【作 者】
阎 铭（副教授），覃艳鲁
【作者单位】
武汉理工大学管理学院，武汉430070
【摘 要】
【摘要】以81个互联网行业并购事件为研究对象，运用博弈模型和扎根分析方法进行探索，提出了与溢价并购影响因素有关的相关假设，并运用因子分析法和多元线性回归模型进行验证。研究结果显示，互联网行业并购事件中，主并企业现金流水平、主并企业发展筹资能力、被并企业发展能力三个公共因子会明显影响并购溢价程度。
【关键词】互联网行业；并购溢价；博弈模型；因子分析
【中图分类号】F275 【文献标识码】A 【文章编号】1004-0994（2017）20-0026-6一、引言
2015 ~ 2016年是我国互联网行业迅速发展的时期，众多互联网公司通过并购方式完善业务生态系统，增强自身竞争实力，互联网行业高溢价并购事件层出不穷。互联网行业与其他行业不同，以互联网行业为研究对象，构建以并购溢价为因变量、影响因素为自变量的多元线性回归模型，探究并购溢价的影响因素，可为今后互联网行业并购提出可行的、具有实际意义的对策与建议，具有重要的参考意义。
国内外关于并购溢价形成机制的主要理论和观点有：市场竞价假说，即当并购市场有多家购买者时，并购企业为完成并购目标会支付较高的溢价；协同效应假说，认为主并企业会根据并购带来的经营、财务、管理等效应支付相应的并购溢价（安慧，2010）；并购防御假说，认定被并企业为避免控制权转移等会采取抵抗措施，从而提高并购溢价（张佳、韩立岩，2011）；委托代理假说，从高管视角出发，认为高管作为经营者为提高自身的薪酬（Homroy，2015）、业绩而倾向于高溢价并购（Zhu，2013）。此外，交易过程分析及交易过程中支付方式、估值方法等都会影响并购溢价的程度（于成永、邵巍，2015），交易过程中主并企业、被并企业的会计信息质量也会对并购溢价产生影响（宋骁、林晓丹，2015）。
就目前我国互联网行业出现的并购溢价现象而言，已有研究成果并不一定能完全适用：一方面，因为我国并购市场发展晚于国外，发展还不成熟，企业估值方法、市场成熟度等与市场经济发达国家有所区别；另一方面，我国企业的并购行为除受市场影响外，还会受政治因素（刘红霞等，2014）、股权结构等因素影响（姜英兵，2014）。因此，对我国互联网行业并购溢价问题，尤其是对其影响因素进行探索是十分必要且有意义的。
二、影响因素指标的选择
建立博弈模型模拟并购溢价形成机制，分析互联网行业并购溢价的影响因素，确定模型指标。
1. 博弈分析。假设主并企业A对被并企业B进行并购，被并企业B在存续期间的实际价值为V，被并企业B对自身价值评估为VB，主并企业A对被并企业B的估值为VA，R为该次并购中并购比例，VA、VB为商业机密信息，即并购双方互不了解对方估值价格。理性假设有VA>VB，即主并公司对被并企业的估值大于被并企业对自身的估值时才有并购交易的可能性。在并购过程中，主并企业报价为PA，被并企业报价为PB，并购最终成交价格为P，且在并购完成后，主并企业需对被并企业进行整合，期间产生的整合成本为C。
（1）协同动机层面的博弈。当主并企业预测被并企业对自身产生协同效应才会产生收购行为，设主并企业预期此次并购带来的协同效应为S，主并企业为完成并购付出的实际价格为P+C，主并企业会采取并购行为的条件为P+C-VA<S。
对被并企业而言，只有当成交价格P大于自身估价时才会选择出让自身资产或股权，即被并企业完成并购的条件为P>VB。
将主并企业和被并企业完成并购的条件结合起来，可得：
VB×R<P<S+VA×R-C
在并购过程中，并购溢价的计算方式为：
[premium=P-V×RV×R]
整理可以得到：
P=（premium+1）×V×R
最终，根据并购条件整理可得：
[premium<S+VA×R-CV×R-1]
从协同动机层面分析，并购溢价premium与被并企业实际价值、并购双方对企业估值、并购比例和并购后企业整合成本等方面有关。VA是主并企业A根据已有的关于被并企业B的资料进行的估值，即估值VA受到资料真实性、时效性的影响（景泽京、扈文秀，2013）。S是主并企业A对协同效应的预期，是结合自身业务发展方向、财务现状或管理现状与被并企业B的现状得到的预期估值，受自身现状、被并企业现状的影响。VB是被并企业对自身发展前景的估值表现，被并企业有可能对自身持过于乐观的态度，使得VB虚高。
（2）并购讨价还价过程的博弈。当PB<PA，即被并企业报价小于主并企业报价时，则并购成交，无讨价还价过程或过程较简单；当VB<PA<PB<VA，即满足被并企业报价PB既小于主并企业预期估值VA又大于主并企业报价PA时，双方存在讨价还价的空间。
按照Rubinstein的无限次轮流讨价还价模型，并购讨价还价过程由主并企业、被并企业轮流出价，双方在［PA，PB］区间内谈判，并购双方通过多次价格谈判最终达成交易价格P，其中P一定满足PA<P<PB。在该模型中，贴现因子δ可以表示并购双方的“耐心”程度，δ在［0，1］区间内取值，以此表示并购双方在谈判中的心理承受能力。由于时间的价值即谈判的成本等原因，并购双方在第t次谈判获得的价值与在第t+1次谈判获得的价值不同。假设主并企业先报价，主并企业的贴现因子为δA，被并企业贴现因子为δB，在无限次的讨价还价中，最终达成的唯一纳什均衡解（成交价格）为：
[P=1-δB（PB-PA）1-δAδB+PA]
当δA=δB=δ时，即并购双方贴现因子相同，达成的最终价格为：
[P=PB-PA1+δ+PA]
并购价格在并购双方多次讨价还价博弈过程中达成，并购双方得到的关于交易对手的信息随着谈判次数的增加而增加，有可能会改变PA与PB的值，使得并购的讨价还价过程更为复杂。
（3）博弈模型的总结。通过上述在协同动机层面的博弈模型建立、在并购讨价还价过程中的博弈模型建立，可以初步总结出各影响因素影响并购溢价的形成机制，其分析结果见下图。
如图所示，并购溢价premium由最终成交价格P决定，而最终成交一方面受并购双方讨价还价过程次数、报价顺序因素影响，另一方面受报价PA、PB影响。报价PB受被并企业B自身估值VB影响，VB除受企业B真实经营现状、发展前景影响外，还同时受企业股东、管理层影响；PA受预期协同效应S、估值VA、整合成本C影响，即整体上受主并企业A自身、被并企业B经营现状、发展前景方向共同影响，除此之外还受到资料真实性、股东和管理层干涉等因素影响。
2. 指标的确定。结合博弈模型分析，遵循代表性原则、全面性原则和数据可获取性原则，选取能够真实、及时反映并购双方企业技术水平，企业内部监1）并购双方相对资产规模。当主并企业、被并企业双方资产规模、体量相差不大时，主并企业为获取被并企业股权会付出较多资金、股权等成本，遭遇较大的来自被并企业方面的阻力，因此主并企业为达成并购会相应付出较高溢价代价（扈文秀、贾丽娜，2014）；当被并企业规模较主并企业规模小时，即使并购溢价较高，交易价格相对于主并企业整体规模仍较小。并购双方相对资产规模大小从侧面体现出主并企业为该次并购“伤筋动骨”的程度。在此提出本文假设1：
H1：并购双方相对资产规模与并购溢价呈正相关关系。
（2）主并企业独立董事比例。独立董事可以独立、客观地判断主并企业并购行为动机、并购溢价，监督主并企业合理控制并购溢价。独立董事比例较高，其意见更有可能得到董事会的重视。在此提出本文假设2：
H2：主并企业独立董事比例与并购溢价呈负相关关系。
（3）主并企业现金水平。高自由现金流量水平且低成长性企业缺乏有效途径发展业务或投资，该类企业高管通过并购扩张企业规模（宋建波、沈皓，2007）来证明管理业绩或获取额外利益。净利润现金净含量、营业收入净含量、营业利润净含量反映主并企业的现金水平（黄本多、干胜道，2009）；银行综合授信额度反映银行对企业经营状况的评估，并购部分净资产与银行综合授信额度的比值可以衡量被并企业的资金充足程度。在此提出本文假设3：
H3：主并企业现金水平与并购溢价呈正相关关系。
（4）被并企业发展潜力。互联网行业中的并购事件通常发生于较大型互联网公司与新兴互联网企业之间，主并企业愿意付出高溢价获取控制权，将被并企业业务与自身业务结合，进行业务整合，互联网主并企业不一定完全考虑被并企业目前的盈利能力或经营状态，以被并企业的净利润复合增长率、营业收入复合增长率来反映被并企业的发展潜力是可行的，同时增加被并企业在并购事件年度拥有的专利数量来反映被并企业的技术水平。在此提出本文假设4：
H4：被并企业发展潜力与并购溢价呈正相关关系。
三、实证分析
从Wind数据库搜索2012 ~ 2016年软件与服务行业已完成的并购事件，要求被并企业为互联网企业，主并企业行业不作要求，同时剔除：①主并企业不是上市公司的并购事件。②缺少并购交易价格资料的并购事件。③在各渠道都无法获取被并企业并购发生前2 ~ 3年财务数据的并购事件。最终获得81个并购事件样本，设置估计组与验证组，其中估计组74个样本，验证组7个样本。
1. 因子分析。使用SPSS 19.0对13个变量进行因子分析，得出因子分析的KMO值为0.702，sig.值为0，表明该13个指标变量适合做因子分析。13个指标变量共提取出5个公共因子，解释的累计方差为77.279%，即5个公共因子保留了原始数据77.279%的信息，代表性较强。依据旋转成分分析结果，对提取的5个公共因子进行分析并命名，见表2。
公共因子F1主要反映并购过程中主并企业治理结构、资金使用方式和被并企业的技术优势等非财务方面的影响因素，因此将公共因子F1命名为非财务影响因子；公共因子F2主要反映主并企业的现金流水平，因此将公共因子F2命名为主并企业现金流水平因子；公共因子F3主要反映主并企业的偿债能力，因此将公共因子F3命名为主并企业偿债能力因子；公共因子F4主要反映主并企业发展能力和从金融机构筹资的能力，因此将公共因子F4命名为主并企业发展筹资能力因子；公共因子F5主要反映被并企业的发展能力，因此将公共因子F5命名为被并企业发展能力因子。
通过成分得分系数矩阵（限于篇幅，此处不列示）总结5个公共因子的表达式：
F1=0.402X1-0.256X2-0.008X3+0.030X4+
0.025X5+0.047X6+0.029X7+0.058X8+0.042X9+
0.383X10-0.012X11-0.017X12+0.251X13 （1）
F2=0.073X1-0.107X2+0.050X3+0.049X4+
0.040X5+0.412X6+0.381X7+0.339X8+0.071X9+
0.035X10+0.085X11-0.005X12-0.083X13 （2）
F3=0.001X1-0.143X2-0.014X3+0.461X4+
0.455X5+0.071X6+0.091X7-0.088X8-0.069X9+
0.019X10+0.009X11-0.056X12-0.094X13 （3）
F4=-0.154X1+0.061X2+0.506X3+0.040X4+
0.031X5+0.046X6-0.127X7+0.045X8-0.541X9+0.046X10-0.007X11+0.009X12+0.140X13 （4）
F5=-0.033X1-0.029X2-0.013X3-0.045X4-
0.026X5-0.055X6+0.069X7-0.107X8-0.023X9-0.035X10-0.595X11+0.563X12+0.045X13 （5）
将变量按照上述5个表达式计算出各公共因子的具体值，并作为自变量进行多元回归分析。
2. 多元回归分析。估计组的74个样本事件中被并企业均为非上市公司，用被并企业股价计算并购溢价程度缺乏被并企业公开的历史股价数据，且我国境内并购受宏观政策、经济环境影响较大，以股价为基准计算并购溢价可能导致数据失真，因此，以被并企业年报显示的净资产计算并购溢价程度，具体计算公式为：
premium=（交易价格-目标企业净资产×被并购比例）/（目标企业净资产×被并购比例） （6）
通过因子分析提取的5个因子之间的相关系数为0，以该5个公共因子为自变量，以并购溢价程度（premium）为因变量建立多元线性回归模型，可以有效减小线性方程的多重共线性。因此，建立多元线性回归方程如式（7）所示。
premium=b1F1+b2F2+b3F3+…+bmFm （7）
其中，Fi为公共因子自变量，bi为回归系数。数据经过标准化处理即各自变量取平均水平后，因变量也应去平均水平，当等式两边为0时，为使等式成立，常数项等于0，因此该多元线性回归模型没有常数项（常数项为0）。
将74个样本数据导入SPSS 19.0，标准化后进行因子分析并保存提取的公共因子为新的变量，将公共因子导入多元线性回归方程。该回归方程R2为0.702，即因变量premium有70.2%的变异由自变量引起，方程的拟合度较高。Durbin-Watson检验用于检验残差分布是否为正态分布，Durbin-Watson检验值（DW值）越接近2，残差越独立。该方程DW值为2.124，偏离度不大，说明模型的解释能力较强。
多元回归方程的自变量回归系数的估计值与显著性统计的检验结果见表3。B表示未标准化的自变量的初始回归系数，Beta为标准化的回归系数。该回归方程对变量进行了标准化处理，因此非标准化系数B与标准系数Beta一致。
（1）并购双方相对资产规模。当主并企业、被并企业双方资产规模、体量相差不大时，主并企业为获取被并企业股权会付出较多资金、股权等成本，遭遇较大的来自被并企业方面的阻力，因此主并企业为达成并购会相应付出较高溢价代价（扈文秀、贾丽娜，2014）；当被并企业规模较主并企业规模小时，即使并购溢价较高，交易价格相对于主并企业整体规模仍较小。并购双方相对资产规模大小从侧面体现出主并企业为该次并购“伤筋动骨”的程度。在此提出本文假设1：
H1：并购双方相对资产规模与并购溢价呈正相关关系。
（2）主并企业独立董事比例。独立董事可以独立、客观地判断主并企业并购行为动机、并购溢价，监督主并企业合理控制并购溢价。独立董事比例较高，其意见更有可能得到董事会的重视。在此提出本文假设2：
H2：主并企业独立董事比例与并购溢价呈负相关关系。
（3）主并企业现金水平。高自由现金流量水平且低成长性企业缺乏有效途径发展业务或投资，该类企业高管通过并购扩张企业规模（宋建波、沈皓，2007）来证明管理业绩或获取额外利益。净利润现金净含量、营业收入净含量、营业利润净含量反映主并企业的现金水平（黄本多、干胜道，2009）；银行综合授信额度反映银行对企业经营状况的评估，并购部分净资产与银行综合授信额度的比值可以衡量被并企业的资金充足程度。在此提出本文假设3：
H3：主并企业现金水平与并购溢价呈正相关关系。
（4）被并企业发展潜力。互联网行业中的并购事件通常发生于较大型互联网公司与新兴互联网企业之间，主并企业愿意付出高溢价获取控制权，将被并企业业务与自身业务结合，进行业务整合，互联网主并企业不一定完全考虑被并企业目前的盈利能力或经营状态，以被并企业的净利润复合增长率、营业收入复合增长率来反映被并企业的发展潜力是可行的，同时增加被并企业在并购事件年度拥有的专利数量来反映被并企业的技术水平。在此提出本文假设4：
H4：被并企业发展潜力与并购溢价呈正相关关系。
三、实证分析
从Wind数据库搜索2012 ~ 2016年软件与服务行业已完成的并购事件，要求被并企业为互联网企业，主并企业行业不作要求，同时剔除：①主并企业不是上市公司的并购事件。②缺少并购交易价格资料的并购事件。③在各渠道都无法获取被并企业并购发生前2 ~ 3年财务数据的并购事件。最终获得81个并购事件样本，设置估计组与验证组，其中估计组74个样本，验证组7个样本。
1. 因子分析。使用SPSS 19.0对13个变量进行因子分析，得出因子分析的KMO值为0.702，sig.值为0，表明该13个指标变量适合做因子分析。13个指标变量共提取出5个公共因子，解释的累计方差为77.279%，即5个公共因子保留了原始数据77.279%的信息，代表性较强。依据旋转成分分析结果，对提取的5个公共因子进行分析并命名，见表2。
公共因子F1主要反映并购过程中主并企业治理结构、资金使用方式和被并企业的技术优势等非财务方面的影响因素，因此将公共因子F1命名为非财务影响因子；公共因子F2主要反映主并企业的现金流水平，因此将公共因子F2命名为主并企业现金流水平因子；公共因子F3主要反映主并企业的偿债能力，因此将公共因子F3命名为主并企业偿债能力因子；公共因子F4主要反映主并企业发展能力和从金融机构筹资的能力，因此将公共因子F4命名为主并企业发展筹资能力因子；公共因子F5主要反映被并企业的发展能力，因此将公共因子F5命名为被并企业发展能力因子。
通过成分得分系数矩阵（限于篇幅，此处不列示）总结5个公共因子的表达式：
F1=0.402X1-0.256X2-0.008X3+0.030X4+
0.025X5+0.047X6+0.029X7+0.058X8+0.042X9+
0.383X10-0.012X11-0.017X12+0.251X13 （1）
F2=0.073X1-0.107X2+0.050X3+0.049X4+
0.040X5+0.412X6+0.381X7+0.339X8+0.071X9+
0.035X10+0.085X11-0.005X12-0.083X13 （2）
F3=0.001X1-0.143X2-0.014X3+0.461X4+
0.455X5+0.071X6+0.091X7-0.088X8-0.069X9+
0.019X10+0.009X11-0.056X12-0.094X13 （3）
F4=-0.154X1+0.061X2+0.506X3+0.040X4+
0.031X5+0.046X6-0.127X7+0.045X8-0.541X9+0.046X10-0.007X11+0.009X12+0.140X13 （4）
F5=-0.033X1-0.029X2-0.013X3-0.045X4-
0.026X5-0.055X6+0.069X7-0.107X8-0.023X9-0.035X10-0.595X11+0.563X12+0.045X13 （5）
将变量按照上述5个表达式计算出各公共因子的具体值，并作为自变量进行多元回归分析。
2. 多元回归分析。估计组的74个样本事件中被并企业均为非上市公司，用被并企业股价计算并购溢价程度缺乏被并企业公开的历史股价数据，且我国境内并购受宏观政策、经济环境影响较大，以股价为基准计算并购溢价可能导致数据失真，因此，以被并企业年报显示的净资产计算并购溢价程度，具体计算公式为：
premium=（交易价格-目标企业净资产×被并购比例）/（目标企业净资产×被并购比例） （6）
通过因子分析提取的5个因子之间的相关系数为0，以该5个公共因子为自变量，以并购溢价程度（premium）为因变量建立多元线性回归模型，可以有效减小线性方程的多重共线性。因此，建立多元线性回归方程如式（7）所示。
premium=b1F1+b2F2+b3F3+…+bmFm （7）
其中，Fi为公共因子自变量，bi为回归系数。数据经过标准化处理即各自变量取平均水平后，因变量也应去平均水平，当等式两边为0时，为使等式成立，常数项等于0，因此该多元线性回归模型没有常数项（常数项为0）。
将74个样本数据导入SPSS 19.0，标准化后进行因子分析并保存提取的公共因子为新的变量，将公共因子导入多元线性回归方程。该回归方程R2为0.702，即因变量premium有70.2%的变异由自变量引起，方程的拟合度较高。Durbin-Watson检验用于检验残差分布是否为正态分布，Durbin-Watson检验值（DW值）越接近2，残差越独立。该方程DW值为2.124，偏离度不大，说明模型的解释能力较强。
多元回归方程的自变量回归系数的估计值与显著性统计的检验结果见表3。B表示未标准化的自变量的初始回归系数，Beta为标准化的回归系数。该回归方程对变量进行了标准化处理，因此非标准化系数B与标准系数Beta一致。共线性统计量中，容差和VIF都等于1，说明自变量间完全正交，变量之间不存在共线性关系。
自变量F1非财务影响因子与因变量premium的回归系数为0.041，即F1与premium呈正相关关系，sig.值为0.209，即显著性水平不高，非财务影响因子对因变量的影响不显著。
自变量F2主并企业现金流水平因子与因变量premium的回归系数为0.202，即F2与premium呈正相关关系，sig.值为0.017，通过显著性检验，主并企业现金流水平因子对因变量的影响显著。
自变量F3主并企业偿债能力因子与因变量premium的回归系数为0.024，即F3与premium呈正相关关系，sig.值为0.077，显著性水平不高，但其偏离标准值0.05不大，可以保留。
自变量F4主并企业发展筹资能力因子与因变量premium的回归系数为-0.043，即F4与premium呈负相关关系，sig.值为0.067，显著性水平不高，但其偏离标准值0.05不大，可以保留。
自变量F5被并企业发展能力因子与因变量premium的回归系数为0.064，sig.值为0.042，通过显著性检验，被并企业发展能力因子对因变量的影响显著。
综上所述，自变量F2、F3、F4、F5与因变量premium存在相关关系，且sig.值接近0.05，从理论分析是可以存在的，因此保留自变量F2、F3、F4、F5。
因此，并购溢价影响因素多元线性回归模型如式（8）所示：
premium=0.202F2+0.024F3-0.043F4+0.064F5
+ε （8）
3. 稳健性检验与回归模型的验证。
（1）模型的稳健性检验。稳健性检验是检验实证结果是否会随着参数设定不同而发生改变的检验方法。检验方法主要有以下两种：一是可以通过对数据的不同标准进行分类，对不同类别的样本数据进行回归，观察模型结构是否会出现巨大变化；二是指标替换法，用相近的指标变量替换现有变量，如用并购双方相对总资产规模替换双方净资产规模再次进行回归分析。
多元线性回归模型的因变量是公共因子，若采用指标替换法可能会直接改变提取的公共因子数量，使模型因变量数量增加从而改变模型结构，因此采用对样本数据进行分类的检验方法。
估计组74个并购事件中，2014年发生了24起并购事件，2015年发生了30起并购事件，以并购事件发生年度为分类标准，对样本数据进行分类回归，可以检验回归模型的稳健性。
仅对2014年发生的并购事件进行回归，对于2014年发生的并购事件，F1、F2、F3与premium呈正相关关系，F4、F5与premium呈负相关关系。此次检验F5与premium的相关性与表3产生差别，但F5的回归系数仅为-0.01，即在此次回归中，F5对premium的影响很小，整体上仅将2014年并购样本进行回归得到的结果与整体回归结果基本保持一致，可以证明该回归方程基本稳健。
（2）回归模型的验证。首先将验证组的7个样本指标导入因子分析，计算该6个样本的因子得分；其次将因子得分导入回归模型式（8），比较模型计算得到的并购溢价premium与实际并购溢价premium（R）的误差，计算其绝对误差与整体平均误差值。其结果如表4所示。
由表4可知，7起并购事件的实际并购溢价率为8.702643，由回归方程计算的并购溢价率为8.204814，相对误差均值为0.064643，总体上验证效果良好，可见方程的总体解释能力较强。
四、面向主并企业的对策与建议
1. 建立科学合理的决策机制。主并企业现金流水平因子F2对并购溢价premium的影响显著，当企业净利润现金含量、营业收入现金净含量、营业利润现金净含量提高，主并企业的现金流水平趋向良好时，主并企业容易采取高溢价的并购方式，其并购行为存在不理智现象，因此必须建立科学合理的决策机制。
（1）选择具有丰富经验的中介机构。投资银行在并购中发挥着重要作用，为企业选择并购对象、并购价格（并购溢价）、并购方式等提出专业性建议，选择具有丰富的互联网行业并购经验的中介机构，可以弥补企业管理层在并购知识、相关事件经验方面的不足，选择合适的并购溢价。
（2）重新设计组织结构、岗位权责以降低企业管理层“一人独大”现象。通过重新设计组织结构、管理层的岗位权责，使股东与高管相互制约、高管之间相互制约，可以减少不必要的高溢价并购行为。
（3）提高独立董事比例，建立合理的激励约束机制。对比中介机构，独立董事既具有专业知识，可以做出独立、客观的判断，又比中介机构熟悉主并企业的真实经营现状、财务绩效水平等。提高独立董事比例可以提高主并企业独立董事在行权上的独立性，充分发挥独立董事的专业能力，防止股东、管理层因自利动机、过度自信等而做出不理智的并购行为；建立独立董事合理激励约束机制，将独立董事持股、现金奖励与并购绩效挂钩，促使独立董事谨慎审核并购方案，杜绝独立董事决策“走过场”现象；对独立董事进行相应的制约，独立董事不应在上市公司担任独立董事外的其他职务，保证判断的客观性。
2. 减少并购信息不对称现象。被并企业发展能力因子F5对并购溢价premium的影响显著，被并企业净利润复合增长率越低、营业收入复合增长率越高，并购溢价越高，要求净利润复合增长率与营业收入复合增长率呈反方向变化，即表明被并企业的成本提高，与互联网行业规模边际增加规律事实不符，需要加大样本量继续检验。
对于主并企业而言，收集到的关于被并企业净利润复合增长率、营业收入复合增长率等数据不一定真实、精确，且互联网行业并购事件中，部分被并企业成立仅有2 ~ 3年，存在被并企业不披露真实数据的现象，并购双方存在较为严重的信息不对称。主并企业与被并企业之间的信息不对称会使互联网行业并购产生高溢价现象。可以通过以下两种方式来减少并购信息不对称现象。
（1）做好尽职调查。对企业的相关数据、人员背景等进行深入调查、审核。选择有经验的中介机构可以提高信息的真实性与准确性，减少并购信息不对称的现象。
（2）多维度考核被并企业。当被并企业以消极态度抵抗并购时，其披露的财务数据极有可能失真，抬高要价以此逼退主并企业。针对这种情况，主并企业除了要做好尽职调查，还需要从其他维度对被并企业进行调查，如实地调查被并企业日常运营情况。针对互联网行业，通过购买企业服务感知被并企业经营现状，通过与其他用户交流感知其服务质量等相关影响指标。
主要参考文献：
黄本多，干胜道．自由现金流量、并购溢价与我国上市公司并购绩效的实证研究［J］．华东经济管理，2009（4）．
宋建波，沈皓．管理者代理动机与扩张式并购绩效的实证研究——来自沪深A股市场的经验证据［J］．财经问题研究，2007（2）．
扈文秀，贾丽娜．基于并购动机视角的并购溢价影响因素研究［J］．西安理工大学学报，2014（2）．
景泽京，扈文秀．信息不对称下的壳公司并购对价模型［J］．系统工程，2013（7）．
姜英兵．双重政治联系与并购溢价——基于2003-2012年A股上市公司并购事件的实证研究［J］．宏观经济研究，2014（2）．
刘红霞，王秀婷，李任斯．基于国家风险的我国企业跨国并购交易财务政策选择研究［J］．中央财经大学学报，2014（3）．
宋骁，林晓丹．企业并购溢价影响因素——基于IFRS采用视角的文献综述研究［J］．中国管理信息化，2015（8）．
于成永，邵巍．并购溢价率评估模型中控制权因素研究［J］．会计之友，2015（23）．
Zhu D. H.．Anchoring on the acquisition
premium decisions of others［J］．Strategic Management Journal，2013（7）．
安慧．企业并购定价决策机制研究——基于协同效应与影响成本的视角［J］．会计之友，2010（3）．
