大數(shù)據(jù)如何影響企業(yè)全要素生產(chǎn)率

謝賢君 郁俊莉

［摘?要］數(shù)字經(jīng)濟發(fā)展對企業(yè)技術進步展現(xiàn)出突出優(yōu)勢。文章從政策評估視角探討大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響，且依托企業(yè)是否進行大數(shù)據(jù)利用活動進行實驗組和對照組劃分，并借助2007—2020年上市公司數(shù)據(jù)，實證檢驗大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響。研究表明，大數(shù)據(jù)政策的確顯著促進了企業(yè)全要素生產(chǎn)率。機制分析顯示，大數(shù)據(jù)政策不僅提高了企業(yè)研發(fā)投入，也增加了企業(yè)收益，最終促進企業(yè)全要素生產(chǎn)率。進一步來看，無論在不同國有企業(yè)還是非國有企業(yè)中，無論科技密集型企業(yè)還是非科技密集型企業(yè)，大數(shù)據(jù)政策均能夠顯著促進企業(yè)全要素生產(chǎn)率；但大數(shù)據(jù)政策影響企業(yè)全要素生產(chǎn)率強度上存在不同企業(yè)“所有制屬性”“技術密集程度屬性”的差異，在非國有企業(yè)中，大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的促進作用更強，在科技密集型企業(yè)中，大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率促進效果更為明顯。

［關鍵詞］數(shù)字經(jīng)濟；大數(shù)據(jù)；企業(yè)全要素生產(chǎn)率

［中圖分類號］?F2707［文獻標識碼］?A［文章編號］?1673-0461（2023）08-0022-11

一、引言

黨的二十大報告強調(diào)，高質(zhì)量發(fā)展是全面建設社會主義現(xiàn)代化國家的首要任務，是關乎實現(xiàn)第二個百年奮斗目標的戰(zhàn)略保障，是以中國式現(xiàn)代化全面推進中華民族偉大復興的本質(zhì)要求，這就要求我們要堅持以高質(zhì)量發(fā)展推進和拓展中國式現(xiàn)代化。在新時代背景下，促進企業(yè)高質(zhì)量發(fā)展則是推進和拓展中國式現(xiàn)代化的必然要求，而提高企業(yè)全要素生產(chǎn)率則是促進企業(yè)高質(zhì)量發(fā)展的重要內(nèi)容。在全球新一輪科技革命、產(chǎn)業(yè)變革加速演進的趨勢下，以人工智能、大數(shù)據(jù)、區(qū)塊鏈等為基礎的數(shù)字技術不斷涌現(xiàn)，數(shù)字經(jīng)濟發(fā)展步伐顯著加快，不僅推進了市場化改革與市場化機制形成，也促進了數(shù)字經(jīng)濟和實體經(jīng)濟深度融合，還顯著增強了經(jīng)濟發(fā)展動力?？梢?，數(shù)字經(jīng)濟發(fā)展是數(shù)字時代推動高質(zhì)量發(fā)展實現(xiàn)中國式現(xiàn)代化的重要引擎，在此背景下，著力推動數(shù)字經(jīng)濟發(fā)展是全面提升數(shù)字中國建設的整體性、系統(tǒng)性、協(xié)同性的重要抓手。為此，如何更好地把握住數(shù)字中國建設這一重要機遇，探討數(shù)字經(jīng)濟政策如何促進企業(yè)全要素生產(chǎn)率并實現(xiàn)企業(yè)高質(zhì)量發(fā)展，是中國數(shù)字經(jīng)濟現(xiàn)階段面臨的重大發(fā)展課題。也是從政策維度探討研究中國數(shù)字經(jīng)濟發(fā)展問題并實現(xiàn)企業(yè)全要素生產(chǎn)率提升，這無疑是秉軸持鈞、動中肯綮。

首先，本文從政策評估視角基于上市公司微觀數(shù)據(jù)庫數(shù)據(jù)實證檢驗了“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”之間關系，有助于更好地解決內(nèi)生性問題。其次，基于研發(fā)創(chuàng)新投入、企業(yè)收益兩類渠道，更為全面、深入探討了大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響機制，有助于從微觀路徑方面理解大數(shù)據(jù)政策與企業(yè)全要素生產(chǎn)率之間關系。最后，基于不同企業(yè)所有制屬性、不同企業(yè)科技密集型屬性，探討了大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率影響的異質(zhì)性。本文的主要貢獻體現(xiàn)在以下三個方面：?第一，本文從微觀企業(yè)層面出發(fā)基于政策評估角度闡釋數(shù)字經(jīng)濟政策對企業(yè)全要素生產(chǎn)率的驅(qū)動效應和機制，進一步豐富了有關技術效應的研究，不僅是對現(xiàn)有文獻的深入拓展，也有助于解決內(nèi)生性問題。第二，重點驗證“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”的關系，著重判斷大數(shù)據(jù)政策在不同企業(yè)“所有制屬性”“技術密集型屬性”異質(zhì)性表現(xiàn)。第三，本文基于“研發(fā)投入”“企業(yè)收益”等渠道識別了大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率作用機制，有利于廓清大數(shù)據(jù)政策與企業(yè)全要素生產(chǎn)率之間影響機理。

二、文獻綜述

數(shù)字經(jīng)濟發(fā)展為企業(yè)全要素生產(chǎn)率提升提供了重要機遇。數(shù)字化轉型整體對企業(yè)全要素生產(chǎn)率具有顯著促進作用［1-3］。更多的是學者從數(shù)字技術創(chuàng)新［4］、人工智能、數(shù)字基礎設施建設以及數(shù)字化轉型等多個角度探討了數(shù)字經(jīng)濟發(fā)展對全要素生產(chǎn)率的影響。羅佳等（2023）［5］研究表明，數(shù)字技術創(chuàng)新與企業(yè)全要素生產(chǎn)率具有顯著的正相關關系，數(shù)字技術創(chuàng)新水平越高，意味著企業(yè)創(chuàng)新效率和資源配置效率越高，全要素生產(chǎn)率也越高。黃曉鳳等（2023）［6］研究認為，人工智能發(fā)展顯著提高了企業(yè)創(chuàng)新鏈、供應鏈和產(chǎn)業(yè)鏈的匹配程度，從而有利于提高制造業(yè)企業(yè)全要素生產(chǎn)率。黃漫宇和王孝行（2022）［7］研究表明，數(shù)字基礎設施、數(shù)字產(chǎn)業(yè)化和數(shù)字經(jīng)濟發(fā)展環(huán)境有利于降低資本錯配和勞動力錯配，從而提升企業(yè)全要素生產(chǎn)率。劉艷霞（2022）［8］研究認為，企業(yè)數(shù)字化轉型會促進效率變革和技術創(chuàng)新、提升決策效率和監(jiān)督有效性，從而提升企業(yè)全要素生產(chǎn)率。邱子迅和周亞虹（2021）［9］研究發(fā)現(xiàn)，建立大數(shù)據(jù)試驗區(qū)可推動數(shù)字產(chǎn)業(yè)創(chuàng)新和制造業(yè)智能化促進全要素生產(chǎn)率，且在經(jīng)濟欠發(fā)達、創(chuàng)新水平低和產(chǎn)業(yè)結構高度高的地區(qū)這種促進效應更強。涂心語和嚴曉玲（2022）［10］研究表明，數(shù)字化轉型加速企業(yè)間知識溢出進而促進企業(yè)全要素生產(chǎn)率。秦文晉和劉鑫鵬（2022）［11］研究發(fā)現(xiàn)，以“寬帶中國”試點為代表的網(wǎng)絡基礎設施建設能夠顯著提升創(chuàng)新水平進而促進全要素生產(chǎn)率。范合君和吳婷（2022）［12］研究指出，數(shù)字化能力的提升依賴于數(shù)字基礎設施，隨著數(shù)字基礎設施不斷完善，數(shù)字技術創(chuàng)新能力不斷增強，數(shù)字技術底層支撐作用不斷凸顯，數(shù)字應用場景不斷增加，這都有助于促進經(jīng)濟高質(zhì)量發(fā)展。張微微等（2023）［13］研究認為，我國數(shù)字經(jīng)濟發(fā)展顯著促進了全要素生產(chǎn)率，并存在一定的空間溢出效應。

進一步，李治國和王杰（2021）［14］研究認為，數(shù)字經(jīng)濟發(fā)展通過促進數(shù)據(jù)開發(fā)應用和數(shù)據(jù)傳播共享顯著優(yōu)化數(shù)據(jù)要素配置，從而提升制造業(yè)生產(chǎn)率，且這種效應在企業(yè)所有制、企業(yè)規(guī)模、城市規(guī)模以及區(qū)域位置等方面具有異質(zhì)特征。郭豐等（2022）［15］研究認為，融資約束改善、創(chuàng)新水平提升、企業(yè)數(shù)字化轉型是數(shù)字經(jīng)濟提升了企業(yè)全要素生產(chǎn)率的重要路徑和機制。王軍等（2022）［16］研究認為，數(shù)字經(jīng)濟發(fā)展有助于矯正勞動力、資本、技術等要素錯配問題，進而推升全要素生產(chǎn)率。但技術效率改善和技術進步的作用不可忽視，隨著數(shù)字經(jīng)濟發(fā)展，企業(yè)全要素生產(chǎn)率不斷提升，主要原因在于數(shù)字經(jīng)濟發(fā)展帶來了技術效率改善和技術進步［17］，同時也促進了人力資本積累和人力資本不斷升級，進而促進產(chǎn)業(yè)結構合理化和高級化發(fā)展，從而促進全要素生產(chǎn)率［18］。趙宸宇等（2021）［19］研究表明，數(shù)字化轉型對制造業(yè)企業(yè)全要素生產(chǎn)率具有顯著促進作用，且作用渠道主要通過創(chuàng)新能力提升、人力資本結構優(yōu)化、先進制造業(yè)和現(xiàn)代服務業(yè)融合發(fā)展以及成本節(jié)約來實現(xiàn)。

關于大數(shù)據(jù)與企業(yè)全要素生產(chǎn)率關系方面，史丹和孫光林（2022）［20］研究表明，制造業(yè)企業(yè)全要素生產(chǎn)率與大數(shù)據(jù)發(fā)展具有顯著的正相關關系，且提高大數(shù)據(jù)發(fā)展水平可通過促進企業(yè)創(chuàng)新、提升要素配置效率、提升數(shù)據(jù)賦能能力促進制造業(yè)企業(yè)全要素生產(chǎn)率。同時，也有研究表明，大數(shù)據(jù)能力能夠促進企業(yè)轉型升級［21］，數(shù)據(jù)要素也能提升企業(yè)全要素生產(chǎn)率。另外，還有部分文獻從“寬帶中國”試點、國家級大數(shù)據(jù)綜合試驗區(qū)建設角度探討了大數(shù)據(jù)要素對于推動數(shù)字經(jīng)濟發(fā)展的作用力。已有探討十分豐富，為本文進一步拓展分析提供了重要文獻支撐，但由于大數(shù)據(jù)政策也是推動大數(shù)據(jù)及其數(shù)字經(jīng)濟發(fā)展的重要驅(qū)動力，因此從大數(shù)據(jù)政策角度來探索企業(yè)全要素生產(chǎn)率的這一驅(qū)動力也不能忽視。另外，在數(shù)字經(jīng)濟實驗組和對照組區(qū)分上基于城市層面進行劃分，顯得較為宏觀，存在一定的劣勢，無法準確判斷何種企業(yè)處于實驗組與對照組，弱化了相應的解釋力，為此，通過文本分析法挖掘并提取企業(yè)年報中關于大數(shù)據(jù)關鍵詞條的研究方法，從而區(qū)分實驗組和對照組，進而從政策評估視角實證檢驗大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響，有助于更好地解決內(nèi)生性問題。

三、理論分析

（一）融資約束緩解效應

大數(shù)據(jù)政策可帶來大數(shù)據(jù)技術水平的提升，也可拓展大數(shù)據(jù)技術應用范圍，還可增強大數(shù)據(jù)技術使用深度，提升信息、信號傳遞質(zhì)量，進而有助于解決銀行與企業(yè)之間信息不對稱問題，使得銀行在為企業(yè)提供融資貸款過程中，有助于銀行評估、篩選具有生產(chǎn)率、競爭力、創(chuàng)新力的企業(yè)，進而讓銀行與企業(yè)之間更容易建立更加有效的溝通機制，增進雙方間的相互信任感，銀行也對企業(yè)債務與生產(chǎn)經(jīng)營能力形成更加穩(wěn)定的預期，從而提高企業(yè)商業(yè)信用水平，企業(yè)融通資金可獲得性也就越高。同時，大數(shù)據(jù)政策也將帶來企業(yè)數(shù)字化轉型，這種數(shù)字化轉型程度越高意味著更高質(zhì)量的技術和人才優(yōu)勢，是企業(yè)高質(zhì)量發(fā)展能力的一種體現(xiàn)，也是“具備數(shù)字信息識別技術優(yōu)勢和高質(zhì)發(fā)展的能力”的發(fā)展前景，這類企業(yè)也就越優(yōu)質(zhì)。并且這種數(shù)字化優(yōu)質(zhì)企業(yè)信號傳遞作用，可幫助商業(yè)銀行降低逆向選擇風險，實現(xiàn)企業(yè)資金更高融通效率，降低資本轉化損耗，也可幫助銀行提升貸款服務效率，增加企業(yè)融資可獲得性。總之，大數(shù)據(jù)政策不僅可帶來大數(shù)據(jù)技術水平提升、覆蓋范圍拓展、使用深度加深，也可帶來便捷的溝通交流機會，增進融資供給方與資金需求方信任，拓寬企業(yè)創(chuàng)新資金獲取路徑。也能夠極大地節(jié)約企業(yè)處理海量信息的成本，擴大內(nèi)外部的信息共享范圍與信息使用準確性，有效緩解外部信息不對稱程度，增加企業(yè)資金可獲得性。隨著融資約束的改善，增加企業(yè)創(chuàng)新研發(fā)投入水平和強度，從而促進企業(yè)全要素生產(chǎn)率。

（二）成本節(jié)約效應

一方面，大數(shù)據(jù)政策帶來以大數(shù)據(jù)為核心的底層數(shù)字技術發(fā)展能夠有效降低企業(yè)所面臨的外部交易成本［22］，進而增加企業(yè)創(chuàng)新績效，提高企業(yè)創(chuàng)新收益水平，提高企業(yè)價值和改善企業(yè)財務狀況。比如，大數(shù)據(jù)政策促進大數(shù)據(jù)技術發(fā)展不僅能夠提高信息透明度和時效性，進而降低信息搜尋、協(xié)商、談判和監(jiān)督等外部成本，從而形成企業(yè)內(nèi)外部交易成本節(jié)約［23］，推動企業(yè)創(chuàng)新利潤提升，增加企業(yè)價值水平。另一方面，大數(shù)據(jù)政策帶來以大數(shù)據(jù)為核心的底層數(shù)字技術發(fā)展的企業(yè)數(shù)字化轉型，可實現(xiàn)高效的信息、數(shù)據(jù)處理效率，可顯著改善企業(yè)委托代理成本，促進企業(yè)內(nèi)部治理，提高企業(yè)創(chuàng)新收益。例如，康?。?023）［24］認為以大數(shù)據(jù)、人工智能、云計算等為核心的數(shù)字技術的迅速發(fā)展和廣泛應用，為企業(yè)成本管控提供了技術支撐，為此，大數(shù)據(jù)政策帶來大數(shù)據(jù)技術發(fā)展實現(xiàn)更為高效的股東管理模式、交流溝通方式以及控制決策方法，為企業(yè)創(chuàng)新管理決策提供更加有效的方案，增加創(chuàng)新收益，顯著改善企業(yè)價值，進一步促進企業(yè)全要素生產(chǎn)率。

（三）流動性效應

大數(shù)據(jù)政策帶來以大數(shù)據(jù)技術為核心數(shù)字技術應用場景實現(xiàn)，可顯著強化市場的正面預期，顯著提升股票流動性［25］，也增加投資者交換股票的頻率和效率，改變大小股東對企業(yè)所有權結構，提高企業(yè)數(shù)字治理效率。進一步，股票流動性的提升，就是促進大小股東不斷交換股票，轉換所有權，形成一個較為穩(wěn)定、合理的所有權結構，使得股東投票權與所有權比例固定在一定范圍，有利于保證控制股東最大化企業(yè)價值。為此，流動性越高的證券意味著企業(yè)價值越高，企業(yè)全要素生產(chǎn)率也就越高。同時，企業(yè)價值最大化，將帶來管理者薪酬最大化，實現(xiàn)管理者創(chuàng)新有效激勵，從而實現(xiàn)企業(yè)價值和企業(yè)財務改善，促進企業(yè)全要素生產(chǎn)率提升?？傊瑹o論是大數(shù)據(jù)政策帶來的成本節(jié)約效應還是流動性效應，均可顯著改善企業(yè)價值，促進企業(yè)全要素生產(chǎn)率提高。

四、計量模型與數(shù)據(jù)說明

（一）政策背景

一直以來，在推進我國經(jīng)濟社會高質(zhì)量發(fā)展進程中，大數(shù)據(jù)占據(jù)了重要地位和發(fā)揮了極大作用。我國大數(shù)據(jù)政策具有較為清晰的發(fā)展脈絡與演變進程，為推動以大數(shù)據(jù)為核心的新型技術能力提升、新型技術應用以及打造更高水平的數(shù)字經(jīng)濟提供了基礎支撐。2014年中國政府工作報告首次將大數(shù)據(jù)列入政府報告中，使得大數(shù)據(jù)成為政府、學者等重要關注議題。2015年國務院發(fā)布了《促進大數(shù)據(jù)發(fā)展行動綱要》，這一大數(shù)據(jù)政策實施使得大數(shù)據(jù)正式上升為國家戰(zhàn)略層面，實施大數(shù)據(jù)發(fā)展政策是我國經(jīng)濟社會發(fā)展的重要戰(zhàn)略，這是大數(shù)據(jù)發(fā)展的里程碑。2017年我國實施了《大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃（2016—2020年）》，這標志著正式對大數(shù)據(jù)產(chǎn)業(yè)提出了專門規(guī)劃。特別是發(fā)布了一大批國家層面大數(shù)據(jù)行業(yè)相關政策，為大數(shù)據(jù)在不同行業(yè)的應用提供了助力。同年，黨的十九大報告提出，推動大數(shù)據(jù)與實體經(jīng)濟深度融合，提升了大數(shù)據(jù)對經(jīng)濟發(fā)展的貢獻度。2020年實施了《關于構建更加完善的要素市場化配置體制機制的意見》，將大數(shù)據(jù)列為新型生產(chǎn)要素，這無疑是夯實了大數(shù)據(jù)在生產(chǎn)要素之間的地位，也是《促進大數(shù)據(jù)發(fā)展行動綱要》這一政策的升華，對于提升技術進步具有重大價值。2021年《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》明確提出了推動大數(shù)據(jù)技術創(chuàng)新、培育數(shù)據(jù)全生命周期產(chǎn)業(yè)體系和完善大數(shù)據(jù)標準體系，這對規(guī)范大數(shù)據(jù)發(fā)展具有重要作用。實施大數(shù)據(jù)政策的首要目的就是發(fā)展以大數(shù)據(jù)為核心的新型技術，其次是提升大數(shù)據(jù)的應用能力，使得其成為一種生產(chǎn)要素，為了客觀反映大數(shù)據(jù)政策的根本目的和初始目標，落實發(fā)展大數(shù)據(jù)技術這一根本任務，并考慮政策實施具有滯后性，本文選取了《促進大數(shù)據(jù)發(fā)展行動綱要》這一大數(shù)據(jù)政策作為本文政策沖擊。

（二）計量模型

為了考察“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”之間的關系，本文首先構建計量模型并實證檢驗“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”之間的關系。并運用雙重差分法（DID）來實證檢驗大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率影響的因果效應，將《促進大數(shù)據(jù)發(fā)展行動綱要》這一政策作為外生沖擊變量。具體計量模型如模型（1）：

∑mk=1TFPk，i，t=α0+α1treati×postt

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（1）

其中，被解釋變量TFP表示企業(yè)全要素生產(chǎn)率；treati為個體虛擬變量，postt為時間虛擬變量，treati×postt為個體虛擬變量與時間虛擬變量交叉項；controli，j，k，t為一組包括企業(yè)規(guī)模、企業(yè)年齡、企業(yè)流動性、企業(yè)股東集中度等企業(yè)層面的控制變量；Indi表示企業(yè)固定效應；Yeart表示年份固定效應；εi，j，k，t表示隨機誤差項。另外，α1體現(xiàn)了數(shù)字經(jīng)濟政策實施前后企業(yè)全要素生產(chǎn)率的變化，是本文關鍵變量的待估參數(shù)。

（三）變量選取

1被解釋變量

被解釋變量為企業(yè)全要素生產(chǎn)率∑mk=1TFPk，i，t，其中，當k=1，2，3，4，5時，分別表示五種不同方法測度的企業(yè)全要素生產(chǎn)率，即分別基于普通最小二乘法（OLS）、固定效應法（FE）、半?yún)?shù)法（LP）、半?yún)?shù)法（OP）、最大似然法（GMM）所測度的企業(yè)全要素生產(chǎn)率，分別用TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM表示。

2政策沖擊變量

treati表示個體i是否位于《促進大數(shù)據(jù)發(fā)展行動綱要》政策的實驗組，為此，為了體現(xiàn)《促進大數(shù)據(jù)發(fā)展行動綱要》實驗組和對照組，本文將treat=1表示樣本期間內(nèi)進行大數(shù)據(jù)技術利用活動企業(yè)的組別，treat=0表示一直未進行大數(shù)據(jù)技術利用活動的組別。為研判企業(yè)是否進行大數(shù)據(jù)活動，將通過以下方法予以識別：利用文本分析法挖掘并提取企業(yè)年報中的關于大數(shù)據(jù)關鍵詞條，如果企業(yè)年報中出現(xiàn)大數(shù)據(jù)詞條頻次高于五次，則視為進行了大數(shù)據(jù)技術利用活動，否則，視為尚未進行大數(shù)據(jù)技術利用活動。其中，大數(shù)據(jù)活動主要包括了以下四個方面：一是大數(shù)據(jù)類型；二是大數(shù)據(jù)運用；三是大數(shù)據(jù)平臺；四是大數(shù)據(jù)內(nèi)容。具體如圖1所示。

圖1?大數(shù)據(jù)活動內(nèi)容

postt表示是否開始實施《促進大數(shù)據(jù)發(fā)展行動綱要》政策，如果是在政策發(fā)生當年和之后年份，則將post賦值為1，否則為0。即，2015年及其以后年份將post視為1，否則視為0。

3其他控制變量

企業(yè)規(guī)模（size）運用企業(yè)的總員工數(shù)來衡量，企業(yè)年齡（age）運用當年年份減去企業(yè)成立年份再加1來刻畫，企業(yè)流動性（ld）運用企業(yè)的流動資產(chǎn)總額與總資產(chǎn)比值來表征，企業(yè)股東權益集中度（gd）運用前五位大股東持股比例之和來表示。

（四）數(shù)據(jù)說明

1990—2002年，大數(shù)據(jù)發(fā)展正處于數(shù)據(jù)挖掘技術階段，屬于萌芽期；2003—2006年，大數(shù)據(jù)發(fā)展處于圍繞非結構化數(shù)據(jù)自由探索階段，屬于突破期；2006—2009年，大數(shù)據(jù)技術形成并運算，屬于成熟期，特別是2007年，數(shù)據(jù)密集型科學出現(xiàn)為大數(shù)據(jù)發(fā)展提供了科學基礎；2010年至今，大數(shù)據(jù)發(fā)展處于深化期。鑒于大數(shù)據(jù)發(fā)展成熟期以及數(shù)據(jù)密集型科學的出現(xiàn)，選取2007年作為樣本的起始年限。即，本文選取2007—2020年中國A股上市公司數(shù)據(jù)庫作為研究樣本的企業(yè)層面數(shù)據(jù)庫。該數(shù)據(jù)庫樣本期間涵蓋了全國31個省份（不含港澳臺地區(qū)）的各類企業(yè)，覆蓋了全部大類行業(yè)和絕大部分四位數(shù)行業(yè)，也詳細記錄了企業(yè)基本信息、財務數(shù)據(jù)和稅收繳納等情況，為研究微觀企業(yè)行為提供了豐富的數(shù)據(jù)資料。主要變量的描述性統(tǒng)計見表1，其中被解釋變量TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM與核心解釋變量的均值、最大值、最小值和標準誤均處于合理范圍之內(nèi)，可進行實證檢驗。

五、實證結果分析

（一）基本估計結果

表2基于模型（1）實證檢驗“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”關系的核心估計結果。列（1）～（5）均控制了時間和行業(yè)固定效應，結果顯示，DID指標（treat×post）對TFP_OLS、DID指標（treat×post）對TFP_FE、DID指標（treat×post）對TFP_LP、DID指標（treat×post）對TFP_OP、DID指標（treat×post）對TFP_GMM的估計歸系數(shù)均為正，并且通過了1%的統(tǒng)計顯著性檢驗，這表明以《促進大數(shù)據(jù)發(fā)展行動綱要》為代表的大數(shù)據(jù)政策的確有利于促進企業(yè)全要素生產(chǎn)率，從而有助于中國的企業(yè)高質(zhì)量發(fā)展。這一結論說明《促進大數(shù)據(jù)發(fā)展行動綱要》這一大數(shù)據(jù)政策的實施，企業(yè)全要素生產(chǎn)率平均提升了171%，效果十分顯著。大數(shù)據(jù)政策帶來大數(shù)據(jù)技術企業(yè)覆蓋面增加、使用深度加深、創(chuàng)新能力提升，進而提升數(shù)字技術底層支撐力度和拓展應用場景，有助于推動企業(yè)數(shù)字化轉型。而企業(yè)數(shù)字化轉型將形成資金成本優(yōu)勢，在預期收益一定的條件下，大數(shù)據(jù)政策帶來企業(yè)數(shù)字化能夠以較低的成本獲得轉型投資所需的足額資金，就會具有以低成本獲取資金來源的比較優(yōu)勢，改善融資約束，增加技術創(chuàng)新研發(fā)投入，提升企業(yè)全要素生產(chǎn)率。同時，大數(shù)據(jù)政策帶來企業(yè)數(shù)字化轉型，有利于加強數(shù)字化投資激勵，提升企業(yè)數(shù)字化投資經(jīng)營活動的利潤，進而將促使企業(yè)尋求進一步提升資本回報率的動機，形成企業(yè)對數(shù)字化投資的“推力”，促進企業(yè)數(shù)字化，提升企業(yè)全要素生產(chǎn)率。進一步，控制變量的系數(shù)符號基本符合預期，企業(yè)規(guī)模、企業(yè)年齡、企業(yè)流動性、企業(yè)股權集中度則對企業(yè)全要素生產(chǎn)率水平具有正向影響。

（二）內(nèi)生性分析

1遺漏變量處理

一是各省份出臺的大數(shù)據(jù)政策可能會對《促進大數(shù)據(jù)發(fā)展行動綱要》這一大數(shù)據(jù)政策形成疊加效應，例如，貴州省先后制定出臺了《貴州省大數(shù)據(jù)安全保障條例》《貴州省大數(shù)據(jù)發(fā)展應用促進條例》等法規(guī)，很可能對企業(yè)全要素生產(chǎn)率造成了疊加影響。為了真實反映大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響，刪除了貴州省樣本，如表3所示。結果研究發(fā)現(xiàn)，treat×post對TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估計系數(shù)為正，且DID項的估計系數(shù)仍在通過1%的顯著性水平檢驗，表明了大數(shù)據(jù)政策顯著促進了企業(yè)全要素生產(chǎn)率。

二是進一步考慮到直轄市經(jīng)濟資源稟賦和大數(shù)據(jù)發(fā)展意圖因素可能對《促進大數(shù)據(jù)發(fā)展行動綱要》政策具有一定的選擇性，本文進一步刪除上海市、北京市、重慶市、天津市樣本，如表4所示。結果研究發(fā)現(xiàn)，treat×post對TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估計系數(shù)為正，且DID項的估計系數(shù)仍在通過1%的顯著性水平檢驗，表明了大數(shù)據(jù)政策顯著促進了企業(yè)全要素生產(chǎn)率。

三是2016年實施了《國務院關于深化制造業(yè)與互聯(lián)網(wǎng)融合發(fā)展的指導意見》，通過采取一系列措施促進制造業(yè)轉型升級，推動制造業(yè)數(shù)字化、網(wǎng)絡化、智能化，這些措施不僅與數(shù)字經(jīng)濟密切相關，又可以推動制造業(yè)企業(yè)全要素生產(chǎn)率提高。為排除這一政策的影響，再次刪除了制造業(yè)樣本，如表5所示。結果研究發(fā)現(xiàn)，treat×post對TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估計系數(shù)為正，且DID項的估計系數(shù)仍在通過1%的顯著性水平檢驗，表明了大數(shù)據(jù)政策顯著促進了企業(yè)全要素生產(chǎn)率。

2平行趨勢檢驗

為進一步獲得更加可靠的實證檢驗估計結果，同時為檢驗實驗組和控制組是否滿足平行趨勢假定，采用估計模型（2）進行實證檢驗。

∑mk=1TFPk，i，t=α0+∑-2j=-1αltreati，t×postj，i，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（2）

如表6和表7所示，將核心解釋變量分別進行了前置1～2期處理，研究發(fā)現(xiàn)，在政策實施前1～2期的估計系數(shù)并未通過顯著性實證檢驗，說明是否進行大數(shù)據(jù)技術利用活動對企業(yè)全要素生產(chǎn)率并無差異性影響，而政策實施當期，相比較非大數(shù)據(jù)利用活動企業(yè)，利用大數(shù)據(jù)活動企業(yè)通過《促進大數(shù)據(jù)發(fā)展行動綱要》政策，顯著提升了企業(yè)全要素生產(chǎn)率，表明實驗組和控制組滿足平行趨勢假設，也再次證實了大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率具有顯著促進效應的可靠性。

六、大數(shù)據(jù)政策影響企業(yè)全要素生產(chǎn)率機制路徑的識別

為了刻畫大數(shù)據(jù)政策影響企業(yè)全要素生產(chǎn)率的機制路徑，本文選取了“研發(fā)投入”“企業(yè)收益”兩類渠道進行驗證。為此，選取計量模型（3）～（6）開展實證檢驗。

R&Di，t=α0+α1treati，t×posti，t+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（3）

∑mk=1TFPk，i，t=α0+α1treati，t×posti，t+βR&Di，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（4）

ROAi，t=α0+α1treati，t×posti，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（5）

∑mk=1TFPk，i，t=α0+α1treati，t×posti，t+βROAi，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（6）

模型（3）、（4）表示大數(shù)據(jù)政策通過“研發(fā)投入”渠道影響企業(yè)全要素生產(chǎn)率，模型（5）、（6）表示大數(shù)據(jù)政策通過“企業(yè)收益”渠道影響企業(yè)全要素生產(chǎn)率。為此，本文選取了兩組變量，第一組變量為研發(fā)投入（R&D，企業(yè)研發(fā)投入與營業(yè)收入的比值），刻畫大數(shù)據(jù)政策對企業(yè)研發(fā)投入的影響；第二組變量為企業(yè)收益（ROA，企業(yè)利潤總額與營業(yè)收入總額比值），刻畫大數(shù)據(jù)政策對企業(yè)收益的影響。

一方面，大數(shù)據(jù)政策帶來企業(yè)處理信息數(shù)據(jù)能力顯著提升，有助于信息不對稱問題、融資約束問題明顯緩解，進而增加企業(yè)研發(fā)投入；另一方面，大數(shù)據(jù)政策帶來融資約束改善，提高企業(yè)技術研發(fā)能力，提高企業(yè)技術創(chuàng)新產(chǎn)出和績效，增加企業(yè)收益水平，有助于企業(yè)全要素生產(chǎn)率提升。表8呈現(xiàn)了“研發(fā)投入”的機制識別實證檢驗結果。在列（1）中，DID的估計系數(shù)為正且高度顯著，大數(shù)據(jù)政策在很大程度上促進研發(fā)投入，即以《促進大數(shù)據(jù)發(fā)展行動綱要》政策所代表的大數(shù)據(jù)政策促進了企業(yè)研發(fā)投入。這說明，大數(shù)據(jù)政策可幫助企業(yè)實現(xiàn)更加豐富的信息搜集、解讀、分析，幫助企業(yè)緩解融資約束，增加企業(yè)創(chuàng)新投入，促進企業(yè)技術進步，提高技術創(chuàng)新的成功率。列（2）～（6）表明，R&D對TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估計系數(shù)為正，且估計系數(shù)至少在通過5%的顯著性水平檢驗，表明了企業(yè)研發(fā)投入顯著促進了企業(yè)全要素生產(chǎn)率。也進一步說明大數(shù)據(jù)政策顯著促進了企業(yè)研發(fā)投入進而促進企業(yè)全要素生產(chǎn)率。大數(shù)據(jù)政策帶來大數(shù)據(jù)覆蓋范圍、使用深度以及創(chuàng)新能力的改善，將推動更高水平的市場有效性，而有效市場將產(chǎn)生具有導向性的信息，且以價格為主要形式，即“所有價格反映所有相關信息”。以證券市場和股票市場為例，大數(shù)據(jù)政策將帶來數(shù)字底層技術和場景應用，進而促進數(shù)字經(jīng)濟發(fā)展，從而可使得弱式有效市場和半強式有效市場發(fā)揮重要功能，不僅可保證證券市場現(xiàn)行的價格反映所有過去價格和收益的一切信息，還保證股票價格反映過去和現(xiàn)在公開可獲得的信息，這必然形成均衡價格，促進資本等資源實現(xiàn)最優(yōu)配置。即證券和股票市場的價格信號，還使得資本流向經(jīng)濟體中各個產(chǎn)業(yè)的邊際收益趨同，達到總量均衡與結構均衡的最優(yōu)配置狀態(tài)，進而將資本導向生產(chǎn)率較高的企業(yè)。因此，大數(shù)據(jù)政策促進數(shù)字經(jīng)濟發(fā)展帶來市場有效性，使得市場價格反映所有相關信息，指導資本流動達到均衡的最優(yōu)配置狀態(tài)，提高信息處理效率，進而促進資源配置效率，顯著提升企業(yè)全要素生產(chǎn)率。

本文進一步就大數(shù)據(jù)政策影響企業(yè)全要素生產(chǎn)率的企業(yè)收益機制進行了檢驗，具體檢驗結果如表9所示。實證結果發(fā)現(xiàn)，在列（1）中，DID的估計系數(shù)為正且高度顯著，大數(shù)據(jù)政策在很大程度上提高企業(yè)收益水平。融資約束緩解激勵了企業(yè)加大創(chuàng)新投入，可為企業(yè)創(chuàng)造更高水平的創(chuàng)新技術以及引致更高效的生態(tài)場景，使得研發(fā)投入的產(chǎn)出績效水平得以提升。列（2）～（6）表明，ROA對TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估計系數(shù)為正，且估計系數(shù)至少通過1%的顯著性水平檢驗，表明了企業(yè)收益水平顯著促進了企業(yè)全要素生產(chǎn)率。大數(shù)據(jù)政策帶來企業(yè)數(shù)字化轉型，能夠在很大程度上降低信息不對稱程度，節(jié)約企業(yè)內(nèi)部成本，增加企業(yè)創(chuàng)新投入和促進企業(yè)技術進步，提高企業(yè)全要素生產(chǎn)率，同時，大數(shù)據(jù)政策帶來數(shù)字化技術深度開拓和挖掘數(shù)據(jù)，助力企業(yè)進行跨行業(yè)的拓展，提高企業(yè)利潤率和企業(yè)價值。借力數(shù)字經(jīng)濟發(fā)展，資源、客戶、技術等內(nèi)容的銜接度顯著提升，企業(yè)生產(chǎn)借助“乘數(shù)效應”驅(qū)動進而實現(xiàn)企業(yè)價值提升。這種企業(yè)利潤的改善，必然會提升企業(yè)研發(fā)創(chuàng)新的活躍程度、積極程度，推動企業(yè)全要素生產(chǎn)率提升。此外，大數(shù)據(jù)政策帶來企業(yè)數(shù)字化轉型，在提升了信息處理能力、融資能力以及成本節(jié)約能力后，必然會在一定程度上提升企業(yè)經(jīng)營的創(chuàng)新性和盈利性，也會對自身財務建制的完善提供基礎支撐，從而有助于提升財務穩(wěn)定性，提高企業(yè)收益水平。投資者投資之后，部分投資者受到某種沖擊，這部分投資者希望在非流動性項目獲利之前獲得資金，這種風險也容易導致對低回報率流動項目的投資動機。但是，隨著大數(shù)據(jù)政策實施帶來數(shù)字經(jīng)濟發(fā)展，將促進更加完備的股票市場，這部分投資者可以將其對非流動性項目生產(chǎn)技術利潤有求償權的股票通過股票市場轉售給他人，即通過股票市場轉售股票，而企業(yè)則可以永久地使用最初股東投資的資本，進而形成有效的長期資本投資，實現(xiàn)股票市場提供流動性風險分散機制。當越低的股票市場交易成本時，提供流動性風險分散能力越強，非流動性的高收益項目將得到越來越多的投資，增加企業(yè)收益，顯著改善企業(yè)全要素生產(chǎn)率。

七、不同屬性企業(yè)異質(zhì)性檢驗

表10和表11顯示了不同企業(yè)所有制屬性下實證檢驗結果。在不同所有制企業(yè)中，無論是國有企業(yè)還是非國有企業(yè)，大數(shù)據(jù)政策都能夠顯著促進企業(yè)全要素生產(chǎn)率，但進一步對比DID系數(shù)（treat×post），發(fā)現(xiàn)非國有企業(yè)中treat×post估計系數(shù)明顯高于國有企業(yè)中treat×post估計系數(shù)，說明相比國有企業(yè)，數(shù)字經(jīng)濟對非國有企業(yè)全要素生產(chǎn)率促進效應更強，特別是大數(shù)據(jù)政策帶來非國有企業(yè)數(shù)字化轉型更加明顯，由于非國有企業(yè)面臨更高更大的成本和競爭壓力，轉型動力較強，從而促進技術創(chuàng)新效果顯著，企業(yè)全要素生產(chǎn)率促進作用更強。

表12和表13顯示了不同企業(yè)科技屬性下實證檢驗結果。在不同科技密集型企業(yè)中，無論是科技密集型企業(yè)還是非科技密集型企業(yè)，大數(shù)據(jù)政策都能夠顯著促進企業(yè)全要素生產(chǎn)率，但進一步對比DID系數(shù)（treat×post），發(fā)現(xiàn)科技密集型企業(yè)中treat×post估計系數(shù)明顯高于非科技密集型企業(yè)中treat×post估計系數(shù)，說明相比非科技密集型企業(yè)，大數(shù)據(jù)政策對科技密集型企業(yè)企業(yè)全要素生產(chǎn)率促進效應更強，從而展現(xiàn)出了一定的差異化效果。

八、研究結論與政策啟示

為探究“大數(shù)據(jù)政策-企業(yè)全要素生產(chǎn)率”之間關系，從政策評估視角探討大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響，且依托企業(yè)是否進行大數(shù)據(jù)利用活動進行實驗組和對照組，并借助2007—2020年上市公司數(shù)據(jù)，實證檢驗大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響效應、機制和異質(zhì)性問題，研究表明：大數(shù)據(jù)政策實施的確對企業(yè)全要素生產(chǎn)率具有顯著的促進作用。以上結果在進行了一系列遺漏變量處理和平行趨勢檢驗后保持穩(wěn)健。機制分析顯示，大數(shù)據(jù)政策不僅提高了企業(yè)研發(fā)投入，也增加了企業(yè)收益，最終促進企業(yè)全要素生產(chǎn)率。進一步來看，無論國有企業(yè)還是非國有企業(yè)，無論科技密集型企業(yè)還是非科技密集型企業(yè)，大數(shù)據(jù)政策均能夠顯著促進企業(yè)全要素生產(chǎn)率；但大數(shù)據(jù)政策影響企業(yè)全要素生產(chǎn)率強度上存在不同企業(yè)“所有制屬性”“技術密集程度屬性”的差異。非國有企業(yè)與國有企業(yè)相比，在非國有企業(yè)中，大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的促進作用更強；科技密集型企業(yè)與非科技密集型企業(yè)相比，在科技密集型企業(yè)中，大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率促進效果更為明顯。

本文具有以下重要的政策啟示：一是健全新型技術政策體系，夯實數(shù)字技術發(fā)展支撐基礎。在順應數(shù)字經(jīng)濟發(fā)展浪潮下，要在牢牢把握數(shù)字經(jīng)濟發(fā)展機遇的同時，應加快建立健全新一代信息通信技術政策體系，積極推動人工智能、區(qū)塊鏈、云計算和大數(shù)據(jù)等數(shù)字技術發(fā)展，并推動以大數(shù)據(jù)為核心的數(shù)字技術在企業(yè)生產(chǎn)、管理、檢驗、反饋等多個環(huán)節(jié)的應用，增加以大數(shù)據(jù)為核心的數(shù)字技術在各區(qū)域、各行業(yè)、各企業(yè)的覆蓋面積、提升以大數(shù)據(jù)為核心的數(shù)字技術創(chuàng)新能力，加快企業(yè)數(shù)字化轉型，著實推動企業(yè)高質(zhì)量發(fā)展。二是要借力以大數(shù)據(jù)為核心的新型技術政策優(yōu)勢，著力推動企業(yè)數(shù)字化轉型發(fā)展。一方面著力推動商業(yè)銀行數(shù)字化轉型，提升信息整合、歸類、甄別、評估、利用效率，增加企業(yè)資金可獲得性，提高信貸資金配置效率，增加企業(yè)研發(fā)投入。另一方面全面發(fā)揮財政、稅收、金融、基金等優(yōu)勢，節(jié)約企業(yè)數(shù)字化投資交易成本，提高企業(yè)收益，增強其數(shù)字化轉型積極性，以此助力企業(yè)全要素生產(chǎn)率的提升。此外，著力建立健全大數(shù)據(jù)服務平臺機制，提高大數(shù)據(jù)服務行業(yè)、企業(yè)的效率，也要積極布局全域、局部大數(shù)據(jù)服務平臺和機構，增加服務數(shù)量和規(guī)模，提升大數(shù)據(jù)服務平臺和機構競爭力，扎扎實實服務企業(yè)數(shù)字化轉型，推動企業(yè)全要素生產(chǎn)率提升。三是考慮在不同所有制屬性企業(yè)和不同科技密集型程度企業(yè)中，大數(shù)據(jù)政策對企業(yè)全要素生產(chǎn)率的影響強度差異，預示著企業(yè)應該在遵循差異化、個性化發(fā)展原則的同時，也要增強企業(yè)內(nèi)外部信息共享平臺的建設，提升信息共享水平，依托數(shù)字化技術實現(xiàn)企業(yè)內(nèi)外部知識信息共享，促使知識、信息和經(jīng)驗在不同所有制屬性企業(yè)和不同科技密集型程度企業(yè)傳遞和溢出，實現(xiàn)以大數(shù)據(jù)為核心的新型技術創(chuàng)新協(xié)同，以此助力企業(yè)全要素生產(chǎn)率的提升。

［參考文獻］

［1］武常岐，張昆賢，周欣雨，等.數(shù)字化轉型、競爭戰(zhàn)略選擇與企業(yè)高質(zhì)量發(fā)展——基于機器學習與文本分析的證據(jù)［J］.經(jīng)濟管理，2022（4）：5-22.

［2］張焱.數(shù)字經(jīng)濟、溢出效應與全要素生產(chǎn)率提升［J］.貴州社會科學，2021（3）：139-145.

［3］徐芳芳.大數(shù)據(jù)驅(qū)動下的政府績效管理體系建設研究——基于“結構-過程-價值”理論模型［J］.當代經(jīng)濟管理，2022（9）：64-71.

［4］謝謙，郭楊.數(shù)字技術、創(chuàng)新要素結構優(yōu)化與企業(yè)全要素生產(chǎn)率［J］.北京師范大學學報（社會科學版），2022（6）：134-144.

［5］羅佳，張蛟蛟，李科.數(shù)字技術創(chuàng)新如何驅(qū)動制造業(yè)企業(yè)全要素生產(chǎn)率？——來自上市公司專利數(shù)據(jù)的證據(jù)［J］.財經(jīng)研究，2023（2）：95-109.

［6］黃曉鳳，朱瀟玉，王金紅.人工智能提升了中國制造業(yè)企業(yè)的全要素生產(chǎn)率嗎［J］.財經(jīng)科學，2023（1）：138-148.

［7］黃漫宇，王孝行.數(shù)字經(jīng)濟、資源錯配與企業(yè)全要素生產(chǎn)率［J］.宏觀經(jīng)濟研究，2022（12）：43-53.

［8］劉艷霞.數(shù)字經(jīng)濟賦能企業(yè)高質(zhì)量發(fā)展——基于企業(yè)全要素生產(chǎn)率的經(jīng)驗證據(jù)［J］.改革，2022（9）：35-53.

［9］邱子迅，周亞虹.數(shù)字經(jīng)濟發(fā)展與地區(qū)全要素生產(chǎn)率——基于國家級大數(shù)據(jù)綜合試驗區(qū)的分析［J］.財經(jīng)研究，2021（7）：4-17.

［10］涂心語，嚴曉玲.數(shù)字化轉型、知識溢出與企業(yè)全要素生產(chǎn)率——來自制造業(yè)上市公司的經(jīng)驗證據(jù)［J］.產(chǎn)業(yè)經(jīng)濟研究，2022（2）：43-56.

［11］秦文晉，劉鑫鵬.網(wǎng)絡基礎設施建設對數(shù)字經(jīng)濟發(fā)展的影響研究——基于“寬帶中國”試點政策的準自然實驗［J］.經(jīng)濟問題探索，2022（3）：15-30.

［12］范合君，吳婷.新型數(shù)字基礎設施、數(shù)字化能力與全要素生產(chǎn)率［J］.經(jīng)濟與管理研究，2022（1）：3-22.

［13］張微微，王曼青，王媛，等.區(qū)域數(shù)字經(jīng)濟發(fā)展如何影響全要素生產(chǎn)率？——基于創(chuàng)新效率的中介檢驗分析［J］.中國軟科學，2023（1）：195-205.

［14］李治國，王杰.數(shù)字經(jīng)濟發(fā)展、數(shù)據(jù)要素配置與制造業(yè)生產(chǎn)率提升［J］.經(jīng)濟學家，2021（10）：41-50.

［15］郭豐，楊上廣，金環(huán).數(shù)字經(jīng)濟對企業(yè)全要素生產(chǎn)率的影響及其作用機制［J］.現(xiàn)代財經(jīng)（天津財經(jīng)大學學報），2022（9）：20-36.

［16］王軍，張毅，馬驍.數(shù)字經(jīng)濟、資源錯配與全要素生產(chǎn)率［J］.財貿(mào)研究，2022（11）：10-26.

［17］郭吉濤，梁爽.數(shù)字經(jīng)濟對中國全要素生產(chǎn)率的影響機理：提升效應還是抑制效果？［J］.南方經(jīng)濟，2021（10）：9-27.

［18］楊慧梅，江璐.數(shù)字經(jīng)濟、空間效應與全要素生產(chǎn)率［J］.統(tǒng)計研究，2021（4）：3-15.

［19］趙宸宇，王文春，李雪松.數(shù)字化轉型如何影響企業(yè)全要素生產(chǎn)率［J］.財貿(mào)經(jīng)濟，2021（7）：114-129.

［20］史丹，孫光林.大數(shù)據(jù)發(fā)展對制造業(yè)企業(yè)全要素生產(chǎn)率的影響機理研究［J］.財貿(mào)經(jīng)濟，2022（9）：85-100.

［21］王鑫，劉克春，曾經(jīng)緯.大數(shù)據(jù)能力如何促進企業(yè)轉型升級——技術創(chuàng)新與商業(yè)模式創(chuàng)新的多重中介模型［J］.當代財經(jīng)，2022（7）：76-86.

［22］何帆，劉紅霞.數(shù)字經(jīng)濟視角下實體企業(yè)數(shù)字化變革的業(yè)績提升效應評估［J］.改革，2019（4）：137-148.

［23］杜傳忠，管海鋒.數(shù)字經(jīng)濟與我國制造業(yè)出口技術復雜度——基于中介效應與門檻效應的檢驗［J］.南方經(jīng)濟，2021（12）：1-20.

［24］康俊.數(shù)字經(jīng)濟賦能企業(yè)成本管控的影響機制與實現(xiàn)路徑研究［J］.當代經(jīng)濟管理，2023（2）：39-45.

［25］吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉型與資本市場表現(xiàn)——來自股票流動性的經(jīng)驗證據(jù)［J］.管理世界，2021（7）：130-144.

How?Big?Data?Policies?Affect?Enterprise?Total?Factor?Productivity

—Quasi?Natural?Experiments?from?the?Implementation?Outline

to?Promote?the?Development?of?Big?Data

Xie?Xianjun，?Yu?Junli

（School?of?Government?Management，?Peking?University，?Beijing?100871，?China）

Abstract：???The?development?of?the?digital?economy?has?greatly?promoted?the?technological?progress?of?enterprises.?This?article?explores?the?impact?of?big?data?policies?on?enterprise?total?factor?productivity?from?the?perspective?of?policy?evaluation，?and?divides?the?experimental?group?and?control?group?based?on?whether?the?enterprise?conducts?big?data?utilization?activities.?This?paper?also?empirically?tests?the?impact?of?big?data?policies?on?enterprise?total?factor?productivity?using?data?from?Ashare?listed?companies?in?Shanghai?and?Shenzhen?stock?markets?from?2007?to?2020.?Research?shows?that：?big?data?policies?have?indeed?significantly?promoted?enterprise?total?factor?productivity;??mechanism?analysis?shows?that?the?big?data?policy?not?only?increases?enterprise?R&D?investment，?but?also?increases?enterprise?revenue，?ultimately?promoting?enterprise?total?factor?productivity;?further，?big?data?policies?can?significantly?promote?total?factor?productivity?in?different?stateowned?and?nonstate?enterprises，?whether?they?are?technology?intensive?or?nontechnologyintensive;?however，?there?are?differences?in?the?intensity?of?the?impact?of?big?data?policies?on?total?factor?productivity?of?enterprises?among?enterprises?with?different?“ownership”?and?“technology?intensive?degree”.?Big?data?policies?have?a?stronger?promoting?effect?on?the?total?factor?productivity?of?nonstate?owned?enterprises?and?technology?intensive?enterprises.

Key?words：digital?economy;?big?data;?enterprise?total?factor?productivity

（責任編輯：李?萌）