资源相似是技术并购的“福音”吗？——基于能力匹配的视角

任 曙 明， 王 倩， 韩 月 琪， 李 莲 青

(大连理工大学 经济管理学院，辽宁 大连 116024)

一、问题提出

创新是推动经济持续增长的重要因素。2019年两会政府工作报告指出，中国创新存在薄弱环节和深层次问题，企业在关键领域的核心技术依旧受制于人。仅依靠自主研发很难支撑创新需求，企业开始寄希望于技术并购，通过从外部获取创新资源来突破自主研发所面临的“天花板”问题。近年来，技术并购在数量和金额上的增速已经远超过整体并购市场的发展速度，呈现出复苏态势,但却并未从根本上扭转企业创新效果普遍不高的事实。现有文献指出，在技术并购后，大部分企业并未如预期般地提升创新水平[1]。比如，谷歌在收购摩托罗拉之后，虽然吸收了目标方的丰富专利池，却整合失利。由此可见，如何打破技术并购的失败魔咒，提升企业创新水平，是亟待解决的重要问题。

影响技术并购成败的因素有哪些？面对这一问题，传统文献侧重于从资源基础观角度予以解读。比如，Bena和Li认为，并购方创新绩效受到双方技术相似与否的影响，并购成功的关键在于收购具有类似技术资源的目标方[2]；Makri等指出，并购方创新绩效同时受到技术相似性和技术互补性的调节，当技术相似性低而技术互补性高时，创新质量会显著提高[3]；李宇等指出，一些并购方在前期尽职调查时过于仓促，没有挑选到合适的目标方，使得目标方资源与自身资源差距过大，不利于吸收[4]；马双和邹琳也认为，并购双方知识基础的关联程度影响了整合效果，进而决定了技术绩效水平的高低[5]。

尽管这些研究得出了不同的结论，却都从资源基础观角度出发，把技术并购视作对外部资源的获取过程。然而，作为创新活动的重要一环——能力匹配却被大部分研究所忽略。事实上，资源占有并不等同于能力提升，企业必须把资源转化为创新能力，才能真正实现创新水平的有效提升[6]。换言之，仅停留在资源层面还不足以解释技术并购的成败问题，还应该深入到能力层面来继续讨论。实际上，创新是一个复杂过程，企业需要同时具备相应的技术开发能力和技术商业化能力才能完成创新的全过程，而在战略要素层面，当企业缺乏上述某种特定能力时，可以通过对目标方的收购，使得双方所拥有的两种不同能力相互匹配，从而补充企业的已有能力，并帮助企业构筑新的能力体系[7]。比如，通用汽车(GM)和Cruise Automation公司在自动驾驶领域具有相似性，且后者技术更胜一筹，在并购后，后者可以把无人驾驶技术安装在所有汽车上，而无需担心技术兼容问题，这极大地促进了双方能力的有效匹配。因此，技术并购实际上是一个能力匹配的过程，但现有文献中却鲜有提及。

有鉴于此，本文尝试从能力匹配视角揭开企业技术并购的谜团，把技术并购视作企业间技术开发能力、技术商业化能力相互匹配的过程，把并购后企业创新水平视作能力匹配的效果，并分别从技术相似、产品相似等角度，探究了资源相似对能力匹配过程及效果的影响机制。本文的创新在于：其一，构建能力匹配的研究框架，把对技术并购的研究从传统资源基础观视角拓展到能力匹配视角，尝试打开资源与能力的黑箱。区别于传统文献把技术并购落在资源获取上，本文认为技术并购是企业对能力的获取，并进一步探究了资源相似对能力匹配过程、效果的作用机制。其二，把资源相似划分为技术相似和产品相似。技术并购主要涉及技术资源和顾客资源，其中，技术资源是企业创新所直接需要的资源，涵盖了研发、新产品设计和生产工艺等内容，是直接用于开发、应用技术的资源；而顾客资源则是对技术资源的一种有效补充，包括营销渠道管理、客户关系维护和服务管理等内容，是用于识别、满足客户需求的资源。顾客资源是对技术资源的有效补充，有利于防止技术开发过度依赖原有技术路径[8]。其三，在对产品相似的测算上，本文采用文本分析方法，使用Python软件对中国沪深两市A股制造业上市公司的年度报告进行了数据抓取，在分析了年报中有关产品的文本信息内涵后，据此测算了并购双方企业的产品相似程度，从而有效提高了测算精度。

二、理论框架与研究假说

1.能力匹配与技术并购

企业创新是一个从技术开发到技术商业化的复杂过程[9]，技术开发位于前端环节，而技术商业化则处于后端。要想完成这个复杂过程，企业不仅需要具备对应的技术开发能力和技术商业化能力，还必须使两种能力达成有效匹配。一旦技术开发能力与技术商业化能力发生错配，无论是前者强于后者，抑或反之，企业都难以完成从技术到产品的全部创新过程。

然而，受到能力边界的限制，企业的技术开发能力和技术商业化能力常常是不匹配的。一些企业的技术开发能力较强，擅长在前端环节投入资金和人力来开发新技术；而另一些企业的技术商业化能力较强，擅长在后端环节将新技术应用于新产品中，并成功投放市场获利[10]。理论上，企业可以通过自身的内部资源积累来补齐能力短板，比如，技术开发能力欠缺的企业，可以持续增加研发投入，聘用高素质的技术人才，从而在内部扩充技术知识基础；而技术商业化能力欠缺的企业，可以开展市场调研，提升商业嗅觉的敏锐程度，将技术边界与用户场景深度契合，从而将技术的市场价值快速变现。但从实践来看，通过内生积累来实现能力匹配，会耗费大量的时间成本，甚至导致企业在快速变迁的产品市场中丧失先机。

因此，企业往往会实施技术并购，匹配技术开发能力和技术商业化能力。例如，在发达国家，技术商业化能力较强的企业(并购方)会收购技术开发能力较强的企业(目标方)。在市场主导逻辑下，发达国家的小企业在成立之初便具备内生积累技术开发能力的条件。在美国硅谷，活跃在技术开发前沿的科技公司中，大约有80%为员工数不超过50人的中小企业。这是因为：其一，发达国家的市场化水平较高，企业普遍崇尚自由、冒险的创新文化，市场中法律制度完备、知识产权保护力度大，既能减少研发的外部性问题，又能降低技术受到剽窃的可能性，这使得企业的创新意愿十分强烈[11]；其二，发达国家的金融市场发达、融资渠道多、风险投资成熟，人才跨公司、跨地区流动频繁，这使得企业的创新资源较为丰富。然而，相比之下，企业从内部培育技术商业化能力却较为困难，这要求企业在技术开发的基础上，必须占据庞大的市场，并不断提升技术广度，运用敏锐的市场嗅觉，先于竞争者推出更为契合用户场景的新产品，比如苹果、谷歌等。总体上，在发达国家，技术商业化能力较强的企业往往规模更大、经营成熟、现金流稳定、盈利能力较强，更具备发起并购的实力，通过将目标方的技术开发能力嵌入到自身的创新系统中来实现能力匹配。在实践中，苹果收购Real Face、谷歌收购Android，均是典型案例。

与之不同，在中国转型经济背景下，所观察到的实践结果往往是技术开发能力较强的企业(并购方)收购技术商业化能力较强的企业(目标方)，从而达成能力匹配。在政府主导逻辑下，中国的小企业受到外部制度环境的制约，资源稀缺、融资渠道不足、市场准入受限、战略选择空间狭小，面临着残酷的生存竞争，其从内部积累技术开发能力的条件较为苛刻。这是因为：其一，市场中的创新资源被少数成熟或垄断厂商所掌握。这类企业更易获得财政补贴、税收优惠等政策扶持，拥有雄厚的资金实力；同时，这类企业还受到产业政策保护，这意味着后发企业面临较高的进入壁垒，难以在行业中生存[12]。其二，由于市场机制不健全，从事技术开发的企业会面临严重的融资约束，创新意愿薄弱。技术开发具有不确定性高、投资周期长等特点，投资收益无法在短期内衡量；同时，市场中的知识产权保护力度低，企业为了保守商业秘密维持竞争优势，很少披露技术开发的详细内幕，这些因素造成了投资者和企业之间的信息不对称问题，使得投资者要求较高的风险溢价作为补偿，增加创新企业的融资成本[13-14]。这就导致，技术开发能力往往掌握在少数企业手中。以航空航天业为例，该领域内的创新资源主要由科研单位、国有军工企业所包揽，资金雄厚，更有实力发出并购邀约，其他后发企业很难获取类似资源。同样地，企业从内部积累技术商业化能力较为容易。事实上，中国企业普遍更擅长模式创新，通过雇佣具备市场洞察力的高管和产品经理构思商业化路径，将技术与市场有机结合，从而实现高质量的技术商业化并获利[15]。近年来国产手机和共享单车等均是典型的例子。

总体上，在发展中国家，技术开发能力较强的企业往往组织制度完善、研发经验丰富、受到政府政策支持、营业收入稳定、融资渠道良好，更有实力成为并购方，而技术商业化能力较强的企业缺乏创新资源，难以从内部积累技术开发能力，更容易成为目标方。由此，提出假说1：

H1：在中国，技术开发能力较强的企业，更容易收购技术商业化能力较强的目标方，来实现能力匹配。

2.并购前的决策阶段：资源相似、能力匹配与目标方选择

借由并购交易所实现的能力匹配属于“一锤子买卖”，这意味着并购方无法通过重复购买行为来对目标方施加惩戒效应。因此，目标方为了获取较高的溢价补偿，可能会存在散布虚假利好消息的动机，在并购方面前隐藏自己的真实水平，从而加重市场中的信息不对称程度，给并购方带来高昂的交易成本，阻碍能力匹配进程。

这些交易成本涉及：①信息搜集成本。一方面，为了寻找能力匹配的合适目标，并购方(技术开发能力强者)会对目标方(技术商业化能力强者)进行长达数月的前期调研，同时，由于市场中的信息质量参差不齐，还要对所获信息进行二次筛选，这一过程将耗费大量的人力和财力[16]；另一方面，并购方还会雇佣专业的投资银行等中介机构来获取并购资讯，并通过媒体报道等社会渠道来获取目标方的资产状况，从而产生大量成本。这种过度搜索，不仅会增加代价高昂的信息搜集成本，还可能会引发目标方的不满情绪，从而不利于交易的顺利实施。②超额支付成本。一方面，由于目标方所要求的收购价格一般要等于或大于其真实价值，这意味着，当并购方对目标方不甚了解时，可能会对收购后的预期收益产生错误估值，从而支付过高的并购溢价[17]；另一方面，当并购方以股票方式支付并购交易时，由于信息不对称，目标方可能会低估并购方的股票价值，从而向并购方索要过高的溢价作为补偿。

然而，如果技术开发能力强的企业与技术商业化能力强的企业之间具有资源相似性，那么前者就更容易判断后者是否符合自身的能力匹配需求，从而有利于缓解信息不对称和降低交易成本，提高匹配成功的可能性。

首先，从技术相似角度来看，技术相似是指企业间技术知识基础的相似程度，包括在生产工艺、技术革新等方面的相似程度。一方面，倘若并购双方具有技术相似性，那么双方的技术资源相互关联，这意味着并购方对目标方的真实技术能力具有较高的认知度，目标企业难以对自身技术缺陷进行隐瞒，从而有利于降低前期调研工作量，减少信息搜集成本，促进能力匹配的发生。另一方面，倘若并购双方具有技术相似性，那么双方底层技术知识基础是相似的，这意味着并购方对目标方技术能力的契合度和匹配效果有大致的预期，双方更容易沟通并达成价值认同，也更容易就收购价格达成一致，从而减少支付过高并购溢价的可能性，促成能力匹配的发生。

其次，从产品相似角度来看，产品相似是指两家企业在经营业务上的相似程度，这意味着双方在生产工艺、顾客资源等方面存在重叠。一方面，倘若并购双方具有产品相似性，那么双方的顾客资源相互关联，这意味着并购方对目标方的产品市场境况较为了解，二者甚至可能是同一市场中的竞争对手，此时，并购方能够准确鉴别出目标方的客户群体、营销状况和销售收入等信息，避免对目标方的真实意图产生误判，从而减少信息搜集成本，促成能力匹配的发生。另一方面，倘若并购双方具有产品相似性，那么双方的顾客网络会有所联结，并购方可以根据自身顾客资料来反推目标方的真实市场价值，预判目标方产品、服务与动态变化的市场需求是否脱节，这会降低错误估值的可能性，推动并购双方在收购价格、支付方式等方面尽快达成共识，从而减少支付过高并购溢价的可能性，促成能力匹配的发生。由此，提出假说2、3：

H2：技术相似对并购双方的能力匹配过程具有正向促进效果，推动了并购交易的发生。

H3：产品相似对并购双方的能力匹配过程具有正向促进效果，推动了并购交易的发生。

3.并购后的整合阶段：资源相似、能力匹配与企业创新效果

技术开发能力强的企业收购技术商业化能力强的企业之后，在整合阶段，还需对双方的资源开展重组，才能真正完成能力匹配，最终实现创新水平的提升。这里，企业创新水平作为能力匹配的效果体现，也受到了双方资源相似程度的影响。

知识基础观指出，知识是企业能力的重要来源[18]，企业完成能力匹配的关键在于知识基础的有效整合。企业所拥有的知识主要包括显性知识和隐性知识[19]，这些知识共同构成了企业积累、匹配能力的重要基础。其中，显性知识是指以有形资源为载体的明确的知识，主要表现为企业的有形资产；而隐性知识是指在实践过程中由工作人员所掌握的专业化知识，高度内化在工作人员的知识库中，具有一定的知识粘性，无法直接在企业间传递[20-21]。在并购过程中，由于企业间的知识基础存在差异，知识的使用情境、使用方法也发生了改变，这使得目标方的知识结构不一定适用于并购方的知识体系，从而加大了知识整合难度，很容易导致能力匹配的失败，无法有效提升创新水平。

然而，当并购方和目标方之间具有技术相似性时，一方面，目标方的设备图纸等显性知识在并购方的技术环境下具有较强的适用性，有利于产生规模经济和范围经济，从技术层面促进显性知识的高度整合；另一方面，并购双方技术人员所使用的技术范式是相类似的，这在一定程度上避免了因知识库的不同而存在的信息不对称问题，有利于加强研发团队间的学习和交流，提高并购方吸收能力，从技术层面促进隐性知识的高度整合。

此外，当并购方和目标方之间具有产品相似性时，一方面，并购双方在产品分销渠道、服务网络和顾客认知等方面存在重叠，目标方的顾客资讯、产品信息等显性知识可以作为有效补充，为并购方后续产品开发提供新的反馈，有利于从产品层面促进显性知识的高度整合；另一方面，并购双方营销人员具有同质性的经验、技能和渠道，并购方可以吸纳目标方的营销人员，有利于从产品层面促进隐性知识的高度整合[22]。

总体上，在技术相似和产品相似的条件下，并购方对目标方的显性知识和隐性知识进行解构、融合与重组的难度会有所降低，有利于加深显性、隐性知识整合程度，减少冗余知识资源，扩大企业原有的知识基础规模，从而达成较好的能力匹配效果，并最终体现为创新水平的提升[23]。由此，提出假说4、5：

H4：技术相似对并购双方的能力匹配效果具有正向促进作用，推动了创新水平的提升。

H5：产品相似对并购双方的能力匹配效果具有正向促进作用，推动了创新水平的提升。

三、研究设计

1.数据来源与样本选取

本文以2003～2012年中国A股制造业上市公司的并购事件作为初始研究样本。其中，并购数据来源于WIND资讯金融终端，专利数据来源于国家知识产权局发布的专利公告，企业数据来源于CSMAR国泰安经济金融研究数据库和RESSET股票系列数据库等。

本文对初始研究样本进行了如下筛选：依据中国证监会《上市公司行业分类指引》(2012版)筛选出买卖双方均为制造业上市公司的事件；剔除最终交易失败的并购事件；剔除属于关联交易的并购事件；剔除并购方和目标方中至少有一方为ST类或PT类企业的并购事件；剔除数据不完整或缺失严重的并购事件；若企业在同一年份中发起多次并购交易，则保留第一次事件。此外，参考张峥和聂思的研究[24]把技术并购界定为，要么目标方在并购发生前5年内获得过专利，要么并购公告直接指出并购目的是提升技术，二者满足其一即可。最终，共得到68个技术并购事件。

本文通过构造配对样本的方法来检验假说1。①将筛选所得的68个并购事件的并购方(或目标方)作为实验组；②参考陈仕华等的研究[25]，随机抽样选取与实验组处于同一行业(证监会公布的制造业二级分类代码相同)且规模相近(公司总资产位于实验组企业的70%～130%之间即可)的5个制造业上市公司作为控制组；③在构造控制组时，为了消除以往并购经历对当前并购事件的影响，选取考察期(并购事件发生年份)前3年和当年均未参与过并购交易的企业，从而得到最终配对样本。在匹配完成后，本文分别得到并购方配对样本和目标方配对样本，这两个配对样本中的企业个数均为408个。其中，实验组企业个数均为68个，控制组企业个数均为340个，如表1所示。

表1 发生并购交易的企业数量以及初始研究样本：2003～2012年

本文通过构造配对样本的方法来检验假说2。①将筛选所得的68个并购事件作为实验组；②在假说1的基础上，把实验组并购方(或目标方)记为Acquirer(或Target)，把配对的并购方(或目标方)记为A1～A5(T1～T5)；③在每一个实验组并购事件中，将买方Acquirer与5个卖方配对企业(T1～T5)匹配，将卖方Target与5个买方配对企业(A1～A5)匹配，最终，每一个实验组并购事件(Acquirer与Target)均匹配到10个控制组并购事件，分别为Acquirer与T1～T5、Target与A1～A5。在匹配完成后，并购事件配对样本个数变为748个。其中，实验组并购事件个数为68个，控制组并购事件个数为680个，如表2所示。

表2 并购事件的数量以及初始研究样本：2003～2012年

最后，本文使用最初筛选所得的68个并购交易事件中的并购方子样本来检验假说3，如表3所示。

表3 并购方的企业数量：2003～2012年

2.技术相似性测算

有关技术相似性的测算，主要有3种方法，包括专利引文分析、基于专利申请书的文本分析，以及基于国际专利分类号(IPC)的分析。其中，专利引文分析是指，通过专利申请书中的引文链接，查找到与该技术相关的其他专利信息，从而测算出技术相似性；基于专利申请书的文本分析是指，选用某一技术领域内的多个专利申请书并提取高频词汇，在矢量化各专利后，来进行欧氏距离的测算，并通过数据可视化工具反映在图形中[26]；基于国际专利分类号(IPC)的分析是指，将两家企业在同一专利分类号下所拥有的专利数的比重作为衡量技术相似性的标准[27]。

考虑到当前中国专利数据的总体特点，本文选取广泛使用的基于国际专利分类号(IPC)的测算方法来计算技术相似性。具体地，将技术相似性表示为，两家企业在同一专利分类号下所重合的专利数占双方专利总数的比值。为了避免专利数据过于陈旧对实验结果产生干扰，本文主要对并购发生前3年的专利号进行搜索和记录，即搜集并购方和目标方在并购发生前3年内的专利数(不包括并购当年)，分别记为PA和PB，然后将企业双方在同一时期内各个专利分类号下所重叠的专利总数记为P0。由于外观设计专利并不涉及企业的核心技术，且极易被模仿，所测算的技术重叠往往比真实值更高，为了减少误差，本文在计算时予以剔除。由此，得出企业间的技术相似性为：

(1)

此外，依据国际专利分类号(IPC)，企业的专利分为“部”“大类”和“小类”3个层级。本文基于式(1)，进一步测算了不同层级下企业间的技术相似性。

3.产品相似性测算

产品相似是指两家企业在经营业务上的类似程度，在数值上等于两家企业经营业务文本向量的内积空间夹角余弦值。参考Hoberg和Phillips，本文采用文本分析方法来测算产品相似性[28]：

首先，提取企业经营业务字段。本文使用Python软件爬取样本企业在并购当年的年度报告书，然后提取了年度报告中的“经营业务范围”文本内容。由于年度报告在多处均涉及到该字段，本文最终只保留“本公司经营业务”“全资子公司经营业务”和“所控股公司的经营业务”3个字段。

其次，对经营业务字段进行分词处理。具体地，对于能够充分反映出企业产品信息的名词或词组予以保留，对介词、形容词、连词和副词等“停用词”(如“的”“在”“是”等)予以剔除，最后根据有效词汇出现的频次，从高到低进行排序，进而构建出本文计算产品相似性的文本语料库。

最后，利用余弦相似性定理来计算产品相似性。定义一个标量J，其在数值上等于语料库中词语的数量。设定一个J维空间向量Wi,t，代表公司i在第t年的文本向量。值得注意的是，该J维空间向量的每一个元素，都对应语料库中的一个词，若特定词汇出现在公司i第t年的主营业务字段中，将该位置的元素赋值为1，否则为0。为了剔除各个公司经营业务字段文本长度不同所带来的影响，本文将Wi,t标准化，记为ni,t，用公式表达为：

(2)

此时，公司i和公司j的产品相似性就等于二者标准化向量的点积，即：

ProductSimilarity=(ni,t·nj,t)

(3)

4.模型设定与变量说明

为了检验假说1，本文建立了计量经济模型，如式(4)所示，分别使用并购方配对样本、目标方配对样本进行回归。

Y=β0+β1Innov1+β2Innov2+∑Controls+μ+ε

(4)

其中，被解释变量Y表示并购角色，当企业为实验组并购方(或目标方)时，取值为1；当企业为控制组并购方(或目标方)时，取值为0。解释变量Innov1表示技术开发能力，Innov2表示技术商业化能力。Controls为控制变量，μ表示交易的固定效应，ε表示随机干扰项。

为了检验假说2、3，本文建立了计量经济模型，如式(5)、(6)所示：

Y=β0+β1TechOverlap+∑AControls+

∑TControls+β2SameIndu+β3SamePlace+μ+ε

(5)

Y=β0+β1ProductSimilarity+∑AControls+∑TControls+β2SameIndu+β3SamePlace+μ+ε

(6)

其中，被解释变量Y表示并购交易事件，当企业为真实并购交易组合时取值为1，若为匹配的控制组时则为0。解释变量TechOverlap表示技术相似性，ProductSimilarity表示产品相似性，AControls和TControls分别表示并购方和目标方的控制变量，μ表示交易的固定效应，ε表示随机干扰项。此外，考虑到企业所属行业和地区会对并购交易造成一定影响，本文还控制了同行业指示调节变量SameIndu，当并购双方位于同一行业(即证监会公布的制造业二级分类代码相同)时取值为1，否则为0；以及同地区指示调节变量SamePlace，当并购双方位于同一城市时取值为1，否则为0。

为了检验假说4、5，本文建立了计量经济模型，如式(7)、(8)所示：

E(Patent0|x)=exp(β0+β1TechOverlap+∑Controls+μ+ε)

(7)

E(Patent0|x)=exp(β0+β1ProductSimilarity+∑Controls+μ+ε)

(8)

其中，被解释变量Patent0表示并购方的创新水平，用并购方在交易完成后3年内所申请的专利总数来表示。解释变量TechOverlap表示技术相似性，ProductSimilarity表示产品相似性，Controls为控制变量，μ表示交易的固定效应，ε表示随机干扰项。

在式(5)～(8)中，各变量的衡量指标分别为：

①产品相似性(ProductSimilarity)。本文构建两个指标来衡量并购企业间的产品相似性水平。其一，如前文所述，根据式(3)直接计算出产品相似性，记为ProductSimilarity1，其取值介于0～1之间；其二，设置虚拟变量，记为ProductSimilarity2，将产品相似性在数值上按50%分位分为两组，把产品相似性水平较高的组赋值为1，较低的组赋值为0。

②技术开发能力(Innov2)。参考李林木和汪冲、任曙明等的研究[29-30]，本文把企业创新投入作为度量技术开发能力的指标：研发强度(RD)，即企业的研发费用与销售收入之比；研发投入增长速度(ΔRD)，即企业相对于前一年的研发投入增长率。

③技术商业化能力(Innov2)。Chen、Nevens等指出[31-32]，企业的技术商业化能力受到3种因素的影响，分别是专利、市场范围和技术商业化速度。考虑到数据的可获得性，本文从专利视角入手，把企业专利数据作为度量技术商业化能力的指标：专利总数Patent，即企业累计申请的专利总数的自然对数；专利持有年限(Age_Patent)，即所有专利持有年限的平均值；专利增长速度(ΔPatent)，即企业相对于前一年的专利数量增长率。

④控制变量(Controls)。在式(4)～(6)中，本文选取了如下控制变量：企业规模(Size)，用总资产的自然对数来表示；企业年龄(Age)，取自然对数值；企业成长性(Growth)，用主营业务收入的增长率来表示；企业资产负债率(Leverage)，用负债合计除以总资产来表示；企业现金总资产之比(Cash)，用期末现金及现金等价物与总资产的比值来表示；企业账面市值比(B/M)，用所有者权益与市值之比来表示；企业股权集中度，用前十大股东持股比例Top10来表示。在式(7)、(8)中，为了准确地估计并购方的创新水平，并减少遗漏变量所带来的偏误，本文在上述控制变量的基础上，又增加了相对知识基础规模(Re_Know)作为控制变量，用并购发生前3年内目标方和并购方所申请的专利总数之比来表示。同时，由于企业的创新水平还受到市场竞争程度的影响[33]，本文还增加了市场竞争程度的Compete作为控制变量，用1与HHI之差来表示[34]。

本文采用条件Logit模型检验假说1～3。对于假说4、5，温成玉和刘志新指出[35]，由于企业的专利数为计数型数据，违反了线性模型中有关残差服从正态分布的假定，应该采用泊松回归；然而，泊松回归的局限在于“均等分散”，即要求被解释变量的期望和方差相等，而在本文样本中，二者数值相差较大，存在“过度分散”的问题，因此，应该使用负二项回归进行检验。此外，为了减轻内生性问题，本文将所有解释变量和控制变量(不包括企业年龄)均滞后一期，并对所有连续变量进行了上下1%的Winsorize处理。

四、模型估计与结果分析

1.描述性统计

为了更加直观地展现并购方配对样本、目标方配对样本和并购交易事件所涉及变量的总体情况，本文进行了变量的描述性统计，如表4和表5所示。在假说1的样本中，并购方的创新投入RD的均值要明显高于目标方企业，标准差值相对较小，这表明，并购方的技术开发能力要远远高于目标方企业；相反地，目标方的创新产出Patent的均值要明显高于并购方企业，标准差值相对较小，这表明，目标方的技术商业化能力要远远高于并购方企业。在假说3的样本中，被解释变量Patent0的均值为34.7167，标准差为144.9512，这表明，并购方企业的创新水平存在较大差异。此外，技术相似性TechOverlap在“部”“大类”和“小类”3种层级下存在一定差异。从总体上看，样本数据特征与研究假说基本保持一致。

表4 描述性统计(一)

表5 描述性统计(二)

2.对能力匹配与技术并购的检验结果

本文使用条件Logit模型来检验假说1～3。值得注意的是，条件Logit模型所直接返回的估计参数是事件发生的“对数几率比”(Log-Odds Ratio)，并非自变量对因变量的边际影响，即“几率比”(Odds Ratio)[36]。

如表6、7所示，依据式(4)来检验假说1。表6为并购方配对样本的回归结果：对并购方而言，在“Log-Odds Ratio”一栏中，其研发投入RD的系数在10%的水平上显著为正，专利产出Patent的系数在5%的水平上显著为负，专利持有年限Age_Patent的系数在1%的水平上也显著为负。这一结果表明，研发投入较高，即技术开发能力较强的企业，成为并购方的概率更大；而专利产出较高，即技术商业化能力较强的企业，成为并购方的概率更小。在“Odds Ratio”一栏中，可以对该结果进行更加直观地理解。具体地，研发投入RD的系数分别为91.1699和384.9359表明，研发投入每增加1%，企业成为并购方的概率将分别变为原来的91.1699倍和384.9359倍；专利产出Patent的系数为0.8328和0.8318表明，专利产出每增加1%，企业成为并购方的概率将分别下降16.72%和16.82%；专利持有年限Age_Patent的系数为0.7289和0.7256表明，专利持有年限每增加1%，企业成为并购方的概率将分别下降27.11%和27.44%。其他变量的系数大致符合预期以及现有研究的结论。

表6 并购方配对样本的回归结果

表7为目标方配对样本的回归结果：对目标方而言，在“Log-OddsRatio”一栏中，其研发投入RD的系数在5%的水平上显著为负，专利产出Patent的系数在5%和1%的水平上均显著为正，专利持有年限Age_Patent的系数在10%的水平上也显著为正。这一结果表明，专利产出较高，即技术商业化能力较强的企业，成为目标方的概率更大，而研发投入较高，即技术开发能力较强的企业，成为目标方的概率更小。在“OddsRatio”一栏中，可以对该结果进行更加直观的理解。具体地，研发投入RD的系数均为0.0001表明，研发投入每增加1%，企业成为目标方的概率将下降99.99%；专利产出Patent的系数分别为1.1838和1.2482表明，专利产出每增加1%，企业成为目标方的概率将分别变为原来的1.1838倍和1.2482倍；专利持有年限Age_Patent的系数分别为1.0699和1.0481表明，专利持有年限每增加1%，企业成为目标方的概率将分别变为原来的1.0699倍和1.0481倍。其他变量的系数大致符合预期以及现有研究的结论。

表7 目标方配对样本的回归结果

2.对资源相似、能力匹配与目标方选择的检验结果

如表8所示，依据式(5)来检验假说2。表8为并购事件配对样本的回归结果，由于篇幅所限，主要报告了技术相似性这一主要解释变量的估计结果：在“Log-OddsRatio”一栏中，“部”“大类”和“小类”这3个层级下的技术相似性系数均为正值，且“小类”层级下的技术相似性系数在10%的统计水平上较为显著；在“OddsRatio”一栏中，“小类”层级下的技术相似性系数要远远大于其他两个层级。这些结果均证明了假说2是成立的，即在技术相似性的条件下，企业间的技术并购交易更容易发生，技术相似性对并购方和目标方的能力匹配过程存在着正向促进效果。其他变量的系数大致符合预期以及现有研究的结论。然而，值得注意的是，在“部”和“大类”层级下的技术相似性系数是不显著的，而在“小类”层级下的技术相似性系数则是显著的；此外，在“部”“大类”和“小类”层级下的技术相似性系数值呈现递增的趋势。本文认为，出现上述结果的原因可能在于：在国际专利分类号(IPC)方法下，共设有8个部、127个大类和637个小类，分别涵盖了生活必需、化学、冶金和机械等领域；其中，“部”和“大类”对企业专利的分类较为粗糙，只能初步衡量企业在广义技术领域内的重叠情况，其精确度相对较低，甚至可能会造成技术相似性的测算结果产生虚高的结果，从而影响到计量结果的准确性；而“小类”对企业专利的分类较为详细，可以进一步衡量企业在具体细分技术领域内的重叠情况，其精确度相对较高，可以更加准确地反映计量结果。

表8 并购交易事件的回归结果

如表9所示，依据式(6)来检验假说3。表9为技术并购事件配对样本的回归结果：在“Log-OddsRatio”一栏中，ProductSimilarity1和ProductSimilarity2的系数均在1%水平上显著为正，这表明无论是采用连续变量还是虚拟变量来度量产品相似，产品相似均会促进企业间技术并购交易的发生，即并购双方的产品相似性水平越高，发生技术并购的可能性越大。在“OddsRatio”一栏中，可以对实证结果进行更为直观地理解和认识。具体而言，ProductSimilarity1的系数为2.3322表明，并购方和目标方之间的产品相似性程度每增加1%，双方企业发生技术并购的概率将变为原来的2.3322倍；ProductSimilarity2的系数为4.1331表明，并购方和目标方之间的产品相似性程度每增加1%，双方企业发生技术并购的概率将变为原来的4.1331倍。这些结果均证明了假说3是成立的，即在产品相似性的条件下，企业间的技术并购交易更容易发生，产品相似性对并购方和目标方的能力匹配过程存在着正向促进作用。其他变量的系数大致符合预期以及现有研究的结论。

表9 产品相似对技术并购决策的回归结果

由于式(6)涉及到并购方和目标方的多个控制变量如企业规模、企业年龄、企业成长性等，数目较为繁多，为篇幅所限，在此予以省略。

3.对资源相似、能力匹配与企业创新效果的检验结果

如表10所示，本文使用负二项回归，依据式(7)、(8)来检验假说4、5。表10为并购方(技术开发能力强者)创新水平的回归结果：前三列为技术相似性的影响结果。企业在“小类”层级下的技术相似性系数在1%的统计水平上显著为正，在“部”和“大类”层级下的企业相似性系数虽然不显著，但是其值为正值；此外，在“部”“大类”和“小类”层级下的技术相似性系数值呈现递增的规律趋势。其他变量的系数大致符合预期以及现有研究的结论。上述结果表明，在技术相似性的条件下，并购方创新水平能够较快增长，技术相似性确实提高了并购双方的能力匹配效果，从而验证了假说4。值得注意的是，技术相似性系数在“小类”层级下较为显著，而在“部”“大类”层级下则不显著，这可能因为当企业在细分技术领域内存在技术相似性时，双方技术知识基础的重叠程度更深，双方对彼此的技术知识有着更加深入的理解和认知，这有助于并购后的知识整合，更容易产生技术协同效应，从而显著提高创新绩效。后两列为产品相似性的影响结果。ProductSimilarity1和ProductSimilarity2的系数在5%的水平上显著为正，这表明无论是采用连续变量还是虚拟变量来度量产品相似，在并购完成后，产品相似对并购方的创新水平均具有显著的正向促进效果。这一结果支持了本文的研究假说5。其他变量的系数大致符合预期以及现有研究的结论，在此不做赘述。

表10 并购方创新水平的回归结果

4.稳健性检验

对表10的结果进行稳健性检验。首先，考虑到当被解释变量的方差和期望值显著不等时，模型存在“过度分散”的问题，除了使用负二项回归以外，还可以使用泊松回归的方法，但必须辅以稳健标准误进行参数估计，来消除模型设定所带来的估计偏误[37]。本文参考高厚宾和吴先明[38]，使用“泊松回归+稳健标准误”的方法来进行稳健性检验，如表11所示。

表11 并购方创新水平的回归结果：泊松回归

其次，更换被解释变量的衡量指标。为了增强计量结果的稳健性程度，本文将假说4、5中的被解释变量Patent0替换为并购方在交易完成后两年内所申请的专利总数，并保持解释变量和其他控制变量不变，重新进行了稳健性检验，其结果如表12所示。从表12稳健性检验结果可以发现，在替换了被解释变量后，技术相似、产品相似对并购方企业创新水平的正向影响不发生改变。总之，在充分考虑了计量经济模型设定、变量选取等所带来的偏误后，本文的主要结论依然是成立的。

表12 并购方创新水平的回归结果：稳健性检验

五、结论与启示

本文扎根于中国转型经济背景，把企业技术并购视作能力匹配的过程，把企业创新绩效视作能力匹配的效果，并分别从技术相似、产品相似角度，考察了资源相似对企业能力匹配过程、效果的作用机制。研究结果表明：技术开发能力强的企业，更容易收购技术商业化能力强的目标方，来实现能力匹配过程；当并购双方之间具有技术相似、产品相似的特征时，更容易通过技术并购来达成能力匹配；此外，并购双方的技术相似、产品相似程度越高，能力匹配效果越好，体现为企业创新水平越显著。

本文的研究结论具有两方面的启示。首先，对政府来说，应该破除妨碍并购的制度因素，简化对并购的行政审批手续，积极探索在定价、审核、支付方式和再融资渠道等方面的改革工具，从而激发企业并购热情，促进能力匹配；应该提升知识产权审查的质量和效率，加快系统设施建设，压减专利注册及审查周期，为市场主体提供便捷、高效、低成本的专利注册及查询渠道，从而有利于企业精确、快速识别具有相似性的目标方；应该加强对上市公司产品等信息的监管及审查，减少企业对年度报告进行修饰或虚假披露的可能性，确保披露信息的完整性、准确性和真实性，从而有助于企业迅速、准确地识别产品相似程度较高的目标方；应该维护市场机制的自由运行，加强知识产权保护力度，构建公平的外部竞争环境，使得经济环境的发展有利于并购及创新，从而真正释放企业的市场活力。其次，对企业来说，面对复杂多变的市场环境，不能简单重复传统内生有机成长的发展路径，更应该尝试技术并购等手段来实现快速扩张。企业要善于利用自身的资源禀赋，对市场机会保持高度敏感性，准确挑选出具备技术、产品等资源相似特征的目标方，从而提升创新水平。