國家級大數據綜合試驗區設立提升了企業全要素生產率嗎？

摘"要：大數據與實體經濟融合對于實現經濟高質量發展、增強企業競爭力具有重要意義。本文利用2011—2019年上市企業微觀數據，將“國家級大數據綜合試驗區”設立作為大數據發展的準自然實驗，采用多期差分法考察大數據發展對企業全要素生產率的影響及其作用機制。研究發現：國家級大數據綜合試驗區的設立顯著提升企業全要素生產率，且其正向促進效應隨著政策實施時間逐漸增強。機制檢驗發現，在微觀層面上，國家級大數據綜合試驗區建設通過企業數字化轉型效應、投資增加效應和融資約束緩解效應等渠道推動企業全要素生產率提升，在宏觀層面上，國家級大數據綜合試驗區建設通過優秀人才集聚效應和城市創新創業水平提升效應等渠道提升企業全要素生產率。異質性檢驗結果發現，國家級大數據綜合試驗區對企業全要素生產率的促進作用對位于市場化程度更高地區的企業、東部地區企業、成長性高的企業以及民營企業更為明顯。

關鍵詞：大數據；國家級大數據綜合試驗區；全要素生產率

中圖分類號：F49；F2792文獻標識碼：A文章編號：1001-148X（2025）01-0067-12

收稿日期：2024-10-09

作者簡介：萬宇佳（1990—），女，黑龍江大慶人，講師，博士，研究方向：數字經濟與企業數智化轉型；饒邦韜（2000—），男，江西九江人，碩士研究生，研究方向：數字經濟；國勝鐵（1978—），男，黑龍江綏化人，研究員，博士，研究方向：數字經濟與產業轉移。

基金項目：國家社會科學基金項目“全球價值鏈視角下國際產業轉移的路徑與經濟影響研究”，項目編號23BJL085。

一、引"言

近年來，數據要素作為新型生產要素已經深刻融入到我國經濟價值創造體系中，大數據更成為數字經濟時代新型資源和重要生產力，引發社會生產方式和經濟運行模式的深刻變革。2014年政府工作報告首次將“大數據”列為發展對象之后，我國大數據產業發展迅猛。工信部數據顯示，“十三五”期間我國大數據產業連續維持超高增長速率發展，年均復合增長率超過30%。“十四五”規劃指出“數據是新時代重要的生產要素，我國要發揮大數據特性優勢，構建穩定高效的大數據產業鏈，促進數據驅動的傳統生產要素合理配置”。當前，我國已建成全球規模最大的光纖寬帶網絡，相關信息基礎設施建設也逐漸完備，數字化發展進程持續加快。新常態經濟發展背景下，大數據打破了傳統要素市場的束縛，帶動信息流、人才流以及資金流高效流轉，對于提高資源配置效率、推動各行業跨界融合、提高經濟發展質量具有重大意義。

關于大數據發展帶來的經濟效應，現有文獻的研究主要聚焦以下兩個方面：一是大數據應用有效促進了經濟發展。首先，大數據的低成本、高可得性使得要素利用價值創造能力倍增，帶來規模效應［1］；其次，數據信息的發展減少了信息不對稱產生的市場失靈，勞動、資本等其他要素之間的協同性增強，資源產品配置效率以及市場整體運行效率得到提升［2］。二是大數據壟斷形成的負面效應。部分學者認為，大數據在提高經濟運行效率和增長潛力的同時，也會衍生出信息泄露、數據壟斷等問題，進而對經濟發展帶來不利影響。部分企業利用數據壟斷地位破壞市場競爭規則，擠壓競爭對手、損害消費者福利，導致數據要素帶來的價值創造倍增效應無法發揮出來，降低企業運行效率和經濟增長潛力［3］。

就目前研究所及，現有研究更多關注大數據對地區經濟發展的影響，鮮有文獻關注大數據政策對企業生產效率的影響。實際上，無論是從宏觀層面還是微觀層面而言，全要素生產率都是衡量高質量發展的重要指標，對于地區而言，全要素生產率是經濟持續增長的動力源，對于企業而言，提高全要素生產率是企業實現快速發展的重要路徑。在大數據迅速發展的背景下，企業信息傳遞效率以及其應對外部環境的能力得到增強，創新績效得到提升。那么，大數據應用對企業全要素生產率生產了怎樣的影響，其作用機制是什么？本文試圖揭示大數據政策推行與企業全要素生產率間的關系，并明晰其中的作用機制，這不僅有利于深刻理解大數據發展對企業全要生產率的作用效果，還為新常態背景下提升企業效率和促進企業高質量發展提供了經驗證據和相應政策參考。

本文基于2011—2019年中國上市公司層面數據，從微觀層面采用多期差分法探討國家級大數據綜合試驗區建設對企業全要素生產率的影響。本文可能的邊際貢獻：第一，現有研究大多關注大數據應用對區域經濟發展產生的影響，缺乏其對企業效率尤其是對企業全要素生產率影響的分析。本文利用上市公司數據探討大數據發展對企業全要素生產率的作用效果，從微觀層面上為豐富國家級大數據綜合試驗區建設微觀經濟作用效果提供了經驗證據。第二，深入剖析國家級大數據綜合試驗區建設微觀效果的作用機制，探討大數據通過何種路徑驅動企業全要素生產率提升這一核心問題。這對當前中國數字經濟建設具有借鑒作用，對中國發展大數據乃至推進數字化進程具有一定啟示作用。

二、政策背景與研究假設

（一）政策背景

隨著信息化技術的迅猛發展，大數據已成為現代經濟與社會發展的重要資源。大數據不僅是推動科技創新、社會管理、經濟轉型的關鍵因素，也是國家競爭力的重要體現。在“十四五”規劃中，數字經濟被明確列為經濟發展的核心內容，指出要加快數據資源的整合、流通與創新應用。2015年國務院發布的《促進大數據發展行動綱要》為大數據的國家戰略奠定了基礎，提出了構建國家級大數據平臺和加快數據產業化應用的目標。在此基礎上，為了加速大數據產業的發展，推動大數據技術的應用創新，國家在多個層面推出了促進大數據產業發展的政策，其中最重要的舉措之一便是設立“國家級大數據綜合試驗區”。2015年9月18日，貴州大數據綜合試驗區建設正式啟動，并于2016年2月25日，貴州省獲發改委批復，同意其建設全國首個國家大數據綜合試驗區。2016年10月8日，發布第二批獲批建設國家級大數據綜合試驗區的名單，包括兩個跨區域類綜合試驗區（京津冀、珠江三角洲），四個區域示范類綜合試驗區（上海、河南、重慶、沈陽），一個大數據基礎設施統籌發展類綜合試驗區（內蒙古）。

每個試驗區的建設背景、側重點和發展方向有所不同，但共同的目標是通過數據資源的整合與共享，提升政府、企業和社會的決策效率，推動傳統產業的數字化轉型，促進新興產業的發展。貴陽被視為“大數據綜合試驗區”的先行者，重點發展數據產業鏈、數據資源共享平臺和大數據創新應用，依托政府平臺建設，打造從智慧醫療、智慧旅游、智慧農業、智慧教育等多方面推進地區特色產業化大數據建設。北京和上海則強調大數據技術研發、信息基礎設施建設和數字經濟的政策支持。杭州在電子商務和金融科技領域具有優勢，推動大數據在商業和消費領域的應用。鄭州則側重于推動大數據與制造業、農業等傳統行業的深度融合，促進區域經濟高質量發展。這些試驗區成為探索大數據產業政策、技術研發和應用實踐的重要載體。在《促進大數據發展行動綱要》的指導下，政府進一步完善大數據的基礎設施建設，制定了稅收優惠、產業投資引導等扶持政策，為大數據行業的成長提供了全方位支持。試驗區逐漸形成“政府主導、企業參與、市場化運作”的發展模式，通過資源整合和跨行業合作推動大數據技術的實際應用。

（二）研究假設

企業全要素生產率的影響因素一直是學界關注的重點。現有研究多從金融發展［4］、技術創新［5］、對外貿易［6］、基礎設施建設［7］等方面對企業全要素生產率的影響因素進行探討。在數字經濟時代，數據要素已經成為驅動市場組織運營的關鍵生產要素，其不僅改變了信息的生產和傳播方式，還對各國經濟發展造成深遠影響。宏觀層面，承載著技術與知識的大數據與信息技術、互聯網等數字化技術融合發展，有助于各行為主體科學而高效地計算出各要素資源的最優投入、組合和使用方式，勞動效率、資本效率和生產要素組合效率得到極大提升，賦能經濟高質量增長。中觀層面，數據要素的高流動性和高滲透性有助于其與傳統生產要素融合共同推進傳統產業數字化和服務化，并基于數據生產、交易及運用催生出一系列縱向互聯、橫向相通的產業新業態新模式，模糊產業間邊界，助力產業結構升級。微觀層面，大數據的興起促使原本以供給為導向的傳統商業模式被打破，大企業主導的、封閉式的組織形態逐漸被小微化、開放式的組織結構取代［8］，企業間的互動合作與知識信息流動速度不斷加快，海量且高效的資源共享推動企業經營效率持續提高。

“大數據綜合試驗區建設”戰略既是我國發展大數據產業的重大戰略，也是推進數字基礎設施建設的重要舉措。首先，大數據綜合試驗區能通過對數據要素的充分挖掘和有效利用，促進數據資源“聚通用”，實現大數據與傳統產業交叉、滲透與融合，進而通過實現產業聯動發揮基礎設施建設者和數字信息環境營造者等角色，實現企業全要素生產率提升；其次，國家級大數據綜合試驗區在大數據和數字化信息基礎設施的支持下，能夠打破企業面臨的“信息孤島”“數據壁壘”等問題，促進產業鏈上下游企業的高效協作，在更大范圍內實現跨企業、跨地區、跨行業的資源整合和價值鏈優化，這種協同效應不僅可以降低交易成本，提升供應鏈的效率，還能加快創新步伐，提升全要素生產率［9］；最后，大數據綜合試驗區內的技術創新和產業集群效應還能有效促進企業之間的合作與創新，加速技術進步和生產模式升級，從而實現全要素生產率的持續提升。此外，大數據綜合試驗區依賴于數據精準定位，幫助政府更好地制定產業政策，優化營商環境。通過對行業發展動態和企業需求的精準分析，提出更具針對性的政策措施，支持企業技術創新、提高全要素生產率。基于此，本文提出以下研究假設：

H1：國家級大數據綜合試驗區建設能夠有效提升企業全要素生產率。

鑒于影響企業全要素生產率的因素包括微觀和宏觀兩個層面，本文從企業內部和外部環境兩個視角探討大數據綜合試驗區建設如何影響企業全要素生產率。

第一，大數據試驗區設立通過提高企業數字化水平進而促進企業全要素生產率提升。一方面，大數據綜合試驗區通過統籌規劃數據要素、建設數字基礎設施等方式，為企業數字化轉型提供所需技術和指導工具，推動企業數字化進程。首先，大數據試驗區設立豐富了數據資源，提高了數據技術的可得性，企業應用大數據成本大大降低，良好的數字環境有助于企業進行數字化轉型；其次，大數據的快速發展有助于提升企業外部資源獲取便利度，企業能夠從生產和服務各環節搜集到更多實時數據并及時獲取用戶反饋，進而將企業自身特征與外部可用資源進行精確匹配，即時而豐富的交流壓縮了企業與客戶交流的時空距離，大數據的深度應用推動企業樹立數字思維，驅動傳統制造企業向智能制造企業轉型，推動企業數字化進程。另一方面，企業數字化轉型有助于全要素生產率提升。在數字技術的支持下，企業的生產服務實現了智能化和自動化，運營管理系統得到多維度的改進，企業不僅能夠利用智能系統實時監控生產狀況，還能夠降低耗費在知識信息的搜集成本、減少中間消耗等方面的成本，及時優化傳統生產資源配置、減少要素冗余［10］，并逐步形成以數據驅動為核心的資源配置方式，為企業的創新活動提供更多的支撐條件，提升企業全要素生產率。因此，大數據試驗區設立可以通過企業數字化轉型促進企業全要素生產率提升。

第二，大數據試驗區設立通過緩解企業融資約束進而促進企業全要素生產率提升。企業是否能夠獲得充足的資金維持生產經營活動需要，不僅與自身融資能力有關，還取決于外部環境。大數據試驗區設立有效緩解了企業面臨的融資約束。首先，大數據試驗區是國家支持大數據發展的國家戰略，在大數據試驗區設立地區，企業進行融資時也更易享受金融機構的政策優惠；其次，大數據試驗區設立增強了數據要素資源流動，金融機構借助大數據技術能夠近乎零成本地對企業經營狀況、信用數據等反映企業軟實力的信息進行實時分析及數據挖掘，科學且有效的識別具備良好發展前景而難以獲取融資支持的企業，及時對企業的融資需求進行決策和反饋，提高企業融資的可得性［11］。此外，緩解融資約束是提升企業全要素生產率的重要途徑。融資約束得到緩解的企業能夠將更多的資金用于研發投資［12］，降低企業資源配置扭曲程度，"帶動企業不斷提高全要素生產率。

第三，大數據試驗區設立通過提高企業投資水平進而促進企業全要素生產率提升。大數據綜合試驗區建設中著重發展的大數據要素已經成為一種創造新價值、提升企業競爭力的新資源，正在深刻影響企業經營行為。在現實世界中，由于市場摩擦的存在，企業管理者難以從市場中獲取到充足的信息，致使企業投資偏離最優投資水平，且企業面臨的信息不對稱問題越嚴重，其投資偏離程度越大。大數據綜合試驗區建設能夠有效降低市場中信息不對稱問題，加快生產要素的流動和拓寬知識溢出的傳播范圍［10］。在良好的信息共享環境中，企業對海量信息的篩選與甄別成本更低，也更易搜尋到合適的市場化服務提供方。企業通過運用大數據技術加強對數據的定量分析，通過數字化手段而非管理者的主觀判斷發掘到優秀的投資機會，在企業融資能力不受限的情況下，企業有更多動力擴大投資規模，投資決策也更加科學化和合理化，投資效率得到提升。企業投資增加帶來的技術擴散效應、模仿跟隨效應和人才流動效應等能夠激發企業技術進步，提升企業全要素生產率。基于此，本文提出以下研究假設：

H2：國家大數據綜合試驗區建設通過數字化轉型效應、融資約束緩解效應和投資效應，提高企業全要素生產率。

第四，大數據試驗區設立通過提高吸引優秀人才集聚而推動企業全要素生產率提升。在不確定性經濟環境中，初始數據分析能力強的企業能夠更有效地吸引外部生產要素，實現要素集聚與規模收益遞增效應。作為數字經濟發展的重要物質保障，大數據綜合試驗區設立下的網絡基礎設施建設有助于加速數據與知識的傳播，催生和加速地區新一代信息產業的發展。伴隨大數據試驗區建設有序推行，城市數字基礎設施配套建設不斷完善，大數據平臺搭建進入快軌道建設，極大改善企業獲取和吸收知識的方式，吸引更高質量人才集聚，帶動區域實現人力資本積累。在信息技術的推動下，數據要素開發技術不斷突破，科研人員知識傳遞空間限制壁壘逐步降低，知識獲取成本不斷壓縮，知識可得性更加便捷，勞動力的技能、學歷和知識結構得到優化。此外，較高的人力資本水平有助于推動企業全要素生產率提升。一方面，優秀的人才為企業帶來先進知識，企業接觸和吸收利用現有技術或是創造新技術的機會增加，研發投入和創新能力得到增強；另一方面，高層次的勞動力與高技術的物質資本匹配有利于企業降低成本、減少生產效率損失，提升企業生產率。

第五，大數據綜合試驗區的設立能夠有效提升城市創業活躍度，形成企業集聚效應進而提高企業全要素生產率。具體來看：首先，大數據為產業帶來了更多機遇，大數據等信息與分析技術的應用增強了企業通過網絡連接獲取海量數據的能力，包含大量數據、經驗、技術訣竅的信息有助于企業科學而充分評估創業機會的可行性，提高分析和決策效率，進而降低創業的成本和門檻［13］；其次，借助于大數據技術的互聯特征，企業間利用信息技術融合集成、互聯互動能力增強，企業間的信息交換、知識共享以及生態系統之間的交流協作更加頻繁，創業活動不再是以某一創業者為核心，而且變得更加開放且沒有固定的邊界，企業累積客戶和尋求合作者的效率大大提高，創業過程變得更加開放與兼容。此外，大數據試驗區的建立降低了信息不對稱程度，提升了各行為主體的創新效率。在大數據技術的支持下，各創新主體捕捉信息的能力得到提高，豐富的信息資源有助于創新主體從外部合作伙伴方獲得前瞻性的思想和創意，并將新的知識資源與內部知識要素進行整合重組實現技術突破，從而提升區域整體創新能力。區域創新創業活躍度提升推動企業全要素生產率提升。對于企業而言，區域內創新創業水平提高可以帶來知識或技術溢出效應，企業在良好的創新創業環境中通過共同學習和相互模仿等方式，加速先進知識或技術在企業之間迅速傳播，促進各行為主體通過協調整合形成強大的創新動力，使得創新效果加倍，推動企業全要素生產率快速增長。對于消費者而言，在創新創業環境中消費者更加傾向消費多樣化、差異性產品，無法有效滿足消費者需求的現有產品或服務倒逼企業不斷升級改造自身產品，發展多元化商業模式。基于此，本文提出以下研究假設：

H3：大數據綜合試驗區建設通過吸引高技術人才集聚和提高區域創新創業能力，提高企業全要素生產率。

三、研究設計

（一）模型設定

前文理論分析推斷大數據試驗區建設可能有效驅動企業全要素生產率提升，為此，進一步構建雙重差分模型，借以實證檢驗其是否對企業全要素生產率產生顯著驅動效應，模型設計如下：

TFPit=αTreat×Post+βiXi，c，t+δi+μm+γt+εit（1）

其中，TFPit為被解釋變量，代表企業i在年份t的全要素生產率，Treat×Post為核心解釋變量，Treat代表企業所在省份（城市）是否屬于國家級大數據綜合試驗區，若企業所在省份（城市）屬于國家級大數據綜合試驗區，則取值為1，否則取值為0。Post為時間變量，表示國家級大數據綜合試驗區的啟動時間，在大數據綜合試驗區的設立當年及以后取值為1，否則取值為0。Xi，c，t為控制變量的合集，α為核心解釋變量的估計系數，表示國家級大數據綜合試驗區產生的全要素生產率效應，若αgt;0，則表示國家級大數據綜合試驗區提升了企業的全要素生產率，反之則反。βi為各個解釋變量的估計系數，δi為企業固定效應，μm為省份固定效應，γt為時間固定效應，εit為計量模型的隨機誤差項。

（二）變量選取

被解釋變量：企業全要素生產率（TFP）。企業全要素生產率的估計方法很多，考慮到LP方法估計的企業全要素生產率通常將更易獲得的中間品投入指標作為代理變量，從而在更大程度上保留了研究樣本，且LP方法更具靈活性，代理變量的選取也更加多樣。因此，本文參照劉莉亞等（2018）［14］的研究，采取LP方法估計的全要素生產率作為企業全要素生產率的代理變量，同時為了避免單一估計方法產生衡量偏誤問題，在穩健性檢驗中采用FE固定效應法、OP方法、GMM廣義矩估計法重新測算企業全要素生產率并進行實證檢驗，以保證結論的穩健性。

核心解釋變量：國家級大數據綜合試驗區設立（ITit）。自2015年起，國家發展改革委、工信部、中央網信辦先后批準了10個省份（城市）建設大數據試驗區。如貴州省2015年獲批建設大數據試驗區，北京市、天津市、河北省、沈陽市等九個省份（城市）分批次于2016年建設大數據試驗區。因此，我們將2015年作為貴州省的政策沖擊時間節點，將2016年作為其余九個省份（城市）的政策沖擊時間節點。

控制變量：本文分別從企業層面和地區層面選取控制變量。首先，參考Bennett等（2020）的研究［15］，對企業層面可能影響企業生產率的因素進行控制。具體指標選取如下：企業規模（Size），采取企業總資產的對數進行表征。資產收益率（Roa），采用企業凈利潤占總資產的比重進行表征。現金流量（Cashflow），用經營活動產生的現金流量凈額占營業收入的比重進行表征。獨立董事占比（Indep），采用獨立董事人數占所有董事人數的比值進行衡量。董事會規模（Board），采用上市企業董事人數表征（取自然對數）。其次，本文選取了部分地區層面的變量以控制其對企業全要素生產率的影響。人均GDP（Pgdp）采用地區內國民生產總值與總人口的比值進行表征。政府財政干預（Gov）采用全市公共財政支出占GDP的比重進行表征。金融發展水平（Finan）采用金融機構人民幣貸款占GDP比重進行表征。基礎設施建設（Road）用公路里程數的對數進行衡量。人口密度（Pop）采用人口與地級市面積比值的對數進行表征。外資利用率（Fdi）采用當年實際使用外資金額占GDP的比值進行表征。產業結構（Indus）采用第二產業增加值占GDP的比值進行表征。

（三）數據來源

本文將2011—2019年上市公司作為研究樣本，檢驗大數據發展對企業全要素生產率的影響。企業層面的控制變量來源于國泰安數據庫，地級市層面的控制變量來自《中國城市統計年鑒》。為保證結果準確性，本文對初始樣本進行如下篩選處理："（1）剔除金融行業上市公司樣本；（2）剔除樣本期間內ST公司樣本以及企業未分配利潤為負的公司樣本；（3）剔除財務數據缺失的樣本；（4）對所有連續性變量進行上下1%"的縮尾處理。最終獲得18146個樣本觀測值相關變量的描述性統計限于篇幅未展示，如有需要，可向作者索取。。

四、實證結果分析

（一）基準回歸

為檢驗國家級大數據綜合試驗區對企業全要素生產率的影響，本文根據模型（1）利用多時點雙重差分模型進行估計檢驗，同時為了避免不可觀測異常值對實證結果產生擾動，本文將回歸的標準誤聚類到“時間-地區”維度以保證結果的嚴謹性。表1報告了詳細的回歸結果。表1列（1）為控制了企業、省份、年份固定效應后，國家級大數據綜合試驗區對企業全要素生產率影響效應的回歸結果。列（2）為在列（1）基礎上增加了企業層面及地區層面控制變量的回歸結果。列（1）和列（2）結果顯示為正，假設H1得到驗證。回歸結果顯示，核心解釋變量Treat×Post與企業全要素生產率的系數為正且通過了1%的顯著性檢驗，說明國家級大數據綜合試驗區設立可以有效驅動企業全要素生產率提高。列（3）考察了國家級大數據綜合試驗區對企業的全要素生產率的動態效應，即分別構建了政策實施前及實施后年份虛擬變量與Treat的交互項，考察不同年份控制組和處理組間是否具有差異性特征。考慮到政策實施后第四年的樣本量僅為14個，故將其與政策實施后第三年的樣本進行合并，共同設定為Treat×After3。結果顯示，在政策實施前，政策與年份虛擬變量的交互項（Treat×Beforei;i=1，2，3，4）并未通過顯著性檢驗，在政策實施當年，交互項（Treat×Current）的回歸系數為正且通過10%的顯著性水平檢驗，在政策實施后，交互項（Treat×Afteri;i=1，2，3）的回歸系數都顯著為正且呈現逐年增大的趨勢。這說明在國家級大數據綜合試驗區政策實施前，處理組與控制組樣本之間并不存在顯著差異，而在國家級大數據綜合試驗區政策實施后，處理組樣本的全要素生產率明顯高于控制組樣本的全要素生產率，且這種正向促進效應呈現逐年增大的趨勢，平行趨勢假定得到滿足。

由于本文的處理組和控制組涵蓋了各個行業、各種類型的公司，公司間的規模、特征及盈利能力等各方面的指標可能均存在明顯差異，難以滿足政策在實施前處理組和控制組個體特征相同的理想情境。為降低樣本選擇偏差，表1的列（4）—列（6）在進行雙重差分法之前利用傾向得分匹配法（PSM）對處理組和控制組的樣本進行匹配，使得匹配后處理組和控制組樣本之間不存在顯著差異。列（4）—列（6）報告了基于傾向得分匹配后的雙重差分估計結果，結果顯示，在解決了樣本選擇偏差問題之后，數據綜合試驗區設立（Treat×Post）對企業全要素生產率的系數仍然在1%"的水平上顯著為正，且滿足平行趨勢檢驗，即匹配后的回歸結果與全樣本結果基本保持一致。

（二）穩健性檢驗

為了保證估計結果的可靠性，本文進行如下穩健性檢驗。

1.替換被解釋變量。考慮到全要素生產率的衡量方式多樣，本文對基準回歸中被解釋變量的衡量方式進行替換，表2列（1）—列（4）為分別采用GMM廣義矩估計法、OLS方法、FE固定效應法以及OP法對全要素生產率進行估計，結果如表2所示。結果表明，無論采用何種方法對全要素生產率重新進行衡量，交乘項（Treat×Post）對企業全要素生產率的回歸系數仍舊顯著為正，結果保持穩健。

2.增加時間趨勢項控制。為了進一步對影響企業全要素生產率因素的時間趨勢進行控制，表3列（1）在基準回歸的基礎上增加了控制變量與時間虛擬變量的交乘項，列（2）增加了控制變量與時間趨勢三階多項式的交乘項，以緩解因其他因素隨時間變動導致的回歸估計偏誤，模型構建如下所示：

TFPit=αTreat*Post+βiXi，c，t+DiXit×f（T）+δi+μm+γt+εit（2）

TFPit=αTreat*Post+βiXi，c，t+UiXit×σt+δi+μm+γt+εit（3）

其中，模型（2）的f（T）為時間虛擬變量，模型（3）中σt為時間趨勢的三階多項式，即用時間趨勢的1～3階表示。其余指標設計與模型（1）保持一致。回歸結果顯示，在對控制變量的時間趨勢進行控制后，國家級大數據綜合試驗區的設立仍然對企業全要素生產率產生正向影響，本文結論保持穩健。

3.排除其他政策影響。由于中國在同時期內存在多種政策在不同地方同時實施，企業全要素生產率的提升可能受到其他相關政策的干擾。為了避免其他政策對回歸結果產生的影響，本文篩選出了對企業全要素生產率可能存在一定影響的政策，并對樣本中位于試點地區的企業的予以剔除，以保證回歸結果穩健。具體而言，本文排除以下相關政策的干擾：（1）“寬帶中國”政策。2013年，國務院發布了“寬帶中國”戰略實施方案，旨在通過加強寬帶網絡等信息基礎設施，推動物聯網、云計算等高新技術產業的發展，自2014年起，工信部和國家發展改革委聯合確定了首批39個寬帶中國示范城市，隨后至2016年，共有三批寬帶中國試點城市得以確立，寬帶中國政策的事實使企業間的聯系更加緊密，企業間交易成本得以降低。為了排除寬帶中國政策對企業全要素生產率的干擾，在回歸方程中剔除了寬帶中國試點地區的企業樣本。結果如表3列（3）所示，在剔除了寬帶中國政策的影響后，回歸結果依然保持穩健。（2）兩化融合政策。2007年，黨的十七大首次提出“以信息化帶動工業化，以工業化促進信息化”的倡議，旨在推動信息化改變工業企業生產方式，推動制造大省由要素驅動向創新驅動的發展方式演化，兩化融合的概念自此提出。2008年，內蒙古呼包鄂三個城市被設立為首批兩化融合試點地區。此后，南京、上海、重慶等多個城市紛紛列入兩化融合試點名單中。為排除兩化融合政策對回歸結果產生的影響，表3列（4）對兩化融合試點城市剔除后進行回歸，結果顯示大數據綜合試驗區的設立對企業全要素生產率的影響仍然顯著為正，證明了本文基準結論的穩健性。（3）信息消費政策。2013年8月8日，為加快信息消費，促進消費升級，國務院印發《關于促進信息消費擴大內需的若干意見》，明確提出要通過擴大消費規模、改善基礎設施建設以及活躍信息消費市場來拉動經濟增長。隨后，工信部確定北京市等68個城市為首批國家信息消費試點示范市（縣、區），并于2015年確定設立上海市等36個城市作為試點城市。信息消費政策的實施，推動了企業運用信息技術實現數字化進程，為排除信息消費政策對回歸結果產生影響，表3列（5）對信息消費試點城市剔除，回歸結果顯示在排除信息消費政策的影響后，大數據綜合試驗區的設立對企業全要素生產率的影響仍然顯著為正，證明了本文基準結論的穩健性。

4.內生性處理。基于無法窮盡控制除大數據試驗區以外的其他混淆變量對企業全要素生產率的影響，由此引致的遺漏變量等內生性問題可能會影響實證結果的穩健性。為此，本文進一步參考王輝和劉栩君（2024）、趙新宇等（2024）的思路，分別選取各省每萬人固定電話數和各省地形坡度與時間虛擬變量的交互項作為大數據綜合試驗區的工具變量［16-17］。選取的原因在于，一方面，從工具變量的相關性假設來看，大數據綜合試驗區是傳統通信技術接續發展的時代產物，歷史固定電話數為數字化發展和大數據時代的到來提供了通信基礎；同時地形坡度是影響大數據基礎設施建設選址的關鍵因素，均滿足工具變量的相關性假設原則。另一方面，從外生性假設來說，歷史通訊技術已然被取締，無法對現在企業的全要素生產率形成影響；同時地區的地形坡度顯然也不會對企業的生產效率形成直接影響，由此兩個工具變量同時滿足外生性假設，故說明本文工具變量選取具有一定合理性。表4展示了分別以各省每萬人固定電話數和各省地形坡度與時間虛擬變量的交互項作為大數據綜合試驗區工具變量，進行兩階段回歸的結果。其中表4列（1）和列（3）匯報的是工具變量一階段的結果，列（2）和列（4）匯報的是工具變量二階段的結果。結果顯示，不論是以各省每萬人固定電話數還是各省地形坡度與時間虛擬變量的交互項作為大數據綜合試驗區工具變量，第一階段估計系數均在1%的置信水平上顯著為正，且一階段F值均大于10，不存在弱工具變量問題。同時，表4列（2）和列（4）匯報的是二階段結果顯示，估計系數均顯著為正。在采用工具變量進行內生性處理后，估計系數仍然顯著為正，由此說明本文研究結論是穩健的。

五、異質性分析

前文研究表明，大數據試驗區設立能夠顯著提升企業全要素生產率，然而，由于不同企業面臨的外部環境及自身特性存在差異，大數據試驗區建立對企業的影響可能存在明顯區別。因此，本文從企業所在地理區位、市場化程度及企業特質等三個不同維度，進一步考察大數據試驗區設立對企業全要素生產率是否存在差異性影響。

（一）基于不同地理區位的異質性檢驗

由于不同地區經濟發展水平存在差異，不同地理區位的企業發展時面臨的外部環境也存在非均衡性，因此，當國家級大數據綜合試驗區設立帶來先進的大數據技術時，其對不同區位的企業可能產生差異性影響。一般來說，當企業位于優勢資源地區時，其城市便捷條件、配套設施建設等處于優勢地位，這類企業在大數據技術支持下，更容易產生利用優勢資源獲得更快發展。而當企業位于非優勢資源地區時，由于區域內經濟發展落后，要素資源配套能力弱，大數據發展易受到不完善配套設施條件限制，影響其作用效果發揮。因此，為了檢驗大數據綜合試驗區設立對不同地理區位企業全要素生產率是否存在差異性影響，本文根據企業所在地理區位不同將企業地理位置劃分為東部地區、中部地區和西部地區基于不同地區的異質性檢驗限于篇幅未展示，如有需要，可向作者索取。。結果顯示，無論是對整體研究樣本還是經過傾向得分匹配后的樣本，大數據綜合試驗區的設立對東部地區企業的回歸系數在1%的水平下顯著，而在中部地區和西部地區企業都未通過顯著性檢驗，這說明大數據綜合試驗區的設立僅對東部地區企業全要素生產率的提升起到促進作用，但是對中西部地區的企業并未產生顯著促進效果。這可能是因為經濟發展、配套設施及科技創新等方面具有較大優勢的東部地區有利于強化大數據綜合試驗區政策效應的發揮，進而推動企業全要素生產率提升。

（二）基于不同市場化程度的異質性檢驗

市場化程度作為市場發展水平的重要衡量指標，其不僅反映了政府對地區的干預程度，還反映了地區內經濟環境、社會環境、法律制度等多方面因素。較高的市場化水平意味著較少的政府干預程度，企業更易從市場中獲得生產所需的資源，市場失靈程度較低。較低的市場化水平意味著較高程度的政府干預程度，市場配置資源的功能受限，企業經營時面臨更多行政手段調控干預。根據市場化指數對企業所在地區的市場化程度進行衡量，如果企業所在地區的市場化指數高于所有地區市場化指數中位數，則認為企業處于高市場化發展水平中，如果企業所在地區的市場化指數低于所有地區市場化指數中位數，則認為企業處于低市場化發展地區，結果如表5所示。表5列（1）和列（2）報告了大數據綜合試驗區設立對高市場化發展地區企業全要素生產率的影響，列（3）和列（4）報告了大數據綜合試驗區設立對低市場化發展地區企業的影響，回歸結果顯示，大數據綜合試驗區的設立對高市場化發展地區企業全要素生產率提升作用十分明顯，但是對于低市場化發展地區企業的全要素生產率并未起到促進作用。這可能是因為在較高的市場化發展地區，企業更易從市場中獲得發展所需的資源支持，助力于全要素生產率提升。

（三）基于不同特征企業的異質性檢驗

考慮到不同類型企業可能面臨不同強度的大數據沖擊，將企業按照成長性和企業性質劃分為不同特性企業，進而考慮大數據綜合試驗區設立對其產生的差異性影響，結果如表6所示。表6列（1）—列（4）報告了大數據綜合試驗區設立對不同成長性企業全要素生產率的差異性影響，列（5）—列（8）報告了大數據綜合試驗區設立對不同性質企業全要素生產率的影響。其中，成長性指標設立參照戴鵬毅等（2021）［18］，采用營業收入增長率相對行業營業收入增長率進行表征，如果企業的營業收入增長率高于行業營業收入增長率中位數，則認為企業屬于高成長性企業，如果企業營業收入增長率低于行業營業收入增長率中位數，則認為企業屬于低成長性企業。表6列（1）和列（2）報告了大數據綜合試驗區設立對高成長性企業全要素生產率的影響，列（3）和列（4）報告了大數據綜合試驗區設立對低成長性企業全要素生產率的影響，結果顯示，對高成長企業而言，大數據綜合試驗區的設立推動了企業全要素生產率提升，但是對低成長性企業而言，其并未起到促進作用。這可能是因為對于高成長性企業而言，快速發展的大數據技術能夠為企業帶來更多優質資源，滿足了企業高速成長的需求，有利于企業經營范圍擴大及生產效率提升。

表6列（5）和列（6）報告了大數據綜合試驗區設立對國有企業全要素生產率的影響，列（7）和列（8）報告了大數據綜合試驗區設立對民營企業全要素生產率的影響，回歸結果顯示，大數據綜合試驗區的設立對國有企業全要素生產率的回歸系數為正且通過了10%的顯著性水平檢驗，對民營企業全要素生產率的回歸系數為正且通過了1%的顯著性水平檢驗，這說明無論對于何種性質的企業而言，大數據綜合試驗區都有助于其全要素生產率提升，但是這種作用效果對于民營企業而言更加顯著。這可能是因為相較于民營企業追求企業價值最大化為目標，國有企業更多扮演政府代理人的角色。當大數據應用飛速發展時，國有企業不僅把企業發展作為工作目標，還將部分工作重心轉移到維護社會穩定、捍衛國家安全等政治方面，因此，大數據試驗區設立對其的作用效果稍弱于民營企業。

六、機制檢驗

前文結果顯示大數據綜合試驗區的設立有助于企業全要素生產率的提升，那么，大數據綜合試驗區設立究竟是如何作用于企業全要素生產率的？基于此，從企業內部作用機制（數字轉型效應、融資約束緩解效應和投資效應）以及外部機制（人才集聚效應和區域創新創業效應）兩個維度探究大數據綜合試驗區設立影響企業全要素生產率的作用機制。

（一）企業內部機制

大數據綜合試驗區的設立能夠為企業帶來海量、優質數據，企業在生產運營中廣泛使用豐富的數據要素有利于推動企業進行數字化轉型。表7列（1）—列（4）報告了大數據綜合試驗區設立產生的數字轉型效應，其中，列（1）和列（2）報告了大數據綜合試驗區設立產生的大數據效應，列（3）和列（4）報告了大數據綜合試驗區設立產生的包括人工智能、區塊鏈、云計算等多方面的數字轉型效應，我們參照吳非等（2021）［19］的研究，對上市公司年報中包含的數字化詞頻進行統計，進而表征企業大數據轉型程度及企業整體數字化轉型程度，由回歸結果可知，大數據綜合試驗區設立后對企業大數據發展程度以及整體數字化程度的回歸系數顯著為正，這說明大數據綜合試驗區設立不僅推動了企業的大數據應用程度，還帶來了企業整體數字化轉型效應提升。因此本文認為，大數據綜合試驗區的建設可以通過影響企業數字化轉型程度，進而影響企業全要素生產率增長。

大數據發展帶來的豐富信息有助于提高市場環境的公開透明度，市場中各企業之間、金融機構之間、企業與金融機構之間的鏈接得到增強，密集的信息網使得金融機構能夠迅速識別出高質量企業，企業也可以利用信息共享實現與金融機構的有效對接，資本供需雙方獲取信息的效率得到大幅提升，同時也降低了因資本錯配造成的企業全要素生產率損失的概率［16］。為此，參照李波和朱太輝（2020）［20］的研究，將SA指數作為企業融資約束指標的代理變量，檢驗國家級大數據綜合試驗區設立對企業是否具有融資約束緩解效應，結果如表7列（5）和列（6）所示，回歸結果顯示，在1%的置信水平上，大數據綜合試驗區的設立對企業融資約束具有顯著負向影響，即大數據發展有利于緩解企業面臨的融資約束。因此，本文認為，大數據綜合試驗區的建設可以產生融資約束緩解效應，更多外源資金為企業提供了科研創新資金保障以及吸引更多優質人才，帶動企業全要素生產率提升。

大數據發展通過對數據的深度采集和分析降低了企業的信息不對稱程度，增強了企業對自身生產、外部環境的判斷能力，降低了投資過程中面臨的不確定性和成本，企業將更多注意力放在關鍵資源運用上，價值增值環節的投資得到增強，為企業帶來投資效應。為此，利用企業投資支付的現金占總資產的比重對企業的投資水平進行衡量，進而檢驗國家級大數據綜合試驗區設立是否具有投資效應，結果如表7列（7）和列（8）所示。結果顯示，大數據綜合試驗區的設立對企業投資水平的系數顯著為正，說明大數據綜合試驗區設立驅動了企業投資水平提升。至此，假設H2得到驗證。故本文認為，大數據綜合試驗區建設可以帶來投資效應，進而推動企業全要素生產率提升。

（二）宏觀機制

考慮到大數據綜合試驗區設立之后，區域中資源優化配置能力得到增強，可能會對地區內人才集聚和城市創新創業水平產生影響。為此，將信息與通訊技術員工占地區內員工的比例作為人才集聚的代理變量，將模型（1）的被解釋變量替換為人才集聚，檢驗國家級大數據綜合試驗區設立能否吸引人才集聚宏觀機制檢驗結果限于篇幅未展示，如有需要，可向作者索取。，結果顯示大數據綜合試驗區的設立對地區內人才占比具有顯著正向影響，說明大數據發展有利于吸引優秀人才集聚，優秀的人才帶來先進生產知識及經驗，推動企業全要素生產率提升。

此外，我們將北京大學企業大數據研究中心測算的中國區域創新創業指數作為城市創新創業水平的代理變量，檢驗了大數據綜合試驗區設立對城市創新創業的影響效應宏觀機制檢驗結果限于篇幅未展示，如有需要，可向作者索取。，結果表明國家級大數據綜合試驗區設立對城市創新創業的作用效應為正，且通過了5%的顯著性檢驗，這說明國家級大數據綜合試驗區設立提升了城市創新創業水平，良好的創新創業環境有助于加速先進知識或技術在企業之間迅速傳播，企業可以吸收到更多來自其他企業的先進知識或技術，進而帶動企業全要素生產率提升。至此，假設H3得到驗證。

七、結論與政策建議

本文基于2011—2019年上市企業數據，構建多期差分模型深入考察國家級大數據綜合試驗區試點政策對企業全要素生產率的影響及其傳導路徑。主要結論如下：（1）與非試點城市相比，大數據綜合試驗區的設立顯著提升了試點城市中企業的全要素生產率，該結論經過替換被解釋變量、增加時間趨勢項檢驗和排除干擾政策等一系列穩健性檢驗后依然成立。（2）異質性檢驗結果表明，位于東部地區、高市場化程度地區的高成長性、民營企業，受國家級大數據綜合試驗區試點政策的影響更為顯著，企業全要素生產率提升效果更為明顯。（3）機制檢驗結果表明，國家級大數據綜合試驗區試點政策對企業全要素生產率的影響主要通過影響外部環境和自身發展兩條路徑實現，即在宏觀層面上，國家級大數據綜合試驗區試點政策的作用效應主要通過區域內的人才集聚效應和創新創業效應等來實現。在微觀層面，國家級大數據綜合試驗區試點政策通過企業的數字化轉型效應、投資效應、融資約束緩解效應等來實現。

基于上述研究結論，本文提出如下政策建議：

第一，大力推進大數據技術與產業發展深度融合，完善區域內數據要素發展和數字基礎設施建設。從本文結論可以看出，企業全要素生產率在大數據發展下得到了顯著提升。這表明大數據發展已經成為推動企業高質量發展的重要引擎。在數字技術浪潮下，要深入推進“國家級大數據綜合試驗區試點”政策，大力發展大數據產業，推動各市場主體間進行數據交換，并利用數據流引領技術流、人才流、資金流共同發展，完善各地區配套基礎設施建設，推進大數據與實體經濟深度融合，促進區域一體化和實體經濟持續發展。此外，政府應該通過對試驗區成功經驗進行總結，"形成一般性規律和多樣化經驗，"為全國其他地方大數據發展提供借鑒。

第二，企業要充分利用大數據資源進行數字化變革，促進企業全要素生產率提升。考慮到企業的全要素生產率隨著大數據應用的深入得到顯著提升，說明大數據已經成為推動企業效率提升的重要因素，因此要加速企業的數字化進程，推動大數據、互聯網、云計算等數字技術在企業內的應用，從而準確把握、科學應對大數據技術發展帶來的機遇與挑戰，提高企業運營管理效率，實現政策實施與企業發展的雙贏。

第三，“國家級大數據綜合試驗區”的建設過程中，不僅要重視數據平臺建設，還要加強人才隊伍建設。這意味著在大數據技術應用的過程中，要加大對人才的培養力度，堅持人才培養與引進并重，建立健全基礎研究與應用研究協調發展的人才隊伍，高技能人才是經濟發展的核心驅動力，應注重激發優秀人才乃至全社會的創新創造活力，為企業高質量發展提供良好的發展環境。

參考文獻：

［1］"Jones，"Charles"I."and"Tonetti，"Christopher，"Nonrivalry"and"the"Economics"of"Data［R］."NBER"Working"Paper，2019.No."w26260.

［2］"Farboodi"M.，L.Veldkamp."Long-Run"Growth"of"Financial"Data"Technology［J］."American"Economic"Review，"2020，"110（8）："2485-2523.

［3］"Bourreau"M.，"Alexandre"de"Streel"and"Inge"Graef."Big"Data"and"Competition"Policy："Market"Power，"Personalised"Pricing"and"Advertising［J］."Centre"on"Regulation"in"Europe，"2017.

［4］"林東杰，崔小勇，龔六堂.金融摩擦異質性、資源錯配與全要素生產率損失［J］.經濟研究，2022，57（1）：89-106.

［5］"左暉，艾丹祥.技術變化方向異性和全要素生產率——來自中國制造業信息化的證據［J］.管理世界，2022，38（8）：132-159.

［6］"王桂軍，張輝.“一帶一路”與中國OFDI企業TFP：對發達國家投資視角［J］.世界經濟，2020，43（5）：49-72.

［7］"施震凱，邵軍，浦正寧.交通基礎設施改善與生產率增長：來自鐵路大提速的證據［J］.世界經濟，2018，41（6）：127-151.

［8］"劉傳明，馬青山.網絡基礎設施建設對全要素生產率增長的影響研究——基于“寬帶中國”試點政策的準自然實驗［J］.中國人口科學，2020（3）：75-88+127-128.

［9］"陳劍，黃朔，劉運輝.從賦能到使能——數字化環境下的企業運營管理［J］.管理世界，2020，36（2）：117-128+222.

［10］于世海，許慧欣，孔令乾.數字經濟水平對中國制造業資源配置效率的影響研究［J］.財貿研究，2022，33（12）：19-34.

［11］楊東.監管科技："金融科技的監管挑戰與維度建構［J］.中國社會科學，"2018（5）.69-91.

［12］李春濤，閆續文，宋敏，等.金融科技與企業創新——新三板上市公司的證據［J］.中國工業經濟，2020（1）："81-98.

［13］Elia"G.，Margherita"A.，Passiante"G."Digital"Entrepreneurship"Ecosystem："How"Digital"Technologies"and"Collective"Intelligence"are"Reshaping"the"Entrepreneurial"Process［J］."Technological"Forecasting"and"Social"Change，2020，150（1）：119791.

［14］劉莉亞，金正軒，何彥林，等.生產效率驅動的并購——基于中國上市公司微觀層面數據的實證研究［J］.經濟學（季刊），2018，17（4）：1329-1360.

［15］Bennett，"B.，Stulz，"R.，Wang，Z."Does"the"Stock"Market"Make"Firms"More"Productive［J］."Journal"of"Financial"Economics，2020，136（2）："281-306.

［16］王輝，劉栩君.數字化消費政策的創業效應研究［J］.財經研究，2024，50（3）：49-63.

［17］趙新宇，張馨元，鄭國強.大數據能促進高技術產業出口質量提升嗎？——來自國家級大數據綜合試驗區的證據［J］.財貿研究，2024，35（11）：1-15.

［18］戴鵬毅，楊勝剛，袁禮.資本市場開放與企業全要素生產率［J］.世界經濟，2021，44（8）：154-178.

［19］吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現——來自股票流動性的經驗證據［J］.管理世界，2021，37（7）：15.

［20］李波，朱太輝.銀行價格競爭、融資約束與企業研發投資——基于“中介效應”模型的實證研究［J］.金融研究，2020（7）：134-152.

Has"the"National"Comprehensive"Big"Data"Experimental"Zone"Improved"the

Total"Factor"Productivity"of"Enterprises？

WAN"Yujia1，"RAO"Bangtao2，"GUO"Shengtie3

（1.Business"School，Shanghai"Dianji"University，"Shanghai"200120，"China；

2.College"of"Arts"and"Sciences，University"of"Pennsylvania，"United"States，19104;

3.Institute"of"Finance，Shanghai"Business"School，Shanghai"200235，China）

Abstract：The"integration"of"big"data"and"real"economy"is"important"for"achieving"high-quality"economic"development"and"enhancing"the"enterprise"competitiveness."Based"on"the"micro-data"of"listed"enterprises"from"2011"to"2019，"we"take"the"establishment"of"“National"Comprehensive"Big"Data"Experimental"Zone”"as"a"quasi-natural"experiment，"and"adopts"the"multi-period"difference"method"to"explore"the"impact"of"big"data"development"on"total"factor"productivity"and"its"mechanism."The"findings"are"as"follows："The"pilot"zone"significantly"improves"the"TFP，"and"its"positive"promoting"effect"gradually"increases"with"the"implementation"time"of"the"policy."Mechanism"test"finds"that，"at"the"micro"level，"the"pilot"zone"improves"TFP"through"the"effect"of"enterprise"digital"transformation，"investment"increase"and"financing"constraint"relief，"and"other"channels."At"the"macro"level，"the"pilot"zone"will"improve"the"TFP"through"the"agglomeration"effect"of"excellent"talents"and"the"improvement"effect"of"urban"innovation"level."Heterogeneity"test"results"show"that"the"promotion"effect"of"the"polit"area"on"TFP"is"more"obvious"for"enterprises"located"in"more"market-oriented"regions，"enterprises"in"eastern"regions，"enterprises"with"high"growth"potential"and"private"enterprises.

Key"words：big"data;"national"big"data"comprehensive"pilot"area;"the"total"factor"productivity

（責任編輯：趙春江）