數字化轉型、失敗學習與制度資本對企業數字化創新影響的組態研究

摘 要：運用fsQCA方法，基于258份有效樣本，從組態視角探討數字化轉型（數字化技術水平、數字化應用范圍）、失敗學習（個體失敗學習、組織失敗學習）、制度資本（正式制度資本、非正式制度資本）與企業數字化創新的復雜因果關系。結果表明：首先，單個因素不構成企業高/非高數字化創新的必要條件，但是高數字化技術水平在產生企業高數字化創新過程中發揮普適性作用；其次，產生企業高數字化創新的組態有5個，其中存在兩組二階等價組態，第一組二階等價組態由3個組態構成，均以高數字化技術水平和高個體失敗學習為核心條件，并分別以高數字化應用范圍和高組織失敗學習、高數字化應用范圍和高制度資本、高數字化應用范圍和非高制度資本為邊緣條件；第二組二階等價組態由2個組態構成，均以高組織失敗學習和高非正式制度資本為核心條件，并分別以高數字化技術水平、高個體失敗學習和高正式制度資本，以及高數字化轉型和高正式制度資本為邊緣條件。

關鍵詞：數字化轉型；失敗學習；制度資本；數字化創新；fsQCA

DOIDOI：10.6049/kjjbydc.2023040285

開放科學（資源服務）標識碼（OSID）""""" 開放科學（資源服務）標識碼（OSID）：

中圖分類號中圖分類號：F272.7-39

文獻標識碼：A

文章編號文章編號：1001-7348（2024）15-0065-09

0 引言

隨著智能技術快速發展，人類社會進入數字化時代。2020年，經濟合作與發展組織（OECD）發布的報告《科學、技術與創新數字化：關鍵進展和政策》指出，數字化是當前企業、科學界和政府機構中創新活動的最顯著表現。作為企業高質量發展的動力，數字化創新是創新驅動發展戰略的關鍵環節。吉利汽車的數字人民幣購車體驗、海爾智家“燈塔工廠”數字化平臺的成功經驗表明，傳統創新模式已經不足以維持企業核心競爭優勢。企業競爭力很大程度上取決于其使用數字技術的創新能力。數字化創新成為企業探索新興技術領域、加快推動產品服務高端化與高附加值化的必由之路[1]。可見，企業唯有通過數字化創新才能實現自身持續性變革，從而實現關鍵技術突破性創新。因此，深入探究前因條件對企業數字化創新的影響，進而為企業提供建議具有重要現實價值。

數字化創新是企業在創新過程中基于數字技術開展的產品和業務流程創新[2]。現有研究大多從單一層面入手，探討組織層面的CIO需求方領導力[3]和數字并購[4]或環境層面的知識產權保護[5]等因素對企業數字化創新的影響。但數字化創新實踐根植于企業所處環境[6]，因而其影響因素來自組織內部和外部環境。少數學者關注組織和環境層面因素匹配對企業數字化創新的影響。例如，李小青等[6]發現，組織內部環境（企業文化和信息基礎等）是數字化創新的關鍵情境，外部環境（政策環境和經濟環境等）是數字化創新實踐過程中的向導。一直以來，數字技術都是組織數字化創新的關鍵驅動力[7]。數字化轉型既是企業借助數字技術實現組織變革的過程，也是企業利用關鍵資源的體現，能夠提高企業競爭力和創新績效，進而推動企業數字化創新。根據經驗學習理論，失敗學習作為經驗學習方式，在企業數字化轉型過程中發揮重要作用，能夠幫助企業從失敗中汲取經驗，從而促進企業創新[8]。制度理論指出，制度資本是轉型背景下企業獲取資源的有效方式[9-10]。企業可以通過政府和自身關系網絡獲取所需資源，這些資源可以與企業數字化轉型及失敗學習相匹配，進而幫助企業更好地開展數字化創新。由此可見，數字化轉型、失敗學習和制度資本有助于企業利用數字技術開展創新活動，從而提升數字化創新水平。但需要指出的是，現有研究尚未關注數字化轉型、失敗學習和制度資本對企業數字化創新的影響，更未探討上述因素組合對數字化創新的影響。由此，本文探討數字化轉型、失敗學習以及制度資本對企業數字化創新的影響，彌補現有研究不足。

此外，現有文獻尚未對數字化轉型、失敗學習和制度資本進行多條件依賴關系分析。由于數字化創新的動態性和復雜性，基于整體視角探討各前因條件對數字化創新的組合效應迫在眉睫。傳統回歸分析方法基于自變量相互獨立、單向線性關系和因果對稱性的假設前提，三重交互是其解釋的上限，因而無法充分解釋條件間相互依賴的復雜關系。模糊集定性比較分析（fsQCA）方法是基于組態視角，旨在解釋復雜因果現象的分析方法[11]，可以較好地彌補傳統回歸方法的不足，揭示多層面協同聯動對企業數字化創新的作用機制。鑒于此，本文基于組態視角，采用fsQCA方法考察數字化轉型、失敗學習和制度資本對企業數字化創新的組態效應。

1 文獻回顧與模型構建

1.1 數字化轉型與數字化創新

數字化轉型是指在創新過程中，企業將多種數字化技術運用于產品、運營、管理、戰略思維和商業模式等方面，以提高自身績效和競爭力，進而實現企業變革的過程[12]。數字經濟時代，數字化轉型作為企業創新發展的必經之路，可以引導企業跨越式發展，幫助其形成新的競爭優勢，促使其在創新活動中使用數字技術，最終提高企業數字化創新水平。參考楊震寧等[12]的做法，本文將數字化轉型分為數字化技術水平和數字化應用范圍兩個維度。

數字化技術水平是指企業對各類數字技術（如移動互聯網、物聯網和即時通訊等）的應用深度。對于企業而言，數字技術可以在一定程度上幫助其解決資源匱乏問題，提高稀缺資源配置效率，進而賦予企業持續性變革與創新的能力。一般而言，空間局限性會導致企業內部成員溝通不暢，而數字技術不僅能夠提高信息交換效率[12]，而且可以促進不同成員跨部門、跨組織交流，從而提升企業數字化創新水平。數字化應用范圍是指在運營管理過程中，企業對數字技術的應用廣度。數字技術應用可以增加新產品和服務組合的可能性，從而促進產品、服務及研發流程創新。同時，基于數字技術建立的數字化連接能夠突破組織邊界，因而導致企業面臨不同領域的競爭。為應對競爭壓力，企業會將數字技術融入創新各流程，以增強自身持續變革能力，從而提高數字化創新水平。

1.2 失敗學習與數字化創新

失敗意味著企業在運營過程中未達到預期目的。企業在發展過程中會遇到諸多問題[8]，而創新的本質是對未知領域的試驗性探索[13]，因而失敗是企業創新過程中的常態。根據經驗學習理論，失敗情景可以引發反省，而反省和行動有助于企業有效學習[14]，因而失敗是學習的源泉。在企業發展與創新過程中，失敗學習作為組織學習的主要形式，是對失敗進行反思并不斷完善原有知識和技能的過程，其本質是組織對舊知識的忘卻以及對新知識的重學[14]。因此，當數字化創新失敗時，失敗學習可以幫助企業“逢兇化吉”，將從失敗中學習的經驗和知識轉化為數字化創新所需資源。參考于曉宇和蔡莉[14]的研究成果，本文將失敗學習分為個體失敗學習與組織失敗學習。

個體失敗學習是指在組織創新活動過程中，由于結果偏離預期和期望，員工會對自身及他人的失敗進行學習，通過反思與行動積累經驗，避免再次失敗[15]。人本原理指出，人是管理活動的主體，因而企業創新成果與企業中的個體緊密相連。個體依靠其主觀意愿開展失敗學習。企業在利用數字技術進行創新過程中，受挫和失敗在所難免。此時，企業中的個體若能夠充分發揮主觀能動性，將從失敗中學到的知識、技術作為創新資源，就能加深企業數字化創新程度。同時，個體從失敗中獲取知識和信息后，通過與其他成員分享可以提高企業數字化創新水平。組織失敗學習是組織對內外部失敗經驗進行集體反思并調整行為方式的過程。組織失敗學習將組織視為一個系統，并將失敗學習情景設置于該系統中。一般而言，組織失敗學習可以有效提升企業數字化創新水平。首先，組織可以通過制定制度、規范流程，營造寬容失敗的環境[14]，促使組織成員應用先進的數字技術并以積極的態度投身于數字化創新活動中。其次，組織失敗學習有助于組織對失敗經驗進行總結，進而糾正錯誤，實現數字化創新。最后，組織失敗學習能夠幫助企業有效識別風險，提高問題處理能力以及數字技術應用效率，降低失敗風險，從而實現數字化創新。

1.3 制度資本與數字化創新

在企業發展與創新過程中，制度環境發揮重要作用。事實上，企業創新活動依賴于其所處制度環境[16]。制度資本可為企業創新活動提供資源保障，促進企業數字化創新水平提升。制度理論指出，轉型背景下，企業資源獲取方式可以分為正式和非正式兩種[9-10]。因此，參考高山行等[10]的研究成果，本文將制度資本分為正式制度資本和非正式制度資本。

正式制度資本是指企業從政府獲取知識、信息、資金和政策等資源支持[10]。首先，政府在資金方面的支持能夠支撐企業開展一系列創新活動，在很大程度上促使企業積極投身于新技術研發，尤其是以云計算、區塊鏈等為代表的數字技術。同時，政府支持能夠為企業創新活動提供保障，提升其數字技術應用程度。其次，政府鼓勵產學研協同發展可為企業提供與高校、科研機構接觸、合作的機會，不僅能夠拓寬企業員工知識廣度，而且有助于企業獲得新的信息和技術，從而促進企業數字化創新水平提升。最后，若能獲得政府支持，企業就可以擁有更高的合法性，更易被市場接納，從而增強開展數字化創新的信心和意愿。非正式制度資本是指企業通過自身關系網絡獲取的外部資源、信息和知識等[10]。企業依靠自身建立的外部聯系獲取所需資源，因而所獲資源與自身需求相匹配，更易發揮作用。首先，非正式制度資本帶來的資源與企業自身資源具有相似性[9]，企業員工利用上述資源進行創新會更加得心應手，在創新過程中能夠靈活地使用數字技術。其次，數字經濟時代，企業通過自身關系網絡能夠獲得市場和顧客信息，充分掌握目標群體需求，針對性地將數字技術融入創新流程中，從而提高數字化創新水平。最后，非正式制度資本有利于企業獲取先進的管理經驗和專業人才，解決企業面臨的問題，為數字化創新提供保障。

1.4 組態視角下數字化轉型、失敗學習、制度資本與企業數字化創新

由以上論述可以看出，數字化轉型、失敗學習和制度資本方面的6個單一因素對企業數字化創新水平提高均有所貢獻，但現實中任何企業都無法做到“十全十美”。即便如此，企業依舊可以借助其它條件間的“化學反應”實現高數字化創新。如何對數字化技術水平、數字化應用范圍、個體失敗學習、組織失敗學習以及正式制度資本和非正式制度資本進行組合才能產生企業高數字化創新？各條件在不同組合中發揮怎樣的作用？上述問題需要運用基于整體論的組態思維進行解答。相比于傳統線性回歸方法，基于fsQCA方法的溯因邏輯能夠清晰地識別高數字化創新產生的原因[17]，更細粒度地分析企業數字化創新及影響因素。綜上，本文采用fsQCA方法探究組織層面的數字化轉型和失敗學習，以及環境層面的制度資本方面的6個因素組態效應對企業數字化創新的影響路徑，構建具體組態模型見圖1。

2 研究設計

2.1 研究方法

定性比較分析方法旨在通過案例間的比較，揭示條件組態與結果間的因果關系[11]。本文采用fsQCA方法的原因如下：第一，本研究關注數字化轉型、失敗學習和制度資本方面的6個前因條件對企業數字化創新的影響，上述前因條件相互依賴，對結果具有多重并發影響。相較于傳統統計方法，fsQCA能夠揭示企業數字化創新因果關系的復雜性。第二，與回歸方法不同，fsQCA使用的是布爾代數，不會導致遺漏變量偏差[18]。第三，本研究采用問卷形式收集各變量數據，條件變量和結果變量均具有連續性。相對于csQCA、mvQCA，fsQCA可以更好地解決連續性變量部分隸屬度的問題。同時，fsQCA更多地考慮了前因條件變化對結果造成的細微影響[19]。

2.2 問卷設計

數字化轉型量表設計參考楊震寧等[12]的研究成果，其中，數字化技術水平量表包括7個題項，數字化應用范圍量表包括7個題項，共14個題項。失敗學習量表設計參考于曉宇和蔡莉[14]以及Carmeli[20]的研究成果，其中，個體失敗學習量表包括3個題項，組織失敗學習量表包括4個題項，共7個題項。制度資本量表設計參考Li ＆ Atuahene-Gima[21]、Gao等[9]以及高山行等[10]的研究成果，其中，正式制度資本量表包括5個題項，非正式制度資本量表包括5個題項，共10個題項。數字化創新量表設計參考張延林等[3]以及Tsou ＆ Chen[22]的研究成果，共4個題項。本文所有量表均采用Likert 5級量表進行測量。

本文問卷開發步驟如下：首先，借鑒國內外學者開發的成熟量表并結合本文研究目的，構建各變量初始量表；其次，將初始量表提交給5位相關領域學者，根據其意見對量表進行修改、完善；再次，在進行預調研前，邀請6位企業管理者對題項措辭、表述和設計風格提出意見，進一步完善量表；最后，通過預調研獲取80份有效樣本，運用SPSS 25.0軟件對預調研樣本數據進行信效度分析。結果顯示，各變量的Cronbach's α值均大于0.8，各變量測量題項的CITC值均大于0.5，因子載荷均大于0.7，表明量表信效度滿足要求。由此，本文確定最終正式問卷。

2.3 數據收集與樣本特征

為確保問卷質量，本文將調查對象確定為對企業發展狀況較為熟悉的管理者。正式調研問卷發放途徑如下：一是利用問卷星平臺生成問卷鏈接，通過關系網絡將鏈接發送給企業管理者；二是通過發送電子郵件等方式聯系筆者所在高校及周邊高校的MBA學員，讓其幫助聯系所在企業管理者進行填寫；三是向周邊企業現場發放紙質問卷。本文共發放問卷410份，回收問卷374份，剔除無效問卷后得到有效問卷258份，問卷有效率為68.984%。258份有效樣本描述性統計分析結果見表1。

本文運用Harman單因素法檢驗數據同源偏差問題。探索性因子分析結果表明，被抽取的第一個公因子解釋了總方差的37.669%，小于40%的檢驗標準，表明問卷數據不存在嚴重同源偏差問題。

2.4 信效度檢驗

本文運用SPSS 25.0軟件對各變量的測量量表進行信效度檢驗，結果如表2所示。

信度方面，本文通過Cronbach's α系數、CR值和SMC值加以判斷。各變量的Cronbach's α值均大于0.8，說明量表內部一致性水平較高；CR值最小為0.916，表明量表組合信度較高；SMC值最小為0.502，表明量表題項信度較高。效度方面，本文主要檢驗內容效度、收斂效度和判別效度。首先，各變量量表全部是在現有成熟量表的基礎上結合專家意見修改而成，具有較高的內容效度；其次，驗證性因子分析結果表明，各變量測量題項因子載荷最小值為0.745，AVE最小值為0.608，表明量表具有較高的收斂效度；最后，各變量AVE最小平方根值為0.780，而各變量間相關系數最大值為0.728，表明各變量的AVE平方根值均大于其相關系數，故量表具有較高的判別效度。

2.5 校準

本文采用直接校準法將條件變量和結果變量校準為模糊集隸屬分數。為避免出現模糊集隸屬分數為0.5的情況，參考吳琴等[19]的研究成果，本文各條件變量和結果變量的交叉點、完全不隸屬、完全隸屬的校準標準分別為均值、均值減標準差、均值加標準差。各變量校準錨點如表3所示。

3 實證分析

3.1 單個條件必要性分析

在進行模糊集真值表程序分析之前，需要對單個條件進行必要性分析。高/非高數字化創新的必要條件分析結果如表4所示。由表4可知，單個前因條件影響高/非高數字化創新的必要性水平均未超過0.9，故不構成其必要條件。

3.2 組態分析

本文采用fsQCA方法考察企業高數字化創新前因組態。首先，參考Ragin[23]的做法，將組合中樣本個案出現頻數的門檻值設為總案例數的1.5%，即在建立真值表時將頻數閾值設為3。其次，將原始一致性閾值設置為0.8，將PRI一致性閾值設置為0.75。最后，由于缺乏條件影響結果方向的確切理論和證據，故本文在進行反事實分析時每個條件均選擇“存在或缺失”選項。fsQCA中的分析程序會產生復雜解、簡約解和中間解，在定性比較分析中，既在簡約解又在中間解出現的條件為核心條件，僅在中間解出現的條件為邊緣條件[11]，兩者分別對結果發揮主導作用和輔助作用。

企業高數字化創新條件組態分析結果見表5。由表5可知，產生企業高數字化創新的組態有5個，顯示出較高的一致性。Fiss[24]認為，具有相同核心條件的組態為二階等價組態。因此，H1a、H1b和H1c，H2a和H2b分別構成二階等價組態。

組態H1a指出，高數字化技術水平和高個體失敗學習作為核心條件，高數字化應用范圍和高組織失敗學習作為邊緣條件，企業可以實現高數字化創新。該組態表明，無論企業能否從政府獲得資源支持或通過自身關系網絡獲取所需資源，當企業開展數字化轉型和失敗學習時，企業數字化創新水平較高。具體而言，當數字技術應用程度較高、應用范圍較廣時，企業可以在創新活動中突破空間和資源限制，提升信息傳遞效率并擴大成員交流范圍，進而為數字化創新奠定基礎。但在數字化轉型過程中，失敗在所難免，而失敗學習能夠緩解失敗造成的負面影響。一般而言，個體失敗學習較強的企業，其成員會對失敗進行反思，從中獲取知識，并借助數字技術將所獲知識和經驗應用于數字化創新中。此外，組織失敗學習在為個體營造良好學習氛圍的同時，也會幫助組織規避創新風險，強化創新過程中數字技術的作用。由此可見，當企業開展數字化轉型和失敗學習時，數字技術應用程度得以提升，即使在數字化轉型過程中遭遇失敗，高失敗學習也可以為數字化轉型“保駕護航”，促進企業數字化創新水平提升。

組態H1b指出，高數字化技術水平和高個體失敗學習作為核心條件，高數字化應用范圍、高正式制度資本和高非正式制度資本作為邊緣條件，企業可以實現高數字化創新。如果企業擁有豐富的制度資本，無論組織失敗學習如何，當個體失敗學習較強、數字化技術水平較高、數字化應用范圍較廣時，企業數字化創新水平較高。豐富的制度資本表明，當地政府可為企業提供財政補貼等支持，企業也可通過自身關系網絡引進先進技術和優秀人才，進而為數字化創新營造相對穩定的環境。由此，企業有資源、有信心發展自身數字技術，并將數字技術貫穿于創新各流程。同時，穩定的環境和豐富的資源能夠減輕員工對于失敗的恐懼，使其能夠正視失敗并從失敗中學習新方法、新技能，從而提升企業數字化創新水平。

組態H1c指出，高數字化技術水平和高個體失敗學習作為核心條件，高數字化應用范圍、非高正式制度資本和非高非正式制度資本作為邊緣條件，企業可以實現高數字化創新。該組態表明，即使資源獲取途徑不暢，當個體失敗學習和數字化轉型程度較高時，企業依舊可以實現高數字化創新。具體而言，高數字化技術水平和高數字化應用范圍說明企業數字化轉型意愿強烈，這有利于企業開展數字化創新活動。此時，雖然企業難以獲得外部信息、技術和設備等支持，導致失敗風險增加，但如果企業中的個體失敗學習較強，企業仍然可以獲取有用信息，進而更新技術、產品和服務等，不斷積累數字化創新所需資源，彌補制度資本不足的缺陷，促進數字化創新水平提升。

組態H2a指出，高組織失敗學習和高非正式制度資本作為核心條件，高數字化技術水平、高個體失敗學習和高正式制度資本作為邊緣條件，企業可以實現高數字化創新。該組態表明，無論數字化應用范圍如何，當數字化技術水平較高、失敗學習較強、制度資本較為充裕時，企業可以實現高數字化創新。具體而言，高制度資本表明企業擁有較好的外部環境。從政府獲取的資源能夠幫助企業在資金、政策和社會地位等方面獲得優勢，通過關系網絡獲取的資源可以幫助企業掌握與自身經營業務緊密聯系的市場信息，進而為數字化創新奠定良好的基礎。企業將上述資源與高數字化技術水平及失敗學習相結合，利用數字技術提高資源配置效率與溝通效率。同時，企業可以通過失敗學習完善原有知識和技能，逐步實現高數字化創新。

組態H2b指出，高組織失敗學習和高非正式制度資本作為核心條件，高數字化技術水平、高數字化應用范圍和高正式制度資本作為邊緣條件，企業可以實現高數字化創新。該組態表明，無論個體失敗學習如何，當企業數字化轉型程度較高、組織失敗學習較強和制度資本充裕時，企業可以實現高數字化創新。具體而言，豐富的制度資本可為企業營造穩定的外部環境，為其數字化轉型和組織失敗學習提供資源獲取途徑。企業通過數字化轉型可以擺脫時空限制，突破組織內外邊界，獲得新的競爭優勢。同時，具有較強組織失敗學習的企業會不斷鼓勵員工尋找高效工作方式，從而促進數字化創新水平提升。由此可見，數字化轉型、制度資本和組織失敗學習相互配合可以有效促進企業數字化創新。

對比上述5個組態可以發現：數字化技術水平雖然不是高數字化創新產生的必要條件，但每個組態都包含高數字化技術水平，可見其對高數字化創新產生具有普適性作用。這一結果表明，企業要想在數字化創新方面有所建樹，較高的數字化技術水平至關重要。數字技術不僅是數字化創新的發起者，而且是數字化創新的推動者[25]。由此可見，數字技術對數字化創新的作用不可小覷。較高的數字化技術水平能夠促進企業數字化創新程度提高。此外，由組態H2a和H2b可知，在一定條件下，高數字化應用范圍和高個體失敗學習存在替代關系。具體而言，雖然高數字化技術水平、高組織失敗學習和高制度資本可以形成合力，但還不足以成為促使高數字化創新產生的充分條件組合，必須輔以高數字化應用范圍或高個體失敗學習，企業才能實現高數字化創新。高數字化應用范圍意味著企業數字技術應用范圍較廣，將數字技術融入創新各流程，進而促進數字化創新水平提升。高個體失敗學習有助于企業調動員工的主觀能動性，提升數字技術使用熟練程度，進而實現高數字化創新。

3.3 穩健性檢驗

本文從兩個方面對組態結果進行穩健性檢驗：一方面，將原始一致性閾值提升至0.85檢驗組態的穩健性，結果與上文相同；另一方面，將PRI一致性閾值由0.75提升至0.8，結果見表6。觀察提高PRI一致性閾值后的充分性分析結果可以發現，表6中的組態是表5中組態的子集，二者組態皆有對應。其中，S1對應H1a，S2對應H1b，S3對應H2a。綜上，本文研究結果具有穩健性。

4 結語

4.1 結論

本文基于258份有效問卷，采用fsQCA方法，從組態視角探討了數字化轉型、失敗學習和制度資本方面的6個前因條件與企業數字化創新的關系，得出以下結論：

（1）單個因素都不是產生企業高/非高數字化創新的必要條件，但數字化技術水平對企業高數字化創新發揮普適性作用。

（2）存在5個組態可以產生企業高數字化創新，其中存在兩組二階等價組態。具體而言，第一組二階等價組態由3個組態構成，均以高數字化技術水平和高個體失敗學習為核心條件，并分別以高數字化應用范圍和高組織失敗學習、高數字化應用范圍和高制度資本，以及高數字化應用范圍和非高制度資本為邊緣條件。第二組二階等價組態由2個組態構成，均以高組織失敗學習和高非正式制度資本為核心條件，并分別以高數字化技術水平、高個體失敗學習和高正式制度資本，以及高數字化技術水平、高數字化應用范圍和高正式制度資本為邊緣條件。此外，一定條件下，高數字化應用范圍與高個體失敗學習存在替代關系。

4.2 理論貢獻

（1）本文結合組織和環境層面的6個條件，對企業數字化創新實現路徑進行了組態分析，豐富了企業數字化創新影響因素研究，識別了企業數字化創新前因條件，響應了部分學者提出的對內部因素與外部環境因素進行聯合研究的呼吁，并對數字化轉型、失敗學習和制度資本進行定性比較分析，為深入理解高數字化創新產生的前因組態提供了參考。

（2）本文通過充分性分析和組態間的橫向比較，進一步明晰了各因素間的關系及高數字化創新產生的關鍵因素，揭示了企業數字化創新實現路徑。此外，本文證實了企業高數字化創新實現路徑不止一條，揭示了各前因條件間的關系，并對協同聯動機制進行了深入探究。同時，本文識別出數字化技術水平是企業高數字化創新產生的關鍵因素，對企業數字化創新具有重要影響。本文結論不僅為企業實現數字化創新提供了路徑指導，而且拓展了企業數字化創新影響路徑研究。

（3）在產生企業高數字化創新的組態中，本文識別出部分條件變量間的替代關系。當擁有高制度資本的企業處于高數字化技術水平和高組織失敗學習情境時，高數字化應用范圍和高個體失敗學習在解釋企業高數字化創新時存在替代關系。這充分展現了fsQCA在解釋組態各因素關系方面的優勢，為今后探究復雜數字化創新提供了參考。

4.3 管理啟示

（1）企業應認識到數字化技術水平對數字化創新的重要作用，在運營管理中積極使用數字技術。產生高數字化創新的5條路徑均包含高數字化技術水平這一前因條件，充分印證了數字化技術水平對企業數字化創新的重要性。因此，在數字化創新過程中，企業需要充分利用數字技術，強化數字意識，改變傳統管理模式和思維方式，將數字技術與產品、運營、商業模式相結合，從而實現數字化創新。

（2）企業應靈活變通，多方向探索高數字化創新實現路徑。企業需要注重因素組合優化，充分發揮各因素協同聯動對數字化創新的作用。例如，組態H1b顯示，企業可以推進數字化轉型，獲取制度資本，注重個體失敗學習，從而實現高數字化創新。組態H1a和H1c顯示，無論外部資源是否容易獲取，企業都要積極嘗試數字化轉型，提升數字技術使用熟練程度，緊跟數字化潮流。在此過程中，企業需要營造良好的失敗學習氛圍，制定合理的規章制度，鼓勵員工正視失敗并從中學習，最終提升數字化創新水平。

（3）企業應根據自身情況，明確因素間的替代關系。組態H2a和H2b顯示，當企業具有高數字化技術水平、高組織失敗學習和高制度資本時，輔以高數字化應用范圍或高個體失敗學習就可以實現高數字化創新。如果數字化應用范圍不廣，企業就需要營造寬容失敗的學習氛圍，培養員工失敗學習能力，發揮其主觀能動性，通過高個體失敗學習實現高數字化創新。

4.4 不足與展望

本文存在以下不足：一方面，本文提出的前因條件數量有限，無法充分考慮所有影響數字化創新的因素。例如，高管團隊特征和組織文化等可能對企業數字化創新產生影響，未來可以采用定性比較分析方法對其進行探究。另一方面，本文通過問卷形式收集數據，而這些數據都是靜態數據，未來可以搜集時間序列數據，采用TQCA或TSQCA方法分析企業數字化創新路徑變化軌跡。

參考文獻參考文獻：

[1] 李小青， 何瑋萱， 霍雨丹， 等. 數字化創新如何影響企業高質量發展——數字金融水平的調節作用[J].首都經濟貿易大學學報， 2022， 24（1）： 80-95.

[2] FICHMAN R G， DOS SANTOS B L， ZHENG Z. Digital innovation as a fundamental and powerful concept in the information systems curriculum[J].MIS Quarterly， 2014， 38（2）： 329-353.

[3] 張延林， 鄧福祥， 唐洪婷. CIO自身技能、需求方領導力與數字化創新[J].管理評論， 2021， 33（11）： 145-156.

[4] HANELT A， FIRK S， HILDEBRANDT B， et al. Digital Mamp;A， digital innovation， and firm performance： an empirical investigation[J].European Journal of Information Systems， 2021， 30（1）： 3-26.

[5] ZHENG P， LI Z， ZHUANG Z. The impact of judicial protection of intellectual property on digital innovation： evidence from China[J].Finance Research Letters， 2023， 58： 104257.

[6] 李小青， 李秉廉， 何瑋萱， 等. 基于扎根理論的企業數字化創新形成路徑——一個多案例研究[J].科技進步與對策， 2022， 39（5）： 117-126.

[7] 葉丹， 姚梅芳， 葛寶山， 等. 數字技術驅動傳統非互聯網企業數字創新績效的作用機理——組織合法性的調節作用[J].科技進步與對策， 2023， 40（11）： 11-18.

[8] 盧艷秋， 趙彬， 宋昶. 決策邏輯、失敗學習與企業數字化轉型績效[J].外國經濟與管理， 2021， 43（9）： 68-82.

[9] GAO Y， GAO S， ZHOU Y， et al. Picturing firms' institutional capital-based radical innovation under China's institutional voids[J].Journal of Business Research， 2015， 68（6）： 1166-1175.

[10] 高山行， 肖振鑫， 高宇. 企業制度資本對新產品開發的影響研究——市場化程度與競爭強度的調節作用[J].管理評論， 2018， 30（9）： 110-120.

[11] 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， 2017，33（6）： 155-167.

[12] 楊震寧， 侯一凡， 李德輝， 等. 中國企業“雙循環”中開放式創新網絡的平衡效應——基于數字賦能與組織柔性的考察[J].管理世界， 2021， 37（11）： 184-205， 12.

[13] 周潔， 張建衛， 宣星宇， 等. 雙元視角下調節聚焦對國防研發人員創新行為的影響機制[J].科技進步與對策， 2020， 37（23）： 124-133.

[14] 于曉宇， 蔡莉. 失敗學習行為、戰略決策與創業企業創新績效[J].管理科學學報， 2013， 16（12）： 37-56.

[15] 古家軍， 吳君怡. 新創企業員工間高質量關系影響失敗學習的機理研究[J].科研管理， 2020， 41（5）： 164-171.

[16] 陳懷超， 侯佳雯， 艾迪歐. 制度支持對集群企業創新績效的影響研究——文化相似性的調節作用和技術能力的中介作用[J].中央財經大學學報， 2020，40（11）： 99-110.

[17] DOUGLAS E J， SHEPHERD D A， PRENTICE C. Using fuzzy-set qualitative comparative analysis for a finer-grained understanding of entrepreneurship[J].Journal of Business Venturing， 2020， 35（1）： 105970.

[18] FAINSHMIDT S， WITT M A， AGUILERA R V， et al. The contributions of qualitative comparative analysis （QCA） to international business research[J]. Journal of International Business Studies， 2020， 51（4）： 455-466.

[19] 吳琴， 張驍， 王乾， 等. 創業導向、戰略柔性及國際化程度影響企業績效的組態分析[J].管理學報， 2019， 16（11）： 1632-1639.

[20] CARMELI A. Social capital， psychological safety and learning behaviors from failure in organizations[J].Long Range Planning， 2007， 40（1）： 30-44.

[21] LI H， ATUAHENE-GIMA K. Product innovation strategy and the performance of new technology ventures in China[J].Academy of Management Journal， 2001， 44（6）： 1123-1134.

[22] TSOU H T， CHEN J S. The influence of interfirm codevelopment competency on e-service innovation[J].Information amp; Management， 2012， 49（3-4）： 177-189.

[23] RAGIN C C. Redesigning social inquiry： set relations in social research[M].Illinois： University of Chicago Press， 2008.

[24] 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.

[25] 李小青， 李秉廉. 數字化創新研究熱點演化分析[J].統計與信息論壇， 2022， 37（5）： 115-128.

責任編輯（責任編輯：張 悅）

英文標題A Configuration Study on the Impact of Digital Transformation， Failure-Based Learning and Institutional Capital on Enterprise Digital Innovation

英文作者Chen Huaichao， Liu Baijun， Liang Chen， He Zhimin

英文作者單位（College of Economics and Management， Taiyuan University of Technology， Taiyuan 030024， China）

摘要Abstract： As the power for the high-quality development of enterprises， digital innovation is a key link in the innovation-driven development strategy. Only through digital innovation can enterprises realize continuous changes. Therefore， it is of great practical significance to deeply explore the impact of antecedents on enterprise digital innovation. Some scholars have identified certain factors that impact enterprise digital innovation， either at the single level of organization or environment or the combination of them. However， the existing literature has not yet paid attention to the impact of digital transformation，failure-based learning， and institutional capital on enterprise digital innovation. With the increasing dynamics and complexity of digital innovation， it is imperative to study the combined impact of various antecedents on enterprise digital innovation from a holistic perspective.

In view of this， with 258 valid samples， the paper uses the fsQCA method to discuss the complex causal relationship among digital transformation （digital technology level and digital application range）， failure-based learning （failure-based learning at the individual level and failure-based learning at the organizational level）， institutional capital （formal institutional capital and informal institutional capital） and enterprise digital innovation from the configurational perspective.

It concludes that， firstly， there is not any single factor that constitutes a necessary condition leading to high/non-high digital innovation of enterprises， but digital technology level plays a general role in leading to high digital innovation. Secondly， there are five configurations that lead to high digital innovation of enterprises， in which there are two groups of second-order equifinal configuration， including three and two configurations， respectively. The first group of second-order equifinal configuration all take high digital technology level and high failure-based learning at the individual level as core conditions， and take high digital application range and high failure-based learning at the organizational level， high digital application range and high institutional capital， high digital application range and non-high institutional capital as peripheral conditions， respectively; the second group of second-order equifinal configuration all take high failure-based learning at the organizational level and high informal institutional capital as core conditions， and take high digital technology level and high failure-based learning at the individual level and high formal institutional capital， high digital transformation and high formal institutional capital as peripheral conditions， respectively. Furthermore， under certain conditions， there is a substitutional relationship between high digital application range and high failure-based learning at the individual level in leading to high digital innovation of enterprises.

The theoretical contributions have three aspects. Firstly， combining the organizational and environmental levels， this paper selects six factors of digital transformation， failure-based learning and institutional capital to make a configuration analysis on the realization path of enterprise digital innovation， which enriches the study on the impact factors of enterprise digital innovation. Secondly， through adequacy analysis and horizontal comparison among configurations， it further confirms the relationship among various factors， and the key factor that leads to high digital innovation， and clarifies the study on the realization path of enterprise digital innovation. Finally， under certain conditions， there is a substitutional relationship between high digital application range and high failure-based learning at the individual level， which fully shows the advantage that QCA can explain the relationship among the factors of the configuration， and provides reference for exploring the complex digital innovation of enterprises in the future.

This paper provides some management enlightenments for related enterprises. Firstly， enterprises should recognize the important role of digital technology level in digital innovation， strengthen digital consciousness， and apply digital technologies to products， operations and business models to realize enterprise digital innovation. Secondly， enterprises should be flexible and explore the realization path of high digital innovation in many directions， then pay attention to the combination optimization of factors， and give a full play of the synergy role of all factors in digital innovation. Finally， enterprises should make clear the substitution among factors according to their own conditions. Under certain conditions， if the digital application range is not extensive， enterprises should encourage employees to exert their subjective initiative， and" realize high digital innovation through high failure-based learning at the individual level.

關鍵詞Key Words：Digital Transformation; Failure-based Learning; Institutional Capital; Digital Innovation; fsQCA