公共数据开放对数字经济与体育产业融合的影响——基于公共数据平台上线的准自然实验

　　体育产业与数字经济的融合发展是新时代体育产业高质量发展的重要议题。利用双重机器学习模型，检验公共数据开放对数字经济与体育产业融合的影响，并从制度性交易成本、体育要素配置和科学技术创新3个视角分析其作用机制。研究发现：1）公共数据开放能够显著推动数字经济与体育产业融合；2）机制研究表明，公共数据开放通过降低制度性交易成本、缓解体育要素错配程度和提升科技创新水平，推动数字经济与体育产业融合；3）异质性研究表明，相较于中西部省份，公共数据开放对东部省份数字经济与体育产业融合的推动作用更大；4）拓展性研究表明，公共数据开放平台质量的提升可以推动数字经济与体育产业融合。其中，由于体育数据具有多源性、实时性与非结构化特征，相较于平台服务质量与政策保障力度，数据内容质量对数字经济与体育产业融合的推动作用更大。为更好促进体育产业与数字经济的融合发展，研究建议：1）加强公共数据开放平台建设，聚焦数据内容质量提升，强化其对数字经济与体育产业融合的驱动作用；2）构建统一的体育数据标准体系，优化数据治理结构，降低制度性交易成本并缓解体育要素错配；3）完善数据治理体系，强化政策协同与监管机制，提升公共数据开放的治理效能并支撑科技创新；4）加强复合型人才培养，构建产学研融合的教育体系，弥补数体融合过程中的人才缺口。

　　党的二十大报告提出，“加快发展数字经济，促进数字经济和实体经济深度融合，打造具有国际竞争力的数字产业集群”。党的二十届四中全会通过的《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》则进一步指出，“深入推进数字中国建设。健全数据要素基础制度，建设开放共享安全的全国一体化数据市场，深化数据资源开发利用。促进实体经济和数字经济深度融合”。体育产业与数字经济的融合发展（以下简称“数体融合”）不仅是国家当前的关注重点，亦是新时代体育产业高质量发展的重要议题（郭巍 等，2024）。然而，针对性政策支持不足、数据资产积累短缺、专用数字基础设施建设落后、融合成本高昂等因素阻碍了数体融合（王鹏 等，2025）。如何克服这些难题，推动数体深度融合，是当前亟待解决的问题。作为打破“数据孤岛”、释放数据要素潜能的重要探索，政府开放公共数据资源已然成为国家重要战略之一（王晓丹 等，2024）。为了破除公共数据流通使用的体制性障碍、机制性梗阻，激发共享开放动力，优化公共数据资源配置，2024年9月，《中共中央办公厅 国务院办公厅关于加快公共数据资源开发利用的意见》出台；随后，2025年1月，《国家发展改革委 国家数据局关于印发〈公共数据资源授权运营实施规范（试行）〉的通知》《国家发展改革委 国家数据局关于印发〈公共数据资源登记管理暂行办法〉的通知》以及《国家发展改革委 国家数据局关于建立公共数据资源授权运营价格形成机制的通知》等3份文件先后印发，推进了公共数据开放政策的落地。由此引出一个问题：各地公共数据开放所带来的海量数据资源在宏观层面上如何推动数字经济与体育产业深度融合？对此问题的回答，一则有助于更好地理解与评估公共数据开放所引起的经济效应，揭示数体深度融合的内在机理；二则为数体深度融合新路径探索提供相应的经验依据。

　　当前，学术界围绕公共数据开放对产业融合的影响进行了广泛且深入的探索。现有研究集中聚焦于：一是以实体经济与数字经济融合为切入视角，解析公共数据开放如何通过二者融合实现区域新质生产力发展，其结果表明公共数据开放通过降低二者融合过程中的交易成本与信息不对称，从而推动区域新质生产力发展（姚树俊 等，2025）；二是以产业融合为研究对象，探究了公共数据开放对制造业与服务业融合、实体经济与数字经济融合的影响效应与作用机理，其结果显示要素配置效率提升、交易成本削减、数字技术创新均是公共数据开放影响产业融合的重要路径（郭立祥 等，2024；王晓丹 等，2024）。而在数字经济与体育产业融合方面，现有研究主要聚焦于数字经济与体育产业深度融合的理论内涵、动力机制、现实困境与实现路径（江涵逸 等，2024；王鹏 等，2025；张文月 等，2025），数字经济与体育产业的融合程度评价及其影响机制，已经证实数字经济与体育产业融合水平不高，且处于不断加深态势（任波 等，2024），而数字要素驱动是当前体育产业数字化转型升级的重要力量（徐鸿运 等，2025）。但尚未涉及公共数据开放对数体融合的影响。

　　综上所述，既有研究为开展公共数据开放对数体融合的实证研究提供了部分思路与方法，但仍存在以下不足。一是目前对于数字经济与体育产业的研究仍以测量两者的融合程度为主，有关公共数据开放对数体融合的影响效应与作用机制的研究有待深化。二是当前多数研究利用双重差分（difference-in-differences，DID）法、合成控制法等传统因果推断模型进行政策效应评估，一方面，此类普通最小二乘法回归存在控制变量冗余带来的模型过度拟合；另一方面，普通最小二乘法回归亦可能带来模型设定上的偏误，无法解决模型的内生性问题和变量间非线性关系的拟合问题，降低估计量的准确性。因此，在数据可获取原则下，本研究选取2012—2023年我国19个省份的面板数据，运用双重机器学习就公共数据开放对数体融合的影响进行深入研究，解析公共数据开放对数字经济与体育产业融合的影响效应与作用机制，在此基础上为政府实施与推广公共数据开放特别是体育数据开放以及推动数体融合行为提出对策建议。

　　数据要素市场化配置理论强调，数据需经历“资源化—资产化—资本化”的演进过程，才能有效释放其要素价值，关键在于明确数据产权、优化内容质量、提高互操作性、建立市场化定价与交易机制并融入生产函数。一方面，公共数据开放能够充分释放数据要素的价值与潜能，为数字经济与体育产业融合提供核心驱动力。在数据要素市场化配置的框架下，体育产业创新生态呈现数据驱动的核心特征。公共数据开放通过构建标准化数据接口与智能语义检索系统，提高异构数据的可发现性与可及性。运动生理数据、场馆运营日志、赛事传播轨迹等多元数据资源的跨域关联，打破了传统垂直领域的数据壁垒，形成数据联邦式的资源网络，这种技术架构不仅降低了数据获取成本，更通过资源互补效应激活体育产业创新主体的数据挖掘能力，推动体育用品制造、观赛体验升级等场景的算法迭代，催生出个性化运动处方、智慧场馆调度系统等新型数据产品（谢艳丽，2025）。另一方面，公共数据开放通过构建数据共享与交易机制，为数字经济与体育产业的深度融合提供了制度保障。在数据共享层面，公共数据开放及其相关政策通过确立数据分级分类标准、构建安全合规流通渠道，不仅使得体育场馆运营数据、体育消费数据得以在政府、企业、科研机构间合规流动，缓解了体育产业长期存在的“数据孤岛”现象，更通过正外部性激发跨界创新活力，形成“数据共生”的创新生态；在交易机制优化方面，公共数据开放带来的区块链、智能合约与数据信托机制的应用，实现了数据确权、价值评估与收益分配的制度化安排，解决了体育数据交易中的“双盲困境”与道德风险问题，降低中小企业参与数据交易的门槛，形成多层次、多维度的数据要素市场结构，为数体深度融合提供持续的制度保障（王晓丹 等，2024）。据此，本研究提出：

　　《中共中央办公厅 国务院办公厅关于加快公共数据资源开发利用的意见》强调，“破除公共数据流通使用的体制性障碍、机制性梗阻，激发共享开放动力，优化公共数据资源配置，释放市场创新活力，充分发挥数据要素放大、叠加、倍增效应”。基于此，本研究从制度性交易成本、体育要素配置和科学技术创新3个方面，解析公共数据开放推动数体融合的作用机制（图1）。

　　制度性交易成本会抑制数字经济与体育产业的深度融合。根据交易成本理论，企业交易行为会受到资产专用性、环境不确定性、交易频率等多方面因素的影响，需要构建系统化的决策机制与应对措施，以最大程度地控制交易成本并缓解管理风险（Williamson，1998）。其中，制度性交易成本是指企业为遵循政府部门制定的各项规半岛·BOB手机版章制度和程序而额外付出的时间和金钱的成本，这种交易摩擦直接影响企业生产经营决策（苏云晴 等，2024）。具体表现为烦琐的规章制度会导致企业将现有的资源投放到应对规章制度遵循上，抑制其研发创新热情，从而降低资源配置效率。高昂的制度性交易成本不仅限制了区域在数字基础设施建设升级、数字人才培养引进等方面的投入力度，还压缩了体育企业的利润空间，最终致使其在产业优化决策中削减对数字技术的研发投入（金礼杰 等，2024）。同时，数体融合产生的强正外部性和风险损失，会进一步加大体育企业在市场竞争中的生存压力，使其难以承担高额的数字化转型成本，弱化其应用数字技术的意愿，最终抑制整体产业与数字经济的深度融合。

　　公共数据开放能够降低数字经济与体育产业融合过程中的制度性交易成本。从数据管理看，体育公共数据管理涉及多个管理部门，各部门监管权责与标准有别，容易导致监管交叉或缺失、重复检查等问题，影响政务服务质量。从数据共享看，一是由于无法消除体育数据的人身性，相关部门常以禁止处理为原则，向社会提供有限信息，使得公共体育数据无法做到完全开放（李智 等，2025）；二是缺乏数据协同机制，海量数据资源仅存储于行政部门、主管部门、相关行业协会内部，增加权益主体的信息搜寻成本。作为一种新型数据资源供给模式，公共数据开放通过构建数据要素流通新范式，有效缓解传统交易成本困境。其一，公共数据开放能够提高政府的信息服务水平。公共数据开放涵盖经济建设、社会就业、医疗保险、文化体育、政务服务等多领域的数据，市场主体可直接通过开放API接口调用所需数据，降低其获取信息资源的门槛，减少制度审批执行流程与企业办事时间成本，提升政务服务的响应速度与质量水平（丁声怿 等，2025）。其二，公共数据开放能够优化市场主体的信息搜寻匹配效率。公共数据开放通过搭建开放数据空间网络，推动不同部门、主体、领域间的数据资源整合共享，链接政企“数据孤岛”，优化数据要素流通路径，减少企业数据信息的搜索、跟踪以及验证成本，引导企业将资源向生产性创新活动倾斜，提升全要素生产率（蔡运坤 等，2024）。据此，本研究提出：

　　各类生产要素的整合优化，能够在研发、生产、流通等环节产生协同效应，推动体育产业数字化发展，实现数体深度融合。一方面，资本要素的优化配置能够降低金融服务成本与风险溢价，突破数体融合发展中的融资瓶颈。数字技术的嵌入需要大量前期资本积淀，但传统体育产业因其重资产属性与回报周期长的特征，致使数体融合发展面临资本供给不足、结构混乱、流通不畅等问题（潘磊 等，2023）。通过引入数字金融、PPP融资模式、体育众筹融资平台等各类优化资本配置的工具，能够有效缓解传统金融机构对中小体育企业的排斥现象，降低融资门槛，满足企业数字化创新需求，从而解决数体融合中的资金瓶颈问题（许嘉禾 等，2020）。另一方面，劳动力要素的优化配置能够缓解就业结构性矛盾，突破数体融合发展中的人才瓶颈。其一，针对现有从业者数字化思维的塑造和数字技能的培养，能够提升体育企业在数据采集、分析与应用等方面的能力，助力其数字化转型目标实现（刘明龙 等，2024）；其二，数字技术人才跨界迁移带来的专业知识技能（如数字意识、算力思维、技术应用等），促使体育产业创新活动突破原有经验边界，提升数字技术向体育场景渗透的效率，推动数体融合发展（张小林 等，2025）。

　　技术的应用与创新能够推动数字经济与体育产业的深度融合。技术尤以数字技术为核心，是数字经济与体育产业深度融合的原动力。借助数字技术的革新作用，能够提升体育企业的生产效率、拓宽其盈利途径、增强体育产业的治理水平（秦丹 等，2024）。数字经济的本质在于技术经济范式的转变，在云计算、人工智能、大数据、区块链等数字技术与实体经济相互融合并重构的过程中，催生了平台经济、服务经济等新兴经济结构与形态（欧阳日辉，2023）。数字经济凭借技术经济范式转换，以数据作为全新的驱动要素，影响并渗透到体育产业领域，实现与体育产业的深度融合，进而拓展体育产业数字转型发展新空间（任波，2021）。

　　公共数据开放强化了数据要素的外溢效应与协同效应，提升市场主体的技术创新水平。当前，体育领域关键核心技术在科技攻关与服务方面，仍处于高投入、低产出的发展模式，缺乏个性化、精准化、科学化布局实施策略，前期基础研究积累、创新资源优化配置、创新主体协作配合等存在一定缺陷，致使数体融合发展受限（王子朴 等，2024）。根据组织学习理论，对信息的搜索和使用是企业创新能力的基础之一（沈坤荣 等，2025）。首先，在协同效应方面，公共数据开放链接各类“数据孤岛”，为不同领域、不同行业的创新主体开辟了丰富且便捷的协作途径（郑浦阳，2024）。凭借数据的开放共享，政府部门、科研机构、高等院校以及企业等多元主体得以共同参与技术研发、成果转化、市场推广应用等创新活动，并在此基础上构建起产学研用深度融合的创新生态系统，提高创新成果的质量、实用价值与经济效应，激发各创新主体开展更多高质量技术研发活动的热情与动力（马永军 等，2024）。其次，在外溢效应方面，公共数据开放通过开发部署各类协同和集成应用程序，促使原先难以有效监督的私人信息转化为公共信息，从而显著提升市场与企业之间、企业与企业之间的知识交流速度，产生信息溢出效应，降低创新风险不确定性（孙国良，2025）。与此同时，公共数据开放助力企业更准确地掌握政府政策动态，并基于此及时对创新战略进行修正，有效规避由经济不确定性引发的创新风险（杜善重 等，2025）。最后，相较于其他技术领域，公共数据开放对数字技术创新的推动作用更大。具体而言，数字技术创新对数据资源的依赖度更高、需求更迫切，在公共数据开放带来数字资源总量增长的情境下，那些以公共数据作为关键投入要素的数字技术，将优化获得发展所需的资源与支持；同时，在公共数据开放而创设出更多数据应用场景的过程中，率先吸引企业围绕特定的公共数据应用场景进行相应的创新，从而导致企业的技术创新更多是以数据开发应用为基础的数字技术（沈坤荣 等，2025）。据此，本研究提出：

　　相比传统多时点双重差分法，双重机器学习在模型估计与变量选取方面更适合本研究的研究问题。一方面，数体融合是基础设施、产业、技术、政策等多因素共同作用的结果，且两者融合过程中还存在较多干扰因素（如科教水平、金融发展水平、对外开放水平等）。鉴于实证评估的准确性，模型设立时应尽可能纳入这些干扰因素，然而在处理高维变量时面临的多重共线性问题和模型过度拟合问题，则会削弱估计的精确性（陈鸣 等，2024）。双重机器学习通过正则化算法，在预先设定的高维控制变量序列中，拟合筛选预测精度较高的控制变量集合，进而缓解由模型过度拟合引发的估计偏误。另一方面，数体融合与影响因素之间极有可能存在非线性关系。常规多元线性回归模型与门槛效应模型更适宜研究线性关系问题，而双重机器学习在处理非线性关系方面能够有效避免潜在的模型选择偏误（田坤 等，2023）。

　　基于此，本研究采用Victor等（2018）的做法，构建双重机器学习模型考察公共数据开放对数体融合的影响效应与作用机制。具体模型设定如下：

　　式中，i为省份；t为年份；Yit表示被解释变量，为省份i在第t年的数体融合程度；DIDit为核心解释变量，若省份i在第t年上线了公共数据开放平台，DIDit=1，否则DIDit=0；θ0为本文重点关注的处置系数；Xit为包括经济发展水平、政府干预程度、固定资产投资、产业结构、科教水平、对外开放水平、金融水平、城镇化水平的高维控制变量集合，它们通过g（Xit）和m（Xit）影响被解释变量与核心解释变量；µi为省份固定效应，在stata中以i.id命令实现；vt为年份固定效应，在stata中以i.year命令实现；εit和ηit为随机误差项。

　　在具体应用双重机器学习模型时，由于g（Xit）和m（Xit）的具体函数未知，需要选择合适的机器学习算法测算其估计量

　　。相较于神经网络、岭回归、决策树等其他机器学习算法，支持向量机（support vector machine，SVM）算法采用结构风险最小化原则进行模型选择，即在保证训练误差最小的同时，尽可能地减小泛化误差（赵丹丹 等，2019）。这种原则能够有效地避免过拟合现象的发生，使得SVM算法具有较强的泛化能力。因此，本研究将SVM作为机器学习的估计算法（具体算法来自Python第三方库sklearn），并参考张涛等（2023）的做法，将测试集与训练集的比例定为1∶4。具体模型推导如下：

　　的估计偏误，对DIDit正交处理，即剔除控制变量集Xit对DIDit的影响，得到正交回归量：

　　式中，σ2为方差，参考倪宣明等（2023）的研究，第一项a*服从均值为0的正态分布，第二项b*是

　　的收敛速度相对缓慢，该上限亦可无限趋近于0，第三项c*需要通过样本划分估计的过程加以消除。

　　1）样本划分。如果使用全样本去完成第二步的预测，然后又在同一个全样本进行第三步，则会导致所谓的“过拟合偏差”。因为机器学习模型在拟合其生成的预测值时，会引入内在的相关性，使残差项仍与Xit中的某些噪音相关，从而导致θ0的估计量产生偏差。因此，本研究将全样本划分为两部分，即测试集与训练集。而将两者的比例分割为1∶4，即将80%的样本用于训练第二步的预测模型，20%的样本用于因果估计。采取该分割比例是因为在大量实证研究中发现该比例能够取得较好的效果（王茹婷 等，2022）。在第二步，80%的数据足以让大多数机器学习模型得到一个相当稳定的预测，降低因预测不准带来的方差；在第三步，虽然样本只占20%，但对于因果效应估计这个非复杂任务（本质为一个一元线%的样本通常足以提供一个方差可接受的估计（Victor et al.，2018）。

　　2）基于训练集，以及控制变量集Xit，分别借助机器学习算法g（·）和m（·）对被解释变量Yit、核心解释变量DIDit进行拟合，并得到残差：

　　在做政策效应评估时，采用双重机器学习依旧需要满足传统DID模型的基本假定，如平行趋势假设、不可逆假设等。因此，本研究参考魏万青等（2025）的做法，在进行平行趋势检验和安慰剂检验时，构建了如下多时点DID模型：

　　为进一步考察公共数据开放的动态效果并进行平行趋势检验，本文参考胡洁等（2023）的做法，以政策发生前一期为基期，构建如下模型：

　　式中，Di表示省份i为处理组，Di=0表示省份i为对照组；I（·）为示性函数；TD为公共数据开放平台上线当期；以距离公共数据开放平台上线时间的相对时间为参照系（t-TD=s），其中s=-1为基期，其余变量与模型（8）相同。该模型主要关注回归系数βsprecut与βspre，若这两个系数均不显著异于0，则表明本文构建的DID模型满足平行趋势检验（孙伟增 等，2023）。

　　参考以往研究，使用熵值法从基础设施、产业、政策和技术4个维度，构建数字经济与体育产业发展状况的综合评价指标体系（表1）。

　　将数体融合看作一个由数字经济与体育产业两个子系统相互影响而构成动态复杂网状模型，而耦合协调度模型可以反映出系统的“整体功效”，较好地判断子系统的协同效应与融合特征。因此，本研究采取王雨婷等（2024）的做法，构建相应的耦合协调度模型来测量数体融合程度，具体步骤如下：1）将表1所示各类指标进行归一化处理；2）通过熵值法计算子系统下各指标的权重，并利用线）计算两个系统的融合程度，具体计算模型如下：

　　式中，A(ω)与B(τ)代表数字经济与体育产业的综合发展水平，C表示耦合度，取值范围[0，1]，数值越大表示系统耦合性越好；T表示协调指数，ρ与κ表示待定系数。一方面，数字经济促进了数体共生的竞争战略生态系统；另一方面，体育产业为数字经济的渗透提供技术应用场景（王鹏 等，2025）。故本研究认为数字经济与体育产业两个子系统同等重要，取ρ=κ= 0.5。D为融合程度即耦合协调度，取值为[0，1]，数值越大表示数体融合程度越高。

　　根据历年《中国地方公共数据开放利用报告》，自2012年上半年上海推出我国第一个开放数据平台起，截至2024年7月，各地已上线个直辖市）公共数据开放平台28个，各地平台上开放的有效数据集总数逐年增长，由2017年的8 398个增长至2024年的370 320个。此外，目前尚有部分省份未公布2024年的统计年鉴，故本研究以2012—2023年作为样本实验区间，并借鉴彭远怀（2023）的做法，若省份i第t年上线了公共数据开放平台，则为处理组，DIDit=1；否则视为对照组，DIDit=0。

　　数体融合受到经济、市场、政府等多个因素的共同作用。一方面，经济因素为颠覆性技术突破提供了必要的人力、平台与资金，在实现科技进步的同时，推动数体深度融合。另一方面，数体融合不仅需要市场提升资源配置效率，亦需要政府营造良好创新环境。基于此，本研究借鉴已有研究的做法（陈凯旋 2024a；彭远怀 等，2023；王晓丹等，2024），选取经济发展水平、政府干预、固定资产投资、产业结构、科教水平等作为控制变量，以反映经济因素、市场因素和政府因素对数体融合的影响，具体计算方式与理论参考依据如表2所示。

　　鉴于体育产业数据获取难度较大，部分省市尚未公开相关数据，本研究以数据可得性为首要筛选标准，选取了2012—2023年全国19个省份的面板数据作为调查对象（表3），并参考胡洁等（2023）的做法，对样本进行如下处理：1）体育产业增加值和体育场地数据主要源于国家体育总局和各省（区、市）统计局与体育局官网，数据缺失值通过年均增长率进行推算得到，对其他数据中存在缺失的部分则采用插补法补齐，即当年存在缺失值，样本区间内的滞后一年与提前一年不存在缺失值的数据，以（上一年数值＋下一年数值）/2的方式进行补全，具体而言，由于《中国工业统计年鉴》缺少2017年的版本，故数据的缺失值主要为2017年“文教、工美和娱乐用品制造业”的就业人员与固定资产投资，占总体样本的9.09%；2）为避免极端值的影响，利用stata中winsor2命令对连续变量进行上下1%缩尾处理。

　　被解释变量方面，数字经济的数据来源于国家统计局、历年数字经济统计年鉴、各省份统计年鉴，以及《中国科技统计年鉴》《中国统计年鉴》。体育产业的数据来源于国家统计局、国家体育总局和各省体育局官网，以及《中国体育年鉴》《中国工业年鉴》《中国第三产业统计年鉴》。此外，体育产业专利的数据来源于社科大数据平台，根据《国际专利分类表》中对专利的分类，A63表示运动、游戏、娱乐活动。因此本研究选择从社科大数据平台下载A63专利文献，紧密结合研究主题，依据《体育产业统计分类（2019）》进行详细比对，剔除“玩具、玩偶、娃娃、仿真动物玩偶、舞台、脚扣”等不属于体育产业的杂质信息。而数字经济与体育产业的政策数指标则是借鉴孙伟增等（2023）的做法，利用北大法宝（）分省份和年份统计标题中包含关键词“体育”与“数字”的法规条数。核心解释变量方面，公共数据开放平台的情况均来自历年《中国地方公共数据开放利用报告》。控制变量方面，相关指标数据来自《中国统计年鉴》和各省市的统计年鉴。

　　通过计算2012—2023年全国19个省份数字经济发展水平，绘制19个省份与东部地区、中部地区、西部地区的数字经济平均发展水平趋势图（图2）。整体而言，全国19个省份数字经济发展水平呈现出“东部地区平均值＞19个省份平均值＞中部地区平均值＞西部地区平均值”的格局。

　　从全国层面看，2012—2023年我国19个省份数字经济发展水平整体上呈上升趋势，增长趋势显著。2017年政府工作报告明确提出“促进数字经济加快成长”。“十四五”规划中指出，加快建设数字经济、数字社会、数字政府，以数字化转型整体驱动生产方式、生活方式和治理方式变革。在大力推行数字经济发展战略、政府给予高度关注的大环境下，我国数字经济实现了持续增长。然而，2020—2021年，由于全球公共卫生突发事件，我国19个省份的数字经济整体出现下滑。

　　从区域层面看，在2012—2023年，东部地区在数字经济发展水平上展现出显著优势，远超全国19个省份的平均水平。具体而言，2023年东部地区数字经济综合评价值突破0.330 6。这主要归因于该区域经济发达，在数字经济基础设施构建方面较为完备，科技创新体系成熟，政策扶持力度强劲，同时在人才汇聚与研发实力层面具备显著优势。中部地区的数字经济发展紧追其后，2023年数字经济综合评价值达0.188 9。而西部地区的数字经济发展水平处于相对滞后状态，同年综合评价值为0.142。西部地区由于经济基础薄弱，数字化基础设施建设滞后，资源相对短缺，加之受历史、地理等多元因素限制，致使其在信息技术、网络技术等关键领域发展迟缓，难以满足数字经济发展的技术需求，并且在吸引专业数字化人才方面面临较大困境，进而导致其数字经济发展水平较低。

　　通过计算2012—2023年全国19个省份体育产业综合发展水平，绘制19个省份及东中西部三大地区的发展水平趋势图（图3）。整体而言，我国体育产业发展水平呈现出逐年递增的态势，全国体育产业综合评价水平呈现出“东部地区平均值＞19个省份平均值＞中部地区平均值＞西部地区平均值”的格局。

　　从全国层面看，我国体育产业发展水平从2012年0.135 2上升至2023年的0.313 4，增长了0.178 2。2020—2021年全国体育产业发展水平增长速度最快，其原因可能为：1）政策驱动。2019年，《国务院办公厅关于促进全民健身和体育消费推动体育产业高质量发展的意见》中明确提出，强化体育产业要素保障，激发市场活力和消费热情，推动体育产业成为国民经济支柱性产业，积极实施全民健身行动，让经常参加体育锻炼成为一种生活方式。2）投资拉动。2021年是北京2022年冬奥会的关键筹备年，为了办好冬奥会，更为了实现“带动三亿人参与冰雪运动”的申奥承诺，聚集冰雪运动发展，各地相关基础设施建设加速推进。3）消费引领。近年来，体育消费持续增加，特别冰雪消费、户外运动消费增长旺盛，也带动体育产业快速增长。《“带动三亿人参与冰雪运动”统计调查报告》显示，截至2021年10月，中国全国参与冰雪运动人数达3.46亿人，参与率24.56% ，已实现“带动三亿人参与冰雪运动”目标。

　　从区域层面来看，东部地区体育产业发展水平领先于西部和中部地区。东部地区体育产业发展水平从2012年的0.183 5上升到2023年的0.396 5，主要得益于东部地区经济发展水平高，体育产业基础设施完善，体育政策支持力度大。并且，东部地区的体育产业与其他产业融合形成多元化体育发展模式，新业态的兴起推动了产业转型升级。中部和西部地区体育产业发展水平虽然低于全国19个省份平均发展水平，但在2012—2023年基本保持上升趋势。中部地区体育产业综合评价值由2012年的0.099 7上升到2023年的0.267 1，西部地区体育产业综合评价值由2012年的0.058 7上升到2023年的0.163 6。西部地区的体育产业综合评价水平与东部地区差距大，且呈逐渐扩大趋势。

　　通过计算2012—2023年全国19个省份数体融合发展水平，绘制19个省份与东部地区、中部地区、西部地区的数体融合发展水平趋势图（图4）。整体而言，全国19个省市数体融合发展水平呈现出“东部地区平均值＞19个省份平均值＞中部地区平均值＞西部地区平均值”的格局。

　　从全国层面看，全国19个省份的耦合协调水平呈现逐年上升的趋势，从2012年的0.291 1逐步提升至2023年的0.507 7，增加了0.216 6。依据现有研究对于耦合协调度的类型划分，耦合协调类型从2012年的重度失调阶段发展到2023年的濒临失调阶段，虽然有所改善，但仍未达到优质协调发展的水平。表明尽管数字经济和体育产业的整体发展取得了一定进展，但仍存在较大提升空间。该结论与现有测度全国层面数字经济与体育产业融合特征的研究所得结论一致（任波，2023），进一步说明本研究选取的样本在学理层面与现实层面均具有较好的代表性。

　　从区域层面看，在2012—2023年，全国样本省份与东中西部三大区域的耦合协调度均呈现稳步提升态势，呈现东部率先突破、中西部梯度追赶的演进格局。具体来看，东部地区耦合协调度由2012年的0.350 1提升至2023年的0.581，10年间增长65.95%；中部地区从0.251增至0.466，增幅达85.66%；西部地区则由0.194提升至0.376 3，实现93.97%的显著增长，耦合协调度的年均增长率依次为西部＞中部＞东部。西部地区以年均6.26%增长率位居三大区域之首，表明其耦合协调水平正以更快速度实现跃升，而东部地区4.73%的年均增速虽低于西部，但总体融合水平仍保持着绝对领先优势。这种“东部高位增长、西部增速领先”的差异化发展特征，既体现了区域发展基础的差异，也反映出后发地区通过政策引导实现追赶的可能性。

　　如表4所示，回归模型均控制了省份与年份固定效应，并采用省份层面的聚类稳健标准误。其中，在估计结果的净效应方面，仅加入省份与年份的固定效应，公共数据开放的回归系数为0.079 2，且在1%的水平上显著，聚类稳健标准误为0.013 4，其置信区间为[0.052 9，0.105 5]，显著大于0。在加入一系列控制变量后，公共数据开放的系数为0.081，亦在1%的水平上显著，聚类稳健标准误为0.013 1，其置信区间为[0.055 3，0.106 7]，显著大于0。从影响程度来看，公共数据开放每增加一个标准差，数体融合水平提升0.040 5（回归系数0.081×公共数据开放的标准差0.499 9），相较于样本期间数体融合水平的均值0.408 3而言，提升了约9.92%（0.040 5÷0.408 3×100%）。该结果表明，公共数据开放能够释放数据要素价值、优化数据共享与交易机制，为数体融合提供核心驱动力与制度保障，研究假说H1得以验证。出现此现象的原因可能为：一方面，公共数据开放通过构建标准化数据接口与智能语义检索系统，提升异构数据的可发现性与可及性，并通过跨域关联打破数据壁垒，形成资源互补的数据联邦网络，从而激活数据挖掘能力并催生新型体育数据产品（谢艳丽，2025）；另一方面，公共数据开放通过建立数据共享与交易机制、分级分类标准以及安全流通渠道，促进数据合规流动，并借助区块链、智能合约等技术实现数据确权与交易制度化，优化要素市场结构，为数体融合提供持续制度保障（王晓丹 等，2024）。

　　此外，为了进一步说明使用双重机器学习模型的科学性，利用模型（8）估计处理效应。在加入一系列控制变量后，公共数据开放的回归系数并不显著，其原因为：传统多时点DID模型依赖于严格的假设体系，其中一个基本假设为核心解释变量、控制变量与被解释变量之间设定线）。然而，从现实层面来看，数体融合是包括基础设施、产业、政策和技术等方面相互交织的结果，控制变量与数体融合之间可能存在较为复杂的影响关系（王鹏 等，2025）；而从统计层面来看，多数控制变量与被解释变量不存在显著的线性相关关系，进一步表明了控制变量集与数体融合复杂的影响关系。先验地给控制变量和被解释变量之间设定线性关系，会导致回归系数存在偏误，且降低对应标准误的准确性。相较于传统多时点DID模型，双重机器学习模型一方面放宽了各个变量之间的线性关系形式，从而允许变量之间非线性、交互影响关系的存在；另一方面可以同时考虑高维的控制变量，从而更加精确地估计因果关系。

　　由于多时点DID模型的估计结果对所有处理个体的处理效应进行加权平均，当存在异质性处理效应时，则可能会导致负权重情况的出现，若负权重所占比重较大，模型的估计结果可能不稳健（Chaisemartin et al.，2020）。本研究首先采用王贞洁等（2022）的做法，使用Stata中的twowayfeweights命令对所有权重进行估计。结果显示，在所有106个权重中，77个权重为正，29个权重为负，正权重的和为1.308 1，负权重的和为−0.308 1，负权重占比27.36%，表明多时点DID估计结果存在一定的不稳健。

　　由于每个省份公共数据开放的时间点不同，在本研究中存在3类对照：新开放公共数据的省份（较晚受处理组）与已经开放公共数据的省份（较早受处理组）、新开放公共数据的省份（处理组）与实验期内一直未开放公共数据的省份（从未受处理组）、新开放公共数据的省份（较早受处理组）与当期未开放但实验期内开放公共数据的省份（较晚受处理组）。在这3类对照中，第一类对照的处理效应并不一定是同质的，若其平均估计量权重较大，则会影响多时点DID估计量的结果，进而对平行趋势检验结果造成偏误；后两类属于良好的对照，即比较了省份是否开放公共数据对当地数体融合的影响（戴天仕 等，2024）。因此，参考鉴戴天仕等（2024）的做法，利用Goodman-Bacon分解法检验第一类对照的估计量所占权重是否过大。如表5所示，第一类对照的估计量为−0.026，权重为0.52，进一步说明了基于多时点DID估计结果所得平行趋势检验存在一定的偏误。

　　其次，参考鉴黄卓等（2024）的做法，剔除第一类对照，估计后两类对照的平均处理效应后加权，得到修正后的平均处理效应估计量。结果发现，修正后的平均处理效应为0.015 6，且在5%的置信水平上显著。基于修正后的结果，利用模型（9）对公共数据开放的平行趋势假设与动态效应进行估计。修正后的平行趋势检验图显示（图5），在公共数据开放之前，数体融合水平在处理组与对照组中不存在显著差异（回归系数βsprecut与βspre不显著异于0）。如表6所示，事前3期（事前第4期至事前第2期）的置信区间均穿过原点，说明本研究的平行趋势假设成立。此外，从政策实施后的效果看，公共数据开放对数体融合的推动作用在逐步递增，亦符合数据开放平台上线后，各地政府在平台内提供的数据质量在逐年提高的现实情况。

　　此外，本研究还进行了替换模型、倾向匹配得分法、控制反向因果、剔除疫情影响、考虑遗漏变量等一系列稳健性检验（图7）。结果显示，无论是点估计还是区间估计均显著大于0，验证了基准回归结果有较强的稳健性。

　　基于理论分析，从制度性交易成本、体育要素配置和科学技术创新3个视角揭示公共数据开放推动数体融合的作用机制，并参考江艇（2022）的研究，构建中介效应两步法模型。第一步为检验公共数据开放对数体融合的推动作用是否存在；若相应的回归系数显著为正，则进行第二步，即检验公共数据开放是否对中介变量具有促进作用；若相应的回归系数显著为正或负，则通过现有研究论证中介变量对数体融合的推动作用，进而判断中介变量是否存在中介效应（江艇，2022）。具体检验模型如下：

　　式中，Mit为衡量制度性交易成本、体育要素配置和科学技术创新的机制变量，其余变量与基准回归模型（1）相同。

　　检验公共数据开放能否通过降低制度性交易成本，推动数字经济与体育产业的深度融合。参考乔彬等（2018）的做法，以市场化指数的倒数衡量制度性交易成本。如表7所示，公共数据开放对制度性交易成本的回归系数为−0.011 6，且在1%的水平上显著，聚类稳健标准误为0.0038，其置信区间为[−0.019 2，−0.004 1]，显著小于0。从影响程度看，公共数据开放每增加一个标准差，制度性交易成本下降0.005 8（回归系数−0.011 6×公共数据开放的标准差0.499 9），相较于样本期间制度性交易成本的均值0.110 6而言，下降了约5.24%（−0.005 8÷0.110 6×100%）。该研究结果表明，公共数据开放能够提高政府信息服务水平与市场主体信息搜索匹配效率，从而降低区域制度性交易成本，最终实现数体融合，研究假说H2成立。以贵阳市智慧体育公共信息服务平台为例，其向市场主体公布行政统一服务审批过程信息、招标项目信息等，减少体育企业在多个平台之间切换以及与不同部门进行协调的时间成本，使其能够依据行政要求有效调整数字化战略。

　　检验公共数据开放能否降低体育领域资本与劳动力的错配程度，进而有效推动数体融合。为测算要素错配程度，参考胡若晨等（2024）的做法，以体育产业增加值为产出变量，将“文教、工美和娱乐用品制造业”与“文化、体育和娱乐业”的固定资产投资额之和作为体育产业固定资产投资的替代变量，将“文教、工美和娱乐用品制造业”与“文化、体育和娱乐业”的从业人员之和作为体育产业从业人数的替代变量，近似测算各省体育产业的资本投入情况与劳动力投入情况。在此基础上，参考白俊红等（2018）的做法，采用要素价格扭曲法计算各省体育资本与劳动力的错配程度。具体做法如下：

　　式中，H为某个大于0的常数，两边取自然对数，并在模型中加入省份固定效应µi与年份固定效应vt，整理可得：

　　式中，产出变量Git为体育产业增加值，以2012年为基期，将其他年份的体育产业增加值按GDP平减指数转化为以2012年不变价格表示的实际体育产业增加值。劳动力投入量Lit为各省体育从业人数，资本投入量Kit为各省份使用永续盘存法下的体育产业固定资产投资额，模型如下：

　　式中，Kt表示当期计算后的体育产业固定资产投资额，It为当期名义的体育产业固定资产投资额，即统计年鉴中的统计值，Pt为固定资产投资价格指数，ωt表示折旧率，取9.6%，Kt−1为上一期计算后的体育产业固定资产投资额。对于第一期基本存量，则直接使用：

　　在此基础上，利用19个省份2012—2023年的面板数据对模型（13）进行回归，估计各省份的资本与劳动力产出弹性。由于各省的经济和技术水平等存在差异，各省的资本和劳动力产出弹性可能不同，因而采用变截距、变斜率的变系数面板模型较为适宜。在具体估计时，在回归方程中引入各省份虚拟变量与解释变量的交互项，交互项系数即为该省份的资本产出弹性，且由于规模报酬不变，劳动力的产出弹性为，并将两个弹性带入以下模型，即可得出要素价格绝对扭曲系数：

　　是资本有效配置时省份i使用资本的理论比例，二者的比值可以反映实际使用的资本量和有效配置时的偏离程度。若该比值大于1，说明相对于整个经济体而言，省份的资本使用成本较低，该省份资本配置过度；反之如果该比值小于1，则表示该省份资本配置不足。此时，资本错配指数

　　如表7所示，公共数据开放对体育资本错配的回归系数为−0.050 2，且在1%的水平上显著，聚类稳健标准误为0.019，其置信区间为[−0.087 5，−0.013]，显著小于0。从影响程度看，公共数据开放每增加一个标准差，体育资本要素错配程度下降0.025 1（回归系数−0.050 2×公共数据开放的标准差0.499 9），相较于样本期间体育资本要素错配程度的均值0.534 8而言，下降了约4.69%（−0.025 1÷0.534 8×100%）。公共数据开放对体育劳动力错配的回归系数为−0.573 9，且在10%的水平上显著，聚类稳健标准误为0.315 6，其90%的置信区间为[−0.977 9，−0.169 9]，显著小于0。从影响程度看，公共数据开放每增加一个标准差，体育劳动力要素错配程度下降0.286 9（回归系数−0.573 9×公共数据开放的标准差0.499 9），相较于样本期间体育劳动力要素错配程度的均值0.488 2而言，下降了约58.77%（−0.286 9÷0.488 2×100%）。该研究结果表明，公共数据开放不仅缓解了体育领域社会资本的错配与低效问题，还减轻了体育劳动力市场的信息不对称，提升劳动力配置效率，进而推动区域数体深度融合，研究假说H3成立。产生此现象的原因可能为：一方面，资本要素的优化配置有助于缓解体育产业因重资产、回报周期长而面临的融资约束，借助数字金融、PPP模式及体育众筹等工具，降低融资门槛，改善资本供给结构，为数字化创新提供支撑；另一方面，劳动力要素的优化配置有助于化解就业结构性矛盾，既可通过提升从业者数字素养增强企业数据处理与应用能力，亦可依托数字技术人才的跨界迁移注入数字思维与技术能力，推动体育产业突破经验边界，提升技术渗透效率（许嘉禾 等，2020）。在实践中，以湖北省体育产业公共服务平台为例，作为全国首个省级体育产业公益性综合服务平台，湖北省体育产业公共服务平台功能涵盖信息发布与交流、数据采集与查询、业务服务与指导、项目招商与融资等多个方面。该平台以服务湖北省体育产业机构及从业人员为核心目标，旨在成为促进区域体育产业高质量发展的重要支撑。针对单位用户，平台提供优质体育产业信息申报、省级体育产业基地申请及其他相关业务办理服务。经审核认定的优质体育企业、赛事、场馆及产业项目信息，可在平台上进行宣传推广，发布合作意向并寻找合作伙伴。个人用户可查阅通知公告、产业热点、政策法规、优选资讯及统计数据等內容，并支持资料收藏与合作对接。体育产业专家通过个人信息注册并经审核合格后，可纳入湖北省体育产业专家库。通过此类措施，实现体育产业多元主体在数字场景下的数据共享，为区域体育产业与数字经济融合发展提供了关键支撑。

　　检验公共数据开放能否提升地区科技创新水平，并由此有效推动数字经济与体育产业融合。参考郭天宝等（2023）、刘安乐等（2020）的做法，以科技支出占地方一般公共预算支出比例作为各省科技创新水平的代理变量。如表7所示，公共数据开放对科学技术创新的回归系数为0.008 6，且在1%的水平上显著，聚类稳健标准误为0.002 6，其置信区间为[0.003 4，0.013 8]，显著大于0。从影响程度看，公共数据开放每增加一个标准差，科技创新水平提升0.004 3（回归系数0.008 6×公共数据开放的标准差0.499 9），相较于样本期间科技创新水平的均值0.028 7而言，提升了约14.98%（0.004 3÷0.028 7×100%）。该结果表明，公共数据开放通过不同市场主体之间的协同合作与知识外溢，促使区域技术创新力提升，进而推动区域数体融合，研究假说H4成立。在现实层面，山东省数据开放创新应用实验室作为全省唯一的省级体卫融合大数据创新应用平台，有力推动公共数据高质量开放和创新利用，激发社会数据创新应用活力，在前期完成省国民体质监测大数据平台建设基础上，建立居民体质健康大数据库、科学健身指导视频库、体卫融合标准体系等，涉及体测数据采集、区域体测分析、体质评估、营养建议等多个模块，开拓和延展体育产业新业态新模式，推动体育产业提质增效和转型升级。

　　各省份体育产业发展水平、资源禀赋、人员投入结构等方面都存在一定差异。因此，有必要进一步考虑公共数据开放可能会对不同地区数体融合产生的差异化影响。本研究将三重差分模型与双重机器学习模型进行有效结合。具体而言，参考沈小波等（2021）的做法，将省份虚拟变量（若为东部省份，area=1；若为中西部省份，area=0）与DID进行交乘，得其核心解释变量名为“区域与DID的交互项”，并将此变量重新代入模型（1）中进行估计。

　　如表8所示，区域与DID的交互项的回归系数为0.102 7，且在1%的置信水平上显著，聚类稳健标准误为0.018，其置信区间为[0.067 5，0.137 9]，显著大于0，说明相较于中西部省份，公共数据开放对东部省份数体融合的推动作用更大。其原因可能为产业融合程度受到数据要素的流动效率、技术转化能力、市场需求层次等方面的约束（陈凯旋 等，2024b）。相较于中西部地区，东部地区在数字基础设施建设密度、市场主体创新活力以及营商环境等方面具有明显优势，最大程度地释放了数据要素的价值潜能（马永军 等，2024）。体育产业与数字经济的融合发展依赖企业生产经营数据、用户行为数据、运动生理数据、场馆运营数据等的实时交互与深入挖掘。东部地区依托高渗透性的5G网络、物联网终端与云计算平台，能够高效承接政府公共数据平台开放带来的政务数据、公共设施使用与建设数据、健康监测数据，并通过人工智能算法实现多源异构数据的快速清洗与价值萃取，不仅降低了体育产品服务创新的试错成本，更通过重构产业链分工网络，催生虚拟赛事、智能健身等新兴业态，有力推动当地的数体融合（刘明龙 等，2024）。以浙江省为例，该省在“一个体育大平台、一个体育数据仓、一个综合智能服务门户、四大核心业务应用”总体框架下，充分利用政务云各项资源和能力的基础上，根据体育行业特性，提取各项体育业务的公共需求，由主题应用算法、专题应用数据、运营策略和制度规范共同构成面向全省的数字体育公共服务能力中心，为各类数字化业务应用提供服务，将各类数据形象化、直观化、具体化地按主题进行交互展示，对不同维度的数据进行组合分析，满足不同应用场景和决策分析的需求。现已完成543项数据资源目录建设，归集全省体育部门近89万条数据，在一体化智能化公共数据平台发布13个无条件开放数据资源和16个受限开放数据资源，有效实现体育领域数据共享和开放，为推动数体融合提供安全可靠、高效便捷的数据支撑。

　　前文已证实公共数据开放对数体融合的影响效应与作用机制。然而，不同省份在数据公开方面存在较大差异，部分省份虽然上线了相应平台，但并未及时上传数据，或因管理不善，致使平台出现数据杂乱无章、数据部分缺失以及数据无法正常下载等问题，从而在一定程度上限制了数据要素共享所产生的积极效应（袁天荣 等，2025）。考虑到公共数据要素价值的充分释放取决于政策保障力度、开放平台体系建设以及开放数据的质量，由此引发一个新问题，即公共数据平台质量如何影响数字经济与体育产业融合。回答该问题对于强化公共数据平台质量建设以推动数体融合具有重要的实践意义。本研究参考李佳林等（2024）、王晓丹等（2024）的做法，采用复旦大学数字与移动治理实验室构建的中国开放数林指数作为数据开放质量的代理变量。该指数包含丰富的细分指数，其中，本研究利用保障层指数、服务层指数和数据层指数分别反映公共数据开放平台的政策保障力度、平台服务质量和数据质量。根据2022年《中国地方政府数据开放报告—省域》所示的评估指标体系，保障层指数包括法规政策、标准规范和组织推进等3个一级指标；服务层指数包括平台体系、开放协议、发现预览、数据集获取、社会数据及利用成果提交展示、使用体验和互动反馈等7个一级指标；数据层指数包括数据数量、开放范围、关键数据集质量、关键数据集规范和关键数据集安全保护等5个一级指标。

　　1）公共数据开放能够显著推动数体融合，这一结论在经过多种稳健性检验后依旧成立。

　　2）机制研究表明，公共数据开放通过降低制度性交易成本、缓解体育要素错配程度和提升科技创新水平，推动数体融合。

　　3）异质性研究表明，相较于中西部省份，公共数据开放对东部省份数体融合的推动作用更大。

　　4）公共数据开放平台质量的提升，可以推动数字经济与体育产业融合。相较于平台服务质量与政策保障力度，数据内容质量对数体融合的推动作用更大。

　　1）加强公共数据开放平台建设，聚焦数据内容质量提升，以强化其对数字经济与体育产业融合的驱动作用。拓展性分析结果表明，相较于政策保障力度和服务质量，平台的数据内容质量对数体融合的推动作用更为显著。因此，需结合《“十四五”数字经济发展规划》中关于数据要素市场化配置的部署，以及《体育强国建设纲要》对体育产业数字化转型的要求，提升数据内容质量。首先，在数据采集层面，建立覆盖全体育产业链的动态数据采集网络，重点针对体育赛事、健身休闲、体育制造等细分领域，通过物联网传感器、移动终端和社交媒体等多源渠道，实时采集非结构化数据，并利用人工智能技术进行清洗与标注，确保数据的完整性、准确性与时效性。例如，在省级数据开放平台中设立体育数据专区，优先开放高价值数据集，如运动员表现数据、场馆运营数据和消费者行为数据。其次，在数据处理与共享环节，构建分布式数据存储与计算框架，采用云计算和边缘计算技术，实现数据的即时处理与低延迟共享。具体可借鉴浙江省“健康数据高铁”项目的经验，在东部省份先行试点体育数据开放平台升级工程，通过财政补贴和公私合作模式，激励平台运营商优化数据接口和API服务，提升数据的可访问性与互操作性。最后，建立数据质量评估与反馈机制，定期发布数据质量报告，并将评估结果纳入平台绩效考核体系，确保数据内容质量持续改进。

　　2）构建统一的体育数据标准体系，优化数据治理结构，降低制度性交易成本并缓解体育要素错配。机制检验结果显示，公共数据开放通过降低制度性交易成本和缓解体育要素错配推动数体融合，标准化是数据要素高效流通的前提。当前，我国体育数据存在格式不一、定义模糊等问题，导致企业在数据使用中面临较高的合规成本与协调成本，因此需围绕《国家数据标准体系建设指南》《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》，制定分层、可落地的标准体系。首先，成立跨部门的体育数据标准工作组，由国家体育总局牵头，联合工业和信息化部、国家数据局等部门，参考国际标准（如ISO体育数据规范），制定覆盖数据采集、存储、交换和应用的统一标准。具体包括数据格式标准（如JSON或XML）、元数据标准（如对体育场馆、运动员等实体进行唯一标识）以及数据安全标准（如加密与脱敏规则），以确保数据的互操作性与一致性。其次，建立分级分类的数据开放目录，明确公共数据的开放范围与权限，对体育数据实施动态风险评估与分级管理。例如，非敏感的体育统计数据（如参与率、产业规模）可完全开放，而涉及个人隐私的运动员健康数据则需匿名化处理后方可共享，缓解因数据滥用导致的要素错配。同时，推广数据标准化工具和培训指南，鼓励中小体育企业采用统一标准，并通过税收优惠或补贴激励其参与标准制定过程，从而提升行业整体的要素配置效率。

　　3）完善数据治理体系，强化政策协同与监管机制，提升公共数据开放的治理效能并支撑科技创新。机制检验结果表明，公共数据开放通过提升科技创新水平促进融合，这要求治理体系能够有效平衡数据开放与安全，激发创新活力。结合《“十四五”国家信息化规划》中关于数据治理的部署，强化数据治理协同，健全数据资源治理制度体系。首先，在政策协同层面，建立中央与地方联动的体育数据治理协调机制，制定体育领域公共数据开放与共享的管理办法，明确各部门职责与数据开放时间表，减少因政策重叠导致的创新风险。异质性研究结果发现，东部省份融合效果更显著，可在东部地区先行设立体育数据治理示范区，实施负面清单管理制度，优先开放科技创新相关数据（如体育研发数据或智能设备数据），提升科技创新水平。其次，在监管机制上，引入第三方评估与审计制度，对数据开放平台进行定期合规检查，并利用区块链技术实现数据流转的全链条可追溯，确保数据安全与隐私保护。借鉴广东省“数字政府”改革经验，建立体育数据开放风险预警系统，对潜在的数据滥用或泄露事件进行实时监控，降低企业创新过程中的不确定性，从而强化治理体系对科技创新的促进作用。最后，加强数据开放与产业政策的衔接，例如，将公共数据开放纳入体育产业园区评价指标，并通过专项资金支持数据驱动型创新项目（如基于开放数据的体育AI应用）开发。

　　4）加强复合型人才培养，构建产学研融合的教育体系，弥补数体融合过程中的人才缺口。人才是数据要素驱动体育产业数字化融合的重要支撑。机制检验结果显示，公共数据开放通过优化劳动力配置，推动数体融合，这突显了高素质人才在技术应用与创新中的关键角色。首先，优化高等教育与职业教育体系，在高校设立跨学科的体育数据科学专业或课程，融合经济学、信息资源管理和体育人文社会学等研究方向，重点培养数据分析和数字技术应用能力。例如，可与高等院校、科研机构合作，开发实践导向的课程模块，包括公共数据平台操作、机器学习在体育中的应用等，并设立奖学金激励学生参与。其次，在产学研融合层面，建立企业−高校−研究机构的联合实验室和实训基地，鼓励企业提供真实数据案例和实习岗位，推动人才培养与产业需求对接。具体可通过政府补贴支持企业与高校共建研发项目，如利用公共数据开发体育产业融合模型。最后，加强在职人员培训，通过线上平台和专题研讨会，普及数据标准与治理知识，并将培训成果纳入职业资格认证体系，提升整体的人力资本水平。返回搜狐，查看更多