中国地方政府数据开放与经济发展质量_张莉.pdf

中国地方政府数据开放与经济发展质量张莉林安然*【摘要】中国地方政府数据开放是否有助于提高经济发展质量?论文首次爬取了在 2019 年已经上线的 76 个地方政府数据开放平台上的开放数据数量和质量信息，并结合微观的上市公司数据和宏观的城市层面数据，通过宏微观结合的方式衡量经济发展质量，实证验证了地方政府数据开放有助于提高经济发展质量。论文采用 PSM DID 回归、替换变量度量方式等方法进行了稳健性检验，结果一致。研究发现，地方政府数据开放主要通过降低信息不对称程度、减少企业的创新成本等机制，促进以全要素生产率为衡量标准的经济发展质量的提高。进一步分析发现，相对于非国有性质、低创新策略的企业，地方政府数据开放对国有性质、高创新策略的企业生产率的影响更强。这为地方政府持续提高数据开放水平提供了实证证据。【关键词】数字政府政府数据开放全要素生产率【中图分类号】D63【文献标识码】A【文章编号】1674 2486(2023)02 0120 18一、问题的提出在中国经济增长从“速度时代”转向“质量时代”的新阶段，利用数字技术提升政府公共服务、促进经济转型成为经济社会发展的重要主题。一方面，数据作为数字经济发展的基础，对提升经济发展质量具有重要作用。政府部门作为大量基础性、关键性数据的掌握者，开放数据将助力我国经济发展质量的提升。另一方面，全要素生产率被视为经济发展质量的关键度量。相比发达国家，我国全要素生产率仍有很大的提升空间(Hsieh Klenow，2009)。那么，021公共行政评论20232*张莉，中山大学国际金融学院教授，中山大学国家治理研究院现代财税政策研究中心研究员;林安然，中山大学国际金融学院硕士研究生。感谢匿名评审专家提出的宝贵修改意见。基金项目:国家社会科学基金重大项目“现代信息技术驱动的我国营商环境优化研究”(20ZD071)，国家社会科学基金重大项目“国土空间用途管制下土地市场整合与溢价共享机制研究”(22ZD062)，广东省哲学社会科学创新工程 2022 年度特别委托项目“准经营性资源配置视角下的土地要素市场化改革研究”(GD22TWCXGC04)。我们自然产生了一个疑问:地方政府数据开放是否能够促进全要素生产率的提升?如果能，提升的途径是什么?然而，目前我国对于政府数据开放的研究仍然比较缺乏，对政府数据开放如何作用于经济发展质量也缺少基于大样本的实证研究。我国对政府数据开放高度重视。2015 年 8 月，由国务院印发的 促进大数据发展行动纲要(国发 201550 号)提出要稳步开放公共数据资源，加快建设国家政府数据统一开放平台。习近平总书记在 2017 年中共中央政治局第二次集体学习时强调“要构建以数据为关键要素的数字经济”。党的十九届四中全会首次提出将数据作为生产要素参与分配。2020 年 4 月，中共中央、国务院发布 关于构建更加完善的要素市场化配置体制机制的意见(后文简称 意见)，将数据作为与土地、劳动力、资本、技术并列的生产要素，要求“加快培育数据要素市场”。数据要素除了包括数据生产，还包括采集、存储、加工、分析、服务等多个环节，是数字经济发展的重要驱动，广泛影响价值创造和生产率的提高。其中，意见明确指出，未来我国将加快培育数据要素市场，推动政府数据更加广泛地向大众开放共享，整合数据资源，提高社会数据资源的使用效率。在政府数据开放成为我国数字经济发展的关键方向的同时，截至2021 年 2 月，我国仍然有超过 50%的城市没有上线统一的地方政府数据开放平台。在如今政府数据开放发展的初期，更需要对政府数据开放的作用机制有充足的了解。因此，有关政府数据开放的作用机制研究也应当得到学术界的关注。基于此，本文通过爬取 76 个地方政府数据开放平台上的开放数据数量和质量信息，结合 20152019 年中国 A 股上市公司的数据，从实证的角度研究中国地方政府数据开放对以全要素生产率为衡量标准的经济发展质量的影响。通过PSM DID 估计、改变优质数据集的度量方式以及使用城市层面样本进行回归分析，本文进一步验证了基准回归的实证结果。本文讨论了政府数据开放作用于企业全要素生产率的机制，从降低企业与资金供给方之间的信息不对称程度和减少企业的创新成本两个角度解释了地方政府数据开放是如何影响经济发展质量的。进一步地，本文分样本进行回归，发现相对于非国有性质、低创新策略的企业，地方政府数据开放对国有性质、高创新策略的企业全要素生产率的影响更强。这些结论为地方政府未来的数字经济政策提供了有效参考。本文的研究意义如下:第一，本文首次爬取地方政府数据开放平台的数据，对当前地方政府数据开放情况进行了梳理。第二，在当前对政府数据开放的研究较为缺乏的背景下，本文从实证角度验证了地方政府数据开放能够促进企业全要素生产率的提高，夯实了推动政府数据开放的理论基础。第三，本文从降低企业与资金供给方之间的信息不对称程度和减少企业的创新成本两个角度论证了政府数据开放推动经济发展质量提高的作用机制，提供了理解地方政府数据开放何以作用于经济发展质量的思路。121中国地方政府数据开放与经济发展质量二、数据开放的基本情况与研究假设(一)地方政府数据开放的基本情况2012 年 6 月，上海率先上线“上海市政府数据服务网”。自此之后，北京、湛江、无锡、武汉等地也陆续上线了政府数据开放平台。截至 2019 年年末，我国共上线了 102 个地方政府数据开放平台。这些平台主要集中于东南沿海地区。20152019 年间，已上线的地方政府数据开放平台不断开放以表格形式呈现的数据集合，或称数据集。大众通常会通过直接下载数据或利用 API 接口从数据开放平台中获取数据集。在本文爬取的 76 个地方政府数据开放平台中，已开放的数据集共有 51414 个。其中，数据集创建于 2015 年的共 465 个，2016 年的共 807个，2017 年的共 3673 个，2018 年的共 25674 个，2019 年的共 20795 个。总体上，地方政府开放的数据集数量呈现出在 20152018 年逐年上升，2019 年有所回落的趋势。2019 年的回落趋势可能是因为目前普遍开放的数据集在 20152018 年期间基本上已被创建，创建新的数据集的难度逐渐上升。这些数据集来自于不同的重要部门，其中既包括统计部门，也包括掌握原始数据的业务部门。20152019 年统计部门开放的数据集总数最多。此外，教育、民政、卫生健康、国土(规划和自然资源)、市场监管(包括工商、质监、食药监)等部门也开放了大量的数据集。这些开放的数据集涉及经贸工商、公共安全、社保就业、机构团体、教育科技、城建住房等 14 个与我们生活紧密相关的重要主题。其中，20152019 年开放数量前五的主题分别为公共安全、社保就业、机构团体、信用服务和经贸工商。本文除了统计数据开放的重要主题，还根据相关报告的分类，对爬取的 76个地方政府数据开放平台上的 20152019 年的开放数据集进行了分析，梳理得到了关键数据集和常见数据集的情况。关键数据集包括企业注册登记类数据集、道路运输从业资格证/经营许可证类数据集、气象预报预警类数据集和公交车辆位置类数据集 4 类数据集。常见数据集包括企业注册登记类数据集、行政许可处罚类数据集、预决算数据集、建设规划项目类数据集、食品生产经营抽检类数据集等 14 类数据集。20152019 年间，关键数据集方面，仅有烟台市和贵阳市覆盖全部关键数据集;常见数据集方面，样本中仅有 14.75%的城市覆盖全部常见数据集。关键数据集中企业注册登记类数据集最多，公交车辆位置类数据集最少。常见数据集中建设规划项目类数据集最多，其次是学校名录、师221公共行政评论20232数据集的分类参考了复旦大学数字与移动治理实验室出品的 中国地方政府数据开放报告(2020 下半年)。生评优、教育收费类数据集;农产品价格、补贴、农业机械证照、安监类数据集最少。(二)文献回顾与研究假设政府数据开放作为未来数字经济发展的重要组成部分，对经济发展质量的影响主要落脚于以下两个方面。(1)政府数据开放降低了核查成本。目前，市场上涉及成千上万的中小企业，但在大部分交易中，客户不会选择在线下访问这些企业，因此大量潜在客户可能会对这些中小企业不熟悉。在此情形下，政府数据开放将降低对中小企业核实 身 份 和 声 誉 的 成 本，减 少 交 易 中 质 量 和 可 信 度 的 信 息 不 对 称 问 题(Dellarocas，2003)。目前，关于信息不对称影响企业全要素生产率的研究集中于缓解企业的融资约束和抑制僵尸企业的形成等方面。屈文洲等(2011)发现信息不对称程度降低将导致企业的投资支出增加，推动投资 现金流敏感度的下降，缓解企业的融资约束。解维敏和方红星(2011)的研究发现，外部融资资源获取难度降低将推动企业研发投入的增长。陈海强等(2015)证明，降低资金供给方与企业的信息不对称程度将缓解中小企业面临的融资难问题，显著提升企业的技术效率，促进经济发展质量。僵尸企业作为信息不对称的得益者，通过扭曲资源配置、妨碍行业内企业的公平竞争等方式使非僵尸企业的创新能力下降，从而降低经济发展质量(王永钦等，2018;聂辉华等，2016)。谭语嫣等(2017)的研究发现，僵尸企业会挤出非僵尸企业的投资，降低金融对实体经济的支持力度，从而抑制非僵尸企业的创新能力。因此，政府数据开放也将通过降低资金供求双方的信息不对称程度，抑制僵尸企业的形成，推动行业配置效率的提高(Caballero et al，2008)。(2)政府数据开放有效降低了搜索成本。搜索成本是查找信息的成本，每项信息收集活动都涉及大量搜索成本。数字政府建设的基本理念是，线上比线下更容易找到和比较潜在经济活动的信息(Goldfarb Tucker，2019)。从这一角度切入，政府数据开放显著降低了信息的搜索成本，为个人、企业以及机构找到和比较潜在经济活动信息提供了帮助。在宏观经济层面，目前的大量研究围绕着搜索成本如何影响资本市场定价、就业等问题展开。从资本市场定价来看，搜索成本下降会降低投资者获取准确信息的难度，提高股票价格的非同步性，提升市场信息效率水平(谭松涛等，2016;Xu et al，2021)。此外，搜索成本下降还有助于降低金融市场的价格分散程度，缓解金融产品误定价的问题，防止投机泡沫的产生，使得金融能够更好地服务 于 实 体 经 济，为 高 质 量 企 业 提 供 稳 定 的 现 金 流(Barber Odean，2001)。从就业角度来看，降低搜索成本能够在劳动力市场中提高企业与劳动力321中国地方政府数据开放与经济发展质量匹配的质量，促使个人进入更高质量的就业(毛宇飞等，2019;Autor，2001)。此外，搜索成本下降使创业者更加便利地获取信息，提高了创业者决策前把握商机的能力，激发大众创业，促进机会型创业(周广肃、樊纲，2018;赵涛等，2020;毛宇飞等，2019)。在微观企业层面，研究主要集中于搜索成本对企业创新和企业运营的影响。政府数据开放带来的搜索成本下降推动了企业的创新(王芳、陈锋，2015;Stott，2014)。企业开展创新活动越来越依赖外部知识。获取并控制与创新相关的新信息、开辟多重的信息渠道与信息源将帮助企业在创新活动中占据信息优势，促进企业整合外部信息与内部现存知识，通过独特新颖的信息组合，开发出新知识、实现创新(钱锡红等，2010)。政府数据被视为创新过程中的重要信息源，在时间、资金和其他资源相同的情况下，开放政府数据降低了企业的创新成本(Laursen Salter，2006)。在许多关键领域，政府可能是特定信息(例如地理空间和气象信息)唯一或为数不多的来源。通过政府免费提供这些稀缺的数据，拥有高创新能力的企业将成为开放政府数据生态中的重要受益者。搜索成本的降低也将提升企业的运营效率，减少企业的库存，大大提升供应量对需求变化的反应能力，使供应商能够在需要时进入市场(陈剑等，2020;赵宸宇等，2021;戚聿东、肖旭，2020;Borenstein Saloner，2001;Bakos，2001)。总体上，开放政府数据的影响是多方面的，开放政府数据为政治、经济和社会提供了新的发展机会(Jetzek et al，2012)。政府数据开放能够有效降低市场资源匹配的核查成本和搜索成本，提高市场运行效率，进而促进经济发展质量的提升。因此，研究提出假设 1。H1:中国地方政府数据开放有助于提升经济发展质量。从核查成本的角度来看，政府数据开放将在一定程度上解决中小企业面临的信息不对称问题，降低资金供求双方的信息不对称程度，缓解中小企业的融资约束，抑制僵尸企业的形成，推动资源的优化配置，从而促进经济发展质量的提 高(屈 文 洲 等，2011;陈 海 强 等，2015;卢 馨 等，2013;王 永 钦 等，2018)。根据相关报告梳理，2019 年，上海市在数据开放平台上推出了普惠金融应用，整合了 8 个部门的数据，开放了 300 多个数据项，为银行信贷赋能。目前，建设银行上海市分行、交通银行上海市分行、浦发银行上海分行、上海银行 4 家试点银行已针对上海市首批开放的 300 多个数据项，积极开发了“沪惠贷”“数据 e 贷”“浦发数聚贷”“沪信优贷”等创新型信贷产品。同样是2019 年，浙江省金华市搭建信义贷金融服务平台，与 23 家银行进行合作，为银行发放贷款提供数据支持。地方政府数据开放平台通过降低企业、融资机构、421公共行政评论20232整理于复旦大学数字与移动治理实验室出品的 中国地方政府数据开放报告(2020上半年)。个人的核查成本，降低中小企业资金供求双方的信息不对称程度，从而促进了经济发展质量的提升。从搜索成本的角度来看，政府数据开放将降低企业的搜索成本，减少企业获取外部知识的创新成本，提高企业的创新能力(Laursen Salter，2006)。例如，部分企业利用浙江、贵阳、深圳等地平台上开放的数据，实现了较为优质的创新成果 利用浙江平台上的数据，创建高德地图停车场板块，为市民提供停车指引;应用浙江平台上的数据，构建人人巴士 APP，优化了旅游群体、企业、旅行社、会议、酒店、OTA 平台及客运公司的用车体验、智能化服务和金融供应链;还有诸如贵阳的慧停车、深圳的小区罗盘等高质量数据利用成果的实现。这一系列创新成果体现着政府数据开放程度的加深对企业创新的积极影响 将帮助企业在时间、资金和其他资源相同的情况下降低创新成本，从而提升创新能力。因此，研究提出假设 2。H2:地方政府数据开放能够降低资金供求双方的信息不对称程度，减少企业的创新成本，从而促进企业发展质量的提高。企业所有制是影响地方政府数据开放对企业全要素生产率促进效果的重要因素。一方面，相较于国有企业，非国有企业对政府政策的了解程度较低，缺乏对政府开放数据的认知;另一方面，在目前数据开放的初期，由于政府对国有企业的数据开放需求更为了解，开放的数据可能会更多满足国有企业的需求。此外，对于持有不同创新策略的企业，地方政府数据开放对企业全要素生产率的影响也有所不同。高创新策略企业创新强度高，更加有动力利用政府开放的数据降低创新成本，提升企业的全要素生产率。低创新策略企业缺乏创新动力，利用政府开放数据的程度低，提升企业全要素生产率的水平有限。因此，研究提出假设 3。H3:相对于非国有性质、低创新策略的企业，地方政府数据开放对国有性质、高创新策略的企业生产率的影响更强。三、指标选取与测算本文爬取截至 2019 年年末已经上线、在 2021 年 23 月能够正常浏览的 76个中国地方政府数据开放平台上的数据集信息，将其与 20152019 年的上市公司数据集进行匹配，研究中国地方政府数据开放对企业全要素生产率的影响。521中国地方政府数据开放与经济发展质量整理于复旦大学数字与移动治理实验室出品的 中国地方政府数据开放报告(2020上半年)。(一)全要素生产率的测算本文使用 20152019 年中国 A 股上市公司的数据计算企业的全要素生产率。上市公司固定资产原值的指标取自万德数据库，其余上市公司的指标均来自于国泰安数据库。本文剔除了金融业的样本以及在计算全要素生产率过程中重要指标欠缺的样本。参考肖文和薛天航(2019)，本文使用 OP 法和 LP 法来分别测算 A 股上市公司的全要素生产率。首先，以主营业务收入作为企业增加值，以生产法测算中间投入，以构建固定资产、无形资产和其他长期资产所支付的现金金额作为企业当期投资额，弥补上市公司长期投资和短期投资科目缺失严重的问题。其次，以 2001 年为基年，通过永续盘存法对企业固定资产存量进行调整，并使用各地区固定资产平减指数对企业固定资产存量进行平减。其他名义变量使用各地区工业品出厂价格指数和工业生产者购进价格指数进行调整。在“是否退市”指标的选择上，本文认为如果企业简称和所属行业这两个属性同时发生改变，则企业在该年退出市场。本文利用 Cobb-Douglas 函数估计全要素生产率，并对95%分位数以上的全要素生产率进行截尾处理。(二)中国地方政府数据开放程度的测算根据 中国地方政府数据开放报告(2019 下半年)，截至 2019 年年末，全国共上线了 102 个省级、副省级和地级政府数据开放平台。由于部分平台存在 2021 年 23 月间无法正常打开、缺少详细创建时间和更新时间信息等问题，本文仅爬取 76 个中国地方政府数据开放平台上的数据集信息。剩余未爬取的政府数据开放平台主要集中于山东省、江苏省、贵州省和宁夏回族自治区。1平台上线从地理角度来看，沿海地区数据开放程度最高，内陆地区相对落后 我国102 个地方政府数据开放平台主要集中于东南沿海地区。广东省和山东省内各地级市均上线了数据开放平台，成为我国政府数据开放平台上线最为密集的地区。对于长三角地区和西南地区的贵州省、四川省，地级平台不断上线并相连成片。北京、哈尔滨等地则成为所在区域“孤零”的存在。本文爬取的 76 个地方政府数据开放平台也呈现出相同的地理特征。2优质数据集优质数据集是开放数据的重点，因此优质数据集的数量是本文的核心解释变量之一。本文将优质数据集定义为被广泛需求的数据集。具体界定方式如下:对每个城市的数据集按照下载量排序，各年份下载量排名前 1%且下载量大于 0的数据集即为优质数据集。621公共行政评论202323经贸工商主题数据集数量稳居重要主题数据集前列的经贸工商主题数据集既是地方政府开放数据的重要组成部分，同时也与企业经营息息相关。为了更加精准地从企业层面研究地方政府数据开放对经济发展质量的影响，本文选取了下载量大于 0 的经贸工商主题数据集数量作为核心解释变量。(三)控制变量在企业层面，本文选取了企业年龄、规模、国企虚拟变量、净利润、固定资产比率、资产负债率、资产收益率等影响企业全要素生产率的控制变量(朱光顺等，2020;陈维涛等，2019)。企业层面的数据来自于国泰安数据库。在城市层面，本文使用了实际人均 GDP 和城市实有铺装道路面积等作为城市层面的控制变量(朱光顺等，2020)。城市层面的数据来自于 中国城市统计年鉴。主要变量的描述性统计见表 1。表 1变量的描述性统计变量名称符号样本量平均值标准差最小值最大值OP 法计算的 TFP 变化量TFP_OP13,2050.080.312.864.71LP 法计算的 TFP 变化量TFP_LP13,2050.050.312.794.05优质数据集变化量data_117,8260.493.344651经贸工商主题数据集变化量data_217,8266.2751.00680876平台是否上线data_317,8260.400.4901企业年龄age17,14018.455.63361企业规模(取对数)lnsize16,83622.211.3615.9828.64国企虚拟变量SOE17,3480.090.2801企业净利润(取对数)lnprofit14,96118.911.5510.3425.11企业固定资产比率capital16,4230.200.160.000.95企业资产负债率lev16,4240.420.210.080.90企业资产收益率roa16,4240.040.060.180.16实际人均 GDP(取对数)lngdp16,03911.450.479.4112.28城市实有铺装道路面积(取对数)lnroad15,3038.590.913.9510.01资料来源:作者自制。四、基准回归地方政府数据开放作为数字经济发展的关键推动力量，通过降低资金供求双方的信息不对称程度和减少企业的创新成本等影响机制，促进数字经济发展，优化经济结构，提高以全要素生产率为衡量标准的经济发展质量。本文构建如下回归模型:TFPi，j，c，t=0+1datac，t 1+1Zi，j，c，t+2Xc，t+i+j+t+i，j，c，t(1)721中国地方政府数据开放与经济发展质量式(1)中，下标 i 为企业，j 为行业，c 为城市，t 为时间，i、j、t分别表示企业、行业、年份固定效应。因变量 TFPi，j，c，t为城市 c 行业 j 中企业 i 第 t年的全要素生产率的变化量。自变量 datac，t 1为城市 c 在第 t 1 年的地方政府数据开放程度的变化，分别用该城市政府数据开放平台开放的优质数据集数量的变化量和经贸工商主题数据集数量的变化量来衡量。Zi，j，c，t和 Xc，t分别为企业层面和城市层面的控制变量。基准回归结果如表 2 所示。列(1)和列(3)以 OP 法全要素生产率变化量为被解释变量，政府数据开放平台上的优质数据集数量的变化量(data_1)和经贸工商主题数据集数量的变化量(data_2)的回归系数都显著为正;列(2)和列(4)以 LP 法全要素生产率变化量为被解释变量，data_1和data_2的回归系数同样显著为正。表 2地方政府数据开放与企业全要素生产率:基准回归TFP_OPTFP_LPTFP_OPTFP_LP(1)(2)(3)(4)data_10.0044 0.0037*data_20.0002 0.0001*lnsize0.1472 0.1090 0.1476 0.1093 SOE0.08680.07380.08610.0732lnprofit0.0629 0.0611 0.0627 0.0610 capital0.03740.07450.03900.0755lev0.5176 0.4925 0.5160 0.4912 roa1.1012 0.9753 1.1033 0.9765 lngdp0.00420.00130.00180.0032lnroad0.03300.03150.03280.0312固定效应YesYesYesYes样本量10,80010,80010,80010,800adj.20.0860.0630.0860.063F 值31.6628.9531.7328.95注:、和*分别表示估计系数在 0.01、0.05 和 0.10 水平上显著。其中，企业年龄在回归中共线，因此此处无展示。回归采用稳健标准误并聚类至企业层面。限于篇幅，稳健标准误未在文中列出，感兴趣的读者可联系作者索取完整表格。下同。资料来源:作者自制。五、稳健性检验(一)双重差分倾向得分匹配(PSM-DID)估计本文将地方政府是否上线数据开放平台作为准自然实验，比较上线数据开放平台的地区和没有上线数据开放平台的地区的企业上线前后全要素生产率的821公共行政评论20232变化，最终得到政府数据开放对经济发展质量的影响。在经济发展水平更高的地区，地方政府在上线数据开放平台时会有更高的财政和技术支持，更加容易上线数据开放平台。因此，本文先使用倾向得分匹配方法(PSM)，选择与上线数据开放平台地区的企业相似的对照组，然后再利用多期双重差分法(Time-varying DID)，估计得到上线数据开放平台对企业全要素生产率的影响。本文参考刘晔等(2016)使用非替代性的一对一最近邻匹配方法。通过 PSM 估计，本文得到了处理组和对照组共 1060 家企业，并使用匹配后的样本进行多期 DID 估计，构建如下多期 DID 模型:TFPi，j，c，t=0+1Dc，t 1+1Zi，j，c，t+2Xc，t+i+j+t+i，j，c，t(2)式(2)中，Dc，t 1为组别虚拟变量与时间虚拟变量的交互项。对于处理组而言，若第 t 1 年在城市 c 上线数据开放平台时点之前，则 Dc，t 1为 0，之后则Dc，t 1为 1。对于对照组而言，Dc，t 1为 0。图 1 展示了全要素生产率为被解释变量的平行趋势检验结果。为了避免多重共线性，本文将上线数据开放平台前一年作为基准期去除。结果显示，样本通过了平行趋势检验，满足了双重差分的基本假定。同时，我们也可以从图中看出，数据开放平台上线对企业全要素生产率的影响具有迟滞性。图 1平行趋势检验资料来源:作者自制。921中国地方政府数据开放与经济发展质量图 1 以 OP 法计算全要素生产率。LP 法计算的平行趋势检验结果与图 1 相似，由于篇幅限制，此处没有展示，感兴趣的读者可联系作者索取。(二)优质数据集的不同度量方式在上述研究中，本文将各城市各年份下载量排名前 1%且下载量大于 0 的数据集定义为优质数据集。为使结论更加具有一般性和说服力，以下将优质数据集的定义扩大到各城市各年份下载量排名前 5%且下载量大于 0 的数据集，用于稳健性检验。表 3 的列(1)和列(2)报告了 PSM-DID 的估计结果，可以发现 Dc，t 1的估计系数符号为正，而且在 5%的水平上显著。这表明地方政府数据开放提高了企业全要素生产率。表 3 的列(3)和列(4)是将优质数据集(data_1)定义为下载量排名前 5%且下载量大于 0 的数据集的回归结果。回归结果显示，在这一定义下，优质数据集数量的增长同样能够加快企业全要素生产率的提升，进一步验证了前文的结论。表 3地方政府数据开放与企业全要素生产率:稳健性检验PSM-DID替换度量方式城市层面检验(1)(2)(3)(4)(5)(6)data_10.0008*0.0007*0.0239*data_20.0010 Dc，t 10.0334 0.0351 控制变量YesYesYesYesYesYes固定效应YesYesYesYesYesYes样本量4,2934,29310,80010,8001,2371,237adj.20.9630.9390.0860.0630.7670.767F 值54.8437.7731.6528.93515.7527.6注:、和*分别表示估计系数在 0.01、0.05 和 0.10 水平上显著。资料来源:作者自制。(三)城市层面的再检验部分城市上市公司数量较少，以上市公司的全要素生产率衡量城市的经济发展质量对于这些城市可能不够全面。为检验回归结果的可靠性，本文使用20152019 年城市的全要素生产率作为经济发展质量的度量。本文采用基于超越对数生产函数的随机前沿分析法(SFA)对城市层面的全要素生产率进行计算。其中，城市名义 GDP 以所在省份的 GDP 平减指数进行平减，劳动力指标采用的是全社会从业人员，资本存量指标以永续盘存法进行计算(余泳泽等，2019)。由此，本文构建如下模型:031公共行政评论20232TFPc，t=0+1datac，t 1+1Xc，t+c+t+c，t(3)式(3)中，下标 c 为城市，t 为时间，c、t分别表示城市、年份固定效应。因变量 TFPc，t为城市 c 第 t 年全要素生产率的变化量。参考赵涛等(2020)，城市层面的控制变量 Xc，t除了包括实际人均 GDP(lngdp)和城市实有铺装道路面积(lnroad)外，还包括财政分权度(Finadp)、外商投资(FDI)、城市化水平(Urban)和金融发展水平(Finance)。回归结果如表 3 的列(5)和列(6)所示。由列(5)和列(6)可知，地方政府数据开放推动了城市全要素生产率的增长，证实了地方政府数据开放对经济发展质量的提升作用。六、机制分析在机制检验中，本文主要从降低资金供求双方的信息不对称程度和减少企业的创新成本这两方面探究地方政府数据开放影响企业全要素生产率的作用机制。(一)地方政府数据开放与信息不对称为了验证 H2 的内容，本文借鉴于蔚等(2012)的方法，利用国泰安数据库中的日个股回报率和交易量，构造证券市场上知情交易者与其他交易者关于企业价值的信息不对称程度指标 ASY，来捕捉资金供给方与企业之间的信息不对称程度。本文参照基准回归模型，构建如下模型:ASYi，j，c，t=0+1datac，t 1+1Zi，j，c，t+2Xc，t+i+j+t+i，j，c，t(4)式(4)中，信息不对称程度的变化量 ASYi，j，c，t为被解释变量。在城市控制变量 Xc，t部分，本文除了控制实际人均 GDP 的对数(lngdp)和城市实有铺装道路面 积 的 对 数(lnroad)外，还 控 制 了 城 镇 私 营 和 个 体 从 业 人 员 的 对 数(lnpeo)、互联网宽带接入用户数的对数(lnnetwork)和财政支出的对数(lnexp)三个变量。(二)地方政府数据开放与企业创新由于创新成本难以衡量，本文将在这一节通过验证地方政府数据开放提高企业创新能力，来间接证明地方政府数据开放降低企业创新成本。以往文献多用企业的专利申请总数作为企业创新能力的代理变量(温军、冯根福，2012;王永钦等，2018)，因此本文同样将企业专利申请总数作为企业创新能力的重要衡量标准。其中，企业专利申请数据来源于国泰安数据库。131中国地方政府数据开放与经济发展质量本文参照基准回归模型和以往研究企业创新的文献(王永钦等，2018)，构建如下模型:lnTotalPatenti，j，c，t=0+1datac，t 1+1Zi，j，c，t+2Xc，t+i+j+t+i，j，c，t(5)式(5)中，企业申请专利总数的对数 lnTotalPatenti，j，c，t为被解释变量。控制变量与上一节相同。表 4 的列(1)和列(2)为信息不对称机制的回归结集。结果显示，在其他条件不变的情况下，无论是优质数据集数量还是经贸工商主题数据集数量的增长，都能够抑制资金供求双方信息不对称程度的提高。这支持了我们的猜想 地方政府数据开放水平提高，会缓解资金供给方与企业的信息不对称问题，促进企业全要素生产率提升。表 4 的列(3)和列(4)呈现了企业创新机制的回归结果。结果显示，在其他条件不变的情况下，无论是优质数据集数量还是经贸工商主题数据集数量的增长，都能够有效促进企业创新能力的提升。这支持了我们的猜想 地方政府数据开放水平提高，会降低企业创新成本，提高企业创新能力，促进企业全要素生产率的提升。表 4地方政府数据开放与企业全要素生产率:机制分析信息不对称企业创新(1)(2)(3)(4)data_10.0665 0.0264*data_20.0013 0.0009*控制变量YesYesYesYes固定效应YesYesYesYes样本量8,0308,0305,4405,440adj 20.0150.0150.6890.689F 值4.524.732.342.39注:、和*分别表示估计系数在 0.01、0.05 和 0.10 水平上显著。资料来源:作者自制。七、进一步分析(一)分样本:按照企业所有制类型划分考虑到不同所有制类型的企业对地方政府数据开放平台上的数据利用程度可能不同，本文根据国泰安数据库中的中国上市公司贷款数据库关于公司性质的界定，将样本划分为国有企业和非国有企业两个样本。表 5 展示了对于不同231公共行政评论20232所有制企业，地方政府数据开放对全要素生产率的异质性影响。如表 5 所示，对于国有企业样本，地方政府数据开放程度的加深是推动企业全要素生产率上升的重要推手;对于非国有企业样本，地方政府数据开放并没有有效提升企业的生产率，地方政府数据开放程度的系数均不显著。回归结果反映了非国有企业未能充分利用地方政府数据开放平台中的数据，国有企业则利用政府数据开放平台中的数据有效提升了自身的生产率水平。一方面，这一结果体现了非国有企业利用政府开放数据存在不足，缺乏对政府开放数据的认知;另一方面，这也体现了在目前数据开放的初期，地方政府未能充分开放满足非国有企业需求的数据。表 5异质性影响:按所有制划分国有企业非国有企业国有企业非国有企业(1)(2)(3)(4)data_10.0045*0.0040data_20.0002 0.0001控制变量YesYesYesYes固定效应YesYesYesYes样本量9,8778769,877876adj.20.0850.1140.0850.114F 值34.604.7034.754.46注:、和*分别表示估计系数在 0.01、0.05 和 0.10 水平上显著。资料来源:作者自制。(二)分样本:按照企业创新策略划分本文按照企业创新策略划分了两个样本，分析地方政府数据开放对企业全要素生产率的异质性影响。本文使用研发投入与营业收入之比衡量企业的研发投入强度。高于行业平均研发投入强度的企业定义为高创新策略企业，低于行业平均研发投入强度的企业定义为低创新策略企业(徐飞，2019)。对于不同创新策略的企业，地方政府数据开放对全要素生产率的异质性影响如表 6 所示。回归结果显示，对于高创新策略企业，地方政府数据开放能够显著提升企业全要素生产率;对于低创新策略企业，地方政府数据开放不能显著提升企业全要素生产率。表 6 的回归结果显示了政府数据开放对高创新策略企业生产率的提升作用。331中国地方政府数据开放与经济发展质量表 5 以 OP 法计算全要素生产率。以 LP 法计算全要素生产率的回归结果与表 5 相似，由于篇幅限制，此处没有展示，感兴趣的读者可联系作者索取。表 6 以 OP 法计算全要素生产率。以 LP 法计算全要素生产率的回归结果与表 6 相似，由于篇幅限制，此处没有展示，感兴趣的读者可联系作者索取。高创新策略企业是国家创新的主体。推动高创新策略企业生产率的提升，是保证国家持续创新的重要举措。这一回归结果说明，地方政府开放数据降低了高创新策略企业的创新成本，推动了高创新策略企业全要素生产率的提升，进一步佐证了前文机制分析中证明的地方政府开放数据对企业创新的积极影响，为地方政府持续开放数据提供了进一步的理论支持。表 6异质性影响:按企业创新策略划分高创新企业低创新企业高创新企业低创新企业(1)(2)(3)(4)data_10.0075 0.0016data_20.0002*0.0000控制变量YesYesYesYes固定效应YesYesYesYes样本量4,3514,3924,3514,392adj.20.1440.1140.1430.113F 值15.2413.0014.9312.99注:、和*分别表示估计系数在 0.01、0.05 和 0.10 水平上显著。资料来源:作者自制。八、总结与讨论本文首次利用爬虫工具获取了中国地方政府数据开放程度的数据，并且结合了 20152019 年中国 A 股上市公司的微观数据和城市层面的宏观数据，宏微观衡量经济发展质量，通过实证分析证明了中国地方政府数据开放会促进经济发展质量的提升。本文探究这背后的作用机制，得到了以下两个结论:一是地方政府数据开放降低了资金供给方与企业之间的信息不对称程度，从而提高了企业的生产率;二是地方政府数据开放减少了企业获取外部知识的创新成本，从而促进了企业生产率的提高。进一步分析发现，相对于非国有性质、低创新策略的企业，地方政府数据开放对国有性质、高创新策略的企业生产率的影响更强。本文对加强地方政府数据开放平台建设、提高经济发展质量具有鲜明的政策含义。首先，要持续推动数据开放平台发展，促进开放数据数量和质量的双重提升。现阶段应鼓励目前未建立但有条件建立数据开放平台的地方政府建设有自己城市特色的数据开放平台，吸引企业对开放数据进行利用。对已经建立数据开放平台的政府，应提高开放数据的数量，开放更多来自不同业务部门、不同主题的数据集，促进多个领域的数据集之间的融合利用