大数据如何影响企业全要素生产率

大数据如何影响企业全要素生产率一文创作于：2023-08-16 05:25:48，全文字数：42253。

大数据如何影响企业全要素生产率

��生产率的这一驱动力也不能忽视。另外，在数字经济实验组和对照组区分上基于城市层面进行划分，显得较为宏观，存在一定的劣势，无法准确判断何种企业处于实验组与对照组，弱化了相应的解释力，为此，通过文本分析法挖掘并提取企业年报中关于大数据关键词条的研究方法，从而区分实验组和对照组，进而从政策评估视角实证检验大数据政策对企业全要素生产率的影响，有助于更好地解决内生性问题。

三、理论分析

（一）融资约束缓解效应

大数据政策可带来大数据技术水平的提升，也可拓展大数据技术应用范围，还可增强大数据技术使用深度，提升信息、信号传递质量，进而有助于解决银行与企业之间信息不对称问题，使得银行在为企业提供融资贷款过程中，有助于银行评估、筛选具有生产率、竞争力、创新力的企业，进而让银行与企业之间更容易建立更加有效的沟通机制，增进双方间的相互信任感，银行也对企业债务与生产经营能力形成更加稳定的预期，从而提高企业商业信用水平，企业融通资金可获得性也就越高。同时，大数据政策也将带来企业数字化转型，这种数字化转型程度越高意味着更高质量的技术和人才优势，是企业高质量发展能力的一种体现，也是“具备数字信息识别技术优势和高质发展的能力”的发展前景，这类企业也就越优质。并且这种数字化优质企业信号传递作用，可帮助商业银行降低逆向选择风险，实现企业资金更高融通效率，降低资本转化损耗，也可帮助银行提升贷款服务效率，增加企业融资可获得性。总之，大数据政策不仅可带来大数据技术水平提升、覆盖范围拓展、使用深度加深，也可带来便捷的沟通交流机会，增进融资供给方与资金需求方信任，拓宽企业创新资金获取路径。也能够极大地节约企业处理海量信息的成本，扩大内外部的信息共享范围与信息使用准确性，有效缓解外部信息不对称程度，增加企业资金可获得性。随着融资约束的改善，增加企业创新研发投入水平和强度，从而促进企业全要素生产率。

（二）成本节约效应

一方面，大数据政策带来以大数据为核心的底层数字技术发展能够有效降低企业所面临的外部交易成本［22］，进而增加企业创新绩效，提高企业创新收益水平，提高企业价值和改善企业财务状况。比如，大数据政策促进大数据技术发展不仅能够提高信息透明度和时效性，进而降低信息搜寻、协商、谈判和监督等外部成本，从而形成企业内外部交易成本节约［23］，推动企业创新利润提升，增加企业价值水平。另一方面，大数据政策带来以大数据为核心的底层数字技术发展的企业数字化转型，可实现高效的信息、数据处理效率，可显著改善企业委托代理成本，促进企业内部治理，提高企业创新收益。例如，康俊（2023）［24］认为以大数据、人工智能、云计算等为核心的数字技术的迅速发展和广泛应用，为企业成本管控提供了技术支撑，为此，大数据政策带来大数据技术发展实现更为高效的股东管理模式、交流沟通方式以及控制决策方法，为企业创新管理决策提供更加有效的方案，增加创新收益，显著改善企业价值，进一步促进企业全要素生产率。

（三）流动性效应

大数据政策带来以大数据技术为核心数字技术应用场景实现，可显著强化市场的正面预期，显著提升股票流动性［25］，也增加投资者交换股票的频率和效率，改变大小股东对企业所有权结构，提高企业数字治理效率。进一步，股票流动性的提升，就是促进大小股东不断交换股票，转换所有权，形成一个较为稳定、合理的所有权结构，使得股东投票权与所有权比例固定在一定范围，有利于保证控制股东最大化企业价值。为此，流动性越高的证券意味着企业价值越高，企业全要素生产率也就越高。同时，企业价值最大化，将带来管理者薪酬最大化，实现管理者创新有效激励，从而实现企业价值和企业财务改善，促进企业全要素生产率提升。总之，无论是大数据政策带来的成本节约效应还是流动性效应，均可显著改善企业价值，促进企业全要素生产率提高。

四、计量模型与数据说明

（一）政策背景

一直以来，在推进我国经济社会高质量发展进程中，大数据占据了重要地位和发挥了极大作用。我国大数据政策具有较为清晰的发展脉络与演变进程，为推动以大数据为核心的新型技术能力提升、新型技术应用以及打造更高水平的数字经济提供了基础支撑。2014年中国政府工作报告首次将大数据列入政府报告中，使得大数据成为政府、学者等重要关注议题。2015年国务院发布了《促进大数据发展行动纲要》，这一大数据政策实施使得大数据正式上升为国家战略层面，实施大数据发展政策是我国经济社会发展的重要战略，这是大数据发展的里程碑。2017年我国实施了《大数据产业发展规划（2016—2020年）》，这标志着正式对大数据产业提出了专门规划。特别是发布了一大批国家层面大数据行业相关政策，为大数据在不同行业的应用提供了助力。同年，党的十九大报告提出，推动大数据与实体经济深度融合，提升了大数据对经济发展的贡献度。2020年实施了《关于构建更加完善的要素市场化配置体制机制的意见》，将大数据列为新型生产要素，这无疑是夯实了大数据在生产要素之间的地位，也是《促进大数据发展行动纲要》这一政策的升华，对于提升技术进步具有重大价值。2021年《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出了推动大数据技术创新、培育数据全生命周期产业体系和完善大数据标准体系，这对规范大数据发展具有重要作用。实施大数据政策的首要目的就是发展以大数据为核心的新型技术，其次是提升大数据的应用能力，使得其成为一种生产要素，为了客观反映大数据政策的根本目的和初始目标，落实发展大数据技术这一根本任务，并考虑政策实施具有滞后性，本文选取了《促进大数据发展行动纲要》这一大数据政策作为本文政策冲击。

（二）计量模型

为了考察“大数据政策-企业全要素生产率”之间的关系，本文首先构建计量模型并实证检验“大数据政策-企业全要素生产率”之间的关系。并运用双重差分法（DID）来实证检验大数据政策对企业全要素生产率影响的因果效应，将《促进大数据发展行动纲要》这一政策作为外生冲击变量。具体计量模型如模型（1）：

∑mk=1TFPk，i，t=α0+α1treati×postt

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（1）

其中，被解释变量TFP表示企业全要素生产率；treati为个体虚拟变量，postt为时间虚拟变量，treati×postt为个体虚拟变量与时间虚拟变量交叉项；controli，j，k，t为一组包括企业规模、企业年龄、企业流动性、企业股东集中度等企业层面的控制变量；Indi表示企业固定效应；Yeart表示年份固定效应；εi，j，k，t表示随机误差项。另外，α1体现了数字经济政策实施前后企业全要素生产率的变化，是本文关键变量的待估参数。

（三）变量选取

1被解释变量

被解释变量为企业全要素生产率∑mk=1TFPk，i，t，其中，当k=1，2，3，4，5时，分别表示五种不同方法测度的企业全要素生产率，即分别基于普通最小二乘法（OLS）、固定

提醒您：因为《大数据如何影响企业全要素生产率》一文较长还有下一页，点击下面数字可以进行阅读！

《大数据如何影响企业全要素生产率》在线阅读地址：大数据如何影响企业全要素生产率