学术视界 | 《经济研究》大数据如何影响技术进步及经济增长？

中国经济发展正处于新旧动能转换期，科技的快速迭代使经济、社会和生活等各领域发生日新月异的变革。大数据指在万物互联活动中生成具有海量异构、动态分布、实时更新、快速生成等特点的各种结构性和非结构性数据记录。大数据是引领新一轮科技革命和技术变迁的战略性生产要素，对传统经济具有引领和改造作用，是将现有生产要素进一步联系起来的桥梁型生产要素。大数据面临的获取、处理、理解和组织问题已被逐一解决，逐步释放其蕴含的巨大价值。中国2015年提出“实施国家大数据战略”。十九大报告指出，推动大数据和实体经济深度融合，在创新引领等领域培育新增长点、形成新动能。国务院印发的《“十四五”数字经济发展规划》指出，数字经济以数据资源为关键要素，成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。

中国经济在高速增长向高质量发展转换的窗口期，从经济学视角分析大数据对经济增长的影响，无疑是宏观经济研究面临的全新且重要的主题。然而，现有宏观经济增长理论在劳动和资本等传统要素投入的生产函数基础之上，欠缺对数据这一新型生产要素之影响的解释能力。数据要素理论研究的相对滞后，对大数据的应用和发展缺乏理论支撑，进而缺少为数字经济的高质量发展提供逻辑一贯的政策建议。本文基于内生经济增长理论，将大数据要素纳入内生经济增长模型，以期为数字经济时代的新经济增长机制提供理论解释。具体而言，本文聚焦的问题是:作为新一轮科技革命的战略性生产要素，大数据是如何影响技术进步及经济增长，其中的路径与机制是什么?大数据对未来经济增长态势的影响及作用效果如何?

在现有研究大数据对技术进步和经济增长影响的文献中，大数据可以促进技术进步和经济增长的作用已成共识。如大数据促进技术交叉融合和驱动技术创新，形成技术加速迭代和产业整体升级的生态体系(陈晓红，2018;Zhangetal．，2018)。大数据引起的技术转型如同历史上的多次一般通用技术变革，使发明新产品和实现新的生产过程变得容易，带来新的次生创新并促进长期经济增长(Aghion＆Howitt，1998;Schaeferetal．，2014)。在相关理论研究中，徐翔和赵墨非(2020)提出大数据可加速资源流通速度，优化资源配置，提高经济增长速度;许宪春等(2019)从绿色发展和大数据出发，从经济、社会、环境三个角度分析大数据在高质量发展中的作用;Goldfarb＆Tucker(2019)认为数字经济降低经济运行成本影响经济活动。

但是鲜有文献针对大数据的生产要素属性，构建相适应的内生经济增长理论框架，以反映大数据驱动技术进步影响经济增长的机制变化，现有文献尚不能回答前文提出的问题。值得注意的是，综合现有大数据相关研究文献，与回答这些问题密切相关。

大数据被定义为新型生产要素。大数据将逐渐成为重要的生产要素(Mckinsey，2011)。党的十九届四中全会正式定义“数据”作为生产要素。数据就是生产要素，但是需要有生产要素化过程(徐翔和赵墨非，2020)。大数据广泛用于生产研发活动和数字化转型，像公路、铁路、水电和通信网络一样不可或缺，但单纯的数据只是“可能的生产要素”，要实现数据的生产要素化则需与其他要素进一步结合(谢康等，2020)。大数据作为新型生产要素和国家基础性战略资源，已成为日益重要的生产资料(杨善林和周开乐，2015)。

大数据具有非竞争性与共享特征。大数据使用的低成本特征(Goldfarb＆Tucker，2019)，类似于公共品，其复制、传播和使用可不受时空限制，体现大数据“非竞争性”属性(Jones＆Tonetti，2020)。大数据与物理化的基础设施不同，不因为使用而折旧和贬值，数据很容易开源共享、复制和重组(Lynch，2008);随着大数据共享程度的提升，提高了消费者剩余和消费者效用(Gangetal．，2014)。同时，消费者在提供数据获取收益和潜在的隐私侵犯之间保持平衡(Congetal．，2021)，非敏感信息与竞争厂商实现公平共享(李三希等，2021)，需重视大数据的过度共享产生隐私成本，降低被收集数据者的效用不确定(Jones＆Tonetti，2020;江小涓和黄颖轩，2021)。

大数据在生产活动中“应用程度”逐渐增加。大数据的应用是价值创造的关键，随着应用技术飞速发展，其广度和深度持续增加，涉及经济、商业、公共管理、国家安全、科学研究等诸多领域和部门(Lazeretal．，2014;胡键，2018)。通过大数据相关性挖掘解释经济指标间内在联系和规律(李华杰等，2018);大数据驱动机器学习在图像分析和语音识别等诸多领域取得成功(Zhangetal．，2018)。随着大数据与实体经济的深度融合发展，“应用程度”持续提高，带来效率提升、商业模式创新及政府治理效率提升，并增加了生产研发活动的业务价值(赵云辉等，2019)。

大数据引起生产研发模式转型。大数据为探索产业转型提供更好的度量指标，为研究者提供更前沿的研究边界和科学的研究工具(Einav＆Levin，2014);大数据为研发过程发掘因果关系界定以外的发现，避免仅依据部分信息进行因果判断的决策思路(何大安，2018)。刘淑春等(2021)提出，在大数据驱动的研发模式转型过程中，由于在研发企业内部的组织结构、资源配置和调度管理等都需要随之转变，将会造成数字化管理动态波动“阵痛期”。

大数据的“乘数作用”和对技术进步的影响。大数据的“乘数作用”，体现了大数据促进效率、驱动技术创新等观点的本质特征。海量数据中隐藏着巨大的潜力和价值，通过数据挖掘带来资源合理配置和效率优先(Glaeseretal．，2018)。大数据带来要素重组升级、再配置与效率变革(柏培文，2021)，数据分析助力各行业提高效率和创新服务决策(Lynch，2008)。基于数据的管理决策为管理实践创造新范式，破解传统企业转型面临的异质性需求和决策失误等问题，大数据影响人工智能、机器学习的准确性，成为创新的重要源动力(陈国青等，2021)。

综上所述，近年来国内外学者在研究大数据对经济发展的影响取得一系列成果，主要研究聚焦大数据用于预测、特点阐释、影响生产效率、驱动经济发展和对社会影响等方面，以及分析人工智能、互联网、网络经济和数字资本等对经济社会影响。另有部分文献通过数据挖掘技术研究特定行业，以大数据为样本进行实证检验，研究重点仍为传统要素之间的关系。但是，关于大数据对技术变革和经济发展影响的研究大多是描述性的，理论模型分析较少，鲜有文献聚焦内生经济增长框架研究大数据对经济增长的影响。现有内生经济增长理论需要做何拓展，以契合大数据带来的经济增长特征变化，以及大数据的本质特征和影响等，鲜见宏观角度的理论刻画。

基于以上考虑，本文首先将大数据定义为一种新型生产要素从传统物质资本中剥离，将大数据作为生产要素内生化引入“创造性破坏”理论框架下，构建了一个多部门的熊彼特质量阶梯模型。理论阐释了大数据通过“乘数作用”和“研发模式转型”驱动技术进步，进而影响经济增长的路径与机制，并进行数值模拟检验。研究表明，尽管大数据与其他生产要素存在“融合成本”导致“研发模式转型”，在短期内抑制经济产出;但在长期中，生产研发模式转型完成后，大数据通过“乘数作用”促进生产技术进步和提升中间品“质量阶梯”高度，持续推动经济增长;特别地，模型证明大数据的“乘数作用”会随着大数据“应用程度”提高而被放大;同时在中国要素收入分配偏向资本的情景下，大数据将发挥更大的经济增长效应。

本文的边际贡献在于以下三点:第一，以大数据作为生产要素拓展了内生增长理论框架，揭示了大数据对经济增长的内生影响机制，拓展了内生经济增长理论中关于大数据要素的理论边界。第二，创新性地演绎了大数据对中间品质量阶梯提升高度产生“乘数作用”的动态变化过程，理论刻画了大数据驱动研发模式转型的动态趋势，更客观地捕捉到大数据对技术进步与经济增长产生波动效应的本质特征。第三，不同于Aghion＆Howitt(1992)假定生产技术水平固定不变，仅通过中间品质量提高而促进技术进步，本文构建的大数据的“乘数作用”和驱动“研发模式转型”而影响生产技术进步，同时大数据的“乘数作用”加速中间品质量提升的理论框架，改进了对技术水平的模型刻画，这与现实情形更加契合。

大数据作为新一轮科技革命和产业革命的战略性生产要素，其发展已上升为国家战略。但现有内生增长理论框架，无法揭示大数据要素对经济增长的内生影响机制，导致大数据行业发展和相关政策制定缺乏理论支撑。本文将大数据作为生产要素从传统物质资本中剥离，在“创造性破坏”理论框架下将大数据内生化引入生产函数，理论刻画了大数据的“乘数作用”和驱动“研发模式转型”而影响技术进步，以大数据作为生产要素拓展了内生增长理论框架。

本文研究表明:在短期内，大数据与其他生产要素存在“融合成本”导致“研发模式转型”会抑制经济产出，对经济增长具有波动效应;从长期看，大数据通过“乘数作用”提升中间品质量水平和促进生产技术进步，持续推动经济增长，具有显著的增长效应;大数据的“乘数作用”对经济增长的驱动力，随着大数据“应用程度”提高而增大;在中国要素收入分配偏向资本的情景下，大数据将发挥更大的经济增长效应。研究结果为中国经济高质量发展，提供大数据要素视角的理论支撑和新的理论解释，对经济社会具有重要的现实意义。

为了更好地促进大数据生态发展，加快大数据与实体经济融合并驱动经济增长，本文提出三点政策建议。

(一)充分发挥数据要素作用。支持市场主体依法合规开展数据采集，聚焦数据的标注、清洗、脱敏、脱密、聚合、分析等环节，培育壮大数据服务产业;推动数据标准体系建设，提升数据管理水平和数据质量，推动各行业通信协议兼容统一，降低信息不对称、打破壁垒，形成完整贯通的数据链。建立国家公共数据资源利用体系，坚持政府引导和市场机制相结合的原则，政企协同，多元参与;对允许加工利用公共数据，通过数据开放、特许开发、授权应用等方式，鼓励市场力量创新数据开发利用模式，促进数据、技术、场景深度融合，满足各领域数据需求。

(二)促进数据交易及数据资产评估。培育壮大数据交易平台，打造数据银行，对数据进行低成本汇聚、规范化确权、高效率治理、资产化交易和全场景应用，发展数据资产定价、交易撮合、登记结算、争议仲裁等系统。同时，对数据资产测度和交易规则进行顶层设计，规范完善数据资产评估服务，给予数据平台或企业公平的数据资产估值，助推数据企业畅通融资和发展渠道，促进数据生态系统高质量迭代发展。

(三)完善数据市场治理和安全体系。加快建立国家数据资源目录和数据资产管理制度，打造契合数据市场健康发展和灵活有效的数据市场治理体系;探索建立正面引导清单、负面禁止清单和第三方机构认证评级相结合的数据市场准入管理制度;深化“放管服”改革，优化营商环境，分类清理规范不适应数据市场发展需要的行政许可、资质资格等事项，释放数字经济创新活力和内生动力。保障数据拥有者隐私安全、权属收益，明确数据使用权利边界，实现数据要素合法获取和共享;规范身份信息、隐私信息、生物特征信息的采集、传输和使用，严厉打击数据黑市交易，对非法买卖隐私数据造成的损失量化追责，协调好大数据共享开放与隐私保护间动态关系。

本文从理论上研究了大数据对经济增长的影响，但理论研究需结合实证检验，后续可从实证方法论继续研究大数据的影响。关于大数据对增长核算和全要素生产率计算，可从大数据发展指数的指标构建展开，选取刻画大数据的具体指标，如大数据公司成立数、数据中心个数、云计算使用频率、大数据政策发布数、数字化转型数据、数字经济占比等。结合大数据发展指数和经济数据，实证研究大数据对社会发展众方面影响，检验理论模型并对大数据影响经济发展进行测算。