打开文本图片集

摘要：数字经济时代，新型生产要素尤其是数据要素这一生产要素，对于推动新质生产力发展起到关键作用。文章首先探讨了新质生产力与新型生产要素之间的逻辑关联，并强调数据要素是最重要的新型生产要素。之后，文章梳理了新质生产力的评价指标，以及新型生产要素影响新质生产力的机制。最后，指出了当前对于新质生产力指标构建的一些问题与不足，以及未来对数据要素发展方向的建议。

关键词：新质生产力；新型生产要素；评价指标；数据要素

引言

2023年9月习近平总书记在黑龙江考察调研期间首次提到新质生产力一词，强调要整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力。习近平总书记准确地把握了当下历史方位，并深刻意识到新一代科技革命对中国的重大影响。他创造性地提出，在发展新质生产力的过程中，应将“技术革命性突破”即科技创新—特别是颠覆性创新—置于发展新质生产力的核心位置，创新发展了马克思的生产力理论。自此提升新质生产力成为中国经济和社会发展新方向。

1.新质生产力与新型生产要素的逻辑关联

新质生产力与新型生产要素之间的逻辑关联可以描述为互为因果、相辅相成的复杂关系。新型生产要素，包括知识、信息、数据及技术等，是现代经济体系中不可或缺的组成部分，在国内学者的研究中，新型生产要素主要指的是数据要素，它是新型生产要素中最重要的要素，也是驱动新质生产力的主要力量（王平，2024；王海杰和王开阳，2024）。在国外学者的研究中，数据和知识都被认为是信息的一部分（Romer，1990；Jones & Tonetti，2020），而信息是经过处理和分析的数据，是信息的载体，也可以视作原材料，而新生产要素中的技术如云计算、人工智能和区块链等，也都和数据有着千丝万缕的联系，由此可见，数字经济背景下的新型生产要素与新质生产力的联系可以视作数据要素与新质生产力的联系，它为新质生产力的形成和发展提供了基础资源和创新动力，并且能够在决策支持和优化过程中起到关键作用，改变了生产和服务的方式，其独特的易复制性、非竞争性和非排他性等特征，有助于在不同主体和环节间高效传递与融合，实现关键核心技术突破与产品更新迭代。想要充分利用数据的经济价值，必须实现数据要素的市场化，通过这种市场化，数据的潜在价值得以实现，才能更进一步提高新质生产力。

反过来，新质生产力的提升和优化，也反馈促进了新型生产要素的进一步开发和应用。随着生产力水平的提高，对数据分析、云计算等技术的需求增加，推动了相关技术和服务的创新和成熟。此外，新质生产力的发展还带来了对高素质人才的大量需求，从而激励教育和培训机构开发新的课程和培训方案，加快人才的培养和技能的更新。这种动态循环不仅促进了经济的高质量发展，也推动了社会整体技术水平和生活质量的提升。

总之，新质生产力与新型生产要素之间的关系是多层次、多维度互动的，它们通过连锁反应和正反馈机制，共同构建了一个自我强化的经济增长新模式，这一模式以技术创新为核心，以智能化、信息化和绿色化为特征，不断推动社会生产力的整体进步和优化。

2.新质生产力指标构建梳理

习近平总书记阐释的新质生产力的核心，是以劳动者、劳动资料、劳动对象及其优化组合的提升为基本内涵。其核心标志是全要素生产率的大幅提高，以创新为其特征，质量优越为关键，体现了先进生产力的本质。据此，大量学者采用熵值法来构建新质生产力指标。较为一般的是从实体性要素维度的三要素：新劳动者、新劳动资料和新劳动对象做为一级指标，但是在数字经济下，新技术、生产组织和数据要素等渗透性要素也发挥着越来越重要的作用，共同促进了实体性要素优化组合的跃升，因此仅从原来的实体性要素维度来衡量新质生产力是远远不够的，因此整合实体性要素和渗透性要素，从这两个维度来衡量新质生产力，可以得到更为准确的结果（韩文龙，2024）。也有不少其他学者从不同的角度来构建新质生产力指标如表1所示。

现有研究中使用熵值法构建新质生产力指标居多，随后有学者认为熵值法存在指标选取过程存在主观、熵值法赋权时可能与现实逻辑相违背以及无法体现各要素间交互作用等局限性，提出采用基于数据包络分析（DEA）的非参数方法，如周宏伟等（2024）、吴宝和陈锋（2025）分别使用超效率SBM模型或非期望产出超效率SBM-GML模型来测度全要素生产率指标。其中，前者适用于包括金融、教育、医疗、制造业等多种行业的效率评估，具有广泛的适用性，而后者更适合用于环境效率评估，可以同时处理期望产出（如产品、服务）和非期望产出，综合考虑生产活动的环境影响。此外还有学者如郑国强（2024）使用OP方法测度企业的全要素生产率，以此来衡量企业新质生产力。

以上方法各有优势，均能够体现出新质生产力的特征，但仍存在不够科学、不够全面的问题，正如卢江（2024）所提到的，新质生产力需要依托多属性综合评价方法，改进的熵权-TOPSIS方法更能科学的衡量新质生产力。因此在进行数据选取时需要从其基本内涵出发，尽可能包含生产力系统的要素特征，采取更科学的构建方式，才能够更为准确的衡量新质生产力。

3.新型生产要素影响新质生产力的机制研究

国内学者对于新型生产要素的研究也主要是对于数据要素的研究，聚焦于数据要素、数据要素市场化、数字技术和数字经济对新质生产力的影响，其影响机制可以主要分为产业结构升级转型、促进产业集聚、优化资源配置和促进市场要素一体化四方面。

3.1产业结构升级转型

陆扬和王育宝（2024）以设置数据公共交易平台为准自然实验，分析了数据要素市场化提升新质生产力的调节机制，通过数据市场平台的建立，极为有效的缓解了供需双方的信息不对称风险，并且降低知识传播成本，为技术跨行业、跨地区扩散提供了保障，更进一步的，市场化机制使得产业链全环节参与数据共享合作，实现信息互通、资源优化，通过加快产业升级转型激发数据要素乘数效应，为提升新质生产力创造有利条件。陈鸣和王志帆（2024）从产业结构转型高级化和智能化两方面进行分析，更为详细的解释了数据要素市场通过产业结构影响新质生产力的机制。一方面，数据要素市场化推动了数字平台的发展，这些平台加强了企业间的数字合作，促进了新兴产业如物联网和大数据的发展；另一方面，新兴产业发展将会加快数据信息在产业间的流动并打破产业壁垒，通过技术溢出和产业内部结构的优化，提升了传统产业的学习、协作和创造能力，促使效率低下的传统产业模式的淘汰和转型。

产业高级化的前提是较高程度的要素市场化，只有确保了资源合理配置与高效流动，才能更好的向产业高级化发展（夏杰长和袁航，2023）。对于智能化产业结构转型，大部分学者的研究也主要聚焦于数字化转型。数据要素市场化配置通过市场整合和降低交易费用来促进企业数字化转型，并进一步提升企业创新水平（徐晔和王志超，2024；梁锦凯等，2024）。

产业结构转型可以提高新质生产力的路径是随着产业结构从低效、低附加值领域向高技术、高附加值领域的转变，激发经济中的创新潜力，提高生产效率和产品质量，从而推动新质生产力的增长。

3.2产业集聚

数据要素市场通过优化数据资源配置，借助规模经济的递增效应，加速了数字服务业的集聚形成。这一市场的构建不仅加强了各地区间的信息交流，还推动了平台经济和共享经济的发展，从而进一步促进了数字服务业的聚集和增长。罗爽和肖韵（2024）认为，数字经济产业的集聚能够通过洼地效应吸引数据、资本、劳动力以及物流、资金流和信息流的汇聚。利用产业竞争和政策引导机制，可以实现资源的合理分配，从而促进生产要素的有效配置。这种配置优化有助于促进传统生产力的转型和升级。

数字人力资本的积累是数据要素市场对数字产业集聚产生影响的关键途径。数据要素市场的发展一方面改变了区域内数字人力资本的供需关系。从供应方面考虑，数据要素激发了知识的溢出效应，这有助于提升劳动者的数字思维和技能，释放人力资本的潜力。从需求方面看，数据要素市场的建设加速了数据与劳动的结合，拓展了就业机会，从而增强了对区域数字人力资本的需求（赵放等，2024；陈婷等，2024；陆扬和王育宝，2024）。

产业集聚通过集中地理位置带来的企业互动，促进了知识和技术的共享与创新，降低了企业运营成本并提高了生产效率。此外，集聚区的专业化劳动力市场、高效的基础设施使用和政府政策支持也提升了企业的竞争力。这些因素共同作用，使得产业集聚区成为新质生产力增长的重要源泉。

3.3资源配置

陈艳利和刘亚（2024）的研究假设认为数据要素市场化能实现要素互联、信息互通以及降低企业供应链管理成本，从而提升全要素生产率，随后的机制检验证明了其假设内容。宋德勇和陈梁（2024）研究了数字技术如何提升全要素生产率：一方面，通过智能化改造和实时监测传统生产工具，配合智能软件进行数据分析和决策，减少维护成本并运用大数据、云计算及区块链技术精确管理产品生命周期，促进企业内部集成，降低管理成本。另一方面，数字技术与高学历、高技能人力资本互为补充，激发人力资本潜力，增强其生产率效应。王娟和李岳翰（2024）也得到了类似的结论，他们将数字化转型的作用机理分为底层数字技术运用与数字技术实践应用两个方面，前者着重于优化企业生产经营和管理模式，后者更强调开拓新市场和挖掘新业务增长点。

资源配置与全要素生产率之间存在紧密的关联，而全要素生产率大幅提升是新质生产力的核心标志。通过高效合理的资源配置能显著提高生产效率，促进技术创新，调整和优化产业结构，以及提升人力资源质量。这些因素不仅推动了生产力的快速增长，也支持了经济的可持续发展，形成了一个互相促进的良性循环系统，从而不断激发和增强新质生产力。

3.4要素市场一体化

张慧等（2022）使用空间计量模型研究数字经济下，要素市场化对区域创新的影响，结果表明中部地区能更有效的进行要素配置和循环，产生良性循环提高区域创新效率，但在西部地区，数字经济发展对要素市场化配置产生负向影响，进而扩大了区域创新效率的差距。张矿伟等（2023）得出了同张慧等（2022）类似的结论，数据要素对高技术产业创新的影响会出现中部大于东部大于西部的格局，同时数据要素可以促进市场一体化进程，而市场一体化又能够为数据要素的高效流通和价值释放提供支撑，两者相互促进，并且加快高技术产业创新。金环等（2024）则是采用了不同与上述两者的测度指标，基于其他学者的研究，采用相对价格法测算出省级层面市场分割指数（MFI），随后通过处理，得到地区要素市场整合指数，在此该基础上，用各地级市GDP占本省份GDP的比重作为权重，乘以该省份的市场整合指数，即可得到各个地级市的要素市场一体化指数，该指数越大表明要素市场一体化程度越高。其研究结果表明，数字经济通过提升要素配置效率与推动要素市场整合来促进企业创新效率。

要素市场一体化通过优化资源配置、促进技术和创新的扩散、提高企业竞争力、激发市场活力并促进规模经济效应，直接推动新质生产力的提升。这种一体化确保了生产要素如资本、劳动力和技术在更广泛的范围内自由流动和高效利用，从而增强了经济的整体效率和创新能力，为经济的持续健康发展奠定了基础。

数据要素通过以上四种机制促进新质生产力的同时，伴随着产业结构升级转型、产业集聚、资源配置和要素市场一体化机制间的相互影响，数据要素展现出的乘数效应，能够进一步促进新质生产力。

4.展望与建议

数据要素做为新型生产要素中最重要的生产要素之一，同时作为数字经济的基础资源，它是驱动新质生产力发展的关键力量，我国对数据要素方面的研究并没有因为起步较晚而耽误理论向实践发展的进程，新质生产力的发展呈现广阔前景。

在构建新质生产力评价指标时，熵值法较为主流，大部分学者的数据选取时不够全面，不能做到尽可能完美的测度新质生产力，如缺乏对绿色生态方面的考量。方法选取上，鲜有学者采用熵权-TOPSIS法，相比熵权法，熵权-TOPSIS法，结合了熵值法的客观性和TOPSIS方法的决策效果，使得最终的选项评估更全面和科学。因此，需要继续探索衡量新质生产力的数据以及更科学更客观的评价体系。

新型生产要素对新质生产力的影响研究方面比较完善，但目前存在的问题是如何更好的实现数据要素的经济价值。从宏观方面来看，数据市场化正逐步进行，数据交易平台也陆续设立，未来可期，从微观方面来看，企业的数据资产入表正在推进，但数据要素的确权和隐私保护始终停留在理论上，缺乏相关政策，这将使得可交易的数据种类有限，在实现数据价值同时可能会危害到他人利益，损害社会福利。因此为了更好的促进新质生产力，完善数据要素乃至整个要素市场的有关政策是重中之重。

参考文献

[1]王平.新质生产力条件下的新型生产关系：塑造与调适[J].当代经济研究，2024，（07）： 5-15.

[2]王海杰，王开阳.数据要素驱动新质生产力发展的机制、挑战与应对措施[J].中国流通经济，2025，39（01）：3-13.DOI：10.14089/j.cnki.cn11-3664/f.2025.01.001.

[3]Romer， P.M.（1990）. Endogenous Technological Change. Journal of Political Economy， 98， S71-S102.

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

[5]韩文龙，张瑞生，赵峰.新质生产力水平测算与中国经济增长新动能[J].数量经济技术经济研究，2024，41（06）：5-25.DOI：10.13653/j.cnki.jqte.20240418.001.

[6]王梁华.数字经济、新质生产力与中国式现代化产业体系建设[J].科技进步与对策，2024，41（18）：55-65.

[7]白冰，彭雪清.数字经济、创新要素配置与新质生产力[J].统计与决策，2024， 40（18）：109-113.DOI：10.13546/j.cnki.tjyjc.2024.18.019.

[8]孙丽伟，郭俊华.新质生产力评价指标体系构建与实证测度[J].统计与决策， 2024，40（09）：5-11.DOI：10.13546/j.cnki.tjyjc.2024.09.001.

[9]卢江，郭子昂，王煜萍.新质生产力发展水平、区域差异与提升路径[J].重庆大学学报（社会科学版），2024，30（03）：1-17.

[10]李晓龙，魏启帆.数据要素市场建设提升新质生产力研究——基于城市数据交易平台设立的准自然实验[J].重庆大学学报（社会科学版），2024，30（06）：72-87.

[11]罗爽，肖韵.数字经济核心产业集聚赋能新质生产力发展：理论机制与实证检验[J].新疆社会科学，2024，（02）：29-40+148.DOI：10.20003/j.cnki.xjshkx.2024.02.004.

[12]宋佳，张金昌，潘艺.ESG发展对企业新质生产力影响的研究——来自中国A股上市企业的经验证据[J].当代经济管理，2024，46（06）：1-11.

[13]刘达，王晓丹，王淑瑶，等.新质生产力赋能企业韧性——基于新型生产关系与生产要素的分析框架[J].财经论丛，2025，（01）：15-25.DOI：10.13762/j.cnki.cjlc.20241012.001.

[14]周宏伟，庞素勤，刘曙光，等.数字化投入、本土市场规模与全要素生产率增长[J/OL].当代经，1-15[2025-01-24].https：//doi.org/10.13676/j.cnki.cn36-1030/f.20241128.002.

[15]吴宝，陈锋.ESG积极主义对绿色全要素生产率的影响研究——基于新质生产力的视角[J/OL].科研管理，1-13[2025-01-24].

[16]郑国强，张馨元，赵新宇.数据要素市场化如何驱动企业数字化转型？[J].产业经济研究，2023，（02）：56-68.DOI：10.13269/j.cnki.ier.2023.02.005.

[17]陆扬，王育宝.数据要素市场化与新质生产力发展——基于双重机器学习的因果推断[J].城市问题，2024，（07）：80-90.DOI：10.13239/j.bjsshkxy.cswt.240707.

[18]陈鸣，王志帆.以“数”赋能，向“新”提质：数据要素市场化与城市新质生产力[J/OL].重庆大学学报（社会科学版），1-13[2025-01-24].

[19]夏杰长，袁航.数字经济、要素市场化与中国产业结构转型升级[J].广东社会科学， 2023，（04）：17-27.

[20]徐晔，王志超.数据要素市场化建设与企业数字化转型——基于数据交易平台的准自然实验[J].软科学，2024，38（09）：24-29+39.DOI：10.13956/j.ss.1001-8409.2024.09.04.

[21]梁锦凯，陈关聚，娄小亭.数据要素市场化配置促进了企业创新“增量提质”吗[J].江西财经大学学报，2024，（06）：36-49.DOI：10.13676/j.cnki.cn36-1224/f.2024.06.006.

[22]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，（03）：143-152.DOI：10.16235/j.cnki.33-1005/c.2024.03.015.

[23]陈婷，段尧清，吴瑾.数据要素市场化能否提升城市创新能力——一个准自然实验[J].科技进步与对策，2024，41（03）：74-83.

[24]陈艳利，刘亚.数据要素市场化配置与全要素生产率——来自数据交易平台设立的证据[J].中南财经政法大学学报，2024，（06）：131-143.

[25]宋德勇，陈梁.数字技术应用对企业全要素生产率的影响效应研究——兼论破解新“索洛悖论”[J].科研管理，2024，45（09）：33-42.

[26]王娟，李岳翰.数字化进展对企业全要素生产率的影响——基于动态能力的中介和调节作用[J].管理评论，2024，36（10）：62-74.

[27]张慧，易金彪，徐建新.数字经济对区域创新效率的空间溢出效应研究——基于要素市场化配置视角[J].证券市场导报，2022，（07）：13-22.

[28]张矿伟，王桂梅，俞立平.数据要素、市场一体化与高技术产业创新[J/OL].系统工程理论与实践，1-21[2025-01-24].

[29]金环，于立宏，徐远彬.数字经济、要素市场化与企业创新效率[J].经济评论， 2024，（05）：20-36.

作者简介：代润兴（2000.10.1—），男，汉族，籍贯：重庆綦江，金融专硕，研究方向：科技金融，单位：北京联合大学商务学院。