Research on Influencing Factors of Innovation Performance of Technology M&A Enterprises：Taking the High-end Equipment Manufacturing Industry as an Example

Qi Yong1,2, Song Hancheng2

(1.School of Intellectual Property, Nanjing University of Science and Technology; 2.School of Economics and Management, Nanjing University of Science and Technology, Nanjing 210094, China)

Abstract：This paper selects technology M&A events in China's high-end manufacturing industry from 2013 to 2017, and uses this as an object to study the factors affecting the innovation performance of technology M&A companies. The results show that the inter-firm relationship, technology absorptive capacity and the absolute knowledge scale of the target company have a positive impact on the innovation performance of technology M&A companies, while the relative knowledge scale and listing duration of both parties have a negative impact on the innovation performance of technology M&A companies. And the inter-firm relationship and technology absorptive capacity can weaken the negative impact of the relative knowledge scale of the M&A parties and the innovation performance of the enterprise. On this basis, this article believes that after the high-end equipment manufacturing enterprises have developed to a mature stage, they can carry out innovative activities through technological mergers and acquisitions. And then acquirers should choose the appropriate target companies which have absolute knowledge scale according to their own technological absorption capacity. Besides, it is necessary to continue to strengthen the intensity of R&D investment and strengthen the ability of technological integration.

Key Words:Technology Mergers and Acquisitions；Knowledge Base；Technology Absorptive Capacity；Corporate Innovation Performance

收稿日期：2021-01-07

修回日期：2021-02-18

基金项目：国家自然科学基金项目(71673135，71914096)；江苏省社会科学基金重大项目(16ZD006)

作者简介：戚湧(1970—)，男，江苏泰州人，博士，南京理工大学知识产权学院、经济管理学院教授、博士生导师，主要研究方向为创新管理、科技评价；宋含城(1995—)，男，江西吉安人，南京理工大学经济管理学院硕士研究生，主要研究方向为创新管理。本文通讯作者：宋含城。

DOI：10.6049/kjjbydc.2020100061

开放科学(资源服务)标识码(OSID)：

中图分类号：F271.4

文献标识码：A

文章编号：1001-7348(2021)19-0075-08

0 引言

当前我国制造业在全球产业链领域缺乏主导权，对产业链供应链高端环节缺乏控制力。2020年12月，中央经济工作会议强调，要突破关键核心技术，解决“卡脖子”问题。受中美贸易摩擦影响，同时基于我国发展战略需要，加快科技自立自强是畅通国内大循环、塑造我国在国际大循环中主动地位的关键。近年来涌现出的一批重大技术创新成果，都与战略性新兴产业息息相关。战略性新兴产业是以重大前沿技术突破和重大发展需求为基础，对经济社会全局和长远发展具有重大引领带动作用的产业。2016年，《国务院关于印发“十三五”国家战略性新兴产业发展规划的通知》指出，在新一轮科技革命和产业变革方向中，战略性新兴产业在发展新动能、获得新优势的关键领域具有重要作用。战略性新兴产业中，高端装备制造业是衡量一个国家制造业发展水平的标志。发展高端装备制造业有助于强化国家战略力量，增强产业链供应链自主可控能力，也是实现我国制造业由大转强的必然途径。但是，如何提高我国高端装备制造业企业技术创新水平是亟需解决的问题。

自主创新是企业技术创新的一种方式，但其存在周期长、风险高的问题。随着世界各国竞争日益激烈，技术迭代不断加快，受制于研发活动的长周期性、研发团队的路径依赖，企业在组织内部很难持续进行突破性创新，越来越多企业转而从组织外部获取技术知识。因此，以获取目标企业技术为目的的技术并购越来越受到创新企业青睐，并成为企业内部研发的重要补充。从协同效应理论看，技术并购不仅可以直接弥补并购企业创新能力不足，也能通过发挥协同效应整合并购双方创新资源，从而达到1+1>2的效果。

因此，本文以技术并购为出发点，结合信息不对称理论、吸收理论和协同效应理论，探究高端装备制造业技术并购企业创新绩效的影响因素，以及并购企业如何进行技术并购才能更好实现技术进步，为高端装备制造企业通过技术并购提高技术创新水平提出建议。

1 文献综述与研究假设

1.1 文献综述

关于技术并购的定义和衡量标准，谢伟等[1]认为，以吸收被并购方技术创新资源为目的的并购为技术并购，而且将技术并购主体的定义范围从大企业扩至中小企业；杨青等[2]将以获取被并购方技术资源为目的的并购定义为技术并购。在前人研究基础上，本文认为，技术并购是以获取目标企业技术资源为目标的并购活动，并购方通过技术并购，将组织外部技术资源转化为组织内部技术资源，目标是实现双方技术协同。同时，借鉴Ahuja&Katila[3]对技术并购的判定标准，只要满足以下两条标准之一，即属于技术并购：①在实施技术并购时，目标企业前5年的专利申请数量大于零；②并购公告中明确以获取目标企业技术资源为目的。

关于技术并购对创新绩效的影响，Ahuja & Katila[3]、张学勇等[4]认为，技术并购可以使并购企业迅速获得目标企业的技术专利，且技术交叉的相关性可以产生协同效应，从而降低封闭创新带来的风险；Cefis&Marsili[5]认为，并购有利于小规模企业跨越创新门槛，增加其成为创新型技术企业的可能性，对于大规模企业，并购可持续为其增加创新产出；Nelson&Winter[6]认为，封闭式创新容易使企业陷入重复研发中，企业难以取得突破性创新，而技术并购可以促进企业现有知识储备更新，打破固有创新能力刚性，从而提高企业突破式创新能力；严焰和池仁勇[7]、吴洁等[8]、马双和邹琳[9]基于国内数据的研究均表明，技术并购对企业创新绩效有正向影响。

关于技术并购企业创新绩效的影响因素，张峥等(2016)研究发现，相对知识规模对企业创新绩效有负向影响；严焰和池仁勇[7]实证发现，并购双方技术相似性与创新绩效呈倒U型关系，企业技术吸收能力强可能使二者转变成正相关关系，技术吸收能力弱会使倒U型关系得到强化；吴洁等[8]研究表明，技术并购后知识基础的两个维度会对企业创新绩效产生不同影响，即知识深度对创新绩效存在正向影响关系，知识广度对创新绩效的影响呈倒U型关系；马双和邹琳[9]更关注并购双方的知识重叠质量，认为高质量重叠知识对并购后的企业创新绩效具有正向影响，而高质量非重叠知识则有负向影响；张永冀等[10]研究中国医药上市企业并购与创新绩效的关系发现，并购次数越多，创新能力越强，但边际效应递减。总体来看，影响技术并购企业创新绩效的因素主要包括并购企业特征(并购次数、技术吸收能力等)、目标企业特征(目标企业技术知识规模、知识广度、知识深度等)和双方资源匹配情况(双方相对知识规模、技术相似性、关联关系、知识重叠质量等)。

综上所述，国内外学者在技术并购与企业创新绩效相关问题上展开了丰富研究。技术并购是一个涉及双方的过程，要研究技术并购企业创新绩效的影响因素，需要从并购企业特征、目标企业特征和双方自愿匹配情况3个方面出发。本文拟从上述角度展开研究，重点关注并购双方相对知识规模对企业创新绩效的影响，并考虑企业关联关系、技术吸收能力和盈利能力在相对知识规模与企业创新绩效关系中的作用。

1.2 研究假设

1.2.1 并购双方关联关系对技术并购企业创新绩效的影响

并购企业通过技术并购活动提升自身创新绩效的首要问题在于能否缓解并购双方信息不对称。在技术并购活动中，目标企业为提高并购溢价，有动机隐藏自身不足，甚至夸大自身核心技术，造成并购企业难以真正判别目标企业技术知识是否适合自身。此外，目标企业出于长期发展考虑，也需要了解并购企业经营情况和并购意图，若并购企业有意隐瞒信息，也会对双方未来技术合作造成阻碍。因此，一般情况下，并购企业在并购前通常会进行充分调研，需要花费大量时间成本、人力成本，若并购企业在了解情况后取消并购交易，还会产生一定机会成本。实际上，为缓解信息不对称问题，除并购企业进行调研、委托投资银行进行尽职调查外，并购双方存在关联关系也是重要解决方法，包括并购双方是战略联盟关系、双方董事高层存在联结关系、双方是母子企业关系等。战略联盟是指两个或更多企业之间建立的一种优势互补、风险共担、生产要素双向或多向流动的松散合作模式，如果并购双方是战略联盟关系，则双方之间的经营情况、技术知识储备、研发人员团队情况将更加透明[11]。并购双方若存在董事联结关系，董事将在并购过程中传递双方信息，缓解双方信息不对称问题，对并购绩效产生正向影响[12]。并购双方若存在关联关系，双方可以互相了解各自技术知识储备，研发团队也容易磨合，同时可以降低信息收集成本。因此，本文提出如下假设：

H1：并购双方关联关系对技术并购企业创新绩效有正向影响。

1.2.2 技术吸收能力对技术并购企业创新绩效的影响

并购企业技术吸收能力是指企业适应和吸收并购得到技术知识的能力。在企业开放式创新过程中，并购企业首先要识别目标企业技术特性，而自身技术知识多样性是识别的基础。研发活动可以为企业带来大量知识基础和新的发明专利创造，提高技术吸收能力。研发投入越大，并购企业越能发掘目标企业的关键技术，并且更容易取得合作研发成功。一般来说，企业可以从并购、内部研发和风险投资等活动中获取技术吸收能力，上述活动可以提高企业识别、整合技术的能力。其中，内部研发是企业提高技术吸收能力的重要途径，内部研发能力越强，企业识别与自身技术互补的目标企业越准确，且并购付出的价格也越准确，整合能力也越强[13-14]。企业自身研发行为有助于提高企业技术吸收能力，企业技术吸收能力反过来又会提升自身研发效率[15]。具有较强吸收能力的企业，能够在技术并购前就判断出被并购企业的技术是否有用，从而识别领域的技术创新机会，也能在技术并购后更好地整合外部得来的技术资源，充足的存量知识有助于并购企业将机会转化为实际生产能力。因此，本文提出以下假设：

H2：技术吸收能力对技术并购企业创新绩效有正向影响。

1.2.3 知识基础对技术并购企业创新绩效的影响

技术并购的协同效应源于并购后期整合，企业通过并购可以整合双方资源，发挥协同效应从而改进企业效率，达到1+1>2的效果。技术并购中的协同效应主要表现在以下方面：①并购企业与目标企业技术知识互补，优化创新资源配置，发挥范围经济效应；②并购整合后，并购企业研发人员增加、规模扩大，单位研发成本降低，规模经济效应得以发挥；③减少类似研发的重复投资，企业内部资金流向更具前景的技术开发项目。目标企业技术知识储备量的绝对规模和相对规模是技术并购双方发挥协同效应的重要影响因素，目标企业技术知识绝对规模越大，并购企业通过技术并购直接获得的技术知识越多，也就越容易匹配自身技术发展，从而提高技术创新绩效[3]。并购企业通过并购不仅获得目标企业已有技术知识储备，更重要的是，目标企业整合原有技术与外来技术后，技术知识增加，研发团队实力增强，导致并购企业愈发难以控制并购后企业创新活动发展。因此，并购双方相对规模越大，企业技术并购后整合难度越大[3]。而且，并购企业吸收外来技术需要一定时间，消化吸收过程会耗费并购企业大量人力、物力，影响企业原有内部创新效率，从而降低企业创新绩效[16]。因此，本文提出以下假设：

H3：目标企业技术知识绝对规模对技术并购企业创新绩效有正向影响。

H4：并购双方相对知识规模对技术并购企业创新绩效有负向影响。

1.2.4 企业上市时长对企业创新绩效的影响

从组织学习理论角度看，企业在某个技术领域取得成功后，会持续在该领域进行知识积累，发生技术变革的难度将逐渐增加。由于企业所处创新环境不同，企业年龄与创新绩效的相关关系也有所区别。在延续性创新环境中，企业不断进行知识积累，在具有优势的传统领域，竞争能力不断增强，企业年龄与创新绩效正相关[17]；在破坏性创新环境中，企业需要走出舒适领域进入陌生研发领域，由于企业年龄增长会使其产生惰性，从而对已有技术知识或管理模式产生依赖，难以迅速将精力转移至新的急缺领域，导致企业破坏性创新产出较低，此时企业年龄与创新绩效负相关[18]。当前我国正实施创新驱动发展战略，高端装备制造业是以重大技术突破为基础的产业，相较延续性创新，更需要在重大技术、关键技术上取得突破，高端装备制造企业需要主动进入并适应破坏性创新环境。本文以企业上市时长衡量企业年龄，企业上市时间越长，越容易产生惰性和路径依赖，破坏性创新产出越低。此外，从样本看，目标企业往往是成立不久的新创企业，也就是说，目标企业受路径依赖影响较小，破坏性创新产出更高，在技术并购中，并购双方相对知识规模可能更大。因此，本文提出以下假设：

H5:企业上市时长对技术并购企业创新绩效有负向影响。

H6:企业上市时间越长，越可能出现技术路径依赖，并购双方相对知识规模越大。

1.2.5 企业关联关系、技术吸收能力对并购双方相对知识规模与创新绩效关系的调节作用

在技术并购中，相对知识规模过大使并购后的整合难度提高，并购企业无法快速从目标企业诸多技术知识中选择合适技术进行消化吸收，也没有足够研发能力将外来技术转化为自身技术储备[16]。首先，如果并购双方具有关联关系，并购企业对目标企业技术储备就会有所了解，在并购后的技术整合中，并购企业就能够迅速找到合适技术进行吸收。其次，根据知识基础观，企业自身技术知识储备量越大，吸收新的技术知识越容易；企业研发投入强度越高，技术知识储备可能越多，进行技术创新的机会也就越多，并购企业在整合技术时遭遇的阻碍就越小。如果并购双方具有关联关系或并购企业具备很强的技术吸收能力，那么即使相对知识规模过大，并购企业也能不受目标企业技术知识储备过大的影响，迅速进行技术整合，进而成功完成技术创新活动。因此，本文提出以下假设：

H7a：企业具有关联关系会削弱并购双方相对知识规模对企业创新绩效的负向影响；

H7b：并购企业具有较强技术吸收能力会削弱并购双方相对知识规模对企业创新绩效的负向影响。

2 研究设计

2.1 样本与数据来源

本文根据《战略性新兴产业分类》新旧对照表，将高端装备制造业对应的证监会新行业类进行归纳整理，如将通信设备、电子设备与仪器、航天航空及国防等行业归为高端装备制造业。然后，根据归纳的行业，在东方财富Choice金融终端并购事件案例库中导出高端装备制造业2011—2018年所有已实施完成的并购事件。

在样本筛选上，首先剔除ST类企业，保证并购企业数据完整；其次，参考前人关于技术并购的衡量标准，筛选得出技术并购样本；最后，若一家企业同一年并购多家企业，则保留目标企业专利数最多的并购样本，而一家企业在不同年份发生不同并购事件，则记为多个样本。经过筛选，最终取得386家企业的399个样本，样本整体属于非平衡面板。

样本数据包含并购公告披露、企业财务数据、企业专利申请量数据等。其中，企业并购公告和财务数据来源于东方财富Choice金融终端数据库，企业专利申请量数据来源于国家知识产权局专利检索库。

2.2 变量设计与度量方法

(1)企业创新绩效(Apply)。高建等(2004)首次将创新产出、创新过程相关指标纳入创新绩效评价体系中；Wang[19]采用非径向DEA方法测量创新绩效；张永冀等[10]认为专利更能代表创新成果，并采用发明专利申请量、实用新型申请量、外观设计申请量测量企业创新能力。实际上，创新绩效衡量指标依然在不断完善中，从当前研究看，诸多学者使用专利申请数衡量企业创新绩效。因此，本文也选取发明专利申请数作为企业创新绩效衡量指标。

(2)并购双方关联关系(Connect)。陈仕华等[12]研究发现，并购双方之间的董事联结关系可缓解双方信息不对称问题，对并购绩效产生正向影响。基于前人研究，本文根据并购事件中并购企业与目标企业的关系，判别并购双方的关联关系，如果有关联关系，赋值为1，无关联关系则为0。

(3)技术吸收能力(Rd)。并购企业技术吸收能力主要由企业前期知识基础和研发活动决定。严焰和池仁勇[7]认为，技术吸收能力与企业研发活动密切相关。因此，本文沿用前人研究，采用研发投入强度衡量企业技术吸收能力。

(4)知识基础。知识基础包括目标企业绝对知识规模(Ab-scale)和并购双方相对知识规模(Re-scale)。温成玉和刘志新(2011)认为，技术知识基础是企业在技术方面的知识积累，采用专利数量作为衡量指标。因此，本文参考前人研究，设定目标企业技术知识绝对规模为目标企业并购前5年专利申请数量总和，并购双方技术知识相对规模为目标企业并购前5年发明专利申请量与并购企业并购前5年发明专利申请量的比值。

(5)企业上市时长(Age)。企业上市时长为并购首次公告日所在年份减去上市年份。

(6)企业规模(Size)。企业规模以年度总市值作为衡量指标，规模越大，研发投入可能越多，研发技术产出也就越多。

(7)企业盈利能力(Roa)。企业盈利能力以净资产收益率衡量，盈利能力越强，研发投入力度可能越大，创新产出也就越多。

2.3 模型构建

为验证H1～H5，本文参考王维和李宏扬[20]的研究，建立如下面板数据回归模型：

Applyi2t+1=β0+β1Connect+β2Rdit+β3Ab-scaleit+β4Re-scaleit+β5Ageit+β6Controlit+μ

(1)

为缓解企业创新绩效与解释变量之间的内生性问题，降低互为因果的影响，模型(1)中被解释变量采用并购企业并购当年与下一年产生的发明专利申请量之和衡量；模型(1)中解释变量分别为企业关联关系(Connect)、企业研发投入强度(Rdit)、目标企业绝对知识规模(Ab-scaleit)、并购双方相对知识规模(Re-scaleit)和企业上市时长(Ageit)；控制变量主要包括企业规模(Size)和企业盈利能力(Roa)。

为进一步探究企业上市时长与并购双方相对知识规模的关系，验证H6，本文建立如下面板数据回归模型：

Re-scaleit=β0+β1Ageit+β2Controlit+μ

(2)

模型(2)中被解释变量为并购双方相对知识规模(Re-scaleit)，解释变量为企业上市时长(Ageit)，控制变量主要包括企业规模(Size)和企业盈利能力(Roa)。

在模型(1)基础上，本文分别将企业关联关系、技术吸收能力作为调节变量，建立模型(3)、(4)，验证H7a和H7b，以研究上述两个因素对并购双方相对知识规模及并购后技术创新绩效的影响。

Applyi2t+1=β0+β1Connect+β2Rdit+β3Ab-scaleit+β4Re-scaleit+β5Ageit+β6Connect*

Re-scale+β7Controlit+μ

(3)

Applyi2t+1=β0+β1Connect+β2Rdit+β3Ab-scaleit+β4Re-scaleit+β5Ageit+β6Rd*Re-scale+β7Controlit+μ

(4)

模型(3)、(4)中主效应变量为并购双方相对知识规模(Re-scaleit)，调节项分别为双方相对知识规模与企业关联关系的交互项(Connect*Re-scale)、双方相对知识规模与技术吸收能力的交互项(Rd*Re-scale)，控制变量主要包括企业规模(Size)和企业盈利能力(Roa)。

3 实证分析

3.1 描述性统计

变量描述性统计如表2所示。结果显示，企业技术并购后，当年与下一年发明专利申请量均值为61件，但不同企业的技术创新绩效差异显著，标准差为536.2；目标企业发明专利申请量约为36件，作为被并购一方，技术知识储备量要小于并购企业；并购双方相对知识规模均值达9.8，但标准差较大，出现一些目标企业发明专利申请量远高于并购企业的情况；在技术吸收能力方面，样本企业平均研发投入强度达5%；企业平均上市时长为6.99年，说明发起技术并购的企业正步入成熟阶段，也印证了前文提到的高端装备制造企业更可能处于破坏性创新环境中。此外，企业规模均值为111.7亿元，企业总资产收益率均值为5%。

3.2 相关性分析

考虑各变量数量级差别带来的影响，本文对变量数据进行去中心化处理，再对各变量进行相关性分析和多重共线性检验，结果见表3。可以发现，除企业关联关系外，其余变量与被解释变量之间的相关关系均符合前文假设，初步支持了研究假设。此外，各变量VIF值均在1～2之间，小于10，表明变量间不存在多重共线性问题。

3.3 技术并购企业创新绩效影响因素回归分析

本文对变量数据标准化后进行Hausman检验，结果如表4所示。模型(1)显著性为0.597，模型(2)显著性为0.263，均接受Hausman原假设，说明更适合采用随机效应模型。而且，随机效应模型使用的广义最小二乘法本身已控制异方差，更适合本研究数据样本。

技术并购企业创新绩效影响因素的回归结果如表5所示。第1列是未加控制变量的回归结果，第2、3列是逐步引入控制变量的结果。结果显示，企业关联关系的系数为0.085，在5%的水平上显著，说明若并购企业与目标企业之间有关联关系，并购双方信息不对称问题得到缓解，技术并购后企业创新绩效提高，H1成立。企业技术吸收能力的系数为0.18，在1%的水平上显著，说明并购企业研发投入强度越高，知识基础越牢固，技术也更具多样性，在并购前的目标选择和并购后的技术整合上能发挥重要作用，也能促进技术并购后企业创新绩效提高，H2得到验证。目标企业绝对知识规模的系数为0.077，在5%的水平上显著，说明目标企业技术知识规模正向影响并购后的企业创新绩效，H3得到验证。并购双方相对知识规模的系数为-0.126，且在1%的水平上显著，说明相较并购企业，目标企业知识规模越大，反而越不利于并购企业技术创新。原因可能是，并购后，并购企业难以消化吸收庞大的技术知识，使得短期内难以产生新的创新产出，同时由于技术整合需要耗费大量人力、物力，致使并购企业本身技术研发创新受到抑制，H4得到验证。企业上市时长的系数为-0.215，说明企业越成熟，在技术研发上越容易产生路径依赖，进而难以产生破坏性创新，H5得到验证。在控制变量方面，企业规模的系数为0.263，在1%的水平上显著，说明企业规模越大，并购后对外来技术的吸收效果越好；企业盈利能力的系数并不显著，说明企业总资产收益率高，并不代表技术创新产出也高。

为进一步研究上市时长对企业创新绩效的影响，本文建立上市时长与并购双方相对知识规模的模型，回归结果如表5第4列所示。结果显示，上市时长的系数为0.115，在1%的水平上显著，说明企业上市时长对并购双方相对知识规模有正向影响。这意味着随着并购企业步入成熟阶段，其创新产出低于目标企业。Nelson & Winter[6]研究发现，企业长时间自主创新容易形成路径依赖，很难产生突破性创新。结合模型(1)中第3列结果，企业上市时长与创新绩效负相关，更能反映出并购企业越成熟，其创新活动效率越低，H6得到验证。

为验证并购企业关联关系、技术吸收能力和盈利能力对相对知识规模与企业创新绩效关系的调节效应，本文在模型(1)基础上，建立模型(3)、(4)，结果如表6所示。模型(3)中企业关联关系与相对知识规模交互项(Connect*Re-scale)的系数为0.619，在1%的水平上显著，而主效应相对知识规模的系数为-0.796，系数符号相反，说明并购企业若具有关联关系，信息不对称问题得到缓解，并购企业能够获取关键技术信息，相对知识规模对企业创新绩效的负向影响得到削弱，H7a得到验证。模型(4)中技术吸收能力与相对知识规模交互项(Rd*Re-scale)的系数为0.674，在1%的水平上显著，主效应相对知识规模的系数为-0.37，说明并购企业技术吸收能力能帮助企业在并购前识别更适合其技术发展的目标企业，缓解信息不对称，同时在并购后的技术整合与再创新方面发挥重要作用，进而产生协同效应，削弱相对知识规模对企业创新绩效的负向影响，H7b得到验证。

3.4 稳健性检验

为进一步验证上述结论，本文通过替换样本对上述研究过程进行稳健性检验。首先，将2013—2017年技术并购样本区间缩小至2014—2016年，得到353个技术并购样本，再进行回归分析；其次，根据产权性质对非国有企业进行检验，得到445个样本。稳健性检验结果如表7所示，模型(1)中主要解释变量的相关系数及显著性水平与原有结果基本一致，表明结果是稳健的。模型(3)、(4)的稳健性检验同样使用缩小样本区间至2014—2016年的方法，模型(3)的稳健性检验结果与原有结果基本一致，但模型(4)的稳健性检验结果略有偏差，系数符号未变，Z值为1.33，显著性水平不足。

4 结论与启示

4.1 结论

本文以2013—2017年我国高端装备制造业上市企业技术并购事件为研究样本，通过构建回归模型，实证检验技术并购企业创新绩效的影响因素，并探究企业关联关系和技术吸收能力对并购双方相对知识规模与企业创新绩效关系的调节作用。本文得出以下结论：

(1)企业关联关系、技术吸收能力和目标企业绝对知识规模对技术并购企业创新绩效有正向影响。企业间存在关联关系意味着并购企业对目标企业更为了解，熟悉并购得来的技术知识和研发团队，能很大程度缓解信息不对称问题；目标企业绝对知识规模越大，意味着并购得来的技术知识越多，提供的知识基础、技术种类也越多，更易与原有技术进行融合再创新，可能对并购企业研发活动有更大帮助；技术吸收能力是并购企业整合外来技术的基础，充足的技术知识储备有助于将外来技术转化为实际生产力，技术吸收能力越强，越能够促进并购后企业研发创新活动。

(2)并购双方相对知识规模和上市时长对技术并购企业创新绩效有负向影响。并购双方相对知识规模越大，意味着目标企业技术可能会过于庞杂，并购企业难以迅速整合从而影响整合效果，使企业无法将足够精力投入到原有技术研发中，进而影响技术并购后的企业创新绩效；企业上市时间越长，研发团队越容易陷入路径依赖，企业越难以取得破坏性创新成果。

(3)企业间关联关系和技术吸收能力对相对知识规模影响企业创新绩效具有负向调节作用。企业间关联关系一定程度上可缓解并购双方信息不对称问题，进而提高并购企业对目标企业的选择能力，达到获取合适技术的并购目的。技术吸收能力强的企业，具有丰富的技术知识储备，在并购后的技术整合中，更容易获得技术创新产出。因此，即便目标企业技术知识规模比并购企业更大，也不必过于顾虑出现难以消化吸收外来技术的情况。

4.2 启示

上述研究结论对于我国高端装备制造企业进行技术并购，并通过技术并购这类开放式创新提升创新绩效具有重要启示。

(1)企业进行技术并购时需加强对目标企业的了解，提高研发投入强度，在合适范围内选择绝对知识规模最大的目标企业。首先，并购企业需要关注与目标企业之间信息不对称问题。并购企业与目标企业有关联关系或战略联盟关系，以及目标企业上市、获得风险投资等，均有助于缓解信息不对称从而提升技术并购企业创新绩效。其次，并购企业在技术并购后仍需加大研发投入。研发投入代表着企业技术吸收能力，企业研发投入强度越大，越容易整合并购得来的技术。最后，并购企业要尽可能选择绝对知识规模大的目标企业。企业绝对知识规模越大，内部技术研发与外部技术产生协同效应的可能性越高，越能促进企业创新绩效提升。

(2)并购企业要避免选择相对知识规模过大的目标企业。在技术整合吸收过程中，外部技术知识过多，反而会抑制自身创新活动。但是，如果目标企业与并购企业具有关联关系，或并购企业自身技术吸收能力很强，仍然可以选择技术知识丰富的并购对象，“以小吃大”并非不可行。

(3)我国高端装备制造企业在坚持自主创新的同时，也需要关注技术并购这类开放式创新。尤其企业发展至成熟阶段，在原有领域具有领先优势，有较强的技术能力和较大的技术知识规模，但却容易产生原有研发路径依赖、重复研发的问题，难以取得重大技术突破。因此，当企业进入成熟阶段，更需要关注外部环境中新技术、关键技术的情况，可以通过技术并购获取组织外部技术，缓解路径依赖问题，从而提高技术创新能力。

参考文献:

[1] 谢伟,孙忠娟,李培馨. 影响技术并购绩效的关键因素研究[J]. 科学学研究,2011,29(2):245-251.

[2] 杨青,周绍妮. 技术并购能够带来技术创新效应吗:收购公司成长潜力视角[J]. 科技进步与对策,2019,36(24):100-108.

[3] AHUJA G,KATILA R. Technological acquisitions and the innovation performance of acquiring firms:a longitudinal study[J]. Strategic Management Journal,2001,22(3):197-220.

[4] 张学勇,柳依依,罗丹,等. 创新能力对上市公司并购业绩的影响[J]. 金融研究,2017,38(3):159-175.

[5] CEFIS E,MARSILI O. Crossing the innovation threshold through mergers and acquisitions[J]. Research Policy,2015,44(3):698-710.

[6] NELSON R R, WINTER S G. The Schumpeterian trade off revisited[J]. Innovation and Entrepreneurship, 2009,15:179-197.

[7] 严焰,池仁勇. 技术相似性与并购后创新绩效关系的再探讨:基于企业技术吸收能力的调节作用[J]. 科研管理,2020,41(9):33-41.

[8] 吴洁,刘沙沙,盛永祥,等. 不同技术并购模式下知识基础和知识整合对企业创新绩效的影响[J]. 中国科技论坛,2020,36(6):94-102.

[9] 马双,邹琳. 知识重叠、知识库特性与创新绩效:来自机械制造企业技术并购的实证[J]. 科技进步与对策,2020,37(1):146-152.

[10] 张永冀,何宇,张能鲲,等. 中国医药上市公司技术并购与绩效研究[J]. 管理评论,2020,32(8):131-142.

[11] HIGGINS M J,RODRIGUEZ D. The outsourcing of R&D through acquisitions in the pharmaceutical industry[J]. Journal of Financial Economics,2006,80(2):351-383.

[12] 陈仕华,姜广省,卢昌崇. 董事联结、目标公司选择与并购绩效:基于并购双方之间信息不对称的研究视角[J]. 管理世界,2013,29(12):117-132,187-188.

[13] PURANAM P,SRIKANTH K. What they know vs. what they do:how acquirers leverage technology acquisitions[J]. Strategic Management Journal,2007,28(8):805-825.

[14] BENSON D,ZIEDONIS R H. Corporate venture capital as a window on new technologies:implications for the performance of corporate investors when acquiring startups[J]. Organization Science,2009,20(2):329-351.

[15] LEAHY D,NEARY J P. Absorptive capacity,R&D spillovers,and public policy[J]. International Journal of Industrial Organization,2007,25(5):1089-1108.

[16] 张峥,高明明,王红倩. 相对知识规模对制造业企业并购创新绩效的影响研究[J]. 软科学,2018,32(1):57-61.

[17] 李寅龙. 基于创新环境类型的企业年龄与创新绩效关系研究[J]. 企业经济,2015,34(8):30-35.

[18] GILBERT C G. Unbundling the structure of inertia:resource versus routine rigidity[J]. Academy of Management Journal,2005,48(5):741-763.

[19] WANG Q W,HANG Y,SUN L C,et al. Two-stage innovation efficiency of new energy enterprises in China:a non-radial DEA approach[J]. Technological Forecasting and Social Change,2016,112:254-261.

[20] 王维,李宏扬. 新一代信息技术企业技术资源、研发投入与并购创新绩效[J]. 管理学报,2019,16(3):389-396.

(责任编辑：陈 井)