数据要素对供给体系质量的影响研究
——基于279 个地级市面板数据的空间计量分析

孙 萍

（南京邮电大学 经济学院，江苏 南京 210023）

一、引言

近年来，党和国家高度重视我国经济循环中供给体系的发展质量。党中央强调，推动高质量发展，“必须坚持深化供给侧改革，以创新驱动、高质量供给引领和创造新需求，提升供给体系的韧性和对国内需求的适配性”[1]。深化供给侧结构性改革是我国加快构建新发展格局、推动高质量发展的主线，是全面建设社会主义现代化国家实现中国式现代化的必然要求。与此同时，在全球经济下行的背景下，以数据要素作为关键要素的数字经济已经成为拉动经济增长、推动经济高质量发展的重要引擎。那么，数据要素能否提升供给体系质量，其中蕴含的影响机理是什么？这些问题的研究对于我国深化供给侧结构性改革具有十分重要的现实意义。

从现有文献来看，与本研究相关的第一类文献关注我国供给侧目前存在的结构性问题以及相应的政策建议，认为“卡脖子”和关键产品高度对外依赖是我国供给体系的短板（张建刚，2021；周曙东等，2021；裴长洪和刘洪愧，2021）[2-4]，同时指出要素市场资源配置效率低也是供给侧亟需解决的问题（张峰，2022；荣晨等，2021）[5-6]。第二类文献集中探索数据要素特殊的运行机制，主要包括推动企业模式创新、产业融合创造和以结果为导向的智能决策（何伟，2020；张路娜等，2021；Brynjolfsson 等，2011；McAfee等，2012）[7-10]。第三类文献则是关于数据要素的测度，其中大部分研究在测度数据要素时都采用了构建指标体系的方法（陶长琪和丁煜，2022；杨飞虎和龚子浩，2022）[11-12]。

现有文献在供给体系质量和数据要素的经济理论方面均已做出积极的探索研究，但是从实证角度出发的测度分析较少，两者之间关系的研究也比较匮乏。鉴于此，本文可能的边际贡献在于：第一，分别构建了衡量数据要素和供给体系质量的指标体系并进行测度分析；第二，基于2011—2020 年中国279个地级市的面板数据，从理论与实证方面分析数据要素对供给体系质量的影响，并从绿色全要素生产率的视角分析数据要素对供给体系质量影响的传导机制。

二、理论分析与研究假设

（一）数据要素与供给体系质量

第一，数据要素通过促进要素资源市场化配置、深化供给侧结构性改革，进而提升供给体系质量。数据要素向传统要素的渗透融合有助于建立自主有序的要素流动机制，推动要素向优质高效领域流动，改善传统要素市场中的资源错配问题[13]。第二，数据要素通过推动产业结构转型升级深化供给侧结构性改革，进而提高供给体系质量。数据要素的形成促进和深化了通用性数字技术与传统产业专用性技术的融合，推动了产业数字化和数字经济自身发展的进程[14]。第三，数据要素通过驱动生产主体创新发展深化供给侧结构性改革，提升供给体系质量。谢康等（2020）[15]从产品创新视角阐释数据成为生产要素的企业实现机制，发现所在行业IT 使用强度高的企业可以通过大数据分析直接获得产品创新绩效。第四，数据要素通过推动其他要素协同化生产深化供给侧结构性改革[16]。因此，本文提出假设1：

H1：数据要素对供给体系质量提升具有直接的促进作用。

（二）数据要素、绿色全要素生产率与供给体系质量

数据要素赋能城市经济绿色发展，推动城市经济转型。企业层面，数据要素全方面、全链条赋能产业链和供应链，促进传统企业数字化转型升级，帮助企业智能化决策，提高企业内部资源配置效率，减少资源的浪费，推动企业绿色化。产业层面，数据要素推动产业结构优化升级，改革产业组织方式，驱动产业数字化进程，推动产业的绿色转型发展[17-19]。宏观经济层面，数据要素可以通过提高传统要素配置效率，推动生产要素协同发展，提高绿色全要素生产率，促进经济高质量发展[20]。据此，本文提出假设2：

H2：数据要素通过提升绿色全要素生产率对供给体系质量产生积极影响。

三、研究设计

（一）空间模型设定

本文主要研究数据要素对供给体系质量的影响以及供给体系质量的空间效应，故而构建空间计量模型。由于空间杜宾模型是基于空间滞后模型和空间误差模型的组合扩展形式，可以考察本地区的被解释变量是否受本地区和相邻地区的解释变量的空间效应影响，故本文选择空间杜宾模型构建基准回归模型：

式（1）中，各主要变量的i和t分别代表地级市和年份，Supit和Datait分别表示供给体系质量和数据要素发展水平，Conit指控制变量，δi和μt分别表示个体和时间固定效应，εit为随机误差项。各系数的含义如下：ρ表示空间自回归系数，反映空间溢出效应；θi表示各地级市的空间滞后变量系数，反映邻接地区解释变量对本地区被解释变量的影响。W为空间权重矩阵，考虑到供给体系是一个综合性的系统且其质量在一定程度上受经济发展水平的影响，故本文选取地理距离矩阵和经济距离矩阵作为权重矩阵。

另外，由于供给体系的发展是一个系统的、持续的过程，本研究在静态空间计量模型的基础上引入被解释变量的一阶滞后项构建动态空间杜宾模型进一步分析数据要素对供给体系质量的影响，模型如下：

式（2）中，Supi，t-1是供给体系质量的一阶时间滞后项，α是被解释变量供给体系质量一阶滞后项的回归系数，表示上一时期供给体系质量对本期供给体系质量的影响，其余变量及系数同模型（1）一致。

（二）变量选取与说明

1.被解释变量：构建供给体系质量指标体系。本文在构建供给体系质量指标体系时以党中央涉及供给侧结构性改革和新发展格局国内大循环的政策内容为基础建立一级、二级指标，并结合相关文献建立三级指标。指标体系如表1 所示。其中，创新创业指数的测量参考了毛文峰和陆军（2020）[21]的测度方式，出口技术复杂度的衡量参考了Hausmann等（2007）[22]、盛斌和毛其淋（2017）[23]的计算方式。本文使用熵值法确定各指标的权重并测度各地级市的供给体系质量。

表1 供给体系质量指标体系

2.核心解释变量：构建数据要素指标体系。为了更全面地衡量各地区数据要素发展水平，本文构建了多维度指标体系并使用熵值法计算数据要素水平得分，指标体系如表2 所示。

表2 数据要素水平指标体系

3.控制变量。为了尽量减少遗漏变量导致的偏误，提高结果的准确性，本文参考以往的文献选取了4 个控制变量（见表3）。

表3 控制变量的选取

（三）数据来源

考虑到数据的可得性与完整性，本文基于2011—2020 年中国279 个地级市的数据进行研究。数据主要来源于《中国城市统计年鉴》《中国区域经济统计年鉴》《中国环境统计年鉴》、中国碳核算数据库、中国海关进出口统计数据库、联合国商品贸易统计数据库、北京大学数字金融研究中心和各省市统计年鉴及统计公报等。

四、实证研究

（一）空间相关性分析与模型选择

1.供给体系质量的空间相关性分析。在研究数据要素影响供给体系质量的空间效应之前，有必要计算供给体系质量的空间自相关系数以检验其是否具有空间上的依赖性。本文分别结合地理距离矩阵和经济距离矩阵测算供给体系质量的全局莫兰指数。据表4 得，在结合地理距离和经济距离两种矩阵时，供给体系质量的莫兰指数均在1%的水平下显著为正，说明供给体系质量在空间上并非随机分布状态，具有相似空间特征和经济特征的城市具有一定的集聚效应。

表4 全局莫兰检验结果

2.空间计量模型的选择。在检验了供给体系质量的空间自相关性后，进行空间计量模型的选择，相关检验结果如表5 所示。第一，在使用地理距离和经济距离两种矩阵的情况下，LM 检验结果显著为正，说明本实证研究适用于空间面板计量模型。第二，Hausman 检验在两种矩阵下均在1%的水平上拒绝原假设，因此选择固定效应模型。第三，进行LR 似然比检验和Wald 检验，使用经济距离矩阵时，LR 和Wald 检验均拒绝原假设，说明SDM 不会退化为SEM或SAR；使用地理距离矩阵时，LR 检验通过，Wald检验并没有通过。虽然LR 和Wald 检验结果不一致，但是在小样本下，LR 检验的渐进性更好且SDM模型比SEM 模型和SAR 模型的形式更加一般化，故而仍选择SDM 空间杜宾模型。第四，对模型进行个体、时间和个体时间双固定三种形式的回归，对比回归结果发现两者均在时间固定效应模型下的拟合优度最高。综上所述，最终选择时间固定效应的空间杜宾模型对研究假设进行检验。

表5 空间计量模型的检验结果

（二）空间计量模型结果分析

本文以2011—2020 年我国279 个地级市为样本，利用SDM 模型实证检验数据要素对城市供给体系质量的直接影响与空间溢出效应，具体的回归结果如表6 所示。

表6 静态和动态空间杜宾模型回归结果

1.静态空间面板模型回归结果分析。汇总实证检验结果，据表6 分析我国各地级市供给体系质量的空间效应。整体来看，列（1）和列（2）中，供给体系质量的空间自回归系数Spatial-rho 均显著为正，这表明在地理距离和经济距离矩阵下，供给体系质量存在显著的正向空间溢出效应，说明本地区供给体系质量的提高对地理上相邻和经济水平上相似地区的供给体系质量表现为积极影响。

在列（1）和列（2）中，数据要素水平的系数分别为0.3 和0.279，且均在1%的水平上显著，表明数据要素水平的提高对供给体系质量的提升有显著促进作用，假设1 成立。控制变量方面，在列（1）和列（2）中，金融发展水平和对外开放程度的系数均显著为正，表明两者对供给体系质量都具有显著的正向作用，说明一个地区的金融和对外开放会在一定程度上促进供给体系质量的提升。

在空间效应上，列（1）中数据要素和金融发展水平的空间滞后项回归系数均显著为负，说明数据要素和金融发展水平对邻近地区的供给体系质量发展具有负向的空间溢出效应；对外开放程度和交通通达度的空间滞后项的回归系数显著为正，说明相邻地区的对外开放程度和交通通达度对本地的供给体系质量具有正向的空间溢出效应。列（2）中，经济发展水平的空间滞后项的回归系数显著为正，表明其对相似经济发展水平城市的供给体系质量具有正向的空间溢出效应；对外开放程度和交通通达度的滞后项的系数均显著为负，说明相似经济发展水平城市的对外开放程度和交通通达度的提升会抑制该城市供给体系质量的提升。

2.动态空间面板模型回归结果分析。中国供给体系的演化是一个系统且持续的过程，上文中静态空间面板模型忽略了数据要素以外的其他因素对供给体系质量的影响，容易造成参数估计偏误。因此，本文在表6 列（1）、列（2）的基础上引入供给体系质量的一阶滞后项表征除数据要素以外的其他潜在的影响因素，同时考虑其空间效应建立供给体系质量的动态空间面板模型，结果如表6 列（3）、列（4）所示。

在考虑供给体系质量一阶滞后变量的动态空间面板模型中，地理距离矩阵列（3）和经济距离矩阵列（4）的空间自回归系数分别为0.181 和0.038，均在1%的水平上显著，较之静态空间面板模型的系数有所下降，这可能是静态空间面板模型将解释变量以外的潜在因素的影响归结为空间相关性导致的。另外，动态模型的拟合优度较之静态模型均有了大幅提升，表明建立动态空间面板模型研究数据要素对供给体系质量的影响与空间效应是有必要的。

列（3）、列（4）中，滞后一期的供给体系质量作为解释变量，其系数分别为1.073 和1.081，且均在1%的水平上显著，表明除却数据要素等解释变量以外的其他外在因素（如市场环境、制度因素等）对供给体系质量的影响显著且为正向。列（4）中，数据要素的回归系数仍显著为正，进一步验证了假设1。

（三）直接效应与间接效应分析

将表6 中空间面板列（1）、列（2）的空间总效应分解为直接效应和间接效应两部分，检验结果如表7 所示。数据要素水平在两种模型下的直接效应均在1%的水平上显著为正，间接效应虽然符号不一致，但都不显著，总效应系数均为正，且在经济距离矩阵下具有显著性，这说明数据要素在区域内具有显著的正向空间溢出效应。

表7 空间效应分解

（四）稳健性检验

为验证实证结果的可靠性，采用替换变量法和替换空间权重矩阵的方法进行稳健性检验。其一，本文更改解释变量数据要素的测度方法，使用主成分分析法对其进行统计测算，并分别使用地理反距离矩阵和经济距离矩阵对模型进行回归。其二，更换空间权重矩阵，分别以地理邻接距离矩阵和经济地理嵌套矩阵建立空间面板模型进行回归。根据表8 可知，四种模型的供给体系质量的空间自回归系数和数据要素的回归系数仍显著为正，说明检验结果具有稳健性。

表8 稳健性检验

（五）绿色全要素生产率的中介作用分析

前文从绿色全要素生产率（gtfp）的角度对数据要素提高城市供给体系质量的传导机制进行了理论分析，为了验证假设2，本文构建以地理距离矩阵为空间权重矩阵的包含空间效应的中介效应模型进行逐步回归，检验结果如表9 所示。

表9 中介效应检验结果

汇总表9 的中介效应检验结果：列（1）是数据要素影响供给体系质量的基准回归结果，数据要素的回归系数为0.3，显著为正，表明数据要素可以促进供给体系质量的提高；列（2）是数据要素对绿色全要素生产率的回归结果，数据要素的系数显著为正，表明数据要素水平的提升会显著促进当地绿色全要素生产率的提高，证实了前文的理论分析；列（3）是数据要素和绿色全要素生产率影响供给体系质量的回归结果。其中，绿色全要素生产率的回归系数为0.029，通过了显著性检验，说明通过了中介效应检验，绿色全要素生产率是中介变量。另外，列（3）中数据要素的回归系数显著为正，表明绿色全要素生产率在数据要素影响供给体系质量的过程中具有部分中介效应，假设2 成立。

根据表9 可以发现，数据要素的产生及发展显著提高了区域的供给体系质量，而绿色全要素生产率的部分中介作用说明数据要素对供给体系的积极影响在一定程度上依靠绿色全要素生产率实现，验证了前文的理论假设。数据要素在参与生产的过程中，发挥了其与其他生产要素的协同联动效应，有效降低了要素市场的信息不对称，减缓了传统要素的市场扭曲程度，改善了传统生产要素的配置方式，优化了绿色全要素生产率。绿色全要素生产率的提升代表了经济的增长与生态的平衡，是驱动供给侧结构转型升级，提高供给体系质量的重要环节。

五、结论与启示

本文通过建立空间杜宾模型实证分析了数据要素对供给体系质量的影响。主要结论如下：第一，供给体系质量具有显著的正向空间溢出效应，这一结论在使用动态空间杜宾模型以及替换不同空间权重矩阵和解释变量后仍成立。第二，数据要素对提升供给体系质量具有明显的积极影响，在空间效应分析中，数据要素的提高对本地区供给体系质量的发展具有促进作用，但对相邻地区有负向影响。第三，绿色全要素生产率的中介效应表明存在着“数据要素-绿色全要素生产率-供给体系质量”的传导机制。数据要素可以通过提高绿色全要素生产率进而对供给体系质量产生积极影响，稳健性检验进一步证实了以上实证检验结论。

基于以上研究结论，本文提出以下三点启示：

第一，推动新型数字基础设施建设，加大数据匹配性投入，推动数字经济与实体经济的融合，带动当地供给体系质量的提升。数字基础设施是我国打造数字未来，充分利用数据要素的基石，涉及5G、数据中心、云计算、人工智能、物联网和区块链等新一代的信息通信技术和以此类技术为基础的各类数字平台。当前我国已经拥有全球最大规模的网络基础设施，但是网络复杂度的提升、应用场景的细分对计算机通信网络和算力节点提出了更高的技术要求，应积极推进算网协同高质量发展，提升计算机存储、处理、分析数据的能力，有效释放数据要素潜能。同时，要重视数字基础设施的区域平衡，注意协调发展，避免数据要素对邻近地区所带来的负向影响。

第二，完善数据要素的市场机制，合规有效地推动各生产要素的协同配合。数据要素市场化流通的前提是数据确权，建立数据资源持有权、使用权和经营权等分置的产权运行机制有利于提高数据要素本身的配置效率，发挥数据要素对其他生产要素的优化配置作用，推动各生产要素的协调配合，提高生产效率。在这一过程中，既要充分发挥市场的决定性作用，也要加强对不同行业的数据治理监督，构建有效市场和有为政府相结合的数据治理新格局。

第三，坚持创新驱动发展战略，提升自主创新能力。一方面，要重视数据要素在推动产业结构升级、促进技术创新和提升供给体系质量过程中所发挥的重要作用。企业在转型升级的过程中要重视数据所发挥的作用，积极迎接数字化，拥抱数字化转型，形成以数据为核心的数据化思维模式，并据此做出战略性调整。另一方面，鼓励大众创业万众创新，引导应用研究带动基础研究。在研发过程中，要充分发挥数据要素的作用，提高研发效率与科技成果转化率，加快建设产业现代化体系，深化供给侧结构性改革。