中国数据要素规模估计与结构分析——基于信息价值链的视角

当代财经 ›› 2024, Vol. 0 ›› Issue (4): 3-16.

• 理论经济 • 下一篇

中国数据要素规模估计与结构分析——基于信息价值链的视角

徐翔¹, 田晓轩^2a, 厉克奥博^2b, 陈斌开¹

1.中央财经大学经济学院,北京 102206;
2.清华大学 a.社会科学学院;b.中国经济思想与实践研究院,北京 100084

收稿日期:2023-12-20 修回日期:2024-01-29 出版日期:2024-04-15 发布日期:2024-04-25
通讯作者: 田晓轩,清华大学博士研究生,主要从事数字经济和数字生态研究,联系方式hinstien@163.com。
作者简介:徐翔,中央财经大学教授,经济学博士,主要从事数字经济和经济增长研究;厉克奥博,清华大学副研究员,经济学博士,主要从事中国经济思想与实践研究;陈斌开,中央财经大学教授,经济学博士,主要从事国民经济研究。
基金资助:
国家社会科学基金重大项目“数字经济高质量发展的创新与治理协同互促机制研究”（22&ZD070）; 北京市社会科学基金项目“北京数字经济与实体经济深度融合研究”（23JCC085）

A Scale Estimation and Structural Analysis of China’s Data Factor: From the Perspective of Information Value Chain

XU Xiang¹, TIAN Xiao-xuan², LIKE Ao-bo², CHEN Bin-kai¹

1. Central University of Finance and Economics, Beijing 102206;
2. Tsinghua University, Beijing 100084, China

Received:2023-12-20 Revised:2024-01-29 Online:2024-04-15 Published:2024-04-25

摘要/Abstract

摘要： 数据是数字经济时代的关键生产要素。对数据要素规模及其收入分配进行估计与分析,有助于正确理解当前我国的数字经济发展水平,为相关研究提供数据基础。现有研究大多重视数据要素的生产成本或市场价值,缺乏基于信息价值链视角构建的、充分考虑数据价值形成与释放全过程的估计方法。通过改良现有估计方法并对2012—2019年各省份数据要素投资进行测算的结果表明,2019年中国的数据要素投资达到2.05万亿元,较2012年的8712亿元扩大1.35倍,年均增速达13.02%;中国数据要素投资表现出显著的区域不均等特征,将可能导致各省份数据要素存量差距不断拉大,不利于数字经济高质量发展。以上结果充分说明,数据要素在经济增长与初次收入分配中的重要性均不断提升,相关基础制度与政策措施应尽快落地。

关键词: 数据要素, 就业人员工资, 固定资产投资, 收入分配

Abstract: Data is a key production factor in the digital economy era. Estimating and analyzing the scale of data elements and their income distribution can help to correctly understand the current level of digital economy development in China and provide a data foundation for the related researches. The existing researches mostly focus on the production cost or market value of data elements, lacking estimation methods constructed from the perspective of the information value chain that fully consider the entire process of data value formation and release. Through improving the existing estimation methods, this paper conducts a calculation of the data element investment in various provinces from 2012 to 2019. The results show that China’s data element investment reached 2.05 trillion yuan in 2019, an increase of 1.35 times from 871.2 billion yuan in 2012, with an average annual growth rate of 13.02%. China’s investment in data elements exhibits such significant characteristics as regional inequality, etc., which may lead to a widening gap in the stock of data elements among the provinces; that is not conducive to the high-quality development of the digital economy. The above results fully demonstrate that the importance of data elements in economic growth and initial income distribution is constantly increasing, and the relevant basic systems and policy measures should be implemented as soon as possible.

Key words: data factor, employees' wage, fixed asset investment, income distribution

中图分类号:

F061.2

徐翔, 田晓轩, 厉克奥博, 陈斌开. 中国数据要素规模估计与结构分析——基于信息价值链的视角[J]. 当代财经, 2024, 0(4): 3-16.

XU Xiang, TIAN Xiao-xuan, LIKE Ao-bo, CHEN Bin-kai. A Scale Estimation and Structural Analysis of China’s Data Factor: From the Perspective of Information Value Chain[J]. Contemporary Finance & Economics, 2024, 0(4): 3-16.

参考文献

[1] 田杰棠, 刘露瑶. 交易模式、权利界定与数据要素市场培育[J]. 改革,2020, (7): 17-26.
[2] 徐翔, 赵墨非. 数据资本与经济增长路径[J]. 经济研究, 2020, (10): 38-54.
[3] 蔡跃洲, 马文君. 数据要素对高质量发展影响与数据流动制约[J]. 数量经济技术经济研究, 2021, (3): 64-83.
[4] Brynjolfsson E., Collis A.How Should We Measure the Digital Economy[J]. Harvard Business Review, 2019, 97(6): 140-148.
[5] Schaefer M., Sapi G.Learning from Data and Network Effects: The Example of Internet Search[R]. DIW Berlin Discussion Paper, No. 1894, 2020.
[6] Hillebrand K., Hornuf L.The Social Dilemma of Big Data: Donating Personal Data to Promote Social Welfare[R]. CESifo Working Paper, No. 8926, 2021.
[7] Brynjolfsson E., Hitt L.M., Kim H. H. Strength in Numbers: How Does Data-driven Decision-making Affect Firm Performance[R]. SSRN Working Paper, No. 1819486, 2011.
[8] McAfee A., Brynjolfsson E. Big Data: The Management Revolution[J]. Harvard Business Review, 2012, 90(10): 60-68.
[9] Jones C.I., Tonetti C. Nonrivalry and the Economics of Data[J]. The American Economics Review, 2020, 110(9): 2819-2858.
[10] Veldkamp L., Chung C. Data and the Aggregate Economy[J/OL]. Journal of Economic Literature, 2019, Forthcoming[2023-11-20]. DOI:10.1257/jel.20221580.
[11] 刘满凤, 杨杰, 陈梁. 数据要素市场建设与城市数字经济发展[J]. 当代财经, 2022, (1): 102-112.
[12] 杨飞虎, 王志高, 余炳文. 数据要素、数据财政与经济增长[J]. 当代财经, 2022, (11): 40-52.
[13] Byrne D., Corrado C.Accounting for Innovations in Consumer Digital Services: IT Still Matters[R]. NBER Working Paper, No. 26010, 2020.
[14] 刘涛雄, 戎珂, 张亚迪. 数据资本估算及对中国经济增长的贡献——基于数据价值链的视角[J]. 中国社会科学, 2023, (10): 44-64+205.
[15] Hulten C., Nakamura L.Accounting for Growth in the Age of the Internet: The Importance of Output-saving Technical Change[R]. NBER Working Paper, No. 23315, 2017.
[16] Statistics Canada.The Value of Data in Canada: Experimental Estimates[R]. Latest Developments in the Canadian Economic Accounts (Working Paper Series), No. 9, 2019.
[17] 许宪春, 张钟文, 胡亚茹. 数据资产统计与核算问题研究[J]. 管理世界, 2022, (2): 16-30.
[18] Abis S., Veldkamp L.The Changing Economics of Knowledge Production[R]. SSRN Working Paper, No. 3570130, 2021.
[19] Mawer C. Valuing Data Is Hard[N/OL]. Silicon Valley Data Science, 2015-11-10[2021-05-20], https://www.svds.com/valuing-data-is-hard/.
[20] Reinsdorf M., Ribarsky J.Measuring the Digital Economy in Macroeconomic Statistics: The Role of Data[R]. International Monetary Fund Working Paper, No. 1228, 2019.
[21] Nguyen D., Paczos M.Measuring the Economic Value of Data and Cross-border Data Flows: A Business Perspective[R]. OECD Digital Economy Papers, No. 297, 2020.
[22] Tambe P., Hitt L., Rock D., et al.Digital Capital and Superstar Firms[R]. NBER Working Paper, No. 28285, 2020.
[23] Hall R.The Stock Market and Capital Accumulation[J]. The American Economic Review, 2001, 91(5): 1185-1202.
[24] 徐翔, 厉克奥博, 田晓轩. 数据生产要素研究进展[J]. 经济学动态, 2021, (4): 142-158.
[25] 蔡跃洲, 张钧南. 信息通信技术对中国经济增长的替代效应与渗透效应[J]. 经济研究, 2015, (12): 100-114.
[26] 蔡跃洲, 牛新星. 中国信息通信技术产业的国际竞争力分析——基于贸易增加值核算的比较优势及技术含量测算[J]. 改革, 2021, (4): 24-44.
[27] 郑世林, 杨梦俊. 中国省际无形资本存量估算:2000~2016年[J]. 管理世界, 2020, (9): 67-81.
[28] 单豪杰. 中国资本存量K的再估算:1952~2006年[J]. 数量经济技术经济研究, 2008, (10): 17-31.
[29] Calvino F., Criscuolo C., Marcolin L., et al.A Taxonomy of Digital Intensive Sectors[R]. OECD Science, Technology and Industry Working Papers, No. 2018/14, 2018.

中国数据要素规模估计与结构分析——基于信息价值链的视角

A Scale Estimation and Structural Analysis of China’s Data Factor: From the Perspective of Information Value Chain

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	张俊民, 石威峰, 傅绍正. 国家审计能缩小企业内部收入差距吗——基于共同富裕的视角[J]. 当代财经, 2024, 0(1): 140-151.
[2]	杨飞虎, 王志高, 余炳文. 数据要素、数据财政与经济增长[J]. 当代财经, 2022, 0(11): 40-52.
[3]	刘满凤, 杨杰, 陈梁. 数据要素市场建设与城市数字经济发展[J]. 当代财经, 2022, 0(1): 102-112.
[4]	张天姣. 共享发展理念下深化我国收入分配制度改革的目标与政策建议[J]. 当代财经, 2021, 0(10): 43-55.
[5]	邓晓兰，鄢伟波. 中国式分权、金融化与要素收入分配——基于中国地级市数据的实证检验[J]. 当代财经, 2019, 0(09): 1856-.
[6]	汤灿晴1，董志强2. 劳动收入份额和收入不平等存在相互影响吗[J]. 当代财经, 2019, 0(08): 1865-.
[7]	潘文轩. 税收如何影响中国的国民收入分配格局——基于资金流量表的实证研究[J]. 当代财经, 2019, 0(01): 34-.
[8]	刘伦武. 地方政府债务的收入增长效应与分配效应研究——来自中国的证据[J]. 当代财经, 2018, 0(06): 121-.
[9]	胡志军a，陶纪坤b. 我国居民收入分布的极化测度及其影响因素[J]. 当代财经, 2018, 0(04): 147-.
[10]	翁杰. 制造业部门的就业调整和收入分配变动：经验和启示[J]. 当代财经, 2016, 0(05): 424-.
[11]	张晓磊，谢建国，张二震. 劳动收入份额与进口贸易——来自中国的实证[J]. 当代财经, 2016, 0(02): 459-.
[12]	杜威剑1，李梦洁2. 目的国市场收入分配与出口产品质量——基于中国企业层面的实证检验[J]. 当代财经, 2015, 0(10): 509-.
[13]	葛玉御1，田志伟2，胡怡建2. “营改增”的收入分配效应研究——基于收入和消费的双重视角[J]. 当代财经, 2015, 0(04): 587-.
[14]	田卫民. 中国市场化进程对收入分配影响的实证分析[J]. 当代财经, 2012, 0(10): 1578-.
[15]	万莹. 我国流转税收入分配效应的实证分析[J]. 当代财经, 2012, 0(07): 1539-.