数据要素集聚、科技创新与数字新质生产力

摘要：基于中国2013—2022年30个省份面板数据，借助双向固定效应模型、中介效应模型，实证考察数据要素集聚对数字新质生产力的影响效应，以及科技创新在二者间发挥的作用机制。研究结果表明：数据要素集聚能够有效促进数字新质生产力提升；中介效应检验结果表明，科技创新在数据要素集聚驱动数字新质生产力过程中发挥中介效应；异质性检验发现，相较于数字经济发展水平低组和市场化程度低组，数据要素集聚对数字新质生产力的促进作用在数字经济发展水平高组和市场化程度高组更显著。据此，应健全数据要素发展体系、完善科技创新体制机制、因地制宜制定数据要素配置方案，提升数字新质生产力发展水平。

关键词：数据要素集聚；数字新质生产力；科技创新；中介效应模型

中图分类号：F83251文献标识码：A文章编号：1001-148X（2024）05-0001-09

收稿日期：2024-05-15

作者简介：褚希伟（1989—），男，河南南阳人，讲师，博士，研究方向：数字经济、数字贸易；王婧卜（1991—），女，陕西咸阳人，讲师，博士，研究方向：全球价值链与国际贸易。

基金项目：国家社会科学基金青年项目“新质生产力赋能全球价值链升级的机制及路径研究”，项目编号：24CGJ055；陕西省教育厅青年创新团队项目“全球价值链重构下绿色全要素生产率提升及实现路径研究”，项目编号：23JP049。

一、引言与文献综述

2024年3月，国家网信办出台《促进和规范数据跨境流动规定》，旨在对现有数据跨境标准、程序等进行优化完善，更好地释放数据要素发展潜能，为经济社会价值提供关键动能。数据作为新型生产要素，已快速融入生产、分配、流通和消费等环节，深刻改变生产、生活方式，成为数字新质生产力的关键驱动因素。尤其在各类经济政策日趋开放背景下，大数据综合试验区集聚大量数据产业和数字化人才，可促进数据要素集聚，以此推动人才、资金等多重要素高效流动，充分释放数据要素的乘数效应，推进数字新质生产力发展。详细而言，数据要素集聚能够打通数据流通因合规要求受阻等问题束缚新质生产力发展的堵点和卡点，有利于增强对国内外数据要素资源吸引力，实现高质量数据资源等优质生产要素的顺畅流动和高效配置，有效赋能数字新质生产力发展。同时，数据要素集聚有利于促进传统业务模式升级再造，突破原创性、引领性科技攻关，提高科技投入效能，深化财政科技经费分配使用机制改革，促进科技成果转化，赋能科技创新。2023年12月，国家数据局等17部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》，明确开展“数据要素×科技创新”行动，从推动科学数据有序开放共享、强化高质量科学数据资源建设和场景应用等方面阐述了数据要素与科技创新相结合的着力点。而科技创新能够以前沿技术与颠覆性技术催生新产业、新模式，持续推动数字新质生产力发展。那么，数据要素集聚对数字新质生产力产生怎样的影响作用？科技创新在数据要素集聚与数字新质生产力之间发挥怎样的作用机制？

（一）数据要素集聚的相关研究

数据要素是数字经济发展的核心驱动要素，也是推动经济高质量发展的关键动能，受到学界广泛关注。当前，学者针对数据要素集聚的区域缩减效应、科技创新效应以及企业就业效应展开广泛讨论。苏婧等（2022）［1］实证考察发现，数据要素集聚对区域发展差距的影响作用呈倒“U”型特点，即数据要素集聚的品牌创新效应和技术进步效应在短期内拉大了区域间发展差距，而在长期内却呈现缩小区域差距的趋势。刘传明等（2023）［2］研究结果显示，数据要素集聚能够显著促进大数据综合试验区科技创新水平提升，且缓解劳动资源错配、提高研发投入水平和人力资本水平是主要作用路径。刘达等（2024）［3］研究表明，数据要素集聚可通过加快劳动力要素流动、促进企业数字化转型等策略，优化企业就业结构。

（二）科技创新的相关研究

科技创新在人类社会发展过程中发挥重要引擎作用，是学界研究的重点内容。学者主要针对科技创新的影响因素和影响效应相关内容展开深入考察。在影响因素层面，已有研究探讨了空气污染［4］、金融发展［5］、人口老龄化［6］、中国城市群空间结构［7］对科技创新的影响作用；在影响效应层面，学界文献研究结果表明，科技创新能够驱动乡村产业发展［8］，为促进城市群高质量发展、推动区域高质量发展［9］和引领现代化产业体系建设［10］提供重要支撑；同时，在科技革命背景下，科技创新在推进新质生产力形成和发展过程中发挥重要作用。由此，部分学者针对科技创新与新质生产力二者的关系展开探讨，并认为科技创新是新质生产力的核心要素，且通过发挥产业变革功能、资源整合功能等多重优势，不断催生新产业、新模式和新动能，从而驱动新质生产力发展［11］。

（三）数字新质生产力的相关研究

当前，关于数字新质生产力的研究较少，多数学者重点针对数字生产力和新质生产力进行考察。数字生产力方面，有学者认为数字生产力是指相关主体依托互联网、大数据等数字技术，在打造数字产业过程中所形成创造社会财富的能力［12］。还有研究将数字生产力界定为生产力的主体要素和客体要素“三位一体”的数字化［13］。新质生产力方面，部分文献探讨了新质生产力的影响因素，且主要集中于考察数字化转型［14］、人力资源、高技术产业水平以及数字信息基础设施［15］、数据要素市场化［16］对新质生产力的驱动作用。在上述相关研究成果基础上，少数学者对数字新质生产力进行了内涵界定，指出数字新质生产力是指个体在适应自然、改造自然过程中，凭借云计算、大数据等数字技术对自身能力进行重塑和发展所形成的生产力［17］。随着数字新技术革命的推进，大数据、云计算和人工智能等数字技术在更高层次上改变了生产力性质，推进生产力向数字化和智能化方向发展，形成数字新质生产力［18］。

综上，已有文献分别针对数据要素集聚、科技创新和新质生产力分别展开深入探讨，且有较少学者考察两两间关系，更鲜有学者检验数据要素集聚、科技创新和数字新质生产力三者的内在联系。由此，本文尝试对数据要素集聚影响数字新质生产力的作用路径展开理论探讨和实证分析。相较于以往研究，本文的边际贡献在于：（1）探讨了数据要素集聚对数字新质生产力的影响作用，拓展了数字新质生产力相关研究边界。（2）从科技创新视角出发，实证考察其在数据要素集聚促进数字新质生产力过程中的具体作用，以揭示影响二者关系的“机制黑箱”。（3）立足于数字经济发展水平和市场化程度两个层面，考察数据要素集聚对数字新质生产力的异质性影响，为政府制定数字新质生产力差异化发展方案提供有益参照。

二、理论分析与研究假设

（一）数据要素集聚对数字新质生产力的直接影响效应

在传统产业模式中，产业链上下游和企业间存在大量信息壁垒，导致产业内部运行效率低下和上下游企业间信息传递受阻，不利于先进数字技术与传统生产过程融合，阻碍生产模式和生产结构升级，从而抑制数字新质生产力形成。而数据要素集聚够促进各类要素资源由开发利用阶段，过渡到公共数据开放和共享阶段，实现要素重组与资源再配置，充分发挥数据要素的“乘数效应”，有效破除信息壁垒，畅通要素流通渠道［19］。这有利于推进信息、数据、人才管理等多维要素的深度融合，充分释放数据潜能，以数据要素规模效应赋能数字新质生产力发展。同时，数据要素集聚能够推动地方不断健全数据资源供给体系，推动社会投资结构、知识共享结构、劳动力结构优化升级，实现技术资金、创新知识、大数据人才等创新要素紧密结合，加快技术迭代速度，推动包括物联网、云计算在内的全新产业模式和新业态不断涌现［20］，从而赋能数字新质生产力发展。在数据要素集聚的驱动作用下，政府部门能够通过加大数据要素投入、优化要素配置结构，引导和鼓励数据要素资源由低生产效率部门向高生产效率部门流动，推进经济由低质量扩张向高质量数字化方向转型［21］，为培育更具活力的数字新质生产力提供基础保障。此外，数据要素集聚通过发挥强扩散性和强渗透性特征优势，可推动不同产业间固有边界模糊化，形成新型产业组织形式，促进产业生产模式向智能化方向升级，推动新型技术产业发展，从而提升数字新质生产力水平。综上，提出如下假设：

H1：数据要素集聚对数字新质生产力具有显著正向影响。

（二）数据要素集聚对数字新质生产力的间接影响效应

数据要素集聚能够通过促进科技创新，赋能数字新质生产力发展。一方面，数据要素集聚能够促进科技创新。第一，研发创新能力的提升效应。数据要素集聚能够促进数据要素供需端研发创新能力提升。在供给端，数据要素集聚带来的高质量数据要素与人工智能、深度学习相结合，可提高新技术性能和新产品的实验预测结果的精准性，为供给端提升科技成果产出效率［22］和科技创新水平提供有力支撑；在需求端，数据要素集聚有利于充分释放“数据+算力+算法”的强大组合功能，辅助创新主体从海量数据中深度发掘有效信息，准确掌握消费者消费趋向，针对性开展研发创新活动，提高科技创新能力。此外，数据要素集聚可促进创新知识溢出，并在不同创新主体间流动。在此情形下，创新主体通过吸收、模仿和再创新等方式实现创新模式变革，并及时链接国内外前沿技术，为提高自身科技创新能力提供多维支撑。第二，创新资源配置优化效应。数据要素集聚推进大数据中心加速构建数据分析平台，该平台可辅助创新主体准确、全面地掌握区域创新发展需求，为企业技术创新提供科学决策依据，促进创新资源配置优化，提高资源利用率，从而赋能区域科技创新［23］。数据要素集聚意味着数据资源管理能力与应用水平的强化，这可降低数字网络中的信息不对称程度，使得各类创新要素在市场化机制作用下实现优化配置，形成参与主体多元化的开放式创新模式，赋能科技创新水平提升。

另一方面，科技创新可赋能数字新质生产力发展。科技创新能够通过促进数字新型劳动者发展、提供数字新型劳动对象和推动数字新型劳动资料积累，赋能数字新质生产力发展。就数字新型劳动者发展层面而言，科技创新凭借其智能化、数字化等特征优势，使传统劳动者向拥有数字技术应用能力、数字产品研发能力的新型人才方向转变，形成更多能够替代人的体力和脑力劳动的数字新质劳动者，创造具有更高附加值的劳动价值和数字化劳动成果，促进数字新质生产力发展；就数字新型劳动对象层面而言，科技创新带来的5G技术、区块链技术，能够为新兴产业主体提供高效的智能化装备、工业机器人等数字新型劳动对象［24］，促使更高质态的数字新质生产力加速形成；就数字新型劳动资料积累层面而言，在科技创新驱动作用下，各领域创新主体可采用大数据、云计算、人工智能等新一代信息技术，创造出人工智能辅助工具、虚拟和增强现实技术等数字新型劳动资料，推进数字新质生产力发展。据此，提出如下假设：

H2：数据要素集聚能够促进科技创新，从而赋能数字新质生产力发展。

三、研究设计

（一）变量选择

1.解释变量：数据要素集聚（Date）

数据是数字经济时代的新型生产要素，其产生的前提条件是移动电话和互联网的共同支持。故此处参照郭檬楠等（2022）［25］的做法，利用地区移动电话用户数和互联网宽带接入数之和占人口总数的比值衡量数据要素集聚程度，该数值越大，说明地区数据要素集聚程度越高。

2.被解释变量：数字新质生产力（Digi）

基于马克思关于“生产力是人类征服自然、改造自然的能力”的经典论述，并结合前文数字新质生产力的相关研究成果，本文认为数字新质生产力是指在数字经济时代下，生产主体将数字技术与传统生产力相融合，推动劳动者、劳动对象和劳动资料三要素实现数字化发展的高质态生产力。据此，参考既有研究［26-29］，从数字新质劳动者、数字新质劳动资料和数字新质劳动对象三个维度着手构建数字新质生产力评价指标体系，见表1。进一步采用熵值法测算数字新质生产力发展指数。

3.中介变量：科技创新（Tec）

科技创新是由诸多投入产出环节组成的复杂系统工程，关键是如何基于科技创新环境，将创新投入转化为创新产出，最终形成经济社会效益［30］。据此，参照学界已有研究［31-32］，从科技创新环境、科技创新投入和科技创新产出等三个方面着手构建科技创新水平综合评价指标体系，见表2。其中，科技创新环境利用创新基础和创新政策两个指标综合衡量；科技创新投入包括人才投入、科研经费投入以及教育经费投入；科技创新产出包含专利产出和成果转化两个指标。最终采用熵值法测算获得科技创新指数。

4.控制变量

借鉴学术界研究成果［33-35］，对如下变量进行控制：（1）工业化水平（IND）：以工业增加值占GDP比重衡量；（2）政府干预程度（GOV）：利用财政支出占GDP比重表示；（3）城镇化水平（URB）采用城市人口占人口总数比重衡量；（4）外商直接投资（FDI）：利用省份外商直接投资金额占GDP比重表示；（5）金融发展水平（FIN）：利用年末金融业增加值与GDP比值衡量。

（二）数据来源

选取2013—2022年中国30个省份（限于数据可获得性，剔除西藏、香港、澳门和台湾地区）面板数据作为研究样本展开实证检验。数字新质生产力数据源自《中国能源统计年鉴》《中国环境统计年鉴》、国泰安数据库，其中企业数据来源于CNRDS数据库和CSMAR数据库；科技创新相关数据主要来源于《中国科技统计年鉴》，基于世界知识产权局（WIPO）发布的国际专利分类表（IPC）编码，根据国家知识产权局提供的专利申请信息整理获得。其他数据主要来源于历年《中国统计年鉴》《中国电子信息产业年鉴》《中国工业统计年鉴》、各省份统计年鉴、国家统计局以及CEIC中国统计数据库。针对个别缺失数据利用线性差值法和回归法补齐。

（三）模型构建

1.双向固定模型

基于前文理论假设，通过构建双向固定模型实证考察数据要素集聚能够促进数字新质生产力发展，具体模型如下：

Digiit=α0+α1Datait+α2Conit+λi+μt+εit（1）

式（1）中，被解释变量Digiit为i省份t年数字新质生产力，解释变量Datait表示数据要素集聚水平，Conit表示控制变量集，λi、μt分别为省份固定效应和时间固定效应，εit表示随机干扰项。

2.中介效应模型

为检验科技创新能否在数据要素集聚促进数字新质生产力过程中发挥中介效应，构建如下所示中介效应模型：

Tecit=β0+β1Datait+β2Conit+λi+μt+εit（2）

Digiit=χ0+χ1Datait+χ2Tecit+χ3Conit+λi+μt+εit（3）

式（2）、式（3）中，Tecit为中介变量科技创新，其余变量含义与式（1）一致。

四、实证结果分析

（一）基准回归

本文利用双向固定效应模型检验进行回归检验，具体结果见表3。由表3列（1）结果可知，未加入控制变量时，核心解释变量Data的估计系数在1%水平下显著为正，说明数据要素集聚能够显著促进数字新质生产力发展。表3列（2）—列（6）为依次加入不同控制变量后的回归检验结果，Data的估计系数均在1%水平下显著为正，这再次验证数据要素集聚对数字新质生产力具有显著促进作用，假设H1得证。进一步分析表3列（6）结果可知，数据要素集聚的估计系数为0547，且在1%水平下显著，表明数据要素集聚能够促进数字新质生产力发展，假设H1得到再次证实。由表3列（6）的控制变量估计系数可知，工业化水平、政府干预程度、城镇化水平、对外直接投资以及金融发展水平的估计系数至少通过10%显著性水平检验，说明上述变量均是数字新质生产力发展的重要驱动因素。原因可能在于，工业化进程的深入推进促使社会发展结构由农业社会向工业社会结构转变，这可带动信息技术、新能源等领域的技术进步和产业结构升级，加速助力战略性新兴产业和未来产业发展，为数字新质生产力发展提供助力。随着数字经济的快速发展，政府干预程度的提升意味着政府部门在数字基础设施、数字化服务等方面加大财政投入力度，能够为数字新质生产力发展提供良好发展环境和政策支撑。城镇化水平提升一定程度上会增强城市公共服务基础设施对数字技术的依赖性，促使城市对新型数字技术服务和数字产品需求量不断攀升，这倒逼生产力发展趋向于数字化和高质态，进而推动数字新质生产力形成。外商直接投资水平的提升吸引更多外资流入，促进数字产业价值链的智能化与数字化发展，提高数字服务业效率和推进数字服务产业集聚，有效赋能数字新质生产力发展。金融发展水平的提升能够有效缓解创新主体的信贷约束，提高创新产品产出效率，为数字新质生产力可持续发展注入新动能。

（二）稳健性检验

为考察前文研究结果的稳健性，本文采用剔除部分样本、更换变量衡量方式、样本缩尾处理的方式展开稳健性检验，具体检验结果见表4。第一，剔除部分样本。鉴于城市行政等级的区别会对数据资源集聚程度和数字新质生产力产生边际效应，从而对研究结果产生干扰，故剔除4个直辖市样本进行二次回归，结果见表4列（1）。第二，更换被解释变量衡量方式。分别利用主成分分析法、均等权重法代替熵值法重新测算数字新质生产力发展指数，并重新展开回归分析，结果见表4列（2）和列（3）。第三，样本缩尾处理。由于异常值会对本文研究结论的准确性和可靠性产生影响，故对研究样本进行上下1%的缩尾处理，并展开重新回归，结果如表4列（4）所示。分析上述检验结果发现，数据要素集聚的估计系数在1%水平下显著为正，表明研究结论可靠。

（三）内生性问题处理

本文的回归模型可能存在由双向因果关系和遗漏变量导致的内生性问题。第一，双向因果关系。数据要素集聚影响数字新质生产力的同时，也可能受数字基础设施条件改变引起的反向作用，从而产生内生性问题。第二，遗漏变量。尽管本文对多个变量、省份和时间进行控制，但依旧存在部分影响数字新质生产力的遗漏变量。故为克服模型可能存在的内生性问题，通过引入工具变量和增加控制变量的方式进行检验。

一方面，参照张慧等（2023）［23］的做法，采用省份用电总量的对数（Elc）与全国数字经济企业存量对数（Qy）的交互项（Elc×Qy）作为数据要素集聚的工具变量，规避由双向因果关系引起的内生性问题。原因在于，数据要素集聚需要充足的电力资源支撑，故地区电力供给能力一定程度上决定数字新质生产力的发展前景，这满足相关性条件。同时，用电总量与当前创新活动不存在直接关系，故也满足外生性要求，说明工具变量有效。分析表5列（1）、列（2）结果可知，工具变量及解释变量的估计系数均在1%水平下显著为正，表明数据要素集聚对数字新质生产力发挥显著促进作用显著，说明前文结论稳健。此外，AndersonLM检验结果在1%水平下拒绝识别不足原假设，Cragg-DonaldWaldF检验结果大于Stock-Yogo在10%水平下显著的临界值，说明上述工具变量通过了弱工具变量检验。另一方面，利用增加控制变量的方式，解决可能由遗漏变量导致的内生性问题。由此，本文将人力资本水平（Hum）、高新企业基础（Fpr）作为控制变量纳入回归方程进行检验，分别利用人均受教育年限、高新技术企业数量的对数值衡量。由表5列（3）、列（4）检验结果可知，纳入人力资本水平和高新企业基础两个控制变量后，数据要素集聚的回归估计结果尚未发生显著变化，说明检验结果稳健。

（四）中介效应检验

为检验科技创新在数据要素集聚对数字新质生产力影响过程中发挥的作用机制，本文采用中介效应模型进行分析，检验结果如表6所示。表6列（1）结果表明，数据要素集聚的估计系数在1%水平下显著为正，说明数据要素集聚对数字新质生产力发挥正向促进效应。表6列（2）结果显示，数据要素集聚也能够显著促进科技创新发展。分析表6列（3）估计结果可知，数据要素集聚能够通过推进科技创新，赋能数字新质生产力发展。为进一步验证科技创新的中介效应是否存在，本文采用Sobel检验进行进一步分析，结果发现Sobel检验中的z值为3071，大于5%显著性水平下的临界值097。这说明科技创新发挥显著的中介效应，假设H2得证。详细而言，数据要素集聚促使各地区大数据人才由分散化、静态化分布状态向集聚化、流动化状态转变，这可促进大数据人才配置结构优化，提升高素质人才资源利用率，为创新主体持续注入新动能，促进科技创新。而科技创新能够驱动产业运营模式智能化、数字化转型，助力未来产业和战略性新兴产业发展，为数字新质生产力发展提供动能。

五、异质性检验

（一）数字经济发展水平异质性

数字经济发展水平差异会直接影响数据要素集聚水平，进而对数字新质生产力产生异质性影响。为检验不同数字经济发展水平下数据要素集聚对数字新质生产力影响差异，利用数字经济发展指数均值将总样本划分为数字经济发展水平高组和低组进行重新回归，结果见表7列（1）和列（2）。分析可知，在数字经济发展水平高组和低组，数据要素集聚的估计系数为0526、0454，且分别在1%、5%水平下显著，表明在数字经济发展水平高组，数据要素集聚对数字新质生产力的促进效应更大。深究其因可能在于，数字经济发展水平低组缺乏系统化数字经济发展机制和深厚的数字要素基础，难以吸引数据要素涌入并形成集聚，不利于数字新质生产力发展。而数字经济发展水平高组拥有健全的数字基础设施以及相关保障制度，有利于盘活存量资源，促进数据要素利用率，充分强化数据要素集聚对数字新质生产力的赋能作用。

（二）市场化程度异质性

参照《中国分省份市场化指数报告》对市场化程度综合指数进行度量，继而以中位数为标准，将总样本划分为高市场化程度组和低市场化程度组后进行重新回归，结果见表7列（3）和列（4）。分析可知，在市场化程度高组和低组，数据要素集聚的估计系数分别为0445、0332，且通过1%和5%的显著性水平检验。这说明数据要素集聚对市场化程度高组数字新质生产力的促进作用更显著。原因可能是，市场化程度高组的数据交易监管制度较为完善，能够压缩创新主体科技研发成本，提升创新产品研发效率，并不断衍生出新型生产工具和生产资料，促进数字新质生产力发展。而市场化程度低组尚未形成完善的数据交易机制，这会导致数据资源配置受到诸多非市场因素干预，不利于数据要素集聚优势的显著发挥，阻碍其对数字新质生产力赋能作用的有效发挥。

六、结论与政策建议

本文基于2013—2022年中国30个省份面板数据，采用双向固定效应模型、中介效应模型实证考察数据要素集聚对数字新质生产力的影响和作用机制。主要结论如下：（1）数据要素集聚对数字新质生产力发挥显著促进作用，且该结论经过一系列稳健性和内生性检验后依旧成立；（2）数据要素集聚能够促进科技创新水平提升，进而驱动数字新质生产力发展；（3）数据要素集聚对数字新质生产力的影响作用存在异质性，即数据要素集聚对数字经济发展水平高组和市场化程度高组具有更明显的促进作用，而对数字经济发展水平低组和市场化程度低组的影响较小。

根据研究结论，提出如下政策建议：

第一，健全数据要素发展体系。研究表明，数据要素集聚对数字新质生产力发挥显著促进作用。由此，我国应通过构建区域数据共享平台、建立数据交易机制等方式健全数据要素发展体系。一是构建区域数据共享平台。我国应构建政府主导、企业参与的公共数据共享平台，整合与共享各领域非核心公开数据，促进跨行业数据创新应用，不断完善数据要素配置体系，为创新主体提供有偿数据增值服务，有效赋能数字新质生产力发展。二是建立数据交易机制。一方面，提高数据产权管理能力。我国应加速构建统一化数据产权登记机构和数据公开查询平台，对数据交易主体的数据名称、产权人、数据特征等内容进行统一管理，以此减少权属争议，促进数据高效流通和数据要素集聚，推动数字新质生产力发展。另一方面，完善数据交易标准和定价机制。我国应加大力度制定统一化大数据分类标准和产品标准，规范数据产品的包装和描述，探索采用数据应用量、价格动态等方法进行数据定价，为数据产品交易提供参考价格，有效规避数据交易风险，充分释放数据要素集聚对数字新质生产力的赋能作用。

第二，完善科技创新体制机制。上述实证检验发现，科技创新在数据要素集聚赋能数字新质生产力发展过程中发挥重要中介效应。由此，我国应不断完善科技创新体制机制，提高科技创新水平，促进数字新质生产力发展。一是搭建科技成果转化平台。我国应大力推进科研机构、高等院校和产业部门间的合作力度，形成以新型企业为核心、科研机构为支撑的创新创业联盟，建立科技成果转化平台，推广应用转让、并购、合作研发等发展策略，以此提高创新成果转化效率和科技创新能力，赋能数字新质生产力发展。二是健全科技成果评价机制。科研院所应明确技术创新性、实用性、市场潜能等方面的科技成果评价标准，保证评价结果的准确性和客观性，并在市场中开展科技成果专业化评价活动，提高科技创新水平，赋能数字新质生产力发展。三是规范技术交易市场。市场监管部门应依托科技中介服务机构规范技术交易市场运营流程，优化技术交易信息发布机制，建立信息畅通、服务体系健全和交易规范明确的技术交易市场，促进技术交易、科技成果等信息数据开放共享，提高科技创新能力，促进数字新质生产力发展。

第三，因地制宜制定数据要素配置方案。研究结论表明，数据要素集聚对高数字经济发展水平和高市场化程度地区数字新质生产力的赋能作用更明显。由此，我国应针对不同数字经济发展水平和市场化程度地区制定差异化数据要素配置方案，因地制宜驱动数字新质生产力发展。其一，数字经济发展水平和市场化程度较高地区应成立国家级别的数据共享平台，要求各个企业或科研机构提交研发、生产、产品使用过程中产生的数据，并汇总作用互补的数据，进一步将其提供给企业研发部门和数据共享平台，有效提高各领域数据要素配置效率，赋能数字新质生产力发展。其二，数字经济发展水平和市场化程度偏低地区应引导第三方专业服务机构主动参与数据要素市场建设过程，进一步结合数据交易的全生命周期健全数据服务体系，为创新主体提供涵盖数据集成、数据公正、数据保险等内容在内的数据化管理服务，促进数据要素合理配置，充分释放数据要素集聚对数字新质生产力的赋能作用。

参考文献：

［1］苏婧，赵城，王必达.数据要素集聚能实现区域协调发展吗——论大国区域发展的“集聚”与“协调”［J］.财经科学，2022（6）：62-77.

［2］刘传明，陈梁，魏晓敏.数据要素集聚对科技创新的影响研究——基于大数据综合试验区的准自然实验［J］.上海财经大学学报，2023，25（5）：107-121.

［3］刘达，王晓丹，石玉堂.数据要素集聚对企业就业的影响——基于就业规模与就业结构的双重视角［J］.山西财经大学学报，2024，46（4）：54-67.

［4］丁晨辉，王威，宋晓明.空气污染对区域科技创新的双边影响效应分析［J］.统计与决策，2024（6）：84-88.

［5］郭蔚，潘红玉.金融发展促进了区域科技创新吗？——基于教育人力资本调节效应的分析［J］.财经理论与实践，2024，45（2）：33-39.

［6］沈可，孙慧琳.人口老龄化对科技创新的空间效应与异质性影响——基于中国地级市面板数据的分析［J］.人口研究，2024，48（2）：90-103.

［7］戴宏伟，杨宏昌.中国城市群空间结构对科技创新的影响［J］.经济地理，2023，43（12）：36-47.

［8］王兴国，吴梵.科技创新驱动乡村产业振兴的机理及实践路径［J］.广东社会科学，2024（2）：54-61.

［9］孙久文，胡俊彦.科技创新赋能京津冀协同发展：理论、成效与政策方向［J］.科学学与科学技术管理，2024，45（2）：22-34.

［10］刘冬梅.以科技创新引领现代化产业体系建设［J］.中国科技论坛，2024（2）：3.

［11］张新宁.科技创新是发展新质生产力的核心要素论析［J］.思想理论教育，2024（4）：20-26.

［12］韩文龙.数字经济赋能经济高质量发展的政治经济学分析［J］.中国社会科学院研究生院学报，2021（2）：98-108.

［13］何玉，长王伟.数字生产力的性质与应用［J］.学术月刊，2021，53（7）：55-66.

［14］陈秀英，刘胜，沈鸿.以数字化转型赋能提升新质生产力［J］.新疆社会科学，2024（2）：41-45.

［15］李松霞，吴福象.我国新质生产力发展潜力及驱动因素［J］.技术经济与管理研究，2024（3）：7-12.

［16］陆岷峰.数据市场化赋能新质生产力：理论逻辑、实施模式与发展趋势［J/OL］.新疆社会科学，1-15［2024-04-09］.

［17］王静，孙晋海，蔡捷，等.数字技术赋能农村公共体育服务更高水平发展：理论阐释与实践进路［J］.体育科学，2023，43（1）：15-25+33.

［18］杜传忠，疏爽，李泽浩.新质生产力促进经济高质量发展的机制分析与实现路径［J］.经济纵横，2023（12）：20-28.

［19］张斌，李亮.“数据要素×”驱动新质生产力：内在逻辑与实现路径［J］.当代经济管理，2024（8）：1-10.

［20］陈秀英，刘胜，沈鸿.以数字化转型赋能提升新质生产力［J］.新疆社会科学，2024（2）：41-45.

［21］张夏恒，刘彩霞.数据要素推进新质生产力实现的内在机制与路径研究［J］.产业经济评论，2024（3）：171-184.

［22］张吉昌，龙静.政府数据开放何以赋能企业创新？［J］.现代经济探讨，2024（4）：29-43+59.

［23］张慧，易金彪，徐建新.数字化变革如何影响城市创新——基于国家大数据综合试验区建设的经验证据［J］.科学学研究，2023（8）：1484-1494.

［24］杜传忠，李钰葳.强化科技创新能力加快形成新质生产力的机理研究［J］.湖南科技大学学报（社会科学版），2024（1）：100-109.

［25］郭檬楠，杜亚光，郭金花，等.国家审计治理与城市创新要素集聚——基于创新环境优化的视角［J］.上海财经大学学报，2022（2）：3-17.

［26］朱富显，李瑞雪，徐晓莉，等.中国新质生产力指标构建与时空演进［J］.工业技术经济，2024（3）：44-53.

［27］王珏，王荣基.新质生产力：指标构建与时空演进［J］.西安财经大学学报，2024（1）：31-47.

［28］胡莹.新质生产力的内涵、特点及路径探析［J］.新疆师范大学学报（哲学社会科学版），2024（5）：36-45.

［29］张彰.数字新质生产力、农业产业链延伸与共同富裕［J］.统计与决策，2024（9）：37-42.

［30］ChenK，GuanJ.MeasuringtheEfficiencyofChina’sRegionalInnovationSystems：ApplicationofNetworkDataEnvelopmentAnalysis（DEA）［J］.RegionalStudies，2010，46（3）：355-377.

［31］王雅丽，黄永春.长江经济带科技创新效率测度及影响因素分析［J］.统计与决策，2021（15）：104-108.

［32］刘建明，颜学明.广东科技创新能力监测指标体系设计与实证研究［J］.科技管理研究，2021（24）：60-66.

［33］吴文生，荣义，吴华清.数字经济赋能新质生产力发展——基于长三角城市群的研究［J］.金融与经济，2024（4）：15-27.

［34］任宇新，吴艳，伍喆.金融集聚、产学研合作与新质生产力［J］.财经理论与实践，2024（3）：27-34.

［35］刘明慧，李秋.财税政策何以驱动新质生产力发展？［J］.上海经济研究，2024（3）：31-41.

AggregationofDataElements，TechnologicalInnovationandDigitalNew

QualityProductivity

CHUXiwei，WANGJingbu

（CollegeofEconomics，Xi’anUniversityofFinanceandEconomics，Xi’an710613，China）

Abstract：Basedonpaneldatafrom30provincesinChinafrom2013to2022，thisstudyempiricallyexaminestheimpactofdatafactoragglomerationondigitalnewqualityproductivity，aswellasthemechanismoftechnologicalinnovationintherelationshipbetweenthetwowiththehelpofbidirectionalfixedeffectsmodelandanintermediaryeffectsmodel.Theresearchresultsindicatethatdataelementaggregationcaneffectivelypromotetheimprovementofdigitalnewqualityproductivity.Theresultsofthemediationeffecttestindicatethattechnologicalinnovationplaysamediatingroleintheprocessofdrivingdigitalnewqualityproductivitythroughdataelementaggregation.Heterogeneitytestingfoundthatcomparedtothegroupwithlowlevelofdigitaleconomydevelopmentandlowdegreeofmarketization，thepromotioneffectofdatafactoragglomerationondigitalnewqualityproductivityismoresignificantinthegroupwithhighlevelofdigitaleconomydevelopmentandhighdegreeofmarketization.Therefore，policyrecommendationsareproposedtoimprovethedevelopmentsystemofdataelements，improvethemechanismofscientificandtechnologicalinnovation，andformulatedataelementallocationplanstailoredtolocalconditions，inordertoprovidethedevelopmentlevelofdigitalnewqualityproductivity.

Keywords：aggregationofdataelements;digitalnewqualityproductivity;technologicalinnovation;mediationeffectmodel

（责任编辑：周正）