企业并购、技术创新与过剩产能化解——来自新能源行业的证据

张巧良，何珮珺

(兰州理工大学 经济管理学院,甘肃 兰州 730050)

联合国新能源和可再生能源会议(1980)将新能源定义为在新技术基础上加以开发利用的可再生能源，包括风能、太阳能、潮汐能、生物质能、地热能、氢能和核能。由于全球气候变暖、传统能源短缺等问题的出现，引起了世界各国对降低能耗、减少污染、建立新的能源结构的重视。作为新一轮国际竞争的战略制高点以及衡量一个国家和地区高新技术发展水平的重要依据，世界发达国家和地区都将发展新能源产业作为顺应科技潮流、推进产业结构调整的重要举措。

我国政府通过财政补贴、税收减免、金融支持等手段大力扶持新能源产业的发展。但自主研发能力的不足加上政府的过度干预使新能源行业呈现重复投资，导致了行业高端供给不足而低端产能过剩的局面[1]，表现为企业成本高、基础设施建设滞后、产品质量低、市场竞争力低下，致使行业整体盈利水平大幅下降。欧美的经验证明，企业并购及技术创新对过剩产能化解具有明显的促进作用[2]。我国新能源产业能否通过企业并购促进产业结构的调整，并集中优势来提升企业技术创新能力，最终达到化解产能过剩的目的，有待实证检验。

一、文献综述

传统的供给经济学认为，在经济的周期性波动过程中，供给与需求不协调使市场需求远低于市场供给，造成生产能力过剩。过度竞争论[3]认为在某些产业集中度较低的行业中，往往存在着长期性的供给过剩，并由此引发过度产能闲置和产业整体经济效益低下的状况；林毅夫(2010)[4]提出由于信息不对称，社会对于有良好发展前景的产业容易达成共识，从而引发投资“潮涌现象”，投资者对某些特定产业竞相投资的热潮致使产能过剩，而这种市场失灵造成的产能过剩应该由政府干预进行调整；江飞涛等(2009)、王立国等(2012)[5-6]指出政府的不当干预所带来的体制扭曲是产能过剩的根本原因，因而提出应发挥市场的主导作用，减少政府干预来解决产能过剩。

并购的市场势力理论和效率理论指出，并购可以增强企业市场控制力并通过提升企业效率来增加长期获利的机会。国家行政学院经济学教研部课题组[7]提出利用企业兼并重组的手段来推动产业集群发展，同时促进企业科技创新，推动过剩产业整合升级。Jovanovie(2002)[8]认为，兼并重组可以降低企业进入和退出的壁垒，其整合功能可以优化资源配置，淘汰落后产能；ANDRADE G(2001)[9]、崔永梅(2016)[10]研究发现，并购可以提高行业集中度及市场控制力，发挥优势企业的带动作用，从而解决产能过剩。

由于技术水平落后是引发产业结构性产能过剩的重要原因，因而提升企业创新能力是从根本上解决产能过剩的重要手段。Calantone R J(2006)[11]、DE-MASSIS A(2016)[12]认为创新不仅是企业竞争优势的重要来源，还是企业顺应市场高端需求、化解产能过剩的有效策略之一。夏晓华(2016)[13]、李后建(2017)[14]用创新作为主要因素检验出创新能力越强的企业和行业产能利用率越高，证明了创新对化解产能过剩的作用。陈爱贞[15]在总结中国的产业创新路径时指出，目前阶段中国产业所需要的外部技术知识默示性比较高，专利购买的难度和交易成本高，并购相对来说是捷径，可以把隐形的显性技术、研发人员、管理和市场整体系统转移过来。

综上所述，目前关于产能化解的研究多集中于技术创新对于产能过剩的治理作用；并购对产业结构的调整、资源的优化配置及行业集中度等因素对产能过剩的治理作用，较少涉及并购中创新因素对产能过剩的化解作用。就生命周期而言，新能源行业仍处于成长阶段，供给方面还没有完全掌握关键技术的情况下产业就过分扩张，而需求方面仍然很低迷，因此其产能过剩属于成长性过剩，技术创新是化解产能过剩的重要措施。从产业组织、产业结构方面来看，新能源行业产能过剩是其实际产出在一定程度上低于该行业的生产能力，本文利用产能利用率衡量新能源行业的产能过剩程度，实证研究新能源行业的企业并购如何通过影响技术创新实现对过剩产能的化解。

二、理论基础与假设的提出

效率理论认为，存在管理效率差异的两个企业在进行并购之后，较低一方的效率将提高到较高的水平，个体效率的提高将会提高整个经济社会的效率。因此，可以通过并购效率低下的企业来抑制新能源行业低端重复建设从而改善新能源产业的产业结构。基于市场势力理论，企业通过并购可以减少竞争对手，增强其市场控制力，增加长期获利的机会：横向并购可以发挥其规模效应及协同效应，降低企业成本，提升盈利能力；产业集中度的提高有利于资源的优化配置，使优势资源转移到优势企业，逐渐淘汰落后产能并规范技术标准；纵向并购通过整合产业链来提高市场进入壁垒，完善新能源行业准入制度，阻止低水平、低效率生产能力的进入及扩张，减少行业内不必要的低端竞争，合理利用企业资源，提高企业生产效率；混合并购则会扩大企业经营领域从而转移行业过剩产能。赵黎黎(2010)等[16]在产能过剩的条件下证实了中国钢铁企业的并购绩效表现良好，可以通过并购来提升企业绩效，化解产能过剩。张晓明[17]以光伏产业产能过剩为背景指出并购可以有效降低交易费用、生产成本，提高生产率从而化解产能过剩。基于此，本文提出第一个假设：

H1：并购可以有效提高新能源行业的产能利用率。

新能源产业的壮大需要以重大技术突破和重大发展需求为基础。熊彼特的创新理论指出：创新是通过产生技术和生产方法的新组合建立新的生产函数，创新活动是推动经济发展的根本力量。新的生产函数、生产方式和新的生产条件相结合，来破坏旧的生产结构，从而建立新的生产结构。这种“破坏性创造”是推动经济进步的内在动力。Aboulnasr[18]指出企业面临新技术或产品造成的市场不稳定时，不仅要调整经营业务还要重新布局现有产品。因此，创新在破坏现有市场结构的同时会带来新的发展机会，从根本上改变现有市场竞争结构。由技术水平落后引发的重复性建设是导致新能源行业结构性产能过剩最重要的原因，通过技术创新来寻找新的经济增长点，并逐步淘汰落后技术落后产能是从根本上化解产能过剩的方式。王立国(2012)[19]认为企业的技术创新可以从调整市场供求、刺激市场需求、淘汰落后产能、开拓国外市场等方面释放过剩产能。苏中锋(2014)[20]、夏晓华(2016)[13]等站在企业微观的视角从管理创新、技术创新等多维创新的角度证明了创新能力越强，企业的成本控制、收益等绩效表现越好。因而更有利于生产出成本更低、质量更高的产品，亦将有利于增强既有产品的市场竞争力，释放产能过剩。基于此，本文提出第二个假设：

H2：技术创新可以有效提高新能源行业企业的产能利用率。

基于规模效应的视角，企业在进行并购后，可以在更大规模上分摊固定成本，同时在生产、研发、行政等方面共享一个体系，进而获得各环节的规模经济效益。熊彼特的创新理论认为企业规模是影响企业创新的重要因素，规模大的企业更有能力来承担创新，且创新成功率更高。知识资源分为显性知识和隐性知识，隐性知识是创新的源泉，也是企业核心竞争力的关键。对企业隐性知识的购买难度较高，并购作为一种捷径，可以把隐性及显性知识、技术、管理和研发体系等吸收过来，更有利于企业的自主创新。新能源产业的无序发展导致了低端投资过度，而高端、核心及关键技术匮乏的局面，低端过度竞争的状态将会消耗企业大量的资源，这种由过度竞争所导致的不确定性会削弱企业乃至整个行业的创新积极性，不利于产业健康的发展[1]。熊彼特提出，要让企业具备创新的激励，就需要让它能够拥有短暂的市场势力。从产业组织的角度来看，适度的市场集中度有利于技术的突破和创新。而并购是扩大企业市场占有率、获取市场势力并提高市场集中度的最佳方式。面对政府过度引导致使新能源行业进入门槛较低，创新能力较弱，技术资源不足的现状，并购作为一种调整的手段可以使那些不具备竞争优势的企业被收购兼并，而那些具有研发创新能力的企业可以对产业进行整合。通过并购可以在较短时间内整合市场、资源、资金及技术优势来突破关键技术瓶颈，提高创新能力，生产高端创新产品，转变产品结构，从而化解产能过剩的问题。基于此，本文提出第三个假设：

H3：通过并购企业增强其创新能力而间接改善产能过剩，企业技术创新起到了明显的中介作用。

三、研究设计

(一)数据来源

我国新能源产业在2008年受到政府大力扶持之后，开始出现产能过剩。因而，本文选取2008～2015年沪深两市属于新能源概念的131家上市公司作为研究样本。并对原始样本做以下筛选工作：(1)剔除掉样本期间出现ST和*ST的公司；(2)2008年以后上市的公司；(3)主营业务出现重大变更的公司；(4)主要数据缺失的公司；(5)2008～2015年间未参与并购的企业。最后筛选出60家新能源上市公司。在并购样本中，遵循以下原则进行筛选：(1)交易进度为完成，结果为成功；(2)收购方收购目标公司50%以上股份；如若收购股份不到50%，但合计持股50%以上。经过筛选共得到220次并购事件，其中包括一家公司在同一年进行的多次并购。以上获取的新能源概念上市公司数据来源于同花顺行情中心，所有的并购数据及财务数据来源于WIND数据库和CSMAR数据库。

(二)计量模型与变量选择

本文将设定三个模型，其中，模型(Ⅰ)是为了研究企业并购对产能过剩的改善作用，模型(Ⅱ)检验技术创新能力对产能利用率的影响，模型(Ⅲ)引入一个中介变量，分析企业技术创新能力的中介作用。

cuit=β0+β1M&Ait+ξXit+bt+εit

(Ⅰ)

cuit=β1+β2Innovateit+ξXξ+bt+εit

(Ⅱ)

cuit=β01+β11M&Ait+β2Innovateit+ξXit+bt+εit

(Ⅲ)

其中，X为控制变量集合，bt和εit为时间因素和残差。

模型中相关变量的界定如表1所示。

为了研究并购对企业产能过剩的影响，考虑到专利申请存在的滞后性，本文选取研发投入强度作为技术创新能力的衡量标准。作为企业的一种竞争行为，研发投入和技术创新所表示的意义是一致的，并且持续的研发投入是技术进步的关键。中介变量的引入遵循Baron和Kenny(1986)提出的以下原则：(1)自变量与因变量具有显著关系；(2)中介变量与因变量均有显著关系；(3)自变量与中介变量具有显著关系；(4)引入中介变量后如果自变量与因变量的显著关系降低，则为部分中介，如果自变量与因变量的显著关系消失，则为完全中介。

控制变量的确定考虑了企业自身经营状况和宏观政策的影响。企业年龄(AGE)，考虑企业周期对产能利用率的影响；净资产收益率(ROE)表示企业的盈利状况；企业规模(lnAsset)考虑到规模大小对产能利用率和技术创新能力均有影响；前五大股东持股比例(H5)；政府补贴(gov)代表宏观政策的影响。

表1 变量定义

四、产能利用率的测度

目前测量产能利用率的方法主要有：峰值法、生产函数法、成本函数法、数据包络法(DEA)等。数据包络法(DEA)以决策单位(Decision Making Unit)的投入和产出权重为变量，借助数学规划模型将决策单元投影到DEA生产前沿面上，通过比较DMU偏离DEA生产前沿面的程度来对被决策单元的相对有效性进行综合绩效评价的方法，该方法误差率低，更加客观。

本文选用数据包络法(DEA)对产能利用率进行测量。投入指标运用柯布道格拉斯生产函数： Q=AL2Kβ，其中L和K表示劳动投入量(企业员工人数)和资本投入量(固定资产年末净值)，分别代表了可变投入量及不可变投入量。投入与产出指标选取如表2所示。

表2 产能利用率指标选取

为控制价格变动因素对数据带来的影响，投入和产出值均以2008年为基期根据居民价格指数(CPI)进行不变价格处理，采用BBC—I模型进行分析，投入与产出指标中考虑C—D生产函数投入指标。通过DEAP2.1测算，新能源行业2008～2015年产能利用率的平均值如表3所示，技术效率趋势图如图1所示。

表3 新能源行业产能利用率均值

基于国际对产能利用率的划分标准，产能利用率将参考以下四个等级[21]：正常产能利用率(80%以上)、轻度产能过剩(75%～80%)、中度产能过剩(60%～75%)、严重产能过剩(60%以下)。对比产能利用率的划分，可以从表3看出 ，在经过2008年对新能源产业大力扶持发展之后，2009年开始出现轻度产能过剩，并在之后的发展中一直处于中度产能过剩。

综合技术效率即产能利用率，是纯技术效率与规模技术效率的乘积。综合技术效率与纯技术效率的变化趋势相一致，说明综合技术效率主要受纯技术效率影响。由于纯技术效率和规模技术效率均没有处于前沿面，即该行业经济活动既不是技术效率最佳也不是规模技术效率最佳，因而综合技术效率表现为非DEA有效。

图1 新能源行业技术效率趋势

五、实证结果及分析

(一)描述性统计结果

描述性统计结果如表4所示。

表4 描述性统计结果

从描述性统计结果来看，整体产能利用率在0.7左右，说明新能源行业处于中度产能过剩；并购均值在0.4，说明该行业的并购活跃度较高。从研发投入比的标准差来看，该行业的技术创新水平参差不齐，最高的研发投入占营业收入比能达到9%，而最低只有0.01%。从企业净资产收益率来看，平均值在8.71%左右，说明整个行业的收益率处于中等的位置，和产能利用率的情况较为相似。

(二)回归分析

为确保数据的平稳性，首先对各变量采用FISHER-ADF的方法进行单位根检验。结果如表5所示。

表5 面板数据单位根检验结果

注：()里表示p值；***表示在1%的显著水平上拒绝存在面板单位根的假设.

单位根检验的结果为各变量的面板数据均在1%的显著水平上拒绝存在面板数据单位根的假设，因此，各变量均为平稳序列。

在进行回归分析之前，对面板数据是选择固定效应模型还是随机效应模型进行Hausman检验。检验结果表明，Hausman值在1%的显著水平上拒绝接受随机效应模型的原假设。因此，本文将利用固定效应模型。

为检验并购是否会影响产能利用率，进行固定效应回归分析。模型I-I是没有引入其他控制变量时，并购对产能利用率的影响。模型I-II是引入了控制变量时，并购对产能利用率的影响。回归结果如表6所示。

表6 并购对产能利用率影响的回归结果

注：表中数据为各变量的回归系数，括号内为t值,*、**、***分别表示在0.1、0.05和0.01统计意义上显著，下表同 .

从回归结果看，模型拟合度较好且F统计量在0.01统计意义上显著，说明自变量与因变量之间存在显著的线性关系。在没有加入控制变量及加入控制变量之后，并购对产能利用率均有显著的正效应，假设一得到验证。企业的收益率、企业规模均对产能利用率有显著的正影响。而政府补贴对产能利用率是显著的负相关关系，说明政府的过度干预会降低企业产能利用率。通过验证，在中国市场上，推行并购作为产能过剩的化解手段是有效的。

根据Hausman检验结果，在1%的显著水平上拒绝接受随机效应模型的原假设。因此，利用模型II进行固定效应回归来验证企业技术创新是否对产能过剩具有同样的治理效果。其中，模型II-I是没有引入控制变量时，技术创新能力对产能利用率的影响；模型II-II是引入控制变量后，技术创新能力对产能利用率的影响。回归结果如表7。

表7 创新对产能利用率影响的回归结果

从回归结果上看，在没有引入控制变量和引入控制变量之后，代表企业技术创新的变量——研发投入比对产能利用率均有显著的正向影响，也就是说企业技术创新能力越强，产能利用率越高，假设二得到验证。因此，创新作为提高企业竞争力的有效手段，能在产能过剩行业中发挥其治理作用。

为验证并购对企业产能利用率的影响机制，引入一个代表企业创新能力的中介变量，来验证并购是否通过影响企业技术创新能力来提高产能利用率。通过对假设1和假设2的验证，模型符合引入中介变量的条件。在引入代表企业技术创新能力的变量——研发投入比后，回归结果如表8：

结果显示，不管加入或者不加入控制变量，并购对产能利用率的改善作用没有因为企业创新能力的替代变量——研发投入比的加入而有所减弱或改变影响方向。根据中介变量的引入规则，企业创新能力没有起到中介作用，假设3没有得到验证。换言之，并购没有通过对企业技术创新能力的提高达到治理产能过剩的目的。

为进一步检验并购对企业产能利用率的影响机制，将因变量划分为产能利用率(cu)、规模技术效率(SE)、纯技术效率(PE)进行回归分析。Hausman的检验结果在1%的显著水平上拒绝接受随机效应模型的原假设。固定效应模型回归结果如表9所示。

表8 引入中介变量后的回归结果

表9 治理机制的回归结果

从回归结果来看，并购对产能利用率具有显著的正相关关系，但是与纯技术效率(PE)之间不具有显著的正相关关系，说明并购对企业纯技术效率没有显著性影响。但是并购与企业规模效率(SE)之间有显著性的正相关关系，说明并购显著增加企业规模效率。

六、结论与建议

本文利用DEA(数据包络法)对新能源行业进行产能利用率的测量，结果显示该行业处于中等产能过剩水平。以企业微观的视角分析并购对产能利用率是否有促进作用，并探究其是否通过提升企业创新能力的路径而发挥化解产能过剩的作用。结果表明：(1)企业并购可以显著提高企业产能利用率。但政府补贴对产能利用率有明显的负效应。因此，利用该手段治理新能源行业产能过剩是有效可行的。但政府的过度干预会影响产能过剩的治理；(2)企业并购可以显著提高企业产能利用率，但并购后，企业技术创新能力并未发挥其改善产能过剩的作用。这意味着，企业如果只是通过中低端规模扩张而暂时性地提高产能利用率，没有顺应行业需求及先进生产水平的发展，这种规模性的扩张也会在不久的将来把企业拉回至低水平的生产能力及新一轮的产能过剩。基于此，本文建议：

首先，政府应避免过度引导和干预，发挥市场竞争机制来淘汰落后技术，化解产能过剩。由此，才能给高技术、低成本、低污染的企业留出发挥空间，从而化解产能过剩，将市场结构调整至健康状态。

其次，企业进行并购时，不能以单纯的产量和规模扩张为目的，应多关注行业发展趋势，保持居安思危的心态，即使在并购之后企业绩效、产能利用率各方面都有良好表现，也要注重技术创新，保持研发积极性，发展核心自主创新能力。

参考文献：

[1]蒙 丹.我国新能源产业链的低端产能过剩治理机制[J].经济纵横，2010，(5)：37-40.

[2]史 贞.产能过剩治理的国际经验及对我国的启示[J].经济体制改革，2014，(7)：154-158.

[3]C Burnside，M Eichenbaum，S Rebelo. Labor Hoaring and the Business Cycle[J]. Journal of Political Economy，1993，(2)：245-273.

[4]林毅夫.“潮涌现象”与产能过剩的形成机制[J].经济研究，2010，(10)：4-19.

[5]江飞涛，曹建海.市场失灵还是体制扭曲[J].中国工业经济，2009，(1)：53-63.

[6]王立国，鞠 蕾.地方政府干预、企业过度投资与产能过剩：26个行业样本[J].改革，2012，(6)：52-62.

[7]张占斌，张孝德.产能过剩治理研究[J].经济研究参考，2014，(14)：53-91.

[8]Jovanovic B，Rousseau P L.The Q-theory of mergers[R]. National Bureau of Economic Research，2002，(2)：198-204.

[9]ANDRANDE G, MITCHELL M L, STAFFORD E.New evidence and perspectives on mergers[R]. Harvard Business School Working Paper，2001.

[10]崔永梅，王孟卓.基于SCP理论兼并重组治理产能过剩问题研究——来自工业行业面板数据实证研究[J].经济问题，2016，(10)：7-13.

[11]CALANTONE R J, CHANK, CUI A S. Decomposing product innovativeness and its effects on new product duccess[J]. Journal of product innovation management，2006，(5)：408-421.

[12]DE-MASSIS A，FRATTINIF, KOTLAR J, et al. Innovation through tradition: lessons from innovation family businesses and directions for research[J]. Academy of management executive，2016，(1)：93-116.

[13]夏晓华，视宇鹏，尹志锋.产能过剩与企业多维创新能力[J].经济管理，2016，(10):25-39.

[14]李后建，张 剑.企业创新对产能过剩的影响机制研究[J].产业经济研究，2017，(2):114-126.

[15]陈爱贞，刘志彪.以并购促进创新：基于全球价值链的中国产业困境突破[J].学术月刊，2016，(12)：63-74.

[16]赵黎黎，黄新建.产能过剩条件下中国钢铁企业并购绩效分析[J].江西社会科学，2010，(10)：86-90.

[17]张晓明，闫 申.中国光伏产业市场势力与并购绩效的实证研究[J].中央财经大学学报，2015，(7)：98-105.

[18]ABOULNASR K, NARASIMHAN O, BLAIR E. Competitive response to radical product innovation[J]. Journal of marketing，2008，72(3)：94-110.

[19]王立国，高越青.基于技术进步视角的产能过剩问题研究[J].财经问题研究，2012，(2)：26-32.

[20]苏中锋，孙 燕.不良竞争环境中管理创新和技术创新对企业绩效的影响研究[J].科学学与科学技术管理，2014(6)：110-118.

[21]周学仁，朱广红，李沙沙.中国战略性新兴产业对外直接投资策略选择：基于产能利用率与国际竞争力的研究[J].科技促进发展，2016，(9)：614-620.