(东华大学旭日工商管理学院 上海 200051)

一、引言

随着科技的变革，创新愈发成为企业核心竞争力的焦点。在竞争越发激烈的市场环境中，企业如果无法保持强劲的创新力，就会面临更高的市场竞争风险。然而，企业要想持续地产出创新产品，单纯借助传统的内部研发是不够的。而技术并购不仅能帮助买方企业获取新的技术知识和能力，还可以使企业凭借规模经济和范围经济减少成本和风险。

我国医药生物企业作为近年来并购市场上最活跃的群体之一，其新产品的研发是企业竞争力提升的关键，但新产品的研发周期长、风险高，这使得医药生物企业更加重视利用外部技术创新成果。因此，本文将探讨我国医药生物企业的技术并购及其吸收能力对其并购后创新绩效的影响，并为企业及政府提供相应建议。

二、理论分析和假设

(一)技术并购与创新绩效。技术并购是企业自身战略扩张的一种形式，是以获得外部技术为动因的并购类型。企业采取的其他类型的并购行为，比如打开特定的市场、分散经营风险以及实行多元化战略等，这些都可归类为非技术并购。温成玉和刘志新(2011)两位学者在其研究中表明，非技术并购对企业自身的技术竞争力的提高贡献甚少，想要通过非技术并购提升企业的创新绩效难度较大。根据上述分析，本文提出假设H1：

H1：相比于非技术并购，技术并购有利于买方企业创新绩效的提升。

(二)技术并购中吸收能力与创新绩效。吸收能力是体现企业并购管理能力的重要手段。Cohen和Levinthal(1989&1990)认为吸收能力是企业对外部环境中的新信息和知识进行识别、吸收并运用于企业商业化用途的能力。一般而言，如果并购企业的吸收能力强，那么并购过程所需要的整合成本就较低，整合所需时间也较短，企业可以充分专注于从外部获取的技术资源进行创新活动。故本文提出假设H2。

H2：技术并购企业的吸收能力正向影响其创新绩效。

之后，Cohen和Levinthal(1994)又进一步拓展了吸收能力的含义，他们认为吸收能力包含了技术识别能力、消化能力、应用能力这3个维度的细分吸收能力。这一细分方法奠定了吸收能力的内涵，也是之后学者深入挖掘吸收能力内涵的基础。

技术识别能力是指企业对外部知识信息进行辨别、分析、理解的能力。由于这种能力可助力企业提前发现、判断并理解目标企业的技术知识，以及相关的如行业、产品和消费者等信息。因此，高水平的技术识别能力可以帮助买方企业发现技术资源更匹配的目标公司，从而提升后续创新绩效。故本文提出假设H2a：

H2a：技术并购企业的识别能力正向影响其创新绩效。

对于并购企业来说，如何利用和消化获得的知识提高企业创新绩效是至关重要的。对于并购方企业而言，要想更有效的消化和吸收企业的外部知识技术离不开企业本身的技术知识基础。如果买方公司可以在自身知识基础之上对并购获得的外部优质资源和先进技术进行整合利用，形成技术消化能力，那么企业的技术创新活动将有更大动力，从而获得更好的创新绩效。故本文提出假设H2b：

H2b：技术并购企业的消化能力正向影响其创新绩效。

技术并购有时并没有给收购方企业的绩效带来普遍贡献，可能是因为技术并购的知识和技术成果应用转化率不高。知识型企业的技术应用能力可表现为其将研发投入真正转化为创新产出的效率。技术应用能力高的企业更擅长将获得的技术知识转变为创新成果产出。故本文提出假设H2c：

H2c：技术并购企业的应用能力正向影响其创新绩效。

三、研究设计

(一)模型构建。本文关于我国企业技术并购对创新绩效的影响研究属于多变量分析，本文参考胡雪峰(2015)等学者的研究，构建多元回归模型3-1，以验证H1：相比于非技术并购，技术并购有利于买方企业创新绩效的提升。

Pat=α0+α1Note +α2Age +α3ROE +α4LnA +α5Gro +ε

(3-1)

接下来针对划分为技术并购的116起并购样本，构建模型3-2，以验证H2。若以Abs1/Abs2/Abs3分别替代Abs，则可得到模型3-3/3-4/3-5，依次验证H2a/b/c。

Pat=β0+β1Abs +β2Age +β3ROE +β4LnA +β5Gro +ε

(3-2)

(二)变量定义。本文使用专利申请数衡量因变量创新绩效(Pat)。自变量中采用虚拟变量(Note)区分是否为技术并购。借鉴Ahuja和Katila的方法来界定技术并购：a)目标公司在被并购之前的5年之内获得过专利权，b)并购企业的并购公告中披露并购以获得某项技术为目的。一起并购事件满足以上任一条就可被认为是技术并购。对于吸收能力(Abs)，主要参照Cohere和Levinthal(1994)对吸收能力的分类方法，将其划分为3个维度：技术识别能力(Abs1)、消化能力(Abs2)和应用能力(Abs3)，以体现企业在并购全过程中的吸收能力。最后，将上述3个维度的指标数据分别进行秩排序，并取其秩数均值来测量吸收能力总指标(Abs)。

其他控制变量的定义如表3-1所示。

表3-1 变量定义汇总表

(三)样本与数据。本文并购事件样本来自于国泰安数据库中并购重组库。选取沪深两市的A股并购数据，研究区间为2012-2015年；选取证监会行业代码为C8即医药生物制品行业的企业进行研究。

本文遵循以下原则筛选并购总样本:(1)并购交易完成期在2012-2015年期间，剔除尚未完成或没有成功的并购事件;(2)收购方并购之后能够对目标公司实施控制;(3)剔除 ST 类公司的并购事件；(4)若同一年发生多次并购事件，则取交易额最大的一次作为研究样本，对同一公司在不同年份的多次并购分别以多次事件计入。最后，再剔除财务数据均严重缺失的样本，本文共得到91家公司的162起并购事件。根据Ahuja和Katila对技术并购的界定方法，将其中116起并购判定为技术并购。

专利申请数与专利授权数来自于国家知识产权局的专利查询系统及国泰安数据库中上市公司与子公司专利库。财务数据来自国泰安数据库及公司财报。

四、实证结果分析

总样本的描述性统计如下表4-1所示。

表4-1 变量描述性统计

针对H1，从表4-2相关性分析可看出，各变量之间相关系数都小于0.6，因此不存在多重共线性的问题。

表4-2 Pearson相关系数矩阵

注：＊＊＊、＊＊、*分别表示在 0.01、0.05、0.1的水平上显著相关。

下面对模型3-1进行回归分析，结果如表4-3。自变量(Note)回归系数为正的11.185，且在10%的水平上显著。说明相比于非技术并购，技术并购有利于买方企业创新绩效的提升，即假设H1得到验证。

表4-3 回归分析结果

注： N=162；＊＊＊、＊＊、*分别表示在 1%、5%、10%的水平上显著。

针对H2，从表4-5相关性分析可看出，各变量之间相关系数都小于0.6，因此不存在多重共线性的问题。

表4-5 Pearson相关性分析

注：＊＊＊、＊＊、*分别表示在 0.01、0.05、0.1的水平上显著相关。

下面对模型3-2至3-5分别进行回归，结果如表4-6所示。吸收能力(Abs)的回归系数为正，且在1%水平上显著，假设H2得到验证。且三个细分吸收能力(Abs1、Abs2、Abs3)的回归系数均为正，且在1%水平上显著，假设H2(a)(b)(c)得到验证。

表4-6 回归分析结果

注：N=116；＊＊＊、＊＊、*分别表示在 1%、5%、10%的水平上显著。

五、结论与启示

本文以2012-2015年医药生物上市企业162起并购事件为样本，探究技术并购对创新绩效的影响，得到结论：相比非技术并购，我国医药生物企业能够通过技术并购，实现并购后创新绩效的提升。接着针对116起技术并购样本，本文研究发现：技术并购买方公司的吸收能力会对其并购后创新绩效产生显著正向影响，细分来说，即技术并购买方公司的技术识别能力、消化能力和应用能力越好，其技术并购后的创新绩效就越好。

本文研究结论对我国相关企业和政府均有一定启示作用。作为医药生物企业，企业应当增加对技术并购的重视，以此途径提高自身的创新绩效；在进行技术并购的同时，企业还应增强自身对技术知识的吸收能力，这需要其注重积累技术管理经验、储备相关技术人才。政府方面，首先，政府可为进行技术并购的企业提供税收优惠；其次，政府还应继续加强涉及企业创新产出的专利保护制度，为企业的创新带来激励。