数字型跨境并购与企业数字化转型

Digital Cross-Border M&A and Enterprise Digital Transformation

摘要: 本文基于2014~2022年BvD-Zephyr数据库与CSMAR、CNRDS数据库匹配得到的微观数据，使用多时点双重差分法实证检验了数字型跨境并购对企业数字化转型的影响。研究结果显示：数字型跨境并购通过驱动企业研发创新和增强企业知识基础赋能企业数字化转型。本研究聚焦数字型跨境并购的微观经济影响，对于数字经济背景下企业加速数字化转型进程，培育数字竞争新优势有着重要的理论和现实意义。

Abstract: Based on the micro data obtained by matching BvD-Zephyr database with CSMAR and CNRDS databases from 2014 to 2022, this paper uses the multi-time difference-in-differences method to empirically test the impact of digital cross-border mergers and acquisitions on enterprises’ digital transformation. The results show that digital cross-border M&A enables enterprises’ digital transformation by driving enterprises’ R&D innovation and enhancing enterprises’ knowledge base. This study focuses on the microeconomic impact of digital cross-border M&A, which has important theoretical and practical significance for enterprises to accelerate the process of digital transformation and cultivate new digital competitive advantages under the background of digital economy.

1. 引言

数字技术是企业数字化转型的核心驱动力，但由于数字技术具有外部交易成本高、研发风险大，技术更迭快等典型特征，对企业而言，相较于自行研发，从外部获取数字技术是一项更为经济的手段[1]。中央网信办、工信部、商务部联合印发《数字经济对外投资合作工作指引》鼓励企业在数字经济领域积极开展对外投资合作，推动传统经济与数字经济相融合，加快实现产业数字化转型与数字产业化升级。近年来，数字型对外直接投资在国际投资中占比不断提高，保持强劲的增长势头。由于数字经济制造环节占比的降低，数字型跨境并购已成为数字型对外直接投资的主要模式[2] [3]。那么，在数字经济背景下，数字型跨境并购能否成为加速企业数字化转型的关键抓手？其作用机制是什么？厘清上述问题对我国构建“双循环”新发展格局，培育数字竞争新优势具有重要的理论和现实意义。

目前，与本文密切相关的第一类文献为企业数字化转型影响因素的相关研究。一是政策因素。无论是数字基础设施政策等数字经济政策还是税收制度变革等非数字经济政策均能够显著驱动企业数字化转型[4] [5]。二是技术因素。信息通信技术和数字技术日益成为企业数字化转型的核心驱动力[6] [7]，数字技术能够赋能数字商业模式创新、并购重组[8] [9]，实现母公司与子公司内部的即时信息交互以及上下游企业间的互联互通，驱动企业创新与数字化转型升级[10]-[12]。三是组织和管理者因素。组织结构和管理者能力是影响企业数字化转型的关键因素[13] [14]。企业数字化转型过程要求管理者具有开拓性视野[15]。

第二类文献则是数字型跨境并购的相关研究。相较于数字经济所受的关注，数字型跨境并购的相关研究甚少，主要集中在以下两个方面：一是数字型跨境并购的影响因素。现有研究表明东道国的数字技术、研发资源以及数字平台企业集聚是数字型跨境并购的关键驱动力，而市场规模、地理距离等传统因素的影响正逐渐减弱[3] [16]。二是数字型跨境并购的经济效应，主要聚焦其对企业全要素生产率、市场势力以及个体创业行为的影响。一方面，数字型跨境并购呈现出低边际成本、显著逆向技术溢出与价值创造等特性，能够助力企业快速获取数字技术和抢占数字市场，为企业重塑国际竞争力赋予新机遇，通过数字技术知识共享机制和研发投入激励机制促进企业创新，提升企业全要素生产率[17] [18]。另一方面，数字型跨境并购通过知识协同效应和财务协同效应促进企业创新，有效提升企业全要素生产率和市场势力[19]-[21]。

与既有文献相比，本文的边际贡献可能体现在：第一，在研究视角方面，以数字型跨境并购为切入点，关注数字型跨境并购对企业数字化转型的影响及其作用机制，有效拓展数字型跨境并购经济效应以及企业数字化转型影响因素的相关研究。第二，在数字型跨境并购界定与数据匹配方面，结合2014~2022年中国沪深A股上市公司数据与Zephyr数据库跨境并购数据，将我国国家统计局发布的《数字经济及其核心产业分类(2021)》与美国标准行业分类代码(USSIC)进行匹配，识别出数字经济行业，为后续数字型跨境并购研究提供参考和借鉴。第三，在机制识别方面，通过验证研发创新驱动机制与知识基础增强机制，有效甄别数字型跨境并购对企业数字化转型的影响，揭开其中的机制黑箱。

2. 理论分析与研究假说

2.1. 研发创新驱动机制

研发创新是企业数字化转型的关键因素，研发创新水平提高能够为企业数字化转型提供充足的硬件匹配基础条件，助力企业数字化深度转型[22]。数字型跨境并购可通过缓解信息不对称、发挥规模经济效应以及提供技术资源保障，驱动企业研发创新。首先，数字型跨境并购能够发挥邻近效应，使得主并企业直接接触数字市场消费者，了解其需求偏好，降低企业与消费者之间的信息壁垒，缓解供需双方的信息不对称。信息不对称的缓解有助于降低创新的外源融资约束，促进企业研发投入，提高企业研发创新水平[23]。其次，数字型跨境并购能够为企业开辟全新的海外数字市场空间，有效拓展客户基础，引致更多产品需求，激励企业扩大生产规模，通过发挥规模经济效应，降低单位产品研发成本，驱动企业研发创新。此外，数字型跨境并购通过提供技术资源保障，驱动企业研发创新。技术资源是企业进行研发创新的基础。基于“互补性资源假说”[24]，中国企业进行数字型跨境并购是对数字技术相关资源的互补寻求[25]，有助于企业破除自身数字技术资源不足的桎梏，为研发创新提供技术资源保障。

2.2. 知识基础增强机制

基于知识基础观及其相关理论，企业能否顺利利用并购获取的外部技术，一定程度上取决于其是否具有吸收、利用和转化外部技术的知识基础[26]。企业的知识基础越强，对外部新知识的接受能力就越强，越能激发企业利用数字化手段跨界整合自身和外部知识资源的主动性[27]，从而更有利于企业消化和吸收并购获取的先进数字技术资源，将其转化为自身所需的数字能力，加速企业数字化转型。数字型跨境并购为企业提供了获取数字技术相关知识的新途径，扩大了企业潜在的新知识组合[20]，能够显著增强企业知识基础。一方面，数字型跨境并购可以使企业在短时间内获得有关新的外部知识的所有权和处置权，帮助企业建立数字知识库[18]。数字知识库的建立能够使企业不断积累和更新知识资源，促进知识的流动和共享，从而不断增强企业知识基础，加速企业数字化转型。另一方面，数字型跨境并购以数字技术资源获取为主要目的，能够为企业注入异质性的新知识，更新原有内部知识，使知识元素之间建立新联系[28]，从而增强企业知识基础，加速企业数字化转型。此外，企业间知识基础的相对差异会对并购后的知识整合产生重要影响[29]。数字型跨境并购通过增强企业知识基础，帮助企业跨越知识基础差异，降低企业对差异化数字技术知识的整合难度，使蕴含在数字技术中的知识能够更好地跨越企业边界进行传播[19]，从而加速企业数字化转型。

基于上述理论分析，本文提出如下假说：

H1：数字型跨境并购能够显著促进企业数字化转型。

H2：数字型跨境并购通过驱动企业研发创新，助力企业数字化转型。

H3：数字型跨境并购通过增强企业知识基础，加速企业数字化转型。

3. 研究设计

3.1. 数据来源与样本选择

本文选取2014~2022年中国沪深A股上市公司跨境并购数据作为研究样本。企业层面数据来源于国泰安(CSMAR)数据库，跨境并购数据来源于BVD公司旗下的Zephyr数据库。本文对数据进行如下处理：(1) 筛选并购交易状态，保留交易状态为“Completed”和“Completed Assumed”的并购数据；(2) 剔除金融行业的并购企业；(3) 剔除样本中当前股票状态为ST、ST*的企业；(4) 剔除并购交易东道国(或地区)为“避税天堂”的企业；(5) 剔除在样本期内重复进行跨境并购的企业；(6) 对所有连续变量按1%和99%分位进行缩尾处理。经过上述数据匹配和处理，共计得到3895个观测值，其中，在样本期内进行过跨境并购的企业共有482家，进行过数字型跨境并购的企业共有85家。

3.2. 计量模型设定

考虑到不同企业进行数字型跨境并购的时间不同，本文构建多时点双重差分模型考察数字型跨境并购对企业数字化转型的影响。具体模型设定如下：

$digita{l}_{it}=\alpha +\beta di{d}_{it}+C_{it}+{\rho }_i+{\lambda }_t+{\epsilon }_{it}$ (1)

其中，下标i、t分别表示企业和年份。被解释变量digital_it表示企业i在t年的数字化水平。核心解释变量did_it为双重差分估计量，若企业i进行过数字型跨境并购，且样本处于企业数字型跨境并购当年及之后的年份，则did_it取值为1，否则取值为0。C_it表示影响企业数字化转型的一系列控制变量。ρ_i表示企业固定效应，λ_t表示时间固定效应，用来降低不可观测因素的影响。ε_it为随机扰动项，本文将所有回归聚类到企业层面以控制潜在的序列相关和异方差问题。β是本文关注的核心系数，反映了数字型跨境并购对企业数字化转型的影响。

3.3. 变量定义和数据描述

被解释变量：企业数字化水平(digital)。本文构造企业数字化水平指标的整体思路借鉴了袁淳等(2021)的研究[30]，具体步骤如下：第一步，在数字化关键词选取上，本文参考了一系列以文本分析方法构造企业数字化水平指标的文献[30]-[32]，并结合国家数字经济政策文件，归纳整理出企业数字化相关的关键词共234个，形成数字化术语词典。第二步，对沪深A股上市公司年报“管理层讨论与分析”(MD&A)部分进行文本分析，统计得到年报MD&A中各个数字化关键词的出现次数。第三步，采用企业数字化关键词的频数总和除以年报MD&A的语段长度并乘以100，以此衡量企业数字化水平。digital指标数值越大，表示企业的数字化水平越高。

核心解释变量：数字型跨境并购(did1)。根据美国标准行业分类代码(USSIC)¹与国家统计局发布的《数字经济及其核心产业分类(2021)》进行匹配，可以识别出数字经济行业。数字经济行业划分如表1所示。本文将针对东道国(或地区)数字经济行业企业进行的并购行为认定为数字型跨境并购，若并购标的企业从事的主要行业属于数字经济行业，且样本处于数字型跨境并购当年及之后的年份，则did1取值为1，否则取值为0。

Table 1. Classification of digital economy industries

表1. 数字经济行业划分

数字经济核心产业(大类)	数字经济核心产业(中类)	美国标准行业分类代码(USSIC)
01 数字产品制造业	0101 计算机制造	3571；3572、3575、3577
	0102 通讯及雷达设备制造	3669；3812
	0103 数字媒体设备制造	3651；3652；3663；3695
	0104 智能设备制造	3581
	0105 电子元器件及设备制造	3671；3672；3674；3675；3676；3677；3678；3679
02 数字产品服务业	0201 数字产品批发	5043；5045；5065
	0202 数字产品零售	5731；5734；5735
	0203 数字产品租赁	7841
03 数字技术应用业	0302 电信、广播电视和卫星传输服务	4812；4813；4822；4899
	0303 互联网相关服务	7375；7376；7377
	0304 信息技术服务	7371；7372；7373；7374；7378；7379
04 数字要素驱动业	0404 数字内容与媒体	2721；4832；4833；4841；7812；7819；7822；7829；7832；7833；
	0406 数据资源与产权交易	6794

本文选取以下控制变量：(1) 企业规模(size)：用企业总资产加1的自然对数来表示。(2) 企业年龄(age)：用当年年份减去企业成立年份的自然对数来表示。(3) 财务杠杆(lev)：用企业总负债与总资产的比值来表示。(4) 资产收益率(roa)：用企业净利润与总资产的比值来表示。(5) 股权集中度(top1)：用第一大股东持股比例来表示。(6) 融资成本(financecost)：用包含利息支出的财务费用与企业总负债的比值来表示。变量定义及描述性统计详见表2。

Table 2. Variable definition and descriptive statistics

表2. 变量定义及描述性统计

变量名	变量定义	样本量	平均值	标准差	最小值	最大值
digital	企业数字化水平	3724	1.1902	1.1167	0	5.6761
did1	数字型跨境并购	3895	0.1032	0.3043	0	1
size	(企业总资产 + 1)的对数	3895	4.2476	1.3181	1.9311	7.9085
age	(当年年份 − 企业成立年份)的对数	3895	2.9065	0.3253	1.9459	3.5835
lev	总负债/总资产	3895	0.4394	0.1938	0.0801	0.8978
roa	净利润/总资产	3895	0.0400	0.0642	−0.2196	0.2229
top1	第一大股东持股比例	3895	0.3267	0.1471	0.0802	0.7156
financecost	财务费用(包含利息支出)/总负债	3883	0.0670	0.0947	0.0006	0.5731

4. 实证分析

4.1. 基准回归分析

为检验数字型跨境并购对企业数字化转型的影响，本文使用多时点双重差分法对基准回归模型进行估计，回归结果如表3所示。核心解释变量did1均在1%的水平上显著为正，由此表明，数字型跨境并购能够显著提高企业数字化水平，促进企业数字化转型。假说H1得到验证。

4.2. 稳健性检验

4.2.1. 事前趋势检验

平行趋势假设是使用双重差分方法最重要的前提假设，决定了双重差分模型的估计结果是否具有可

Table 3. Baseline regression results

表3. 基准回归结果

变量	(1)	(2)	(3)	(4)
	digital	digital	digital	digital
did1	0.913^***	0.867^***	0.322^***	0.327^***
	(0.166)	(0.164)	(0.093)	(0.090)
size		0.018	0.098**	0.084^*
		(0.035)	(0.046)	(0.049)
age		−0.031	1.389^***	0.153
		(0.115)	(0.149)	(0.384)
lev		−0.323	−0.056	−0.122
		(0.271)	(0.213)	(0.216)
roa		0.422	0.246	0.171
		(0.519)	(0.291)	(0.283)
top1		−1.091^***	0.590^**	0.692^**
		(0.296)	(0.299)	(0.299)
financecost		−0.030	−0.238	−0.539^*
		(0.400)	(0.288)	(0.300)
常数项	1.095^***	1.595^***	−3.461^***	0.210
	(0.043)	(0.399)	(0.461)	(1.152)
企业固定效应	否	否	是	是
年份固定效应	否	否	否	是
N	3724	3715	3714	3714
R^2	0.063	0.084	0.798	0.813

注：括号内为聚类在企业层面的稳健标准误；^*、^**、^***分别表示10%、5%和1%的显著性水平。以下各表同。

信度。在企业进行数字型跨境并购前，处理组与对照组的数字化水平应按照相同的趋势变化。因此，本文以企业数字型跨境并购的前1年作为参照期，使用经典的事件研究法进行事前趋势检验，结果如图1所示。在企业进行数字型跨境并购之前，影响系数为负且置信区间在0上下波动，未通过显著性检验，说明是满足平行趋势假设的。而在企业进行数字型跨境并购的当年开始，影响系数迅速提升且显著为正，呈现出随着时间不断提升的趋势，说明数字型跨境并购对企业数字化转型的促进作用长期持续且随着并购后整合进程的推进而越发明显。

4.2.2. 安慰剂检验

本文进一步通过安慰剂检验剔除其他随机因素的影响。具体而言，通过随机分配处理组和并购年份进行安慰剂检验，得到随机生成的“虚构”数字型跨境并购变量，并将其代入式(1)进行回归。利用蒙特卡洛模拟将上述回归过程重复500次，得到500个“虚构”的数字型跨境并购对企业数字化转型影响的

Figure 1. Pre-event trend analysis

图1. 事前趋势检验

系数估计结果，如图2所示。图2中，黑色竖线为真实的数字型跨境并购系数估计值，在安慰剂检验中属于异常值。而随机生成的“虚构”数字型跨境并购的系数估计值大部分处于0点附近，均小于真实系数估计值，且p值大部分远离0点。由此可以说明本文得到的基准回归结果具有稳健性。

Figure 2. Placebo test

图2. 安慰剂检验

4.2.3. 多时点DID异质性处理效应检验

在多时点DID模型中，由于样本接受处理的时间节点不同，在时间和组别间可能存在异质性处理效应，带来负权重问题，从而导致估计结果产生偏误[33] [34]。因此，本文对模型可能存在的异质性处理效应进行稳健性检验。结果显示，在所有388个权重中，366个权重为正，22个权重为负，正权重之和为1.0048，负权重之和为−0.0048，负权重占比很小。这在一定程度上可以说明本文得到的基准回归结果具有稳健性。

4.2.4. 其他稳健性检验

除了上述检验外，本文还进行了以下稳健性检验：(1) 更换被解释变量，根据CSMAR数据库中披露的企业数字化转型词频数，将其加总并加1取自然对数，以此衡量企业的数字化水平；(2) 替换核心解释变量，将数字型跨境并购的定义范围进行扩充，只要并购标的企业的业务范围涉及数字经济行业，就将企业的跨境并购行为识别为数字型跨境并购；(3) 更严格的控制方法，添加对行业固定效应、行业&企业交互固定效应的控制；(4) 子样本回归，选取数字并购高速发展阶段(2014~2018年)以及剔除并购标的国(或地区)为美国的样本；(5) 工具变量法，借鉴Fisman和Svensson (2007)构建工具变量的思路[35]，选用剔除本企业后的同年度同行业的其他企业的内生解释变量的均值作为工具变量；(6) PSM-DID，采用0.05卡尺内1:4最近邻匹配方法逐期匹配；(7) 核心解释变量滞后1期。各项稳健性检验结果表明，本文得到的基准回归结果具有稳健性。

4.3. 机制检验

根据上文理论分析，数字型跨境并购通过研发创新驱动机制、知识基础增强机制，赋能企业数字化转型。接下来，本文将对这两个作用机制进行实证检验。参考江艇(2022)的建议[36]，本文采用两步法，着重论证核心解释变量对机制变量的因果性。模型构建如下：

$m_{it}=\alpha +\beta di{d}_{it}+C_{it}+{\rho }_i+{\lambda }_t+{\epsilon }_{it}$ (2)

其中，m_it为待检验的机制变量，具体定义将在下文分别介绍。而核心解释变量、控制变量、固定效应以及标准误聚类层级均与基准回归模型保持一致。

4.3.1. 研发创新驱动机制

由于企业研发创新具有高成本、高风险的典型特征，充足的研发投入是保障企业创新活动顺利开展的必要前提。研发投入不仅会影响企业创新产出的数量和质量，其金额大小也在一定程度上体现了企业对创新活动的重视程度[37]。因此，本文基于企业研发投入视角，分别采用企业研发支出(rd1)与企业研发强度(rd2)两个指标，对数字型跨境并购的研发创新驱动机制进行检验。

表4第(1)、(2)列分别为数字型跨境并购对企业研发支出、研发强度影响的回归结果。回归结果显示，核心解释变量did1的系数分别在5%和1%的水平上显著为正，说明数字型跨境并购能够显著促进企业研发创新，从而为企业数字化转型提供充足的硬件匹配基础条件，助力企业数字化深度转型。由此，假说H2得到验证。

4.3.2. 知识基础增强机制

借鉴陈爱贞和张鹏飞(2019)以无形资产衡量企业知识基础的思路[38]，首先，本文以无形资产占总资产的比重衡量企业知识基础(ias)。其次，考虑到数字型跨境并购的数字偏向性特征，通过获取先进数字技术资源，是否能够更好地增强企业数字知识基础？为验证这一点，本文参考张永珅等(2021)的做法[39]，构建企业数字化无形资产指标，以数字化无形资产占总资产的比重衡量企业数字知识基础(dias)。

表4第(3)、(4)列反映了数字型跨境并购对企业知识基础、数字知识基础影响的回归结果。回归结果显示，核心解释变量did1的系数分别在10%和5%的水平上显著为正，说明数字型跨境并购确实能够增强企业知识基础，降低企业对差异化数字技术知识的整合难度，使蕴含在数字技术中的知识能够更好地跨越企业边界进行传播，从而有助于企业培养数字化能力，加速企业数字化转型。由此，假说H3得到验证。

Table 4. Mechanism verification results

表4. 机制检验结果

	(1)	(2)	(3)	(4)
	研发支出	研发强度	知识基础	数字知识基础
变量	rd1	rd2	ias	dias
did1	0.088^**	0.008^*	0.006^*	0.028^**
	(0.042)	(0.004)	(0.003)	(0.012)
size	0.485^***	0.001	−0.004	0.023^***
	(0.036)	(0.002)	(0.004)	(0.006)
age	0.004	0.002	0.008	0.046
	(0.200)	(0.017)	(0.017)	(0.047)
lev	−0.132	−0.026^***	0.014	0.006
	(0.108)	(0.009)	(0.010)	(0.022)
roa	0.295^**	−0.112^***	−0.038^***	−0.072^**
	(0.150)	(0.018)	(0.014)	(0.030)
top1	0.225	0.013	0.006	0.020
	(0.208)	(0.011)	(0.017)	(0.028)
financecost	0.501^***	0.013	0.019	0.066^*
	(0.129)	(0.016)	(0.015)	(0.036)
常数项	−1.125^*	0.052	0.032	−0.182
	(0.647)	(0.049)	(0.048)	(0.141)
企业固定效应	是	是	是	是
年份固定效应	是	是	是	是
N	3655	3655	3881	3775
R^2	0.941	0.859	0.763	0.752

5. 研究结论与启示

随着大数据、云计算、人工智能为代表的新一代数字技术发展迅猛，加速融入经济社会发展各领域全过程，世界经济发展格局发生重大变革。在这一背景下，如何驱动企业数字化转型，适应时代发展新需要，是值得深入研究的重要问题。本文基于理论分析和研究假说，构造2014~2022年中国沪深A股上市公司数字型跨境并购面板数据集，使用多时点双重差分法实证分析了数字型跨境并购对企业数字化转型的影响、作用机制及其异质性。研究发现：第一，数字型跨境并购能够显著促进企业数字化转型。该结论在经过一系列稳健性检验及考虑内生性问题的情况下依然成立。第二，数字型跨境并购通过驱动企业研发创新和增强企业知识基础两条途径赋能企业数字化转型。

根据本文的研究结论，可得到以下启示：就政府而言，要充分认识到数字型跨境并购对促进企业数字化转型的重要性，通过提供搭建跨境融资专业平台、简化跨境并购项目审批程序等手段支持和引导企业进行数字型跨境并购。就企业而言，在数字型跨境并购前，企业应充分做好调研工作，严格筛选和识别与数字化转型战略相匹配的并购标的，加强成本与风险评估，制定合理的并购计划。在数字型跨境并购中，企业应时刻关注东道国(或地区)数字技术审查力度，确保并购交易活动合法合规，提高并购交易成功率。在数字型跨境并购后，企业应重视并购整合过程，充分利用数字技术、知识、人才储备，消化和吸收并购获取的先进数字技术资源，将其转化为自身所需的数字化能力，以自我驱动的方式实现数字化转型。

6. 研究局限及展望

本文聚焦“驱动企业研发创新”“增强企业知识基础”两条微观路径，探究数字型跨境并购对企业数字化转型的影响，但仍存在局限：一是微观路径精度不足；二是样本仅覆盖沪深A股上市公司，未纳入非上市公司及中小企业，普适性有限；三是研究方法难以完全消除内生性。

针对本文存在的研究局限，未来可从以下方面进行拓展研究：一是考察更微观的路径，例如“海外数字人才引进”“数据资产沉淀”或“IT治理结构变化”；二是拓展样本范围，纳入非上市公司及中小企业，增强样本普适性；三是优化研究方法缓解内生性，结合案例研究深化分析；四是结合数字经济新形势，拓展研究边界，为企业数字化转型提供更具针对性的参考。

NOTES

¹美国标准行业分类代码(USSIC)是美国政府制定的行业分类标准。USSIC是四位数的数字代码，前两位数字代表大类行业，第三位数字代表中类行业，最后一位数字代表细分行业。