【www.zhangdahai.com--其他范文】
徐瓘珺
（上海交通大学安泰经济与管理学院，上海 200030）
随着中国经济进入新常态，转型升级成为实现社会可持续发展的必由之路。企业作为经济增长的微观基础，经济的转型升级必然依托企业实现。因此，探讨转型升级企业的特征、厘清驱动转型升级的因素，对于指导经济转型升级具有重要意义。提升企业业绩和效益是学术界和实务界对转型升级目的的普遍共识，这个目的背后，是经营良好的企业追求优中更优，还是困境之下企业的挣扎和突围？或者说，转型升级企业在财务绩效方面具有怎样的特征？这是本文所关心的问题。
近年来，在证券市场“简政放权”和“放管服”改革下，中国并购重组市场迎来大发展。通过并购重组进行转型升级的方式受到政策的鼓励被广泛运用，并购杠杆对于撬动中国经济结构转型升级的作用也愈发明显。虽然，有关企业并购动因的研究指出，绩效表现较差的企业更倾向于实施多元化并购（李善民和周小春，2007），并且相关研究中隐含着摆脱经营困境是企业转型升级动机的假设（王生年和魏春燕，2014；
杨威等，2019）。但是，由于现有研究不能全面量化转型升级而无法进行大样本观察，由此未能有文献对转型升级企业的财务特征给出实证检验的证据，故而企业转型升级的动机是摆脱困境进行“劣势转型升级”，还是追求优中更优实现“优势转型升级”？这一问题尚未有研究涉及，更无定论。
以往的研究主要聚焦于企业内生增长式的转型升级，即通过自主培育核心能力实现的转型升级，而较少关注企业通过并购重组进行的转型升级。本文以并购重组式转型升级作为研究对象，回答上述的问题。本文首先对A 股上市公司的并购重组交易进行分析，结合交易的目的、内容、规模、影响等综合判断企业是否在以并购重组的方式进行转型升级，由此建立上市公司的转型升级数据；
接着，从企业财务绩效表现中的盈利能力、周转能力、偿债能力和现金流能力四个方面建立观测变量，实证检验转型升级企业的财务绩效特征，以回答企业转型升级的动机是摆脱困境还是追求优中更优。
1.1 转型与升级
“转型”，用于概括组织进行调整、发生变革的过程。Hammer和Champy（1993）认为，企业转型是为了实现持续经营并获得更大的发展空间和前景。“升级”，是Gereffi（1999）基于全球价值链的角度提出的概念，指企业迈入更具有获利能力的资本和技术密集型经济领域的过程。研究早期，多数文献对“转型”“升级”的内涵进行了探讨。实际上，“转型”和“升级”是密不可分的（毛蕴诗等，2015）。在经济新常态背景下，伴随讨论的广泛和深入，“转型升级”的语境也具有了“中国特色”。转变发展方式、提高增长质量，成为这个时代“转型升级”的新内涵。就企业而言，通过组织重构或管理变革等方式，转变业务、提升技术，以实现高水平、高质量增长，就是企业的转型升级。
不少研究提出提升业绩是企业转型升级的目标（Tushman et al.， 1986；
Blumenthal ＆Haspeslagh，1994；
Barker＆Duhaime，1997；
李廉水等，2004；
金碚，2011），但就这个目标背后的动机来看，企业可能是“优势转型升级”，也可能是“劣势转型升级”。前者是基于良好的经营基础追求优中更优，后者则是为了摆脱经营窘境、重拾竞争优势（李廉水等，2004）。相应地，就转型升级的企业特征来看，有些是能够“促进”企业实施转型升级的特征因素即拉动因素，有些则是“迫使”企业必须转型升级的特征因素即推动因素（吴家曦和李华燊，2009）。
受限于无法对转型升级全面量化，现有文献多通过案例研究（汪建成等，2008；
毛蕴诗等，2009）和问卷调查（吴家曦和李华燊，2009；
孔伟杰，2012；
赵昌文和许召元，2013；
汪志红和谌新民，2017）的方式进行，所以从研究方法上看，该领域缺少大样本的实证研究。也正是由于无法进行大样本观察，一些基本的、结构化的企业特征，比如企业财务绩效特征，在研究中反而没有得到关注和检验。
1.2 并购重组与转型升级
近年来，资本市场深化改革，不断鼓励并购重组。2014年，国务院先后发布《国务院关于进一步优化企业兼并重组市场环境的意见》（国发〔2014〕14号）、《关于进一步促进资本市场健康发展的若干意见》（国发〔2014〕17 号）等相关政策指导意见，明确提出兼并重组在提高企业竞争力和调整产业结构中的重要作用。此外，证监会开展“简政放权”和“放管服”改革，进一步激发市场活力，并购重组成为资本市场支持实体经济发展的重要方式。
就转型升级的相关研究而言，现有文献大多关注的是企业“内源性”转型升级，即企业依靠自主积累提升技术水平，实现以创新驱动增长的转型升级方式。但此种方式之外，并购重组是企业将外部资源内部化的重要方式，也是实现转型升级的重要手段（李廉水等，2004；
熊建明和汤文仙，2008）。
在企业并购动因的研究中有文献指出，公司绩效较差的企业更倾向于实施多元化并购（李善民和周小春，2007；
王生年和魏春燕，2014；
杨威等，2019）。其中，王生年和魏春燕（2014）以企业经营活动现金净流量的表现反映企业的转型压力，检验发现现金流量表现差的企业由于面临更大的转型压力，所以更倾向于进行多元化并购；
杨威等（2019）以ROA 作为业绩指标的检验发现，业绩更差的企业更愿意进行多元化并购，并且在并购后企业业绩得到提升，由此提出多元化并购源于企业自身转型的需要。上述研究展现了一个事实——绩效差的企业倾向于多元化并购；
同时，隐含了一个假设——摆脱经营困境是企业转型升级的动机。虽然并购重组是转型升级的重要方式，并且针对多元化并购的检验发现并购企业呈现出财务绩效更差的特征，但是这一假设仍需实证检验来验证。这是因为：一方面，上述对并购企业绩效动因的讨论，仅适用于多元化并购；
另一方面，并购重组与企业转型升级之间是手段和目的、表象和实质的关系。只有针对转型升级企业的财务特征作实证检验，才能更好地回答其转型升级的动机是摆脱困境还是追求优中更优。
本文以并购重组式转型升级作为研究对象，通过对上市公司并购重组交易的分析建立转型升级大样本数据，从企业财务绩效表现中的盈利能力、周转能力、偿债能力和现金流能力四个方面出发，并以总资产收益率、流动负债偿付力、应收账款周转率和企业自由现金流作为相应的观测变量，观察转型升级企业在财务绩效方面的特征，以探求转型升级背后的具体动机。从理论上讲，企业既可能基于良好的财务绩效进行“优势转型升级”，也可能是为了改善财务困境进行“劣势转型升级”，所以财务绩效因素既可能是企业转型升级的拉动因素，也可能是推动因素。事实是哪种情况，本文将通过后续的实证检验给出结果。
2.1 样本选取与数据来源
2.1.1 样本选取
本文以2014—2019年A 股上市公司为研究对象，并对样本做如下筛选：（1）金融企业的会计制度和财务指标具有特殊性，故剔除金融行业企业；
（2）剔除相关变量数据缺失的样本，最终获得16216个年度-公司观测值。
3.1.2 数据来源
研究数据主要涉及两方面：（1）公司转型升级数据，基于对上市公司并购重组交易的分析建立，其中交易基本数据来自CSMAR 并购重组研究数据库，本文结合巨潮资讯网的公司公告和年度报告进行了手工处理：（2）公司财务数据和其他数据如公司产权性质、行业数据，均来自CSMAR。为了消除极端值的影响，本文对主要连续变量进行了上下1%的Winsorize处理。
2.2 变量定义和模型设计
2.2.1 转型升级
本文以企业是否发生符合特定条件的并购重组交易作为转型升级（Trans）的代理变量，该变量为虚拟变量。
并购重组式的转型升级需满足以下条件：①并购重组交易已完成。②交易具有转型升级的目的。因此，股份回购、股份转让及债务重组等交易不符合该条件。此外，交易前后，上市公司对标的股权的持有比例始终在30%以上或在30%以下的交易，不考虑在内。③交易能为企业带来业务的转型或技术的升级。针对该条件，本文搜集上市公司并购重组交易的公告及交易前后的年度报告，采用内容分析法，对交易背景和目的、交易标的和上市公司的业务和技术，以及该次交易对上市公司带来的影响进行综合分析，逐一判断交易能否为企业带来业务的转型或技术的升级。④交易达到一定规模，交易标的交易价格占并购前一完整会计年度上市公司净资产的比例不低于10%，或交易标的营业收入占并购前一完整会计年度上市公司营业收入的比例不低于10%。若同时满足上述条件，则企业通过并购重组进行了转型升级，即Trans＝1。
2.2.2 实证模型
本文构建如下Logistic回归模型来检验驱动企业转型升级的财务因素：
Transi，t＝β0＋β1ROAi，t-1＋β2Turnoveri，t-1＋β3DPAbilityi，t-1＋β4Freecashi，t-1＋β5SOEi，t-1＋β6Sizei，t-1＋βnYearn＋βmIndustrym＋ε
被解释变量为企业“是否转型升级”，即Transi，t，其中t为并购重组交易首次公告的年份。各变量具体定义见表1。模型中观测变量和控制变量均做滞后一期处理。
表1 变量定义
2.3 描述性统计
表2为主要变量的描述性统计。是否转型升级（Trans）的均值0.075，表明在观察期间有占比7.5%（1210 个）的样本通过并购重组进行转型升级。
表2 主要变量描述性统计
3.1 企业转型升级财务特征的回归分析
表3 报告了企业转型升级财务特征的回归结果。为避免变量间的相互影响，本文先将4个观察变量分别放入模型（1）至（4），模型（5）和（6）中放入部分变量，最后在模型（7）中放入全部变量。
表3 企业转型升级的财务特征
ROA的回归系数在模型（1）、（5）和（7）中均显著为负，说明ROA越低、盈利能力越差的企业，更倾向于进行转型升级。应收账款周转率Turnover的回归系数在模型（2）、（5）和（7）中都显著为负，表明应收账款周转速度越慢、营运效率越低的企业，更倾向于进行转型升级。流动负债偿付力DPAbility的回归系数在模型（3）、（5）和（7）也均显著为负，表明偿债能力越弱尤其是短期负债偿付力越差的企业，其转型升级的可能性更大。企业自由现金流Freecash的回归系数在模型（4）和（6）中显著为负，表明自由现金流越匮乏的企业越倾向于转型升级。
由上述结果可知，在财务方面，企业呈现出“劣势转型升级”的特点，具体表现是盈利能力、周转能力、偿债能力和现金流越差的企业，其更倾向于进行转型升级。
3.2 国有企业和非国有企业的比较
为观察国有企业和非国有企业在转型升级财务驱动因素上的差别，本文将是否国有企业（SOE）变量和4个观察变量进行交乘放入模型进行检验，回归结果见表4。
表4 国有企业与非国有企业的比较
ROA以及ROA和SOE的交互项在模型（1）和（5）中保持显著，且交互项显著为负。这表明，对于非国有企业，ROA下降0.1，则其转型升级的可能性提高9.45%（0.945×0.1＝0.0945）；
而对于国有企业，ROA下降0.1，其转型升级的可能性提高50.6%（0.945×0.1＋3.671×0.1＋0.441×0.1＝0.506），即ROA同等幅度下降时，国企更倾向于进行转型升级。
流动负债偿付力DPAbility以及DPAbility和SOE的交互项在模型（2）、（6）和（7）中均保持显著，且交互项显著为负。这表明，对于非国有企业，偿付力DPAbility下降0.1，则其转型升级的可能性提高2.1%（0.212×0.1＝0.021）；
而对于国有企业，DPAbility下降0.1，其转型升级的可能性提高13.0%（0.212×0.1＋0.664×0.1＋0.419×0.1＝0.130），即流动负债偿付力同等幅度下降时，国企更倾向于进行转型升级。
可见，国有企业的转型升级对于自身ROA和流动负债偿付力的变化更敏感。
3.3 稳健性检验
1.变更转型升级的衡量标准。由于交易标的通常有一定溢价，为排除溢价过高的交易对转型升级样本筛选带来的影响，在稳健性检验中，并购重组式转型升级的交易中，交易标的营业收入占并购前一完整会计年度上市公司营业收入的比例不低于10%。用此严苛转型升级的衡量标准，重新进行检验，结果与前文一致。
2.解释变量、控制变量的滞后期。并购重组从标的选择、交易谈判到商榷公告需花费一定时间。前文在回归模型中将解释变量、控制变量滞后一期处理，此处分别滞后二期、三期再次进行检验，结果与前文基本一致。
并购重组是企业加强资源整合、实现快速发展、提高竞争力的有效措施，是调整优化产业结构、提高发展质量效益的重要途径。本文通过对上市公司并购重组交易的分析，建立上市公司转型升级的数据，对2014—2019年上市并购重组式转型升级企业的财务特征进行实证检验。研究的主要结论是：
（1）在盈利能力、应收账款周转率、流动负债偿付能力和自由现金流方面表现更差的企业，更倾向于转型升级，即企业在财务方面呈现出“劣势转型升级”的特点。
（2）国有企业的转型升级对于自身盈利能力和流动负债偿付力的消极变化更敏感，在盈利能力和流动负债偿付力同等幅度下降时，国企相较于非国企更可能进行转型升级。
微观企业主体的转型升级是中国经济转型升级的“源头活水”。经济的发展，一方面靠“好企业”壮大的拉动，一方面靠“差企业”进步的推动。本文通过对并购重组式转型升级企业财务绩效特征的分析，发现并购重组是“差企业”扭转困境、转型升级的重要手段。在经济新常态的背景下，对落后主体的存量资源进行有效整合是提升发展效益的关键。因此，促进并购重组市场发展、完善并购重组式转型升级的路径、提升金融市场服务水平、持续深化资本市场改革，对于推动经济转型升级具有重要意义。
猜你喜欢升级交易变量小投入，大升级 Polk Audio Monitor XT系列家庭影院技术(2021年9期)2021-11-05抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29也谈分离变量河北理科教学研究(2020年2期)2020-09-11幸福，在“家门口”升级金桥(2020年12期)2020-04-13回暖与升级中国眼镜科技杂志(2018年1期)2018-02-08大宗交易榜中榜股市动态分析(2016年22期)2016-12-27大宗交易榜中榜股市动态分析(2016年23期)2016-12-27大宗交易股市动态分析(2015年13期)2015-09-10惊人的交易科学启蒙(2014年10期)2014-11-12分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18本文来源：http://www.zhangdahai.com/shiyongfanwen/qitafanwen/2023/0912/653318.html
