航空运输、软信息空间传递与企业并购

摘 要：

在企业并购过程中，大量软信息的存在导致难以评估目标企业的真实价值，空间上的地理距离则增加了企业的信息成本和并购风险。利用手机定位信息配对机场位置形成城市双边航空客流数据，在引力模型的分析框架下引入航空客流变量，以此统计分析作为软信息载体的航空客流如何对企业跨城市并购产生影响。实证结果表明：软信息空间传递对企业跨城市并购有显著影响;航空客流对地理距离具有显著正向弹性，且航空运输在1 000公里处存在断点，城际距离在1 000公里以上具有更高的航空客流;城际航空运输促进了企业跨城市并购，其效应超过了地理距离对企業并购的影响。实证结果说明航空运输通过空间压缩机制，提高航空客流，增强软信息传递，促进了企业跨城市并购。

关键词：航空运输;软信息空间传递;企业并购;引力模型;足迹大数据;断点回归

中图分类号：F562.8 文献标识码：A文章编号：1007-2101（2021）04-0091-09

收稿日期：2021-02-03

基金项目：教育部人文社会科学基金“时空压缩视域下港珠澳大桥的资源配置效率研究：效应识别、机制分析与政策选择”（20YJC790015）

作者简介：徐玮（1993-），女，山东烟台人，暨南大学博士研究生。

一、引言

改革开放以来，我国航空运输从一个军事化行业发展成为全球第二大航空运输系统。从改革开放初期只有78个机场，发展到2019年底的238个机场，按不重复距离计算的定期航班航线里程为948.22万千米，覆盖全国90%以上的地级市，旅客吞吐量13.52亿人次①。追求经济效益和时间效率为核心的航空运输在城际经济联系中发挥着越来越重要的作用，我国航空运输网络的快速发展，优化了我国交通供给质量，极大地缩短了城际商务活动时间，不断拓宽超大规模市场的边界，提高了城际经济往来的效率和效益。

《交通强国建设纲要》②中提出“构筑以高铁、航空为主体的大容量、高效率区际快速客运服务，提升主要通道旅客运输能力”。但是关于特定的交通运输方式在我国经济社会发展过程中起重要作用的研究并不充分，大部分文献都集中于高速公路、高速铁路以及铁路等交通基础设施经济效应的研究[1-3]，相比于近年来视角丰富的高铁研究，航空为主体的经济学研究比较缺乏。航空运输作为及时、高效、灵活的长距离交通方式之一，其客流反映城际间商业信息连通度和经济活动交易量，对加快信息的流动和传播，拉近城际经济距离，改善城际经济联系的空间结构具有重要的作用[4]。已有文献大多对交通基础设施影响城际经济联系的研究关注不足，特别是航空运输影响城际经济联系的分析和测度则更少。

新发展阶段中我国的产业组织和企业发展需要形成更强的竞争优势，企业并购是通过形成竞争和规模优势、降低生产和交易成本从而获得竞争优势的重要活动之一。从企业并购的行为看，企业在收购目标企业的过程中存在“柠檬问题”，这种信息不对称问题的存在使目标企业的真实价值难以被准确评估，增加了企业的并购风险和不确定性[5]。在企业并购交易过程中存在着大量的“软信息”用于决策判断，但是这类信息具有定性化特征，又难以被记录和存储，因此，企业直接获取目标企业真实有效的软信息比较困难[6]。一些学者认为地理距离是衡量企业并购中信息不对称问题的主要指标之一。一方面，企业进行异地并购交易时，两个城市间地理距离的远近，影响着两地经济主体之间信息沟通的广度和深度[7]，并购交易涉及企业双方的“共同语言”也会因地理距离远而减少[8]。另一方面，地理距离弱化信息传播，说明从更远的地方学习、吸收新信息将变得更加艰难，并购方对目标企业以及所在城市的了解就越低，这就形成了信息不对称[9]。

解决这一问题的关键在于如何有效获取软信息，减少信息不对称给并购造成的负面影响。Kevin[10]认为，最强的软信息获取来自直接经验、面对面的交流和肢体语言。其原因在于实时获取信息的方式不仅能够传递更多的内涵，而且有利于双方建立起信任关系，使获取到的信息更加真实可信。不仅如此，即使在熟人之间的交流，面对面交流的质量亦高于其他交流方式[10]。显然，地理距离是企业并购的软信息空间传递中的重要因素。当并购企业的经理、资产评估师、财务顾问、会计师、律师与目标企业所处城市较近时，进行并购活动中的软信息搜寻成本以及代理成本就越低，能够识别并购风险、获取更加有价值的信息[11]。当限制交易双方面对面沟通的地理距离问题被尽可能地消除时，企业更容易利用一手信息评估目标企业的真实价值，在一定程度上消弭信息不对称问题，做出合理决策，另外还有利于降低对目标企业的监控成本[8]。由此可见，航空运输网络的拓展，在带来城际航空客流提高的同时，也为城际经济往来的面对面交流提供了便利，促进了企业并购活动中的软信息传递。

本文的主要贡献有：第一，采集质量更高的航空客运数据。相比以往实证文献所采用的民用航空客运周转量，航空足迹数据采集时间间隔点更密集，城市航空客流方向信息更详细;数据包含的信息更全面，度量误差更小，这对研究城市双边经济联系具有重要的意义。第二，在一定程度上补充了基于航空的运输经济效应研究。本文从企业跨城市并购事件产生空间经济联系的角度，量化分析了航空运输对企业并购的影响，并测算了航空运输“压缩”空间提高企业跨城市并购的概率。第三，从空间经济学的视角揭示我国航空运输发展对城际企业并购的影响。[12]航空运输的发展促进城际客流，改善了软信息传递的效率，有利于企业技术的扩散，对城际企业并购产生了积极的影响。

地理距离引发的信息不对称对我国企业的跨城市并购有多大影响？航空运输是否能减少该影响，提高企业并购概率呢？航空运输发挥影响的作用机制是什么？本文对上述问题展开研究，通过将企业跨城市并购数据和航空足迹数据进行配对，构建2015—2018年涉及340个城市的面板数据，利用引力模型考察作为信息传递影响因素之一的距离对企业跨城市并购的影响，采用中介效应分析方法量化航空运输在消弭信息不对称对企业并购影响方面的间接效应，并通过断点回归和样本划分的方法对航空长距离空间压缩机制进行异质性分析。

二、文献综述

新经济地理学的兴起，引发许多学者探讨地理距离维度对经济活动的影响，而地理距离在信息不对称中也扮演着重要的角色，对软信息的影响更为显著。软信息最早出自金融学对信息的研究，为了与融资贷款活动中相对透明、格式固定、易于获取的硬信息进行区分。软信息并没有一个统一的定义，申韬[13]归纳软信息有五种特征，分别是难观测、难获取、相对稳定性、不可比性和来源渠道有限。已有研究对软信息不同于硬信息更详细的说明有：软信息难以量化，以口述或默示为主[14];内容具有主观性和不确定性，内涵的解读需要建立在了解产生信息主體背景的基础上[15];以及软信息更多依赖于人与人之间的面对面接触的方式进行传播[6]。在网络和信息技术高度发达的社会，地理距离对硬信息传播的影响基本消失，但是软信息的传播依然受地理距离的阻碍。因此，大部分研究软信息的学者将地理距离作为软信息的代理变量[16]，他们认为两个经济主体地理距离越近，这为进行实地考察、面对面交流降低了成本，有利于软信息的传播。因此，地理距离仍是软信息传递受限和信息不对称影响经济活动和市场运行的关键因素。

信息不对称对企业并购各个要素和环节都造成不利影响：首先，对并购价格的影响。Dionne等[17]认为企业并购双方距离越远，对收购方企业造成信息不对称，并购方会高估目标企业的价值，造成收购溢价。其次，对目标企业选择的影响。Ragozzino和Reuer[18]认为并购企业离目标企业越近，则能够获取更多信息资源，降低并购过程的逆向选择风险。如果次优目标企业利用自己的信息优势，掩盖自己的劣势，就有很大机会被选中为并购的目标企业。再次，对并购后绩效的影响。Kang和Kim[19]认为企业并购双方的距离在100公里以内的话，并购为企业带来两倍的收益。最后，对并购效率的影响。并购过程是一个系统性工作，从目标企业选择、并购价格确定、并购支付价格，都需要多方进行充分交流协商，而这都需要建立在信息对称的基础上。因此，许多文献从地理邻近（proximity）降低信息不对称的视角对企业并购进行考察，但这类研究主要集中在跨国并购，认为地理距离使前期调研面临更大的信息搜寻成本[20]，少部分学者还考察了本国并购市场中地理距离的影响情况[21]，但都缺少对改善信息不对称问题的深入分析和机制研究。

近年来，随着我国交通基础设施呈现多点突破，涌现出许多相关研究，主要集中在以下几方面：一些学者关注交通基础设施对企业库存和生产率的影响[22];另一些学者考察了交通基础设施对经济增长的影响[23];再有一些学者聚焦于交通基础设施对产业发展的影响[1];此外，还有一些学者研究交通基础设施对区域性经济的影响[24]。也有少数一些文献以交通影响信息不对称的视角，对资本市场进行分析[25]。然而，这些研究都集中于铁路、高速铁路、高速公路等交通基础设施的经济效应，较少涉及企业并购的主题。航空运输是商业活动重要的交通工具之一，也是能影响企业并购中软信息传递和信息不对称问题的重要切入点。另外，相比于已有文献常将地理距离用于信息不对称的研究，利用航空双边客流这种能更好度量城际面对面交流传播信息的数据，有助于从航空运输消弭信息不对称的视角研究对城市双边经济联系的影响。

三、理论分析与研究假说

本文通过扩展古诺模型，分析航空运输发展对两区位企业合并的影响。假设企业合并后利润提高是企业进行合并的动机，模型将地理距离和航空客流通过信息传播机制引入模型，从而分析航空运输对企业并购的影响机制。

（一）模型设定

企业研发受两方面的影响：一是企业自身进行研发投资。企业对研发的投资是研发成果的二次函数（r2i/2），企业对研发的投资越大，研发成果越多。二是企业接受其他地区信息扩散的影响。参考Destmet[26]的研究，我们设定扩散方程为δij=exp〖JB（（〗βAij-γdij+f〖JB））〗，其中，Aij为两地的航空客流情况，dij为两地的地理距离，f是除了距离和航空客流以外其他影响信息扩散的因素、β和γ均为参数。研发的扩散取决于两地距离和客流情况，地理距离越远，信息扩散越弱;两地客流越大，说明两地之间人员接触越多，越有利于信息传播，促进研发扩散。

由扩散方程可以知道，距离和客流共同影响信息扩散，但是距离对信息扩散的影响是负向的，而客流对信息扩散的影响是正向的。这一负一正的影响就从信息扩散的机制为航空客流减弱地理距离对企业并购影响提供了一个渠道。

（二）经营策略

企业在经营中做出选择策略时，并不知道另一家企业所做的选择。在这种情况下，企业采用同时博弈，为了使其所做的选择策略是合理的，它必须猜测另一家企业的选择策略。这个选择策略的博弈包括两阶段：第一阶段，给定企业的最优产量水平，选择与企业利润最大化相对应的研发投入。第二阶段，基于研发策略决定企业的产出水平。给定企业的研发投入，企业根据利润最大化原则来确定企业的最优产量水平。在求模型均衡解时，我们采用逆向方法，先确定最优产量，再确定最优研发水平。因此，由两个企业的最优利润可以确定行业的最优利润水平为：

现在考虑两个企业进行合并，联合选择经营决策实现整合行业利润最大。企业的经营决策仍然分为两个阶段：第一阶段，给定最优产量水平，选择研发投入水平实现产业利润最大化;第二阶段，给定两个企业最优研发投入，企业选择使行业利润最大化的产量水平，两个企业再对行业最优利润进行瓜分。同样，我们采用逆向方法求解行业最优利润水平为：

（三）比较静态分析

上文已经分析了企业合并前后的行业利润，从最优行业利润水平方程可以知道，利润主要受到扩散系数的影响。企业研发在空间上扩散，受到扩散影响的企业，提高了自身的技术水平，技术水平提高使企业能够采用更低成本的生产技术，提高企业利润。而扩散系数由地理距离和航空客流决定，空间距离越近、交通客流越大，扩散系数越高，企业受扩散影响越大，利润也就越高。

企业合并前，行业利润对地理距离的弹性为负相关关系。两个企业距离越远，企业间研发扩散越低，企业利润越低;反之，企业间的地理距离越近，企业间研发扩散越高，形成了研发溢出效应，企业的利润越高。

同理，我们可以证明企业合并前的行业利润对地理距离的弹性为负相关（∑Ri）/dij<0，与双边交通客流的弹性为正相关（∑Ri）/Aij>0。但是合并前后行业利润的地理距离和客流弹性大小不同，企业合并改变了行业利润弹性。

如果合并后的行业利润小于合并前，企业就没有动力进行合并。从概率上讨论，用π表示合并前行业利润大于合并后行业利润的概率，即π=Pr {∑Ri>R}，这也是企业在空间上不存在合并事件的概率。那么这种事件的对立事件就是企业空间上合并的概率，即1-π=Pr {∑Ri≤R}。这个概率就是企业在空间上出现并购事件的概率，这说明只有当企业合并后利润足够大，企业才有动力寻求合并。

根据以上分析，本文形成如下假说：

假说1：企业跨城市并购受到软信息不对称的影响。城市之间的地理距离越远，信息不对称程度越高，对并购活动中目标企业选择、价格制定、并购绩效、并购后企业融合均有影响，因此，企业发生城际并购的概率也相应变小。

假说2：航空运输产生空间压缩效应。航空运输的发展，极大地压缩时间和空间，降低了人口跨城市移动的成本，并且航空运输具有长距离运输的优点，城市之间的地理距离越远，城际航空客流越大。

假说3：航空运输促进企业跨城市并购。随着城际航空客流提高，城际面对面接触获取软信息的人越多，越有利于城际软信息传递，减少企业之间信息不对称，提高企业跨城市并购的概率。

假说 4：航空运输的空间压缩机制影响企业空间并购。航空运输发展压缩了地理空间，提高了城际航空客流，降低了企业并购受地理距离的影响，从而消弭信息不对称对企业的影响，促进了企业空间并购。

四、实证检验

（一）实证策略

本文的核心问题是航空运输是否能压缩地理空间，减少信息不对称对企业并购的影响。为了实证这一观点，本文设计以下几个实证步骤进行验证：

第一步，为了检验企业并购受信息不对称（地理距离）的影响程度，参考其他研究将地理距离作为信息不对称的代理变量[16]，本文建立一个企业并购的引力计量模型[27]，通过检验企业并购对地理距离弹性来研究受地理距离影响程度。引力计量模型如下所示：

其中，下标d和o分别表示城市d和城市o，下标t表示时间（下同），Mdot为虚拟变量，在时期t，如果城市d和城市o之间的企业发生并购事件，则为1，否则为0。distdo为城市d和城市o的质心点的直线距离，δdt和δot分别为城市交叉时间的固定效应（下同），dot为随机扰动项。该引力模型是一个线性概率模型，本文实证基准分析部分采用吸收多级固定效应线性回归方法对线性概率模型进行回归。如果系数β1为负值且显著的话，说明城际距离越远，城际企业发生并购的概率越低，从而验证假说1，否则假说1不成立。

第二步，为了检验航空运输的空间压缩效应。本文同样建立一个航空客流的引力计量模型，通过城际航空客流对地理距离弹性的识别，对假说2进行验证。建立如下计量模型：

其中，πdot表示城市d和城市o在第t期的航空客流。如果实证检验后系数γ1显著为正值的话，说明距离越远，航空客流越大，验证假说2;反之，如果系数γ1显著为负值的话，说明距离越近，航空客流越大，假说2不成立。此外本文还对航空客流是否在地理距离上存在断点进行检验，利用断点回归更为严格的因果推断方法实证航空运输具有长距离运输的特点，从而验证航空在长距离环境下是否具备突出的空间压缩效应。

第三步，检验航空运输对企业空间并购的影响。本文通过计量模型识别出企业空间并购对航空客流的弹性，分析城际航空运输对企业空间并购的影响，建立以下计量模型：

如果系数α1为正值且显著，说明城际航空客流越大，城际面对面交流的人越多，越有利于软信息传递，减少信息不对称，越可能发生跨城市企业并购，验证假说3;否则，假说3不成立。

第四步，实证航空运输通过压缩地理空间，减少地理距离（软信息传递）对企业并购的影响，促进企业的并购。本文参考研究交通基础设施常用的中介效应模型[23]，在第一步的模型基础上，增加航空客流的变量，控制住客流的影响，建立如下计量模型：

将第四步回归结果和第一步的回归进行对比。第四步的模型是在第一步的模型基础上增加变量控制航空客流的影响，参考Judd和Kenny[28]中介效应计算方法，在企业空间并购中航空运输压缩地理空间机制的效应为β1-β'1。本文预期地理距离变量的系数|β'1|>|β1|，说明控制了航空客流的影响，地理距离对企业空间并购影响更大。

以上四个步骤的实证策略的思路如图1所示，这四个步骤提供实证框架：验证在信息不对称对企业并购的影响（第一步）和航空运输压缩地理空间（第二步）的前提下，是否能通过航空压缩地理空间、减少信息不对称的机制，降低地理空间对企业并购的影响（第三步、第四步）。

（二）数据来源及计算

本文采用的数据主要有以下几类：第一类是城市对双边航空客流数据（πdot）。该数据是微观个体足迹数据配对航空机场位置的，足迹大数据来自腾讯旗下包括微信、QQ和地图等产品在内的手机定位信息。截至2019年，我国手机移动用户数高达16亿，普及率为14.4部/百人。腾讯的日定位服务达到百亿次数，行业内日定位服务次数第一。足迹大数据正是基于这些微观定位得到的时间序列轨迹，利用每个人的时间序列轨迹数据和城市机场位置数据配对，可以得到2015—2018年340×340个地级城市之间双边航空客流数据。

第二类是企业空间并购数据（Mdot）。企业空间并购数据来自国泰安数據库的公司并购重组数据，国泰安数据库为发生的每件并购重组事件指定一个唯一的id。[JP+1]在交易涉及方明细表中，每个并购重组事件id的交易涉及方所在地级市不是同一个城市，表示这两个城市发生并购重组，将这一对城市标记为1，否则记为0，于是形成2015—2018年340×340个地级市之间企业空间并购虚拟变量。

第三类是地级市之间地理距离数据（distdo）。首先通过百度地图提供的应用接口（API），获得340个城市质心点的经纬度数据;然后利用Stata提供的geodist命令，根据城市经纬度数据计算340个城市之间的直线距离，由此，形成了340×340个城市对之间的地理距离变量。

完成上述数据的收集与计算后，将城市和年份作为id，依据这一id将这些数据进行配对，形成一个面板数据，主要变量的描述性统计如表1所示。航空客流最大前五条航线依次是：重庆—北京、重庆—上海、深圳—上海、上海—广州、上海—北京，这些航线最大客流时均超过1万人/天，它们有一个共同的特点是航线距离均超过1 000千米。城市地理距离的标准差较大，这说明城市地理分布不均衡。通过对初选样本进行筛选后，一共有331件有效的企业并购事件，涉及135个城市。

（三）实证结果分析

1. 基准回归结果。首先，采用实证策略第一步的模型（5）进行回归，回归结果如表2第（1）列所示，企业空间并购对地理距离的弹性为负值，且在1%的水平下显著异于零（估计系数为-0.011 5，对应的t值为0.002 7），城际地理距离每增加1 000千米，企业发生空间并购的概率下降1.15%。这说明城际地理距离越远，城际软信息传递越弱，企业发生并购的概率越低。

其次，表2第（2）列为实证策略第二步模型（6）的回归结果，系数为1.129 3，且显著。该系数说明航空客流与地理距离呈正相关，城际的地理距离每增加1 000千米，城际航空客流增加1.129 3万人/天。航空客流具有正地理距离弹性，与航空运输具有长距离运输优势的特点密切相关。这与Campante和Yanagizawa-Drott[29]研究长距离航空运输的观点相吻合，此外，本文将在文章后续部分参考他们的研究方法（断点回归）对该观点作更深入的分析。

再次，本文接着对实证策略第三步模型（7）进行回归，结果如表2第（3）列所示。估计得到的系数为0.023 5，系数值为正值且显著，[JP+1]说明企业空间并购与航空客流具有正向关系，城际的航空客流每天增加1万人次，企业发生城际并购的概率增大2.35%。随着城际航空客流的增大，城际经济联系越紧密，城际软信息传递越高效，为城际企业空间并购发生创造了条件，从而提高了并购发生的概率。

最后，对实证策略第四步模型（8）进行检验，得到表2第（4）列的回归结果。第（4）列将企业空间并购对地理距离和航空客流进行回归，得到的系数符号都符合预期，且都显著。与第（1）列进行对比，第（4）列增加了航空客流变量，控制了航空客流的影响，企业跨城市并购对地理距离的弹性绝对值增大。这说明，在企业跨城市并购中，航空运输压缩地理空间机制的中介效应是0.25%。这意味着将航空客流对企业空间并购的影响剔除，此时，缺少航空客流这一软信息传递载体，企业并购局限于地理距离空间的影响更大。

2. 航空长距离空间压缩机制。以上基准回归已经通过全样本基本证实四条研究假设。企业跨城市并购受到地理距离（软信息传递）的影响，但是航空运输具有压缩地理空间的机制，将减少企业跨城市并购受地理距离影响的程度。那么航空运输是否在长距离情况下，对压缩地理空间更明显，更能促进企业并购呢？本部分进一步通过断点回归和样本划分的方法对这个问题进行实证分析。

首先，本文利用一个城际航空客流与地理距离的散点图进行分析，如图2所示，横轴表示城市对的地理距离，纵轴表示城市对的航空客流，从图2中可以清楚地看到距离1 000千米的城市对的航空客流存在一个跳跃，并且1 000千米以上的散点更密集。这初步说明了航空运输对长距离运输更有优势，航空运输对1 000千米以上的城市对可能具有更强的空间压缩效应，提高企业跨城市并购的概率。

其次，利用断点回归的方法对城际航空客流在空间距离上存在一个断点进行因果推断。断点回归设计最早由Thistlethwaite和Campbell[30]提出，近年来得益于因果推断的严格理论基础而被学者广泛采用。断点回归是通过地理距离在1 000千米的临界值（cut-off point）的规则决定了城市对是否受到“处理”，在临界值的两边，处理变量发生概率的变化，此时，城市对距离落在1 000千米的临界值两边可以看作是随机的，我们把在临界值处发生的“跳跃”叫做处理效应。[JP+1]本文采用该方法识别地理距离对城际航空客流的影响，即考察地理距离临界值是否是航空客流分布的门槛。建立如下的断点回归方程：

其中，πdot是城市双边航空客流，是我们所关心的结果变量，distdo表示城市d和城市o之间的距离，在断点回归模型中被称分组变量。RDod为处理状态变量，是根据分组变量是否超过临界值的规则来确定的（distdo大于临界值，RDdo=1，为处理组;distdo小于等于临界值，RDdo=0，为控制组），g·为驱动变量的平滑函数。

在进行断点回归之前，本文先绘制断点回归图，即在城际地理距离为1 000千米的断点处绘制散点图及拟合曲线（见图3）。从图3可以看到，曲线较好地拟合城际航空客流数据，且在1 000千米处出现明显的断点跳跃。因此，本文继续采用断点回归在断点处识别局部处理效应。

表3为断点回归的估计结果，表3的第（1）—（3）分别用线性、一阶和二阶多项式进行估计，三列均采用均方误差（MSE）最优带宽选择进行断点回归处理效应估计。其中，一阶模型的系数在10%的水平上显著，线性和二阶模型均较为显著，且图3断点回归的拟合曲线为非线性的，因此采用二阶最优频宽的估计结果。相比1 000千米以下的城际航空客流，1 000千米以上的城际航空客流平均每天多7 290人。这说明航空运输对长距离运输有更大的压缩空间优势和航空客流量。

通过断点回归分析，本文已经很清楚航空运输在1 000千米以上地理距离具有更大优势。那么在1 000千米以上距离的城际航空客流对企业空间并购是否依然有很强的优势呢，本文继续采用划分样本的研究方法对这一问题进行验证。再次利用计量模型（7），对1 000千米以上距离区间的子样本进行回顾，结果如表4所示。表4第（1）列为全样本回归的结果，作为基准参考，第（2）—（4）列为距离区间子样本回归的结果。从结果可以看出，相比第（1）列的基准结果，1 000千米以上距離的城际航空客流对企业并购具有较强的促进作用，在1 300～1 400千米的距离尤为明显。在此距离区间，企业并购对航空客流的弹性为5.09%，也就是说城际航空运输每增加10万客流，企业跨城市并购提高5.09%的概率，比基准分析高2.74个百分点。这些都说明在1 000千米的临界值以上，航空运输压缩空间，促进企业跨城市并购效应更强。

五、结论

本文利用手机定位信息与机场位置配对，以此形成航空客流的面板数据。首先，通过构建一个引力模型分别识别企业并购的距离弹性和航空客流对距离的弹性。其次，利用固定效应模型实证分析航空客流对企业并购的影响。最后，在引力模型的基础上引入航空客流变量构建一个中介效应模型，考察航空运输压缩地理空间，增强城际软信息传递，促进企业跨城市并购概率的表现。

研究结果发现：一方面，企业跨城市并购受到软信息空间传递的显著影响;另一方面，航空长距离运输更具有优势，[JP+1]对企业并购具有更大促进效应，并且该效应超过了软信息对企业并购的影响。综上所述，本文认为航空运输确实能够压缩地理空间，扭转因地理距离造成的信息不对称对企业并购的影响。

本文研究具有以下启示：第一，对航空运输如何压缩地理距离、增强软信息的传递影响企业并购做了严谨的实证分析，与以往的交通基础设施总经济效应不同，本文更强调航线连接城际产生的城市双边经济联系，这丰富了交通基础设施经济效应的讨论，对我国优化便捷舒适的交通运输服务水平、完善当前航空服务网络的运输供给具有参考价值。第二，通过对航空运输影响企业并购进行深入研究，本文发现长距离航空运输通过压缩空间，降低了地理距离对企业并购的影响，这为城市提供一种加强城际经济联系的机制，对不同经济贸易条件和不同发展目标的地方政府而言，在区域发展规划中可以针对性地优化交通结构，支撑区域的资本流动、要素配置、信息传递和产业整合，形成网络规模经济，提升地区竞争优势。第三，结论表明我国企业并购中存在的信息不对称问题，特别是软信息空间传递造成的影响能够得到航空运输对地理空间压缩效应的补偿，提高了企业并购概率，这对企业优化生产环节和提高自身管理水平具有指导性，能够完善企业受规模驱动和成本驱动而形成的并购决策，加強企业间的城际经济联系，提高经济活动交易量，升级和延长产业链，激发我国市场经济活力。

注释：

①数据来自中国民用航空局网站。

②《交通强国建设纲要》，人民出版社2019年版。

③对模型进行数值计算可以得到门槛值。

参考文献：

[1]高翔，龙小宁，杨广亮.交通基础设施与服务业发展——来自县级高速公路和第二次经济普查企业数据的证据[J].管理世界，2015（8）：81-96.

[2]施震凯，邵军，浦正宁.交通基础设施改善与生产率增长：来自铁路大提速的证据[J].世界经济，2018（6）：127-151.

[3]高云虹，李帅娜，王美昌.高铁建设与城市开放发展：来自进出口贸易的证据[J].河北经贸大学学报，2020（6）：74-82.

[4]周一星，胡智勇.从航空运输看中国城市体系的空间网络结构[J].地理研究，2002（3）：276-286.

[5]JR J. Assessing the risk of m&a： bruner's disaster framework applied to berkshire hathaway's gen re acquisition[J]. Strategy & Leadership， 2008， 36（6）： 20-27.

[6]LOUGHRAN T. The impact of firm location on equity issuance[J]. Financial Management， 2008， 37（1）： 1-21.

[7]黄张凯，刘津宇，马光荣.地理位置、高铁与信息：来自中国IPO市场的证据[J].世界经济，2016（10）：127-149.

[8]PETRI B， EERO L. Geography of domestic mergers and acquisitions （m&as）： evidence from matched firm-level data[J]. Regional Studies， 2006， 40（8）： 847-860.

[9]GREUNZ L. Geographically and technologically mediated knowledge spillovers between european regions[J]. The Annals of Regional Science， 2003， 37（4）： 657-680.

[10]KEVIN M. The exaggerated death of geography： learning， proximity and territorial innovation systems[J]. Journal of Economic Geography， 2004， 4（1）： 3-21.

[11]IVKOVI Z， WEISBENNER S. Information diffusion effects in individual investors' common stock purchases： covet thy neighbors' investment choices[J]. Social Science Electronic Publishing， 2007， 20（4）： 1327-1357.

[12]安虎森.空间经济学的一些理论问题[J].河北经贸大学学报，2021（1）：71-78+89.

[13]申韬.国外软信息研究金融文献综述[J].学术论坛，2013（10）：141-145.

[14]PETERSEN M A， RAJAN R G. Does distance still matter？ the information revolution in small business lending[J]. The Journal of Finance， 2002， 57（6）： 2533-2570.

[15]ARNOLD T， FISHE R P H， NORTH D. The effects of ambiguous information on initial and subsequent ipo returns[J]. Financial Management， 2010， 39（4）： 1497-1519.

[16]BICK P，CROOK M D， LYNCH A A， et al. Does distance matter in mergers and acquisitions？[J]. Journal of Financial Research， 2017， 40（1）： 33-54.

[17]DIONNE G， HAYE M L， BERGRES A S. Does asymmetric information affect the premium in mergers and acquisitions？[J]. The Canadian Journal of Economics， 2015， 48（3）： 819-852.

[18]RAGOZZINO R， REUER J J. Geographic distance and corporate acquisitions： signals from ipo firms[J]. Strategic Management Journal， 2011， 32（8）： 876-894.

[19]KANG J K， KIM J M. The geography of block acquisitions[J]. The Journal of Finance， 2008， 63（6）： 2817-2858.

[20]贾镜渝，李文，郭斌.经验是如何影响中国企业跨国并购成败的——基于地理距离与政府角色的视角[J].国际贸易问题，2015（10）：87-97.

[21]BASU N， CHEVRIER M. Distance， information asymmetry， and mergers： evidence from canadian firms[J]. Managerial Finance， 2011， 37（1-2）： 21-33.

[22]李涵，黎志刚.交通基础设施投资对企业库存的影响——基于我国制造业企业面板数据的实证研究[J].管理世界，2009（8）：73-80.

[23]張勋，王旭，万广华，等.交通基础设施促进经济增长的一个综合框架[J].经济研究，2018（1）：50-64.

[24]唐红祥.西部地区交通基础设施对制造业集聚影响的eg指数分析[J].管理世界，2018（8）：178-179.

[25]赵静，黄敬昌，刘峰.高铁开通与股价崩盘风险[J].管理世界，2018（1）：157-168.

[26]DESMET K， ROSSI-HANSBERG E. Spatial development[J]. American Economic Review， 2014（4）：1211-1243.

[27]DONALDSON D. Railroads of the raj： estimating the impact of transportation infrastructure[J]. American Economic Review， 2018， 108（4）： 899-934.

[28]JUDD C M， KENNY D A. Process analysis： estimating mediation in treatment evaluations[J]. Evaluation Review， 1981， 5（5）： 602-619.

[29]CAMPANTE F， YANAGIZAWA-DROTT D. Long-range growth： economic development in the global network of air links[J]. The Quarterly Journal of Economics， 2018， 133（3）： 1395-1458.

[30]THISTLETHWAITE D L， Campbell D T. Regression-discontinuity analysis： an alternative to the ex post facto experiment[J]. Journal of Educational Psychology， 1960， 51（6）： 309-317.

责任编辑：武玲玲

Air Transportation，Soft Information Transmission and Corporate Mergers and Acquisitions

——Based on Regression Discontinuity Analysis

Xu Wei

（School of Economics， Jinan University， Guangzhou Guangdong 510632， China）

Abstract：In the process of M&As，it is difficult to evaluate the real value of the target enterprise due to the existence of a large number of "soft information"，which increases the risk of M&As.This paper matching mobile phone location information and airport location to form urban bilateral airline passenger flow data，the airline passenger flow variable is introduced in the framework of gravity model to analyze how airline passenger flow，as the carrier of "soft information"，affects cross-city mergers and acquisitions.The empirical results show that： "soft information" transmission has a significant impact on cross-city mergers and acquisitions; air passenger flow has a significant positive elasticity to geographical distance，and air transport has a breakpoint at 1，000 km，and inter-city distance has a higher air passenger flow over 1，000 km; inter-city air transport promotes cross-city M&As，which outweighs the impact of geographical distance on M&As.All these empirical results show that air transport improves air passenger flow，enhances the transmission of "soft information" and promotes cross-city mergers and acquisitions through space compressor mechanism.

Key words：air transport; soft information transmission; mergers and acquisitions; gravity model; big footprint data; regression discontinuity