李琴

（武汉船舶职业技术学院，湖北 武汉 430050）

摘要：数据资产作为数字经济时代的核心生产要素，是企业新质生产力发展的关键驱动力。本文以2011—2023年沪深A股上市公司为研究样本，实证检验了数据资产对企业新质生产力的赋能作用。研究表明，数据资产能够显著提升企业新质生产力：通过“信息效应”提高企业信息透明度，通过“资源效应”缓解企业融资约束，通过“价值创造效应”促进企业创新水平提升，从而推动企业新质生产力的发展。异质性分析表明，在数字经济政策支持力度较大、高科技企业及经济政策不确定性较低的地区，数据资产对企业新质生产力的促进作用更为显著。本文为企业数据资产的价值实现和新质生产力的培育提供参考借鉴。

关键词：数据资产；新质生产力；信息效应；资源效应；价值创造效应

一、引言

新质生产力作为深度融合前沿数字技术与创新生态模式的全新生产力形态，对提升国家和企业的核心竞争力具有战略性意义。微观企业作为经济活动的基本单元，是新质生产力形成与发展的关键主体。深入剖析企业新质生产力的影响因素，不仅有助于推动企业高质量发展，也为实现国家“十四五”规划目标和构建新发展格局提供微观基础。数据资产作为数字经济时代的关键生产要素，为新质生产力的发展提供了重要支撑，成为驱动经济高质量发展的核心动力。因此，本文深入探讨数据资产对企业新质生产力的影响机理，为完善数据资产管理政策和推动企业高质量发展提供参考。

二、理论分析与研究假设

（一）数据资产的信息效应

根据信息不对称理论，企业内外部的信息差异会影响其决策效率和资源配置。数据资产能够提升企业信息透明度，缓解企业内部和外部的信息不对称问题，进而赋能企业新质生产力的发展。首先，数据资产能够显著提升企业内部决策的透明度和准确性。企业利用数据资产实现对生产、销售、客户等多维度的实时信息追踪与分析，从而动态调整生产策略，精准定位目标消费群体，实现产品与服务的个性化推送。这种精准的信息捕捉和分析能力，不仅提高了企业决策的效率，还降低了因信息不对称导致的决策失误。此外，数据资产对企业资源的整合与管理能够打破企业内部的信息孤岛，促进不同部门之间的信息共享，提升企业内部管理效率。其次，数据资产能够显著提升企业与外部投资者之间的信息透明度。数据资产的管理成本低、时效性强，能够增强企业对外部信息的实时响应能力，提升信息透明度，这种透明度的提升有助于外部投资者更好地监督企业管理层，降低监督成本，促使企业高效利用资源，提升全要素生产力，赋能新质生产力发展。最后，数据资产能够提升企业供应链信息透明度来赋能新质生产力。数据资产为企业提供了供应商和客户的完整画像，降低了供应链主体之间的信息不对称，优化了供应链关系管理，有助于企业更好地协调供应链各环节，优化资源配置，提高供应链的整体效率，进而赋能新质生产力发展。

（二）数据资产的资源效应

数据资产通过发挥资源效应，有效缓解企业融资约束，赋能企业新质生产力发展。首先，企业通过有效管理并合理披露数据资产，能够向投资者传递更多关于数据资产的特质信息，增强投资者对企业未来发展的信心，拓宽企业的融资渠道，从而降低企业的融资成本，缓解其融资约束。其次，数据资产能够建立企业完备的数据治理体系，将企业内部碎片化的数据进行整合，形成结构化、标准化的数据资产。使得金融机构能够更精准地评估企业的信用状况，提供更灵活的融资方案，使企业获得更多的融资机会，降低企业的融资风险。最后，数据资产作为企业具有核心竞争力的关键生产要素，能够发挥降本提质、交易增值和信用担保的作用，通过优化信贷资源配置和提高资金流动性，显著缓解企业的融资约束。数据资产通过缓解融资约束，为企业提供了更多的资金支持，使得企业能够加大研发投入，提升技术水平，优化生产流程，从而推动新质生产力的发展。

（三）数据资产的价值创造效应

数据资产能够发挥价值效应，促进企业创新，进而赋能企业新质生产力的发展。数据资产的积累与有效利用为企业构建了丰富的知识基础，有助于优化研发路径，从而显著提升企业创新活力并增强其可持续竞争优势。数据资产所具有的虚拟性、共享性和非消耗性等独特属性，能够突破企业合作中的时空限制，促进内外部协同创新网络的构建，进而实现创新资源与能力的动态优化与整合提升。首先，数据资产为企业提供了丰富的信息资源，有助于企业精准把握市场需求和趋势，从而推动产品和服务的创新。例如，通过分析海量的消费者数据，企业能够深入了解消费者偏好，开发出更具针对性和竞争力的产品，提升产品创新效率。其次，数据资产的积累和应用可以优化企业的研发流程，降低研发成本。企业利用数据资产进行模拟实验和数据分析，能够在研发过程中提前发现潜在问题并进行优化，减少试错成本，提高研发效率。此外，通过建立数据共享平台，企业内部不同部门和层级的员工能够更便捷地获取和交流信息，形成跨部门的协同创新效应，进一步提升企业的创新能力^[1]。最后，数据资产的高效利用有助于企业构建开放创新生态，加强与外部合作伙伴的协作。企业可以与高校、科研机构等外部主体共享数据资产，开展联合研发项目，整合各方资源，助力企业创新能力和市场竞争力的攀升^[2]。综上所述，数据资产通过提供信息支持、优化研发流程、促进知识共享和构建开放创新生态等多方面作用，能够有效促进企业创新，进而提升企业的新质生产力发展水平。根据上述分析，提出研究假设H1：

H1：企业充分利用数据资产能够显著提升企业新质生产力发展水平。

三、研究设计

（一）数据来源与样本选取

本文以2011-2023年A股上市公司为样本，系统探究数据资产赋能企业新质生产力发展的内在机制。依据上市公司年报构建数据资产及企业新质生产力指标，依据省级政府工作报告构建数字经济政策指标，其他数据来自于CSMAR数据库。数据处理过程中，剔除了ST、*ST和PT类样本，剔除了财务数据缺失及资产负债率大于100%的样本，本研究最终获得了包含23,624个观测值的样本。为控制极端异常值对实证结果的潜在干扰，本文对所有连续变量进行了1%分位水平的双侧缩尾处理。

（二）变量定义

1.企业新质生产力。参考李心茹等（2024）^[3]，基于新质生产力的理论内涵，构建了包含多维度指标的评价体系，运用熵值法对各维度指标进行客观赋权，测算企业新质生产力综合指数，并将其扩大100倍进行实证分析。

2.数据资产。借鉴苑泽明等（2022）^[1]的研究，计算得到数据资产衡量指标。为控制其他影响因素，回归模型加入公司特征及公司治理的控制变量，包括研发投入占营业收入比率，资产规模，资产负债率，现金流，董事会规模，企业年龄，第一大股东持股比例，前十大股东持股比例，独立董事比例，高管持股比率，前三名高管薪酬总额对数，每股净资产，营业收入增长率，净资产收益率等。

（三）模型设定

为检验数据资产对企业新质生产力的影响效应，本文构建模型（1）对研究假设H1进行检验。模型中Npro_i,t表示企业新质生产力综合指标，Data_i,t表示企业数据资产水平，Controls_i,t表示相关控制变量，Firm、Year、lndus分别表示企业、年度和行业虚拟变量。

根据主要变量的描述性统计结果，样本量为23,624个，企业新质生产力的平均数为12.811，最小值为1.22，最大值为36.991，说明不同企业的新质生产力水平差异较大。数据资产的均值为0.007，标准差为0.017，最小值为0，最大值为0.109，说明大部分上市公司暂未披露企业数据资产，数据资产信息披露有待加强。限于篇幅限制，描述性统计分析表未展示，已存备索。

（二）基本回归分析

表1第（1）-（3）列报告了基准回归分析结果。第（1）列呈现了仅控制企业固定效应的估计结果，数据资产变量的回归系数在1%水平上显著为正，初步证实了数据资产对企业新质生产力的正向促进作用。第（2）列进一步控制年份和行业固定效应，数据资产回归系数为5.072，且在1%水平上保持统计显著性。第（3）列在前述基础上纳入其他控制变量，数据资产变量的回归系数仍显著为正。综上，数据资产作为企业的重要战略资源，对企业新质生产力水平的具有显著促进作用。假设H1得到验证。

表1 基准回归和稳健性检验结果

五、稳健性检验

首先，本文采用相似度为权重重新计算数据资产综合衡量指标（Data1），并加入回归模型（1），回归结果如表1第（4）列，数据资产的回归系数为2.608，并在1%水平下显著，与主检验结果保持一致。其次，在已控制企业、时间和行业固定效应的基础上，进一步引入省份和城市固定效应，以更精准地控制潜在的区域异质性影响。表1第（5）至（6）列报告了分别纳入省份和城市固定效应后的回归结果。实证结果表明，在控制省份固定效应后，数据资产变量的回归系数为4.334，且在1%的统计水平上显著；控制城市固定效应后，数据资产的回归系数为4.286，同样在1%的显著性水平下显著，结论稳健。再次，为规避数据资产与企业新质生产力在不同时期的相关性影响，本文检验了数据资产的滞后期对企业新质生产力的作用效果，表1第（7）列和第（8）列的回归结果表明，滞后一期（LData）和滞后两期（L2Data）的数据资产均能显著正向影响企业新质生产力，进一步证实数据资产对企业新质生产力发展水平的促进作用。最后，改变样本区间。考虑到自2016年3月政策文件《中华人民共和国国民经济和社会发展第十三个五年规划纲要》发布后，许多企业积极响应国家大数据发展战略，并开展大数据业务，企业数据资产的投入和相关人才培养也增加，数据资产的价值进一步显现。基于此，本文采用2016年之后的样本进行回归。表1第（9）列结果显示，数据资产与企业新质生产力之间的正向关系在1%的显著性水平上依然成立，研究结论保持一致。

本文还进一步采用了倾向性得分匹配法、Heckman两阶段法和工具变量法缓解内生性问题，结果依然支持数据资产对新质生产力的积极促进作用。为控制篇幅，研究结果未展示，已存备索。

六、影响机制分析

基于前文的理论探讨，数据资产可以通过信息效应、资源效应和价值创造效应三条路径赋能企业新质生产力发展。据此，本文依次对这三种潜在效应进行检验。在基准回归结果基础上，构建模型（2）和模型（3）。

模型（2）和模型（3）中,Trans_i,t、Sa_i,t、Innov_i,t分别表示信息透明度，融资约束和企业创新变量。根据中介机制检验原理，在模型（2）和模型（3）中，如果回归系数β₁和γ₂都显著，同时，回归系数γ₁也显著，那么部分中介机制成立；若回归系数γ₁不显著，则完全中介机制成立。若模型（2）和模型（3）中回归系数β₁和γ₂至少有一个不显著，需要用Sobel检验结果是否显著来判断中介机制是否成立。

本文参考相关研究^[4]，构建信息透明度指标Trans_i,t。采用融资约束指数（Sa）来衡量企业融资约束程度，Sa指数与融资约束程度成正比。采用专利申请总量来衡量企业创新水平。表2为数据资产对企业新质生产力作用机制的检验结果。

根据表2第（1）-（2）列，数据资产对企业信息透明度和企业新质生产力都具有显著正向影响，但信息透明度对企业新质生产力的影响不显著，需要做Sobel检验，Sobel检验的Z值为2.18，说明数据资产能够通过信息效应对企业新质生产力产生积极推动作用。在表2第（3）列和第（4）列中，数据资产对企业融资约束具有显著负向影响，而对企业新质生产力具有显著正向影响，同时融资约束对企业新质生产力也具有显著负向影响，说明数据资产能够发挥资源效应，缓解企业融资约束，促进企业新质生产力发展。在表2第（5）列和第（6）列中，数据资产对企业创新水平的影响不显著，但企业创新水平和数据资产对新质生产力的影响都显著为正，也需要做Sobel检验，Sobel检验的Z值为4.37，说明数据资产能够通过提升企业创新水平推动企业新质生产力发展。

表2 数据资产对企业新质生产力作用机制检验结果

七、异质性分析

数据资产对企业新质生产力的积极效应在不同情境下可能呈现差异化的特征。因此，本文从数字经济政策、行业属性以及经济政策不确定性三个维度进行异质性分析。

（一）数字经济政策

随着数字经济的不断发展，各地方政府也出台各种政策激励企业进行数字化转型，这些政策为企业数字化转型和数据资产的积累、流通交易及应用提供了良好的政策环境，从而更好地促进企业利用数据资产进行价值创造，助力新质生产力发展。数字经济政策指标采用省级政府工作报告中数字经济特征词词频来衡量，以反映政府对数字经济领域的关注度和政策支持力度。结果显示，数字经济政策指标与企业数据资产的交乘项（Data_dep）的回归系数在1%水平上显著为正，说明政府较多的数字经济政策能够强化数据资产对企业新质生产力的促进作用。限于篇幅，异质性分析表格结果未展示，已存备索。

（二）高科技属性

本文设置是否为高科技企业的虚拟变量Type，将高科技企业设为1，非高科技企业为0，并将其与数据资产进行交乘，交乘项为Data_type。回归结果发现高科技企业虚拟变量与数据资产交乘项（Data_type）的回归系数在10%水平上显著为正，说明相对与非高科技企业，高科技企业数据资产对新质生产力的影响更为显著。高科技企业的技术优势更为显著，其复杂的生产与经营流程会更广泛地应用数据资产提高生产效率，助力企业新质生产力发展。而非高科技企业程序化的生产经营活动较多，数据资产对企业的价值创造效应不能凸显，对企业新质生产力的影响也不显著。

（三）经济政策不确定性

本文选取Baker等（2016）公布的中国经济政策不确定性指数^[5]。并将月度的经济政策不确定性指数取算术平均数，得到每年的指标值Epu，并将其与数据资产进行交乘，交乘项为Data_epu。研究发现，经济政策不确定性指数与数据资产的交互项（Data_epu）在1%的水平上显著负相关，揭示了在宏观经济政策不确定性程度较低的区域环境下，数据资产对企业新质生产力的作用更大。原因为地区的经济政策不确定性更低时，企业进行利用数据资产创造价值的成本和风险更小，企业更容易盘活数据资源，并利用数据资产来获取信息、优化资源配置，赋能企业新质生产力发展。

八、研究结论与展望

本文基于2011—2023年A股上市公司数据，分析了数据资产对企业新质生产力的影响及作用机制。研究发现，数据资产通过“信息效应”增强企业的信息透明度，通过“资源效应”缓解企业融资约束，通过“价值创造效应”推动企业创新水平的提升，最终赋能企业新质生产力发展。在数字经济政策支持力度大、高科技企业和经济政策不确定性较低的地区，数据资产对企业新质生产力的促进作用更为显著。

根据本文研究结论，提出以下对策建议。第一，企业应当高度重视数据资产的开发与管理，通过与具体应用场景的深度融合，充分挖掘数据资产的价值创造潜力。充分利用数据资产优化生产流程、精准定位客户需求、提升产品和服务质量，从而实现业务模式的优化和升级。第二，企业应优化数据资产管理流程，打破部门之间的数据孤岛，促进数据资产的流通和共享。通过建立数据资产共享平台，提升数据资产的利用效率。同时，企业应推动数据资产的市场化配置，积极参与数据交易平台的建设，促进数据资产的流通和交易，提升数据资产的市场价值。以此来提升企业自身的运营效率，提高企业的市场竞争优势。

参考文献：

[1]苑泽明, 于翔, 李萌. 数据资产信息披露、机构投资者异质性与企业价值[J]. 现代财经(天津财经大学学报), 2022,42(11):32-47.

[2]阳镇. 数字经济如何驱动企业高质量发展？——核心机制、模式选择与推进路径[J]. 上海财经大学学报, 2023,25(3):92-107.

[3]李心茹, 田增瑞, 常焙筌. 新质生产力、资源利用与企业组织韧性[J]. 西部论坛, 2024,34(4):35-49.

[4]Xin Q, Kong D, Hao Y. Corporate Transparency and Stock Price Volatility[J]. Financial Research, 2014(10):193-206.

[5]Baker S R, Bloom N, Davis S J. Measuring Economic Policy Uncertainty[J]. The Quarterly Journal of Economics, 2016,131(4):1593-1636.

基金项目：湖北省教育厅哲学社会科学研究项目“数据要素驱动视角下数据资产赋能企业新质生产力发展的机理研究”（24G099）；武汉船舶职业技术学院高层次人才科研启动经费项目“数据资产信息披露的影响因素及经济后果研究”（2025G01）。