任聲策+范倩雯

內(nèi)容摘要：企業(yè)的創(chuàng)新能力與其所處的上下游組織網(wǎng)絡(luò)結(jié)構(gòu)密切相關(guān)。企業(yè)對上下游企業(yè)的依賴程度和其經(jīng)營的國際化程度直接影響到企業(yè)可接觸到的技術(shù)知識庫規(guī)模，從而對其創(chuàng)新能力產(chǎn)生影響。本文利用中國中小板和創(chuàng)業(yè)板上市的248家企業(yè)的數(shù)據(jù)，對制造業(yè)企業(yè)創(chuàng)新能力與其供應鏈網(wǎng)絡(luò)依賴性和國際化程度之間的關(guān)系進行實證研究。本文使用了模糊集定性分析方法（fsQCA），對于不對稱的因果關(guān)系進行分析，得出了影響企業(yè)創(chuàng)新能力的原因組合，拓展了創(chuàng)新研究領(lǐng)域的研究方法和結(jié)論。

關(guān)鍵詞：模糊集定性研究方法（fsQCA） 供應鏈網(wǎng)絡(luò)依賴度 國際化程度 中小企業(yè)創(chuàng)新 專利

中圖分類號：F270 文獻標識碼：A

引言

創(chuàng)新能力與企業(yè)可接觸到的技術(shù)知識庫規(guī)模有關(guān)。組織學習理論認為，企業(yè)所處的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成了復雜的組織間協(xié)作和學習的系統(tǒng)，企業(yè)可以通過與供應鏈上下游企業(yè)間的協(xié)作，逐漸累積創(chuàng)新所需的資源和能力。企業(yè)可以通過與上下游企業(yè)形成復雜的協(xié)作體系，積極參與國際經(jīng)營等方式，積累行業(yè)內(nèi)的信息和資源，了解海外市場，并用于新產(chǎn)品和新領(lǐng)域的拓展和研發(fā)。

有研究表明公司創(chuàng)新能力會受到組織間關(guān)系的影響，包括企業(yè)與上游供應商和下游客戶之間的關(guān)系。企業(yè)通過與上下游廠商的協(xié)作和交流獲取關(guān)于產(chǎn)業(yè)發(fā)展的信息和想法，也更容易獲取企業(yè)創(chuàng)新發(fā)展所需的行業(yè)內(nèi)部資源。企業(yè)在供應鏈網(wǎng)絡(luò)結(jié)構(gòu)中所處的位置和影響力與企業(yè)和上下游供應商的關(guān)系的緊密程度相關(guān)，而這種關(guān)系的強度又會對企業(yè)的創(chuàng)新性產(chǎn)生不同程度的影響（Azadegan， 2011）。

對于供應鏈網(wǎng)絡(luò)依賴度的相關(guān)研究認為復雜的組織間關(guān)系會降低企業(yè)的專注度，從而對企業(yè)的研發(fā)能力產(chǎn)生負向的影響（Eisingerich，2010）。而另一部分學者認為，企業(yè)的研發(fā)能力取決于其知識庫的規(guī)模，多樣性的網(wǎng)絡(luò)關(guān)系能夠擴展企業(yè)的搜尋范圍（search scope），并對企業(yè)的創(chuàng)新成果起到正向的促進作用（Ren et al.，2015）。這些矛盾的研究結(jié)論引發(fā)了本文對于中國市場中小企業(yè)供應鏈網(wǎng)絡(luò)依賴度與企業(yè)創(chuàng)新成果關(guān)系的思考，本文希望通過對中國中小板和創(chuàng)業(yè)板上市公司進行實證研究，為相關(guān)領(lǐng)域提供新的證據(jù)。

企業(yè)經(jīng)營的國際化程度是影響企業(yè)技術(shù)知識庫的另一個重要因素。相關(guān)研究指出，企業(yè)國際經(jīng)營程度會為企業(yè)帶來關(guān)于國際市場和產(chǎn)品的知識資源，促進企業(yè)創(chuàng)新能力的轉(zhuǎn)化。國際化經(jīng)營程度較高的企業(yè)，能夠與更加多樣化的供應鏈下游企業(yè)進行合作和交流，同時也更有可能在全球范圍內(nèi)進行采購（解佩，2006），從而增加了其供應商網(wǎng)絡(luò)的多樣性和復雜程度。因此，會進一步豐富企業(yè)的創(chuàng)新知識庫。

關(guān)于企業(yè)網(wǎng)絡(luò)資源依賴度和國際化程度對企業(yè)創(chuàng)新能力的影響的問題，以往的研究多采用多元線性回歸方法。但是多元線性回歸方法的研究會受到以下幾方面的限制：首先，多元線性回歸方法在進行預測時可能因無法得到無偏的線性估計而低估結(jié)果的不確定性（Soyer，2012）；其次，多元線性回歸方法是一種研究凈影響程度的研究方法，主要針對的是對稱的變量關(guān)系，當變量之間出現(xiàn)不對稱關(guān)系時，其估計的準確性就會受到影響（Woodside，2013a）。

為了應對多元線性回歸方法的局限，本文引入定性比較方法（Qualitative Comparative Analysis，QCA）。定性比較方法是一種基于集合理論的研究方法，可以對不對稱的復雜因果關(guān)系進行分析（Woodside，2013a，b）。本文采用的模糊集定性比較方法（Fuzzy-set Qualitative Comparative Analysis，fsQCA），是在定性比較方法上引入模糊集的概念，該方法能夠克服簡單布爾代數(shù)的局限性，對研究對象進行更深入和細致的分類研究。

本文利用中國中小板和創(chuàng)業(yè)板上市的248家企業(yè)的專利數(shù)據(jù)和其上市年度之前三年的營業(yè)數(shù)據(jù)，求均值后得到公司上市年度的截面數(shù)據(jù)，以企業(yè)專利申請數(shù)作為反映企業(yè)創(chuàng)新產(chǎn)出的變量；以供應商集中度、需求集中度和企業(yè)國際化程度作為三個主要的因變量；以企業(yè)的資產(chǎn)規(guī)模、成立年限、研發(fā)強度三個變量作為控制變量。本文利用模糊集定性比較方法（fsQCA）對公司供應鏈網(wǎng)絡(luò)依賴性和國際化程度與企業(yè)創(chuàng)新能力之間的關(guān)系進行了研究。

模糊集定性比較方法（fsQCA）

定性比較分析（Qualitative Comparative Analysis）是在進行邏輯分析時利用布爾代數(shù)的方法將每個個案看作多個原因條件和結(jié)果條件的結(jié)合體，簡化了原因條件和結(jié)果條件之間的關(guān)系（李隨成等，2013），因此可以系統(tǒng)地對多個案例進行比較分析研究。該方法已經(jīng)被廣泛應用于政治學和社會性領(lǐng)域的研究。近年來，部分管理學領(lǐng)域的學者開始嘗試用這種定性方法來對管理領(lǐng)域的問題進行研究，如組織行為學、市場營銷學、創(chuàng)新研究和組織社會責任等。

現(xiàn)實生活中如果觀察到有些企業(yè)具有較強的創(chuàng)新能力（體現(xiàn)為較多的專利申請），而另一些企業(yè)則缺少專利活動，這里使用P和P′表示企業(yè)創(chuàng)新能力的高和低。我們可能觀察到某一些創(chuàng)新力高的企業(yè)（P）同時具有較高的供應商集中度，需求集中度和國際化程度的特質(zhì)，分別用A、B和C來表示。如果看不到這些特質(zhì)則用A′、B′和C′表示。在研究什么因素會導致企業(yè)擁有較強的創(chuàng)新能力的問題時，是將P作為結(jié)果特征，將A、B、C等當作原因特征，來探討當P（或P′）出現(xiàn)時各個原因特征可能的組合。

QCA最初是用于研究剛性系統(tǒng)的研究（即布爾集Boolean sets），剛性系統(tǒng)只允許全部存在或全部不存在的情況。模糊集（fuzzy sets）拓展了剛性集的內(nèi)涵，允許部分屬性的存在，即允許變量的歸屬度介于0到1之間。在上述例子中，僅僅把企業(yè)創(chuàng)新能力分為高（P）和低（P′）兩類，同時供應商集中度、需求集中度和國際化程度也使用二分變量（0或1）進行描述。但實際生活中不同變量的變化是連續(xù)的，因此Ragin等學者提出了使用多個值來刻畫變量屬性的模糊集定性比較方法，使用模糊集代替簡單集。

模糊集的真值表運算與簡單集在原理上是一致的。首先是觀察個案，然后確定個案中原因特征和結(jié)果特征分別對應的成員身份度；再利用成員身份度模糊集生成真值表；從真值表計算出結(jié)果得出哪些原因特征組合是結(jié)果特征的子集；最后精煉這些原因特征組合。該方法主要是利用集合關(guān)系和集合間的邏輯運算規(guī)則（如“交”和“并”）來探索多個案中事先確定的原因特征是否真正是結(jié)果特征產(chǎn)生的原因（李隨成等，2013）。

由于計算依據(jù)的集合類型不同，因此基于模糊集的定性比較方法需要考察額外的因素。假如判定一個結(jié)果特征集合是另一個原因特征集合的子集，這種判定的把握性有多大是模糊集情況下需要考慮的。基于模糊集的定性比較方法放松了對初始測量精度的要求，但增加了檢驗結(jié)論可靠程度的指標，使得對結(jié)果的解讀具有類似統(tǒng)計量的參數(shù)。度量上述可靠性的指標主要是由Ragin提出的一致性得分（consistency）和覆蓋度得分（coverage）（李隨成等，2013）。

Consistency（Xi≤Yi）= ∑（min（Xi，Yi））/ ∑（Xi） （1）

Coverage（Xi≤Yi）= ∑（min（Xi，Yi））/ ∑（Yi） （2）

上述等式中，Xi表示原因要素（或原因組合）的成員身份度，Yi表示結(jié)果要素的成員身份度；而min（Xi，Yi），表示在兩者之間取最小值。Consistency（Xi≤Yi）的值越接近于1，表明X集合屬于Y集合的把握越大。Coverage（Xi≤Yi）的值越接近于1，表明非X集合同時也屬于Y集合的機會越小。只有一致性得分和覆蓋度得分達到一定水平（一般為0.8以上），才適宜根據(jù)子集關(guān)系來分析觀察特征之間是否存在因果聯(lián)系（李隨成等，2013）。

fsQCA主要包含以下幾個步驟。第一步是創(chuàng)建模糊集歸屬度評分的數(shù)據(jù)集，為了確定數(shù)據(jù)的模糊集評分，最重要的是要確定三個錨定值：完全歸屬（full membership）、完全不歸屬（full non-membership）、中間值（crossover point）。第二步是選擇一系列預先確定的原因變量，一般為三到八個。第三步是創(chuàng)建真值表（truth table）來確定多個原因變量組合的影響情景。這一步中需要指定頻率閥值（frequency cutoff）和一致性閥值（consistency cutoff）來區(qū)分有效與無效的因果關(guān)系組合，一致性指標高于該閥值的組合標識為1，否則為0。第四步運行軟件后將會產(chǎn)生三個結(jié)果：綜合解（the complex）、保守解（the parsimonious）、中間解（intermediate solutions）。

數(shù)據(jù)分析

（一）數(shù)據(jù)構(gòu)建及描述性統(tǒng)計

本文利用中國中小板和創(chuàng)業(yè)板上市的248家企業(yè)的專利數(shù)據(jù)和其上市年度之前三年的營業(yè)數(shù)據(jù)，求均值得到各公司在上市前三年的平均專利數(shù)、上市前三年平均出口收入占比、上市前三年平均前五大供應商采購比例、上市前三年平均前五大客戶銷售比例，并結(jié)合公司上市時的資產(chǎn)規(guī)模和成立年限，形成各公司上市年度的截面數(shù)據(jù)。各變量解釋如表1所示。

模糊集是用來研究部分歸屬關(guān)系的數(shù)量方法，在使需要同時對原因變量和結(jié)果變量進行處理。模糊集中歸屬關(guān)系的程度為從0.0到1.0，模糊集理論中同時包含了定性分析和定量分析兩種特質(zhì)。要想對模糊集歸屬度進行度量，首先要確定變量的歸屬度，區(qū)分歸屬度的閥值。本文的數(shù)據(jù)采用Ragin（2008）提出的直接法來確定用來劃分模糊集變量區(qū)間的三個斷點：完全歸屬點（95%）、完全不歸屬點（15%）和中間點（50%）。表2顯示了原始變量的描述性統(tǒng)計和斷點值，經(jīng)過fsQCA軟件處理后的解釋變量和被解釋變量的描述性統(tǒng)計結(jié)果如表3所示。

（二）構(gòu)建真值表

構(gòu)建真值表有兩個分析步驟。首先，要根據(jù)模糊集數(shù)據(jù)構(gòu)建真值表單，確定輸出結(jié)果和對應的原因變量組合。在這一步中真值表的行數(shù)是可能的原因組合的數(shù)量，構(gòu)成一個有2k種可能的表格。本文使用了五個變量作為原因變量，包括五大供應商采購比例、五大客戶銷售比例、出口比例、總資產(chǎn)的對數(shù)和公司成立年限，因此在真值表中構(gòu)成了25個可能的原因組合。第二步需要對真值表中的數(shù)據(jù)進行比較，確定頻率閥值和一致性閥值。頻率閥值幫助確定集合歸屬度高于0.5的原因組合?；谝陨涎芯窟^程，得到模糊集真值表（部分真值見表4）。本文指定了三個閥值用于區(qū)分各組數(shù)據(jù)，分別為5%、50%和95%。本文使用2作為頻率閥值，0.90作為一致性閥值。

fsQCA方法可以產(chǎn)生三個結(jié)果：綜合解、保守解、中間解。通常認為中間解最好的反映了研究結(jié)果，因為它包含所有必要的組合情況（Ragin，2009）。綜合解通常也作為結(jié)果列示，因為該結(jié)果也同時保留了數(shù)據(jù)的完整性。表5列示了兩種可能導致專利申請數(shù)高歸屬度的原因變量組合情況，這兩種組合是產(chǎn)生專利變量高歸屬度的充分條件。這兩種條件分別是：“～sup_cal*cus_cal*expo_cal*lnasset_cal”（一致性0.90，覆蓋率0.32）和 “～cus_cal*expo_cal*lnasset_cal*age_cal”（一致性0.90，覆蓋率0.30）。模型整體的覆蓋率得分為0.42，一致性得分為0.89。表5中還列示了各原因變量組合的一致性和覆蓋率得分情況，這兩種組合方式基本符合一致性的要求，能夠解釋企業(yè)的創(chuàng)新能力的強弱。

模型整體的一致性指數(shù)為0.89，高于Ragin（2008）給出的參考值要求。一般而言要求模型的一致性水平高于0.75，如果該指標高于0.75就表明結(jié)論中的原因變量組合是結(jié)果變量的子集。較高的一致性水平說明模型的解釋力較強。

此外，本文還對低創(chuàng)新能力的原因變量組合進行了研究。研究結(jié)果顯示，以2為頻率閥值、0.8為一致性閥值的出了兩個符合一致性要求的原因變量組合方式，分別是“cus_cal*～expo_cal*lnasset_cal*～age_cal”（一致性0.81，覆蓋率0.28）和“～sup_cal*cus_cal*～expo_cal*lnasset_cal ”（一致性0.80，覆蓋率0.27）。模型整體的一致性為0.78，覆蓋度為0.33。

研究結(jié)論

本文使用模糊集定性比較研究方法（fsQCA）對企業(yè)與供應商、消費者以及企業(yè)國際化經(jīng)營程度指標與企業(yè)創(chuàng)新能力（以企業(yè)專利申請數(shù)表示）之間的影響關(guān)系進行研究。

強研發(fā)能力的原因變量組合研究的結(jié)果顯示，公司的資產(chǎn)規(guī)模的擴大是企業(yè)的創(chuàng)新能力提升的必要條件，企業(yè)規(guī)模越大其創(chuàng)新能力越強；企業(yè)的國際化程度與其創(chuàng)新能力之間呈現(xiàn)正向關(guān)系，出口比例越高的企業(yè)其專利申請數(shù)越多；在需求集中度低、國際化程度較高且規(guī)模較大時，企業(yè)的創(chuàng)新能力會隨著其成立年限的增加而提升。

企業(yè)供應商集中度、需求集中度與其創(chuàng)新能力之間的關(guān)系取決于各種原因變量的組合方式。當企業(yè)規(guī)模較大、國際化經(jīng)營程度較高時，企業(yè)前五大供應商采購比例越低、并且前五大客戶銷售比例越高則其創(chuàng)新能力越強；當企業(yè)資產(chǎn)規(guī)模較大、國際化經(jīng)營程度較高、成立年限較長時，企業(yè)前五大客戶的銷售比例越低則企業(yè)創(chuàng)新能力越強。

本文的貢獻和局限

本文的研究在以下兩個方面有重要意義：一方面，本文揭示了公司對供應鏈網(wǎng)絡(luò)依賴度、國際化程度、公司成立年限以及公司規(guī)模等多個變量之間的組合關(guān)系對企業(yè)專利申請的影響；另一方面，本文使用了模糊集定性比較方法對中國市場中小企業(yè)的創(chuàng)新情況進行分析，為Ragin和 Woodsides等國外學者提出的研究方法提供了來自中國市場的實證證據(jù)。

本文在采用模糊集定性比較方法（fsQCA）對公司創(chuàng)新能力的影響因素進行研究時模型中引入的變量較多，受到變量組合復雜程度和樣本規(guī)模的限制，導致研究結(jié)果中覆蓋率得分指標較低。針對這一問題，在未來的研究中可以通過增加樣本數(shù)量或拓展為面板數(shù)據(jù)的方式進行改進。

參考文獻：

1.Azadegan A. Benefiting from supplier operational innovative- ness： the influence of supplier evaluations and absorptive ca- pacity[J]. Journal of Supply Chain Management，2011，47 （2）

2.Tsai， H.， & Eisingerich， A.B. （2010）. Internationalization strategies of emerging markets firms. California Management Review， 53（1）

3.Ren， Tsai， & B. Eisingerich. Case-based asymmetric modeling of firms with high versus low outcomes in implementing changes in direction[J]. Journal of Business Research，2015，45（8）

4.解佩.我國制造企業(yè)國際采購問題研究[D].中國人民大學，2006

5.Soyer， E.， Hogarth， R. （2012）. Illusion of predictability： How regressions statistics mis-lead experts. International Journal of Forecasting， 28（3）

6.Woodside， A.G. （2013a）. Moving beyond multiple regression analysis to algorithms： Calling for adoption of a paradigm shift from symmetric to asymmetric thinking in data analysis and crafting theory. Journal of Business Research， 66

7.Woodside， A.G. （2013b）. Proposing a new logic for data analysis in marketing and con- sumer behavior： Case study research of large-N survey data for estimating algorithms that accurately profile X （extremely high-use） consumers. Journal of Global Scholars of Marketing Science， 22（4）

8.李隨成，李勃，張延濤.供應商創(chuàng)新性、網(wǎng)絡(luò)能力對制造企業(yè)產(chǎn)品創(chuàng)新的影響——供應商網(wǎng)絡(luò)結(jié)構(gòu)的調(diào)節(jié)作用[J].科研管理，2013（11）

9.Ragin， C. （2009）. Qualitative comparative analysis using fuzzy sets （fsQCA）. In B. Rihoux，& C.C. Ragin （Eds.）， Configurational comparative methods： Qualitative comparative anal- ysis （QCA） and related techniques （applied social research methods）. Thou- sand Oaks and London： Sage