| 833 | 0 | 40 |
| 下载次数 | 被引频次 | 阅读次数 |
数字经济时代，算力作为继热力、电力之后新的关键生产力，已成为技术进步和经济增长的源泉，是促进资本跨区域流动的重要力量。文章以2022年启动的“东数西算”工程为准自然实验，基于2018—2024年A股上市公司数据，考察“东数西算”工程对资本跨区域流动的影响。研究发现，“东数西算”工程的实施能够显著促进资本跨区域流动，该结论在经过一系列稳健性检验后依然成立。机制分析结果表明，“东数西算”工程能够通过在微观层面降低企业运营成本、在中观层面改善地区算力资源禀赋以及在宏观层面增加政府激励等渠道促进跨区域投资。异质性分析发现，在技术和资本密集型企业、数字产业、非国有企业以及高算力水平地区，“东数西算”工程对资本跨区域流动的影响更加显著。进一步分析发现，资本的跨区域流动在东西部枢纽节点地区存在非对称性，“东数西算”工程能够促进资本从东部非枢纽地区流入西部枢纽地区，有利于东西部区域协调发展。文章证实了“东数西算”工程这一国家级工程的经济效果，丰富了资本跨区域流动的相关研究，为新时代推动数字中国建设和促进区域协调发展提供了有益参考。
Abstract：In the era of the digital economy,computing power,as a new key productive force following thermal power and electricity,has become the source of technological progress and economic growth,and the important force promoting cross-regional capital flows. Taking the implementation of the East Data West Computing project in 2022 as a quasi-natural experiment and utilizing the data of A-share listed companies from 2018 to 2024,this paper examines the impact of the East Data West Computing project on cross-regional capital flows. It is found that the implementation of the East Data West Computing project can promote cross-regional capital flows. This conclusion remains valid after a series of robustness tests. Mechanism analysis indicates that the project facilitates cross-regional investment by reducing corporate operating costs at the micro level,improving regional computing resource endowments at the meso level,and increasing government incentives at the macro level. In addition,the heterogeneity analysis finds that the impact of the East Data West Computing project on cross-regional capital flows is more significant in technology-and capital-intensive enterprises,digital industries,non-state-owned enterprises,and regions with low computing power levels. Further analysis reveals that there is asymmetry in cross-regional capital flows between the eastern and western hub nodes. The East Data West Computing project can promote the flow of capital from non-hub areas in the east to hub areas in the west,which is conducive to the coordinated development of the eastern and western regions.
[1]Barwick P J,CHEN L,LI S,et al. Entry deregulation,market turnover,and efficiency:China's business registration reform[EB/OL]. The Review of Economics and Statistics.(2025-01-28)[2026-01-30]. https://direct. mit. edu/rest/article-abstract/doi/10. 1162/rest_a_01549/127736/Entry-Deregulation-Market-Turnover-and-Efficiency? redirectedFrom=fulltext.
[2]Hagiu A,Wright J. When data greates competitive advantage[J]. Harvard Business Review,2020,98(1):94-101.
[3]Hagiu A,Wright J. Data-enabled learning,network effects,and competitive advantage[J]. The RAND Journal of Economics,2023,54(4):638-667.
[4]Laura V. Valuing data as an asset[J]. Review of Finance,2023,27(5):1545-1562.
[5]Lucas R E. Why doesn't capital flow from rich to poor countries?[J]The American Economic Review,1990,80(2):92-96.
[6]Monino J L. Data value,big data analytics,and decision-making[J]. Journal of the Knowledge Economy,2021,12(1):256-267.
[7]钞小静，廉园梅，罗鎏锴．新型数字基础设施对制造业高质量发展的影响[J]．财贸研究，2021(10):1-13.
[8]陈诣之，蔡庆丰．信贷资源与异地并购:基于省级层面的研究[J]．统计研究，2023(9):120-134.
[9]陈中飞，江康奇，殷明美．数字化转型能缓解企业“融资贵”吗[J]．经济学动态，2022(8):79-97.
[10]封进，李雨婷．人口老龄化与企业进入:基于中国地级市的研究[J]．世界经济，2023(4):170-191.
[11]何凡，陈波，黄炜．行业规范标准化与资本跨区流动——基于企业异地投资的研究[J]．管理世界，2024(7):204-225.
[12]韩国高，刘田广，庞明川．生态环境智慧监测与企业环境信息粉饰[J]．世界经济，2025(7):3-35.
[13]韩先锋，郑酌基，赵仁杰．跨区域司法改革?统一大市场建设与企业资本异地流动[J]．财贸经济，2025(6):143-159.
[14]黄少卿，俞锦祥，许志伟．杠杆率与企业生产率:基于信贷误配的视角[J]．中国工业经济，2022(9):159-177.
[15]江艇．因果推断经验研究中的中介效应与调节效应[J]．中国工业经济，2022(5):100-120.
[16]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.
[17]李兰冰，刘秉镰．“十四五”时期中国区域经济发展的重大问题展望[J]．管理世界，2020(5):36-51; 8.
[18]刘秉镰，袁博，刘玉海．数字基础设施如何畅通区域间资本要素流动——基于企业注册大数据的证据[J]．数量经济技术经济研究，2025(1):72-92.
[19]马光荣，程小萌，杨恩艳．交通基础设施如何促进资本流动——基于高铁开通和上市公司异地投资的研究[J]．中国工业经济，2020(6):5-23.
[20]聂辉华，阮睿，沈吉．企业不确定性感知?投资决策和金融资产配置[J]．世界经济，2020(6):77-98.
[21]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.
[22]孙伟增，毛宁，兰峰，等．政策赋能、数字生态与企业数字化转型——基于国家大数据综合试验区的准自然实验[J]．中国工业经济，2023(9):117-135.
[23]孙伟增，司璐，吕越．数字经济发展?资本跨区域非对称流动与异地分类投资[J]．经济研究，2025(3):69-86.
[24]陶锋，翟少轩，王峤．数字经济政策与传统企业跨界数字创新[J]．中国工业经济，2025(2):118-136.
[25]吴育辉，刘晓玲，吴世农．“一带一路”倡议与企业跨区域并购[J]．管理科学学报，2023(1):55-82.
[26]谢贞发，王震．地区间税收分成差异与资本要素流动:以企业异地投资为视角[J]．经济研究，2025(4):87-103.
[27]许诺，毛聚，毛新述，等．算力部署、数据跨域流动与企业全要素生产率——来自智算中心的证据[J]．中国工业经济，2025(4):61-79.
[28]杨仁发，陆瑶．市场准入管制放松与企业长期投资——兼论耐心资本的形成[J]．中国工业经济，2025(6):159-177.
[29]叶永卫，陶云清，王琪红，等．税收激励?人力资本投资与企业劳动生产率——来自2018年职工教育经费税前扣除政策的证据[J]．数量经济技术经济研究，2023(5):136-157.
[30]余婕，董静，邓浩然．风险投资介入推动了资本跨区域流动吗?——基于企业异地并购的实证研究[J]．财经研究，2022(1):108-122.
[31]俞中，佟孟华，赵江山．排污许可监管、绿色金融创新与企业信贷融资[J]．世界经济，2025(5):89-127.
[32]钟宁桦，温日光，刘学悦．“五年规划”与中国企业跨境并购[J]．经济研究，2019(4):149-164.
[33]周迪，杨思莹，李沛瑶．政务服务一体化对省际资本跨区域流动的影响研究:集约边际与广延边际二元视角下的分析[J]．世界经济研究，2025(8):39-54; 135-136.
(1)“东数西算”是中国于2022年全面启动的国家级算力资源配置工程，旨在构建“数据中心+云计算+大数据”协同发展的新型算力网络体系，将东部算力需求有序引导至西部，优化全国数据中心布局，促进区域协调发展。
(2)数据来源:中国信息通信研究院《中国算力发展指数白皮书(2021年)》和国际数据公司(IDC)《2021—2022全球计算力指数评估报告》。
(1)国家发展改革委、中央网信办、工业和信息化部以及国家能源局。
(2)具体包括:张家口数据中心集群(张家口)、长三角生态绿色一体化发展示范区数据中心集群(上海、苏州、嘉兴、芜湖)、韶关数据中心集群(韶关)、天府数据中心集群(成都)、重庆数据中心集群(重庆)、贵安数据中心集群(贵阳)、和林格尔数据中心集群(呼和浩特、乌兰察布)、庆阳数据中心集群(庆阳)、中卫数据中心集群(中卫)。
(1)限于篇幅，本文省略了描述性统计结果及表格，留存备索。
(2)由于数据可得性，本文主要考察了2018—2024年“东数西算”工程对资本跨区域流动的短期影响。
(3)本文还进行了安慰剂检验，结果证明基准结论具有稳健性。限于篇幅，具体内容留存备索。
(1)限于篇幅，具体内容留存备索。
(1)即工业和信息化部审批发放的互联网数据中心经营许可证，数据来源于工业和信息化部政务服务平台。
(2)本文通过Python网络爬虫技术和jieba分词模块对上市公司年报文本中“管理层讨论与分析”部分的所有句子进行分词，分词后搜索每个句子中出现的词，若一个句子中同时出现“经济政策词语”和“不确定性词语”，则识别该句子为经济政策不确定性句子;采用经济政策不确定性句子中不确定性词语的数量与“管理层讨论与分析”部分全部词语的数量的比值衡量企业面临的经济政策不确定性。
(3)数据来源于国泰安(CSMAR)数据库。新增负债=年末负债合计-年初负债合计。
(1)包括计算机、通信和其他电子设备制造业;电信、广播电视和卫星传输服务业;互联网和相关服务业以及软件和信息技术服务业。
(1)东部枢纽地区的城市包括张家口、上海、苏州、嘉兴、芜湖、韶关、重庆、成都;西部枢纽地区的城市包括呼和浩特、乌兰察布、贵阳、庆阳、中卫。
(2)东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南;中部地区包括山西、安徽、江西、河南、湖北、湖南;西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。
基本信息:
DOI：10.13516/j.cnki.wes.2026.02.005
中图分类号:F49;F279.2
引用信息:
[1]廖露露,佟孟华,俞中.“东数西算”能否促进资本跨区域流动？：基于企业异地投资的研究[J].世界经济研究,2026,No.384(02):76-89+134+136-137.DOI:10.13516/j.cnki.wes.2026.02.005.
基金信息:
国家自然科学基金青年项目“中国区域产业政策推动制造业高质量发展的机制与路径研究”(项目编号:72203100)的阶段性成果