
一、引 言
随着服务全球化分工不断深入与我国经济服务化程度不断提高,服务业日益成为我国利用外资的重要产业。《中国外资统计公报2024》显示,2023年服务业新设外商投资企业占比高达90.3%,但实际使用外资金额从
Fuchs(1968)在其经典著作《服务经济》(The Service Economy)中提出,服务业发展需要更多高质量的数据加以支撑。我国拥有庞大的数据资源储备,对服务业发展意义重大。2023年数据显示,我国数据生产总量高达32.85泽字节(ZB),与前一年相比增长了22.44%。
从现有研究来看,公共数据开放对全要素生产率(彭远怀,2023;郭家堂,2025)、技术创新(沈坤荣和林剑威,2025;郑志强等,2025)、劳动收入份额(孔东民等,2025)等方面产生的积极作用已被证实。需要注意的是,公共数据开放在吸引投资方面的作用成为众多学者关注的热点问题。例如,彭远怀和胡军(2024)、蓝发钦等(2024)着眼于公共数据开放对企业异地投资的促进作用,认为公共数据开放可以拓展资本跨区域流动距离;王海等(2024)认为公共数据开放能够提振企业有效投资;彭羽等(2025)则利用城市层面数据验证了公共数据开放对外商直接投资流入的积极作用。而以上关于公共数据开放对外商投资的影响分析,主要局限于使用整体行业的分析样本,较少有研究聚焦于服务业等具体行业的政策影响。那么,公共数据开放是否能够吸引服务业外商投资?其作用机制如何?是否存在异质性特征?本文将围绕上述问题展开分析。
国内外已有丰富的文献研究外商直接投资及其区位选择的影响因素,主要包括劳动力供给、税收环境、集聚效应等经济因素,以及文化、观念、制度等非经济因素(Nielsen,2017)。近年来,较多研究逐渐开始关注特定行业的外商投资问题,如方臣(2024)的研究表明知识产权示范城市政策对高技术产业外商投资具有促进作用。对服务业而言,现有研究大多从国别视角下探讨政府法规、制度及民主状况、经济规模、劳动力成本、信息沟通、基础设施和政府干预程度对服务业外资进入的影响(Kolstad和Villanger,2008),或从服务业集聚出发分析服务业外商投资的影响因素(王硕和殷凤,2021)。从现有研究进展来看,还鲜有文献将研究视角拓展至公共数据平台开放对服务业企业外资进入的影响。
本文基于2010—2023年我国A股上市公司数据,利用城市层面的公共数据平台开放这一准自然实验,使用企业股本结构中前十大股东外资持股比例衡量企业外商直接投资水平,评估了公共数据开放对服务业企业吸引外资的影响。结果表明,公共数据平台的开放会显著提高服务业企业的外资持股比例,其中提升城市数字经济发展水平、服务业创业活力以及企业数字化决策能力是重要的作用渠道,同时高管团队国际化能够发挥正向调节作用。异质性分析显示,在企业维度,公共数据平台开放的提高主要存在于非信息类企业;在行业维度,提高的效应主要存在于生产性服务业和现代服务业;在开放数据主题维度,侧重于开放公共服务类和经济建设类主题的公共数据平台更有助于提高服务业企业的外资持股比例。
本文的边际贡献主要体现在以下三个方面:第一,将公共数据开放对吸引外资的影响拓展至服务业。从现有研究来看,无论是彭远怀和胡军(2024)、王海等(2024)关注的企业异地投资或有效投资,
二、制度背景与理论分析
(一)制度背景
公共数据是国家重要的基础性战略资源。近年来,我国的各级政府部门高度重视公共数据开放工作,在一系列政策规划中反复多次提及。2015年发布的《促进大数据行动发展纲要》对我国开展公共数据开放工作产生了重要影响,其明确提出要大力推动公共数据互联开放共享,同时还要积极推动数据资源向社会开放。国家“十四五”规划时期,我国明确指出要加强公共数据开放共享,包括建立健全国家公共数据资源体系等核心工作要求。
自2012年上海开通国内首个公共数据开放平台以来,截至2024年7月,我国已上线省级和市级公共数据平台243个,
(二)公共数据开放对服务业外商投资的影响
外商做出投资决策时,需要市场规模、基础设施等公共信息进行支撑,但超过80%的公共数据资源由各级政府部门掌握(王海等,2024)。在此背景下,公共数据开放可通过提升城市维度的数字经济发展水平、行业维度的服务业创业活力以及企业维度的数字化决策能力三个渠道吸引服务业外商投资。
第一,与其他行业相比,服务业外商投资的区位选择更注重当地的信息技术水平(王硕和殷凤,2021)。在当前数字经济时代,信息技术水平与数字经济发展之间存在深层次的关联。信息技术水平不仅是数字基础设施建设的底层支撑,还会驱动数字产业创新迭代。因此,以信息技术为基石的城市数字经济发展水平,成为影响服务业企业外商投资的重要因素之一。进一步看,政府公共数据开放会对城市数字经济发展水平起到促进作用(彭羽等,2025)。数据作为新型生产要素,其开放过程为企业提供了具有高公信力、低成本的海量数据源,有助于减少获取数据的成本、简化验证数据真伪的程序。这对推动城市数字经济发展产生了积极作用。此外,公共数据开放打破了政府部门内的“数据孤岛”,提高了数据资源的普惠性,有利于通过加强数字技术创新活动提升当地数字经济发展水平(沈坤荣和林剑威,2025;郑志强等,2025)。可见,在对城市数字经济发展水平产生积极影响的同时,公共数据开放能够对吸引服务业外商投资起到一定的促进作用。
第二,服务业外商投资主要是市场寻求型投资,这体现在服务业外商投资尤为重视当地的市场规模和人力资本(王硕和殷凤,2021)。从市场规模来看,国内市场潜力和统一大市场可实现人才资源的交流和互动,从而在区域间进行最优配置,这将激发创业活力(张柳钦等,2023)。若存在严重的地方保护主义和市场分割,则将阻碍地区间要素资源的流动,从而影响市场主体的创业活动。从人力资本来看,创业活动将吸纳就业,增加人力资本,而人才集聚效应又可提升创业活跃度。综合来看,创业活动是反映当地市场整合和人才活力的重要因素,深刻影响着服务业外资的动态变化,不仅会扩大外资对国内企业的投资水平,也会促进其新设立企业或降低退出可能性。与此同时,公共数据开放会对提升服务业创业活力产生积极影响。一方面,公共数据开放作为数字政府建设举措,能够降低企业创业、生产和经营等环节中的不确定性和激励扭曲,进而激发市场主体的内生创业活力。另一方面,公共数据开放平台是管制型政府向服务型政府转型的表现,提高了政府透明度,增强了政府与企业的双向互动治理(彭远怀和胡军,2024),减少了寻租空间和制度交易成本,改善了市场的外在创业环境。因此,公共数据开放能够通过提升服务业创业活力来提高对外资的吸引力。
第三,在数字经济时代,外商股权投资与企业数字化决策能力密切相关。跨国公司在进行对外投资时,倾向于选择那些在各自行业内表现最佳的国内公司作为投资或收购目标,表现出积极的选择效应。换言之,跨国公司在进行投资时并非随机选择,当企业具备越高的数字化决策能力时,其把握数字经济发展机遇的能力越强,则越可能成为外商投资的对象。公共数据开放能够从两方面提升服务业企业的数字化决策能力。一方面,数字技术极大地提高了服务业企业的数字化决策能力。公共数据开放作为一种数字技术的体现和公共知识的延伸,为企业无偿提供有关市场监管、违法失信、行政审批等信息,降低信息不对称,从而为企业做出合理的数字化决策提供技术支持。另一方面,公共数据开放平台提供的招商引资统计信息、招标信息、批发价格信息、企业信用信息等数据要素能被企业家有效利用,助力其高效开展一系列生产经营活动并积极参与市场竞争活动(Ghasemaghaei和Calic,2019)。这不仅为企业利用人工智能等工具进行高效数据分析奠定基础,也为优化数字化决策提供更广泛的数据要素支撑。可见,公共数据开放有助于提升服务业企业的数字化决策能力,进而提升其对外商投资的吸引力。综上所述,本文提出如下假说:
假说1:公共数据开放能够通过提升城市数字经济发展水平、服务业创业活力以及企业数字化决策能力,加大对服务业外商投资的吸引力。
(三)高管团队国际化的调节效应
从国际化人力资源要素视角探究公共数据开放对服务业行业外资流入的影响具有重要意义。第一,高管团队国际化为企业引入了国际化的网络关系和全球化的资源渠道,使得企业能够通过增强跨国的联系和交流与海外企业建立合作。具体而言,拥有海外背景的高管通过其积累的国际知识与跨国管理经验,产生知识溢出效应;同时,还可以利用自身已建立的海外社交网络,降低国际沟通障碍,为企业的国际交流带来便利,从而减少了交易成本。第二,依托高水平对外开放吸引到的海外企业管理人才,能够深入挖掘数字优势,有助于企业克服数字方面的技术障碍。已有研究表明,高管是否具有海外经历是影响企业技术创新水平的重要因素之一(孙传旺和张文悦,2022)。因此,公共数据开放作为促进企业创新的新型要素,拥有海外背景的高管团队将在吸引外资过程中发挥决策优势。据此,本文提出如下假说:
假说2:高管团队国际化在公共数据开放吸引服务业外商投资中起到正向调节作用。
三、研究设计
(一)数据来源与样本选择
2025年2月发布的《2025年稳外资行动方案》提出要鼓励外资在华开展股权投资,包括引导更多优质的外资能够长期投资国内的上市公司,这说明分析上市公司的吸引外资问题具有一定的现实意义。基于此,本文考虑到数据可获得性,选择以2010—2023年我国A股上市公司中的服务业企业为研究对象,并利用国泰安数据库(CSMAR)获取上市公司的财务数据和基本信息。而根据国家统计局关于三次产业划分的相关规定,
地方政府数据开放平台的相关数据来源于复旦大学数字与移动治理实验室历年发布的《中国地方公共数据开放利用报告》,再根据平台提供的有关介绍对具体的公共数据平台开放起始年份进行确认和补充。本文借鉴谢尚和赵鹏军(2024)的设计,采用较为严格的处理组筛选方法,将出现以下两种情形的城市纳入对照组而非处理组:其一,部分上线了公共数据平台,但是经核对并未发布有效原始统计数据的城市;其二,公共数据平台上所发布的数据集内容,与该地级市人民政府门户网站中“政府信息公开”栏目内容存在高度重复的城市。城市控制变量来自各年《中国城市统计年鉴》,本文对其中存在的部分缺失值使用线性插值法进行补充。
(二)模型设定与变量定义
本文选取双重差分模型(DID)作为基准模型,以检验公共数据平台开放对服务业企业外资持股比例的影响。具体模型设定如下:
| $ \begin{array}{c}{Finvest}_{ijt+1}={\beta }_{0}+{\beta }_{1}{DID}_{jt}+{\beta }_{k}{CVs}_{ijt}+{\mu }_{t}+{\nu }_{i}+{\delta }_{j}+{\varepsilon }_{ijt+1} \end{array} $ | (1) |
其中,
在解释变量方面,
四、实证结果分析
(一)基准回归分析
根据式(1),本文就公共数据平台开放对服务业企业外资持股比例的影响进行了基准回归分析,具体估计结果见表1。从中可以看出,在控制了三个维度的固定效应后,公共数据开放的估计系数在1%水平上显著为正。这表明与所在地未开放公共数据平台的企业相比,开放了公共数据平台城市内的服务业企业的外资持股比例显著提高。该回归结果初步支持了公共数据开放能够吸引服务业外商投资的理论预期。考虑到企业和城市特征也可能影响外资的投资选择,因而列(2)增加了控制变量,结果显示核心解释变量的估计系数为正,且达到1%的显著性水平,这说明公共数据开放的确能显著提高企业的外资持股比例。
| (1) | (2) | |
| DID | ||
| 控制变量 | 非控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 |
| 样本量 | 9 298 | 9 298 |
| adj. R2 | ||
| 注:***、**和*分别表示在1%、5%和10%的水平上显著,括号内为经地区聚类( | ||
(二)估计有效性分析
1. 事前趋势检验
进行DID分析的前提是在公共数据平台开放前,处理组和控制组的外资持股比例的变化趋势相同,即满足事前趋势平行的假设。为此,本文借鉴Alok和Ayyagari(2020)的做法,构建动态双重差分模型以检验事前平行趋势和政策的动态效果。具体的模型设定如下:
| $ \begin{array}{c}{Finvest}_{ijt}={\beta }_{0}+{\beta }_{n}{\sum }_{-5}^{5}{Event}_{jt}^{n}+{\beta }_{k}{CVs}_{ijt}+{\mu }_{t}+{\nu }_{i}+{\delta }_{j}+{\varepsilon }_{ijt}\end{array} $ | (2) |
其中,
2. 安慰剂检验
为排除不可观测的随机因素对估计结果的影响,本文借鉴蔡运坤等(2024)的做法,采用间接安慰剂检验方法进一步检验。即随机产生一个实施公共数据开放的城市名单,从而产生一个错误估计系数
(三)稳健性检验
1. 替换核心变量
考虑到基准回归中核心变量存在多种衡量方式,本文替换核心变量进行稳健性检验。在替换核心解释变量方面,本文主要使用两种替换核心解释变量的方法:其一,由于基准回归中处理组的筛选条件较为严格,此处放松筛选条件,即只要上线了公共数据平台的城市就纳入处理组;其二,公共数据开放有省域和城市两个维度,此处将公共数据开放识别到省域层面,即只要上线了省级公共数据平台的省份就纳入处理组。在替换被解释变量方面,不仅使用外资占总股本比衡量企业外资持股,还通过服务业外商合资经营企业法人单位数、外商独资企业法人单位数加1再取自然对数衡量吸引外资水平,
| 替换解释变量 | 替换被解释变量 | ||||
| 放松筛选条件 | 省级公共数据平台 | 外资占总股本比 | 外商合资经营企业 | 外商独资企业 | |
| (1) | (2) | (3) | (4) | (5) | |
| DID | |||||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 城市与年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 企业固定效应 | 控制 | 控制 | 控制 | 非控制 | 非控制 |
| 样本量 | 9 298 | 9 298 | 9 298 | 2 883 | 2 883 |
| adj. R2 | |||||
2. 排除其他政策的干扰
现实中存在既与公共数据开放相关,又可能影响外商投资的其他政策,从而会对前文的估计结果造成干扰。由于本文的研究样本为服务业上市公司,因此本文首先选择排除服务贸易创新发展试点政策;其次,本文还控制了自由贸易试验区、“营改增”政策(彭远怀和胡军,2024),以排除其他政策的干扰。表3结果表明,基准回归结果较为稳健。
| 服务贸易试点 | 自贸试验区 | “营改增” | |
| (1) | (2) | (3) | |
| DID | |||
| DID01 | − |
||
| DID02 | |||
| DID03 | |||
| 控制变量 | 控制 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 9 298 | 9 298 | 9 298 |
| adj. R2 |
3. 排除预期效应
为验证DID模型的有效性,本文进一步检验是否存在预期效应。在公共数据开放平台上线之前,当地企业可能会预测政府开放公共数据的政策,如根据政策公开文件预测未来的政策方向或未来的试点城市。为排除预期效应的影响,本文构建政策实施前一年的变量(
| (1) | (2) | |
| DID | ||
| DID_1 | ||
| DID_2 | ||
| 控制变量 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 |
| 样本量 | 9 298 | 9 298 |
| adj. R2 |
4. 异质性稳健估计量
公共数据开放不仅存在时间序列的差异,还可能存在批次间的差异。为此,本文分别参考Borusyak等(2024)、Liu等(2024)提出的插补估计法进行分析,发现基准回归的估计结果仍保持不变,这表明因异质性处理效应导致的估计偏差在本文中不会成为一个严重问题。
5. 其他稳健性检验
本文还进行了如下稳健性检验:其一,宏观经济的变化和产业政策的实施可能会导致外资流入在不同年份出现系统性变动。为此,本文在基准回归模型中加入城市—年度趋势项(蔡运坤等,2024),以控制城市随着年份变化的发展趋势对外资进入的影响,估计结果见表5的列(1)。其二,改进回归样本。一是考虑到北京、上海的上市公司多为实力雄厚的公司,为了有效规避选择偏误,剔除上述两个城市的上市公司重新进行回归,估计结果见表5的列(2);二是考虑到对于信息、互联网行业而言,开放的政府数据有可能直接作为生产要素参与其生产活动,故借鉴彭远怀和胡军(2024)的做法,删除信息、互联网行业再进行回归,估计结果见表5的列(3)。以上稳健性结果均表明基准回归结果依然是稳健的。
| 控制城市—年度趋势 | 改进回归样本 | ||
| (1) | (2) | (3) | |
| DID | |||
| 城市—年度趋势项 | 控制 | 非控制 | 非控制 |
| 控制变量 | 控制 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 9 298 | 6 350 | 6 990 |
| adj. R2 | |||
(四)内生性检验
一般而言,公共数据开放的时间和内容不会受到企业的影响,而是由所在地区政府部门决定的。从现实发展来看,公共数据开放城市具有一定的随机性。虽然经济较发达的北京和上海早在2012年便开放了公共数据平台,但肇庆、梅州开放数据平台的时间比广州、深圳等经济表现更好的城市要早。根据“开放数林指数网”显示,截至2025年5月,开放数林指数前五大城市杭州、济南、德州、温州和日照并不属于江苏、上海、广东等吸引外资较多的省份,因此在一定程度上反映出公共数据开放政策与外商投资并不存在互为因果关系。
为了进一步排除遗漏变量可能引起的内生性问题,本文首先借助工具变量法对基准回归模型的估计结果进行检验,然后进一步参考Beck等(2010)、彭远怀(2023)的做法,利用Weibull Hazard模型直接验证公共数据开放相对企业外资占比是否外生。在使用工具变量法方面,本文参考蔡运坤等(2024)、彭羽等(2025)的方法,使用地形起伏度与上一期全国互联网宽带接入端口对数交互项(
此外,本文还直接验证了公共数据开放相对企业外资占比是否外生,即分析企业外资持股比例是否会对公共数据开放时间产生影响。具体检验模型设定为:
| $ \begin{array}{c}{LY}_{jt}={\lambda }_{0}+{\lambda }_{1}{FinvestM}_{jt}+{\lambda }_{k}{X}_{jt}+{\mu }_{t}+{\omega }_{j}+{\tau }_{jt}\end{array} $ | (3) |
其中,
表6列(1)与列(2)为工具变量法的估计结果。在第一阶段回归结果中,变量
| DID | Finvest | LY | LY | |
| (1) | (2) | (3) | (4) | |
| IV1 | − |
|||
| IV2 | ||||
| DID | ||||
| FinvestM | ||||
| 控制变量 | 控制 | 控制 | 非控制 | 控制 |
| 城市与年份固定效应 | 控制 | 控制 | 控制 | 控制 |
| 企业固定效应 | 控制 | 控制 | 非控制 | 非控制 |
| 样本量 | 7 890 | 7 890 | 1 143 | 1 143 |
| 注:根据Kleibergen-Paap rk LM统计量和Kleibergen-Paap rk Wald F检验统计量的结果,工具变量与潜在内生变量之间具有较强的相关性。 | ||||
五、机制分析
(一)公共数据开放的影响机制检验
首先,本文借鉴赵涛等(2020)的研究思路,构建四个指标并通过主成分分析方法得到当地数字经济发展水平。这四个指标分别是国际互联网用户数,信息传输、计算机服务和软件业从业人员占户籍人口的比重,人均电信业务总量,以及移动电话用户数。估计结果如表7列(1)所示,变量
| 城市数字经济发展水平 | 行业创业活力 | 企业数字化决策能力 | |||
| 服务业 | 第一产业 | 第二产业 | |||
| (1) | (2) | (3) | (4) | (5) | |
| DID | − |
− |
|||
| 控制变量 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 城市与年份固定效应 | 控制 | 控制 | 控制 | 控制 | 控制 |
| 企业固定效应 | 非控制 | 非控制 | 非控制 | 非控制 | 控制 |
| 样本量 | 2 587 | 3 715 | 3 715 | 3 715 | 8 658 |
| adj. R2 | |||||
其次,本文借鉴蔡运坤等(2024)的研究,利用中国工商企业注册数据库提供的三次产业新注册企业数目取自然对数来衡量各产业的创业活力。由表7列(2)—列(4)可知,公共数据开放显著提升了服务业的创业活力,但对第一产业和第二产业的创业活力无显著影响。可见,公共数据开放对创业活力的积极影响仅发生在服务业,有助于服务业更好地吸引外资,即验证了通过服务业创业活力加以影响的机制。事实上,对服务业创业活力的影响能够得到相关发展实践的支撑。例如,上海市公共数据开放平台不仅提供了各街道新增就业岗位的信息、家政服务人员持上门服务证名单,还公开了服务业企业、服务业集聚区、信息服务业产业基地等信息。
最后,本文借鉴王超等(2023)的思路,使用拥有数字化背景的高管人数占比作为代理变量,以反映企业的数字化决策能力。当高管所学专业涉及信息、智能、软件、电子、通信等内容时,认定其拥有数字化背景。表7列(5)的结果显示,公共数据开放能够显著地提升企业数字化决策能力,这表明提高企业数字化决策能力的确是公共数据开放促进外资持股比例的又一影响机制。至此,再结合基准回归的估计结果,可以判断假说1得证。
(二)高管团队国际化的调节效应
本文分别定义变量
| 高管团队国际化 | |||
| 海外背景 | 海外工作经历 | 海外教育经历 | |
| (1) | (2) | (3) | |
| DID×OB | |||
| DID×OB1 | |||
| DID×OB2 | |||
| 控制变量 | 控制 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 9 291 | 9 291 | 9 291 |
| adj. R2 | |||
(三)公共数据开放影响外资进入的后果分析
戴魁早等(2023)的研究指出,数字经济是推动服务业结构持续升级的重要途径。那么,公共数据开放作为推进数字经济战略的重要举措,是否能够通过吸引服务业外资助力实现服务业结构升级?为了回答该问题,本文参考白俊等(2024)的研究,构建交互项衡量公共数据开放和服务业企业外商投资水平的综合影响;
| MS | MS | |
| (1) | (2) | |
| DID×Fore1 | ||
| DID×Fore2 | ||
| 城市控制变量 | 控制 | 控制 |
| 城市与年份固定效应 | 控制 | 控制 |
| 样本量 | 2 139 | 2 139 |
| adj. R2 |
六、异质性分析
(一)不同类别企业的比较
本文参照国民经济行业分类(2017),将企业分为非信息类和信息类,即设置一个虚拟变量
| 是否为信息类企业 | 是否为生产性服务业 | 是否为现代服务业 | |
| (1) | (2) | (3) | |
| DID×info | |||
| DID×manu | |||
| DID×modern | |||
| 控制变量 | 控制 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 9 298 | 9 298 | 9 298 |
| adj. R2 |
(二)不同特点行业的比较
本文重点关注公共数据平台开放在生产性服务业和现代服务业上的异质性影响,两者的划分依据参考戴魁早等(2023)使用的行业划分标准。基于此,本文设置是否为生产性服务业(
(三)不同开放主题类型的比较
从现实情况来看,各城市公共数据平台上不同数据主题的发布数量和侧重点有所不同。为考察不同开放主题类型的侧重程度差异是否会影响服务业企业的利用程度进而影响企业吸引外资的水平,以及是否会影响外资对该企业及其所在地区的不同维度的信息了解程度进而影响外商的投资决策,本文借鉴王海等(2024)的研究,将所在地未开放公共数据平台的样本作为对照组,并根据各市级公共数据平台开放数据量占比前三的主题类型,将处理组样本划分为侧重开放社会民生类(涵盖“生活服务”“医疗卫生”“社保就业”等相关主题)、公共服务类(涵盖“综合政务”“机构团体”等相关主题)、经济建设类(涵盖“商贸流通”“工业农业”“农业农村”等相关主题)。
| 社会民生类 | 公共服务类 | 经济建设类 | |
| (1) | (2) | (3) | |
| DID | |||
| 控制变量 | 控制 | 控制 | 控制 |
| 企业、城市与年份固定效应 | 控制 | 控制 | 控制 |
| 样本量 | 8 428 | 7 212 | 5 688 |
| adj. R2 |
七、结论与启示
吸引更多外商投资是促进服务消费高质量发展和高水平对外开放的重要举措。推动公共数据开放对释放数据要素红利和拓展投资空间具有重要意义。本文基于我国A股服务业上市公司的数据,以城市层面公共数据平台开放作为准自然实验,考察其对服务业企业吸引外商投资的影响及其作用机制。研究表明:第一,公共数据平台开放显著提高了服务业企业的外资持股比例,该结论在经过事前趋势检验、安慰剂检验、排除其他政策和预期效应等多种稳健性检验后依然成立。第二,提升城市数字经济发展水平、服务业创业活力以及企业数字化决策能力是公共数据开放吸引服务业外商投资的重要影响机制,同时高管团队国际化水平对公共数据开放的积极影响起到了正向调节作用。第三,公共数据平台开放对非信息类企业、生产性服务业和现代服务业的影响更大;公共服务类和经济建设类主题的公共数据开放更有助于提高服务业企业的外资持股比例。
鉴于上述研究结论,本文可得到以下四点政策启示:第一,推进更多城市建设公共数据开放平台,为提升服务业外资水平提供持续动力。截至2024年7月,我国还有约35%的城市未上线公共数据开放平台,
| [1] | 白俊, 袁勋, 乔君. 放松市场准入管制与企业跨地区投资——基于负面清单制度试点的准自然实验[J]. 财经研究, 2024(4): 64–78. |
| [2] | 蔡运坤, 周京奎, 袁旺平. 数据要素共享与城市创业活力——来自公共数据开放的经验证据[J]. 数量经济技术经济研究, 2024(8): 5–25. |
| [3] | 戴魁早, 黄姿, 王思曼. 数字经济促进了中国服务业结构升级吗?[J]. 数量经济技术经济研究, 2023(2): 90–112. |
| [4] | 方臣. 知识产权示范城市政策对高技术产业外商投资的影响[J]. 世界经济研究, 2024(12): 32–46. DOI:10.3969/j.issn.1007-6964.2024.12.sjjjyj202412004 |
| [5] | 方锦程, 刘颖, 高昊宇, 等. 公共数据开放能否促进区域协调发展?——来自政府数据平台上线的准自然实验[J]. 管理世界, 2023(9): 124–142. |
| [6] | 郭家堂. 公共数据开放与中国绿色全要素生产率: 数据要素的视角[J]. 经济研究, 2025(2): 56–72. DOI:10.3969/j.issn.0577-9154.2025.2.jjyj202502005 |
| [7] | 孔东民, 石政, 林爽. 公共数据要素能提高企业劳动收入份额吗——基于建立公共数据开放平台的准自然实验[J]. 财贸经济, 2025(4): 77–94. DOI:10.3969/j.issn.1002-8102.2025.04.006 |
| [8] | 蓝发钦, 胡晓敏, 徐卓琳. 公共数据开放能否拓展资本跨区域流动距离——基于异地并购视角[J]. 中国工业经济, 2024(9): 156–174. DOI:10.3969/j.issn.1006-480X.2024.09.009 |
| [9] | 彭水军, 李之旭, 黄鑫. 内资与外资的共生共赢——基于两个市场两种资源联动的价值链新核算框架分析[J]. 管理世界, 2024(4): 27–51. DOI:10.3969/j.issn.1002-5502.2024.04.002 |
| [10] | 彭羽, 丁佰林, 杨黥. 公共数据开放是否促进了城市层面的外商直接投资流入[J]. 国际贸易问题, 2025(2): 107–122. DOI:10.3969/j.issn.1002-4670.2025.2.gjmywt202502007 |
| [11] | 彭远怀. 政府数据开放的价值创造作用: 企业全要素生产率视角[J]. 数量经济技术经济研究, 2023(9): 50–70. |
| [12] | 彭远怀, 胡军. 政府数据开放与资本区际流动: 企业异地投资视角[J]. 数量经济技术经济研究, 2024(10): 89–110. |
| [13] | 沈坤荣, 林剑威. 链“岛”成“陆”: 公共数据开放的技术创新效应研究[J]. 管理世界, 2025(2): 83–100. DOI:10.3969/j.issn.1002-5502.2025.02.006 |
| [14] | 宋德勇, 汪涌, 胡杨. 外资持股的供应链低碳化效应研究[J]. 中国工业经济, 2023(11): 155–173. DOI:10.3969/j.issn.1006-480X.2023.11.009 |
| [15] | 孙传旺, 张文悦. 对外直接投资与企业绿色转型——基于中国企业微观数据的经验研究[J]. 中国人口•资源与环境, 2022(9): 79–91. |
| [16] | 王超, 余典范, 龙睿. 经济政策不确定性与企业数字化——垫脚石还是绊脚石?[J]. 经济管理, 2023(6): 79–100. |
| [17] | 王海, 叶帅, 尹俊雅. 公共数据开放如何提振企业有效投资——基于产能利用视角[J]. 中国工业经济, 2024(8): 137–153. DOI:10.3969/j.issn.1006-480X.2024.08.008 |
| [18] | 王硕, 殷凤. 集聚效应对服务业FDI区位选择的影响: 基于产业维度的再分解与测度[J]. 世界经济研究, 2021(12): 103–115. DOI:10.3969/j.issn.1007-6964.2021.12.sjjjyj202112009 |
| [19] | 谢尚, 赵鹏军. 公共数据开放与城乡居民收入增长: 来自政府数据平台上线的证据[J]. 北京交通大学学报(社会科学版), 2024(3): 61–75. DOI:10.3969/j.issn.1672-8106.2024.03.008 |
| [20] | 张柳钦, 李建生, 孙伟增. 制度创新、营商环境与城市创业活力——来自中国自由贸易试验区的证据[J]. 数量经济技术经济研究, 2023(10): 93–114. |
| [21] | 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65–75. DOI:10.3969/j.issn.1002-5502.2020.10.006 |
| [22] | 郑志强, 何佳俐, 陈尧. 公共数据开放与企业数字技术创新[J]. 财经研究, 2025(2): 19–33. |
| [23] | Alok S, Ayyagari M. Politics, state ownership, and corporate investments[J]. The Review of Financial Studies, 2020, 33(7): 3031–3087. DOI:10.1093/rfs/hhz102 |
| [24] | Beck T, Levine R, Levkov A. Big bad banks? The winners and losers from bank deregulation in the United States[J]. The Journal of Finance, 2010, 65(5): 1637–1667. DOI:10.1111/j.1540-6261.2010.01589.x |
| [25] | Borusyak K, Jaravel X, Spiess J. Revisiting event-study designs: Robust and efficient estimation[J]. Review of Economic Studies, 2024, 91(6): 3253–3285. DOI:10.1093/restud/rdae007 |
| [26] | Fuchs V. The service economy[M]. New York: National Bureau of Economic Research, 1968. |
| [27] | Ghasemaghaei M, Calic G. Does big data enhance firm innovation competency? The mediating role of data-driven insights[J]. Journal of Business Research, 2019, 104: 69–84. DOI:10.1016/j.jbusres.2019.07.006 |
| [28] | Kolstad I, Villanger E. Determinants of foreign direct investment in services[J]. European Journal of Political Economy, 2008, 24(2): 518–533. DOI:10.1016/j.ejpoleco.2007.09.001 |
| [29] | Liu L C, Wang Y, Xu Y Q. A practical guide to counterfactual estimators for causal inference with time-series cross-sectional data[J]. American Journal of Political Science, 2024, 68(1): 160–176. DOI:10.1111/ajps.12723 |
| [30] | Nielsen B B, Asmussen C G, Weatherall C D. The location choice of foreign direct investments: Empirical evidence and methodological challenges[J]. Journal of World Business, 2017, 52(1): 62–82. DOI:10.1016/j.jwb.2016.10.006 |