今天是2024年11月11日，星期一，农历十月十一，美好的一天从阅读《现代财经-早读早分享
每日晨语
前路虽布满未知，却需毅然前行。保持敏锐感知，拥抱新知，方能未雨绸缪；以乐观之姿探索新径，无畏失败，勇于尝试，方能顺势而为。美好的一天从勇气和决心开始！周一，早安！
以下内容是由《现代财经》编辑部根据国内外财经类门户网站相关资讯编辑整理而成（总第3181期）。原创不易，敬请尊重。谢谢鼓励。
一、早读分享
1、24部门联合印发文件,进一步促进养老服务消费。 近日，民政部、商务部等24部门联合印发《关于进一步促进养老服务消费 提升老年人生活品质的若干措施》，要求进一步有效挖掘养老服务消费潜力，推动养老事业和养老产业协同发展，实现养老服务高质量发展，更好满足老年人多层次、多样化、个性化服务需求。（中经网）蔡子微评： 此次民政部、商务部等24部门联合印发的文件，体现了国家对老年人群体的高度重视，旨在通过挖掘养老服务消费潜力，推动养老事业与产业的协同发展。这不仅有助于提升老年人的生活品质，也为相关产业的发展提供了新的机遇。随着我国老龄化进程的加快，养老服务的多层次、多样化需求日益凸显，政策的出台将有效促进养老服务市场的繁荣，推动社会和谐发展。2、 国资委：培育壮大新兴产业，布局建设未来产业。 国资央企切实把发展新质生产力作为推动高质量发展的重要着力点和突破口，一体推进科技创新、产业创新和体制机制创新，取得了积极成效。数据显示，国资央企研发投入连续两年超过1万亿元，重大科技成果持续涌现，传统产业加快转型，战略性新兴产业蓬勃兴起，去年战略性新兴产业投资同比增长32.1%，收入规模突破10万亿元；今年1—9月，投资同比增长17.6%，占中央企业总投资额的近40%，在发展新质生产力中发挥了重要引领带动作用。（中证网） 蔡子微评： 通过聚焦战略性新兴产业和未来产业，国资委旨在推动国资央企实现高质量发展，增强核心功能和核心竞争力。此举不仅有助于提升国资央企的创新能力和技术水平，还能促进产业链的延伸和升级，为经济持续健康发展注入新动力。同时，布局未来产业，抢占未来科技和产业制高点，将为国家的长远发展奠定坚实基础。话题关注：新质生产力视角下产业协同创新网络的空间演化和结构特征 3、 证监会：吸引更多中长期资金进入资本市场。 证监会首席风险官、发行司司长严伯进11月9日在第十五届财新峰会上表示，下一步，要推动并购重组的一些典型案例落地，更好发挥资本市场在并购重组中的“主渠道”作用。严伯进表示，证监会将落实好《关于推动中长期资金入市的指导意见》，创造条件吸引更多的中长期资金进入资本市场；引导私募创投基金“投早、投小、投长期、投硬科技”，进一步促进“募投管退”良性循环的形成。（中证网） 蔡子微评： 中长期资金具有稳定性强、投资运作专业化程度高的特点，能够克服市场短期波动，为资本市场提供“稳定器”和“压舱石”的作用。此举有利于构建耐心资本入市的长效机制，形成中长期资金的持续流入，推进资本市场稳定运行。同时，中长期资金能够更好地匹配全面实行股票发行注册制背景下企业的融资需求，服务于实体经济的高质量发展。话题关注：资金需求结构与实体经济发展效率——基于省际面板数据的实证分析 4、 增量金融政策接连落地,经济回升基础更加稳固。 中国人民银行在8日发布了2024年第三季度中国货币政策执行报告。报告表示，前三季度，稳健的货币政策灵活适度、精准有效，加大逆周期调节力度，为经济回升向好创造了适宜的货币金融环境。具体来看，主要是保持货币信贷合理增长，推动社会综合融资成本稳中有降，引导信贷结构调整优化，保持汇率基本稳定，加强风险防范化解。（人民网） 蔡子微评： 中国人民银行在货币政策上展现出了灵活性和前瞻性，特别是在面对复杂多变的国内外经济形势时，通过适时调整政策工具，如降准降息、优化信贷结构等，以支持实体经济和重点领域的发展。这些措施不仅短期内提振了市场信心，也为中长期金融改革奠定了基础。同时，报告中对结构性货币政策工具的讨论也表明，央行在支持实体经济转型发展中，更加注重精准性和实效性，力求实现金融与经济的良性循环。话题关注：金融政策助力经济高质量发展的作用机理与实践路径 5、 AI时代来临，医保基金穿透式监管成为可能。 医保基金是老百姓的“救命钱”，近几年正在大力推进的医保支付方式改革提升了医保基金的监管难度。中国劳动和社会保障科学研究院副研究员曹桂表示，大数据技术所具备的对复杂数据的实时处理及挖掘分析能力，为医保领域多源数据管理和创新带来了前所未有的机遇。2022年3月，全国医保信息平台全面上线。2023年年底，各省平台验收基本完成，“统一、高效、兼容、便捷、安全”的医疗保障信息系统搭建完成。国家医保局大数据中心主任付超奇表示，医保信息化的“高速公路”网络已初步建成，实现了全国医疗保障信息互联互通，医疗保障信息化建设向智能化、智慧化方向纵深发展。（中国经济网） 蔡子微评： 随着医疗体制改革的稳步推进，医保覆盖人数和医保数据信息大幅增加，传统的人工监管手段已不能满足新形势下的要求。对此，一方面通过大数据平台的数据挖掘技术可以对大量医保数据进行分析，及时发现医保基金使用中存在的异常情况，从而提升医保系统的工作效率。另一方面，利用大数据可以有效识别虚假就医、虚假购药等欺诈骗保行为，从而更有效地保护医保基金安全，提高服务质量。 话题关注：大数据背景下医保智能监管策略优化的演进过程研究 6、 广西开展农民工技能“大比武” 助力乡村振兴。 11月8日至9日，第一届广西乡村振兴技能大赛暨第八届广西农民工技能大赛在桂林市举办，来自广西各地的424名选手展开技能“大比武”。大赛根据全国乡村振兴职业技能大赛精神，重点围绕“一老一小”等民生实事和发展壮大银发经济，聚焦“八桂系列”劳务品牌建设，通过竞赛引领示范，以赛促训，以赛促学，将带动更多从业人员参与技能练兵比武，提升农民工综合素质，促进高质量充分就业，为全面推进乡村振兴注入强劲动能。本届大赛设置医疗护理员、母婴护理员、家务服务员、钢筋工、螺蛳粉制作、桂林米粉制作、南宁老友粉烹制、广西地方油茶制作、服装制版师、缝纫工、美甲师11个赛项和红油米粉制作1个主办城市特色赛项。（中国经济网） 蔡子微评： 农民技能培训是实施乡村振兴战略的重要抓手，事关“三农”工作全局。然而，农民技能培训仍面临着培训内容与农民需求脱节、培训方式单一效果不佳等诸多现实困境。对此，一方面要丰富农民培训内容和方式，可以举办类似于广西大比武这种形式比赛，这种新颖的培训方式可以提高农民的积极性;另一方面广大农民要主动融入乡村振兴时代洪流，积极参与培训，努力成为新时代有文化、懂技术、会经营的高素质农民，以便在乡村全面振兴中实现人生价值和梦想。
话题关注：农民技能培训真的可以助力乡村振兴吗？
7、 天津海关加快落实主动披露惠企措施。 今年以来，海关以智慧海关建设为抓手，完善系统、优化流程，于4月出台《关于“中国国际贸易单一窗口”上线“企业稽核查（主动披露）”功能模块的公告》，实现了企业签收文书、提交主动披露申请及相关材料、接收海关办理情况反馈全程网上办理和企业主动披露事项的快办快结，实现了企业“少跑腿”、数据“多跑路”、享惠“再提速”，主动披露容错机制服务企业效能进一步彰显。 （经济日报） 蔡子微评： 天津海关这一举措大幅提升了作业办理时效，实现了企业“少跑腿”、数据“多跑路”、享惠“再提速”。天津海关在落实主动披露惠企措施方面的努力，不仅提高了企业的通关便利化水平，优化了口岸营商环境，还促进了企业的守法诚信经营，为企业长远健康发展创造了有利条件。这一政策的成功实施，为其他地区提供了宝贵的经验和借鉴，有望在全国范围内推广，进一步提升我国的对外开放水平和国际竞争力。 话题关注：智慧海关建设、营商环境优化与企业高质量发展 8、 更好发挥消费信贷促进消费提质升级作用，上海发布实施意见。 近日，上海市发布《本市关于更好发挥消费信贷促进消费提质升级作用的实施意见》，目标为到2026年底，上海市商务、文旅、体育、教育、民政等领域推出一批具有引领性的高品质、多元化、融合性的消费新场景；商业银行、消费金融公司、汽车金融公司等金融机构充分发挥各自的竞争优势和差异化、专业化定位，结合创新消费场景需求，推出一批个性化、定制化的消费信贷产品，金融服务质效有效提高，构建成本适当、客群适合、服务适度的消费信贷供需体系，形成消费场景和消费信贷相互促进、相互融合的新态势。（中国新闻网） 蔡子微评： 在扩大内需的背景下，消费信贷对居民消费的“提质增量”起到了显著作用。通过提供便捷的信贷服务，消费信贷激发了消费者的购买意愿，促进了消费升级，尤其是在汽车、家电等大宗消费品领域。同时，信贷政策的优化和风险控制能力的提升，增强了消费者信心，推动了消费结构的优化。随着消费信贷产品的多样化和金融服务的普及，居民消费潜力得到进一步释放，为经济增长注入了新动力。话题关注：扩大内需背景下消费信贷对居民消费“提质增量”影响研究 9、山东烟台：塑强数字经济发展新优势。 11月7日，旨在探索数字经济与数字贸易行业发展趋势，助力烟台市数字化经济高质量发展的2024数字经济与数字贸易高质量发展促进大会在山东烟台黄渤海新区举办。这是烟台市连续第四年举办数字经济产业领域的大型会议。此外，同期举办“2024数字经济与数字贸易高质量发展成果展”，展区面积达1万平方米。全面展示烟台在数字经济发展、服务促进体系打造、数字化转型试点推进、数字经济立法等方面取得的重要成果。（经济日报）蔡子微评： 烟台市通过连续四年举办数字经济大会，不仅提升了城市在数字经济领域的影响力，也加速了数字技术与实体经济的深度融合。大会的举办，体现了烟台市在推动数字产业化、产业数字化方面的积极作为，尤其是在立法、基础设施建设、平台搭建等方面的前瞻性布局，为烟台乃至全国的数字化转型提供了有力支撑和宝贵经验。话题关注：数字经济下中小企业创新生态构建与区域经济发展研究 10、河南：深入探索生态环境“智”理路径，推动地方经济发展走上“绿色快车道”。 连日来，由河南省人大常委会环资委组织的“2024年中原环保世纪行”活动走进该省西峡、内乡、南召等县，了解各地如何落实生态环境治理和产业绿色化发展。地处秦岭东段伏牛山南麓的河南内乡宝天曼国家级自然保护区，近年来不断强化技术投入，打造“智慧林业”系统，探索出了一条特色生态环境“智”理路径。 紧盯“科技创新”，赋能生态保护。当地走出了一条生态环境的科学“智”理路径，成功推动地方经济发展走上“绿色快车道”，让百姓能够端上“生态碗”、吃上“生态饭”。（中国新闻网）蔡子微评： 科技创新在地区生态环境治理和产业绿色化协同发展中发挥着至关重要的作用。通过引入先进的环保技术和清洁能源，科技创新不仅提高了资源利用效率，减少了环境污染，还促进了绿色产业的发展。这种协同效应有助于实现经济增长与环境保护的双赢，推动地区经济结构的优化升级。政策的支持和市场机制的完善将进一步加速科技创新在生态环境治理和产业绿色化中的应用，为可持续发展提供坚实基础。话题关注：科技创新助力地区生态环境治理与产业绿色化协同发展研究 11、 民宿补短板才有竞争力。 近些年，民宿成为满足游客出行住宿需求的重要组成部分，民宿产业在旅游资源富集地区的市场规模日益扩大。然而，民宿市场在快速发展的同时，也存在低价竞争、重复建设、经营不善等问题，制约了其进一步发展壮大。以中西部为例，景区分布广，离城镇远，随着星级酒店等业态下沉热门景区，给民宿带来了一定竞争压力。同时，当前旅游产业从观光型向体验型转变，游客从过去注重满足单一的住宿需求，向注重个性化体验、情感互动需求转变，对民宿经营者提出了更高要求，一些较为低端的民宿因此失去市场。推动民宿产业持续发展，与旅游业高质量发展相辅相成，应更加聚焦游客需求，在丰富、做优民宿体验内容上下功夫，通过差异化发展，形成良好口碑，才能赢得更多消费者青睐。（中国经济网） 蔡子微评： 随着旅游市场需求的变化, “民宿旅游”正在悄然兴起。目前民宿旅游面临行业准入无标准, 市场经营各自为政等困境。对此，一方面要需要立足特色，提升民宿产业吸引力。结合当地独特的建筑风格和文化，打造具有地域特色的民宿品牌。同时根据市场趋势和热点，开发特色民俗产品；另一方面要优化服务，提高民宿产业竞争力。通过提升硬件设施水平，提高综合旅游服务能力。此外还要完善服务标准，加强从业人员培训，做好游客个性化服务。话题关注：文旅融合背景下民宿产业竞争力提升的驱动因素与组态路径 12、 别让“种草”变搅局。 近来，“第三方测评”快速兴起，许多测评类经营主体针对某一类产品或店铺，提供同类竞品比较分析，并出具测试意见，有助于消费者更快比较产品的优劣势，为购物决策提供参考依据。目前，“第三方测评”的覆盖范围正在不断扩大，涵盖了居民日常消费的方方面面，为消费者提供了便利。不过，在“第三方测评”发挥积极作用的同时，仍然存在一些问题，比如一些测评类博主不够客观公正，个别账号甚至存在偷换产品概念、夸大宣传等行为，影响了消费者的信任度和购物体验等。下一步，要健全消费市场“第三方测评”的管理制度，提升服务质量，加强消费者权益保护力度，推动消费市场“第三方测评”更趋完善，别让“种草”变搅局。（经济日报） 蔡子微评： 近年来，随着互联网的快速发展，各种购物社交平台上出现了大量的“种草”和“真实体验”推送、贴文。这些内容不仅丰富了消费者的购物信息来源，也使得“第三方测评”成为消费市场的热点。“第三方测评”在消费市场中扮演着越来越重要的角色，既为消费者提供了便利，也促进了市场的健康发展。然而，要充分发挥其积极作用，还需各方共同努力，健全管理制度，提升服务质量，加强消费者权益保护，推动“第三方测评”市场更加规范、透明、可信。只有这样，才能真正实现“种草”而不“搅局”，为消费者提供更好的购物体验。 话题关注：“种草”何以“搅局”？网络化环境下“第三方测评”对消费者购买意愿的影响机制研究 政府数据治理对制造业出口技术复杂度的影响研究
作者：陈晔婷,李正彪,何思源. 导读
摘要： 随着数字时代的到来,数据成为核心生产驱动力。政府对数据进行有效治理为释放数据新动能、培育制造业竞争新优势提供了新机遇。文章从制造业出口技术复杂度的视角出发,以历年政府公开的数据治理政策为事实依据,基于深度学习(DL)的自然语言处理(NLP)技术构建2011—2021年的政府数据治理综合指标,并探讨了其对制造业出口技术复杂度的影响机制。机制分析表明,创新资源配置效应、数据市场化效应和产业升级效应是政府数据治理影响制造业出口技术复杂度的重要传导路径。进一步研究发现,政府数据治理政策对东部、西部地区和高技术制造业的作用更大。我国应进一步调整并优化完善数据治理体系,打破妨碍数据流动的制度壁垒,充分发挥数据要素价值,以数据赋能产业实现价值创造,提升制造业在国际市场上的竞争力和价值创造能力。
关键词： 政府数据治理;自然语言处理;数据市场化;制造业出口技术复杂度;
引用格式： 陈晔婷,李正彪,何思源.政府数据治理对制造业出口技术复杂度的影响研究[J].现代财经(天津财经大学学报),2024,44(10):39-56.DOI:10.19559/j.cnki.12-1387.2024.10.003.
一、引言 在数字经济时代,数据已成为一种核心生产要素,对经济增长和产业升级发挥着至关重要的作用。在扎实推进国家大数据战略的背景下,政府数据治理成为释放数据价值的有力抓手,我国各级政府采取了一系列措施以切实提升政府数据治理水平。上海自2012年起就在全国率先探索公共数据开放,2024年4月又启动了数据跨境服务中心,力争打造制度型开放示范区;贵阳作为首个国家大数据综合试验区核心区,目前正全力推进大数据领域深层次改革,加快数据要素市场化配置;北京于2020年成立国际大数据交易所,并依托区块链和隐私计算技术对数据要素进行解构和确权,为数据供需双方提供可信的数据融合计算环境;广东2021年率先启动构建数据分级的要素市场以及首席数据官制度试点,为数据流通交易提供保障、充实数据管理队伍。与此同时,国内学者也对政府数据治理的实践和治理效能展开探讨,但是缺少制造业出口技术复杂度方面的研究。中国作为世界第二大经济体,其制造业出口技术复杂度的提升一直是学术界和政策制定者关注的焦点。然而,尽管中国制造业在全球价值链中的地位逐渐提升,出口产品技术复杂度的增长速度却相对缓慢、对高技术含量的中间产品依赖程度较高,这一现象与人口红利的逐渐消失形成鲜明对比,暴露出中国制造业在技术创新和产业升级方面面临的挑战。因此,加强技术创新能力,实现产业升级是制造业培育出口竞争新优势和谋求长远发展的必由之路。
现有文献对制造业出口技术复杂度的影响因素进行了广泛探讨,包括数字贸易[1] 、人工智能[2] 、对外直接投资[3] 、知识产权保护[4] 等角度,学界普遍认为,技术创新是推动制造业升级的关键动力。然而,对于政府数据治理在其中所扮演的角色,现有研究尚未给出明确答案。一方面有学者强调数据治理在实现数据公共价值与商业价值并举[5] 、驱动产业的转型升级[6] 及促使创新链与产业链融通发展[7] 等方面的重要性。另一方面,也有观点指出,数据治理政策的实际效果受到数据资源建设重视不足[8] 、数据交易平台不健全[9] 、政策执行目标定位不足[10] 等多种因素制约,其对制造业出口技术复杂度的推动作用并非一蹴而就。这表明,对政府数据治理与制造业出口技术复杂度关系的研究,仍存在理论前沿性和现实必要性。
尽管现有研究为本文理解制造业出口技术复杂度的影响因素提供了宝贵视角,但对政府数据治理作用的研究缺乏理论探讨和经验证据。特别是在实证检验方面,现有文献多数采用一般的文本量化分析方法,缺乏对政府数据治理政策效果的深入量化分析。此外,对于数据治理如何通过具体机制影响制造业出口技术复杂度,现有研究也未能给出清晰解释。这表明本文在填补研究空白、深化理论认识以及挖掘其内在的作用机制方面具有重要价值。基于以上的分析思路,本文所探索的核心问题是:政府数据治理是否以及如何影响制造业出口技术复杂度?政府数据治理如何通过创新资源配置、数据市场化和产业升级等途径,影响制造业出口技术复杂度?对于不同地区和类型的制造业企业而言,政府数据治理对制造业出口技术复杂度的效果是否存在差异?本文旨在揭示政府数据治理与制造业出口技术复杂度之间的内在联系,为政策制定提供理论依据。
本文从政府数据治理的视角出发,基于深度学习(DL)的自然语言处理(NLP)技术,构建政府数据治理综合指标,探讨其对制造业出口技术复杂度的影响机制。本文可能的创新和理论贡献在于:首先,利用文本分析技术量化政府数据治理政策,提高研究的精确性和可靠性;其次,通过实证分析,揭示政府数据治理对制造业出口技术复杂度的具体影响路径;最后,本文还探讨了政府数据治理在不同地区和行业间的异质性影响,为区域协调发展和产业政策制定提供参考。本文不仅丰富了政府数据治理与制造业出口技术复杂度关系的理论认识,也为我国制造业在全球价值链中的定位提供了新的视角。
二、文献综述 (一)政府数据治理的相关研究 作为国家治理体系下的重要治理范式,当前学界对政府数据治理的概念和结构性特征进行了清晰的界定。政府数据治理的本质特征强调了对数据要素的管理,其发展目标是建立以人为中心的治理理念,通过大数据和人工智能等先进技术,促进数据的共享、开放和应用,从而实现公共价值[11] 。政府数据治理的定义可以表述为政府通过构建适宜于不同产业的数据生产要素价值转化、定价与分配机制,对数据流通进行合理调控,从而推动数据确权和数据生产要素价值转化,提高数据要素市场的效率[12] 。其中,政府数据治理的范围不仅涉及政府机构内部数据的管理,还包括政府在履行社会公共事务治理职责时对自身、市场和社会中的数据资源和数据行为进行管理[13] 。在此基础上,现有研究对中国政府数据治理相关指标的测度进行了初步探索。有学者运用统计分析和文本挖掘等方法对数据治理政策的高频词组与主题内容变化、关键线索词分布等进行了分析[14] ,收集我国省部级以上开放政府数据政策,从政策强度、政策目标和政策工具3个维度对政策文本进行量化[11] 。上述思路将与数据治理密切相关的代理变量按照权重进行量化,虽然在政府数据治理变量的量化方面做出了有益的探索,但没有关注到不同治理政策领域及其涵盖的治理措施,缺少对非结构化的政府数据治理政策文本信息量化并进行测度的手段。在政府数据治理效能方面,由于难以对政府数据治理进行有效测度,已有研究主要集中在理论层面的分析[15-16] ,少数学者通过对开放政府数据治理的措施进行评估并检验了其对利益相关者的影响,强调管理支持、共同目标和机构间信任有助于提高治理措施实施效果[17] 。虽然学界普遍认同政府数据治理的重要目标是实现大部分群体的价值,但实现了哪些群体的哪方面价值、如何实现,这些还有待进一步的验证。
(二)制造业出口技术复杂度的相关研究 在制造业出口技术复杂度方面,过往研究针对其定义和影响因素均展开了一定的探索。Hausman等(2007)[18] 指出,出口复杂度是评估一国出口产品技术水平的指标,其数值反映了该国出口产品的技术含量,出口复杂度值较高的国家意味着其出口产品具有较高的技术含量。基于出口复杂度的概念,李小平等(2021)[19] 进一步提出,制造业出口技术复杂度衡量的是地区出口产品的技术含量和附加值水平,反映了该地区制造业的创新能力和竞争力。而在影响因素方面,过往研究大多基于竞争优势展开,张兵兵等(2023)[2] 指出人工智能技术应用是提高制造业出口技术复杂度的核心因素之一;数字贸易发展[1] 、对外直接投资[3] 和知识产权保护[4] 也被证明对企业出口竞争力具有重要影响。此外,随着政府对数据治理范式的重视,学界开始关注数据要素在制造业出口技术复杂度提升过程中的作用。Humphrey(2000)[20] 认为数据要素的引入可以加快新产品开发并提升出口竞争力,类似的,何琨玟等(2023)[21] 也指出数据赋能是推动出口技术复杂度的强大动力。以上研究从不同角度分析了制造业出口技术复杂度的影响因素,但鲜有学者从省级层面入手分析政府数据治理与制造业出口技术复杂度之间的关系,由于新信息时代政府尝试构建新的数据治理架构,因此专门针对这一现状的研究亟待进一步展开。
(三)政府数据治理对制造业出口技术复杂度的影响研究 目前,政府数据治理与制造业出口技术复杂度的直接研究较少,但很多学者已经证实政府数据治理在实现数据公共价值与商业价值并举[5] 、驱动产业的转型升级[6] 及促使创新链与产业链融通发展[7] 等方面的重要作用,侧面为政府数据治理赋能制造业出口技术复杂度提供了证据。与本文联系最为紧密的研究是数据治理对数字内容出口的影响,彭羽等(2021)[22] 从国家层面探究数据治理对数字服务出口的影响,指出了一国内部加强监管治理水平的重要性。周念利等(2024)[23] 从地级市层面利用文本分析方法对数据治理水平进行测度,提出地方政府数据治理通过“降低数据跨境合规和信息获取成本”“提升企业创新水平”和“推动数据密集型产业集聚”推动企业数字内容出口。可见,有学者从不同视角肯定了政府数据治理对数字出口的促进作用,但是现有文献并没有对政府数据治理赋能制造业出口技术复杂度予以正面回应,政府数据治理对出口复杂度的影响是否与数字内容出口相似,该效应是否适用于制造业尚未可知。
综上所述,已有文献针对政府数据治理的经济后果展开了一定的探讨,在为本文提供研究基础的同时,也存在一些不足。一方面,非结构化文本信息的挖掘与量化是该领域研究的难点,基于政府公开发布的政策文本数据挖掘的研究尚显不足,尤其在文本指标构建的思路和方式上仍有待进一步探索;另一方面,制造业出口技术复杂度作为制造业核心竞争力的重要体现,在如何受到政府数据治理实践的影响方面仍缺乏明确的探讨和实证依据。因此与现有文献相比,本文结合深度学习(DL)的自然语言处理(NLP)技术,借鉴模型驱动与数据驱动相结合的思想[24] ,构建政府数据治理综合指标,缓解了政府数据治理“测度难”的困境,弥补了因政府数据治理统计难所导致的实证研究不足。更进一步地,本文深入分析了当前关于政府数据治理实践对制造业出口技术复杂度影响的具体机制,尝试阐释地方政府数据治理措施影响制造业出口技术水平的底层逻辑。
三、理论分析与研究假设 优化创新资源配置是政府数据治理提高制造业出口技术复杂度的一项重要机制。美国学者埃弗雷特·罗杰斯系统性地提出了“创新扩散理论”,该理论强调创新是借助某种渠道在社会系统成员中传播的过程,并随着这一社会构建过程,创新的意义逐渐显现[25] 。基于创新扩散理论,政府出台的数据开放共享治理措施(如搭建数据共享平台和创新资源管理系统等举措),就是打开了数据要素能够在全社会中传播的重要渠道,实现向全社会提供优质的数据资源。通过连接数据供给端和需求端的中介,数据作为创新资源实现向企业的汇聚[23] ,企业能够有效识别出创新资源的价值,减少创新过程中的资源错配现象,从而显著提升创新资源的利用效率。
创新资源配置会对制造业出口技术复杂度造成影响。创新资源的优化配置能够激励制造企业增加研发投入、加速技术创新,而研发创新是提升出口复杂度的重要渠道[26] 。从企业自身角度来看,数据要素的外溢效应导致市场总体上更倾向于尝试突破性创新,通过合理配置要素、优化生产性企业配置效率,弥补了企业生产率供给不足的研发瓶颈[27] ,为企业进一步扩大出口并提高国际竞争力奠定了基础。从企业间角度来看,创新资源的合理配置能够有助于打破各地区间创新资源流动壁垒,形成区域协调创新机制,带动企业学习先进的生产技术,加速技术外溢,提升整体创新能力,从而促进出口技术复杂度提升[28] 。在实践方面,云南省创新性地将数据共享和创新资源管理的功能汇集在了一个平台上。依托科技管理资源数据服务平台,云南省实现了科学技术数据的互联互通,提高了科技创新资源的配置效率,并且利用数据挖掘、数据分析等技术为企业科技创新发展提供辅助决策支撑,数据共享平台和创新资源管理系统减少资源错配,提高资源利用效率,增强企业创新能力,因此本文提出如下假设。
H1 政府数据治理通过优化创新资源配置效应来提高制造业出口技术复杂度。
政府数据治理能够通过健全数据要素市场化机制来提升制造业出口技术复杂度。根据交易成本理论,只有建立公平竞争的数据产权与市场体系,才能真正实现数据资源的高效配置与广泛应用[27] ,数据要素市场化正是这一理论的具体实践。政府在数据要素市场化方面扮演着至关重要的角色,通过制定政策、构建数据开放共享平台和大数据交易中心对不同的数据开放场景进行了有益探索。具体的,在健全数据治理政策体系方面,上海、重庆、浙江等多个地区在公共数据开放利用工作中构建了较为完整的法规政策体系,这些政策从制定原则和方向到具体操作层面都明确规定了公共数据的开放利用。在数据共享平台搭建方面,各地公共数据开放平台在数量和功能上均呈现显著增长和持续迭代的趋势,大多数平台在开放数据目录更新、深度搜索功能以及利用成果提交展示等方面日益完善。截至2023年12月,全国省、地两级已上线226个数据开放平台,开放数据集数量从2017年的8 000多个增至2023年的34万多个。大数据交易中心的建设方面,2014年开始在北京、杭州、郑州和重庆等城市相继建立了14个大数据交易中心;2024年5月,多家数据交易机构签署战略合作协议,就跨地区的数据共链展开深度合作。政府通过建立健全数据交易市场,促进数据要素的流动性和市场化使用。
数据要素市场化会对制造业出口技术复杂度造成影响。随着数据市场化配置的不断完善,数据交易市场能够对数据质量、交易行为和使用去向的合法性、安全性进行审核、登记和认证,形成不可篡改的权属凭证[29] ,使得数据要素能够实现更大程度的公开和准确。数据的多样性和精确性通过提升企业的市场洞察能力,从而推动创新[30] 。具体而言,通过流通的、精准的生产及市场数据,上游企业能够更好地捕捉市场需求,灵活调整产品设计和规格,以更好地满足客户需求;下游企业可以利用上游企业提供的关于材料特性和质量的数据,优化生产流程,提升产品的技术水平[31] 。此外,随着要素市场发育趋向完善,市场秩序更加规范,强化创新要素和创新资本向以智能技术为代表的高技术行业流动配置,更大程度调整不同产业生产效率,推动各产业分工明确化、精细化,从而赋予制造业产品更高级别的技术含量和附加值[32] ,有助于引导企业朝着更高技术含量的产品方向发展,增强制造业在国际市场中的竞争力。因此,本文提出如下假设。
H2 政府数据治理通过健全数据要素市场化机制从而提高制造业出口技术复杂度。
加速产业升级是政府数据治理提高制造业出口技术复杂度的又一项重要机制。政府数据治理能够推动产业链数字化改造。随着人工智能和机器学习等技术的发展,政府有效治理的数据可以被用于训练模型和算法,从而实现智能化和自动化的创新[33] 。通过大规模的数据集,机器学习算法可以发现模式和规律,并生成新的创意和解决方案。这种数据驱动的智能化创新可以大大提高效率和创造力,促进高附加值产业的发展,进而加速传统产业升级[32] 。例如作为“数字领航”示范企业的三一重工通过引入“树根互联”工业互联网平台,建立了强大的智能化管理系统,通过对生产数据进行实时采集和监控实现全产业链的数字化转型。在数据分析优化生产流程和设备运行的助力下,三一重工的生产效率高了30%以上,可生产多达263种机型。可见,三一重工通过数字化转型实现新型制造,加速了传统产业升级。
产业升级会对制造业出口技术复杂度造成影响。产业升级作为一种战略性变革过程,扮演着引导企业研发投入增加的重要角色。产业升级将加快地区高技术产业集聚发展,吸纳更多创新资本等资源要素投入,加快新兴产业发展与传统行业技术改造,从而推动其在核心技术与自主知识产权领域的积累与突破[34] 。产业升级还能通过产业转移效应来激励创新。产业承接方通过引进、消化吸收转移方先进的技术与创新要素,不断发展技术水平来提高创新能力。转移方转出成熟的生产环节或过剩产业,有助于将更多资源配置到新兴产业中去,进而带动其创新水平的跃迁[35] 。由此可见,产业升级对于提高企业的技术水平、产品附加值以及出口技术复杂度具有显著而积极的影响。因此,本文提出如下假设。
H3 政府数据治理通过加速产业升级从而提高制造业出口技术复杂度。
四、研究设计 (一)模型设定 考虑到三段式的中介机制检验存在较为明显的因果推断缺陷,因此在参考曾国安等(2023)[36] 研究的基础上,本文采用增加中介变量单独对被解释变量进行回归的四段式中介机制模型,进一步验证政府数据治理与制造业出口技术复杂度的中介机制,并结合Sobel检验和Bootstrap检验回归结果,提高中介检验的全面性和可靠性。由此,本文建立以下四段式中介机制模型
EXPY it =α 0 +α 1 GFG it +σZ it +π i +φ t +μ it
(1)
M it =θ 0 +θ 1 GFG it +σZ it +π i +φ t +μ it
(2)
EXPY it =ε 0 +ε 1 M it ++σZ it +π i +φ t +μ it
(3)
EXPY it =ε 0 +ε 1 GFG it +ε 2 M it +σZ it +π i +φ t +μ it
(4)
其中,EXPY it 表示i 省份t 年份的制造业出口技术复杂度,GFG it 表示i 省份t 年份的政府数据治理;Z it 代表文中考虑的控制变量;π i 表示地区固定效应,φ t 表示时间固定效应;μ it 表示随机扰动项。M 表示中介变量,分别代表了创新资源配置(IRA )、数据市场化程度(MDE )以及产业升级(IUG )。
(二)指标构建 1.解释变量:政府数据治理(GFG )
本文对政府数据治理指标的量化,参考了欧洲国际政治经济中心发布的基于数据政策的赋分加权量化方法来测度跨境数据流动限制指数的思路。由于不同政策领域及其涵盖的监管措施对制造业出口技术复杂度的影响程度有差异,因此在对一省的跨政府数据治理指标进行评分时,综合考虑政策的覆盖程度并对各政策领域及其下辖的具体特征赋予不同的权重。
通过网络爬虫技术获取2011年至2021年所有政务公开的与数据治理相关的政策实施方案、条例、行动意见、发展规划、工作要点、管理意见等数据,词频具体包括数据开放、电子商务、隐私保护、数据人才培养,大数据、数据中心、数据安全、数据共享、数据服务、数据集成、数据融合、数据信息、数据流动、数据资产等,文本包含有366条政策及其对应的2 228项条目。选取政策类别、政策字数、政策项目、政策条目措辞软硬程度以及政策惩罚措施等指标进行政府数据治理变量的构建。具体而言,用是否出现与数据治理相关的关键词来测度政策类别,出现计为1,否则为0。政策字数通过统计文本长度,用于表达文本信息内容的详细程度[37] ,同一年份同一省份发布政策的总和,计算其内容字数的总和并除以1 000,得到政策字数的统计情况。政策项目的覆盖程度的衡量参照了梅宏等(2020)[38] 的做法,根据数据治理重点的7个方面(数据资源管理与共享开放、数据中心整合、数据资源应用、数据要素流通、大数据产业集聚、大数据国际合作、大数据制度创新),对在同一年份同一省份发布政策条款涉及上述数据治理重点的个数进行赋值。政府公务文本为非结构化数据,利用Python软件将非结构化文本数据转换成结构化数据,通过TextCNN进行特征提取和分类预测,得到政府数据治理变量的各个指标如表1所示。
表1 政府数据治理指标测度
由于在政府数据治理指标合成过程中需要赋予各个指标不同的权重,因此本文在结合深度学习进行自然语言处理的基础上,结合层次分析法,对已经得到的指标进行综合量化处理。邀请业内专家对各指标的两两对比重要性进行判断打分后构造成对比较矩阵A,如下所示
通过层次分析法得到各指标权重值分别为0.06、0.05、0.29、0.48和0.11,其中评价权重一致性检验指标CI和CR分别为0.09和0.08,均小于0.10,这意味着成对比较矩阵通过一致性检验,所得权重具有一致性,因此可以基于获得各指标权重从而构建政府数据治理变量,具体权重在表1中列出。
2.被解释变量:制造业出口技术复杂度(EXPY )
各地区发展水平、资源配置、技术能力和劳动力成本等因素的差异会引起分工体系的不同。基于此,本文借鉴结合人均GDP和地区行业出口额的方法来构建制造业出口技术复杂度指标[20] ,具体公式如下
(5)
(6)
其中,x imt 是i 省第t 年制造业m 的出口额,X it 是i 省第t 年制造业的总出口额,Y it 是i 省第t 年的人均GDP,EXPY it 是i 省第t 年的制造业出口技术复杂度。PRODY mt 是第t 年制造业m 的出口技术复杂度。贸易数据来源于《中国统计年鉴》和海关总署,人均GDP来源于国家统计局和《中国统计年鉴》。剔除了不属于制造业的其他行业,最后得到了涉及16个制造业子部门的出口数据(1) 制造业16个子部门包括:农副产品加工、纺织、木材加工、家具制造、造纸及纸制品、石油、煤炭、化工原料、医药、橡胶和塑料、非金属矿物、黑色金属冶炼、通用设备制造、汽车制造、铁路船舶、其他制造业。 。将各个制造业子部门的出口技术复杂度进行加总,得到每个省份总的制造业出口技术复杂度数值。
通过计算结果分析,我国制造业出口技术复杂度的平均水平从2011年的37 074美元提高到2021年的72 078美元,同比增长了94.42%。除了在2020年有所下降外,其他时间都呈现上升态势,但从绝对值可以看出,我国制造业出口技术复杂度平均水平不高,这说明,虽然我国制造业出口技术复杂度飞速发展,但与发达国家相比还存在较大差距。此外,由图1可知,在制造业出口技术复杂度发展进程中,“东高西低”的不均衡态势十分明显。东部地区制造业出口技术复杂度水平发展水平优于中西部,东部制造业出口技术复杂度发展优势较为明显,中西部发展基础薄弱,技术生产能力不足(2) 东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南11个省(市);中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南8个省;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆11个省(市、自治区,除西藏)。 。
3.中介变量
(1)创新资源配置(IRA )。采用创新资源错配程度作为创新资源配置的替代变量。借鉴刘诚和夏杰长(2023)[39] 的研究,先分别计算创新要素价格扭曲系数γ ki 和γ Li ,再取均值用来反映总的资源错配程度,该数值越大,代表错配程度越显著。
(7)
(8)
通过衡量创新资本投入错配指数τ ki 和研发人员错配指数τ Li 得到γ ki 和γ Li ,式(7)中s i 代表省份i 的创新产出占总产出的份额,可以看出要计算错配指数要先估算β ki 和β Li ,分别代表省份i 的研发资本和研发人员的产出弹性。通过生产函数计算得出,即
(9)
其中,Y 是创新产出,选择专利申请数作为代理变量;K it 为每年各个省份的研发资本投入,采用R&D资本存量作为代理变量;L it 为每年各个省份的研发人员投入,选择研发人员全时当量作为代理变量。
(2)数据要素市场化(MDE )。参考李治国和王杰(2021)[40] 的方法,从数据要素市场化基础、数据要素市场化开发、数据要素市场化规模等维度结合熵权TOPSIS方法测算数据要素市场化程度。其中数据要素市场化基础表现为信息载体的普及程度和总量水平,数据要素市场化开发则反映其在生产生活中的转化情况,包括数据驱动的技术进步和产值增加等,数据要素市场化规模体现为人力投入和人力组织对数据要素的掌控与调配。具体指标构建与权重如表2所示。
表2 数据要素市场化指标构建和权重
(3)产业升级(IUG )。产业升级是指通过改善产业结构,实现从低附加值、低技术水平状态向高附加值、高技术水平状态的转变过程。在此过程中,工业增加值在一定程度上反映了制造业的技术水平和产品的附加价值。基于此,参考郭东杰等(2022)[41] 的做法,以工业增加值占总产值比重作为产业升级的代理变量。
4.控制变量
尽管采用固定效应模型能较好地控制样本个体差异,但为了尽量缓解可能存在的遗漏变量问题,本文选择了以下控制变量:经济发展水平(PGDP ),选取地区人均国民生产总值的对数来体现;交通基础设施水平(TIL ),运用公路里程数取对数和货运总量取对数表征;人力资本水平(EDU ),以人均受教育年限来测度;社会消费水平(SCL ),采用社会消费品零售总额/GDP来反映;税负水平(TBL ),结合税收收入/地区生产总值来测算;政府干预程度(GIL ),选择财政支出/地区生产总值来刻画。
(三)样本选择与数据来源 本文将2011—2021年作为考察区间,以中国30个省份(不包含港澳台和西藏)作为研究样本,各变量的数据均来自历年各地区的统计年鉴。为消除数据异方差的影响,对相关变量进行了对数处理,并且采用插值法对部分缺失的数据进行补齐。经整理,最终获得330个年度—地区有效观测样本,其描述性统计如表3所示。
表3 变量描述性统计
五、实证分析及结果 (一) 基准回归结果 表4汇报了政府数据治理对制造业出口技术复杂度的基准回归结果。列(2)—(5)依次报告了加入控制变量和不同层面的固定效应的估计结果。结果显示,核心解释变量政府数据治理回归系数为正且始终在1%的水平上显著,证实了政府数据治理水平的提升能够有效提高制造业出口技术复杂度,并为下一步的机制分析提供了实证基础。
表4 基准回归结果
注：括号内稳健标准误,*、**和***分别表示在10%、5%和1%水平上显著。下同。
(二)作用机制检验 按照前文理论分析与研究假说所述,进一步对政府数据治理对制造业出口技术复杂度的影响机制进行检验。表5列(1)—(3)报告了优化创新资源配置的机制检验结果。列(1)中政府数据治理的回归系数在1%的水平上为负,表明政府数据治理有助于优化创新资源配置。列(2)和列(3)的结果显示创新资源配置的回归系数依然在1%的水平上为负,这说明政府部门通过数据共享平台和创新资源管理系统能够有效减少创新资源错配,提高创新资源利用效率,增强制造业企业创新能力,从而提高制造业出口技术复杂度。使用Sobel方法和Bootstrap方法进一步对机制作用进行检验,结果显示Sobel统计量均通过了1%的显著性检验,并且Bootstrap检验的置信区间均不包含0,说明中介机制检验结果是有效的。因此,研究假说H1得到验证。
表5 机制检验结果
表5列(4)—(6)报告了数据要素市场化的机制检验结果。列(4)中政府数据治理的估计系数为正,表明政府数据治理有效推动了数据市场化程度。列(5)和列(6)的结果显示数据要素市场化的估计系数均在1%的水平上为正。这说明政府部门可以通过健全数据要素市场化机制促进数据流动性提高,以此提升企业数据利用效率和技术研发能力,从而提高制造业出口技术复杂度。进一步使用Sobel方法和Bootstrap方法对机制作用进行检验,结果显示Sobel统计量均通过了1%的显著性检验,并且Bootstrap检验的置信区间均不包含0,说明机制检验结果是可靠的,研究假说H2得到验证。
表5列(7)—(9)展示了产业升级的机制检验结果。列(7)中政府数据治理的估计系数在1%的水平上为正,表明政府数据治理水平的提升有效加速产业升级。列(8)和列(9)的结果显示产业升级的回归系数依然在1%的水平上为正,这说明政府数据治理能够通过产业链数字化改造促进高附加值产业发展,加速传统产业升级,从而提升出口产品技术复杂度。进一步使用Sobel方法和Bootstrap方法对机制作用进行检验,结果显示Sobel统计量均通过了1%的显著性检验,并且Bootstrap检验的置信区间均不包含0,这表明中介机制检验的结果是有效的,研究假说H3得到验证。
(三)稳健性检验 为了增强结论的可靠性,本文进一步采取多种方式进行稳健性检验。第一,替换被解释变量。借鉴邸俊鹏和韩雨飞(2023)[42] 的做法,将制造业出口技术复杂度计算公式中的人均GDP替换为制造业全员劳动生产率(LP )后重新进行回归。结果如表6的列(1)所示。第二,缩尾处理。为了避免极大值或者极小值对回归结果的影响,对样本中所有的变量都进行了双侧1%的缩尾处理后再重新进行回归,结果如列(2)所示。第三,剔除直辖市。由于四大直辖市具有较为特殊的经济地位,其政府数据治理和制造业出口技术复杂度发展情况可能与其他省市有较大差别,因此剔除了四大直辖市样本后再进行回归,结果如列(3)所示。第四,改变估计方法。采用广义最小二乘法进行回归检验,结果如列(4)所示。可以看出,每种检验结果都显示政府数据治理回归系数在1%的水平上为正,进一步证明了研究结论的稳健性。
表6 稳健性检验结果
(四)内生性检验 为了解决模型内生性问题,克服研究中可能存在的遗漏变量和测量误差等影响,本文采取工具变量法结合两阶段最小二乘法以及外生冲击法进行内生性检验,结果如表7所示。
表7 内生性检验结果
第一,工具变量法。借鉴黄群慧等(2019)[43] 的做法,考虑到历史上邮局和移动电话作为通信基础设施的重要组成部分,为后续的数据传输和网络建设提供了有力支持,从而影响新时代政府数据治理的布局和效率。选择这些工具变量是因为它们受其他因素影响较小,满足工具变量的选取要求。由于该工具变量是横截面形式,因此使用政府数据治理的滞后一期与1984年邮局数量的乘积来构造面板工具变量进行检验。结果如表7列(1)—(4)所示。综合所有工具变量LM和F检验的结果,Kleibergen-Paap rk LM统计量和Cragg-Donald统计量分别拒绝了工具变量识别不足和弱工具变量的假设,说明工具变量的选择是合理的。两个模型中,第一阶段工具变量的回归系数呈现正向影响,证实了工具变量与政府数据治理之间的相关性假设;在第二阶段,政府数据治理的回归系数同样呈现正向影响,表明在考虑内生性问题后,基准回归的结果仍然成立。
第二,外生冲击检验。制造业出口技术复杂度的提升离不开数据要素的支撑,政府数据治理对制造业出口技术复杂度的影响实质是通过充分挖掘数据要素红利助力制造业出口技术复杂度。本文借鉴邱子迅和周亚虹(2021)[44] 的思路,从政策评估的角度出发,将“国家级大数据综合试验区”的设立作为准自然实验,采用多期双重差分的方法评估外生冲击对实证结果的影响。设定政策评估模型如下
EXPY it =α 0 +α 1 treat it ×time it +σZ it +π i +φ t +μ it
(10)
其中,treat it ×time it 表示省份i 在年份t 的时间是否被设立为试验区,某省份建立大数据试验区当年及之后的年份时间取值为1,在建立试验区时间的年份时间取值为0。系数α 1 反映了政策效应,表8列出了外生冲击的检验结果,可以看到α 1 系数都是正向的,说明建立大数据试验区后政府数据治理对制造业出口技术复杂度的促进作用得到了加强。
表8 外生冲击检验结果
选择政策冲击前后三年的样本进行平行趋势检验。政策时点为2016年,由图2可以看出,在实验时间点的左侧三年,实验组和控制组的制造业出口技术复杂度水平没有明显变化,满足平行趋势的假定。在政策实施后的三年回归系数为正,说明政府数据治理对于制造业出口技术复杂度的提升作用具有一定的可持续性。
图2 平行趋势检验
图3 混合安慰剂检验
为了更有效地缓解非观察性因素对基准回归分析的干扰,参照白俊红等(2022)[45] 的研究做法进行混合安慰剂检验。在原始样本中随机抽取了进行大数据综合试验的个体,并随机生成了国家大数据综合试验区开始的时间,从而构建了个体与政策时间均为随机的新处理组。在此基础上对基准模型进行了500次模拟回归,并根据模拟回归中的估计系数来评估结论的稳定性。图3揭示了混合安慰剂效应检验的结果分布,可见模拟回归中的处理效应估计值位于安慰剂效应分布的右侧尾部。此外,双尾和右尾P值均小于1%,平均处理效应在1%的显著性水平上得到了验证。以上结果进一步验证了基准检验结论的可靠性。
(五)异质性检验 为了探究政府数据治理对制造业出口技术复杂度的影响在不同地区的差异,本文根据国家统计局的划分标准将研究样本企业的注册所在地分为东、中、西三个地区进行异质性检验。表9列(1)—(3)报告了地区异质性检验的结果。可以发现,东部和西部的政府数据治理回归系数能够在1%的水平上显著,并且系数大小较为接近,相比于中部地区来说更为显著。可能的原因是:东部地区经济水平领先、具备天然的催生科技革命的优势,能够利用自身的先发优势提高技术和信息利用的能力实现技术创新升级。此外,西部积极抢抓数字时代数据要素的绝佳发展机会,政府对数据治理的政策支持力度较大,政策内容更为多元丰富,政策手段更加多样化,使得该地区数据治理生态更加健全,数据要素价值被有效释放,制造业出口技术复杂度能够从政府数据治理的发展中获得更多的红利。
表9 异质性检验结果
为了厘清不同的制造业类型是否会造成政府数据治理影响制造业出口技术复杂度的差异,本文参考《高技术产业(制造业)分类(2013)》的分类方法,将医药、通用设备、汽车制造划分为高技术制造业,分别计算高技术制造业和其他制造业的出口技术复杂度并进行异质性检验。进一步根据面板数据特点去除个体效应,考虑利用似不相关回归模型分别对两组样本进行联合估计,对组间系数差异的显著性进行检验,结果如表9的列(4)和列(5)所示(将行业进行了细分,分别计算不同行业的出口技术复杂度,一一对应到每年每个省份,省份样本没有进行拆分,因此样本总量不变)。结果发现,高技术制造业的政府数据治理回归系数在1%的水平上显著。其他制造业的政府数据治理回归系数在10%的水平上显著,似不相关检验显示经验P值为0.01,通过组间系数差异检验。可见政府数据治理对制造业出口技术复杂度的提升作用会受到制造业所属行业的约束,政府数据治理对高技术制造业出口技术复杂度的促进作用更强。造成这种现象的原因可能是,高技术制造业对数据支持的需求更大,创新压力也更大,供应链更加复杂,竞争压力更为激烈。目前中国政府数据治理在资金支持、政策引导、制度环境、人力资源培训等方面的积极介入,与高技术制造业存在较好的耦合协同作用,在资源调配和支持政策、市场环境塑造等方面给予深度的支持,从而充分激发了政府数据治理对制造业出口技术复杂度提升的赋能作用。
六、研究结论与政策启示 本文以地方政府数据治理为切入点,使用深度学习(DL)的自然语言处理(NLP)技术对2011—2021年中国各省份政府的政务公开数据中与数据治理相关的政策进行文本分析,以此构建政府数据治理指标体系,实证检验政府数据治理对辖区内制造业出口技术复杂度的影响。研究发现:第一,政府数据治理对制造业出口技术复杂度具有显著的推动作用,该结论经过一系列内生性处理和稳健性检验后依然成立。第二,政府数据治理对制造业出口技术复杂度的促进作用主要是通过优化创新资源配置、健全数据要素市场化机制和加速产业升级等影响机制实现的。具体来说,政府数据治理通过构建数据共享平台和创新资源管理系统,建立健全数据交易市场,推动产业链数字化改造,加速传统产业升级,促进数据要素的流动性和市场化使用,从而有力推动制造业出口产品技术含量和复杂度的提升。最后,在异质性研究部分,本文分别从区域和制造业类型的视角探讨了政府数据治理对制造业出口技术复杂度形成的异质性影响,验证了东部地区和西部地区政府数据治理对制造业出口技术复杂度影响的促进效果更显著,同时政府数据治理对高技术制造业出口技术复杂度的影响明显要强于其他制造业。
基于此,本文提出以下政策建议。
第一,策略性运用政策工具,分阶段驱动制造业提质增效。在政策制定阶段,建议政府成立跨部门、政企结合的数据治理委员会,通过制定和协调数据要素交易范围、算法审计、争端协调机制等政策,从而提高数据管理的效率和一致性。在政策执行阶段,政府设立数据交易平台的同时,也应当考虑实际的成本和收益问题。如果场内付费规模不足,那么数据交易场所越多,对政府而言负担越大,因此建议政府不要盲目地扩张数据交易场所数量,而是提高已有数据交易所的质量,通过吸引更多的数据交易双方入场来增加交易场所收益,从而实现数据交易平台的可持续发展。在政策监督和评估阶段,政府应设立独立的监管和评估机制,对政策实施的效果进行定期评估和调整。监管方面,建议深入实施“沙盒监管”和触发式监管新模式,建立包容有度、审慎监管的治理格局;评估方面,可以设立专门的监测机构或定期发布评估报告等,有助于各地政府根据实际反馈和数据使用情况评估政策执行的效果,并根据评估结果对政策进行实时调整和改进。
第二,深耕数据资源,激发数字动能,以多元策略引领制造业高质量发展。政府可以考虑在建立创新资源管理系统上发力,一方面,建立企业间的创新资源管理系统,与数据交易平台相比成本更低、可操作性更强;另一方面,即使是企业内部的创新资源管理系统,也能够实现资源的精确分配和优先级管理,通过减少创新资源错配来提高创新速度和效率。除了构建创新资源管理系统,地方政府还应着力培育数据平台企业、科研院所以及产业孵化场所等多样化的数据市场主体。加强对数据型企业等市场主体的政策支持,以提升其创新能力和市场竞争力,从而推动数据资源的有效流通和利用。此外,建议进一步依托数智技术支持推动产业融合进程。例如利用大数据和人工智能等技术,监测和分析市场需求、供应链情况,将资金投向具有潜力和竞争优势的领域和企业,支持制造业企业进行数字化转型和智能化升级,从而提升企业的生产效率和产品品质,增加出口产品的技术含量和附加值。
第三,应根据行业和地区发展特征精准施策,拓展高质量发展空间。一方面,高技术制造业的产业链较长且内部环节相互重合,是很多“卡脖子问题”存在的关键行业。充分利用数据要素破除“卡脖子”技术制约的同时,政府应通过数据治理和技术制度的双轮驱动、组织创新与技术赋能一体互动模式来加速推动高技术制造业的转型升级。另一方面,地方政府应打造具有地区特色的政策环境。东部地区作为我国经济发展较为发达的区域,应加强数据治理政策与技术研发的协同,增强在应用区块链技术加强数据安全管理和隐私保护问题的技术突破,深度激活政府数据治理潜能,充分释放政府数据治理提升制造业出口技术复杂度的赋能红利;中部地区政府要着力推进政府数据治理的决策部署,并加快构建以先进制造业为支撑的现代化产业体系,全方位推动传统制造业升级,促进政府数据治理与制造业各领域的深度融合;西部地区则要充分利用新一轮东西协作的合作资源,深入实施“东数西算”工程,促进跨区域政府数据统筹联动和协调发展,全面提升政府数据治理成效,为制造业高质量发展奠定坚实基础。同时也要重视基础设施的制约作用,在西部地区电力资源和气候条件优越的自然条件下积极布局算力枢纽和数据中心集群建设等基础设施,促进东西部数据流通、延展东部发展空间,推进西部大开发形成新格局。
参考文献
[1]张凯,刘冬媛,于世海.数字贸易对出口技术复杂度的影响研究——基于金融发展有调节的中介效应模型检验[J].经济问题探索,2023(2):144-159.
[2]张兵兵,陈静,朱晶,等.人工智能与企业出口技术复杂度提升[J].国际贸易问题,2023(8):143-157.
[3]陶爱萍,程尧,吴文韬.双向FDI能否提升出口技术复杂度?——兼论知识产权保护的“自锁陷阱”[J].财经问题研究,2022(10):83-91.
[4]方杰炜,施炳展.知识产权保护“双轨制”与企业出口技术复杂度[J].经济理论与经济管理,2022,42(12):77-93.
[5]肖玉贤,王友奎,张腾.政府数据治理的逻辑起点、治理过程及核心价值——基于中国式现代化视角[J].科技管理研究,2024,44(4):144-152.
[6]马捷,栾泽权,靖继鹏,等.面向产业转型升级的政府数据价值评估模型研究[J].情报理论与实践,2023,46(4):23-33.
[7]潘家栋,肖文,唐楠.数据要素赋能创新模式演进[J].社会科学战线,2024(3):51-58.
[8]赵蕊菡,陈俊蕾,张潇月.“周期-工具-主体”协同视角下我国公共数据治理政策解析[J/OL].情报资料工作,1-19[2024-07-08].http://kns.cnki.net/kcms/detail/11.1448.G3.20240408.0930.003.html.
[9]胡海波,娄策群.数据开放环境下的政府数据治理:理论逻辑与实践指向[J].情报理论与实践,2019,42(7):41-47.
[10]张晓娟,部闫若,莫富传.政策工具视角下我国地方政府公共数据治理政策研究[J].情报理论与实践,2024,47(6):21-30.
[11]洪伟达,马海群.我国开放政府数据政策的演变和协同研究——基于2012-2020年政策文本的分析[J].情报杂志,2021,40(10):139-147.
[12]吴双,王勇.数据生产要素的基础理论构建:新结构经济学视角[J].北京交通大学学报(社会科学版),2024,23(2):53-62.
[13]黄璜.对“数据流动”的治理——论政府数据治理的理论嬗变与框架[J].南京社会科学,2018(2):53-62.
[14]周毅,陈必坤,马江华,等.基于文本量化分析的我国公共数据治理政策发展研究[J].情报学报,2023,42(4):436-452.
[15]董涛.知识产权数据治理研究[J].管理世界,2022,38(4):109-125.
[16]黄国平.创新和重塑数据治理体系——以金融数据治理为例[J].经济管理,2023,45(1):25-42.
[17]ATTARD M,OIRLAND F,SCERRI S.A systematic review of open government data initiatives [J].Government Information Quarterly,2015,32(4):399-418.
[18]HAUSMANN R,HWAN J,RODRIK D.What you export matters [J].Journal of Economic Growth,2007,12(1):1-25.
[19]李小平,彭书舟,肖唯楚.中间品进口种类扩张对企业出口复杂度的影响[J].统计研究,2021,38(4):45-57.
[20]HUMPHREY J S.Governance and upgrading:linking industrial cluster and global value chain research:IDS Working Paper [R].[S.l.:s.n.],2000.
[21]何琨玟,马莉莉,任玥萱.数据赋能出口技术复杂度提升的机制与路径研究[J].中国软科学,2023(4):54-65.
[22]彭羽,杨碧舟,沈玉良.RTA数字贸易规则如何影响数字服务出口——基于协定条款异质性视角[J].国际贸易问题,2021(4):110-126.
[23]周念利,于美月,孟克.地方数据治理与数字内容出口[J/OL].中国工业经济,2024(5):79-96[2024-07-02].https://doi.org/10.19581/j.cnki.ciejournal.2024.05.005.
[24]王兆华,陆彬,王博,等.节能信息曝光度对绿色消费行为影响的实证分析——来自电商数据平台大规模文本数据的判据[J].中国管理科学,2022,30(1):241-251.
[25]埃弗雷特·M.罗杰斯.创新的扩散:第4版[M].北京:中央编译出版社,2002:87-112.
[26]毛其淋,方森辉.创新驱动与中国制造业企业出口技术复杂度[J].世界经济与政治论坛,2018(2):1-24.
[27]陆岷峰.数据市场化赋能新质生产力:理论逻辑、实施模式与发展趋势[J/OL].新疆社会学,1-15[2024-04-03].http://kns.cnki.net/kcms/detail/65.1211.F.20240219.1452.002.html.
[28]田晖,韦志文,宋清.市场化进程、创新投入与出口技术复杂度——基于省际面板数据的中介效应分析[J].河南师范大学学报(哲学社会科学版),2022,49(1):82-89.
[29]孔艳芳,刘建旭,赵忠秀.数据要素市场化配置研究:内涵解构、运行机理与实践路径[J].经济学家,2021(11):24-32.
[30]GHASEMAGHAEI M,CALIC G.Assessing the impact of big data on firm innovation performance:big data is not always better data [J].Journal of Business Research,2020,108(C):147-162.
[31]尹华,刘育彤.营商环境对省域制造业出口技术复杂度的影响——基于全国31个省级面板数据的中介效应分析[J].河南师范大学学报(哲学社会科学版),2022,49(2):84-92.
[32]周杰琦,陈达,夏南新.人工智能、产业结构优化与绿色发展效率——理论分析和经验证据[J].现代财经(天津财经大学学报),2023,43(4):96-113.
[33]AGHION P A,BERGEAUD T,BOPPART P J.A theory of falling growth and rising rents:NBER Working Paper [R].[S.l.:s.n.],2019.
[34]李伟庆,聂献忠.产业升级与自主创新:机理分析与实证研究[J].科学学研究,2015,33(7):1008-1016.
[35]徐丹,于渤.空间溢出视角下长三角城市群高技术产业集聚与城市创新——产业结构优化升级的中介效应与时空异质性分析[J].研究与发展管理,2023,35(2):15-29.
[36]曾国安,苏诗琴,彭爽.企业杠杆行为与技术创新[J].中国工业经济,2023(8):155- 173.
[37]ZHAO W,LIU Q B,GUO X.Quid pro quo in online medical consultation?Investigating the effects of small monetary gifts from patients [J].Production and Operations Management,2022,31(4):1698-1718.
[38]梅宏,杜小勇,吴志刚,等.数据治理之论[M].北京:中国人民大学出版社,2020:340.
[39]刘诚,夏杰长.线上市场、数字平台与资源配置效率:价格机制与数据机制的作用[J].中国工业经济,2023 (7):84-102.
[40]李治国,王杰.数字经济发展、数据要素配置与制造业生产率提升[J].经济学家,2021(10):41-50.
[41]郭东杰,周立宏,陈林.数字经济对产业升级与就业调整的影响[J].中国人口科学,2022(3):99-110.
[42]邸俊鹏,韩雨飞.数字服务发展是否影响了中国制造业出口技术复杂度?[J].世界经济研究,2023(12):28-41.
[43]黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与中国经验[J].中国工业经济,2019(8):5-23.
[44]邱子迅,周亚虹.数字经济发展与地区全要素生产率——基于国家级大数据综合试验区的分析[J].财经研究,2021,47(7):4-17.
[45]白俊红,张艺璇,卞元超.创新驱动政策是否提升城市创业活跃度——来自国家创新型城市试点政策的经验证据[J].中国工业经济,2022(6):61-78.
基金项目：国家社会科学基金青年项目(22CGJ036)。 作者简介：陈晔婷,女,云南师范大学经济学院副教授,博士,硕士生导师,主要从事数据治理战略研究;李正彪,男,云南财经大学商学院教授,博士,硕士生导师,主要从事公司治理研究;何思源(通讯作者),男,云南师范大学经济学院硕士生,主要从事数字经济研究。
【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。
《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第 3181
期）
编辑整理： 蔡子团队
团队成员 ： 陈晨、张晓丹、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍、王敬峰、韩俊莹、庞清月、王旭、张雅彤
审核审校： 蔡双立 方菲 胡少龙
长按以下二维码，关注《现代财经》公众微信号（modern-finance)
欣赏和阅读《现代财经》2024年第10期，敬请点击以下 阅读原文
