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

張林剛，戴國慶，熊 焰，耿文月

（上海應用技術大學經濟與管理學院，上海 200235）

隨著大數據、區塊鏈、物聯網等信息技術的發展與應用，第四次工業革命已然來臨，制造業再次成為世界各國關注的焦點。發達國家相繼提出振興制造業計劃，如德國率先提出“工業4.0”的概念、美國實施先進制造業伙伴關系計劃、日本制定工業價值鏈計劃；同時，越南、印度和東歐等發展中國家和地區以更低的成本優勢，逐漸取代中國成為發達國家產業轉移的新陣地。中國自2011 年以來，制造業就逐步面臨著勞動人口紅利驟減、要素成本上升、創新型人才匱乏以及制造業企業稅負過重、部分行業產能過剩等問題［1］，制造業轉型升級成為亟待解決的關鍵問題。2021 年3 月，《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》提出要加強建設制造強國和數字中國，充分發揮中國海量數據和豐富應用場景優勢，有效促進數字技術與實體經濟深度融合，實現制造業全價值鏈上的高質量轉型升級。然而從區域層面來看，中國各地區間制造業數字化發展水平差異較大，研發創新重心向東部傾斜，尤其在生產制造領域，北上廣深、浙江、福建等傳統制造業強省生產設備數字化率、聯網率已達到較高水平，而西部地區數字化水平相對較低，不同區域間“數字鴻溝”明顯［2］。究竟是什么因素導致中國各地區制造業數字化轉型程度存在差異？制造業數字化轉型程度高的驅動路徑是什么？這些問題值得進行深入理論探索。縱觀目前數字化轉型相關文獻，學者們主要關注數字化轉型對企業績效、商業模式變革和組織創新的影響以及如何構建數字平臺、數字創新生態等方向的研究。《2018 中國企業數字化發展報告》指出，與其他產業相比，制造業作為中國的核心產業，其數字化水平最低。目前，理論界缺乏對中國不同區域制造業數字化水平的評價以及對影響不同區域數字化轉型的關鍵因素的討論。

制造業數字化轉型程度是一個受多重因素聯合作用的復雜過程，而模糊集定性比較分析法（fsQCA）適用于探究多重因素的聯合效應對結果變量的影響機制［3］。因此，本文首先將改進熵權法和灰色關聯分析相結合，從數字化技術轉型、數字化創新能力轉型和數字化效益轉型三方面對我國不同區域的制造業數字化轉型程度進行評價。在此基礎上，利用fsQCA 方法從技術因素、市場因素和政府因素3 個維度探究影響不同區域制造業數字化轉型的關鍵因素，識別出存在哪些條件組態以殊途同歸的方式推動制造業數字化轉型以及哪些條件對制造業數字化轉型程度高（非高）更為關鍵。

1 文獻回顧

目前，國內外學者對數字化轉型概念的定義尚未達成統一。孟凡生等［4］指出數字化轉型是以數字技術為主導，通過消除行業間的數據壁壘，提高企業運行效率，最終提升企業績效；Frankiewicz 等［5］認為企業數字化轉型是人才而非技術的轉型，通過重塑客戶價值主張來改造企業運營模式、價值創造模式和商業模式，最終提高企業在數字經濟中的競爭力；Rogers［6］認為數字化轉型從根本上來說是企業升級戰略思維的過程，雖然在這一過程中企業需要升級信息技術（IT）基礎設施，但本質上是戰略而非技術的轉型。通過對現有文獻的梳理發現，數字化轉型是通過組合信息、計算、通信和連接技術引發企業屬性的重大變化，從而提升企業轉型能力和價值效益。企業的數字化轉型包含企業組織方式、資源配置方式、研發生產模式和商業模式等在內的全方位、徹底的變革，涵蓋了數字化技術、數字化人才、數字化戰略和思維等諸多要素，且彼此相輔相成。

科學合理地評價制造業數字化轉型程度，是研究數字化轉型影響因素的重要基礎。關于制造業數字化轉型評價方面的研究，池毛毛等［7］和張振剛等［8］等認為數字化轉型是企業實現創新的重要路徑，利用數字技術對企業內部轉型影響的相關題項來衡量中小企業數字化轉型程度；萬倫等［9］基于架構理念從戰略與基礎評估、水平與能力評估、效能與效益評估三方面評價制造業數字化轉型，研究發現數字技術是數字化轉型的基礎，而數字化轉型會影響企業的質量、成本、效率和創新能力，最終從企業的經濟和社會效益中得到體現；黨琳等［10］根據各地區信息就緒度、制造業自身投入的產品和服務以及數字經濟發展水平三方面刻畫制造業數字化轉型程度；陳堂等［11］從影響數字化轉型的驅動要素出發，即從勞動力、資本投入、人力資本、技術創新和創新環境等維度構建區域數字化轉型評價指標體系。此外，由于數字化轉型較難衡量，大部分學者采用對“數字化轉型”等相關詞頻的數量統計對其進行測度。綜上所述，現有關于測量數字化轉型的文獻較少，且多從定性分析和文本分析法出發，測量方法較片面。而本文從數字化技術轉型、數字化創新能力轉型以及數字化效益轉型三方面對中國制造業數字化轉型程度進行評價，不僅有助于揭示制造業數字化轉型的“黑箱”，而且為各地區政府指導企業數字化發展提供參考。

關于制造業數字化轉型影響因素方面的研究，Llopis-Albert 等［12］指出數字技術顛覆了傳統汽車行業的商業模式，其中股東、跨國公司董事會和政府對數字化轉型影響較大，并利用fsQCA 進行實證分析得出對企業基礎設施項目、創新活動等進行投資是推動數字化轉型的根本動力。Hrustek 等［13］將數字化轉型的驅動因素定義為影響數字組織創新的因素或想法，主要包括客戶驅動、技術驅動和組織發展驅動。van Dyk 等［14］通過對南非零售組織的調查發現，利用技術-組織-環境（TOE）模型將數字化轉型的影響因素歸納為技術因素（基礎設施建設、安全風險等）、組織因素（財務資源、企業文化等）和環境因素（客戶需求、市場競爭等）三方面。中國學者王吉發等［15］建立了雙子識別模型，發現市場競爭環境、R&D 人員比例、技術設備狀況等是企業轉型升級的關鍵因素。在此基礎上，陳春花［16］提出傳統企業進行數字化轉型包含數字技術的穿透、數字人才的協助以及開放性組織的協同發展。而陳爽英等［2］借助TOE 模型，從技術因素、組織因素和環境因素三方面對比發達地區和欠發達地區工業數字化水平差異。陳慶江等［17］利用面板固定效應模型，通過對企業同群效應的觀察，發現數字化轉型的核心內涵是通過數字化的工具和平臺推動組織變革，市場競爭環境的變化是推動企業數字化轉型的主要動力。綜上，通過對現有數字化轉型影響因素的分析，發現制造業數字化轉型主要受技術、市場和政府三方面影響。因此，本文從技術、市場、政府3 個維度出發，探討驅動中國制造業數字化轉型程度高（非高）的路徑，理清制造業數字化轉型的本質。

綜上所述，現有關于數字化轉型的研究存在以下不足：一是關于數字化轉型測量方面的研究大多側重于定性分析，或是通過對“數字化轉型”相關詞條的搜索來衡量企業的數字化轉型程度，測量方式過于片面且研究的時間窗口較短；二是現有關于數字化轉型影響因素的研究，主要考慮相關因素的單一作用對制造業數字化轉型的凈效應，未考慮多個因素的聯動影響，不能系統解釋各省制造業數字化轉型的多因素聯合機制；三是關于制造業數字化轉型路徑分析研究較匱乏，尚未揭示中間具體過程的“黑箱”。因此，為了測量各省份制造業數字化轉型程度，本文從數字化技術轉型、數字化創新能力轉型和數字化效益轉型三方面展開研究，并對比各地區制造業數字化轉型程度差異。此外，利用fsQCA 從技術、市場和政府三大關鍵因素對數字化轉型的影響因素進行組態分析，理清導致中國制造業數字化轉型效果異質性的非對稱性因果關系，尋找推動各地區制造業數字化轉型的突破點。

2 制造業數字化轉型評價指標體系與模型構建

2.1 評價指標體系構建

制造業數字化轉型要充分考慮新時代產業發展的新要求。《關于積極推進“互聯網+”行動的指導意見》《關于推進“上云用數賦智”行動培育新經濟發展實施方案》《關于深化新一代信息技術與制造業融合發展的指導意見》《關于加快推進國有企業數字化轉型工作的通知》《“十四五”智能制造發展規劃》等有關推進數字化與制造業深度融合的政策文件提出，要大力實施“互聯網+”協同制造，把推進制造業數字化技術轉型、數字化能力轉型和數字化效益轉型作為實現產業數字化的重要措施，推進制造業全面高質量發展，為新形勢下中國制造業數字化轉型提供明確方向，基于此，結合當前數字技術賦能、數字創新生態、數字價值創造、產業協同發展、產業數字化、數字產業化、柔性制造等實踐模式，本文認為制造業數字化轉型可以從數字化技術轉型、數字化創新能力轉型和數字化效益轉型三方面來進行解讀和闡述。

具體而言，制造業數字化轉型中數字化技術轉型是利用互聯網、大數據、云計算和人工智能等新一代信息技術，打造數字化平臺，形成用數據說話、用數據管理、用數據運營、用數據決策和創新的生產運營模式。從本質上看，數字化技術轉型的核心是數據，包括數據采集、數據存儲、數據運用、數據預測和數據安全維護等方面的能力。數字化創新能力轉型是指隨著數字技術與制造業融合程度不斷加深，促進企業全價值鏈的創新發展。從本質上看，數字化創新能力的核心在于連接，包括協同、合作和共享能力。數字化效益轉型，是指數字化轉型給企業創造的經濟收益和生態效益，即提高企業經濟收益的同時更好地承擔企業的社會責任，從本質上看數字化效益轉型的核心在于價值。

2.1.1 數字化技術轉型

數字化技術轉型是以工業軟件、嵌入型系統軟件等為載體，通過技術改造實現制造業和IT 行業深度融合。鑒于固定資產投資是技術進步的動力源泉，本文借鑒羅序斌等［18］對于制造業創新發展的研究，數字化技術轉型用數字化設備投入、數據處理與運營能力、數字化軟件應用情況、數字化安全建設能力來測度。其中，數字化設備投入包括企業的軟件、硬件、網絡及輔助設備的購置和維護，是企業進行數字化轉型的基礎，為實現其自動化管理、高效生產運營、精準定制服務等提供有力支持。此外，數字化技術轉型產生了大量數據，數據的處理和運營能力是企業數字技術強弱的直接表現。而數字化軟件的應用，即企業應用物理融合系統實現信息的自動交換和動態控制，不僅可以提高企業生產效率和員工溝通效率，而且為企業智能決策和協同創新提供參考依據。最后，數字化安全建設能有效保護企業自身信息系統和客戶隱私，保障企業真正實現數字化轉型。

2.1.2 數字化創新能力轉型

傳統制造業想要在數字化浪潮中實現突圍，亟需打造適應企業自身轉型的數字化創新能力，即利用數字技術實現產業數字化的賦能創新［19］。由于傳統制造業企業具有技術含量高和投入高的特性，因此創新的落腳點在于產品和服務。本文在已有研究的基礎上，借鑒2004—2015 年的《中國制造業發展研究報告》的相關內容，用企業研發強度、產品創新能力、數字人才儲備和有效發明專利數來衡量企業的數字化創新能力轉型水平。其中，研發強度是企業實現產品創新的基礎，研發強度越高越有利于企業實現產品創新，而新產品的銷售收入占比直接體現產品創新的質量；企業服務的創新體現在企業利用數字技術實現精準定制服務，讓用戶參與到新產品的研發，而數字化人才作為數字技術的實施主體，是企業服務創新的基礎；企業的有效發明專利數則直接反映了數字化創新為企業和客戶帶來的效益。

2.1.3 數字化效益轉型

數字化效益轉型是促成企業轉型升級的直觀表現，通過將數字技術應用到制造業價值鏈的各個環節，從而幫助企業獲得更高的效益，這既包括經濟效益的提升，也包括了生態效益的改善。數字技術與企業其他資源要素相融合，對企業生產、研發、銷售等環節實施動態管理，不僅可以提高生產效率為企業創造更高經濟效益，而且可以促進企業綠色技術創新，幫助企業優化生產流程、防控污染排放［20］。因此本文借鑒黃昶生等［21］關于制造業轉型升級的相關研究，將數字化效益劃分為經濟效益和生態效益兩方面，其中，經濟效益包括成本費用利潤率、主營業務收入利潤率和資產負債率3 個指標；生態效益從能源和環境兩個方面考慮，因為各地區很少有統計制造業的生態效益狀況，而制造業又從屬于工業的范疇，因此選取工業企業的數據來代替，其中能源方面用單位工業增加值電力消耗量和單位工業增加值煤炭消耗量來衡量，環境保護方面則用單位工業增加值廢水排放量和單位工業增加值二氧化硫排放量兩個指標來衡量。

表1 傳統制造業數字化轉型評價指標體系

2.2 基于改進熵值-灰色關聯的制造業數字化轉型評價模型

制造業數字化轉型評價結果的準確性和可靠性直接依賴于指標權重的確定。本文對制造業數字化轉型進行評價時，首先利用改進熵值法進行客觀權重賦值，盡量避免主觀因素的干擾。其次，利用灰色理論進行評價分析，通過計算各地區與最優方案的灰色關聯度值，來綜合確定各地區制造業數字化轉型評價結果的優劣排序。

2.2.1 改進熵值法確定權重

熵值法根據各評價指標間的離散程度，用信息熵來確定指標的權重。即若指標cj之間的離散程度越大，則認為指標的信息量越大，其對最終評價結果的影響就越大，因而被賦予較大的權重系數；而指標離散程度越小則表示其對最終評價結果影響越小，相應地被賦予較小的權重系數。但熵值法并不能有效解決當某項指標值因離散程度較大而帶來的指標權重不合理問題，為此本文將選用改進熵值法，即將標準化法與熵值法相結合對指標進行賦權［22］，具體改進步驟如下：

（1）數據標準化處理。由于每一個指標的單位和量綱不同，按照原始數據直接計算會導致結果出現偏差，因此需要對所有數據進行標準化處理。

（2）計算熵值。在各指標標準化處理的基礎上，計算第j個指標下第i個樣本值的比重Yij：

進一步計算第j項指標的信息熵δj：

計算信息熵冗余度ej：

進行指標權重的確定：

式（3）～ 式（5）中：δj≥0，i=1,2,…,n;j=1,2,…,m。最后，根據熵的可加性，一級指標的權重可由二級指標的權重加總得出。

2.2.2 基于改進熵值-灰色關聯的綜合評價

改進熵值-灰色關聯的綜合評價是利用灰色關聯分析來判斷若干個比較序列與參考序列在幾何形狀上的相似程度，即依據關聯度的大小對評價對象進行排序。若越相似，則兩者的關聯程度越高。具體步驟如下：

（1）數據無量綱化。首先需要對所有數據進行無量綱處理，對于正向指標：

對于逆向指標：

（2）確定分析數列。將最優指標集記為S*，由于標準化時已對正向指標和逆向指標進行處理，所以本文將所有指標的最大值視作最優集。在進行灰色關聯系數計算時，選擇將最優集視作參考數列，將各不同地區的指標集視作比較數列，如下所示：

參考數列：{S*}={So1,So2,…,Soj}

比較數列：{S}={Si1,Si2,…,Sij}

（3）計算灰色關聯系數。分別求出第i個地區第j個指標與參考數列中第j個最優值的關聯系數βij（i=1,2,…,n；j=1,2,…,m）

式（8）中：ρ為分辨系數，ρ∈［0,1］，一般取ρ=0.5。

（4）計算灰色加權關聯度：

式（9）中：di表示第i個地區對理想地區的灰色加權關聯度。

（5）評價分析。根據di值的大小對各地區進行優劣排序，di值越大，說明越趨近理想值，評價效果越好。

3 制造業數字化轉型評價結果

3.1 數據來源

本文數據來源于《中國統計年鑒》《中國工業統計年鑒》《中國科技統計年鑒》《中國電子信息產業統計年鑒》《中國第三產業統計年鑒》《中國城市統計年鑒》《中國能源統計年鑒》、中國各省份統計年鑒和統計公告以及國泰安數據庫（CSMAR）等。考慮到數據的可得性，研究對象為中國的28 個省份（剔除海南、西藏、青海、香港、澳門、臺灣），覆蓋了2011—2019 年28 個省份制造業數字化轉型的相關指標數據（以下簡稱“樣本”）。

3.2 制造業數字化轉型評價

依據上文指標體系構建方法，得到樣本省份制造業數字化技術轉型、創新能力轉型、效益轉型和綜合評價結果，取歷年評價結果的均值可得到樣本省份2011—2019 年整體制造業數字化轉型程度（DT），如表2 所示。從評價結果可以看出，中國制造業分布區域廣泛，不同省份制造業數字化轉型差異化明顯，總體呈現東部地區數字化轉型程度較高，中部地區次之，西部地區較差的狀態。

表2 樣本省份制造業數字化轉型水平的對比

從數字化技術轉型視角看，評價結果較好的3個省份為北京、廣東、江蘇，它們在數字化設備投入、數據處理和運營、數字化軟件應用以及數據安全這4 個方面均位居全國前列。這不僅得益于這些地區雄厚的經濟基礎，且本身制造業產業基礎強，在人力資源、基礎設施和資金支持等方面的優勢為制造業的數字化轉型提供了先決條件。然而，中部地區制造業發達的天津、河北卻在了數字化技術轉型程度的前10 位以外，而處于西部地區的陜西、四川、重慶排名較靠前，究其原因是陜西、四川和重慶屬于高質量制造業集聚地區，如陜西的汽車制造業和裝備制造業、四川的電子信息產業和裝備制造業在國內外都擁有良好聲譽。

從數字化創新能力視角來看，排名前10 名的省份分別是廣東、北京、江蘇、浙江、上海、天津、山東、湖南、重慶、安徽，湖南、安徽和重慶雖然地處中西部地區，但擁有豐富的高等教育資源，有著高質量的數字創新人才。據統計，湖南、安徽和重慶等地的R&D 人員全時當量均位居全國前列，為數字化新產品研發和數字技術的創新提供了堅實的人力基礎。

從數字化效益轉型視角看，陜西排名第一，主要是因為陜西制造業數字化生態效益較好，其對環境的破壞程度要遠遠小于北京、上海等地區。而前10 名的省份中，還包括中部地區的河南、湖南，主要原因是湖南裝備制造業和高新技術制造業增加值增長速度明顯高于全國其他省份，使得全省規模工業快速發展，整體制造業呈穩步高質量發展趨勢；而河南制造業中高成長性制造業和高技術產業占制造業的比重較大，工業增加值歷年來穩居全國前列，形成裝備制造、現代食品兩大萬億級產業基地，經濟效益較高。

從制造業數字化轉型的綜合水平來看，雖然存在個別中部省份趕上或是超越東部省份的狀況，但是總體特征沒有實質性變化，仍然遵循著東、中、西梯度空間分布格局，具體分為以下3 個梯度：（1）北京、廣東、江蘇、上海屬于第一梯度，它們在數字化技術轉型、數字化創新能力轉型和數字化效益轉型方面均排名全國前6 位，是中國制造業數字化轉型水平較高的省份。（2）第二梯度包括浙江、陜西、山東、四川、福建、天津、遼寧、湖南、湖北、河南、重慶、安徽，這些地區數字化技術轉型和數字化創新能力轉型高于全國平均水平，但部分地區數字化效益轉型較差，說明這些地區尚處于數字化轉型的初級階段，數字化效益還需要時日才能顯現出來。（3）第三梯度包括吉林、江西、河北、廣西、黑龍江、山西、貴州、內蒙古、云南、新疆、甘肅、寧夏，大部分是西部省份。其中，甘肅、新疆、寧夏等地區因氣候環境惡劣、地理位置偏僻、工業基礎薄弱和缺乏高質量人才，致使制造業的數字化轉型遭受嚴重影響。總之，制造業數字化轉型整體呈現出東部地區轉型較快，中部地區持續追趕和西部地區努力奮進的狀態。各地區要加快制造業數字化轉型，努力突破現狀并積極尋找影響制造業數字化轉型的關鍵因素，探索出適合本地區制造業數字化轉型的驅動路徑。

4 制造業數字化轉型影響因素分析

4.1 研究方法

fsQCA 方法通常用于揭示現實世界中復雜的因果關系［3］。本文使用fsQCA 方法來討論影響因素（條件變量）如何作用于制造業數字化轉型（結果變量），該方法可以通過組態效應來解釋因果之間復雜關系，探索出特定結果存在的多種等效路徑，并且有效避免傳統對稱性定量方法中普遍存在的內生性問題［23］，找到影響制造業數字化轉型程度高（非高）的關鍵因素，幫助本文厘清制造業數字化轉型作用機制，深入分析條件間相互依賴的組態效應［3］。通常，fsQCA 研究使用橫截面數據，但目前研究認為可以應用GCA 模型將數據的時間效益考慮其中［24］。該模型在Ragin［24］的模型基礎上，進一步分析一致性和覆蓋率在不同案例和時間上的分布。Ragin［24］提出3 種不同類型的一致性，即pooled consistency（POCONS）、between consistency（BECONS）和within consistency（WICONS）。其 中，POCONS表明當未考慮時間和個體效應時，樣本中所觀察到的整體一致性；BECONS 測量了面板中每年的橫截面一致性；WICONS 測量了每個特定案例的關系在時間上的一致性，面板數據包括了T個不同的BECONS、N個不同的WICONS 和1 個POCONS。對每個維度之間差異的承認使研究者能夠理解條件和結果之間的關系。此外，計算BECONS 和POCONS之間的歐幾里得距離，即距離越短數據隨時間的一致性越穩定，距離較大則需考慮時間效應（根據蒙特卡洛模擬將基準定位0.1），并計算WICONS 和POCONS 之間的歐幾里得距離，以分析WICONS 在不同情況下的變化。

4.2 數據說明與變量描述

4.2.1 數據說明

本文選取2011—2019 年中國28 個省級單位面板數據進行實證研究，數據來源于各省份統計年鑒、國家統計局、《中國統計年鑒》、《中國第三產業統計年鑒》和《中國財政年鑒》。本文的結果變量使用上文制造業數字化轉型評價結果來表示，具體的條件變量說明如下。

4.2.2 變量描述

由于制造業數字化轉型不僅會受到制造業自身發展及其應用的影響，還受到政府推動力和其他社會因素的影響，如數字基礎設施水平、工業化路徑依賴、市場競爭壓力、數字化制造產業政策、企業家精神、人力資源狀況、數字安全程度等，進一步將其歸納為技術因素、市場因素和政府因素。

（1）技術因素，包括技術創新能力（RD）、人力資本（HR）和數字基礎設施（Infrus）。技術創新能力尤其是數字技術創新能力是制造業進行數字化轉型的關鍵因素。一方面，技術創新能力能夠幫助制造業塑造新發展模式，開拓新市場份額；另一方面，數字技術的擴散使得不同產業擁有共同的技術基礎，創新技術與市場需求的結合能有效推動產業融合，助力產業數字化發展［25］。此外，制造業的數字化轉型需要高素質人才的推動和實施，人力資本的高低是勞動力素質水平的重要體現。而數字基礎設施對制造業數字化轉型有顯著的正向促進作用［26］。技術創新能力用自主研發型創新能力（研發經費內部支出）和技術引進型創新能力（研發經費外部支出）的綜合指數表示［27］；人力資本以企業專科及以上就業人員占比來表征［28］；數字基礎設施選取各省份傳統數字基礎設施（如企業利用互聯網經營的比重、域名數、IPV4 地址數）指數以及新型數字基礎設施（如信息化管理企業比重、有網站的企業比重、電子商務交易企業占比）指數，利用改進熵值法進行賦權，計算綜合評分來衡量各地區制造業的數字基礎設施建設狀況［2］。

（2）市場因素，包括外商投資和市場競爭力。隨著全球化的發展，越來越多外國的先進經驗和成熟發展理念進入中國，對中國的經濟發展和生產力水平產生潛移默化的影響。外商投資可以直接彌補制造業由于購置數字化設備、建設智能化工廠、引進清潔生產技術等帶來的巨額成本，還有利于技術模仿能力強的制造業更加有效地吸收外資企業技術［29］。研究表明，61.05%的中小型制造業企業認為市場競爭壓力是企業進行數字化轉型的首要原因［30］，市場競爭力越大企業進行數字化轉型的可能性越大。面對強烈的市場競爭，企業通過數字化轉型提高信息抓取和尋找動態解決方案的戰略敏捷性，一般采用模仿的手段實現與對手的戰略匹配與競爭均衡。此外，高強度的競爭放大了決策環境的復雜性，提高企業與外部主體的關聯，加強企業間信息交流和資源流動，從而為其贏得更高的市場地位。Nickell［31］認為，企業的主營業務利潤率越高，其他企業進入市場的成本就越高、難度越大，則市場競爭程度就越低；同時，若市場競爭激烈，企業的存貨周轉率就越低，此時企業為盡快清空庫存，會逐步放寬商業信用，從而導致應收賬款的周轉速度放緩。因此，為了克服單一指標的局限，本文利用改進熵值法賦權將銷售利潤率、存貨周轉次數和應收賬款周轉率3 個指標的綜合指數作為市場競爭變化（MKT）的最終測量值，并用外商直接投資總額表示外商投資。

（3）政府因素，主要指政府財政支持。產業的發展需要政府的支持，尤其是新興技術的出現可能會導致企業的顛覆性轉型。面對這種高度不確定的轉型，需要政府發布相關政策或采用財政補貼等手段增強企業轉型信心。政府的財政科技支持，一方面能夠幫助制造業緩解自身融資困難，進而加大對數字化轉型的投資力度；另一方面能夠促使制造業加大研發力度和創新投入程度，從而助力企業的數字化轉型。本文借鑒吳非等［32］的研究，選取財政科技支出強度，即財政科技支出與一般公共預算收入的比值來表示政府對企業的財政支持(GOV)。

4.3 數字化轉型路徑分析

4.3.1 數據校準

根據本文案例的實際情況選擇直接校準法，參照杜運周等［3］和陶克濤等［33］的校準標準，分別設置所有連續變量的5%、50%和95%分位值的3 個錨點作為完全非隸屬度、交叉點和完全隸屬度，最終將所有數據轉換成對應的模糊隸屬分數。此外，在校準時為避免較多案例處在隸屬度為0.5 的交叉點上，從而影響分析結果，本文借鑒Fiss［34］的做法，將隸屬度為1 以下的所有隸屬分數都加0.001。

4.3.2 必要條件分析

根據fsQCA 方法，首先要對各個條件變量進行必要性分析，所謂必要性分析是指結果集合在多大程度上構成條件集合的子集。一致性是必要條件的重要測量準則，通常認為必要條件的一致性不低于0.9［35］143。從表3 中可以看出，對數字化轉型程度高這一結果變量來說，不存在必要條件，但數字化轉型程度非高存在缺少數字基礎設施和缺少外商投資兩個必要條件。

表3 制造業數字化轉型程度高的必要條件分析

4.3.3 條件組態的充分性分析

充分性分析不同于必要條件分析，它是為了探索引起結果發生的多個條件構成的不同組態，即多個條件構成的組態所代表的集合是否為結果集合的子集。同樣是通過一致性來判斷組態的充分性，本文的一致性閾值借鑒程聰等［36］的研究，將其設為0.8，而頻數閾值則根據樣本規模設置為3（下文已通過實證檢驗得出，在該樣本數據中橫截面效應超過時間效應，所以樣本數據不存在面板結構，可將其看作一般QCA，屬于大樣本規模）。基于此，本文分別對制造業數字化轉型程度高和數字化轉型程度非高進行組態分析。

（1）數字化轉型程度高的組態分析。如表4 所示，制造業數字化轉型程度高的路徑有5 條組態，一致性分別為0.979、0.985、0.977、0.993、0.987，說明5 種組態都是促使數字化轉型程度高的充分條件，同時模型解的覆蓋度為0.752，表明前因條件在很大程度上解釋了數字化轉型程度高的原因。

表4 數字化轉型程度高的組態

組態1（HR×Infrus×FDI×Gov）表明，在政府財政支持較少的情況下，人力資本水平高、數字基礎設施好以及企業獲得充分的外部資源投資，仍然會促使數字化轉型程度高。其中，人力資本、數字化基礎設施和外商投資均為核心條件，該組態路徑能解釋約36.3%的制造業數字化轉型程度高的案例，代表性省份有福建、山東、遼寧、湖北。例如，相對于廣東、江蘇而言，遼寧制造業獲得的財政支持要少得多，但目前該省已開通2.5 萬座5G 基站，建成經營性數據中心70 座，營口、鐵嶺、遼寧禾豐、沈陽煤科院、遼寧聯通、葫蘆島等6 個工業互聯網標識解析二級節點上線運營，已接入企業300 家、標識注冊量為350 萬個，新型數字基礎設施相對完善。此外，由于遼寧制造業員工的整體人力資本水平排名靠前，且遠超過大部分中部地區，加之全省從上至下一直貫徹著“以開放做大做強先進制造業”的理念，通過加強與日韓裝備制造業合作、高水平謀劃籌辦沈陽中韓投資貿易博覽會等，因此該省制造業整體數字化轉型程度較高。

組 態2a（RD×Infrus×FDI×MKT）表 明，在較強的市場競爭環境下，制造業要實現較好的數字化轉型應該同時具備技術創新能力高、數字基礎設施較完善和較高的外商投資3 個條件。該驅動路徑能解釋約41.7%的制造業數字化轉型程度高的案例，其中1.8%的案例僅由該路徑解釋，代表性省份有江蘇、山東、湖南、湖北。組態2b（RD×Infrus×FDI×Gov）表明，當制造業具備較高的技術創新能力、較完備的數字基礎設施、對外開放程度高（獲得的外商投資較多）以及當地政府較多的財政支持，就能完成較好的數字化轉型。該路徑解釋約57.7%的制造業數字化轉型程度高的案例，其中2.11%的案例僅由該路徑解釋，代表性省份有廣東、北京、上海、浙江。例如作為制造業大省的江蘇，雖占據全國1/7 的產值，但整體制造業水平尚處于產業鏈中低端，制造業的增加值率偏低，因此以工業互聯網建設為抓手，加快數字化賦能成為了江蘇制造業轉型的必然選擇。《江蘇省企業數字化轉型白皮書》明確提出，企業的數字化包括了人（員工和客戶信息）的數字化、物（廠房、設備、物料等基礎設施）的數字化和事（研發、生產、運營等活動）的數字化，要不斷加強企業深入研發、政府持續培育、龍頭企業大力帶動小企業發展等有利于制造業企業數字化改造的意識。從整個組態2 的結果可以看出，技術創新能力、數字基礎設施和外商投資三者都是核心條件，而市場競爭情況和數字基礎設施是邊緣條件，且二者存在潛在的替代關系。

組態3a（RD×HR×FDI×GOV×MKT）表明，在較強的市場競爭環境下，制造業必須要擁有較強的技術創新能力、較高的人力資本水平、充分的外商投資以及高額的政府財政支持，才能取得程度較高的數字化轉型成果。該組態路徑能解釋約29.4%的數字化轉型程度高的案例，代表性省份有江蘇、山東、陜西；組態3b（Infrus×FDI×Gov×MKT）表明，在市場競爭激烈的情況下，完善的數字基礎設施、較多的外商投資和政府的財政支持能夠幫助制造業完成數字化轉型。該驅動路徑能解釋約40.3%的制造業數字化轉型程度高的案例，代表性省份有安徽、河南、遼寧、湖北。整個組態3 可以看出，外商投資、財政支持和市場競爭三者均為核心條件，而技術創新能力、人力資本的組合與數字基礎設施存在替代關系，且均為邊緣條件。

根據以上5 條路徑包含的核心條件和背后解釋邏輯，將其劃分為兩類數字化轉型模式：資源導向型和市場導向型。（1）市場導向型企業數字化轉型是指前期一些制造業實現數字化轉型，主要是受到市場競爭環境、外商投資和政府財政支持的影響，然后通過改變自身技術創新能力、人力資本或是數字基礎設施建設最終實現轉型。（2）資源導向型企業數字化轉型是隨著數字技術的普及，制造業轉型的動機來源于其追求自身高質量發展，因而更側重自身資源的轉型，如數字基礎設施、技術創新能力或人力資本水平等資源的轉型。本文研究的樣本區間為2011—2019 年，在此期間數字化轉型隨著數字技術、政府政策和市場制度環境的完善，可以分為前期市場導向型和后期資源導向型，二者之間相輔相成。

（2）數字化轉型程度非高的組態分析。如表5所示，導致造業數字化轉型程度非高的路徑有4 條，一致性分別為0.973、0.970、0.971、0.976，說明4種組態都是導致數字化轉型程度非高的充分條件，同時模型解的覆蓋度為0.819，表明前因條件在很大程度上解釋了數字化轉型程度非高的原因。

表5 數字化轉型程度非高的組態

組態1 可以看出，在市場競爭不激烈的環境下，非高的數字基礎設施和非高的外商投資會導致數字化轉型程度非高；而即使具有較高的人力資本水平，但由于缺乏數字基礎設施和外商投資兩個核心條件，仍然會使得數字化轉型程度非高。組態2 表明，在市場競爭激烈環境下，非高的技術創新能力、外商投資（核心條件）以及非高的人力資本水平（邊緣條件），會導致數字化轉型程度低。組態3 表明，在激烈的市場競爭環境下，非高的人力資本、外商投資、財政支持（核心條件）會造成制造業數字化轉型程度低。

綜上，通過對比影響數字化轉型程度高和非高的組態路徑可以看出，這些組態是非對稱性關系，即促成數字化轉型程度高的組態與導致數字化轉型程度低的組態并不一致。但存在一定相同之處，如數字化轉型成功的企業必定是一個對外開放的企業，要能及時汲取外來資源和技術，幫助制造業實施轉型。

4.3.4 一致性和覆蓋率距離的分析

表6 給出了BECONS、POCONS 和相應的距離度量，從中可以看出，無論是每年的一致性閾值還是總體一致性閾值（0.956）均高于0.8，說明組態效應一直存在。WICONS 距離0.322 高于基準閾值0.1，說明本文的數據是不同質的。而WICONS距離（0.322）高于BECONS 距離（0.003），基于GCA 模型可以得出橫截面效應主導了時間效應。此外，表6 的數據進一步顯示每年的BECONS 數值相對穩定，說明年份不作為變量來考慮影響結果，本文數據并不存在面板結構。

表6 2011—2019 年組間和組內一致性年度分布

4.4 穩健性檢驗

本文使用調整一致性水平（一致性水平從0.8 提高至0.85）和校準閾值（使用90%代替95%、10%代替5%）來進行穩健性檢驗，并借助Schneider等［35］44提出的QCA 結果穩健的兩個不同標準（不同組態的擬合參數差異和不同組合集合狀態）進行判斷，結果與表5 所示的一致性和覆蓋率得分幾乎一致，證實了POCONS（COV），BECONS（COV）WICONS（COV）的穩健性。

5 研究結論與啟示

5.1 研究結論

本文從數字化技術轉型、數字化創新能力轉型和數字化效益轉型3 個方面綜合評價中國制造業數字化轉型情況；在此基礎上，運用fsQCA 方法以中國28 個省制造業數字化轉型為案例，探究技術因素、市場因素和政府因素對中國制造業數字化轉型的聯動效應及驅動路徑，揭示了影響中國制造業轉型程度高與非高的核心條件及其復雜互動本質，得出如下結論：

（1）28 個省份中，制雖存在個別西部、中部省份在造業數字化轉型方面趕上或超越東部省份的狀況，但總體上東部領先、中部次之、西部相對落后的局面沒有發生實質性變化，中國制造業發展和制造業數字化轉型程度提升具有廣闊的區域梯度空間。

（2）總體來看，中國制造業數字化轉型程度高具有“多重并發”的特點，任何一個單一因素既不能構成數字化轉型程度高的必要條件，也不能成為促進數字化轉型的充分條件。但是對于不能較好完成數字化轉型的制造業來說，缺少完善的數字基礎設施和外商投資是其不能實現轉型的關鍵變量。數字化轉型程度高存在5 條路徑，可以歸納為2 種配適模式：即組態1 和組態2 是人力資本或技術創新能力、數字基礎設施和外商投資協同發展模式，可以稱之為資源導向型轉型，組態3 是外商投資、政府支持與市場競爭并存模式，可以稱之為市場導向型轉型。

（3）導致數字化轉型程度高的5 條組態中，其所涉及的要素在解釋數字化轉型時存在替代效應，即在技術創新能力強、數字基礎設施和外商投資高時，只需要得到政府的支持或者處在激烈的市場競爭環境中，即可驅動數字化轉型效果；此外，在激烈的市場競爭中，除了獲得政府財政支持、廣泛招攬外商投資之外，完善數字基礎設施或者實現技術創新、提高人力資本水平都會實現制造業的數字化轉型。

5.2 實踐啟示

（1）對制造業來說，應積極貫徹《中共中央國務院關于構建開放型經濟新體制的若干意見》，提高對外開放程度，營造一個良好的營商環境。且由于近幾年中美貿易摩擦升級，中外緊張的貿易關系一定程度影響了國內企業發展，因此制造業在對外開放的同時也要加強自身數字基礎設施建設，從內外兩方面提高自身實力。此外，制造業仍需要進一步提高企業研發水平，借助外部數字資源或自身數字化能力，致力于通過企業技術創新、流程改造、商業模式轉換等助推制造業數字化轉型；同時，增強對外商投資的吸引力，加強數字基礎設施，提高企業數字化轉型水平。

（2）對政府主管部門而言，要加強對制造業的財政支持，在處于不同競爭環境下的制造業需采取不同的支持力度。例如，上海、江蘇、北京、浙江等東部地區市場競爭力強，此時政府應積極發揮作用，加大對制造業數字化轉型的財政支持。而部分地區的市場競爭環境和政府的財政支持存在替代關系，如湖南、湖北等地區制造業市場競爭緩和，在具有較高的制造業技術創新能力、數字基礎設施和外商投資的基礎上，為了促進制造業的數字化轉型，政府應給予一定政策傾斜和財力支持。此外，在制造業未得到政府財政支持的地區，應從企業數字基礎設施、人力資本水平和技術創新能力等方面尋找數字化轉型非高的原因。

5.3 未來展望

由于所采用的客觀權重賦權法依賴足夠的樣本數據和實際的問題域，可能會導致所得權重與其實際重要程度相差較大，將來可根據相關專家意見來確定東、中、西部不同地區指標的重要性，采用組合賦權法來綜合確權，提高指標權重的科學性與準確性，進而對面板數據的模糊集定性比較進行進一步分析。此外，可在本文基礎上進一步對中國東、中、西部制造業數字化轉型影響因素進行組態分析和差異對比。