水生态修复工程

数据要素与新质生产力：基于企业全要素生产率视角

史  丹   孙光林

提  要：新质生产力以全要素生产率提升为标志、核心是创新，数据要素对于提升创新水平与全要素生产率具有重要意义。本文将国家级大数据综合试验区试点作为一次准自然实验，基于我国2009—2021年制造业和服务业上市公司面板数据，利用双重差分模型识别数据要素影响企业全要素生产率的因果效应与作用机制。研究发现：数据要素显著提升了企业全要素生产率，且对服务业企业全要素生产率的影响大于制造业企业；经过一系列稳健性检验后上述结论依然成立。机制分析结果表明，数据要素主要通过数字化变革和创新对企业全要素生产率产生间接影响。调节效应表明，产业融合与数据要素会共同发挥作用、提升企业全要素生产率，且在中、高产业融合区域的作用效果没有显著差异，在低产业融合区域的效果不显著。

关键词：数据要素；新质生产力；企业全要素生产率；创新；产业融合

制造业“大而不强”和服务业低效率成为我国实现产业转型升级、高质量发展面临的困境之一。近十年来，新一轮科技革命和产业变革为生产力发展注入了新活力，前沿科技和新兴产业所涉及的创新活动与知识传播对生产力的再造超越了传统生产力的范畴，特别是当数据成为要素以后，其既作为生产资料又作为劳动对象参与到生产和交易，极大丰富了生产资料和劳动对象的类型，形成了以更新质态、更高质量为本质特征的新质生产力，从而实现生产力发展“量与质”的协调统一。

新质生产力以全要素生产率提升为标志，核心是创新，数据要素对于提升创新水平与全要素生产率具有重要意义。本文将国家级大数据综合试验区试点作为一次准自然实验，基于我国2009-2021年制造业和服务业上市公司面板数据，利用双重差分模型识别数据要素对企业全要素生产率的因果效应与作用机制。研究发现：数据要素显著提升了企业全要素生产率，且对服务业企业全要素生产率的影响要大于制造业企业，经过一系列稳健性检验后上述结论依然成立。机制分析结果表明，数据要素主要通过数字化变革和创新对企业全要素生产率产生间接影响。调节效应表明，产业融合与数据要素会共同发挥作用提升企业全要素生产率，且在中、高产业融合区域的作用效果没有显著差异，在低产业融合区域影响不显著。

为了充分发挥新质生产力对提升全要素生产率的作用，根据研究发现的作用机制，本文提出以下政策建议：

一是大力发展新质生产力，加快推动企业数字化变革。我国要充分发挥大数据综合试验区的示范作用，移植其先进经验和做法，加快企业的数字化改造，形成大中小企业协同、上中下游环节联通的数字化产业生态，开辟新的赛道形成竞争新优势。强化企业科技创新主体地位。发挥科技型骨干企业引领支撑作用，促进科技型中小微企业健康成长，推进创新链产业链资金链人才链深度融合。

二是加快新质生产力赋能传统产业改造、转型、升级，广泛应用数智技术、绿色技术，加快传统产业转型升级，激发传统产业活力。推进新型工业化，推进产业智能化、绿色化、高端化发展。积极培育新新兴产业，积极培育未来产业，培育发展新动能，实现新旧动能接续转换。利用大数据技术推动制造业与服务业融合，加快形成新产业、新模式、新业态。

三是坚持以科技创新引领新质生产力发展。要加快实现高水平科技自立自强，发挥科技创新对新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等产业发展的引领带动作用。加强应用基础研究和前沿研究，完善新型举国体制，强化战略科技力量，着力补短板、锻长板、强基础。一方面，要布局大数据中心、算力中心和超算中心等大数据技术基础设施，推动大数据技术创新以提升算力，从而提升云计算和人工智能等使用效率。另一方面，要注重培养大数据技术创新人才，通过加强高等院校、科研院所与人工智能、大数据等企业的合作，通过协同发挥作用实现资源共享与优势互补，从而为传统产业数字化创新与大数据技术创新提供人才支持。

 生态环境保护专项资金