数据要素市场化何以释放资源红利

How does Marketization of Data Elements Unleash Resource Dividends？ An Examination from the Perspective of Trade Credit Financing

摘要

数据要素市场化是数字经济高质量发展的核心驱动力，能够重塑资本配置格局，助力经济转型升级。以2007—2023年中国沪深A股上市公司为研究样本，借助数据交易平台设立准自然试验，考察数据要素市场化对企业商业信用融资的影响及作用机理。研究发现，数据要素市场化能够有效增加企业商业信用融资；信息赋能与创新驱动是数据要素市场化影响企业商业信用融资的核心逻辑；外部信息环境、经济发展水平以及企业生命周期均会对数据要素市场化和企业商业信用融资之间的关系产生显著影响。据此提出应加快制定和完善相关法律法规，推动数据要素市场基础设施建设，加大对数据相关技术创新的支持力度，采用智能化工具实现数据收集自动化，探索数据权益融资等政策建议。

Abstract

In the current era of flourishing digital economy， the marketization of data elements has become a core driver for promoting high-quality economic development. Traditional capital allocation focuses on tangible assets， with inherent limitations， while data element marketization has disrupted this model， reshaping capital allocation structures and profoundly impacting corporate financing and development pathways.

This study uses Chinese A-share listed companies from 2007 to 2023 as samples， covering multiple industries with broad representativeness. Using the establishment of data trading platforms as a quasi-natural experiment， this paper thoroughly examines the impact and mechanisms of data element marketization on corporate trade credit financing. In the research process， multiple rounds of data cleaning were conducted to ensure data quality. A difference-in-differences （DID） model was employed for regression analysis， and robustness tests were performed through methods such as variable substitution and placebo tests. The results indicate that data element marketization significantly increases corporate trade credit financing， with the conclusion remaining robust across various tests.

Further analysis reveals that information empowerment and innovation-driven development constitute the core mechanisms. Information empowerment enables enterprises to acquire and utilize information more efficiently， thereby enhancing their transparency and credibility in the trade credit financing market. Innovation-driven development encourages enterprises to explore new business models， products， and services， which in turn strengthens their market competitiveness and attractiveness for credit financing. Additionally， the quality of external information environment， level of economic development， and enterprise life cycle stage all significantly influence the relationship between data element marketization and trade credit financing. As data element marketization accelerates， enterprises show notable improvement in their core business performance.

This research makes significant contributions to the existing literature. First， unlike previous studies focusing on the impact of data element marketization on innovation capacity， green development， and industrial agglomeration， this paper approaches through trade credit financing. It explores resource dividends released at the enterprise level， revealing the critical role of data in the modern economic system. Second， it provides in-depth analysis of internal mechanisms through which data element marketization affects corporate trade credit financing. The study elaborates how data elements expand financing channels and optimize resource allocation. By examining the relationship between data element marketization and trade credit financing from three dimensions—external information environment， economic development level， and enterprise life cycle—it comprehensively analyzes the specific conditions under which these mechanisms operate， providing rich empirical scenarios and robust evidence for future research. Third， the findings offer actionable strategies for addressing corporate financing difficulties， promoting integration of digital technology with the real economy， and optimizing economic structure. These insights hold significant practical value and far-reaching implications for guiding corporate financing practices， improving the financing ecosystem， and fostering high-quality economic development. From the perspective of trade credit financing， this study extends the application scenarios where data elements empower enterprise growth and capital acquisition， contributing to deeper understanding of the role of data in modern business strategy and economic policy.

In conclusion， this study aims to reveal the critical role of data in the modern economic system by examining its impact on trade credit financing. Through rigorous empirical analysis and theoretical exploration， we have identified the key mechanisms and conditions through which data element marketization enhances corporate financing opportunities. This study underscores the importance of effectively utilizing data resources to promote sustainable growth and resilience in the digital economy.

Graphical abstract

关键词

商业信用融资 / 数据要素市场化 / 信息披露质量 / 金融科技 / 数字技术创新 / 企业主业绩效

Key words

trade credit financing / data element marketization / information disclosure quality / financial technology / digital technology innovation / enterprise core business performance

一 问题提出

在数智时代，数据要素的重要价值日益凸显，成为推动经济社会发展的新引擎。它不仅是企业竞争的核心资源，也是国家发展战略的重要组成部分。2020年4月，《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》提出，要“加快培育数据要素市场”和“健全要素市场运行机制”1

1 参见https：//www.gov.cn/gongbao/content/2020/content_5503537.htm。

，为数据要素市场化指明了方向。《“数据要素×”三年行动计划（2024—2026年）》明确指出，“聚焦重点行业和领域，结合场景需求，研究数据资源持有权、数据加工使用权、数据产品经营权等分置的落地举措，探索数据流通交易模式”2

2 参见https：//www.cac.gov.cn/2024-01/05/c_1706119078060945.htm。

。数据不再是单纯的信息记录载体，而转化为洞察市场趋势、优化决策过程、创新商业模式的宝贵资产，成为企业破局成长、突破传统资源束缚的关键要素。

根据中国人民银行2023年第一季度《中国货币政策执行报告》3

3 参见https：//www.gov.cn/lianbo/bumen/202305/content_6874050.htm。

，尽管金融支持实体经济的政策持续发力，但在全球经济波动及国内经济结构调整的背景下，银行信贷资源向优质企业和项目集中，中小企业及部分新兴行业在获取银行贷款方面仍面临一定挑战。商业信用融资作为一种基于交易信用的融资模式，凭借其灵活性和高效性，成为企业突破银行贷款限制、拓宽融资路径的关键选项。在数智化时代潮流中，数据要素作为一种关键性资源，正以前所未有的深度和广度重塑企业的运营模式与市场竞争格局。在数据要素市场蓬勃兴起的背景下，企业商业信用融资面临新的机遇与挑战。传统的融资模式逐渐显现出局限性，而新兴的数据要素市场蕴含着巨大潜力。那么，数据要素市场究竟能在多大程度上改变企业商业信用融资的现状，又该如何科学合理地利用这一新兴市场，充分发挥其独特优势，增强企业商业信用融资能力呢？这已成为当前学术界与实务界亟待探讨的重要研究问题。

本文边际贡献有三个方面。第一，以商业信用融资为切入点，深入探讨数据要素市场化所释放的资源红利。区别于学者们有关数据要素对创新能力、绿色发展、产业集聚等影响的研究^[1-3]，本文聚焦数据要素在企业层面发挥的资源效应。通过这一独特的研究视角，揭示数据在现代经济体系中的关键作用。第二，深刻解析数据要素市场化影响企业商业信用融资的机理。基于信息赋能、创新驱动两大核心逻辑，论证数据要素在拓宽融资渠道、优化资源配置中的作用机制。从外部信息环境、经济发展水平、企业生命阶段3个维度，全面剖析数据要素市场化发挥作用的具体条件，为实证分析提供丰富的场景和证据。第三，本文为解决企业融资难题提供有效策略，促进数字技术与实体经济深度融合，有助于推动经济结构优化升级，对指导企业融资实践、优化融资生态、促进经济高质量发展具有重要的实践价值和深远意义。

二 政策背景与文献回顾

（一） 政策背景

随着信息技术的飞速发展，数据作为一种新型生产要素的价值日益受到重视。2015年，《促进大数据发展行动纲要》的出台标志着国家层面对大数据发展的高度重视，为数据交易市场的培育奠定了政策基础。伴随《中华人民共和国网络安全法》（2017年）、《中华人民共和国数据安全法》（2021年）及《中华人民共和国个人信息保护法》（2021年）等一系列法律法规的颁布实施，中国逐步构建起数据安全与合规使用的法律框架，为数据交易市场的规范化发展提供了法律依据。这些法规强调数据交易的合法性、安全性与有序性，为数据交易平台的建设指明了方向。2022年，《关于构建数据基础制度更好发挥数据要素作用的意见》审议通过，明确了数据确权、流通和交易的制度设计，为数据要素市场的健康发展提供了更加详尽的制度支撑。2014年2月20日，中关村数海大数据交易平台的启动成为数据要素市场健康发展的重要里程碑。作为全国首个大数据交易平台，它不仅为数据供需双方提供了公平、透明的交易场所，还为后续的数据交易平台建设提供了宝贵经验。此后，数据交易市场进入探索与快速增长阶段，2015—2020年全国范围内陆续成立了近30家数据交易所。2021年以后，数据交易所建设迎来新高峰，多家交易机构如北方大数据交易所、上海数据交易所等密集启动建设并投入运营4

4 参见https：//www.01caijing.com/article/336270.htm。

。从区域分布来看，华东地区、华南地区和华中地区的数据平台建设较为活跃，广东、北京、上海、浙江、江苏、福建、山东、四川、湖北和河南等地的数据交易规模位列前十5

5 参见https：//bg.qianzhan.com/report/detail/300/240507-a30a1bd8.html。

。根据《2023年中国数据交易市场研究分析报告》，2022年中国数据交易行业市场规模达到876.8亿元，占全球数据市场交易规模的13.4%，占亚洲市场的66.5%。

（二） 文献回顾

企业商业信用融资作为一种在商业活动中广泛存在的融资方式，其核心在于企业利用商品交易或服务提供过程中形成的延期付款、预收账款等信用关系来筹集资金，这一融资途径对企业的资金运作至关重要。现有研究对企业商业信用融资的影响因素进行了深入探讨，主要聚焦外部环境与企业行为两大维度。在外部环境方面，非正式制度环境和正式制度环境均扮演着举足轻重的角色，它们共同影响着企业商业信用融资的可获得性及成本。非正式制度环境，如地区社会信用环境和儒家文化，对商业信用的获取具有显著的正向推动作用^[4-5]。而正式制度环境，特别是政策环境，如智慧法院建设等，亦对企业商业信用融资的增加起到了关键作用^[6]。徐小晶等^[7]发现，新能源汽车财政补贴政策实施后，新能源汽车上下游企业间商业信用融资水平明显调整，商业信用供给期限缩短、资金周转加快。与此同时，相关研究考察了企业行为对商业信用融资的深远影响。方红星等^[8]从需求与供给的双重角度出发，检验了公司战略对商业信用融资的影响，结果显示，相较于采取防御型战略的企业，采取进攻型战略的企业通常拥有更高的商业信用水平。

然而，随着新兴技术的迅猛发展和数字化转型的加速推进，企业所面临的融资环境正在发生深刻变化。在此背景下，推进数据要素市场化改革显得尤为重要。一方面，各行各业产生的数据量正以惊人的速度增长，这些数据不仅是信息的集合，更是洞察市场趋势、优化决策和创新商业模式的宝贵资源^[9-11]。金骋路等^[12]详细分析了数据要素的价值化进程及其衍生的金融属性，并建议建立多层次的数据交易市场，以平衡数据的商品属性和金融属性。另一方面，随着数据要素市场化改革的深入推进，其对经济的影响也日益显著。学者们从供需结构调整、审计质量、绿色发展、产业集聚和创新等多个维度，对数据要素市场化的经济后果进行了广泛的研究。徐朝阳等^[13]强调了要素市场化改革在解决供需结构矛盾中的关键作用。数据要素市场化能够通过信息优化、数智赋能两大机制有效提高审计质量^[14]。陈晓佳等^[15]采用量化空间经济学理论，分析了数据要素在交通基础设施支持下如何促进产业结构升级，提高劳动生产率和全要素生产率。徐翔等^[1]通过区分突破性创新与迭代式创新，深入探讨了数据要素对企业创新活动选择与市场份额的影响，并提出了优化产品市场等建议，以促进突破性创新。

综上所述，尽管学者们对企业商业信用融资的影响因素进行了一系列研究，但面对新兴的数据要素市场化趋势，其对企业行为的影响仍值得深入探讨。因此，本文从企业融资行为的视角出发，旨在详细分析数据要素市场化如何释放金融资源红利，进而对企业商业信用融资产生深远影响。

三 理论分析与研究假设

数据要素市场化是指将数据转化为交易品或资产，借助市场机制实现其价值的最大化，并促使数据在市场中自由流动和交换的过程^[16]。随着新兴技术的飞速发展，数据已成为企业运营与决策中不可或缺的重要资源^[17]。数据要素流通能够为企业提供市场趋势、消费者偏好、竞争对手动态等多方面的关键信息与资源，帮助企业做出更精准有效的决策。具体而言，数据要素市场化能够借助信息赋能和创新驱动两大机制，为企业带来显著的商业信用融资优势，进而为企业发展提供坚实的金融支撑。

从信息赋能机制来看，数据要素市场化通过深度挖掘和高效利用信息资源，在降低交易成本、增加市场机会方面显著增强了商业信用融资的可获取性。信息不对称理论指出，在市场交易中，买卖双方所掌握的信息存在差异，这种信息不对称会降低市场效率，增加交易成本。从降低交易成本角度来看，数据要素市场化让市场中的信息流动更加顺畅和高效。传统商业环境中，企业间的信息不对称问题较为突出，寻求商业信用融资时，合作伙伴为全面了解企业的经营状况、信用水平等信息，需投入大量的人力、物力和时间成本进行调查和评估^[18]。而数据要素市场化能够整合各类数据资源，通过大数据分析、人工智能等技术手段，将企业的相关信息进行深度挖掘和精准呈现。金融机构能够更便捷快速地获取经整理分析的数据，准确评估企业信用风险，减少重复的调查环节和成本。在增加市场机会方面，数据要素市场化打破了传统市场的信息壁垒，拓宽了企业的商业视野，与资源基础理论中企业依靠独特资源获取竞争优势的观点相契合。借助丰富的数据资源和先进的数据分析技术，企业能够更精准地把握市场需求，了解竞争对手动态，并发现潜在的商业合作伙伴。依据市场竞争理论，深入分析市场数据能使企业发现新的市场需求，及时调整产品或服务策略，开发出符合市场需求的新产品或服务，吸引更多的客户和合作伙伴，提升企业竞争力。这能够增强企业在融资市场的吸引力，使合作伙伴更愿意为其提供信用支持。良好的市场表现和发展潜力有助于企业在商业信用融资市场中获得更多的机会，提高商业信用融资的可获取性。据此，本文提出以下研究假设：

H1：当其他条件一定时，数据要素市场化能够有效增加企业商业信用融资。

H1a：当其他条件一定时，数据要素市场化通过降低交易成本增加企业商业信用融资。

H1b：当其他条件一定时，数据要素市场化通过增加市场机会增加企业商业信用融资。

就创新驱动机制而言，熊彼特创新理论强调创新是经济发展的核心动力，数据要素市场化促进了金融科技发展与数字技术应用，为企业获取融资奠定了良好的基础。首先，数据要素市场化促进了金融科技发展，为企业获取商业信用融资提供了便利^[19]。随着大数据、人工智能等技术的应用，创新性金融产品和服务不断涌现。基于数据分析的信用评分模型能更精准地评估企业信用状况，提供更个性化的融资方案；区块链技术的应用提升了金融交易的透明度和安全性；大数据风控等基于数据的创新融资工具，不仅提高了融资决策的精准度，还降低了融资门槛，使更多企业能享受到便捷高效的金融服务。通过将不同类型的数据资产打包成可交易的金融产品，企业能够将其转化为流动资金，拓宽融资渠道^[20]。其次，数据要素市场化能够提升企业的数字技术创新能力，帮助企业获取更多商业信用融资。数据要素市场化通过优化数据资源的获取、处理和利用等流程，有效增强了企业的数字技术创新能力，使企业能开发出更符合市场需求的产品和服务，并实现运营效率的大幅提升^[21]。通过收集和分析用户浏览、购买及反馈的数据，企业能更准确地预测市场趋势和消费者需求。同时，利用大数据技术优化库存管理和物流配送，可大幅提高运营效率。这不仅提升了用户体验，还可以降低运营成本，增加企业盈利能力，同时还提高了企业市场竞争力，使其财务状况更加稳健透明，更容易赢得上下游企业的信任。因此，数据要素市场化不仅直接推动了企业技术的进步，也为它们赢得了更多商业信用融资机会，支持其持续发展与扩张。据此，本文提出以下研究假设：

H1c：当其他条件一定时，数据要素市场化通过促进金融科技发展增加企业商业信用融资。

H1d：当其他条件一定时，数据要素市场化通过推动企业数字技术创新增加企业商业信用融资。

四 研究设计

（一） 样本选取与数据来源

鉴于新《企业会计准则》自2007年起实施，因此，本文选取2007—2023年中国沪深A股上市企业作为研究样本，并进行如下筛选：剔除金融行业的样本；剔除ST、*ST的样本；剔除数据缺失的样本。为降低极端值的影响，对所有连续变量进行上下1%的缩尾处理。数据要素市场化相关数据通过手工搜集获取，商业信用融资及控制变量的基础数据来源于中国经济金融研究数据库（CSMAR）和Wind数据库。

（二） 变量定义

1 商业信用融资

借鉴潘越等^[6]的研究，本文采用企业的预收账款、应付账款和应付票据之和占期末总资产的比例（Cr）衡量企业的商业信用融资水平。

2 数据要素市场化

数据要素市场化包含“生产要素化”与“配置市场化”双重内涵^[22]。一方面，数据交易平台的设立为数据交易提供了必要基础设施，促进了数据供需匹配，反映了“配置市场化”^[23]。另一方面，本文引入城市层面的数据要素配置水平（All）这一核心变量，精确描述了不同城市在数据要素整合与运用上的差异，体现了“生产要素化”。参考李治国等^[24]的研究，本文从数据要素管理、开发应用、传播共享及应用环境等方面对城市层面的数据要素配置水平进行综合测度。Treat作为处理组标识，用于区分受数据交易平台影响的企业与未受影响的企业；Post则作为时间标识，界定平台设立前后的时间段。在样本企业所在城市设立数据交易平台的当年及后续年份，Treat×Post取值为1，否则为0。All×Treat×Post即为本文的核心解释变量，简记为Data。

3 控制变量

参考方红星等^[8]的相关研究，本文选取企业规模（Size）、财务杠杆（Lev）、盈利能力（Roa）、企业成长性（Grow）、经营活动现金流（Flow）、董事会规模（Boa）、董事独立性（Ind）、股权集中度（Con）、银行信贷（Bank）、抵押能力（Mort）作为控制变量。具体而言，企业规模（Size）为企业总资产的自然对数；财务杠杆（Lev）为总负债与总资产的比值；盈利能力（Roa）为净利润与总资产的比值；企业成长性（Grow）使用营业收入增长率衡量；经营活动现金流（Flow）为经营活动产生的现金流量净额与总资产的比值；董事会规模（Boa）为董事总人数的自然对数；董事独立性（Ind）为独立董事人数占董事总人数的比重；股权集中度（Con）为第一大股东持股比例；银行信贷（Bank）为长期借款与短期借款之和与总资产的比值；抵押能力（Mort）为固定资产净额与总资产的比值。变量定义如表1所示。

（三） 模型构建

为了深入剖析数据要素市场化对企业商业信用融资的影响，本文构建强度双重差分模型进行检验，如式（1）所示：

C{r}_{it}={\alpha }_{\mathrm{0}}+{\alpha }_{\mathrm{1}}Dat{a}_{it}+{\alpha }_{\mathrm{2}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（1）

其中，Cr表示商业信用融资；Data表征数据要素市场化，可细化为All×Treat×Post；X代表控制变量；F和Y分别为企业和年份固定效应；ε为残差；i 用于区分不同企业，t 用于标识不同年份。考虑到不同企业间的差异，本文在企业层面进行聚类调整。若系数α₁为正，则表明研究假设成立，即数据要素市场化能够有效增加企业商业信用融资。

五 实证结果

（一） 描述性统计

描述性统计结果如表2所示。商业信用融资的均值为0.171，表明样本企业的商业信用融资能力总体偏低。从控制变量来看，企业成长性的最大值达到8.445，而最小值仅为-0.757，表明不同样本企业的成长能力差异显著；董事独立性的均值为0.372，表明独立董事在样本企业中的占比约为40%；银行信贷的最大值和最小值分别为0.594和0，反映出样本企业在获取银行信贷能力上存在明显差异。

（二） 基础回归结果

基础回归结果见表3。结果显示，数据要素市场化（Data）的回归系数均在1%的水平下显著为正，初步验证了前文的研究假设，即数据要素市场化能够有效增加企业商业信用融资。

（三） 稳健性检验6

6 限于篇幅，结果留存备索。

1 平行趋势检验

双重差分法依赖平行趋势假设，即在不存在政策干扰的自然状态下，处理组和对照组的结果变量应呈现相似变化轨迹。本文基于错层准自然实验对平行趋势假设进行检验，B₅、B₄、B₃、B₂、B₁分别表示政策发生的前1~5年产生的影响，Cur表示政策发生当年产生的影响，A₁、A₂、A₃、A₄分别表示政策发生的后1~4年产生的影响。为避免出现多重共线性，本文将政策发生的前1年（B₁）作为基期并予以剔除。实证结果显示，在数据要素市场化政策实施前，处理组与控制组的估计系数在0附近波动且不显著，表明政策介入前两组企业在商业信用融资能力上具有同质性，满足平行趋势假设。随着数据要素市场化政策的实施，估计系数显著为正，表明数据要素市场化政策有效提升了企业商业信用融资能力。

2 安慰剂检验

为排除其他因素对实证结果的干扰，本文采用假设政策提前两年发生和随机化样本两种方式进行安慰剂检验。一方面，假设政策提前两年发生并重新计算政策处理效应（Data_p ）。结果显示，Data_p 的回归系数不显著，表明安慰剂检验通过。另一方面，对样本进行500次随机化处理，每次随机抽取交互项。基于抽样结果绘制的系数分布如图1所示，随机抽样产生的系数均值为0且呈正态分布，表明随机抽样未对实证结果产生显著影响，验证了研究结论的稳健性。综上，安慰剂检验已通过，进一步增强了实证结果的可信度。

3 熵平衡后再回归

本文运用熵平衡法以增强回归结果的可信度，将全部控制变量作为协变量，并施加三阶矩约束，旨在实现处理组与控制组在协变量层面的平衡。经熵平衡处理后，处理组与控制组在协变量的均值和方差上高度一致，表明熵平衡法有效消除了两组间的系统性差异。随后，本文对平衡处理后的样本进行再次回归分析，结果显示，数据要素市场化的回归系数显著为正，表明在排除潜在干扰因素后，数据要素市场化对企业商业信用融资的促进作用依然显著。

4 考虑同时期其他政策及事件的影响

鉴于其他同期政策和事件可能影响实证结果，本文分别对其进行检验。一方面，考虑同期智慧城市建设政策对实证结果的影响，将政策虚拟变量（Sma）纳入实证模型予以检验，若企业受智慧城市建设政策影响，Sma取值为1，否则为0。另一方面，鉴于新冠病毒感染疫情的潜在影响，将样本时间区间调整至2007—2019年。实证结果显示，数据要素市场化的回归系数仍显著为正，表明本文的研究结论稳健。

5 稳定单位处理效应假设检验

稳定单位处理效应假设（SUTVA）是双重差分法的重要前提，要求个体潜在结果不受其他个体处理状态影响^[25]。本文从回归样本中剔除试点地区周边城市的样本企业后重新进行双重差分估计。实证结果显示，数据要素市场化的回归系数仍显著为正，与本文的研究结论相一致。

6 替换变量衡量方式

本文通过替换被解释变量和解释变量的衡量方式进行检验。其中，被解释变量按企业所处的供应链位置将商业信用融资进行细分：从上游供应商获得的商业信用融资（Cr_up ）=（应付账款+应付票据）/总资产；从下游客户获得的商业信用融资（Cr_down ）=预收账款与总资产的比值。解释变量则参考李原等^[26]研究，将软件业务销售收入（Mark）作为数据要素市场化的替代变量，其数值越大，地区数据要市场化程度越高。替换变量后的实证结果与主回归一致，再次验证了前文的研究假设。

（四） 作用机制分析

1 信息赋能机制

本文从信息可得性视角出发，考察信息赋能机制。依据Kong等^[27]的相关研究，从交易成本和市场机会维度构建机制变量。从交易成本来看，使用销售费用率作为代理变量（Fee）。当销售费用率较高时，企业交易成本较高，信息可得性较差；从市场机会来看，当企业面临的市场竞争程度较低时，其市场运作更自由，市场机会更多，也更容易获取和利用信息资源。因此，选用勒纳指数作为市场机会的代理变量（Cha）7

7 勒纳指数=（营业收入-营业成本-销售费用-管理费用）/营业收入。

。该指标越大，表明企业面临的市场竞争程度较低，市场机会更多。本文通过构建式（2）（3）进行检验。信息赋能机制实证结果如表4第（1）（2）列所示，当被解释变量为Fee时，数据要素市场化的回归系数显著为负；当被解释变量为Cha时，数据要素市场化的回归系数显著为正。这表明数据要素市场化政策能够增强企业获取信息的能力，为企业获取商业信用融资创造条件。

Fe{e}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}Dat{a}_{it}+{\beta }_{\mathrm{2}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（2）

Ch{a}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}Dat{a}_{it}+{\beta }_{\mathrm{2}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（3）

2 创新驱动机制

本文从金融科技的应用和企业数字技术创新两方面反映创新驱动机制。具体来看，参考赵忠涛等^[28]的研究，选取企业所在城市累计注册金融科技企业数量加1的自然对数、上市企业当年数字专利申请的数量加1的自然对数两项指标作为代理变量，分别记为Fin和Dig，并构建式（4）（5）进行检验。实证结果如表4第（3）（4）列所示，数据要素市场化的回归系数均显著为正，表明数据要素市场化政策有效推动了地区金融科技和企业数字技术的发展，从而帮助企业获得更多商业信用融资。

Fi{n}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}Dat{a}_{it}+{\beta }_{\mathrm{2}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（4）

Di{g}_{it}={\beta }_{\mathrm{0}}+{\beta }_{\mathrm{1}}Dat{a}_{it}+{\beta }_{\mathrm{2}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（5）

六 进一步分析

（一） 异质性分析

1 基于外部信息环境的异质性分析

对于企业而言，外部信息环境的重要性不容忽视。健康、透明且有效的外部信息环境对企业的运营、发展以及获取商业信用融资至关重要。然而，从实际情况来看，企业面临的外部信息环境仍存在一些不足。本文将从媒体报道和分析师关注维度进行分析。

一是媒体报道。媒体报道可以传递关于企业的信息，影响投资者和市场对企业的认知和评价，是连接企业与公众、投资者的重要桥梁。媒体报道内容及角度直接影响投资者认知。投资者借此获取企业的最新动态，评估投资价值和风险。高质量的报道有助于投资者作出全面、客观的判断，促进理性投资；片面或误导性报道可能扭曲市场认知，引发非理性情绪，进而影响股票价格和融资能力。当媒体报道较少时，企业的知名度和曝光率降低，可能导致投资者和金融机构对企业了解不足，减少企业融资机会。本文基于企业当年媒体报道总数反映媒体报道水平，并按该指标中位数将样本企业划分为媒体报道低组和媒体报道高组。分组回归结果如表5第（1）（2）列所示，在媒体报道低组中，数据要素市场化的回归系数显著为正；在媒体报道高组中，数据要素市场化的回归系数不显著。这表明，当企业的媒体报道水平较低时，数据要素市场化能够弥补外部信息环境不足，更有效地增加企业商业信用融资。

二是分析师关注。分析师在金融市场中扮演着重要角色，其研究和观点为投资者提供参考。分析师通过对大量数据的收集、整理和分析，能够揭示市场动态和企业状况，为投资者提供深度研究报告，助力其作出更理性的投资决策。通过持续的市场监测和公开分享研究成果，分析师能够促进信息的快速传播和广泛共享，减少市场参与者间的信息不对称，提升市场的整体透明度。如果分析师关注较少，投资者可能因信息不充分而难以做出准确决策，进而增加企业融资的不确定性，降低债权人对企业的信任度，使企业更难获得商业信用融资。本文使用关注该企业的分析师数量加1的自然对数反映分析师关注，并按中位数将样本划分为分析师关注低组和分析师关注高组。分组回归结果如表5第（3）（4）列所示，在分析师关注低组中，数据要素市场化的回归系数显著为正，而在分析师关注高组中，数据要素市场化的回归系数并未达到显著水平。以上数据显示，数据要素市场化能够缓解跟踪分析师偏少产生的消极影响，从而增加企业获取商业信用融资的机会。

2 基于经济发展水平的异质性分析

经济发展水平对企业健康发展至关重要，稳定的金融环境和市场需求可为企业提供更多发展机会与资源。本文将从数字普惠金融和信任环境两方面进行详细考察。

一是数字普惠金融。作为金融科技领域的创新实践，数字普惠金融正重塑金融服务格局，在解决企业融资难、融资贵等问题上展现出巨大潜力。借助大数据、云计算、人工智能等技术，数字普惠金融可更精准、全面地评估企业信用状况和经营能力，显著降低传统金融体系的信息不对称性，为企业提供更便捷、低成本的融资服务。在数字普惠金融水平较低时，企业难以通过数字化手段降低融资成本。传统融资方式往往需要较高的交易成本和时间成本，增加了企业的负担。本文基于北京大学数字普惠金融指数衡量地区数字普惠金融水平，并依据该指标的中位数将样本划分为数字普惠金融低组和数字普惠金融高组。实证结果如表6第（1）（2）列所示，在数字普惠金融低组中，数据要素市场化的回归系数显著为正，但在高组中不显著。这表明在数字普惠金融水平较低时，数据要素市场化能够帮助企业获取更多的商业信用融资。

二是信任环境。信任与诚信构成信任环境的核心。良好的信任环境是企业间建立稳定合作关系的基石，能显著降低交易风险，促进商业生态健康发展。在这样的环境中，企业凭借诚信行为、准时支付和严格履行合同，建立起彼此信任，减少对交易伙伴的疑虑，降低对额外担保或法律保护的依赖，降低交易成本和风险。倘若信任环境处于较低水平，意味着市场上存在较高的信用风险和不确定性。在这种环境下，企业间信任关系变得脆弱，难以获得其他企业或金融机构的信任与支持。本文使用中国管理科学研究院编制的《中国城市商业信用环境指数蓝皮书》中的“中国城市商业信用环境指数”作为信任环境的代理变量，并按该指标的中位数水平将样本划分为信任环境低组和信任环境高组。表6第（3）（4）列结果显示，在信任环境低组中，数据要素市场化的回归系数显著为正，而在信任环境高组中，数据要素市场化的回归系数不显著。因此，当企业所在地区的信任环境较差时，数据要素市场化能够在一定程度上弥补信任不足，有助于增强企业的商业信用融资能力。

3 基于企业生命周期的异质性分析

为了快速扩张，成长期企业需持续投入资金用于扩大规模、拓展业务及创新研发，因此融资诉求较大。此阶段企业通常需要增加生产线、购置新设备、租赁或购买更大空间的办公场所以及增加原材料采购，以满足市场需求，这些活动均需要大量的初期投资。此外，为扩大市场份额，企业需加强市场营销，包括广告宣传、品牌建设、市场调研以及销售网络的构建与维护，这些活动均依赖资金支持。本文采用现金流分类法衡量企业生命周期，将样本划分为成长期企业组和非成长期企业组。表6第（5）（6）列的实证结果显示，在成长期企业组中，数据要素市场化的回归系数显著为正，而在非成长期企业组中，该系数不显著。由此可见，对于成长期企业而言，数据要素市场化带来的融资红利更为明显。

（二） 数据要素市场化、商业信用融资与企业主业绩效

数据要素市场化政策为企业带来新机遇，企业可以更便捷地获取市场趋势、消费者行为、供应链动态等数据，为企业决策提供了坚实的信息基础。数据分析和人工智能等技术使得企业能够深度挖掘数据价值，优化运营流程，提高决策效率，增强市场竞争力。商业信用融资的增长拓宽了企业融资渠道，降低了资金获取门槛。在传统的银行贷款之外，企业可以通过商业票据、应收账款融资、供应链金融等方式获得资金支持，用于扩大生产、设备升级、技术研发，提升产品质量和市场竞争力。商业信用融资的灵活性和多样性，也为企业在面对市场波动时提供了更强的财务弹性。由此可见，数据要素市场化政策的开展为企业提供了更加丰富的数据资源和更加高效的数据利用手段，商业信用融资的增加则为企业提供了更多的资金支持，有助于企业扩大规模、技术升级、质量改进，为优化企业主业绩效创造了条件。本文用剔除金融收益的资产收益率衡量企业主业绩效（Main）。构建式（6）进行检验的实证结果8

8 篇幅限制，结果留存备索。

表明，交乘项Cr×Data在1%的水平下显著为正，说明数据要素市场化和商业信用融资的协同作用明显提升了企业主业绩效。

Mai{n}_{it}={\gamma }_{\mathrm{0}}+{\gamma }_{\mathrm{1}}C{r}_{it}+{\gamma }_{\mathrm{2}}Dat{a}_{it}+{\gamma }_{\mathrm{3}}C{r}_{it}\times Dat{a}_{it}+{\gamma }_{\mathrm{4}}{X}_{it}+\sum F_i+\sum Y_t+{\epsilon }_{it}（6）

七 研究结论与政策启示

本文以2007—2023年中国沪深 A 股上市企业作为研究样本，基于数据交易平台设立的准自然试验，深入考察了数据要素市场化对企业商业信用融资的影响效应。研究发现，数据要素市场化有助于增加企业商业信用融资，且结论稳健。机制检验表明，数据要素市场化通过信息赋能和创新驱动两大机制影响企业商业信用融资。异质性分析表明，在企业媒体曝光较低且分析师关注度不足时，数据要素市场化对商业信用融资的促进作用更为显著。从经济发展水平来看，当数字普惠金融处于发展阶段、信任环境亟待加强时，数据要素市场化对企业商业信用融资的推动作用更为有效，对于处于快速成长期的企业，数据要素市场化的介入对其商业信用融资的促进作用尤为关键。随着数据要素市场化推进及商业信用融资规模持续扩大，企业核心业务表现和综合竞争力显著提升。根据以上结论，本文提出如下政策建议：

第一，政府应着手制定和完善相关法律法规，明确数据权属、流通规则、隐私保护和安全标准，为数据要素市场的健康发展提供法律保障。政府在构筑数据要素市场的法律基石方面，扮演着至关重要的角色。其首要任务是全面审视并更新现有法律法规体系，确保其适应数字经济快速发展的需求。这不仅意味着要清晰界定数据的所有权、使用权和交易权，解决数据权属模糊问题，还要细化数据流通的具体规则，确保数据在流动过程中遵循合法、有序的原则。政府还应建立数据交易监管体系，确保数据交易的公平性、透明性与安全性。强化个人数据隐私保护和数据安全标准的制定至关重要，政府应通过法律手段为个人信息穿上“防护服”，防止数据泄露和滥用，维护公众对数据市场的信任。

第二，政府在推动数据要素市场基础设施建设中，不仅要扮演规划者的角色，还需成为积极的投资者和促进者。政府应积极投资建设国家级或区域性的数据交易平台和数据中心，营造标准化、规范化的数据交易环境，降低交易成本，提高数据流动性。通过构建统一的数据标准体系和交易流程，政府能够显著降低数据交易的复杂性和成本，提升数据交互的效率，从而加速数据资源的流通与价值转化。

第三，政府应立足长远，加大对数据相关技术创新的支持力度。鼓励并资助科研机构、高校及企业在数据清洗、数据分析、数据定价算法等关键技术领域的研发工作，推动这些技术从实验室走向市场应用。通过建立创新孵化器、提供研发补助、组织技术交流会等形式，激发创新活力，突破数据处理的技术瓶颈，将复杂、海量的数据高效转化为有价值的信息和洞察，为企业决策、市场预测、社会治理等多方面提供有力支撑。

第四，企业必须深刻认识到，在当今数据驱动的时代，数据不仅是信息的载体，更是核心竞争力的关键来源。因此，将数据视为企业的战略性资产，构建一个全方位、高效能的数据管理体系至关重要。这要求企业从数据的生命周期管理入手，涵盖数据的精准收集、安全存储、高效处理、深度分析到严格保护的每一个环节。企业应采用智能化工具实现数据收集的自动化，确保数据来源广泛且准确，同时减少人工干预带来的误差。随后，在存储环节，实施分层存储策略，平衡成本与效率，确保数据的可访问性和持久性。在处理阶段，利用先进的数据清洗技术剔除冗余和错误信息，提升数据质量。数据分析则需结合机器学习和人工智能，深挖数据背后的价值，为企业决策提供科学依据。尤为关键的是，数据保护不容忽视。企业应实施严格的访问控制、加密传输、定期备份以及应急响应机制，确保数据安全符合法律法规要求，保护客户隐私和企业机密。通过这样一套闭环管理，企业不仅能够有效提升数据资产的整体价值，还能在参与数据要素市场交易时，凭借高质量、高可信度的数据赢得市场青睐，开拓数据变现的新路径，为企业的可持续发展注入强大动能。

第五，企业应积极把握数据要素市场的蓬勃发展与商业信用体系日益完善所带来的机遇，勇于创新，开拓更多元化、高效能的融资渠道。这要求企业深入挖掘数据这一核心生产要素的巨大价值，通过将企业所拥有的高质量、高价值的数据资产进行评估和抵押，申请专项数据资产抵押贷款。这种模式能够将企业的数据财富转化为流动资金，为企业的扩张和发展注入新动力。同时，企业可以充分利用商业信用评价系统，凭借自身良好的信用记录和市场口碑，申请基于信用评分的无抵押贷款。这种方式大大减轻了企业因缺乏实物资产抵押而面临的融资难题，使信用成为企业宝贵的无形资产，进一步降低了融资门槛，加速了资金周转周期。此外，探索数据权益融资也是新时代企业融资的一个重要方向。企业可以通过数据权益证明的形式，吸引投资者参与其数据项目的开发与应用，实现数据资源的市场化配置与价值共享。这种模式不仅为企业开辟了新的资本来源，还促进了数据要素的有效流通与价值最大化。

参考文献

[1] 徐翔，赵墨非，李涛，等.数据要素与企业创新：基于研发竞争的视角［J］.经济研究，2023，58（2）：39-56.

[2] XU X， ZHAO M F， LI T， et al.Data factor and enterprise innovation： the perspective of RD competition［J］.Economic Research Journal，2023，58（2）：39-56.

[3] 刘培.数据要素影响绿色生态效率的机制与效应研究［J］.经济经纬，2023，40（6）：136-148.

[4] LIU P.Research on the mechanism and effects of data elements influencing green ecological efficiency［J］.Economic Survey，2023，40（6）：136-148.

[5] 赵放，李文婷，马婉莹.数据要素市场化能否促进数字产业集聚：来自准自然实验的证据［J］.浙江学刊，2024，62（3）：143-152.

[6] ZHAO F， LI W T， MA W Y.Can marketization of data elements promote the agglomeration of digital industries：evidence from quasi-natural experiments［J］.Zhejiang Academic Journal，2024，62（3）：143-152.

[7] 陈德球，梁媛，胡晴.社会信任、家族控制权异质性与商业信用资本配置效率［J］.当代经济科学，2014，36（5）：18-28.

[8] CHEN D Q， LIANG Y， HU Q. Social trust， heterogeneity of family control rights and the efficiency of commercial credit capital allocation［J］.Modern Economic Science，2014，36（5）：18-28.

[9] 林洲钰，陈超红.儒家文化对企业数字化转型的影响研究［J］.当代经济科学，2024，46（5）：105-117.

[10] LIN Z Y， CHEN C H.Research on the impact of confucian culture on enterprise digital transformation［J］.Modern Economic Science，2024，46（5）：105-117.

[11] 潘越，谢玉湘，宁博，等.数智赋能、法治化营商环境建设与商业信用融资：来自“智慧法院”视角的经验证据［J］.管理世界，2022，38（9）：194-208.

[12] PAN Y， XIE Y X， NING B，et al.Data-intelligence empowerment，law-based business environment and trade credit financing： evidence from “smart courts”［J］.Journal of Management World，2022，38（9）：194-208.

[13] 徐小晶，徐小林.财政补贴对企业商业信用融资的影响研究：基于新能源汽车补贴退坡政策的实证分析［J］.南开管理评论，2021，24（3）：213-226.

[14] XU X J， XU X L.Research on the impact of fiscal subsidies on commercial credit financing of enterprises： an empirical analysis based on the subsidy reduction policy for new energy vehicles［J］.Nankai Business Review，2021，24（3）：213-226.

[15] 方红星，楚有为.公司战略与商业信用融资［J］.南开管理评论，2019，22（5）：142-154.

[16] FANG H X， CHU Y W.Corporate strategy and trade credit financing［J］.Nankai Business Review，2019，22（5）：142-154.

[17] WU L， HITT L， LOU B.Data analytics， innovation， and firm productivity［J］.Management Science，2020，66（5）：2017-2039.

[18] 蔡跃洲，马文君.数据要素对高质量发展影响与数据流动制约［J］.数量经济技术经济研究，2021，38（3）：64-83.

[19] CAI Y Z， MA W J.The impact of data elements on high-quality development and the constraints of data flow［J］.Journal of Quantitative Technical Economics，2021，38（3）：64-83.

[20] 杨俊，李小明，黄守军.大数据、技术进步与经济增长：大数据作为生产要素的一个内生增长理论［J］.经济研究，2022，57（4）：103-119.

[21] YANG J， LI X M， HUANG S J.Big data， technological progress and economic growth： an endogenous growth theory of big data as a production factor［J］Economic Research Journal，2022，57（4）：103-119.

[22] 金骋路，陈荣达.数据要素价值化及其衍生的金融属性：形成逻辑与未来挑战［J］.数量经济技术经济研究，2022，39（7）：69-89.

[23] JIN C L， CHEN R D.Data valuations and its derived financial attributes： formation logic and future challenges［J］.Journal of Quantitative Technological Economics，2022，39（7）：69-89.

[24] 徐朝阳，白艳，王韡.要素市场化改革与供需结构错配［J］.经济研究，2020，55（2）：20-35.

[25] XU Z Y， BAI Y， WANG W.Factor marketization reform and mismatch of supply-demand structure［J］.Economic Research Journal，2020，55（2）：20-35.

[26] 徐怀宁，田亚男.户枢不蠹：数据要素市场化与审计质量［J］.审计与经济研究，2025，40（3）：29-38.

[27] XU H N， TIAN Y N.The door hinge never gets worms： data factor marketization and audit quality［J］.Journal of Audit Economics，2025，40（3）：29-38.

[28] 陈晓佳，徐玮.数据要素、交通基础设施与产业结构升级：基于量化空间一般均衡模型分析［J］.管理世界，2024，40（4）：78-98.

[29] CHEN X J， XU W.Data factor， transportation infrastructure and industrial structure upgrade：an analysis based on quantitative spatial general equilibrium model［J］.Journal of Management World，2024，40（4）：78-98.

[30] NGUYEN L， LEYVA-MAYORGA I， LEWIS A， et al.Modeling and analysis of data trading on blockchain-based market in IoT networks［J］.IEEE Internet of Things Journal，2021，8（8）：6487-6497.

[31] GROVER V， CHIANG R， LIANG T， et al.Creating strategic business value from big data analytics： a research framework［J］.Journal of Management Information Systems，2018，35（2）：388-423.

[32] 杨志强，张雨婷.诉讼事件披露、企业风险与商业信用融资：基于信号传递理论的分析［J］.财贸研究，2024，35（7）：80-97.

[33] YANG Z Q， ZHANG Y T.Litigation event disclosure， enterprise risk and commercial credit financing： an analysis based on signal transmission theory［J］.Finance and Trade Research，2024，35（7）：80-97.

[34] 王仁祥，谢文君.数据要素如何影响金融与科技耦合结构？［J］.研究与发展管理，2024，36（5）：26-38.

[35] WANG R X， XIE W J.How do data elements affect the coupling structure of finance and technology？［J］.Research and Development Management，2024，36（5）：26-38.

[36] 唐松，伍旭川，祝佳.数字金融与企业技术创新：结构特征、机制识别与金融监管下的效应差异［J］.管理世界，2020，36（5）：52-66.

[37] TANG S， WU X C， ZHU J.Digital finance and enterprise technology innovation：structural feature，mechanism identification and effect difference under financial supervision［J］.Journal of Management World，2020，36（5）：52-66.

[38] 黄勃，李海彤，刘俊岐，等.数字技术创新与中国企业高质量发展：来自企业数字专利的证据［J］.经济研究，2023，58（3）：97-115.

[39] HUANG B， LI H T， LIU J Q， et al. Digital technology innovation and the high-quality development of Chinese enterprises：evidence from enterprise’s digital patents［J］.Economic Research Journal，2023，58（3）：97-115.

[40] 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，2021，33（11）：24-32.

[41] KONG Y F， LIU J X， ZHAO Z X.Research on market-oriented allocation of data elements： connotation deconstruction， operation mechanism and practice path［J］.Economist，2021，33（11）：24-32.

[42] 戴魁早，王思曼，黄姿.数据交易平台建设如何影响企业全要素生产率［J］.经济学动态，2023，64（12）：58-75.

[43] DAI K Z， WANG S M， HUANG Z.How the construction of data trading platform affects firms’ TFP？［J］.Economic Perspectives，2023，64（12）：58-75.

[44] 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，2021，33（10）：41-50.

[45] LI Z G， WANG J.Digital economy development， allocation of data elements and productivity growth in manufacturing industry［J］.Economist，2021，33（10）：41-50.

[46] 佘楷文，申宇，赵绍阳.大数据对银行信贷行为的影响：来自数字社会信用平台的证据［J］.经济研究，2024，59（3）：147-165.

[47] SHE K W， SHEN Y， ZHAO S Y.Effect of big data on bank lending： evidence from digital social credit platform［J］.Economic Research Journal，2024，59（3）：147-165.

[48] 李原，刘洋，李宝瑜.数据资产核算若干理论问题辨析［J］.统计研究，2022，39（9）：19-28.

[49] LI Y， LIU Y， LI B Y.Analysis of some theoretical problems on national data assets accounting［J］.Statistical Research，2022，39（9）：19-28.

[50] KONG D， LIN C， WEI L， et al.Information accessibility and corporate innovation［J］.Management Science，2022，68（11）：7837-7860.

[51] 赵忠涛，李长英.专利质量如何影响了企业价值？［J］.经济管理，2020，42（12）：59-75.

[52] ZHAO Z T， LI C Y.How does patent quality affect firm values？［J］.Business and Management Journal，2020，42（12）：59-75.

[53] 袁航,夏杰长.国家低碳政策协同与中国产业低碳转型[J].当代经济科学,2025,47(2):82-96.

[54] 李治国,孔维嘉,李兆哲.制造业企业数字化转型的碳绩效：内在机制与经验证据[J].当代经济科学,2024,46(4):100-111.

[55] 胡浩然,宋颜群.市场激励型环境规制与企业风险承担：以碳排放权交易试点政策为例[J].当代经济科学,2024,46(4):73-87.

[56] 刘华军,张一辰.减污降碳协同效应的生成逻辑、内涵阐释与实现方略[J].当代经济科学,2024,46(3):32-44.

[57] 王遥,张广逍.转型金融：内涵、框架与未来展望[J].当代经济科学,2024,46(3):1-17.

[58] 刘泓汛,陈佳琪,彭千芸,等.中国家庭能源转型的环境—健康—低碳效益及经济成本[J].当代经济科学,2024,46(1):88-103.

[59] 车树林,石奇.“双碳”目标下的金融摩擦与宏观审慎政策效应[J].当代经济科学,2023,45(6):14-28.

[60] 冯素玲,许德慧,张榕.数字金融发展如何赋能二氧化碳减排：来自地级市的经验证据[J].当代经济科学,2023,45(4):15-28.

基金资助

国家自然科学基金面上项目“基于文本分析与机器学习的分析师行为决策研究”(71972088)

暨南大学博士研究生拔尖创新人才培养项目“供应链数字化对‘专精特新’中小企业高质量发展的影响研究”(2023CXB030)