技术并购、市场反应与创新产出

○ 姚 颐 徐亚飞 凌 玥

引言

我国资本市场上并购事件频发，经常上演“天价收购”的故事。在并购出价越来越泡沫化的情况下，并购完成后的绩效却不尽如人意。虽然并购活动没有带来收购方财务业绩的增长，但股票价格却被抬高。[1]由于不同类型并购对公司价值的影响不同，本文将研究技术关联并购作为企业的一种战略选择对创新产出的影响。

技术并购是指收购方通过并购获得目标公司的专利技术知识，通过知识吸收整合来弥补技术缺陷，获取和内化标的方知识库，快速提高公司的研发能力，是企业提升核心竞争力的重要方式。[2,3]技术并购分为技术相似度并购和技术互补性并购，技术相似度并购能够缓解并购中的信息不对称。如果收购方对目标方的技术十分熟悉，其之间信息不对称程度将会降低，因此相似的知识来源可以促进双方知识库之间的联通，知识的吸收整合有利于提升创新生产率。[4]而技术互补性并购有别于技术相似性并购，互补性能够帮助企业更好地获得被收购方知识能力，加速企业对新知识的整合和运用，而且细分领域上的技术差异能够激发企业进行外部搜索，激活企业自身和外部资源，由此提高创新能力和绩效。Makri等指出，当并购双方技术相似度较低而技术互补性较强时，创新水平提高，技术的交叉运用可能带来意想不到的收获。[5]

Makri等率先开始按照技术关联程度将并购划分为技术相似性和互补性并购，[5]但忽略了技术并购的跨部性特征。跨部性并购是指并购双方的技术是跨大部的、完全不相关的技术，多由收购方公司试图展开多元化业务所致。对于跨部性技术并购，收购方可以在短时间内获得其他领域技术知识、科研人员及相关资源。与技术互补性相比，技术跨部的两家企业之间技术不相关，双方的信息不对称程度最大。由于知识差距大，收购方可能难以对标的公司的技术进行充分吸收整合，因此并购失败的风险最高。跨部技术并购经常是多元化并购，早期研究发现，企业可以通过多元化并购避免由外部资本市场信息不对称带来的一系列问题，[6]然而随着资本市场的不断发展和完善，国外学者普遍认为与同行业并购相比，多元化并购难以带来公司的价值增长。[7,8]因此，本文聚焦第三类技术并购即跨部性并购，涵盖所有的技术并购并予以分类进行系统研究，主要探讨以下三个问题：一是投资者更加偏好技术关联度高还是低的技术并购？二是哪一种技术关联度的并购会带来更高的购买商誉？三是技术并购作为一种以获得目标公司的专利技术为目的并购，是否提升了并购后的创新产出？

本文的贡献在于：第一，在Makri等[5]对技术相似性与技术互补性并购研究的基础上，首次创新性提出技术跨部性并购，对我国资本市场中所有的技术并购事件进行研究。文中利用国家知识产权局专利检索系统对并购双方的专利按照所属部、类进行手工搜集和统计，从而实现对技术相关（相似性、互补性）和不相关（跨部性）两大类技术并购的完整统计。第二，技术并购经济后果的研究中，大量文献主要关注并购后收购方的创新表现，包括专利申请数量、[9,10]专利被引数量、[4,5]创新产出[11,12]等方面，较少研究其对股票市场反应、并购商誉的影响；而有关技术并购在资本市场表现的论文只发现一篇，[13]而且是运用人工阅读而不是双方的具体专利来划分技术并购的医药行业研究，研究结论的适用性存在较大局限性。本文详细剖析不同技术关联程度的并购在资本市场的不同反应，进一步研究对并购溢价率和创新产出的影响。第三，技术并购应该是我国所有并购中最接近实现技术创新的并购，是企业战略升级的重要组成部分，本文最大的创新是对“跨部性并购”予以度量和分析，并首次设计了该指标的度量方法并进行多角度分析，为我国资本市场的并购现状和并购后果提供可靠的实证证据和政策建议。

一、文献回顾与假设提出

1.技术并购的经济后果研究

已有研究发现，并购活动给收购方和标的方公司带来的超额收益不对等，主要表现在被收购方公司获得显著正向的超额回报，而收购方股东的超额收益率显著为负。[14,15]但也有学者提出不一致的观点，收购方公司可以获得被收购公司流动性增加带来的价值，因而这种“流动性效应”使收购方股东同样也会获得显著为正的超额收益。[16]上述研究从公司股票收益率的涨跌出发，更为关键的是要分析整合后的协同效应能否达到“1+1＞2”的效果。对协同效应的预期取决于对被收购企业经营业绩的预期，以及经营协同、管理协同及财务协同等的影响程度。[17]围绕我国资本市场的研究，部分学者认为企业并购后可以有效实现在管理、创新等方面的协同效应，提升公司长期绩效，[18,19]但也有研究发现并购活动成为控股股东转移个人财富的工具，并没有实现协同效应。[20]李善民等[21]发现上市公司倾向在股价低估时进行并购活动，而这种择时效应提高了股价，但是合并后公司的财务业绩没有产生预期的协同效应。

通过并购获得外部知识是一种重要的竞争战略。[9]大量的技术并购文献关注并购后的创新表现。知识关联有助于协同效应，并购双方的技术关联能够增加并购后的专利申请，[4]但是专利的影响力、适应性和独创性会有所下降。[11]研究还发现当双方知识互补时，即被购方提供的技术知识与并购方足够相似时，有利于并购方的学习吸收。如果知识存在一定的差异度，并购方可以接触多样化的新知识，此时技术并购能够带来更多创新，并促使并购方在被购方的核心技术领域进行探索。[12]另外，技术并购带来的价值不仅体现在创新能力的提升上，还具有建立技术壁垒、威慑竞争者的战略意义。Grimpe等用收购价格度量战略价值，发现被购方拥有的专利威慑力越强、相关性越高，收购价格即战略价值也越高。[22]Sears等则研究技术并购的短期市场反应，发现由于过度技术重叠带来的知识冗余，降低了技术并购的短期市场反应。[23]

2.技术关联度与市场反应

并购能够降低经营不确定性，[24]并缓解由不确定性带来的契约不完善问题。而收购方想要通过并购缓解经营环境的不确定性，选择何种类型的并购标的十分重要。Ahern等研究发现，存在供求关系的两家企业通过纵向并购可以降低由专有资产带来的持有风险。[25]Hoberg等站在产品市场的角度研究发现，企业更倾向于并购广义上与自身产品相似的企业，在并购后开发了更多新产品、获得更高的销售增长。[26]技术关联并购是一种实质并购，企业倾向于并购与自己生产经营相关联的目标方，主要是基于收购方了解同行信息，可以快速寻找交易目标。[2]收购方通过对标的方的知识库进行获取和内化，提升企业核心竞争力，帮助企业在较短的时间内提升技术水平，克服技术壁垒，促进企业技术发展，有利于实现产品升级。[3]

从理论上讲，股价的变化反映了投资者的预期。如果股价上涨，说明投资者认为并购事件为股东带来了价值，因此技术关联导向的并购可能得到积极的市场反应。第一，对于技术相似性并购而言，相似的知识来源可以较为顺利地实现与并购企业知识库之间的联通，知识提升有利于并购完成后提升创新生产率。[4]Higgins等指出那些从外部获得创新的医药公司为了避免陷入高溢价、低回报带来的“赢者诅咒”，往往会通过选择与自己有相似研究路径和产品线的目标公司知识关联，[27]以更为准确地了解目标企业，研究结果证明这些公司在并购后确实获得了更高的回报。此外，并购一家技术相似性高的企业意味着吞并了（潜在的）竞争对手，有望获得更高的市场份额。[28]因此，技术相似性并购可能给公司带来增值。第二，在技术互补性并购中，对于收购方企业而言，拥有相同技术背景和知识背景能够降低技术壁垒，帮助企业更好地获得被并购方的知识，并加速对新知识的整合和利用，而在细分领域上的技术差异能够激发企业进行外部搜索，激活企业自身和外部资源，由此提高创新能力和绩效，同时知识的交叉运用可能带来意想不到的收获，在市场有效的前提下，可能产生1+1＞2的爆发性效能，由此提升公司的价值。

无论国内外资本市场，并购事件发生本身就可以作为一种积极信号，即使并购活动未取得成功，其股票价格也会被提高。[1]李善民等研究我国资本市场定价对企业并购行为的影响，发现股价被低估的公司通过并购释放信号，而并购活动确实能够提高企业的估值。[21]中国股市是一个投机性很强的新兴市场，投资者偏爱热点题材炒作，喜欢跨行业并购进入热点领域，并为投资者描绘了一个光明的投资前景，[29]向资本市场发出良性信号，增加了投资者信心。因此当有企业提出要做跨行业重大并购时，资本市场投资者和分析师容易产生乐观情绪，[30]表现为比同行业并购获得更高的市场回报率。杨威等的研究也支持上述观点，[31]发现我国上市公司多元化并购存在8.42%的溢价，并通过实证研究说明国外的委托代理理论、[32,33]内部市场理论[34,35]和生命周期理论[36]难以解释中国上市公司的多元化溢价现象，我国上市公司多元化并购溢价的动机是为了收购盈利能力更强的资产，实现企业转型。

而以技术关联为导向的并购通常都是在原有领域进行的深入挖掘和拓展，并不能给资本市场带来新的故事和想象空间，尤其是对于知识相似度很高的并购，在投资者看来是对于原有技术的重复，这种拓展所带来的想象空间较为有限，所获得的技术核心往往专有性比较强，市场涨幅会受到限制；而对于技术互补性并购来说，这种知识交叉所带来的创新虽然可能强于前者，但是依然不符合投资者追捧市场热点的投机性心理。因此，对这三类技术并购而言，可能随着技术关联度的提高，市场涨幅呈下降态势。综上，提出以下假设：

H1：在技术并购中，技术关联度越高，短期市场涨幅越低

3.技术关联度与并购商誉

商誉的产生与企业并购重组活动密切相关，甚至可以说公司新增的商誉基本上度量了公司在并购活动中所支付的溢价，Nielsen等指出并购溢价是高出被购方内在价值的部分。[17]并购溢价来源于并购整合后实现的协同效应，主并企业愿意为并购后的协同效应支付一定的溢价。[37,38]不过，由于收购方对国标公司价值的错误评估导致过高的并购溢价，以及在后期整合时并未带来协同效应，并购时的高溢价、高商誉和并购后的低收益损害了收购方股东的利益。

我国近十多年并购市场的繁荣，使得商誉高估问题异常严峻。从我国资本市场的实际情况来看，并购重组的“高估值、高承诺”导致A股上市公司的商誉虚高，引发商誉的减值风险积聚；[39]另外，虽然在三种技术并购中，我们预期技术关联度越高市场涨幅越低，但是总体而言，在中国资本市场并购通常都会获得市场超额收益，只是涨幅高低不同。由于市场的反应非常积极，也会影响到公司的交易决策即并购价格的制定，预期股价涨幅越大，需要支付的商誉也越高。[40]魏志华等[41]从产品市场竞争能力的视角来解释为何高商誉降低公司的未来业绩，认为拥有超额商誉意味着企业并购时对目标公司给予了过高的估值和溢价，同时也意味着并购占用了收购方大量资金，并且商誉减值风险也将使企业未来的持续经营“负重前行”；企业将有限的资源过多地用于并购整合上，而忽略了其他投资机会，也将对企业未来的长期业绩产生负面影响。毋庸置疑，我国A股巨额的商誉已成为埋在上市公司资产负债表中的“定时炸弹”，隐藏着巨大的商誉减值风险，容易引发系统性风险。[42]

本文认为，就技术并购而言，随着技术关联度的降低，商誉提高的可能性非常大，理由如下：第一，由于知识产权和核心技术比有形资产更加难以评估，技术并购通常面临更严重的信息不对称问题，但已有研究发现技术相似度能够缓解并购中的信息不对称，如果收购方对目标方的技术十分熟悉，那么信息不对称程度将会降低，因此可能会降低商誉。第二，技术的跨部性越大，对收购方而言技术购买的溢价可能越高，比如技术跨部性并购是跨大部类的并购，收购方可以在短时间内获得其他领域技术知识、科研人员及相关资源，因此支付的商誉也越高。第三，从市场追求热点题材的角度出发，技术关联度越高，在原有领域的技术越深入，给资本市场带来新的故事和想象空间的可能性越小。而对于跨部性并购，代表产业转型将带来新的故事和估值体系，在市场追捧下，此类并购的商誉会更高。

并购溢价是高出被收购方内在价值的部分，来源于并购整合后实现的协同效应，主并企业愿意为并购后的协同效应支付一定的溢价。[37,38]因此并购方如果高估了并购后的协同效应，或者并购方购买的是原有领域中原创性且具有颠覆性的技术，即便是技术关联度很高的技术并购也要支付较高商誉。因此，技术关联程度是否会提高并购并不确定，本文基于以上推理提出两种可能性假说：

H2a：在技术并购中，技术关联度越低，因并购而产生的新增商誉越高

H2b：在技术并购中，技术关联度与并购产生的新增商誉不显著相关

4.技术关联度与创新产出

根据并购双方的技术关联程度，相似的知识有利于双方的技术交流和理解，降低技术整合难度，但是知识冗余也导致路径依赖，削弱技术突破的动力，降低学习新技术的机会；[43]而互补性的知识通过借鉴彼此的技术特点，打破原有技术思维，有利于实现产品和创新的突破改进，但是由于处于不同的科研领域，消化和吸收新知识需要大量时间和成本，难以在短期内实现技术创新。[44]因此，过多或过少的知识关联都不利于并购后创新效率的提升，寻找知识关联的平衡点是企业进行并购决策、谋求创新协同效应的核心问题。

以往关于技术并购对创新绩效研究的结论并不一致。Bena等研究了创新和并购之间的关系，以专利这一创新产出衡量公司的创新活动发现，两家公司在专利申请方面的相似度越高，发生并购的可能性越高，并购后的创新产出也越高。[4]技术相似性越高，双方对技术熟悉和理解程度越深入，越有利于形成研发规模经济和范围经济，促进研发绩效的提升。[45]但是随着相似性的不断提升，会减少探索新领域的研究空间，对提高并购后的创新绩效作用变得有限；[10]当超过一定阈值后，较高的相似性导致双方失去创造新知识的机会，对原有技术路径的依赖阻碍了探索性发明。[5]因此，本文预期技术相似性与并购后的创新绩效存在着倒U形的关系。

相对技术相似性而言，技术互补是对于收购方企业的技术补充，互补性越强说明知识分离程度越高，需要消耗大量时间和精力消化吸收对方的技术知识，因此存在信息不对称问题，制约创新协同效应。但不可否认，互补性技术意味着并购双方拥有大的相同的技术背景和知识背景，能够促进企业间的技术整合，提升创新能力。[3]同时，互补性技术也意味着并购双方所拥有的技术在细分领域上有差异，引进互补性技术意味着并购企业利用相对较少的成本投入和时间投入就有望实现产品技术的突破，在合作过程中，这种知识交叉更容易激发创新想法。在互补性并购中收购方有可能产生新的技术创新，带来产品性能的大幅提升或形成产品差异化，由此带来更高的经营利润。[26]Makri等研究发现，双方拥有的互补性知识与并购后的创新产出正相关。[5]同样，本文预期技术互补性与并购后的创新绩效也存在倒U形的关系。

在跨部性技术并购中，由于收购方是在原有行业领域基础上的对外扩张，并购双方企业技术差异较大，提高了技术团队的整合难度，容易造成技术人员流失，一旦整合失败会显著降低企业的研发投入，对企业的未来创新活动造成不利影响。[46]然而也有学者提出相反的观点，认为技术多元化为企业提供了运用新技术的机会，被收购方企业知识基础的广度会对收购方企业的创新绩效产生正向影响，[11]收购方企业获得更多的技术溢出效应。[47]Leten等研究发现技术多元化和创新之间是非线性关系，[48]技术多元化和创新绩效之间是一种倒U形关系。[49]

从知识的关联程度来讲，非重叠知识增加双方的技术互动和分享新领域空间，但也加大了技术吸收和整合难度，而重叠的知识结构虽然没有整合困难，但又无法提供新的突破创新点。[23]因此，如何结合重叠知识的连续性和非重叠知识的新颖性，找到知识关联的平衡点，从而最大程度提升并购后的创新效率是创新领域的重要命题。[9]技术关联程度与企业创新的倒U形关系已达成广泛共识，[9,10]即技术相似度达到一定阈值会造成技术重叠度高，反而会影响创新。也就是说，技术并购的交易双方必须努力在知识库之间保持适度的相关性：一方面，获得的知识必须有足够的重叠促进吸收过程。另一方面，知识基础的组合需要足够的多样性才能对并购后的创新绩效做出实质性贡献。综上，提出以下假设：

H3：在其他条件不变的情况下，技术关联度与并购后的创新产出呈倒U型关系

二、样本选择与研究设计

1.样本选择与数据来源

本文采用2008-2018年我国上市公司发生并购的数据作为研究样本，并购数据来自CSMAR和Wind数据库。本文对并购事件进行了如下处理：选取上市公司交易地位为买方的并购事件；剔除债务重组和要约收购，保留资产收购、资产置换和吸收合并三种类型并购；剔除标的方是科研机构或高校而非企业的并购事件；剔除标的方为境外公司的并购事件；剔除标的公司为法院拍卖或者破产清算资产的并购事件；剔除交易失败的并购事件。共找到4550个并购事件，并对所有连续变量进行了1%的缩尾处理。

现有关于技术并购的判断标准多借鉴Ahuja等的做法，[9]至少满足以下标准中的一条则视为技术并购：一是标的公司在过去5年内拥有专利技术；二是并购公告中已明确说明，企业以取得某项专利或者技术为主要目的并购。本文要求更为严格，需要同时满足以上两条标准，确保标的方是技术企业，并且并购目的是追求创新。最终，从4550个并购事件中识别出241个技术并购事件。

文中专利数据来自CNRDS数据库，具体专利分类号在国家知识产权局专利检索系统①上进行手工搜集整理。标的公司净资产的账面价值来自并购公告，其他财务数据均来自CSMAR数据库。

2.变量设计

（1）被解释变量

市场反应（CAR[-3,+3]）。本文用累计超额回报率（CAR）来度量短期市场反应，借鉴潘红波等的做法，[50]采用市场调整模型法，并采用[-3,+3]天窗口期计算CAR值。CAR越高，说明该技术并购事件带来短期内的市场涨幅越高。

新增商誉（ΔGoodwill）。商誉的产生与企业并购重组活动密切相关，可以说公司新增的商誉基本上度量了公司在并购活动中所支付的溢价。参照郑海英等和杨威等的做法，用收购方在技术并购当年因企业合并形成的商誉增加额除以年末总资产作为被解释变量。[39,40]

创新产出（Patent_Apply[+1,+3]）。技术并购是收购方想要从外部获得创新，从而提升自身的自主创新能力，由于创新产出的时间较长，因此本文采用并购后3年的专利申请总量来度量创新产出（对数化处理），还将专利申请细分为发明型、实用新型和外观设计型专利。

（2）解释变量

本文参考茅迪等及Makri等的做法，[3,5]通过对专利所属大部和类别分别进行度量。首先，依据国际专利分类把技术专利划分为8个大部（Section），②每个部又被分为数目不等的大类（Class），8个部中共包含130个大类。③根据该分级和分类计算以下7个指标：收购方专利总数（TPA）、标的方专利总数（TTP）、双方专利总数（TPAT）、双方同属专利部的专利数（OAPS）、收购方在双方同属专利部的专利总数（TAPS）、双方同属共同专利大类的专利数目（OAPC）、收购方在双方同属专利大类的专利总数（TAPC）。基于上述指标来计算技术相似性（Similarity）、技术互补性（Complementarity）、技术跨部性（Cross）。

技术相似性指并购双方在技术细分领域上的相似程度。本文站在收购方的视角，计算双方同属专利大类的专利数目占双方专利总数的比例，再乘以收购方在双方同属专利大类占收购方专利总数这一比例作为权重。Similarity取值介于0到1，该数值越大说明并购双方的技术相似程度越大。具体公式如下：

技术互补性反映了并购双方知识能力互补程度。在技术并购双方技术基础具有互补性的条件下，收购方企业与被收购方企业间技术基础拥有一定相关性，但在细分领域有差异性。因此我们采用茅迪等及Makri等的测量方法，[3,5]计算出并购双方属于同一专利部（Section）却不属于同一大类（Class）的比率。Complementarity的取值同样介于0到1，该数值越大说明并购双方的技术互补程度越大。④具体计算公式如下：

跨部性是本文新设定的一个指标，表示标的方所拥有的专利中，不属于同一大部的双方专利所占比例。该指标越高意味着双方的技术不属于同一大部的程度越高，技术的异质性越高，虽然是技术并购，但并购双方技术差异程度大。具体公式如下：

综上，依据技术关联程度的高低进行排序依次为相似性、互补性、跨部性，因为前两者属于同一大部所以属于相关性技术，但是跨部性因为跨出同一大部，因此在技术上不相关。

（3）控制变量

参照现有的研究，[4,51]本文主要控制了公司特征、并购事件特征及CEO特征三个层面的影响因素，公司特征层面包括公司规模（Size）、资产负债率（LEV）、账面市值比（BM）、产权性质（SOE）、现金持有（Cash）、资产收益率（ROA）、年个股回报率（Return）、第一大股东持股比例（Largest）、专利申请（Patent_Apply）和研发支出（RDratio）、融资约束（KZ）；并购事件特征层面主要包括是否关联交易（Relevance）、交易价格（Dealvalue）；CEO特征包括年龄（CEOage）和学历（CEOdegree）。此外，在对新增商誉的回归模型（2）中，本文借鉴Beatty等、Glaum等和李丹蒙等的研究，[52-54]还加入了是否两职合一（Dual）、上一年的日个股回报率的波动（Stdret）及波动率风险（Hrisk）三个变量。（限于篇幅，具体变量定义及说明略去备索，读者可在微信公众号“南开管理评论”当期“开放获取”推送中，搜索、查看本期各篇文章的主要删节内容）

3.模型设计

为了验证假设H1，本文借鉴Healy等的研究，[51]构建模型（4）分别检验三类技术关联程度的市场反应：

模型（4）中，CAR[-3,+3]为收购方在技术并购首次公告日前后三天累计超额回报率，衡量短期市场反应，PatentRelated表示技术关联程度，包括技术相似性、技术互补性和跨部性三类指标，Controls为控制变量，本文还分别控制了年份与行业固定效应。

为了验证假设H2，本文借鉴Beatty等、Glaum等和李丹蒙等的研究，[52-54]构建模型（5）分别检验三类技术关联程度对当年新增商誉的影响：

模型（5）中，ΔGoodwill为收购方在技术并购当年因企业合并形成的商誉增加额除以年末总资产，PatentRelated与模型（4）中的变量相同，包括三类技术关联程度指标，Controls为控制变量，本文还分别控制了年份与行业固定效应。

为了验证假设H3，本文借鉴Bena等和Ahuja等[4,9]构建模型（6）来分别检验三类技术关联程度对未来三年收购方专利申请的影响：

模型（6）中，Patent_Apply[+1,+3]为收购方在完成技术并购后三年专利申请的总量，公式中增加了技术关联程度指标的二次项，这是由于Ahuja等发现并购双方知识的相关性与并购后收购公司的创新绩效呈倒U型关系，在本文中通过设置二次方予以借鉴。[9]

三、实证结果

1.描述性统计分析和均值检验

表1列示了样本描述性统计结果。所有发生技术并购的241个样本，需要说明的是，在计算CAR时，由于部分样本缺失，获得了217个技术并购样本，其余样本均为241个。描述性统计结果如下：将技术关联分为技术相似性、技术互补性、技术跨部性指标，相似度的平均数为0.303，互补性的平均数为0.295，均低于跨部技术并购0.348。其他变量部分，我们可以看到在本文检验的样本中，前后三天技术并购的市场反应CAR的均值为0.019。经过年末总资产调整后的新增商誉最小值为0，最大值高达0.355，平均数为0.021，说明观测样本中收购方当年支付溢价成本的高低存在较大差异。专利申请原始数据的最小值为0，最大值为1017，平均值为32.801，中位数为0，说明专利申请在观测样本中也存在较大差异。

表1 描述性统计

我们对技术并购进行分组检验，由于一个公司与另一个公司之间可能同时具有不同技术关联程度的专利，就要确定这两个公司之间究竟以哪种技术关联程度为主，对此本文采用如下判别标准：y=相似性+互补性-跨部性，如果该值为非负数判定为技术关联并购，否则为技术非关联并购，由此进行分组检验。表2中，比较技术关联并购和技术非关联并购在市场反应、新增商誉及并购后三年专利申请三方面的均值差异发现，技术关联并购的市场反应显著低于技术非关联并购的市场反应-0.026，意味着公布后的三天，二者的市场反应相差2.6%，初步验证了跨部性技术并购获得市场更多欢迎。技术关联并购的新增商誉也显著低于技术非关联并购的新增商誉-0.029，验证了跨部性越高新增商誉即溢价越高。而在并购后三年的专利申请中二者并无显著性差异（0.101），说明技术关联与否与并购后的创新产出之间没有显著差异。

表2 技术关联并购与技术非关联并购的均值差异性检验

2.技术并购的市场反应

表3列示了不同关联程度的技术并购的市场反应。在区分不同技术关联程度后，列（1）结果表明，在并购首次公告日公布的前后三天，并购双方的技术相似度越高，市场涨幅越小，即三种技术并购对比，技术相似度并购最不受投资者青睐。列（2）互补性的系数虽然为负但不显著，以上结果表明市场不偏好技术相关并购。而列（3）结果表明，并购双方的技术跨部性越大，市场涨幅越大，本文结果与国外研究普遍发现的多元化并购带来市场负面反应的结论完全相反，[8]但与李善民等的结论一致，他们发现我国股票市场投资者往往给予跨行业并购较高的溢价和炒作预期，加之这种非理性行为带来的“羊群效应”，使得短期内多元化并购往往形成较高市场溢价。[55]假设1得到验证。

表3 市场反应

3.技术并购与新增商誉

表4列示了不同技术关联程度对新增商誉的影响，此时的新增商誉是指并购当年因企业合并形成的商誉。列（1）表明并购双方的技术越相似，当年新增商誉越低，二者呈负相关，说明技术的相似度能够降低并购双方的信息不对称，由于存在技术重叠，因此收购方可以用较低溢价购买，所以商誉呈负相关；在列（2）互补性与商誉的结果中，二者不显著相关；在列（3）跨部性与商誉的结果中，并购双方的技术跨部性越强，当年新增商誉越高，二者呈正相关，这是由于知识差距大且完全不在同一知识背景下，双方的信息不对称程度最高，收购方更难对标的公司的技术进行准确评估；同时也不排除收购方为了获取市场热点和优质资产，大幅抬高收购价格进行抢占性技术购买的可能。因此溢价程度最高，新增商誉也最高，假设2a得到证实。

表4 新增商誉

4.技术并购后的长期创新产出

表5是技术并购的不同技术关联程度对并购后三年专利申请总数的回归结果。从回归结果看，技术相似性与并购后三年的创新产出呈倒U型关系，表明适当的知识重叠可以提高创新产出，非重叠知识增加双方的技术互动和分享新领域空间，但也加大了技术吸收和整合难度，而重叠的知识结构虽然没有整合困难，但又无法提供新的突破创新点。[23]因此，需要结合重叠知识的连续性和非重叠知识的新颖性，找到知识关联的平衡点。

表5 并购后三年的创新产出

本文的结果验证了国外多数研究和茅迪等[3]的结论，三种技术关联程度与并购后三年的创新产出均呈倒U型关系，表明适当的知识相似、互补可以提高创新产出，但过高反而会造成创新产出下跌；相反，如果跨部性过大，代表知识的相似性过低，也同样不利于原有知识的吸收、转化和再创新。本文进一步计算二次函数的拐点发现，相似度超过41.8%，互补性超过48.9%，跨部性超过38.8%，会降低企业创新产出。假设3得到验证。

本文将专利申请细分为发明型、实用新型和外观设计型专利，然后再研究不同技术关联程度对三类专利申请的影响（限于篇幅，具体结果略去备索）。Benner等[56]将创新类型区分为开发性创新和探索性创新的双元创新：开发性创新主要是对原有技术路径的局部改进，而探索性创新是对现有技术的突破性变革；并购双方彼此之间的知识相近程度和范围对双元创新有重要影响。具体来看双元创新产出，在发明型专利方面，并购双方技术跨部性程度越高，并购后三年发明专利的数量越低，表明跨部性不仅不能带来发明型专利（技术含量最高）的提高，甚至起到反向作用，抑制企业探索性创新。知识多样性是技术吸收能力的决定因素，[57]跨部性的技术并购由于知识跨度大，加大了企业的吸收难度，难以在短期内形成新的发明专利产出。其他两类技术并购与发明型专利申请不显著相关；在实用新型专利方面，并购双方技术互补性程度越高，并购后三年实用型专利申请的数量越高，说明互补性对于实用新型专利的申请有很大帮助，因为互补性技术既能够使双方迅速达成共识，又可以利用双方的优势使新技术更快落地，加速推出创新产品。[58]但是其他两类技术并购与实用新型专利的申请不显著；在外观设计方面，技术相似性越高，并购后三年的外观设计专利申请越少，这一发现与Makri等提出的“相似度对发明质量和数量都没有影响，但是显著降低新颖性创新”的结论类似，[5]说明知识关联程度越高，产品技术路线越相似，原有创新依赖路径越强，降低了产品新颖性，并对外观设计产生负向影响。

四、稳健性检验

本文进行了以下稳健性检验：一是将技术并购与非技术并购进行PSM样本配对回归。为了减少内生性和保持样本平衡，我们依据是否发生技术并购，采用倾向得分匹配（PSM）中的邻近匹配方法，将样本分为实验组和对照组。PSM的配对变量为公司规模（Size）、资产负债率（LEV）、是否国有企业（SOE）、资产收益率（ROA）和是否重大并购（Major），按照1:1有放回的邻近倾向得分匹配方法，图1为配对前后的密度函数分布图，对比发现配对后的样本具有较好的拟合程度。（限于篇幅，相关表格略去备索）

图1 匹配前后的密度函数

二是本文借鉴Brown等的做法，[59]采用市场模型法计算CAR值，具体公式为rett为考虑现金红利再投资的个股日回报率，mktt为考虑现金红利再投资的综合市场日回报率的市场回报率，将事件日前（-150，-30）天作为历史数据进行回归得到估计参数和，并按照[-3,+3]天窗口期计算CAR值。同时本文还改变事件窗口期，选取[-1,+1]，[-2,+2]，[-5,+5]，[-10,+10]的窗口期计算CAR值，分别对技术相似性、互补性及跨部性进行回归，主要结论保持一致。本文还拉长了窗口期，计算并购公告发布前后10天的CAR值，重新进行回归，结果依旧稳健。

三是由于并购所产生的商誉主要来源于并购溢价率，因此本文使用并购溢价率代替新增商誉进行回归，主要结论依然保持一致。

四是由于本文在创新产出中发现技术相似性和互补性与创新产出呈倒U型关系，那么市场反应与三种技术关联度之间是否也存在类似关系？本文在模型1中加入三个指标的二次项再次检验，结果为二次项都不显著，说明原有结论没有改变。

五、结论与启示

1.结论

本文获得如下结论：第一，技术相似性越高，市场超额收益率越低；而跨部性越高，市场涨幅越大。两类并购在公布后三天内的股票超额收益率之差为2.6%，与国外研究普遍发现的多元化并购带来市场负面反应的结论相反，反映出中国投资者喜欢企业多元化发展、进入热点题材领域的特点。第二，跨部性并购与新增商誉显著正相关，而技术相似度越高，购买溢价越低。这是由于一方面投资者对于跨部技术并购的追捧助推了高商誉；另一方面在跨部性并购中，双方的信息不对称程度高。第三，从技术并购所带来的创新产出看，三种技术并购与未来创新产出均呈倒U型关系，拐点分别为41.8%、48.9%和38.8%，该结论与国外多数研究结论一致，说明技术关联度保持在一个合理的平衡点非常重要。第四，本文将专利申请细分为发明型、实用新型和外观设计型，发现跨部性会降低发明型专利（技术含量最高）数量，互补性会提高实用新型专利的申请数量，而相似性降低了外观设计专利数量。

2.启示

第一，理论上企业通过技术并购可以快速获得外部的技术资源，但是本研究发现并非所有类型的技术并购都能够促进企业创新。由于专利技术的复杂性较高、专业性较强，技术的落地、吸收、整合仍然需要企业具备相关的研发基础，并能在后期支付较高的吸收转化成本，所以技术并购不能替代企业的自我创新。第二，技术跨部性并购大多通过跨行业并购实现扩张。本研究发现，虽然跨部性技术并购受到市场的热捧，但是并没有带来企业技术创新的提高，企业应理性寻求技术创新能力的提升，谨慎进行跨行业的技术并购活动，避免跟风追求题材热点并购。第三，技术并购是企业获得外部创新、缩短创新时间的重要途径，但是本研究发现不同类型技术并购的市场反应、并购商誉及创新产出都有不同的影响，其中最受市场欢迎的跨部性并购对企业并购后最为重要的实质创新（发明型专利）反而起到抑制作用，但此类并购的溢价均值最高，由此来看，跨部性并购的整合效应较低。监管部门应加强对跨部并购的审批，关注其交易价格，对于溢价率明显高于同行业市盈率的并购业务，应有针对性地予以问询，并要求收购方对合并后的未来业绩及整合效应进行详细披露。当监管部门对此类业务表达出更多关切时，或许会引发并购双方更为理性和谨慎地处理相关业务。

注释

① 中国及多国专利审查信息查询网http://cpquery.sipo.gov.cn。

② 八大部包括：生活必需品，作业、运输，化学、冶金，纺织、造纸，固定建筑物，机械工程、照明、加热、武器、爆破，物理，电学。

③ 国际分类一共将专利技术分为五个层级：部（Section）、大类（Class）、小类（Subclass）、主组（Main Group）、分组（Group）。本文计算的指标只涉及部和大类这两个层级。

④ 由公式可以看到，相似性与互补性两个指标不是相加为1的关系。