数据要素市场化配置赋能经济高质量发展的逻辑机理与优化路径

摘要：数据作为新型生产要素，正深刻改变生产方式、生活方式与治理方式，成为驱动数字经济与高质量发展的重要引擎。本文基于要素理论、制度经济学与内生增长理论，系统阐释了数据要素区别于劳动、资本、土地等传统要素的技术经济特征，包括非竞争性、非排他性、规模报酬递增、边际成本趋零与强外部性等，指出数据要素市场化配置是打破数据孤岛、释放数据价值、推动经济高质量发展的关键环节。文章构建了数据要素市场化配置作用于经济高质量发展的分析框架，从提高全要素生产率、优化要素结构、培育新产业新业态新模式、促进收入分配与区域协调等维度阐释其赋能机理，并考察了我国数据要素市场化配置在产权界定、流通交易、定价估值、收益分配、安全治理等环节的进展与矛盾。研究发现，数据产权制度不健全、流通交易规则缺失、定价估值困难、安全隐私约束趋紧以及公共数据开放不足是当前的主要短板。据此，本文从完善数据产权制度、健全数据要素市场基础制度、构建多层次数据交易流通体系、创新定价与收益分配机制、强化数据安全与隐私治理、推动公共数据规范开发利用等方面提出系统对策。研究认为，应在确权、流通、定价、治理各环节协同推进数据要素市场化改革，促进有效市场与有为政府更好结合，使数据要素真正流转起来、高效配置，为实现经济高质量发展提供持续的数字动能。

关键词：数据要素；市场化配置；数字经济；高质量发展；全要素生产率

一、引言

数据是数字经济时代最活跃、最具潜力的新型生产要素。随着数智化浪潮席卷全球，数据已深度融入生产、分配、流通、消费各环节，对提升全要素生产率、重塑产业结构、创新商业模式产生深远影响。中央明确提出“加快建立数据要素基础制度、健全数据要素市场化配置机制”，将数据要素市场化配置上升为国家战略。在高质量发展成为时代主题、要素红利亟待重塑的背景下，深入研究数据要素市场化配置的理论逻辑与现实路径，具有重大理论价值与实践意义。

从理论层面看，传统的经济增长理论主要关注劳动、资本、土地等有形要素的积累与配置，数据要素的引入为发展经济学与技术经济学提出了新的命题。内生增长理论强调知识、人力资本与技术进步的报酬递增性质，而数据作为知识的数字化载体，具有明显的报酬递增与外部性特征，其在经济增长中的作用机制尚待系统阐释。从实践层面看，我国数字经济规模庞大，但数据要素的市场化程度依然不高，存在大量数据处于“沉睡”状态、“用之不尽、接之不及”的矛盾，数据产权不清、流通规则缺失、定价估值困难、安全顾虑重重等瓶颈突出。破解这些难题，把庞大的数据资源转化为高质量发展的现实生产力，成为亟待回答的时代课题。

本文研究的理论意义在于：将数据要素的技术经济特征与市场化配置的体制机制相结合，构建数据要素价值实现的系统分析框架；实践意义在于：立足我国数据要素市场化配置的探索实践，梳理堵点、找准症结，提出具有可操作性的对策建议，服务数字中国与高质量发展战略。

二、文献综述

（一）国外研究动态

国外学界对数据要素与数字经济的关注呈现快速上升趋势。从数据的经济属性来看，经济学家多强调数据的非竞争性与非同质性。琼斯与托内蒂（Jones and Tonetti, 2020）在《非竞争性商品的经济学》中系统讨论了对非竞争性数据的最优使用问题，指出数据的非竞争性使其可以被无限多人同时使用而不损及他人，这从根本上区别于土地、机器等竞争性要素，也决定了数据治理政策设计的独特性。法雷尔与纽伯格（Farrell and Newman）等则从安全与地缘角度分析跨境数据流动的国家间博弈。

在数据价值实现方面，艾因弗（Einav）与莱文（Levin）强调数据在市场设计、价格发现与个性化服务中的作用，指出更好地利用数据能够提升市场效率并创造新的商业价值。伯格曼（Bergemann）与博尼（Bonatti）则系统研究了数据交易与广告市场的定价问题，揭示了数据买卖双方在信息不对称条件下的定价难题。在数据与增长的关系上，戈德法布与塔克（Goldfarb and Tucker）的综述指出，数据对经济的长期影响取决于数据可得性与分析能力的结合，大数据降低了“发现、匹配、交易”等活动的成本，从而提升生产效率。

围绕数据垄断与数字平台规制，蒂罗尔（Jean Tirole）、罗切特（Jean-Charles Rochet）等对双边市场与平台经济的理论贡献，为理解数据要素在平台生态中的集聚与支配作用提供了分析工具，也为数据反垄断提供了理论依据。总体来看，国外研究重视数据的技术经济属性与经济机理，但对中国情境下数据要素市场化配置的制度设计关注不足。

（二）国内研究现状

国内学界对数据要素的研究近年来急剧升温，形成若干有代表性的研究脉络。其一，关于数据要素属性与价值。江小涓等系统论述了数字技术与数据要素对服务业创新、消费升级和生产率提升的作用，指出数据要素具有规模效应与范围效应；谢康等从数据要素的非竞争性与可复制性出发，讨论其在赋能实体经济中的机理与边界。其二，关于数据要素市场化配置与制度供给。黄益平强调数据要素市场建设需要产权、流通、定价、分配等基础制度配套，提出“以用促建、以交易促流通”的推进思路；戚聿东、肖旭等从数据要素收益分配与监管治理角度，探讨数据要素市场化的边际制度设计。

其三，关于数据产权与确权。针对数据“归谁所有、由谁使用”的难题，学界提出数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的产权运行机制，这一制度设计被写入相关改革文件，成为重要的理论创新。其四，关于数据要素与高质量发展的实证研究。部分学者利用省级面板数据，通过计量模型检验数据要素投入、数字经济发展对全要素生产率与经济结构升级的正向影响，但受限于数据要素的测度困难，相关实证结论仍待进一步丰富。

综合来看，国内外研究为理解数据要素价值提供了坚实基础，但多数研究聚焦单一环节（例如产权、定价或监管），对数据要素市场化配置与高质量发展之间全链条、机制性的阐释尚显不足；对“确权—流通—定价—治理”各环节的内在关联与系统集成缺乏整体把握。本文正是在此基础上，尝试构建一个涵盖数据要素价值实现全过程的分析框架。

三、理论基础与概念界定

（一）数据要素的定义与技术经济特征

数据要素是指在经济活动中被采集、整理、加工并能够创造价值的数字化信息和记录。依据《关于构建数据基础制度更好发挥数据要素作用的意见》，数据可分为公共数据、企业数据与个人数据等类型。与传统生产要素相比，数据要素具有鲜明而独特的技术经济特征，这些特征决定了其市场化配置的特殊逻辑。

一是非竞争性。与土地、机器等竞争性要素不同，一个主体使用数据并不阻止他人同时使用同一数据，即数据可被无限复制与共享。非竞争性意味着数据存在明显的规模报酬递增潜力，但也带来了“搭便车”与价值实现障碍。二是非排他性。数据一经产生，往往难以完全排除他人的使用，若缺乏有效产权与安全技术安排，容易导致被任意复制、滥用，削弱供给激励。三是边际成本趋零与可复制性。数字技术使数据的复制与分发成本极低，形成“生产固定成本高、边际复制成本趋零”的成本结构，这与传统要素的边际成本递增截然不同。四是规模报酬递增与网络外部性。数据的价值往往随其规模、维度和关联度增长而增强，数据的汇集能够产生显著的协同效应与网络效应，这也解释了平台经济为何倾向于大规模积累数据。五是强外部性。数据的使用不仅影响数据生产者，还对他人与社会产生外溢影响，既包括信用、推荐等正面外部性，也包括隐私泄露、算法歧视等负面外部性。六是异质性与场景依赖性。同一份数据在不同场景中价值差异悬殊，数据价值难以脱离具体使用场景进行统一衡量，这加剧了定价的复杂性与不确定性。

（二）理论基础：要素理论、制度经济学与内生增长理论

数据要素市场化配置的理论根基可从三个维度把握。

其一，马克思政治经济学中的生产力与生产关系理论。马克思指出，生产要素的积累与合理配置是社会生产力发展的重要条件，而生产关系的调整必须适应生产力的发展要求。数据作为新的生产力要素，要求生产关系（即产权制度、收入分配制度、监管制度）作出适应性调整，这正是数据基础制度建设的理论依据。

其二，科斯开创的交易成本理论。数据要素的有效配置同样面临高昂的交易成本，包括搜寻、谈判、确权、履约、隐私保护等成本。当产权界定不清、流通规则缺失时，数据交易的成本过高，阻碍了数据的市场化配置。因此，建立清晰的产权制度、构建规范透明的交易平台与规则，正是降低数据交易成本、促进数据流通的关键。

其三，以罗默（Paul Romer）为代表的内生增长理论。内生增长理论强调知识、技术与人力资本的内生积累是实现长期经济增长的源泉，知识具有非竞争性并产生报酬递增。数据作为知识的数字化形态，其对增长的贡献同样体现为内生技术进步与全要素生产率的提升，这为理解数据要素对高质量发展的赋能作用提供了增长理论的支撑。此外，制度变迁理论（诺斯）提醒我们，数据要素市场的建立需要有效的制度供给与渐进式变迁，以避免制度真空与无序竞争。

（三）数据要素市场化配置的内涵

数据要素市场化配置，是指以市场在数据资源配置中起决定性作用为基础，同时更好发挥政府作用，通过明晰产权、健全流通、合理定价、规范收益分配与有效治理，使数据要素能够按照价值规律在各类主体和领域之间自由流动、高效配置、充分增值的过程。它并非简单地把数据等同于商品一卖了之，而是涵盖确权、登记、评估、定价、交易、流通、收益分配、安全治理等全链条的制度安排与市场机制。

数据要素市场化配置的核心目标有三：一是提高数据配置效率，促进数据向高价值场景与创新主体集聚，减少数据资源的闲置与浪费；二是保障数据要素收益的合理分配，调动各类主体采集、加工、使用数据的积极性；三是在释放数据价值的同时维护数据安全与个人隐私，实现效率与安全的动态平衡。

四、分析框架：数据要素市场化配置赋能高质量发展的作用机制

（一）提高全要素生产率

数据要素最直接的经济贡献在于提升全要素生产率。一方面，数据的采集、整理与分析能够减少生产过程中的信息不对称，优化资源配置决策，提升资本与劳动的使用效率；另一方面，人工智能、机器学习的广泛应用建立在海量高质量数据基础之上，数据成为智能算法迭代升级的“燃料”，推动生产系统的智能化、柔性化与精准化。实证与案例分析表明，率先完成数据驱动的企业往往在库存周转、成本控制、产品研发周期等方面具有显著优势，进而带动整体生产率的提升。

（二）优化要素结构与产业结构

数据要素市场化配置能够重塑要素结构与产业结构。一是数据与传统要素的融合，能够提升劳动、资本、土地等存量要素的配置效率，形成“数据+劳动”“数据+资本”“数据+制造”的叠加效应；二是数据要素催生了数字经济核心产业（如软件服务、电子信息制造、人工智能）的扩张，并推动传统产业的数字化转型与服务化升级；三是数据要素降低了信息搜寻与匹配成本，促进商业模式的创新，催生平台经济、共享经济等新业态，使产业结构向高级化、合理化方向演进。

（三）培育新动能与促进创新

数据要素是创新的重要源泉。在微观层面，企业依托数据分析洞察市场需求、改进产品服务、开展精准营销，缩短创新链条并提高创新成功率；在宏观层面，数据要素的开放共享促进了产学研合作与知识溢出，为全社会创新活动提供了公共知识基础设施。数据要素的非竞争性决定了其共享使用能够产生更大的社会福利，通过数据资源化、资产化，能够激活隐匿在海量数据中的创新潜能，为培育新质生产力、塑造发展新优势注入持久动能。

（四）促进协调发展与分配公平

数据要素市场化配置还具有协调与分配效应。一是区域协调方面，数字基础设施与数据要素的流动能够缩小城乡、区域之间的“数字鸿沟”，使中西部与农村地区也有机会分享数字经济红利，实现“数据流通促均衡”；二是分配公平方面，合理的数据要素收益分配制度有助于让数据资源的贡献者获取合理报酬，缩小因数字化程度不同而产生的新的收入差距。当然，若治理缺失，数据也可能加剧“信息茧房”、算法歧视与垄断，需通过制度设计加以矫正。

综上，数据要素市场化配置通过提升生产率、优化结构与产业、培育创新、促进协调分配四条机制共同赋能经济高质量发展，形成“要素激活—配置优化—增长提质—发展协调”的动态逻辑。要充分发挥这些机制，必须在确权、流通、定价、治理各环节提供制度保障，这正是本文后续分析的重点。

五、我国数据要素市场化配置的现状分析

（一）总体进展

近年来，我国数据要素市场化配置改革稳步推进，政策框架加快构建。2020年，数据被正式列入生产要素范畴，标志着数据要素地位的制度确立；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》（以下简称“数据二十条”）出台，确立了数据产权、流通交易、收益分配、安全治理四方面的基础制度框架；2023年，国家数据局挂牌成立，统筹推进数据要素市场化配置与数字中国建设。可以说，我国数据要素市场化配置已从宏观部署进入制度建设与落地实施并重的阶段，各地数据交易机构、数据产业园区、数据要素综合试验区等载体不断涌现，初步形成多区域、多层次的探索格局。

（二）数据产权与基础制度

在数据确权方面，我国创新性地提出建立数据资源持有权、数据加工使用权、数据产品经营权“三权分置”的数据产权制度，突破了对数据所有权作单一界定的理论困境，为数据流通与交易提供了制度依据。在数据登记方面，多地探索开展数据资产登记、数据知识产权登记试点，推动数据从“资源”向“资产”转化。在数据资产评估与入表方面，财政部发布《企业数据资源相关会计处理暂行规定》，推动数据资源作为资产纳入企业财务报表，数据资产化进程迈出实质性步伐。此外，数据要素综合试验区、数据资产化试点在若干地区先行先试，为全国性制度完善积累了经验。

（三）流通交易与平台建设

在数据交易方面，全国范围内的数据交易市场加快布局，深圳、上海、北京、贵阳、广州等地相继设立数据交易所，探索场内集中交易与场外合规流通相结合的模式。各类数据交易机构在数据产品挂牌、交易撮合、结算交付等环节积累了一定的实践经验，部分交易所已在公共数据授权运营、行业数据专区等方面取得突破。但总体来看，场内交易规模仍然偏小、活跃度不足，与庞大的数据资源存量相比反差明显，大量数据仍通过场外点对点方式流动，交易的规范化、标准化程度有待提高。在公共数据方面，各级政府积极推进公共数据开放共享，政务数据平台的互联互通水平不断提高，但公共数据的开发利用深度仍显不足，数据“供不出来、用不起来、流不动”等问题突出。

（四）区域与行业结构特征

从区域看，数据要素市场化配置呈现东强西弱、城市集聚的特征，东部发达地区和中心城市在数据交易所布局、数据产业集聚、应用场景丰富度方面走在前列，而中西部地区面临算力基础、数据资源与专业人才等方面的短板，数据要素市场建设相对滞后；从行业看，金融、政务、医疗、制造等领域的数据要素化进程较快，积累了较为丰富的应用案例，而农业、中小企业等领域的数字化转型与数据要素化相对滞后，数据领域的“城乡差距”“行业差距”仍然存在。从时间维度看，我国数据要素市场化配置大体经历“概念提出—试点探索—制度建设—纵深推进”的演进阶段，正处于由探索期向深化期转换的关键节点，市场化配置的整体效能仍有较大提升空间。

六、问题与成因分析

（一）主要问题

对照高质量发展要求，我国数据要素市场化配置仍面临以下突出矛盾。

第一，数据产权制度尚未完全落地。尽管“三权分置”提供了理论框架，但在具体操作层面，数据权属的界定、登记机构的职责、权利转让的规则仍不清晰，数据资产的确权、登记、入表面临标准不统一、程序不规范等障碍，导致大量数据产权不明，制约了流通与交易。

第二，数据流通交易规则与基础设施不健全。全国层面缺乏统一的数据交易规则、技术标准与监管框架，各类数据交易所标准不一、互联互通不足，形成“数据孤岛中的交易所孤岛”；数据定价机制尚不成熟，缺乏公认的数据估值方法与基准价格，价格发现功能难以有效发挥，制约了交易规模的扩大。

第三，数据收益分配机制有待完善。数据要素的贡献者在收益分配中的地位与权益缺乏清晰界定，数据生产者、加工者、使用者与平台企业之间的利益分配不均衡，数据价值高度依赖平台与算力设施，容易形成“算法与数据收益分配失衡”的问题，既挫伤数据供给方的积极性，也不利于调动多方共同参与数据要素市场建设的主动性。

第四，数据安全与隐私保护面临两难。数据流通与隐私保护、国家安全之间存在张力，如何在促进数据要素流动的同时有效防范数据泄露、跨境数据风险和算法安全风险，是当前治理的难点。数据“不敢流通、不愿流通”的心理在部分主体中依然存在，尤其随着个人信息保护法、数据安全法等法律的实施，合规成本有所上升。

第五，公共数据开放与开发利用不足。公共数据是规模最大、价值最高的数据资源之一，但受体制、技术、安全等因素制约，公共数据的开放共享与实际开发利用仍有较大提升空间，未能充分发挥其公共价值与带动作用，公共数据授权的运营机制与收益分配安排尚在探索之中。

（二）成因剖析

上述问题的成因是多方面的。

从制度层面看，数据要素市场尚处起步阶段，法律法规体系不健全，部门规章之间缺乏有效衔接，数据确权、交易、跨境流动等领域的制度供给明显滞后于实践发展；数据作为新型生产要素的独特属性，也使得传统适用于有形要素的产权与交易制度难以直接套用，增加了制度设计的难度。数据的非排他性与场景依赖性，使得“一刀切”的规则难以兼顾不同场景的差异化需求。

从技术层面看，数据价值的度量与定价高度依赖具体场景，缺乏成熟的评估模型与标准方法；数据安全关键技术（如隐私计算、区块链存证、联邦学习）的成熟度与普及度仍有不足，增加了流通的技术与合规成本；跨部门、跨层级的数据标准不一致，阻碍了数据的互融互通，制约了规模化流通。

从主体层面看，市场主体参与数据要素市场的积极性与能力存在差异，数据供给方因产权不明与安全顾虑而不愿共享，数据需求方因定价不清与质量参差而不愿交易；地方政府在推动数据开放时面临考核动力不足、风险责任顾虑等约束，影响了公共数据开放的推进力度。

从治理层面看，数据要素市场涉及数据管理部门、网信部门、行业主管等多头监管，职责边界存在交叉，监管的协同性与统一性不足；数据交易的场内场外并存、线上线下结合，也给有效监管带来挑战，客观上增加了市场运行的不确定性。上述多重因素相互交织，共同构成了数据要素市场化配置深入推进的现实约束。

七、优化路径：协同推进数据要素市场化配置

（一）健全数据产权制度，夯实确权基础

数据产权是市场化配置的前提。其一，加快落地“数据资源持有权、数据加工使用权、数据产品经营权”三权分置运行机制，细化各类权利的内涵、边界与行使规则，明确权利登记、变更与保护程序，切实解决“归谁所有、如何行使”的问题。其二，建立全国统一规范的数据资产登记体系，明确登记主体、范围与效力，推动数据资产与数据产品登记在跨地区、跨部门之间互认，防止重复登记与标准冲突。其三，推动数据资产入表与评估规则的标准化，完善数据资产评估的方法体系与行业准则，为数据定价、质押融资与入市交易提供价值基础。其四，分类施策区分公共数据、企业数据与个人数据，对公共数据强调开放、对企业数据强调依法保护与有序流通、对个人数据强调严格保护前提下的合理使用，实现不同数据类型的差异化治理。

（二）完善数据流通交易规则，构建多层次市场体系

流通交易是数据价值实现的通道。一是建立全国统一的数据交易规则与技术标准，统一数据产品的登记、挂牌、审核、交易、结算、交付等环节的操作规范，推动各地数据交易所互联互通、协同发展，避免重复建设与规则割裂。二是构建场内集中交易与场外合规流通相结合、融合“数据交易+数据服务”的多层次市场体系，发挥数据交易所的价格发现、信息披露与履约保障功能，同时规范场外点对点交易，实现场内场外有序衔接。三是培育数据服务生态，发展数据评估、确权、清洗、标注、托管、交易撮合等专业服务机构，为数据供需双方提供全链条服务，降低数据流通的交易成本。四是推动公共数据授权运营，探索“原始数据不出域、数据可用不可见”的开发利用模式，在保障安全的前提下释放公共数据价值。

（三）创新数据定价与收益分配机制

定价与分配是数据要素市场的激励核心。在定价方面，综合运用成本法、收益法、市场法等估值方法，探索适应数据非竞争性与场景依赖性的定价模型，鼓励数据交易所开展参考价格与指数发布，提高价格信号的透明度和参考价值；依托隐私计算等技术探索按使用价值、按调用次数与贡献度动态定价的灵活机制。在收益分配方面，坚持以实际贡献和数据使用效果为主要依据，合理界定数据资源持有者、开发者、加工者、使用者以及平台企业的权益分配比例，让数据要素的贡献者能够公平分享数据红利；同时注重数据要素收入的初次分配与再分配调节，防止数据收益的过度集中，促进数据红利在城乡、区域与不同群体间更公平地分享。

（四）强化数据安全与隐私治理

安全高效是数据要素市场化配置的底线。一是落实数据安全法、个人信息保护法、网络安全法等法律法规，明确数据流通中的安全责任边界，构建“数据分类分级+安全管理+技术防护”的综合防线；二是加快大数据中心、算力基础设施与数据安全关键技术（隐私计算、联邦学习、区块链存证、数据沙箱）的研发与推广应用，推动“数据可用不可见、可控可计量”，从技术上缓解数据流通与安全的矛盾；三是规范数据出境管理，在保障国家安全与重要数据安全的前提下，依法有序促进数据跨境流动，服务开放型经济；四是加强数据要素市场参与者的信用管理与风险监管，建立数据交易黑名单与失信惩戒机制，营造诚实守信的市场环境。

（五）推动公共数据开放与数字人才建设

公共数据开放是数据要素市场化配置的重要牵引。一方面，健全公共数据开放共享制度，制定公共数据开放目录与负面清单，明确开放的责任主体、范围、方式与更新机制，推动高价值公共数据（如交通、气象、医疗、信用等）广泛开放；另一方面，加强数据要素市场人才培养与学科建设，培养数据采集、治理、分析、交易、安全等多层次专业人才，为数据要素市场化配置提供智力支撑。同时，深化区域协同，在中西部地区布局数据要素产业载体与算力基础设施，缩小数据要素市场建设的区域差距，促进数据要素在全国范围内高效配置。

八、结论与展望

本文系统考察了数据要素市场化配置赋能经济高质量发展的逻辑机理与优化路径。研究表明，数据要素具有非竞争性、非排他性、规模报酬递增与强外部性等技术经济特征，市场化配置是其价值实现的关键。数据要素通过提高全要素生产率、优化要素与产业结构、培育新动能与创新、促进协调发展与分配公平等机制，全方位赋能经济高质量发展。当前，我国数据要素市场化配置在产权制度、流通平台、定价机制等方面取得初步进展，但仍存在产权不清晰、流通规则缺失、估值定价困难、安全治理两难、公共数据开放不足等问题，其成因涵盖制度、技术、主体与治理多个层面。为此，应协同推进数据产权制度健全、流通交易体系完善、定价与分配机制创新、安全与隐私治理强化以及公共数据开放开发，形成数据要素市场化的系统合力。

展望未来，随着数据基础制度的加快构建与数字技术的迭代升级，数据要素市场化配置将进入提质增效的关键阶段，数据要素对经济增长的贡献有望进一步提升，成为培育新质生产力、推动高质量发展的核心动力。需要指出的是，数据要素市场化改革是一项复杂系统工程，须坚持系统观念，统筹发展与安全、效率与公平、市场与政府的关系，在先行先试中积累经验、稳步推广。后续研究可进一步建立数据要素投入与增长的量化测度体系，运用微观调查与宏观面板数据开展严谨的计量检验，深化对数据要素配置效率、收益分配与区域协调效应的实证研究，为完善数据要素市场制度提供更加坚实的学理支持。

参考文献

[1] 中共中央、国务院. 关于构建数据基础制度更好发挥数据要素作用的意见[Z]. 2022-12-19.

[2] Jones C I, Tonetti C. Nonrivalry and the Economics of Data[J]. American Economic Review, 2020, 110(9): 2819-2858.

[3] Goldfarb A, Tucker C. Digital Economics[J]. Journal of Economic Literature, 2019, 57(1): 3-43.

[4] Einav L, Levin J. The Data Revolution and Economic Analysis[J]. Innovation Policy and the Economy, 2014, 14(1): 1-24.

[5] Romer P M. Endogenous Technological Change[J]. Journal of Political Economy, 1990, 98(5): 71-102.

[6] Bergemann D, Bonatti A. Markets for Information: An Introduction[J]. Annual Review of Economics, 2019, 11: 85-107.

[7] 江小涓，靳景. 数字技术改进经济增长的方式与结果[J]. 管理世界, 2022, 38(1): 5-21.

[8] 黄益平. 数据要素市场化配置的若干问题[J]. 国际经济评论, 2020(6): 9-22.

[9] 戚聿东，肖旭. 数字经济时代的企业管理变革[J]. 管理世界, 2020, 36(6): 135-152.

[10] 谢康，夏正豪，肖静华. 大数据驱动产业创新的机理与路径[J]. 中国工业经济, 2020(5): 60-78.

[11] 刘鹤主编. 高质量发展：迈上新征程的中国经济[M]. 北京：中国财政经济出版社，2019.