基于DEA模型的上市公司并购绩效深度剖析与策略优化

基于DEA模型的上市公司并购绩效深度剖析与策略优化一、引言1.1研究背景与意义在全球经济一体化的大背景下，市场竞争日益激烈，企业为了在竞争中占据优势地位，纷纷寻求多元化的发展战略。并购作为企业实现快速扩张、优化资源配置、提升竞争力的重要手段，在近年来愈发受到企业的青睐。上市公司凭借其在资本市场的独特优势，成为并购活动的主力军，并购交易数量与规模呈现出不断增长的趋势。从宏观层面来看，并购活动有助于推动产业结构的优化升级，促进资源在不同行业、不同企业之间的合理流动，从而提高整个社会的经济效率。通过并购，企业可以实现规模经济，降低生产成本，提高生产效率；还可以整合产业链，加强上下游企业之间的协同合作，提升产业的整体竞争力。从微观层面而言，对于上市公司自身，并购是实现战略目标的重要途径。企业可以通过并购获取先进的技术、品牌、人才等资源，拓展市场份额，增强自身的核心竞争力，进而实现可持续发展。然而，并购活动并非总是一帆风顺，其过程充满了各种风险与挑战。高昂的交易成本、复杂的财务整合、人力资源的调整、文化与管理模式的冲突等，都可能导致并购失败，使企业遭受巨大的损失。因此，如何准确衡量并购的绩效，成为企业管理者、投资者以及学术界共同关注的焦点问题。传统的并购绩效衡量方法，如股价反应法、会计绩效法、基于财务指标的投资回报率等，虽然在一定程度上能够反映企业并购的某些方面的绩效，但都存在各自的局限性，无法全面、客观、精准地反映企业并购的整体绩效。数据包络分析（DEA）模型作为一种多要素绩效评价方法，能够综合评价各个因素之间相互依赖的复杂问题，有效克服传统方法的不足。基于DEA模型的评价方法具有客观性高、易操作、能克服主观因素影响等优点，近年来在企业并购绩效研究领域得到了广泛的应用。本文基于DEA模型展开对上市公司并购绩效的实证研究，旨在深入剖析上市公司并购绩效的现状及影响因素，为企业的并购决策提供科学的依据，帮助企业优化并购策略，提高并购绩效，在激烈的市场竞争中实现可持续发展。同时，本研究也有助于丰富和完善企业并购绩效评价的理论体系，为相关领域的研究提供有益的参考。1.2研究目的与创新点本研究旨在借助DEA模型，深入剖析上市公司并购绩效，揭示影响并购绩效的关键因素，为企业的并购决策提供科学、可靠的依据，助力企业提升并购绩效，实现可持续发展。具体而言，通过收集和整理上市公司的相关数据，运用DEA模型对并购前后的绩效进行量化评估，全面分析并购活动对企业在财务、运营、市场等多方面的影响，进而深入探讨并购绩效的影响因素，包括并购类型、企业规模、行业特征等。本研究在多个方面具有一定的创新之处。在指标选取方面，打破传统研究的局限，不仅纳入常见的财务指标，如资产收益率、净利润率等，还创新性地引入市场份额、技术创新能力等非财务指标，从多个维度综合考量企业并购绩效，使评价结果更加全面、客观。在模型应用上，将DEA模型与其他方法相结合，克服单一模型的局限性，进一步提高评价的准确性和可靠性。此外，本研究聚焦于上市公司这一特定群体，针对其并购活动的特点和规律展开研究，为上市公司的并购决策提供更具针对性的建议和指导。1.3研究方法与技术路线本研究综合运用多种研究方法，确保研究的科学性、全面性与深入性。在研究过程中，首先采用文献研究法，通过广泛查阅国内外相关文献，全面梳理企业并购绩效研究的发展历程、研究现状及前沿动态，系统总结现有研究在理论基础、研究方法、指标选取等方面的成果与不足，为后续研究提供坚实的理论支撑和思路启发。实证分析法则是本研究的核心方法。收集并整理上市公司的相关数据，包括财务报表数据、市场交易数据、公司治理数据等，运用DEA模型对并购前后的绩效进行量化评估。在运用DEA模型时，根据研究目的和数据特点，合理选择投入产出指标，确保模型的适用性和有效性。通过对大量样本数据的分析，得出上市公司并购绩效的客观评价结果，揭示并购绩效的整体趋势和分布特征。同时，采用多元回归分析等方法，深入探究影响并购绩效的各种因素，如并购类型、企业规模、行业特征、财务状况等，明确各因素对并购绩效的影响方向和程度，为企业的并购决策提供科学依据。案例研究法作为实证分析法的补充，选取具有代表性的上市公司并购案例进行深入剖析。详细研究并购过程中的战略决策、交易结构、整合措施等关键环节，结合DEA模型的分析结果，从具体案例中进一步挖掘影响并购绩效的深层次原因和潜在因素，为企业提供更具针对性和可操作性的实践经验和启示。在技术路线方面，首先进行理论基础的梳理与研究，明确企业并购的相关理论，如协同效应理论、交易成本理论、市场势力理论等，深入了解DEA模型的原理、方法和应用领域，为后续的研究奠定坚实的理论基础。其次，构建上市公司并购绩效评价指标体系。在综合考虑企业的财务状况、运营能力、市场竞争力、创新能力等多方面因素的基础上，结合已有研究成果和实际数据的可获得性，选取合适的投入产出指标，确保指标体系能够全面、准确地反映上市公司并购绩效。然后，收集和整理上市公司的相关数据，运用DEA模型对并购绩效进行评价，计算各样本公司在并购前后的效率值，分析并购绩效的变化趋势和差异情况。接着，对DEA模型的评价结果进行深入分析，运用多元回归分析等方法，探究影响并购绩效的因素，建立回归模型，验证各因素与并购绩效之间的关系。最后，根据实证分析和案例研究的结果，提出针对性的对策建议，为企业的并购决策、并购整合以及绩效提升提供参考和指导，同时对研究成果进行总结和展望，指出未来研究的方向和重点。二、文献综述2.1上市公司并购相关理论并购，即企业之间的兼并与收购行为，是企业法人在平等自愿、等价有偿基础上，以一定的经济方式取得其他法人产权的行为，是企业进行资本运作和经营的一种主要形式。上市公司并购则是指上市公司作为收购方，通过购买目标公司的股权或资产，实现对目标公司的控制或整合。从类型上看，上市公司并购可分为横向并购、纵向并购和混合并购。横向并购是指同行业企业之间的并购，旨在实现规模经济，提高市场份额，增强市场竞争力。例如，2015年百威英博收购南非米勒，二者均为全球知名的啤酒酿造企业，通过此次并购，百威英博进一步巩固了其在全球啤酒市场的领先地位，实现了生产、销售、研发等资源的整合与共享，降低了成本，提高了生产效率。纵向并购是指处于产业链上下游的企业之间的并购，有助于实现产业链的整合，加强企业对供应链的控制，降低交易成本，提高企业的运营效率。如苹果公司对部分零部件供应商的收购，通过纵向并购，苹果公司能够更好地把控零部件的质量、供应稳定性和成本，确保产品的高质量和市场竞争力。混合并购则是指不同行业企业之间的并购，主要目的是实现多元化经营，分散企业风险，拓展企业的发展空间。例如，吉利汽车在发展汽车业务的同时，通过并购涉足飞行汽车、摩托车等领域，实现了业务的多元化拓展，降低了对单一汽车市场的依赖。关于上市公司并购的动机，理论界存在多种解释。协同效应理论认为，并购能够实现企业间的资源共享与互补，产生经营协同、管理协同和财务协同等效应，从而提升企业的整体绩效。在经营协同方面，企业可以通过并购实现规模经济，降低生产成本，提高生产效率。如两家生产同类产品的企业合并后，可以整合生产设施，优化生产流程，实现原材料的集中采购，从而降低采购成本，提高产品的市场竞争力。管理协同则是指通过并购，优势企业的先进管理经验和管理模式可以应用到被并购企业中，提升其管理水平和运营效率。财务协同效应主要体现在并购后企业的资金筹集、资金使用效率和税收筹划等方面。企业可以通过并购实现资金的集中调配，提高资金使用效率，降低融资成本；还可以利用税收政策的差异，合理进行税收筹划，降低企业的税负。市场势力理论指出，企业通过并购扩大规模，提高市场份额，增强对市场的控制能力，从而获取更多的市场势力和垄断利润。当企业在市场中占据主导地位时，便可以在价格制定、市场份额分配、供应商谈判等方面拥有更大的话语权，获取更多的经济利益。例如，一些大型企业通过并购竞争对手，减少市场竞争，提高产品价格，从而增加企业的利润。代理成本理论认为，并购可以降低企业的代理成本。在企业所有权与经营权分离的情况下，管理者与股东之间存在利益冲突，管理者可能为了自身利益而损害股东的利益。通过并购，企业的股权结构和治理结构可能发生变化，从而加强对管理者的监督和约束，降低代理成本，提高企业的运营效率和绩效。如股东通过并购引入新的战略投资者或管理层，对原有的管理层进行监督和制衡，促使管理者更加关注企业的长期发展和股东利益。2.2并购绩效评价方法在企业并购绩效评价领域，存在多种方法，每种方法都有其独特的应用场景和优缺点。事件研究法是一种常用的并购绩效评价方法，它以并购事件为核心，通过分析并购事件公告前后股票价格的波动来衡量并购绩效。该方法的核心假设是股票市场是有效的，股票价格能够及时、准确地反映企业的价值变化。在实际应用中，研究人员会选取一个特定的窗口期，通常包括并购公告前和公告后的一段时间，计算该窗口期内目标企业股票的超额收益率。如果超额收益率显著为正，则表明并购事件对企业价值产生了积极影响，即并购绩效为正；反之，如果超额收益率显著为负，则说明并购绩效不佳。以可口可乐并购汇源果汁为例，在并购公告发布后，汇源果汁的股票价格在短期内出现了大幅上涨，通过事件研究法计算得出的超额收益率显著为正，这在一定程度上表明市场对此次并购持乐观态度，预期并购将为企业带来积极的绩效提升。然而，事件研究法也存在明显的局限性。股票市场的有效性是一个理想化的假设，在现实中，股票价格往往受到多种因素的影响，如市场情绪、宏观经济环境、行业竞争态势等，这些因素可能会干扰股票价格对并购绩效的准确反映。我国股票市场发展尚不完善，存在信息不对称、投资者非理性等问题，使得股票价格的波动难以完全真实地体现企业并购的绩效。事件研究法主要关注短期股价波动，难以全面反映并购对企业长期绩效的影响。并购后的企业整合、协同效应的发挥等长期因素对企业绩效的影响，无法通过短期内的股价变化得到充分体现。会计指标法是另一种广泛应用的并购绩效评价方法，它通过分析企业并购前后的财务报表数据，选取一系列关键的会计指标来衡量并购绩效。常见的会计指标包括盈利能力指标（如净利润、净资产收益率、总资产收益率等）、偿债能力指标（如资产负债率、流动比率、速动比率等）、营运能力指标（如应收账款周转率、存货周转率、总资产周转率等）以及成长能力指标（如营业收入增长率、净利润增长率等）。通过对比并购前后这些指标的变化，可以直观地了解并购对企业财务状况和经营成果的影响。例如，当企业并购后净资产收益率有所提高，说明企业的盈利能力在并购后得到了增强，并购可能带来了积极的绩效。与事件研究法相比，会计指标法具有能够反映企业长期绩效的优势，因为财务报表数据是企业长期经营活动的综合体现。财务数据相对稳定，不易受到短期市场波动的影响，使得评价结果更具可靠性。会计指标法也存在一些缺点，财务报表数据容易受到企业管理层的操纵，通过盈余管理等手段，企业可能会调整财务数据，从而影响评价结果的真实性。不同企业的会计政策和会计估计存在差异，这可能导致数据的可比性降低，影响评价的准确性。会计指标法主要关注企业的财务绩效，难以全面反映企业在非财务方面的绩效变化，如市场竞争力、创新能力、员工满意度等。数据包络分析（DEA）方法是一种基于线性规划的多投入多产出效率评价方法，近年来在企业并购绩效评价中得到了越来越广泛的应用。DEA方法的基本原理是将决策单元（在并购绩效评价中，决策单元通常为参与并购的企业）的多个投入指标和多个产出指标进行综合分析，通过构建生产前沿面，来评价决策单元的相对效率。在并购绩效评价中，DEA方法能够充分考虑企业在并购过程中的多种投入要素（如资金、人力、技术等）和多种产出成果（如财务绩效、市场份额、创新能力等），从而全面、客观地评价并购绩效。与传统方法相比，DEA方法具有无需预先设定生产函数的形式、能够处理多投入多产出问题、评价结果不受指标量纲影响等优点。例如，在对某行业多家上市公司的并购绩效评价中，利用DEA方法，将企业的并购资金投入、并购后整合成本等作为投入指标，将净利润、市场份额、新产品开发数量等作为产出指标，通过计算各企业的DEA效率值，可以清晰地比较不同企业在并购后的绩效表现。然而，DEA方法也并非完美无缺，它对数据的质量和样本数量要求较高，如果数据存在缺失或误差，可能会影响评价结果的准确性。DEA方法的结果仅反映了决策单元的相对效率，无法直接判断企业的绝对绩效水平。2.3DEA方法在并购绩效研究中的应用现状近年来，DEA方法在并购绩效研究领域得到了广泛的应用，国内外学者从不同角度、针对不同行业和类型的上市公司展开了深入研究，取得了一系列丰富的成果。国外学者较早将DEA方法引入并购绩效研究。在金融行业，如对银行并购的研究中，[具体学者1]运用DEA方法评估了多家银行在并购前后的效率变化，发现部分银行通过并购实现了成本效率和规模效率的提升，优化了资源配置，增强了市场竞争力；而另一些银行由于整合难度较大，未能充分发挥并购的协同效应，绩效提升不明显。在制造业领域，[具体学者2]通过DEA模型分析制造业企业并购绩效，发现并购有助于企业扩大生产规模，提高生产效率，但也指出企业在并购后需要注重技术创新和管理水平的提升，以维持长期的绩效优势。国内学者也积极运用DEA方法研究上市公司并购绩效，研究范围涵盖了多个行业。在煤炭行业，[具体学者3]以山西省五大煤业集团旗下的上市公司为研究对象，采用DEA模型结合会计指标研究法，对并购绩效进行评价，发现政府政策引导下的煤炭企业并购在短期内绩效提升不显著，长期来看部分企业通过资源整合和产业升级，绩效有所改善，但仍面临诸多挑战，如债务负担加重、人员安置困难等。在信息技术行业，[具体学者4]运用DEA方法对该行业上市公司并购绩效进行实证分析，结果表明，并购对企业的技术创新能力和市场拓展能力有积极影响，但不同企业之间的绩效差异较大，并购策略的合理性、企业自身的技术实力和市场适应性等因素对绩效影响显著。尽管DEA方法在并购绩效研究中取得了一定的成果，但也存在一些不足之处。在指标选取方面，不同学者的选取标准和侧重点存在差异，缺乏统一的规范和标准，导致研究结果的可比性受到影响。部分研究仅关注财务指标，忽略了非财务指标，如企业的创新能力、市场声誉、员工满意度等，使得评价结果不够全面和准确。在样本选择上，一些研究的样本数量有限，样本的代表性不足，可能导致研究结果存在偏差，无法准确反映整体上市公司并购绩效的真实情况。DEA方法本身也存在一定的局限性，它假设所有决策单元都处于最佳生产前沿面上，而现实中企业的生产经营活动受到多种因素的干扰，难以完全达到最佳状态，这可能导致评价结果与实际情况存在一定的偏差。三、DEA方法原理与模型构建3.1DEA方法基本原理数据包络分析（DEA）是一种基于线性规划的多投入多产出效率评价方法，由美国运筹学家Charnes、Cooper和Rhodes于1978年首次提出。该方法以“相对效率”概念为基础，通过构建生产前沿面，对具有相同类型投入和产出的多个决策单元（DecisionMakingUnits，DMUs）的相对有效性进行评价。在DEA方法中，决策单元是指需要进行效率评价的对象，它可以是企业、部门、项目等。每个决策单元都具有多个输入指标（即投入要素）和多个输出指标（即产出成果）。例如，在评价上市公司并购绩效时，决策单元就是参与并购的上市公司，输入指标可以包括并购资金投入、并购后整合成本、人力投入等，输出指标可以包括净利润、市场份额、新产品开发数量等。DEA方法的核心思想是将每个决策单元视为一个生产函数，通过线性规划技术，寻找一组最优的权重，使得每个决策单元的产出与投入之比达到最大。具体来说，DEA方法通过构建一个生产前沿面，将所有决策单元投影到该前沿面上，从而确定每个决策单元的相对效率。生产前沿面是由所有有效决策单元组成的一个包络面，它代表了在现有技术水平下，投入要素能够实现的最大产出组合。在生产前沿面上的决策单元被认为是相对有效的，其效率值为1；而在生产前沿面之外的决策单元则被认为是相对无效的，其效率值小于1。为了更直观地理解DEA方法的原理，以一个简单的例子进行说明。假设有三个决策单元A、B、C，它们的投入和产出情况如表1所示：决策单元投入X产出YA24B36C45以投入X为横坐标，产出Y为纵坐标，将这三个决策单元绘制在坐标系中，得到图1：从图1中可以看出，决策单元A和B位于一条直线上，这条直线就是生产前沿面。决策单元A和B的投入产出组合是相对有效的，因为在现有技术水平下，无法通过减少投入或增加产出来提高它们的效率。而决策单元C位于生产前沿面之外，说明它的投入产出组合是相对无效的，存在资源浪费的情况。通过DEA方法的计算，可以得到决策单元A和B的效率值为1，决策单元C的效率值小于1。这表明决策单元C在投入相同的情况下，产出低于有效决策单元，需要对其投入产出结构进行调整，以提高效率。DEA方法具有无需预先设定生产函数的具体形式、能够处理多投入多产出问题、评价结果不受指标量纲影响等优点。由于不需要预先设定生产函数，DEA方法避免了因函数形式设定不当而导致的误差，能够更灵活地适应不同的生产过程和决策单元。在处理多投入多产出问题时，DEA方法可以综合考虑各种投入要素和产出成果之间的复杂关系，全面评价决策单元的效率。而且，DEA方法通过线性规划求解效率值，评价结果不受指标量纲的影响，无需对数据进行无量纲化处理，简化了计算过程，提高了评价结果的客观性和可靠性。3.2常用DEA模型介绍在DEA方法的应用中，有多种模型可供选择，其中CCR模型和BCC模型是最为常用的两种模型，它们在假设条件、公式推导以及适用场景等方面存在一定的差异。CCR模型，即Charnes-Cooper-Rhodes模型，由Charnes、Cooper和Rhodes于1978年提出，是DEA方法中最早出现的模型。该模型基于规模报酬不变（ConstantReturntoScale，CRS）的假设，认为决策单元在生产过程中，投入要素按相同比例增加时，产出也会按相同比例增加。例如，在一个生产企业中，如果劳动力和资本同时增加一倍，在规模报酬不变的假设下，产量也会相应地增加一倍。CCR模型的基本公式推导如下：假设有n个决策单元，每个决策单元有m种投入和s种产出。对于第j_0个决策单元，其效率评价模型为：\begin{align*}&\max\quad\frac{u^{T}Y_{j_0}}{v^{T}X_{j_0}}\\&\text{s.t.}\quad\frac{u^{T}Y_{j}}{v^{T}X_{j}}\leq1,\quadj=1,2,\cdots,n\\&\quad\quadu\geq0,\quadv\geq0\end{align*}其中，X_j=(x_{j1},x_{j2},\cdots,x_{jm})^T为第j个决策单元的投入向量，Y_j=(y_{j1},y_{j2},\cdots,y_{js})^T为第j个决策单元的产出向量，u=(u_1,u_2,\cdots,u_s)^T为产出指标的权重向量，v=(v_1,v_2,\cdots,v_m)^T为投入指标的权重向量。为了便于求解，将上述分式规划模型转化为线性规划模型。通过Charnes-Cooper变换，令\theta=\frac{1}{v^{T}X_{j_0}}，\omega=\thetav，\mu=\thetau，则原模型可转化为：\begin{align*}&\max\quad\mu^{T}Y_{j_0}\\&\text{s.t.}\quad\omega^{T}X_{j}-\mu^{T}Y_{j}\geq0,\quadj=1,2,\cdots,n\\&\quad\quad\omega^{T}X_{j_0}=1\\&\quad\quad\omega\geq0,\quad\mu\geq0\end{align*}CCR模型适用于评估决策单元在规模报酬不变情况下的综合技术效率。当模型求解得到的效率值\theta=1时，表明该决策单元是DEA有效的，即在现有技术水平下，实现了投入产出的最优配置，既达到了技术有效，也达到了规模有效；当\theta<1时，则说明该决策单元是非DEA有效的，存在投入冗余或产出不足的情况，需要对投入产出结构进行调整，以提高效率。BCC模型，即Banker-Charnes-Cooper模型，由Banker、Charnes和Cooper于1984年提出。该模型在CCR模型的基础上，放松了规模报酬不变的假设，假设规模报酬可变（VariableReturntoScale，VRS）。在实际生产过程中，企业的规模报酬往往会随着生产规模的变化而发生改变，经历规模报酬递增、规模报酬不变和规模报酬递减三个阶段。BCC模型能够更准确地反映企业在不同规模下的生产效率情况。BCC模型的公式推导是在CCR模型的线性规划模型基础上，增加了一个凸性约束条件\sum_{j=1}^{n}\lambda_j=1，其中\lambda_j为决策单元的权重。对于第j_0个决策单元，投入导向的BCC对偶模型为：\begin{align*}&\min\quad\theta-\varepsilon(\hat{e}^Ts^-+e^Ts^+)\\&\text{s.t.}\quad\sum_{j=1}^{n}\lambda_jx_{ij}+s^-=\thetax_{ij_0},\quadi=1,2,\cdots,m\\&\quad\quad\sum_{j=1}^{n}\lambda_jy_{rj}-s^+=y_{rj_0},\quadr=1,2,\cdots,s\\&\quad\quad\sum_{j=1}^{n}\lambda_j=1\\&\quad\quad\lambda_j\geq0,\quadj=1,2,\cdots,n\\&\quad\quads^-\geq0,\quads^+\geq0\end{align*}其中，\theta为决策单元的效率值，\varepsilon为非阿基米德无穷小量，\hat{e}=(1,1,\cdots,1)^T（m维），e=(1,1,\cdots,1)^T（s维），s^-和s^+分别为投入冗余向量和产出不足向量。产出导向的BCC对偶模型为：\begin{align*}&\max\quad\varphi+\varepsilon(\hat{e}^Ts^-+e^Ts^+)\\&\text{s.t.}\quad\sum_{j=1}^{n}\lambda_jx_{ij}-s^-=x_{ij_0},\quadi=1,2,\cdots,m\\&\quad\quad\sum_{j=1}^{n}\lambda_jy_{rj}-s^+=\varphiy_{rj_0},\quadr=1,2,\cdots,s\\&\quad\quad\sum_{j=1}^{n}\lambda_j=1\\&\quad\quad\lambda_j\geq0,\quadj=1,2,\cdots,n\\&\quad\quads^-\geq0,\quads^+\geq0\end{align*}其中，\varphi为决策单元的效率值。BCC模型主要用于衡量决策单元的纯技术效率，即剔除规模因素影响后，决策单元在技术水平上的有效性。通过BCC模型得到的效率值与CCR模型得到的效率值相比较，可以进一步计算出决策单元的规模效率，规模效率=CCR模型效率值/BCC模型效率值。当BCC模型的效率值为1时，说明决策单元在当前规模下达到了纯技术有效；若规模效率也为1，则表明决策单元同时达到了纯技术有效和规模有效。BCC模型适用于分析决策单元在不同规模报酬情况下的纯技术效率，尤其适用于研究企业在生产过程中，由于技术水平、管理水平等因素导致的效率变化，而不考虑规模因素的影响。在评估企业的技术创新能力、管理效率等方面，BCC模型能够提供更有针对性的分析结果。3.3基于DEA的上市公司并购绩效评价模型构建在运用DEA方法对上市公司并购绩效进行评价时，首先需要确定决策单元。决策单元的选取直接关系到研究结果的准确性和有效性，因此需要综合考虑多个因素。在本研究中，将发生并购的上市公司确定为决策单元。这些上市公司在并购过程中，投入了各种资源，如资金、人力、技术等，并期望通过并购实现企业绩效的提升，产出更多的经济效益和社会效益，符合DEA方法中决策单元的定义和要求。为了全面、准确地评价上市公司并购绩效，需要选取合适的投入产出指标。在指标选取过程中，遵循科学性、全面性、可操作性和独立性的原则。科学性原则要求指标能够准确反映上市公司并购绩效的本质特征，基于严谨的理论和实证研究基础。全面性原则强调指标应涵盖上市公司并购绩效的各个方面，包括财务绩效、市场绩效、运营绩效等，避免片面评价。可操作性原则确保所选指标的数据能够通过公开渠道获取，并且数据的计算和处理方法相对简单、明确，便于实际应用。独立性原则要求各个指标之间相互独立，避免指标之间存在过多的重叠信息，影响评价结果的准确性。在投入指标方面，选取并购资金投入、并购后整合成本和人力投入三个指标。并购资金投入是上市公司并购过程中最直接的投入要素，反映了企业为实现并购所付出的经济代价，对并购绩效有着重要影响。并购后整合成本是指企业在完成并购交易后，为实现并购双方在战略、业务、财务、文化等方面的有效整合而投入的成本，包括整合过程中的人员培训费用、业务重组费用、文化融合费用等。有效的整合是实现并购协同效应的关键，整合成本的高低直接关系到并购绩效的好坏。人力投入则体现了企业在并购过程中所投入的人力资源数量和质量，包括参与并购决策、实施和整合的管理人员、专业技术人员等。人力资源是企业的核心资源之一，在并购过程中，充足且高素质的人力投入对于推动并购活动的顺利进行和实现并购目标具有重要作用。在产出指标方面，选择净利润、市场份额和新产品开发数量作为衡量指标。净利润是企业经营成果的综合体现，反映了企业在一定时期内的盈利能力，是衡量上市公司并购绩效的重要财务指标之一。通过并购，企业期望实现协同效应，提高生产效率，降低成本，从而增加净利润。市场份额是指企业的产品或服务在特定市场中所占的比例，它反映了企业在市场中的竞争地位和影响力。并购可以帮助企业扩大生产规模，拓展市场渠道，提高市场份额，增强市场竞争力。新产品开发数量则体现了企业的技术创新能力和发展潜力。在当今竞争激烈的市场环境下，技术创新是企业保持竞争优势的关键，并购可以使企业获取目标企业的技术、人才等资源，加速新产品的开发和推出，为企业的可持续发展提供动力。在确定决策单元和投入产出指标后，需要选择合适的DEA模型。考虑到企业在并购后的实际运营过程中，规模报酬往往是可变的，因此选择BCC模型进行分析。BCC模型在规模报酬可变的假设下，能够更准确地衡量企业的纯技术效率，即剔除规模因素影响后，企业在技术水平和管理水平上的有效性。通过BCC模型的计算，可以得到每个决策单元（即发生并购的上市公司）在并购前后的纯技术效率值，进而分析并购对企业纯技术效率的影响。结合CCR模型的结果，可以进一步计算出规模效率值，全面评估上市公司并购绩效在技术效率和规模效率两个方面的变化情况，为深入分析并购绩效提供更丰富、准确的信息。四、上市公司并购绩效实证分析4.1样本选取与数据来源为确保研究结果的可靠性与代表性，本研究从国泰安数据库（CSMAR）选取了[具体时间段]内发生并购的上市公司作为样本。在样本筛选过程中，遵循以下原则：一是选取并购交易成功完成的上市公司，确保研究对象经历了完整的并购流程，避免因并购失败或交易中断对研究结果产生干扰；二是剔除ST、*ST类上市公司，这类公司通常面临财务困境或经营异常，其并购绩效可能受到特殊因素的影响，不具有普遍代表性；三是剔除金融行业上市公司，金融行业的业务特点、财务指标和监管要求与其他行业存在显著差异，为保证样本的同质性，将其排除在外；四是剔除数据缺失严重的样本，数据的完整性和准确性是实证分析的基础，缺失严重的数据会影响模型的计算结果和分析结论。经过严格筛选，最终确定[样本数量]家上市公司作为研究样本。关于数据来源，本研究的财务数据主要来源于上市公司披露的年报。通过巨潮资讯网、上海证券交易所官网、深圳证券交易所官网等权威渠道，获取样本公司在并购前后各年度的财务报表，从中提取并购资金投入、并购后整合成本、净利润等关键财务指标数据。这些年报数据经过审计机构的严格审计，具有较高的真实性和可靠性，能够准确反映上市公司的财务状况和经营成果。市场数据方面，市场份额数据来源于各行业权威的市场研究报告和专业数据库，如艾瑞咨询、易观智库等。这些机构通过对市场的深入调研和数据分析，提供了各行业市场份额的详细统计信息，为本研究提供了可靠的市场份额数据支持。新产品开发数量数据则主要通过上市公司官网、公司公告以及行业新闻报道获取。上市公司通常会在官网或公告中发布新产品的研发和上市信息，行业新闻报道也会对上市公司的新产品动态进行跟踪和报道，通过对这些信息的收集和整理，能够较为准确地获取样本公司的新产品开发数量数据。4.2数据预处理与指标筛选在获取原始数据后，为确保数据的质量和分析结果的准确性，需对数据进行预处理。首先进行数据标准化处理，由于收集到的投入产出指标数据往往具有不同的量纲和数量级，如并购资金投入以亿元为单位，而人力投入以人数为单位，若直接进行分析，会导致数据之间的可比性降低，影响DEA模型的计算结果。因此，采用Z-score标准化方法对数据进行处理。该方法的计算公式为：Z_i=\frac{X_i-\overline{X}}{\sigma}，其中Z_i为标准化后的数据，X_i为原始数据，\overline{X}为原始数据的均值，\sigma为原始数据的标准差。通过Z-score标准化，将所有数据转化为均值为0、标准差为1的标准正态分布数据，消除了量纲和数量级的影响，使不同指标的数据具有可比性。异常值的存在会对数据分析结果产生较大干扰，因此需要对异常值进行处理。在本研究中，首先通过绘制箱线图的方法初步识别异常值。箱线图以数据的四分位数为基础，能够直观地展示数据的分布情况和离散程度。对于每个指标，若数据点位于箱线图的上下限之外，则被初步判定为异常值。在识别出异常值后，结合实际情况和专业知识，进一步判断这些异常值是否为真实数据。对于明显错误或不合理的异常值，采用中位数替换的方法进行处理。中位数是将数据按照大小顺序排列后，位于中间位置的数值，它对极端值不敏感，能够较好地反映数据的集中趋势。用中位数替换异常值，可以在一定程度上避免异常值对分析结果的影响，保证数据的稳定性和可靠性。为进一步筛选出关键的投入产出指标，运用相关性分析方法对指标进行分析。相关性分析可以衡量两个变量之间线性相关程度的强弱，其结果用相关系数表示，相关系数的取值范围为-1到1之间。当相关系数的绝对值越接近1时，表明两个变量之间的线性相关性越强；当相关系数的绝对值越接近0时，表明两个变量之间的线性相关性越弱。在本研究中，对投入指标（并购资金投入、并购后整合成本、人力投入）之间以及产出指标（净利润、市场份额、新产品开发数量）之间分别进行相关性分析。如果两个指标之间的相关系数绝对值大于0.8，则认为这两个指标之间存在较强的相关性，可能存在信息重叠的问题。对于存在较强相关性的指标，综合考虑其对并购绩效的影响程度、数据的可获得性以及研究的侧重点等因素，选择其中一个更具代表性的指标纳入DEA模型，以避免指标之间的多重共线性问题，提高模型的准确性和可靠性。以并购资金投入和并购后整合成本这两个投入指标为例，经过相关性分析发现，它们之间的相关系数为0.65，虽然存在一定的相关性，但相关性并不强，都对并购绩效有着重要的影响，因此在后续的分析中，将这两个指标同时保留。而对于某些假设的产出指标，如市场份额和营业收入，经过相关性分析发现它们之间的相关系数高达0.85，存在较强的相关性。考虑到市场份额更能直接反映企业在市场中的竞争地位和并购对市场影响力的改变，而营业收入受多种因素影响，与并购绩效的直接关联性相对较弱，因此在指标筛选过程中，选择市场份额作为产出指标，舍弃营业收入指标。通过以上数据预处理和指标筛选过程，确保了用于DEA模型分析的数据质量和指标的合理性，为准确评价上市公司并购绩效奠定了坚实的基础。4.3DEA模型结果分析运用DEAP2.1软件，对经过预处理和指标筛选后的数据进行DEA模型运算，得到样本公司在并购前一年（t-1）、并购当年（t）、并购后一年（t+1）和并购后两年（t+2）的DEA效率值，包括综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），具体结果如表2所示：年份综合技术效率（TE）纯技术效率（PTE）规模效率（SE）t-1[均值1][均值2][均值3]t[均值4][均值5][均值6]t+1[均值7][均值8][均值9]t+2[均值10][均值11][均值12]从综合技术效率来看，并购前一年的均值为[均值1]，表明样本公司在并购前的整体效率处于[具体水平描述，如“中等水平”]。并购当年，综合技术效率均值略有下降，为[均值4]，这可能是由于并购活动本身需要投入大量的资源和精力，在短期内对企业的正常运营产生了一定的冲击，导致效率有所下滑。并购后一年，综合技术效率均值上升至[均值7]，显示企业在并购后的整合过程中，逐渐实现了资源的优化配置，协同效应开始显现，效率得到了提升。并购后两年，综合技术效率均值进一步提高至[均值10]，说明随着时间的推移，企业对并购后的业务、管理、文化等方面的整合不断深入，综合技术效率持续改善。对样本公司综合技术效率在并购前后的变化进行Wilcoxon符号秩检验，结果显示，在5%的显著性水平下，并购前后综合技术效率的差异具有统计学意义（Z值为[具体Z值]，p值小于0.05），进一步验证了并购活动对企业综合技术效率产生了显著影响。从纯技术效率分析，并购前一年的均值为[均值2]，反映出样本公司在并购前的技术水平和管理水平处于[相应水平描述]。并购当年，纯技术效率均值下降至[均值5]，这可能是因为并购过程中企业的管理架构、业务流程等发生了变化，在短期内新的管理模式和业务流程尚未完全磨合，导致纯技术效率降低。并购后一年，纯技术效率均值回升至[均值8]，表明企业在并购后的整合过程中，加强了对技术和管理的优化，提高了生产技术水平和管理效率。并购后两年，纯技术效率均值达到[均值11]，说明企业在持续的技术创新和管理改进下，纯技术效率得到了进一步提升。规模效率方面，并购前一年的均值为[均值3]，表明样本公司在并购前的规模处于[规模状态描述，如“相对合理规模”或“规模未达到最优”]。并购当年，规模效率均值下降至[均值6]，这可能是由于并购后企业规模迅速扩大，短期内无法实现规模经济，导致规模效率降低。并购后一年，规模效率均值上升至[均值9]，说明企业在并购后的整合过程中，开始对资源进行合理配置，逐步实现规模经济，规模效率得到改善。并购后两年，规模效率均值进一步提高至[均值12]，显示企业在不断调整和优化规模结构，规模效率持续提升。通过对综合技术效率、纯技术效率和规模效率的变化趋势分析，可以看出上市公司并购绩效在并购后呈现出先下降后上升的趋势。在并购后的初期，由于并购活动带来的冲击和整合难度，企业的效率有所下降；但随着整合的深入，协同效应逐渐发挥作用，企业在技术、管理和规模等方面不断优化，效率逐步提升，并购绩效得到改善。4.4并购绩效影响因素分析为深入探究影响上市公司并购绩效的因素，构建多元线性回归模型进行分析。以DEA模型计算得出的综合技术效率值作为被解释变量，用以衡量上市公司并购绩效；选取并购规模、行业相关性、支付方式、企业规模和股权集中度作为解释变量，各变量的定义及说明如表3所示：变量类型变量名称变量符号变量定义被解释变量并购绩效TEDEA模型计算的综合技术效率值解释变量并购规模MS并购交易金额与并购方并购前总资产的比值解释变量行业相关性IR若并购双方处于同一行业，取值为1；否则取值为0解释变量支付方式PM现金支付取值为1，非现金支付（如股票支付、混合支付等）取值为0解释变量企业规模ES并购方并购前总资产的自然对数解释变量股权集中度OC并购方并购前第一大股东持股比例构建多元线性回归模型如下：TE=\beta_0+\beta_1MS+\beta_2IR+\beta_3PM+\beta_4ES+\beta_5OC+\epsilon其中，\beta_0为常数项，\beta_1、\beta_2、\beta_3、\beta_4、\beta_5为各解释变量的回归系数，\epsilon为随机误差项。运用Eviews软件对模型进行回归分析，结果如表4所示：变量系数标准误差t值p值常数项[具体值1][具体值2][具体值3][具体值4]MS[具体值5][具体值6][具体值7][具体值8]IR[具体值9][具体值10][具体值11][具体值12]PM[具体值13][具体值14][具体值15][具体值16]ES[具体值17][具体值18][具体值19][具体值20]OC[具体值21][具体值22][具体值23][具体值24]R²[具体值25]调整R²[具体值26]F值从回归结果来看，并购规模（MS）的系数为正，且在5%的显著性水平下显著，表明并购规模与并购绩效呈正相关关系。并购规模越大，企业通过并购获取的资源越多，实现协同效应的潜力越大，从而有助于提升并购绩效。当并购交易金额与并购方并购前总资产的比值增加时，综合技术效率值也会相应提高。行业相关性（IR）的系数为正，且在10%的显著性水平下显著，说明并购双方处于同一行业时，并购绩效相对更好。同行业并购可以实现规模经济，共享研发、生产、销售等资源，降低成本，提高生产效率，从而提升并购绩效。例如，两家同行业的汽车制造企业并购后，可以整合生产设施，实现零部件的集中采购，降低采购成本，提高产品的市场竞争力。支付方式（PM）的系数为负，且在5%的显著性水平下显著，这意味着现金支付方式对并购绩效有负面影响。现金支付会导致企业资金流出，增加财务风险，可能影响企业后续的运营和发展，进而降低并购绩效。相比之下，股票支付或混合支付方式可以在一定程度上缓解企业的资金压力，减少财务风险，对并购绩效更为有利。企业规模（ES）的系数为正，但不显著，说明企业规模对并购绩效的影响不明显。虽然较大规模的企业在资源、市场份额等方面具有优势，但在并购过程中，规模优势并不一定能直接转化为并购绩效的提升，还受到其他多种因素的综合影响。股权集中度（OC）的系数为负，且在10%的显著性水平下显著，表明股权集中度越高，并购绩效越低。股权高度集中可能导致大股东对企业的控制较强，决策过程可能缺乏充分的监督和制衡，从而影响企业的并购决策质量和整合效果，降低并购绩效。通过对并购绩效影响因素的分析，明确了各因素对并购绩效的影响方向和程度，为上市公司在并购决策过程中提供了重要的参考依据。企业在进行并购时，应综合考虑并购规模、行业相关性、支付方式等因素，合理制定并购策略，优化股权结构，以提高并购绩效，实现企业的可持续发展。五、案例分析5.1典型上市公司并购案例选取为了更深入、直观地理解上市公司并购绩效，本研究选取了万润科技收购阜新凯迪以及东航吸收合并上航这两个具有代表性的案例进行详细分析。万润科技收购阜新凯迪是一次典型的跨行业并购，旨在实现业务多元化拓展。万润科技创立于2002年12月，于2012年2月在深交所上市，是国内早期LED上市企业之一，主要从事LED元器件封装、LED照明应用及广告传媒业务。根据其2022-2025年战略规划，公司将大力发展以LED、存储半导体电子产业为核心的新一代信息技术“主产业”，培育和发展分布式综合能源服务“副产业”，构建“一主一副”新发展格局。202X年，万润科技旗下全资子公司深圳万润新能源有限公司收购了凯迪生态环境科技股份有限公司持有的阜新市凯迪新能源开发有限公司100%股权，股权价款为6931万元。阜新凯迪主要运营风电场项目，其风电场地处风资源比较丰富的“三北”地区，风资源等级Ⅱ类及以上，年发电有效风速（3m/s-25m/s）小时数7,500小时左右，折算机组满发小时数可达2,300小时及以上，是不可多得的陆上优质风电资源。此次收购的交易结构较为清晰，万润新能源以现金支付的方式完成股权收购。从收购背景来看，万润科技希望通过此次收购快速切入风电新能源领域，优化公司整体资产结构，提升盈利能力，契合其“一副”业务的战略方向。在收购过程中，虽然面临着凯迪生态破产重整尚未完成、资产受限、标的资产资质或手续缺失等风险，但万润科技通过严谨的尽职调查和风险评估，制定了相应的应对策略，确保了收购的顺利进行。东航吸收合并上航则是航空行业内的一次重大并购事件，属于横向并购。东方航空公司于1998年成立，在原中国东方航空集团公司的基础上，兼并中国西北航空公司，联合云南航空公司重组而成，是中国民航业内第一家上市公司，于1997年分别在纽约、香港和上海的证券交易所挂牌上市。然而，由于合并云南航空和西北航空后未充分发挥并购效果，加上2008年金融危机的冲击，航空业下行，东航严重亏损，主营业务亏损达60亿元，每股净资产从起初的1.5元暴跌到-2.37元，资产负债率高达115%，股票被ST。上海航空公司于1985年成立，立足上海航空枢纽港，拥有97条国内、国际和地区航线，但经营状况也较为惨淡，从2004年开始因经营不善连年亏损，2008年受金融危机影响，产生了14.45亿元的巨额亏损，2009年3月股票进入*ST行列，急需大笔资金注入来维持运营。2009年，东航和上航开始推进合并事宜。此次并购采用吸收合并（换股并购）的方式，东航发行股份吸收合并上航，上航注销法人资格，所有资产和负债人员业务均并入东航设立的全资子公司上海航空有限公司中。双方的换股价格均按照停牌前20个交易日均价确定，为补偿上海航空股东所面临的风险，给予25%的风险溢价，换股比例为1∶1.3，即每1股上航A股股份可换取1.3股东航A股新股。同时，方案赋予东航和上航的异议股东由国家开发投资公司提供的现金选择权，包括H股和A股股东。此次并购是在国资委推动以及市场竞争需要的背景下进行的。一方面，国资委希望通过企业兼并减少数量，扩大规模，推动上海加快国际航空枢纽以及国际金融中心建设；另一方面，东航和上航作为上海基地航空公司，业务重合度高，在竞争中互相消耗，运营成本偏高，合并后可以增强规模优势，整合资源，实现协同效应，提高枢纽市场占有率和定价权。东航在上海市场的份额只有40%，合并上航的15%市场占有率后，总占有率将超过50%，对基地的控制力大幅上升。5.2基于DEA的案例绩效评估运用DEA模型对万润科技收购阜新凯迪以及东航吸收合并上航这两个案例进行绩效评估，选取并购前一年（t-1）、并购当年（t）、并购后一年（t+1）和并购后两年（t+2）作为时间节点，计算其综合技术效率（TE）、纯技术效率（PTE）和规模效率（SE），评估结果如下表5所示：案例年份综合技术效率（TE）纯技术效率（PTE）规模效率（SE）万润科技收购阜新凯迪t-1[具体值1][具体值2][具体值3]t[具体值4][具体值5][具体值6]t+1[具体值7][具体值8][具体值9]t+2[具体值10][具体值11][具体值12]东航吸收合并上航t-1[具体值13][具体值14][具体值15]t[具体值16][具体值17][具体值18]t+1[具体值19][具体值20][具体值21]t+2[具体值22][具体值23][具体值24]对于万润科技收购阜新凯迪的案例，在并购前一年，综合技术效率为[具体值1]，纯技术效率为[具体值2]，规模效率为[具体值3]，表明公司在该阶段的整体运营效率处于[具体水平描述，如“中等水平”]，技术和规模利用效率有待提升。并购当年，综合技术效率降至[具体值4]，纯技术效率下降至[具体值5]，规模效率也有所下滑至[具体值6]，这可能是由于跨行业并购带来的整合难度较大，在短期内对公司的资源配置和运营管理产生了较大冲击，新业务与原有业务尚未有效融合，导致效率下降。并购后一年，综合技术效率回升至[具体值7]，纯技术效率上升至[具体值8]，规模效率也有所提高至[具体值9]，显示出公司在并购后的整合过程中，逐渐优化了资源配置，提升了技术和管理水平，开始实现协同效应，效率得到改善。并购后两年，综合技术效率进一步提高至[具体值10]，纯技术效率达到[具体值11]，规模效率提升至[具体值12]，说明随着时间的推移，公司对风电业务的整合不断深入，在技术创新、管理优化和规模扩张方面取得了较好的成效，并购绩效逐步显现。从东航吸收合并上航的案例来看，并购前一年，综合技术效率为[具体值13]，纯技术效率为[具体值14]，规模效率为[具体值15]，反映出两家航空公司在合并前由于业务重合、竞争激烈等原因，整体运营效率不高，存在较大的提升空间。并购当年，综合技术效率略有下降至[具体值16]，纯技术效率降至[具体值17]，规模效率下降至[具体值18]，这可能是因为合并过程涉及到大量的资产、人员、业务整合，短期内公司面临较大的调整压力，导致运营效率受到一定影响。并购后一年，综合技术效率上升至[具体值19]，纯技术效率提高至[具体值20]，规模效率也有所提升至[具体值21]，表明公司在并购后的整合过程中，通过优化航线布局、整合运营资源、加强协同管理等措施，逐渐实现了规模经济和协同效应，提高了技术和管理效率，运营效率得到明显改善。并购后两年，综合技术效率进一步提升至[具体值22]，纯技术效率达到[具体值23]，规模效率提升至[具体值24]，显示出公司在持续的整合和发展中，不断优化资源配置，提升技术创新能力和管理水平，实现了规模经济的最大化，并购绩效显著提升。通过对这两个案例的DEA绩效评估可以看出，上市公司并购绩效在并购后通常会经历先下降后上升的过程。在并购初期，由于面临整合难题，包括业务、人员、文化等方面的融合挑战，企业的效率往往会受到影响而下降。但随着整合工作的逐步推进，协同效应逐渐发挥作用，企业通过优化资源配置、提升技术和管理水平、实现规模经济等方式，使并购绩效逐步提升。不同类型的并购，如跨行业并购和横向并购，在绩效表现上存在差异，受到并购双方的行业相关性、业务互补性、整合难度等多种因素的影响。5.3案例对比与经验启示对比万润科技收购阜新凯迪和东航吸收合并上航这两个案例，可发现它们在并购类型、绩效表现及影响因素等方面存在显著差异。从并购类型看，万润科技收购阜新凯迪属于跨行业并购，旨在实现业务多元化，进入风电新能源领域，拓宽综合能源服务业务。而东航吸收合并上航是横向并购，通过整合同行业资源，增强规模优势，提升市场竞争力。在绩效表现上，二者在并购初期都面临效率下降的问题，但后续提升路径有所不同。万润科技由于跨行业并购，业务整合难度大，并购初期效率下滑明显。不过随着对风电业务的深入整合，逐渐实现了技术和管理的优化，协同效应逐步显现，绩效稳步提升。东航与上航作为同行业企业，业务重合度高，在并购后的整合过程中，能够较快地实现资源共享和协同管理，规模经济效应发挥迅速，绩效提升较为显著。通过对这两个案例的分析，可为其他上市公司并购提供以下经验启示：明确并购战略：上市公司在进行并购前，应制定清晰、明确的战略目标。万润科技基于自身的“一主一副”战略规划进行跨行业并购，东航为提升市场竞争力和规模优势进行横向并购，都体现了战略规划的重要性。企业需根据自身发展阶段、资源状况和市场环境，选择符合战略方向的并购目标，避免盲目跟风或单纯追求规模扩张。重视并购后的整合：并购后的整合是实现并购绩效的关键环节。无论是跨行业并购还是横向并购，都需要在业务、人员、文化等方面进行有效整合。万润科技在并购后，通过优化管理流程、提升技术水平，逐步实现了风电业务与原有业务的融合；东航与上航合并后，整合航线资源、优化运营流程，加强了协同管理，提升了整体运营效率。企业应制定详细的整合计划，明确整合目标和时间表，确保整合工作的顺利推进。关注并购风险：并购过程中存在诸多风险，如财务风险、市场风险、整合风险等。万润科技在收购阜新凯迪时，面临凯迪生态破产重整尚未完成、资产受限、标的资产资质或手续缺失等风险，通过严谨的尽职调查和风险评估，制定应对策略，降低了风险影响。东航在吸收合并上航时，也面临着市场竞争、整合难度等风险，通过合理的交易结构设计和有效的整合措施，化解了部分风险。企业在并购前应充分评估风险，制定风险应对预案，降低风险发生的概率和影响程度。选择合适的并购方式和支付方式：不同的并购方式和支付方式对并购绩效有重要影响。东航采用吸收合并（换股并购）的方式，既实现了资源的整合，又避免了大量现金支出带来的财务风险。而现金支付方式可能会导致企业资金压力增大，影响后续运营。企业应根据自身财务状况、并购目标和市场环境，选择合适的并购方式和支付方式，确保并购活动的顺利进行和并购绩效的提升。六、结论与建议6.1研究结论总结本研究基于DEA模型，对上市公司并购绩效展开了深入的实证分析，并结合典型案例进行了详细剖析，主要得出以下结论：在并购绩效的整体表现方面，从DEA模型的分析结果来看，上市公司并购绩效在并购后呈现出先下降后上升的趋势。并购当年，由于并购活动带来的冲击以及整合过程中的诸多难题，企业的综合技术效率、纯技术效率和规模效率均有所下降。这表明在并购初期，企业面临着资源重新配置、业务流程调整、管理架构整合等挑战，导致运营效率受到影响。随着时间的推移，在并购后的一年和两年，企业通过有效的整合措施，逐渐实现了资源的优化配置，协同效应开始显现，综合技术效率、纯技术效率和规模效率逐步提升。这说明企业在并购后，通过加强管理、优化业务流程、促进技术创新等方式，不断提升自身的运营效率，使并购绩效得到改善。从并购绩效的影响因素分析，并购规模与并购绩效呈正相关关系，并购规模越大，企业通过并购获取的资源越多，实现协同效应的潜力越大，越有助于提升并购绩效。行业相关性也对并购绩效有积极影响，并购双方处于同一行业时，能够实现规模经济，共享资源，降低成本，提高生产效率，从而提升并购绩效。支付方式对并购绩效的影响显著，现金支付方式会导致企业资金流出，增加财务风险，对并购绩效产生负面影响；相比之下，股票支付或混合支付方式在一定程度上缓解了企业的资金压力，减少了财务风险，对并购绩效更为有利。企业规模对并购绩效的影响不明显，虽然较大规模的企业在资源、市场份额等方面具有优势，但在并购过程中，规模优势并不一定能直接转化为并购绩效的提升，还受到其他多种因素的综合影响。股权集中度与并购绩效呈负相关关系，股权高度集中可能导致大股东对企业的控制较强，决策过程缺乏充分的监督和制衡，从而影响企业的并购决策质量和整合效果，降低并购绩效。通过对万润科技收购阜新凯迪以及东航吸收合并上航这两个典型案例的分析，进一步验证了上述结论。万润科技的跨行业并购在初期面临较大的整合难度，绩效下降明显，但随着整合的深入，绩效逐步提升；东航的横向并购由于业务重合度高，在并购后的整合过程中能够较快地实现资源共享和协同管理，规模经济效应发挥迅速，绩效提升较为显著。这两个案例表明，不同类型的并购在绩效表现上存在差异，受到并购双方的行业相关性、业务互补性、整合难度等多种因素的影响。6.2提升上市公司并购绩效的建议基于上述研究结论，为提升上市公司并购绩效，提出以下针对性建议：明确并购战略规划：上市公司在实施并购前，应进行充分的战略分析和规划。深入研究自身的核心竞争力、发展战略以及市场定位，确保并购活动与企业的长期发展目标紧密契合。避免盲目跟风或单纯为了扩大规模而进行并购，要充分考虑并购对企业战略布局的影响。如果企业的战略目标是拓展新兴市场，那么在选择并购目标时，应重点关注目标企业在