开放科学(资源服务)标识码(OSID)：
From the configuration perspective, the study uses the fuzzy-set qualitative comparative analysis (fsQCA) method to explore the linkage effect and path selection of corporate innovation flexibility from two levels of network capability and knowledge co-creation with five variables. The study uses a questionnaire survey to collect data and it is divided into two stages including pre-survey and formal survey, with 323 valid questionnaires at last.
The main conclusions are as follows. Firstly, network vision, network construction, network management, joint knowledge co-creation, and embedded knowledge co-creation are not necessary conditions for high or non-high innovation flexibility. A single antecedent condition has weak explanatory power for innovation flexibility. This shows that there are multifactors to enhance corporate innovation flexibility. Secondly, there are three ways to improve corporate innovation flexibility including resource acquisition, development-management and monotype. Lastly, there are two non-high-innovation flexibility paths and they are asymmetrically related to the influencing factors of high innovative flexibility paths.
The research incorporates network capability and knowledge co-creation into the theoretical framework. It studies the combined effect of network capability and knowledge on corporate innovation flexibility.It reveals the complex causal mechanism of network capability and knowledge on corporate innovation flexibility, and deeply analyzes the influence of synergistic linkage among multiple variables on corporate innovation flexibility. It can not only make up for the inadequacy of studying corporate innovation flexibility from a single-dimensional perspective, but also reveals the synergistic effect mechanism of network capability and knowledge co-creation on corporate innovation flexibility. At the same time, the paper studies innovation flexibility with QCA method and finds multiple paths and key elements for improving corporate innovation flexibility. The research findings can help to expand the application field of QCA method. Meanwhile, the study finds three high-innovation flexibility paths and two non-high-innovation flexibility paths which can better explain diversified paths to improve innovation flexibility. There are practical implications for enterprises. Firstly, facing the uncertain external environment, the company can choose suitable paths based on its own technical features and management level with concentrating resources on key capabilities. Secondly, the company should choose the appropriate mode of knowledge co-creation and network, and make use of knowledge and other network resources effectively. Finally, the company needs systematic analysis and scientific judgment to accurately understand the relationship between knowledge co-creation and network capability to grasp the core elements for innovation flexibility.
开放科学(资源服务)标识码(OSID)：
创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。我国正深入实施创新驱动发展战略，提升经济增长质量和效益，推动经济结构转型升级。企业是创新的主体，是推动创新创造的生力军，企业创新在创新型国家建设中发挥重要作用。快速多变的外界环境加剧了市场竞争，能否在动态变化的环境中以较低成本实现企业持续创新，取得良好的创新柔性，成为企业提高竞争力的关键[1]。创新柔性是指企业以较低成本迅速开发新产品、新服务、新流程，以适应市场需求的能力。一些企业通过提升创新柔性提高竞争力，如方太根据用户需求不断创新，一年对集成烹饪中心进行两次迭代升级，为中国家庭打造契合环境与需求的产品，其快速、合适的产品更新为奠定行业领导地位提供了有力保障。创新柔性也吸引了学界关注，已有文献研究表明，创新柔性能推进企业智能化转型[2]，提升企业创新绩效[3]，推动企业可持续发展。也有学者探究创新柔性的影响因素，发现企业间关系行为(宋华和王岚，2012)、知识获取[4]会影响创新柔性。创新柔性受多重因素共同影响，目前创新柔性的前置因素尚不丰富，无法为企业提供科学指导。如何有效提升企业创新柔性，不仅是重要的现实问题，也是亟待研究的科学问题。
在开放式创新环境下，企业为降低单独创新成本与难度，提高市场竞争力，具有竞合关系的企业以及其它相关机构聚集形成复杂的产业网络，网络中各企业根据自身创新发展需求，从外部吸收知识、信息及其它创新资源，同时开展知识搜索、知识共享和知识创造等相关活动(欧忠辉等，2021)。网络能力能帮助企业识别外部环境中的价值和机会，企业通过选择、调整和管理网络关系获取创新资源，加快向创新型企业演变。一些学者研究发现，网络能力对集群企业探索式与利用式协同创新[5]、知识协同创新(王凯等，2019)、企业绩效[6]等具有正向影响；也有学者发现，企业利用网络能力可以根据环境变化迅速调整伙伴关系，以应对网络波动[7]，或提前采取措施以较低成本获得丰富有用的资源[8]。在企业创新研究中，有学者将网络能力与知识研究相结合，提出利用网络能力可以高效获取外部知识，提升知识转移效率，外部网络是获取知识等资源的重要途径[9]。充足有效的知识资源能为企业创新奠定知识基础，有利于企业开展知识共创活动从而产生新知识，提高创新效率。在网络能力中，网络愿景有助于发现外部有价值的信息资源，网络构建有助于信息获取与整合，网络管理能加强网络内知识和信息等资源的交流，这都与企业创新活动过程相关。企业通过网络愿景识别外部信息，有助于在动态变化的环境中及时发现机会和威胁，对信息资源的筛选整合及关系网络的管理有助于有效知识等资源的获取，为企业开展创新活动提供良好的资源基础，推动企业快速有效创新，实现较高的创新柔性。已有文献发现，知识共创能提升产品创新(蒋海萍等，2020)和服务创新绩效(蒋楠等，2016)，是企业在创新网络中获取新知识的重要路径。知识共创能够降低知识获取成本，有利于企业开展创新活动和加快创新速度，可有效应对外界环境快速多变、产品创新愈加复杂、创新难度增加等问题。
综上所述，现有企业创新与创新柔性影响因素研究已取得一定成果，也有学者探讨网络能力、知识共创对企业创新的作用，为本文提供了重要借鉴。由于创新柔性受多重因素共同影响，各因素间不同组合可能产生相同结果，即可能存在多重等效路径。传统相关性理论注重个别前因与结果间简单对称的线性关系，而非多因并发的复杂因果关系，传统分析方法只关注单个因素的净效应，难以详细阐释多个变量在不同组合下的交互作用[10]。学界逐渐意识到相关性理论和方法的不足，组态视角和定性比较分析方法(Qualitative Comparative Analysis，QCA)日渐发展成为一种新的管理研究范式(杜运周和贾良定,2017)。QCA方法作为一种整体分析多要素组态效应的范式，已在创新生态系统[11]、区域创新[12]等多个管理学领域得到应用，能更加精细地分析异质性、非对称关系、并发条件、等效路径等复杂管理问题[13]。现有企业创新柔性研究未能深入探讨不同因素组合效果，难以有效回答网络能力与知识共创互动对企业创新柔性的影响。组态视角下的定性比较分析方法能克服传统研究方法的局限，从系统、全面视角深入探讨多要素的组态效应(杜运周和贾良定,2017)。因此，组态视角更适合研究网络能力、知识共创对企业创新柔性的协同影响。
基于以上分析，本研究从网络能力和知识共创两个层面的5个前因变量出发，运用模糊集定性比较分析方法深入挖掘影响企业创新柔性的复杂因果机制。具体而言，本文试图回答以下问题：网络能力与知识共创各要素是否为企业创新柔性的必要条件？网络能力与知识共创如何协同影响创新柔性？哪些路径可以促进企业创新柔性，哪些路径会导致非高创新柔性？本文有助于丰富网络能力、知识共创与创新柔性研究，拓宽研究思路，同时可为企业在动态变化环境中提升创新柔性提供路径参考，具有重要理论价值与实践意义。
开放式创新环境下，企业需要具备网络能力，以维护和管理网络成员间多元关系、获取更多资源[14]。网络能力是指企业识别、分析外部有效信息并获取、整合、管理有价值的网络资源从而扩大企业竞争优势的能力，包括网络愿景、网络构建和网络管理3个维度[15]。较强的网络能力可以满足企业对频繁信息交流的需求[16]，意味着企业投入大量资源构建合作创新网络，能有效集聚创新资源，降低创新成本和难度，提高创新效率，为企业提升创新柔性奠定良好的实践基础。本文从网络愿景、网络构建和网络管理3个方面阐释网络能力与创新柔性的关系。
1.1.1 网络愿景与创新柔性
网络愿景能帮助企业识别外部网络环境，发现环境中有价值的信息等资源，引领企业战略发展方向。企业网络愿景越强，获取和学习创新信息的能力越强，越有助于企业创新和组织变革。具备较强网络能力的企业能快速感知机会或威胁，有针对性地开展创新活动，以应对复杂的环境变化，提高创新成功率。企业通过识别外部网络获取行业与市场发展信息，分析网络资源与自身匹配程度，结合企业自身实际，选择合适的外部资源，以积累创新资源。同时，通过分析市场信息充分获得竞争者情报，推动企业创新，提高竞争力。企业竞争优势越大，潜在合作伙伴越愿意与其开展合作，从而为企业提供独特资源[17]，提高创新效率，进一步提升企业网络中心度，有利于其获取和控制资源，巩固创新基础。
1.1.2 网络构建与创新柔性
网络构建有助于企业规划和分析网络环境，在发现有价值的信息和活动后有能力对其进行获取、筛选和整合，根据自身发展需要选择合作伙伴，建立网络关系。网络关系是资源流动的重要渠道[18]，企业根据计划目标或合作要求，通过网络构建配置相关人员，调整优化网络关系。因此，网络构建能加强企业对经验和知识的获取，形成强关系网络，从而方便传递复杂信息和降低资源获取成本，有助于企业获取隐性知识，保持持久知识优势。企业通过网络构建，识别潜在合作伙伴信息，判断能否获取企业所需异质性资源，进而选择合适的合作伙伴，并适时调整与其他网络成员的关系，保证网络的高效性，提高知识获取效率，增加创新成果产出。
1.1.3 网络管理与创新柔性
网络管理是指企业通过管理和改善网络提高网络成员间关系强度的能力，能促进网络成员间知识、信息等资源的交流，也能帮助拓展新网络成员。强网络关系有利于双方沟通交流，提高双方信任水平和知识转移概率，降低知识吸收成本，同时增进企业与合作伙伴双方协作，迅速响应市场，提高企业市场竞争力[19]。企业在管理、协调和控制网络关系时，引导网络朝有利于自身发展的方向演化，使得企业占据网络优势地位，拥有更多获取知识和信息等资源的途径。更进一步，处于优势地位的企业更容易与其它企业建立良好关系，从而影响网络内知识资源流向，方便企业获得优势资源。不同利益主体组成的网络在发展过程中可能产生冲突，网络管理能加强成员间联系，增进双方信任，有利于缓解冲突，推动双方合作。这种竞争优势让企业拥有更广泛的渠道接触新的合作伙伴，拓宽知识获取途径，提高企业创新效率。
知识共创是指企业与合作伙伴、供应商、顾客、竞争者、科研机构等进行知识协作的过程，吸收能力、知识利用能力和情境适应能力是其核心标准[20]。开放式创新环境下，知识流程包括由内而外和由外而内两种，由内而外流程是指企业通过输出知识与外部其它知识主体共同创造新知识，由外而内流程是指企业通过不断整合外部知识实现新知识创造。借鉴蒋海萍等(2020)、蒋楠等(2016)的研究，本文将知识共创分为联合型知识共创和嵌入型知识共创。知识共创产生的新知识可以丰富企业知识来源，促进隐性知识显性化，同时减少企业搜寻新知识的时间和成本，降低创新难度，使得企业能更有效地面对环境变化，提升企业创新柔性。
1.2.1 联合型知识共创与创新柔性
联合型知识共创是指在企业外部，企业与其他成员共同提供知识创造所需异质知识元素并有效整合，最终创造新知识的过程。在联合型知识共创中，企业向外界流出知识，形成外部网络的知识联结，通过与伙伴互动实现知识集聚和整合，创造新知识。联合型知识共创有助于企业发掘新的发展机会，推动创新活动开展[20]，促进新产品、新服务、新方案开发，提高创造新市场的可能性。同时，联合型知识共创意味着外界对企业知识有需求，企业知识能对其它主体产生价值，企业通过输出知识实现知识的有效运用，为企业创新丰富资金来源[21]。知识共创过程中不同利益相关者间的交流互动使各主体及时获取市场需求信息，降低创新风险和成本。
1.2.2 嵌入型知识共创与创新柔性
嵌入型知识共创是指在企业内部，流入企业的外部知识与原有知识的整合，最终实现创造新知识的过程(蒋楠等，2016)。企业在开展嵌入型知识共创活动时，外部知识流入企业内部，有助于企业应对复杂多变的环境。企业积极与外部伙伴交流，建立连接关系，充分获取和利用外部知识，减少因自身知识缺乏造成的创新失败，有助于提高企业创新柔性[4]。同时，引入外部知识需要恰当的时机与方式，企业需根据市场变化评估自身资源，判断知识缺乏程度及类型，选择性获取外部异质性知识，缩短新知识产生耗费的时间，一方面缓解企业自身知识不足的问题；另一方面，外界知识与企业自身知识融合，创造新知识，加快企业创新速度，有助于企业先于竞争对手推出新产品。
根据上述分析，对于企业创新柔性的研究正不断深入，已有文献关注到网络能力、知识共创对企业创新柔性的影响，主要采用回归分析方法，研究单因素或多因素简单加总的作用。创新柔性直接关系到企业的竞争力和可持续发展，如何在动态变化环境中不断提升企业创新柔性，是企业面临的重要课题。由于不同企业在结构、业务、战略、伙伴和管理等方面均存在差异，加之企业所处网络不同，使企业的网络愿景、网络构建和网络管理也不相同，其知识共创活动和对知识的需求也存在差异。网络能力与知识联系密切，一方面，知识是企业网络能力的基础，可帮助企业与更多网络成员建立合作关系，对网络能力形成具有积极作用[22]。另一方面，网络能力较强的企业有更多机会获取外部知识资源，有利于知识资源获取[23]，有助于企业知识共创。因此，在提升企业创新柔性的过程中，存在相互依赖的条件构成不同组态路径，而传统回归分析方法无法完整诠释，基于组织视角的定性比较分析方法能为研究企业创新柔性的复杂因果关系提供指导。基于此，本文引入基于组态视角的fsQCA方法，探索影响企业创新柔性的复杂因果机制，构建如图1所示的理论模型。
图1 理论模型
Fig.1 Theoretical model
定性比较分析法(Qualitative Comparative Analysis，QCA)由Ragin[24]提出，该方法以集合论和布尔运算为基础，探究多个前因变量对被解释结果的组态路径。相比传统实证方法，QCA方法能结合定性与定量分析的优势，关注因果关系的复杂性和多样性，通过分析具有同一结果的多种路径探讨多重并发因果关系，实现复杂环境下多个变量的交互研究，能有效支持研究现象驱动和理论驱动结合的组态问题[25]。
定性比较分析法分为3类，分别是清晰集QCA(csQCA)、多值集QCA(mvQCA)以及模糊集QCA(fsQCA)，相对于前两种类型，fsQCA更适合处理连续变量。本研究涉及联合型知识共创(JKC)、嵌入型知识共创(EKC)、网络愿景(NV)、网络构建(NC)、网络管理(NM)5个前因变量以及结果变量创新柔性(IF)的取值不符合清晰集或多值集要求，而是符合模糊集的条件。因此，本文选择fsQCA方法。
本研究通过问卷调查方法收集数据，涉及汽车、机械、通讯、家电、IT等行业，调研范围包括长三角地区和珠三角地区。预调研阶段，通过对部分企业调查获取反馈，汇总问题并分析，完善问卷形成正式调查问卷；正式调研通过现场发放和网络发放两种方式收集数据。最终发放调研问卷511份，回收问卷398份，剔除填答明显有误、题项遗漏等无效问卷75份，实际回收有效问卷323份，有效问卷回收率为63.21%。
本研究借鉴国内外已有成熟量表并不断完善形成最终量表。创新柔性(IF)主要参考宋华和王岚(2012)、Narasimhan&Das[26]的量表，包含5个题项，如“在相对短的时间内研发新产品”“在相对低的成本下研发新产品”“在不影响效率的情况下引入新产品”等。网络能力主要参考季桓永[15]、任胜钢[17]的量表，分为网络愿景(NV)、网络构建(NC)和网络管理(NM)3个维度，每个维度4个题项。其中，网络愿景包括“敏锐地发现有价值的潜在合作机会”“认识到所处行业的技术发展前景”“市场及竞争对手的变化”等；网络构建包括“积极拓展建立多元合作关系”“积极拓展建立多元合作伙伴关系”等；网络管理包括“巩固维护合作伙伴关系”“耐心沟通合作中的分歧以达到双方满意”等。知识共创(KC)主要参照范钧和聂津君(2016)、张培等[27]的量表，分为联合型知识共创(JKC)和嵌入型知识共创(EKC)两个维度，每个维度4个题项。其中，联合型知识共创包括“合作伙伴能经常利用企业提供的信息发现新问题”“提供的信息有助于合作伙伴与本企业共同提出新的解决方案”等；嵌入型知识共创包括“能有效积累和使用合作伙伴知识”，“融合各类不同知识从而提出新概念、产生新知识”等。
各变量描述性统计与相关关系分析如表1所示。可以发现，各前因变量与创新柔性间的相关关系显著，符合预期。
量表信效度检验结果如表2所示。结果显示，各变量的Cronbach's α系数和组合信度CR均大于0.7，说明量表具有较高的信度。联合型知识共创、嵌入型知识共创、网络愿景、网络构建、网络管理和创新柔性的因子载荷均大于0.6，各变量平均变异萃取量AVE均大于0.5，说明量表具有较高的聚敛效度。结合表1，AVE平方根大于变量间相关系数，说明量表具有较高的区分效度。
表1 描述性统计与相关分析结果
Tab.1 Descriptive statistics and correlation analysis
变量均值标准差JKCEKCNVNCNMFI联合型知识共创5.4970.9340.772嵌入型知识共创5.4180.9990.456∗∗0.789网络愿景5.5200.7480.297∗∗0.212∗∗0.756网络构建5.5880.8830.325∗∗0.348∗∗0.221∗∗0.740网络管理5.4270.8120.320∗∗0.209∗∗0.216∗∗0.212∗∗0.733创新柔性5.4850.9780.468∗∗0.463∗∗0.282∗∗0.307∗∗0.312∗∗0.771
注：N=323，对角线加粗为各变量AVE平方根，下三角为变量间相关系数，**p<0.01
表2 信效度检验结果
Tab.2 Reliability and validity tests of variables
变量最小因子载荷系数Cronbach's αCRAVE联合型知识共创(JKC)0.7290.7730.8550.596嵌入型知识共创(EKC)0.7410.7970.8680.623网络愿景(NV)0.6410.7480.8410.572网络构建(NC)0.7180.7230.8280.547网络管理(NM)0.7220.7120.8220.537创新柔性(IF)0.7100.8290.8800.595
QCA方法的核心是布尔运算，未校准的数据不能直接进行布尔运算，需要校准原始数据，将变量转化为集合隶属后方可继续分析。在数据校准前需要设定3个临界值，即完全隶属、交叉点和不完全隶属，原始数据校准后分数值介于0～1之间。根据谭海波等[28]的研究，对完全隶属、交叉点和完全不隶属3个锚点分别选取样本数据的95%、50%和5%分位数。使用fsQCA3.0软件进行数据校准及分析，结果如表3所示。
表3 各变量校准锚点
Tab.3 Calibration anchors for each variable
变量完全隶属阈值交叉点阈值完全不隶属阈值联合型知识共创(JKC)6.7505.5003.750嵌入型知识共创(EKC)6.7505.5003.750网络愿景(NV)6.7505.5004.250网络构建(NC)6.7505.7504.000网络管理(NM)6.7505.5004.000创新柔性(IF)6.8005.6003.600
在进行真值表分析前，需要对变量进行必要性分析。如果某一条件总是存在于产生的结果中，则该条件为必要条件。借鉴Schneider等[29]的研究，将必要条件一致性阈值设为0.9。运用fsQCA3.0软件对高创新柔性和非高创新柔性进行必要条件分析，结果如表4所示。结果显示，单个前因变量影响高或非高创新柔性的一致性水平均低于0.9，不构成必要条件。这说明单个前因变量对创新柔性的解释力较弱，不能导致结果发生。在此基础上，进一步分析多个前因变量的协同影响，探索产生高或非高创新柔性的组态。
表4 前因变量必要性分析
Tab.4 Necessity analysis of antecedent variables
前因变量高创新柔性ConsistencyCoverage非高创新柔性ConsistencyCoverage知识共创层面联合型知识共创0.7920.7750.5670.498～联合型知识共创0.4880.5570.7440.762嵌入型知识共创0.7690.7890.5310.490～嵌入型知识共创0.5030.5450.7720.750网络能力层面网络愿景0.7250.7350.6200.564～网络愿景0.5700.6250.7080.698网络构建0.7240.7520.5680.529～网络构建0.5470.5850.7340.704网络管理0.7100.7600.5830.561～网络管理0.5900.6120.7510.699
将创新柔性作为结果变量，将5个前因变量带入fsQCA3.0 软件中进行运算。借鉴杜运周等(2017)的研究，将一致性阈值设定为0.8，频数阈值设定为1。运算后再根据PRI一致性得分对结果变量进行检查，当PRI一致性大于0.7时，保留结果变量1；当PRI一致性小于0.7时，将结果变量更改为0，最后进行标准分析。模糊集定性比较分析会输出复杂解、中间解和简约解，其中中间解包含符合理论和实际的逻辑余项，现有文献多通过中间解进行下一步分析。通常来说，将同时出现在简单解和中间解中的条件视为核心条件，仅出现在中间解中的条件为边缘条件。因此，本文采用中间解作进一步分析，最终得到导致高创新柔性的3条路径和非高创新柔性的两条路径(见表5)。
表5 高/非高创新柔性组态
Tab.5 High/non-high innovation flexibility configuration
前因变量高创新柔性H1H2H3非高创新柔性NH1NH2联合型知识共创(JKC)●● 嵌入型知识共创(EKC)●●● 网络愿景(NV)●●●网络构建(NC)●● 网络管理(NM)●● 一致性0.9110.9250.9300.8960.905覆盖度0.5750.4580.4380.4640.370唯一覆盖度0.1590.0420.0230.1340.040解的一致性0.9000.891解的覆盖度0.6400.504
注：●表示核心条件存在，●表示边缘条件存在，⊗表示核心条件缺席，空白表示条件有无都可
由表5可知，5条路径(H1、H2、H3、NH1、NH2)的一致性分别为0.911、0.925、0.930、0.896、0.905，高创新柔性和非高创新柔性组态的总体一致性分别为0.900、0.891，均大于0.8，说明5条路径均构成对应结果的充分条件。模型解的覆盖度分别为0.640、0.504，说明5条路径很大程度上解释了其产生对应结果的原因。
3.3.1 高创新柔性路径分析
H1：JKC*EKC*NC(资源获取型)。该类企业存在联合型和嵌入型两种知识共创方式，同时有能力分析、协调和规划自身所处网络，及时发现网络中有价值的信息、知识和活动，整合网络资源。在这种情况下，即使企业不注重管理和改善与供应商、合作伙伴、客户等之间的关系以及网络发展方向，也能实现较高的创新柔性。网络关系构建经合作双方专有性投入而产生[17]，企业积极与拥有某一特定资源的潜在合作者建立有效关系，获取、学习和整合合作中产生的经验与知识以及合作伙伴原有创新实践基础。在动态变化的市场环境中，企业可根据自身发展需求，选择实施联合型知识共创或嵌入型知识共创。因此，企业通过网络构建协调参与者的资源并利用处于不同网络的优势，获取和学习经验、知识，为开展知识共创活动提供素材，降低创新成本，促进新知识产生，提升企业创新柔性。
H2：JKC*EKC*NV*NM(发展—管理型)。该类企业存在联合型和嵌入型两种知识共创方式，注重组织网络发展方向与机会，愿意投入更多资源管理、维护和加强网络成员间的关系。企业通过认识与理解网络环境，发现环境中提高竞争力的潜在机会，引导企业进行战略变革，以保持长久发展。与网络伙伴的关系会影响企业认识与理解外部网络环境的效果，良好的网络管理能促进成员间的信息交流，提高合作深度和广度[15]。企业网络愿景越强，越能及时获取和学习与创新相关的新信息，对选择正确的创新方向、解决生产与设计难题等十分重要。同时，网络管理能强化企业与网络成员的合作关系，有利于提高合作信任程度，从而通过更广泛的关系桥梁加强与新网络成员的交流，有助于向技术合作伙伴输送新产品或新服务[30]。因此，尽管这类企业不重视网络构建，但其投入大量资源强化网络愿景与网络管理可以弥补网络构建的作用。企业通过上述两种方式扩大知识和信息获取优势，有利于规划自身未来战略，强化战略创新导向，加强外部知识交流与创新合作[31]，为企业知识共创活动提供知识基础，有助于提升企业创新柔性。
H3：EKC*NV*NC*NM(单一型)。该类企业只进行外部知识流入组织内部的嵌入型知识共创，通过加大网络能力方面的投入与建设，畅通外部知识流入渠道，实现较好的嵌入型知识共创效果。企业通过网络愿景、网络构建和网络管理3种方式提高网络能力，实现网络成员间信息稳定、频繁交流，帮助企业从外部网络中获取隐性知识，降低创新活动的不确定性[16]，有利于企业提高创新绩效。因此，这类企业非常注重整体网络能力，通过推动企业关系学习，探寻提高信息传递质量、促进知识共享的途径。同时，网络成员间关系的巩固，能够降低知识吸收成本，也使企业嵌入型知识共创活动成本降低，有利于创新成果产生，进而提升企业创新柔性。
对比H1、H2、H3组态发现，根据各组态覆盖度指标，H1解释了57.5%的结果变量，高于H2的45.8%、H3的43.8%，多数企业通过路径H1实现较高的创新柔性，表明联合型知识共创、嵌入型知识共创和网络构建3个要素组合能很好地促进企业创新柔性提升。相对于实施单一嵌入型知识共创的企业，同时实施两类知识共创的企业对网络能力的要求并不高，且网络构建与网络愿景、网络管理也具有相似效果。
3.3.2 非高创新柔性路径分析
QCA方法具有因果非对称性，即一个结果出现与否需要不同原因组合分别解释。为更全面探索创新柔性的激励因素，取高创新柔性的非集，进一步分析导致非高创新柔性的组态。
NH1：～JKC*～EKC*～NC*～NM。该组态表明无论企业是否拥有较强的网络愿景，当其不注重网络构建、未能投入资源实现良好的网络管理、知识共创意愿不强时，则会抑制企业创新柔性。可能的原因是，当企业识别和获取有价值的信息和知识后，由于其吸收、学习和整合能力弱，得到的知识等资源达不到企业要求，同时未能充分重视与网络成员间关系的维持，这会加大企业学习难度，导致知识流动成本增加。更进一步，企业知识共创意愿不强，导致企业开展知识获取、学习、整合以及关系管理等活动的积极性不高，从而影响新知识产生，抑制企业对市场的快速反应能力，阻碍企业创新柔性提高。
NH2：～JKC*～EKC*NV*～NC。该组态表明无论企业是否注重协调和强化与网络成员间的关系，由于其对外界知识、信息等资源的获取和整合能力较差，即便企业能发现有价值的知识和信息，也不能形成有效吸收和学习，开展创新活动的资源基础较差。同时，由于该类企业实施知识共创的能力较差，能获取的外部资源有限，共创产生的新知识稀少，创新活动成果比较匮乏。虽然企业具有一定技术、人才和知识等资源积累，能够开展创新活动，但因缺乏对外界市场信息的了解，无法制定与之相适应的创新战略，难以实现创新资源向创新绩效转化。此外，外部知识与企业原有知识缺乏交流，会增加创新成本，不利于创新活动开展，较弱的知识共创能力也会影响企业对原有知识的整合和利用，使企业无法有效应对环境变化，从而抑制企业创新柔性。
从组态NH1、NH2的覆盖度看，其分别解释了46.4%和37.0%的结果变量，即这两个组态均抑制了企业创新柔性，且组态NH1的抑制作用更强，说明企业对创新的态度十分重要。当企业创新能力较弱时，但如果企业高度重视创新，并积极探索创新举措，能缓解对创新柔性的不利影响。通过比较影响企业创新柔性的5个组态发现，影响创新柔性的原因具有非对称性，导致高创新柔性的3条路径并不是非高创新柔性路径的反面。
本文运用组态思维和fsQCA方法整合网络能力和知识共创两个层面的5个前因条件，探讨影响企业创新柔性的复杂因果机制，主要结论如下：
(1)联合型知识共创、嵌入型知识共创、网络愿景、网络构建和网络管理均不是单独构成企业高、非高创新柔性的必要条件，表明单个前因条件对创新柔性的解释力较弱，提升企业创新柔性的因素是多方面的，符合集合的本质。在提升企业创新柔性的因素组合中，核心条件和辅助条件的多种组合路径共同对企业创新柔性产生影响。
(2)存在资源获取型、发展—管理型和单一型3条提升企业创新柔性的路径。其中，资源获取型是联合型知识共创、嵌入型知识共创和网络构建之间的组合，发展—管理型是联合型知识共创、嵌入型知识共创、网络愿景和网络管理之间的联动，单一型是嵌入型知识共创、网络愿景、网络构建和网络管理之间的匹配。资源获取型的覆盖率最高，达到57.5%，是企业提升创新柔性的主要路径，发展—管理型和单一型的覆盖率分别为45.8%、43.8%，两者对创新柔性的提升效果相近。
(3)导致企业非高创新柔性的路径有两条，且与高创新柔性路径影响因素存在非对称性关系。路径NH1的企业缺乏知识共创意愿，开展知识获取、学习、整合以及关系管理等活动的积极性不高，降低了企业应对不确定性环境的能力。路径NH2的企业虽有能力且积极认识和理解外部环境，但因其获取、学习和整合知识的能力较弱，导致难以获得有效信息、知识等资源，且较弱的知识共创能力会抑制创新成果的产生。同时，本文发现NH1的抑制作用更强，说明相对于不积极开展知识共创活动的企业，知识共创能力较弱的企业可通过积极行动缓解对创新柔性的不利影响。因此，企业对创新的态度在创新柔性发展中至关重要。
(1)本研究将网络愿景、网络构建、网络管理、联合型知识共创和嵌入型知识共创共同纳入研究框架，探讨其对企业创新柔性影响的组合效应，揭示影响企业创新柔性的复杂因果机制。已有研究虽然关注到创新柔性的重要性，认为企业间关系行为、知识获取等能够提升企业创新柔性[4]。但这类研究多强调单个或两个变量对企业创新柔性的影响，未能深入分析多个变量间协同影响的内在机制。因此，本研究深入分析多个变量间协同联动对企业创新柔性的影响，不仅弥补了单维视角研究企业创新柔性的不足，而且揭示出网络能力和知识共创在企业创新柔性中的协同增效作用机理。
(2)本文率先将QCA方法引入创新柔性研究，发现促进企业创新柔性提升的多条路径和关键要素。学者们采用QCA方法对创业质量[13]、企业创新[32]等进行了大量研究，但尚未用该方法对创新柔性展开探讨。本文采用QCA方法探索网络能力与知识共创协同提升企业创新柔性的路径，不仅丰富了创新柔性前置因素的研究，打开了影响创新柔性的理论“黑箱”，而且拓展了QCA方法的应用领域。
(3)本研究发现3条高创新柔性路径和两条非高创新柔性路径，且高创新柔性路径与非高创新柔性路径并非相反。现有对创新柔性的探讨多为线性回归的实证研究，忽视了因果间的复杂性。本研究发现影响创新柔性的因素存在因果非对称性，即不能根据高创新柔性原因的反面直接推导导致非高创新柔性的原因。这不仅丰富了网络能力和知识共创相关研究，而且更合理阐释了企业创新柔性提升路径的多样性。
(1)在不确定性环境下，企业可以结合自身环境状况和能力优势选择适合自身的驱动路径，集中投入资源在关键能力上。本文研究表明，资源获取型企业能实施两种知识共创，具有较强的网络构建能力。因此，该类企业应投入资金、人才等资源，提高自身知识共创能力以及分析、协调和规划自身所处网络并整合网络资源的能力。本文研究发现，创新柔性受多方面因素的协同影响，多种因素构成的组态能产生高创新柔性。受资源限制，企业难以在所有因素上投入资源，因而需要认清自身环境与优势，找准发展着力点。
(2)企业应选择合适的知识共创及处理关系网络的方式，信息、知识等资源只有被有效利用才能给企业创造价值。在开放式创新下，企业通过整合与利用自有知识和外部知识，降低新产品研发成本，提高创新效率。网络能力与知识共创相辅相成，可为企业与合作伙伴进行充分的知识交流提供基础，破除知识流动障碍，有利于外部知识流入企业内部进行共创，也能使合作伙伴的知识在外部网络中实现整合与应用。较强的网络能力有助于企业发现市场机会与方向，提升创新效果。企业可以通过调配资金、人力等资源支持组织开展网络活动，需要重视管理团队的沟通技能和专业技能培养。同时，建立更加开放、包容的组织文化，这有利于企业适应外部动态环境，提高企业学习和接受外部知识的能力，为企业开展知识共创活动营造良好的环境氛围。因此，企业要发挥网络能力和知识共创要素的协同效应，以更好地提升创新柔性。
(3)影响创新柔性的原因具有非对称性，企业管理层需要进行科学分析和判断，准确了解知识共创与网络能力间的关系，把握核心要素，不能仅靠经验总结非高创新柔性原因的反面就是高创新柔性的原因。本文对比两条非高创新柔性路径发现，路径NH1(创新意愿不强的企业)的覆盖率高于路径NH2(缺乏知识共创能力的企业)。这说明企业需要有积极的创新态度，增强创新意愿。因此，在激烈的市场竞争环境下，企业需要深入总结经验教训，高度重视创新，大量投入资源发展自身核心能力，并结合不同知识共创方式，以低成本快速创造出适合当前环境的新产品或新服务，提高复杂环境下的应变能力。
本研究也存在一定局限。一方面，受样本调查范围限制，本文调查只覆盖国内部分地区，后续将扩大样本范围展开进一步探讨。另一方面，尽管本文分析了企业创新柔性部分前因变量的影响，但还有一些因素(如环境、领导风格等)未能涉及，未来将进一步研究。
[1] KANOVSKA L, DOUBRAVSKY K. Does provision of smart services depend on cooperation flexibility, innovation flexibility, innovation performance or business performance in SMEs[J]. Periodica Polytechnica Social and Management Sciences, 2021, 29(1): 64-69.
[2] 孟凡生, 赵刚. 创新柔性对制造企业智能化转型影响机制研究[J].科研管理, 2019, 40(4): 74-82.
[3] 邢蕊, 王国红. 创业导向、创新柔性和科技在孵企业创新绩效[J].科学学与科学技术管理, 2014, 35(7): 116-127.
[4] LIAO Y, BARNES J. Knowledge acquisition and product innovation flexibility in SMEs[J].Business Process Management Journal, 2015, 21(6): 1257-1278.
[5] 倪渊. 核心企业网络能力与集群协同创新:一个具有中介的双调节效应模型[J].管理评论, 2019, 31(12): 85-99.
[6] 郑胜华, 李俊生. 从关系能力到网络能力:合作能力演化阶段研究及展望[J].科技进步与对策, 2020, 37(21): 152-160.
[7] MOLLER K, HALINEN A. Business relationships and networks:managerial challenge of networks era[J].Industrial Marketing Management, 1999, 28(5): 413-427.
[8] RUSANEN H, HALINEN A, JAAKKOLA E. Accessing resources for service innovation：the critical role of network relationships[J].Journal of Service Management, 2014, 25(1): 2-29．
[9] ADLER P S, KWON S W. Social capital: prospects for a new concept[J].Academy of Management Review, 2002, 27(1): 17-40.
[10] 杜运周, 李佳馨, 刘秋辰,等.复杂动态视角下的组态理论与QCA方法: 研究进展与未来方向[J].管理世界, 2021, 37(3): 180-197,12-13.
[11] BACON E, WILLIAMS M D, DAVIES G. Coopetition in innovation ecosystems: a comparative analysis of knowledge transfer configurations[J].Journal of Business Research, 2020, 115:307-316.
[12] 张司飞, 王琦. “同归殊途”区域创新发展路径的探索性研究——基于创新系统共生体理论框架的组态分析[J].科学学研究, 2021, 39(2): 233-243,374.
[13] DOUGLAS E J, SHEPHERD D A, PRENTICE C. Using fuzzy-set qualitative comparative analysis for a finer-grained understanding of entrepreneurship[J].Journal of Business Venturing, 2020, 35(1): 1-17.
[14] TEHSEEN S, SAJILAN S. Network competence based on resource-based view and resource dependence theory[J].International Journal of Trade & Global Markets, 2016, 9(1): 60-82.
[15] 季桓永. 网络能力视角下开放式创新对企业绩效的影响机制研究[D].北京: 北京邮电大学, 2017.
[16] KOKA B R, PRESCOTT J E. Designing alliance networks:the influence of network position, environmental change,and strategy on firm performance[J].Strategic Management Journal, 2008, 29(6): 639-661.
[17] 任胜钢. 企业网络能力结构的测评及其对企业创新绩效的影响机制研究[J].南开管理评论, 2010, 13(1): 69-80.
[18] 朱秀梅, 陈琛, 蔡莉. 网络能力、资源获取与新企业绩效关系实证研究[J].管理科学学报, 2010, 13(4): 44-56.
[19] CROZET M, MILET E. Should everybody be in services? the effect of servitization on manufacturing firm performance[J].Journal of Economics & Management Strategy, 2017, 26(4): 820-841.
[20] MOHAGHAR A, JAFARNEJAD A, MIRKAZEMI M, et al. A framework to evaluate customer knowledge co-creation capacity for new product development[J].African Journal of Business Management, 2012, 6(21): 6401-6414.
[21] LICHTENTHALER U, ERNET H. Attitudes to externally organizing knowledge management tasks a review, reconsideration and extension of the NIH syndrome [J].R&D Management, 2006, 36(4): 367-386.
[22] ZAHEER A, BELL G G. Benefiting from network position: firm capabilities, structural holes, and performance[J].Strategic Management Journal, 2005, 26(9): 809-825.
[23] 屠兴勇, 王泽英, 张琪,等. 基于动态环境的网络能力与渐进式创新绩效:知识资源获取的中介作用[J].管理工程学报, 2019, 33(2): 42-49.
[24] RAGIN C C.The comparative method: moving beyond qualitative and quantitative strategies[M].Berkeley: University of California Press, 1987.
[25] 杜运周. 组织与创业领域: 组态视角下的创业研究[J].管理学季刊, 2019, 4(3): 31-41,140.
[26] NARASIMHAN R, DAS A. Manufacturing agility and supply chain management practices[J].Production and Inventory Management, 1999, 40(1): 4-11.
[27] 张培, 杨迎. 行动主体参与度、知识共创与服务创新绩效[J].软科学, 2019, 33(9): 113-119.
[28] 谭海波, 范梓腾, 杜运周. 技术管理能力、注意力分配与地方政府网站建设：一项基于TOE框架的组态分析[J].管理世界, 2019, 35(9): 81-94.
[29] SCHNEIDER C Q, WAGEMANN C. Set-theoretic methods for the social sciences: a guide to qualitative comparative analysis[J].International Journal of Social Research Methodology, 2012, 16(2): 165-166.
[30] RITTER T, GEMUNDEN H G. Inter-organizational relationships and networks: an overview[J].Journal of Business Research, 2003, 56(8): 691-697.
[31] KLINGEBIEL R, RAMMER C. Resource allocation strategy for innovation portfolio management[J].Strategic Management Journal, 2014, 35(2): 246-268.
[32] KRAUS S, RIBEIRO-SORIANO D, SCHUSSLER M. Fuzzy-set qualitative comparative analysis (fsQCA) in entrepreneurship and innovation research: The rise of a method[J].International Entrepreneurship and Management Journal, 2018, 14(1): 15-33.