摘要：新一輪工業(yè)革命的核心是制造企業(yè)智能化。基于TOE理論從技術(shù)、組織和環(huán)境層面構(gòu)建制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素模型，借助爬蟲技術(shù)歸集基期企業(yè)年報(bào)中“數(shù)字化轉(zhuǎn)型”特征詞，篩選出175家開展一定規(guī)模數(shù)字化轉(zhuǎn)型的制造企業(yè)作為樣本案例，采用模糊集定性比較分析方法，從組態(tài)視角探究6個(gè)前因要素如何協(xié)同驅(qū)動(dòng)制造企業(yè)數(shù)字化轉(zhuǎn)型。研究發(fā)現(xiàn)：制造企業(yè)數(shù)字化轉(zhuǎn)型需要多重前因變量協(xié)同發(fā)力，任何單一因素均無(wú)法作為結(jié)果產(chǎn)生的必要和充分條件；制造企業(yè)高數(shù)字化轉(zhuǎn)型組態(tài)主要有4條，進(jìn)一步可歸納為技術(shù)-組織主導(dǎo)型和全要素驅(qū)動(dòng)型，具有“殊途同歸”的特點(diǎn)；各組態(tài)之間存在重疊和潛在替代關(guān)系，其中數(shù)字技術(shù)創(chuàng)新和知識(shí)密集度是推動(dòng)制造企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵因素。研究結(jié)果揭示了制造企業(yè)數(shù)字化轉(zhuǎn)型多重驅(qū)動(dòng)因素之間的復(fù)雜組態(tài)效應(yīng)，對(duì)制造企業(yè)數(shù)字化具有理論和實(shí)踐參考價(jià)值。

關(guān)鍵詞：制造企業(yè)；數(shù)字化轉(zhuǎn)型；TOE框架；fsQCA

中圖分類號(hào)：F270.7；F426.4 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.3969/j.issn.1003-8256.2023.03.004

0 引言

隨著新一代信息技術(shù)的發(fā)展，數(shù)字化、網(wǎng)絡(luò)化、智能化在幾乎所有傳統(tǒng)行業(yè)中逐漸滲透，作為經(jīng)濟(jì)發(fā)展主體，數(shù)字經(jīng)濟(jì)也為制造企業(yè)帶來(lái)了強(qiáng)勁的變革力量，《中國(guó)制造2025》強(qiáng)調(diào)推動(dòng)信息技術(shù)與制造企業(yè)深度結(jié)合，促進(jìn)數(shù)字化轉(zhuǎn)型，建設(shè)制造強(qiáng)國(guó)。傳統(tǒng)制造企業(yè)要想滿足數(shù)字經(jīng)濟(jì)發(fā)展要求，就必須對(duì)業(yè)務(wù)模式、管理辦法及思維方式等方面進(jìn)行再造，利用數(shù)字技術(shù)賦能企業(yè)轉(zhuǎn)型［1］，近年來(lái)，中國(guó)制造企業(yè)的數(shù)字化資源與能力引進(jìn)的強(qiáng)度不斷提升，數(shù)字化投入加大，但與創(chuàng)新型國(guó)家相比，我國(guó)大部分制造企業(yè)數(shù)字化轉(zhuǎn)型結(jié)果并不理想，許多制造企業(yè)雖有旺盛的數(shù)字化轉(zhuǎn)型需求，但缺乏明確戰(zhàn)略規(guī)劃和整體思維［2］，實(shí)施路徑不明晰［3］，不知道應(yīng)該優(yōu)先考慮哪些因素，以及如何結(jié)合自身實(shí)際情況與需求制定數(shù)字化轉(zhuǎn)型路線。中小企業(yè)數(shù)字化轉(zhuǎn)型尚可“船小好掉頭”，但大部分“笨重”的制造企業(yè)要做到“大象也能跳舞”卻不是件易事。因此，探索制造企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動(dòng)因素成為學(xué)界研究的重點(diǎn)問題。

圍繞制造企業(yè)數(shù)字化轉(zhuǎn)型，目前學(xué)者們主要從對(duì)組織變革及企業(yè)技術(shù)的影響等方面進(jìn)行探索，大多為制造企業(yè)數(shù)字化轉(zhuǎn)型成功案例的歸納或描述性總結(jié)，即回答數(shù)字化“是什么”的概念層面問題，而對(duì)轉(zhuǎn)型能力的研究尚不多見，也有部分學(xué)者通過傳統(tǒng)的定性或定量方法探討某些單一因素對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型的直接或間接影響［4］，但值得指出的是現(xiàn)實(shí)生活中企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)往往是多個(gè)因素協(xié)同發(fā)揮作用的結(jié)果，傳統(tǒng)研究忽略了各個(gè)變量之間的組態(tài)效應(yīng)，存在“因果非對(duì)稱性”，現(xiàn)實(shí)意義不夠充分。制造企業(yè)數(shù)字化轉(zhuǎn)型是多重因素共同作用下的復(fù)雜整體過程，而模糊集定性比較分析（fsQCA）可以從整體視角出發(fā)，兼顧定性與定量研究，有效應(yīng)對(duì)多個(gè)前因要素對(duì)結(jié)果要素的復(fù)雜組態(tài)影響［5］，為本文探究制造企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵驅(qū)動(dòng)因素提供了新辦法?；诖?，本文運(yùn)用技術(shù)-組織-環(huán)境（Technology-Organization-Environment，TOE）框架從三方面識(shí)別制造企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵要素，選取國(guó)內(nèi)175家開展一定程度數(shù)字化轉(zhuǎn)型的制造企業(yè)為樣本，運(yùn)用模糊集定性比較分析辦法探究以下問題：存在哪些內(nèi)外部因素以“殊途同歸”的方式助力制造企業(yè)數(shù)字化轉(zhuǎn)型？對(duì)于實(shí)際情況不盡相同的制造企業(yè)哪些前因組態(tài)是促進(jìn)其數(shù)字化轉(zhuǎn)型成功的關(guān)鍵所在？制造企業(yè)數(shù)字化轉(zhuǎn)型過程中是否具有“多重并發(fā)”的特點(diǎn)？本研究結(jié)果能夠?yàn)橹圃炱髽I(yè)管理者根據(jù)自身情況選擇數(shù)字化轉(zhuǎn)型戰(zhàn)略提供理論指導(dǎo)，對(duì)制造企業(yè)高質(zhì)量發(fā)展及數(shù)字化轉(zhuǎn)型具有理論意義和實(shí)踐參考價(jià)值。

1 理論基礎(chǔ)與模型構(gòu)建

1.1 文獻(xiàn)回顧

制造企業(yè)數(shù)字化轉(zhuǎn)型指的是制造企業(yè)利用數(shù)據(jù)和數(shù)字技術(shù)驅(qū)動(dòng)生產(chǎn)制造［6］，優(yōu)化企業(yè)功能與效率，使得交付價(jià)值的成倍增長(zhǎng)［7］，是傳統(tǒng)業(yè)務(wù)模式不斷被數(shù)字技術(shù)解構(gòu)和重構(gòu)的過程，具體包括設(shè)計(jì)、產(chǎn)品、研發(fā)、管理和制造過程的數(shù)字化［8］，能夠通過內(nèi)生和外延式增長(zhǎng)優(yōu)化制造企業(yè)的核心競(jìng)爭(zhēng)力。

制造企業(yè)的數(shù)字化轉(zhuǎn)型升級(jí)存在大量影響因素，由于不同的影響因素及不同情境下的同一影響因素對(duì)數(shù)字化轉(zhuǎn)型作用存在異質(zhì)性，因此前因變量的選擇需要一定的理論支持，隨機(jī)或主觀選擇不利于研究結(jié)論的合理性和科學(xué)性，基于此，本文在TOE理論框架基礎(chǔ)上對(duì)技術(shù)、組織、環(huán)境三個(gè)維度的驅(qū)動(dòng)因素進(jìn)行了文獻(xiàn)梳理。

技術(shù)因素通常被視為制造企業(yè)數(shù)字化轉(zhuǎn)型的首要?jiǎng)恿?。?shù)字技術(shù)的高產(chǎn)出能力與數(shù)字技術(shù)設(shè)施搭建的領(lǐng)先是企業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵優(yōu)勢(shì)［9］。已有研究表明，研發(fā)投入與企業(yè)數(shù)字化存在正向關(guān)系［10］，數(shù)字技術(shù)的創(chuàng)新產(chǎn)出能夠助力企業(yè)突破復(fù)雜結(jié)構(gòu)約束，提高資源配置效率［11］，是推動(dòng)企業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵［12］，同時(shí)，工業(yè)互聯(lián)網(wǎng)平臺(tái)設(shè)施搭建賦予了制造企業(yè)轉(zhuǎn)型能力［13］，數(shù)字技術(shù)的躍遷也對(duì)企業(yè)顛覆性創(chuàng)新具有重要作用［14］。

組織因素為制造企業(yè)數(shù)字化提供轉(zhuǎn)型空間，推行數(shù)字化轉(zhuǎn)型戰(zhàn)略需要管理者構(gòu)建新的數(shù)字化組織架構(gòu)，由傳統(tǒng)的“樹狀”管理結(jié)構(gòu)向“網(wǎng)狀”管理結(jié)構(gòu)轉(zhuǎn)變，扁平化是其突出特征［15］，基于數(shù)字化的戰(zhàn)略和目標(biāo)以匹配相應(yīng)的組織結(jié)構(gòu)有助于企業(yè)更好地適應(yīng)數(shù)字化轉(zhuǎn)型趨勢(shì)［16］。

環(huán)境因素是制造企業(yè)數(shù)字化轉(zhuǎn)型的支撐力量，行業(yè)特征與市場(chǎng)結(jié)構(gòu)、政府政策規(guī)范是制造企業(yè)數(shù)字化轉(zhuǎn)型的重要驅(qū)動(dòng)因素［17］，不同類型政策對(duì)制造企業(yè)高質(zhì)量發(fā)展具有推動(dòng)作用［18］，輿論、消費(fèi)習(xí)慣等外部因素也會(huì)對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型產(chǎn)生影響［19］。

現(xiàn)有研究已從技術(shù)、組織和環(huán)境層面萃取出大量制造企業(yè)數(shù)字化轉(zhuǎn)型的影響因素，對(duì)進(jìn)一步探索制造企業(yè)數(shù)字化轉(zhuǎn)型的條件組態(tài)路徑具有重要啟示作用。然而，聚焦于單一層面的影響因素只能得到制造企業(yè)數(shù)字化轉(zhuǎn)型的“凈效應(yīng)”，事實(shí)上制造企業(yè)數(shù)字化轉(zhuǎn)型是多重前因變量協(xié)同驅(qū)動(dòng)的結(jié)果，且不同類型的企業(yè)實(shí)現(xiàn)路徑存在差異，現(xiàn)實(shí)意義不夠充分；此外，現(xiàn)有研究多為企業(yè)數(shù)字化轉(zhuǎn)型典型個(gè)案經(jīng)驗(yàn)探索，缺少對(duì)數(shù)字化轉(zhuǎn)型路徑形成的實(shí)證研究；因此，不同維度的前因變量協(xié)同聯(lián)動(dòng)對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型的復(fù)雜作用及不同類型的制造企業(yè)轉(zhuǎn)型的組態(tài)路徑問題仍需進(jìn)一步探究。

1.2 模型構(gòu)建

TOE框架從技術(shù)、組織和環(huán)境三個(gè)層面出發(fā)，作為一項(xiàng)綜合性技術(shù)應(yīng)用情景分析框架，通常被用來(lái)解釋和分析企業(yè)采用和實(shí)施創(chuàng)新的影響因素，是一個(gè)可隨研究問題及背景而自由改變因素變量的“普適”理論，適用性廣。制造企業(yè)數(shù)字化轉(zhuǎn)型受到技術(shù)、組織與環(huán)境各層面前因條件之間相互協(xié)同的綜合影響，因此，本文將TOE框架應(yīng)用到對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的條件組態(tài)的分析研究中，具有較好的解釋力。

1.2.1 技術(shù)因素

技術(shù)維度的影響因素主要體現(xiàn)為數(shù)字技術(shù)創(chuàng)新和數(shù)字設(shè)施搭建。梳理現(xiàn)有文獻(xiàn)發(fā)現(xiàn)，技術(shù)層面的影響因素主要集中于企業(yè)自身數(shù)字技術(shù)的產(chǎn)出和外部數(shù)字設(shè)施的引入及搭建。數(shù)字技術(shù)創(chuàng)新代表企業(yè)的數(shù)字技術(shù)產(chǎn)出水平［20］，是指將數(shù)據(jù)作為關(guān)鍵投入要素，其創(chuàng)新產(chǎn)出內(nèi)容服務(wù)于數(shù)據(jù)生產(chǎn)、儲(chǔ)存與應(yīng)用［21］，體現(xiàn)了企業(yè)在數(shù)字化方面的研發(fā)能力與自主創(chuàng)新能力，推動(dòng)數(shù)字技術(shù)創(chuàng)新，是企業(yè)加速數(shù)字化建設(shè)的關(guān)鍵；數(shù)字設(shè)施搭建是指為滿足企業(yè)數(shù)字化應(yīng)用硬件與軟件需求，采用數(shù)字資源與技術(shù)引進(jìn)、軟件企業(yè)并購(gòu)重組等方式，完善數(shù)字化配套設(shè)施［22］，制造企業(yè)通過數(shù)字設(shè)施搭建擴(kuò)大物聯(lián)網(wǎng)聯(lián)通范圍、引進(jìn)數(shù)字技術(shù)、完善以數(shù)字技術(shù)賦能的設(shè)備和交付物，強(qiáng)化組織內(nèi)部各環(huán)節(jié)掌控能力［23］，同時(shí)創(chuàng)新流程再造，獲取持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)［24］。制造企業(yè)數(shù)字化轉(zhuǎn)型過程中數(shù)字技術(shù)創(chuàng)新是關(guān)鍵［25］，數(shù)字配套設(shè)施搭建是支撐［26］，因此，制造企業(yè)以數(shù)字技術(shù)創(chuàng)新為強(qiáng)勁動(dòng)力，以數(shù)字設(shè)施搭建為堅(jiān)實(shí)基礎(chǔ)，助力數(shù)字化轉(zhuǎn)型升級(jí)。

1.2.2 組織因素

組織維度的影響因素主要體現(xiàn)在管理者能力和知識(shí)密集度兩個(gè)方面。人力資本是組織數(shù)字化投入與產(chǎn)出差值的源頭，取決于管理者能力和員工知識(shí)水平［27］。

作為管理者內(nèi)在的重要特征［28］，管理者能力指的是企業(yè)高層管理者所具有的風(fēng)險(xiǎn)決策、資源管理、機(jī)會(huì)感知等一系列助力企業(yè)價(jià)值提升的自身優(yōu)勢(shì)［29］，以最大程度上實(shí)現(xiàn)企業(yè)的低投入與高產(chǎn)出。在制造企業(yè)數(shù)字化轉(zhuǎn)型過程中，企業(yè)高層管理人員需要為企業(yè)制定清晰的數(shù)字化發(fā)展愿景，感知數(shù)字環(huán)境變化，理解數(shù)字技術(shù)價(jià)值及明確企業(yè)定位［30］，能夠堅(jiān)定不移地推動(dòng)轉(zhuǎn)型工作［31］，是數(shù)字化變革的關(guān)鍵領(lǐng)導(dǎo)者、核心規(guī)劃者和推動(dòng)者?？偟膩?lái)講，高管理者能力在數(shù)字化轉(zhuǎn)型過程中表現(xiàn)為：基于客戶發(fā)展的思維能力即數(shù)字化愿景能力、基于數(shù)字的業(yè)務(wù)創(chuàng)新與變革能力即數(shù)字創(chuàng)造能力、基于共生團(tuán)隊(duì)的管理與組織發(fā)展的能力即融合領(lǐng)導(dǎo)能力、基于共創(chuàng)的組織進(jìn)化能力即數(shù)字化人才建設(shè)能力，是組織的重要資源［32］。此外，數(shù)字化轉(zhuǎn)型背景下，要求企業(yè)組織架構(gòu)從傳統(tǒng)剛性較大的“樹狀”轉(zhuǎn)為靈活的“網(wǎng)狀”，該組織結(jié)構(gòu)下企業(yè)每個(gè)節(jié)點(diǎn)都表現(xiàn)出橫向連接與資源共享，企業(yè)運(yùn)營(yíng)遵循的是由單點(diǎn)輻射、水波式蔓延直至整體迭代的演化規(guī)律，這種規(guī)律打開了溝通渠道，表明數(shù)字化轉(zhuǎn)型不僅需要高層管理者主導(dǎo)，也需要覆蓋全體員工，因此對(duì)組織的知識(shí)密集度提出了更高標(biāo)準(zhǔn)，知識(shí)密集度即員工的知識(shí)技術(shù)水平，組織知識(shí)密集度的提升有利于數(shù)字技術(shù)更好地應(yīng)用于員工的生產(chǎn)活動(dòng)，提高企業(yè)數(shù)字化轉(zhuǎn)型的速度與深度［33］。同時(shí)，知識(shí)密集度越高，企業(yè)合作與創(chuàng)新的氛圍越濃厚，也越容易提升研發(fā)人員數(shù)字技術(shù)創(chuàng)新的活力［34］。綜上所述，在組織層面，管理者能力與知識(shí)密集度對(duì)制造企業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型至關(guān)重要。

1.2.3 環(huán)境因素

環(huán)境維度的影響因素包括企業(yè)競(jìng)爭(zhēng)壓力和地區(qū)數(shù)字環(huán)境。企業(yè)外部環(huán)境是由政府、競(jìng)爭(zhēng)對(duì)手等相互作用形成的復(fù)雜系統(tǒng)［17］。企業(yè)競(jìng)爭(zhēng)壓力是指企業(yè)在與同行對(duì)比過程中，由于內(nèi)部資源的稀缺性和市場(chǎng)的有限性，而普遍存在的對(duì)資源和市場(chǎng)份額等的競(jìng)爭(zhēng)行為給企業(yè)所帶來(lái)的壓力［22］，通常表現(xiàn)為區(qū)域績(jī)效考核、企業(yè)效益評(píng)價(jià)及企業(yè)間市場(chǎng)拼搶等，企業(yè)競(jìng)爭(zhēng)壓力使得部分制造業(yè)領(lǐng)頭企業(yè)利用數(shù)字信息技術(shù)及數(shù)字組織流程變革等方式，期望搶占市場(chǎng)帶來(lái)持續(xù)競(jìng)爭(zhēng)優(yōu)勢(shì)，行業(yè)內(nèi)其余企業(yè)感知到競(jìng)爭(zhēng)對(duì)手?jǐn)?shù)字化發(fā)展的競(jìng)爭(zhēng)壓力時(shí)，往往會(huì)選擇跟隨變革開展數(shù)字化轉(zhuǎn)型避免落后［17］。同時(shí)，地區(qū)數(shù)字環(huán)境能夠?yàn)楫?dāng)?shù)刂圃炱髽I(yè)形成競(jìng)爭(zhēng)優(yōu)勢(shì)提供重要支撐，地區(qū)數(shù)字環(huán)境指的是該地區(qū)內(nèi)的數(shù)字基礎(chǔ)設(shè)施、數(shù)字技術(shù)創(chuàng)新、數(shù)字化發(fā)展環(huán)境等方面的發(fā)展水平，是衡量該地區(qū)營(yíng)商環(huán)境和經(jīng)濟(jì)水平的重要指標(biāo)［35］。一方面，數(shù)字環(huán)境能夠?yàn)橹圃炱髽I(yè)發(fā)展提供高端生產(chǎn)要素如信息、數(shù)據(jù)等，完善企業(yè)數(shù)字基礎(chǔ)設(shè)施，實(shí)現(xiàn)低端制造向高端制造的轉(zhuǎn)變［36］；另一方面，數(shù)字技術(shù)的聚集和發(fā)展有賴于數(shù)字環(huán)境并能引領(lǐng)數(shù)字化創(chuàng)新產(chǎn)業(yè)集群的形成［37］，從而推動(dòng)轉(zhuǎn)型升級(jí)。目前，我國(guó)各地區(qū)數(shù)字環(huán)境千差萬(wàn)別，在一定程度上決定著不同地區(qū)制造企業(yè)是否能借數(shù)字化之“東風(fēng)”成功轉(zhuǎn)型升級(jí)。因此，企業(yè)競(jìng)爭(zhēng)壓力和地區(qū)數(shù)字環(huán)境能夠有效促進(jìn)制造企業(yè)數(shù)字化轉(zhuǎn)型外部?jī)?yōu)勢(shì)的形成。

1.2.4 制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素模型構(gòu)建

基于文獻(xiàn)梳理和TOE框架，以數(shù)字技術(shù)創(chuàng)新、數(shù)字設(shè)施搭建、管理者能力、知識(shí)密集度、企業(yè)競(jìng)爭(zhēng)壓力和地區(qū)數(shù)字環(huán)境六個(gè)前因變量作為關(guān)鍵影響因素，構(gòu)建制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素模型，如圖1所示。

2 研究設(shè)計(jì)

2.1 研究方法

定性比較分析（Qualitative Comparative Analysis，QCA）是以整體視角為基礎(chǔ)，針對(duì)多因誘致的復(fù)雜社會(huì)問題進(jìn)行“組態(tài)效應(yīng)”剖析，利用樣本案例間的比較來(lái)探究條件組態(tài)與結(jié)果變量之間的關(guān)系［5］，模糊集定性比較分析法（fsQCA）是QCA分析的具體方法之一。本文使用fsQCA方法探討制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的組態(tài)效應(yīng)，主要基于以下方面：首先，與傳統(tǒng)的研究方法相比，fsQCA方法以復(fù)雜多元且非線性的角度探究結(jié)果變量產(chǎn)生的原因，與本研究探索制造企業(yè)數(shù)字化多種前因組態(tài)作用的復(fù)雜因果機(jī)制契合；其次，使用fsQCA方法能夠發(fā)現(xiàn)制造企業(yè)數(shù)字化轉(zhuǎn)型影響因素的非對(duì)稱性組合，進(jìn)一步分析不同組合下的前因要素推動(dòng)結(jié)果要素的不同構(gòu)型，這是傳統(tǒng)的回歸分析難以做到的；此外，fsQCA方法采用布爾代數(shù)進(jìn)行計(jì)算，不會(huì)因?yàn)樽兞窟z漏而產(chǎn)生結(jié)果偏差，本研究樣本數(shù)量適中且樣本數(shù)據(jù)覆蓋各類具有代表性的制造企業(yè)，非常適合采用此方法進(jìn)行系統(tǒng)比較。最后，TOE框架與fsQCA方法匹配度高，經(jīng)常用于新興技術(shù)應(yīng)用擴(kuò)散研究［38］，因此，本研究基于TOE理論框架結(jié)合fsQCA方法探討制造企業(yè)數(shù)字化轉(zhuǎn)型關(guān)鍵驅(qū)動(dòng)因素的組態(tài)效應(yīng)具有可行性。

2.2 樣本選擇與數(shù)據(jù)來(lái)源

本文樣本企業(yè)為制造業(yè)A股上市公司，案例篩選具體步驟如下：首先，依據(jù)已有研究得出的企業(yè)數(shù)字化轉(zhuǎn)型特征詞圖譜［39］，利用Python工具爬取基期企業(yè)年報(bào)，對(duì)相關(guān)名詞“搜索-配對(duì)-加總”后剔除未涉及數(shù)字化轉(zhuǎn)型的公司，確保樣本企業(yè)明確表示正在進(jìn)行或準(zhǔn)備開展一定程度的數(shù)字化轉(zhuǎn)型；進(jìn)一步，為保證研究結(jié)果的精準(zhǔn)性，還根據(jù)以下標(biāo)準(zhǔn)進(jìn)行案例篩選：①剔除數(shù)據(jù)及信息嚴(yán)重缺失的企業(yè)；②剔除ST及*ST類企業(yè)；③剔除主營(yíng)業(yè)務(wù)利潤(rùn)為負(fù)的企業(yè)，最終得到175家樣本企業(yè)。參照證監(jiān)委發(fā)布的制造業(yè)行業(yè)大類分類標(biāo)準(zhǔn)，樣本企業(yè)分屬20個(gè)行業(yè)大類，技術(shù)密集型企業(yè)占比較多，在地域分布上樣本企業(yè)覆蓋18個(gè)省區(qū)市，廣東和江蘇企業(yè)占比較大。

其中，“地區(qū)數(shù)字環(huán)境”數(shù)據(jù)源于騰訊研究院編制《中國(guó)“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟(jì)指數(shù)（2019）》。其余變量數(shù)據(jù)源于國(guó)家知識(shí)產(chǎn)權(quán)局及國(guó)家專利統(tǒng)計(jì)局、CSMAR數(shù)據(jù)庫(kù)、CNRDS數(shù)據(jù)庫(kù)、WIND數(shù)據(jù)庫(kù)，結(jié)合后續(xù)需要進(jìn)行計(jì)算。需要指出的是，數(shù)字化轉(zhuǎn)型是一個(gè)過程，其投入與產(chǎn)出具有時(shí)滯性，在此對(duì)結(jié)果變量采取滯后兩期處理，即前因變量為2019年數(shù)據(jù)，結(jié)果變量為2021年數(shù)據(jù)。

2.3 變量測(cè)量

（1）數(shù)字化轉(zhuǎn)型程度（DT）

借鑒吳非等［39］采用文本分析計(jì)算方法獲得，該種衡量企業(yè)數(shù)字化轉(zhuǎn)型程度的方式已被廣泛采納［40-42］。數(shù)字化轉(zhuǎn)型屬于制造企業(yè)高質(zhì)量發(fā)展的重大戰(zhàn)略，通常會(huì)體現(xiàn)在企業(yè)年報(bào)中，首先，借鑒已有文獻(xiàn)、政策文件及研究報(bào)告等，形成包含76個(gè)特征詞的數(shù)字化轉(zhuǎn)型特征詞庫(kù)［39］；其次，使用Python爬蟲功能搜集樣本企業(yè)年度報(bào)告，并利用Java PDFbox庫(kù)提取文本內(nèi)容；最后，對(duì)提取的企業(yè)年報(bào)進(jìn)行關(guān)鍵詞的配對(duì)加總，并剔除“無(wú)”“不”等否定性詞語(yǔ)的表述方式及非本公司（包括企業(yè)股東、客戶、人員簡(jiǎn)介在內(nèi)）的關(guān)鍵詞，最終得到的關(guān)鍵詞詞頻作為衡量樣本企業(yè)數(shù)字化轉(zhuǎn)型程度的指標(biāo)。

（2）數(shù)字技術(shù)創(chuàng)新（DTI）

目前，對(duì)于企業(yè)創(chuàng)新能力的測(cè)量方式分為研發(fā)投入與專利數(shù)量?jī)深悾?3］，但有關(guān)制造企業(yè)的數(shù)字研發(fā)投入并未詳細(xì)披露，同時(shí)數(shù)字技術(shù)創(chuàng)新水平很大程度上由數(shù)字技術(shù)產(chǎn)出決定［20］，所以采用數(shù)字技術(shù)相關(guān)專利數(shù)量衡量企業(yè)數(shù)字技術(shù)創(chuàng)新水平。具體測(cè)度方法為：以十四五規(guī)劃指出的云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等產(chǎn)業(yè)是我國(guó)數(shù)字技術(shù)創(chuàng)新應(yīng)用和推進(jìn)數(shù)字產(chǎn)業(yè)化發(fā)展的重點(diǎn)為依據(jù)，與國(guó)家知識(shí)產(chǎn)權(quán)局對(duì)上述產(chǎn)業(yè)相關(guān)的專利分類（IPC）進(jìn)行匹配，通過程序爬取樣本企業(yè)中的相關(guān)數(shù)字技術(shù)創(chuàng)新專利，并在最終數(shù)據(jù)加總過程中剔除未獲授權(quán)的低質(zhì)量專利，保留當(dāng)年獨(dú)立申請(qǐng)、聯(lián)合申請(qǐng)、獨(dú)立授權(quán)、聯(lián)合授權(quán)的數(shù)字技術(shù)相關(guān)發(fā)明專利來(lái)進(jìn)行度量。

（3）數(shù)字設(shè)施搭建（DF）

現(xiàn)有研究大多選取企業(yè)添購(gòu)數(shù)字設(shè)備數(shù)量、數(shù)字化相關(guān)硬件投資額等指標(biāo)衡量，本文借鑒朱斌等［44］將數(shù)字設(shè)施的搭建分為硬件和軟件兩部分，分別采用樣本企業(yè)年報(bào)披露的電子設(shè)備及計(jì)算機(jī)類投資和軟件信息系統(tǒng)投資衡量。

（4）管理者能力（MA）借鑒Dermerjian等［45］的測(cè)量方式，利用數(shù)據(jù)包絡(luò)分析（DEA）與Tobit模型，從企業(yè)全效率中分離出管理者的貢獻(xiàn)度。首先，計(jì)算各企業(yè)全效率：將固定資產(chǎn)凈額（PPE）、無(wú)形資產(chǎn)凈額（Intan）、商譽(yù)（Goodwill）、研發(fā)支出（Ramp;D）、營(yíng)業(yè)成本（COGS）、銷售與管理費(fèi)用（SGamp;A）作為投入變量，營(yíng)業(yè)收入（Sales）作為產(chǎn)出變量，通過DEA模型計(jì)算得出企業(yè)效率（Score）。

Max_Scoret = Salest /（ x1 PPEt + x2 Intant +x3Goodwillt + x4 RDt + x5COGSt + x6 SGAt ） （1）

然后，分離管理者對(duì)企業(yè)效率的影響。Tobit模型控制企業(yè)層面的影響因素，包括企業(yè)規(guī)模、市場(chǎng)份額、自由現(xiàn)金流、成立年限、國(guó)際化程度和多元化程度，最終回歸后的殘差即為管理者能力。由于Tobit模型無(wú)法完全涵括企業(yè)層面因素導(dǎo)致結(jié)果存在噪音干擾，這里借鑒張路等［32］的研究將回歸殘差值分為四組，賦值為分別1、2、3、4，管理者能力越強(qiáng)其分值就越高。

（5）知識(shí)密集度（KTI）

企業(yè)知識(shí)技術(shù)是通過嵌入資本或者勞動(dòng)發(fā)揮作用的，可以體現(xiàn)為高技能人才［34］，借鑒此方法，采用勞動(dòng)力的知識(shí)技術(shù)結(jié)構(gòu)即企業(yè)技術(shù)人員與員工總數(shù)之比來(lái)表示企業(yè)的知識(shí)密集程度。

（6）企業(yè)競(jìng)爭(zhēng)壓力（CP）

Nickll［46］認(rèn)為越多企業(yè)同時(shí)間段進(jìn)入某一行業(yè)，該行業(yè)企業(yè)所面臨的市場(chǎng)競(jìng)爭(zhēng)就越激烈，直接導(dǎo)致企業(yè)在該行業(yè)利潤(rùn)池的占比被分割，企業(yè)利潤(rùn)降低，同時(shí)，企業(yè)的存貨周轉(zhuǎn)率降低，為了防止庫(kù)存積壓，企業(yè)會(huì)逐步放寬商業(yè)信用，導(dǎo)致應(yīng)收賬款速度放緩。因此，為克服單一指標(biāo)局限性，本文借鑒張林剛等［42］的研究，將企業(yè)主營(yíng)業(yè)務(wù)利潤(rùn)率、存貨周轉(zhuǎn)率和應(yīng)收賬款周轉(zhuǎn)率三個(gè)指標(biāo)進(jìn)行加權(quán)求和，共同衡量企業(yè)的競(jìng)爭(zhēng)壓力。

（7）地區(qū)數(shù)字環(huán)境（DE）

選取“互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟(jì)指數(shù)表示企業(yè)所在城市數(shù)字環(huán)境，已有學(xué)者研究驗(yàn)證該指標(biāo)作為衡量地區(qū)數(shù)字經(jīng)濟(jì)環(huán)境的有效性［35］，該指標(biāo)由基礎(chǔ)分?jǐn)?shù)值、智慧民生指數(shù)、產(chǎn)業(yè)分指數(shù)和雙創(chuàng)分指數(shù)四個(gè)維度構(gòu)成，最終加權(quán)計(jì)算其平均分。

2.4 變量校準(zhǔn)

定性比較分析的布爾邏輯要求將連續(xù)變量校準(zhǔn)為0到1之間的模糊集變量。首先，確定完全不隸屬點(diǎn)、交叉隸屬點(diǎn)和完全隸屬點(diǎn)三個(gè)錨點(diǎn)，接著通過fsQCA3.0軟件將所有數(shù)據(jù)轉(zhuǎn)換為相應(yīng)的模糊隸屬度分?jǐn)?shù)。參照杜運(yùn)周等［5］的研究，將三個(gè)錨點(diǎn)分別設(shè)置為樣本描述性統(tǒng)計(jì)的95%、50%和5%，需要指出的是，企業(yè)競(jìng)爭(zhēng)壓力的衡量指標(biāo)為反向指標(biāo)，計(jì)算過程中已經(jīng)過正向化處理，在此無(wú)需進(jìn)行反向校準(zhǔn)，各變量校準(zhǔn)值如表1所示。此外，對(duì)隸屬度處于0.5交叉點(diǎn)的隸屬分?jǐn)?shù)加0.001，避免樣本案例被剔除以保證分析結(jié)果的準(zhǔn)確性［47］。

3 實(shí)證分析

3.1 必要性分析

必要性分析目的是檢測(cè)各前因變量是否為結(jié)果變量出現(xiàn)的必要條件，是進(jìn)行組態(tài)分析的前提，一致性水平達(dá)到0.9以上時(shí)通常被判定為結(jié)果變量產(chǎn)生的必要條件。利用fsQCA3.0軟件對(duì)數(shù)據(jù)進(jìn)行必要性分析得出結(jié)果如表2所示，可以看出一致性得分均低于0.9，即不存在某個(gè)單一因素是導(dǎo)致結(jié)果變量產(chǎn)生的必要條件，更加印證了對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型績(jī)效的影響因素進(jìn)行組態(tài)分析是必要的。

3.2 組態(tài)分析

以DT 和～DT 作為結(jié)果變量，DTI、DF、MA、KTI、CP和DE 作為前因變量構(gòu)建真值表。借鑒Ragin［48］的做法，案例頻數(shù)應(yīng)設(shè)置為樣本案例的1.5%，即需要保留樣本數(shù)大于2的邏輯條件組合，同時(shí)，將一致性閾值設(shè)定為0.8。對(duì)得出的三組解中的中間解和簡(jiǎn)約解進(jìn)行嵌套對(duì)比，在簡(jiǎn)約解與中間解中均存在的條件變量認(rèn)定為核心條件，只存在于中間解的變量認(rèn)定為輔助條件。本文依據(jù)Ragin［48］的做法，得到制造企業(yè)高、非高數(shù)字化轉(zhuǎn)型組態(tài)如表3所示。

3.2.1 制造企業(yè)高數(shù)字化轉(zhuǎn)型的路徑

根據(jù)表3，每條單一組態(tài)一致性均遠(yuǎn)高于0.75，4條組態(tài)都是實(shí)現(xiàn)制造企業(yè)數(shù)字化轉(zhuǎn)型的充分條件；解的總體覆蓋度為0.476，解釋力強(qiáng)，結(jié)果可靠；解的一致性水平為0.843，滿足這4條組態(tài)的樣本案例中，有84.3%的企業(yè)實(shí)現(xiàn)高數(shù)字化轉(zhuǎn)型；從橫向觀察，數(shù)字技術(shù)創(chuàng)新和知識(shí)密集度存在于每條組態(tài)中，具有最高的“普適性”，為了更好地識(shí)別各轉(zhuǎn)型路徑的差異性，對(duì)其表現(xiàn)出的邏輯特征進(jìn)一步歸納分析。

（1）技術(shù)-組織主導(dǎo)型。組態(tài)1（DTI×DF×KTI×～DE）表示，缺乏地區(qū)數(shù)字環(huán)境支持的情況下，擁有高數(shù)字技術(shù)創(chuàng)新和高知識(shí)密集度，輔以較高數(shù)字設(shè)施搭建的制造企業(yè)，能夠更好實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。該組態(tài)路徑能解釋約25%的高數(shù)字化轉(zhuǎn)型案例；組態(tài)2（DTI×～DF×MA×KTI×～CP）表示，未面臨競(jìng)爭(zhēng)壓力且缺少數(shù)字設(shè)施搭建的情況下，擁有高數(shù)字技術(shù)創(chuàng)新、高管理者能力和高知識(shí)密集度的制造企業(yè)，能夠更好地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，該組態(tài)路徑能解釋約31%的高數(shù)字化轉(zhuǎn)型案例。該類型為缺乏外部環(huán)境驅(qū)動(dòng)或支持的制造企業(yè)提供了數(shù)字化轉(zhuǎn)型建議：從內(nèi)部出發(fā)將企業(yè)有限資源優(yōu)先用于建設(shè)相應(yīng)技術(shù)和組織的核心部分，充分挖掘自身技術(shù)創(chuàng)新能力，引入高質(zhì)量數(shù)字化專業(yè)人才并為現(xiàn)有員工賦能，最終能夠更高程度更有效率地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。

以典型樣本企業(yè)德賽西威汽車電子股份有限公司（以下簡(jiǎn)稱德賽）為例，該企業(yè)位于廣東省惠州市，是入選全球汽車零部件百?gòu)?qiáng)的十家中國(guó)企業(yè)之一，為汽車制造業(yè)的龍頭企業(yè)，競(jìng)爭(zhēng)壓力小，相比北上廣深等發(fā)達(dá)城市來(lái)看，惠州市并不能提供同等的數(shù)字環(huán)境支持，但從德賽企業(yè)內(nèi)部看，在技術(shù)方面，該企業(yè)建設(shè)數(shù)字智能工廠、智能倉(cāng)儲(chǔ)系統(tǒng)及自動(dòng)雷達(dá)生產(chǎn)線等并創(chuàng)新生產(chǎn)行業(yè)領(lǐng)先水平的智能制造裝備，設(shè)立制造精益部門推進(jìn)精益化、自動(dòng)化、智能化服務(wù)，已獲評(píng)國(guó)家智能制造試點(diǎn)示范工廠；在組織方面組建研發(fā)團(tuán)隊(duì)，企業(yè)技術(shù)人員及研發(fā)人員占比超40%，始終貫徹高知識(shí)密集度的經(jīng)營(yíng)戰(zhàn)略。

面對(duì)外部環(huán)境優(yōu)勢(shì)的缺乏，德賽充分挖掘自身潛力，技術(shù)和組織上不斷取得關(guān)鍵提升，最終取得高績(jī)效回報(bào)，綜上，德賽符合“技術(shù)-組織主導(dǎo)型”路徑的典型特征。

（2）全要素驅(qū)動(dòng)型。組態(tài)3（DTI×MA×KTI×DE）表示，在較強(qiáng)的地區(qū)數(shù)字環(huán)境支持的情況下，擁有高數(shù)字技術(shù)創(chuàng)新、高管理者能力和高知識(shí)密集度的制造企業(yè)，能夠更好地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，該組態(tài)能解釋約32% 的高數(shù)字化轉(zhuǎn)型程度案例，是所有構(gòu)型中覆蓋度最高的，說(shuō)明大部分實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的制造企業(yè)在轉(zhuǎn)型之前都做了充足準(zhǔn)備，才能厚積薄發(fā)。組態(tài)4（DTI×DF×MA×KTI×CP）表示，在較強(qiáng)的競(jìng)爭(zhēng)壓力驅(qū)動(dòng)下，擁有高數(shù)字技術(shù)創(chuàng)新、高管理者能力、高知識(shí)密集度輔以數(shù)字設(shè)施搭建的制造企業(yè)能夠更好地實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，該組態(tài)路徑能解釋約25%的高數(shù)字化轉(zhuǎn)型程度案例；該類型為處于競(jìng)爭(zhēng)壓力驅(qū)動(dòng)或良好地區(qū)數(shù)字環(huán)境支持下的制造企業(yè)提供了轉(zhuǎn)型建議，此時(shí)需要優(yōu)先將重點(diǎn)投入在數(shù)字技術(shù)創(chuàng)新、管理者能力及企業(yè)知識(shí)密集度的提升上。

以典型企業(yè)中興通訊股份有限公司（以下簡(jiǎn)稱中興）為例，該企業(yè)位于深圳市，營(yíng)業(yè)收入高達(dá)1 145億元。從外部環(huán)境看，中興位于深圳，數(shù)字環(huán)境優(yōu)質(zhì)，為企業(yè)發(fā)展提供了所需要的資金和平臺(tái)等，使得企業(yè)能夠?qū)Ｐ倪M(jìn)行創(chuàng)新，突破技術(shù)封鎖，此外，中興通訊屬于計(jì)算機(jī)、通信和其他電子設(shè)備制造業(yè)，在行業(yè)中排名第一，競(jìng)爭(zhēng)力強(qiáng)勁。從企業(yè)內(nèi)部看，中興通訊是眾所周知的高科技企業(yè)，必須以創(chuàng)新為使命，2019年企業(yè)與數(shù)字技術(shù)有關(guān)專利數(shù)量高達(dá)3 989 件，超大部分企業(yè)20 倍甚至30 倍以上，研發(fā)投入在我國(guó)排名第四位，同時(shí)，按照“三優(yōu)先、三向?qū)А苯M建高管團(tuán)隊(duì)，公司技術(shù)人員占比超41%，中興以技術(shù)創(chuàng)新和員工提升為核心，以深圳優(yōu)質(zhì)數(shù)字環(huán)境為依托，實(shí)現(xiàn)了高程度數(shù)字化轉(zhuǎn)型，符合“全要素驅(qū)動(dòng)型”路徑特征。

3.2.2 制造企業(yè)非高數(shù)字化轉(zhuǎn)型的路徑

產(chǎn)生非高數(shù)字化轉(zhuǎn)型升級(jí)的組態(tài)有4 種。組態(tài)5（～DTI×～DF×～MA×～KTI×～DE）表示，缺乏高數(shù)字技術(shù)創(chuàng)新、高數(shù)字設(shè)施搭建、高管理者能力、高知識(shí)密集和高地區(qū)數(shù)字環(huán)境的制造企業(yè)，無(wú)論是否面臨競(jìng)爭(zhēng)壓力都無(wú)法實(shí)現(xiàn)高程度數(shù)字化轉(zhuǎn)型；組態(tài)6（～DTI×～DF×～KTI×CP×～DE）表示，面臨強(qiáng)勁企業(yè)競(jìng)爭(zhēng)壓力的情況下，若缺乏數(shù)字技術(shù)創(chuàng)新、數(shù)字設(shè)施搭建、知識(shí)密集度和地區(qū)數(shù)字環(huán)境支持也不能夠?qū)崿F(xiàn)轉(zhuǎn)型升級(jí)；組態(tài)7（～DF×～MA×～KTI×CP×DE）表示，擁有優(yōu)質(zhì)的地區(qū)數(shù)字環(huán)境支撐和競(jìng)爭(zhēng)壓力驅(qū)動(dòng)的制造企業(yè)，若缺乏數(shù)字設(shè)施搭建、管理者能力和知識(shí)密集度，也無(wú)法實(shí)現(xiàn)轉(zhuǎn)型升級(jí)；組態(tài)8（～DTI×DF×MA×～KTI×～CP×～DE）表示，地區(qū)數(shù)字環(huán)境差及缺乏競(jìng)爭(zhēng)壓力驅(qū)動(dòng)的制造企業(yè)，若同時(shí)缺乏數(shù)字技術(shù)創(chuàng)新和知識(shí)密集度，即使用高數(shù)字設(shè)施搭建和高管理者能力，企業(yè)轉(zhuǎn)型升級(jí)也不會(huì)成功。進(jìn)一步對(duì)比發(fā)現(xiàn)，組態(tài)5、6、7、8都存在企業(yè)知識(shí)密集度不高的問題，此時(shí)無(wú)論外部環(huán)境或其他內(nèi)部能力如何，都導(dǎo)致了非高的轉(zhuǎn)型升級(jí)。

4 穩(wěn)健性檢驗(yàn)

本文使用調(diào)整一致性水平（0.8提高至0.85）和校準(zhǔn)閾值（90%代替95%、10%代替5%）的方法進(jìn)行穩(wěn)健性檢驗(yàn)，觀察組態(tài)的參數(shù)和數(shù)量是否發(fā)生重大變化［5］，結(jié)果表明，組態(tài)基本一致，參數(shù)未發(fā)生本質(zhì)變化，表明研究結(jié)論具有較高的穩(wěn)健性。

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究以175家開展一定程度數(shù)字化轉(zhuǎn)型的制造企業(yè)為樣本，結(jié)合TOE理論框架，基于組態(tài)視角構(gòu)建數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素模型。同時(shí)，結(jié)合模糊集定性比較分析法（fsQCA），分析制造企業(yè)高程度數(shù)字化轉(zhuǎn)型背后驅(qū)動(dòng)因素的組態(tài)效應(yīng)，得出以下主要結(jié)論：

第一，制造企業(yè)數(shù)字化轉(zhuǎn)型具有“多重并發(fā)”的特點(diǎn)。制造企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)是多重前因條件組態(tài)聯(lián)結(jié)，交互影響，協(xié)同發(fā)力，任意單一因素都不能構(gòu)成此結(jié)果產(chǎn)生的必要條件和充分條件。

第二，制造企業(yè)數(shù)字化轉(zhuǎn)型具有“殊途同歸”的特點(diǎn)。6個(gè)前因要素構(gòu)成4條驅(qū)動(dòng)制造企業(yè)數(shù)字化轉(zhuǎn)型的等效組態(tài)，同時(shí)，可以進(jìn)一步歸納為技術(shù)-組織主導(dǎo)型和全要素驅(qū)動(dòng)型。具體而言，當(dāng)企業(yè)所屬的外部環(huán)境處于劣勢(shì)時(shí)，企業(yè)可以運(yùn)用技術(shù)-組織主導(dǎo)型更好地驅(qū)動(dòng)企業(yè)實(shí)現(xiàn)高程度數(shù)字化轉(zhuǎn)型；當(dāng)企業(yè)擁有一定程度外部環(huán)境的支持且管理者能力優(yōu)勢(shì)突出時(shí)，企業(yè)可運(yùn)用全要素驅(qū)動(dòng)型，一方面可以加強(qiáng)數(shù)字技術(shù)創(chuàng)新提升數(shù)字技術(shù)產(chǎn)出水平，另一方面可以提升員工知識(shí)密集度提高數(shù)字技術(shù)的應(yīng)用水平，為企業(yè)實(shí)現(xiàn)更高程度的數(shù)字化轉(zhuǎn)型提供保障。

第三，各組態(tài)之間存在重疊和潛在替代關(guān)系。在高數(shù)字化轉(zhuǎn)型組態(tài)中都包含數(shù)字技術(shù)創(chuàng)新和知識(shí)密集度的要素組合，且非高數(shù)字化轉(zhuǎn)型的所有組態(tài)中都包含知識(shí)密集度的缺失，說(shuō)明知識(shí)密集度的存在是推動(dòng)制造企業(yè)轉(zhuǎn)型升級(jí)的關(guān)鍵因素，同時(shí)也要關(guān)注企業(yè)數(shù)字技術(shù)創(chuàng)新水平。

5.2 理論貢獻(xiàn)

首先，豐富了制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的理論與實(shí)證研究。現(xiàn)有研究多將數(shù)字化轉(zhuǎn)型作為前因變量，探究其對(duì)企業(yè)創(chuàng)新［3］、結(jié)構(gòu)升級(jí)［12，25］、企業(yè)績(jī)效［13，30］的影響，而針對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的研究較少，本文結(jié)合TOE理論框架從技術(shù)、組織和環(huán)境三個(gè)層面分析了6個(gè)前因變量對(duì)制造企業(yè)數(shù)字化轉(zhuǎn)型的影響，完善了TOE理論和制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的理論研究?jī)?nèi)容；其次，制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的相關(guān)探索以案例研究為主［17，31］，研究結(jié)論的普適性還需通過客觀數(shù)據(jù)驗(yàn)證，本文搜集整理了175家開展數(shù)字化轉(zhuǎn)型的制造企業(yè)的數(shù)據(jù)，對(duì)6個(gè)前因變量的影響作用進(jìn)行了分析，不僅補(bǔ)充了制造企業(yè)數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)因素的實(shí)證研究，同時(shí)也驗(yàn)證和完善了已有的相關(guān)結(jié)論。

此外，基于TOE理論將fsQCA引入到制造企業(yè)數(shù)字化轉(zhuǎn)型影響因素的研究中，豐富了研究視角?，F(xiàn)實(shí)生活中，企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)是多個(gè)前因變量協(xié)同聯(lián)動(dòng)的結(jié)果，與以往采用定性或定量的單一研究辦法探索前因變量對(duì)結(jié)果變量的“凈效應(yīng)”不同，fsQCA可以定性與定量結(jié)合以整體視角厘清各個(gè)前因要素的協(xié)同交互作用如何對(duì)數(shù)字化轉(zhuǎn)型產(chǎn)生影響，從而提升研究結(jié)論的現(xiàn)實(shí)意義，避免落入“單一因素決定一切”的陷阱。

5.3 實(shí)踐啟示

對(duì)于制造企業(yè)而言，首先，管理者思維必須從“局部?jī)?yōu)化”轉(zhuǎn)向“組態(tài)協(xié)調(diào)”，摒棄“單因素思維”，注意多要素聯(lián)結(jié)驅(qū)動(dòng)，從自身角度出發(fā)選擇符合實(shí)際情況的轉(zhuǎn)型戰(zhàn)略；同時(shí)數(shù)字設(shè)施搭建并不是數(shù)字化轉(zhuǎn)型的“萬(wàn)能藥”，部分企業(yè)將設(shè)備設(shè)施的數(shù)字化建設(shè)直接等同為企業(yè)數(shù)字化轉(zhuǎn)型是極其錯(cuò)誤的，數(shù)字化轉(zhuǎn)型絕不只是設(shè)備數(shù)字化問題，而是不同處境不同目標(biāo)的企業(yè)面對(duì)技術(shù)、組織和環(huán)境狀況思考總結(jié)而成的核心戰(zhàn)略；此外，綜合各個(gè)組態(tài)發(fā)現(xiàn)“數(shù)字技術(shù)創(chuàng)新+知識(shí)密集度”要素組合具有最高的普適性，需要給予高度重視，在完善該組合的前提下，厘清各組態(tài)之間的替代關(guān)系，有助于企業(yè)管理者根據(jù)自身優(yōu)劣勢(shì)做出最優(yōu)決策，并根據(jù)外部環(huán)境、內(nèi)部技術(shù)和組織的變化動(dòng)態(tài)調(diào)整轉(zhuǎn)型戰(zhàn)略，防止資源錯(cuò)配。

對(duì)于政府而言，指導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)時(shí)應(yīng)注意結(jié)合微觀角度，利用“大數(shù)據(jù)+人工智能”給予數(shù)字化轉(zhuǎn)型困難的制造企業(yè)點(diǎn)對(duì)點(diǎn)“輸液式”的精準(zhǔn)對(duì)接扶持；其次，優(yōu)質(zhì)的地區(qū)數(shù)字環(huán)境為制造企業(yè)實(shí)現(xiàn)高程度數(shù)字化轉(zhuǎn)型提供強(qiáng)力支撐，中央有關(guān)部門應(yīng)給予非一線城市一定的資源和技術(shù)傾斜。

5.4 研究局限與展望

首先，影響制造企業(yè)數(shù)字化轉(zhuǎn)型的因素較多，基于TOE框架確定的前因變量可能忽視了其他條件，未來(lái)研究需要進(jìn)一步豐富完善。其次，企業(yè)數(shù)字化轉(zhuǎn)型的投入與產(chǎn)出具有時(shí)滯性，本研究雖采取了滯后兩期的做法，但本質(zhì)上仍是橫截面研究，未來(lái)可以借鑒杜運(yùn)周等［5］提出的思路將時(shí)間維度納入分析框架，拓展研究深度。

參考文獻(xiàn)：

［1］ 袁維寧，杜廣源，李洪宇.ERP與企業(yè)數(shù)字化轉(zhuǎn)型［C］//SPG/SEG南京2020年國(guó)際地球物理會(huì)議論文集，2020：1583-1586.

［2］ 陳亮，王寧.我國(guó)制造類企業(yè)數(shù)字化轉(zhuǎn)型升級(jí)的挑戰(zhàn)和機(jī)遇［J］.中國(guó)商論，2021（21）：123-125.

［3］ 鐘志華，臧冀原，延建林，等.智能制造推動(dòng)我國(guó)制造企業(yè)全面創(chuàng)新升級(jí)［J］.中國(guó)工程科學(xué)，2020，22（6）：136-142.

［4］ ELLER R，ALFORD P，KALLMUNZER A，et al. Antecedents，consequences，and challenges of small and medium?sized enterprise digitalization［J］. Journal of Business Research，2020，112（5）：119-127.

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

［6］ LERCH C，GOTSCH M. Digitalized product-service systems in manufacturing firms： a case study analysis ［J］. Research-Technology Management，2015，58（5）：45-52.

［7］ PORTER M E，HEPPELMANN J E. How smart connected products are transforming competition［J］. Harvard Business Review，2014（92）11-64.

［8］ 陳紅彬.淺談制造企業(yè)從數(shù)字化制造到企業(yè)信息化［J］.職業(yè)，2010（33）：24-25.

［9］ 張培，張苗苗.制造企業(yè)數(shù)字化轉(zhuǎn)型類型與觸發(fā)機(jī)制［J］.管理現(xiàn)代化，2020，40（6）：19-24.

［10］ 王宇，王鐵男，易希薇.Ramp;D投入對(duì)IT投資的協(xié)同效應(yīng)研究：基于一個(gè)內(nèi)部組織特征的情境視角［J］.管理世界，2020，36（7）：77-89.

［11］ LYYTINEN K，YOO Y，BOLAND R J，et al. Digital product innovation within four classes of innovation networks ［J］.Information Systems Journal，2016，26（1）：47-75.

［12］ 孫勇，張思慧，趙騰宇，等.數(shù)字技術(shù)創(chuàng)新對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響及其空間效應(yīng)：以長(zhǎng)江經(jīng)濟(jì)帶為例［J］.軟科學(xué)，2022，36（10）：9-16.

［13］ 朱勤，孫元，周立勇.平臺(tái)賦能、價(jià)值共創(chuàng)與企業(yè)績(jī)效的關(guān)系研究［J］.科學(xué)學(xué)研究，2019，37（11）：2026-2033，2043.

［14］ 歐春堯，劉貽新，戴海聞，等.人工智能企業(yè)顛覆性創(chuàng)新的影響因素及其作用路徑研究［J］.軟科學(xué)，2021，35（4）：55-60.

［15］ BESSON P，ROWE F. Strategizing information systems-enabled organizational transformation：a transdisciplinary review and new directions［J］.The Journal of Strategic Information Systems，2012，21（2）：103-124.

［16］ 韋影，宗小云. 企業(yè)適應(yīng)數(shù)字化轉(zhuǎn)型研究框架：一個(gè)文獻(xiàn)綜述［J］.科技進(jìn)步與對(duì)策，2021，38（11）：152-160.

［17］ 金珺，李詩(shī)婧，黃亮彬.傳統(tǒng)制造業(yè)企業(yè)數(shù)字化轉(zhuǎn)型影響因素研究［J］.創(chuàng)新科技，2020，20（6）：22-34.

［18］ REISCHAUER G. Industry 4.0 as policy-driven discourse to institutionalize innovation systems in manufacturing ［J］.Technological Forecasting and Social Change，2018，132：26-33.

［19］ LUO X，ZHANG W，LI H，et al. Cloud computing capability：its technological root and business impact［J］.Journal of Organizational Computing and Electronic Commerce，2018，28（3）：193-213.

［20］ 程葉青，王哲野，馬靖.中國(guó)區(qū)域創(chuàng)新的時(shí)空動(dòng)態(tài)分析［J］.地理學(xué)報(bào)，2014，69（12）：1779-1789.

［21］ 余江，孟慶時(shí)，張?jiān)?，?數(shù)字創(chuàng)新：創(chuàng)新研究新視角的探索及啟示［J］.科學(xué)學(xué)研究，2017，35（7）：1103-1111.

［22］ 李煜華，向子威，廖承軍.先進(jìn)制造業(yè)數(shù)字化轉(zhuǎn)型組態(tài)路徑研究：基于“技術(shù)-組織-環(huán)境”的理論框架［J］.科技管理研究，2022，42（3）：119-126.

［23］ 邢小強(qiáng)，周平錄，張竹，等.數(shù)字技術(shù)，BOP商業(yè)模式創(chuàng)新與包容性市場(chǎng)構(gòu)建［J］.管理世界，2019，35（12）：116-136.

［24］ BAYUS B，ERICKSON G，JACOBSON R.The financial rewards of new product introductions in the personal computer industry［J］.Management Science，2003，49（2）：197-210.

［25］ 沈運(yùn)紅，黃桁.數(shù)字經(jīng)濟(jì)水平對(duì)制造業(yè)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)的影響研究基于浙江省2008—2017 年面板數(shù)據(jù)［J］. 科技管理研究，2020，40（3）：147-154.

［26］ 綦良群，王金石，崔月瑩，等.中國(guó)裝備制造業(yè)服務(wù)化水平測(cè)度基于價(jià)值流動(dòng)視角［J］.科技進(jìn)步與對(duì)策，2021，38（14）：72-81.

［27］ 彭永濤，侯彥超，羅建強(qiáng)，等.基于TOE框架的裝備制造業(yè)與現(xiàn)代服務(wù)業(yè)融合組態(tài)研究［J］.管理學(xué)報(bào)，2022，19（3）：333-341.

［28］ 邢文杰，張景濤. 管理者能力與企業(yè)風(fēng)險(xiǎn)承擔(dān)［J］. 會(huì)計(jì)之友，2022（17）：79-87.

［29］ 陳雪芩，鄭寶紅.國(guó)外管理者能力研究述評(píng)與展望［J］.外國(guó)經(jīng)濟(jì)與管理，2018，40（7）：155-166.

［30］ 孫磊，張樹山.智慧化升級(jí)的驅(qū)動(dòng)因素及其對(duì)物流企業(yè)績(jī)效的影響［J］.中國(guó)流通經(jīng)濟(jì)，2020，34（2）：15-26.

［31］ 林艷，張欣婧.制造企業(yè)數(shù)字化轉(zhuǎn)型不同階段的影響因素：基于扎根理論的多案例研究［J］. 中國(guó)科技論壇，2022（6）：123-132，142.

［32］ 張路，李金彩，張瀚文，等. 管理者能力影響企業(yè)成本粘性嗎？［J］.會(huì)計(jì)研究，2019（3）：71-77.

［33］ 吳先明，蘇志文.將跨國(guó)并購(gòu)作為技術(shù)追趕的杠桿：動(dòng)態(tài)能力視角［J］.管理世界，2014，30（4）：146-164.

［34］ 常嶸.并購(gòu)戰(zhàn)略性新興企業(yè)對(duì)傳統(tǒng)企業(yè)轉(zhuǎn)型升級(jí)的影響因素分析［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2017，37（12）：88-101.

［35］ 賈建鋒，趙若男，劉偉鵬.數(shù)字經(jīng)濟(jì)下制造業(yè)國(guó)有企業(yè)轉(zhuǎn)型升級(jí)的組態(tài)研究［J］.研究與發(fā)展管理，2022，34（2）：13-26.

［36］ 馬中東，寧朝山.數(shù)字經(jīng)濟(jì)，要素配置與制造業(yè)質(zhì)量升級(jí)［J］.經(jīng)濟(jì)體制改革，2020（3）：24-30.

［37］ 余東華，李云漢.數(shù)字經(jīng)濟(jì)時(shí)代的產(chǎn)業(yè)組織創(chuàng)新：以數(shù)字技術(shù)驅(qū)動(dòng)的產(chǎn)業(yè)鏈群生態(tài)體系為例［J］.改革，2021（7）：24-43.

［38］ 陳爽英，雷波，馮海紅.發(fā)達(dá)地區(qū)和欠發(fā)達(dá)地區(qū)工業(yè)數(shù)字化的組態(tài)路徑：基于“技術(shù)-組織-環(huán)境”的理論框架分析［J］.科學(xué)學(xué)研究，2022，40（3）：410-419，453.

［39］ 吳非，胡慧芷，林慧妍，等.企業(yè)數(shù)字化轉(zhuǎn)型與資本市場(chǎng)表現(xiàn)：來(lái)自股票流動(dòng)性的經(jīng)驗(yàn)證據(jù)［J］. 管理世界，2021，37（7）：130-144，10.

［40］ 杜明威，耿景珠，劉文革.企業(yè)數(shù)字化轉(zhuǎn)型與中國(guó)出口產(chǎn)品質(zhì)量升級(jí)：來(lái)自上市公司的微觀證據(jù)［J］.國(guó)際貿(mào)易問題，2022（6）：55-72.

［41］ 肖靜，曾萍.數(shù)字化能否實(shí)現(xiàn)企業(yè)綠色創(chuàng)新的“提質(zhì)增量”？基于資源視角［J/OL］.科學(xué)學(xué)研究：1-19.DOI：10.16192/j.cnki.1003-2053.20220905.001

［42］ 張林剛，戴國(guó)慶，熊焰，等.中國(guó)制造業(yè)數(shù)字化轉(zhuǎn)型評(píng)價(jià)及影響因素：基于模糊集定性比較分析［J］.科技管理研究，2022，42（7）：68-78.

［43］ 陳德球，金雅玲，董志勇.政策不確定性，政治關(guān)聯(lián)與企業(yè)創(chuàng)新效率［J］.南開管理評(píng)論，2016（4）：27-35.

［44］ 朱斌，杜群陽(yáng).信息化投資、企業(yè)規(guī)模與組織績(jī)效：基于浙江制造企業(yè)的數(shù)據(jù)［J］.東岳論叢，2018，39（5）：166-175，192.

［45］ DEMERJIAN P R，LEV B，MCVAY S E. Quantifying managerial ability：a new measure and validity tests［J］.Management Science，2011，58（7）：1229-1248.

［46］ NICKELL S J. Competition and corporate performance［J］.Journal of political economy，1996，104（4）：724-746.

［47］ FISS P C.Building better causal theories：a fuzzy set approach to typologies in organization research［J］. Academy of management journal，2011，54（2）：393-420.

［48］ RAGIN C C. Redesigning social inquiry：fuzzy sets and beyond［M］.Chicago：University of Chicago Press，2008.