基于模糊集定性比較方法的供應(yīng)鏈依賴度與企業(yè)創(chuàng)新關(guān)系分析

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(duì)上下游企業(yè)的依賴程度和其經(jīng)營(yíng)的國(guó)際化程度直接影響到企業(yè)可接觸到的技術(shù)知識(shí)庫規(guī)模，從而對(duì)其創(chuàng)新能力產(chǎn)生影響。本文利用中國(guó)中小板和創(chuàng)業(yè)板上市的248家企業(yè)的數(shù)據(jù)，對(duì)制造業(yè)企業(yè)創(chuàng)新能力與其供應(yīng)鏈網(wǎng)絡(luò)依賴性和國(guó)際化程度之間的關(guān)系進(jìn)行實(shí)證研究。本文使用了模糊集定性分析方法（fsQCA），對(duì)于不對(duì)稱的因果關(guān)系進(jìn)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(yīng)鏈網(wǎng)絡(luò)依賴度 國(guó)際化程度 中小企業(yè)創(chuàng)新 專利

中圖分類號(hào)：F270 文獻(xiàn)標(biāo)識(shí)碼：A

引言

創(chuàng)新能力與企業(yè)可接觸到的技術(shù)知識(shí)庫規(guī)模有關(guān)。組織學(xué)習(xí)理論認(rèn)為，企業(yè)所處的網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)成了復(fù)雜的組織間協(xié)作和學(xué)習(xí)的系統(tǒng)，企業(yè)可以通過與供應(yīng)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(fù)雜的協(xié)作體系，積極參與國(guó)際經(jīng)營(yíng)等方式，積累行業(yè)內(nèi)的信息和資源，了解海外市場(chǎng)，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(huì)受到組織間關(guān)系的影響，包括企業(yè)與上游供應(yīng)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(yīng)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(yīng)商的關(guān)系的緊密程度相關(guān)，而這種關(guān)系的強(qiáng)度又會(huì)對(duì)企業(yè)的創(chuàng)新性產(chǎn)生不同程度的影響（Azadegan， 2011）。

對(duì)于供應(yīng)鏈網(wǎng)絡(luò)依賴度的相關(guān)研究認(rèn)為復(fù)雜的組織間關(guān)系會(huì)降低企業(yè)的專注度，從而對(duì)企業(yè)的研發(fā)能力產(chǎn)生負(fù)向的影響（Eisingerich，2010）。而另一部分學(xué)者認(rèn)為，企業(yè)的研發(fā)能力取決于其知識(shí)庫的規(guī)模，多樣性的網(wǎng)絡(luò)關(guān)系能夠擴(kuò)展企業(yè)的搜尋范圍（search scope），并對(duì)企業(yè)的創(chuàng)新成果起到正向的促進(jìn)作用（Ren et al.，2015）。這些矛盾的研究結(jié)論引發(fā)了本文對(duì)于中國(guó)市場(chǎng)中小企業(yè)供應(yīng)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(duì)中國(guó)中小板和創(chuàng)業(yè)板上市公司進(jìn)行實(shí)證研究，為相關(guān)領(lǐng)域提供新的證據(jù)。

企業(yè)經(jīng)營(yíng)的國(guó)際化程度是影響企業(yè)技術(shù)知識(shí)庫的另一個(gè)重要因素。相關(guān)研究指出，企業(yè)國(guó)際經(jīng)營(yíng)程度會(huì)為企業(yè)帶來關(guān)于國(guó)際市場(chǎng)和產(chǎn)品的知識(shí)資源，促進(jìn)企業(yè)創(chuàng)新能力的轉(zhuǎn)化。國(guó)際化經(jīng)營(yíng)程度較高的企業(yè)，能夠與更加多樣化的供應(yīng)鏈下游企業(yè)進(jìn)行合作和交流，同時(shí)也更有可能在全球范圍內(nèi)進(jìn)行采購(gòu)（解佩，2006），從而增加了其供應(yīng)商網(wǎng)絡(luò)的多樣性和復(fù)雜程度。因此，會(huì)進(jìn)一步豐富企業(yè)的創(chuàng)新知識(shí)庫。

關(guān)于企業(yè)網(wǎng)絡(luò)資源依賴度和國(guó)際化程度對(duì)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(huì)受到以下幾方面的限制：首先，多元線性回歸方法在進(jìn)行預(yù)測(cè)時(shí)可能因無法得到無偏的線性估計(jì)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?jī)粲绊懗潭鹊难芯糠椒?，主要針?duì)的是對(duì)稱的變量關(guān)系，當(dāng)變量之間出現(xiàn)不對(duì)稱關(guān)系時(shí)，其估計(jì)的準(zhǔn)確性就會(huì)受到影響（Woodside，2013a）。

為了應(yīng)對(duì)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(duì)不對(duì)稱的復(fù)雜因果關(guān)系進(jìn)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(jiǎn)單布爾代數(shù)的局限性，對(duì)研究對(duì)象進(jìn)行更深入和細(xì)致的分類研究。

本文利用中國(guó)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(yíng)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(qǐng)數(shù)作為反映企業(yè)創(chuàng)新產(chǎn)出的變量；以供應(yīng)商集中度、需求集中度和企業(yè)國(guó)際化程度作為三個(gè)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(qiáng)度三個(gè)變量作為控制變量。本文利用模糊集定性比較方法（fsQCA）對(duì)公司供應(yīng)鏈網(wǎng)絡(luò)依賴性和國(guó)際化程度與企業(yè)創(chuàng)新能力之間的關(guān)系進(jìn)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(jìn)行邏輯分析時(shí)利用布爾代數(shù)的方法將每個(gè)個(gè)案看作多個(gè)原因條件和結(jié)果條件的結(jié)合體，簡(jiǎn)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(duì)多個(gè)案例進(jìn)行比較分析研究。該方法已經(jīng)被廣泛應(yīng)用于政治學(xué)和社會(huì)性領(lǐng)域的研究。近年來，部分管理學(xué)領(lǐng)域的學(xué)者開始嘗試用這種定性方法來對(duì)管理領(lǐng)域的問題進(jìn)行研究，如組織行為學(xué)、市場(chǎng)營(yíng)銷學(xué)、創(chuàng)新研究和組織社會(huì)責(zé)任等。

現(xiàn)實(shí)生活中如果觀察到有些企業(yè)具有較強(qiáng)的創(chuàng)新能力（體現(xiàn)為較多的專利申請(qǐng)），而另一些企業(yè)則缺少專利活動(dòng)，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(shí)具有較高的供應(yīng)商集中度，需求集中度和國(guó)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(huì)導(dǎo)致企業(yè)擁有較強(qiáng)的創(chuàng)新能力的問題時(shí)，是將P作為結(jié)果特征，將A、B、C等當(dāng)作原因特征，來探討當(dāng)P（或P′）出現(xiàn)時(shí)各個(gè)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(shí)供應(yīng)商集中度、需求集中度和國(guó)際化程度也使用二分變量（0或1）進(jìn)行描述。但實(shí)際生活中不同變量的變化是連續(xù)的，因此Ragin等學(xué)者提出了使用多個(gè)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(jiǎn)單集。

模糊集的真值表運(yùn)算與簡(jiǎn)單集在原理上是一致的。首先是觀察個(gè)案，然后確定個(gè)案中原因特征和結(jié)果特征分別對(duì)應(yīng)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(jì)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(yùn)算規(guī)則（如“交”和“并”）來探索多個(gè)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(jì)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(gè)結(jié)果特征集合是另一個(gè)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?；谀：亩ㄐ员容^方法放松了對(duì)初始測(cè)量精度的要求，但增加了檢驗(yàn)結(jié)論可靠程度的指標(biāo)，使得對(duì)結(jié)果的解讀具有類似統(tǒng)計(jì)量的參數(shù)。度量上述可靠性的指標(biāo)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(shí)也屬于Y集合的機(jī)會(huì)越小。只有一致性得分和覆蓋度得分達(dá)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(gè)步驟。第一步是創(chuàng)建模糊集歸屬度評(píng)分的數(shù)據(jù)集，為了確定數(shù)據(jù)的模糊集評(píng)分，最重要的是要確定三個(gè)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(yù)先確定的原因變量，一般為三到八個(gè)。第三步是創(chuàng)建真值表（truth table）來確定多個(gè)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(biāo)高于該閥值的組合標(biāo)識(shí)為1，否則為0。第四步運(yùn)行軟件后將會(huì)產(chǎn)生三個(gè)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(jì)

本文利用中國(guó)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(yíng)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(yīng)商采購(gòu)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(shí)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(shí)對(duì)原因變量和結(jié)果變量進(jìn)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(shí)包含了定性分析和定量分析兩種特質(zhì)。要想對(duì)模糊集歸屬度進(jìn)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(gè)斷點(diǎn)：完全歸屬點(diǎn)（95%）、完全不歸屬點(diǎn)（15%）和中間點(diǎn)（50%）。表2顯示了原始變量的描述性統(tǒng)計(jì)和斷點(diǎn)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(jì)結(jié)果如表3所示。

（二）構(gòu)建真值表

構(gòu)建真值表有兩個(gè)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(duì)應(yīng)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(gè)有2k種可能的表格。本文使用了五個(gè)變量作為原因變量，包括五大供應(yīng)商采購(gòu)比例、五大客戶銷售比例、出口比例、總資產(chǎn)的對(duì)數(shù)和公司成立年限，因此在真值表中構(gòu)成了25個(gè)可能的原因組合。第二步需要對(duì)真值表中的數(shù)據(jù)進(jìn)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(gè)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(gè)結(jié)果：綜合解、保守解、中間解。通常認(rèn)為中間解最好的反映了研究結(jié)果，因?yàn)樗斜匾慕M合情況（Ragin，2009）。綜合解通常也作為結(jié)果列示，因?yàn)樵摻Y(jié)果也同時(shí)保留了數(shù)據(jù)的完整性。表5列示了兩種可能導(dǎo)致專利申請(qǐng)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(qiáng)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(biāo)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(qiáng)。

此外，本文還對(duì)低創(chuàng)新能力的原因變量組合進(jìn)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(gè)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(duì)企業(yè)與供應(yīng)商、消費(fèi)者以及企業(yè)國(guó)際化經(jīng)營(yíng)程度指標(biāo)與企業(yè)創(chuàng)新能力（以企業(yè)專利申請(qǐng)數(shù)表示）之間的影響關(guān)系進(jìn)行研究。

強(qiáng)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(kuò)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(qiáng)；企業(yè)的國(guó)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(qǐng)數(shù)越多；在需求集中度低、國(guó)際化程度較高且規(guī)模較大時(shí)，企業(yè)的創(chuàng)新能力會(huì)隨著其成立年限的增加而提升。

企業(yè)供應(yīng)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(dāng)企業(yè)規(guī)模較大、國(guó)際化經(jīng)營(yíng)程度較高時(shí)，企業(yè)前五大供應(yīng)商采購(gòu)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(qiáng)；當(dāng)企業(yè)資產(chǎn)規(guī)模較大、國(guó)際化經(jīng)營(yíng)程度較高、成立年限較長(zhǎng)時(shí)，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(qiáng)。

本文的貢獻(xiàn)和局限

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

本文在采用模糊集定性比較方法（fsQCA）對(duì)公司創(chuàng)新能力的影響因素進(jìn)行研究時(shí)模型中引入的變量較多，受到變量組合復(fù)雜程度和樣本規(guī)模的限制，導(dǎo)致研究結(jié)果中覆蓋率得分指標(biāo)較低。針對(duì)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(jìn)行改進(jìn)。

參考文獻(xiàn)：

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(guó)制造企業(yè)國(guó)際采購(gòu)問題研究[D].中國(guó)人民大學(xué)，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(yīng)商創(chuàng)新性、網(wǎng)絡(luò)能力對(duì)制造企業(yè)產(chǎn)品創(chuàng)新的影響——供應(yīng)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