的系數為-0.0063， 且在5%的水平上顯著； 第（4）列又進一步考慮了城市固定效應， Treat的系數為-0.0057， 且在5%的水平上顯著。上述一系列回歸結果表明， 企業所在地政府開通公共數據開放平臺后， 企業非效率投資程度明顯降低， 這一結果印證了H1。

（三） 穩健性檢驗

1. 平行趨勢檢驗。滿足平行趨勢檢驗是應用雙重差分模型的前提。在本文的研究中， 就是要保證在地方政府開通公共數據開放平臺之前， 實驗組和控制組企業的投資效率會呈現相同的變化趨勢， 公共數據開放對企業投資效率的影響在公共數據開放平臺開通之后才出現。因此， 本文借鑒錢雪松等（2018）以及彭遠懷（2023）等的做法， 構建如下動態差分模型：

AbsINVi，t=β0+β1Pre_ni，t+β2Currenti，t+β3Post_mi，t+

Controlsi，t+Firm_F.E+Year_F.E+City_F.E+εi，t （3）

其中： Pre_n表示公共數據開放前n年； Current表示公共數據開放當年； Post_m則表示公共數據開放后m年。本文以公共數據開放前一年為基期， 在回歸中省略了Pre_1。檢驗結果表明， 在公共數據開放前， 實驗組和控制組企業投資效率沒有顯著差異， 而在公共數據開放后四年， 實驗組企業的投資效率顯著提高， 由此平行趨勢檢驗通過。

2. 安慰劑檢驗。本文隨機化公共數據開放的時間點， 以檢驗公共數據開放平臺的開通對企業投資效率的影響是否受遺漏變量或其他不可觀測因素的影響。為保證安慰劑檢驗的效力， 本文參考Cai等（2016）的方法， 隨機生成虛擬實驗組與控制組， 使用模型（2）進行回歸， 將上述步驟重復500次， 然后繪制所得回歸系數和t統計量的概率分布圖， 以檢驗是否存在某些不可觀測因素對公共數據開放與企業投資效率兩者間的關系產生影響。檢驗結果表明， 隨機化后， 回歸系數和t值均集中在0附近， 說明公共數據開放的時間滿足隨機分配原則， 由此排除了公共數據開放對企業投資效率的影響是由其他不可觀測因素推動的可能性。

3. 傾向得分匹配法。為減少公共數據開放平臺在開通時的自選擇偏誤所帶來的內生性問題， 本文利用傾向得分匹配法控制實驗組和控制組樣本的組間特征差異。具體而言， 以基準回歸模型（1）中的控制變量為協變量， 采用最近鄰匹配（1∶2）和核匹配的方法對實驗組和控制組樣本進行匹配。

在上述處理的基礎上， 對匹配成功的樣本使用模型（1）進行回歸。實證結果顯示： 采用1∶2最近鄰匹配方法匹配成功后的樣本回歸結果中， Treat的回歸系數為

-0.0082且在1%的水平上顯著； 采用核匹配方法匹配成功后的樣本回歸結果中， Treat的回歸系數為-0.0al2PvUH0LMOM3JwqMfEllSX8VggzYUjKr0vBv9PB3v8=058且在5%的水平上顯著。傾向得分匹配法的檢驗結果表明， 在考慮了樣本自選擇偏誤帶來的內生性問題之后， 本文的基本假設仍然穩健。

4. 解釋變量滯后一期。公共數據開放可能需要一定的時間才能對企業的投資決策產生影響。一方面， 公共數據開放平臺開通后， 各數據供給部門需要將數據進行整理分類后陸續完善和補充數據信息； 另一方面， 企業對政府部門提供的原始數據需要經過數據清洗、 數據脫敏等處理后， 再將數據納入其投資決策過程中。而且， 企業的投資還存在周期長短的問題， 對于投資周期較長的項目， 其投資效果的呈現亦存在滯后性。因此， 考慮到企業投資效率相對于公共數據開放可能存在明顯的滯后， 本文將所有解釋變量滯后一期進行穩健性檢驗， 結果顯示Treat的回歸系數為-0.0046， 且在10%的水平上顯著， 表明本文的基準回歸結果基本穩健。

5. 替換關鍵變量。在以往對投資效率的研究中， 有部分學者考慮到我國資本市場的有效性不夠， 選擇營業收入增長率作為企業成長性的代理變量， 也有部分學者參考以往的經典研究， 使用 TobinQ值作為企業成長性的代理變量（柳建華等，2015）。為保證結果的穩健性， 本文進一步選擇TobinQ值作為模型（2）中企業成長性（Growth）的代理變量來度量企業投資效率（AbsINV_1）， 重新對模型（1）進行回歸。Treat的回歸系數為-0.0042， 且在10%的水平上顯著， 說明在避免變量衡量誤差導致的問題后， 本文的研究結果依舊穩健。

6. 其他穩健性檢驗。為進一步驗證本文的研究結論， 還進行了剔除特殊時期樣本、 排除同期其他政策干擾和高維固定效應的穩健性檢驗。

首先， 由于2019年年底突發重大公共衛生事件， 市場不確定性增加， 這可能會干擾企業的投資決策和投資計劃。為排除由此引發的經濟不確定性對企業投資效率的影響， 本文剔除2019年之后的樣本重新進行回歸， Treat的系數依然在5%的水平上顯著為負。

其次， 本文進一步考慮同期其他政策帶來的干擾， 如2018年頒布的公共信息資源開放政策與本文研究的公共數據開放政策都屬于建設城市數字基礎設施的重要抓手。為排除前者的影響， 本文剔除了2018年之后的樣本進行回歸。2016年， 我國建立了國家級大數據綜合試驗區， 該政策在一定程度上也促進了城市大數據的發展。為排除該政策的干擾， 本文剔除了2016年之后的樣本進行回歸。2012年出臺了智慧城市試點政策， 該試點政策與本文研究的公共數據開放政策具有同期性。為排除該政策的干擾， 本文借鑒陳艷利和蔣琪（2024）的方法， 考慮到上海市作為第一批試點城市政策效果較為突出， 因此剔除來自上海市的樣本重新對模型（1）進行回歸檢驗。以上回歸結果中Treat的系數均顯著為負， 表明本文的結果仍然穩健。

最后， 考慮到本文的實證分析結果可能受到行業層面隨時間變化的不可觀測因素的影響， 本文在基準回歸模型的基礎上加入了行業×年度固定效應， Treat的系數依然顯著為負。

限于篇幅， 上述穩健性檢驗的結果均未列出， 留存備索。

五、 機制分析： 制度性交易成本視角

為進一步考察公共數據開放對企業投資效率的具體影響路徑， 本文參考江艇（2022）的研究， 構建模型（4）檢驗公共數據開放平臺的開通對中介變量（Mediator）的影響， 并通過理論闡述中介變量與企業投資效率之間的關系。

Mediator=β0+β1Treati，t+Controlsi，t+Firm_F.E+

Year_F.E+City_F.E+εi，t （4）

本文主要從地區和企業兩個層面衡量制度性交易成本。就地區層面而言， 采用政府干預程度作為制度性交易成本的代理變量， 并借鑒林伯強和譚睿鵬（2019）的做法， 用地方財政一般預算支出與生產總值之比衡量政府干預程度， 該指標能夠衡量政府干預動機， 指標值越大表明政府干預程度越高， 企業所面臨的制度性交易成本越高。同時， 參考盧現祥和朱迪（2019）的研究， 使用市場化指數作為地區層面制度性交易成本的反向代理變量， 即企業所在地區的市場化程度越高則制度性交易成本越低。就企業層面而言， 參考于文超等（2022）的研究， 使用業務招待費衡量企業非生產性支出， 以此作為企業層面的制度性交易成本的代理變量。具體而言， 本文對企業的業務招待費按主營業務收入進行標準化處理， 考慮到上述費用總和占營業收入的比例較小， 本文將標準化處理后的數據擴大100倍。此時， 模型（4）中的Mediator分別代表政府干預程度（Govein）、 地區市場化程度（Market_ind）和企業非生產性支出（Npe）。

回歸結果如表4所示， 列（1）中Treat的系數為-0.0256且在1%的水平上顯著， 列（2）中Treat的系數為0.0245且同樣在1%的水平上顯著， 這表明從地區層面來看， 公共數據開放平臺的開通能夠顯著降低當地政府干預程度， 提高經濟市場化運行水平， 提升社會資源市場化配置機制和企業市場化投融資機制的效率， 從而助力企業投資效率的提升。列（3）中， Treat的系數為-0.0794且在5%的水平上顯著， 表明公共數據開放能有效降低企業的非生產性支出， 從而對企業投資效率產生積極影響。

公共數據開放能夠通過降低地方政府干預程度、 提高市場化水平以及降低企業非生產性支出三條路徑， 緩解企業投資過程中的制度性摩擦， 進而減少企業在投資決策和運營中付出的制度性交易成本， 從而對企業的高效率投資產生積極影響。

六、 進一步分析

（一） 影響渠道檢驗

根據現有關于投資效率的研究， 企業非效率投資一方面表現為投資過度， 另一方面表現為投資不足。為了進一步檢驗公共數據開放政策提升企業投資效率的具體渠道， 探究公共數據開放究竟是通過降低企業過度投資水平還是減少企業投資不足抑或兩者兼有， 從而降低企業非效率投資水平， 本文借鑒Chen等（2011）、 陳運森和謝德仁（2011）等的做法， 將模型（2）估計的殘差作為投資過度和投資不足的代理變量， 殘差值為正代表投資過度， 為負則代表投資不足， 然后重新使用模型（1）對投資過度和投資不足的樣本進行分組檢驗。分組檢驗結果如表5所示， 公共數據開放對投資過度企業的投資效率有顯著的抑制作用， 但對投資不足企業的投資效率影響不顯著， 表明公共數據開放對企業投資效率的影響主要通過降低企業的過度投資水平得以實現。原因可能在于： 一是公共數據開放有助于企業打破信息壁壘， 獲取更為全面充分的信息， 從而使得企業管理層在進行投資決策時更為謹慎， 有效抑制了企業的過度投資行為； 二是公共數據開放促進了市場主體良性公平競爭， 壓縮了企業尋租空間， 減少了企業的盲目投資機會， 進而減少了因過度投資所導致的非效率投資問題。

（二） 異質性分析

1. 產權性質。國有企業相對于非國有企業能夠享受更好的經營環境， 也更容易獲取更多的信息（馬光榮等，2015）， 而非國有企業則需要在此方面付出更多的制度性交易成本和非生產性支出。因此， 本文進一步考察公共數據開放在減少企業非效率投資的過程中， 是否對受制度性交易成本約束更大的非國有企業具有更強的作用。據此， 將樣本依據產權性質分為國有企業和非國有企業兩組， 分組回歸結果如表6第（1）列和第（2）列所示， Treat的回歸系數在非國有企業組中顯著為負， 而在國有企業組中不顯著。這表明公共數據開放主要降低了非國有企業的非生產性成本， 從而顯著抑制了非國有企業的非效率投資； 相反， 由于相較于非國有企業， 國有企業在諸多方面具有制度和信息優勢， 因而公共數據開放并未對其投資效率產生顯著影響。

2. 企業規模。企業規模在一定程度上影響著企業的信息搜尋、 處理和使用能力。為進一步考察公共數據開放對不同規模企業投資效率的影響， 本文參考胡秋陽和李文芳（2023）的研究， 將企業規模大于行業中位數的樣本作為規模較大組， 將企業規模小于行業中位數的樣本作為規模較小組。對上述兩個子樣本使用模型（1）進行回歸， 結果如表6第（3）列和第（4）列所示， 在規模較大企業子樣本中， Treat的系數在5%的水平上顯著為負， 而在規模較小企業子樣本中則不顯著。其原因可能在于： 其一， 相較于規模較小的企業， 規模較大的企業通常具有更充足的資源和更完善的管理體系， 能夠更好地利用政府部門提供的數據信息進行投資決策和規劃； 其二， 規模較大的企業一般具有更強的技術實力以挖掘數據背后的價值， 因而比規模較小的企業更能快速地將公共數據轉化為具體的商業應用， 從而實現高效率投資； 其三， 規模較大企業往往具有更大的市場份額和更強的競爭優勢， 能夠更充分地利用公共數據開放所提供的機會， 實現最優化投資。綜上， 公共數據開放對規模較大樣本企業的非效率投資的抑制作用更加顯著。

3. 行業特征。公共數據開放對不同行業企業的影響可能存在差異。當前， 我國經濟正處于提質增效的關鍵期， 制造業作為國家經濟高質量發展的主戰場， 其投資效率和效能的提升已然成為數字經濟釋放新動能的關鍵所在。為進一步檢驗公共數據開放對不同行業企業投資效率的影響， 本文將樣本企業分為非制造業企業和制造業企業兩組分別進行實證檢驗。回歸結果如表6第（5）列和第（6）列所示， Treat的系數在制造業企業分樣本回歸中顯著為負， 而在非制造業企業分樣本回歸中不顯著， 表明公共數據開放對制造業企業投資效率的影響更為顯著。其原因可能在于， 制造業企業通常依賴大量的數據進行生產計劃、 供應鏈管理、 質量控制等方面的決策， 公共數據開放可以為制造業企業提供更豐富的數據資源， 幫助其更準確地進行市場預測、 產品設計和生產安排， 優化企業供應鏈布局， 提高供應鏈的靈活性和響應速度， 從而提高企業投資的精準度和效率。

七、 結論與啟示

隨著數字技術的發展， 數據資源已成為企業發展提質增效的關鍵核心要素。而公共數據的可獲得性是企業關鍵生產要素的重要特征（陳艷利等，2022）， 其影響著企業投資、 創新等活動的可行性和有效性。本文以公共數據開放平臺的開通為準自然實驗， 以2012 ～ 2022年滬深A股上市公司為樣本， 從微觀企業投資效率的視角評估了公共數據開放的價值。研究結果表明： 公共數據開放顯著提高了企業的投資效率， 且主要是通過降低企業過度投資水平實現的； 公共數據開放主要通過減少企業的信息搜尋和信息驗證成本以及減少政府與市場在資源配置過程中所產生的制度摩擦來降低企業制度性交易成本， 進而抑制企業的非效率投資， 促進企業投資效率的提升； 公共數據開放對企業投資效率的提升作用在非國有企業、 規模較大企業以及制造業企業中更為顯著。

本文的研究具有以下啟示意義： 從政府角度看， 一要建立和完善數據開放平臺和相關機制， 加強對公共數據的整合、 共享和開放， 提供多樣化、 高質量的數據資源供企業使用。同時， 政府可以通過制定相關法律法規和政策， 鼓勵各部門主動開放數據， 并建立標準和規范， 提升數據的透明度和可用性， 為企業決策提供更多有價值的信息， 從而提升企業投資效率。二要加強數據培訓和技術支持。政府相關部門可以組織培訓和研討會， 提升企業和相關從業人員的數據分析能力和技術水平， 幫助他們更好地利用公共數據進行市場分析、 風險評估和投資決策。同時還可以提供數據分析工具和技術支持， 降低企業獲取和處理數據的成本， 促進數據的有效利用。三要鼓勵政府與企業合作共建良好的數據生態系統。政府與企業應建立長期合作關系， 共同構建數據生態系統， 促進政府數據與企業數據的互通共享， 實現數據資源的互惠。政府可以鼓勵企業參與公共數據的開放共享， 通過共建數據平臺等方式， 共同推動數據開放的深度和廣度， 促進社會經濟高質量發展。

從企業角度來講： 一要加強企業數據庫建設， 增強企業數據搜尋、 甄別、 處理、 分析和利用能力， 有效挖掘公共數據中有關前瞻性領域的細分市場， 綜合自有數據、 公共數據和商業數據等綜合信息， 提升企業投資和運行效率。二要強化企業數字化管理， 尤其對于規模較大企業和制造業企業， 要提升企業管理層以及普通員工的數字處理技能和數據管理能力， 提高企業數字化決策能力和風險管控能力， 聚力提升制造業企業的產業鏈、 供應鏈協同效率。

【 主 要 參 考 文 獻 】

陳艷利，蔣琪．數據生產要素視角下開放公共數據與企業創新——基于建立公共數據開放平臺的準自然實驗［ J］．經濟管理，2024（1）：25 ～ 46．

陳運森，謝德仁．網絡位置、獨立董事治理與投資效率［ J］．管理世界，2011（7）：113 ～ 127．

杜立，錢雪松．影子銀行、信貸傳導與貨幣政策有效性——基于上市公司委托貸款微觀視角的經驗證據［ J］．中國工業經濟，2021（8）：152 ～ 170．

方錦程，劉穎，高昊宇等．公共數據開放能否促進區域協調發展？——來自政府數據平臺上線的準自然實驗［ J］．管理世界，2023（9）：124 ～ 142．

江艇．因果推斷經驗研究中的中介效應與調節效應［ J］．中國工業經濟，2022（5）：100 ～ 120．

梁畢明，徐曉東．綠色信貸政策、產權異質性與企業投資效率［ J］．財會月刊，2023（5）：40 ～ 46．

劉達禹，周燃．企業加入異地商會與投資效率［ J］．財會月刊，2024（6）：43 ～ 50．

歐陽伊玲，王愉靖，李平等．數據要素與城投債定價：基于公共數據開放的準自然實驗［ J］．世界經濟，2024（2）：174 ～ 203．

潘俊，卞子詠，趙洵等．政府公共數據開放與審計師定價決策——基于構建數據開放平臺的準自然實驗［ J］．審計研究，2023（6）：136 ～ 148．

潘越，湯旭東，寧博等．連鎖股東與企業投資效率：治理協同還是競爭合謀［ J］．中國工業經濟，2020（2）：136 ～ 164．

彭遠懷．政府數據開放的價值創造作用：企業全要素生產率視角［ J］．數量經濟技術經濟研究，2023（9）：50 ～ 70．

王化成，李雪晨，李海彤．數字創新與企業投資效率——基于專利文本分析的證據［ J］．會計研究，2023（7）：55 ～ 71．

王克敏，劉靜，李曉溪．產業政策、政府支持與公司投資效率研究［ J］．管理世界，2017（3）：113 ～ 124+145+188．

王雄元，徐晶．放松市場準入管制提高了企業投資效率嗎？——基于“市場準入負面清單”試點的準自然實驗［ J］．金融研究，2022（9）：169 ～ 187．

吳一平，尹華．政策不確定性對企業投資的異質性影響［ J］．經濟管理，2016（5）：10 ～ 20．

辛清泉，鄭國堅，楊德明．企業集團、政府控制與投資效率［ J］．金融研究，2007（10）：123 ～ 142．

徐霞，蔡熙乾．電子政務能提高企業投資效率嗎？——基于電子政務縣級試點的準自然實驗［ J］．經濟管理，2021（11）：176 ～ 192．

姚立杰，陳雪穎，周穎等．管理層能力與投資效率［ J］．會計研究，2020（4）：100 ～ 118．

葉建華，吳云蕊，刁夢欣．資本市場強監管能提高企業投資效率嗎——基于新《證券法》實施的檢驗［ J］．財會月刊，2023（15）：39 ～ 46．

于文超，高楠，龔強．政貴有恒：經濟政策不確定性對企業非生產性支出的影響［ J］．經濟學（季刊），2022（2）：425 ～ 444．

Elbahnasawy N. G.. E-Government， Internet Adoption， and Corruption： An Empirical Investigation［ J］．World Development，2014（57）：114 ～ 126．

Richardson S.．Over-investment of Free Cashflow［ J］．Review of Accounting Studies，2006（2）：159 ～ 189．

Wang H.， Lo J.. Factors Influencing the Adoption of Open Government Data at the Firm Level［ J］．IEEE Transactions on Engineering Management，2020（3）：670 ～ 682．