组态视角下先进制造业产业链韧性提升的驱动因素研究

傅贻忙 陈欣阳 王欢芳 刘智文

1 研究背景

习近平总书记多次强调要打造有国际竞争力的先进制造业集群，打造自主可控、安全高效并为全国服务的产业链供应链。先进制造业成为我国经济高质量发展的重要推动力，引领未来产业发展方向。当前，全球科技革命和产业变革深入推进、经济全球化逆流、贸易保护主义抬头及新冠肺炎疫情冲击，将进一步改变制造业全球产业格局。我国与发达经济体制造业产品结构不断趋同，先进制造业发展面临关键核心部件卡壳、专利天花板和技术封锁线等“卡脖子”问题和“断链”隐患，对我国产业链安全形成极大挑战。先进制造业产业链韧性提升受多重因素交互影响，现有研究多从科技创新（尹恒等，2023［1］）、市场驱动（叶振宇和庄宗武，2022［2］）、数字化改造（Zhou等，2018［3］）等归纳先进制造业产业链韧性提升的驱动因素，先进制造业产业链韧性提升的多因素联动作用还需进一步研究。此外，当前研究多关注先进制造业产业链韧性提升模式、风险治理和推进路径等，对先进制造业产业链韧性提升的前因和过程关注不足，先进制造业产业链韧性提升的深层次驱动机理还有进一步研究空间。

通过上述分析，基于TOE理论，以中国式现代化进程中具有先发优势的先进制造业产业链为研究对象，从技术、组织与环境三个维度构建先进制造业产业链韧性提升驱动因素的整合型分析框架。厘清先进制造业产业链韧性提升的内外动因，运用熵值法和多时段QCA方法，从“组态视角”探究不同动因的差异性表现及联动匹配效应，提出针对性对策建议。研究发现对提升先进制造业产业链韧性，提高先进制造业产业链现代化水平，实现制造业高质量发展具有理论和现实意义。本文可能的边际贡献为：一是将TOE理论框架引入先进制造业产业链韧性研究中，从理论和实践角度分析前因条件与结果产生的交互作用；二是构建测度模型，科学测度先进制造业产业链韧性；三是运用多时段QCA方法探究先进制造业产业链韧性提升的组态路径，并剖析前因条件与先进制造业产业链韧性之间的复杂因果和联动匹配关系。

2 理论分析与研究框架

技术维度主要包含技术创新、数字化技术和研发投入强度。其一，技术创新促进产品创新与差异化、强化供应链管理、增强协同合作与数字化连接（洪银兴和任保平，2023［4］）、促进产业链适应性和创新能力、改善可持续发展能力、提升风险管理与韧性规划、增强产业链韧性（肖兴志和李少林，2022［5］），为产业链韧性提升提供动力。其二，数字化技术提升经济韧性（庄贵阳等，2021［6］）、城市韧性（Yusuf等，2023［7］）、组织韧性（戚聿东等，2021［8］）和产业链韧性（陈晓东和杨晓霞，2022［9］）。数字化技术影响生产要素的跨时空流动（盛斌和陈丽雪，2023［10］），企业间技术经济联系（宋旭光等，2022［11］），产业链、创新链、资金链与人才链嵌入的紧密度（任保平和豆渊博，2021［12］）。其三，研发投入强度能够在技术研发体系、人才队伍、产品研发、产业转型升级、基础产业高级化（宋清和刘奕惠，2021［13］）等方面对先进制造业产业链韧性产生影响。综上，最终将技术维度指标确定为技术创新、数字化技术和研发投入强度。

组织维度主要包含知识型组织和技术型组织。其一，知识型组织以高校和科研机构为代表，高校和科研机构通过提供优质教育资源、技术服务和咨询支持，推动技术转化、成果推广和创新人才培育（周全和李有增，2021［14］），为先进制造业企业提供技术支持、人才储备和科技支撑，促进产学研紧密合作，形成知识溢出效应，提升先进制造业产业链韧性（孙哲，2023［15］）。其二，技术型组织以工业企业为代表，工业企业直接参与产品制造、装配加工等工艺环节。工业企业集聚通过共享劳动市场、优化产业结构、增加产业链各环节投入产出（苏丹妮和盛斌，2021［16］）、促进产业间技术交流与协作（朱东波和李红，2021［17］），共同推进制造业产业链韧性提升。此外，高校和工业企业深入合作，实现技术创新和人才培育良性互动，共同推动先进制造业产业链韧性提升。综上，最终将组织维度指标确定为知识型组织和技术型组织。

环境维度主要包含环境规制和政府支持。其一，环境规制对先进制造企业的生产流程、产品设计、资源利用模式等方面提出了挑战，但也激励和推动了技术创新和产业升级（孙浩和郭劲光，2022［18］）。环境规制通过推动先进制造企业绿色技术创新、倒逼产业链生态系统建设（曹裕等，2023［19］）、优化资源配置实现先进制造业产业链韧性提升。其二，政府支持主要表现为政府在资金、政策、人才培养和市场开拓等方面促进先进制造业产业链韧性提升（叶祥松和刘敬，2020［20］）。政府通过设立专项资金、提供贷款和税收优惠政策、加强政策引导和规划（盛朝迅，2022［21］）、建立创新生态系统等提高先进制造业产业链创新能力和韧性水平。综上，最终将环境维度指标确定为环境规制和政府支持。

综上所述，现有关于先进制造业产业链韧性的相关研究颇丰且多集中在先进制造业产业链韧性的内涵、测度和影响因素方面，为本研究奠定了基础。相关研究主要采用传统回归分析方法从单因素视角对先进制造业产业链韧性展开探讨，难以深入探究先进制造业产业链韧性提升的复杂因果关系。此外，先进制造业产业链韧性提升的驱动因素可以从技术、组织与环境维度进行归类，致力于逐层拨开先进制造业产业链韧性提升的内外部影响因素及各影响因素之间的交互效应，呈现先进制造业产业链韧性提升的驱动路径及各路径之间的联动匹配效应，为探究先进制造业产业链韧性提升路径提供理论指导。因此，选取TOE理论，从技术创新、数字化技术、研发投入强度、知识型组织、技术型组织、环境规制和政府支持7个前因条件构建组态模型，对先进制造业产业链韧性展开探讨。

3 研究设计

3.1 研究方法

（1） 熵值法。基于韧性理论（Martin，2012［22］），先进制造业产业链韧性反映先进制造业产业链在应对冲击时的抵抗能力和创新能力。其中，抵抗能力集中表现为先进制造业产业链在应对冲击时，通过调整产业结构，加强产业集聚，推动各子系统资源互补和功能互补，有效抵御风险、保持链条完整平稳运转的能力；创新能力集中体现为先进制造业产业链在应对冲击时，及时通过创新手段加速生产活动革新，推动先进制造业产业链动态演进和平稳增长的能力。综上，借鉴陈晓东和杨晓霞（2022）［9］、卫彦琦（2023）等［23］的研究，从产业多样化和创新能力两个维度综合表征先进制造业产业链韧性。产业多样化通过赫芬达尔-赫希曼指数（HHI）即产业集中度的倒数来衡量，计算方法如下：

（2） 多时段QCA方法。定性比较分析法通过探究多重复杂因果组态的内在机理，在学界得到了广泛运用和迅速发展。传统QCA方法基于静态视角选取时间截面数据进行研究，探究某一年份条件组态对结果产生的影响，没有将时间因素纳入考量范围，结果存在一定局限性。Vis等（2013）［24］提出的多时段QCA方法，把时间因素纳入考量范围，将观测期分为若干段，并对每一段单独进行组态分析，最终将组态结果进行综合比较分析。考虑到先进制造业产业链韧性随时间变化而变化，为了使得研究结果更符合实际情况，选取多时段模糊集定性比较分析法（即多时段QCA方法）。

3.2 样本选择与数据来源

基于2012-2021年我国30个省份先进制造业数据（西藏和港澳台地区数据缺失，未纳入统计），科学测度先进制造业产业链韧性，探究先进制造业产业链韧性提升的条件组态。初始数据来源于2012-2021年《中国统计年鉴》《中国工业统计年鉴》《中国科技统计年鉴》、各省统计年鉴、国家统计局及EPS数据库。数字化技术指标来源于《中国数字化经济发展指数》中的数字化基础设施指数。根据国民经济划分标准（GB/T4754-2017），先进制造业分为印刷业和记录媒介的复制、石油加工、炼焦及核燃料加工业、化学原料及化学制品制造业、医药制造业等17个行业（王欢芳等，2023［25］）。

3.3 变量测量与校准

（2） 条件变量测量。基于TOE理论，将前因条件分为技术、组织和环境维度。技术维度：技术创新以技术市场成交额表示，数字化技术以数字化基础设施指数表示，研发投入强度以R&D经费投入强度表示；组织维度：知识型组织以高等院校数量表示，技术型组织以规模以上工业企业数量表示；环境维度：环境规制以工业污染治理投资额占行业总产值比重表示，政府支持以政府研发投入占GDP比重表示。

（3） 变量校准。借鉴Fiss（2011）［26］、Ragin（2009）［27］、杨波和谢乐（2022）［28］等的研究，采取直接校准法，通过四分位点法选取锚点，将条件变量和结果变量上四分位点（75%）设为完全隶属点、中位数（50%）设为交叉点、下四分位点（25%）设为完全不隶属点，运用fsQCA3.0软件，分时段对结果变量和7个条件变量进行校准，校准结果见表1表2。

表1 2012和2015年条件变量和结果变量的校准锚点（N＝30）

表2 2018和2021年条件变量和结果变量的校准锚点（N＝30）

4 实证结果分析

4.1 先进制造业产业链韧性测度

运用熵值法测度2012-2021年我国30个省份先进制造业产业链韧性，结果如表3所示。2012年排名前五的省份分别是广东（0.857）、北京（0.800）、江苏（0.741）、浙江（0.629）和上海（0.535），排名最后五位的省份分别是甘肃（0.069）、宁夏（0.064）、新疆（0.032）、青海（0.012）和海南（0.010），第一位的广东省是最后一位海南省的85.7倍。同理，2015年排名第一位的江苏省是排名最后一位青海省的94.3倍，2018年和2021年排名第一位的广东省分别是排名最后一位青海省的36.21倍和62.07倍。这表明：我国各省份先进制造业产业链韧性差异明显，空间上呈现出东中西“梯度结构”分布状态。可能的原因是东部沿海省份交通便利，经济发展水平高，产业基础较好，人力资源及地理位置优越，所以在应对风险冲击时的抵抗能力和创新能力相较其他省份更强。

表3 2012-2021年我国各地区先进制造业产业链韧性

4.2 先进制造业产业链韧性时序特征

新冠疫情对我国各地区先进制造业产业链造成较大冲击，2021年各省份先进制造业产业链韧性都存在不同程度下降趋势。为了更全面分析先进制造业产业链韧性时序特征，剔除异常波动年份，根据2011-2020年先进制造业产业链韧性，借鉴张伟等（2023）［29］的研究，将各省份先进制造业产业链韧性分为波动上升型、波动回转型和波动下滑型三类。

（1） 波动上升型。基本特征为该省份2020年先进制造业产业链韧性高于2012年，且中间年份产业链韧性会发生波动。该类型包括河北、浙江、安徽、湖北、广东、海南等11个省份，其中浙江和安徽的先进制造业产业链韧性上升幅度最大。见图1a。

图1a 波动上升型

（2） 波动回转型。基本特征为该省份2020年先进制造业产业链韧性与2012年基本一致，但中间年份产业链韧性会发生波动。该类型包括北京、山西、内蒙古、吉林、福建、江西等10个省份，其中内蒙古和吉林的先进制造业产业链韧性波动幅度较大，产业链韧性较不稳定。见图1b。

（3） 波动下滑型。基本特征为该省份2020年先进制造业产业链韧性低于2012年，且中间年份产业链韧性会发生波动。该类型包括天津、辽宁、黑龙江、上海、江苏等9个省份，其中辽宁和上海的先进制造业产业链韧性下降幅度较大。见图1c。

4.3 必要性分析

在对各条件组态进行充分性分析前，需要对单一前因条件是否影响先进制造业产业链韧性进行必要性分析。当结果的产生始终存在某一前因条件时，则该前因条件为必要条件，但其存在并不必然导致结果产生。借鉴杜运周等（2021）［30］的研究，当某个前因条件的一致性大于0.9时，即为导致结果产生的必要条件。由表4可知，2012年、2015年、2018年和2021年的单一前因条件一致性水平均小于0.9，表明单一前因条件不是高先进制造业产业链韧性的必要条件，先进制造业产业链韧性在各时段均表现出复杂性和动态性。

表4 前因条件的必要性分析

4.4 充分条件分析

不同于必要条件分析，充分条件组态分析侧重于探讨多个前因条件组成的不同组态路径导致结果产生的充分性分析。频数阈值根据样本规模大小设置，本文30个省份为中小规模样本，参考杜运周等（2021）［30］的研究，将频数阈值设置为1。参考Fiss（2011）［26］的标准，根据真值表中原始一致性的自然断点处值，将2015和2021年高先进制造业产业链韧性的条件组态充分一致性阈值设置为0.8，将2012和2018年高先进制造业产业链韧性及各时段非高先进制造业产业链韧性的条件组态充分一致性阈值设置为0.9，PRI一致性阈值均设置为0.75。通过fsQCA3.0软件计算，可获得简约解、中间解和复杂解三类解，将只在中间解存在的条件设置为边缘条件存在，中间解和简约解都存在的条件设置为核心条件存在。同理，将只在中间解缺失的条件设置为边缘条件缺失，中间解和简约解都缺失的条件设置为核心条件缺失。

4.4.1 高先进制造业产业链韧性组态分析

通过对中间解、简约解进行布尔代数运算，得出2012年、2015年、2018年和2021年的组态结果（表5表6），分别呈现4条或者5条组态路径。2012和2018年的单个解一致性水平均高于可接受的一致性水平0.9，2015和2021年均高于0.8。同时四个时期总体解的一致性水平均高于0.9，分别为0.974、0.940、0.975及0.945，总体解的覆盖度分别为0.668、0.700、0.757及0.798。由组态结果可知，各省份先进制造业产业链在不同时期实现高韧性的组态路径不一且存在多条组态路径，不同时期不同组态路径的唯一覆盖度也存在差异，唯一覆盖度越大表明该组态覆盖样本越多，解释力度越强。为了更好探究各省份先进制造业产业链在不同时期实现高韧性的复杂因果机制，提升结论的解释力度，借鉴杨波和谢乐（2022）［28］的研究，以下着重分析唯一覆盖度大于0.1的组态路径。

表5 2012和2015年高先进制造业产业链韧性组态分析

表6 2018和2021年高先进制造业产业链韧性组态分析

2012年高先进制造业产业链韧性组态分析结果如表5所示，包含技术-组织主导型和技术主导型两种驱动类型下的4条组态路径。技术-组织主导型组态路径：包含T1、T2和T4三条组态路径。T1组态路径的原始覆盖度为0.401，说明该组态路径能解释40.1%的高先进制造业产业链韧性样本，唯一覆盖度为0.258，说明有25.8%的高先进制造业产业链韧性样本仅能被该组态路径解释。同时，该组态路径的原始覆盖度和唯一覆盖度在2012年的4条组态路径中最高，说明T1组态路径是引致高先进制造业产业链韧性的最主要路径。T1和T2组态路径表明，知识型组织、数字化技术和环境规制对先进制造业产业链韧性不产生影响，技术创新、研发投入强度和技术型组织是高先进制造业产业链韧性产生的核心条件，政府支持是边缘条件，归属于该组态路径的典型区域为广东、上海、江苏和天津等。T4组态路径表明，技术创新、环境规制和政府支持对先进制造业产业链韧性不产生影响，研发投入强度和技术型组织是高先进制造业产业链韧性产生的核心条件，数字化技术和知识型组织是边缘条件，归属于该组态路径的典型区域为浙江、湖南、福建等。技术主导型组态路径：包含T3一条组态路径。该组态路径唯一覆盖度为0.074，小于0.1，解释力度较弱，核心条件为技术创新和研发投入强度，归属于该组态路径的典型区域为陕西。虽然技术创新和研发投入强度不是高先进制造业产业链韧性产生的必要条件，但其核心条件存在更加佐证了T1的研究结果，即技术创新水平高和科研投入力度大是高先进制造业产业链韧性产生的重要条件。

2015年高先进制造业产业链韧性组态分析结果如表5所示，包含技术-组织主导型和技术主导型两种驱动类型下的5条组态路径。技术-组织主导型组态路径：包含F1、F2和F5三条组态路径。在2015年，F1组态路径是引致高先进制造业产业链韧性的最主要路径。F1和F2组态路径表明，数字化技术、技术型组织、环境规制和政府支持对先进制造业产业链韧性不产生影响，技术创新、研发投入强度和知识型组织是高先进制造业产业链韧性产生的核心条件，归属于该组态路径的典型区域为湖北、四川、辽宁等。F5组态路径表明，技术创新、环境规制和政府支持对先进制造业产业链韧性不产生影响，研发投入强度和知识型组织是高先进制造业产业链韧性产生的核心条件，数字化技术、技术型组织是边缘条件，归属于该组态路径的典型区域为山东、福建等。技术主导型组态路径：包含F3、F4两条组态路径。与2012年T3组态路径相同，核心条件为技术创新和研发投入强度，归属于该组态路径的典型区域为陕西，说明技术创新水平高和科研投入力度大依旧是陕西高先进制造业产业链韧性产生的重要条件。

2018年高先进制造业产业链韧性组态分析结果如表6所示，包含技术-组织主导型和技术主导型两种驱动类型下的4种组态路径。技术-组织主导型组态路径：包含E1、E2和E4三条组态路径。在2018年，E1组态路径是引致高先进制造业产业链韧性的最主要路径。E1和E2组态路径表明，数字化技术、技术型组织、环境规制和政府支持对先进制造业产业链韧性不产生影响，技术创新、研发投入强度和知识型组织是高先进制造业产业链韧性产生的核心条件。E4组态路径表明，技术创新和政府支持对先进制造业产业链韧性不产生影响，研发投入强度和知识型组织是高先进制造业产业链韧性产生的核心条件，数字化技术、技术型组织和环境规制是边缘条件。技术主导型组态路径：包含E3一条组态路径。核心条件为技术创新和研发投入强度，该组态路径唯一覆盖度为0.101，说明有10.1%的高先进制造业产业链韧性样本仅能被该组态路径解释，归属于该组态路径的典型区域为陕西。

2021年高先进制造业产业链韧性组态分析结果如表6所示，包含技术-组织主导型、技术-环境主导型和均衡发展型三种驱动类型下的5种组态路径。技术-组织主导型组态路径：包含O1、O5两条组态路径。在2021年，O1组态路径是引致高先进制造业产业链韧性的最主要路径。O1、O5组态路径表明，技术创新、环境规制和政府支持对先进制造业产业链韧性不产生影响，研发投入强度和技术型组织是高先进制造业产业链韧性产生的核心条件，数字化技术和知识型组织是边缘条件，归属于该组态路径的典型区域为广东、江苏、浙江、湖南、福建等。技术-环境主导型组态路径：包含O2、O3两条组态路径。O2、O3组态路径表明，数字化技术、知识型组织和技术型组织对先进制造业产业链韧性不产生影响，技术创新和政府支持是高先进制造业产业链韧性产生的核心条件，研发投入强度和环境规制是边缘条件，归属于该组态路径的典型区域为陕西，说明高的技术创新水平依旧是陕西高先进制造业产业链韧性产生的重要条件。均衡发展型组态路径：包含O4一条组态路径。该组态路径表明，数字化技术、知识型组织和环境规制对先进制造业产业链韧性不产生影响，技术创新、研发投入强度、技术型组织和政府支持是高先进制造业产业链韧性产生的核心条件，归属于该组态路径的典型区域为上海。

归属于2012年T1组态路径的典型区域为广东、江苏等，该区域经济水平高，产业基础较好，吸引了大批高素质人才和工业企业集聚，同时政府财政收入高，在资金、政策等方面的支持都促进了该区域先进制造业产业链韧性提升。归属于2012年T4组态路径的典型区域为浙江、福建等，习近平总书记早在2000年和2003年就提出“数字福建”“数字浙江”理念，作为制造大省，浙江、福建等地不断推动数字技术与制造业深度融合，促进生产方式变革，助推制造业向数字化、智能化方向转型升级。归属于2015年F1组态路径的典型区域为湖北、四川等，该区域高等院校数量众多，汇聚众多人才和技术资源，持续推动人才链、创新链、资金链和产业链深度融合。归属于2018年E1组态路径的典型区域为山东、辽宁等，通过分析发现，2018年E1组态路径与2015年F1组态路径核心条件完全一致，边缘条件大致相似。归属于2021年O1组态路径的典型区域为安徽、湖南等，2022年湖南相续出台《湖南省打造国家重要先进制造业高地若干财政支持政策》《湖南省先进制造业促进条例》等相关政策，推动产业转型升级，促进先进制造业高质量发展。综合分析发现，技术创新、研发投入强度、知识型组织和技术型组织是我国先进制造业产业链韧性提升的最主要驱动因素。

4.4.2 非高先进制造业产业链韧性组态分析

2012年、2015年、2018年和2021年非高先进制造业产业链韧性组态结果（表7表8）分别呈现4条或者5条组态路径，各组态路径的一致性水平均高于可接受的一致性水平0.9。与前文一致，以下着重分析唯一覆盖度大于0.1的组态路径。

表7 2012和2015年非高先进制造业产业链韧性组态分析

表8 2018和2021年非高先进制造业产业链韧性组态分析

由表7所示，2012年t1和t2组态路径表明，技术创新、环境规制和政府支持对非高先进制造业产业链韧性不产生影响，数字化技术、研发投入强度、知识型组织和技术型组织是非高先进制造业产业链韧性产生的核心条件。2012年t3组态路径表明，数字化技术对非高先进制造业产业链韧性不产生影响，知识型组织和技术型组织是非高先进制造业产业链韧性产生的核心条件，技术创新、研发投入强度、环境规制和政府支持是边缘条件，t4、t5同理。通过比较5条组态路径可以发现，在2012年，技术维度或组织维度缺失是5条组态路径的共性，这意味着在2012年技术维度或组织维度缺失或者技术维度和组织维度都缺失是造成该类省份非高先进制造业产业链韧性的主要原因。2015年f1、f2和f3组态路径表明，数字化技术、环境规制和政府支持对非高先进制造业产业链韧性不产生影响，技术创新、研发投入强度、知识型组织和技术型组织是非高先进制造业产业链韧性产生的核心条件，f4、f5同理。在2015年技术维度和组织维度都缺失是造成该类省份非高先进制造业产业链韧性的主要原因。

由表8所示，2018年e1和e2组态路径表明，数字化技术、环境规制和政府支持对非高先进制造业产业链韧性不产生影响，数字化技术、研发投入强度、知识型组织和技术型组织是非高先进制造业产业链韧性产生的核心条件，e3、e4同理。2018年技术维度缺失或者技术维度和组织维度都缺失是造成该类省份非高先进制造业产业链韧性的主要原因。2021年o1和o2组态路径表明，环境规制和政府支持对非高先进制造业产业链韧性不产生影响，技术创新、数字化技术、研发投入强度和知识型组织是非高先进制造业产业链韧性产生的核心条件，技术型组织是边缘条件，o3、o4同理。2021年技术维度缺失或者技术维度和组织维度都缺失是造成该类省份非高先进制造业产业链韧性的主要原因。

归属于2012年t1组态路径的典型区域为海南、云南等，该区域以发展旅游经济为主，产业基础相对薄弱，在科技研发、产品创新等方面的投入也相对较少，因而先进制造业产业链韧性表现为非高。归属于2015年f3组态路径的典型区域为宁夏、新疆等，该区域属于西部地区，离东部沿海地区较远，且高校和工业企业数量较少，难以产生学习效应和溢出效应。归属于2018年e1组态路径的典型区域为内蒙古、甘肃等，通过分析发现2018年e1组态路径与2015年f3组态路径核心条件完全一致，边缘条件大致相似。归属于2021年o2组态路径的典型区域为黑龙江、吉林等，该区域虽然工业企业数量相对较多，但多以传统重工业为主，产业结构转型、第三产业发展水平、高校数量等因素都制约先进制造业产业链韧性提升。综合分析发现，技术创新、数字化技术、研发投入强度、知识型组织和技术型组织是制约我国先进制造业产业链韧性提升的最主要因素。

5 结论与建议

基于TOE理论，以先进制造业产业链为研究对象，从技术、组织与环境三个维度构建先进制造业产业链韧性提升驱动因素的整合型分析框架。厘清先进制造业产业链韧性提升的内外动因，运用熵值法和多时段QCA方法，从“组态视角”探究不同动因的差异性表现及联动匹配效应。研究结果表明：一是我国先进制造业产业链韧性空间上呈现出东中西“梯度结构”分布状态，时序上呈现出波动上升型、波动回转型和波动下滑型特征，其中，以广东、浙江为代表的东部沿海省份韧性最高，以河南、安徽等省份为代表的中部地区韧性次之，以宁夏、青海等省份为代表的西部地区韧性最低。二是任何单一前因条件均不能单独成为先进制造业产业链韧性提升的必要驱动因素，而是以技术-组织驱动型、技术驱动型、技术-环境驱动型和均衡发展型四种驱动类型下的五条组态路径协同促进我国先进制造业产业链韧性提升。2012年、2015年和2018年高先进制造业产业链韧性组态包含技术-组织主导型和技术主导型两种驱动类型下的4至5条组态路径，2021年包含技术-组织主导型、技术-环境主导型和均衡发展型三种驱动类型下的5条组态路径，技术创新和研发投入强度是我国先进制造业产业链韧性提升的最主要驱动因素。三是非高先进制造业产业链韧性组态结果表明，知识型组织、技术型组织、技术创新和研发投入强度缺失是制约我国先进制造业产业链韧性提升的最主要因素，先进制造业产业链在不同时期产生高或非高韧性表现出因果非对称性，打破了传统的高低对称二元论。

基于研究结论，得出如下政策启示：第一，优化先进制造业产业链顶层设计，实施先进制造业产业链区域差异化发展战略。研究结果发现我国先进制造业产业链韧性空间上呈现出东中西“梯度结构”分布状态。东部省份要充分发挥科技优势和产业优势，加快打造世界级先进制造业产业集群，提升先进制造业产业链韧性，发挥技术溢出效应，助推中西部先进制造业产业链高质量发展。中西部省份需因地制宜，打破“信息孤岛”，加大对优势先进制造业产业链的财政支持力度，打造优势先进制造业产业链产学研合作平台，与东部省份形成一体化层级阶梯网络发展。第二，持续加大技术创新和研发投入力度，多举措协同推进先进制造业产业链韧性提升。研究结果表明单个因素不能驱动先进制造业产业链韧性提升，技术创新和研发投入强度是我国先进制造业产业链韧性提升的最主要驱动因素。由此，政府和企业共同努力，发挥政府引领带动作用，增加研发经费投入，持续推进企业技术创新，构建产业自主创新能力生态系统。同时，结合区域产业资源禀赋，多举措协同推进先进制造业产业链韧性提升。第三，鼓励先进制造业产业链数字化改造，精准识别先进制造业产业链韧性提升关键因素。由非高先进制造业产业链韧性组态结果表明，知识型组织、技术型组织、技术创新和研发投入强度缺失是制约先进制造业产业链韧性提升的最主要因素。一方面，对于传统工业省份，需要加速产业结构升级，精准帮扶先进制造业产业链“链主”企业，鼓励先进制造业产业链引入数字化技术。另一方面，对于工业基础较薄弱省份，则需结合区域特色，另辟蹊径，开拓新的发展道路。

未来可做进一步深化：一是研究方法有待优化。采用多时段QCA方法对我国先进制造业产业链韧性提升路径进行探讨，虽纳入时序特征，一定程度上缓解了样本时间选取带来的误差，但仍然无法像面板QCA借助组间一致性距离和组内一致性距离精细评估各时点组态与总体组态的差别，未来可进行更为深入地探讨。二是样本数量有待扩充。以30个省市先进制造业产业链为研究样本，仅从省域层面展开探讨，后续可将样本扩充至地级市层面。