Can the Marketization of Data Elements Improve Urban Innovation?A Quasi-natural Experiment

Chen Ting1, Duan Yaoqing1,2, Wu Jin1

(1.School of Information Management,Central China Normal University;2.Hubei Data Governance and Intelligent Decision Research Center,Wuhan 430079, China)

Abstract：In the information age, data elements have become the most important means of production. With the explosive growth of global data, the market scale expansion of data elements is extremely rapid. Historical development experience has proved that every element marketization has promoted social innovation, and traditional production element marketization has different degrees of influence on innovation capability. Compared with traditional element marketization, data element marketization has some new characteristics, such as non-competitiveness, value difference, strong externality, rapid transtemporal and spatial mobility. These characteristics enable the data element marketization to influence urban innovation capability. In order to enhance urban innovation strength and promote national economic development, it is necessary to establish a data element market, promote the open sharing of government data, enhance the value of social data resources, strengthen the integration and protection of data resources, and open a new innovation-driven pattern. However, it awaits further empirical tests to find out how to allocate data elements by market and give play to their intrinsic value, and verify if the marketization of data elements can strengthen the empowerment of data elements and promote urban innovation capability.

In this context, this paper takes the cities that have realized the marketization of data elements as the objects of the quasi-natural experiment and analyzes the difference in urban innovation levels before and after the establishment of a data element market from both theoretical and empirical aspects. The influence mechanism of data element marketization on urban innovation capability has been revealed as well. It provides theoretical support for the establishment and improvement of urban innovation system and the formulation and implementation of data element transaction policies from the perspective of digital economy.

The following hypotheses based on the correlation analysis are proposed: (1) data element marketization improves the urban innovation capability of cities; (2) it also improves urban innovation capability through the development of digital finance; (3) data element marketization can promote urban innovation capability by promoting industrial structure optimization; (4) data element marketization can improve urban innovation capability by promoting information talent aggregation; (5) there is heterogeneity among cities in data element marketization to improve urban innovation capability. Drawing on the panel data of 258 prefecture-level cities in China from 2009 to 2019, the paper constructs a multi-phase difference-in-difference (DID) model to evaluate the impact of data element marketization on urban innovation. Its internal influencing mechanism and urban heterogeneity are also analyzed.

The results show that the marketization of data elements can significantly improve the effect of urban innovation and pass the robustness test. Through the mechanism test, it is found that in order to enable data element marketization to promote urban innovation, it is essential to explore the balance point between urban scale and digital finance development, promote industrial integration and gather information talents. The driving effect of data element marketization on innovation is stronger in the eastern and western cities, key cities and cities with a high scientific education level. This paper explains the influence mechanism of data element marketization on the urban innovation effect, which is of practical significance for improving marketization allocation of elements and strengthening data elements.

In summary,this paper draws on the urban panel data of the city and the establishment of a data trading platform to conduct a quasi-natural experiment. It then adopts the multi-period DID model to verify the impact of data element marketization on urban innovation capability, and explore the internal influence mechanism of data element marketization on the improvement of urban innovation capability from the perspectives of the effect balance of digital finance, the improvement of industrial integration and the aggregation of information talents. It enriches the theoretical analysis framework of the impact of data element marketization on urban innovation capability, and provides an empirical basis for related studies. It is proposed to speed up the improvement of the data trading platform and cultivate a credible data element trading market; the government should give full play to the innovation-driven role of policies in the establishment of the data element market, and employ the information and knowledge technologies in urban management.

Key Words：Data Element Marketization; Urban Innovation; Multi-phase Difference-in-difference;Urban Heterogeneity

收稿日期：2022-09-05

修回日期：2022-11-04

基金项目：教育部哲学社会科学研究重大课题攻关项目(20JZD024)

作者简介：陈婷(1994-),女,湖北武汉人,华中师范大学信息管理学院博士研究生,研究方向为政务大数据与公共服务、管理创新;段尧清(1966-),男,湖北监利人,华中师范大学信息管理学院、湖北省数据治理与智能决策研究中心教授、博士生导师,研究方向为政务大数据与公共服务、管理创新;吴瑾(1998-),女,湖北汉川人,华中师范大学信息管理学院硕士研究生,研究方向为管理创新。本文通讯作者:吴瑾。

DOI：10.6049/kjjbydc.2022090113

开放科学(资源服务)标识码(OSID)：

中图分类号：F290

文献标识码：A

文章编号：1001-7348(2024)03-0074-10

0 引言

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》),将数据认定为与土地、劳动力、技术和资本等传统可参与分配的生产要素并列的新型生产要素[1]。在信息时代,数据要素已成为重要的生产资料。随着全球数据资源呈爆炸式增长,数据要素市场规模迅速扩张,推动数据产业快速发展。2018年中国数据产业规模为6 000亿元,2020年超过10 000亿元,产业规模增长率超过30%,中国有望在2025年拥有全球最大的数据要素市场[2]。

历史发展经验证明,每一次的要素市场化都推动了社会创新,不同的生产要素市场化对创新能力具有不同影响。如推进土地要素市场化有助于持续释放城市创新活力[3];劳动力要素的高级化和市场化是促进城市创新的重要机制[4];技术要素扩散与流动能提升区域创新效率[5];资本要素的市场扭曲会正向抑制技术发展和区域创新,并对创新机制产生持续的负向影响[6]。与传统要素市场化相比,数据要素市场化具备非竞争性、价值差异性、强外部性、跨时空快速流动性等新特征,这些特征使得数据要素市场化对创新能力的影响呈现不同规律[7]。

数据要素在直接创造价值、改变劳动力分配和提升产业转型质量等方面起着决定性作用[8]。建立数据要素市场,推进政府数据开放共享、提高社会数据资源价值、加强数据资源整合保护、开启创新驱动新格局已成为提升城市创新实力与推动国家经济发展的必然要求。然而,数据要素如何实现市场化配置并发挥其内在价值?数据要素市场化能否强化数据要素赋能作用,增强城市创新能力?上述问题并未得到实证检验。在此背景下,本文以实现数据要素市场化的城市作为准自然实验对象,从理论与实证两方面分析数据要素市场设立前后城市创新水平差异,揭示数据要素市场化对城市创新能力的影响机理,为数字经济背景下城市创新系统建立与完善、数据要素交易政策制定及执行提供理论支撑。

1 相关研究

1.1 数据要素市场化

数据要素市场化是指通过将数据要素配置到相关生产领域,根据供求关系定价数据要素,遵从等价交换原则,进行数据要素交易的基本流程。在此过程中需要克服由数据要素规模和质量差异引起的市场竞争,完善相关体制机制以保障市场健康公平运行[9]。建设数据交易平台是地方政府与经济主体在探索推进数据要素市场化过程中作出的实践尝试,并成为完善数据要素市场化配置的重要手段之一[10]。数据交易平台作为提供交易服务与保障交易安全的核心场所,其建设主体可分为政府、数据服务商与大型互联网企业三类[11],其中,政府参与型数据交易平台规模最大。

目前,关于数据要素市场化的研究涉及运营机制、价值结构和社会影响。合理的数据确权、定价与收益分配机制是数据交易平台稳定运行的基础[12],数据定价模型[13]与分红机制[14]的建立能最大程度地保障数据要素公平交易。数据要素的价值结构需要根据政府数据资产管理框架进行优化[15],以保障政府数据开放共享,避免资本对政府数据形成垄断[16]。数据要素市场化的社会影响涉及企业转型、经济发展、知识产权运营、法治变革等方面。数据要素市场化能激励企业进行数据开放与交易、促进数字技术汇聚[11]、加速企业转型升级,有利于重塑经济形态,提高数据要素配置效率,加快技术经济与发展范式跃迁,从而加快数字经济发展[17];数据要素市场化对知识产权运营的影响,具体表现在平台系统建设、金融产品供给和产品应用等方面[7];数据要素市场化对政府公共治理行为也具有重要影响,与数据要素交易相关的安全系统及用户隐私监管体系应运而生,相关法律与制度也正不断完善[18]。

1.2 城市创新能力

创新能力经历了信息化改善期、互联网经济推动期和数字经济赋能期[19],已成为引领中国经济转型发展的首要驱动力。城市创新体系已成为创新型国家建设的基础,城市创新能力评价又是创新体系构建的重要依据。目前关于城市创新能力评价的研究已经取得丰富的成果,学者们主要从研究方法、研究对象、影响因素以及影响效果等方面进行深入探讨,基于AHP、DID、DAE、OLS等分析方法,以智慧城市[20]、大数据试验区[21]、创新示范区[22]等为研究对象,构建差异化指标体系评价城市创新能力。常用的创新能力评价指标包括创新投入、财务绩效和创新产出[23],多数学者选择将反映创新产出的专利数量等作为主要评价指标。

城市创新能力影响因素涉及政府投入、经济水平、外商投资、信息基础建设等(韦东明等,2021),在不同因素影响下创新能力表现迥异。例如中欧班列开通[23]、智慧城市建设[21]、大数据试验区建立[24]会正向驱动区域创新能力提升;基础设施投资在增强区域创新能力的同时会引发创新效率损失,使得基础设施投资对城市创新效率呈现出倒U型影响[24];由高铁网络建设引致的外商直接投资会对沿线城市的高质量创新产生抑制作用,导致“逆城市化”现象发生[25];传统的生产要素如土地、劳动力、技术和资本的市场化也是重要的城市创新能力驱动器[3-6]。新型生产要素,即数据要素市场化主要从制度环境、社会环境和技术环境等方面对城市创新能力产生影响[26]。其中,制度环境作为城市创新能力持续提升的落脚点,从政治和市场两个方面决定创新活动效率与方向[27];社会环境作为城市创新能力全面延展的切入点,能够激发行为主体完善既有结构和解决社会问题,从而推动城市创新[28];技术环境作为城市创新能力快速演进的着力点,能够助力技术手段优化创新资源配置,提升创新资源使用效率[29]。

1.3 研究述评

上述研究分析了数据要素市场化的社会影响,通过整合城市创新能力驱动因素发现,城市创新能力被众多要素驱动,生产要素市场化是其中的重要一环,数据要素作为新型生产要素,对城市创新能力是否具有驱动作用值得探讨。本文根据各地数据交易平台建立时间设置准自然实验节点,采用多期双重差分法实证检验数据要素市场化对城市创新能力的影响。分析数据要素市场化对城市创新能力的影响机理不仅有利于厘清数字经济发展的内在规律,还能为完善数据要素市场和提升城市创新能力提供政策建议。

2 理论分析与研究假设

2.1 数据要素市场化对城市创新能力的影响

中共十九届四中全会指出,“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”。2022年,《意见》的通过标志着数据正式成为五大基础生产要素之一,数据不仅是基础性生产要素,更是关键性战略资源。有价值的数据要素是促进数字经济发展,催生新产业、新业态、新模式形成的基础。善用数据生产要素,促进数据要素市场化,有助于推动实体经济与数字经济深度融合,为传统产业实现数字化、网络化和智能化转型提供新动力[10]。通过数据要素市场化,可以促进不同领域和机构之间的数据共享与互通,有助于创新者提出更具针对性的创新解决方案,助力政府制定政策、规划城市发展以及完善公共服务等。此外,数据要素市场化还能够促进创新生态系统建设,将个人、企业和研究机构等多方创新主体连接在一起,促进创新协同和合作;帮助创新者将创新成果转化,进行商业化开发,更好地发挥创新潜力并推动城市经济发展。总的来说,数据要素市场化将对城市建设与发展产生多方面影响,最终提升城市创新能力。基于此,本文提出以下假设:

H1:数据要素市场化有利于提升城市创新能力。

2.2 数据要素市场化对城市创新能力的影响机制

(1)数字金融提升效应。数据要素市场化有助于缓解信息不对称问题,提高信贷市场效率,为个人和企业创新提供高效的金融支持,从而提升城市创新能力。数据要素市场化还有助于获取消费者和企业的数字足迹,开展违约行为的数字评估,提高模型评估和预测精准性[30]。数字金融借助信息技术、大数据技术、云计算等新兴技术,为创新主体提供高效便捷的融资渠道、准确实时的数据分析,以及不同金融工具和服务,加速创新项目孵化和成长,推动经济发展与社会进步。数字金融还能有效缓解由资源分配不均引起的结构性矛盾,最大化企业创新效应,为企业创新提供健康和可持续的生态环境,全面提高城市创新能力[31]。基于此,本文提出以下假设:

H2a:数据要素市场化通过提高数字金融水平增强城市创新能力。

(2)产业结构优化效应。数据要素市场化的具体表现是建立和运营数据交易平台[10]。这些平台具有运营效率高、数据供给规模和结构合理等特征,有助于打破传统产业壁垒,促进不同产业之间跨界合作和交流;通过提高数字资源配置效率和产业融合效率,促进产业结构升级,提升城市创新能力[32]。通过交易平台,企业能够高效获取所需数字资源,降低创新成本。同时,激烈的市场竞争促使数据生产者不断优化服务,提供高品质的数据产品。产业结构优化过程中形成的竞争效应和协同效应促使研发投入增大与知识扩散,从而推动城市创新能力提升[33]。综上所述,通过优化产业结构,数据要素市场化对城市创新能力产生多方面影响,包括跨界合作、资源优化和创新活动开展等。基于此,本文提出以下假设:

H2b:数据要素市场化通过推动产业结构优化提升城市创新能力。

(3)信息人才聚集效应。数据要素市场化作为提升城市创新能力的重要抓手,可以从前后两端引发信息技术人才聚集效应,进而提高数字经济服务能力和创新效率。前端效应可基于政策导向,推动数据要素市场化,为开发信息人才潜力和培养创造力提供多元化计划。具体为:为信息人才营造开放、包容,支持创新的环境,同时,为他们提供丰富的数据资源和创新机会,通过最大程度地吸引并留住信息技术人才,提高城市数字经济服务能力[29];后端效应体现为数据要素市场化引发产业运营模式改变,倒逼数字技术部门持续开发新技术和构建新平台。由于新技术开发需要人才、资金等资源投入,从而促使城市不断完善信息人才培养体系,增强信息人才的创新思维和实践能力 [21],从数量与质量层面提升信息人才聚集水平,为城市创新提供充足的智力支撑。基于此,本文提出以下假设:

H2c:数据要素市场化通过促进信息人才集聚提升城市创新能力。

2.3 数据要素市场化对城市创新能力影响的异质性

由于各地区建立数据交易平台的时间不同,导致数据要素市场化本身就存在异质性。此外,城市内部资源整合和外部环境建设也受到区域、经济发展水平和发展类型等因素的影响。因此,数据要素市场化对城市创新能力的影响存在差异。针对边缘经济引发的区域创新不平衡问题,学者们分别从地理区位、城市等级和科教水平[34]等方面进行分析。

从地理区位来看,中国经济发展不均衡,不同地区数据交易市场建设程度不同,数据要素市场化对城市创新能力的影响也存在差异[35]。经济基础雄厚地区具有较强的创新意识;具有地理优势的城市通常开放程度较高,能够吸引更多外商投资,加速城市创新资源与资本对接,从而激发科技创新。不同城市拥有的经济管理权限和优惠政策等资源也不同,高行政等级城市通常是国家或区域经济发展战略实施重点和先行者。这些城市可以依托行政权力获得更多公共财政支持,并享受到更大力度的创新激励政策。此外,它们还可以利用中心城市的集聚效应,提高资本、人才、信息等创新要素的聚集水平。因此,数据要素市场化对城市创新能力的影响在不同等级城市存在差异[21]。城市等级不同也意味着城市人口数量存在一定差异,一般而言,较大规模城市比中等规模城市具有更坚实的经济基础和更高的创新水平[35]。从科教水平来看,具有科教优势的城市拥有丰富的人力资本和科研资源,能够充分释放创新潜能[34]。城市的创新能力主要取决于全要素生产率和人力资本积累,高科教水平有助于提高城市全要素生产率,并为城市发展聚集高素质人才。高素质人才聚集又可以为数据要素市场化提供丰富的人力和智力支持,为城市创新提供源源不断的核心动能[36]。基于上述分析,本文提出如下假设:

H3:数据要素市场化对城市创新能力的影响存在城市异质性。

3 研究设计

3.1 模型设定

通过比较数据交易平台建设前后城市创新能力的差异,是探究数据要素市场化对所在城市创新能力影响的最直接且有效方法,由于各地区建立数据交易平台的时间不同,本文采用多期双重差分法建立计量模型,通过剔除其它因素得到数据要素市场化对城市创新能力的净影响效果。

考虑到数据统计口径的一致性和数据可获得性,本文选择258个地级市作为样本,根据处理组与对照组的选择原则,将设立数据交易平台的城市作为处理组,其它城市作为对照组。控制城市层面的其它变量,根据每个城市建立数据交易平台的时间,建立虚拟变量mdf,构建模型(1)。

innoit=α+βmdfit+γxit+δi+θt+εit

(1)

其中,i、t分别代表城市和年份,innoit表示城市i在t年的创新水平,mdf是虚拟变量,若城市i在第t年设立数据交易平台,则mdf值为1,否则为0。本文重点关注虚拟变量回归系数β,β反映数据要素市场化对城市创新能力的净影响,若β>0,则说明数据要素市场化对城市创新能力有正向影响,反之,则说明市场要素市场化的影响为负。x代表一系列控制变量,γ为相应系数列向量。此外,δi代表城市固定效应,θt表示年份固定效应,εit为误差项[11,37,38]。

3.2 变量选取

(1)被解释变量:城市创新能力(inno)。创新投入、创新产出和财务绩效是现有研究中衡量地方创新能力的重要指标,尤其是创新产出[21]。由于专利数量能够真实反映科技创新水平,故本文以专利数量作为创新产出的衡量指标(冯苑等,2021)。专利数量可分为专利申请数和专利授权数,其中,专利申请数会受到虚假、不合格专利的影响,而专利授权过程存在不稳定性、时效性等问题。为了更加全面地对数据要素市场化下的城市创新能力进行测度,本文以城市专利申请数作为城市创新能力测度指标,将专利授权数量作为稳健性检验中的替代指标[39]。

(2)核心解释变量:数据要素市场化虚拟变量(mdf)。如果城市i在第t年建立数据要素交易市场,则该城市在第t年及以后年份的mdfit=1,其它年份则为0[38]。

(3)控制变量:为了全面分析数据要素市场化对城市创新能力的影响,根据已有文献,加入可能影响城市创新能力的变量。具体包括:①经济发展水平(pgdp);②政府支持水平(gov);③产业结构水平(industr);④金融发展水平(fin);⑤基础设施水平(infra);⑥人力资本水平(hr);⑦信息基础设施(net)。相关变量计算方法及文献来源见表1。

3.3 样本选择与描述性统计分析

由于部分城市存在严重的数据缺失或发生行政区划变化,经综合考虑数据完整性,选择2009-2019年全国258个地级市平衡面板数据为样本,评估数据要素市场化对城市创新能力的影响效应。其中,衡量城市创新能力的专利数据来自中国研究数据服务平台(CNRDS),地级市层面数据来源于历年《中国城市统计年鉴》和各省市统计年鉴,个别缺失值通过插值法予以补齐。变量描述性统计结果如表2所示。

4 实证结果分析

4.1 基准回归检验

为了使用双重差分模型评估数据要素市场化对城市创新能力的影响,固定时间变量并控制城市变量以进行基准回归,结果如表3所示。其中,第(1)列为数据要素市场化对城市创新能力的影响,第(2)-(8)列为加入一系列控制变量后的回归结果。由结果可知,建立数字交易平台城市虚拟变量的估计系数为0.077 5,且在5%的水平下显著为正,表明数据要素市场化对城市创新能力具有显著促进作用。

4.2 平行趋势与动态效应检验

在使用多期双重差分法时,需要检验数据要素市场化之前的平行趋势以及数据交易平台建立后的影响。本文采用事件研究法[32]检验是否符合平行趋势假设,具体设定如式(2)所示。

(2)

其中,为建立数据要素交易平台的虚拟变量,k>0表示数据交易平台建立后的第k年,k<0表示数据要素交易平台建立前的第|k|年。βk反映了数据要素市场化对城市创新能力的影响方向。如图1所示,横轴表示平台建立前后的相对年份,纵轴表示βk估计值,上下虚线为95%的置信区间。可以发现,数据交易平台建立前回归参数βk变化不大,表明数据交易平台建立前城市创新能力随时间推移未发生显著变化,验证了平行趋势假设。数据要素平台建立后,回归参数βk呈现出稳步提升态势,说明数据要素市场化对城市创新能力具有积极影响。

4.3 PSM-DID检验

为避免因实验组与对照组初始条件不同导致的选择偏差,采用倾向得分匹配(Propensity Score Matching,PSM)法检验结果稳健性。为了降低样本异质性影响并保证DID估计的准确性,需要对样本进行平衡性检验,检验结果见表4。结果显示,匹配前各维度差异明显且t检验结果显著,匹配后所有变量差异减小且t检验结果不再显著,表明匹配后实验组与对照组在变量上无明显差异,通过平衡性假设检验,即选用的匹配变量与匹配方法恰当。经验证PSM-DID方法合理性后,根据匹配结果进行DID分析,如表5所示。结果显示虚拟变量mdf通过显著性水平检验,进一步论证了前文研究结果。

5 进一步分析

5.1 稳健性检验

5.1.1 安慰剂检验

由于城市创新能力提升可能是城市经济发展结果而不是单纯由数据要素市场化引起的,为消除遗漏变量的影响,本文从随机效应角度,采用安慰剂方法进行检验。将数据交易平台设立分别提前一年、两年和三年,作为数据要素市场化虚拟变量的时间节点。回归结果如表6中(1)(2)和(3)列所示,可以发现,数据交易平台建立前,该变量系数不显著且为负,说明反事实构建的虚拟时间变量对城市创新能力不存在显著影响,从而消除遗漏变量等因素影响。

5.1.2 替换被解释变量检验

为了避免由变量定性选择导致的估计结果偏误,重新调整城市创新能力测度方式以检验基准回归结果稳健性[40],此处选择专利授权数量(pat)衡量城市创新能力。回归结果如表6中(4)(5)所示,可以发现,更换被解释变量后虚拟变量mdf的估计系数发生变化,但依然显著为正,表明数据要素市场化对城市创新能力的影响具有稳健性,数据要素市场化有助于城市创新能力提升。

5.1.3 其它稳健性检验

为了进一步增强结论说服力,本文还进行其它稳健性检验:考虑到直辖市和省会城市是国家发展战略实施重点,上述城市不仅在经济基础、创新资源禀赋等方面具有优势,而且易于获得政策和资源支持,为了反映数据要素市场化对城市创新能力的净影响,本文采用删除直辖市和省会城市的方法进行稳健性检验。回归结果如表6中(6)(7)列所示,可以发现,mdf的估值系数显著为正,再次验证本文实证结果稳健可靠。

5.2 影响机制检验

以上结果表明,数据要素市场化能够提高城市创新能力。为了进一步分析其影响机理,构建中介效应模型如式(3)-式(5)所示。

innoit=α+α1mdfit+α2xit+δi+θt+εit

(3)

mediatorit=β+β1mdfit+β2xit+δi+θt+εit

(4)

innoit=λ+λ1mdfit+λ2mediatorit+λ3xit+δi+θt+εit

(5)

其中,mediator为中介变量,包括数字金融(df)、产业结构(ic)和信息人才(it)。模型(3)为基准回归方程,模型(4)为中介变量的回归方程,模型(5)为数据要素市场化与中介变量共同影响城市创新能力的回归方程。

数字金融借助新兴技术影响城市创新发展,本文使用北京大学数字金融研究中心编制的数字普惠金融指数衡量中国城市层面的数字金融影响效应[31]。由于信息技术从业者一般具有较高学历且掌握丰富的信息技术与知识,该类人才集聚度可在一定程度上反映该地信息人才集聚效应。因此,本文将信息传输、计算机服务和软件从业人数取对数作为信息人才聚集效应的代理变量[30]。数据要素作为新型生产要素,为传统产业发展开辟了新渠道,产业结构优化也可能是数据要素市场化影响城市创新的中介因素之一,因此本文使用城市生产性服务业从业人数占城镇单位从业人数的比例表征产业结构优化效应[11]。

回归结果如表7所示,可以发现,纳入数字金融中介变量后,数据要素市场化对城市创新能力的影响显著为负,说明数字金融起负向中介作用,即数据要素市场化下的数字金融发展会削弱城市创新能力。分别加入产业结构和信息人才后发现,数据要素市场化对城市创新能力的促进作用下降,且分别在10%和1%水平下显著,说明数据要素市场化可以通过产业结构优化和信息人才集聚促进城市创新能力提升。《数字普惠金融指数报告》指出,城市化水平与数字金融发展正相关,但是城市都市化或人口集中度与数字金融发展负相关。目前设立数据交易平台的地区都属于高水平发展的核心都市,导致其数字金融发展水平受到一定抑制,数据要素市场化对数字金融的正向影响可能并不能弥补城市都市化对数字金融带来的负向影响。由此,数字金融作为数据要素市场化负向影响城市创新的中介因素得到合理解释。

5.3 异质性分析

5.3.1 城市区位异质性

参考现有文献[35],本文将样本城市划分为东部、中部、西部3个子样本进行回归,结果如表8所示。其中,第(1)-(3)列显示城市创新能力受到城市区位的影响,东部和西部城市的回归系数为正,在5%的水平下通过显著性检验,表明数据要素市场化对东部和西部城市创新能力具有显著正向影响。这是因为东部地区经济发达,拥有丰富的创新资源,数据要素市场化极大地促进东部城市与其它城市间的知识流动,有助于隐性知识传播和创新活动开展。西部地区经济相对落后,数据交易平台设立在少数核心城市,例如贵阳和西安。在数据要素市场化推动下,西部数据要素逐渐向这些核心城市流动和聚集,产生集群效应,促进知识溢出和创新活动开展。相较于东西部地区,中部地区经济基础与发展水平较均衡,导致中部地区数据要素市场化对城市创新能力的影响并不显著。

5.3.2 城市等级异质性

为了评估数据市场要素化对不同等级城市的影响效应,将样本城市区分为重点城市与非重点城市,将直辖市、省会城市与副省级城市定义为重点城市,其它城市则为非重点城市。重点与非重点城市的回归分析结果如表8中第(4)—(5)列所示。可以发现,重点城市的回归系数为正,且在1%的水平下通过显著性检验,而非重点城市未通过显著性检验。这是因为面对国家创新驱动发展,重点城市的响应更积极,数据要素市场化对城市创新能力的驱动效应也更显著。相比之下,非重点城市拥有的经济社会管理权限不足,对创新型企业的吸引力有限,加上政策推广和执行力度明显滞后,导致数据要素市场化对城市创新能力的驱动作用较弱。

5.3.3 城市科教水平异质性

高素质人才能够快速适应数据要素市场化带来的技术变革,为城市创新提供智力支持。本文根据城市是否拥有“双一流”大学,将样本城市划分为高科教水平地区与低科教水平地区并进行回归分析,结果如表8中第(6)(7)列所示。可以发现,高科教水平地区的回归系数为正,且在1%水平下通过显著性验证,表明数据要素市场化对高科教水平地区的创新能力具有显著正向影响。这是因为高科教水平地区拥有丰富的智力与知识储备,有助于培育创新精神、促进各类优秀人才成长、优化资源配置、推进协同创新,从而提高城市创新能力。

6 结论与建议

6.1 研究结论

本文基于2009-2019年我国258个地级市面板数据,采用多期DID模型就数据要素市场化对城市创新能力的影响及作用机理进行分析。结论如下:数据要素市场化对城市创新具有显著正向影响,经调整工具变量和进行倾向得分匹配等一系列稳健检验后,该结论仍显著成立。通过深入分析数据要素市场化影响城市创新能力的作用机制发现,数据要素市场化有助于加速数字金融发展,促进产业结构优化,增加信息人才储备,进而对城市创新能力产生影响。从异质性分析结果来看,数据要素市场化对东西部地区城市创新能力的影响更显著,对重点城市以及高科教水平城市创新能力的驱动效应更显著。

6.2 理论贡献

相较以往研究,本文基于城市面板数据,以数据交易平台设立为准自然实验,采用多期DID模型验证数据要素市场化对城市创新能力的影响,并从数字金融影响效应、产业结构优化和信息人才汇聚角度探讨数据要素市场化对城市创新能力提升的内在作用机制,完善了数据要素市场化影响城市创新能力的理论框架,并为相关问题研究提供了实证依据,进一步丰富了该领域研究成果。

6.3 对策建议

(1)培育高质量的数据要素市场。鼓励现有数据交易平台在完善顶层设计的同时,加快建设安全可靠的数据交易系统,明确数据要素确权,完善交易规则制定。在完善现有数据交易平台建设的同时,持续推进数据交易平台试点,鼓励企业参与数据要素市场化,缩小区域间数字鸿沟;不断加大数据要素市场投入和技术支持,提高治理水平和优化创新环境,解决城市发展问题,提高城市创新能力,促进城市经济发展。

(2)政府应充分发挥主导作用,促进制造业与服务业融合发展,加强数字技术在服务业领域的应用与推广,实现传统要素市场与数据要素市场的完美接轨。不断拓展数字金融服务边界,优化数字金融服务结构,完善数字金融发展政策,打破城市都市化与数字金融效应之间的发展壁垒,形成数字金融对数据要素市场的正向影响。

(3)数据交易平台建设应因地制宜,增强政策执行灵活度,提高精准性,在城市治理过程中充分应用信息知识与技术。在东西部城市、重点城市和高科教水平城市,构建特色城市创新生态系统,加快科技成果转化步伐,促进城市高质量发展。在数据要素市场化影响不显著的地区,充分利用“次动优势”,发挥数据要素市场化对城市创新要素的聚集作用,结合城市特色进行创新潜能挖掘,不断激发城市创新活力。

参考文献：

[1] 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 [EB/OL].(2020-03-30)[2022-06-28].http://www.gov.cn/zhengce/2020-04/09/content_5500622.htm.

[2] 工业和信息化部. 关于印发“十四五”大数据产业发展规划的通知 [EB/OL].(2021-11-15)[2022-06-28].http://www.gov.cn/zhengce/zhengceku/2021-11/30/content_5655089.htm.

[3] 毛文峰, 陆军. 土地要素错配如何影响中国的城市创新创业质量——来自地级市城市层面的经验证据 [J].产业经济研究, 2020, 19(3): 17-29,126.

[4] 孙文浩, 张杰. 高级劳动力要素增密对城市创新的动态影响 [J].上海经济研究, 2021, 38(4): 67-83.

[5] 郑万腾, 赵红岩, 陈羽洁, 等 . 技术扩散能否成为区域创新效率提升的新动能——研发要素流动视角 [J].科技进步与对策, 2020, 37(21): 56-63.

[6] 陈经伟, 姜能鹏. 资本要素市场扭曲对企业技术创新的影响:机制、异质性与持续性 [J].经济学动态, 2020,61 (12): 106-24.

[7] 刘然, 孟奇勋, 余忻怡. 知识产权运营领域数据要素市场化配置路径研究 [J].科技进步与对策, 2021, 38(24): 9-17.

[8] 陶卓, 黄卫东, 闻超群. 数据要素市场化配置典型模式的经验启示与未来展望 [J].经济体制改革, 2021, 39(4): 37-42.

[9] 何玉长, 王伟. 数据要素市场化的理论阐释 [J].当代经济研究, 2021,32 (4): 33-44.

[10] 杨艳, 王理, 廖祖君. 数据要素市场化配置与区域经济发展——基于数据交易平台的视角[J].社会科学研究, 2021,43 (6): 38-52.

[11] 刘满凤, 杨杰, 陈梁. 数据要素市场建设与城市数字经济发展 [J].当代财经, 2022,43 (1): 102-112.

[12] 梁继, 苑春荟. 数据生产要素的市场化配置研究 [J].情报杂志, 2022, 41(4): 173-180.

[13] YANG J, ZHAO C, XING C. Big data market optimization pricing model based on data quality [J].Complexity, 2019.

[14] GOLDFARB A, TUCKER C. Digital economics [J].Journal of Economic Literature, 2019, 57(1): 3-43.

[15] 夏义堃. 数据要素市场化配置与深化政府数据治理方式变革 [J].图书与情报, 2020, 40(3): 14-16.

[16] 李刚. 政府数据市场化配置的边界:政府数据的“生产要素”和“治理要素”二重性 [J].图书与情报, 2020,40 (3): 20-21.

[17] 王伟玲, 吴志刚, 徐靖. 加快数据要素市场培育的关键点与路径 [J].经济纵横, 2021, 37(3): 39-47.

[18] 李直, 吴越. 数据要素市场培育与数字经济发展——基于政治经济学的视角 [J].学术研究, 2021, 64(7): 114-120.

[19] 许宪春, 张美慧. 中国数字经济规模测算研究——基于国际比较的视角 [J].中国工业经济, 2020, 37(5): 23-41.

[20] 张节, 李千惠. 智慧城市建设对城市科技创新能力的影响 [J].科技进步与对策, 2020, 37(22): 38-44.

[21] 徐林, 侯林岐, 程广斌. 国家级大数据综合试验区创新效应研究 [J].科技进步与对策, 2022, 39(20): 101-111.

[22] 晏艳阳, 严瑾. 国家自主创新示范区建设对企业创新的影响研究 [J].软科学, 2019, 33(6): 30-36.

[23] 陈玲, 段尧清. 政务大数据政策的技术创新效应分析——基于PSM-DID方法的估计 [J].图书情报工作, 2020, 64(20): 96-105.

[24] 潘雅茹, 罗良文. 基础设施投资对区域创新效率的异质性影响研究 [J].贵州社会科学, 2019, 40(4): 145-153.

[25] 孙文浩. 高铁网络抑制城市创新驱动发展——来自FDI的“逆城市化”解释 [J].工业技术经济, 2021, 40(1): 85-94.

[26] 丁波涛. 基于信息生态理论的数据要素市场研究 [J].情报理论与实践,2022,45(12):36-41.

[27] 陈天祥, 李缌缌. 资源禀赋、制度环境与城市创新能力——基于中国264个城市面板数据的实证研究 [J].地方治理评论, 2019, 1(2): 63-84.

[28] 李云新, 刘然. 环境-制度-行为分析框架下中国社会创新的动力机制研究 [J].学习与实践, 2021,38 (9): 112-122.

[29] 袁航, 朱承亮. 智慧城市是否加速了城市创新 [J].中国软科学, 2020,5 (12): 75-83.

[30] 谢丹夏, 魏文石, 李尧, 等 . 数据要素配置、信贷市场竞争与福利分析 [J].中国工业经济, 2022, 39(8): 25-43.

[31] 武小菲, 岳中刚, 周勤. 数字金融与城市创新——来自中国城市层面的证据 [J].中国科技论坛, 2022, 39(4): 128-136.

[32] LUO Y, TANG Z, FAN P. Could government data openness enhance urban innovation capability? an evaluation based on multistage did method [J].Sustainability, 2021, 13(23):13495.

[33] LI J, LI B. Digital inclusive finance and urban innovation: Evidence from China [J].Review of Development Economics, 2022, 26(2):1010-1034.

[34] 何凌云, 马青山. 智慧城市试点能否提升城市创新水平——基于多期DID的经验证据 [J].财贸研究, 2021, 32(3): 28-40.

[35] WANG J, DENG K. Impact and mechanism analysis of smart city policy on urban innovation:evidence from China [J].Economic Analysis and Policy, 2022, 73: 574-587.

[36] 冯锐, 马青山, 刘传明. 科技与金融结合对全要素生产率的影响——基于“促进科技和金融结合试点”准自然实验的经验证据 [J].科技进步与对策, 2021, 38(11): 27-35.

[37] 刘明. 财政科技支出对城市创新的影响 [J].社会科学战线, 2021, 44(6): 259-264.

[38] 付平, 张萃. 海外人才回流的城市创新效应研究 [J].现代经济探讨, 2021, 40(2): 96-107.

[39] 卢洪友, 张依萌, 朱耘婵. “人才新政”提高了城市创新能力吗[J].财经问题研究, 2021, 43(6): 127-136.

[40] TANG C, GUAN M, DOU J. Understanding the impact of high speed railway on urban innovation performance from the perspective of agglomeration externalities and network externalities [J].Technology in Society, 2021, 67: 101760.

(责任编辑：胡俊健)