數(shù)字化轉(zhuǎn)型與企業(yè)異地并購
——基于融資約束和信息不對稱的視角

■于明濤 剛浩

一、引言

在新一輪的科技革命和產(chǎn)業(yè)變革中，數(shù)字化成為經(jīng)濟(jì)發(fā)展升級的重要驅(qū)動(dòng)力。一方面，發(fā)展數(shù)字經(jīng)濟(jì)產(chǎn)業(yè)得到了黨和政府的大力支持，中共中央“十四五規(guī)劃”和2023年政府工作報(bào)告都強(qiáng)調(diào)要推進(jìn)數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化發(fā)展，實(shí)現(xiàn)數(shù)字經(jīng)濟(jì)和實(shí)體經(jīng)濟(jì)的深度融合。另一方面，新冠疫情的全球蔓延大幅加快了全球數(shù)字經(jīng)濟(jì)的發(fā)展，智慧工廠、協(xié)同辦公、共享平臺等經(jīng)濟(jì)新業(yè)態(tài)的出現(xiàn)對傳統(tǒng)企業(yè)的運(yùn)營模式、管理能力和市場地位帶來了極大的壓力和沖擊。面對當(dāng)前社會環(huán)境的異變性、不確定性、復(fù)雜性和模糊性，數(shù)字化轉(zhuǎn)型憑借自身所具備的高度動(dòng)態(tài)性、交融性和自我演進(jìn)的能力成為企業(yè)構(gòu)筑核心競爭力的關(guān)鍵要素，越來越多的企業(yè)開始把數(shù)字化轉(zhuǎn)型作為自身發(fā)展的戰(zhàn)略重心。

并購是企業(yè)盤活存量資產(chǎn)、做大做強(qiáng)做優(yōu)的重要途徑，對國家和地區(qū)經(jīng)濟(jì)的穩(wěn)定和發(fā)展具有重要意義。不少研究發(fā)現(xiàn)，中國企業(yè)的并購行為呈現(xiàn)明顯的本地偏好，但也有學(xué)者認(rèn)為，異地并購能夠促使企業(yè)快速進(jìn)入新的市場，獲取目標(biāo)企業(yè)的資源，從而達(dá)到提升企業(yè)價(jià)值、實(shí)現(xiàn)戰(zhàn)略擴(kuò)張目的[1]，并且當(dāng)企業(yè)的信息獲取能力較強(qiáng)和資金充足時(shí)，通常會選擇異地并購。目前，學(xué)術(shù)界對于影響企業(yè)并購區(qū)位選擇的因素進(jìn)行了較為廣泛的探討，其中涉及政府干預(yù)[2]、金融環(huán)境[3]和基礎(chǔ)設(shè)施建設(shè)[4，5]等宏觀層面，以及家鄉(xiāng)偏好[6]、政治關(guān)聯(lián)[7，8]和公司治理[9]等微觀層面，但鮮有學(xué)者將數(shù)字化與并購進(jìn)行結(jié)合，研究企業(yè)數(shù)字化轉(zhuǎn)型對異地并購的影響及作用機(jī)制。事實(shí)上，依托大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、人工智能和數(shù)字技術(shù)應(yīng)用的企業(yè)數(shù)字化轉(zhuǎn)型，不僅能夠拓寬企業(yè)融資渠道、提高融資效率、緩解融資約束難題，還能加強(qiáng)多方之間的溝通交流、降低信息不對稱，由此推動(dòng)異地并購活動(dòng)的進(jìn)行?；诖?，本文以2007—2021年A 股上市公司為研究樣本，理論分析并實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響及作用機(jī)制。

本文可能的貢獻(xiàn)在于：第一，拓展了企業(yè)異地并購影響因素的視角。既有文獻(xiàn)從政府干預(yù)、金融環(huán)境和基礎(chǔ)設(shè)施建設(shè)等宏觀層面，家鄉(xiāng)偏好、政治關(guān)聯(lián)和公司治理等微觀層面研究企業(yè)異地并購的影響因素，本文聚焦于數(shù)字化，研究企業(yè)數(shù)字化轉(zhuǎn)型對異地并購的影響，為有效促進(jìn)企業(yè)異地并購提供新的經(jīng)驗(yàn)證據(jù)。第二，挖掘了數(shù)字化轉(zhuǎn)型影響企業(yè)異地并購的內(nèi)在機(jī)制。已有研究表明，融資約束和信息不對稱都會抑制企業(yè)異地并購，而本文發(fā)現(xiàn)數(shù)字化轉(zhuǎn)型能夠緩解融資約束，降低信息不對稱，提高企業(yè)異地并購的概率和成功率，從而厘清了數(shù)字化轉(zhuǎn)型影響企業(yè)異地并購的機(jī)制。第三，豐富了數(shù)字化轉(zhuǎn)型影響企業(yè)異地并購的研究內(nèi)容。本文探究了產(chǎn)權(quán)性質(zhì)、企業(yè)規(guī)模和所在區(qū)域等不同環(huán)境下數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響，在一定程度上拓展了數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)異地并購的異質(zhì)性分析。此外，本文還探討了數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)異地并購后是否有助于提升企業(yè)價(jià)值，進(jìn)而延伸了數(shù)字化轉(zhuǎn)型經(jīng)濟(jì)后果方面的研究。

二、理論分析與研究假說

（一）融資約束視角下的數(shù)字化轉(zhuǎn)型與企業(yè)異地并購

MM理論認(rèn)為，在完美的資本市場環(huán)境下，企業(yè)的外部資金成本與內(nèi)部融資成本之間可以完全替代，此時(shí)投資行為不會受到企業(yè)財(cái)務(wù)狀況的影響，只會與投資需求有關(guān)[10]。然而，在現(xiàn)實(shí)生活中并不存在無摩擦的資本市場，企業(yè)外部資金成本通常高于內(nèi)部融資成本[11]，這導(dǎo)致面臨融資約束的企業(yè)不得不放棄一些投資機(jī)會，其中包括并購項(xiàng)目。蔣冠宏等[12]指出，融資約束會降低企業(yè)并購的可能性。潘紅波等[13]也指出，融資約束程度高的企業(yè)投資能力會受到一定限制，無法有效獲取外部資金來支持并購活動(dòng)的進(jìn)行。

異地并購復(fù)雜性高、時(shí)效性強(qiáng)、競爭相對激烈，需要大量、高效、及時(shí)的資金供給，而數(shù)字化轉(zhuǎn)型恰好在一定程度上滿足了異地并購的資金需求。首先，企業(yè)實(shí)施數(shù)字化轉(zhuǎn)型符合“數(shù)字中國”戰(zhàn)略，不僅能夠獲得政府及監(jiān)管部門的支持，還能享受較多金融機(jī)構(gòu)的融資優(yōu)惠[14]，為企業(yè)實(shí)施異地并購提供資金支持。其次，數(shù)字技術(shù)憑借便捷的操作方式和互聯(lián)網(wǎng)經(jīng)營模式，在社會閑置資金和企業(yè)之間搭建了溝通橋梁，緩解了企業(yè)異地并購的融資壓力。具體而言，人工智能、云計(jì)算、大數(shù)據(jù)和區(qū)塊鏈等數(shù)字信息技術(shù)降低了金融服務(wù)的門檻，能夠?qū)⒋罅可艏靶∫?guī)模投資者的資金匯聚成大規(guī)模資金，然后將這些資金覆蓋到有融資需求的企業(yè)[15]，從而在一定程度上擴(kuò)大了企業(yè)的資金來源渠道，緩解了企業(yè)異地并購的融資困境。最后，數(shù)字化轉(zhuǎn)型能夠打破地域限制，使主并企業(yè)直接對接金融機(jī)構(gòu)，節(jié)省融資時(shí)間，提高異地并購的效率。一方面，新一代數(shù)字技術(shù)克服了金融機(jī)構(gòu)審批過程繁雜、耗時(shí)較長的缺點(diǎn)，極大地釋放了人力和物力，能夠提高資金運(yùn)轉(zhuǎn)效率，節(jié)省異地并購的融資時(shí)間；另一方面，主并企業(yè)利用數(shù)字技術(shù)能夠及時(shí)了解貸款的利率、額度、優(yōu)惠策略等信息，從而選擇合適的融資方案，降低融資過程中的交易成本，提高異地并購的效率。基于此，提出如下假設(shè)：

H1：數(shù)字化轉(zhuǎn)型能夠通過緩解融資約束來促進(jìn)企業(yè)異地并購。

（二）信息不對稱視角下的數(shù)字化轉(zhuǎn)型與企業(yè)異地并購

信息不對稱理論認(rèn)為，掌握信息較多的一方往往在資本市場中處于優(yōu)勢地位，而掌握信息較少或較慢的一方則處于相對劣勢地位。在異地并購過程中，信息在交易雙方之間呈現(xiàn)不對稱分布[16]，這增加了企業(yè)進(jìn)行異地并購的風(fēng)險(xiǎn)[17]。一方面，由于雙方地理距離遠(yuǎn)，主并企業(yè)無法有效獲得目標(biāo)企業(yè)的所有信息，容易產(chǎn)生“逆向選擇”問題[18]；另一方面，目標(biāo)企業(yè)往往通過虛增收入和隱藏負(fù)面信息來粉飾形象，提高并購交易價(jià)格，而主并企業(yè)難以發(fā)現(xiàn)，容易蒙受損失[19]。因此，對于主并企業(yè)來說，較多的信息不對稱會導(dǎo)致其處于信息劣勢，不利于選擇合適的目標(biāo)企業(yè)，從而影響異地并購的進(jìn)程。

數(shù)字化轉(zhuǎn)型能夠降低信息不對稱，促進(jìn)企業(yè)異地并購。一方面，數(shù)字信息技術(shù)能夠有效傳遞并購市場的真實(shí)信息，降低異地并購決策的成本。在信息化時(shí)代，企業(yè)的組織架構(gòu)、經(jīng)營策略及并購經(jīng)歷都會通過網(wǎng)絡(luò)進(jìn)行傳遞[1]，這拓寬了信息獲取的深度與廣度，降低了企業(yè)進(jìn)行異地并購的搜尋成本和調(diào)整成本。江紅莉等[15]指出，數(shù)字信息通信技術(shù)打破了地理范圍限制，能夠提高企業(yè)信息獲取能力，降低公司之間的信息溝通成本和投資篩選的時(shí)間成本。對于異地并購來說，主并企業(yè)利用數(shù)字終端能夠及時(shí)了解并購市場的基本信息，并對這些信息進(jìn)行記錄和分析，從而快速甄別市場中的標(biāo)的物資產(chǎn)，選擇合適的收購對象。同時(shí)，主并企業(yè)借助數(shù)字技術(shù)將并購市場的數(shù)據(jù)轉(zhuǎn)化為標(biāo)準(zhǔn)化的信息[20，21]，有助于后續(xù)利用，能夠降低更換目標(biāo)企業(yè)的調(diào)整成本。另一方面，數(shù)字信息技術(shù)能夠幫助主并企業(yè)準(zhǔn)確評估目標(biāo)企業(yè)的價(jià)值。曹廷求等[22]指出，目標(biāo)企業(yè)往往會粉飾財(cái)務(wù)信息，通過夸大業(yè)績的方式來獲取更高的支付價(jià)值。因此，如果主并企業(yè)在不了解目標(biāo)企業(yè)業(yè)務(wù)發(fā)展和財(cái)務(wù)信息的情況下貿(mào)然進(jìn)行收購，很有可能導(dǎo)致錯(cuò)誤的并購，并造成價(jià)值的損失。主并企業(yè)利用數(shù)字技術(shù)能夠獲取目標(biāo)企業(yè)的經(jīng)營信息和財(cái)務(wù)狀況，如訂單、存貨、負(fù)債、資產(chǎn)等，而這些信息也有助于主并企業(yè)更好地判斷目標(biāo)企業(yè)的價(jià)值，避免異地并購的估值不當(dāng)，進(jìn)而推進(jìn)并購的進(jìn)程。基于此，提出如下假設(shè)：

H2：數(shù)字化轉(zhuǎn)型能夠通過降低信息不對稱來促進(jìn)企業(yè)異地并購。

三、研究設(shè)計(jì)

（一）樣本選擇與數(shù)據(jù)來源

本文以2007—2021 年A 股上市公司并購數(shù)據(jù)為基礎(chǔ)，并進(jìn)行如下處理：（1）僅保留交易地位編碼為買方的樣本；（2）剔除重組類型編碼為資產(chǎn)剝離、債務(wù)重組和股份回購的樣本；（3）剔除關(guān)聯(lián)交易樣本；（4）剔除金融行業(yè)的樣本；（5）剔除財(cái)務(wù)數(shù)據(jù)缺失的樣本。相關(guān)數(shù)據(jù)來源于國泰安（CSMAR）數(shù)據(jù)庫。為減少樣本極端值對回歸造成的影響，對連續(xù)變量進(jìn)行了上下1%的縮尾處理。

（二）變量選取和定義

1.被解釋變量：企業(yè)異地并購（MA）

為了比較全面地反映企業(yè)異地并購，本文借鑒潘爽等[4]、蔡慶豐等[7]、李善民等[17]的研究，將異地并購分為兩個(gè)變量：（1）異地并購概率（MAD），如果企業(yè)進(jìn)行跨省并購，則賦值為1，否則為0；（2）異地并購成功率（MAS），如果企業(yè)跨省并購成功，則賦值為1，否則為0。

2.解釋變量：企業(yè)數(shù)字化轉(zhuǎn)型（DCG）

對于數(shù)字化轉(zhuǎn)型指標(biāo)的衡量，國內(nèi)外學(xué)者多從宏觀與微觀兩個(gè)層面進(jìn)行衡量。宏觀層面的數(shù)字化轉(zhuǎn)型一般采用地區(qū)經(jīng)濟(jì)發(fā)展水平進(jìn)行衡量[15]，而作為微觀個(gè)體的企業(yè)，應(yīng)當(dāng)選用能夠體現(xiàn)微觀個(gè)體差異的技術(shù)應(yīng)用程度來衡量[14，20]。因此，本文采用國泰安數(shù)據(jù)庫中“上市公司企業(yè)數(shù)字化轉(zhuǎn)型指標(biāo)”，統(tǒng)計(jì)大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、人工智能和數(shù)字技術(shù)應(yīng)用在公司年報(bào)中出現(xiàn)的頻次，并將匯總的結(jié)果加1取自然對數(shù)，以此來衡量數(shù)字化轉(zhuǎn)型程度。

3.中介變量

（1）融資約束（WW）。參考潘紅波等[13]、Whited等[23]的研究，使用WW指數(shù)來衡量企業(yè)融資約束，該指數(shù)越大，表明企業(yè)的融資約束程度越高。

（2）信息不對稱（IFMT）。參考吳非等[24]、周振江等[25]的研究，采用分析師（團(tuán)隊(duì)）跟蹤分析數(shù)量的自然對數(shù)來衡量企業(yè)信息不對稱，該數(shù)值越大，說明企業(yè)信息不對稱程度越小。

4.控制變量

借鑒相關(guān)文獻(xiàn)，設(shè)置如下控制變量：資產(chǎn)收益率（Roa）、公司規(guī)模（Size）、成長性（Growth）、資產(chǎn)負(fù)債率（Lev）、股權(quán)集中度（Top1）、固定資產(chǎn)占比（Fixed）、現(xiàn)金流比率（Cash）、兩職兼任（Dual）和產(chǎn)權(quán)性質(zhì)（Soe）。此外，還控制了年份（Year）和行業(yè)（Ind）固定效應(yīng)。具體變量定義如表1所示。

表1 變量定義

（三）回歸模型設(shè)定

1.基準(zhǔn)模型構(gòu)建

為了檢驗(yàn)數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響，本文設(shè)定模型如下：

其中，i、t 分別表示企業(yè)和年份。MA 為企業(yè)異地并購，主要包括異地并購概率（MAD）和異地并購成功率（MAS）；DCG 為企業(yè)數(shù)字化轉(zhuǎn)型程度；Controls是一系列可能對企業(yè)異地并購產(chǎn)生影響的控制變量；Year、Ind分別表示年份、行業(yè)虛擬變量。

2.中介效應(yīng)模型構(gòu)建

為揭示數(shù)字化轉(zhuǎn)型影響企業(yè)異地并購的具體路徑，本文參考溫忠麟等[26]的研究，在模型（1）的基礎(chǔ)上設(shè)定以下模型：

其中，Medium 為中介變量，包含融資約束（WW）和信息不對稱（IFMT）。其他變量與模型（1）相同。

四、實(shí)證結(jié)果

（一）描述性統(tǒng)計(jì)分析

表2匯報(bào)了主要變量的描述性統(tǒng)計(jì)結(jié)果。異地并購概率（MAD）的均值為0.109，異地并購成功率（MAS）的均值為0.044，表示在26907 個(gè)樣本觀測值中，大約有2933 個(gè)樣本發(fā)起了異地并購，其中1184個(gè)樣本完成了異地并購，成功率為40.37%。數(shù)字化轉(zhuǎn)型（DCG）的最大值為5.024，最小值為0，表示不同企業(yè)間數(shù)字化轉(zhuǎn)型程度存在明顯差異。此外，其他變量的統(tǒng)計(jì)結(jié)果與現(xiàn)有文獻(xiàn)基本保持一致。

表2 描述性統(tǒng)計(jì)結(jié)果

（二）基準(zhǔn)回歸分析

表3報(bào)告了數(shù)字化轉(zhuǎn)型與企業(yè)異地并購之間的關(guān)系。（1）和（2）列為沒有加入控制變量的檢驗(yàn)結(jié)果，數(shù)字化轉(zhuǎn)型（DCG）的回歸系數(shù)分別為0.016、0.007，且均在1%的水平上顯著，表明數(shù)字化轉(zhuǎn)型程度越高，企業(yè)異地并購的概率和成功率越高，即數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)異地并購。（3）和（4）列為加入控制變量的檢驗(yàn)結(jié)果，上述結(jié)論依舊成立。

表3 基準(zhǔn)回歸結(jié)果

（三）作用機(jī)制分析

1.數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)異地并購

表4 報(bào)告了數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)異地并購之間的關(guān)系。（1）和（2）列結(jié)果顯示，DCG 的回歸系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型能顯著提升異地并購的概率和成功率。（3）列結(jié)果顯示，DCG的回歸系數(shù)顯著為負(fù)，表明數(shù)字化轉(zhuǎn)型能夠有效緩解企業(yè)融資約束問題。（4）和（5）列結(jié)果顯示，DCG 的系數(shù)顯著為正，WW的系數(shù)顯著為負(fù)。上述結(jié)果表明，數(shù)字化轉(zhuǎn)型通過緩解融資約束來促進(jìn)企業(yè)異地并購。

表4 數(shù)字化轉(zhuǎn)型、融資約束與企業(yè)異地并購

2.數(shù)字化轉(zhuǎn)型、信息不對稱與企業(yè)異地并購

表5 報(bào)告了數(shù)字化轉(zhuǎn)型、信息不對稱與企業(yè)異地并購之間的關(guān)系。（1）和（2）列結(jié)果顯示，DCG 的回歸系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型能顯著提升異地并購的概率和成功率。（3）列結(jié)果顯示，DCG的回歸系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型能夠提升分析師關(guān)注度，有效降低企業(yè)信息不對稱。（4）和（5）列結(jié)果顯示，DCG 的系數(shù)顯著為正，IFMT 的系數(shù)顯著為正。上述結(jié)果表明，數(shù)字化轉(zhuǎn)型通過降低信息不對稱來促進(jìn)企業(yè)異地并購。

表5 數(shù)字化轉(zhuǎn)型、信息不對稱與企業(yè)異地并購

（四）內(nèi)生性問題處理

1.工具變量法

參考方明月等[27]的研究，本文使用企業(yè)所在行業(yè)內(nèi)其他企業(yè)數(shù)字化轉(zhuǎn)型的均值作為數(shù)字化轉(zhuǎn)型的工具變量。一方面，同行業(yè)其他企業(yè)的數(shù)字化轉(zhuǎn)型水平與本企業(yè)的數(shù)字化轉(zhuǎn)型水平存在相關(guān)性；另一方面，同行業(yè)其他企業(yè)的數(shù)字化轉(zhuǎn)型水平不會直接影響本企業(yè)的異地并購行為。因此，本文選擇行業(yè)均值（IV1）作為第一個(gè)工具變量進(jìn)行2SLS回歸。

此外，本文參考姜英兵等[20]的研究，以互聯(lián)網(wǎng)普及率作為企業(yè)數(shù)字化轉(zhuǎn)型的工具變量。原因在于，互聯(lián)網(wǎng)是數(shù)字化的基礎(chǔ)設(shè)施，而企業(yè)注冊地的互聯(lián)網(wǎng)普及率能夠反映其互聯(lián)網(wǎng)發(fā)展情況以及數(shù)字基礎(chǔ)設(shè)施建設(shè)水平，與企業(yè)數(shù)字化轉(zhuǎn)型有著密切的關(guān)系。與此同時(shí)，互聯(lián)網(wǎng)普及率和企業(yè)異地并購沒有直接的關(guān)聯(lián)渠道，也沒有文獻(xiàn)證明二者的關(guān)系。因此，本文選擇互聯(lián)網(wǎng)普及率（IV2）作為第二個(gè)工具變量進(jìn)行2SLS回歸。

結(jié)果如表6 所示，（1）和（2）列是采用行業(yè)均值（IV1）進(jìn)行回歸的結(jié)果，（3）和（4）列是采用互聯(lián)網(wǎng)普及率（IV2）進(jìn)行回歸的結(jié)果，（5）和（6）列是將兩個(gè)工具變量求和作為新的工具變量進(jìn)行回歸的結(jié)果。結(jié)果顯示，DCG 的回歸系數(shù)顯著為正，且經(jīng)檢驗(yàn)發(fā)現(xiàn)第一階段的F 檢驗(yàn)值均大于10，故不存在弱工具變量問題。可見，在使用工具變量后，數(shù)字化轉(zhuǎn)型仍能顯著促進(jìn)企業(yè)異地并購。

表6 工具變量回歸

2.傾向得分匹配法

為解決樣本自選擇偏誤導(dǎo)致的內(nèi)生性問題，本文選取傾向得分匹配法進(jìn)行回歸。首先，按照企業(yè)是否進(jìn)行數(shù)字化轉(zhuǎn)型進(jìn)行分組；其次，將模型（1）中的控制變量作為協(xié)變量進(jìn)行1∶1 的最近鄰匹配，得到21793個(gè)觀測值；最后，將匹配后的樣本進(jìn)行回歸分析。結(jié)果如表7（1）和（2）列所示，DCG 的回歸系數(shù)顯著為正，本文的結(jié)論具有穩(wěn)健性。

3.固定效應(yīng)模型

為避免個(gè)體差異產(chǎn)生的影響，并且緩解遺漏變量導(dǎo)致的內(nèi)生性問題，本文采用固定效應(yīng)模型對數(shù)字化轉(zhuǎn)型與企業(yè)異地并購的關(guān)系重新進(jìn)行檢驗(yàn)?；貧w結(jié)果如表7（3）和（4）列所示，在控制個(gè)體效應(yīng)后，DCG的回歸系數(shù)顯著為正，再次證實(shí)本文結(jié)論的穩(wěn)健性。

（五）穩(wěn)健性檢驗(yàn)

1.更換解釋變量

借鑒張永珅等[28]的研究，以上市公司在財(cái)務(wù)報(bào)告附注披露的年末無形資產(chǎn)明細(xì)項(xiàng)中與數(shù)字化轉(zhuǎn)型有關(guān)的部分占企業(yè)無形資產(chǎn)總額的比例來衡量企業(yè)數(shù)字化轉(zhuǎn)型。結(jié)果如表8（1）和（2）列所示，DCG 的回歸系數(shù)顯著為正，表明在更換解釋變量后，數(shù)字化轉(zhuǎn)型仍能促進(jìn)企業(yè)異地并購，提升跨市并購的概率和成功率。

表8 穩(wěn)健性檢驗(yàn)

2.更換被解釋變量

基準(zhǔn)回歸中，本文將異地并購定義為跨省并購，實(shí)際上還有部分學(xué)者采用跨市并購來衡量企業(yè)異地并購。因此，本文參考潘爽等[4]的研究，以跨市并購的概率和成功率來衡量企業(yè)異地并購。結(jié)果如表8（3）和（4）列所示，DCG 的回歸系數(shù)顯著為正，表明在更換被解釋變量后，數(shù)字化轉(zhuǎn)型仍能顯著促進(jìn)企業(yè)異地并購，提升跨市并購的概率和成功率。

3.滯后一期解釋變量

考慮到數(shù)字化轉(zhuǎn)型的滯后效應(yīng)，本文參考周振江等[25]、胡楊等[29]的做法，將解釋變量滯后一期，替換以后的含義為滯后一期數(shù)字化轉(zhuǎn)型對當(dāng)期企業(yè)異地并購的影響。結(jié)果如表8（5）和（6）列所示，DCG的回歸系數(shù)顯著為正，表明滯后一期的數(shù)字化轉(zhuǎn)仍能顯著促進(jìn)企業(yè)異地并購，說明本文的結(jié)論具有穩(wěn)健性。

4.縮小樣本區(qū)間

近十年來，數(shù)字化蓬勃發(fā)展。因此，本文采用2012—2021年的數(shù)據(jù)，分析數(shù)字化轉(zhuǎn)型與企業(yè)異地并購之間的關(guān)系。結(jié)果如表8（7）和（8）列所示，在縮小樣本區(qū)間后，DCG 的回歸系數(shù)顯著為正，再次證明本文結(jié)論的穩(wěn)健性。

五、進(jìn)一步分析

（一）異質(zhì)性分析

1.產(chǎn)權(quán)性質(zhì)

數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響在不同產(chǎn)權(quán)性質(zhì)中存在差異。本文依據(jù)企業(yè)產(chǎn)權(quán)性質(zhì)將樣本分為國有企業(yè)與非國有企業(yè)兩組，以檢驗(yàn)產(chǎn)權(quán)性質(zhì)差異對數(shù)字化轉(zhuǎn)型與企業(yè)異地并購產(chǎn)生的不同影響。結(jié)果如表9所示，無論是國有企業(yè)還是非國有企業(yè)，數(shù)字化轉(zhuǎn)型均能提高企業(yè)異地并購的概率和成功率。對企業(yè)產(chǎn)權(quán)性質(zhì)的系數(shù)進(jìn)行費(fèi)舍爾組合檢驗(yàn)，經(jīng)驗(yàn)P值為0.000，說明數(shù)字化轉(zhuǎn)型對異地并購的促進(jìn)作用在非國有企業(yè)中更加顯著。可能的原因在于，國有企業(yè)的并購行為能夠獲得政府和銀行更多的支持，能得到更多的融資優(yōu)惠和信息渠道[24]。而非國有企業(yè)的并購則多為追求擴(kuò)張、獲取利潤的自發(fā)行為，其資金需求更為旺盛，也更容易面臨融資約束難題[25]。此外，非國有企業(yè)的信息獲取成本相對較高，面臨的信息不對稱問題也更為嚴(yán)重。因此，非國有企業(yè)有更強(qiáng)烈的動(dòng)機(jī)進(jìn)行數(shù)字化轉(zhuǎn)型，并通過緩解融資約束和降低信息不對稱來促進(jìn)企業(yè)異地并購。

表9 產(chǎn)權(quán)異質(zhì)性檢驗(yàn)結(jié)果

2.企業(yè)規(guī)模

數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響在不同規(guī)模企業(yè)間存在差異。本文按照企業(yè)規(guī)模是否大于其行業(yè)中位數(shù)，將樣本分為小規(guī)模企業(yè)與大規(guī)模企業(yè)兩組，以檢驗(yàn)規(guī)模差異對數(shù)字化轉(zhuǎn)型與企業(yè)異地并購產(chǎn)生的不同影響。結(jié)果如表10 所示，無論規(guī)模大小，數(shù)字化轉(zhuǎn)型均能有效促進(jìn)企業(yè)異地并購。對企業(yè)規(guī)模的系數(shù)進(jìn)行費(fèi)舍爾組合檢驗(yàn)，經(jīng)驗(yàn)P 值為0.000，說明數(shù)字化轉(zhuǎn)型對異地并購的提升作用在小規(guī)模企業(yè)中更加顯著。可能的原因在于，大規(guī)模企業(yè)具有較強(qiáng)的資源優(yōu)勢和博弈能力，而小規(guī)模企業(yè)因其規(guī)模小，信息披露不完善，面臨較多的融資約束和信息不對稱問題。對小規(guī)模企業(yè)來說，數(shù)字平臺拓展了融資渠道，緩解了其融資約束難題[29]，為異地并購提供了充足的資金支持。此外，數(shù)字技術(shù)應(yīng)用還能提高小規(guī)模企業(yè)的信息獲取能力和信息處理效率，降低并購過程中的信息不對稱，推動(dòng)企業(yè)異地并購的進(jìn)行。

表10 規(guī)模異質(zhì)性檢驗(yàn)結(jié)果

3.區(qū)域差異

數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的影響存在區(qū)域差異。本文依據(jù)企業(yè)注冊地，將樣本分為東區(qū)、中部和西部三組，以檢驗(yàn)區(qū)域差異對數(shù)字化轉(zhuǎn)型與企業(yè)異地并購產(chǎn)生的不同影響。結(jié)果如表11所示，數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的促進(jìn)作用在東部地區(qū)更為顯著，且通過費(fèi)舍爾組合檢驗(yàn)?？赡艿脑蛟谟冢袊母镩_放由東往西推進(jìn)，因而東部地區(qū)經(jīng)濟(jì)發(fā)展水平明顯高于中西部地區(qū)，東部地區(qū)企業(yè)的區(qū)位優(yōu)勢能夠?yàn)槠鋵?shí)施異地并購帶來一定的便捷。具體而言，東部地區(qū)企業(yè)的對外開放程度高，制度相對完善，信息相對公開，這為企業(yè)異地并購提供了機(jī)會和便利。此外，東部地區(qū)企業(yè)擁有完善的數(shù)字基礎(chǔ)設(shè)施，其釋放的數(shù)字經(jīng)濟(jì)紅利也更為充分[25]，這為數(shù)字化轉(zhuǎn)型驅(qū)動(dòng)企業(yè)異地并購提供了底層支持。

表11 地區(qū)異質(zhì)性檢驗(yàn)結(jié)果

（二）經(jīng)濟(jì)影響分析

異地并購能夠促使企業(yè)獲取快速進(jìn)入新的市場，獲取目標(biāo)企業(yè)的資源，提高企業(yè)發(fā)展?jié)摿?，進(jìn)而提升企業(yè)價(jià)值[1]。那么，數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)異地并購后是否有助于提升企業(yè)價(jià)值？為了檢驗(yàn)這一經(jīng)濟(jì)后果，本文參考潘爽等[4]的研究，采用Tobin Q來衡量企業(yè)價(jià)值，并參考姜英兵等[20]的研究，通過中介效應(yīng)模型來檢驗(yàn)數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的促進(jìn)作用是否提升了企業(yè)價(jià)值。結(jié)果如表12 所示，在（1）列中，DCG 的回歸系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型能夠顯著提升企業(yè)價(jià)值；在（2）和（3）列中，DCG 的回歸系數(shù)顯著為正，表明數(shù)字化轉(zhuǎn)型程度越高，企業(yè)異地并購的概率和成功率越高；在（4）和（5）列中，DCG、MAD 和MAS 回歸系數(shù)顯著為正?？梢?，在納入企業(yè)異地并購變量后，數(shù)字化轉(zhuǎn)型仍能正向影響企業(yè)價(jià)值，這表明企業(yè)數(shù)字化轉(zhuǎn)型促進(jìn)異地并購的作用的確能夠提升企業(yè)價(jià)值。

表12 經(jīng)濟(jì)影響回歸結(jié)果

六、結(jié)論與啟示

（一）研究結(jié)論

本文以2007—2021 年A 股上市公司為研究樣本，實(shí)證檢驗(yàn)了數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的具體影響。研究結(jié)果表明：（1）數(shù)字化轉(zhuǎn)型能夠顯著促進(jìn)企業(yè)異地并購，這一結(jié)論在一系列內(nèi)生性檢驗(yàn)和穩(wěn)健性檢驗(yàn)后依然成立；（2）作用機(jī)制分析表明，數(shù)字化轉(zhuǎn)型通過緩解企業(yè)融資約束、降低信息不對稱來促進(jìn)企業(yè)異地并購，提高異地并購的概率和成功率；（3）從異質(zhì)性的角度來看，數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的促進(jìn)作用在非國有、小規(guī)模和東部地區(qū)的企業(yè)中表現(xiàn)更顯著；（4）從經(jīng)濟(jì)影響的角度來看，企業(yè)數(shù)字化轉(zhuǎn)型對異地并購的影響能夠帶來積極的經(jīng)濟(jì)效益，有助于提升企業(yè)價(jià)值。

（二）研究啟示

第一，加快數(shù)字經(jīng)濟(jì)發(fā)展，大力推進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。當(dāng)前國際主要經(jīng)濟(jì)合作組織和論壇均把加快發(fā)展數(shù)字經(jīng)濟(jì)以及推動(dòng)數(shù)字治理作為重要議題，數(shù)字化已成為賦能傳統(tǒng)行業(yè)的重要手段。因此，中國應(yīng)大力推進(jìn)數(shù)字化轉(zhuǎn)型進(jìn)程，以在數(shù)字經(jīng)濟(jì)時(shí)代占據(jù)優(yōu)勢地位。一方面，政府需要給予企業(yè)數(shù)字化轉(zhuǎn)型一定的政策支持，把扶持、鼓勵(lì)和引導(dǎo)企業(yè)進(jìn)行數(shù)字化轉(zhuǎn)型作為工作重點(diǎn)，不斷完善政策保護(hù)體系，營造良好的外部環(huán)境，助力企業(yè)數(shù)字化轉(zhuǎn)型；另一方面，企業(yè)應(yīng)積極實(shí)施數(shù)字化轉(zhuǎn)型，推動(dòng)數(shù)字技術(shù)和企業(yè)組織結(jié)構(gòu)、商業(yè)模式的結(jié)合，發(fā)揮數(shù)字化轉(zhuǎn)型的效能，重塑新的價(jià)值創(chuàng)造方式。

第二，重視融資約束和信息不對稱在數(shù)字化轉(zhuǎn)型促進(jìn)企業(yè)異地并購中的機(jī)制傳導(dǎo)。研究表明，數(shù)字化轉(zhuǎn)型能夠通過緩解融資約束、降低信息不對稱來推動(dòng)異地并購的進(jìn)行。在數(shù)字化時(shí)代，企業(yè)應(yīng)當(dāng)積極發(fā)揮數(shù)字化轉(zhuǎn)型技術(shù)的作用，充分利用大量散戶及小規(guī)模投資者的資金，拓寬資金來源渠道，提高融資效率，緩解異地并購的融資困境。此外，企業(yè)還應(yīng)當(dāng)利用人工智能、云計(jì)算、大數(shù)據(jù)和區(qū)塊鏈等前沿技術(shù)，提高自身的信息搜尋能力和處理能力，克服并購過程中的信息不對稱問題，避免逆向選擇與估值不當(dāng)，推動(dòng)異地并購的進(jìn)行。

第三，立足于環(huán)境差異，數(shù)字化轉(zhuǎn)型的推進(jìn)策略應(yīng)當(dāng)“因企制宜”。在關(guān)注數(shù)字化轉(zhuǎn)型如何影響企業(yè)異地并購的同時(shí)，還需要關(guān)注不同環(huán)境和治理情境下的差異性，特別是關(guān)注到數(shù)字化轉(zhuǎn)型對企業(yè)異地并購的促進(jìn)作用在非國有、小規(guī)模和東部地區(qū)的企業(yè)中表現(xiàn)更顯著。因此，企業(yè)應(yīng)當(dāng)充分考量環(huán)境差異，合理發(fā)揮數(shù)字化轉(zhuǎn)型的作用，促進(jìn)企業(yè)異地并購的概率和成功率，提升企業(yè)價(jià)值。