打开文本图片集

摘要：通过实证分析方法，结合定量和定性数据，详细分析数据要素市场培育过程中技术、政策与市场之间的互动关系，深入探究三者之间的相互作用及其对市场培育的影响。研究发现，技术的发展为数据要素市场提供了强大的动力，不仅推动了数据处理和分析能力的提升，还催生了新的数据应用和服务模式。同时，政策在市场的培育过程中起到了关键的引导和调控作用，通过制定有针对性的政策措施，为市场的健康发展提供了制度保障。市场作为技术和政策实施的载体，其活跃度和竞争力直接影响着技术和政策的实施效果，三者之间的紧密互动关系共同促进了数据要素市场的快速成长和壮大。

关键词：数据要素市场；技术发展；政策支持；var模型；因果关系

中图分类号：F274    文献标识码：A   文章编号：

一、引言

在数字化和信息化浪潮的推动下，数据已成为当今经济社会发展的核心驱动力之一。数据要素市场的培育成了促进数据资源优化配置和价值最大化的重要手段。在这一过程中，技术、政策与市场之间的互动关系起着至关重要的作用。本研究旨在通过实证分析方法探讨三大要素之间的关系，揭示三大要素对数据要素市场培育的影响及作用机理。随着云计算、大数据、人工智能等技术的快速发展和应用，数据的获取、存储、处理和分析能力得到极大的提升，数据成了企业和组织运营管理、决策制定与产品创新的重要支撑。这些技术的发展为数据要素市场的培育提供了坚实的基础和良好的生态环境。与此同时，政策的制定和推动对数据要素市场的发展也至关重要。在数字经济时代，数据安全、隐私保护、数据开放共享等方面的政策举措成为政府关注的重点[1]，相关政策的出台与引导能够有效促进数据要素市场的健康发展、保障数据交易的合法合规、增强市场参与者的信心和积极性，从而推动数据要素市场的繁荣与壮大。

当然，政策的优化也需要市场的有效参与和反馈，技术亦如此。市场反馈可以帮助政策和技术更好地贴近实际需求，指导其的调整和优化，从而推动数据要素市场朝着更加健康、可持续的方向发展[2]。总之，技术、政策与市场之间的互动关系是数据要素市场培育的重要驱动力，而通过实证研究这三者之间的互动关系，有助于我们更深入地理解这些要素对数据要素市场培育的实际影响、把握好数据要素市场培育的内在机理，亦可为政府决策和企业战略制定提供科学依据，有助于促进数据要素市场的健康、可持续发展。

二、文献综述

（一）数据要素市场的概念与特点

数据要素市场作为数字经济时代的一个重要概念，吸引了学者们广泛的关注和研究，学者们从不同的角度对数据要素市场的概念和特点进行了深入探讨和分析。戎珂等（2022）提出了数据要素市场的概念，并将其定义为“通过交易、共享和流通数据所形成的市场”，强调数据在这一市场中被视为一种重要的生产要素。这一定义突出了数据要素市场的特殊性，强调了数据是一种可交易、可共享的资产[3]。黄南（2022）指出，数据要素市场具有非实物性、可替代性、可变性和市场性等特点。非实物性意味着数据不是实物，而是一种信息载体；可替代性表明数据要素可以在一定程度上相互替代；可变性则体现在数据的多样性和灵活性上；市场性则体现在数据要素市场具有典型的市场特征，包括供需关系、价格形成机制等[4]。Simon等（2024）通过应用数学和非线性科学的方法，探讨了中国市场的特点，以及如何有效地分配数据要素，该研究对于制定有效市场政策和优化资源配置等具有一定价值[5]。。

（二）技术、政策对数据要素市场的影响

技术和政策是数据要素市场培育中非常重要的影响因素。曲亮和许塬杰（2023）研究了数据安全政策对数据要素市场的影响，指出政府出台的相关政策和法规可以保障数据的安全和隐私，增强市场参与者的信心，促进数据要素市场的健康发展。同时，政府还可以通过数据开放政策来促进数据要素市场的繁荣和发展，激发市场活力，推动数据要素的流通和交易[6]。李珊等（2024）的研究表明，政府的政策支持和激励措施为数据要素市场的发展提供了重要的政策环境和政策保障，为市场的稳定和健康发展提供了有力支持，可以扩大数据要素市场的规模和影响力[7]。De Haan等（2023）指出了数据要素市场的发展原因，既可能是经济发展的需要，也可能是政策的扶持，数据要素市场对于经济的发展具有重要作用[8]。Kargas和Varoutas（2024）认为技术创新是数据要素市场取得发展的基础，同时必要的政策支持也在其中发挥着重要的作用[5]。

三、研究设计

（一）数据来源

本文的核心研究变量技术发展水平、政策支持力度、数据要素市场规模的衡量指标均为经济变量，因此，本文的研究数据主要来源于2010—2023年的《中国统计年鉴》与《地方统计年鉴》，对于其中缺失的数据采用插值法进行补充。

（二）变量定义

（1）技术发展水平（TLD）是衡量一个特定领域或市场中技术应用和创新能力的关键指标。它反映了在数据处理、分析及应用方面技术的成熟度、创新性和领先程度。通过用户采纳率、市场接受度、市场份额增长等指标来衡量，市场接受度反映了技术在市场中的普及程度和影响力。

（2）政策支持力度（PSI）是评估政府在推动数据要素市场培育方面所给予的支持和投入力度的关键指标。在数据要素市场的培育过程中，政府的政策支持扮演着至关重要的角色，它可以为企业创新、市场扩张和技术应用提供必要的环境和资源。政府针对数据要素市场发布的政策文件数量，也反映了政府在政策制定方面的活跃度和重视程度。

（3）数据要素市场规模（DFMS）指的是数据要素市场中交易活动的总体规模和发展水平。这包括数据交易的数量、价值、参与主体数量与市场的活跃程度等方面。数据要素市场规模的大小反映了市场对数据资源的需求和供给状况，以及数据要素在经济发展中的作用和影响力。为了具体衡量数据要素市场规模，拟采用要素市场中实际发生的交易金额。该交易金额反映了数据交易的活跃度和市场规模的大小，并可以通过统计市场上的交易记录和数据来计算。

（三）模型设定

VAR模型由Christopher A. Sims于1980年提出，作为一种联立方程模型，VAR模型常被用于时间序列的预测以及分析随机扰动项对变量系统的影响。下面是VAR模型的基本表达式：

其中Yt为内生变量，Xt为外生变量，a1 a2….ap为内生变量的参数矩阵。通常需要选择一个适当的滞后阶数，这可以通过信息准则来确定。

（1）最佳滞后阶数

表1展示了不同滞后阶数下AIC和SC的数值，其中当滞后阶数为二阶时，AIC和SC的值分别为-15.342和-17.352，均达到最小值。根据AIC和SC准则的原理，最佳的滞后阶数应当是使AIC和SC值同时达到最小阶数。因此，通过对比分析，确定该模型的最佳滞后阶数为二阶。这一选择有助于确保模型在复杂性和拟合优度之间达到平衡，从而更准确地描述数据的动态特征。

（2）var模型输出结果

在确定了最佳的滞后阶数为二阶之后，构建了新的VAR（-2）模型。采用了滞后二阶的VAR模型，意味着在模型中，每个变量的当前值都被视为过去两个时间点的值及其他变量相应时间点的值的函数。经过模型的估计和参数的求解，得到两个关键的方程，分别如方程（2）和方程（3）所示。

LNDFMS=0.113LNTLD（-1）+0.214LNTLD（-2）+0.325LNPSI（-1）+0.116LNPSI（-2）+0.089LNDFMS（-1）+0.207LNDFMS（-2）+0.463（方程2）

在方程（2）中，我们观察到了技术发展水平（LNTLD）与数据要素市场（LNDFMS）之间的动态关系。其中，LNTLD（-1）和LNTLD（-2）分别表示技术发展水平滞后一阶和滞后二阶的变量。它们的系数0.113和0.214揭示了技术发展水平具有一定的路径依赖效应，这意味着前期的技术投入和积累为后期的技术突破和创新提供了坚实的基础。同时，技术发展的这种路径依赖特性表明，持续的技术投入和创新是不可或缺的。只有当技术积累到一定程度时，才能实现技术上的突破和飞跃。因此，对于数据要素市场而言，技术水平的提升不仅有助于市场的快速发展，还能够为市场提供持续的创新动力。

同时，我们注意到LNPSI（-1）和LNPSI（-2）的回归系数分别为0.325和0.116。这反映了政策的发布和实施也具有一定的连贯性和稳定性。政策制定者会根据实际情况和市场需求，不断调整和完善相关政策，以确保政策的有效性和适应性。

此外，以LNDFMS为被解释变量，我们发现政策支持力度对数据要素市场的发展具有显著的促进作用，这意味着政策的支持和引导对于市场的成长和发展至关重要。然而，这种促进作用并不是立竿见影的，而是具有一定的时间差。可能是因为政策的实施需要一定的时间来产生实际效果，也可能是因为市场需要一定的时间来适应和响应政策的变化。

LNTLD=0.321LNDFMS（-1）+0.115LNDFMS（-2）+0.329LNPSI（-1）+0.107LNPSI（-2）+0.817 （方程3）

在重新构建的VAR（-2）模型中，方程（3）详细展示了各变量之间的动态关系。其中，LNDFMS（-1）和LNDFMS（-2）分别代表数据要素市场培育的滞后一阶和滞后二阶值。它们的系数0.321和0.115表明数据要素市场的发展确实是一个循序渐进的过程，每一阶段的发展都对后续阶段具有累积效应。

这一发现意味着数据要素市场不可能一蹴而就，而是需要经历一系列有序的、逐步推进的发展阶段。这种发展过程不仅有助于市场的稳定和可持续发展，还能够为技术进步提供持续的动力。因为随着数据要素市场的成熟，更多的数据资源得以有效整合和利用，进而推动技术创新和升级。

同时，方程（3）中LNPSI（-1）和LNPSI（-2）的回归系数分别为0.329和0.107，反映了政策因素（PSI）对技术进步（T）的显著促进作用。这表明政策在制定和实施过程中，如果能够充分考虑到技术进步的需求和方向，就能够有效推动技术的发展和创新。该作用不仅体现在直接的政策激励上，还体现在政策为技术创新创造的良好环境和条件上。

（3）模型稳健性检验

图1展示了本文构建的VAR（-2）模型的单位根情况。在单位根图中，如果所有单位根都位于单位圆内，模型就是稳定的，并且能通过稳健性检验。这是因为单位圆内的单位根表示模型的动态乘数会随者时间衰减至零，因此可以避免模型的爆炸性行为，从而保证了模型的预测有效性和可靠性。

（4）格兰杰因果检验

表2展示了格兰杰因果关系检验的结果，该检验用于确定变量之间是否存在统计意义上的因果关系。从表中可以看到以下几点：

LNDFMS与LNTLD的双向格兰杰因果关系：LNDFMS（数据要素市场）与LNTLD（技术发展水平）之间存在双向格兰杰因果关系。这意味着技术的发展会影响数据要素市场的发展，同时，数据要素市场的发展也会推动技术的进步，这揭示了技术与数据要素市场之间的相互依赖和相互促进的关系。

LNDFMS与LNPSI的双向格兰杰因果关系：LNDFMS（数据要素市场）与LNPSI（政策）之间也存在双向格兰杰因果关系。这表明政策的制定和实施会影响数据要素市场的发展，而数据要素市场的发展状况也会反馈到政策制定中，影响政策的调整和完善。这强调了政策与数据要素市场之间的动态互动和相互影响的关系。

格兰杰因果关系检验的结果为我们提供了深入的洞见，即技术与数据要素市场、政策与数据要素市场之间不是只存在单向的影响，而是相互作用的双向关系，甚至多向关系。多向关系强调了各因素之间的内在联系和复杂性，提示我们在分析和预测时需要考虑这些因素的相互影响和动态变化。

四、结论与建议

（一）结论

本研究通过深入的实证分析，探讨了数据要素市场培育过程中技术、政策与市场之间的互动关系。研究结果表明，这三者之间存在着紧密而复杂的相互作用，共同影响着数据要素市场的发展和成长。

首先，技术作为数据要素市场培育的核心驱动力，不仅直接推动了市场的创新和发展，还通过提高数据处理的效率和质量，为市场的稳定运行提供了坚实的技术支撑。同时，技术的发展也催生了新的数据需求和应用场景，进一步拓展了市场的规模和潜力。

其次，政策在数据要素市场的培育过程中起到了重要的引导和调控作用。通过制定和实施一系列有针对性的政策措施，政府不仅为市场的健康发展、技术的有效运用提供了有力的制度保障，还通过引导和激励市场主体的行为，促进了技术与市场的深度融合。政策的连续性和稳定性也为市场的长期发展和技术的不断研发提供了重要的预期和信心。

最后，市场作为技术和政策实施的载体和平台，其运行状况和发展趋势直接影响着技术和政策的实施效果。一个健康、活跃的市场环境不仅能够激发技术创新的活力，还能够为政策的落地实施提供良好的土壤和条件。同时，市场的反馈和需求也为技术和政策的进一步改进和优化提供了重要的参考和依据。

（二）建议

基于对数据要素市场培育中技术、政策与市场互动关系的实证研究，以下是针对促进市场健康发展的具体建议：

第一，加强技术研发与创新。加强技术研发与创新对于促进市场培育和提高竞争力至关重要。为此，我们需要采取一系列措施来加强数据处理、分析和安全等关键技术的研发，以提升数据要素市场的技术竞争力。政府可以通过增加资金支持和制定相关政策来激励企业、高校和研究机构投入更多资源和精力进行技术研发，还应该鼓励企业、高校和研究机构之间的合作。通过建立合作机制、共享资源和经验，可以加速技术创新的过程，并促进成果的转化和应用。这种跨界合作还可以促进不同领域之间的知识交流和跨学科研究，为技术创新提供更广阔的视野和更深层次的思考。同时加快制订相关技术标准，确保交易中数据的质量、互操作性和安全性，为市场提供稳定和可靠的技术基础。

第二，优化政策环境。政府应及时制定相关法律法规，加大伦理规制力度，为市场主体提供清晰的法律依据和伦理规范，保障他们的合法权益，增强其信心，促进数据要素市场的规范运行。注意实施灵活而富有激励性的政策措施，如税收优惠、资金扶持等，来激发市场主体的积极性和创造力。通过这些政策措施降低市场参与者的成本和风险，促进更多的企业和个人投入到数据要素市场中来，推动市场的发展和壮大。应加强监管和管理，明确数据产权的归属、交易规则的制定和执行及责任边界的界定。通过开展宣传活动、组织政策解读会议等方式，可以让市场主体更加全面地了解相关政策内容和影响，增强他们的参与意识和积极性，推动政策的落实和执行。

第三，深化数据要素市场改革。采取积极的政策措施，降低市场准入门槛，鼓励更多的企业和个人参与到数据要素市场中来。加强对数据垄断和不正当竞争行为的监管，关键要推动数据要素市场的开放和竞争，打破数据垄断和市场壁垒，保护市场公平竞争环境，促进市场的健康发展。建立完善的数据交易平台和机制，提供数据交易的基础设施和服务，促进数据的流通和共享。制订数据交易标准和规范，加强数据质量管理，降低数据交易的成本和风险，提高数据交易的效率和安全性。加强市场监管，防止市场失灵和不当竞争，保障市场的公平和效率，保护市场的秩序和稳定。

第四，促进技术与政策的融合。建立技术与政策之间的沟通协调机制，将技术发展与政策导向相结合，以实现更加科学、前瞻和有效的政策制定和实施。政府可以建立专门的机构或平台，负责技术与政策之间的沟通和协调工作，促进不同部门之间的合作与交流，确保政策制定和实施过程中考虑到最新的技术发展和趋势，从而提高政策的针对性和可操作性。设立专项基金或奖励机制，鼓励企业和科研机构开展与政策目标相关的技术研发和创新，将其成果运用至政策制定和实施中，为政策的科学性和前瞻性提供技术支持和保障。举办座谈会、听证会等方式，邀请企业、行业协会、专家学者等各方参与到政策讨论和决策中来，听取各方意见和建议，充分调动市场主体的积极性和创造力，形成政策与市场之间的良性互动，推动政策的落实和执行。

参考文献：

[1]何玉长，王伟.数据要素市场化的理论阐释[J].当代经济研究，2021（04）：33-44.

[2]宋方青，邱子键.数据要素市场治理法治化：主体、权属与路径[J].上海经济研究，2022（04）：13-22.

[3]戎珂，刘涛雄，周迪等.数据要素市场的分级授权机制研究[J].管理工程学报，2022，36（06）：15-29.

[4]黄南.瓶颈与路径：全国数据要素统一大市场建设探析[J].南京社会科学，2022（10）：35-45.

[5]Simon S ，Florian L ，Simon G ， et al. Exploring design elements of personal data markets[J]. Electronic Markets，2023，33（1）.

[6]曲亮，许塬杰.“要素—资本—产品”三态耦合视角下数据市场治理体系研究[J].理论学刊，2023（03）：123-130.

[7]李珊，张文德，郑伟鑫.中国数据要素市场产权配置改革评价机制构建与实证研究[J].中国软科学，2024（01）：151-163.

[8]De Haan J， Lundström S， Sturm J E. Natural resource saving effects of data factor marketization： Implications for green recovery[J]. Resources Policy，2023，85（PA）.

[9]Kargas A D， Varoutas D.A Regionalization Study of Market-Based Allocation of Data Factors in China[J]. Applied Mathematics and Nonlinear Sciences，2024，9（1）.

[10]孙静，王建冬.多级市场体系下形成数据要素资源化、资产化、资本化政策闭环的总体设想[J].电子政务，2024（02）：12-20.

[11]孙建军，巴志超，夏义堃.数据要素市场体系建构与价值实现路径探索[J].情报学报，2024，43（01）：1-9.

[12]刘禹君.数据要素市场赋能城市绿色创新发展——来自中国城市的经验证据[J].贵州社会科学，2023（01）：124-133.

[13]陈思.培育数据要素市场的逻辑理路、安全困境与应对策略[J].当代经济管理，2023，45（03）：24-31.

[14]管茜，夏义堃.数据要素市场主体培育的现实困境、国际经验与启示[J].图书与情报，2023（02）：23-33.

作者简介：秦嘉翊（2002—），湖南长沙人，澳门科技大学商学院学生，研究方向：数字经济。欧辉（1979—），湖南长沙人，湖南师范大学数学与统计学院副教授，博士。研究方向：数字经济。