政府数据与企业技术创新——基于政府采购合同的实证研究

张 琦， 张悦悦， 段蒙汉， 张 诚

（1.中共成都市委党校，四川 成都 610110；2.宁波诺丁汉大学 商学院，浙江 宁波 315100；3.复旦大学 管理学院，上海 200433）

1 引言

自十九届四中全会首次将数据列为生产要素后，一系列政策文件提出要促进数据要素资源在更大范围内畅通流动，大力培育数据要素流通市场。然而，目前数据资源在政府间、企业间以及政企间尚缺乏有效流通，使数据要素无法充分发挥其作为新的生产要素的作用［1，2］。而同时，政府在数据要素流通中承担了重要的角色［3］，因为政府部门通过长期的统计和监测，积累了海量、权威的数据资源，这使其成为数据资源的重要供应方［3］。随着企业越来越依赖外部知识开展创新活动［4］，并在时间、金钱和其他资源上降低创新成本，政府数据将可能成为企业发展中的关键资源。美国商业经济协会的一项研究发现结合政府数据与私有数据能够帮助企业做出更明智的商业决策［5］。

目前主要存在两种政府数据资源的获取方式。首先是政府开放数据，即政府向公众提供政府数据来提高透明度、责任性和价值创造［6，7］。其次是政府采购合同［3，8，9］，即企业在提供服务的过程中间接地接触和使用政府数据。具体而言，企业竞标政府的采购任务，中标后基于采购合同规定内容可使用政府内部的特定数据，为政府提供相应服务，比如视频图像解析、大数据云平台搭建、信息化建设等。一项研究发现私营企业通过政府采购合同的方式接触和使用了政府数据，在此基础上提升了自身的人工智能（artificialintelligence，AI）技术商业化绩效［3］。

不同于开放数据的数据获取平等性，政府采购合同为中标企业提供了特有的政府数据资源，而企业人工智能算法等数字技术的创新也依赖有价值的数据。但迄今仍缺乏政府数据资源是否会帮助企业产生独特价值和提升技术创新水平的实证分析［10］。受制于研究资料的限制，国内外学者对于企业利用政府数据后的收益分析大多局限在单个行业（如制造业、采矿业和生物行业），缺少跨行业的综合分析，在一定程度上影响了结论的可推广性。本研究创新性地采用了政府采购合同数据集，进一步识别了涉及政府数据资源的采购合同任务（后续称为“数据密集型政府采购合同”），通过实证研究探讨以数据密集型政府采购合同为基础的政府数据资源获取是否以及如何影响不同企业的技术创新程度。

本研究对于从理论层面构建数据要素价值创造的微观基础具有一定的启示［2］，对促进政府数据流通、深化政企数据共享合作等实践具有一定的指导意义。首先，政府作为数据要素市场的重要供应方之一，其拥有的数据可以补充企业内部数据，以提高企业的技术创新能力。其次，本文揭示了政府数据资源促进企业技术创新的有效性依赖于企业的信息技术资源，如信息技术人才、信息技术基础设施等。

2 理论基础与研究假设

2.1 政府数据资源的重要价值

在数据市场中，根据数据持有方的差异可将数据分为政府数据和企业数据。二者均包含4种来源：自有数据、用户授权、用户使用和加工创造［11］。相比较而言，政府数据可能包含更多数据集，包括预算和支出、人口、普查、地理、会议记录等，此外也包括由公共行政部门间接“拥有”的数据（例如通过子公司或机构），如与气候／污染、公共交通、拥堵／交通、儿童保育／教育有关的数据［12］。

政府主要通过开放数据和采购合同来进行数据供应。两者都是挖掘、利用和实现政府数据价值、促进数据要素流通的重要途径［13］。从参与主体的角度来看，前者没有特定指向性地向全社会各主体公开政务数据和社会数据，后者则是通过政企合作的方式面向特定企业开放特定领域数据。从使用程序角度来看，政府采购相比开放数据需要经历更多的步骤，包括项目准备、项目采购、项目执行和项目移交等环节。值得注意的是，涉及数据资源的政府采购合同，其并不是直接针对政府数据的采购，而是企业通过提供相应的服务，比如软件开发、信息系统集成实施、数据处理分析、视频图像处理等，在过程中接触和使用了政府拥有的数据［3］。这些具有独特性、敏感性和隐私性的政府数据可能成为中标企业的重要资源优势。

以往研究探讨了使用政府数据资源对于企业自身生产效率、创新绩效和价值创造等多方面的影响。如Williams［8］，Nagaraj［9］发现政府项目数据（如绘制基因组图和绘制地球图）能够提高私营企业在生物技术和矿物开采方面的能力。总体而言，相比政府开放数据的研究，通过政府采购合同方式实现政府数据资源流通所产生的商业价值，尤其是对于企业技术创新的价值分析，目前尚缺乏足够的实证研究。

2.2 政府数据资源和企业创新

基于政府采购合同的数据资源获取（即“数据密集型政府合同”）对于企业创新可能存在两种影响机制，一是采购合同签署这一行为本身的作用，二是数据资源的作用。首先，在政府采购合同的作用上，不少实证研究发现政府采购对企业的研发和创新具有积极影响［3，14］。政府为企业的创新产品提供了充足而稳定的需求，能够降低与创新相关的供应链风险。同时，政府往往是新产品或服务的主要或第一个用户，能够提高企业产品后续商业化成功的概率。但这些研究聚焦的是政府采购为企业带来的资金资源、政治联系资源，较少关注数据资源。

其次，在数据资源的作用上，政府采购合同的排他性确保了政府数据资源的非公开性和独特性。根据资源基础观［15］，具有价值的、不可流动的、不可替代的稀缺资源能够帮助企业在同行业中获得更大的竞争优势。一方面，数据资源可作为企业创新活动的生产要素直接提高企业的创新水平。最典型的是企业的数字技术创新，如人工智能技术创新等。人工智能技术创新发展依赖于高质量的数据，数据获取是人工智能发展的关键战略因素［16］。政府数据能够帮助企业训练相关算法和数据分析技术，提升其人工智能技术创新［3］。这一数据资源获取和使用的差异性，会直接造成企业在数字技术创新过程中投入的生产要素的差异性，进而造成数字技术创新程度的差异性。那些能够获得政府特有数据的企业，更可能在新数据上实施算法和软件创新，发展和迭代基于数据的技术创新能力，提升数字技术创新水平［3］。因此，本研究提出假设1：

假设1签署数据密集型政府采购合同与企业的数字技术创新（即人工智能技术创新）程度呈显著正相关关系。

另一方面，数据资源对于企业创新存在间接的作用。创新的本质就是对新信息进行挖掘以创造和实施新想法［17］。作为新的生产要素，数据资源可以改变企业创新的方法、流程，帮助实施差异化［18］。因此，政府数据资源可以帮助企业挖掘出更多的有用信息，识别具有前景的创新方向和市场需求，进而产生更多的创新产出。社会组织或个体可利用政府数据信息进行生产、分析决策活动，包括研发新产品、提供新服务，减少生产经营成本，迎合市场需求，提升自身实力。因此，本研究提出假设2：

假设2签署数据密集型政府采购合同与企业的非数字技术创新（即非人工智能技术创新）程度呈显著正相关关系。

2.3 政府数据资源价值创造的条件

数据资源从获取到价值创造的过程，依赖于特定的条件。技术—组织—环境（technology-organizationenvironment，TOE）［19］框架是一种以应用情境为基础的综合性分析框架，可构建技术、组织及环境等条件交互影响下企业创新的理论模型。

首先，在技术层面，原始数据由于碎片化、非结构性的特征，本身并不具有生产要素的属性，需要经过收集、存储、清理、分析后，转化为具有实用价值的数据，才能作为生产要素投入最终产品的生产。数据资源的挖掘依赖于信息技术。因此，数据资源的价值创造需要一系列适配的信息技术资源，如信息技术基础设施、数据分析员工［20］，这意味着信息技术投资水平高的企业更有可能有效地处理、分析和利用政府数据资源。根据资源基础观［15］，数据资源能在与其他互补性资源的结合过程中驱动企业创新和价值创造，提高企业知识创造、知识发现和知识吸收等能力［2，21］。当数据被有效提炼成更有意义的信息作为重要的投入要素，进入企业的生产函数后［21］，数据对企业的技术创新能力，无论是数字技术创新还是非数字技术创新，都会有更强的提升作用。因此，本研究提出假设3：

假设3企业的信息技术投资水平能够调节数据密集型政府采购合同和企业技术创新程度的关系。即相比信息技术投资水平低的企业，信息技术投资水平高的企业，签署数据密集型政府采购合同与企业的技术创新程度的正相关关系更强。

其次，在组织层面，已有研究发现企业的数据文化显著影响其使用数据资源的意识和能力。企业高管的数据分析和信息技术背景对企业数据文化有重要的塑造作用［22］。此外，高管的信息技术背景也能够进一步促进组织对信息技术基础设施、信息技术人才等互补性资源的投资。因此，本研究提出假设4：

假设4企业高管的信息技术相关背景能够调节数据密集型政府采购合同和企业技术创新程度的关系。即相比高管没有信息技术相关背景的企业，高管有信息技术相关背景的企业，签署数据密集型政府采购合同与企业的技术创新程度的正相关关系更强。

最后，在环境层面，当企业所处的行业具有较高的数字化或信息化水平，其通常也具有较强的数据意识和对数据资源的使用能力［23］。一般来说，软件行业的企业往往具有较强的使用数据和信息技术的意识和能力［24］。这些企业更能充分挖掘政府数据资源来提高自身创新水平。因此，本研究提出假设5：

假设5相比非软件行业的企业，软件行业的企业，签署数据密集型政府采购合同与企业的技术创新程度的正相关关系更强。

3 变量和模型

3.1 样本说明

本研究整合了三份数据源对上述假设进行验证。首先，本研究从中国政府采购网收集了2012—2019年期间公开的793327条政府招标合同。为识别政府合同是否是数据密集型政府采购合同，主要通过以下步骤进行筛选。

（1）确定合同任务与数据收集、信息系统建设、数据集成、数据分析等内容相关。企业为政府进行数据收集（比如物联网、智慧城市项目），为政府进行数字化和信息化工程建设（如将文本档案资源进行数字化），集成政府已有的数据资源、政府数据分析（如视频图像分析）等过程都可能让企业接触和使用政府所拥有的特有数据资源。本研究根据数据相关业务制定了表1的关键词表。包含这些关键词的政府采购合同将被认为是中标企业能够获取和使用政府所拥有的数据资源。

表1 数据密集型政府采购合同的关键词定义

（2）根据政府采购合同的标题内容，进行分词和关键词匹配，得到20779条数据密集型政府采购合同。这些数据合同的中标单位中，共有175家上市公司，49%的企业来自软件与软件和信息技术服务业，其次为计算机、通信和其他电子设备制造业（16%）。

本研究从全球专利统计数据库（PATSTAT）和国泰安数据库收集了截至2020年底中国所有上市公司的专利授权情况。专利数据可以用于衡量公司的创新能力。然后，从国泰安数据库获取了2012年至2019年中国上市公司财务数据，包括各公司规模、信息技术（informationtechnology，IT）投资水平、营业总收入等。最终得到中国上市公司的创新数据、政府采购数据以及财务数据，基于8705家企业—年份观测值的面板数据进行后续的回归分析。

3.2 变量定义

本文选取中国上市企业的专利创新指标作为被解释变量。为区分企业数字技术创新和非数字技术创新，分别采用两个代理变量来进行测量，数字技术创新是企业AI相关专利授权数量，非数字技术创新是企业非AI相关专利授权数量。

具体来说，专利可以分为发明专利、实用新型专利以及外观设计专利3个主要创新方向，创新程度依次递减。发明专利是对产品和方法进行改进的新技术方案，实用新型专利是指在产品的形状、结构适用实际新技术的研发方案。外观设计是关于产品外观的装饰或艺术设计创新。因此，在非AI专利授权数的细分指标上，还使用企业的非AI发明专利授权数（非AI发明数量）、实用新型专利授权数（非AI实用新型数量）以及外观设计专利授权数（非AI外观设计数量）各取对数后作为企业非数字化技术创新程度的测量。

本研究关注的核心解释变量是企业在当年是否已签署数据密集型政府采购合同（Digitalbid）。需先识别企业首次签署政府合同（Bid）的时间，若当年还未签署过任何政府合同则值为0，签署年及之后该值都为1。之后，再识别企业首次签署数据密集型政府采购合同（Digital）的时间，若当年已签署过数据密集型政府采购合同，则Digital为1，否则为0。Digitalbid为Digital和Bid的交乘项。

本研究考虑的3个调节变量分别对应技术、组织和环境三个层次。其中技术层面关注企业IT投资水平，定义为企业当年IT资产总额（经总资产标准化）（IT投资水平）。IT类资产由国泰安数据库的资产详细类别中根据关键字（信号、信息、数据、网络、IP、系统、管理、通讯、监控、电子、软件、计算机、电脑）筛选得到。组织层面关注高管的IT背景（决策层IT背景）。根据上市公司高管的个人简历，若其获得过计算机科学、信息系统等相关学位，或曾经担任过企业首席技术官、首席信息官等，则赋值为1，否则为0。在环境层面，主要关注企业所在的行业特征，若企业属于“软件和信息技术服务业”（根据《国民经济行业分类》），则赋值为1，否则为0。

在控制变量上，模型包括了合同层面（如政府采购合同累计数量和累计金额）、董事层面（如独立董事人数、女性董事人数）、公司层面（如研发费用、营业总收入、员工人数、是否国有企业）等可能影响企业技术创新的因素。最后，模型控制了企业固定效应和年份固定效应。

3.3 模型估计

3.3.1 倾向得分匹配法

政府可能基于对公司所属行业、经营状况等因素的综合考量而签署采购合同，因此签署政府采购合同并非完全外生。本研究使用倾向得分匹配法对签署政府采购合同和没有签署政府采购合同的企业进行匹配。考虑到政府采购合同签署有行业倾向性，因此将公司所属行业作为分类变量，确保处理组公司与匹配的对照组公司处于同一行业。进一步，考虑到政府选择采购供应商时会考量公司的运营状况、企业规模，因此将公司的财务指标纳入匹配协变量。最后，由于样本中不同公司首次签署政府采购合同的时间点是不同的，本研究以处理组各公司首次签署政府采购合同时间的前5年作为匹配时间点，采用logit回归、有放回的临近匹配方式。经检验，匹配效果较好。

3.3.2 三重差分法

本研究关注签署数据密集型政府采购合同对企业技术创新的影响，但政府采购合同签署本身对企业技术创新程度就有影响［3］，即数据密集型政府合同兼具政府数据资源和政府合同这两种作用机制。考虑到本研究主要关注的是政府数据资源对企业技术创新带来的作用，而不是政府采购合同签署这一事件本身的影响，为了准确估计政府数据资源对上市公司技术创新的平均处理效果（averagetreatmenteffect，ATE），采取三重差分法对主假设进行检验。三重差分法是在双重差分法基础上的改进，可以控制政策效应和时间效应以外的其他外生冲击的净效应。本研究的模型如（1）式

其中yit是本研究的5个被解释变量，即AI专利数量和非AI专利数量（包括细分项的发明专利数量、实用新型专利数量、外观设计专利数量）。Bidit表示当年是否在企业i首次签署政府采购合同的时间之后，若当年该公司签署或已签署过任何政府采购合同，Bidit赋值为1，反之为0。Digitalbidit是Digitalit与Bidit的相乘项。Digitalit是企业首次签署数据密集型政府采购合同的时间，若当年已签署过数据密集型政府采购合同，则Digitalit为1，否则为0。由于Digitalbidit和Digitalit共线，因此模型（1）去掉Digitalit。ω2的系数可以视为数据密集型政府采购合同的签署对企业技术创新的净效应，即去掉了签署政府采购合同这一行为本身对企业技术创新的影响。cit为控制变量的集合。θt为年份固定效应，σi为企业个体固定效应，γit为随机误差。

4 实证结果分析

4.1 描述性统计

从描述性统计结果看，样本企业平均每年AI专利授权数量为1.05个，非AI专利授权数量为3.89个，其中非AI专利中的发明授权数量为2.04个，实用新型专利授权数量为2.57个，外观设计专利授权数量为1.45个。核心自变量Digitalbid在样本中的均值是0.02。样本中有29%的企业属于软件行业，企业IT投资水平（经总资产调整）最大值是1.14，企业决策层具有IT背景的比例大约在6%。所有变量的方差膨胀系数均值为1.35，表明模型变量之间不存在显著的多重共线性问题。

4.2 主效应分析

表2报告了模型（1）的回归结果。列（1）估计系数为正（β=0.088，p＜0.01），表明签署了数据密集型政府采购合同的企业相比签署其他类型政府采购合同，能显著提升每年的AI专利数，证实了假设1；列（2）、（3）的的估计系数均为正且显著（β=0.126，p＜0.05；β=0.097，p＜0.05），说明数据密集型政府采购合同可以增强企业非AI专利数（尤其是其中的发明专利授权数量），证实了假设2。但列（4）中，估计系数不显著。列（5）对非AI外观设计数量的估计系数显著为正（β=0.117，p＜0.01）。因此，数据密集型政府采购合同对不同专利类型数量存在异质性作用，即政府数据资源虽然对非AI发明专利创新有促进效果，但对实用新型专利创新的提升作用并不具有统计意义上的显著性。

表2 数据密集型政府采购合同对企业技术创新的作用

4.3 调节效应分析

4.3.1 IT投资水平的调节作用

表3报告了IT投资水平对数据密集型政府采购合同和企业技术创新关系的调节作用。列（1）显示IT投资水平对签署数据密集型政府采购合同和AI专利数量的关系有显著的提升作用（β=0.322，p＜0.05）；列（2）、（3）、（4）显示，在非AI专利数量（β=0.891，p＜0.01）、非AI发明数量（β=0.827，p＜0.01）和非AI实用新型数量（β=0.311，p＜0.01）方面，IT投资水平高的企业的平均专利数量显著高于IT投资水平低的企业，即签署数据密集型政府采购合同对于高IT投资水平的企业的非数字技术创新水平有更强的提升作用。但对于创新程度最低的非AI外观设计数量，Digitalbid和IT投资水平之间存在显著为负的交互作用（β=-0.287，p＜0.1）。总体而言，企业的IT投资水平能够正向调节数据密集型政府采购合同和（更高水平的）企业技术创新的关系，即高IT投资水平的企业签署数据密集型政府采购合同对其数字技术创新和非数字技术创新都有更明显的提升效果，证实了假设3。

表3 IT投资水平对数据密集型政府采购合同和企业技术创新关系的调节作用

4.3.2 企业决策层IT背景的调节作用

表4报告了企业决策层IT背景对数据密集型政府采购合同和企业技术创新关系的调节作用。列（1）、（3）的结果表明决策层有IT背景的企业，签署数据密集型政府采购合同对AI专利数量（β=0.172，p＜0.01）和非AI发明数量（β=0.369，p＜0.05）都有显著的提升作用，对非AI实用新型和外观设计数量没有展现出显著的调节作用。总体而言，决策层有IT背景的企业，签署数据密集型政府采购合同对其数字技术创新和更高水平的非数字技术创新都有更明显的提升效果，证实了假设4。

4.3.3 软件行业的调节作用

表5报告了软件行业对数据密集型政府采购合同和企业技术创新关系的调节作用。列（1）～（5）的结果表明软件行业企业签署数据密集型政府采购合同后的AI专利数量、各种类型的非AI专利数量都有更显著的提升，即软件企业签署数据密集型政府采购合同对数字技术创新和非数字技术创新都有更明显的提升效果，证实了假设5。

表5 行业对数据密集型政府采购合同和企业技术创新关系的调节作用

5 结论与启示

政企合作是促进政府数据价值实现的有效路径。然而，当前我国对于数据要素的流通规律和管理方法的认识和实践仍处于探索期，对政府数据的商业价值研究尚不深入。本研究聚焦政府和企业之间基于采购合同的合作，深入分析数据密集型政府采购合同是否能够提升中标企业的创新水平，得到以下的结论：（1）数据密集型政府采购合同会显著增加上市公司的数字技术创新程度（AI专利数量）和非数字技术创新程度（非AI专利数量）。表明企业通过政府采购合同获取的政府数据资源可以显著提升技术创新水平。（2）政府数据资源对企业创新的提升效应在信息技术资源较丰富的场景下得到了加强，即IT投资水平高、企业决策层具有IT背景以及软件行业的企业能够从政府数据中提升更多的技术创新水平。

本研究具有一定的理论意义。首先，通过研究上市公司签署数据密集型政府合同是否提高数字技术创新程度这一问题补充了数据经济学和数据要素流通等新兴文献。研究结论为政府在数据要素市场流通中的作用提供了严谨的实证依据，也为政府基于采购合同这一为企业发展供应数据要素的方式提供了新的思路。其次，本研究进一步探讨了政府数据的价值创造条件，基于TOE框架拓展分析了企业IT投资水平等特性在政府数据资源价值实现过程中的调节作用，揭示了政府数据资源促进企业技术创新的有效性依赖于企业投资适配的信息技术资源。

本研究对于政府推广基于数据资源的政企合作模式和实施创新激励政策等实践具有一定的指导意义。本文表明以数据资源为基础的政企合作能够提升企业创新水平，但是提升效果受到企业特点、产业特点的影响。因此，政府需要结合企业特质和产业发展，使创新政策更有针对性。具体而言，在招标过程中，政府可以适当向特定对象进行政策倾斜，如IT投资水平高、高管具有IT背景、软件行业的企业等，它们往往能够更充分地利用数据资源，从而最大程度地提升自身技术创新程度。此外，在数字经济时代，企业也应注意投资适配的信息技术资源，如信息技术人才、信息技术基础设施等，以在未来更好地从数据资源中获益。

本研究仍有一些不足。如本研究关注政府和企业之间基于采购合同的数据流通方式（即企业在投标任务执行过程中接触和使用政府数据），未来研究可以进一步考虑企业通过第三方数据交易所的方式，以及企业与企业之间的数据资源流动对企业技术创新带来的影响。