第二节 不同行业国际品牌价值驱动因素研究
由第五章第二节分析结果可知，不同行业国际品牌成长轨迹存在着较大的差异，这主要是因为国际品牌成长存在着明显的行业成长特征。可见，在不同行业国际品牌的创建方式是不同的。不同行业国际品牌成长的驱动因素是否也存在着较大差异呢?这是一个值得深入研究的问题。因此，本节尝试从不同行业探索国际品牌成长的驱动因素，以期对不同行业企业促进国际品牌成长提供参考依据。
一、不同行业样本的探索性因子分析
1.不同行业样本的选取
为了探索不同行业国际品牌价值驱动因素，本节将第一节收集的国际品牌总体样本根据行业分为两个分样本:消费品类国际品牌样本(2)和科技类国际品牌样本，两个不同行业样本的观察值分别为144和119。
2.不同行业样本数据的因子分析适用性检验
利用SPSS 15.0软件对两个行业的样本数据进行因子分析适用性检验，分别得到4个变量的相关关系矩阵，如表6－13和6－14所示。来自不同行业的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，表明这两个子样本数据都适合做因子分析。
表6－13 消费品类国际品牌相关系数矩阵
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
表6－14 科技类国际品牌相关系数矩阵
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
然后分别对两个不同行业的子样本数据进行KMO与巴特利特球度检验，验证结果如表6－15所示。消费品类和科技类国际品牌样本数据的KMO值分别为0.644和0.660，都大于0.5，表明这两个子样本数据适合进行因子分析。根据巴特利特球度检验显示，消费品类和科技类国际品牌样本数据的卡方统计值分别为566.87和409.4，显著性水平P＜0.01，巴特利特球度检验显示变量之间具有相关性。可见，两个不同行业的样本数据均通过了两项验证性检验，表明两个子样本数据适合进行因子分析。
表6－15 不同行业样本因子验证分析指标
二、消费品行业国际品牌价值驱动因素分析
1.探索性因子分析评估结果分析
利用SAS 9.0采用主成分分析法提取公共因子，分析结果如表6－16所示。只有一个公共因子的初始特征值大于1，方差累积贡献率为73.47%，没有达到公共因子累计方差超过85%的标准，不能很好地反映全部变量指标信息。因此，将进一步进行因子旋转分析，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6－17所示。
表6－16 消费品行业样本相关矩阵的特征值、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6－17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6－17所示。其中，F4在X3(营业利润)和X4(净利润)上的载荷较大，载荷量分别为0.935和0.950，这两个变量基本上反映了国际品牌为企业带来的市场业绩，将F4命名为市场业绩因子; F5在X1(广告费用)上的载荷较大，载荷量为0.924，这两个变量基本上反映了国际品牌的营销沟通能力，将F5命名为营销沟通能力因子; F6在X2(研发费用)上的载荷最大，载荷量为0.815，反映了国际品牌的产品研发设计能力，将F6命名为产品研发设计能力因子。
表6－17 消费品类国际品牌样本旋转前后因子载荷矩阵
由表6－18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F3、F4和F5是完全不相关的，表明旋转后得到的结果可靠。
表6－18 估计回归因子分数的协方差矩阵
2.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。利用回归法估计因子得分，因子得分函数是:
Fj=βj1 X1+βj2 X2+…+βjp Xp(p= 1，2，3，4，5; j= 1，2，3)
上式中β为回归法得出的因子得分系数，具体的因子得分系数如表6－19所示。
表6－19 因子得分系数
由此可得到市场业绩因子(F4)、营销沟通能力因子(F5)、产品研发设计能力因子(F6)三个公共因子得分的计算公式为:
(公式2)
这三个公共因子是否是国际品牌价值的驱动因素，对消费品行业国际品牌成长的影响程度是多少，需要进一步进行回归分析予以验证。
3.研究假设
根据探索性因子分析结果，消费品行业国际品牌价值的驱动因素包括三个方面:市场业绩驱动因子、营销沟通能力驱动因子和产品研发设计能力驱动因子。这三个驱动因子是否对消费品行业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:
H21:企业的市场业绩对消费品行业国际品牌成长具有显著正向作用。
H22:企业的营销沟通能力对消费品行业国际品牌成长具有显著正向作用。
H23:企业的产品研发设计能力对消费品行业国际品牌成长具有显著正向作用。
根据上述提出的研究假设，建立多元回归方程，如下所示:
ln Y2=β20+β21 F4+β22 F5+β23 F6+ε2(模型2)
Y2表示消费品行业国际品牌价值;
F4表示市场业绩驱动因子;
F5表示营销沟通能力驱动因子;
F6表示产品研发设计能力驱动因子。
4.实证分析过程
由于F4、F5和F6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2计算得到，即因子得分。国际品牌价值(Y2)的数据来自2001—2008年Interbrand“全球品牌100强”发布的消费品行业国际品牌价值。F4、F5和F6的取值是利用自变量观测值的对数值根据公式2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6－20所示，三个自变量F4、F5和F6与ln Y2有显著正相关关系。由表6－18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6－20 消费品行业国际品牌样本各变量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对消费品行业国际品牌样本数据进行多元回归分析，模型2的回归系数如表6－21所示。回归模型2的R2= 0.590，调整R2= 0.581，表明模型2的拟合优度较好。F= 66.62(P＜0.01)，表明多元回归模型2通过显著性检验。由表6－21可知，模型2的两个自变量F4和F6的回归系数在1%水平上通过显著性检验，F5的回归系数在5%水平上通过显著性检验，表明F4、F5和F6都对消费品行业国际品牌成长具有显著的正向影响作用。
表6－21 模型2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2的回归结果，市场业绩驱动因子(F4)、营销沟通能力驱动因子(F5)和产业研发设计能力驱动因子(F6)都对消费品类国际品牌成长具有显著的正向影响作用，H21、H22和H23都得到支持，如表6－22所示。
表6－22 模型2假设检验验证结果总结
5.研究结果分析
由模型2的回归系数可知，与总体样本研究结果一致，消费品类国际品牌成长也有3个驱动因子:首先，市场业绩驱动因子对消费品类国际品牌成长的驱动作用也是最大，其贡献率为0.366，表明企业的市场业绩对消费品类国际品牌价值增值的影响作用非常大;其次也是产品研发设计能力驱动因子，对消费品类国际品牌成长的贡献率为0.187;最后，营销沟通能力驱动因子虽然也对消费品类国际品牌成长具有显著正向影响作用，但影响作用也较小，其贡献率只有0.072。与总体样本研究结果相比，消费品类国际品牌的市场业绩驱动因子和产品研发设计能力驱动因子的影响作用都较小，营销沟通能力驱动因子的影响作用与前者相比略大。
三、科技行业国际品牌驱动因素分析
1.探索性因子分析评估结果分析
利用SPSS 15.0采用主成分分析法提取公共因子，分析结果如表6－23所示。只有1个公共因子的初始特征值大于1，方差累积贡献率为68.57%，没有达到公共因子累计方差超过85%的标准，不能很好地反映全部变量指标信息。因此，将进一步进行因子旋转分析，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6－24所示。
表6－23 科技行业样本的相关矩阵的特征值、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6－23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6－24所示。其中，F7在X3(营业利润)和X4(净利润)上的载荷较大，载荷量分别为0.939和0.950，将F7命名为市场业绩因子; F8在X1(广告费用)上的载荷较大，载荷量为0.966，将F8命名为营销沟通能力因子; F9在X2(研发费用)上的载荷最大，载荷量为0.877，将F9命名为产品研发设计能力因子。
表6－24 科技类国际品牌样本旋转前后因子载荷矩阵
由表6－25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F7、F8和F9是完全不相关的，表明旋转后得到的结果可靠。
表6－25 估计回归因子分数的协方差矩阵
2.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。利用回归法估计因子得分，因子得分函数是:
Fj=βj1 X1+βj2 X2+…+βjp Xp(p= 1，2，3，4，5; j= 1，2，3)
上式中，β为回归法得出的因子得分系数，具体的因子得分系数如表6－26所示。
表6－26 因子得分系数
由此可得到市场业绩驱动因子(F7)、营销沟通能力驱动因子(F8)、产品设计能力驱动因子(F9)三个公共因子得分的计算公式为:
(公式三)
这三个公共因子是否是国际品牌价值的驱动因素，对科技行业国际品牌成长的影响程度是多少，尚需进行回归分析予以验证。
3.研究假设
根据探索性因子分析结果，科技行业国际品牌价值的驱动因素包括三个方面:市场业绩、营销沟通能力和产品研发设计能力。这三个驱动因素是否对科技行业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:
H31:企业的市场业绩对科技行业国际品牌成长具有显著正向作用。
H32:企业的营销沟通能力对科技行业国际品牌成长具有显著正向作用。
H33:企业的产品研发设计能力对科技行业国际品牌成长具有显著正向作用。
根据上述提出的研究假设，建立多元回归方程，如下所示:
ln Y3=β30+β31 F7+β32 F8+β33 F9+ε3(模型3)
Y3表示科技行业国际品牌价值;
F7表示市场业绩驱动因子;
F8表示营销沟通能力驱动因子;
F9表示产品研发设计能力驱动因子。
4.实证分析过程
由于F7、F8和F9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3计算得到，即因子得分。国际品牌价值(Y3)的数据来自2001—2008年Interbrand“全球品牌100强”发布的科技行业国际品牌价值。F7、F8和F9的取值是利用自变量观测值的对数值根据公式3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6－27所示，3个自变量F7、F8和F9与Y3有显著正相关关系。由表6－25估计回归因子分数的协方差矩阵可知，3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6－27 科技行业国际品牌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对汽车行业国际品牌样本数据进行多元回归分析，模型3的回归系数如表6－28所示。回归模型3的R2= 0.603，调整R2= 0.591，表示回归模型3的拟合优度较好。F= 52.07(P＜0.01)，表明多元回归模型3通过显著性检验。由表6－28可知，模型3的F7和F9的回归系数在1%水平上通过显著性检验，F8的回归系数在5%水平上通过显著性检验，表明F7、F8和F9对科技行业国际品牌成长具有显著的正向影响作用。
表6－28 模型3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3的回归结果，市场业绩因子(F7)、营销沟通能力因子(F8)和产品研发设计能力因子(F9)对科技行业国际品牌成长具有显著的正向影响作用，H31、H32、H33都得到支持，如表6－29所示。
表6－29 模型4假设检验验证结果总结
5.研究结果分析
由模型3的回归结果可知，科技行业国际品牌成长也有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0.531，表明科技企业的市场业绩对其国际品牌价值增值的影响作用非常大;其次是产品研发设计能力驱动因子，对国际品牌成长的贡献率是0.271;最后是营销沟通能力驱动因子，它对国际品牌成长的贡献率为0.114。
四、小结
由不同行业国际品牌价值驱动因素分析结果可知，消费品类和科技类国际品牌成长都有3个驱动因子:市场业绩驱动因子、营销沟通能力驱动因子和产品研发设计能力驱动因子。但是，3个驱动因子对两个行业的影响作用不同，如表6－30所示。总体来看，3个驱动因子对科技类国际品牌成长的影响作用都分别大于对消费品类国际品牌成长的影响作用。
表6－30 不同行业国际品牌价值驱动因素及其贡献分析
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
