数字化转型、并购商誉与企业全要素生产率——基于A股制造业上市公司实证

摘要：数字经济时代下，数字化转型成为制造业企业转型升级、提升生产效率的核心路径，而并购商誉作为企业外延扩张的重要资产载体，对企业生产经营效率存在显著的双向影响。当前制造业上市公司普遍存在数字化转型推进不均衡、并购商誉存量规模大、商誉波动风险突出等问题，直接制约企业全要素生产率的稳步提升。本文选取 2015 年至 2022 年 A 股制造业上市公司数据，实证检验数字化转型、并购商誉与企业全要素生产率的内在关联与作用机制。现有研究多单独探讨数字化转型的效率赋能效应或并购商誉的经营抑制效应，鲜有将三者纳入同一框架展开分析。本文先通过理论研究梳理三者的逻辑关系，阐释并购商誉在数字化转型与全要素生产率之间的中介作用，再通过实证量化分析验证核心研究假设，最终为制造业企业依托数字化转型盘活商誉资产、提升生产效率提供实践参考。

关键词：数字化转型；并购商誉；全要素生产率；制造业上市公司

一、引言

在数字经济与实体经济深度融合的发展背景下，产业数字化转型已成为我国制造业高质量发展的核心抓手。传统制造业依靠要素投入的粗放式发展模式逐渐难以为继，依托数字技术改造生产流程、优化资源配置、提升产出效率，成为企业突破发展瓶颈的关键路径。与此同时，并购重组作为制造业企业整合行业资源、扩大市场规模、补齐技术短板的重要资本运作方式，在资本市场持续活跃，由此形成的并购商誉成为制造业上市公司资产负债表中的重要组成部分。

全要素生产率是衡量企业生产效率、核心竞争力与高质量发展水平的核心指标，综合反映了企业技术进步、资源配置与经营管理的整体成效。现有研究表明，数字化转型能够通过技术赋能、流程优化、信息降本等路径提升企业全要素生产率，而高额并购商誉及后续商誉减值会加剧企业经营风险、挤占研发资源、抑制经营效率提升。但数字化转型能否对冲并购商誉的负面冲击、并购商誉是否会调节数字化转型的效率赋能效果，仍有待实证检验。

本文以 2015‑2022 年沪深 A 股制造业上市公司为研究样本，通过构建回归模型展开实证分析，系统探究三者的内在关联。研究结果表明：（1）企业数字化转型能够显著提升全要素生产率；（2）并购商誉对企业全要素生产率存在显著抑制作用，且并购商誉在数字化转型与全要素生产率之间发挥部分中介效应；（3）相较于低数字化转型企业，高数字化转型企业能够有效弱化并购商誉对全要素生产率的负向影响。

二、理论基础与研究假设

（一）数字化转型

企业数字化转型是指企业依托大数据、人工智能、云计算等数字技术，对生产、研发、销售、管理等全流程进行数字化改造，实现业务流程重构、资源优化配置、信息高效流转的系统性变革，是数字经济赋能实体经济的微观体现。对于制造业企业而言，数字化转型不再局限于简单的设备智能化升级，而是涵盖生产数字化、管理数字化、营销数字化、研发数字化的全方位转型，能够从根本上改变传统制造业的生产经营模式。

数字化转型的核心价值在于打破企业内部信息壁垒，缓解传统生产模式下的资源错配、流程冗余、决策滞后等问题，通过技术赋能实现生产效率与经营质量的双重提升。不同企业的数字化转型深度、广度存在显著差异，转型程度越高，数字技术对生产经营的渗透作用越强，对全要素生产率的赋能效果越显著。

1. 技术创新理论

技术创新理论核心观点为技术进步是推动企业生产效率提升、产业转型升级的核心动力，企业通过引入新技术、新方法、新模式，能够突破传统生产要素的边际效益递减约束，实现产出效率的持续提升。数字技术作为新一代通用技术，具备渗透性强、迭代速度快、赋能范围广的特征。

根据技术创新理论，企业数字化转型本质是一场技术创新与模式创新的双重变革。一方面，数字技术能够优化生产工艺、提升生产自动化水平，降低生产损耗与人工成本，直接提升生产端产出效率；另一方面，数字化转型能够推动企业研发模式创新，通过数据分析精准对接市场需求，提升研发成功率，加速技术成果转化，为全要素生产率提升提供技术支撑。

2. 资源基础理论

资源基础理论认为，企业的核心竞争力来源于异质性资源的积累与高效配置，稀缺、不可替代的资源能够帮助企业构建竞争优势，持续提升经营效率。数字时代下，数据成为企业全新的核心生产资源，是区别于传统人力、资本、土地要素的新型生产要素。

数字化转型能够帮助企业挖掘、整合、盘活内外部数据资源，实现数据资源与传统生产要素的深度融合。企业通过数字化系统整合生产数据、客户数据、供应链数据，能够精准识别资源错配问题，优化要素投入结构，减少资源闲置与浪费，实现资源利用效率最大化，进而推动全要素生产率稳步提升。

（二）并购商誉及其经济效应

并购商誉产生于非同一控制下的企业并购交易，是企业并购支付对价超过标的企业可辨认净资产公允价值份额的差额，本质是市场对标的企业未来盈利能力、品牌价值、技术资源、渠道优势等隐形价值的估值溢价，是企业重要的无形资产。

并购商誉具备价值不确定性、依附性与收益潜在性的核心特征。从积极层面来看，合理的并购商誉代表企业通过并购整合获取了优质资源，能够助力企业扩大经营规模、补齐技术短板、实现协同发展，为效率提升奠定基础；从消极层面来看，资本市场普遍存在高溢价并购现象，过度高估的并购商誉会形成商誉泡沫，不仅无法创造价值，还会加剧企业经营压力，抑制生产效率提升。

1. 委托代理理论视角

基于委托代理理论，企业管理层为追求自身业绩、规模扩张等个人利益，可能盲目开展高溢价并购，形成超额商誉。高额商誉会加剧企业经营不确定性，一方面需要企业持续计提商誉减值准备，侵蚀企业经营利润，挤占研发投入、数字化转型投入等效率提升类资金；另一方面，商誉减值风险会加剧企业融资约束，推高融资成本，制约企业生产经营与技术升级，最终抑制全要素生产率提升。

2. 协同效应理论视角

协同效应理论认为，合理的并购商誉源于并购后的资源整合协同价值，优质的并购资源能够实现管理、技术、渠道的协同互补，助力企业提升经营效率。但在实际经营中，多数制造业企业并购后整合效率不足，无法实现 1+1＞2 的协同效果，高额并购商誉无法转化为实际经营收益，反而成为企业经营负担，拖累企业生产效率与高质量发展。

（三）全要素生产率

全要素生产率是衡量企业生产效率的核心指标，指代剔除劳动、资本、原材料等传统生产要素投入后，由技术进步、管理优化、资源配置、制度创新等因素带来的额外产出增长，能够全面反映企业的综合生产效率与发展质量。相较于单一的劳动生产率、资本生产率，全要素生产率更能精准体现企业长期发展潜力与核心竞争力，是评价制造业企业转型升级成效的关键标准。

在制造业转型升级进程中，全要素生产率的提升主要依托技术创新、资源优化、管理升级三大路径，而数字化转型与并购商誉分别从技术赋能、资本运作两个维度对上述路径产生差异化影响，共同作用于企业生产效率。

（四）研究假设

数字化转型对企业全要素生产率的正向赋能作用已得到学界广泛认可。从技术层面，数字化转型依托大数据、人工智能等技术优化生产流程、提升自动化水平，降低生产与管理成本，推动技术进步；从资源层面，数字化转型盘活数据资源，优化要素配置效率，减少资源错配；从管理层面，数字化管理体系能够简化决策流程、提升管理效率，助力企业精准开展生产经营活动，全方位推动全要素生产率提升。据此提出本文假设 1。

假设 1：企业数字化转型与全要素生产率显著正相关，即数字化转型程度越高，企业全要素生产率越高。

并购商誉对企业全要素生产率存在显著的负向抑制效应。当前我国制造业并购市场普遍存在高溢价并购现象，多数并购商誉源于管理层盲目扩张、市场炒作等非理性行为，并非真实资源价值的体现。高额商誉不仅会占用企业大量流动资金，制约数字化转型、技术研发等效率升级投入，还会带来持续的减值风险，加剧企业经营波动、抑制企业长期发展。同时，商誉泡沫会扭曲企业资源配置，导致企业重规模扩张、轻效率提升，最终拖累全要素生产率增长。据此提出本文假设 2。

假设 2：并购商誉与企业全要素生产率显著负相关，即并购商誉规模越大，企业全要素生产率越低。

进一步来看，数字化转型、并购商誉与全要素生产率存在链式作用机制，并购商誉在数字化转型与全要素生产率之间发挥中介效应。一方面，低效的并购商誉会加剧企业资源错配、挤占数字化转型资金，弱化数字化转型的技术赋能效果，制约全要素生产率提升；另一方面，高质量的数字化转型能够优化企业并购后资源整合效率，化解商誉泡沫带来的经营风险，对冲并购商誉的负向影响。数字化转型可通过规范企业经营管理、精准盘活并购资源、提升资源整合能力，缓解高额商誉对生产效率的抑制作用。据此提出本文假设 3。

假设 3：并购商誉在数字化转型与企业全要素生产率之间发挥中介作用，即数字化转型可通过优化并购商誉质量、降低商誉负面冲击，进而提升企业全要素生产率。

三、实证分析

（一）样本选择与数据来源

本文选取 2015‑2022 年沪深 A 股制造业上市公司为初始研究样本，选取 2015 年为起始年份，主要原因是 2015 年以来我国数字经济政策全面落地，制造业企业数字化转型进程加速，同时资本市场并购重组活动进入常态化阶段，样本数据具有较强的代表性。为保证实证结果的准确性与可靠性，本文对初始样本进行如下筛选：（1）剔除研究期间内被 ST、*ST 及退市的上市公司样本；（2）剔除财务数据、数字化转型数据、商誉数据缺失的样本公司；（3）剔除上市不足一年的新上市公司，规避新股上市数据波动干扰。

本文所有研究数据均来自 CSMAR 数据库与 Wind 数据库，其中企业数字化转型指标通过上市公司年报文本挖掘整理得出，并购商誉、全要素生产率及各类控制变量数据均取自数据库原始财务数据，最终经过筛选得到 12486 个有效观测样本。

（二）模型与变量解释

为检验本文核心研究假设，结合已有研究成果，依次构建基准回归模型、中介效应检验模型，所有模型均控制行业固定效应与年度固定效应，所有公式均采用文本文字表述。

1. 被解释变量

全要素生产率（TFP）：本文参考主流研究方法，采用 LP 法测算企业全要素生产率，有效规避传统测算方法存在的内生性问题，精准反映制造业企业的生产效率水平，数值越大代表企业生产效率越高。

2. 解释变量

数字化转型程度（DT）：采用上市公司年度报告中数字化相关关键词词频占比衡量，关键词涵盖人工智能、大数据、云计算、工业互联网、智能制造等制造业数字化核心词汇，通过文本挖掘统计词频并标准化处理，最终得到数字化转型指标，数值越大代表企业数字化转型程度越深。

3. 中介变量

并购商誉（GW）：采用企业年末商誉净额占企业总资产的比值衡量，有效规避企业规模差异带来的数值偏差，精准反映企业商誉资产规模与商誉泡沫程度，比值越高代表企业并购商誉压力越大。

4. 控制变量

为排除其他因素对研究结果的干扰，本文选取企业层面常规控制变量，具体包括：企业规模（Size）、企业年龄（Age）、资产负债率（Lev）、净资产收益率（ROE）、营业收入增长率（Growth）、股权集中度（Top1）、董事会规模（Board）、管理层持股比例（Mshare），同时控制行业与年度固定效应。

表 1 变量定义表

5. 模型设定

基准回归模型：以全要素生产率为被解释变量，数字化转型为核心解释变量，加入所有控制变量及固定效应，检验数字化转型对全要素生产率的直接影响。

中介效应第一步模型：沿用基准回归模型，验证数字化转型与全要素生产率的主效应。

中介效应第二步模型：以并购商誉为被解释变量，数字化转型为解释变量，加入控制变量与固定效应，检验数字化转型对并购商誉的影响。

中介效应第三步模型：以全要素生产率为被解释变量，同时纳入数字化转型、并购商誉两大核心变量，加入控制变量与固定效应，检验并购商誉的中介作用。

（三）实证检验与结果分析

1. 描述性统计

表 2 描述性统计结果

对本文所有核心变量与控制变量进行描述性统计，结果如表 2 所示。制造业上市公司全要素生产率 TFP 均值为 8.726，中位数 8.614，样本企业生产效率存在明显差异，部分企业生产效率偏低；数字化转型指标 DT 均值 0.183，中位数仅 0.096，说明我国制造业企业数字化转型整体程度偏低，多数企业仍处于初步转型阶段，行业转型不均衡问题突出；并购商誉占比 GW 均值为 0.047，中位数 0.008，说明制造业上市公司普遍存在并购商誉资产，部分企业商誉规模较高，存在一定商誉泡沫风险。各控制变量数值分布均处于合理区间，无极端异常值，样本数据整体质量良好，可用于后续实证分析。

2. 相关性分析

表 3 Pearson 相关性分析结果

注：、、分别代表在 1%、5%、10% 水平下显著，下同。

对所有变量进行 Pearson 相关性检验，结果如表 3 表明：数字化转型 DT 与企业全要素生产率 TFP 在 1% 显著性水平下显著正相关，初步验证假设 1，即数字化转型能够提升企业生产效率；并购商誉 GW 与全要素生产率 TFP 在 1% 显著性水平下显著负相关，初步验证假设 2，即高额并购商誉会抑制企业生产效率；数字化转型 DT 与并购商誉 GW 呈现显著负相关关系，说明数字化转型能够有效降低企业商誉泡沫、优化商誉质量。各变量之间相关性系数绝对值均处于合理范围，不存在严重多重共线性问题，模型设定合理。

3. 基准回归分析

表 4 基准回归结果

基准回归结果如表 4 显示，在控制年度、行业固定效应及所有控制变量后，数字化转型 DT 的回归系数为 0.217，显著为正，通过 1% 显著性水平检验，说明企业数字化转型程度越高，全要素生产率越高，假设 1 成立。究其原因，制造业企业通过数字化转型实现生产、管理、研发全流程升级，有效优化资源配置、降低经营成本、推动技术创新，突破传统生产模式的效率瓶颈，最终实现全要素生产率的稳步提升。

并购商誉 GW 的回归系数为‑0.426，显著为负，通过 1% 显著性水平检验，说明并购商誉规模越大，企业全要素生产率越低，假设 2 成立。制造业企业高额并购商誉多源于非理性高溢价并购，不仅占用企业优质资源，挤占数字化转型与研发投入资金，还会持续引发经营风险与减值压力，扭曲企业资源配置效率，制约企业生产效率提升。

4. 中介效应检验

表 5 中介效应分步回归结果

中介效应分步检验结果如表 5 显示：第（1）列第一步，数字化转型显著正向影响全要素生产率，主效应成立；第（2）列第二步，数字化转型显著负向影响并购商誉，说明深度数字化转型能够规范企业并购决策、提升并购资源整合效率、化解商誉泡沫；第（3）列第三步，同时纳入数字化转型与并购商誉后，二者系数均显著，且数字化转型系数绝对值由 0.241 下降为 0.204，证明并购商誉在数字化转型与全要素生产率之间发挥部分中介效应，假设 3 成立。

这表明数字化转型不仅能够直接赋能企业全要素生产率提升，还可以通过优化并购商誉质量、降低商誉负面冲击、盘活并购存量资源，间接提升企业生产效率。数字化转型的治理与赋能作用，能够有效对冲高额商誉带来的经营风险与效率损耗，实现资本运作与生产经营的协同发展。

5. 异质性分组回归

表 6 异质性分组回归结果

为进一步验证研究结论的稳健性，本文按照企业数字化转型程度中位数将样本分为高、低数字化转型两组进行分组回归。表 6 结果显示，高数字化转型样本中，并购商誉对全要素生产率的抑制作用仅在 10% 水平显著，系数‑0.184，抑制作用显著弱化；低数字化转型样本中，并购商誉的系数‑0.617，在 1% 水平显著，负向抑制作用更为突出。这说明数字化转型存在显著的治理缓冲效应，深度数字化转型能够有效缓解商誉泡沫对企业生产效率的负面冲击。

四、结论与启示

（一）研究结论

本文以 2015‑2022 年 A 股制造业上市公司为研究样本，实证检验了数字化转型、并购商誉与企业全要素生产率的内在关联及作用机制，主要得出以下三点结论：

结论 1：数字化转型对制造业企业全要素生产率存在显著的正向提升作用，企业数字化转型程度越深，技术赋能、资源优化、管理升级的效果越突出，全要素生产率水平越高。

结论 2：并购商誉对制造业企业全要素生产率存在显著的负向抑制作用，高额商誉泡沫会加剧经营风险、挤占创新资源、扭曲资源配置，显著拖累企业生产效率提升。

结论 3：并购商誉在数字化转型与全要素生产率之间发挥部分中介效应，数字化转型可通过优化并购商誉质量、化解商誉风险、提升资源整合效率，间接推动企业全要素生产率提升，有效对冲商誉的负面冲击。

（二）研究启示

本文研究结论为制造业企业依托数字化转型化解商誉风险、提升生产效率、实现高质量发展提供了重要的实践启示。

第一，企业应持续深化数字化转型建设。制造业企业需加大数字技术投入，推进生产、研发、管理、营销全流程数字化升级，充分发挥数字化转型的技术赋能与资源优化作用，持续提升全要素生产率。同时结合自身经营实际，制定差异化转型方案，避免盲目数字化投入，提升转型质量与效率。

第二，企业需理性开展并购重组，严控商誉泡沫。企业在并购过程中应摒弃盲目规模扩张的理念，基于战略发展需求理性评估标的企业价值，规避高溢价非理性并购，从源头控制商誉规模。同时加强并购后资源整合，依托数字化技术优化并购资源配置，盘活商誉对应的优质资产，将商誉潜在价值转化为生产效率优势。

第三，充分发挥数字化转型的风险对冲作用。企业可依托数字化管理体系优化并购决策流程、精准评估并购风险、提升资源整合能力，有效缓解高额并购商誉对生产效率的抑制作用，实现数字化转型、资本运作与效率提升的良性循环。

（三）研究局限与展望

本文虽系统验证了三者的内在关联，但仍存在一定研究局限。本文仅从整体层面检验了并购商誉的中介效应，未进一步区分商誉增量、商誉减值、商誉存量的差异化影响，对不同类型、不同质量商誉的作用机制研究不够细化；同时未深入探讨行业竞争、企业产权性质等异质性因素的调节作用。未来研究可进一步细分商誉类型、拓展调节变量，深入探究不同情境下数字化转型、并购商誉与全要素生产率的作用差异，丰富相关领域研究成果。

参考文献

[1] 黄群慧,余泳泽,张松林.互联网发展与制造业生产率提升:内在机制与经验证据[J].中国工业经济,2019(05):5-23.

[2] 杨德明,刘泳文.数字经济、实体企业生产率与高质量发展[J].会计研究,2020(07):3-14.

[3] 许宪春,张钟文,胡亚茹.数字经济、数字化转型与中国经济增长[J].经济研究,2021,56(04):19-36.

[4] 傅超,杨曾,傅代国.并购商誉、资源整合与企业全要素生产率[J].中国软科学,2020(08):112-123.

[5] 张新民,祝继高.商誉减值、企业绩效与资源配置效率[J].会计之友,2019(12):2-9.

[6] 李海舰,田跃新,李文杰.数字化转型赋能企业高质量发展的机制与路径[J].中国工业经济,2022(03):136-154.

[7] 鲁晓东,连玉君.中国工业企业全要素生产率估计:1999-2007[J].经济学(季刊),2012,11(02):541-558.

[8] 王竹泉,王苑琢.数字化转型、资本效率与全要素生产率[J].财会月刊,2021(15):2-8.

[9] 韩晓洁,陈劲.并购整合、数字化转型与企业生产率提升[J].科研管理,2022,43(05):102-109.

[10] 刘凤委,杨扬.商誉泡沫、技术创新与企业全要素生产率[J].金融研究,2020(09):156-172.