1月26日，beat365經濟學研究所副教授謝丹夏進行第六場報告，主題為數據要素将如何影響經濟增長。李紅軍副教授主持，介紹了謝丹夏的研究領域和學術成就，并介紹了本次講座的主要内容。

謝丹夏回顧了經濟增長的理論和曆史，指出經濟增長是有關人類曆史、人類發展與人類未來的大學問，研究經濟增長問題具有十分重要的意義，現有解釋經濟增長的理論主要包括馬爾薩斯增長模型、索羅增長模型和新增長理論等。其中，馬爾薩斯增長模型屬于早期增長理論，以勞動和土地作為核心生産要素，認為存在長期的經濟增長停滞；索羅增長模型屬于現代增長理論，加入了資本生産要素解釋了長期的經濟增長，但不能解釋技術進步的來源；新增長理論如内生增長模型，加入了技術（知識）和人力資本等生産要素，認為知識、技術可以無限增長并具有非競争性（知識），研發、創新和教育是經濟持續增長的關鍵。

謝丹夏介紹了數據如何影響經濟增長。他指出，近年來數據量高速增長，數據已經成為和土地、勞動力、資本、技術并列的第五大基礎生産要素，研究數據要素如何影響經濟增長，是亟需探讨的人類新課題。數據與其他生産要素相比，具有非競争性、（可）排他性和涉及隐私問題等重要性質。數據可以通過兩種方式創造經濟價值，第一，通過進入生産過程，提高産出；第二，進入創新過程，創造新技術、新知識和新行業。對應于數據的這兩種經濟作用，謝丹夏研究團隊和斯坦福研究團隊（Jones和Tonetti）的研究分别将數據的非競争性進一步劃分為了動态非競争性和水平非競争性。團隊後續還研究了數據的垂直非競争性，也就是當數據可以同時用于創新過程與生産過程的數據經濟形态。

接着，謝丹夏介紹了自己研究團隊所提出的“數據創新内生增長理論”的主要内容和原理。“數據創新内生增長理論”主要描述和建模了數據要素參與創新的過程，并對數據隐私風險進行統籌分析。在模型中，企業分為生産型企業與創新型企業兩類，其中創新型企業将數據要素投入創新過程。消費者提供數據但存在數據隐私風險。在創新過程中，數據被轉化為知識（如專利等），并且可以在未來重複使用，而且知識的使用不再涉及到數據的隐私問題，因為知識是“幹淨”的——謝丹夏特别将這個過程稱為“數據到知識的漂白凝練”。數據經曆創新過程轉化為“幹淨”的知識，此後可以不涉及隐私成本而被無限重複使用，因而能夠促進知識技術和經濟的持續增長，這也就刻畫了“數據創新内生增長理論”所強調的數據“動态非競争性”。

謝丹夏将自己的“數據創新内生增長理論”與斯坦福研究團隊所提出的數據用于生産過程的增長理論進行了綜合對比，并提出政策建議。他基于以上兩種數據增長理論進行了增長率、數據使用量和創新部門勞動比例的測算和對比，指出數據投入創新過程所産生的經濟價值占主導地位，數據投入生産過程所産生的經濟價值則占次要地位。他強調，我國具有發展數字經濟特别是數據經濟的巨大潛力，而且應當更加鼓勵數據在創新部門的使用——因為經過“數據到知識的漂白凝練”過程，得到了可以重複使用且不再涉及隐私問題的“幹淨”知識。

本系列講座得到新浪财經、網易财經、華人頭條、學說平台和科愛集團下屬期刊Journal of Digital Economy的支持。

供稿：經濟所

撰稿：歐陽鑫、徐昕祯