数据要素市场化配置与区域经济发展

杨艳 王理 廖祖君

〔摘要〕数据交易平台建设是当前推进数据要素市场化配置的重要手段之一，数据交易平台的有效性与可推广性在一定程度上体现了数据要素市场化配置效率的高低。2015—2017年间，地方数据交易平台的大量涌现，为探究数据要素市场化配置与区域经济发展的因果关系提供了很好的研究素材。本文从地方数据要素交易平台的视角出发，使用2009—2019年长江经济带107个地级（直辖）市的面板数据，将DMSP/OLS与NPP/VIIRS的一致校正灯光强度作为地方经济发展水平的代理变量，运用多期DID实证评估了建立数据交易平台对区域经济发展的影响。研究发现，地方政府参与建立数据交易平台能够显著推动区域经济发展，企业主导型数据交易平台整体上不能促进地方经济发展;从业务模式上看，混合数据交易平台要优于第三方数据交易平台。此外，地方数据交易平台可以通过降低企业决策成本、改善就业环境以及带动产业结构升级等途径促进区域经济发展，而技术创新与全要素生产率不是地方数据交易平台影响区域经济发展的传导机制。

〔关键词〕数据要素;数据交易平台;经济发展;卫星灯光数据

〔中图分类号〕F127〔文献标识码〕A〔文章编号〕1000-4769（2021）06-0038-15

一、问题的提出

2020年4月9日发布的《中共中央国务院关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》），首次将数据认定为可以与土地、劳动力、资本和技术等传统生产要素并列的、并能参与分配的新型生产要素。随着新一代信息技术逐渐进入大规模商业化应用阶段，数据开始快速大量积累。国际数据公司IDC在其研究报告《数据时代2025》中指出，2010年以来全球新增数据资源规模以年均27%左右的速度增长，2018年全球新增数据总量约33ZB，其中中国新增数据占比23%，超过美国新增数据占比的21%，成为全球数据资源最大的“生产工厂”。①2017年中国大数据产业规模达到4700亿元，同比增长30%;2018年中国大数据产业规模突破6000亿元。②数据作为数字经济的核心生产要素，在促进新经济、培育新业态和催生新模式上的作用前所未有，已逐渐成为能够类比土地和能源的基础性战略资源③，是助力中国实体经济与数字经济深度融合、加速“中国制造”向“中国智造”转变的关键抓手。因此，积极探索数据要素市場化配置体制机制，对于推动中国经济转型升级、构建新发展格局和实现高质量发展具有重要意义。

建设数据交易平台是近年来地方政府与数字经济企业在思索“如何推进数据要素市场化配置”进程中做出的实践性探索。数据交易平台是以实现数据交易为核心，促进数据融通、交易、设计、服务协同发展的数据交易场所，通过平台可以保障数据提供方的变现需求、丰富数据经纪人的产品开发平台以及拓展数据需求方的数据获取渠道。相较于欧美日韩等发达国家，中国数据交易平台起步较晚，发展至今大致出现了三个阶段：阶段Ⅰ是中国刚刚跨入大数据元年（2013年）④、全球数据增长大爆发的重要节点⑤，并于2014年2月成立了首个地方参与性质的数据交易平台——中关村数海大数据交易平台，成为中国探索数据要素市场配置关键一环;阶段Ⅱ出现在国务院印发《促进大数据发展行动纲要》前后（2015—2017年），即大数据开始逐步深入影响全球生产、流通、分配和消费活动，以及社会生活方式、经济运行机制和国家治理能力的时期，这期间成立了以贵阳大数据交易所为代表的众多地方政府参与型数据交易平台;阶段Ⅲ主要表现为数据交易平台的多样化，即以部分数字经济企业为主导的数据交易平台公司开始参与到数据交易市场竞争。这类企业主导型数据交易平台，既有衍生于大型互联网企业的，例如淘数据（2014年）、京东万象（2015年）等，也有数据服务公司、信息科技公司自建的，例如万维易源（2015年）、聚合数据（2018年）等。⑥

政府参与型数据交易平台（以下简称“地方数据交易平台”）曾是地方政府推动大数据发展与探索数据要素市场化配置的重点建设项目，但短短几年，这种数据交易模式就处于停滞状态。除2015—2017年集中建立的12个地方数据交易平台外，2017年以后再没有新增地方数据交易平台，直到《意见》的发布，天津、广西等地区又才开始宣布建立平台。地方政府主导建立数据交易平台这一模式是否有效并可推广，是现阶段中国关注的重点问题。数据交易平台的重要作用是促进数据要素自主有序流动，从而更好发挥其倍增效应以推动经济发展。因此，能否促进区域经济发展就成为数据交易平台有效性与可推广性的关键体现。目前，关于认清建立数据交易平台对区域经济发展的影响还存在以下三个待解决的重要问题：一是地方政府参与建立数据交易平台能否推动地方经济发展。中国在数据要素市场化配置上的探索才刚刚起步，在没有制定市场布局规划、完善行业发展指导和缺乏有力研究论证的当下，一些地方政府基于政绩导向，鼓励并参与建设了一大批数据交易平台，这类地方数据交易平台能否真正带动区域经济发展是一个迫切需要得到回答的问题。二是企业主导型数据交易平台进入市场能否推动地方经济发展。随着国家对大数据产业的重点支持，企业主导型数据交易平台开始出现，这类为“抢抓”政策红利而生的平台，往往在资金、技术、人力等方面投入不足，数据交易服务缺乏专业化、精细化，难以为用户提供长期有效的数据服务。在这种情况下，企业主导型数据交易平台的作用就有待思考。三是政府参与型数据平台与企业主导型数据交易平台相比谁更有效。目前，企业主导型数据交易平台与地方政府参与型数据交易平台并存于数据要素交易市场，后者在政务数据的获取上有着绝对优势，在数据交易服务中的监管力度也较大，而前者的服务范围更加宽泛多样，在满足客户差异化需求方面具有一定优势。因此，对这一问题的回答不仅可以知道现阶段应该重点建设以谁为主体的数据交易平台，也能为地方政府进一步探索数据要素市场化配置提供参考。

针对上述三个问题，本文将数据交易平台的设立作为一项拟自然实验，利用2009—2019年长江经济带107个地级（直辖）市的面板数据，使用夜间连续灯光数据作为地方经济发展水平的代理变量，运用多期双重差分法首次实证评估建立数据交易平台对区域经济发展的影响。

二、文献回顾

数据要素的概念通常有广义与狭义之分，对于广义的数据要素，大多数国内外学者都倾向于将其界定为信息。数据通常包括未经处理的数字、词语、声音、图像等，对数据按照某种有意义的方式进行排列组合就成为信息。蔡跃洲等指出，数据最初就是在测量或统计中产生，并可以被记录下来用于计算、讨论和决策的信息和事实。⑦对于狭义的数据要素，则专指在数字经济时代下，通过二进制编码转化成比特形式并被计算机设备进行处理和存储的字符串信息。⑧

目前，学术界关于数据要素市场化配置的研究仍处于起步阶段，且大多集中在数据要素的确权、价值估算与定价、收益分配机制等方面。李刚等运用现代产权理论对数据要素确权进行了研究，认为平台对数据的要素化起关键作用，理应获得相应数据的产权，同时应当通过外部规制来避免数据要素产权归属出现扭曲。⑨Shen等基于数据用户获利最大化，提出了一种基于元组粒度的个人数据定价模型，通过对影响数据价值属性的调查，最终实现对数据的定价。⑩方元欣和郭骁然在借鉴实物资产评估的方法基础上，从市场法、收益法和成本法的角度对现有的数据要素价值评估方法进行了归类。Acquisti等认为需要建立一种合理的数据分红机制，才能保证数据所有者与使用者的社会福利最大化。蔡跃洲和马文君认为数据处理和使用过程中的收益分配，应基于对数据要素价值或其创造价值能力的合理準确估算。

在数据要素与经济发展的关系层面， Goldfarb和Trefler认为在效率提升与价值创造方面，数据要素所表现出来的边际收益递增会在某个特定阶段开始显现。Farboodi和Veldkamp则认为企业运行效率的提升存在“天花板”，新增或积累的数据要素同其他要素一样，在提升效率上依然遵循边际报酬递减规律。Streel等指出在金融市场上，凭借大数据分析可以更好地预测企业价值，降低了金融机构因掌握企业信息不足所产生的信用投资风险和融资企业的资金成本，进而提高了资本要素配置效率。Jones和Tonetti认为数据要素与其他生产要素结合所表现出来的倍增效应，本质上是数据要素非竞争性特征实现的规模效应，并通过构建不变替代弹性的生产函数对该机制进行了解释。于施洋等认为数据要素对国民经济各部门都具有辐射和带动效应，能够促进全要素生产率的提升。蔡跃洲和马文君指出，数据要素与人工智能技术结合可以提升企业研发效率，这种知识创造效率的提升成为全要素生产率提升的重要原因之一，同时，深度使用数据要素的新一代信息技术对产业结构也会带来重要影响。

数据要素对经济发展除了有促进作用，其负面影响也不容忽视。由于数据要素在市场中的价值体现愈发明显，一些互联网巨头开始凭借自身优势囤积数据并减少共享，以此实现数据垄断而获取超额利润。Yan和Haksar认为数据垄断将严重阻碍数据要素流动，影响经济健康运行。另外，数据要素的非排他性与易复制性可能使得同一种数据同时泄露给多个个体，而数据要素的非（部分）竞争性又会造成数据被这些个体应用于不同场景，导致数据所有者福利受损的风险。Jia等通过实证研究了欧盟《通用数据保护条例》的颁布对经济社会的影响，发现该条例的实施导致了欧盟境内企业融资金额下降约265%，并减少就业岗位约30000个。

可以看出，目前针对数据要素交易平台的研究很少，从实证层面探讨中国数据交易平台有效性与可推广性的研究更是寥寥无几。基于此，本文以2015—2017年初长江经济带沿线地区建立的数据交易平台为研究对象，探讨其对区域经济发展的影响。

三、研究设计

（一）夜间灯光数据的一致性校正

本文研究的重点是探讨建立数据交易平台对区域经济发展的影响。相较于传统的GDP指标，夜间灯光数据常被用来表征人类经济活动的空间分布与城市空间扩张，用夜间灯光强度衡量地区经济发展水平的优势主要体现在其不受主观统计误差、市场价格波动等因素干扰，同时它也包括了市场与非市场提供的商品和服务的价值量，因此夜间灯光数据能较为真实地表征一个地区的经济发展水平。目前，应用最多的夜间灯光数据主要包括两类：一类是前美国军事气象卫星捕获的数据（简称DMSP/OLS），另一类是美国国家极轨卫星捕获的数据（简称NPP/VIIRS）。前者受限于自身OLS传感器的逐渐失效与设计缺陷，现阶段能获取到的DMSP/OLS最终截止时间为2013年，自2013年起NPP/VIIRS开始替代DMSP/OLS并被广泛应用。

使用夜间灯光数据研究地区经济发展的前提是该数据具有长时间序列的一致性，即2009—2013年不同OLS传感器之间的数据要连续稳定，DMSP/OLS与NPP/VIIRS也要连续一致。由于本文研究所用样本数据跨越了两类灯光数据的断点期，且DMSP/OLS和NPP/VIIRS数据本身并不可比，因此本文借鉴李雪萍和贡璐、梁丽等的校正方法，同时对DMSP/OLS内部以及DMSP/OLS与NPP/VIIRS之间进行一致性校正。具体校正流程如图1所示：

图2给出了一致性校正后2009—2019年样本地区的夜间平均灯光强度（平均DN值），可以看出，该数据的平滑性已经具备了其作为长时间序列研究分析的基础。

图3显示了2009—2019年样本地区的校正平均DN值与地区人均实际GDP（以2008年为不变价）之间的线性拟合关系。从拟合优度以及相关系数的显著性来看，本文使用一致性校正后的夜间平均灯光数据作为样本地区经济发展水平的表征是合理的。

（二）绿色全要素生产率及其计算

新时代经济发展的重要内涵在于提升全要素生产率，数据要素可以在宏观层面放大微观经济运行效率的提高，进而通过提高全要素生产率促进经济高质量发展。那么，探索建立数据交易平台能否作用到地区全要素生产率进而影响区域经济发展是本文研究的重要一环。区别于传统全要素生产率，绿色全要素生产率考虑到期望产出中的污染排放、垃圾排放等问题，能够更加客观、全面地评价一个地区各种要素（通常是资本和劳动）的综合生产率，其生产率的测算值也更加逼近于真实值。绿色发展理念是新时代经济高质量发展的要求，也是高质量发展的评价准则之一，因此本文用绿色全要素生产率替代传统全要素生产率，并运用到数据交易平台影响区域经济发展的机制检验中。

参考Tone的做法，本文计算绿色全要素生产率的步骤如下：假设经济生产部门拥有n个决策单元（DMU），各个决策单元都有相应的投入向量、期望产出向量和非期望产出向量，分别用x∈Rm，yg∈Rs1，yb∈Rs2来表示，并定义矩阵：X=（xij）∈Rm×n，Yg=（ygij）∈Rs1×n，Yg=（ybij）∈Rs2×n。根据生产的实际情况，假设X>0，Yg>0，Yb>0，则本文将生产可能性集合P定义如下：

P={（x，yg，yb）|x≥Xλ，yg≥Ygλ，yb≥Ybλ，λ≥0}（31）

结合上文，SBMUndesirable模型的具体形式设定如下：

TFP=min1-1m∑mi=1S-iXi01+1S1+S2（∑S1r=1Sgrygr0+∑S2r=1Sbrybr0）

stx0=Xλ+S-;yg0=Ygλ+Sg;yb0=Ybλ+Sb

S-≥0，Sg≥0，Sb≥0，λ≥0（32）

其中，S-i、Sgr、Sbr分别表示第i0个决策单元的投入冗余量、正产出不足量和副产出超标量，S-，Sg，Sb为对应的向量;λ表示权重向量;TFP*为目标函数，且0≤TFP*≤1，当S1=Sb=Sg=0时，TFP*=1，决策单元有效率;当S-∪Sg∪Sb≠0时，TFP*<1，决策单元无效率;st为约束条件。最终，将所有指标的数值带入式（32）即可计算得到绿色全要素生产率。

（三）其他数据及变量的描述性统计

在实证检验数据交易平台建立影响区域经济发展的过程中，本文使用经过一致性校正后的夜间平均灯光强度变量作为被解释变量来表征地区经济发展水平，用数据交易平台是否建立的虚拟变量作为核心解释变量。另外，为尽可能地缓解遗漏变量偏误，本文结合现有研究并选取如下指标作为控制变量：第二产业增加值占比、第三产业增加值占比、移动电话年末用户数、从业总人口、资本存量、工业企业数、公共财政收入、电信业务收入、互联网宽带接入用户、科学技术支出、年末常住人口、普通高等学校教师数。以上所有指标数据均来源于《中国城市统计年鉴（2009—2019）》、各地级（直辖）市国民经济和社会发展统计公报、互联网，部分缺失数据通过插值法补齐。表1是相关数据说明以及变量描述性统计。

（四）基准模型设定

由于地方数据交易平台建立的年份不尽相同，为探究建立数据交易平台对区域经济发展的影响，参考Beck等的方法，本文构建如下多期双重差分基准模型：

pDNit=β0+β1Treati×Periodit+φ1Xit+αi+λt+εit（33）

其中，i代表地级（直辖）市，t代表年份，被解释变量pDNit代表i市在t年的夜间平均灯光强度。Treati是处理组虚拟变量，如果城市i所在省份（或直辖市）建立了数据交易平台Treati=1（该类城市以下简称“平台市”），否则为0（该类城市以下简称“非平台市”）;Periodit是实验期虚拟变量，若i市所在省份在t年建立了数据交易平台Periodit=1，否则为0。交乘项Treati×Periodit为核心解释变量，其系数β1反映了数据交易平台的建立对区域经济发展影响的平均效应。Xit表征了一系列的城市特征，是其他影响经济发展的控制变量。αi和λt分别为城市和年份的固定效应，εit为随机扰动项。

四、实证结果分析

（一）基准模型回归结果

表2报告了式（33）的估计结果，其中模型（1）僅控制了城市与年份固定效应，而模型（2）则报告了在控制一系列城市特征以及城市与年份固定效应后的结果。可以看到，变量Treati×Periodit的系数在1%的显著性水平上为正，表明地方数据交易平台的建立显著提高了平台市的夜间平均灯光亮度。根据表1模型（2），相对于非平台市，数据交易平台的建立使得平台市夜间平均灯光亮度增加了约202，2009—2019年平台市的夜间平均灯光亮度均值为2415，这意味着相对于非平台市，建立数据交易平台对平台市经济增长的贡献约为83%。

（二）平行趋势检验

运用多期双重差分法的重要前提是实验组与控制组要满足“平行趋势假设”。图4比对了平台市与非平台市夜间平均灯光强度的变化趋势，其中虚线左边是未建立数据交易平台的夜间平均灯光强度变化。可以看出，2009—2013年平台市与非平台市夜间平均灯光变化趋势基本平行，但2014—2015年却出现了差距扩大的趋势，因此需进行更为严谨的动态效应分析加以判断。

结合事件研究法，参考Beck等构建如下动态效应模型：

pDNit=β0+∑4k≥-6，k≠0θkDkit+φ1∑Xit+αi+λt+νit（35）

其中，Dkit代表设立地方数据交易平台这一事件的虚拟变量，当k>0时，若i市处于成为平台市后的k年时Dkit=1，否则Dkit=0;当k<0时，若i市是平台市且在建立平台前的-k年时Dkit=1，否则Dkit=0。在具体的分析中，本文以平台市建立数据交易平台的当年作为基准年，即k≠0。此时式（35）中Dkit系数θk的显著性就反映了实验组和控制组的夜间平均灯光强度是否存在显著性差异。图5报告了θk随时间变化的情况，其中横轴表示距离成为平台市前后的相对年份，纵轴表示θk估计值的大小，上下虚线为95%的置信区间。可以看出，在建立数据交易平台基准年之前的年份里，θk的估计值不显著异于0，因此实验组与控制组满足平行趋势的假设不能被拒绝。

（三）稳健性检验

1.使用PSMDID缓解选择性偏差

由于平台市（41个）与非平台市（66个）在城市数量上存在一定差距，为缓解可能存在的选择性偏差，本文利用倾向得分匹配方法（PSM），对控制组重新进行高斯核匹配。表3揭示了PSM前后相关变量在控制组与实验组中均值的差异情况，可以看出，匹配后控制组中的个体在各种变量上的特征都更加接近于实验组，这一点通过变量标准化偏差（图6）和倾向得分共同取值范围（图7）均可以得到印证。

为了在有效匹配的前提下使用多期DID，本文只采用匹配上的样本进行估计以保证条件重叠假定的满足，估计结果如表4所示，其中模型（1）和（2）的设定与基准回归中一致。从回归结果可以看出，虽然核心解释变量系数的估计结果有所变化，但地方数据交易平台的建立对平台市夜间平均灯光强度依然有显著的正向影响。

2.改变因变量衡量指标

（1）选用人均实际GDP。前文已经表明夜间平均灯光强度与人均实际产出具有高度的相关性，另外，文献也常常将人均实际产出作为表征经济发展水平的代理变量，因此本文将人均实际GDP作为被解释变量来考察建立数据交易平台对区域经济发展的影响。回归结果如表5模型（1）和（2）所示，平台市数据交易平台的建立显著促进了该区域人均实际产出增加。

（2）选用地区全年人均用电量。考虑到夜间平均灯光亮度与用电量之间的天然联系，本文进一步考虑选取全年人均用电量作为夜间平均灯光亮度的替代指标。从表5模型（3）和（4）可以看出，核心解释变量的回归系数为正，表明无论模型中是否控制城市特征，建立数据交易平台对平台市全年人均用电量都有显著的正向影响。

3.剔除多平台地区。长江经济带上建立地方数据交易平台的直辖市或省份包括上海、重庆、贵州、湖北、浙江、江苏，截止到2018年，除湖北与浙江建立了多处地方数据交易平台外（其中湖北三处，分别是东湖大数据交易中心、长江大数据交易中心、华中大数据交易平台;浙江两处，分别是浙江大数据交易中心、钱塘江大数据交易中心），其余地区均只建立了一处地方平台，这种差别可能会对研究结果带来潜在干扰。因此，本文将湖北与浙江从样本中剔除并重新进行回归，结果如表5模型（5）和（6）所示，平台市建立数据交易平台对区域经济发展的影响仍然显著为正。

4.安慰剂检验

（1）来自提前实验期的检验。为检验估计结果是否会受到平台建立时点的影响，假定将地方数据交易平台建立的时间依次提前至2010—2013年中的每一年，并同时构造相应的交乘项Treati×Periodit进行回归。若交乘项的系数不受平台建立时间设定的影响，则表明平台市夜间平均灯光亮度的变化是由建立数据交易平台引起的。表6的回归结果显示，在将地方数据交易平台建立的时间提前2—5年时，交乘项Treati×Periodit的系数均不显著。

（2）来自随机实验组的检验。从样本107个地级（直辖市）中随机抽取41个城市作为新的实验组，同时假设这41个城市建立了数据交易平台，而其他城市进入控制组，随后在新样本的基础上采用表2模型（2）进行估计。将上述随机抽样与估计的过程重复500次，由此得到500个Treati×Periodit系数的估计值，图8揭示了这些系数估计值的分布及其P值。图中，水平虚线表示10%的显著性水平，竖直虚线与横轴的交点是表2模型（2）中Treati×Periodit系数的真实估计值（20158）。从图8可以看出，500个抽样交乘项系数估计值都分布在真实估计值的左边，且绝大多数的P值大于01，由此可以认为，地方数据交易平台的建立对平台市经济发展的正向影响是显著且稳健的。

5.工具变量回归

基准回归结果表明建立地方数据交易平台能够显著促进区域经济发展，但这种基于OLS回归的方法不能解决可能存在的内生性问题。本文的内生性主要有两个来源：一是双向因果影响，某个地区的经济尤其是数字经济的快速发展势必加速数据的产生，数据交易会随之增加，在数据要素市场体系不成熟的阶段，个人或企业出于对数据交易安全的忧虑，往往希望通过地方数据交易平台这类具有合规性保障性的渠道进行交易，因而日益增多的数据交易需求就成为各个地方建立数据交易平臺潜在的内生动力;二是遗漏变量偏误，尽管面板数据固定效应和双重差分法能在一定程度上缓解那些不可观测的随时间或不随时间变换的因素影响，但仍不能完全排除目前难以刻画和度量的因素，例如各地区数据要素总量的变化等。

为缓解内生性问题，本文尝试采用工具变量法来进一步讨论估计结果的稳健性。借鉴Nunn and Qian的相关研究，本文用1969—1979年各省份固定电话总量与各市行政面积的比值构造了“年地均固话量”来作为地方数据交易平台建立的工具变量。其原因如下：第一，数据要素的爆炸式增长依托于互联网的全面普及，而中国互联网接入方式大致经历了通过电话线拨号的窄带接入（如PSTN、ISDN等）、宽带接入（如ADSL）再到现在的光纤宽带接入，可以看到历史上互联网的发展与固话业务的发展密切相关，固定电话普及率高的地区其互联网普及率也可能较高。第二，1969—1979年各地开通固定电话的原因往往并不是以服务地方经济发展为主，随着移动互联网的高速发展，这些改革开放前的固话数量对当前经济发展的影响已微乎其微。第三，本文计量模型中包含了城市与年份双固定效应，由于行政面积一般是外生且很难随时间变化，因此，本文用省级固话总量与下属地级市的行政面积之比构造工具变量，避免了省级数据直接运用到市级层面而出现的冗余问题。

表7报告了工具变量法的回归结果，模型设定与表2一致。具体而言，在内生性是否存在以及工具变量的有效性等问题上，Hausman、DWH、DavidsonMacKinnon的检验结果均表明上述内生性问题是存在的，同时模型（1）和（2）一阶段的F统计量远大于10，排除了弱工具变量问题。第二阶段的回归结果显示，无论是否控制城市特征，建立地方数据交易平台对区域经济发展的影响均与表2的基准回归结果相似。

五、进一步探讨

（一）不同类型数据交易平台的异质性分析

政府主导的政府参与型数据交易平台与企业主导的企业主导型数据交易平台，是中国数据交易平台的主要类型。尽管政府参与型平台与企业主导型平台之间的差别很明确，但两者在现实中依然均可开展以下两种业务模式：一是第三方数据交易平台，在平台注册会员中进行数据买卖双方的匹配，平台本身不参与交易，数据的定价、购买期限、使用方式和转让条件完全由提供方和需求方协商;二是混合数据交易平台，该类平台不仅是数据买卖双方进行交易的场所，其自身常常也会以数据提供方和服务商的身份参与数据交易。因此，现阶段数据交易平台可以进一步细分为如下四类，即政府参与型混合数据交易平台、政府参与型第三方数据交易平台、企业主导型混合数据交易平台和企业主导型第三方数据交易平台（如表8示例）。

地方数据交易平台的合理性与可推广性，即数据交易平台模式能否真正发挥社会经济效益，是现阶段中国探索数据要素市场化配置所关注的重点问题。前文已经论证了政府参与型数据交易平台对区域经济发展存在正向影响，但在更加细分的层面，数据交易平台对区域经济发展的影响是否也是如此。对于这个问题的探究将有助于理解当前的政府参与型平台与企业主导型平台谁更有效。因此，本文将分别从政府参与型第三方数据交易平台（以下简称“政府第三方平台”）、政府参与型混合数据交易平台（以下简称“政府混合平台”）、企业主导型第三方数据交易平台（以下简称“企业第三方平台”）以及企业主导型混合数据交易平台（以下简称“企业混合平台”）等四个层面，讨论不同类型数据交易平台对区域经济发展影响的异质性。

表9报告了异质性的情况，模型（1）和（2）的回归结果显示，政府第三方平台和政府混合平台对夜间平均灯光亮度的影响均是正向显著的，而且后者的影响要比前者高出约6698%。模型（3）的回归结果表明，在政府参与型数据交易平台存在的前提下，企业主导型数据交易平台进入市场后会对夜间平均灯光亮度产生负向影响，但不显著。模型（4）和（5）分别汇报了企业第三方平台和企业混合平台对夜间平均灯光亮度的影响结果，其中，企业第三方平台与企业混合平台的影响效应在1%的统计水平上分别显著为负和为正，并且也存在混合数据交易平台对区域经济发展的影响要大于第三方数据交易平台的情况。同时，无论平台类型是否细分，政府参与型数据交易平台都要比对应的企业主导型数据交易平台更加有效。

对于上述异质性的出现，本文认为主要有两方面原因：一是在不同平台的主体层面，政府参与型数据交易平台依托政府资源，不仅可以获取政务数据，还可以为政府部门提供数据清洗、定制、建模、分析、解决方案等服务。企业主导型数据交易平台的产生和发展，基本依靠市场的内在驱动，以盈利为主要目的，并采取市场化运行，政府不参与平台管理。因而，在数据要素市场化配置刚刚起步以及数据要素市场体系还很不成熟的阶段，政府参与型数据交易平台无论是在数据采集、政策红利、职责履行还是运行机制上都要优于企业主导型数据交易平台，其对区域经济发展的影响也更加积极。二是在不同平台的细分层面，第三方数据交易平台的职能本应是平台运营，仅承担平台安全维护和交易监督的责任工作，但部分平台却在为数据供应商提供数据清洗、分析和定制的服务，有违第三方管理身份的定位职责，平台运行制度疏于形式。混合数据交易平台既具有第三方管理身份又能自主運营，既是参与平台管理又是数据服务商，因此，混合数据交易平台出于自身利益考量，时常严格遵守平台的既定制度与规则，较第三方数据交易平台而言往往能够发挥更强的社会经济效益。

（二）数据交易平台影响区域经济发展的机制检验

上述研究结果表明，地方数据交易平台对区域经济发展具有促进作用，那么，影响发展的传导机制是什么？目前，关于数据要素影响经济发展机制的实证文献几乎没有，从已有的理论研究中可以看到，数据要素可能会通过促进技术创新、提升全要素生产率、降低决策成本、改善就业环境、影响产业结构升级等途径来推动区域经济发展。建立数据交易平台的目的是促进数据要素自主有序流动，因此，本文选取了一组变量作为机制检验的中介变量，它们包括：专利授权总量（千件），用来衡量技术创新程度;绿色全要素生产率，用来替代传统全要素生产率;城镇失业率（%），用来描述就业环境;限额以上内资企业工业总产值（十亿元），用来衡量因信息不足引致不确定性而带来的决策成本;第二三产业产出占GDP比重（%），用来表示产业结构升级。

构建如下数据交易平台影响区域经济发展的机制检验模型：

Zit=β0+aTreati×Periodit+φ0Xit+αi+λt+δit（51）

pDNit=β1+cTreati×Periodit+bZit+φ1Xit+αi+λt+εit（52）

其中，中介效应变量Zit包括专利授权总量、绿色全要素生产率、城镇失业率、限额以上内资企业工业总产值、第二三产业产出占比。Xit是一系列控制变量，由资本存量、工业企业数、公共财政收入、电信业务收入、从业总人口以及互联网宽带接入用户等指标组成。pDNit为夜间灯光平均亮度，αi和λt分别为城市和年份固定效应。

表10第（1）和（2）列分别报告了以专利授权总量和绿色全要素生产率为中介变量的机制检验情况，通过式（51）中交Treati×Periodit估计系数的显著性来看，数据交易平台对专利授权总量和绿色全要素生产率均没有显著影响，结合Sobel检验可以发现，数据交易平台通过促进技术创新以及提升全要素生产率来推动区域经济发展的这两种理论上的传导机制并不存在。第（3）列汇报了数据交易平台对夜间平均灯光亮度增长率的回归结果，交乘项Treati×Periodit的估计系数并不显著，这也从侧面印证了第（2）列的估计结果。以上结果表明，目前数据交易平台对区域经济增长的影响仍属于规模驱动而非效率驱动。

表11第（1）—（3）列分别汇报了以城镇失业率、限额以上内资企业工业总产值以及第二三产业产出占比为中介变量的机制检验情况。第（1）列的回归结果显示Treati×Periodit对城镇失业率的估计系数显著为正，并且Soble检验在10%的显著性水平上拒绝了中介效应不存在的原假设，说明数据交易平台可以通过降低当地城镇失业率来促进区域经济发展。第（2）列中交乘项Treati×Periodit对限额以上内资企业工业总产值的估计系数显著为正以及Soble检验在10%的显著性水平上拒绝原假设均表明，数据交易平台可以提高限额以上内资企业的工业总产值即降低企业决策成本，从而推动平台市的经济发展。第（3）列中交乘项Treati×Periodit对第二三产业产出占比的回归系数以及Soble检验的结果揭示了，数据交易平台通过促进产业结构升级进而推动区域经济发展这一机制是成立的。

六、结论与政策启示

市场经济的本质要求是生产要素的市场化配置，随着数据在数字经济乃至国民经济发展中的作用日益关键，数据要素市场化配置滞后于数字经济发展已成为中国社会主义市场经济面临的新问题。当前，中央还没有在地方开展数据要素市场化配置的正式试点，政府参与型数据交易平台就成为地方政府探索数据要素市场化配置的重要实践。因此，系统探究数据交易平台与经济发展的内在关系，对于认清地方数据交易平台这一模式的有效性与可推广性至关重要。本文将数据交易平台的设立作为一项拟自然实验，基于2009—2019年长江经济带107个地级（直辖）市的面板数据，并使用DMSP/OLS与NPP/VIIRS两种卫星灯光数据相互校正后的连续一致数据作为地方经济发展水平的代理变量，运用多期双重差分法实证分析了地方数据交易平台对区域经济发展的影响。

主要结论包括：（1）地方政府参与建立数据交易平台能够显著推动区域经济发展。在经济发展对地方数据交易平台的一系列回归估计中，核心交乘项的估计系数均显著为正，表明数据交易平台促进了区域经济发展，并且政府参与型混合数据交易平台的促进作用要比政府参与型第三方数据交易平台高出约6698%。（2）企业主导型数据交易平台进入市场后，其整体上并不能促进地方经济发展，但在平台的细分领域，企业主导型第三方数据交易平台显著抑制了区域经济发展，而企业主导型混合数据交易平台却能够推动区域经济发展。（3）从目前对区域经济发展的影响效果来看，地方政府参与建立数据交易平台要比企业主导型数据交易平台更加有效，在平台的细分领域也是如此。（4）现阶段，地方数据交易平台可以通过降低企业决策成本、改善就业环境以及带动产业结构升级等途径来促进区域经济发展，但技术创新与全要素生产率并不是地方数据交易平台影响区域经济发展的传导机制，这也印证了Farboodi和Veldkamp的部分观点。

本文的相关研究为充分认清数据交易平台这一现行数据要素市场化配置模式的有效性，提供了新的经验证据与政策启示。自2015年贵阳大数据交易所成立以来，受国家大力支持大数据产业发展的影响，地方政府基于政绩导向鼓励并主导了一大批数据交易平台的建设。由于缺乏合理的市场布局规划和行业发展指导，部分平台存在重复建设、服务领域同质化等现象;同时，受限于数据权属的界定困难，数据成交量也难以形成预期规模。然而，政府主导的无论是混合数据交易平台还是第三方数据交易平台，均可以通过降低企業决策成本、改善就业环境以及带动产业结构升级等途径对区域经济发展产生正面影响。因而，这种早期探索模式的有效性与可推广性应该是值得肯定的。此外，目前企业主导建立的数据交易平台对地方经济发展的作用不大。按照国外先进地区企业主导型数据交易平台的发展趋势，这种产生和发展来源于市场需求，且完全采取市场化运作机制同时政府不参与管理的模式，理应更能适应于市场竞争与发展，但在中国数据要素市场建设刚刚起步以及体量最大的政务数据尚未开放的阶段，地方政府主导建立的数据交易平台往往更加有效，而企业主导型数据交易平台有待在发展模式上做进一步探索。同时可以看到，数据要素市场化配置体制机制不健全、监管体系不完善以及相关法律法规缺失等问题是阻碍数据要素市场化配置顺利推进的“拦路虎”。尽管这些问题的解决依然有较长的路要走，但唯有破解上述问题，中国的数据要素市场建设才有可能推进下去且不会与数字经济发展脱钩，国内企业数字化转型方能行稳致远。

① 《美媒：中国将在数据竞争中超过美国》，2019年2月15日，https：//baijiahaobaiducom/s？id=1625493670611894982&wfr=spider&for=pc，2021年9月8日。

② 中商产业研究院：《〈2019年中国大数据产业市场前景研究报告〉发布》，2019年8月8日，https：//wwwaskcicom/news/chanye/20190808/1703001151070_2shtml，2021年9月8日。

③  于施洋、王建冬、郭巧敏：《我国构建数据新型要素市场体系面临的挑战与对策》，《电子政务》2020年第3期。

④ 吴杨：《大数据政策文本与现实的偏差及完善路径研究》，《公共管理学报》2020年第1期。

⑤ 2014年全球数据储量为66ZB（相当于7251亿个1TB容量的移动硬盘），同比增长5349%。数据来源：前瞻产业研究院https：//xqianzhancom/xcharts/？k=全球数据储量，2021年10月13日。

⑥   吴洁、张云：《要素市场化配置视域下数据要素交易平台发展研究》，《征信》2021年第1期。

⑦    蔡跃洲、马文君：《数据要素对高质量发展影响与数据流动制约》，《数量经济技术经济研究》2021年第3期。

⑧ 裴长洪、倪江飞、李越：《数字经济的政治经济学分析》，《财贸经济》2018年第9期;Maryam Farboodi and Laura Veldkamp，“A Growth Model of the Data Economy，”NBER Working Papers，2020.

⑨ 李刚、张钦坤、朱开鑫：《数据要素确权交易的现代产权理论思路》，《山东大学学报》（哲学社会科学版）2021年第1期。

⑩ Yuncheng Shen，Bing Guo，Yan Shen，Xuliang Duan，Xiangqian Dong and Hong Zhang，“A Pricing Model for Big Personal Data，”Tsinghua Science and Technology，vol.21，no.5（October，2016），pp.482-490.

方元欣、郭骁然：《数据要素价值评估方法研究》，《信息通信技术与政策》2020年第12期。

Alessandro Acquisti，Curtis Taylor and laid Wagman，“The Economics of Privacy，”Social Science Electronic Publishing，vol.54，no.13（2016），pp.442-492.

Avi Goldfarb and Daniel Trefler，“AI and International Trade，”NBER Working Papers，2018.

Maryam Farboodi and Laura Veldkamp，“A Growth Model of the Data Economy，”NBER Working Papers，2020.

Marc Bourreau，Alexandre de Streel and Inge Graef，“Big Data and Competition Policy： Market Power，Personalised Pricing and Advertising，”Centre on Regulation in Europe，2017.

Charles I.Jones and Christopher Tonetti，“Nonrivalry and the Economics of Data，”NBER Working Papers，2019.https：//www.nber.org/system/files/working_papers/w26260/w26260.pdf，September 8，2021.

Yan CarriereSwallow and Vikram Haksar，“The Economics and Implications of Data： An Integrated Perspective，”IMF Departmental Papers / Policy Papers，2019.

Hal Varian，“Artificial Intelligence，Economics，and Industrial Organization，”Ajay Agrawal，Joshua Gans and Avi Goldfarb，eds.，The Economics of Artificial Intelligence： An Agenda，Chicago：University of Chicago Press，2019，pp.399-419.

Jian Jia，Ginger Zhe Jin and Liad Wagman，“The ShortRun Effects of GDPR on Technology Venture Investment，”NBER Working Papers，2018.https：//www.nber.org/system/files/working_papers/w25248/w25248.pdf，September 8，2021.

这些地方数据交易平台包括：贵阳大数据交易所、上海数据交易中心、西咸新区大数据交易所、武汉东湖大数据交易中心、华东江苏大数据交易中心、长江大数据交易中心、浙江大数据交易中心、哈尔滨大数据交易中心、华中大数据交易中心、钱塘大数据交易中心、中原大数据交易中心、重庆大数据交易市场。可以看出，这些数据交易平台80%以上均分布在长江经济带沿线地区，故本文将研究对象界定在长江经济带上的数据交易平台。

Elvidge C.，Pettit D.，Imhoff M.，Nemani，R.，Pack，D.and Cinzano，P.，“Observational Considerations for Moderate Resolution Nighttime Lights，”Proc.SPIE 7081，Earth Observing Systems XIII，70810V（August 20，2008）;廖祖君、王理：《城市蔓延与区域经济高质量发展——基于DMSP/OLS夜间灯光数据的研究》，《财经科学》2019年第6期。

Paul C.Sutton and Robert Costanza，“Global Estimates of Market and Nonmarket Values Derived from Nighttime Satellite Imagery，Land Cover，and Ecosystem Service Valuation，”Ecological Economics，vol.41，no.3（2002），pp.509-527;張俊：《高铁建设与县域经济发展——基于卫星灯光数据的研究》，《经济学（季刊）》2017年第4期。

DMSP/OLS与NPP/VIIRS的卫星灯光影像下载官网：https：//wwwngdcnoaagov/ngdchtml。

OLS传感器的设计局限常导致DMSP/OLS影像之间不连续、像元DN值过饱和等问题，与DMSP/OLS相比，NPP/VIIRS的星下空间分辨率更高，对夜间灯光的探测能力更强。

采集数据的OLS传感器共6个，其工作年限存在差异，具体为：F10（ 1992—2014年）、F12（ 1994—1999年）、F14 （ 1997—2003年） 、F15 （ 2000—2007年） 、F16 （ 2004—2009年） 、F18 （ 2010-2013年） 。

李雪萍、贡璐：《DMSP/OLS和VIIRS/DNB夜间灯光影像的校正及拟合》，《测绘通报》2019年第7期;梁丽、边金虎、李爱农、冯文兰、雷光斌、张正健、左家旗：《中巴经济走廊DMSP/OLS与NPP/VIIRS夜光数据辐射一致性校正》，《遥感学报》2020年第2期。

金碚：《关于“高质量发展”的经济学研究》，《中国工业经济》2018年第4期。

Kaoru Tone，“A Slacksbased Measure of Efficiency in Data Envelopment Analysis，”European Journal of Operational Research，vol.130，no.3（2001），pp.498-509.

Thorsten Beck，Ross Levine and Alexey Levkov，“Big Bad Banks？ The Winners and Losers from Bank Deregulation in the United States，”The Journal of Finance，vol.65，no.5（October 2010），pp.1637-1667.

现阶段建立的地方数据交易平台服务的特征都具有明显的区域性。以贵阳大数据交易中心为例，贵州省贵阳市以外的其他城市也均可通过该平台进行数据交易活动。因此，尽管某个城市并未直接建立地方数据交易平台，但只要其所在省份在2015—2017年间建立了平台，则可近似认为该城市建立了数据交易平台。

陈诗一、陈登科：《雾霾污染、政府治理与经济高质量发展》，《经济研究》2018年第2期。

本文样本中最早出现的地方数据交易平台是贵阳大数据交易所，建立时间是2015年4月。

Nathan Nunn and Nancy Qian，“US Food Aid and Civil Conflict，”American Economic Review，vol.104，no.6（2014），pp.1630-1666.

1969—1979年各省份固定电话总量数据参见国家统计局国民经济综合统计司编：《新中国六十年统计资料汇编》，北京：中国统计出版社，2010年。

变量来源：《中国城市统计年鉴（2009-2019）》、各地级（直辖）市国民经济和社会发展统计公报、互联网。部分缺失数据通过插值法补齐。

（責任编辑：冉利军）

〔基金项目〕国家社会科学基金重大项目“长江上游生态大保护政策可持续性与机制构建研究”（20&ZD095）;四川省社会科学研究“十四五”规划2021年度课题重大项目“资源要素市场化配置下城乡融合发展的‘成渝方案研究”（SC21ZDCY007）

〔作者简介〕杨艳，四川大学经济学院教授、博士生导师;

王理，四川大学经济学院博士研究生，四川成都610064;

廖祖君，四川省社会科学院区域经济与城市发展研究所研究员、博士生导师，四川成都610071。