1月26日，清华大学社会科学学院经济学研究所副教授谢丹夏进行第六场报告，主题为数据要素将如何影响经济增长。李红军副教授主持，介绍了谢丹夏的研究领域和学术成就，并介绍了本次讲座的主要内容。

谢丹夏回顾了经济增长的理论和历史，指出经济增长是有关人类历史、人类发展与人类未来的大学问，研究经济增长问题具有十分重要的意义，现有解释经济增长的理论主要包括马尔萨斯增长模型、索罗增长模型和新增长理论等。其中，马尔萨斯增长模型属于早期增长理论，以劳动和土地作为核心生产要素，认为存在长期的经济增长停滞；索罗增长模型属于现代增长理论，加入了资本生产要素解释了长期的经济增长，但不能解释技术进步的来源；新增长理论如内生增长模型，加入了技术（知识）和人力资本等生产要素，认为知识、技术可以无限增长并具有非竞争性（知识），研发、创新和教育是经济持续增长的关键。

谢丹夏介绍了数据如何影响经济增长。他指出，近年来数据量高速增长，数据已经成为和土地、劳动力、资本、技术并列的第五大基础生产要素，研究数据要素如何影响经济增长，是亟需探讨的人类新课题。数据与其他生产要素相比，具有非竞争性、（可）排他性和涉及隐私问题等重要性质。数据可以通过两种方式创造经济价值，第一，通过进入生产过程，提高产出；第二，进入创新过程，创造新技术、新知识和新行业。对应于数据的这两种经济作用，谢丹夏研究团队和斯坦福研究团队（Jones和Tonetti）的研究分别将数据的非竞争性进一步划分为了动态非竞争性和水平非竞争性。团队后续还研究了数据的垂直非竞争性，也就是当数据可以同时用于创新过程与生产过程的数据经济形态。

接着，谢丹夏介绍了自己研究团队所提出的“数据创新内生增长理论”的主要内容和原理。“数据创新内生增长理论”主要描述和建模了数据要素参与创新的过程，并对数据隐私风险进行统筹分析。在模型中，企业分为生产型企业与创新型企业两类，其中创新型企业将数据要素投入创新过程。消费者提供数据但存在数据隐私风险。在创新过程中，数据被转化为知识（如专利等），并且可以在未来重复使用，而且知识的使用不再涉及到数据的隐私问题，因为知识是“干净”的——谢丹夏特别将这个过程称为“数据到知识的漂白凝练”。数据经历创新过程转化为“干净”的知识，此后可以不涉及隐私成本而被无限重复使用，因而能够促进知识技术和经济的持续增长，这也就刻画了“数据创新内生增长理论”所强调的数据“动态非竞争性”。

谢丹夏将自己的“数据创新内生增长理论”与斯坦福研究团队所提出的数据用于生产过程的增长理论进行了综合对比，并提出政策建议。他基于以上两种数据增长理论进行了增长率、数据使用量和创新部门劳动比例的测算和对比，指出数据投入创新过程所产生的经济价值占主导地位，数据投入生产过程所产生的经济价值则占次要地位。他强调，我国具有发展数字经济特别是数据经济的巨大潜力，而且应当更加鼓励数据在创新部门的使用——因为经过“数据到知识的漂白凝练”过程，得到了可以重复使用且不再涉及隐私问题的“干净”知识。

本系列讲座得到新浪财经、网易财经、华人头条、学说平台和科爱集团下属期刊Journal of Digital Economy的支持。