制造企業數字化轉型驅動因素的組態效應研究

摘要：新一輪工業革命的核心是制造企業智能化。基于TOE理論從技術、組織和環境層面構建制造企業數字化轉型驅動因素模型，借助爬蟲技術歸集基期企業年報中“數字化轉型”特征詞，篩選出175家開展一定規模數字化轉型的制造企業作為樣本案例，采用模糊集定性比較分析方法，從組態視角探究6個前因要素如何協同驅動制造企業數字化轉型。研究發現：制造企業數字化轉型需要多重前因變量協同發力，任何單一因素均無法作為結果產生的必要和充分條件；制造企業高數字化轉型組態主要有4條，進一步可歸納為技術-組織主導型和全要素驅動型，具有“殊途同歸”的特點；各組態之間存在重疊和潛在替代關系，其中數字技術創新和知識密集度是推動制造企業數字化轉型的關鍵因素。研究結果揭示了制造企業數字化轉型多重驅動因素之間的復雜組態效應，對制造企業數字化具有理論和實踐參考價值。

關鍵詞：制造企業；數字化轉型；TOE框架；fsQCA

中圖分類號：F270.7；F426.4 文獻標識碼：A DOI：10.3969/j.issn.1003-8256.2023.03.004

0 引言

隨著新一代信息技術的發展，數字化、網絡化、智能化在幾乎所有傳統行業中逐漸滲透，作為經濟發展主體，數字經濟也為制造企業帶來了強勁的變革力量，《中國制造2025》強調推動信息技術與制造企業深度結合，促進數字化轉型，建設制造強國。傳統制造企業要想滿足數字經濟發展要求，就必須對業務模式、管理辦法及思維方式等方面進行再造，利用數字技術賦能企業轉型［1］，近年來，中國制造企業的數字化資源與能力引進的強度不斷提升，數字化投入加大，但與創新型國家相比，我國大部分制造企業數字化轉型結果并不理想，許多制造企業雖有旺盛的數字化轉型需求，但缺乏明確戰略規劃和整體思維［2］，實施路徑不明晰［3］，不知道應該優先考慮哪些因素，以及如何結合自身實際情況與需求制定數字化轉型路線。中小企業數字化轉型尚可“船小好掉頭”，但大部分“笨重”的制造企業要做到“大象也能跳舞”卻不是件易事。因此，探索制造企業數字化轉型的關鍵驅動因素成為學界研究的重點問題。

圍繞制造企業數字化轉型，目前學者們主要從對組織變革及企業技術的影響等方面進行探索，大多為制造企業數字化轉型成功案例的歸納或描述性總結，即回答數字化“是什么”的概念層面問題，而對轉型能力的研究尚不多見，也有部分學者通過傳統的定性或定量方法探討某些單一因素對制造企業數字化轉型的直接或間接影響［4］，但值得指出的是現實生活中企業數字化轉型升級往往是多個因素協同發揮作用的結果，傳統研究忽略了各個變量之間的組態效應，存在“因果非對稱性”，現實意義不夠充分。制造企業數字化轉型是多重因素共同作用下的復雜整體過程，而模糊集定性比較分析（fsQCA）可以從整體視角出發，兼顧定性與定量研究，有效應對多個前因要素對結果要素的復雜組態影響［5］，為本文探究制造企業數字化轉型的關鍵驅動因素提供了新辦法。基于此，本文運用技術-組織-環境（Technology-Organization-Environment，TOE）框架從三方面識別制造企業數字化轉型的關鍵要素，選取國內175家開展一定程度數字化轉型的制造企業為樣本，運用模糊集定性比較分析辦法探究以下問題：存在哪些內外部因素以“殊途同歸”的方式助力制造企業數字化轉型？對于實際情況不盡相同的制造企業哪些前因組態是促進其數字化轉型成功的關鍵所在？制造企業數字化轉型過程中是否具有“多重并發”的特點？本研究結果能夠為制造企業管理者根據自身情況選擇數字化轉型戰略提供理論指導，對制造企業高質量發展及數字化轉型具有理論意義和實踐參考價值。

1 理論基礎與模型構建

1.1 文獻回顧

制造企業數字化轉型指的是制造企業利用數據和數字技術驅動生產制造［6］，優化企業功能與效率，使得交付價值的成倍增長［7］，是傳統業務模式不斷被數字技術解構和重構的過程，具體包括設計、產品、研發、管理和制造過程的數字化［8］，能夠通過內生和外延式增長優化制造企業的核心競爭力。

制造企業的數字化轉型升級存在大量影響因素，由于不同的影響因素及不同情境下的同一影響因素對數字化轉型作用存在異質性，因此前因變量的選擇需要一定的理論支持，隨機或主觀選擇不利于研究結論的合理性和科學性，基于此，本文在TOE理論框架基礎上對技術、組織、環境三個維度的驅動因素進行了文獻梳理。

技術因素通常被視為制造企業數字化轉型的首要動力。數字技術的高產出能力與數字技術設施搭建的領先是企業數字化轉型的關鍵優勢［9］。已有研究表明，研發投入與企業數字化存在正向關系［10］，數字技術的創新產出能夠助力企業突破復雜結構約束，提高資源配置效率［11］，是推動企業轉型升級的關鍵［12］，同時，工業互聯網平臺設施搭建賦予了制造企業轉型能力［13］，數字技術的躍遷也對企業顛覆性創新具有重要作用［14］。

組織因素為制造企業數字化提供轉型空間，推行數字化轉型戰略需要管理者構建新的數字化組織架構，由傳統的“樹狀”管理結構向“網狀”管理結構轉變，扁平化是其突出特征［15］，基于數字化的戰略和目標以匹配相應的組織結構有助于企業更好地適應數字化轉型趨勢［16］。

環境因素是制造企業數字化轉型的支撐力量，行業特征與市場結構、政府政策規范是制造企業數字化轉型的重要驅動因素［17］，不同類型政策對制造企業高質量發展具有推動作用［18］，輿論、消費習慣等外部因素也會對制造企業數字化轉型產生影響［19］。

現有研究已從技術、組織和環境層面萃取出大量制造企業數字化轉型的影響因素，對進一步探索制造企業數字化轉型的條件組態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數字化轉型的“凈效應”，事實上制造企業數字化轉型是多重前因變量協同驅動的結果，且不同類型的企業實現路徑存在差異，現實意義不夠充分；此外，現有研究多為企業數字化轉型典型個案經驗探索，缺少對數字化轉型路徑形成的實證研究；因此，不同維度的前因變量協同聯動對制造企業數字化轉型的復雜作用及不同類型的制造企業轉型的組態路徑問題仍需進一步探究。

1.2 模型構建

TOE框架從技術、組織和環境三個層面出發，作為一項綜合性技術應用情景分析框架，通常被用來解釋和分析企業采用和實施創新的影響因素，是一個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。制造企業數字化轉型受到技術、組織與環境各層面前因條件之間相互協同的綜合影響，因此，本文將TOE框架應用到對企業數字化轉型的條件組態的分析研究中，具有較好的解釋力。

1.2.1 技術因素

技術維度的影響因素主要體現為數字技術創新和數字設施搭建。梳理現有文獻發現，技術層面的影響因素主要集中于企業自身數字技術的產出和外部數字設施的引入及搭建。數字技術創新代表企業的數字技術產出水平［20］，是指將數據作為關鍵投入要素，其創新產出內容服務于數據生產、儲存與應用［21］，體現了企業在數字化方面的研發能力與自主創新能力，推動數字技術創新，是企業加速數字化建設的關鍵；數字設施搭建是指為滿足企業數字化應用硬件與軟件需求，采用數字資源與技術引進、軟件企業并購重組等方式，完善數字化配套設施［22］，制造企業通過數字設施搭建擴大物聯網聯通范圍、引進數字技術、完善以數字技術賦能的設備和交付物，強化組織內部各環節掌控能力［23］，同時創新流程再造，獲取持續競爭優勢［24］。制造企業數字化轉型過程中數字技術創新是關鍵［25］，數字配套設施搭建是支撐［26］，因此，制造企業以數字技術創新為強勁動力，以數字設施搭建為堅實基礎，助力數字化轉型升級。

1.2.2 組織因素

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

作為管理者內在的重要特征［28］，管理者能力指的是企業高層管理者所具有的風險決策、資源管理、機會感知等一系列助力企業價值提升的自身優勢［29］，以最大程度上實現企業的低投入與高產出。在制造企業數字化轉型過程中，企業高層管理人員需要為企業制定清晰的數字化發展愿景，感知數字環境變化，理解數字技術價值及明確企業定位［30］，能夠堅定不移地推動轉型工作［31］，是數字化變革的關鍵領導者、核心規劃者和推動者。總的來講，高管理者能力在數字化轉型過程中表現為：基于客戶發展的思維能力即數字化愿景能力、基于數字的業務創新與變革能力即數字創造能力、基于共生團隊的管理與組織發展的能力即融合領導能力、基于共創的組織進化能力即數字化人才建設能力，是組織的重要資源［32］。此外，數字化轉型背景下，要求企業組織架構從傳統剛性較大的“樹狀”轉為靈活的“網狀”，該組織結構下企業每個節點都表現出橫向連接與資源共享，企業運營遵循的是由單點輻射、水波式蔓延直至整體迭代的演化規律，這種規律打開了溝通渠道，表明數字化轉型不僅需要高層管理者主導，也需要覆蓋全體員工，因此對組織的知識密集度提出了更高標準，知識密集度即員工的知識技術水平，組織知識密集度的提升有利于數字技術更好地應用于員工的生產活動，提高企業數字化轉型的速度與深度［33］。同時，知識密集度越高，企業合作與創新的氛圍越濃厚，也越容易提升研發人員數字技術創新的活力［34］。綜上所述，在組織層面，管理者能力與知識密集度對制造企業實現數字化轉型至關重要。

1.2.3 環境因素

環境維度的影響因素包括企業競爭壓力和地區數字環境。企業外部環境是由政府、競爭對手等相互作用形成的復雜系統［17］。企業競爭壓力是指企業在與同行對比過程中，由于內部資源的稀缺性和市場的有限性，而普遍存在的對資源和市場份額等的競爭行為給企業所帶來的壓力［22］，通常表現為區域績效考核、企業效益評價及企業間市場拼搶等，企業競爭壓力使得部分制造業領頭企業利用數字信息技術及數字組織流程變革等方式，期望搶占市場帶來持續競爭優勢，行業內其余企業感知到競爭對手數字化發展的競爭壓力時，往往會選擇跟隨變革開展數字化轉型避免落后［17］。同時，地區數字環境能夠為當地制造企業形成競爭優勢提供重要支撐，地區數字環境指的是該地區內的數字基礎設施、數字技術創新、數字化發展環境等方面的發展水平，是衡量該地區營商環境和經濟水平的重要指標［35］。一方面，數字環境能夠為制造企業發展提供高端生產要素如信息、數據等，完善企業數字基礎設施，實現低端制造向高端制造的轉變［36］；另一方面，數字技術的聚集和發展有賴于數字環境并能引領數字化創新產業集群的形成［37］，從而推動轉型升級。目前，我國各地區數字環境千差萬別，在一定程度上決定著不同地區制造企業是否能借數字化之“東風”成功轉型升級。因此，企業競爭壓力和地區數字環境能夠有效促進制造企業數字化轉型外部優勢的形成。

1.2.4 制造企業數字化轉型驅動因素模型構建

基于文獻梳理和TOE框架，以數字技術創新、數字設施搭建、管理者能力、知識密集度、企業競爭壓力和地區數字環境六個前因變量作為關鍵影響因素，構建制造企業數字化轉型驅動因素模型，如圖1所示。

2 研究設計

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，針對多因誘致的復雜社會問題進行“組態效應”剖析，利用樣本案例間的比較來探究條件組態與結果變量之間的關系［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方法探討制造企業數字化轉型驅動因素的組態效應，主要基于以下方面：首先，與傳統的研究方法相比，fsQCA方法以復雜多元且非線性的角度探究結果變量產生的原因，與本研究探索制造企業數字化多種前因組態作用的復雜因果機制契合；其次，使用fsQCA方法能夠發現制造企業數字化轉型影響因素的非對稱性組合，進一步分析不同組合下的前因要素推動結果要素的不同構型，這是傳統的回歸分析難以做到的；此外，fsQCA方法采用布爾代數進行計算，不會因為變量遺漏而產生結果偏差，本研究樣本數量適中且樣本數據覆蓋各類具有代表性的制造企業，非常適合采用此方法進行系統比較。最后，TOE框架與fsQCA方法匹配度高，經常用于新興技術應用擴散研究［38］，因此，本研究基于TOE理論框架結合fsQCA方法探討制造企業數字化轉型關鍵驅動因素的組態效應具有可行性。

2.2 樣本選擇與數據來源

本文樣本企業為制造業A股上市公司，案例篩選具體步驟如下：首先，依據已有研究得出的企業數字化轉型特征詞圖譜［39］，利用Python工具爬取基期企業年報，對相關名詞“搜索-配對-加總”后剔除未涉及數字化轉型的公司，確保樣本企業明確表示正在進行或準備開展一定程度的數字化轉型；進一步，為保證研究結果的精準性，還根據以下標準進行案例篩選：①剔除數據及信息嚴重缺失的企業；②剔除ST及*ST類企業；③剔除主營業務利潤為負的企業，最終得到175家樣本企業。參照證監委發布的制造業行業大類分類標準，樣本企業分屬20個行業大類，技術密集型企業占比較多，在地域分布上樣本企業覆蓋18個省區市，廣東和江蘇企業占比較大。

其中，“地區數字環境”數據源于騰訊研究院編制《中國“互聯網+”數字經濟指數（2019）》。其余變量數據源于國家知識產權局及國家專利統計局、CSMAR數據庫、CNRDS數據庫、WIND數據庫，結合后續需要進行計算。需要指出的是，數字化轉型是一個過程，其投入與產出具有時滯性，在此對結果變量采取滯后兩期處理，即前因變量為2019年數據，結果變量為2021年數據。

2.3 變量測量

（1）數字化轉型程度（DT）

借鑒吳非等［39］采用文本分析計算方法獲得，該種衡量企業數字化轉型程度的方式已被廣泛采納［40-42］。數字化轉型屬于制造企業高質量發展的重大戰略，通常會體現在企業年報中，首先，借鑒已有文獻、政策文件及研究報告等，形成包含76個特征詞的數字化轉型特征詞庫［39］；其次，使用Python爬蟲功能搜集樣本企業年度報告，并利用Java PDFbox庫提取文本內容；最后，對提取的企業年報進行關鍵詞的配對加總，并剔除“無”“不”等否定性詞語的表述方式及非本公司（包括企業股東、客戶、人員簡介在內）的關鍵詞，最終得到的關鍵詞詞頻作為衡量樣本企業數字化轉型程度的指標。

（2）數字技術創新（DTI）

目前，對于企業創新能力的測量方式分為研發投入與專利數量兩類［43］，但有關制造企業的數字研發投入并未詳細披露，同時數字技術創新水平很大程度上由數字技術產出決定［20］，所以采用數字技術相關專利數量衡量企業數字技術創新水平。具體測度方法為：以十四五規劃指出的云計算、大數據、物聯網、工業互聯網、區塊鏈、人工智能、虛擬現實、增強現實等產業是我國數字技術創新應用和推進數字產業化發展的重點為依據，與國家知識產權局對上述產業相關的專利分類（IPC）進行匹配，通過程序爬取樣本企業中的相關數字技術創新專利，并在最終數據加總過程中剔除未獲授權的低質量專利，保留當年獨立申請、聯合申請、獨立授權、聯合授權的數字技術相關發明專利來進行度量。

（3）數字設施搭建（DF）

現有研究大多選取企業添購數字設備數量、數字化相關硬件投資額等指標衡量，本文借鑒朱斌等［44］將數字設施的搭建分為硬件和軟件兩部分，分別采用樣本企業年報披露的電子設備及計算機類投資和軟件信息系統投資衡量。

（4）管理者能力（MA）借鑒Dermerjian等［45］的測量方式，利用數據包絡分析（DEA）與Tobit模型，從企業全效率中分離出管理者的貢獻度。首先，計算各企業全效率：將固定資產凈額（PPE）、無形資產凈額（Intan）、商譽（Goodwill）、研發支出（Ramp;D）、營業成本（COGS）、銷售與管理費用（SGamp;A）作為投入變量，營業收入（Sales）作為產出變量，通過DEA模型計算得出企業效率（Score）。

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

然后，分離管理者對企業效率的影響。Tobit模型控制企業層面的影響因素，包括企業規模、市場份額、自由現金流、成立年限、國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模型無法完全涵括企業層面因素導致結果存在噪音干擾，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，管理者能力越強其分值就越高。

（5）知識密集度（KTI）

企業知識技術是通過嵌入資本或者勞動發揮作用的，可以體現為高技能人才［34］，借鑒此方法，采用勞動力的知識技術結構即企業技術人員與員工總數之比來表示企業的知識密集程度。

（6）企業競爭壓力（CP）

Nickll［46］認為越多企業同時間段進入某一行業，該行業企業所面臨的市場競爭就越激烈，直接導致企業在該行業利潤池的占比被分割，企業利潤降低，同時，企業的存貨周轉率降低，為了防止庫存積壓，企業會逐步放寬商業信用，導致應收賬款速度放緩。因此，為克服單一指標局限性，本文借鑒張林剛等［42］的研究，將企業主營業務利潤率、存貨周轉率和應收賬款周轉率三個指標進行加權求和，共同衡量企業的競爭壓力。

（7）地區數字環境（DE）

選取“互聯網+”數字經濟指數表示企業所在城市數字環境，已有學者研究驗證該指標作為衡量地區數字經濟環境的有效性［35］，該指標由基礎分數值、智慧民生指數、產業分指數和雙創分指數四個維度構成，最終加權計算其平均分。

2.4 變量校準

定性比較分析的布爾邏輯要求將連續變量校準為0到1之間的模糊集變量。首先，確定完全不隸屬點、交叉隸屬點和完全隸屬點三個錨點，接著通過fsQCA3.0軟件將所有數據轉換為相應的模糊隸屬度分數。參照杜運周等［5］的研究，將三個錨點分別設置為樣本描述性統計的95%、50%和5%，需要指出的是，企業競爭壓力的衡量指標為反向指標，計算過程中已經過正向化處理，在此無需進行反向校準，各變量校準值如表1所示。此外，對隸屬度處于0.5交叉點的隸屬分數加0.001，避免樣本案例被剔除以保證分析結果的準確性［47］。

3 實證分析

3.1 必要性分析

必要性分析目的是檢測各前因變量是否為結果變量出現的必要條件，是進行組態分析的前提，一致性水平達到0.9以上時通常被判定為結果變量產生的必要條件。利用fsQCA3.0軟件對數據進行必要性分析得出結果如表2所示，可以看出一致性得分均低于0.9，即不存在某個單一因素是導致結果變量產生的必要條件，更加印證了對制造企業數字化轉型績效的影響因素進行組態分析是必要的。

3.2 組態分析

以DT 和～DT 作為結果變量，DTI、DF、MA、KTI、CP和DE 作為前因變量構建真值表。借鑒Ragin［48］的做法，案例頻數應設置為樣本案例的1.5%，即需要保留樣本數大于2的邏輯條件組合，同時，將一致性閾值設定為0.8。對得出的三組解中的中間解和簡約解進行嵌套對比，在簡約解與中間解中均存在的條件變量認定為核心條件，只存在于中間解的變量認定為輔助條件。本文依據Ragin［48］的做法，得到制造企業高、非高數字化轉型組態如表3所示。

3.2.1 制造企業高數字化轉型的路徑

根據表3，每條單一組態一致性均遠高于0.75，4條組態都是實現制造企業數字化轉型的充分條件；解的總體覆蓋度為0.476，解釋力強，結果可靠；解的一致性水平為0.843，滿足這4條組態的樣本案例中，有84.3%的企業實現高數字化轉型；從橫向觀察，數字技術創新和知識密集度存在于每條組態中，具有最高的“普適性”，為了更好地識別各轉型路徑的差異性，對其表現出的邏輯特征進一步歸納分析。

（1）技術-組織主導型。組態1（DTI×DF×KTI×～DE）表示，缺乏地區數字環境支持的情況下，擁有高數字技術創新和高知識密集度，輔以較高數字設施搭建的制造企業，能夠更好實現數字化轉型。該組態路徑能解釋約25%的高數字化轉型案例；組態2（DTI×～DF×MA×KTI×～CP）表示，未面臨競爭壓力且缺少數字設施搭建的情況下，擁有高數字技術創新、高管理者能力和高知識密集度的制造企業，能夠更好地實現數字化轉型，該組態路徑能解釋約31%的高數字化轉型案例。該類型為缺乏外部環境驅動或支持的制造企業提供了數字化轉型建議：從內部出發將企業有限資源優先用于建設相應技術和組織的核心部分，充分挖掘自身技術創新能力，引入高質量數字化專業人才并為現有員工賦能，最終能夠更高程度更有效率地實現數字化轉型。

以典型樣本企業德賽西威汽車電子股份有限公司（以下簡稱德賽）為例，該企業位于廣東省惠州市，是入選全球汽車零部件百強的十家中國企業之一，為汽車制造業的龍頭企業，競爭壓力小，相比北上廣深等發達城市來看，惠州市并不能提供同等的數字環境支持，但從德賽企業內部看，在技術方面，該企業建設數字智能工廠、智能倉儲系統及自動雷達生產線等并創新生產行業領先水平的智能制造裝備，設立制造精益部門推進精益化、自動化、智能化服務，已獲評國家智能制造試點示范工廠；在組織方面組建研發團隊，企業技術人員及研發人員占比超40%，始終貫徹高知識密集度的經營戰略。

面對外部環境優勢的缺乏，德賽充分挖掘自身潛力，技術和組織上不斷取得關鍵提升，最終取得高績效回報，綜上，德賽符合“技術-組織主導型”路徑的典型特征。

（2）全要素驅動型。組態3（DTI×MA×KTI×DE）表示，在較強的地區數字環境支持的情況下，擁有高數字技術創新、高管理者能力和高知識密集度的制造企業，能夠更好地實現數字化轉型，該組態能解釋約32% 的高數字化轉型程度案例，是所有構型中覆蓋度最高的，說明大部分實現數字化轉型的制造企業在轉型之前都做了充足準備，才能厚積薄發。組態4（DTI×DF×MA×KTI×CP）表示，在較強的競爭壓力驅動下，擁有高數字技術創新、高管理者能力、高知識密集度輔以數字設施搭建的制造企業能夠更好地實現數字化轉型，該組態路徑能解釋約25%的高數字化轉型程度案例；該類型為處于競爭壓力驅動或良好地區數字環境支持下的制造企業提供了轉型建議，此時需要優先將重點投入在數字技術創新、管理者能力及企業知識密集度的提升上。

以典型企業中興通訊股份有限公司（以下簡稱中興）為例，該企業位于深圳市，營業收入高達1 145億元。從外部環境看，中興位于深圳，數字環境優質，為企業發展提供了所需要的資金和平臺等，使得企業能夠專心進行創新，突破技術封鎖，此外，中興通訊屬于計算機、通信和其他電子設備制造業，在行業中排名第一，競爭力強勁。從企業內部看，中興通訊是眾所周知的高科技企業，必須以創新為使命，2019年企業與數字技術有關專利數量高達3 989 件，超大部分企業20 倍甚至30 倍以上，研發投入在我國排名第四位，同時，按照“三優先、三向導”組建高管團隊，公司技術人員占比超41%，中興以技術創新和員工提升為核心，以深圳優質數字環境為依托，實現了高程度數字化轉型，符合“全要素驅動型”路徑特征。

3.2.2 制造企業非高數字化轉型的路徑

產生非高數字化轉型升級的組態有4 種。組態5（～DTI×～DF×～MA×～KTI×～DE）表示，缺乏高數字技術創新、高數字設施搭建、高管理者能力、高知識密集和高地區數字環境的制造企業，無論是否面臨競爭壓力都無法實現高程度數字化轉型；組態6（～DTI×～DF×～KTI×CP×～DE）表示，面臨強勁企業競爭壓力的情況下，若缺乏數字技術創新、數字設施搭建、知識密集度和地區數字環境支持也不能夠實現轉型升級；組態7（～DF×～MA×～KTI×CP×DE）表示，擁有優質的地區數字環境支撐和競爭壓力驅動的制造企業，若缺乏數字設施搭建、管理者能力和知識密集度，也無法實現轉型升級；組態8（～DTI×DF×MA×～KTI×～CP×～DE）表示，地區數字環境差及缺乏競爭壓力驅動的制造企業，若同時缺乏數字技術創新和知識密集度，即使用高數字設施搭建和高管理者能力，企業轉型升級也不會成功。進一步對比發現，組態5、6、7、8都存在企業知識密集度不高的問題，此時無論外部環境或其他內部能力如何，都導致了非高的轉型升級。

4 穩健性檢驗

本文使用調整一致性水平（0.8提高至0.85）和校準閾值（90%代替95%、10%代替5%）的方法進行穩健性檢驗，觀察組態的參數和數量是否發生重大變化［5］，結果表明，組態基本一致，參數未發生本質變化，表明研究結論具有較高的穩健性。

5 結論與啟示

5.1 研究結論

本研究以175家開展一定程度數字化轉型的制造企業為樣本，結合TOE理論框架，基于組態視角構建數字化轉型驅動因素模型。同時，結合模糊集定性比較分析法（fsQCA），分析制造企業高程度數字化轉型背后驅動因素的組態效應，得出以下主要結論：

第一，制造企業數字化轉型具有“多重并發”的特點。制造企業數字化轉型升級是多重前因條件組態聯結，交互影響，協同發力，任意單一因素都不能構成此結果產生的必要條件和充分條件。

第二，制造企業數字化轉型具有“殊途同歸”的特點。6個前因要素構成4條驅動制造企業數字化轉型的等效組態，同時，可以進一步歸納為技術-組織主導型和全要素驅動型。具體而言，當企業所屬的外部環境處于劣勢時，企業可以運用技術-組織主導型更好地驅動企業實現高程度數字化轉型；當企業擁有一定程度外部環境的支持且管理者能力優勢突出時，企業可運用全要素驅動型，一方面可以加強數字技術創新提升數字技術產出水平，另一方面可以提升員工知識密集度提高數字技術的應用水平，為企業實現更高程度的數字化轉型提供保障。

第三，各組態之間存在重疊和潛在替代關系。在高數字化轉型組態中都包含數字技術創新和知識密集度的要素組合，且非高數字化轉型的所有組態中都包含知識密集度的缺失，說明知識密集度的存在是推動制造企業轉型升級的關鍵因素，同時也要關注企業數字技術創新水平。

5.2 理論貢獻

首先，豐富了制造企業數字化轉型驅動因素的理論與實證研究。現有研究多將數字化轉型作為前因變量，探究其對企業創新［3］、結構升級［12，25］、企業績效［13，30］的影響，而針對制造企業數字化轉型驅動因素的研究較少，本文結合TOE理論框架從技術、組織和環境三個層面分析了6個前因變量對制造企業數字化轉型的影響，完善了TOE理論和制造企業數字化轉型驅動因素的理論研究內容；其次，制造企業數字化轉型驅動因素的相關探索以案例研究為主［17，31］，研究結論的普適性還需通過客觀數據驗證，本文搜集整理了175家開展數字化轉型的制造企業的數據，對6個前因變量的影響作用進行了分析，不僅補充了制造企業數字化轉型驅動因素的實證研究，同時也驗證和完善了已有的相關結論。

此外，基于TOE理論將fsQCA引入到制造企業數字化轉型影響因素的研究中，豐富了研究視角。現實生活中，企業數字化轉型升級是多個前因變量協同聯動的結果，與以往采用定性或定量的單一研究辦法探索前因變量對結果變量的“凈效應”不同，fsQCA可以定性與定量結合以整體視角厘清各個前因要素的協同交互作用如何對數字化轉型產生影響，從而提升研究結論的現實意義，避免落入“單一因素決定一切”的陷阱。

5.3 實踐啟示

對于制造企業而言，首先，管理者思維必須從“局部優化”轉向“組態協調”，摒棄“單因素思維”，注意多要素聯結驅動，從自身角度出發選擇符合實際情況的轉型戰略；同時數字設施搭建并不是數字化轉型的“萬能藥”，部分企業將設備設施的數字化建設直接等同為企業數字化轉型是極其錯誤的，數字化轉型絕不只是設備數字化問題，而是不同處境不同目標的企業面對技術、組織和環境狀況思考總結而成的核心戰略；此外，綜合各個組態發現“數字技術創新+知識密集度”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，厘清各組態之間的替代關系，有助于企業管理者根據自身優劣勢做出最優決策，并根據外部環境、內部技術和組織的變化動態調整轉型戰略，防止資源錯配。

對于政府而言，指導企業數字化轉型升級時應注意結合微觀角度，利用“大數據+人工智能”給予數字化轉型困難的制造企業點對點“輸液式”的精準對接扶持；其次，優質的地區數字環境為制造企業實現高程度數字化轉型提供強力支撐，中央有關部門應給予非一線城市一定的資源和技術傾斜。

5.4 研究局限與展望

首先，影響制造企業數字化轉型的因素較多，基于TOE框架確定的前因變量可能忽視了其他條件，未來研究需要進一步豐富完善。其次，企業數字化轉型的投入與產出具有時滯性，本研究雖采取了滯后兩期的做法，但本質上仍是橫截面研究，未來可以借鑒杜運周等［5］提出的思路將時間維度納入分析框架，拓展研究深度。

參考文獻：

［1］ 袁維寧，杜廣源，李洪宇.ERP與企業數字化轉型［C］//SPG/SEG南京2020年國際地球物理會議論文集，2020：1583-1586.

［2］ 陳亮，王寧.我國制造類企業數字化轉型升級的挑戰和機遇［J］.中國商論，2021（21）：123-125.

［3］ 鐘志華，臧冀原，延建林，等.智能制造推動我國制造企業全面創新升級［J］.中國工程科學，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］ 杜運周，賈良定.組態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（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.淺談制造企業從數字化制造到企業信息化［J］.職業，2010（33）：24-25.

［9］ 張培，張苗苗.制造企業數字化轉型類型與觸發機制［J］.管理現代化，2020，40（6）：19-24.

［10］ 王宇，王鐵男，易希薇.Ramp;D投入對IT投資的協同效應研究：基于一個內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.數字技術創新對產業結構升級的影響及其空間效應：以長江經濟帶為例［J］.軟科學，2022，36（10）：9-16.

［13］ 朱勤，孫元，周立勇.平臺賦能、價值共創與企業績效的關系研究［J］.科學學研究，2019，37（11）：2026-2033，2043.

［14］ 歐春堯，劉貽新，戴海聞，等.人工智能企業顛覆性創新的影響因素及其作用路徑研究［J］.軟科學，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. 企業適應數字化轉型研究框架：一個文獻綜述［J］.科技進步與對策，2021，38（11）：152-160.

［17］ 金珺，李詩婧，黃亮彬.傳統制造業企業數字化轉型影響因素研究［J］.創新科技，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.中國區域創新的時空動態分析［J］.地理學報，2014，69（12）：1779-1789.

［21］ 余江，孟慶時，張越，等.數字創新：創新研究新視角的探索及啟示［J］.科學學研究，2017，35（7）：1103-1111.

［22］ 李煜華，向子威，廖承軍.先進制造業數字化轉型組態路徑研究：基于“技術-組織-環境”的理論框架［J］.科技管理研究，2022，42（3）：119-126.

［23］ 邢小強，周平錄，張竹，等.數字技術，BOP商業模式創新與包容性市場構建［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］ 沈運紅，黃桁.數字經濟水平對制造業產業結構優化升級的影響研究基于浙江省2008—2017 年面板數據［J］. 科技管理研究，2020，40（3）：147-154.

［26］ 綦良群，王金石，崔月瑩，等.中國裝備制造業服務化水平測度基于價值流動視角［J］.科技進步與對策，2021，38（14）：72-81.

［27］ 彭永濤，侯彥超，羅建強，等.基于TOE框架的裝備制造業與現代服務業融合組態研究［J］.管理學報，2022，19（3）：333-341.

［28］ 邢文杰，張景濤. 管理者能力與企業風險承擔［J］. 會計之友，2022（17）：79-87.

［29］ 陳雪芩，鄭寶紅.國外管理者能力研究述評與展望［J］.外國經濟與管理，2018，40（7）：155-166.

［30］ 孫磊，張樹山.智慧化升級的驅動因素及其對物流企業績效的影響［J］.中國流通經濟，2020，34（2）：15-26.

［31］ 林艷，張欣婧.制造企業數字化轉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成本粘性嗎？［J］.會計研究，2019（3）：71-77.

［33］ 吳先明，蘇志文.將跨國并購作為技術追趕的杠桿：動態能力視角［J］.管理世界，2014，30（4）：146-164.

［34］ 常嶸.并購戰略性新興企業對傳統企業轉型升級的影響因素分析［J］.經濟理論與經濟管理，2017，37（12）：88-101.

［35］ 賈建鋒，趙若男，劉偉鵬.數字經濟下制造業國有企業轉型升級的組態研究［J］.研究與發展管理，2022，34（2）：13-26.

［36］ 馬中東，寧朝山.數字經濟，要素配置與制造業質量升級［J］.經濟體制改革，2020（3）：24-30.

［37］ 余東華，李云漢.數字經濟時代的產業組織創新：以數字技術驅動的產業鏈群生態體系為例［J］.改革，2021（7）：24-43.

［38］ 陳爽英，雷波，馮海紅.發達地區和欠發達地區工業數字化的組態路徑：基于“技術-組織-環境”的理論框架分析［J］.科學學研究，2022，40（3）：410-419，453.

［39］ 吳非，胡慧芷，林慧妍，等.企業數字化轉型與資本市場表現：來自股票流動性的經驗證據［J］. 管理世界，2021，37（7）：130-144，10.

［40］ 杜明威，耿景珠，劉文革.企業數字化轉型與中國出口產品質量升級：來自上市公司的微觀證據［J］.國際貿易問題，2022（6）：55-72.

［41］ 肖靜，曾萍.數字化能否實現企業綠色創新的“提質增量”？基于資源視角［J/OL］.科學學研究：1-19.DOI：10.16192/j.cnki.1003-2053.20220905.001

［42］ 張林剛，戴國慶，熊焰，等.中國制造業數字化轉型評價及影響因素：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，政治關聯與企業創新效率［J］.南開管理評論，2016（4）：27-35.

［44］ 朱斌，杜群陽.信息化投資、企業規模與組織績效：基于浙江制造企業的數據［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.