去年全国活跃数据总量同比增28.46%

将数据视为与资本、劳动并列的第三类生产要素，拓展传统 Solow 模型。数据要素具有非竞争性和边际收益递增特征，与传统物质资本存在本质区别。假说 H1：数据要素对 TFP 的贡献具有显著的正向效应，且贡献增速逐年提高。假说 H2：区域间数据要素配置效率差异是解释 TFP 差异的重要来源。假说 H3：数据交易市场的发育程度对数据配置效率具有正向调节作用——交易越活跃的地区，数据错配程度越低。

核心识别挑战在于数据要素与 TFP 之间存在双向因果：高 TFP 地区可能产生更多数据。采用 Bartik 工具变量（Bartik, 1991）策略：以全国层面各行业数据产出增长率与地区初始行业结构的交乘项作为各省数据要素增长的工具变量。该 IV 利用全国行业趋势的外生变化，排除地区层面反向因果干扰。同时控制省份固定效应与年份固定效应，利用系统 GMM 处理动态面板内生性。

基准模型设定为：ln TFP_{it} = α + β₁ ln Data_{it} + β₂ ln K_{it} + β₃ ln L_{it} + γ X_{it} + μ_i + λ_t + ε_{it}。其中 Data_{it} 为 i 省 t 年活跃数据总量，K 和 L 为资本存量与劳动投入，X 为控制变量（R&D 投入强度、人力资本水平、市场化指数）。进一步建立 Hsieh-Klenow 错配方程：σ²(ln MRPK) 衡量资本-数据边际收益乘积的离散度，以此捕捉数据要素配置扭曲程度。

被解释变量 TFP 采用 OP 法（Olley-Pakes, 1996）或 LP 法（Levinsohn-Petrin, 2003）在半参数框架下估算，避免同时性偏误。核心解释变量"活跃数据总量"来自国家数据局公报，按省份分配权重依据数字基础设施指数（5G 基站密度、数据中心机架数、互联网普及率加权合成）。资本存量采用永续盘存法核算，折旧率取 9.6%。样本为 2019-2025 年 31 个省份平衡面板。

（1）替换 TFP 估算方法：以数据包络分析（DEA）的 Malmquist 指数替代参数法 TFP，验证结论不依赖于特定估算技术。（2）改变工具变量构造方式：使用 Shift-Share 设计的替代方案——以相邻省份数据增长率的空间加权平均作为 IV。（3）剔除直辖市样本：北京、上海、天津、重庆的数据经济特征可能具有特殊性，剔除后重新估计。（4）安慰剂检验：随机打乱时间序列，检验"伪处理"是否产生显著效应。

---

数据交易面临三重交易成本：确权成本——数据持有权、加工使用权、产品经营权的界定需要事前谈判；度量成本——数据价值难以标准化评估，导致定价困难；执行成本——数据易被复制泄露，事后违约风险高。基于 Coase 定理，清晰的产权界定是降低交易成本的前提。假说 H1："三权分置"产权制度的确立通过降低确权成本显著促进数据交易额增长。假说 H2：数据交易所作为专用性治理结构（Williamson 意义上的"统一治理"），通过标准化合约降低度量成本与执行成本。

利用"数据要素×"典型场景在各行业的渐进推广构建多期 DID。处理组为被纳入典型场景指引的行业-地区对，对照组为尚未覆盖的行业-地区对。关键假设：典型场景的推广时序与行业-地区的不可观测特征无关——平行趋势检验通过事件研究法进行。以场景指引发布时间为节点，估计政策前后各期的动态处理效应，确保不存在预期效应。

基准 DID 模型：ln Trade_{ijt} = α + θ Treat_{ij} × Post_{ijt} + γ X_{ijt} + μ_{ij} + λ_t + ε_{ijt}。其中 Trade_{ijt} 为 i 地区 j 行业 t 期的数据交易额。进一步引入中介效应模型：Cost_{ijt} = α₁ + θ₁ Treat_{ij} × Post_{ijt} + Controls + ε；Trade_{ijt} = α₂ + θ₂ Treat × Post + δ Cost_{ijt} + Controls + ε。采用 Sobel 检验和 Bootstrap 法检验中介效应的显著性。

被解释变量为各地数据交易所月度交易额（对数）。核心中介变量"交易成本"从三个维度构造：确权成本——以数据登记确权平均时长（天）代理；度量成本——以数据产品标准化程度（挂牌产品中标准化产品的占比）的倒数代理；执行成本——以数据交易纠纷仲裁案件数量代理。控制变量包括地区数字基础设施、GDP 总量、第三产业占比、法律制度环境指数（樊纲市场化指数中的律师人数子指标）。

（1）替换政策时点：改用各省数据条例正式施行日期替代场景指引发布时间，检验不同制度度量方式的一致性。（2）剔除头部交易所（上海、北京）样本：排除极端值对结论的驱动。（3）虚假政策时点检验：将处理组场景推广时间分别提前 1 年、2 年，检验"伪政策"是否产生效应。（4）PSM-DID：通过倾向得分匹配为每个处理组匹配最相似的对照组，缓解自选择偏误。

---

根据行政发包制理论，中央政府通过"发包"将政策执行任务下放给地方政府，同时保留目标设定和考核权。国家数据局的设立强化了中央对数据资源的集中管控（数据确权、安全、跨境流动），但地方数据局的设立赋予了地方在招商引资和产业培育中的自主空间。假说 H1：国家数据局的设立通过顶层设计统一了数据规则，降低了地方间的制度竞争（"逐底竞争"风险）。假说 H2：地方数据局设立越早、行政级别越高的省份，数据交易市场发育程度越高——体现了激励相容效应。

核心策略为合成控制法（Abadie et al., 2010）：将国家数据局设立较早的省份作为处理组，利用其他省份的加权组合构造"合成控制"反事实。关键识别假定：处理组在政策冲击前的趋势可由对照组线性组合良好拟合。以省级数据局设立时间为政策冲击节点（各地设立时间不同，形成交错 DID 结构），同时控制省级领导的职业背景（是否具有数字经济相关履历）作为工具变量处理内生性。

合成控制法通过最小化政策冲击前处理组与合成组的预测误差平方和来求解最优权重向量 W*。处理效应估计为：τ_{it} = Y_{it} - Σ_{j∈control} w_j* Y_{jt}，其中 t > T₀（政策冲击后）。进一步采用交错 DID 回归：ln Market_{it} = α + β DataBureau_{it} + γ X_{it} + μ_i + λ_t + ε_{it}，DataBureau_{it} 为省级数据局是否已设立的虚拟变量。引入交互项检验央地垂直管理强度（国家数据局案例指引数量）的调节效应。

被解释变量为省级数据市场发育指数，由 4 个子指标合成：数据交易所年成交额、数据型企业注册数量增速、政府数据开放平台数据集数量、数据相关地方性法规和规范性文件数量。核心解释变量为省级数据局设立虚拟变量与行政级别。控制变量包括：省委书记/省长是否具有数字经济相关履历、省级财政科技支出占比、数字基础设施指数。样本区间为 2018-2025 年。

（1）置换检验（Placebo test）：将合成控制法应用于每个对照组省份，构造伪处理效应的经验分布，检验处理组效应的统计显著性。（2）剔除直辖市样本：直辖市的央地关系具有特殊性。（3）替换合成变量：改用 DID 或 DIDM（matrix completion）方法替代合成控制法。（4）改变处理组定义：仅以省级数据局行政级别（正厅级 vs 副厅级）作为处理强度变量，检验集约边际效应。

---

发展经济学中的后发优势理论认为，后发国家可以通过引进和模仿先进技术实现跨越式发展。"数据要素×"政策本质上是国家对数据这一通用目的技术（GPT，General Purpose Technology）的推广干预。假说 H1：被"数据要素×"典型场景覆盖的行业其产业结构高级化指数（高技术产业占比）的提升速度显著快于未被覆盖行业。假说 H2：数据要素通过投入产出关联产生前向和后向外溢——数据密集型行业的上游供应商和下游客户行业也同步获益。假说 H3：政策效应主要通过"增量培育"（新数据企业净进入率）而非"存量改造"（传统企业数字化率提升）实现。

采用三重差分法（DDD）：第一重为行业维度（是否被"数据要素×"典型场景覆盖），第二重为时间维度（政策前后），第三重为地区维度（数字基础设施高低分组）。DDD 估计量可剔除行业固有趋势和地区固有差异，识别政策净效应。以行业-地区面板为分析单元。关键识别假定：在政策冲击前，处理组与对照组在产业结构指标上具有平行趋势。事件研究法检验前提成立性。

DDD 模型：Y_{ijt} = α + β₁ Treat_j × Post_t × HighInfra_i + β₂ Treat_j × Post_t + β₃ Treat_j × HighInfra_i + β₄ Post_t × HighInfra_i + γ X_{ijt} + μ_{ij} + λ_t + ε_{ijt}。其中 Y_{ijt} 为 i 地区 j 行业 t 期的产业结构高级化指数。Triple interaction 系数 β₁ 捕捉数字基础设施较好地区中，被场景覆盖行业的额外结构转型效应。进一步引入投入产出加权：将下游行业的被解释变量按直接消耗系数矩阵加权，构造"数据效应传导力"指标。

核心被解释变量为产业结构高级化指数（高技术制造业和服务业增加值占比）与产业结构合理化指数（泰尔指数的倒数）。处理变量为行业-年份层面的"数据要素×"典型场景覆盖虚拟变量。调节变量为地区数字基础设施综合指数。投入产出传导变量基于 2020 年和 2022 年全国投入产出表，计算各行业的直接消耗系数和完全消耗系数矩阵。样本为 2019-2025 年 31 省份 × 19 个国民经济大类的非平衡面板。

（1）更换结构转型度量：以行业全要素生产率增速替代产业结构指数。（2）排除政策同期干扰：控制同期"东数西算"工程、数字经济创新发展试验区等政策虚拟变量。（3）空间溢出检验：构建空间杜宾模型（SDM），检验邻省数据要素政策对本省产业结构的空间溢出效应。（4）分位数回归：检验"数据要素×"政策在不同产业结构水平分位数上的异质性效应，验证是否存在"马太效应"。

---

Autor-Levy-Murnane（2003）的 ALM 模型将工作任务分为常规任务（routine）和非常规任务（non-routine），计算机技术替代常规任务但补充非常规认知任务。数据要素作为一种数字化的信息投入，可能遵循类似逻辑：替代以数据处理为主的中等技能常规认知工作（如会计、文秘），同时增加对数据分析师、算法工程师等高技能非常规认知岗位的需求。假说 H1：数据要素渗透率越高的行业，中等技能劳动者的就业份额下降越显著——即就业极化。假说 H2：数据要素显著提高高技能劳动者的工资溢价，扩大技能工资差距。假说 H3：数据要素对低技能体力服务业岗位的替代效应较弱（任务互补）。

核心识别策略为行业层面的 Bartik 工具变量与微观工资方程相结合。以全国层面数据要素总量增长与地区-行业初始数据使用强度的交乘项（Bartik IV）作为行业数据渗透率的工具变量。个体层面的工资方程使用 Heckman 两步法校正样本选择偏误。在行业-职业层面，通过计算各职业的常规任务强度（RTI，Routine Task Intensity）与行业数据渗透率的交互项，识别数据要素对中等常规任务岗位的因果替代效应。

个体层面两阶段方程：第一阶段，采用 Mincer 工资方程拓展形式——ln wage_{i} = α + β DataPenetration_{j(i)} + γ X_i + δ OccChar_i + ε_i，DataPenetration_{j} 为个体 i 所属行业 j 的数据渗透率。第二阶段，以行业 Bartik IV 进行 2SLS 估计。就业极化检验设定为：ΔShare_{jk}^{occ} = α + β₁ RTI_k × ΔData_j + β₂ RTI_k + β₃ ΔData_j + ε_{jk}，其中 ΔShare_{jk}^{occ} 为 j 行业中职业 k 的就业份额变化，RTI_k 为职业 k 的常规任务强度指数。

个体层面被解释变量为对数小时工资和就业状态（二值变量）。核心解释变量为行业数据渗透率：以行业活跃数据量除以行业从业人数（人均数据产出）度量。职业常规任务强度（RTI）参照 Autor-Dorn（2013）方法，基于 O*NET 任务内容维度在中国职业分类体系中进行映射和计算。控制变量包括个体特征（教育年限、经验、经验平方、性别、户籍）、企业特征（所有制、规模）、地区特征（最低工资水平）。数据跨度为 2016-2022 年四个调查波次。

（1）替换任务内容度量：以中国本土开发的职业任务调查数据替代 O*NET 中国适配版，验证 RTI 度量的一致性。（2）排除数字经济核心行业样本：剔除信息技术服务业样本，检验结论是否由少数行业驱动。（3）队列分析：按出生队列分组，利用不同出生队列面临数据技术渗透的时点差异构造队列 DID。（4）边界断点设计：以省级数据交易所设立为断点，比较数据交易所所在城市与非所在城市劳动力的工资差异变化。

---