Innovation-Linked Networks and Peer Effects in Corporate Technology M&A: Transmission Mechanisms and Economic Consequences

Zeng Kailin1,Cen Kun1,Xiao Xiang2

(1.School of Economics and Management, Jiangxi University of Science and Technology,Ganzhou 341000, China;2. Financial Coordination Division, Ganzhou Municipal People's Government Office,Ganzhou 341000, China)

Abstract：Against the backdrop of national strategies to foster new-quality productive forces and promote high-quality development, technology mergers and acquisitions (M&A) have become a core strategic tool for firms to optimize resource allocation and break through innovation bottlenecks. However, firms often face cognitive dilemmas and high decision-making risks in technology M&A due to challenges in technology screening, value quantification, and integration synergy. Prior research on corporate M&A decisions has mostly focused on internal resource endowments and external industry or social networks, neglecting the peer effects within innovation-linked networks. To address this research gap, this study explores the mechanism and economic consequences of peer effects in corporate technology M&A from the perspective of such networks.

Using data on technology M&A events of A-share listed companies in China from 2001 to 2024 as the research sample, this study constructs an innovation-linked network by measuring the strength of cross-firm innovation connections through Mahalanobis cosine similarity based on IPC patent classification data from the CNRDS platform. A two-way fixed-effects panel model is adopted to systematically examine the existence, operating mechanism, target selection logic, and economic consequences of peer effects in technology M&A. Robustness tests are conducted by controlling for industry peer effects, addressing endogeneity issues through instrumental variables, and excluding reverse causality, ensuring the reliability of the research conclusions.

The empirical results reveal four key findings. First, there are significant peer effects in technology M&A within innovation-linked networks; that is, a corporate technology M&A decisions are positively influenced by the behaviors of its innovation-linked peers, and this effect remains stable after controlling for various conventional factors. Second, the formation of these peer effects is driven by a dual mechanism: competitive imitation, where firms imitate peers to respond to market competition and avoid technological lag, and information-acquisition imitation, where firms lacking M&A experience learn from peers to reduce information asymmetry and decision-making costs. Third, firms’ selection of imitation targets follows two core principles of imitation: the “logical imitation law” (prioritizing high-performance peers) and the “inside-out law” (prioritizing peers with strong innovation linkages). Fourth, the economic consequences of peer effects exhibit distinct short-term and long-term characteristics. In the short term, peer effects significantly promote corporate financial performance and innovation performance by optimizing M&A financing and payment methods and enhancing total factor productivity. In the long term, their positive impact attenuates due to increased management complexity and technological integration risks, while firms’ own technology M&A capabilities become the key driver of sustained innovation performance improvement. Additionally, heterogeneity analysis shows that peer effects are more pronounced in non-state-owned and high-tech industry firms.

This study makes three important contributions to the existing literature: First, it breaks through the traditional research framework of M&A decisions by integrating innovation-linked networks into the analytical framework, thereby expanding the application of peer effect theory in the field of technology M&A. Second, it constructs a comprehensive analytical system covering formation mechanisms and target selection principles, enriching the theoretical understanding of organizational imitation behavior. Third, it reveals the dynamic evolutionary characteristics of the economic consequences of peer effects in technology M&A, clarifying the short-term driving path and long-term weakening mechanism, which provides a new theoretical perspective for understanding the value creation process of technology M&A.

Practically, this study provides valuable insights for corporate technology M&A strategies. First, firms should transcend industry and geographical constraints and accurately identify core innovation-linked peers based on patent similarity and knowledge complementarity. They should strictly adhere to the “inside-out” and “logical imitation” principles, draw on the practical M&A experience of highly connected, high-performance peers, and dynamically evaluate the effects of such imitation. With imitation as a starting point, firms can first enhance their basic technology M&A capabilities in the short term and, in the medium to long term, achieve a transition from imitation to independent innovation by establishing standardized technology M&A processes.

Key Words：Peer Effect;Innovation Linkage;Corporate Technology M&A

收稿日期：2025-07-24

修回日期：2025-12-21

基金项目：国家自然科学基金地区科学基金项目(72363018);人力资源和社会保障部高层次留学人才回国资助项目(201916010);江西省高校人文社会科学研究一般项目(2024395);江西理工大学人才基金项目(205200100602)

作者简介：曾凯霖(1981-),男,江西赣州人,博士,江西理工大学经济管理学院副教授,研究方向为创新与金融;岑坤(2003-),男,江西上饶人,江西理工大学经济管理学院硕士研究生,研究方向为创新与金融;肖翔(1994-),男,江西南康人,赣州市人民政府办公室金融协调科科长,研究方向为企业并购与资本市场。

DOI：10.6049/kjjbydc.D102025070488

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2026)09-0091-14

0 引言

在大力培育新质生产力,推动高质量发展的政策导向下,作为企业优化资源配置、实现价值创造的核心战略工具,并购重组迎来重要变革机遇。2024年4月,《国务院关于加强监管防范风险推动资本市场高质量发展的若干意见》提出,“推动股票发行注册制走深走实,增强资本市场制度竞争力,提升对新产业新业态新技术的包容性,更好服务科技创新、绿色发展、国资国企改革等国家战略实施和中小企业、民营企业发展壮大,促进新质生产力发展”。2024年9月,中国证监会发布《关于深化上市公司并购重组市场改革的意见》提出,“支持运作规范的上市公司围绕产业转型升级、寻求第二增长曲线等需求开展符合商业逻辑的跨行业并购”,“收购有助于补链强链、提升关键技术水平的优质未盈利资产”。2025年6月,中国证监会发布《关于在科创板设置科创成长层 增强制度包容性适应性的意见》提出,“深化资本市场投融资综合改革,增强科创板制度包容性、适应性,更好服务科技创新和新质生产力发展”。

技术并购与传统并购在核心流程上存在显著差异:传统并购侧重资产价值与财务收益评估,而技术并购面临标的技术筛选、技术价值量化、技术整合协同三大核心难点[1]。这导致企业在技术并购中常面临认知瓶颈,仅依赖内部经验既难以精准判断技术长期战略价值,也无法规避整合风险,进而陷入决策效率低下困境。

传统研究多聚焦企业内部资源禀赋(技术、人力资本、公司治理等)与外部环境(社会网络、行业政策等)下单个因素对并购决策的影响,忽视了社会网络和经济关联网络中的同群效应。本质上看,同群效应是指企业作为决策主体,其行为与战略选择受所处参照群体中其他成员行为的系统性影响。该影响并非简单的外部冲击,而是通过信息传导、学习模仿、声誉竞争与社会规范等机制,所形成的互动性、传染性效应。其核心内涵体现为两个方面:一是同群界定的相对性,同一企业可基于不同网络属性归属于多个同群,不同同群下的影响路径存在显著差异;二是应用领域的情境差异性,针对不同企业战略领域,同群效应的核心驱动机制与关键边界条件存在显著异质性。

尽管同群效应已被广泛应用于企业经营决策中的数字化转型、ESG实践、研发投资等领域,但针对并购决策同群效应的研究仍存在不足:现有研究虽基于行业网络[2]、高管联结[3]、连锁董事网络[4]等传统维度,证实了并购同群效应的存在,但缺乏对创新网络情境下技术并购同群效应的深度探索。

创新关联同群企业具有显著示范价值。该网络以技术知识流动为纽带,通过跨领域、跨行业创新联结构建信息渠道,相较于行业或社会关系网络具有独特优势:第一,技术领域的高度契合性,可提升技术并购决策信号的参考价值;第二,跨领域知识融合,为技术并购拓展新价值维度。创新关联同群企业通过公开披露的并购决策信息,形成可观测的技术价值信号,不仅有助于目标企业降低搜寻成本,还能为其判断技术战略方向提供参照,最终催生出技术并购决策的群体性趋同特征。

综上,探究上市公司技术并购同群效应形成动因、决策路径及经济后果,不仅能丰富并购理论中技术与同群效应维度研究,更能为企业破解技术并购决策困境提供实践启示,兼具重要理论价值与现实意义。本文采用CNRDS平台的IPC专利分类数据,引入Mahalanobis余弦相似度度量企业间创新关联强度,构建反映技术知识交互与跨领域融合的网络模型。基于2001—2024年我国A股上市公司技术并购大样本数据,考察创新关联网络中企业技术并购同群效应的存在性、作用机制、决策路径与经济后果。

本文的边际贡献如下:其一,突破传统并购决策研究框架局限,基于国家创新战略背景,通过界定技术并购的创新属性与技术领域特征,从同群效应视角揭示技术并购决策的群体行为特征,拓展企业并购决策理论;其二,突破基于行业分类、地理邻近及社会关系网络的传统同群效应研究维度,基于技术知识跨领域、跨行业、跨地域传播形成的创新关联网络,探究该网络下企业技术并购决策的同群效应,拓展企业决策同群效应研究边界;其三,全面解析技术并购同群效应的内在形成机制、决策逻辑及长短期经济后果,通过构建多维度分析框架,丰富企业决策同群效应研究的方法论体系。

1 文献综述

1.1 创新关联网络与企业技术并购的理论演进

在学术前沿领域,创新关联网络已成为解析技术经济发展规律的重要分析框架。学者们借助社会网络分析、空间计量建模等方法,重点探究创新网络在产业集群、区域发展与特定技术领域的结构特征、演化机制及经济溢出效应[5-10],构建多维度研究体系,但相关研究仍存在视角与深度的局限。例如,在产业集群研究层面,忽略了不同产业集群网络结构异质性的影响,以及不同产业集群间的知识流动;在区域创新网络层面,对跨区域技术协同的实现路径解释不够全面;在特定技术研究层面,对技术关联网络影响企业战略决策的作用机制分析不足。

创新是驱动经济高质量发展的战略引擎,其实现路径是学术研究的核心议题。开放式创新范式下,技术并购作为企业获取外部技术、突破创新瓶颈的战略工具,其研究也逐步深入。现有研究将技术并购界定为企业以增强自主创新能力为导向,通过资本运作获取目标企业独有技术知识的战略性行为[11],并强调技术并购是企业实现技术追赶与跨越式发展的关键路径[12]。然而,既有研究多将技术并购置于孤立框架中,忽视了企业所处创新网络环境的动态影响,未能充分挖掘企业所处创新网络环境下的知识流动与经验传播对技术并购决策的深层影响。

本文将企业技术并购纳入创新关联网络动态环境,构建以技术知识流动为核心、跨越行业与地域边界的研究框架,通过揭示创新关联网络中技术传播与知识溢出对企业技术并购决策的影响机制与路径,突破技术并购与创新网络研究割裂的局限,拓展创新关联网络理论在技术经济领域的应用深度,为企业在复杂网络环境中制定精准的技术并购策略提供理论支撑。

1.2 企业并购决策同群效应研究动态

同群效应作为组织行为学与经济学的交叉研究热点,其核心逻辑在于个体行为决策因竞争压力、信息传递等因素,受其所属同群群体成员行为的影响。现有研究已证实该效应普遍存在于企业多项决策中,但创新关联网络场景下的研究仍存在不足。已有研究借助社会网络分析、面板回归等方法,从董事会连锁网络、行业网络视角,揭示了企业在投资[13]、数字化转型[14-16]、股份回购[17]等决策中的同群模仿效应与作用机制。

企业并购决策通常涉及控制权转移与核心资源重构,相较于一般企业决策,更具有复杂性与系统性特征。借鉴同群企业并购经验,对企业提升自身并购成功率具有重要意义。近年来,国内相关研究基于行业网络视角和高管联结形成的社会网络视角[2-3],验证了同群效应对公司并购决策的影响机制,结果发现,上市公司并购呈显著行业模仿特征,且遵循逻辑模仿律与先内后外律双重规律,其核心机制为信息获取驱动的理性模仿与市场竞争引发的策略性模仿。

现有研究虽取得一定成果,但仍存在以下不足:企业决策同群效应研究多聚焦于行业网络或高管社会网络,尚未关注创新关联网络这一特殊场景。创新关联以技术知识关联为核心,同群企业间的技术互补性、知识距离等特征,与行业网络的竞争逻辑、高管网络的社会关系逻辑存在本质差异,其对技术并购同群互动模式的影响尚未得到深入探讨。在产业融合与技术迭代加速背景下,创新关联网络作为企业获取异质性技术资源的重要渠道,其知识溢出与技术扩散机制对企业技术并购决策的群体互动模式具有潜在影响[6]。本文将创新关联网络引入技术并购研究,探究其同群效应机制,为企业决策同群效应研究提供新的视角。

1.3 企业技术并购的经济后果研究脉络

在技术经济与战略管理领域,企业技术并购的经济后果研究已形成系统多维的理论图谱,涵盖创新能力、自主创新演化、财务与经营绩效等方面。在创新能力影响方面,学界普遍证实技术并购对企业创新能力具有直接驱动效应:基于知识重组理论,多元技术并购组合通过知识距离优化、认知图式重构与创新要素互补,促进突破式技术创新[18];同时,技术并购还可通过产业融合创新、协同创新与双元创新三大效应,快速提升企业创新水平[19]。在数字技术并购中,高竞争与高知识流动性能够显著促进主并企业与目标企业创新[20]。但现有研究尚未考虑并购复杂性与技术融合难度对知识重组效应的负向调节作用。在自主创新演化路径方面,已有研究提出技术并购向自主创新转化的三阶段演进模型,阐释了从技术吸收、消化再到创新的动态过程[1],但该模型忽视了外部网络支持的作用。财务与经营绩效相关研究指出,技术并购实施常伴随短期绩效下降,但与后续研发投入形成协同后,可实现生产力的长期提升,且该效应在国有企业更为显著[21]。

尽管现有企业技术并购的经济后果研究已取得一定成果,但仍存在以下不足:其一,多聚焦于技术并购的短期经济影响,对技术整合、创新能力培育等长期动态过程的追踪不足,难以全面揭示技术并购对企业可持续发展的深层作用机制;其二,关注知识溢出与重叠在技术并购中的关键作用,但对基于创新同群模仿形成的技术并购同群效应及其经济后果缺乏深入探讨。因此,本文基于企业创新关联网络视角,剖析技术并购同群效应的经济后果及其长短期价值创造差异,为企业技术并购决策与创新战略制定提供理论支撑。

2 理论分析与研究假设

2.1 创新关联网络与企业技术并购同群效应

资源基础理论框架下,技术并购是企业获取外部技术资源的核心渠道,其资源获取特性具体体现为对相似技术与互补性技术的双向获取[22]。相似技术通过对现有技术的增强迭代与优化升级,促进企业技术发明数量与质量提升;互补性技术能够有效拓宽企业技术研发领域边界,通过变革研发流程体系与推理方式,突破既有技术路径局限[23]。

从资源获取向决策认知延伸,根据认知理论[24],企业既有并购思维模式或理念体系,直接影响其对技术并购环境的感知与判断,而技术并购经验是塑造这一认知体系的关键变量。具体而言,具备技术并购经验的企业,其认知图谱中已形成“技术并购—资源获取—价值提升”逻辑认知,更易采取与过往经验一致的技术并购行为;而缺乏并购经验的企业,因对技术并购的标的筛选、风险评估、整合路径等环节存在认知困境,难以独立构建有效决策体系,需依赖组织学习机制弥补决策能力短板[2]。

从决策能力提升路径看,组织学习理论指出,企业同群模仿行为并非随机选择,而是具有“向特定特质企业学习”的显著倾向性,即优先模仿与自身存在关键关联属性的企业。过往研究发现,处于相同行业、相似产品市场或同地域的企业[25-27],可通过跨企业知识交流快速掌握新技术知识。最新研究进一步发现,相较于行业、地域,技术关联属性发挥更核心的模仿导向作用:当企业发布技术并购公告时,其技术关联公司的市场价值会显著上调,且企业间技术重叠度越高,价值调整幅度越显著[28]。这表明,技术关联企业并购行为存在更具针对性的“技术价值信号”,是缺乏技术并购经验企业的最优学习对象。

结合信号理论看,技术关联紧密的企业发起技术并购,本质是向同群企业传递关于技术价值、并购可行性、整合路径的新信息:一方面,此类信号有助于同群企业丰富技术并购认知图谱,降低对技术标的价值判断的认知不确定性;另一方面,通过参考关联企业并购策略,同群企业能够降低对标的搜寻、尽职调查等环节的成本投入,优化并购融资与支付方式,同时规避潜在决策风险。此逻辑下,缺乏技术并购经验的企业通过组织学习,模仿技术关联企业并购行为,而具有技术并购经验的企业也可能因信号验证进一步强化自身并购倾向,最终形成“信息传递—模仿学习—行为趋同”的技术并购同群效应。

基于上述资源获取、认知形成、组织模仿的理论逻辑,企业可从创新关联同群者技术并购中获取多元技术信息,挖掘创新融合路径,精准识别技术战略价值,进而催生技术并购决策的群体性趋同。据此,本文提出如下假设:

H1:创新关联网络中的企业技术并购行为存在显著同群效应,即企业技术并购决策受到网络内同群者技术并购行为的正向影响。

2.2 创新关联公司技术并购同群效应的形成机制

竞争性模仿是企业应对市场竞争的核心战略选择,本质是竞争压力下的适应性决策行为。创新关联网络中的企业,其模仿逻辑以产业组织理论为基础框架,竞争动力学理论则为竞争性模仿机制提供解释,阐明竞争性压力向模仿行为转化的路径。

依据产业组织理论的同群效应假说,创新关联网络中的企业面临横向与纵向双重竞争约束:横向聚焦市场份额争夺,同群企业技术迭代或渠道扩张可能引发需求分割风险,进而挤压自身市场空间;纵向聚焦技术创新竞速,同群企业通过并购构建技术壁垒,可能使前期研发投入陷入沉没风险。双重压力叠加会显著提升决策不确定性,现有研究证实,此类不确定性驱动企业采取防御性模仿策略,通过追踪同群者决策直接获取标的筛选、风险评估等关键信息,从而降低搜寻成本与试错风险[2,29]。进一步结合竞争动力学理论的“行为—响应”逻辑,当企业感知到竞争对手通过并购快速提升技术壁垒时,防御性模仿的紧迫性最终转化为实际行动,形成“压力感知—信号识别—并购模仿”的闭环传导机制,进而强化对同群者技术并购的模仿性响应。由此,本文提出以下假设:

H2: 创新关联网络内竞争强度越高,公司技术并购的同群效应越显著。

信息获取性模仿是企业优化战略决策的认知机制,其内在逻辑遵循“组织学习理论—信号理论—资源基础理论”的递进框架,三者分别回应“向谁模仿”“为何模仿”“谁应模仿”的核心问题。

从组织学习理论视角看,当企业面临创新关联网络的复杂环境与技术整合风险时,仅依靠自身认知能力难以完成“标的识别—价值评估—整合协同”的全流程。此时,在低成本高效获取经验的理性学习驱动下,企业会优先观察并学习与自身技术紧密关联的同群企业。这类同群者并购决策中,包含与企业技术需求高度匹配的实践信息,有助于企业规避盲目选择模仿对象带来的风险,是组织学习逻辑下的理想模仿标的。

信号理论聚焦“为何模仿”的底层动因,阐释了同群企业技术并购行为的信号价值。当同群上市公司发起技术并购时,通过公开信息披露渠道,向创新关联网络传递特定技术价值、并购融资与支付方式、整合路径及风险的显性信号。这种信号能够有效降低企业实施技术并购所面临的信息不对称性,通过降低技术标的价值判断的认知成本与整合流程设计的试错风险,增强企业技术并购意愿。

资源基础理论进一步揭示“谁应模仿”的差异根源。万良勇等[2]、Dong等[30]证实,企业信息获取性模仿倾向与其能力储备、经验禀赋呈显著负相关:内部创新能力较弱或并购经验匮乏的企业,信息获取的边际效益会超过自主试错成本,其模仿动机更强,更倾向于学习拥有优质信息与丰富经验的同群者;而并购经验丰富的企业已构建成熟的外部技术获取流程,能够通过总结过往技术并购经验降低信息搜寻成本,进而减少对同群者实时行为的依赖。基于此,本文提出以下假设:

H3: 上市公司并购经验越少,创新关联网络中技术并购的同群效应越显著。

2.3 创新关联公司技术并购同群效应中的模仿对象选择

在技术并购同群效应决策框架中,模仿对象的选择机制是战略决策的核心。法国社会学家加布里埃尔·塔尔德(Gabriel Tarde)提出人类模仿行为的三大定律,即逻辑模仿律、几何级数律、先内后外律。

在企业管理与决策领域,已有研究将逻辑模仿律和先内后外律引入同群效应分析框架,证实其在企业投资决策、资本结构选择等领域的解释效力[2-3,16,31]。本文基于理性决策假设,聚焦创新关联网络中的技术并购场景,探索两大定律在同群效应决策中的具体作用机制。

根据逻辑模仿律的核心逻辑,企业在选择模仿对象时存在显著“向上模仿” 倾向,即优先以绩效表现优异的同群者为学习标杆[2]。在技术并购决策中,同群者的并购绩效是关键信号:高绩效传递并购策略的有效性,强化企业对关联方并购决策与企业绩效间正向关联逻辑的认同,进而通过提升并购期望绩效,增强企业模仿动机;低绩效则释放风险信号,为规避采取相似并购决策带来的绩效损失,企业会调整负向策略,进而抑制其模仿动机。基于此,本文提出以下假设:

H4:创新关联公司技术并购绩效越高,公司技术并购的同群效应越显著。

先内后外律在企业技术并购决策情境中体现为“相似性优先”原则:企业更倾向于模仿与自身创新关联紧密、组织特征匹配度较高的同群者[32]。在创新关联网络中,高关联强度意味着双方在技术轨道、研发范式上的兼容性更强,对应的技术整合路径与价值转化模式也具有较高可参照性,可有效降低技术背景异质性引发的并购模仿失配风险,进而强化企业模仿动机。据此,创新关联网络中的企业更倾向于模仿与其创新关联强度较高的同群者。基于此,本文提出以下假设:

H5: 在创新关联网络中,企业与同群者的平均创新关联强度越高,技术并购的同群效应越显著。

2.4 创新关联公司技术并购同群效应的经济后果

创新关联网络中技术并购同群效应的价值创造潜力,本质上取决于企业模仿动机是认知偏差驱动的非理性从众,还是理性策略主导的主动学习。羊群效应可能导致策略同质化与资源错配,降低企业价值;理性学习可缩短创新周期、降低试错成本,尤其在高技术领域,借鉴同群并购策略能够精准识别技术价值,进而提升资源配置效率。

从时效性维度看,模仿同群企业技术并购,能够快速获取同群者已验证的并购信息,降低信息成本与谈判摩擦,短期内提升并购交易效率[33],以及企业短期绩效。但企业长期绩效增长仍需依赖内部研发体系与并购整合能力深度耦合,以形成难以复制的核心竞争力[34]。

综上,同群效应对企业绩效的影响呈现双阶段传导特征:短期绩效源于理性模仿带来的效率改进,长期价值依赖企业自身并购与技术整合能力的内生性发展。由此,本文提出以下假设:

H6:创新关联企业技术并购的同群效应能够促进短期绩效提升,而企业长期绩效增长主要依赖自身技术并购能力及并购后协同效应的发挥。

综上,本文基于创新关联网络视角,以创新关联技术并购同群效应为自变量,公司自身技术并购为因变量,选取创新网络竞争强度、公司自身技术并购经验作为调节变量,探究同群效应形成机制;同时将同群公司绩效、创新关联强度作为调节变量,分析同群效应中模仿对象的选择机制。本文进一步揭示技术并购同群效应对公司自身绩效的影响路径与作用机制。从短期看,技术并购同群效应通过多元化融资方式和多元化支付方式促进公司技术并购,而公司技术并购会带来全要素生产率提升,进而带动其绩效改善;从长期看,并购管理复杂性会减弱技术并购同群效应对公司自身绩效的提升作用,具体如图1所示。

3 研究设计

3.1 样本选择与数据来源

为构建创新关联网络,本文采用中国研究数据服务平台(CNRDS)的国际专利分类(IPC)数据,涵盖1996—2024年4 824家上市公司持有的发明专利分类,并以124个大类量化创新关联强度。受样本数据区间限制,本文选取2001—2024年A股上市公司并购事件为样本对象,参照万良勇等[2]的研究,样本筛选遵循以下标准:①主并方为上市公司;②剔除金融类公司;③剔除类型为资产剥离、资产置换、债务重组、股份回购等非技术并购样本;④剔除交易总额小于100万元的并购样本;⑤将分次购入目标公司股权以实现并购视为一次并购事件;⑥剔除关联并购样本;⑦剔除地产购买并购事件;⑧剔除数据缺失样本。由此,得到8 707个企业年度观测值。

参考韩宝山[11]的研究,本文对技术并购的界定如下:目标公司并购前五年有专利获得;主并方公告明确以获取技术资源为主要目的;属于《高技术产业(制造业)分类(2017)》《高技术产业(服务业)分类(2018)》界定的高技术产业领域。本文并购数据、财务指标等均来自CSMAR数据库,为降低极端值对实证结果的潜在影响,对所有连续变量在1%和99%分位数水平上进行缩尾处理。

3.2 变量定义

被解释变量:主并公司技术并购频度(tec_ma)。本文采用主并方当年技术并购次数作为主并公司技术并购频度。

核心解释变量:创新关联网络公司技术并购频度(tec_peer_ma)。为缓解内生性问题,本文对核心变量作滞后一期处理,并结合创新关联强度构建创新关联公司技术并购频度。具体而言,公司i在t年对应的创新关联公司技术并购频度为t年关联公司技术并购频度的加权平均,如式(1)所示。

(1)

其中, wi,j,t为公司i和j在t年的相对创新关联强度,其计算方法如式(2)所示。

(2)

参照Zeng等[35]的研究,计算创新关联强度(Li,j,t):首先,从CNRDS中国上市公司发明专利申请分类号数据库中,获取上市公司在t年持有全部发明专利分类号,并按IPC分类号前三位(共124个大类)统计分类频数,根据同一公司在不同技术领域的专利分布情况,构建专利份额矩阵TM×N,其中,M为专利类别数量,N为上市公司数量。其次,基于同一专利类别在不同公司的分布情况,构建技术类别在公司层面的分布矩阵XN×M,对该技术分布矩阵标准化后,得到技术领域间相关系数矩阵Ω=X'X,以此反映知识在不同技术领域的传播概率。最后,将公司专利分布矩阵T标准化后,采用Mahalanobis测度计算创新关联矩阵L=T'ΩT,矩阵上第i行、第j列对应的元素为公司i和j在t年的创新关联关系强度(Li,j,t) 。

参考已有文献,本文控制可能影响企业技术并购决策的企业特征因子:企业年龄、企业规模、独董比例、第一大股东持股比例、资产负债率、主营业务收入增长率、管理层持股比例、货币资金持有率、固定资产占比、无形资产占比、存货周转率。

本文变量定义如表1所示。

3.3 模型构建

本文采用双向固定效应面板模型,构建同群效应基础检验模型(3)检验假设H1。若模型(3)中同群公司技术并购频度(tec_peer_ma)的系数β1显著为正,即创新关联技术并购行为存在同群效应。

tec_mai,t=β0+β1tec_peer_mai,t-1+∑βkControli,k,t+Ind+Year+εi,t

(3)

为检验创新关联同群效应的竞争性模仿机制,本文引入竞争强度(IPsalesHHI)和主要解释变量的交互项构建模型(4)。

tec_mai,t=β0+β1tec_peer_mai,t-1+β2IPsalesHHIi,t+β3tec_peer_mai,t-1×IPsalesHHIi,t+∑βkControli,k,t+Ind+Year+εi,t

(4)

参考赫芬达尔—赫希曼(HHI)的构造逻辑,构建创新关联竞争强度,基于创新关联公司主营业务收入,构造创新关联赫芬达尔—赫希曼指数,为便于解释分析结果,对该指标取相反数并加1转化为正向指标IPsalesHHI。IPsalesHHI的值越大,表明创新关联网络中的竞争强度越高。若交互项系数β3显著为正,则表明创新关联网络竞争强度对同群效应具有正向调节效应,即假设H2成立。

为检验创新关联同群效应的信息获取性模仿机制,参考万良勇等[2]的研究,引入企业技术并购经验(tec_ma_exp)和主要解释变量的交互项构建模型(5)。

tec_mai,t=β0+β1tec_peer_mai,t-1+β2tec_ma_expi,t-1:t-3+β3tec_peer_mai,t-1×tec_ma_expi,t-1:t-3+∑βkControli,k,t+Ind+Year+εi,t

(5)

其中,解释变量企业技术并购经验(tec_ma_expi,t-1:t-3)为企业i在第t年之前3年技术并购发生次数,用于衡量企业i在第t年的技术并购经验。若交互项的回归系数β3显著为负,则表明企业已有技术并购经验会弱化创新关联企业技术并购的同群效应,即假设H3成立。

本文构建模型(6)考察企业并购绩效对同群效应的影响。

tec_mai,t=β0+β1tec_peer_mai,t-1+β2peer_peri,t-1+β3tec_peer_mai,t-1×peer_peri,t-1+∑βkControli,k,t+Ind+Year+εi,t

(6)

模型(6)引入创新关联公司并购绩效(peer_per)的交互变量,若交互项系数β3显著为正,则表明创新关联公司并购绩效与同群效应强度正向关联,即假设H4成立。为提升研究结论的稳健性,本文采用创新关联公司财务绩效(peer_roa)和创新关联公司创新绩效(peer_patent)表征同群公司并购绩效。借鉴王宛秋等(2016)的研究,考虑到研发产出的时滞效应,将并购当年及后两年专利申请数之和作为创新绩效衡量指标,并结合创新关联强度构建创新关联公司创新绩效。

本文引入样本公司第t-1年创新关联公司的平均联结强度(avstrengthi,t-1)作为创新关联网络强度衡量指标,并构建模型(7)考察其对技术并购同群效应的调节作用。若模型(7)交互项系数β3显著为正,即创新关联公司联结越紧密,同群公司技术并购行为对目标公司的示范效应越显著,由此验证假设H5。

tec_mai,t=β0+β1tec_peer_mai,t-1+β2avstrengthi,t-1+β3tec_peer_mai,t-1×avstrengthi,t-1+∑βkControli,k,t+Ind+Year+εi,t

(7)

本文借鉴王君宜等[17]的研究,构建模型(8)探究技术并购同群效应对目标公司绩效的影响。出于稳健性考量,采用总资产收益率(roa)表征财务绩效,以并购后三年专利累计申请数(patent)作为专利数量指标,以专利被引用次数(cite_patent)作为专利质量指标,以专利分散度作为专利新颖度(novel_patent)指标[22]。为深入解析绩效提升的时序特征,本文分别引入t、t+1、t+3和t+5期公司绩效作为被解释变量,通过对比短期即时效应与长期累积效应,揭示创新关联同群效应对公司绩效影响的周期差异。

performancei,(t,t+1,t+3,t+5)=β0+β1tec_mai,t+β2tec_peer_mai,t-1+β3tec_mai,t×tec_peer_mai,t-1+∑βkControli,k,t+Ind+Year+εi,t

(8)

模型(8)回归结果按三层递进逻辑展开分析:若创新关联企业技术并购频度系数显著为正,则表明同群效应正向促进公司绩效表现;若公司自身技术并购系数同时显著为正,则说明自主技术并购行为发挥独立的绩效提升作用,其作用路径与同群效应形成互补关系。进一步地,若交互项系数显著为正,则证实创新关联网络强化技术并购的协同效应,表现出耦合作用;若交互项系数显著为负,则揭示同群效应可能对自主技术并购产生策略性替代。

4 实证结果与分析

4.1 描述性统计

由表2可知,主并方技术并购频度(tec_ma)的均值为0.886,即样本中每年每家上市公司平均发生0.886次技术并购事件,凸显出上市公司通过并购获取外部技术的总体活跃度;创新关联公司同群技术并购频度(tec_peer_ma)的均值为0.176,显著低于主并方自身频度,反映出创新关联网络中技术并购信号传递的稀疏性;创新关联企业市场竞争强度(IPsalesHHI)的均值为0.751,表明创新关联网络内呈现较为紧张的竞争态势,技术资源争夺激烈;企业技术并购经验(tec_ma_exp)的均值为0.842,即平均每家上市公司发生技术并购当年的前三年内累计发生技术并购0.842次,表明多数企业过往技术并购经验积累相对有限。

4.2 技术并购同群效应检验

表3列(1)～(3)分别呈现未纳入解释变量、未纳入控制变量、同时纳入解释变量和控制变量的回归结果。

表3列(3)中,创新关联公司同群技术并购频度(tec_peer_ma)的系数为2.358,且在1%水平上显著。综上,上市公司技术并购决策会受到创新关联企业技术并购行为影响,即创新关联公司间存在技术并购同群效应,假设H1得到验证。

4.3 技术并购同群效应的形成机制检验

(1)竞争性模仿机制。表4列(1)结果显示,创新关联公司同群技术并购频度(tec_peer_ma)的系数为1.645(1%水平上显著),两者交互项的回归系数为0.778(1%水平上显著),说明创新关联网络内企业竞争强度对同群效应发挥正向调节作用,由此验证竞争性模仿是技术并购同群效应的形成机制之一,假设H2得以验证。

(2)信息获取性机制。表4列(2)结果显示,创新关联公司同群技术并购频度(tec_peer_ma)的系数为2.391,公司自身技术并购经验(tec_ma_exp)的系数为0.221,均在1%水平上显著,表明同群技术并购示范效应与公司自身技术并购经验均显著促进公司开展技术并购;两者交互项系数为-0.263,在1%水平上显著,说明企业技术并购经验对同群效应存在负向调节作用。上述结果验证了假设H3,即信息获取性模仿是技术并购同群效应的另一形成机制。

4.4 技术并购同群效应中的模仿对象选择机制检验

本文进一步检验公司在技术并购模仿对象选择上是否遵循逻辑模仿律和先内后外律,即是否优先模仿并购绩效优异或与自身创新关联强度较高的同群公司。

表5列(1)(2)报告了基于模型(6)对逻辑模仿律的回归结果。以创新关联公司财务绩效(peer_roa)和创新绩效(peer_patent)为调节变量,结果显示:两列中核心解释变量与交互项系数均显著为正,表明创新关联公司并购绩效对技术并购同群效应具有正向调节作用,假设 H4 得证。

表5列(3)报告了基于模型(7)对先内后外律的回归结果。以平均创新关联网络强度(avstrength)作为调节变量进行检验,回归结果显示,核心解释变量与交互项系数均显著为正,表明创新关联网络强度对技术并购同群效应具有正向调节作用,假设H5得到验证。

4.5 技术并购同群效应异质性分析

表6列(1)(2)分别报告了非国有企业与国有企业创新关联技术并购同群效应的异质性检验结果;表6列(3)(4)对应高新技术行业企业与非高新技术行业企业创新关联技术并购同群效应的异质性检验结果。回归结果显示,解释变量的回归系数均显著为正。其中,非国有企业的回归系数大于国有企业,高新技术行业企业的回归系数大于非高新技术行业企业。上述两组回归系数差异均通过了组间统计检验,具有统计显著性。

上述回归结果表明:①非国有企业市场化程度更高、面临的生存压力更大,对同群企业而言,其技术并购行为的学习与模仿特征更为显著,而国有企业行为决策更为独立;②相较于非高新技术行业企业,高新技术行业企业因行业特性对技术信息更为敏感,对创新关联企业技术并购决策更具依赖性,因而其学习与模仿动机更强。

4.6 创新关联同群效应经济后果检验

表7报告了基于模型(8)对财务绩效(roa)的回归结果。其中,表7列(1)～(4)分别以上市公司t、t+1、t+3、t+5期财务绩效作为被解释变量。表7结果显示,当被解释变量为t、t+1期财务绩效时,创新关联企业技术并购频度的回归系数在1%水平上显著为正;当被解释变量为t+3、t+5期财务绩效时,该系数则不显著。这表明创新关联网络技术并购行为的同群效应对主并上市公司财务绩效的促进作用具有短期显著性,长期则不显著。

表8报告了模型(8)以专利申请数作为专利数量指标(patent)衡量创新绩效的回归结果。结果显示,各期创新关联技术并购频度的系数均在1%水平上显著为正,且呈逐步下降趋势。这表明,技术并购同群效应对主并公司专利数量的促进作用具有显著性,但会随时间推移逐步弱化。

此外,公司自身技术并购频度(tec_ma)的系数由负转正且呈现逐步增大趋势。其中,t、t+1期的系数显著为负,t+3、t+5期的系数显著为正。这表明,短期内公司技术并购行为可能因挤占研发投入而抑制专利数量提升,长期则通过整合被并购方技术知识发挥协同效应,促进创新能力提升,即公司自身技术并购对其长期专利数量发挥显著促进作用。

进一步地,交互项系数呈现由正转负的趋势。其中,t、t+1期的系数显著为正,t+3、t+5期的系数显著为负。这表明,短期内公司自身技术并购与创新关联同群效应在促进创新绩效提升方面呈现协同耦合;长期看,公司自身技术并购对同群效应产生策略性替代,成为驱动创新绩效提升的主导因素。

表9报告了模型(8)以专利被引用次数作为专利质量指标(cite_patent)衡量创新绩效的回归结果。结果显示:t期创新关联公司技术并购频度的系数在1%水平上显著为正。相较于t期,t+1、t+3、t+5期专利质量指标的回归系数及其显著性明显下降。这表明,创新关联网络技术并购行为的同群效应对主并上市公司专利质量的促进作用同样具有显著性,但长期效果明显减弱。

表10报告了模型(8)以专利分散度作为专利新颖度指标(novel_patent)衡量创新绩效的回归结果。结果显示:各期创新关联公司技术并购频度的系数均在1%水平上显著为正,且呈逐步下降趋势。这表明,与专利数量一样,技术并购同群效应对主并公司专利新颖度的促进作用具有显著性,但长期效应逐步弱化。

此外,公司自身技术并购频度的回归系数及其显著性水平呈现逐步提升趋势。其中,t期的系数不显著,t+1、t+3期的系数在5%水平上显著,t+5期的系数在1%水平上显著。这表明,公司自身技术并购对企业长期专利新颖度(企业技术多样性)具有显著促进作用。

综上,技术并购同群效应对企业创新绩效具有显著促进作用,但随时间推移逐渐减弱;企业自身技术并购对创新绩效的影响,则呈现短期抑制、长期促进的动态特征。

进一步地,本文从信号效应视角,揭示了技术并购同群效应对企业绩效的短期促进作用机制:技术并购同群效应通过推动企业并购支付和融资方式多元化,助力企业开展技术并购,进而促进全要素生产率提升,最终提升企业绩效。同时,本文从管理复杂性视角,揭示了技术并购同群效应对企业绩效的长期促进作用机制:并购后面临的管理挑战与潜在技术整合风险也较大,易对企业长期绩效产生持续消极影响。

4.7 稳健性检验

4.7.1 排除行业同群效应干扰

同行业公司因主营业务同质化,其发明专利分类具有相似性,这一特征可能引发概念混淆,即将创新关联企业技术并购同群效应等同于行业内企业间技术并购行为的相互模仿。因此,需明确区分创新关联同群效应与传统行业同群效应。

本文采用同行业内其他公司技术并购次数的平均值衡量上市公司行业同群并购频度(ind_peer_ma),重构模型(9)(10)验证两种同群效应的交互关系。

tec_mai,t=β0+β1ind_peer_mai,t-1+∑βkControli,k,t+Ind+Year+εi,t

(9)

tec_mai,t=β0+β1tec_peer_mai,t-1+β2ind_peer_mai,t-1+β3tec_peer_mai,t-1×ind_peer_mai,t-1+∑βkControli,k,t+Ind+Year+εi,t

(10)

表11列(2)结果显示,行业同群技术并购频度的回归系数显著为正,证实行业同群效应存在。列(3)中,纳入行业同群技术并购频度后,创新关联技术并购频度对公司自身技术并购的正向影响仍显著,且两者交互项系数显著为正。这表明,两种同群关系均对公司技术并购具有重要促进作用,且二者存在耦合效应。由此说明,创新关联同群效应是对行业同群效应的有益补充。

4.7.2 减轻遗漏变量与排除反向因果的影响

鉴于公司技术并购决策可能受到自身异质性因素影响,本文在模型(3)中纳入个体固定效应。此外,在验证技术并购同群效应时,主并公司以往的并购行为可能影响其在创新关联网络中的地位,进而影响网络内其他企业技术并购决策,产生反向因果问题。因此,本文剔除并购前三年发生过技术并购的企业样本,重新对模型(3)进行回归分析。表12列(1)(2)分别报告了纳入个体固定效应、剔除技术并购经验样本后的回归结果。结果显示,经上述两种方式调整模型后,解释变量的系数仍显著为正。这表明,在控制公司个体差异、排除反向因果关系的影响后,创新关联技术并购同群效应仍显著存在。

4.7.3 利用工具变量缓解内生性问题

鉴于遗漏共同影响因子可能引发内生性问题,降低创新关联企业间技术并购同群效应识别的准确性,本文借鉴曾凯霖等[36]的研究,选取创新关联公司股票特质收益率的波动率和融资约束FC指数、KZ指数,作为创新关联公司技术并购频度的工具变量。以股票特质收益率为例,构建模型如下:

(11)

其中,ri,t代表公司i第t个月的股票收益,MKTt、SMBt、HMLt、UMDt、INDt分别代表市场超额收益率、规模因子、账面市值比因子、动量因子和行业收益。

构造工具变量所采用的公司股票特质收益率和融资约束指数,在构造过程中纳入了市场和行业因子,能够有效排除市场情绪与行业景气度对变量的干扰,选择依据如下:其一,既有研究已证实,创新活动与股票价格波动存在显著正向关联,与融资约束存在显著负向关联,为工具变量与创新活动的潜在关联性提供了理论支撑;其二,基于创新关联构建的工具变量剔除了市场与行业因子影响,避免其通过行业周期、政策冲击等共同因素间接影响目标公司并购决策,从而有效排除内生性干扰。由此可见,创新关联公司股票特质收益率的波动率和融资约束指数符合工具变量选择标准:与内生变量(tec_peer_ma)高度相关,且与目标变量(tec_ma)的扰动项不相关。基于此,本文采用创新关联公司股票特质收益率的波动率(peer_risk)、融资约束FC指数(peer_fc)和KZ指数(peer_kz)作为工具变量,对模型(3)进行重新回归,以缓解内生性问题对研究结论的影响。

表13报告了以创新关联公司股票特质收益率的波动率、融资约束FC指数、KZ指数作为工具变量的回归结果。第一阶段回归结果显示,工具变量创新关联公司股票特质收益率的波动率(peer_risk)、融资约束FC指数(peer_fc)和KZ指数(peer_kz)的回归系数分别为1.223、-2.638、-0.112,均在1%水平上显著,表明创新关联公司股票特质收益率的波动率和解释变量间存在显著正向关联,融资约束指数与解释变量存在显著负向关联,验证了工具变量的相关性。第二阶段回归结果显示,创新关联公司同群技术并购频度(tec_peer_ma)的系数均在1%水平上显著为正,说明控制内生性问题后,创新关联同群技术并购对公司自身技术并购频度的正向影响仍保持统计显著性。

表13中Cragg-Donald Wald F统计量(用于弱工具变量检验)显著大于Stock-Yogo临界值,表明不存在弱工具变量问题;Kleibergen-Paap rk LM统计量(用于识别不足检验)均在1%水平上显著,拒绝“工具变量识别不足”的原假设。上述结果进一步表明工具变量的可靠性与有效性。

5 结语

5.1 研究结论

本文以2001—2024年A股上市公司技术并购事件为样本,分析动态反映公司间技术知识流动的创新关联网络,揭示了创新关联公司间模仿行为对公司技术并购决策的重要影响,得出以下主要结论:

(1)创新关联网络中企业技术并购具有显著同群效应。研究发现,企业技术并购决策受创新关联紧密的同群企业影响,这一结论在控制行业同群效应、企业异质性及内生性问题后依然成立。结果显示,相较于行业层面的泛化影响,创新关联形成的紧密网络更易成为技术并购同群效应的传导载体,也印证了组织学习理论中企业优先向紧密关联同类模仿学习的论断。

(2)创新关联技术并购同群效应的形成,源于竞争压力与信息桥梁双元机制的作用。其中,竞争性模仿回应了竞争动力学中“市场地位防御”的逻辑,在面临技术创新不确定性时,企业倾向于采用防御性模仿策略,通过跟进关联方并购降低试错风险;信息获取性模仿则通过获取创新关联网络传递的技术价值信号,有效缓解技术市场的信息不对称,进而增强企业技术并购动机与决策能力。这一发现揭示了创新密集型行业中企业“被动防御”与“主动学习”并存的决策逻辑。

(3)技术并购同群效应中,企业对模仿对象的选择契合人类模仿行为的核心规律。研究证实,企业会优先模仿技术并购绩效更优的同群群体(逻辑模仿律)与技术关联强度更高的同伴(先内后外律)。这一发现将个体模仿理论拓展至组织层面,表明在复杂网络中筛选模仿对象时,企业既遵循绩效导向的理性选择以降低模仿风险,又依赖邻近关系的信任基础以提升模仿适配性,为组织模仿行为的目标选择提供了可操作的判断标准。

(4)模仿创新关联方技术并购的经济效应呈现短期强、长期弱的动态特征。其中,中介机制检验揭示了该同群效应提升企业短期绩效的核心路径:企业通过学习关联方技术并购经验,优化自身并购融资与支付方式,进而更高效地开展技术并购,而技术并购又能通过提升全要素生产率,显著提升企业短期绩效。调节效应检验则表明,并购复杂性是导致技术并购同群效应对企业绩效长期影响弱化的关键因素:并购复杂性会加大并购后的技术整合难度,进而抑制企业长期绩效提升。这一结论既拓展了并购绩效的长短期分析维度,也为理解技术并购同群效应经济后果的内在机制提供了新的视角。

5.2 理论贡献

(1)拓展技术并购决策理论分析边界。突破传统研究聚焦单一企业内部决策因素的局限,将企业创新网络结构纳入分析框架,构建以创新关联网络为信息载体的跨企业技术并购决策互动模型。通过揭示创新网络中技术并购的群体模仿特征,不仅丰富了同群效应理论在并购决策领域的应用场景,更拓展了创新关联网络理论在企业组织学习行为中的应用边界,为理解复杂网络环境下的企业战略互动提供了新视角。

(2)构建技术并购同群效应的形成机制与选择机制分析体系。结合产业组织理论与竞争动力学理论,揭示了创新网络内部竞争压力转化为技术并购模仿的响应机制;基于组织学习理论、信号理论与资源基础理论三维视角,分析信息获取视角下经验匮乏企业模仿经验丰富企业的内在逻辑。同时,将人类模仿行为理论中的逻辑模仿律与先内后外律引入企业并购决策场景,阐释技术并购中同群效应的微观决策逻辑,为组织模仿行为理论研究提供了场景应用范例。

(3)重构技术并购经济后果的动态理论框架。通过分析技术并购同群效应的长短期经济后果及其内在机制,揭示了技术并购同群效应提升企业短期绩效的具体路径,阐释了长期视角下技术管理复杂性对企业绩效的抑制机理。这一重构突破了现有研究对并购经济后果长短期混同分析的局限,揭示了技术并购同群效应背后的深层机制,深化了学界对技术并购同群效应经济价值的理论认知。

5.3 管理启示

(1)锚定自身能力与网络特征,精准识别创新关联同群。企业需结合过往技术并购经验,科学评估自身在标的筛选、技术估值、整合风险防控等领域的认知短板与核心能力,同时对标创新关联网络的市场竞争强度,理性研判同群模仿的紧迫性与必要性。突破传统以行业、地域界定同群的局限,基于专利相似度与专利引用网络,构建创新关联方精准识别体系,将技术相似度较高、知识互补性较强的企业纳入核心同群范畴,为后续模仿学习提供精准靶向。

(2)遵循模仿选择规律,高效转化同群并购经验。严格遵循逻辑模仿律与先内后外律,优先锁定创新关联强度较高、并购后财务绩效与创新绩效双优的核心同群企业,重点了解其标的筛选标准、技术估值方法、融资与支付组合策略等实操细节,将成功经验转化为自身可复用的决策模板,进而降低信息搜寻成本与试错风险,提升并购决策效率。构建动态评估机制,持续跟踪模仿行为对自身创新产出(数量、质量、新颖度)与财务绩效的影响,根据评估结果选择性吸收经验并动态调整决策,避免盲目模仿导致资源错配。

(3)分阶段推动模仿学习向自主创新跃迁,强化长期创新动力。以同群模仿为起点,短期通过精准模仿快速提升技术并购基础能力;中期针对并购规模、时长等影响长期绩效的关键因素,构建创新关联方技术并购案例库,根据技术适配度、并购复杂性、绩效表现等特征,分类归档案例核心要素,形成标准化操作流程;长期结合自身技术战略,自主规划并购方向,聚焦核心技术领域深度布局,将同群经验转化为自主决策、高效整合的内生能力,实现从跟随模仿到主动引领的创新跃迁,为长期绩效持续提升提供核心支撑。

5.4 不足与展望

本文存在以下不足:其一,创新关联关系测度依赖于企业发明专利分布结构,未充分反映专利文本信息蕴含的潜在关联,不利于精准度量创新关联网络强度;其二,未进一步细分技术并购类型(如相似技术并购与互补技术并购),难以揭示不同目标技术属性下,技术并购同群效应的异质性形成机制与经济后果;其三,受限于数据可得性,未将标的搜寻成本、文化冲突等并购特征纳入分析框架。未来可采用文本分析法优化创新关联测度,细分技术并购类型,并通过挖掘企业年报、并购公告等文本数据补充技术并购特征变量,以提升研究结论的普适性。

参考文献：

[1] 崔永梅, 杨婷羽, 李瑞, 等. 从技术并购到自主创新: 演化机制与路径[J].北京交通大学学报(社会科学版), 2023, 22(4): 76-86.

[2] 万良勇, 梁婵娟, 饶静. 上市公司并购决策的行业同群效应研究[J].南开管理评论, 2016, 19(3): 40-50.

[3] 桂良军,马景惠,任颖.混合所有股权结构、高管跨体制联结与公司绩效[J].财会月刊,2019,40(6):46-54.

[4] 苏诚. 连锁董事网中公司并购行为的同群效应[J].华东经济管理, 2017, 31(1): 143-150.

[5] 柏晶菁, 李俊峰. 产业集群内企业创新网络与创新绩效关联性实证研究——以安徽高沟电缆产业集群为例[J].世界地理研究, 2021, 30(1): 157-166.

[6] 苏屹, 付宁宁. 智能制造企业创新关联网络结构对技术生态位的影响[J].系统管理学报, 2022, 31(3): 545-554.

[7] 许楠, 魏冉. 京津冀创新网络结构演变及其驱动因素研究[J].河北经贸大学学报, 2024, 45(4): 83-95.

[8] 王腾飞, 马仁锋. 长三角地区城市创新关联及其隐性壁垒研究[J].上海经济研究, 2019,35(12): 45-55.

[9] 王萍, 刘思峰. 高新区创新网络中的耦合创新研究与模型构建[J].现代管理科学, 2010,29(5): 28-29, 92.

[10] 尹聪慧, 余翔. 基于专利信息的CCS技术创新网络图谱分析[J].技术经济, 2018, 37(5): 64-70, 114.

[11] 韩宝山. 技术并购与创新: 文献综述及研究展望[J].经济管理, 2017, 39(9): 195-208.

[12] SUO L L, YANG K Z, JI H. The impact of technological mergers and acquisitions on enterprise innovation: a review[J].Sustainability, 2023, 15(17): 12883.

[13] SONG S Y, WANG J W. Boardroom networks and corporate investment[J].Journal of Corporate Finance, 2024, 84: 102522.

[14] 霍春辉, 吕梦晓, 许晓娜. 数字化转型 “同群效应” 与企业高质量发展——基于制造业上市公司的经验证据[J].科技进步与对策, 2023, 40(4): 77-87.

[15] 范建红,张嘉轩,陈怀超,等.专精特新企业创新能否影响同行业企业创新——基于同群效应视角[J].科技进步与对策,2025,42(23):71-82.

[16] 阎海峰, 钱嘉怡, 杨昕悦, 等. 独立董事连锁网络下企业数字化转型同群效应研究[J].软科学, 2024, 38(12): 93-100.

[17] 王君宜, 赵秀云. 上市公司股份回购的同群效应及其经济后果[J].当代财经, 2024,45(1): 75-85.

[18] 雷学,许学国,周诗雨,等.术业专攻还是博采众长?多元技术并购组合对突破式创新的影响[J].科技进步与对策,2026,43(6):32-41.

[19] 白俊, 周全, 韩贺洋. 技术并购、并购依赖与创新绩效[J].科学管理研究, 2022, 40(5): 108-117.

[20] 宋华盛, 薛浠榕, 黄洁, 等. 数字技术并购对企业创新的影响研究[J].华东经济管理, 2024, 38(10): 59-71.

[21] 朱华桂, 庄晨. 基于协同效应的企业技术并购绩效研究——以上市公司为例[J].软科学, 2016, 30(7): 58-61, 69.

[22] MAKRI M,HITT M A,LANE P J.Complementary technologies, knowledge relatedness, and invention outcomes in high technology mergers and acquisitions[J].Strategic Management Journal, 2010, 31(6): 602-628.

[23] ARTS S, CASSIMAN B, HOU J N. Technology differentiation, product market rivalry, and M&A transactions[J].Strategic Management Journal, 2025, 46(4): 837-862.

[24] PORAC C. Is visual illusion decrement based on selective adaptation?[J].Perception &Psychophysics, 1989, 46(3): 279-283.

[25] MACHOKOTO M, GYIMAH D, NTIM C G. Do peer firms influence innovation?[J].The British Accounting Review, 2021, 53(5): 100988.

[26] YANG M, HYLAND M. Who do firms imitate? a multilevel approach to examining sources of imitation in the choice of mergers and acquisitions[J].Journal of Management, 2006, 32(3): 381-399.

[27] MATRAY A. The local innovation spillovers of listed firms[J].Journal of Financial Economics, 2021, 141(2): 395-412.

[28] CAI X S, DE CESARI A, GAO N, et al. Acquisitions and technology value revision[J].Management Science, 2023, 70(7): 4283-4305.

[29] XU R X, HE C, LI Y X, et al. Peer effects of corporate green innovation: evidence from China's listed firms[J].Finance Research Letters, 2024, 61: 105025.

[30] DONG J C, LIU X T, JI K X, et al. Peer effects in financial investment of board-interlocked firms: an information sharing perspective[J].Economic Analysis and Policy, 2023, 80: 1490-1508.

[31] XIAO R, MA C A, SONG G R, et al. Does peer influence improve firms' innovative investment?evidence from China[J].Energy Reports, 2022, 8: 1143-1150.

[32] 温石刚, 朱晓谦, 李建平. 公司财务欺诈行为的同群效应: 基于连锁董事网络社团的研究[J].工程管理科技前沿, 2023, 42(3): 20-28.

[33] AHUJA G. Collaboration networks, structural holes, and innovation: a longitudinal study[J].Administrative Science Quarterly, 2000, 45(3): 425-455.

[34] TEECE D J. Explicating dynamic capabilities: the nature and microfoundations of (sustainable) enterprise performance[J].Strategic Management Journal, 2007, 28(13): 1319-1350.

[35] ZENG K L, KUANG W, MILLS E F E A. Cross-firm technological linkage and peer effects on investment efficiency[J].Economics Letters, 2025, 248: 112220.

[36] 曾凯霖,邝文,刘孟雪.创新关联网络中企业创新同群效应:多维驱动机制与经济溢出[J].科技进步与对策,2026,43(6):113-125.

(责任编辑：张 悦)