论文部分内容阅读
【摘要】在知识密集型的高技术行业中，通过技术并购进而较为快速地获取外部技术，合理配置有限的资金、技术等资源，提高主并方的创新效率显得尤为重要。本文在运用DEA方法建立技术并购主并方创新绩效的评价体系的基础上，比较技术并购前后的创新绩效差异，并探索提升主并方创新绩效的应对策略。研究结果表明主并方在技术并购实施后全要素生产率有显著的提高，尤其在技术进步方面有明显的改善，但在技术效率方面作用效果不够显著。
【关键词】技术并购 创新绩效 DEA模型 Malmuqist指数
一、引言
创新是引领国家经济持续增长的重要动力，是衡量企业核心竞争力的重要因素。十九大会议上强调创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。在制造业高技术上市公司中，技术创新越来越成为企业竞争中的核心要素。然而仅仅依靠内部研发活动具有研发风险高、周期长的弊病，因而许多高技术制造业企业寻求具有先进技术的非上市公司，通过并购来获取技术资源并提升自身的创新效率。因此，通过技术并购进而合理配置有限的资金、技术等资源，提高主并方的创新效率显得尤为重要。
国内对创新绩效度量的研究主要集中于产业或地区等宏观层面，或者单从投入或产出角度来衡量，却鲜有文献从“投入—产出”综合地反映创新绩效。本文选取了2010年～2014年我国沪深两市制造业中7个高技术行业发生技术并购的46家企业作为样本，应用DEA方法同时将投入和产出两个因素考虑进来，并且運用马奎斯特指数将TFP分解为技术进步指数与相对技术效率指数，从而更好的分析推动全要素生产率变化的源泉。以期对比技术并购前后全要素生产率及技术进步、技术效率的变化情况，探索其影响因素，为制造业高科技上市公司技术技术并购更好的提升创新能力提供对策建议。
二、指标体系构建与数据来源
国内外学者将技术并购定义为以获取技术资源为主要驱动因素，对拥有高新技术的中小型企业实施的战略性并购行为。本文借鉴Ahuja和Katila（2001）所采用的对技术并购界定标准：第一，被并购企业在并购发生的前5年内有专利申请；第二，在其并购公告中“并购目的”中有明确说明此次并购以获取对方技术、研发人员为目的。上述两个条件只要满足其中之一的即可判定为技术并购。因技术并购多发生在知识密集型的高技术行业，因此本文选取的研究对象是主并企业为制造业高技术上市公司。根据2012年证监会行业分类标准，主要选取了制造业中专用设备制造业、通用设备制造业、医药制造业等7个高技术行业，时间跨度为2010年至2014年。本文运用DEA方法进行创新效率的度量，选取的投入和产出指标如下：
（一）投入指标
参考以往的研究文献，本文将技术创新投入指标分为人力资本投入和物质资本投入两部分。对于人力资本投入，以往的文献通常使用以下两种代理变量：其中一类是按照学历来分（熊飞等，2012），通常的做法是将员工结构中专科及以上学历人数作为技术创新的人员投入（黄璐等，2017）；另外一类是按照职能部门来分，通常选取研发人员数量或者是技术人员数量。由于所选择的样本各年报数据中按照学历分类的人员以及研发人员数据残缺较多，而技术人员也是技术创新人力资本的重要投入要素，因此选择技术人员数量，并将其取对数后作为技术创新的人力资本投入指标。其次，创新投入中还应包括物质资本投入，其中游春（2010）、庞瑞芝（2014）等认为研发支出是创新型企业的生命线，是重要的创新资本投入变量。何玮等认为（2003）固定资产投入是企业为进行创新活动所必需的的机器、设备等，是企业创新活动顺利开展的前提条件。而固定资产净额表示的是固定资产原值或重置价值扣除已计提折旧的剩余部分，反映的是企业的物质材料的投入，因而能够作为创新投入指标。
（二）产出指标
国内外关于创新绩效文献中，衡量创新产出几乎千篇一律的使用专利数量作为其代理变量。专利从申请到授权，需要经过专利局的初步审查、时滞审查，以及缴纳费用，往往要经历两至三年的时间，此外有些专利很可能在提出申请而未等到授权就已经形成了新产品早已对企业绩效产生影响，因此使用专利授权量具有一定的时滞性；同时也有学者认为专利授权量也容易受到官僚腐败因素的影响（Tan et al（2014）.。相比于专利授权数，专利申请数尽管较不稳定，且具有较大的不确定性，但更能真实、及时的反映企业创新产出水平，因此本文以专利申请数作为衡量创新产出指标之一。此外，以创新产品的销售收入作为产出的代理变量，可以反映企业在产品数量上的变化，同时也可以反映出新产品在市场上受欢迎的程度，这在一定程度上弥补了专利申请忽略质量的缺陷。而在国内的Wind、国泰安、同花顺数据库均无法无法获取该数据。反映公司绩效的指标除此之外还有总资产回报率（ROA）、净资产回报率（ROE）以及投入资本回报率（ROIC），而前两者盈余受操纵的现象较为严重，故选取ROIC作为产出指标的代理变量。
综上所述，本文的创新绩效指标体系构建如下：选取技术人员占总员工比例、研发费用支出、固定资产净额作为投入变量，投入资本回报率和专利申请数作为产出变量。考虑到投入与产出之间的滞后关系，本文借鉴袁建国（2016）的研究方法，将滞后期数定为一期，即滞后一期的投入数据与即期的产出数据相对应，然后放入DEA模型中进行测算。对研发支出、固定资产净额、专利申请数取对数。
三、DEA方法概述与Malmquist模型介绍
数据包络分析（DEA）方法，1978年由美国运筹学家Charnes、Cooper以及Rhodes 提出。他们用该方法来评价具有多个输入和多个输出的决策单元间相对效率。该方法的原理是通过保持决策单元的输入或输出不变，借助于数学规划将决策单元投影到前沿面上，并通过比较决策单元偏离前沿面的程度来评价它们的相对有效性。作为一种非参数分析法，它的基本特点是适用于多输出—多输入的有效性综合评价问题，而且该方法并不直接对数据进行综合。DEA方法的优点是用该方法建立模型时，无需求出数据关系间的具体表达式，也不需要对数据进行权重的假设，而是根据决策单元实际的输入输出数据求得最优权重，能够排除很多主观因素，客观性较强，更具有较强的直观性。 然而以DEA测量的相对效率值并不能解决每个决策单元在时间序列上的变化，只能进行静态比较。在1994年F？覿re等提出基于DEA的Malmquist指数来度量全要素生产率在时间维度的变化来表示技术水平的进步是十分适合的。Caves等（1982）将距离函数定义为在给定技术水平与投入下所得到的实际产出与生产前沿面上的最大产出之比。因此假设以t期的技术水平不变的情况下，生产率从t到t+1期的变化为
四、实证分析
本文运用DEAP软件分别对主并方在并购前后的M值及其分解进行测算，限于篇幅具体结果整理如下：
根据上表测算出的所有样本在各个时间段的Malmquis指数及其分解指数来看，可以看出全要素生产率的变化值在T-2至T-1与T-1～T均小于1。这表明在并购前两年，全要素生产率均处于下降阶段，且下降幅度分别为8.1%与7.8%。而在技术并购发生后，T至T+1与T+1至T+2年，tfpch值均大于1，上升幅度分别为22%与6.5%。即相比于前一年，并购之后的第一年与并购之后的第二年在全要素生产率上有有一个提升的过程，且在并购第一年比并购后第二年的提升幅度更大。这初步说明了技术并购对于主并企业来说全要素生产率有一个正向影响的作用，年均提升13.98%，明显改善了企业的技术创新绩效。
进一步，为探索全要素生产率的增长来源于技术进步还是技术效率的提高，将TFP的变化分解为技术效率与技术进步指数。从技术效率指数来看，自技术并购发生到并购后一年，所有样本的平均技术效率有较小幅度的下降，下降幅度为3.2%，而在并购之后第二年技术效率开始回升，并购之后的两年中技术效率平均上升了6.9%。在技术进步指数方面，在技术并购当年就开始上升，上升幅度为14.4%。在并购之后的第一年继续保持上升的态势（平均上升25.9%），较上一年上升幅度更大，而在并购第二年较前一年技术进步有微弱的下跌，平均下降1.8%。由上述分析可见，总体上技术进步与技术效率的提升都促进了全要素生产率的提升，但技术进步对全要素生产率的提升更为明显，而技术效率的提升非常有限。我们将规模报酬可变这一因素考虑进来，则可以将技术效率分解成规模效率与纯技术效率。与技术效率相比，纯技术效率提升幅度更大。从规模效率上来说，在技术并购发生之后反而偏离了最优的生产规模。
为更加直观、科学的比较技术并购前后的差异，本文运用SPSS软件将技术效率指数、技术进步指数、纯技术效率指数和全要素生产率变化指数与并购前进行配对T检验。检验结果显示，按照95%的置信区间，TFP在并购当年与并购前一年差值的sig值远大于0.05，因此在并购当年与并购前一年的全要素生产率无明显变化；根据并购后第一年、第二年与并购前一年差值的sig值小于0.1可以看出，全要素生产率在技术并购一年后发生了显著的变化，并且与并购前一年相比，并购之后的第一年、第二年都有了一定的提升。同理，根据对Techch的sig值可以很明显的判断，相对于并购前一年的技术进步水平，在技术并购当年、并购之后第一年、第二年都有一个显著地变化。并且从差值可以发现在并购当年技术水平有所提升，并购后第一年技术进步提升幅度最大，而在并购第二年技术进步相对于并购前开始放缓。从Echch可以判断技术并购对技术效率带来的变化不大，而全要素生产率的增长主要是由技术进步所贡献的。
五、结论与建议
综合以上分析，我们可以得出以下结论：制造业上市公司技术并购基本实现了获取目标企业先进的技术资源来提升自身技术水平的目的，在并购后取得的技术进步非常显著，但多数企业在技术效率方面的提升不太明显，甚至出现下降的状况。造成这样的结果，主要因为主并企业在技术并购中过于注重获取对方的专利、专有技术、先进的设备等，在取得短期的技术进步同时，忽视了对获取的新技术进行消化、吸收和再创新的过程，难以发挥技术并购的技术协同作用，同时在并购发生后对技术人员数量没有及时的补充，整体的技术创新能力提升有限。
为提高主并方创新绩效，本文提出如下建议：
（一）重视并购前的知识积累工作
近年来实施并购战略的主并方，出发点逐渐偏向于以获取高新技术为目的，对于该种类型的并购而言，主并方与被并购方双方能否实现知识资源的有效整合成为评判并购是否成功的一个关键因素。主并方在外部技术获取之前所拥有的知识的累积量或者其专利技术等无形资产所占总资产比重结构决定了企业战略的发展方向。主并方在并购决策前需要对并购目标的技术价值、市场发展趋势做出判断和识别，这些都建立在原有的技术知识积累的基础之上的；同时拥有原始知识规模较广、深度较大的主并方更加容易吸引高技术非上市公司与之合作，有利于促成技术并购交易的发生。因此，企业应当重视知识基础的积累工作，提高原始知识存量，拓宽原始知识的广度，利用知识的积累为企业并购创造基础。
（二）加大研发资金与技术人员投入，重视并购后的整合工作
企业应该自觉提升自主研发的积极性，只有如此，才能够更加迅速的了解、学习组织外部的前沿技术，更为有效提高技术整合的速度与程度，进而转化吸收，增强技术实力。在整合过程中，整合的速度、程度也会受到并购双方的技术相关性、资源共享性、組织文化的包容性的影响，因此在并购后也要考虑双方的技术差异性，加强技术人才的交流、技术设施等各方面开展共享与合作，营造相互包容的的研发团队氛围，避免核心技术人员的人才流失。从研究中可以发现，研发投入、技术人员的投入在并购当年、并购后第一年相对较少。在并购后技术整合过程技术、知识的流动是双向的，被并购方与主并方同时作为知识的流入与输出方，并购交易的双方在整合期间内均应该适时提高研发资金的投入，加大内部人员的培训力度，提高研发、技术人员比重。在此过程中，主并企业不仅要模仿、学习、吸收目标企业的新技术，更应该在此基础上与内部原有的知识技术进行融合，实现重组后的再创新。 （三）合理控制交易规模以及关联并购
通常来说，并购交易规模的大小会影响并购后的整合难度與整合成本。并购规模越大的并购交易虽然促进了技术进步，但对于全要素生产率的提升作用不够显著。并购交易规模也并非越大越好，并购规模较大的交易加大了技术吸收的难度，整合速度和程度受到了较大影响。这是因为较大规模的并购交易，主并方以现金支付或者其他资源向外流出的也就越多，可能占用主并方大量的物质、财务资源，影响后期的技术整合。因此，企业需要合理控制交易规模，在尽可能多的引进新技术，提升技术进步的同时，也要考虑新技术的吸收整合问题，要避免并购交易规模过大导致无法有效整合资源，从而造成并购绩效低下。
在我国由于特殊的制度背景，另外一个需要谨慎考虑的问题是关联并购。关关联并购基于双方为关联方的特殊关系，对彼此的了解，有诸多天然优势：如便于发挥构建直接网络联结关系进而实现知识共享、减少并购目标的搜寻成本等，这些优势都为技术并购的顺利进行创造了良好的条件。但是，在现实中并非所有的关联并购比非关联并购更加容易对并购绩效产生积极影响，在关联并购没有有效监管的时候也会产生不利影响：如内部人对利益的攫取、控股股东在经营绩效好转时对上市公司利益的侵占等代理问题的出现，因此，在充分利用关联并购较非关联并购而言更容易提升技术创新绩效这一规律的同时，企业在并购交易中应当加强对关联方交易行为的监管，避免由于控股股东的私人利益造成侵害中小股东利益甚至给企业带来损失等负面情况的发生。
注释
①注：effch表示技术效率指数，techch表示技术进步指数，pech表示纯技术效率指数，sech表示规模效率指数，tfpch表示全要素生产率指数。其中tfpch=effch*techch effch=pech*sech各个指数的均值都为几何平均值。
参考文献
[1]孙东.我国科技创新效率测算及影响因素研究——基于超效DEA-TOBIT两步法分析[J].税收经济研究，2014，19（2）.
[2]温成玉.技术并购对高技术上市公司创新绩效的影响[J]科研管理，2011（5）.
[3]肖翔.我国上市公司基于EVA的并购绩效研究[J].统计研究，2009（1）.
[4]De Man，A.，& Duysters，G.Collaboration and innovation：a review of the effects of mergers，acquisitions and alliances on innovation.Technovation，2005（25）
【关键词】技术并购 创新绩效 DEA模型 Malmuqist指数
一、引言
创新是引领国家经济持续增长的重要动力，是衡量企业核心竞争力的重要因素。十九大会议上强调创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。在制造业高技术上市公司中，技术创新越来越成为企业竞争中的核心要素。然而仅仅依靠内部研发活动具有研发风险高、周期长的弊病，因而许多高技术制造业企业寻求具有先进技术的非上市公司，通过并购来获取技术资源并提升自身的创新效率。因此，通过技术并购进而合理配置有限的资金、技术等资源，提高主并方的创新效率显得尤为重要。
国内对创新绩效度量的研究主要集中于产业或地区等宏观层面，或者单从投入或产出角度来衡量，却鲜有文献从“投入—产出”综合地反映创新绩效。本文选取了2010年～2014年我国沪深两市制造业中7个高技术行业发生技术并购的46家企业作为样本，应用DEA方法同时将投入和产出两个因素考虑进来，并且運用马奎斯特指数将TFP分解为技术进步指数与相对技术效率指数，从而更好的分析推动全要素生产率变化的源泉。以期对比技术并购前后全要素生产率及技术进步、技术效率的变化情况，探索其影响因素，为制造业高科技上市公司技术技术并购更好的提升创新能力提供对策建议。
二、指标体系构建与数据来源
国内外学者将技术并购定义为以获取技术资源为主要驱动因素，对拥有高新技术的中小型企业实施的战略性并购行为。本文借鉴Ahuja和Katila（2001）所采用的对技术并购界定标准：第一，被并购企业在并购发生的前5年内有专利申请；第二，在其并购公告中“并购目的”中有明确说明此次并购以获取对方技术、研发人员为目的。上述两个条件只要满足其中之一的即可判定为技术并购。因技术并购多发生在知识密集型的高技术行业，因此本文选取的研究对象是主并企业为制造业高技术上市公司。根据2012年证监会行业分类标准，主要选取了制造业中专用设备制造业、通用设备制造业、医药制造业等7个高技术行业，时间跨度为2010年至2014年。本文运用DEA方法进行创新效率的度量，选取的投入和产出指标如下：
（一）投入指标
参考以往的研究文献，本文将技术创新投入指标分为人力资本投入和物质资本投入两部分。对于人力资本投入，以往的文献通常使用以下两种代理变量：其中一类是按照学历来分（熊飞等，2012），通常的做法是将员工结构中专科及以上学历人数作为技术创新的人员投入（黄璐等，2017）；另外一类是按照职能部门来分，通常选取研发人员数量或者是技术人员数量。由于所选择的样本各年报数据中按照学历分类的人员以及研发人员数据残缺较多，而技术人员也是技术创新人力资本的重要投入要素，因此选择技术人员数量，并将其取对数后作为技术创新的人力资本投入指标。其次，创新投入中还应包括物质资本投入，其中游春（2010）、庞瑞芝（2014）等认为研发支出是创新型企业的生命线，是重要的创新资本投入变量。何玮等认为（2003）固定资产投入是企业为进行创新活动所必需的的机器、设备等，是企业创新活动顺利开展的前提条件。而固定资产净额表示的是固定资产原值或重置价值扣除已计提折旧的剩余部分，反映的是企业的物质材料的投入，因而能够作为创新投入指标。
（二）产出指标
国内外关于创新绩效文献中，衡量创新产出几乎千篇一律的使用专利数量作为其代理变量。专利从申请到授权，需要经过专利局的初步审查、时滞审查，以及缴纳费用，往往要经历两至三年的时间，此外有些专利很可能在提出申请而未等到授权就已经形成了新产品早已对企业绩效产生影响，因此使用专利授权量具有一定的时滞性；同时也有学者认为专利授权量也容易受到官僚腐败因素的影响（Tan et al（2014）.。相比于专利授权数，专利申请数尽管较不稳定，且具有较大的不确定性，但更能真实、及时的反映企业创新产出水平，因此本文以专利申请数作为衡量创新产出指标之一。此外，以创新产品的销售收入作为产出的代理变量，可以反映企业在产品数量上的变化，同时也可以反映出新产品在市场上受欢迎的程度，这在一定程度上弥补了专利申请忽略质量的缺陷。而在国内的Wind、国泰安、同花顺数据库均无法无法获取该数据。反映公司绩效的指标除此之外还有总资产回报率（ROA）、净资产回报率（ROE）以及投入资本回报率（ROIC），而前两者盈余受操纵的现象较为严重，故选取ROIC作为产出指标的代理变量。
综上所述，本文的创新绩效指标体系构建如下：选取技术人员占总员工比例、研发费用支出、固定资产净额作为投入变量，投入资本回报率和专利申请数作为产出变量。考虑到投入与产出之间的滞后关系，本文借鉴袁建国（2016）的研究方法，将滞后期数定为一期，即滞后一期的投入数据与即期的产出数据相对应，然后放入DEA模型中进行测算。对研发支出、固定资产净额、专利申请数取对数。
三、DEA方法概述与Malmquist模型介绍
数据包络分析（DEA）方法，1978年由美国运筹学家Charnes、Cooper以及Rhodes 提出。他们用该方法来评价具有多个输入和多个输出的决策单元间相对效率。该方法的原理是通过保持决策单元的输入或输出不变，借助于数学规划将决策单元投影到前沿面上，并通过比较决策单元偏离前沿面的程度来评价它们的相对有效性。作为一种非参数分析法，它的基本特点是适用于多输出—多输入的有效性综合评价问题，而且该方法并不直接对数据进行综合。DEA方法的优点是用该方法建立模型时，无需求出数据关系间的具体表达式，也不需要对数据进行权重的假设，而是根据决策单元实际的输入输出数据求得最优权重，能够排除很多主观因素，客观性较强，更具有较强的直观性。 然而以DEA测量的相对效率值并不能解决每个决策单元在时间序列上的变化，只能进行静态比较。在1994年F？覿re等提出基于DEA的Malmquist指数来度量全要素生产率在时间维度的变化来表示技术水平的进步是十分适合的。Caves等（1982）将距离函数定义为在给定技术水平与投入下所得到的实际产出与生产前沿面上的最大产出之比。因此假设以t期的技术水平不变的情况下，生产率从t到t+1期的变化为
四、实证分析
本文运用DEAP软件分别对主并方在并购前后的M值及其分解进行测算，限于篇幅具体结果整理如下：
根据上表测算出的所有样本在各个时间段的Malmquis指数及其分解指数来看，可以看出全要素生产率的变化值在T-2至T-1与T-1～T均小于1。这表明在并购前两年，全要素生产率均处于下降阶段，且下降幅度分别为8.1%与7.8%。而在技术并购发生后，T至T+1与T+1至T+2年，tfpch值均大于1，上升幅度分别为22%与6.5%。即相比于前一年，并购之后的第一年与并购之后的第二年在全要素生产率上有有一个提升的过程，且在并购第一年比并购后第二年的提升幅度更大。这初步说明了技术并购对于主并企业来说全要素生产率有一个正向影响的作用，年均提升13.98%，明显改善了企业的技术创新绩效。
进一步，为探索全要素生产率的增长来源于技术进步还是技术效率的提高，将TFP的变化分解为技术效率与技术进步指数。从技术效率指数来看，自技术并购发生到并购后一年，所有样本的平均技术效率有较小幅度的下降，下降幅度为3.2%，而在并购之后第二年技术效率开始回升，并购之后的两年中技术效率平均上升了6.9%。在技术进步指数方面，在技术并购当年就开始上升，上升幅度为14.4%。在并购之后的第一年继续保持上升的态势（平均上升25.9%），较上一年上升幅度更大，而在并购第二年较前一年技术进步有微弱的下跌，平均下降1.8%。由上述分析可见，总体上技术进步与技术效率的提升都促进了全要素生产率的提升，但技术进步对全要素生产率的提升更为明显，而技术效率的提升非常有限。我们将规模报酬可变这一因素考虑进来，则可以将技术效率分解成规模效率与纯技术效率。与技术效率相比，纯技术效率提升幅度更大。从规模效率上来说，在技术并购发生之后反而偏离了最优的生产规模。
为更加直观、科学的比较技术并购前后的差异，本文运用SPSS软件将技术效率指数、技术进步指数、纯技术效率指数和全要素生产率变化指数与并购前进行配对T检验。检验结果显示，按照95%的置信区间，TFP在并购当年与并购前一年差值的sig值远大于0.05，因此在并购当年与并购前一年的全要素生产率无明显变化；根据并购后第一年、第二年与并购前一年差值的sig值小于0.1可以看出，全要素生产率在技术并购一年后发生了显著的变化，并且与并购前一年相比，并购之后的第一年、第二年都有了一定的提升。同理，根据对Techch的sig值可以很明显的判断，相对于并购前一年的技术进步水平，在技术并购当年、并购之后第一年、第二年都有一个显著地变化。并且从差值可以发现在并购当年技术水平有所提升，并购后第一年技术进步提升幅度最大，而在并购第二年技术进步相对于并购前开始放缓。从Echch可以判断技术并购对技术效率带来的变化不大，而全要素生产率的增长主要是由技术进步所贡献的。
五、结论与建议
综合以上分析，我们可以得出以下结论：制造业上市公司技术并购基本实现了获取目标企业先进的技术资源来提升自身技术水平的目的，在并购后取得的技术进步非常显著，但多数企业在技术效率方面的提升不太明显，甚至出现下降的状况。造成这样的结果，主要因为主并企业在技术并购中过于注重获取对方的专利、专有技术、先进的设备等，在取得短期的技术进步同时，忽视了对获取的新技术进行消化、吸收和再创新的过程，难以发挥技术并购的技术协同作用，同时在并购发生后对技术人员数量没有及时的补充，整体的技术创新能力提升有限。
为提高主并方创新绩效，本文提出如下建议：
（一）重视并购前的知识积累工作
近年来实施并购战略的主并方，出发点逐渐偏向于以获取高新技术为目的，对于该种类型的并购而言，主并方与被并购方双方能否实现知识资源的有效整合成为评判并购是否成功的一个关键因素。主并方在外部技术获取之前所拥有的知识的累积量或者其专利技术等无形资产所占总资产比重结构决定了企业战略的发展方向。主并方在并购决策前需要对并购目标的技术价值、市场发展趋势做出判断和识别，这些都建立在原有的技术知识积累的基础之上的；同时拥有原始知识规模较广、深度较大的主并方更加容易吸引高技术非上市公司与之合作，有利于促成技术并购交易的发生。因此，企业应当重视知识基础的积累工作，提高原始知识存量，拓宽原始知识的广度，利用知识的积累为企业并购创造基础。
（二）加大研发资金与技术人员投入，重视并购后的整合工作
企业应该自觉提升自主研发的积极性，只有如此，才能够更加迅速的了解、学习组织外部的前沿技术，更为有效提高技术整合的速度与程度，进而转化吸收，增强技术实力。在整合过程中，整合的速度、程度也会受到并购双方的技术相关性、资源共享性、組织文化的包容性的影响，因此在并购后也要考虑双方的技术差异性，加强技术人才的交流、技术设施等各方面开展共享与合作，营造相互包容的的研发团队氛围，避免核心技术人员的人才流失。从研究中可以发现，研发投入、技术人员的投入在并购当年、并购后第一年相对较少。在并购后技术整合过程技术、知识的流动是双向的，被并购方与主并方同时作为知识的流入与输出方，并购交易的双方在整合期间内均应该适时提高研发资金的投入，加大内部人员的培训力度，提高研发、技术人员比重。在此过程中，主并企业不仅要模仿、学习、吸收目标企业的新技术，更应该在此基础上与内部原有的知识技术进行融合，实现重组后的再创新。 （三）合理控制交易规模以及关联并购
通常来说，并购交易规模的大小会影响并购后的整合难度與整合成本。并购规模越大的并购交易虽然促进了技术进步，但对于全要素生产率的提升作用不够显著。并购交易规模也并非越大越好，并购规模较大的交易加大了技术吸收的难度，整合速度和程度受到了较大影响。这是因为较大规模的并购交易，主并方以现金支付或者其他资源向外流出的也就越多，可能占用主并方大量的物质、财务资源，影响后期的技术整合。因此，企业需要合理控制交易规模，在尽可能多的引进新技术，提升技术进步的同时，也要考虑新技术的吸收整合问题，要避免并购交易规模过大导致无法有效整合资源，从而造成并购绩效低下。
在我国由于特殊的制度背景，另外一个需要谨慎考虑的问题是关联并购。关关联并购基于双方为关联方的特殊关系，对彼此的了解，有诸多天然优势：如便于发挥构建直接网络联结关系进而实现知识共享、减少并购目标的搜寻成本等，这些优势都为技术并购的顺利进行创造了良好的条件。但是，在现实中并非所有的关联并购比非关联并购更加容易对并购绩效产生积极影响，在关联并购没有有效监管的时候也会产生不利影响：如内部人对利益的攫取、控股股东在经营绩效好转时对上市公司利益的侵占等代理问题的出现，因此，在充分利用关联并购较非关联并购而言更容易提升技术创新绩效这一规律的同时，企业在并购交易中应当加强对关联方交易行为的监管，避免由于控股股东的私人利益造成侵害中小股东利益甚至给企业带来损失等负面情况的发生。
注释
①注：effch表示技术效率指数，techch表示技术进步指数，pech表示纯技术效率指数，sech表示规模效率指数，tfpch表示全要素生产率指数。其中tfpch=effch*techch effch=pech*sech各个指数的均值都为几何平均值。
参考文献
[1]孙东.我国科技创新效率测算及影响因素研究——基于超效DEA-TOBIT两步法分析[J].税收经济研究，2014，19（2）.
[2]温成玉.技术并购对高技术上市公司创新绩效的影响[J]科研管理，2011（5）.
[3]肖翔.我国上市公司基于EVA的并购绩效研究[J].统计研究，2009（1）.
[4]De Man，A.，& Duysters，G.Collaboration and innovation：a review of the effects of mergers，acquisitions and alliances on innovation.Technovation，2005（25）