数据资产、数字化转型与企业新质生产力

摘要

文章利用2013—2023年中国A股上市公司数据，分析数据资产对企业新质生产力的影响机制。结果表明，数据资产能够提升企业新质生产力。机制研究发现，数据资产通过化解企业财务困境、提高资源配置效率、降低信息不对称，进而促进企业新质生产力的提高；门槛效应检验表明，在数据资产影响企业新质生产力发展过程中，数字化转型存在单一门槛效应，随着企业数字化转型程度越高，数据资产对企业新质生产力的促进作用呈现为显著倍增效应；异质性研究表明，对于国有企业、非重污染企业以及高科技行业企业而言，数据资产对企业新质生产力的促进效应更为显著。研究结果可以助力企业更好地挖掘数据资产潜力，为适应不断变化的市场竞争环境、推动整个产业经济高质量发展提供经验证据和政策启示。

关键词： 新质生产力；数据资产；数字化转型；高质量发展；A股上市公司

一、论文选题背景和意义

*背景*：在新一轮科技革命与产业变革中，数据成为关键生产要素与价值增值载体，推动新产品、新业态与新模式发展，并进入资产化与“入表”阶段。新质生产力强调高科技、高效能、高质量，要求以数据要素重塑生产函数、组织结构与供应链协同。

*问题与目标*：传统要素边际递减与粗放式增长受限，企业需要通过数据资产实现从资源到资产的价值转换，进而带动新质生产力跃升。论文聚焦微观层面，检验数据资产是否及如何提升企业新质生产力，并考察数字化转型的门槛效应与作用机制。

*理论贡献*：构建“数据资产—数字化转型—新质生产力”分析框架，提出数字化转型的单一门槛效应，并从财务困境缓解、资源配置效率提升、信息不对称降低三条路径展开实证检验。

二、论文主要内容

*研究假设*：

- H1：数据资产能够提升企业新质生产力。

- H2：数字化转型在数据资产影响新质生产力过程中存在门槛效应。

- H3—H5：数据资产分别通过化解财务困境、提升资源配置效率、降低信息不对称提升新质生产力。

*主要发现*：

- 基准回归显示，数据资产与新质生产力显著正相关；结果在加入控制变量与固定效应后稳健。

- 内生性检验（PSM-DID 与工具变量2SLS）支持结论的因果解释。

- 门槛回归表明存在显著单一门槛：当数字化转型高于门槛时，数据资产对新质生产力的促进作用更强。

- 机制分析证实三条路径均显著：缓解财务困境、减少非效率投资（提升配置效率）、降低信息不对称。

- 异质性方面：国有企业、非重污染企业及高科技行业作用更显著。

三、论文实证设计

*数据来源*：2013—2023年中国A股上市公司数据，来源于中国研究数据服务平台与国泰安数据库；剔除金融、房地产及ST、*ST企业，对连续变量进行1%与99%分位缩尾，得到6,688个有效观测。

*变量构造*：

- 被解释变量：企业新质生产力（Npro），基于“新质劳动者/对象/资料”多维指标体系（含研发人员占比、数字化程度、绿色技术水平等）采用熵值法测算。

- 核心解释变量：数据资产（DA），以市场价值与账面项目差额取对数衡量。

- 门槛变量：数字化转型（Dig），基于企业年报中数字化相关词频的对数。

- 中介变量：财务困境（Zscore）、非效率投资（Investment，Richardson模型残差）、信息不对称（ASY，基于LR、ILL、GAM的主成分）。

- 控制变量：公司年龄、资产负债率、ROA、营收增长、董事会规模、独立董事比例、两职合一、第一大股东持股等。

*模型设定与检验*：

- 基准模型：以Npro为因变量，DA为核心自变量，控制个体与时间固定效应。

- 门槛模型：以Dig为门槛变量的单一门槛回归。

- 内生性：PSM-DID（以国家级大数据综合试验区为外生冲击）、2SLS（行业×省份其他企业DA均值为工具变量），并考虑时滞与多维固定效应稳健性。

变量说明表格

变量名称	变量说明
Npro	企业新质生产力综合指数（熵值法，涵盖新质劳动者/对象/资料多维指标）
DA	数据资产（市场价值减固定资产、无形资产与金融资产后的差额取对数）
Dig	数字化转型（年报数字化相关词频的对数）
Zscore	财务困境指标（Z值，值越高困境概率越低）
Investment	非效率投资（基于Richardson模型的残差，数值越小配置效率越高）
ASY	信息不对称（由LR、ILL、GAM经主成分分析构建，值越大不对称越强）
控制变量	公司年龄、资产负债率、ROA、成长性、董事会规模、独立董事比例、两职合一、第一大股东持股等

四、论文结论与政策建议

*结论*：数据资产显著提升企业新质生产力；数字化转型存在单一门槛并放大上述效应；数据资产通过化解财务困境、提升资源配置效率与降低信息不对称三条机制发挥作用；在国有、非重污染与高科技企业中效应更强。

*政策建议*：

- 将数据资产纳入企业战略管理体系，持续投入大数据、人工智能、物联网、云计算等以增强数据处理与应用能力。

- 构建基于数据的财务预警、资源配置与内部协同平台，推动数据共享与数据驱动决策文化。

- 非国有与非高科技企业应分阶段完善数据治理与数字能力建设，加速跨越数字化门槛；重污染企业应以数据驱动的环境监测与流程优化支撑绿色转型。

五、边际贡献与未来拓展

*边际贡献*：在微观层面整合数据资产与数字化转型进入新质生产力研究框架；识别并验证数字化转型的单一门槛效应；实证揭示“财务困境—资源配置—信息不对称”三重中介路径。

*未来拓展*：可在更细粒度的数据资产计量、跨行业与区域差异、动态门槛与政策情境等方向扩展，并结合更多治理与组织要素的交互作用进行检验。