引言

数字化、智能化为标志的新一轮科技革命与产业变革持续深化，数字经济与实体经济深度融合，重构全球制造业竞争逻辑。制造业是立国之本，但我国传统制造企业转型困境突出，普遍陷入“不愿转、不敢转、不会转”的困境。党的二十大报告和“十五五”规划要求推动数实融合，加快建设制造强国。在此背景下，数字化商业模式创新成为制造企业破解转型困境、实现高质量发展的必然选择。数字技术的经济潜力须通过商业模式创新释放。数字化商业模式创新将技术嵌入商业逻辑，重构价值创造与传递。现有研究从数字资源与能力探讨其驱动作用，但忽略二者协同效应，难以系统揭示创新机制。资源编排理论与动态能力理论指出，企业需有效编排资源与能力以建立竞争优势，故需探究二者相互作用及其驱动创新的最佳组态。同时，企业绩效是检验创新价值的关键，但文献结论存在分歧，可能源于路径多样性及差异化价值创造逻辑。数字化商业模式创新能否同时提升环境与财务绩效？是否存在特定路径助推二者协同？这些问题亟待探究。

本研究基于资源编排理论与动态能力理论，从组态视角探究数字资源与数字能力的相互作用如何形成驱动制造企业数字化商业模式创新的多元等效路径，并分析不同路径对企业绩效的差异化影响。研究采用模糊集定性比较分析（fsQCA）识别高与非高数字化商业模式创新的组态，运用倾向得分匹配（PSM）评估不同组态对企业绩效的因果效应。本研究旨在回答：第一，如何协同配置数字资源与能力以实现数字化商业模式创新？第二，不同组态形成的创新是否对企业绩效产生差异化影响？力求为制造企业实现经济效益与社会责任的双重目标提供战略路径依据。

一、理论模型与研究设计

（一）理论模型

本研究基于资源编排理论和动态能力理论，构建“数字资源和能力组态—数字化商业模式创新—企业绩效”理论模型。在此基础上，从组态视角出发，深入探究了数字资源和数字能力之间的协同联动对数字化商业模式创新的复杂影响。同时，本研究进一步探究了不同数字资源和数字能力组态实现的高数字化商业模式创新对企业绩效的差异化影响。本研究的理论模型能够回答何种数字资源和数字能力组态能够实现高水平数字化商业模式创新？何种数字资源和数字能力组态会导致低效的数字化商业模式创新？以及为何不同路径实现的数字化商业模式创新对企业绩效的影响具有差异化？

（二）研究设计

本研究涉及数字化商业模式创新、企业绩效等多个方面，选取制造企业中了解相关发展情况的人员进行调查。在权衡问卷数据的有效性和问卷发放的可操作性后，调查对象主要选取企业内部的管理人员、项目经理和部门经理等。本研究分两个阶段发放问卷，第一阶段总计回收873份，在剔除存在回答时间太短、连续多个问题答案一致等问题的无效问卷后，回收有效问卷628份，有效问卷回收率71.9%。一个月后进行第二阶段问卷发放，最终回收有效问卷329份，有效问卷回收率37.7%。为展示本研究样本的基础特征情况，利用SPSS26.0软件对收集到的329份样本数据进行了描述性统计分析。（1）所在地区：被调查企业的地区分布分别为东部地区195家，中部地区71家，西部地区41家，东北地区22家，占总样本数量的比例分别为59.3%、21.6%、12.4%和6.7%。（2）行业类型：通信、计算机设备制造业的数量占总样本比例最高（17.0%），样本数为56家；金属制品业、食品和饮料制造业和交通运输设备制造业各有29家（8.2%）、27家（21.1%）和27家（21.1%），占总样本比例相似；非金属矿物制品业和仪器仪表制造业占比较少，分别为11家（3.3%）和9家（2.7%）。（3）员工人数：1000人以下的企业占比为42.3%，1000人以上的企业占比为57.7%。其中，300-999人和1000-1999人的比例占比较高，分别为91家（27.7%）和89家（27.0%）。（4）所有制类型：国有/集体企业和私营/民营企业总共有170家，占总体样本的82.1%。其中国有/集体企业89家，私营/民营企业181家，外资企业样本数总共有59家，占总样本数量的比例为17.9%。

（三）信效度检验

本研究使用对研究中涉及的各个变量进行进度分析，Cronbach’s α 值介于0.860 到0.941之间，均大于临界值0.7，且各变量的 Cronbach’s α 值均大于删除项后的 α 值；与此同时，各题项的 CITC 值（修正后的项与总体相关性）均大于临界值0.5，说明了问卷各维度具有良好的信度。

效度分析用于检验问卷的有效性。内容效度越高，说明问卷题项反映的变量内容就越恰当。为了提升量表的内容效度，本研究采用国内外主流学术期刊广泛认可并得到多次使用的成熟量表，并结合了“英→汉→英”三阶段回译法来形成中文量表，以确保原版量表中测量内容的完整体现，因此本量表具有良好的内容效度。聚合效度指的是运用不同测量方式测定统一特征时结果的相似程度。本研究通过 AMOS28.0 软件构建预期模型来判断拟合度。CMIN/DF 小于3，CFI、IFI、TLI、GFI 指标均大于0.9，RMR 和 RMSEA 均小于0.10，故各拟合指标均满足要求。另外，CR 值介于0.861和0.953之间，大于临界值0.7，AVE 值介于0.673和0.801之间，大于临界值0.5，故该量表的聚合效度良好。本研究通过比较 AVE值的算术平方根与相关系数矩阵的方式进行评估。对角线数据为各变量的 AVE 平方根值，除了数字技术部署深度的AVE 平方根值未大于其所在列的全部相关系数外，其余变量的 AVE 平方根值分别为0.834、0.846、0.828、0.798、0.796和0.856，皆大于其所在列的相关系数，故该量表具有较为良好的判别效度。

集合	完全隶属点	交叉点	完全不隶属点
数字化商业模式创新	6.22	5.89	5.33
数字导向	6.25	6.00	5.25
商业分析专业知识	6.20	6.00	5.40
数字技术部署广度	6.33	5.67	5.33
数字技术部署深度	6.20	6.00	5.20
数字技术-业务战略协同	6.50	6.00	5.50

二、实证结果与分析

（一）变量校准

本研究将第75百分位数、第50百分位数、第25百分位数分别设定为完全隶属、交叉点、完全不隶属的锚点。为规避由此可能导致的配置归属不确定问题，本研究借鉴了当前该领域普遍采纳的处理方式，通过施加0.001的确定性增量，将其重新校准为0.501，以有效消除案例归类的潜在模糊性，防止因符合条件的案例被排除而对分析结果造成影响。

（二）必要性分析

本研究对制造企业高与非高数字化商业模式创新路径进行必要条件分析，并把各个前因条件及其非集一并纳入到分析当中。每个条件(含非集)一致性分值均小于0.9，最大值为0.870，这意味着数字导向、商业分析专业知识、数字技术部署和数字技术-业务战略协同均不能单独决定制造企业数字化商业模式创新的高低。这也间接证明了制造企业数字化商业模式创新水平受多个影响因素共同影响。因此，需从系统视角开展组态分析，以揭示多要素交互作用的复杂机制。

前因条件	高数字化商业模式创新		非高数字化商业模式创新
	一致性	覆盖度	一致性	覆盖度
高数字导向	0.787	0.825	0.296	0.285
非高数字导向	0.318	0.329	0.818	0.780
高商业分析专业知识	0.782	0.870	0.264	0.270
非高商业分析专业知识	0.344	0.337	0.873	0.787
高数字技术部署广度	0.857	0.826	0.322	0.285
非高数字技术部署广度	0.258	0.293	0.803	0.838
高数字技术部署深度	0.759	0.816	0.313	0.310
非高数字技术部署深度	0.358	0.362	0.813	0.756
高数字技术-业务战略协同	0.759	0.821	0.314	0.757
非高数字技术-业务战略协同	0.365	0.366	0.820	0.270

（三）组态分析

实现高数字化商业模式创新的组态有4个（组态H1a、H1b、H2和H3），总体解的覆盖度为0.709，说明现有的4条组态路径共同解释约70.9%实现高数字化商业模式创新的案例，总体解的一致性为0.934，说明所有满足这4个条件组态的案例中，约有93.4%的案例呈现出高数字化商业模式创新的结果。同时，实现非高数字化商业模式创新的组态也有4个（组态NH1a、NH1b、NH2和NH3），总体解的覆盖度为0.706，总体解的一致性为0.957。

前因条件	高数字化商业模式创新				非高数字化商业模式创新
	H1a	H1b	H2	H3	NH1a	NH1b	NH2	NH3
数字导向	●	●	●			⮾	⮾	●
商业分析专业知识	●		●	●	⮾	⮾	⮾	⮾
数字技术部署广度	●	●		●	⮾	⮾	⮾	⮾
数字技术部署深度		●	●	●	⮾		⮾	●
数字技术-业务战略协同		●	⮾	●	⮾	⮾		●
一致性	0.954	0.954	0.944	0.966	0.973	0.970	0.969	0.873
原始覆盖度	0.607	0.195	0.529	0.520	0.628	0.640	0.621	0.082
唯一覆盖度	0.104	0.015	0.048	0.039	0.023	0.030	0.017	0.014
总体覆盖度	0.709				0.706
总体一致性	0.934				0.957

注：⬤表示核心条件存在；⚫表示辅助条件存在；⮿表示核心条件不存在；⮿表示辅助条件不存在；空白表示条件可存在也可不存在。

1.双重资源协同数字技术部署广度驱动型。该路径以数字导向为核心条件，驱动企业从被动响应转向主动布局；数字技术部署广度实现多环节系统化技术基础；商业分析专业知识为辅助，提供数据洞见支撑。这表明制造企业仅靠战略意愿或技术布局单一方面不足，必须通过战略导向与技术广度的双重资源协同，才能突破组织惯性、资源分散与部门壁垒，实现高数字化商业模式创新。

2.数字导向引导的技术部署-战略协作驱动型。该组态以数字导向为核心，确立战略方向；数字技术部署广度提供多环节技术平台。与组态H1a相比，组态H1b的独特之处在于其辅助条件的深化作用：数字技术部署深度意味着企业在关键工艺流程或核心产品中进行了深度的技术融合与数据挖掘；数字技术-业务战略协同则确保了这种深度技术投入能够与企业的具体业务目标持续对齐，从而将资源能力切实转化为竞争壁垒与商业模式价值。

3.双重资源协同数字技术部署深度驱动型。该路径以数字导向为核心，设定提升运营效率、产品质量或生产柔性的战略意图；数字技术部署深度作为核心执行机制，聚焦关键工艺或产品线的垂直整合与彻底改造；商业分析专业知识为辅助，通过对深度运营数据的实时分析，实现持续优化、精准控制，并识别效率改进、服务延伸或产品迭代的具体路径。

4.商业分析引导的数字能力协同驱动型。该路径以商业分析专业知识为核心，驱动从战略愿景转向数据洞察与智能决策。数字技术部署广度提供跨领域数据源，部署深度在关键环节形成高质量数据闭环，共同夯实数据驱动基础设施。数字技术-业务战略协同作为辅助条件，阐明战略协同并非僵化规划，而是在强大商业分析支撑下，基于广度与深度的实践持续优化，实现自下而上的精准契合。

本研究分析导致非高数字化商业模式创新的4条组态，揭示典型困境：NH1a因数字技术部署深度边缘缺失，限制全链条数字化融合；NH1b因数字导向边缘缺失，削弱以用户为中心的服务能力，常见于订单驱动企业。NH2中数字导向、分析知识、技术广度与深度均缺失，企业无战略意识、缺执行基础，面临双重短板。NH3中分析知识与技术广度缺失是关键瓶颈，即便有良好导向、一定深度及协同，仍陷于局部优化、整体滞后，无法实现向智造跃升。

（四）稳健性检验

本研究分别通过调整一致性阈值和频数阈值对结果进行稳健性检验。首先，本研究将原始一致性阈值从0.85提高至0.90，再从0.85降低到0.80，真值表中各个指标未发生变化；其次，本研究将频数阈值从3提高至4，得到的前因条件组态结果是原有组态结果的子集。以上均意味着分析结果具有高度的稳健性。

前因条件	高数字化商业模式创新
	P1a	P1b	P2	P3
数字导向	●	●	●
商业分析专业知识	●		●	●
数字技术部署广度	●	●		●
数字技术部署深度		●	●	●
数字技术-业务战略协同		●	⮾	●
一致性 原始覆盖度 唯一覆盖度 总体覆盖度 总体一致性	0.954	0.954	0.944	0.966
	0.607	0.195	0.529	0.520
	0.105	0.015	0.048	0.039
	0.709
	0.934

前因条件	高数字化商业模式创新
	S1a	S1b	S2
数字导向	●	●
商业分析专业知识	●		●
数字技术部署广度	●	●	●
数字技术部署深度		●	●
数字技术-业务战略协同		●	●
一致性 原始覆盖度 唯一覆盖度 总体覆盖度 总体一致性	0.954	0.944	0.966
	0.607	0.529	0.520
	0.126	0.048	0.039
	0.694
	0.935

注：⬤表示核心条件存在；⚫表示辅助条件存在；⮿表示核心条件不存在；⮿表示辅助条件不存在；空白表示条件可存在也可不存在。

三、不同数字化商业模式创新组态对企业绩效的影响

（一）企业实施高数字化商业模式创新的倾向得分

本研究采用倾向得分匹配（PSM）方法，构建Logit回归模型，分别以组态H1a、H1b、H2和H3作为被解释变量进行了预测。针对每条组态路径，本研究将实现高数字化商业模式创新的案例定义为可观测事实组（实验组，编码为1），将未实现该路径的案例作为反事实参照组（控制组，编码为0）。

变量名称	数字化商业模式创新
	组态H1a	组态H1b	组态H3
企业规模	2.260**	-0.770	-0.980
企业年龄	0.830	0.950	1.050
行业属性	0.260	-0.780	-1.120
所有权1	-0.340	-1.070	-2.020**
所有权2	1.150	-2.390**	-2.890***
竞争强度	3.050***	1.480	1.910*
市场动荡	3.030***	7.970***	7.960***
LR统计量	41.890	25.940	39.990
Pseudo R2	0.251	0.347	0.391
N	329	329	329

注:^* p <0.1, ^** p <0.05, ^*** p <0.01。

（二）样本匹配结果

为评估高数字化商业模式创新对企业绩效的净效应，采用一对二最邻近匹配法。以组态H1a为例，匹配前实验组与对照组核密度曲线明显分离，存在系统性差异，直接比较存在选择偏差；匹配后两组核密度图像高度重叠、分布趋同，表明控制变量偏倚得到有效修正，两组特征更加相似。通过倾向得分一对二最邻近匹配，构建了准实验分析框架。匹配后，实验组与对照组在特征分布上高度平衡，系统性差异不显著，比较更加公平。这为准确评估高数字化商业模式创新对环境绩效和财务绩效的净效应奠定了坚实基础，增强了结果的可信度。

（三）不同组态的高数字化商业模式创新对企业绩效的影响分析

为准确估计通过不同组态路径实现高数字化商业模式创新对企业绩效的平均处理效应值（ATT），本研究采用多种匹配方法进行综合分析与稳健性检验。

企业绩效	匹配方法	组态H1a		组态H1b		组态H3
		ATT	t	ATT	t	ATT	t
环境绩效	未匹配	0.047	2.330	0.492	1.570	0.546	1.630
	一对二匹配	0.651	3.710***	0.885	2.240*	0.833	2.180**
	半径匹配	0.364	3.440*	0.742	2.130**	0.919	1.957**
	核匹配	0.387	4.380*	0.828	2.089*	0.807	2.030*
财务绩效	未匹配	0.197	2.500	0.541	2.110***	0.717	1.460*
	一对二匹配	0.205	2.900	0.673	1.920***	0.967	1.790**
	半径匹配	0.203	2.970	0.803	2.314**	0.835	2.310**
	核匹配	0.203	2.930	0.605	1.790**	0.426	1.150

注:^* p<0.1, ^** p<0.05, ^*** p<0.01。

由表7可知，采用组态H1a实现数字化商业模式创新的企业，其环境绩效显著优于控制组（ATT =0.651，p <0.01），但二者在财务绩效维度上并未表现出统计意义上的差异（ATT =0.205，p >0.10）。这一结果表明，遵循组态H1a路径实现数字化商业模式创新后，企业能够在环境责任履行方面取得实质性进展，然而财务回报尚未同步显现。采用组态H1b实现数字化商业模式创新的企业，其环境绩效显著高于控制组（ATT =0.885，p <0.10），其财务绩效也显著高于控制组（ATT =0.673，p <0.01）。这一结果表明，遵循组态H1b路径实现数字化商业模式创新后，能够帮助企业在兼顾环境绩效的同时，提升财务绩效。采用组态H3实现数字化商业模式创新的企业，其环境绩效显著高于控制组（ATT =0.833，p <0.05），其财务绩效显著高于控制组（ATT =0.967，p <0.05）。这一结果表明，组态H3所代表的创新路径能够同时赋能企业在环境责任履行与财务回报获取两个维度实现协同提升。

四、结语

本研究基于组态视角，结合资源编排理论和动态能力理论，构建“数字资源和能力组态——数字化商业模式创新——企业绩效”理论分析框架，采用fsQCA与PSM方法，揭示了驱动制造企业数字化商业模式创新的多元路径及其对企业绩效的差异化影响。主要结论如下：

第一，数字化商业模式创新具有“多重并发因果”与“殊途同归”特性。 实证表明，任何单一的数字资源（数字导向、商业分析专业知识）或数字能力（数字技术部署、数字技术-业务战略协同）均不是实现高或非高数字化商业模式创新的必要条件。这挑战了传统线性思维，说明创新并非源于某一孤立的最佳实践，而是依赖于相互依赖的条件组合。这一发现深化了对创新驱动机制复杂性的理解，表明不存在普适的单一成功公式。

第二，实现高数字化商业模式创新存在4条等效组态路径，体现了差异化的资源编排逻辑。这些路径揭示了企业可根据自身资源禀赋与能力水平选择合适路径。其中，拥有双重资源的企业可侧重与高广度或高深度的技术部署协同；仅拥有单一资源的企业则需要与多种能力互补构建系统性创新基础。此外，研究还识别出4条导致非高数字化商业模式创新的路径，与高创新路径存在因果非对称性。值得注意的是，数字技术部署广度的缺失是造成创新失败的主要原因。

第三，不同数字资源与能力路径对企业绩效存在“殊途同归不同效”。组态H1a仅显著提升环境绩效，财务绩效未改善；组态H1b和H3则同时提升环境与财务绩效。这解释了以往研究的不一致结论，表明数字化商业模式创新的绩效效果取决于资源组态差异，具有路径依赖性。双重提升需精准匹配资源组态与战略目标，单一维度投入难以实现可持续绩效增长。

参考文献：

1. [1] 马鸿佳, 王亚婧, 苏中锋. 数字化转型背景下中小制造企业如何编排资源利用数字机会——基于资源编排理论的fsQCA研究[J]. 南开管理评论,2024,27(04):90-100+208.
2. [2] 李永发, 陈舒阳, 王东. 人工智能企业商业模式创新的差异化路径研究——引致颠覆型还是完善型?[J].经济与管理研究,2023,44(05):3-20.
3. [3] 苏敬勤, 张帅, 马欢欢, 等. 技术嵌入与数字化商业模式创新——基于飞贷金融科技的案例研究[J]. 管理评论,2021,33(11):121-134.