多維驅動因素聯動效應對企業數字化創新的影響

摘 要：隨著云計算、大數據、人工智能等數字科技蓬勃發展，數字化創新深刻影響著企業創新與運營模式。利用結構方程模型（SEM）與模糊集定性比較分析方法（fsQCA）分析技術不確定性、市場不確定性、企業家精神、組織學習、組織忘記對企業數字化創新的影響。結果發現：技術不確定性、市場不確定性、企業家精神、組織學習、組織忘記和數字化創新6個要素存在因果線性關系，并發現學習主導型、市場驅動學習型和市場主導型3條數字化創新路徑，以及3條非高數字化創新路徑。其中，市場驅動學習型最有可能激發數字化創新。結合結構方程模型（SEM）分析結果，比較上述6條路徑發現，數字化創新的影響因素具有非對稱性，3條非高數字化創新路徑并不是3條高數字化創新路徑的對立面。

關鍵詞：企業數字化創新；驅動機制；結構方程模型；模糊集定性比較分析

DOIDOI：10.6049/kjjbydc.2022080487

中圖分類號：F272.7-39文獻標識碼：A

文章編號：1001－7348（2024）06－0097－11

0 引言

近年來，以人工智能、大數據、云計算為代表的數字技術快速發展，推動現代社會進入數字經濟時代。 《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》專門設置“加快數字化發展 建設數字中國”章節，并對加快建設數字經濟、數字社會、數字政府，營造良好數字生態作出明確部署。截至2021年6月，我國制造業重點領域企業業務流程數控化率與數字化研發普及率已達到51.1%和71.5%，政務、金融、醫療、交通、能源等領域數字化應用持續拓展。然而，通過數字化投資，企業年均增收幅度僅略高于10%，且2/3的企業未看到數字化創新投資對收入增長的促進作用。實際上，企業未能最大限度地激發數字化創新的作用。因此，如何有效驅動企業數字化創新，進而厘清企業開展數字化創新活動的先決條件，是現階段亟待解決的問題。同時，在我國數字技術發展的關鍵時期，聚焦企業數字化創新多重驅動因素與多元化驅動路徑研究，對數字經濟發展具有重要影響。

借鑒現有研究成果，探討影響數字化創新的先決條件，使數字化創新驅動機制研究一脈相承。首先，在企業外部環境層面，學者們強調企業外部市場環境、區域政策、數字經濟發展水平等外部因素對數字化創新的影響。其中，市場環境與技術環境對數字化創新發揮直接驅動作用[1]。由此，在VUCA環境下，有必要進一步探討環境不確定性對數字化創新的驅動作用，關注企業對模糊性、動態性環境的感知能力。其次，在企業內部環境層面，具體包括人力資本、企業文化和信息基礎等。其中，領導組織創新的核心精神發揮主導作用[1]，即企業家精神。這是因為具有較強企業家精神的組織更易接受創新和變革[2]。最后，數字化創新過程中的組織行為能夠影響數字化創新，是數字化創新的動力。因此，本文探討組織學習和組織忘記兩個過程驅動因素對數字化創新的影響，這兩種行為的動態性與持續性能夠滿足數字化創新這一復雜過程要求。數字化創新是持續的動態活動，在不同情境下各因素交互迭代，這一過程受諸多先決條件的影響[3]。因此，揭示內外部過程驅動因素交互的整體機制，對推動數字化創新理論發展具有重要意義。目前，QCA方法成為管理學領域解決因果復雜性問題的重要方法。已有研究通過QCA方法發現，影響企業管理問題的多種因素互相聯系，能夠通過不同組合達到驅動結果的目的。因此，QCA方法適用于多層面驅動因素交互的數字化創新機制研究。

鑒于此，本文采用結構方程模型（SEM）與模糊集定性比較分析（fsQCA）相結合的研究方法，基于組態視角整合企業外部環境層面的環境不確定性、內部環境層面的企業家精神以及過程驅動層面的組織學與組織忘記，以探究前因條件間的關系以及不同組態與數字化創新的關系。本文主要探討以下問題：驅動數字化創新的路徑有哪些？制約數字化創新的路徑有哪些？數字化創新驅動路徑與制約路徑間有何聯系？

1 文獻綜述與模型建構

目前，學者們對數字化創新進行了探索研究，主要研究成果包括：第一，對數字化創新內涵與類型的探究。相關研究主要基于結果（Jahanmir等，2018）、過程（Boland等，2007）及結合結果和過程（Huang等，2017）3個視角，對數字化創新概念進行界定。Yoo等（2010）指出，數字化創新是戰略層面的變革。后續研究發現，數字化背景下，組織創新趨于平臺化、分布化（Yoo等， 2012），創新參與者逐漸多元化（Nambisan等，2017）且創新過程中的組織構念逐漸豐富，數字化生態系統成為大勢所趨。參考謝衛紅[4]的定義，本文認為，數字化創新是不同主體通過對數字化資源進行重組，進而創造新的產品、服務、流程和商業模式的活動。Fichman等（2014）認為，數字化創新類型主要包括數字化產品創新、數字化流程創新和數字化商業模式創新。第二，對數字化創新影響因素與效果的探討。學者們主要關注數字技術對數字創新的驅動作用，發現數字技術是數字化創新的推動者[5]。少量研究關注外部市場需求與技術的驅動作用，但未開展實證檢驗[1]；有研究提出，企業外部市場環境、區域政策、數字經濟發展水平等外部因素能夠影響數字化創新[6]；還有研究關注數字化創新企業內部環境影響因素，發現企業人力資本、企業文化和信息基礎設施等會對企業數字化創新活動產生影響[1]。大部分相關研究采取案例研究方法基于特定情景進行分析，結果發現，數字化創新對企業績效、組織結構、組織變革及數字創業產生影響（suseno等，2018），數字技術能夠改變企業組織方式及行業結構（Fichman等，2014），在塑造創業機會方面發揮重要作用（Nambisan， 2017）。

由此可見，現有研究聚焦數字化創新內涵、類型與結果，對數字化創新影響因素分析較少，尤其對數字化創新驅動機理的探究不夠深入，缺乏實證檢驗。數字化創新是企業內、外部環境和過程驅動因素交互的復雜過程，因此，有必要基于數字化創新特性探討多重因素并發對數字化創新的驅動機理。

鑒于此，本文整合企業內、外環境—過程驅動因素，采用結構方程模型（SEM）與模糊集定性比較分析（fsQCA）相結合的研究方法，深入探討3個層面5個前因條件間的關系，如圖1所示。

1.1 外部環境層面

一方面，權變理論認為，外部環境是企業創新與組織變革的重要驅動力（Chen 等，2019），高度不確定性外部環境能驅動企業數字化創新，以應對瞬息萬變的市場環境；另一方面，在數字化創新過程中，企業需要不斷與外部環境交互，從外部環境獲取的信息與資源是企業重要的創新要素來源。因此，企業數字化創新過程與不確定性外部環境密切相關。Zhou等[7]認為，不同維度的環境不確定性對企業創新行為具有異質性影響，并將其劃為市場不確定性和技術不確定性兩個維度。

1.1.1 市場環境不確定性

市場不確定性是指企業所處市場需求和競爭者、替代者等的不確定性。數字化蓬勃發展背景下，新的市場進入者和競爭者不斷涌入，為消費者創造新的需求。那些對企業競爭能力和市場優勢產生威脅的環境變化會倒逼組織重新制定創新發展戰略，如優化現有管理模式、重塑組織觀念等[8]。具體而言，企業在與市場環境交互過程中，通過吸收新的數字化資源，以及識別、整理、應用有效信息（企業組織學習）整合數字資源，促進資源流動，進而產生數字化創意[9]。隨著企業對數字資源的加速吸收，企業需要及時采取組織忘記行為篩選和摒棄無效知識，變革現有組織結構并優化管理模式，更新知識以彌補自身缺陷[10]，從而更好地應對市場不確定性風險。

1.1.2 技術環境不確定性

技術不確定性是指企業所在行業環境中潛在知識、技術與規范等的不確定性。一方面，隨著行業數字技術不斷迭代，技術環境存在不確定性風險，企業產品、流程及管理等技術知識會迅速貶值[11]。冗余知識會增加組織處理的時間與精力，固有觀念與知識會導致技術研發人員認知路徑僵化，從而抑制數字化創新[12]。在上述環境中，及時開展技術變革以推進數字化創新非常關鍵。組織持續學習與忘記行為能夠有效促進技術變革，及時更迭數字技術以迎合企業創新。另一方面，行業技術變革可為企業創新提供新思路。數字時代背景下，基于戰略層面運用數字技術重組資源有助于企業探尋自身持續發展之路。因此，企業通過組織學習不斷汲取數字技術極為關鍵。已有研究表明，數字時代背景下，積極引入數字技術增強自身數字資源整合與應用能力是企業創新的必然選擇（謝衛紅等，2018）。因此，在外部技術環境不確定性背景下，企業會吸收外部數字技術、學習行業先進管理知識，開展數字化創新，以維持自身競爭優勢。

1.2 內部環境層面

20世紀70年代，學者們基于不同視角對企業家精神進行研究，兩種主要研究視角如下：一是將企業家精神視為個體特質，即人格魅力；二是將企業家精神闡述為個體創新的特定過程（王炳成等，2020）。上述研究認為，企業家精神是指通過挖掘現有資源創造新價值的創新意識和行為，涵蓋企業在創新活動中的創新精神、勇于挑戰的冒險精神和預測環境的前瞻精神（Covin等，1991）。同時，部分研究認為，企業家精神是企業處于VUCA環境中獲取競爭優勢、實現創新目標的動力。由此，凸顯出企業家精神在企業長遠發展過程中的必要性（王金鳳等，2019）。綜上，借鑒以往研究，本文將創新精神、冒險精神和前瞻精神作為企業家精神本質的3個方面，以便全面理解企業家精神在驅動數字化創新過程中的作用。

有學者將企業家精神視為知識外溢機制，能夠克服知識與商業實踐間的屏障（Acs等，2018），有助于組織吸收新知識，從而促進產品、流程、商業模式創新。例如，Audretsch等（2008）強調企業家精神在知識傳遞方面的重要作用。隨著數字經濟發展，企業基于數字資源進行產品、流程、商業模式等方面創新成為大勢所趨。因此，在探討企業數字化創新內部環境驅動因素時，企業家精神是不可忽視的重要推動力。首先，企業家前瞻精神重視對市場的預測及學習的主動性，有助于企業識別市場需求，明確哪些知識是企業需要的，哪些知識對企業無效應及時摒棄。不確定性環境下，前瞻精神能夠幫助企業識別與市場適配的資源組合模式并篩選創新方法[13]。其次，在企業家冒險精神驅使下，企業能夠及時摒棄舊的內外部數字資源，嘗試突破固有管理模式[14]，從而實現數字化創新。最后，在企業家創新精神驅使下，企業會將創新作為自身發展目標，這種創新精神能夠時刻提醒企業突破陳舊思維，通過數字化創新獲取自身核心競爭力[15]。

1.3 過程驅動層面

1.3.1 組織學習

數字經濟時代，數字技術、思維模式和管理方式等成為企業數字化創新的重要基礎。持續的組織學習是企業實現數字化創新的源泉，組織學習的核心要素是“學習源”，據此，李樹文等（2019）將組織學習劃分為外部學習和內部學習。其中，組織內部學習是指基于企業自有知識，組織成員在組織內部進行新知識創造與交換，強調組織內部交互；組織外部學習突出對外部技術的識別、吸納、整合及應用，強調向外部標桿企業學習先進管理知識，包括技術、制度和程序等。

組織學習理論認為，組織學習能夠幫助組織有意識地作出改變以應對環境變化，進而提升競爭能力并構建競爭優勢。現有研究認為，組織學習有助于企業識別、獲取、轉移和吸收顯性知識，上述知識是企業戰略制定的基礎[16]。企業數字化創新需要對數字資源不斷進行挖掘和重組，從中汲取知識。因此，具有組織學習、知識共享理念與行為的企業能夠更好地實現數字化創新[17]。在不確定外部環境下，通過組織內、外部知識學習可以進一步增強企業數字資源開發能力，從而為企業帶來更多回報[18]。同時，企業探索、吸收和有效利用知識有助于管理者對市場的預測，進而敏銳地捕捉數字化創新機遇[19]。

1.3.2 組織忘記

在組織學習研究中，Cohen（1990）認為，組織在接受新知識時，部分知識會隨著時間推移而被忘記，由此提出組織忘記概念，并發現這是組織忘記知識的過程且不受自身控制；盧艷秋等（2014）認為，組織忘記是組織摒棄組織舊慣例、行為等的過程；邢麗微等（2017）認為，組織忘記是指企業突破固有范式和行為的更新能力。參考沈波等（2020）的定義，本文認為，組織忘記是指組織拋棄無效知識的過程。同時，組織學習有助于組織忘記，從而促進新知識獲取。

組織忘記能夠讓企業更開放、更努力地緊跟市場需求，開發新產品[20]。通過案例研究發現，變革現有能力并引入新能力對新興經濟體的中小企業創新至關重要[21]。開展數字化創新的企業通常需要改變固有組織結構、行為模式、慣例和知識基礎，從全局上對自身進行徹底變革，以滿足或創造新市場需求，這能夠最大程度地強化數字化創新的作用，從而提升企業環境應對能力[22]。因此，在企業數字化創新過程中，組織忘記是必不可少的活動。具備數字化知識體系的組織有利于創新靈感產生[23]，從而促進數字化創新。

2 研究設計

2.1 數據來源

本文采用問卷調查法收集樣本，問卷填寫對象為企業中高層管理者。這些員工是相關企業中的創新主力軍，在企業數字化相關活動方面具有實踐經驗，全面了解數字化創新驅動因素。因此，本文研究樣本可用于檢驗各前因變量是否滿足數字化創新的充要條件。通過實地調研發放問卷400份，回收有效問卷320份，回收率80%。其中，制造業占比為16.4%，金融業占比為12.7%，信息技術服務業占比為8.2%，批發零售業占比為9.1%，住宿和餐飲業占比為10.9%；企業規模大部分在500人以下，占比為62.7%；國有企業占比為33.1%，民營企業為66.9%。

2.2 研究方法

本文采用結構方程模型（SEM）與模糊集定性比較分析方法（fsQCA）相結合的研究方法，兩種研究方法基于不同原理，具有不同側重點。結構方程模型（SEM）適用于檢驗探索性模型與假設，并能夠評估預測模型。因此，本文采用結構方程模型分析前因變量對結果變量的凈影響。模糊集定性比較分析方法（fsQCA）適用于探究組合效應，假設變量間具有不對稱性、等價性（不同路線能產生相同結果）、多重性（相同元素能產生不同結果），對分析條件進行0～1之間任意數值校準。本研究選取的變量均是表示程度的連續變量，即每個條件變量隸屬得分介于0～1之間。因此，本文采用模糊集定性比較分析方法（fsQCA）探索導致結果變量的前因條件組合。

2.3 變量選取

本文采用李克特5分制量表對研究變量進行測量，1表示“非常不同意”，5表示“非常同意”。

（1）結果變量：數字化創新（DI）。參考Giudice等[24]的研究成果，數字化創新量表包括“采用數字技術對現有產品、服務和流程進行改造升級”、“能夠利用數字資源使用戶參與創新、修改的過程”、“數字化創新成果能夠融合不同用戶的體驗，在使用過程中可以激發多種多樣的創新”等6個題項。

（2）條件變量：環境不確定性（UE）、企業家精神（ES）、組織學習（OL）和組織忘記（OF）。參考郭海等[25]的研究成果，從技術不確定性（UT）和市場不確定性（UM）兩個維度衡量環境不確定性（UE），包括“企業所在行業的數字技術變化速度很快”等6個題項。參考Covin[26]的研究成果，從創新精神、冒險精神和前瞻精神3個維度衡量企業家精神（ES），包括“特別重視研發活動、追求服務與技術領先與創新”等9個題項。參考王炳成等（2020）、李文亮等[9]的研究成果，從內部學習、技術學習和管理學習3個維度衡量組織學習（OL），包括“該企業內部溝通頻繁且通暢”、“能夠通過整合其它企業數字資源，開發本企業的新產品、新服務、新商業模式等”等9個題項。參考沈波等（2020）的研究成果，組織忘記（OF）量表包括“企業能夠根據外部環境變化，改變新產品開發程序”等6個題項。

（3）控制變量。借鑒以往研究成果[27]，考慮到企業規模（Size）、企業性質（Nature）和行業類型（Type）3個變量與企業內、外部環境和企業行為具有一定關聯性且對數字化創新存在一定影響，故本文將其設定為控制變量。

此外，本文采用SPSS 24.0軟件對條件變量與結果變量進行描述性統計，各變量均值、標準差及相關性系數如表1所示。結果顯示，各變量間存在顯著相關關系，因而適合進行實證分析。

3 實證結果與分析

3.1 信度與效度分析

本文采用Harman單因素探索性因子分析方法檢驗共同方法偏差，共析出3個特征值大于1的因子，第一個因子方差解釋率為22.748%，小于40%。因此，本研究共同方法偏差問題不嚴重。為了檢驗量表可信度，本文對各觀測變量的Cronbach's α值、CR值進行檢驗，結果均大于0.7，說明各量表具有較高的信度。所有題項的因子載荷均大于0.7，各變量KMO值均大于0.7，量表整體KMO值為0.930，大于0.8，各變量方差累計貢獻率均大于70%。上述結果表明，本文研究量表具有較高的結構效度。各變量的AVE值大于0.5且CR值大于0.7，說明模型具有較高的收斂效度，如表2所示。本文采用Mplus7.0進行驗證性因子分析，以檢驗模型區分效度，結果如表3所示。由表3可知，與其它5個競爭模型相比，六因子模型擬合指標均達到判斷標準且優于其它模型，模型區分效度較高。

3.2 SEM檢驗結果

本文采用結構方程模型（SEM）檢驗假設模型中因果路徑的凈效應，該模型擬合結果如下：χ2/df=2.001，GFI=0.936，AGFI=0.906，RMSEA=0.056，CFI=0.996 8，TLI=0.959。由結果可知，分析結果均滿足判斷標準，模型具有較高的擬合度。

結構方程模型（SEM）路徑檢驗結果如表4所示。由表4可知，在控制企業規模、企業性質和行業類型變量后，在95%的置信區間，市場不確定性對組織學習具有顯著正向影響（β=0.342，plt;0.01）；市場不確定性對組織忘記具有顯著正向影響（β=0.263，plt;0.1）；市場不確定性對數字化創新具有顯著正向影響（β=0.155，plt;0.01）；技術不確定性對組織學習具有顯著正向影響（β=0.323，plt;0.01）；技術不確定性對組織忘記的影響不顯著（β=-0.152，pgt;0.1），原因可能在于：高度不確定性環境下，企業難以識別什么技術對自身有用以及什么是失效技術，因而技術不確定性無法對組織忘記發揮正向促進作用；技術不確定性對數字化創新具有顯著正向影響（β=0.274，plt;0.01）；企業家精神對組織學習具有顯著正向影響（β=0.282，plt;0.01）；企業家精神對組織忘記具有顯著正向影響（β=0.580，plt;0.01）；企業家精神對數字化創新具有顯著正向影響（β=0.515，plt;0.01）；組織學習對組織忘記具有顯著正向影響（β=0.460，plt;0.1）；組織學習對數字化創新具有顯著正向影響（β=0.324，plt;0.01）；組織忘記對數字化創新具有顯著正向影響（β=0.259，plt;0.1）。本文結構方程模型檢驗結果如圖2所示。

結構方程模型（SEM）分析結果表明，外部驅動因素、內部驅動因素和過程驅動因素對企業數字化創新具有直接影響。此外，采用結構方程模型（SEM）分析的前提條件是假設高數字化創新與非高數字化創新的前因條件對立，但二者不一定為鏡像對立關系。因此，本文采用模糊集定性比較分析方法（fsQCA）探索前因變量與高/非高數字化創新間的不對稱關系。

3.3 fsQCA檢驗結果

3.3.1 變量校準

本文對研究變量進行校準，以提高分析結果的可解釋性。每個條件變量隸屬于一個集合，對條件變量進行集合隸屬分數賦值的過程就是校準。根據已有研究，在校準時存在完全隸屬、交叉點、完全不隸屬3個錨點（Ragin， 2008）。參考Ragin（2008）的研究成果，0.95為“完全隸屬”、0.5為“交叉點”、0.05為“完全不隸屬”，以此對樣本進行校準。結果發現，非高數字化創新校準規則與高數字化創新相反。由表5可知，各變量完全隸屬點分值為5，交叉點分值均為4.44，完全不隸屬點分值為3。

3.3.2 單因素必要條件分析

參考現有研究，本文對條件變量進行必要性檢驗，如表6所示。由表6可知，條件變量的一致性系數均小于0.9，表明該條件變量與結果變量不構成必要關系，單一條件變量對結果變量的解釋力較弱。由此可見，促進數字化創新的因素是多方面的。

3.3.3 組態分析

基于模糊集定性比較分析方法（fsQCA）的分析結果包括復雜解、中間解和簡約解。其中，同時在中間解和簡約解出現的為核心條件，只在中間解出現的為邊緣條件。本研究主要分析中間解的結果，同時考慮核心條件與邊緣條件的影響。參考Ragin（2008）的研究，本文選擇0.75作為一致性閾值。

根據表7可找出3條高數字化創新路徑。由解的覆蓋率可知，這3條路徑可以解釋89.2%的數字化創新樣本。

（1）學習主導型。H1：OS×～ES，一致性為0.889，原始覆蓋度為0.35，解釋的樣本量覆蓋率為35%，唯一覆蓋率為0.005 7，表明單一組態解釋的樣本覆蓋率。H1表明，無論組織忘記與環境不確定性是否存在，只要企業采取高水平組織學習（核心條件），即使企業家精神條件缺失，也能促進企業數字化創新。根據組織學習理論，組織學習有助于組織有意識地作出改變以應對環境變化，從而提升自身核心競爭能力。結合上述路徑，一方面，進一步驗證了組織學習對企業數字化創新活動的促進作用；另一方面，強調企業主動行為對企業創新的核心作用，尤其是數字化創新活動，企業自主學習能夠為自身帶來更多知識。同時，上述路徑中，在企業家精神缺失情況下，組織學習仍能激發數字化創新。對企業來說，將創新性、冒險性和前瞻性精神融入組織內核道阻且長（Drucker， 2014）。因此，此路徑可為企業家精神缺失的企業提供破局之法，組織學習行為能夠較好地彌補這一精神動力的不足。

（2）市場驅動學習型。H2：UM×OS，一致性為0.877，解釋的樣本量覆蓋率為71%，唯一覆蓋率為0.027。H2表明，無論企業精神、組織忘記、技術不確定性是否存在，高組織學習（核心條件）與高市場不確定性（核心條件）情景下，企業會積極開展數字化創新活動。已有研究發現，數字化創新的前因因素之一為市場需求，強調企業數字化創新具有市場導向[1]。上述路徑進一步驗證市場環境的驅動作用。結合前文結論，市場不確定性對組織學習具有正向影響。可見，由市場驅動的組織學習能夠促進企業數字化創新。具體地，市場不確定性環境可以強化組織學習，后者是企業更新自身知識技能的積極行為。新知識有助于企業分析、預測市場發展趨勢，并結合市場偏好開展創新活動。同時，通過對比路徑的唯一覆蓋率發現，與其它路徑相比，高組織學習與高市場不確定性組合是激發數字化創新活動的核心驅動力。因此，數字時代，該路徑不失為企業破局的較優選擇。

（3）市場主導型。H3：UM×～ES×～OF，一致性為0.893，解釋的樣本量覆蓋率為28.2%，唯一覆蓋率為0.001 5。H3表明，無論組織學習與技術不確定性是否存在，只要存在高市場不確定性（核心條件），即使企業家精神與組織忘記缺失，也能夠促進企業數字化創新。上述路徑進一步驗證了市場環境對企業數字化創新發揮導向作用的結論。同時，較強的壓力感知能力與行動能力可以較好地彌補企業短板（創新性、冒險性和首創性精神缺乏且未摒棄組織無效知識）。具體地，高度不確定性市場環境下，即使不具備創新精神，企業也會開展數字化創新。

基于QCA方法的因果非對稱性假設，不同條件組態可以對數字化創新結果進行解釋。因此，本研究進一步分析非高數字化創新路徑，如表7所示。結果發現，存在3條非高數字化創新路徑，由解的覆蓋率可知，上述3條路徑解釋了57.9%的數字化創新樣本。

路徑NH1：～ES×～OS×～UT×～UM，一致性為0.932，解釋的樣本量覆蓋率為47.7%，唯一覆蓋率為0.014。NH1表明，無論組織忘記存在與否，企業家精神、組織學習、技術不確定性和市場不確定性缺失會導致企業非高數字化創新。

路徑NH2：～ES×～OF×～UT×～UM，一致性為0.917，解釋的樣本量覆蓋率為50.7%，唯一覆蓋率為0.045。NH2表明，無論組織學習存在與否，企業家精神、組織忘記、技術不確定性和市場不確定性缺失會導致企業非高數字化創新。結合前文分析結果可知，企業家精神與市場不確定性對其它因素具有正向影響，核心條件缺失必然會導致非高數字化創新。同時，上述兩條路徑中，當企業內、外部條件均缺失時，企業組織學習與組織忘記行為任缺其一就會抑制數字化創新。由此表明，只有內、外和過程條件同時缺失才會抑制數字化創新，單一條件并不能直接抑制數字化創新。與高數字化創新路徑比較發現，數字化創新影響因素具有非對稱性，組織學習與組織忘記作為核心條件存在并不一定能夠驅動數字化創新，但缺失時會抑制數字化創新。

路徑NH3：～ES×～OS×～OF×～UM，一致性為0.916，解釋的樣本量覆蓋率為52%，唯一覆蓋率為0.058。NH3表明，無論技術不確定性存在與否，企業家精神、組織學習、組織忘記和市場不確定性缺失就會導致非高數字化創新。創新精神缺失且所處市場環境不確定性風險較小，可能會抑制組織主動學習新知識、摒棄舊知識的行為。此時，行業環境中固定的知識、技術與規范等會強化企業“躺平”行為，進而抑制企業數字化創新。相反，高不確定性技術環境可能促使企業學習新知識，缺乏的創新意識與高市場環境風險會導致企業創新活動進程緩慢。與其它路徑相比，NH3唯一覆蓋比率最高，企業家精神、組織學習、組織忘記和市場不確定性缺失會導致非高數字化創新。對比上述3個路徑可以發現，過程驅動因素與外部驅動因素在解釋非高數字化創新時存在替代作用，即當企業家精神與高市場不確定性缺失時，若組織學習或組織忘記缺失，或技術環境不確定性風險較低，企業數字化創新就會受到抑制。

比較上述6條路徑發現，數字化創新影響因素具有非對稱性，3條非高數字化創新路徑并不是3條高數字化創新路徑的對立面。

4 結語

4.1 結論

本文以320份企業樣本為研究對象，結合結構方程模型（SEM）與模糊集定性比較分析方法（fsQCA）分析前因條件對結果變量間的凈影響，并發現了3條數字化創新驅動路徑，即學習主導型、市場驅動學習型、市場主導型，以及3條制約數字化創新的路徑。

（1）市場不確定性環境下的組織學習有利于企業數字化創新。本文采用結構方程模型（SEM）檢驗了技術不確定性、市場不確定性、企業家精神、組織學習、組織忘記、數字化創新6個變量間的因果關系。其中，市場不確定性對組織學習具有顯著正向影響。采用模糊集定性比較分析方法（fsQCA）研究發現，組織學習與高市場不確定性是激勵企業數字化創新的核心條件，市場驅動學習型路徑是數字化創新覆蓋率最高的路徑，大部分樣本企業借由該路徑開展數字化創新。進一步分析表明，市場環境與組織學習是企業數字化創新的重要保障。此外，結構方程模型（SEM）分析結果顯示，市場不確定性環境能夠有效促進組織學習與組織忘記，幫助企業迅速更迭知識并開展數字化創新。值得注意的是，采用模糊集定性比較分析方法（fsQCA）研究發現，3條非高數字化創新路徑（NH1、NH2、NH3）表明，僅組織學習與市場不確定性條件缺失并不能抑制數字化創新。一方面，數字化創新具有復雜動態性，不是單方因素缺失就必然會受到抑制；另一方面，低市場不確定性和低水平組織學習不是抑制數字化創新的條件，僅缺失上述兩個條件的企業還有創新突破機會。

（2）高市場不確定性環境與高水平組織學習能夠有效彌補企業家精神和組織忘記缺失的不足，進而促進企業數字化創新。采用結構方程模型（SEM）分析發現，市場環境不確定性能夠促進組織忘記，企業家精神能夠促進組織學習，組織學習能夠促進組織忘記；采用模糊集定性比較分析方法（fsQCA）研究發現，兩條高數字化創新路徑分別為組織學習（核心）×企業家精神（缺失）和市場環境不確定性（核心）×企業家精神（缺失）×組織忘記（缺失）。前者強調4個條件間的簡單線性關系，只關注單一變量的作用；后者在簡單線性關系的基礎上，強調4個條件在驅動數字化創新過程中的互補關系。高不確定性市場環境與積極的組織學習能夠彌補企業家精神和組織忘記缺失，進而激發企業數字化創新。這一結論極具現實價值，因為根據結構方程模型（SEM）分析結果，低水平組織忘記和缺乏企業家精神的企業，其數字化創新會處于較低水平，但基于模糊集定性比較分析方法（fsQCA）的研究結論可為上述企業提供新的出路，即通過不確定性市場環境與組織學習促進企業數字化創新。

（3）缺乏企業家精神是抑制數字化創新的核心要素。采用模糊集定性比較分析方法（fsQCA）分析發現，3條高數字化創新路徑中，企業家精神均不作為核心條件存在，但3條非高數字化創新路徑中，企業家精神均作為核心條件缺失。上述結果表明，企業家精神可能不是促進數字化創新的核心要素，但其缺失會抑制數字化創新。這一結論在結構方程模型分析中得到印證，企業精神對組織學習和組織忘記具有正向影響，其缺失必然影響其它條件，進而導致非高數字化創新。同時，凸顯出數字化創新活動的異質性，只有三方要素同時缺失才會抑制創新。以往研究僅從單一層面采用傳統回歸分析方法探討數字化創新驅動問題，本文基于組態方法分析數字化創新驅動問題更符合數字化創新特性，更具實踐價值。

（4）本文結合結構方程模型（SEM）與模糊集定性比較分析方法（fsQCA）探究數字化創新驅動機制的因果非對稱性問題，豐富了數字化創新研究。結構方程模型（SEM）能夠檢驗前因變量與數字化創新的因果對稱性，但也存在局限性，無法解釋多種變量組合如何導致一個結果變量這一問題。為解決這一問題，Ragin（2008）采用模糊集定性比較分析方法（fsQCA），通過條件組態改善分析結果，加強對導致結果的充分條件識別。Duarte（2019）、Phung等（2019）采用結構方程模型（SEM）與模糊集定性比較分析方法（fsQCA）相結合的方法探討復雜動態性問題。本文進一步采用模糊集定性比較分析方法（fsQCA）研究發現，非高數字化創新路徑與高數字化創新驅動路徑存在非對稱關系，二者并非完全對立。此外，本文發現，企業家精神缺乏與組織忘記具有非對稱性，這兩個條件出現在不同路徑中會導致相反的結果。由此，進一步豐富了傳統線性回歸中因果關系效應的統一對稱性假設（程聰，2016）。

4.2 實踐啟示

（1）順勢而為，滿足市場需求，強化學習行為。市場不確定性驅動組織學習是激發數字化創新的有效路徑，外部環境壓力與企業主動學習的組合能夠促進數字化創新。由此表明，市場環境變動是“勢”，企業可以通過組織學習“順勢而為”，不斷尋找破局方法。

（2）先行先試，“干中學”。缺乏企業家精神的企業可以采取先行先試策略，通過“干中學”積極引進外部數字技術、管理模式、組織結構促進知識持續更新，以提升組織活力、增強組織戰略柔性，進而及時應對市場變化、識別市場機會。此外，應關注企業家精神對組織學習與組織忘記的促進作用，企業家精神缺失可能會抑制企業數字化創新。企業家的冒險精神、前瞻精神和首創精神能夠促進企業數字化創新。因此，在實踐中，企業需要有意識地培育企業家精神，關注創新精神內核對自身發展的影響。

（3）拒絕“躺平”，把握市場機會。部分企業在面臨企業家精神缺乏與組織忘記缺乏的雙重困境時，應積極尋找創新之路，而非直接“躺平”。高不確定性市場環境下，市場競爭激烈，企業不得不采取行動。因此，壓力較大時，企業應將壓力轉化為動力，及時把握市場機會，實現數字化創新。

參考文獻：

[1]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.

[2]王軼，陸晨云.財政扶持政策能否提升返鄉創業企業創新績效——兼論企業家精神的機制作用[J].產業經濟研究，2022，21（4）：59－71.

[3]CIRIELLO R F， RICHTER A， SCHWABE G.Digital innovation[J]. Business amp; Information Systems Engineering， 2018， 60（6）： 563－569.

[4]謝衛紅，林培望，李忠順，等.數字化創新：內涵特征、價值創造與展望[J].外國經濟與管理，2020，42（9）：19－31.

[5]NAMBISAN S. Information technology and product/service innovation： a brief assessment and some suggestions for future research[J].Journal of the association for information systems， 2013， 14（4）： 1.

[6]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.

[7]ZHOU K Z， TSE D K， LI J J. Organizational changes in emerging economies[J]. Journal of International Business Studies， 2006， 37（2）：248－263.

[8]MACCORMACK A， VERGANTI R， IANSITI M. Developing products on internet time：the anatomy of flexible development process[J]. Management Science，2001（47）：133－150.

[9]李文亮，趙息.外部學習、環境不確定性與突破性創新的關系研究[J].研究與發展管理，2016，28（2）：92－101.

[10]王炳成，郝興霖，劉露.戰略性新興產業商業模式創新研究——環境不確定性與組織學習匹配視角[J].軟科學，2020，34（10）：50－55.

[11]BROWN S L， EISENHARDT K M. The art of continuous change： linking complexity theory and time－paced evolution in relentlessly shifting organizations[J]. Administrative science quarterly， 1997，42（1）： 1－34.

[12]PERRY－SMITH J E， MANNUCCI P V. From creativity to innovation： the social network drivers of the four phases of the idea journey[J]. Academy of Management Review， 2017， 42（1）： 53－79.

[13]祝振鐸.創業導向、創業拼湊與新企業績效：一個調節效應模型的實證研究[J].管理評論，2015，27（11）：57－65.

[14]張懷英，李璐，蔣輝.正式關系網絡、企業家精神對中小企業績效的影響機制研究[J].管理學報，2021，18（3）：353－361.

[15]CHESBROUGH H， VANHAVERBEKE W， WEST J. New frontiers in open innovation[M].NY：Oxford University Press， 2014.

[16]CHANG Y C， CHANG H T. How do established firms improve radical innovation performance？ the organizational capabilities view[J]. Technovation， 2012， 32（7－8）： 441－451.

[17]FORES B， CAMISON C. Does incremental and radical innovation performance depend on different types of knowledge accumulation capabilities and organizational size[J]. Journal of Business Research， 2016， 69（2）：831－848.

[18]HSIEH， PO－AN RAI. Extracting business value from it： a sensemaking perspective of post－adoptive use[J].Management Science，2011，57（11）：2018－2039.

[19]YAO Y， KOHLI R. Learning curves in collaborative planning， forecasting， and replenishment （CPFR） information systems： an empirical analysis from a mobile phone manufacturer[J]. Journal of Operations Management， 2013， 31（6）：285－297.

[20]JOSEFY M， KUBAN S. All things great and small： organizational size， boundaries of the firm， and a changing environment[J]. Academy of Management Annals， 2015， 9（1）： 715－802.

[21]PANDIT D， JOSHI M P. Disruptive innovation and dynamic capabilities in emerging economies： evidence from the Indian automotive sector[J].Technological Forecasting amp; Social Change， 2018，129（4）：323－329.

[22]LYU C， YANG J. Antecedents and consequence of organizational unlearning： evidence from China[J]. Industrial Marketing Management， 2020， 84（1）：261－270.

[23]PERRY－SMITH J E， MANNUCCI P V. From creativity to innovation： the social network drivers of the four phases of the idea journey[J]. Academy of Management Review， 2017， 42（1）：53－79.

[24]MD GIUDICE， SCUOTTO V. A self－tuning model for smart manufacturing smes： effects on digital innovation[J]. Journal of Product Innovation Management， 2021，38（1）：68－89.

[25]郭海，沈睿.環境包容性與不確定性對企業商業模式創新的影響研究[J].經濟與管理研究，2012，27（10）：97－104.

[26]COVINJG， SLEVINDP. Strategic management of small firmsin hostileand benign environments[J].Strategic Management Journal，1989，10（1）：75－87.

[27]閆云鳳，趙曉靜.中國數字技術行業在全球價值鏈中的國際競爭力研究[J].廣西財經學院學報，2020，33（5）：68－82.

（責任編輯：張 悅）

The Impact of the Linkage Effect of Multi－dimesional Driving Factors on Corporate Digital Innovation： An Empirical Analysis Based on SEM and fsQCA

Tian Ze，Xia Yue，Guan Xinge

Abstract：With the booming development of digital technologies such as cloud computing， big data and artificial intelligence， digital innovation is profoundly influencing the corporate innovation models. How to effectively promote digital innovation in enterprises is a research question of practical significance. Less research has been conducted on the influencing factors of digital innovation， especially on the study of the driving mechanisms of digital innovation. Digital innovation is a dynamic activity that is constantly changing， with factors interacting and iterating in different contexts， and this process is influenced by many antecedent conditions. Therefor， this paper investigates the relationship between the five antecedent conditions and the different groupings that comprise them and digital innovation by integrating technological and environmental uncertainty at the external level， entrepreneurship at the internal level， and organizational learning and organizational forgetting at the process－driven level. A research method combining structural equation modeling （SEM） and fuzzy set qualitative comparative analysis （fsQCA） is adopted. The SEM is used to verify the causal relationships between the antecedent variables， and the fsQCA is used to reveal three combinations of causal conditions for high digital innovation and three combinations of causal conditions for non－high digital innovation. Moreover， the multiple analysis methods can provide more information on the relationship between digital innovation and its antecedent variables in companies.

The study first uses the SEM to analyze the net effect of the independent variables on the dependent variables. Then it makes the fsQCA to explore the antecedent variables' conditional combinations leading to the outcome variable. There are 320 valid questionnaires collected from young and middle－aged employees of the enterprises that have introduced digitalization. The main conclusions are drawn as follows. First， technological uncertainty， market uncertainty and entrepreneurship all promote organizational learning and have positive impacts on corporate digital innovation; market uncertainty and entrepreneurship all promote organizational forgetting and corporate digital innovation; organizational learning and organizational forgetting both promote digital innovation. Second， three paths to activate digital innovation are confirmed， including the learning－led path， the market－driven learning path and the market－led path. By comparing the coverage of the three paths， it is found that market－driven learning is more likely to effectively activate digital innovation. Third， the study identifies three paths that can inhibit digital innovation. Finally， it is also found that the paths leading to high digital innovation and the paths leading to non－high digital innovation are not perfectly opposed and that one cannot be inferred to arise from the other; the two conditions of lack of entrepreneurship and organizational forgetting behaviour are asymmetrical and the two conditions lead to diametrically opposed outcomes in different paths.

In summary， this paper enriches the research on the antecedents of digital innovation by verifying the causal relationship between the antecedent conditions leading to digital innovation from the internal and external environment－organizational behaviour pathways. By" analyzing the combination of pathways leading to high digital innovation and non－high digital innovation from a multi－factor synergistic linkage perspective， the study yields the conclusions that are helpful to open the black box of multi－factor synergy－driven digital innovation research. The method based on SEM and fsQCA is used to explore this issue， which can provide theoretical values to the methodological aspects of digital innovation research. Finally， the exploration of the causal asymmetry of the driving mechanisms of digital innovation enriches the explanation of the emergence or otherwise of digital innovation.

The managerial implications are listed as follows. （1） Market uncertainty drives organizational learning behavior， and it is an effective path to stimulate digital innovation. The combination of passive pressure from the external environment and proactive behavior taken by enterprises can greatly promote digital innovation. （2） For some enterprises that lack entrepreneurial spirit，it is recommended that they achieve \"learning by doing\"， actively introduce external digital technologies， management models， organizational structures， etc.， and continuously update knowledge to maintain organizational vitality， enhance organizational strategic flexibility， respond to market changes in a timely manner， and capture market opportunities. （3） When enterprises are under great pressure， they should also fully utilize the driving force brought by pressure to move forward， capture potential market opportunities and engage in digital innovation.

Key Words：Corporate Digital Innovation; Driving Mechanism;Structural Equation Modeling; Fuzzy Set Qualitative Comparative Analysis

收稿日期：2022－08－17 修回日期：2022－11－28

基金項目：國家社會科學基金后期資助項目（21FJYB047）；江蘇省軟科學研究項目（BR2022053）；中央高校基本科研業務專項項目（B220207035，B210207018）

作者簡介：田澤（1964-），男，甘肅張掖人，博士，河海大學低碳經濟研究所所長、教授、博士生導師，研究方向為技術創新與低碳經濟政策；夏月（1997-），女，甘肅張掖人，河海大學低碳經濟研究所博士研究生，研究方向為技術創新管理；管歆格（1995-），女，江蘇常州人，河海大學低碳經濟研究所博士研究生，研究方向為工商管理。本文通訊作者：夏月。