Mn-1+ DI + DY
其中,R为公司年度净利润,A为企业的综合能力,I为公司研发投入金额,α为研发投入增长对净利润增长的贡献度,M为公司销售费用投入金额,β为销售费用增长对净利润增长的贡献度,γ为两者的交互项, DI和DY分别为行业控制变量和年份控制变量。
我们的目标是要把品牌价值增长率对净利润率增长率的贡献进行量化。模型的因变量是每个公司的利润增长率,为此需要找到和品牌价值紧密相关的自变量来解释每个公司的利润增长率。一般而言,净利润率的增长是由多种因素驱动的,为了把品牌价值增长率贡献的部分分离出来,我们从供给侧品牌建设的资源投入角度出发,在拟合净利润增长率的回归模型中加入了供给侧的研发投入和营销费用增长这两个变量,这两部分资源的投入是驱动品牌价值增长的主要因素。从均衡角度看,公司将会动态调整资源投入建立品牌资产,提高的品牌价值正反馈到公司的资源配置策略上。在计量分析上,成本投入通常是很好的工具变量,避免了许多的内生性问题。
我们以这两个驱动因素对净利润增长率的贡献来衡量品牌价值的增长,是非常合理的,也得到了理想的基于数据的实证结果。
此外,我们在模型中还考虑了研发投入和营销费用增长的协同作用,并在估计每一个因素对利润增长率的效应时考虑了行业差异性。即将不同行业供给侧的研发投入和营销费用增长的对利润增长的独特效应分离出来,两个因素的协同作用也同时得到分行业的估计结果。这是2018年在实证研究方面的一个进步,让我们的模型更稳定,也更有分行业为基础的解释力。
在得出回归方程的结果之后,我们进一步结合内外部专家团队给出的企业品牌作用系数,估算出各驱动要素对企业净利润的五年累计贡献额,将其作为品牌增加值(品牌创新价值)的排名依据。相对于去年,今年因为新增了2016、2017两年的数据,所以企业的品牌增加值比去年有较大幅度的变化。
(2)评价过程
在去年工作的基础上,今年的评价过程的可预期性和程序化程度有了很大的提高。
2017年10月-2018年4月动态进行数据库扩充和数据更新工作;
2017年12月-2018年3月完成量化模型的优化工作;
2018年2月,联合研究小组完成基于2016年新增数据的模型实证研究,并举行多次讨论以完善评估方法和流程;