文/周蓉

1.引言

物流將貨物安全及時的送到客戶手中的行為，創(chuàng)造了時間效用和空間效用。然而，2020年初新型冠狀疫情席卷全球，極大地限制了物流活動，因此大力推進“智慧物流”成為疫情下物流企業(yè)發(fā)展的必然途徑。為促進物流企業(yè)智慧發(fā)展，必須提高競爭優(yōu)勢，時刻進行創(chuàng)新。影響物流企業(yè)創(chuàng)新績效提升的因素主要有研發(fā)能力強度、研發(fā)人員規(guī)模、企業(yè)運營規(guī)模、資本結構比例和外部政府支持[1-5]。線性分析僅能夠研究在各要素相互獨立的前提下單一變量對被解釋變量的影響，而fsQCA突破了這一弊端，能夠研究各要素組合的不同路徑對結果變量的系統(tǒng)效應[6]。因此，本文選用fsQCA方法研究新冠疫情背景下我國物流企業(yè)的創(chuàng)新績效的多重影響路徑。基于新冠疫情背景下物流上市公司數(shù)據(jù)，運用模糊定性比較分析方法(fsQCA)，對企業(yè)創(chuàng)新績效差異的影響機制進行整合分析。研究發(fā)現(xiàn)：物流企業(yè)取得高創(chuàng)新績效的組態(tài)路徑有2條，分別為“外部政府支持型”和“企業(yè)運營規(guī)模-資本結構比例型”，前者是物流上市企業(yè)取得高創(chuàng)新績效的主要原因。路徑一的核心變量是外部政府支持，這表明其在促進新冠疫情下物流上市企業(yè)高創(chuàng)新績效中發(fā)揮著至關重要的作用。

2.研究方法與數(shù)據(jù)處理

2.1 研究方法。定性比較方法（fsQCA)于20世紀80年代由美國社會學家Ragin[7]提出，其主要側重于小樣本的分析研究。該方法以集合論以及布爾代數(shù)運算兩種基本思想為基礎，同時兼具案例定性分析與變量導向的定量分析兩種優(yōu)勢，探究各前因變量對結果變量產(chǎn)生影響的不同路徑，以達到揭示造成該結果的復雜因果機制的目的，從而打破僅為0或1的研究瓶頸。

2.2 變量設定與數(shù)據(jù)校準。（1）變量設定。本文共選取符合條件的13家物流上市企業(yè)。為研究在新冠疫情下物流企業(yè)的創(chuàng)新績效影響因素，故采用2020年的相關數(shù)據(jù)。本文共6個變量，其中，結果變量是創(chuàng)新績效，用專利總數(shù)的自然對數(shù)來衡量；前因變量共5個，分別為企業(yè)研發(fā)能力強度（研發(fā)投入/營業(yè)收入）、研發(fā)人員規(guī)模（企業(yè)研發(fā)人員/員工總人數(shù)）、企業(yè)運營規(guī)模（企業(yè)資產(chǎn)總額的自然對數(shù)）、資本結構比例（總負債/總資產(chǎn)）和外部政府支持（企業(yè)政府補助/營業(yè)收入）。（2）數(shù)據(jù)校準。正式分析前需要對案例數(shù)據(jù)進行校準。利用SPSS軟件對5個前因變量及結果變量進行分位數(shù)處理，根據(jù)相關文獻選擇合適的三個錨點，分別表示完全不隸屬、模糊交叉點及完全隸屬，最后在fsQCA中進行校準到0-1的隸屬度分數(shù)。為保證校準更加符合實際，本文參照Fiss（2011）[8]的研究方法，將對應指標在75、50與25分位上的取值作為校準參數(shù)。

3.實證結果分析

3.1 必要性與充分性分析。條件組態(tài)分析前需對創(chuàng)新績效產(chǎn)生影響的5個前因變量進行一致性和覆蓋度檢驗，以實現(xiàn)對前因變量的必要性與充分性分析。經(jīng)檢驗，5個前因變量的一致性均小于0.9000，這說明5個前因變量均不能作為新冠疫情下促進物流企業(yè)創(chuàng)新績效的必要條件，即需要進一步探究5個前因變量組合起來的條件組態(tài)路徑。

3.2 條件組態(tài)分析

將已經(jīng)構建的真值表輸入fsQCA進行數(shù)據(jù)分析，最終得到物流企業(yè)高創(chuàng)新績效的三種構型方案，即復合解（Complex Soution）、簡化解（Parsimous Soultion）和中間解（Intermediate Solution）。相較于復雜解和簡化解而言，介于兩者之間的中間解一般更具有代表性。若前因變量存在于簡單解和中間解，則該變量為核心條件；若前因變量僅存在于中間解，而不存在于簡單解，則該變量為邊緣條件。本文篩選條件為默認值，即一致性門檻為0.8，案例頻數(shù)門檻值為1，得出實現(xiàn)高創(chuàng)新績效的三條路徑（C1、C2、C3），結果見表1。

表1 高創(chuàng)新績效條件組態(tài)分析

（1）外部政府支持型（C1/C2）。該組態(tài)解的核心條件是較多的外部政府支持和較小的研發(fā)人員規(guī)模，其包括2個子路徑。子路徑一（C1）表明，即使新冠疫情背景下物流企業(yè)的研發(fā)能力強度不足并且研發(fā)人員規(guī)模較小，但只要物流企業(yè)能夠獲得較多的外部政府支持并擁有較高的資本結構比例，也可以取得較高的創(chuàng)新績效。子路徑二（C2）表明，如果新冠疫情背景下物流企業(yè)擁有較高研發(fā)能力強度、較大的企業(yè)運營規(guī)模和較多的外部政府支持，那么這在一定程度上會彌補物流企業(yè)研發(fā)人員規(guī)模小和資本結構比例低的問題，還是會產(chǎn)生較高的創(chuàng)新績效。C1與C2兩條路徑均存在較高的外部政府支持這個核心條件變量，故屬于“外部政府支持型”。不同之處在于前者的邊緣條件是資本結構比例和研發(fā)能力強度，而后者將資本結構比例、研發(fā)能力強度和企業(yè)運營規(guī)模作為邊緣條件。子路徑一能夠解釋31.03%的高創(chuàng)新績效物流上市企業(yè)案例，同時有23.97%的案例能通過該路徑被加以解釋。子路徑二能夠解釋14.14%的高創(chuàng)新績效物流企業(yè)案例，同時有9.66%的案例僅能通過該路徑被加以解釋。（2）企業(yè)運營規(guī)模-資本結構比例型（C3）。該條件組態(tài)中，核心條件包含了較大的企業(yè)運營規(guī)模、較高的資本結構比例及較低的研發(fā)能力強度，因此將該路徑歸為“企業(yè)運營規(guī)模-資本結構比例型”。C3表明，新冠疫情背景下物流企業(yè)創(chuàng)新績效受到這幾個條件的驅(qū)動。此外，較大的研發(fā)人員規(guī)模和較少的外部政府支持作為邊緣條件參與到構型中，說明其也會影響到物流企業(yè)的高創(chuàng)新績效。具體來說，外部政府支持較少和研發(fā)能力強度不足的物流企業(yè)，如果擁有較大的研發(fā)人員規(guī)模、較大的企業(yè)運營規(guī)模和較高的資本結構比例，也能夠在此條件下促進企業(yè)的高創(chuàng)新績效。C3路徑能夠解釋18.79%的高創(chuàng)新績效物流企業(yè)案例，同時12.76%的案例僅能通過該路徑被加以解釋。通過對比以上路徑，發(fā)現(xiàn)第一個路徑外部政府支持型（C1/C2）的覆蓋度之和（45.17%）高于第二個路徑企業(yè)運營規(guī)模-資本結構比例型(C3)的覆蓋度（18.79%），更可能有效地激發(fā)物流企業(yè)的高創(chuàng)新績效，即大部分物流企業(yè)是通過路徑取得高創(chuàng)新績效，這充分說明了外部政府支持是新冠疫情背景下物流企業(yè)創(chuàng)新績效的關鍵因素。

4.結論與啟示

4.1 研究結論。（1）路徑一的核心條件是外部政府支持，其包括兩個子路徑。路徑一是企業(yè)取得高創(chuàng)新績效的主要原因。（2）導致高創(chuàng)新績效的因素中，盡管其他因素較少或者可有可無，但物流企業(yè)在擁有外部政府支持的核心條件下，如果還同時還具有較高的資本結構比例或者較強的研發(fā)能力強度與較大的企業(yè)運營規(guī)模，則企業(yè)的創(chuàng)新績效會得到提升。

4.2 啟示?；谏鲜鲅芯拷Y果，提出相應建議：（1）政府應給予受到疫情影響的物流企業(yè)一定的政府補助。政府不僅可以對物流企業(yè)進行稅收優(yōu)惠，還可以給予物流企業(yè)一些必要補貼，如隔離期間的停運補貼，貨運企業(yè)的防疫補貼等。（2）物流企業(yè)要把握好外部環(huán)境的變化，在“風口”轉型升級，是企業(yè)改變現(xiàn)狀的最有力途徑。伴隨2020年新冠肺炎疫情的蔓延，使眾多物流企業(yè)面臨現(xiàn)金流和彈性管理的挑戰(zhàn)、全球市場動蕩不安，許多企業(yè)利用此機會快速轉型升級，不斷增強自身競爭力，實現(xiàn)企業(yè)創(chuàng)新績效的提升。物流企業(yè)在多變的環(huán)境下不斷的改革升級，將會在后疫情時代創(chuàng)造更多的價值。

引用出處

[1]孫愛麗,顧曉敏,吳慧.研發(fā)投入對高新區(qū)集群企業(yè)創(chuàng)新績效的影響[J].經(jīng)濟地理,2017,37(07):99-104+145.

[2]馬文聰，侯羽，朱桂龍.研發(fā)投入和人員激勵對創(chuàng)新績效的影響機制——基于新興產(chǎn)業(yè)和傳統(tǒng)產(chǎn)業(yè)的比較研究[J].科學學與科學技術管理.?2013,34(03):58-68.

[3]池仁勇,於珺,阮鴻鵬.企業(yè)規(guī)模、研發(fā)投入對創(chuàng)新績效的影響研究——基于信用環(huán)境與知識存量視角[J].華東經(jīng)濟管理,2020,34(09):43-54.

[4]柴玉珂,顧曉敏.科技型小微企業(yè)金融支持、資本結構與創(chuàng)新績效研究[J].科技進步與對策.?2014,31(02):98-103.

[5]徐青.政府支持、商業(yè)模式創(chuàng)新與企業(yè)創(chuàng)新績效[J].福建論壇(人文社會科學版),2019,(06):74-85.

[6]杜運周，賈良定.組態(tài)視角與定性比較分析（QCA）：管理學研究的一條新道路[J].管理世界，2017,33(6):155-167.

[7]RAGIN C C.Set relations in social research:evaluating their consistency and coverage[J].Political Analysis,2006,14(3):291-310.

[8]Fiss P.C..Building better causal theories：A fuzzy set approach to typologies in organization research[J].Academy of Management Journal，2011(2):393-420.