邢霂等丨大数据赋能与区域新质生产力发展——来自国家级大数据综合试验区的准自然实验

文摘科技 2024-11-12 15:01 湖北

转载请注明“刊载于《科技进步与对策》2024年第20期”

引用参考文献格式：

邢霂, 陈东, 张红梅. 大数据赋能与区域新质生产力发展——来自国家级大数据综合试验区的准自然实验[J]. 科技进步与对策, 2024, 41(20): 23-31.

摘要：新质生产力不仅代表经济增长的内在动力,而且是推动经济转型升级的关键。基于2012—2022年中国30个省(区、市)面板数据,以劳动者、劳动资料、劳动对象3个维度构建区域新质生产力评价指标体系,实证检验国家级大数据综合试验区(简称“大数据试验区”)对区域新质生产力的影响。结果发现,大数据试验区能够显著提升区域新质生产力水平。从不同区域地理位置、产业结构、科技水平以及金融环境看,大数据试验区对区域新质生产力的提升效应在中东部地区、产业结构较好地区、高科技水平地区以及金融环境发展较好地区更为显著。结论既可为评估中国政府前沿数字基础设施建设政策实施效果提供经验证据,也可为提升区域新质生产力指明方向。

关键词：国家级大数据综合试验区;新质生产力;评价指标体系

基金项目：国家社会科学基金青年项目(23CTQ017)

作者简介：邢霂(1993—),男,安徽蚌埠人,南京理工大学经济管理学院博士研究生,研究方向为企业创新;陈东(1978—),男,安徽定远人,博士,南京大学长江产业经济研究院教授、博士生导师,研究方向为民营企业治理;张红梅(1995—),女,安徽舒城人,安徽工业大学商学院硕士研究生,南京大学长江产业经济研究院特约研究员,研究方向为产业规划。

DOI：10.6049/kjjbydc.L2024XZ379

0 引言

2023年9月,习近平总书记在黑龙江考察时指出,“整合科技创新资源,引领发展战略性新兴产业和未来产业,加快形成新质生产力”。2024年《政府工作报告》提出,“大力推进现代化产业体系建设,加快发展新质生产力”。新质生产力强调通过科技创新、提高生产和服务效率以及产品质量实现经济增长,突破传统生产方式的局限性。在上述模式下,创新不仅是推进技术发展的动力,而且是提高生产效率、优化资源配置、提升产品及服务质量的关键因素。新质生产力标志着经济发展的新模式,主要由技术革命性突破、生产要素创新性配置以及产业深度转型升级共同驱动,体现了劳动者、劳动资料、劳动对象及其优化组合质的变化,并将全要素生产率提升作为核心标志。新质生产力的提出,深化了各界对生产力本质的理解,指出了经济发展新的动力来源和方向,对全球化背景下中国经济转型升级具有重要意义。

大数据技术具有重要战略性意义,是推动当今社会发展的核心力量[1-2]。大数据技术不仅为经济发展提供战略新动能,还通过数据分析和挖掘帮助企业优化决策,提高生产效率,推动产业转型升级[3-4]。在数字化、信息化背景下,大数据技术对新质生产力水平提升大有裨益,能够促进生产过程智能化、高效化、绿色化。面对复杂多变的外部环境,大数据技术及其衍生数据发挥关键作用,可助力企业家谋划布局,制定科学合理的应对策略,进而有效抵御风险,增强企业竞争力。进一步地,大数据技术及其衍生数据能够为经济高质量发展注入新的动力,通过精准把握市场需求、优化资源配置、推动产业升级实现经济高质量增长。在实现社会经济可持续发展目标方面,大数据技术能够帮助企业科学规划资源利用、减少资源浪费,从而实现经济、社会和环境协调发展。中国积极推进大数据战略实施,凭借坚定的决心和有力的举措,致力于数据资源开发和利用[5-6]。从政府层面给予政策支持到企业踊跃参与,从科研机构创新研究到社会各界广泛应用,构建起全方位、多层次的大数据发展格局。

2015年国务院发布《促进大数据发展行动纲要》,提出“开展区域试点,推进贵州等大数据综合试验区建设,促进区域性大数据基础设施的整合和数据资源的汇聚应用”。同年9月,贵州省正式开展大数据试验区建设。2016年北京、天津、河北、内蒙古、辽宁、河南、上海、重庆和广东开始建设大数据试验区。近年来,大数据技术快速发展,能否借助大数据技术提升区域新质生产力成为学界和业界亟待解决的重要课题。由于大数据试验区成立时间较短,现有文献大多关注经济高质量发展[7]、生产效率[8]以及企业转型升级[9]等方面,尚未探讨国家级大数据综合试验区与区域新质生产力间的关系。因此,在前人研究的基础上,本文通过构建新质生产力指标验证大数据试验区建设对区域新质生产力的影响。

本文的边际贡献主要体现如下：首先,通过构建新质生产力评价体系并结合国家级大数据综合试验区政策,将大数据试验区建设与区域新质生产力纳入同一研究框架,实证分析大数据试验区能否提升区域新质生产力,以期为后续研究提供新视角。其次,从不同地区属性、产业结构、科技水平以及金融环境出发,探讨大数据试验区建设对区域新质生产力可能存在的异质性影响,为提升区域新质生产力水平提供新思路。最后,为评估中国前沿数字基础设施建设政策实施效果提供经验证据,为完善体制机制改革提供参考。

1 研究假设

1.1 国家级大数据综合试验区相关研究

当前,大数据与信息技术迅猛发展,正重新定义传统产业和经济发展模式。国家级大数据综合试验区不仅是技术创新的前沿阵地,也是新型工业化、信息化、城镇化和农业现代化的重要支撑。已有学者对大数据试验区建设的影响进行了研究。在微观层面,张益豪和郭晓辉[10]、戴艳娟和沈伟鹏[8]以国家级大数据综合试验区政策为切入点,研究发现,大数据试验区建设对企业全要素生产率发挥显著促进作用;曾祥炎等[9]发现,大数据试验区建设能够促进企业转型升级;宋华盛和卢历祺[11]利用“国家级大数据综合试验区”作为准自然实验,研究发现,大数据试验区设立会降低企业劳动收入份额;陈文和常琦[12]、孙哲远[13]发现,大数据试验区设立会显著影响企业行为,表现为重视绿色生产以及增加实物资产投资。在宏观层面,杨玉琪和王小华[7]、韦东明等[14]以“国家级大数据综合试验区”作为数字经济发展的准自然实验,探讨大数据试验区建设对地区经济高质发展的影响;张营营等[15]、钟昌标和卢建霖[16]发现,大数据试验区建设有助于环境改善;朱乾隆等[17]指出,中国实施国家级大数据综合试验区政策能够显著提升工业用地利用效率;耿伟等[18]发现,国家级大数据综合试验区对FDI数量和质量发挥显著促进作用。

综上所述,现有相关研究大多关注区域经济增长、绿色发展、企业全要素生产率、技术创新,以及企业数字化转型等方面,鲜有探讨大数据试验区建设对区域新质生产力的影响。当前,新一轮科技革命和产业变革快速推进,对全球经济产生深刻影响。因此,深入探讨国家级大数据综合试验区建设对区域新质生产力的影响具有重要现实价值。

1.2 新质生产力相关研究

新质生产力代表一种创新的经济增长模式,其核心在于利用高科技推动高效能和高质量发展[19-20]。自“新质生产力”概念被提出以来,学者们对其内涵、实现路径以及战略价值进行了研究。例如,赵峰和季雷[21]认为,新一轮产业技术革命及随之形成的战略性新兴产业集群是新质生产力的来源;蒋永穆和乔张媛[22]指出,“新”展现为新要素、新技术、新产业,“质”体现为高质量、多质性、双质效,“力”表现为数字、协作、绿色、蓝色和开放五大生产力。还有学者认为,为了有效推动新质生产力发展,需要对整个经济体系进行系统性创新和变革,包括政府层面政策、企业层面经营模式以及教育和人才培养体系的适应性调整等多方面改进[23-24]。新质生产力能够通过创新性配置生产要素促使产业链优化和价值链提升,从而实现经济发展模式质的飞跃[25-26]。这种经济发展的新模式对促进经济可持续发展、应对全球经济挑战具有重要意义,同时可为企业提供新的增长机遇,为社会创造更多福祉[27]。

部分学者基于定量视角进行分析。例如,王珏和王荣基[28]基于生产力的三大构成要件构建新质生产力综合评价指标体系,以此测算省域新质生产力发展水平;任宇新等[29]探讨金融集聚、产学研合作与新质生产力间的互动关系,结果发现,金融集聚能够显著提升区域新质生产力,且产学研合作在其中发挥中介作用;宋佳等[30]以上市企业为研究样本,结果发现,ESG发展对企业新质生产力水平具有显著提升效应。

现有研究对新质生产力的探讨大多聚焦理论分析和政策讨论层面,而国家级大数据综合试验区作为新时代国家数字经济与信息化发展的重要实践载体,具有独特的研究价值。大数据试验区通过整合数字技术和大数据资源促进技术创新与产业升级,为新质生产力培育提供土壤。因此,实证分析大数据试验区建设对区域新质生产力的影响,可为新质生产力研究提供更多经验证据。

1.3 国家级大数据综合试验区对区域新质生产力的影响

加快数字经济发展有助于提升国家整体竞争力和创新能力,为经济发展注入新动力,从而实现经济高质量发展。国务院于2015年印发的《促进大数据发展行动纲要》及随后开展的国家大数据综合试验区建设为数字经济发展奠定了基础,旨在带动传统产业转型升级,推动经济结构向更加高效、创新驱动的方向发展[14]。从上述角度看,大数据试验区建设能够促进区域新质生产力提升。由此,本文从研发环境优化、产业升级以及绿色发展3个方面进行分析。

大数据试验区在研发环境优化方面发挥至关重要的作用。首先,大数据试验区通过整合区域内数据资源构建一系列高效数据管理和分析平台,为研发活动提供强大的数据支持。数据平台不仅能够强化企业数据获取、处理和分析能力,而且可以实现数据共享和开放,从而降低研发成本和门槛[31]。例如,通过开放政府数据,企业和研究机构能够基于真实、丰富的数据进行模型构建和算法测试。其次,大数据试验区具有专业化服务体系,包括数据安全保护、法律法规咨询、技术研发支持等,形成支持创新的全方位生态系统。上述服务不仅能提升企业和研究机构的创新能力,而且可降低研发过程中的风险和不确定性。大数据试验区能够吸引和培养高端人才,加强与国内外高等院校、研究机构合作。这种跨界合作不仅能够为地区创新提供新思路,而且可以促进科研成果高效转化。最后,大数据试验区强调产学研用相结合的创新模式,通过构建行业创新联盟、共享实验室等合作平台实现产业链上下游协同创新[32]。这不仅能够提升区域产业整体竞争力,而且可以形成以市场需求为导向的技术创新链,从而实现科技成果快速应用和产业化。由此可见,大数据试验区建设能够优化研发环境、推动科技成果转化,促进经济高质量发展,是推动区域新质生产力发展的重要支撑。

大数据试验区作为产业结构优化升级的重要推手,其作用不仅体现在促进传统产业转型方面,而且体现在加快新兴产业生态系统培育和发展以及促进区域创新能力提升方面。大数据试验区利用大数据和人工智能等先进技术改进生产流程,提高生产效率与产品质量,为传统行业开辟技术创新道路,从而全面推动产业转型与升级[33]。制造企业应用大数据技术优化生产流程,在实时收集和分析生产线数据的基础上,能够精确调整生产安排、优化资源配置。上述智能化生产模式能够提升制造业的灵活性和响应速度,有助于企业适应市场和消费者需求变化,提高市场竞争力[34]。同时,大数据试验区建设可催生和加速新兴产业成长,如大数据分析、云计算、物联网、人工智能等。上述新兴产业以强大的数据处理和分析能力为各行各业提供创新工具和解决方案,从而实现产业结构持续优化。例如,数据驱动的农业技术能够提升作物种植效率,在医疗卫生领域,大数据分析能够预测疾病、制定个性化医疗方案和优化医疗资源配置。由此可见,大数据试验区通过深度挖掘数据价值促进传统产业数字化和智能化转型,同时推动新兴产业成长和科技创新发展,加快区域产业结构持续优化升级。

大数据试验区在助力绿色发展方面具有重要意义。一方面,大数据技术能够为绿色经济发展提供决策支撑,帮助政府和企业实现能源消耗优化管理,精准预测能源需求,在减少能源浪费的同时降低碳排放量,进而降低工业活动对环境的影响[35]。此外,大数据技术能够促进绿色产业发展,帮助企业通过分析市场趋势和消费者偏好更好地定位市场,提高自身竞争力。另一方面,在推动经济发展与环境保护背景下,大数据技术应用能够优化资源配置、减少污染物排放,助力生态环境恢复与保护工作,为保护生物多样性提供数据支持,帮助政府制定科学合理的环境政策和措施,构建绿色、低碳、循环的经济体系,从而实现社会经济可持续发展[36]。由此可见,在促进绿色发展和环境保护方面,大数据试验区建设能够发挥重要作用,不仅可以提升资源使用效率和经济可持续性,而且能够加强环境保护,实现经济发展与生态环境保护“双赢”。由此,本文提出以下假设：

H1：国家级大数据综合试验区建设能够有效促进区域新质生产力提升。

2 模型构建与变量说明

2.1 模型构建

本文选取2012—2022年中国30个省市(不含港澳台、西藏地区)为样本,数据来自《中国统计年鉴》《中国能源统计年鉴》《中国工业统计年鉴》以及省级统计年鉴。以“国家级大数据综合试验区”试点政策为准自然实验,对试点地区政策实施的净效应进行量化分析。国家级大数据综合试验区建设分别发生在2015年和2016年,故本文采用多期双重差分模型。DIDi,t=Treati,t×Posti,t为国家级大数据综合试验区建设的虚拟变量,设定虚拟变量Treati,t表示省份(区、市)所属组别,若省份(区、市)属于处理组,则取值为1,否则取值为0;根据国家级大数据综合试验区建设时间设定虚拟变量Posti,t,获批当年及之后年份取值为1,否则取值为0。根据交互项DIDi,t系数估算政策实施带来的净效益,构建模型如式(1)所示。

HQDi,t=ɑ0+ɑ1DIDi,t+ɑ2Controlsi,t+λt+μi+εi,t

(1)

其中,HDQi,t为被解释变量,表示区域新质生产力,下标i、t分别表示省份(区、市)和年份;ɑ0为常数项;DIDi,t为试点政策的虚拟变量;ɑ1是大数据试验区建设对区域新质生产力的影响系数;Controlsi,t为一系列控制变量;ɑ2为控制变量的估计系数;λt、ui是时间固定效应和个体固定效应;εi,t为随机扰动项。

2.2 变量说明

2.2.1 新质生产力发展水平

借鉴王珏和王荣基[28]的研究成果,本文分别从劳动者、劳动对象和生产资料3个维度构建新质生产力综合评价指标体系,并运用熵值法确定各层级指标权重,计算2012—2022年各省份(区、市)新质生产力发展指数,新质生产力评价体系指标如表1所示。

表1 新质生产力评价体系

2.2.2 核心解释变量

本文核心解释变量为DID变量(二元虚拟变量),用以表示大数据试验区是否设立。如果某个省份(区、市)当年被新批准或已被批准为试点省份(区、市),则该变量取值为1,否则取值为0。

2.2.3 控制变量

为了确保实证结果的准确性,本文选择以下指标作为控制变量：一般公共服务支出比(Services)、一般预算收入比(Budget)、社会保障和就业支出比(Social)、税收比(Tax)、交通运输支出比(Transportation)、行政事业性收费收入比(Administrate)、对外开放程度(Open)和地区企业数(Enterprises)。上述指标含义如下：一般公共服务支出与地区生产总值的比值、一般预算收入与地区生产总值的比值、社会保障和就业支出与地区生产总值的比值、税收收入与地区生产总值的比值、交通运输支出与地区生产总值的比值、行政事业性收费收入与地区生产总值的比值、地区出口总额的自然对数、地区企业数的自然对数。

3 实证结果

3.1 基准回归

表2为大数据试验区建设对区域新质生产力发展影响的回归结果。本文采取递进式回归方法,列(1)中仅包括年份和个体双向固定效应,此时DID的回归系数显著为正。在列(1)的基础上,列(2)加入控制变量,此时DID的回归系数显著为正。上述结果显示,在以区域新质生产力发展水平为被解释变量时,核心解释变量DID的估计系数显著为正。由此表明,大数据试验区建设能够显著提升区域新质生产力发展水平。

表2 基准回归结果

注：***、**、*分别表示1%、5%、10%的显著性水平;括号内为t值,下同

3.2 稳健性检验

3.2.1 平衡趋势检验

为了检验样本是否满足平衡趋势假设,本文对政策实施前实验组与对照组区域新质生产力发展水平是否具有相同变化趋势进行验证,如图1所示。由图1可知,在政策实施前,处理组与对照组区域新质生产力水平不存在明显差异,同时表明国家级大数据综合试验区政策实施后对区域新质生产力发展水平具有正向影响。

图1 平衡趋势检验

3.2.2 安慰剂检验

为了排除国家级大数据综合试验区建设对区域新质生产力的影响是否受到其它因素以及遗漏变量的干扰,本文对基准回归结果进行安慰剂检验。为确保估计结果的稳健性,本文进行500次随机抽样。鉴于处理组样本选取的随机性特点,回归系数应集中分布在0值处。图2为随机政策处理组的估计系数分布情况。由图2可知,基准回归结果的估计系数和随机样本的估计结果存在显著差异,因而能够排除其它因素对区域新质生产力的影响。

图2 安慰剂检验

3.2.3 变更样本范围

鉴于《促进大数据发展行动纲要》于2015年出台,而本文样本时间跨度为 2012—2022 年,政策实施后的样本量远大于政策实施前的样本量,导致样本数据不均衡,可能影响对政策效应的准确评估。由此,本文将样本时间跨度变更为2012—2019年,回归结果见表3列(1)。结果显示,DID系数为0.015,通过1%显著性水平检验。

表3 稳健性检验结果

3.2.4 滞后效应

为缓解大数据试验区政策的外生性问题,借鉴段忠贤和滕仁玉[37]的研究成果,本文对政策时间作滞后一期处理。由表3列(2)可知,DID系数显著为正,表明大数据试验区建设能够显著促进区域新质生产力发展水平提升。

3.2.5 倾向得分匹配双重差分法

为缓解样本选择偏差导致的内生性问题,本文使用倾向得分匹配双重差分法进行检验。借鉴陈启斐和田真真[38]的研究成果,本文将贵州大数据试验区成立时间调整为2016年,将政策实施时间统一为2016年,进行倾向得分匹配双重差分估计。具体而言,采用核匹配方法,匹配后的所有变量标准差偏差大幅度缩小,均小于10%。由表3列(3)可知,DID系数显著为正,表明大数据试验区建设能够显著提升区域新质生产力发展水平,所得结果与基准回归一致。此外,本文采用近邻匹配(1∶7)方法,所得结果依旧稳健,如表3列(4)所示。

3.3 异质性分析

3.3.1 区域异质性

为进一步探讨大数据试验区建设对区域新质生产力发展水平的影响是否因区域差异而有所不同,本文进行区域异质性分析,回归结果如表4列(1)(2)所示。结果显示,在中东部地区分组中,大数据试验区建设能够显著推动区域新质生产力发展水平提升。原因如下：中东部地区具有较好的地理优势、充足的外资以及开放的经济政策,上述因素不仅能够为当地提供更多市场机遇,而且可以通过提高技术水平和创新能力推动地区新质生产力发展。相较之下,西部地区自然条件相对较差,在一定程度上限制了基础设施建设和科技创新发展,由于经济基础相对薄弱,往往难以吸引投资,因而无法为大数据试验区发挥作用提供有力支持。

表4 异质性分析结果

3.3.2 初始产业结构异质性分析

大数据试验区建设与发展受到地区产业结构的影响,这在试验区规划实施过程中表现明显。一方面,拥有较为完善产业结构的地区(具有多样化且层次分明的产业布局),大数据试验区可高效融入现有经济生态。上述地区通常具备一定的技术基础和市场成熟度,能够通过引进大数据技术对具体行业进行深度优化和创新,如通过数据分析提高生产效率、优化供应链管理、增强客户服务意识等。由此,不仅促进产业结构优化,而且加速产业智能化和信息化升级,从而提升区域整体竞争力。另一方面,如果地区已有较大规模产业群体,如电子商务和高端制造业等,则上述行业能够为大数据试验区提供丰富的实际应用场景和即时数据来源。上述既有产业和数据基础能够快速验证大数据技术应用效果,加速技术市场适应和产品创新,吸引更多技术开发者和创新团队。

因此,在产业结构较好地区,大数据试验区建设对区域新质生产力发展水平的正向影响更为显著。本文采用产业结构层次系数(Ais)表征地区初始产业结构状态,采用份额比例上的相对变化揭示三大产业在数量层面的演进过程,构建模型如式(2)所示。本文按照产业结构层次系数的中位数对样本进行分组,高于中位数表明地区产业结构较好,低于中位数表明地区产业结构较差。由表4列(3)(4)可知,在产业结构较好地区,大数据试验区建设能够显著推动区域新质生产力发展水平提升。

(2)

其中,yi,m,t表示i地区第m产业在t时期占地区生产总值的比值,该指数能够反映中国三大产业由第一产业占优势地位逐渐向第二产业、第三产业占优势地位的比例关系演进过程,是产业结构高度化在量方面的重要体现。

3.3.3 科技水平异质性分析

科学技术作为大数据试验区成功设立的支撑,不仅能够提供技术基础和创新动力,而且可以扩展应用领域,这在高科技水平地区表现尤为明显。由于科技基础雄厚,相关研发活动和技术创新活动频繁,能够为大数据应用与开发提供资源和技术支持。在高科技水平地区,大数据试验区不仅能够得到较快发展,而且可以促进科技与产业深度融合,进一步推动产业结构优化升级和经济整体增长。

因此,在高科技水平地区,大数据试验区建设对区域新质生产力发展水平的正向影响更为显著。按照科学技术支出与地区生产总值比值的中位数,本文将样本分为两组,高于中位数划归高科技水平地区,低于中位数划归低科技水平地区。由表4列(5)(6)可知,仅在高科技水平地区,交互项DID的系数显著为正,表明大数据试验区建设能够显著推动区域新质生产力发展水平提升。

3.3.4 金融环境异质性分析

作为大数据试验区发展的外部条件,金融环境的健康、活跃程度能够直接影响大数据试验区与区域新质生产力的关系。首先,较好的金融环境意味着该地区拥有充足的资金供应和高效的资金配置机制。上述环境下,大数据试验区建设所需资金能够得到保障,各项建设工作得以顺利推进,包括基础设施建设、技术研发投入以及人才引进和培养等。其次,较好的金融环境意味着完善的金融服务体系和风险管理机制,有助于降低大数据试验区建设过程中的金融风险,提高资金使用效率,促进大数据产业发展。最后,金融环境较好地区往往拥有活跃的金融市场和丰富的金融产品,能够为大数据企业提供更多融资选择和金融工具,帮助企业优化资本结构、提升经营效益,进而推动区域新质生产力发展。

因此,在金融环境发展较好地区,大数据试验区建设对区域新质生产力发展水平的正向影响更为显著。按照金融机构资产总规模与地区企业资产总规模比值的中位数,本文将样本分为两组,高于中位数表明该地区金融环境发展较好,低于中位数表明该地区金融环境发展较差。由表4列(7)(8)可知,仅在金融环境发展较好地区,交互项DID的系数显著为正。由此表明,大数据试验区建设与区域新质生产力发展水平存在正相关性。

4 结论

4.1 研究结论

为探究大数据试验区建设能否提升区域新质生产力水平,借鉴现有相关研究,本文以2012—2022年中国30个省(区、市)面板数据,基于劳动者、劳动资料、劳动对象3个维度构建区域新质生产力评价指标体系,并构建多期双重差分模型,以此评估大数据试验区建设对区域新质生产力的政策净效应,得出以下主要结论：

(1)大数据试验区建设能够促进区域新质生产力水平提升,这一结论经过稳健性检验后仍然成立。

(2)异质性分析发现,大数据试验区建设对区域新质生产力的影响会因不同区域地理位置、产业结构禀赋、科技水平以及金融发展环境而存在显著差异,具体表现如下：在中东部地区、产业结构较好地区、高科技水平地区以及金融环境发展较好地区,大数据试验区建设对区域新质生产力的提升效应更为显著。

4.2 研究启示

(1)持续深化国家级大数据综合试验区建设,充分发挥数字化改革的引领作用。政府应制定具有前瞻性的政策框架,明确大数据试验区的发展目标、重点领域和支持措施,为数据交易、数据安全、知识产权保护等提供法律保障,为大数据项目提供税收优惠和财政补贴,激发企业创新活力和投资热情。此外,政府需要营造安全的网络环境,通过构建云计算平台推动跨区域、跨行业数据共享和交流,打破“数据孤岛”,增强数据集成利用能力。

(2)充分发挥区域特色,助推大数据试验区建设。加快大数据试验区建设,根据区域特色和发展潜力,引导各地企业充分利用比较优势实现差异化发展。政府和相关机构需要重视大数据技术推广与应用,并结合地方实际情况和需求确保技术发展与地区发展战略相协调。政府应综合考虑地区经济发展水平、产业结构、资源禀赋等因素,精准定位试验区发展方向和重点项目,从而加快发展区域新质生产力。

(3)构建开放共享的创新生态。开放共享的创新生态不仅能够促进知识和信息自由流动,而且能够激发企业创新潜力,为区域经济发展提供强劲动力。政府可以通过制定创新创业激励政策提供税收优惠、财政补助,营造良好的外部环境。此外,加强与高等院校、研究机构合作是促进科技成果转化、提升区域创新能力的重要途径。政府可以采用产学研用相结合的合作模式加速技术创新,培养和吸引高端人才,为区域经济发展提供人才保障和智力支持。

(4)因时制宜调整规划,注重新质生产力的适应性。政府需要密切关注区域经济动态变化,洞察其运行规律和发展趋势。通过定期开展全面、深入的评估对相关政策进行修订和完善,确保政策与区域经济发展高度契合。利用大数据剖析市场需求变化,精准预判产业发展趋势,使政策更具前瞻性和针对性,以应对新质生产力发展进程中的各种需求和挑战。

(5)因需制宜强化保障,注重新质生产力的稳定性。鉴于大数据试验区在中东部地区、产业结构较好地区、高科技水平地区以及金融环境较好地区发挥的作用更显著,因而可进一步加大对上述地区的资源倾斜力度,优化政策环境,促进大数据试验区与当地产业深度融合,最终形成强大的创新合力。对于区域新质生产力发展落后区域,需要加强针对性扶持措施和政策引导。例如,设立专项扶持资金,为当地企业引进新技术、新设备提供资金支持。开展针对当地企业和从业者的培训活动,提升其数字化素养和创新能力。鼓励发达地区与发展落后地区建立合作帮扶机制,通过产业转移、技术共享等方式实现区域间协同发展。

4.3 局限与展望

本文存在以下不足：仅以建设“国家级大数据综合试验区”为准自然实验,未对不同区域大数据发展水平进行定量分析;样本量局限于中国30个省(区、市)层面,未测算市级层面的影响效应。因此,未来可以在以下方面作进一步探讨：对不同地区大数据发展水平进行测量,基于不同维度对大数据发展情况进行分析,进而精确把握大数据发展对区域新质生产力的影响;构建合适的区域新质生产力评价体系,从市级层面测算新质生产力水平,深入剖析影响区域新质生产力水平的其它因素。

参考文献：

[1] GUO B, WANG Y, ZHANG H, et al. Impact of the digital economy on high-quality urban economic development：evidence from Chinese cities[J]. Economic Modelling, 2023, 120(3)：106194.

[2] SMITH C, SMITH J B, SHAW E. Embracing digital networks：entrepreneurs' social capital online[J]. Journal of Business Venturing, 2017, 32(1)：18-34.

[3] BRYNJOLFSSON E, HITT L M. Beyond computation：information technology, organizational transformation and business performance[J]. Journal of Economic Perspectives, 2000, 14(4)：23-48.
[4] LIU T K, CHEN J R, HUANG C C J, et al. E-commerce, R&D, and productivity：firm-level evidence from Taiwan[J]. Information Economics and Policy, 2013, 25(4)：272-283.
[5] ZHAI H, YANG M, CHAN K C. Does digital transformation enhance a firm's performance? evidence from China[J]. Technology in Society, 2022, 68(1)：101841.
[6] ZHANG Y, MENG Z, SONG Y. Digital transformation and metal enterprise value：evidence from China[J]. Resources Policy, 2023, 87(4)：104326.
[7] 杨玉琪,王小华.数字化赋能与城市经济高质量发展——基于国家级大数据综合试验区的准自然实验[J].经济问题探索,2023,44(12)：105-123.
[8] 戴艳娟,沈伟鹏.大数据发展如何影响企业全要素生产率——基于内外部双重视角的分析[J].云南财经大学学报,2024,40(2)：78-94.
[9] 曾祥炎,魏蒙蒙,周健.数字经济发展如何影响企业转型升级——基于国家级大数据综合试验区的准自然实验[J].福建论坛(人文社会科学版),2023,40(9)：74-91.
[10] 张益豪,郭晓辉.大数据发展与企业全要素生产率——基于国家级大数据综合试验区的实证分析[J].产业经济研究,2023,22(2)：69-82.
[11] 宋华盛,卢历祺.大数据发展和企业劳动收入份额——来自“国家级大数据综合试验区”的证据[J].经济学动态,2024,65(1)：111-128.
[12] 陈文,常琦.大数据赋能了企业绿色创新吗——基于国家级大数据综合试验区的准自然实验[J].财经科学,2022,66(8)：76-92.
[13] 孙哲远.数字经济发展如何影响制造业企业“脱虚向实”——来自国家级大数据综合试验区的证据[J].现代经济探讨,2022,29(7)：90-100.
[14] 韦东明,徐扬,顾乃华.数字经济驱动经济高质量发展[J].科研管理,2023,44(9)：10-19.
[15] 张营营,许钊,彭硕毅.大数据发展对中国城市低碳转型的影响及其机制研究[J].城市问题,2023,42(9)：34-43.
[16] 钟昌标,卢建霖.大数据试验区建设推动我国工业绿色转型了吗[J].江西社会科学,2023,43(1)：122-133.
[17] 朱乾隆,石晓平,马贤磊,等.数字经济发展对工业用地利用效率的影响——基于国家级大数据综合试验区的准自然实验[J].中国土地科学,2023,37(11)：41-51.
[18] 耿伟,王筱依,王鑫源.国家级大数据综合试验区与FDI流入——基于数量和质量的视角[J].国际经贸探索,2023,39(1)：19-35.
[19] 洪银兴.新质生产力及其培育和发展[J].经济学动态,2024,65(1)：3-11.
[20] 周文,许凌云.论新质生产力：内涵特征与重要着力点[J].改革,2023,39(10)：1-13.
[21] 赵峰,季雷.新质生产力的科学内涵、构成要素和制度保障机制[J].学习与探索,2024,46(1)：92-101.
[22] 蒋永穆,乔张媛.新质生产力：逻辑、内涵及路径[J].社会科学研究,2024,46(1)：10-18.
[23] 许恒兵.新质生产力：科学内涵、战略考量与理论贡献[J].南京社会科学,2024,35(3)：1-9.
[24] 张辉,唐琦.新质生产力形成的条件、方向及着力点[J].学习与探索,2024,46(1)：82-91.
[25] 张文武,张为付.加快形成新质生产力：理论逻辑、主体架构与实现路径[J].南京社会科学,2024,35(1)：56-64.
[26] 刘冬梅,杨瑞龙,朱旭峰,等.新质生产力与科技创新[J].中国科技论坛,2024,40(3)：1-5.
[27] 贾若祥,王继源,窦红涛.以新质生产力推动区域高质量发展[J].改革,2024,40(3)：38-47.
[28] 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,2024,37(1)：31-47.
[29] 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,2024,45(3)：27-34.
[30] 宋佳,张金昌,潘艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J].当代经济管理,2024,46(6)：1-11.
[31] LIN R, Z XIE, HAO Y, WANG J. Improving high-tech enterprise innovation in big data environment：a combinative view of internal and external governance[J]. International Journal of Information Management, 2020, 50(1)：575-585.
[32] LI R, RAO J, WAN L. The digital economy, enterprise digital transformation, and enterprise innovation[J]. Managerial and Decision Economics, 2022, 43(7)：2875-2886.
[33] NING J, JIANG X, LUO J. Relationship between enterprise digitalization and green innovation：a mediated moderation model[J]. Journal of Innovation &Knowledge, 2023, 8(1)：100326.
[34] BYUN J, SUNG T E, PARK H W. Technological innovation strategy：how do technology life cycles change by technological area[J]. Technology Analysis &Strategic Management, 2018, 30(1)：98-112.
[35] HUANG H, WANG C, WANG L, et al. Corporate digital transformation and idiosyncratic risk：based on corporate governance perspective[J]. Emerging Markets Review, 2023, 56(3)：101045.
[36] WAQAS M, HONGGANG X, AHMAD N, et al. Big data analytics as a roadmap towards green innovation, competitive advantage and environmental performance[J]. Journal of Cleaner Production, 2021, 323(21)：128998.
[37] 段忠贤,滕仁玉.数字化改革如何赋能经济高质量发展——基于国家级大数据综合试验区的准自然实验[J].贵州财经大学学报,2024,31(2)：50-60.
[38] 陈启斐,田真真.大数据与产业赋能——基于国家级大数据试验区的分析[J].南开经济研究,2023,39(7)：90-107.

http://mp.weixin.qq.com/s?__biz=Mzg4NTc2NjM0Mw==&mid=2247495434&idx=5&sn=e840fff19f8a0402708623712c565dd2

科技进步与对策

深耕科技创新领域，服务学者，专注学术。便捷开放获取，提供优质知识服务。电话：027-87277066。

邢霂 等丨大数据赋能与区域新质生产力发展——来自国家级大数据综合试验区的准自然实验