公用数据平台建设对专精特新企业债务融资成本的影响

公用数据平台建设对专精特新企业债务融资成本的影响

刘建桥，吴 倩

（上海大学 经济学院，上海 201900）

中图分类号：F832.5

文献标识码：A

文章编号：2096-2517（2026）01－0032－13

DOI：10.16620/j.cnki.jrjy.2026.01.003

 收稿日期：2025-11-27

 基金项目：国家社会科学基金项目“平台经济金融化对金融调控的冲击机理及长效监管机制研究”（22BJY117）

一、引言

专精特新企业凭借其精准的市场定位和独特的价值创造能力，已经成为我国科技自主创新的引领者。2021年7月，中共中央政治局会议强调要强化科技创新和产业链、供应链韧性，要加强基础研究以及加快解决“卡脖子”难题，重点发展专精特新企业。2024年6月，财政部联合工信部发布了《关于进一步支持专精特新中小企业高质量发展的通知》，提出通过中央财政资金引导带动专精特新企业打造新动能、攻坚新技术、开发新产品以及强化产业链的配套能力。但专精特新企业在发展中面临的融资贵难题严重制约其成长和发展。据中国中小企业协会调查，2024年第四季度中小企业资金指数（100.6）环比微降0.10%，尽管整体资金指数仍在景气线之上，但整体资金状况仍有所趋紧。其中，构成资金面的两项关键指标均不乐观，融资指数降至90.2，同时流动资金指数仍维持在85.0的低位①中国中小企业协会.2024年四季度中国中小企业发展指数小幅上升［EB/OL］.（2025-01-12）.https://www.ca-sme.org/content/Content/index/id/90724/isadmin/1.。因此，亟须寻找有效途径来降低专精特新企业债务融资成本，破解其融资难、融资贵的问题。

从现有文献来看，影响企业债务融资成本的因素可归结为宏观和微观两个层面。

宏观层面的影响因素可进一步划分为宏观经济环境和宏观经济政策两个维度。从宏观经济环境来看，金融市场发展滞后会导致信贷资源配置失衡，进而会推高企业融资成本。但随着利率市场化改革进程的不断推进，银行等金融机构逐渐获得实质上的自主定价权，促使其通过价格竞争吸引优质客户，有助于降低企业债务融资成本。由于存款利率市场化并未同步推进，LPR改革的实施使得短期内金融机构利差减少、利润空间缩减，迫使其提高中小企业信贷投放量，进一步降低了企业债务融资成本。此外，李青原等（2015）发现，通货膨胀预期通过降低实际利率产生的财富再分配效应，在一定程度上能够减轻企业的债务融资负担。蒋敏等（2020）的研究表明，影子银行的发展拓宽了企业的融资渠道，有利于降低企业债务融资成本。Hoepner等（2016）的研究发现，国家的可持续性（包括社会和环境框架）对企业直接融资的成本有显著的统计和经济影响。从宏观经济政策来看，政策风险会增加企业未来现金流的不确定性，导致投资者对企业未来偿债能力的担忧增加，进而提高债权人的风险溢价要求。除此之外，地方政府债务规模扩张产生的“挤出效应”会加剧资本市场的资金竞争，推高企业融资成本。杨冕等（2022）研究发现，政府加强环境规制会提高企业遭受惩罚的概率，使得企业债务违约风险高于市场平均水平，债权人会要求更高的利息收益作为补偿。Lim等（2018）发现政府补贴会被投资者视为隐性的政府担保，有利于降低债权人的风险感知，使得企业债务融资成本下降。

从企业自身即微观层面来看，良好的公司治理不仅能够提升企业经营效率和盈利能力，还能有效降低经营风险以及代理冲突所引发的债务代理成本，这有助于企业获得更低的债务融资成本。王运通等（2017）的研究发现，多个大股东的股权结构能够形成有效的监督制衡机制，抑制控股股东的道德风险行为，保护债权人的利益，最终降低公司的债务融资成本。罗进辉等（2023）的研究显示，高管频繁变动可能导致战略频繁调整和经营效率下滑，增加投资者对企业前景的不确定性预期，从而推高企业债务融资成本。在信息披露方面，高质量的信息披露能够显著降低银企之间的信息不对称，增强债权人对企业收益预测的准确性，缓解相关利益者的不确定性担忧，进而降低其所要求的风险溢价。就企业ESG表现而言，学术界尚未达成共识。部分研究认为，如果金融市场低估了企业社会责任在降低公司风险方面的潜力，那么企业履行社会责任可能会被看作资源的浪费，导致企业债务融资成本的上升。另有研究表明，良好的ESG表现能够约束管理层的不当和短视行为，提高企业运营和管理的稳健性，降低债权人的风险感知，最终实现企业债务融资成本下降。在数字化方面，陈中飞等（2022）研究发现，企业数字化转型能够通过“信息渠道”以及“盈利渠道”赋予企业融资上的竞争优势，降低企业融资成本。龚勇强等（2025）研究认为，数字金融能够通过缓解投融资期限错配和抑制企业金融化进而降低企业债务融资成本。

以上研究文献深入讨论了影响企业融资成本的宏微观因素，也关注了企业数字化转型对融资问题的溢出效应，但鲜有文献关注公用数据平台建设与发展对专精特新企业融资约束的影响。公用数据平台旨在整合、共享和利用公共数据，以驱动更高效、更透明和更具前瞻性的政府服务、产业升级和社会治理，已成为推动社会发展、改善民生和增强政府决策能力的重要资源。基于以上背景，本文选取2021、2022年国家认定的专精特新企业作为研究对象，探究公用数据平台建设对专精特新企业债务融资成本的影响。

本文可能的边际贡献主要有：第一，拓展了公用数据平台建设的溢出效应研究。公用数据平台建设旨在通过政务数据公开共享带动企业等市场主体的数据对外开放，打破原有的“信息孤岛”。因此，从多层次、多方位视角分析其溢出效应，可为完善公用数据平台的建设和发展提供事实依据。第二，丰富了专精特新企业融资约束的研究。学术界对于专精特新企业的研究主要聚焦其发展路径等方面，尚未关注公用数据平台建设对专精特新企业债务融资成本的影响问题。本文丰富了专精特新企业在融资方面的研究成果，也为专精特新企业寻求降低债务融资成本的新途径提供了参考依据。

二、理论分析和研究假设

（一）公用数据平台与专精特新企业债务融资成本

公用数据平台打通了各级部门数据流通渠道，并依据统一的目录向公众开放，实现了信息发布的集中化，极大简化了信息需求方获取信息的流程。信息需求方无需再从多个分散的信息发布平台中搜集信息，而是可以直接调用数据接口，一站式轻松获取可机读格式的数据。市场信息环境的改善不仅实现了企业信息从碎片化到结构化的转化，更完成了从信息到信用、从信用到信贷额度的价值转化，使得商业银行的贷前风险识别能力得到有效提升。这不仅有助于提升企业获得贷款的概率，还能够矫正专精特新中小企业长期面临的信贷配给和价格歧视，驱动财富从贷款者向借款者再分配，这种“分配效应”的存在系统性地降低了专精特新企业的债务融资成本，缓解了专精特新中小企业所面临的融资约束难题。进一步地，政府部门在履行职责的过程中积累了大量关于专精特新企业真实经营状况的原始信息，公用数据平台通过整合这些信息来构建数据库，并与外部机构建立企业信用信息共享机制，可以有效抑制管理层在信息披露中的机会主义行为，提升专精特新中小企业信息的透明度。这种透明度的提升具有正向的“曝光效应”，不仅能够降低企业财务舞弊的概率，提高企业对外信息披露的真实性和及时性，还能够督促管理者保持良好的企业环境信息披露质量。在环境问题日益突出的背景下，专精特新中小企业通过高质量的环境信息披露，能够向外部市场传递出企业价值上升的正面信号。同时由于市场投资者以机构投资者为主，往往表现出更为明显的ESG敏感性，使得投资者更倾向于以较低的风险溢价来支持这些企业的可持续发展。公用数据平台发布的数据涵盖多个领域，多样性的数据资源有利于形成网络联动，使企业能够有效捕捉网络信号并提高市场敏感性，将消费者需求融入产业链上各个环节，而以市场需求为导向会倒逼企业分工愈发精细化与专业化，为企业带来差异化的竞争优势，增强企业的核心竞争力，这有助于提升市场对企业未来发展前景的信心，进而降低企业债务融资成本。

根据上文分析，本文提出假设H1：公用数据平台建设能够降低专精特新企业债务融资成本。

（二）公用数据平台、非效率投资与专精特新企业债务融资成本

非效率投资是指企业实际投资偏离最优水平的行为，主要表现为过度投资（投入净现值为负项目）和投资不足（放弃净现值为正项目）等。非效率投资会降低企业资金的使用效率，使债券投资者的相关利益受到损失，进一步使企业价值下降，由此导致企业偿还债务和获取外部融资的难度加大，相应地会带来企业信用风险的上升。公用数据平台通过开放公共数据保证了专精特新企业与大型企业获取信息的公平性，从而有利于吸引高效率企业的进入并倒逼低效率企业加速退出。竞争环境的优化不仅能够有效抑制低效产能的重复建设和过度供给，还能对管理层的业绩施加一定的压力，有效抑制了管理者投资决策的短视主义行为，从而挤出企业的无效率投资行为。不仅如此，公用数据平台极大地满足了专精特新企业多样化场景下的公共数据需求，使得企业能够获取全面充分的信息。企业掌握的信息越充分，其面临的外部投资环境的不确定性就越小，企业对投资收益和成本的预期越稳定，且面临的投资未知风险就越小。基于这种稳定的预期，企业能够根据利润最大化目标对生产要素进行合理的配置和调整，从而有效提高企业投资决策的准确性和客观性，进而实现投资决策的最优化，降低融资成本。

根据上文分析，本文提出假设H2：公用数据平台建设通过减少非效率投资行为，降低专精特新企业债务融资成本。

（三）公用数据平台、数字化转型与专精特新企业债务融资成本

当前我国超过80%的数据资源掌握在政府部门手中，公用数据平台成为企业获取数据资源的重要途径，因此建设公用数据平台以实现数据资源的开放共享，对于企业实现数字化转型至关重要。由于专精特新企业规模相对较小，往往缺乏足够的自有资本来实现数字化转型。公用数据平台通过将涉及专精特新企业的多渠道相关信息汇聚在一起，能够减少外部投资者和企业之间面临的信息不对称，进而提高专精特新中小企业外部融资的可得性，在一定程度上可以帮助企业突破数字化转型过程中的资金瓶颈。从交易成本理论的角度分析，数字化转型对债务融资全流程进行了系统性优化，从而显著提升了债务契约的执行效率，使企业能够以更低的交易成本获取融资。专精特新企业数字化转型之后，一方面，企业可以通过数据资产质押等创新方式获取融资，将数据转化为可质押资产，从而开辟新的融资路径，拓宽融资渠道，降低融资成本；另一方面，数字化能力不仅直接提升企业的偿债能力，更重要的是向资本市场传递了企业可持续发展的积极信号，从而获得更优惠的融资条件，最终有效降低企业债务融资成本。

根据上文分析，本文提出假设H3：公用数据平台建设通过推动数字化转型，降低专精特新企业债务融资成本。

三、研究设计

（一）样本选取与数据来源

自2012年北京和上海率先启动公用数据平台建设以来，各地纷纷响应，陆续制定并发布了公用数据平台建设的工作计划与开放清单。经过多年发展，我国公用数据平台建设已初具规模，形成了蓬勃发展的态势。截至2024年7月，全国范围内已建省市级公用数据平台243个，其中省级平台24个，城市平台219个①复旦大学数字与移动治理实验室.中国地方公共数据授权运营报告［EB/OL］.（2025-07-31）.http://ifopendata.fudan.edu.cn/report.。考虑到公用数据平台建设的起步时间为2012年，为了确保研究的完整性并为这些处理组提供充足的事前年份数据，本文将研究的时间窗口选定为2009—2022年。同时，选取2021和2022年国家认定的沪深A股上市的专精特新企业为研究对象。公用数据平台建设的相关数据通过各级政府官方网站发布的政策文件和工作通知获得，并参照《中国开放数林指数》报告对数据进行交叉验证。其余相关数据分别来自CSMAR数据库、Wind数据库和Choice数据库。

在获取公用数据平台建设和专精特新企业原始数据基础上，本文对数据进行了如下处理：首先，剔除金融行业，以避免其特殊性对研究结果产生干扰；其次，剔除当年年末交易状态为ST、*ST和PT的企业；再次，剔除关键数据严重缺失的企业，以保证数据的完整性和可靠性；最后，对模型中所有连续变量进行了1%和99%的缩尾处理，以减少样本中异常数据值对回归结果的潜在影响。最终获得922个上市公司7322个样本数据。

（二）变量定义

1.被解释变量。本文的被解释变量为企业债务融资成本（Cost）。为了全面、准确地衡量专精特新企业债务融资成本的情况，本文借鉴何德旭等（2022）的做法，将企业的利息支出、手续费和其他财务费用之和与长短期总负债之比作为企业债务融资成本的度量指标。其中，短期负债包括资产负债表中的短期借款和一年内到期的非流动负债，长期负债包括长期借款、应付债券和长期应付款。

2.解释变量。本文的核心解释变量为公用数据平台建设（DA TA）。该变量为哑变量，若某城市在某年已建成公用数据平台，该变量取值为1；反之，则取值为0。

3.控制变量。为了避免遗漏变量带来的估计偏误，本文参考袁淳等（2021）、欧阳伊玲等（2024）的研究，选取以下企业层面和地级市层面的控制变量。其中，企业层面控制变量包括总资产收益率（Roa）、现金流水平（Ocf）、资产负债率（Lev）、现金持有水平（Cash）、企业年龄（Age）、企业规模（Size）和成长性（Growth）；地级市层面控制变量包括地区人均生产总值（Gnp）以及第三产业占比（Ter）。

各变量的具体说明如表1所示。

表1 变量定义

资料来源：作者自行整理设计。

（三）模型设定

其中，下标i、j、t分别表示企业、行业和年份。Costi，t为被解释变量，表示企业i在年份t的债务融资成本。DA TA i，t表示企业i在年份t，其所在城市公用数据平台建设情况，若该城市已经建设公用数据平台，则取值为1，否则为0。Controli，t表示其他控制变量，代表公用数据平台建设以外其他影响专精特新企业债务融资成本的因素。μj和δt分别代表行业固定效应和年份固定效应，εi，t代表随机误差项。在具体的回归过程中，本文对标准误进行行业层面的聚类调整处理。α1为本文解释变量的回归系数，反映公用数据平台建设对专精特新企业债务融资成本的影响，若假设H1为真，则α1应为负。

（四）描述性统计

表2显示了本文主要变量的描述性统计和分组检验的结果。其中列（1）至列（3）为样本的描述性统计。企业债务融资成本的均值为0.0666，标准差为0.0780，说明各个企业债务融资成本之间存在一定差异。公用数据平台建设的均值为0.4526，表明45.26%的样本企业所在城市已经建设了公用数据平台。其余变量均在合理范围内。列（4）至列（8）为分组统计的结果。可以看出，已经建设公用数据平台组的企业债务融资成本均值在数值上小于未建设公用数据平台组，且均值差异通过了1%水平的显著性检验，组间均值比较初步验证了公用数据平台建设对专精特新企业债务融资成本具有负向的影响。部分控制变量在两组之间也存在显著性差异，但是更为严谨的实证检验还需进一步完成。

表2 变量的描述性统计和分组检验

四、实证结果和分析

（一）基准回归分析

公用数据平台建设对专精特新企业债务融资成本影响的基准回归结果如表3所示。在对基准假设进行检验时，本文采取了递进式的回归策略。其中，列（1）为仅加入了核心解释变量的回归结果，公用数据平台建设的系数为-0.0232，且在1%的统计水平上显著，表明公用数据平台建设显著降低了专精特新企业债务融资成本。列（2）为考虑了企业层面和地级市层面控制变量的回归结果，回归系数尽管有所下降，但依然在1%的水平上显著为负。列（3）为进一步加入控制变量以及年份和行业固定效应的回归结果，公用数据平台建设的回归系数依然在1%的水平上显著为负，表明公用数据平台建设能够降低专精特新企业债务融资成本。基于此，本文的假设H1得以验证。

表3 基准回归结果

（二）平行趋势检验

其中，D表示公用数据平台建设前后的年份，为虚拟变量。表示公用数据平台建设的当年，表示公用数据平台建设的后一年，表示公用数据平台建设的前一年，其他变量以此类推。同时，将政策实施前一期设定为基准对照。

图1显示了平行趋势检验结果，其中，X轴表示政策时点，Y轴表示政策动态效应，竖线代表90%置信区间。可以看出，早于公用数据平台建设年份的组别回归结果均不显著，表明在公用数据平台建设之前处理组城市和控制组城市企业的债务融资成本具有较为一致的变化趋势；而在公用数据平台建设之后，处理组城市企业的债务融资成本相比于控制组显著下降，验证了本文基准回归的平行趋势假设。同时，还能看出公用数据平台建设的影响效果存在明显的滞后1期，随后影响效果逐渐加强并维持至第3期。

图1 平行趋势检验

（三）稳健性检验

1.安慰剂检验

尽管基准回归的模型设定以及平行趋势检验在一定程度上缓解了内生性问题，但仍可能有其他随机因素会对企业债务融资成本造成影响，从而导致估计偏误。因此，本文进一步通过安慰剂检验加以验证。随机选取处理组数据，并对每一个处理组数据随机设定公用数据平台建设的时间，然后再生成虚拟处理组和虚拟处理时间的交互项进行回归，将该过程重复1000次。公用数据平台建设的真实回归系数（-0.020）位于模型的右侧，这说明本文假设的虚拟政策效应并不存在。进一步地，本文绘制出所有抽样结果的估计系数的核密度分布图，如图2所示。可以看出，抽样后的估计系数大部分在0值附近且呈对称分布，说明公用数据平台建设对专精特新企业债务融资成本的影响是稳健的。

图2 安慰剂检验

2.解释变量滞后1期

公用数据平台建设可能对专精特新企业债务融资成本的影响存在时滞效应。一方面，在公用数据平台建设之后，各部门需要进行数据归集、清洗及标准化处理等；另一方面，企业需要根据需求进行筛选和价值挖掘。因此，考虑到企业债务融资成本相对于公用数据平台建设可能存在明显滞后，本文将解释变量———公用数据平台建设滞后1期，再进行稳健性检验。回归结果如表4中列（1）所示，公用数据平台建设的系数在1%的水平上显著为负。这表明在避免因解释变量包含过去被解释变量的信息所可能导致的反向因果问题后，本文的研究结果依旧稳健，即公用数据平台建设依然能够显著降低专精特新企业债务融资成本。

表4 稳健性检验结果

3.排除其他外生事件干扰

在样本期间存在多项与公用数据平台建设相类似的政策冲击，从而可能会对本文的回归结果产生干扰。为了排除其他政策对本文的影响，确保研究结果的稳健性，本文参考陈艳利等（2024）[31]的方法来进行进一步的检验。首先，2012年我国颁布了《国家智慧城市试点暂行管理办法》，特别是作为首批试点城市的上海，其数字化基础设施和企业创新环境得到了系统性提升，这一独立政策效应可能与公用数据平台的作用产生混淆，故剔除上海市样本以控制这一干扰因素。其次，2016年贵州省获批建立我国首个国家级大数据综合实验区，该政策通过推动数据资源汇聚和大数据基建整合，对当地企业融资成本产生了独特影响，为排除这一特殊政策效果的干扰，故剔除了贵州省样本。再次，2018年国家发展改革委、工业和信息化部联合印发《公共信息资源开放试点工作方案》，由于该政策在北京、上海、浙江、福建和贵州五地的实施会改善当地的数据开放程度和融资环境，这与本文研究的公用数据平台效应存在重叠，因此剔除2018年及以后的样本以隔离该政策效应。最后，本文将上述提及的所有样本企业一并删除后重新进行回归分析。检验结果如表4中列（2）至列（5）所示，从回归结果来看，公用数据平台建设的系数依然显著为负，且系数绝对值相对于基准回归并无明显下降。这表明，即使在考虑其他重大政策事件干扰的情况下，本文研究结论依然稳健。

（四）内生性检验

尽管前文已经从多个方面对研究假设进行了检验，但模型仍然可能存在逆向因果或者遗漏变量等问题，导致估计结果存在潜在偏误。为解决回归中可能存在的内生性问题，本文采用两阶段工具变量法对模型进行重新检验。借鉴宋敏等（2021）的研究思路，选取“省内已经建设公共数据平台的城市数量占比”作为工具变量。其主要原因在于：首先，同一省份内的城市往往面临相似的省级政策环境，省内建设公用数据平台的城市数量增加，会产生显著的示范效应和竞争压力，从而使其他城市公用数据平台的建设步伐加快；其次，公用数据平台建设的效益具有显著的属地化特征，城市间溢出效应并不显著，使得省内其他城市的公用数据平台建设很难对本城市专精特新企业债务融资成本产生直接影响。工具变量回归结果如表5所示。在第一阶段回归的结果中，工具变量（IV）的系数在1%的水平上显著为正，验证了工具变量的相关性假定。从第二阶段回归结果可以看出，公用数据平台建设的系数为-0.0258，且通过了1%水平的显著性检验。为了进一步验证工具变量外生性的特点，本文参考唐要家等（2022）的做法，将工具变量与自变量同时纳入回归模型，结果如表5中列（3）所示。工具变量的系数不显著且接近于0，而公用数据平台建设的系数仍显著为负，进一步验证了工具变量的外生性。在缓解内生性问题后，本文研究结论依旧稳健，即公用数据平台建设仍旧能够显著降低专精特新企业债务融资成本。

表5 内生性检验结果

注：Kleibergen-Paap rk LM统计量用于检验工具变量是否可识别，括号中P值均值为0.0003，拒绝不可识别的原假设；Cragg-Donald Wald F统计量用于检验是否存在弱工具变量，其结果大于10%水平上的判断值，表明不存在弱工具变量的问题。

五、机制分析

其中，INEi，t和Digitali，t分别代表企业i在年份t的非效率投资水平和数字化转型程度，其余变量含义与基准回归模型保持一致。

（一）降低企业非效率投资

其中，Investi，t是企业i在第t年的新增投资额，等于现金流量表中的“构建固定资产和其他长期资产所支付的现金”以及“购买和处置子公司以及其他营业单位所支付的现金”两项之和除以期初的总资产。Investi，t-1为企业i在第t-1年的新增投资额；Growthi，t-1、Sizei，t-1、Levi，t-1、Cashi，t-1、Agei，t-1和Roai，t-1分别表示企业i在第t-1年的营业收入增长率、资产规模、资产负债率、现金及现金等价物余额、上市年限和总资产收益率。

将该模型的回归结果作为被解释变量加入模型（3）进行回归，结果如表6中列（1）所示。在加入控制变量和双向固定效应之后，公用数据平台建设的回归系数在1%的水平上显著为负，这意味着公用数据平台建设能够通过降低专精特新企业非效率投资行为，进而降低其债务融资成本，假设H2得以验证。

表6 机制检验结果

（二）推动企业数字化转型

六、异质性分析

前文研究表明，公用数据平台建设通过降低非效率投资和促进数字化转型显著降低专精特新企业债务融资成本。但值得注意的是，这种影响效果可能因企业外部特征的系统性差异而呈现出明显的异质性特征。因此，本文分别从以下几个方面探究公用数据平台建设影响效应的异质性问题。

（一）公司实施纵向一体化战略异质性

考虑到公用数据平台建设可能对一体化程度不同的专精特新企业债务融资成本产生异质化影响，本文根据企业一体化程度进行分组回归。参照袁淳等（2021）的做法，采用修正的价值增值法来计算企业纵向一体化程度。其回归结果如表7中列（1）和列（2）所示。对于纵向一体化程度高（大于样本中位数）的专精特新企业样本，公用数据平台建设的系数为-0.0194，在1%的水平上显著；而在纵向一体化程度低（小于样本中位数）的专精特新企业样本中，公用数据平台建设的系数为-0.0176，在1%的水平上显著。可以看出，企业纵向一体化程度的提升会显著增强公用数据平台建设对企业债务融资成本的负向影响。这主要是因为，纵向扩张使得企业与上下游客户的交易关系逐渐呈现“类内部化”特征，使得供应链成员间的协同效应不断增强，进而能够有效抑制企业与上下游客户之间潜在的逆向选择和道德风险问题。进一步地，纵向一体化还能很大程度上降低企业面临的外部环境不确定性，提高企业的环境适应能力，使企业能够灵活调整上下游部门间的生产、加工、储存以及销售等环节以应对外部环境冲击，实现资源的高效配置。公用数据平台通过整合开放的公共数据资源，有效降低了供应链上各方的信息壁垒，增强了企业之间的合作与信任，放大了纵向一体化企业的协同优势，进而能够显著降低纵向一体化程度高的企业债务融资成本。

表7 异质性分析结果

（二）地理位置异质性

公用数据平台建设存在显著的区域不平衡现象，主要表现为不同城市的公用数据平台建设的时间进度以及平台数量存在较大差异，从而可能导致不同区域的专精特新企业债务融资成本受到不同程度的影响。因此，为了准确评估这种区域差异带来的影响，本文依据企业所在区域，将样本划分为东部、中西部两个组别，并分别对各区域进行回归分析，结果如表7中列（3）和列（4）所示。相较于东部地区而言，中西部地区公用数据平台建设对专精特新企业债务融资成本的影响更为显著，其影响系数为-0.0245，且通过了1%水平的显著性检验。主要原因在于：首先，中西部地区能够享受国家政策的倾斜，公用数据平台建设与这些国家政策合力能为中西部地区的专精特新企业带来政策红利的“乘数效应”。其次，中西部地区数字基础设施相对薄弱，专精特新企业的数字化转型程度普遍较低，公用数据平台建设能够产生杠杆效应，不仅为企业提供了丰富的数字资源，还带动了企业数字化水平的跃升，进而有利于其债务融资成本的下降。最后，东部地区多元化融资渠道已经较为成熟，而中西部地区仍高度依赖银行贷款，公用数据平台建设通过将企业知识产权、供应链等“软信息”转化为可评估的信用资产，缓解了银企间信息不对称，从而有利于降低企业债务融资成本。

七、结论和政策建议

本文以2009—2022年上市的专精特新企业为样本，采用多期双重差分模型，分析了公用数据平台建设对专精特新企业债务融资成本的影响以及作用机制。研究发现：（1）公用数据平台建设能够有效降低专精特新企业债务融资成本，且该结论经过一系列稳健性检验后依旧成立。（2）机制分析表明，公用数据平台建设通过降低企业非效率投资行为和推动企业数字化转型来降低专精特新企业债务融资成本。（3）异质性分析表明，公用数据平台建设对专精特新企业债务融资成本的降低作用在不同纵向一体化程度和地理位置之间存在显著差异，且对纵向一体化程度高以及中西部地区企业的影响更为明显。

依据以上结论，本文提出政策建议如下：

1.对于政府等监管部门而言，各级政府要加快推进公用数据平台建设，推动数据资源的高效利用和价值转换，赋能专精特新企业高质量发展。数据的分散化和碎片化是当前数据要素市场发展的一大瓶颈，各级政府应当积极发挥主导作用，牵头建设一体化的数据共享平台。首先，通过整合分散化、碎片化的市场关键信息资源，实现数据要素跨部门、跨地区的互联互通，提升数据要素的价值和利用效率。其次，还应重视公用数据平台建设对不同类型专精特新企业的异质性影响，打造良好的营销环境以形成公平竞争的市场环境，鼓励各类企业参与其中，从而更大程度上实现公用数据平台建设对企业债务融资成本的赋能作用。

2.对于金融机构而言，首先，应该主动聚焦于企业多元化和差异化的融资需求，探索以公共数据资源为支撑的新型融资路径，建立健全涵盖数据资产的全链条金融服务体系。其次，金融机构应该主动与政府主导的公用数据平台开展系统化对接，开发基于大数据分析的专精特新企业信用评价模型，从多个维度对其进行全面而深入的剖析，实现全景化画像和动态的风险评估，降低与专精特新企业之间的信息不对称程度，从而实现金融资源的有效配置。

3.对于专精特新企业而言，首先，应化被动为主动，积极利用公用数据平台对外披露企业内部信息，将研发投入等高价值信息转化为金融机构可信赖的“信用资本”。其次，企业需同步深化数据资产经营能力，推动数据从内部资源向可交易、可质押的资本转化，为未来直接以数据资产作为融资增信工具奠定基础，开辟区别于传统抵押担保的新型融资路径，从而改善融资困境。

排版/刘雯

校对/刘雯