国际品牌成长驱动因素分析

第一节　国际品牌成长驱动因素分析

纵观国内外学者对品牌价值驱动因素的研究成果，最有影响力的品牌资产驱动因素来自Keller等(2003)提出的品牌价值链模型。该模型提出品牌价值来源于企业和消费者，并详细论证了品牌价值的形成机理。然而，Keller提出的品牌价值链模型主要进行了定性分析，有关企业投入到国内外市场的营销项目中哪些因素对国际品牌成长的影响作用较大，Keller尚未进一步深入分析，企业的市场经营绩效和金融市场绩效是否也是国际品牌价值的驱动因素，品牌价值链模型也尚未进行研究。因此，本节尝试从企业视角，在品牌价值链模型的基础上，构建国际品牌成长驱动因素指标体系。

一、国际品牌成长驱动因素指标体系的构建

由Keller(2003)品牌价值链模型可知，国际品牌价值的创造始于企业投入到市场的营销项目投资，该营销项目投资与较大的营销支出与产品研发、设计相关，与贸易和中间支持相关，与营销沟通相关(广告、促销、赞助等)的活动有关。如果企业投入到市场的营销项目与消费者高度相关、具有独特性，则会对消费者思维产生积极的结果，当大量消费者被该国际品牌吸引，形成购买行为，消费者心智价值就转化为国际品牌的市场业绩，最终国际品牌创造的市场业绩体现到金融市场，从而实现价值增值。根据Keller的品牌价值链理论，企业投入的产品研发设计、贸易和中间支持、营销沟通是国际品牌成长的驱动因素。Chu和Keh(2006)在Keller(2003)品牌价值链模型基础上，选取了广告投入、促销投入和研发设计投入三个变量对品牌价值创造的贡献进行了实证研究，结果表明这三个变量只有在各自最佳投入量区间才能对品牌价值的创造发挥较高效率。

本书将借鉴他们的研究结果来构建国际品牌价值驱动因素指标体系，最终构建如表6－1所示的国际品牌价值驱动因素指标体系。

根据Keller的品牌价值链理论，企业的产品研发设计、贸易和中间支持、营销沟通投入是国际品牌成长的驱动因素，鉴于获取数据的原因，本文将选取产品营销沟通能力和研发设计能力作为自变量，其中营销沟通能力通过企业投入的广告费衡量，产品研发设计能力通过企业投入的研发设计费用衡量。由品牌价值链理论可知，消费者购买行为发生后，消费者心智价值转化为国际品牌市场业绩，实现价值增值，那么企业的市场业绩是否也会对国际品牌成长具有驱动作用呢?为了更深入探寻国际品牌成长的驱动因素，本文将引入企业市场业绩这一变量到国际品牌成长驱动因素指标体系中，通过营业利润和净利润两个指标来衡量。因变量国际品牌成长直接通过品牌价值来衡量。

表6－1　　　　　国际品牌价值驱动因素指标体系

二、研究方法

1.探索性因子分析

探索性因子分析是因子分析方法的一种，它通过对诸多变量的相关性研究，可以用假想的少数几个变量(因子)来表示原来变量(观测变量)的主要信息。探索性因子分析的基本思想是通过样本的相似系数矩阵内部结构的研究，找出能控制所有样本的少数几个随机变量去描述多个变量之间的相似关系，这少数几个随机变量是不可观测的，通常称为因子。然后根据相仿性的大小把样本分组，使得同组内的样本之间的相关性较高，但不同组的样本相似性较低。

探索性因子分析法的基本原理用数学模型表示为:设有N个样本，每个样本有P个变量(调查问卷中P个指标就是P个变量)。若各单项指标记为x₁，x₂，Λ，x_p，它们的综合指标记为F₁，F₂，Λ，F_m(m＜p)，这些综合指标代表着国际品牌价值驱动因素的主要方面，称它们为公共因子。通常来说，若有P个指标x₁，x₂，Λ，x_p，可将它们综合成m(m＜p)个指标，即:

a_i1，a_i2，Λ，a_ip表示p个样本; a_ij(i= 1，2，Λ，m; j= 1，2，Λ，p)为因子载荷; F_i(i= 1，2，Λ，m)为公共因子;ε_i(i= 1，2，Λ，m)为特殊因子。上述公式需要满足以下条件:

①a²_i1+ a²_i2+Λ+ a²_ip= 1(i=1，2，Λ，m)，其中a_ij(j= 1，2，Λ，p)表示第i个综合指标中各项单项指标的权重。它的大小可以反映公共因子F_i的经济意义。

②F_i和F_j互相无关(i≠j; i，j= 1，2，Λ，m)。

③F₁是x₁，x₂，Λ，x_p的所有线性组合且系数满足1中的方差最大的公共因子。由于各指标间的差异由方差体现，因此，F₁就充分代表了原始指标x₁，x₂，Λ，x_p所包含的信息，称F₁为第一公共因子; F₁与F₂是不相关的x₁，x₂，Λ，x_p的所有线性组合中方差最大者，称为第二公共因子;以此类推。

通过计算求出公共因子的个数，并将每个公共因子所包含的变量通过因子载荷矩阵以及因子轴的旋转计算得出，即得到国际品牌价值驱动因子。

2.多元线性回归分析

本书利用探索性因子分析得到的国际品牌价值驱动因子为自变量，以国际品牌价值为因变量，建立回归方程进行多元回归分析。多元回归分析的模型为:

Y=β₀+β₁ F₁+β₂ F₂+…+β_n F_n

采用最小二乘法对多元回归模型的参数进行估计，得到的β₀为截距，β₁，β₂…β_n为回归系数。

多元线性回归模型的参数估计出来后，还需进一步对该样本回归模型进行统计性检验，以判定估计的可靠程度，包括拟合优度检验、回归方程的显著性检验和回归系数的显著性检验。

回归方程的拟合优度检验主要是利用回归平方和占离差平方和的比重(R²)来检验样本回归方程对样本观测值的拟合程度，R²越大，表明回归方程的拟合程度越高。

为了检验Y与F₁，F₂…F_n是否存在线性关系，即需要用F检验对回归方程的显著性进行检验，若通过F检验，得到的多元回归方程才有意义。

对回归方程进行显著性检验，仅能验证β₁，β₂…β_n不全为0，但并不排除有某个β_i为0的情况。若β_i为0，说明自变量F_i对因变量Y的影响不明显，应从回归模型中删除。因此，需要对回归系数β₁，β₂…β_n是否为0逐一进行检验，即利用t检验对回归系数进行显著性检验。

三、样本选取与数据来源

本节以2001—2008年连续入围Interbrand“全球品牌100强”中的65个国际品牌为样本(包含美林集团)，其中能源和金融行业的壳牌、汇丰、BP、花旗银行、UBS、高盛和路透社等8个国际品牌没有披露研发费用或广告费用;英特尔、苹果、西门子3个国际品牌的年度报告没有披露广告费用;可口可乐、LVMH、麦当劳、亨氏、耐克、蒂芙尼、GAP 7个国际品牌的年度报告没有披露研发费用; GE和索尼2个国际品牌的年度报告没有披露广告费用和研发费用;另外，福特公司由于近几年经营亏损，各项变量指标的取值属于异常值。因此，将这21个国际品牌从样本中剔除，最终得到37个国际品牌有效样本。

从样本国别分布来看，9个国际品牌来自欧洲，占样本总数的24%; 23个国际品牌来自北美，占样本总数的62%; 5个国际品牌来自日本，占样本总数的14%。从样本的类型来看，有5个是全球品牌，占样本总数的14%; 8个双区域国际品牌，占样本总数的22%; 24个区域国际品牌，占样本总数的64%。从样本的行业分布来看，科技类国际品牌占18个，占样本总数的49%;消费品类国际品牌占13个，占样本总数的35%;汽车类国际品牌占6个，占样本总数的16%。如表6－2所示。

表6－2　　　　　样本主要特征

资料来源:笔者根据37个国际品牌样本资料整理

本节所有的数据都是来自37个样本国际品牌2001—2008年年度报告公开披露的财务数据，其中摩托罗拉在2006—2008年、任天堂在2007—2008年、欧莱雅在2004—2008年未披露广告费用;星巴克在2005—2008年没有披露研发费用。因此，将缺失数据的观测值直接剔除，最后获得263个有效样本量(国际品牌名单详见附录3)。为了降低样本数据的离散程度，本文分别对所有变量取对数，并进行各个变量的描述性统计，如表6－3所示。

表6－3　　　　　样本描述性统计

四、探索性因子分析

探索性因子分析主要是为了找出影响国际品牌价值驱动因素的因子个数，以及各个驱动因子和各个变量指标之间的相关程度。本书以上述37个样本国际品牌的数据为基础，利用探索性因子分析方法的基本原理和完整的分析过程，探索国际品牌价值的驱动因素，提取驱动因子。

1.因子分析适用性检验

因子分析法的前提是X₁、X₂、X₃…X_i之间存在相关性，因此，在使用因子分析方法之前需要进行适用性检验，如果变量X_i之间正交，它们之间不会存在公因子，不宜做因子分析。

利用SPSS 15.0软件对样本数据进行因子分析适用性检验，得到4个变量的皮尔森相关系数矩阵，如表6－4所示。许多变量之间存在着高度相关，所有变量之间的相关系数大于0.3，X₃和X₄相关系数为0.960，可见样本数据适合做因子分析。

表6－4　　　　　皮尔森相关系数矩阵

注:＊＊＊表示在1%水平上显著，＊＊表示在5%水平上显著，*表示在10%水平上显著

因子分析适用性检验最常用的方法是运用KMO(Kaiser－Meyer－Olkin)检验模型与巴特利特球度(Bartlett's Test of Sphericity)对样本数据进行检验。KMO是用于比较观测相关系数值与偏相关系数值的一个指标，其值愈逼近1，表明对这些变量进行因子分析的效果愈好。根据专家Kaiser(1974)的观点，如果KMO的值小于0.5，较不宜进行因素分析;如果KMO值大于0.5，表明样本数据适合进行因子分析。巴特利特球度检验是从整个相关系数矩阵来考虑问题，在一定条件下服从卡方分布，其零假设是相关系数矩阵为单位矩阵，可以根据常规的假设检验判断相关系数矩阵是否显著异于零。由表6－5可知，样本数据的KMO值为0.667，通过因子分析适用性检验;巴特利特度检验显示，卡方的统计值为828.81，显著性水平P＜0.01，巴特利特球度检验显示数据之间具有相关性。可见，样本数据均通过两项验证性检验，表明样本数据适合进行因子分析。

表6－5　　　　　 KM O和巴特利特球度检验

2.探索性因子分析结果

本节利用主成分分析法提取公共因子，公共因子是对原始变量指标进行浓缩后提取的，是能够解释原始变量指标的因子。提取公共因子的标准是一般选取特征值大于1的公共因子。由表6－6可知，第一个公共因子的特征值为2.754，大于1，但其方差贡献率为68.84%，不能很好地反映全部变量指标信息。因此，利用SAS 9.0采用主成分法提取3个公共因子，公共因子是对原始变量指标进行浓缩后提取的，其累积方差贡献率为99.02%。

表6－6　　　　　相关矩阵的特征值、方差贡献率和累积贡献率

注:利用主成分分析法提取公共因子

由表6－7旋转前因子载荷矩阵可知，直接提取三个公共因子不能赋予三个公共因子合理的经济解释。为了解决各个公共因子的典型代表变量不很突出的问题，还将进行因子旋转分析。利用最大方差正交旋转法进行因子旋转，得到旋转后因子载荷矩阵，如表6－7所示。其中，F₁在X₃(营业利润)和X₄(净利润)上的载荷较大，载荷量分别为0.937和0.948，将F₁命名为市场业绩因子; F₂在X₁(广告费用)上的载荷较大，载荷量为0.958，将F₂命名为营销沟通能力因子; F₃在X₂(研发费用)上的载荷最大，载荷量为0.893，将F₃命名为产品研发设计能力因子。可见，本书构建的国际品牌价值驱动因素指标体系合理。

表6－7　　　　　旋转前后因子载荷矩阵

由表6－8估计回归因子分数的协方差矩阵(即三个公共因子间的相关矩阵)可知，样本数据利用最大方差正交旋转法进行因子旋转后，三个公共因子F₁、F₂和F₃是完全不相关的，表明旋转后得到的结果可靠。

表6－8　　　　　估计回归因子分数的协方差矩阵

3.计算公共因子得分

因子分析的目的是减少变量个数，以便在进一步分析中用较少的公共因子代替原有变量进行数据建模。由于公共因子是不可观测的隐变量，需通过计算因子得分给提取的公共因子赋值。因子得分求解的过程就是以原始变量的线性组合来表示公共因子，因子得分系数是原始变量的权重。本书利用回归法估计因子得分，因子得分函数是:

F_j=β_j1 X₁+β_j2 X₂+…+β_jp X_p(p= 1，2，3，4，5; j= 1，2，3)其中，β为回归法得出的因子得分系数，如表6－9所示。

表6－9　　　　　因子得分系数

由上述样本描述性统计分析可知，X₁、X₂、X₃和X₄ 4个变量的数据离散程度较大，为了减少离群值对研究结果的影响，在计算因子得分时，所有自变量取对数，因此，可得到市场业绩因子(F₁)、营销沟通能力因子(F₂)、产品研发设计能力因子(F₃)三个公共因子得分的计算公式为:

(公式1)

这三个公共因子是否是国际品牌成长的驱动因素，对国际品牌成长的影响程度是多大，需要进一步进行回归分析予以验证。

五、研究假设

根据探索性因子分析结果，国际品牌成长的驱动因素包括三个方面:企业经营绩效、投入的营销项目和金融市场绩效。这三个驱动因素是否对国际品牌价值的成长具有显著影响，需要进一步进行深入分析。因此，提出如下假设:

H₁₁:企业市场业绩对国际品牌成长具有显著的正向影响作用。

H₁₂:企业营销沟通能力对国际品牌成长具有显著的正向影响作用。

H₁₃:企业产品研发设计能力对国际品牌成长具有显著的正向影响作用。

根据上述提出的研究假设，建立多元回归方程，如下所示:

ln Y₁=β₁₀+β₁₁ F₁+β₁₂ F₂+β₁₃ F₃+ε₁(模型1)

Y₁表示国际品牌价值;

F₁表示市场业绩驱动因子;

F₂表示营销沟通能力驱动因子;

F₃表示产品研发设计能力驱动因子。

六、实证分析过程

由于F₁、F₂和F₃是通过探索性因子分析得到的公共因子，不能直接获得观测值，因此，它们的取值利用公式1计算得到，即因子得分。国际品牌价值(Y)的取值来自2001—2008年Interbrand“全球品牌100强”发布的样本国际品牌价值。由于部分国际品牌在某些年份未入选排行榜或落选，其对应年度的国际品牌价值的数据就会缺失，直接将对应的样本在样本总体中剔除，最终得到263个有效样本，如表6－10所示。F₁、F₂和F₃的取值是利用自变量观测值的对数值根据公式1计算得到。为了保证处理数据的一致性，将因变量的取值也取对数。

利用SPSS 15.0对多元回归模型的变量进行相关分析，计算各个变量之间的皮尔森相关系数，检验各个变量之间的相关关系。如表6－10所示，三个自变量F₁、F₂、F₃与ln Y有显著正相关关系。由表6－8估计回归因子分数的协方差矩阵可知，三个自变量之间是完全不相关的，因此，自变量之间不会存在多重共线性的问题，可以直接进行多元回归分析。

表6－10　　　　　总体样本各变量的皮尔森相关系数矩阵和描述性统计分析

注:＊＊＊表示在1%水平上显著，＊＊表示在5%水平上显著，*表示在10%水平上显著

利用SPSS 15.0对样本数据进行多元回归分析，模型1的回归系数如表6－10所示。回归模型1的R²= 0.602 3，调整R²= 0.597 5，表明模型1的拟合优度较好。F= 124.20，P＜0.01，表明多元回归模型1通过显著性检验。由表6－11可知，F₁和F₃的回归系数在1%水平上通过显著性检验，F₂的回归系数在10%水平上通过显著性检验，表明F₁、F₂和F₃对国际品牌成长具有显著的正向影响作用。

表6－11　　　　　模型1的参数估计结果

注:＊＊＊表示在1%水平上显著，＊＊表示在5%水平上显著，*表示在10%水平上显著

根据模型1的回归结果，市场业绩因子(F₁)、营销沟通能力因子(F₂)和产品研发设计能力因子(F₃)对国际品牌成长具有显著的正向影响作用，H₁₁、H₁₂、H₁₃都得到支持，如表6－12所示。

表6－12　　　　　模型1假设检验验证结果总结

七、研究结果

本节基于企业视角，以2001—2008年“全球品牌100强”中的国际品牌为研究样本，实证分析了国际品牌成长的驱动因素，通过实证检验，得到的研究结果主要有:

由模型1的回归结果可知，国际品牌成长有3个驱动因子，首先，市场业绩驱动因子对国际品牌成长的驱动作用最大，其贡献率为0.464，表明企业的市场业绩对国际品牌价值增值的影响作用非常大;其次，产品研发设计能力驱动因子对国际品牌成长的贡献率为0.232;再次，营销沟通能力驱动因子虽然对国际品牌成长具有显著正向影响作用，但影响作用较小，其贡献率只有0.043。