數據要素市場化對企業數字創新的影響研究

摘"要：數據要素作為數字經濟時代的基礎性和戰略性資源，其市場化配置能否促進企業數字創新，進而驅動新質生產力發展引發了學術界和實務界的高度關注。本文以各地成立數據交易平臺作為數據要素市場化的準自然實驗，采用2010—2022年滬深A股上市公司數據，通過構建多期DID模型考察數據要素市場化對企業數字創新的影響。研究發現：數據要素市場化促進了企業數字創新，緩解企業融資約束、節約企業成本和優化企業人力資本結構等是數據要素市場化促進企業數字創新的主要作用渠道。異質性分析發現，數據要素市場化對數字創新的促進作用在非國有企業、技術密集型企業、自主式創新型企業以及位于經濟發達地區、數字經濟發展支持度高的地區和數據開放高水平地區的企業中更為顯著。

關鍵詞：數據要素市場化；企業數字創新；融資約束；企業成本；人力資本結構

中圖分類號：F832.51;F272.3文獻標識碼：A文章編號：1001-148X（2025）02-0118-11

收稿日期：2024-09-24

作者簡介：舒浩（1994—），男，安徽霍山人，特任副教授，博士，研究方向：數字金融與公司金融；別奧（1992—），本文通訊作者，男，湖北天門人，博士研究生，研究方向：公司治理與環境經濟學；李紅萍（1992—），女，安徽安慶人，副教授，博士，研究方向：供應鏈金融。

基金項目：國家自然科學基金青年基金項目“‘區塊鏈+’信貸融資中信用保險的機制設計與應用研究”，項目編號：72101003；教育部人文社會科學研究青年項目“‘雙碳’視閾下的企業碳風險研究：指標測度、投資決策后果及管治策略”，項目編號：24YJC790149；安徽農業大學人才科研資助項目“碳風險與企業資本結構：測度方法、影響機制和效果評估”，項目編號：rc402405。

一、引"言

在當前各領域顛覆性技術交叉融合、多點突破的數字經濟時代，數字創新所催生的高效能、高質量的生產力提升了企業市場價值和全要素生產率，賦能高質量發展［1-2］。因此，探究企業數字創新的影響因素及其實現路徑對于推動中國式現代化建設具有重要的理論意義。

數字創新作為將數字技術與創新資源深度融合、實現對傳統創新行為根本性重組的全新模式，是創新的子集，不僅會受到傳統因素的影響，也會因其特殊性而受到特殊因素的影響。既有研究對企業數字創新的影響因素進行了初步的探索性思考，其研究視角涉及市場化水平［3］、知識產權保護［4］和綠色信貸政策［5］等宏觀層面，以及數字并購［6］、分析師關注度［7］和高管的信息技術背景［8］等微觀方面。然而，作為當代社會“最核心的生產要素”——數據要素，不僅是激發勞動力、資本等傳統要素潛力的“催化劑”，也是數字經濟發展的核心驅動力，但其對企業數字創新的影響卻未得到應有的關注。我國現階段存在數據壟斷和數據孤島現象，數據要素的流通機制尚未完善，難以充分釋放數據要素的潛能和價值［9］。因此，通過深化數據要素市場化改革來提升數據要素流動性成為促進數字經濟發展、塑造國家競爭優勢的關鍵。隨著我國經濟進入新常態，中國政府開始高度重視數據要素及其市場化配置改革。從2014年將“大數據”首次寫入政府工作報告到中央政府相繼出臺加快培育數據要素市場的系列政策再到2023年10月成立國家數據局，中國數據要素市場化不斷演進和深化且上升為國家戰略。總的來說，我國數據要素市場化配置改革尚處于起步階段，其能否有效釋放數據要素活力、挖掘數據潛在價值進而推動企業數字創新仍存在不確定性。

既有文獻對企業數字創新影響因素的探究仍相對匱乏。已有研究從市場一體化、政府對數字經濟的關注［3］及知識產權示范城市［4］角度展開研究，認為對企業數字創新存在促進效應。但Lu等（2024）［5］卻發現綠色信貸政策的實施反而會增加企業面臨的融資約束，同時對研發投入產生擠出效應，進而抑制企業數字創新。基于微觀視角，唐蓓和劉林熒（2023）［6］指出數字并購是企業獲取數字資源來促進數字創新的重要途徑，夏范社和何德旭（2023）［7］則認為分析師關注度提升是推進企業數字創新的重要影響因素。

與本文研究主題密切相關的另外一些文獻集中于對數據要素市場化經濟后果的探究。學者們主要關注了數據要素市場化的宏觀經濟效果，如陳婷等（2023）［10］發現了數據要素市場化能提升城市創新能力，但這一影響存在城市地理區位、行政等級和科教水平的異質性。鄭國強等（2023，2024）［9，11］"則從微觀視角研究發現數據要素市場化可以通過改善融資環境和促進企業創新來推動企業的高質量發展，但其并未從數字創新的角度考察數據要素市場化的經濟后果，且該文獻僅以數據要素的可獲得性作為數據交易平臺設立的主要特征，未能有效區分數據交易平臺的設立與“寬帶中國”試點、“國家大數據綜合試驗區”等政策的區別，導致數據要素市場化對創新的影響效果存在爭議。由此可見，數據要素市場化與企業數字創新的研究依然有待深化和拓展。

基于上述背景，本文以各地成立數據交易平臺作為數據要素市場化的準自然實驗，選取2010—2022年的滬深A股上市公司數據，通過構建多期雙重差分模型探索數據要素市場化對企業數字創新的影響及其作用渠道。與既有文獻相比，本文可能存在以下三個方面的邊際貢獻：第一，從研究視角來看，本文考察了數據要素市場化對企業數字創新的影響效果，不僅補充和豐富了企業數字創新影響因素的相關文獻，也為我國數據要素市場化研究提供了新的直接的證據。第二，從研究方法來看，本文以數據交易平臺設立作為數據要素市場化改革的準自然實驗，能在一定程度上彌補測度數據要素市場化指標時的測量誤差以及回歸中的內生性問題，有助于強化研究結果的準確性。第三，從研究內容來看，本文深入剖析了數據要素市場化對企業數字創新的影響效果和作用渠道，厘清了數據要素市場化與企業數字創新間的邏輯鏈條，不僅為企業制定科學有效的數字創新戰略來提供了實證支持，也為政府部門深化數據要素市場化改革、引導數字創新和提高新質生產力發展水平提供決策依據。

二、制度背景和研究假設

（一）制度背景

黨的二十屆三中全會和“十四五”規劃都提出要深化數實經濟的深度融合，并將強化關鍵數字創新應用、推進產業數字化轉型上升到建設數字中國、提升全球競爭力的國家戰略高位。作為數字經濟時代的基礎性資源和戰略性資源，數據要素不僅能推動生產力和生產關系變革，形成高質量的可持續動力，也能深入推動創新驅動戰略的實施。因此，如何激活數據要素價值、賦能科技進步與產業發展成為關注焦點。

為此，我國政府不斷深化推動數據要素市場化的戰略布局并相繼出臺了系列政策，數據要素市場化進程實現了由單點大數據能力建設逐步向數據要素市場全局優化配置的轉化。2023年10月25日，國家數據局的正式成立更是標志著數據要素市場化引領數字經濟發展新模式地位的進一步確立。數據交易平臺是政府推動數據要素市場化，利用數字技術推動數據要素的流通和有效配置，保障數據要素的融通、交易和安全，發揮數據要素的“基礎性戰略資源”價值重要部署。自2014年中關村數海大數據交易平臺成立以來，數據交易平臺發展如雨后春筍，到2022年底共成立了47家數據交易平臺，覆蓋北京、上海、貴州和廣西等22個省份（自治區、直轄市）。各地數據交易平臺的相繼設立為本文考察數據要素市場化與企業數字創新的關系提供了合理的外生沖擊和因果識別場景。

（二）理論分析與研究假設

1.數據要素市場化與企業數字創新

數據是數字經濟時代的核心資源和生產要素，其自然屬性決定了只有經過市場有效配置和準確定價才能充分釋放其價值。一方面，技術與勞動和資本的不可分性制約了技術在更大范圍內傳播，而數據要素市場化改革的目的是促進數據要素自由流通和交易，盤活數據要素資產，使數據成為繼土地、勞動力、資本、技術之后的“第五個關鍵生產要素”。因此，數據要素市場化有助于將數據要素納入傳統企業生產函數中，促使企業催生出新價值創造方式的同時激發企業通過數字創新來提升競爭力的意愿和活力，驅動企業數字創新發展。另一方面，基于資源配置理論，數據要素市場化能打破信息壁壘和數據孤島，增強數據要素的流動性和強化企業內部創新資源的合理配置，為企業的數字創新活動提供足夠的資源支撐，進而促進企業數字創新［9-10］。此外，數據要素市場化還有利于實現跨行業和跨地域的數據資源重塑，形成數字產業集群，降低企業數字創新合作的時空限制和成本，且企業數字創新的同群效應也會對企業提升數字創新水平形成激勵和帶動效應。基于此，本文提出如下研究假設：

H1：數據要素市場化會對企業數字創新產生顯著的正向影響。

2.數據要素市場化影響企業數字創新的機制

（1）緩解融資約束。盡管數字創新是將數字技術與創新資源深度融合、通過改進或創造新事物而取得創新成果的行為，其本質仍是創新，因此數字創新同樣具有高投入、高風險和市場不確定性大等特點［3］。較強的融資約束和較高的融資成本所導致的研發資金不足是企業數字創新面臨的關鍵問題，而數據要素市場化則能降低企業內外部信息不對稱，以拓寬融資渠道和空間的方式優化企業融資環境來促進企業數字創新［12］。首先，數字創新需要充足且持續的資金支持，而在中國以銀行為中心的間接融資體系下，銀行貸款是企業獲得外部融資的主要方式。數據要素市場化可以幫助金融機構實時掌握企業財務信息，通過建立健全企業信貸資質的動態評價體系來提升企業信貸資金的可獲得性和配置效率，進而有力地緩解了企業面臨的融資約束［13］。其次，數字創新可視為企業的風險投資活動，在信息不對稱環境中容易遭到金融機構的信貸歧視。數據要素市場化則能提升企業信息披露質量和改善市場環境，在促使企業依據自身需求高效、快速地匹配資金來源而降低資金獲取成本和協商成本的同時，也有助于金融機構利用數字技術精準地分析企業數字創新以及融資過程中的薄弱環節和潛在風險，并根據不同情況對企業實施差異化的金融支持政策，為企業數字創新提供高質量的信貸供給，這在一定程度上降低了融資成本。

（2）降低企業成本。鄭國強等（2023）［9］指出企業往往會因為較高的生產成本和交易成本而減少新興技術研發投入，進一步阻礙企業以數字創新戰略來驅動新質生產力的形成。數據要素市場化一方面通過加速數據資源與其他生產要素相結合來實現生產方式的數字化轉型，能吸引更多的數字化投資、推動數字技術變革來挖掘企業產品和服務創新潛力，以降低技術成本賦能企業數字創新［14］。另一方面，數據要素市場化既能提升企業內外部信息的交流效率，又能通過產生強大的技術溢出效應來降低企業進行數據搜集和匹配的成本。同時，數據要素市場化還有利于打破企業數字創新主體的時空界限，促進創新過程中數據來源的精準性和數據交易的透明性，通過降低企業監督成本、驗證成本和違約成本等方式來激發數字創新活力［15］。此外，數據要素市場化有利于向企業及時反饋市場信息，有效降低企業數字創新成果市場適應性和可行性的評估成本和閑置成本，能為企業數字創新項目提供更多的資金支持，進一步提高企業數字技術創新成功率［16］。

（3）優化人力資本結構。具有能動性和創造性的人力資本是促進企業數字創新不可或缺的資源，具體表現在企業人力資本越高，越能跟蹤、吸收和應用數字技術發展前沿的知識和技術，也就越能在數字創新領域實現二次創新，進而提升企業數字創新水平。首先，數據要素市場化可以影響企業人力資本的供需結構，主要表現在數據要素市場化會使得企業內部縮減對低技能勞動崗位的需求，增加對自動化和智能化等數字技術領域高技能勞動力的用工需求［17］；同時，數據要素市場化還可以使企業可以在更大范圍內搜尋與自身需求相匹配的高技能勞動力人才［18］，形成勞動力供需間的最優配置。這意味著數據要素市場化可以實現高素質人才在質和量的積累，以更加優化的企業人力資本結構、更加強大的智力支持促進企業數字創新技術的轉型升級。其次，數據要素市場化賦能數字經濟發展還會帶來知識的溢出效應，激發勞動者潛力不斷提高自身的數字專業知識和技能，不僅有助于降低企業數字創新過程中的試錯成本與研發投入成本，還能夠加速數字創新成果應用到企業實際生產過程，提高企業的數字創新水平。綜上所述，本文提出如下研究假設：

H2：數據要素市場化可以通過緩解融資約束、降低企業成本和優化人力資本結構來促進企業數字創新。

三、研究設計

（一）樣本選擇和數據來源

鑒于中國數字經濟自2010年開始迅速發展的現實，本文選取2010—2022年的滬深A股上市公司作為研究樣本，在剔除被特殊處理和金融類的上市公司以及上市年限不足一年和存在數據嚴重缺失的公司樣本后，最終得到24843個公司-年度有效觀測值。本文所使用的上市公司財務數據和公司治理相關數據均來自CSMAR數據庫，數據交易平臺成立情況和企業數字經濟專利數據為人工收集，城市層面數據則來源于《中國城市統計年鑒》。此外，為減少極端值對回歸結果的影響，本文對連續變量進行首尾1%的Winsorize處理。

（二）模型構建與變量定義

1.模型構建

為研究數據要素市場化對企業數字創新的影響，借鑒鄭國強等（2023）［9］的做法，本文基于各地探索成立數據交易平臺這一外生事件沖擊，構建的多時點雙重差分模型如下：

DIi，t=β0+β1TPosti，t+β2Controlsi，t+Firmi+Yeart+εi，t（1）

其中，DI為企業數字創新水平，TPost是數據要素市場化，Controls為控制變量。Firm和Year分別代表企業個體和年份虛擬變量，以控制企業個體和年份固定效應，避免可能存在其他與公司個體特征相關遺漏變量對研究結果的影響。i和t則分別表示第i家上市公司和第t年，εi為不可觀測因素。在基準分析中，TPost的系數βi是本文關注的重點。該系數反映的是數據要素市場化對企業數字創新的影響程度。若βi顯著為正，則說明數據要素市場化會促進企業數字創新。

2.變量說明

（1）被解釋變量：企業數字創新水平（DI）。數字經濟專利的申請數量被認為可以有效反映企業數字創新水平，依據數字技術關鍵詞對專利申請文件內容進行文本分析，手工計算得到上市公司各年度內的數字經濟專利申請數量，在加1取自然對數后作為企業數字創新的測度指標。

（2）解釋變量：數據要素市場化（TPost）。借鑒鄭國強等（2023）［9］的研究，以公司所在地成立數據交易平臺作為數據要素市場化的準自然實驗。如果公司所在城市成立了數據交易平臺，則該年及以后年度的TPost賦值為1，否則為0。

（3）控制變量。考慮到其他因素對實證結果穩健性帶來的潛在影響，參考已有文獻［2，3］，本文的控制變量包括企業規模（Size）、企業年齡（Age）、資產負債率（Lev）、市賬比（MB）、資本支出比率（CAPEX）、總資產收益率（ROA）、托賓Q值（Tobq）、營業收入增長率（Growth）、固定資產比率（PPE）、機構投資者持股比例（IO）、第一大股東持股比例（Top1）、獨立董事比例（Indratio）、兩職合一（Dual）。同時，由于部分城市發展因素會對數據要素市場化與企業數字創新產生影響，本文又加入了一系列反映城市特征的控制變量：城市經濟發展水平（GDP_growth）和城市信息化水平（Int）。主要變量說明見表1。

（三）描述性統計

表2是對變量的描述性統計。由表2可知DI的均值為0.802，相當于企業平均有1.230（e0.802-1）個數字經濟申請專利；相應的標準差為1.277，說明企業數字創新水平在不同企業中存在較大的差異。TPost的均值為0.317，這代表31.7%的樣本企業受到了數據交易平臺成立這一外生事件的沖擊。控制變量的結果則與已有研究相似［9］。此外，各變量的VIF均值為1.65，最大值為3.91，遠小于臨界值10，說明本文的回歸模型不存在嚴重的多重共線性。

四、實證結果分析

（一）平行趨勢檢驗

雙重差分模型的有效性依賴于處理組和對照組在政策沖擊之前不存在時間趨勢差異，即如果沒有各地方成立數據交易平臺的外生沖擊，處理組與對照組的企業數字創新水平變動趨勢是一致的。參考Beck等（2010）［19］的做法，本文采用事件研究法進行平行趨勢檢驗。模型構建如下：

DIi，t=α+βi∑－mjnTPosti，t－j+γControlsi，t+Firmi+Yeart+εi，t"（2）

其中，TPosti，t-j表示企業i的所在地成立數據交易平臺這一“事件”前后第|j|年的虛擬變量，若企業i的所在地在t-j時期成立了數據交易平臺，則TPost=1，否則為0。βi表示樣本期的一系列估計值，其他變量的定義與模型（1）相同。由于兩端觀測值較少，借鑒舒浩等（2023）［20］的做法，將j＜-4的樣本統一歸至j=-4，將j＞4的樣本統一歸至j=4，并將數據交易平臺成立的前一年作為基準期。圖1給出90%的置信區間上的平行趨勢圖，可知在政策實施之前，βi均不顯著，且在零值附近波動，說明處理組和對照組的企業數字創新水平變動在數據交易平臺成立前不存在顯著差異，符合平行趨勢假設。在政策實施之后，βi的估計值顯著為正且其絕對值總體呈增長趨勢，說明各地方成立數據交易平臺所帶來的數據要素市場化促進了企業數字創新，且這一促進作用逐漸增大。

（二）基準回歸

在滿足平行趨勢假設的前提下，本文使用模型（1）進行回歸以探究數據要素市場化對企業數字創新的影響，回歸結果見表3。表3列（1）的回歸結果顯示，在僅控制企業固定效應和年份固定效應的情形下，TPost的系數為0.058，且在1%的水平上顯著，初步證明了數據要素市場化會正向顯著影響企業數字創新水平。列（2）在加入企業特征變量后，TPost的系數為仍在5%的水平上顯著為正（系數=0.051）。這說明數據要素市場化會顯著促進企業數字創新，驗證了研究假設H1。

（三）內生性處理和穩健性檢驗限于篇幅，內生性處理與穩健性檢驗結果未展示。如有需要，可向作者索取。

1．內生性處理

（1）PSM-DID。為排除實驗組和控制組的企業特征差異對研究結論可能產生的影響，本文嘗試采用傾向得分匹配法（Propensity"Score"Matching，PSM）來重新選擇控制組樣本。具體而言，本文首先以控制變量為匹配協變量，利用Logit模型計算傾向得分。然后，根據傾向得分在公司層面對樣本進行1∶1的無放回匹配。最終，本文共得到6038對實驗組-控制組樣本。基于式（1）對匹配后的樣本進行重新估計的結果可知TPost的系數為0.089且在1%的水平上顯著，說明數據要素市場化會對企業數字創新造成顯著的積極影響，與基準回歸結果相一致。

（2）安慰劑檢驗。為排除其他不可觀察特征導致的內生性問題對數據要素市場化與企業數字創新間正向關系的影響，本文采用虛擬政策發生時間和隨機模擬的方法進行安慰劑檢驗。第一，本文將各地方成立數據交易平臺的時間提前2年，重新設置TPost進行回歸，發現TPost的回歸系數在虛擬各地方成立數據交易平臺的時間后并不顯著，這說明數據要素市場化是促進企業數字創新的主要驅動力。第二，本文將隨機抽取上市公司和政策實施年份以構成虛擬的實驗組，并基于式（1）對這一虛擬實驗組進行重新估計。本文將這個過程重復1000次，得到基于虛擬實驗組和對照組樣本得出的虛擬回歸系數的t值的離散概率密度，發現基于安慰劑試驗的估計得到的虛擬回歸系數的t值分布在0左右且近似于正態分布。同時，只有11個虛擬回歸系數的t值大于實際回歸系數的t值，這說明模擬結果有98.9%的概率是正確的。綜上所述，安慰劑檢驗提供的證據表明本文的研究結論并非由未觀察到的公司或時間變化的遺漏變量所驅動的，具有穩健性。

2．穩健性檢驗

（1）替換企業數字創新的衡量指標。為緩解企業數字創新水平不同度量方式對研究結果造成的影響，以來自CNRDS數據庫的企業數字經濟專利申請量和授權量分別加1后的自然對數作為企業數字創新的代理變量。

（2）剔除研究樣本。①鑒于北京市、天津市、上海市和重慶市在發展數字經濟和促進數字創新方面存在經濟和政策方面的優勢，故剔除位于直轄市的企業樣本；②鑒于信息傳輸、軟件和信息技術服務業的上市公司多為高新技術企業，其數字創新的意愿、能力和水平要高于其他行業企業，因而剔除該行業的樣本企業。③考慮到Covid-19對整個經濟環境造成顯著的負面影響，可能會減緩企業數字創新進程，故剔除2020—2022年的樣本數據。

（3）替換回歸模型。由于企業數字經濟專利申請量為非負整數，直接使用普通面板模型會導致估計有偏，故采用負二項回歸模型和泊松回歸模型以緩解不同回歸模型對研究結論的影響。

（4）排除其他政策的影響。在各地成立數據交易平臺推進數據要素市場化改革對企業數字創新產生影響的同時，“寬帶中國”戰略試點政策（2014—2016年）和大數據綜合試驗區（2015—2016年）的創建都可能影響前文結果的穩健性。為排除以上政策對實證結果的干擾，本文參考別奧等（2023）［21］的研究，在模型（1）的基礎上加入虛擬變量Wideband和Bigdata作穩健性檢驗。

（5）高維固定效應。考慮到各行業和各省份的內部系統結構、外部生存環境都是動態變化的，會導致不同行業和不同省份之間在不同年份間存在發展的差異性。此外，省份間的差異性也會對本文研究結論產生影響。為此，本文在基礎回歸模型中進一步控制省份-年度固定效應和行業-年度固定效應，以排除隨時間變化的省份和行業的不可觀測因素對本文研究結論的影響。

（6）排除時間趨勢的影響。為緩解不同地區和行業間存在不同的時間趨勢，本文在基礎回歸模型中進一步加入省份與時間趨勢項的交互項、行業與時間趨勢的交互項。

（7）滯后一期。鑒于數據要素市場化對企業數字創新的影響存在滯后性以及減緩可能存在的內生性問題，本文將自變量和控制變量均滯后一期進行回歸。

上述穩健性檢驗均發現核心解釋變量TPost的回歸系數顯著為正，說明數據要素市場化會促進企業數字創新的研究結論具有穩健性。

五、進一步分析

（一）機制檢驗

以上研究發現數據要素市場化對企業數字創新具有顯著促進作用，但其中的作用機制仍需深入分析。根據前文的理論分析，數據要素市場化主要是通過緩解融資約束、降低企業成本和優化企業人力資本結構等三條路徑對企業數字創新產生積極影響。為驗證這一理論假設，本文基于江艇（2022）［22］對因果推斷關系的論證以及關于中介效應檢驗的操作建議，通過探究解釋變量對中介變量的影響效應來進行機制檢驗。

（1）緩解融資約束。數據要素市場化有助于拓寬企業外部融資渠道和空間，在一定程度上降低了企業的融資約束，以充足且持續的資金支持企業數字創新活動。本文選取SA指數來衡量企業融資約束程度，SA指數的絕對值越大，企業融資約束程度越高。表4列（1）的回歸結果表明，TPost的系數在10%的水平上顯著為負，初步證實了本文的推斷。進一步地，本文構建虛擬變量Fincon來表征企業融資約束程度，當企業融資約束水平屬于全樣本的前1/3時，Fincon取值為1，否則為0。列（2）的結果顯示TPost×Fincon的系數為0.085且在5%的水平上顯著，進一步論證了數據要素市場化對企業數字創新的促進作用在融資約束程度高的企業樣本中更為明顯。因此，數據要素市場化可以緩解企業融資約束，進而對企業數字創新產生促進作用的渠道是合理的。

（2）降低企業成本。基于資源基礎理論，數據要素市場化可以憑其特有平臺實現資源匹配和整合，不僅有助于企業以最低的成本快速獲得異質性資源，也能通過評估創新成果的適應性和可行性來引導數字技術變革。這也意味著數據要素市場化在降低企業數字創新項目成本的同時提高了數字創新項目的成功率，會對企業數字創新產生正向影響。本文采用銷售費用與管理費用之和同營業收入間的比率來刻畫企業的成本費用（Cost）。表4列（3）的回歸結果顯示，TPost的系數為-0.008，在1%的水平上顯著，初步證實了本文的推斷。進一步地，本文將企業成本以虛擬變量CostD的形式引入，并根據全樣本中位數將全樣本劃分為兩組，即當企業成本高于全樣本中位數時為高企業成本組，CostD等于1，否則取值為0。列（4）的結果顯示TPost×CostD的系數在1%的水平上顯著為正，這也意味著企業成本越高，數據要素市場化越有可能通過發揮成本緩釋作用來促進企業數字創新水平提升。因此，數據要素市場化通過降低企業成本進而提升企業數字創新水平的渠道是合理的。

（3）優化人力資本結構。數據要素市場化可以優化人力資本結構的供需結構，實現數字技術人才的集中，強化對數字創新領域的人力資本投入，進而以強大的智力支持企業的數字創新活動，有利于提升企業的數字創新水平。本文以本科及以上學歷的人才占比來刻畫企業的人力資本結構（HCS）。表4列（5）的回歸結果顯示，TPost的系數為0.010，在5%的水平上顯著，初步證實了本文的推斷。進一步地，本文構建數據要素市場化與人力資本結構的交乘項TPost×HCS，引入式（1）后的結果如表4列（6）所示。列（6）中TPost×HCS的系數為0.149，在10%的水平上具有顯著的統計意義，這也意味著數據要素市場化能緩解勞動力市場上的供需錯配，進一步優化企業人力資本結構，進而增強企業數字創新能力。

綜合以上分析可知，"數據要素市場化可以通過緩解融資約束、降低企業成本和優化人力資本結構來促進企業數字創新。因此，"研究假設H2"得到驗證。

（二）異質性分析

1."企業層面的異質性

（1）產權性質的異質性。相較于國企來說，非國有企業沒有政府背書，在信貸市場中更容易受到“歧視”，難以獲得充足且長期的資金支持企業的數字創新活動。表5列（1）和列（2）分別呈現了擱淺資產風險與公司價值在國有企業樣本（SOE）和非國有企業樣本（non-SOE）中的關系。結果顯示，TPost的系數只在非國有企業中以10%的水平顯著為正，而在國有企業中不顯著，且兩組系數存在顯著差異性。這說明數據要素市場化在一定程度上可以降低非國有企業的融資難度和融資成本，進而對非國有企業數字創新的促進作用產生更加顯著的影響。

（2）要素密集度的異質性。鑒于企業不同的要素需求可能有著不同迫切程度的數字創新需求，本文以研發支出比重（研發支出/應付職工薪酬）將企業分為技術密集型和非技術密集型兩類。表5列（3）和列（4）的結果顯示，TPost在技術密集型企業中的系數為0.155且在1%的水平上顯著，而在非技術密集型企業中不具有統計上的顯著意義，且兩組的TPost系數在10%水平上存在顯著差異。這說明相比較于非技術密集型企業而言，技術密集型企業會因其在創新設備、人才和技術等方面的天然優勢而進一步強化數據要素市場化對企業數字創新的促進作用。

（3）創新方式的異質性。根據企業創新的目的，企業數字創新可分為推動技術進步和提升競爭力的自主式創新以及迎合政府政策和監管需要的利用式創新［6］。相較于利用式創新，自主式創新代表著更高的創新要求和創新質量，需要更大的資本投入、更長的研發周期和更多的專業技術。本文根據企業申請的數字經濟專利類型將企業數字創新分為自主式創新和利用式創新，其中以數字經濟發明專利申請量來衡量自主式創新，以實用新型數字經濟專利申請量來測度利用式創新。表5列（5）和列（6）列所報告的回歸結果表明TPost的系數只在實施自主式數字創新的企業樣本中顯著為正，表明相較于實施利用式數字創新的企業而言，數據要素市場化有力地促進數據要素流動，強化了企業獲取數據要素的便利性，進而推動了企業自主數字創新進程，增加了企業數字經濟發明專利的數量。

2."地區層面的異質性

（1）地區經濟發展程度的異質性。數據要素市場化的進程會受到地區經濟發展程度的影響。根據企業總部的所在省份，將樣本分屬經濟發達地區和經濟不發達地區。表6列（1）和列（2）所顯示的回歸結果表明，經濟發達地區更容易促進數據要素市場化，能創造更好的數字經濟環境，為企業提供更多的資金支持和降低企業的研發支出成本，進而會對企業數字創新產生顯著的正向影響。

（2）地區數字經濟發展支持程度的異質性。地方制定和實施支持數字經濟發展的政策能在一定程度上打破阻礙數據要素流動的藩籬，進一步激發數字創新的動力。數字基礎設施作為數字經濟發展的信息“大動脈”，是地區推動數實經濟融合、提升數據資源配置效率的重要舉措，不僅能為數據要素市場化提供強大的支撐力，也為激發企業創新活力提供“新基遇”［23］。本文采用熵值法構建城市數字基礎設施水平的測度指標，城市數字基礎設施越發達即代表著該地區對數字經濟發展支持度高的也就越高，并根據其均值劃分數字經濟發展支持度高的地區和數字經濟發展支持度低的地區。表6列（3）和列（4）展示的是所在城市分別位于數字經濟發展支持度高的地區和支持度低的地區的企業樣本的回歸結果，可以發現在數字經濟發展支持度高的地區，TPost的系數為0.064，在5%的水平上顯著。相反，在數字經濟發展支持度低的地區，TPost的系數并不顯著。同時，組間系數差異在5%的水平上顯著。這表明，在數字經濟發展支持度高的地區，數據要素市場化有助于充分發揮數據要素的乘數效應，通過增強數據要素流通和提升數據要素配置效率來促進企業數字創新。

（3）地區數據開放水平的異質性。盡管中國的數據要素市場仍處于快速發展階段，但不同地區的數據開放水平卻存在較大的差異性。對于企業而言，地區數據開放水平越高，越能更加高效、快捷地獲取進行數字創新的信息和要素資源以加快新質生產力的躍遷。因此，根據企業所在地的“中國開放數林指數“中國開放數林指數”是我國首個專注于評估政府數據開放水平的專業指數，文中使用的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《中國地方政府數據開放報告》（2022年）。”將樣本分為兩組［24］，以考察區域數據開發水平對數據要素市場化和企業數字創新間關系的影響。其中，如果企業所在地的“數林指數”位于前25%，則被歸為地區數據開放高水平組；反之，則被歸為地區數據開放低水平組。表6列（5）和列（6）是基于式（1）分別對兩組樣本回歸后的結果，結果表明TPost的系數僅在地區數據開放水平高的樣本組中顯著為正，即數據要素市場化對企業數字創新的促進作用在數據開放水平高的地區更為顯著。可能的解釋是政府實施了更為廣泛的數據開放政策，為企業獲得優質數據資源提供了便利，在優化數字資源配置能力的同時也釋放了數據要素的價值，進而有力地提升了企業的數字創新水平。

六、研究結論與政策建議

數據要素市場化有助于激發數據要素活力和提升配置效率，是促進企業數字創新、驅動新質生產力躍遷的重要抓手。本文采用各地相繼成立數據交易平臺這一準自然實驗，基于2010—2022年滬深A股非金融類上市公司數據，通過構建多期雙重差分模型研究發現：（1）數據要素市場化能夠有效促進企業數字創新；（2）數據要素市場化主要通過降低融資約束、降低企業成本和優化人力資本結構，從而提升企業數字創新水平；（3）數據要素市場化對企業數字創新的促進作用在非國有企業、技術密集型企業和自主式創新型企業以及位于經濟發達地區、數字經濟發展支持度高的地區和數據開放高水平地區的企業中更為明顯。

基于研究結論，本文提出以下政策建議：

第一，總結并推廣數據交易平臺建設過程中的經驗和制度創新成果。（1）完善數字基礎設施建設，加大對城市數據交易平臺建設的財政支持力度，為激發企業進行數字創新提供引導；（2）不斷完善數據要素市場化的頂層設計，構建助力數據交易平臺發展的人才培育體系，為數據要素市場化發展提供專業人力資源保障；（3）建立安全可信的數據交易系統和標準以及風險防范機制，明確數據的所有權、使用權和交易權，為企業間的數據交易提供安全穩定的經營環境。

第二，探索差異化的數據要素市場化建設路徑。（1）對于經濟發達地區、數字基礎設施建較好地區以及政府數據開放水平較高地區，可大力推進數據交易平臺建設工作，發揮其對周邊地區數據要素市場建設的指引和帶動作用；而對于經濟欠發達地區、數字基礎設施建設較為落后地區、以及政府數據開放水平較低地區，則需給與專業的數字化人才和資金支持，同時做好相關宣傳工作，提升企業和居民的數字化轉型意識。（2）各地方政府在推動數據要素市場化過程中可嘗試探索完善針對不同類型企業的差異化政策，如針對國有企業、非技術密集型企業和非自主創新型企業在參與推動數據要素市場化過程中動力不足的現狀，可推動數據買家、第三方機構與之建立合作關系，通過合作伙伴的引入來豐富當地數據交易平臺的內容和服務。

第三，企業層面多措并舉，推進數據要素市場化。（1）抓住數據要素市場化改革的契機，強化數字創新意識，主動將數字創新納入企業的戰略決策中，同時做好促進數字創新的戰略導向以及相關支持政策的統籌規劃，不斷提升自身的數字創新能力和水平，實現高質量發展。（2）完善公司內部治理機制，企業應主動對外披露更多內部治理信息，緩解銀行與企業之間的信息不對稱，降低企業融資約束；同時，優化組織管理架構，降低企業經營成本；此外，企業還應通過引進高學歷、高技能人才優化企業人力資本結構，進而強化數據要素市場化對企業數字創新的推動作用。（3）與政府部門、監管機構等部門密切合作，主動對接政府數據交易平臺，充分發揮政府和市場“兩只手”的作用，形成數據資產多元化的管理協同機制，推進數據要素市場化進程，為增強企業競爭力和促進高質量發展提供保障。

參考文獻：

［1］"謝丹，王蕾.數字技術賦能國有企業科學決策和創新發展［J］.行政論壇，2023，30（5）：156-160.

［2］"陶鋒，朱盼，邱楚芝，等.數字技術創新對企業市場價值的影響研究［J］.數量經濟技術經濟研究，2023（5）：68-91.

［3］"胡增璽，馬述忠.市場一體化對企業數字創新的影響——兼論數字創新衡量方法［J］.經濟研究，2023（6）：155-172.

［4］"潘冬.知識產權示范城市建設能促進企業數字創新嗎？［J］.經濟體制改革，2023（5）：49-58.

［5］"Lu"Q.，"Deng"Y.，"Wang"X.，"et"al."The"Impact"of"China’s"Green"Credit"Policy"on"Enterprise"Digital"Innovation："Evidence"from"Heavily-polluting"Chinese"Listed"Companies［J］."China"Finance"Review"International，"2024，14（1）：103-121.

［6］"唐蓓，劉林熒.數字并購能夠提高企業的數字創新績效嗎？——基于A股上市公司的實證研究［J］.東岳論叢，2023（10）：142-153.

［7］"夏范社，何德旭.明星分析師第一名關注與企業數字技術創新［J］.山西財經大學學報，2023（11）：100-111.

［8］"匡慧姝，劉政，左勇華，等.信息技術背景高管能否推動企業數字創新？［J］.科學學研究，"2024（12）：1-20.

［9］"鄭國強，張馨元，趙新宇.數據要素市場化如何驅動企業數字化轉型？［J］.產業經濟研究，2023（2）：56-68.

［10］陳婷，段堯清，吳瑾.數據要素市場化能否提升城市創新能力——來自準自然實驗的證據［J］.科技進步與對策，2023（3）：1-10.

［11］鄭國強，張馨元，趙新宇.數據要素市場化能否促進企業綠色創新？——基于城市數據交易平臺設立的準自然實驗［J］.上海財經大學學報，2024，26（3）：33-48.

［12］鄧峰，楊國歌，任轉轉.Ramp;D補貼與數字企業技術創新——基于數字經濟產業的檢驗證據［J］.產業經濟研究，2021（4）：27-41.

［13］Liberti"J."M.，"Petersen"M."A."Information："Hard"and"Soft［J］."Review"of"Corporate"Finance"Studies，"2019，"8（1）："1-41.

［14］Zhuo"C.，"Chen"J."Can"Digital"Transformation"Overcome"the"Enterprise"Innovation"Dilemma："Effect，"Mechanism"and"Effective"Boundary［J］."Technological"Forecasting"and"Social"Change，"2023，"190："122378.

［15］陳曉紅，李楊揚，宋麗潔，等.數字經濟理論體系與研究展望［J］.管理世界，2022（2）：208-224+13-16.

［16］袁淳，肖土盛，耿春曉，等.數字化轉型與企業分工：專業化還是縱向一體化［J］.中國工業經濟，2021（9）：137-155.

［17］Banalieva"E."R.，"Dhanaraj"C."Internalization"Theory"for"the"Digital"Economy［J］."Journal"of"International"Business"Studies，"2019，50："1372-1387.

［18］Binder"A."J.，"Bound"J."The"Declining"Labor"Market"Prospects"of"Less-educated"Men［J］."Journal"of"Economic"Perspectives，"2019，33（2）："163-190.

［19］Beck，"T.，"Levine"R.，"Levkov"A."Big"Bad"Banks？"The"Winners"and"Losers"from"Bank"Deregulation"in"the"United"States［J］."The"Journal"of"Finance，"2010，"65（5）："1637-1667.

［20］舒浩，危平，別奧.轉型金融背景下擱淺資產風險對公司價值的影響［J］.金融經濟學研究，2023（6）：66-81.

［21］別奧，楊上廣，束云霞.城市電商化轉型能否促進碳減排？——來自國家電子商務示范城市試點的經驗證據［J］.產業經濟研究，2023（4）：1-14.

［22］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.

［23］Wernsdorf"K.，"Nagler"M.，"Watzinger"M."ICT，"Collaboration，"and"Innovation："Evidence"from"BITNET［J］."Journal"of"Public"Economics，"2022，"211："104678.

［24］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.

Impact"of"Data"Factor"Marketization"on"Enterprises’"Digital"Innovation

SHU"Hao1，"BIE"Ao2，"LI"Hongping1

（1.School"of"Economics"and"Management，"Anhui"Agricultural"University，"Hefei"230036，"China；

2.School"of"Business，"East"China"University"of"Science"and"Technology，"Shanghai"200237，"China）

Abstract：Data"is"fundamental"and"strategic"resources"in"the"digital"economy."Can"data"factor"marketization"promote"enterprises’"digital"innovation"and"drive"the"development"of"new"quality"productivity"has"become"a"topic"of"concern"in"academic"and"practice."The"study"takes"the"establishment"of"data"trading"platforms"in"different"regions"as"a"quasi-natural"experiment"of"data"factor"marketization，"and"examines"the"impact"of"data"factor"marketisation"on"enterprises’"digital"innovation"by"using"a"multi-temporal"difference-in-difference"model"based"on"the"data"from"companies"listed"on"Shanghai’s"and"Shenzhen’s"A-share"markets"between"2010"to"2022."The"empirical"evidence"shows"that"data"factor"marketisation"can"promote"corporate"digital"innovation，"and"reducing"financing"constraints，"saving"costs"of"firms"and"optimizing"human"capital"structure"are"the"mainnbsp;channels."Heterogeneity"analysis"finds"that"data"factor"marketisation"promotes"digital"innovation"is"particularly"evident"in"SOEs，"technology-intensive"firms"and"autonomous"innovation"firms，"and"in"firms"located"in"areas"with"economically"developed，"high"support"levels"for"the"development"of"the"digital"economy"and"high"levels"of"data"openness."

Key"words：marketization"of"data"elements;"enterprise"digital"innovation;"financing"constraints;"enterprise"cost;"human"capital"structure"

（責任編輯：趙春江）