数字并购作为企业应对数字颠覆、实现数字化转型和发展的重要途径，已经成为越来越多企业的战略选择。据波士顿咨询公司 ( BCG) 统计，2017 年数字并购占全球并购市场的 24%，其中三分之二的并购者是想要获取数字能力和技术的非技术型企业，尤其是传统制造业企业。中国的制造业企业也不乏数字并购案例。作为中国传统制造业企业的典型代表，美的集团于 2017 年先后收购了世界领先的德国机器 企业库卡 ( KUKA) 和专注于开发和销售运动控制及自动化解决方案的以色列企业Servotronix，标志着美的集团在经营和生产上战略布局自动化和智能制造领域进入了全新阶段。2020 年 7 月5 日，工业富联通过股份转让的方式收购了鼎捷软件总股本的 15. 19% ( 股份转让价款约 5. 6亿元) ，并以此晋升为第一大股东。鼎捷软件是国内领先的工业软件解决方案提供商，此番收购无疑是工业富联进一步落实 “智能制造 + 工业互联网”双轮驱动战略的重要举措。然而，企业通过数字并购实现的数字化转型能否产生良好的企业绩效以帮助企业打破“数字化转型悖论”，值得我们进一步思考与验证。
▪ 文献来源：唐浩丹,方森辉,蒋殿春.数字化转型的市场绩效：数字并购能提升制造业企业市场势力吗?[J].数量经济技术经济研究,2022,39(12):90-110.
▪ 数据与代码来源：《数量经济技术经济研究》编辑部 ( http://www.jqte.net/）
▪ 关键词：数字并购；市场势力；数字化转型；企业加成率
▪ 主要内容：在数字经济时代 “赢者通吃”的市场竞争格局下，传统企业数字化转型能否获得良好的市场绩效? 本文将数字并购视作企业数字化转型的正向冲击，利用 2011 ～ 2019 年中国制造业上市企业数字并购数据，在双重差分法 ( DID) 的实证框架下对数字并购与企业市场势力之间的因果效应和影响机制进行识别与检验。研究发现，数字并购对制造业企业具有长期持续的市场势力提升效应，且经济意义显著。进一步机制检验表明，数字并购能够通过提高生产率、优化人力资本结构以及强化服务型制造等渠道提升企业市场势力，其中服务型制造强化效应的解释力度最大，是实现企业市场势力提升效应的重要途径。此外，跨境和境内数字并购都能显著提升企业市场势力，但其他异质性分析结果表明，当交易金额较大、主并企业是非国有企业以及主并企业处在平均市场势力较高的行业时，数字并购的市场势力提升效应更为显著。本文在数字并购这一独特视角下探讨了企业数字化转型的市场绩效，为加快建设现代化产业体系、推动经济高质量发展提供了现实依据
▪ 创新点：（1）基于数字并购对企业数字化转型的实质性推动，将数字并购视作企业数字化转型的正向冲击，识别出了企业数字化转型对其市场势力的影响。（2）在一定程度上丰富和拓展了数字投资或企业数字化转型的相关研究，同时还揭示了数字时代的企业竞争与资源配置情况，对政府和企业制定数字化转型战略具有较高的参考价值。
数字并购能够通过直接引入数字技术、数字生态和数字人才，赋能制造业企业数字化转型。在此过程中，企业的生产效率会得到提升，人力资本结构也会得到优化，同时生产性服务要素的占比也会提高，促进制造业企业强化服务型制造。这些转变一方面有助于企业实现生产和销售环节的降本增效，另一方面也会提高产品和服务的质量，使得企业在市场上获得更大的价格优势。结合产业组织领域学者通常采用企业加成率 ( Markups，价格/边际成本) 衡量企业的市场势力，最终我们认为数字并购能够有效提升制造业企业的市场势力。基于上述分析，我们将整体的理论分析框架绘制于图 1。
准确界定和识别数字并购交易，是本文研究开展的前提和关键步骤。基于现有文献的研究 ( Tumbas 等，2017; Hanelt 等，2020; 唐浩丹和蒋殿春，2021) ，我们将以数字资产 ( 数字行业中的企业) 为主要标的的并购定义为数字并购。在本文样本的具体识别上，我们借鉴麦肯锡全球研究院 ( MGI) 以及蒋殿春和唐浩丹 ( 2021) 的做法，依据 PitchBook 数据库的行业分类筛选出了 13 个与制造业密切相关的数字经济行业，并把对这 13 个数字经济行业内的企业发起的并购交易视为数字并购。换句话说，本文识别出的数字并购交易的主并方为制造业企业，而标的方为数字企业。其中按主并企业行业和标的企业行业分类的数字并购样本数量如表 1 所示。
借鉴 Guadalupe 等 ( 2012) 、Stiebale 和 Vencappa ( 2018) 、蒋冠宏 ( 2021) 等研究的做法，将数字并购视为企业数字化转型的正向冲击，并在双重差分法 ( DID) 的实证框架下构建实证模型为：
其中，下标 i 和 t 分别表示企业和年份，MKPit是企业的市场势力。DMAit表示企业是否进行数字并购，发生数字并购的企业 ( 处理组) 在数字并购完成当年及之后年份取 1，未发生数字并购的企业 ( 对照组) 和发生数字并购之前的处理组取 0。若企业在不同年份发生多次数字并购，我们以企业第一次完成数字并购的年份作为处理年份①。需要说明的是，由于同一年完成的多笔数字并购在时间上接近且本文的观察维度为年份维度，因此在本文的实证框架下整体视作一笔交易，即一次冲击。DMAit的系数 β 是本文关注的重点，其刻画了数字并购对企业市场势力的因果效应。若 β 的估计值显著为正则表明发生数字并购的企业在并购发生后企业市场势力的提升幅度明显高于未发生数字并购的企业，即数字并购能够显著提升企业的市场势力。δi 为企业个体固定效应，用于控制不随时间变化的企业特征因素对企业市场势力的影响。θt 为年份固定效应，用于控制仅随时间变化的不可观测因素 ( 如特定年份发生的特殊事件) 对估计结果的影响。εit为随机误差项。所有标准误均聚类到企业层面。
被解释变量: 企业市场势力 ( MKP) 。市场势力是对企业垄断能力的度量，并不简单等同于市场份额 ( 邓忠奇等，2022) 。我们借鉴产业组织领域相关研究的常用做法，以 DeLoecker 和 Warzynski ( 2012) 的方法计算得到的企业加成率衡量企业的市场势力① ( Blonigen和 Pierce，2016; Stiebale 和 Vencappa，2018; 李世刚等，2016; 蒋冠宏，2021) 。
解释变量: 企业是否发生数字并购 ( DMA) 。实际上，该变量由企业分组虚拟变量( Treati，处理组企业取 1，对照组企业取 0) 与事件冲击时间虚拟变量 ( Postit，数字并购完成当年及之后年份取 1，否则取 0) 相乘所得。在双重差分法 ( DID) 的实证框架下，本文将是否发生数字并购 ( DMA) 作为核心解释变量，以检验处理组企业在数字并购完成后是否会有显著不同于对照组企业的市场势力表现，进而探讨制造业企业数字化转型对其市场势力产生的因果效应。同时，由于不同企业完成数字并购的时间并不一致，所以 DMAit = Treati ×Postit是一个随企业个体和时间同时变化的变量，因此本文采用交叠 DID 模型 ( StaggeredDID) 进行估计。
匹配前的全样本回归结果见表 3。为尽可能控制数字并购当年及之前的企业层面可观测因素对估计结果的影响，我们在表 3 的第 ( 2) 、 ( 3) 列回归中分别加入数字并购完成当期和前一期的匹配协变量作为控制变量。此外，根据式 ( 1) ，前述回归均控制了企业固定效应和年份固定效应。整体来看，全样本回归结果稳健，在不同控制变量的情况下，核心解释变量 DMA 的估计系数均保持在 5% 显著性水平下显著为正，表明数字并购能够显著提升企业的市场势力。这一结论与假说 1 的理论预期相符。此外，控制变量的估计结果显示，企业当期和前一期的资本密集度 ( Kint) 越大，越抑制数字并购提升企业市场势力; 相反，企业前一期的经营性现金流量 ( OCF) 越充裕，越促进数字并购提升企业市场势力。这一结果不难理解，固定资产越多的制造业企业往往生产设备更多，传统制造业基础更加 “根深蒂固”，从而导致数字化转型更易面临 “尾大不掉”的难题; 而充裕的经营性现金流量意味着企业经营与发展状况良好，自然有助于数字并购后企业更好地获取市场优势。
为进一步缓解样本选择偏误，我们借鉴 Brucal 等 ( 2019) 的做法，以 “2 位码行业 －年份”为匹配单元对处理组企业进行了 1 ∶ 1 倾向得分最近邻匹配。处理组与对照组经过匹配之后能够更好地规避样本偏差问题，其估计结果更值得我们关注。如前所述，我们以1 ∶ 1倾向得分匹配 ( PSM) 后样本的回归估计作为基准检验，具体检验结果见表 4 第 ( 1)列。可以看到，核心解释变量 DMA 的估计系数在 1% 显著性水平下显著为正，再次验证数字并购对企业的市场势力具有显著的正向影响。并且就系数大小来看，与未发生数字并购的企业相比，企业发生数字并购后的企业加成率平均增加 0. 047，相当于企业加成率均值的3. 3% ，表明数字并购对企业市场势力的推升作用同样具有较为显著的经济意义。此外，当潜在对照组样本远多于处理组样本时，“一对多”的匹配策略能够在牺牲一定匹配精度的同时减小抽样方差，进而增强匹配效力 ( Matching Power) ( DeFond 等，2016) 。鉴于此，我们将匹配比例更换为 1 ∶ 3 后再次进行了回归，具体回归结果见表 4 第 ( 2) 列。可以看到，更换匹配比例之后核心解释变量 DMA 的估计系数依然在 5% 水平下保持显著为正，但系数变为 0. 033，相较于基准回归有所减小。
见推文末尾。
▪ 客服微信方式：
扫描下方二维码，或搜索下方微信号。
添加客服微信号：
DeepData001
获取更多更新数据
1. 除中国深度数据库（CNDD）特殊声明外，CNDD对基于合法来源的数据的选择、整理和编排具有独创性。任何自然人、法人、其他组织未经CNDD授权，不得以任何目的截取、上传、下载、复制、修改、使用、编译等或者以任何方式任何媒介传播上述作品的任何部分，否则视为侵权。
2. 对于存在侵害CNDD上述权利违法行为的主体，CNDD保留依法追究其法律责任的权利。
任何使用CNDD数据等产品的单位和个人，承诺只将CNDD的数据等用于学术研究，并在所得研究成果（包括但不限于学术论文、咨询报告等）中注明数据来源于CNDD。数据来源的注明方式请参考：“本研究数据来源于中国深度数据库CNDD”；英文参考：“We get the data from CNDeepData (CNDD)”。
中国深度数据库：让精品数据 得以流动
CNDeepData：Let high-quality data flow without barriers
