閆 鑫，樂(lè)菲菲，張興國(guó)

（濟(jì)南大學(xué) 商學(xué)院，山東 濟(jì)南，250002）

一、引言

2022 年國(guó)務(wù)院在《“十四五”數(shù)字經(jīng)濟(jì)發(fā)展規(guī)劃》中明確指出，要以數(shù)據(jù)資源為關(guān)鍵要素，不斷做強(qiáng)做優(yōu)做大我國(guó)數(shù)字經(jīng)濟(jì)。隨著全球數(shù)字經(jīng)濟(jì)不斷發(fā)展，數(shù)字化不斷為經(jīng)濟(jì)發(fā)展注入新鮮血液。據(jù)《中國(guó)數(shù)字經(jīng)濟(jì)發(fā)展報(bào)告（2022 年）》，2021 年我國(guó)數(shù)字經(jīng)濟(jì)規(guī)模達(dá)到45.5 萬(wàn)億元，占GDP 比重達(dá)到39.8%，數(shù)字經(jīng)濟(jì)已成為我國(guó)經(jīng)濟(jì)發(fā)展的重要支撐。數(shù)字經(jīng)濟(jì)展現(xiàn)其獨(dú)特優(yōu)勢(shì)，大數(shù)據(jù)、云計(jì)算、人工智能等數(shù)字技術(shù)不斷融入企業(yè)生產(chǎn)經(jīng)營(yíng)和管理中。

金融、零售業(yè)等行業(yè)都在加速數(shù)字化轉(zhuǎn)型進(jìn)程，而作為規(guī)模龐大且具有一定發(fā)展基礎(chǔ)的制造業(yè)，也逐步從“中國(guó)制造”向“中國(guó)智造”發(fā)展，數(shù)字化轉(zhuǎn)型已成為中國(guó)制造業(yè)轉(zhuǎn)型升級(jí)必經(jīng)之路。其中，數(shù)字并購(gòu)是企業(yè)實(shí)現(xiàn)數(shù)字化的重要途徑。除自身不斷進(jìn)行數(shù)字變革以外，部分企業(yè)還通過(guò)收購(gòu)與自身數(shù)字化轉(zhuǎn)型戰(zhàn)略相匹配的數(shù)字企業(yè)，以加速自身數(shù)字化轉(zhuǎn)型，增強(qiáng)數(shù)字化轉(zhuǎn)型能力，即“數(shù)字并購(gòu)”[1]91。

生產(chǎn)率提升是制造業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵，而數(shù)字技術(shù)的應(yīng)用則能通過(guò)直接和間接方式顯著影響企業(yè)生產(chǎn)率。雖然中國(guó)制造業(yè)智能制造發(fā)展已具備一定基礎(chǔ)和條件，但高端技術(shù)方面與發(fā)達(dá)國(guó)家相比有較大差距，核心技術(shù)卡脖子問(wèn)題迫在眉睫，傳統(tǒng)制造業(yè)數(shù)字化基礎(chǔ)較為薄弱，對(duì)于數(shù)字化轉(zhuǎn)型投入仍然有待進(jìn)一步加強(qiáng)。企業(yè)數(shù)字并購(gòu)后，其數(shù)字化轉(zhuǎn)型能力將得到大大提升，數(shù)字技術(shù)對(duì)于創(chuàng)新的重要性毋庸置疑，然而關(guān)于數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新的影響，不同學(xué)者觀點(diǎn)各異。部分學(xué)者認(rèn)為企業(yè)數(shù)字化轉(zhuǎn)型有助于創(chuàng)新。李雪松等[2]基于我國(guó)制造業(yè)上市公司數(shù)據(jù)發(fā)現(xiàn)，企業(yè)數(shù)字化轉(zhuǎn)型可通過(guò)使其融入全球創(chuàng)新網(wǎng)絡(luò)，從而顯著提升企業(yè)創(chuàng)新績(jī)效；李盼盼等[3]在對(duì)415 家制造企業(yè)進(jìn)行數(shù)據(jù)分析時(shí)發(fā)現(xiàn)，地區(qū)數(shù)字化水平能夠正向影響商業(yè)模式創(chuàng)新。當(dāng)然，也有學(xué)者認(rèn)為有相當(dāng)一部分企業(yè)并沒(méi)有從數(shù)字化轉(zhuǎn)型中獲益，不同企業(yè)間數(shù)字化轉(zhuǎn)型差異甚大，特別是在疫情沖擊之下，這種差距尤為明顯。Li 等[4]認(rèn)為數(shù)字化轉(zhuǎn)型僅有部分提升企業(yè)績(jī)效的作用，甚至有學(xué)者認(rèn)為數(shù)字化轉(zhuǎn)型對(duì)企業(yè)績(jī)效具有負(fù)面影響[5]。

通過(guò)梳理發(fā)現(xiàn)，雖然數(shù)字并購(gòu)是企業(yè)數(shù)字化轉(zhuǎn)型的重要途徑之一，但現(xiàn)有文獻(xiàn)從數(shù)字并購(gòu)角度探究企業(yè)數(shù)字化對(duì)創(chuàng)新績(jī)效影響的研究尚未豐富。綜上，本文以2011—2021 年我國(guó)制造業(yè)上市公司為研究樣本，以數(shù)字并購(gòu)作為政策沖擊點(diǎn)，運(yùn)用雙重差分模型，探究數(shù)字并購(gòu)對(duì)企業(yè)創(chuàng)新績(jī)效的影響；同時(shí)，由于CEO 風(fēng)險(xiǎn)偏好會(huì)影響企業(yè)對(duì)待投資的態(tài)度，故進(jìn)一步探究CEO 風(fēng)險(xiǎn)偏好如何影響二者之間的關(guān)系，以期豐富相關(guān)研究。

二、理論分析與研究假設(shè)

（一）數(shù)字并購(gòu)與企業(yè)創(chuàng)新績(jī)效

數(shù)字并購(gòu)是一場(chǎng)通過(guò)吸收數(shù)字核心技術(shù)引發(fā)的變革，不僅包括對(duì)組織結(jié)構(gòu)、業(yè)務(wù)流程、創(chuàng)新模式的變革，還包括對(duì)企業(yè)目標(biāo)函數(shù)、企業(yè)文化進(jìn)行變革。企業(yè)數(shù)字化可革新企業(yè)原有業(yè)務(wù)流程，其中數(shù)字并購(gòu)是企業(yè)實(shí)現(xiàn)數(shù)字化的重要途徑之一，雖然數(shù)字技術(shù)交易成本較高，具有一定風(fēng)險(xiǎn)，但數(shù)字并購(gòu)可使企業(yè)短時(shí)間內(nèi)獲得數(shù)字核心技術(shù)所有權(quán)，彌補(bǔ)自身數(shù)字技術(shù)短板，并且還可促進(jìn)數(shù)字技術(shù)更迭創(chuàng)新，加速企業(yè)數(shù)字化轉(zhuǎn)型程度。此外，數(shù)字并購(gòu)后，企業(yè)不僅獲得關(guān)鍵數(shù)字核心技術(shù)，還能吸納大量數(shù)字人才，為企業(yè)數(shù)字化轉(zhuǎn)型注入新鮮血液。

企業(yè)數(shù)字并購(gòu)可以利用數(shù)字技術(shù)對(duì)企業(yè)生產(chǎn)資源重新進(jìn)行優(yōu)化整合，改變企業(yè)原有創(chuàng)新模式，提高企業(yè)績(jī)效。在企業(yè)進(jìn)行數(shù)字并購(gòu)后，首先，數(shù)字化可弱化信息不對(duì)稱，增強(qiáng)企業(yè)信息搜集能力。企業(yè)可充分利用數(shù)字化平臺(tái)獲取更加完善、可靠的信息，然后運(yùn)用數(shù)字技術(shù)對(duì)其進(jìn)行處理和整合，這在很大程度上能緩解信息不對(duì)稱問(wèn)題，減少企業(yè)因無(wú)效信息做出錯(cuò)誤決策。其次，數(shù)字化轉(zhuǎn)型可增強(qiáng)企業(yè)信息透明度。大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)可對(duì)企業(yè)資產(chǎn)負(fù)債狀況進(jìn)行詳細(xì)評(píng)估，更加準(zhǔn)確地評(píng)價(jià)企業(yè)信用等級(jí)，便于內(nèi)外部主體準(zhǔn)確了解企業(yè)經(jīng)營(yíng)狀況，降低融資成本。同時(shí)，數(shù)字化轉(zhuǎn)型符合中國(guó)戰(zhàn)略發(fā)展方向，國(guó)家能為企業(yè)數(shù)字化轉(zhuǎn)型提供一定政策支持，從而緩解企業(yè)融資約束問(wèn)題。最后，數(shù)字化轉(zhuǎn)型能夠改變企業(yè)創(chuàng)新模式，使數(shù)字技術(shù)與企業(yè)創(chuàng)新進(jìn)行深度融合，使各方利益相關(guān)者更加積極地通過(guò)數(shù)字技術(shù)創(chuàng)設(shè)的平臺(tái)參與企業(yè)創(chuàng)新設(shè)計(jì)[6]，從而提高創(chuàng)新產(chǎn)出，降低創(chuàng)新失敗的風(fēng)險(xiǎn)，激發(fā)企業(yè)創(chuàng)新積極性?；谏鲜龇治觯岢黾僭O(shè)：

H1：企業(yè)可通過(guò)數(shù)字并購(gòu)進(jìn)行數(shù)字化轉(zhuǎn)型升級(jí)，從而提高企業(yè)創(chuàng)新績(jī)效。

（二）數(shù)字并購(gòu)與CEO 風(fēng)險(xiǎn)偏好

管理層作為公司重要領(lǐng)導(dǎo)人，是創(chuàng)新投資決策的關(guān)鍵決定者，其風(fēng)險(xiǎn)偏好往往會(huì)影響對(duì)創(chuàng)新項(xiàng)目的選擇，從而影響公司創(chuàng)新績(jī)效。數(shù)字經(jīng)濟(jì)背景下，互聯(lián)網(wǎng)、云計(jì)算、人工智能等數(shù)字技術(shù)與企業(yè)經(jīng)營(yíng)活動(dòng)實(shí)現(xiàn)融合。數(shù)字并購(gòu)后，企業(yè)管理者越發(fā)意識(shí)到數(shù)字技術(shù)的重要性，其風(fēng)險(xiǎn)偏好也隨之改變。這主要是因?yàn)閿?shù)字化轉(zhuǎn)型為企業(yè)創(chuàng)新奠定良好基礎(chǔ)，表現(xiàn)為：（1）數(shù)字化使得企業(yè)能夠及時(shí)識(shí)別風(fēng)險(xiǎn)。企業(yè)可及時(shí)通過(guò)數(shù)字平臺(tái)獲取更多可靠信息，并依靠數(shù)字技術(shù)對(duì)這些信息進(jìn)行整合分析，以此識(shí)別風(fēng)險(xiǎn)，便于管理者在經(jīng)營(yíng)活動(dòng)中做出正確決策。（2）數(shù)字化轉(zhuǎn)型可緩解代理沖突。數(shù)字經(jīng)濟(jì)下，外部市場(chǎng)將會(huì)加大對(duì)企業(yè)的監(jiān)督，企業(yè)信息披露的質(zhì)量也隨之提高，這就使得企業(yè)內(nèi)部流程更加透明化，管理層的機(jī)會(huì)主義行為得到抑制[7]，有效緩解企業(yè)內(nèi)部代理問(wèn)題。（3）隨著數(shù)字技術(shù)的廣泛應(yīng)用，金融服務(wù)成本和門(mén)檻也隨之降低，這能有效緩解企業(yè)融資約束，資源可得性得到提升，企業(yè)承擔(dān)風(fēng)險(xiǎn)的意愿也進(jìn)一步增強(qiáng)，故此時(shí)管理層更傾向于高風(fēng)險(xiǎn)高收益創(chuàng)新項(xiàng)目。

企業(yè)數(shù)字并購(gòu)后，數(shù)字技術(shù)能力得到質(zhì)的飛躍，資源也能得到更加有效配置，從而企業(yè)創(chuàng)新研發(fā)風(fēng)險(xiǎn)水平有所下降。在企業(yè)中，CEO 風(fēng)險(xiǎn)偏好往往與企業(yè)整體風(fēng)險(xiǎn)相匹配[8]85，若CEO 認(rèn)為企業(yè)有能力承擔(dān)創(chuàng)新項(xiàng)目伴隨的高風(fēng)險(xiǎn)，就會(huì)偏好風(fēng)險(xiǎn)，而數(shù)字并購(gòu)則為企業(yè)承擔(dān)風(fēng)險(xiǎn)營(yíng)造了良好環(huán)境，且賦予企業(yè)承擔(dān)更多風(fēng)險(xiǎn)的能力?；诖?，提出假設(shè)：

H2：數(shù)字并購(gòu)使CEO 更加偏好風(fēng)險(xiǎn)。

（三）CEO 風(fēng)險(xiǎn)偏好中介機(jī)制分析

管理層風(fēng)險(xiǎn)偏好的改變勢(shì)必會(huì)影響企業(yè)戰(zhàn)略決策風(fēng)險(xiǎn)水平，從而影響企業(yè)績(jī)效。關(guān)于管理層風(fēng)險(xiǎn)偏好對(duì)于企業(yè)績(jī)效的影響，有學(xué)者認(rèn)為管理者偏好風(fēng)險(xiǎn)會(huì)使企業(yè)創(chuàng)新績(jī)效下降，因?yàn)槠蔑L(fēng)險(xiǎn)的高管更易做出非理性決策，其所處地位會(huì)影響原有決策；也有觀點(diǎn)認(rèn)為管理者風(fēng)險(xiǎn)偏好能夠正向影響企業(yè)決策，當(dāng)高管風(fēng)險(xiǎn)偏好較高時(shí)，可在一定程度上增加企業(yè)研發(fā)投入和資本性支出[9]。創(chuàng)新項(xiàng)目雖然投資周期長(zhǎng)、風(fēng)險(xiǎn)較高，但也具有高收益這一特征，“危險(xiǎn)”往往與“機(jī)遇”共存。偏好風(fēng)險(xiǎn)的管理者“機(jī)遇”占據(jù)主位，更愿意采取激進(jìn)冒險(xiǎn)的投資戰(zhàn)略，增加創(chuàng)新投入，以此換取高收益回報(bào)。

事實(shí)上，CEO 偏好風(fēng)險(xiǎn)主要是由于企業(yè)完全有能力承擔(dān)高風(fēng)險(xiǎn)項(xiàng)目所帶來(lái)的風(fēng)險(xiǎn)。數(shù)字并購(gòu)使得企業(yè)更易識(shí)別經(jīng)營(yíng)中的潛在風(fēng)險(xiǎn)，加之外部對(duì)企業(yè)的監(jiān)督，使得CEO 更多地從企業(yè)利益角度出發(fā)，及時(shí)抓住稍縱即逝的“機(jī)遇”。姜啟波等[10]認(rèn)為，高風(fēng)險(xiǎn)偏好者追求的是高風(fēng)險(xiǎn)、高收益，企業(yè)創(chuàng)新正符合這一特征，特別是在數(shù)字經(jīng)濟(jì)時(shí)代，高風(fēng)險(xiǎn)偏好企業(yè)更能實(shí)現(xiàn)高質(zhì)量創(chuàng)新?；诖?，提出假設(shè)：

H3：CEO 風(fēng)險(xiǎn)偏好在數(shù)字并購(gòu)與企業(yè)創(chuàng)新績(jī)效間起部分中介作用。

三、研究設(shè)計(jì)

（一）樣本與數(shù)據(jù)來(lái)源

為探究數(shù)字化轉(zhuǎn)型與創(chuàng)新績(jī)效間的關(guān)系，以2011—2021 我國(guó)A 股制造業(yè)上市公司數(shù)據(jù)為樣本進(jìn)行研究，數(shù)據(jù)均來(lái)源于國(guó)泰安（CSMAR）數(shù)據(jù)庫(kù)。為保證實(shí)證結(jié)果的合理性和有效性，對(duì)原始數(shù)據(jù)做出以下處理：剔除有ST、*ST 的樣本數(shù)據(jù)；剔除數(shù)據(jù)中關(guān)鍵變量有缺失的樣本；對(duì)連續(xù)變量在1%和99%水平上進(jìn)行縮尾處理。經(jīng)過(guò)上述處理，最終共獲得8 996 個(gè)觀測(cè)值，包括2 278 家制造業(yè)上市公司，其中有194 家上市公司發(fā)生數(shù)字并購(gòu)。

（二）變量定義

1. 被解釋變量

創(chuàng)新績(jī)效為被解釋變量。為能綜合計(jì)算企業(yè)創(chuàng)新績(jī)效，借鑒樂(lè)菲菲等[11]的研究，首先構(gòu)建“投入-產(chǎn)出”評(píng)價(jià)指標(biāo)體系，然后運(yùn)用DEA—BCC 模型計(jì)算出綜合效率用來(lái)衡量企業(yè)創(chuàng)新績(jī)效。其中，投入指標(biāo)包括研發(fā)人員數(shù)量、研發(fā)投入金額，產(chǎn)出指標(biāo)有主營(yíng)業(yè)務(wù)收入、專利申請(qǐng)數(shù)。企業(yè)創(chuàng)新投入主要表現(xiàn)為人、財(cái)、物，人指研發(fā)人員，財(cái)、物則可通過(guò)研發(fā)投入金額體現(xiàn)。創(chuàng)新產(chǎn)出方面，首先，創(chuàng)新成果可直接通過(guò)專利數(shù)體現(xiàn)；其次，創(chuàng)新研發(fā)成功將給企業(yè)帶來(lái)巨大收益，主要表現(xiàn)為主營(yíng)業(yè)務(wù)收入。

表1 “投入-產(chǎn)出”評(píng)價(jià)指標(biāo)Tab.1 “Input-output” evaluation index

2. 解釋變量

企業(yè)是否進(jìn)行數(shù)字并購(gòu)為核心解釋變量。借鑒唐浩丹等[1]96的研究，將物聯(lián)網(wǎng)、高端制造業(yè)、機(jī)器人與無(wú)人機(jī)、大數(shù)據(jù)、軟件定制服務(wù)、人工智能與機(jī)器學(xué)習(xí)、網(wǎng)絡(luò)安全、供應(yīng)鏈技術(shù)、3D 打印、云技術(shù)、虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)、營(yíng)銷(xiāo)技術(shù)這13 個(gè)數(shù)字經(jīng)濟(jì)行業(yè)內(nèi)的企業(yè)發(fā)起的并購(gòu)視為數(shù)字并購(gòu)。以企業(yè)是否進(jìn)行數(shù)字并購(gòu)（DMA）作為數(shù)字化轉(zhuǎn)型虛擬變量，該變量由分組虛擬變量（若為處理組，Treat 取1，否則取0）和時(shí)間虛擬變量（數(shù)字并購(gòu)?fù)瓿僧?dāng)年及之后年份，Post 為1，否則為0）二者交乘所得，即DMA=Treat×Post。需要說(shuō)明的是，不同企業(yè)完成數(shù)字并購(gòu)的時(shí)間并不相同，同時(shí)本文并未將數(shù)字并購(gòu)等同于數(shù)字化轉(zhuǎn)型，而是將數(shù)字并購(gòu)視為推動(dòng)企業(yè)數(shù)字化轉(zhuǎn)型的重要推動(dòng)力。

3.中介變量

CEO 風(fēng)險(xiǎn)偏好（FP）為中介變量。風(fēng)險(xiǎn)偏好可影響投資者對(duì)于投資決策的態(tài)度，其在創(chuàng)新投資項(xiàng)目中發(fā)揮著關(guān)鍵作用。借鑒李世輝等[8]86的研究，通過(guò)計(jì)算交易性金融資產(chǎn)、可供出售金融資產(chǎn)與投資性房地產(chǎn)三項(xiàng)風(fēng)險(xiǎn)投資年度總額占本年度資產(chǎn)總額的比重，然后將比值與同行業(yè)平均水平進(jìn)行比較，若高于行業(yè)平均水平，CEO 為風(fēng)險(xiǎn)偏好型，F(xiàn)P 取1，否則為0。

4. 控制變量

結(jié)合現(xiàn)有文獻(xiàn)以及研究目的，選取SIZE(資產(chǎn)規(guī)模)、LEV(資產(chǎn)負(fù)債率)、GRO(營(yíng)業(yè)收入增長(zhǎng)率)、RD(研發(fā)投入占比)、SEP(兩權(quán)分離度)、BIG4(審計(jì)質(zhì)量)、BM(賬面市值比) 為控制變量，此外，本文還固定個(gè)體（Firm）和年度（Year）虛擬變量，具體可見(jiàn)表2。

表2 變量定義Tab.2 Variable definitions

（三）模型設(shè)定

借鑒唐浩丹等[1]97的研究，以企業(yè)是否發(fā)生數(shù)字并購(gòu)作為對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的正向沖擊，構(gòu)建模型（1）來(lái)驗(yàn)證假設(shè)H1。

為檢驗(yàn)CEO 風(fēng)險(xiǎn)偏好在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績(jī)效間的中介效應(yīng)，借鑒溫忠麟等[12]的研究，在模型（1）的基礎(chǔ)上，構(gòu)建模型（2）（3），以此來(lái)驗(yàn)證假設(shè)H2、H3。

在上述模型中，IPi,t表示企業(yè)i 第t 年的創(chuàng)新績(jī)效；DMAi,t代表企業(yè)是否進(jìn)行數(shù)字并購(gòu)；FPi,t為CEO 風(fēng)險(xiǎn)偏好；Control 為一組控制變量，具體包括SIZE(資產(chǎn)規(guī)模)、LEV(資產(chǎn)負(fù)債率)、GRO(營(yíng)業(yè)收入增長(zhǎng)率)、RD(研發(fā)投入占比)、SEP(兩權(quán)分離度)、BIG4(審計(jì)質(zhì)量)、BM(賬面市值比)；∑Firm、∑Year分別表示固定企業(yè)和年度效應(yīng)；εi,t代表誤差項(xiàng)。

四、實(shí)證分析

（一）描述性分析

表3 為各主要變量描述性統(tǒng)計(jì)結(jié)果。其中，IP 的均值為0.051，最大值和最小值分別為0.5 和0.004，說(shuō)明不同上市公司創(chuàng)新績(jī)效差異甚大；DMA 的最大值和最小值分別為1 和0，均值為0.008，說(shuō)明在所選樣本中僅有少數(shù)企業(yè)進(jìn)行數(shù)字并購(gòu)；FP 均值為0.258，標(biāo)準(zhǔn)差為0.437，最大值和最小值分別為1 和0，可見(jiàn)不同上市公司CEO 偏好風(fēng)險(xiǎn)程度有所差異；其余控制變量此處不再贅述。

表3 描述性分析結(jié)果Tab.3 Descriptive analysis result

（二）相關(guān)性分析

表4 為各變量間相關(guān)性分析結(jié)果。其中IP 與DMA 之間的相關(guān)系數(shù)為0.018 且在10% 水平上顯著，可見(jiàn)數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績(jī)效之間的關(guān)系仍有待進(jìn)一步檢驗(yàn)。其余各變量與解釋變量間相關(guān)系數(shù)的絕對(duì)值最大為0.038，不存在嚴(yán)重多重共線性問(wèn)題。

表4 相關(guān)性分析結(jié)果Tab.4 Correlation analysis result

（三）實(shí)證回歸分析

表5 為回歸結(jié)果，在第（1）列中，DMA 的系數(shù)為0.016，且在5% 水平上顯著，表明數(shù)字并購(gòu)作為對(duì)數(shù)字化轉(zhuǎn)型的一種正向沖擊，可以促進(jìn)企業(yè)創(chuàng)新績(jī)效提升。企業(yè)進(jìn)行數(shù)字并購(gòu)后不僅能弱化信息不對(duì)稱問(wèn)題，緩解融資約束，還能更新企業(yè)創(chuàng)新模式，激勵(lì)企業(yè)創(chuàng)新。故上述結(jié)果支持假設(shè)H1。從第（2）列可以看到，DMA 的系數(shù)為0.165，在1%水平上顯著，說(shuō)明企業(yè)進(jìn)行數(shù)字并購(gòu)會(huì)使CEO 更加偏好風(fēng)險(xiǎn)；第（3）列中DMA 的系數(shù)為0.016，在10% 水平上顯著，F(xiàn)P 的系數(shù)為0.005，在1%水平上顯著。結(jié)合表5 中（1）-（3）列進(jìn)行觀察，可發(fā)現(xiàn)CEO 風(fēng)險(xiǎn)偏好在數(shù)字化轉(zhuǎn)型與企業(yè)創(chuàng)新績(jī)效間發(fā)揮著部分中介效應(yīng)，即數(shù)字并購(gòu)可通過(guò)提高CEO 風(fēng)險(xiǎn)偏好，進(jìn)而提升企業(yè)創(chuàng)新績(jī)效。企業(yè)進(jìn)行數(shù)字并購(gòu)后，運(yùn)用數(shù)字技術(shù)獲取資源的質(zhì)量得以提高，而且這些資源還能被高效利用。同時(shí)，企業(yè)本身也受到數(shù)字化平臺(tái)監(jiān)督，CEO會(huì)更多從公司利益角度出發(fā)，偏好高風(fēng)險(xiǎn)與高收益并存的投資項(xiàng)目。上述結(jié)果證實(shí)了假設(shè)H2、H3。

表5 線性回歸結(jié)果Tab.5 Linear regression result

（四）穩(wěn)健性檢驗(yàn)

1.平行趨勢(shì)檢驗(yàn)

模型（1）為雙重差分模型，需要對(duì)其進(jìn)行平行趨勢(shì)檢驗(yàn)。借鑒Jacobson 等[13]的做法，將各公司不同數(shù)字并購(gòu)年份前后信息納入回歸，重新構(gòu)造處理變量與時(shí)間虛擬變量的交互項(xiàng)。同時(shí)，以數(shù)字并購(gòu)前一年為基期，刪去pre1。由于數(shù)字并購(gòu)?fù)瓿汕昂? 年及以上的觀測(cè)值較少，借鑒唐浩丹等[1]102的研究，最后保留數(shù)字并購(gòu)前后5 年觀測(cè)值，最終結(jié)果見(jiàn)圖1?？梢钥吹綌?shù)字并購(gòu)前符合平行趨勢(shì)假設(shè)，故可用雙重差分模型評(píng)估數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新績(jī)效的影響。

圖1 平行趨勢(shì)檢驗(yàn)Fig.1 Parallel trend test

2.PSM 內(nèi)生性檢驗(yàn)

為緩解樣本選擇偏差，將原樣本進(jìn)行PSM 匹配后重新進(jìn)行回歸，依據(jù)上市公司是否進(jìn)行數(shù)字并購(gòu)劃分為控制組和對(duì)照組，并采取1: 1 最近鄰匹配方法，對(duì)匹配后的樣本進(jìn)行回歸，具體結(jié)果可見(jiàn)表6 第（1）列?？梢钥吹?，數(shù)字并購(gòu)DMA 的系數(shù)為0.027，且在10% 水平上顯著，雖然顯著型水平略有下降，但仍可證明數(shù)字并購(gòu)有助于推動(dòng)企業(yè)創(chuàng)新績(jī)效。表6第（2）列為將匹配比例更換為1: 3 后再次回歸的結(jié)果，可以看到DMA 的系數(shù)為0.017，且在10%水平上顯著，與之前結(jié)果保持一致。

表6 PSM 匹配結(jié)果Tab.6 PSM matching result

3. 替換被解釋變量

為使結(jié)果更加穩(wěn)健，通過(guò)替換被解釋變量進(jìn)行穩(wěn)健性檢驗(yàn)。借鑒文佑云等[14]的研究，使用“專利申請(qǐng)數(shù)加1 的對(duì)數(shù)”衡量企業(yè)創(chuàng)新績(jī)效（IE），然后對(duì)上述模型再次進(jìn)行回歸，結(jié)果可見(jiàn)表7。第（1）列數(shù)字化并購(gòu)DMA 系數(shù)為0.416，且在1% 水平上顯著，與表5 結(jié)果對(duì)比，符號(hào)沒(méi)有變化，顯著性水平有所提高；第（2）列中，數(shù)字化并購(gòu)DMA 系數(shù)為0.165，且在1%水平上顯著，較表5 結(jié)果對(duì)比，符號(hào)和顯著性水平未發(fā)生改變；第（3）列中CEO 風(fēng)險(xiǎn)偏好FP 系數(shù)為0.108，且在1%水平上顯著，與表5 結(jié)果對(duì)比，系數(shù)方向和顯著性水平保持不變，DMA 系數(shù)為0.398，且在1% 水平上顯著，顯著性水平明顯提升。綜上，此次回歸均與之前回歸結(jié)論保持一致。

表7 穩(wěn)健性檢驗(yàn)結(jié)果Tab.7 Robustness test results

（五）異質(zhì)性分析

1. 區(qū)分企業(yè)產(chǎn)權(quán)性質(zhì)的異質(zhì)性分析

依據(jù)產(chǎn)權(quán)性質(zhì)的不同，將全樣本劃分為國(guó)有企業(yè)和非國(guó)有企業(yè)，它們?cè)趦?nèi)部治理機(jī)制、外部資源獲取或是監(jiān)督方面均存在明顯差異，這就使得不同產(chǎn)權(quán)性質(zhì)的企業(yè)數(shù)字化轉(zhuǎn)型程度也存在差異，進(jìn)而不同類(lèi)型企業(yè)數(shù)字并購(gòu)對(duì)企業(yè)創(chuàng)新績(jī)效的影響也不同。

表8 中第（1）（2）列為分產(chǎn)權(quán)性質(zhì)的實(shí)證結(jié)果，可以看到，國(guó)有樣本中，數(shù)字化轉(zhuǎn)型DMA 的回歸系數(shù)不顯著；非國(guó)有樣本中，數(shù)字化轉(zhuǎn)型DMA 的系數(shù)為0.017，且在5% 水平上顯著。說(shuō)明相對(duì)于國(guó)有企業(yè)，數(shù)字并購(gòu)對(duì)企業(yè)創(chuàng)新績(jī)效的促進(jìn)作用在非國(guó)有企業(yè)中更加顯著。雖然國(guó)有企業(yè)具有“天然政治優(yōu)勢(shì)”，但其資金來(lái)源和配置、重要決策等方面都要受到政府監(jiān)督和干預(yù)，并不能“隨心所欲”，企業(yè)各種經(jīng)營(yíng)決策往往要經(jīng)過(guò)層層審核；而非國(guó)有企業(yè)可以根據(jù)市場(chǎng)動(dòng)態(tài)和企業(yè)狀況及時(shí)調(diào)整，使企業(yè)數(shù)字化的發(fā)展速度和方向更加契合企業(yè)實(shí)際狀況，從而非國(guó)有企業(yè)數(shù)字并購(gòu)更能有效提高企業(yè)創(chuàng)新績(jī)效。

表8 分產(chǎn)權(quán)性質(zhì)與行業(yè)類(lèi)別的異質(zhì)性分析Tab.8 Analysis of property rights and industry types

2.區(qū)分行業(yè)類(lèi)別的異質(zhì)性分析

根據(jù)行業(yè)類(lèi)別不同，將全樣本劃分為高科技行業(yè)和非高科技行業(yè)。高科技行業(yè)主要依靠核心技術(shù)應(yīng)對(duì)激烈的市場(chǎng)競(jìng)爭(zhēng)，數(shù)字技術(shù)作為整合信息資源的重要技術(shù)，對(duì)于高科技行業(yè)至關(guān)重要。與其他行業(yè)相比，高科技行業(yè)數(shù)字化程度一般比較高，其經(jīng)營(yíng)風(fēng)險(xiǎn)側(cè)重點(diǎn)也不同[15]。依據(jù)OECD(經(jīng)濟(jì)合作與發(fā)展組織)對(duì)高科技行業(yè)的規(guī)定，并借鑒李莉等[16]的研究，將《上市公司行業(yè)分類(lèi)指引（2012 年修訂）》中屬于電信、廣播電視和衛(wèi)星傳輸服務(wù)、互聯(lián)網(wǎng)和相關(guān)服務(wù)、化學(xué)原料及化學(xué)品制造業(yè)、軟件和信息技術(shù)服務(wù)業(yè)、鐵路、船舶、航空航天和其他運(yùn)輸設(shè)備、醫(yī)藥制造業(yè)、儀器儀表制造業(yè)的行業(yè)歸為高科技行業(yè)，其余行業(yè)均為非高科技行業(yè)，然后進(jìn)行分組回歸。

表8 中第（3）（4）列為分行業(yè)類(lèi)別的實(shí)證結(jié)果，可以看到，在高科技組中，數(shù)字化轉(zhuǎn)型DMA 的回歸系數(shù)為0.016，且在10%水平上顯著；在非高科技組中，DMA 的系數(shù)為0.013，但不顯著。說(shuō)明數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新績(jī)效的促進(jìn)作用在高科技行業(yè)中更加顯著。這可能是因?yàn)榉歉呖萍夹袠I(yè)主要依靠傳統(tǒng)技術(shù)進(jìn)行生產(chǎn)經(jīng)營(yíng)，且技術(shù)更新迭代較慢，在一定程度上可能并不需要進(jìn)行數(shù)字并購(gòu)或加大創(chuàng)新研發(fā)投入；而高科技行業(yè)更加重視企業(yè)數(shù)字化，在數(shù)字技術(shù)投入、科技人才引進(jìn)等方面也遠(yuǎn)高于非高科技行業(yè)，更傾向于數(shù)字并購(gòu)，從而提高企業(yè)創(chuàng)新績(jī)效。

五、研究結(jié)論及建議

借助A 股制造業(yè)上市公司2011—2021 年數(shù)據(jù)，將數(shù)字并購(gòu)作為對(duì)企業(yè)數(shù)字化轉(zhuǎn)型的正向沖擊，并構(gòu)建企業(yè)數(shù)字化轉(zhuǎn)型指數(shù)，實(shí)證檢驗(yàn)數(shù)字化轉(zhuǎn)型對(duì)企業(yè)創(chuàng)新績(jī)效的影響及作用機(jī)制。研究發(fā)現(xiàn)：數(shù)字并購(gòu)可顯著提高企業(yè)創(chuàng)新績(jī)效；數(shù)字并購(gòu)后，企業(yè)CEO 更加偏好風(fēng)險(xiǎn)；CEO 風(fēng)險(xiǎn)偏好在數(shù)字并購(gòu)與企業(yè)創(chuàng)新績(jī)效間起部分中介效應(yīng)；數(shù)字并購(gòu)對(duì)企業(yè)創(chuàng)新績(jī)效的促進(jìn)作用在非國(guó)有企業(yè)和高科技企業(yè)中更加顯著。

為能更好地提高創(chuàng)新績(jī)效，企業(yè)應(yīng)重點(diǎn)關(guān)注數(shù)字并購(gòu)對(duì)企業(yè)創(chuàng)新績(jī)效的推動(dòng)作用。首先，傳統(tǒng)制造業(yè)進(jìn)行數(shù)字并購(gòu)過(guò)程中，不僅可以加快自身數(shù)字技術(shù)應(yīng)用和創(chuàng)新以加速數(shù)字化轉(zhuǎn)型進(jìn)程，還可縮短數(shù)字化轉(zhuǎn)型期，快速獲取數(shù)字技術(shù)和數(shù)字人才，放大企業(yè)數(shù)字化優(yōu)勢(shì)，增強(qiáng)企業(yè)競(jìng)爭(zhēng)；其次，企業(yè)應(yīng)將數(shù)字技術(shù)充分運(yùn)用到創(chuàng)新投資項(xiàng)目的評(píng)估與運(yùn)行中，最大限度地提高企業(yè)內(nèi)部資源利用率以降低創(chuàng)新研發(fā)成本，同時(shí)還可通過(guò)數(shù)字化平臺(tái)實(shí)現(xiàn)對(duì)業(yè)務(wù)流程的監(jiān)督以提高經(jīng)營(yíng)管理水平；最后，企業(yè)應(yīng)根據(jù)自身定位和能力制定切合實(shí)際的數(shù)字化戰(zhàn)略，避免由于戰(zhàn)略錯(cuò)誤造成資金鏈斷裂。

在數(shù)字化轉(zhuǎn)型期間，企業(yè)應(yīng)進(jìn)一步加強(qiáng)規(guī)范管理人員行為。一方面應(yīng)建立健全CEO 用人制度，選用符合企業(yè)發(fā)展、風(fēng)險(xiǎn)偏好并與企業(yè)數(shù)字化相匹配的CEO；另一方面，應(yīng)不斷建立健全內(nèi)部控制體系，加強(qiáng)內(nèi)外部監(jiān)管體系的監(jiān)督作用，通過(guò)及時(shí)關(guān)注企業(yè)財(cái)務(wù)和非財(cái)務(wù)信息，防止企業(yè)違規(guī)行為，為企業(yè)數(shù)字化營(yíng)造健康的環(huán)境，為管理者正確決策提供保證。