5.1.1 描述性统计分析
数据的描述性统计是用数据的统计特征值，如极大值、极小值、均值、方差等基本情况来研究数据的分布情况。根据第四章研究设计的变量设置，本文对最终选取的 321 个样本进行描述性统计，以观察样本数据的典型特质。
我国 A 股上市公司 2016-2018 年并购案例中，并购过程中产生合并商誉的 321个样本在发生并购当年资产负债表日的每股商誉净额GW分布如表5-1。总体来看，每股合并商誉净额均值为 1.98，最小值为接近于 0，而最大值为 18.59，标准差为2.12，峰度偏度分别为 2.94、18.88，可见 321 个样本中的每股合并商誉分布不均匀，波动较大，即不同的并购案例中，产生的合并商誉差异较大。
分年度的统计结果可以看出，2018 年的样本量减少幅度较大，这与本文第三章的相关分析吻合。2015 年是我国并购市场最活跃的一年，2016 年以后，随着并购政策更加严格和规范，我国的并购市场的活跃度持续降低。从每股合并商誉净额 GW 均值来看，2016 到 2018 年，分别为 2.01、2.00、1.90，变化并不明显，但从中位数、最大值和标准差来看，都呈下降趋势，且 2018 年下降幅度相对较大，这与 A 股实际情况相吻合。2018 年是 A 股的商誉减值年，数据统计显示，2018年，A 股共有 871 家上市公司共计提商誉减值金额高达 1658.6 亿元，是 A 股商誉减值史上最高的年份。
.............................
第六章 研究结论与研究局限
6.1 本文研究结论
本文探索了并购交易特征对并购交易所产生的合并商誉的价值相关性的影响，为今后的周密研究提供基础。首先，本文在总结已有文献对合并商誉价值相关性研究的基础上，基于 Ohlson 剩余收益模型构建了本文的实证研究模型，在我国 A 股上市公司 2016-2018 年完成的并购案例中，选取并购过程中产生了新增商誉的案例作为本文研究的样本。为了检验不同并购特征下产生的合并商誉其价值相关性有何差异，首先本文对全样本进行实证检验，发现合并商誉与股价具有正的相关性，且当年新增合并商誉的价值相关性更强。在此基础上，本文对样本进行分组检验，对比不同并购特征下，合并商誉的价值相关性表现有何不同，本文得到如下结论：根据对全样本的相关性分析及回归分析结果，本文证实了每股合并商誉净额与股价具有正的相关性，及每股商誉净额越大，公司市值越高，这证明了合并商誉在证券定价中的作用。杜兴强、杜颖洁、周泽将（2011）[10]认为合并商誉的核心构成要素是并购时点被并购企业的自创商誉和预期企业合并后能够产生的协同效应，因此合并商誉预期能够为企业带来超额收益。但本文实证研究结果表明每股可辨认净资产、每股收益与股价都有显著的正相关关系，且相关系数比合并商誉更高，这说明合并商誉对股价的贡献程度小于其他资产，并没有体现出“超额收益性”。这可能有两个反面的原因：一是企业并购时，过高的评估增值使得所确认的合并商誉包含了很多杂质，降低了合并商誉对价值的解释能力。另一方面可能是因为企业没有根据具体情况及时调整合并商誉的账面价值。本文用 5 月、6 月、7 月、8 月底的股价对实证分析结果进行了稳健性检验，上述结果依然成立，但发现以 5 月、6 月、7 月、8 月底的股价作为被解释变量时，回归模型的拟合效果更好，一定程度上证明本文的资本市场对信息的吸收具有时滞性。
参考文献（略）
