一份关于供应链韧性影响因素的混合方法研究学术报告
本研究由北京外国语大学国际商学院马潇宇博士、黄明珠硕士，以及中国科学院大学经济与管理学院（同时隶属数字经济监测预测预警与政策仿真教育部哲学社会科学实验室（培育））杨朦晰博士共同完成。该研究发表于学术期刊《系统工程理论与实践》（Systems Engineering — Theory & Practice）2023年9月（第43卷第9期）。这是一篇针对供应链管理领域核心问题的实证研究论文。
一、 学术背景与研究目的
科学领域：本研究属于供应链管理与组织韧性（Organizational Resilience）的交叉研究领域，具体聚焦于供应链韧性（Supply Chain Resilience， SCR）的前因影响因素及其作用机制。
研究背景与动因：近年来，全球地缘政治冲突、贸易保护主义抬头、重大公共卫生事件（如新冠疫情）等“黑天鹅”事件频发，导致企业供应链频繁遭遇冲击甚至中断，凸显了传统追求效率（如准时制生产）的供应链模式的脆弱性。供应链韧性，即供应链网络在遭遇破坏性事件时保持动态平衡、作出反应并从中恢复的复杂适应性能力，已成为学术界、产业界乃至各国政府战略层面的共同关注焦点。然而，既有研究存在以下不足：1）多以定性案例分析或数学建模为主，基于大样本企业数据的实证研究较为缺乏；2）主要关注单一影响因素的独立作用（净效应），缺乏从整体和组态视角探讨多重影响因素如何协同并发（conjunctural causation）作用于供应链韧性的研究。为弥补这些研究空白，本研究旨在系统性探究影响供应链韧性的关键因素及其组合路径。
理论基础与研究目标：本研究整合了动态能力理论（Dynamic Capability Theory） 和信息处理理论（Information Processing Theory） 来构建研究框架。动态能力理论强调企业为应对外部环境变化而构建、整合与重组资源的能力，本研究据此选取了灵活性（Flexibility）、敏捷性（Agility）、重塑性（Reconfiguration） 三个关键动态能力作为前因变量。信息处理理论则认为组织需要通过增强信息处理能力来匹配环境不确定性带来的信息处理需求，本研究据此选取了可视性（Visibility） 和供应链合作（Supply Chain Cooperation） 两个关键信息处理能力作为前因变量。研究的核心目标是：1）验证这五个因素各自对供应链韧性的正向影响；2）超越单一因素分析，探索实现高供应链韧性的多重并发条件与等效路径，即回答“哪些因素组合能够共同引致高供应链韧性”以及“是否存在多条殊途同归的路径”。
二、 详细研究流程与方法
本研究采用了一种混合研究方法（Mixed-Methods Approach），分两个阶段整合了结构方程模型（Structural Equation Model， SEM） 和模糊集定性比较分析（Fuzzy-Set Qualitative Comparative Analysis， fsQCA）。这种设计旨在结合SEM验证变量间普遍性相关关系的能力，以及fsQCA揭示多因素并发因果与等效路径的优势，从而深化对复杂管理现象的理解。具体流程如下：
第一阶段：基于SEM的单一因素影响验证
步骤1：研究模型构建与问卷设计。基于上述理论，作者构建了以灵活性、敏捷性、重塑性、可视性、供应链合作为自变量，供应链韧性为因变量的初始研究模型（如图1所示），并提出了五个研究假设（H1a-H2b）。为确保测量的信效度，所有变量的测量题项均采用国际顶级期刊中已发表并验证的成熟量表（如Williams等、Swafford等、Zhou和Benton Jr.、Wieland和Marcus、Elbaz和Ruel等的量表）。通过严格的“翻译-回译”程序确保中英文量表的等值性。最终问卷采用李克特五级量表（1=非常不符合，5=非常符合），共包含24个测量题项。
步骤2：数据收集与样本描述。研究通过工业互联网产业联盟等多个渠道，面向全国企业发放问卷。数据收集时间为2021年6月至12月，采用面对面访谈、在线问卷和电子邮件等多种方式，共计发放1081份问卷。问卷填写者要求为对企业运营有充分了解的中层及以上管理者（如供应链、生产、信息化部门主管等）。最终回收有效问卷622份，有效回收率为57.54%。样本描述性统计显示，受访企业以制造业为主（占72%），涵盖了不同所有制和年销售规模的企业，样本具有较好的代表性和广泛性。
步骤3：数据预处理与信效度检验。使用SPSS 26.0软件进行数据分析。首先，通过计算Cronbach‘s α系数和组合信度（Composite Reliability， CR）检验量表信度，所有变量的α系数和CR值均大于0.8，表明信度优秀。其次，进行效度检验：内容效度通过采用成熟量表保证；通过KMO和Bartlett检验（KMO=0.958， p<0.001）确认数据适合做因子分析；通过AMOS 26.0进行验证性因子分析（Confirmatory Factor Analysis， CFA）检验结构效度、聚合效度和区分效度。CFA结果显示模型拟合优度指标良好（χ²/df=2.778, RMSEA=0.054<0.08, GFI=0.918, CFI=0.971等），所有题项的标准因子载荷均大于0.5，各变量的平均萃取变异值（Average Variance Extracted， AVE）平方根均大于该变量与其他变量的相关系数，表明量表具有良好的聚合效度和区分效度。此外，通过单因子验证性因子分析检验共同方法偏差，结果显示模型拟合极差，表明数据不存在严重的共同方法偏差问题。
步骤4：假设检验。在模型拟合良好的基础上，使用AMOS 26.0软件运行结构方程模型，检验五个假设路径。路径系数（标准化回归系数）及其显著性水平即为该阶段的核心结果。
第二阶段：基于fsQCA的多因素组态分析
步骤5：变量校准。为进行fsQCA分析，需将连续变量数据校准为0到1之间的模糊集隶属分数。本研究将五个前因条件变量（灵活性、敏捷性、重塑性、可视性、供应链合作）和结果变量（供应链韧性）的测量值（各题项均值）进行校准。参考Fiss（2011）的通用做法，对五级量表设定三个校准锚点：5（完全隶属）、3（交叉点）、1（完全不隶属）。为避免隶属度为0.500的数据被排除，对所有校准后的数据进行了+0.001的微调。
步骤6：必要性分析。在fsQCA中，必要性分析用于检验单个条件是否为结果出现的必要条件（即没有该条件，结果一定不出现）。使用fsQCA软件计算每个条件变量及其非集（用“~”表示，如“~灵活性”表示低灵活性）的一致性（Consistency）和覆盖度（Coverage）。通常，一致性大于0.9是认定必要条件的经验标准。同时，通过绘制条件变量与结果变量的X-Y散点图进行直观判断。
步骤7：组态充分性分析（真值表分析）。这是fsQCA的核心步骤，旨在找出能够充分导致高供应链韧性的前因条件组合（组态）。研究者将一致性阈值设置为0.8，PRI一致性阈值设置为0.7，案例频数阈值设置为10，以保留80%以上的案例进行分析。软件会输出复杂解、简约解和中间解。研究者以中间解为基础进行组态阐释，并参考简约解来区分核心条件（同时出现在中间解和简约解中，对结果产生重要影响）和辅助条件（仅出现在中间解中，与核心条件共同作用）。分析结果最终归纳为几类具有代表性的组态模式。
三、 主要研究结果
第一阶段SEM结果： 结构方程模型的路径分析结果（如表6和图3所示）有力地支持了所有五个研究假设： * 灵活性对供应链韧性有显著正向影响（β = 0.121， p < 0.01），假设H1a成立。 * 敏捷性对供应链韧性有显著正向影响（β = 0.180， p < 0.001），假设H1b成立。 * 重塑性对供应链韧性有显著正向影响（β = 0.379， p < 0.001），假设H1c成立。值得注意的是，重塑性的路径系数最大，表明在单一因素影响中，资源重组能力对韧性的贡献最为突出。 * 可视性对供应链韧性有显著正向影响（β = 0.147， p < 0.001），假设H2a成立。 * 供应链合作对供应链韧性有显著正向影响（β = 0.142， p < 0.001），假设H2b成立。 这些结果为供应链韧性影响因素的讨论提供了来自中国情境的大样本实证数据支持，验证了动态能力和信息处理能力在构建韧性中的基础性作用。SEM分析揭示了各因素的“净效应”，但尚不能解释因素之间的互动与组合。
第二阶段fsQCA结果： * 必要性分析结果（表7）：尽管敏捷性、重塑性、可视性、供应链合作四个条件的一致性均超过了0.9，但其X-Y散点图显示有大量案例点位于对角线上方，这意味着高供应链韧性的案例并不必然具备这些高条件值。因此，没有任何一个单一条件是构成高供应链韧性的必要条件。这直接呼应了研究的出发点：高韧性是多种要素协同作用的结果，而非依赖某一“银弹”。 * 组态充分性分析结果（表8）：通过fsQCA分析，得到了三个能够引致高供应链韧性的前因组态（驱动路径），整体解的一致性为0.954，覆盖度为0.875，表明这些组态对高韧性案例的解释力很强。 1. 组态M1：高敏捷型驱动路径。其核心构型为 “高敏捷性 * 高重塑性 * 强供应链合作” 。在此路径中，高敏捷性是核心条件，高重塑性和强供应链合作是辅助条件。这意味着，对于以速度响应为核心竞争力的企业（如研究指出的计算机、通信设备、软件信息服务等行业），只要能同时具备强大的资源重组能力和稳固的供应链伙伴关系，即使在其他能力（如灵活性、可视性）上不突出，也能建立起高韧性的供应链。该路径的原始覆盖度最高（0.834），是解释最多案例的普适性路径之一。 2. 组态M2：高可视型驱动路径。其核心构型为 “低灵活性 * 高重塑性 * 高可视性 * 强供应链合作” 。在此路径中，高可视性是核心条件，低灵活性、高重塑性和强供应链合作是辅助条件。这条路径揭示了一个有趣的现象：企业即使在灵活性上有所欠缺（用“~灵活性”表示），但只要拥有极高的供应链端到端信息可视性，并辅以资源重组能力和良好的合作关系，同样可以实现高韧性。这凸显了在数字化时代，信息透明和协同对于弥补物理灵活性的不足、增强抗风险能力具有关键价值。 3. 组态M3：敏捷可视兼具型驱动路径。此模式包含两条子路径：a) “低灵活性 * 高敏捷性 * 高可视性 * 强供应链合作”；b) “高灵活性 * 高敏捷性 * 高可视性 * 高重塑性” 。在这个模式中，高敏捷性和高可视性的组合是核心。它代表了企业通过同时提升快速响应能力和信息洞察能力来构建韧性，而灵活性或重塑性可以在此核心基础上以不同的组合方式（与供应链合作或与灵活性/重塑性组合）提供辅助支持。这体现了构建韧性的资源组合的多样性和灵活性。
fsQCA的结果清晰地表明，实现高供应链韧性存在多重并发因果关系和等效路径（殊途同归）。企业无需追求在所有维度上都达到顶尖水平，而应根据自身行业特性和资源禀赋，选择并强化某一条或几条适配的“能力组合拳”。
四、 研究结论与价值
结论：本研究通过整合SEM和fsQCA方法，系统性地得出以下核心结论：1）灵活性、敏捷性、重塑性、可视性和供应链合作均是提升供应链韧性的有效因素。2）没有任何单一因素是构成高供应链韧性的必要条件，韧性是多因素协同作用的产物。3）企业可以通过不同的能力组合路径达到高韧性水平，主要存在三条典型路径：以敏捷性为核心的“高敏捷型”路径、以可视性为核心的“高可视型”路径以及敏捷与可视能力兼备的“敏捷可视兼具型”路径。
学术价值：1）理论贡献：率先将fsQCA方法应用于供应链韧性研究，从组态视角揭示了多重前因条件的并发协同效应与等效路径，突破了传统回归分析只关注净效应的局限，深化了对供应链韧性复杂形成机制的理解。2）方法贡献：积极响应了管理学领域关于混合方法研究的呼吁，示范了如何将SEM与fsQCA有机结合，使研究结论既具有普遍性又具备组态特异性，增强了理论解释的深度和丰富度。3）实证贡献：基于大规模企业调研数据，为动态能力理论和信息处理理论在供应链韧性领域的应用提供了有力的中国情境实证支持。
实践价值（管理启示）：为企业管理者提供了极具操作性的战略启示：构建供应链韧性没有唯一的最优解。企业应首先进行自我诊断，明确自身在灵活性、敏捷性、重塑性、可视性和合作性上的优势和短板。然后，可以参考本研究提出的三条路径，选择与自身战略和行业特性最匹配的“能力组合”进行重点投入和建设。例如，对于时效要求高的行业，可优先走“高敏捷型”路径；对于流程复杂、信息不透明的行业，可着力打造“高可视型”供应链；而对于资源充沛的大型企业，则可以追求“敏捷可视兼具型”的全面韧性。这有助于企业避免盲目投入，更高效、更有针对性地配置资源以提升供应链抗风险能力。
五、 研究亮点
六、 其他有价值的内容
研究在文献综述部分清晰地梳理了供应链韧性与供应链中断治理需求之间的演进关系，并对“韧性”概念在不同学科（材料科学、生态学、工程学、心理学、社会学）中的定义进行了溯源，有助于读者深入理解供应链韧性概念的跨学科内涵。此外，文章引言部分结合了当前国际国内宏观形势（如新冠疫情、俄乌冲突、各国供应链战略、中国政策导向）来阐述研究问题的紧迫性与现实意义，增强了研究的时代感和政策相关性。