推动科技创新与产业升级，离不开具备长期视野的投资力量。作为中长期资金的典型代表，耐心资本具备“长钱长投”的特质，日益成为驱动经济结构转型、发展新质生产力的核心力量（丁任重和麻潘婷，2025；胡海峰等，2025）。2024年4月，中共中央政治局召开会议，提出“积极发展风险投资，壮大耐心资本”。 ¹ 党的二十届三中全会进一步明确：“鼓励和规范发展天使投资、风险投资、私募股权投资，更好发挥政府投资基金作用，发展耐心资本。” ² 这一系列重要论述，不仅为引导资本投向长期价值领域指明了方向，也凸显了培育耐心资本在中国式现代化进程中的重要意义。

耐心资本是一种追求长期价值增长与可持续回报的资本形态，其核心特征为愿意让渡短期收益与流动性，换取企业长期发展红利（Deeg和Hardie，2016；Kaplan，2021；杨仁发和陆瑶，2025）。该类资本通过提供长期资金支持、参与公司治理（余泳泽等，2025），不仅能够缓解企业融资约束（Hanson等，2015；Cremers和Pareek，2016），还能引导管理层聚焦技术创新等长期战略（Sirmon和Hitt，2003；胡海峰等，2025；王一欢和詹新宇，2025），进而增强企业经营韧性（田丹等，2025；杨国玉和唐亮，2025）、提升环境与社会绩效（Kordsachia等，2022），最终推动生产力提升（Sunde等，2022；丁任重和麻潘婷，2025）。然而，如何有效引导并培育耐心资本仍是当前理论界与实务界面临的难题。对此，企业通过高质量信息披露向市场传递其长期价值创造潜力的信号，缓解信息不对称，进而赢得耐心资本信任。

信息通信技术的发展推动了数据量爆发式增长， ³ 使数据成为继土地、劳动力、资本、技术之后的第五大生产要素（王艳和杨达，2024）。作为数据要素价值化的载体，数据资产呈现高增值潜力、非竞争性、可复用性等特征，正重塑企业的价值创造模式（Jones和Tonetti，2020；何瑛等，2024；Veldkamp和Chung，2024；王艳和杨达，2024）。从本质上看，耐心资本的长期投资逻辑与企业数据资产的价值释放路径具有内在一致性。一方面，二者均依赖时间积累、持续投入和战略性布局，并致力于构建长期可持续的竞争优势；另一方面，数据资产的潜在风险内生于其价值释放过程，这与耐心资本的高风险承载力形成互补。

然而，数据资产的确权复杂性与估值难度，使其难以被外部投资者准确估值（许宪春等，2022）。尽管《企业数据资源相关会计处理暂行规定》已于2024年实施，规范了数据资产的会计处理，但由于其非强制性披露的特点以及企业出于数据安全等方面的考虑，当前我国上市公司数据资产披露仍以自愿性文本信息披露为主。 ⁴ 由此，学者开始关注数据资产信息披露的经济后果，包括供应链协同（刘德胜和王伊晴，2025）、资本市场效率（Sun和Du，2024；李世刚等，2025；Wei等，2025）、价值创造（Veldkamp和Chung，2024；陈志斌和杨靖，2025）及企业投资决策（Li等，2024；苑泽明等，2025）等方面，但鲜有文献系统探讨其与耐心资本培育的内在联系。

基于此，本文以2012−2024年沪深A股上市公司作为研究样本，实证检验企业数据资产信息披露对耐心资本培育的影响。研究发现，企业数据资产信息披露水平越高，耐心资本的持有规模越大，该结论在经过一系列稳健性检验后依然成立。基于“吸引”与“留存”耐心资本两个维度，本文揭示了数据资产信息披露通过缓解信息不对称、改善治理结构以及提高经营效率产生上述影响。异质性分析表明，在信息披露更及时、传播范围更广、市场信息环境更成熟的条件下，数据资产信息披露对耐心资本的培育效应更显著。经济后果检验表明，企业通过数据资产信息披露吸引耐心资本显著强化了自主创新能力，进而赋能新质生产力发展。

本文的边际贡献主要体现在以下三个方面：

第一，基于信息经济学视角，深化了信息传递与长期资本配置的相关研究。已有文献对信息不对称的治理机制进行了广泛探讨，但大多集中于传统财务信息范畴（Healy和Palepu，2001；Bhattacharya等，2003；Loughran和McDonald，2016；周楷唐等，2024）。本文将数据资产作为新兴要素引入分析框架，视其为缓解信息摩擦的有效信号。研究表明，企业披露数据资产信息能够向市场传递关于未来增长潜力的信号，有助于降低耐心资本的信息搜寻成本与定价风险，修正市场对企业长期价值的预期偏差。据此，本文系统阐明了以数据资产为代表的非财务信息引导长期资本入市的理论逻辑，为优化资本市场的资源配置功能提供了新的理论视角。

第二，拓展了耐心资本决策逻辑的研究视域。已有文献大多聚焦耐心资本在传统资产或技术领域的配置策略（Cremers和Pareek，2016；李心武等，2025；戚聿东和沈天洋，2025），鲜有探讨数据资产如何影响耐心资本投资决策。本文基于耐心资本追求长期价值增长与风险可控的内在逻辑，揭示了数据资产信息披露在“吸引”与“留存”耐心资本过程中的关键作用。研究发现，数据资产信息能够为耐心资本提供决策依据，引导其投向具有长期价值创造能力的企业。这一发现为理解数字经济时代耐心资本如何通过信息甄别机制优化资源配置提供了经验证据。

第三，为阐释数据要素赋能新质生产力的内在机理提供了理论支撑。作为数字经济发展的核心引擎，数据已成为驱动企业创新发展的关键动能（Goldfarb和Tucker，2019；江小涓，2021）。研究表明，企业披露数据资产信息能够向市场展现其数据价值创造能力，吸引耐心资本投入，提升自主创新水平，进而赋能新质生产力发展。这一发现为理解数据要素的微观经济价值提供了实证依据，同时也为完善数据资产信息披露制度、引导资本支持科技创新提供了政策启示。

耐心资本的长期稳定性与抗风险性是其区别于短期投机资本的本质特征（Deeg和Hardie，2016；Kaplan，2021）。Fisher（1930）基于跨期选择模型的研究表明，具有低贴现率的投资者更倾向于延迟即时回报，从而赋予未来收益更高估值。这一特征使得耐心资本能够跨越短期市场波动，专注于长期价值实现。同时，基于现代契约理论，长期契约可通过稳定投资关系，抑制信息不对称引发的短期投机行为（Williamson，1985），其跨期风险分担机制也有助于减少短期波动对投资决策的干扰，提高投资者与被投资企业之间的信任度，进而增强整体风险承受能力（胡海峰等，2025）。因此，耐心资本更倾向于投资具备长期价值增长潜力的企业，即便此类企业短期内面临较大不确定性，其长期投资视角仍能包容阶段性风险，为企业提供持续资金支持。

在数字经济背景下，数据作为新型生产要素，其经济价值日益凸显。数据由原始形态经技术加工转化为可识别、可度量的资产形态，兼具技术与非技术属性（蔡跃洲和马文君，2021；蔡继明等，2022）。具体来看，第一，数据资产以数字化形态突破物理时空限制，依托高效传输实现全球共享，有效延展了企业价值创造的边界（Veldkamp和Chung，2024）。第二，数据资产具备实时更新的特质，能够快速响应市场变化，在数字经济变革中展现出较强的创新适应能力。第三，数据资产具有鲜明的非竞争性，可供多主体零损耗使用，降低了数据的传播成本（Jones和Tonetti，2020；蔡跃洲和马文君，2021）。这些特性使数据资产具备成为企业核心竞争力的潜能，为企业长期创造价值奠定了基础（Veldkamp和Chung，2024）。然而，数据资产的价值实现往往存在滞后性，这增加了外部投资者准确识别其真实价值的难度，也进一步抬高了耐心资本入驻的门槛（许宪春等，2022）。基于信号理论，企业能够通过释放可被市场观测的信号传递其成长潜力，从而缓解信息不对称（Stiglitz，2000）。在此背景下，企业主动披露数据资产信息，实质是搭建了一条价值显化渠道，有助于改善耐心资本的信息弱势地位，增强投资者对企业长期价值的认同，从而提高其投资意愿。

基于以上分析，本文提出假说1：企业数据资产信息披露水平越高，其耐心资本的持有规模越大。

上述分析表明，数据资产信息披露能够扩大耐心资本规模，但二者之间的作用机理仍有待进一步厘清。耐心资本培育涵盖“吸引”与“留存”两个动态过程，仅吸引资金的进入并不等同于资本的长期驻留。基于此，本文从“吸引”与“留存”两个维度，深入剖析数据资产信息披露影响耐心资本的路径。

从“吸引”维度来看，缓解信息不对称是数据资产信息披露发挥作用的直接路径。在资本市场中，投资者与企业内部人之间存在天然的信息鸿沟，这种不对称性容易引发逆向选择问题，增加投资者的风险溢价（Stiglitz和Weiss，1981）。尤其对于注重长期回报的耐心资本而言，高信息透明度是其进行投资决策的重要前提（Kaplan，2021）。一方面，数据资产作为企业未来价值增长的关键载体，其相关信息通常具备较强的隐蔽性。通过数据资产信息披露，企业能够将内部私有信息转化为可观测的公共信息，这不仅向市场传递了企业致力于长期价值创造的信号，也显著降低了耐心资本在信息搜集与验证方面的成本。另一方面，数据资产信息作为一种高阶信息，能够反映企业在数据治理、安全合规以及商业模式创新等方面的潜力（李世刚等，2025）。耐心资本通常由具备专业分析能力的机构投资者主导，这类高阶信息有助于其忽略短期市场波动带来的干扰，精准识别企业真实竞争力，从而显著增强投资信心（Cremers和Pareek，2016）。综上，数据资产信息披露通过向市场传递积极信号，能够有效缓解企业与投资者之间的信息不对称，进而提升企业对耐心资本的吸引力。

基于以上分析，本文提出假说2：数据资产信息披露通过缓解信息不对称增强企业对耐心资本的吸引力。

从“留存”维度来看，完善的公司治理结构是数据资产信息披露维系耐心资本的重要保障。耐心资本的长期属性决定其不仅关注短期财务回报，更注重企业内部治理结构的稳定性（余泳泽等，2025）。数据资产信息披露并非单向的信息公开，而是倒逼企业优化内部治理的过程。为准确披露数据资产的价值、来源及使用情况，企业必须建立规范的数据治理体系，明确数据产权归属、界定数据管理职责，推动企业内部治理体系的规范化、系统化升级。同时，公开透明的信息披露提升了管理层决策的可观测性，强化了外部监督机制，有效抑制了机会主义行为（周楷唐等，2024）。完善的治理结构有助于降低代理成本、保障投资者权益，这与耐心资本追求长期稳定回报的目标高度契合，从而增强其长期驻留的信心。

基于以上分析，本文提出假说3：数据资产信息披露通过改善治理结构增强企业对耐心资本的留存能力。

此外，提升企业经营效率是数据资产信息披露在“留存”维度发挥作用的另一路径。数据资产反映了企业在数字化转型、业务流程重塑以及资源配置优化等方面的实质性成果。一方面，数据资产信息披露意味着企业已实现数据要素与生产、运营、管理全流程的深度融合，能够有效破除部门间的“数据孤岛”问题，优化业务流程，提升资源协同效率（苑泽明等，2025）。另一方面，公开披露形成的市场压力与声誉机制，激励管理层不断挖掘数据资产应用潜力，探索新的利润增长点，进而提升企业整体盈利能力（Sun和Du，2024）。耐心资本的增值依赖于企业价值创造能力，而经营效率的提升体现了企业具备将资源转化为收益的能力，这种能力的确认是耐心资本愿意长期陪伴企业成长的关键。

基于以上分析，本文提出假说4：数据资产信息披露通过提升经营效率增强企业对耐心资本的留存能力。

2012年以来，中国产业数字化进程持续提速，数据资产对企业发展的重要性不言而喻，企业信息披露行为日益受到市场关注（张立光等，2025）。据此，本文以2012年作为研究起点，选取2012−2024年沪深A股上市公司作为初始样本。 ⁵ 考虑到市场对企业信息披露的反应存在一定滞后性，本文对变量的时间窗口进行了区分：解释变量与控制变量对应2012−2023年，被解释变量对应2013−2024年。本文使用的数据资产披露信息主要通过分析上市公司年报的文本内容获取，上市公司基本信息、财务特征、机构持股情况等数据来自CSMAR数据库。本文对样本进行如下筛选：第一，剔除金融行业上市公司；第二，剔除财务状况异常（ST、^*ST）的样本；第三，剔除主要变量存在缺失的观测值。为缓解极端值对回归结果的影响，本文对所有连续变量进行了双侧1%的缩尾（Winsorize）处理，最终获得35564个“公司−年度”观测值。

本文的核心解释变量为企业数据资产信息披露水平（DA）。借鉴何瑛等（2024）、李世刚等（2025）的研究，本文采用神经网络模型与机器学习算法，借助文本分析法统计企业年报中与数据资产相关词汇的出现频次，并将其与年报总词汇量的比值用来衡量企业数据资产信息披露水平（限于篇幅，指标的具体构建步骤备索）。

当前学术界对耐心资本的度量主要采用两种方法。第一种方法聚焦制度性长期资金供给，将政府引导基金、养老基金及社会保险基金等视为耐心资本的主要形式，强调其资金来源的稳定性和政策导向的长期扶持效应（胡海峰等，2025；王一欢和詹新宇，2025）。第二种方法则从机构投资者的行为特征出发，关注具有战略眼光且积极参与公司治理的机构投资者，突出其价值发现与风险共担功能（李心武等，2025；杨仁发和陆瑶，2025；余泳泽等，2025）。鉴于本文旨在探讨数据资产信息披露对耐心资本培育的影响，同时考虑到数据资产价值的实现有赖于前瞻性战略投入，这不仅要求投资者拥有长期资金支持，还需其通过参与公司治理识别并协同挖掘数据资产价值。据此，本文选择第二种方法度量耐心资本。

本文借鉴余泳泽等（2025）的研究思路，从非公益性、长期稳定性、抗风险性和参与公司治理四个维度筛选出具备耐心资本特征的机构投资者。第一，非公益性维度。本文以A股市场中所有机构的季度持股报表为基准，剔除养老保险基金、社会保险基金及企业年金等具有公益性质的持股数据。第二，长期稳定性维度。本文通过比较机构对特定股票的持股时长与所有机构对该股票的平均持股时长，判断该机构是否具备长期稳定性，并剔除持股时长低于均值的机构。然而，采用所有机构的平均持股时长作为基准可能会受到极端值的影响，如少数机构持股时间极短，会拉低均值，从而影响对其他机构长期稳定性的评估。因此，本文参考胡海峰等（2025）的研究，通过计算每家机构在过去四个季度的平均换手率，并剔除换手率较高的前20%样本，进一步完善对机构长期稳定性的筛选。第三，抗风险性维度。本文参考王雅琦等（2023）的研究方法，构建衡量机构持股变化与股票价格波动相关性的指数。具体而言，本文采用各机构近三年对单只股票持有规模的离散系数衡量持股变化，而股票价格波动则通过计算公司第t年至第t+1年各月股票回报方差的均值衡量。在此基础上，本文剔除相关系数绝对值大于0.5的样本，即剔除持股规模变动与股票价格波动显著正相关的机构投资者。第四，参与公司治理维度。本文将上市公司近三年“投资者关系活动记录表”与CSMAR机构投资者数据库中的机构名称进行关键词匹配，匹配成功的机构定义为积极参与公司治理的投资者，并剔除未成功匹配的机构。

经过上述多维度筛选，本文最终以符合标准的机构投资者对企业i的持股比例之和衡量耐心资本持有规模（Patient）。

本文参考李心武等（2025）、李洋等（2025）的研究，从企业基础财务特征、治理结构和战略导向三个维度选取如下控制变量：第一，选取公司规模（Size）、财务杠杆（Lev）、盈利能力（ROA）、企业年龄（Age）及成长性（Growth）等企业基础财务特征指标。第二，从内部治理与外部监督两个方面引入公司治理变量。其中，内部治理涵盖董事会独立性（Indep）、股权集中度（Top1）及两职合一（Dual）；外部监督包括审计质量（Big4）和媒体关注度（Media）。第三，选取体现企业战略导向的变量，包括创新战略（RD）、国际化战略（Oversea）及可持续发展战略（ESG），以控制战略选择对企业耐心资本培育的影响。各变量的具体定义见表1。

为检验数据资产信息披露对耐心资本培育的影响，本文构建如下模型：

其中，i和t分别表示企业i和第t年。被解释变量Patient表示耐心资本持有规模，通过汇总具有耐心资本特征的机构投资者持股比例计算得到；核心解释变量DA表示企业数据资产信息披露水平，采用数据资产相关词频之和占年报总词频的比例衡量。Controls为一系列控制变量，Year、Firm分别为年份、企业固定效应，ε为随机扰动项。考虑到数据资产信息披露的市场反应需要一定时间，本文对被解释变量进行超前一期处理。此外，回归分析中标准误已在企业层面进行了聚类调整。

表2列示了变量的描述性统计结果。企业耐心资本持有规模（Patient）的均值为0.134，中位数为0，标准差为0.208，表明样本企业耐心资本整体水平较低且分布不均。数据资产信息披露水平（DA）的均值为0.050，中位数为0，标准差为0.122，说明样本企业数据资产信息披露水平整体偏低，且企业间差异显著。控制变量的统计特征与已有研究基本一致，本文不再赘述。

表3报告了基准回归结果。为缓解遗漏变量偏误，本文采用递进回归策略：列（1）仅包含核心解释变量DA，并控制固定效应；列（2）加入企业规模（Size）、财务杠杆（Lev）、盈利能力（ROA）等基础财务特征指标；列（3）进一步引入涵盖内部治理与外部监督两个方面的公司治理变量；列（4）纳入创新战略（RD）、国际化战略（Oversea）、可持续发展战略（ESG）等战略导向变量。

表3的回归结果显示，无论在何种控制变量组合下，DA的系数均至少在5%的水平上显著为正。以列（4）的结果为例，DA的系数为0.043，且在1%的水平上显著；数据资产信息披露水平（DA）每增加1个标准差，企业耐心资本持有规模相对于样本均值提升3.91%（0.122×0.043/0.134），经济意义显著。这一发现支持了本文假说1，即企业数据资产信息披露水平提升能够显著扩大其耐心资本持有规模。

本文虽对被解释变量进行了超前一期处理，但仍可能存在反向因果导致的内生性问题。一方面，耐心资本为企业提供长期稳定的资金支持，有助于数据资产的持续积累，其治理效应也有助于提升信息披露质量；另一方面，能够吸引耐心资本的企业通常具备较强的财务实力与完善的治理结构，这些内在优势促使其更加重视数据资产信息披露。因此，本文借鉴何瑛等（2024）、Li等（2024）的研究，采用DID模型缓解可能存在的内生性问题。2015年，国务院印发《促进大数据发展行动纲要》，提出“推进贵州等大数据综合试验区建设，促进区域性大数据基础设施的整合和数据资源的汇聚应用”。 ⁶ 大数据发展是数据资产化的重要基础，有助于推动数据资产的识别、计量和披露（何瑛等，2024）。该政策的实施为识别企业数据资产信息披露与耐心资本的因果关系提供了良好的准自然实验场景，因此本文构建如下模型进行检验：

本文根据企业所在地是否被选定为试验区，将样本划分为实验组与控制组。若企业所在地当年被选为试验区，Reform取值为1，否则为0。控制变量和固定效应与基准回归保持一致。

考虑到国家级大数据综合试验区的选址并非完全外生，而是受到地区经济发展、产业布局等因素的影响。首先，本文采用倾向得分匹配法（PSM）选取全部控制变量作为协变量，进行1比1无放回匹配，再将匹配后的样本进行DID回归。表4列（1）报告了回归结果，政策实施虚拟变量Reform的系数在5%的水平上显著为正。

其次，考虑到匹配过程中可能损失较多样本，影响结论可靠性，借鉴Hainmueller（2012）的研究，本文采用熵平衡法重新对实验组样本进行匹配。表4列（2）的结果显示，重新匹配样本后，Reform的系数仍在10%的水平上显著为正。

最后，由于各试验区经济发展水平参差不齐，国家级大数据综合试验区政策的实施力度存在差异。为此，本文构建如下模型进行进一步检验：

其中，数据资产信息披露水平（DA）与大数据综合试验区成立虚拟变量（Reform）的交乘项（DA×Reform）为核心解释变量，衡量各地落实大数据综合试验区政策的实施强度，数值越大，表明数据要素向数据资产的转化越充分，政策落实力度越强。表4列（3）的结果显示，交乘项DA×Reform的系数为0.062，且在1%的水平上显著，表明在缓解反向因果问题后，本文研究结论依然稳健。

本文在回归模型中已尽可能控制影响企业耐心资本培育的因素，但仍难以完全排除因遗漏不可观测变量而导致的内生性偏误。因此，本文进一步采用工具变量法缓解潜在的内生性问题。参考李心武等（2025）的思路，本文以企业所在省份光缆线路铺设长度的自然对数（DA_IV）作为工具变量。光缆作为通信基础设施的关键组成部分，直接影响区域信息传输能力与数字化基础，因此与当地企业的数据资产发展水平密切相关，满足工具变量相关性要求。同时，地区光缆铺设属于宏观设施布局，与微观企业层面的耐心资本培育相对独立，满足外生性条件。

工具变量法的回归结果如表5所示。第一阶段回归中，DA_IV的系数在1%的水平上显著为正，表明地区通信基础设施水平对企业数据资产信息披露具有显著正向影响，满足相关性假设。第二阶段回归结果显示，数据资产信息披露水平（DA）对企业耐心资本持有规模（Patient）依然存在显著正向影响。在工具变量有效性检验中，Kleibergen-Paap rk LM统计量在1%的水平上显著，拒绝了工具变量识别不足的原假设；同时，Kleibergen-Paap rk F统计量为28.526，高于常用临界值，表明不存在弱工具变量问题。上述结果表明，在采用工具变量法缓解内生性问题后，本文研究结论依然稳健。

为进一步缓解遗漏变量可能引发的内生性问题，本文借鉴Altonji等（2005）、Oster（2019）的方法进行遗漏变量偏误检验。首先，借鉴Altonji等（2005）的研究，通过控制一组有限可观测变量，计算解释变量系数的差异比率，以此评估遗漏变量对基准回归结果可能产生的偏误。具体地，本文构建公式$ |{\beta}^{{F}}/{(}{\beta}^{{R}}{-}{\beta}^{{F}}{)}| $，以检验遗漏变量的影响。其中，$ {\beta}^{{F}} $为包含所有控制变量的估计系数（全集回归系数），$ {\beta}^{{R}} $为包含部分控制变量的估计系数（有限集回归系数）。若差异比率$ |{\beta}^{{F}}/{(}{\beta}^{{R}}{-}{\beta}^{{F}}{)}| $取值大于1，则表明本文主要结论受不可观测遗漏变量的影响较小。表6报告了基于Altonji等（2005）方法的检验结果，随着在模型中逐步加入控制变量，差异比率呈现上升趋势，取值范围为2.594至1461.287，表明遗漏的不可观测因素至少是可观测因素的2.594倍时，才可能逆转基准回归结果，说明本文主要结论较为稳健。

其次，Oster（2019）认为，当回归模型中存在不可观测的遗漏变量时，可通过公式 $ {{{\beta}^{{*}}}{=\beta}}^{{*}}\left({{R}}_{max }{,\delta}\right) $来获得真实参数的一致估计。其中，$\delta $表示选择比例，用于评估不可观测变量与核心解释变量之间相关性相较于可观测变量与核心解释变量之间相关性的强弱；$ {{R}}_{max } $ 表示在假设遗漏变量可被观测的情况下，回归方程所能达到的最大拟合优度。本文参考田丹等（2025）的研究，采用以下两种方法进行遗漏变量偏误检验：（1）令$ \delta $取值为1，$ {{R}}_{max } $取值为当前回归拟合优度的1.3倍，若$ {\beta}^{{*}}\left({{R}}_{max }{,\delta}\right) $落在基准回归估计量的95%置信区间内，则表明本文主要结论受遗漏变量的影响较小。（2）令$ {{R}}_{max } $取值为当前回归拟合优度的1.3倍，$ {\beta}^{{*}} $取值为0，在此基础上计算$ \left| \delta\right| $，若$ \left| \delta\right| $大于1，则表明遗漏变量对回归结果的影响较小。表7的结果显示，当采用方法一时，$ {\beta}^{{*}}\left({{R}}_{max }{,\delta}\right) $取值为0.046，位于基准回归估计量的95%置信区间内；当采用方法二时，$ \left| \delta\right| $取值大于1。两项检验均未发现显著的遗漏变量偏误，表明遗漏变量问题对本文主要结论的影响较小，本文基准结果稳健。

不同企业对数据资产信息的披露意愿存在显著差异。数据资产管理成熟度高、具备完善数据治理体系的企业更倾向于主动披露，而数据资产管理能力较弱或对此重视不足的企业，则可能选择不披露或仅提供有限信息，从而产生样本自选择偏误。因此，本文采用Heckman两阶段模型缓解此内生性问题。考虑到企业的信息披露行为通常受宏观经济形势与行业竞争环境的影响，企业数据资产信息披露水平与同年度同行业其他企业信息披露情况密切相关。然而，能否吸引耐心资本则更多取决于企业自身长期发展潜力，而非行业内其他企业的信息披露行为。因此，本文选取同年度同行业其他企业的数据资产信息披露水平均值（DA_Ave）作为工具变量。

在第一阶段回归中，本文将企业是否存在数据资产（DA_Dummy）作为被解释变量，采用Probit模型预测企业披露数据资产信息的可能性。表8列（1）的结果显示，DA_Ave的系数在5%的水平上显著为正，表明同年度同行业其他企业的数据资产信息披露情况会对本企业的信息披露行为产生显著正向影响。在第二阶段回归中，本文进一步加入第一阶段估计的逆米尔斯比率（IMR）重新进行回归。表8列（2）的结果显示，在加入逆米尔斯比率（IMR）后，核心解释变量DA的系数仍显著为正，表明在缓解样本自选择偏误后，本文结论依然成立。

第一，替换核心解释变量的衡量方式。在基准回归中，本文采用数据资产相关词频占年报总词汇量的比例衡量企业数据资产信息披露水平。为保证回归结果的稳健性，本文采用年报中数据资产相关词频加1的自然对数（LnDA）替换原解释变量，重新进行回归。此外，借鉴何瑛等（2024）的方法，本文构建了数据资产信息披露虚拟变量（DAdum）。若企业拥有财务共享中心、数据中台及信息系统，DAdum取值为1，否则为0。原因在于，财务共享中心、数据中台及信息系统等基础设施为企业开展数据资产识别、归集和报告提供了必要支撑。因此，拥有这些基础设施的企业更有能力披露详细的数据资产信息。表9列（1）、列（2）的结果显示，LnDA、DAdum的系数均显著为正，与基准回归结果保持一致。

第二，替换被解释变量的衡量方式。本文参照胡海峰等（2025）的方法，重新构建耐心资本指标：首先，将养老基金、保险基金、社会保险基金和政府引导基金作为耐心资本的主要构成；其次，计算各投资机构的年均换手率，剔除换手率较高的前20%样本，再将每家企业剩余的四类投资机构持股比例加总，得到耐心资本水平（Patient_Share）。表9列（3）报告了替换被解释变量的回归结果，DA的系数为0.031，且在5%的水平上显著，表明本文结论稳健。

考虑到政策主要鼓励耐心资本服务于科技型中小企业，创业板、科创板及新三板等板块在理论上构成了更为理想的研究对象。基于此，本文将研究样本范围由沪深A股上市公司替换为科创板、创业板以及新三板上市公司，重新进行检验。表10列（1）的结果显示，对于科创板与创业板样本，数据资产信息披露水平（DA）的系数为0.052，且在1%的水平上显著。值得注意的是，囿于新三板市场数据的可得性，列（2）中部分控制变量存在缺失，且被解释变量无法沿用多维度指标，仅能通过单一维度进行识别。具体地，本文采用上市公司当年机构投资者持股比例除以过去三年持股比例的标准差构造变量（Patient_stability），该指标数值越大，表明机构投资者的持股行为越稳定。列（2）的结果显示，DA的系数仍在5%的水平上显著为正，表明本文主要结论稳健。

企业在披露数据资产相关信息时，可能存在策略性动机，即通过选择性或夸大的方式披露数据资产的管理、分析和利用等信息，以迎合长期投资者偏好。此类策略性披露行为会扭曲数据资产信息的真实价值，可能导致本文实证结果的估计偏误。Huang等（2014）研究发现，年报异常语调水平越高，表明企业越可能通过积极粉饰年报文本信息影响外部人认知。因此，本文根据年报异常语调的“年度−行业”中位数将样本分为两组，若本文结论并非由企业策略性披露行为所致，则两组样本中核心解释变量的回归系数及其显著性应基本保持一致。本文参考Huang等（2014）、Xu和Qi（2022）的方法计算企业年报异常语调，其数值越大，表明年报异常语调水平越高，即策略性披露数据资产相关信息的可能性越大。结果如表11所示：DA的系数在两组样本中均显著为正；组间差异检验显示，两组回归系数不存在显著差异。上述结果表明，本文研究结论并非由企业策略性信息披露所致。

第一，高维固定效应。考虑到不同地区、不同行业企业在数据资源禀赋、技术基础设施及政策环境等方面存在差异，且这些差异可能随时间动态变化，导致企业数据资产信息披露水平呈现时间异质性，因此本文进一步控制年份×行业固定效应、年份×省份固定效应，重新进行回归。表12列（1）、列（2）的结果显示，DA的系数均在1%的水平上显著为正，表明在考虑时间趋势影响后，本文结论依然成立。

第二，双向聚类调整。为缓解公司截面相关性与时间序列相关性对回归结果的影响，本文对标准误在公司层面和年度层面同时进行聚类调整。表12列（3）的结果显示，数据资产信息披露水平（DA）的系数仍在1%的水平上显著为正，表明本文主要结论依然成立。

第三，子样本回归。首先，2020年初的突发公共卫生事件加剧了企业面临的运营压力，并引发资本市场大幅波动与投资者情绪变化。这一外部冲击不仅改变了企业的信息披露策略，也影响了耐心资本的决策逻辑，从而可能导致本文回归结果产生偏差。基于此，本文剔除2019年后的样本重新进行回归。表12列（4）的结果表明，数据资产信息披露有助于增加企业耐心资本持有规模的结论仍然成立。

其次，自2016年起，我国相继出台一系列支持政策，积极推动数据资源的价值实现。例如，“十三五”规划纲要明确提出“实施国家大数据战略”； ⁷ 《中华人民共和国网络安全法》为数据的规范开发与利用奠定了法律基础与制度保障。参照何瑛等（2024）的研究，本文采用2016年及之后年份的样本进行回归分析，表12列（5）的结果显示，DA的系数仍在1%的水平上显著为正，表明基准回归结果依然稳健。

最后，高新技术行业通常具有更高的数字创新水平，能够更高效地挖掘数据价值并将其转化为可披露的数据资产；而传统行业受限于技术能力和资源投入，在数据资产积累与披露方面相对滞后。为缓解行业间系统性差异对回归结果的影响，本文借鉴李世刚等（2025）的研究，将制造业（C）中的15个大类，信息传输、软件和信息技术服务业（I）中的3个大类和科学研究与技术服务业（M7）归类为高科技行业，并将其从样本中剔除，重新进行回归。表12列（6）的结果显示，DA的系数为0.033，且在5%的水平上显著，表明在排除行业差异影响后，企业数据资产信息披露仍能显著扩大耐心资本持有规模。

前文为探讨企业数据资产信息披露对耐心资本的培育作用提供了实证支持，本文进一步揭示其中的作用机制。根据前文理论分析，企业数据资产信息披露在“吸引”与“留存”两个维度影响耐心资本培育。据此，本文构建中介模型（4）和模型（5），从信息不对称、治理结构和经营效率三个渠道，检验企业数据资产信息披露影响耐心资本培育的内在逻辑。

其中，Mediator为中介变量，分别以信息不对称、治理结构和经营效率的代理变量予以衡量；其余变量的定义及度量方式与基准回归保持一致。

本文分别从信息供给与信息质量两个维度进行机制检验。第一，分析师是资本市场重要的信息中介，通过发布研究报告、进行盈余预测等方式传递更多特质信息，从而增加企业信息的有效供给。因此，分析师跟踪人数越多，企业与投资者间的信息不对称程度越低。本文采用分析师跟踪人数加1的自然对数（Analyst）作为信息不对称的第一个代理变量。第二，盈余管理水平反映了企业的会计信息质量。盈余管理水平越高，表明会计信息中包含的潜在操纵成分越多、会计信息质量越低，从而加剧外部投资者与企业间的信息不对称。基于此，本文采用可操控性应计利润的绝对值衡量企业盈余管理水平，作为信息不对称的第二个代理变量（AEM）。

表13报告了基于信息不对称渠道的机制检验结果。列（1）、列（2）的结果显示，当Analyst作为被解释变量时，DA的系数在10%的水平上显著为正，表明数据资产信息披露增加了分析师关注。在引入中介变量Analyst后，DA、Analyst的系数均显著为正，且Sobel Z值在1%的水平上显著。列（3）、列（4）的结果显示，DA对AEM的系数在1%的水平上显著为负；将AEM加入模型后，DA、AEM的系数均显著，且Sobel Z值在1%的水平上显著。上述结果表明，数据资产信息披露通过缓解信息不对称，增强企业对耐心资本的吸引力，本文假说2得到支持。

内部控制是实现公司治理目标的基础保障，其质量直接反映了公司治理结构的改善成效。据此，本文参考何运信等（2025）的研究，采用迪博内部控制披露指数的自然对数衡量企业治理水平（Governance）。表14列（1）、列（2）报告了基于改善治理结构渠道的机制检验结果。列（1）中，DA对Governance的系数在5%的水平上显著为正，表明数据资产信息披露能够改善公司治理结构。列（2）的结果显示，进一步引入中介变量Governance后，DA、Governance的系数分别在1%、5%的水平上显著为正，且Sobel Z值在1%的水平上显著。上述结果表明，数据资产信息披露通过改善治理结构，增强企业对耐心资本的留存能力，本文假说3得到支持。

本文采用经行业调整的总资产周转率衡量经营效率（ATO）。ATO值越大，表明企业整体经营效率越高。表14列（3）的结果显示，DA对ATO的系数为0.030，且在5%的水平上显著，表明数据资产信息披露对企业经营效率具有显著正向影响。列（4）的结果显示，总资产周转率（ATO）加入模型后，DA、ATO的系数均显著为正，且Sobel Z值在10%的水平上显著，表明数据资产信息披露通过提高经营效率，增强企业对耐心资本的留存能力，本文假说4得到支持。

在信息经济学的理论框架下，企业信息披露在资本市场中的实际效应不仅与披露内容相关，更会受到信息传递效率的影响（Stiglitz，2000）。第一，及时的信息传递使投资者能够迅速把握企业经营状况，提高决策效率；第二，广泛的信息传播能够打破地域与行业限制，增强信息渗透力；第三，成熟的信息环境凭借完善的基础设施和规范管理，保障披露信息的准确性。据此，本文基于信息传递效率视角，从信息披露时效性、信息传播广泛性和信息环境成熟度三个方面，考察企业数据资产信息披露影响耐心资本培育的异质性作用。

信息时效性是影响信息价值的关键要素。信息的延迟披露导致市场决策基于过时内容，从而可能引发投资判断失误。相反，时效性强的信息有助于降低投资者感知的不确定性，增强其对企业长期价值的信心。因此，本文认为，数据资产信息披露及时的企业更易得到耐心资本的关注，进而增强耐心资本对企业的投资意愿。

参考Givoly和Palmon（1982）的研究，本文采用年报披露时滞，即公司年报披露日与所属会计年度结束日（12月31日）之间的日历天数衡量信息披露时效性。年报披露日与所属会计年度结束日的时间间隔越短，表明公司信息披露越及时。本文按照该变量的“年度−行业”中位数将样本企业分为年报披露时滞高、低两组，分组进行回归。表15列（1）、列（2）报告了基于信息披露时效性的异质性分析结果。在年报披露时滞低组中，DA的系数为0.073，且在1%的水平上显著；而在年报披露时滞高组中，DA的系数在统计上不显著。同时，组间系数差异检验结果显示，两组间的系数存在显著差异。上述结果表明，企业数据资产信息披露对耐心资本培育的促进作用在信息披露及时的企业中更显著。

信息传播的广度影响企业数据资产价值在资本市场中的影响范围（李世刚等，2025）。具体而言，广泛的信息传播有助于拓展潜在投资者，提升其对数据资产价值的认知。这一过程显著缓解了信息不对称，使关注长期价值的耐心资本更易对企业形成清晰的价值预期。因此，本文认为，在信息传播渠道更畅通、传播范围更广的企业中，数据资产信息披露对耐心资本的培育作用更显著。

新闻媒体是资本市场信息传播的主要渠道之一。企业年报发布、重大并购事件以及经营战略调整等信息，往往通过新闻媒体迅速传播，从而帮助更多投资者了解企业的经营状况。因此，本文参考李世刚等（2025）的研究，采用企业新闻媒体报道数量衡量信息传播的广泛性。媒体报道数量越多，表明企业信息传播越广泛，本文据此以媒体报道数量的“年度−行业”中位数将样本分为媒体报道数量多、少两组，分组进行回归。表15列（3）、列（4）的结果显示，DA的系数在媒体报道数量多的样本组中显著为正，而在媒体报道数量少的样本组中不显著，且组间系数差异显著。上述结果表明，当信息传播更广泛时，企业数据资产信息披露对耐心资本培育的促进作用更显著。

信息环境成熟度是企业信息有效传导的重要外部条件。一方面，高质量的信息环境能够显著降低市场参与者的信息处理成本，增强其对数据资产价值的识别能力；另一方面，成熟市场所具备的发达信息中介体系与有效监管机制能进一步提升披露内容的可信度。在此条件下，数据资产信息披露更易被耐心资本识别为企业未来竞争优势的有效信号。因此，本文预测，信息环境成熟度会强化数据资产信息披露对耐心资本持有规模的促进作用。

成熟的信息环境需以完善的基础设施为基石，以活跃的用户参与为支撑（李青原等，2025）。基于此，本文从新型基础设施建设与互联网渗透两个维度衡量信息环境成熟度：首先，以城市4G基站数量衡量新型基础设施供给水平，数量越多代表当地信息基础设施越完善；其次，以互联网用户占总人口比例衡量互联网普及率，比例越高反映互联网在实际生活中的渗透程度越强。本文基于以上指标的“年度−行业”中位数对样本进行分组检验，结果如表16所示。DA的系数在4G基站数量多、互联网普及率高的样本组中显著为正，且组间系数差异显著。上述结果表明，企业数据资产信息披露对耐心资本培育的促进作用在信息环境更成熟的地区更显著。

自主创新是企业保持长期竞争优势的核心驱动力。创新活动固有的高风险性、长周期及高投入特征，有赖于长期稳定资本的支持（Manso，2011）。前文研究发现，企业数据资产信息披露能有效传递数据资源禀赋与数字化潜力，从而吸引耐心资本。基于此，本文认为耐心资本不仅能有效缓解创新活动的融资约束，同时也能为企业管理层提供应对短期业绩压力、专注长期研发战略的缓冲机制，从而促使企业将更多资源配置于自主创新活动。相较于其他专利类型，发明专利的创新价值更高，更能体现企业自主创新能力。因此，本文参考王一欢和詹新宇（2025）的研究，以企业年度独立申请发明专利的数量加1取自然对数衡量企业自主创新水平（Innovation）。

为验证上述逻辑，本文采用交乘项检验和两阶段回归两种方法进行实证分析。第一，参考李心武等（2025）、张立光等（2025）的研究，本文构建数据资产信息披露水平（DA）与耐心资本持有规模（Patient）的交乘项（DA×Patient），以识别二者共同作用于企业自主创新水平（Innovation）的影响。若交乘项系数显著为正，则表明在加强数据资产信息披露的情况下，提高耐心资本持有水平能够更有效地推动企业自主创新。第二，借鉴Kim等（2021）、刘德胜和王伊晴（2025）的研究，本文采用两阶段回归方法进行补充检验。在第一阶段，通过检验企业数据资产信息披露水平（DA）对耐心资本持有规模（Patient）的影响，获得耐心资本规模预测值（Patient_hat）；在第二阶段，将其作为核心解释变量，与企业自主创新水平的代理变量进行回归。

表17列（1）的结果显示，交乘项DA×Patient的系数为0.560，且在10%的水平上显著，表明企业数据资产信息披露与耐心资本的结合，能够产生显著的协同效应，共同促进企业自主创新水平的提高。列（2）报告了两阶段回归中第二阶段的估计结果，耐心资本预测值（Patient_hat）的系数为9.454，且在1%的水平上显著，表明由数据资产信息披露引致的耐心资本是驱动企业提升自主创新能力的重要力量。

已有研究表明，耐心资本是推动新质生产力发展的重要源泉（丁任重和麻潘婷，2025；胡海峰等，2025）。然而，耐心资本的投资决策往往受限于信息不对称，这在一定程度上抑制了耐心资本的精准投入及效用发挥。数据资产作为一种新型生产要素，其信息披露具有信息传递功能，能够向外部投资者释放企业增长潜力的积极信号，有效缓解双方的逆向选择问题。这一机制有助于引导耐心资本跨越信息壁垒，更精准地投向企业技术创新与要素升级的关键领域，为培育新质生产力提供资本动能。

本文参考韩文龙等（2024）的研究，从新质劳动者、新质劳动对象和新质劳动资料三个维度构建综合评价指标，采用熵值法测度企业层面新质生产力水平（NPRO），采用交乘项模型与两阶段回归方法进行检验。第一，以数据资产信息披露与耐心资本的交乘项（DA×Patient）作为核心解释变量，其经济学逻辑在于：新质生产力的形成不仅是技术层面的突破，更是数据要素、长期资本与实体产业深度融合的过程。交乘项的设计旨在检验数据要素赋能与耐心资本支持是否存在协同效应，验证在数据资产信息披露的助推下，耐心资本能否更有效地赋能新质生产力发展。第二，通过两阶段回归进行补充检验：第一阶段通过检验数据资产信息披露对耐心资本的影响，获得耐心资本预测值（Patient_hat）；第二阶段将Patient_hat作为核心解释变量进行识别。

表17列（3）的结果显示，交乘项DA×Patient的系数为0.179，且在5%的水平上显著，表明数据资产信息披露与耐心资本的协同效应对企业新质生产力发展具有显著的促进作用。列（4）的结果显示，耐心资本预测值（Patient_hat）的系数为3.019，且在1%的水平上显著，进一步表明由数据资产信息披露引致的耐心资本是企业新质生产力提升的重要驱动力。

本文以2012−2024年沪深A股上市公司为样本，通过构建数据资产信息披露与耐心资本关系的分析框架，考察数字经济背景下企业信息传递对长期资本配置的影响及实现路径。研究发现，数据资产信息披露能够显著扩大企业耐心资本持有规模，这一关系在内生性处理和稳健性检验后依然成立。从机制层面看，数据资产信息披露主要通过缓解信息不对称、优化公司治理结构和提升经营效率三个渠道，构建有效“吸引”与“留存”耐心资本的双重路径。异质性分析进一步揭示，信息披露越及时、信息传播越广泛、市场信息环境越完善，企业数据资产信息披露对耐心资本培育的促进作用越显著。经济后果分析表明，依托数据资产信息披露集聚形成的耐心资本，不仅能够有效提升企业自主创新能力，更能为新质生产力发展提供长期资本支撑。

基于以上研究结论，本文获得如下政策启示：

第一，鼓励企业深入挖掘数据资产价值，推动数据资源向企业核心竞争力转化。数据资产不仅是企业构建差异化竞争优势的重要来源，也是吸引耐心资本的关键要素。研究发现，通过对数据资产的系统开发与高效运营，企业能够向市场传递积极的价值信号，增强投资者对其长期发展潜力的认可，从而吸引耐心资本。政府相关部门应出台相关激励政策，支持企业在数据采集、存储、分析与应用等环节进行技术创新，推动数据资产实现由资源积累到能力形成的跨越。例如，通过税收减免、专项补贴等政策工具，鼓励和引导企业加大对数据资产的战略性投入，促进数据要素与传统产业深度融合，充分释放其潜在经济价值。

第二，健全数据资产信息披露制度，优化信息披露策略。研究发现，数据资产信息披露的时效性、覆盖范围以及信息环境的完善程度，对耐心资本的培育具有显著影响。政府相关部门应进一步明确数据资产的价值认定和披露标准，引导企业及时披露数据资产的实际情况；同时加强信息基础设施建设，构建高效的数据资产信息共享平台，借助数字化工具与多元传播渠道扩大信息覆盖范围，助力投资者更精准地识别数据资产价值，发掘长期投资机会。

第三，强化数据资产赋能效应，以耐心资本的长期价值导向引领新质生产力发展。研究发现，数据资产信息披露能有效吸引耐心资本，显著提升企业自主创新能力，推动新质生产力发展。政府相关部门应畅通耐心资本向关键技术领域流动的渠道，建立数据资产价值实现的风险补偿机制，引导长期资本投入数字经济前沿领域。企业应充分借助数据资产的信息披露优势，针对耐心资本的长期属性，重点开展前沿科技战略性研发，加速技术迭代与数字化转型，为经济高质量发展注入新动力。