基于模糊集定性比较方法的供应链依赖度与企业创新关系分析

任声策+范倩雯

内容摘要：企业的创新能力与其所处的上下游组织网络结构密切相关。企业对上下游企业的依赖程度和其经营的国际化程度直接影响到企业可接触到的技术知识库规模，从而对其创新能力产生影响。本文利用中国中小板和创业板上市的248家企业的数据，对制造业企业创新能力与其供应链网络依赖性和国际化程度之间的关系进行实证研究。本文使用了模糊集定性分析方法（fsQCA），对于不对称的因果关系进行分析，得出了影响企业创新能力的原因组合，拓展了创新研究领域的研究方法和结论。

关键词：模糊集定性研究方法（fsQCA） 供应链网络依赖度 国际化程度 中小企业创新 专利

中图分类号：F270 文献标识码：A

引言

创新能力与企业可接触到的技术知识库规模有关。组织学习理论认为，企业所处的网络结构构成了复杂的组织间协作和学习的系统，企业可以通过与供应链上下游企业间的协作，逐渐累积创新所需的资源和能力。企业可以通过与上下游企业形成复杂的协作体系，积极参与国际经营等方式，积累行业内的信息和资源，了解海外市场，并用于新产品和新领域的拓展和研发。

有研究表明公司创新能力会受到组织间关系的影响，包括企业与上游供应商和下游客户之间的关系。企业通过与上下游厂商的协作和交流获取关于产业发展的信息和想法，也更容易获取企业创新发展所需的行业内部资源。企业在供应链网络结构中所处的位置和影响力与企业和上下游供应商的关系的紧密程度相关，而这种关系的强度又会对企业的创新性产生不同程度的影响（Azadegan， 2011）。

对于供应链网络依赖度的相关研究认为复杂的组织间关系会降低企业的专注度，从而对企业的研发能力产生负向的影响（Eisingerich，2010）。而另一部分学者认为，企业的研发能力取决于其知识库的规模，多样性的网络关系能够扩展企业的搜寻范围（search scope），并对企业的创新成果起到正向的促进作用（Ren et al.，2015）。这些矛盾的研究结论引发了本文对于中国市场中小企业供应链网络依赖度与企业创新成果关系的思考，本文希望通过对中国中小板和创业板上市公司进行实证研究，为相关领域提供新的证据。

企业经营的国际化程度是影响企业技术知识库的另一个重要因素。相关研究指出，企业国际经营程度会为企业带来关于国际市场和产品的知识资源，促进企业创新能力的转化。国际化经营程度较高的企业，能够与更加多样化的供应链下游企业进行合作和交流，同时也更有可能在全球范围内进行采购（解佩，2006），从而增加了其供应商网络的多样性和复杂程度。因此，会进一步丰富企业的创新知识库。

关于企业网络资源依赖度和国际化程度对企业创新能力的影响的问题，以往的研究多采用多元线性回归方法。但是多元线性回归方法的研究会受到以下几方面的限制：首先，多元线性回归方法在进行预测时可能因无法得到无偏的线性估计而低估结果的不确定性（Soyer，2012）；其次，多元线性回归方法是一种研究净影响程度的研究方法，主要针对的是对称的变量关系，当变量之间出现不对称关系时，其估计的准确性就会受到影响（Woodside，2013a）。

为了应对多元线性回归方法的局限，本文引入定性比较方法（Qualitative Comparative Analysis，QCA）。定性比较方法是一种基于集合理论的研究方法，可以对不对称的复杂因果关系进行分析（Woodside，2013a，b）。本文采用的模糊集定性比较方法（Fuzzy-set Qualitative Comparative Analysis，fsQCA），是在定性比较方法上引入模糊集的概念，该方法能够克服简单布尔代数的局限性，对研究对象进行更深入和细致的分类研究。

本文利用中国中小板和创业板上市的248家企业的专利数据和其上市年度之前三年的营业数据，求均值后得到公司上市年度的截面数据，以企业专利申请数作为反映企业创新产出的变量；以供应商集中度、需求集中度和企业国际化程度作为三个主要的因变量；以企业的资产规模、成立年限、研发强度三个变量作为控制变量。本文利用模糊集定性比较方法（fsQCA）对公司供应链网络依赖性和国际化程度与企业创新能力之间的关系进行了研究。

模糊集定性比较方法（fsQCA）

定性比较分析（Qualitative Comparative Analysis）是在进行逻辑分析时利用布尔代数的方法将每个个案看作多个原因条件和结果条件的结合体，简化了原因条件和结果条件之间的关系（李随成等，2013），因此可以系统地对多个案例进行比较分析研究。该方法已经被广泛应用于政治学和社会性领域的研究。近年来，部分管理学领域的学者开始尝试用这种定性方法来对管理领域的问题进行研究，如组织行为学、市场营销学、创新研究和组织社会责任等。

现实生活中如果观察到有些企业具有较强的创新能力（体现为较多的专利申请），而另一些企业则缺少专利活动，这里使用P和P′表示企业创新能力的高和低。我们可能观察到某一些创新力高的企业（P）同时具有较高的供应商集中度，需求集中度和国际化程度的特质，分别用A、B和C来表示。如果看不到这些特质则用A′、B′和C′表示。在研究什么因素会导致企业拥有较强的创新能力的问题时，是将P作为结果特征，将A、B、C等当作原因特征，来探讨当P（或P′）出现时各个原因特征可能的组合。

QCA最初是用于研究刚性系统的研究（即布尔集Boolean sets），刚性系统只允许全部存在或全部不存在的情况。模糊集（fuzzy sets）拓展了刚性集的内涵，允许部分属性的存在，即允许变量的归属度介于0到1之间。在上述例子中，仅仅把企业创新能力分为高（P）和低（P′）两类，同时供应商集中度、需求集中度和国际化程度也使用二分变量（0或1）进行描述。但实际生活中不同变量的变化是连续的，因此Ragin等学者提出了使用多个值来刻画变量属性的模糊集定性比较方法，使用模糊集代替简单集。

模糊集的真值表运算与简单集在原理上是一致的。首先是观察个案，然后确定个案中原因特征和结果特征分别对应的成员身份度；再利用成员身份度模糊集生成真值表；从真值表计算出结果得出哪些原因特征组合是结果特征的子集；最后精炼这些原因特征组合。该方法主要是利用集合关系和集合间的逻辑运算规则（如“交”和“并”）来探索多个案中事先确定的原因特征是否真正是结果特征产生的原因（李随成等，2013）。

由于计算依据的集合类型不同，因此基于模糊集的定性比较方法需要考察额外的因素。假如判定一个结果特征集合是另一个原因特征集合的子集，这种判定的把握性有多大是模糊集情况下需要考虑的。基于模糊集的定性比较方法放松了对初始测量精度的要求，但增加了检验结论可靠程度的指标，使得对结果的解读具有类似统计量的参数。度量上述可靠性的指标主要是由Ragin提出的一致性得分（consistency）和覆盖度得分（coverage）（李随成等，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（或原因组合）的成员身份度，Yi表示结果要素的成员身份度；而min（Xi，Yi），表示在两者之间取最小值。Consistency（Xi≤Yi）的值越接近于1，表明X集合属于Y集合的把握越大。Coverage（Xi≤Yi）的值越接近于1，表明非X集合同时也属于Y集合的机会越小。只有一致性得分和覆盖度得分达到一定水平（一般为0.8以上），才适宜根据子集关系来分析观察特征之间是否存在因果联系（李随成等，2013）。

fsQCA主要包含以下几个步骤。第一步是创建模糊集归属度评分的数据集，为了确定数据的模糊集评分，最重要的是要确定三个锚定值：完全归属（full membership）、完全不归属（full non-membership）、中间值（crossover point）。第二步是选择一系列预先确定的原因变量，一般为三到八个。第三步是创建真值表（truth table）来确定多个原因变量组合的影响情景。这一步中需要指定频率阀值（frequency cutoff）和一致性阀值（consistency cutoff）来区分有效与无效的因果关系组合，一致性指标高于该阀值的组合标识为1，否则为0。第四步运行软件后将会产生三个结果：综合解（the complex）、保守解（the parsimonious）、中间解（intermediate solutions）。

数据分析

（一）数据构建及描述性统计

本文利用中国中小板和创业板上市的248家企业的专利数据和其上市年度之前三年的营业数据，求均值得到各公司在上市前三年的平均专利数、上市前三年平均出口收入占比、上市前三年平均前五大供应商采购比例、上市前三年平均前五大客户销售比例，并结合公司上市时的资产规模和成立年限，形成各公司上市年度的截面数据。各变量解释如表1所示。

模糊集是用来研究部分归属关系的数量方法，在使需要同时对原因变量和结果变量进行处理。模糊集中归属关系的程度为从0.0到1.0，模糊集理论中同时包含了定性分析和定量分析两种特质。要想对模糊集归属度进行度量，首先要确定变量的归属度，区分归属度的阀值。本文的数据采用Ragin（2008）提出的直接法来确定用来划分模糊集变量区间的三个断点：完全归属点（95%）、完全不归属点（15%）和中间点（50%）。表2显示了原始变量的描述性统计和断点值，经过fsQCA软件处理后的解释变量和被解释变量的描述性统计结果如表3所示。

（二）构建真值表

构建真值表有两个分析步骤。首先，要根据模糊集数据构建真值表单，确定输出结果和对应的原因变量组合。在这一步中真值表的行数是可能的原因组合的数量，构成一个有2k种可能的表格。本文使用了五个变量作为原因变量，包括五大供应商采购比例、五大客户销售比例、出口比例、总资产的对数和公司成立年限，因此在真值表中构成了25个可能的原因组合。第二步需要对真值表中的数据进行比较，确定频率阀值和一致性阀值。频率阀值帮助确定集合归属度高于0.5的原因组合。基于以上研究过程，得到模糊集真值表（部分真值见表4）。本文指定了三个阀值用于区分各组数据，分别为5%、50%和95%。本文使用2作为频率阀值，0.90作为一致性阀值。

fsQCA方法可以产生三个结果：综合解、保守解、中间解。通常认为中间解最好的反映了研究结果，因为它包含所有必要的组合情况（Ragin，2009）。综合解通常也作为结果列示，因为该结果也同时保留了数据的完整性。表5列示了两种可能导致专利申请数高归属度的原因变量组合情况，这两种组合是产生专利变量高归属度的充分条件。这两种条件分别是：“～sup_cal*cus_cal*expo_cal*lnasset_cal”（一致性0.90，覆盖率0.32）和 “～cus_cal*expo_cal*lnasset_cal*age_cal”（一致性0.90，覆盖率0.30）。模型整体的覆盖率得分为0.42，一致性得分为0.89。表5中还列示了各原因变量组合的一致性和覆盖率得分情况，这两种组合方式基本符合一致性的要求，能够解释企业的创新能力的强弱。

模型整体的一致性指数为0.89，高于Ragin（2008）给出的参考值要求。一般而言要求模型的一致性水平高于0.75，如果该指标高于0.75就表明结论中的原因变量组合是结果变量的子集。较高的一致性水平说明模型的解释力较强。

此外，本文还对低创新能力的原因变量组合进行了研究。研究结果显示，以2为频率阀值、0.8为一致性阀值的出了两个符合一致性要求的原因变量组合方式，分别是“cus_cal*～expo_cal*lnasset_cal*～age_cal”（一致性0.81，覆盖率0.28）和“～sup_cal*cus_cal*～expo_cal*lnasset_cal ”（一致性0.80，覆盖率0.27）。模型整体的一致性为0.78，覆盖度为0.33。

研究结论

本文使用模糊集定性比较研究方法（fsQCA）对企业与供应商、消费者以及企业国际化经营程度指标与企业创新能力（以企业专利申请数表示）之间的影响关系进行研究。

强研发能力的原因变量组合研究的结果显示，公司的资产规模的扩大是企业的创新能力提升的必要条件，企业规模越大其创新能力越强；企业的国际化程度与其创新能力之间呈现正向关系，出口比例越高的企业其专利申请数越多；在需求集中度低、国际化程度较高且规模较大时，企业的创新能力会随着其成立年限的增加而提升。

企业供应商集中度、需求集中度与其创新能力之间的关系取决于各种原因变量的组合方式。当企业规模较大、国际化经营程度较高时，企业前五大供应商采购比例越低、并且前五大客户销售比例越高则其创新能力越强；当企业资产规模较大、国际化经营程度较高、成立年限较长时，企业前五大客户的销售比例越低则企业创新能力越强。

本文的贡献和局限

本文的研究在以下两个方面有重要意义：一方面，本文揭示了公司对供应链网络依赖度、国际化程度、公司成立年限以及公司规模等多个变量之间的组合关系对企业专利申请的影响；另一方面，本文使用了模糊集定性比较方法对中国市场中小企业的创新情况进行分析，为Ragin和 Woodsides等国外学者提出的研究方法提供了来自中国市场的实证证据。

本文在采用模糊集定性比较方法（fsQCA）对公司创新能力的影响因素进行研究时模型中引入的变量较多，受到变量组合复杂程度和样本规模的限制，导致研究结果中覆盖率得分指标较低。针对这一问题，在未来的研究中可以通过增加样本数量或拓展为面板数据的方式进行改进。

参考文献：

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.我国制造企业国际采购问题研究[D].中国人民大学，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.李随成，李勃，张延涛.供应商创新性、网络能力对制造企业产品创新的影响——供应商网络结构的调节作用[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