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

��业全要素生产率机制路径的识别

为了刻画大数据政策影响企业全要素生产率的机制路径，本文选取了“研发投入”“企业收益”两类渠道进行验证。为此，选取计量模型（3）～（6）开展实证检验。

R&Di，t=α0+α1treati，t×posti，t+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（3）

∑mk=1TFPk，i，t=α0+α1treati，t×posti，t+βR&Di，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（4）

ROAi，t=α0+α1treati，t×posti，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（5）

∑mk=1TFPk，i，t=α0+α1treati，t×posti，t+βROAi，t

+∑nj=1ρjcontroli，j，k，t+Indi+Yeart+εi，j，k，t（6）

模型（3）、（4）表示大数据政策通过“研发投入”渠道影响企业全要素生产率，模型（5）、（6）表示大数据政策通过“企业收益”渠道影响企业全要素生产率。为此，本文选取了两组变量，第一组变量为研发投入（R&D，企业研发投入与营业收入的比值），刻画大数据政策对企业研发投入的影响；第二组变量为企业收益（ROA，企业利润总额与营业收入总额比值），刻画大数据政策对企业收益的影响。

一方面，大数据政策带来企业处理信息数据能力显著提升，有助于信息不对称问题、融资约束问题明显缓解，进而增加企业研发投入；另一方面，大数据政策带来融资约束改善，提高企业技术研发能力，提高企业技术创新产出和绩效，增加企业收益水平，有助于企业全要素生产率提升。表8呈现了“研发投入”的机制识别实证检验结果。在列（1）中，DID的估计系数为正且高度显著，大数据政策在很大程度上促进研发投入，即以《促进大数据发展行动纲要》政策所代表的大数据政策促进了企业研发投入。这说明，大数据政策可帮助企业实现更加丰富的信息搜集、解读、分析，帮助企业缓解融资约束，增加企业创新投入，促进企业技术进步，提高技术创新的成功率。列（2）～（6）表明，R&D对TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估计系数为正，且估计系数至少在通过5%的显著性水平检验，表明了企业研发投入显著促进了企业全要素生产率。也进一步说明大数据政策显著促进了企业研发投入进而促进企业全要素生产率。大数据政策带来大数据覆盖范围、使用深度以及创新能力的改善，将推动更高水平的市场有效性，而有效市场将产生具有导向性的信息，且以价格为主要形式，即“所有价格反映所有相关信息”。以证券市场和股票市场为例，大数据政策将带来数字底层技术和场景应用，进而促进数字经济发展，从而可使得弱式有效市场和半强式有效市场发挥重要功能，不仅可保证证券市场现行的价格反映所有过去价格和收益的一切信息，还保证股票价格反映过去和现在公开可获得的信息，这必然形成均衡价格，促进资本等资源实现最优配置。即证券和股票市场的价格信号，还使得资本流向经济体中各个产业的边际收益趋同，达到总量均衡与结构均衡的最优配置状态，进而将资本导向生产率较高的企业。因此，大数据政策促进数字经济发展带来市场有效性，使得市场价格反映所有相关信息，指导资本流动达到均衡的最优配置状态，提高信息处理效率，进而促进资源配置效率，显著提升企业全要素生产率。

本文进一步就大数据政策影响企业全要素生产率的企业收益机制进行了检验，具体检验结果如表9所示。实证结果发现，在列（1）中，DID的估计系数为正且高度显著，大数据政策在很大程度上提高企业收益水平。融资约束缓解激励了企业加大创新投入，可为企业创造更高水平的创新技术以及引致更高效的生态场景，使得研发投入的产出绩效水平得以提升。列（2）～（6）表明，ROA对TFP_OLS、TFP_FE、TFP_LP、TFP_OP、TFP_GMM的估计系数为正，且估计系数至少通过1%的显著性水平检验，表明了企业收益水平显著促进了企业全要素生产率。大数据政策带来企业数字化转型，能够在很大程度上降低信息不对称程度，节约企业内部成本，增加企业创新投入和促进企业技术进步，提高企业全要素生产率，同时，大数据政策带来数字化技术深度开拓和挖掘数据，助力企业进行跨行业的拓展，提高企业利润率和企业价值。借力数字经济发展，资源、客户、技术等内容的衔接度显著提升，企业生产借助“乘数效应”驱动进而实现企业价值提升。这种企业利润的改善，必然会提升企业研发创新的活跃程度、积极程度，推动企业全要素生产率提升。此外，大数据政策带来企业数字化转型，在提升了信息处理能力、融资能力以及成本节约能力后，必然会在一定程度上提升企业经营的创新性和盈利性，也会对自身财务建制的完善提供基础支撑，从而有助于提升财务稳定性，提高企业收益水平。投?者投资之后，部分投资者受到某种冲击，这部分投资者希望在非流动性项目获利之前获得资金，这种风险也容易导致对低回报率流动项目的投资动机。但是，随着大数据政策实施带来数字经济发展，将促进更加完备的股票市场，这部分投资者可以将其对非流动性项目生产技术利润有求偿权的股票通过股票市场转售给他人，即通过股票市场转售股票，而企业则可以永久地使用最初股东投资的资本，进而形成有效的长期资本投资，实现股票市场提供流动性风险分散机制。当越低的股票市场交易成本时，提供流动性风险分散能力越强，非流动性的高收益项目将得到越来越多的投资，增加企业收益，显著改善企业全要素生产率。

七、不同属性企业异质性检验

表10和表11显示了不同企业所有制属性下实证检验结果。在不同所有制企业中，无论是国有企业还是非国有企业，大数据政策都能够显著促进企业全要素生产率，但进一步对比DID系数（treat×post），发现非国有企业中treat×post估计系数明显高于国有企业中treat×post估计系数，说明相比国有企业，数字经济对非国有企业全要素生产率促进效应更强，特别是大数据政策带来非国有企业数字化转型更加明显，由于非国有企业面临更高更大的成本和竞争压力，转型动力较强，从而促进技术创新效果显著，企业全要素生产率促进作用更强。

表12和表13显示了不同企业科技属性下实证检验结果。在不同科技密集型企业中，无论是科技密集型企业还是非科技密集型企业，大数据政策都能够显著促进企业全要素生产率，但进一步对比DID系数（treat×post），发现科技密集型企业中treat×post估计系数明显高于非科技密集型企业中treat×post估计系数，说明相比非科技密集型企业，大数据政策对科技密集型企业企业全要素生产率促进效应更强，从而展现出了一定的差异化效果。

八、研究结论与政策启示

为探究“大数据政策-企业全要素生产率”之间关系，从政策评估视角探讨大数据政策对企业全要素生产率的影响，且依托企业是否进行大数据利用活动进行实验组和对照组，并借助2007—

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