この​記事で​分かる​こと

  • 米国の買収5,550件について、買収した会社を統合する事業部門の長（統合責任者）の経歴と、統合の成否・シナジーの実現・発表時の株価反応との関係を測った研究の結果
  • 関係が確認されたのは「対象会社の業界での職務経験」で、買収の経験・金融の経験・CEOとのつながりなどはおおむね有意な関係が確認されなかったこと。有意な関係が見られたのは相手選びや価格交渉ではなく、統合計画と統合の実行の段階だったこと
  • 統合の成否の測り方に残る限界と、日本の買い手・FA・PMI担当が統合計画で「誰が統合を担うか」を確かめる手順（発表時の株価反応の差を試算する設例つき）

想定読者：事業会社の経営企画・M&A担当、PMIの責任者・事務局、買い手側のFA・FAS、投資先の統合を支援するPEの実務家
前提知識：シナジーとPMIの基本的な考え方（研究で使う統計の手法は本文で説明する）

買収の交渉が大詰めを迎えると、取締役会の資料は価格とシナジーの数字で埋まる。一方で「クロージングの翌日から誰が対象会社を預かるのか」は、人事の調整事項として後回しにされやすい。統合を担う部門長の候補が二人いて、一人は社内の買収案件を何度も経験した管理畑、もう一人は対象会社の業界で長く働いてきた営業出身だとしたら、どちらを選ぶべきか。

買収の多くは統合でつまずく、という見方は実務でも研究でも繰り返されてきた。ただ、統合の過程は外から見えにくく、何が統合の成否を分けるかを多数の案件で測った実証は多くない。本稿は、統合を担う事業部門の長の経歴に着目した米国の研究を読み、日本の統合計画で何を確かめるべきかを考える。

この記事が主に参照する研究

Sinan Gokkaya、Xi Liu、René M. Stulz（2026）「買収後の統合はいつ成功するか：統合のブラックボックスの内側からの証拠（When Does Acquisition Integration Succeed? Evidence from Inside the Integration Black Box）」ECGI Finance Working Paper No. 1134/2026（NBER Working Paper No. 35074 と同題）

  • 公表：前身稿 2025年12月（表紙の日付。旧題 “Do Business Unit Leaders Matter for Mergers and Acquisitions?”）。参照した版：ECGI WP 版（2026年4月）。NBER・SSRN 上の、より新しい改訂の有無は未確認。査読：未査読（WP）
  • データ：米国の上場企業による買収5,550件（2000〜2020年、買い手1,636社）、統合を担った事業部門の長5,190人の職歴、決算説明会・投資家向け会議の書き起こし
  • 方法：統合責任者と案件を手作業で対応づけ、発言の文章から統合の成否を測る相関の分析。固定効果・反証テスト・操作変数などで頑健性を確かめる
  • 位置づけ：経営者や投資銀行の業界経験に関する既存研究を、統合の責任者に広げた新しいデータ・測定による実証

統合責任者と​「シナジーの実現」を​測る​ための​基礎

PMI（買収後の統合）は、買収した会社の組織・業務・顧客・システムを買い手の事業に組み込み、買収価格に織り込んだシナジーを実際の利益に変える過程である。研究が対象にする事業部門の長（business unit leader、以下BUL）は、米国企業で事業部やセグメントを率いる社長・責任者を指す。著者らの整理では、BULは買収の戦略策定・相手選び・交渉といった前段には通常関わらず、クロージング後の統合と運営に責任を持つ1。日本の会社で言えば、買収した会社を傘下に置く事業本部長や、統合の実行を任された事業部長に近い。

シナジーは、売上の上積み（収益シナジー）、費用の削減（コストシナジー）、資金調達や税の有利化（財務シナジー）に分けて考えるのが一般的である（コストシナジーと​収益シナジー）。研究はこの区分ごとに、統合を担う人の経歴との関係を見ている。

株価の指標として使われるのは、買収の発表前後5営業日の異常収益率を足し上げた累積異常収益率（CAR）である。市場全体の動きで説明できる分を除いた買い手の株価の反応で、市場が発表時点でその買収の価値をどう評価したかを表す。統合が実際にうまくいったかを測るものではない点は、後で効いてくる。

対象業界の​経験が​長い​統合責任者ほど、​統合の​成功が​語られていた

著者らは、BoardExなどの職歴データからBULを特定し、買い手の事業のうち対象会社と同じ業種の部門の長を統合責任者と仮定したうえで、10-Kの注記にあるのれんの配分先などで手作業で確かめた。米国基準では、のれんは買収の便益を受ける報告単位に配分されるため、配分先が統合を担う部門の手がかりになる2。主な説明変数は、対象会社と同じ業界（SIC2桁）での過去の職務経験の年数で、平均6.3年、中央値5年だった。対象業界で買収を経験したBULは13.7%、金融・投資銀行の経験者は9%未満にとどまる3。

統合の成否は、買い手の経営陣が決算説明会や投資家向け会議で語った内容から測る。対象会社の名前と統合に関する語を含む発言を取り出し、遅れや不備を述べたものを「失敗」、順調な進捗や完了を述べたものを「成功」に分類した。分類には生成AI（Claude Opus 4.6）を使い、否定文・将来の見通し・システム統合の話を除いたうえで、抽出した全件を人が確認したという4。

完了から1年以内に統合の進捗に触れた案件は16.28%で、失敗の言及は6.59%、成功の言及は9.69%だった。図1は、BULの業界経験を中央値で二分して比べたものである。経験の長い群では失敗の言及が少なく、成功の言及は約3倍あった5。

図1 業界経験の長短と統合の言及・株価反応図1　業界経験の長短と統合の言及・株価反応統合責任者の対象業界の経験を中央値で二分濃い棒＝経験が長い群、薄い棒＝短い群完了後1年以内に「統合の失敗」に触れた割合経験が長い5.51%経験が短い7.66%完了後1年以内に「統合の成功」に触れた割合経験が長い14.68%経験が短い4.76%発表時の累積異常収益率（CAR、5営業日）経験が長い1.349%1%水準で有意経験が短い−0.110%有意でない0
出所：R1（ECGI WP 版, 2026年4月）​p.25（表にない単変量の集計）と​表4 Panel A​（p.73）の​数値を​基に​大手町​プレップ​作成。​対象は​米国の​上場企業に​よる​買収​（2000〜2020年）。​統合の​言及は​決算説明会・​投資家向け​会議の​経営陣の​発言を​生成AIと​人の​確認で​分類した​もの​（全体の​平均は​失敗6.59%・成功9.69%）。​言及率の​差は​いずれも​1%水準で​有意。​買い手や​案件の​違いを​統制していない​単純な​比較で、​統制した​回帰の​結果は​図2。​CARの​差は​1.459%ポイント​（1%水準で有意）。

図1は買い手や案件の違いを統制していない単純な比較である。買い手の規模、対象会社の相対的な大きさ、上場・非上場、支払手段、助言会社、業種と年などを統制した回帰でも、業界経験が1標準偏差長いと、1年以内の失敗の言及確率は3.98%ポイント低く（平均6.59%に対して約60.39%の低下）、成功の言及確率は4.32%ポイント高かった。1標準偏差の年数は論文に書かれていないが、係数と本文の換算から逆算すると約4.7年に当たる（編集部の計算）6。これに対し、買収の経験、金融・投資銀行の経験、CEOとの職歴・学歴のつながり、年齢・性別、一般的な経営能力の代理指標は、統合の成否とおおむね統計的に有意な関係が確認されなかった7。

同じ方法でシナジーの言及を測ると、業界経験が長いほど「シナジーを達成した」という言及が多く、「未達だった」という言及が少ない。収益シナジーとコストシナジーの両方で同じ方向の関係があり、財務諸表でも、統合を担った部門の売上成長率が高く、売上原価率・営業費用率の改善が大きく、3年以内ののれん減損が少なかった8。一方、本社の財務・税務部門が主に担う財務シナジーとは統計的に有意な関係が確認されず、著者らはこれを、関係が統合の実務に固有であることの反証テストと位置づける9。図2に、1標準偏差の差に対応する変化をまとめた。

図2 業界経験1標準偏差あたりの変化図2　業界経験が1標準偏差長いと何が変わるか回帰による推計（1標準偏差≒約4.7年、%ポイント）いずれも統計的に有意。各項目の下段は全体の平均など統合の失敗に触れる確率平均6.59%−3.98統合の成功に触れる確率平均9.69%+4.32シナジー達成に触れる確率1年以内+2.90シナジー未達に触れる確率1年以内−0.78完了前の統合計画の公表公表の確率+3.60発表時CAR平均0.615%+1.11−40+4変化（%ポイント）
出所：R1（ECGI WP 版）​p.26〜27（表2）、​p.29（表3）、​p.34（表5）、​p.45（表9）の​本文の​換算値を​基に​大手町​プレップ​作成。​言及・​公表は​線形確率​モデル、​CARは​最小二乗法で、​買い手と​案件の​属性を​統制。​固定効果は​仕様に​より​異なり、​言及​（表2・表3）は​業種×年、​CARの​換算に​用いた​表5 Panel A モデル1と​統合計画の​公表​（表9）は​説明文では​業種と​年を​別々に​入れると​するが、​表の​固定効果の​行は​業種×年で、​原典内で​記載が​一致しない。​論文は​確率の​差を​「%」と​書くが%ポイントで​表示した。​1標準偏差の​年数​（約4.7年）は​論文に​無く、​係数と​本文の​換算から​逆算した​編集部の​計算。​CARは​株価の​反応の​差、​他は​確率の​差で、​単位の​意味が​異なる。​金色の​棒は​減少。​相関の​分析で、​因果関係を​確定した​ものではない。

発表時の株価反応でも差がある。業界経験が中央値より長いBULが統合した案件のCARは平均1.349%（1%水準で有意）、短い群は−0.110%で有意ではなかった。上場会社の買収や株式を対価に含む案件のように平均の反応が悪い区分でも、経験の長い群の方が高い10。統制を加えた回帰では、1標準偏差の差でCARが1.11%ポイント高く、長期の株価・業種調整後のROA・アナリスト予想の修正でも同じ方向の関係が見られた11。業界経験とCARの関係は、対象会社が相対的に大きい案件、上場会社、労働集約的な業種、州をまたぐ案件、事業の多角化になる案件で大きかった。統合が難しいと事前に見込まれる案件ほど経験の差と株価反応の関係が強い、という形である12。

では、経験の長いBULは「良い相手を選ぶ」ことで成果を上げたのか。研究では、この説明を支持する有意な関係は確認されなかった。買い手と対象会社を合わせたCAR（シナジーの大きさの代理）、文化的な距離、買収プレミアム、買い手が得た利益の取り分は、業界経験と有意な関係が無く、他の属性も一貫した関係を示さなかった13。関係が見られたのは、完了前に統合計画を公表する確率（1標準偏差で3.6%ポイント上昇）と、発表から効力発生までの日数（デューデリジェンスの長さの代理）だった14。統合を担う人の経験との関係は、相手選びや価格ではなく、統合の準備と実行の段階で見られたことになる。表1に、段階ごとの結果を整理した。

表1　統合責任者の属性と、買収の段階ごとの結果

表は横にスクロールできます →

段階見た結果対象業界の経験その他の属性
相手選びシナジーの大きさ（合算CAR・金額の利得・EPS増加への言及）有意な関係なし一貫した関係なし（注）
相手選び文化的な距離有意な関係なし一貫した関係なし（注）
価格交渉買収プレミアム・買い手の取り分有意な関係なし一貫した関係なし（注）
DD・計画完了前の統合計画の公表正の関係有意な関係なし
DD・計画発表から効力発生までの日数（DDの長さの代理）正の関係一貫した関係なし（注）
統合統合の失敗への言及負の関係一貫した関係なし（注）
統合統合の成功への言及正の関係有意な関係なし
統合取引・収益・コストのシナジー達成への言及正の関係一貫した関係なし（注）
統合財務シナジー（資金調達・税）有意な関係なし有意な関係なし
統合のれん減損（3年以内）負の関係有意な関係なし
成果発表時CAR・長期株価・業種調整ROA正の関係一貫した関係なし（注）
成果対象業界の事業の売却（3年以内）負の関係一貫した関係なし（注）
経歴昇進／解任（3年以内）昇進は正・解任は負有意な関係なし
出所：R1（ECGI WP 版, 2026年4月）​表2〜10（p.67〜85）と​本文 p.26〜47 を​基に​大手町​プレップ​作成。​「その他の属性」は​対象業界での​買収経験、​金融・​投資銀行の​経験、​CEOとの​職歴・学歴の​つながり​（以上は主な仕様）、​年齢・性別・​一般的な​能力の​代理​（追加の仕様）。​（注）​多数の​仕様の​うち一部で、​業界経験以外の​属性の​係数が​10%​（一部5%）​水準に​なるが、​期間・仕様を​またいで​同じ​方向に​そろわない​もの。​例：統合の​失敗への​言及では​CEOとの​学歴の​つながり​（1年、負）、​女性​（2年、正）、​金融の​経験​（3年、負）。​DDの​日数では​CEOとの​学歴の​つながり​（正、10%水準）、​事業の​売却では​対象業界での​買収経験​（正、​10%水準、​表5 Panel B モデル10）。​相手選び・​価格の​分析の​一部は​上場会社の​買収に​限る。​のれん減損​（表3 Panel A モデル7・8）と​事業の​売却は、​主な​仕様の​属性のみ​原表で​確認した。​いずれも​相関で、​因果関係を​確定した​ものではない。

なお、業界経験の長いBULは買収後3年以内に昇進しやすく、解任されにくかった15。

対象・方法・​限界：何が​言えて、​何が​言えないか

標本は米国の上場企業が米国の会社を買った案件で、事業部制の会社に限られる（機能別組織の会社は除外）。統合責任者の割当には、業種の一致とのれんの配分からの推定が入る。業界経験の長いBULが偶然でなく選ばれている可能性について、著者らは業界経験と発表時CARの関係を対象に、同じBULが複数の事業で統合した案件の比較、業界と無関係な経験による反証、任命から3〜5年以上たったBULへの限定、企業内・同一年内の比較、地域の業界経験者の供給を使う操作変数法などを重ね、関係が保たれることを示している（統合の成否の言及について同じ検証を重ねたわけではない）16。それでも、操作変数の前提（地域の人材の供給が買収の成果に直接は影響しない）は仮定であり、因果関係が確定したとまでは言えない。

より大きな留保は、統合の成否の測り方にある。測っているのは「経営陣が投資家の前で統合の成否を語ったか」で、進捗に触れた案件は1年以内で16.28%にとどまる。機関投資家の持分が高い買い手ほど進捗を語りやすいという結果もあり17、語る・語らないの選択が結果に混ざる余地は残る。生成AIによる分類の精度も数値では示されていない。前身稿（2025年12月）では統合の成否を10-Kの文章で測っており、失敗の言及率は5.9%、1標準偏差での低下は3.0%ポイントだった18。測り方を変えても方向は同じだが、大きさは測り方で変わると読むのが妥当だろう。発表時のCARも統合が始まる前の市場の評価で、著者らはそれを統合の能力が織り込まれたものと解釈している。

同じ著者らは先行研究で、M&Aの専任スタッフを持つ会社の買収は発表時のCARが平均0.75%、持たない会社は−0.12%（有意でない）だったと報告している19。前段を担う組織と後段を担う人の両方が成果と関係する、というのが二つの研究を合わせた見取り図になる。ただし本研究では、専任スタッフを持つ買い手でのBULの経験の差は0.383%ポイント（10%水準）と、持たない買い手（2.152%ポイント）より小さかった20。本研究は査読前の論文で、反対の結果を示す研究や再現の試みは本稿の調査では確認できていない。

大手町​プレップの​考察：人選は​「統合計画の一部」と​して​審議する

以下は編集部の見方であり、研究が検証したものではない。

研究が示した関係が日本でも成り立つと仮定すると、統合責任者の人選は人事の事後処理ではなく、買収価格の前提を支える項目になる。シナジーの数字が対象業界の顧客・調達・製造の理解に依存しているなら、その理解を持つ人が実行を担うかどうかで、数字の確からしさが変わるからである。取締役会や投資委員会がシナジーの金額を審議するのと同じ場で、誰が・どの経験で実行するかを確かめる意味はここにある。

買収経験や金融・投資銀行での職務経験と統合の成否には、おおむね有意な関係が確認されなかったという結果は、それらが不要という意味ではない。前段の案件管理や価格の規律は専任スタッフやFAが担い、後段の実行は業界を知る人が担う、という役割分担を示唆していると読むのが自然だろう。また、経験との関係が大型・異業種・遠隔地の案件で強かったことから、難しい案件ほど「社内で手が空いている人」に統合を任せる危うさが大きいと考えられる（仮説）。

日本の​実務への​応用：制度と​体制の​違いを​踏まえて

日本で同じ発想を使うときに、まず違うのは会計である。日本基準では、のれんを20年以内の効果の及ぶ期間で規則的に償却する21。償却が毎期進むため、統合が不調でも減損として表に出る時期や大きさは、米国の研究が観察した環境と同じとは限らない（のれん償却の​日本基準と​IFRSの​違い）。日本基準の会社が「減損が出ていないから統合は順調」と判断するのは、米国の研究が使った信号をそのまま当てはめることになり、注意が要る（編集部の推論）。

体制の面では、中小企業庁の「中小PMIガイドライン」（2022年3月）が、中規模以上の案件のPMI推進体制を「重要意思決定」「企画・推進」「実務作業」に分けて分担するよう示している。同ガイドラインの調査では、PMIの推進に関わる人数は譲受側が平均4.71人、譲渡側が2.04人だった（52件）22。研究のBULは、この区分では「企画・推進」から「実務作業」の統括に当たると考えられる。大企業での体制の一案としては、経営企画部や統合​マネジメントオフィス​（IMO）が全体を管理し、事業部が実行を担う形が考えられる（編集部の提案。日本企業での普及度は本稿では確認していない）。M&A機能を​専任部署に​置くか​事業部が​兼ねるかという組織の選択と、統合の実行責任を誰に置くかは、分けて考える必要がある。

FAや買い手側のアドバイザーにとっては、統合計画の説明を受ける際に、責任者の氏名と経歴が書かれているか、シナジーの項目ごとに担当部門が決まっているかが確認点になる。PEファンドが投資先の追加買収​（Add-on）の​統合を進める場合も、投資先の経営陣のうち誰が対象会社の業界を知っているかは、同じ問いになる。

学習用の​設例：統合責任者の​経験の​差は、​発表時の​株価反応で​どの​程度か

学習用の設例（架空）

  • 買い手A社：東証プライム上場の部品メーカー（架空）。株式時価総額3,000億円
  • 統合責任者の候補：X氏（対象業界の経験2年）、Y氏（同9年）。経験の差は7年
  • 研究の表7（モデル1）の係数を当てはめる：経験1年あたりCARが、対象会社の相対規模が中央値以下の案件で0.141%ポイント、中央値超の案件で0.301%ポイント（0.141＋交差項0.160、合算は編集部の計算）
  • 米国の平均的な関係を架空の会社に当てはめた桁の感覚であり、日本の会社・個別の案件で検証された値ではない。CARの差は株価の反応の差で、統合で実現する利益の額ではない

経験の差7年をそのまま係数に掛けると、相対的に小さな買収ではCARの差が0.99%ポイント、時価総額に直して約29.6億円、大きな買収では2.11%ポイント、約63.2億円になる23。図3は、経験の差を0〜10年で動かしたときの目安である。

図3 設例 経験の差とCARの差図3　設例：経験の差とCARの差の目安研究の係数を架空のA社に当てはめた場合（%ポイント）横軸＝統合責任者候補の対象業界の経験の差（年）対象会社が相対的に大きい（0.301／年）対象会社が相対的に小さい（0.141／年）1.02.03.02.11（約63.2億円）0.99（約29.6億円）0年2年4年6年8年10年経験の差（年）
出所：R1（ECGI WP 版）​表7 モデル1（p.79）の​係数と​学習用の​仮定に​基づき大手町​プレップ作成​（A社は架空）。​A社の​株式時価総額3,000億円、​候補X氏​（経験2年）と​Y氏​（同9年）の​差7年の​点に、​CARの​差と​時価総額換算の​金額を​示した。​相対的に​大きい​案件の​係数0.301は​基準の​0.141と​交差項0.160の​合計​（編集部の計算、合計の有意性は未確認）。​米国の​買収の​平均的な​関係を​直線で​延長した​もので、​日本の​会社・個別の​案件で​検証されていない。​CARは​発表時の​株価の​反応で、​統合で​実現する​利益の​額ではない。

この試算から読み取りたいのは金額そのものではなく、同じ人選の差でも案件が大きく難しいほど影響が大きくなるという傾きの違いである。実際の判断では、人選を発表時に公表するかどうか、市場がそれを評価できるかどうかも分からない。社内の審議で、シナジーの金額の確からしさを人選の観点から点検する材料として使うのが適切だろう。

明日から​使える​確認項目

  1. 統合責任者の氏名・現職・対象業界での職務経験の年数が、価格とシナジーの審議資料に記載されているか。記載が無ければ「誰がこのシナジーを実行するのか」を質問する。
  2. シナジーの項目（収益・コスト・財務）ごとに担当部門と責任者が決まっているか。収益・コストのシナジーを事業側、財務シナジーを本社の財務・税務が担う形になっているか（シナジー​実現管理）。
  3. 案件の難しさの点検：対象会社の相対規模、上場か否か、労働集約度、拠点の距離、異業種かどうか。該当が多いのに統合責任者の対象業界の経験が乏しい場合、経験を補う手当て（対象会社側の人材の残留、業界経験者の登用）を計画に書く。補い方の効果は研究で検証されていない編集部の提案である。
  4. 統合計画をクロージング前にどこまで作っているか。研究では業界経験の長い統合責任者ほど完了前に計画を公表していた。Day1の​組織設計と100日計画の素案が、責任者本人の関与のもとで作られているかを確かめる。
  5. 統合の進捗の測り方：「減損が出ていない」ことを統合順調の根拠にしない。シナジーの実現額、顧客の離脱率、キーパーソンの残留など、統合の実務に近い指標で四半期ごとに確認する。

よく​ある​質問

M&Aの​経験が​豊富な​人を​統合責任者に​するのは​間違いですか。

研究では、​BULの​過去の​買収経験は​統合の​成否と​統計的に​有意な​関係が​おおむね​確認されませんでした。​経験が​役に​立たないと​示したわけではなく、​対象業界の​経験には​一貫して​有意な​関係が​見られた​一方、​買収経験には​一貫した​関係が​見られなかったと​いう​ことです​（両者の差を直接検定したものではありません）。​買収経験の​ある​人を​事務局や​IMOに​置き、​実行の​責任者は​業界を​知る​人に​する、と​いう​組み合わせも​考えられます。

この​研究は​日本企業にも​当ては​まりますか。

標本は​米国の​上場企業に​よる​米国企業の​買収で、​日本の​会社は​含まれていません。​会計​（のれんの償却）や​統合の​体制、​投資家への​説明の​慣行も​違う​ため、​結果を​そのまま​当ては​める​ことは​できません。​統合計画の​確認項目を​考える​手が​かりと​して​使うのが​現実的です。

まとめ

Gokkaya、Liu、Stulzの研究は、米国の買収5,550件で、統合を担う事業部門の長の対象業界での経験が長いほど、統合の成功やシナジーの達成が語られ、発表時の株価反応も良かったことを示した。買収の経験や金融の経験などは、おおむね有意な関係が確認されなかった。有意な関係が見られたのは相手選びや価格ではなく統合計画と実行の段階で、関係は難しい案件ほど強かった。統合の成否を経営陣の発言で測るという方法の限界は残るが、統合責任者の人選を価格やシナジーと同じ場で審議する理由としては十分な材料になる。

次に​読む

脚注

  1. R1（ECGI WP 版, 2026年4月）p.6（1節）。BUL の役割の整理は著者が実務の調査（Ernst & Young、McKinsey、Deloitte）を引いて述べたもの。ページは PDF の物理ページで、論文に印刷されたページ番号は p.N−5（以下同じ）。↩
  2. R1 p.18〜20（2.2節）・脚注5・7・8。単一事業の買い手は既存の BUL、複数事業の買い手は対象会社と同じ SIC4桁の事業の BUL を仮に割り当て、10-K の注記・MD&A・プレスリリース・8-K・買収時の電話会議で確認した。標本は5,550件（取引金額の合計4.4兆ドル超）、買い手1,636社、BUL 5,190人（p.7・p.20）。期間は本文で「2000〜2022年」（p.7、BUL の標本）、「2000〜2021年」（p.19、SDC の抽出期間）、「2000〜2020年」（p.20・表1 p.66・p.48）と表記が揺れており、本稿は表1の表記に従った。↩
  3. R1 p.16（2.1節、業界経験の定義）、p.22・表1 Panel D（p.66〜67）。CEO との職歴のつながり16%・学歴のつながり8.5%、平均年齢48歳、女性8.6%（p.22）。業界経験の標準偏差は論文に記載が無い。↩
  4. R1 p.23〜25（3.1節）・脚注10。書き起こしは Refinitiv StreetEvents の決算説明会と投資家向け会議（証券会社主催の業界会議、アナリスト・投資家説明会など）。経営陣の発言に限り、アナリストの質問は除く。完了後1・2・3年以内の発言を見る。本文は文の分類に Claude Opus 4.6 を使ったと書く一方、手法を「ルールに基づく自然言語処理」とも呼んでいる（p.8・脚注10）。分類の精度は数値で示されていない。↩
  5. R1 p.25〜26（3.1節。表にない単変量の集計）。中央値で二分した比較で、1年以内の失敗の言及は上位5.51%・下位7.66%、成功の言及は上位14.68%・下位4.76%（2年以内は5.66%・8.24%、17.73%・6.20%）。差はいずれも1%水準で有意。2年以内の進捗の言及は18.88%。↩
  6. R1 p.26〜27・表2（p.67〜69）。線形確率モデルで、業種×年の固定効果を入れ、標準誤差は買い手単位でクラスター。回帰の標本は5,371件。論文は「3.98%」と書くが、確率の差なので %ポイントの意味（6.59%の60.39%が約3.98）。2年以内は失敗4.27%ポイント（61.43%）低下・成功5.22%ポイント上昇。1標準偏差の年数は、表2モデル1の係数−0.855（1年あたり %ポイント、t値−6.43）と本文の3.98から4.65年、表5の係数0.238と本文の1.11から4.66年と逆算され、その平均を約4.7年とした（編集部の計算。本文の丸めの影響を含む）。↩
  7. R1 p.26〜27・表2。年齢・性別・一般的な能力の代理（アイビーリーグ、景気後退期の卒業、早い昇進）を加えると標本は4,626件。本文は他の属性に有意な関係は無いと書くが、表2 Panel A（失敗の言及、p.67〜68）には例外がある。CEO との学歴のつながりはモデル1（1年）で−2.953（t値−1.77、10%水準）、金融の経験はモデル5・6（3年）で−3.536（5%水準）・−3.527（10%水準）、女性はモデル4（2年）で4.061（10%水準）。いずれも他の期間・仕様では有意でなく、成功の言及（Panel B）では業界経験以外に有意な属性は無い。本稿はこれを「おおむね」と表現した。↩
  8. R1 p.29〜31（3.2節）・表3（p.70〜72）。1標準偏差で取引全体のシナジー達成の言及が2.90%ポイント（2年3.93）増、未達の言及が0.78%ポイント（2年0.97）減。収益シナジーは達成2.23%ポイント増・未達0.55%ポイント減（1年）。売上成長率・費用率は統合した事業部門の数値（p.30 脚注14）。のれん減損は3年以内の有無と規模（前年総資産比）で、係数は本文に示されていない。↩
  9. R1 p.32（3.2節）・表3 Panel D。↩
  10. R1 p.33（4.1節）・表4（p.73）。CAR は［−2,+2］の5営業日、市場モデル（CRSP 時価加重指数、推定期間［−240,−41］）。全体0.615%、上位1.349%（t値11.95）、下位−0.110%（t値−0.83）、差1.459%ポイント（t値8.36）。上場会社の買収は上位0.381%（有意でない）・下位−1.769%、株式を対価に含む案件は上位1.041%・下位−1.651%。↩
  11. R1 p.34〜36（4.1節）・表5（p.74〜75）。係数0.238（1年あたり %ポイント、t値8.84）、標本5,371件。長期の指標は1〜3年の特性調整済みバイ・アンド・ホールド異常収益率、業種調整後 ROA の変化、3年以内の対象業界の事業売却（負の関係）、アナリストの EPS 予想の修正。↩
  12. R1 p.40〜42（4.3節）・表7（p.79）。モデル1で業界経験の係数0.141、相対規模が中央値超の案件との交差項0.160（t値3.48）。上場・労働集約（SIC 5000超）・州をまたぐ・多角化の各交差項も正、5指標の合成指数との交差項は0.091。表7はモデル2と4の係数・t値が同一で、転記の誤りの可能性がある。↩
  13. R1 p.42〜44（5.1・5.2節）・表8（p.80〜81）。著者らは BUL のどの属性とも関係が無いと書くが、表8には個別の仕様で業界経験以外の属性の係数が10%〜5%水準になるもの（例：合算 CAR［−2,+2］で CEO との職歴のつながり−2.848、10%水準）があり、一貫した関係ではない。合算 CAR・文化的距離・プレミアムの分析は上場会社の買収に限る。EPS 増加への言及（シナジーの代理）とも関係が無い。↩
  14. R1 p.45〜46（5.3節）・表9（p.82〜83）。著者らは、発表から効力発生までの日数は規制・交渉・法務の遅れにも左右されると注記している（p.46 脚注17）。日数のモデル（表9モデル2）では CEO との学歴のつながりも11.750日（t値1.82、10%水準）と正の係数。↩
  15. R1 p.47（6節）・表10（p.84）。1標準偏差で昇進確率1.0%ポイント上昇・解任確率2.6%ポイント低下（3年以内）。↩
  16. R1 p.36〜40（4.2節）・表6（p.77〜78）。検証の対象は業界経験と発表時 CAR の関係（表5 Panel A モデル2の再推定、p.36）。ほかに CEO・取締役の属性と CEO 固定効果、前任の CEO が任命した BUL への限定、無作為に割り当てた疑似 BUL、傾向スコアマッチング。操作変数は同じ業種・同じ郵便番号3桁地域の他社にいる業界経験の長い BUL の数（p.39〜40）。↩
  17. R1 p.27（3.1節）。↩
  18. R2（前身稿, 2025年12月）p.19〜20（3.1節）。中央値で二分した失敗の言及は4.0%対8.0%、1標準偏差での低下は平均比50%。標本（5,550件）と発表時 CAR の結果は2026年4月版と同じ。↩
  19. R3（NBER WP 版, 2021年5月）p.2（要旨）、p.4〜5、p.18。標本は11,098件、差は0.86%ポイント。CEO の力が強い・自信過剰・地位が固い場合は効果が見られない（要旨）。↩
  20. R1 表4 Panel D（p.73）。M&A 専任スタッフを持つ買い手の差は t値1.65（10%水準）、持たない買い手は t値8.83。本文（p.34）は「専任スタッフの有無にかかわらず」BUL の経験が価値を加えると書く。↩
  21. R4（企業会計基準第21号「企業結合に関する会計基準」最終改正2019年1月16日）第32項（p.8）。米国基準でのれんを報告単位に配分する扱い（ASC 350-20）は R1 p.20 脚注7・8の記述による。↩
  22. R5（中小企業庁「中小PMIガイドライン」2022年3月）第2章2「PMI推進体制」p.32〜35（PDF の物理ページ p.33〜36）。人数は中規模・大規模案件の調査（52件）。↩
  23. 編集部の計算。経験の差（年）×係数（%ポイント／年）÷100×時価総額。大きな買収の係数0.301は R1 表7 モデル1の0.141と交差項0.160の合計で、合計の統計的有意性は表から確かめられない（編集部の計算）。参考までに、表5の1標準偏差（約4.7年）の差1.11%ポイントを当てはめると約33.3億円。↩

参考文献​（2026年10月確認）

※本記事は教育目的の一般的な解説であり、投資助言・法務・税務の助言ではありません。研究結果は各論文の対象・期間・方法の範囲で得られたもので、日本の個別企業・案件にそのまま当てはまるとは限りません。設例は学習用の架空の数値です。アイキャッチ画像は生成AIによるイメージです。