中國制造業并購重組的動態演變路徑及變異性分析：來自上市公司的經驗證據

張倩肖，李紀華

(西安交通大學經濟與金融學院，陜西西安710061)

一、引 言

改革開放30多年來，我國制造業發展迅速，取得了顯著的成績，在國民經濟中具有舉足輕重的地位。然而，我國制造業大而不強，亟需通過企業并購重組等措施，實現制造業產業結構調整和優化?；谏鲜隹紤]，有必要對制造業并購重組的動態演變路徑及變異性進行分析，判斷制造業及其各子行業所處的發展階段、各子行業的發展階段是否具有顯著差異，從而為政府制定產業政策、上市公司確定發展戰略及投資者選擇合適的投資時機，提供有益的借鑒。

國內外學者對并購重組的研究，主要圍繞“結構、行為、績效”的框架展開，大多數文獻集中在并購績效的研究。Stephen A.Rhoades從并購效率角度考察了9個銀行并購案例，結果表明僅有4個銀行成功實現了成本效率改進的目標［1］。Robert De Young、Douglas D.Evanoff和 Philip Molyneux運用事件研究方法考察了北美銀行合并，認為并購改進了效率［2］。Nadia Doytch和Esin Cakan將并購重組作為內生變量引入經濟增長模型，并利用廣義矩估計方法分析了并購重組對經濟增長的影響。結果表明制造業的并購重組對自身產業和國民經濟增長皆具有負效應［3］。翟進步等從“功能鎖定”視角考察了并購過程中不同融資方式選擇對并購績效的影響。結果發現權益融資方式顯著提升了收購公司的市場績效和股東財富，而債務融資方式則降低了收購公司的市場績效并有損于股東財富［4］。顧露露、Robert Reed運用事件研究方法評估我國企業的海外并購績效，得出我國企業海外并購整體上取得了非負的超?；貓舐剩?］。相比較而言，研究并購重組行為的文獻較少。目前，國內僅有少數文獻對制造業的并購重組進行了研究，并且都集中在跨國并購及裝備制造業方面:王蘇生等從產業控制力的角度出發，認為外資并購對我國裝備制造業產業安全有較大影響［6］;王廣鳳、肖春華認為政府應對裝備制造業的外資并購進行合理干預，以避免遭受產業安全和經濟安全的嚴重威脅［7］;王欽認為對跨國公司并購行為的公共政策選擇，要從產業政策、競爭政策和并購監管三個層面進行［8］。

本文通過考察制造業上市公司連續、頻繁的并購重組行為，借助MATLAB編程軟件，采用函數性數據分析方法中的相平面圖、函數性主成分分析及函數性方差分析等手段，對我國制造業的動態演變路徑及變異性進行了研究。本文的研究在兩方面對現有文獻進行了拓展:一是現有文獻多采用案例分析或者站在全行業的角度進行并購績效方面的研究，幾乎沒有從微觀企業出發對行業及其內部的并購重組行為進行研究的，本文利用我國制造業上市公司的經驗數據對行業及其內部的并購重組行為進行了詳盡的分析;二是現有文獻大多采用傳統的計量方法，使用離散的面板數據建立計量模型來分析并購績效，難以對產業并購重組的動態演變路徑及其變異性進行解釋，本文采用一種新的統計分析方法——函數性數據分析(Functional Data Analysis，FDA)方法分析了我國制造業并購重組的動態演變路徑及其變異性。這種方法既具備有效解決模型樣本容量不足、變量指標過多的優越性，又可以彌補以往研究采用離散的面板數據建立計量模型時以線性結構描述變量之間的因果關系以及模型的假設條件太多的局限性，在分析動態演變及變異性方面具有先天優勢。

二、數據分析和模型方法

(一)數據分析

1.樣本選取

本文采用的樣本數據是根據《中國上市公司并購重組研究數據庫(CMAAR)》提供的數據整理，并購重組次數的認定以上市公司并購重組的首次公告為準。共搜集到制造業上市公司并購重組次數20724次，時間維度為1998－2011年。按照證監會《上市公司行業分類指引(2001)》的劃分標準，制造業由10個制造業子行業組成，這20724次并購重組分屬上述10個制造業子行業①制造業十個子行業分別是C0食品、飲料、C1紡織、服裝、皮毛、C2木材、家具、C3造紙、印刷、C4石油、化學、塑膠、塑料、C5電子、C6金屬、非金屬、C7機械、設備、儀表業、C8醫藥、生物制品業、C99其他制造業。。

2.制造業并購重組數據的函數性特征

在分析制造業并購重組數據的函數性特征之前，首先需要明確的是，本文選取的1998－2011年制造業上市公司并購重組的時間段僅是我國證券市場上制造業并購重組過程中很小的一段，未來出于不同的動機，并購重組仍將繼續存在。這種連續的、不間斷的并購重組活動，為我們考察它的動態演變路徑及變異性提供了現實可能性。

由于實施并購重組的買賣雙方在任何一天(非證券公司工作日除外)均有可能宣布實施并購重組行為，并且可以預料在今后相當長的一段時期內，并購重組行為將一直持續下去，因此可以將潛在的并購重組過程看作一個整體，所有的并購重組行為構成一個連續的過程。如果將制造業每一個子行業的并購重組行為看作是其首次公告日的函數，那么每一個制造業子行業的并購重組次數均對應著一條不甚光滑的曲線［9］。由此可見，制造業上市公司的并購重組次數具有函數性數據的特征，可以運用函數性數據的統計分析方法進行研究。

(二)模型方法

根據上述分析，本文采用相平面圖、函數性主成分分析及函數性方差分析等方法對制造業并購重組的動態演變路徑及變異性進行研究。結合本文的研究對象，下面簡單介紹一下上述方法。

1.數據修勻和相平面圖

(1)數據修勻

在進行函數性數據分析之前，首先需要將離散的數據轉化為一個函數x(t)，將搜集到的原始數據yi(i=1，2，…，n)在某一區間上所有自變量t處的值都估算出來。由于存在觀測誤差，必須對離散數據進行修勻處理。本文采用選定一組基函數φk(t)，k=1，…，K，并用基函數φk(t)的線性組合表示函數x(t)來對數據進行修勻處理的方法［9－10］。即:

為了利用基函數的線性組合對數據進行修勻，需要采用最小二乘法求出基展開式中的系數ck，k=1，…，K。即:

其中，t1，t2，…，tn表示考察期的時間結點。

本文在MATLAB軟件的幫助下，采用B－樣條基(B－spline)來對制造業并購重組數據進行修勻。由于原始數據的容量太大，考慮到樣本區間的時間維度特征，將時間結點按年來均勻劃分成1998－2011年14個時間結點較為合適。

(2)相平面圖

在函數性數據分析方法中，為了分析研究對象的動態演變，需要將研究對象的動態變化分解為水平方向的相變化和垂直方向的幅變化，它們又分別對應函數的一階導數和二階導數。因此，相平面圖是在擬合出的勻滑函數的基礎上，將其一階導數和二階導數分別作為橫坐標和縱坐標，繪制出的一階導數和二階導數之間的變化關系圖。

制造業并購重組次數的變化也分為水平方向上的相變化和垂直方向上的幅變化。之所以呈現這兩種變化，是因為并購重組行為受能量的驅動，這種能量與并購重組買賣雙方的性質、并購重組行為的性質及國家的產業政策有關，它驅動并購重組行為一方面沿著時間的水平方向變化，一方面沿著垂直方向變化，與物理學中的動能和勢能類似，這兩種能量的交替轉換使得并購重組次數的函數曲線呈現出我們觀察到的形狀。利用MATLAB軟件，可求出制造業總體和每一個制造業子行業的一階導數和二階導數曲線，然后繪制相平面圖，對制造業上市公司并購重組的動態演變路徑進行分析。

2.函數性主成分分析和函數性方差分析

函數性數據的變異性分析主要包括函數性主成分分析和函數性方差分析。

(1)函數性主成分分析

在函數性主成分分析中，用主成分權函數表示主成分的權向量［9］。假設主成分權函數用ξ(t)表示，t在區間T中變化，則第i個樣本xi(t)(i=1，2，…，N)的主成分得分值為 Zi= ∫Tξ(t)xi(t)dt。第一主成分就是在∫Tξ(t)2dt=1的約束條件下，求使主成分得分值Zi的方差達到最大的權函數ξ(t)，即:

類似地，可以求出第j個主成分的權函數ξj(t)，它是如下數學模型的解:

對求出的主成分需要進行光滑處理，本文將修勻處理過程融入到主成分的求解中。將描述主成分曲線波動程度的粗糙因子納入到約束條件中，形成帶懲罰的約束條件。利用粗糙懲罰法求第j個主成分的數學模型如下［9，11－13］:

其中，λ≥0是修勻參數，用它對粗糙懲罰項進行調整。

(2)函數性方差分析

函數性方差分析主要為了考察研究對象的差異性。首先需要將研究對象按一定的標準劃分為若干類別:C1，C2，…，CL，L 表示分類的個數。每一個大類Ci由許多子類ci構成，每個大類Ci又包含LC個個體，則全體的總數N為:N=LC。用 Fkc表示第c個子類中k個個體的某項指標并建立數學模型Fkc(t)= μ(t)+αc(t)+εkc(t)，用均信函數μ(t)表示指標的總體平均，用αc(t)表示子類c中指標的特殊效應，它們對所有的t滿足∑cαg(t)=0，用誤差函數εkc(t)表示子類c中第k個個體中不能被解釋的量［9，11－14］。

設計一個N×(L+1)的矩陣X，每一個個體對應著矩陣X的一行。用(k，c)表示子類c中的第k個個體，該行的第一個和第c+1個位置上的元素為1，其余元素為0。矩陣X中(k，c)所在行的轉置向量用x(k，c)表示，令 β1，β2，…，βL+1= αL，則上述模型可等價地表示成［x(k，c)β(t)］+ εkc(t)，或用矩陣形式表示成 F=Xβ+ε。其中F表示由N個個體的函數數據構成的向量，ε是由N個誤差函數構成的向量，β是由(L+1)個參數函數構成的(L+1)維參數函數向量，即β=(β1，β2，…，βL+1)T。在約束=0(等價于下，β可以通過最小化 FVASSE=求得，即 μ 和αc的 LS 估計［9，11－13］。

為了考察上述分類的特殊效應在特定時間t是否顯著，除了求FVASSE之外，還需要求平方復相關函數R2(t)和F－比率函數。平方復相關函數R2(t)= ［SSY(t) － SSE(t)］/SSY(t)，F(t) =MSR(t)/MSE(t)。其中 SSE(t)= ∑k，c［Fck(t)－()kc(t)］2，SSY(t)=∑k，c［Fck(t)－((t)］，MSE(t)=SSE(t)/dt(誤差)，MSR(t)= ［SSY(t)－SSE(t)］/dt(模型)，dt(誤差)和dt(模型)分別是誤差和模型的自由度，為 N － L 和 L － 1［9，11－13］。通過計算函數R2(t)的值可以看出模型擬合的好壞，一般而言，R2(t)取值越大說明擬合的越好;在一定的顯著性水平下，F(t)的值的大小可以確定各分類之間是否存在顯著差異。

三、制造業并購重組的動態演變路徑及變異性分析

本文在函數性數據分析的基礎上，運用上述數據修勻技術、相平面圖、函數性主成分分析和函數性方差分析等手段，對制造業并購重組的動態演變路徑及變異性進行了研究。

(一)制造業并購重組的動態演變路徑

本文利用MATLAB編程軟件，首先對我國制造業并購重組數據進行修勻處理，得出制造業各個子行業及制造業總體并購重組數據的函數曲線，進而求出其一階導數和二階導數，并在此基礎上求出反映制造業各個子行業及制造業總體并購重組動態演變路徑的相平面圖(見下圖1、圖2)①需要說明的是，為了簡略，本文中所有的圖，均用字母C0－C9(為統一采用C9而非C99)代指制造業10個子行業;圖1和圖2使用的是并購重組的原始數據。。相平面圖中每一條曲線上的數字1－14與時間結點1998－2011年一一對應，數字所在的坐標位置，反映了該年發生并購重組時動能和勢能的大小。

通過分析圖1和圖2我們發現，制造業總體和制造業子行業并購重組的動態演變路徑具有一定的相似性，都具備“發散式螺旋”的變化特征，但是，具體來看，由于制造業各子行業的行業性質不同，發展階段不同，制造業總體及其各子行業的動態演變路徑也不同。按照動態演變能量大小的差異可以將它們劃分為三類，其中，C0、C1、C2、C3、C8、C9 是同一類型，C4、C5、C6、制造業總體是同一類型，C7是一種類型。

從 C0、C1、C2、C3、C8、C9 的相平面圖可以看出，這幾個制造業子行業的能量與其他子行業相比都比較小。具體而言，在剛開始時它們的能量接近于0，在中間階段能量達到最大，此后能量越來越小，說明1998－2011年間食品、飲料業、紡織、服裝、皮毛業、木材、家具業、造紙、印刷業、醫藥、生物制品業和其他制造業的發展呈現出低—高—低的螺旋動態演變路徑，目前這些行業處于并購重組的低潮期②以2011 年為例，C0、C1、C2、C3、C8、C9 的能量(動能，勢能)分別為(－49.2917，－23.4568)、(－50.3946，－49.6197)、(1.5848，9.6875)、(－19.4843，－41.0557)、(－31.9149，10.3155)、(－0.3847，3.0718)，均較低。。

從C4、C5、C6的相平面圖可以看出，這幾個子行業的能量在全部制造業子行業中處于中間層次。具體而言，在剛開始時的能量接近于0，隨著時間的推移能量經過了一個由大變小甚至達到能量零點的過程，此后能量開始變大，說明1998－2011年間石油、化學、塑膠、塑料業、電子業、金屬、非金屬業的發展呈現出低—高—低—高的螺旋動態演變路徑，目前這些行業處于并購重組的活躍期③以2011 年為例，C4、C5、C6 的能量(動能，勢能)分別為(39.1958，107.9771)、(288.9802，322.3396)、(142.7470、174.6335)，均為正值，且較高。。

從C7的相平面圖可以看出，C7在全部制造業子行業中的能量最大。具體而言，C7在剛開始時的能量接近于0，隨著時間的推移能量經過了一個由大變小甚至達到能量零點的過程，此后能量越來越大，遠遠超過了其他制造業子行業。說明1998－2011年間機械、設備、儀表業的發展呈現出低—高—低—很高的螺旋動態演變路徑，目前機械、設備、儀表業處于并購重組的高潮期①以2011年為例，C7的能量(動能，勢能)為(391.0574，438.7793)，均為正值，且在10個子行業中最高。。

圖1 制造業各子行業并購重組次數的相平面圖

圖2 制造業總體并購重組次數的相平面圖

對制造業總體而言，其能量是各制造業子行業能量的綜合，表現出較大的能量。但是，由于C0、C1、C2、C3、C8、C9 處于行業并購重組的低潮期，C4、C5、C6處于行業并購重組的活躍期，因此，盡管C7處于行業并購重組的高潮期，總體來看，制造業總體的能量變化大致與C4、C5、C6的變化相同，目前處于行業并購重組的活躍期而非高潮期②以2011年為例，制造業總體的能量(動能，勢能)為(712.0950，953.6721)，總量較高，但由于各子行業差別較大，將其劃分為活躍期較為合適。。

(二)制造業并購重組的變異性分析

上述研究表明，制造業總體及其子行業并購重組的動態演變路徑呈現“發散式螺旋”的形式，但是，制造業總體及不同制造業子行業并購重組的“發散式螺旋”形式存在著差異，分別處于不同的動態演變時期。本文以上述研究為出發點，利用函數性主成分分析和函數性方差分析，探討制造業并購重組動態演變的主要變異方式和變異的時間特征。

圖3 制造業并購重組一階導數的均值函數及四個主成分的加減效應

1.制造業并購重組動態演變的主要變異方式

運用上文介紹的函數性主成分分析法，采用修勻參數λ為10－4的粗糙懲罰法對主成分進行修勻，求出制造業偏離均值函數的效應圖(見圖3、圖4)。每幅圖中均繪出3條曲線，其中實線代表10個制造業子行業并購重組的一階或二階導數的總體均值曲線，另外兩條虛線是對均值曲線分別加上和減去主成分的60倍而形成的曲線。通過觀察圖3和圖4可以看出，并購重組一階導數(動能)的四個主成分中，第一主成分(PC1)的解釋能力為88%，第二主成分(PC2)的解釋能力為7%，兩者的綜合解釋能力為95%。并購重組二階導數(勢能)的四個主成分中，第一主成分(PC1)的解釋能力為72%，第二主成分(PC2)的解釋能力為24%，兩者的綜合解釋能力為96%。

關于制造業并購重組次數一階導數即動能的變化，由圖3可知，第一個主成分PC1對并購重組次數的一階導數即動能在10個制造業子行業之間變化的解釋能力達到88%。在不同的制造業子行業之間，并購重組次數的一階導數即動能在整個考察期內均大于均值，但是在2007－2009年間變化最大，這種變化方式超過了并購重組一階導數其他類型的變化，說明在這個階段出現的能量差異是導致并購重組動態性變化的最主要的原因;并購重組次數一階導數的第二個主成分PC2對并購重組的一階導數即動能在10個制造業子行業之間變化的解釋能力為7%，是并購重組一階導數除PC1外的另一變化方式。PC2在整個并購重組考察期內呈現出時而高于均值時而低于均值的上下波動狀態，著重反映了并購重組的動能在10個制造業子行業之間的動態變化。因此，PC1、PC2反映了不同制造業子行業并購重組一階導數在考察期中間階段的變化，而類似地，主成分PC3和主成分PC4則反映了不同制造業子行業并購重組一階導數在考察期的前期和后期的變化情況。并購重組二階導數即勢能的變化，情況與一階導數不太一致，從圖4可以看出，二階導數的四個主成分PC1、PC2、PC3和PC4在整個考察期內均呈現出時而高于均值時而低于均值的上下波動狀態，反映了并購重組次數的勢能在10個制造業子行業之間的周期的、循環的動態變化。

通過上面的分析可以看出，制造業子行業并購重組次數一階導數和二階導數的前兩個主成分PC1和PC2，對于分析并購重組次數的動態性在不同制造業子行業之間的變化非常重要，它們對動態演變路徑變化的總的解釋能力分別達到95%和96%，是制造業動態演變路徑變異的兩個主要方式［15］。

圖4 制造業并購重組二階導數的均值函數及四個主成分的加減效應

2.制造業并購重組動態演變路徑的時間特征

為了分析制造業動態演變變異的時間特征，首先要求出制造業各子行業并購重組次數一、二階導數的主成分得分圖，對10個制造業子行業進行分組，然后利用函數性方差分析法對并購重組次數的變異性進行分析［16－17］。

通過觀察圖5我們發現:在以PC1為橫軸，PC2為縱軸繪制出的制造業并購重組次數一、二階導數的主成分得分圖中，很明顯地，10個制造業子行業可以劃分成三組。其中，C0、C1、C2、C3、C8、C9 劃分為一組，C4、C5、C6劃分為一組，C7劃分為一組。然后運用MATLAB編程并進行仿真運算，我們得到并購重組次數一階導數和二階導數的平方復相關函數R2(t)的曲線以及F－比率曲線(見圖6，其中，顯著水平為 0.05，臨界值為 4.7374)①一階導數 R2(t)值 = ［0.5621 0.6518 0.7007 0.5718 0.3686 0.1287 0.5813 0.7577 0.7683 0.7559 0.7231 0.5883 0.4869 0.5621］;二階導數R2(t)值 =［0.6607 0.7129 0.3668 0.7635 0.7513 0.3100 0.7842 0.7836 0.7156 0.7076 0.7681 0.3640 0.5589 0.6607］;一階導數F值 =［4.4919 6.5503 8.1956 4.6743 2.0429 0.5172 4.8595 10.9435 11.6077 10.8372 9.1421 5.0007 3.3210 4.4919］;二階導數 F 值 = ［6.8144 8.6926 2.0272 11.2983 10.5729 1.5722 12.7210 12.6715 8.8047 8.4690 11.5917 2.0028 4.4343 6.8144］;顯著水平為 0.05，臨界值為 4.7374。［15］。

圖5 一階導數和二階導數對應的得分圖

圖6 一、二階導數的平方復相關函數R2(t)值和F－比率函數值

通過考察R2(t)和F值以及觀察圖5和圖6我們發現，對一、二階導數求平方復相關函數R2(t)得到的數據的擬合程度總體而言是不錯的，14年中值小于0.5的數據只有3年，并且從圖形上看，這些數據呈現一定的規律性。從數值的大小上來看，一階導數R2(t)值最大的為0.7683(2006年)，最小的僅為0.1287(2003年)，二階導數R2(t)值最大的為0.7842(2004 年)，最小的僅為0.3100(2003 年)，差距都比較大。從圖6可以看出，一、二階導數的平方復相關函數R2(t)曲線呈現出周期性的上下波動的趨勢，其在整個考察期內的擬合程度也呈現周期性的上下波動的狀態，但是，二階導數波動的頻率要大于一階導數的波動頻率。并購重組次數一階導數和二階導數的F值也呈現相似的變化規律，即呈現出周期性的上下波動趨勢。一階導數的F值最大的為11.6077(2006 年)，最小的僅為 0.5172(2003 年)，二階導數的F值最大的為12.7210(2004年)，最小的僅為1.5722(2003年)，差距也都不小。需要指出的是，在顯著水平為0.05時，F－比率的臨界值為4.7374，一階導數中F值低于臨界值的年份有2001年(4.6743)、2002 年(2.0429)、2003 年(0.5172)、2010年(3.3210)，二階導數中F值低于臨界值的年份有 2000 年(2.0272)、2003 年(1.5722)、2009 年(2.0028)、2010 年(4.4343)。這說明除了上述年份之外，制造業子行業并購重組次數分成的三組數據有顯著的動態差異，不同分組的制造業子行業之間的并購重組明顯不同。此外，從上述分析還可以得出，盡管2003年制造業并購重組一階導數和二階導數的R2(t)值擬合的很差，但是由于其F值并不顯著，說明2003年制造業并購重組出現的劇烈的波動是由于出現了涉及整個制造業全行業的事件，進而導致制造業行業間并購重組的差異不復存在。聯系當年的股市行情及發生的事件，可以認為，2003年“SARS”的出現，對制造業全行業的并購重組有較大影響。同理，2008年以來的金融危機對制造業全行業的并購重組也有一定影響，但是2011年的數據顯示，這種影響不具備持續性，政府采取的經濟刺激政策對制造業并購重組有積極的推動作用。

四、結 論

本文考察了我國制造業的動態演變路徑及變異性，得出以下結論:

第一，我國制造業總體及其各子行業并購重組的動態演變路徑具有一定的相似性，呈“發散式螺旋”的變化特征。但是，由于制造業各子行業的行業性質不同，發展階段不同，它們的動態演變路徑和發展時期也不同。其中，食品、飲料業、紡織、服裝、皮毛業、木材、家具業、造紙、印刷業、醫藥、生物制品業和其他制造業的發展呈現出低—高—低的螺旋動態演變路徑，目前處于行業并購重組的低潮期;石油、化學、塑膠、塑料業、電子業、金屬、非金屬業的發展呈現出低—高—低—高的螺旋動態演變路徑，目前處于行業并購重組的活躍期;機械、設備、儀表業的發展呈現出低—高—低—很高的螺旋動態演變路徑，目前處于行業并購重組的高潮期;制造業總體目前處于行業并購重組的活躍期而非高潮期。未來制造業的并購重組，仍會沿著“發散式螺旋”的演變路徑發展。

第二，本文以分析制造業并購重組動態演變性的一階導數和二階導數為出發點，利用函數性主成分分析方法探討了制造業并購重組動態演變的主要變異方式。我們發現:制造業子行業并購重組次數一、二階導數的前兩個主成分PC1和PC2，對于分析制造業并購重組的動態性在不同制造業子行業之間的變化非常重要，它們對動態演變路徑變化的總的解釋能力分別達到95%和96%。反映了不同制造業子行業在考察期中間階段的變化(一階導數)和不同制造業子行業在考察期中的周期性、循環性的變化(二階導數)，是制造業并購重組動態演變路徑變異的兩個主要方式。

第三，利用制造業子行業并購重組次數一、二階導數的主成分得分圖和平方復相關函數R2(t)曲線以及F－比率曲線我們發現:制造業子行業并購重組次數一、二階導數的平方復相關函數R2(t)的數據擬合程度較高，并呈現一定的規律性。從數值的大小上來看，制造業子行業并購重組次數一、二階導數R2(t)值差距都比較大。從圖形上來看，一、二階導數的平方復相關函數R2(t)曲線呈現出周期性的上下波動的趨勢，并且二階導數的波動頻率要大于一階導數的波動頻率。并購重組次數一、二階導數的F值差距也都不小，F值圖形也呈現出周期性的上下波動趨勢。并且一階導數中除了2001年、2002年、2003年和2010年，二階導數中除了2000年、2003年、2009年和2010年之外，制造業子行業并購重組次數分成的三組數據的動態性有顯著的差異。從而說明不同制造業子行業之間的動態演變具有顯著差異，也從側面證明了10個制造業子行業分別處于不同并購重組時期的結論。

基于以上分析我們認為，在借助并購重組進行制造業產業結構調整與優化時，需要分步驟、分階段進行:機械、設備、儀表業處于行業并購重組的高潮期，將是今后一段時間產業整合的重點;石油、化學、塑膠、塑料業、電子業和金屬、非金屬業處于行業并購重組的活躍期，將緊隨其后進行產業整合;食品、飲料業、紡織、服裝、皮毛業、木材、家具業、造紙、印刷業、醫藥、生物制品業和其他制造業處于行業并購重組的低潮期，產業整合的速度將最為緩慢。

［1］Rhoades S.The efficiency effects of bank mergers:An overview of case studies of nine mergers［J］.Journal of Banking＆ Finance，1998，22(3):273–291.

［2］Young R，Evanoff D，Molyneux P.Mergers and acquisitions of financial institutions:A review of the post－2000 literature［J］.Journal of Financial Services Research，2009，36(2－3):87－110.

［3］Doytch N，Cakan E.Growth effects of mergers and acquisitions:A sector－ level study of OECD countries［J］.Journal of Applied Economics and Business Research JAEBR，2011，1，3:120－129.

［4］翟進步，王玉濤，李丹.上市公司并購融資方式選擇與并購績效:“功能鎖定”視角［J］.中國工業經濟，2011(12):100－110.

［5］顧露露，Reed R.中國企業海外并購失敗了嗎?［J］.經濟研究，2011(7):116－129.

［6］王蘇生，孔昭昆，黃建宏，李曉丹.跨國公司并購對我國裝備制造業產業安全影響的研究［J］.中國軟科學，2008(7):55－61.

［7］王廣鳳，肖春華.我國裝備制造業外資并購中的政府干預［J］.中國科技論壇，2007(6):62－65.

［8］王欽.跨國公司并購中國裝備制造業企業的公共政策選擇［J］.北京師范大學學報(社會科學版)，2007(1):115－121.

［9］嚴明義.函數性數據的統計分析:思想、方法和應用［J］.統計研究，2007(2):87 －94.

［10］Craven P，Wahba G.Smoothing noisy data with spline functions:Estimating the correct degree of smoothing by the method of generalized cross－ validation［J］.Numerische Mathematik，1979，4:377－403.

［11］Ramsay J，Dalzell C.Some tools for functional data analysis［J］.Journal of the Royal Statistical Society，Series B(Methodological)，1991，3:539－572.

［12］Ramsay J，Silverman B.Functional data analysis［M］.2th ed.Springer，2005.

［13］Ramsay J，Silverman B.Applied functional data analysis:Methods and case studies［M］.Springer，2002.

［14］Ramsay J，Hooker G，Graves S.Functional data analysis with R and MATLAB［M］.Springer，2009.

［15］嚴明義.網上拍賣競買者出價水平的動態演變模式研究［J］.統計研究，2010(3):59－65.

［16］Silverman B.Incorporating parametric effects into functional principal components analysis［J］.Journal of the Royal Statistical Society，1995，4:673－689.

［17］Silverman B.Smoothed functional principal components analysis by choice of norm ［J］.Annals of Statistics，1996，1:1－24.