开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
改革开放40多年来，我国经济增长方式和面临的国际经贸形势都发生了巨大转变，正处在转变发展方式、优化经济结构、转换增长动力的攻关期。为激励企业科技创新并增加研发投入，国家财政部、税务总局、科技部宣布提高企业研究开发费用税前加计扣除比例(财税[2018]99号)，这无疑为推进中国制造企业加快转型升级进程提供了新的激励措施。Gereffi[1]认为，企业转型升级是指企业通过从生产低附加值产品向生产高附加值产品转移，从而提升自身在全球价值链上的位置。无论是从互联网[2-3]、大数据价值链[4]、技术创新[5-6]，还是从数据应用等[7]方面探索对制造业转型升级的驱动作用，最终都离不开科技创新，国家对科技创新投入力度越来越大，激励措施越来越多，技术进步对经济增长的贡献不断上升。其中，制造业(实体企业)科技投入和贡献是主体。由国家统计局、科学技术部和财政部联合发布的《2017年全国科技经费投入统计公报》显示，2017年中国基础研究经费已经达到975.5亿元，是近5年来的新高。虽然中国制造企业研发投入强度不断提升，但和创新型国家要求相比，仍有一定差距且整体存在大而不强、多而不优的情况。因此，在加强研发投入的同时，还需要优化研发资源配置。目前，中国制造业转型升级过程中面临成本高、产品附加值低、信息不对称、融资难、成效不高等方面的难点[4]。导致这些难点的因素除相对落后的创新能力外，经营能力[8]、人力资本[9]等其它因素也不可忽略。现实生活中，一个结果的产生往往是由多个因素共同影响所致[10]。值得指出的是，在有关转型升级的研究中，大多分析各因素分别对转型升级的影响，研究因素之间的组态作用较少。就组态作用而言，正确的资源配置能驱动制造业转型升级，而资源错配则会对企业转型升级产生不利影响[11]。因此，对制造企业有效资源配置组态进行研究是十分有必要的。王文[12]研究发现，制造业资源错配程度比多数其它产业资源错配程度更高，这也是制造业相对其它产业更难转型升级的原因之一。Acemoglu等[13]认为，资源错配并不是单一因素作用的结果。基于此，本文将同时对资源配置组态与资源错配组态进行分析，目的是：①在创新背景下，分析企业有效资源配置组态，帮助企业对自身资源进行优化组合，产生资源协同效应，找出制造企业转型升级的有效资源配置组态路径；②通过对比分析，找出导致资源无法协同或错配导致的低效或失败转型升级的组态路径形式。本文以为，在创新时代，不确定性非常大，企业转型升级成败的正反对比研究视角具有一定的新颖性，对于深入研究新时期制造业转型升级的有效路径，具有理论意义和实践参考价值。
在我国创新驱动的新时代，创新能力是企业转型升级、提高竞争力的根本资源因素，但创新能力是必要因素(条件)而非充分条件，转型升级成效取决于创新能力与其它资源的有机组合和集成。从企业资源视角，本文以创新能力为核心资源，从科研资本、融资能力、供应商集中度以及企业规模4个角度考虑与制造企业创新能力的关系。
研发投入强度是企业内部资源配置形式之一，其对制造企业转型升级的重要性无疑已形成共识。影响企业创新能力的因素除研发投入外，还有企业科研技术人员[14]。传统企业通过研发投入可以提高企业员工创新能力以及知识技术水平[15]，影响企业知识技术密集度。知识技术密集度是指企业劳动力知识技术水平，Acemoglu等[16]认为，熟练劳动力与非熟练劳动力的比例可以较好地反映知识技术密集度。对于制造企业来说，生产活动是其主要活动之一。因此，知识技术密集度对制造企业创新生产有重要影响。当企业具有较高的知识技术密集度时，企业全面协同创新能力增强，技术人员的活力和创造力更易被激发[17]。由此可见，知识技术密集度与研发投入强度共同影响企业的创新能力。对于不具备转型升级所需科研资本的企业来说，可以通过企业集群方式提升自身竞争力。企业集群是指将某领域的诸多企业与其它相关组织聚集到一起，从而形成较强的竞争优势[18]。制造企业转型升级不仅是企业发展的内在要求，而且涉及企业集群的资源互补和协同，并能够促进联动升级。研发投入与知识技术密集度的组态作用存在强弱配置和协同配置形式，对企业转型升级和企业集群协同创新具有不同的效应，这是本研究的第一个着手点。因此，本文提出以下假设：
H1a：高研发投入强度与高知识技术密集度的条件组态共同提升企业创新能力，有利于企业转型升级成功；
H1b：研发投入与知识技术密集度一强一弱的组态将对转型升级产生负向作用。此时企业无法产生资源协同效应，同时存在资源错配的可能性。
对企业技术创新的融资支持包括内源融资和外源融资[19]。在创新活动中，由于企业之间的信息不对称，因此，企业更倾向于考虑内源融资[20]。当企业拥有较高的内源融资水平时，研发投入强度增大，创新活动更活跃，从而对转型升级起到正向作用。然而，当企业内源融资水平较低时，将给企业资金周转带来巨大压力，一旦出现资金流转不周的状况，生产经营将面临巨大风险。考虑到企业规模因素对企业创新的重要影响[21]，规模大的企业往往拥有更高的内源融资能力和需求，但面对外部风险时也需要更多的资金流转。因此，企业规模大而内源融资水平低将导致企业抗风险能力极差。此时，可以通过产业联盟方式降低制造企业转型升级难度。产业联盟是指通过整合优势资源、核心技术并全面提升产业核心竞争力的一种高端联盟组织形式[22]。基于上述分析，本文提出假设如下：
H2a：高内源融资水平与高研发投入的资源配置组态使得企业拥有良好的科研能力和成果转化能力，促进企业转型升级；
H2b：低内源融资水平与高研发投入的资源配置组态极大地增加了企业资金流转压力、市场波动风险，转型升级失败的可能性增加；
H3a：高内源融资水平与规模企业的资源配置组态可促进企业快速发展，有利于核心竞争力和转型升级能力的提升。
H3b：低内源融资水平与规模企业的资源配置组态将导致企业抗风险能力极大降低，需要与拥有高内源融资水平的企业进行资源互补，通过协同创新完成转型升级。
企业发展离不开企业与供应商之间的合作。企业通过与供应商建立良好的关系可以转嫁风险并在一定程度上降低交易价格[23]。但集中的供应商关系可能导致企业因过于依赖某一供应商而丧失交易主动权，企业与供应商之间存在信息不对称的情况，因此也可能会增加企业成本[24]。不仅如此，学者Dyer[25]认为单一供应商可能无法生产出满足消费者创新需求的产品。由此可见，集中的供应商关系是把双刃剑，可以为企业降低一定风险的同时，也可能会阻碍企业创新。当企业拥有较高知识技术密集度或高研发投入强度时，企业的创造力更强，因此不必担心核心技术被供应商所掌控。此时，企业更适合拥有较高的供应商集中度以此转嫁交易风险。反之，当企业过于依赖供应商却又缺乏创新能力时，企业转型升级将会受到较大的阻力。基于此，提出假设四如下：
H4a：高供应商集中度与高知识技术密集度或高供应商集中度与高研发投入的资源配置组态将增强企业信息掌握能力及新产品生产能力；
H4b：当企业的供应商集中度过高却没有创新能力提供保障时，企业将丧失主动权，造成资源错配，阻碍转型升级。
陶加强[26]认为，企业规模会对企业转型升级产生一定的影响，因此将其视作自变量对转型升级过程进行研究；孔伟杰和苏为华[21]认为，企业规模作为企业显性特征，是企业创新的重要影响因素，对企业研发投入以及创新活动有积极促进作用。创新行为影响企业转型升级，企业规模与企业转型升级之间的关系值得研究；Zhou等[27]认为，大规模企业可能会将企业锁定在价值链低端，同时结构臃肿、管理不善等问题会导致企业难以转型升级。由此可见，企业规模对企业转型升级的影响存在一定争议。本文认为，企业规模可以影响企业获取其它资源的能力，因此，企业规模同样可以看作是企业自身可被利用的资源要素。大规模企业可以获得较高的市场地位，获得更多的市场机会，但同时需要承担更多社会责任。企业规模对企业转型升级的影响在不同资源配置下会有不同效果。基于此，本文提出假设如下：
H5a：大规模企业在高研发投入强度或高知识技术密集度下可以提升企业创新能力并影响企业创新行为。因此，此种组态会对企业转型升级产生正向影响；
H5b：大规模企业在低研发投入强度或低知识技术密集度组态下，由于组织规模大、创新能力低、结构臃肿，会被锁定在价值链低端，导致转型升级难度增大。
在创新驱动时代，制造企业转型升级离不开研发投入、员工知识技术水平、融资能力、供应商等要素，随着企业发展，其规模又影响上述要素变化。上述要素实质上也是企业应该具备的广义资源，一定程度上代表资源能力。因此，从企业资源基础理论出发，在制造企业转型升级过程中，企业应当具有研发投入、知识技术、融资、规模、供应商5类资源要素。根据资源组态理论，不同资源要素在进行组态配置时会产生不同的效应，企业转型升级理应是资源要素有效配置或优化配置的结果。根据上述研究假设，企业转型升级的一般机理是，5类资源要素有机组合产生组态效应，通过产生的组态效应使企业向上下游延伸，在遇到来自上下游企业的阻力时，可以通过企业集群方式打破市场壁垒。在一定程度上，企业可以通过加强与上下游企业之间的合作形成产业链协同创新机制，即通过资源要素协同创新，驱动企业转型升级和发展，如图1所示。
图1 资源配置下企业转型升级机理模型
(1)供应链视角下企业通过科研资本配置组态效应提升创新能力的机理。在上述企业资源要素中，科研资本为研发投入强度与知识技术密集度，有两种情形：情形1，当企业研发投入强度与知识技术密集度的资源要素协同时，所形成的创新能力会驱动企业向上下游延伸。此时，由于企业创新能力较强，企业进入上游市场的难度降低。同时，在创造力的作用下生产出的新产品会更容易流入下游应用市场，此时企业可以通过提高产品附加值促进企业转型升级，如图2(a)所示；情形2，当企业内部研发投入强度与知识技术密集度的资源要素不协同，即一强一弱时，应从产业链合作竞争角度，通过企业之间的资源组态产生协同效应，达到“1+1>2”的目的，共同促进转型升级，如图2(b)所示。以图2为例，由于机理内容相似，以下几种组态图形不再给出。其中，实线圆圈表示拥有该资源，虚线圆圈表示缺少该资源。
(a) 企业内部科研资本要素协同时转型升级机理
(b) 企业内部科研资本要素不协同时通过产业链协同创新驱动转型升级机理
图2 科研资本组态下企业转型升级机理分析框架
(2)供应链视角下企业融资能力通过资源参与配置组态效应提升企业创新能力的机理。企业内源融资水平可以与两种要素进行组态。首先，研发创新活动周期较长，无法在短时间内获取较高的回报。因此，在上述资源要素中，研发投入是一种需要企业提供资金保障的资源要素。此时有两种情形：情形1，当企业研发投入强度与内源融资水平协同时，所形成的高融资能力下的科研能力可以帮助企业纵向整合产业链，进入附加值更高的新市场；情形2，当企业内部研发投入强度与内源融资水平不协同时，企业风险增大，此时可以进行产业联盟，利用联盟方资源互补实现共同转型升级。其次，大规模且内源融资水平高的企业可以快速获取消费者、政府、银行、其它企业等多方主体信任。情形1，当内源融资水平与企业规模协同时，由于获取了多方主体信任，在面临来自下游企业的阻力时，能有更多的渠道分散阻力，因而可以更轻松地打破下游市场壁垒。同时，大规模且内源融资水平高的企业往往更容易获得上游企业信任并与其合作，从而提升上游研发水平，进入产品附加值更高的市场，完成转型升级；情形2，当两种资源要素不协同时，多方进行产业联盟，联盟方综合资源要素通过协同效应完成联盟方的整体创新，最终完成转型升级。
(3)供应链视角下企业供应商集中度通过资源配置组态效应提升企业创新能力的机理。与供应商集中度相关的资源配置组态有两种：情形1，企业拥有高供应商集中度的同时，具有较强的知识技术密集度或研发投入强度，此种组态可以保证企业核心产品不会被供应商掌控。此时，企业将不会被对方控制交易主动权(例如当前中美贸易情形)，在压缩交易成本的同时占据市场份额，完成转型升级；情形2，当企业过于依赖供应商且自身不具备高知识技术密集度或高研发投入强度时，企业核心产品研发技术很大程度上会被供应商掌握，企业由于找不到替代方，将丧失主动权，转型升级难度增大。此种组态下企业需要将更多资源配置在研发或知识技术上并降低供应商集中度。
(4)供应链视角下企业规模通过资源配置组态效应提升企业创新能力的机理。与企业规模相关的资源配置有两种情形：情形1，大规模企业拥有较高的研发投入强度或知识技术密集度，可以快速提升创新能力并占据市场地位，进而抢夺市场资源与机会。此时，企业进军上下游市场的难度将大幅降低，同时也能获得更多合作伙伴；情形2，当企业规模较大，研发投入强度或知识技术密集度较低时，企业往往不具备延伸到上下游的能力。此时，企业面临的阻力较大，产品往往被锁定在价值链低端，难以完成转型升级。此种组态下企业需要精简自身组织结构并增加自身科研资本。
定性比较分析(Qualitative Comparative Analysis,QCA)是一种以案例为导向，基于集合论与布尔代数的研究方法，能很好地解释多重并发因果关系问题[28-29]。QCA不同于单纯的案例分析法，它既可以总结案例之间的共性又可以区分案例之间的异质性。QCA假定某种现象产生的原因是复杂多元且非线性的，因而是多种原因组态下共同作用的结果[30]。影响企业转型升级的因素是学者们关注的重点，但从组态角度进行分析的文献较少，本文选取模糊集定性比较分析法(Fuzzy-set QCA，简称 fsQCA)，研究什么资源组态可以推进或阻碍企业转型升级。
基于前述资源配置组态下企业转型升级机理分析以及相关研究假设，主要选择解释变量如下：
(1)转型升级成效(CT)。产品附加值可用于度量企业竞争力，附加值提升是企业转型升级的重要标志[27]。借鉴文献[27]，采用销售利润率反映企业转型升级。
(2)研发投入(R&D)。现有研究大多选取研发投入占营业收入的比重、企业新产品产值占比以及专利数量等指标衡量企业研发投入，本文选取研发投入占营业收入的比重作为度量制造企业研发投入的指标。
(3)内源融资水平(INF)。国内外大多数研究采用经营活动产生的现金流量净额衡量企业内源融资水平[31]，本文将延用该度量方法。
(4)企业规模(Size)。目前，有关企业规模的评价指标有员工人数、固定资产规模、销售收入等，本文选择销售收入作为企业规模评价指标。
(5)知识技术密集度(KTI)。本文借鉴文献[17]，采用企业技术人员占比衡量企业知识技术密集度。
(6)供应商集中度(SR)。本文选取企业前5名供应商合计采购金额占年度采购总额的比率作为衡量供应商集中度的指标。各变量定义及评价指标汇总如表1所示。
本文以2018年在深沪A股上市的64家制造企业为基础样本库，剔除关键数据缺失以及ST或*ST的企业。企业财务数据与特征数据来源于国内两大权威数据库：国泰安数据库和色诺芬数据库，并与样本企业年报以及巨潮网、东方财富网等国内专业网站上公布的数据进行核对，最终筛选出45家制造企业样本数据。
表1 变量定义
变量名称变量定义与描述转型升级CT产品附加值,用销售利润率衡量研发投入R&D研发投入占营业收入的比重内源融资水平INF用经营活动产生的现金流量净额衡量企业规模SIZE企业销售收入知识技术密集度KTI用企业技术人员占比衡量供应商集中度SR前5名合计采购金额占年度采购总额比率
运用fsQCA3.0软件，分析步骤为：①对结果变量(高效转型升级与低效转型升级)以及5个条件变量(研发投入、内源融资水平、企业规模、知识技术密集度、供应商集中度)进行数据校准并将其转换为相应的模糊集隶属度；②设置3个临界值：完全隶属、交叉点和完全不隶属[32]。各变量的3个锚点分别设置为样本数据的75、50和25分位值[33]。对于低效转型升级而言，校准规则与高效转型升级相反，取高效转型升级的非集(negation)，得到各变量校准锚点如表2所示；③参照Fiss[33]的研究成果，将一致性阈值设为0.8。
表2 各变量校准锚点
变量定位点完全隶属交叉点完全不隶属结果变量高效转型升级(CT)/%9.936.092.18低效转型升级(～CT)/%2.186.099.93条件变量研发投入(R&D)/%6.074.523.59内源融资水平(INF)2 974 226 963593 655 108.4139 313 550企业规模(SIZE)35 390 169 64813 878 229 1485 009 827 514知识技术密集度(KTI)/%22.3916.8211.60供应商集中度(SR)/%29.2619.4314.61
在对转型升级的资源配置进行组态分析之前，首先需要检查单一条件变量是否为结果变量的必要条件。当条件变量对结果变量的一致性达到0.9以上时，可以认为此因素是该结果产生的必要条件。用fsQCA3.0进行一致性分析，得到各单一变量对结果变量的一致性分值如表3所示。
表3 必要性检测结果
变量含义CTConsistencyCoverage～CTConsistencyCoverageR&D高研发投入0.681 2100.639 9630.426 9030.493 712～R&D低研发投入0.461 0810.395 2400.688 683 0.726 732INF高内源融资水平0.691 1250.652 9270.437 7770.509 134～INF低内源融资水平0.480 417 0.409 7250.701 5710.736 575Size大企业规模0.560 7340.535 0050.498 9930.586 093～Size小企业规模0.566 1870.478 6250.604 1080.628 667KTI高知识技术密集度0.643 5300.563 6130.519 1300.559 705～KTI低知识技术密集度0.497 2730.456 5320.595 2480.672 735SR高供应商集中度0.509 1720.459 0970.559 8070.621 368～SR低供应商集中度0.580 0690.517 0130.5126 860.562 528
从表3可见，各项条件变量对转型升级结果变量一致性得分均未超过0.9，介于0.43～0.70之间，即不存在其中某个条件为高效或低效转型升级的必要条件。由此可见，单个条件变量对高效转型升级与低效转型升级的解释力不强。
运用fsQCA分析转型升级的有效组态时，会得出复杂解(Complex Solution)、简约解(Parsimonious Solution)和中间解(Intermediate Solution)3种。其中，中间解包含“逻辑余项”且在结合理论知识的同时考虑实际状况，因此，本文选择中间解进行研究[34]。根据Fiss[33]的研究，将同时出现在简约解与中间解的条件变量定义为核心条件，而仅出现在中间解的变量定义为辅助条件。其中，●表示该条件出现，⊗表示该条件不出现，大圈●表示核心条件，小圈•表示辅助条件[35]。对45个样本数据的软件分析结果如表4及表5所示。
表4 高效转型升级组态
条件组合方案1234研发投入(R&D)●•知识技术密集度(KTI)●●●内源融资水平(INF)●●●●企业规模(Size)••供应商集中度(SR)•●一致性(consistency)0.840.920.880.93原始覆盖度(raw coverage)0.310.230.360.38唯一覆盖度(unique cover-age)0.020.040.050.04整体方案的一致性(solution consistency)0.84整体方案的覆盖度(solution coverage)0.52
(1)高效转型升级驱动机制分析。从表4可见，促进制造业企业转型升级的条件组态方案有4个，方案整体一致性达到0.84，总覆盖率达到0.52，说明这几种方案对促进制造企业转型升级的机制有较强的解释力，解释了52%的产生高效转型升级的原因，可以认为上述方案对应的条件组态或组态路径为促进制造企业转型升级的充分条件。
通过观察表4可知，上述资源要素的正向组态会促进企业转型升级。在4种方案中，融资能力与知识技术密集度相对来说是最重要的且为核心条件，与研发投入、供应商集中度、企业规模相匹配的条件组态各有两条，且均离不开融资水平或知识技术密集度的协同作用。企业规模因素影响其中的两个方案，且都为辅助条件。对4个方案的条件组态分别分析如下：
方案1：KTI*INF*SR。它表示无论企业研发投入以及企业规模如何，只要企业有着高知识技术密集度、高内源融资水平以及高供应商集中度，便能达到高效转型升级条件。方案1的覆盖度达到31%，同时验证了H4a，但仍需作一定补充，即高供应商集中度与高知识技术密集度的资源配置组态还需要加上高内源融资水平的资源配置。供应商与知识技术组态前文已进行了分析，此种组态下企业不仅可以控制市场交易成本，也不惧丧失核心研发能力的风险。但实证结果表明，此时企业还需要高融资能力作保障。高内源融资水平以及高供应商集中度本身就能为企业提供高抗风险能力，当企业自身不惧外部环境变化时，加强知识技术密集度能为企业带来较高的收益回报，此时企业规模并不能影响企业转型升级。当3种资源要素组态协同作用时，企业能够获得较多的创新活动资本以及集中的供应商关系网络。在此种配置组态中，知识技术密集度以及内源融资水平是核心条件，供应商集中度是辅助条件。
方案2：R&D*INF*Size*SR。它表示大规模企业在提高研发投入、内源融资水平并拥有高供应商集中度时，便可忽略知识技术密集度这一资源要素。方案2的覆盖度达到23%，是4种方案中覆盖度最低的，原因可能在于方案2所要求的资源配置较高，同时要求企业具有4种资源要素，对企业来说较为困难。此组态验证了H2a、H3a、H4a以及H5a，是这4种假设的融合体。首先，高供应商集中度以及高强度研发投入为企业争取了市场交易主动权，高内源融资水平与高研发投入、高内源融资水平和大规模的资源配置组态使企业在拥有极强的科研能力，同时具有可靠的经济保障，4种资源要素组合在一起后，传统制造企业就能向经营能力好、市场份额较大、掌握交易主动权且科研能力较强的新兴企业转型升级。其中，研发投入、内源融资水平以及供应商集中度是核心条件，企业规模则是辅助条件。
方案3：KTI*INF*Size。它表示当企业拥有较高的知识技术密集度、内源融资水平以及较大规模时，便可实现高效转型升级。方案3的覆盖度达到36%并验证了H3a、H5a，但需要对H3a与H5a进行补充。本文在第二部分强调了制造企业创新能力下的资金保障，但在H3a中只提到了内源融资水平与企业规模组态，显然是不够的。实证结果表明，此种组态必须与高知识技术密集度协同才能转换成为高效转型升级的有效路径，间接体现出创新能力的不可或缺性。同理，H5a中提到的知识技术密集度与企业规模的组态也是不够的，需要将三者同时组态。其中，知识技术密集度与内源融资水平是核心条件，企业规模为辅助条件。
方案4：R&D*KTI*INF。它表示增加研发投入，提高内源融资水平和知识技术密集度可以帮助企业完成转型升级。方案4的覆盖度为38%，一致性为93%，是4种方案中覆盖度与一致性最高的，此组态验证了H1a、H2a，但需将两种假设整合在一起。由此可见，科研资本对于制造企业转型升级来说必不可少，相对来说，选择通过科技创新完成转型升级的成功率更大。当企业研发投入强度与知识技术密集度较高时，企业本身面临的科研风险会增大。科研创新作为周期较长的活动，需要大量人力与财力投入，较高的内源融资水平可以为企业创新活力以及正常的经营活动提供保障。其中，知识技术密集度与内源融资水平是核心条件，研发投入是辅助条件。
图3 X-Y散点图(高效转型升级)
综上，在转型升级的4种有效方案中，方案4即当研发投入、知识技术密集度和融资能力协同时，转型升级的原始覆盖度最高(38%)，可认为是成功率最高的。方案4说明，科技型企业无论规模大小都容易实现转型升级。方案2即要求研发投入、融资能力、供应商集中度与企业规模4项资源协同，转型升级的原始覆盖度最低(23%)，可认为是成功率最低的。方案2中，一是缺少知识技术密集度这一重要资源支撑，二是资源协同要求较高，达到4项，这可能是导致成功率较低的成因。根据上述对4个方案的分析，规模较大的资源型企业若要提高转型升级效率，方案3为有效路径，原始覆盖度可达36%，主要是对知识技术密集度和融资能力提出要求，即企业员工的科技素质要达到一定水平。
再对样本数据进行拟合，可得出高效转型升级下4种组态方案的X-Y散点图，如图3所示。可以看到，当条件组态表现较高时，可以引发高效转型升级结果；当条件组态表现较低时，也可以引发高效转型升级结果。因此，条件组态与转型升级之间存在非对称因果关系，由此突显出转型升级组态路径对比研究的重要性，这是采用传统回归分析方法无法得出的。同时，由散点图可以看出，大部分样本数据集中在散点图的左上方，由此可以反映出上述组态为企业高效转型升级的充分条件。
(2)低效转型升级驱动机制分析。从表5可见，产生低效转型升级的条件组态方案有5个，方案整体的一致性达到0.80，总覆盖率达到0.62，说明上述方案对低效转型升级有较强的解释力，解释了62%导致低效转型升级的原因，可以认为上述方案对应的条件组态或组态路径为低效转型升级的充分条件。
观察表5可知，5种条件组态中有4种包含低研发投入这一变量，且均为导致低效转型升级的核心条件。与表4对比可知，高研发投入不一定会产生高效转型升级结果，但是多数低效转型升级是由低研发投入与其它要素共同组合引起的结果。由此验证了研发投入强度对转型升级过程的重要性。此外，大企业规模、高知识技术密集度、高供应商集中度不仅可以产生高效转型升级，也能产生低效转型升级，因此，需要进一步深入分析。从规模因素看，在表5的5种失败组态情形中，规模因素占据了3个且2个为核心因素。与规模企业成功转型的方案相比，规模因素对导致转型失败的影响更大，或者说，规模企业要实现转型升级的难度更大。对5种条件组态的具体分析如下：
表5 低效转型升级组态
条件组合方案12345研发投入(R&D)知识技术密集度(KTI)•●•内源融资水平(INF)企业规模(Size)·●●供应商集中度(SR)●●一致性(consistency)0.930.880.840.840.81原始覆盖度(raw coverage)0.190.170.320.200.25唯一覆盖度(unique coverage)0.030.050.180.030.07整体方案的一致性(solution consistency)0.80整体方案的覆盖度(solution coverage)0.62
方案1：～R&D*Size*SR。它表示企业在大规模且研发投入强度低的条件下，过于依赖单一供应商会导致企业低效转型升级。方案1的覆盖度为19%，一致性达到93%，验证了H4b与H5b，但需要将两者结合到一起。对于大规模企业来说，当企业研发投入低又过于依赖某些供应商时，会导致企业抗风险能力差，且由于规模较大、结构较冗余，企业交易金额会变大，一旦丧失交易主动权，企业转型升级失败率将上升。其中，供应商集中度与研发投入是核心条件，企业规模是辅助条件。
方案2：KTI*～INF*Size。它表示当企业内源融资水平低、规模大但知识技术密集度较高时，无论企业研发投入强度与供应商集中度如何，企业都难以转型升级。此方案覆盖度为17%，验证了H3b，但似乎与H5a不相符。具体原因在于，企业创新能力不具有资金保障，高知识技术密集意味着企业要承担大量技术人力成本，此时，过低的内源融资水平以及周期长、回报慢、风险大的科研活动会导致企业面临的风险极大。由此强调了高效转型升级组态方案3的结论，即大规模、高知识技术密集度的企业需要以高内源融资水平作保障。其中，低内源融资与大企业规模是核心条件，高知识技术密集度是辅助条件。
方案3：～R&D*～KTI*～INF。它表示当企业研发投入低、内源融资水平低、知识技术密集度低时，企业将转型升级失败，且3种要素均为核心条件。该方案覆盖度达到32%，是5种方案中覆盖度最高的，同时验证了H1b与H2b，与其对应的是方案4。不同的地方在于，此时低研发投入是路径中的核心条件。此组态下由于不具有知识技术人才以及研发投入，故科研水平低，同时，较低的融资能力导致抗风险能力低。由于完全不具备科研能力以及抗风险能力，因而转型升级很难成功。
方案4：～R&D*KTI*Size。它表示大规模的企业当有高知识技术密集度却不提高研发投入时，将会导致转型升级失败。此方案覆盖度为20%，支持H1与H5b，但需要对二者进行补充。同时，将该方案与高效转型升级组态的方案3以及低效转型升级组态的方案2对比发现，H5a并不完全正确，规模大且高知识技术密集度的企业在其它资源配置不合理的情况下同样会出现资源错配现象，从而导致企业低效转型升级。企业研发投入过低导致知识技术闲置，增加企业运营负担的同时，无法为企业带来预期收益。其中，3种要素均为核心条件。
方案5：～R&D*KTI*SR。它表示无论企业规模与内源融资水平如何，即使企业拥有高知识技术密集度和高供应商集中度，但若研发投入较低，则难以完成转型升级。此方案覆盖度为25%，此组态支持H4b，没有处理好供应商集中度、知识技术密集度与研发投入之间的关系，导致资源错配。此方案中，研发投入与供应商集中度为核心条件，知识技术密集度为辅助条件。
综上，在转型升级5项低效(失败)方案中，覆盖度最高(32%)可理解为失败率最高，即方案3，其特点是科技水平和融资能力均低。其次为方案5(覆盖度25%)，其特点是科技水平较低，供应商集中度高，产业链的资源协同能力差。第三是方案4(覆盖度20%)，其特点是研发投入低，企业规模大。
本文提出制造企业转型升级的资源有效配置组态理论，以技术创新能力资源为核心，构建新时期企业转型升级资源要素：研发投入、劳动力知识技术水平、融资能力、规模、供应商。从企业创新能力与科研资本、融资能力、供应商集中度、企业规模4个方面，提出促进转型升级的假设，以及资源错配将导致转型升级失效的观点。以在钢铁、高耗能、电子、科技等行业中筛选出的45家上市企业为样本，运用模糊集定性比较分析法(fsQCA)对研究假设进行验证，并给出拓展原组态模型的条件。
本文的理论意义是，从转型升级成败视角，识别出企业资源的有效组态形式，以及导致低效的主要影响因素、组态类型和资源错配形式。主要结论是：①对于高效(成功)的企业转型升级来说，创新能力与融资能力协同配置最为重要。科技型企业更容易完成转型升级，而规模较大的资源型企业要完成转型升级相对较难，因为条件要求高；②对具有一定规模、高知识技术密集度和高供应商集中度的企业来说，上述资源要素与其它要素的组态既可能产生高效结果，也可能因错配导致低效后果；③通过对低效(失败)转型升级方案的分析发现：第一，科技水平和融资能力均低的组态失败率最高；第二，供应商集中度与知识技术结构配置容易导致资源错配，尤其对于规模企业来说更是如此。
本文管理启示在于：科技创新在制造业转型升级中具有重要作用，但科技创新不是万能药，也会因企业资源错配导致转型失败或低效。因此，需要注意：第一，科技创新不仅是加大研发投入力度，而且要求企业所有劳动者(员工)加强科技知识和技术学习，即所有科技人员、经营人员、管理人员都要提高科技素养；第二，资源型企业是转型升级的重点也是难点，除加大科技创新力度外，还要高度关注融资能力、产业链资源共享和协同能力的保障作用。
本文局限性在于：第一，可收集的企业样本数据有限，研究结论从方法来说是可信的，但准确性有待通过扩大样本数量作进一步验证；第二，考虑到外部因素的不可操控性，仅分析了企业内部资源配置下的转型升级机理，但企业内外部环境变量相结合也是必须加以考量的，需要未来进一步研究。
[1] GEREFFI G,HUMPHREY J,KAPLINSKY R,et al.Introduction: globalisation,value chains and development[J].IDS Bulletin,2001,32 (3) :1-8.
[2] 赖红波.传统制造产业融合创新与新兴制造转型升级研究——设计、互联网与制造业“三业”融合视角[J].科技进步与对策,2019,36(8): 68-74.
[3] 王一晨.运用工业互联网推动中国制造业转型升级[J].中州学刊,2019,41(4): 26-30.
[4] 李永红,张淑雯.大数据驱动传统产业转型升级的路径——基于大数据价值链视角[J].科技管理研究,2019,39(7): 156-162.
[5] 赵玉林,裴承晨.技术创新、产业融合与制造业转型升级[J].科技进步与对策,2019,36(11): 70-76.
[6] HUMPHREY J,SCHMITZ H.How does insertion in global value chains affect upgrading in industrial clusters[J].Regional Studies,2002,36(9): 1017-1027.
[7] 李君,成雨,窦克勤,等.互联网时代制造业转型升级的新模式现状与制约因素[J].中国科技论坛,2019,35(4): 68-77.
[8] 李冬嵬,陈佳鹏.煤炭企业转型升级发展中经营者业绩评价指标体系研究[J].中国煤炭,2017,43(1): 24-29.
[9] 余东华,李捷.人力资本积累、有效劳动供给与制造业转型升级——基于信息网络技术扩散的视角[J].经济科学,2019,41(2): 79-91.
[10] 王菁,徐小琴,孙元欣.政府补贴体现了“竞争中立”吗——基于模糊集的定性比较分析[J].当代经济科学,2016,38(2): 49-60+125-126.
[11] 戴一鑫,郑江淮.供给侧视角下的长三角制造业生产率变迁与转型升级[J].江西社会科学,2017,37(8): 44-53.
[12] 王文,牛泽东.资源错配对中国工业全要素生产率的多维影响研究[J].数量经济技术经济研究,2019,36(3): 20-37.
[13] ACEMOGLU D,JOHNSON S,ROBINSON J A.Reversal of fortune: geography and institutions in the making of the modern world income distribution[J].Quarterly Journal of Economics,2002,4(117): 1231-1294.
[14] 赵昌文,许召元.国际金融危机以来中国企业转型升级的调查研究[J].管理世界,2013,29(4): 8-15+58.
[15] 吴先明,苏志文.将跨国并购作为技术追赶的杠杆:动态能力视角[J].管理世界,2014,30(4): 146-164.
[16] ACEMOGLU D,ZILIBOTTI F.Productivity differences[J].The Quarterly Journal of Economics,2001,116(2): 563-606.
[17] 常嵘.并购战略性新兴企业对传统企业转型升级的影响因素分析[J].经济理论与经济管理,2017,37(12): 88-101.
[18] PORTER M E.Clusters and the new economics of competition[J].Harvard Business Review,1998,76 (6) :77-90.
[19] 段海艳.不同来源金融资本对企业研发投入的影响研究——以中小板上市公司为例[J].科技进步与对策,2016,33(14): 88-92.
[20] HIMMELBERG C P,PETERSEN B C.R&D and internal finance: a panel study of small firms in high-tech industries[J].The Review of Economics and Statistics,1994,6(1): 38-51.
[21] 孔伟杰,苏为华.中国制造业企业创新行为的实证研究——基于浙江省制造业1454家企业问卷调查的分析[J].统计研究,2009,26(11): 44-50.
[22] 武建龙,王野,王志浩,黄静.产业联盟创新生态系统演进机理研究——以TD产业联盟为例[J].情报杂志,2017,36(11):200-207+185.
[23] POPPO L,ZENGER T.Do formal contracts and relational governance function as substitutes or complements[J].Strategic Management Journal,2002,23(8): 707-725.
[24] CHE Z H,WANG H S.Supplier selection and supply quantity allocation of common and non-common parts with multiple criteria under multiple products[J].Computers & Industrial Engineering,2008,55(1): 110-133.
[25] DYER J H.Collaborative advantage: winning through extended enterprise supplier networks[M].Oxford University Press,2000.
[26] 陶加强.我国物流企业劳动力成本与用工效率及转型升级——基于我国物流上市企业的数据分析[J].中国流通经济,2016,30(10): 66-72.
[27] ZHOU CF,DU YW.The study of the influencing factors on transformation and upgrading of subcontracting firms based on the survey of manufacturing enterprises in Kunshan [J].World Economy Study,2012,31(7): 23-28+86-88.
[28] ROIG-TIERNO N,HUARNG K H,RIBERIO-SORIANO D.Qualitative comparative analysis: crisp and fuzzy sets in business and management[J].Journal of Business Research,2016,69(4): 1261-1264.
[29] POVEDA A,MARTINEZ C.Qualitative comparative analysis (QCA): an application for the industry[J].Quality&Quantity,2013,47(3): 1315-1321.
[30] 黄扬,李伟权,郭雄腾,等.事件属性、注意力与网络时代的政策议程设置——基于40起网络焦点事件的定性比较分析(QCA)[J].情报杂志,2019,38(2): 123-130.
[31] 黄珍,李婉丽,高伟伟.上市公司的零杠杆政策选择研究[J].中国经济问题,2016,58(1): 110-123.
[32] RAGIN C C,STRAND S I.Using qualitative comparative analysis to study causal order comment on Caren and Panofsky(2005)[J].Sociological Methods & Research,2008,36(4): 431-441.
[33] FISS P C.Building better causal theories: a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(2): 393-420.
[34] RAGIN C C.The comparative method: moving beyond qualitative and quantitative strategies[M].San Francisco: University of California Press,2014.
[35] RAGIN C C.Redesigning social inquiry: fuzzy sets and beyond[M].Chicago: University of Chicago Press,2008