溢价并购在全球并购活动中很常见。国际并购研究领域著名的Zephyr数据库中记录的2019年发生于美国的641笔并购交易中，平均溢价率高达32%。国泰安CSMAR数据库中记录的因溢价收购导致商誉净额为正的中国上市公司从2007年的449家增长到2016年的1 715家，且商誉在总资产中的平均占比也从2007年的2%增长到2016年的14.84%。

并购溢价的来源一直是学术界和业界关心的问题。早期研究认为接受并购溢价是主并公司对市场行情和目标公司严谨判断后的理性选择，例如协同效应^[1-2]和市场择时理论^[3]。近年来，随着行为经济学和心理学的发展，越来越多的研究者开始探讨并购行为中的非理性因素，如过度自信^[4-5]、自由现金流^[6]、参照点依赖和锚定效应^[7-8]等，对从前被忽视的并购行为中的心理因素投入了更多的注意力。

目前针对并购溢价解释的文献多集中于研究主并公司及其决策层的特征对并购溢价的影响。而事实上，并购成交价是并购双方博弈的结果，目标公司的行为也会对并购溢价产生不可忽视的影响。这意味着研究并购溢价的产生原因也需要关注目标公司及其决策层的非理性特征。

在众多的决策者非理性特征中，禀赋效应作为一种主要存在于卖方决策中的行为偏差已经在很多产品定价中被证实存在，既包括马克杯、钢笔和巧克力等私人物品，也包括空气、狩猎许可证等公共物品^[9-10]。反观公司并购所属的公司金融领域，对禀赋效应的研究屈指可数，仅有在公司法领域应用禀赋效应的相关文献^[11]，鲜见禀赋效应对并购溢价产生机制的讨论。

为填补这一空缺，本文以2010—2018年并购双方均为美国上市公司的并购事件为研究样本，通过研究在自身被并购前并购过其他上市公司的子样本并购溢价特征检验禀赋效应的存在性，并在此基础上，通过代理变量刻画不可观测的禀赋效应，研究禀赋效应对一般样本公司的并购溢价是否具有解释能力以及目标公司属于不同行业对该作用的影响。

1 概念与方法 1.1 禀赋效应的概念

Thaler^[12]首次提出禀赋效应的概念，基于Kahneman等^[13]提出的前景理论，将在实验中观测到的买卖双方WTA和WTP差异解释为卖方拥有商品而买方不拥有商品，同时卖方将失去商品视为损失所导致。由于前景理论在传统的决策理论基础上赋予了损失和收益不同的边际效用，对于损失的厌恶使得商品的卖方会索要更高的价格。在Thaler^[12]的基础上，后续大量的研究者在更广泛的环境下检验了禀赋效应的存在^[9-11]。但在不同场景下，禀赋效应强弱的程度不同^[14-20]。学者们从不同角度揭示了禀赋效应强弱差异的原因，如表 1所示。产生这些差异的原因除了经典的损失厌恶解释外，也包括诸如查询理论及其他心理机制^[21-22]。

1.2 研究禀赋效应的方法

讨论禀赋效应存在性的文献通常采用实验方法，即在控制变量的情况下，得到交易双方的估值差异以表征禀赋效应。Kahneman等^[9]以马克杯作为交易标的，将被试分为买方和卖方两组，分别进行多轮报价，并随机选择其中一轮来对比双方的报价差异。而对于一些标的物价值较大，较难进行实验模拟市场环境的物品，例如住房、公司等则通常采用回归分析的方法。由于禀赋效应具有不可观测，不可度量的特征，研究者们通常选择代理变量进入模型。合适的代理变量具有较少的其他影响渠道，而主要通过禀赋效应对所关注的因变量产生影响。Wav等^[23]在研究禀赋效应对搬迁率的影响时，将住户身份(房东还是房客)、居住时间和社区质量作为分别体现所有权、持有时间和情感因素等禀赋效应的代理变量。

2 待检验假设的提出

尽管禀赋效应的研究多数针对消费者个体展开，Kahneman等^[9]推测禀赋效应在交易主体为公司的情况下也同样存在^[9]，这给本文探讨公司并购中的禀赋效应提供了启示。而结合禀赋效应的诸多影响因素，本文猜想在公司并购情境下形成的禀赋效应会十分明显。这是因为：1) 李玲等^[24]的研究指出公司并购估值过程中各会计要素的公允价值、并购后的经营成果等均具有较大的不确定性，因此目标公司决策者会因损失厌恶的偏好特征而放大潜在损失的影响；2) 作为异质性突出的交易标的，在目标公司决策者的眼中，公司的控制权往往是不可替代的存在，即使是在另一家公司继续担任CEO也会有很大的差异。Shogren等^[15]的研究则指出，人们对这类不可替代的物品通常会表现出更强的禀赋效应；3) CEO或者董事会成员如果同时是目标公司的创始人之一，会因亲历创业和发展的艰难过程而对公司产生浓厚的感情，进而导致其情感“惜售”或要求更高的价格补偿；4) 由于创始人CEO在公司中较高的私人收益和个人威望，他也不愿意轻易放弃公司的控制权^[25-26]。据此，本文提出待检验假设1。

假设1  公司并购情境中目标公司决策层存在禀赋效应。

并购溢价是成交价格超过公允价值的部分占公允价值的比例。对于经营正常未陷入财务危机的目标公司，通常只有当主并公司提出足够满意的价格时才会接受并购要约，因此并购溢价是普遍存在的。从并购溢价的研究文献中可以看出^[5]，总有一部分并购溢价无法被并购双方的理性原因所解释。从禀赋效应的角度来看，当目标公司决策者由于具有禀赋效应而提高其心理估值时，根据经典的并购博弈模型，较高的估值也会推动形成更高的并购成交价格以及并购溢价^[27]。因此，本文猜想禀赋效应的存在对并购溢价具有一定的解释能力，据此提出假设2。

假设2  禀赋效应可以解释并购溢价，且对并购溢价有正向影响。

IT、医疗、互联网等新兴行业的公司具有以下特征：1) 以初创公司为主，领导层整体年龄偏低且决策层普遍具有对公司更深的情感；2) 通常掌握某一项具有行业竞争力的核心技术，在某一细分领域拥有一定的垄断地位或一定程度的不可替代性；3) 总资产中无形资产占比大，不宜按传统方法进行公司估值。郭泰岳^[28]在研究互联网企业的并购估值方法时指出，互联网企业相比传统企业拥有更多的无形资产作为其核心价值，因此其估值难度更高。综上来看，与制造业等传统行业相比，新兴行业公司被并购时会有更明显的禀赋效应，并对并购溢价产生更大的影响。由此，提出假设3。

假设3  与传统行业相比，禀赋效应对新兴行业的公司并购溢价影响更大。

3 实证分析 3.1 变量与指标

实证分析部分用到的各变量与指标如表 2所示，其选取原因如下：

1) 作为因变量的并购溢价。选择合适的公允价值是计算并购溢价的关键。国外文献多数选择股价^[1-2]；国内学者多用净资产或第三方评估价^[24]。与充分体现市场供求关系的股价相比，净资产是静态的账面价值，第三方评估价因经过一次或数次博弈而总是接近成交价^[29]。这二者均与公允价值差异较大。因此，本文在计算并购溢价时，以股价作为公允价值的计算基础。参考文[30]，选择四周前、一周前和前一天的股价分别计算并购溢价作为因变量。

2) 作为自变量的禀赋效应。由于禀赋效应的不可观测性，需要选择合适的代理变量来反映禀赋效应对并购溢价的影响。参照表 1中的禀赋效应的差异来源，分别选取创始人是否在决策层、公司创立时长、CEO就任时长、CEO年龄等4个指标作为禀赋效应的代理变量。Adams等^[25]在研究创始人任CEO的公司的业绩表现时指出，创始人CEO往往将公司视为其个人成就，且在公司中拥有强大的影响力。因此当创始人任职于管理层或董事会时，其个人意志往往可以影响公司的决策，因此使得公司的决策表现出更强的禀赋效应。根据Strahilevitz等^[18]和Lichtenstein等^[20]的研究，决策者的年龄和持有时长会对禀赋效应产生影响。对公司并购情景来说，决策者的年龄可用CEO的年龄来反映；而持有时长则取决于CEO的任职时长，此外，Jochen等^[31]指出禀赋效应不依赖于个体对物品实际的所有权, 而是依赖于占有物品所导致的主观拥有感，因此虽然决策层不一定从公司创立起就拥有该公司的控制权，但是他们的主观拥有感仍然与公司的历史相关。因此，公司创立时长也可以作为主观持有时长的反映。一般的并购溢价研究文献中均未有对这些代理变量其他影响渠道的讨论，因此它们可以作为禀赋效应的合适代理变量。

3) 控制变量。参考Hambrick^[5]的研究，分别在经营业绩、协同效应、代理问题、谈判能力和行业类型等方面选取9个控制变量，以控制自变量之外的因素对并购溢价的影响。

3.2 数据

考虑到数据的可得性及完整性，本文选取2010—2018年并购双方均为美国上市公司的425宗已完成的并购事件为初始样本。

为保证回归分析的一致性，对具有如下特征的初始样本进行剔除处理：数据不完整、非现金支付、并购双方至少一方为金融业(SIC编号为6000-6999)、收购后主并公司拥有股权不足50%的非控制权转移并购、溢价率超过200%的极端值以及目标公司拥有毒丸计划的特殊并购事件。处理后的有效并购事件为389宗。

各指标数据的描述性统计结果如表 3所示。

3.3 假设1的检验

为检验假设1，从总样本中筛选出2010—2018年间在自身被并购前还并购过其他公司，且未在2次并购间更换CEO的样本公司(共计17家，涉及34宗并购事件)。对于这些公司来说，由于决策者是相同的，如果假设1不成立，即WTP=WTA，那么在控制其他影响因素的情况下，2次并购的成交价格应该没有显著差异。而如果假设1成立，则有出售价格>WTA>WTP>购买价格，因此出售公司时的成交价格应显著高于购买其他公司时的成交价格。如果进一步假设并购价格与股价成正比，则在控制其他影响因素后，出售公司时的并购溢价应显著高于购买其他公司时的并购溢价。利用这一原理，可以通过统计检验判定禀赋效应是否存在。

为控制其他影响因素，首先分别以3种并购溢价为因变量，对所有控制变量进行全样本回归，即采用以下基准模型：

$ P=\beta_{0}+\beta_{1} \mathrm{CV}_{1}+\beta_{2} \mathrm{CV}_{2}+\cdots+\beta_{n} \mathrm{CV}_{n}. $

(1)

其中：P表示并购溢价，CV表示控制变量。将表 2中各指标对应的数据代入式(1)，利用STATA工具，得到基于最小二乘法(OLS)的回归结果如表 4所示。

从表 4可见，3种并购溢价的回归结果基本相同。分别将17家子样本公司涉及的34宗并购案数据代入模型(1)—(3)，利用模型估计结果预测并购溢价，再分别用实际的并购溢价减去预测结果，得到3种并购溢价中不能由控制变量解释的部分。对3种计算结果取平均作为控制变量后的并购溢价。经过计算得到：17家样本公司第1次并购中不能被解释的并购溢价均值P₁为-16.869%，第2次并购不能被解释的并购溢价均值P₂为-5.928%，以P₁ 67 P₂作为备择假设的单侧配对t检验，结果表明：在10%的显著性水平下可以拒绝原假设。从而说明禀赋效应确实存在，即假设1成立。

3.4 假设2的检验 3.4.1 初步回归结果

为检验假设2，在基准模型的基础上增加各禀赋效应的代理变量，建立多元回归模型表示如下：

$ \begin{array}{c} P=\beta_{0}+\beta_{1} \text { Endowment }+\beta_{2} \mathrm{CV}_{1}+ \\ \quad \beta_{3} \mathrm{CV}_{2}+\cdots+\beta_{n+1} \mathrm{CV}_{n}. \end{array} $

(2)

其中：P表示并购溢价，Endowment表示禀赋效应的代理变量，CV表示控制变量。分别以P_W4、P_W1和P_D1为因变量，代入各变量数据进行多元回归，结果如表 5所示。

由表 5可知：在3个模型中，创始人(FO)系数为正，而公司创立时长(Stime)、CEO就任时长(ATime)、CEO年龄(Age)的系数均为负。除STime和ATime外，其余变量的系数符号均符合理论预测。这说明，创始人在决策层或CEO的年龄较小，则该公司所要求的并购溢价较高，即当决策层对公司禀赋效应越大时，并购溢价越高。但从显著性上看，FO、ATime以及STime均没有得到统计显著的结果。

3.4.2 对不显著结果的讨论

1) 创始人是否在决策层(FO)。

由于从原始样本中可以观察到，相比于创始人不在决策层任职的样本公司，创始人在决策层任职的情况较少，即FO为1的样本数明显偏少。而这会导致OLS不能准确地估计FO的系数大小。为考察现有样本数据条件下模型的可靠性并分析FO对并购溢价影响的显著性，利用倾向得分匹配法对原模型进行稳健性检验。

分别以P_W4、P_W1和P_D1为结果变量，以FO为处理变量，其他控制变量为协变量，建立logit模型如式(3)所示，其中CV为控制变量，F为logistic分布函数。

$ \begin{array}{r} \operatorname{Pr}(\mathrm{FO}=1 \mid \mathrm{CV})=F\left(\beta_{0}+\right. \\ \left.\beta_{1} \mathrm{CV}_{1}+\beta_{2} \mathrm{CV}_{2}+\cdots+\beta_{n} \mathrm{CV}_{n}\right) . \end{array} $

(3)

根据logit模型估计出的倾向匹配得分采用1∶1最优近邻方法为每一个FO=1的处理组匹配控制组样本，计算每组处理效应并得到检验结果如表 6所示。

从表 6可以看出，经过匹配后的FO项系数由2.653提高至5.226，且显著性得到改善。这说明创始人在决策层这一代理变量对并购溢价有较明显的正向影响。

2) 创立时间(STime)和CEO就任时间(ATime)。

由于新兴行业公司(IND=1)普遍具有创立时间较短、CEO就任时间较短的特征，而同时根据假设3的论述，新兴行业公司本身又往往具有较高的禀赋效应，因此可能是2种影响混合在一起使得结果不显著。为检验这一猜想，分别加入STime、ATime和IND的交叉项进入模型，得到回归结果如表 7所示。

从表 7可知，在加入交叉项后，STime和ATime自身的系数在模型(1)下均显著为正，而交叉项系数在模型(1)下均显著为负。说明在传统行业中，STime和ATime对并购溢价的影响是显著为正的，即禀赋效应对并购溢价有正向影响；而在新兴行业中，由于样本本身的特征，这种影响被部分中和，表现为STime和ATime的系数更低，说明猜想成立。模型(2)和(3)虽显著性稍差，但相比初步回归结果仍有较大改善。

综上所述，禀赋效应的代理变量对并购溢价确实有显著的正向影响，说明假设2成立。

3.5 假设3的检验

由节3.4可知，STime和ATime本身存在样本选择问题，因此不适合于验证假设3。相比之下，FO和Age这两个变量本身则在传统行业和新兴行业之间没有显著差异。故分别在模型中加入FO和Age与IND的交叉项，即分别估计以下2个模型：

$ \begin{array}{l} P=\beta_{0}+\beta_{1} \mathrm{FO}+\beta_{2} \mathrm{FO} \cdot \mathrm{IND}+ \\ \beta_{3} \mathrm{CV}_{1}+\beta_{4} \mathrm{CV}_{2}+\cdots+\beta_{n+2} \mathrm{CV}_{n} , \end{array} $

(4)

$ P=\beta_{0}+\beta_{1} \text { Age }+\beta_{2} \text { Age } \cdot \mathrm{IND}+ \\ \beta_{3} \mathrm{CV}_{1}+\beta_{4} \mathrm{CV}_{2}+\cdots+\beta_{n+2} \mathrm{CV}_{n}. $

(5)

回归结果如表 8所示。从表 8可以看出，新兴行业样本公司的FO对并购溢价的影响要显著高于传统行业样本公司FO对并购溢价的影响，而新兴行业样本公司的Age对并购溢价的影响要显著低于传统行业样本公司Age对并购溢价的影响。以上结果说明：新兴行业中禀赋效应的作用更加明显；而在传统行业中，禀赋效应的作用甚至并不显著了，说明假设3成立。

4 结论

本文利用多元回归方法检验了并购行为中禀赋效应的存在性以及禀赋效应对并购溢价的影响。利用2010—2018年425宗美国上市公司并购事件的数据和多元回归模型分析了以创始人是否在在决策层、公司创立时长、CEO就任时长及CEO年龄等代理变量反映的目标公司决策层禀赋效应对不同行业目标公司并购溢价的影响。研究结果表明：并购行为中的禀赋效应对并购溢价有显著的正向解释性，且新兴行业中这种影响更为重要。

因此本文建议：主并方在分析潜在目标公司的并购价值时，可以从目标公司决策层的禀赋效应强弱出发，关注除协同效应等理性并购价值外可能对并购溢价产生影响的禀赋效应，从而更全面地考虑并购成本。此外，禀赋效应的存在带来了WTA和WTP的差异，使得本可以达成Pareto改进的交易无法进行，从而带来了一定程度的效率损失。因此，对于产业并购政策的制定者来说，通过各种方式削弱禀赋效应的影响会带来更有效的产业整合。