数据要素价值化与实体经济高质量发展

熊 英

（中共保定市委党校，河北 保定 071000）

一、问题的提出

改革开放四十余年间，中国实体经济发展成绩斐然，已经成为享誉世界的工业大国、制造业大国。据国家统计局网站消息，作为实体经济重要组成部分的第二产业，2022 年GDP 总量为48.32 万亿元，占比全年GDP 总量39.92%。然而，实体经济“大而不强”“强而不精”的特征，使得中国关键技术与关键领域“卡脖子”风险时有发生。因此，有必要找寻新的经济增长要素，助力实体经济高质量发展。数字经济是伴随数字技术出现且得以快速发展的全新经济形态。根据工业和信息化部数据显示，2012—2021 年间，中国数字经济规模由11 万亿元增长到超45 万亿元，成为全球第二大数字经济体。以数字经济赋能实体经济高质量发展，可渐次实现由要素驱动到数据驱动、产品导向到用户体验、竞争合作到互利共生的数字化转型[1]。其中，数据要素作为数字经济深化发展的核心引擎，其价值化有助于实现跨层级、跨部门、跨系统以及跨区域的相互流通，助力实体经济在生产、分配、流通、消费和社会服务等各个环节实现数字化转型，进而促进高质量发展。2022 年6 月，中央全面深化改革委员会第二十六次会议审议通过《关于构建数据基础制度更好发挥数据要素作用的意见》，这对于完善数据要素市场化配置机制，激发数据要素价值化，打造实体经济增长新动能具有深远意义。党的二十大报告指出，构建以数据为关键要素的数字经济，推动实体经济和数字经济融合发展，是建设数字中国的核心要点。基于此，从理论与实证视域探究数据要素价值化对实体经济高质量发展的影响，对驱动中国经济高质量发展、加快建设“制造强国”“数字中国”有着重要价值参鉴。

目前，学术界较少研究数据要素价值化对实体经济高质量发展的影响，考虑到数据要素价值化与数字经济发展密切相关，故从数字经济对实体经济高质量发展的影响着手进行文献梳理。从已有文献来看，有关数字经济对实体经济高质量发展的影响大致可以分为如下两类：实证层面，相关文献分别从数字产业化和企业数字化转型方面探究对实体经济高质量发展的影响。数字产业化显著促进中国工业企业全要素生产率，市场化程度越高、企业规模越大越有助于实体经济高质量发展[2]；企业数字化转型能有效抑制实体经济“脱实向虚”，这一影响主要体现在低盈利水平与高市场竞争行业中[3]。理论层面，学者们多从数字经济与实体经济融合、数字产业化与产业数字化、数字技术等视角探讨数字经济对实体经济的影响。数字经济有助于加速传统实体产业转型升级，助力新兴战略性产业发展以及畅通国民经济循环[4]；数字产业化与产业数字化是丰富信息产业发展模式，助力数字经济与实体经济深度融合的重要推手[5]；借助数字技术与数据要素，可充分提升产业创新动力，变革生产方式从而改善实体经济发展质量[6]。

从上述文献看，虽然数字经济对实体经济高质量发展的相关研究已取得一定成果，但就数据要素价值化这一微观指标对实体经济高质量发展的影响探究仍存空白。作为实体经济生产方式变革与数字化转型的重要支撑，如何界定数据要素价值化？如何研判其对实体经济高质量发展的影响，值得深入研究。基于此，文章可能的边际贡献在于：第一，立足数字经济视角，以数据要素价值化为切入点，从理论层面探究数据要素价值化对实体经济高质量发展的影响机制；第二，基于实体经济高质量发展过程中存在的空间相关性，构建空间计量模型实证检验数据要素价值化对实体经济高质量发展的影响。

二、数据要素价值化对实体经济高质量发展的影响机制

1.数据要素价值化对实体经济高质量发展的直接影响

2020 年7 月，中国信息通信研究院发布的《中国数字经济发展白皮书（2020）》，对数据要素价值化概念进行了明确界定。所谓数据要素价值化，是以数据为新生产要素载体，将资源、资产、资本通过性质转换方式，实现数据创新增值的过程。在数据创新增值过程中，数据要素价值化主要从以下三个维度推动实体经济高质量发展：一是以数据资源要素价值化推动实体经济高质量发展。从学理上看，数据资源要素价值化是平台主体凭借庞大的用户基数持续性累积大量数据，建立或公有、或私有的网络生态平台，实现内部数据要素价值化的过程。这一过程中，平台主体通过筛选转化低价值、碎片化原始数据，使得无序数据成为可利用的有效数据资源。在新一轮科技革命与产业变革中，实体经济可以参与数据资源要素价值化过程，借助数字化平台与技术[7]，提高既有生产资料的使用效率，助力自身高质量发展。二是以数据资产要素价值化推动实体经济高质量发展。数据资产要素价值化的本质是在流通环节将数据资源转化为可增值、可计量、标签化的“商品”。有别于传统实体经济的投资不确定性，数据资产作为一种“特殊”资产，能够通过持续不间断运营实现数据资产的安全迭代升级[8]。在传统实体经济转型升级的关键阶段，以数据资产为表征的数字新业态、新模式逐渐与实体经济相融合，为其带来生产效率优化、产品质量提升以及运营成本降低等多种助益。三是以数据资本要素价值化推动实体经济高质量发展。以资本投入为基础的数据要素直接改变了生产运行模式，极大程度上降低了传统物质生产试错成本，颠覆传统“黑匣子”工厂体系，提高实体经济发展效能。从以上维度研究发现，数据要素价值化有利于提升实体经济高质量发展。

数据要素价值化与传统生产要素最根本的区别是“数字化”[9]。基于“数字化”快速迭代以及监管滞后与制度缺失的双重诱因，数据要素价值化的无序扩张可能会扰乱市场经营秩序，加大经营风险，在一定程度上会阻碍实体经济高质量发展。此过程中，数据流通过程存在的隐私泄露、木马病毒等问题使得数据存储安全难以得到有效保障[10]，不利于实体经济数据要素利用。这意味着，在不同发展阶段，数据要素价值化对实体经济高质量发展的作用可能会有所差异。当数据要素价值化水平较低时，较大的数据安全风险、存储成本等可能会加大数据要素价值化对实体经济高质量发展的阻碍作用，从而抵消数据要素价值化优势；当数据要素价值化水平逐渐提升后，这一阻碍作用逐渐被积极作用所取代，进而从整体上正向助力实体经济高质量发展。此外，鉴于当前中国数据要素价值化尚处于初级阶段，其对实体经济高质量发展的影响主要集中于本地区，对其他区域的空间溢出效应较难显现。故提出如下假设：

假设H1：数据要素价值化对实体经济高质量发展的影响存在“U”型非线性特征，且空间溢出效应尚未显现。

此外，中国地大物博、幅员辽阔，各区域间经济发展水平存在较大差异，这些差异可能会导致数据要素价值化表现出较为明显的空间相关性。结合已有研究来看[11]，数字经济对实体经济发展有着明显的区域异质性。由此推及，数据要素价值化作为数字经济深入发展的核心引擎，亦对实体经济高质量发展有着区域异质性影响。故提出如下假设：

假设H2：数据要素价值化对实体经济高质量发展的影响存在区域异质性。

2.数据要素价值化对实体经济高质量发展的间接影响

从上述研究知悉，数据要素价值化对实体经济高质量发展的影响可能存在“U”型非线性特征，但这一影响机制究竟如何形成，仍需进一步讨论。一方面，数据要素价值化过程始终贯穿着技术创新。细言之，随着数据要素价值化水平逐步提升，越来越多的大型互联网企业着手搭建网络平台，以“去中心化”的数据处理方式，推动技术创新，持续强化数据要素价值化。这种“去中心化”的网络平台已经成为诸多数据所有者参与产品研发、制造的重要环节。另一方面，技术创新有助于实体经济高质量发展。在中国经济由高速发展向高质量发展阶段迈进的当下，技术创新能够解决实体企业“脱实向虚”的问题，助力实体经济高质量发展。因此，推动实体经济高质量发展离不开技术创新的助推作用。但值得注意的是，当数据要素价值化水平较低时，较高的数据获取成本与维护成本会阻碍企业技术创新，不利于实体经济高质量发展；当数据要素价值化水平发展到一定水平时，数据获取成本与维护成本大幅下降，市场秩序、监管方式更为健全，使得企业技术创新效率有效提升，进而带动实体经济实现高质量发展。据此，提出如下假设：

假设H3：技术创新在数据要素价值化对实体经济高质量发展的影响中发挥中介效应。

三、变量、特征事实与模型

1.变量

（1） 解释变量

实体经济高质量发展(Re)既是一种综合反映行业生产属性、市场结构变动的微观指标，也是一种体现社会创新能力、生态环境以及行业发展的宏观指标。基于相关研究[12，13]，构建包括效益发展、绿色发展与创新发展三个方面的实体经济高质量发展综合评价指标体系（见表1）。对数据做进一步处理与指数构建：首先，对数据进行归一化处理；其次，对数据进行无量纲化处理；再次，运用变异系数法计算处理后数据的相应权重系数；最后，根据求得权重对相应数据进行加权计算，得出实体经济高质量发展指数。

表1 实体经济高质量发展综合评价指标体系

（2） 被解释变量

数据要素价值化(Vde)。数据要素价值化在不同时空所产生的活动，使得估值与定价存在较大不确定性。因此，为保证指标选取可以更具代表性，参鉴相关研究[14]，从投入产出视角进行综合测算。投入方面，选取信息基础设施建设水平、大数据管理局设置情况来衡量。其中，信息基础设施建设水平以固定宽带下载速度、人均网站域名数量衡量；大数据管理局设置情况以省级、副省级或省会城市大数据行政管理机构设立情况进行衡量。产出方面，选取数据交易中心建设情况、数字产业化与产业数字化发展水平衡量。其中，数据交易中心建设情况以当年该地区在工商注册的数据交易中心数量测度；数字产业化与产业数字化发展水平以电子信息制造业、软件和信息技术服务业总产值、三大产业数字化水平的综合测度。

（3） 控制变量

选取人力资本存量(Human)、经济环境(Economics)、政府干预程度(Government)、基础设施水平(Infrastructure)、市场化程度(Marketization)五个控制变量。其中，人力资本存量以地区平均受教育年限①对文盲、小学、初中、高中、大专及以上文化程度分别赋值0、6、9、12、16，计算出不同文化程度人口占6岁以上人口的比重，进而衡量地区人力资本水平。衡量；经济环境以消除价格影响后的人均GDP 表征；政府干预程度选用地区财政支出与GDP 的比值衡量；基础设施水平选取地区公路密度作为代理变量，以地区公路总里程数与人口数的比值衡量；市场化程度以地区非公企业与当年总投资额的比值衡量。

文章选取2011—2020 年中国30 个省区市面板数据（剔除西藏和港澳台地区） 为研究样本，部分年份数据缺失值采用相邻年份数据以均值法补齐。文章原始数据来源于历年《中国统计年鉴》 《中国区域经济统计年鉴》 《中国能源统计年鉴》《中国工业统计年鉴》 《中国大数据区域发展水平评估白皮书》以及各省区市政府公报、中国经济与社会发展统计数据库。

2.特征事实

（1） 实体经济高质量发展

图1 为2011—2020 年全国以及4 个代表省区市的实体经济高质量发展趋势。研究期内，中国实体经济高质量发展平均水平稳步提升，但各省区市发展水平存在较大差异。其中，江苏实体经济高质量发展平均水平远超其他省区市，安徽与全国均值趋势基本保持一致，广西和青海比较而言要低于全国平均水平。此外，排名前10 的省区市中，有7 个省区市位于东部地区，排名末尾的10 个省区市中有8 个位于西部地区。由此可见，不同省区市实体经济高质量发展存在明显的区域差异。

图1 全国和代表省区市实体经济高质量发展趋势

（2） 数据要素价值化与实体经济高质量发展的关系

图2 显示，数据要素价值化与实体经济高质量发展的关系总体呈现“U”型特征，且多数省区市位于曲线右侧。这一趋势表明，大部分省区市数据要素价值化对实体经济高质量发展具有促进作用，且各省区市数据要素价值化水平存在较大差异。因此，数据要素价值化与实体经济高质量发展的关系在不同省区市中的表现亦有不同。其中，以江苏和安徽为首的高水平区域数据要素价值化与实体经济高质量发展关系呈现正向线性趋势；以广西和青海为主的低水平区域数据要素价值化与实体经济高质量发展关系呈现“U”型非线性特征（限于篇幅，图略）。这一特征趋势进一步彰显了前文提出的数据要素价值化对实体经济高质量发展影响的假设。

图2 数据要素价值化与实体经济高质量发展的总体关系

3.模型构建

（1） 全局莫兰指数

使用探索性空间数据分析法探究实体经济高质量发展的空间相关性，如式(1)所示：

上式中，i 与j 分别代表某个不同区域；n 表示省区市个数；为样本方差；为样本均值；Wij用于指代i 与j 区域的邻接关系；xi则表示实体经济高质量发展水平在i 省区市中的观察值，xj同理。当i 与j 相邻时，Wij=1，反之，Wij=0。然后，设定Moran's I 指数取值范围为[-1，1]，若0＜I＜1，表明研究区域间存在正相关；若-1＜I＜0，表明区域间为负相关；若I=0，表明各省区市空间独立分布。I 的绝对值越大，说明空间相关性越高。

（2） 空间计量模型

空间计量模型涵括空间滞后模型(SLM)、空间误差模型(SEM)与空间杜宾模型(SDM)三种。考虑到数据要素价值化与实体经济高质量发展之间可能存在“U”型关系，故首先构建未考虑空间相关性的传统面板模型(OLS)，然后对OLS 模型进行LM检验和Wald 检验。

其中，Reit指代实体经济高质量发展水平；i 和j 分别指代不同省区市；t 指代年份；Vdeit和分别表示数据要素价值化及其平方项，Xjt为控制变量集合，λi、μi、εit分别指代空间效应、时间效应和随机误差项。

为了选择合适的空间计量模型，对上述模型进行基准检验。结果显示，SLM 和SEM 模型均在5%水平上显著，且LR检验均在1%水平上显著，说明SDM 模型无法退化成SLM 和SEM模型。因此，选择SDM模型进行分析，构建如下模型：

上式中，ρ 为空间滞后项的相关系数，其余变量释义同式(2)。当ρ 不为0 时，需进一步对总效应展开分解，以精准反映数据要素价值化对实体经济高质量发展的影响程度。参考王滨(2022)[15]的研究，选用空间偏微分方法对数据要素价值化求偏导：

中间部分矩阵主对角线上各元素的算术平均值为直接效应，用以阐释数据要素价值化对本区域实体经济高质量发展的影响程度；非对角线上各元素的算术平均值为间接效应，用以阐释数据要素价值化对实体经济高质量发展的空间溢出效应。

四、实证结果分析

1.相关性分析

借助探索性空间数据分析法对中国实体经济高质量发展展开空间分析。结果显示，研究期内Moran's I 指数在0.264～0.347区间内，且呈上升趋势，且在1%水平上显著。这说明实体经济高质量发展在地理空间上存在显著的空间集聚特征。随后，为进一步考察实体经济高质量发展区域空间相关性，使用Moran's I 散点图对2011 年和2020 年展开刻画（见图3）。分析可知，当前实体经济高质量发展趋势呈现向一、三象限集聚趋势。其中，第一象限为高高集聚类型，多来自东部地区省区市；第三象限为低低集聚类型，多来自中部、西部地区。因此，中国实体经济高质量发展存在明显的区域空间异质性，后续需采用空间计量法避免分析结果有偏。

图3 2011 年和2020 年Moran's I 散点图

2.实证分析

表2 列(1)为基准回归结果。列(2)、列(3)分别为使用空间邻接权重矩阵和地理距离权重矩阵的全样本回归结果。整体上看，数据要素价值化与其平方项系数均在1%统计水平上显著，且平方项系数为正，说明数据要素价值化对实体经济高质量发展的影响具有显著“U”型非线性特征。控制变量中，人力资本存量、政府干预程度与基础设施水平的系数显著为正，说明上述变量对实体经济高质量发展具有明显促进作用。从空间滞后项看，当各变量相关系数在1%统计水平上显著时，表示地理位置越近，越有助于地区间资源要素有序流动，即某一省区市实体经济高质量发展在某种程度上受到周边省区市的影响。当相关系数显著且不为0 时，需要进行效应分解（见表3）。

表2 空间杜宾模型的回归结果

表3 空间杜宾模型的效应分解

依照式(4)对空间效应进行分解，得出表3 列(1)、列(2)。从直接效应看，在空间邻接权重矩阵W1 或地理距离权重矩阵W2 中，数据要素价值化平方项的系数均在1%统计水平上显著为正，说明数据要素价值化对本地区实体经济高质量发展的影响呈现“U”型非线性特征。从间接效应看，数据要素价值化平方项的系数显著为负，说明本地区数据要素价值化对周边区域的实体经济高质量发展存在倒“U”型空间溢出效应。可能的原因是，数据要素价值化作为大型互联网企业实施数据“垄断”的重要依据，其具有天然的网络效应与知识集聚效应。在发展初期，各省区市之间数字壁垒林立，且市场块状化严重，使得数据要素价值化流通受阻，一定程度上扩大了本地区与其他地区间的发展差距，即此时数据要素价值化对周边地区的促进作用大于抑制作用。随着数据要素价值化水平提高、数据要素市场逐步完善以及实体经济规模稳步扩大，本地区逐渐显现对周边地区实体经济发展的虹吸效应，不利于周边地区数据要素价值化水平提升，也削弱了网络效应与知识集聚效应的推动作用。也就是说，数据要素价值化的阻碍作用要高于推动作用，呈现出倒“U”型趋势。综上，直接效应与间接效应的作用方向相反，故数据要素价值化的总效应并不显著，假设H1 得证。

3.区域异质性分析

由前述分析可知，数据要素价值化对实体经济高质量发展的直接效应具有“U”型非线性特征。但就特征事实分析指出，不同省区市之间数据要素价值化水平差异较大。因此，为深入研判数据要素价值化对实体经济高质量发展的区域异质性，将全样本数据划分为东部地区和中部、西部地区，以进一步分析。

从表2 看，尽管东部地区数据要素价值化及其平方项的系数与全样本方向一致，但均为通过显著性检验。可知，东部地区数据要素价值化对实体经济高质量发展的影响未呈现“U”型非线性特征。中部、西部地区数据要素价值化及其平方项的系数与全样本方向一致，且在5%、1%统计水平上显著为正。这表明中部、西部地区数据要素价值化对实体经济高质量发展的影响具有显著的“U”型趋势。进一步，为准确研判数据要素价值化的区域影响，对东部及中部、西部地区数据进行空间效应分解。从表3 看，东部地区数据要素价值化平方项系数在直接效应、间接效应与总效应中均不显著；而中西部地区的数据要素价值化平方项系数显著为正。由此，数据要素价值化对实体经济高质量发展的影响存在区域异质性，假设H2 得证。

4.稳健性检验

在实体经济高质量过程中，省会城市是引导区域产业创新的重要核心。因此，为验证数据要素价值化与实体经济高质量发展呈“U”型非线性特征，构造地理距离权重矩阵，展开回归分析。回归结果见表2 列(3)、列(5)、列(7)和表3 列(2)、列(4)、列(6)所示。可知，地理距离权重矩阵回归结果与空间邻接权重矩阵回归结果基本一致，证明结果具有稳健性。此外，考虑到解释变量可能因自身滞后性而导致回归结果有偏，故对数据要素价值化及控制变量作一阶滞后处理，再次证明结果稳健。

五、进一步分析

为探讨数据要素价值化影响实体经济高质量发展的作用机制，选取技术创新作为中介变量展开进一步分析。通常而言，技术创新(Tec)包含研发投入、成果转化与技术扩散等过程维度。参考已有研究[16]，研发投入方面以专利申请授权数与人效投入的比值衡量；成果转化方面与技术扩散方面以技术市场成交率与研发投入的比值衡量（见表4）。

表4 数据要素价值化影响实体经济高质量发展的形成机制

从表4 列(1)、列(2)结果可以看出，当不涵括数据要素价值化变量时，技术创新对实体经济高质量的影响仍呈现出“U”型非线性特征，此时数据要素价值化的系数并不显著。因此可知，技术创新在数据要素价值化对实体经济高质量发展的影响中发挥中介效应，假设H3 得证。技术创新水平的提升，会从技术应用视角提高数据要素价值化进程，进而为实体经济高质量发展提供助力。但这一中介影响亦会存在不同差异。当数据要素价值化水平较低时，较高的数据使用成本和数据安全风险会阻碍企业利用数据要素，使得企业研发投入和创新效率减弱，数据要素价值化对实体经济高质量发展的抑制作用更为明显。当数据要素价值化水平发展到一定阶段时，数据要素配置效率逐渐带动技术创新水平突破临界点，使得数据要素价值化水平对实体经济高质量发展的推动作用逐渐凸显。因此，技术创新在数据要素价值化水平对实体经济高质量发展的“U”型非线性影响中发挥中介效应。

六、结论与对策建议

文章以2011—2020 年中国30 个省区市面板数据为基础，探究数据要素价值化与实体经济高质量发展的关系，然后综合运用空间杜宾模型深入研判二者的具体影响及其作用机制。研究发现：一是研究期内，实体经济高质量发展水平稳步提升，但各省区市发展水平并不均衡，区域实体经济高质量发展存在显著的正向空间相关性。二是数据要素价值化对实体经济高质量发展的直接影响呈现显著的“U”型非线性特征，但空间溢出效应尚不显著；数据要素价值化对实体经济高质量发展的影响存在区域异质性，中部、西部地区呈现出显著的“U”型特征，而东部地区尚不明显。三是进一步分析发现，数据要素价值化通过技术创新渠道影响实体经济高质量发展。

根据结论，提出如下对策建议：第一，以制度框架制定加速数据要素价值化进程。上述分析可知，数据要素价值化对实体经济高质量发展的直接影响呈现显著的“U”型非线性特征。为进一步弱化前期数据要素价值化对实体经济高质量发展的阻滞效应，地方政府应从宏观视域出发，积极落实《关于构建数据基础制度更好发挥数据要素作用的意见》，鼓励数据要素与“智移物云区”等新一代信息技术融合，加速实现数据要素价值化改造。此外，地方政府也可参鉴国际发达经济体对“监管沙盒”的顶层设计，明确数据要素相关领域的业务职责与监管边界，以有效提高数据要素价值化水平。第二，以差异化区域发展战略提升实体经济高质量发展水平。鉴于数据要素价值化对实体经济高质量发展的影响存在区域异质性，地方政府应立足区域实际，制定差异化的区域发展战略，促进区域实体经济均衡发展。在数据要素价值化水平较低的中部、西部地区，地方政府应通过加大战略性新兴产业财政扶持力度、优化完善区域内基础设施建设与公共服务设施建设来提高技术产业吸引力。在数据要素价值化水平较高的东部地区，地方政府应组织牵头与低水平省区市形成“帮带”机制，进一步拓宽数据要素价值化服务的延伸领域和生产潜能，以实现不同区域就数据要素价值的精准匹配，助力实体经济高质量发展。第三，以技术创新推进数据要素价值化与实体经济高质量有机融合。基于数据要素价值化影响实体经济高质量发展的形成机制，各级政府应积极提高技术创新效率。具体而言，地方政府应出台有助于技术创新的科技发展规划，鼓励地区高技术企业、金融机构与民间资本市场形成“三位一体”的综合扶持平台，以加速数据领域人才培养，早日实现数据要素价值化水平对“U”型曲线拐点的突破，充分发挥技术创新对实体经济高质量发展的巨大推动力。