摘要:数字创新是推进数字技术与实体经济深度融合、加快数字中国建设的新引擎。然而,现有研究对数字创新的影响因素和驱动路径缺乏深入研究。基于TOE理论框架,以我国制造业上市公司为研究案例,构建制造企业数字创新水平差异的分析框架,并运用模糊集定性比较分析方法进行深入分析。研究结果表明,存在3类能够产生高水平数字创新的驱动路径,分别是居安思危型、乘势而为型和高瞻远瞩型。通过对比高水平数字创新组态路径发现,要素之间存在互补替代关系,希望研究结论能为制造企业探索和实施数字创新活动提供启示。

　　关键词:制造企业;数字创新;TOE框架;组态分析

　　0引言

　　国际政治经济格局变化多端,单边主义、霸权主义、保护主义对我国制造业迈向全球价值链中高端带来挑战。在此形势下,“十四五”规划和2035远景目标纲要指出,促进数字技术与实体经济深度融合,打造数字经济新优势,壮大经济发展新引擎。伴随数字技术深度渗入制造业产业链与创新链中,引致生产运作方式和创新发展模式的深层次变革,聚焦数字技术的创新活动成为探究制造企业创新发展的焦点问题[1]。尤其在当前复杂局势下,关于制造企业数字创新经验与模式的针对性研究,可提升制造企业基于数字技术的创新能力及其所嵌入产业的整体创新水平。因此,有必要探究制造企业数字创新发展经验和模式,尤其需要识别影响制造企业数字创新的多重因素及相互作用关系,实现驱动制造企业开展数字创新活动和数字创新成果涌现的目的。

　　数字创新是利用数字技术实现产品、过程和商业模式的改变[2]。随着数字创新研究的不断深入,众多研究表明企业数字创新会受多个层面因素的影响,如标准化能力、首席信息官、高管团队特征等[3-5]。然而,数字创新是一个复杂系统问题,多数既有研究仅探究某一层面因素的影响,尚未探析企业数字创新差异化的原因,且围绕制造企业的针对性研究相对匮乏,制造企业数字创新相关核心条件及条件间的组态规律仍不明晰,驱动数字创新形成的差异化路径仍处于初步探索阶段。

　　组态分析方法能够充分解释管理问题背后的因果复杂性,近年来得到广泛应用。实际上,多层面影响因素并非独立作用于研究结果,因素之间的联动匹配致使研究结果出现差异化实现路径。鉴于此,有必要基于组态思维探究制造企业数字创新多层面影响因素和差异化驱动路径。因此,本文基于技术—组织—环境(TOE)框架,构建制造企业数字创新差异的分析框架,利用模糊集定性比较分析方法,明晰各因素的影响以及因素之间的联动匹配作用。研究有助于深化对制造企业数字创新驱动路径的认识,丰富数字创新相关理论研究,并为制造企业数字创新发展提供管理启示。

　　1理论回顾与模型构建

　　1.1数字创新

　　大数据、人工智能、物联网等新一代数字技术的蓬勃发展与深度应用改变了创新的内在逻辑,对创新的行为、过程及结果产生变革性影响,形成了数字创新这种新型创新范式[6],是企业在数字经济时代获取持续竞争优势的重要手段。当前,数字创新成为创新管理领域的研究热点,学者从概念、影响因素和后效等方面展开研究。其一,从数字创新概念来看,Fich-man等[2]、王海花等[3]、李振东等[7]和Wang等[8]均将数字创新界定为数字技术和物理组件的新组合,以实现产品、流程和商业模式的改变;数字创新概念界定基本达成共识,并认为数字创新具有复杂性、动态互动等特点,数字技术在其中发挥重要作用[9]。其二,数字创新影响因素研究集中于3个方面—技术(如数字技术和IT能力)[10]、组织(如企业领导力、地位、管理认知、动态能力和数字导向)[5,7,9,11]和环境(如外部利益相关者和行业竞争)[7,12],研究侧重于采用多元回归分析等传统方法,样本集中于我国上市公司,涉及ICT产业、工业企业和制造企业。其三,数字创新后效研究集中于智能化转型、组织绩效等方面[13-14]。综上可见,上述研究倾向于孤立地探究某一或某几层面因素对数字创新的线性影响,有必要构建制造企业数字创新差异的整合性分析框架,从整体性视角识别影响制造企业数字创新的关键要素及其相互作用,揭示背后的复杂因果关系。

　　1.2 TOE理论框架

　　TOE理论框架由Tornatizky和Fleischer提出[15],基于企业内外部条件解释新技术应用和扩散;该框架从技术、组织和环境3个层面探讨新技术应用和扩散的影响因素,但各层面因素并未确定。通过梳理既有研究,技术层面包括技术管理、技术能力、基础设施建设等[16];组织层面包括高管团队特征、组织能力、认知结构、前期绩效等[17];环境层面包括产业竞争程度、政府政策与制度等[16-17]。随着研究推进,学者们根据研究实际情境和实践经验对其进行调整,逐步拓宽理论应用场景,提升框架应用的适用性和可操作,该理论已广泛应用于工业数字化水平、组织创新等领域[16,17]。

　　尽管TOE框架已得到广泛应用,但尚存可完善之处:作为一个综合性分析框架,在剖析新问题和新对象、应用新场景时,框架内相关因素的选择应根据实际情境和实践经验,并需要更进一步的论证[19]。此外,技术、组织和环境3个层面因素之间的联动匹配关系尚需拓展,通过探究因素之间的互动关系,以更清晰解释结果产生的背后原因。综上,本文基于TOE框架,整合技术、组织和环境3个层面因素,构建制造企业数字创新影响因素的整合性模型,明晰不同因素影响以及因素之间的联动匹配作用。

　　1.3模型构建

　　基于既有研究,并综合考虑模型的简洁性和数据可得性,本文最终确定了技术层面的技术能力,组织层面的前期绩效、战略柔性和管理数字注意力,环境层面的环境复杂性和政府数字举措在内的6个前因条件,结合上述前因条件分析其对数字创新的复杂作用。

　　(1)技术层面。技术能力是企业运用多种技术开发新想法以创造出被市场接受的新产品和新服务,涵盖创新意识、对技术的掌握、对研发的投入、研发决策自主性等内容[20],映射企业技术研发和应用的水平。技术能力强的企业更具冒险精神,可在变幻莫测的环境中抓住稀缺的技术机会,建立技术壁垒,更易取得良好的创新结果;同时,技术能力强的企业的知识积累量丰富,能快速识别技术资源价值,并获取和利用技术资源[21],从而为数字创新活动提供技术和资源保障,驱使企业数字创新。

　　(2)组织层面。组织层面包含前期绩效、战略柔性和管理数字注意力3个子条件。

　　第一,前期绩效体现企业之前的经营业绩状况,其对数字创新具有双重性影响:基于组织适应性理论,欠佳的绩效会增加企业生存危机感,企业更倾向选择战略变革,制定合理方案以解决所面临问题;而绩效良好的企业更倾向维持原有战略和重复已成功的创新活动[17],进而影响数字创新战略选择。相反,基于资源基础理论,良好的前期绩效可为数字创新活动提供保障。数字创新活动的新颖性、复杂性、过程结果的不可预测性,要求企业拥有较好的资源储备为数字创新活动提供支撑[22]。良好的前期绩效既可助力改进现有产品和业务流程,又可支持颠覆性技术开拓和新产品开发,保障数字创新活动的顺利开展。

　　第二,战略柔性是在复杂多变环境下企业能快速响应并及时给予外部变化反馈,重塑组织资源和能力来提高自身竞争优势的能力[13]。在数字创新行为逻辑下,企业既需要针对当前市场需求进行内部和业务流程的改进,同时也需要主动探索外部技术资源和全新机会并协同创新主体构筑全新业务流程,以获取数字技术红利和竞争优势。而战略柔性较强的企业能敏锐地洞悉与识别技术和市场等变化,也能缩短组织对外部变化的反应时间,并通过灵活且有效的资源决策来重塑全新的资源组合,从而助力企业数字创新活动。

　　第三,管理数字注意力。管理者的注意力是有价值的,注意力分配方式在很大程度上决定了企业行为。数字化情境下,组织对数字技术的关注是迈向数字创新的首要步骤,也是关键所在。作为组织的决策群体,高层管理人员(如首席执行官)负责环境扫描,并拥有权力来实施他们关注的战略[8]。数字经济发展形成数字技术商业机会和资源积累,数字化战略越来越受到企业管理者的关注[23],故企业高管将集中时间和精力支持数字创新。由此,管理数字注意力是影响数字创新的关键因素。

　　(3)环境层面。环境层面包含环境复杂性和政府数字举措两个子条件。

　　第一,环境复杂性体现企业所处行业、市场和技术等因素的更迭速度与不确定程度,涉及行业发展方向变化、市场竞争激烈程度、技术发展与更迭速度等内容,上述内容为企业数字创新活动带来了机遇和挑战[7]。复杂动荡的外部环境会驱动企业持续学习和创新,以适应环境变化并提升竞争力。此外,动荡环境导致企业更难搜集外部信息等资源,并加剧不同创新活动之间资源竞争,从而冲击企业数字创新活动。

　　第二,政府数字举措。作为一个有影响力的环境因素,政府举措在企业塑造新数字技术和创新方面发挥关键作用[24]。政府数字举措是指通过数字应用程序以及其他政府努力和激励措施改善经济和社会方面的公共数字政策和计划[8]。政府出台不同形式的数字举措(如财政支持、数字项目和税收政策),这些举措为企业提供新商业机会和技术资源,激发企业数字创新动机。

　　上述分析初步揭示了技术、组织和环境3个层面6个前因条件对数字创新的影响。然而,不同层面的前因条件并非割裂的,是相互依赖、联动匹配地发挥作用[25]。比如,技术能力对创新活动的影响在一定程度上会受到环境复杂性的影响,表现在不同环境复杂程度对技术应用与开发要求不同[20]。政府数字举措形成新的商业机会和加速区域内资源积累,营造良好的商业环境,这促进企业高层管理者对数字技术的关注,进而指导企业推进数字创新[8]。综上,结合文献梳理与理论推演,本文基于TOE框架,构建制造企业数字创新的前因组态理论模型,实证探究技术、组织和环境3个层面的6个前因条件如何联动匹配作用于制造企业数字创新。见图1。

　　2研究设计

　　2.1研究方法

　　模糊集定性比较分析(fsQCA)是探究联动匹配和协同效应的有效方法[26]。本文摒弃以“自变量—因变量”二元关系为核心的传统回归分析方法,转而采用fsQCA方法的原因在于:首先,该方法打破层次间嵌套关系的限制,无需对跨层次因素做特殊处理[26];其次,该方法不受样本量限制,本文样本量为82,符合方法需求;最后,该方法充分考虑因素的不同程度变化对结果的细微影响,将变量赋值为[0,1]区间内的连续模糊集,有效弥补二分赋值非此即彼的缺陷。

　　NCA方法既可识别特定条件是否为某一结果的必要条件,又可分析必要条件的效应量,从定量视角明确因素对结果的必要程度[27]。同时,NCA方法是对QCA方法原有简单阐述“一个因素对于特定结果是必要还是不必要”的定性结果的补充与完善。尤其对fsQCA方法而言,fsQCA详细阐述因素的不同程度的细微变化,而非简单的“是”或“否”,这使得NCA与fsQCA方法的结合具有更大地价值[28]。

　　2.2数据来源与变量测量

　　研究对象为沪深两市A股制造业上市公司,涵盖医药、专用设备、汽车等行业,剔除ST、PT、∗ST及数据缺失的公司后,最终将82家制造企业作为案例。此外,考虑到创新活动的滞后性,将数字创新做滞后一年处理,即数据时间为2021年,其余变量数据为2020年。数据源于3个方面。其一,技术能力、前期绩效、战略柔性与环境复杂性的测量数据源于CS-MAR数据库、CNRDS数据库,管理数字注意力的数据源于巨潮资讯网;其二,政府数字举措的数据源于政府工作报告;其三,数字创新的数据源于中国知识产权局。

　　(1)数字创新。参照王海花等[3]和Khin等[13]的做法,采用专利申请量测量数字创新。通过将数字经济产业分类与国际专利分类进行匹配,以确定专利申请量。具体而言,根据《中国数字经济发展白皮书》界定数字经济产业后,参照国家统计局发布的《国际专利分析与国民经济行业分类参照关系表(2018)》确定专利分类号,最后通过国家知识产权局检索得到82家制造企业的专利申请数据。

　　(2)技术能力。参照魏江等[29]和郭韬等[30]的做法,根据研究主题进行调整,采用研发人员比例、专利数、软件等无形资产比例测量。

　　(3)前期绩效。参照陈伟宏等[31]的做法,采用前期的息税前利润与年末资产总额的比值测量。

　　(4)战略柔性。参照Kurt和Hulland[32]的做法,采用负债与总资产的比值测量。

　　管理数字注意力。参照Wang等[8]和袁淳等[33]的做法,考虑数据可得性,对管理层讨论与分析(MD&A)部分进行文本分析,采用数字化相关词汇频数总和与MD&A文字总数的比值测量。为了便于表述,将指标乘以100,数值越大,则表示管理数字注意力越强。

　　(5)环境复杂性。参照申慧慧等[34]的做法,采用过去5年剔除稳定增长部分并经过行业调整后销售收入的标准差来测量。具体过程如下:①剔除样本企业稳定成长的销售收入部分并估计其过去5年非正常销售收入的标准差,据此得到样本企业未经行业调整下的环境复杂性;②计算样本年间同一行业样本企业的环境复杂性的中位数,即该行业的环境复杂性;③采用企业未经行业调整下的环境复杂性除以本行业的环境复杂性,用以表征样本企业的环境复杂性。

　　(6)政府数字举措。参照Wang等[8]的做法,对省级政府工作报告进行文本分析,通过汇总大数据、云计算、人工智能、区块链、物联网、通信技术、工业、农业、服务业与数字政府10方面121个词汇频数总和,采用词汇频数总和与政府工作报告文字总数的比值测量。为了便于表述,将指标乘以100,数值越大,则表示政府数字举措越强。

　　2.3变量校准

　　本文采用直接法将样本数据校准为模糊数据。结合理论和已有知识,设定3个锚点:完全隶属、交叉点和完全不隶属,转化后的集合隶属度介于0~1之间。

　　参照杜运周等[28]研究,以避免矛盾架构为标准,将上四分位数、中位数和下四分位数作为校准锚点。变量校准锚点与描述性统计分析见表1。

　　3实证分析

　　3.1必要性分析

　　本文采用上限回归(CR)和下限包络(CE)两种估计方法计算效应量,NCA分析结果见表2。基于NCA方法中必要条件需要满足效应量(d)超过0.1,蒙特卡洛仿真置换检验(Monte Carlo simulations of per-mutation tests)显示效应量是显著的标准[27]进行查验。综合看,技术能力、前期绩效、环境复杂性和政府数字举措的检验结果都不显著,表明它们不是数字创新的必要条件。而战略柔性和管理数字注意力的检验结果显著,但效应量低于0.1,也不是数字创新的必要条件。

　　瓶颈分析结果见表3。瓶颈水平(%)指达到结果最大观测范围的某一水平,前因条件最大观测范围内需要满足的水平值(%)。根据结果可知,达到80%的数字创新水平,需要3.3%水平的战略柔性,而其他5个前因条件都不存在瓶颈水平。

　　此外,本文进一步采用QCA方法检验必要条件,见表4。结果显示,单一前因条件必要性的一致性结果均低于0.9,与NCA结果一致,即不存在产生数字创新的必要条件。

　　3.2组态分析

　　组态分析揭示前因条件构成的不同组态引致结果产生的充分性,即探讨企业数字创新驱动路径。借鉴先前研究的做法进行反事实分析[28],假定技术、组织和环境3个层面条件单独出现与否均可贡献高数字创新。基于资源基础理论可知,技术能力是企业开展创新活动的重要基础,故在“standardanalysis”时,将“技术能力”作为质蕴涵项[19]。此外,根据杜运周等[28]的建议,将一致性阈值设定为0.8,案例频数阈值设定为1,并将PRI一致性阈值设定为0.73。通过对比中间解和简约解,确定核心条件:既在简约解又在中间解中出现的条件为核心条件,而只在中间方案中出现的条件界定为边缘条件。组态分析结果见表5,高水平数字创新组态路径总体覆盖度分别为0.425,且单一组态路径与总体方案的一致性均超过0.8,即从技术、组织和环境视角分析所得的组态路径具有较好解释力。

　　1.高水平数字创新组态路径

　　基于TOE框架,在技术能力、前期绩效、战略柔性、管理数字注意力、环境复杂性和政府数字举措6个前因条件的复杂作用下,实现制造企业高水平数字创新的组态路径有5条,其中S1a和S1b、S2a和S2b的核心条件相同,分别构成二阶等价组态。

　　路径1:居安思危型。S1a和S1b的核心条件均为高前期绩效、高战略柔性和高环境复杂性,故将这两条组态路径归为同一构型。既有研究表明欠佳的前期绩效是组织变革的重要驱动力,而这一组态构型显示前期绩效好的制造企业同样推进数字创新活动,但应在高战略柔性和高环境复杂性共同存在的情境下,这类数字创新属于主动性。环境复杂性高表明制造企业处于市场竞争激烈、顾客需求变化快和技术更迭加速的环境中,企业市场份额和成长空间被削减,这推动企业评估和判断所面临威胁,以形成应对策略。而战略柔性则代表制造企业能快速识别外部环境变化,拥有及时调整战略决策、将资源投入新战略的能力,其为数字创新战略实施提供保障。同时,制造企业良好的前期绩效为数字创新活动提供物质保障。综上,这一组态路径体现的是制造企业在财力、适应力和压力三者共存的情况下发动的数字创新,将其命名为居安思危型。此外,对比S1a和S1b可知,存在高前期绩效、高战略柔性和高环境复杂性时,管理数字注意力(组织因素)与技术能力(技术因素)形成替代关系,即当制造企业组织水平较高(具有良好前期绩效和高战略柔性)并且所面临环境复杂性较强时,管理者数字注意力可以代替技术能力,实现制造企业数字创新水平的提升。

　　路径2:乘势而为型。S2a和S2b的核心条件均为高前期绩效、高管理数字注意力和高政府数字举措,故将这两条组态路径归为同一构型。政府数字举措表明地区政府发布了一系列的数字政策和数字化激励措施来改善社会和经济,其会带来资源积累及产生新的商业机会[35-36],即地区数字化发展势头强劲。管理数字注意力则体现企业管理层对数字化的关注,集中时间和精力进行数字创新活动。这一组态路径是对既有研究观点的部分证实及补充:地区政府所采取的一系列数字举措所诱发的新商业机会和资源积累激发企业高层管理者对机会和资源的关注,进而付诸数字创新行动[8]。而路径2则表示尽管政府数字举措与管理数字注意力具有紧密的联系,但是二者无法形成数字创新的充分条件,因为缺乏物质基础。而高前期绩效则为制造企业创新行为提供物质基础,此时才能充分地实现数字创新。综上,这一组态路径体现的是制造企业管理者在地区数字化发展势头强劲以及物质基础充足情形下开展的数字创新,即制造企业管理者顺应大势所采取的行动,以反向获取政府在项目、金融、税收等方面的支持,故将其命名为乘势而为型。

　　路径3:高瞻远瞩型。S3的核心条件为高技术能力、高管理数字注意力和高环境复杂性。与路径2相似,路径3的核心条件之一是管理数字注意力;但对比两路径发现,路径3是在环境复杂性高的情形下,即该路径下的样本企业冒险精神强,具有较强的前瞻性。同时,路径3下的案例企业多数属于该行业的领先者(如许继电气、格力电器等),行业声望较高。这一路径是对既有研究观点的部分证实及补充:管理者数字知识/管理数字注意力能够推动企业数字创新[5,8]。而路径3表明管理数字注意力无法形成数字创新的充分条件,因缺少相应因素的配合。高环境复杂性压缩了制造企业的生存空间,其是制造企业发动数字创新的动机;而高技术能力则为制造企业数字创新活动提供了技术支持,此时才能充分地引发数字创新。即在高环境复杂性的情境下,制造企业管理者前瞻性地将时间和精力分配于数字化发展上,并依靠技术能力推动企业数字创新。因而将这一路径命名为高瞻远瞩型。

　　2.非高数字创新组态路径

　　本文进一步检验了产生制造企业非高数字创新的组态路径,共有组态路径2个。其中,NS1a和NS1b的核心条件相同,构成二阶等价组态。

　　路径1:NS1a和NS1b的核心条件均为缺乏技术能力、缺乏前期绩效、缺乏管理数字注意力和缺乏环境复杂性,故将这两条组态路径归为同一构型。数字创新需要制造企业具备一定技术和人才积累,若自身技术能力弱、管理者不关注数字化发展、缺乏物质基础,并且所处市场环境相对稳定,就难以对数字创新形成有效的支撑,而这一路径也从侧面证实了居安思危型和高瞻远瞩型数字创新的合理性。

　　路径2:NS2表明以缺乏前期绩效、缺乏战略柔性、缺乏环复杂性和缺乏政府数字举措为核心条件,互补高管理数字注意力为边缘条件的组态可以产生非高数字创新。在政府数字举措不足且市场环境稳定的情形下,制造企业自身战略柔性不足、前期绩效欠佳,即便制造企业管理者关注到数字化发展,也无法产生高数字创新。政府数字举措不足且市场环境稳定无法使制造企业产生数字创新动机,缺乏战略柔性可能导致数字创新决策出现偏差,欠佳的前期基础无法为数字创新提供物质保障。在此情形下,即便制造企业管理者关注到数字化发展,数字创新活动也难以顺利开展,而这一路径也从侧面证实了乘势而为型数字创新的合理性。

　　3.3稳健性检验

　　为确保研究结果的可靠性,本文通过调整一致性阈值和PRI阈值两种途径进行了稳健性检验。具体包括,将一致性阈值由0.8提升至0.85;PRI阈值由0.73提升至0.75,两种途径的检验结果相同(见表6)。通过检验发现,仅有表5中S3消失,其余组态结果未发生变化,由此表明本文研究结果具有稳健性。

　　4结语

　　基于TOE框架,运用NCA和fsQCA方法,探讨技术、组织和环境层面影响因素对制造企业数字创新的组态效应,研究发现:第一,技术、组织和环境层面的单一因素不是制造企业数字创新的必要条件,制造企业数字创新是多重前因条件共同作用的结果;第二,制造企业数字创新具有多重并发和殊途同归的特征。制造企业高数字创新的组态路径有5条,形成3种类型:居安思危型、乘势而为型和高瞻远瞩型。每条组态路径是由多个因素构成,即“多重并发”,因素之间的不同组合形成不同组态路径,均可实现数字创新,即“殊途同归”;第三,高数字创新的4个组态都包含高前期绩效,而非高数字创新所有组态都包含非高前期绩效,良好的前期绩效在产生高数字创新上发挥重要作用;第四,验证了因果关系的非对称性。制造企业高数字创新驱动路径并不是非高数字创新驱动路径的对立面。

　　研究的理论意义在于:第一,进一步拓宽TOE框架的应用场景,并丰富数字创新领域的研究成果。本文将TOE框架应用于数字创新研究中,系统地将技术、组织和环境因素整合起来,提出制造企业数字创新的整合性分析框架,进而拓宽TOE框架的应用场景;并探究多重因素的联动匹配效应,一定程度上弥补既有研究多聚焦于数字创新影响因素的“净效应”而对联动效应关注不足的局限性,丰富数字创新领域的研究。第二,将NCA和QCA方法引入数字创新研究中,丰富该领域的研究方法。因果关系(必要和充分)是管理学研究的焦点,而采取NCA和QCA相结合的混合方法探讨因果复杂关系,不仅得到国内外学者认可和应用,也是顶级期刊主编的倡议。但这一混合方法尚未应用于数字创新研究中,而本文将NCA和QCA相结合的混合方法引入数字创新研究中,不仅推动影响因素和数字创新之间必要和充分两种关系的研究发展,

　　而且积极响应“将NCA和QCA结合探讨因果复杂关系”的倡议,进而丰富数字创新领域的研究方法。第三,明确制造企业数字创新的多重并发因素关系和不同组态路径间多层面因素替代关系,为处于不同情景的制造企业实现高水平数字创新提供差异化路径。此外,本文探究制造企业高数字创新与非高数字创新组态路径的非对称性问题,为驱动制造企业数字创新提供重要理论依据,拓宽数字创新影响因素的研究框架。

　　研究的实践启示在于:第一,制造企业数字创新方案要注重技术、组织和环境之间多重因素的匹配联动关系。制造企业应从整体性视角出发,根据所处场景和自身实际情况形成合理的数字创新路径。第二,制造企业应重视前期绩效在数字创新过程中重要驱动作用,专注于改善自身当前绩效为数字创新提供物质基础。在复杂多变的环境中,前期绩效和战略柔性是数字创新的关键驱动因素,也是制造企业实现持续发展的关键所在。在政府数字举措引导下,前期绩效和管理数字注意力相互协作,转变制造企业的僵化创新模式,克服惰性,顺应新时代的发展潮流。第三,政府部门应该加强对制造企业数字创新的宏观指导和政策扶持,形成推动制造企业数字创新的政策合力。有着政府数字举措引导的制造企业,应根据行业特色,并结合自身优势,积极开发与利用地区政府一系列数据举措带来的商业机会,乘势而为开展数字创新行动,并反向获取政府政策支持,形成良性互动效应。同时,制造企业应重视管理数字注意力和前期绩效在数字创新过程中与其他因素的交互驱动作用,在认知上重视数字创新的重要性,在行动上高效配置数字创新所需资源,以合力提升数字创新水平与建立竞争优势。

　　尽管研究得到一些有价值的结论,但存在一定不足:首先,数字创新是一个复杂性管理问题,制造企业数字创新的影响因素较多,但受限于数据收集和研究精力,研究基于TOE框架选择了6个前因条件,后续可基于其他理论视角进一步挖掘更多前因条件;其次,研究采用截面数据,未能反映制造企业数字创新的动态变化,后续采用动态QCA方法,将时间因素纳入分析框架;最后,研究样本为我国制造业企业,涵盖多个地区的多个细分行业,在区域和行业细分方面尚有进一步优化空间,后续可开展细化研究,以获得更具现实意义的结论。

　参考文献

　　[1]李振东,梅亮,朱子钦,等.制造业单项冠军企业数字创新战略及其适配组态研究[J].管理世界,2023,39(2):186-208.

　　[2]FICHMAN R G,DOS SANTOS B L,ZHENG Z.Digital innova-tion as a fundamental and powerful concept in the information sys-tems curriculum[J].MIS Quarterly,2014,38(2):329-354.

　　[3]王海花,李烨,王莹,等.标准联盟网络位置与数字创新:一个有调节的中介模型[J].系统管理学报,2023,32(3):538-548.

　　[4]王新成,李垣.首席信息官、企业领导者与企业数字创新[J].科技进步与对策,2022,39(13):83-93.

　　[5]FIRK S,GEHRKE Y,HANELT A,et al.Top management team characteristics and digital innovation:exploring digital knowledge and TMT interfaces[J].Long Range Planning,2022,55

(1):102166.

　　[6]王海花,李烨,谭钦瀛.基于Meta分析的数字化转型对企业绩效影响问题[J].系统管理学报,2022,31(1):112-123.

　　[7]李振东,梅亮,朱子钦,等.制造业单项冠军企业数字创新战略及其适配组态研究[J].管理世界,2023,39(2):186-208.

　　[8]WANG X C,LI Y,TIAN L W,et al.Government digital initia-tives and firm digital innovation:evidence from China[J].Technovation,2023,119:102545.

　　[9]LIU Y,DONG J Y,YING Y,et al.Status and digital innova-tion:a middle-status conformity perspective[J].Technological Forecasting and Social Change,2021,168:120781.

　　[10]CHAN C M,TEOH S Y,YEOW A,et al.Agility in responding to disruptive digital innovation:case study of an SME[J].In-formation Systems Journal,2019,29(2):436-455.