制造企业数字化创新影响因素研究：基于fsQCA 方法

王 忠，邓郁南，谢卫红，3

（1.广东工业大学经济学院，广东广州 510520；2.广东工业大学数据经济数据治理重点实验室，广东广州 510520；3.广东工业大学大数据战略研究中心，广东广州 510520）

数字化创新是数字化转型的驱动基础，其能够提升企业产品研发效率，使得制造业转向智能化生产阶段，推动整个社会生产力上升［1-2］。当前我国制造企业数字化创新仍面临诸多障碍，一方面数字化创新较于传统创新具有更大的动态性和不可预测［3］，制造企业存在数字化战略缺失、数字能力建设落后等问题［4，5］，导致企业创新意愿不足；另一方面，数字技术带来的新业态、新模式与低水平采纳的矛盾［6］，使得制造企业创新无法迈上更高阶段。基于中国情境下探讨制造企业数字化创新的影响因素，推动制造企业提升数字化创新能力，是实现经济高质量发展急需解决的重要命题。

目前，学术界关于制造企业数字化创新的影响因素的研究主要围绕制造企业的数字技术应用、组织特征和外部环境等视角展开。从技术视角看，对数字技术的采用是企业实现数字化创新的根本特征［7］，技术融合能力［8-9］、模块化的数字平台［10］、IT 能力的投资［11］是制造企业提升数字化创新绩效的重要因素［11］。从组织视角看，企业的创新意愿是制造企业数字化创新的根本动因［9］，高管团队、数字人才基础、创新资源、组织能力之间的有效组合能够推动制造企业数字化创新［2，12-13］，数字产品进口能够提升出口企业的数字化创新产出［14］。从环境视角看，市场竞争和市场化程度是影响制造企业数字化创新的重要因素［15］，政策的不确定性会引起制造企业进行探索式和利用式创新［16］。同时，政府补助与数字金融对制造企业数字化创新存在替代效应［17］。

目前数字化创新的影响因素研究进展较快，但仍存以下不足：首先，关于制造企业数字化创新的影响因素研究多为探索性案例研究［18］，实证研究较少；其次，仅仅关注于技术或组织（政府）方面单一因素的作用，缺少从多重因素协同作用的视角去理解企业数字化创新差异［19］；最后，现有成果中，结合中国情境下对工业的研究相对较少［20］。因而，有必要采用QCA 等方法进一步识别和实证考察驱动制造企业数字化创新的组态路径［3］，区分影响制造企业数字化创新水平的核心和边缘条件从理论研究上对制造企业数字化创新相关结论进行验证和扩展。具体来说，将试图解决下面3 个问题：制造企业的相关影响因素是否为必要条件？哪些组态条件以“殊途同归”推动制造企业高数字化创新？哪些是对制造企业高数字化创新的关键条件？

因此，将基于45 家制造企业数据，从组态视角开展研究，运用模糊集定性比较分析（fuzzy set qualitative comparative analysis，fsQCA）方法，结合“技术-组织-环境”（TOE）理论框架，构建影响制造企业数字化创新的理论模型，探讨制造企业数字化创新的关键影响因素，并识别出推动制造企业数字化创新的组态路径。

1 理论模型与研究设计

1.1 研究方法

QCA 方法是研究因果关系的重要工具［21］。而基于布尔代数和集合分析的fsQCA 方法，是探索引起某一结果产生的多种条件组合路径的研究方法。结合目的，使用fsQCA 方法结合TOE 框架探讨哪些条件是制造企业实现数字化创新的关键路径，主要基于以下原因：

第一，制造企业数字化创新发生的条件变量多是协同作用而非独立影响，而当前针对制造企业数字化创新影响因素的研究较少，且多为传统的面板数据回归分析，其面临着大样本、避免多重共线性等局限约束，且忽视了条件之间的共同作用［22］。QCA 方法能够从整体的视角解释制造企业数字化创新的原因条件的复杂因果关系。

第二，相较于传统回归方法，fsQCA 方法能够更好地解释非对称因果关系，判断条件变量是否为核心或是否为边缘，更好地发现制造企业数字化创新前因条件之间存在的组态效应，且与TOE 框架组合效果较好。

第三，fsQCA 方法具有案例研究和定性分析的双重属性［23］，本研究选取的变量多为连续变量，清晰集（csQCA）和多值集（mvQCA）存在数据处理局限，采用fsQCA 方法能够更准确地把握变量的变化。

1.2 理论模型

Tornatzky 等［24］在1990 年最先提出TOE 理论，是从企业的角度用来研究技术进步对技术采纳和实施的影响，是创新扩散理论的发展。伴随着创新研究发展，TOE 理论结构清晰且具有系统性，能够为创新的影响因素研究提供一个较好的理论框架。

基于TOE 理论框架，采用fsQCA 方法探索技术条件、组织条件、环境条件三类因素对数字化创新的联合效应。由于影响企业数字化创新的因素多种多样，基于TOE 框架，借鉴Ketchen 等［25］提出的归纳法对现有文献进行归纳，同时考虑研究的有限多样性和简洁性［26］，最终确定探索6 个影响因素的联动效应。这些因素包括技术维度下的工业互联网应用和创新资源（技术条件）、组织维度下的高管技术背景和人才基础（组织条件）、环境维度下的市场竞争和政府支持（环境条件），见图1。选择具体原因如下：

图1 制造企业数字化创新影响因素理论模型

1.2.1 影响制造企业数字化创新的技术条件

（1）工业互联网应用

工业互联网应用是推动企业数字化创新的重要驱动力，其技术的特性将改变组织内部结构和盈利方式。工业互联网（IIoT）是指将人、信息、商业、制造连接的智能工业网络，实现各种要素在网络的高效共享，以提升制造的生产率为目标［27］。首先，工业互联网平台是企业参与数字化创新的载体［28］，工业互联网平台集合了制造商、上下游企业、客户等利益主体。根据平台理论，平台中各参与主体能够享受数据资源的跨边网络外部性，帮助企业获取制造所需资源和挖掘客户隐性知识，破除制造企业内部资源缺乏的问题［29］，为制造企业数字化创新在知识交互、数据价值释放、生态建设等方面进行助力［30］。其次，越来越多的制造企业选择参与数字平台化建设［31］，转变了生产制造各主体的连接方式，突破了企业之间的时空限制，降低了协作创新的交易成本，帮助组织决策智慧化、创新开放化、生产柔性化，提升企业识别创新机会加快企业产品与数字服务创新［32］。由此，工业互联网应用会对制造企业数字化创新产生重要影响。

（2）创新资源

实现数字化创新需要以创新资源为支撑［7］，创新资源是制造企业进行数字化创新重要基础。一方面，企业创新资源提供了制造企业数字化创新可靠且稳定的现金流和物质资源，提高了创新活动的可持续和平稳性，进而帮助企业扩展招纳高素质研发人才和引进先进技术，是开展数字化创新的前提。另一方面，稳定的创新资源能够对制造企业原有产品、技术、生产、服务等环节进行变革，能够大幅度提升企业的鉴别、吸收、理解、创新、整合等能力，进而增强企业数字化创新能力［33］。由此，创新资源会对制造企业数字化创新产生重要影响。

1.2.2 影响制造企业数字化创新的组织条件

（1）高管技术背景

高层管理负责制造企业发展战略的制定和实行，其对于数字化创新承担着关键性作用。企业数字化创新需要有识别、理解、掌握和实践数字资源能力的人才，在企业通常是企业高层和数字技术研发人员［34］。立足能力烙印理论和高阶梯队理论［35］，企业高管的年龄、职业经历和教育背景通过创新决策和风险偏好等表现对企业数字化创新产生异质性影响，当需要决策的事务所需的知识与个体的能力匹配时，该事务更能够实现。拥有技术背景的高管具有更强的创新意识和更高的风险偏好［36］，对于创新活动具有更多的积极性，能够全面把握前沿技术，在战略上倾向于投资更多企业资源开展创新活动，拓宽企业数字化创新发展边界。结合行为金融理论，此类高管对制造企业研发创新具更深的认知，能够更合理地判断创新活动带来的风险和收益［37］，对于金融投资更加谨慎，有可能会降低企业金融风险，提升企业在创新投入的利用效率。由此，企业高层管理者的技术背景会对制造企业数字化创新产生重要影响。

（2）人才基础

制造企业实现数字化创新需要配备与数字技术相关的人力资本，高水平人才是数字经济时代技术和产品创新的动力。根据资源基础理论和人力资本理论，企业拥有独有的异质性资源更有利于建立竞争优势［38］。高水平人才由于拥有前沿知识，能够更快地识别外部环境与掌握组织内外部资源，挖掘资源潜在价值推动数字化创新进程。此外，数字化的过程是数字技术与生活的融合，需要不断学习并提升数字化创新技能［39］，在数字环境中知识获取和共享更加便捷［40］，经历高水平教育的员工具有更强的学习能力和自我驱动能力，这也推动过了企业创新发展和核心竞争力的提升。由此，人才基础会对制造企业数字化创新产生重要影响。

1.2.3 影响制造企业数字化创新的环境条件

（1）市场竞争

市场竞争程度影响制造企业的数字化创新意愿。当前社会物质已经得到充分发展，消费端需求呈现个性化和服务化趋势，在存量市场的竞争愈发激烈，加剧了市场的不稳定性，这要求制造企业必须具备个性化生产和服务能力［41］。面临竞争形势的改变，制造企业为了抓住数字时代的新机遇，将采用数字技术和增加研发创新投入［42-43］，以新的商业模式重组数字资源和其他资源，寻求数字化创新，形成逃离竞争效应。此外，消费者在提出需求的同时也为制造企业进行创新提供了数据和知识，推动制造企业产品创新由需求推动转变为数据驱动［44］，实现产品创新与用户需求的契合。此外，通过学习效应和标杆作用市场竞争增强了整个产业的创新活力，并且通过推动行业信息流动降低了企业创新的搜寻成本。而市场竞争与数字化创新也可能是倒“U”型关系［45］。由此，市场竞争程度会对制造企业数字化创新产生重要影响。

（2）政府支持

根据制度理论，企业发展与特定的经济制度密不可分。政府在为企业的创新性活动建立发展环境起着重要作用，良好的数字发展环境能帮助企业激发创意和知识共享，创新商业模式［46］。在全球竞争的背景下，中国作为发展中国家也在数字化领域奋起追赶，工信部等多部门发布了多项企业数字化转型的目标和关键任务。政府通过财政支持、税收减免等产业政策帮助企业应对创新活动的不确定性、融资约束和投资者信任等问题［17］，鼓励企业采用数字技术和平台［47］，推动企业对数字化创新的投入，激励企业克服竞争难题，驱动制造企业数字化深度转型。也有学者指出不合理的政府补助将异化企业创新行为，引起虚假创新信号、寻租行为［48］。由此，政府支持会对制造企业数字化创新产生重要影响。

基于上述理论分析，在TOE 框架包含的六个条件中，市场竞争和政府支持属于客观条件，而工业互联网应用、创新资源、高管技术背景、人才基础则属于制造企业主观可控条件。

1.3 数据来源

1.3.1 样本选择和来源

结合2017 年和2018 年《智能制造试点示范项目名单》，选取45 家深沪A 股上市制造企业为研究样本，采集2019 年的相关数据，主要基于以下原因：（1）典型性和多样性原则。fsQCA 方法并不是追求随机抽样而是遵循理论抽样，选取的案例企业需要在数字化转型中具有一定的成果，为多个地区或行业的代表企业，在环境因素上存在差异，可以保证数据的代表性与多样性。（2）研究方法的适用性。fsQCA 方法对样本案例与条件变量的数量匹配提出了要求。一般来说，条件变量为6 个时对应的样本案例数量多为25 以上的中等样本［49］。（3）时效性。该时期为制造企业数字化热潮阶段，保证研究问题的时效性。（4）研究的可拓展性或数据的可获得性。样本企业地域分布和行业分布，见表1、表2。

表1 样本企业地域分布

表2 样本企业行业分布

利用2019 年样本企业年报作为基础数据源，收集案例企业的研发费用、营业收入、研发人员的占比、政府补助金额、总资产、本科及以上人员占比等数据。其次，对年报内容进行查看识别，判断工业互联网应用和技术背景高管占比等数据。最后，借助Python3.7 对年报进行文本分析，对数字化创新词频统计。最终获得完整数据。

1.3.2 数据测量

（1）结果变量

数字化创新（DI）。目前，大多数学者衡量企业数字化创新通常采用量表［50-51］、数字化创新专利数量［52-53，14］、新产品数量［54］，少数学者基于情景理论采用python 对企业年报相关词频数量的方式测量数字化创新［55］。基于数字化创新的内涵，数字化创新不仅是数字技术的采纳，还包含创新主体的产品、服务、过程、组织和商业模式的创新，体现于企业的整体情况。采用专利、产品数量存在单一维度衡量的局限，而量表数据获取难度大也限制了其在科学研究的使用。综上，参考Lu 等［55］的数字化创新测量方式，采用年报相关词频数量反映制造企业该时期的数字化创新，具体流程为：1）收集2019 年样本企业的年报；2）建立反映数字化创新的关键词库；3）基于python3.7 的Jieba 模块对案例企业年报进行文本提取，统计关键词出现的频次。

在数字化创新关键词的选定上，以Lu 等［55］的研究结果为基础，在学术文献上参考Bharadwaj等［56］、戚聿东等［57］等与数字化创新相关的文献，结合《“十四五”数字经济发展规划》《数字经济及其核心产业统计分类（2021）》《中小企业数字化赋能专项行动方案》，补充有关数字化创新的关键词库，见图2。

图2 关键词词库

（2）条件变量

技术条件。关于工业互联网应用（IIOT）的测量，参考杨德明和刘泳文［58］做法，设置为制造企业是否应用工业互联网平台的虚拟变量。首先，搜索“工业互联网”“工业4.0”“物联网”等词频，找到相关内容进行识别判断，当企业对工业互联网进行了实质性参与，如投资等行为，则认为企业应用了工业互联网，取值为1，否则为0。创新资源（IR）是指研发投入，参考孙慧等［59］的采用相对数的做法，将企业研发费用占营业收入的比值衡量创新资源。

组织条件。高管技术背景（TBE）的测量，参考韩忠雪等［60］的做法，将高管简历中具有技术研发工作经历或具有工程、研究或教师等职称的高管人员认定为具有技术背景的高管，并计算其团队占比。关于人才基础(TB)以本科及以上学历占总员工比例作为衡量指标［61］。

环境条件。常见的市场竞争(MC)测量方式有赫芬达尔指数（HHI）、勒纳指数（折旧及息税前利润/销售额）、销售费用与营业收入的比值，选取以营业收入计算的HHI 指数作为市场竞争的衡量指标［62］。由于HHI 与竞争程度成反比，为与其他变量数据保持一致，采用1-HHI 衡量市场竞争。政府支持(GS)是指政府补助，采用政府补助常见的测量方式以政府补助总额与期末总资产的比值为衡量指标［17］。见表3。

表3 变量描述

1.3.3 数据校准

数据校准是指将原始数据转换为集合概念（集合隶属），是为了保证原始测量的解释力度和理论意义的必要流程，需要考虑到样本的类别和程度差。为保证校准过程的客观准确性，本研究采用直接校准法设置阈值进行模糊隶属分数的转换，一般来说，完全隶属点可以设置为95%数或上分位数，交叉点可以设置为中位数，而完全不隶属点则划分为5%数或下分位数。依据杜运周等［21］以及案例实际情况，借鉴陶克涛等［63］的校准标准，分别将所有连续变量的5%、50%和95%分位数作为完全非隶属度、交叉点和完全隶属度，而工业互联网应用为0—1 的虚拟变量，故不进行校准。同时，为避免校准后为0.5的数据案例被去除，出现样本减少，需要将数值调整为0.499 或0.501 再放入真值表分析［64］。各变量隶属点，见表4。

表4 各变量的描述性统计和校准锚点

2 结果数据

2.1 单个条件的必要性分析

在对制造企业数字化创新进行条件组态检验之前，需要检验单一条件（包括其非集）对结果变量的必要性。根据组态理论，必要性分析主要检验一致性结果，判断标准通常为当条件一致性大于0.9时，则可以认为其为结果的必要条件［65］。采用fsQCA3.0 对制造企业高数字化创新和非高数字化创新进行必要性分析，结果见表5。从分析结果可以看出各单一条件的一致性均低于0.9，说明各条件不是导致制造企业高数字化创新或非高数字化创新的必要条件。因此，需要对制造企业数字化创新的多元组态效应进一步研究。

表5 条件变量必要性分析

2.2 条件组态的充分性分析

fsQCA 方法分析结果包括三种类别：复杂解、中间解、简约解。本研究采用中间解得出的条件组态作为解释结果进行充分性分析，主要是因为，相较于简单解，中间解基于容易的反事实分析得出结果［21］，具有更可靠的理论和实际意义；而复杂解包含了所有实际观察样本的组态，中间解更为简洁。通常，核心条件是指在简约解和中间解都出现的条件，而边缘条件则仅在中间解出现［66］。对于分析结果，“●”代表条件存在，“⊗”代表条件不存在，两种符号的大小代表条件为核心条件或边缘条件，空白则代表该条件在组态中可有可无。

结合Fiss［66］和杜运周等［21］的建议，本研究设置充分的一致性阈值不应低于0.8，PRI 设置为0.7。同时，由于相关条件影响结果的理论证据的缺少，故并未在反事实分析中对各种条件变量进行调整，选择“存在或缺失”为条件。样本数量为45，属于中小样本，频数阈值应为1。使用fsQCA3.0 软件对各案例企业进行真值表分析，结果见表6。

表6 样本制造企业高数字化创新组态分析

表6 显示以5 种组态的方式呈现了制造企业高数字化创新组态分析的中间解和简约解，即不同条件组成的五种组态能够对制造企业数字化创新起到“殊途同归”的作用。5 种组态的一致性均大于0.9，超过一致性阈值0.8，表明这五种条件组态是制造企业高数字化创新充分条件组合的结果具有可靠性；解的一致性为0.933 057，意味着条件组合可以解释约93.3%的制造企业高数字化创新案例；解的覆盖度为0.628 78，意味着这5 种条件组合覆盖了约62.9%的总样本，即解释了62.9%的高数字化创新原因。

2.2.1 高数字化创新组态分析

在5 种组态里面，S2a 和S2b 的核心条件一致，二者构成二阶等价组态，而S3a 和S3b 核心条件一致，二者也构成二阶等价组态。为了更清晰地展现组态之间的差异，结合TOE 框架，本研究分别对3 类组态S1、S2 和S3 分别命名为“技术-环境协同型”“技术-组织协同型”“技术-组织-环境协同型”。接下来，结合理论和相关案例，本研究对以上高数字化创新每一类组态内在含义进行分析。

（1）技术-环境协同型（S1）

在组态S1 中，以有工业互联网应用、非高高管技术背景、非人才基础和高市场竞争为核心条件，非高创新资源为边缘条件。组态S1 表明当市场竞争环境激烈时，无论政府支持力度如何，制造企业可以通过投入技术层面工业互联网应用来实现数字化创新，即使创新资源、高管技术背景和人才基础存在不足。具体来说，当外部市场竞争激烈，整个行业具有更强的创新活力，市场竞争压力要求制造企业需要具备个性化生产和服务能力，压缩企业生存空间，推动企业高管去评估和预测当前面临的竞争威胁，进而推动企业采用数字技术发挥数字化创新潜力［42］。结合制造企业自身在工业互联网平台的投入，为制造企业以新的商业模式重组数字资源和内外部资源提供了载体，改善平台内企业之间的竞合关系［7］，推动制造企业资源配置优化，弥补企业内部创新资源不足，促进企业数字化创新。该组态验证了工业互联网应用对于制造企业数字化创新具有积极效应［32］，也说明了企业的技术条件和市场竞争环境之间促进制造企业数字化创新的协同效应。

组态S1 的典型案例是电气机械和器材制造业的长虹美菱。长虹美菱在电器制造领域具有重要地位，产业布局集中于综合白电。长虹美菱面临国内市场需求低迷，2019 年国内市场家电零售额规模同比下降2.2%，存量市场竞争加剧。该公司制定并执行“智能化”战略，大力推进基于工业互联网的家电数字化网络综合改造与集成创新，积极融合工业网络、5G、AIOT、边缘计算等技术到制造领域，实现了互联互通、设备上云、业务上云，推动产品制造向柔性化、智能化、高端化升级。为抓住能效升级与消费升级的契机，面对高市场竞争，该公司依托“工业互联网+家电”模式聚集各种资源建立创新生态网络，从而实现高数字化创新，符合技术-环境协同型组态的典型特征。

（2）技术-组织协同型（S2）

在组态S2a 中，以有工业互联网应用、非高市场竞争和高人才基础为核心条件，非高高管技术背景和高政府支持为边缘条件。在组态S2b 中，以高工业互联网平台应用、高人才基础为核心条件，高创新资源、高高管技术背景和非高市场竞争和非高政府支持为边缘条件。这两个组态表明，当市场竞争程度不足时，结合创新资源、高管技术背景和政府支持的辅助，制造企业能够依靠工业互联网应用和自身人才基础实现高数字化创新。具体而言，当市场竞争程度较低，制造企业对于建立领先的技术能力和竞争优势成为领导者企业具有内在动力［67］，制造企业将内部组织建设作为重点，引入更多的综合素质高的人才，构成企业数字化创新的知识基础［68］，形成组织学习和创新文化。此外，结合工业互联网发展可以获取更多的创新资源以实现互补式创新，减少信息不对称，加快数字化创新进程，建立竞争优势。该类组态验证了人才基础对于制造企业数字化创新的推动作用，也说明了组织特征和企业技术水平之间促进制造企业数字化创新的协同效应。

组态S2a 的典型案例是仪器仪表制造业的川仪股份。川仪股份是国内工业自动控制系统装置制造业的领先企业，服务于工业及相关领域的智慧升级，在大数据、智能化引领的新一轮技术革命和产业变革中拥有广阔发展前景。为加强市场开拓，该公司拥有从首席专家到技术带头人的全系列技术创新人才队伍，本科及以上员工占比达36.9%，依靠强大的高层次人才和一流的仪表5G 工业互联网平台，建立起企业的整体科学技术知识基础，充分利用企业内外部资源形成了实现高数字化创新的相关能力。此外，该公司背靠重庆首批国家数字经济创新发展试验区的产业环境，让该公司对创新拥有更多的包容性和政府转型资金支持。

组态S2b 的典型案例是通用设备制造业的机器人。机器人隶属中国科学院，是第一家国产机器人实现出口的企业。尽管企业所在的辽宁省在数字经济发展处于全国落后位置，相较于数字经济大省辽宁并不能给机器人较好的发展环境。但是，作为引领型企业，机器人依托中国科学院的技术研发优势和人才基础，搭建具有技术创新文化的阶梯式人才队伍与管理团队，技术背景高管占比和本科及以上员工占比分别为63%和73%，坚持自主创新战略并持续投入研发经费，研发投入占比达16.67%，自主统筹发起建设工业软件及控制平台，通过优势互补建立了良好开放性、高度灵活性、模块化和可升级的、自主可控的工业互联网平台，保证了创新活动开展。

川仪股份和机器人坚持两化融合与智能制造融合发展，发挥数字技术对组织的赋能效应，利用工业互联网平台优势和人才优势，实现了高数字化创新，符合技术-组织协同型组态的典型特征。

（3）技术-组织-环境协同型（S3）

在组态S3a 中，以高创新资源、非高高管技术背景、高人才基础和高市场竞争为核心条件，以工业互联网应用和非高政府支持为边缘条件。在组态S3b 中，以高创新资源、非高高管技术背景、高人才基础和高市场竞争为核心条件，非高工业互联网应用和高政府支持为边缘条件。这两组态表明，当市场竞争程度激烈和政府支持不确定时，即使高管技术背景存在不足，制造企业仍能够依靠自身的创新资源和人才基础实现数字化创新。在组态S3a 的政府支持和组态S3b 中的工业互联网应用具有明显的替代性，说明这两个条件只需要一个就能够和其他核心条件实现制造企业高数字化创新。具体来说，数字化创新是一种不可预测性的活动，活动的前期准备至关重要，创新主体需要现有的资源优势、创新能力以及外部支持等信息进行全面的了解［69］，组织需要根据了解情况决定是否数字化创新和价值获取的方式［56，7］。制造企业在外部竞争压力下推动数字技术和组织结构的融合，传统组织形态转换为更具开放性和灵活性的数字组织［34］，能够获取更全面的创新信息，提升创新资源的使用效率，适应数字化环境。组织在为数字化创新做准备时，当判断政府能够为企业提供所需资源时，企业将减少在工业互联网应用的投入，以实现资源的高效使用。该组态验证了创新资源对于制造企业数字化创新的正面影响，也说明了企业的技术条件、组织特征和外部环境之间促进制造企业数字化创新的协同效应。

组态S3a 的典型案例是专用设备制造业的中联重科。中联重科的前身是原建设部长沙建设机械研究院，是一家典型的资金密集型制造企业。专用设备市场竞争高于样本市场竞争中位数（0.8），长沙相较于北上广等一线城市对于企业的政府支持力度不足。在市场竞争加剧和地方政府支持不足的条件下，中联重科投资成立中科云谷公司，开展“产品4.0”行动，研发投入占比同比增长1.07%，同时引进具有工业知识和掌握互联网技术的复合型人才，打造基于实际业务需要的信息平台促进企业生产各部门数据流通和协同运作，并搭建了将供应商、合作伙伴和消费者相连接的研发制造协同创新平台，在报告期间推出67 款4.0 产品。

组态S3b 的典型案例是计算机、通信和其他电子设备制造业的乾照光电。乾照光电是一家从事半导体光电产品的上游企业，其所在行业的集中度因全球LED 市场需求不及预期进一步提升，行业创新活力强劲。同时，该公司总部位于厦门，厦门为促进数字技术与实体经济的融合发展建立了扶持资金，该公司把握了政策红利并持续投入创新资源，吸收一批国内外高水平人才，构建了包含上下游企业、国家企业技术中心、科研院所在内的创新生态体系。因此，即使在自身工业互联网应用缺乏的情况下，企业也能利用政府资金弥补资源不足，削弱了工业互联网应用对数字化创新的影响。

中联重科和乾照光电所在的行业都属于市场竞争程度高于样本案例的平均水平，它们充分发挥技术和组织的潜力，利用数字技术促进企业在产品和服务的创新，符合本研究提出的技术-组织-环境协同型组态的典型特征。

2.2.2 关键条件分析

基于各条件变量（横向）看，人才基础和工业互联网应用分别出现在4 种组态之中，其中，人才基础在其分布的4 种构型均为核心条件，工业互联网应用则以核心条件在其分布的4 种构型中出现3次，可以认为人才基础和工业互联网应用是制造企业高数字化创新的关键条件。人才基础是企业进行数字化创新的异质性资源［38］，当制造企业创新资源和人才基础适配时，能够有效提升数字化创新效率。工业互联网平台应用一方面可以改变制造企业内部组织结构和决策方式，帮助组织决策智慧化、组织开放化、生产柔性化；另一方面，工业互联网平台帮助制造企业实现各种要素在网络的高效共享，降低交易成本，促进数字化创新。

2.3 稳健性检验

在QCA 方法中常见的稳健性检验方式主要有三种，包括调整校准的定性锚点、更改案例频数以及提升一致性阈值［70］。由于数字化创新的定性研究较少，本研究缺乏调整校准锚点的理论支撑。此外，样本数量为45 个，为中等样本数量，更改案例频数可能导致组态结果偏差。综上，选择提升一致性阈值的方法进行稳健性检验［71］。保证其他处理不变，将一致性阈值由0.8 依次设置为0.85 和0.9，发现结果没有发生变化，由此表明组态结果具有稳健性。

3 结论

3.1 研究结论

基于45 家制造企业，本研究基于协同理论和TOE 框架，采用fsQCA 的方法，从组态视角探讨了转型背景下制造企数字化创新和影响因素之间的关系，得出以下结论：

首先，工业互联网应用、创新资源、高管技术背景、人才基础、市场竞争和政府支持无法单独构成制造企业高数字化创新的必要条件，说明技术、组织、环境维度中单个的因素并不是制造业高数字化创新的阻碍。

第二，制造企业数字化创新是多因素之间的协同作用，各因素之间的有效组态路径对推动制造业数字化创新有着“殊途同归”的效果。具体可以归纳为3 类驱动路径：以技术—环境协同作用构成的组态S1，以技术-组织协同作用构成的组态S2a 和S2b，以技术-组织-环境协同作用构成的组态S3a和S3b，3 类不同的组态路径对制造企业数字化创新起到有效推动作用。

最后，工业互联网应用和人才基础分别作为核心条件出现在3 种和4 种组态之中，表明这2 个条件对制造企业实现数字化创新发挥较为普适的作用。

3.2 理论贡献

第一，对6 个关键因素的组态分析丰富了制造企业数字化创新的理论研究。从研究对象看，现有研究大多关注数字企业的数字化创新，关于制造企业数字化创新的研究较少。制造业是国民经济的支柱，在理论上讨论实施数字化创新的路径，能为制造企业数字化创新提供指南。从研究方法看，现有文献在研究数字化创新的影响因素上多以案例研究为主，而实证研究较少，且多为传统的回归分析。一方面，案例研究通常为小样本，导致其研究结论是否存在普适性还需要进一步验证；另一方面传统回归分析存在无法解释自变量相互依赖的困境。本研究利用45 家制造企业的数据，结合TOE 框架，对6 个影响制造企业数字化创新的因素进行了组态分析，一方面丰富了关于制造企业数字化创新的针对性研究，还分析了不同因素之间的协同作用，响应了Nambisan 等［3］提出采用QCA 的方法对数字化创新的影响因素进行探究，并对工业互联网应用、市场竞争、高管团队等影响因素对数字化创新的影响进行验证，为今后研究企业数字化创新提供了参考。

第二，3 类组态路径丰富了企业创新理论。将制造企业数字化创新研究从数字技术应用、组织特征等单一视角转向为技术、组织、环境协同作用的整体视角。基于协同理论和TOE 框架，本文 同时考虑了6 种影响制造企业数字化创新的因素，发现了3 类可以推动制造企业高数字化创新的组态路径，揭示了技术、组织、环境等多重条件在促进制造企业数字化创新的协同效应和联动匹配模式，有助于解释了制造企业数字化创新的因果复杂性。从整体视角更全面地探讨制造企业数字化创新，更贴近现实情况，不仅弥补了仅从某个因素探讨对制造企业的作用效果和影响机制的局限，还拓展了TOE 框架在解释制造企业数字化创新的应用。

3.3 管理启示

研究结论对制造企业数字化创新提出以下政策建议：

（1）制造企业应重视人才基础在数字化创新的作用。人才基础在制造企业高数字化创新的5 条组态中以核心条件存在出现了4 次。可见，制造企业数字化创新受到人才基础的影响，高水平人才有助于企业整合创新资源及挖掘创新潜力，从而推动企业数字化创新。因此，制造企业需要重视人力资本作为企业竞争优势的重要性。

（2）工业互联网应用能够对制造企业数字化创新起到助力作用。在制造企业高数字化创新的5 条组态中，工业互联网应用作为核心条件或辅助条件存在出现在其中四条组态。制造企业需要积极参与工业互联网平台，为数字化创新提供载体，利用工业互联网实现跨组织网络合作，优化创新过程，整合内外部资源创造具有竞争力的产品。政府部门需要营造出有利于制造企业参与工业互联网的制度环境，提升制造企业对创新的积极性。

（3）政府部门应营造良好的市场竞争环境。市场竞争在制造企业高数字化创新的5 条组态中以核心条件存在出现了3 次，可见，市场竞争是推动制造企业数字化创新的重要力量，保持较高的市场竞争强度有助于激励制造企业进行数字化创新。

（4）制造企业需要意识到组态协调的重要性，从整体性的视角，结合实际情况对技术、组织、环境等因素进行联动匹配，探讨“殊途同归”的最优路径，因地制宜地进行数字化创新。对身处市场竞争激烈的制造企业，若缺乏创新资源和组织条件，应重视工业互联网满足数字化创新需要，打通内外部连接渠道，获取外部资源；若技术背景的高管缺少，制造企业应关注内部技术水平和组织，应通过对增加研发支出和吸纳高水平人才实现数字化创新。此外，当行业活力不足和处于非一线城市，制造企业依靠技术和组织条件的组合依然能实现数字化创新。

3.4 研究不足及展望

本研究主要存在以下不足：首先，基于TOE 框架选取影响因素，具有一定的科学性，但这也导致一些框架外的因素无法纳入，如消费者需求，未来可采用其他理论进行深入研究；其次，尽管本研究的测量方式均为学术界常用的，但是相关测量在不断丰富和改进。比如，对数字化创新的测量注重创新的整体性，但缺乏全面的测量指标，未来可采用更合适的测量工具或指标进行研究。最后，样本较小，且仅对制造企业数字化创新的组态路径进行了静态分析，尽管数据较新，未来可追踪QCA 方法发展，将大样本和时间因素考虑进来，对数字化创新进行研究。