數(shù)字并購、數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新

伍晨 張帆

(西安交通大學(xué) 經(jīng)濟(jì)與金融學(xué)院，陜西 西安 710061)

一、引言

自21世紀(jì)以來，信息通信技術(shù)飛速發(fā)展，目前已經(jīng)步入大規(guī)模應(yīng)用的階段，為促進(jìn)大數(shù)據(jù)、人工智能、云計(jì)算等數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合提供了有利條件，推動(dòng)著我國主要經(jīng)濟(jì)形態(tài)從工業(yè)經(jīng)濟(jì)向數(shù)字經(jīng)濟(jì)加速轉(zhuǎn)化。《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》指出，2020年我國數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)增加值占GDP比重達(dá)到7.8%，數(shù)字經(jīng)濟(jì)對增長的拉動(dòng)作用持續(xù)凸顯。未來企業(yè)若想在市場中保持足夠的競爭力，必定要順應(yīng)數(shù)字經(jīng)濟(jì)的大勢，把握企業(yè)創(chuàng)新的動(dòng)力源。在此背景下，企業(yè)對數(shù)字技術(shù)的投資不斷加大，數(shù)字并購正變得越來越重要。數(shù)字并購是指，企業(yè)對將數(shù)字技術(shù)作為商業(yè)模式關(guān)鍵要素的公司實(shí)施的并購，以獲取數(shù)字技術(shù)及資源為主要目的，其主要特征是目標(biāo)企業(yè)必須高度利用數(shù)字技術(shù)[1]，即數(shù)字并購本質(zhì)上是企業(yè)的一項(xiàng)數(shù)字技術(shù)與服務(wù)的投資行為。數(shù)字并購對企業(yè)創(chuàng)新也發(fā)揮著技術(shù)源頭供給的作用，由于過去大量中國企業(yè)追求短期利益走模仿創(chuàng)新的道路，導(dǎo)致我國原始創(chuàng)新不足，關(guān)鍵核心技術(shù)受制于人，而數(shù)字并購為企業(yè)營造開放協(xié)同的創(chuàng)新生態(tài)，借助數(shù)字技術(shù)實(shí)現(xiàn)創(chuàng)新資源的高效配置，有助于企業(yè)瞄準(zhǔn)關(guān)鍵技術(shù)瓶頸集中突破，補(bǔ)齊技術(shù)短板，全面增強(qiáng)自主創(chuàng)新能力。

對于企業(yè)來說，積極展開數(shù)字并購可以直接獲得被并企業(yè)的數(shù)字資源，為展開數(shù)字化轉(zhuǎn)型提供所需的技術(shù)基礎(chǔ)。越來越多的企業(yè)已經(jīng)意識到數(shù)字化轉(zhuǎn)型在市場競爭中的重要性[2]，但由于各種各樣的原因，大量企業(yè)的數(shù)字化轉(zhuǎn)型之路面臨諸多阻礙[3-5]，而以獲取數(shù)字技術(shù)為目的的數(shù)字并購，為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型提供了便捷途徑[6]。數(shù)字并購有助于主并企業(yè)充分利用數(shù)字技術(shù)改造現(xiàn)有創(chuàng)新資源，激發(fā)企業(yè)的創(chuàng)新活力，為企業(yè)加快技術(shù)創(chuàng)新提供良好的環(huán)境。那么，相關(guān)企業(yè)在成功完成數(shù)字并購后，其創(chuàng)新能力是否得到提升？數(shù)字并購是否通過企業(yè)數(shù)字化轉(zhuǎn)型來影響創(chuàng)新？回答這些問題不僅為企業(yè)借助數(shù)字并購手段實(shí)施數(shù)字化轉(zhuǎn)型和影響企業(yè)創(chuàng)新的相關(guān)研究提供中國經(jīng)驗(yàn)證據(jù)，而且有利于加快企業(yè)數(shù)字化轉(zhuǎn)型升級，增強(qiáng)關(guān)鍵技術(shù)創(chuàng)新能力，對我國推進(jìn)自主創(chuàng)新和做大做強(qiáng)數(shù)字經(jīng)濟(jì)等政策實(shí)施也有重要的啟示和借鑒意義。

已有文獻(xiàn)對影響企業(yè)創(chuàng)新的因素做了大量探討，關(guān)注的焦點(diǎn)通常集中于企業(yè)規(guī)模、市場勢力、技術(shù)機(jī)會(huì)[7-9]、知識管理、組織學(xué)習(xí)[10-11]和公司治理[12]等方面。近年來隨著數(shù)字經(jīng)濟(jì)成為社會(huì)各界關(guān)注的熱門議題，越來越多的研究將數(shù)字經(jīng)濟(jì)因素納入考量范圍，由數(shù)字技術(shù)提供的信息通信技術(shù)、算法決策和計(jì)算能力所支撐的產(chǎn)品和服務(wù)，為技術(shù)革新提供了前所未有的機(jī)會(huì)[13]，使企業(yè)能夠高效便捷地協(xié)調(diào)研發(fā)創(chuàng)新活動(dòng)。與本文研究最為接近的是以數(shù)字并購為主題的文獻(xiàn)，企業(yè)獲取外部數(shù)字資源的方式多種多樣，比如建立內(nèi)部實(shí)驗(yàn)室、組建合資企業(yè)或者戰(zhàn)略聯(lián)盟，但當(dāng)前越來越多的企業(yè)通過并購數(shù)字行業(yè)企業(yè)來構(gòu)建數(shù)字能力(1)Cracking the Code of Digital Mergers & Acquisitions (M&A) (bcg.com)。蔣殿春和唐浩丹(2021)[14]回答了企業(yè)發(fā)起數(shù)字型跨國并購的動(dòng)機(jī)是獲取并購對象的數(shù)字技術(shù)和研發(fā)資源，而不是為了占領(lǐng)市場份額，這也是數(shù)字并購與一般的技術(shù)并購存在本質(zhì)區(qū)別的原因。Hanelt A等(2021)[1]是為數(shù)不多關(guān)注數(shù)字并購與創(chuàng)新的研究，文章使用汽車制造商的面板數(shù)據(jù)，結(jié)果表明，實(shí)施數(shù)字并購幫助企業(yè)建立數(shù)字知識庫，推動(dòng)數(shù)字創(chuàng)新，進(jìn)而提高了企業(yè)績效。魯慧鑫等(2022)[15]的研究也發(fā)現(xiàn)，跨境數(shù)字并購可以通過提高技術(shù)創(chuàng)新能力進(jìn)而促進(jìn)我國全球價(jià)值鏈分工地位提升。這些文獻(xiàn)都考察了數(shù)字并購對創(chuàng)新的直接影響，但并未涉及數(shù)字并購對企業(yè)創(chuàng)新的機(jī)制探討，沒有深入揭示數(shù)字并購與企業(yè)創(chuàng)新的關(guān)系。

企業(yè)數(shù)字化轉(zhuǎn)型是一種與商業(yè)相結(jié)合的新經(jīng)濟(jì)現(xiàn)象，如何實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型成為商業(yè)領(lǐng)域的熱門議題。已有研究立足于宏觀政策的角度實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型的影響因素[16-17]；微觀層面，陽鎮(zhèn)等(2022)[18]從企業(yè)高管團(tuán)隊(duì)特征出發(fā)具體考察了高管學(xué)術(shù)經(jīng)歷對企業(yè)數(shù)字化轉(zhuǎn)型的重要影響。此外，企業(yè)通過收購在數(shù)字領(lǐng)域運(yùn)營的目標(biāo)公司來改變或補(bǔ)充其商業(yè)模式，并購數(shù)字行業(yè)企業(yè)不僅為企業(yè)增加了潛在收入，而且在戰(zhàn)略上也有特殊意義，通過數(shù)字并購，打破企業(yè)邊界實(shí)現(xiàn)商業(yè)模式再造，重塑企業(yè)原有的核心業(yè)務(wù)，從而完成企業(yè)的數(shù)字化轉(zhuǎn)型戰(zhàn)略。由此可見，企業(yè)推進(jìn)數(shù)字并購會(huì)助力數(shù)字化轉(zhuǎn)型，唐浩丹和蔣殿春(2021)[6]對現(xiàn)實(shí)案例歸納總結(jié)也得出了類似結(jié)論，但研究結(jié)果缺乏經(jīng)驗(yàn)證據(jù)的支撐。因此，本文在探究數(shù)字并購對企業(yè)創(chuàng)新的影響機(jī)制時(shí)，分析數(shù)字化轉(zhuǎn)型可能發(fā)揮的中介作用。

雖然已有研究開始關(guān)注數(shù)字并購對企業(yè)創(chuàng)新的推動(dòng)作用，但兩者之間的影響程度和作用機(jī)制僅能從相關(guān)研究中作以推論，這方面的實(shí)證研究仍然缺失。并且少有的實(shí)證文獻(xiàn)主要研究數(shù)字并購對數(shù)字化創(chuàng)新和企業(yè)績效的提升作用，未涉及機(jī)制分析。同時(shí)所使用的某一行業(yè)數(shù)據(jù)不具有一般性，企業(yè)創(chuàng)新僅僅作為一個(gè)機(jī)制變量出現(xiàn)在文章中，對于數(shù)字并購與企業(yè)創(chuàng)新關(guān)系的機(jī)制檢驗(yàn)和內(nèi)生性問題都并未涉及。本文構(gòu)建國內(nèi)上市公司數(shù)字并購面板數(shù)據(jù)集，以此為基礎(chǔ)采用PSM-DID方法實(shí)證檢驗(yàn)數(shù)字并購對企業(yè)創(chuàng)新的影響，并進(jìn)一步討論數(shù)字化轉(zhuǎn)型的中介作用，在此基礎(chǔ)上引入知識基礎(chǔ)的調(diào)節(jié)作用。其次，分別從行業(yè)和企業(yè)異質(zhì)性層面出發(fā)，討論數(shù)字并購對企業(yè)創(chuàng)新的影響。所得結(jié)論為企業(yè)更好地利用并購提升技術(shù)創(chuàng)新能力提供了借鑒。

與已有的研究相比，本文可能的貢獻(xiàn)在于：第一，構(gòu)建中國上市公司數(shù)字并購面板數(shù)據(jù)集，使用PSM-DID方法實(shí)證檢驗(yàn)了A股上市公司數(shù)字并購對企業(yè)創(chuàng)新的影響效應(yīng)，將樣本范圍擴(kuò)展至全部行業(yè)，為理解數(shù)字并購和企業(yè)創(chuàng)新提供了中國企業(yè)的經(jīng)驗(yàn)證據(jù)，豐富了有關(guān)數(shù)字并購的研究。第二，將企業(yè)數(shù)字化轉(zhuǎn)型引入到研究中，深入剖析“數(shù)字并購—數(shù)字化轉(zhuǎn)型—企業(yè)創(chuàng)新”之間的關(guān)系，清晰地揭示了數(shù)字并購如何影響企業(yè)創(chuàng)新，為企業(yè)理解數(shù)字轉(zhuǎn)型在數(shù)字經(jīng)濟(jì)時(shí)代推動(dòng)企業(yè)創(chuàng)新的重要作用提供了有價(jià)值的指導(dǎo)。第三，在研究數(shù)據(jù)上，以國民經(jīng)濟(jì)行業(yè)分類(2017)為基礎(chǔ)，將企業(yè)并購數(shù)據(jù)庫與《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計(jì)分類(2021)》相匹配，整理得到企業(yè)數(shù)字并購數(shù)據(jù)庫，這在很大程度上克服了現(xiàn)有研究對數(shù)字經(jīng)濟(jì)行業(yè)界定模糊和粗糙的問題，在實(shí)際應(yīng)用中提供了切實(shí)可行的操作方案，為后續(xù)企業(yè)數(shù)字并購相關(guān)研究提供獨(dú)特的數(shù)據(jù)資源。

二、理論分析與研究假設(shè)

(一)數(shù)字并購與企業(yè)創(chuàng)新

企業(yè)進(jìn)行數(shù)字并購可能會(huì)促進(jìn)企業(yè)創(chuàng)新。從資源基礎(chǔ)觀的角度出發(fā)，完成數(shù)字并購意味著企業(yè)可以將從標(biāo)的方獲得的數(shù)字技術(shù)與內(nèi)部資源進(jìn)行整合，而數(shù)字資源又是企業(yè)進(jìn)行創(chuàng)新的基礎(chǔ)[19]。數(shù)字技術(shù)具有很強(qiáng)的通用性，收購方無需理解所有前期知識就能夠在標(biāo)的企業(yè)數(shù)字資源的基礎(chǔ)上開發(fā)新的技術(shù)，促使企業(yè)充分整合內(nèi)外部創(chuàng)新資源，為探索新技術(shù)提供了大量機(jī)會(huì)[20]。就創(chuàng)新的人力資源而言，通過并購直接地?cái)U(kuò)充了企業(yè)的人才資源，技術(shù)人員之間交流與互動(dòng)將技術(shù)和資源有效連接起來，提高了企業(yè)員工對外部相關(guān)知識的理解、學(xué)習(xí)和轉(zhuǎn)化能力，降低了信息不對稱，由此提升了企業(yè)創(chuàng)新能力。從規(guī)模效應(yīng)的角度出發(fā)，企業(yè)無疑會(huì)受益于數(shù)字并購帶來的規(guī)模擴(kuò)張，在降低單位產(chǎn)品研發(fā)投入成本的同時(shí)，還會(huì)降低研發(fā)風(fēng)險(xiǎn)，有利于企業(yè)積極展開創(chuàng)新。基于以上分析,本文提出以下研究假設(shè)。

H1數(shù)字并購會(huì)促進(jìn)企業(yè)創(chuàng)新。

(二)數(shù)字化轉(zhuǎn)型的中介作用

數(shù)字化轉(zhuǎn)型是企業(yè)為應(yīng)對不斷變化的商業(yè)環(huán)境，通過使用數(shù)字技術(shù)來從根本上改善企業(yè)運(yùn)營、業(yè)務(wù)流程和價(jià)值創(chuàng)造的過程[21]。在這個(gè)過程中，數(shù)字技術(shù)扮演著核心角色，而數(shù)字并購可以為企業(yè)數(shù)字化轉(zhuǎn)型提供數(shù)字技術(shù)支持。數(shù)字技術(shù)會(huì)促進(jìn)數(shù)據(jù)的生成，使得信息獲取、存儲和處理速度加快，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。另外，數(shù)字并購有助于為企業(yè)數(shù)字化轉(zhuǎn)型破除資源限制的阻礙。企業(yè)受到自身資源和能力所限，不具備實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型的條件，而要成功實(shí)現(xiàn)企業(yè)數(shù)字化轉(zhuǎn)型除了企業(yè)內(nèi)部努力，更需要打破邊界跨公司調(diào)動(dòng)資源[22]，通過數(shù)字并購獲取外部資源是一種更為直接有效的辦法，能夠快速彌補(bǔ)企業(yè)數(shù)字資源的不足，幫助企業(yè)成功實(shí)施數(shù)字化轉(zhuǎn)型。此外，動(dòng)態(tài)能力在數(shù)字化轉(zhuǎn)型中也發(fā)揮著關(guān)鍵作用[23-24]，并且現(xiàn)有文獻(xiàn)在并購提升企業(yè)動(dòng)態(tài)能力方面積累了大量證據(jù)[25-26]。數(shù)字并購提高了外部資源的可得性和及時(shí)性，提升了企業(yè)對于外部機(jī)會(huì)的感知能力，使企業(yè)建立應(yīng)對競爭快速變化的能力，而動(dòng)態(tài)能力的構(gòu)建使企業(yè)滿足數(shù)字化轉(zhuǎn)型所需的靈活性。

企業(yè)數(shù)字化轉(zhuǎn)型程度越高，越有利于企業(yè)創(chuàng)新。數(shù)字化轉(zhuǎn)型程度的加深大大增加了企業(yè)數(shù)據(jù)的可用性，數(shù)字化在企業(yè)管理層制定高效的執(zhí)行流程過程中發(fā)揮著重要作用，而且使用數(shù)字驅(qū)動(dòng)的算法決策，有助于提高創(chuàng)新決策的準(zhǔn)確性和有效性。隨著企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程逐步深入，企業(yè)的數(shù)字治理能力增強(qiáng)，利于企業(yè)以更小的成本來實(shí)現(xiàn)對用戶消費(fèi)需求的獲取與分析，消費(fèi)者的需求信息為企業(yè)創(chuàng)新指明了方向，提升了企業(yè)商業(yè)化判斷的準(zhǔn)確性，這些都有助于企業(yè)利用數(shù)字技術(shù)顛覆過去的企業(yè)的產(chǎn)品、服務(wù)和商業(yè)模式，提升企業(yè)創(chuàng)新水平[13]。因此，企業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)了企業(yè)創(chuàng)新，在此背景下，提出如下假設(shè)。

H2企業(yè)數(shù)字化轉(zhuǎn)型在數(shù)字并購對企業(yè)創(chuàng)新的影響中起中介作用。

(三)知識基礎(chǔ)的調(diào)節(jié)作用

數(shù)字并購?fù)ㄟ^推動(dòng)主并企業(yè)數(shù)字化轉(zhuǎn)型程度來促進(jìn)企業(yè)創(chuàng)新，而這一機(jī)制可能會(huì)受到知識基礎(chǔ)的影響。基于知識基礎(chǔ)理論的邏輯，企業(yè)創(chuàng)新與知識基礎(chǔ)有密切的關(guān)系[27]，然而，知識本身并不等于創(chuàng)新，企業(yè)創(chuàng)新的本質(zhì)是基于內(nèi)部知識基礎(chǔ)，搜尋、獲取、整合外部知識，最終轉(zhuǎn)化為新的創(chuàng)造發(fā)明或現(xiàn)有產(chǎn)品的改進(jìn)，顯然企業(yè)過去積累的知識越多越能激發(fā)企業(yè)利用數(shù)字化手段跨界整合自身和外部知識資源的主動(dòng)性[28]，而且知識存量越多，企業(yè)自身對外部新知識的接收能力越強(qiáng)，加速了收購方企業(yè)對被并企業(yè)的資源整合，使得企業(yè)更容易利用新形成的數(shù)字化能力擴(kuò)大潛在的、新的知識組合，從而提升了企業(yè)創(chuàng)新的傾向性。此外，知識積累越多意味著企業(yè)沉淀了大量的知識而沒有得到有效利用，而這些知識都會(huì)隨著企業(yè)數(shù)字化程度的加深得到充分利用，有助于知識互補(bǔ)聯(lián)合機(jī)制的形成[29]，從而激發(fā)企業(yè)的創(chuàng)新活力，即知識基礎(chǔ)強(qiáng)化了數(shù)字化轉(zhuǎn)型的中介作用。因此，本文提出如下假設(shè)。

H3知識基礎(chǔ)正向調(diào)節(jié)數(shù)字化轉(zhuǎn)型在數(shù)字并購和企業(yè)創(chuàng)新之間的中介效應(yīng)。

三、研究設(shè)計(jì)

(一)樣本選擇及數(shù)據(jù)來源

本文以中國A股上市公司為樣本，由于從2010開始中國數(shù)字經(jīng)濟(jì)規(guī)模進(jìn)入擴(kuò)張期，加之2010年以前很少有企業(yè)進(jìn)行數(shù)字并購，所以本文將數(shù)據(jù)范圍設(shè)定在2010-2020年。本文所使用的數(shù)字并購數(shù)據(jù)由CNRDS并購數(shù)據(jù)庫整理得來，參考蔣殿春和唐浩丹(2021)[14]將所有數(shù)字經(jīng)濟(jì)行業(yè)企業(yè)作為數(shù)字并購的目標(biāo)企業(yè)選擇集。由于數(shù)字經(jīng)濟(jì)行業(yè)企業(yè)主營業(yè)務(wù)完全依賴數(shù)字技術(shù)、數(shù)字要素，本文將符合以下兩種條件認(rèn)定為數(shù)字并購：第一，標(biāo)的企業(yè)屬于《數(shù)字經(jīng)濟(jì)及其核心產(chǎn)業(yè)統(tǒng)計(jì)分類(2021)》中的所有數(shù)字經(jīng)濟(jì)核心產(chǎn)業(yè)的行業(yè)；第二，主并企業(yè)在并購公告中提到已經(jīng)成功完成的數(shù)字并購。使用同花順iFinD企業(yè)庫國民經(jīng)濟(jì)三級行業(yè)及主營業(yè)務(wù)確定數(shù)字經(jīng)濟(jì)行業(yè)，并與CNRDS并購數(shù)據(jù)庫匹配合并最終得到本文所使用的數(shù)字并購的相關(guān)數(shù)據(jù)。另外，公司財(cái)務(wù)數(shù)據(jù)來自CSMAR中國上市公司財(cái)務(wù)年報(bào)數(shù)據(jù)庫，企業(yè)數(shù)字化轉(zhuǎn)型數(shù)據(jù)來自CSMAR數(shù)據(jù)庫中的數(shù)字經(jīng)濟(jì)子庫，是通過對人工智能技術(shù)、區(qū)塊鏈技術(shù)、大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)和數(shù)字技術(shù)應(yīng)用的細(xì)分指標(biāo)在企業(yè)年報(bào)中出現(xiàn)的頻次來計(jì)算，專利數(shù)據(jù)來自CNRDS數(shù)據(jù)庫中的創(chuàng)新專利研究子庫。本文剔除數(shù)據(jù)缺失嚴(yán)重的上市公司；為了排除在研究期間內(nèi)發(fā)生多次數(shù)字并購而產(chǎn)生的混合影響，本文剔除了重復(fù)發(fā)生數(shù)字并購的樣本，以聚焦數(shù)字并購事件本身對于企業(yè)的影響。經(jīng)過上述處理后，本文的初始樣本為27 762個(gè)企業(yè)年度觀測值。

(二)變量定義

1. 被解釋變量

企業(yè)創(chuàng)新。基于已有的研究[30-31]，本文使用發(fā)明專利申請數(shù)來衡量企業(yè)創(chuàng)新，在穩(wěn)健性檢驗(yàn)部分采用發(fā)明專利申請數(shù)占專利申請總數(shù)的比重作為被解釋變量重新回歸。

2. 核心解釋變量

本文設(shè)置企業(yè)是否完成數(shù)字并購的虛擬變量(DigitalM&As)，若企業(yè)在當(dāng)年成功完成數(shù)字并購，代表進(jìn)入處理期，則此后時(shí)期均取值為1，否則，取值為0。

3. 中介變量

數(shù)字化轉(zhuǎn)型(DT)。參考吳非等(2021)[32]的做法，使用年報(bào)中涉及企業(yè)數(shù)字化轉(zhuǎn)型的細(xì)分指標(biāo)詞頻總數(shù)的自然對數(shù)來表示。在穩(wěn)健性檢驗(yàn)中，本文參照趙宸宇(2021)[33]和王軍等(2013)[34]的方法，對人工智能技術(shù)、區(qū)塊鏈技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)和數(shù)字技術(shù)應(yīng)用細(xì)分指標(biāo)的詞頻數(shù)做標(biāo)準(zhǔn)化處理，使用熵值法計(jì)算各指標(biāo)權(quán)重，計(jì)算得到數(shù)字化轉(zhuǎn)型程度的指標(biāo)。

4. 調(diào)節(jié)變量

知識基礎(chǔ)(Ias)。參考陳愛貞和張鵬飛(2019)[35]的做法，使用無形資產(chǎn)占總資產(chǎn)比重來表示企業(yè)的知識基礎(chǔ)。

5. 控制變量

與現(xiàn)有文獻(xiàn)類似，本文控制企業(yè)規(guī)模(Size)、企業(yè)年齡(Age)、所有權(quán)性質(zhì)(Soe)、盈利能力(Roa)、償債能力(Lev)以及現(xiàn)金流量(Cf)，具體定義參見表1。

表1 變量的定義

(三)描述性統(tǒng)計(jì)

表2匯報(bào)了匹配前變量的描述性統(tǒng)計(jì)結(jié)果，企業(yè)創(chuàng)新(Innovation1) 的均值為1.75，最小值和最大值分別為0與10.19，說明不同企業(yè)的創(chuàng)新水平存在較大差異。數(shù)字化轉(zhuǎn)型指標(biāo)最小值為0，最大值為480，均值為5.21，說明企業(yè)數(shù)字化轉(zhuǎn)型的程度差距較大，大多數(shù)企業(yè)數(shù)字化轉(zhuǎn)型程度較低。從其他變量的最大值和最小值也可看出不同上市公司在企業(yè)特征、財(cái)務(wù)指標(biāo)、無形資產(chǎn)等方面存在明顯差異。

(四)模型設(shè)置

為了避免由樣本選擇性偏差導(dǎo)致的內(nèi)生性問題，本文采用PSM-DID方法來評估數(shù)字并購對企業(yè)創(chuàng)新的影響效應(yīng)，以此來驗(yàn)證H1是否成立。進(jìn)行PSM時(shí)，以企業(yè)是否進(jìn)行數(shù)字并購為依據(jù)對全部樣本進(jìn)行分組，選擇企業(yè)規(guī)模、財(cái)務(wù)杠桿、資產(chǎn)收益率、現(xiàn)金流量比、所有權(quán)虛擬變量和企業(yè)年齡變量作為協(xié)變量進(jìn)行匹配，使用卡尺內(nèi)最鄰近匹配方法進(jìn)行配對得到對照組，具體參數(shù)設(shè)置為在0.05卡尺內(nèi)的1∶1近鄰匹配，利用傾向得分匹配法消除數(shù)字并購企業(yè)與非數(shù)字并購企業(yè)的差異之后獲得的樣本，建立以下雙重差分模型檢驗(yàn)數(shù)字并購對企業(yè)創(chuàng)新的影響效果，具體模型的設(shè)定如下

yit=α0+α1DigitalM&Asit+γXit+ui+λt+εit

(1)

其中，yit表示企業(yè)創(chuàng)新；DigitalM&Asit表示數(shù)字并購處理期虛擬變量，若企業(yè)i在第t期成功完成數(shù)字并購，代表進(jìn)入處理期，則此后時(shí)期均取值為1，否則，取值為0；Xit代表控制變量；系數(shù)α1是數(shù)字并購的處理效應(yīng)，ui表示個(gè)體固定效應(yīng)，λt表示時(shí)間固定效應(yīng)，εit表示標(biāo)準(zhǔn)殘差項(xiàng)。

表2 匹配前變量描述性統(tǒng)計(jì)

四、實(shí)證結(jié)果分析

(一)PSM匹配結(jié)果

本文使用是否為數(shù)字并購企業(yè)虛擬變量對協(xié)變量進(jìn)行Logit回歸，得到傾向得分值最接近的企業(yè)為數(shù)字并購的控制組。圖1為匹配前傾向得分值概率密度圖，可以看出匹配前處理組與控制組核密度曲線存在較大差異，圖2為匹配后傾向得分值概率密度圖，匹配后兩組之間傾向得分值的概率密度相當(dāng)接近，說明樣本的匹配效果較好。

(二)平衡性檢驗(yàn)

為確保估計(jì)結(jié)果的準(zhǔn)確性，本文對最鄰近匹配進(jìn)行平衡性檢驗(yàn)，結(jié)果如表3所示，可以看出匹配后所有協(xié)變量的標(biāo)準(zhǔn)偏差絕對值小于10%，t檢驗(yàn)結(jié)果表明匹配后處理組和控制組在協(xié)變量上不存在顯著差異，因此，匹配通過了平衡性檢驗(yàn)，說明本文的匹配方法是合理的。

(三)平行趨勢檢驗(yàn)

利用雙重差分模型實(shí)證檢驗(yàn)時(shí)首要滿足的條件是平行趨勢假定，本文采用事件研究方法考察數(shù)字并購處理期處理前后各期的情況，來檢驗(yàn)多期DID是否滿足共同趨勢假設(shè)。具體模型設(shè)定如下

(2)

表3 平衡性檢驗(yàn)結(jié)果

其中，當(dāng)s<0時(shí)，處理組企業(yè)i在t時(shí)刻為數(shù)字并購?fù)瓿芍暗趕年；當(dāng)s>0時(shí)，表示處理組企業(yè)i在t時(shí)刻為數(shù)字并購?fù)瓿芍蟮趕年。本文將數(shù)字并購?fù)瓿汕?年以上的樣本統(tǒng)一歸并至并購前5年，并以并購前5年作為基準(zhǔn)期。

表4是動(dòng)態(tài)檢驗(yàn)結(jié)果，回歸結(jié)果顯示在企業(yè)完成數(shù)字并購前的4期，每個(gè)時(shí)期的虛擬變量的系數(shù)均與0無顯著差異，說明在數(shù)字并購?fù)瓿汕疤幚斫M和控制組間不存在顯著的趨勢差異，即滿足平行趨勢假設(shè)。

(四)主要實(shí)證結(jié)果

本文使用雙重差分模型式(1)檢驗(yàn)H1，結(jié)果如表5所示。列(1)展示了基準(zhǔn)回歸結(jié)果，從中可知，數(shù)字并購變量系數(shù)為正且通過顯著性檢驗(yàn)，表明數(shù)字并購對企業(yè)創(chuàng)新有積極影響。因此，可以得出數(shù)字并購會(huì)促進(jìn)企業(yè)創(chuàng)新的結(jié)論，H1得到驗(yàn)證。

本文驗(yàn)證數(shù)字并購是否會(huì)通過加強(qiáng)數(shù)字化轉(zhuǎn)型程度而提高企業(yè)的創(chuàng)新水平，具體模型設(shè)定如下

yit=α0+α1DigitalM&Asit+γXit+ui+λt+εit

(3)

DTit=α0+α2DigitalM&Asit+γXit+ui+λt+εit

(4)

yit=α0+α3DigitalM&Asit+β1DTit+γXit+ui+λt+εit

(5)

表4 動(dòng)態(tài)檢驗(yàn)結(jié)果

由式(3)-(5)判斷是否滿足中介效應(yīng)檢驗(yàn)的條件為：首先，檢驗(yàn)系數(shù)α1的顯著性，若α1顯著則進(jìn)行式(4)和式(5)的檢驗(yàn)，否則不存在中介效應(yīng)；其次，檢驗(yàn)β1和α2的顯著性，若顯著則存在中介效應(yīng)，若β1和α2并不是都顯著則使用Sobel檢驗(yàn)判斷中介效應(yīng)。

使用Sobel中介效應(yīng)方法檢驗(yàn)數(shù)字并購對企業(yè)創(chuàng)新的影響路徑，結(jié)果如表5所示。列(2)-(4)報(bào)告 “數(shù)字化轉(zhuǎn)型”效應(yīng)的檢驗(yàn)結(jié)果。列(2)中數(shù)字并購的估計(jì)系數(shù)顯著為正，說明數(shù)字并購在發(fā)生后促進(jìn)主并企業(yè)創(chuàng)新水平的提升；列(3)表明數(shù)字并購顯著促進(jìn)了并購方的數(shù)字化轉(zhuǎn)型；列(4)的回歸模型中加入數(shù)字化轉(zhuǎn)型中介變量，解釋變量的系數(shù)依然顯著為正，中介效應(yīng)的Sobel檢驗(yàn)P值小于0.01，說明中介效應(yīng)部分成立，數(shù)字并購?fù)ㄟ^“數(shù)字化轉(zhuǎn)型”效應(yīng)促進(jìn)了企業(yè)創(chuàng)新，H2得到驗(yàn)證。

為檢驗(yàn)知識基礎(chǔ)的調(diào)節(jié)效應(yīng)，本文使用溫忠麟和葉寶娟(2014)[36]的方法，首先對數(shù)字化轉(zhuǎn)型的中介效應(yīng)進(jìn)行檢驗(yàn)，表5列(2)- (4)證明中介效應(yīng)存在后，再對知識基礎(chǔ)對數(shù)字并購的調(diào)節(jié)效應(yīng)進(jìn)行驗(yàn)證，如列(5)所示，知識基礎(chǔ)與數(shù)字并購的交互項(xiàng)對企業(yè)創(chuàng)新的影響不顯著，說明知識基礎(chǔ)對數(shù)字并購不存在直接調(diào)節(jié)效應(yīng)。最后檢驗(yàn)知識基礎(chǔ)對數(shù)字化轉(zhuǎn)型中介效應(yīng)的調(diào)節(jié)作用。由列(6)結(jié)果可知，知識基礎(chǔ)與數(shù)字化轉(zhuǎn)型的交乘項(xiàng)對企業(yè)創(chuàng)新的影響顯著為正。說明知識基礎(chǔ)越多的企業(yè)，數(shù)字并購?fù)ㄟ^數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的推動(dòng)作用會(huì)越強(qiáng)，H3得到驗(yàn)證。

表5 主要實(shí)證結(jié)果

(五)穩(wěn)健性檢驗(yàn)

1．更換估計(jì)方法

為保證研究結(jié)論的穩(wěn)健性，本文使用OLS和Tobit方法重新對計(jì)量模型進(jìn)行回歸，解釋變量更改為企業(yè)當(dāng)年是否進(jìn)行數(shù)字并購的二元虛擬變量。采用OLS方法重新回歸之后的結(jié)果見表6。列(1)的數(shù)字并購變量系數(shù)依舊顯著為正，H1數(shù)字并購會(huì)促進(jìn)企業(yè)創(chuàng)新的結(jié)論依然穩(wěn)健。列(2)-(4)的數(shù)字化轉(zhuǎn)型中介效應(yīng)也得到驗(yàn)證，列(5)-(6)顯示知識基礎(chǔ)與數(shù)字化轉(zhuǎn)型的交乘項(xiàng)依舊顯著為正，知識基礎(chǔ)的調(diào)節(jié)效應(yīng)再次得到證明，有效說明本文檢驗(yàn)結(jié)果穩(wěn)健。

表6 使用OLS方法的穩(wěn)健性檢驗(yàn)結(jié)果

由于本文使用企業(yè)發(fā)明專利數(shù)量作為因變量，這些數(shù)據(jù)存在大量的0值，存在截尾問題，因此使用Tobit模型來進(jìn)行穩(wěn)健性檢驗(yàn)。結(jié)果如表7所示，得到的結(jié)論與前文一致。

2．更換被解釋變量的替代檢驗(yàn)

本文采用企業(yè)發(fā)明專利申請占專利總數(shù)的比重重新回歸。結(jié)果如表8所示，由列(1)可發(fā)現(xiàn)，數(shù)字并購的估計(jì)系數(shù)顯著為正，這意味著數(shù)字并購的實(shí)施有助于企業(yè)創(chuàng)新水平的提升，列(2)-(4)進(jìn)一步證實(shí)了數(shù)字化轉(zhuǎn)型的中介效應(yīng)部分成立，數(shù)字并購?fù)ㄟ^“數(shù)字化轉(zhuǎn)型”效應(yīng)促進(jìn)了企業(yè)創(chuàng)新的結(jié)論依然保持不變，列(5)-(6)在中介效應(yīng)的基礎(chǔ)上證實(shí)了知識基礎(chǔ)對數(shù)字化轉(zhuǎn)型的調(diào)節(jié)作用。

3．更換數(shù)字化轉(zhuǎn)型的替代檢驗(yàn)

將中介變量替換為使用熵值法計(jì)算得到的數(shù)字化轉(zhuǎn)型后重新回歸，結(jié)果如表9所示，更換數(shù)字化轉(zhuǎn)型變量后的回歸結(jié)果與之前一致，研究結(jié)論保持穩(wěn)健。

表7 使用Tobit模型的穩(wěn)健性檢驗(yàn)結(jié)果

表8 更換被解釋變量的檢驗(yàn)結(jié)果

表9 更換數(shù)字化轉(zhuǎn)型變量的檢驗(yàn)結(jié)果

(六)內(nèi)生性討論

1. 創(chuàng)新的時(shí)滯效應(yīng)

為了避免潛在的內(nèi)生性，本文對回歸模型中解釋變量和所有控制變量滯后1期處理，結(jié)果見表10列(1)，數(shù)字并購依然能夠?qū)ζ髽I(yè)創(chuàng)新發(fā)揮積極作用，滯后1期處理并未對基礎(chǔ)回歸結(jié)果產(chǎn)生明顯影響。為了探究更長時(shí)期的影響，本文還考慮了滯后2期和滯后3期的情況，結(jié)果如表9中列(2)(3)所示，隨著時(shí)間的推移，數(shù)字并購對企業(yè)創(chuàng)新的影響呈現(xiàn)逐年衰減直至為負(fù)。這可能是因?yàn)橐婚_始主并企業(yè)可以通過數(shù)字并購快速地掌控?cái)?shù)字資產(chǎn)，這有利于企業(yè)規(guī)劃適合自身的數(shù)字化進(jìn)程，充分調(diào)動(dòng)企業(yè)內(nèi)外部的創(chuàng)新資源，提高創(chuàng)新水平，隨著時(shí)間的推移，數(shù)字化進(jìn)程取得大幅提高后帶來的創(chuàng)新邊際效應(yīng)就降低了，甚至長期依賴被并企業(yè)的數(shù)字技術(shù)還可能會(huì)導(dǎo)致主并企業(yè)在數(shù)字化和創(chuàng)新探索的過程中產(chǎn)生惰性，這會(huì)對企業(yè)長期創(chuàng)新產(chǎn)生負(fù)面影響。

表10 創(chuàng)新時(shí)滯效應(yīng)檢驗(yàn)結(jié)果

2. 應(yīng)對反向因果導(dǎo)致的內(nèi)生性問題

本文采用PSM-DID方法在一定程度上可以解決由樣本選擇性偏差引發(fā)的內(nèi)生性問題，但并不能消除數(shù)字并購與企業(yè)創(chuàng)新間因?yàn)殡p向因果帶來的內(nèi)生性問題，也就是說，企業(yè)創(chuàng)新也可能會(huì)影響企業(yè)尋求數(shù)字并購的行為。因此，本文進(jìn)一步使用工具變量法來消除雙向因果導(dǎo)致的內(nèi)生性問題，借鑒張吉昌和龍靜(2022)[37]的思路，采用當(dāng)年行業(yè)內(nèi)其他企業(yè)數(shù)字并購筆數(shù)總和作為工具變量。首先，剔除本公司后的行業(yè)數(shù)字并購筆數(shù)反映行業(yè)數(shù)字并購的活躍程度，與單個(gè)企業(yè)展開數(shù)字并購動(dòng)機(jī)高度相關(guān)；其次，其他企業(yè)的數(shù)字并購行為與企業(yè)自身是否展開創(chuàng)新無關(guān)，這滿足工具變量選擇的相關(guān)性和外生性原則。

使用2SLS工具變量法的回歸結(jié)果如表11所示。其中，列(1)報(bào)告了第一階段回歸的結(jié)果，表明工具變量與企業(yè)數(shù)字并購之間存在顯著的正向關(guān)系，并且相應(yīng)的F檢驗(yàn)表明顯著拒絕了弱工具變量假設(shè)，說明本文所選取的工具變量在統(tǒng)計(jì)意義上滿足相關(guān)性原則，工具變量選取有效。列(2)為被解釋變量為企業(yè)創(chuàng)新變量的第二階段回歸結(jié)果，Cragg-Donald Wald F統(tǒng)計(jì)量大于Stock-Yogo檢驗(yàn)10%水平的臨界值16.38，也表明工具變量與解釋變量存在強(qiáng)相關(guān)關(guān)系，因此不存在弱工具變量問題，而且Endogeneity Test結(jié)果也證實(shí)數(shù)字并購變量確實(shí)存在內(nèi)生性，在運(yùn)用工具變量法緩解內(nèi)生性問題后，數(shù)字并購估計(jì)系數(shù)顯著為正，與基準(zhǔn)模型估計(jì)結(jié)論一致，這也說明本文的估計(jì)結(jié)論是相對穩(wěn)健的。列(3)為被解釋變量為企業(yè)數(shù)字化轉(zhuǎn)型的第二階段回歸結(jié)果，表明在考慮內(nèi)生性問題的影響下，數(shù)字并購對企業(yè)數(shù)字化轉(zhuǎn)型有顯著的積極影響的結(jié)果依然可靠。

表11 工具變量法檢驗(yàn)結(jié)果

3. 應(yīng)對遺漏變量導(dǎo)致的內(nèi)生性問題

本文使用雙重差分方法在一定程度上可以減輕由不隨時(shí)間變化的遺漏變量引起的估計(jì)偏誤，且基準(zhǔn)回歸中僅僅控制了文獻(xiàn)中較為常見的影響企業(yè)突破性創(chuàng)新的變量，上述回歸結(jié)果仍然面臨遺漏不可觀測變量導(dǎo)致的內(nèi)生性偏誤，因此，本文進(jìn)一步控制其他可能影響數(shù)字并購和企業(yè)創(chuàng)新的因素。考慮到企業(yè)所屬地區(qū)的數(shù)字經(jīng)濟(jì)發(fā)展基礎(chǔ)會(huì)為企業(yè)展開數(shù)字并購提供便利，本節(jié)在宏觀上進(jìn)一步控制數(shù)字經(jīng)濟(jì)發(fā)展水平變量(AP)，用互聯(lián)網(wǎng)寬帶接入端口數(shù)量測度。從公司治理的角度來看，企業(yè)創(chuàng)新風(fēng)險(xiǎn)高投資大的特點(diǎn)有可能導(dǎo)致老牌大企業(yè)失敗[38]，在位企業(yè)的管理者一般會(huì)按照既定程序處理企業(yè)創(chuàng)新活動(dòng)，使得企業(yè)可能謹(jǐn)慎對待投資創(chuàng)新項(xiàng)目[39]；其次，企業(yè)決策層的短視也會(huì)導(dǎo)致他們拒絕展開創(chuàng)新，他們決策的依據(jù)是短期內(nèi)幫公司實(shí)現(xiàn)最大利潤，如果創(chuàng)始人更具有魄力和自信，他們就會(huì)鼓勵(lì)企業(yè)進(jìn)行創(chuàng)新[40]，因此，決策層的特質(zhì)也是不可忽視的潛在變量。本部分將決策者特質(zhì)變量加入討論，將董事會(huì)規(guī)模(Director)、兩職合一(Mgtceo)、董事長年齡(Mgtage)、董事長受教育程度(Mgtedu)、董事長研發(fā)背景(Mgtfun)、董事長海外背景(Mgtovesea)、董事長學(xué)術(shù)背景(Mgtaca)和董事長金融背景(Mgtfin)等變量加以控制。回歸結(jié)果見表12，結(jié)果表明，在進(jìn)一步引入其他可能影響企業(yè)創(chuàng)新的因素后，數(shù)字并購仍顯著促進(jìn)企業(yè)創(chuàng)新水平。

其次，本文借鑒Altonji J G等(2005)[41]以及Nunn N和Wantchekon L(2011)[42]的方法，在本研究中，設(shè)定了一組全控制變量模型，即在基準(zhǔn)模型的控制變量中加入數(shù)字經(jīng)濟(jì)變量和決策者特征變量；兩種受限模型，一種不包含決策者特征變量，一種不包含數(shù)字經(jīng)濟(jì)變量。通過回歸系數(shù)計(jì)算得到的統(tǒng)計(jì)結(jié)果如表13所示，可以看出，測度遺漏變量偏誤的比率值遠(yuǎn)遠(yuǎn)大于1，說明本文因遺漏變量導(dǎo)致的估計(jì)偏誤不嚴(yán)重。

表12 應(yīng)對遺漏變量導(dǎo)致內(nèi)生性問題的回歸結(jié)果

表13 遺漏變量偏誤程度的測度

五、異質(zhì)性分析

(一)行業(yè)特質(zhì)的異質(zhì)性檢驗(yàn)

數(shù)字行業(yè)企業(yè)掌握數(shù)字技術(shù)，為社會(huì)提供數(shù)字產(chǎn)品、數(shù)字服務(wù)和數(shù)字基礎(chǔ)設(shè)施建設(shè)，這類企業(yè)在創(chuàng)新資源獲取與整合方面占據(jù)著絕對優(yōu)勢，當(dāng)主并企業(yè)為數(shù)字經(jīng)濟(jì)行業(yè)企業(yè)時(shí)，并購后企業(yè)創(chuàng)新水平的提升可能受益于規(guī)模效應(yīng)，因?yàn)橐?guī)模擴(kuò)大有助于分?jǐn)偧夹g(shù)創(chuàng)新的風(fēng)險(xiǎn)，研發(fā)資源協(xié)同得到加強(qiáng)；而非數(shù)字行業(yè)企業(yè)并購數(shù)字行業(yè)的創(chuàng)新后果往往來自范圍經(jīng)濟(jì)，有利于非數(shù)字行業(yè)獲取和利用數(shù)字技術(shù)，節(jié)約了技術(shù)搜尋的成本。所以，這兩類數(shù)字并購對企業(yè)創(chuàng)新的影響效應(yīng)存在異質(zhì)性。因此，本文進(jìn)一步檢驗(yàn)這兩類并購對企業(yè)創(chuàng)新影響的差異。

表14 行業(yè)的異質(zhì)性檢驗(yàn)結(jié)果

表14列(1)展示了在數(shù)字經(jīng)濟(jì)行業(yè)中，數(shù)字并購對企業(yè)創(chuàng)新的影響作用，列(2)為加入數(shù)字化轉(zhuǎn)型和知識基礎(chǔ)交乘項(xiàng)的結(jié)果。列(3)和列(4)為非數(shù)字行業(yè)的回歸結(jié)果，可以看出無論是在數(shù)字行業(yè)還是非數(shù)字行業(yè)，數(shù)字并購對企業(yè)創(chuàng)新的回歸系數(shù)均顯著為正，這說明數(shù)字并購能夠全面提高主并企業(yè)的創(chuàng)新水平；通過費(fèi)舍爾組合檢驗(yàn)可知數(shù)字并購變量的經(jīng)驗(yàn)P值為0.008，這說明數(shù)字經(jīng)濟(jì)行業(yè)和非數(shù)字經(jīng)濟(jì)行業(yè)數(shù)字并購變量系數(shù)存在顯著差異，意味著數(shù)字行業(yè)之間的并購創(chuàng)新效果要好于非數(shù)字行業(yè)與數(shù)字行業(yè)的并購。分析其原因，本文認(rèn)為數(shù)字行業(yè)企業(yè)具備良好的數(shù)字化基礎(chǔ)，可以快速吸收融合被并公司的優(yōu)質(zhì)創(chuàng)新資源，有助于主并企業(yè)迸發(fā)創(chuàng)新活力；而非數(shù)字行業(yè)關(guān)于數(shù)字化轉(zhuǎn)型的規(guī)劃和進(jìn)展相對緩慢，加之知識在兩個(gè)企業(yè)間流動(dòng)的阻力更大，企業(yè)需要投入很大的學(xué)習(xí)成本才能克服自身基礎(chǔ)知識的約束，這使得非數(shù)字行業(yè)與數(shù)字行業(yè)的并購創(chuàng)新效果相對較弱。

(二)企業(yè)生命周期的異質(zhì)性檢驗(yàn)

處于不同生命周期的企業(yè)在面臨數(shù)字化沖擊時(shí)，會(huì)有不同的創(chuàng)新行動(dòng)。成長期的企業(yè)雖然資源相對匱乏，但是更具靈活性和開放性[43]，對數(shù)字能力的需求較為強(qiáng)烈，通過數(shù)字并購有助于成長企業(yè)加快知識的更新與積累，對企業(yè)創(chuàng)新產(chǎn)生積極影響；成熟期的企業(yè)在探索創(chuàng)新的資金投入和人力資源上占據(jù)絕對優(yōu)勢，更加擅長利用外部知識；衰退期的企業(yè)積累了大量的資源而沒有得到有效利用，而且因?yàn)榻M織結(jié)構(gòu)過于僵化，即使完成了數(shù)字并購也很難利用數(shù)字資源激發(fā)自身創(chuàng)新活力。所以，這三類企業(yè)在完成數(shù)字并購后企業(yè)的突破性創(chuàng)新表現(xiàn)存在異質(zhì)性。因此，本文根據(jù)黃宏斌等(2016)[44]的企業(yè)生命周期劃分方法，將企業(yè)劃分為成長期、成熟期和衰退期分組檢驗(yàn)數(shù)字并購對企業(yè)突破性創(chuàng)新影響的差異。表15列(1)-(2)報(bào)告了成長期企業(yè)的回歸結(jié)果，列(3)-(4)是以成熟期企業(yè)為樣本的回歸結(jié)果，數(shù)字并購的估計(jì)系數(shù)顯著為正，說明數(shù)字并購在發(fā)生后促進(jìn)成長期和成熟期企業(yè)創(chuàng)新水平的提升，列(5)-(6)數(shù)字并購估計(jì)系數(shù)不顯著，說明對衰退期的企業(yè)來說，數(shù)字并購對企業(yè)創(chuàng)新影響不顯著。

表15 企業(yè)生命周期異質(zhì)性檢驗(yàn)結(jié)果

六、研究結(jié)論

(一)研究結(jié)論與政策建議

隨著數(shù)字經(jīng)濟(jì)的飛速發(fā)展，如何實(shí)現(xiàn)數(shù)字賦能企業(yè)創(chuàng)新，是當(dāng)前企業(yè)需要思考的重要問題。本文基于理論分析和假設(shè)，利用2010-2020年中國A股上市公司數(shù)字并購面板數(shù)據(jù)，使用PSM-DID方法實(shí)證討論了數(shù)字并購對企業(yè)創(chuàng)新的影響，以及數(shù)字化轉(zhuǎn)型在其中的作用機(jī)制。研究結(jié)論表明：第一，企業(yè)在成功完成數(shù)字并購后其創(chuàng)新能力得到顯著提升，數(shù)字并購的確能夠促進(jìn)企業(yè)創(chuàng)新，這一研究結(jié)論通過了一系列的穩(wěn)健性檢驗(yàn)，并且在考慮內(nèi)生性的情況下依然成立。第二，數(shù)字化轉(zhuǎn)型是數(shù)字并購提升企業(yè)創(chuàng)新能力的重要途徑，數(shù)字并購對企業(yè)推進(jìn)數(shù)字化轉(zhuǎn)型具有顯著的正向作用，并且成功實(shí)施數(shù)字并購會(huì)加快企業(yè)數(shù)字化轉(zhuǎn)型進(jìn)程，進(jìn)而促進(jìn)企業(yè)創(chuàng)新，數(shù)字化轉(zhuǎn)型在數(shù)字并購對企業(yè)創(chuàng)新的提升過程中起到積極的中介作用。第三，知識基礎(chǔ)正向調(diào)節(jié)數(shù)字化轉(zhuǎn)型在數(shù)字并購和企業(yè)創(chuàng)新之間的中介效應(yīng)，具體而言，知識基礎(chǔ)越多的企業(yè)，數(shù)字并購?fù)ㄟ^數(shù)字化轉(zhuǎn)型對企業(yè)創(chuàng)新的推動(dòng)作用會(huì)越強(qiáng)。第四，數(shù)字并購對企業(yè)創(chuàng)新帶來的影響在不同類型行業(yè)之間和不同生命周期企業(yè)間存在著一定的異質(zhì)性，相較于非數(shù)字經(jīng)濟(jì)行業(yè)企業(yè)以及衰退期企業(yè)而言，數(shù)字經(jīng)濟(jì)行業(yè)企業(yè)、成長期和成熟期企業(yè)實(shí)施數(shù)字并購對創(chuàng)新的提升效果更強(qiáng)。本文的研究結(jié)論鼓勵(lì)企業(yè)抓住新興數(shù)字技術(shù)和行業(yè)數(shù)字化趨勢的機(jī)遇，積極擁抱數(shù)字并購，完成數(shù)字化轉(zhuǎn)型戰(zhàn)略，成為創(chuàng)新領(lǐng)導(dǎo)者，從而為企業(yè)更好地利用并購提升技術(shù)創(chuàng)新能力提供借鑒，同時(shí)為相關(guān)研究提供中國企業(yè)的經(jīng)驗(yàn)證據(jù)，對我國推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型等政策實(shí)施也有重要的啟示和借鑒意義。本文的研究結(jié)論具有以下啟示。

第一，加快推動(dòng)數(shù)字并購發(fā)展。當(dāng)前，數(shù)字并購對促進(jìn)企業(yè)創(chuàng)新和實(shí)施數(shù)字化轉(zhuǎn)型具有非常關(guān)鍵的作用和意義。對于政府來說，應(yīng)采取積極措施鼓勵(lì)企業(yè)展開數(shù)字并購以抓住數(shù)字化轉(zhuǎn)型的先機(jī)，為企業(yè)創(chuàng)新提供源頭動(dòng)力。政府應(yīng)為數(shù)字并購企業(yè)提供良好的融資環(huán)境，吸引更多有能力的企業(yè)參與數(shù)字并購，這有利于促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合。

第二，加速數(shù)字化轉(zhuǎn)型進(jìn)程，打造與技術(shù)創(chuàng)新相適應(yīng)的數(shù)字環(huán)境。對于企業(yè)來說，要想發(fā)揮數(shù)字并購對創(chuàng)新的引領(lǐng)作用，首先應(yīng)該加快推進(jìn)數(shù)字化轉(zhuǎn)型進(jìn)程，通過數(shù)字技術(shù)改造業(yè)務(wù)全過程協(xié)同和流程，全面實(shí)現(xiàn)從研發(fā)、生產(chǎn)到管理的數(shù)字化改革，為促進(jìn)數(shù)字并購對企業(yè)創(chuàng)新的影響提供堅(jiān)實(shí)的效率保障。同時(shí)，增強(qiáng)自身的知識基礎(chǔ)，通過加大對知識的積累與應(yīng)用，為數(shù)字并購?fù)瓿珊蟮恼想A段提供更為堅(jiān)實(shí)的知識儲備，充分發(fā)揮知識在加強(qiáng)數(shù)字化轉(zhuǎn)型創(chuàng)新效應(yīng)上的優(yōu)勢。

第三，針對不同行業(yè)特質(zhì)和生命周期的企業(yè)采取有差異的策略。各類企業(yè)在推進(jìn)數(shù)字化轉(zhuǎn)型、提升創(chuàng)新能力的過程中，不能簡單依賴數(shù)字并購，而應(yīng)通盤考慮自身優(yōu)勢與不足，結(jié)合實(shí)際因企制宜。尤其是以數(shù)字技術(shù)為主要盈利模式的數(shù)字行業(yè)企業(yè)，應(yīng)充分發(fā)揮自身的絕對優(yōu)勢，并購其他數(shù)字企業(yè)實(shí)現(xiàn)強(qiáng)強(qiáng)聯(lián)合；成熟期和成長期企業(yè)，應(yīng)注重利用數(shù)字技術(shù)對自有資源的撬動(dòng)作用，在完成數(shù)字并購后立即展開創(chuàng)新資源整合與利用，加快數(shù)字化進(jìn)程，最終實(shí)現(xiàn)中國企業(yè)在關(guān)鍵技術(shù)領(lǐng)域的創(chuàng)新。

(二)研究不足與展望

本文的討論與分析是圍繞主并企業(yè)來展開的，而在實(shí)踐中被收購企業(yè)的創(chuàng)新和數(shù)字化轉(zhuǎn)型也很重要，主并企業(yè)與被并企業(yè)之間的關(guān)系以及并購后是否出現(xiàn)“1+1>2”的情況也值得深究。鑒于此，未來研究將會(huì)將視角落在被并企業(yè)上來展開分析。